CN1238832C - 基于约束条件的语音识别系统 - Google Patents

Abstract

公开一种供通过电话系统采用的填表应用程序之用的基于约束条件的语音识别系统。该系统包括输入信号，其中输入信号包括语音输入和用户通过手动操作装置产生的非语音输入。该系统还包括能够访问包含适合于语音识别之用信息的信息数据库，并且根据非语音输入和信息数据库产生候选信息的约束模块，其中候选信息对应于所述信息的一部分。该系统还包括能够根据语音输入和候选信息，识别语音的语音识别模块。在例证实施例中，手动操作装置是按键式电话机小键盘，信息数据库是按照由小键盘的按键确定的类别编码的词典。

Description

基于约束条件的语音识别系统

技术领域

本发明涉及语音识别，更具体地说涉及供通过电话系统采用的填表应用程序之用的基于约束条件的语音识别系统和方法。

背景技术

目前对于简化通过电话系统采用的填表应用程序方面的语音识别很感兴趣，并且开发了各种系统和方法用于简化通过电话机实现语音识别的任务。例如，为了解决输入姓名的问题，研究出其中系统要求用户既念出姓名又念出姓名的拼法的方法。此外根据这些方法，进行两种识别实验，并且输出更清晰的结果。类似地，基于约束条件的系统把姓名的口头输入和诸如姓名起首的大写字母、用户的身份识别或者用户位置结合在一起。在用户确认之后，第一识别结果被用于约束第二识别过程。

不幸的是，与通过电话机的语音识别相关的问题影响通过电话机的所有口头输入，从而在基于约束条件的语音识别系统使用识别的口头输入约束第二识别过程的情况下，所述问题变复杂了。这样，满足对供通过电话机的语音识别系统之用的基于约束条件的更可靠系统和方法的需要仍然是本发明的任务。

发明内容

在第一方面，本发明是一种供通过电话系统采用的填表应用程序之用的基于约束条件的语音识别系统。该系统包括输入信号，其中输入信号包括语音输入和用户通过手动操作装置产生的非语音输入。该系统还包括能够访问信息数据库的约束模块，所述信息数据库包含适合于语音识别之用的信息。约束模块还能够根据非语音输入和信息数据库，产生候选信息，其中候选信息对应于所述信息的一部分。该系统还包括能够根据语音输入和候选信息，识别语音的语音识别模块。

在第二方面，本发明是一种供通过电话系统采用的填表应用程序之用的基于约束条件的语音识别方法。该方法包括接收输入信号，其中输入信号既包括语音输入又包括非语音输入，其中非语音输入对应于用户通过手动操作装置产生的输入。该方法还包括访问信息数据库，所述信息数据库包含适合于语音识别之用的信息。该方法还包括根据非语音输入，产生候选信息，其中候选信息对应于所述信息的一部分。该方法还包括根据语音输入和候选信息识别语音。

在第三方面，本发明是一种驻留在数据处理系统可操作的存储器中的信息数据库。该信息数据库包含适合于在数据处理系统上运行的语音识别系统之用的信息。该信息数据库还按照由手动操作装置确定的类别被编码。

在第四方面，本发明是一种供语音识别系统之用的约束方法。该方法包括接收输入信号，其中输入信号包括用户通过和按键式电话机一起使用的小键盘产生的非语音输入。该方法还包括访问包含可搜索信息的信息数据库。该方法还包括根据非语音输入，产生候选信息，该候选信息对应于可搜索信息的一部分。

根据本发明，提供了一种供通过电话系统采用的填表应用程序之用的基于约束条件的语音识别系统，该系统包括：信息数据库，存储多个约束参数和每一约束参数的识别候选列表；约束模块，适于接收输入信号，所述输入信号具有与所述约束参数中的一个相关的非语音部分以及语音部分，所述约束模块根据所述输入信号的非语音部分检索识别候选列表；和语音识别模块，适于从约束模块接收所述语音部分和识别候选列表，并且部分根据所述识别候选列表识别所述输入信号的语音部分。

根据下面提供的详细说明，本发明的其它适用领域将变得显而易见。应明白在指出本发明的优选实施例的同时，详细说明和具体例子只是用于举例说明，而不是意图限制本发明的范围。

