專(zhuān)利名稱(chēng):可選擇句型的語(yǔ)音輸入方法及裝置的制作方法
技術(shù)領(lǐng)域:
本發(fā)明涉及一種語(yǔ)音輸入方法及裝置有關(guān),尤其涉及一種可選擇句型的語(yǔ)音輸入方法及裝置。
背景技術(shù):
隨著語(yǔ)音辨識(shí)技術(shù)的快速發(fā)展,語(yǔ)音辨識(shí)系統(tǒng)與家電、通訊、多媒體、信息等產(chǎn)品的結(jié)合越來(lái)越普遍。然而,發(fā)展語(yǔ)音辨識(shí)系統(tǒng)時(shí)常面臨的課題之一,便是當(dāng)使用者面對(duì)麥克風(fēng)時(shí),不知道可以說(shuō)什么,尤其是若這些產(chǎn)品在語(yǔ)音輸入方面,允許使用者一定程度的自由度時(shí),使用者往往不知所措,導(dǎo)致無(wú)法體驗(yàn)到使用語(yǔ)音輸入所帶來(lái)的好處。
現(xiàn)行具備語(yǔ)音辨識(shí)功能的裝置,其語(yǔ)音輸入方式大致可分為三種一、提供單一句型輸入使用者僅能依照該裝置限定的單一句型輸入語(yǔ)音,其缺點(diǎn)在于句型變化太少,在某些應(yīng)用領(lǐng)域上可能會(huì)不敷使用,或是無(wú)法對(duì)目標(biāo)物做精準(zhǔn)的表達(dá)。
二、提供多樣化的句型輸入使用者必須詳閱說(shuō)明書(shū)等文件才能知道有哪些句型可供使用,一旦使用者忘記這些句型,必須翻閱文件才能使用。此外,若采用自然語(yǔ)言(Nature Language)作為輸入形式,使用者雖然完全不受句型限制,但是由于語(yǔ)音辨識(shí)范圍大增,也將導(dǎo)致語(yǔ)音辨識(shí)的錯(cuò)誤率提高。
三、提供對(duì)話(huà)或類(lèi)似對(duì)話(huà)的機(jī)制使用者在系統(tǒng)接口的提示導(dǎo)引下,系統(tǒng)與使用者之間以一來(lái)一往的方式,一步一步完成語(yǔ)音的輸入動(dòng)作,其缺點(diǎn)在于整個(gè)過(guò)程容易流于冗長(zhǎng),尤其是過(guò)程中若語(yǔ)音辨識(shí)常常出錯(cuò)時(shí),更會(huì)讓使用者失去耐性。
由于上述三種輸入方式都有其不可避免的缺陷,因此使用者在使用現(xiàn)行具備語(yǔ)音辨識(shí)功能的裝置時(shí),并無(wú)法感受到使用這種自然且人性化的接口所帶來(lái)的好處,反而會(huì)覺(jué)得使用此類(lèi)聲控裝置反不如手動(dòng)按鈕或鍵盤(pán)輸入,因此使得聲控裝置在應(yīng)用推廣上也遭受到一定程度的限制。
因此,鑒于公知技術(shù)的缺陷,本發(fā)明提出一種可選擇句型的語(yǔ)音輸入方法及裝置。
發(fā)明內(nèi)容
本發(fā)明的主要目的為提供一種可供使用者選擇句型的語(yǔ)音輸入方法及裝置,該裝置可讓使用者不用記憶各種輸入句型,且在限定句型縮小辨識(shí)范圍后,亦可提升語(yǔ)音辨識(shí)的正確性。
為了實(shí)現(xiàn)上述目的,本發(fā)明提供一種可選擇句型的語(yǔ)音輸入裝置,其包含一句型選擇單元,用以提供多種句型;一輸出接口,用以輸出并切換該多種句型以供一使用者選擇;一語(yǔ)音辨識(shí)單元,用以辨識(shí)該使用者所輸入的一語(yǔ)音而得到一辨識(shí)結(jié)果;一內(nèi)容數(shù)據(jù)庫(kù),用以?xún)?chǔ)存一數(shù)據(jù);以及一數(shù)據(jù)庫(kù)搜尋單元,其依據(jù)該辨識(shí)結(jié)果至該內(nèi)容數(shù)據(jù)庫(kù)搜尋對(duì)應(yīng)的該數(shù)據(jù)。
