[發明專利]識別語音的方法

有效

• 申請號: 201010260687.4
• 申請日: 2010-08-20
• 公開（公告）號: CN101996629A
• 公開（公告）日: 2011-03-30
• 發明（設計）人: U·阿倫;S·J·沃蘭-諾瓦克;R·錢加爾瓦拉延;G·塔爾瓦
• 申請（專利權）人: 通用汽車有限責任公司
• 主分類號: G10L15/06
• 分類號: G10L15/06;G10L15/18;G10L19/00
• 代理公司: 中國專利代理(香港)有限公司 72001
• 代理人: 原紹輝

1.一種識別語音的方法，包括：

將包括數值序列的話語陳述給語音識別系統，所述數值序列包含了包括多個標記的數字串；

檢測與所述數字串中的至少兩個潛在協同發音標記相關的協同發音問題；以及

通過使用i)與所述數值序列潛在相應的動態產生的可能數值序列和/或ii)至少一個補充聲學模型，來辨認所述數值序列。

2.如權利要求1所述的方法，其中，在檢測協同發音問題之前，所述方法還包括：

開發基本聲學模型，所述基本聲學模型包括多個字或表達，所述多個字或表達中的每一個都被分配了統計數值；

測試所述基本聲學模型以使用所述多個字或表達識別至少一個協同發音情況；以及

基于測試所述基本聲學模型的結果產生所述至少一個補充聲學模型。

3.如權利要求2所述的方法，其中，測試所述基本聲學模型包括：

將一組話語陳述給所述語音識別系統；

將這組話語與易混淆矩陣進行比較；以及

根據所述比較，用這組話語中的至少一個話語確定常見協同發音問題的頻率。

4.如權利要求3所述的方法，其中，當所述常見協同發音問題的頻率超過預定閾值時，產生所述至少一個補充聲學模型。

5.如權利要求4所述的方法，其中，檢測與所述數字串中的所述至少兩個潛在協同發音標記相關的所述協同發音問題，其中所述方法還包括：

將所述話語的聲能轉換為數字比特模式；以及

將所述話語的所述數字比特模式與所述至少一個補充聲學模型中包括的模式進行比較；以及

基于所述比較產生概率評分。

6.如權利要求5所述的方法，其中，如果所述概率評分超過預定百分比，則所述方法還包括將所述基本聲學模型切換到所述至少一個補充聲學模型。

7.如權利要求1所述的方法，其中，檢測所述協同發音問題包括：

產生用于所述數字串的N最佳列表，所述N最佳列表包括多個可能數值序列，每個可能數值序列潛在地相應于所述話語中陳述的數值序列，其中多個可能數值序列中的每一個根據信任評分被分等級；

辨認與所述數字串相應的所述至少兩個潛在協同發音標記；以及

基于所述N最佳列表中包括的最高等級可能數值序列確定是否存在協同發音問題。

8.如權利要求7所述的方法，其中，在辨認所述至少兩個潛在協同發音標記之后，所述方法還包括：

將所述最高等級數值序列陳述給話語源；以及

由所述源向語音識別系統指示最高等級數值序列是錯誤的。

9.如權利要求8所述的方法，其中，存在所述協同發音問題，其中所述方法還包括：

對于所述至少兩個潛在協同發音標記掃描所述N最佳列表中包括的多個可能數值序列，以從第二高等級可能數值序列開始到最低等級可能數值序列的順序完成掃描；以及

當所掃描的可能數值序列中的一個可能數值序列的信任評分與最高等級數值序列的信任評分之間的差落入預定閾值內時，選擇該可能數值序列。

10.如權利要求8所述的方法，其中，存在所述協同發音問題，其中所述方法還包括：

對于所述至少兩個潛在協同發音標記掃描N最佳列表中包括的多個可能數值序列，以從下一最高等級可能數值序列開始到最低等級可能數值序列的順序完成所述掃描；

識別到所述下一最高等級可能數值序列的信任評分與最高等級數值序列的信任評分之間的差落在預定閾值之外；以及

對于所述至少兩個潛在協同發音標記重新掃描N最佳列表中包括的多個可能數值序列，以從第三最高等級可能數值序列開始到所述最低等級可能數值序列的順序完成所述重新掃描，并且繼續對N最佳列表進行重新掃描，直到可能數值序列之一的信任評分與最高等級數值序列的信任評分之間的差入在預定閾值內。