CN1379947A - 运用本地语音识别传输dtmf信号的方法及装置 - Google Patents

Abstract

提供给电话机用户通过使用基于语音的用户接口在通话过程中通过通信网络发送DTMF命令的一种方法和设备。用户说出相应于DTMF命令的一个或多个词语,发明执行对说出词语的语音识别,产生相应的DTMF信号,并通过网络发送DTMF信号。

Description

运用本地语音识别传输DTMF信号的方法及装置

背景

本发明通常涉及电信领域，尤其涉及到一种向自动控制系统传输双音多频信号(DTMF)的方法及装置，此自动控制系统响应于使用基于语音用户接口的按键音控制设备。

背景技术

当今在众多的工业化国家，自动化的DTMF(即按键音)控制系统得以普遍的应用，并且还在不断增长。使用这些系统的原因是多种多样的，其中包括为用户提供更大的便利(例如，自动控制的钟点计时服务)以及减少人工电话接线员数量。例如，限制钟点为顾客服务的一些邮购公司使用一种自动化按钟点计时的系统，顾客借助此系统可全天候地检查邮购情况。顾客根据已备案的选项单按电话键发出DTMF指令，来引导此自动化系统进行工作。然而，包括传统的有线电话和无线电话(即无绳电话，手机，插卡电话或者卫星电话)在内的电话机将电话键装在电话听筒上，从而在接听从自动化系统发出响应的同时发送DTMF指令就变得很不方便了。按键时，用户必须将电话机从耳边移开才能看到电话键，接着再将电话机移到耳部以接听下一个提示信号。如果电话中大量的此类指令要传送到自动化系统，那么用户必须前前后后不停地重复这一动作。

近年来，由于语音识别系统方面的进步，对用户向DTMF控制系统提交指令的方式进行革新成为可能。例如，一些自动化DTMF控制系统本身就能让用户以口头方式给出指令，而不是按键方式。例如，在这样的系统中用户被提示“请按或者说9号键”。另外一种方法是在网络中于用户和给出响应的自动系统之间装配一中间服务器将口述指令转化为DTMF指令，而这些指令接着传递给给出响应的自动控制系统。然而，此种方法的弊端之一就是用户首先必须呼叫中间服务器，此服务器轮流呼叫所需的自动化DTMF控制系统。起先用户经常不知道这一商业实体是否拥有自动化DTMF控制系统。再者，用户也不愿花费多余的时间和步骤打一个将语音转换为DTMF信号的中间服务器。

另一个方面，利用声音拨通电话的技术中，语音识别技术可用来传送DTMF指令。此种方法中，用户无须按键而只要说出电话号码便可以接通电话。在一些应用的领域，这一功能甚至可以产生出简单的语音标签，而它们表明一个数如“home”来表示用户的电话号码。这项功能可用在本地终端上，也可用于网络。然而使用对按键作出响应的自动控制系统通话时，一旦电话拨完，语音识别功能将关闭，将语音转换为DTMF的功能会消失。

发明概述

在通话过程中，将DTMF信号传送给DTMF信号能够控制的自动控制系统所安装的基于语音的用户接口，是本发明第一个要完成的目标。无须用户先前具备此自动化DTMF控制系统的知识，为了获得语音转换DTMF功能，用户无须进入网络中间服务器，安装具有上述功能的基于语音的用户接口是本发明另一个要完成的目标。第三个目标是为用户提供语音识别系统方面简单的控制操作。本发明的最后一个目标是为用户提供传输多种DTMF指令的功能，而这只需启动语音识别电路一次。

本项发明通过安装一电话装置及其相关的方法来实现上述目标。此装置包含一接收用户语音的麦克风，一语音识别电路及一DTMF信号发生器。当用户发出的语音与试图通过通信网络进行传输的DTMF指令对应时，此语音识别电路对语音进行分析，从而确定它是否与先前预定的DTMF指令中的某一个匹配。如果真是这样，那么DTMF信号发生器输出相应的DTMF信号，从而完成在通信网络上的传输。

从一个进一步的实施例来看本发明，装配在电话机上的按钮开关可以启动此语音识别电路。对于另一实施例来说，语音识别电路对先前预定的用户发出的启动语音作出响应，方法是启动语音DTMF指令的转换和传输。而在又一个实施例中，利用语音合成技术用户接收到识别单词的确认结果，从而能获得机会来中断错误DTMF信号的传输。

本发明所要完成的这些目标，及其独有的特性和优势，通过下面的配有附图的详细说明将更加明显，图中的参考数值对应于相关组成部分。

附图说明

为了更全面地理解本项发明，可参考下面配有相关附图的详细说明，其中：

附图1为本项发明一个实施例的简化电路框图。

附图2为阐释附图1中电路框图如何操作的流程图。

附图3为阐释附图1中所示的电路框图的可替换操作流程图。

附图4为本项发明另一实施例的简化电路框图。

附图5为附图4中所示的电路框图的操作流程图。

发明详细介绍

参照所给附图，图1给出了本项发明一实施例的简化电路框图。在这一实施例中，本项发明用在通信设备上，如手机，卫星电话，无绳电话，个人数字助理(PDA)，掌上电脑或者是装有无线调制解调器的笔记本电脑。它们在图中笼统地标识为“电话机”100。电话机100包含一按钮开关110，它安装在便利的位置从而用户在把电话机100放在耳边时可以按动它。当用户按动按钮110时，控制器120明示启动线125来启动语音识别电路130。同时，控制器120启动音频发生器140。音频发生器140的输出内容被输入到声音输出平台150，后者接着启动扬声器160。听得到的语调用来告知用户语音识别电路130已准备就绪去接收语音。其它相同或不同频率的语调在别的时候用来告知文字识别失败或者是DTMF指令已经成功得以识别和传送。

语音识别电路130接收到的用户所说的话已经被麦克风170转换为电的形式。语音识别电路130的输出内容135被输入到控制器120。如果语音识别电路130报告用户说的话符合DTMF指令，控制器120将利用控制总线122来使DTMF信号发生器180产生相关的DTMF信号，而这些相关信号经过天线195在无线通信网络上为RF传送器所传输。语音识别电路130最好是那种无须提前训练就能识别某人所说话的类型。语音识别电路也被改造用来识别输入较小词汇量的话音，它包含与“0”到“9”的数字、“#”以及字母“A”到“Z”相关的文字名。例如，含有“one”、“two”、“three”、“four”、“five”、“six”、“seven”、“eight”、“nine”、“star”、“asterisk”、“pound”、“number”以及从“A”到“Z”词汇表对于含有DTMF指令的大多数应用已经足够了。

在可替换实施例中，电话机100不包括按钮开关110。相反，语音识别电路130对用户发出的先前预定的启动话音产生响应，从而准备语音识别电路130来接收与先前预定的一套DTMF指令中的一种相一致的话音。在这一实施例中，比如用户可以说一特殊的也许可称得上不寻常的文字或声音，比如“shazam”，然后是“five”在网络上为获得数字“5”而发出DTMF指令。

附图1所示的简化电路框图的操作情况在附图2中得以阐述。这一方法与附图1中的装置相一致。根据附图1和附图2，此过程起始于查询步骤210，在此步骤中等待用户启动按钮开关。一旦按钮开关启动了，在步骤220通过电话扬声器激发出声音来(例如嘟)，从而向用户表明语音识别电路130准备接收用户的输入，并且在步骤230启动语音识别电路130。此时，定时环路240计算从语音识别器130启动到通过170接收到用户的话音的时间间隔。如果在预定的时间内没有接收到话音，那么将产生无声超时现象并继续到步骤250。在步骤250中一不同的音调被激发出来，表明没有话音辨识出来并且语音识别电路130失去作用。如果用户在定时环路规定好无声时间以前发出声音，那么语音识别电路130处理步骤260中麦克风170所产生的输入内容，从而对所述文字进行确认。如果所说的话被辨识出不属于规定了的词汇(例如，数字“0”到“9”，“#”，“*”，或者是“A”到“Z”中的一个字母)，如上所述转到步骤250。如果所说的话被辨识出是查询步骤260的一个有效指令，那么将产生相应的DTMF信号同时在步骤270中传输。最后，在步骤280中将激发出一音调告诉用户从语音到DTMF的转换成功了。

在可替换实施例中，仅仅利用一个用户发出的启动操作本项发明便可处理多种DTMF指令。此方法利用附图1所示的装置便可以操作，前提是只要对控制器120执行的操作进行很小的改动。根据附图1和3，在查询步骤310用户按下按钮开关110时操作便开始了。音调是步骤320中对用户产生的输出，它用来表明语音辨识电路130准备接收输入内容，同时在步骤330启动语音辨识电路130。如果用户在定时环路340测定出无声时间超出了预定的无声界限之前说话，那么在步骤350将对辨识出的文字排队。而操作返回到步骤330，在此步骤中语音识别器启动，来辨认新的话音。操作过程继续以环路的方式从步骤330到步骤350，直到定时环路340测定出无声时间间隔超过预定时间值。因此，用户利用此方法只需一步就能够传送诸如“157”之类的DTMF指令。用户按下按钮开关110，然后接听音调，说出数字“1”、“5”和“7”，并且每说一个数字就需一小段间隔，最后发生无声超时现象时，在最后以数字处停止。

一旦定时环路340测定出无声超时，控制器120将进行检查并决定是否至少一有效DTMF指令文字在步骤360被辨识出来。如果没有，在步骤370向用户发出“嘟”声，表明失败了。如果用户所说的话与语音识别电路130中指定的词汇不匹配，步骤370同样会执行。如果一个或多个与DTMF指令对应的有效文字被辨识出来，这些对应的DTMF指令产生出来并且在步骤380通过网络进行传输。最后，在步骤390中“嘟”声再一次输出给用户，以告知用户语音向DTMF的转换成功了。在此实施例中的一可替换的应用中，多种DTMF指令中的单个指令都产生出来，并且迅速地传送。而不是排队直到所有的DTMF指令都被接收到。

只需一次启动语音识别电路130(见附图3)的多种DTMF指令的实施例，还可包括上面所描述的实施例的组成部分。对于后者来说，用户发出的启动话音警示语音识别器130期待用户下一个话音所包含的DTMF指令。在这种情况下，语音识别电路130对特定的、预先预定的启动话音作出响应从而表示出用户的下一个话音与DTMF指令相一致，这些上面已经提到了。

附图4中的简化电路框图为电话机100的一种可替换实施例。这一实施例与附图1所示相似，不同的是前者还包括一简单的语音合成器，它包含一连接到波形存储器420上的数-模转换器410(D/A)。当用户发出话音并且想将它作为DTMF指令传输时，语音识别电路130识别到的与所说话相一致的语音波形从波形存储器420传递给用户，前者通过数-模转换器410，后者则利用了扬声器160。这样就确认了识别出的文字是用户想要的。如果不是这样的话，用户可以选择终止传输过程，方法是在预先预定的时间段内按下按钮开关110或者是利用这一特性从而无须在限定的时间内按下按钮开关。

附图5是附图4中简化电路框图操作过程的流程图。当对可靠性要求很高时，这一实施例变得尤为重要。如在银行业务中，从用户出传过来的错误指令会产生严重的不堪设想的后果。这一实施例的操作与附图2中的实施例非常对应，不同的是与语音识别电路130辨识出的话音对应的语音波形，经数-模转换器410及附图5步骤510中的扬声器160从波形存储器420传送给用户。这一实施例中较适宜的方式是：用户在事先预定的时间(例如1秒)内再次按下按钮开关110来确认语音识别的正确性，同时开始DTMF信号的传输(见步骤520)。

用户可以再次按下按钮开关110终止传输过程，这和前面是可以互相更替进行的。在这种情况下，如果用户在预定的时间内没有作出任何响应的话，那么将自动完成此指令的确认工作。

进行确认这一步的另一个完全可替换应用是使得语音识别电路130对用户发出的且事先确认的话音作出响应。这一应用与上面所说的实施例相一致，其中预定的启动话音使得语音识别电路130做好准备来接收与DTMF指令对应得话音。例如，用户可以说“shazam”来启动语音识别电路130，然后说出字符“seven”以DTMF指令“7”的形式发送出去。当语音合成器反馈回来辨识了的“seven”时，用户然后说“okay”对相应的DTMF信号的传输进行确认。

附图4和附图5中所示的实施例部分还可包括附图3的可替换方法来为多种DTMF指令的传输提供对语音识别电路130的一次启动。在这种情况下，经语音合成的确认信息会被适当地延迟，直到所有的语音指令都被辨识出来。换种说法就是，在所有的输入话音被辨识出，而不是每个的话音辨识出之后，所有的被辨识出的数字不间断地反馈给用户。

依据一些较恰当的实施例情况给出了本项发明的详细介绍，通常的一些技术都可以从此发明种获益。在不背离本发明独有特性的情况下，它可能以多种特定的形式出现。从而，现在所给出的实施例无论怎样只是一些范例，它是没有限制的。

Claims (19)

1.用户所使用的电话机，此用户说出表明其试图通过电话机进行发送的DTMF信号的话音，所述电话机包含：

一个麦克风，用于接收用户的话音并输出表明所说话内容的麦克风电信号；

一个语音识别电路，用于接收麦克风电信号并输出判别麦克风信号是否与预定的整套DTMF指令中的一种指令对应的语音识别信号；

一个接收语音识别信号的DTMF信号发生器，当语音识别信号判定出预定的整套DTMF指令中的一种指令时，它通过输出与辨识出的预定的整套DTMF指令中的一种对应的DTMF指令来作出响应。

2.根据权利要求1中的电话机，还包含一按钮开关，当在用户发出声音之前按动此按钮时，启动语音识别电路。

3.根据权利要求1的电话机，其中语音识别电路在输出表明DTMF指令的语音信号之前，首先等待与预定的启动指令对应的麦克风信。

4.根据权利要求2中的电话机，还包含：

计时器，用于当用户说完表明一个或多个相应DTMF信号的一条或者是多条话音之后，等待预定的无声时间并且终止此过程。

5.根据权利要求3中的电话机，还包含：

计时器，用于当用户说完表明一个或多个相应DTMF信号的一条或者是多条语句之后，等待预定的无声时间并且促使语音识别电路等待新的启动指令。

6.根据权利要求1中的电话机，还包含：

一个或者多个扬声器；

驱动扬声器的声音输出平台；

存储与预定的整套DTMF指令语音名字对应的语音波形的存储器；

用电的方式连接到声音输出平台，同时连接到读出存储在存储器中的语音波形并且将语音识别电路辨识出的DTMF信号对应的语音名字传送给用户从而向用户提供反馈信息的存储器上的语音合成器。

7.根据权利要求1中的电话机，还包含：

在无线通信网络上传输DTMF信号的RF传送器。

8.一种用于电话机通话时，将用户说的话转换为通过电信网络传送的DTMF信号的方法，包含步骤：

接收所说的话音；

确定所说的话音是否与预定的整套DTMF指令中的一种指令对应；

当所说的话音与DTMF指令中的一种指令对应时，产生出与此DTMF指令相关的DTMF信号；

在通话时，通过电信网络传送DTMF信号。

9.根据权利要求8的方法，其中确定所说的话音是否与DTMF指令中的一种对应的步骤，通过按动电话机上的按钮开关来启动。

10.根据权利要求8的方法，其中确定所说的话音是否与DTMF指令中的一种对应的步骤，通过提前辨识出预定了的启动指令来启动。

11.根据权利要求8的方法，其中的确认步骤检查所说的话音与预定的整套如“one”“two”“three”“four”“five”“six”“seven”“eight”“nine”“zero”“oh”“star”“asterisk”等字符是否对应。

12.根据权利要求8的方法，其中所说的话音来自一套表明字母“A”到“Z”字符中的一个字符。

13.根据权利要求8的方法，其中预定的整套DTMF指令包含数字“0”到“9”，符号“*”，以及符号“#”。

14.根据权利要求9的方法，其中的接收和确认步骤因为大量的语音而不断重复，直到电话机中的计时器测定出达到预定的无声时间，而此方法中的发声和传输步骤对每一个与预定的DTMF指令对应的语音都执行。

15.根据权利要求9的方法，还包含下面的步骤：

通过电话机中的扬声器将第一个声音传送给用户，告诉用户按动按钮开关之后在接收步骤之前电话机已准备好进行接收。

16.根据权利要求15的方法，还包括下面步骤：

当成功完成接收、确定、产生以及传输时，将第二个声音传送给用户；

当确认步骤发现不符时，将第三个声音传送给用户，它和第一个和第二个声音是不同的。

17.根据权利要求16的方法，其中第二个声音同第一个声音具有相同的音频。

18.根据权利要求10的方法，其中还包含一下步骤：

当确定步骤发现对应时，将第一个声音发送给用户；

将不同与第一个声音的第二个声音发送给用户。

19.根据权利要求9的方法，其中还包含下面步骤：

当确认步骤发现对应时，通过电话机中的扬声器传送给用户已存储的与说话对应的语音波形，从而使用户能知道确认步骤已正确完成。

Images