專利名稱：檢索語音文件的設(shè)備和方法
技術(shù)領(lǐng)域：
本發(fā)明 涉及一種用于檢索語音文件的設(shè)備和方法，具體地說，本發(fā)明涉及根據(jù) 輸入的查詢條件檢索語音文件、從而得到語音文件的各時間點與查詢條件的相關(guān)度的設(shè) 備和方法。
背景技術(shù)：
隨著多媒體技術(shù)的發(fā)展，語音媒體得到了越來越多的關(guān)注。由于語音本身的特 點，用戶很難像檢索文本一樣快速檢索語音文件。當(dāng)用戶想在語音文件中查詢自己感興 趣的相關(guān)語音片段的時候，用戶不得不從頭開始瀏覽整個語音文件。在語音文件較大的 情況下，這是非常耗費時間和精力的。雖然語音播放器中的快進和快退按鈕能幫助用戶 相對較快地瀏覽文件，但是其并不能為用戶提供語音文件中的各時間點與所查詢的條件 的相關(guān)程度，更加不能查詢到與查詢條件相關(guān)的語音段落。通常，存在兩種方法來在語音文件中檢索與用戶輸入的查詢條件相關(guān)的時間 點。第一種方法是基于關(guān)鍵字標(biāo)注的方法，其基于語音識別技術(shù)，將語音文件轉(zhuǎn)換為文 本，并標(biāo)注轉(zhuǎn)換后的文本中與用戶輸入的文本查詢條件相關(guān)的文本。然而，該方法存在 下述不足之處1.該方法基于語音識別技術(shù)，僅僅進行一次相關(guān)度計算，因此檢索性能 受語音識別的效果影響相對較大，容錯性能較差；2.當(dāng)文本查詢條件不是關(guān)鍵字而是句 子甚至段落時，該方法的效率大大下降；3.該方法僅針對文本查詢條件進行查詢，使用 范圍受到限制。第二種方法是基于語義分割的方法，其利用語音分割技術(shù)，按照語義分割語音 文件，然后利用語音檢索的方法檢索分割好的片斷與預(yù)定查詢條件的相關(guān)程度。然而， 由于當(dāng)今的語義分割技術(shù)尚不夠成熟，錯誤率較高，因此在此基礎(chǔ)上進行一次相關(guān)度計 算而獲得的檢索結(jié)果的錯誤率也非常高。

發(fā)明內(nèi)容
本發(fā)明提供了一種用于檢索語音文件的設(shè)備和方法，其能夠根據(jù)用戶輸入的多 種查詢條件檢索語音文件，并以較高精度得到語音文件的各時間點與查詢條件的相關(guān) 度，從而改進了檢索效率。進一步說，本發(fā)明還提供一種用于檢索語音文件的設(shè)備和方 法，其不但能夠以較高精度得到語音文件的各時間點與查詢條件的相關(guān)度，還能夠得到 語音文件中與所述查詢條件相關(guān)的語音段落，從而在改進檢索效率的同時還提高了用戶 操作的方便度。根據(jù)本發(fā)明的一個方面，一種用于根據(jù)輸入的查詢條件檢索語音文件的設(shè)備， 包括以下裝置分割裝置，被配置為將一個或多個語音文件分別分割為一個或多個語音 片；第一相關(guān)度確定裝置，被配置為確定每個語音片與所述查詢條件的第一相關(guān)度；以 及第二相關(guān)度確定裝置，被配置為根據(jù)所述第一相關(guān)度，確定每個語音文件的每個預(yù)定 時間點與所述查詢條件的第二相關(guān)度。
根據(jù)本發(fā)明的另一方面，一種用于根據(jù)輸入的查詢條件檢索語音文件的方法， 包括以下步驟分割步驟，用于將一個或多個語音文件分別分割為一個或多個語音片； 第一相關(guān)度確定步驟，用于確定每個語音片與所述查詢條件的第一相關(guān)度；以及第二相 關(guān)度確定步驟，用于根據(jù)所述第一相關(guān)度，確定每個語音文件的每個預(yù)定時間點與所述 查詢條件的第二相關(guān)度。根據(jù) 本發(fā)明各方面的設(shè)備和方法能夠以較高精度得到語音文件的各時間點與輸 入的查詢條件的相關(guān)度，從而改進了檢索效率。通過參考附圖閱讀下面以示例性方式給出的本發(fā)明實施例的具體描述，本發(fā)明 的上述和其他目標(biāo)、特征和優(yōu)點將變得更加明顯。


