JP6139598B2 - オンライン音声認識を処理する音声認識クライアントシステム、音声認識サーバシステム及び音声認識方法 - Google Patents
オンライン音声認識を処理する音声認識クライアントシステム、音声認識サーバシステム及び音声認識方法 Download PDFInfo
- Publication number
- JP6139598B2 JP6139598B2 JP2015117281A JP2015117281A JP6139598B2 JP 6139598 B2 JP6139598 B2 JP 6139598B2 JP 2015117281 A JP2015117281 A JP 2015117281A JP 2015117281 A JP2015117281 A JP 2015117281A JP 6139598 B2 JP6139598 B2 JP 6139598B2
- Authority
- JP
- Japan
- Prior art keywords
- speech recognition
- unit
- voice recognition
- sound signal
- time
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims description 61
- 238000012545 processing Methods 0.000 title description 3
- 230000005236 sound signal Effects 0.000 claims description 208
- 230000005540 biological transmission Effects 0.000 claims description 14
- 238000000605 extraction Methods 0.000 claims description 9
- 238000004891 communication Methods 0.000 claims description 7
- 230000008569 process Effects 0.000 description 22
- 238000010586 diagram Methods 0.000 description 12
- 230000006835 compression Effects 0.000 description 7
- 238000007906 compression Methods 0.000 description 7
- 239000000284 extract Substances 0.000 description 6
- 230000004044 response Effects 0.000 description 3
- 230000006837 decompression Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 241000272814 Anser sp. Species 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; 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 OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/01—Assessment or evaluation of speech recognition systems
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/08—Speech classification or search
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; 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 OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/22—Procedures used during a speech recognition process, e.g. man-machine dialogue
- G10L2015/221—Announcement of recognition results
Description
Claims (15)
- 音声認識の開始時点から終了時点までに入力されるサウンド信号に対する音声認識結果を表示する音声認識クライアントシステムにおいて、
所定の長さの単位サウンド信号を前記開始時点から前記終了時点まで所定の第1の単位時間ごとに音声認識サーバシステムに送信し、前記音声認識サーバシステムから第2の単位時間ごとに音声認識の中間結果を受信する通信部と、
前記第2の単位時間ごとに受信した音声認識の中間結果のそれぞれを前記開始時点と前記終了時点との間の対応する時点に表示する表示部と、
を備え、
前記音声認識の中間結果は、前記開始時点から受信された少なくとも1つの単位サウンド信号を累積することにより生成された部分サウンド信号を用いて前記第2の単位時間内に前記音声認識サーバシステムによって生成されることを特徴とする音声認識クライアントシステム。 - 前記表示部は、前記音声認識サーバシステムから複数の音声認識の中間結果が受信される場合、前記複数の音声認識の中間結果を前記開始時点と前記終了時点との間に順次表示することを特徴とする請求項1に記載の音声認識クライアントシステム。
- 前記表示部は、前記第2の単位時間ごとの音声認識の中間結果が2以上の結果を含む場合、前記2以上の結果を全て受信して表示することを特徴とする請求項1に記載の音声認識クライアントシステム。
- 前記音声認識の中間結果が2以上の結果を含む場合、前記2以上の結果それぞれの正確度を決定する正確度決定部をさらに備え、
