DE60202453T2 - Synchronisierung eines audio- und eines text-cursors während der editierung - Google Patents

Synchronisierung eines audio- und eines text-cursors während der editierung Download PDF

Info

Publication number
DE60202453T2
DE60202453T2 DE60202453T DE60202453T DE60202453T2 DE 60202453 T2 DE60202453 T2 DE 60202453T2 DE 60202453 T DE60202453 T DE 60202453T DE 60202453 T DE60202453 T DE 60202453T DE 60202453 T2 DE60202453 T2 DE 60202453T2
Authority
DE
Germany
Prior art keywords
cursor
information
word
eti
text
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Expired - Lifetime
Application number
DE60202453T
Other languages
English (en)
Other versions
DE60202453D1 (de
Inventor
Wolfgang Gschwendtner
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nuance Communications Austria GmbH
Original Assignee
Koninklijke Philips Electronics NV
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Family has litigation
First worldwide family litigation filed litigation Critical https://patents.darts-ip.com/?family=8185105&utm_source=google_patent&utm_medium=platform_link&utm_campaign=public_patent_search&patent=DE60202453(T2) "Global patent litigation dataset” by Darts-ip is licensed under a Creative Commons Attribution 4.0 International License.
Application filed by Koninklijke Philips Electronics NV filed Critical Koninklijke Philips Electronics NV
Publication of DE60202453D1 publication Critical patent/DE60202453D1/de
Application granted granted Critical
Publication of DE60202453T2 publication Critical patent/DE60202453T2/de
Anticipated expiration legal-status Critical
Expired - Lifetime legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/22—Procedures used during a speech recognition process, e.g. man-machine dialogue
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L13/00—Speech synthesis; Text to speech systems
    • G10L13/08—Text analysis or generation of parameters for speech synthesis out of text, e.g. grapheme to phoneme translation, prosody generation or stress or intonation determination
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L21/00—Speech or voice signal processing techniques to produce another audible or non-audible signal, e.g. visual or tactile, in order to modify its quality or its intelligibility
    • G10L21/06—Transformation of speech into a non-audible representation, e.g. speech visualisation or speech processing for tactile aids
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/22—Procedures used during a speech recognition process, e.g. man-machine dialogue
    • G10L2015/225—Feedback of the input speech

Landscapes

  • Engineering & Computer Science (AREA)
  • Acoustics & Sound (AREA)
  • Computational Linguistics (AREA)
  • Health & Medical Sciences (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Human Computer Interaction (AREA)
  • Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Quality & Reliability (AREA)
  • Signal Processing (AREA)
  • Data Mining & Analysis (AREA)
  • Document Processing Apparatus (AREA)
  • Management Or Editing Of Information On Record Carriers (AREA)
  • Machine Translation (AREA)

