TW202119235A - 資訊搜尋之問答系統 - Google Patents
資訊搜尋之問答系統 Download PDFInfo
- Publication number
- TW202119235A TW202119235A TW108139397A TW108139397A TW202119235A TW 202119235 A TW202119235 A TW 202119235A TW 108139397 A TW108139397 A TW 108139397A TW 108139397 A TW108139397 A TW 108139397A TW 202119235 A TW202119235 A TW 202119235A
- Authority
- TW
- Taiwan
- Prior art keywords
- message
- word segmentation
- module
- word
- question
- Prior art date
Links
Images
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本發明係一種資訊搜尋之問答系統,其係由一詞語接收裝置來接收一語音訊息,接著經由一詞語轉換模組連接一斷詞模組以及連接一配對模組,將該語音訊息轉換成文字訊息後,再將該文字訊息進行斷詞,並產生至少一斷詞訊息,接著該配對模組依據一比對資料庫與該至少一斷詞訊息進行配對,並產生至少一對話訊息,經由上述將語音訊息轉換成對話訊息之方式,其能夠準確地將接收到的語音訊息準確地產生該至少一對話訊息,降低系統對於語音訊息的誤判。
Description
本發明是關於一種搜尋系統,特別指一種根據快速文本比對問答系統以進行資訊搜尋。
口語表達是人類在交流中最主要也是最自然的表達方式,不論是學習或是商業上,均是利用語言來傳達訊息及交流。
目前的科技中,對於語音辨識系統上也逐漸成熟,語音辨識(speech recognition)技術,其又稱為自動語音辨識(Automatic Speech Recognition, ASR)、電腦語音辨識(Computer Speech Recognition)或語音轉文字識別(Speech To Text, STT),其目標係當人類對一收音裝置說話時,該收音裝置會將人類說話的語音訊息傳遞至電腦,電腦再自動將人類的語音訊息轉換為相應的文字,語音辨識技術的應用包括語音撥號、語音導航、室內裝置控制、語音文件檢索、簡單的聽寫資登入等,語音辨識技術與其他自然語言處理技術如機器翻譯及語音合成技術相結合,可以構建出更加複雜的應用,例如語音到語音的翻譯,語音辨識技術所涵蓋的領域包含訊號處理、圖形辨識、概率論和資訊處理、發生機理和聽覺機理以及人工智慧等。
語音辨識係為電腦比對聲學特徵,如果以中文為例來說,像是爆破音、摩擦音、爆擦音或鼻音等,進而將說話者的發音內容轉化為文字的技術,更進一步說明,語音辨識係由多重為度構成的,其中最重要也最容易理解的就是聲學模型以及語言模型,而聲學模型可以說是由系統判斷發音,語言模型係由系統在判斷文法,而系統判斷出的結果,皆會伴隨一個信心水準。
目前於商業用途上的的語音辨識在調整辨識能力(辨識引擎)的過程中,其係先對於需要進行語音辨識的標的之領域之錄音檔進行人工解析,例如錄音檔具有一百至二百個小時的錄音檔,接著由人工的方式一一聽取這些音檔,並將這些音檔內區分成複數個音段,且於每個音段上標記正確的文字,再反饋給語音辨識系統做學習,而由人工聽取再打文字的過程中,於標音的工作時,需要非常仔細且有效率地聽打,如果於此工作環節發生錯誤,將會造成辨識能力上的錯誤。
接著當系統辨識語音完成後,系統能夠針對使用者發出之語音訊息進行回覆,其回覆的方式可以將回覆訊息轉換成文字訊息,並顯示於顯示裝置上,或是將回覆訊息轉換成語音訊息,再藉由播放裝置播放出來,但目前的語音辨識與語音回覆系統對於語音深度學習模型之耗費成本及時間較多,且回覆語句的速度也很慢,其所需的硬體設備等級較高,導致實際應用時,不夠便捷,深度學習模型偵錯方式困難,大多通過調整參數來減少錯誤,且不便於擴充語音深度學習的文本,難以增加新領域的知識,且每一個領域之知識需要的資料庫相當龐大,無法針對單一知識領域進行高準確度的解析以及回覆。
