[發(fā)明專利]外源性大詞匯量模型到基于規(guī)則的語(yǔ)音識(shí)別的合并

在審

• 申請(qǐng)?zhí)枺?/td>: 201910993287.5
• 申請(qǐng)日: 2015-01-12
• 公開(kāi)（公告）號(hào): CN110706711A
• 公開(kāi)（公告）日: 2020-01-17
• 發(fā)明（設(shè)計(jì)）人: T·威爾遜;S·夸齊;J·維孔多阿;P·法特普里亞
• 申請(qǐng)（專利權(quán)）人: 微軟技術(shù)許可有限責(zé)任公司
• 主分類號(hào): G10L15/32
• 分類號(hào): G10L15/32;G10L15/30;G10L15/193;G10L15/197
• 代理公司: 72002 永新專利商標(biāo)代理有限公司
• 代理人: 賈麗萍

提供了外源性大詞匯量模型到基于規(guī)則的語(yǔ)音識(shí)別的合并。音頻流由本地小詞匯量、基于規(guī)則的語(yǔ)音識(shí)別系統(tǒng)(SVSRS)接收，并被傳輸至大詞匯量的、基于統(tǒng)計(jì)模型的語(yǔ)音識(shí)別系統(tǒng)(LVSRS)。SVSRS和LVSRS對(duì)音頻執(zhí)行識(shí)別。如果一部分音頻沒(méi)有被SVSRS識(shí)別，則觸發(fā)這樣的規(guī)則：將標(biāo)記插入到識(shí)別結(jié)果中。將該識(shí)別結(jié)果發(fā)送至LVSRS。如果檢測(cè)到標(biāo)記，則對(duì)音頻的指定的一部分執(zhí)行識(shí)別。LVSRS結(jié)果與SVSRS結(jié)果進(jìn)行統(tǒng)一并作為混合響應(yīng)發(fā)送回SVSRS。如果沒(méi)有觸發(fā)混合識(shí)別規(guī)則，則喚起仲裁算法來(lái)確定是SVSRS識(shí)別還是LVSRS識(shí)別具有更小的詞語(yǔ)錯(cuò)誤率。將所確定的識(shí)別作為響應(yīng)發(fā)送至SVSRS。

本申請(qǐng)是申請(qǐng)日為2015年1月12日、申請(qǐng)?zhí)枮?01580004735.4的發(fā)明專利申請(qǐng)“外源性大詞匯量模型到基于規(guī)則的語(yǔ)音識(shí)別的合并”的分案申請(qǐng)。

背景技術(shù)

語(yǔ)音識(shí)別系統(tǒng)大體上可分為兩種類型的系統(tǒng)：利用小詞匯量并生成高度精確的結(jié)果的基于規(guī)則的系統(tǒng)，或者是利用大詞匯量并以損失特定精確度為代價(jià)而提供識(shí)別的寬泛度的開(kāi)放式的、基于統(tǒng)計(jì)的系統(tǒng)。

語(yǔ)音識(shí)別已經(jīng)成為了諸如移動(dòng)電話、平板計(jì)算機(jī)、可穿戴設(shè)備(例如智能手表等)、便攜式媒體播放機(jī)等之類的小型設(shè)備上的一種有用的工具。用戶可利用各種類型的應(yīng)用來(lái)使用語(yǔ)音識(shí)別系統(tǒng)，以執(zhí)行動(dòng)作、回答問(wèn)題、做出推薦等。例如，用戶可說(shuō)出命令以啟動(dòng)文本消息應(yīng)用、說(shuō)出文本消息、并且接著說(shuō)出命令以發(fā)送該文本消息。這樣的設(shè)備上的語(yǔ)音識(shí)別可能受硬件、軟件、和/或處理/存儲(chǔ)器能力的限制。從而，較小型的設(shè)備可以包括基于規(guī)則的語(yǔ)音識(shí)別系統(tǒng)，而不包括支持開(kāi)放式語(yǔ)音的大詞匯量模型，這是由于這樣的系統(tǒng)可以消耗的存儲(chǔ)器和處理能力的量。

大詞匯量語(yǔ)音識(shí)別系統(tǒng)可以在單獨(dú)的系統(tǒng)上可用，例如，在遠(yuǎn)程服務(wù)器上。一些小型設(shè)備可以依賴基于網(wǎng)絡(luò)的大詞匯量語(yǔ)音識(shí)別系統(tǒng)來(lái)執(zhí)行識(shí)別，然而，對(duì)網(wǎng)絡(luò)的訪問(wèn)不是總是可用的，而且從計(jì)算的角度而言，將大詞匯量系統(tǒng)托管在小型設(shè)備上可能不可行。

通常，存在結(jié)合兩種類型的語(yǔ)音識(shí)別系統(tǒng)的優(yōu)點(diǎn)的需求，例如，其中，來(lái)自用戶的說(shuō)話話語(yǔ)(utterance)的一部分可以需要以高精度匹配，而話語(yǔ)的另一部分語(yǔ)音可以需要非特定地匹配。本發(fā)明是關(guān)于這些和其他考慮而做出的。

發(fā)明內(nèi)容

提供了該發(fā)明內(nèi)容以用簡(jiǎn)化的形式介紹在下文的具體實(shí)施方式中所進(jìn)一步描述的概念的選擇。該發(fā)明內(nèi)容不旨在標(biāo)識(shí)所要求保護(hù)的主題的關(guān)鍵特征或本質(zhì)特征，也不旨在作為幫助來(lái)確定所要求保護(hù)的主題的范圍。

本發(fā)明的實(shí)施例通過(guò)提供外源性大詞匯量模型到基于規(guī)則的語(yǔ)音識(shí)別的合并來(lái)解決上述和其他問(wèn)題。可以利用本地設(shè)備上的受限的、基于規(guī)則識(shí)別與遠(yuǎn)程的、開(kāi)放式的、基于統(tǒng)計(jì)的識(shí)別的組合，以傳遞包含基于設(shè)備的規(guī)則的特異性以及大語(yǔ)言模型的寬泛度兩者的識(shí)別結(jié)果。

在以下的附圖和說(shuō)明中闡述了一個(gè)或多個(gè)實(shí)施例的細(xì)節(jié)。通過(guò)閱讀以下詳細(xì)說(shuō)明并查閱相關(guān)聯(lián)的附圖，其他特征和優(yōu)點(diǎn)將會(huì)顯而易見(jiàn)。應(yīng)當(dāng)理解的是，以下的詳細(xì)說(shuō)明僅僅是解釋性的，而不限制所要求保護(hù)的發(fā)明。

附圖說(shuō)明

包含在本公開(kāi)中并構(gòu)成本公開(kāi)的一部分的附圖示出了本發(fā)明的各種實(shí)施例。在附圖中：

圖1是用于提供外源性大詞匯量模型到基于規(guī)則的語(yǔ)音識(shí)別的合并的系統(tǒng)的一個(gè)實(shí)施例的框圖；

圖2是示出了小詞匯量語(yǔ)音識(shí)別系統(tǒng)和大詞匯量語(yǔ)音識(shí)別系統(tǒng)之間的請(qǐng)求和響應(yīng)事務(wù)的框圖；

圖3A-3C示出了用于提供外源性大詞匯量模型到基于規(guī)則的語(yǔ)音識(shí)別的合并的方法的流程圖；

圖4是示出了計(jì)算設(shè)備的示例物理組件的框圖，其中利用所述計(jì)算設(shè)備可以實(shí)踐本發(fā)明的實(shí)施例；

圖5A和5B是移動(dòng)計(jì)算設(shè)備的簡(jiǎn)化的框圖，其中利用所述移動(dòng)計(jì)算設(shè)備可以實(shí)踐本發(fā)明的實(shí)施例；以及

圖6是其中可以實(shí)踐本發(fā)明的實(shí)施例的分布式計(jì)算系統(tǒng)的簡(jiǎn)化的框圖。