JP7349523B2 - 音声認識方法、音声認識装置、電子機器、記憶媒体コンピュータプログラム製品及びコンピュータプログラム - Google Patents
音声認識方法、音声認識装置、電子機器、記憶媒体コンピュータプログラム製品及びコンピュータプログラム Download PDFInfo
- Publication number
- JP7349523B2 JP7349523B2 JP2022057924A JP2022057924A JP7349523B2 JP 7349523 B2 JP7349523 B2 JP 7349523B2 JP 2022057924 A JP2022057924 A JP 2022057924A JP 2022057924 A JP2022057924 A JP 2022057924A JP 7349523 B2 JP7349523 B2 JP 7349523B2
- Authority
- JP
- Japan
- Prior art keywords
- pinyin
- recognition result
- corrected
- character string
- target
- 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 70
- 238000004590 computer program Methods 0.000 title claims description 23
- 238000012937 correction Methods 0.000 claims description 201
- 238000012986 modification Methods 0.000 claims description 15
- 230000004048 modification Effects 0.000 claims description 15
- 238000005516 engineering process Methods 0.000 description 13
- 238000012545 processing Methods 0.000 description 10
- 230000008569 process Effects 0.000 description 9
- 238000004891 communication Methods 0.000 description 8
- 238000013473 artificial intelligence Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 7
- 230000003993 interaction Effects 0.000 description 7
- 230000007547 defect Effects 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 238000003058 natural language processing Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 206010013975 Dyspnoeas Diseases 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 101000822695 Clostridium perfringens (strain 13 / Type A) Small, acid-soluble spore protein C1 Proteins 0.000 description 1
- 101000655262 Clostridium perfringens (strain 13 / Type A) Small, acid-soluble spore protein C2 Proteins 0.000 description 1
- 101000655256 Paraclostridium bifermentans Small, acid-soluble spore protein alpha Proteins 0.000 description 1
- 101000655264 Paraclostridium bifermentans Small, acid-soluble spore protein beta Proteins 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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
- G10L15/08—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
- G10L15/19—Grammatical context, e.g. disambiguation of the recognition hypotheses based on word sequence rules
-
- 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
- G10L15/26—Speech to text systems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/10—Text processing
- G06F40/166—Editing, e.g. inserting or deleting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/232—Orthographic correction, e.g. spell checking or vowelisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/40—Processing or translation of natural language
- G06F40/53—Processing of non-Latin text
-
- 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
- G10L15/28—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
