CN105070289B - 英文人名识别方法和装置 - Google Patents
英文人名识别方法和装置 Download PDFInfo
- Publication number
- CN105070289B CN105070289B CN201510390421.4A CN201510390421A CN105070289B CN 105070289 B CN105070289 B CN 105070289B CN 201510390421 A CN201510390421 A CN 201510390421A CN 105070289 B CN105070289 B CN 105070289B
- Authority
- CN
- China
- Prior art keywords
- english name
- name
- english
- identification
- voice
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Abstract
本发明提出一种英文人名识别方法和装置,该英文人名识别方法包括:接收用户输入的语音,所述语音中包括英文人名;通过加载的中文识别声学模型和已构建的识别网络对所述用户输入的语音进行识别,获取所述语音的识别结果,所述语音的识别结果中包括所述英文人名的识别结果。由于无需进行额外的模型训练和语料收集等工作,本发明实现成本低,并且由于本发明加载的是中文识别声学模型,不会对用户输入的语音中非英文部分的识别产生影响,提高了整体的识别准确率,同时对英文人名的识别准确率也高于中英文模型混合识别的准确率。
Description
技术领域
本发明涉及语音识别技术领域,尤其涉及一种英文人名识别方法和装置。
背景技术
近年来,语音识别技术飞速发展,越来越多的用户使用语音功能,通过语音控制机器与机器交流,其中对于人名的识别功能也逐渐成为了每个识别系统的必备功能,广泛应用于通过语音寻找通讯录联系人,语音发短信,发邮件等场景中。
随着国际化大潮的到来,通讯录中的英文人名越来越多。英文人名识别技术也越来越成为语音识别系统中不可或缺的一部分。
但是现有的英文人名识别技术存在以下问题和缺陷:
(1)耗费的时间和成本巨大,这是由于声学模型训练是一项极其耗费机器和时间的技术,另外,对于英文人名语料的获取和整理也同样需要消耗大量的人力和经费;
(2)识别正确率的影响,由于目前还没有完善的中英文混合解码方案,导致中英文混合解码对其他非英文内容的识别会产生影响,从而降低整体的识别准确率。
发明内容
本发明的目的旨在至少在一定程度上解决相关技术中的技术问题之一。
为此,本发明的第一个目的在于提出一种英文人名识别方法。该方法通过加载的中文识别声学模型和已构建的识别网络对用户输入的语音中的英文人名进行识别,由于无需进行额外的模型训练和语料收集等工作,实现成本低,并且不会对用户输入的语音中非英文部分的识别产生影响,提高了整体的识别准确率。
本发明的第二个目的在于提出一种英文人名识别装置。
为了实现上述目的,本发明第一方面实施例的英文人名识别方法,包括:接收用户输入的语音,所述语音中包括英文人名;通过加载的中文识别声学模型和已构建的识别网络对所述用户输入的语音进行识别,获取所述语音的识别结果,所述语音的识别结果中包括所述英文人名的识别结果。
本发明实施例的英文人名识别方法,接收用户输入的包括英文人名的语音之后,通过加载的中文识别声学模型和已构建的识别网络对上述用户输入的语音进行识别,获取上述语音的识别结果,上述语音的识别结果中包括上述英文人名的识别结果。由于无需进行额外的模型训练和语料收集等工作,上述英文人名识别方法实现成本低,并且由于该方法加载的是中文识别声学模型,不会对用户输入的语音中非英文部分的识别产生影响,提高了整体的识别准确率,同时对英文人名的识别准确率也高于中英文模型混合识别的准确率。
为了实现上述目的,本发明第二方面实施例的英文人名识别装置,包括:接收模块,用于接收用户输入的语音,所述语音中包括英文人名;识别模块,用于通过加载的中文识别声学模型和已构建的识别网络对所述接收模块接收的用户输入的语音进行识别,获取所述语音的识别结果,所述语音的识别结果中包括所述英文人名的识别结果。
本发明实施例的英文人名识别装置,接收模块接收用户输入的包括英文人名的语音之后,识别模块通过加载的中文识别声学模型和已构建的识别网络对上述用户输入的语音进行识别,获取上述语音的识别结果,上述语音的识别结果中包括上述英文人名的识别结果。由于无需进行额外的模型训练和语料收集等工作,上述英文人名识别装置实现成本低,并且由于该装置加载的是中文识别声学模型,不会对用户输入的语音中非英文部分的识别产生影响,提高了整体的识别准确率,同时对英文人名的识别准确率也高于中英文模型混合识别的准确率。
本发明附加的方面和优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本发明的实践了解到。
