RU2017143129A - Способ захвата речевого ввода от пользователя, система и машиночитаемые запоминающие носители - Google Patents

Способ захвата речевого ввода от пользователя, система и машиночитаемые запоминающие носители Download PDF

Info

Publication number
RU2017143129A
RU2017143129A RU2017143129A RU2017143129A RU2017143129A RU 2017143129 A RU2017143129 A RU 2017143129A RU 2017143129 A RU2017143129 A RU 2017143129A RU 2017143129 A RU2017143129 A RU 2017143129A RU 2017143129 A RU2017143129 A RU 2017143129A
Authority
RU
Russia
Prior art keywords
audio
audio data
captured
filtering
capture
Prior art date
Application number
RU2017143129A
Other languages
English (en)
Inventor
Сандип Радж ГАНДИГА
Original Assignee
ФОРД ГЛОУБАЛ ТЕКНОЛОДЖИЗ, ЭлЭлСи
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by ФОРД ГЛОУБАЛ ТЕКНОЛОДЖИЗ, ЭлЭлСи filed Critical ФОРД ГЛОУБАЛ ТЕКНОЛОДЖИЗ, ЭлЭлСи
Publication of RU2017143129A publication Critical patent/RU2017143129A/ru

Links

Classifications

    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • 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
    • G10L15/22—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
    • G10L15/20—Speech recognition techniques specially adapted for robustness in adverse environments, e.g. in noise, of stress induced speech
    • 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
    • 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
    • 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
    • G10L21/028—Voice signal separating using properties of sound source
    • 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
    • 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
    • G10L21/0208—Noise filtering
    • G10L2021/02082—Noise filtering the noise being echo, reverberation of the speech
    • 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
    • G10L21/0208—Noise filtering
    • G10L2021/02087—Noise filtering the noise being separate speech, e.g. cocktail party

Landscapes

  • Engineering & Computer Science (AREA)
  • Acoustics & Sound (AREA)
  • Health & Medical Sciences (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Human Computer Interaction (AREA)
  • Physics & Mathematics (AREA)
  • Computational Linguistics (AREA)
  • Multimedia (AREA)
  • Quality & Reliability (AREA)
  • Signal Processing (AREA)
  • Fittings On The Vehicle Exterior For Carrying Loads, And Devices For Holding Or Mounting Articles (AREA)
  • Circuit For Audible Band Transducer (AREA)
  • User Interface Of Digital Computer (AREA)
  • Signal Processing For Digital Recording And Reproducing (AREA)
  • Telephone Function (AREA)

Claims (35)