- G10L15/22—Procedures used during a speech recognition process, e.g. man-machine dialogue
- G10L2015/221—Announcement of recognition results
Landscapes
- Engineering & Computer Science (AREA)
- Computational Linguistics (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Artificial Intelligence (AREA)
- Acoustics & Sound (AREA)
- Multimedia (AREA)
- Human Computer Interaction (AREA)
- General Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Machine Translation (AREA)
- Character Discrimination (AREA)
Description
固有名詞データベースに基づいて前記ピンイン修正された認識結果を、固有名詞修正された認識結果として決定するステップと、前記固有名詞修正された認識結果と、全文修正データベース内の複数の修正対象全文認識結果とをマッチングするステップであって、前記全文修正データベースには、複数の前記修正対象全文認識結果と、該修正対象全文認識結果のそれぞれに対応する修正後の全文認識結果とが含まれるステップと、前記全文修正データベースには、前記固有名詞修正された認識結果とマッチングする前記修正対象全文認識結果が存在する場合、前記固有名詞修正された認識結果とマッチングする前記修正対象全文認識結果を、ターゲット修正対象全文認識結果として決定するステップと、前記ターゲット修正対象全文認識結果に対応する前記修正後の全文認識結果を、全文修正された認識結果として決定するステップとを含む音声認識方法が提供される。
本開示の第6の態様では、プロセッサによって実行される場合、上記の音声認識方法を実現するコンピュータプログラムを含むコンピュータプログラム製品が提供される。
本開示の第7の態様では、プロセッサによって実行される場合、上記の音声認識方法を実現するコンピュータプログラムが提供される。
文字ごとに、この文字に対応する少なくとも1つの候補文字ピンイン文字列から、1つの候補文字ピンイン文字列をターゲット文字ピンイン文字列として選択し、初期認識結果における複数の文字の並び順に従って、選択された複数の文字のそれぞれに対応するターゲット文字ピンイン文字列をスプライシングし、スプライシングされたピンイン文字列を、初期認識結果に対応する文ピンイン文字列として決定する。
」(日本語の意味:私は息苦しいです)という文を「我很忙」(日本語の意味:私は忙しいです)として認識したことなど、実際の音声認識の適用シーンと一致しない場合が存在する。以下、上記
の問題を考慮して、図4を組み合わせて、本開示に係る音声認識方法をさらに説明する。
」(日本語の意味:私は息苦しいです)に対応する車両への操作は、窓を開けることであり、「
」は、「我很笨」(日本語の意味:私は不器用です)、「我很忙」(日本語の意味:私は忙しいです)と誤認識されることが多いため、全文修正データベースには、修正対象全文認識結果「我很笨」、「我很忙」、及び対応する修正後の全文認識結果「
」が含まれる。
」が含まれるものとする。固有名詞修正された認識結果は「我很忙」である場合、固有名詞修正された認識結果「我很忙」と、全文修正データベース内の複数の修正対象全文認識結果とをマッチングすることができる。全文修正データベースには、「我很忙」とマッチングする修正対象全文認識結果が存在するため、「我很忙」とマッチングする修正対象全文認識結果を、ターゲット修正対象全文認識結果として決定し、「我很忙」に対応する修正後の全文認識結果「
」を、全文修正された認識結果として決定し、これにより、車両のサンルーフを開ける操作を行うことができる。
ここで、図6の認識モジュール601、取得モジュール602、第1の決定モジュール603、及び生成モジュール604は、図5の認識モジュール501、取得モジュール502、第1の決定モジュール503、及び生成モジュール504と同じ機能と構成を有する。
Claims (12)
- 認識対象文の音声認識を行って、初期認識結果を取得するステップと、
前記初期認識結果における各文字に対応する少なくとも1つの候補文字ピンイン文字列を取得するステップと、
各前記文字に対応する少なくとも1つの前記候補文字ピンイン文字列に基づいて、前記初期認識結果に対応する少なくとも1つの文ピンイン文字列を決定するステップと、
少なくとも1つの前記文ピンイン文字列に基づいて、前記初期認識結果のピンイン修正を行って、ピンイン修正された認識結果を生成するステップと、
固有名詞データベースに基づいて前記ピンイン修正された認識結果を、固有名詞修正された認識結果として決定するステップと、
前記固有名詞修正された認識結果と、全文修正データベース内の複数の修正対象全文認識結果とをマッチングするステップであって、前記全文修正データベースには、複数の前記修正対象全文認識結果と、該修正対象全文認識結果のそれぞれに対応する修正後の全文認識結果とが含まれるステップと、
前記全文修正データベースには、前記固有名詞修正された認識結果とマッチングする前記修正対象全文認識結果が存在する場合、前記固有名詞修正された認識結果とマッチングする前記修正対象全文認識結果を、ターゲット修正対象全文認識結果として決定するステップと、
前記ターゲット修正対象全文認識結果に対応する前記修正後の全文認識結果を、全文修正された認識結果として決定するステップとを含む音声認識方法。 - 各前記文字に対応する少なくとも1つの前記候補文字ピンイン文字列に基づいて、前記初期認識結果に対応する少なくとも1つの前記文ピンイン文字列を決定するステップは、
前記文字ごとに、該文字に対応する少なくとも1つの前記候補文字ピンイン文字列から1つの前記候補文字ピンイン文字列をターゲット文字ピンイン文字列として選択するステップと、
前記初期認識結果における複数の前記文字の並び順に従って、選択された複数の前記文字のそれぞれに対応する前記ターゲット文字ピンイン文字列をスプライシングするステップと、
