[其他]一种大规模、用户独立、装置独立的语音讯息系统

说明书

发明背景

1.技术领域

本实用新型涉及一种大规模、用户独立、装置独立的语音讯息系统， 其将无组织的语音讯息转换成文本用以显示在屏幕上。初步面对能够将无 组织的语音讯息转换成文本的大规模、用户独立的语音讯息系统的挑战， 是值得关注的。首先，“大规模”意味着该系统应该可以升级到极大量、例 如500,000+个用户(典型地，这些是移动电话运营商的用户)，并且仍 然能够允许有效、快速的处理时间-讯息通常在发出后的2-5分钟内收到 才是有用的。这要求远高于大多自动语音识别ASR。第二，“用户独立”： 这意味着完全不需要用户训练系统来识别自己的声音或说话方式(不同于 传统的语音听写系统)。第三，“装置独立”：这意味着系统系统不受从特 定的输入装置接收输入的束缚；某些已有技术的系统需要来自按键式电话 机的话语输入。第四，“无组织”：这意味着讯息没有预先确定的结构，不 像对语音提示的反应。第五，“语音讯息”：这是非常特定并且极窄应用的 领域，其对许多传统的自动语音识别(automated speech recognition，ASR) 系统所面临的挑战提出了不同的挑战。例如，用于移动电话的语音邮件讯 息通常包括停顿、“呃”和“嗯”。传统的ASR方法将忠实地转换所有的言语， 甚至是毫无意义的声音。精确或冗长转录的思维是大多数ASR领域人士 的方法的特征。但是，事实上这对语音讯息领域来说根本不适当。在语音 讯息领域，需要解决的问题根本不是精确、冗长的转录，而是对接收者以 最有用的方式获取涵义。

只有通过成功地达到以上五个要求，才有可能得到成功的实现。

2.已有技术的说明

传统的语音-文本(speech-to-text，STT)转化利用自动语音识别 (ASR)，迄今为止，主要应用于听写和指令任务。ASR技术用于将语音 向文本转换是新的应用，具有多种任务特殊的特征。可以参照WO 2004/095821号专利文件(其内容以参考引用的方式引用于此)，其公开了 一种Spinvox公司的语音邮件系统，该系统能将用于移动电话的语音邮件 转化成SMS文本并发送到移动电话。管理文本格式的语音邮件是有吸引 力的选择。通常阅读比听取讯息快，并且，一旦处于文本格式，语音邮件 就可以像电子邮件或SMS文本一样很容易地存储和检索。在一个实施例 中，SpinVox服务的用户将他们的语音邮件转移到专用的SpinVox电话号 码。呼叫者像往常一样为用户保留语音邮件讯息。SpinVox随后将讯息从 语音变为文本，旨在获取全部的涵义以及讯息的风格和惯用语素，但不必 逐字转换。转换以人工输入的显著水平进行。文本随后要么以SMS、要么 以电子邮件发送到用户。这样，用户就可以像管理文本和电子邮件讯息那 样方便快捷地管理语音邮件，并且可以使用客户应用软件将其语音邮件与 其它讯息整合，该语音邮件现在是可搜索并且可归档的文本形式。

然而，较大程度上以人工为基础的转录系统的问题在于其成本高、且 难以规模化到市场规模，例如规模化到500,000+或更多的用户基础。因此， 对主要的移动电话运营商来说，将该系统提供给他们的用户基础是不切实 际的，因为对于所需的快速反应时间来说，让人工操作员听取并转录每个 讯息的全部代价太昂贵；每个转录讯息的成本将会令人望而却步地高。因 此，基本的技术难题就是设计一种基于IT的系统，其能够使人工转录打 字员非常高效地操作。

WO 2004/095821号专利文件展望了一定程度的结合了人工操作员的 ASR前端处理：本质上其为混合系统；本发明对其进行了发展，并确定了 特定的任务，即该IT系统可以极大增加整个系统的效率。

混合系统在其它背景中已经公知，但是传统的语音转换方法要完全消 除人为的因素，这也是ASR领域、尤其是STT领域的技术人员的思维。 因此，我们现在将考虑STT的一些技术背景。