根據(jù)上述構(gòu)想,其中該輸出接口為一顯示器。
根據(jù)上述構(gòu)想,其中該輸出接口為一揚(yáng)聲器。
根據(jù)上述構(gòu)想,其中該語(yǔ)音辨識(shí)單元還包含一輸入裝置,用以輸入該語(yǔ)音;一特征參數(shù)提取裝置,用以提取所輸入的該語(yǔ)音的特征參數(shù);一辨識(shí)字匯和語(yǔ)言模型目錄,其包含多組辨識(shí)字匯和語(yǔ)言模型,用以供辨識(shí)參考用;一聲學(xué)模型,用以供辨識(shí)參考用;以及一語(yǔ)音辨識(shí)引擎,其根據(jù)該語(yǔ)音的特征參數(shù)、該多組辨識(shí)字匯和語(yǔ)言模型及該聲學(xué)模型,以辨識(shí)該語(yǔ)音。
根據(jù)上述構(gòu)想,其中當(dāng)該使用者選擇該多種句型其中之一后,該句型選擇單元便啟動(dòng)對(duì)應(yīng)該所選擇句型的該辨識(shí)字匯和語(yǔ)言模型,以供該語(yǔ)音辨識(shí)引擎參考。
本發(fā)明還提供一種可選擇句型的語(yǔ)音輸入方法,其步驟包含(a)提供多種句型;(b)顯示并切換該多種句型;(c)選擇該多種句型其中之一;(d)啟動(dòng)一模型,以對(duì)應(yīng)該所選擇句型;(e)輸入一語(yǔ)音;(f)參考該模型對(duì)該語(yǔ)音進(jìn)行辨識(shí),并產(chǎn)生一辨識(shí)結(jié)果;(g)將該辨識(shí)結(jié)果輸入至一數(shù)據(jù)庫(kù)搜尋單元;以及(h)由該數(shù)據(jù)庫(kù)搜尋單元至一內(nèi)容數(shù)據(jù)庫(kù),搜尋對(duì)應(yīng)該辨識(shí)結(jié)果的一內(nèi)容。
根據(jù)上述構(gòu)想,其中步驟(f)還包含下列步驟(f1)提取該語(yǔ)音的一特征參數(shù);以及(f2)依據(jù)該特征參數(shù),參考該模型對(duì)該語(yǔ)音進(jìn)行辨識(shí)。
根據(jù)上述構(gòu)想,其中步驟(f1)還包含下列步驟(f11)對(duì)該語(yǔ)音進(jìn)行預(yù)處理;以及(f12)提取該語(yǔ)音的該特征參數(shù)。
根據(jù)上述構(gòu)想,其中步驟(f11)還包含下列步驟放大該語(yǔ)音信號(hào);對(duì)該語(yǔ)音信號(hào)正規(guī)化(normalization);對(duì)該語(yǔ)音信號(hào)進(jìn)行預(yù)強(qiáng)調(diào)(pre-emphasis);將該語(yǔ)音乘上漢明窗(Hamming Window);以及將該語(yǔ)音通過(guò)一低通濾波器或一高通濾波器。
根據(jù)上述構(gòu)想,其中步驟(f12)還包含下列步驟對(duì)該語(yǔ)音進(jìn)行快速傅立葉變換(Fast Fourier Transform,F(xiàn)FT)處理;以及求取該語(yǔ)音的梅爾倒頻譜參數(shù)(Mel-Frequency Cepstrum Coefficients,MFCC)。
本發(fā)明又提供一種動(dòng)態(tài)更新一辨識(shí)字匯和語(yǔ)言模型目錄的方法,該辨識(shí)字匯和語(yǔ)言模型目錄包含多組辨識(shí)字匯和語(yǔ)言模型,且用于一可選擇句型的語(yǔ)音輸入裝置,該可選擇句型的語(yǔ)音輸入裝置還包含一內(nèi)容數(shù)據(jù)庫(kù)及一辨識(shí)字匯和語(yǔ)言模型/索引建立單元,其步驟包含(a)該內(nèi)容數(shù)據(jù)庫(kù)的一內(nèi)容有所更動(dòng);(b)借助該辨識(shí)字匯和語(yǔ)言模型/索引建立單元,將該內(nèi)容數(shù)據(jù)庫(kù)的相關(guān)內(nèi)容加載,并轉(zhuǎn)成一辨識(shí)字匯和語(yǔ)言模型以及一索引;(c)將該辨識(shí)字匯和語(yǔ)言模型儲(chǔ)存于該辨識(shí)字匯和語(yǔ)言模型目錄中;以及(d)將該索引儲(chǔ)存于內(nèi)容數(shù)據(jù)庫(kù)中。
