JP2022112292A - 音声コマンド処理回路、受信装置、サーバ、システム、方法およびプログラム - Google Patents
音声コマンド処理回路、受信装置、サーバ、システム、方法およびプログラム Download PDFInfo
- Publication number
- JP2022112292A JP2022112292A JP2021008062A JP2021008062A JP2022112292A JP 2022112292 A JP2022112292 A JP 2022112292A JP 2021008062 A JP2021008062 A JP 2021008062A JP 2021008062 A JP2021008062 A JP 2021008062A JP 2022112292 A JP2022112292 A JP 2022112292A
- Authority
- JP
- Japan
- Prior art keywords
- command
- voice
- server
- local
- information
- 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.)
- Pending
Links
- 238000012545 processing Methods 0.000 title claims abstract description 192
- 238000000034 method Methods 0.000 title claims abstract description 33
- 238000013500 data storage Methods 0.000 claims description 37
- 238000004891 communication Methods 0.000 claims description 27
- 238000003058 natural language processing Methods 0.000 claims description 23
- 238000000605 extraction Methods 0.000 claims 3
- 230000006870 function Effects 0.000 description 24
- 230000004044 response Effects 0.000 description 20
- 238000010586 diagram Methods 0.000 description 17
- 238000006243 chemical reaction Methods 0.000 description 15
- 230000008569 process Effects 0.000 description 11
- 238000005516 engineering process Methods 0.000 description 9
- 238000012986 modification Methods 0.000 description 9
- 230000004048 modification Effects 0.000 description 9
- 239000000284 extract Substances 0.000 description 6
- 230000015572 biosynthetic process Effects 0.000 description 5
- 238000003786 synthesis reaction Methods 0.000 description 5
- 239000000470 constituent Substances 0.000 description 3
- 238000012937 correction Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000014509 gene expression Effects 0.000 description 2
- 238000000926 separation method Methods 0.000 description 2
- 238000013518 transcription Methods 0.000 description 2
- 230000035897 transcription Effects 0.000 description 2
- 241000282816 Giraffa camelopardalis Species 0.000 description 1
- 230000003213 activating effect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000004904 shortening Methods 0.000 description 1
- 230000005236 sound signal Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/16—Sound input; Sound output
-
- 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
-
- 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
- G10L15/08—Speech classification or search
- G10L15/10—Speech classification or search using distance or distortion measures between unknown speech and reference templates
-
- 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
- G10L15/28—Constructional details of speech recognition systems
-
- 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
- G10L15/28—Constructional details of speech recognition systems
- G10L15/30—Distributed recognition, e.g. in client-server systems, for mobile phones or network applications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