Description

  • Die Erfindung bezieht sich auf eine Korrektureinrichtung zum Korrigieren von fehlerhaften Wörtern in einer mit einer Spracherkennungseinrichtung aus einer Sprachinformation erkannten Textinformation.
  • Die Erfindung bezieht sich weiterhin auf ein Korrekturverfahren zum Korrigieren von fehlerhaften Wörtern in einer mit einer Spracherkennungseinrichtung aus einer Sprachinformation erkannten Textinformation.
  • Die Erfindung bezieht sich weiterhin auf eine Spracherkennungseinrichtung zum Erkennen einer Textinformation aus einer empfangenen Sprachinformation.
  • Die Erfindung bezieht sich weiterhin auf ein Computerprogrammprodukt, das eine Korrektursoftware einer Textverarbeitungssoftware umfasst, die von einem Computer abgearbeitet wird.
  • Eine solche Korrektureinrichtung und ein solches Korrekturverfahren sind aus dem Dokument US-A-6.173.259 bekannt und werden durch einen eine Textverarbeitungssoftware abarbeitenden Computer eines Korrektors eines Transkriptionsservices gebildet. Ein Korrektor ist ein Mitarbeiter des Transkriptionsservices, der fehlerhafte Wörter in einer mit einem Spracherkennungsprogramm automatisch erkannten Textinformation manuell korrigiert.
  • Ein Autor eines Diktats kann die Sprachinformation seines Diktats über ein Computernetz an einen Server des bekannten Transkriptionsservices übermitteln. Der Server verteilt empfangene Sprachinformationen von Diktaten an mehrere Computern, die je eine Spracherkennungssoftware abarbeiten und hierbei eine Spracherkennungseinrichtung bilden.
  • Die bekannte Spracherkennungseinrichtung erkennt aus der ihr übermittelten Sprachinformation des Diktats des Autors eine Textinformation, wobei zusätzlich eine Linkinformation ermittelt wird. Die Linkinformation kennzeichnet zu jedem Wort der erkannten Textinformation einen Teil der Sprachinformation, zu dem das Wort von der Spracherkennungseinrichtung erkannt wurde. Die Sprachinformation des Diktats, die er kannte Textinformation und die Linkinformation werden von der Spracherkennungseinrichtung zur Korrektur der fehlerhaften Wörter in der erkannten Textinformation an den Computer des Korrektors übermittelt.
  • Die bekannte Korrektureinrichtung enthält Synchronwiedergabemittel, mit denen eine Synchronwiedergabebetriebsart möglich ist. Bei in der Korrektureinrichtung aktivierter Synchronwiedergabebetriebsart wird die Sprachinformation des Diktats wiedergegeben, wobei jeweils synchron zu jedem akustisch wiedergegebenen Wort der Sprachinformation das aus dem wiedergegebenen Wort von der Spracherkennungseinrichtung erkannte Wort mit einem Audio-Cursor markiert wird. Der Audio-Cursor markiert somit die Position des gerade akustisch wiedergegebenen Wortes in der erkannten Textinformation.
  • Wenn der Korrektor während der synchronen Wiedergabe ein fehlerhaftes Wort in der Textinformation erkennt, dann unterbricht beziehungsweise deaktiviert er die Synchronwiedergabebetriebsart, positioniert mittels der Tastatur des Computers einen Text-Cursor bei dem fehlerhaften Wort und editiert es. Anschließend reaktiviert er die Synchronwiedergabebetriebsart, woraufhin die Wiedergabe der Sprachinformation ab dem korrigierten Wort fortgesetzt wird.
  • Ein Korrektor wird von dem Betreiber des Transkriptionsservices danach bezahlt, wie viele Wörter die von ihm korrigierten Textinformationen aufweisen. Ein Qualitätsbeauftragter des Transkriptionsservices nimmt Stichproben der von dem Korrektor korrigierten Textinformationen, wobei von dem Korrektor übersehene fehlerhafte Wörter ebenfalls das Gehalt des Korrektors beeinflussen. Ein Korrektor hat daher ein großes Interesse an einer Textverarbeitungssoftware, bei der von ihm bei aktivierter Synchronwiedergabebetriebsart erkannte fehlerhafte Wörter mit möglichst geringem manuellen Aufwand möglichst zeitsparend korrigiert werden können. Korrektoren versuchen daher möglichst alle zur Korrektur eines fehlerhaften Wortes nötigen Editierinformationen mit der Tastatur des Computers ohne Verwendung der Maus einzugeben, da ein Umgreifen auf die Maus zeitaufwendig ist.
  • Bei der bekannten Korrektureinrichtung und dem bekannten Korrekturverfahren hat sich als Nachteil erwiesen, dass das Korrigieren eines bei aktivierter Synchronwiedergabebetriebsart durch den Korrektor als fehlerhaft erkannten Wortes relativ viele Handlungen von dem Korrektor erfordert, wodurch diese Korrekturen den Korrektor viel Zeit kosten. In „Improved correction of Speech Recognition Errors through audio playback", IBM TDB, Bd. 36, Nr. 06A, Juni 1993, S. 153–154 wird ein Beispiel beschrieben.
  • Die Erfindung hat sich zur Aufgabe gestellt, eine Korrektureinrichtung gemäß der im ersten Absatz angegebenen Art, ein Korrekturverfahren gemäß der im zweiten Absatz angegebenen Art, eine Spracherkennungseinrichtung gemäß der im dritten Absatz angegebenen Art sowie ein Computerprogrammprodukt gemäß der im vierten Absatz angegebenen Art zu schaffen, bei denen die vorstehend angeführten Nachteile vermieden sind.
  • Zur Lösung der vorstehend angegebenen Aufgabe sind bei einer solchen Korrektureinrichtung erfindungsgemäße Merkmale vorgesehen, sodass die Korrektureinrichtung durch die nachfolgend angegebene Weise gekennzeichnet werden kann.
  • Korrektureinrichtung zum Korrigieren von fehlerhaften Wörtern in einer mit einer Spracherkennungseinrichtung aus einer Sprachinformation erkannten Textinformation mit Empfangsmitteln zum Empfangen der Sprachinformation, der zugehörigen erkannten Textinformation und einer Linkinformation, die zu jedem Wort der erkannten Textinformation den Teil der Sprachinformation kennzeichnet, zu dem das Wort von der Spracherkennungseinrichtung erkannt wurde, und mit Editiermitteln zum Positionieren eines Text-Cursors bei einem fehlerhaften Wort der erkannten Textinformation und zum Editieren des fehlerhaften Wortes entsprechend einer von einem Benutzer eingegebenen Editierinformation und mit Synchronwiedergabemitteln zum Ermöglichen einer Synchronwiedergabebetriebsart, bei der während der akustischen Wiedergabe der Sprachinformation das gerade wiedergegebenen und durch die Linkinformation gekennzeichnete Wort der erkannten Textinformation synchron markiert wird, wobei das gerade markierte Wort die Position eines Audio-Cursors kennzeichnet, und mit Cursorsynchronisiermitteln zum Synchronisieren des Text-Cursors mit dem Audio-Cursor oder des Audio-Cursors mit dem Text-Cursor.
  • Zur Lösung der vorstehend angegebenen Aufgabe sind bei einem solchen Korrekturverfahren erfindungsgemäße Merkmale vorgesehen, sodass das Korrekturverfahren durch die nachfolgend angegebene Weise gekennzeichnet werden kann.
  • Korrekturverfahren zum Korrigieren von fehlerhaften Wörtern in einer mit einer Spracherkennungseinrichtung aus einer Sprachinformation erkannten Textinformation, wobei folgende Verfahrensschritte abgearbeitet werden:
    • • Empfangen der Sprachinformation, der zugehörigen erkannten Textinformation und einer Linkinformation, die zu jedem Wort der erkannten Textinformation den Teil der Sprachinformation kennzeichnet, zu dem das Wort von der Spracherkennungseinrichtung erkannt wurde;
    • • Editieren des fehlerhaften Wortes mit einem Text-Cursor entsprechend einer von einem Benutzer eingegebenen Editierinformation;
    • • Ermöglichen einer Synchronwiedergabebetriebsart, bei der während der akustischen Wiedergabe der Sprachinformation das zu der gerade wiedergegebenen Sprachinformation durch die Linkinformation gekennzeichnete Wort der erkannten Textinformation synchron markiert wird, wobei das gerade markierte Wort die Position eines Audio-Cursors kennzeichnet;
    • • Synchronisieren des Text-Cursors mit dem Audio-Cursor oder des Audio-Cursors mit dem Text-Cursor.
  • Zur Lösung der vorstehend angegebenen Aufgabe sind bei einer solchen Spracherkennungseinrichtung erfindungsgemäße Merkmale vorgesehen, sodass die Spracherkennungseinrichtung durch die nachfolgend angegebene Weise gekennzeichnet werden kann.
  • Spracherkennungseinrichtung zum Erkennen einer Textinformation aus einer empfangenen Sprachinformation mit Empfangsmitteln zum Empfangen der Sprachinformation und mit Spracherkennungsmitteln zum Erkennen einer der empfangenen Sprachinformation zuzuordnenden erkannten Textinformation und Linkinformation, wobei die Linkinformation zu jedem Wort der erkannten Textinformation einen Teil der Sprachinformation kennzeichnet, zu dem das Wort von den Spracherkennungsmitteln erkannt wurde, und mit einer vorstehend beschriebenen Korrektureinrichtung, um in der erkannten Textinformation enthaltene fehlerhafte Wörter zu korrigieren.
  • Zur Lösung der vorstehend angegebenen Aufgabe sind bei einem solchen Computerprogrammprodukt erfindungsgemäße Merkmale vorgesehen, sodass das Computerprogrammprodukt durch die nachfolgend angegebene Weise gekennzeichnet werden kann.
  • Computerprogrammprodukt, das direkt in den internen Speicher eines digitalen Computers geladen werden kann und Softwarecodeabschnitte umfasst, wobei mit dem Computer die Schritte des vorstehend beschriebenen Korrekturverfahrens abgearbeitet werden, wenn das Produkt auf dem Computer läuft.
  • Da ein Benutzer der Korrektureinrichtung bei aktivierter Synchronwiedergabebetriebsart üblicherweise das von den Synchronwiedergabemitteln mit dem Audio-Cursor gerade markierte Wort auf seine Richtigkeit hin kontrolliert, erkennt er ein fehlerhaftes Wort in der erkannten Textinformation jeweils in der näheren Umgebung der aktuel len Position des Audio-Cursors. Zu diesem Zeitpunkt befindet sich der Text-Cursor üblicherweise an einer gänzlich anderen Position, nämlich an der Position in der Textinformation, an der das letzte fehlerhafte Wort korrigiert wurde.