綜上所述,本發明人針對習知語音問答系統於訓練深度學習模型應用不夠便捷,深度學習模型偵錯方式困難以及難以增加新領域的知識,導致無法對單一領域進行高準確度解析以及回覆等上述之缺點進行研究及開發,終於發明出一種資訊搜尋之問答系統,首先其係對使用者提出之問句進行解析,提取關鍵詞,並從資料庫中針對句子做解析及篩選,以減少對相似度高的句子或詞語的匹配,接著找尋關鍵詞句之相對應之答案回覆給使用者,經由上述之概述,能夠根據使用者的需求進行關鍵字的搜尋,並轉換成語音或文字檔呈現給使用者,其能夠大幅減少人力成本的支出,並即時對使用者進行應答,增加使用時的流暢度。
本發明之主要目的,係提供一種資訊搜尋之問答系統,其係經由詞語接收裝置接收語音訊息,接著該語音訊息通過詞語轉換模組、斷詞模組的轉換後,再由配對模組將其與比對資料庫進行配對,進而產生準確的至少一對話訊息。
為了達到上述之目的,本發明揭示了一種資訊搜尋之問答系統,其包含一詞語接收裝置,其係接收一語音訊息,一詞語轉換模組,其係連接該詞語接收裝置,並接收該語音訊息,該詞語轉換模組將該語音轉換為一文字訊息,一斷詞模組,其係連接該詞語轉換模組,該詞語轉換模組傳送該文字訊息至該斷詞模組,該斷詞模組依據一文字資料庫對該文字訊息進行斷詞,並產生至少一斷詞訊息,以及一配對模組,其係連接該斷詞模組與一比對資料庫,該斷詞模組傳送該至少一斷詞訊息至該配對模組,該配對模組依據該比對資料庫與該至少一斷詞訊息進行配對,並產生至少一對話訊息。
本發明之一實施例中,其亦揭露更進一步包含一詞性分析模組,該詞性分析模組係連接該斷詞模組,該詞性分析模組接收該至少一斷詞訊息,並分析該至少一斷詞訊息之詞性。
本發明之一實施例中,其亦揭露該詞性分析模組分析該至少一斷詞訊息並產生至少一詞性分析訊息,該至少一詞性分析訊息係傳送至該配對模組,且該至少一詞性訊息係對應該至少一斷詞訊息。
本發明之一實施例中,其亦揭露該比對資料庫內包含至少一問句訊息以及該至少一對話訊息,且該至少一問句訊息係對應至少一對話訊息。
本發明之一實施例中,其亦揭露該至少之斷詞訊息與該至少一問句訊息配對後,並對應產生該至少一對話訊息。
本發明之一實施例中,其亦揭露該至少之斷詞訊息與該至少一對話訊息配對後,並對應產生該至少一問句訊息。
本發明之一實施例中,其亦揭露更進一步包含一詞語播放裝置,該詞語播放裝置係連接該配對模組,該配對模組傳送至少一對話訊息至該詞語播放裝置。
本發明之一實施例中,其亦揭露該斷詞模組係使用結巴斷詞程式對該文字訊息進行斷詞。
本發明之一實施例中,其亦揭露該配對模組係使用一TF-IDF程式對該至少一斷詞訊息與該比對資料庫進行配對。
本發明之一實施例中,其亦揭露該TF-IDF程式更進一步將該至少一斷詞訊息向量化,產生至少一向量訊息,該至少一向量訊息係與該比對資料庫進行配對。
為使 貴審查委員對本發明之特徵及所達成之功效有更進一步之瞭解與認識,謹佐以較佳之實施例及配合詳細之說明,說明如後:
本發明為了解決習知於商業用途上的的語音辨識在調整辨識能力(辨識引擎)的過程中,其係先對於需要進行語音辨識的標的之領域之錄音檔進行人工解析,例如錄音檔具有一百至二百個小時的錄音檔,接著由人工的方式一一聽取這些音檔,並將這些音檔內區分成複數個音段,且於每個音段上標記正確的文字,再反饋給語音辨識系統做學習,而由人工聽取再打文字的過程中,於標音的工作時,需要非常仔細且有效率地聽打,如果於此工作環節發生錯誤,將會造成辨識能力上的錯誤,且當系統辨識語音完成後,系統能夠針對使用者發出之語音訊息進行回覆,其回覆的方式可以將回覆訊息轉換成文字訊息,並顯示於顯示裝置上,或是將回覆訊息轉換成語音訊息,再藉由播放裝置播放出來,但目前的語音辨識與語音回覆系統對於語音深度學習模型之耗費成本及時間較多,且回覆語句的速度也很慢,其所需的硬體設備等級較高,導致實際應用時,不夠便捷,深度學習模型偵錯方式困難,大多通過調整參數來減少錯誤,且不便於擴充語音深度學習的文本,難以增加新領域的知識,且每一個領域之知識需要的資料庫相當龐大,無法針對單一知識領域進行高準確度的解析以及回覆,故,本發明人經過長期的研究及發展,終於發明出一種資訊搜尋之問答系統,首先其係對使用者提出之問句進行解析,提取關鍵詞,並從資料庫中針對句子做解析及篩選,以減少對相似度高的句子或詞語的匹配,接著找尋關鍵詞句之相對應之答案回覆給使用者,經由上述之概述,能夠根據使用者的需求進行關鍵字的搜尋,並轉換成語音或文字檔呈現給使用者,其能夠大幅減少人力成本的支出,並即時對使用者進行應答,增加使用時的流暢度。
