专利名称：交互语音识别系统的制作方法
技术领域：
本发明涉及用来识别输入的口述短语的交互语音识别方法，交互 语音识别系统，以及计算机可读介质。
背景技术：
随着由语音操作的应用系统的迅速普及，对可靠的语音识别系统 的需求变得越来越重要。
语音识别系统的难题在于不同的说话者性别、年龄、口音、说话 者词汇、噪声水平和不同的环境。
通常，语音识别系统首先将数字化的语音信号转换为一组有用的
特征，如频率或固定速率(典型为每10-20毫秒一次)的能量水平。进 一步，人类语音通常包括单音素(single phone)的序列。语音上相似 的音素被分组成音位(phoneme),音位可区分不同的发声(utterance)。 在语音识别中，语言的音位是通过隐藏马尔可夫模型(HMM)建模的， 借此隐藏马尔可夫模型的每个状态是通过概率密度函数描述的。隐藏 马尔可夫模型适合于语音识别，因为语音信号可被看作是10-20毫秒范 围内的短时间静止信号。通过组合多个隐藏马尔可夫模型，可识别最 可能的词。
语音识别中遇到的主要问题之一是输入词随时间的变化。例如， 在各种语言中，元音是以不同速度发出的。另一个问题是词的拼写相 似或语音相似，这可以仅通过考虑先前输入的词的上下文或者通过请 求用户进行补充输入来解决。
许多论文和许多专利中都讨论并提出了语音识别系统。在 US2006/0074661中，提供了一种导航设备，其对用户的自由发言进行 语音识别，其中从字典数据库中搜索包括在被识别语音的内容中的关 键词，然后将这些词显示为"兴趣点(Point of Interest)"搜索的关键 词。大多数错误出现在误识别的词的第一个音符中。该提出的设备使
得可以通过用户操作来校正关键词的误识别。如果需要校正关键词， 则显示这些词并且请求用户从显示的词中选择正确的关键词。
在例如基于车辆的导航设备中，由于在语音输入的情况中有误识 别的可能性，所以识别结果需要通过语音输出或触摸面板上显示的键 盘或导航设备中设置的遥控装置来确认。在传统语音识别系统中，整 个口述短语被声学地输出，或者被可视地输出在用户必须从中选择的 显示器上。因此，整个口述的地址必须通过语音再次输入，并且系统 试图再一次识别该地址或者用户必须读取显示器上的整个地址并确认 正确的地址。
如果有一个词没有被识别，则整个口述输入的重复，通常会需要 进一步的用户交互以便正确地检测整个口述短语。然而，甚至是在操 作触摸面板上的软键盘或操作遥控装置的方法中，许多动作仍必须重 复地执行以校正误识别，并且这在诸如汽车的环境中可能是麻烦和危 险的。进一步，该方法丧失了免手操作的简单操作和便利性，而这些 是语音识别的优点。
而且，由于需要更多存储容量来存储大量地址、媒体库等而导致 的成本增加的问题，在当前的语音识别系统中还没有得到满意的解决。
解决这些缺点将极大地有益于提高用户友好性和减小由于智能存 储管理而导致的语音识别系统的成本。
发明内容
因此，需要改进系统的存储管理。联系到该需要，将系统存储器 的成本保持在最低也会是合乎需要的。为了增强例如道路交通方面的 安全性，进一步的需要是将用户交互减小至最低水平。
这些需要中的至少一个是通过独立权利要求的主题解决的。有利 实施例由从属权利要求界定。
本发明的一个方面是将参考项目(term)与输入的口述短语的项目 进行匹配。取决于存储容量，形成匹配的参考项目的各种可选的串接 (concatenation)。例如，只要有足够的存储容量可用于为每个先前匹 配的参考项目加载各个参考项目列表，就可以保持这些串接。如果然 后将会超出存储容量，则可以请求用户进行补充输入以减小所存储的
匹配参考项目的串接的数目，并随之减小存储器中为了加载与剩余的 匹配参考项目/串接相对应的列表而所需的空间。
本发明的一个优点是可提供节省资源的语音识别系统。进一步， 在超出存储容量的情况下，语音识别系统可仅需要用户对初始输入的 口述短语的单个项目进行补充输入，而无需请求完全重复口述短语。 系统对补充用户输入的请求可以例如考虑语音和拼写相似性这二者。
语音识别系统的下面的实施例可以例如在基于车辆的环境中的导 航系统中或在移动装置(如个人数字助理、手持装置、移动电话等) 中实现。
根据本发明的一个实施例，提供了通过语音识别系统交互地识别
口述短语的语音识别方法。根据该方法，类别n的至少一个参考项目 列表从数据库加载到列表存储器中。随即，可以确定类别n的至少一 个参考项目是否可与包括多个项目的输入的口述短语的其中一个项目 匹配。如果至少一个参考项目可与口述短语的项目匹配，则类别n-l 的至少一个路径可通过类别n的该至少一个匹配参考项目而得到扩展 以形成类别n的至少一个路径。对于最高类别，路径在最初被建立并 在随后的类别得到扩展。
因此，可以确定列表存储器的存储容量是否足以为类别n的每个 路径加载类别n+l的各个参考项目列表。如果确定存储容量不够，则 可以基于补充用户输入来消除类别n的至少一个路径。然后，可以卸 载类别n的该至少一个参考项目列表，并且可以为类别n的每个路径 加载类别n+l的各个参考项目列表。
在本发明的另一实施例中，可以有N个不同的类别，并且级别n 的路径含有间隔N到n中的不同类别的匹配参考项目的串接。应该注 意N和n都是整数。
根据另一实施例，基于补充用户输入来消除类别n的至少一个路 径可包括，基于补充用户输入来消除类别m的匹配参考项目和消除含 有类别m的被消除的匹配参考项目的类别n的所有路径。这可能是有 利的，如果先前级别的匹配参考项目具有语音相似性并且在声学地澄 清方面难以区分的话。
进一步，根据本发明的另一实施例，在确定列表存储器的存储容
量不足以为类别n的每个路径加载类别n+l的各个参考项目列表后， 可以基于补充用户输入来消除类别m以外的类别的匹配参考项目，并 且可以消除含有m以外的级别的被消除的匹配参考项目的类别n的所 有路径。
根据本发明的另一实施例，在确定列表存储器的存储容量不足以 为类别n的每个路径加载类别n+l的各个参考项目列表后，可选择具 有最高可能性成为唯一地指定数据库的条目(entry)的路径的类别n 的相应路径，并且可为类别n的被选路径的匹配参考项目加载相应的 参考项目列表。
进一步，根据本发明的另一实施例，具有最高可能性成为唯一地 指定数据库的条目的路径的类别n的相应路径，可基于当前车辆位置、 当前或先前目的地或媒体文件当中的至少一个参数来确定。
在本发明的另一实施例中，如果对于类别n-l的一路径，级别n 的参考项目列表中没有相应项目匹配口述短语的项目，则可消除类别 n-l的该路径。
进一步，根据本发明的另一实施例，可以确定对于级别n的一个 剩余路径，是否仅有一个可能的项目存在于级别n-l的路径的参考项目 列表中，并使用由该路径指定的数据库条目来启动应用程序。
根据另一实施例，如果所有类别N都被处理完(passed)并且余 下最低类别的多于一个的路径，则可以请求补充输入。
根据本发明的另一实施例，如果余下最低类别的一个路径，则可 使用由该路径指定的数据库条目来启动应用程序。
在本发明的另一实施例中，路径可指向表示媒体库条目的数据 库条目，或导航路线引导服务的目的地，或用于操作插件式计算机 (board computer)的命令，或用于对装置进行控制的命令，或外部在 线数据库的条目。
为了例如向语音识别系统的用户提供更多灵活性，另一实施例提 出口述短语的项目可由语音识别系统以任意顺序接收。可替换地，口 述短语的项目必须由语音识别系统以预定顺序接收。
