JP4067276B2 - スピーチ認識システムを構成する方法及びシステム - Google Patents
スピーチ認識システムを構成する方法及びシステム Download PDFInfo
- Publication number
- JP4067276B2 JP4067276B2 JP2000571437A JP2000571437A JP4067276B2 JP 4067276 B2 JP4067276 B2 JP 4067276B2 JP 2000571437 A JP2000571437 A JP 2000571437A JP 2000571437 A JP2000571437 A JP 2000571437A JP 4067276 B2 JP4067276 B2 JP 4067276B2
- Authority
- JP
- Japan
- Prior art keywords
- network application
- speech
- command
- application server
- server
- 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
Links
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/50—Network services
- H04L67/75—Indicating network or usage conditions on the user display
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/04—Protocols specially adapted for terminals or networks with limited capabilities; specially adapted for terminal portability
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L9/00—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols
- H04L9/40—Network security protocols
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L69/00—Network arrangements, protocols or services independent of the application payload and not provided for in the other groups of this subclass
- H04L69/30—Definitions, standards or architectural aspects of layered protocol stacks
- H04L69/32—Architecture of open systems interconnection [OSI] 7-layer type protocol stacks, e.g. the interfaces between the data link level and the physical level
- H04L69/322—Intralayer communication protocols among peer entities or protocol data unit [PDU] definitions
- H04L69/329—Intralayer communication protocols among peer entities or protocol data unit [PDU] definitions in the application layer [OSI layer 7]
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/18—Information format or content conversion, e.g. adaptation by the network of the transmitted or received information for the purpose of wireless delivery to users or terminals
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Computer Security & Cryptography (AREA)
- Mobile Radio Communication Systems (AREA)
- Telephonic Communication Services (AREA)
- Exchange Systems With Centralized Control (AREA)
- Computer And Data Communications (AREA)
- Selective Calling Equipment (AREA)
Description
【技術分野】
本発明は、ネットワークアプリケーションサーバをスピーチコマンドに基づいて制御するテレコミュニケーションネットワーク用のスピーチ制御システム及び方法に係る。
【0002】
【背景技術】
分散型のスピーチ認識(DSR)システムでは、ユーザは、自動スピーチ認識(ASR)手段即ちエンジンに供給される口述制御メッセージに基づいてアプリケーションを制御することができる。この口述制御メッセージは、ASRエンジンによりテキストコマンドに変換され、これらのテキストコマンドは、対応するネットワークアプリケーションサーバー(NAS)において実行されるアプリケーションに送られるか、又はその口述制御メッセージを受信したところの移動ステーション(MS)のような加入者ターミナルに送られる。
【0003】
移動アプリケーションの状況における分散型スピーチ認識システムの基本的な機能は、ネットワークに設けられた高能力のASRエンジン又はASRサーバーの助けで自動スピーチ認識特徴を与えるという移動ステーションの能力である。それ故、移動ステーションの基本的な機能は、このネットワークASRエンジンに入力スピーチコマンドを送信して、認識タスクを実行しそしてその結果を返送することである。この結果は、テキストフォーマットの認識されたワード又はコマンドである。次いで、移動ステーションは、このテキストを使用して、必要な機能を遂行することができる。
【0004】
このようなシステムの別の機能は、スピーチコマンドにより、他のアプリケーションサーバー、即ちインターネットWWW(ワールドワイドウェブ)、電子メール、音声メール等へのアクセスを移動ステーションに与えることである。それ故、このような形式の移動ステーションをもつユーザは、これらのアプリケーションサーバーに接続しそしてスピーチコマンドを発生することができる。これを達成するために、移動ステーションは、スピーチ信号(音声)をASRエンジンに送信する。ASRエンジンは、スピーチ認識を実行して、それに対応するテキストコマンドを得る。これらのテキストコマンドは、移動ステーションへ返送される。次いで、移動ステーションは、これらのテキストコマンドを使用して、それに対応するネットワークアプリケーションサーバー(NAS)を制御し、このサーバーは、WWW、電子メール読み取り、音声メール等の種々のサービスを提供するインターネットのようなデータネットワークにおける任意のサーバーである。
【0005】
ASRエンジンは、通常、他のアプリケーション又は他のタスクも実行できるプラットホームにおいて動作するので、ASRエンジンに他の機能を転送することもでき、例えば、得られたテキストコマンドを処理して、必要なオペレーションを確かめそして関連サーバーにコンタクトすることができる。次いで、そのコンタクトしたネットワークアプリケーションサーバーから検索された情報を移動ステーションへ返送する。この状態において、移動ステーションは、スピーチ入力を受信してそれをネットワークASRエンジンへ送信し、ASRエンジンは、スピーチ認識を実行し、スピーチコマンドに基づいて必要な機能を遂行し、そして検索された情報又は結果を移動ステーションへ送信する。
【0006】
上記ケースの一例を以下に説明する。
例1:
ユーザは、「ジョン・スミスに電話する」という。この場合、ASRエンジンは、このスピーチをテキストに変換し、そしてテキスト「ジョン・スミスに電話する(Call John Smith)」を移動ステーションに返送し、そこで、移動ステーションのアプリケーションソフトウェアがジョン・スミスの番号を検索し、発呼動作を実行する。
例2:
移動ステーションにおけるスピーチコマンドは、「レーシング情報」である。この場合、ASRエンジンは、このスピーチをテキストに変換し、そしてテキスト「レーシング情報(Racing Info)」を移動ステーションへ返送する。従って、移動ステーションのアプリケーションソフトウェアは、ユーザが、競馬情報を提供するネットワークサーバーへのアクセスを希望していることを確認する。従って、移動ステーションは、関連サーバーとの接続を確立し、最新のレース結果を検索し、そしてその結果を移動ステーションのディスプレイに表示する。
【0007】
例3:
移動ステーションに入力されるスピーチコマンドは、「電子メールの読み取り」である。この場合、ASRエンジンは、このスピーチをテキストに変換し、そしてテキスト「電子メールの読み取り(Read E-mail)」を移動ステーションへ返送する。従って、移動ステーションのアプリケーションソフトウェアは、ユーザが、ユーザの電子メールボックスへのアクセスを与えるネットワークサーバーにアクセスしたいことを確認する。この場合、移動ステーションは、関連電子メールアプリケーションサーバーとの接続を確立するためのコマンドをASRエンジンに送信する。ここで、ASRエンジンは、確認されたスピーチを返送せず、その変換されたスピーチを更に処理する。スピーチコマンドが「メッセージ1」であった場合には、ASRエンジンは、スピーチを受信し、そしてそれをテキストコマンド「メッセージ1」に変換し、このテキストコマンドを電子メールアプリケーションサーバーへ送信する。次いで、電子メールアプリケーションサーバーは、メッセージ1のテキストをASRエンジンに返送する。ASRエンジンは、次いで、このテキストを移動ステーションへ送信する。メッセージ2、3等々でダイアログが続き、ユーザが退出コマンドを発生するか、又はセッションを終了するメッセージが移動ステーションから受信されるまで、ユーザからの各スピーチコマンドがASRエンジンで処理される。
【0008】