附图说明
本发明上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解,其中:
图1为本发明英文人名识别方法一个实施例的流程图;
图2为本发明英文人名识别方法中构建识别网络一个实施例的流程图;
图3为本发明英文人名识别方法中分词过程一个实施例的流程图;
图4(a)~图4(b)为本发明英文人名识别方法中通过决策树确定发音一个实施例的示意图;
图5为本发明英文人名识别装置一个实施例的结构示意图;
图6为本发明英文人名识别装置另一个实施例的结构示意图。
具体实施方式
下面详细描述本发明的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,仅用于解释本发明,而不能理解为对本发明的限制。相反,本发明的实施例包括落入所附加权利要求书的精神和内涵范围内的所有变化、修改和等同物。
图1为本发明英文人名识别方法一个实施例的流程图,如图1所示,该英文人名识别方法可以包括:
步骤101,接收用户输入的语音,上述语音中包括英文人名。
步骤102,通过加载的中文识别声学模型和已构建的识别网络对上述用户输入的语音进行识别,获取上述语音的识别结果,上述语音的识别结果中包括上述英文人名的识别结果。
上述英文人名识别方法中,接收用户输入的包括英文人名的语音之后,通过加载的中文识别声学模型和已构建的识别网络对上述用户输入的语音进行识别,获取上述语音的识别结果,上述语音的识别结果中包括上述英文人名的识别结果。由于无需进行额外的模型训练和语料收集等工作,上述英文人名识别方法实现成本低,并且由于该方法加载的是中文识别声学模型,不会对用户输入的语音中非英文部分的识别产生影响,提高了整体的识别准确率,同时对英文人名的识别准确率也高于中英文模型混合识别的准确率。
进一步地,在本发明图1所示实施例步骤102之前,还包括构建识别网络的步骤,图2为本发明英文人名识别方法中构建识别网络一个实施例的流程图,如图2所示,可以包括:
步骤201,对上述用户使用的终端设备中保存的通讯录和/或已知人名列表中的英文人名进行分词。
本实施例中,对上述用户使用的终端设备中保存的通讯录和/或已知人名列表中的英文人名进行分词,分词的每个部分具有一个特定的发音,这里采用分词的优先级如下:长词根,元音,辅音这样的顺序,例如:“Bart”可以分词为“B”、“ar”和“t”。
具体地,参见图3,图3为本发明英文人名识别方法中分词过程一个实施例的流程图,如图3所示,步骤201可以包括:
步骤301,在分词列表单元中查找与上述英文人名对应的子项。
以英文人名“Bart”为例,从分词列表单元中查找到的与上述英文人名对应的子项包括“b”、“a”、“ar”、“t”和“rt”等。
步骤302,根据长度优先和元音优先的原则对查找到的子项进行筛选。
举例来说,可以先按照长度优先的原则进行筛选,例如留下长度为2的子项,这样筛选后获得的子项为“ar”和“rt”;然后再按照元音优先的原则进行筛选,获得的子项为“ar”。
当然,也可以先按照元音优先的原则进行筛选,再按照长度优先的原则进行筛选,本实施例对长度优先和元音优先的原则的使用顺序不作限定。
步骤303,将筛选获得的子项作为分词点,对上述英文人名进行分词。
这里的分词点是指以筛选获得的子项作为对英文人名进行分词的切分点,例如:上例中筛选获得的子项为“ar”,以“ar”作为分词点,可以将“Bart”分为3部分,“B”、“ar”和“t”,也就是说,筛选获得的子项作为分词的一部分,筛选获得的子项的左右两侧的字符分别作为分词的一部分。如果筛选获得的子项的左侧部分和/或右侧部分的字符的长度还比较长,可以将筛选获得的子项的左侧部分和/或右侧部分的字符按照步骤301~步骤303的流程再进行一次分词。
经过上述分词过程,最终可以获得“Bart”的分词结果为“B”、“ar”和“t”。
步骤202,根据决策树确定上述英文人名分词后每部分的发音。
具体地,本实施例中为每一个字母均建立了一棵决策树,决策树为根据条件判断确定走向的二叉树或多叉树,上述决策树的根节点为上述英文人名分词后每部分的字符,上述决策树的叶子节点为上述英文人名分词后每部分字符的发音。
上例中,确定“ar”和“t”的发音的实例可以分别如图4(a)和图4(b)所示,图4(a)~图4(b)为本发明英文人名识别方法中通过决策树确定发音一个实施例的示意图。从图4(a)和图4(b)中可以看出,根据不同选项,走到最后的叶子节点的时候可以确定“ar”和“t”对应的发音。其中确定“ar”发音的决策树为二叉树,确定“t”发音的决策树为仅有一个叶子节点的决策树。
步骤203,根据每部分的发音所对应的汉字获得上述英文人名对应的中文音译人名。
具体地,可以先获得每部分的发音所对应的汉字,对每部分的发音所对应的汉字进行拼接获得上述英文人名对应的中文音译人名。
举例来说,“Bart”->“ba te”->“巴特”;这里的“巴特”就是最后获得的中文音译人名。
