TWI296793B - Speech recognition assisted autocompletion of composite characters - Google Patents

Description

1296793 (1) 九、發明說明 【發明所屬之技術領域】 本發明係關於合成字元的登錄，特別地本發明藉由手 動使用者輸入和語音辨識之組合以精細地刪減待選單字或 字元之表列，而有助於將單字或字元登錄至通訊或計算裝 置中。 【先前技術】 現在市售的行動通訊和計算裝置能夠進行各種廣泛的 功能，逐漸增加地此功能需要文字的登錄或受惠於其中。 例如：用於連接行動電話的文字訊息服務目前正廣泛地使 用。如另一實例，使用可攜帶式裝置連接電子郵件的應用 正在增加中。然而，在可攜帶裝置上鍵盤可用的空間受到 極大的限制，所以將文字登錄進入此類裝置可能很困難。 此外，某些語言所使用的符號也很難輸入，即使是連接至 較大的桌上型通訊或計算裝置也不容易。 爲了有助於單字或字元的登錄，特別是使用一可攜帶 電話或其他裝置的小型鍵盤，可以適用自動完成的特性。 此特性能夠將一表列的待選單字或字元呈現於使用者，以 回應接收到來自一使用者的一啓始組輸入。這些輸入可以 包括指定一單字的前幾個字母或一字兀的則幾筆劃’比如 中文字。然而，因爲呈現的表列可能會非常冗長’對於使 用者想要快速地找到所欲的單字或字元會很困難° 爲了解決具有一冗長表列的自動完成待選字之問題， -5- (2) 1296793 能夠提供一表列的待選單字或字元是根據其使用頻率來排 序的系統已經問市。將這些待選字根據其出現頻率來排序 可以降低使用者轉動整個表列待選字的需要。然而，要以 敏感的方式排列一表列的待選單字或字元就可能很困難。 此外，當使用者找尋一罕見的單字或字元時，想必無法節 省時間或只節省一點點而已。 由使用者手動輸入爲一解決方式時，聲音或語音辨識 φ 系統可以適用於輸入文字或啓動指令。然而，此類系統的 精確度常常與所希望的結果有所差距，即使經過使用者訓 練和校正之後。還有，一套功能完整的語音辨識系統通常 會需要行動通訊或計算裝置，例如··行動電話上比較無法 提供的處理和記憶資源。結果，適用於連接行動裝置的語 音辨識功能常是基本型，並且只是啓動以辨識一種語言中 少量次級的口語單字。此外，行動裝置上的語音辨識通常 受限於啓動清單指令，比如存取地址簿以及外撥一選取的 φ 號碼。 【發明內容】 本發明有關於解決習知技術中上述和其他方面的缺點 。根據本發明之實施例，語音辨識是用於過濾或縮減待選 合成字元之表列，比如單字（例如：關於英文字）或字元 (例如：關於中文字）。特別地，接著在使用者手動輸入 一個字母、一筆劃，或被輸入單字或字元的字形之後，該 使用者可以說出該字元。然後，語音辨識軟體就嘗試從該 -6- (3) 1296793 待選表列中消除與說出的單字或字元發音不同的單字或字 元。據此，即使一個相當基本的語音辨識應用也能夠有效 地至少從該待選表列中消除一些單字或字元。再者’藉由 先提供一個字母、一個單字或字元的一筆劃或其他部分’ 經由選擇或輸入該部份，適用或待選的單字或字元之範圍 係被界定完成較爲狹隘，其能夠降低語音辨識應用所需要 的精確度，以進一步地減小範圍，（即縮減該待選表列） 或正確地識別該使用者所欲輸入的單字或字元。 【實施方式】 根據本發明之實施例，一個單字或字元可以包括在一 表列的單字或字元（在此統合稱爲 > 字元〃）內，準備好 供使用者選擇以回應使用者輸入顯示包括在一所欲字元內 之一單字或字元的一特定部分，比如一字母（例如：是英 文字的情況），或一筆劃或字形（例如：是中文字的情況 φ )。