上記例1及び2では、ASRエンジンの唯一の機能は、スピーチをテキストに変換し、そしてその結果を、更なる処理のために移動ステーションへ返送することである。それ故、ネットワークアプリケーションサーバーは、移動ステーションからコマンドを直接的に受信する。しかしながら、上記例3では、ASRエンジンは、変換されたスピーチをそれ自体で処理し、そして関連ネットワークアプリケーションサーバーに直接的にアクセスして、ネットワークアプリケーションサーバーから結果を受け取り、そしてその結果を移動ステーションへ返送する。
従って、移動ステーション又はASRエンジンは、ネットワークアプリケーションサーバーへユーザコマンドを発生しそしてネットワークアプリケーションサーバーから応答を受け取るためにネットワークアプリケーションサーバーと通信することが必要とされる。
【0009】
しかしながら、いずれの場合も、次の問題に遭遇する。読み取られるべき電子メールアプリケーションが、最も高いレベルのメニューにおいてA{メッセージ1、メッセージ2、・・メッセージN及び退出}のようなコマンドをサポートすると仮定する。ユーザが既にメッセージを読み取りつつある場合には、このコンテクストにおけるコマンドは、B{削除、退出、次のメッセージ}である。それ故、ユーザが最も高いレベルのメニューにあって、コマンドセットA以外のスピーチコマンドを入力する場合には、ネットワークアプリケーションサーバーは、エラーメッセージで応答する。たとえユーザがコマンドセットBからスピーチコマンドを発しても、このコマンドは、依然、エラーコマンドとなる。というのは、ネットワークアプリケーションサーバーのコンテクスト又は状態が異なるからである。
【0010】
更に、コンテクストに関わりないコマンドも、ノイズ等のために移動ステーションに入力されることがある。これら全てのスピーチ信号がASRエンジンによりテキストに変換され、そしてネットワークアプリケーションサーバーに送信され、このサーバーは、エラーメッセージで応答する。
このような状態が頻繁に生じるときには、ネットワークアプリケーションサーバーによる有効なコマンドの処理が遅延される。というのは、そのような無効のコマンドに応答するのに、貴重なネットワーク帯域巾及びアプリケーションサーバー処理時間が必要とされるからである。
更に、上記問題は、入力スピーチメッセージに対するARSエンジンの応答に遅延を招く。というのは、ネットワークアプリケーションサーバーからの応答を待機しなければならないからである。
従って、移動ステーションの全体的な応答時間が長くなるために、ユーザは、コマンドを繰り返すか又はコマンドを変更し、これにより、遅延が更に増大すると共に、システムの性能低下を招く。
【0011】
【発明の開示】
本発明の目的は、全体的な応答時間を短縮したスピーチ制御システム及び方法を提供することである。
この目的は、テレコミュニケーションネットワーク用のスピーチ制御システムにおいて、ネットワークアプリケーションサーバーの考えられる状態を定義する状態定義情報をネットワークアプリケーションサーバーからロードするためのロード手段と、上記ネットワークアプリケーションサーバーに対する1組の有効コマンドを上記状態定義情報に基づいて決定するための決定手段と、上記ネットワークアプリケーションサーバーを制御するのに使用される入力スピーチコマンドを変換することにより得られたテキストコマンドの有効性を、そのテキストコマンドを上記決定された1組の有効コマンドと比較することによりチェックするためのチェック手段とを備えたスピーチ制御システムにより達成される。
【0012】
更に、上記目的は、テレコミュニケーションネットワークのスピーチ制御方法において、ネットワークアプリケーションサーバーの考えられる状態を定義する状態定義情報をネットワークアプリケーションサーバーからロードし、上記ネットワークアプリケーションサーバーに対する1組の有効コマンドを上記状態定義情報に基づいて決定し、そして上記ネットワークアプリケーションサーバーを制御するのに使用されるスピーチコマンドを変換することにより得られたテキストコマンドの有効性を、そのテキストコマンドを上記決定された1組の有効コマンドと比較することによりチェックするという段階を含む方法により達成される。
【0013】
従って、ネットワークアプリケーションサーバーによって与えられる状態定義情報に基づいて1組の有効なコマンドを決定できるので、得られたテキストコマンドの有効性は、そのテキストコマンドをネットワークアプリケーションサーバーへ送信する前にチェックすることができる。従って、エラーテキストメッセージの送信を防止して、それに対応する遅延や、ネットワークアプリケーションサーバーの処理時間の浪費を防止することができる。
好ましくは、ロード手段は、ネットワークアプリケーションサーバーによってサポートされる有効コマンドの全組を指定する文法及び/又は語彙情報をロードするよう構成することができ、そして上記決定手段は、上記有効コマンドの全組と、上記状態定義情報に含まれた状態移行情報とに基づいて、上記1組の有効コマンドを決定するように構成することができる。
【0014】
従って、スピーチ制御システムは、状態移行ルールを参照することによりネットワークアプリケーションサーバーの実際の状態に追従し、有効コマンドの全組を、ネットワークアプリケーションサーバーの実際の状態に対応するコマンドに制限することができる。
或いは又、決定手段は、状態定義情報に含まれた状態移行情報に基づいて状態変化を決定するときに、ネットワークアプリケーションサーバーの特定の状態に対して1組の有効コマンドを定義する状態従属文法ファイルを上記ロード手段によりロードさせるように構成することができる。
従って、ネットワークアプリケーションサーバーの特定の状態に適応し得る1組の有効コマンドのみが、状態移行情報を参照することによりロードされる。これにより、精度を改善できると共に、ネットワーク接続をより効率的に使用することができる。
【0015】
好ましくは、ネットワーク制御システムは、加入者ターミナルから受け取った入力スピーチコマンドを、ネットワークアプリケーションサーバーへ供給されるべきテキストコマンドに変換するためのスピーチ認識手段を備えている。従って、個々の加入者ターミナルによりアクセスできるネットワークに、中央スピーチ制御システムを設けることができる。ワイヤレスアプリケーションプロトコル(WAP)が移動ネットワークに使用される場合には、スピーチ制御システムは、ワイヤレス電話アプリケーション(WTA)サーバーにおいて実施することができ、WTAサーバーは、加入者ターミナルから受け取った入力スピーチコマンドを上記テキストコマンドに変換するために、ネットワークスピーチ認識手段からテキストコマンドを受け取るように構成される。これにより、既存のWTAアプリケーションを、最適化されたスピーチ認識で改善することができる。
【0016】
或いは又、スピーチ制御システムは、スピーチコマンドを入力するための入力手段と、スピーチコマンドをテレコミュニケーションネットワークのスピーチ認識手段に送信するための送信手段と、スピーチ認識手段からテキストコマンドを受け取るための受信手段とを有する加入者ターミナルであり、上記送信手段は、受信したテキストコマンドをネットワークアプリケーションサーバーへ送信するように構成される。
従って、受信したテキストコマンドの有効性のチェックは、それがネットワークアプリケーションサーバーに送信される前に、加入者ターミナル、例えば移動ステーションにおいて実行される。従って、ネットワークアプリケーションサーバは、有効なコマンドしか受信しないので、ネットワークアプリケーションサーバーにおける処理時間を短縮することができる。
【0017】
状態定義情報は、ワイヤレスマークアップ言語(WML)ファイル又はハイパーテキストマークアップ言語(HTML)ファイルのようなデータファイルである。このデータファイルは、ネットワークアプリケーションサーバーにより送信される標準的情報の一部分としてスピーチ制御システムにオンラインで送信することができる。
更に、状態定義情報は、状態従属文法及び/又は語彙ファイルをロードするためのロード命令を含む。従って、スピーチ制御システムは、ネットワークアプリケーションサーバーの状態変化が決定された場合には、特定の1組の有効コマンドをロードするためにロード命令を直接的に使用することができる。
好ましくは、状態定義情報は、ネットワークアプリケーションサーバーによりサーバーの設定時間に与えることができる。
【0018】
更に、状態定義情報は、スピーチ制御システムのハードウェアにおいて動作するネットワークサーバーにコマンドセットと一緒に記憶することができる。
好ましくは、スピーチ制御システムは、複数の売主特有のスピーチ認識手段を備え、これら複数の売主特有のスピーチ認識手段の対応パラメータは、状態定義情報において定義される。これにより、ハードウェア及びソフトウェア独立のプラットホームをベースとするユニバーサルスピーチ制御システムを得ることができる。従って、必要とされる音声処理ハードウェア及び売主特有のスピーチ認識手段を、ネットワークアプリケーションサーバーに基づいて選択することができる。
本発明の更に別の好ましい開発は、従属請求項に記載する。
【0019】
【発明を実施するための最良の形態】
以下、添付図面を参照して、本発明の好ましい実施形態を詳細に説明する。
本発明の好ましい実施形態によるスピーチ制御システムを含むテレコミュニケーションネットワークがブロック図の形態で図1に示されている。図1において、移動ステーション(MS)1は、ベースステーションサブシステム(BSS)2に無線接続され、このBSSは、移動交換センター(MSC)3を経てテレコミュニケーションネットワーク4に接続される。テレコミュニケーションネットワーク4は、種々のサービスを提供するインターネットのようなデータネットワークである。
【0020】
更に、ネットワークアプリケーションサーバー(NAS)5がネットワーク4に接続され、対応するコマンドに基づいて特定のサービスを提供する。又、自動スピーチ認識手段即ちエンジン(ASR)6は、移動ステーション1のような加入者ターミナルにスピーチ入力を行えるようにする中央手段として設けられる。
認識プロセスを改善し、そしてより高い精度で認識レートに到達するために、言語特有の特徴がASRエンジン6に使用される。スピーチ認識の高い精度を達成するために、アプリケーションを必要なコンテクストに微同調させねばならない。これは、アプリケーションのための語彙、及びアプリケーションのコンテクストにおいて有効な文法を指定することにより行われる。語彙とは、基本的に、ASRエンジン6により認識されるべき1組のワード、例えば、クローズ、リード、メッセージ、オレンジ、ペン、椅子、退出、オープン等のワードである。ASRエンジン6においては、所与のアプリケーションに対して文法を適用するための手段を設けることができる。これは、例えば、次のようなルールに基づく文法により達成することができる。
