[发明专利]利用语音识别技术的多方对话记录/输出方法及用于其的装置

说明书

本发明一实施例的基于多方语音识别系统的语音识别及翻译方法可包括：接收语音的步骤；识别作为上述语音的语言的第一语言的步骤；通过基于上述第一语言的基本声学模型识别上述语音的文本的步骤；在上述第一语言并非为作为输出语言来预设的输出语言的情况下以上述输出语言翻译所识别的上述语音的步骤；以及存储及输出由上述输出语言构成的结果的步骤。

技术领域

本发明涉及利用自动语音识别系统的多方对话及对话记录生成方法及支援其的装置。

背景技术

多方对话系统为利用计算机和网络来可多方实时进行对话的系统。上述多方对话系统主要以个人之间的沟通为目的，也可以作为会议等业务目的使用，对话方式包括文字、语音、影像等。

在对话的目的或会议的审理等业务的情况下，需要制订概括对话内容的对话记录，这主要通过手动作业执行。最近，试图将上述作业通过自动化进行，但是，与手动作业相比，存在作业的可靠性、准确度将会降低的问题。因此，将会伴随以录音的对话内容为基础再次检讨自动制订的对话记录的时间及人力，在录音的对话内容中，寻找录音特定对话的位置也将消耗很多时间及人力。

并且，最近，外国人参与多方对话的情况日益增加。在此情况下，在参加人员均无法进行沟通的情况下，将会需要通译人员，这将会导致会议时间及费用的增加。

自动语音识别技术为将用户的语音转换为文字的技术。近来，上述技术在语音识别率方面实现了快速的提高。但是，目前，当发生重叠的发音(utterance)时，用于识别准确的发音位置的技术发达微不足道。通常，语音识别装置起到将特定时间段的语音转换成文字的作用。即，语音识别装置在当前时间点发音的人为一名的假设下执行语音识别。因此，在两个以上的用户发音重叠的情况下(即，在相同时间点发生多个用户的发音)，语音识别装置无法通过当前的语音识别技术将重叠的发音均准确地转换成文字。因此，语音识别装置为了准确地识别用户的语音，需要按用户/说话者分离发音的适当功能。

并且，未登录语问题为语音识别准确度降低的其他原因。语音识别装置无法识别预先未登录的单词，仅可揭示发音类似而词意不同的单词。为了解决上述问题，可以尽可能在语音识别装置登录所有词汇，但是，在此情况下，随着声学模型的变大，发生语音识别装置的处理速度降低的问题。因此，为了保障语音识别装置的性能，需要印未登录语等所引起的适当的错误识别解决/处理功能。

发明内容

技术问题

本发明的目的在于，提供用于翻译/记录/输出的多方对话的准确度高的语音识别方法及用于其的装置。

本发明所要解决的技术问题并不局限于以上提及的技术问题，本发明所属技术领域的普通技术人员可从以下的记载明确理解未提及的其他技术问题。

技术方案

本发明一实施方式为基于多方语音识别系统的语音识别及翻译方法，上述语音识别及翻译方法可包括：包括：接收语音的步骤；识别作为上述语音的语言的第一语言的步骤；通过基于上述第一语言的基本声学模型识别上述语音的文本的步骤；在上述第一语言并非为作为输出语言来预设的输出语言的情况下以上述输出语言翻译所识别的上述语音的步骤；以及存储及输出由上述输出语言构成的结果的步骤。

并且，识别上述语音的步骤可以为如下的步骤，即，通过上述基本声学模型，将上述语音转换成上述第一语言的文本。

并且，以上述输出语言进行翻译的步骤可以为如下的步骤，即，翻译上述第一语言的文本来转换成上述输出语言的文本。

并且，存储及输出由上述输出语言构成的结果的步骤可包括如下的步骤，即，按文本和/或声音方式输出以上述输出语言翻译的结果。

并且，按上述声音方式输出由上述输出语言构成的结果的步骤可包括如下的步骤，即，以与所接收的上述语音相同的语音输出上述输出语言。