[go: up one dir, main page]

DE69327188T2 - Einrichtung für automatische Spracherkennung - Google Patents

Einrichtung für automatische Spracherkennung Download PDF

Info

Publication number
DE69327188T2
DE69327188T2 DE69327188T DE69327188T DE69327188T2 DE 69327188 T2 DE69327188 T2 DE 69327188T2 DE 69327188 T DE69327188 T DE 69327188T DE 69327188 T DE69327188 T DE 69327188T DE 69327188 T2 DE69327188 T2 DE 69327188T2
Authority
DE
Germany
Prior art keywords
word
new
database
spoken
words
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Expired - Lifetime
Application number
DE69327188T
Other languages
English (en)
Other versions
DE69327188D1 (de
Inventor
Enrico Luigi Madison Bocchieri
Sedat Ibrahim Gahanna Gokcen
Rajendra Prasad Gahanna Mikkilineni
David Bjorn Berkeley Heights Roe
Jay Gordon Warren Wilpon
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
AT&T Corp
Original Assignee
AT&T Corp
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by AT&T Corp filed Critical AT&T Corp
Publication of DE69327188D1 publication Critical patent/DE69327188D1/de
Application granted granted Critical
Publication of DE69327188T2 publication Critical patent/DE69327188T2/de
Anticipated expiration legal-status Critical
Expired - Lifetime legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/08—Speech classification or search
    • G10L15/18—Speech classification or search using natural language modelling
    • G10L15/183—Speech classification or search using natural language modelling using context dependencies, e.g. language models
    • G10L15/187—Phonemic context, e.g. pronunciation rules, phonotactical constraints or phoneme n-grams

Landscapes

  • Engineering & Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Computational Linguistics (AREA)
  • Health & Medical Sciences (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Human Computer Interaction (AREA)
  • Physics & Mathematics (AREA)
  • Acoustics & Sound (AREA)
  • Multimedia (AREA)
  • Machine Translation (AREA)
  • Navigation (AREA)

