DE19933323A1

DE19933323A1 - Spracherkennungssystem und Verfahren zur Spracherkennung vorgegebener Sprachmuster, insbesondere zur Sprachsteuerung von Kraftfahrzeugsystemen

Info

Publication number: DE19933323A1
Application number: DE1999133323
Authority: DE
Inventors: Ulrich Weinmann; Mike Peters
Original assignee: Bayerische Motoren Werke AG
Current assignee: Bayerische Motoren Werke AG
Priority date: 1999-07-16
Filing date: 1999-07-16
Publication date: 2001-05-31
Anticipated expiration: 2019-07-17
Also published as: EP1069551A3; DE50012632D1; DE19933323C2; EP1069551B1; EP1069551A2

Abstract

Bei einem Spracherkennungssystem bzw. bei einem Verfahren zur Spracherkennung vorgegebener Sprachmuster, insbesondere zur Sprachsteuerung von Kraftfahrzeugsystemen, bei dem in einem Spracherkennungssystem eine mit einer Aufnahmevorrichtung erfaßte Sprachäußerung mit den vorgegebenen Sprachmustern verglichen wird und bei dem das vorgegebene Sprachmuster, das der erfaßten Sprachäußerung am ähnlichsten ist, als erkanntes Sprachmuster ausgewählt wird, wird bei Auftreten einer definierten Unsicherheitssituation im Hinblick auf die Spracherkennung vom Spracherkennungssystem eine automatische Nachtrainingsroutine ermöglicht.

Description

Die Erfindung bezieht sich auf ein Spracherkennungssystem und ein Verfah ren zur Spracherkennung vorgegebener Sprachmuster, insbesondere zur Sprachsteuerung von Kraftfahrzeugsystemen, nach dem Oberbegriff des Patentanspruchs 1 bzw. 5.

Zur Sprachsteuerung von Kraftfahrzeugfunktionen, beispielsweise von Navi gationssystemen und Autotelefonen, sind bereits Spracherkennungssysteme im Einsatz. Bei diesen Spracherkennungssystemen wird eine mit einer Auf nahmevorrichtung, z. B. mit einem Freisprechmikrofon, erfaßte Sprachäuße rung mit vorgegebenen Sprachmustern verglichen. Derartige Sprachmuster sind, am Beispiel eines Autotelefons erläutert, Kommandos wie "Telefonnummer wählen", "Name speichern", "Korrektur", "Telefonbuch lö schen" sowie einzelne Zahlen. Dabei gilt das vorgegebene Sprachmuster, das der erfaßten Sprachäußerung am ähnlichsten ist, als erkannt. Zur Ermittlung der Ähnlichkeit sind Spracherkenner, z. B. HMM-Erkenner, bekannt, die eine Sprachäußerung erfassen und Wahrscheinlichkeit ermitteln, mit der eine erfaßte Sprachäußerung mit den vorgegebenen Sprachmustern übereinstimmen. Das vorgegebene Sprachmuster mit der höchsten Wahrscheinlichkeit wird ausgewählt. Zur näheren Erläuterung der Funktionsweise von HMM-Erkennern wird beispielsweise auf die EP 0 559 349 A1 hingewiesen.

Kann eine Sprachäußerung überhaupt nicht zugeordnet werden, weil bei spielsweise für zwei Sprachmuster dieselbe Wahrscheinlichkeit ermittelt wurde, wird die Sprachäußerung bzw. das Kommando abgewiesen oder das Spracherkennungssystem fragt im Dialog mit dem Nutzer nach ("wie bitte?"). Da diese Spracherkenner stark von der Aussprache des Nutzers abhängen (Dialekt, Soziolekt, Akzent usw.) kann es bei stark exponierter Sprechweise hinsichtlich der Trainingspopulation zu häufigen Abweisungen der Erken nung kommen. Dies führt zur Verringerung der Kundenakzeptanz von derar tigen Sprachsteuerungen, die gerade für Kraftfahrzeugfunktionen in Zukunft erweitert werden sollen (z. B. Heiz-/Klimasteuerung, Radio-/CD-Steuerung, Blinkersteuerung, Lichtsteuerung usw.).

Es ist Aufgabe der Erfindung, ein Spracherkennungssystem und ein Verfah ren zur Spracherkennung eingangs genannter Art derart zu verbessern, daß eine größere Unabhängigkeit von der Sprechweise erreicht wird.

