[发明专利]基于自然语音识别的音频/视频点播方法和系统

说明书

技术领域

本发明涉及通信领域，尤其涉及一种基于自然语音识别的音频/视频点播方法和系统。

背景技术

随着科技的进步，车辆已经成为认为生活中不可或缺的代步工具，驾车。在行车驾驶过程中，车载娱乐设备能够播放音频/视频媒体内容，以消除驾驶人员的疲劳。

在现有技术中，用户一般采用手动点播音频/视频媒体的方法获取音频/视频服务，例如：用户手动点击车载娱乐设备的屏幕或者配套按键，通过屏幕或者案件输入想要点播的音频/视频描述信息，从音频/视频服务器获取音频/视频描述信息对应的音频/视频媒体流并进行播放。然而，在用户驾驶车辆的过程中，手动操作需要转移视线到车载娱乐设备上，会分散用户的精力，使得用户驾驶车辆的危险性大大增强。

为解决上述技术问题，现有技术公开了一些语音音频/视频点播技术，对于不同的语言，语音音频/视频点播技术所采用的语音识别方法各不相同，例如：对于英文而言，句中的单词均由26个字母表中的字母构成，在进行语音音频/视频点播服务时，语音音频/视频点播系统需要对语句中的字母以及句子的语法结构进行识别，才能识别出语音信息对应的文本信息，从而根据该识别出的文本信息进行相关的音频/视频点播操作。

中文与英文最大的区别在于，中文汉字数量较大，目前，汉字的总数已经超过了8万，其中常用汉字大约有3500字左右，面对如此庞大的中文汉字库，传统的中文语音音频/视频点播技术采用基于关键词的语音识别方法进行语音识别。语音音频/视频点播系统需要将用户发送的语音内容从头到尾按字/词的方式与词表中预先存储的文本内容进行逐一匹配，只有语音内容与词表中存储的某条文本内容完全匹配时，语音音频/视频点播系统才能识别出用户发送的语音内容的含义，成功进行语音识别，并根据识别出的内容进行相关的音频/视频点播服务，否则，语音识别失败，语音音频/视频点播系统无法为用户提供音频/视频点播服务。

然而，在实际的生活中，中文语言表述形式是多种多样的，对于同一事物每个人或者同一人在不同时期的表述各不相同，例如：点播“王菲的歌曲红豆”就有如下几种表述方式：我想听红豆；给我找一下王菲的红豆；播放歌曲红豆；播放王菲的红豆；我想听王菲那盘唱游专辑的歌曲红豆等等。为了提高语音音频/视频点播系统的语音识别成功率与准确率，语音音频/视频点播系统需要尽可能地将同一事物的所有表述形式均存储到词表中，这使得词表规模非常庞大，维护不方便，并且由于词表规模庞大，使得语音音频/视频点播系统进行语音识别的速度较慢，从而使得语音音频/视频点播服务延迟较大，用户进行语音音频/视频点播服务的服务体验较差。另外，由于人们的语言表述形式千差万别，随着时代的发展，语言表达方式也在不断更新，无法在词表中穷尽同一事物的所有表述形式，使得采用关键词方式进行语音识别的成功率较低，进而使得语音音频/视频点播系统无法为用户提供正常的音频/视频点播服务。

在申请号为CN00130067.9、CN03123123.3以及CN03138149.9等中国专利中公开了与语音识别相关的技术方案，然而上述技术方案只能进行语音合成或者将语音转换成文字，而无法实现对语音转换成文字信息的识别，使得以上技术方案无法应用在语音音频/视频点播技术中，实现语音音频/视频点播服务；并且，上述技术方案是针对英文语音识别设计的，根据以上分析可知，英文语言和中文语言从词语数量以及语法特点上大不相同，使得上述技术方案即使应用在语音音频/视频点播服务中也无法对中文进行有效的识别，语音识别的成功率较低；在申请号为CN99813093.1的中国专利中，公开了一种采用语音识别和自然语言处理的交互式用户界面，虽然能够实现对语音转换成文字信息的识别，然而该技术方案也是针对英文语言设计的，在进行语音识别的过程中需要考虑语法等因素的影响，仍然无法有效地应用在中文语音音频/视频点播服务中。

发明内容

为解决上述技术问题，本发明的实施例提供一种基于自然语音识别的音频/视频点播方法和系统，能够提高中文语音识别速度，以及语音识别的成功率，进而提高语音音频/视频点播服务的可靠性以及用户使用语音音频/视频点播服务的服务体验。

一种基于自然语音识别的音频/视频点播地址系统，包括：一键式控制装置、终端设备以及云计算平台服务器；

所述一键式控制装置，安装在车辆的固定部件上，用于在用户按下启动键以后，通过直接或短距离通信方式与所述终端设备建立连接，并通过直接或短距离通信方式驱动所述终端设备与所述云计算平台服务器建立连接；