Description

  • Technisches Gebiet
  • Die Erfindung betrifft Vorrichtungen und Verfahren zur Erzeugung von Wortmodellen, die in Spracherkennungssystemen verwendet werden, und insbesondere Wortmodelle, die zur Erkennung gesprochener Wörter verwendet werden.
  • Allgemeiner Stand der Technik und Problemstellung
  • Spracherkennungssysteme werden zunehmend in Anwendungen zur Erkennung von und zum Antworten auf gesprochene Informationen verwendet. Bei einer typischen Anwendung verwendet ein Kaufhaus bei telefonischen Geschäften ein Spracherkennungssystem zur Information anrufender Kunden über neue Waren und zur Annahme von gesprochenen Bestellungen des Kunden. Eine andere Anwendung kann von einer Finanzmaklerfirma zum Antworten auf eine Sprachanforderung des anrufenden Kunden eines Kurses durch verbales Zitieren aktueller Informationen bezüglich des Kontos des anrufenden Kunden verwendet werden.
  • Spracherkennungssysteme weisen gewöhnlich ein Datenbasislexikon auf, das Muster wie zum Beispiel Sprachschablonen oder Modelle speichert, die vollständige Zahlen Wörter und Sätze darstellen, die in verschiedenen Anwendungen verwendet werden. Im Betrieb werden empfangene verbale Informationen mit Schablonen verglichen, um die empfangenen verbalen Informationen als spezifische Zahlen, Wörter oder Sätze zu identifizieren. Ein Beispiel eines solchen Systems wird in "Constructing a Large Size Lexicon for a Continuous Speech Recognition System", von Larsen et al., Eurospeech 89, Seiten 232–235, beschrieben. Die Lexikonschablonen werden in einem Labor von Technikern erzeugt und aktualisiert, die Datenproben von Sprache von einer großen Anzahl von Personen sammeln. Die Sprachdatenproben werden manuell verifiziert und zum Aufbau eines Schablonenmodells einer Zahl, eines Worts oder eines Satzes verwendet. Das Schablonenmodell wird danach dem Datenbasislexikon des entsprechenden Spracherkennungssystems hinzugefügt.
  • Ein Problem entsteht dadurch, daß einzelne Spracherkennungssysteme Datenbasislexika von Sprachschablonen benötigen, die oftmals nur vom Eigner des Systems und den Kunden des Eigners verwendet werden und diesen eigen sind. Zum Beispiel erfordert ein Krankenhaus-Spracherkennungssystem ein Lexikon von Sprachschablonen, die sich von denen in einem Lexikon für ein Spracherkennungssystem eines Lebensmittelgroßhändlers unterscheiden und verschieden sind. Somit erfordert jedes Spracherkennungssystem das Sammeln einer großen Zahl von Sprachdatenproben und die manuelle Verifikation der Sprachdatenproben zum Aufbau von Schablonen, die für jede spezifische Spracherkennungssystemanwendung erforderlich sind. Dementsprechend wird eine automatische Spracherkennungsvorrichtung für Spracherkennungssysteme und ein Verfahren zum Betrieb der automatischen Spracherkennungsvorrichtung benötigt, durch die ein Eigner des Systems Informationen in ein Spracherkennungssystem eingeben kann, die in der Geschäftsanwendung des Eigners verwendet werden, ohne daß dabei das Sammeln und Verifizieren großer Zahlen von Sprachdatenproben erforderlich ist.
  • Lösungen
  • Das obige Problem wird durch Vorrichtungen nach Anspruch 1 und Verfahren nach Anspruch 4 gelöst, die für das Eingeben von Daten in ein Spracherkennungssystem in eine Vokabular-Lexikondatenbasis des Spracherkennungssystems ausgelegt sind, wodurch das System gesprochene Daten als die gespeicherten Daten erkennen kann. Ein Prozessor erzeugt eine phonetische Transkription aus den eingegebenen Daten und zeichnet sowohl die Daten, wie zum Beispiel alphanumerische, als auch die diesen zugeordnete phonetische Transkription auf und speichert diese in einer Vokabular-Lexikondatenbasis. Der Prozessor reagiert auf den Empfang gesprochener Daten, indem er ein Modell konstruiert, das aus einer oder mehreren Folgen aus Teilwörtern besteht, die für die gesprochenen Daten charakteristisch sind, und das konstruierte
  • Teilwortmodell mit einzelnen der aufgezeichneten phonetischen Transkriptionen der Vokabular-Lexikondatenbasis vergleicht. Die gesprochenen Daten werden bei einer Übereinstimmung des konstruierten Teilwortmodells mit einer aufgezeichneten und den aufgezeichneten Daten zugeordneten phonetischen Transkription als die aufgezeichneten Daten erkannt.
  • Kurze Beschreibung der Zeichnungen
  • 1 zeigt ein Spracherkennungssystem, das die Prinzipien der Erfindung realisiert;
  • 2 stellt die Einzelheiten des Prozessors des in 1 gezeigten Spracherkennungssystems gemäß den Prinzipien der Erfindung dar;
  • 3 stellt beispielhafte Prozessorprogramme und Datenbasisdateien dar, die mit dem in 1 und 2 dargestellten Spracherkennungssystem verwendet werden; und
  • 4 und 5 zeigen Flußdiagramme der Funktionsweise des in 1 dargestellten Spracherkennungssystems gemäß den Prinzipien der Erfindung. Ausführliche Beschreibung
  • Bei einem Ausführungsbeispiel der Erfindung ist
  • das Spracherkennungssystem 1, 1, so ausgelegt, daß es gesprochene Daten, wie zum Beispiel alphanumerische Daten, erkennt. In der Regel können solche Systeme in vielfältigen Anwendungen, wie zum Beispiel der Bestellabteilung eines großen Kaufhauses, verwendet werden. Solche Systeme können, müssen aber nicht, mit Telefonleitungen, wie zum Beispiel der Telefonleitung 31, verbunden werden und werden zur Übertragung einer Sprach-Aufforderungsnachricht zu einem anrufenden Kunden verwendet, der den Fernsprecher 3 verwendet. Das Spracherkennungssystem 1 reagiert auf den anrufenden Kunden, indem es alphanumerische Daten erkennt, die der Kunde bei einer Bestellung in dem Kaufhaus spricht. Bei anderen Anwendungen kann das Spracherkennungssystem 1 in Fernsprechvermittlungsanwendungen verwendet werden, um gesprochene Rufnummern von anrufenden Teilnehmern zu erkennen, und von Finanzmaklerfirmen zur Erkennung von
  • Bestellungen von Kunden und Anforderungen von Informationen. Bei weiteren Anwendungen können die Prinzipien des Spracherkennungssystems 1 mit einem Computer verwendet werden, damit der Computer alphanumerische Daten erkennen kann, die vom Benutzer des Computers gesprochen werden.
  • Das Spracherkennungssystem 1 kann, muß aber nicht, ein Computer 10 sein, wie zum Beispiel ein 386 oder 486 Computer von AT&T sein. Solche Computer, 2, müssen zum Verständnis der Erfindung nicht ausführlich beschrieben werden und weisen im allgemeinen eine CPU 101, eine Speichereinheit 102 und eine Schnittstelleneinheit 100 auf, die jeweils durch Adressen-, Daten- und Steuerleitungen mit einem Datenbus 104 verbunden sind. Die Schnittstelleneinheit 100 dient zum Ankoppeln einer Datenstrecke 1110, die mit einem Dateneingabegerät, wie zum Beispiel der Tastatur 11 verbunden ist, an einen Datenbus 104, damit alphanumerische Daten, wie zum Beispiel Wörter, Ziffern und Informationen, die in die Tastatur 11 eingegeben werden, mit der CPU 101 und der Speichereinheit 102 ausgetauscht werden können. Der Datenbus 104 ist außerdem durch Adressen-, Daten- und Steuerleitungen mit dem Datenspeichergerät 103 verbunden, mit dem Datenbasisinfrastrukturen, wie zum Beispiel die Datenbasisinfrastrukturen 1030, 1031 und 1032, gespeichert und aufgezeichnet werden. Der Computer 10, 1, der als das Spracherkennungssystem 1 verwendet wird, kann außerdem ein Videoterminal 12 aufweisen, mit dem Daten und Informationen angezeigt werden.
  • Im Betrieb, 2, werden Programme, wie zum Beispiel das Programm Erzeugen Teilwortbuchstabierung des neuen Worts 1020, das Algorithmusprogamm 1021 der automatischen Spracherkennung (ASR) und das Tastatur-Eingabeprogramm 1022, in der Speichereinheit 102 gespeichert und werden zum entsprechenden Zeitpunkt zur Steuerung der Funktionsweise des Spracherkennungsvorrichtungssystems 1 gemäß den Prinzipien der Erfindung in die CPU 101 geladen. Die Datenbasisinfrastruktur- Wörterbuchdatenbasis 1030, die Vokabular-Lexikondatenbasis 1031 und die Teilwortmodelldatenbasis 1032 werden in dem Datenspeicher 103 gespeichert, und die CPU 102 greift auf sie zu, um Informationen daraus zu lesen und Informationen darin zu speichern.
  • Die Wörterbuchdatenbasis 1030, 3, speichert Wörter und eine phonetische Transkription jedes gespeicherten Worts. In der Regel kann es sich bei den Wörtern um diejenigen Wörter handeln, die in einem standardmäßigen Wörterbuch anzutreffen sind, und sie werden in einer Wörterbuchdatenbasis 1030 zusammen mit einer phonetischen Transkription des gespeicherten Worts gespeichert oder können durch das Programm Erzeugen Teilwortbuchstabierung des neuen Worts 1020 berechnet werden. Zum Beispiel kann das Wort "house" durch die zugeordnete phonetische Transkription "haus" dargestellt werden. Ähnlich können das gespeicherte Wort "car" durch die zugeordnete phonetische Transkription "käar" und das Wort "computer" durch die zugeordnete phonetische Transkription "kempyuter" dargestellt werden. Zusätzlich können Buchstaben wie zum Beispiel "d" und "w" durch die Transiriptionen "diy" und "dahbixlyuw" dargestellt werden.
  • Mit der Vokabular-Lexikondatenbasis 1031 werden Wörter und Varianten dieser aufgezeichnet und gespeichert, wobei Zeichenketen von phonetischen Transkriptionen die Wörter und die Varianten der aufgezeichneten Wörter darstellen. In einem typischen Beispiel zeichnet das Programm Erzeugen Teilwortbuchstabierung des neuen Worts 1020 das Wort "car" und die zugeordnete phonetische Transkriptionszeichenkette "käar" in der Vokabular-Lexikondatenbasis 1031 auf. In einem anderen Beispiel können die Varianten der Wörter "rail" und "road" als "railroad" aufgezeichnet werden, wobei die zugeordnete phonetische Transkriptionszeichenkette "reylrowd" ist.
  • Die Teilwortmodelldatenbasis 1032 speichert Phoneme, die jeweils eine kleine Spracheinheit identifizieren, die zur Unterscheidung einer Äußerung von einer anderen dient. Zum Beispiel wird das Phonem "aa", das den a-Laut wie in "cot" darstellt, in der Teilwortmodelldatenbasis 1032 gespeichert. Ähnlich speichert die Datenbasis 1032 die Phoneme "ah", "d", "ey", die Laute wie in "buf", "dad" bzw. "bait" darstellen.
  • Ein Wort oder eine Zahl oder Zeichenkette dieser, 1, können in das Spracherkennungssystem 1 eingegeben werden, indem das Wort oder die Zahl auf den Tasten 110 und dem Tastenfeld 111 der Tastatur 11 eingetippt wird. Bei anderen Anwendungen können neue und zusätzliche Wörter und Zahlen zu dem Spracherkennungssystem 1 hinzugefügt werden, indem die Wörter und Zahlen durch Band, Plattenlaufwerke, zusätzlichen Speicher oder ein beliebiges einer Anzahl verschiedener und wohlbekannter Mittel zur Eingabe von Daten in den Computer 10 durch Programme wie zum Beispiel das Tastatur-Eingabeprogramm 1022 eingegeben werden. Das Programm Erzeugen Teilwortbuchstabierung des neuen Worts 1032, 2, das die Funktionsweise der CPU 101 gemäß einer Ausführungsform der Erfindung steuert, reagiert auf die Eingabe von Wörtern und Zahlen, indem es auf die Wörterbuchdatenbasis 1030 zugreift. Wenn das eingegebene Wort gefunden wird, wie zum Beispiel "house", 3, dann erzeugt das Programm Erzeugen Teilwortbuchstabierung des neuen Worts 1020 eine phonetische Transkriptionszeichenkette "haus" aus den phonetischen Wörterbuchdaten-Wörterbuchtranskriptionen, die durch das eingegebene Wort identifiziert werden. Wenn eine Variante von in der Wörterbuchdatenbasis 1030 gespeicherten Wörtern in das Spracherkennungssystem 1 eingegeben wird, wie zum Beispiel ein Wort "railroad", dann greift das Programm Erzeugen Teilwortbuchstabierung des neuen Worts 1020 auf die Wörterbuchdatenbasis 1030 zu und erzeugt eine phonetische Transkriptionszeichenkette "reylrowd" aus den phonetischen Transkriptionen "reyl" und "rowd" der Wörterbuchdatenbasis 1030, die mit den Wörtern "rail" und "road" gespeichert sind, die durch das eingegebene "railroad" identifiziert werden. Das Programm Erzeugen Teilwortbuchstabierung des neuen Worts 1020 zeichnet jedes eingegebene Wort und die zugeordnete erzeugte phonetische Transkriptionszeichenkette in der Vokabular-Lexikondatenbasis 1031 auf. Somit werden die eingegebenen Wörter "car" und "railroad" und ihre zugeordneten phonetischen Zeichenketten "käar" und "reylrowd" zur Verwendung bei der Erkennung von gesprochenen Wörtern, die durch das Spracherkennungssystem 1 empfangen werden, in der Vokabular-Lexikondatenbasis 1031 aufgezeichnet.