  • Erfindungsgemäß kann der Benutzer, beispielsweise durch Betätigung einer Taste der Tastatur, den Text-Cursor mit dem Audio-Cursor synchronisieren, wodurch der Text-Cursor auf die Position des während der synchronen Wiedergabe zuletzt markierten Wortes positioniert wird. Da sich das zu korrigierende fehlerhafte Wort üblicherweise in der Nähe des erfindungsgemäß positionierten Text-Cursors befindet, ist die anschließende Korrektur des fehlerhaften Wortes mit sehr geringem manuellem und zeitlichem Aufwand verbunden.
  • Erfindungsgemäß kann der Text-Cursor bei aktivierter Synchronwiedergabebetriebsart auch ständig automatisch mit dem Audio-Cursor synchronisiert sein. Hierdurch könnte vorteilhafterweise auf die Betätigung einer Taste der Tastatur zur Positionierung des Text-Cursors gänzlich verzichtet werden. Je nach Anwendungsfall kann es vorteilhaft sein, den Audio-Cursor mit dem Text-Cursor zu synchronisieren, also den Audio-Cursor bei der Position des Text-Cursors zu positionieren.
  • Gemäß den Maßnahmen des Anspruchs 2 und des Anspruchs 9 ist der Vorteil erhalten worden, dass die Synchronwiedergabebetriebsart zum Editieren eines fehlerhaften Wortes nicht unterbrochen oder deaktiviert werden muss. Hierdurch kann ein geübter Korrektor vorteilhafterweise viel Zeit sparen.
  • Gemäß den Maßnahmen des Anspruchs 3, des Anspruchs 4 und des Anspruchs 10 hat es sich als Vorteil erwiesen, wenn der Benutzer beim Erkennen eines fehlerhaften Wortes beispielsweise nur die „Pfeil-Rechts"-Taste zu betätigen braucht, um den in der erkannten Textinformation vor dem Audio-Cursor positionierten Text-Cursor mit dem Audio-Cursor zu synchronisieren. Durch das Betätigen der „Pfeil-Links"-Taste würde bei diesem Beispiel der Audio-Cursor mit dem Text-Cursor synchronisiert und somit bei der Position des Text-Cursors positioniert werden. Diese dynamische Belegung der „Pfeil-Links"-Taste und der „Pfeil-Rechts"-Taste ist besonders benutzerfreundlich.
  • Gemäß den Maßnahmen des Anspruchs 5 und des Anspruchs 11 hat es sich als Vorteil erwiesen, dass der Text-Cursor automatisch um N Wörter vor der Position des Audio-Cursors in der erkannten Textinformation positioniert wird, da durch die Reaktionszeit des Benutzers das fehlerhafte Wort üblicherweise N Wörter vor dem Audio-Cursor in der erkannten Textinformation gefunden wird.
  • Gemäß den Maßnahmen des Anspruchs 6 und des Anspruchs 12 hat es sich als Vorteil erwiesen, dass der Benutzer die Anzahl N seiner üblichen Reaktionszeit entsprechend anpassen kann.
  • Gemäß den Maßnahmen des Anspruchs 7 hat es sich als Vorteil erwiesen, dass die Cursors bei aktivierter Synchronwiedergabebetriebsart automatisch synchronisiert sind, bis der Benutzer sie zum Editieren eines fehlerhaften Wortes entkoppelt. Hierdurch wird vorteilhafterweise eine besonders einfache Handhabung beim Korrigieren eines fehlerhaften Wortes erhalten.
  • Die Erfindung wird im Folgenden anhand eines in der Zeichnung dargestellten Ausführungsbeispiels beschrieben, auf das die Erfindung aber nicht beschränkt ist.
  • 1 zeigt eine Spracherkennungseinrichtung mit einer Korrektureinrichtung zum Korrigieren von fehlerhaften Wörtern in einem von der Spracherkennungseinrichtung erkannten Text.
  • 2 zeigt ein Verfahren zum Verarbeiten von Diktaten, wobei auch ein Verfahren zum Korrigieren von fehlerhaften Wörtern in einem von der Spracherkennungseinrichtung erkannten Text abgearbeitet wird.
  • 1 zeigt eine Spracherkennungseinrichtung 1, die einen Computer umfasst, mit dem eine Spracherkennungssoftware und eine Textverarbeitungssoftware abgearbeitet werden. An die Spracherkennungseinrichtung 1 sind ein Mikrofon 2, eine Tastatur 3, ein Fußschalter 4, ein Lautsprecher 5 und ein Bildschirm 6 angeschlossen.
  • Ein Benutzer der Spracherkennungseinrichtung 1 kann ein Diktat in das Mikrofon 1 sprechen, woraufhin ein die Sprachinformation des Diktats enthaltendes Sprachsignal SS an die Spracherkennungseinrichtung 1 abgegeben wird. Die Spracherkennungseinrichtung 1 enthält einen A/D-Wandler 7, mit dem das Sprachsignal SS digitalisiert wird, woraufhin von dem A/D-Wandler 7 digitale Sprachdaten SD an Spracherkennungsmittel 8 abgegeben werden.
  • Die Spracherkennungsmittel 8 sind zum Erkennen einer den empfangenen Sprachdaten SD zuzuordnenden Textinformation ausgebildet, die im Folgenden als erkannte Textinformation ETI bezeichnet wird. Die Spracherkennungsmittel 8 sind weiterhin zum Ermitteln einer Linkinformation LI ausgebildet, die zu jedem Wort der erkannten Textinformation ETI den Teil der Sprachdaten SD kennzeichnet, zu dem das Wort von den Spracherkennungsmitteln 8 erkannt wurde. Solche Spracherkennungsmittel 8 sind beispielsweise aus dem Dokument US-A-5.031.113 bekannt.
  • Die Spracherkennungseinrichtung 1 weist weiterhin Speichermittel 9 auf, mit denen die von den Spracherkennungsmitteln 8 abgegebenen Sprachdaten SD gemeinsam mit der erkannten Textinformation ETI und der Linkinformation LI des Diktats gespeichert werden. Ein solches vorstehend beschriebenes Spracherkennungsverfahren zum Erkennen der der Sprachinformation eines Diktats zuzuordnenden erkannten Textinformation ETI ist seit langem bekannt, weshalb hierauf nicht näher eingegangen wird.
  • Die Spracherkennungseinrichtung 1 weist jetzt weiterhin eine Korrektureinrichtung 10 zum Korrigieren von fehlerhaften Wörtern der erkannten Textinformation ETI auf. Die Korrektureinrichtung 10 umfasst den die Textverarbeitungssoftware abarbeitenden Computer, welche Textverarbeitungssoftware eine spezielle Korrektursoftware enthält. Die Korrektureinrichtung 10 enthält Editiermittel 11 und Synchronwiedergabemittel 12.
  • Die Editiermittel 11 sind zum Positionieren eines Text-Cursors TC zu einem fehlerhaften Wort der erkannten Textinformation ETI und zum Editieren des fehlerhaften Wortes entsprechend einer von einem Benutzer eingegebenen Editierinformation EI ausgebildet. Die Editierinformation EI wird hierbei von dem Benutzer mit den Tasten der Tastatur 3 eingegeben, wie dies allgemein bekannt ist.
  • Die Synchronwiedergabemittel 12 ermöglichen eine Synchronwiedergabebetriebsart der Spracherkennungseinrichtung 1, bei der während der akustischen Wiedergabe der Sprachinformation des Diktats das zu der gerade wiedergegebenen Sprachinformation durch die Linkinformation LI gekennzeichnete Wort der erkannten Textinformation ETI synchron markiert wird. Diese ebenfalls aus dem Dokument US-A-5.031.113 bekannte Synchronwiedergabebetriebsart ist bei Benutzern von Spracherkennungseinrichtungen sehr beliebt, da sie ein effektives Korrigieren fehlerhafter Wörter ermöglicht.
  • Bei in der Spracherkennungseinrichtung 1 aktivierter Synchronwiedergabebetriebsart wird mit einem von Wort zu Wort der erkannten Textinformation ETI wechselnden Audio-Cursor AC gerade jeweils das Wort markiert, das akustisch wiedergegeben wird. Cursors können beispielsweise durch Unterstreichung oder Invertierung des an der Position des Cursors dargestellten Zeichens dargestellt werden, wobei eine Vielzahl anderer Möglichkeiten der Darstellung eines Cursors bekannt sind.
  • Wie in der mit dem Monitor 6 dargestellten Textinformation TI ersichtlich, sind bei aktivierter Synchronwiedergabebetriebsart sowohl der Text-Cursor TC als auch der Audio-Cursor AC sichtbar, wobei der Text-Cursor TC meistens nur ein Zeichen und der Audio-Cursor AC immer ein ganzes Wort markiert. Der Text-Cursor TC bleibt bei aktivierter Synchronwiedergabebetriebsart statisch auf der Position in der dargestellten Textinformation TI positioniert, bei der mit den Editiermitteln 11 zuletzt ein fehlerhaftes Wort korrigiert wurde, wohingegen der Audio-Cursor AC von Wort zu Wort wechselt.
  • Bei aktivierter Synchronwiedergabebetriebsart sind von den Synchronwiedergabemitteln 12 die in den Speichermitteln 9 gespeicherten Audiodaten AD des Diktats auslesbar und kontinuierlich an einen D/A-Wandler 13 abgebbar. Der D/A-Wandler 13 kann daraufhin das die Sprachinformation SI des Diktats enthaltende Sprachsignal SS zur akustischen Wiedergabe des Diktats an den Lautsprecher 5 abgeben.
  • Zur Aktivierung der Synchronwiedergabebetriebsart kann ein Benutzer der Spracherkennungseinrichtung 1 seinen Fuß auf einen der beiden Schalter des Fußschalters 4 stellen, woraufhin eine Steuerinformation SI an die Synchronwiedergabemittel 12 abgegeben wird. Daraufhin lesen die Synchronwiedergabemittel 12 zusätzlich zu den Sprachdaten SD des Diktats auch die zu dem Diktat in den Speichermitteln 9 gespeicherte Linkinformation LI aus.
  • Die Synchronwiedergabemittel 12 sind bei aktivierter Synchronwiedergabebetriebsart zum Erzeugen und Abgeben einer Audio-Cursor-Information ACI an die Editiermittel 11 ausgebildet. Die Audio-Cursor-Information ACI kennzeichnet jeweils das gerade akustisch wiedergegebene Wort und somit die Position, bei der der Audio-Cursor AC in der dargestellten Textinformation TI dargestellt werden soll.
  • Die Editiermittel 11 sind unmittelbar nach dem Aktivieren der Synchronwiedergabebetriebsart zum Auslesen der erkannten Textinformation ETI aus den Speichermitteln 9 und zum temporären Speichern als darzustellende Textinformation TI ausgebildet. Diese temporär gespeicherte darzustellende Textinformation TI entspricht vorerst der erkannten Textinformation ETI und wird durch Korrekturen fehlerhafter Wörter durch den Benutzer verändert, um letztendlich eine fehlerfreie Textinformation zu erhalten.
  • Die in den Editiermitteln 11 temporär gespeicherte Textinformation TI wird von den Editiermitteln 11 an Bildverarbeitungsmittel 14 abgegeben. Die Bildverarbeitungsmittel 14 verarbeiten die darzustellende Textinformation TI und geben eine die darzustellende Textinformation TI enthaltende, mit dem Monitor 6 darstellbare Darstellungsinformation D1 an den Monitor 6 ab. Weiterhin geben die Editiermittel 11 eine Text-Cursor-Information TCI an die Bildverarbeitungsmittel 14 ab, die die Position des Text-Cursors TC in der dargestellten Textinformation TI kennzeichnet. Bei aktivierter Synchronwiedergabebetriebsart geben die Editiermittel 11 auch die Audio-Cursor-Information ACI zur Darstellung des Audio-Cursors AC an die Bildverarbeitungsmittel 14 ab.