步骤204,通过解码网络对上述中文音译人名进行识别,并将识别后的中文音译人名转换成对应的英文,以获得上述英文人名对应的识别结果。
也就是说,在获得中文音译人名之后,还要通过解码网络对上述中文音译人名进行识别,并将识别后的中文音译人名转换成对应的英文,例如:将“巴特”转换成对应的英文“Bart”,这里的“Bart”即为上述英文人名对应的识别结果。
步骤205,利用上述英文人名对应的识别结果构建上述识别网络。
构建识别网络之后,在接收到用户输入的语音后,就可以利用构建的识别网络和加载的中文识别声学模型对用户输入的语音进行识别。
上述英文人名识别方法,由于无需进行额外的模型训练和语料收集等工作,实现成本低,并且由于该方法加载的是中文识别声学模型,不会对用户输入的语音中非英文部分的识别产生影响,提高了整体的识别准确率,同时对英文人名的识别准确率也高于中英文模型混合识别的准确率。
图5为本发明英文人名识别装置一个实施例的结构示意图,本实施例中的英文人名识别装置可以安装在终端设备中,或者作为终端设备,或者作为终端设备的一部分实现本发明图1所示实施例的流程,上述终端设备可以为移动终端设备,也可以为个人计算机(Personal Computer;以下简称:PC)等,本实施例对终端设备的形态不作限定。
如图5所示,上述英文人名识别装置可以包括:接收模块51和识别模块52;
其中,接收模块51,用于接收用户输入的语音,上述语音中包括英文人名;
识别模块52,用于通过加载的中文识别声学模型和已构建的识别网络对接收模块51接收的用户输入的语音进行识别,获取上述语音的识别结果,上述语音的识别结果中包括上述英文人名的识别结果。
上述英文人名识别装置中,接收模块51接收用户输入的包括英文人名的语音之后,识别模块52通过加载的中文识别声学模型和已构建的识别网络对上述用户输入的语音进行识别,获取上述语音的识别结果,上述语音的识别结果中包括上述英文人名的识别结果。由于无需进行额外的模型训练和语料收集等工作,上述英文人名识别装置实现成本低,并且由于该装置加载的是中文识别声学模型,不会对用户输入的语音中非英文部分的识别产生影响,提高了整体的识别准确率,同时对英文人名的识别准确率也高于中英文模型混合识别的准确率。
图6为本发明英文人名识别装置另一个实施例的结构示意图,与图5所示的英文人名识别装置相比,不同之处在于,图6所示的英文人名识别装置还可以包括:分词模块53、确定模块54、获得模块55和构建模块56;
其中,分词模块53,用于在识别模块52对上述用户输入的语音进行识别之前,对上述用户使用的终端设备中保存的通讯录和/或已知人名列表中的英文人名进行分词;本实施例中,分词模块53对上述用户使用的终端设备中保存的通讯录和/或已知人名列表中的英文人名进行分词,分词的每个部分具有一个特定的发音,这里采用分词的优先级如下:长词根,元音,辅音这样的顺序,例如:“Bart”可以分词为“B”、“ar”和“t”。
确定模块54,用于根据决策树确定上述英文人名分词后每部分的发音;具体地,本实施例中为每一个字母均建立了一棵决策树,决策树为根据条件判断确定走向的二叉树或多叉树,上述决策树的根节点为上述英文人名分词后每部分的字符,上述决策树的叶子节点为上述英文人名分词后每部分字符的发音。
举例来说,确定模块54确定“ar”和“t”的发音的实例可以分别如图4(a)和图4(b)所示,从图4(a)和图4(b)中可以看出,根据不同选项,走到最后的叶子节点的时候可以确定“ar”和“t”对应的发音。其中确定“ar”发音的决策树为二叉树,确定“t”发音的决策树为仅有一个叶子节点的决策树。
获得模块55,用于根据确定模块54确定的每部分的发音所对应的汉字获得上述英文人名对应的中文音译人名;具体地,获得模块55可以先获得每部分的发音所对应的汉字,对每部分的发音所对应的汉字进行拼接获得上述英文人名对应的中文音译人名。
举例来说,“Bart”->“ba te”->“巴特”;这里的“巴特”就是最后获得的中文音译人名。
这时,识别模块52,还用于通过解码网络对获得模块55获得的中文音译人名进行识别,并将识别后的中文音译人名转换成对应的英文,以获得上述英文人名对应的识别结果;也就是说,在获得模块55获得中文音译人名之后,识别模块52还要通过解码网络对上述中文音译人名进行识别,并将识别后的中文音译人名转换成对应的英文,例如:将“巴特”转换成对应的英文“Bart”,这里的“Bart”即为上述英文人名对应的识别结果。
构建模块56,用于利用识别模块52获得的上述英文人名对应的识别结果构建上述识别网络。本实施例中,构建模块56构建识别网络之后,在接收模块51接收到用户输入的语音后,识别模块52就可以利用构建的识别网络和加载的中文识别声学模型对用户输入的语音进行识别。
本实施例中,分词模块53可以包括:查找子模块531、筛选子模块532和分词子模块533;
其中,查找子模块531,用于在分词列表单元中查找与上述英文人名对应的子项;以英文人名“Bart”为例,查找子模块531从分词列表单元中查找到的与上述英文人名对应的子项包括“b”、“a”、“ar”、“t”和“rt”等。