  • Beim Empfang gesprochener alphanumerischer Daten über die Telefonleitung 31, 1, greift das Algorithmusprogramm 1021 der automatischen Spracherkennung (ASR), 3, auf die Teilwortmodelldatenbasis 1032 zu und konstruiert ein Modell, das eine Zeichenkette von Phonemen umfaßt, die jeweils eine kleine Spracheinheit identifizieren, die zur Unterscheidung einer Äußerung von einer anderen dient und die Laute des empfangenen gesprochenen Worts darstellt. Wenn das gesprochene Wort "car" empfangen wird, greift das ASR-Algorithmusprogramm 1021 somit auf die Teilwortmodelldatenbasis 1032 zu und konstruiert die Phoneme "k", "äa" und "r" als eine Phonemzeichenkette "k äa r", die das empfangene gesprochene Wort "car" identifiziert. Auf gleiche Weise reagiert das ASR-Algorithmusprogramm 1021 auf den Empfang des gesprochenen Worts "railroad", indem es auf die Teilwortmodelldatenbasis 1032 zugreift und ein Modell konstruiert, das die Zeichenkette von Phonemen "r ey l r ow d" umfaßt, die das empfangene gesprochene Wort "railroad" darstellt.
  • Nach der Konstruktion eines Zeichenkettenphonemmodells, das das empfangene gesprochene Wort darstellt, greift das ASR-Algorithmusprogramm 1021 auf die Vokabular-Lexikondatenbasis 1031 zu und vergleicht das konstruierte Zeichenkettenphonemmodell mit einzelnen der aufgezeichneten phonetischen Transkriptionszeichenketten der Vokabular-Lexikondatenbasis 1031. Wenn das konstruierte Zeichenkettenphonemmodell mit einer in der Vokabular-Lexikondatenbasis 1031 aufgezeichneten phonetischen Transkriptionszeichenkette übereinstimmt, wird das gesprochene Wort als das aufgezeichnete Wort erkannt, das der übereinstimmenden phonetischen Transkriptionszeichenkette zugeordnet ist. Wenn das Spracherkennungsvorrichtungssystem 1, 1, das gesprochene Wort "railroad" empfängt, greift das ASR-Algorithmusprogramm 1021, 3, somit auf die Teilwortmodelldatenbasis 1032 zu und konstruiert ein Zeichenkettenphonemmodell "r ey l r ow d". Das Programm 1021 greift dann auf die Vokabular-Lexikondatenbasis 1031 zu und vergleicht das konstruierte Zeichenkettenphonemmodell "r ey l r ow d" mit einzelnen der aufgezeichneten phonetischen Transkriptionszeichenketten des Vokabularlexikons. Das gesprochene Wort "railroad" wird als das Wort "railroad" erkannt, das mit der phonetischen Transkriptionszeichenkette "reylrowd" aufgezeichnet wurde, wenn das konstruierte Zeichenkettenphonemmodell "r ey l r ow d" mit der aufgezeichneten phonetischen Transkriptionszeichenkette "reylrowd" übereinstimmt.
  • Das Spracherkennungssystem 1, 1, verfügt normalerweise über eine große Anzahl von Wörtern, die in der Wörterbuch- und der Vokabular-Lexikondatenbasis 1030 bzw. 1031 gespeichert und aufgezeichnet sind. Zusätzliche Wörter können in das Spracherkennungssystem 1 eingegeben und in der Vokabular-Lexikondatenbasis 1031 aufgezeichnet werden, damit das System die zusätzlichen Wörter erkennen kann. Solche Wörter können einzigartige Wörter sein, die in spezifischen Anwendungen des Spracherkennungssystems 1 verwendet werden. Bei der vorliegenden Ausführungsform der Erfindung wird angenommen, daß ein spezielles Wort "dwd", das für eine spezifische Anwendung einzigartig ist, in das Spracherkennungssystem 1 eingegeben werden soll.
  • Das Verfahren zum Betreiben des Spracherkennungssystems 1 zur Erkennung eines gesprochenen Worts wie zum Beispiel "dwd" umfaßt das Erzeugen einer phonetischen Transkriptionszeichenkette "diydahbixlyuwdiy" aus dem Wort "dwd" und das Aufzeichnen des Worts "dwd" und der erzeugten phonetischen Transkriptionszeichenkette "diydahbixlyuwdiy" in der Vokabular-Lexikondatenbasis 1031, 3. Beim Empfangen des gesprochenen Worts "dwd" greift die Methode des Betriebs des Spracherkennungssystems 1 auf die Teilwortmodelldatenbasis 1032 zu und konstruiert eine Modellzeichenkette von Phonemen "d iy d ah b ix l y uw d iy", die für die Laute des gesprochenen Worts "dwd" charakteristisch ist. Das konstruierte Phonemzeichenkettenmodell "d iy d ah b ix l y uw d iy" wird mit einzelnen der aufgezeichneten phonetischen Transkriptionszeichenketten des Lexikonvokabulars verglichen, und wenn eine Übereinstimmung des konstruierten Phonemzeichenkettenmodells "d iy d ah b ix l y uw d iy" mit der aufgezeichneten phonetischen Transkriptionszeichenkette "diydahbixlyuwdiy" der Vokabular-Lexikondatenbasis 1031 vorliegt, dann wird das gesprochene Wort als das Wort "dwd" erkannt, das mit der übereinstimmenden phonetischen Transkriptionszeichenkette "diydahbixlyuwdiy" aufgezeichnet wurde.
  • In der Methode des Betriebs, 1, wird anfänglich ein Wörterbuch von Standardwörtern und eine phonetische Transkription jedes Standardworts in der Wörterbuchdatenbasis 1030 gespeichert. Ähnlich speichert die Teilwortmodelldatenbasis 1032 anfänglich Phoneme wie zum Beispiel "d" und "w", die jeweils eine kleine Spracheinheit identifizieren, die zur Unterscheidung einer Äußerung von einer anderen dient. Zur Eingabe eines neuen Worts, wie zum Beispiel des Worts "dwd", in das Spracherkennungssystem 1 wird das Wort "dwd" in die Tastatur 11 eingetippt und in das Tastatur-Eingabeprogramm 1022, Schritte 102200, 102201, 4, eingegeben. Das Programm Erzeugen Teilwortbuchstabierung des neuen Worts 1020, 1, reagiert auf die Eingabe alphanumerischer Daten und Varianten dieser, wie zum Beispiel des Worts "dwd", indem es auf die Wörterbuchdatenbasis 1030 zugreift, Schritte 102000, 102001, 4. Wenn sich das eingegebene Wort in der Wörterbuchdatenbasis 1030 befindet, Schritt 102002, dann wählt das Programm Erzeugen Teilwortbuchstabierung des neuen Worts 1020 das Wort und die zugeordnete phonetische Transkriptionszeichenkette, Schritt 102003, und zeichnet sowohl das Wort als auch die zugeordnete phonetische Transkriptionszeichenkette in der Vokabular-Lexikondatenbasis 1031 auf, Schritte 102005, 102006.
  • Wenn das eingegebene Wort, zum Beispiel die Wortvariante "dwd", nicht in der Wörterbuchdatenbasis 1030 gefunden wird, Schritt 102002, dann wählt das Programm Erzeugen Teilwortbuchstabierung des neuen Worts 1020 die Wortbestandteile, 3, "d" und "w" aus der Wörterbuchdatenbasis 1030 und erzeugt die phonetische Transkriptionszeichenkette "diydahbixlyuwdiy", Schritt 102004. Die Wortvariante "dwd" und die erzeugte phonetische Transkriptionszeichenkette "diydahbixlyuwdiy" wird in der Vokabular-Lexikondatenbasis 1031 aufgezeichnet, Schritte 102005, 102006. Wenn weitere Wörter in das Spracherkennungssystem 1 eingegeben werden sollen, dann werden der Schritt 102007, der Schritt 102201 und die Schritte 102000 bis 102007 wiederholt, bis alle eingegebenen Wörter in der Vokabular-Lexikondatenbasis 1031 aufgezeichnet wurden, und die CPU 101 verläßt dann das Programm Erzeugen Teilwortbuchstabierung des neuen Worts 1020, Schritt 102008.
  • Das Spracherkennungssystem 1, 1, das gemäß dem ASR-Algorithmusprogramm 1021 arbeitet, reagiert auf ein gesprochenes Wort, wie zum Beispiel das Wort "dwd", das über die Telefonleitung 31 empfangen wird, 5, Schritte 102100, 102101, 102102, indem es auf die Teilwortmodelldatenbasis 1032 zugreift. Als Reaktion auf den Empfang des gesprochenen Worts "dwd" leitet das ASR-Algorithmusprogramm 1021, Schritt 102103, eine Konstruktion eines Modells ein, das eine Zeichenkette von Phonemen umfaßt, die das empfangene gesprochene Wort "dwd" darstellen. Die Konstruktion des Modells erfolgt gemäß dem Klang des empfangenen "dwd", und der Laut "d" führt zu der Auswahl von "d iy" als dem ersten Teil des Zeichenkettenmodells, Schritt 102104. Da das Modell nicht abgeschlossen ist, Schritt 102105, werden die Schritte 102101 bis 102105 wiederholt, so daß der Laut von "w" zu der Auswahl der Phoneme "d ah b ix l y uw" aus der Teilwortmodelldatenbasis 1032 und zu deren Hinzufügung zu dem Modell führt. Das Phonemzeichenkettenmodell ist abgeschlossen, wenn der letzte Laut "d" dazu führt, daß die Phoneme "d iy" zu der Zeichenkette hinzugefügt werden, um die Phonemzeichenkettenmodelldarstellung "d iy d ah b ix l y uw d iy" des gesprochenen Worts "dwd" abzuschließen, Schritt 102105.
  • Beim Abschluß der konstruierten Phonemzeichenkettenmodelldarstellung "d iy d ah b ix l y uw d iy" des gesprohenen Worts "dwd" greift das ASR-Algorithmusprogramm 1021 auf die Vokabular-Lexikondatenbasis 1031 zu und vergleicht das konstruierte Zeichenkettenphonemmodell "d iy d ah b ix l y uw d iy" mit einzelnen der aufgezeichneten phonetischen Transkriptionszeichenketten der Vokabular-Lexikondatenbasis, Schritte 102106, 102107, 102108. Wenn eine Übereinstimmung des konstruierten Phonemzeichenkettenmodells "d iy d ah b ix l y uw d iy" mit der aufgezeichneten phonetischen Transkriptionszeichenkette "diydahbixlyuwdiy" vorliegt, Schritt 102109, dann wird das gesprochene Wort "dwd" als das Wort "dwd" erkannt, das in der Vokabular-Lexikondatenbasis 1031 aufgezeichnet ist, Schritt 102110. Wenn zusätzliche gesprochene Wörter vorliegen, Schritt 102111, werden die Schritte 102101 bis 102111 wiederholt, bis alle Wörter erkannt wurden.
  • Falls keine Übereinstimmung erzielt wird, Schritt 102109, und der Übereinstimmungsversuch kleiner als eine vorbestimmte Versuchszahl ist, Schritt 102113, vergrößert das ASR-Algorithmusprogramm 1021 die Wiederholungsversuchnummer und fordert den Anrufer auf, das gesprochene Wort zu wiederholen, Schritt 102114. Danach werden die Schritte 102101 bis 102109 wiederholt. Falls die Versuchszahl die vorbestimmte Versuchszahl übersteigt, wird bestimmt, daß ein Fehler aufgetreten ist, Schritt 102115.
  • Während des Übereinstimmungsprüfungsprozesses, Schritt 102109, wird der Übereinstimmung des konstruierten Phonemzeichenkettenmodells mit in der Vokabular-Lexikondatenbasis 1031 gespeicherten phonetischen Transkriptionszeichenketten ein Konfidenz-Erkennungsfaktor zugewiesen. Wenn der zugewiesene Konfidenz-Erkennungsfaktor einen vorbestimmten Schwellenwert übersteigt, wird bestimmt, daß das dem konstruierten Phonemzeichenkettenmodell zugeordnete gesprochene Wort als das Wort erkannt wird, das in der Vokabular-Lexikondatenbasis 1031 aufgezeichnet und der übereinstimmenden phonetischen Transkriptionszeichenkette zugeordnet ist.