  • Die Editiermittel 11 der Korrekturmittel 10 enthalten jetzt weiterhin Cursorsynchronisiermittel 15 zum Synchronisieren des Text-Cursors TC mit dem Audio-Cursor AC oder des Audio-Cursors AC mit dem Text-Cursor TC. Hierdurch ist das Positionieren des Text-Cursors TC zur Korrektur eines von dem Benutzer erkannten fehlerhaften Wortes wesentlich erleichtert worden, worauf anhand eines Anwendungsbeispiels der Spracherkennungseinrichtung 1 nachfolgend näher eingegangen wird.
  • Die Editiermittel 11 sind jetzt weiterhin zum Positionieren des Text-Cursors TC und zum Editieren eines von dem Benutzer erkannten fehlerhaften Wortes bei in der Korrektureinrichtung 10 aktivierter Synchronwiedergabebetriebsart ausgebildet. Hierdurch kann ein im Korrigieren geübter Benutzer ein fehlerhaftes Wort korrigieren, ohne die Synchronwiedergabebetriebsart vorher zu deaktivieren und nach der Korrektur zu reaktivieren, sodass der Benutzer vorteilhafterweise viel Zeit sparen kann. Hierauf wird ebenfalls anhand des nun folgenden Anwendungsbeispiels der Spracherkennungseinrichtung 1 näher eingegangen.
  • Das folgende Anwendungsbeispiel der Spracherkennungseinrichtung 1 wird jetzt anhand eines Flussdiagramms 16 in 2 erläutert. Gemäß dem Anwendungsbeispiel ist angenommen worden, dass ein Arzt seine neue Spracherkennungseinrichtung ausprobiert und ein Diktat „THIS IS A TEXT THAT ... ERRORS WITHIN THIS TEXT HAVE TO THE CORRECTED WITH A TEXT EDITOR" in das Mikrofon 2 diktiert, woraufhin bei einem Block 17 die digitalen Sprachdaten SD des Diktats an die Spracherkennungsmittel 8 abgegeben werden. Bei einem Block 18 erkennen die Spracherkennungsmittel 8 die zugehörige erkannte Textinformation ETI und Linkinformation LI und speichern diese bei einem Block 19 in den Speichermitteln 9 ab. Da der Arzt einzelne Wörter des Diktats nicht klar ausgesprochen hat, erkennen die Spracherkennungsmittel 8 anstatt des Wortes „IS" das Wort „MISS" und anstatt des Wortes „TEXT" das Wort „PEST".
  • Zu einem späteren Zeitpunkt – bei einem Block 20 – aktiviert die Sekretärin des Arztes die Synchronwiedergabebetriebsart der Spracherkennungseinrichtung 1, um fehlerhafte Wörter der erkannten Textinformation zu korrigieren. Die Editiermittel 11 lesen hieraufhin die erkannte Textinformation ETI und die Synchronwiedergabemittel 12 die Sprachdaten SD und die Linkinformation LI des Diktats aus den Speichermitteln 9 aus. Die Textinformation TI wird anschließend mit dem Monitor 6 dargestellt und die akustische Wiedergabe des Diktats beginnt, woraufhin der Audio-Cursor AC beginnend mit dem Wort „THIS" ein Wort des Diktats nach dem anderen markiert.
  • Die Sekretärin erkennt unmittelbar das Wort „MISS" als fehlerhaftes Wort und korrigiert es durch Eingabe einer entsprechenden Eingabeinformation EI mit der Tastatur 3. Der Text-Cursor TC bleibt nach der Korrektur des Wortes „MISS" in dem Wort „IS" bei der Position des Zeichens „I" positioniert, wohingegen der Audio-Cursor AC weiterhin die Textinformation TI Wort für Wort markiert. Zu dem Zeitpunkt, zu dem der Audio-Cursor AC das Wort „PEST" markiert, erkennt die Sekretärin – bei einem Block 21 – dieses Wort als fehlerhaftes Wort und betätigt – bei einem Block 22 – die Tastenkombination „ALT + Pfeil-Rechts" der Tastatur. Hierdurch wird eine Synchronisierinformation SYI an die Editiermittel 11 abgegeben und der Text-Cursor TC mit dem Audio-Cursor AC synchronisiert. Hierdurch wird der Text-Cursor TC auf den ersten Buchstaben „P" des fehlerhaften Wortes „PEST" positioniert und die Sekretärin kann – bei einem Block 23 – sofort mit dem Korrigieren des fehlerhaften Wortes beginnen.
  • Der Vorteil hierbei ist, dass die Sekretärin nicht durch eine Vielzahl von Tastenbetätigungen der „Pfeil"-Tasten den Text-Cursor TC bei der Position des fehlerhaften Wortes positionieren musste, was sehr zeitaufwendig gewesen wäre. Ebenso brauchte die Sekretärin zur Positionierung des Text-Cursors TC nicht nach einer in der 1 nicht dargestellten Computermaus zu greifen, was ebenfalls zeitaufwendig gewesen wäre.
  • Während der Korrektur des fehlerhaften Wortes „PEST" bleibt die Synchronwiedergabebetriebsart aktiviert, da die Sekretärin bereits erfahren genug ist, während der Korrektur dieses Wortes der fortgesetzten synchronen Wiedergabe der letzten Wörter des Diktats zu folgen. Erst am Ende des Diktats – bei einem Block 24 – deaktiviert die Sekretärin durch Betätigung eines zweiten Schalters des Fußschalters 4 die Synchronwiedergabebetriebsart. Die Blöcke 19 bis 24 des Flussdiagramms 16 beschreiben hierbei das Korrekturverfahren.
  • Da die Sekretärin die Korrektur der fehlerhaften Wörter „MISS" und „PEST" auch bei aktivierter Synchronwiedergabebetriebsart durchführen konnte, blieb ihr mehrfaches Betätigen des Fußschalters erspart und konnte sie ihre Arbeit wesentlich schneller beenden, was sehr vorteilhaft ist.
  • Es kann erwähnt werden, dass durch das Betätigen der Tastenkombination „ALT + Pfeil-Rechts" jeweils der Cursor, der in Relation zu dem anderen Cursor näher am Anfang der Textinformation TI positioniert ist, mit diesem anderen Cursor synchronisiert wird. Weiterhin wird durch Betätigen der „ALT + Pfeil-Links"-Taste der Cursor, der in Relation zu dem anderen Cursor näher am Ende der Textinformation TI positioniert ist, mit diesem anderen Cursor hin synchronisiert.
  • Diese dynamische Belegung der Funktionen der Tastenkombinationen hat sich als besonders benutzerfreundlich erwiesen. Selbstverständlich kann bei der Tastenkombination anstatt der „ALT"-Taste beispielsweise auch die „STRG"-Taste oder die „ALT Gr"-Taste verwendet werden. Weiterhin kann bei aktivierter Synchronwiedergabebetriebsart auf die Tastenkombination überhaupt verzichtet und nur die „Pfeil-Links"-Taste und die „Pfeil-Rechts"-Taste dynamisch belegt verwendet werden.
  • Es kann erwähnt werden, dass die Cursors auch durch Betätigung des Fußschalters oder einer Computer-Maus synchronisiert werden könnten. Ebenso wäre es möglich, den Text-Cursor TC ständig automatisch mit dem Audio-Cursor AC zu synchronisieren, sodass bei Eingabe einer Editierinformation EI die aktuelle Position des Audio-Cursors AC auch gleich die Position des Text-Cursors TC wäre.
  • Es kann erwähnt werden, dass es je nach Anwendungsfall auch vorteilhaft sein kann, den Audio-Cursor AC mit dem Text-Cursor TC zu synchronisieren, wodurch der Audio-Cursor AC bei der Position des Text-Cursors TC positioniert werden würde. Die synchrone Wiedergabe des Diktats würde dann ab der Position des Text-Cursors fortgesetzt werden, sodass ein Wiederholen eines Teils der Wiedergabe des Diktats in einfacher Weise möglich ist.
  • Es kann erwähnt werden, dass die beiden Cursors nach dem Synchronisieren nicht unbedingt die gleiche Position haben müssen. So könnte beispielsweise einer der beiden Cursors um eine Anzahl von N = 3 Wörtern vor dem anderen Cursor positioniert werden. Hierdurch kann der Benutzer seine Reaktionszeit beim Erkennen eines fehlerhaften Wortes ausgleichen, sodass der Text-Cursor TC nach dem Synchronisieren jeweils um 3 Wörter vor dem Audio-Cursor AC positioniert wäre. Reaktionsschnelle Benutzer könnten N = 1 und langsamere N = 10 wählen, wodurch der Text-Cursor TC nach dem Synchronisieren praktisch immer bereits auf dem fehlerhaften Wort positioniert wäre, was sehr vorteilhaft ist.
  • Weiterhin könnte der bei der Synchronwiedergabebetriebsart mit dem Audio-Cursor AC mit einem Versatz von N Wörtern gekoppelte Text-Cursor TC laufend dargestellt werden, wodurch ein normalerweise langsamerer Benutzer nach dem Erkennen eines fehlerhaften Wortes noch so lange mit der Eingabe der Editierinformation EI warten könnte, bis der Text-Cursor TC genau gerade auf dem fehlerhaften Wort positioniert ist. Hierdurch wäre ebenfalls ein sehr effizientes Korrigieren fehlerhafter Wörter möglich.
  • Es kann erwähnt werden, dass eine erfindungsgemäße Korrektureinrichtung insbesondere für Benutzer vorteilhaft ist, die einen Hauptteil ihrer Arbeitszeit erkannte Textinformationen ETI korrigieren und daher darin sehr geübt sind. Solche Benutzer sind als sogenannte Korrektoren unter anderem bei Transkriptionsservices angestellt, wie es beispielsweise in dem Dokument US-A-6.173.259 beschrieben ist.
  • Es kann erwähnt werden, dass die erfindungsgemäße Korrektureinrichtung meistens Teil einer Textverarbeitungssoftware sein wird, aber nicht sein muss.
  • Es kann erwähnt werden, dass die Synchronwiedergabebetriebsart durch Eingabe der Synchronisierinformation SYI automatisch unterbrochen werden könnte und nach Eingabe der Editierinformation EI fortgesetzt werden könnte. Diese Variante ist insbesondere für ungeübte Benutzer der Korrektureinrichtung vorteilhaft, das sie dadurch nicht parallel zur Ausführung von Korrekturen nach weiteren fehlerhaften Wörtern in der erkannten Textinformation ETI suchen müssen.
  • Es kann erwähnt werden, dass der Computer 1 eventuell nicht imstande ist, das Diktat bei der synchronen Wiedergabe wiederzugeben, falls der Computer 1 nicht die nötige Hardware hierfür aufweist. In einem solchen Fall kann eine digitale Diktateinrichtung, die die Sprachdaten des Diktats speichert, den Audioteil des Diktats bei der synchronen Wiedergabe akustisch wiedergeben und zusätzlich eine Positionsinformation für den Computer verschaffen. Diese Positionsinformation markiert die tatsächliche Wiedergabeposition der Audiowiedergabe, und der Computer kann auf Basis der Positionsinformation das entsprechende erkannte Wort markieren.
  • Inschrift der Zeichnung
  • 2
    • Start
    • 20 Aktivieren
    • 24 Deaktivieren
    • Ende