公開<コマンド>=[<丁寧>]<行動><目的>(且つ<目的>)*;
<行動>=読む|次ぎ|削除;
<目的>=メッセージ|項目;
<丁寧>=どうぞ;
【0021】
このルールに基づく文法では、ユーザにより話される1つの公開ルール<コマンド>が指定される。このルールは、サブルール<行動>、<目的>及び<丁寧>の組合せであり、<丁寧>の周りの四角い括弧は、その任意性を示す。それ故、上記文法は、コマンド「メッセージを読む(read message)」、「どうぞ、項目及びメッセージを読んで下さい(please read item and message)」、等をサポートする。
コマンドベースのASRアプリケーションでは、ルールに基づく文法を使用して、アプリケーションが処理するようプログラムされた全ての口述入力を定義する。ルールに基づく文法は、基本的に、アプリケーションによりサポートされる全ての口述コマンド(又はコマンド構文)を指定する。電子メール読取装置の場合には、文法ファイルは、電子メール読み取りアプリケーションが受け入れる全てのコマンドを含む(例えば、メッセージ1、メッセージ2、・・メッセージN、退出、削除及び次のメッセージ)。
【0022】
ASRエンジン6は、一般に、スピーチ認識を開始する前に、関連文法ファイルをロードする。あるアプリケーションは、ネットワークアプリケーションサーバー5のようなアプリケーションの異なるコンテクストを定義するために多数の文法ファイルをもつことができ、ここで、ASRエンジン6は、実行時間にコンテクスト従属の文法ファイルをロードすることが要求される。
好ましい実施形態では、文法ファイル、語彙ファイル、及びアプリケーション状態定義ファイル(ASDファイル)が定義される。それ故、各ネットワークアプリケーションサーバー5は、ASDファイル、文法ファイル及び/又は語彙ファイルを形成する。文法ファイルは、ASRエンジン6の要求事項に適用され、異なる売主のASRエンジン6は、異なる文法ファイルフォーマットを有する。
【0023】
ASDファイルは、アプリケーションの全ての考えられる状態と、それら状態間をいかにジャンプするかを、各状態に対する有効コマンドと共に記述するファイルである。従って、ASDファイルは、コンテクスト従属の文法ファイル及び語彙ファイル名を指定するための手段を形成する。これは重要な特徴である。というのは、所与のアプリケーションは、コンテクストに基づいて異なる文法及び/又は語彙を使用するからである。この情報がASRエンジン6にオンラインでロードされる場合には、小さな組の有効コマンドと、それにより得られる高い認識精度とにより、スピーチ認識及び全体的な応答時間を著しく改善することができる。
【0024】
ASDファイルが、HTML(ハイパーテキストマークアップ言語)に類似した構文をベースとする場合には、次のように定義することができる。
【0025】
但し、<ASD>タグは、ネットワークアプリケーションサーバー5の状態定義を与えるファイル形式としてファイルを識別し、<APP>タグは、アプリケーション名を指定し、そして<STATE>タグは、所与の状態即ち状態の名称と、この状態に対する有効コマンドを定義し、そして各コマンドで、アプリケーションがジャンプしなければならない次の状態も定義される。このような<STATE>タグは、ネットワークアプリケーションの各状態に対して定義される。<GRAMMAR>タグは、コマンド及びコマンドの構文を定義する手段を与える。
【0026】
上記ファイルに基づき、アプリケーションは、メッセージ1、2、3、・・Nの後に、状態「Read」へジャンプしなければならない。<digits>タグは、特定の文法を定義する。ここに示すケースでは、<GRAMMAR>タグは、デジットが1、2、3、4又は5でなければならないことを示す。コマンド「Exit」の後に、アプリケーションは、退出しなければならない(これは、ナル状態(””)として示される。)「Read」状態において「Exit」コマンドが発生されたときには、「Main Menu」へ状態が移行しなければならないことに注意されたい。
【0027】
この解決策を用いると、ASDファイルは、ASRエンジン6又は移動ステーション1に、所与のコンテクストに対してどのコマンドが有効であるかを通知する。移動ステーション1又はASRエンジン6がネットワークアプリケーションサーバー5の状態に追従するために、ASDファイルには状態移行ルールも設けられる。コンテクスト従属文法ファイルを含む他のタグを使用すると、どの文法又は語彙ファイルをロードすべきかASRエンジン6に命令することができる。これにより、高い柔軟性が与えられると共に、認識をより正確に行うことができる。というのは、ASRエンジン6は、ネットワークアプリケーションサーバーのコンテクストに微同調されるからである。このようなタグの一例を以下に示す。
【0028】
図2は、好ましい実施形態において実行されるスピーチ認識プロセスの一例を示すフローチャートである。
最初に、ASRエンジン6は、接続されるべきネットワークアプリケーションサーバー5から対応ASDファイルをロードする(S101)。ロードされたASDファイルにおいて、ASRエンジンは、ネットワークアプリケーションサーバー5が状態「Read」に入るときに、状態従属文法ファイル、即ち「Read Email.gmr」をロードするように命令される。或いは又、ASRエンジン6は、ネットワークアプリケーションサーバー5から一般的な文法ファイルをロードしてもよい(S102)。
【0029】
次いで、文法ファイルに基づき、スピーチ認識の有効テキストコマンドが決定される(S103)。状態従属文法ファイルの場合には、ロードされた文法ファイルに定義されたコマンドが、スピーチ認識の有効コマンドとして決定される。一般的な文法ファイルの場合には、有効コマンドが、ASDファイルに与えられた対応情報に基づいて一般的文法ファイルから選択される。従って、この状態では、又は少なくとも異なる文法ファイルがロードされるまでは、この決定された有効コマンドしか許されない。
【0030】
その後、スピーチコマンドが移動ステーション1から受け取られ(S104)そしてその受け取ったスピーチコマンドに対してスピーチ認識が実行される(S105)。スピーチ認識処理によりその受け取ったスピーチコマンドから導出されたテキストコマンドは、次いで、決定された有効テキストコマンドに対してチェックされる(S106)。
ステップ107において有効コマンドが決定された場合には、テキストコマンドがネットワークアプリケーションサーバー5又は移動ステーション1に直接的に送られる(S108)。さもなくば、エラーメッセージが送信され、スピーチコマンドがエラーであることが移動ステーション1に通知される(S109)。
【0031】
その後、ASRエンジン6は、ASDファイルに定義された状態移行ルールを参照し、そしてその送られたコマンドがネットワークアプリケーションサーバー5の状態変化を招くかどうか決定する(S110)。状態変化が決定されない場合には、処理がステップS104に復帰して、別のスピーチコマンドを受け取ると共に、もし必要であれば、別の受け取ったスピーチコマンドのスピーチ認識を実行する。
状態変化が決定された場合には、処理がステップ103に復帰し、そしてASRエンジン6は、ASDファイルを参照して、新たな1組の有効テキストコマンドを決定する。これは、ASDファイルに与えられる命令に基づいて新たな状態従属文法ファイルをロードするか、或いはASDファイルの対応情報に基づいて一般的な文法ファイルから新たな有効コマンドを選択することにより、達成することができる。その後、ステップ104において新たなスピーチコマンドが受け取られ、そしてステップ105においてスピーチ認識が継続される。
【0032】
重要なことは、DSR型のアプリケーションは、アプリケーション特有の特徴をASRエンジン6に通すという標準的な方法をもつ必要があることである。というのは、ASRエンジン6は、汎用のASRリソースであり、そしていかなるネットワークアプリケーションも、状態定義及び文法ファイルを形成することによりASR特徴を使用できねばならないからである。それ故、好ましい実施形態によれば、ASRエンジン6は、実行時間に新たな文法ファイルをロードすることができる。これは、ASRエンジン6が、ASDファイルを参照することによりネットワークアプリケーションサーバー5の特定の状態/コンテクストに適用できる文法ルールのみをロードするように命令され得ることを意味する。これは、認識の精度及びネットワーク接続使用の効率を著しく改善する。
【0033】
ネットワークアプリケーションサーバー5及びそのユーザインターフェイスの実施は、使用するソフトウェア及びハードウェアプラットホームに基づいて変化し得る。ほとんどのネットワークアプリケーションサーバー5は、HTTPインターフェイス(即ちHTML)、WAP(ワイヤレスアプリケーションプロトコル−WML)又は所有のアプリケーションインターフェイス(API)を与えることができる。ASDファイルがWML(ワイヤレスマークアップ言語)又はHTML(ハイパーテキストマークアップ言語)のいずれかに適用される場合には、それを、ネットワークアプリケーションサーバー5で実行されるいかなる形式のアプリケーションにおいてもアプリケーション状態又はスピーチコマンドに対する汎用定義ファイルとして使用することができる。このASD情報を使用して、ASRエンジン6は、当該NASアプリケーションの内部表示を形成することができる。次いで、この表示又はモデルを使用して、ASRエンジン6をネットワークアプリケーションサーバー5のアプリケーション状態と同期状態に保つことができる。
【0034】
従って、スピーチ認識特徴を与える各ネットワークアプリケーションサーバー5は、そのスピーチ特有のWMLカード又はHTML位置を有する。一例として、毎日のニュースサービスの場合には、状態定義情報URL(均一リソースロケータ)は、次のようなファイルでよい。
//services.internal.net/dailynews/speechsettings
それ故、スピーチ制御システムは、それが移動ステーション1にあるかネットワークサーバーにあるかに関わりなく、このファイルを所与のURLからロードすることが必要である。
【0035】
更に、ネットワークアプリケーションサーバー5が実際にHTTP又はWAP基点サーバーである場合には、このサーバーにより送信される第1のWMLカード又はHTMLページが、特定のタグのもとで上記特有のURLを含むことができる。従って、移動ステーション1には、このアプリケーションがスピーチ制御をサポートすること、及びこのURLにおけるファイルをロードしてスピーチ認識ファシリティを形成する必要があることを通知できる。