- H04N21/43—Processing of content or additional data, e.g. demultiplexing additional data from a digital video stream; Elementary client operations, e.g. monitoring of home network or synchronising decoder's clock; Client middleware
- H04N21/432—Content retrieval operation from a local storage medium, e.g. hard-disk
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
- H04N21/43—Processing of content or additional data, e.g. demultiplexing additional data from a digital video stream; Elementary client operations, e.g. monitoring of home network or synchronising decoder's clock; Client middleware
- H04N21/439—Processing of audio elementary streams
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Physics & Mathematics (AREA)
- Human Computer Interaction (AREA)
- Health & Medical Sciences (AREA)
- Computational Linguistics (AREA)
- Acoustics & Sound (AREA)
- Signal Processing (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- General Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Two-Way Televisions, Distribution Of Moving Picture Or The Like (AREA)
- Telephonic Communication Services (AREA)
Abstract
Description
チューナ11は、アンテナやケーブル放送などから所望の周波数帯の電波を受信し、復調処理などにより放送信号(デジタルデータ)を得て、出力する。
・受信装置1の型番や各種機能性能(録画機能等)
・受信装置1が現在表示中のチャンネル情報(放送番組、録画再生などの外部入力、ネットワーク5などコンテンツの区別も含めてもよい)
・受信装置1が受信可能な放送局の情報(チャンネル番号、放送局名など)
・受信装置1が録画可能な番組の録画予約情報
・受信装置1が録画した録画済みコンテンツ情報
ローカルコマンドデータ格納部372には、受信装置1が固有に備えているローカルコマンドの情報が格納されている。ローカルコマンドの情報は、受信装置1から個々にネットワーク5経由で取得して、受信装置1ごとにローカルコマンドデータ格納部372格納してもよい。またローカルコマンドの情報は、複数の受信装置1が同一の製品である場合は備えられているローカルコマンドが同じであることから、サーバ装置3の管理者がサーバ装置3に直接入力することでもよい。ネットワーク5に接続されたその受信装置1の製品情報を公開している図示せぬ製品情報サーバなどが設置されている場合は、サーバ装置3が製品情報サーバからネットワーク5経由でローカルコマンドの情報を取得することでもよい。
本実施形態においては、ユーザから受信した音声データに対してサーバ装置3など外部装置の音声認識を用いて得た音声コマンドを受信装置1に蓄積して、蓄積した音声コマンド(ローカル音声コマンド)によって受信装置1のローカルコマンドを実行する例について説明する。
図7(a)のデータがサーバコマンドデータベース部25に格納されているものとする。ユーザが音声コマンドを発すると、インターフェース部18のマイクを通じて、音声データが音声コマンド処理部2に入力される(ステップS121)。音声データは、音声認識部21に入力され、音声認識によりテキストデータに変換される(ステップS122)。テキストデータは高頻度フィルタ261に入力され、高頻度フィルタ261は、サーバコマンドデータベース部27に入力されたテキストデータに相当する音声コマンドがあるかどうかを確認する(ステップS123)。高頻度フィルタ261は、テキストデータに相当する音声コマンドをサーバコマンドデータベース部27に見つけた場合、その音声コマンドに対して使用頻度としてプラス1をカウントする(ステップS124)。
本実施形態においては、サーバ装置3が認識(または受信としてもよい)1つの音声コマンドに対して生成したサーバコマンドが、複数のローカルコマンドに関連づけられる場合の例を示す。具体的には、ローカル音声コマンド生成部26が、条件設定部262に設定された優先度に基づいて、1つの音声コマンドに紐づけるローカルコマンドの処理を決定する。
本実施形態においては、サーバ装置3が1つの音声コマンドに対して複数のサーバコマンドを生成した場合の例を示す。
以上に示した実施形態においては、受信装置1が音声コマンド処理部2を含む構成である場合について示した。本変形例においては、その他の可能な構成について説明する。
以上に述べた少なくとも1つの実施形態によれば、ローカルで処理できる音声コマンドを増やすことのできる音声コマンド処理回路、受信装置、サーバ、システム、方法およびプログラムを提供することができる。
Claims (16)
- 音声データを取得する音声データ受信手段と、
前記音声データを音声認識して認識結果を出力する音声認識手段と、
装置を制御するための音声コマンドの情報と前記音声コマンドが実行する前記装置内部の制御コマンドであるローカルコマンドの情報とが紐づけられたデータベースに、前記認識結果に相当する前記音声コマンドがあるか否かを判定する判定手段と、
前記判定手段の判定結果に基づいてサーバから前記データベースの情報を取得することサーバデータ受信手段とを備えることを特徴とする音声コマンド処理回路。 - 前記判定手段が、前記認識結果に相当する音声コマンドが前記データベースにないと判定した場合、
前記サーバデータ受信手段は、前記音声データをサーバに認識させるための音声認識要求を前記音声データとともに前記サーバに出力し、前記サーバによる前記音声データの音声認識の結果であるサーバ認識結果と前記サーバ認識結果に紐づけられたローカルコマンドとを含むサーバコマンド情報を受信する請求項1に記載の音声コマンド処理回路。 - 前記判定手段の判定結果に基づいて前記ローカルコマンドの情報を出力するローカルコマンド処理手段とを備える請求項2に記載の音声コマンド処理回路。
