用于發(fā)音學(xué)習(xí)的計(jì)算機(jī)實(shí)現(xiàn)的方法、計(jì)算機(jī)可讀介質(zhì)和系統(tǒng)的制作方法
【技術(shù)領(lǐng)域】
[0001 ] 本公開(kāi)總體涉及語(yǔ)音識(shí)別。
【背景技術(shù)】
[0002]自動(dòng)語(yǔ)音識(shí)別系統(tǒng)試圖匹配語(yǔ)音輸入與詞語(yǔ)的已知發(fā)音。當(dāng)一個(gè)匹配被識(shí)別時(shí)，自動(dòng)語(yǔ)音識(shí)別系統(tǒng)會(huì)輸出其已知發(fā)音與語(yǔ)音輸入匹配的特定詞語(yǔ)，作為語(yǔ)音輸入的轉(zhuǎn)錄。

【發(fā)明內(nèi)容】

[0003]通常，本說(shuō)明書(shū)中描述的主題的一個(gè)方面包含用于確定特定詞語(yǔ)的發(fā)音的過(guò)程。發(fā)音可以為與說(shuō)出該特定詞語(yǔ)相對(duì)應(yīng)的聲音的描述。例如，系統(tǒng)可以包括用于詞語(yǔ)“COLONEL”的“KER-NEL”的發(fā)音。系統(tǒng)將發(fā)音存儲(chǔ)在發(fā)音詞典中。發(fā)音詞典可以被用作識(shí)別話語(yǔ)中的詞語(yǔ)。例如，自動(dòng)語(yǔ)音識(shí)別系統(tǒng)可以確定，來(lái)自用戶的話語(yǔ)中的聲音“KER-NEL”與存儲(chǔ)在發(fā)音詞典中的用于詞語(yǔ)“COLONEL”的發(fā)音描述的聲音匹配，并且因此將聲音轉(zhuǎn)錄為“COLONEL”。
[0004]然而，系統(tǒng)可能缺乏用于一個(gè)或多個(gè)詞語(yǔ)的合適發(fā)音。例如，用于特定詞語(yǔ)的發(fā)音可能丟失，例如，用于這個(gè)特定詞語(yǔ)的發(fā)音沒(méi)有被包括進(jìn)發(fā)音詞典；或系統(tǒng)可以包括用于很少被使用的特定詞語(yǔ)的發(fā)音，例如用于發(fā)音詞典中的該特定詞語(yǔ)的發(fā)音是不正確的。因此，系統(tǒng)可以識(shí)別缺少合適發(fā)音的特定詞語(yǔ)，并可以確定用于特定詞語(yǔ)的一個(gè)或多個(gè)發(fā)音。
[0005]—旦系統(tǒng)識(shí)別出特定詞語(yǔ)以確定該特定詞語(yǔ)的發(fā)音，則系統(tǒng)可以獲取與該特定詞語(yǔ)相對(duì)應(yīng)的語(yǔ)音的音頻樣本，并且生成用于該特定詞語(yǔ)的候選發(fā)音。候選發(fā)音可以描述特定詞語(yǔ)的不同發(fā)音的不同聲音。系統(tǒng)可以基于對(duì)特定詞語(yǔ)中的字母發(fā)音的一個(gè)或多個(gè)規(guī)則來(lái)生成候選發(fā)音。
[0006]然后系統(tǒng)可以給對(duì)于特定詞語(yǔ)生成的候選發(fā)音與該特定詞語(yǔ)的音頻樣本之間的相似水平評(píng)分。對(duì)于特定候選發(fā)音與特定音頻樣本對(duì)的評(píng)分表示由該特定候選發(fā)音描述的聲音與音頻樣本中的聲音的匹配程度。