従って、ASDファイルは、ネットワークアプリケーションサーバー5により送信される標準的なHTML/WMLスクリプトの一部分としてASRエンジン6へオンラインで送信することができる。ASRエンジン6は、これらのスクリプトを自動的に解釈し、そしてネットワークアプリケーションサーバー5と歩調を保って、スピーチコマンドを効率的に処理すると共に、文法ファイルのオンラインローディング等の機能を実行する。この場合に、ASRエンジン6は、LOADGRAMMARタグに指定されたURLを直接参照して、関連文法ファイルを読み取る。
【0036】
ネットワークアプリケーションサーバー5の他の非WML/HTMLアプリケーションについては、ASDファイルがネットワークアプリケーションサーバー5により設定時に即ちオフラインでASRエンジン6に供給される。これらのASDファイルは、上述したHTMLのような仕様に従って形成されねばならず、そしてASRエンジン6のハードウェアで動作するWWWサーバー(例えば、www.asr.com)に文法ファイルと共に記憶される。
ASRエンジン6とネットワークアプリケーションサーバー5との間の対話の始めに、ASRエンジン6は、先ず、サーバーwww.asr.comからASDファイルをロードし、そしてネットワークアプリケーションサーバー5のアプリケーションの内部状態表示/モデルを形成する。その後、ASRエンジンは、ネットワークアプリケーションサーバー5の状態と歩調を合わせて、スピーチコマンドを効率的に処理すると共に、文法ファイルのランタイムローディングのような機能を実行する。この場合には、LOADGRAMMARタグは、www.asr.comを指す全URLを含む。
【0037】
ネットワークアプリケーションサーバー5のアプリケーションが例えば装置名vmsvrをもつ「音声メールサーバー」である場合には、例えば、次のURLが使用される。
"http://www.asr.com/vmsvr/Grammar/vmail.gmr"
上記アプリケーションは、ネットワーク4における単一のASRエンジン6の使用をベースとするものであった。ここで、ASRエンジン6は、固定ハードウェア及びソフトウェアプラットホームにおいて実施される。移動ステーションのアプリケーションの観点から、この汎用ASRエンジン6は、ASR要求を取り扱い、そして対応するテキストコマンドで応答する。
【0038】
しかしながら、ASRエンジン6がハードウェア及びソフトウェアとは独立したプラットホーム、例えば、JSAPIを伴うJava(JavaスピーチAPI、即ち異なる売主のASRエンジンに対して共通のAPIを与える現在開発中の標準的API)をベースとする場合には、ASDファイルの機能を更に拡張することができる。この場合には、必要な音声処理ハードウェア及び売主特有のASRエンジン6をネットワークアプリケーションサーバー5のアプリケーションに基づいて選択するという融通性が与えられる。これは、論理的なASRエンジンを、ネットワークアプリケーションサーバー5のアプリケーション要求に基づいて売主特有の物理的ASRエンジン6に接続することができ、カスタムハードウェアも音声処理に使用できることを意味する。付加的なタグを使用して、対応する任意のパラメータをASDファイルに定義することができる。
【0039】
既存のサービス提供を改善するようにオペレータにより使用できるWAPアプリケーションにおけるASDファイルの実施例を以下に説明する。上記の例では、コンテクストベースのスピーチ認識を実行するためにASRサーバー又はエンジン6によりASDファイルが使用された。この例では、図3に示すように、ASDファイルが異なるアプリケーションサーバー、即ちWAPにおけるWTA(ワイヤレス電話アプリケーション)サーバー7により使用され、同様のタスクを実行する。この場合には、WAPイネーブルされる移動電話又はステーション1を使用すると仮定する。
【0040】
WAPイネーブルされる移動ステーション1は、全WAPスタックをインストールさせ、そしてWAE(ワイヤレスアプリケーション環境)を実行することができる。WTAサーバー7は、現在のケースでは標準移動ネットワークであるネットワーク4のサービスを制御する能力を有する。WTAサーバー7は、原理的な内容発生器として動作する。この内容は、カスタマイズされそしてクライアント、即ちWAPソフトウェアを実行している移動ステーション1にダウンロードされる。又、WTAサーバー7は、WTA事象を通して入呼びの詳細を移動ステーション1に通知するといったコール制御機能も実行することができる。
【0041】
更に、ネットワークをベースとするASRサーバー6が設けられ、これは、アプリケーションのID/アドレス、MSISDN、スピーチエンコード形式、文法ファイルID(適当な文法ルールを選択するための)及び他の任意なパラメータのようなパラメータに基づいて、アプリケーションをスピーチサーバーに接続できるようにする。更に、ASRサーバー6は、所与のMSISDN番号へ出呼びを与える能力を有し、ASRサーバー6は、PCM、CEP又は他のフォーマットを有する受信音声入力を抽出し、その音声入力をスピーチ認識エンジンに供給して、認識されたテキストを得、そしてそのテキストを発呼側アプリケーションのID/アドレスに送信する。次いで、WTAサーバー7は、テキストの有効性をチェックし、そして文法ファイル等をロードするようにASRサーバー6を制御することもできる。
【0042】
スピーチインターフェイスを有する各ネットワークアプリケーションサーバー5は、ASDファイルをWTAサーバー7に、そのサーバーに対する基本的なWMLカードデッキ即ちWML文書と共に与える。WTAサーバー7は、ASDファイルをロードし、そして移動ステーション1に送信されたWMLをASDファイル設定に基づいて変更することができる。ASDファイルに基づき、移動ステーション1の音声機能及びASRサーバー6の設定は、アプリケーションコンテクストに基づいて制御される。
【0043】
ここに示す例では、ASDファイルは、実際のアプリケーションに対して使用されるべきASRエンジン、実際のスピーチイネーブルされるアプリケーションに使用されるASRエンジンによりサポートされるエンコード形式、使用されるべきデフォールト文法ファイル(ファイル名)、デフォールト語彙(ファイル名又はワード)及び実際のアプリケーションの状態、即ちメニューハイアラーキーのような属性を定義する。各メニューは、メニューにサポートされるコマンド及びそれに対応するNEXT状態に対する仕様、以前に設定された値をオーバーライドする新たな文法ルール及び語彙、並びに実際のアプリケーションが、移動ステーション1のマイクロホン又はスピーカがオンであることを必要とするかオフであることを必要とするかを指定するパラメータを与える。
【0044】
ここに示すWAPベースの例の動作を、天気サービスアプリケーション及び音声メールサービスアプリケーションについて以下に説明する。
天気サービスアプリケーション
サービスプロバイダー(オペレータ)は、天気サービスをその移動加入者に提供し、そしてスピーチインターフェイスを経てそのサービスをオファーする。オペレータは、ASRサーバー6をそのネットワーク4にインストールしており、そしてこのASRサーバー6をWTAサーバー7と共に使用して、天気サービスにスピーチインターフェイスを与える。
【0045】
この場合、移動ステーション1のユーザは、スピーチインターフェイスを使用するように既に準備されている天気メニューをアクチベートする。この要求は、WAEによってWTAサーバー7へ送信される。次いで、WTAサーバー7は、天気サービスに関連して対応するネットワークアプリケーションサーバー5から予めロードされたWMLカードのデッキを移動ステーション1に送信する。この点において、移動ステーション1のWAEソフトウェアは、聴取モードに入り、ネットワーク4のASRサーバー6からの入呼びに応答する。その後に、WTAサーバー7は、ASRサーバー6へASRセッションに対する要求を送信し、これは、MSISDN、WTAサーバー7との割り当てられたセッションのID、及び使用されるべき文法ルールのIDを含む。文法ルール名は、天気サービスに対して対応するネットワークアプリケーションサーバー5から予めロードされたASDファイルから導出される。
【0046】
ASRサーバー6は、必要なリソース、即ちスピーチエンジンのダイヤルアウトポート及びASRセッションが得られるように確保し、そしてその確認をWTAサーバー7へ送信する。その後、ASRサーバー6は、MSISDNをコールし、そしてネットワーク4がコール指示を移動ステーション1へ送信する。移動ステーション1のWAEソフトウェアは、自動的にコールに応答し、そしてASRサーバー6と移動ステーション1との間にスピーチ接続が確立される。実際に、移動ステーション1とASRサーバー6との間の上記コールシグナリングは、WTAサーバー7を経て実行される。
WTAサーバー7から得られたアプリケーション従属のWMLに基づき、移動ステーション1は、そのスピーカをデアクチベートし、そしてそのマイクロホンを経て受け取った音声入力を、確立されたスピーチ接続を通して送信する。音声入力は、WAEソフトウェアにより、必要なフォーマット、即ちPCM、CEP等に基づいてコード化される。ASRサーバー6は、受け取った音声入力をテキストに変換し、そしてその得られたテキストをWTAサーバー7へ送信する。
【0047】
天気セッションが開始されているので、WTAサーバー7は、それに対応するASDファイルをロードしており、現在は、受け取ったテキストを有効なコンテクスト従属コマンドと比較する位置にいる。有効なコマンド、即ち「ロンドンUK」が受信された場合には、WTAサーバー7は、天気サービスを提供するネットワークアプリケーションサーバー5から英国ロンドンのWML/HTMLを要求する。ネットワークアプリケーションサーバー5は、要求されたロンドンの天気レポートで応答し、WTAサーバー7は、ロンドンの天気に対するWMLカードデッキを移動ステーション1に供給する。文法ルール又は語彙がWMLカードのセットにおいて変更される場合には、ASDファイルは、それに対応する情報を含み、そしてWTAサーバー7は、ロンドンの天気について使用されるべき新たな文法ルール又は語彙をASRサーバー6に送信する。従って、ASRサーバー6は、新たなWMLカードに対して要求される新たな文法又は語彙を使用する準備ができる。
【0048】
その後、移動ステーション1から受信したスピーチコマンドからASRサーバー6により変換されたテキストは、WTAサーバー7に送信され、該サーバーはその有効性をチェックする。有効コマンド即ち「ヒースロー」が受信された場合には、WTAサーバー7は、ロンドン・ヒースローの天気情報を要求し、そしてネットワークアプリケーションサーバー5は、要求された天気レポートで応答する。次いで、ロンドン・ヒースローの天気に対するWMLカードデッキがWTAサーバー7により移動ステーション1へ供給される。
