[发明专利]使用远程源对本地语音识别系统的语言模型修改

说明书

使用远程语音识别源修改本地语音识别系统的语言模型。在一个示例中，接收语音话语。将语音话语发送给至少一个远程语音识别系统。从远程语音识别系统接收与话语相对应的文本结果。使用本地词汇表来生成本地文本结果。将接收到的文本结果和所生成的文本结果相比较以确定在本地词汇表之外的词语，并且使用词汇表外词语来更新本地词汇表。

领域

本说明书涉及用于连接的设备的语音识别，且具体地涉及使用本地和远程资源两者的语音识别。

背景

蜂窝电话和机动车已经长久提供了语音识别系统以用于免手操作、导航、以及控制娱乐系统。这些系统遭受理解多种语言、方言、词汇表、以及发音风格的困难。不良发音(diction)和背景噪声使得语音识别愈加困难。一些设备通过只识别几个语句而操作良好。在一些情形中，可能语句的列表被系统显示在屏幕上或可听地朗诵给用户。用户说出这些语句之一并随后设备重复该语句以供确认。

随着用于智能电话的数据连通性和物联网的出现，耦合到大量数据库的大型且强大的服务器可用于连接的设备。这允许针对更多语言和更多词语的好得多的识别。较新产品允许用户不仅向他们的智能电话、电视机、以及游戏控制台讲话，还向手表、健康传感器、眼镜以及其他便携式和可穿戴设备讲话。

随着手持式和可穿戴通信设备的使用以及种类的增加，语音理解和音频质量已变得日益重要。许多手持式和可穿戴设备接收语音和其他音频并将捕获到的音频发送给远程服务器。远程服务器将该语音转换成文本或命令并将它发送回连接的设备。这允许该语音被用于语音命令。云语音识别系统被设计成提供与用户的声学、词汇表、和语法无关的良好准确性。在云中实现的系统可以使用非常大的声学和语言模型来满足这一目标，并且可以频繁地更新模型。

附图说明

各实施例作为示例而非限制在所附附图中示出，在附图中，同样的参考编号指代同样的元件。

图1是根据一实施例的具有对远程资源的接入的连接的设备的系统的框图。

图2是根据一实施例的图1的连接的设备的操作的框图。

图3是根据一实施例的识别语音并更新本地语音识别系统的过程流程图。

图4是根据一实施例的在本地语音识别系统处标识词汇表外词语的过程流程图。

图5是根据一实施例的在本地语音识别系统处标识词汇表外词语的替换方案的过程流程图。

图6是根据一实施例的包括语音识别和本地语音识别增强的计算设备的框图。

详细描述

尽管有远程连接的可用性，但基于服务器的自动语音识别系统具有至少四个缺点。第一，网络可能不总是可用。第二，网络无线电装置(诸如Wi-Fi或蜂窝)使用功率，从而降低便携式设备的电池寿命。第三，一些用户可能出于隐私原因而想要避免向服务器发送文本、命令、日历以及联系人信息。第四，介入双向通信和服务器处理可能减慢用户界面。然而，在该设备没有使用强大的服务器系统时，语音识别用户体验被降级。这是因为客户端设备上的有限本地资源。这包括有限客户端处理能力和存储器限制。

云语音识别系统可以使用非常大的声学和语言模型，频繁地更新模型。具有大型客户端数据库的大型服务器系统还可使用预测系统来在语音话语完成之前开始处理它。非常常见的问题可被非常快速地回答。即使不常见的问题花费较长时间，用户体验通常也被改进。对于客户端系统，向讲单种语言和方言且具有类似发音和措辞风格的单个用户提供良好准确度通常就足够了。这一降低的多样性允许使用较小量的存储器来构造紧凑客户端模型，与云中的大型用户无关的模型相比，该紧凑客户端模型对于单个或几个用户执行得同样好或更好。甚至在设备具有多个用户时，因为他们通常因地理位置、工作场所、或家庭而相关，所以客户端模型仍然可保持非常小。