JP2023520861A - 音声対話方法、装置、コンピュータ可読記憶媒体及び電子機器 - Google Patents
音声対話方法、装置、コンピュータ可読記憶媒体及び電子機器 Download PDFInfo
- Publication number
- JP2023520861A JP2023520861A JP2022558093A JP2022558093A JP2023520861A JP 2023520861 A JP2023520861 A JP 2023520861A JP 2022558093 A JP2022558093 A JP 2022558093A JP 2022558093 A JP2022558093 A JP 2022558093A JP 2023520861 A JP2023520861 A JP 2023520861A
- Authority
- JP
- Japan
- Prior art keywords
- recognition
- channel
- class
- audio signal
- speech recognition
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 89
- 230000003993 interaction Effects 0.000 title claims abstract description 59
- 230000005236 sound signal Effects 0.000 claims abstract description 111
- 238000004458 analytical method Methods 0.000 claims abstract description 71
- 238000012545 processing Methods 0.000 claims abstract description 42
- 230000008569 process Effects 0.000 claims description 25
- 230000006870 function Effects 0.000 claims description 14
- 238000004590 computer program Methods 0.000 claims description 11
- 238000000926 separation method Methods 0.000 claims description 8
- 238000010586 diagram Methods 0.000 description 11
- 238000005516 engineering process Methods 0.000 description 9
- 238000004891 communication Methods 0.000 description 6
- 238000013528 artificial neural network Methods 0.000 description 5
- 230000008901 benefit Effects 0.000 description 5
- 239000000284 extract Substances 0.000 description 3
- 230000011218 segmentation Effects 0.000 description 3
- 238000013473 artificial intelligence Methods 0.000 description 2
- 238000007796 conventional method Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000010845 search algorithm Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 238000007792 addition Methods 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000006798 recombination Effects 0.000 description 1
- 238000005215 recombination Methods 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
Images
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
- G10L15/00—Speech recognition
- G10L15/08—Speech classification or search
- G10L15/14—Speech classification or search using statistical models, e.g. Hidden Markov Models [HMMs]
-
- 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
- G10L15/08—Speech classification or search
- G10L15/18—Speech classification or search using natural language modelling
- G10L15/1815—Semantic context, e.g. disambiguation of the recognition hypotheses based on word meaning
-
- 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
- G10L15/08—Speech classification or search
- G10L15/18—Speech classification or search using natural language modelling
- G10L15/1822—Parsing for meaning understanding
-
- 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
- G10L15/28—Constructional details of speech recognition systems
