CN103544954A - 用于向语音消息添加文字标签的方法和装置 - Google Patents

Abstract

本发明提供了一种用于向语音消息添加文字标签的方法和装置。所述方法包括：对所述语音消息进行语音识别；根据语音识别的结果为所述语音消息生成文字标签；以及将所述文字标签附加到所述语音消息以呈现给用户。利用本发明能够使得用户方便快速地了解语音消息的内容。

Description

用于向语音消息添加文字标签的方法和装置

技术领域

本发明涉及通信领域，更具体而言，涉及一种用于向语音消息添加文字标签以使得用户能够方便快速地了解语音消息的内容的方法和装置。

背景技术

当前，各种各样的即时通信(IM)应用已被人们所熟知和使用。除了最初的文本消息交流之外，各种IM应用通常还能够支持在线语音和视频聊天、在线或离线数据传输、电子邮件等功能。近年来，尤其是随着移动互联网的发展，出现了许多能够支持语音消息传输的IM应用，例如QQ、微信、米聊等，这些IM应用可以运行于固定或移动终端上。

与文本消息类似，语音消息，有时也称为语音短信，在本文中是指通信双方利用IM应用软件以语音形式进行的消息交互。图1示出了现有技术中利用IM应用软件进行语音消息交互的一个屏幕截图。在图1的示例中，该IM应用软件是微信，然而本领域技术人员可以理解，当前的其他IM应用软件与微信具有类似的操作功能和显示界面，因此本发明同样适用。

具体而言，图1显示了用户B与联系人A通过微信进行语音消息交互的情况，其中联系人A向用户B发送了语音消息12、14、16和18，而用户B向联系人A发送了语音消息22。可以看出，在使用微信进行语音消息交互时，使用如图所示的图标来指示接收或发送的语音消息12、14、16、16和22，这些图标只显示了语音消息持续的时间长度，而不能指示任何其他信息。然而，如果用户(如用户B)登录时接收到多条未读的语音消息，则他/她必须一条接一条地收听这些语音消息才能知道每条语音消息的内容，这是一件非常耗时和麻烦的工作。当未读的语音消息的数量很大而其中某些语音消息中包含非常重要和紧迫的信息时，这有可能由于不能及时读取重要的信息而误事。或者，如果用户想要从以往接收的大量语音消息中寻找某条特定的语音消息，他/她也必须必须一条接一条地重新读取这些语音消息，这也会是一件非常耗时和麻烦的工作。

因此，本发明的目的在于提供一种向语音消息添加文字标签的方法和装置，使得用户不需要逐条地查看语音消息就能够知道该语音消息的内容。

发明内容

根据本发明的一个方面，提供了一种用于向语音消息添加文字标签的方法。所述方法包括：对所述语音消息进行语音识别；根据语音识别的结果为所述语音消息生成文字标签；以及将所述文字标签附加到所述语音消息以呈现给用户。

根据本发明的另一个方面，提供了一种用于向语音消息添加文字标签的装置。所述装置包括：语音识别单元，用于对所述语音消息进行语音识别；文字标签生成单元，用于根据语音识别的结果为所述语音消息生成文字标签；以及附加单元，用于将所述文字标签附加到所述语音消息以呈现给用户。

利用本发明的方案，通过向语音消息添加文字标签来指示该语音消息的内容，使得用户能够方便快速地了解语音消息的内容。

附图说明

通过以下的结合附图的详细说明，本发明的其他目的和特征将变得更加显而易见，在各个附图中，相似的附图标记表示相同的或相应的元素，其中

图1示出了现有技术中利用IM应用软件进行语音消息交互的一个屏幕截图；

图2示出了根据本发明的实施例的用于向语音消息添加文字标签的方法的流程图；

图3示出了根据本发明的一个实施例的向语音消息添加了文字标签之后的屏幕截图；

图4示出了根据本发明的另一个实施例的向语音消息添加了文字标签之后的屏幕截图；

图5示出了根据本发明的实施例的用于向语音消息添加文字标签的装置的方框图；以及

图6示出了用于实践本发明的实施例的移动终端的示意性方框图。

具体实施方式

如前所述，在现有技术中，由于用户只有读取了语音消息才能够知道该语音消息的内容，因此不能方便快速地从大量语音消息中选择或确定所希望的语音消息，如图1中所示。鉴于此，本发明的发明构思在于通过向语音消息添加文字标签来使得用户能够方便快速地了解该语音消息的内容，从而便于选择或确定所希望的语音消息。