Claims (6)

  1. Spracherkennungssystem mit: einer Vokabulardatenbasis (1031) mit Wörtern in alphanumerischer Form und einer entsprechenden Phonem-Zeichenkette für jedes der Wörter; einer Teilwortdatenbasis (1032), die eine Vielzahl von Phonemen speichert, die Wortlaute darstellen; einem Mittel (11) zum Empfangen eines neuen, nicht gesprochenen Worts in Wörterbuchform als eine Folge von Zeichen, wobei das neue Wort zuvor nicht in der Vokabulardatenbasis enthalten war; einem Prozessormittel (1020) zum Erzeugen einer neuen Phonem-Zeichenkette auf der Grundlage des neuen Worts und Speichern des neuen Worts und der neuen Phonem-Zeichenkette in der Vokabulardatenbasis, wodurch ein nachfolgend gesprochener Eintrag des neuen Worts auf der Grundlage des Erkennens des Vorliegens des neuen Worts in der Vokabulardatenbasis durch Vergleichen der entsprechenden Phonem-Zeichenketten erkannt werden kann.
  2. System nach Anspruch 1, weiterhin mit einem Prozessormittel (1021) zum Bestimmen, ob ein als eine Eingabe empfangenes erstes gesprochenes Wort eines der in der Vokabulardatenbasis enthaltenen Wörter ist, wobei das Prozessormittel auf der Grundlage von in der Teilwortdatenbasis gespeicherten Phonemen eine erste Phonem-Zeichenkette erzeugt, um das erste Wort darzustellen, und bestimmt, welche etwaigen der in der Vokabulardatenbasis enthaltenen Phonem-Zeichenketten mit der ersten Phonem-Zeichenkette übereinstimmen.
  3. System nach Anspruch 1, wobei das Prozessormittel die neue Phonem-Zeichenkette erzeugt, ohne den gleichzeitigen Eintrag des neuen Worts in gesprochener Form zu erfordern.
  4. Verfahren zur Erkennung gesprochener Worte mit den folgenden Schritten: Erzeugen einer Vokabulardatenbasis, die eine Vielzahl von Wörtern in alphanumerischer Form und eine entsprechende Phonem-Zeichenkette für jedes der Wörter enthält; Erzeugen einer Teilwortdatenbasis, die eine Vielzahl von Phonemen speichert, die Wortlaute darstellen; Empfangen eines neuen, nicht gesprochenen Worts in Wörterbuchform als eine Folge von Zeichen, wobei das neue Wort zuvor nicht in der Vokabulardatenbasis enthalten war; Festlegen, durch Verwendung eines Prozessormittels, einer neuen Phonem-Zeichenkette auf der Grundlage des neuen Worts und Speichern des neuen Worts und der neuen Phonem-Zeichenkette in der Vokabulardatenbasis, um so die Erkennung eines nachfolgenden gesprochenen Eintrags des neuen Worts auf der Grundlage des Erkennens des Vorliegens des neuen Worts in der Vokabulardatenbasis durch Vergleichen der ertsprechenden Phonem-Zeichenketten zu ermöglichen.
  5. Verfahren nach Anspruch 4, wobei die neue Phonem-Zeichenkette festgelegt wird, ohne den gleichzeitigen Eintrag des neuen Worts in gesprochener Form zu erfordern.
  6. Verfahren nach Anspruch 4, weiterhin mit der Bestimmung, ob ein erstes gesprochenes Wort, das als eine Eingabe empfangen wurde, eines der in der Vokabulardatenbasis enthaltenen Wörter ist, Erzeugung einer ersten Phonem-Zeichenkette auf der Grundlage von in der Teilwortdatenbasis gespeicherten Phonemen zur Darstellung des ersten Worts und Bestimmung, welche etwaigen der in der Vokabulardatenbasis enthaltenen Phonem-Zeichenketten mit der ersten Phonem-Zeichenkette übereinstimmen.
DE69327188T 1992-04-02 1993-03-25 Einrichtung für automatische Spracherkennung Expired - Lifetime DE69327188T2 (de)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US86239492A 1992-04-02 1992-04-02
US862394 1992-04-02

Publications (2)

Publication Number Publication Date
DE69327188D1 DE69327188D1 (de) 2000-01-13
DE69327188T2 true DE69327188T2 (de) 2004-09-02

Family

ID=25338399

Family Applications (1)