- G10L15/30—Distributed recognition, e.g. in client-server systems, for mobile phones or network applications
-
- 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
- G10L15/28—Constructional details of speech recognition systems
- G10L15/34—Adaptation of a single recogniser for parallel processing, e.g. by use of multiple processors or cloud computing
-
- 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
- G10L21/02—Speech enhancement, e.g. noise reduction or echo cancellation
- G10L21/0272—Voice signal separating
-
- 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
- G10L15/08—Speech classification or search
- G10L15/18—Speech classification or search using natural language modelling
- G10L15/183—Speech classification or search using natural language modelling using context dependencies, e.g. language models
-
- 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
- G10L2015/223—Execution procedure of a spoken command
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Acoustics & Sound (AREA)
- Multimedia (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Human Computer Interaction (AREA)
- Computational Linguistics (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Theoretical Computer Science (AREA)
- Probability & Statistics with Applications (AREA)
- Quality & Reliability (AREA)
- Signal Processing (AREA)
- Machine Translation (AREA)
Abstract
Description
本願は、2021年3月16日に中国国家知的財産権局に提出された、出願番号が202110279812.4であり、発明の名称が「音声対話方法、装置、コンピュータ可読記憶媒体及び電子機器」である中国特許出願の優先権を主張し、その内容の全ては援用により本願に組み込まれる。
本開示の上記及び他の目的、特徴や利点は、本開示の実施例についての図面を併せてのより詳細な説明によって明らかになるであろう。図面は、本開示の実施例に対するさらなる理解を提供するために用いられるとともに、本明細書の一部を構成し、本開示の実施例と共に本開示を解釈するために用いられものであり、本開示を限定するものではない。図面において、同じ参照符号は一般的に同じ部材又はステップを示す。
現在の音声対話技術は、通常、マルチチャネル音声信号の同時処理ができず、1チャネルの音声信号の同時処理のみができるため、マルチユーザ、個性化の音声認識要件を満たすことができなく、そのため、本開示の技術的解決手段では、音声対話技術を、マルチチャネル音声を認識するシーンに適用する必要がある。
図1は、本開示の実施例による音声対話方法又は音声対話装置を適用できる例示的なシステムアーキテクチャ100を示す。
図2は、本開示の例示的な一実施例にて提供される音声対話方法の概略フローチャートである。本実施例の方法は、電子機器(図1に示す端末機器101又はサーバ103)に適用できる。図2に示すように、当該方法は、以下のようなステップを含む。
図8は、本開示の例示的な一実施例にて提供される音声対話装置の概略構造図である。本実施例は、電子機器に適用でき、図8に示すように、音声対話装置は、取得モジュール801、認識モジュール802、決定モジュール803、第1生成モジュール804、処理モジュール805、解析モジュール806及び第2生成モジュール807を含む。
以下、図10を参照しながら本開示の実施例に係る電子機器について説明する。当該電子機器は、図1に示す端末機器101及びサーバ103のいずれか一方又は両方であってもよいし、これらから独立したスタンドアロン機器であってもよく、当該スタンドアロン機器は、端末機器101及びサーバ103と通信して、これらから収集された入力信号を受信することができる。
本開示の実施例は、上記の方法及び機器以外に、コンピュータプログラム命令を含むコンピュータプログラム製品であってもよく、前記コンピュータプログラム命令がプロセッサーによって実行されると、前記プロセッサーが本明細書の上記「例示的な方法」に記載の本開示の様々な実施例による音声対話方法におけるステップを実行する。
Claims (10)
- 少なくとも1チャネルのオーディオ信号を取得するステップと、
プリセットの音声認識モデルを利用して前記少なくとも1チャネルのオーディオ信号を認識し、前記音声認識モデルにより第1クラスの認識結果を得るステップと、
キャッシュから前記少なくとも1チャネルのオーディオ信号に関する記憶された認識データを決定するステップと、
前記記憶された認識データに基づいて、第2クラスの認識結果を生成するステップと、
前記音声認識モデルを利用して、前記第1クラスの認識結果及び前記第2クラスの認識結果を処理して、前記少なくとも1チャネルのオーディオ信号に対応する少なくとも1つの語句認識結果を得るステップと、
前記語句認識結果に対して語意解析を行って、少なくとも1つの解析結果を得るステップと、
