[發明專利]用單詞重音預測發音的系統和方法

有效

• 申請號: 201680085566.6
• 申請日: 2016-12-09
• 公開（公告）號: CN109196582B
• 公開（公告）日: 2023-05-09
• 發明（設計）人: M.V.蔡;K.K.拉奧;D.J.J.范埃施
• 申請（專利權）人: 谷歌有限責任公司
• 主分類號: G10L13/10
• 分類號: G10L13/10;G10L25/30;G10L15/187
• 代理公司: 北京市柳沈律師事務所 11105
• 代理人: 邵亞麗

1.一種由一個或多個計算機執行的方法，該方法包括：

由所述一個或多個計算機確定指示單詞的拼寫的拼寫數據；

由所述一個或多個計算機將所述拼寫數據作為輸入提供給訓練的遞歸神經網絡，所述訓練的遞歸神經網絡被訓練以至少基于指示所述單詞的拼寫的數據來指示單詞發音的特征；

由所述一個或多個計算機接收指示由所述訓練的遞歸神經網絡響應于提供所述拼寫數據作為輸入而生成的單詞的發音的重音模式的輸出；

其中接收指示由所述訓練的遞歸神經網絡生成的單詞的發音的重音模式的輸出包括接收每個指示一組符號上的概率分布的多個輸出矢量，所述多個輸出矢量的組合指示由所述訓練的遞歸神經網絡生成的單詞的發音的重音模式；

由所述一個或多個計算機使用所述訓練的遞歸神經網絡的輸出來生成指示所述單詞的發音的重音模式的發音數據；以及

由所述一個或多個計算機將所述發音數據提供給文本到語音系統或自動語音識別系統。

2.如權利要求1所述的方法，其中：

將所述拼寫數據作為輸入提供給所述訓練的遞歸神經網絡包括將所述拼寫數據作為輸入提供給訓練的長短期記憶遞歸神經網絡；并且

接收指示由所述訓練的遞歸神經網絡生成的單詞的發音的重音模式的輸出包括接收指示由所述訓練的長短期記憶遞歸神經網絡響應于提供所述拼寫數據作為輸入而生成的單詞的發音的重音模式的輸出。

3.如權利要求1或2所述的方法，其中，由所述一個或多個計算機使用所述訓練的遞歸神經網絡的輸出以生成指示所述單詞的發音的重音模式的發音數據包括使用所述輸出來生成指示至少一個主重音位置的發音。

4.如權利要求1或2所述的方法，其中，由所述一個或多個計算機使用所述訓練的遞歸神經網絡的輸出以生成指示所述單詞的發音的重音模式的發音數據包括使用所述輸出來生成指示具有重音和音節分割以及重音值的單詞的音素的序列的發音。

5.如權利要求1或2所述的方法，包括由所述一個或多個計算機確定指示所述單詞的至少一個重音位置的發音數據，其中：

由所述一個或多個計算機將所述拼寫數據作為輸入給提供所給所述訓練的遞歸神經網絡包括將所述拼寫數據和所述發音數據作為輸入提供給所述訓練的遞歸神經網絡；并且

接收指示由所述訓練的遞歸神經網絡生成的單詞的發音的重音模式的輸出包括接收指示由所述訓練的遞歸神經網絡響應于提供所述拼寫數據和所述發音數據作為輸入而生成的單詞的發音的重音模式的輸出。

6.如權利要求1或2所述的方法，其中：

由所述一個或多個計算機將所述拼寫數據作為輸入提供給所述訓練的遞歸神經網絡包括將對于所述拼寫數據的多個輸入矢量作為輸入提供給所述訓練的遞歸神經網絡，所述多個輸入矢量中的每一個矢量指示來自所述拼寫數據或填充符的特定字符。

7.如權利要求6所述的方法，其中：

提供所述多個輸入矢量包括將預定數量的輸入矢量提供給所述訓練的遞歸神經網絡作為輸入；并且

接收所述多個輸出矢量包括從所述訓練的遞歸神經網絡接收預定數量的輸出矢量作為輸出。

8.如權利要求1或2所述的方法，其中，由所述一個或多個計算機使用所述訓練的遞歸神經網絡的輸出以生成指示所述單詞的發音的重音模式的發音數據包括將一個或多個約束應用于所述輸出以生成指示所述單詞的發音的重音模式的發音數據。

9.如權利要求8所述的方法，其中，將所述一個或多個約束應用于所述輸出以生成指示所述單詞的發音的重音模式的發音數據包括：

在所述訓練的遞歸神經網絡的輸出上使用波束搜索來確定所述輸出中具有滿足所述一個或多個約束的最高可能性的路徑；以及

使用具有滿足所述一個或多個約束的最高可能性的路徑來生成指示所述單詞的發音的重音模式的發音數據。