音声メールサービスアプリケーション
この場合には、サービスプロバイダー(又はオペレータ)は、音声メールサービスにその移動加入者へのスピーチサービスを与える。
【0049】
音声メールサービスを提供するネットワークアプリケーションサーバー5は、新たな音声メールメッセージをWTAサーバー7へ送信する。次いで、WTAサーバー7は、移動ステーション1への音声メールサービスに関連してネットワークアプリケーションサーバー5から予めロードされたWMLカードのデッキを送信する。この点において、移動ステーション1のWAEソフトウェアは、聴取モードに入り、ネットワーク4のASRサーバー6からの入呼びに応答する。次いで、移動ステーション1は、WTAサーバー7にASR要求を送信し、これは、ユーザが音声メールサービスへのスピーチインターフェイスを使用することを指示する。この点において、WTAサーバー7は、ネットワーク4に、入呼び指示をWTAサーバー7に送信するよう命令する。
【0050】
その後、WTAサーバー7は、ASRサーバー6にASRセッションに対する要求を送信し、これは、MSISDN、WTAサーバー7との割り当てられたセッションのID、及び使用されるべき文法ルールのIDを含む。文法ルール名は、音声メールサービスについて対応するネットワークアプリケーションサーバー5から予めロードされたASDファイルから導出される。
ASDサーバー6は、要求されたリソース即ちダイヤルアウトポート及びスピーチエンジンのASRセッションが得られるように確保し、そしてWTAサーバー7に確認を送信する。その後、ASRサーバー6は、MSISDNにコールし、そしてネットワーク4は、コール指示を移動ステーション1に送信する。移動ステーション1のWAEソフトウェアは、そのコールに自動的に応答し、そしてARSサーバー6と移動ステーション1との間にスピーチ接続が確立される。
【0051】
WTAサーバー7から得られたアプリケーション従属のWMLに基づき、移動ステーション1は、そのスピーカ及びマイクロホンの両方をアクチベートし、そしてそのマイクロホンを経て受信した音声入力を、確立されたスピーチ接続を通して送信する。この音声入力は、必要なフォーマットに基づくWAEソフトウェア、即ちPCM、CEP等によりコード化される。ASRサーバー6は、その受信した音声入力をテキストに変換する。
ここで、WTAサーバー7は、所与のMSISDNにコールするコマンドを、音声メールサービスを提供するネットワークアプリケーションサーバー5へ送信し、該サーバーは、次いで、MSISDNにコールする。このケースでは、多当事者コールが設定される。というのは、ASRサーバー6は、移動ステーション1におけるスピーチ入力を要求し、そしてネットワークアプリケーションサーバー5は、移動ステーション1に音声を送信する必要があるからである。これら2つのサービスは、異なる装置におけるものであり、そしてAPI(アプリケーションプログラミングインターフェイス)も互いの接続ももたない。両サービスは、移動ステーション1にアクセスすることを必要とするので、多当事者コールの設定が要求され、これについて以下に述べる。
【0052】
多当事者コールの設定においては、WTAサーバー7がMSISDNに対するコール指示を受け取り、そしてコール指示事象メッセージを、多当事者コールにコールの追加を命令する特殊なパラメータと共に移動ステーション1へ送信する。移動ステーション1は、コール1、即ちASRサーバー6から移動ステーション1へのコールを保留するようにネットワーク4に命令するコール保留メッセージを送信する。次いで、移動ステーション1は、コール2、即ちネットワークアプリケーションサーバー5から移動ステーション1へのコールを受け入れ、スピーチ接続が確立される。その後、移動ステーション1は、多当事者コール、即ちコール1及び2の確立を命令し、ここで、ASRサーバー6及びネットワークアプリケーションサーバー5の両方が移動ステーション1に接続される。
【0053】
音声メールセッションがスタートしているので、WTAサーバー7は、音声メールの対応ASDファイルをロードしており、現在は、受信したテキストを、有効なコンテクスト従属コマンドと比較する位置にいる。有効なコマンド即ち「アンソニー」が受信された場合には、WTAサーバー7は、音声メールサービスを提供するネットワークアプリケーションサーバー5に、メッセージ「アンソニー」を再生するよう要求する。従って、ネットワークアプリケーションサーバー5は、メッセージ「アンソニー」の再生を行う。
上記説明及び添付図面は、本発明を単に例示するものに過ぎないことを理解されたい。より詳細には、本発明は、移動電話のスピーチ認識又は制御システムに限定されるものではなく、いかなるデータネットワークにも使用することができる。従って、本発明の装置及び方法は、特許請求の範囲内で種々の変更がなされ得るものである。
【0054】
状態定義情報がネットワークアプリケーションサーバーからロードされるスピーチ制御システム及び方法について開示した。状態定義情報は、ネットワークアプリケーションサーバーの考えられる状態を定義し、そしてネットワークアプリケーションサーバーの1組の有効なコマンドを決定するのに使用され、入力スピーチコマンドを変換することにより得られたテキストコマンドの有効性は、そのテキストコマンドを上記決定された1組の有効なコマンドと比較することによりチェックできる。これにより、ネットワークアプリケーションサーバーへの誤ったテキストコマンドの送信を防止して、全処理時間及び応答遅延を短縮することができる。
【図面の簡単な説明】
【図1】 本発明の好ましい実施形態によるスピーチ制御システムを含むテレコミュニケーションネットワークのブロック図である。
【図2】 本発明の好ましい実施形態によるスピーチ制御方法のフローチャートである。
【図3】 本発明の好ましい実施形態によるWAPベースのスピーチ制御システムを含むテレコミュニケーションネットワークのブロック図である。
Claims (16)
- テレコミュニケーションネットワーク(4)用のスピーチ制御システムにおいて、
a)ネットワークアプリケーションサーバー(5)の考えられるすべての状態を定義する状態定義情報をネットワークアプリケーションサーバー(5)からロードするためのロード手段と、
b)上記ネットワークアプリケーションサーバー(5)に対する1組の有効コマンドを上記状態定義情報に基づいて決定するための決定手段と、
c)加入者ターミナル (1) から受け取った入力スピーチコマンドを、上記ネットワークアプリケーションサーバー (5) へ供給されるべきテキストコマンドへと変換するためのスピーチ認識手段 (6) と、
d)上記ネットワークアプリケーションサーバー(5)を制御するのに使用される上記入力スピーチコマンドを変換することにより得られた上記テキストコマンドの有効性を、そのテキストコマンドを上記決定された1組の有効コマンドと比較することによりチェックするためのチェック手段と、
を備えたことを特徴とするスピーチ制御システム。 - 上記ロード手段は、上記ネットワークアプリケーションサーバーによってサポートされる有効コマンドの全組を指定する文法及び/又は語彙情報をロードするように構成され、そして上記決定手段は、上記有効コマンドの全組と、上記状態定義情報に含まれた状態移行情報とに基づいて、上記1組の有効コマンドを決定するように構成された請求項1に記載のシステム。
- 上記決定手段は、上記状態定義情報に含まれた状態移行情報に基づいて状態変化を決定するときに、ネットワークアプリケーションサーバー(5)の特定の状態に対して1組の有効コマンドを定義する状態従属文法ファイルを上記ロード手段によりロードさせるように構成された請求項1に記載のシステム。
- 上記テレコミュニケーションネットワーク(4)は、移動ネットワークであり、上記スピーチ制御システムは、ワイヤレス電話アプリケーション(WTA)サーバー(7)において実施され、そしてこのWTAサーバー(7)は、加入者ターミナル(1)から受け取った入力スピーチコマンドを上記テキストコマンドに変換するために上記スピーチ認識手段(6)から上記テキストコマンドを受け取るように構成される請求項1ないし3のいずれかに記載のシステム。
- 上記スピーチ制御システムは、スピーチコマンドを入力するための入力手段と、上記スピーチコマンドを上記テレコミュニケーションネットワーク(4)のスピーチ認識手段(6)に送信するための送信手段と、スピーチ認識手段(6)から上記テキストコマンドを受け取るための受信手段とを有する加入者ターミナル(1)を含み、上記送信手段は、受信したテキストコマンドを上記ネットワークアプリケーションサーバー(5)へ送信するように構成される請求項1ないし3のいずれかに記載のシステム。
- 上記状態定義情報は、状態従属文法ファイルをロードするためのロード命令を含む請求項3に記載のシステム。
- 上記状態定義情報はデータファイルである請求項1ないし6のいずれかに記載のシステム。
- 上記データファイルは、WMLファイルである請求項7に記載のシステム。
- 上記データファイルは、HTMLファイルである請求項7に記載のシステム。
- 上記データファイルは、上記ネットワークアプリケーションサーバー(5)により送信された標準情報の一部分として上記スピーチ制御システムへオンラインで送信される請求項8又は9に記載のシステム。
- 上記状態定義情報は、設定時に上記ネットワークアプリケーションサーバー(5)により与えられる請求項1に記載のシステム。
- 上記状態定義情報は、上記スピーチ制御システムのハードウェアで動作するネットワークサーバーにコマンドセット情報と一緒に記憶される請求項1ないし3のいずれかに記載のシステム。
- 上記スピーチ制御システムは、複数の売主特有のスピーチ認識手段を備え、そしてこれら複数の売主特有のスピーチ認識手段の対応パラメータが上記状態定義情報において定義される請求項1又は2又は3又は5に記載のシステム。
- テレコミュニケーションネットワークのスピーチ制御方法において、
a)ネットワークアプリケーションの考えられるすべての状態を定義する状態定義情報をネットワークアプリケーションからロードし、
b)上記ネットワークアプリケーションに対する1組の有効コマンドを上記状態定義情報に基づいて決定し、
c)加入者ターミナルから受け取った入力スピーチコマンドを、スピーチ認識手段においてネットワークアプリケーションサーバーへ供給されるべきテキストコマンドへと変換し、そして
d)上記ネットワークアプリケーションを制御するのに使用される上記入力スピーチコマンドを変換することにより得られた上記テキストコマンドの有効性を、そのテキストコマンドを上記決定された1組の有効コマンドと比較することによりチェックする、