首先, 請參閱第一圖,其係為本發明之第一實施例之執行示意圖,如圖所示,本發明係為一種資訊搜尋之問答系統,其包含一詞語接收裝置1、一詞語轉換模組2、一斷詞模組3以及一配對模組4。
該詞語接收裝置1係連接該詞語轉換模組2,該詞語轉換模組2連接該斷詞模組3,該斷詞模組3係連接該配對模組4,該詞語接收裝置1係接收一語音訊息12,該詞語接收裝置1係為聲音接收器、行動裝置之收音端或電子裝置之收音端,該語音訊息12係為使用者朝該詞語接收裝置1發出之聲音或語言,該詞語接收裝置1係連接該詞語轉換模組2,該詞語接收裝置1將該語音訊息12傳送至該詞語轉換模組2,該詞語轉換模組2接收該語音訊息12後,將該語音訊息12轉換為一文字訊息22, 並將該文字訊息22傳送至該斷詞模組3,且該斷詞模組3更連接一文字資料庫31,該斷詞模組3接收該文字訊息22後,其依據該文字資料庫31對該文字訊息22進行斷詞,並產生至少一斷詞訊息32,其中該至少一斷詞訊息32係為該文字訊息22區分為單詞,接著該斷詞模組3將該至少一斷詞訊息32傳送至該配對模組4,該配對模組4更連接一比對資料庫41,該配對模組4接收該至少一斷詞訊息32,並依據該至少一斷詞訊息32與該比對資料庫41進行配對,並產生至少一對話訊息42。
接著請繼續參閱第一圖及第二圖,第二圖係為本發明之第一實施例之方塊示意圖,如圖所示,當使用者對該詞語接收裝置1發出該語音訊息12,該詞語接收裝置1接收該語音訊息12,該詞語接收裝置1將該語音訊息12傳送至該詞語轉換模組2,該詞語轉換模組2將該語音訊息12轉換成該文字訊息22,例如使用者對該詞語接收裝置1說"衣服賣場在哪裡"之該語音訊息12,該詞語接收裝置1則將其傳送給該詞語轉換模組2,該詞語轉換模組2根據接收到之該語音訊息12將其轉換為該文字訊息22之"衣服賣場在哪裡",接著該詞語轉換模組2將該文字訊息12傳送至該斷詞模組3,該斷詞模組3依據該文字資料庫31對該文字訊息22進行斷詞,其中該文字資料庫31內包含許多詞彙,該斷詞模組3依據該文字資料庫31內之詞彙對該文字訊息22斷詞,則該文字訊息22斷詞後,即產生至少一斷詞訊息32,例如:" 衣服賣場在哪裡"斷詞後則變為"衣服/賣場/在/哪裡",其中,該文字資料庫31係連接網路或雲端,進而利用網路或雲端進行該文字資料庫31之內容的更新,並依據不同的場合選擇相對應之該文字資料庫31之內容,接著該斷詞模組3將該至少一斷詞訊息32傳送至該配對模組4,該配對模組4依據該比對資料庫41與該至少一斷詞訊息32進行配對,並產生該至少一對話訊息42,其中該比對資料庫41內具有該至少一對話訊息42,當該配對模組4將該至少一斷詞訊息32與該比對資料庫41內之該至少一對話訊息42進行比對後,該配對模組4依據與該至少一斷詞訊息32相似度最高之該至少一對話訊息42產生該至少一對話訊息42。
其中該至少一對話訊息42係對應至少一問句訊息44,例如該至少一斷詞訊息32與該至少一對話訊息42對應出最相關之該至少一對話訊息42為"服飾賣場在哪裡",則該至少一問句訊息44即是對應該至少一對話訊息42之回答,該至少一問句訊息44為"服飾賣場在二樓"。
請繼續參閱第三圖,其係為本發明之第二實施例之執行示意圖,第三A圖,其係為本發明之第二實施例之方塊示意圖,如圖所示,本實施例相較於第一實施例其更進一步包含一詞性分析模組5,該詞性分析模組5係連接該斷詞模組3,且該詞性分析模組5係接收該至少一斷詞訊息32,更進一步說明,該詞性分析模組5係分別連接該斷詞模組3與該配對模組4,該斷詞模組3將該至少一斷詞訊息32傳送至該詞性分析模組5後,該詞性分析模組5對該至少一斷詞訊息32進行詞性的分析,例如: "衣服/賣場/在/哪裡"之該至少一斷詞訊息32則對其詞性進行分析,進而產生至少一詞性分析訊息52,該詞性分析訊息52為"名詞/名詞/介詞/代名詞",接著該詞性分析模組5將該詞性分析訊息52傳送至該配對模組4,其中該詞性分析訊息52係對應該至少一斷詞訊息32,當該配對模組4將該至少一斷詞訊息32與該對比資料庫41進行比對時,該詞性分析訊息52即能夠嵌入至該至少一斷詞訊息32,進而使該比對資料庫41能夠依據該至少一斷詞訊息32以及該詞性分析訊息52與該至少一對話訊息42進行配對。
