可以由語(yǔ)音假象的引入而產(chǎn)生。這可以通過(guò)例如統(tǒng)計(jì)語(yǔ)言模型或有限狀態(tài)語(yǔ)法的使用來(lái)實(shí)現(xiàn)，如本領(lǐng)域已知的。
[0053]作為一個(gè)例子，識(shí)別語(yǔ)法可以包括發(fā)音學(xué)或以其它方式構(gòu)造成理解第一個(gè)單詞出現(xiàn)兩次的短語(yǔ)(例如〃調(diào)到調(diào)到頻道99〃、〃找到找到加油站〃，等等)。因此，如圖3中所繪，得到的口頭發(fā)聲波形362被認(rèn)為是一個(gè)整體，沒(méi)有移除任何假象或以其它方式修正波形。參照?qǐng)D8，按照這個(gè)實(shí)施例的方法800總體上包括提供包括:多個(gè)語(yǔ)音假象作為語(yǔ)音分量的識(shí)別語(yǔ)法802、產(chǎn)生語(yǔ)音提示符804、接收包括語(yǔ)音假象的口頭發(fā)聲806以及根據(jù)識(shí)別語(yǔ)法識(shí)別口頭發(fā)聲808。在一些實(shí)施例中，這個(gè)系統(tǒng)可能嘗試沒(méi)有修正語(yǔ)法(S卩，該語(yǔ)法包括語(yǔ)音假象)的〃初次通過(guò)"，然后，如果確定該口頭發(fā)聲不能被識(shí)別，就做出〃 二次通過(guò)"。在另一實(shí)施例中，部分單詞被包括作為識(shí)別語(yǔ)法的一部分(例如，〃t〃、〃tu〃、"tune"等等)。
[0054]參照?qǐng)D4連同圖9的流程圖，所示方法描述了一個(gè)實(shí)施例，其包括，通過(guò)消除發(fā)生在相對(duì)于語(yǔ)音提示符結(jié)尾的預(yù)定時(shí)間之前的口頭發(fā)聲的一部分來(lái)修正口頭發(fā)聲以消除語(yǔ)音假象(例如，基于系統(tǒng)的典型反應(yīng)時(shí)間)。在圖4中示為波形464的空白(消除)區(qū)域462。換言之，在這個(gè)實(shí)施例中，系統(tǒng)假定其在波形210的結(jié)尾402之后的預(yù)定時(shí)間(例如0-250毫秒)之后會(huì)起作用。在所示實(shí)施例中，口頭發(fā)聲被認(rèn)為開(kāi)始于時(shí)間404 (出現(xiàn)在相對(duì)于結(jié)尾402的預(yù)定時(shí)間之后)，而不是在時(shí)間291，此時(shí)，用戶實(shí)際上開(kāi)始說(shuō)話。為了產(chǎn)生〃修正的〃波形(即圖4中的區(qū)域464)，可以適當(dāng)?shù)匦薷陌ㄐ?60的表現(xiàn)(例如數(shù)字表現(xiàn))的緩沖區(qū)或其它存儲(chǔ)器(例如圖1的模塊31內(nèi)的緩沖區(qū))。參照?qǐng)D9，那么，按照這個(gè)實(shí)施例的方法900總體上包括產(chǎn)生語(yǔ)音提示符902、接收包括語(yǔ)音假象的口頭發(fā)聲904、消除發(fā)生在相對(duì)于語(yǔ)音提示符結(jié)尾的預(yù)定時(shí)間之前的口頭發(fā)聲的一部分906以及根據(jù)改變的口頭發(fā)聲識(shí)別口頭發(fā)聲。
[0055]參照?qǐng)D5連同圖10的流程圖，所示方法描繪另一實(shí)施例，其包括，通過(guò)消除符合由后跟著大致沉默的語(yǔ)音的短脈沖構(gòu)成的模式的口頭發(fā)聲的一部分來(lái)修正口頭發(fā)聲以消除語(yǔ)音假象。這在圖5中示出，其示出波形260的一部分562，其包括語(yǔ)音短脈沖565，后跟著一節(jié)大致沉默566。剩余的修正波形(部分564)于是會(huì)被用于識(shí)別。用來(lái)檢測(cè)脈沖模式(例如，脈沖強(qiáng)度、脈沖長(zhǎng)度、沉默持續(xù)時(shí)間等等)的特定模型可以由經(jīng)驗(yàn)確定(例如，通過(guò)測(cè)試多個(gè)用戶)或以任何其他便利的方式。后跟著大致沉默的語(yǔ)音的這個(gè)短脈沖還會(huì)與在主動(dòng)語(yǔ)法或SLM中出現(xiàn)的任何期望指令不一致。參照?qǐng)D10，按照這個(gè)實(shí)施例的方法1000總體上包括產(chǎn)生語(yǔ)音提示符1002、接收包括語(yǔ)音假象的口頭發(fā)聲1004、消除符合由后跟著大致沉默的語(yǔ)音短脈沖構(gòu)成的非預(yù)期模式的口頭發(fā)聲的一部分1006以及根據(jù)修正的口頭發(fā)聲識(shí)別口頭發(fā)聲1008。