Diese Aufgabe wird durch die Merkmale des Patentanspruchs 1 bzw. 5 ver fahrensmäßig bzw. vorrichtungsmäßig gelöst.

Vorteilhafte Weiterbildungen der Erfindung sind die Gegenstände der ab hängigen Patentansprüche.

Erfindungsgemäß wird bei einem Verfahren zur Spracherkennung vorgege bener Sprachmuster, insbesondere zur Sprachsteuerung von Kraftfahrzeug systemen, bei dem in einem Spracherkennungssystem eine mit einer Auf nahmevorrichtung erfaßte Sprachäußerung mit den vorgegebenen Sprachmustern verglichen wird und bei dem das vorgegebene Sprachmu ster, das der erfaßten Sprachäußerung am ähnlichsten ist, als erkanntes Sprachmuster gilt und ausgewählt wird, bei Auftreten einer definierten Unsicherheitssituation im Hinblick auf die Spracherkennung vom Spracherken nungssystem eine automatische Nachtrainingsroutine ermöglicht.

Eine definierte Unsicherheitssituation kann ein definierter Unsicherheitswert sein. Z. B. liegt ein Unsicherheitswert vor, wenn eine maximale Wahrschein lichkeit, mit der ein vorgegebenes Sprachmuster erkannt wurde, unterhalb einer vorgegebenen Schwelle liegt. Auch kann eine Unsicherheitssituation vorliegen, wenn mindestens zwei vorgegebene Sprachmuster mit gleichen oder sehr ähnlichen Wahrscheinlichkeiten (Nachbarn) erkannt werden und somit eine Auswahl nicht möglich ist. Ebenso liegt eine Unsicherheitssitua tion vor, wenn die erfaßte Sprachäußerung mehrmals abgewiesen wird bzw. wenn zu einer erfaßten Sprachäußerung mehrmals Nachfragen vom Spracherkennungssystem ausgegeben werden.

Die Bedienperson bzw. der Nutzer des Spracherkennungssystems kann die Nachtrainingsroutine vorzugsweise annehmen oder ablehnen. Wird sie an genommen, wird zur Durchführung der Nachtrainingsroutine im ersten Schritt ein nachzutrainierendes vorgegebenes Sprachmusters manuell von der Be dienperson oder automatisch vom Spracherkennungssystem ausgewählt. Im zweiten Schritt wird die daraufhin folgende Sprachäußerung erfaßt. Im drit ten Schritt wird diese erfaßte Sprachäußerung dem ausgewählten vorgege benen Sprachmuster zugeordnet und als neues Sprachmuster im Spracher kennungssystem hinterlegt.

In einer ersten Alternative wird bei erneutem Auftreten einer definierten Un sicherheitssituation für eine aktuell erfaßte Sprachäußerung bei einem Ver gleich zunächst nur mit den vorgegebenen Sprachmustern anschließend die aktuell erfaßte Sprachäußerung mit dem in der Nachtrainingsroutine neu hinterlegten Sprachmuster verglichen und bei ausreichender Ähnlichkeit ausgewählt.

Somit wird das Spracherkennungssystem grundsätzlich nicht verändert. Aber beispielsweise der Hauptnutzer kann Sprachäußerungen, die oft abgewiesen werden, nachtrainieren.

In einer zweiten Alternative werden die in den Nachtrainingsroutinen neu hinterlegten Sprachmuster zusammen mit den vorgegebenen Sprachmu stern bei einem Vergleich mit einer aktuell erfaßten Sprachäußerung sofort herangezogen, ohne eine definierte Unsicherheitssituation bei einem ersten Vergleich nur mit den vorgegebenen Sprachmustern abzuwarten.

Dabei wird zwar das Spracherkennungssystem verändert, jedoch können in diesem Fall alle Nutzer nachtrainieren.

Die Nachtrainingsroutinen können beliebig oft durchgeführt werden. Entwe der können die in den Nachtrainingsroutinen erfaßten Sprachäußerungen alle als Sprachmuster für den Vergleich hinterlegt werden oder nur die zu letzt einem bestimmten vorgegebenen Sprachmuster zugeordnete Sprachäußerung wird als neu erfaßtes Sprachmuster für den Vergleich hin terlegt.