筛选子模块532,用于根据长度优先和元音优先的原则对查找子模块531查找到的子项进行筛选;举例来说,筛选子模块532可以先按照长度优先的原则进行筛选,例如留下长度为2的子项,这样筛选后获得的子项为“ar”和“rt”;然后筛选子模块532再按照元音优先的原则进行筛选,获得的子项为“ar”。
当然,筛选子模块532也可以先按照元音优先的原则进行筛选,再按照长度优先的原则进行筛选,本实施例对长度优先和元音优先的原则的使用顺序不作限定。
分词子模块533,用于将筛选子模块532筛选获得的子项作为分词点,对上述英文人名进行分词。这里的分词点是指以筛选子模块532筛选获得的子项作为对英文人名进行分词的切分点,例如:上例中筛选获得的子项为“ar”,以“ar”作为分词点,分词子模块533可以将“Bart”分为3部分,“B”、“ar”和“t”,也就是说,筛选获得的子项作为分词的一部分,筛选获得的子项的左右两侧的字符分别作为分词的一部分。如果筛选获得的子项的左侧部分和/或右侧部分的字符的长度还比较长,可以将筛选获得的子项的左侧部分和/或右侧部分的字符按照上述过程再进行一次分词。
经过上述分词过程,最终可以获得“Bart”的分词结果为“B”、“ar”和“t”。
上述英文人名识别装置,由于无需进行额外的模型训练和语料收集等工作,实现成本低,并且由于该方法加载的是中文识别声学模型,不会对用户输入的语音中非英文部分的识别产生影响,提高了整体的识别准确率,同时对英文人名的识别准确率也高于中英文模型混合识别的准确率。
需要说明的是,在本发明的描述中,术语“第一”、“第二”等仅用于描述目的,而不能理解为指示或暗示相对重要性。此外,在本发明的描述中,除非另有说明,“多个”的含义是两个或两个以上。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为,表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分,并且本发明的优选实施方式的范围包括另外的实现,其中可以不按所示出或讨论的顺序,包括根据所涉及的功能按基本同时的方式或按相反的顺序,来执行功能,这应被本发明的实施例所属技术领域的技术人员所理解。
应当理解,本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中,多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如,如果用硬件来实现,和在另一实施方式中一样,可用本领域公知的下列技术中的任一项或他们的组合来实现:具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路,具有合适的组合逻辑门电路的专用集成电路,可编程门阵列(Programmable Gate Array;以下简称:PGA),现场可编程门阵列(Field ProgrammableGate Array;以下简称:FPGA)等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成,所述的程序可以存储于一种计算机可读存储介质中,该程序在执行时,包括方法实施例的步骤之一或其组合。
此外,本发明各个实施例中的各功能模块可以集成在一个处理模块中,也可以是各个模块单独物理存在,也可以两个或两个以上模块集成在一个模块中。上述集成的模块既可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时,也可以存储在一个计算机可读取存储介质中。
上述提到的存储介质可以是只读存储器,磁盘或光盘等。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
尽管上面已经示出和描述了本发明的实施例,可以理解的是,上述实施例是示例性的,不能理解为对本发明的限制,本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (8)
1.一种英文人名识别方法,其特征在于,包括:
接收用户输入的语音,所述语音中包括英文人名;
对所述用户使用的终端设备中保存的通讯录和/或已知人名列表中的英文人名进行分词,其中,所述分词的每个部分具有一个特定的发音;
根据决策树确定所述英文人名分词后每部分的发音;
根据每部分的发音所对应的汉字获得所述英文人名对应的中文音译人名;
通过解码网络对所述中文音译人名进行识别,并将识别后的中文音译人名转换成对应的英文,以获得所述英文人名对应的识别结果;
利用所述英文人名对应的识别结果构建所述识别网络;
通过加载的中文识别声学模型和已构建的识别网络对所述用户输入的语音进行识别,获取所述语音的识别结果,所述语音的识别结果中包括所述英文人名的识别结果。
2.根据权利要求1所述的方法,其特征在于,所述对所述用户使用的终端设备中保存的通讯录和/或已知人名列表中的英文人名进行分词包括:
在分词列表单元中查找与所述英文人名对应的子项;
根据长度优先和元音优先的原则对查找到的子项进行筛选;
将筛选获得的子项作为分词点,对所述英文人名进行分词。
3.根据权利要求1所述的方法,其特征在于,所述根据每部分的发音所对应的汉字获得所述英文人名对应的中文音译人名包括:
获得每部分的发音所对应的汉字,对每部分的发音所对应的汉字进行拼接获得所述英文人名对应的中文音译人名。
4.根据权利要求1所述的方法,其特征在于,所述决策树为根据条件判断确定走向的二叉树或多叉树,所述决策树的根节点为所述英文人名分词后每部分的字符,所述决策树的叶子节点为所述英文人名分词后每部分字符的发音。
5.一种英文人名识别装置,其特征在于,包括:
接收模块,用于接收用户输入的语音,所述语音中包括英文人名;
分词模块,用于在所述识别模块对所述用户输入的语音进行识别之前,对所述用户使用的终端设备中保存的通讯录和/或已知人名列表中的英文人名进行分词,其中,所述分词的每个部分具有一个特定的发音;
确定模块,用于根据决策树确定所述英文人名分词后每部分的发音;
获得模块,用于根据所述确定模块确定的每部分的发音所对应的汉字获得所述英文人名对应的中文音译人名;
所述识别模块,还用于通过解码网络对所述获得模块获得的中文音译人名进行识别,并将识别后的中文音译人名转换成对应的英文,以获得所述英文人名对应的识别结果;
构建模块,用于利用所述识别模块获得的所述英文人名对应的识别结果构建所述识别网络;
识别模块,用于通过加载的中文识别声学模型和已构建的识别网络对所述接收模块接收的用户输入的语音进行识别,获取所述语音的识别结果,所述语音的识别结果中包括所述英文人名的识别结果。
6.根据权利要求5所述的装置,其特征在于,所述分词模块包括:
查找子模块,用于在分词列表单元中查找与所述英文人名对应的子项;
筛选子模块,用于根据长度优先和元音优先的原则对所述查找子模块查找到的子项进行筛选;
分词子模块,用于将所述筛选子模块筛选获得的子项作为分词点,对所述英文人名进行分词。
7.根据权利要求5所述的装置,其特征在于,
所述获得模块,具体用于获得每部分的发音所对应的汉字,对每部分的发音所对应的汉字进行拼接获得所述英文人名对应的中文音译人名。
8.根据权利要求5所述的装置,其特征在于,所述决策树为根据条件判断确定走向的二叉树或多叉树,所述决策树的根节点为所述英文人名分词后每部分的字符,所述决策树的叶子节点为所述英文人名分词后每部分字符的发音。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510390421.4A CN105070289B (zh) | 2015-07-06 | 2015-07-06 | 英文人名识别方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510390421.4A CN105070289B (zh) | 2015-07-06 | 2015-07-06 | 英文人名识别方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105070289A CN105070289A (zh) | 2015-11-18 |
CN105070289B true CN105070289B (zh) | 2017-11-17 |
Family
ID=54499642
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510390421.4A Active CN105070289B (zh) | 2015-07-06 | 2015-07-06 | 英文人名识别方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105070289B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108630210B (zh) * | 2018-04-09 | 2023-06-30 | 腾讯科技(深圳)有限公司 | 语音解码、识别方法、装置、系统和机器设备 |
CN110111778B (zh) * | 2019-04-30 | 2021-11-12 | 北京大米科技有限公司 | 一种语音处理方法、装置、存储介质及电子设备 |
CN112153206B (zh) * | 2020-09-23 | 2022-08-09 | 阿波罗智联(北京)科技有限公司 | 一种联系人匹配方法、装置、电子设备及存储介质 |
CN112883162A (zh) * | 2021-03-05 | 2021-06-01 | 龙马智芯(珠海横琴)科技有限公司 | 一种音译名识别方法、装置、识别设备及可读存储介质 |
