[发明专利]用于语音启动装置的讲话用户接口

说明书

发明背景

I.发明领域

本发明一般涉及通信领域，更具体地涉及用于语音启动装置的用户接口。

II.背景技术

话音识别(VR)代表一种最重要的技术，可赋予设备模拟智能，以识别用户或用户话音命令，并有助于人们与设备对接。VR还代表一种用于人们语声理解的关键技术。应用技术从语音信号发现语音信息的系统称为话音识别器。这里使用的术语“话音识别器”通常指任何讲话用户接口启动装置。话音识别器通常包含抽取获得对输入原始语言进行VR所必需的承载信息的特征或矢量序列的声处理器，和对特征或矢量序列进行解码以获得有意义的期望输出格式，例如与输入发音对应的语言单词序列的解码器。为增强给定系统的性能，需进行训练以使系统配置有效参数。换言之，在可最佳运行前，系统需要学习。

声处理器是话音识别器中的前端语音分析子系统。响应于输入语音信号，声处理器提供适当的表达以表征随时间变化的语音信号。声处理器排除不相关的信息，如背景噪声、信道失真、讲话者特点及讲话方式等。有效的声处理为话音识别器提供增强的声鉴别能力。为达到该目的，要分析的一个有用特征是短时间频谱包络。两种常用的用于表征短时间频谱包络的频谱分析技术是线性预测编码(LPC)和滤波器组(filter-bank)频谱模拟。示范的LPC技术在USP5414796的美国专利及L.B.Rabiner和R.W.Schafer Digital Processing ofSpeech Signal396-453(1978)中揭示，该专利转让给本发明的受让人，并通过引用，该专利与上述论文与本申请完全结合。

由于安全的原因，VR(也常称为语音识别)正变得日益重要。例如，VR可用于代替按压无线电话键盘上按钮的人工操作。这在用户边驾驶汽车边启动电话呼叫时，尤其重要。在使用无VR功能的电话时，驾驶员必须把一只手从驾驶盘上移开并注视电话键盘，同时按压按钮以拨号呼叫。这些动作增大了汽车意外事故的可能性。语音启动电话(即设计用作语音识别的电话)允许驾驶员连续注视道路，同时进行电话呼叫。免提汽车配套系统还允许驾驶员在启动电话期间，两手保持在驾驶盘上。

语音识别装置分为取决于讲话者的装置或独立于讲话者的装置。独立于讲话者的装置可从任何使用者接受话音命令。最通用的取决于讲话者的装置可加以训练以识别来自特定用户的命令。取决于讲话者的VR装置通常以两个阶段运作，训练阶段和识别阶段。在训练阶段，VR系统提示用户讲一次或两次系统词汇表中的各单词，从而系统可对这些特定单词或短语学习用户语音的特征。对于免提汽车套件的示范性词汇表可包括键盘上的数字；关键词“呼叫(call)”、“发送(send)”、“拨号(dial)”、“取消(cancel)”、“消除(clear)”、“增加(add)”、“删除(delete)”、“历史(history)”、“程序(program)”、“是(yes)”和“不(no)”；预定数量的经常呼叫的同事、朋友或家庭成员的名字。一旦训练完成，用户可通过讲经训练的关键词在识别阶段启动呼叫。例如，如果“John”是训练的名字之一，则用户可通过讲短语“呼叫JOhn”启动对John的呼叫。VR系统可识别单词“呼叫”和“John”并拨用户预先输入作为John电话号码的号。

通常VR装置依赖于讲话用户接口，该接口不同于键盘和监视器等图形用户接口，而允许用户与VR装置交互作用。用户可例如通过进行电话呼叫、接收电话呼叫或使用讲话命令接用例如语音便笺、语音邮件及电子邮件等服务性能，而与VR装置交互作用。用户输入用已知的VR技术获取，经文字到语音(TTS)变换或记录的提示提供向用户的反馈。

用户讲孤立的单词，存储在VR装置的存储器中例如要呼叫的姓名，或口述要执行的命令，诸如编制电话薄、记录和播放话音便笺、或发送附有用户讲话作为语音附件的电子邮件等命令时，VR装置使用孤立词识别。常规VR技术对高达约40或50单词的孤立词识别是相当成熟的。从而，蜂窝式电话上的处理器和存储器资源可用于建立对讲话用户输入极精确的机构。