1. Способ захвата речевого ввода от пользователя, при этом способ содержит этапы, на которых
буферизуют аудиоданные для формирования звука;
воспроизводят упомянутые аудиоданные на одном или более динамиков;
захватывают аудио (захваченное аудио) с использованием микрофона;
фильтруют захваченное аудио для того, чтобы формировать фильтрованное аудио, при этом фильтрация содержит этап, на котором осуществляют фильтрацию с использованием буферизированных аудиоданных, чтобы удалять аудио, соответствующее упомянутым аудиоданным, из захваченного аудио; и
формируют текст или команды на основе фильтрованного аудио.
2. Способ по п. 1, в котором захват захваченного аудио с использованием микрофона содержит этап, на котором осуществляют захват в ходе воспроизведения упомянутых аудиоданных на одном или более динамиков.
3. Способ по п. 1, дополнительно содержащий этап, на котором определяют, воспроизводятся ли какие-либо аудиоданные, при этом буферизация аудиоданных содержит этап, на котором осуществляют буферизацию в ответ на определение того, что аудиоданные воспроизводятся.
4. Способ по п. 1, дополнительно содержащий этап, на котором определяют время для воспроизведения упомянутых аудиоданных.
5. Способ по п. 4, в котором фильтрация захваченного аудио с использованием буферизированных аудиоданных содержит этап, на котором осуществляют фильтрацию на основе упомянутого времени для воспроизведения упомянутых аудиоданных.
6. Способ по п. 1, в котором буферизация аудиоданных для формирования звука содержит этап, на котором захватывают упомянутые аудиоданные из буфера необработанного аудио перед удалением из буфера необработанного аудио, при этом упомянутые аудиоданные размещены в буфере необработанного аудио до воспроизведения на одном или более динамиков.
7. Способ по п. 1, в котором упомянутые аудиоданные содержат музыку, аудио, соответствующее видео, звук оповещения и голосовую инструкцию.
8. Способ по п. 1, дополнительно содержащий этап, на котором определяют операцию, которая должна выполняться посредством вычислительного устройства или управляемой системы, на основе текста или команды.
9. Способ по п. 1, дополнительно содержащий этап, на котором принимают указание, чтобы активировать распознавание речи, при этом буферизация аудиоданных, захват аудио, фильтрация захваченного аудио и выполнение преобразования речи в текст содержит этап, на котором осуществляют упомянутые буферизацию, захват, фильтрацию и выполнение в ответ на прием упомянутого указания.
10. Система, содержащая
компонент воспроизведения аудио, выполненный с возможностью буферизовать аудиоданные для формирования звука;
компонент рендеринга аудио, выполненный с возможностью воспроизводить упомянутые аудиоданные на одном или более динамиков;
компонент захвата, выполненный с возможностью захватывать аудио (захваченное аудио) с использованием микрофона;
компонент фильтрации, выполненный с возможностью фильтровать захваченное аудио для того, чтобы формировать фильтрованное аудио, при этом фильтрация содержит фильтрацию с использованием буферизированных аудиоданных, чтобы удалять аудио, соответствующее упомянутым аудиоданным, из захваченного аудио; и
компонент распознавания речи, выполненный с возможностью формировать текст или команды на основе фильтрованного аудио.
11. Система по п. 10, в которой компонент захвата выполнен с возможностью захватывать захваченное аудио в ходе воспроизведения упомянутых аудиоданных на одном или более динамиков.
12. Система по п. 10, в которой компонент воспроизведения аудио дополнительно выполнен с возможностью определять, воспроизводятся ли какие-либо аудиоданные, при этом воспроизводимое аудио выполнено с возможностью буферизовать упомянутые аудиоданные в ответ на определение того, что аудиоданные воспроизводятся.
13. Система по п. 10, в которой компонент воспроизведения аудио дополнительно выполнен с возможностью определять время для воспроизведения упомянутых аудиоданных.
14. Система по п. 13, в которой компонент фильтрации выполнен с возможностью фильтровать захваченное аудио с использованием буферизированных аудиоданных на основе упомянутого времени для воспроизведения упомянутых аудиоданных.
15. Система по п. 10, в которой компонент распознавания речи дополнительно выполнен с возможностью определять операцию, которая должна выполняться посредством вычислительного устройства или системы управления, на основе текста или команды.
16. Машиночитаемый запоминающий носитель, сохраняющий инструкции, которые, при выполнении посредством одного или более процессоров, инструктируют одному или более процессоров
буферизовать аудиоданные для формирования звука;
воспроизводить упомянутые аудиоданные на одном или более динамиков;
захватывать аудио (захваченное аудио) с использованием микрофона;
фильтровать захваченное аудио для того, чтобы формировать фильтрованное аудио, при этом фильтрация содержит фильтрацию с использованием буферизированных аудиоданных, чтобы удалять аудио, соответствующее упомянутым аудиоданным, из захваченного аудио; и
формировать текст или команды на основе фильтрованного аудио.
17. Машиночитаемый запоминающий носитель по п. 16, в котором инструкции дополнительно инструктируют одному или более процессоров захватывать захваченное аудио в ходе воспроизведения упомянутых аудиоданных на одном или более динамиков.
18. Машиночитаемый запоминающий носитель по п. 16, в котором инструкции дополнительно инструктируют одному или более процессоров определять время для воспроизведения упомянутых аудиоданных.
19. Машиночитаемый запоминающий носитель по п. 18, в котором инструкции дополнительно инструктируют одному или более процессоров фильтровать захваченное аудио с использованием буферизированных аудиоданных на основе упомянутого времени для воспроизведения упомянутых аудиоданных.
20. Машиночитаемый запоминающий носитель по п. 16, в котором инструкции дополнительно инструктируют одному или более процессоров определять операцию, которая должна выполняться посредством вычислительного устройства или системы управления, на основе текста или команды.
RU2017143129A 2016-12-13 2017-12-11 Способ захвата речевого ввода от пользователя, система и машиночитаемые запоминающие носители RU2017143129A (ru)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US15/377,600 US20180166073A1 (en) 2016-12-13 2016-12-13 Speech Recognition Without Interrupting The Playback Audio
US15/377,600 2016-12-13

