[發明專利]用于識別語音的系統和方法

有效

• 申請號: 201480033420.8
• 申請日: 2014-05-19
• 公開（公告）號: CN105283914B
• 公開（公告）日: 2018-12-28
• 發明（設計）人: B·哈爾沙姆;J·R·赫爾歇
• 申請（專利權）人: 三菱電機株式會社
• 主分類號: G10L15/183
• 分類號: G10L15/183;G10L15/22;G10L15/08
• 代理公司: 北京三友知識產權代理有限公司 11127
• 代理人: 呂俊剛

一種系統和方法識別包括詞的序列的語音。利用聲學模型和語言模型生成語音的一組解釋，并且針對每一個解釋，確定在表達所述詞的序列時表示解釋的正確性的分數，以生成一組分數。接下來，基于每一個解釋與響應于接收到詞序列約束而確定的約束的一致性來更新所述一組分數。

技術領域

本發明總體上涉及自動語音識別，并且更具體地，涉及在給予用戶低認知負荷的同時提供語音識別。

背景技術

通常已知的是，由駕駛員執行的任何非駕駛相關任務都可能使注意力不集中于駕駛。因此，近期關注通過立法手段和通過駕駛員教育兩者來減少駕駛時移動電話的使用。對于駕駛員在車輛中使用信息、通信以及娛樂功能來說，還存在日益增長的需求。

研究表明，與常規視覺或手動接口相比，基于語音的接口可以不太分散注意力。用于有限功能的基于命令的語音接口在車輛中正變得普遍。然而，因為識別大詞匯量連續語音易于出錯，所以針對像SMS這種功能使用語音的文本輸入是困難的。由此，需要糾正或以其它方式改變已經利用語音輸入的文本，同時減少正在駕駛的用戶方面的分心。

用于糾正不受限制語音的一些方法利用編輯應用，即，具有計算機顯示器和常規鍵盤的字處理機。例如，U.S.5,960,447中描述的方法通過以與關聯語音來標記所識別文本中的詞(word)并且允許字處理軟件的用戶收聽用于編輯文本轉錄的語音，來糾正錯誤識別的語音。

U.S.5,970,460中描述的另一種方法通過在編輯應用程序中關聯“語音事件數據庫”和文本轉錄中的位置并且加寬上下文，來改進編輯操作。這種方法需要主要關注糾正任務，包括常規鍵盤、鼠標器以及菜單選擇，并且具體來說，利用為關注視覺顯示所需的視覺資源。然而，鍵盤、觸摸屏以及大視覺顯示器的使用未最小化從駕駛分心。

其它方法通過利用隨后語音編輯由第一語音所產生的轉錄，來最小化交互作用的復雜性。例如，U.S.6,064,959中描述的方法利用隨后說話來糾正語音識別的結果。類似的是，U.S.7,444,286中描述的方法選擇語音識別中的要重新識別的部分。然而，該語音的隨后解釋可以產生錯誤，從而導致增加糾錯工作，并且還導致駕駛員分心。

U.S.2006/293889中描述的另一方法使用糾正由用戶給出的單個詞，來調整針對與該單個詞相鄰的詞的另選建議。然而，如果用戶的語音中的多個詞被不正確地解釋，則該用戶必須多次糾正該語音解釋。而且，與更一般類型的交互作用相對比，這種方法的糾正限于替換所選擇詞，其可以導致用戶的進一步分心。因此，需要將引導語音的解釋所需的交互作用和用戶注意力減到最小。

發明內容

本發明的一些實施方式基于以下認知，即，在對包括一系列詞的大詞匯量連續語音的語音識別中出現的錯誤通常與其它錯誤相關聯。因此，對識別結果的糾正可以用于預測其它錯誤可能出現在哪里并且用于糾正附加錯誤，而不是只糾正初始錯誤并等待附加的用戶輸入。這些其它錯誤可在相鄰的詞位置出現，或者可能在無需對相鄰的詞進行任何改變的情況下在較遠的位置出現，因此糾正應當用于更新識別結果。

例如，在導航關注點任務中的識別結果可能包括兩個另選詞序列“Museum ofFine Arts”和“Emporium of Fine Carts”。在這種情況下，如果原始解釋是“Museum ofFine Arts”，并且用戶將“Arts”改變成“Carts”，則很可能的是，詞“Museum”應當改變成“Emporium”，即使其間存在解釋未發生改變的幾個詞。

另外，本發明的一些實施方式基于以下總體認知，即，對大詞匯量連續語音的語音識別的解釋的糾正不需要被限制成將一個可能的詞改變成另一個，而是還可以包括更一般種類的糾正約束。于是可將該糾正約束用于重新解釋用戶說出的言語。

與僅使用和單個詞相對應的聲學信號的解釋相比，這種約束可以改進正確解釋一組詞的概率。