Claims (15)

  1. Korrektureinrichtung (10) zum Korrigieren von fehlerhaften Wörtern in einer mit einer Spracherkennungseinrichtung (1) aus einer Sprachinformation (SD) erkannten Textinformation (ETI) mit Empfangsmitteln zum Empfangen der Sprachinformation (SD), der zugehörigen erkannten Textinformation (ETI) und einer Linkinformation (LI), die zu jedem Wort der erkannten Textinformation (ETI) den Teil der Sprachinformation (SD) kennzeichnet, zu dem das Wort von der Spracherkennungseinrichtung (1) erkannt wurde, und mit Editiermitteln (11) zum Positionieren eines Text-Cursors (TC) bei einem fehlerhaften Wort der erkannten Textinformation (ETI) und zum Editieren des fehlerhaften Wortes entsprechend einer von einem Benutzer eingegebenen Editierinformation (EI) und mit Synchronwiedergabemitteln zum Ermöglichen einer Synchronwiedergabebetriebsart, bei der während der akustischen Wiedergabe der Sprachinformation (SD) das gerade wiedergegebene und durch die Linkinformation (LI) gekennzeichnete Wort der erkannten Textinformation (ETI) synchron markiert wird, wobei das gerade markierte Wort die Position eines Audio-Cursors (AC) kennzeichnet, und mit Cursorsynchronisiermitteln (15) zum Synchronisieren des Text-Cursors mit dem Audio-Cursor (AC) oder des Audio-Cursors (AC) mit dem Text-Cursor (TC).
  2. Korrektureinrichtung (10) nach Anspruch 1, wobei die Cursorsynchronisiermittel (15) zum Synchronisieren der Cursors (AC, TC) bei in der Korrektureinrichtung (10) aktivierter Synchronwiedergabebetriebsart ausgebildet sind.
  3. Korrektureinrichtung (10) nach Anspruch 1, wobei die Cursorsynchronisiermittel (15) eine Tastatur (3) enthalten und die Cursors (AC, TC) durch manuelles Betätigen zumindest einer Taste synchronisierbar sind.
  4. Korrektureinrichtung (10) nach Anspruch 3, wobei die zumindest eine Taste die „Pfeil-Rechts"-Taste oder die „Pfeil-Links"-Taste enthält und wobei beim Betätigen der „Pfeil-Rechts"-Taste der Cursor (AC, TC), der in Relation zu dem anderen Cursor (TC, AC) näher am Anfang der erkannten Textinformation (ETI) dargestellt ist, mit diesem anderen Cursor (TC, AC) synchronisierbar ist und wobei der Cursor (AC, TC), der in Relation zu dem anderen Cursor (TC, AC) näher am Ende der erkannten Textinformation (ETI) dargestellt ist, mit diesem anderen Cursor synchronisierbar ist.
  5. Korrektureinrichtung (10) nach Anspruch 1, wobei die Cursorsynchronisiermittel (15), bei aktivierter Synchronwiedergabebetriebsart, den Text-Cursor (TC) in der erkannten Textinformation (ETI) um eine voreingestellte Anzahl von N Wörtern vor dem Audio-Cursor (AC) positionieren.
  6. Korrektureinrichtung (10) nach Anspruch 5, wobei die voreingestellte Anzahl von N Wörtern entsprechend einer Benutzerinformation (EI) einstellbar ist.
  7. Korrektureinrichtung (10) nach Anspruch 2, wobei die Cursorsynchronisiermittel (15) bei aktivierter Synchronwiedergabebetriebsart die Cursors (AC, TC) ständig automatisch synchronisieren und wobei durch manuelles Betätigen zumindest einer Taste der Text-Cursor (TC) von dem Audio-Cursor (AC) zum Editieren eines fehlerhaften Wortes entkoppelt werden kann, bis durch ein weiteres Betätigen zumindest einer Taste der Text-Cursor (TC) wieder mit dem Audio-Cursor (AC) synchronisiert wird.
  8. Korrekturverfahren (16) zum Korrigieren von fehlerhaften Wörtern in einer mit einer Spracherkennungseinrichtung (1) aus einer Sprachinformation (SD) erkannten Textinformation (ETI), wobei folgende Verfahrensschritte abgearbeitet werden: • Empfangen der Sprachinformation (SD), der zugehörigen erkannten Textinformation (ETI) und einer Linkinformation (LI), die zu jedem Wort der erkannten Textinformation (ETI) den Teil der Sprachinformation (SD) kennzeichnet, zu dem das Wort von der Spracherkennungseinrichtung (1) erkannt wurde; • Ermöglichen einer Synchronwiedergabebetriebsart, bei der während der akustischen Wiedergabe der Sprachinformation (SD) das zu der gerade wiedergegebenen Sprachinformation (SD) durch die Linkinformation (LI) gekennzeichnete Wort der erkannten Textinformation (ETI) synchron markiert wird, wobei das gerade markierte Wort die Position eines Audio-Cursors (AC) kennzeichnet; • Editieren des fehlerhaften Wortes mit einem Text-Cursor (TC) entsprechend einer von einem Benutzer eingegebenen Editierinformation (EI); wobei das Editieren des fehlerhaften Wortes bei in der Korrektureinrichtung (10) aktivierter Synchronwiedergabebetriebsart möglich ist.
  9. Korrekturverfahren (16) nach Anspruch 8, wobei der Text-Cursor (TC) mit dem Audio-Cursor (AC) oder der Audio-Cursor (AC) mit dem Text-Cursor (TC) in Abhängigkeit von der eingegebenen Editierinformation (EI) synchronisiert wird.
  10. Korrekturverfahren (16) nach Anspruch 8, wobei durch manuelles Betätigen zumindest einer Taste die Cursors (AC, TC) synchronisiert werden.
  11. Korrekturverfahren (16) nach Anspruch 8, wobei der Text-Cursor (TC) um eine voreingestellte Anzahl von N Wörtern vor den Audio-Cursor (AC) in der erkannten Textinformation (ETI) positioniert wird.
  12. Korrekturverfahren (16) nach Anspruch 11, wobei die voreingestellte Anzahl von N Wörtern entsprechend einer Benutzerinformation (EI) eingestellt wird.
  13. Spracherkennungseinrichtung (1) zum Erkennen einer Textinformation (ETI) bei einer empfangenen Sprachinformation (SD) mit Empfangsmitteln zum Empfangen von Sprachinformation (SD) und mit Spracherkennungsmitteln (8) zum Erkennen einer der empfangenen Sprachinformation (SD) zuzuordnenden erkannten Textinformation (ETI) und Linkinformation (LI), wobei die Linkinformation (LI) zu jedem Wort der erkannten Textinformation (ETI) einen Teil der Sprachinformation (SD) kennzeichnet, zu dem das Wort von den Spracherkennungsmitteln (8) erkannt wurde, und mit einer Korrektureinrichtung (10) nach Anspruch 1, um in der erkannten Textinformation (ETI) enthaltene fehlerhafte Wörter zu korrigieren.
  14. Computerprogrammprodukt, das direkt in den internen Speicher eines digitalen Computers geladen werden kann und Softwarecodeabschnitte umfasst, wobei mit dem Computer die Schritte des Korrekturverfahrens (16) nach Anspruch 8 abgearbeitet werden, wenn das Produkt auf dem Computer läuft.
  15. Computerprogrammprodukt nach Anspruch 14, wobei es auf einem computerlesbaren Medium gespeichert ist.
DE60202453T 2001-03-29 2002-03-25 Synchronisierung eines audio- und eines text-cursors während der editierung Expired - Lifetime DE60202453T2 (de)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
EP01890104 2001-03-29
EP01890104 2001-03-29
PCT/IB2002/001062 WO2002080143A1 (en) 2001-03-29 2002-03-25 Synchronise an audio cursor and a text cursor during editing