前記少なくとも1つの解析結果に基づいて、音声対話機器を制御して該当する機能を実行させるための命令を生成するステップと、を含む、
音声対話方法。 - 少なくとも1チャネルのオーディオ信号を取得する前記ステップは、
オーディオ収集装置によって収集された初期オーディオ信号を受信するステップと、
前記初期オーディオ信号に対して音源分離処理を行って、前記少なくとも1チャネルのオーディオ信号を得るステップと、を含む、
請求項1に記載の方法。 - プリセットの音声認識モデルを利用して前記少なくとも1チャネルのオーディオ信号を認識し、前記音声認識モデルにより第1クラスの認識結果を得る前記ステップは、
前記少なくとも1チャネルのオーディオ信号にそれぞれ対応する音声認識インスタンスを決定するステップと、
決定された各音声認識インスタンスを並行に実行するステップと、
各音声認識インスタンスが、それぞれ前記音声認識モデルを利用して、対応するオーディオ信号を認識するステップと、を含む、
請求項1に記載の方法。 - 前記語句認識結果に対して語意解析を行って、少なくとも1つの解析結果を得るステップは、
得られた各語句認識結果にそれぞれ対応する語意解析インスタンスを決定するステップと、
決定された各語意解析インスタンスを並行に実行するステップと、
各語意解析インスタンスにより、対応する語句認識結果に対して語意解析をそれぞれ行って、前記少なくとも1つの解析結果を得るステップと、を含む、
請求項3に記載の方法。 - プリセットの音声認識モデルを利用して前記少なくとも1チャネルのオーディオ信号を認識し、前記音声認識モデルにより第1クラスの認識結果を得る前記ステップは、
前記音声認識モデルに含まれている音声学サブモデルを利用して、前記少なくとも1チャネルのオーディオ信号にそれぞれ対応する音節集合及び前記音節集合内の音節に対応する第1確率スコアを決定するステップと、
前記音声認識モデルに含まれている言語サブモデルを利用して、前記少なくとも1チャネルのオーディオ信号にそれぞれ対応する単語集合を決定するステップと、
前記単語集合内の単語に基づいて、当該単語に対応する第2確率スコアが前記キャッシュに存在するか否かを決定するステップと、
存在しないと、前記言語サブモデルを利用して、当該単語に対応する第2確率スコアを決定するステップと、
前記第1確率スコア及び前記言語サブモデルによって決定された第2確率スコアに基づいて、前記第1クラスの認識結果を決定するステップと、を含む、
請求項1に記載の方法。 - キャッシュから前記少なくとも1チャネルのオーディオ信号に関する記憶された認識データを決定する前記ステップは、
前記単語集合内の単語に対して、当該単語に対応する第2確率スコアが前記キャッシュに存在するか否かを決定するステップと、
存在すると、前記キャッシュ内の第2確率スコアを当該単語の第2確率スコア言語サブモデルとして決定するステップと、
前記第1確率スコアと、前記キャッシュから決定された第2確率スコアに基づいて、第2クラスの認識結果を決定するステップと、を含む、
請求項5に記載の方法。 - 前記音声認識モデルを利用して、前記第1クラスの認識結果及び前記第2クラスの認識結果を処理して、前記少なくとも1チャネルのオーディオ信号に対応する少なくとも1つの語句認識結果を得る前記ステップは、
前記第1クラスの認識結果及び前記第2クラスの認識結果にそれぞれ含まれる第1確率スコア及び第2確率スコアにしたがって、前記音声認識モデルに含まれる復号ネットワーク内で前記単語集合の目標パスを決定するステップと、
前記目標パスに基づいて、前記少なくとも1チャネルのオーディオ信号に対応する少なくとも1つの語句認識結果を生成するステップと、を含む、
請求項6に記載の方法。 - 少なくとも1チャネルのオーディオ信号を取得するための取得モジュールと、
プリセットの音声認識モデルを利用して前記少なくとも1チャネルのオーディオ信号を認識し、前記音声認識モデルにより第1クラスの認識結果を得るための認識モジュールと、
キャッシュから前記少なくとも1チャネルのオーディオ信号に関する記憶された認識データを決定するための決定モジュールと、
前記記憶された認識データに基づいて、第2クラスの認識結果を生成するための第1生成モジュールと、
前記音声認識モデルを利用して、前記第1クラスの認識結果及び前記第2クラスの認識結果を処理して、前記少なくとも1チャネルのオーディオ信号に対応する少なくとも1つの語句認識結果を得るための処理モジュールと、
前記語句認識結果に対して語意解析を行って、少なくとも1つの解析結果を得るための解析モジュールと、
前記少なくとも1つの解析結果に基づいて、音声対話機器を制御して該当する機能を実行させるための命令を生成するための第2生成モジュールと、を含む、
音声対話装置。 - コンピュータプログラム命令が記憶されているコンピュータ可読記憶媒体であって、
前記コンピュータプログラム命令が実行されると、請求項1~7のいずれか1項に記載の方法を実現する、
コンピュータ可読記憶媒体。 - プロセッサーと、
前記プロセッサーが実行可能な命令を記憶するためのメモリと、を含み、
前記プロセッサーは、請求項1~7のいずれか1項に記載の方法を実現するために、前記メモリから前記実行可能な命令を読み取って、前記命令を実行するために用いられる。
電子機器。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110279812.4 | 2021-03-16 | ||
CN202110279812.4A CN113066489B (zh) | 2021-03-16 | 2021-03-16 | 语音交互方法、装置、计算机可读存储介质及电子设备 |
PCT/CN2022/076422 WO2022193892A1 (zh) | 2021-03-16 | 2022-02-16 | 语音交互方法、装置、计算机可读存储介质及电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2023520861A true JP2023520861A (ja) | 2023-05-22 |
Family
ID=76560535
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2022558093A Pending JP2023520861A (ja) | 2021-03-16 | 2022-02-16 | 音声対話方法、装置、コンピュータ可読記憶媒体及び電子機器 |