圖1示意性示出了根據(jù)本發(fā)明第一實施例的語音文件檢索設(shè)備100的框圖；圖2示意性示出了由本發(fā)明第一實施例的語音文件檢索設(shè)備100使用的窗函數(shù)的 波形特征；圖3示意性示出了根據(jù)本發(fā)明第二實施例的語音文件檢索設(shè)備200的框圖；圖4示意性示出了由根據(jù)本發(fā)明第一實施例的語音文件檢索設(shè)備100執(zhí)行的處理 的流程圖；圖5示意性示出了由根據(jù)本發(fā)明第二實施例的語音文件檢索設(shè)備200執(zhí)行的處理 的流程圖；以及圖6示意性示出了由根據(jù)本發(fā)明第二實施例的語音文件檢索設(shè)備200執(zhí)行的處理 中的段落發(fā)現(xiàn)處理的流程圖。
具體實施例方式在具體描述本發(fā)明實施例前，首先說明在本發(fā)明實施例中使用的相關(guān)技術(shù)術(shù) 語“語音片”語音片是將一語音文件分割而得到的各個片段。相鄰語音片之間 在時間上可以重疊。所有語音片構(gòu)成的集合將涵蓋該語音文件?！罢Z音段落”語音段落是語音文件的任一部分。在本發(fā)明實施例中，與查詢 條件相關(guān)的語音段落的長度可以大于語音片的長度、等于語音片的長度，也可以小于語 音片的長度。以下，將參照附圖詳細描述本發(fā)明的優(yōu)選實施例。參考圖1，根據(jù)本發(fā)明第一實施例的語音文件檢索設(shè)備100包括分割裝置11、第 一相關(guān)度確定裝置12和第二相關(guān)度確定裝置13。分割裝置11將一個或多個語音文件分 別分割為一個或多個語音片。第一相關(guān)度確定裝置12確定每個語音片與用戶輸入的查詢 條件的第一相關(guān)度。第二相關(guān)度確定裝置13根據(jù)所述第一相關(guān)度，確定每個語音文件的 每個預(yù)定時間點與所述查詢條件的第二相關(guān)度。以下將具體描述各裝置的功能配置。分割裝置11配置為利用語音分割方法，例如定時分割方法，通過下述處理將一 個或多個語音文件分別分割為一個或多個語音片
首先，設(shè)置固定時間長度(TL)和固定重合時間長度(OTL)。其中，TL必須大 于一個詞的發(fā)音長度，而OTL必須小于TL。在本發(fā)明實施例中，例如，將TL設(shè)置30 秒，而將OTL設(shè)置為29秒。其次，假設(shè)一個語音文件的長度為T，可以如下分割該語音文件第一個語音片的起始時間是0，終止時間是Min丨TL，T丨，即TL和T中較小者。 如果Min丨TL，Τ} = T,則分割處理結(jié)束。下一個語音片的起始時間Sn是Sn = Sh+TL-OTL (1)終止時間En是En = Min(Sn+TL, Τ) (2)其中，Slri是前一時間片的起始時間。重復(fù)上述處理，直至Min(Sn+TL，Τ) = Τ,此時，分割處理結(jié)束。本領(lǐng)域技術(shù)人員應(yīng)理解，在上述分割處理中，各語音片之間是重疊的，然而， 各語音片之間不必重疊。此外，本領(lǐng)域技術(shù)人員應(yīng)理解，分割裝置11所采用的上述定時 分割方法僅僅是一個示例，而并非限制本發(fā)明。分割裝置11可配置為采用任何語音分割 方法，例如基于時間的方法、基于事件的方法、基于語義的方法或這些方法的組合等。通過分割裝置11的上述分割處理，每個語音文件被分割為一個或多個語音片。第一相關(guān)度確定裝置12確定經(jīng)過上述分割裝置11的分割所得到的每個語音片與 用戶輸入的查詢條件的第一相關(guān)度，即，語音片相關(guān)度。在本發(fā)明實施例中，例如，第一相關(guān)度確定裝置12配置為利用Okapi ΒΜ25概率 模型(Probabilistic Model)作為統(tǒng)計檢索模型，通過下式(3)，確定每個語音片與查詢條件