Publications (1)

Publication Number Publication Date
RU2017143129A true RU2017143129A (ru) 2019-06-11

Family

ID=60950167

Family Applications (1)

Application Number Title Priority Date Filing Date
RU2017143129A RU2017143129A (ru) 2016-12-13 2017-12-11 Способ захвата речевого ввода от пользователя, система и машиночитаемые запоминающие носители

Country Status (6)

Country Link
US (1) US20180166073A1 (ru)
CN (1) CN108231071A (ru)
DE (1) DE102017129484A1 (ru)
GB (1) GB2559460A (ru)
MX (1) MX2017016084A (ru)
RU (1) RU2017143129A (ru)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20200211540A1 (en) * 2018-12-27 2020-07-02 Microsoft Technology Licensing, Llc Context-based speech synthesis
CN109743436B (zh) * 2018-12-29 2020-08-28 苏州思必驰信息科技有限公司 用于语音对话的通讯补偿方法、装置、设备和存储介质
EP3916722A1 (en) * 2019-01-29 2021-12-01 Google LLC Using structured audio output to detect playback in wireless speakers
US11410656B2 (en) * 2019-07-31 2022-08-09 Rovi Guides, Inc. Systems and methods for managing voice queries using pronunciation information
US11494434B2 (en) 2019-07-31 2022-11-08 Rovi Guides, Inc. Systems and methods for managing voice queries using pronunciation information
CN111210820B (zh) * 2020-01-21 2022-11-18 达闼机器人股份有限公司 机器人的控制方法、装置、电子设备以及存储介质

Family Cites Families (31)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6001131A (en) * 1995-02-24 1999-12-14 Nynex Science & Technology, Inc. Automatic target noise cancellation for speech enhancement
US5708704A (en) * 1995-04-07 1998-01-13 Texas Instruments Incorporated Speech recognition method and system with improved voice-activated prompt interrupt capability
US5848163A (en) * 1996-02-02 1998-12-08 International Business Machines Corporation Method and apparatus for suppressing background music or noise from the speech input of a speech recognizer
DE19814971A1 (de) * 1998-04-03 1999-10-07 Daimlerchrysler Aerospace Ag Verfahren zur Störbefreiung eines Mikrophonsignals
US6246986B1 (en) * 1998-12-31 2001-06-12 At&T Corp. User barge-in enablement in large vocabulary speech recognition systems
US7136458B1 (en) * 1999-12-23 2006-11-14 Bellsouth Intellectual Property Corporation Voice recognition for filtering and announcing message
US6725193B1 (en) * 2000-09-13 2004-04-20 Telefonaktiebolaget Lm Ericsson Cancellation of loudspeaker words in speech recognition
WO2002052546A1 (en) * 2000-12-27 2002-07-04 Intel Corporation Voice barge-in in telephony speech recognition
DE10163214A1 (de) * 2001-12-21 2003-07-10 Philips Intellectual Property Verfahren und Steuersystem zur Sprachsteuerung eines Gerätes
US7328159B2 (en) * 2002-01-15 2008-02-05 Qualcomm Inc. Interactive speech recognition apparatus and method with conditioned voice prompts
JP4209247B2 (ja) * 2003-05-02 2009-01-14 アルパイン株式会社 音声認識装置および方法
US8244536B2 (en) * 2003-08-27 2012-08-14 General Motors Llc Algorithm for intelligent speech recognition
US7099821B2 (en) * 2003-09-12 2006-08-29 Softmax, Inc. Separation of target acoustic signals in a multi-transducer arrangement
JP4333369B2 (ja) * 2004-01-07 2009-09-16 株式会社デンソー 雑音除去装置、及び音声認識装置、並びにカーナビゲーション装置
JP4283212B2 (ja) * 2004-12-10 2009-06-24 インターナショナル・ビジネス・マシーンズ・コーポレーション 雑音除去装置、雑音除去プログラム、及び雑音除去方法
US7813498B2 (en) * 2007-07-27 2010-10-12 Fortemedia, Inc. Full-duplex communication device and method of acoustic echo cancellation therein
DE602007014382D1 (de) * 2007-11-12 2011-06-16 Harman Becker Automotive Sys Unterscheidung zwischen Vordergrundsprache und Hintergrundgeräuschen
KR101233271B1 (ko) * 2008-12-12 2013-02-14 신호준 신호 분리 방법, 상기 신호 분리 방법을 이용한 통신 시스템 및 음성인식시스템
US8364298B2 (en) * 2009-07-29 2013-01-29 International Business Machines Corporation Filtering application sounds
US8311838B2 (en) * 2010-01-13 2012-11-13 Apple Inc. Devices and methods for identifying a prompt corresponding to a voice input in a sequence of prompts
US9111536B2 (en) * 2011-03-07 2015-08-18 Texas Instruments Incorporated Method and system to play background music along with voice on a CDMA network
US8762151B2 (en) * 2011-06-16 2014-06-24 General Motors Llc Speech recognition for premature enunciation
KR101641448B1 (ko) * 2012-03-16 2016-07-20 뉘앙스 커뮤니케이션즈, 인코포레이티드 사용자 전용 자동 음성 인식
US8781821B2 (en) * 2012-04-30 2014-07-15 Zanavox Voiced interval command interpretation
US9313335B2 (en) * 2012-09-14 2016-04-12 Google Inc. Handling concurrent speech
TWI557722B (zh) * 2012-11-15 2016-11-11 緯創資通股份有限公司 語音干擾的濾除方法、系統，與電腦可讀記錄媒體
KR101428245B1 (ko) * 2012-12-05 2014-08-07 현대자동차주식회사 음성 인식 장치 및 방법
US9767819B2 (en) * 2013-04-11 2017-09-19 Nuance Communications, Inc. System for automatic speech recognition and audio entertainment
CN105138110A (zh) * 2014-05-29 2015-12-09 中兴通讯股份有限公司 语音交互方法及装置
US9947318B2 (en) * 2014-10-03 2018-04-17 2236008 Ontario Inc. System and method for processing an audio signal captured from a microphone
EP3206204A1 (en) * 2016-02-09 2017-08-16 Nxp B.V. System for processing audio

