CN1568500A - 用于标注所识别文本的部分的语音识别设备 - Google Patents

用于标注所识别文本的部分的语音识别设备 Download PDF

Info

Publication number
CN1568500A
CN1568500A CNA028202090A CN02820209A CN1568500A CN 1568500 A CN1568500 A CN 1568500A CN A028202090 A CNA028202090 A CN A028202090A CN 02820209 A CN02820209 A CN 02820209A CN 1568500 A CN1568500 A CN 1568500A
Authority
CN
China
Prior art keywords
text
discerning
marked
mark
spoken language
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CNA028202090A
Other languages
English (en)
Other versions
CN1312657C (zh
Inventor
H·F·巴托斯克
K·拉吉
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Koninklijke Philips NV
Original Assignee
Koninklijke Philips Electronics NV
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Koninklijke Philips Electronics NV filed Critical Koninklijke Philips Electronics NV
Publication of CN1568500A publication Critical patent/CN1568500A/zh
Application granted granted Critical
Publication of CN1312657C publication Critical patent/CN1312657C/zh
Anticipated expiration legal-status Critical
Expired - Lifetime legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/22—Procedures used during a speech recognition process, e.g. man-machine dialogue
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/06—Creation of reference templates; Training of speech recognition systems, e.g. adaptation to the characteristics of the speaker's voice
    • G10L15/063—Training
    • G10L2015/0631—Creating reference templates; Clustering
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/22—Procedures used during a speech recognition process, e.g. man-machine dialogue
    • G10L2015/225—Feedback of the input speech

Landscapes

  • Engineering & Computer Science (AREA)
  • Computational Linguistics (AREA)
  • Health & Medical Sciences (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Human Computer Interaction (AREA)
  • Physics & Mathematics (AREA)
  • Acoustics & Sound (AREA)
  • Multimedia (AREA)
  • Document Processing Apparatus (AREA)
  • Character Discrimination (AREA)
  • Character Input (AREA)

Abstract

在一种用于将口语文本(GT)转录成所识别文本(ET)以及用于编辑所识别文本(ET)中被非正确识别的部分的转录设备(1)中，标注装置(12，15，17)被提供，以便于被设置成用于对具有公共特征的口语文本(GT)部分和/或所识别文本(ET)部分进行部分自动标注和部分手动标注。结果是，具有公共特征的被标注的文本部分的后来的统一处理变为可能。