图2示出了根据本发明的实施例的用于向语音消息添加文字标签的方法200的流程图。

方法200开始于步骤210。在步骤220，对语音消息进行语音识别。当前已经有许多成熟的语音识别算法可供使用，例如包括但不限于：动态时间规整(Dynamic Time Warping，DTW)、隐式马尔科夫模型(Hidden Markov Model，HMM)、矢量量化(VectorQuantization，VQ)以及人工神经网络(Artificial Neural Network，ANN)等。本发明的发明构思不着重于此，因此不再赘述。

在一种实施方式中，可以对语音消息的部分或全部进行语音识别，将其转化为文字来作为语音识别的结果。作为一个实例，可以设置一个时间长度阈值，例如5秒钟。对于长度小于该时间长度阈值的语音消息，对其全部内容进行语音识别，而对于长度大于5秒钟的语音消息，仅对其前5秒钟的内容进行语音识别。

接下来，在步骤230，根据步骤220所得到的语音识别的结果为该语音消息生成文字标签。

在一种实施方式中，生成文字标签包括从语音识别的结果中提取关键字作为语音消息的文字标签。仍然以图1的情况为例，假设语音消息12、14、16和18进行语音识别后的结果分别为“我现在跟你说一下周六的活动安排”、“上午9点在东区报告厅听学术报告”、“下午3点在西区体育馆与西区代表队进行篮球比赛”、“注意上午去东区报告厅要带学生证，下午去西区体育馆要穿运动服和运动鞋”。

在一种实施方式中，所提取的关键字可以是时间、地点、人名、动作等中的一项或多项。并且，还可以设置关键字的个数。以图1的上述情况为例，假设所提取的关键字是时间和地点，则为语音消息12、14、16和18生成的语音标签32、34、36和38可以分别为，例如“周六”、“上午9点、东区报告厅”、“下午3点、西区体育馆”、“上午、下午”。若所提取的关键字还包括动作，则为语音消息12、14、16和18生成的语音标签32、34、36和38可以分别为，例如“周六、活动”、“上午9点、东区报告厅、听学术报告”、“下午3点、西区体育馆、篮球比赛”、“上午、东区报告厅、下午、西区体育馆”。图3中示出了根据这种实施方式所生成的文字标签，其中所提取的关键字是时间和地点。注意，图3只是示意性的，其中省略了对用户B发出的语音消息22的处理。

在另一种实施方式中，生成文字标签包括从语音识别的结果中提取前若干个字符作为所述语音消息的文字标签。例如，所提取的字符数可以为3-7个。仍然以图1的情况为例，假设提取语音识别的结果中的前5个字符，则在这种实施方式中，为语音消息12、14、16和18生成的语音标签32、34、36和38可以分别为，例如“我现在跟你...”、“上午9点在...”、“下午3点在...”、“注意上午去...”。图4中示出了根据这种实施方式所生成的文字标签，其中从语音识别的结果中提取前5个字符。与上面的实施方式类似，图4中也省略了对用户B发出的语音消息22的处理。

接下来，在步骤240，将步骤230中所生成的文字标签附加到语音消息上以呈现给用户，例如如图3和图4所示。但是本领域技术人员可以理解，将文字标签附加到语音消息的方式并不局限于图3和图4中所示的形式，而是可以以各种能够指示该语音消息的内容以便于用户查看的方式进行。

可以看出，根据这种方案，通过向语音消息添加文字标签来指示其内容，能够使用户方便快速地了解语音消息的内容。

图5示出了根据本发明的实施例的用于向语音消息添加文字标签的装置500的方框图。

如图5中所示，装置500包括语音识别单元520，用于对语音消息进行语音识别；文字标签生成单元530，用于根据语音识别的结果为该语音消息生成文字标签；以及附加单元540，用于将该文字标签附加到该语音消息以呈现给用户。

在一种实施方式中，语音识别单元520进一步包括：用于对该语音消息的部分或全部进行语音识别以将其转化为文字来作为语音识别的结果的单元5201。

在一种实施方式中，文字标签生成单元530进一步包括：用于从语音识别的结果中提取关键字作为该语音消息的文字标签的单元5301。其中，关键字可以是时间、地点、人名、动作中的一项或多项。

在另一种实施方式中，文字标签生成单元530进一步包括：用于从语音识别的结果中提取前若干个字符作为该语音消息的文字标签的单元5302。

应当理解，图5所示的框图仅仅是为了举例说明的目的而示出的，并不意图限制本发明的范围。根据具体情况，装置500可以包含更多或更少的单元。

如前所述，本发明的方案可以应用于各种固定或移动终端上。

图6示出了适于用来实践本发明实施方式的移动终端600的示意性框图。例如，图5所示的装置可以位于和/或实现于图6所示的移动终端600中。

在图6所示的示例中，移动终端600是一个具有无线通信能力的移动设备。然而，可以理解，这仅仅是示例性而非限制性的。其他类型的移动终端也可以容易地采用本发明的实施方式，诸如便携式数字助理(PDA)、寻呼机、移动计算机、移动电视、游戏设备、膝上型计算机、照相机、录像机、GPS设备以及其他类型的语音和文本通信***。此外，虽然本发明中以移动终端为例来进行描述，但是本领域技术人员可以理解，本发明的发明构思完全可以应用于固定终端，如个人计算机(PC)等。例如，可以在PC上运行的IM应用程序中使用本发明的方案来为语音消息添加文字标签。在本文的某些描述中，将移动终端和固定终端统称为“用户终端”。

移动终端600包括一个或多个天线612，其可操作地与发射机614和接收机616进行通信。移动终端600还包括处理器612或者其他处理元件，其分别提供去往发射机614的信号和接收来自接收机616的信号。信号包括按照适当蜂窝***的空中接口标准的信令信息，并且还包括用户语音、接收的数据和/或用户生成的数据。在此方面，移动终端600能够利用一个或多个空中接口标准、通信协议、调制类型以及接入类型来进行操作。作为示范，移动终端600能够根据多个第一代、第二代、第三代和/或***通信协议等中的任何协议来进行操作。例如，移动终端600可以能够按照第二代(G)无线通信协议IS-136(TDMA)、GSM和IS-95(CDMA)来进行操作，或者按照诸如UMTS、CDMA2000、WCDMA和TD-SCDMA的第三代(G)无线通信协议来进行操作，或者按照***(4G)无线通信协议和/或类似协议进行操作。

可以理解，处理器612包括实现移动终端600的功能所需的电路。例如，处理器612可以包括数字信号处理器设备、微处理器设备、各种模数转换器、数模转换器和其他支持电路。移动终端600的控制和信号处理功能按照这些设备各自的能力在其间分配。处理器612由此还可以包括在调制和传输之前对消息和数据进行卷积编码和交织的功能。处理器612还可以另外包括内部语音编码器，并且可以包括内部数据调制解调器。此外，处理器612可以包括对可以存储在存储器中的一个或多个软件程序进行操作的功能。例如，处理器612可以能够操作连接程序，诸如传统的Web浏览器。连接程序继而可以允许移动终端600例如按照无线应用协议(WAP)、超文本传输协议(HTTP)等来发射和接收Web内容(诸如基于位置的内容和/或其他web页面内容)。

移动终端600还可以包括用户接口，其例如可以包括耳机或者扬声器624、振铃器622、麦克风626、显示屏628以及输入接口631，所有这些设备都耦合至处理器612。移动终端600可以包括小键盘630。小键盘630可以包括传统的数字键(0-9)和相关键(#、*)，以及用于操作移动终端600的其他键。备选地，小键盘630可以包括传统的QWERTY小键盘布置。小键盘630还可以包括与功能相关联的各种软键。移动终端600还可以包括相机模块636，用于捕获静态和/或动态图像。

特别地，显示屏628可以包括触摸式屏幕和/或邻近式屏幕，用户可以通过直接操作屏幕而操作移动终端600。此时，显示屏628同时充当输入设备和输出设备二者。在这样的实施方式中，输入接口631可以配置用于接收用户通过例如普通的笔、专用触笔和/或手指在显示屏628上提供的输入，包括指点输入和手势输入。处理器612可配置用于检测此类输入，并且识别出用户的手势。在本发明的各种实施方式中，以触摸式显示屏为例来进行描述，然而，任何能够实现本发明的发明构思的显示屏类型都落入本发明的精神和范围内。

此外，移动终端600可以包括诸如操纵杆的接口设备或者其他用于输入接口。移动终端600还包括电池634，诸如振动电池组，用于为操作移动终端600所需的各种电路供电，以及可选地提供机械振动作为可检测输出。

移动终端600可以进一步包括用户标识模块(UIM)638。UIM 638通常是具有内置处理器的存储器设备。UIM 638例如可以包括订户标识模块(SIM)、通用集成电路卡(UICC)、通用订户标识模块(USIM)、可移动用户标识模块(R-UIM)等。UIM 638通常存储与移动订户相关的信元。

移动终端600还可以具有存储器。例如，移动终端600可以包括易失性存储器640，例如包括用于数据临时存储的高速缓存区域的易失性随机存取存储器(RAM)。移动终端600还可以包括其他非易失性存储器642，其可以是嵌入式的和/或可移动的。非易失性存储器642可以附加地或者可选地包括例如EEPROM和闪存等。存储器可以存储移动终端600所使用的多个信息片段和数据中的任意项，以实现移动终端600的功能。例如，存储器640和642可以配置用于存储用于实现上文结合图2描述的方法200的计算机程序指令。

本领域技术人员可以理解，结合本文所述的各种实施例描述的各种示例性的单元、模块和方法步骤可以实现成硬件、由处理器执行的软件模块或这二者的组合。如果用软件模块来实现，则可以将所描述的功能作为一个或多个指令或代码存储在计算机可读介质上，或者作为计算机可读介质上的一个或多个指令或代码来传输。所述计算机可读介质例如包括但不限于：RAM存储器、闪存、ROM存储器、EPROM存储器、EEPROM存储器、寄存器、硬盘、移动盘、CD-ROM或者本领域已知的任何其它形式的存储介质。为了清楚地表示硬件和软件模块之间的这种可互换性，上文对各种示例性的单元、模块和方法步骤均围绕其功能进行了一般性描述。至于这种功能是实现成硬件还是实现成软件，则取决于特定的应用和施加在整个***上的设计约束条件。本领域技术人员可以针对每种特定应用，以变通的方式实现所描述的功能，但是，这种实现决策不应解释为背离本发明的保护范围。

本文的以上描述用于使本领域普通技术人员能够实现或使用本发明。对于本领域普通技术人员来说，显然可以对本文公开的实施方式进行各种修改。本文定义的一般性原理也可以在不脱离本发明的精神和保护范围的情况下应用于其它变形。因此，本发明并不局限于本文所描述的实施方式，而是与所附权利要求的范围及其等同形式相一致。

Claims (10)

1.一种用于向语音消息添加文字标签的方法，包括：

对所述语音消息进行语音识别；

根据语音识别的结果为所述语音消息生成文字标签；以及

将所述文字标签附加到所述语音消息以呈现给用户。

2.如权利要求1所述的方法，其中对所述语音消息进行语音识别包括：对所述语音消息的部分或全部进行语音识别以将其转化为文字来作为语音识别的结果。

3.如权利要求2所述的方法，其中为所述语音消息生成文字标签包括：从所述语音识别的结果中提取关键字作为所述语音消息的文字标签。

4.如权利要求3所述的方法，其中所述关键字包括时间、地点、人名、动作中的至少一项。

5.如权利要求2所述的方法，其中为所述语音消息生成文字标签包括：从所述语音识别的结果中提取前若干个字符作为所述语音消息的文字标签。

6.一种用于向语音消息添加文字标签的装置，包括：

语音识别单元，用于对所述语音消息进行语音识别；

文字标签生成单元，用于根据语音识别的结果为所述语音消息生成文字标签；以及

附加单元，用于将所述文字标签附加到所述语音消息以呈现给用户。

7.如权利要求6所述的装置，其中所述语音识别单元包括：用于对所述语音消息的部分或全部进行语音识别以将其转化为文字来作为语音识别的结果的单元。

8.如权利要求7所述的装置，其中所述文字标签生成单元包括：用于从所述语音识别的结果中提取关键字作为所述语音消息的文字标签的单元。

9.如权利要求8所述的装置，其中所述关键字包括时间、地点、人名、动作中的至少一项。

10.如权利要求7所述的装置，其中所述文字标签生成单元包括：用于从所述语音识别的结果中提取前若干个字符作为所述语音消息的文字标签的单元。

Images