[發(fā)明專利]文字文件自動(dòng)標(biāo)示時(shí)間的裝置與方法

無效

• 申請(qǐng)?zhí)枺?/td>: 200710088627.7
• 申請(qǐng)日: 2007-03-16
• 公開（公告）號(hào): CN101266790A
• 公開（公告）日: 2008-09-17
• 發(fā)明（設(shè)計(jì)）人: 顏銘祥;顏睿余;趙平峽
• 申請(qǐng)（專利權(quán)）人: 微星科技股份有限公司
• 主分類號(hào): G10L13/04
• 分類號(hào): G10L13/04;G11B27/10
• 代理公司: 隆天國(guó)際知識(shí)產(chǎn)權(quán)代理有限公司
• 代理人: 郭曉東

技術(shù)領(lǐng)域

本發(fā)明涉及一種文字文件標(biāo)示時(shí)間的裝置與方法，尤其涉及一種通過語音辨識(shí)進(jìn)行文字文件自動(dòng)標(biāo)示時(shí)間的裝置與方法。

背景技術(shù)

不論是語言學(xué)習(xí)機(jī)或是語音播放器(例如，MP3?player)，目前大部分的設(shè)備都具有詞曲同步的功能。也就是當(dāng)使用者在聽取語言朗讀或歌曲播放時(shí)，會(huì)有相對(duì)應(yīng)的文字(朗讀內(nèi)容或歌詞)，跟隨著語音文件一同播放。以便讓使用者能一邊聆聽語音文件，一邊讀取和語音文件互相對(duì)應(yīng)的文字。如此，當(dāng)使用者利用具有詞曲同步功能的設(shè)備學(xué)習(xí)語言或聆聽歌曲時(shí)，可以增加語言學(xué)習(xí)的效率或加速歌曲學(xué)習(xí)的效率。

目前常見的詞曲同步的文件為L(zhǎng)RC文件，而所謂LRC文件的格式簡(jiǎn)單來說就是時(shí)間信息后面跟隨著一段文字信息。其中，時(shí)間信息所代表的意義就是這段文字信息在語音文件內(nèi)的起始時(shí)間。所以，只要從語音文件的這個(gè)時(shí)間開始播放，也就可以聽到與這段文字信息相對(duì)應(yīng)的語音內(nèi)容。也因?yàn)橛蓄愃芁RC這種格式的文件出現(xiàn)，市面上才會(huì)產(chǎn)生許多具有詞曲同步功能的產(chǎn)品或軟件。

但以目前的技術(shù)來看，LRC文件的制作大部分是以人工制作的方式來完成。也就是根據(jù)文字和語音文件的內(nèi)容來進(jìn)行文句所對(duì)應(yīng)的時(shí)間標(biāo)示。簡(jiǎn)單來說，就是將文字部分所對(duì)應(yīng)到語音文件的時(shí)間，利用人工的方法逐句標(biāo)示出來。如此，將造成大量的時(shí)間與人力的浪費(fèi)。

例如，中國(guó)臺(tái)灣申請(qǐng)專利第92117564號(hào)“伴唱歌詞的編輯系統(tǒng)及其編輯與顯示的方法”。該專利提供應(yīng)用于計(jì)算機(jī)可執(zhí)行接口上，通過使用者編輯伴唱音樂旋律相對(duì)應(yīng)的歌詞，并且定義每段歌曲的起始時(shí)間用于顯示時(shí)，能夠精確的依據(jù)歌曲時(shí)長(zhǎng)顯示并且變化相對(duì)應(yīng)字符呈現(xiàn)，讓使用者能夠輕易的跟唱。其所公開的技術(shù)便是需要通過使用者編輯伴唱音樂旋律相對(duì)應(yīng)之歌詞，也就是采用上述所介紹的人工自行標(biāo)示時(shí)間的方式，來完成伴唱歌曲中文字文件(歌詞)能詞曲同步的功能。

此外目前相關(guān)的研究文獻(xiàn)中，有嘗試將關(guān)鍵詞匯加以整理并將所有關(guān)鍵詞匯結(jié)構(gòu)化，以快速算法來實(shí)現(xiàn)大字匯的關(guān)鍵詞萃取，并對(duì)其辨識(shí)率及辨識(shí)效能作研究。以及，以PDA為平臺(tái)的語音控制系統(tǒng)，討論以類神經(jīng)網(wǎng)絡(luò)為主之向量量化過程，對(duì)語音系統(tǒng)辨識(shí)率的影響。使用的方法包括利用數(shù)字信號(hào)處理技術(shù)擷取語音特征參數(shù)，向量量化方法作前處理，以及隱馬爾可夫模型為主的辨識(shí)及訓(xùn)練算法。

上述所提及的文獻(xiàn)，主要的研究?jī)?nèi)容著重在語音辨識(shí)的技巧上。無法達(dá)到將語音文件相對(duì)應(yīng)的文字文件自動(dòng)標(biāo)示時(shí)間的功能。因此，如何讓文字文件可以自動(dòng)標(biāo)示時(shí)間，而節(jié)省人工標(biāo)示時(shí)間所花費(fèi)的時(shí)間與金錢，為一亟待解決的問題。

發(fā)明內(nèi)容

有鑒于此本發(fā)明提出一種文字文件自動(dòng)標(biāo)示時(shí)間的裝置與方法，通過語音辨識(shí)進(jìn)行文字文件自動(dòng)標(biāo)示時(shí)間。利用本發(fā)明可將文字文件中的每一個(gè)句子自動(dòng)標(biāo)示出對(duì)應(yīng)于語音文件的時(shí)間。因此，不需再像傳統(tǒng)技術(shù)一樣，利用人工的方式逐句標(biāo)示文字文件對(duì)應(yīng)到語音文件的時(shí)間。如此，將大幅節(jié)省時(shí)間與人力的花費(fèi)。

本發(fā)明所提出之一種文字文件自動(dòng)標(biāo)示時(shí)間的裝置包含：接收模塊、語音辨識(shí)模塊及標(biāo)示模塊。

接收模塊接收文字文件與語音文件。其中，文字文件由多個(gè)句子所組成。語音辨識(shí)模塊將文字文件中的句子轉(zhuǎn)換為語音模型，并依據(jù)間隔時(shí)間將語音文件劃分為多個(gè)幀(frame)且依序編號(hào)，計(jì)算出幀與語音模型互相匹配(match)的最佳語音路徑。標(biāo)示模塊依據(jù)最佳語音路徑擷取出每一句子的開頭所對(duì)應(yīng)的幀的編號(hào)，由幀的編號(hào)與間隔時(shí)間取得每一句子的開頭對(duì)應(yīng)于語音文件的起始時(shí)間，并標(biāo)示起始時(shí)間于文字文件。

本發(fā)明提出一種文字文件自動(dòng)標(biāo)示時(shí)間的方法，通過語音辨識(shí)進(jìn)行文字文件自動(dòng)標(biāo)示時(shí)間，包含下列步驟。接收文字文件與語音文件，而該文字文件由多個(gè)句子所組成。轉(zhuǎn)換文字文件中的句子為語音模型。依據(jù)間隔時(shí)間將語音文件劃分為多個(gè)幀(frame)且依序編號(hào)。計(jì)算出幀與語音模型互相匹配(match)的最佳語音路徑。依據(jù)最佳語音路徑擷取出每一句子的開頭所對(duì)應(yīng)的幀的編號(hào)。依據(jù)幀的編號(hào)與間隔時(shí)間取得每一句子的開頭對(duì)應(yīng)于語音文件的起始時(shí)間。最后，標(biāo)示起始時(shí)間于文字文件。

通過本發(fā)明的方法可將文字文件中的每一個(gè)句子自動(dòng)標(biāo)示出對(duì)應(yīng)于語音文件的起始時(shí)間，不需再如傳統(tǒng)技術(shù)一樣利用人工的方式逐句標(biāo)示時(shí)間，進(jìn)而節(jié)省大量的時(shí)間與人力的花費(fèi)。

有關(guān)本發(fā)明的較佳實(shí)施例及其功效，配合附圖說明如后。

附圖說明

圖1為本發(fā)明文字文件自動(dòng)標(biāo)示時(shí)間的裝置的示意圖。

圖2為語音辨識(shí)模塊的示意圖。

圖3為最佳語音路徑示意圖。