Publications (2)

Publication Number Publication Date
DE60202453D1 DE60202453D1 (de) 2005-02-03
DE60202453T2 true DE60202453T2 (de) 2006-01-19

Family

ID=8185105

Family Applications (1)

Application Number Title Priority Date Filing Date
DE60202453T Expired - Lifetime DE60202453T2 (de) 2001-03-29 2002-03-25 Synchronisierung eines audio- und eines text-cursors während der editierung

Country Status (7)

Country Link
US (3) US8117034B2 (de)
EP (1) EP1374225B1 (de)
JP (1) JP5093966B2 (de)
CN (1) CN1225721C (de)
AT (1) ATE286294T1 (de)
DE (1) DE60202453T2 (de)
WO (1) WO2002080143A1 (de)

Families Citing this family (56)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7263484B1 (en) 2000-03-04 2007-08-28 Georgia Tech Research Corporation Phonetic searching
JP5093966B2 (ja) 2001-03-29 2012-12-12 ニュアンス コミュニケーションズ オーストリア ゲーエムベーハー 編集中における音声カーソルとテキストカーソルの位置合わせ
US7231351B1 (en) 2002-05-10 2007-06-12 Nexidia, Inc. Transcript alignment
US7380203B2 (en) * 2002-05-14 2008-05-27 Microsoft Corporation Natural input recognition tool
CN100517300C (zh) 2002-11-28 2009-07-22 皇家飞利浦电子股份有限公司 分配词类信息的设备和方法
US20050096910A1 (en) * 2002-12-06 2005-05-05 Watson Kirk L. Formed document templates and related methods and systems for automated sequential insertion of speech recognition results
US7774694B2 (en) * 2002-12-06 2010-08-10 3M Innovation Properties Company Method and system for server-based sequential insertion processing of speech recognition results
US7444285B2 (en) * 2002-12-06 2008-10-28 3M Innovative Properties Company Method and system for sequential insertion of speech recognition results to facilitate deferred transcription services
KR100668297B1 (ko) * 2002-12-31 2007-01-12 삼성전자주식회사 음성인식방법 및 장치
US7263483B2 (en) * 2003-04-28 2007-08-28 Dictaphone Corporation USB dictation device
US7346506B2 (en) 2003-10-08 2008-03-18 Agfa Inc. System and method for synchronized text display and audio playback
US20050144015A1 (en) * 2003-12-08 2005-06-30 International Business Machines Corporation Automatic identification of optimal audio segments for speech applications
US7629989B2 (en) * 2004-04-02 2009-12-08 K-Nfb Reading Technology, Inc. Reducing processing latency in optical character recognition for portable reading machine
US8504369B1 (en) 2004-06-02 2013-08-06 Nuance Communications, Inc. Multi-cursor transcription editing
US7836412B1 (en) 2004-12-03 2010-11-16 Escription, Inc. Transcription editing
JP2007133033A (ja) 2005-11-08 2007-05-31 Nec Corp 音声テキスト化システム、音声テキスト化方法および音声テキスト化用プログラム
US8521510B2 (en) * 2006-08-31 2013-08-27 At&T Intellectual Property Ii, L.P. Method and system for providing an automated web transcription service
US8959433B2 (en) * 2007-08-19 2015-02-17 Multimodal Technologies, Llc Document editing using anchors
US8954328B2 (en) * 2009-01-15 2015-02-10 K-Nfb Reading Technology, Inc. Systems and methods for document narration with multiple characters having multiple moods
US20100299131A1 (en) * 2009-05-21 2010-11-25 Nexidia Inc. Transcript alignment
US20100332225A1 (en) * 2009-06-29 2010-12-30 Nexidia Inc. Transcript alignment
US9292161B2 (en) * 2010-03-24 2016-03-22 Microsoft Technology Licensing, Llc Pointer tool with touch-enabled precise placement
US8392186B2 (en) 2010-05-18 2013-03-05 K-Nfb Reading Technology, Inc. Audio synchronization for document narration with user-selected playback
CN101887346A (zh) * 2010-06-22 2010-11-17 宇龙计算机通信科技(深圳)有限公司 一种信息输入控制方法、装置及通信终端
CN102314874A (zh) * 2010-06-29 2012-01-11 鸿富锦精密工业（深圳）有限公司 文本到语音转换系统与方法
US9904768B2 (en) 2011-02-18 2018-02-27 Nuance Communications, Inc. Methods and apparatus for presenting alternative hypotheses for medical facts
US8768723B2 (en) 2011-02-18 2014-07-01 Nuance Communications, Inc. Methods and apparatus for formatting text for clinical fact extraction
US10032127B2 (en) 2011-02-18 2018-07-24 Nuance Communications, Inc. Methods and apparatus for determining a clinician's intent to order an item
US10460288B2 (en) 2011-02-18 2019-10-29 Nuance Communications, Inc. Methods and apparatus for identifying unspecified diagnoses in clinical documentation
CN102682763B (zh) * 2011-03-10 2014-07-16 北京三星通信技术研究有限公司 修正语音输入文本中命名实体词汇的方法、装置及终端
WO2012161359A1 (ko) * 2011-05-24 2012-11-29 엘지전자 주식회사 사용자 인터페이스 방법 및 장치
JP2013025299A (ja) * 2011-07-26 2013-02-04 Toshiba Corp 書き起こし支援システムおよび書き起こし支援方法
US20130035936A1 (en) * 2011-08-02 2013-02-07 Nexidia Inc. Language transcription
US9317196B2 (en) 2011-08-10 2016-04-19 Microsoft Technology Licensing, Llc Automatic zooming for text selection/cursor placement
US9318110B2 (en) * 2011-09-09 2016-04-19 Roe Mobile Development Llc Audio transcription generator and editor
KR101921203B1 (ko) * 2012-03-02 2018-11-22 삼성전자 주식회사 녹음 기능이 연동된 메모 기능 운용 방법 및 장치
US9569594B2 (en) 2012-03-08 2017-02-14 Nuance Communications, Inc. Methods and apparatus for generating clinical reports
US9805118B2 (en) 2012-06-29 2017-10-31 Change Healthcare Llc Transcription method, apparatus and computer program product
US9064492B2 (en) 2012-07-09 2015-06-23 Nuance Communications, Inc. Detecting potential significant errors in speech recognition results
KR20140008835A (ko) 2012-07-12 2014-01-22 삼성전자주식회사 음성 인식 오류 수정 방법 및 이를 적용한 방송 수신 장치
JP2014142501A (ja) * 2013-01-24 2014-08-07 Toshiba Corp テキスト再生装置、方法、及びプログラム
US11024406B2 (en) 2013-03-12 2021-06-01 Nuance Communications, Inc. Systems and methods for identifying errors and/or critical results in medical reports
US10496743B2 (en) 2013-06-26 2019-12-03 Nuance Communications, Inc. Methods and apparatus for extracting facts from a medical text
CN103885596B (zh) * 2014-03-24 2017-05-24 联想(北京)有限公司 一种信息处理方法及电子设备
US9953646B2 (en) 2014-09-02 2018-04-24 Belleau Technologies Method and system for dynamic speech recognition and tracking of prewritten script
US9940929B2 (en) * 2015-12-09 2018-04-10 Lenovo (Singapore) Pte. Ltd. Extending the period of voice recognition
CN106098060B (zh) * 2016-05-19 2020-01-31 北京搜狗科技发展有限公司 语音的纠错处理方法和装置、用于语音的纠错处理的装置
CN106448675B (zh) * 2016-10-21 2020-05-01 科大讯飞股份有限公司 识别文本修正方法及系统
US10529330B2 (en) * 2017-11-24 2020-01-07 Sorizava Co., Ltd. Speech recognition apparatus and system
CN108366182B (zh) * 2018-02-13 2020-07-07 京东方科技集团股份有限公司 文字语音同步播报的校准方法及装置、计算机存储介质
CN110265031A (zh) * 2019-07-25 2019-09-20 秒针信息技术有限公司 一种语音处理方法及装置
CN111079760B (zh) * 2019-08-02 2023-11-28 广东小天才科技有限公司 一种文字识别方法及电子设备
CN110534112B (zh) * 2019-08-23 2021-09-10 王晓佳 基于位置与时间的分布式语音识别纠错方法
KR102153668B1 (ko) 2019-10-29 2020-09-09 주식회사 퍼즐에이아이 키보드 매크로 기능을 활용한 자동 음성 인식기 및 음성 인식 방법
CN113936699B (zh) * 2020-06-29 2023-05-26 腾讯科技（深圳）有限公司 音频处理方法、装置、设备及存储介质
US11947894B2 (en) 2021-04-28 2024-04-02 International Business Machines Corporation Contextual real-time content highlighting on shared screens