Description

用于标注所识别文本的部分的语音识别设备
技术领域
本发明涉及一种用于将口语文本转录成所识别文本以及用于对所识别文本的被非正确识别的部分进行编辑的转录设备，其中口语文本每个部分的链接信息标记(flag)相联系的所识别文本。
本发明还涉及一种用于将口语文本转录成所识别文本以及用于编辑所述所识别文本的被非正确识别的部分的转录方法，其中口语文本每个部分的链接信息标记相联系的所识别文本。
发明背景
这种类型的转录设备和转录这种类型的方法从专利US 5,031,113中已知，其中公开了一种听写设备。已知的听写设备由计算机形成，所述计算机运行语音识别软件及文本处理软件。已知听写设备的使用者可以对着被连接到计算机的话筒说出口语文本。形成转录设备的语音识别软件执行转录方法并且通过这样做将所识别的字分配给口语文本的每个口语字，其结果是获得口语文本的所识别文本。同样，作为转录方法的一部分，链接信息被加以确定，即其标记针对口语文本的每个口语字而被识别的所识别文本的字。
已知的听写设备还包含用于自动确定和存储标注信息的标注装置。所识别文本的一个或更多个字可例如在这种情况下被识别为命令，所述命令例如在格式化所述所识别文本时将被执行。因此在所识别文本中的字序列“…next word bold”可以被翻译成用于格式化紧接在所识别文本后面的字的命令。这些已知的标注装置被加以设置用于命令标注信息的自动确定和存储，所述命令标注信息标注所识别文本中具有这样公共特征的那些字序列，即它们可以被用作用于格式化所识别文本的字的命令。
已知的听写设备还运行文本处理软件且因此形成校正设备，借此校正设备被非正确识别的字可以被编辑。出于这个目的，校正设备的使用者可以启动校正设备的同步再现模式，其中口语文本从声学上被再现，并且与此同步由链接信息所标记的所识别文本的字从视觉上被加亮(即被标识)。同步再现模式在实践中已经被证实对于校正由语音识别设备所识别的文本尤其有利。
在实践中已经发现许多使用者难以记住一命令的正确字序列。因此例如他们说“…next word should be bold”(下个字应该为粗体)，但是标注装置并没有将这个字序列识别为命令且因此对此并不标注。当校正这个所识别文本时使用者因此必须从所识别文本中删除整个字序列并且手动格式化紧接所述序列的字，其相当费时。还存在与同步再现模式相联系所出现的一个缺点，即在通过这种方法已经对所识别文本加以校正之后，已经被从所识别文本中删除的这个字序列的口语文本的链接信息或者指向所识别文本中非正确的字，或者根本并不指向其中的任何字，其引起任何后来的同步再现错误且让使用者迷惑。
发明内容
本发明的一个目的是提供在上面首段落中所定义类型的转录设备以及在上面第二段落中所定义类型的转录方法，其中上面所说明的缺点得以避免。
为了取得上面所指示的目的，在这种类型的转录设备中提供根据本发明的特点，以便于所述转录设备可以以下面所详细说明的方式被表征。
一种转录设备，其用于将口语文本转录成所识别文本以及用于对所识别文本的被非正确识别的部分进行编辑，其中口语文本每部分的链接信息标记相联系的所识别文本，
具有用于将所接收的口语文本转录成所识别文本且用于产生链接信息的语音识别装置，以及
具有用于存储口语文本、所识别文本和链接信息的存储器装置，以及
具有用于自动地确定标注信息且用于在所述存储器装置中存储所确定的所述标注信息的标注装置，所述标注信息标记具有为所有被标注的文本部分所共有的特定特征的所识别文本部分及/或口语文本部分，其中所述标注装置具有用于手动录入标注信息的输入装置，以允许也具有这个公共特征的所识别或口语文本的另外部分被标注有这个标注信息；并且具有用于统一处理被标注的文本部分的处理装置。
为了取得上述所指示的目的，在上述类型的转录方法中提供根据本发明的特点，以便于所述转录方法可以以下面所详细说明的方式被表征。
一种转录方法，其用于将口语文本转录成所识别文本以及用于对所识别文本的被非正确识别的部分进行编辑，其中口语文本每部分的链接信息标记相联系的所识别文本，以及
其中下述步骤被加以执行：
将所接收的口语文本转录成所识别文本且产生链接信息；存储口语文本、所识别文本和链接信息；自动确定标注信息且存储所确定的所述标注信息，所述标注信息标记具有为所有被标注的文本部分所共有的特定特征的所识别文本部分及/或口语文本部分；手动录入标注信息，以允许也具有这个公共特征的所识别或口语文本的另外部分被标注有这个标注信息；以及统一处理被标注的文本部分。
根据本发明的特点取得：使用者能够手动地将部分所识别文本及/或口语文本标注有下述标注信息，所述标注信息与某些另外部分的所识别文本从前可能已经被自动标注的标注信息相同。在后来的处理操作中，那些被自动或手动加以标注的具有公共特征的文本部分可以通过处理装置以统一的方法被处理。被标注的文本部分的公共特征可例如在这种情况下是：在所识别文本中被标注的字序列被分配给一命令或被标记为头部；被标注的所识别文本部分被链接信息分配到包含犹豫声音、暂停、不清楚的口语文本部分或文本的冗余部分如被重复字的口语文本部分。
结果是取得下述优点，即已经被自动标注的文本部分可以利用手动标注被补充，这样具有特定特征的所有被标注的口语文本部分及/或所识别文本部分可以通过统一方法在后来的处理操作中被加以处理。因此，例如，由语音识别装置难以识别(即可能在识别中有大量错误)的所有文本部分以及由校正人员在同步再现模式中被手动识别为困难的所有文本部分可以通过统一方法被标注，以为了用于核查的目的使口语文本的作者参考这些被标注的文本部分。通过相同的方法，不同的序列字可被标注有这样的标注信息，所述标注信息与标注装置已经用以自动标注被分配有一命令的序列字的标注信息相同，结果是所述命令也被分配给这些被手动标注的文本部分。
权利要求2的实施提供了这样的优点，即已经被自动及手动标注的文本部分可以针对参数适配进行评估，借此参数适配所识别文本的质量可以得到改善。同样，通过手动标注命令标注信息，所识别文本中的字序列可以被分配给命令，然后在适配期间所述序列字被添加到标注装置中的命令集合中，并且下次将被自动标注。
权利要求3和权利要求10的实施提供了这样的优点，即例如，被自动以及还被手动标注为犹豫声音的所有文本部分在同步再现模式中从声学上并不被再现并且在所识别文本的光学再现期间是隐藏的。结果是所识别文本可以更高效地被显著校正，因为在声学再现时时间被节省且使用者可以专心于所识别文本的重要部分。
权利要求4和11的实施提供了这样的优点，即当同步再现模式被启动时，已经从声学上被再现且从视觉上被标注至少一次的那些所识别文本部分及/或口语文本部分通过标注装置被自动地标注有再现标注信息。为了使校正更容易，在同步再现已经被标注有再现标注信息的文本部分期间，转录设备因此有利地具有从声学上再现例如所有的犹豫声音和被重复字的能力。结果是根据本发明的校正设备的使用者可以更高效地显著校正所识别文本。
权利要求5的实施提供了这样的优点，即替代文本被显示在所识别文本内其中已经得到抑制的被标注文本部分所处在的位置。如果这个替代信息标记已经得到抑制的被标注文本部分的特征，则其尤为有利。
权利要求6的实施提供了这样的优点，即使用者可以以简单的方法选择当时更为有利的所识别文本的显示方式。
权利要求7的实施提供了这样的优点，即有可以切换到显示文本模块的进一步有利的方式。
权利要求8和权利要求12的实施提供了这样的优点，即具有多个特征的文本部分可以被标注有适当的不同项的标注信息。一部分文本可例如被标注为头部并且包括犹豫声音。在这种情况下犹豫声音将既被标注有头部标注信息又被标注有犹豫声音标注信息，并且因此将在后来的对口语和所识别文本中的头部进行编辑期间以及在对这些文本中的犹豫声音进行编辑期间被加以编辑。
现在参考附图将对本发明更详细地加以说明，所述附图示出单个实施例，但本发明并不被局限于此。
附图说明
图1示出一种用于将口语文本转录成所识别文本的转录设备，其中校正设备被提供以用于校正所述所识别文本。
图2以符号形式示出口语文本、由转录设备所识别的对应文本、以及标记针对口语文本每个音频段的所识别文本的相联系段的链接信息。
图3示出被存储在所述转录设备的命令存储器级(stage)中的命令表。
图4示出被存储在所述转录设备的存储器装置中的标注表。
图5以符号形式示出由所述转录设备的使用者所说出的五个文本实例。
图6以符号形式示出针对口语文本的五个实例由所述转录设备的语音识别装置所识别的文本，其中部分所识别文本已经被语音识别装置的第一标注级自动地标注且使用者利用第二标注级已经手动标注了文本的另外部分。
图7以符号形式示出针对五个实例由所述转录设备的校正设备所显示的文本，其中所识别文本的被自动和手动标注的文本作为替代文本被显示。
图8以符号形式示出当被标注的文本部分的所有替代文本被加以抑制时由校正设备所显示的文本。
图9以符号形式示出在口语及所识别文本的第一和后来第二同步再现期间哪些部分文本被加以再现。
具体实施方式
图1示出一种转录设备1，其用于将口语文本GT转录成所识别文本ET并且用于对未被正确地识别的所识别文本ET部分进行编辑。转录设备1由运行语音识别软件且形成语音识别设备2的第一计算机以及第二和第三计算机形成，所述第二和第三计算机的每个运行文本处理软件且形成用来校正还一直未被正确识别的文本部分的第一校正设备3和第二校正设备4。可提及的是：根据本发明的转录设备还可以由形成语音识别设备及校正设备两者的仅一个计算机形成，然后所述计算机将不得不运行语音识别软件和文本处理软件两者。
被连接到形成语音识别设备2的第一计算机上的是话筒5，从所述话筒5可以发射表示口语文本GT的音频信号A。语音识别设备2包含A/D转换器6、语音识别装置7、存储器装置8、参数存储器装置9、命令存储器装置10和适配级11。由话筒5所发射的音频信号A可以被馈送到A/D转换器6，所述A/D转换器将音频信号A转换成数字音频数据AD。
表示口语文本GT的音频数据AD可以被馈送到语音识别装置7且由此可以被存储在存储器装置8中。当语音识别过程正在由语音识别装置7所执行时，语音识别装置7被加以设置以确定所识别文本ET，在这样做时被存储在参数存储器装置9中的参数信息PI被加以考虑。参数信息PI在这种情况下包含词汇信息、语言模型信息及声学信息。
词汇信息包含可以由语音识别装置7以及相联系的音素序列所识别的所有字。语言模型信息包含在口语文本GT语言中常见的与字序列有关的统计信息。声学信息包含有关转录设备1使用者发音的特殊特点及有关话筒5和A/D转换器6的声学特征的信息。
US专利5,031,113的公开被认为是被结合进本发明的公开内容以作为参考，并且从这种类型的参数信息PI的观点来看由于语音识别过程的性能被公开在所述US专利中，所以在此将不对其进行详细说明。语音识别过程的结果是包含所识别文本ET的文本数据可以被语音识别装置7存储在存储器装置8中。
在语音识别过程的执行期间，链接信息LI也可以由语音识别装置7加以确定，其中所述链接信息LI标记针对口语文本GT的每部分由语音识别装置7所识别的相联系文本ET。链接信息LI的产生同样被公开在US专利5,031,113中，为此在此未详细对其加以讨论。
在图2中，以符号形式示出沿着时间轴t由作者，即语音识别设备2的使用者对话筒5所说出的文本GT。由语音识别装置7针对这个口语文本GT所识别的文本ET也被示出。当语音识别过程正在被执行时，口语文本GT被分成包含相联系的声学信息的音频段AS。这种类型的相联系的声学信息可例如是字、两个字之间的稍长的语音暂停，即被称为犹豫声音如“aah”或“mm”，或噪音。
链接信息LI标记口语文本GT的每个音频段AS及所识别文本ET的相联系段TS的开始和结束。例如第一音频段AS1包含针对口语文本GT第一字“The”的持续1.5秒的声学信息，以及由链接信息LI所分配的第一文本段TS1包含由语音识别装置7所识别的字“The”的文本。
命令存储器级10存储被语音识别设备2识别为命令的字序列。被存储在命令存储器级10中的一部分命令表BT被示于图3中。通过参考所述命令表BT，语音识别装置7将例如字序列“next word bold”识别为所识别文本ET中的下个字即将被显示成黑体的命令。命令号BL12被分配给命令表BT中的这个命令。字序列“insert text of module 1”(***模块1的文本)同样被识别为命令，在这种情况下来自被存储在命令存储器级10内位置“2341”上的存储器位置处的文本模块的标准文本即将被***进所识别文本ET。
语音识别装置7进一步包括第一标注级12，其被设置成用于自动确定标注信息MI的不同项且用于在存储器装置8中存储被如此标注的标注信息MI的项，所述标注信息MI的项标记具有为所有被如此标注的文本部分所共有的某些特征的所识别文本ET部分和口语文本GT部分。字“自动的”在这个环境中被理解为意味着“转录设备1的使用者没有任何动作”。第一标注级12被设置成用于自动标注带有暂停标注信息PMI的稍长语音暂停、带有犹豫声音标注信息HMI的犹豫声音、带有命令标注信息CMI的命令标注信息、带有重复标注信息RMI的被重复字、带有日期标注信息DMI的日期、以及带有噪音标注信息GMI的噪音。
图4示出被存储在存储器装置8中的标注表MT，其中由第一标注级12所自动确定的标注信息MI的表项被第一标注级12录入。为了所识别文本ET中命令的自动标注，第一标注级12将被包含在命令表BT中的字序列与被包含在所识别文本ET中的字序列进行比较。当发现被包含在命令表BT中的字序列处在所识别文本ET中时，则第一标注级12将标识这个字序列的所识别文本ET中的那些文本段TS、外加相联系的命令号BI作为命令标注信息CMI录入在标注表MT中。这在下面参考应用实例被更详细地加以说明。
可提及的是：还有可能在每种情况下使口语文本GT的适当音频段AS被录入，而不是在标注表MT中标识所识别文本ET的某些文本段TS。在每种情况下相联系的音频段AS和文本段TS可以借助于链接信息LI被加以确定。
语音识别装置7被设置成识别两个字之间的语音暂停(沉默)并且第一标注级12被设置成自动标注与带有标注表MT中暂停标注信息PMI的口语文本GT相对应的音频段AS。
第一标注级12被设置成将被存储在第一标注级12的犹豫声音(例如“aah”或“mhh”)与被包含在所识别文本ET中的字进行比较，且设置成将包含这种犹豫声音的所识别文本ET的文本段TS自动标注有犹豫声音标注信息ZMI。
第一标注级12还被设置成将口语文本GT的音频段AS自动标注有噪音标注信息GMI，如果这些音频段AS包含噪音和/或声音。出于这个目的，标注级12包含能够将噪音和/或声音区分于包含字的音频段的噪音探测器。
为了将所识别文本ET的被重复字标注有重复标注信息RMI，第一标注级12被设置成比较所识别文本ET中彼此跟随的字或字序列。标注表MT还包含日期标注信息DMI，其在下面参考应用实例被更详细地加以说明。
转录设备1的第一校正设备3包括再现装置13，所述再现装置13连同存储器装置8和命令存储器级10由运行文本处理软件的第二计算机所形成。还被连接到第二计算机上的是监视器14、键盘15和扬声器16，其同样与第一校正设备3相联系。当同步再现模式在第一校正设备3中被启动时，再现装置13被设置成用于口语文本GT的声学再现且用于由链接信息LI所标记的相联系的所识别文本的同步视觉或光学标注。
在启动的同步再现模式中校正所识别文本ET再次被公开在US专利5,031,113中，并且已经被证实在实践中非常有利。在这种情况下，校正者，即正在校正所识别文本ET的第一校正设备3的使用者，可以同时聆听由作者对着话筒5所说的文本GT，并且检查或编辑由语音识别装置7为其所识别的文本ET。被识别的文本ET从光学上被显示在监视器14上且由语音识别装置7针对刚刚从声学上被再现的口语字而被识别的字，从光学上被再现装置13标注且相应地被显示在监视器14上。校正者可以启动、中断且停用同步再现模式并且利用键盘15编辑所识别的文本ET。
第二校正设备4的结构基本上与图1中详细示出的第一校正设备3的结构相同，为此第二校正设备4在图1中仅被示为一方框。然而，第二校正设备4从物理上与语音识别设备2分开，为此第二校正设备4此外具有存储器装置和命令存储器装置，其中在利用第一校正设备3所校正的识别文本ET被编辑之前，被存储在存储器装置8和命令存储器级10中的信息被存储。
第二校正设备4例如可被检查者，即第二校正设备4的使用者使用，在被存储在存储器装置8中的所识别文本ET已经由校正者加以校正之后，所述检查者检查由校正者所完成工作的质量。出于这个目的检查者检查是否校正者已经错过所识别文本ET中的任何错误。这样的检查者主要由转录公司采用，其通过随机检查被校正的所识别文本来确保被转录文本的质量。参考转录设备1的应用实例，这被加以详细说明。
转录设备1的再现装置13进一步包括第二标注级17，所述第二标注级17连同键盘15和第一标注级12形成用于自动和手动标注部分口语文本GT或所识别文本ET的标注装置。对于第二标注级17，当校正者校正所识别文本ET时，其有机会来手动地标注未被自动加以标注的文本的另外部分。
部分文本的这个手动标注可一方面被用来手动地标注具有与已经被自动标注的文本部分相同特征的部分所识别文本，以允许参数信息PI或被存储在命令表BT中的信息借助于适配级11被加以适配。这个适配取得：下次第一标注级12将能够自动标注已经被手动标注的文本部分。此外，伴随着每个适配，语音识别设备2的识别率得到改善。结果是获得这样的优点，即转录设备可以减少随着每个进一步的使用校正者不得不做的越来越多的工作。
部分文本的这个手动标注另一方面被用来将部分文本标注成被删除，其随后将不再出现在被传送到作者的所识别文本中但尽管如此并没有被完全删除。将一部分文本标注为被删除具有这样的优点，即在较后阶段若需要，则这样的文本部分可以被重新包括在所识别文本中，并且检查者可以检查这些部分文本被删除是否是正确的。然而，特别有利地是，由口语文本GT和所识别文本ET之间的链接信息L I所提供的校正完全保持不变，因为实际上没有所识别文本部分被删除。因此，当同步再现模式被启动时，虽然被标注为被删除的部分口语文本GT从声学上被再现，但是替代文本而不是被删除的文本部分可以从光学上被标注，这在下面被详细加以说明。
利用手动标注具有相同特征的文本部分对自动标注部分文本的这个补充提供了进一步的优点，即经编辑的所识别文本ET可以进一步以特别高效的方法被编辑。因此，例如，被标注有日期的所有所识别文本部分可以特别高效地被均匀地修正，下面对此加以详细说明。
标注装置的第二标注级17也被设置成用于在存储器装置8中存储再现标注信息WMI，所述再现标注信息WMI标记在启动的同步再现模式下被再现装置13已经至少再现一次的那些所识别文本ET部分和/或口语文本GT部分。
结果是，获得这样的优点，即通过评估被包含在标注表MT中的再现标注信息WMI，再现装置13既能够从视觉上标注借助于同步再现模式已经被校正一次的所识别文本部分又能够从声学上标注相联系的口语文本GT部分。结果是根据本发明的校正设备的使用者能够显著更高效地校正所识别文本，其参考应用实例在下面被加以详细说明。
再现装置13进一步被设置成当同步再现模式被启动时用来抑制所不希望的口语文本GT部分的声学再现，所述所不希望的部分由被存储在存储器装置8中的抑制信息进行标记。这是这样的情况，即校正者可以使用键盘15来设定被包含在标注表MT中的标注信息MI的哪些项即将被用作抑制信息。使用者可，例如选择暂停标注信息PMI和犹豫声音标注信息HMI作为抑制信息，这样当口语文本GT第一次被回放时如此被标注的文本部分得到抑制。参考应用实例这被详细加以说明。
现在将在下面参考图3至9所示的应用实例详细解释转录设备1的优点。图5示出由作者对着话筒5所说的五部分文本GT。图6示出由语音识别装置7针对所述五部分口述文本GT所识别的文本ET，其中部分所识别文本ET已经被第一标注级12自动加以标注。同样在图6中所示的还有借助于第二标注级17由校正者手动标注的文本部分。图7示出以如此形式的所识别文本ET，其中被自动和手动标注的文本部分被示出由替代文本来代替。图8示出以其中所有被标注的文本部分已经得到抑制的形式的所识别文本ET，所识别文本以所述形式被传送到作者。
在第一实例中，作者想要对着话筒说文本“…company PHILIPS”且同时将字“PHILIPS”标注为黑体。然而，在字“company”之后，作者简单地沉思到针对黑体格式化命令确切地用什么措词并且当他如此做时他发出犹豫声音“aah”，正如许多作者一样。然后作者说出“boldnext”，但当他如此做时他想到这个命令的正确字序列是“next wordbold”，为此他说“no”。然后他说出正确的命令“next word bold”，并且继续带有字“PHILIPS”的文本。
正如从图6中可以看出，语音识别装置7识别音频段AS3的文本段TS3＝“aah”并且在标注表MT的第四行中第一标注级12自动将这个犹豫声音标注有犹豫声音标注信息HMI。替代文本“<hes>”而不是犹豫声音被示于图6中，其允许校正者看到犹豫声音在此刻已经得到标注。如果当编辑所识别文本ET时，校正者将再现装置13的文本光标放置在这个替代文本上面，然后由语音识别装置7所识别的犹豫声音被显示。结果是，取得这样的优点，即当校正时，校正者可以专心于所识别文本ET的实质部分，但是如果他想要了解在此作者发出什么犹豫声音以便于他可以校正相邻于所述犹豫声音的字时，他能够在任何时候看到这个声音。
同样，语音识别装置7现在已经为音频段AS7-AS9识别出由文本段TS7-TS9所形成的字序列“next word bold”，在命令表BT中具有命令号BI12的命令已经被分配给所述文本段TS7-TS9。第一标注级12有利地自动录入这些文本段以及在标注表MT第四行中作为命令标注信息CMI的这个命令号。在图6中，替代文本“<com>”而不是这些文本段被示出，其结果是获得上述提到的优点。同样，命令BI12得到执行，且形成针对音频段AS10被识别的文本段TS10的字“PHILIPS”被显示为黑体。
通过使用键盘15和第二标注级17，校正者现在将文本段TS4和TS5标注为具有命令号BI12的命令，这样下次字序列“bold next”将被第一标注级12自动识别为命令。在图7中这部分文本同样由命令的替代文本“<com>”来表示。
通过使用命令号BI12，第二标注级17将这个字序列TS4+TS5作为命令标注信息CMI录入在标注表MT的第五行中。当适应模式在语音识别设备2中被启动时，适配级11从存储器装置8中读取新的命令标注信息CMI，并且将具有命令号BI12的命令进一步录入在命令表BT中。
