TWI297123B - Interactive entertainment center - Google Patents

Description

1297,123 九、發明說明： 【發明所屬之技術領域】 . 本發明係與一種多媒體娛樂系統有關，尤其是盘一種對 互動式多媒體娛樂系統有關。 ' ^ 【先前技術】 現今多數豕庭都具備許多種視聽娛樂家電裝置，像是 視、錄影機、DVD、投影機、音響、手機以及具備網路功能的個 人電腦等，由於這些裝置都各有其特殊功能，因此整合各式各 樣的娛樂家電產品（尤其是客廳中所有的家電)成為所謂的多媒 體娛樂系統（Entertainment Center)便成為未來視聽界 · (Audio-Visual)的一種發展趨勢。 ) 請參閱第一圖，其係習知的多媒體娛樂系統之架構示音 圖。目前多媒體娛樂系統大致可區分為幾個部分，包括多媒^ 糸統100、祠服器糸統101、網路系統1〇2以及控制介面 多媒體系統100中包含音響1001、電視1002、錄影機1003、 ‘ 投影機1004以及機上盒(Set-top Box) 1005等設備，伺服器 系統101則包含全球内容伺服器（gl〇bal content server) 1〇1^ 以及本地伺服器（local server) 1012，網路系統i〇2則包含路 由器1021、數據機1〇22、個人電腦1〇23等網路通設備，控 籲 制介面103則包含各種控制裝置，例如pda 1〇31、遙控器1032 等等。一般來說，機上盒1005負責整合多媒體系統1〇〇中的裝 置，並透過網路系統102與伺服器系統101相連，當使用者經 由控制介面103輸入指令時，會視所需狀況使用全球内容伺服 器1011或是本地伺服器1012所提供的服務，例如從資料庫中 搜尋並擷取所需的資料。 最初’多媒體娛樂系統僅允許使用者做單向操作，使用者 輸入受限制的指令，多媒體系統則依據該指令做出適當的回 應。為了因應機器人性化的趨勢，互動式技術終於也成功地應 11 1297123 用在多媒體娛樂系統上，讓使用者在輸入指令後 循序誘導的選單幫助使用者做更進一步的操作。此外 訊科技的逄勃發展’經由網路所能提供的服務越來越多 互動式系統的優點發揮的淋漓盡致。 即便如此，使用按鍵等方式操作仍然離人性化操作 段不小的距離、然而，隨著語音/語者辨識技術的成孰 者利用聲音對機n下指令已經不是夢想，上述的多聰= 統在整合支援語音/語者辨識技術的介面後透^ ί=ί=Γΐ:系統的裝置。可惜的== 是兮類多女竿：娱U:法做到多方/階層的查詢/命令，但 疋夕媒體綠糸統依然不具備人與機器對話功能。 職是之故，申請人鑑於習知技術之缺失，乃經悉 :二ir不捨之精神，終於研發出-種以對話互動的 【發明内容】 互動在ίίΓ種搭配語音對話系統之對話 不具備人與機器對話功能的缺陷。/類夕媒體無樂糸統 ^虞上述構想，本發明提供一種對 統（Interactive Entertainment Center)，媒=樂系 ^統，用以提供各種多媒體服務；一伺服“用2體 舌互動式多媒體娛樂系統所需之各項服務一立亥 器系統及該語音對話系多媒體系統、該伺服 音訊系統， 根據上述構想，其巾該多舰纽更包含： 12 1297123 =提供該使用者音訊相關服務；一視訊系統，用以提供該使 用者視訊_服務；以及-整合裝置，其侧以整合該音訊系 統及該視訊系統，並連結至該網路系統。 根據上述構想，其中該音訊系統係為一立樂梦詈。 根據上述構想，其中該該音訊系統ί為。 根據上述構想，其中該視訊系統為一錄放影機。 根據上述構想’其中該視訊系統為一電視。 根據上述構想，其中該視訊系統為_投影機。 根據上述構想，纟中該整合系統係為—機上盒