スプライシングされたピンイン文字列を、前記初期認識結果に対応する前記文ピンイン文字列として決定するステップとを含む請求項1に記載の音声認識方法。 - 前記文ピンイン文字列は複数であり、少なくとも1つの前記文ピンイン文字列に基づいて、前記初期認識結果のピンイン修正を行って、前記ピンイン修正された認識結果を生成するステップは、
複数の前記文ピンイン文字列のそれぞれについて、前記文ピンイン文字列と、ピンイン修正データベース内の複数の修正対象ピンイン文字列とをマッチングするステップであって、前記ピンイン修正データベースには、複数の前記修正対象ピンイン文字列と、該修正対象ピンイン文字列のそれぞれに対応する修正後のピンイン文字列と、前記修正後のピンイン文字列に対応する認識結果とが含まれるステップと、
前記ピンイン修正データベースには、前記文ピンイン文字列とマッチングする前記修正対象ピンイン文字列が存在する場合、前記文ピンイン文字列とマッチングする前記修正対象ピンイン文字列に対応する前記修正後のピンイン文字列を、ターゲット修正後のピンイン文字列として決定するステップと、
前記ターゲット修正後のピンイン文字列に対応する認識結果を、前記ピンイン修正された認識結果として決定するステップとを含む請求項1または請求項2に記載の音声認識方法。 - 前記固有名詞データベースに基づいて前記ピンイン修正された認識結果を、固有名詞修正された認識結果として決定するステップは、
前記ピンイン修正された認識結果と、固有名詞データベース内の複数の修正対象認識結果とをマッチングするステップであって、前記固有名詞データベースには、複数の前記修正対象認識結果と、該修正対象認識結果のそれぞれに対応する修正後の認識結果とが含まれるステップと、
前記固有名詞データベースには、前記ピンイン修正された認識結果とマッチングする前記修正対象認識結果が存在する場合、前記ピンイン修正された認識結果とマッチングする前記修正対象認識結果を、ターゲット修正対象認識結果として決定するステップと、
前記ターゲット修正対象認識結果に対応する前記修正後の認識結果を、固有名詞修正された認識結果として決定するステップとをさらに含む請求項1に記載の音声認識方法。 - 音声認識装置であって、
認識対象文の音声認識を行って、初期認識結果を取得する認識モジュールと、
前記初期認識結果における各文字に対応する少なくとも1つの候補文字ピンイン文字列を取得する取得モジュールと、
各前記文字に対応する少なくとも1つの前記候補文字ピンイン文字列に基づいて、前記初期認識結果に対応する少なくとも1つの文ピンイン文字列を決定する第1の決定モジュールと、
少なくとも1つの前記文ピンイン文字列に基づいて、前記初期認識結果のピンイン修正を行って、ピンイン修正された認識結果を生成する生成モジュールとを備え、
前記装置は、固有名詞データベースに基づいて前記ピンイン修正された認識結果を、固有名詞修正された認識結果として決定し、前記装置は、
前記固有名詞修正された認識結果と、全文修正データベース内の複数の修正対象全文認識結果とをマッチングさせる第2のモジュールであって、前記全文修正データベースには、複数の前記修正対象全文認識結果と、該修正対象全文認識結果のそれぞれに対応する修正後の全文認識結果とが含まれる第2のマッチングモジュールと、
前記全文修正データベースには、前記固有名詞修正された認識結果とマッチングする前記修正対象全文認識結果が存在する場合、前記固有名詞修正された認識結果とマッチングする前記修正対象全文認識結果を、ターゲット修正対象全文認識結果として決定する第4の決定モジュールと、
前記ターゲット修正対象全文認識結果に対応する修正後の全文認識結果を、全文修正された認識結果として決定する第5の決定モジュールとをさらに備える音声認識装置。 - 前記第1の決定モジュールは、
前記文字ごとに、前記文字に対応する少なくとも1つの前記候補文字ピンイン文字列から1つの前記候補文字ピンイン文字列をターゲット文字ピンイン文字列として選択する選択ユニットと、
前記初期認識結果における複数の前記文字の並び順に従って、選択された複数の前記文字のそれぞれに対応する前記ターゲット文字ピンイン文字列をスプライシングするスプライシングユニットと、
スプライシングされたピンイン文字列を、前記初期認識結果に対応する前記文ピンイン文字列として決定する第1の決定ユニットとを備える請求項5に記載の音声認識装置。 - 前記文ピンイン文字列は複数であり、前記生成モジュールは、
複数の前記文ピンイン文字列のそれぞれについて、前記文ピンイン文字列と、ピンイン修正データベース内の複数の修正対象ピンイン文字列とをマッチングするマッチングユニットであって、前記ピンイン修正データベースには、複数の前記修正対象ピンイン文字列と、該修正対象ピンイン文字列のそれぞれに対応する修正後のピンイン文字列と、前記修正後のピンイン文字列に対応する認識結果とが含まれるマッチングユニットと、
前記ピンイン修正データベースには、前記文ピンイン文字列とマッチングする前記修正対象ピンイン文字列が存在する場合、前記文ピンイン文字列とマッチングする前記修正対象ピンイン文字列に対応する前記修正後のピンイン文字列を、ターゲット修正後のピンイン文字列として決定する第2の決定ユニットと、
前記ターゲット修正後のピンイン文字列に対応する認識結果を、前記ピンイン修正された認識結果として決定する第3の決定ユニットとを備える請求項5または請求項6に記載の音声認識装置。 - 前記ピンイン修正された認識結果と、固有名詞データベース内の複数の修正対象認識結果とをマッチングする第1のマッチングモジュールであって、前記固有名詞データベースには、複数の前記修正対象認識結果と、該修正対象認識結果のそれぞれに対応する修正後の認識結果とが含まれる第1のマッチングモジュールと、
前記固有名詞データベースには、前記ピンイン修正された認識結果とマッチングする前記修正対象認識結果が存在する場合、前記ピンイン修正された認識結果とマッチングする前記修正対象認識結果を、ターゲット修正対象認識結果として決定する第2の決定モジュールと、
前記ターゲット修正対象認識結果に対応する前記修正後の認識結果を、固有名詞修正された認識結果として決定する第3の決定モジュールとをさらに備える請求項5に記載の音声認識装置。 - 電子機器であって、
少なくとも1つのプロセッサと、
少なくとも1つの該プロセッサと通信可能に接続されたメモリとを備え、