- 前記ローカルコマンドの情報と前記サーバ認識結果とを前記データベースに格納したり、前記データベースからデータを取り出したりするデータベース操作手段を備える請求項3に記載の音声コマンド処理回路。
- 前記サーバコマンド情報をサーバ情報データベースに格納したり、前記サーバ情報データベースからデータを取り出したりするデータサーバ情報操作手段を備える請求項4に記載の音声コマンド処理回路。
- 前記サーバ情報データベースにおいて、1つのローカルコマンドに複数のサーバ認識結果が紐づけられている場合に、あらかじめ与えられた抽出条件に基づいて、前記複数のサーバ認識結果から少なくとも1つのサーバ認識結果を選択する抽出手段を備え、
前記データベース操作手段は、前記抽出手段によって選択された少なくとも1つのサーバ認識結果を前記ローカルコマンドと紐づけて前記データベースに格納する請求項5に記載の音声コマンド処理回路。 - 前記サーバ情報データベースに格納されているサーバ認識結果に相当する音声コマンドの受信回数をカウントする音声コマンド受信カウント手段を備え、
前記抽出条件は、前記音声コマンドの受信回数に基づいて決定される請求項6に記載の音声コマンド処理回路。 - 前記判定手段の判定結果に基づいて前記ローカルコマンドの情報を出力するローカルコマンド処理手段とを備える請求項7に記載の音声コマンド処理回路。
- 前記判定手段が前記認識結果に相当する音声コマンドが前記データベースにあると判定した場合、
前記ローカルコマンド処理手段は、前記データベースにある前記音声コマンドに紐づけられたローカルコマンドの情報を出力する音声コマンド処理回路。 - デジタル放送信号やネットワークなどからデジタルコンテンツを受信する受信手段と、
ユーザに前記デジタルコンテンツを提示する提示手段と、
ユーザの発話する音声を受波し音声データを出力する音声集音手段と、
請求項8または請求項9のいずれか1項に記載の音声コマンド処理回路と、
前記音声コマンド処理回路が出力するローカルコマンドの情報に基づいて制御対象を動作させる制御手段とを備える受信装置。 - 自身の固有情報を記憶する固有情報記憶手段と、
サーバとデータ通信をする通信手段とを備え、
前記通信手段は、前記サーバに前記固有情報を出力する請求項10に記載の受信装置。 - 音声データと前記音声データを音声認識する要求とを受信する通信手段と、
受信装置内部の制御コマンドであるローカルコマンドの情報が格納された受信装置データ格納手段と、
前記音声認識する要求に従って、前記音声データを音声認識しテキストデータなど認識結果を出力する音声認識処理手段と、
自然言語処理により前記認識結果に相当するローカルコマンドを前記受信装置データ格納手段から特定するローカルコマンド特定手段とを備え、
前記通信手段は、前記特定したローカルコマンドと、前記認識結果を含めたサーバデータ情報を出力するサーバ。 - 前記通信手段は、固有情報を持つ受信装置から、前記固有情報を受信し、
前記音声コマンド特定手段は、前記固有情報に基づいて前記認識結果に相当するローカルコマンドを特定する請求項13に記載のサーバ。 - 請求項9に記載の受信装置と、
請求項11に記載のサーバとを含む音声コマンドの蓄積システム。 - 音声データを音声認識して認識結果を出力するステップと、
装置を制御するための音声コマンドの情報と前記音声コマンドが実行する前記装置内部の制御コマンドであるローカルコマンドの情報とが紐づけられたデータベースに、前記認識結果に相当する前記音声コマンドがあるか否かを判定するステップと、
前記判定手段の判定結果に基づいてサーバから前記データベースの情報を取得するステップとを備えた音声コマンドの蓄積方法。 - コンピュータが、音声コマンドをデータベースに蓄積するためのプログラムであって、
音声データを音声認識して認識結果を出力する手順と、
装置を制御するための音声コマンドの情報と前記音声コマンドが実行する前記装置内部の制御コマンドであるローカルコマンドの情報とが紐づけられたデータベースに、前記認識結果に相当する前記音声コマンドがあるか否かを判定する手順と、
前記判定手段の判定結果に基づいてサーバから前記データベースの情報を取得する手順を前記コンピュータに実行させるためのプログラム。
Priority Applications (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2021008062A JP2022112292A (ja) | 2021-01-21 | 2021-01-21 | 音声コマンド処理回路、受信装置、サーバ、システム、方法およびプログラム |
CN202180006240.0A CN114667566A (zh) | 2021-01-21 | 2021-09-16 | 语音指令处理电路、接收装置、服务器、语音指令的累积***和累积方法 |
PCT/CN2021/118683 WO2022156246A1 (zh) | 2021-01-21 | 2021-09-16 | 语音指令处理电路、接收装置、服务器、语音指令的累积***和累积方法 |
US18/356,485 US20240021199A1 (en) | 2021-01-21 | 2023-07-21 | Receiving device and method for voice command processing |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2021008062A JP2022112292A (ja) | 2021-01-21 | 2021-01-21 | 音声コマンド処理回路、受信装置、サーバ、システム、方法およびプログラム |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2022112292A true JP2022112292A (ja) | 2022-08-02 |
Family
ID=82548497
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2021008062A Pending JP2022112292A (ja) | 2021-01-21 | 2021-01-21 | 音声コマンド処理回路、受信装置、サーバ、システム、方法およびプログラム |
Country Status (2)
Country | Link |
---|---|
JP (1) | JP2022112292A (ja) |
WO (1) | WO2022156246A1 (ja) |