前記表示部は、前記正確度の順に前記2以上の結果を整列して表示するか、または前記正確度が最も高い結果を表示することを特徴とする請求項1に記載の音声認識クライアントシステム。 - 前記入力された単位サウンド信号から特徴情報を抽出する特徴情報抽出部と、
前記入力された単位サウンド信号を符号化する符号化部と、
をさらに備え、
前記通信部は、前記特徴情報及び前記符号化された単位サウンド信号を前記入力された単位サウンド信号として前記音声認識サーバシステムに送信することを特徴とする請求項1に記載の音声認識クライアントシステム。 - ユーザから音声認識の終了時点を決定するためのイベントが入力されるユーザインタフェース部をさらに備え、
前記イベントが入力される以前までに入力された単位サウンド信号を用いて音声認識の最終結果が生成されることを特徴とする請求項1に記載の音声認識クライアントシステム。 - 音声認識クライアントシステムから受信されたサウンド信号を用いて音声認識結果を生成する音声認識サーバシステムにおいて、
音声認識の開始時点から終了時点までの所定の第1の単位時間ごとに前記音声認識クライアントシステムから入力される所定の長さの単位サウンド信号を受信する受信部と、
前記開始時点から受信した少なくとも1つの単位サウンド信号が累積されることにより生成された部分サウンド信号を用いて音声認識の中間結果を第2の単位時間内に生成する音声認識結果生成部と、
前記音声認識の中間結果を前記第2の単位時間ごとに前記音声認識クライアントシステムに送信する送信部と、
を備え、
前記音声認識の中間結果のそれぞれは、前記開始時点と前記終了時点との間の対応する時点に前記音声認識クライアントシステムの表示部を介して表示されることを特徴とする音声認識サーバシステム。 - 前記第1の単位時間ごとに前記音声認識クライアントシステムから送信される単位サウンド信号を1つ以上累積することにより部分サウンド信号を生成する部分サウンド信号生成部をさらに備えることを特徴とする請求項7に記載の音声認識サーバシステム。
- 前記音声認識結果生成部は、前記部分サウンド信号が生成されるたびに前記生成された部分サウンド信号に対する音声認識の中間結果を生成することを特徴とする請求項8に記載の音声認識サーバシステム。
- 前記送信部は、1つの音声認識の中間結果が2以上の結果を含む場合に、前記2以上の結果を全て含む前記1つの音声認識の中間結果を前記音声認識クライアントシステムに送信することを特徴とする請求項7に記載の音声認識サーバシステム。
- 1つの音声認識の中間結果が2以上の結果を含む場合、前記2以上の結果それぞれの正確度を決定する正確度決定部をさらに備え、
前記送信部は、前記正確度の順序で前記2以上の結果を整列して含む音声認識の中間結果、前記2以上の結果及び前記2以上の結果それぞれの正確度を含む音声認識の中間結果及び前記正確度が最も高い結果を含む音声認識の中間結果のうちの1つを前記音声認識クライアントシステムに送信することを特徴とする請求項7に記載の音声認識サーバシステム。 - 音声認識の開始時点から終了時点までに入力されるサウンド信号に対する音声認識結果を表示する音声認識方法において、
所定の長さの単位サウンド信号を前記開始時点から前記終了時点まで所定の第1の単位時間ごとに音声認識サーバシステムに送信し、前記音声認識サーバシステムから第2の単位時間ごとに音声認識の中間結果を受信し、
前記第2の単位時間ごとに受信された音声認識の中間結果のそれぞれを前記開始時点と前記終了時点との間の対応する時点に表示すること、
を含み、
前記音声認識の中間結果は、前記開始時点から受信された少なくとも1つの単位サウンド信号を累積することにより生成された部分サウンド信号を用いて前記第2の単位時間内に前記音声認識サーバシステムによって生成されることを特徴とする音声認識方法。 - 音声認識クライアントシステムから受信されたサウンド信号を用いて音声認識結果を生成する音声認識方法において、
音声認識の開始時点から終了時点までの所定の第1の単位時間ごとに前記音声認識クライアントシステムから入力される所定の長さの単位サウンド信号を受信し、
少なくとも1つの単位サウンド信号が前記開始時点から累積されることにより生成された部分サウンド信号を用いて音声認識の中間結果を第2の単位時間内に生成し、
前記音声認識の中間結果を前記第2の単位時間ごとに前記音声認識クライアントシステムに送信すること、
を含み、
前記音声認識の中間結果のそれぞれは、前記開始時点と前記終了時点との間の対応する時点に前記音声認識クライアントシステムの表示部によって表示されることを特徴とする音声認識方法。 - 請求項12に記載の方法を実行するプログラムを記録したコンピュータで読み出し可能な記録媒体。
- 請求項13に記載の方法を実行するプログラムを記録したコンピュータで読み出し可能な記録媒体。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020100129217A KR101208166B1 (ko) | 2010-12-16 | 2010-12-16 | 온라인 음성인식을 처리하는 음성인식 클라이언트 시스템, 음성인식 서버 시스템 및 음성인식 방법 |
KR10-2010-0129217 | 2010-12-16 |
Related Parent Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2013544373A Division JP2014505270A (ja) | 2010-12-16 | 2011-07-21 | オンライン音声認識を処理する音声認識クライアントシステム、音声認識サーバシステム及び音声認識方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2015179287A JP2015179287A (ja) | 2015-10-08 |
