DE10143292B4

DE10143292B4 - Sprachfenster

Info

Publication number: DE10143292B4
Application number: DE10143292.5A
Authority: DE
Inventors: Marian Trinkel; Bertram Lutz
Original assignee: Deutsche Telekom AG
Current assignee: Deutsche Telekom AG
Priority date: 2001-09-04
Filing date: 2001-09-04
Publication date: 2015-06-03
Anticipated expiration: 2021-09-05
Also published as: DE10143292A1

Abstract

Verfahren zur interaktiven Unterstützung einer sich an einen Hörer richtenden Darbietung von Information einschließlich Unterhaltung, die von einem Anbieter über ein Medium verbreitet wird, wobei der Hörer durch Vorgabe eines gesprochenen Wortes oder einer Wortfolge vermittels einer Spracherkennung Informationen erlangen kann, wobei die darzubietende Information in Informationsblöcke aufgeteilt wird, wobei einem Block ein Teil-Wortschatz einer Menge an Wörtern beigeordnet wird, die bezüglich der Vorgabe für die Spracherkennung zur Verfügung stehen und der Teil-Wortschatz von Block zu Block wechselt, dadurch gekennzeichnet, dass der Hörer vermittels der Spracherkennung individuell Hintergrundinformation bezüglich des Inhaltes der Darbietung erlangen kann, wobei die Hintergrundinformation einem erkannten Wort zugeordnet wird.

