CN1851805A - 对限定范围的语音进行自动识别的方法 - Google Patents

Abstract

本发明涉及一种对限定范围的语音进行自动识别的方法，包括如下步骤：A1)建立有限集合中的语音文件与标记信息的对应关系，在语音文件中插入标记信息或者用标记信息替换语音文件中的语音信息，发送端发送经过修改后的语音文件；A2)接收端接收到经过修改后的语音文件，提取有效的标记信息，并根据提取到的有效的标记信息检索到对应的语音信息。实施本发明的自动语音识别方法，具有以下有益效果：花费较低的成本就能实现对限定范围内的语音的自动化识别；语音识别的效率高，无需等到语音播放完成即可识别出结果；语音识别准确度高。

Description

对限定范围的语音进行自动识别的方法

技术领域

本发明涉及对限定范围的语音进行自动识别的方法，具体涉及一种用于电话智能语音系统中对限定范围的语音进行自动识别的方法。

背景技术

在进行PSTN(Public Switched Telephone Network)交换机、软交换、接入网关等相关产品的测试时，需要测试某些需要智能语音的业务，比如在用电话拨打了一个错误的号码时，会听到“您的号码有误，请查证后再拨”，在登记了一个新的补充业务后，会听到“您申请的新业务已登记，欢迎使用”等等这样的语音提示，对于绝大多数卡类业务和电脑值班的业务，也都广泛使用语音提示，用于提示用户或指导用户的后续操作。在进行手工测试时，这些语音是靠人去听并进行判断的，但手工测试的工作量比较大，并且很多是重复工作，因此，现在有越来越多的语音业务需要进行自动化测试。但在进行自动化测试时，需要解决的一个主要技术问题就是如何识别这些语音，以保证测试的正确性与完备性。

现有技术之一的技术方案，ASR(Automatic Speech Recognition，自动语音识别)技术其基本原理是将语音转换成为文本，然后根据文本进行语音的识别。现有技术之一的缺点：1)可用于非限定范围内的语音识别，其成本比较高。2)ASR技术的识别速度比较慢，对于智能语音业务，一般都需要在有限的时间内识别语音并进行后续拨号等处理，否则一旦超时业务便无法按照正常流程进行。所以从成本和性能角度看，ASR技术不适用于通讯设备的语音识别业务。

现有技术之二的技术方案，其基本原理为：从原始的语音文件中产生含有所有语音的语音特征量的语音模板，然后加载语音模板；检测待识别语音流的语音起、止点，提取起止点之间语音的语音特征量，比较所述的待识别语音流的语音特征量和所述的语音模板的语音特征量，进行语音拆分和识别，从而得到识别结果。现有技术之二的缺点：1)此方案对语音质量的要求很高，当语音质量有一定失真时，语音识别的正确率便会有明显下降。2)按此方案，识别某条语音需要提取语音起、止点之间的语音特征量，即要识别语音至少需等到语音播放到终止点，效率不够高。

发明内容

本发明要解决的技术问题在于，针对现有技术的上述缺陷，提供一种成本低、识别效率高、识别准确度高的对限定范围的语音进行自动识别的方法。

本发明解决其技术问题所采用的技术方案是：构造一种对限定范围的语音进行自动识别的方法，其特征在于，包括如下步骤：

A1)建立语音文件与标记信息的对应关系，在语音文件中插入对应的标记信息或者用标记信息替换语音文件中的语音信息，发送端发送经过修改后的语音文件；

A2)接收端接收到经过修改后的语音文件，提取标记信息，并根据提取到的有效的标记信息检索到对应的语音信息。

在本发明所述的对限定范围的语音进行自动识别的方法中，在步骤A1中还包括如下步骤：建立语音文件与标记信息的对应关系的索引表。

在本发明所述的对限定范围的语音进行自动识别的方法中，所述标记信息包括DTMF标识号码。

在本发明所述的对限定范围的语音进行自动识别的方法中，所述DTMF标识号码包括基本标识码和边界码。

在本发明所述的对限定范围的语音进行自动识别的方法中，所述边界码设置在所述基本标识码后。

在本发明所述的对限定范围的语音进行自动识别的方法中，在步骤A2中提取到的有效的标记信息具体包括如下步骤：

A2.11)接收端收取DTMF标识号码，在限定时间内收齐DTMF标识号码后执行步骤A2.12；

A2.12)进行合法性验证，如果验证未通过，则执行步骤A2.13；如果验证通过则根据收取到的标识号码在索引文件中查找对应的语音信息；

A2.13)保留边界码后面的号码，丢弃前面的号码，回到执行步骤A2.11。

在本发明所述的对限定范围的语音进行自动识别的方法中，所述边界码设置在所述标识码前。

在本发明所述的对限定范围的语音进行自动识别的方法中，在步骤A2中提取有效的标记信息具体包括如下步骤：

A2.21)接收端在限定的时间内收取到边界码，执行步骤A2.22；

A2.22)接收端接收基本标识码，在限定时间内收齐基本标识码后执行步骤A2.23；

A2.23)进行合法性验证，如果验证未通过则丢弃收到的标识号码，回到步骤A2.21；如果通过则根据收取到的标识号码在索引文件中查找对应的语音信息。

在本发明所述的对限定范围的语音进行自动识别的方法中，所述基本标识码前设置有第一边界码，所述基本标识码后设置有第二边界码。

在本发明所述的对限定范围的语音进行自动识别的方法中，在步骤A2中提取有效的标记信息具体包括如下步骤：

A2.31)接收端在限定的时间内收取到DTMF标识号码，执行步骤A2.32；

A2.32)判断是否已收取到第一边界码，收取到第一边界码后丢弃第一边界码前所有的标识码，执行步骤A2.33；

A2.33)判断是否已收取到第二边界码，如果已收取到第二边界码，则执行步骤A2.34；如果没有收取到第二边界码，则回到步骤A2.31；

A2.34)进行合法性验证，如果不通过，则丢弃所有号码，再回到步骤A2.31，如果通过则根据收取到的标识号码在索引文件中查找对应的语音信息。

实施本发明的自动语音识别方法，具有以下有益效果：花费较低的成本就能实现对限定范围内的语音的自动化识别；语音识别的效率高，无需等到语音播放完成即可识别出结果；语音识别准确度高，通过降低信号失真和增强终端识别能力，即使语音质量不够好时，也能够进行准确的语音识别有效，保证了识别的准确度。

附图说明

图1是下一代网络(NGN)组网结构示意图；

图2是本发明的对限定范围的语音进行自动识别的方法的第一种实施方式的流程图；

图3是本发明的对限定范围的语音进行自动识别的方法的第二种实施方式的流程图；

图4是本发明的对限定范围的语音进行自动识别的方法的第三种实施方式的流程图。

具体实施方式

本发明的语音识别方法就是通过一种简单实用的方法，实现对限定范围的语音(即需要识别的语音是确定的若干条语音，不是任意语音)进行高效和准确的识别。结合图1所示的下一代网络(Next Generation Network，以下简称NGN)的一种基本应用组网图，描述本发明的一种实施方式，其中：SoftSwitch(软交换)为NGN整网的智能和交换中心，它通过媒体网关控制协议(如H.248)对各接入媒体网关(Access Gateway，以下简称AG)进行控制；AG用于接入电话用户，并进行语音的分组化处理；媒体资源服务器(Media Resource Server，以下简称MRS)用于给用户提供各种媒体资源，比如，用户在使用中听到的一些语音提示(如“线路正忙，请稍后再拨”)就是由MRS播放，并经过VoIP(Voiceover IP)传送给用户的。本实施例所述的对限定范围的语音识别，就是指对MRS所播放的语音的识别。这些语音有固定的频率范围和频谱特征。本实施例的具体实施方法为，修改媒体资源服务器上的语音文件，在每条语音的前面插入对应的4位双音多频(Dual Tone Multi-Frequency，以下简称DTMF)标识号码，实际使用时只检测这DTMF号码，然后根据预定义的对应关系，确定语音的内容。DTMF号码是一种双音多频的号码定义方案，每个号码对应着高低两个频率，之所以选择使用DTMF号码，是因为DTMF是一种通用的号码定义标准，能够被绝大多数仪器和设备检测和识别，同时，在VoIP网络中，为了降低网络丢包、抖动等对DTMF号码失真的影响，还有专门用于保证DTMF传送质量的协议(如RFC2833)，可使DTMF信号的失真情况降到最低，同时增强语音识别终端的识别能力，主要是使识别终端能够最大程度地适应DTMF信号的频率偏移，也就是能够对DTMF信号的高、低频的容许偏移量进行灵活设置。在使用DTMF进行语音识别时，能够很好地适应网络质量不好时的情况，提高了识别的准确度。

具体实现方法如下：

1、确定语音文件。在MRS上，每条语音都对应着一个语音文件，比如，“线路正忙，请稍后再拨”这条语音，可能对应的语音文件为：HW0010006.chi。找到每条需要处理的语音对应的文件(可从产品提供的配套文件中得到语音文件对应关系和原始语音文件)。

2、为每条语音定义一个特定的标识码。标识号码的最小位数要根据待处理的语音个数来定，如果待处理的语音在1000个以内，则标识码可定义为3位。

3、修改语音文件。根据前面为每条语音所定义的标识码，使用相关的工具软件对原始语音文件进行修改和编辑，在其中插入相应标识码所对应的DTMF号码。把所有的语音文件处理完成后，就可以加载到MRS设备上去。这样，当每次播放语音时，会听到四个DTMF号码的声音。

在应用中需要考虑这样一种情况：如果开始进行语音检测时，该语音已经播放了一部分了，就有可能没有检测到语音识别码前面的部分，由于语音通常是循环播放的，最后检测到的标识码可能会是前一次循环时标识码的后几位加上后一次循环时标识码的前几位，比如一条语音的标识码定义为：103，那么在这里所述的情况下，检测到的标识可能就变成了：310。这样检测出来的标识码与本条语音实际定义的标识码就不一致了，导致检测出错。

为了避免上述错误，标识码应采用基本标识码和边界码结合的方式，基本标识码即为指定位数的数字码，边界码是某一特定的特殊号码，如“#”，基本标识码中不应该包含边界码。这样在遇到如前所述的循环播放导致的误检时，即可根据边界码的界定来确定正确的语音标识码。具体有如下三种实施方式：1、基本标识码+边界码；2、边界码+基本标识码；3、第一边界码+基本标识码+第二边界码。应用中可根据实际需求选择其中一种组合关系。

在图2所示的语音识别检测的第一种实施方式的流程中，标识码采用了“基本标识码+边界码”的方案，比如，对“线路正忙，请稍后再拨”这条语音，其标识码可定义为“103#”。

由于本发明方案的目的是要实现自动化处理，所以对语音的检测和识别必须由自动化工具来实现。这里选择RealPhone工具来实现语音识别，RealPhone是基于Intel Dialogic语音卡的电话仿真控制工具，通过对语音卡进行控制，实现电话机的各种功能，RealPhone已经具备检测DTMF号码的功能，现在需要做的就是要在这个功能的基础上，针对所定义的语音标识码进行特殊处理。

首先，定义一个语音识别索引文件，确定语音识别码与语音内容对应关系。最简单的情况，索引文件的内容可以是下面的格式，001#：一；002#：二；003#：三；004#：四；005#：五；006#：六；007#：七；008#：八；009#：九；069#：年；070#：月；071#：日；101#：您设定的时间已到；103#：线路正忙，请稍后再拨；107#：您的号码有误，请查证后再拨；108#：对不起，您拨的号码不存在，请查证再拨；111#：您申请的新业务已登记，欢迎使用；113#：对不起，话机欠费，暂不能使用；114#：呼叫受限，请勿越权使用；115#：[音乐]；119#：您所拨打的用户正忙，请稍后再拨；124#：您所拨打的用户线故障；128#：刚才一响，北京时间……等。实际应用中，索引文件可根据需要编辑，按确定的格式增加其它一些信息。

具体检测识别过程如下：

S1)语音识别软件收取DTMF标识号码，再执行步骤S2；

S2)判断收取到的DTMF标识号码的位数是否齐全，如果收取到的号码的位数齐全则执行步骤S3；如果收取到的号码的位数不齐全，则执行步骤S8；

S3)判断收取到的DTMF标识号码是否合法，如果DTMF标识号码合法，则执行步骤S4；如果DTMF标识号码不合法，则执行步骤S7；

S4)在索引文件中查找DTMF标识号码对应的语音文件，再执行步骤S5；

S5)判断是否找到匹配项，如果找到匹配项则执行步骤S6，如果未找到匹配项则执行步骤S9；

S6)输出语音内容，进行相应处理；

S7)保留边界码后面的号码，丢弃前面的号码，回到步骤S1；

S8)判断是否超时，如果超时则执行步骤S9；如果不超时，则回到步骤S1；

S9)进行报错处理；再执行步骤S10；

S10)进行失败处理。

在上述执行步骤中，只需收4位号码，收全4位号码后，验证其合法性(即最后一位号码必须是边界码“#”，前面三位是数字)，验证通过后立即查找索引文件，找到并输出对应的语音，然后根据实际测试需要进行后续处理。例如当收到的4位号码不是“103#”，而是“3#10”，即最后一位不是边界码“#”，合法性验证不通过，这时应该丢弃边界码及以前的号码，而保留后面的部分，即“10”，然后继续收号，直到收到合法的标识码，再去查找索引文件。通过前面的处理过程可以看出，进行语音识别时一般只需要检测出语音前面的标识码即可立即识别出语音，而不必完全等到语音播放完成，这样在进行大量的测试时，对提高效率起到的作用是非常明显的。

在图3所示的语音识别检测的二种实施方式的流程中，标识码采用了“边界码+基本标识码”的方案，比如，对“线路正忙，请稍后再拨”这条语音，其标识码可定义为“#103”。具体流程如下：

S1)语音识别软件收取边界码；

S2)判断是否收取到边界码，如果收到，执行步骤S3，如果没收到则执行步骤S11；

S3)接收基本标识码，执行步骤S4；

S4)判断是否收齐三位，如果收齐，执行步骤S5；如果没收齐，执行步骤S10；

S5)进行合法性验证，如果通过验证执行步骤S6；如果没通过验证，执行步骤S9；

S6)在索引文件中查找，执行步骤S7；

S7)判断是否找到匹配项，如果找到，执行步骤S8；如果未找到，执行步骤S12；

S8)输出语音内容，进行相应处理；

S9)丢弃收到的编界码和基本标识码，再执行步骤S1；

S10)判断是否超时，如果超时执行步骤S12；如果没超时，执行步骤S3；

S11)判断是否超时，如果超时执行步骤S11；如果没超时，执行步骤S1；

S12)进行报错处理；

S13)进行失败处理。

在本实施例中，以检测收到“边界码”作为触发条件，然后启动收“基本标识码”，程序处理更简单。

在图4所示的语音识别检测的三种实施方式的流程中，标识码采用了“第一边界码+基本标识码+第二边界码”的方案，比如，对“线路正忙，请稍后再拨”这条语音，其标识码可定义为“#103*”。其中基本标识码就不用限定长度，有利于程序功能扩展，具体流程如下：

S1)语音识别软件收取并存储任意DTMF标识号码；

S2)判断是否收取到，如果有收取到，则执行步骤S3，如果没有收取到，则执行步骤S10；

S3)判断是否收取到第一边界码，如果收取到第一边界码，执行步骤S4；如果未收取到第一边界码，执行步骤S9；

S4)判断是否收取到第二边界码，如果收取到第二边界码，执行步骤S5；如果未收取到第一边界码，执行步骤S1；

S5)进行合法性验证，如果通过，执行步骤S6；如果没通过，执行步骤S9；

S6)根据收到的号码在索引表中查找，再执行步骤S7；

S7)判断是否找到匹配项，如果找到匹配项，执行步骤S8；如果未找到匹配项，执行步骤S11；

S8)输出语音内容，进行相应的处理；

S9)丢弃所有号码，再执行步骤S1；

S10)判断是否超时，如果未超时执行步骤S1，如果已超时，执行步骤S11；

S11)进行报错处理，再执行步骤S12

S12)进行失败处理。

本发明还有其他的实施方式，例如语音识别终端不限于使用RealPhone工具及语音卡，还可以为其他的识别软件。不限于采用DTMF号码作为标识码进行处理，应用中在受到某些条件约束或有其它特殊需求时，也可以采用其它特定的频率信号作为标识码，例如可以采用某个频率的单音作为识别码，还可以采用MF或自定义的频率信号。不限于以基于VoIP的NGN组网，语音文件的载体是也不限于MRS。

对于纯自动化测试环境，在无需考虑人工操作的时候，也可以用标识码完全替代语音。这样1)可以提高平均识别速度(对于从中间开始放音的情况，不用等待放长长的原始提示音)；2)可以减少剪辑语音文件的麻烦，双音码号文件甚至还可以用程序来自动生成；3)避免误检，如提示音中如果有接近双音频的信号，就会发生号码误检。如果可以给MRS加载两套放音方案，提供命令控制切换，还可以适用于人工测试。

Claims (10)

1、一种对限定范围的语音进行自动识别的方法，其特征在于，包括如下步骤：

A1)建立语音文件与标记信息的对应关系，在语音文件中插入对应的标记信息或者用标记信息替换语音文件中的语音信息，发送端发送经过修改后的语音文件；

A2)接收端接收到经过修改后的语音文件，提取标记信息，并根据提取到的有效的标记信息检索到对应的语音信息。

2、根据权利要求1所述的对限定范围的语音进行自动识别的方法，其特征在于，在步骤A1中还包括如下步骤：建立语音文件与标记信息的对应关系的索引表。

3、根据权利要求2所述的对限定范围的语音进行自动识别的方法，其特征在于，所述标记信息包括DTMF标识号码。

4、根据权利要求3所述的对限定范围的语音进行自动识别的方法，其特征在于，所述DTMF标识号码包括基本标识码和边界码。

5、根据权利要求4所述的对限定范围的语音进行自动识别的方法，其特征在于，所述边界码设置在所述基本标识码后。

6、根据权利要求5所述的对限定范围的语音进行自动识别的方法，其特征在于，在步骤A2中提取到的有效的标记信息具体包括如下步骤：

A2.11)接收端收取DTMF标识号码，在限定时间内收齐DTMF标识号码后执行步骤A2.12；

A2.12)进行合法性验证，如果验证未通过，则执行步骤A2.13；如果验证通过则根据收取到的标识号码在索引文件中查找对应的语音信息；

A2.13)保留边界码后面的号码，丢弃前面的号码，回到执行步骤A2.11。

7、根据权利要求4所述的对限定范围的语音进行自动识别的方法，其特征在于，所述边界码设置在所述标识码前。

8、根据权利要求7所述的对限定范围的语音进行自动识别的方法，其特征在于，在步骤A2中提取有效的标记信息具体包括如下步骤：

A2.21)接收端在限定的时间内收取到边界码，执行步骤A2.22；

A2.22)接收端接收基本标识码，在限定时间内收齐基本标识码后执行步骤A2.23；

A2.23)进行合法性验证，如果验证未通过则丢弃收到的标识号码，回到步骤A2.21；如果通过则根据收取到的标识号码在索引文件中查找对应的语音信息。

9、根据权利要求4所述的对限定范围的语音进行自动识别的方法，其特征在于，所述基本标识码前设置有第一边界码，所述基本标识码后设置有第二边界码。

10、根据权利要求9所述的对限定范围的语音进行自动识别的方法，其特征在于，在步骤A2中提取有效的标记信息具体包括如下步骤：

A2.31)接收端在限定的时间内收取到DTMF标识号码，执行步骤A2.32；

A2.32)判断是否已收取到第一边界码，收取到第一边界码后丢弃第一边界码前所有的标识码，执行步骤A2.33；

A2.33)判断是否已收取到第二边界码，如果已收取到第二边界码，则执行步骤A2.34；如果没有收取到第二边界码，则回到步骤A2.31；

A2.34)进行合法性验证，如果不通过，则丢弃所有号码，再回到步骤A2.31，如果通过则根据收取到的标识号码在索引文件中查找对应的语音信息。

Images