Family Cites Families (90)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US3676856A (en) * 1970-08-11 1972-07-11 Ron Manly Automatic editing system and method
US3648249A (en) 1970-12-08 1972-03-07 Ibm Audio-responsive visual display system incorporating audio and digital information segmentation and coordination
JPS6184771A (ja) 1984-10-03 1986-04-30 Hitachi Ltd 音声入力装置
US4701130A (en) 1985-01-11 1987-10-20 Access Learning Technology Corporation Software training system
US4637797A (en) 1985-01-11 1987-01-20 Access Learning Technology Corporation Software training system
JPS62212870A (ja) 1986-03-14 1987-09-18 Fujitsu Ltd 文章読み上げ校正装置
AT390685B (de) 1988-10-25 1990-06-11 Philips Nv System zur textverarbeitung
US5146439A (en) 1989-01-04 1992-09-08 Pitney Bowes Inc. Records management system having dictation/transcription capability
JPH05108608A (ja) 1991-10-18 1993-04-30 Olympus Optical Co Ltd 情報信号処理装置
US5553289A (en) * 1991-12-26 1996-09-03 International Business Machines Corporation System for automatically assigning attributes to objects of multimedia distribution when the objects being within a predetermined relationship
US5519808A (en) 1993-03-10 1996-05-21 Lanier Worldwide, Inc. Transcription interface for a word processing station
US5369704A (en) 1993-03-24 1994-11-29 Engate Incorporated Down-line transcription system for manipulating real-time testimony
US5602982A (en) 1994-09-23 1997-02-11 Kelly Properties, Inc. Universal automated training and testing software system
US5664227A (en) * 1994-10-14 1997-09-02 Carnegie Mellon University System and method for skimming digital audio/video data
US5812882A (en) 1994-10-18 1998-09-22 Lanier Worldwide, Inc. Digital dictation system having a central station that includes component cards for interfacing to dictation stations and transcription stations and for processing and storing digitized dictation segments
US5616876A (en) * 1995-04-19 1997-04-01 Microsoft Corporation System and methods for selecting music on the basis of subjective content
US5857212A (en) 1995-07-06 1999-01-05 Sun Microsystems, Inc. System and method for horizontal alignment of tokens in a structural representation program editor
US5960447A (en) * 1995-11-13 1999-09-28 Holt; Douglas Word tagging and editing system for speech recognition
JP3416007B2 (ja) * 1995-12-06 2003-06-16 インターナショナル・ビジネス・マシーンズ・コーポレーション オーディオビジュアル・マテリアルをスクリーニングする装置及び方法
US5911485A (en) 1995-12-11 1999-06-15 Unwired Planet, Inc. Predictive data entry method for a keypad
US5898830A (en) 1996-10-17 1999-04-27 Network Engineering Software Firewall providing enhanced network security and user transparency
US5983176A (en) * 1996-05-24 1999-11-09 Magnifi, Inc. Evaluation of media content in media files
US5748888A (en) 1996-05-29 1998-05-05 Compaq Computer Corporation Method and apparatus for providing secure and private keyboard communications in computer systems
DE69629667T2 (de) * 1996-06-07 2004-06-24 Hewlett-Packard Co. (N.D.Ges.D.Staates Delaware), Palo Alto Sprachsegmentierung
US5664896A (en) 1996-08-29 1997-09-09 Blumberg; Marvin R. Speed typing apparatus and method
GB2302199B (en) * 1996-09-24 1997-05-14 Allvoice Computing Plc Data processing method and apparatus
US5875448A (en) 1996-10-08 1999-02-23 Boys; Donald R. Data stream editing system including a hand-held voice-editing apparatus having a position-finding enunciator
EP0840287A3 (de) * 1996-10-31 1999-04-07 Microsoft Corporation Verfahren und System zur Auswahl erkannter Wörter bei der Korrektur erkannter Sprache
US6173259B1 (en) 1997-03-27 2001-01-09 Speech Machines Plc Speech to text conversion
US5875429A (en) 1997-05-20 1999-02-23 Applied Voice Recognition, Inc. Method and apparatus for editing documents through voice recognition
US5974413A (en) 1997-07-03 1999-10-26 Activeword Systems, Inc. Semantic user interface
US6141011A (en) 1997-08-04 2000-10-31 Starfish Software, Inc. User interface methodology supporting light data entry for microprocessor device having limited user input
US6076059A (en) 1997-08-29 2000-06-13 Digital Equipment Corporation Method for aligning text with audio signals
PT1018069E (pt) 1997-09-25 2002-12-31 Tegic Communications Inc Sistema de resolucao de ambiguidade para teclado reduzido
US6363380B1 (en) * 1998-01-13 2002-03-26 U.S. Philips Corporation Multimedia computer system with story segmentation capability and operating program therefor including finite automation video parser
US6195637B1 (en) * 1998-03-25 2001-02-27 International Business Machines Corp. Marking and deferring correction of misrecognition errors
US6064965A (en) * 1998-09-02 2000-05-16 International Business Machines Corporation Combined audio playback in speech recognition proofreader
US6457031B1 (en) * 1998-09-02 2002-09-24 International Business Machines Corp. Method of marking previously dictated text for deferred correction in a speech recognition proofreader
US6338038B1 (en) * 1998-09-02 2002-01-08 International Business Machines Corp. Variable speed audio playback in speech recognition proofreader
US6374225B1 (en) 1998-10-09 2002-04-16 Enounce, Incorporated Method and apparatus to prepare listener-interest-filtered works
US6122614A (en) 1998-11-20 2000-09-19 Custom Speech Usa, Inc. System and method for automating transcription services
US6363342B2 (en) 1998-12-18 2002-03-26 Matsushita Electric Industrial Co., Ltd. System for developing word-pronunciation pairs
US6802041B1 (en) 1999-01-20 2004-10-05 Perfectnotes Corporation Multimedia word processor
US20030004724A1 (en) 1999-02-05 2003-01-02 Jonathan Kahn Speech recognition program mapping tool to align an audio file to verbatim text
US6434523B1 (en) 1999-04-23 2002-08-13 Nuance Communications Creating and editing grammars for speech recognition graphically
US6611802B2 (en) * 1999-06-11 2003-08-26 International Business Machines Corporation Method and system for proofreading and correcting dictated text
US6370503B1 (en) 1999-06-30 2002-04-09 International Business Machines Corp. Method and apparatus for improving speech recognition accuracy
JP2001043062A (ja) 1999-07-27 2001-02-16 Nec Corp パーソナルコンピュータ、その音量調整方法及び記録媒体
US6865258B1 (en) 1999-08-13 2005-03-08 Intervoice Limited Partnership Method and system for enhanced transcription
US6542091B1 (en) 1999-10-01 2003-04-01 Wayne Allen Rasanen Method for encoding key assignments for a data input device
EP2261893B1 (de) * 1999-12-20 2016-03-30 Nuance Communications Austria GmbH Audiowiedergabe für texteingabe in einem spracherkennungssystem
US7082615B1 (en) 2000-03-31 2006-07-25 Intel Corporation Protecting software environment in isolated execution
AU2001259446A1 (en) 2000-05-02 2001-11-12 Dragon Systems, Inc. Error correction in speech recognition
EP1295482B1 (de) 2000-06-09 2010-09-01 British Broadcasting Corporation Erzeugung von untertiteln für bewegte bilder
US7624356B1 (en) 2000-06-21 2009-11-24 Microsoft Corporation Task-sensitive methods and systems for displaying command sets
US6950994B2 (en) 2000-08-31 2005-09-27 Yahoo! Inc. Data list transmutation and input mapping
US6993246B1 (en) * 2000-09-15 2006-01-31 Hewlett-Packard Development Company, L.P. Method and system for correlating data streams
US6975985B2 (en) 2000-11-29 2005-12-13 International Business Machines Corporation Method and system for the automatic amendment of speech recognition vocabularies
CA2328566A1 (en) 2000-12-15 2002-06-15 Ibm Canada Limited - Ibm Canada Limitee System and method for providing language-specific extensions to the compare facility in an edit system
US7735021B2 (en) 2001-02-16 2010-06-08 Microsoft Corporation Shortcut system for use in a mobile electronic device and method thereof
JP5093966B2 (ja) 2001-03-29 2012-12-12 ニュアンス コミュニケーションズ オーストリア ゲーエムベーハー 編集中における音声カーソルとテキストカーソルの位置合わせ
WO2002080144A1 (en) * 2001-03-29 2002-10-10 Koninklijke Philips Electronics N.V. Text editing for recognized speech during synchronous playback
US20030007018A1 (en) 2001-07-09 2003-01-09 Giovanni Seni Handwriting user interface for personal digital assistants and the like
US7152213B2 (en) 2001-10-04 2006-12-19 Infogation Corporation System and method for dynamic key assignment in enhanced user interface
ATE325413T1 (de) * 2001-10-31 2006-06-15 Koninkl Philips Electronics Nv Verfahren und vorrichtung zur wandlung gesprochener in geschriebene texte und korrektur der erkannten texte
US7196691B1 (en) 2001-11-14 2007-03-27 Bruce Martin Zweig Multi-key macros to speed data input
US7292975B2 (en) 2002-05-01 2007-11-06 Nuance Communications, Inc. Systems and methods for evaluating speaker suitability for automatic speech recognition aided transcription
US7236931B2 (en) 2002-05-01 2007-06-26 Usb Ag, Stamford Branch Systems and methods for automatic acoustic speaker adaptation in computer-assisted transcription systems
US6986106B2 (en) 2002-05-13 2006-01-10 Microsoft Corporation Correction widget
KR20050027093A (ko) 2002-05-24 2005-03-17 에스엠티엠 테크놀러지스 엘엘씨 숙련 기반 테스트 및 트레이닝을 위한 방법 및 시스템
US7260529B1 (en) 2002-06-25 2007-08-21 Lengen Nicholas D Command insertion system and method for voice recognition applications
US7137076B2 (en) 2002-07-30 2006-11-14 Microsoft Corporation Correcting recognition results associated with user input
US6763320B2 (en) 2002-08-15 2004-07-13 International Business Machines Corporation Data input device for individuals with limited hand function
WO2004028121A2 (en) * 2002-09-23 2004-04-01 Wimetrics Corporation System and method for wireless local area network monitoring and intrusion detection
US7206938B2 (en) 2002-09-24 2007-04-17 Imagic Software, Inc. Key sequence rhythm recognition system and method
US20080034218A1 (en) 2002-09-24 2008-02-07 Bender Steven L Key sequence rhythm guidance recognition system and method
US7016844B2 (en) 2002-09-26 2006-03-21 Core Mobility, Inc. System and method for online transcription services
US7515903B1 (en) 2002-10-28 2009-04-07 At&T Mobility Ii Llc Speech to message processing
US7580838B2 (en) 2002-11-22 2009-08-25 Scansoft, Inc. Automatic insertion of non-verbalized punctuation
US7107397B2 (en) 2003-05-29 2006-09-12 International Business Machines Corporation Magnetic tape data storage system buffer management
GB2405728A (en) 2003-09-03 2005-03-09 Business Integrity Ltd Punctuation of automated documents
JP2007528542A (ja) 2004-03-05 2007-10-11 セキュアー システムズ リミテッド パーティションアクセスコントロールシステムおよびパーティションアクセスを制御するための方法
US7382359B2 (en) 2004-06-07 2008-06-03 Research In Motion Limited Smart multi-tap text input
US7508324B2 (en) 2004-08-06 2009-03-24 Daniel Suraqui Finger activated reduced keyboard and a method for performing text input
US20060176283A1 (en) 2004-08-06 2006-08-10 Daniel Suraqui Finger activated reduced keyboard and a method for performing text input
KR100713128B1 (ko) 2004-11-08 2007-05-02 주식회사 비젯 바이러스 방역 장치 및 시스템
EP1864455A2 (de) 2005-03-29 2007-12-12 Glowpoint, Inc. Videoanrufgenehmigung
FI20050561A0 (fi) 2005-05-26 2005-05-26 Nokia Corp Pakettidatan käsittely viestintäjärjestelmässä
US20070143857A1 (en) 2005-12-19 2007-06-21 Hazim Ansari Method and System for Enabling Computer Systems to Be Responsive to Environmental Changes
US9904809B2 (en) 2006-02-27 2018-02-27 Avago Technologies General Ip (Singapore) Pte. Ltd. Method and system for multi-level security initialization and configuration