Description

Die vorliegende Erfindung betrifft ein Verfahren zur interaktiven Unterstützung einer sich an einen Hörer richtenden Darbietung von Information einschließlich Unterhaltung, die von einem Anbieter (”Content Provider”), insbesondere einem Rundfunksender, einem Fernsehsender, einem Internetanbieter oder einem Verlag für Printmedien, wobei damit auch Audiosysteme mit Tonträgern (Band, Kassette oder CD) gemeint sind, über ein Medium verbreitet wird, wobei der Hörer durch Vorgabe eines gesprochenen Wortes oder einer Wortfolge vermittels einer Spracherkennung Informationen erlangen kann, wobei die darzubietende Information in Informationsblöcke aufgeteilt wird, wobei einem Block ein Teil-Wortschatz einer Menge an Wörtern beigeordnet wird, die bezüglich der Vorgabe für die Spracherkennung zur Verfügung stehen und der Teil-Wortschatz von Block zu Block wechselt.
Jedermann ist der Umgang mit derart dem menschlichen Ohr dargebotener Information, die auch von Bildern unterlegt sein kann (audiovisuell) zur Genüge bekannt. Bis auf wenige Ausnahmen, bei denen der Hörer durch einfache Kurzanweisungen einen Effekt, beispielsweise ein Vor- oder Zurückspulen bei Diktiersystemen, bewirken kann, lassen diese Informationen bloß eine passive Beteiligung des Nutzers zu. Diese Tatsache ist mitunter unbefriedigend, wenn der Zuhörer sich weitere Information erwünscht, die ihm im regulären Programm nicht geboten wird.
Die Publikation US 5 774 859 A beschreibt bereits ein Verfahren der eingangs genannten gattungsgemäßen Art mit welchem ein Nutzer sprachgesteuerten Zugang zu Informationen erhält, jedoch ohne inhaltsbezogene Interaktion.
Aufgabe der vorliegenden Erfindung ist es nunmehr, ein Verfahren zu schaffen, das bei einfacher und kostengünstiger Realisierung dem Nutzer eine komfortable Möglichkeit zur Interaktion, insbesondere zum Dialog, mit dem vom Anbieter dargebotenen Programm bietet.
Diese Aufgabe wird durch ein Verfahren mit den Merkmalen des Anspruchs 1 gelöst, gemäß dem weiterhin der Hörer vermittels der Spracherkennung individuell Hintergrundinformation bezüglich des Inhaltes der Darbietung erlangen kann, wobei die Hintergrundinformation einem erkannten Wort zugeordnet wird.
Das Verfahren erlaubt dem Hörer, durch Vorgabe eines gesprochenen Wortes vermittels einer Spracherkennung individuell weitere Hintergrundinformation bezüglich des Inhaltes der Darbietung zu erlangen. Da es die Kapazitäten eines jeden Systems sprengen würde, den gesamten zu erwartenden Wortschatz für die Spracherkennung bereitzustellen, wird die dargebotene Information in mehrere Informationsblöcke aufgeteilt, wobei einem Block eine Menge an Wörtern (Teil-Wortschatz) beigeordnet wird. Einem Kapitel wird sozusagen nur der darin relevante Wortschatz beigeordnet. Auch wenn der Teil-Wortschatz auch nur aus einem Wort oder einem Phonem bestehen kann, wird er in den meisten Fällen eine überschaubare Menge von Begriffen aufweisen. Jeder dieser Begriffe steht bezüglich der Vorgabe für die Spracherkennung zur Verfügung, wobei einem erkannten Wort (Begriff) Hintergrundinformation zugeordnet wird und wobei der Teil-Wortschatz von Block zu Block wechselt.
Der wesentliche Gedanke der Erfindung ist also, daß der Wortschatz nicht als Ganzes vorgehalten und bearbeitet werden muß, sondern daß er in Teile aufgeteilt wird, die in direktem Bezug zu der jeweils aktuellen Darbietung stehen. So kann beispielsweise eine Meldung innerhalb der Nachrichten einen Block bilden, für den ein (Teil)-Wortschatz zur Spracherkennung zur Verfügung steht. Nach Beendigung der Darbietung dieser Nachricht, wird ein anderer Wortschatz aktiv geschaltet, der entsprechend der nächsten Meldung zugeordnet wird. Die Vorteile der Erfindung sind offensichtlich: Während der Wortschatz bei derartigen Anwendungen nach dem Stand der Technik bei höchstens 5000 Wörtern lag und die Spracherkennung entsprechend unbefriedigend war, kann der Wortschatz erfindungsgemäß durch die Aufteilung vervielfacht werden. Dadurch ist eine wesentlich verbesserte Erkennungsrate bei höherer Flexibilität und schnellerer Verarbeitung möglich. Die reduzierte Datenmenge erlaubt es, das Verfahren auch auf kleinen, dem Kunden zur Verfügung stehenden Endgeräten (Computern) zu realisieren. Da der Wortschatz im Hinblick auf den Informationsinhalt zugeschnitten ist, also die benutzten Wärter und Wörter aus dem Umfeld beinhaltet, ist die Spracherkennung auf den Content optimiert. Die Spracherkennung kann dabei der Weg sein, dem Nutzer zu den ihn interessierenden Begriffen Hintergrundinformation zu bieten oder ihn an der Sendung zu beteiligen, insbesondere seine Kaufwünsche als Bestellungen entgegen zu nehmen.
So ist es für den Hörer mit entsprechender Ausstattung seines Endgerätes, insbesondere eines dialogfähigen Computers, möglich, im Laufe der Darbietung (”Content”) inhaltliche Fragen beantwortet zu bekommen. Zu diesem Zweck wird ein Spracherkennungssystem eingesetzt, das mit dem Teil-Wortschatz arbeitet. Damit kann der Kunde z. B. während eines TV-Shopping Fragen zum präsentierten Produkt stellen, die automatisiert beantwortet werden. Der zur Verfügung gestellte (vorgehaltene) Wortschatz braucht dabei nur relativ klein zu sein, damit das System eine hohe Treffer- und/oder Erkennerquote bezüglich der Fragen der Hörer aufweist. Ein solches System braucht auch nicht lange trainiert werden, um die Quote zu erhöhen. Durch den relativ kleinen Bestand aktiver Worte ist das System flexibel und schnell. Zudem ist das System komfortabel, da der Hörer die zum Dialog befähigende Software nicht selber auf seinem Computer installieren muß, sondern ihm diese zugespielt werden kann.
Wie dargelegt, wird erfindungsgemäß die darzubietende Information in mehrere Informationsblöcke aufgeteilt, wobei einem jedem Block ein Teil-Wortschatz an Wörtern beigeordnet wird. Dieser Teil-Wortschatz steht bezüglich der Vorgabe eines vom Nutzer gesprochenen Wortes zur Spracherkennung für eine gewisse Dauer zur Verfügung. Der Teil-Wortschatz wechselt von Block zu Block, wobei die Länge eines Blockes letztendlich durch seinen ihm zur Verfügung gestellten Wortschatz definiert wird.
Diese erfindungsgemäße Technik eignet sich dabei nicht nur für die Darbietung von Information über die Medien (Web)-Radio und TV (”Streaming”-Technik), es ist auch möglich, diese Technik in Lehrprogramme zu implementieren, die auf CD oder Kassette zur Verfügung stehen (”Audio-Technik”). Während der Darbietung einer Unterrichtseinheit kann diesem Block der entsprechende Wortschatz zur Stellung von Fragen zur Verfügung gestellt werden. Wie schon betont, ist es selbstverständlich erforderlich, daß dem Nutzer ein kommunikationsfähiges Endgerät zur Verfügung steht. Hat der Nutzer beispielsweise einen mit Mikrophon und Lautsprecher ausgestatteten Computer, so bedarf es keiner weiteren Hardware. Über einen Anschluß eines Kommunikationsnetzes ist es generell möglich, dem Kunden aktuell die benötigten Daten für die dem Content zugeordnete Spracherkennung zur Verfügung zu stellen. Eine Wartung des Systems kann zentral erfolgen. Ein Eingriff in das Gerät des Kunden ist dazu nicht erforderlich. Dabei bietet die Erfindung neue Möglichkeiten beispielsweise für Shopping-Systeme und insbesondere im E-Commerce oder generell für ”Content”-Darbietungen.
Auch wenn die Umsetzung der Erfindung im Rahmen der Darbietung analoger Information möglich ist, so ergeben sich die besonderen Vorteile dann, wenn die Information in digital vorliegenden Dateien kodiert ist, die dem Nutzer über sein Endgerät ausgegeben werden. In diesen Fällen ist es besonders vorteilhaft, wenn einer den darzubietenden Informationsblock repräsentierenden Datei ein Kopfteil (”Header”) zugeordnet wird, wobei der Header den Wortschatz oder einen auf den Wortschatz weisenden Zeiger aufweist. Die Information beinhaltenden Dateien transportieren somit ihren eigenen Wortschatz. Diese Technik bietet im Hinblick auf eine kundenorientierte Darbietung die höchste Flexibilität und läßt sich einfach und systemunabhängig realisieren.
Generell ist es vorteilhaft, während der Sendung eines Informationsblockes ein Zeitfenster zu öffnen, in dem der dem Block zugeordnete Wortschatz für eine Spracherkennung aktiv gehalten wird, so daß der Hörer sich im Rahmen dieses Wortschatz an die Darbietung wenden kann. Diese Maßnahme kann ganz unauffällig erfolgen oder dem Kunden durch einen Vorspann mitgeteilt werden. So ist es möglich, z. B. die Nachricht ”Der XY AG steht eine feindliche Übernahme durch die YZ AG bevor”, für die Dauer der Nachricht mit Hintergrundinformation zu unterlegen. Spricht der Nutzer das Wort ”Übernahme” in sein Endgerät, so wird er darüber informiert, was unter diesem Terminus zu verstehen ist. Nach Ablauf der Darbietung dieser Nachricht hat sich der Nutzer der Möglichkeit begeben dazu weitere Information zu bekommen. Nach Ablauf des Zeitfensters wird auf den Wortschatz der nächsten Nachricht gewechselt.
Besonders vorteilhaft ist es, wenn der Teilwortschatz automatisch aus einer großen Datenbank generiert wird. Diese Datei ist statisch in einem zentralen Rechner oder dem Rechner des Nutzers hinterlegt und enthält den ”kompletten” benötigten Wortschatz, wobei es besondere Algorithmen möglich machen könnten, daß sich der Wortschatz nach und nach entsprechend dem Bedarf erweitert. Die Art der automatischen Generierung kann dann derart erfolgen, daß ein Programm vor der Darbietung der Nachricht diese auf die ”Keywords” hin untersucht und die Keywords in den Header schreibt. Vorteilhafter Weise sind den Keywords Zeiger (”Pointer”) zugeordnet, die auf die entsprechenden Fundstellen der Hintergrundinformation in einer Bibliotheks-Datei verweisen. So können die Wörter des Informationsblockes als Grundlage der Generierung verwendet werden.

