[发明专利]在语音识别过程中用于缓存识别的单词的方法和系统

说明书

本发明涉及计算机语音识别，更具体说，涉及由语音识别系统产生的听写内容的编辑。

允许讲话者有效地听写以及允许听写内容被自动的识别的计算机语音信息系统是计算机语音系统开发者长期以来研究的目标。由这种计算机语音识别(CSR)系统产生的好处是具有实质性的。例如，不是通过打字的方法将文件输入到计算机系统中，而是简单地通过念出该文件的单词，CSR系统就将会识别这些单词并将每个单词的字母存储，如同这些单词是被打字进去的一样。由于人们通常讲话比打字快，所以可以提高效率。而且，人们也无需要再去学习打字。由于人的手被除了打字以外的其他工作所占用，所以计算机可具有的许多应用，在目前来讲是不可能的。

典型的CSR系统具有一个识别部分和一个听写编辑部分。识别部分控制讲话者的一系列的发音的接收，识别每一发音，并且将每一个发音所识别的词发送到听写编辑部分。听写编辑部分显示识别的词并允许使用者纠正被误识别的词。例如，听写编辑部分允许使用者或者通过重新念这个单词或者打出正确的单词来替代一个被误识别的单词。

识别部分典形地包括字典中每个单词的发音的模型。当识别部分接收到讲话发音时，识别部分将讲话发音与词典中的每个单词的模型发音相比较以便发现与讲话发音最接近的模型发音。典形的识别部分计算每个模型发音与讲话发音匹配的可能性。这种识别部分向听写编辑部分发送一系列的与讲话发音最高可能性相匹配的单词作为识别的单词表。

听写编辑部分从具有最高可能性的识别的单词表中选择出单词作为所识别的与讲话发音相对应的单词。听写编辑部分然后显示该单词。但是如果显示的单词是讲话发音的错误识别，则听写编辑部分允许讲话者纠正错误识别的单词。当讲话者指示纠正错误识别的单词时，听写编辑部分显示一个纠正窗口，该窗口包含以上识别的单词表中的单词。当该表中的单词中的一个是正确的单词时，讲话者可以单击此单词来执行纠正。但是，如果正确的词或不在该表中，讲话者则或者重新讲话或者打出正确的单词。

一些CSR系统被用作字处理器的听写装置。这种CSR系统控制讲话发音的接收和识别并且还向字处理器发送与识别的单词相对应的每个字符。这种配置的优点是当讲话者试图纠正己讲的单词时，字处理器不对已经识别的单字表进行访问，因此不能够显示这些单词以便于纠正。

本发明提供了一种新型的和改进型的计算机语音识别(CSR)系统，这种系统具有一个识别部分和一个听写编辑部分。听写编辑部分可以用来快速纠正误识别的单词。听写编辑部分允许讲话者通过调整纠正窗口的大小来选择在纠正窗口中显示的替换单词号。听写编辑部分在纠正窗口中以字母次序显示单词，以便于找出正确的单词。根据本发明的另一方面，基于对先前的讲话发音和最新的讲话发音之间的分析，当误识别的单词或短语被讲出时，这种CSR系统消除了新的讲话发音被再次识别成与误识别的单词或短语相同的单词或短语。这种听写编辑部分也能够允许讲话者在将识别的单词转移到字处理器之前，规定在听写编辑部分中缓存的语音的数量。该听写编辑系统也可以使用一种单词纠正类比器(metaphor)或者短语纠正类比器，来改变编辑工作，这种工作通常是以字符为基础的，来将其改变成或者是以单词为基础的或者是以短语为基础的。

附图1A显示了可调整大小的纠正窗口的例子。

附图1B显示了在调整大小之后的纠正窗口的例子。

附图2A显示一个可调整的听写窗口。

附图2B显示了使用一个纠正窗口在听写窗口中纠正文本。

附图3A-B显示了用于听写编辑部分的单词/短语纠正类比器。

附图4A-C是最佳实施例的计算机系统的方框图。

附图5A是具有可调整大小的纠正窗口的听写编辑部分的流程图。

附图5B是可调整大小的纠正窗口的窗口程序的流程图。

附图6是具有可调整的听写窗口的听写编辑部分的流程图。

附图7是执行单词纠正类比器的字处理器或者听写编辑部分的窗口程序的流程图。

附图8是能从进一步的识别中消除误识别单词的CSR系统的流程图。

附图9是自动识别训练的流程图。