的第一相關(guān)度
權(quán)利要求
1.一種用于根據(jù)輸入的查詢條件檢索語音文件的設(shè)備，包括以下裝置分割裝置，被配置為將一個或多個語音文件分別分割為一個或多個語音片；第一相關(guān)度確定裝置，被配置為確定每個語音片與所述查詢條件的第一相關(guān)度；以及第二相關(guān)度確定裝置，被配置為根據(jù)所述第一相關(guān)度，確定每個語音文件的每個預(yù) 定時間點與所述查詢條件的第二相關(guān)度。
2.如權(quán)利要求1所述的設(shè)備，還包括段落發(fā)現(xiàn)裝置，被配置為判斷對于每個語音文件 的每個預(yù)定時間點的所述第二相關(guān)度是否高于預(yù)設(shè)的閾值，如果所述第二相關(guān)度高于所 述閾值，則確定該預(yù)定時間點為構(gòu)成與所述查詢條件相關(guān)的段落的時間點，從而發(fā)現(xiàn)與 所述查詢條件相關(guān)的段落。
3.如權(quán)利要求1所述的設(shè)備，還包括預(yù)處理裝置，被配置為將每個語音片與查詢條件分別轉(zhuǎn)換為具有相同格式的數(shù)據(jù)。
4.如權(quán)利要求1所述的設(shè)備，其中，所述第二相關(guān)度確定裝置被配置為利用窗函數(shù)來 確定所述第二相關(guān)度。
5.如權(quán)利要求1所述的設(shè)備，其中所述查詢條件包括文本查詢條件、語音查詢條件、 或文本查詢條件和語音查詢條件的組合。
6.一種用于根據(jù)輸入的查詢條件檢索語音文件的方法，包括以下步驟分割步驟，用于將一個或多個語音文件分別分割為一個或多個語音片；第一相關(guān)度確定步驟，用于確定每個語音片與所述查詢條件的第一相關(guān)度；以及第二相關(guān)度確定步驟，用于根據(jù)所述第一相關(guān)度，確定每個語音文件的每個預(yù)定時 間點與所述查詢條件的第二相關(guān)度。
7.如權(quán)利要求6所述的方法，還包括段落發(fā)現(xiàn)步驟，用于判斷對于每個語音文件的每 個預(yù)定時間點的所述第二相關(guān)度是否高于預(yù)設(shè)的閾值，如果所述第二相關(guān)度高于所述閾 值，則確定該預(yù)定時間點為構(gòu)成與所述查詢條件相關(guān)的段落的時間點，從而發(fā)現(xiàn)與所述 查詢條件相關(guān)的段落。
8.如權(quán)利要求6所述的方法，還包括預(yù)處理步驟，用于將每個語音片與查詢條件分別轉(zhuǎn)換為具有相同格式的數(shù)據(jù)。
9.如權(quán)利要求6所述的方法，其中，所述第二相關(guān)度確定步驟被配置為利用窗函數(shù)來 確定所述第二相關(guān)度。
10.如權(quán)利要求6所述的方法，其中所述查詢條件包括文本查詢條件、語音查詢條 件、或文本查詢條件和語音查詢條件的組合。
全文摘要
本發(fā)明提供了一種用于根據(jù)輸入的查詢條件檢索語音文件的設(shè)備，包括以下裝置分割裝置，被配置為將一個或多個語音文件分別分割為一個或多個語音片；第一相關(guān)度確定裝置，被配置為確定每個語音片與所述查詢條件的第一相關(guān)度；第二相關(guān)度確定裝置，被配置為根據(jù)所述第一相關(guān)度，確定每個語音文件的每個預(yù)定時間點與所述查詢條件的第二相關(guān)度。
文檔編號G06F17/30GK102023994SQ20091017684
公開日2011年4月20日 申請日期2009年9月22日 優(yōu)先權(quán)日2009年9月22日
發(fā)明者史達飛, 尹悅燕, 趙利軍, 鄭繼川, 魯耀杰 申請人:株式會社理光