这给出这样的优点，即校正者可以以特别的便利和效率将进一步的字序列定义为命令，在适配模式下所述字序列由语音识别设备2接收。当语音识别过程接下来被执行时，字序列“bold next”将因此被自动地识别为命令。
借助于键盘15和第二标注级17，现在校正者继续将文本段TS6“no”标注为被删除文本，因为他已经看出作者无心地说出这个字并且它将不被包括在传送给作者的最终文本中。这个被删除文本的替代文本“<skip>”被示于图7中。
可提及的是：校正者还可以将文本段TS4-TS6标注为被删除文本，因为具有命令号BI12的命令不应该出现两次。
将文本段TS6手动标注为被删除文本给出这样的优点，即甚至在例如利用第二校正设备4所执行的后来的同步再现模式期间，由链接信息LI所提供的相关性将被完全地保留，并且因此同步再现将没有任何错误地发生。
图8示出在第一实例中最终被传送到作者的所识别文本“…company PHILIPS...”，尽管存在犹豫声音、一个无心的口语字及错误的命令，但是所述文本仍是作者所真正意味的。
在第二实例中，作者想要对着话筒说的文本是“…I fixed theleft leg…”，但是在这种情况下在音频段AS20之后他沉思，并且保持安静三秒钟，这被第一标注级12自动识别为暂停且将其作为暂停标注信息PMI录入到标注表MT中。这个沉思暂停的替代文本“<sil>”被示于图6中。
紧接此暂停之后，作者重复字“T”，其被第一标注级12自动识别为被重复字且作为重复标注信息RMI被录入在标注表MT中。文本段TS22的替代文本“<rep>”被示于图6中。
紧接此被重复字之后，作者说出“fixed the left”，然后做出另一沉思暂停，并且最终说出“the left leg”。沉思暂停再次被第一标注级12自动标注，但是重复字“the left”不可能被自动加以识别和标注。校正者现在手动地将文本段TS26-TS28标注为被重复字，因此导致对应的重复标注信息RMI被录入在标注表MT中。
图8示出在第二实例中最终被传送到作者的所识别文本“…theleft’leg”，并且尽管存在被重复字和沉思暂停，但是那由此仍是作者所真正意味的。除了自动标注以外所执行的手动标注的结果是：所有被重复的字被标注在所识别文本中，并且随着进一步的处理它们可能例如全部在显示器上被抑制或被用于适配模式。
在第三实例中，作者对着话筒5想要说的文本是“…and companyPHILIPS will...”，但是在字“and”之后他不得不打喷嚏。因此音频段AS51包含当作者打喷嚏时所发邮的噪音。语音识别装置7无法识别这个音频段AS51的字，并且因为这第一标注级12自动地将这个音频段AS51标注为具有噪音标注信息GMI的噪音并将它如此录入到标注表MT中。替代文本“<non sp>”被示于图6中。
紧接他的打喷嚏之后，作者花费五秒才找到他的手帕且然后擤鼻子。音频段AS52反过来被自动地被标注为暂停且将被如此录入到标注表MT中。当作者擤鼻子时发出的噪音类似于噪音“tata”，并且为此语音识别装置7不正确地将字“that”识别为文本段TS53。
有利地，当同步再现模式被启动时立即识别出这个错误的校正者能够手动地将文本段TS53标注为带有噪音标注信息GMI的噪音。由此获得这样的优点，即在第三实例中在所识别文本ET中的全部噪音事实上被如此标注且在处理的进一步阶段期间可以用相同的方法被全部加以处理。第一标注级12的噪音探测器12可例如被适配于这些被标注的文本部分，以便于这样的噪音可以在将来被自动地加以识别。
在第四实例中，当作者实际上正在口述的同时，其希望向所识别文本ET中***在命令存储器级10中以“module 1”的名义作为文本模块被存储的标准文本。出于这个目的作者口述“...is the best.Inserttest module one.All...”。被识别的文本段TS73-TS76被识别为带有命令号BI13的命令且替代文本“<module 1>”被示于图6中。
这给出这样的优点，即文本模块已经以特别简单的方法被自动***在所识别文本ET中。在这种情况下校正者或检查者可以有利地在三种显示类型之中加以选择。他可看到被实际识别的文本-文本段TS73-TS76，或替代文本，或在图8中所看到的从命令存储器级10被添加的标准文本。
在第五实例中，作者对着话筒5所说的文本是“...tenth of Octobertwo thousand and one...”。本应该已经被第一标注级12自动识别且标注为日期的字序列本应该是“October tenth two thousand and one”。然而，所说的字序列没有被识别为日期，并且为此校正者将文本段TS80-TS86标注为带有日期标注信息量DMI的日期。
这给出这样的优点，即在所识别文本中已经被自动或手动标注为日期的所有文本部分可以在随后的处理操作中以特别简便和统一的方法被改变。为此，校正者可例如选择：被标注有日期标注信息DMI的全部日期即将以格式“MM.DD.YYYY”被显示。
现在将参考图9解释第一校正设备3的应用实例。在这个实例中假设校正者启动同步再现模式，基于此口语文本GT和所识别文本ET分别从音频段AS1和文本段TS1开始被第一次同步地再现。从符号上这由箭头P1来表示。校正者以如此方法配置再现装置13，以便于在第一再现期间被标注有暂停标注信息PMI、犹豫声音标注信息HMI和噪音标注信息GMI的那些文本部分的音频段从声学上没有被再现。这允许校正者特别快速地再现口语文本GT并且与此同时更多地校正所识别文本ET。
在再现期间，标注表MT中的再现标注信息WMI被连续地更新。音频段AS53(作者擤鼻子)刚一从声学上被再现且文本段TS53刚一从视频上被标注时，校正者就看出字“that”还一直没有被正确地加以识别。在此时文本光标的位置在图9中从符号上被指示为P2。然而，由于校正者并不肯定什么本应该真正地被识别，所以他再次启动从音频段AS50开始的同步再现模式。在图9中这从符号上由箭头P3指示。
现在再现装置13从被录入在标注表MT第四行中的再现标注信息WMI中识别出音频段AS1至AS53已经在同步再现模式中被再次再现且因此从声学上再现所有的音频段AS50至AS53。在图9中这从符号上被指示为箭头P4。它仅从音频段S54的再现开始-见箭头P5-即被标注的文本(PMI，GMI，HMI)将在声学再现期间再次被抑制。
这给出这样的优点，即在其中校正者需要全部标注信息可用以使他能够正确地校正所识别文本ET的口述中的那些通路中，口述的全部音频段AS被再现。在校正者可以通过聆听它们仅一次而进行校正的其它通路中，不必要的音频段AS被加以抑制。
类似地，当所识别文本ET被第一次再现时，被标注的文本部分的替代文本可有利地被加以显示，并且仅当再现被重复时使得自动切换到实际上被加以识别的文本ET。
在同步再现模式中已经被再次再现的文本部分的自动标注产生进一步的显著优点。检查者的工作正是要通过随机取样来确定校正者对所识别文本ET加以校正做得如何。在这方面再现标注信息WMI对检查者非常有帮助。这是因为检查者可以立即识别到借助于同步再现模式哪些文本部分已经被检查并且哪些文本部分已经被跳过且因此有可能根本未被检查。检查者因此可以对没有被标注有再现标注信息WMI的文本部分进行特殊检查，来看是否在所识别文本ET中存在任何错误。
如果校正者在工作时被中断在随后时刻想要继续进行时，再现标注信息WMI还是有利的。由再现标注信息WMI所标记的文本的声学标注(例如作为口语文本背景的连续音调)或视频标注(例如以相反字符(reverse characters)所示的所识别文本)的结果是：校正者可以立即进行其工作。
第一校正设备3还具有定位装置18，其被加以提供以便于若同步再现模式被中断以校正被非正确识别的字时，其允许标注文本输入位置的文本光标被定位，所述定位装置18被设置成将文本光标定位在当同步再现模式被中断时刻所识别文本ET中被加以标注的字的上游的N个字处，如果所识别文本的这个部分已经被标注有再现标注信息WMI，以及定位装置18被设置成将文本光标定位于当同步再现模式被中断时刻在所识别文本ET中被加以标注的字的上游的M个字处，如果所识别文本ET的这个部分还一直未被标注有再现标注信息WMI。
所定义的数量可例如是M＝3及N＝1，其结果是当在所识别文本中第一次发现被非正确识别的字时则允许校正者有较长的沉思时间。这些安排是尤其有利的，因为一旦同步再现模式已经被中断则文本光标通常已经被定位在被非正确地识别的字上，并且手动定位文本光标所花的时间可以被节省。对本领域那些普通技术人员很显然地是：这将做出M和N有利值的许多其它组合。
如果定位装置18被设置成自教式则将尤为有利。在这种情况下在同步再现模式已经被中断之后定位装置18将从校正者所做出的定位录入中确定N和M和最佳值(即文本光标向前两个字或向后五个字)并且将连续地将它们适配于使用者的沉思时间。
适配级11还可被用来适配被存储在参数存储器装置9内的参数信息PI。这给出这样的优点，即语音识别装置7的识别率被稳定地加以改善且较少错误被包含在所识别文本ET中。
正如从上述应用实例中可以看到，单独的音频段或文本段可以由标注信息MI的一个或甚至多个项进行标注。这允许所识别文本以有利的方式在所谓的等级下被加以处理。这是这样的情况，即例如被包含在命令中的犹豫声音可以与所识别文本ET中被标注为犹豫声音的所有其它部分相同的方法被编辑(即被抑制、被删除、替代文本被显示、所识别文本被显示)。这也并不干涉包含犹豫声音的命令的编辑。如果部分文本被标注有多项标注信息MI，则因此有可能使这些等级被从光学上加以显示。
可提及的是：根据本发明的自动和手动的文本标注可利用标注信息MI的多个不同项被完成。这种类型的标注信息MI项可例如是：AutoPunctuation(自动标点)，Silence(沉默)，Nonspeech(没有语音)，Noise(噪音)，Music(音乐)，Spelling(拼写)，Hesitation(暂停)，Insertion(***)，NumberFormating(号格式化)，DateFormating(日期格式化)，HeaderFormating(头部格式化)，EnumerationFormating(枚举格式化)，QuantityFormating(数量格式化)，SelfCorrection(自校正)，PhraseRepetition(短语重复)，Stutter(结巴)，Discursiveness(离题的)，SpellingSequence(拼写序列)，RedundantPhrase(冗余短语)，NotUnderstood(不理解)，Remark(注释)，Deletion(删除)，Command(命令)。
可提及的是：标注部分文本并不是如上面所解释必须借助于表格来完成，而是可作为选择地以树结构的形式发生。在这种情况下反过来包含进一步被标注的文本段的被标注文本段可以类似于树的形式被显示在分支上。
可提及的是：自动标注可甚至在语音识别过程正在被执行的同时发生而不是在其之后发生。
可提及的是：例如，仅由语音识别装置7识别起来困难(即，可能在识别中有大量错误)的所有文本部分可以被第一标注级12自动地标注，并且在同步再现模式中被校正者识别为有难度的所有文本部分可以被手动地标注，以为了用于检查目的警告检查者或口语文本的作者注意这些被标注的文本部分。这是传递与所识别文本有关信息的尤为有利的方法。