Box) 〇 ^ 猶，其巾細料岐包含：—雜機，其係 統；以及—路由器，其係連結該數據機及該 根據上述構想，其中該數據機係為ADSL。 mod二據上述構想，其中該數據機係纜線數據機(—e 服哭構想，其巾賴服料錢包含：—全球内容伺 时謂⑹；以及一本地伺服器（1〇如 ，據上述構想’其中該語音對話系統更包含：—語音/ 辨識益，用以辨識所輸入之語音指令/語者；一文法 j ; —_控制器，其可根據^和解 應;π-語音合成器，用以因應2 上述構想，射該語音/語者辨麵更包含: ^要獨立模型(如為語者辨識則 庫。根據上親想，射敎法觸器更包含_指令語法資料 13 1297123 述構想，其中更包含—多型態(mul ti_m〇 複數個輸人裝置；以及複數個輸錄置。 # ' ^^fuhantLZ^^^^ ' ^11 ^ 音^難細、鄕機、外八、 法，在於提供-種建立辨識字較料庫的方 1該辨識予㈣料庫制於—對話互動式多媒财 能.（"Μ όά 1 郎之名稱字彙並自動歸類該節目之型 以：統—名稱字彙；⑷簡化 峨，揭二為：以識=⑷根一 歌手其目之謂__、專輯、 根據上述構想，其中該歌曲、專 係，碟之識別資料(discid)經網路_斤獲ts ’ 係利用list怎:歌曲、專輯、歌手及其相關資訊， =用日紅案之表頭植(header)、槽名及文件名其中之一所 名稱根據上述構想’射目之名辭㈣為树電視節目 有線獲ί中該有線電視節目名稱係經由網路擷取

EntrfpfPn^；^ A^^^(MaxiM Ϊΐ上述構想，其中步驟⑷係根據詞頻方式完成。 之資更新-語音對話系統 對話錢_於—對話互動式多媒體 14 1297123 娱樂系統（Interactive Entertainment Center)，該方法包含·· (a)透過夕型悲（muiti-m〇(jai)控制介面輸入一指至續對 ί互體娛樂系統；⑹該語音對話系統根_指1， 恶下自動搜尋並分析可能需要之辨識字彙;以及(C) 根據步驟(b)更新該語音對話系統之資料庫。 —ΐίΐ述構想，其中該語音對話系統之資料庫係為-辨識 子菜勇料庫。 語法Si述構想，其中該語音對話系統之資料庫係為一指令 模型根據上述構想，其巾該語音對料統之㈣縣為一語言 入/ί據上述，’其巾該多麵控制介關包含：複數個輸 入裝置，以及複數個輸出裝置。 鍵 盤 ^上述構想，其中該輸入裝置係為麥克風、遙控器 /月乳及手持(hand held)裝置其中之一。 喇 口八 ίΐ上ΪΪ想，其中該該輸出裝置係為電視、投影機 曰響、錄放影機及電腦其中之一。 ^上述構想，其巾該蚊狀_树歧 3上述構想’其巾雜定狀態麵查詢特定資料庫。 本^狀再-縣在_供—種乡簡

Ett" t!,； ^ ^ ^ ^ ^ ^ ^ dnteraciive 制^肥龄 )，其係包含一多型態(multil〇dal)控 =二面、：正合裝置以及—伺服㈣統，該方法包含 ；⑹根據麵識字彙長度作分級；（e)當該辨 第：服值，或是只有鮮鶴控制介面具 辨識莱之f庫時，由該多型態控制介面進行運算 門^佶日士）ί _識字彙長度A於該第—m錄且小於一第二 彙行Ϊ算辨識；以及⑴當該辨識字 亥弟—門祕^· ’由鋪服料統進行運算辨識。 15 1297.123 ，ΐ:第一門檻值係為_字。 ίϊ' ’ ΐΐ該第二門檀值係為ig酬0字。 根據上賴想，射衫鶴 入裝置；以及複數個輸蚊置。”面更w複數個輸 根據上述構想，其中該輸人裝置鱗風 盤、滑鼠及手持(hand held)裝置其中之—。 工《。鍵 根據上述構想，其中該手持裝置係為一手機。 ⑽f。據上述縣’其巾該顿裝置係為—個人數位助理 音響魏、郷機'♦ 八、