[0007]系統(tǒng)可以累積每個(gè)候選發(fā)音的評(píng)分。例如，對(duì)于特定候選發(fā)音，系統(tǒng)可以對(duì)所有音頻樣本的評(píng)分進(jìn)行平均。而后系統(tǒng)可以基于候選發(fā)音的累積評(píng)分將一個(gè)或多個(gè)候選發(fā)音添加到發(fā)音詞典中。例如，系統(tǒng)可以僅添加具有指示最接近的相似水平的累積評(píng)分的候選發(fā)音，或者連同它們的累積評(píng)分一起添加所有候選發(fā)音?？商娲兀撓到y(tǒng)可以確定沒(méi)有具有合適的累積評(píng)分的候選發(fā)音，并且生成另外的候選發(fā)音來(lái)評(píng)分。
[0008]在某些方面，本說(shuō)明書(shū)中所描述的主題可以體現(xiàn)在方法中，這些方法可以包括獲取與特定詞語(yǔ)相對(duì)應(yīng)的語(yǔ)音的音頻樣本的操作和獲取用于特定詞語(yǔ)的多個(gè)候選發(fā)音的操作。進(jìn)一步的操作包括，針對(duì)用于特定詞語(yǔ)的每個(gè)候選發(fā)音和與特定詞語(yǔ)相對(duì)應(yīng)的語(yǔ)音的音頻樣本，生成反映該候選發(fā)音與音頻樣本之間的相似水平的評(píng)分。另外的操作可以包括累積每個(gè)候選發(fā)音的評(píng)分，并且基于所述多個(gè)候選發(fā)音的累積評(píng)分，將用于特定詞語(yǔ)的一個(gè)或多個(gè)候選發(fā)音添加到發(fā)音詞典中。
[0009]其它版本包括對(duì)應(yīng)的系統(tǒng)、裝置和計(jì)算機(jī)程序，所述計(jì)算機(jī)程序被編碼在計(jì)算機(jī)存儲(chǔ)設(shè)備中，被配置來(lái)執(zhí)行方法中的操作。
[0010]這些和其它版本各自可以可選地包括下面的特征中的一個(gè)或多個(gè)。例如，在一些實(shí)現(xiàn)方式中，添加用于特定詞語(yǔ)的一個(gè)或多個(gè)候選發(fā)音可以包括識(shí)別多個(gè)候選發(fā)音中的一個(gè)候選發(fā)音，其中該候選發(fā)音具有指示該候選發(fā)音與音頻樣本之間的相似水平比其它候選發(fā)音與音頻樣本之間的相似水平更接近的累積評(píng)分，并且將識(shí)別出的候選表達(dá)添加到發(fā)音詞典中。
[0011]在另外的方面，添加用于特定詞語(yǔ)的一個(gè)或多個(gè)候選發(fā)音可以包括將所有候選發(fā)音和所述多個(gè)候選發(fā)音的累積評(píng)分添加到發(fā)音詞典中。
[0012]在一些實(shí)現(xiàn)方式中，獲取用于特定詞語(yǔ)的候選發(fā)音包括基于特定詞語(yǔ)中的字母和發(fā)音的一個(gè)或多個(gè)規(guī)則，生成用于特定詞語(yǔ)的候選發(fā)音。
[0013]在某些方面，獲取用于特定詞語(yǔ)的候選發(fā)音可以包括獲取用于特定詞語(yǔ)的候選發(fā)音的先前集合，并且針對(duì)先前集合中的特定詞語(yǔ)的每個(gè)候選發(fā)音和與該特定詞語(yǔ)相對(duì)應(yīng)的語(yǔ)音的音頻樣本，生成反映先前集合中的該候選發(fā)音與音頻樣本之間的相似水平的評(píng)分。獲取用于特定詞語(yǔ)的候選發(fā)音可以進(jìn)一步包括累積先前集合的每個(gè)候選發(fā)音的評(píng)分，確定沒(méi)有先前集合的候選發(fā)音的累積評(píng)分反映比其它候選發(fā)音之間的相似水平更接近達(dá)預(yù)定量的候選發(fā)音與所述音頻樣本之間的相似水平，并且基于具有指示比其它候選發(fā)音與音頻樣本之間的相似水平更接近的候選發(fā)音與音頻樣本之間的相似水平的累積評(píng)分的候選發(fā)音，獲取候選發(fā)音。
