首頁>>廠商>>語音識別與合成>>得意音通

"得意關(guān)鍵詞檢出器"API

2003/11/24

　　"得意關(guān)鍵詞檢出器"技術(shù)是一種自動語音識別（ASR）技術(shù)。它應用于一些具有特定要求的場合, 由于速度、高檢出率或其他特定的要求，人們并不需要系統(tǒng)識別出整個句子，更不需要理解整個句子，而只關(guān)注那些包含特定詞（稱為"關(guān)鍵詞"）的句子。比如，對一些特殊人名、地名和詞語進行電話監(jiān)聽，又比如通過人名進行自動分機接駁服務，等等。

　　根據(jù)一些應用的特殊需要，關(guān)鍵詞檢出器有一些有別于其他自動語音識別的地方。包括：
　�。�1） 有的應用需要限定或假設一個句子只能含有一個關(guān)鍵詞（如自動分機接駁），而有的應用則不希望有這樣的限定（如電話監(jiān)聽）。
　�。�2） 有的應用希望"寧錯勿漏"（ 如電話監(jiān)聽），而有的應用則希望"寧漏勿錯"（如自動分機接駁）。關(guān)鍵詞集內(nèi)的詞沒有被檢出，稱為"漏識"，而關(guān)鍵詞集外的詞識別成一個集內(nèi)詞，稱為"誤警"或"虛報"。 對一個特定的關(guān)鍵詞檢出器，漏識率和誤警率兩者不可能同時達到其最低點。因而相對于其他語音識別器，關(guān)鍵詞檢出器需要在漏識率和誤警率之間找到需要的平衡點，稱為"操作點"。

　　"得意關(guān)鍵詞檢出器"的應用編程接口（API）有如下的特征：

　　（1） 非特定人。得意關(guān)鍵詞檢出器對不同人的說話有一定的適應能力，不管是誰，只要說的是標準普通話即可，帶一些輕微的口音沒有任何影響。
　　（2） 詞表可隨意定制。開發(fā)者可以利用API接口，方便地提供詞表定制工具，使得使用者無需具備專業(yè)知識就可以方便地定義自己的詞表；對新定義的詞表，系統(tǒng)無需重新訓練，立刻可以使用。
　　（3） 句中關(guān)鍵詞個數(shù)可以設定。開發(fā)者可以根據(jù)具體的應用情況，方便地指定一句話中僅含一個關(guān)鍵詞（只報出最可能的關(guān)鍵詞），還是允許多個關(guān)鍵詞（檢出多少關(guān)鍵詞就報多少）。
　�。�4） 良好的拒識性能。利用性能良好的拒識功能，檢出器將根據(jù)具體情況報出所檢出關(guān)鍵詞，不會因使用者設定的句子中可以含有的關(guān)鍵詞數(shù)目而強行虛報。
　�。�5） 得意關(guān)鍵詞檢出器具有很低的漏識率和很低的誤警率。
　�。�6） 操作點易于調(diào)整。開發(fā)者可以根據(jù)具體應用需要，方便地設定操作點，以在漏識率和誤警率之間達到很好的平衡。


　　（7） 得意關(guān)鍵詞檢出器利用很好的通道歸一技術(shù)可以在各種不同的信道（如固定電話或手機）中使用，而不影響其性能。
　�。�8） 得意關(guān)鍵詞檢出器聲學模型所需存儲<40MB。
　　應用舉例："得意智能語音總機"產(chǎn)品

　　得意智能語音總機是利用得意關(guān)鍵詞檢出器的API開發(fā)出來的一個具體應用。具體技術(shù)設定為：
　�。�1） 詞表為人名，并附帶分機號碼信息。
　　（2） 每句話中最多含一個關(guān)鍵詞。
　�。�3） 操作點靠近低誤警率一端。

　　一個實際應用范例如下。
　　下表是由某公司人事部門的管理人員輸入的用戶詞表：


　　修改完畢后，得意智能語音總機的內(nèi)部詞表編譯器將自動把上述詞表轉(zhuǎn)換成內(nèi)部詞表。轉(zhuǎn)換過程主要用拼音標出每個姓名的發(fā)音，同時對一人多名和多人同名進行檢查。當有多人同名并且沒有"確認信息"或確認信息不能分出這些人時，內(nèi)部詞表編譯器將提示管理人員輸入可以互相區(qū)分這些人的確認信息。在發(fā)生重名時，確認信息用以與用戶進行對話以便確認要找的人。
　　對話示例：
　　a. 系統(tǒng)：請于嗶聲后說出要找的人的姓名，按�？邕^該提示，按0進入人工服務…嗶…
　　b. 用戶：你好，我找張總。
　　c. 系統(tǒng)：轉(zhuǎn)接張三，請稍后… [轉(zhuǎn)接1001分機]。
　　a. 系統(tǒng)：請于…
　　b. 用戶：[按＃]
　　c. 系統(tǒng)：嗶
　　d. 用戶：王…王五在嗎？
　　e. 系統(tǒng)：轉(zhuǎn)接王五，請稍后…[轉(zhuǎn)接1003分機]。
　　a. 系統(tǒng)：請于…
　　b. 用戶：[按＃]
　　c. 系統(tǒng)：嗶
　　d. 用戶：麻煩你給我轉(zhuǎn)接李四先生。
　　e. 系統(tǒng)：請問你找市場部的還是財務部的？
　　f. 用戶：市場部的李四�！咀ⅲ河捎谙到y(tǒng)已經(jīng)自動轉(zhuǎn)換為用戶確認詞表，因此不會檢出"李四"�！�
　　g. 系統(tǒng)：轉(zhuǎn)接市場部李四，請稍后…[轉(zhuǎn)接1002]。
　　a. 系統(tǒng)：請于…
　　b. 用戶：[按＃]
　　c. 系統(tǒng)：嗶
　　d. 用戶：請接張山。
　　e. 系統(tǒng)：如果您是找張三，按1；按＃可重說；按0可轉(zhuǎn)人工服務
　　f. 用戶：[按1]。
　　g. 系統(tǒng)：轉(zhuǎn)接張三，請稍后…[轉(zhuǎn)接1001]。

　　應用舉例："得意導航員"產(chǎn)品

　　利用得意關(guān)鍵詞API，可以設計一個用聲音對Windows操作系統(tǒng)進行"發(fā)號施令"的"得意導航員"產(chǎn)品。在這里，用戶只需口呼命令就可以直接控制Windows，如口呼"我的電腦"、"打開字處理(即Word)"等可以打開相應的資源或應用，而且應用程序運行后，導航系統(tǒng)可以自動提取那些當前活動的菜單項，甚至是活動菜單的隱藏菜單子項，供用戶口呼使用。這個過程是自動的，是對用戶透明的。
　　與利用得意命令SDK開發(fā)的語音命令導航員不同，得意導航員允許用戶的命令更靈活，可以夾雜一些其他的字詞。

得意音通公司供稿 CTI論壇編輯


相關(guān)鏈接:
得意珠三角綜合智能信息增值平臺項目中標 2009-08-20
北京軟件產(chǎn)品質(zhì)量檢測檢驗中心對《海量語音文件的目標說話人篩選系統(tǒng)》進行測試 2009-06-25
廣東政府和清華大學舉行了全面開展產(chǎn)學研合作協(xié)議簽約儀式 2009-06-25
得意中文整句輸入法V1.0開源for Windows Mobile5.0 2009-01-23
得意聲紋識別VPR4.0_b20080808新版本發(fā)布 2008-08-27

分類信息:     技術(shù)_語音識別_解決方案