此外，該表列的字元可以對應於從使用者輸入的語音 而縮減。特別地，爲回應從使用者輸入語音的接收可以用 於識別相關（或無關）於所接收語音之該待選表列中的字 元，而改變該待選表列的內容。尤其’提供一較短的表列 待選單字或字元，或者識別一確實的字元，經由利用使用 者輸入該所欲字元的一部分與接收使用者發聲該所欲字元 輸入的語音辨識之組合，有助於字元的登錄。 現在參考圖1，以方塊圖形式繪製根據本發明之實施 例中一通訊或記算裝置1 00的組件。該組件包括一處理器 (4) 1296793 1 04，能夠執行程式指令。尤其該處理器1 04可以包括任 何一般目的的可程式化處理器或控制器，用於執行應用程 式。或者該處理器1 04可以包括一特別架構的應用特定積 體電路（ASIC )。該處理器104通常具有執行程式碼的 功能，以執行該通訊或計算裝置1 00要進行的各種功能， 包括如上所述的單字或字元選擇操作。 一通訊或計算裝置1 00可以額外包括記憶體1 08，用 φ 於與該處理器1 04執行的程式連接以及用於暫時或長期儲 存資料或程式指令。該記憶體1 08可以包括固態記憶體位 置、可移除的或在遠端的性質，比如DRAM和SDRAM。 而該處理器104包括一控制器的情況，該記憶體108可以 整合至該處理器104。 此外，該通訊或計算裝置1 00包括一或多個使用者輸 入112和一或多個使用者輸出116。使用者輸入112的實 例包括鍵盤、小型鍵盤、觸控螢幕輸入、以及麥克風，使 φ 用者輸出Π 6的實例包括喇叭、顯示螢幕（包含觸控螢幕 顯示器）、以及指示燈。還有，本技術領域中的技術人員 應該理解到，使用者輸入1 1 2可以與一項使用者輸出1 1 6 組合或連結操作。此一整合的使用者輸入1 1 2與使用者輸 出1 1 6之實例爲一觸控螢幕顯示器，能夠同時將視覺資訊 呈現於一使用者，並且接收來自一使用者的輸入選擇。 一通訊或計算裝置100也可以包括資料儲存器120, 用於儲存應用程式和/或資料。此外，作業系統軟體1 24 可以儲存在該資料儲存器120內。該資料儲存器120可以 -8- (5) 1296793 包括例如··一磁性儲存裝置、一固態儲存裝置、一光學儲 存裝置、一邏輯電路、或此裝置的任何組合。應該進一步 理解到，能夠保持在該資料儲存器1 20內的程式和資料可 以包括軟體、軔體、或硬體/邏輯，隨該資料儲存器1 20的 特殊執行而定。 可以儲存在該資料儲存器1 20內的應用之實例包括語 音辨識應用128與單字或字元選擇應用132。此外，該資 φ 料儲存器120可以包含一表格或一資料庫的待選單字或字 元134。如上所述，一語音辨識應用128、字元選擇應用 132、和/或表格的待選單字或字元134，可以彼此互相 整合和/或彼此共同操作。該資料儲存器1 2 0也可以包含 用於連接該通訊或計算裝置1 00的其他功能品質之應用程 式和資料。舉例而言，關於通訊或計算裝置丨〇〇 (比如行 動電話），該資料儲存器可以包括通訊應用軟體。另一實 例，一通訊或計算裝置1 0 0，比如一個人數位助理（p D A φ )或一般功能的電腦可以包括一文字處理應用和資料儲存 器12 0。此外，根據本發明之實施例，一語音辨識應用 128和/或字元選擇應用132可以與通訊應用軟體、文字 處理軟體、或能夠接收由使用者鍵入或選擇的單字或字元 當做輸入之其他應用共同操作。 一通訊或計算裝置1 00也可以包括一或多個通訊網路 介面1 3 6。