CN103777917A - 一种便携语音输入设备 - Google Patents

Abstract

本设备是一种语音输入设备，主要功能是将接收到的声音模拟信号以特定编码的形式输出至终端，使无语音数据库和语音程序的终端也能实现用户语音输入。该设备集成模拟信号接收器，处理器、数据库和输出设备，实现对模拟信号的处理、数据库的对比、匹配并按照一定的编码进行输出。这样，终端只需要安装简单的驱动就可以使用来自该设备的数据。该设备实现了不依赖终端、可携带的特性；数据库的个性化也可以实现用户的私人适用性并实现隐秘输出等优点。相信该设备的易用性、便携性、个性化将会在一定程度上促进语音输入的发展。

Description

一种便携语音输入设备

技术领域

本发明涉及一种应用于多种终端的语音输入设备，主要包含模拟信号转换、数据库管理、编码输出等方法和操作模式，是一种便携的输入设备。 

技术背景

在近几年的计算机迅猛发展中，语音识别技术有了很快的发展，语音识别的正确率正在不断提高。但是，语音输入却没有成为流行的输入方式。限制语音输入发展的不仅仅是识别技术，更多的是现有语音输入的处理流程：某终端从麦克风获取模拟信号、模拟信号处理后在终端进行语音识别或通过网络服务器进行识别、终端获得匹配结果。这种模式依赖于终端或网络，终端需要安装一系列程序和数据库才能使用语音输入，并且对于日新月异的新词和音色各异的人来说，他们无法将一台终端的语音数据库和参数方便的同步到他所用的其它终端。对于汽车导航仪等设备来说需要开发专门的语音输入程序。网络识别可以大大降低终端程序的大小并提高识别率，但其依赖于网络且很难实现应用于个人的个性化的语音数据库。所以，实现个人数据实时更新、跨终端、跨平台的语音输入方法才能使这种输入方式得到更多的发展。 

发明内容

本发明属于一种语音输入设备，主要作用是将声音等模拟信号转换成数字信号并以一种特殊的编码格式发送至接收端，并能够随身携带并用于多平台、多终端。 

设备的基本构成： 

该设备使用流数据，属于字符设备，主要包含信息获取模块、存储模块、处理模块及信息发送模块。 

信息获取模块：主要用于捕获信息，设备主要包括麦克风、音频输入接口等，该模块用于获得模拟信号，并传送给处理模块。 

处理模块： 

处理来自信息获取模块的模拟信号，模拟信号通过处理模块处理后生成一组数据流，这些数据流就是该模拟信号的参数和语音识别码。将该识别码及参数发送至存储模块。 

处理来自存储模块的信息，以特定编码格式发送至信息发送模块。 

处理来自信息发送模块的数字信号和参数，并将其按对应参数发送至存储模块。 

存储模块：该模块连接语音数据库，能够将获取的识别码按照对应参数于数据库进行处理，处理方法包含对比数据、删除数据、增加数据、更改数据、读取数据。数据库存有大量的识别码及其对应的编码数据。编码数据可以是纯字符编码(如UTF-8编码)也可以是命令码(一段长度不限的编码)。 

返回处理结果至处理模块。 

返回的结果可以是数据库中查询到的字符编码、命令码或者其它处理执行的结果。 

信息发送模块：通过usb或蓝牙等将处理模块的数据发送至终端或将终端的数据发送至处理模块。包含usb设备、蓝牙设备和wifi。 

语音设备的基本工作方法： 

1.声音信息的获得：信息获取模块中的麦克风捕获声音信息获得模拟信号或直接通过音频接口获得模拟信号，信号传送给处理模块。 

2.处理模块将信息进行处理，该处理主要包括： 

2.1模拟信号流的隔断：将模拟信号按照振幅、频率等进行分析，并按照间隔分隔单词或字。 

2.2模拟信号的转换：对单词或字的模拟信号进行处理，根据其波峰、波谷、频率等参数转换成一组数字。现有的语音识别对于该技术已经有比较成熟的方法，通过这些方法生成的一系列数据，称为识别码。 

2.3信息的类型分析：对于一句话中第一个字称之为“首字”，对首字的识别码进行首字数据库对比，首字识别码若能成功匹配且首字与第二字的时间间隔大，则该首字属于“启用音”，该信息按对应照信息类型进行处理。否则，该信息为“纯文本类型”。 

处理模块中使用的信息编码和首字启用音示例(表格中启用音使用拼音表示) 

2.4数字信号的翻译： 

该过程需要数据库的支持，存储模块中的数据库分为4类： 

1.首字数据库：首字数据库保存了部分用于判断信息类型的识别码和信息，是语音输入设备调用合适数据库并处理信息的重要参数，改数据库的识别码对应的原音称为“启用音”。命令编码内容参见“语音输入设备信息类型及编码”。 

2.纯文本编码数据库：包含识别码、文字编码和它相关的语法信息。采用一种文字编码形式，例如中文可采用CP936文字编码等。 

3.个性化数据库：用于用户自定义的数据识别，识别码可能比较长，主要用于方言和用户自定义语句，该数据库多用于短语句的整体识别，不含有任何语法信息。 

4.命令码数据库：该数据库使用独立的数据库，识别码可能比较长，用于保存命令的内容。命令格式包含：二进制命令形式，可执行脚本形式，文本形式)。 

信息和数据库的匹配： 

信息为纯文本类型，则对其以及后续的字词的识别码逐一进行“纯文本编码数据库”查询匹配，获得对应的编码信息。 

若用户启用“个性化数据库”支持，则以整体识别码(整体识别码是指将多个单字的识别码合并整成一个长的识别码)的方式再进行个性化数据库的匹配，获得编码信息。 

若信息类型是命令类型，则以后续字词的整体识别码方式进行命令码数据库匹配，获取对应的命令码。若匹配为空，则以纯文本类型进行逐一纯文本编码数据库查询匹配，返回编码信息。 

2.5输出编码的生成，一种特定的语音输出编码： 

2.5.1纯文本类型信息：查询到的数据库的信息的总和，即，多个字符的连续的CP936编码(该编码与数据库中的编码一致，本文以CP936编码为例) 

编码格式：信息类型(4bit)，信息长度(8bit)，信息内容。 

纯文本类型的信息内容，主要调用纯文本编码数据库，例如：纯文本编码数据库采用CP936编码，数据库中“你”的编码为“100111101100000”，“好”的编码为“101100101111101”，“泥”的编码为“110110011100101”。 

则设备输出文本“你好”的信息编码为“0001 00000011 100111101100000101100101111101” 

(此处空格仅用作间隔符方便理解使用，不包含在编码信息中，以下同例，不再重复)。 

终端根据信息长度(8bit)来判断信息的终结部位和下条信息的开端，所以编码中允许出现换行符等控制字符的编码。“0”长度表示不限长度，此种情况下使用回车的字符编码作为结束标志。 

文本类型信息的其它参数的输出及编码： 

“并列输出”，使用“0000”作为参数。 

终端样式(字符“1、2”由终端生成)： 

1你好
	2泥好

编码格式：0001 00000010 100111101100000101100101111101 0000 00000010 110110011100101101100101111101 

“强制单列”使用“0011”作为参数。 

样式(字符“1、2”由终端生成)： 

编码格式：0011 00000010 100111101100000110110011100101 0011 00000001 101100101111101 

“弹出信息窗口”，使用“0110”作为参数. 

将某消息发送给用户界面，而不是输入到文本区。 

样式(字符“1、2”由终端生成)： 

编码格式：0110 00000010 1001111011000001011001011111011011 00000010 111100001101110 101101110011010 1011 00000010 101001111010110 110110110001000 

2.5.2命令类型信息：包含命令类型2bit(00二进制，01可执行脚本，10文本格式)和不限长度的命令码，以结束符作为结束标志。 

编码格式：信息类型(4bit)，命令类型(2bit)，命令内容。 

对于支持语音输入设备的***来说，其存在执行“重开机”的操作，假设***接受来自语音输入设备的***二进制命令码“0000000000”或文本命令码(“重开机”的CP936文字编码)“1001000111001101101111100000000 110011100111010”将进行对应重启操作。 

则语音输入设备输出的命令类型信息的编码如下： 

0100 00 0000000000 

或 

0100 10 1001000111001101 101111100000000 110011100111010(受终端或***限制，该命令码不一定被完全支持) 

命令码标准 

命令码是设备快速控制的一种方法，为在不同终端设备上实现类似上述操作的一致性，建立一套统一的标准命令码是十分必要的。 

***命令码 

实现统一的命令编码能够实现语音输入设备对于多终端、多***控制的一致性，更能防止不同类型编码的数据库造成的文本命令不同，避免输出的命令码不被识别。因此在此建立独立于数据库编码之外的专有***二进制编码，其识别码可以由用户在设备设置中进行修正。 

***命令码标准(示例) 

操作	文本命令原字	二进制命令码(10bit)
			重开机	″重开机”	0000000000
关机	″关机”	0000000010
			设置屏幕亮度	″屏幕亮度”	0000000011
设置背景图片	″背景”	0000000100
			强制关闭当前程序	″关闭”	0000000101

程序命令码 

随着该设备的广泛使用，某些程序可能会提供对语音输入语音控制命令的支持。例如一个支持语音控制命令的图片编辑软件，设定了部分语音控制功能，并向用户说明了对应的控制语音，则用户就可以通过语音来进行对应的程序操作。假设语音“正方形”的文本编码对应的操作是画一个正方形，则当用户说出“tei正方形”的时候，程序收到来自设备的程序命令码，并画出一个正方形供用户使用。 

脚本命令调用和设备的额外存储空间： 

该设备允许开放一部分存储空间作为通用存储介质并允许终端使用该存储空间。该空间可以放置文本信息，利用设备将这些文本直接导入终端。命令码数据库存储内容为“01”+A脚本地址时，A脚本将会被读取并以***命令格式发送给终端并让终端执行。 

脚本命令的支持也是一项重要的功能，是实现语音“表格6x5”后画出6x5表格这类操作的一种方法。当然，如果终端程序如word，提供了对于这类操作的语音控制命令支持则更好，免去了大众的脚本编写。 

2.5.3与编码相关的其他问题： 

1.终端对于语音输入设备的限制 

″***命令码”允许语音输入设备对终端进行控制和操作，也在某些方面影响了终端的安全性，终端可以禁止语音输入设备的命令码控制，只接受文本输入来避免用户利用语音设备对终端的恶意操作。 

2.输出的信息内容和语音数据库： 

方言的使用和输出：方言直接对话需要个性化数据库的支持，由于设备不一定能将方言字词完全分开，并且默认不含有方言每个字的识别码(该识别码数据库可以通过用户自定义词库来建立，以实现和纯文本编码数据库同样的效果)，所以需要支持长语句输入。假设，方言“你好”整体识别码是1237773，则个性化据库格式为：识别码：1237773编码区：100111101100000101100101111101 

3.用户自定词语： 

用户的字词可能不包含在“纯文本编码数据库”的语法信息中，用户可以通过向“纯文本编码数据库”添加自造词的语法信息。同时，用户可以使用“个性化数据库”，“个性化数据库”用于保存用户自定义短字词的识别码，类似于“命令码数据库”的存储和调用模式。 

如： 

″李小明”作为一个词，以文字编码格式被存储在数据库中，识别码是设备对该词(支持可以多字多词)的发音的处理结果。当用户启用“个性化数据库”时，设备将会从该数据库中检索整体识别码，将该词输出。 

4.利用个性化数据库实现隐秘输出或简明输出： 

″个性化数据库”的使用方式使之可实现一种隐秘输出，实现语音和输出的异化。如：用户A语音“李小明”的识别码“299271282”对应的数据库的文字编码区设为“今天很高兴”的文字编码。可以实现语音和输入的不同，结合用户验证功能，可以保护在公开场合语音输入的保密性。将“摄氏度”的语音识别码对应的文字编码区进行设定，语音“摄氏度”可方便的输入“℃”符号。 

5.用户个性化数据库的安全保护： 

对于“个性化数据库”词条的操作只能通过设备自身来完成，宽松的安全设定允许设备接受来自终端的文本信息，但不接受任何命令类型的信息。反馈功能将数据发送到设备中，不能进行操作。如添加“你好”的个性化词条，用户在终端设置添加新词，则该词的编码将被反馈至设备，设备接受输入语音，将该语音和新词绑定，然后输出至终端进行确认，确认无法通过终端的操作完成，只能通过设备接受用户的语音来完成。也可使用更加严格的策略，仅使用语音设备自身来生成词语和识别码。 

2.6终端的接收： 

2.6.1终端对于该设备的纯文本类型数据进行输入法方式显示，对于并列输出的信息提供选项框。其基本样式如下。 

候选框 

无对应的词语时，可以使用“拆分”来分解选项，效果如下： 

拆分 

上样式中的反馈机制： 

由于设备默认不接受来自终端的反馈，因此对于设备的控制只能通过其自身来完成。任何输出编码中含有并列输出、强制单列、反馈用参数等，设备将按照次序将这些并列的信息存入设备临时内存中，其识别码默认为1～9的语音识别码。为能够使设备调用该临时内存数据库，我们使用启用音“wa”。所以，当用 户语音反馈的词是1～9的时候，将调用临时的数据库，重新将匹配的信息以纯文本类型发出，实现通过语音来进行选择。 

当用户语音“wa1，1”后，将会输出“我是”至终端，确认。临时数据库只能在下次含有反馈控制的信息时候才更新。 

也支持鼠标、键盘的协作，通过终端的鼠标、键盘、触摸板等设备终端自行选择对应的词语。 

该过程由终端来完成，语音设备的临时数据库信息不变。 

受安全安全机制的设定，对于“单列输出”、“添加到个性化数据库”等非终端行为，无法通过鼠标、键盘等终端设备来触发反映，只能通过语音设备本身，即：使用“ei4”调用设备的“添加到个性化数据库”功能。其他设置可以通过启用音“ei”调出***设置选项表后在进行相应操作。 

2.6.2终端对命令信息的解析：终端允许设备的命令控制的时候，将执行来字设备的命令或命令码对应的操作。 

2.7设备的基本设定： 

用户语音“ei”后可以启用设备的设置，此时设备向终端输出文本的信息。输出的设备设置菜单基本样式如下： 

该菜单是设备通过信息编码(信息类型6)的形式发送至终端并被终端显示到屏幕上。用户可以通过语音来控制设备进行相关设置，设备将设置后的结果输出至终端，用户完成设置。 

通过这种编码输出，终端在输入过程中起到的作用比较小，所以对于不同终端的程序编写和驱动也就不那么复杂，有利于该设备在多终端的运行。 

可以设想，语音输入方法其实是可以更好的融入我们的生活中，它可以随身携带，并能够随着用户使用而不断完善，带来比键盘更高的工作效率和复杂操作。可以帮助我们完成文字输入、方便的进行终端的控制，也可以和鼠标于键盘互相协作来提高人们的工作效率和生活体验。相信随着语音识别技术的发展和***对该设备的认可和支持，语音输入法将迎来一个新的春天，该设备将成为个人不可缺少的工具。 

附图说明

图1：设备基本外观。 

图2：设备的基本构成。 

具体实施方式

设备设置： 

设备参数：语音输入设备，数据库采用中文CP936编码。已启用个性化词库、中英文混输、鼠标辅助、键盘辅助、用户验证已开启功能。 

终端设置： 

终端能够识别来自该设备的数据则必须安装驱动，安装驱动后，终端可以使用来着该设备的数据流，进行处理。终端***接受对设备的命令支持。 

使用方法： 

开始使用： 

使用usb线将语音设备和终端连接，语音设备指示灯常亮。说出普通话“你好”，设备向终端发送并显示消息“设备加密，需要密码！”。说出普通话“123就是密码”，语音设备指示灯开始闪烁，设备向终端发送并显示消息“设备已解锁，正在使用。” 

语音输入文本： 

在终端文本处理软件中输入文本，则对语音输入设备说出普通话。输入普通话“卧室很好”， 

终端显示如下反馈界面： 

语音输入“wa2，1”完成输入。 

或用鼠标点击终端界面中的选项单完成输入。 

或用键盘键入“2，1”完成输入。 

使用“拆分”功能 

语音输入“wa3，1”，终端显示拆分界面： 

拆分 

语音输入“wa7，6”完成输入。 

或用鼠标点击终端界面中的选项单完成输入。 

或用键盘键入“7，6”完成输入。 

添加个性化“卧室很好” 

启用个性化词库后可以添加个性化语句。用方言语音输入“卧室很好”。终端反馈界面词语选项区没有匹配字词。语音输入“ga4”，终端显示： 

添加到个性化数据库：添加新词语
	(请用普通话说出词语)

普通话语音输入“卧室很好”(如上例)，并进行选取，则终端显示： 

添加到个性化数据库：添加新词语
	卧室很好1确定2取消3重新输入

普通话语音输入“wa1”完成识别码和文字编码的匹配，并将该匹配加入个性化词库。 

宽松的安全设定允许设备接受来自终端的文本信息，这种情况下添加个性化“卧室很好”的方法为： 

用方言语音输入“卧室很好”。终端反馈界面词语选项区没有匹配字词。语音输入“ga4”，终端显示： 

添加到个性化数据库：添加新词语
	(请用普通话说出词语)

[0139] 点击输入框，用其他方式输入“卧室很好”并按回车键。 

设备向终端输出确认信息： 

添加到个性化数据库：添加新词语
	卧室很好1确定2取消3重新输入

普通话语音输入“wa1”完成识别码和文字编码的匹配，并将该匹配加入个性化词库。 

输入个性化词库的“卧室很好” 

启用个性化词库，用方言语音输入“卧室很好”，选项单中已经出现该词语选项单，选中并输入。 

为简洁快速的调用个性化数据库，方言语音输入“nen卧室很好”，可以利用“首字命”设定此次输入只使用个性化数据库进行匹配。该方法在用于普通话使用者输入个性化词语、人名时比较方便。 

当用户“个性化数据库”发展到一定程度，用户可以基本完全依赖该数据库完成输入的时候，使用语音“ten”加要hold的状态启用音，此处即“ten nen”(语音中间要有间隔)，可以启动该数据库的“状态hold”。 

输入“省略号”、“温度符号” 

将“省略号”以个性化语音输入添加到“个性化数据库”的词条中，语音输入“省略号”就可以输入“......”了。同样适用于温度符号等各种特殊字符。 

使用语音输入设备进行***控制： 

关机 

语音输入“bong关机”，终端将执行关机操作。 

使用程序命令码画一个正方形 

某画图程序，支持语音控制。 

控制命令列表如下： 

语音命令	说明
		正方形	画出一个正方形
圆形	画出一个圆形
		画笔	调用画笔工具
颜色	更改前景色
		背景色	更改背景色
新图层	建立新图层

在该程序中语音输入：“tei正方形”，程序画出一个正方形，并可调节位置和形状。 

进行设备设置举例： 

启用“键盘模式” 

语音“ei”，终端显示控制界面。语音“wa3，5”后可以启用“键盘模式”。 

也可整体语音“ei3，5”启用“键盘模式”。 

启用宽松的安全设定： 

语音“ei3，4”在宽松的安全设定和严格的安全设定间切换。 

语音输入是一种十分优秀的输入方法，同样，它的实现也需要一个优秀的设备。通过对本设备的数据库的建设，通过用户的个性化使用以及终端对该编码输出的支持，相信语音输入能够更方便的融入人们的生活，成为键盘和触摸屏之后的又一个重要的控制方法。 

Claims (7)

1.一种语音输入设备，能够将声音的模拟信号经处理后编码输出至终端，是一种便携的输入设备。

2.权利要求1中讲述的“模拟信号经处理后编码输出至终端”有如下特征：

(1)模拟信号的获取、处理和编码输出的整个过程都由设备来完成，不依赖与其它任何设备或终端。

(2)设备含有多个不同类型、不同结构的数据库。

(3)设备中数据库的管理和操作只能通过设备本身来完成。

(4)启用音是该过程中设备判断用户操作、处理语音识别码的重要方法。

3.权利要求2中讲述的“模拟信号的获取、处理和编码输出的整个过程都由设备来完成，不依赖与其它任何设备或终端”具体方法有：

(1)设备自带mic或音频输入接口。

(2)设备含有处理模块，能实现模拟信号转换成能够用于匹配数据库的识别码并具备数据库管理和编码功能。

(3)设备内置用于进行识别码匹配的数据库。

(4)设备含有信息发送模块，通过其usb、蓝牙或wifi向终端发送信息。

(5)设备向终端输出的信息采用一种特殊的编码形式，终端接受到信息后可以直接用于文字输入或***操

作。

4.权利要求3中讲述的“设备通过处理模块将模拟信号转换成能够用于匹配数据库的识别码”有如下特征：

(1)模拟信号被处理模块按间隔分割成多个小段，并分析、处理成一些数字信息，成为多个“字”的识别码。

(2)第一个“字”的识别码将按照首字识别码处理。

(3)“首字数据库”和“纯文本编码数据库”使用识别码作为检索词。

(4)多个识别码可以合并成一个长的识别码，成为整体识别码。

(5)“命令码数据库”和“个性化数据库”使用识别码或整体识别码作为检索词。

5.权利要求4中讲述的“按照首字识别码处理”具体是指：

(1)设备含有一个“首字数据库”，是判断语音信息的类型和处理方法的基准。

(2)识别码在“首字数据库”进行匹配，匹配失败代表该“字”属于普通文字的一部分。

(3)识别码在“首字数据库”进行匹配，匹配成功代表该“字”不用于实际输出，用于判断后续“字”处理方法。

(4)首字匹配结果决定设备执行动作或后续识别码将使用的数据库和“输出编码”中的信息类型值。

6.权利要求3中讲述的“设备含有用于进行识别码匹配的数据库”有如下特点：

(1)数据库包含“首字数据库”、“纯文本编码数据库”、“个性化数据库”、“命令码数据库”4种。

(2)首字数据库中的匹配信息不属于字符编码，是直接用于判断处理方式的参数。

(3)纯文本编码数据库匹配信息属于一个字的字符编码，是整个设备的基本编码库。

(4)个性化数据库匹配信息是多个字的字符编码，支持用户自定义。

(5)命令码数据库匹配信息由两部分组成，包含命令类型和命令码，支持用户自定义。

(6)数据库的管理只能通过语音设备本身来完成，即：设备不接受、执行来自终端的任何命令。

7.权利要求3中讲述的“设备向终端输出的信息采用一种特殊的编码标准”具体特征如下：

(1)设备编码使用流数据模式，属于字符设备。

(2)输出信息有两种类型，“纯文本类型的信息”和“命令类型信息”2种。

(3)纯文本类型的信息具有特定的编码格式，格式为：信息类型(4bit)，信息长度(8bit)，信息内容。

(4)“信息内容”为来自数据库的单个或多个连续的文字编码。

(5)“纯文本类型的信息编码格式”中的信息类型有4种参数，分别为：“并列输出”、“属于纯文字类型”、“强制单列”、“弹出信息窗口”。

(6)命令类型信息具有特定的编码格式，格式为：信息类型(4bit)，命令类型(2bit)，不限长度的命令码，以结束符作为结束标志。

(7)“命令类型信息的编码格式”中的信息类型有两种参数，为“属于程序命令类型”、“属于***命令类型”2种参数。

(8)“命令类型信息的编码格式”中的命令类型包含“二进制”、“可执行脚本”、“文本格式”3种参数。

Images