In der Zeichnung ist ein Ausführungsbeispiel der Erfindung dargestellt. Sie zeigt einen groben Funktionsablauf innerhalb eines Spracherkennungssy stems nach einer bevorzugten Verfahrensalternative.

In einem hier nicht dargestellten mikroprozessorgesteuerten Spracherken nungssystem mit Mikrofon wird zunächst eine Sprachäußerung erfaßt und an einen HMM-Spracherkenner 1 weitergeleitet. Im HMM-Spracherkenner 1 sind ebenfalls die vorgegebenen Sprachmuster, z. B. die möglichen Kom mandos eines sprachgesteuerten Autotelefons, abgespeichert. Die vorgege benen Sprachmuster werden mit der erfaßten Sprachäußerung verglichen. Im Wahrscheinlichkeits-Berechnungsblock 2 werden die Wahrscheinlichkeiten P ermittelt, mit der die erfaßte Sprachäußerung mit jedem vorgegebenen Sprachmuster übereinstimmt. Das Sprachmuster mit der größten Wahr scheinlichkeit P_max für eine Übereinstimmung wird ausgewählt und an den Entscheidungsblock 3 weitergeleitet. Im Entscheidungsblock 3 wird abge fragt, ob die größte Wahrscheinlichkeit P_max kleiner als eine vorgegebene Schwelle ist. Dabei kann eine absolute Schwelle angegeben werden oder eine relative Schwelle, die den Wahrscheinlichkeitsabstand zu dem nächst wahrscheinlicheren Sprachmuster definiert. Ist die maximale Wahrschein lichkeit P_max größer als die vorgegebene Schwelle, wird im Auswahlblock 4 das dieser Wahrscheinlichkeit zugeordnete vorgegebene Sprachmuster ausgewählt und - wenn es ein Kommando ist - durchgeführt. Ist die maximale Wahrscheinlichkeit kleiner als die vorgegebene Schwelle, wodurch eine Un sicherheitssituation vorliegt, wird zum Nachtrainingsroutineblock 5 überge gangen. Liegt im Nachtrainingsroutineblock 5 noch kein nachtrainiertes neu hinterlegtes Sprachmuster vor, wird der Nutzer gefragt, ob er die Nachtrai ningsroutine durchführen will. Bejaht dieser, beginnt die Durchführung der Nachtrainingsroutine. Dabei wird im ersten Schritt ein nachzutrainierendes vorgegebenes Sprachmusters beispielsweise manuell von der Bedienper son, z. B. über die nicht-sprachgesteuerten Bedienelemente, oder automa tisch auflistend, beginnend mit dem Sprachmuster mit der größten Wahr scheinlichkeit, vom Spracherkennungssystem ausgewählt. Im zweiten Schritt wird die daraufhin folgende Sprachäußerung erfaßt. Im dritten Schritt wird diese erfaßte Sprachäußerung dem ausgewählten vorgegebenen Sprachmuster zugeordnet und als neues Sprachmuster im Nachtrainings routineblock 5 des Spracherkennungssystems hinterlegt.

Liegt im Nachtrainingsroutineblock 5 schon ein nachtrainiertes neu hinter legtes Sprachmuster vor, wird die erfaßte Sprachäußerung mit diesem Sprachmuster verglichen und bei großer Wahrscheinlichkeit (z. B. auch P < S) bzw. bei großer Ähnlichkeit ausgewählt. Anderenfalls beginnt erneut eine Nachtrainingsroutine.

Bei diesem Ausführungsbeispiel wird also nur dann ein Vergleich mit einem neu hinterlegten Sprachmuster vorgenommen, wenn die Wahrscheinlichkeit für ein ursprünglich vorgegebenes Sprachmuster zu gering ist oder wenn zwei Wahrscheinlichkeiten eine zu kleine Distanz haben.

Claims

1. Verfahren zur Spracherkennung vorgegebener Sprachmuster, insbe sondere zur Sprachsteuerung von Kraftfahrzeugsystemen, bei dem in einem Spracherkennungssystem eine mit einer Aufnahmevorrichtung erfaßte Sprachäußerung mit den vorgegebenen Sprachmustern vergli chen wird und bei dem das vorgegebene Sprachmuster, das der er faßten Sprachäußerung am ähnlichsten ist, als erkanntes Sprachmu ster ausgewählt wird, dadurch gekennzeichnet, daß bei Auftreten einer definierten Unsicherheitssituation (z. B. P_max < S) im Hinblick auf die Spracherkennung vom Spracherkennungssystem eine automatische Nachtrainingsroutine ermöglicht wird.