通訊網路介面的實例包括行動電話無線電收發 器、一網路介面卡、一數據交換機、一行動電話埠、一串 聯或並聯的資料埠 '或其他有線或無線的通訊網路介面。 •9- (6) 1296793 現在參考圖2，繪製的是一通訊或計算裝置loo包括 一 丫了動電話200。該行動電話200 —般包括一使用者輸入 1 12，含有一數字的小型鍵盤204 '游標控制鈕208、輸入 鈕212、以及麥克風214。此外，該行動電話200包括使 用者輸出含有視覺顯示器2 1 6，比如一彩色或單色的液晶 顯示器（LCD)和喇叭220。 於文字輸入或選擇模組時，根據本發明之實施例，使 0 用者能夠致使包含一或多個單字或字元的一部分或完整表 列呈現在該顯示器螢幕216上，以回應包含使用者經由該 小型鍵盤204輸入的特定字母、筆劃、或字形之輸入。如 本技術領域中技術人員可以理解到，包括在該小型鍵盤內 的每一個按鍵可以關聯數個字母或字元形狀以及其他符號 。例如：圖2中的小型鍵盤204是以按鍵2至9與三個（ 有時是四個）字母2 2 4產生關聯。此外，圖2實例中的小 型鍵盤204是以按鍵2至9與三個（在一情況是四個）中 φ 文字根目錄2 2 8產生關聯。如本技術領域中的一般人員理 解到，此類字根可以從連接到包含完整中文字的確定形狀 中選擇出來，例如：利用五筆字型形狀爲主的方法繼續完 成中文字。此外，選擇該些字根之一可以使相關的字根備 用以容許該使用者選定具有特性的一所欲字形。尤其，使 用者可以藉由按下或輕敲與所欲字母或字形相關的按鍵多 次，以選擇包括在該小型鍵盤204內與一特定按鍵關聯的 一個字母或字形。 接著，由視覺顯不器2 1 6上顯示至少部分由選擇字母 -10- (7) 1296793 或字形結果所產生的表列之待選字元。假如該表 而不能便利地完全呈現於該顯示器2 1 6上，該游 或某個其他輸入1 1 2可以用於捲動該完整的表列 鈕208或其他輸入112也可以用來連接選擇一所 ，例如：利用游標鈕208或其他輸入1 1 2以強調 表列中該所欲的字元，然後例如：以按下輸入鈕 擇該字元。此外，如所敘述該表列的待選字元能 φ 用者經由麥克風214提供至該裝置100的語音， 置1 〇〇例如：經過語音辨識應用1 2 8處理後而縮 ，該語音辨識應用1 2 8的功能在於與字元選擇應 合，如此該語音辨識應用1 2 8嘗試識別包括在該 應用132於回應手動或其他使用者輸入指定的該 之一部分所產生的表列中字元，而不是嘗試識別 語音辨識應用1 28字彙內的所有單字。 參考圖3，呈現根據本發明之實施例中提供 φ 輔助完成字元，比如英文單字或中文字的一通訊 置100之操作方面。首先步驟300中，使用者輸 一文字登錄模組，例如：其中該裝置1 00包括一 200、一文字登錄模組可以包括啓始一文字訊息 組。步驟3 04中，要決定是否使用者輸入以手動 字或字元的一部分（例如：一字母、筆劃、或字 收。一般來說，本發明之實施例是與接收如此來 輸入連接而操作，以產生該啓始表列的待選字元 所選擇一字元的一部分之後，即產生含有該選擇 列足夠長 標鈕2 1 8 。該游標 欲的字元 所顯示的 212來選 夠根據使 再以該裝 減。還有 用1 3 2組 字元選擇 所欲字元 包括在該 語首辨識 或計算裝 入或選擇 行動電話 應用或模 選擇一單 形）被接 自使用者 。接收到 部分的一 -11 - (8) 1296793 表列待選字元（步驟3 Ο 8 )。然後，至少該表列的待選字 元之一部分顯示給使用者（步驟3 1 2 )。如本技術領域中 一般技術人員能夠理解到，該表列的待選字元可能十分長 ’特別是僅指定一單一部分的情況。