Also Published As

Publication number Publication date
US20180166073A1 (en) 2018-06-14
DE102017129484A1 (de) 2018-06-14
MX2017016084A (es) 2018-11-09
GB201720160D0 (en) 2018-01-17
GB2559460A (en) 2018-08-08
CN108231071A (zh) 2018-06-29

Similar Documents

Publication Publication Date Title
RU2017143129A (ru) Способ захвата речевого ввода от пользователя, система и машиночитаемые запоминающие носители
US8909537B2 (en) Device capable of playing music and method for controlling music playing in electronic device
JP2006201749A5 (ru)
JP2017021125A5 (ja) 音声対話装置および音声対話方法
JP2010130487A5 (ru)
JP6276503B2 (ja) オーディオ装置
CN101909191B (zh) 视频处理设备和视频处理方法
JP2011257943A (ja) ジェスチャ操作入力装置
US20140376885A1 (en) Method for playing video file and electronic device using the same
US8817993B2 (en) Audio device with volume adjusting function and volume adjusting method
JP2019113636A (ja) 音声認識システム
TW201314673A (zh) 具有暫停播放多媒體檔案功能的電子裝置及方法
JP2018082391A5 (ru)
JP2007041302A (ja) 音声再生装置および音声再生処理プログラム
JP6155633B2 (ja) マルチトラック録音装置
JP2007183410A (ja) 情報再生装置および方法
US20210158797A1 (en) Detection of live speech
JP2015215503A (ja) 音声認識方法、音声認識装置および音声認識プログラム
JP2017106989A5 (ja) 音声対話方法、音声対話装置およびプログラム
JP2007149163A (ja) コンテンツ再生装置
JP4779954B2 (ja) 音声データ処理装置、方法及びプログラム
JP2019022039A5 (ru)
JP2006166322A5 (ru)
US20140185830A1 (en) Methods, systems, and apparatus for audio backtracking control
JP6768613B2 (ja) 音声処理装置、方法およびプログラム

Legal Events

Date Code Title Description
FA93 Acknowledgement of application withdrawn (no request for examination)

Effective date: 20201215