[發明專利]基于位置的話音查詢識別

有效

• 申請號: 201780067103.1
• 申請日: 2017-02-22
• 公開（公告）號: CN109891500B
• 公開（公告）日: 2022-11-15
• 發明（設計）人: C-A.因格馬森
• 申請（專利權）人: 谷歌有限責任公司
• 主分類號: G10L15/183
• 分類號: G10L15/183;G10L15/065
• 代理公司: 北京市柳沈律師事務所 11105
• 代理人: 金玉潔

在一些實施方式中，系統和方法能夠執行基于位置的話音查詢識別。初始接收與用戶的話語相對應的音頻和指示與用戶相關聯的位置的數據。然后獲得該話語的初始轉錄。為與位置相關聯的多個區域中的每一個區域選擇與區域相關聯的一組n元語法。為多個地理區域中的一個或多個地理區域生成一個或多個附加候選描述。為多個地理區域中的一個或多個地理區域選擇話語的代表性轉錄。該代表性轉錄最終被提供給自動語音識別器。

技術領域

本說明書涉及自動語音識別。

背景技術

語音識別是指使用自動語音識別器(automated speech recognizer，ASR)將口頭單詞轉錄成文本。在傳統ASR系統中，將接收的音頻轉換成計算機可讀的聲音，然后將該計算機可讀的聲音與與給定語言相關聯的單詞字典進行比較。

發明內容

一般而言，本說明書中描述的主題的一個創新方面可以體現在改進可能被錯誤識別的不常見的位置特定的術語的話音識別準確性的方法中。例如，與話音查詢相關聯的位置數據可以用于為該話音查詢生成附加候選轉錄。附加候選轉錄是使用與位置相關的多個地理區域相關聯的n元語法(n-gram)生成的。

例如，鄰域模型可以包括被確定為與包圍該位置的特定地理區域相關聯的n元語法的集合，而子地區模型可以包括被確定為與包圍該位置的更大面積相關聯的n元語法的集合。在這點上，地理區域模型的層級可以用于生成替代的候選轉錄，每個候選轉錄都特定于與位置相關的不同地理區域。因此，自動語音識別器(ASR)可以使用替代的候選轉錄來減少位置特定的術語的錯誤識別數量。

對位置特定的術語的錯誤識別可能導致誤導或其他方式的不正確的語音識別結果，當依賴于該不正確的語音識別結果時，可能導致計算機系統中進一步的不準確性和技術效率低下。例如，在位置特定的術語形成電子郵件地址或類似內容的一部分的情況下，其錯誤識別可能導致計算機向不存在的電子郵件地址發送電子郵件(例如，作為自動化過程的一部分)。這可能會導致計算機和計算機所連接的通信網絡兩者效率低下。例如，來自網絡中服務器的退回或“無法傳遞”消息可能會給計算機和網絡帶來負載。如果位置特定的術語被正確識別，就不會產生這種負載。通過用戶(例如，經由鍵盤或其他輸入設備)對錯誤識別的術語的手動校正，可能在計算機上施加更多不必要的負載。對本說明書中描述的不常見的特定位置的術語的話音識別準確性的改進可以減少或完全避免上述技術效率低下。

實施方式可以包括以下一個或多個特征。例如，在一些實施方式中，一種方法包括：接收(i)與用戶的話語相對應的音頻數據，以及(ii)指示與用戶相關聯的位置的數據；獲得話語的初始候選轉錄；為與該位置相關聯的多個地理區域中的每一個地理區域選擇與區域相關聯的一組n元語法；對于多個地理區域中的一個或多個地理區域，基于(i)初始候選轉錄，和(ii)與該區域相關聯的、不在初始候選轉錄中出現的、并被指示為在語聲上與在初始候選轉錄中出現的一個或多個術語類似的一組n元語法的一個或多個術語，來生成一個或多個附加候選轉錄；從初始候選轉錄和一個或多個附加候選轉錄當中選擇話語的代表性轉錄；以及向自動語音識別器提供代表性轉錄。

其他版本包括被配置為執行編碼在計算機存儲設備上的方法的動作的對應系統和計算機程序。

一個或多個實施方式可以包括以下可選特征。例如，在一些實施方式中，多個地理區域至少包括：包圍該位置的鄰域、包圍該鄰域整個面積的子地區以及包圍該鄰域整個面積的地區。

在一些實施方式中，鄰域與第一特征分數相關聯，子地區與第二特征分數相關聯，以及地區與第三特征分數相關聯，第一特征分數具有大于第二特征分數的值的值，并且第二特征的值大于第三特征分數的值，以及至少基于第一特征分數、第二特征分數和第三特征分數的相應值來選擇代表性轉錄。