因此該顯示器，比如 一行動電話200的液晶顯示器2 1 6，就只能夠顯示該表列 待選字元的一小部分。於任何一個時刻只能顯示該表列待 選字元的一部分時，使用者會捲動其表列來找尋所欲的字 •元° 然後，使用者可以選擇藉由提供語音輸入來縮減該待 選表列’因此要決定是否接收來自使用者的語音輸入並且 辨識當做代表或與一待選字元的發音相關（步驟3 20 )。 特別地，例如：經由一麥克風2 1 4接收到的語音可以由語 音辨識應用1 2 8分析，以決定是否吻合一待選字元。假如 是吻合的，就產生一修改的待選字元表列（步驟3 24 )。 如本技術領域中一般技術人員所理解，即使一基本的語音 • 辨識應用1 28能夠肯定地從該表列中識別一單一字元，特 別當該表列是受限於所接收到包括在該使用者想要輸入的 字元之一或多個部分。也如本技術領域中一般技術人員所 理解，一語音辨識應用1 28能夠降低一表列的待選字元之 長度，即使並不能從該表列中識別一特定的字元。例如： 當語音辨識應用1 28能夠將一使用者的語音輸入關聯該表 列的待選字元之次集合，該修改的表列可以包括字元的次 集合。因此，一語音辨識應用1 2 8的功能在於從一表列中 消除那些口語發音不同於該所欲單字或字元的口語發音之 -12- Ϊ296793 Ο) 胃字或字元。所以，一使用者必須（至少在此時）搜尋而 能找到一所欲單字或字元的數目就降低了。然後，至少一 部分之該修改的表列顯示呈現給該使用者（步驟3 2 8 )。 @如修改的表列包含太多待選的字元要同時顯示於一使用 者輸出1 1 6，比如一液晶顯示器2 1 6，使用者可以再次捲 動該表列。 步驟3 3 2中，可以再次決定是否該使用者已經選擇該 φ 待選字元中之一。此決定可以在該使用者決定還沒有提供 語音以能夠產生該表列的待選字元之後，或者在步驟3 2 8 中產生一修改的表列待選字元之後。假如該使用者已經選 擇一表列的字元，此過程即結束。然後該使用者可以離開 文字模組，或開始選擇下一個字元的步驟。 假如該使用者還沒有選擇一表列的字元，該過程可以 回到步驟3 04，於此點上該使用者可以輸入一額外的部分 ，比如一額外的字母、筆劃、或字形，然後在步驟3 0 8產 φ 生的該表列字元包括一修改的表列字元，以反映由該使用 者目前所指定的額外部分。例如：一使用者已經指定兩個 字母或字形，而這些字母或字形就被要求在每一個表列的 字元內。然後，將完成的表列呈現出來，至少是部分（步 驟3 1 2 )。步驟3 1 2將該修改的表列顯示給使用者之後， 該使用者可以嘗試提供語音輸入爲能進一步降低表列中待 選字元的數目（步驟3 20 )。因此，在步驟3 3 2假如該使 用者沒有選擇一個表列的字元，該使用者就可以決定不要 提供步驟3 1 2中以該所欲合成字元的一額外部分爲形式之 -13- (10) 1296793 額外輸入，而以進行步驟320取代，藉由提供語音輸入進 行另一嘗試減縮該表列的待選字元。假如提供額外的語音 輸入，該輸入就可以用於產生一修改的表列待選字元（步 驟3 24 )，並且修改的表列能夠至少有部分顯示給該使用 者（步驟3 2 8 )。因此，應該理解到能夠進行多次重複指 定一單字或字元的部分，和/或提供語音以識別一所欲的 單字或字元，或是至少降低該表列的待選字元之長度。 φ 現在參考圖4A至4C，繪製根據本發明之實施例中以 連接可以提供至一使用者的視覺輸出之操作。特別地，繪 製一裝置100的顯示螢幕216包括一行動電話200，於一 中文文字登錄模組。