Application Number Title Priority Date Filing Date
DE69327188T Expired - Lifetime DE69327188T2 (de) 1992-04-02 1993-03-25 Einrichtung für automatische Spracherkennung

Country Status (9)

Country Link
US (1) US5329608A (de)
EP (1) EP0564166B1 (de)
JP (1) JPH0612092A (de)
KR (1) KR930022267A (de)
CA (1) CA2088080C (de)
DE (1) DE69327188T2 (de)
ES (1) ES2142332T3 (de)
FI (1) FI931471A (de)
HK (1) HK1004497A1 (de)

Families Citing this family (199)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO1994020952A1 (en) * 1993-03-12 1994-09-15 Sri International Method and apparatus for voice-interactive language instruction
US8027809B2 (en) 1992-11-17 2011-09-27 Health Hero Network, Inc. Home power management system
US6968375B1 (en) 1997-03-28 2005-11-22 Health Hero Network, Inc. Networked system for interactive communication and remote monitoring of individuals
US6330426B2 (en) 1994-05-23 2001-12-11 Stephen J. Brown System and method for remote education using a memory card
US7613590B2 (en) 1992-11-17 2009-11-03 Health Hero Network, Inc. Modular microprocessor-based power tool system
US5832448A (en) 1996-10-16 1998-11-03 Health Hero Network Multiple patient monitoring system for proactive health management
US20030212579A1 (en) * 2002-05-08 2003-11-13 Brown Stephen J. Remote health management system
US7970620B2 (en) * 1992-11-17 2011-06-28 Health Hero Network, Inc. Multi-user remote health monitoring system with biometrics support
US8078407B1 (en) 1997-03-28 2011-12-13 Health Hero Network, Inc. System and method for identifying disease-influencing genes
US9215979B2 (en) 1992-11-17 2015-12-22 Robert Bosch Healthcare Systems, Inc. Multi-user remote health monitoring system
US8095340B2 (en) 1992-11-17 2012-01-10 Health Hero Network, Inc. Home power management system
US6196970B1 (en) 1999-03-22 2001-03-06 Stephen J. Brown Research data collection and analysis
US5951300A (en) 1997-03-10 1999-09-14 Health Hero Network Online system and method for providing composite entertainment and health information
US8078431B2 (en) 1992-11-17 2011-12-13 Health Hero Network, Inc. Home power management system
US5956501A (en) 1997-01-10 1999-09-21 Health Hero Network, Inc. Disease simulation system and method
AU1766201A (en) 1992-11-17 2001-05-30 Health Hero Network, Inc. Method and system for improving adherence with a diet program or other medical regimen
US20010011224A1 (en) 1995-06-07 2001-08-02 Stephen James Brown Modular microprocessor-based health monitoring system
US5307263A (en) 1992-11-17 1994-04-26 Raya Systems, Inc. Modular microprocessor-based health monitoring system
US8626521B2 (en) * 1997-11-21 2014-01-07 Robert Bosch Healthcare Systems, Inc. Public health surveillance system
US7624028B1 (en) 1992-11-17 2009-11-24 Health Hero Network, Inc. Remote health monitoring and maintenance system
US7631343B1 (en) 1993-03-24 2009-12-08 Endgate LLC Down-line transcription system using automatic tracking and revenue collection
US7249026B1 (en) * 1993-03-24 2007-07-24 Engate Llc Attorney terminal having outline preparation capabilities for managing trial proceedings
US5369704A (en) * 1993-03-24 1994-11-29 Engate Incorporated Down-line transcription system for manipulating real-time testimony
US5623578A (en) * 1993-10-28 1997-04-22 Lucent Technologies Inc. Speech recognition system allows new vocabulary words to be added without requiring spoken samples of the words
US5970454A (en) * 1993-12-16 1999-10-19 British Telecommunications Public Limited Company Synthesizing speech by converting phonemes to digital waveforms
US8015033B2 (en) 1994-04-26 2011-09-06 Health Hero Network, Inc. Treatment regimen compliance and efficacy with feedback
US5737723A (en) * 1994-08-29 1998-04-07 Lucent Technologies Inc. Confusable word detection in speech recognition
AU684214B2 (en) * 1994-09-07 1997-12-04 Motorola, Inc. System for recognizing spoken sounds from continuous speech and method of using same
US5594834A (en) * 1994-09-30 1997-01-14 Motorola, Inc. Method and system for recognizing a boundary between sounds in continuous speech
US5596679A (en) * 1994-10-26 1997-01-21 Motorola, Inc. Method and system for identifying spoken sounds in continuous speech by comparing classifier outputs
US5638486A (en) * 1994-10-26 1997-06-10 Motorola, Inc. Method and system for continuous speech recognition using voting techniques
DE69514382T2 (de) * 1994-11-01 2001-08-23 British Telecommunications P.L.C., London Spracherkennung
US5680510A (en) * 1995-01-26 1997-10-21 Apple Computer, Inc. System and method for generating and using context dependent sub-syllable models to recognize a tonal language
US5724481A (en) * 1995-03-30 1998-03-03 Lucent Technologies Inc. Method for automatic speech recognition of arbitrary spoken words
US5822727A (en) * 1995-03-30 1998-10-13 At&T Corp Method for automatic speech recognition in telephony
US5675706A (en) * 1995-03-31 1997-10-07 Lucent Technologies Inc. Vocabulary independent discriminative utterance verification for non-keyword rejection in subword based speech recognition
JP3741156B2 (ja) * 1995-04-07 2006-02-01 ソニー株式会社 音声認識装置および音声認識方法並びに音声翻訳装置
US5745875A (en) * 1995-04-14 1998-04-28 Stenovations, Inc. Stenographic translation system automatic speech recognition
US5852801A (en) * 1995-10-04 1998-12-22 Apple Computer, Inc. Method and apparatus for automatically invoking a new word module for unrecognized user input
US5832439A (en) * 1995-12-14 1998-11-03 U S West, Inc. Method and system for linguistic command processing in a video server network
GB9601925D0 (en) * 1996-01-31 1996-04-03 British Telecomm Database access
US7305348B1 (en) 1996-02-20 2007-12-04 Health Hero Network, Inc. Aggregating and pooling health related information in a communication system with feedback
US6804645B1 (en) * 1996-04-02 2004-10-12 Siemens Aktiengesellschaft Dynamic phoneme dictionary for speech recognition
US5758024A (en) * 1996-06-25 1998-05-26 Microsoft Corporation Method and system for encoding pronunciation prefix trees
US5752230A (en) * 1996-08-20 1998-05-12 Ncr Corporation Method and apparatus for identifying names with a speech recognition program
US6018568A (en) * 1996-09-25 2000-01-25 At&T Corp. Voice dialing system
WO1998014934A1 (en) * 1996-10-02 1998-04-09 Sri International Method and system for automatic text-independent grading of pronunciation for language instruction
US5991712A (en) * 1996-12-05 1999-11-23 Sun Microsystems, Inc. Method, apparatus, and product for automatic generation of lexical features for speech recognition systems
US6151586A (en) * 1996-12-23 2000-11-21 Health Hero Network, Inc. Computerized reward system for encouraging participation in a health management program
US7584108B2 (en) 1996-12-23 2009-09-01 Health Hero Network, Inc. Network media access control system for encouraging patient compliance with a treatment plan
US6032119A (en) 1997-01-16 2000-02-29 Health Hero Network, Inc. Personalized display of health information
JP3373755B2 (ja) 1997-04-09 2003-02-04 株式会社鷹山 複素型逆拡散処理装置
GB2341705B (en) * 1997-06-26 2003-01-29 Charles Schwab & Co Inc System and method for automatically providing financial services to a user using speech signals
US6006181A (en) * 1997-09-12 1999-12-21 Lucent Technologies Inc. Method and apparatus for continuous speech recognition using a layered, self-adjusting decoder network
US6404876B1 (en) 1997-09-25 2002-06-11 Gte Intelligent Network Services Incorporated System and method for voice activated dialing and routing under open access network control
US6108627A (en) * 1997-10-31 2000-08-22 Nortel Networks Corporation Automatic transcription tool
US5983177A (en) * 1997-12-18 1999-11-09 Nortel Networks Corporation Method and apparatus for obtaining transcriptions from multiple training utterances
US6243678B1 (en) * 1998-04-07 2001-06-05 Lucent Technologies Inc. Method and system for dynamic speech recognition using free-phone scoring
US6233553B1 (en) * 1998-09-04 2001-05-15 Matsushita Electric Industrial Co., Ltd. Method and system for automatically determining phonetic transcriptions associated with spelled words
US8005690B2 (en) 1998-09-25 2011-08-23 Health Hero Network, Inc. Dynamic modeling and scoring risk assessment
FR2786600B1 (fr) * 1998-11-16 2001-04-20 France Telecom Procede de recherche par le contenu de documents textuels utilisant la reconnaissance vocale
JP2002532763A (ja) * 1998-12-17 2002-10-02 コーニンクレッカ フィリップス エレクトロニクス エヌ ヴィ 音声によって動作される自動問合せシステム
EP1060471A1 (de) * 1999-01-05 2000-12-20 Koninklijke Philips Electronics N.V. Spracherkennungseinrichtung mit einem subwortspeicher
US20080201168A1 (en) * 1999-05-03 2008-08-21 Brown Stephen J Treatment regimen compliance and efficacy with feedback
US7797730B2 (en) * 1999-06-24 2010-09-14 Engate Llc Downline transcription system using automatic tracking and revenue collection
JP3476008B2 (ja) 1999-09-10 2003-12-10 インターナショナル・ビジネス・マシーンズ・コーポレーション 音声情報の登録方法、認識文字列の特定方法、音声認識装置、音声情報の登録のためのソフトウエア・プロダクトを格納した記憶媒体、及び認識文字列の特定のためのソフトウエア・プロダクトを格納した記憶媒体
US6442520B1 (en) 1999-11-08 2002-08-27 Agere Systems Guardian Corp. Method and apparatus for continuous speech recognition using a layered, self-adjusting decoded network
JP2001249684A (ja) * 2000-03-02 2001-09-14 Sony Corp 音声認識装置および音声認識方法、並びに記録媒体
US8645137B2 (en) 2000-03-16 2014-02-04 Apple Inc. Fast, language-independent method for user authentication by voice
US7047196B2 (en) 2000-06-08 2006-05-16 Agiletv Corporation System and method of voice recognition near a wireline node of a network supporting cable television and/or video delivery
JP2002123283A (ja) * 2000-10-12 2002-04-26 Nissan Motor Co Ltd 音声認識操作装置
US8095370B2 (en) 2001-02-16 2012-01-10 Agiletv Corporation Dual compression voice recordation non-repudiation system
US20030192688A1 (en) * 2002-04-10 2003-10-16 Thomson Michael A. Tubing saver rotator and method for using same
CA2530899C (en) 2002-06-28 2013-06-25 Conceptual Speech, Llc Multi-phoneme streamer and knowledge representation speech recognition system and method
DE10253786B4 (de) * 2002-11-19 2009-08-06 Anwaltssozietät BOEHMERT & BOEHMERT GbR (vertretungsberechtigter Gesellschafter: Dr. Carl-Richard Haarmann, 28209 Bremen) Verfahren zur rechnergestützten Ermittlung einer Ähnlichkeit eines elektronisch erfassten ersten Kennzeichens zu mindestens einem elektronisch erfassten zweiten Kennzeichen sowie Vorrichtung und Computerprogramm zur Durchführung desselben
US7260480B1 (en) 2003-04-07 2007-08-21 Health Hero Network, Inc. Method and system for integrating feedback loops in medical knowledge development and healthcare management
US7399276B1 (en) 2003-05-08 2008-07-15 Health Hero Network, Inc. Remote health monitoring system
US8954325B1 (en) * 2004-03-22 2015-02-10 Rockstar Consortium Us Lp Speech recognition in automated information services systems
US7831549B2 (en) * 2004-09-17 2010-11-09 Nokia Corporation Optimization of text-based training set selection for language processing modules
KR100679042B1 (ko) * 2004-10-27 2007-02-06 삼성전자주식회사 음성인식 방법 및 장치, 이를 이용한 네비게이션 시스템
US8677377B2 (en) 2005-09-08 2014-03-18 Apple Inc. Method and apparatus for building an intelligent automated assistant
US7925677B2 (en) * 2006-03-16 2011-04-12 Tele Atlas North America, Inc. Geographic feature name reduction using phonetic algorithms
US9318108B2 (en) 2010-01-18 2016-04-19 Apple Inc. Intelligent automated assistant
US8977255B2 (en) 2007-04-03 2015-03-10 Apple Inc. Method and system for operating a multi-function portable electronic device using voice-activation
US8595642B1 (en) 2007-10-04 2013-11-26 Great Northern Research, LLC Multiple shell multi faceted graphical user interface
US9330720B2 (en) 2008-01-03 2016-05-03 Apple Inc. Methods and apparatus for altering audio output signals
US8996376B2 (en) 2008-04-05 2015-03-31 Apple Inc. Intelligent text-to-speech conversion
US10496753B2 (en) 2010-01-18 2019-12-03 Apple Inc. Automatically adapting user interfaces for hands-free interaction