Claims

Verfahren zur interaktiven Unterstützung einer sich an einen Hörer richtenden Darbietung von Information einschließlich Unterhaltung, die von einem Anbieter über ein Medium verbreitet wird, wobei der Hörer durch Vorgabe eines gesprochenen Wortes oder einer Wortfolge vermittels einer Spracherkennung Informationen erlangen kann, wobei die darzubietende Information in Informationsblöcke aufgeteilt wird, wobei einem Block ein Teil-Wortschatz einer Menge an Wörtern beigeordnet wird, die bezüglich der Vorgabe für die Spracherkennung zur Verfügung stehen und der Teil-Wortschatz von Block zu Block wechselt, dadurch gekennzeichnet, dass der Hörer vermittels der Spracherkennung individuell Hintergrundinformation bezüglich des Inhaltes der Darbietung erlangen kann, wobei die Hintergrundinformation einem erkannten Wort zugeordnet wird.
Verfahren nach Anspruch 1, dadurch gekennzeichnet, daß die Information als digitale Datei zur Verfügung gestellt wird, wobei einem Block eine extra Datei mit eigenem Kopfteil zugeordnet wird, wobei der Header den Teil-Wortschatz oder einen auf den Teil-Wortschatz weisenden Zeiger aufweist.
Verfahren nach Anspruch 1 oder 2, dadurch gekennzeichnet, daß während der Sendung eines Informationsblockes ein Zeitfenster geöffnet wird, in dem der dem Block zugeordnete Teil-Wortschatz für eine Spracherkennung aktiv gehalten wird, so daß der Hörer sich im Rahmen dieses Teil-Wortschatzes an die Darbietung wenden kann.
Verfahren nach Anspruch 3, dadurch gekennzeichnet, daß nach Ablauf des Zeitfensters auf einen anderen Teil-Wortschatz gewechselt wird.
Verfahren nach einem der vorherigen Ansprüche, dadurch gekennzeichnet, daß der Teil-Wortschatz automatisch aus einer zur Verfügung stehenden statischen Datei, die einen nahezu kompletten Wortschatz enthält, generiert wird, wobei die Wörter des Informationsblockes als Grundlage der Generierung verwendet werden.
Verfahren nach Anspruch 5, dadurch gekennzeichnet, daß den Wörtern des Teil-Wortschatzes Zeiger zugeordnet werden, die auf die Fundstelle der entsprechenden Hintergrundinformation in einer Bibliotheks-Datei hinweisen.