接續上述,該配對模組4係依據該比對資料庫41與該至少一斷詞訊息32以及該詞性分析訊息52進行比對,進而產生該至少一對話訊息42,更進一步說明,該比對資料庫41係包含該至少一對話訊息42以及該至少一問句訊息44,且該至少一對話訊息42與該至少一問句訊息44係相互對應,該至少一斷詞訊息32與該比對資料庫41進比對時,該配對模組4係將該至少一斷詞訊息32與該比對資料庫41內之該至少一對話訊息42以及該至少一問句訊息44,當該至少一斷詞訊息32與該至少一對話訊息42相似度最高,則會產生該至少一對話訊息42,接著再依據產生之該至少一對話訊息42去對應該至少一問句訊息44,反之,則該至少一斷詞訊息32與該至少一問句訊息44相似度最高,則會產生該至少一問句訊息44,接著再依據產生之該至少一問句訊息44去對應該至少一對話訊息42。
請繼續參閱第四圖,其係為本發明之第二實施例之另一執行示意圖,如圖所示,如圖所示,其更進一步包含一詞語播放裝置6,該詞語播放裝置6係連接配對模組4,該配對模組4係將該至少一對話訊息42或該至少一問句訊息44傳送至該詞語播放裝置6,該詞語播放裝置6將該接收到之該至少一對話訊息42或該至少一問句訊息44以聲音訊息進行播放,此外,該詞語播放裝置6也能夠將該至少一對話訊息42或該至少一問句訊息44以螢幕顯示文字之方式顯示於螢幕上。
接續上述,該斷詞模組係使用結巴斷詞程式(Jieba)對該文字訊息22進行斷詞,結巴斷詞程式係自帶了一個叫做dict.txt的辭典,其具有兩萬多條詞,且包含了詞條出現的次數和詞性,於結巴斷詞程式內係具有一個trie樹結構,其係將兩萬多條詞放到trie樹中,而trie樹是有名的前綴樹, 也就是說一個詞語的前面幾個字一樣, 就表示他們具有相同的前綴, 就可以使用trie樹來存儲, 具有查找速度快的優勢。
接續上述,該配對模組係使用一TF-IDF程式對該至少一斷詞訊息與該至少一斷詞訊息32與該比對資料庫41進行配對,其中該TF-IDF係為一種用於資訊檢索與文字挖掘的常用加權技術,TF-IDF是一種統計方法,用以評估一字詞對於一個檔案集或一個語料庫中的其中一份檔案的重要程度,字詞的重要性隨著它在檔案中出現的次數成正比增加,但同時會隨著它在語料庫中出現的頻率成反比下降,TF-IDF加權的各種形式常被搜尋引擎應用,作為檔案與用戶查詢之間相關程度的度量或評級,除了TF-IDF以外,網際網路上的搜尋引擎還會使用基於連結分析的評級方法,以確定檔案在搜尋結果中出現的順序,再者,該TF-IDF程式更進一步將該至少一斷詞訊息32向量化,產生至少一向量訊息,該至少一向量訊息再與該比對資料庫41進行配對,更進一步說明,該至少一向量訊息係與該比對資料庫41之該至少一對話訊息42或該至少一問句訊息44進行配對,並使用TF-IDF來調整該至少一向量訊息的權重,接著再依據該至少一向量訊息與該至少一對話訊息42或該至少一問句訊息44之間相似度分數,將相似度分數最高之該至少一對話訊息42或該至少一問句訊息44選出後,再對應至相對應之該至少一對話訊息42或該至少一問句訊息44,例如,似度分數最高之訊息係為該至少一對話訊息42,則TF-IDF則將似度分數最高之該至少一對話訊息42選出,並將對應該至少一對話訊息42之該至少一問句訊息44進行輸出,其係輸出至該詞語播放裝置6,該詞語播放裝置6再將其轉換為語音並播放出來。
綜上所述,本發明之一種資訊搜尋之問答系統,其係接收一語音訊息後,該詞語轉換模組將該語音訊息傳換成該文字訊息,接著該文字訊息再由斷詞模組轉換成該至少一斷詞訊息,以及該至少一斷詞訊息再由該配對模組將其與該比對資料庫內之資料進行配對,進而產生該至少一對話訊息或該至少一問句訊息,其中該至少一對話訊息與該至少一問句訊息係相互對應,經由上述之說明其能夠根據使用者的需求進行關鍵字的搜尋,並轉換成語音或文字檔呈現給使用者,其能夠大幅減少人力成本的支出,並即時對使用者進行應答,增加使用時的流暢度。
惟以上所述者,僅為本發明之較佳實施例而已,並非用來限定本發明實施之範圍,舉凡依本發明申請專利範圍所述之形狀、構造、特徵及精神所為之均等變化與修飾,均應包括於本發明之申請專利範圍內。
1:詞語接收裝置
12:語音訊息
2:詞語轉換模組
22:文字訊息