Claims (12)

1.一种转录设备(1)，其用于将口语文本(GT)转录成所识别文本(ET)并且用于编辑所识别文本(ET)中被非正确识别的部分，其中用于口语文本(GT)每部分的链接信息(LI)对相联系的所识别文本(ET)进行标记，
具有语音识别装置(2)，其用于将所接收的口语文本(GT)转录成所识别文本(ET)并且用于产生链接信息(LI)，以及
具有存储器装置(8)，其用于存储口语文本(GT)、所识别文本(ET)及链接信息(LI)，以及
具有标注装置(12，15，17)，其用于自动地确定标注信息(CMI，PMI，HMI，GMI，DMI，RMI，WMI)并且用于在存储器装置(8)中存储所确定的标注信息(CMI，PMI，HMI，GMI，DMI，RMI，WMI)，所述标注信息(CMI，PMI，HMI，GMI，DMI，RMI，WMI)标记具有为所有被标注的文本部分所共有的特定特征的部分所识别文本(ET)或部分口语文本(GT)，其中所述标注装置(12，15，17)具有用于手动录入标注信息(CMI，PMI，HMI，GMI，DMI，RMI，WMI)的输入装置(15，17)，以允许也具有这个公共特征的所识别的或口语文本的另外部分被以这个标注信息(CMI，PMI，HMI，GMI，DMI，RMI，WMI)标注，以及
具有处理装置(13)，其用于统一处理被标注的文本部分。
2.根据权利要求1的转录设备(1)，其中，为了允许语音识别装置(2)的参数(PI)得到适配，适配级(11)被加以提供，其被设置成用于评估被自动和手动加以标注的文本部分，所述被标注的文本部分具有公共的特征。
3.根据权利要求1的转录设备(1)，其中再现装置(13)被设置成当同步再现模式在转录设备(1)中被启动时用于口语文本(GT)的声学再现以及相联系的所识别文本(ET)的同步视觉标注，所述文本(ET)由链接信息(LI)进行标记且从光学上被再现，以及其中被自动或手动加以标注的文本部分的声学或光学再现可以得到抑制。
4.根据权利要求3的转录设备(1)，其中所述标注装置(12，15，17)被设置成用于自动确定且在存储器装置(8)中存储再现标注信息(WMI)，所述再现标注信息(WMI)标记当同步再现模式被启动时被再现装置(13)至少再现一次的那些所识别文本(ET)部分和/或口语文本(GT)部分。
5.根据权利要求3的转录设备(1)，其中所述再现装置(13)被设置成用于光学再现得到抑制的被标注的所识别文本(ET)部分的替代文本。
6.根据权利要求5的转录设备(1)，其中所述再现装置(13)可以在替代文本的光学显示和被标注的文本部分的光学显示之间被切换。
7.根据权利要求6的转录设备(1)，其中对于形成文本模块的被标注的文本部分，可以进行到为下一个模块而定义的文本的光学显示的附加切换。
8.根据权利要求1的转录设备(1)，其中所述标注装置(12，15，17)被设置成：当一部分口语或所识别文本具有由标注信息(CMI，PMI，HMI，GMI，DMI，RMI，WMI)项所标记的至少两个公共特征时，用于将这个被标注的文本部分标注有至少两个不同的标注信息(CMI，PMI，HMI，GMI，DMI，RMI，WMI)项。
9.一种将口语文本(GT)转录成所识别文本(ET)以及编辑所识别文本(ET)中被非正确识别的部分的方法，其中口语文本(GT)每部分的链接信息(LI)标记相联系的所识别文本(ET)并且其中下述步骤被加以执行：
将所接收的口语文本(GT)转录成所识别文本(ET)以及产生链接信息(LI)；
存储口语文本(GT)、所识别文本(ET)和链接信息(LI)；
自动确定标注信息(CMI，PMI，HMI，GMI，DMI，RMI，WMI)以及存储所确定的标注信息(CMI，PMI，HMI，GMI，DMI，RMI，WMI)，所述标注信息(CMI，PMI，HMI，GMI，DMI，RMI，WMI)标记具有为所有被标注的文本部分所共有的特定特征的所识别文本(ET)部分和/或口语文本部分；
手动录入标注信息(CMI，PMI，HMI，GMI，DMI，RMI，WMI)以允许也具有这个公共特征的所识别的或口语文本的另外部分被标注有这个标注信息(CMI，PMI，HMI，GMI，DMI，RMI，WMI)；以及
统一处理被标注的文本部分。
10.根据权利要求9的转录方法，其中下述进一步的步骤被加以执行：
当同步再现模式被启动时，声学再现口语文本(GT)以及同步视觉标注由链接信息(LI)所标记且光学被再现的相联系的所识别文本(ET)，同时自动或手动被标注的文本部分的声学或光学再现可以得到抑制。
11.根据权利要求9的转录方法，其中下述进一步的步骤被加以执行：
自动确定且存储再现标注信息(WMI)，所述再现标注信息(WMI)标记在被启动的同步再现模式之前所识别文本(ET)和/或口语文本中被再现至少一次的那些部分。
12.根据权利要求9的转录方法，其中下述进一步的步骤被加以执行：
当一部分口语或所识别文本具有由标注信息(CMI，PMI，HMI，GMI，DMI，RMI，WMI)项所标记的至少两个公共特性时，将这个被标注的文本部分以至少两个不同的标注信息(CMI，PMI，HMI，GMI，DMI，RMI，WMI)项来标注。
CNB028202090A 2001-10-12 2002-10-07 用于标注所识别文本的部分的转录设备和方法 Expired - Lifetime CN1312657C (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
EP01000535 2001-10-12
EP01000535.3 2001-10-12