本發(fā)明得借助下列附圖與實(shí)施例的說(shuō)明,得一更深入的了解。
圖1所示為本發(fā)明的可選擇句型的語(yǔ)音輸入裝置的一較佳實(shí)施例;圖2所示為本發(fā)明的可選擇句型的語(yǔ)音輸入裝置的硬件外觀(guān)的一較佳實(shí)施例;圖3所示為本發(fā)明更新辨識(shí)字匯和語(yǔ)言模型的示意圖;以及圖4所示為本發(fā)明更新辨識(shí)字匯和語(yǔ)言模型的流程圖。
其中,附圖標(biāo)記說(shuō)明如下101句型選擇單元102輸出接口103語(yǔ)音辨識(shí)單元1031輸入裝置1032特征參數(shù)提取裝置 1033辨識(shí)字匯和語(yǔ)言模型目錄1034聲學(xué)模型 1035語(yǔ)音辨識(shí)引擎
104內(nèi)容數(shù)據(jù)厙 105數(shù)據(jù)厙搜尋單元201麥克風(fēng) 202顯示屏幕203句型204瀏覽按鈕205錄音按鈕301辨識(shí)字匯和語(yǔ)言模型目錄302內(nèi)容數(shù)據(jù)庫(kù)303辨識(shí)字匯和語(yǔ)言模型/索引建立單元具體實(shí)施方式
本發(fā)明將可由以下的實(shí)施例說(shuō)明而得到充分了解,使得本領(lǐng)域技術(shù)人員可以據(jù)以完成,然而本發(fā)明的實(shí)施并非由下列實(shí)施例而被限制其實(shí)施型態(tài)。
請(qǐng)參閱圖1,其為本發(fā)明的可選擇句型的語(yǔ)音輸入裝置的一較佳實(shí)施例。該語(yǔ)音輸入裝置可包含一句型選擇單元101、一輸出接102、一語(yǔ)音辨識(shí)單元103、一內(nèi)容數(shù)據(jù)庫(kù)104以及一數(shù)據(jù)庫(kù)搜尋單元105。該句型選擇單元101提供多種句型至該輸出接102,由該輸出接102輸出所述句型以供使用者切換選擇,該語(yǔ)音辨識(shí)單元103則負(fù)責(zé)辨識(shí)使用者所輸入的語(yǔ)音,內(nèi)容數(shù)據(jù)庫(kù)104用以?xún)?chǔ)存使用者所需的數(shù)據(jù),該數(shù)據(jù)庫(kù)搜尋單元105則參考該辨識(shí)結(jié)果,至該內(nèi)容數(shù)據(jù)庫(kù)104搜尋對(duì)應(yīng)該辨識(shí)結(jié)果的數(shù)據(jù)。
在實(shí)際應(yīng)用上,該輸出接102可為一喇叭或是一顯示屏幕。該語(yǔ)音辨識(shí)單元103還包含一輸入裝置1031、一特征參數(shù)提取裝置1032、一包含多組辨識(shí)字匯和語(yǔ)言模型的辨識(shí)字匯和語(yǔ)言模型目錄1033、一聲學(xué)模型1034以及一語(yǔ)音辨識(shí)引擎1035。輸入裝置1031用以讓使用者輸入語(yǔ)音,特征參數(shù)提取裝置1032負(fù)責(zé)提取輸入語(yǔ)音的特征參數(shù),語(yǔ)音辨識(shí)引擎1035便參照提取出來(lái)的特征參數(shù)、辨識(shí)字匯和語(yǔ)言模型目錄1033內(nèi)的辨識(shí)字匯和語(yǔ)言模型以及聲學(xué)模型1034,對(duì)該語(yǔ)音進(jìn)行辨識(shí),隨后并將辨識(shí)結(jié)果傳出至數(shù)據(jù)庫(kù)搜尋單元105。此外,該語(yǔ)音辨識(shí)引擎1035所參照的辨識(shí)字匯和語(yǔ)言模型的選定,是當(dāng)該使用者選定特定句型之后,由句型選擇單元101啟動(dòng)辨識(shí)字匯和語(yǔ)言模型目錄1033中對(duì)應(yīng)該句型的辨識(shí)字匯和語(yǔ)言模型。