US20100030549A1 (en) 2008-07-31 2010-02-04 Lee Michael M Mobile device having human language translation capability with positional feedback
WO2010067118A1 (en) 2008-12-11 2010-06-17 Novauris Technologies Limited Speech recognition involving a mobile device
US9858925B2 (en) 2009-06-05 2018-01-02 Apple Inc. Using context information to facilitate processing of commands in a virtual assistant
US10241644B2 (en) 2011-06-03 2019-03-26 Apple Inc. Actionable reminder entries
US10241752B2 (en) 2011-09-30 2019-03-26 Apple Inc. Interface for a virtual digital assistant
US20120311585A1 (en) 2011-06-03 2012-12-06 Apple Inc. Organizing task items that represent tasks to perform
US9431006B2 (en) 2009-07-02 2016-08-30 Apple Inc. Methods and apparatuses for automatic speech recognition
US10553209B2 (en) 2010-01-18 2020-02-04 Apple Inc. Systems and methods for hands-free notification summaries
US10276170B2 (en) 2010-01-18 2019-04-30 Apple Inc. Intelligent automated assistant
US10705794B2 (en) 2010-01-18 2020-07-07 Apple Inc. Automatically adapting user interfaces for hands-free interaction
US10679605B2 (en) 2010-01-18 2020-06-09 Apple Inc. Hands-free list-reading by intelligent automated assistant
US8682667B2 (en) 2010-02-25 2014-03-25 Apple Inc. User profiling for selecting user specific voice input processing information
US10762293B2 (en) 2010-12-22 2020-09-01 Apple Inc. Using parts-of-speech tagging and named entity recognition for spelling correction
US8744856B1 (en) 2011-02-22 2014-06-03 Carnegie Speech Company Computer implemented system and method and computer program product for evaluating pronunciation of phonemes in a language
US9262612B2 (en) 2011-03-21 2016-02-16 Apple Inc. Device access using voice authentication
US10057736B2 (en) 2011-06-03 2018-08-21 Apple Inc. Active transport based notifications
GB2513821A (en) * 2011-06-28 2014-11-12 Andrew Levine Speech-to-text conversion
US8781825B2 (en) * 2011-08-24 2014-07-15 Sensory, Incorporated Reducing false positives in speech recognition systems
US8994660B2 (en) 2011-08-29 2015-03-31 Apple Inc. Text correction processing
US10134385B2 (en) 2012-03-02 2018-11-20 Apple Inc. Systems and methods for name pronunciation
US9483461B2 (en) 2012-03-06 2016-11-01 Apple Inc. Handling speech synthesis of content for multiple languages
US9280610B2 (en) 2012-05-14 2016-03-08 Apple Inc. Crowd sourcing information to fulfill user requests
US9721563B2 (en) 2012-06-08 2017-08-01 Apple Inc. Name recognition system
US9495129B2 (en) 2012-06-29 2016-11-15 Apple Inc. Device, method, and user interface for voice-activated navigation and browsing of a document
US9576574B2 (en) 2012-09-10 2017-02-21 Apple Inc. Context-sensitive handling of interruptions by intelligent digital assistant
US9547647B2 (en) 2012-09-19 2017-01-17 Apple Inc. Voice-based media searching
AU2014214676A1 (en) 2013-02-07 2015-08-27 Apple Inc. Voice trigger for a digital assistant
US9368114B2 (en) 2013-03-14 2016-06-14 Apple Inc. Context-sensitive handling of interruptions
WO2014144949A2 (en) 2013-03-15 2014-09-18 Apple Inc. Training an at least partial voice command system
WO2014144579A1 (en) 2013-03-15 2014-09-18 Apple Inc. System and method for updating an adaptive speech recognition model
WO2014197336A1 (en) 2013-06-07 2014-12-11 Apple Inc. System and method for detecting errors in interactions with a voice-based digital assistant
WO2014197334A2 (en) 2013-06-07 2014-12-11 Apple Inc. System and method for user-specified pronunciation of words for speech synthesis and recognition
US9582608B2 (en) 2013-06-07 2017-02-28 Apple Inc. Unified ranking with entropy-weighted information for phrase-based semantic auto-completion
WO2014197335A1 (en) 2013-06-08 2014-12-11 Apple Inc. Interpreting and acting upon commands that involve sharing information with remote devices
US10176167B2 (en) 2013-06-09 2019-01-08 Apple Inc. System and method for inferring user intent from speech inputs
KR101922663B1 (ko) 2013-06-09 2018-11-28 애플 인크. 디지털 어시스턴트의 둘 이상의 인스턴스들에 걸친 대화 지속성을 가능하게 하기 위한 디바이스, 방법 및 그래픽 사용자 인터페이스
KR101809808B1 (ko) 2013-06-13 2017-12-15 애플 인크. 음성 명령에 의해 개시되는 긴급 전화를 걸기 위한 시스템 및 방법
DE112014003653B4 (de) 2013-08-06 2024-04-18 Apple Inc. Automatisch aktivierende intelligente Antworten auf der Grundlage von Aktivitäten von entfernt angeordneten Vorrichtungen
US8768712B1 (en) * 2013-12-04 2014-07-01 Google Inc. Initiating actions based on partial hotwords
US9953632B2 (en) * 2014-04-17 2018-04-24 Qualcomm Incorporated Keyword model generation for detecting user-defined keyword
US9620105B2 (en) 2014-05-15 2017-04-11 Apple Inc. Analyzing audio input for efficient speech and music recognition
US10592095B2 (en) 2014-05-23 2020-03-17 Apple Inc. Instantaneous speaking of content on touch devices
US9502031B2 (en) 2014-05-27 2016-11-22 Apple Inc. Method for supporting dynamic grammars in WFST-based ASR
US10289433B2 (en) 2014-05-30 2019-05-14 Apple Inc. Domain specific language for encoding assistant dialog
US10078631B2 (en) 2014-05-30 2018-09-18 Apple Inc. Entropy-guided text prediction using combined word and character n-gram language models
US9760559B2 (en) 2014-05-30 2017-09-12 Apple Inc. Predictive text input
US9966065B2 (en) 2014-05-30 2018-05-08 Apple Inc. Multi-command single utterance input method
US9715875B2 (en) 2014-05-30 2017-07-25 Apple Inc. Reducing the need for manual start/end-pointing and trigger phrases
US9633004B2 (en) 2014-05-30 2017-04-25 Apple Inc. Better resolution when referencing to concepts
US9842101B2 (en) 2014-05-30 2017-12-12 Apple Inc. Predictive conversion of language input
US9430463B2 (en) 2014-05-30 2016-08-30 Apple Inc. Exemplar-based natural language processing
US9734193B2 (en) 2014-05-30 2017-08-15 Apple Inc. Determining domain salience ranking from ambiguous words in natural speech
US9785630B2 (en) 2014-05-30 2017-10-10 Apple Inc. Text prediction using combined word N-gram and unigram language models
US10170123B2 (en) 2014-05-30 2019-01-01 Apple Inc. Intelligent assistant for home automation
US9338493B2 (en) 2014-06-30 2016-05-10 Apple Inc. Intelligent automated assistant for TV user interactions
US10659851B2 (en) 2014-06-30 2020-05-19 Apple Inc. Real-time digital assistant knowledge updates
US10446141B2 (en) 2014-08-28 2019-10-15 Apple Inc. Automatic speech recognition based on user feedback
US9818400B2 (en) 2014-09-11 2017-11-14 Apple Inc. Method and apparatus for discovering trending terms in speech requests
US10789041B2 (en) 2014-09-12 2020-09-29 Apple Inc. Dynamic thresholds for always listening speech trigger
US9606986B2 (en) 2014-09-29 2017-03-28 Apple Inc. Integrated word N-gram and class M-gram language models
US9668121B2 (en) 2014-09-30 2017-05-30 Apple Inc. Social reminders
US10074360B2 (en) 2014-09-30 2018-09-11 Apple Inc. Providing an indication of the suitability of speech recognition
US9646609B2 (en) 2014-09-30 2017-05-09 Apple Inc. Caching apparatus for serving phonetic pronunciations
US9886432B2 (en) 2014-09-30 2018-02-06 Apple Inc. Parsimonious handling of word inflection via categorical stem + suffix N-gram language models
US10127911B2 (en) 2014-09-30 2018-11-13 Apple Inc. Speaker identification and unsupervised speaker adaptation techniques
US10552013B2 (en) 2014-12-02 2020-02-04 Apple Inc. Data detection
US9711141B2 (en) 2014-12-09 2017-07-18 Apple Inc. Disambiguating heteronyms in speech synthesis
US9865280B2 (en) 2015-03-06 2018-01-09 Apple Inc. Structured dictation using intelligent automated assistants
US9721566B2 (en) 2015-03-08 2017-08-01 Apple Inc. Competing devices responding to voice triggers
US9886953B2 (en) 2015-03-08 2018-02-06 Apple Inc. Virtual assistant activation
US10567477B2 (en) 2015-03-08 2020-02-18 Apple Inc. Virtual assistant continuity
US9899019B2 (en) 2015-03-18 2018-02-20 Apple Inc. Systems and methods for structured stem and suffix language models
US9842105B2 (en) 2015-04-16 2017-12-12 Apple Inc. Parsimonious continuous-space phrase representations for natural language processing
US10083688B2 (en) 2015-05-27 2018-09-25 Apple Inc. Device voice control for selecting a displayed affordance
US10127220B2 (en) 2015-06-04 2018-11-13 Apple Inc. Language identification from short strings
US10101822B2 (en) 2015-06-05 2018-10-16 Apple Inc. Language input correction
US11025565B2 (en) 2015-06-07 2021-06-01 Apple Inc. Personalized prediction of responses for instant messaging
US10186254B2 (en) 2015-06-07 2019-01-22 Apple Inc. Context-based endpoint detection
US10255907B2 (en) 2015-06-07 2019-04-09 Apple Inc. Automatic accent detection using acoustic models
US10747498B2 (en) 2015-09-08 2020-08-18 Apple Inc. Zero latency digital assistant
US10671428B2 (en) 2015-09-08 2020-06-02 Apple Inc. Distributed personal assistant
US9697820B2 (en) 2015-09-24 2017-07-04 Apple Inc. Unit-selection text-to-speech synthesis using concatenation-sensitive neural networks
US11010550B2 (en) 2015-09-29 2021-05-18 Apple Inc. Unified language modeling framework for word prediction, auto-completion and auto-correction
US10366158B2 (en) 2015-09-29 2019-07-30 Apple Inc. Efficient word encoding for recurrent neural network language models
US11587559B2 (en) 2015-09-30 2023-02-21 Apple Inc. Intelligent device identification
US10691473B2 (en) 2015-11-06 2020-06-23 Apple Inc. Intelligent automated assistant in a messaging environment
US10049668B2 (en) 2015-12-02 2018-08-14 Apple Inc. Applying neural network language models to weighted finite state transducers for automatic speech recognition
US10223066B2 (en) 2015-12-23 2019-03-05 Apple Inc. Proactive assistance based on dialog communication between devices
US10446143B2 (en) 2016-03-14 2019-10-15 Apple Inc. Identification of voice inputs providing credentials
US9934775B2 (en) 2016-05-26 2018-04-03 Apple Inc. Unit-selection text-to-speech synthesis based on predicted concatenation parameters
US9972304B2 (en) 2016-06-03 2018-05-15 Apple Inc. Privacy preserving distributed evaluation framework for embedded personalized systems
US10249300B2 (en) 2016-06-06 2019-04-02 Apple Inc. Intelligent list reading
US10049663B2 (en) 2016-06-08 2018-08-14 Apple, Inc. Intelligent automated assistant for media exploration
DK179588B1 (en) 2016-06-09 2019-02-22 Apple Inc. INTELLIGENT AUTOMATED ASSISTANT IN A HOME ENVIRONMENT
US10490187B2 (en) 2016-06-10 2019-11-26 Apple Inc. Digital assistant providing automated status report
US10067938B2 (en) 2016-06-10 2018-09-04 Apple Inc. Multilingual word prediction
US10586535B2 (en) 2016-06-10 2020-03-10 Apple Inc. Intelligent digital assistant in a multi-tasking environment
US10509862B2 (en) 2016-06-10 2019-12-17 Apple Inc. Dynamic phrase expansion of language input
US10192552B2 (en) 2016-06-10 2019-01-29 Apple Inc. Digital assistant providing whispered speech
DK179343B1 (en) 2016-06-11 2018-05-14 Apple Inc Intelligent task discovery
DK179415B1 (en) 2016-06-11 2018-06-14 Apple Inc Intelligent device arbitration and control
DK201670540A1 (en) 2016-06-11 2018-01-08 Apple Inc Application integration with a digital assistant
DK179049B1 (en) 2016-06-11 2017-09-18 Apple Inc Data driven natural language event detection and classification
US10593346B2 (en) 2016-12-22 2020-03-17 Apple Inc. Rank-reduced token representation for automatic speech recognition
DK179745B1 (en) 2017-05-12 2019-05-01 Apple Inc. SYNCHRONIZATION AND TASK DELEGATION OF A DIGITAL ASSISTANT
DK201770431A1 (en) 2017-05-15 2018-12-20 Apple Inc. Optimizing dialogue policy decisions for digital assistants using implicit feedback
KR102075796B1 (ko) * 2017-11-14 2020-03-02 주식회사 엘솔루 자동 음성인식 장치 및 방법
CN119339712A (zh) 2018-08-27 2025-01-21 谷歌有限责任公司 故事读者阅读中断的算法确定
CN112955861A (zh) 2018-09-04 2021-06-11 谷歌有限责任公司 用于预缓存特殊效果的故事阅读器进度的检测
CN112805779A (zh) * 2018-09-04 2021-05-14 谷歌有限责任公司 基于语音模糊匹配和置信区间的阅读进度估计
US11328712B2 (en) * 2019-08-02 2022-05-10 International Business Machines Corporation Domain specific correction of output from automatic speech recognition

