[发明专利]利用片段对大列表进行语音识别

说明书

技术领域

本发明涉及一种语音识别方法，其经由语音输入从条目列表中选取一个 条目，本发明还涉及一种语音识别系统。

背景技术

在许多应用中，诸如导航、名称拨号或者音频/视频播放器控制中，需要 从诸如城市名、街道名、固有名称、地址或音乐题目等大量条目的列表中选 取一个条目。为了可以在具有中等容量存储器的处理器资源中进行语音识 别，常常使用一种具有两个步骤的语音识别方法。在第一步中，由语音识别 模块识别音素序列(phoneme sequence)或音素串。然而，音素识别的识别 准确率通常是不可接受的，其中会出现很多音素被替换、插入以及删除的情 况。然后，将诸如音素串等已识别的语音输入与可能会很长的按照发音转录 的条目列表进行比较，以确定较短的最佳匹配条目的候选列表。然后，将候 选列表作为新的词汇表提供给语音识别器，以供第二次识别途径使用。由于 对第一步中进行的识别要求不高，而在进行计算繁重的第二步时仅使用了大 条目列表的一个小子集，这个方法节省了计算资源。从WO 2004/077405 A1 中可以了解以上讨论的具有两个步骤的语音识别方法。

然而，在列表非常大的情况下，计算负担仍然非常大。在导航系统具有 语音驱动控件的情况下，会出现驱动器/扬声器说出诸如城市和目的城市的街 道相结合的目的地组合的情况。例如，德国大约存在三百万个城市-街道的 组合。当对这样大的列表执行识别步骤时，上述匹配步骤将需要过多的存储 器和匹配运行时间，从而不能集成在车辆的嵌入式系统中。在其它应用领域 也可能存在这些大列表，例如，当在产品中集成了歌曲的声控选择时选择艺 术家姓名、艺术家的歌曲。

发明内容

于是，存在对从条目列表中选取条目的语音识别方法进行改进的需要， 从而，进一步最小化计算负担。

独立权利要求的特征满足了此需求。在从属权利要求中，描述了本发明 的优选实施例。

根据本发明的第一个方面，提供了一种经由语音输入从条目列表选取条 目的语音识别方法。此方法包括检测和识别语音输入的步骤。进一步，提供 了列表条目的片段。然后，已识别的语音输入被用来与条目列表进行比较， 以便基于比较结果生成最佳匹配条目的候选列表。根据本发明的一个方面， 通过将已识别的语音输入与列表条目的所述片段进行比较，生成候选列表。 通过将列表条目片段而不是完整的列表条目用于比较步骤，相比将已识别的 语音输入与完整的列表条目进行匹配的匹配过程，计算负担可被降低到最小 程度。在大列表的情况下，在列表条目中可以重复使用各个片段，例如，在 目的地的情况中，在很多列表条目中可能存在片段*street(英语“街道”)或 *strasse(德语“街道”)。进一步，在列表条目为城市街道组合的情况下，对 于所述城市的每个街道都可能存在城市名。因此，片段列表将比初始列表短 得多。进一步，片段本身也比对应的列表条目更短。这些方面共同使得运行 时性能得到显著提高。

根据一种优选实施例，至少为每个列表条目提供一个片段。进一步，可 以为每个片段加入至少一个通配符。由于分割的原因，片段仅表示列表条目 的一部分。通配符则表示当生成列表条目的片段时所没有考虑的列表条目部 分。优选地，通配符能够一律匹配任何其它部分。这意味着片段本身将准确 匹配与之相关联的语音输入部分，而(语音输入的)其它任何部分则匹配通 配符。即使在匹配步骤中不能完全避免通配符的影响，也能够最小化其影响。 可以通过计算或者实验测试确定通配符的权重。

当执行列表条目分割时，优选地，片段的列表基本上包含所有不同的列 表条目片段。为了生成最佳匹配条目的候选列表，将已识别的语音输入与包 含所有不同片段的片段列表进行比较。这个完整的片段列表比完整的条目列 表短。当在匹配步骤中使用所述完整的片段列表时，由于许多片段出现在许 多不同的列表条目中，已识别的语音输入是和更短的列表进行比较，所以， 可以最小化计算负担。