3:斷詞模組
31:文字資料庫
32:斷詞訊息
4:配對模組
41:比對資料庫
42:對話訊息
44:問句訊息
5:詞性分析模組
52:詞性分析訊息
6:詞語播放裝置
第一圖:其係為本發明之第一實施例之執行示意圖;
第二圖:其係為本發明之第一實施例之方塊示意圖;
第三圖:其係為本發明之第二實施例之執行示意圖;
第三A圖:其係為本發明之第二實施例之方塊示意圖;以及
第四圖:其係為本發明之第二實施例之另一執行示意圖。
1:詞語接收裝置
12:語音訊息
2:詞語轉換模組
22:文字訊息
3:斷詞模組
31:文字資料庫
32:斷詞訊息
4:配對模組
41:比對資料庫
42:對話訊息
Claims (10)
- 一種資訊搜尋之問答系統,其包含: 一詞語接收裝置,其係接收一語音訊息; 一詞語轉換模組,其係連接該詞語接收裝置,並接收該語音訊息,該詞語轉換模組將該語音轉換為一文字訊息; 一斷詞模組,其係連接該詞語轉換模組,該詞語轉換模組傳送該文字訊息至該斷詞模組,該斷詞模組依據一文字資料庫對該文字訊息進行斷詞,並產生至少一斷詞訊息;以及 一配對模組,其係連接該斷詞模組與一比對資料庫,該斷詞模組傳送該至少一斷詞訊息至該配對模組,該配對模組依據該比對資料庫與該至少一斷詞訊息進行配對,並產生至少一對話訊息。
- 如申請專利範圍第1項所述之資訊搜尋之問答系統,更進一步包含一詞性分析模組,該詞性分析模組係連接該斷詞模組,該詞性分析模組接收該至少一斷詞訊息,並分析該至少一斷詞訊息之詞性。
- 如申請專利範圍第2項所述之資訊搜尋之問答系統,其中該詞性分析模組分析該至少一斷詞訊息並產生至少一詞性分析訊息,該至少一詞性分析訊息係傳送至該配對模組,且該至少一詞性訊息係對應該至少一斷詞訊息。
- 如申請專利範圍第1項所述之資訊搜尋之問答系統,其中該比對資料庫內包含至少一問句訊息以及該至少一對話訊息,且該至少一問句訊息係對應至少一對話訊息。
- 如申請專利範圍第4項所述之資訊搜尋之問答系統,其中該至少之斷詞訊息與該至少一問句訊息配對後,並對應產生該至少一對話訊息。
- 如申請專利範圍第4項所述之資訊搜尋之問答系統,其中該至少之斷詞訊息與該至少一對話訊息配對後,並對應產生該至少一問句訊息。
- 如申請專利範圍第1項所述之資訊搜尋之問答系統,更進一步包含一詞語播放裝置,該詞語播放裝置係連接該配對模組,該配對模組傳送至少一對話訊息至該詞語播放裝置。
- 如申請專利範圍第1項所述之資訊搜尋之問答系統,其中該斷詞模組係使用結巴斷詞程式對該文字訊息進行斷詞。
- 如申請專利範圍第1項所述之資訊搜尋之問答系統,其中該配對模組係使用一TF-IDF程式對該至少一斷詞訊息與該比對資料庫進行配對。
- 如申請專利範圍第9項所述之資訊搜尋之問答系統,其中該TF-IDF程式更進一步將該至少一斷詞訊息向量化,產生至少一向量訊息,該至少一向量訊息係與該比對資料庫進行配對。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW108139397A TW202119235A (zh) | 2019-10-31 | 2019-10-31 | 資訊搜尋之問答系統 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW108139397A TW202119235A (zh) | 2019-10-31 | 2019-10-31 | 資訊搜尋之問答系統 |
Publications (1)
Publication Number | Publication Date |
---|---|
TW202119235A true TW202119235A (zh) | 2021-05-16 |
Family
ID=77020769
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW108139397A TW202119235A (zh) | 2019-10-31 | 2019-10-31 | 資訊搜尋之問答系統 |
Country Status (1)
Country | Link |
---|---|
TW (1) | TW202119235A (zh) |
-
2019
- 2019-10-31 TW TW108139397A patent/TW202119235A/zh unknown