JP6139598B2 true JP6139598B2 (ja) | 2017-05-31 |
Family
ID=46244864
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2013544373A Pending JP2014505270A (ja) | 2010-12-16 | 2011-07-21 | オンライン音声認識を処理する音声認識クライアントシステム、音声認識サーバシステム及び音声認識方法 |
JP2015117281A Active JP6139598B2 (ja) | 2010-12-16 | 2015-06-10 | オンライン音声認識を処理する音声認識クライアントシステム、音声認識サーバシステム及び音声認識方法 |
Family Applications Before (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2013544373A Pending JP2014505270A (ja) | 2010-12-16 | 2011-07-21 | オンライン音声認識を処理する音声認識クライアントシステム、音声認識サーバシステム及び音声認識方法 |
Country Status (4)
Country | Link |
---|---|
US (1) | US9318111B2 (ja) |
JP (2) | JP2014505270A (ja) |
KR (1) | KR101208166B1 (ja) |
WO (1) | WO2012081788A1 (ja) |
Families Citing this family (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20130133629A (ko) * | 2012-05-29 | 2013-12-09 | 삼성전자주식회사 | 전자장치에서 음성명령을 실행시키기 위한 장치 및 방법 |
CN103076893B (zh) * | 2012-12-31 | 2016-08-17 | 百度在线网络技术(北京)有限公司 | 一种用于实现语音输入的方法与设备 |
KR102301880B1 (ko) * | 2014-10-14 | 2021-09-14 | 삼성전자 주식회사 | 전자 장치 및 이의 음성 대화 방법 |
EP3282447B1 (en) * | 2015-03-31 | 2020-08-26 | Sony Corporation | PROGRESSIVE UTTERANCE ANALYSIS FOR SUCCESSIVELY DISPLAYING EARLY SUGGESTIONS BASED ON PARTIAL SEMANTIC PARSES FOR VOICE CONTROL. 
REAL TIME PROGRESSIVE SEMANTIC UTTERANCE ANALYSIS FOR VISUALIZATION AND ACTIONS CONTROL. |
KR101595090B1 (ko) * | 2015-04-30 | 2016-02-17 | 주식회사 아마다스 | 음성 인식을 이용한 정보 검색 방법 및 장치 |
KR102365757B1 (ko) * | 2015-09-09 | 2022-02-18 | 삼성전자주식회사 | 인식 장치, 인식 방법 및 협업 처리 장치 |
JP6760566B2 (ja) * | 2016-07-13 | 2020-09-23 | 株式会社富士通ソーシアルサイエンスラボラトリ | 端末装置、翻訳方法、及び、翻訳プログラム |
US10339224B2 (en) | 2016-07-13 | 2019-07-02 | Fujitsu Social Science Laboratory Limited | Speech recognition and translation terminal, method and non-transitory computer readable medium |
KR102502220B1 (ko) | 2016-12-20 | 2023-02-22 | 삼성전자주식회사 | 전자 장치, 그의 사용자 발화 의도 판단 방법 및 비일시적 컴퓨터 판독가능 기록매체 |
US10229682B2 (en) | 2017-02-01 | 2019-03-12 | International Business Machines Corporation | Cognitive intervention for voice recognition failure |
JP2019016206A (ja) * | 2017-07-07 | 2019-01-31 | 株式会社富士通ソーシアルサイエンスラボラトリ | 音声認識文字表示プログラム、情報処理装置、及び、音声認識文字表示方法 |
KR102412523B1 (ko) * | 2017-07-18 | 2022-06-24 | 삼성전자주식회사 | 음성 인식 서비스 운용 방법, 이를 지원하는 전자 장치 및 서버 |
KR102443079B1 (ko) * | 2017-12-06 | 2022-09-14 | 삼성전자주식회사 | 전자 장치 및 그의 제어 방법 |
WO2020111292A1 (en) * | 2018-11-27 | 2020-06-04 | Lg Electronics Inc. | Multimedia device for processing voice command |
US11211063B2 (en) | 2018-11-27 | 2021-12-28 | Lg Electronics Inc. | Multimedia device for processing voice command |
