用于使用語(yǔ)音識(shí)別解釋剪短的語(yǔ)音的方法和裝置的制造方法
【技術(shù)領(lǐng)域】
[0001]這里描述的主題的實(shí)施例一般地涉及語(yǔ)音識(shí)別系統(tǒng)。更具體地，主題的實(shí)施例涉及針對(duì)可能不完整的語(yǔ)音數(shù)據(jù)樣本的語(yǔ)音識(shí)別。
【背景技術(shù)】
[0002]在使用即按即說(shuō)設(shè)備期間，對(duì)用戶普遍發(fā)生的是，由于在語(yǔ)音已經(jīng)開始之后按下即按即說(shuō)按鈕或者在完成清晰表達(dá)的語(yǔ)句之前釋放即按即說(shuō)按鈕而非故意地縮短(例如，切斷或“剪短”)消息。當(dāng)用戶與第二用戶(經(jīng)由即按即說(shuō)設(shè)備)進(jìn)行通信時(shí)，即使第二用戶沒(méi)有接收到整個(gè)消息，第二用戶通常也仍然可以理解第一用戶說(shuō)了什么。
[0003]當(dāng)用戶使用配備有語(yǔ)音識(shí)別技術(shù)的即按即說(shuō)設(shè)備時(shí)，縮短或剪短消息可能導(dǎo)致語(yǔ)音識(shí)別算法失敗。此外，在不使用即按即說(shuō)技術(shù)的自動(dòng)獲得控制系統(tǒng)的情況下，剪短可能發(fā)生。例如，如果一個(gè)人開始過(guò)輕地講話，則命令的開始可能被剪短。移除該消息的第一部分的剪短對(duì)用于語(yǔ)音識(shí)別的包括隱式馬爾可夫模型(HMM)的信號(hào)處理算法是不利的。HMM單獨(dú)地評(píng)估每個(gè)碼字，并且基于其之前的碼字來(lái)確定每個(gè)碼字的概率。如果話語(yǔ)的第一碼字被剪短，則語(yǔ)音識(shí)別系統(tǒng)將很可能無(wú)法識(shí)別說(shuō)了什么，并且這可能導(dǎo)致差的語(yǔ)音識(shí)別性能。
[0004]因此，期望提供一種用于使用語(yǔ)音識(shí)別技術(shù)來(lái)識(shí)別和解釋剪短的語(yǔ)音的方法。此夕卜，結(jié)合附圖和前述的技術(shù)領(lǐng)域和【背景技術(shù)】進(jìn)行理解，其他期望特征和特性根據(jù)后續(xù)具體描述和所附權(quán)利要求將變得顯而易見(jiàn)。

【發(fā)明內(nèi)容】

[0005]本發(fā)明的一些實(shí)施例提供了一種用于接收和分析與話音識(shí)別技術(shù)兼容的數(shù)據(jù)的方法。該方法接收包括至少清晰表達(dá)的語(yǔ)句的子集的語(yǔ)音數(shù)據(jù)；基于接收到的語(yǔ)音數(shù)據(jù)來(lái)執(zhí)行多個(gè)處理以生成多個(gè)概率，多個(gè)處理中的每一個(gè)與相應(yīng)候選清晰表達(dá)的語(yǔ)句相關(guān)聯(lián)，并且所生成的多個(gè)概率中的每一個(gè)包括關(guān)聯(lián)的候選清晰表達(dá)的語(yǔ)句包括該清晰表達(dá)的語(yǔ)句的可能性；以及分析所生成的多個(gè)概率來(lái)確定識(shí)別結(jié)果，其中，識(shí)別結(jié)果包括清晰表達(dá)的語(yǔ)句。
[0006]—些實(shí)施例提供了一種用于接收與語(yǔ)音識(shí)別技術(shù)兼容的數(shù)據(jù)的系統(tǒng)。該系統(tǒng)包括:用戶輸入模塊，配置為接收音頻數(shù)據(jù)集合；數(shù)據(jù)分析模塊，配置為:基于接收到的語(yǔ)音數(shù)據(jù)來(lái)計(jì)算一個(gè)或多個(gè)概率，所計(jì)算的多個(gè)概率中的每一個(gè)指示音頻數(shù)據(jù)集合包括候選詞語(yǔ)的統(tǒng)計(jì)可能性；并且基于所計(jì)算的多個(gè)概率來(lái)確定語(yǔ)音識(shí)別結(jié)果。
[0007]—些實(shí)施例提供了一種非臨時(shí)性計(jì)算機(jī)可讀介質(zhì)，在其上包含指令，該指令在由處理器執(zhí)行時(shí)執(zhí)行一種方法。響應(yīng)于接收到的與語(yǔ)音識(shí)別(SR)技術(shù)兼容的用戶輸入集合，該方法:執(zhí)行多個(gè)多線程處理來(lái)計(jì)算多個(gè)概率，所述多個(gè)概率中的每一個(gè)與所述多個(gè)多線程處理中的相應(yīng)一個(gè)相關(guān)聯(lián)；比較所述多個(gè)概率中的每一個(gè)以識(shí)別高于預(yù)定義的閾值的一個(gè)或多個(gè)概率；以及基于所識(shí)別的高于預(yù)定義的閾值的一個(gè)或多個(gè)概率來(lái)呈現(xiàn)識(shí)別結(jié)果。
[0008]提供本
【發(fā)明內(nèi)容】
來(lái)以簡(jiǎn)化形式介紹概念的選擇，該概念在以下的具體描述中被進(jìn)一步描述。本
【發(fā)明內(nèi)容】
不意在標(biāo)識(shí)要求保護(hù)的主題的關(guān)鍵特征或必要特征，其也不意在用作確定要求保護(hù)的主題的范圍的輔助。
【附圖說(shuō)明】
[0009]當(dāng)結(jié)合下述特征一起考慮時(shí)，可以通過(guò)參考具體描述和權(quán)利要求來(lái)得到對(duì)主題的更全面的理解，其中遍及附圖，相似的附圖標(biāo)記指類似的元件。
[0010]圖1是根據(jù)一些實(shí)施例的語(yǔ)音數(shù)據(jù)識(shí)別系統(tǒng)的示意性框圖表示；
圖2是圖示用于接收與語(yǔ)音識(shí)別技術(shù)兼容的數(shù)據(jù)的處理的實(shí)施例的流程圖；
圖3是圖示用于接收與語(yǔ)音識(shí)別技術(shù)兼容的數(shù)據(jù)的處理的另一實(shí)施例的流程圖；
圖4是圖示用于將接收到的語(yǔ)音數(shù)據(jù)集合的第一音素與存儲(chǔ)在系統(tǒng)詞典中的一個(gè)或多個(gè)候選詞語(yǔ)作比較的處理的實(shí)施例的流程圖；
圖5是圖示用于執(zhí)行用于剪短語(yǔ)音識(shí)別的多個(gè)處理的處理的實(shí)施例的流程圖；
圖6是根據(jù)一些實(shí)施例的語(yǔ)音數(shù)據(jù)識(shí)別系統(tǒng)的示意圖表示；
圖7是根據(jù)一些實(shí)施例的可能的前綴的數(shù)據(jù)庫(kù)的示意圖表示；
圖8是圖示用于分析接收到的語(yǔ)音數(shù)據(jù)的處理的實(shí)施例的流程圖；以及圖9是圖示用于準(zhǔn)備用于語(yǔ)音識(shí)別應(yīng)用的語(yǔ)音識(shí)別系統(tǒng)的處理的實(shí)施例的流程圖。
【具體實(shí)施方式】
[0011]下面的詳細(xì)描述本質(zhì)上僅僅是說(shuō)明性的并且不意在限制主題的實(shí)施例或者這樣的實(shí)施例的應(yīng)用和使用。如本文使用的詞語(yǔ)“示例性”是指“用作示例、實(shí)例或說(shuō)明”。本文描述為示例性的任何實(shí)現(xiàn)方式不必然被解釋為比其他實(shí)現(xiàn)方式更優(yōu)選或更有利。此外，不意在受到在前面的技術(shù)領(lǐng)域、【背景技術(shù)】、
【發(fā)明內(nèi)容】
或以下具體描述中呈現(xiàn)的任何明確的或暗示的理論的限制。
[0012]本文提出的主題涉及用于解釋接收到的語(yǔ)音數(shù)據(jù)的方法和裝置，不論該語(yǔ)音數(shù)據(jù)是完整的還是不完整的語(yǔ)句。由用戶清晰表達(dá)的語(yǔ)句傳達(dá)語(yǔ)音數(shù)據(jù)的集合。該接收到的語(yǔ)音數(shù)據(jù)的集合可能已經(jīng)在清晰表達(dá)期間被“剪短”或切斷，或者換言之，接收到的語(yǔ)音數(shù)據(jù)的集合可能由于省略的部分而是不完整的。省略的部分可以包括一個(gè)或多個(gè)完整詞語(yǔ)、音素、碼字或話語(yǔ)的其他定義的部分。系統(tǒng)執(zhí)行用于語(yǔ)音識(shí)別的多個(gè)信號(hào)處理算法，以便計(jì)算與下述各項(xiàng)相關(guān)聯(lián)的概率:(i)接收到的語(yǔ)音數(shù)據(jù)與完整的語(yǔ)句相關(guān)聯(lián)，以及(ii)接收到的語(yǔ)音數(shù)據(jù)與由于剪短的部分而不完整的語(yǔ)句相關(guān)聯(lián)。
[0013]在本申請(qǐng)的上下文中，術(shù)語(yǔ)“語(yǔ)音識(shí)別”和“話音識(shí)別”是可互換的。此外，術(shù)語(yǔ)“語(yǔ)音數(shù)據(jù)”和“話音數(shù)據(jù)”也是可互換的。語(yǔ)音數(shù)據(jù)的樣本或集合包括至少一個(gè)詞語(yǔ)。一個(gè)或多個(gè)詞語(yǔ)被單獨(dú)地存儲(chǔ)在系統(tǒng)詞典中。每個(gè)詞語(yǔ)包括一個(gè)或多個(gè)音素，音素可以被定義為使一個(gè)詞語(yǔ)與另一個(gè)區(qū)分的特定語(yǔ)言中的聲音的感知上不同的單元中的任何一個(gè)。音素可以包括但不限于，與英語(yǔ)語(yǔ)言相關(guān)聯(lián)的聲音的不同單元。音素提供每個(gè)詞語(yǔ)的子集的音素表示，每個(gè)詞語(yǔ)的子集可以包括該詞語(yǔ)的一部分，至多并且可能包括整個(gè)詞語(yǔ)。每個(gè)音素可以與一個(gè)或多個(gè)碼字、或詞語(yǔ)的各部分的子音素表示相關(guān)聯(lián)。此外，詞語(yǔ)可以使用系統(tǒng)語(yǔ)言模型來(lái)被提及，以取回獨(dú)立的詞語(yǔ)和/或詞語(yǔ)組合在接收到的語(yǔ)音數(shù)據(jù)的集合中可能出現(xiàn)的概率。
[0014]現(xiàn)在參考附圖，圖1是根據(jù)一些實(shí)施例的語(yǔ)音數(shù)據(jù)識(shí)別系統(tǒng)的示意性框圖表示。語(yǔ)音數(shù)據(jù)識(shí)別系統(tǒng)100可以使用任何期望的平臺(tái)來(lái)實(shí)現(xiàn)。例如，話音數(shù)據(jù)識(shí)別系統(tǒng)100可以被實(shí)現(xiàn)為下述各項(xiàng)(但不限于下述各項(xiàng))中的任何一個(gè):臺(tái)式計(jì)算機(jī)、膝上型計(jì)算機(jī)、服務(wù)器系統(tǒng)、移動(dòng)設(shè)備、診斷設(shè)備的專用部件、基于嵌入式處理器的設(shè)備或系統(tǒng)或包括處理器架構(gòu)102的任何其他設(shè)備。
[0015]語(yǔ)音數(shù)據(jù)識(shí)別系統(tǒng)100可以包括但不限于:處理器架構(gòu)102 ;系統(tǒng)存儲(chǔ)器104 ;用戶接口 106 ;信號(hào)處理模塊108 ;系統(tǒng)準(zhǔn)備模塊110 ;參數(shù)模塊112 ;和數(shù)據(jù)分析模塊114。在實(shí)踐中，語(yǔ)音數(shù)據(jù)識(shí)別系統(tǒng)100的實(shí)施例可以包括按期望用于特定應(yīng)用的附加或替代元件和組件。例如，在不背離本公開的范圍的情況下，可以采用附加組件，諸如顯示器和用戶輸入組件。為了便于說(shuō)明和清楚，在圖1中沒(méi)有描繪用于這些元件和特征的各種物理、電氣和邏輯耦合和互連。此外，應(yīng)該理解，語(yǔ)音數(shù)據(jù)識(shí)別系統(tǒng)100的實(shí)施例將包括協(xié)作支持期望功能的其他元件、模塊和特征。為了簡(jiǎn)單，圖1僅描繪了涉及以下更具體描述的語(yǔ)音數(shù)據(jù)識(shí)別和完成技術(shù)的特定元件。
[0016]處理器架構(gòu)102可以使用任何適當(dāng)?shù)奶幚硐到y(tǒng)來(lái)實(shí)現(xiàn)，該處理系統(tǒng)諸如是一個(gè)或多個(gè)處理器110 (例如，多個(gè)芯片或單個(gè)芯片上的多個(gè)核心)、控制器、微處理器、微控制器、處理核心和/或跨任何數(shù)目的分布式或集成系統(tǒng)(包括任何數(shù)目的“基于云”的系統(tǒng)或其他虛擬系統(tǒng))分布的其他計(jì)算資源。
[0017]處理器架構(gòu)102與系統(tǒng)存儲(chǔ)器104進(jìn)行通信。系統(tǒng)存儲(chǔ)器104表示能夠存儲(chǔ)用于在處理器架構(gòu)102上執(zhí)行的編程指令的任何非臨時(shí)性短期或長(zhǎng)期存儲(chǔ)裝置或其他計(jì)算機(jī)可讀介質(zhì)，包括任何種類的隨機(jī)存取存儲(chǔ)器(RAM)、只讀存儲(chǔ)器(R0M)、閃速存儲(chǔ)器、磁或光學(xué)大容量存儲(chǔ)裝置和/或類似物。應(yīng)當(dāng)注意，系統(tǒng)存儲(chǔ)器104表示這樣的計(jì)算機(jī)可讀介質(zhì)中的