という段階を含むことを特徴とする方法。 - 上記ネットワークアプリケーションに対して有効コマンドの全組を指定する文法及び/又は語彙情報をロードする段階を更に含み、そして上記決定段階は、上記有効コマンドの全組と、上記状態定義情報に含まれた状態移行情報とに基づいて実行される請求項14に記載の方法。
- 上記状態定義情報に含まれた状態移行情報に基づいて状態変化が決定されたときに、上記ネットワークアプリケーションの特定の状態に対して1組の有効コマンドを定義する状態従属文法ファイルをロードする段階を更に含む請求項14に記載の方法。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/EP1998/006030 WO2000017854A1 (en) | 1998-09-22 | 1998-09-22 | Method and system of configuring a speech recognition system |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2002525689A JP2002525689A (ja) | 2002-08-13 |
JP4067276B2 true JP4067276B2 (ja) | 2008-03-26 |
Family
ID=8167070
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2000571437A Expired - Lifetime JP4067276B2 (ja) | 1998-09-22 | 1998-09-22 | スピーチ認識システムを構成する方法及びシステム |
Country Status (8)
Country | Link |
---|---|
US (1) | US7212970B2 (ja) |
EP (1) | EP1116373B1 (ja) |
JP (1) | JP4067276B2 (ja) |
AT (1) | ATE239336T1 (ja) |
AU (1) | AU1025399A (ja) |
DE (1) | DE69814181T2 (ja) |
ES (1) | ES2198758T3 (ja) |
WO (1) | WO2000017854A1 (ja) |
Families Citing this family (50)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6633846B1 (en) | 1999-11-12 | 2003-10-14 | Phoenix Solutions, Inc. | Distributed realtime speech recognition system |
US9076448B2 (en) | 1999-11-12 | 2015-07-07 | Nuance Communications, Inc. | Distributed real time speech recognition system |
US7725307B2 (en) | 1999-11-12 | 2010-05-25 | Phoenix Solutions, Inc. | Query engine for processing voice based queries including semantic decoding |
US6665640B1 (en) | 1999-11-12 | 2003-12-16 | Phoenix Solutions, Inc. | Interactive speech based learning/training system formulating search queries based on natural language parsing of recognized user queries |
EP1137242A1 (en) * | 2000-03-24 | 2001-09-26 | Alcatel | Telecommunication system, terminal and network for vocal commanding |
FR2810823A1 (fr) * | 2000-06-27 | 2001-12-28 | Canecaude Emmanuel De | Systeme et procede pour transmettre des informations selon un protocole pour des applications sans fil, et equipement de communication mobile adapte |
GB2364480B (en) | 2000-06-30 | 2004-07-14 | Mitel Corp | Method of using speech recognition to initiate a wireless application (WAP) session |
US6925307B1 (en) * | 2000-07-13 | 2005-08-02 | Gtech Global Services Corporation | Mixed-mode interaction |
US7400712B2 (en) * | 2001-01-18 | 2008-07-15 | Lucent Technologies Inc. | Network provided information using text-to-speech and speech recognition and text or speech activated network control sequences for complimentary feature access |
US7610547B2 (en) | 2001-05-04 | 2009-10-27 | Microsoft Corporation | Markup language extensions for web enabled recognition |
US7472091B2 (en) | 2001-10-03 | 2008-12-30 | Accenture Global Services Gmbh | Virtual customer database |
US7640006B2 (en) | 2001-10-03 | 2009-12-29 | Accenture Global Services Gmbh | Directory assistance with multi-modal messaging |
US7254384B2 (en) | 2001-10-03 | 2007-08-07 | Accenture Global Services Gmbh | Multi-modal messaging |
JP2003114698A (ja) * | 2001-10-03 | 2003-04-18 | Denso Corp | コマンド受付装置及びプログラム |
US7233655B2 (en) | 2001-10-03 | 2007-06-19 | Accenture Global Services Gmbh | Multi-modal callback |
ATE335354T1 (de) * | 2001-10-03 | 2006-08-15 | Accenture Global Services Gmbh | Mehrfachmodales nachrichtenübertragungsrückrufsystem mit dienstauthorisierer und virtueller kundendatenbank |
US7441016B2 (en) | 2001-10-03 | 2008-10-21 | Accenture Global Services Gmbh | Service authorizer |
JP2003143256A (ja) * | 2001-10-30 | 2003-05-16 | Nec Corp | 端末装置と通信制御方法 |
US7149287B1 (en) | 2002-01-17 | 2006-12-12 | Snowshore Networks, Inc. | Universal voice browser framework |
US7275217B2 (en) * | 2002-09-09 | 2007-09-25 | Vijay Anand Saraswat | System and method for multi-modal browsing with integrated update feature |
US7386443B1 (en) | 2004-01-09 | 2008-06-10 | At&T Corp. | System and method for mobile automatic speech recognition |
JP4789507B2 (ja) * | 2005-05-24 | 2011-10-12 | 株式会社小松製作所 | 変速装置 |
US7698140B2 (en) * | 2006-03-06 | 2010-04-13 | Foneweb, Inc. | Message transcription, voice query and query delivery system |
US20080114604A1 (en) * | 2006-11-15 | 2008-05-15 | Motorola, Inc. | Method and system for a user interface using higher order commands |
US20080208594A1 (en) * | 2007-02-27 | 2008-08-28 | Cross Charles W | Effecting Functions On A Multimodal Telephony Device |
US8635243B2 (en) | 2007-03-07 | 2014-01-21 | Research In Motion Limited | Sending a communications header with voice recording to send metadata for use in speech recognition, formatting, and search mobile search application |
US8838457B2 (en) | 2007-03-07 | 2014-09-16 | Vlingo Corporation | Using results of unstructured language model based speech recognition to control a system-level function of a mobile communications facility |