Also Published As

Publication number Publication date
ATE286294T1 (de) 2005-01-15
CN1460245A (zh) 2003-12-03
EP1374225A1 (de) 2004-01-02
DE60202453D1 (de) 2005-02-03
US8117034B2 (en) 2012-02-14
US20120158405A1 (en) 2012-06-21
US8380509B2 (en) 2013-02-19
US20130166304A1 (en) 2013-06-27
WO2002080143A1 (en) 2002-10-10
US20020143544A1 (en) 2002-10-03
US8706495B2 (en) 2014-04-22
CN1225721C (zh) 2005-11-02
JP2004530205A (ja) 2004-09-30
JP5093966B2 (ja) 2012-12-12
EP1374225B1 (de) 2004-12-29

Similar Documents

Publication Publication Date Title
DE60202453T2 (de) Synchronisierung eines audio- und eines text-cursors während der editierung
DE60209103T2 (de) Texteditierung von erkannter sprache bei gleichzeitiger wiedergabe
DE3910467C2 (de) Verfahren und Vorrichtung zur Erzeugung von Berichten
DE10040214B4 (de) Verfahren und System zur automatischen Erkennung einer Aktualisierung eines Sprachmodells in einem Spracherkennungssystem
AT390685B (de) System zur textverarbeitung
DE60211197T2 (de) Verfahren und vorrichtung zur wandlung gesprochener in geschriebene texte und korrektur der erkannten texte
DE69828141T2 (de) Verfahren und Vorrichtung zur Spracherkennung
DE60033106T2 (de) Korrektur der Betriebsartfehler, Steuerung oder Diktieren, in die Spracherkennung
DE60031113T2 (de) Automatisiertes übertragungssystem und -verfahren mit zwei instanzen zur sprachumwandlung und rechnergestützter korrektur
DE60215272T2 (de) Verfahren und Vorrichtung zur sprachlichen Dateneingabe bei ungünstigen Bedingungen
DE69630928T2 (de) Vorrichtung und Verfahren zum Anzeigen einer Übersetzung
DE69819690T2 (de) Spracherkennungsvorrichtung unter verwendung eines befehlslexikons
DE112013006728T5 (de) Spracherkennungssystem und Spracherkennungsgerät
US20120185249A1 (en) Method and system for speech based document history tracking
DE202015006043U1 (de) Signalfolge und Datenträger mit einem Computerprogramm zur Wiedergabe eines Musikstücks
DE60020504T2 (de) Anpassung eines spracherkenners an korrigierte texte
DE10022586A1 (de) Verfahren zum Erzeugen einer Sprachdatenbank für einen Zielwortschatz zum Trainieren eines Spracherkennungssystems
DE102020110614B4 (de) Roboter-lehrvorrichtung
DE10204924A1 (de) Verfahren und Vorrichtung zur schnellen mustererkennungsunterstützten Transkription gesprochener und schriftlicher Äußerungen
DE112014006957B4 (de) Informations-Bereitstellsystem
DE602004010804T2 (de) Sprachantwortsystem, Sprachantwortverfahren, Sprach-Server, Sprachdateiverarbeitungsverfahren, Programm und Aufzeichnungsmedium
EP0814457B1 (de) Verfahren zur automatischen Erkennung eines gesprochenen Textes
EP1240775B1 (de) Kommunikationssystem und verfahren zum bereitstellen eines internet-zugangs über ein telefon
EP1220201A2 (de) Verfahren und System zur automatischen Aktionssteuerung bei Vorträgen
WO2020126217A1 (de) Verfahren, anordnung und verwendung zum erzeugen einer antwortausgabe in reaktion auf eine spracheingabeinformation

Legal Events

Date Code Title Description
8364 No opposition during term of opposition
8327 Change in the person/name/address of the patent owner

Owner name: NUANCE COMMUNICATIONS AUSTRIA GMBH, WIEN, AT

8328 Change in the person/name/address of the agent

Representative=s name: VOSSIUS & PARTNER, 81675 MUENCHEN