[0056]現(xiàn)在參照?qǐng)D6連同圖11的流程圖，所示方法描繪另一實(shí)施例，其包括，通過(guò)根據(jù)口頭發(fā)聲的第一部分與類似于該第一部分的口頭發(fā)聲的后續(xù)部分的比較結(jié)果來(lái)消除口頭發(fā)聲的一部分來(lái)修正口頭發(fā)聲以消除語(yǔ)音假象。換言之，該系統(tǒng)通過(guò)合適的模式匹配算法和一組標(biāo)準(zhǔn)來(lái)確定波形的前一部分大致類似于后續(xù)(可能是相鄰)部分，并且前一部分應(yīng)被消除。這在圖6中示出，其示出波形260的一個(gè)部分662，其大致類似于后續(xù)部分666 (在大致沉默區(qū)域664之后)。模式匹配能夠通過(guò)例如傳統(tǒng)的語(yǔ)音識(shí)別算法來(lái)執(zhí)行，其構(gòu)造成匹配新的聲學(xué)序列與多個(gè)預(yù)訓(xùn)練的聲學(xué)序列并且確定與它們中每一個(gè)的類似性。最類似的聲學(xué)序列序列就是最有可能性的。該系統(tǒng)能夠例如考慮口吃假象并且在暫停之后對(duì)照聲學(xué)發(fā)聲的開(kāi)始匹配它以及確定類似性得分。如果得分高于類似性閾值，第一部分可以被識(shí)別為第二的口吃。一種用于語(yǔ)音識(shí)別的傳統(tǒng)方法包括獲取聲學(xué)發(fā)聲、執(zhí)行特征抽取例如通過(guò)MFCC(Mel頻率倒譜系數(shù))并且通過(guò)HMM (隱馬爾可夫模型)網(wǎng)絡(luò)發(fā)送這些特征。該輸出是發(fā)聲序列的η最佳列表，帶有由MFCC值表示的聲學(xué)發(fā)聲與來(lái)自HMM網(wǎng)絡(luò)的發(fā)聲序列的類似性得分。
[0057]參照?qǐng)D11，按照這個(gè)實(shí)施例的方法1100總體上包括產(chǎn)生語(yǔ)音提示符1102，接收包括語(yǔ)音假象的口頭發(fā)聲1104，根據(jù)口頭發(fā)聲的第一部分與類似于該第一部分的口頭發(fā)聲的后續(xù)部分的比較結(jié)果消除口頭發(fā)聲的一部分1106，以及根據(jù)修正的口頭發(fā)聲識(shí)別口頭發(fā)聲
1108ο
[0058]根據(jù)這些實(shí)施例，上面描述的兩個(gè)或更多方法可以一起用于補(bǔ)償語(yǔ)音假象。例如，一種系統(tǒng)可以結(jié)合包括語(yǔ)音假象為語(yǔ)音分量的識(shí)別語(yǔ)法，并且，如果必要，以上面描述的一種或多種方式修正口頭發(fā)聲以消除語(yǔ)音假象。參照?qǐng)D12所繪流程圖，現(xiàn)在將描述一種這樣的方法。最開(kāi)始，在1202，該系統(tǒng)努力嘗試使用正常語(yǔ)法(即未配置成識(shí)別假象的語(yǔ)法)識(shí)別語(yǔ)音發(fā)聲。如果該語(yǔ)音發(fā)聲被理解(判定塊1204的〃y〃分支)，那么程序結(jié)束1216 ;否則，在1206，該系統(tǒng)利用配置成識(shí)別語(yǔ)音假象的語(yǔ)法。如果該語(yǔ)音發(fā)聲通過(guò)這個(gè)修正語(yǔ)法被理解(判定塊1208的〃y〃分支)，該系統(tǒng)依舊前進(jìn)到1216 ;否則，在1210，該系統(tǒng)以上面描述的一種或多種方式修正語(yǔ)音發(fā)聲。如果修正的語(yǔ)音發(fā)聲被識(shí)別(判定塊1212的"Y,分支)，那么程序在1216結(jié)束。如果修正的語(yǔ)音發(fā)聲沒(méi)有被識(shí)別(判定塊1214的〃n〃分支)，那么采取適當(dāng)?shù)男Ｕ胧?。也就是說(shuō)，該系統(tǒng)提供額外的提示符給用戶，或以其它方式努力從用戶接收可識(shí)別的語(yǔ)音發(fā)聲。