进一步，根据本发明的另一实施例，如果口述短语的项目和加载 的列表的相应参考项目具有等于或高于阈值标准的语音和/或拼写相似
性，则可确定参考项目与该项目匹配。
根据另一实施例，甚至是在列表存储器的容量足够时， 一旦出现 匹配参考项目的语音或拼写相似性，语音识别系统就可中断口述短语 的输入。
在本发明的另一实施例中，潜在地匹配口述短语的项目的参考项 目列表可以可视地或声学地输出以允许用户通过从列表中选择哪个匹 配的参考项目将被考虑以保持特定类别的路径，来提供补充输入。
参考项目在输出列表上的顺序可有利地基于它们与口述短语的项 目匹配的可能性。
为了将必要的用户输入保持在最低水平，可以在声学地提供补充 输入以将一个参考项目与口述短语的项目匹配的请求的数目超过预设 数目时输出列表。
进一歩，输出列表的条目可口头地选择，并且如果不成功，则可 通过操纵控制元件来选择。
进一步，根据另一实施例，在唯一地识别数据库条目后，路径的 匹配参考项目可由系统可视地或声学地确认。
本发明还涉及语音识别系统。根据一个实施例，语音识别系统包
括处理单元，用来将类别n的至少一个参考项目列表从数据库加载到 列表存储器中，其中处理单元可操作地确定类别n的至少一个参考项 目是否可与包括多个项目的输入的口述短语的其中一个项目匹配。该 处理单元还可操作地通过类别n的该至少一个匹配参考项目来扩展类 别n-l的至少一个路径，以形成类别n的至少一个路径。进一步，处理 单元可确定列表存储器的存储容量是否足以为类别n的每个路径加载 类别n+l的各个参考项目列表。在处理单元确定列表存储器的存储容 量不足以为类别n的每个路径加载类别n+l的各个参考项目列表时， 可基于补充用户输入来消除类别n的至少一个路径。处理单元还可卸 载类别n的该至少一个参考项目列表，并且可以为类别n的每个路径 加载类别n+l的各个参考项目列表。
本发明还提供了存储指令的计算机可读介质，当所述指令被交互 语音识别系统的处理单元执行时，可使交互语音识别系统识别口述短 语。这可通过将类别n的至少一个参考项目列表从数据库加载到列表
存储器中，随后确定类别n的至少一个参考项目是否可与包括多个项 目的输入的口述短语的其中一个项目匹配，来执行。类别n-l的至少一 个路径可通过类别n的该至少一个匹配参考项目而得到扩展，以形成 类别n的至少一个路径。进一步，可确定列表存储器的存储容量是否 足以为类别n的每个路径加载类别n+l的各个参考项目列表。在确定 存储容量不够时可以基于补充用户输入来消除类别n的至少一个路径。 然后，可以卸载类别n的该至少一个参考项目列表，并且可以为类别n 的每个路径加载类别n+l的各个参考项目列表。
本发明的另一实施例涉及通过语音识别系统交互地识别口述短语 的方法。根据该方法，可取决于可用的列表存储器容量，为至少一个 类别的每个将各个参考项目列表从数据库加载到列表存储器中。然后， 可以确定至少一个参考项目是否可与包括多个项目的输入的口述短语 的至少一个项目匹配。语音识别系统还可存储匹配的参考项目，并卸 载当前的参考项目列表。如果先前不能够加载所有类别的所有参考项 目列表，则可卸载当前的参考项目列表，并且可加载至少另一个类别 的每个的参考项目列表。随即，可重复匹配处理并且可存储匹配的参 考项目。迸一步，可加载与存储的匹配参考项目相对应的参考项目列 表。可寻找最有可能识别数据库条目的匹配参考项目的串接。
本发明的另一实施例涉及通过语音识别系统交互地识别口述短语 的方法。根据该方法，接收到的输入的口述短语可包括类别n或更低 类别的项目。进一步，可以基于当前车辆位置、当前或先前驾驶目的 地或在播放列表中选择的将被重放或当前正在重放的媒体库的媒体文 件当中的至少一个参数，来加载类别n的参考项目列表。然后，可以 确定加载的列表中的类别n的参考项目是否可与口述短语的项目匹配。
根据另一实施例，可以确定输入的口述短语中具有最高类别的参 考项目，其中输入的口述短语中的项目的最高类别可以定义为类别n。
进一步，根据另一实施例，可以将至少一个参数与数据库中的类 别n+l的参考项目匹配，并且可以为类别n+l的匹配参考项目加载类 别n的参考项目列表。
在本发明的另一实施例中，类别n-l的至少一个路径可通过类别n 的该至少一个匹配参考项目而得到扩展，以形成类别n的至少一个路
径。对于最高类别，路径在最初被建立并在随后的类别得到扩展。因
此，可以确定列表存储器的存储容量是否足以为类别n的每个路径加 载类别n+l的各个参考项目列表。如果确定存储容量不够，则可基于 补充用户输入来消除类别n的至少一个路径。然后，可以卸载类别n 的该至少一个参考项目列表，并且可以为类别n的每个路径加载类别 n+l的各个参考项目列表。
在下文中，将参考附图更详细地描述本发明。 图1示出根据本发明的示例性实施例的示例性的输入口述短语的 项目和类别，
图2示出根据本发明的示例性实施例的基于车辆的环境中的导航 系统或插件式计算机的总体实现方案，
图3示出根据本发明的示例性实施例的语音识别系统的硬件模块，
图4示出根据本发明的示例性实施例，当在导航系统中实现时， 具有形成路径的串接的匹配参考项目的搜索路径树，
图5示出根据本发明的示例性实施例，当在媒体库中实现时，具 有形成路径的串接的匹配参考项目的搜索路径树，其中路径可唯一地 识别数据库的多个条目，
图6示出根据本发明的示例性实施例，具有执行语音识别所必须 的步骤的流程图，并且
图7示出根据本发明的示例性实施例，具有执行语音识别所必须 的步骤的流程图。
具体实施例方式
在进一步详细讨论本发明的不同示例性实施例之前，先在下面定 义本文中频繁使用的几个术语。
数据库典型地由几个数据库条目的集合组成。每个数据库条目自 身可包括许多不同的字段，其中所有数据库条目可典型地包括同样数 目的不同字段。每个字段可与将在下面更详细概述的类别相关联。
数据库可以例如是包括数字音乐文件、视频、游戏等的媒体库。
例如，在本发明的一个实施例中，数据库被实现为SQL内部/外部(在
线)数据库(SQI^结构化查询语言)。考虑例如数字音乐文件的媒体
库，其可以包括可例如由曲风、演奏者和标题表征的歌曲的集合。这 些特征可被认为每个均与一个类别相关联。
在本发明的另一实施例中，数据库也可包含全世界的、全洲的或
全国的目的地和/或兴趣点(POI)的条目。目的地和/或兴趣点可被认
为包括若干字段，诸如国家、(任选地)州、城市、街道名称、房屋号、
房屋号的尾标(suffix)、补充信息等。
在本发明的另一实施例中，用于操作插件式计算机和/或控制基于 车辆的装置的命令被存储在数据库中。当操作车辆装置时，例如，每
个命令可以包括指示要控制的单元(例如，"空调")的字段(其例 如对应于最高类别)，随后是指示要执行的操作(例如，"温度")的字 段(其可对应于下一类别)。根据示例性的输入口述短语"请把空调的
温度设置为20度"，项目"空调"表示最高类别。项目"温度"可对 应于下一类别，随后是项目"20度"，其可对应于该实例的最低类别。
另一选项可以是，数据库包括不同类型的条目，诸如媒体、目的 地、兴趣点、插件式计算机命令等。
如上所述，数据库条目的每个字段可与类别相关联。例如，导航 系统的数据库的国家可定义为对应于最高类别。下一类别可表示目的 地的城市，随后的类别可以是街道名称，等等。数据库的各个字段的 条目被表示为参考项目。