該メモリには、少なくとも1つの前記プロセッサによって実行可能な命令が記憶されており、該命令が少なくとも1つの前記プロセッサによって実行される場合、少なくとも1つの前記プロセッサが請求項1から請求項4のいずれかに記載の音声認識方法を実行可能である電子機器。 - コンピュータに、請求項1から請求項4のいずれかに記載の音声認識方法を実行させるためのコンピュータ命令を記憶した非一時的なコンピュータ読み取り可能な記憶媒体。
- プロセッサによって実行される場合、請求項1から請求項4のいずれかに記載の音声認識方法を実現するコンピュータプログラムを含むコンピュータプログラム製品。
- プロセッサによって実行される場合、請求項1から請求項4のいずれかに記載の音声認識方法を実現するコンピュータプログラム。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110391076.1A CN113129894A (zh) | 2021-04-12 | 2021-04-12 | 语音识别方法、装置、电子设备以及存储介质 |
CN202110391076.1 | 2021-04-12 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2022088586A JP2022088586A (ja) | 2022-06-14 |
JP7349523B2 true JP7349523B2 (ja) | 2023-09-22 |
Family
ID=76776598
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2022057924A Active JP7349523B2 (ja) | 2021-04-12 | 2022-03-31 | 音声認識方法、音声認識装置、電子機器、記憶媒体コンピュータプログラム製品及びコンピュータプログラム |
Country Status (5)
Country | Link |
---|---|
US (1) | US20220230633A1 (ja) |
EP (1) | EP4027337B1 (ja) |
JP (1) | JP7349523B2 (ja) |
KR (1) | KR20220052875A (ja) |
CN (1) | CN113129894A (ja) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116312509B (zh) * | 2023-01-13 | 2024-03-01 | 山东三宏信息科技有限公司 | 一种基于语音识别的终端id文本的校正方法、设备及介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2018045001A (ja) | 2016-09-12 | 2018-03-22 | 株式会社リコー | 音声認識システム、情報処理装置、プログラム、音声認識方法 |
CN108021554A (zh) | 2017-11-14 | 2018-05-11 | 无锡小天鹅股份有限公司 | 语音识别方法、装置以及洗衣机 |
JP2019526080A (ja) | 2016-07-26 | 2019-09-12 | バイドゥ オンライン ネットワーク テクノロジー (ベイジン) カンパニー リミテッド | 音声認識結果の修正方法及び装置 |
CN110765763A (zh) | 2019-09-24 | 2020-02-07 | 金蝶软件(中国)有限公司 | 语音识别文本的纠错方法、装置、计算机设备和存储介质 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107300970B (zh) * | 2017-06-05 | 2020-12-11 | 百度在线网络技术(北京)有限公司 | 虚拟现实交互方法和装置 |
CN110110041B (zh) * | 2019-03-15 | 2022-02-15 | 平安科技(深圳)有限公司 | 错词纠正方法、装置、计算机装置及存储介质 |
CN110164435B (zh) * | 2019-04-26 | 2024-06-25 | 平安科技(深圳)有限公司 | 语音识别方法、装置、设备及计算机可读存储介质 |
CN111739514B (zh) * | 2019-07-31 | 2023-11-14 | 北京京东尚科信息技术有限公司 | 一种语音识别方法、装置、设备及介质 |
CN111444705A (zh) * | 2020-03-10 | 2020-07-24 | 中国平安人寿保险股份有限公司 | 纠错方法、装置、设备及可读存储介质 |
CN112509566B (zh) * | 2020-12-22 | 2024-03-19 | 阿波罗智联(北京)科技有限公司 | 一种语音识别方法、装置、设备、存储介质及程序产品 |
-
2021
- 2021-04-12 CN CN202110391076.1A patent/CN113129894A/zh not_active Withdrawn
-
2022
- 2022-03-31 JP JP2022057924A patent/JP7349523B2/ja active Active
- 2022-04-08 US US17/716,794 patent/US20220230633A1/en not_active Abandoned
- 2022-04-11 EP EP22167518.4A patent/EP4027337B1/en active Active
- 2022-04-11 KR KR1020220044558A patent/KR20220052875A/ko unknown
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2019526080A (ja) | 2016-07-26 | 2019-09-12 | バイドゥ オンライン ネットワーク テクノロジー (ベイジン) カンパニー リミテッド | 音声認識結果の修正方法及び装置 |
JP2018045001A (ja) | 2016-09-12 | 2018-03-22 | 株式会社リコー | 音声認識システム、情報処理装置、プログラム、音声認識方法 |
CN108021554A (zh) | 2017-11-14 | 2018-05-11 | 无锡小天鹅股份有限公司 | 语音识别方法、装置以及洗衣机 |
