[发明专利]使用多个识别器减少延时的语音识别系统

说明书

公开了一种用于在包括电子设备和远离电子设备定位的网络设备的客户端/服务器语音识别系统中的电子设备上提供视觉反馈的方法和设备。该方法包括由电子设备的嵌入式语音识别器处理包括语音的输入音频的至少一部分以产生本地识别语音，向网络设备发送输入音频的至少一部分以进行远程语音识别；以及在从网络设备接收流传输识别结果之前基于本地识别语音的至少一部分在电子设备的用户界面上显示视觉反馈。

背景技术

诸如智能电话、平板电脑和电视之类的一些电子设备包括语音识别能力或被配置为利用该语音识别能力，其使用户能够经由语音输入来访问设备的功能。包括由电子设备接收的语音的输入音频由自动语音识别(ASR)系统处理，该ASR系统将输入音频转换为识别文本。识别文本可以由例如自然语言理解(NLU)引擎来解释，以执行控制设备的一些方面的一个或多个动作。例如，NLU结果可以被提供给在设备上执行的虚拟代理或虚拟助手应用，以帮助用户执行诸如在网络(例如，互联网)上搜索内容和通过解释NLU结果与其它应用接口之类的功能。语音输入也可以用于与设备上的其它应用(诸如基于口述和文本的消息应用)接口。当使用电子设备时，将语音控制作为单独的输入接口添加给用户提供了更灵活的通信选项，并减少了对诸如迷你键盘和触摸屏之类的、在特定情况下使用可能更麻烦的其它输入设备的依赖。

发明内容

一些实施例针对一种用在客户端/服务器语音识别系统中的电子设备，所述客户端/服务器语音识别系统包括电子设备和远离电子设备定位的网络设备。所述电子设备包括输入接口，被配置为接收包括语音的输入音频；嵌入式语音识别器，被配置为处理输入音频的至少一部分以产生本地识别语音；网络接口，被配置为向网络设备发送输入音频的至少一部分以进行远程语音识别；以及用户界面，被配置为在从网络设备接收流传输识别结果之前，基于本地识别语音的至少一部分显示视觉反馈。

其它实施例针对一种在客户端/服务器语音识别系统中的电子设备上提供视觉反馈的方法，所述客户端/服务器语音识别系统包括电子设备和远离电子设备定位的网络设备。所述方法包括：由电子设备的嵌入式语音识别器处理包括语音的输入音频的至少一部分以产生本地识别语音；向网络设备发送输入音频的至少一部分以进行远程语音识别；以及在从网络设备接收流传输识别结果之前，基于本地识别语音的至少一部分在电子设备的用户界面上显示视觉反馈。

其它实施例针对一种用多条指令编码的非瞬态计算机可读介质，当所述多条指令被在包括电子设备和远离电子设备定位的网络设备的客户端/服务器语音识别系统中的电子设备的至少一个计算机处理器执行时，执行一种方法。所述方法包括：由电子设备的嵌入式语音识别器处理包括语音的输入音频的至少一部分以产生本地识别语音；向网络设备发送输入音频的至少一部分以进行远程语音识别；以及在从网络设备接收流传输识别结果之前，基于本地识别语音的至少一部分在电子设备的用户界面上显示视觉反馈。

应当认识到的是，下面更详细讨论的前述概念和附加概念的所有组合(如果这些概念不是相互不一致的话)被认为是本文公开的发明主题的一部分。

附图说明

附图不旨在按比例绘制。在附图中，在各个图中图示的每个相同或几乎相同的部件由相似的标号表示。为了清楚起见，不是每个部件都可能在每个附图中被标注。在附图中：

图1是根据本发明一些实施例的客户端/服务器体系架构的框图；以及

图2是根据一些实施例的用于在电子设备上提供用于语音识别的视觉反馈的处理的流程图。

具体实施方式