專利名稱：聲音命令處理裝置與方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種語音辨識技術(shù)，特別是一種聲音命令處理裝置 及方法。
背景技術(shù)：
i吾音多爭i口、寺支術(shù)(speech/voice recognition)^皮i人為是一種具^f吏用者 親禾口力的人才凡介面(user-friendly man-machine-interface, MMI), i吾音
辨識技術(shù)現(xiàn)已發(fā)展來分辨人類說話的自然語言的意義。

發(fā)明內(nèi)容
本發(fā)明實施例4皮露了 一種聲音命令處理裝置，其中包括行動代 理器執(zhí)行平臺。行動代理器執(zhí)行平臺包括內(nèi)部平臺、至少一個代理 器、行動代理器執(zhí)行情境與行動代理器管理單元。行動代理器執(zhí)行 情境提供應(yīng)用程序介面，使得代理器通過應(yīng)用程序介面使用內(nèi)部平 臺的資源。行動代理器管理單元掌理代理器的初始化、執(zhí)行、暫時 中止、重新開始與分派。代理器用以扭乂f亍有關(guān)聲音命令處理的功能。
本發(fā)明實施例4皮露了 一種聲音命令處理方法，包括以下步駛《。 接收由目標(biāo)裝置所復(fù)制的語音辨識代理器，此語音辨識代理器包含 執(zhí)行語音辨識的電腦程序、聲學(xué)模型、詞匯及語言才莫型。使用語音 辨識代理器根據(jù)聲學(xué)模型處理原始聲音資料，并且產(chǎn)生相應(yīng)于詞匯 與語言模型的至少一個聲音字組。本發(fā)明提供了一種聲音命令處理裝置，包括行動代理器執(zhí)行 平臺，包括內(nèi)部平臺；至少一代理器；行動代理器執(zhí)行情境，用 以提供應(yīng)用程序介面，使得所述代理器通過所述應(yīng)用程序介面〗吏用 所述內(nèi)部平臺的資源；以及行動代理器管理單元，用以掌理所述代 理器的初始化、執(zhí)行、暫時中止、重新開始與分派。其中，所述代 理器用以執(zhí)行有關(guān)聲音命令處理的功能。
其中所述行動代理器管理單元負(fù)責(zé)與所述代理器間進(jìn)行通訊， 并且進(jìn)行有關(guān)聲音命令處理的控制。
其中所述代理器中包含委派任務(wù)，以及用以執(zhí)行所述委派任為 所需的邏輯。
其中所述代理器為語音辨識代理器，包含#丸4于語音辨識的電腦 程序、聲學(xué)模型、詞匯及語言模型，所述電腦程序用以根據(jù)所述聲 學(xué)才莫型處理原始聲音資一牛，并且產(chǎn)生相應(yīng)于所述詞匯與所述語言沖莫 型的至少一聲音字組。
其中所述語音辨識代理器為目標(biāo)裝置中的語音辨識代理器的
復(fù)制品0
其中所述行動代理器管理單元復(fù)制所述語音辨識代理器，并且 傳送所述復(fù)制的語音辨識代理器至遠(yuǎn)端裝置的行動代理器執(zhí)行平 臺中，用以通過所述遠(yuǎn)程裝置執(zhí)行語音辨識。
其中所述代理器為語言理解代理器，包含執(zhí)行語言理解的電腦 程序、句法模型及語意模型，所述電腦程序用以根據(jù)所述句法模型 來分析至少一聲音字組的句法，并且依據(jù)所述語意模型來理解所述 分析出的句法，用以產(chǎn)生陳述表達(dá)式。其中所述語言理解代理器為目標(biāo)裝置中的語言理解代理器的 復(fù)制品。
其中所述行動代理器管理單元復(fù)制所述語言理解代理器，并且 傳送所述復(fù)制的語言理解代理器至遠(yuǎn)端裝置的行動代理器執(zhí)行平
臺中，用以通過所述遠(yuǎn)端裝置^vf亍語言理解。
其中所述代理器為意義呈現(xiàn)代理器，包含執(zhí)行意義呈現(xiàn)的電腦 程序及多個聲音命令，所述電腦程序用以取得相應(yīng)于陳述表達(dá)式的 所述聲音命令中之一者。
其中所述意義呈現(xiàn)代理器為目標(biāo)裝置中的意義呈現(xiàn)代理器的
復(fù)制品。
其中所述行動代理器管理單元復(fù)制所述意義呈現(xiàn)代理器，并且 傳送所述復(fù)制的意義呈現(xiàn)代理器至遠(yuǎn)端裝置的行動代理器執(zhí)行平 臺中，用以通過所述遠(yuǎn)端裝置扭j亍意義呈現(xiàn)。
其中所述行動代理器管理單元執(zhí)行聲音命令。
本發(fā)明還提供了一種聲音命令處理方法，使用含有麥克風(fēng)的電
子裝置執(zhí)行，包括接收由目標(biāo)裝置所復(fù)制的語音辨識代理器，所 述語音辨識代理器包含執(zhí)行語音辨識的電腦程序、聲學(xué)^^莫型、詞匯 及語言模型；以及從所述麥克風(fēng)接收原始聲音資料，使用所述語音 辨識代理器根據(jù)所述聲學(xué)模型處理所述原始聲音資料，并且產(chǎn)生相 應(yīng)于所述詞匯與所述i吾言才莫型的至少 一聲音字組。
其中所述電子裝置包括行動代理器執(zhí)行平臺，包括內(nèi)部平 臺；行動代理器執(zhí)行情境，用以提供應(yīng)用程序介面，使得所述語音 辨識代理器通過所述應(yīng)用^呈序介面^f吏用所述內(nèi)部平臺的資源；以及4亍動代理器管理單元，用以掌理所述語音辨識代理器的初始化、#丸 行、暫時中止、重新開始與分派。
所述的聲音命令處理方法還包括接收由目標(biāo)裝置所復(fù)制的語 言理解代理器，所述語言理解代理器包含執(zhí)行語言理解的電腦程 序、句法模型及語意模型；以及使用所述語言理解代理器根據(jù)所述 句法模型來分析所述聲音字組的句法，與依據(jù)所述語意模型來理解 所述分析出的句法，用以產(chǎn)生陳述表達(dá)式。
所述的聲音命令處理方法還包括接收由目標(biāo)裝置所復(fù)制的意 義呈現(xiàn)代理器，所述意義呈現(xiàn)代理器包含執(zhí)行意義呈現(xiàn)的電腦程序 及多個聲音命令；以及使用所述意義呈現(xiàn)代理器取得相應(yīng)于所述陳 述表達(dá)式的所述聲音命令中之一者。
所述的聲音命令處理方法還包括傳送所述取得的聲音命令至 所述目標(biāo)裝置。
本發(fā)明還提供了一種電子裝置，所述電子裝置包括輸入裝置， 用以輸入原始聲音資料；聲音命令控制器，用以辨識所述原始聲音 資料，所述語音辨識代理器包含語音辨識代理器、語言理解代理器 及意義呈現(xiàn)代理器；認(rèn)證碼；其中，當(dāng)所述電子裝置連接遠(yuǎn)端裝置 時，所述語音辨識代理器依據(jù)所述認(rèn)證碼選擇性的更新所述語音辨 識代理器、所述語言理解代理器及所述意義呈現(xiàn)代理器。
其中所述聲音命令控制器是依序更新所述語音辨識代理器、所 述語言理解代理器及所述意義呈現(xiàn)^理器。


圖1表示依據(jù)本發(fā)明實施例的聲音命令處理系統(tǒng)的網(wǎng)絡(luò)架構(gòu)示
意圖2表示依據(jù)本發(fā)明實施例的移動電話裝置的硬件架構(gòu)圖3表示依據(jù)本發(fā)明實施例的個人電腦11的硬件架構(gòu)圖4是依據(jù)本發(fā)明實施例的聲音命令處理的五階辜殳示意圖5是依據(jù)本發(fā)明實施例的在語音辨識階段、語言理解階段與 意義呈現(xiàn)階段中所需的主要實體示意圖6為典型的聲音命令處理方法的方法流程圖7是依據(jù)本發(fā)明實施例的行動代理器執(zhí)行平臺；
圖8是依據(jù)本發(fā)明實施例的聲音命令處理服務(wù)示意圖9A至9D是依據(jù)本發(fā)明實施例的代理器委任與分派示意圖。
具體實施例方式
圖1是表示依據(jù)本發(fā)明實施例的聲音命令處理系統(tǒng)的網(wǎng)絡(luò)架構(gòu) 示意圖。在優(yōu)選的情況下，此網(wǎng)絡(luò)架構(gòu)包括個人電腦11與手才幾13。 相較于個人電腦11，手才凡13可配備較簡易的運算資源，例如，配 備較慢的處理器、容量較少的主存儲器與儲存空間等。其中，個人 電腦11與手才幾13間可以實體連線(wired-connection)、無線或混合 實體連線與無線的方式彼此連接。而本領(lǐng)域技術(shù)人員都了解個人電 腦11與手機(jī)13間的連結(jié)也許須通過多個中介節(jié)點，例如，無線接取點(access point)、基;也臺(base station)、集線器(hub)、橋接器 (bridge)、路由器(router)或其它用以處理網(wǎng)絡(luò)通訊的中介節(jié)點。個人 電腦11可代表一個目標(biāo)裝置(target device),而手機(jī)13可代表一個 遠(yuǎn)端裝置(remote device)。手機(jī)13中配備有一個麥克風(fēng)，用以接收 鄰近的4吏用者的聲音訊號。
圖2是表示依據(jù)本發(fā)明實施例的移動電話裝置的石更件架構(gòu)圖。 移動電話裝置13可包括凄t字訊號處理單元(Digital Signal Processor, DSP)21、沖莫擬基帶(Analog Baseband)22、射步貞單元(Radio Frequency section, RF section)23、天線24、控制單元25、屏幕26、鍵盤(key pad)27、麥克風(fēng)28與記憶裝置29。除jt匕之外，本4頁;1或#支術(shù)人員也 可將遠(yuǎn)端裝置實施于配備有麥克風(fēng)的其它手持式裝置的樣態(tài) (configuration)上, <列^口個人凄史字助J里(digital personal assistant, PDA)、凄t字音樂插^文器(MP3 player)、或其它可攜式消費性電子產(chǎn) 品等，或?qū)嵤┯谂鋫溆宣溈孙L(fēng)的各式各樣的電腦系統(tǒng)樣態(tài)上?？刂?單元25可為孩i處理單元(Micro Processing Unit; MPU)，用以乂人i己憶 裝置29讀取程序模組，并執(zhí)行所讀取的程序模組來完成聲音命令 處理方法。記憶裝置29包含只讀存4諸器(read only memory; ROM)、 閃存(flash ROM)以及/或動態(tài)存取存卡者器(random access memory; RAM),用以儲存可供控制單元25執(zhí)行的程序才莫組。麥克風(fēng)25用 以感測鄰近的〗吏用者的聲音訊號，并傳送至婆史字訊號處理單元21， 用以將感測到的模擬訊號轉(zhuǎn)換成數(shù)字訊號，以供后續(xù)的控制單元25 處理。
圖3表示依據(jù)本發(fā)明實施例的個人電腦11的硬件架構(gòu)圖。個 人電腦ll,包括處理單元31、存儲器32、儲存裝置33、輸出裝置 34、輸入裝置35、通訊裝置36,并4吏用總線37將其連結(jié)在一起。 本領(lǐng)域4支術(shù)人員可將目標(biāo)裝置實施于各式各才羊的電腦系統(tǒng)才羊態(tài) (configuration)上，例如，多處理器系統(tǒng)、以」微處理器為基礎(chǔ)或可程序化的消費性電子產(chǎn)品(microprocessor-based or programmable consumer electronics)、網(wǎng)絡(luò)電月畝、迷你、電月鹵、大型主才幾、筆i己型電 腦以及類似的設(shè)備。存儲器32包含只讀存儲器(read only memory; ROM)、 閃存(flash memory)以及/或動態(tài)存取存+者器(random access memory; RAM),提供儲存空間，用以儲存可供處理單元31執(zhí)行的 程序才莫組、資料、檔案以及紀(jì)錄。 一般而言，程序才莫組包含常序 (routines)、程序(program)、對象(object)、元件(component)等，用以 執(zhí)行聲音命令處理功能。本發(fā)明也可以實施于分散式運算環(huán)境，其 運算工作被連結(jié)于通訊網(wǎng)絡(luò)的遠(yuǎn)端處理設(shè)備所執(zhí)行。在分散式環(huán)境 中，聲音命令處理的功能執(zhí)行，也許由本地以及多部遠(yuǎn)端電腦系統(tǒng) 共同完成。儲存裝置33包含硬盤裝置、軟盤裝置、光盤裝置或隨 身盤裝置，提供儲存空間，用以存取硬盤、軟盤、光盤、隨身盤中 所儲存的程序模組、資料、檔案以及紀(jì)錄。
圖4是依據(jù)本發(fā)明實施例的聲音命令處理的五階段示意圖，包 含聲音命令才妄收(voice command acquisition)P41 、 "i吾音辨識(speech recognition)P43 、 i吾言5里解(language understanding)P45 、 意義呈J見 (meaning representation)P47與命令4丸4亍(command execution)P49等 階段。圖5是依據(jù)本發(fā)明實施例的在語音辨識階段P43、語言理解 階段P45與意義呈現(xiàn)階段P47中所需的主要實體示意圖。在聲音命 令4妄收階羊殳P41中，聲音命令話i吾(voice command speaking)會凈皮截 聽(intercepted)并塑模(modeled)為聲音資料的原始輸入(也就是原始 聲音資妹+)。此原始聲音資料在輸入到語音辨識P43前，會再加以處 J里，例如資沖牛凈^ft 、 過濾與區(qū)隔(data cleaning, filtering and segmentation)。在語音辨識階段P43中，原始聲音資料會根據(jù)內(nèi)建 的聲學(xué)才莫型(acoustic model)611;故處理，接著，產(chǎn)生相應(yīng)于語言才莫型 (language model)615與i司;^匚(lexicon)613的聲音字纟且(voice words)。 在i吾言理解階^殳P45中，依據(jù)內(nèi)建的語言句法才莫型(language syntax model)631來分析聲音字組的句法(syntax),以及依據(jù)內(nèi)建的語意模型(semantic model)633來理解分對斤出的句法。其結(jié)果會4安照特定的 呈J見^見貝'J (representation rule)635與事4牛背景(disclosure context)637 來產(chǎn)生陳述表達(dá)式(statement expression),在意義呈^L階^: P47中， 取得的陳述表達(dá)式^皮理解成為一個有意義的特定聲音命令。理解的 結(jié)果會對應(yīng)到一個包含聲音命令的意義呈現(xiàn)的有限空間中，否則， 此理解的結(jié)果沒有定義的聲音命令。在命令執(zhí)行階段P49中，執(zhí)行 相應(yīng)于有效聲音命令的特定工作。
圖6為典型的聲音命令處理方法的方法流程圖，由個人電腦11 與移動電話13所執(zhí)行。此流程圖并非用以決定是否具可專利性的 已知技術(shù)，而僅用以顯示發(fā)明人所發(fā)覺的問題。移動電話13執(zhí)行 聲音命令接收階I殳P41的作業(yè)，并且將產(chǎn)生的原始聲音資料傳送給 個人電腦ll(步驟S611)。個人電腦11在4妄收到原始聲音資津+后(步 驟S511),執(zhí)行語音辨識階段P43(步驟S531至S535)、語言理解階 段(步驟S551)與意義呈現(xiàn)階段(步驟S553至S571)的作業(yè)。當(dāng)個人 電腦11判斷無法產(chǎn)生有用的辨識結(jié)果時(步驟S533),傳送語音辨 識失敗訊息給移動電話13(步驟S535與S631)。當(dāng)個人電腦11無法 取得相應(yīng)的聲音命令時(步驟S555與S557)，傳送無效聲音命令訊 息給移動電話13(步艱《S559與S651)。當(dāng)個人電腦11可取得相應(yīng)的 聲音命令時(步驟S555與S559),執(zhí)行取得的聲音命令，并傳送執(zhí) 行結(jié)果或資料給移動電話13(步驟S571、 S573與S671)。此典型的 聲音命令處理方法具有以下的缺點。原始聲音資料的傳輸通常需要 耗費較多的網(wǎng)絡(luò)頻寬，并且移動電話13需要通過個人電腦11的通 知才能得知語音辨識與聲音命令取得結(jié)果，降低聲音命令處理的效 率。
execution platform)，其中存在一個以代理器為基礎(chǔ)的聲音命令控制 器，用以智能型;也進(jìn)^f亍有關(guān)聲音命令處理的控制。個人電腦11與
12手機(jī)13都提供此行動代理器執(zhí)行平臺。行動代理器執(zhí)行平臺包含 三個元寸牛4亍動^^里器^^亍情境(mobile agent execution context)、 4亍 動4戈理器傳^r通i凡十辦i義(mobile agent transport protocol)、以及^J里器 委派與控制(agent delegation and control)。 4亍動4戈理器扭^f亍情境730 是指一個代理器執(zhí)行環(huán)境，提供獨立的應(yīng)用程序介面，使得一個正 在執(zhí)行的代理器可以使用原有平臺(native platform)710的資源。每 一個代理器都擁有相應(yīng)于委派任務(wù)的特定生命周期731。行動代理 器管理單元733用以掌理代理器的初始化、執(zhí)行、暫時中止、重新 開始與分派。應(yīng)用程序?qū)蛹壍拇砥鱾鬏斖ㄓ崊f(xié)議735用來建立個 人電腦11與手才幾13間的兩個4亍動^理器執(zhí)4亍平臺間的通iK管道。
圖8是依據(jù)本發(fā)明實施例的聲音命令處理服務(wù)示意圖。聲音命 令控制器810負(fù)責(zé)與語音辨識、語言理解與意義呈現(xiàn)代理器831、 833與835間進(jìn)4亍通訊，也可稱為聲音命令應(yīng)用程序750(圖7)中。 個人電腦11與手機(jī)13均提供行動代理器執(zhí)行平臺，也就是，任一 個^f亍動^理器可在電腦平臺(computer platform)或手才幾平臺(mobile phone platform)上執(zhí)行。
圖9A至9D是依據(jù)本發(fā)明實施例的代理器委任與分派示意圖。 參考圖9A,個人電腦11中的聲音命令控制器810可分派并儲存常 駐一個代理器在手機(jī)13中的行動代理器執(zhí)行平臺上。每一個代理 器中包含委派任務(wù)(使用電腦資料表示法呈現(xiàn))，以及用以執(zhí)行委派 任務(wù)所需的邏輯。詳而言之，聲音命令控制器810可復(fù)制(clone)自 身的語音辨識代理器831、語言理解代理器833與意義呈現(xiàn)代理器 835中的至少者，并將復(fù)制的^理器831，、 833，以及/或835，遷移 (migrate)并儲存至手機(jī)13中的行動代理器執(zhí)行平臺上。語音辨識代 理器831，可包含語音辨識的電腦程序、演算法、聲學(xué)模型的模式 (patterns)、詞匯及語言模型等，用以在不需要再與個人電腦11互動 的情況下，遠(yuǎn)端地執(zhí)行語音辨識。類似地，語言理解代理器833，包含語言理解的電腦程序、演算法、句法與語意模型、以及用以判
斷輸入的聲音可能為何種語言以及使用者可能說了哪些字(terms)。 意義呈現(xiàn)代理器835，包含意義呈現(xiàn)的電腦程序、演算法與使用特 定呈現(xiàn)格式的多個聲音命令，用以解釋聲音輸入的意義，并且將此 意義轉(zhuǎn)換成為聲音命令中之一者。解出的聲音命令會被傳送到個人 電腦11,接著被個人電腦11中的聲音命令控制器810所執(zhí)行。在 適當(dāng)?shù)膽?yīng)用領(lǐng)域上，本領(lǐng)域4支術(shù)人員也可直接^f吏用手機(jī)13中的聲 音命令控制器810，執(zhí)行解出的聲音命令。
分派這些代理器的次序必須相應(yīng)于如圖5所示的聲音命令處理 階段的順序性。參考圖9B,聲音命令控制器810可分派并常駐復(fù) 制的語音辨識代理器831，在手4幾11中，用以協(xié)助遠(yuǎn)程的聲音命令 控制器810，。當(dāng)復(fù)制的i吾音辨識4、理器831，已存在于手4幾11中， 聲音命令控制器810也可只更新語音辨識^理器831，中的特定電腦 程序、演算法、聲學(xué)才莫型的模式(pattems)、詞匯或語言模型。當(dāng)遠(yuǎn) 端的聲音命令控制器810，感測到使用者的聲音輸入，語音辨識代理 器831，可自行處理此聲音輸入。如果語音辨識代理器831，成功地產(chǎn) 生辨識結(jié)果，則代理器831，通過實體連線/網(wǎng)絡(luò)傳送此結(jié)果給個人電 腦11的語言理解代理器833或聲音命令控制器810，傳送的內(nèi)容可 以是辨識出的文字符串。如果i吾音辨識^f氣理器831，無法產(chǎn)生辨識結(jié) 果，則代理器831，可產(chǎn)生即時的通知。4吏用者馬上發(fā)覺此情況并換_ 供新的聲音輸入。此外，相較于個人電腦11的語音辨識代理器831, 語音辨識代理器831，可產(chǎn)生較好的辨識結(jié)果，因為代理器831，4交接 近^f吏用者，可才企測出i兌"i舌場合(speaking venue)、 環(huán)境情境 (surrounding context)與背景噪音(background noise), 并且不會在網(wǎng) 絡(luò)傳輸過程中受到干擾。在此須注意的是，當(dāng)語言理解代理器與意 義呈現(xiàn)代理器在手才幾13中批J亍時，也可具有這些優(yōu)點。參考圖9C,在接收到從語音辨識代理器831，所傳來的辨識結(jié) 果后，復(fù)制的語言理解代理器833，可被遷移至手機(jī)13中，用以與 語音辨識^理器831，協(xié)同合作。當(dāng)復(fù)制的語言理解代理器833，已存 在于手才幾11中，也可只更新語言理解代理器833，中的特定電腦禾呈 序、演算法、特定的句法或語意才莫型。搭配辨識出的結(jié)果，語言理 解代理器833，按照語言語法與語意來分析聲音資料，并試著理解此 聲音資料的語言表達(dá)結(jié)構(gòu)。本領(lǐng)域技術(shù)人員都了解，聲音命令也許 無法完全符合語法與語意少見則，可參考內(nèi)建的知識來消除聲音資料 的不明確意義。如果語言理解代理器833，成功地產(chǎn)生理解結(jié)果，則 代理器833，通過實體連線/網(wǎng)絡(luò)傳送此結(jié)果給個人電腦11的意義理 解代理器835或聲音命令控制器810。如果語言理解代理器833，無 法產(chǎn)生理解結(jié)果，則代理器833，可產(chǎn)生即時的通知，讓〗吏用者則可 馬上發(fā)覺此情況。
參考圖9D，在接收到/人語言理解代理器833，所傳來的理解結(jié) 果后，復(fù)制的意義呈現(xiàn)^C理器835，可#1遷移至手才幾13中，用以與 語言理解代理器833，協(xié)同合作。當(dāng)復(fù)制的意義呈現(xiàn)代理器835，已存 在于手才幾11中，也可只更新意義呈現(xiàn)代理器835，中的特定電腦程 序、演算法或聲音命令。如果相應(yīng)于理解結(jié)果的意義可對應(yīng)到事先 定義的聲音命令集合中，則意義呈現(xiàn)代理器835，傳送此對應(yīng)的聲音 命令給個人電腦11的聲音命令控制器810。如果意義呈現(xiàn)代理器 835，無法對應(yīng)到聲音命令，則代理器835，可產(chǎn)生即時的通知，讓使 用者則可馬上發(fā)覺此情況。本4頁i或才支術(shù)人員也可以在手才幾13還未 開始進(jìn)4亍實際的聲音命令處理前，個人電腦11 ^吏用如上所述的順 序來復(fù)制自身的語音辨識代理器831、語言理解代理器833與意義 呈現(xiàn)代理器835,并將復(fù)制的代理器831，、 833，與835，遷移至手機(jī) 13中的行動代理器執(zhí)行平臺上。
15圖9A中，個人電腦11對手機(jī)13分派聲音命令控制器810的 方法可以才艮據(jù)手才幾13與個人電腦11連線通ifl時所與用的iU正碼找 出對應(yīng)的聲音命令控制器81,上述認(rèn)證碼可以預(yù)存在手機(jī)13內(nèi)部 的存4諸器中，可以為4吏用者iU正石馬、SIM卡石馬、IP》也址等。
本發(fā)明的方法與系統(tǒng)，或特定型態(tài)或其部4分，可以以禾呈序石馬的 型態(tài)包含于實體媒體，如軟盤、光碟片、硬盤、或是任何其它機(jī)器 可讀取(如電腦可讀取)儲存媒體，其中，當(dāng)程序碼被機(jī)器，如電腦 載入且執(zhí)行時，此機(jī)器變成用以參與本發(fā)明的裝置。本發(fā)明的方法 與裝置也可以以程序碼型態(tài)通過一些傳送々某體，如電線或電纜、光 纖、或是任何傳輸型態(tài)進(jìn)行傳送，其中，當(dāng)程序碼被機(jī)器，如電腦 接收、載入且執(zhí)行時，此機(jī)器變成用以參與本發(fā)明的裝置。當(dāng)在一 :ll殳用途處玉里單元(general畫purpose processing unit)實際運作時，禾呈序 碼結(jié)合處理器提供操作類似于應(yīng)用特定邏輯電路的獨特裝置。
針對一個特定的是統(tǒng)元件，說明書及權(quán)利要求書中會使用一個 名稱來為其命名。本領(lǐng)域技術(shù)人員都了解，消費電子設(shè)備的制造者 也許會使用不同的命名來稱呼內(nèi)容中所對應(yīng)的系統(tǒng)元件。此文件并 不想要以不同的名稱來區(qū)別元件間的不同，而是4吏用不同的功能描 述來進(jìn)4亍區(qū)別。
雖然本發(fā)明已以優(yōu)選實施例"坡露如上，然其并非用以限定本發(fā) 明，本領(lǐng)域技術(shù)人員，在不脫離本發(fā)明的精神和范圍內(nèi)，當(dāng)可做一 些更動與潤飾，因此本發(fā)明的保護(hù)范圍當(dāng)視所附的權(quán)利要求所界定 者為準(zhǔn)。
主要元件符號說明
11 個人電腦 13~手才幾21 凄t字ifl號處理單元
23 射頻單元
25 控制單元
27~鍵盤
29 記憶裝置
32 存儲器
34 輸出裝置
36 通訊裝置
P41 聲音命令接收階段
P45 語言理解階4殳 P49 命令執(zhí)行階段
613 詞匯
631 語言句法模型 635 呈現(xiàn)規(guī)則
22 模擬基帶
24 天線
26 屏幕
28 麥克風(fēng)
31 處理單元
33-儲存裝置
35 輸入裝置
37 總線
P43 語音辨識階段
P47 意義呈現(xiàn)階段
611 聲學(xué)才莫型
615 語言模型
633 語意模型
637 事件背景
S511、 S531......S571、 S573 方法步驟
S611、 S631、 S651、 S671 方法步艱《
710 原有平臺730 行動代理器執(zhí)行情境；731 生命周期
733 4于動代理器管理單元
735 代理器傳輸通訊協(xié)議
810、 810， 聲音命令控制器
831、 831， 語音辨識代理器
833、 833， i吾言理解4戈理器
835、 835， 意義呈現(xiàn)代理器
權(quán)利要求
1. 一種聲音命令處理裝置，包括行動代理器執(zhí)行平臺，包括內(nèi)部平臺；至少一4戈理器；行動代理器執(zhí)行情境，用以提供應(yīng)用程序介面，使得所 述代理器通過所述應(yīng)用程序介面使用所述內(nèi)部平臺的資源；以 及4亍動^理器管理單元，用以掌理所述4<理器的初始化、 才丸行、暫時中止、重新開始與分派。其中，所述代理器用以執(zhí)行有關(guān)聲音命令處理的功能。
2. 根據(jù)權(quán)利要求1所述的聲音命令處理裝置，其中所述行動代理 器管理單元負(fù)責(zé)與所述代理器間進(jìn)行通訊，并且進(jìn)行有關(guān)聲音 命令處理的控制。
3. 根據(jù)權(quán)利要求1所述的聲音命令處理裝置，其中所述代理器中 包含委派任務(wù)，以及用以4丸行所述委派任為所需的邏輯。
4. 根據(jù)權(quán)利要求3所述的聲音命令處理裝置，其中所述代理器為 語音辨識代理器，包含執(zhí)行語音辨識的電腦程序、聲學(xué)才莫型、 詞匯及語言沖莫型，所述電腦程序用以才艮據(jù)所述聲學(xué)才莫型處理原 始聲音資料，并且產(chǎn)生相應(yīng)于所述詞匯與所述語言才莫型的至少 一聲音字組。
5. 才艮據(jù)4又利要求4所述的聲音命令處理裝置，其中所述語音辨識 代理器為目標(biāo)裝置中的語音辨識代理器的復(fù)制品。
6. 根據(jù)權(quán)利要求4所述的聲音命令處理裝置，其中所述行動代理 器管理單元復(fù)制所述語音辨識代理器，并且傳送所述復(fù)制的語 音辨識代理器至遠(yuǎn)端裝置的行動代理器才丸行平臺中，用以通過 所述遠(yuǎn)程裝置扭J于語音辨識。
7. 根據(jù)權(quán)利要求3所述的聲音命令處理裝置，其中所述代理器為 語言理解代理器，包含執(zhí)行語言理解的電腦程序、句法模型及 語意模型，所述電腦程序用以根據(jù)所述句法模型來分析至少一 聲音字組的句法，并且依據(jù)所述語意^f莫型來理解所述分析出的 句法，用以產(chǎn)生陳述表達(dá)式。
8. 4艮據(jù)權(quán)利要求7所述的聲音命令處理裝置，其中所述語言理解 代理器為目標(biāo)裝置中的語言理解代理器的復(fù)制品。
9. 一種聲音命令處理方法，使用含有麥克風(fēng)的電子裝置執(zhí)行，包 括接收由目標(biāo)裝置所復(fù)制的語音辨識代理器，所述語音辨 識代理器包含執(zhí)行語音辨識的電腦程序、聲學(xué)模型、詞匯及語 言才莫型；以及從所述麥克風(fēng)接收原始聲音資料，使用所述語音辨識代 理器根據(jù)所述聲學(xué)才莫型處理所述原始聲音資料，并且產(chǎn)生相應(yīng) 于所述詞匯與所述語言才莫型的至少 一聲音字組。
10. —種電子裝置，所述電子裝置包括輸入裝置，用以輸入原始聲音資料；聲音命令控制器，用以辨識所述原始聲音資料，所述語音辨識代理器包含語音辨識代理器、語言理解4義理器及意義呈現(xiàn)代理器； 認(rèn)證碼；其中，當(dāng)所述電子裝置連接遠(yuǎn)端裝置時，所述語音辨識 ^理器依據(jù)所述i人i正碼選一奪性的更新所述語音辨識^理器、所 述語言理解代理器及所述意義呈現(xiàn)代理器。
全文摘要
本發(fā)明實施例披露了一種聲音命令處理裝置，其中包括行動代理器執(zhí)行平臺。行動代理器執(zhí)行平臺包括內(nèi)部平臺、至少一個代理器、行動代理器執(zhí)行情境與行動代理器管理單元。行動代理器執(zhí)行情境提供應(yīng)用程序介面，使得代理器通過應(yīng)用程序介面使用內(nèi)部平臺的資源。行動代理器管理單元掌理代理器的初始化、執(zhí)行、暫時中止、重新開始與分派。代理器用以執(zhí)行有關(guān)聲音命令處理的功能。
文檔編號G10L15/00GK101312040SQ20071010614
公開日2008年11月26日 申請日期2007年5月24日 優(yōu)先權(quán)日2007年5月24日
發(fā)明者胡志麟 申請人:明基電通股份有限公司