US11538481B2 (en) * | 2020-03-18 | 2022-12-27 | Sas Institute Inc. | Speech segmentation based on combination of pause detection and speaker diarization |
Family Cites Families (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH11175093A (ja) | 1997-12-08 | 1999-07-02 | Nippon Telegr & Teleph Corp <Ntt> | 音声認識確認応答方法 |
US20030182113A1 (en) * | 1999-11-22 | 2003-09-25 | Xuedong Huang | Distributed speech recognition for mobile communication devices |
US7409349B2 (en) * | 2001-05-04 | 2008-08-05 | Microsoft Corporation | Servers for web enabled speech recognition |
JP2004094077A (ja) * | 2002-09-03 | 2004-03-25 | Nec Corp | 音声認識装置及び制御方法並びにプログラム |
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 |
JP2005037615A (ja) | 2003-07-18 | 2005-02-10 | Omron Corp | クライアント装置、音声認識サーバ、分散型音声認識システム、音声認識プログラム、およびコンピュータ読み取り可能な記録媒体 |
US7729912B1 (en) * | 2003-12-23 | 2010-06-01 | At&T Intellectual Property Ii, L.P. | System and method for latency reduction for automatic speech recognition using partial multi-pass results |
JP4297349B2 (ja) * | 2004-03-30 | 2009-07-15 | Kddi株式会社 | 音声認識システム |
JP2005283972A (ja) * | 2004-03-30 | 2005-10-13 | Advanced Media Inc | 音声認識方法及びこの音声認識方法を利用した情報提示方法と情報提示装置 |
JP4425055B2 (ja) | 2004-05-18 | 2010-03-03 | 日本電信電話株式会社 | クライアント・サーバ音声認識方法、これに用いる装置、そのプログラム及び記録媒体 |
TWI251754B (en) * | 2004-12-16 | 2006-03-21 | Delta Electronics Inc | Method for optimizing loads of speech/user recognition system |
EP2008193B1 (en) * | 2006-04-05 | 2012-11-28 | Canyon IP Holdings LLC | Hosted voice recognition system for wireless devices |
US8352261B2 (en) * | 2008-03-07 | 2013-01-08 | Canyon IP Holdings, LLC | Use of intermediate speech transcription results in editing final speech transcription results |
US8352264B2 (en) * | 2008-03-19 | 2013-01-08 | Canyon IP Holdings, LLC | Corrective feedback loop for automated speech recognition |
US20090070109A1 (en) | 2007-09-12 | 2009-03-12 | Microsoft Corporation | Speech-to-Text Transcription for Personal Communication Devices |
JP5495612B2 (ja) * | 2008-04-23 | 2014-05-21 | キヤノン株式会社 | カメラ制御装置及び方法 |
JP2010048890A (ja) | 2008-08-19 | 2010-03-04 | Ntt Docomo Inc | クライアント装置、認識結果フィードバック方法、認識結果フィードバックプログラム、サーバ装置、音声認識のモデル更新方法、音声認識のモデル更新プログラム、音声認識システム、音声認識方法、音声認識プログラム |
US8019608B2 (en) * | 2008-08-29 | 2011-09-13 | Multimodal Technologies, Inc. | Distributed speech recognition using one way communication |
JP4902617B2 (ja) * | 2008-09-30 | 2012-03-21 | 株式会社フュートレック | 音声認識システム、音声認識方法、音声認識クライアントおよびプログラム |
US8965545B2 (en) * | 2010-09-30 | 2015-02-24 | Google Inc. | Progressive encoding of audio |
-
2010
- 2010-12-16 KR KR1020100129217A patent/KR101208166B1/ko active IP Right Grant