US8949266B2 (en) | 2007-03-07 | 2015-02-03 | Vlingo Corporation | Multiple web-based content category searching in mobile search application |
US8996379B2 (en) | 2007-03-07 | 2015-03-31 | Vlingo Corporation | Speech recognition text entry for software applications |
US8886540B2 (en) * | 2007-03-07 | 2014-11-11 | Vlingo Corporation | Using speech recognition results based on an unstructured language model in a mobile communication facility application |
US8886545B2 (en) | 2007-03-07 | 2014-11-11 | Vlingo Corporation | Dealing with switch latency in speech recognition |
US8949130B2 (en) | 2007-03-07 | 2015-02-03 | Vlingo Corporation | Internal and external speech recognition use with a mobile communication facility |
US10056077B2 (en) | 2007-03-07 | 2018-08-21 | Nuance Communications, Inc. | Using speech recognition results based on an unstructured language model with a music system |
US8032383B1 (en) * | 2007-05-04 | 2011-10-04 | Foneweb, Inc. | Speech controlled services and devices using internet |
US8019606B2 (en) * | 2007-06-29 | 2011-09-13 | Microsoft Corporation | Identification and selection of a software application via speech |
US8379801B2 (en) | 2009-11-24 | 2013-02-19 | Sorenson Communications, Inc. | Methods and systems related to text caption error correction |
US9159322B2 (en) | 2011-10-18 | 2015-10-13 | GM Global Technology Operations LLC | Services identification and initiation for a speech-based interface to a mobile device |
US9183835B2 (en) * | 2011-10-18 | 2015-11-10 | GM Global Technology Operations LLC | Speech-based user interface for a mobile device |
US9326088B2 (en) | 2011-10-21 | 2016-04-26 | GM Global Technology Operations LLC | Mobile voice platform architecture with remote service interfaces |
US20130103404A1 (en) * | 2011-10-21 | 2013-04-25 | GM Global Technology Operations LLC | Mobile voice platform architecture |
EP2798634A4 (en) * | 2011-12-29 | 2015-08-19 | Intel Corp | LANGUAGE RECOGNITION USING A DYNAMIC SET OF GRAMMAR ELEMENTS |
EP2798632A4 (en) * | 2011-12-29 | 2015-10-07 | Intel Corp | DIRECT ACCESS TO A GRAMMAR |
US9583100B2 (en) | 2012-09-05 | 2017-02-28 | GM Global Technology Operations LLC | Centralized speech logger analysis |
KR101284594B1 (ko) * | 2012-10-26 | 2013-07-10 | 삼성전자주식회사 | 영상처리장치 및 그 제어방법, 영상처리 시스템 |
US9875494B2 (en) * | 2013-04-16 | 2018-01-23 | Sri International | Using intents to analyze and personalize a user's dialog experience with a virtual personal assistant |
US9530416B2 (en) | 2013-10-28 | 2016-12-27 | At&T Intellectual Property I, L.P. | System and method for managing models for embedded speech and language processing |
US9666188B2 (en) | 2013-10-29 | 2017-05-30 | Nuance Communications, Inc. | System and method of performing automatic speech recognition using local private data |
US20160111090A1 (en) * | 2014-10-16 | 2016-04-21 | General Motors Llc | Hybridized automatic speech recognition |
CN107833576A (zh) * | 2017-11-17 | 2018-03-23 | 哈尔滨工大服务机器人有限公司 | 一种具有中间服务器的语义处理方法及系统 |
US11562731B2 (en) | 2020-08-19 | 2023-01-24 | Sorenson Ip Holdings, Llc | Word replacement in transcriptions |
Family Cites Families (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5054054A (en) * | 1989-02-07 | 1991-10-01 | International Business Machines Corporation | Voice applications generator |
US5251233A (en) | 1990-12-20 | 1993-10-05 | Motorola, Inc. | Apparatus and method for equalizing a corrupted signal in a receiver |
US5325402A (en) | 1991-04-30 | 1994-06-28 | Nec Corporation | Method and arrangement for estimating data sequences transmsitted using Viterbi algorithm |
US5303263A (en) | 1991-06-25 | 1994-04-12 | Oki Electric Industry Co., Ltd. | Transmission channel characteristic equalizer |
US5890123A (en) * | 1995-06-05 | 1999-03-30 | Lucent Technologies, Inc. | System and method for voice controlled video screen display |
US5790598A (en) | 1996-03-01 | 1998-08-04 | Her Majesty The Queen In Right Of Canada | Block decision feedback equalizer |
US5867817A (en) * | 1996-08-19 | 1999-02-02 | Virtual Vision, Inc. | Speech recognition manager |
US6282511B1 (en) * | 1996-12-04 | 2001-08-28 | At&T | Voiced interface with hyperlinked information |
US6188985B1 (en) * | 1997-01-06 | 2001-02-13 | Texas Instruments Incorporated | Wireless voice-activated device for control of a processor-based host system |
US6269336B1 (en) * | 1998-07-24 | 2001-07-31 | Motorola, Inc. | Voice browser for interactive services and methods thereof |
JP2000076040A (ja) * | 1998-09-03 | 2000-03-14 | Matsushita Electric Ind Co Ltd | 音声入力ネットワーク端末装置 |
-
1998
- 1998-09-22 AU AU10253/99A patent/AU1025399A/en not_active Abandoned
- 1998-09-22 ES ES98952622T patent/ES2198758T3/es not_active Expired - Lifetime