請(qǐng)參閱圖2,其為本發(fā)明的可選擇句型的語(yǔ)音輸入裝置的硬件外觀(guān)的一較佳實(shí)施例。該語(yǔ)音輸入裝置2包含一麥克風(fēng)201、一顯示屏幕202、所顯示的一句型203、一瀏覽按鈕204以及一錄音按鈕205。使用者可利用瀏覽按鈕204切換瀏覽可供選擇的句型203,句型203會(huì)在顯示屏幕202上顯示。以時(shí)下的mp3隨身碟為例,若要以語(yǔ)音搜尋歌曲,可能的句型可以是“歌名”、“歌手名”、“歌手名+歌名”等等;以手持的影片播放機(jī)來(lái)說(shuō),可能的句型可以是“電影名”、“男(女)主角名”、“導(dǎo)演名”等等,通過(guò)循環(huán)式的瀏覽按鈕204選擇,這些句型便可一一呈現(xiàn)在顯示屏幕202上。使用者通過(guò)按鍵選擇來(lái)設(shè)定句型后,接著按下錄音按鈕205后,便可利用麥克風(fēng)201根據(jù)所選定的句型203輸入語(yǔ)音。
請(qǐng)參閱圖3,其是本發(fā)明更新辨識(shí)字匯和語(yǔ)言模型的示意圖。由于在此類(lèi)裝置中的數(shù)據(jù)(例如歌曲、影片、或任何可能以文件模式存在供咨詢(xún)的數(shù)據(jù))會(huì)常常更動(dòng),一旦數(shù)據(jù)有所更動(dòng),相關(guān)的辨識(shí)字匯和語(yǔ)言模型及其索引就必須重建,以便進(jìn)行語(yǔ)音辨識(shí)后搜尋。由圖3可知,當(dāng)一更新的啟動(dòng)命令下達(dá)時(shí),辨識(shí)字匯和語(yǔ)言模型/索引建立單元303會(huì)將內(nèi)容數(shù)據(jù)庫(kù)302所存放的相關(guān)數(shù)據(jù)加載,并轉(zhuǎn)成辨識(shí)字匯和語(yǔ)言模型以及索引,隨后將辨識(shí)字匯和語(yǔ)言模型存放于辨識(shí)字匯和語(yǔ)言模型目錄301中,而將該索引存放于內(nèi)容數(shù)據(jù)庫(kù)302內(nèi),藉此達(dá)到更新辨識(shí)字匯和語(yǔ)言模型的目的。
請(qǐng)參閱圖4,其是本發(fā)明更新辨識(shí)字匯和語(yǔ)言模型的流程圖。首先,在步驟A中,內(nèi)容數(shù)據(jù)庫(kù)的數(shù)據(jù)有所更動(dòng)。接著,在步驟B中,借助該辨識(shí)字匯和語(yǔ)言模型/索引建立單元,將該內(nèi)容數(shù)據(jù)庫(kù)的相關(guān)內(nèi)容加載,并轉(zhuǎn)成一辨識(shí)字匯和語(yǔ)言模型以及一索引。在步驟C中,將該辨識(shí)字匯和語(yǔ)言模型儲(chǔ)存于該辨識(shí)字匯和語(yǔ)言模型目錄中,而在步驟D中,將該索引儲(chǔ)存于內(nèi)容數(shù)據(jù)庫(kù)中。
在實(shí)際應(yīng)用上,可將重建的啟動(dòng)命令加在上述可選擇句型的語(yǔ)音輸入裝置的選單中,使用者只要選擇更新辨識(shí)字匯和語(yǔ)言模型及索引的功能,便能啟動(dòng)辨識(shí)字匯和語(yǔ)言模型/索引建立單元,由辨識(shí)字匯和語(yǔ)言模型/索引建立單元依據(jù)上述更新步驟進(jìn)行重建的動(dòng)作。此外,重建辨識(shí)字匯和語(yǔ)言模型以及索引的動(dòng)作亦可在PC端完成,不一定限定在裝置端完成,不過(guò)在裝置端完成重建動(dòng)作的優(yōu)勢(shì)在于,如果通過(guò)該裝置提供的選單功能增刪內(nèi)容時(shí),裝置端可動(dòng)態(tài)進(jìn)行重建動(dòng)作,減少在PC端反復(fù)操作的程序。
綜上所述,通過(guò)本發(fā)明所提供的裝語(yǔ)音輸入裝置,使用者不必去記需要輸入的句型,也不致于發(fā)生面對(duì)麥克風(fēng)不知所措的情形,如果使用者擁有各種使用本發(fā)明所提供的聲控裝置,就更能感受到不必記憶許多指令和句型的優(yōu)點(diǎn)。此外,本發(fā)明提供的語(yǔ)音輸入裝置及方法,在限定句型后,因?yàn)楸孀R(shí)范圍縮小的關(guān)系,可以提高語(yǔ)音辨識(shí)的正確性,也更容易辨識(shí)成功。縱使本發(fā)明已由上述的實(shí)施例詳細(xì)敘述而可由本領(lǐng)域技術(shù)人員任施匠思而作一些修飾,然而皆不脫離本發(fā)明所欲保護(hù)的范圍。
權(quán)利要求
1.一種可選擇句型的語(yǔ)音輸入裝置,其包含一句型選擇單元,用以提供多種句型;一輸出接口,用以輸出并切換該多種句型以供一使用者選擇;一語(yǔ)音辨識(shí)單元,用以辨識(shí)該使用者所輸入的一語(yǔ)音而得到一辨識(shí)結(jié)果;一內(nèi)容數(shù)據(jù)庫(kù),用以?xún)?chǔ)存一數(shù)據(jù);以及一數(shù)據(jù)庫(kù)搜尋單元,其依據(jù)該辨識(shí)結(jié)果至該內(nèi)容數(shù)據(jù)庫(kù)搜尋對(duì)應(yīng)的該數(shù)據(jù)。
2.根據(jù)權(quán)利要求1所述的裝置,其中該輸出接口為一顯示器。
3.根據(jù)權(quán)利要求1所述的裝置,其中該輸出接口為一揚(yáng)聲器。
4.根據(jù)權(quán)利要求1所述的裝置,其中該語(yǔ)音辨識(shí)單元還包含一輸入裝置,用以輸入該語(yǔ)音;一特征參數(shù)提取裝置,用以提取所輸入的該語(yǔ)音的特征參數(shù);一辨識(shí)字匯和語(yǔ)言模型目錄,其包含多組辨識(shí)字匯和語(yǔ)言模型,用以供辨識(shí)參考用;一聲學(xué)模型,用以供辨識(shí)參考用;以及一語(yǔ)音辨識(shí)引擎,其根據(jù)該語(yǔ)音的特征參數(shù)、該多組辨識(shí)字匯和語(yǔ)言模型及該聲學(xué)模型,以辨識(shí)該語(yǔ)音。
5.根據(jù)權(quán)利要求1所述的裝置,其中當(dāng)該使用者選擇該多種句型其中之一后,該句型選擇單元便啟動(dòng)對(duì)應(yīng)該所選擇句型的該辨識(shí)字匯和語(yǔ)言模型,以供該語(yǔ)音辨識(shí)引擎參考。
6.一種可選擇句型的語(yǔ)音輸入方法,其步驟包含(a)提供多種句型;(b)顯示并切換該多種句型;(c)選擇該多種句型其中之一;(d)啟動(dòng)一模型,以對(duì)應(yīng)該所選擇句型;(e)輸入一語(yǔ)音;(f)參考該模型對(duì)該語(yǔ)音進(jìn)行辨識(shí),并產(chǎn)生一辨識(shí)結(jié)果;(g)將該辨識(shí)結(jié)果輸入至一數(shù)據(jù)庫(kù)搜尋單元;以及(h)由該數(shù)據(jù)庫(kù)搜尋單元至一內(nèi)容數(shù)據(jù)庫(kù),搜尋對(duì)應(yīng)該辨識(shí)結(jié)果的一內(nèi)容。
7.根據(jù)權(quán)利要求6所述的方法,其中步驟(f)還包含下列步驟(f1)提取該語(yǔ)音的一特征參數(shù);以及(f2)依據(jù)該特征參數(shù),參考該模型對(duì)該語(yǔ)音進(jìn)行辨識(shí)。
8.根據(jù)權(quán)利要求7所述的方法,其中步驟(f1)還包含下列步驟(f11)對(duì)該語(yǔ)音進(jìn)行預(yù)處理;以及(f12)提取該語(yǔ)音的該特征參數(shù)。
9.根據(jù)權(quán)利要求8所述的方法,其中步驟(f11)還包含下列步驟放大該語(yǔ)音信號(hào);對(duì)該語(yǔ)音信號(hào)正規(guī)化;對(duì)該語(yǔ)音信號(hào)進(jìn)行預(yù)強(qiáng)調(diào);將該語(yǔ)音乘上漢明窗;以及將該語(yǔ)音通過(guò)一低通濾波器或一高通濾波器。
10.根據(jù)權(quán)利要求8所述的方法,其中步驟(f12)還包含下列步驟對(duì)該語(yǔ)音進(jìn)行快速傅立葉變換處理;以及求取該語(yǔ)音的梅爾倒頻譜參數(shù)。
11.一種動(dòng)態(tài)更新一辨識(shí)字匯和語(yǔ)言模型目錄的方法,該辨識(shí)字匯和語(yǔ)言模型目錄包含多組辨識(shí)字匯和語(yǔ)言模型,且用于一可選擇句型的語(yǔ)音輸入裝置,該可選擇句型的語(yǔ)音輸入裝置還包含一內(nèi)容數(shù)據(jù)庫(kù)及一辨識(shí)字匯和語(yǔ)言模型/索引建立單元,其步驟包含(a)該內(nèi)容數(shù)據(jù)庫(kù)的一內(nèi)容有所更動(dòng);(b)借助該辨識(shí)字匯和語(yǔ)言模型/索引建立單元,將該內(nèi)容數(shù)據(jù)庫(kù)的相關(guān)內(nèi)容加載,并轉(zhuǎn)成一辨識(shí)字匯和語(yǔ)言模型以及一索引;(c)將該辨識(shí)字匯和語(yǔ)言模型儲(chǔ)存于該辨識(shí)字匯和語(yǔ)言模型目錄中;以及(d)將該索引儲(chǔ)存于內(nèi)容數(shù)據(jù)庫(kù)中。
全文摘要
本發(fā)明涉及一種語(yǔ)音輸入裝置,該語(yǔ)音輸入裝置包含一句型選擇單元,用以提供多種句型;一輸出接口,用以輸出并切換該多種句型以供一使用者選擇;一語(yǔ)音辨識(shí)單元,用以辨識(shí)該使用者所輸入的語(yǔ)音而得到一辨識(shí)結(jié)果;一內(nèi)容數(shù)據(jù)庫(kù),用以?xún)?chǔ)存一數(shù)據(jù);以及一數(shù)據(jù)庫(kù)搜尋單元,其依據(jù)該辨識(shí)結(jié)果至該內(nèi)容數(shù)據(jù)庫(kù)搜尋對(duì)應(yīng)的該數(shù)據(jù)。本發(fā)明還提供一種語(yǔ)音輸入方法,該語(yǔ)音輸入方法包含提供多種句型;顯示并切換該多種句型;選擇該多種句型其中之一;啟動(dòng)一模型,以對(duì)應(yīng)該所選擇句型;輸入一語(yǔ)音;參考該模型對(duì)該語(yǔ)音進(jìn)行辨識(shí),并產(chǎn)生一辨識(shí)結(jié)果;將該辨識(shí)結(jié)果輸入至一數(shù)據(jù)庫(kù)搜尋單元;以及由該數(shù)據(jù)庫(kù)搜尋單元至一內(nèi)容數(shù)據(jù)庫(kù),搜尋對(duì)應(yīng)該辨識(shí)結(jié)果的一內(nèi)容。
文檔編號(hào)G10L15/00GK1811696SQ20051000627
公開(kāi)日2006年8月2日 申請(qǐng)日期2005年1月27日 優(yōu)先權(quán)日2005年1月27日
發(fā)明者黃良聲, 廖文偉, 沈家麟 申請(qǐng)人:臺(tái)達(dá)電子工業(yè)股份有限公司