TWI488175B - 比對語音操作訊號以載入對應指令元素之系統及其方法 - Google Patents

Description

比對語音操作訊號以載入對應指令元素之系統及其方法

一種語音輸入系統及其方法，特別係指一種比對語音操作訊號以載入對應指令元素之系統及其方法。

語音辨識技術，又稱為自動語音辨識(Automatic Speech Recognition,ASR)，其目標是將人類的語音中的詞句轉換為電腦可辨識的指令。語音辨識技術的應用包括語音撥號、語音導航、室內設備控制、語音文檔檢索等。

語音識別技術在還沒成熟之前，辨識度不高，近來辨識度已逐漸提高到可以商品化的程度。不過，目前商品化的語音辨識技術中，具有較高辨識度之句子通常要有完整且嚴謹的語法結構，若使用者所說出的句子較為口語話，則辨識度會明顯降低。另外，句型複雜度低的句子的辨識度也明顯的較句型複雜度高的句子的辨識度來的高，也就是說，即使句子的語法結構完整且嚴謹，但句型過於複雜，辨識度仍然會明顯降低，甚至，該句子完全無法被辨識。

另外，在使用者使用語音辨識技術時，使用者需要以一定的音量說出句子，因此，使用者所說出的句子容易被旁人所聽到，若使用者所說出的句子中，包含使用者個人的隱私資料，例如使用者的帳號、密碼、身分證號等，則使用者所說出的隱私資料就容易被旁人得知，如此，使用者必須要在使用語音辨識技術與保護隱私資料之間做出選擇，這降低了使用語音辨識技術的方便性。

綜上所述，可知先前技術中長期以來一直存在複雜度過高的 句子不易被語音辨識技術成功辨識，且使用語音辨識技術可能不易保護隱私資料的問題，因此有必要提出改進的技術手段，來解決此一問題。

有鑒於先前技術存在不易成功辨識複雜度過高的句子且不易保護隱私資料的問題，本發明遂揭露一種比對語音操作訊號以載入對應指令元素之系統及其方法，其中：

本發明所揭露之比對語音操作訊號以載入對應指令元素之系統，至少包含：語音資料庫，包含識別資料及與識別資料對應之指令元素，其中，識別資料所表示之詞句之複雜度低於指令元素所表示之詞句之複雜度；語音接收模組，用以接收語音操作訊號；語音判斷模組，用以判斷語音資料庫中是否存在與語音操作訊號相符之識別資料；物件載入模組，用以於語音判斷模組判斷與語音操作訊號相符之識別資料存在時，載入與相符之識別資料對應之指令元素。

本發明所揭露之比對語音操作訊號以載入對應指令元素之方法，其步驟至少包括：提供語音資料庫，語音資料庫包含識別資料及與識別資料對應之指令元素，其中，識別資料所表示之詞句之複雜度低於指令元素所表示之詞句之複雜度；接收語音操作訊號；判斷語音資料庫中是否存在與語音操作訊號相符之識別資料；當存在與語音操作訊號相符之識別資料時，載入與相符之識別資料對應之指令元素。

本發明所揭露之系統與方法如上，與先前技術之間的差異在於本發明透過判斷語音資料庫中是否存在與所接收之語音操作訊 號相符的識別資料，當存在與語音操作訊號相符之識別資料時，載入與相符之識別資料對應之指令元素，藉以解決先前技術所存在的問題，並可以達成提高辨識品質與保障隱私資料的技術功效。

以下將配合圖式及實施例來詳細說明本發明之特徵與實施方式，內容足以使任何熟習相關技藝者能夠輕易地充分理解本發明解決技術問題所應用的技術手段並據以實施，藉此實現本發明可達成的功效。

本發明可以應用在各種電腦可執行裝置中，使用複雜度較低的詞句取代複雜度較高的詞句，如此，在電腦可執行裝置接收到表示複雜度較低之詞句的語音操作訊號後，可以依照被取代之複雜度較高的詞句之語音操作訊號執行對應的指令，藉以控制電腦可執行裝置及/或控制電腦可執行裝置中的應用程式。