Family Cites Families (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7831431B2 (en) * | 2006-10-31 | 2010-11-09 | Honda Motor Co., Ltd. | Voice recognition updates via remote broadcast signal |
CN104575494A (zh) * | 2013-10-16 | 2015-04-29 | 中兴通讯股份有限公司 | 一种语音处理的方法和终端 |
CN103956168A (zh) * | 2014-03-29 | 2014-07-30 | 深圳创维数字技术股份有限公司 | 一种语音识别方法、装置及终端 |
CN104538034B (zh) * | 2014-12-31 | 2018-08-28 | 深圳雷柏科技股份有限公司 | 一种语音识别方法及*** |
CN107993654A (zh) * | 2017-11-24 | 2018-05-04 | 珠海格力电器股份有限公司 | 一种语音指令识别方法及*** |
CN108447478A (zh) * | 2018-01-31 | 2018-08-24 | 捷开通讯(深圳)有限公司 | 一种终端设备的语音控制方法、终端设备及装置 |
CN108183844B (zh) * | 2018-02-06 | 2020-09-08 | 四川虹美智能科技有限公司 | 一种智能家电语音控制方法、装置及*** |
CN108873713A (zh) * | 2018-06-25 | 2018-11-23 | 广州市锐尚展柜制作有限公司 | 一种应用于智能家居中的人机交互方法及*** |
CN109102807A (zh) * | 2018-10-18 | 2018-12-28 | 珠海格力电器股份有限公司 | 个性化语音数据库创建***、语音识别控制***与终端 |
CN111105798B (zh) * | 2018-10-29 | 2023-08-18 | 宁波方太厨具有限公司 | 基于语音识别的设备控制方法 |
CN109922371B (zh) * | 2019-03-11 | 2021-07-09 | 海信视像科技股份有限公司 | 自然语言处理方法、设备及存储介质 |
-
2021
- 2021-01-21 JP JP2021008062A patent/JP2022112292A/ja active Pending
- 2021-09-16 WO PCT/CN2021/118683 patent/WO2022156246A1/zh active Application Filing
Also Published As
Publication number | Publication date |
---|---|
WO2022156246A1 (zh) | 2022-07-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
USRE49493E1 (en) | Display apparatus, electronic device, interactive system, and controlling methods thereof | |
US20190333515A1 (en) | Display apparatus, method for controlling the display apparatus, server and method for controlling the server | |
EP2680596A1 (en) | Display apparatus, method for controlling display apparatus, and interactive system | |
KR102304052B1 (ko) | 디스플레이 장치 및 그의 동작 방법 | |
US20140195230A1 (en) | Display apparatus and method for controlling the same | |
US9230559B2 (en) | Server and method of controlling the same | |
JP2014003610A (ja) | ディスプレイ装置、対話型サーバ及び応答情報提供方法 | |
WO2014103568A1 (ja) | 情報処理装置、情報処理方法、およびプログラム | |
JP2014021494A (ja) | 音声認識エラー修正方法及びそれを適用した放送受信装置 | |
CN103546763A (zh) | 用于提供内容信息的方法和广播接收设备 | |
TW201408050A (zh) | 控制方法與影音播放系統 | |
JP2022112292A (ja) | 音声コマンド処理回路、受信装置、サーバ、システム、方法およびプログラム | |
US11551722B2 (en) | Method and apparatus for interactive reassignment of character names in a video device | |
CN114667566A (zh) | 语音指令处理电路、接收装置、服务器、语音指令的累积***和累积方法 | |
KR20190140890A (ko) | 디스플레이 장치 및 디스플레이 장치의 제어 방법 | |
CN113228166B (zh) | 指令控制装置、控制方法及非易失性存储介质 | |
KR20190099676A (ko) | 사용자의 발화를 기반으로 컨텐츠를 제공하는 장치 및 시스템 | |
KR102118195B1 (ko) | 서버 및 그의 제어 방법 | |
WO2021004511A1 (zh) | 电子设备、非易失性存储介质及声音识别方法 | |
JP2022015545A (ja) | 制御信号生成回路、受信装置、システム、生成方法、およびプログラム | |
KR20200062156A (ko) | 서버 및 그의 제어 방법 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20230113 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20231102 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20231114 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20240112 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20240227 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20240422 |
|
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20240716 |