[发明专利]依赖于文本信息语境的语音识别

权利要求书

1.一种自动语音识别方法，包括下列步骤：

a) 通过麦克风从用户接收对文本信息的回复话语，所述麦克风将所述回复话语转换为语音信号；

b) 使用至少一个处理器来预处理所述语音信号，以从所述语音信号提取声音数据；

c) 使用与所述文本信息相关的会话语境来识别多个声音模型中的一个声音模型，以解码所述声音数据；以及

d) 使用识别的声音模型来解码所述声音数据，以产生用于所述回复话语的多个假设。

2.如权利要求1的方法，还包括如下步骤：

e) 后处理所述多个假设，以将所述假设中的一个识别为所述回复话语。

3.如权利要求2的方法，还包括如下步骤：

f) 将所述识别的假设展现给用户；

g) 从用户寻求所述识别的假设为正确的确认；以及

h) 如果用户确定所述识别的假设是正确的，那么输出所述识别的假设作为回复文本信息的至少一部分。

4.如权利要求3的方法，还包括如下步骤：

i) 处理所述文本信息，利用会话语境特定的语言模型识别对应于所述文本信息的会话语境，以及利用情感语境特定的语言模型识别对应于所述文本信息的情感语境，其中所述语言模型存储在客户端装置上；以及

j) 使用所述情感语境来完善所述声音模型的识别。

5.如权利要求2的方法，还包括如下步骤：

f) 利用识别的假设来改编所述多个声音模型，用以随时间完善语音识别性能。

6.如权利要求5的方法，其中步骤a)和b)在语音识别客户端装置上执行，步骤c)至f)在语音识别服务器上执行。

7.如权利要求6的方法，其中改编步骤f)还包括使用所述识别的假设改编存储在所述服务器上的多个语境特定的语言模型，和将所述多个语境特定的语言模型从所述服务器发送至所述客户端装置，以更新存储在所述客户端装置上的语言模型，用以随时间改善文本信息语境分类。

8.如权利要求6的方法，还包括如下步骤：

在所述语音识别客户端装置接收文本信息；

处理所述文本信息，利用会话语境特定的语言模型来识别对应于所述文本信息的会话语境，和利用情感语境特定的语言模型来识别对应于所述文本信息的情感语境，其中所述语言模型存储在客户端装置上；以及

发送所述识别的会话和情感语境至所述语音识别服务器。

9.一种自动语音识别方法，包括如下步骤：

a) 在语音识别客户端装置接收文本信息； 

b) 使用所述客户端装置的至少一个处理器通过存储在所述客户端装置上的会话语境特定的语言模型来处理所述文本信息，以识别对应于所述文本信息的会话语境；

c) 从所述文本信息合成语音；

d) 通过所述客户端装置的扬声器将所述合成的语音发送至所述客户端装置的用户；

e) 通过所述客户端装置的麦克风从用户接收回复话语，所述麦克风将所述回复话语转换为语音信号；

f) 使用至少一个处理器来预处理所述语音信号，以从所述接收的语音信号提取声音数据；

g) 将所述提取的声音数据和识别的会话语境发送至语音识别服务器；

h) 使用识别的会话语境来识别存储在所述服务器上的多个声音模型中的一个声音模型，以解码所述声音数据；

i) 使用识别的声音模型来解码所述声音数据，以产生用于所述回复话语的多个假设；以及

j) 后处理所述多个假设，以将所述假设之一识别为所述回复话语。

10.一种自动语音识别方法，包括如下步骤：

a) 在语音识别客户端装置接收文本信息； 

b) 使用所述客户端装置的至少一个处理器通过存储在所述客户端装置上的会话语境特定的语言模型来处理所述文本信息，以识别对应于所述文本信息的会话语境；

c) 从所述文本信息合成语音；

d) 通过所述客户端装置的扬声器发送所述合成的语音至所述客户端装置的用户；

e) 通过所述客户端装置的麦克风从用户接收回复话语，所述麦克风将所述回复话语转换为语音信号；

f) 使用至少一个处理器预处理所述语音信号，以从接收的语音信号提取声音数据；

g) 使用识别的与所述文本信息相关的会话语境，识别所述多个声音模型中的一个声音模型，以解码所述声音数据；

h) 使用识别的声音模型解码所述声音数据，以产生用于所述回复话语的多个假设；

i) 确定与所述回复话语的多个假设的至少一个相关的信任值是否大于或小于信任阈值；

j) 如果所述信任值被确定为小于所述信任阈值，那么将提取的声音数据和会话语境发送至语音识别服务器，否则后处理所述多个假设，以将所述假设之一识别为所述回复话语，并从所述客户端装置输出所述识别的假设作为回复的文本信息的至少一部分；

k) 使用识别的会话语境在所述服务器识别存储在所述服务器的多个声音模型中的一个声音模型，以解码所述声音数据；

l) 使用在所述服务器识别的所述声音模型解码所述声音数据，以产生用于所述回复话语的多个假设；

m) 后处理所述多个假设，以将所述假设之一识别为所述回复话语；以及

n) 从所述服务器输出所述识别的假设作为回复的文本信息的至少一部分。