在本發明中，詞句的「複雜度」例如詞句的長度、詞句所包含的子句數目等，但本發明並不以此為限，凡能夠影響語音識別技術且與詞句之結構相關的因素都屬於本發明所提之「複雜度」。

本發明所提之「語音操作訊號」為使用者所發出之聲音被電腦可執行裝置接收後所產生的操作訊號，電腦可執行裝置會依據所產生的操作訊號執行相對應的操作，其中，電腦可執行裝置所執行之操作與使用者使用電腦可執行裝置時，電腦可執行裝置所執行之操作相同，例如，當使用者發出「開啟瀏覽器」或「關閉瀏覽器」的聲音時，電腦可執行裝置可以執行開啟或關閉瀏覽器之操作，又如，當使用者發出「打電話給爸爸」的聲音時，電腦可執行裝置可以執行讀取名稱為「爸爸」的電話號碼，並撥打所 讀取之電話號碼的操作等，但本發明所提之電腦可執行裝置所執行之操作並不以上述為限。

以下先以「第1圖」本發明所提之比對語音操作訊號以載入對應指令元素之系統架構圖來說明本發明的系統運作。如「第1圖」所示，本發明之系統含有語音資料庫110、語音接收模組130、語音判斷模組160、物件載入模組170。

語音資料庫110儲存識別資料。語音資料庫110所儲存的識別資料可以是詞句的完整語音訊號、詞句的語音特徵、或詞句的聲紋等類型。一般而言，在同一個語音資料庫110中，被儲存之識別資料的類型都會相同，但本發明並不以此為限。

語音資料庫110也負責儲存與識別資料對應的指令元素。語音資料庫110所儲存的指令元素可以是一個可以直接執行之完整的指令、一個或多個完整之指令的組合、或是一個有意義或無意義的字串。指令元素也可以是一個完整之指令的一部分，例如，當一個完整的指令是由操作命令以及操作目標等兩個部分組成、由操作主體與操作命令兩部分組成、或是由操作主體、操作命令、以及操作目標等三個部分組成時，指令元素可以是操作主體、操作命令、或操作目標其中之一。其中，操作主體則通常是軟體或應用程式的名稱，操作命令包含但不限於執行、上傳、下載、開啟、關閉、撥打電話等可以對執行本發明之裝置下達的命令，操作目標包含但不限於檔案名稱、檔案路徑、聯絡人資料等資料。

在部分的實施例中，語音資料庫110所儲存之識別資料所表示的詞句的複雜度會低於語音資料庫110所儲存之指令元素所表示的詞句的複雜度，例如，指令元素所表示的詞句是「今天的天 氣如何」時，相對應之識別資料所表示的詞句可以是「W」、或是「天氣」等。

語音資料庫110所儲存的識別資料與相對應的指令元素並不一定只能是預設的內容，而是可以被修改的。當本發明包含可附加的物件輸入模組120以及資料庫管理模組140時，可以提供新增刪除語音資料庫110所儲存的識別資料與相對應的指令元素。其中，物件輸入模組120與資料庫管理模組140將在稍後說明。

語音接收模組130負責接收語音訊號，其中，除了在編輯語音資料庫110的情況下，語音接收模組130所接收到的語音訊號在本發明中被稱為「語音操作訊號」。而在編輯語音資料庫110時，語音接收模組130所接收到的語音訊號在本發明中被稱為「語音設定訊號」。

語音接收模組130所接收到的語音訊號是麥克風等語音接收裝置將所接收到之由使用者發出的聲音轉換而成，但語音接收模組130所接收到之語音訊號並不以上述為限。

語音判斷模組160負責判斷語音資料庫110中是否存在與語音接收模組130所接收之語音操作訊號相符的識別資料。

當語音資料庫110中所儲存之識別資料的類型是詞句的完整語音訊號時，語音判斷模組160可以直接比對所接收到的語音操作訊號與語音資料庫110中所儲存的識別資料，當語音接收模組130所接收之語音操作訊號與語音資料庫110所儲存之識別資料相同或相似時，語音判斷模組160可以判斷語音資料庫110中存在與語音接收模組130所接收之語音操作訊號相符的識別資料。

而當語音資料庫110中所儲存之識別資料的類型是詞句的語 音特徵或詞句的聲紋時，語音判斷模組160需要先分析語音操作訊號的語音特徵/聲紋，而後再比對分析所得的語音特徵/聲紋與語音資料庫110中的所有識別資料，當分析所得的語音特徵/聲紋與語音資料庫110中的識別資料相同時，語音判斷模組160可以判斷語音資料庫110中存在與語音操作訊號相符的識別資料。

物件載入模組170負責在語音判斷模組160判斷語音資料庫110中存在與語音接收模組130所接收之語音操作訊號相符的識別資料時，載入與相符之識別資料對應的指令元素。其中，與相符之識別資料對應的指令元素為完整的指令時，物件載入模組170將會執行指令，與相符之識別資料對應的指令元素為指令的部分時，物件載入模組170將會嘗試使用多個連續的指令元素組合出完整的指令，並在組合出完整的指令後，執行該指令。

例如，連續的兩個指令元素分別為撥打電話的命令與受話方電話的字串時，物件載入模組170不會在取得撥打電話的命令後立刻執行撥打電話的命令。而是在取得受話方的電話後，組合出完整的指令，並執行所組合出之完整的指令，也就是撥打受話方電話。

此外，本發明更可以選擇性的加入物件輸入模組120與資料庫管理模組140，及/或加入資料加密模組192與資料解密模組196。

物件輸入模組120負責提供輸入與語音接收模組130所接收之語音設定訊號對應的指令元素。

資料庫管理模組140負責將語音接收模組130所接收的語音設定訊號與物件輸入模組120提供輸入的指令元素儲存在語音資料庫110的對應欄位中，使得語音接收模組130所接收的語音設 定訊號以及物件輸入模組120提供輸入的指令元素成為語音資料庫110中的同一筆資料。其中，當語音資料庫110之識別資料的類型是語音訊號的語音特徵或聲紋時，資料庫管理模組140還可以分析語音訊號的語音特徵或聲紋，並將分析出之語音特徵或聲紋作為識別資料，存入語音資料庫110中。

資料加密模組192負責在資料庫管理模組140存入語音資料庫110中之指令元素為文字時，加密指令元素。其中，資料加密模組192可以不加密所有的文字，而是依據設定，加密需要特別隱藏的文字，例如，個人基本資料、帳號密碼等，但本發明並不以此為限。

資料解密模組196負責將物件載入模組170所載入之經過加密的指令元素解密。

接著以一個實施例來解說本發明的運作系統與方法，並請參照「第2A圖」本發明所提之比對語音操作訊號以載入對應指令元素之方法流程圖。在本實施例中，假設使用者希望以語音操作的方式瀏覽需要登入的網頁，但本發明並不以此為限。

在本發明提供服務之前，必須先提供語音資料庫110(步驟210)。使得本發明可以提供使用者使用。在本實施例中，假設語音資料庫110儲存與「瀏覽器」、「開啟」、「mana」、「back」等詞句相符之識別資料，且語音資料庫110中也儲存與「瀏覽器」、「開啟」、「mana」、「back」等詞句相符之識別資料對應的指令元素，分別是應用程式的名稱、載入特定網頁的命令、特定網頁之網址的字串、以及控制瀏覽器回到上一頁的命令。

當使用者發出「瀏覽器開啟mana」的語音時，語音接收模組 130可以接收到表示「瀏覽器開啟mana」之語音的語音操作訊號(步驟230)。

之後，語音判斷模組160可以判斷語音資料庫110中是否存在與語音接收模組130所接收之語音操作訊號相符的識別資料(步驟250)。在本實施例中，假設語音資料庫110中之識別資料的類型為語音訊號的語音特徵，則語音判斷模組160可以如「第2C圖」之流程所示，先分析語音操作訊號「瀏覽器開啟mana」的語音特徵(步驟251)。

接著，語音判斷模組160可以比對所分析出的語音特徵與語音資料庫110中的所有識別資料(步驟253)，並判斷所分析出之語音特徵是否與語音資料庫110中的識別資料相同或相似(步驟255)。在本實施例中，由於語音資料庫110中存在與「瀏覽器」、「開啟」、「mana」等詞句之語音特徵相符的識別資料，因此，語音判斷模組160可以判斷分析出之語音特徵確實與語音資料庫110中的識別資料相同或相似。

當語音判斷模組160判斷分析出之語音特徵與語音資料庫110中的識別資料相同或相似時，表示語音資料庫110中存在與語音接收模組130所接收之語音操作訊號相符的識別資料。

接著回到「第2A圖」，在語音資料庫110中存在與語音接收模組130所接收之語音操作訊號相符的識別資料時，物件載入模組170可以載入與相符之識別資料對應的指令元素(步驟270)。在本實施例中，由於語音資料庫110中存在與「瀏覽器」、「開啟」、「mana」等詞句相符之識別資料，因此，物件載入模組170可以分別取得執行瀏覽器的命令、載入特定網頁的命令、以及使用者 欲瀏覽之網頁的網址，之後，物件載入模組170可以判斷載入特定網頁的命令與使用者欲瀏覽之網頁的網址都不是完整的指令，因此，會嘗試將執行瀏覽器的命令、載入特定網頁的命令及使用者欲瀏覽之網頁的網址與執行瀏覽器的命令結合，如此，物件載入模組170便可以產生控制瀏覽器載入使用者欲瀏覽之網頁的完整指令，並使執行本發明的裝置可以依據物件載入模組170所產生的指令，執行瀏覽器，並控制瀏覽器載入使用者欲瀏覽之網頁，使得使用者可以在執行本發明之裝置上使用瀏覽器瀏覽其欲瀏覽的網頁。

在使用者使用瀏覽器瀏覽網頁的過程中，若使用者發出「back」的語音，使得語音接收模組130接收到表示「back」之語音的語音操作訊號(步驟230)後，語音判斷模組160可以判斷語音資料庫110中是否存在與語音接收模組130所接收之語音操作訊號相符的識別資料(步驟250)。

當語音判斷模組160判斷語音資料庫110中存在與語音接收模組130所接收之語音操作訊號相符的識別資料時，物件載入模組170可以載入與相符之識別資料對應的指令元素(步驟270)。在本實施例中，物件載入模組170可以取得控制瀏覽器回到前一頁的指令，使得執行本發明的裝置可以依據物件載入模組170所取得的指令，控制瀏覽器回到前一頁。

在上述的實施例中，若語音資料庫110中的識別資料與指令元素並不足以提供使用者瀏覽其欲瀏覽的網頁，也就是說，語音資料庫110中並未儲存與「瀏覽器」、「開啟」、「mana」、或「back」等詞句相符之識別資料，或未儲存與「瀏覽器」、「開啟」、「mana」、 或「back」等詞句相符之識別資料對應的指令元素，則本發明可以如「第2B圖」之流程所示，提供使用者輸入與語音設定訊號對應的指令元素(步驟211)，並可以提供使用者輸入語音設定訊號，也就是接收使用者所說出之詞句的語音設定訊號(步驟213)。在本實施例中，也就是提供選擇瀏覽器程式並說出詞句「瀏覽器」、提供選擇瀏覽器載入特定網頁的命令並說出詞句「開啟」、提供輸入欲瀏覽之特定網頁的網址並說出詞句「mana」、提供選擇瀏覽器回到上一頁的命令並說出詞句「back」。

之後，資料庫管理模組140可以依據語音設定訊號產生相對應的識別資料(步驟215)。在本實施例中，也就是分析語音設定訊號的語音特徵，所分析出的語音特徵即為識別資料。

接著，資料庫管理模組140可以將識別資料與指令元素儲存到語音資料庫110的對應欄位中(步驟217)。如此，便完成了識別資料與相對應之指令元素的建立，也就是與詞句「瀏覽器」相符的識別資料與指令元素(瀏覽器應用程式的檔案名稱與目錄)對應、與詞句「瀏覽器」相符的識別資料與指令元素(載入特定網頁的命令)對應、與詞句「mana」相符的識別資料與指令元素(網頁的網址)對應、與詞句「back」相符的識別資料與指令元素(控制瀏覽器回到上一頁的指令)對應。

在上述的實施例中，若還包含資料加密模組192以及資料解密模組196，則在資料庫管理模組140將識別資料與指令元素儲存到語音資料庫110的對應欄位中(步驟217)時，資料加密模組192可以將需要隱藏的資料，也就是使用者的帳號密碼加密，而後才由資料庫管理模組140將加密後的資料存入語音資料庫110 中。而在物件載入模組170載入使用者的帳號密碼(步驟270)時，資料解密模組196會將使用者的帳號密碼解密。

另外，上述的實施例更可以在語音判斷模組160判斷語音操作訊號與產生識別資料之語音設定訊號是由相同的使用者發出，且語音操作訊號與識別資料相符時，物件載入模組170才會載入與識別資料對應的指令元素(步驟270)。更實際的說，語音判斷模組160在判斷語音資料庫中是否存在與語音操作訊號相符之識別資料(步驟250)時，可以先分析語音操作訊號的語音特徵與聲紋，並在判斷出語音特徵與語音資料庫110中的識別資料相符時，可以進一步判斷相符之識別資料的聲紋是否與語音操作訊號的聲紋相符，若聲紋也相符，則物件載入模組170才會載入與識別資料對應的指令元素(步驟270)。

綜上所述，可知本發明與先前技術之間的差異在於具有判斷語音資料庫中是否存在與所接收之語音操作訊號相符的識別資料，當存在與語音操作訊號相符之識別資料時，載入與相符之識別資料對應之指令元素的技術手段，藉由此一技術手段可以解決先前技術所存在不易成功辨識複雜度過高的句子且不易保護隱私資料的問題，進而達成提高辨識品質與保障隱私資料的技術功效。

再者，本發明之比對語音操作訊號以載入對應指令元素之方法，可實現於硬體、軟體或硬體與軟體之組合中，亦可在電腦系統中以集中方式實現或以不同元件散佈於若干互連之電腦系統的分散方式實現。

雖然本發明所揭露之實施方式如上，惟所述之內容並非用以直接限定本發明之專利保護範圍。任何本發明所屬技術領域中具 有通常知識者，在不脫離本發明所揭露之精神和範圍的前提下，對本發明之實施的形式上及細節上作些許之更動潤飾，均屬於本發明之專利保護範圍。本發明之專利保護範圍，仍須以所附之申請專利範圍所界定者為準。

110‧‧‧語音資料庫

120‧‧‧物件輸入模組

130‧‧‧語音接收模組

140‧‧‧資料庫管理模組

160‧‧‧語音判斷模組

170‧‧‧物件載入模組

192‧‧‧資料加密模組

196‧‧‧資料解密模組

步驟210‧‧‧提供語音資料庫，語音資料庫包含識別資料及與識別資料對應之指令元素

步驟211‧‧‧提供輸入與語音設定訊號對應之指令元素

步驟213‧‧‧接收語音設定訊號

步驟215‧‧‧依據語音設定訊號產生相對應之識別資料

步驟217‧‧‧儲存識別資料與指令元素於語音資料庫之對應欄位中

步驟230‧‧‧接收語音操作訊號

步驟250‧‧‧判斷語音資料庫中是否存在與語音操作訊號相符之識別資料

步驟251‧‧‧分析語音操作訊號之語音特徵/聲紋

步驟253‧‧‧依據語音特徵/聲紋比對語音資料庫中之所有識別資料

步驟255‧‧‧判斷語音特徵/聲紋是否與語音資料庫中之識別資料相同

步驟270‧‧‧載入與相符之識別資料對應之指令元素

第1圖為本發明所提之比對語音操作訊號以載入對應指令元素之系統架構圖。

第2A圖為本發明所提之比對語音操作訊號以載入對應指令元素之方法流程圖。

第2B圖為本發明所提之編輯語音資料庫之附加方法流程圖。

第2C圖為本發明所提之判斷語音操作資料是否與識別資料相符之詳細方法流程圖。

步驟210‧‧‧提供語音資料庫，語音資料庫包含識別資料及與識別資料對應之指令元素

步驟230‧‧‧接收語音操作訊號

步驟250‧‧‧判斷語音資料庫中是否存在與語音操作訊號相符之識別資料

步驟270‧‧‧載入與相符之識別資料對應之指令元素

Claims (10)

1. 一種比對語音操作訊號以載入對應指令元素之方法，該方法至少包含下列步驟：提供一語音資料庫，該語音資料庫包含至少一識別資料及與各該識別資料對應之指令元素，其中，該識別資料所表示之詞句之複雜度低於該指令元素所表示之詞句之複雜度；接收一語音操作訊號；判斷該語音資料庫中是否存在與該語音操作訊號相符之識別資料；及當存在與該語音操作訊號相符之識別資料時，載入與該相符之識別資料對應之指令元素。
2. 如申請專利範圍第1項所述之比對語音操作訊號以載入對應指令元素之方法，其中該方法於提供該語音資料庫之步驟前，更包含接收一語音設定訊號，提供輸入與該語音設定訊號對應之指令元素，依據該語音設定訊號產生相對應之識別資料，儲存該識別資料與該指令元素於該語音資料庫之對應欄位中之步驟。
3. 如申請專利範圍第1項所述之比對語音操作訊號以載入對應指令元素之方法，其中判斷該語音資料庫中是否存在與該語音操作訊號相符之識別資料之步驟更包含分析該語音操作訊號之一語音特徵/一聲紋，依據該語音特徵/該聲紋比對該語音資料庫中之所有識別資料，當該語音特徵/該聲紋與該語音資料庫中之一該識別資料相同時，判斷該語音資料庫中存在與該語音操作訊號相符之識別資料之步驟。
4. 如申請專利範圍第1項所述之比對語音操作訊號以載入對應指令元素之方法，其中載入與相符之識別資料對應之指令元素之步驟更包含解密該被載入之指令元素之步驟。
5. 一種比對語音操作訊號以載入對應指令元素之系統，該系統至少包含：一語音資料庫，包含至少一識別資料及與各該識別資料對應之指令元素，其中，該識別資料所表示之詞句之複雜度低於該指令元素所表示之詞句之複雜度；一語音接收模組，用以接收一語音操作訊號；一語音判斷模組，用以判斷該語音資料庫中是否存在與該語音操作訊號相符之識別資料；及一物件載入模組，用以於該語音判斷模組判斷與該語音操作訊號相符之識別資料存在時，載入與該相符之識別資料對應之指令元素。
6. 如申請專利範圍第5項所述之比對語音操作訊號以載入對應指令元素之系統，其中該系統更包含：一物件輸入模組，用以提供輸入與該語音設定訊號對應之指令元素；及一資料庫管理模組，用以將該語音接收模組所接收之一語音設定訊號與該物件輸入模組提供輸入之指令元素儲存於該語音資料庫之對應欄位。
7. 如申請專利範圍第5項所述之比對語音操作訊號以載入對應指令元素之系統，其中該語音判斷模組是分析該語音操作訊號之一語音特徵/一聲紋，依據該語音特徵/該聲紋比對該語音 資料庫中之所有識別資料，當該語音特徵/該聲紋與該語音資料庫中之一該識別資料相同時，判斷該語音資料庫中存在與該語音操作訊號相符之識別資料。
8. 如申請專利範圍第5項所述之比對語音操作訊號以載入對應指令元素之系統，其中該系統更包含：一資料加密模組，用以加密該語音資料庫中之指令元素；及一資料解密模組，用以解密該物件載入模組所載入之指令元素。
9. 如申請專利範圍第5項所述之比對語音操作訊號以載入對應指令元素之系統，其中該詞句之複雜度包含詞句的長度及/或詞句所包含的子句數目。
10. 如申請專利範圍第5項所述之比對語音操作訊號以載入對應指令元素之系統，其中該指令元素為一完整之指令、多個完整之指令的組合、一字串、或一完整之指令的一部分，其中，該完整之指令是由一個指令元素或多個指令元素組成。