- 1998-09-22 AT AT98952622T patent/ATE239336T1/de not_active IP Right Cessation
- 1998-09-22 WO PCT/EP1998/006030 patent/WO2000017854A1/en active IP Right Grant
- 1998-09-22 EP EP98952622A patent/EP1116373B1/en not_active Expired - Lifetime
- 1998-09-22 DE DE69814181T patent/DE69814181T2/de not_active Expired - Lifetime
- 1998-09-22 JP JP2000571437A patent/JP4067276B2/ja not_active Expired - Lifetime
-
2001
- 2001-03-16 US US09/809,808 patent/US7212970B2/en not_active Expired - Fee Related
Also Published As
Publication number | Publication date |
---|---|
ES2198758T3 (es) | 2004-02-01 |
DE69814181D1 (de) | 2003-06-05 |
DE69814181T2 (de) | 2004-03-04 |
US7212970B2 (en) | 2007-05-01 |
JP2002525689A (ja) | 2002-08-13 |
US20010047258A1 (en) | 2001-11-29 |
EP1116373B1 (en) | 2003-05-02 |
ATE239336T1 (de) | 2003-05-15 |
WO2000017854A1 (en) | 2000-03-30 |
AU1025399A (en) | 2000-04-10 |
EP1116373A1 (en) | 2001-07-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP4067276B2 (ja) | スピーチ認識システムを構成する方法及びシステム | |
US7555536B2 (en) | Apparatus and methods for providing an audibly controlled user interface for audio-based communication devices | |
US6507817B1 (en) | Voice IP approval system using voice-enabled web based application server | |
US8407294B2 (en) | Unified messaging system using web based application server for management of messages using standardized servers | |
EP1298941B1 (en) | Voice and circumstance-dependent notification | |
US7054818B2 (en) | Multi-modal information retrieval system | |
US8705705B2 (en) | Voice rendering of E-mail with tags for improved user experience | |
US20060168095A1 (en) | Multi-modal information delivery system | |
US8099283B2 (en) | Application server providing personalized voice enabled web application services using extensible markup language documents | |
US20030125023A1 (en) | Method and system for providing a wireless terminal communication session integrated with data and voice services | |
US20060064499A1 (en) | Information retrieval system including voice browser and data conversion server | |
JP2005519363A (ja) | 同時マルチモーダル通信システムおよび方法 | |
US8831185B2 (en) | Personal home voice portal | |
US7836188B1 (en) | IP unified agent using an XML voice enabled web based application server | |
EP1371174A1 (en) | Method and system for providing a wireless terminal communication session integrated with data and voice services | |
JP2010525743A (ja) | ユーザ装置に情報を提供するためのメッセージング・システムおよび方法 | |
Cisco | Configuring uVoice | |
KR20030022123A (ko) | 데이터 및 음성 서비스가 통합된 무선 단말 통신 세션을제공하는 방법 및 시스템 | |
Tsai et al. | Dialogue session: management using voicexml | |
EP1564659A1 (en) | Method and system of bookmarking and retrieving electronic documents | |
KR100920074B1 (ko) | 발신 클라이언트 기반의 특정(음성) 서비스 제공 방법 | |
CN113472950A (zh) | 自动应答方法、系统和电子设备 | |
KR20020069839A (ko) | 인터랙션 에이전트 시스템 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20041126 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20041213 |
|
A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20050314 |
|
A711 | Notification of change in applicant |
Free format text: JAPANESE INTERMEDIATE CODE: A712 Effective date: 20050314 |
|
A602 | Written permission of extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A602 Effective date: 20050412 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20050610 |
|
A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20050808 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20051205 |
|
A911 | Transfer to examiner for re-examination before appeal (zenchi) |
Free format text: JAPANESE INTERMEDIATE CODE: A911 Effective date: 20051220 |
|
A912 | Re-examination (zenchi) completed and case transferred to appeal board |
Free format text: JAPANESE INTERMEDIATE CODE: A912 Effective date: 20060331 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20080108 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20110118 Year of fee payment: 3 |
|
R150 | Certificate of patent or registration of utility model |
Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20110118 Year of fee payment: 3 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20120118 Year of fee payment: 4 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20130118 Year of fee payment: 5 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20130118 Year of fee payment: 5 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
S531 | Written request for registration of change of domicile |
Free format text: JAPANESE INTERMEDIATE CODE: R313531 |
|
R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |
|
S111 | Request for change of ownership or part of ownership |
Free format text: JAPANESE INTERMEDIATE CODE: R313113 |
|
R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
EXPY | Cancellation because of completion of term |