Publications (2)

Publication Number Publication Date
CN1568500A true CN1568500A (zh) 2005-01-19
CN1312657C CN1312657C (zh) 2007-04-25

Family

ID=8176073

Family Applications (1)

Application Number Title Priority Date Filing Date
CNB028202090A Expired - Lifetime CN1312657C (zh) 2001-10-12 2002-10-07 用于标注所识别文本的部分的转录设备和方法

Country Status (7)

Country Link
US (1) US7376560B2 (zh)
EP (1) EP1438710B1 (zh)
JP (1) JP2005505804A (zh)
CN (1) CN1312657C (zh)
AT (1) ATE496363T1 (zh)
DE (1) DE60239005D1 (zh)
WO (1) WO2003034404A1 (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103177724A (zh) * 2013-03-19 2013-06-26 华为终端有限公司 语音控制文本操作的方法、装置及终端
CN104240718A (zh) * 2013-06-12 2014-12-24 株式会社东芝 转录支持设备和方法
CN107274903A (zh) * 2017-05-26 2017-10-20 北京搜狗科技发展有限公司 文本处理方法和装置、用于文本处理的装置
CN108039175A (zh) * 2018-01-29 2018-05-15 北京百度网讯科技有限公司 语音识别方法、装置及服务器
CN108647190A (zh) * 2018-04-25 2018-10-12 北京华夏电通科技有限公司 一种语音识别文本***笔录文档的方法、装置及***

Families Citing this family (110)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8645137B2 (en) 2000-03-16 2014-02-04 Apple Inc. Fast, language-independent method for user authentication by voice
US8504369B1 (en) 2004-06-02 2013-08-06 Nuance Communications, Inc. Multi-cursor transcription editing
US7836412B1 (en) 2004-12-03 2010-11-16 Escription, Inc. Transcription editing
US8677377B2 (en) 2005-09-08 2014-03-18 Apple Inc. Method and apparatus for building an intelligent automated assistant
WO2007052281A1 (en) * 2005-10-31 2007-05-10 Hewlett-Packard Development Company, L.P. Method and system for selection of text for editing
US7693717B2 (en) * 2006-04-12 2010-04-06 Custom Speech Usa, Inc. Session file modification with annotation using speech recognition or text to speech
US20070244700A1 (en) * 2006-04-12 2007-10-18 Jonathan Kahn Session File Modification with Selective Replacement of Session File Components
US9318108B2 (en) 2010-01-18 2016-04-19 Apple Inc. Intelligent automated assistant
US9020811B2 (en) * 2006-10-13 2015-04-28 Syscom, Inc. Method and system for converting text files searchable text and for processing the searchable text
US8977255B2 (en) 2007-04-03 2015-03-10 Apple Inc. Method and system for operating a multi-function portable electronic device using voice-activation
US9330720B2 (en) 2008-01-03 2016-05-03 Apple Inc. Methods and apparatus for altering audio output signals
US8996376B2 (en) 2008-04-05 2015-03-31 Apple Inc. Intelligent text-to-speech conversion
US10496753B2 (en) 2010-01-18 2019-12-03 Apple Inc. Automatically adapting user interfaces for hands-free interaction
US20100030549A1 (en) 2008-07-31 2010-02-04 Lee Michael M Mobile device having human language translation capability with positional feedback
US8364488B2 (en) * 2009-01-15 2013-01-29 K-Nfb Reading Technology, Inc. Voice models for document narration
US20120309363A1 (en) 2011-06-03 2012-12-06 Apple Inc. Triggering notifications associated with tasks items that represent tasks to perform
US9858925B2 (en) 2009-06-05 2018-01-02 Apple Inc. Using context information to facilitate processing of commands in a virtual assistant
US10241644B2 (en) 2011-06-03 2019-03-26 Apple Inc. Actionable reminder entries
US10241752B2 (en) 2011-09-30 2019-03-26 Apple Inc. Interface for a virtual digital assistant
US9431006B2 (en) 2009-07-02 2016-08-30 Apple Inc. Methods and apparatuses for automatic speech recognition
US20110167350A1 (en) * 2010-01-06 2011-07-07 Apple Inc. Assist Features For Content Display Device
US10705794B2 (en) 2010-01-18 2020-07-07 Apple Inc. Automatically adapting user interfaces for hands-free interaction
US10276170B2 (en) 2010-01-18 2019-04-30 Apple Inc. Intelligent automated assistant
US10553209B2 (en) 2010-01-18 2020-02-04 Apple Inc. Systems and methods for hands-free notification summaries
US10679605B2 (en) 2010-01-18 2020-06-09 Apple Inc. Hands-free list-reading by intelligent automated assistant
US8682667B2 (en) 2010-02-25 2014-03-25 Apple Inc. User profiling for selecting user specific voice input processing information
US8572488B2 (en) * 2010-03-29 2013-10-29 Avid Technology, Inc. Spot dialog editor
US9355683B2 (en) 2010-07-30 2016-05-31 Samsung Electronics Co., Ltd. Audio playing method and apparatus
EP2413325A1 (en) * 2010-07-30 2012-02-01 Samsung Electronics Co., Ltd. Audio playing method and apparatus
US9262612B2 (en) 2011-03-21 2016-02-16 Apple Inc. Device access using voice authentication
US10057736B2 (en) 2011-06-03 2018-08-21 Apple Inc. Active transport based notifications
JP2013025299A (ja) * 2011-07-26 2013-02-04 Toshiba Corp 書き起こし支援システムおよび書き起こし支援方法
US8994660B2 (en) 2011-08-29 2015-03-31 Apple Inc. Text correction processing
US9483461B2 (en) 2012-03-06 2016-11-01 Apple Inc. Handling speech synthesis of content for multiple languages
US9280610B2 (en) 2012-05-14 2016-03-08 Apple Inc. Crowd sourcing information to fulfill user requests
US9721563B2 (en) 2012-06-08 2017-08-01 Apple Inc. Name recognition system
US9495129B2 (en) 2012-06-29 2016-11-15 Apple Inc. Device, method, and user interface for voice-activated navigation and browsing of a document
US9547647B2 (en) 2012-09-19 2017-01-17 Apple Inc. Voice-based media searching
WO2014197334A2 (en) 2013-06-07 2014-12-11 Apple Inc. System and method for user-specified pronunciation of words for speech synthesis and recognition
WO2014197336A1 (en) 2013-06-07 2014-12-11 Apple Inc. System and method for detecting errors in interactions with a voice-based digital assistant
US9582608B2 (en) 2013-06-07 2017-02-28 Apple Inc. Unified ranking with entropy-weighted information for phrase-based semantic auto-completion
WO2014197335A1 (en) 2013-06-08 2014-12-11 Apple Inc. Interpreting and acting upon commands that involve sharing information with remote devices
US10176167B2 (en) 2013-06-09 2019-01-08 Apple Inc. System and method for inferring user intent from speech inputs
EP3937002A1 (en) 2013-06-09 2022-01-12 Apple Inc. Device, method, and graphical user interface for enabling conversation persistence across two or more instances of a digital assistant
WO2015184186A1 (en) 2014-05-30 2015-12-03 Apple Inc. Multi-command single utterance input method
US9785630B2 (en) 2014-05-30 2017-10-10 Apple Inc. Text prediction using combined word N-gram and unigram language models
US9760559B2 (en) 2014-05-30 2017-09-12 Apple Inc. Predictive text input
US9430463B2 (en) 2014-05-30 2016-08-30 Apple Inc. Exemplar-based natural language processing
US9715875B2 (en) 2014-05-30 2017-07-25 Apple Inc. Reducing the need for manual start/end-pointing and trigger phrases
US10078631B2 (en) 2014-05-30 2018-09-18 Apple Inc. Entropy-guided text prediction using combined word and character n-gram language models
US9842101B2 (en) 2014-05-30 2017-12-12 Apple Inc. Predictive conversion of language input
US10659851B2 (en) 2014-06-30 2020-05-19 Apple Inc. Real-time digital assistant knowledge updates
US9338493B2 (en) 2014-06-30 2016-05-10 Apple Inc. Intelligent automated assistant for TV user interactions
US10446141B2 (en) 2014-08-28 2019-10-15 Apple Inc. Automatic speech recognition based on user feedback
US9818400B2 (en) 2014-09-11 2017-11-14 Apple Inc. Method and apparatus for discovering trending terms in speech requests
US10789041B2 (en) 2014-09-12 2020-09-29 Apple Inc. Dynamic thresholds for always listening speech trigger
US9646609B2 (en) 2014-09-30 2017-05-09 Apple Inc. Caching apparatus for serving phonetic pronunciations
US10127911B2 (en) 2014-09-30 2018-11-13 Apple Inc. Speaker identification and unsupervised speaker adaptation techniques
US10074360B2 (en) 2014-09-30 2018-09-11 Apple Inc. Providing an indication of the suitability of speech recognition
US9668121B2 (en) 2014-09-30 2017-05-30 Apple Inc. Social reminders
US9886432B2 (en) 2014-09-30 2018-02-06 Apple Inc. Parsimonious handling of word inflection via categorical stem + suffix N-gram language models
US10552013B2 (en) 2014-12-02 2020-02-04 Apple Inc. Data detection
US9865280B2 (en) 2015-03-06 2018-01-09 Apple Inc. Structured dictation using intelligent automated assistants
US9721566B2 (en) 2015-03-08 2017-08-01 Apple Inc. Competing devices responding to voice triggers
US9886953B2 (en) 2015-03-08 2018-02-06 Apple Inc. Virtual assistant activation
US10567477B2 (en) 2015-03-08 2020-02-18 Apple Inc. Virtual assistant continuity
US9899019B2 (en) 2015-03-18 2018-02-20 Apple Inc. Systems and methods for structured stem and suffix language models
US9842105B2 (en) 2015-04-16 2017-12-12 Apple Inc. Parsimonious continuous-space phrase representations for natural language processing
US10083688B2 (en) 2015-05-27 2018-09-25 Apple Inc. Device voice control for selecting a displayed affordance
US10127220B2 (en) 2015-06-04 2018-11-13 Apple Inc. Language identification from short strings
US10101822B2 (en) 2015-06-05 2018-10-16 Apple Inc. Language input correction
US9578173B2 (en) 2015-06-05 2017-02-21 Apple Inc. Virtual assistant aided communication with 3rd party service in a communication session
US10255907B2 (en) 2015-06-07 2019-04-09 Apple Inc. Automatic accent detection using acoustic models
US11025565B2 (en) 2015-06-07 2021-06-01 Apple Inc. Personalized prediction of responses for instant messaging
US10186254B2 (en) 2015-06-07 2019-01-22 Apple Inc. Context-based endpoint detection
US10671428B2 (en) 2015-09-08 2020-06-02 Apple Inc. Distributed personal assistant
US10747498B2 (en) 2015-09-08 2020-08-18 Apple Inc. Zero latency digital assistant
US9697820B2 (en) 2015-09-24 2017-07-04 Apple Inc. Unit-selection text-to-speech synthesis using concatenation-sensitive neural networks
US11010550B2 (en) 2015-09-29 2021-05-18 Apple Inc. Unified language modeling framework for word prediction, auto-completion and auto-correction
US10366158B2 (en) 2015-09-29 2019-07-30 Apple Inc. Efficient word encoding for recurrent neural network language models
US11587559B2 (en) 2015-09-30 2023-02-21 Apple Inc. Intelligent device identification
US10691473B2 (en) 2015-11-06 2020-06-23 Apple Inc. Intelligent automated assistant in a messaging environment
US10049668B2 (en) 2015-12-02 2018-08-14 Apple Inc. Applying neural network language models to weighted finite state transducers for automatic speech recognition
US10223066B2 (en) 2015-12-23 2019-03-05 Apple Inc. Proactive assistance based on dialog communication between devices
US10446143B2 (en) 2016-03-14 2019-10-15 Apple Inc. Identification of voice inputs providing credentials
US9934775B2 (en) 2016-05-26 2018-04-03 Apple Inc. Unit-selection text-to-speech synthesis based on predicted concatenation parameters
US9972304B2 (en) 2016-06-03 2018-05-15 Apple Inc. Privacy preserving distributed evaluation framework for embedded personalized systems
US10249300B2 (en) 2016-06-06 2019-04-02 Apple Inc. Intelligent list reading
US10049663B2 (en) 2016-06-08 2018-08-14 Apple, Inc. Intelligent automated assistant for media exploration
DK179309B1 (en) 2016-06-09 2018-04-23 Apple Inc Intelligent automated assistant in a home environment
US10586535B2 (en) 2016-06-10 2020-03-10 Apple Inc. Intelligent digital assistant in a multi-tasking environment
US10490187B2 (en) 2016-06-10 2019-11-26 Apple Inc. Digital assistant providing automated status report
US10067938B2 (en) 2016-06-10 2018-09-04 Apple Inc. Multilingual word prediction
US10509862B2 (en) 2016-06-10 2019-12-17 Apple Inc. Dynamic phrase expansion of language input
US10192552B2 (en) 2016-06-10 2019-01-29 Apple Inc. Digital assistant providing whispered speech
DK179415B1 (en) 2016-06-11 2018-06-14 Apple Inc Intelligent device arbitration and control
DK179049B1 (en) 2016-06-11 2017-09-18 Apple Inc Data driven natural language event detection and classification
DK201670540A1 (en) 2016-06-11 2018-01-08 Apple Inc Application integration with a digital assistant
DK179343B1 (en) 2016-06-11 2018-05-14 Apple Inc Intelligent task discovery
KR20180012464A (ko) * 2016-07-27 2018-02-06 삼성전자주식회사 전자 장치 및 그의 음성 인식 방법
US10043516B2 (en) 2016-09-23 2018-08-07 Apple Inc. Intelligent automated assistant
US10593346B2 (en) 2016-12-22 2020-03-17 Apple Inc. Rank-reduced token representation for automatic speech recognition
DK201770439A1 (en) 2017-05-11 2018-12-13 Apple Inc. Offline personal assistant
DK179496B1 (en) 2017-05-12 2019-01-15 Apple Inc. USER-SPECIFIC Acoustic Models
DK179745B1 (en) 2017-05-12 2019-05-01 Apple Inc. SYNCHRONIZATION AND TASK DELEGATION OF A DIGITAL ASSISTANT
DK201770431A1 (en) 2017-05-15 2018-12-20 Apple Inc. Optimizing dialogue policy decisions for digital assistants using implicit feedback
DK201770432A1 (en) 2017-05-15 2018-12-21 Apple Inc. Hierarchical belief states for digital assistants
DK179560B1 (en) 2017-05-16 2019-02-18 Apple Inc. FAR-FIELD EXTENSION FOR DIGITAL ASSISTANT SERVICES
KR20190089128A (ko) * 2019-07-10 2019-07-30 엘지전자 주식회사 음성 인식 방법 및 음성 인식 장치
KR20210050901A (ko) * 2019-10-29 2021-05-10 엘지전자 주식회사 음성 인식 방법 및 음성 인식 장치

