[发明专利]利用外部数据源重新识别语音

权利要求书

1.一种计算机实施的方法，包括：

基于由自动语音识别器的声音模型生成的声音分值，从所述自动语音识别器的语言模型为与由所述自动语音识别器接收的声音数据相对应的子词获得讲话的初始候选转录，所述声音数据对所述讲话进行编码；

基于所述自动语音识别器在生成所述初始候选转录时未使用的语言模型来识别与出现在所述初始候选转录中的一个或多个词语发音相似的一个或多个词语；

基于所识别的一个或多个词语来生成一个或多个附加的候选转录；

针对每个候选转录，确定反映所述候选转录预期被说出的频繁程度的可能性分值；

针对每个候选转录，将所述候选转录扩展成子词，从所述声音模型识别与所述候选转录的每个子词相对应的声音分值，以及根据从所述声音模型为所述候选转录的子词识别的声音分值确定声音匹配分值，所述声音匹配分值反映所述候选转录与所述讲话之间的发音相似度；以及

根据基于所述声音匹配分值和所述可能性分值的组合生成的相应总分值从所述候选转录中选择一个转录。

2.根据权利要求1所述的方法，其中，所述自动语音识别器在生成所述初始候选转录时未使用的语言模型包括未处于所述自动语音识别器在生成所述初始候选转录时所使用的语言模型中的一个或多个词语。

3.根据权利要求1所述的方法，其中，所述自动语音识别器在生成所述初始候选转录时未使用的语言模型以及所述自动语音识别器在生成所述初始候选转录时所使用的语言模型都包括一个或多个词语的序列，但是将所述序列指示为具有不同的出现可能性。

4.根据权利要求1所述的方法，其中，所述自动语音识别器在生成所述初始候选转录时未使用的语言模型指示词或词序列出现的可能性。

5.根据权利要求1所述的方法，其中，确定反映所述候选转录与所述讲话之间的发音相似度的声音匹配分值包括：

从所述自动语音识别器获得子词声音匹配分值；

识别与所述候选转录相对应的所述子词声音匹配分值的子集；以及

基于与所述候选转录相对应的所述子词声音匹配分值的子集来生成所述声音匹配分值。

6.根据权利要求1所述的方法，其中，确定反映所述候选转录预期被说出的频繁程度的可能性分值包括：

基于所述自动语音识别器在生成所述初始候选转录时未使用的语言模型来确定所述可能性分值。

7.根据权利要求1所述的方法，其中，基于所识别的一个或多个词语来生成一个或多个附加的候选转录包括：

利用出现在所述初始候选转录中的一个或多个词语替代所识别的与出现在所述初始候选转录中的一个或多个词语发音相似的一个或多个词语。

8.一种系统，包括：

一个或多个计算机以及存储能够进行操作的指令的一个或多个存储设备，所述指令在被所述一个或多个计算机执行时使得所述一个或多个计算机执行操作，包括：

基于由自动语音识别器的声音模型生成的声音分值，从所述自动语音识别器的语言模型为与由所述自动语音识别器接收的声音数据相对应的子词获得讲话的初始候选转录，所述声音数据对所述讲话进行编码；

基于所述自动语音识别器在生成所述初始候选转录时未使用的语言模型来识别与出现在所述初始候选转录中的一个或多个词语发音相似的一个或多个词语；

基于所识别的一个或多个词语来生成一个或多个附加的候选转录；

针对每个候选转录，确定反映所述候选转录预期被说出的频繁程度的可能性分值；

针对每个候选转录，将所述候选转录扩展成子词，从所述声音模型识别与所述候选转录的每个子词相对应的声音分值，以及根据从所述声音模型为所述候选转录的子词识别的声音分值确定声音匹配分值，所述声音匹配分值反映所述候选转录与所述讲话之间的发音相似度；以及

根据基于所述声音匹配分值和所述可能性分值的组合生成的相应总分值从所述候选转录中选择一个转录。