-
2011
- 2011-07-21 US US13/995,085 patent/US9318111B2/en active Active
- 2011-07-21 JP JP2013544373A patent/JP2014505270A/ja active Pending
- 2011-07-21 WO PCT/KR2011/005394 patent/WO2012081788A1/ko active Application Filing
-
2015
- 2015-06-10 JP JP2015117281A patent/JP6139598B2/ja active Active
Also Published As
Publication number | Publication date |
---|---|
JP2015179287A (ja) | 2015-10-08 |
JP2014505270A (ja) | 2014-02-27 |
WO2012081788A1 (ko) | 2012-06-21 |
KR20120067680A (ko) | 2012-06-26 |
US20140316776A1 (en) | 2014-10-23 |
US9318111B2 (en) | 2016-04-19 |
KR101208166B1 (ko) | 2012-12-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6139598B2 (ja) | オンライン音声認識を処理する音声認識クライアントシステム、音声認識サーバシステム及び音声認識方法 | |
US11875820B1 (en) | Context driven device arbitration | |
CN106796785B (zh) | 用于产生声音检测模型的声音样本验证 | |
US10629186B1 (en) | Domain and intent name feature identification and processing | |
US9064495B1 (en) | Measurement of user perceived latency in a cloud based speech application | |
JP5703256B2 (ja) | 単語レベルの変換候補生成に基づく音声認識システム及び方法 | |
JP6469252B2 (ja) | アカウント追加方法、端末、サーバ、およびコンピュータ記憶媒体 | |
WO2020024708A1 (zh) | 一种支付处理方法和装置 | |
JP5613335B2 (ja) | 音声認識システム、認識辞書登録システム及び音響モデル識別子系列生成装置 | |
JP2016095383A (ja) | 音声認識クライアント装置及びサーバ型音声認識装置 | |
WO2016194740A1 (ja) | 音声認識装置、音声認識システム、当該音声認識システムで使用される端末、および、話者識別モデルを生成するための方法 | |
CN110914828A (zh) | 语音翻译方法及翻译装置 | |
WO2020057102A1 (zh) | 语音翻译方法及翻译装置 | |
JP2004101901A (ja) | 音声対話装置及び音声対話プログラム | |
CN106713111B (zh) | 一种添加好友的处理方法、终端及服务器 | |
JP2011232619A (ja) | 音声認識装置および音声認識方法 | |
WO2019075829A1 (zh) | 语音翻译方法、装置和翻译设备 | |
JP6549009B2 (ja) | 通信端末及び音声認識システム | |
JP6322125B2 (ja) | 音声認識装置、音声認識方法および音声認識プログラム | |
US8965760B2 (en) | Communication device, method, non-transitory computer readable medium, and system of a remote conference | |
JP6571587B2 (ja) | 音声入力装置、その方法、及びプログラム | |
CN112823047A (zh) | 用于控制网络应用程序的系统和设备 | |
US10847158B2 (en) | Multi-modality presentation and execution engine | |
JP2004309682A (ja) | 音声対話方法、音声対話端末装置、音声対話センタ装置、音声対話プログラム | |
JP2011119943A (ja) | 情報処理装置およびその制御方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20160729 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20160809 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20161109 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20170328 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20170427 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6139598 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
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 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |