[发明专利]用于增强话音识别准确度的有地理标记的环境音频

权利要求书

1.一种系统，包括：

一个或者多个计算机；以及

计算机可读介质，耦合到所述一个或者多个计算机，所述计算机可读介质具有存储于其上的指令，所述指令在由所述一个或者多个计算机执行时使所述一个或者多个计算机执行操作，所述操作包括：

接收与由多个移动设备在多个地理位置记录的环境音频对应的有地理标记的音频信号，

接收与由特定移动设备记录的话语对应的音频信号，

确定与所述特定移动设备相关联的特定地理位置，

使用所述有地理标记的音频信号的子集来针对所述特定地理位置生成噪声模型，以及

使用已经针对所述特定地理位置生成的所述噪声模型来对与所述话语对应的所述音频信号执行噪声补偿。

2.根据权利要求1所述的系统，其中所述操作还包括使用所述噪声补偿的音频信号来对所述话语执行话音识别。

3.根据权利要求1所述的系统，其中生成所述噪声模型还包括在接收与所述话语对应的所述音频信号之前生成所述噪声模型。

4.根据权利要求1所述的系统，其中生成所述噪声模型还包括在接收与所述话语对应的所述音频信号之后生成所述噪声模型。

5.根据权利要求1所述的系统，其中所述操作还包括：

为每个所述有地理标记的音频信号确定在所述特定地理位置和与所述有地理标记的音频信号相关联的地理位置之间的距离；以及

选择与在所述特定地理位置的预定距离内的地理位置相关联、或者与在N个与所述特定地理位置最近的地理位置之中的地理位置相关联的所述有地理标记的音频信号作为所述有地理标记的音频信号的所述子集。

6.根据权利要求1所述的系统，其中所述操作还包括：

选择与所述特定地理位置相关联的所述有地理标记的音频信号作为所述有地理标记的音频信号的所述子集。

7.根据权利要求1所述的系统，其中所述操作还包括基于所述特定地理位置、并且基于与所述话语相关联的上下文数据选择所述有地理标记的音频信号的所述子集。

8.根据权利要求6所述的系统，其中所述上下文数据包括引用所述移动设备何时记录所述话语的时间或者日期的数据、引用所述特定移动设备在记录所述话语时测量的速度或者运动量的数据、引用所述移动设备的设置的数据、或者引用所述移动设备的类型的数据。

9.根据权利要求1所述的系统，其中所述话语代表语音搜索查询，或者向数字口授应用或者对话系统的输入。

10.根据权利要求1所述的系统，其中确定所述特定地理位置还包括从所述移动设备接收引用所述特定地理位置的数据。

11.根据权利要求1所述的系统，其中确定所述特定地理位置还包括确定与所述设备相关联的以往地理位置或者默认地理位置。

12.根据权利要求1所述的系统，其中生成所述噪声模型包括使用所述有地理标记的音频信号的所述子集作为训练集来训练高斯混合模型(GMM)。

13.根据权利要求1所述的系统，其中所述操作还包括：

生成所述话语的一个或者多个候选转录；以及

使用所述一个或者多个候选转录来执行搜索查询。

14.根据权利要求1所述的系统，其中所述操作还包括：

处理所述接收的有地理标记的音频信号以排除所述环境音频的、包括所述多个移动设备的用户的语音的部分。

15.根据权利要求1所述的系统，其中所述操作还包括从针对所述多个地理位置生成的多个噪声模型之中选择针对所述特定地理位置生成的所述噪声模型。

16.根据权利要求14所述的系统，其中：

所述操作还包括：

限定围绕所述特定地理位置的区域，

从所述多个噪声模型之中选择与所述区域内的地理位置相关联的多个噪声模型，以及

生成所述选择的噪声模型的加权组合；并且

使用所述选择的噪声模型的加权组合来执行所述噪声补偿。

17.根据权利要求1所述的系统，其中生成所述噪声模型还包括：使用所述有地理标记的音频信号的所述子集以及使用所述音频信号的与所述话语对应的环境音频部分来针对所述特定地理位置生成所述噪声模型。