Box)根據上述構想，其中該整合裝置係為—機上盒伽, ，據上述構想，其中該舰器系 (remote server)。 u 服口口 多媒搭配語音對話系統之對話互動式 對話的方式，引導使用;用;ί輸乂 更精細的查_谷’來查詢或操作所要執行的工作。 【實施方式】 太枯ί案將可㈣"I的實施例·而得到充分瞭解，使得熟習 施例而被限制其實施型態。 下】貝 之圖古為，之對話互動式多媒體娛樂系統 加:t ^話糸，洗之方塊，’在弟一圖所提供之多舰娛樂系統 載此語音對話系統’即可成為本案之對話互動式多媒 體士失樂糸統。語音對話糸統2〇包含★五立 16 1297123 气哭201 ，使用者輸入語音之後，該語音/語者辨 依識字彙資料庫2011和語言模型2012，將 齡麵2G13，料_料或加上 ^ 以作為辨識語者之用。文法辨識器202可包含一 以斗庫2021 ’其係用以解析最高分字 、查沾if 可、、Ό 5切對話的語紐4朗者最村能要表 、〜義，將其建成語義訊框(semantie f — =框控制器2Q3。對話控制器2^據 ΐί斜入查詢節目或個人資料庫205，或由新輸入的 =亦可針對查詢結果作分析，引導使用進= 後對話控制器203便將所要輸出的訊息送至 。口曰合成斋204合成語音輸出。 所社’對話互動式多媒體娛樂系統可以是以網路 ΐ二t 祕載上述之語音對料、統2g，包含視訊裝 視、錄放影機、投影機）、音訊裝置（例如音響、剩 合裝置(例如機上盒)與網路系統將多媒體與通訊結 二伺服，系統。在操作方面’對話互動式多媒體娛 u 多型悲（muiti_modai)控制介面配合手動操作或 ϋΐ作’手動操作可利用遙控器、鍵盤、滑鼠等輸入，語音 Γ f可使ϋ克風或是PDA、手機等手持裝置(hand—heid)輸 伺服态系統方面，包含有全球内容伺服器（global =〇n ent server)和本地伺服器（i〇cai server)，本地祠服器定 :月可文由全球内容伺服器透過網路傳來之節目表、最新文 Ϊ、字ί或是程式更新，而使用者則透過網路由本地伺服器獲 侍所需貧訊，或是任何其他由本地伺服器所提供的服務。 此外，浯音對話系統2〇所包含的語音/語者辨識器2〇1使 17 1297,123 如^^可，j自動建立個別的專 常聽的歌、常聯絡的人等等，包3吊看的頻這/節目、 的使用者，並呼叫出其ί Li過=辨識，、系統可分辨目前 亦可定時自動幫使用者更新=我^互=多媒體娛樂系統 態(例如節目時間異動、文二t，貝目的最新狀 目。各使用老之摘作，直接找到最常用的項 能，㈣含峨用權限的功 查該使用者是否有“ 要彳依fi用者的聲音便能檢 參 碼頻道或_頻道等。 ㈠’修疋否有觀切換至鎖 ======步介 並力:以分析，猎此更新辨識字彙龍庫顧、語言模型2。12 ίΐ令ΪΓί料庫2〇21，使語音/語者辨識器201可隨時搭配 娛樂系統的行為，達到具有無限制數量的辨 識字彙適應使用者的操作。 