如圖4A所示，該使用者可以選擇一 所欲字元的一或多個筆劃404。選擇筆劃404可以輕壓包 括在該鍵盤內與形成該使用者想要指定的字元中第一筆劃 相關之按鍵進行。 因爲中文字是由八種基本筆劃形成’也因爲使用的中 φ 文字有好幾千個，指定一個所欲字元的兩筆劃通常會致使 產生一個長長表列的待選字元。圖4B呈現本實例中所指 定以筆劃404開始的表列406a之一部分待選字元408a至 4 0 8 d。第一個字元4 0 8 a的發音約是 ''年〃，第二個字元 40 8b的發音約是、、和〃，第三個字408c的發音約是、我 "，以及第四個字4 0 8 d的發音約是 ''生〃。從此表列中 ，該使用者想要的是第三個字元40 8 c。根據本發明之實 施例，該使用者可以經由發聲唸出該所欲的字元從該表列 的待選字元中選出。因此，該使用者可以發音讀出第三個 -14- 1296793 (11) 字408c，致使該表列修改得到只包含字元408c，如圖4C 所示。然後，該使用者可以確認該語音辨識應用1 28的執 行或與該行動電話200的關聯，已經正確地縮減該表列至 該字元，再輕敲輸入鈕212或是輸入選擇該字元。所以應 該理解到，根據本發明之實施例中手動登錄一字元的一部 分與語音辨識步驟之組合，有助於一使用者選擇由許多筆 劃組成的字元。此外，只需要簡單地輸入這些筆劃中至少 φ 之一，以及然後發聲唸出該所欲字元就能夠完成。此組合 的優點在於即使該語音辨識應用1 28並不夠精準足以從該 字元的讀音中單獨辨別出所欲的字元，但也能夠分辨看似 相同而發音卻很不一樣的字元。 此外，即使該語音辨識軟體1 28不能從其口語發聲並 參考因回應一或多個手動輸入筆劃所產生的該表列待選字 元，而辨別該所欲字元，也應該能夠縮減該表列的待選字 元。例如：當圖4B顯示的該表列待選字元運作時，該語 Φ 音辨識軟體1 28無法根據該使用者的語音輸入分辨該第二 4 08b ( 和〃）與該第三408c ( '、我〃）字元的差別。 然而，語音輸入應該容許該語音辨識軟體1 2 8得以消除該 第一 408a ( ''年〃）與該第四408 d (、生〃）待選字元 。因此，經由本發明之實施例中手動輸入與語音辨識的組 合，該表列的待選字元就可以縮減至該第二408b和第三 408c字元，如圖4D中表列406b所示。然後，該使用者 可以從該縮減的表列406b藉由例如：使用該游標控制鈕 208強調該字元並壓下該輸入鈕212，以選擇所欲的字元 -15- 1296793 (12) 雖然在此所敘述本發明之實施例中，某些實例是討論 藉手動輸入經由一所欲單字或字元的一或多個部分之一小 型鍵盤內按鍵’和/或選擇一所欲的單字或字元之方式， 但本發明之實施例並不受限於此。例如：手動登錄可以在 一觸控螢幕顯示器選擇，或在觸控螢幕顯示器的一書寫區 域寫下一所欲的部分來進行。如進一步的實例，該啓始（ φ 或後續）的選擇一單字或字元中一或多個部分，不需要經 由手動登錄進行。比方一使用者可以發唸出該所欲部分的 名稱，以產生一表列的單字或字元，然後再發聲唸出該所 欲的單字或字元以縮減該表列。此外，本發明之實施例具 有的應用可以連接至選擇和/或登錄任何語言的文字，其 中具有 ''字母順序〃或單字或符號的組成部分是超過正常 通訊或計算裝置鍵盤所能夠簡易代表的。 本發明先前的討論是以呈現和敘述爲目的。此外，這 φ 些敘述的用意不在於將本發明限制在已揭示的形式內。因 此，上述內容的各種變化和修改，對於相關技術領域的技 術或知識內爲等同份量，且都在本發明的範圍之內。以上 所敘述實施例的用意進一步地解釋實施本發明所知的最佳 模式，使得本技術領域中其他技術人員能夠利用本發明於 此或其他實施例，並以其特殊應用或使用本發明所需要的 各種修改。所附專利申請項的建構用意在於包括各種實施 例至習知技術容許的範圍內。 •16- 1296793 (13) 【圖式簡單說明】 圖1是根據本發明之實施例中一通訊或計算裝置的組 件之一方塊圖； 圖2根據本發明之實施例繪製一通訊裝置； 圖3根據本發明之實施例中操作一語音辨識輔助的自 動完成處理之繪製流程圖；以及 圖4A至4D根據本發明之實施例繪製一範例的顯示 【主要元件符號說明】 1〇〇 ’ 2 00 :通訊或計算裝置（行動電話） 104 :處理器 1〇8 :記憶體 1 '1 2 :使用者輸入 Π 6 :使用者輸出 120 :資料儲存器 124 :作業系統軟體 128 :語音辨識應用 132:單字或字元選擇應用 134:待選單字或字元表 1 3 6 :通訊網路介面 2 0 4 :(數字）小型鍵盤 208 :游標控制鈕 2 1 2 :輸入鈕 -17- (14) 1296793 214 ： 216 ： 2 20 ： 麥克風 顯示器（螢幕） 喇叭

-18-

Claims (1)

1. (1) (1),1296793 十、申請專利範圍 1· 一種用於指定一書寫字元的方法，包括： 接收至少一第一字元部分的選擇； 產生含有該第一選擇部分之一第一表列的待選字元； 接收來自一使用者的第一語音輸入；以及 利用來自一使用者的該第一語音輸入，修改該第一表 列的待選字元，其中產生一第二表列的待選字元。 2.如申請專利範圍第1項之方法，其中該第一語音 輸入包括對應於一所欲字元的發音之語音。 3 .如申請專利範圍第2項之方法’其中對該第一表 列之該修改包括移除不對應於該所欲字元的該發音之字元 〇 4. 如申請專利範圍第1項之方法，進一步包括： 接收來自一使用者的一第二語音輸入’其中修改該第 二表列，而且其中產生一第三表列的待選字元。 5. 如申請專利範圍第1項之方法，進一步包括： 接收一第二字元部分的選擇； 利用該第二選擇部分，修改該第二表列的待選字元， 其中產生一第三表列的待選字元。 6. 如申請專利範圍第1項之方法’進一步包括： 接收來自該第二表列的該些字元中之一的選擇。 7 ·如申請專利範圍第1項之方法，其中該第一字元 部分包括一英文單字的一第一個字母與一中文字元的一第 筆劃其中之一。 -19- (2) 1296793 8 ·如申請專利範圍第7項之方法’進一步包括·· 接收一中文字元之一第二筆劃的選擇，其中該產生一 第一表列包括產生含有該些選擇的第一和第二筆劃之一第 一表列的中文字元。 9. 一種用於選擇一字元的裝置，包括： 用於接收來自一使用者之輸入的機制； 用於儲存複數個字元之與一或多個字元部分的關聯之 機制， 用於針對包括在該複數個字元內的數個字元儲存一字 元與該字元之發音之間的關聯之機制； 用於回應包括至少一第一字元部分的使用者輸入而產 生選擇自該複數個字元之一第一表列的待選字元之機制； 用於回應包括一所欲字元的發音之使用者輸入而修改 該第一表列的待選字元以形成一第二表列的待選字元之機 制。 10·如申請專利範圍第9項之裝置，其中用於接收來 自一使用者之輸入的該機制包括用於接收來自一使用者的 手動輸入之機制。 11. 如申請專利範圍第9項之裝置，其中用於接收來 自一使用者之輸入的該機制包括用於接收來自一使用者的 語音輸入之機制。 12. 如申請專利範圍第9項之裝置，進一步包括： 用於提供視覺輸出至一使用者的機制，其中顯示該第 一表列的待選字元之至少一部分。 -20-