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10176804B2 (en) | Analyzing textual data | |
WO2021232725A1 (zh) | 基于语音交互的信息核实方法、装置、设备和计算机存储介质 | |
US9947317B2 (en) | Pronunciation learning through correction logs | |
US11450311B2 (en) | System and methods for accent and dialect modification | |
KR102191425B1 (ko) | 인터랙티브 캐릭터 기반 외국어 학습 장치 및 방법 | |
US9483459B1 (en) | Natural language correction for speech input | |
WO2018153213A1 (zh) | 一种多语言混合语音识别方法 | |
US10621975B2 (en) | Machine training for native language and fluency identification | |
US10839788B2 (en) | Systems and methods for selecting accent and dialect based on context | |
JP2003036093A (ja) | 音声入力検索システム | |
KR20170034227A (ko) | 음성 인식 장치 및 방법과, 음성 인식을 위한 변환 파라미터 학습 장치 및 방법 | |
Metze et al. | Language independent search in MediaEval's Spoken Web Search task | |
KR20130128716A (ko) | 어학 학습 시스템 및 학습 방법 | |
CN101551947A (zh) | 辅助口语语言学习的计算机系统 | |
US11531693B2 (en) | Information processing apparatus, method and non-transitory computer readable medium | |
TW201517018A (zh) | 語音辨識方法及其電子裝置 | |
US20190164555A1 (en) | Apparatus, method, and non-transitory computer readable storage medium thereof for generatiing control instructions based on text | |
CN110852075B (zh) | 自动添加标点符号的语音转写方法、装置及可读存储介质 | |
JP6625772B2 (ja) | 検索方法及びそれを用いた電子機器 | |
Glasser | Automatic speech recognition services: Deaf and hard-of-hearing usability | |
Seljan et al. | Combined automatic speech recognition and machine translation in business correspondence domain for english-croatian | |
CN112346696B (zh) | 虚拟助理的语音比较 | |
Hori et al. | A statistical approach to automatic speech summarization | |
Do et al. | Text-to-speech for under-resourced languages: Phoneme mapping and source language selection in transfer learning | |
CN111429886B (zh) | 一种语音识别方法及系统 |