Country Status (4)
Country | Link |
---|---|
US (1) | US20240005917A1 (ja) |
JP (1) | JP2023520861A (ja) |
CN (1) | CN113066489B (ja) |
WO (1) | WO2022193892A1 (ja) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113066489B (zh) * | 2021-03-16 | 2024-10-29 | 深圳地平线机器人科技有限公司 | 语音交互方法、装置、计算机可读存储介质及电子设备 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004198597A (ja) * | 2002-12-17 | 2004-07-15 | Advanced Telecommunication Research Institute International | 音声認識装置および文分類装置としてコンピュータを動作させるコンピュータプログラム、階層化された言語モデルを作成する方法を実現する様にコンピュータを動作させるコンピュータプログラム、および記憶媒体 |
JP2007093789A (ja) * | 2005-09-27 | 2007-04-12 | Toshiba Corp | 音声認識装置、音声認識方法および音声認識プログラム |
JP2013080476A (ja) * | 2011-09-30 | 2013-05-02 | Apple Inc | バーチャルアシスタントのコマンド処理を容易にするためのコンテクスト情報の使用 |
JP2013218095A (ja) * | 2012-04-09 | 2013-10-24 | Clarion Co Ltd | 音声認識サーバ統合装置および音声認識サーバ統合方法 |
JP2017156839A (ja) * | 2016-02-29 | 2017-09-07 | 富士通株式会社 | ポインティング支援装置、ポインティング支援方法およびポインティング支援プログラム |
Family Cites Families (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002533771A (ja) * | 1998-12-21 | 2002-10-08 | コーニンクレッカ フィリップス エレクトロニクス エヌ ヴィ | 音声認識履歴にもとづく言語モデル |
CN1201284C (zh) * | 2002-11-15 | 2005-05-11 | 中国科学院声学研究所 | 一种语音识别系统中的快速解码方法 |
US10013981B2 (en) * | 2015-06-06 | 2018-07-03 | Apple Inc. | Multi-microphone speech recognition systems and related techniques |
US10453445B2 (en) * | 2016-02-16 | 2019-10-22 | Carnegie Mellon University | System and method for multi-user GPU-accelerated speech recognition engine for client-server architectures |
CN108573706B (zh) * | 2017-03-10 | 2021-06-08 | 北京搜狗科技发展有限公司 | 一种语音识别方法、装置及设备 |
CN109215631A (zh) * | 2017-07-05 | 2019-01-15 | 松下知识产权经营株式会社 | 语音识别方法、程序、语音识别装置和机器人 |
CN108428446B (zh) * | 2018-03-06 | 2020-12-25 | 北京百度网讯科技有限公司 | 语音识别方法和装置 |
CN108510990A (zh) * | 2018-07-04 | 2018-09-07 | 百度在线网络技术(北京)有限公司 | 语音识别方法、装置、用户设备及存储介质 |
CN109215630B (zh) * | 2018-11-14 | 2021-01-26 | 北京羽扇智信息科技有限公司 | 实时语音识别方法、装置、设备及存储介质 |
CN109727603B (zh) * | 2018-12-03 | 2020-11-03 | 百度在线网络技术(北京)有限公司 | 语音处理方法、装置、用户设备及存储介质 |
CN112071310B (zh) * | 2019-06-11 | 2024-05-07 | 北京地平线机器人技术研发有限公司 | 语音识别方法和装置、电子设备和存储介质 |
KR102688685B1 (ko) * | 2019-07-30 | 2024-07-25 | 엘지전자 주식회사 | 음성 인식 방법 및 음성 인식 장치 |
CN110534095B (zh) * | 2019-08-22 | 2020-10-23 | 百度在线网络技术(北京)有限公司 | 语音识别方法、装置、设备以及计算机可读存储介质 |
CN110415697A (zh) * | 2019-08-29 | 2019-11-05 | 的卢技术有限公司 | 一种基于深度学习的车载语音控制方法及其系统 |
CN110473531B (zh) * | 2019-09-05 | 2021-11-09 | 腾讯科技(深圳)有限公司 | 语音识别方法、装置、电子设备、系统及存储介质 |
CN110661927B (zh) * | 2019-09-18 | 2022-08-26 | 平安科技(深圳)有限公司 | 语音交互方法、装置、计算机设备及存储介质 |
CN113066489B (zh) * | 2021-03-16 | 2024-10-29 | 深圳地平线机器人科技有限公司 | 语音交互方法、装置、计算机可读存储介质及电子设备 |
-
2021
- 2021-03-16 CN CN202110279812.4A patent/CN113066489B/zh active Active
-
2022
- 2022-02-16 US US18/247,441 patent/US20240005917A1/en active Pending