附图说明

根据详细说明和附图，本发明将变得更加明白，其中：

图1是操作上可在呼叫中心和自动填表应用程序结合的本发明的示图。

图2是根据本发明的系统和方法编码的姓名数据库的示图。

图3是说明按照本发明的系统和方法编码的姓名数据库的霍夫曼编码的示图。

图4是描述根据本发明的系统和方法的填表操作方法的流程图。

具体实施方式

优选实施例的下述说明只是对本发明本质的举例说明，决不意图限制本发明，其应用或用途。

参见图1，表示了采用本发明的自动填表系统10。按照本发明的系统和方法，用户12通过电话机14和呼叫中心16通信。在试图填写表格数据结构18的姓名字段的过程中，填表应用程序20提示用户12通过手持机22输入姓名的头两个字母，随后说出姓名，如图中24所示。此后，用户12通过借助小键盘26输入姓名的头两个字母，答应填表应用程序20的要求。由于姓名对应于“Knight”，如图中28所示，因此用户12选择第一键30和第二键32，并且通过手持机22传递话音，如图中34所示。

所得到的输入信号36包括表示出由第一键30和第二键32确定的类别的音调(例如DTMF)，还包括用户话音，如图中38所示。根据本发明的系统和方法，在呼叫中心16接收输入信号36，并且多个模块42的约束模块40访问多个数据库46的姓名数据库44，并且根据输入信号36的非话音部分和姓名数据库44产生候选信息。所述多个数据库被定义为包含适合于供语音识别之用的信息，例如和匹配的音素数据结合的姓名或者地址的数据库，但是另一例子只包括姓名，缺少匹配的音素数据。和语音识别使用的适合性仍然与语音识别过程中信息适合于用作输入的任意点有关系。从而，缺少匹配音素数据的一组姓名证明可和能够把姓名看作缺少匹配音素数据的输入的语音识别过程一起使用。另外，包含在数据库中的信息不必直接适合于供语音识别之用，而是可以间接适合于供语音识别之用。从而，可根据在信息数据库中找到的某些输入，在传输过程中建立供语音识别之用的直接适用信息。

因此，语音识别模块48根据输入信号36的语音部分和候选信息识别语音。在语音识别被约束到按照可靠方式产生的候选信息的情况下，极大地简化了语音识别过程。本领域的技术人员易于理解，本发明的系统和方法还易于适用于填写表格数据结构18的地址字段或者其它字段。例如，可提示用户12输入邮政编码并且随后说出地址。邮政编码可由手持机26容易地输入，通过允许约束模块40访问地址数据库50并且根据输入信号36的非语音部分产生候选信息，极大地简化了关于口述地址的语音识别。

参见图2，表示了根据本发明的系统和方法编码的编码数据库60。按照按键式电话机小键盘确定的类别对姓名数据库62的内容64编码。编码66被表示成树状物，如图中68所示。根据根节点70，第一类别72A、第二类别74A和第三类别76A用于按照用户首先输入的类别约束数据库62的内容64。从而，当输入第一类别72A时，易于确定并产生供搜索之用的第一短列表78。第一短列表78包含从存在于第一类别72A中的字母开始的姓名。类似地，当输入第三类别76A时，易于产生供搜索之用的第二短列表80。因此，第二短列表80包含从存在于第三类别76A中的字母开始的姓名。但是，当输入第二类别74A时，需要更多的约束条件。

第一类别72B、第二类别74B和第三类别76B还依赖于第二类别74A。因此，第一输入之后的类别输入提供更多的约束条件。例如，第一类别72B的后续输入允许约束于第三短列表82。同样地，第二类别74B的后续输入允许进一步约束于第四短列表84，而第三类别76B的后续输入造成进一步约束于第五短列表86。第三短列表82包含具有包含于第二类别74A之内的第一字母和包含于第一类别72B内的第二字母的姓名。同样，第四短列表84包含具有包含于第二类别74A内的第一字母和包含于第二类别74B内的第二字母的姓名。类似地，第五短列表86包含具有包含于第二类别74A内的第一字母和包含于第三类别76B内的第二字母的姓名。

输入第二类别74A(其后输入第三类别76B)允许把数据库62的内容64约束到第三短列表86。由于该约束的结果，和关于姓名数据库62的整个内容64尝试的语音识别相比，可极大地改进关于姓名“Knight”的语音识别。从而，音素组合“n-ay-t”可易于被识别成“Knight”，而不是“Night”。通过利用Knight中的“K”属于和小键盘上的5键对应的类别，而Night中的“N”不属于和小键盘上的5键对应的类别，本发明消除了这种情况下的混淆。从而极大地改进了语音识别。

本领域的技术人员易于认识到，存在各种各样的对可用于语音识别的数据库编码的方法。这些方法包括霍夫曼编码、数字搜索树、2-3树、(a，b)-树、B-树、AVL树等等。例如，参见图3，表示了例证的霍夫曼编码实现90。姓名驻留于零变址数组92中，同时为每个输入类别确定二进制码输入94。从而在二进制分支按照二进制输入从父代向子代下降的情况下，按照通常的方式实现霍夫曼编码树96。具体地说，根节点70表征通过按照和二进制码输入94对应的二进制输入的路径可到达的8个子节点98。例如，包含“4，g，h，i”的第一类别的输入对应于通向数组下标“[0，1]”的“00”路径。从而，约束模块40可使用这些下标从零变址数组92取回第一短列表的内容。类似地，包含“5，j，k，l”的第二类别的输入(之后跟随包含“6，m，n，o”的第三类别的输入)对应于路径“0110”，沿着该路径可通向数组下标“[7，9]”。因此，通过检索这两个下标之间(含这两个下标)的数组的所有内容，约束模块40可使用这些从零变址数组92取回第五短列表的内容。

易于理解，每组数组下标构成一个短列表，其中一些短列表还包括可由其它约束条件确定的短列表。例如，依靠对应的路径“01”，只输入包含“5jkl”的第二类别允许约束到由数组下标“[2，9]”确定的短列表。在随后输入第二类别的情况下产生更多的约束条件，沿着这些路线的更多约束条件甚至会导致只包含一个单词的短列表。在后一情况下，不需要语音识别来确定姓名的身份，但是本领域的技术人员易于认识到本发明的系统和方法一般不可能把足够大的数据库内容约束到单一可能性。从而，在较大的姓名数据库的情况下，有用的实施例需要输入完整的字符串，以便把语音识别约束于最短的可能列表。

但是整个姓名的输入可能费力和/或费时。从而最好要求用户只输入为语音识别提供足够的约束条件所需的多个类别即可。构成足够的约束条件的内容因系统而异，因应用程序而异，以及因此环境而异。但是，至少可使用足够约束条件的两种限定。例如，诸如100个姓名之类的短列表最大长度可用于足够约束条件的限定。相反，足够约束条件可被定义为一定程度上，列表上单词之间混淆性的消除。

在后一情况下，可利用词典方面混淆性的量度来规定候选信息的数目。为了实现这种约束，词典结合其拼法保存各个姓名的发音。例如，和发音上多个音素不同的那些姓名相比，发音上只有一个音素不同的姓名将具有更高的相互混淆性指标。另一个例子是，以音素之间混淆表(confusion table)为基础的两个单词之间的距离量度可用于确定混淆性的量度。另外，还存在确定混淆性指标的多种其它方法。这种混淆性指标可用于确定需要如何约束搜索空间。如果指定搜索空间内的元素不是非常易于混淆(通过评定它们的相互混淆性指标来确定)，则使用较大的、约束条件较少的搜索空间。相反，如果指定搜索空间内的元素易于混淆，则使用较小的、约束条件较多的搜索空间。在后一情况下，会要求用户输入更多的按键字符，从而减少搜索空间的大小。

鉴于此，当短列表上的单词相互间至少区别于一个音素时，可确定存在足够的约束条件，从而消除同音异义字。还可预见可组合所述两种限定，从而100个单词的长度或者更小的长度就足够了，除非列表中存在同音异义字，则需要更多的约束条件以便把同音异义字分成更短的列表。通过确定搜索空间中候选信息的最大数目，这种解决方案确保足够短的搜索时间，同时通过消除易混淆性，还改进了语音识别结果。根据上面公开内容，尤其是就不同的填表应用程序而论，关于足够约束条件的其它限定对本领域的技术人员来说是显而易见的。

在例证实施例中，零变址数组92的内容被排列成允许按边界之间(含边界)的顺序抽取来抽取短列表，不过结合互补的抽取方法，也可采用其它方案。此外，本领域的技术人员易于认识根据本发明的系统和方法的各种编码方法的采用。同样易于理解，借助本发明的系统和方法，可实现根据邮政编码对地址数据库的编码。