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
AT390685B (de) * 1988-10-25 1990-06-11 Philips Nv System zur textverarbeitung
JP4012976B2 (ja) * 1996-03-08 2007-11-28 コーニンクレッカ フィリップス エレクトロニクス エヌ ヴイ 口述録音及び録音再生装置
US6076059A (en) * 1997-08-29 2000-06-13 Digital Equipment Corporation Method for aligning text with audio signals
US6195637B1 (en) * 1998-03-25 2001-02-27 International Business Machines Corp. Marking and deferring correction of misrecognition errors
US6473778B1 (en) * 1998-12-24 2002-10-29 At&T Corporation Generating hypermedia documents from transcriptions of television programs using parallel text alignment
US6332122B1 (en) * 1999-06-23 2001-12-18 International Business Machines Corporation Transcription system for multiple speakers, using and establishing identification
US6263308B1 (en) * 2000-03-20 2001-07-17 Microsoft Corporation Methods and apparatus for performing speech recognition using acoustic models which are improved through an interactive process
US6505153B1 (en) * 2000-05-22 2003-01-07 Compaq Information Technologies Group, L.P. Efficient method for producing off-line closed captions

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103177724A (zh) * 2013-03-19 2013-06-26 华为终端有限公司 语音控制文本操作的方法、装置及终端
CN104240718A (zh) * 2013-06-12 2014-12-24 株式会社东芝 转录支持设备和方法
CN107274903A (zh) * 2017-05-26 2017-10-20 北京搜狗科技发展有限公司 文本处理方法和装置、用于文本处理的装置
CN107274903B (zh) * 2017-05-26 2020-05-19 北京搜狗科技发展有限公司 文本处理方法和装置、用于文本处理的装置
CN108039175A (zh) * 2018-01-29 2018-05-15 北京百度网讯科技有限公司 语音识别方法、装置及服务器
US11398228B2 (en) 2018-01-29 2022-07-26 Beijing Baidu Netcom Science And Technology Co., Ltd. Voice recognition method, device and server
CN108647190A (zh) * 2018-04-25 2018-10-12 北京华夏电通科技有限公司 一种语音识别文本***笔录文档的方法、装置及***

Also Published As

Publication number Publication date
US7376560B2 (en) 2008-05-20
WO2003034404A1 (en) 2003-04-24
DE60239005D1 (de) 2011-03-03
US20030074195A1 (en) 2003-04-17
ATE496363T1 (de) 2011-02-15
EP1438710B1 (en) 2011-01-19
JP2005505804A (ja) 2005-02-24
CN1312657C (zh) 2007-04-25
EP1438710A1 (en) 2004-07-21

Similar Documents

Publication Publication Date Title
CN1568500A (zh) 用于标注所识别文本的部分的语音识别设备
CN1568501A (zh) 标注所识别文本的部分的校正装置
CN1215458C (zh) 在同步回放的过程中文本编辑所识别的语音
CN1140871C (zh) 实现多源文件的音频信号重放的方法和***
CN1201225C (zh) 背景声频恢复***
US7693717B2 (en) Session file modification with annotation using speech recognition or text to speech
US8954329B2 (en) Methods and apparatus for acoustic disambiguation by insertion of disambiguating textual information
US6332122B1 (en) Transcription system for multiple speakers, using and establishing identification
CN1145141C (zh) 改善语音识别准确性的方法和装置
JP4854259B2 (ja) 音声コマンドを明瞭化する集中化された方法およびシステム
JP4241376B2 (ja) 認識されたテキスト中の音声シーケンスと手動入力される補正ワードの音声転写との比較を通した音声認識により認識されたテキストの補正
US20070244700A1 (en) Session File Modification with Selective Replacement of Session File Components
US8612231B2 (en) Method and system for speech based document history tracking
US20240020489A1 (en) Providing subtitle for video content in spoken language
JP2013025299A (ja) 書き起こし支援システムおよび書き起こし支援方法
CN1190726C (zh) 可携式电子装置的语言跟读及发音矫正***与方法
JP2001325250A (ja) 議事録作成装置および議事録作成方法および記録媒体
CN1886726A (zh) 转录音频信号的方法和设备
JP6387044B2 (ja) テキスト処理装置、テキスト処理方法およびテキスト処理プログラム
JP2015187733A (ja) 書き起こし支援システムおよび書き起こし支援方法
JP2002049389A (ja) 音声認識方法およびそのプログラム記録媒体
JP2008046373A (ja) 音声多重トラックコンテンツ作成装置及び音声多重トラックコンテンツ作成プログラム

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant
ASS Succession or assignment of patent right

Owner name: DIFFERENTIAL COMMUNICATION AUSTRIA ROMPLAST-14

Free format text: FORMER OWNER: KONINKLIJKE PHILIPS ELECTRONICS N.V.

Effective date: 20090731

C41 Transfer of patent application or patent right or utility model
TR01 Transfer of patent right

Effective date of registration: 20090731

Address after: Austria Vienna

Patentee after: KONINKLIJKE PHILIPS ELECTRONICS N.V.

Address before: Holland Ian Deho Finn

Patentee before: Koninklijke Philips Electronics N.V.

CX01 Expiry of patent term

Granted publication date: 20070425

CX01 Expiry of patent term