- 2022-02-16 WO PCT/CN2022/076422 patent/WO2022193892A1/zh active Application Filing
- 2022-02-16 JP JP2022558093A patent/JP2023520861A/ja active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004198597A (ja) * | 2002-12-17 | 2004-07-15 | Advanced Telecommunication Research Institute International | 音声認識装置および文分類装置としてコンピュータを動作させるコンピュータプログラム、階層化された言語モデルを作成する方法を実現する様にコンピュータを動作させるコンピュータプログラム、および記憶媒体 |
JP2007093789A (ja) * | 2005-09-27 | 2007-04-12 | Toshiba Corp | 音声認識装置、音声認識方法および音声認識プログラム |
JP2013080476A (ja) * | 2011-09-30 | 2013-05-02 | Apple Inc | バーチャルアシスタントのコマンド処理を容易にするためのコンテクスト情報の使用 |
JP2013218095A (ja) * | 2012-04-09 | 2013-10-24 | Clarion Co Ltd | 音声認識サーバ統合装置および音声認識サーバ統合方法 |
JP2017156839A (ja) * | 2016-02-29 | 2017-09-07 | 富士通株式会社 | ポインティング支援装置、ポインティング支援方法およびポインティング支援プログラム |
Also Published As
Publication number | Publication date |
---|---|
WO2022193892A1 (zh) | 2022-09-22 |
US20240005917A1 (en) | 2024-01-04 |
CN113066489B (zh) | 2024-10-29 |
CN113066489A (zh) | 2021-07-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2021093449A1 (zh) | 基于人工智能的唤醒词检测方法、装置、设备及介质 | |
KR102371188B1 (ko) | 음성 인식 장치 및 방법과 전자 장치 | |
CN106373569B (zh) | 语音交互装置和方法 | |
WO2022105861A1 (zh) | 用于识别语音的方法、装置、电子设备和介质 | |
US10629186B1 (en) | Domain and intent name feature identification and processing | |
US20220139389A1 (en) | Speech Interaction Method and Apparatus, Computer Readable Storage Medium and Electronic Device | |
US20200219384A1 (en) | Methods and systems for ambient system control | |
CN114038457B (zh) | 用于语音唤醒的方法、电子设备、存储介质和程序 | |
CN113674742B (zh) | 人机交互方法、装置、设备以及存储介质 | |
US12087305B2 (en) | Speech processing | |
CN111210824B (zh) | 语音信息处理方法、装置、电子设备及存储介质 | |
US20240013784A1 (en) | Speaker recognition adaptation | |
US20240331686A1 (en) | Relevant context determination | |
CN114913590B (zh) | 一种数据的情感识别方法、装置、设备及可读存储介质 | |
CN113611316A (zh) | 人机交互方法、装置、设备以及存储介质 | |
JP2023520861A (ja) | 音声対話方法、装置、コンピュータ可読記憶媒体及び電子機器 | |
CN113889091A (zh) | 语音识别方法、装置、计算机可读存储介质及电子设备 | |
US11775617B1 (en) | Class-agnostic object detection | |
CN109887490A (zh) | 用于识别语音的方法和装置 | |
CN116075888A (zh) | 用于减少云服务中的延迟的系统和方法 | |
KR20210066651A (ko) | 전자 장치 및 이의 제어 방법 | |
US20230317066A1 (en) | Shared encoder for natural language understanding processing | |
CN116092485A (zh) | 语音识别模型的训练方法及装置、语音识别方法及装置 | |
CN115132195A (zh) | 语音唤醒方法、装置、设备、存储介质及程序产品 | |
CN112487180B (zh) | 文本分类方法和装置、计算机可读存储介质和电子设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220922 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20231128 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20240123 |
|
A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20240507 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A821 Effective date: 20240906 |
|
A911 | Transfer to examiner for re-examination before appeal (zenchi) |
Free format text: JAPANESE INTERMEDIATE CODE: A911 Effective date: 20240930 |