CN117672190A (zh) * | 2022-09-07 | 2024-03-08 | 华为技术有限公司 | 一种音译方法及电子设备 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101901599A (zh) * | 2009-05-19 | 2010-12-01 | 塔塔咨询服务有限公司 | 不同语言的现有语音识别方案的快速原形化的系统和方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CA2481080C (en) * | 2002-04-05 | 2010-10-12 | At&T Corp. | Method and system for detecting and extracting named entities from spontaneous communications |
CN103632668B (zh) * | 2012-08-21 | 2018-07-27 | 北京百度网讯科技有限公司 | 一种基于中文语音信息训练英文语音模型的方法与设备 |
-
2015
- 2015-07-06 CN CN201510390421.4A patent/CN105070289B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101901599A (zh) * | 2009-05-19 | 2010-12-01 | 塔塔咨询服务有限公司 | 不同语言的现有语音识别方案的快速原形化的系统和方法 |
Non-Patent Citations (1)
Title |
---|
Mandarin/English Mixed-lingual Name Recognition for Mobile Phone;Xiaolin Ren, Xin He, Yaxin Zhang;《INTERSPEECH 2005》;20050908;3373-3376 * |
Also Published As
Publication number | Publication date |
---|---|
CN105070289A (zh) | 2015-11-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105070289B (zh) | 英文人名识别方法和装置 | |
KR102630668B1 (ko) | 입력 텍스트를 자동으로 확장하는 시스템 및 방법 | |
CN103077164B (zh) | 文本分析方法及文本分析器 | |
CN104992704B (zh) | 语音合成方法和装置 | |
CN104133561B (zh) | 基于输入法的辅助信息展现方法和装置 | |
CN104991892B (zh) | 语音翻译方法和装置 | |
CN103559880B (zh) | 语音输入系统和方法 | |
US20150179173A1 (en) | Communication support apparatus, communication support method, and computer program product | |
JP2006190006A5 (zh) | ||
CN107679032A (zh) | 语音转换纠错方法和装置 | |
CN104239442B (zh) | 搜索结果的展现方法和装置 | |
WO2020133039A1 (zh) | 对话语料中实体的识别方法、装置和计算机设备 | |
CN109461438B (zh) | 一种语音识别方法、装置、设备及存储介质 | |
CN111798868A (zh) | 语音强制对齐模型评价方法、装置、电子设备及存储介质 | |
CN105721725A (zh) | 一种面向客服的问答交互方法及系统 | |
CN104035955B (zh) | 搜索方法和装置 | |
CN110674297B (zh) | 舆情文本分类模型构建和舆情文本分类方法、装置及设备 | |
CN109241525A (zh) | 关键词的提取方法、装置和系统 | |
CN104462268B (zh) | 一种html文档信息抽取表达式的方法及系统 | |
CN109308578A (zh) | 一种企业大数据分析系统及方法 | |
CN111552777A (zh) | 一种音频识别方法、装置、电子设备及存储介质 | |
CN109635125B (zh) | 一种词汇图谱搭建方法及电子设备 | |
CN104239462A (zh) | 搜索结果的展现方法和装置 | |
CN109524017A (zh) | 一种用户自定义词的语音识别增强方法和装置 | |
CN109739369A (zh) | 一种多音字汉字转拼音全拼的方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |