[发明专利]使用地理信息的声学模型适配

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，具有存储于所述计算机可读介质上的指令，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：

接收与移动设备记录的讲话对应的音频信号，

确定与所述移动设备关联的地理位置，

针对所述地理位置适配一个或者多个声学模型，以及

使用针对所述地理位置适配的所述一个或者多个声学模型对所述音频信号执行语音识别。

2.根据权利要求1所述的系统，其中适配一个或者多个声学模型还包括在接收与所述讲话对应的所述音频信号之前适配一个或者多个声学模型。

3.根据权利要求1所述的系统，其中适配一个或者多个声学模型还包括在接收与所述讲话对应的所述音频信号之后适配一个或者多个声学模型。

4.根据权利要求1所述的系统，其中：

所述操作还包括接收与多个移动设备在多个地理位置中记录的音频对应的地理标注的音频信号；以及

针对所述地理位置适配一个或者多个声学模型还包括使用所述地理标注的音频信号的子集、针对所述地理位置适配一个或者多个声学模型。

5.根据权利要求4所述的系统，其中所述操作还包括：

针对所述地理标注的音频信号中的每个地理标注的音频信号确定在与所述移动设备关联的所述地理位置和与所述地理标注的音频信号关联的地理位置之间的距离；以及

选择与在与所述移动设备关联的所述地理位置的预定距离内的地理位置关联、或者与在与关联于所述移动设备的所述地理位置最近的N个地理位置之中的地理位置关联的所述地理标注的音频信号作为所述地理标注的音频信号的所述子集。

6.根据权利要求4所述的系统，其中所述操作还包括：

选择与也与所述移动设备关联的所述地理位置关联的所述地理标注的音频信号作为所述地理标注的音频信号的所述子集。

7.根据权利要求4所述的系统，其中所述操作还包括基于与所述移动设备关联的所述地理位置和与所述讲话关联的情境数据来选择所述地理标注的音频信号的所述子集。

8.根据权利要求7所述的系统，其中所述情境数据包括对所述移动设备记录所述讲话时的时间或者日期进行引用的数据、对所述移动设备在记录所述讲话时测量的速度或者运动量进行引用的数据、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4所述的系统，其中适配所述声学模型包括使用所述地理标注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)。

10.根据权利要求1所述的系统，其中所述讲话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。

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

12.根据权利要求1所述的系统，其中确定所述地理位置还包括确定与所述移动设备关联的以往地理位置或者默认地理位置。

13.根据权利要求1所述的系统，其中所述操作还包括：

生成所述讲话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，其中针对所述地理位置适配一个或者多个声学模型还包括：

从已经针对多个地理位置生成的多个声学模型之中选择针对与所述移动设备关联的所述地理位置生成的所述一个或者多个声学模型。

15.根据权利要求1所述的系统，其中针对所述地理位置适配一个或者多个声学模型还包括：

向单个声学模型使用的特征空间中并入引用所述地理位置的数据。

16.根据权利要求15所述的系统，其中向所述单个声学模型使用的特征空间中并入引用所述地理位置的数据还包括向所述单个声学模型使用的特征空间中并入值，其中所述值包括梅尔频率倒频谱系数和地理坐标。

17.根据权利要求1所述的系统，其中针对所述地理位置适配一个或者多个声学模型还包括向在单个声学模型中包括的状态信息中并入引用所述地理位置的数据。