[發(fā)明專利]語音對話重構(gòu)方法及裝置在審
| 申請?zhí)枺?/td> | 202110255584.7 | 申請日： | 2021-03-09 |
| 公開（公告）號： | CN113450772A | 公開（公告）日： | 2021-09-28 |
| 發(fā)明（設(shè)計(jì)）人： | 黃銘振;金善泰;池昌真 | 申請（專利權(quán)）人： | 語享路有限責(zé)任公司 |
| 主分類號： | G10L15/04 | 分類號： | G10L15/04;G10L25/87;G10L13/04 |
| 代理公司： | 北京京萬通知識產(chǎn)權(quán)代理有限公司 11440 | 代理人： | 齊曉靜 |
| 地址： | 韓國首*** | 國省代碼： | 暫無信息 |
| 權(quán)利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關(guān)鍵詞： | 語音 對話 方法 裝置 | ||
本發(fā)明提供一種語音對話重構(gòu)裝置的語音對話重構(gòu)方法，其中，包括：為語音對話獲取對于不同說話者的語音識別數(shù)據(jù)的步驟；根據(jù)預(yù)定的劃分標(biāo)準(zhǔn)，使用令牌之間的邊界將獲得的所述每個說話者語音識別數(shù)據(jù)劃分為多個塊的步驟；將劃分的所述多個塊與每個說話者無關(guān)地按視覺順序排列的步驟；相對于排列的所述多個塊，通過同一說話者的連續(xù)語音合并塊的步驟；通過劃分所述視覺順序和說話者，以對話形式重構(gòu)反映合并結(jié)果的所述多個塊的步驟。
技術(shù)領(lǐng)域
本發(fā)明涉及一種用于以對話形式為語音對話重構(gòu)每個說話者的語音識別數(shù)據(jù)的方法及裝置。
背景技術(shù)
在輸入和處理自然語言的技術(shù)中，STT(語音轉(zhuǎn)文本)是一種將語音轉(zhuǎn)換為文本的語音識別技術(shù)。
這些語音識別技術(shù)根據(jù)實(shí)時特性可以分為兩種，一種是一次接收并轉(zhuǎn)換要轉(zhuǎn)換的語音的方法，另一種是接收以預(yù)定單位(例如，小于1秒的單位)實(shí)時產(chǎn)生的語音并實(shí)時轉(zhuǎn)換的方法。
其中，批量轉(zhuǎn)換方法通常在識別整個輸入語音之后立即生成結(jié)果，而實(shí)時轉(zhuǎn)換方法必須定義生成語音識別結(jié)果的時間點(diǎn)。
定義實(shí)時轉(zhuǎn)換方法的識別結(jié)果的生成時間點(diǎn)的主要方法有三種。第一，可以在輸入特殊結(jié)束信號(例如，識別/呼叫結(jié)束按鈕操作等)時生成識別結(jié)果。第二，當(dāng)發(fā)生在預(yù)定長度(例如0.5秒)以上的靜音等的EPD(端點(diǎn)檢測離子)時，可以生成識別結(jié)果。第三，可以每隔預(yù)定時間生成識別結(jié)果。
其中，定義識別結(jié)果的生成時間點(diǎn)的第三種方法具有未結(jié)束連接的識別結(jié)果生成的始點(diǎn)，即可能是說話的途中的不完整特征。主要用于臨時獲取從某個點(diǎn)到目前為止識別出的結(jié)果，而不是生成正式結(jié)果，并且這種方式獲得的結(jié)果稱為部分結(jié)果，而不是完整的識別結(jié)果。
與基于EPD邊界的識別結(jié)果不同，這種不完整的結(jié)果可以將前一生成結(jié)果包括在當(dāng)前生成的結(jié)果中。例如，EPD單位識別結(jié)果生成“ABC”，“DE”和“F G”以識別“ABCDEFGH”，然而，不完整結(jié)果除非出現(xiàn)“A”，“AB”，“ABC”，“D”，“DE”，“F”，“FG”，“FGH”的EPD，否則不完整的結(jié)果通常包括過去生成結(jié)果。
另一方面，近年來，語音識別技術(shù)已經(jīng)極大地提高了語音識別的準(zhǔn)確性，
在識別與大量說話者的對話的情況下，存在兩個或多個人同時說話的情況下重疊部分的語音識別問題或識別哪個說話者的聲音的問題。
因此，在商業(yè)系統(tǒng)中，使用一種通過使用每個說話者的每個輸入設(shè)備來識別每個說話者的語音來生成及獲取每個說話者的語音識別數(shù)據(jù)的方法。
在為語音對話為每個說話者生成及獲得語音識別數(shù)據(jù)的情況下，必須以對話形式來重構(gòu)所獲得的每個說話者的語音識別數(shù)據(jù)，用于將每個說話者的語音識別數(shù)據(jù)重構(gòu)為對話形式的技術(shù)正在被不斷研究。
【現(xiàn)有技術(shù)文獻(xiàn)】
【專利文獻(xiàn)】
(專利文獻(xiàn)1)韓國公開專利公報(bào)第10-2014-0078258號(2014.06.25公開)
發(fā)明內(nèi)容
要解決的技術(shù)問題
本發(fā)明是鑒于所述諸多問題而提出的，其目的在于，提供一種在將用于語音對話的每個說話者的語音識別數(shù)據(jù)重新組織為對話形式時，與實(shí)際對話流程盡可能接近的對話結(jié)構(gòu)的語音對話重構(gòu)方法及裝置。
本發(fā)明要解決的問題不限于上述問題，通過以下描述，本領(lǐng)域普通技術(shù)人員將清楚地理解未提及的要解決的另一個問題。
技術(shù)方案
該專利技術(shù)資料僅供研究查看技術(shù)是否侵權(quán)等信息，商用須獲得專利權(quán)人授權(quán)。該專利全部權(quán)利屬于語享路有限責(zé)任公司，未經(jīng)語享路有限責(zé)任公司許可，擅自商用是侵權(quán)行為。如果您想購買此專利、獲得商業(yè)授權(quán)和技術(shù)合作，請聯(lián)系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/202110255584.7/2.html，轉(zhuǎn)載請聲明來源鉆瓜專利網(wǎng)。