Family Cites Families (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4277644A (en) * 1979-07-16 1981-07-07 Bell Telephone Laboratories, Incorporated Syntactic continuous speech recognizer
USRE32012E (en) * 1980-06-09 1985-10-22 At&T Bell Laboratories Spoken word controlled automatic dialer
USRE33597E (en) * 1982-10-15 1991-05-28 Hidden Markov model speech recognition arrangement
GB8412424D0 (en) * 1983-10-26 1984-06-20 Marconi Co Ltd Speech responsive apparatus
US4980918A (en) * 1985-05-09 1990-12-25 International Business Machines Corporation Speech recognition system with efficient storage and rapid assembly of phonological graphs
US4748670A (en) * 1985-05-29 1988-05-31 International Business Machines Corporation Apparatus and method for determining a likely word sequence from labels generated by an acoustic processor
US4757541A (en) * 1985-11-05 1988-07-12 Research Triangle Institute Audio visual speech recognition
US4882759A (en) * 1986-04-18 1989-11-21 International Business Machines Corporation Synthesizing word baseforms used in speech recognition
JP2815579B2 (ja) * 1987-03-10 1998-10-27 富士通株式会社 音声認識における単語候補削減装置
US5072452A (en) * 1987-10-30 1991-12-10 International Business Machines Corporation Automatic determination of labels and Markov word models in a speech recognition system
JP2955297B2 (ja) * 1988-05-27 1999-10-04 株式会社東芝 音声認識システム
US5027406A (en) * 1988-12-06 1991-06-25 Dragon Systems, Inc. Method for interactive speech recognition and training
US5033087A (en) * 1989-03-14 1991-07-16 International Business Machines Corp. Method and apparatus for the automatic determination of phonological rules as for a continuous speech recognition system
DE4022511A1 (de) * 1990-07-14 1992-01-16 Grundig Emv Sprachgesteuertes geraet der unterhaltungselektronik insbesondere videorecorder