[0014]在另外的方面，獲取音頻樣本可以包括訪問(wèn)查詢轉(zhuǎn)錄日志，識(shí)別查詢轉(zhuǎn)錄日志中的特定詞語(yǔ)，并且識(shí)別出與查詢轉(zhuǎn)錄日志中已經(jīng)識(shí)別出的特定詞語(yǔ)相對(duì)應(yīng)的查詢音頻日志的一個(gè)或多個(gè)部分，作為音頻樣本。
[0015]在一些實(shí)現(xiàn)方式中，獲取音頻樣本可以包括接收響應(yīng)于說(shuō)出特定詞語(yǔ)的提示說(shuō)出該特定詞語(yǔ)的多個(gè)不同人的音頻樣本。
[0016]在某些方面，操作進(jìn)一步包括確定發(fā)音詞典沒(méi)有包括用于特定詞語(yǔ)的準(zhǔn)確發(fā)音，其中獲取與特定詞語(yǔ)相對(duì)應(yīng)的語(yǔ)音的音頻樣本響應(yīng)于確定發(fā)音詞典沒(méi)有包括用于該特定詞語(yǔ)的準(zhǔn)確發(fā)音。
[0017]本說(shuō)明中所描述的主題的一個(gè)或多個(gè)實(shí)現(xiàn)方式的細(xì)節(jié)在附圖和下面的描述中闡述。主題的其它潛在的特征、方面和優(yōu)點(diǎn)通過(guò)描述、附圖和權(quán)利要求會(huì)變得顯而易見(jiàn)。
【附圖說(shuō)明】
[0018]圖1是用于確定用于特定詞語(yǔ)的發(fā)音的示例系統(tǒng)的框圖。
[0019]圖2A和2B是示出用于特定詞語(yǔ)的候選發(fā)音的評(píng)分的示例系統(tǒng)的框圖。
[0020]圖3是用于確定用于特定詞語(yǔ)的發(fā)音的示例過(guò)程的流程圖。
[0021 ] 圖4是示例性計(jì)算設(shè)備的圖。
[0022]相同的附圖標(biāo)記在不同的圖中指示相同的元素
【具體實(shí)施方式】
[0023]自動(dòng)語(yǔ)音識(shí)別(ASR)系統(tǒng)可以使用包括用于特定詞語(yǔ)的發(fā)音的發(fā)音詞典來(lái)識(shí)別語(yǔ)音。發(fā)音可以將聲音與特定詞語(yǔ)相關(guān)聯(lián)。然而，如果特定詞語(yǔ)從發(fā)音詞典中消失或發(fā)音詞典包括了用于特定詞語(yǔ)的不準(zhǔn)確發(fā)音，自動(dòng)語(yǔ)音識(shí)別系統(tǒng)可能不能準(zhǔn)確識(shí)別與特定詞語(yǔ)相對(duì)應(yīng)的語(yǔ)音。
[0024]因此，系統(tǒng)可以被用于確定用于特定詞語(yǔ)的發(fā)音。該系統(tǒng)可以初始地識(shí)別發(fā)音詞典中沒(méi)有包含其正確發(fā)音的特定詞語(yǔ)。例如，該系統(tǒng)可以識(shí)別沒(méi)有被包括進(jìn)發(fā)音詞典的單詞，或者分析ASR的日志來(lái)識(shí)別沒(méi)有被自動(dòng)語(yǔ)音識(shí)別系統(tǒng)正確轉(zhuǎn)錄的單詞，例如，識(shí)別用戶糾正其初始轉(zhuǎn)錄的詞語(yǔ)。