[0059]雖然在前面的詳細(xì)說(shuō)明中已經(jīng)給出了至少一個(gè)示范性實(shí)施例，但應(yīng)當(dāng)意識(shí)到存在大量的變形。還應(yīng)當(dāng)意識(shí)到，示范性實(shí)施例僅僅是例子，并且不意圖以任何方式限制本發(fā)明的范圍、適用性或構(gòu)型。相反地，前面的詳細(xì)說(shuō)明將給本領(lǐng)域技術(shù)人員提供實(shí)施示范性實(shí)施例的便利途徑。應(yīng)當(dāng)理解，在不脫離附上的權(quán)利要求及其法定等同物所闡述的揭發(fā)范圍的情況下，可以對(duì)功能和元件布置做出多種變化。
【主權(quán)項(xiàng)】
1.一種語(yǔ)音識(shí)別方法，包括: 產(chǎn)生語(yǔ)音提示符； 響應(yīng)于該語(yǔ)音提示符接收來(lái)自用戶的口頭發(fā)聲，該口頭發(fā)聲包括語(yǔ)音假象；以及 補(bǔ)償該語(yǔ)音假象。2.如權(quán)利要求1所述的方法，其中，該語(yǔ)音假象是口吃假象。3.如權(quán)利要求1所述的方法，其中，補(bǔ)償語(yǔ)音假象包括提供包括語(yǔ)音假象為語(yǔ)音分量的識(shí)別語(yǔ)法。4.如權(quán)利要求1所述的方法，其中補(bǔ)償該語(yǔ)音假象包括修正口頭發(fā)聲以消除語(yǔ)音假象。5.如權(quán)利要求4所述的方法，其中，修正口頭發(fā)聲包括消除發(fā)生在相對(duì)于語(yǔ)音提示符結(jié)尾的預(yù)定時(shí)間之前的口頭發(fā)聲的一部分。6.如權(quán)利要求4所述的方法，其中，修正口頭發(fā)聲包括消除口頭發(fā)聲的一部分，其符合由后跟著大致沉默的語(yǔ)音短脈沖構(gòu)成的模式。7.如權(quán)利要求4所述的方法，其中，修正口頭發(fā)聲包括根據(jù)口頭發(fā)聲的第一部分與類似于該第一部分的口頭發(fā)聲的后續(xù)部分的比較結(jié)果消除口頭發(fā)聲的一部分。8.一種語(yǔ)音識(shí)別系統(tǒng)，包括: 構(gòu)造成為用戶產(chǎn)生語(yǔ)音提示符的語(yǔ)音生成模塊；和 構(gòu)造成響應(yīng)于該語(yǔ)音提示符接收來(lái)自用戶的包括語(yǔ)音假象的口頭發(fā)聲并且構(gòu)造成補(bǔ)償該語(yǔ)音假象的語(yǔ)音理解系統(tǒng)。9.如權(quán)利要求8所述的語(yǔ)音識(shí)別系統(tǒng)，其中，該語(yǔ)音假象是干擾口吃假象。10.—種非暫時(shí)性計(jì)算機(jī)可讀介質(zhì)，承載構(gòu)造成促使處理器執(zhí)行下列步驟的軟件指令: 產(chǎn)生語(yǔ)音提示符； 響應(yīng)于該語(yǔ)音提示符接收來(lái)自用戶的口頭發(fā)聲，該口頭發(fā)聲包括語(yǔ)音假象；和 補(bǔ)償該語(yǔ)音假象。
【專利摘要】本發(fā)明涉及語(yǔ)音識(shí)別系統(tǒng)中的語(yǔ)音假象補(bǔ)償系統(tǒng)和方法。一種語(yǔ)音識(shí)別方法包括產(chǎn)生語(yǔ)音提示符，響應(yīng)于該語(yǔ)音提示符接收來(lái)自用戶的口頭發(fā)聲，其中，該口頭發(fā)聲包括語(yǔ)音假象，并且補(bǔ)償該語(yǔ)音假象。補(bǔ)償該語(yǔ)音發(fā)聲可包括，例如，利用包括語(yǔ)音假象為語(yǔ)音分量的識(shí)別語(yǔ)法，或者，修正口頭發(fā)聲以消除語(yǔ)音假象。
【IPC分類】G10L15/26
【公開(kāi)號(hào)】CN105047196
【申請(qǐng)?zhí)枴緾N201510201252
【發(fā)明人】C.R.漢森, T.J.格羅斯特, U.溫特
【申請(qǐng)人】通用汽車環(huán)球科技運(yùn)作有限責(zé)任公司
【公開(kāi)日】2015年11月11日
【申請(qǐng)日】2015年4月24日
【公告號(hào)】DE102015106280A1, US20150310853