Also Published As

Publication number Publication date
FI931471A (fi) 1993-10-03
US5329608A (en) 1994-07-12
EP0564166A2 (de) 1993-10-06
KR930022267A (ko) 1993-11-23
DE69327188D1 (de) 2000-01-13
EP0564166B1 (de) 1999-12-08
JPH0612092A (ja) 1994-01-21
CA2088080C (en) 1997-10-07
CA2088080A1 (en) 1993-10-03
EP0564166A3 (en) 1995-03-29
HK1004497A1 (en) 1998-11-27
ES2142332T3 (es) 2000-04-16
FI931471A0 (fi) 1993-04-01

Similar Documents

Publication Publication Date Title
DE69327188T2 (de) Einrichtung für automatische Spracherkennung
DE60215272T2 (de) Verfahren und Vorrichtung zur sprachlichen Dateneingabe bei ungünstigen Bedingungen
DE60004862T2 (de) Automatische bestimmung der genauigkeit eines aussprachewörterbuchs in einem spracherkennungssystem
DE10040214B4 (de) Verfahren und System zur automatischen Erkennung einer Aktualisierung eines Sprachmodells in einem Spracherkennungssystem
DE60203705T2 (de) Umschreibung und anzeige eines eingegebenen sprachsignals
DE60009583T2 (de) Sprecheradaptation auf der Basis von Stimm-Eigenvektoren
DE102017124264B4 (de) Computerimplementiertes Verfahren und Rechensystem zum Bestimmen phonetischer Beziehungen
DE69622439T2 (de) Verfahren und vorrichtung zur ermittlung von kombinierten informationen aus sprachsignalen für adaptive interaktion in unterricht und prüfung
DE69704781T2 (de) Trainingsverfahren und-gerät
DE602004012909T2 (de) Verfahren und Vorrichtung zur Modellierung eines Spracherkennungssystems und zur Schätzung einer Wort-Fehlerrate basierend auf einem Text
DE69330427T2 (de) Spracherkennungssystem für sprachen mit zusammengesetzten wörtern
DE60201262T2 (de) Hierarchische sprachmodelle
DE3337353C2 (de) Sprachanalysator auf der Grundlage eines verborgenen Markov-Modells
EP0797185B1 (de) Verfahren und Vorrichtung zur Spracherkennung
DE69834553T2 (de) Erweiterbares spracherkennungssystem mit einer audio-rückkopplung
DE69725091T2 (de) Verfahren und System zum Editieren von Sätzen während der kontinuierlichen Spracherkennung
EP0925578B1 (de) Sprachverarbeitungssystem und verfahren zur sprachverarbeitung
DE376501T1 (de) Spracherkennungssystem.
DE102018113034A1 (de) Stimmenerkennungssystem und stimmenerkennungsverfahren zum analysieren eines befehls, welcher mehrere absichten hat
EP0994461A2 (de) Verfahren zur automatischen Erkennung einer buchstabierten sprachlichen Äusserung
DE19942178C1 (de) Verfahren zum Aufbereiten einer Datenbank für die automatische Sprachverarbeitung
DE69937854T2 (de) Verfahren und Vorrichtung zur Spracherkennung unter Verwendung von phonetischen Transkriptionen
DE60128372T2 (de) Verfahren und system zur verbesserung der genauigkeit in einem spracherkennungssystem
DE102014107028A1 (de) Verbesserte biometrische Passwortsicherheit
EP1282897B1 (de) Verfahren zum erzeugen einer sprachdatenbank für einen zielwortschatz zum trainieren eines spracherkennungssystems

Legal Events

Date Code Title Description
8364 No opposition during term of opposition