参见图4，表示了描述根据本发明的系统和方法的填表操作方法的流程图。开始于步骤100，询问用户以便通过和按键式电话机一起使用的小键盘输入用户音调。当在步骤102收到后续输入信号，并且根据输入信号是否包含用户音调，如步骤104所示，该方法转到步骤106，关于语音询问用户。当在步骤108收到接下来的输入信号时，并且根据输入信号是否包含语音(如步骤110所示)，在步骤112收到包含用户音调外加语音的输入信号。在收到用户音调外加语音之后，在步骤114根据用户音调检索单词列表。如果用户音调把对象数据库的内容约束到不能够检索到任意单词列表的程度，则最好是重新开始。但是，在要求用户确认输入信号的询问被用于消除错误的情况下，通常可消除发生这样的事情。在由于用户试图输入主数据库中没有的姓名而造成空列表的情况下，这种询问可进一步证明有用。例如，试图输入外文姓名会这导致发生这种事情。这种情况下，会如上详细所述要求用户说出并拼出该姓名，并且可通过利用正文到语音的转换，向用户拼出识别的姓名，最终确认结果。从而，可要求用户确认识别的姓名的拼法。

当根据用户音调检索单词列表时，在步骤116根据该单词列表进行语音识别。在步骤120，可向用户说出和/或拼出得到的识别语音118，并且发出关于确认的询问。根据该语音是否被确认(如步骤122所示)，在步骤124根据识别的语音利用条目填写表格字段。根据是否已输入所有字段(如步骤126所示)，在步骤128递增字段区，并在步骤100继续进行处理。但是，如果在步骤126确定已输入所有字段，则产生填写完成的表格130。

可和本发明的系统和方法一致，可采用通过用户操纵手动输入装置的约束条件的各种及其它应用。例如，可要求用户输入姓名的起首字母，而不是部分或者整个拼出姓名。此外，用户可按下单个按键7次，指示单词包含七个字母。从而，只包含七个字母单词的数据的候选数据库部分可用于语音识别。另一方面，甚至两次按下某一按键可指示由至少两个字母组成的单词。另外，按下某一按键可指示就字母顺序而论，该单词的第一字母在字母“N”之前。从而，利用选择的约束方法的指令只需被传递给用户，对于本领域的技术人员来说，利用手动输入装置的各种其它的约束手段是显而易见的。

类似地，在询问用户音调之前，可关于输入语音询问用户。因此，用户可输入用户音调，直到产生足够约束条件使得能够识别如上所述输入的语音。此外，最好根据诸如拼错词条之类用户错误的概率，重新扩展遵循约束条件的候选部分。

本发明的说明只是对发明本质的举例说明，从而不脱离本发明要旨的各种变化在本发明的范围之内。不应认为这种变化脱离了本发明的精神和范围。

Claims (8)

1、一种供通过电话系统采用的填表应用程序之用的基于约束条件的语音识别系统，该系统包括：

信息数据库，存储多个约束参数和每一约束参数的识别候选列表；

约束模块，适于接收输入信号，所述输入信号具有与所述约束参数中的一个相关的非语音部分以及语音部分，所述约束模块根据所述输入信号的非语音部分检索识别候选列表；和

语音识别模块，适于从约束模块接收所述语音部分和识别候选列表，并且部分根据所述识别候选列表识别所述输入信号的语音部分。

2、按照权利要求1所述的基于约束条件的语音识别系统，其中所述多个约束参数被进一步确定为用户产生的按键式电话机的小键盘的音调。

3、按照权利要求1所述的基于约束条件的语音识别系统，其中所述语音部分是说出的姓名，所述约束参数至少与所述说出的姓名的第一个字母相关。

4、按照权利要求1所述的基于约束条件的语音识别系统，其中所述语音部分是说出的地址，所述约束参数与说出的地址的相关联的邮政编码相关。

5、按照权利要求1所述的基于约束条件的语音识别系统，其中用于产生给定约束参数的直观表示在键上的数字和字母组合与所述给定约束参数的识别候选相关。

6、按照权利要求1所述的基于约束条件的语音识别系统，其中至少一个约束参数被进一步确定为用户产生的音调的组合。

7、按照权利要求1所述的基于约束条件的语音识别系统，其中所述语音部分是说出的姓名，所述说出的姓名在由约束模块检索的识别候选列表中。

8、按照权利要求1所述的基于约束条件的语音识别系统，其中所述识别候选列表适合于填入填表应用程序可访问的表格。

Images