[发明专利]学习个性化实体发音

说明书

本申请涉及学习个性化实体发音。本公开提供了方法、系统和设备，其包括在计算机存储介质上被编码的用于实施发音字典的计算机程序。所述方法包括：接收与包括命令和实体名称的讲话对应的音频数据。另外，所述方法可以包括：通过自动语音识别器，生成对所述音频数据中与所述实体名称相关联的部分的初始转录，接收对所述讲话中与所述实体名称相关联的所述部分的修正转录，获取与所述音频数据中与所述实体名称相关联的所述部分相关联的音标发音，对发音字典进行更新以将所述音标发音与所述实体名称相关联，接收包括所述实体名称的后续讲话，以及至少部分地基于更新后的发音字典来对所述后续讲话进行转录。可以提供改进的语音识别和更高质量的转录。

技术领域

本说明书大体上涉及语音识别。

背景技术

装置的用户可以按照多种不同的方式与装置交互，方式包括，例如，使用鼠标或者触控板从所显示的一组项中做出选择、经由键盘输入字符、或者对着麦克风说出语音命令。当处理语音命令时，如果说话者使用偏离与在发音字典中的单词相关联的规范发音的特定单词的发音，则自动语音识别器(ASR)可能难以准确地识别语音命令。

发明内容

本公开的方面可以促进基于用户与移动装置的交互实施可以存储实体名称的不同的、非规范发音的发音字典。在某些情况下，发音字典可以适应可能会更改用户对某些单词的发音的用户语音的唯一特征。例如，可以对发音字典进行初始化，从而使实体名称“Mara”与音标发音“MAW·rra”对应。然而，通过利用本公开的方面，发音字典可以学习特定用户将实体名称“Mara”发音为“MA·ra”。因此，基于与特定用户的交互，发音字典可以学习将发音“MA·ra”与实体名称“Mara”相关联。通过利用本公开的方面，可以提供改进的语音识别和更高质量的转录。

在某些方面中，本说明书中所体现的主题可以体现为方法，该方法包括如下动作：接收与包括命令和实体名称的讲话对应的音频数据。附加动作可以包括：通过自动语音识别器，生成音频数据中与实体名称相关联的部分的初始转录，接收讲话中与实体名称相关联的部分的、与初始转录不同的修正转录，响应于接收到讲话中与实体名称相关联的部分的、与初始转录不同的修正转录，获取与音频数据中与实体名称相关联的部分相关联的音标发音，对发音字典进行更新以将音标发音与实体名称相关联，接收包括实体名称的后续发言，以及至少部分地基于更新后的发音字典来对后续讲话进行转录。

其它版本包括编码在计算机存储装置上的、被配置为执行方法的动作的对应系统、设备、计算机程序、以及该配置为使计算设备执行方法的动作的计算机程序。

这些和其它版本可以分别可选地包括以下特征中的一个或者多个。例如，在某些实施方式中，接收对讲话中与实体名称相关联的部分的、与初始转录不同的修正转录可以包括：接收指示从一个或者多个实体名称的列表中选择实体名称的数据，或者接收指示经由小键盘输入并且作为对实体名称的指示的一个或者多个字符的数据。

在某些方面中，对发音字典进行更新可以包括：识别与实体名称相关联的发音字典条目，删除该条目的与初始转录的音标发音对应的部分，以及将与获取的音标发音相关联的音标发音存储在与实体名称相关联的发音字典条目中。

在某些实施方式中，该方法可以包括如下动作：将时间戳与接收到的音频数据的至少一部分相关联；以及对接收到的音频数据的一个或者多个部分进行缓存，直到识别到对讲话的正确转录并且完成与接收到的讲话相关联的所述命令。在这种实施方式中，获取与音频数据中与实体名称相关联的部分相关联的音标发音可以包括：基于与接收到的音频数据的至少一部分相关联的时间戳来获取最近接收到的音频数据的部分；以及基于通过使用声学模型而获取到的一组音素来生成所获取的最近接收到的音频数据的部分的音标发音。

在其它实施方式中，该方法可以包括动作，该动作包括：响应于将发音字典更新为包括获取到的音标发音，增加与音标发音相关联的全局计数器。