[发明专利]用于提供语音识别的方法和系统

说明书

相关申请

本申请要求2006年9月25日所提交的美国专利申请序号11/526,395 (代理人案号COS06005)的优先权，其内容通过引用并入本文中。

背景技术

对于收集和向用户提供信息二者而言，语音识别在通信系统中起 重要的作用。传统地，交互式话音应答(IVR)系统已经依赖于双音多 频(DTMF)和语音输入的组合来获得并且处理信息。然而，对于需要 输入大量数字、字母和字的复杂事务而言，IVR系统的思想比其概念更 加吸引人。即，对于复杂的数据条目而言，典型的DTMF接口已证明是 无法行得通的缓慢。比如，组织变得总是依赖于基于话音的系统来扩 大DTMF输入。不幸的是，基于话音的系统已经引入了与口语和人类话 语的无穷变化的错综复杂相关的新的、更具有挑战性的问题。因此， 在将口语话语转换为对应的文本字符串或其它等价符号表示的方面 上，实现语音识别技术的IVR系统已经证明是不可接受的不准确。

因此，存在用于提供语音识别的改进的方法的需要。

附图说明

通过示例的方法而不是限制的方法在附图的图中图示本发明，并 且其中相同的附图标记指的是类似的元件，并且在附图中：

图1是图示根据本发明实施例的能够提供语音识别来获得名字的 通信系统的示图；

图2是根据本发明实施例的示例性交互式话音应答(IVR)单元的 示图；

图3是根据本发明实施例的语音识别系统的示图；

图4A和图4B是根据本发明实施例的语音识别过程的流程图；

图5是能够被用于实现本发明各种实施例的计算机系统的示图。

具体实施方式

描述了一种用于提供语音识别的装置、方法和软件。在下面的描 述中，为了解释的目的，阐明了许多特定细节，以便于提供本发明的 详尽理解。然而，对于一个本领域中普通技术人员来说，显然不使用 这些特定细节或使用等价布置也可以实践本发明。在其它实例中，为 了避免不必要地混淆本发明，以框图的形式示出熟知的结构和设备。

虽然针于代名词(例如，名字)的语音识别来描述本发明的各种 实施例，但是认为这些实施例对使用等价接口和操作的广义语音识别 具有适用性。

图1是图示根据本发明实施例的能够提供语音识别来获得名字的 通信系统的示图。通信系统100包括利用名字语法数据库103、信任度 数据库105的语音识别系统(或逻辑)101。语音识别系统101利用交 互式话音应答(IVR)单元(或系统)107来操作，其通过电话网络111 从站109接收话音呼叫。电话网络111能够是电路切换系统或分组话 音网络(例如，网际协议话音(VoIP)网络)。分组话音网络111能 够由支持麦克风和扬声器功能的适当的站109——例如，计算机、工作 站或其它设备(例如，个人数字助理(PDA)等)来访问。除了其它 功能，IVR系统107采集并且向用户提供数据。图2中更加充分地解 释了IVR系统107。由数据存储库113支持数据采集。

为了说明的目的，针于表示名字的音频信号的识别来描述语音识 别系统101。用户的名字可论证地是最日常收集的、普遍使用的信息片 段。不幸的是，获得用户的名字对于利用双音多频(DTMF)输入接口 的常规系统来说是一项困难的任务。例如，随着包含在个人的名字中 的字母数量的增加，DTMF接口变得日益地不实用。而且，很多电话 设计(特别是蜂窝电话)需要将扬声器和拨号键盘组建在一起，使得 用户可以方便地使用拨号键盘并且接听话音询问。因此，语音识别已 经被引入以补充DTMF接口。

传统的语音识别接口高度地取决于语法内容和普通的发音规则来 实现准确的转换结果。然而，对于用户名字(或任意固有名词)，因 为这些类型的字通常不具有能够被用以在可能的转换选择中进行区分 的显著的语法内容，所以这些技术证明是不充分的。另外，由于固有 名词包含不成比例的大量非标准发音变化，所以即使有的话，普通的 发音规则也提供极小的有利价值。因此，不仅通过内容的损失也通过 音素本身之间的听觉差别来例示语音的变化性。