[发明专利]一种中文语音信息通讯系统及其通讯方法

说明书

技术领域

本发明属于通讯领域，具体是一种中文语音信息通讯系统及其通讯方法，该方法通过结合新型语音技术达到简化信息输入和降低通讯成本的目的。

背景技术

当前，实现实时语音通讯的方式很多，主要包括电话、语音对讲、voip等，但是不管何种通讯方式，其传输数据量大，信号质量要求高，成本相对也高。而当前语音信息方案的问题与之相应，要求传输数据量大，传输慢，服务器缓存要求大，成本高，不便于重复利用。与此同时，文字信息的问题则是输入不便。服务器方语音识别的问题是传输数据量大，噪音排除困难，服务器方运算量大，成本高。当前终端语音识别的问题是运算量大，噪音排除困难，快而准确的识别技术不成熟，成本高。

发明内容

本发明所要解决的技术问题是提供一种采用特殊语音输入法的中文语音信息系统及其实现方法。这种语音输入法利用人工辅助对语音分段录入，大大降低了终端设备语音识别的困难度，使语音信息的数据传输量不大于文本信息数据传输量，大大降低了信息传输和中转成本，提高了信息传输速度。在接受终端采用语音合成技术，使信息收发方便快捷廉价。

本发明所述的中文语音信息通讯系统，包括终端机和信息服务器，其中：

所述终端机包括语音识别模块，语音合成模块和信息传输模块以及至少一个用于用户输入往复动作的器件；

所述信息服务器，通过公共网与终端机的信息传输模块连接，提供服务信息中转和组织、查询服务。

此外，本发明还提供了一种中文语音信息通讯方法，该方法的硬件部分包括终端机和信息服务器，

所述终端机包括语音识别模块，语音合成模块和信息传输模块，以及至少一个用于用户输入往复动作的器件；

所述信息服务器，通过公共网与终端机的信息传输模块连接，提供服务信息中转和组织、查询服务。

其通讯过程为：

1)首先发送方持这种终端机输入语音；

2)终端机通过语音识别模块将语音录制并识别成为拼音；

3)终端机的信息传输模块通过固定或移动网络发送拼音信息到信息服务器；

4)信息服务器通过移动网络将拼音信息转发到接收方终端机；

5)接收方终端机的语音合成模块将拼音信息合成后读出给接收方听。

上述步骤2)中将语音识别成为拼音的步骤是：

6)对录制的语音段进行滤波，在元音频段中寻找能量较高的点，这些点处或附近包含有用户发音的元音信息；

7)将以上各点按由高到低顺序与元音发音共振峰特征库进行对比，判别此点处是否是元音，元音口型状态，以及说话人部分声纹特征；

8)在寻找到第一个元音点后，根据该点处共振峰的位置，在语谱中向时间轴上前后跟踪整个发音的元音共振峰能量变化，由此可得到元音发音的起止点；

9)对整个元音发音过程中抽取关键点进行共振峰对比，判断出元音发音过程中口型变化，从而得出准确的元音信息；

10)对元音发音起始点附近可能会有的辅音特征信号进行强化测试对比，测试中根据已获得的部分声纹特征进行预测和判断，以准确获得辅音信息；

11)由以上判定得到准确的音节信息。

用户输入往复动作的器件，可以是为计算机鼠标、触摸板、触摸屏、带按下功能的滚轮或者接触感应的位移传感器。其中效果较好的是触摸板或者触摸屏，该触摸板或者触摸屏上分两个输入区，步骤1)的输入过程为：

按下触摸板或者触摸屏，系统进入准备语音录入阶段，

当手指从触摸板或者触摸屏一区滑向另一区时，用户说出一个字并通过麦克由语音识别模块录音，当手指从触摸板或者触摸屏的另一区滑回来时，用户说出下一个字，再通过麦克由语音识别模块录音，如此往复，

松开触摸板或者触摸屏，语音识别模块终止语音录入状态并将上述录音自动作为一到数个汉字的发音加以识别，识别过程中自动组词。

当用户输入往复动作的器件为计算机鼠标时，步骤1)的输入过程为：

按下鼠标按键，系统进入准备语音录入阶段；

向一个方向滑动鼠标，用户说出一个字并通过麦克由语音识别模块录音，当向相反方向滑动鼠标时，用户说出下一个字，再通过麦克由语音识别模块录音，如此往复，

松开鼠标按键，语音识别模块终止语音录入状态并将上述录音自动作为一到数个汉字的发音加以识别，识别过程中自动组词。

当用户输入往复动作的器件包括带按下功能的滚轮或接触感应的位移传感器时，步骤1)的输入过程为：

手指按下，系统进入准备语音录入阶段；