[0025]不管用于確定發(fā)音的特定詞語(yǔ)如何被識(shí)別，該系統(tǒng)可以從不同的人那里獲取與特定詞語(yǔ)相對(duì)應(yīng)的語(yǔ)音的音頻樣本。例如，該系統(tǒng)可以提示不同的用戶說(shuō)出特定詞語(yǔ)，并且使用說(shuō)出該特定詞語(yǔ)的用戶的記錄作為該特定詞語(yǔ)的音頻樣本。另外地或可替代地，該系統(tǒng)可以分析來(lái)自不同用戶的話音查詢?nèi)罩镜霓D(zhuǎn)錄來(lái)識(shí)別何時(shí)特定詞語(yǔ)在話音查詢中被使用，并且使用話音記錄的錄音中對(duì)應(yīng)的部分作為音頻樣本。
[0026]該系統(tǒng)還可以獲取特定詞語(yǔ)的候選發(fā)音。該系統(tǒng)可以分析特定詞語(yǔ)中的字母、字素或其它單元，并應(yīng)用發(fā)音字母的一個(gè)或多個(gè)規(guī)則來(lái)生成候選發(fā)音，該候選發(fā)音表示特定詞語(yǔ)可以發(fā)出怎樣的替代潛在發(fā)音。
[0027]該系統(tǒng)可以生成反映候選發(fā)音與音頻樣本之間的相似水平的評(píng)分，并累積每個(gè)候選發(fā)音的評(píng)分。相似也可以被稱(chēng)為符合或聲學(xué)相似。例如，對(duì)于特定候選發(fā)音，該系統(tǒng)可以對(duì)其所有音頻樣本的評(píng)分進(jìn)行平均。
[0028]然后該系統(tǒng)可以基于候選發(fā)音的累積評(píng)分將一個(gè)或多個(gè)候選發(fā)音添加到發(fā)音詞典中。例如，該系統(tǒng)可以僅將具有指示候選發(fā)音與音頻樣本之間的最接近的相似水平的累積評(píng)分的候選發(fā)音添加到發(fā)音詞典中，或者連同它們的累積評(píng)分一起添加所有候選發(fā)音?？商娲?，該系統(tǒng)可以確定沒(méi)有具有合適的累積評(píng)分的候選發(fā)音，并且生成另外的候選發(fā)音來(lái)評(píng)分，而且有可能添加到發(fā)音詞典中。
[0029]圖1是用于確定用于特定詞語(yǔ)的發(fā)音的示例系統(tǒng)100的框圖。系統(tǒng)100可以包括音頻樣本數(shù)據(jù)庫(kù)130。數(shù)據(jù)庫(kù)130可以包括不同人說(shuō)出相同特定詞語(yǔ)的音頻樣本。系統(tǒng)100可以提示不同的用戶110說(shuō)出特定詞語(yǔ)，并且將說(shuō)出該特定詞語(yǔ)的用戶110的記錄作為該特定詞語(yǔ)的音頻樣本存儲(chǔ)在數(shù)據(jù)庫(kù)130中。例如，系統(tǒng)100可以顯示提示給用戶110“請(qǐng)說(shuō)‘QUVENZHANE’ ”，并將說(shuō)出“QUVENZHANE”的用戶110的記錄作為音頻樣本來(lái)存儲(chǔ)。
[0030]另外地或可替代地，系統(tǒng)100可以從音頻和轉(zhuǎn)錄日志120中獲取音頻樣本。系統(tǒng)100可以訪問(wèn)來(lái)自不同用戶的話音查詢?nèi)罩镜霓D(zhuǎn)錄來(lái)識(shí)別何時(shí)特定詞語(yǔ)在話音查詢中被使用，并使用該話音查詢的記錄的對(duì)應(yīng)的部分作為音頻樣本。例如，系統(tǒng)100可以識(shí)別具有包括特定詞語(yǔ)“