2. Verfahren nach Patentanspruch 1, dadurch gekennzeichnet, daß im Falle einer Durchführung der Nachtrainingsroutine im ersten Schritt ein nachzutrainierendes vorgegebenes Sprachmusters ausgewählt wird, im zweiten Schritt die daraufhin folgende Sprachäußerung erfaßt wird und im dritten Schritt diese erfaßte Sprachäußerung dem ausgewählten vorgegebenen Sprachmuster zugeordnet wird und als neues Sprachmuster im Spracherkennungssystem hinterlegt wird.

3. Verfahren nach Patentanspruch 2, dadurch gekennzeichnet, daß bei erneutem Auftreten einer definierten Unsicherheitssituation für eine aktuell erfaßte Sprachäußerung bei einem Vergleich zunächst nur mit den vorgegebenen Sprachmustern anschließend die aktuell erfaßte Sprachäußerung mit dem in der Nachtrainingsroutine neu hinterlegten Sprachmuster verglichen und bei ausreichender Ähnlichkeit ausge wählt.

4. Verfahren nach Patentanspruch 2, dadurch gekennzeichnet, daß die in den Nachtrainingsroutinen neu hinterlegten Sprachmuster zusammen mit den vorgegebenen Sprachmustern bei einem Vergleich mit einer aktuell erfaßten Sprachäußerung sofort herangezogen werden, ohne eine definierte Unsicherheitssituation bei einem ersten Vergleich nur mit den vorgegebenen Sprachmustern abzuwarten.

5. Spracherkennungssystem zur Spracherkennung vorgegebener Sprachmuster, insbesondere zur Sprachsteuerung von Kraftfahrzeug systemen, bei dem Mittel vorgesehen sind, die eine mit einer Aufnah mevorrichtung erfaßte Sprachäußerung mit den vorgegebenen Sprachmustern vergleichen und die das vorgegebene Sprachmuster, das der erfaßten Sprachäußerung am ähnlichsten ist, als erkanntes Sprachmuster auswählen, dadurch gekennzeichnet, daß Mittel vorge sehen sind, die bei Auftreten einer definierten Unsicherheitssituation (z. B. P_max < S) im Hinblick auf die Spracherkennung eine automatische Nachtrainingsroutine ermöglichen.

6. Spracherkennungssystem nach Patentanspruch 5, dadurch gekenn zeichnet, daß Mittel vorgesehen sind, die im Falle einer Durchführung der Nachtrainingsroutine im ersten Schritt ein nachzutrainierendes vor gegebenes Sprachmusters auswählen, im zweiten Schritt die daraufhin folgende Sprachäußerung erfassen und im dritten Schritt diese erfaßte Sprachäußerung dem ausgewählten vorgegebenen Sprachmuster zu ordnen und als neues Sprachmuster im Spracherkennungssystem hin terlegen.

7. Spracherkennungssystem nach Patentanspruch 6, dadurch gekenn zeichnet, daß Mittel vorgesehen sind, die bei erneutem Auftreten einer definierten Unsicherheitssituation für eine aktuell erfaßte Sprachäuße rung bei einem Vergleich zunächst nur mit den vorgegebenen Sprachmustern anschließend die aktuell erfaßte Sprachäußerung mit dem in der Nachtrainingsroutine neu hinterlegten Sprachmuster ver gleichen und bei ausreichender Ähnlichkeit auswählen.

8. Spracherkennungssystem nach Patentanspruch 6, dadurch gekenn zeichnet, daß Mittel vorgesehen sind, die die in den Nachtrainingsrouti nen neu hinterlegten Sprachmuster zusammen mit den vorgegebenen Sprachmustern bei einem Vergleich mit einer aktuell erfaßten Sprachäußerung sofort heranziehen, ohne eine definierte Unsicher heitssituation bei einem ersten Vergleich nur mit den vorgegebenen Sprachmustern abzuwarten.