类似地，对于媒体库，歌曲标题"Madman across the water"可以 例如是类别"标题"的参考项目。 一旦数据库从语音识别系统接收到 查询，就可以根据该査询中指示的类别生成适当的参考项目的列表。 例如，如果第一査询指示最高类别，则将国家的列表返回给语音识别 系统。如下面详细说明的那样，下一类别的下一查询可从数据库返回 语音识别系统在先前类别中先前确定的该国家内的城市的列表。
语音识别系统处理不同类别的顺序可取决于不同因素，诸如要启 动的应用程序或要控制的功能，要指定的数据库条目的类型，等等。 例如，如果语音识别系统与车辆的导航系统结合使用，并且例如如果 车辆位于欧洲，则语音识别系统可以使用下面的数据库条目类别的顺序来处理输入的口述短语(例如，导航系统的驾驶目的地)国家，城 市，街道名，等等。如果例如车辆位于美国，则类别可以以不同的顺 序来处理，该顺序从州开始，随后是城市，街道名称，等等。
例如，兴趣点可以仅由两个类别(其可以是例如"纽约市政厅(City
hall in New York)")定义。用户可在其口述短语中使用关键词"兴趣点"。 然后，语音识别系统可加载"纽约"的"兴趣点"类别的参考项目列 表，其中参考项目可与数据库中的唯一地址相关联。
当使用语音识别系统来识别数字音乐文件库的条目时，例如可使 用自由搜索而不采用分级排序的类别。
通常，类别n可指示总共N个类别中的特定类别。因此，类别n-l 可表示类别n前面的类别。类别n+l可在类别n之后得到处理。
口述短语是由用户输入的完整发声。基于口述短语，语音识别系 统试图唯一地识别数据库的一个条目。例如，输入的导航目的地通常 识别数据库的一个唯一地址。在本发明的另一实施例中，口述短语也 可唯一地识别数据库的多个条目。假定用户打算听某个演奏者的曲集 的所有歌曲，则语音识别系统必须寻定并选择若干个标题。
根据本发明的另一实施例，口述短语由多个项目组成，这些项目 可由语音识别系统识别为输入的发声的一些部分。项目可定义为类似 "Melbourne"的单个词或形成例如类似"Please, drive me to"的命令 的词的串接。这些项目必须在语音识别处理开始之前从口述的发声中 确定。
然后，语音识别系统试图将各个类别的参考项目与输入的口述短 语的项目进行匹配，以获得不同类别的匹配参考项目的一个或多个串 接(也表示为"路径")，每个串接识别一个数据库条目。
图1示出根据本发明的示例性实施例的口述短语与其项目和该实 例的相关类别。口述短语可以是"Please drive me to Harbor Street fifteen AinMelboume"。首先，项目"Please drive me to"可确定为对应于最 高类别1，其可以是指示哪个应用程序将被启动或哪个单元将被控制的 命令。在该实例中，导航系统被请求计算到达给定目的地的路线。然 后，项目"Melbourne"可被定义为对应于下一类别2。输入的目的地 地址的项目"Harbor Street"可定义为对应于下一类别3。然后，项目
"fifteen"可对应于类别4，并且项目"A"可对应于最低类别。通常， 应用程序或要控制的单元可由最高类别的匹配参考项目规定。随后的 类别的分级结构可取决于最高类别的匹配参考项目。
类别n的匹配参考项目表示可与口述短语的项目匹配的参考项目。 例如，在操作导航系统(包括或共同操作语音识别)时，输入的短语 可以是"Please, drive me to Melbourne，，。对于该实例，命令"please, drive me to"被认为是一个项目。进一步，"Melbourne"被认为是该实例的 另一项目。语音识别系统可将参考项目澳大利亚的"Melbourne"与口 述短语的输入项目匹配，但也可以将参考项目美国Florida的
"Melbourne"与口述短语的输入项目匹配。
参考项目的列表被定义为与所请求的类别相对应的数据库字段内 容的列表。例如，该列表可通过请求从数据库取回。作为请求的参数， 可以使用一个或多个先前处理的类别的一个或多个匹配参考项目。例 如，数据库响应于具有参数"USA, Melbourne"的对街道名称的查询 而返回的参考项目列表，将返回美国Melbourne中的所有街道的所有 名称。通过使用SQL，请求可具有下面的格式SELECT streets FROM database WHERE country=，USA， AND city= ，Melbourne,。因此，不使用 参数的对街道名称的查询将返回包含在数据库中的所有街道名称的列 表，而不管特定城市(和国家)(例如使用SQL: SELECT streets FROM database )。
路径是各种类别的匹配参考项目的串接。 一个或多个路径可在匹 配参考项目的处理中动态地建立和/或消除。例如，如果在类别n没有 其它的参考项目可与口述短语的项目匹配，则可消除各个路径。例如， 如果对于具有城市"Melbourne"(澳大利亚)的路径，没有参考项目 可与口述短语的项目"Townhallstreet "匹配，则可以删除含有 "Melbourne"(澳大利亚)的路径。与之相对比，关于城市"Melbourne" (Florida),例如，类别"街道"的各个参考项目可与口述短语的项目 "Townhallstreet"匹配。
进一步，措辞语音相似性表示至少两个参考项目可与口述短语的 一个项目匹配的情况，其中匹配的参考项目表示具有不同拼写但具有 相同发音的项目。例如，参考项目"Harbor Street"禾卩"Harberstreet" 可与输入的口述短语的项目"Harbor Street"匹配。
下面的段落将描述本发明的多个实施例。应该注意，本发明可有 利地例如与基于车辆的娱乐、导航和信息处理装置结合使用，但本发 明不限于用在该特定的示例性的基于车辆的环境中。
本发明的一个方面是改善语音识别系统的存储管理。这可通过仅 加载各个类别的参考项目至存储器来实现。语音识别系统识别输入的 口述短语中的一个或多个项目，其中每个项目可对应于具有重要性的 各个类别。例如，如果语音识别系统的用户想听媒体库的歌曲，则他/ 她可输入所期望的歌曲的演奏者和标题。在口述短语己经由用户输入 后，语音识别系统可发送查询至数据库并取回包括存储在数据库中的 所有演奏者的参考项目的列表。
最高类别的参考项目的列表被存储在列表存储器中。随后，将每 个参考项目与口述短语的每个项目进行比较。 一旦所有加载的参考项 目已经与口述短语的项目进行了比较，并且至少一个参考项目已经与 口述短语的项目匹配，就已经为该相应的类别完成了搜索和匹配处理。 每个匹配的参考项目可添加到各个路径(即，表示各个路径的第一元 素)。各个类别的至少一个路径的匹配处理可被认为是语音识别处理的 迭代步骤。
根据下一较低的类别(其可例如对应于歌曲的标题)，该至少一个 匹配的参考项目(标题)可与先前类别的各个匹配参考项目串接。为 了将列表存储器的占用率保持在最低水平，在当前处理的类别中没有 为其发现参考项目的路径被删除。
因此，通过仅加载根据各个类别的参考项目的列表，语音识别系 统有效地使用可用的存储器。也就是，对于数字音乐文件的实例，首 先可加载演奏者的列表并将其与口述短语的项目进行比较。然后如果 类似作为实例的"Madonna"的演奏者已经与口述短语的项目匹配，则 卸载演奏者列表并加载"Madonna"的所有可得到的歌曲标题。该方法 在存储器占用率方面比例如同时加载具有所有演奏者和标题的列表的 方法要高效得多。
本发明的另一方面是减小语音识别系统和用户之间必需的交互。 根据本发明的一个实施例，考虑口述短语的项目而不是对完整的发声
执行语音识别，这在必需的用户交互方面要有效得多。