CN110765763A (zh) | 2019-09-24 | 2020-02-07 | 金蝶软件(中国)有限公司 | 语音识别文本的纠错方法、装置、计算机设备和存储介质 |
Also Published As
Publication number | Publication date |
---|---|
EP4027337A1 (en) | 2022-07-13 |
CN113129894A (zh) | 2021-07-16 |
EP4027337B1 (en) | 2024-02-14 |
JP2022088586A (ja) | 2022-06-14 |
US20220230633A1 (en) | 2022-07-21 |
KR20220052875A (ko) | 2022-04-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11769480B2 (en) | Method and apparatus for training model, method and apparatus for synthesizing speech, device and storage medium | |
CN111859994B (zh) | 机器翻译模型获取及文本翻译方法、装置及存储介质 | |
US20210280190A1 (en) | Human-machine interaction | |
US9558741B2 (en) | Systems and methods for speech recognition | |
US11488577B2 (en) | Training method and apparatus for a speech synthesis model, and storage medium | |
US9589578B1 (en) | Invoking application programming interface calls using voice commands | |
US11270686B2 (en) | Deep language and acoustic modeling convergence and cross training | |
EP3251114B1 (en) | Transcription correction using multi-token structures | |
EP3732629A1 (en) | Training sequence generation neural networks using quality scores | |
US11942091B2 (en) | Alphanumeric sequence biasing for automatic speech recognition using a grammar and a speller finite state transducer | |
JP7314450B2 (ja) | 音声合成方法、装置、機器、及びコンピュータ記憶媒体 | |
US11397856B2 (en) | Phonetic patterns for fuzzy matching in natural language processing | |
WO2023045186A1 (zh) | 意图识别方法、装置、电子设备和存储介质 | |
JP7349523B2 (ja) | 音声認識方法、音声認識装置、電子機器、記憶媒体コンピュータプログラム製品及びコンピュータプログラム | |
US20220005461A1 (en) | Method for recognizing a slot, and electronic device | |
KR102621436B1 (ko) | 음성 합성 방법, 장치, 전자 기기 및 저장 매체 | |
CN109036379B (zh) | 语音识别方法、设备及存储介质 | |
US20230131494A1 (en) | Voice generating method and apparatus, electronic device and storage medium | |
US20230085458A1 (en) | Dialog data generating | |
KR102632872B1 (ko) | 음성인식 오류 교정 방법 및 그 시스템 | |
US20240185844A1 (en) | Context-aware end-to-end asr fusion of context, acoustic and text presentations | |
US20220138435A1 (en) | Method and apparatus for generating a text, and storage medium | |
US20220310061A1 (en) | Regularizing Word Segmentation | |
JP2022105498A (ja) | 音声認識結果処理方法および装置、電子機器、コンピュータ可読記憶媒体並びにコンピュータプログラム | |
KR20210127613A (ko) | 대화 생성 방법, 장치, 전자 기기 및 기록 매체 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220331 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20230308 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230314 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230613 |
|
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: 20230905 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20230911 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7349523 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |