[發(fā)明專(zhuān)利]中文語(yǔ)音識(shí)別系統(tǒng)及其語(yǔ)音識(shí)別方法

無(wú)效

• 申請(qǐng)?zhí)枺?/td>: 200810043624.6
• 申請(qǐng)日: 2008-07-10
• 公開(kāi)（公告）號(hào): CN101334999A
• 公開(kāi)（公告）日: 2008-12-31
• 發(fā)明（設(shè)計(jì)）人: 陳洪林
• 申請(qǐng)（專(zhuān)利權(quán)）人: 上海言海網(wǎng)絡(luò)信息技術(shù)有限公司
• 主分類(lèi)號(hào): G10L15/28
• 分類(lèi)號(hào): G10L15/28
• 代理公司: 上海光華專(zhuān)利事務(wù)所
• 代理人: 余明偉

技術(shù)領(lǐng)域

本發(fā)明屬于計(jì)算機(jī)智能應(yīng)用技術(shù)領(lǐng)域，涉及一種語(yǔ)音識(shí)別系統(tǒng)，尤其涉及一種中文語(yǔ)音識(shí)別系統(tǒng)；同時(shí)還涉及一種上述中文語(yǔ)音識(shí)別系統(tǒng)的語(yǔ)音識(shí)別方法。

背景技術(shù)

語(yǔ)音識(shí)別技術(shù)在國(guó)外研究得比較早，技術(shù)相對(duì)比較成熟，在90年代就已經(jīng)開(kāi)始應(yīng)用于電信、金融等行業(yè)。比較知名語(yǔ)音識(shí)別產(chǎn)品，如Nuance語(yǔ)音識(shí)別系統(tǒng)，該系統(tǒng)采用的是客戶(hù)/服務(wù)機(jī)的結(jié)構(gòu)，可在Windows及很多UNIX系統(tǒng)上運(yùn)行，它可靈活伸縮，支持很小到很大的應(yīng)用程序。Nuance系統(tǒng)能夠支持大容量的語(yǔ)音檢索、自然語(yǔ)言識(shí)別等，已支持包括中文在內(nèi)的二十幾種語(yǔ)言的語(yǔ)音識(shí)別。國(guó)外的語(yǔ)音識(shí)別技術(shù)雖然已經(jīng)很成熟，但是也存在很多不足的地方，如中文語(yǔ)音識(shí)別，針對(duì)中文語(yǔ)言特點(diǎn)，如自然語(yǔ)言、關(guān)鍵字、多音字等方面的處理，以及特殊的交互式語(yǔ)音要求等方面，還存在很多缺欠和不足。

發(fā)明內(nèi)容

本發(fā)明所要解決的技術(shù)問(wèn)題是：提供一種可以有效減化語(yǔ)音交互流程、提高用戶(hù)效率的中文語(yǔ)音識(shí)別系統(tǒng)。

另外，本發(fā)明還提供一種上述中文語(yǔ)音識(shí)別系統(tǒng)的語(yǔ)音識(shí)別方法。

為解決上述技術(shù)問(wèn)題，本發(fā)明采用如下技術(shù)方案：

一種中文語(yǔ)音識(shí)別系統(tǒng)，包括依次連接的語(yǔ)音數(shù)據(jù)接收單元、數(shù)模轉(zhuǎn)換單元、語(yǔ)音數(shù)據(jù)識(shí)別單元；所述語(yǔ)音數(shù)據(jù)識(shí)別單元包括：

關(guān)鍵字識(shí)別模塊，用以識(shí)別語(yǔ)音中設(shè)定特定類(lèi)型的關(guān)鍵字；

自然語(yǔ)音識(shí)別模塊，用以根據(jù)所述識(shí)別后的關(guān)鍵字辨別自然語(yǔ)言的內(nèi)容；

語(yǔ)音數(shù)據(jù)庫(kù)，用以保存采樣語(yǔ)音的數(shù)據(jù)信息；

相似音識(shí)別模塊，把接收語(yǔ)音的數(shù)據(jù)信息與所述數(shù)據(jù)庫(kù)中的數(shù)據(jù)信息做比對(duì)，返回結(jié)果的可信度，若可信度超過(guò)設(shè)定值，則本次識(shí)別成功；

模糊識(shí)別模塊，當(dāng)識(shí)別未獲成功時(shí)，選擇若干識(shí)別率高的語(yǔ)音供用戶(hù)選擇，或者提示用戶(hù)重新發(fā)音。

作為本發(fā)明的一種優(yōu)選方案，所述語(yǔ)音數(shù)據(jù)識(shí)別單元還包括同義近義詞識(shí)別模塊，用以根據(jù)所述數(shù)據(jù)庫(kù)中的數(shù)據(jù)信息識(shí)別語(yǔ)音的同義詞及近義詞。

作為本發(fā)明的一種優(yōu)選方案，所述識(shí)別系統(tǒng)還包括與語(yǔ)音數(shù)據(jù)識(shí)別單元連接的業(yè)務(wù)流程控制單元，用以根據(jù)接收到的、來(lái)自所述語(yǔ)音數(shù)據(jù)識(shí)別單元的語(yǔ)音信息控制業(yè)務(wù)流程。

作為本發(fā)明的一種優(yōu)選方案，所述業(yè)務(wù)流程控制單元包括插話模塊，用以在業(yè)務(wù)進(jìn)行的過(guò)程中識(shí)別用戶(hù)的語(yǔ)音；進(jìn)而針對(duì)該語(yǔ)音的內(nèi)容配合用戶(hù)進(jìn)入相應(yīng)業(yè)務(wù)。

作為本發(fā)明的一種優(yōu)選方案，所述系統(tǒng)的接口符合NGN標(biāo)準(zhǔn)，通過(guò)該接口直接與NGN網(wǎng)絡(luò)連接；所述系統(tǒng)包括相互分離的業(yè)務(wù)邏輯部分與呼叫控制部分。

作為本發(fā)明的一種優(yōu)選方案，所述語(yǔ)音數(shù)據(jù)接收單元設(shè)置于識(shí)別客戶(hù)端，語(yǔ)音數(shù)據(jù)識(shí)別單元設(shè)置于識(shí)別服務(wù)端；所述識(shí)別服務(wù)端把識(shí)別后的數(shù)據(jù)發(fā)送至所述識(shí)別客戶(hù)端。

作為本發(fā)明的一種優(yōu)選方案，所述語(yǔ)音識(shí)別系統(tǒng)包括：

接入層，包括平臺(tái)對(duì)接模塊與終端用戶(hù)接入模塊，平臺(tái)接入模塊支持H.323協(xié)議和SIP協(xié)議；終端用戶(hù)接入模塊支持H.323、SIP和MGCP類(lèi)型的終端注冊(cè)到TSV平臺(tái)上；

呼叫控制層，實(shí)現(xiàn)呼入呼出、呼叫狀態(tài)分析、電話轉(zhuǎn)接、錄放音、接收DTMF、轉(zhuǎn)接坐席與呼叫相關(guān)的功能，以及和計(jì)費(fèi)服務(wù)器的通信和計(jì)費(fèi)服務(wù)；

會(huì)話層，主要實(shí)現(xiàn)用戶(hù)與系統(tǒng)的對(duì)話過(guò)程，包括媒體處理、語(yǔ)音識(shí)別聲音采樣、文本合成媒體輸出功能，以及與語(yǔ)音識(shí)別服務(wù)、文本合成服務(wù)的接口和交互處理；

流程解析層，主要實(shí)現(xiàn)Voice?XML的流程腳本解析功能，根據(jù)來(lái)自業(yè)務(wù)流程控制層的業(yè)務(wù)請(qǐng)求，控制著用戶(hù)的業(yè)務(wù)流程；

業(yè)務(wù)流程控制層，用以接收來(lái)自應(yīng)用服務(wù)器的業(yè)務(wù)請(qǐng)求，經(jīng)過(guò)判斷分析，將該業(yè)務(wù)請(qǐng)求交付給流程解析層處理。

上述中文語(yǔ)音識(shí)別系統(tǒng)的語(yǔ)音識(shí)別方法，包括如下步驟：

步驟A、識(shí)別客戶(hù)端中的語(yǔ)音數(shù)據(jù)接收單元采集語(yǔ)音信息；

步驟B、所述語(yǔ)音數(shù)據(jù)接收單元把采集的語(yǔ)音信息通過(guò)所述數(shù)模轉(zhuǎn)換單元轉(zhuǎn)換成數(shù)據(jù)包，發(fā)送至識(shí)別服務(wù)端中的語(yǔ)音數(shù)據(jù)識(shí)別單元；

步驟C、識(shí)別服務(wù)端識(shí)別經(jīng)過(guò)識(shí)別處理，得到識(shí)別結(jié)果，返回給識(shí)別客戶(hù)端；

步驟D、業(yè)務(wù)流程控制單元根據(jù)接收到的、來(lái)自所述語(yǔ)音數(shù)據(jù)識(shí)別單元的語(yǔ)音信息控制業(yè)務(wù)流程；

步驟D中包括模糊識(shí)別步驟，當(dāng)識(shí)別未獲成功時(shí)，選擇若干識(shí)別率高的語(yǔ)音供用戶(hù)選擇，或者提示用戶(hù)重新發(fā)音。

作為本發(fā)明的一種優(yōu)選方案，所述步驟D包括識(shí)別用戶(hù)插話的步驟，在業(yè)務(wù)進(jìn)行的過(guò)程中識(shí)別用戶(hù)的語(yǔ)音，針對(duì)該語(yǔ)音的內(nèi)容配合用戶(hù)進(jìn)入相應(yīng)業(yè)務(wù)。