[發(fā)明專利]用于廣播環(huán)境中的話語識別應(yīng)用的話語增強

在審

• 申請?zhí)枺?/td>: 201880002787.1
• 申請日: 2018-05-02
• 公開（公告）號: CN109478408A
• 公開（公告）日: 2019-03-15
• 發(fā)明（設(shè)計）人: 五十嵐卓也
• 申請（專利權(quán)）人: 索尼公司
• 主分類號: G10L21/02
• 分類號: G10L21/02;G10L15/30;G10L21/0272;G10L15/20;G10L21/0208
• 代理公司: 北京康信知識產(chǎn)權(quán)代理有限責(zé)任公司 11240
• 代理人: 余剛;吳孟秋

一種系統(tǒng)，獲取包括由麥克風(fēng)捕獲的語音命令的第一音頻數(shù)據(jù)；識別廣播內(nèi)容中包括的與由麥克風(fēng)捕獲第一音頻數(shù)據(jù)的定時相對應(yīng)的第二音頻數(shù)據(jù)；從第一音頻數(shù)據(jù)提取第二音頻數(shù)據(jù)以生成第三音頻數(shù)據(jù)；將第三音頻數(shù)據(jù)轉(zhuǎn)換為與語音命令相對應(yīng)的文本數(shù)據(jù)；并且輸出文本數(shù)據(jù)。

技術(shù)領(lǐng)域

本技術(shù)涉及信息處理設(shè)備和信息處理方法，并且具體地，涉及能夠在內(nèi)容再現(xiàn)期間使用語音交互時改進(jìn)語音交互的準(zhǔn)確性的信息處理設(shè)備和信息處理方法。

相關(guān)申請的引證

該申請要求于2017年5月16日提交的日本優(yōu)先權(quán)專利申請JP2017-097165的權(quán)益，其全部內(nèi)容通過引證并入本文。

背景技術(shù)

提出了要結(jié)合廣播內(nèi)容執(zhí)行的廣播應(yīng)用(例如，參見PTL 1)。廣播應(yīng)用的使用使能夠顯示例如與廣播內(nèi)容相關(guān)聯(lián)的信息。

此外，與語音識別相關(guān)聯(lián)的用于分析用戶的話語的內(nèi)容的一種技術(shù)(例如，參見PTL 2)。例如，當(dāng)該技術(shù)應(yīng)用于電視接收器或移動終端裝置時，可分析用戶所說的表述并且可響應(yīng)于該話語執(zhí)行處理。

引用列表

專利文獻(xiàn)

PTL 1：JP 2013-187781 A

PTL 2：JP 2014-153663 A

發(fā)明內(nèi)容

技術(shù)問題

順便提及，通常使用附屬遙控器操作電視接收器。然而，在內(nèi)容再現(xiàn)時執(zhí)行與廣播應(yīng)用相關(guān)聯(lián)的操作的情況下，遙控器不是必然適合用作操作方式，并且因此需要使用語音交互的操作方式。在使用這種語音交互的情況下，在用戶的話語期間再現(xiàn)內(nèi)容，并且因此內(nèi)容中的語音變成噪聲，這可能會導(dǎo)致語音交互的準(zhǔn)確性下降。

本技術(shù)是鑒于上述情況做出的，并且目的是改進(jìn)內(nèi)容再現(xiàn)期間使用語音交互時語音交互的準(zhǔn)確性。

問題的解決方案

根據(jù)一個示例性實施方式，本公開涉及一種系統(tǒng)，該系統(tǒng)獲取包括由麥克風(fēng)捕獲的語音命令的第一音頻數(shù)據(jù)；識別廣播內(nèi)容中包括的與由麥克風(fēng)捕獲第一音頻數(shù)據(jù)的定時相對應(yīng)的第二音頻數(shù)據(jù)；從第一音頻數(shù)據(jù)提取第二音頻數(shù)據(jù)以生成第三音頻數(shù)據(jù)；將第三音頻數(shù)據(jù)轉(zhuǎn)換為與語音命令相對應(yīng)的文本數(shù)據(jù)；并且輸出文本數(shù)據(jù)。

第一音頻數(shù)據(jù)可以包括語音命令和與由麥克風(fēng)捕獲的廣播內(nèi)容相對應(yīng)的第四音頻數(shù)據(jù)。

系統(tǒng)可以是服務(wù)器，并且服務(wù)器可被配置為通過網(wǎng)絡(luò)從包括麥克風(fēng)的設(shè)備中獲取第一音頻數(shù)據(jù)。

根據(jù)另一示例性實施方式，本公開涉及一種由信息處理系統(tǒng)執(zhí)行的方法，該方法包括：獲取包括由麥克風(fēng)捕獲的語音命令的第一音頻數(shù)據(jù)；識別廣播內(nèi)容中包括的與由麥克風(fēng)捕獲第一音頻數(shù)據(jù)的定時相對應(yīng)的第二音頻數(shù)據(jù)；從第一音頻數(shù)據(jù)提取第二音頻數(shù)據(jù)以生成第三音頻數(shù)據(jù)；將第三音頻數(shù)據(jù)轉(zhuǎn)換為與語音命令相對應(yīng)的文本數(shù)據(jù)；并且輸出文本數(shù)據(jù)。

根據(jù)另一示例性實施方式，本公開涉及一種包括電路的電子裝置，該電路被配置為：基于向用戶呈現(xiàn)的內(nèi)容獲取第一音頻數(shù)據(jù)，第一音頻數(shù)據(jù)包括由麥克風(fēng)捕獲的語音命令和基于向用戶呈現(xiàn)內(nèi)容的背景噪聲；向服務(wù)器系統(tǒng)發(fā)送第一音頻數(shù)據(jù)；并且從服務(wù)器系統(tǒng)接收對語音命令的響應(yīng)，對語音命令的響應(yīng)由服務(wù)器系統(tǒng)通過基于由電子裝置提供的內(nèi)容信息從第一音頻數(shù)據(jù)中去除背景噪聲來生成。

根據(jù)另一示例性實施方式，本公開涉及一種由電子裝置執(zhí)行的方法，該方法包括：基于向用戶呈現(xiàn)的內(nèi)容獲取第一音頻數(shù)據(jù)，第一音頻數(shù)據(jù)包括由麥克風(fēng)捕獲的語音命令和基于向用戶呈現(xiàn)內(nèi)容的背景噪聲；向服務(wù)器系統(tǒng)發(fā)送第一音頻數(shù)據(jù)；并且從服務(wù)器系統(tǒng)接收對語音命令的響應(yīng)，對語音命令的響應(yīng)由服務(wù)器系統(tǒng)通過基于由電子裝置提供的內(nèi)容信息從第一音頻數(shù)據(jù)中去除背景噪聲來生成。

本發(fā)明的有益效果