[发明专利]具有同时文本编辑的语音识别方法和系统

说明书

为了从音频输入生成文本，将来自用户的语音存储在音频队列（201）中，通过语音识别将所存储的语音转换成文本，并向用户显示文本。将由用户输入的文本编辑事件（106、107）也存储在音频队列（20）中，并且即刻向用户显示由文本编辑事件（201）导致的改变。当将在音频队列（20）中排队在文本编辑事件（107）之前的所有语音转换成文本时，停止语音识别，并在将来自用户的另外的语音存储到音频队列（201）中的同时处理（111）文本编辑事件。一处理完文本编辑事件就恢复语音识别。

技术领域

本发明一般地涉及用于将语音（即，所听写的词汇）转换成书面文本的方法和系统。在这样的方法或系统中使用的工具一般地被称作听写工具。本发明尤其关系到在将语音转换成文本的同时允许编辑文本的更加用户友好的方法和系统。

背景技术

在广泛的各种应用中使用将语音或所听写的词汇转换成书面文本的听写工具。一个示例是医学报告的创建。这样的报告的作者，例如放射线学者、心脏病学者、技术人员等，使用语音识别以采用预定义的格式和文本填写医学报告中的某些字段。用户听写词汇，通过话音识别引擎识别这些词汇并将它们转换成被插入到所选择的字段中的文本。

现存的听写工具代表性地具有其中语音被记录并被转换成文本的记录模式，以及其中可以编辑书面文本的编辑模式。如果用户期望操作文本，例如选择文本的一部分、删除词汇、重新听写在句子中的一组词汇等，那么必须停止记录模式，必须开始编辑模式，必须在编辑模式中执行文本操作，并且一旦完成文本编辑就必须重新开始记录模式。必须多次点击允许重新开始记录模式的记录按钮，尤其是当需要多次文本操作时，作为这样的结果，现存的听写工具被认知为非用户友好的。

欧洲专利申请EP2 261 893在段落[0003]中承认到，现存听写系统的模式行为是低效率的，因为词汇的改正需要来自用户的太多的动作或点击。EP2 261 893因此描述了一种用于将音频转换成文本的系统，其具有其中对语音排队的被称作听写模式的记录模式，其中在回放语音的同时显示文本使用户能够回顾文本的同时再现模式，以及其中用户可以改正文本中的词汇的编辑模式。在EP2 261 893中，通过使实现在同时再现模式期间的编辑文本改进了系统的模式行为。然而用户仍不得不在每次期望文本操作时中断听写模式。这使报告创建减度。

本发明的目的是公开解决了此处上面辨别的现有技术解决方案的缺点的用于从所输入的语音生成书面文本的方法和系统。更特别地，其目的在于定义一种增加用户友好度并基本上加速通过话音识别的报告创建的方法和系统。

发明内容

根据本发明，通过由权利要求1限定的用于从音频输入生成并编辑文本的方法来实现上面限定的目的，该方法包括：

- 将来自用户的语音排队在音频队列中；

- 通过语音识别将被存储在所述音频队列中的语音转换成文本；

- 向所述用户显示所述文本；

- 将文本编辑事件排队在所述音频队列中；

- 即刻向所述用户显示由所述文本编辑事件导致的改变；

- 当转换在所述音频队列中排队在所述文本编辑事件之前的所有语音时，停止所述语音识别；

- 在将来自所述用户的另外的语音排队在所述音频队列中的同时处理所述文本编辑事件并编辑所述文本；以及

- 当已经处理了所述文本编辑事件时恢复所述语音识别。