项 j亦提供-種建立對話互動式多媒體娛樂系統所常用的 «，的方法。首先，由系統擷取及/紐用者輸人節目的名 稱字彙’並對該節目進行歸類動作。舉例來說，歌曲的名稱 ί來源有以下幾種··⑴若是音樂光碟，則可利用光碟之識別 資料(DISCID)至網路(http://www. freedb. org)上查詢，可以搜 尋到，f樂光碟之專輯名稱、歌手、歌名、長度等資訊可作為 名稱字彙；（2)若是mp3等音樂檔案，則可從音樂檔案之表^ 檔(header)獲得該檔案之專輯名稱、歌手、歌名等資訊可作為 名稱子莱，（3)若音樂播案不具表頭檐(hea(jer)，則播名亦^ 18 I297J23 ==地：；S目=可如前文所述，由全球内 為了節省許多可能囊通常很繁雜’因此 機會，接著就必須統一名稱字彙 有造成辨識錯誤的 有「早安您好華視新聞」、巧:視新聞就 等等，若全舰照節目表建=^，聞么華視午間新聞」 用者也不可能記得這麼多節二子菜’便有混淆的可能，使 -律將華視所有的_節f據本案之方法， 輸入的語法簡單易記，而對辨識細者來說 能還存在著，==但二 口些7便可去掉。舉以 理《如_什晴泞二；：會掉。最後，再以最大熵原 稱字彙中的關鍵字。舉例來$，hi詞頻方式，擷取該名 為「航海王」、+例采5兒上例中的辨識字彙就可能展開 ί 〇 目名稱太長或亡奸曰L辨識子菜，即使使用者可能因為節 者依% ’而僅輸入部分的節目名稱’使用 的節目或歌曲^ 旬的方式，找到類似使用者所要查詢 分散袁樂系統是以網路所結合的 二是環節。-般辨識系統的運算ί 做辨識：以;=遠端舰器(_叫去 辨識的運算架構，級 辨識運算’在使用者輸入裝置、 19 1297123 ，可以根據辨識字囊長度做分級，若辨1字-具 度叙紐，或是辨識字彙所對應的資 識子菜長 時，例如PDA、手機儲存的個人通訊錚，者輪入裝置 「我的最愛」這種約幾百字彙以内，便^ 所提及的 比較複雜-__互動式多髓置做辨識； 節目查解_千字的觸工作，便令、或是 ==識幾十萬字°的辨識4這種整合 像是查 询電話料，便交給遠端触騎行 間互動式多媒體娛樂系 二=由多;，系統。縱使 解：本案得藉由下列圖示與實施例之說明，俾得一更深入之瞭 【圖式簡單說明】 以及 話系統之方塊圖 篇示ΪΓ:的多媒體娱樂系統之架構示意圖，一 為本*之對話互動❹舰娛樂祕之語音對 【主要元件符號說明】 100 :多媒體系統 1001 :音響 1002 :電視 1003 :錄影機 1004 :投影機 1005 :機上盒（Set-top Box) 101 :伺服器系統 20 1297123 1011 :全球内容飼服器（global content server) 1012 :本地伺服器（i〇cai server) 102 :網路系統 1021:路由器 1022 :數據機 1023 :個人電腦 103 :控制介面

1031 ： PDA 1032 :遙控器 20 ·语音對話系統 201 ··語音/語者辨識器 2〇11 ·辨識字彙資料庫（Lexicon) 2012 ·語言模型（Language Model) 2013 ·語者獨立模型（gpeaker independent Model) 2014 ·個別語者模型（Speaker Dependent Model) 202 ·文法辨識器（Naturai Language Grammar Parser) 2021 :指令語法資料庫 203 :對話控制器 204:語音合成器 205 :個人資料庫

Claims (1)

1297123 十、申請專利範圍： 1. 一種對話互動式多媒體娛樂系統（Interactive Entertainment Center)，其包含·· 一多媒體糸統，用以提供各種多媒體服務； -飼服m用以提供該對話互動式多媒體娛樂系 需之各項服務； 一#音對話系統，用以作為一使用者利用語音控制 互動式多媒體娛樂系統之介面；以及 ^ 酬蝴、鋪酬統及該語 與能動式多媒崎系統 2统如叙賴絲❹聰埃樂系 一音訊，統，用以提供該使用者音訊相關服務； 一=訊系統，用以提供該使用者視訊相關服務；以及 i如專鄉2項雌之對話絲❹媒體娛樂系 、、先，其中該音訊系統係為一音響裝置。 、、’、 4統如其输祕媒嶋系 6統對話互動式多媒體娱樂系 第2項所狀職絲式多顧娱樂系 8如申^訊糸統為一投影機。 • Τ明專利範圍第2項所述之對話互動式多媒體娛樂系 22 1297123 統，其中該整合系統係為一機上盒(Set-top Box)。 9·如申請專利範圍第1項所述之對話互動式多媒體娛樂系 統，其中該網路系統更包含： 一數據機，其係連結至該伺服器系統；以及 一路由器，其係連結該數據機及該多媒體系統。 10·如申請專利範圍第9項所述之對話互動式多媒體娛樂系 統，其中該數據機係為ADSL。 11·如申請專利範圍第9項所述之對話互動式多媒體娛樂系 統，其中該數據機係纜線數據機化让^ m〇dem)。 12·如申請專利範圍第丨項所述之對話互動式多媒體娛樂系 統，其中該伺服器系統更包含： 一全球内容伺服器（global content server);以及 一本地伺服器（local server)。 - 觸裔，肋賴所輸人之語音指令/語者； -’ μ解析該語音指令之語義； 回應；以1彻，其可根據辨識和解析結果判斷給予適當 14.如圍：：該回應而輸出-合成語音。 統，其愧語話互喊錢體娛樂系 一辨識字彙資料庫；文匕3 · 一語言模型； 一語者模型；以及 一语者獨立模型。 15·如申請專利範圚楚 統，其中該文法辨妈哭由3,所述之對話互動式多媒體娛樂系 16.如申請專利範包含一指令語法資料庫。 弟1項所述之對話互動式多媒體娛樂系 23 1297123 統’其中更包含一多型態（multi_modal)控制介面，宜 衩數個輸入裝置；以及 複數個輸出裝置。 17.如申請專利範圍第16項所述之對話互動式多 統，其中該輸入裝置係為麥克風、遙控器、鍵盤:滑ϋ 持（hand held)裝置其中之一。 亍 18·如申請專利範圍第16項所述之對話互 統，其中該輸出裝置係為電視、投影機uti 影機及電腦其中之一。 綠放

1 用辨f庫的方法’該觸字彙資料庫係 用於一對話互動式多媒體娛樂系統（interactive Entertainment Center)之一語音對話系統，該方法包含： (a)擷取一節目之名稱字彙並歸類該節目之型能； (W巧一該節目名稱字彙成為一統一名稱字彙了， (c)簡化該統-名稱字彙成為_簡化名稱|以 字囊⑷根據該簡化名稱字彙，綠取至少—關鍵字作為辨識 t如申請專利範圍第19項所述之方法，其中該節目之名摇 字彙係為歌曲、專輯、歌手及其相關資丄

21. 如申請專利範圍項所述之方法，直、中t曲 22. 如申請專利範圍第2〇項所述之方法，其 歌手及其相隨訊，係湘音樂魅 名及文件名其中之-所獲得。木之表雌(―㈣、檔 23·如申請專利範圍第丨9項所述之 字彙係為有線電視節目名稱。 / ’、巾4目之名稱 24·如申請專利範圍第23項所述之 目名稱係經由網«取有線電視節目表所^林線電視即 24 1297123 如申請專利範圍第19項所述之方法，其中 最大墒原理(Maximum Entropy Principle)完成/)係利用 利範圍第19項所述之方法，其中步_)係根據 2j::獅態更新-語音對話祕之資料庫之方法，該纽立 舌糸統_於-對話互動式多媒體娛縣統（加⑽曰 Entertainment Center)，該方法包含： (a) 透過一多型態（multi一m〇dal)控制介面輸入 a 至該對話互動式多媒體娛樂系統； 曰7 (b) 該語音對話系統根據該指令，於一 搜尋並分析可能需要之辨識字彙；以及4寺疋狀怨下自動 (c) 根據步驟(b)更新該語音對話系統之資料 28·如申請專利範圍第27項所述之方法 統之資料庫係為一辨識字彙資料庫。 Y 曰對話糸 其中該語音對話系 其中該語音對話系 29·如申请專利範圍第27項所述之方法 統之資料庫係為一指令語法資料庫。 30·如申請專利範圍第27項所述之方法 統之資料庫係為一語言模型。 專利範圍第27項所述之方法，其中該多型態控制 複數個輸入裝置；以及 棱數個輸出裝置。 第27項所述之方法’其懷定狀態係 25 1297123 3為4查ίΐίί:圍第27項所述之方法，其中該特定狀態係 3斑5'_^級觸運算方法’其係適用於—互動式多媒體娱 多 ^ 能 f Entertainment Center)，其係包含- 統，^ ^含她Ό控制介面、一整合裝置以及一祠服器系 (a) 提供一辨識字彙； (b) 根據該辨識字彙長度作分級； 控制介面進行運算ίΐ辨識子菜之資料料，由該多型態 門伊t當字彙長度大於該第—門檻值且小於一第二 門k值％，由該整合裝置進行運算辨識；以及 器系=2=彙長度大於該第二門檻值時，細服 Ϊ為專利乾圍第35項所述之方法，其中該第-門檻值 Ϊ面專利範圍第35項所述之方法，其中該多型態控制 複數個輸入裝置；以及 複數個輸出裴置。 3為9夫3請!利範圍第38項所述之方法，其中該輸入㈣ ^克風、遙控ϋ、鍵盤、滑鼠及手持(handheld)裝置其中 =·一=請專利範圍第39項所述之方法，其中該手持裝置係 41.如申請專利範圍第39項所述之方法，其中該手持裝置係 26 1297123 為一個人數位助理（PDA)。 42. 如申請專利範圍第38項所述之方法，其中該輸出裝置係 為電視、投影機、喇队、音響、錄放影機及電腦其中之一。 43. 如申請專利範圍第35項所述之方法，其中該整合裝置係 為一機上盒(Set-top Box)。 44. 如申請專利範圍第35項所述之方法，其中該伺服器系統 係為一遠端伺服器（remote server)。

27 1297】23 七、指定代表圖： (一） 本案指定代表圖為：第（一、二）圖。 (二) 本代表圖之元件符號簡單說明： 100:多媒體系統 1001 ··音響 1002 :電視 1003 :錄影機 1004 :投影機 1005 :機上盒（Set-top Box) 101 :伺服器系統 1011 ·全球内容伺服器（global c〇ntent server) 1012 ·本地祠服 (i〇cai server) 102 :網路系統 1021 :路由器 1022 :數據機 1023 :個人電腦 103 :控制介面 1031 ： PDA 1032 :遙控器 20 ·#音對話系統 201 :語音/語者辨識器 2〇11 ·辨識字彙資料庫（Lexicon) 2012 ·語言模型（Language Model) 2013 :語者獨立模型（Speaker Independent Model) 2014 ·個別語者模型（Speaker Dependent Model) 202 ·文法辨識器（Natural Language Grammar Parser) 2021 :指令語法資料庫 1297123 203 :對話控制器 204 :語音合成器 205 :個人資料庫 八、本案若有化學式時，請揭示最能顯示發明特徵的化學式：