用于具有用戶可定義約束的小型語音識別的構(gòu)造的嵌入式系統(tǒng)的制作方法
【技術(shù)領(lǐng)域】
[0001]本公開涉及語音識別(speech recognit1n)，并且更具體地，涉及提供聲控(voice-activated)或聲音命令(voice command)功能的語音識別。
【背景技術(shù)】
[0002]語音識別或自動語音識別涉及識別口語詞語(spoken words)的計(jì)算機(jī)化處理。針對語音識別存在多種用途，包括語音轉(zhuǎn)錄、語音翻譯、通過聲音控制裝置和軟件應(yīng)用程序的能力、調(diào)用路由系統(tǒng)、互聯(lián)網(wǎng)的聲音搜索等。語音識別系統(tǒng)可以可選地與口語語言理解系統(tǒng)(spoken language understanding system)相配對，以在與系統(tǒng)交互時(shí)提取待執(zhí)行的含義和/或命令。
[0003]語音識別系統(tǒng)非常復(fù)雜并且通過將話語的聲學(xué)標(biāo)記(acoustic signature)與詞語的聲學(xué)標(biāo)記相匹配來進(jìn)行操作。這種匹配可以可選地與統(tǒng)計(jì)學(xué)語言模型相組合。因此，在語音識別處理中使用聲學(xué)建模和語言建模。聲學(xué)模型可創(chuàng)建自口語話語(spokenutterances)的錄音以及相關(guān)聯(lián)的轉(zhuǎn)錄本。然后，聲學(xué)模型定義了針對相應(yīng)的詞語的單獨(dú)聲音的統(tǒng)計(jì)學(xué)表示。語音識別系統(tǒng)使用聲學(xué)模型以識別聲音的序列，同時(shí)使用統(tǒng)計(jì)學(xué)語言模型以從識別出的聲音識別可能的詞語序列(word sequence) ο
[0004]提供聲控或聲音命令功能的語音識別能使講話者通過說出各種指令來控制裝置和系統(tǒng)。例如，講話者可說出命令以執(zhí)行特定任務(wù)或說出查詢以檢索特定結(jié)果?？谡Z輸入(spoken input)可遵循執(zhí)行特定任務(wù)的一組嚴(yán)格的短語，或者口語輸入可以是自然語言，該自然語言由語音識別系統(tǒng)的自然語言單元來解釋。聲音命令功能在便攜裝置上變得越來越流行，尤其是電池供電的便攜裝置，例如，手機(jī)、膝上型電腦和平板電腦。

【發(fā)明內(nèi)容】

[0005]給定裝置的聲音命令模式可主動收聽口語命令，或在用戶手動激活聲音命令模式之前關(guān)閉。例如，一些移動電話包括響應(yīng)于說出的用戶輸入，諸如呼叫特定個(gè)人、檢索電子郵件消息、播放特定歌曲等以執(zhí)行任務(wù)的功能。通常，用戶將按下電話上的按鈕(或選擇圖標(biāo))以激活聲音命令模式，然后說出命令，例如呼叫約翰斯密斯”作為響應(yīng)，電話或裝置將開始呼叫相應(yīng)的電話號碼，例如，從聯(lián)系人列表或其它目錄檢索電話號碼。
[0006]盡管這種聲音命令功能比較方便，然而訪問這種功能需要用戶按下按鈕或以其它方式導(dǎo)航到供選擇的菜單。因此，啟動聲音命令模式或特征并不是一個(gè)免手動過程。此外，不應(yīng)將聲音命令語音識別引擎作為免手動備選方案持續(xù)運(yùn)行，因?yàn)槌Ｒ?guī)語音識別引擎的功率需求很大。例如，連續(xù)運(yùn)行作為聲音命令模式的一部分的常規(guī)語音識別程序的普通手機(jī)會在大約幾個(gè)小時(shí)之內(nèi)(取決于電池容量的不同)耗盡電池電源的供應(yīng)。功率消耗也是有線裝置或電器存在的一個(gè)問題，因?yàn)槭褂贸Ｒ?guī)語音識別系統(tǒng)會對裝置的效率評估產(chǎn)生不利影響。由此，需要一種聲控“喚醒”功能，其啟動移動電話或其它裝置的語音識別程序，又能消耗較少的電力，從而提供有效的免手動操作功能。
[0007]因此，本文中公開的技術(shù)包括能夠進(jìn)行聲音觸發(fā)的系統(tǒng)和方法，該聲音觸發(fā)以與手動啟動聲音命令功能(按下按鈕)相似的方式喚醒裝置或更確切地使裝置激活所有/或剩余的聲音命令。另外，這種聲音觸發(fā)是動態(tài)可編程或可定制的。例如，講話者可對作為聲音觸發(fā)的特定短語(一個(gè)或多個(gè)詞語)進(jìn)行編程或指定，并可根據(jù)需要更改該聲音觸發(fā)短語。一般來說，本文中的技術(shù)運(yùn)行聲控喚醒系統(tǒng)，其在數(shù)字信號處理器(DSP)或電子裝置的其它低功率的、輔助處理單元上操作。在DSP上運(yùn)行語音識別程序會出現(xiàn)問題，因?yàn)槌Ｒ?guī)語音識別系統(tǒng)相對較大。在DSP上運(yùn)行喚醒特征的另一個(gè)問題是，需要提供動態(tài)可編程的喚醒特征。諸如在移動電話組裝期間，在喚醒短語是可編程的同時(shí)促進(jìn)了在DSP上運(yùn)行喚醒系統(tǒng)，允許用戶指定命令詞語是困難的問題。
[0008]本文中的技術(shù)包括在電子裝置上運(yùn)行兩個(gè)語音識別系統(tǒng)。第一語音系統(tǒng)，其相對大，在裝置的中央處理單元(CPU)上運(yùn)行；第二語音系統(tǒng)，其相對較小，在DSP上運(yùn)行。給定的便攜電子裝置的CPU通常能在電子裝置處于激活狀態(tài)的同時(shí)進(jìn)行大多數(shù)的處理。DSP通常運(yùn)行在相對較低的功率上并且通常用于待機(jī)處理。例如，當(dāng)電子裝置被實(shí)例化為移動電話時(shí)，DSP通常負(fù)責(zé)在電話處于待機(jī)模式(CPU處于非激活狀態(tài))時(shí)收聽呼入的電話呼叫。第一語音識別系統(tǒng)提取定制的觸發(fā)短語，并且將語音模型和代碼轉(zhuǎn)換為相對較小的系統(tǒng)。該第二語音系統(tǒng)隨后被轉(zhuǎn)移至DSP，使得DSP可在CPU處于非激活狀態(tài)的同時(shí)，例如當(dāng)電子裝置處于待機(jī)模式時(shí)運(yùn)行第二語音系統(tǒng)。DSP使用該第二語音系統(tǒng)收聽定制的觸發(fā)短語。檢測到說出的自定義觸發(fā)短語時(shí)，DSP指示電子裝置返回至激活狀態(tài)，或其中CPU會對后續(xù)聲音命令做出響應(yīng)的狀態(tài)。通過在DSP上運(yùn)行較小的第二語音系統(tǒng)，電子裝置可提供消耗相對較少電力的免手動聲音觸發(fā)喚醒特征。
[0009]一個(gè)實(shí)施例包括語音識別管理器，該語音識別管理器在電子裝置上運(yùn)行用于管理語音識別的語音識別處理或系統(tǒng)。語音識別管理器由電子裝置的聲控喚醒功能(即，用于配置喚醒功能的界面)接收配置輸入。配置輸入包括觸發(fā)短語。在電子裝置的第一處理器上接收配置輸入。該電子裝置還具有除了第一處理器之外的第二處理器。語音識別管理器創(chuàng)建與觸發(fā)短語相對應(yīng)的語音識別狀態(tài)的網(wǎng)絡(luò)。利用第一處理器運(yùn)行的第一語音識別引擎在第一處理器創(chuàng)建該語音識別狀態(tài)的網(wǎng)絡(luò)。語音識別管理器將語音識別狀態(tài)的網(wǎng)絡(luò)從第一處理器轉(zhuǎn)移至第二處理器，例如，從CPU轉(zhuǎn)移到DSP。語音識別管理器然后利用與觸發(fā)短語相對應(yīng)的語音識別狀態(tài)的網(wǎng)絡(luò)在第二處理器運(yùn)行第二語音識別引擎。在第一處理器的第一語音識別引擎處于非激活狀態(tài)的同時(shí)，第二處理器運(yùn)行第二語音識別引擎。運(yùn)行該第二語音識別引擎可包括在第一語音識別引擎或第一處理器處于非激活狀態(tài)的同時(shí)持續(xù)分析口語話語。響應(yīng)于識別包括觸發(fā)短語的特定口語話語，DSP或語音識別管理器向第一處理器發(fā)送信號，以使第一語音識別引擎返回至激活狀態(tài)，從而啟動控制電子裝置的聲音命令模式。
[0010]本文中的又一其它實(shí)施例包括用于執(zhí)行上文總結(jié)的并且在下文詳細(xì)公開的步驟和操作的軟件程序。一個(gè)這樣的實(shí)施例包括具有計(jì)算機(jī)存儲介質(zhì)(例如，非易失性、有形計(jì)算機(jī)可讀介質(zhì)；位于不同位置或相同位置的存儲介質(zhì)；計(jì)算機(jī)存儲媒體或介質(zhì)等)的計(jì)算機(jī)程序產(chǎn)品，計(jì)算機(jī)存儲介質(zhì)包括編碼在其中的計(jì)算機(jī)程序邏輯，計(jì)算機(jī)程序邏輯在具有處理器和相對應(yīng)存儲器的計(jì)算機(jī)化裝置中執(zhí)行時(shí)，對處理器進(jìn)行編程，以執(zhí)行(或使處理器進(jìn)行)本文中所公開的操作。這種布置通常被提供為軟件、固件、微代碼、代碼數(shù)據(jù)(例如，數(shù)據(jù)結(jié)構(gòu))等的形式提供，布置或編碼在計(jì)算機(jī)可讀存儲介質(zhì)上，例如，光學(xué)介質(zhì)(例如，CD-ROM)、軟盤、硬盤、一個(gè)或多個(gè)ROM或RAM或PROM芯片、專用集成電路(ASIC)、場可編程門陣列(FPGA)等。軟件或固件或其它這種配置可被安裝至計(jì)算機(jī)化裝置上，使計(jì)算機(jī)化裝置實(shí)施本文中所闡述的技術(shù)。
[0011]由此，本公開的一個(gè)特定實(shí)施例涉及計(jì)算機(jī)程序產(chǎn)品，該計(jì)算機(jī)程序產(chǎn)品包括具有存儲于其上的指令的一個(gè)或多個(gè)非易失性計(jì)算機(jī)存儲介質(zhì)，用于支持例如下列操作:由電子裝置的聲控喚醒功能接收配置輸入，該配置輸入包括觸發(fā)短語，在電子裝置的第一處理器上接收配置輸入，電子裝置具有除了第一處理器之外的第二處理器；創(chuàng)建與觸發(fā)短語向?qū)?yīng)的語音識別狀態(tài)的網(wǎng)絡(luò)，利用第一處理器運(yùn)行的第一語音識別引擎在第一處理器創(chuàng)建該語音識別狀態(tài)的網(wǎng)絡(luò)；將該語音識別狀態(tài)的網(wǎng)絡(luò)從第一處理器轉(zhuǎn)移至第二處理器；并且利用與觸發(fā)短語相對應(yīng)的語音識別狀態(tài)的網(wǎng)絡(luò)在第二處理器運(yùn)行第二語音識別引擎，在第一處理器的第一語音識別引擎處于非激活狀態(tài)的同時(shí)，第二處理器運(yùn)行第二語音識別引擎。當(dāng)通過相應(yīng)的計(jì)算機(jī)裝置的處理器執(zhí)行該指令和本文中所述的方法時(shí)，使處理器執(zhí)行本文中所公開的方法。
[0012]本公開的其它實(shí)施例包括軟件程序以執(zhí)行上文總結(jié)并且下面詳細(xì)公開的方法實(shí)施例步驟和操作中的任一個(gè)。
[0013]毫無疑問，為了明確起見，已指明了本文所述的不同步驟的討論順序。一般來說，這些步驟可以任何適當(dāng)順序進(jìn)行。
[0014]另外，應(yīng)理解的是，本文的每個(gè)系統(tǒng)、方法、裝置等可嚴(yán)格實(shí)施為軟件程序、軟件和硬件的組合，或單獨(dú)的硬件，例如，處理器內(nèi)的硬件或在操作系統(tǒng)或軟件應(yīng)用內(nèi)實(shí)施或通過非軟件應(yīng)用，例如由人進(jìn)行所有或一部分操作來實(shí)施。
[0015]如上所述，本文中的技術(shù)適用于支持聲音命令語音識別的軟件應(yīng)用程序。但是，應(yīng)注意的是，本文中的實(shí)施例并不限于用于這些應(yīng)用程序，本文中討論的技術(shù)也適用于其它應(yīng)用。
[0016]另外，本文中的不同特征、技術(shù)、配置等可在本發(fā)明的不同地方進(jìn)行討論，但每個(gè)概念都可互相獨(dú)立執(zhí)行或互相組合執(zhí)行。由此，本發(fā)明可以多種不同的方式實(shí)施和查看。
[0017]應(yīng)注意的是，本文中的該
【發(fā)明內(nèi)容】
部分并沒有指出每一個(gè)實(shí)施例和/或本公開或本發(fā)明要求的增加的新穎性方面。相反，這個(gè)
【發(fā)明內(nèi)容】
僅提供了不同實(shí)施例的初步討論和與常規(guī)技術(shù)相比的相對應(yīng)的創(chuàng)新點(diǎn)。對于本發(fā)明和實(shí)施例的額外細(xì)節(jié)和/或可能視角，讀者應(yīng)參見下文進(jìn)一步討論的本公開的【具體實(shí)施方式】部分和相對應(yīng)的附圖。
【附圖說明】
[0018]從下面根據(jù)在附圖中示出的本文中的優(yōu)選實(shí)施例的更具體的描述，上述及其它目的、特點(diǎn)和優(yōu)點(diǎn)將是顯而易見的，在附圖中，貫穿不同的視圖的相似的參考符號指代相同的部分。示圖并不一定按比例繪制，而是將重點(diǎn)放在對實(shí)施例、原理和概念進(jìn)行圖解說明。
[0019]圖1為用于根據(jù)本文中的實(shí)施例