例如，口述短语可以是"I want to listen to the song Fever from Madonna"。当对整个发声执行语音识别时，系统在为"I want to listen to"
寻找参考项目时可能会有问题，并且可能会请求重复口述短语。根据 本发明，语音识别系统可仅考虑口述短语的项目"Madonna"和"Fever"。 由于系统可允许输入项目的任意顺序，所以可以实现对补充用户输入 的必要请求的减少。甚至在补充用户输入是必需的情况中，语音识别 系统也可仅需要校正各个单独的项目，而无需重复整个口述短语。这 可显著地增强道路交通中的安全性。
减小用户交互的第二个措施是有效地加载参考项目列表至列表存 储器。由于列表存储器可以以满容量操作，所以可以追踪许多可能的 路径以便无需请求用户进行补充输入。系统还可消除在各个类别处不 具有合适的相应参考项目的路径。
因此，本发明的语音识别系统提供了有效的操作系统，其解决了 增强存储管理和减少用户交互的需要。
图2显示出了根据本发明的示例性实施例，导航系统或插件式计 算机如何在汽车环境中实现的实例。该系统可以例如包括导航系统1， 导航系统1包括用于执行语音识别的所有处理装置和数据库。麦克风2 可设置在车辆的内部以用于输入口述短语。进一歩，导航系统可以例 如包括用于与用户可视地交互的触摸板显示器(touchpad display),并 且如果有必要，可在显示器3上显示软键盘以使得用户能够输入。可 替换地或另外，导航系统还可包括使用户能够输入的按键或按钮4。这 些按键或按钮可以例如在方向盘上，并且可有利于与用户相应的用户 友好性以便不使用户从道路交通分心。例如，也设置了扬声器5来声 学地输出信息和请求给用户。显示器也可例如设置为将信息投影在用 户视场内的挡风玻璃上的平视显示器。对于语音识别所必需的硬件模 块以及它们在例如导航系统1中的实现，在图3中显示出。
图3显示出根据本发明的示例性实施例，可包括在语音识别系统 中的多个硬件模块。可实现用户接口 10以用于由用户输入口述短语和 用于输出对补充用户输入的请求。这可通过采用供输入用的麦克风2 或显示器3的软键盘或按键4和供输出用的显示器3和/或扬声器5来执行。
进一步，输入存储器12存储输入的口述短语。如下面参考图5所 述，语音识别系统的处理单元14能够经由接口 17发送查询至数据库 16以获得参考项目的列表。进一歩，处理单元14可加载从数据库16 接收的参考项目列表至列表存储器13。数据库可包括至少一个永久存 储介质，诸如硬盘驱动器、DVD、 CD或其它光学存储介质以存储数字 音乐文件、电影、导航目的地、兴趣点、命令等。连接至列表存储器 13和处理单元14的识别部11能够比较存储在列表存储器13中的每个 参考项目与存储在输入存储器12中的口述短语的项目。包括匹配参考 项目的串接的路径可被存储在输出存储器15中。
图4示例性地显示出根据本发明的示例性实施例，当在车辆的导 航系统中实现时，语音识别系统如何操作。对于该实例，为了示例性 的目的，假定与输入目的地地址相应的输入口述短语是"Please drive me toHarbor Street fifteen A in Melbourne"。此处，为了简单起见，假定语 音识别系统仅用于控制导航系统，因此不需要从口述短语中确定哪个 应用程序将被启动或哪个单元将被控制。首先，语音识别系统可任选 地确定目的地的国家。可以假定目的地位于关于口述短语被输入的时 间点的同一国家内。在本发明的一个实施例中，国家可基于当前车辆 位置(其可以例如通过GPS接收机来确定)而被(自动地)预选择。 可替换地，可以请求用户手动地预选择国家。该预选择的国家然后可 用作步骤S20的基础。
根据上面的说明，语音识别系统从最高类别(该实例中的类别l) 开始，并加载相应国家(在该实例中为美国)的城市。语音识别系统 比较加载列表的每个参考项目(每个城市)与输入的口述短语的每个 项目。在已经终止最高类别的搜索运行后，可以假设通过考虑匹配参 考项目拼写和/或语音相似性而发现了两个参考项目。在该实例中，美 国城市"Melbourne"和"Elburn"与口述短语的一个项目匹配。
类别1的搜索运行的结果 路径a
[Elburn (USA)] 路径山
在还没有预选择国家的情况中，城市的搜索运行可以以多于两个
城市结束。例如，这些匹配的城市可以是"Melbourne"(澳大利亚)、 "Melbourne"(美国)、"Elbum"(美国)禾n "Malborn"(德国)。
该实例将以表示美国的匹配城市的路径ai和山继续进行。系统保 持两个路径(&和d。，因为不能确定是否已经有一个路径对于口述输 入的目的地地址无效，由于在该阶段街道名称还没有被匹配。
进一步，在一个实施例中，处理单元可在搜索运行之间(即，在 每次搜索特定类别之后)确定是否已经有一个路径唯一地识别数据库 条目，即该实例中的目的地。如果是，则可开始计算到目的地的路线。
处理单元可确定是否有足够的存储容量来加载在当前类别匹配的 两个城市中的每个城市的街道名称列表。如果在加载这两个城市的街 道名称列表时超出存储器容量，则系统可请求用户进行补充输入。特 别地，可以例如请求用户选择两个城市中的一个。相反，如果有足够 的存储器容量可利用，则可保持存储两个路径并卸载城市列表。然后， 对城市"Melbourne"(美国)禾n "Elbum"(美国)的所有街道名称的 查询，被发送到数据库。应答可以是根据例如街道名称的下一类别(该 实例中为类别2)的参考项目的两个列表，然后这两个列表被加载到列 表存储器13中。
系统以表示路径al的当前末端的节点S21继续进行处理，并且可 在为"Melbourne"(美国)加载的相应参考列表中搜索包含在输入的 口述短语中的街道名称的项目。在该实例中，两个街道名称可匹配口 述短语的项目"Harbor Street"。特别地，它们是"Harbor Street"(路径 a1+2)和"Harberstreet"(路径c1+2)。因此，路径被分割并分别扩展到 节点S23和S24。同样的处理被应用于城市"Elburn"(美国)，在这种 情况下没有与街道名称相应的参考项目可以匹配输入的口述短语的项 目，因为对于与口述短语的项目("Harbor Street")在拼写和语音上相 似的该城市，可能没有有效的街道名称(S25，路径d,+2)。
使用独立的列表可能是有利的，因为匹配的参考项目(此处是街 道名称)可容易地与各个路径(此处是城市名称)相关联。如果所有 加载的参考项目(例如，匹配城市的所有街道名称)都包括在一个参 考项目列表中，则可能无法分配给与匹配城市相应的路径。
在这一点上，应该注意，路径a,+2表示从节点S20到节点S21和 到节点S23的路径。因此，路径c,+2表示从节点S20到节点S21和到 节点S24的路径。
类别2的搜索运行的结果 足各今5 a1+25各《5 c+2
因为在步骤S25，对于"Elbum (USA)"，没有参考项目可匹配口 述短语的项目，所以包括从节点S20到S22和从节点S22到S25的路 径的路径d,+2可由系统消除。因此，消除的路径在下一类别的随后搜 索运行中将不再被考虑。
进一步，处理单元可任选地再次确定是否已经有一个剩余路径唯 一地识别目的地。如果是，则可开始路线的计算。
处理单元可任选地确定是否有足够的存储容量来加载每个匹配的 街道名称的房屋号列表。如果存储器容量在加载所有三个街道名称的 房屋号列表时被超出，则系统可请求用户补充输入。特别地，可以例 如请求用户选择两个街道名称中的一个。如果有足够的存储器容量可 用，则可保持存储两个路径a1+2 (S20到S23)和c1+2 (S20到S24)并 可卸载街道名称列表。然后，对"Melbourne"(美国)中的街道"Harbor Street"和"Melbourne"(美国)中的街道"Harberstreet"的所有房屋 号的查询，可被发送到数据库。应答可以是根据例如各个街道的房屋 号的下一类别(该实例中为类别3)的参考项目列表，这些参考项目列 表然后被加载到列表存储器13中。
系统以表示路径a^的当前末端的节点S23继续进行处理，并可 在与"Harbor Street" (Melbourne,美国)相对应的加载参考列表中搜 索包含在输入的口述短语中的房屋号的项目。在该实例中，两个房屋 号可匹配口述短语的项目"fifteen"。特别地，这两个房屋号是"fifteen" (路径31+2+3)和"fifty"(路径b,+2+3)。因此，路径被分割并分别扩展 到节点S26和S27。同样的处理可在节点S24应用于街if"Harberstreet" (Melbourne,美国)，在这种情况下仅一个与房屋号相应的参考项目 ("fifteen",路径31+2+3，节点S28)可匹配输入的口述短语的项目，因
为对于与口述短语的项目("fifteen")在拼写和语音上相似的该街道， 可能没有其它有效的房屋号。
类别3的搜索运行的结果 路径a1+2+3 路径b1+2+3 ￡各《5 c1+2+3
进一步，处理单元可任选地再次确定是否已经有一个路径唯一地 识别目的地。如果是，则可开始计算路线。
处理单元可确定是否有足够的存储容量来加载每个匹配房屋号的 房屋号的后缀列表。如果存储器容量在加载所有四个匹配的房屋号的 房屋号后缀列表时被超出，则系统可请求用户补充输入。特别地，可 以例如请求用户选择两个街道名称中的一个和/或再次输入房屋号。如 果有足够的存储器容量可利用，则可保持存储三个路径(a1+2+3， b1+2+3， c1+2+3)并可卸载房屋号的列表。然后，根据每个路径的各个匹配街道 名称和它们相应的匹配城市而对匹配房屋号"fifteen"和"fifty"的所 有后缀的查询，可被发送到数据库。应答可以是根据例如房屋号的后 缀的下一类别(该实例中为类别4)的参考项目列表，然后这些参考项 目列表被加载到列表存储器13中。
关于类别4，可用于房屋号"fifteen"或"fifty"的唯一后缀"A"， 可以例如是"Melboume， USA"的"Harbor Street"中的房屋号"fifteen"。 包括从S20到S29的路径的路径31+2+3+4可被确定为在所有其它路径被 消除后的唯一剩余路径。特别地，可消除路径b1+2+3+4，其包括从S20 到S30的路径。进一步，可消除路径31+2+3+4，其包括从S20到S31的 路径。
类别4的搜索运行的结果 路径a1+2+3+4
处理单元确定剩余路径a1+2+3+4唯一地识别导航系统的地址数据库
条目。然后，启动应用程序，在该实例中，其可以是对具有被识别的
地址的路线的计算。
总之，即使在没有足够清楚地口头输入口述短语的情况下，语音 识别系统仍能够通过考虑关于输入的口述项目的语音相似性的各种可 能性，来识别正确的数据库条目，而无需仓促地请求用户补充输入。
在图4的实例中，语音识别系统是指识别唯一地识别数据库的一 个条目的输入口述短语。图5示例性地示出根据本发明的示例性实施 例，语音识别系统也能够识别唯一地识别多个数据库条目的输入口述 短语。
在图5中，例如，假定的输入口述短语是"Iwantto listen to Madman across the water from Elton John"。该实例应示出数字音乐文件媒体库的 实例。在该实例中，数据库的类别可能没有分级顺序。因此，在査询 最高类别时，返回的参考项目列表可对应于例如数字音乐文件的类别 "title (标题)"或"album (曲集)"。但其也可以仅是类别"artist (演 奏者)"。要加载的类别的顺序可以由语音识别系统定义或者可以由口 述短语的输入项目的顺序定义。在该实例中，类别"artist"的参考项 目被确定为要首先加载。系统也可以根据例如最高类别"artist"、第二 类别"album"和作为第三类别的"title",来随后处理参考项目列表的 加载。
如已经在图4的先前实例中显示出的那样，语音识别追踪多个可 能的路径，在该实例中将是路径ai和bp在该实例中，类别"artist" 的匹配参考项目可以是"Elton John"和"Alton Elis"。进一步，i亥系 统确定对于作为演奏者的参考项目"AltonEllis"，不能获得可匹配曲集 或歌曲"Madman across the water"的数据库参考项目。因此，在匹配 处理的进一步进行中，可消除该特殊路径(b,)。在已经将参考项目 "Elton John"与口述短语的项目匹配后，在步骤S53 (路径31+2)和步 骤S54 (路径b!+2)，系统必须确定匹配的参考项目"Madman across the water"是否已经识别了数据库的条目。由于"Madman across the water" 可能是具有多个标题的曲集，也可能是单个歌曲标题，所以在步骤S55 需要补充用户输入。在该步骤，用户可澄清语音识别系统接下来必须 考虑哪个路径。在该实例中，在步骤S55中请求补充输入时，用户可 通过口头输入口述项目"album"而选择曲集"Madman across the water"。 在步骤S57 (路径aw)，对应于曲集"Madman across the water"的所
有歌曲标题被确定为匹配的参考项目，并且可启动用于重放的应用程 序并把匹配的参考项目(此处为曲集的所有歌曲)作为指定要重放的 歌曲的输入参数(例如播放列表)。如果用户在步骤S56仅决定歌曲，
则标题"Madman across the water"被确定为唯一的匹配参考项目，并 且以这一首歌曲来启动应用程序。
根据本发明的另一实施例，语音识别系统可取决于列表存储器的 可利用容量，来首先加载至少一个类别的每个的参考项目列表。例如， 可首先加载类别"album"和"title"的参考项目。可进一步假定加载 类别"artist"的参考项目列表将超出类别存储器的容量。然后，系统 试图将至少一个参考项目与口述短语的至少一个项目匹配。匹配的参 考项目可以例如是"Madman across the water"(歌曲)禾卩"Madman across the water"(曲集)。
在该第一次匹配处理之后，存储匹配的参考项目并卸载列表，并 且如果先前不能加载所有类别的所有列表，则加载剩余类别的参考项 目列表，其在该实例中是类别"artist"的参考项目列表。系统可再次 试图将至少一个参考项目与口述短语的至少一个项目匹配。例如，根 据该实例，参考项目"Elton John"和"Alton Ellis"可被匹配。在已经 匹配了参考项目后，系统可确定识别数据库条目的最适当和最可能的 串接。通过使用SQL，系统的请求可例如具有下面的格式SELECT* FROM database WHERE ((song='Madman across the water') OR (album=，Madman across the water')) AND ((artist=，Elton John') OR (artist=，Alton Ellis'))。
在该实例中，数字音乐文件数据库的条目将被识别。由于通过逻 辑"AND"函数而产生的类别"album"和"title"的组合将导致来自 演奏者"Elton John"的曲集"Madman across the water"的歌曲"Madman across the water",所以在实例中使用逻辑"OR"函数以获得两个选中 项(hit)，即歌曲"Madman across the water"和具有其相应歌曲的曲集 "Madman across the water"。
换句话说，在该实例中，同一类别的匹配参考项目可以采用逻辑 "OR"函数组合，而且，不同类别的匹配参考项目可也以采用逻辑"OR" 函数组合。
然而，在其它情形中，不同类别的所有匹配参考项目可以通过逻 辑"AND"函数组合。这可以应用于例如导航系统的地址的匹配参考 项目上。
该示例性査询的返回结果可以是两个选中项，即来自"Elton John" 的"Madman across the water"(曲集)和来自"Elton John"的"Madman across the water"(歌曲)。由于可能没有进一步的用户输入，所以系统 可在步骤S55停止，并请求用户补充输入以决定是否所有歌曲都要选 择或仅从具有相同名称的曲集中选出一首歌曲。
进一步，在另一实施例中，为了示例性目的，假定用户想听具有 先前确定的标题的播放列表。语音识别系统可识别具有相应的唯一数 据库条目的播放列表的名称，并以包括在播放列表中的各个歌曲来启 动应用程序。
类似的解决方案可例如适用于具有将在特定路线上选中的预定的 中途停留点的导航系统。这些中途停留点可例如对应于具有特定路线 的名称的参考项目。这对例如具有几个中途停留点目的地的观光旅行 会是有帮助的。
图6示出根据本发明的示例性实施例的语音识别处理的示例性流 程图。首先，口述短语由用户在歩骤S1输入。然后，在步骤S2，具有 最高类别的参考项目列表被加载到语音识别系统的列表存储器13中。 数据库可例如包括各个应用程序的所有参考项目，诸如媒体库，或导 航路线引导服务的目的地，或用于操作插件式计算机的命令，或用于 控制基于车辆的装置的命令，或外部在线数据库的条目。
作为下一步骤，在步骤S3，随后将参考项目的加载列表的每个参 考项目与输入口述短语的每个项目比较。如果加载的参考项目列表中 没有参考项目可匹配输入的口述短语的项目，则请求用户再次输入整 个口述短语(步骤S1)。然后，处理系统再次执行步骤S3并决定是否 至少一个参考项目可匹配输入口述短语的一个项目。只要没有参考项 目可匹配口述短语的项目，则重复执行步骤S1至S3，例如直到用户中 断该处理为止。
如果在步骤S3，至少一个参考项目可匹配输入的口述短语的一个 项目，则系统继续进行步骤S4。如上所述，路径是在当前类别之前已
经被处理的各个类别的匹配参考项目的串接。在步骤S4，可以决定路 径是否由于没有当前类别的合适参考项目而被排除。
这可适用于例如图4中的路径(11+2，在这种情况下不能找到口述短
语的项目"Harbor Street"的参考项目。因此，该路径或其它路径可能 是无用的，并可在循环中的步骤S5被消除，直到没有另外的路径可被 删除。
系统继续进行步骤S6，在该步骤中可以决定是否存储的路径中的 一个己经唯一地识别数据库的条目。如果是这样，则可以通过使用数 据库的条目来启动应用程序或对单元进行控制(步骤S14)。如果没有 数据库条目可由存储的路径中的一个唯一地识别，则系统继续进行步 骤S7以在歩骤S7为类别n的每个路径决定存储容量是否足以加载下 一类别n+l的各个参考项目列表。如果足够，则系统继续进行步骤S9 并存储串接的匹配参考项目的路径。如果在步骤S7，存储容量不足以 为类别的每个路径加载下一类别n+l的各个参考项目列表，则请求用 户补充输入以在步骤S8鉴于语音和/或拼写相似性而澄清匹配的参考 项目，以减小存储路径的数目，从而相应地减小在下一类别n+l为相 应的匹配参考项目加载参考项目列表所需的存储器。
然后，系统可继续进行步骤S9以存储串接的匹配参考项目的澄清 的和剩余的路径。然后，可以在步骤S12决定是否参考项目的列表已 经对应于最低类别。在已经决定参考项目列表不对应于最低类别后， 在步骤S13卸载当前参考项目列表并加载下一类别的参考项目列表。 在该步骤，要加载的参考项目列表是与类别n的路径的匹配参考项目 相匹配的参考项目列表。
如果在步骤S12参考项目列表对应于最低类别，则系统在步骤Sll 决定是否剩余路径中的一个已经唯一地指定了数据库条目。如果不是， 则请求用户通过补充输入从剩余路径中识别正确的路径。这可通过请 求澄清先前类别的一个匹配参考项目或先前类别之一的一个匹配参考 项目来实现。如果步骤S10的用户交互是成功的，并且数据库的条目 由存储的匹配参考项目的串接唯一地识别，则可以使用数据库的条目 来启动应用程序或对单元进行控制(步骤S14)。
总结针对图6概述的概念，语音识别系统在其存储器中保持至少 一个路径，并决定对于当前类别的每个匹配参考项目，下一类别n+l 的各个参考项目列表是否可加载到列表存储器中。如果列表存储器的 容量会被超出，则可以请求用户识别与先前类别之一的匹配参考项目 相对应的路径，以便减小剩余路径。这使得系统能够应付受限制的列 表存储器容量，以适当地加载剩余路径的参考项目列表。
通过该实例，显然的是，由于语音识别系统仅在必要时请求补充 用户输入，所以道路交通的安全性得到了增强。并且如果需要补充输 入，则系统仅要求澄清口述短语的特定项目，而不是要求重复整个口 述短语。
语音识别系统的可替换实施例可以是根据图7的实现方案。基本 上，其步骤类似于图6所示的步骤，但在执行步骤S7之前，可以在步 骤S6a确定是否存储的路径中的一个已经唯一地识别多个数据库条目。 如果是这样，则系统可推断多个条目被用户所期望以由应用程序启动， 如果例如仅曲集的演奏者和标题被口头输入的话。可替换地，在未定 义的情形中，可以在使用数据库条目启动应用程序或对单元进行控制 之前，请求用户为其决定进行补充输入。根据图5的实例，用户可在 步骤S55在仅播放一首歌曲或播放与歌曲同名的整个曲集之间做出决定。
而且，语音识别系统也可通过关键词来操作。用户可在输入具有 关于目的地或想要听的歌曲的信息的口述短语之前，输入用于控制车 辆中的装置或开始导航系统的路线引导或选择媒体库的命令。基于所
识别的关键词，语音识别系统可在执行图6的实例的步骤之前加载类 别的各个分级结构。
关键词也可用于识别用户创建的歌曲的播放列表的名称。用户可 以知道存储在语音识别系统的数据库中的关键词，或者系统具有存储 在数据库中的各种关键词以便不需要基于所存储的关键词对用户进行 训练。
另一示例性实施例涉及语音识别系统不能够匹配最高类别的参考 项目的情形。不是请求用户重复输入口述短语(Sl)，而是可替换地， 系统取决于可利用的存储器容量而试图加载下一类别的参考项目列 表，并可试图将至少一个参考项目与口述短语的项目匹配。在其中一 个下一类别中，系统可确定可被消除的不合适的路径，以便将存储器 占用率保持在最低水平。进一步，在特定类别，最高类别的参考项目 可基于除第一类别以外的类别的匹配参考项目而获得。例如，如果没 有城市名称能够匹配口述短语的项目，则系统可加载所有城市的所有 街道名称并可继续进行处理直到串接揭示出一定数目的路径是无效的 为止，这些路径因此可被消除。基于路径的消除，可确定类别(例如， 城市)的先前未被识别的项目。这可进一步确保将补充输入所需的用 户交互保持在最低水平。
为了甚至向语音识别系统的用户提供更高的灵活性，根据本发明 的另一实施例，输入的口述短语的项目也可以以任意顺序输入。而且， 语音识别系统也能够提供必须澄清的路径的参考项目列表的可视输 出，其中可视地输出参考项目列表的顺序可以基于它们匹配口述短语 的项目的可能性。系统也可适于声学地请求用户补充输入预设的次数， 直到可视地输出列表，用户通过操纵控制元件从其中进行选择。
本发明额外的实施例涉及进一歩减少必要的用户交互，这可例如 应用于列表存储器被超出的情况。该实施例更可以是存储器管理的进 一步增强。不是在确定列表存储器的存储容量不足以为类别n的每个
路径加载类别n+l的各个参考项目列表之后请求用户补充输入，而是
语音识别系统可继续处理具有最高可能性成为唯一地指定数据库条目
的路径的类别n的路径的匹配参考项目。参考项目列表可根据特定路 径的匹配参考项目加载。在匹配处理之后，在同一类别内，要选择的 下一路径是成为唯一地指定数据库条目的路径的可能性为下一较低的 可能性的路径。再次加载根据当前选择的路径的参考项目列表并重复 执行匹配处理，直到所有路径都已经被处理为止。
示例性的口述短i吾可以是"Drive me to Elizabeth Street Berkeley "。 首先，语音识别系统可匹配参考项目(城市)"Berkeley"与口述短语 的项目，并使该匹配的参考项目与具有最高可能性成为唯一地识别数 据库条目的路径的路径相关联。该最高类别的第二匹配参考项目可以 是New Jersey的城市"Elizabeth"。假定类别存储器将在加载两个匹配 的城市名称的所有街道名称时被超出，则系统可首先基于最高可能性 来选择参考项目"Berkeley"并加载"Berkeley"的所有街道名称。如
果例如加载的列表中没有参考项目可匹配口述短语的项目"Elizabeth Street",则可卸载对应于匹配参考项目(城市)"Berkeley"的街道名 称列表并消除该路径。然后，可加载对应于城市"Elizabeth"的街道名 称列表，并且例如参考项目"Berkeley Street"可匹配口述短语的项目。 然后，具有匹配参考项目"Elizabeth"禾口 "Berkeley Street"的路径已 经成为具有最高可能性成为唯一地识别数据库条目的路径的路径，该 路径可在下一类别内首先被考虑。对于每个随后的类别，所考虑的路 径可以基于它们成为唯一地识别数据库条目的路径的可能性而被排 序。
其它示例性实施例涉及考虑用于识别输入口述短语的操作参数的 语音识别系统。操作参数可以例如是语音识别系统的目前位置、当前 或先前的目的地、或者当前正在重放的或在播放列表中选择的媒体库 的媒体文件等当中的至少一个。
在一个实施例中，操作参数可以用于确定唯一地指定数据库条目 的最可能路径，然而，在另一实施例中，操作参数可以用于确定比输 入的口述短语的项目具有更高类别的参考项目。后一个实施例在下面
的情况中会是有利的语音识别系统允许用户仅输入例如街道名称和 房屋号，而不是说出完整的目的地。
在示例性实施例中，用户可输入口述短语(例如驾驶目的地)，但 语音识别系统匹配多个参考项目与例如口述短语的城市名称。通过使
用操作参数，可以例如防止请求用户进行补充输入。该系统可通过GPS 接收机来使用当前车辆位置的操作参数以获得当前城市名称。随后， 可以检査基于GPS信息确定的当前城市名称是否匹配口述短语中的潜 在城市名称之一。
因此，通过借助例如GPS信号澄清各个参考项目，可以找到最可 能的路径。
在另一示例性实施例中，当前操作参数可用于初始地确定对于正 确识别收入口述短语所必需的参考项目。
例如，出于示例性的目的，可以假定导航系统的用户位于New York (城市)，并且仅向语音识别系统输入街道名称和房屋号作为输入的口 述短语。在系统已经检测到输入口述短语不是完整目的地输入之后，
系统可首先确定对应于最高类别的口述短语的项目。然后，系统可借 助例如GPS信号解析出语音识别系统所处的城市名称，在本实例中将
是"NewYork"。然后将该城市名称用作次高类别的参考项目。语音识 别系统然后可试图将对应于操作参数"New York"的参考项目与输入 口述短语的项目匹配。即，在该实例中，可以为基于GPS信息或者先 前或当前导航目的地确定的类别n+l的项目("NewYork"),加载类别 n (街道名称)的参考项目列表。
另一实例可对应于音乐文件和例如仅包括歌曲标题的口述短语。 然后系统可首先加载对应于例如当前被播放的歌曲的演奏者的参考项 目。
导航系统中的实现方案可以是有利的，因为其允许仅输入不完整 的目的地，然而，仍能保证目的地的口述短语的正确识别。为了向语 音识别系统的用户提供更高的灵活性，这会是极大的益处。
本发明的另一实施例涉及使用硬件和软件的本发明的上述各个实 施例的实现方案。可以认识到，各个实施例和实例可以使用计算装置 (处理器)来实现或执行。计算装置或处理器可以例如是通用处理器， 数字信号处理器(DSP)，专用集成电路(ASIC)，现场可编程门阵列 (FPGA)或其它可编程逻辑器件等。本发明的各个实施例也可以通过 这些装置的组合来执行或实现。
进一步，本发明的各个实施例也可通过软件模块来实现，这些软 件模块由处理器执行或直接在硬件中执行。而且，软件模块和硬件实 现方案的组合也是可能的。软件模块可存储在任何种类的计算机可读 存储介质上，例如存储在RAM、 EPR0M、 EEPROM、闪存、寄存器、 硬盘、CD-ROM、 DVD等上。
进一步，应该注意，本发明的不同实施例的各个单独的特征可独 立地或以任意组合方式作为另一发明的主题。
本领域的技术人员可以理解的是，可在不偏离本发明宽泛描述的 精神或范围的情况下对具体实施例中所示的本发明做出许多变化和/或 改进。因此，这些实施例在所有方面都应被认为是说明性的而非限制 性的。
权利要求
1.一种通过语音识别系统交互地识别口述短语的方法，包括以下步骤a)将类别n的至少一个参考项目列表从数据库加载到列表存储器中，b)确定类别n的至少一个参考项目是否可与包括多个项目的输入的口述短语的其中一个项目匹配，c)通过类别n的至少一个匹配参考项目来扩展类别n-1的至少一个路径，以形成类别n的至少一个路径，d)确定所述列表存储器的存储容量是否足以为类别n的每个路径加载类别n+1的各个参考项目列表，e)如果不足，则基于补充用户输入来消除类别n的至少一个路径，f)卸载类别n的所述至少一个参考项目列表，以及g)为类别n的每个路径加载类别n+1的参考项目列表。
2. 如权利要求l所述的方法，其中有N个不同的类别，并且类别 n的路径含有间隔N到n中的不同类别的匹配参考项目的串接。
3. 如权利要求1和2所述的方法，其中步骤e)包括基于补充用 户输入来消除类别m的匹配参考项目和消除含有类别m的被消除的匹 配参考项目的类别n的所有路径。
4. 如权利要求1至3中的任一项所述的方法，其中当在步骤d) 中确定所述列表存储器的存储容量不足以为类别n的每个路径加载类 别n+l的各个参考项目列表时，基于补充用户输入来消除类别m以外 的类别的匹配参考项目，并且消除含有m以外的级别的被消除的匹配 参考项目的类别n的所有路径。
5. 如权利要求1至4中的任一项所述的方法，其中如果在步骤d) 中确定所述列表存储器的存储容量不足以为类别n的每个路径加载类 别n+l的各个参考项目列表，则选择具有最高可能性成为唯一地指定数据库的条目的路径的类别n的相应路径，并且为类别n的被选路径 的匹配参考项目加载相应的参考项目列表。
6. 如权利要求1至5中的任一项所述的方法，其中具有最高可能 性成为唯一地指定数据库的条目的路径的类别n的相应路径，是基于 当前车辆位置、当前或先前目的地或媒体文件当中的至少一个参数来 确定的。
7. 如权利要求1至6中的任一项所述的方法，包括如果对于类别 n-l的一路径，类别n的参考项目列表中没有相应项目匹配所述口述短 语中的项目，则消除类别n-l的所述路径的步骤。
8. 如权利要求1至7中的任一项所述的方法，包括确定对于类别 n的一个剩余路径，是否仅有一个可能的项目存在于类别n-l的路径的 参考项目列表中，并使用由所述路径指定的数据库条目来启动应用程 序的步骤。
9. 如权利要求1至8中的任一项所述的方法，包括如果已经处理 完所有类别N并且余下最低类别的多于一个的路径，则请求补充输入 的步骤。
10. 如权利要求1至9中的任一项所述的方法，其中如果余下最低 类别的一个路径，则使用由所述路径指定的数据库条目来启动应用程 序。
11. 如权利要求1至10中的任一项所述的方法，其中路径指向 表示媒体库条目的数据库条目，或导航路线引导服务的目的地，或用 于操作插件式计算机的命令，或用于对装置进行控制的命令，或外部 在线数据库的条目。
12. 如权利要求1至11中的任一项所述的方法，其中所述口述短语的项目可由所述语音识别系统以任意顺序接收。
13. 如权利要求1至12中的任一项所述的方法，其中所述口述短语的项目必须由所述语音识别系统以预定顺序接收。
14. 如权利要求1至13中的任一项所述的方法，其中如果所述口 述短语的项目和加载的列表的相应参考项目具有等于或高于阈值标准 的语音相似性，则确定所述参考项目与所述项目匹配。
15. 如权利要求1至14中的任一项所述的方法，其中甚至是在所 述列表存储器的容量足够时， 一旦出现匹配参考项目的语音相似性， 所述语音识别系统就中断口述短语的输入。
16. 如权利要求1至15中的任一项所述的方法，包括可视地或声 学地输出潜在地匹配所述口述短语的项目的参考项目列表以允许用户 通过从所述列表中选择哪个匹配的参考项目将被考虑以保持给定类别 的路径，来提供补充输入的步骤。
17. 如权利要求16所述的方法，其中参考项目在输出列表上的顺 序基于它们与所述口述短语的项目匹配的可能性。
18. 如权利要求16所述的方法，其中在声学地提供补充输入以将 一个参考项目与所述口述短语的项目匹配的请求的数目超过预设数目 时输出列表。
19. 如权利要求16所述的方法，其中输出列表的条目可口头地选 择，并且如果不成功，则通过操纵控制元件来选择。
20. 如权利要求1至19中的任一项所述的方法，其中在唯一地识 别数据库条目后，路径的匹配参考项目由所述系统可视地或声学地确 认。
21. —种交互语音识别系统，包括 处理单元，用来将类别n的至少一个参考项目列表从数据库加载到列表存储器中，其中所述处理单元可操作地确定类别n的至少一个参考项目是否 可与包括多个项目的输入的口述短语的其中一个项目匹配，并且a) 通过类别n的至少一个匹配参考项目来扩展类别n-l的至少一 个路径，以形成类别n的至少一个路径，b) 确定所述列表存储器的存储容量是否足以为类别n的每个路径 加载类别n+l的各个参考项目列表，c) 如果所述处理单元已经确定所述列表存储器的存储容量不足以 为类别n的至少一个路径加载类别n+l的至少一个参考项目列表，则 基于补充用户输入来消除类别n的至少一个路径，d) 卸载类别n的所述至少一个参考项目列表，并且e) 为类别n的每个路径加载类别n+l的参考项目列表。
22. 如权利要求21所述的系统，还包括适于执行根据权利要求1 至20中的任一项的方法的步骤的装置。
23. —种存储指令的计算机可读介质，当所述指令被交互语音识别 系统的处理单元执行时，使所述交互语音识别系统通过以下操作来识 别口述短语a) 将类别n的至少一个参考项目列表从数据库加载到列表存储器中，b) 确定类别n的至少一个参考项目是否可与包括多个项目的输入 的口述短语的其中一个项目匹配，c) 通过类别n的至少一个匹配参考项目来扩展类别n-l的至少一 个路径，以形成类别n的至少一个路径，d) 确定所述列表存储器的存储容量是否足以为类别n的每个路径 加载类别n+l的各个参考项目列表，e) 如果不足，则基于补充用户输入来消除类别n的至少一个路径，f) 卸载类别n的所述至少一个参考项目列表，以及g) 为类别n的每个路径加载类别n+l的各个参考项目列表。
24. —种通过语音识别系统交互地识别口述短语的方法，包括以下步骤a) 取决于可用的列表存储器容量，为至少一个类别的每个将各个参考项目列表从数据库加载到所述列表存储器中，b) 确定至少一个参考项目是否可与包括多个项目的输入的口述短 语的至少一个项目匹配，c) 存储匹配的参考项目并卸载当前的参考项目列表，d) 如果先前不能够加载所有类别的所有参考项目列表，则卸载当 前的参考项目列表，并加载至少另一个类别的每个的参考项目列表，并重复步骤b)和c)，e) 加载与存储的匹配参考项目相对应的参考项目列表，并确定最 有可能识别数据库条目的匹配参考项目的串接。
25. —种通过语音识别系统交互地识别口述短语的方法，包括以下 歩骤h) 接收包括类别n或更低类别的项目的输入的口述短语，i) 基于当前车辆位置、当前或先前目的地、或者被选择重放或当 前正被重放的媒体库的媒体文件当中的至少一个参数，来加载类别n 的参考项目列表，j)确定加载的列表中的类别n的参考项目是否可与所述口述短语 的项目匹配。
26. 如权利要求25所述的方法，还包括确定输入的口述短语中具 有最高类别的参考项目的步骤，其中输入的口述短语中的项目的最高 类别被定义为类别n。
27. 如权利要求25和26所述的方法，其中将所述至少一个参数与 数据库中的类别n+l的参考项目匹配，并且为类别n+l的匹配参考项 目加载类别n的参考项目列表。
28. 如权利要求25至27中的任一项所述的方法，还包括以下步骤:c) 通过类别n的至少一个匹配参考项目扩展类别n-l的至少一个 路径，以形成类别n的至少一个路径，d) 确定所述列表存储器的存储容量是否足以为类别n的每个路径 加载类别n+l的各个参考项目列表，e) 如果不足，则基于补充用户输入来消除类别n的至少一个路径，f) 卸载类别n的所述至少一个参考项目列表，以及g) 为类别n的每个路径加载类别n+l的参考项目列表。
29. 如权利要求25至28中的任一项所述的方法，还包括根据权利 要求2至24中的任一项的方法的步骤。
全文摘要
本发明涉及用于识别输入的口述短语的交互语音识别方法，交互语音识别系统，以及计算机可读介质。为了改善系统的存储器管理并增强例如道路交通的安全性，以及将用户交互减少至最低水平，本发明提出通过在每次迭代中考虑加载参考项目列表的可用存储器，来逐类别地迭代地分析输入的口述短语。更具体地，将特定类别的参考项目迭代地与口述短语的项目进行匹配，并且如果发现一个或多个匹配项目，则系统确定在下一迭代中为每个匹配参考项目加载参考项目列表的存储器是否足够。如果不够，则向用户请求补充输入。
文档编号G10L15/00GK101192406SQ20071019635
公开日2008年6月4日 申请日期2007年11月30日 优先权日2006年11月30日
发明者A·戈森贝格尔, L·柯尼希, R·扎姆 申请人:哈曼贝克自动系统股份有限公司