公开(公告)号：US09002713B2

公开(公告)日：2015-04-07

申请号：US12480864

申请日：2009-06-09

申请人： Andrej Ljolje ,  Alistair D. Conkie ,  Ann K. Syrdal

发明人： Andrej Ljolje ,  Alistair D. Conkie ,  Ann K. Syrdal

IPC分类号： G10L15/00 ,  G10L25/00 ,  G10L21/00 ,  G10L15/07 ,  G10L15/26 ,  G10L15/10

CPC分类号： G10L15/07 ,  G10L15/10 ,  G10L15/265

摘要： Disclosed herein are systems, computer-implemented methods, and tangible computer-readable storage media for speaker recognition personalization. The method recognizes speech received from a speaker interacting with a speech interface using a set of allocated resources, the set of allocated resources including bandwidth, processor time, memory, and storage. The method records metrics associated with the recognized speech, and after recording the metrics, modifies at least one of the allocated resources in the set of allocated resources commensurate with the recorded metrics. The method recognizes additional speech from the speaker using the modified set of allocated resources. Metrics can include a speech recognition confidence score, processing speed, dialog behavior, requests for repeats, negative responses to confirmations, and task completions. The method can further store a speaker personalization profile having information for the modified set of allocated resources and recognize speech associated with the speaker based on the speaker personalization profile.

摘要翻译： 这里公开了用于说话人识别个性化的系统，计算机实现的方法和有形的计算机可读存储介质。 该方法使用一组分配的资源来识别从与语音接口交互的扬声器接收的语音，所分配的资源的集合包括带宽，处理器时间，存储器和存储。 该方法记录与识别的语音相关联的度量，并且在记录度量之后，修改与记录的度量相称的所分配资源集合中的所分配的资源中的至少一个。 该方法使用经修改的分配资源集来识别来自扬声器的附加语音。 指标可以包括语音识别置信度分数，处理速度，对话行为，重复请求，对确认的否定响应以及任务完成。 该方法还可以存储具有用于所修改的分配资源集合的信息的扬声器个性化简档，并且基于说话者个性化简档识别与说话者相关联的语音。

公开(公告)号：US08892441B2

公开(公告)日：2014-11-18

申请号：US13311512

申请日：2011-12-05

申请人： Alistair D. Conkie ,  Mazin Gilbert ,  Andrej Ljolje

发明人： Alistair D. Conkie ,  Mazin Gilbert ,  Andrej Ljolje

IPC分类号： G10L15/187 ,  G10L15/06

CPC分类号： G06F17/277 ,  G10L15/063 ,  G10L15/187

摘要： The present disclosure relates to systems, methods, and computer-readable media for generating a lexicon for use with speech recognition. The method includes overgenerating potential pronunciations based on symbolic input, identifying potential pronunciations in a speech recognition context, and storing the identified potential pronunciations in a lexicon. Overgenerating potential pronunciations can include establishing a set of conversion rules for short sequences of letters, converting portions of the symbolic input into a number of possible lexical pronunciation variants based on the set of conversion rules, modeling the possible lexical pronunciation variants in one of a weighted network and a list of phoneme lists, and iteratively retraining the set of conversion rules based on improved pronunciations. Symbolic input can include multiple examples of a same spoken word. Speech data can be labeled explicitly or implicitly and can include words as text and recorded audio.

摘要翻译： 本公开涉及用于生成用于语音识别的词典的系统，方法和计算机可读介质。 该方法包括基于符号输入过度生成潜在发音，识别语音识别语境中的潜在发音，以及将识别的潜在发音存储在词典中。 过度生成潜在发音可以包括为短的字母序列建立一组转换规则，基于一组转换规则将符号输入的部分转换成许多可能的词汇发音变体，对可能的词汇发音变体在加权 网络和音素列表，并且基于改进的发音迭代地重新训练一组转换规则。 符号输入可以包括相同口语单词的多个示例。 语音数据可以被明确地或隐含地标记，并且可以将单词包括为文本和记录的音频。

公开(公告)号：US08805687B2

公开(公告)日：2014-08-12

申请号：US12563654

申请日：2009-09-21

申请人： Alistair D. Conkie ,  Mark Beutnagel ,  Yeon-Jun Kim ,  Ann K. Syrdal

发明人： Alistair D. Conkie ,  Mark Beutnagel ,  Yeon-Jun Kim ,  Ann K. Syrdal

IPC分类号： G10L13/06

CPC分类号： G10L13/06 ,  G10L13/00 ,  G10L13/047

摘要： Disclosed herein are systems, computer-implemented methods, and computer-readable storage media for unit selection synthesis. The method causes a computing device to add a supplemental phoneset to a speech synthesizer front end having an existing phoneset, modify a unit preselection process based on the supplemental phoneset, preselect units from the supplemental phoneset and the existing phoneset based on the modified unit preselection process, and generate speech based on the preselected units. The supplemental phoneset can be a variation of the existing phoneset, can include a word boundary feature, can include a cluster feature where initial consonant clusters and some word boundaries are marked with diacritics, can include a function word feature which marks units as originating from a function word or a content word, and/or can include a pre-vocalic or post-vocalic feature. The speech synthesizer front end can incorporates the supplemental phoneset as an extra feature.

摘要翻译： 本文公开了用于单元选择合成的系统，计算机实现的方法和计算机可读存储介质。 该方法使得计算设备将辅助电话机添加到具有现有电话机的语音合成器前端，基于补充电话机修改单元预选过程，基于修改的单位预选过程从辅助电话机和现有电话机中预选单元 ，并根据预选单位产生语音。 补充手机可以是现有手机的变体，可以包括字边界特征，可以包括其中初始辅音簇和一些字边界用变音符标记的群集特征，可以包括将单位标记为源自于 功能词或内容词，和/或可以包括语音前或后声部特征。 语音合成器前端可以将补充的电话机作为额外的功能。

公开(公告)号：US08731932B2

公开(公告)日：2014-05-20

申请号：US12852164

申请日：2010-08-06

申请人： Alistair D. Conkie ,  Ann K. Syrdal

发明人： Alistair D. Conkie ,  Ann K. Syrdal

IPC分类号： G10L13/00 ,  G10L13/08

CPC分类号： G10L13/043 ,  G10L13/027 ,  G10L13/047 ,  G10L13/06 ,  G10L25/63 ,  H04B7/0404 ,  H04B7/0697 ,  H04W72/0413

摘要： Disclosed herein are systems, methods, and non-transitory computer-readable storage media for generating a synthetic voice. A system configured to practice the method combines a first database of a first text-to-speech voice and a second database of a second text-to-speech voice to generate a combined database, selects from the combined database, based on a policy, voice units of a phonetic category for the synthetic voice to yield selected voice units, and synthesizes speech based on the selected voice units. The system can synthesize speech without parameterizing the first text-to-speech voice and the second text-to-speech voice. A policy can define, for a particular phonetic category, from which text-to-speech voice to select voice units. The combined database can include multiple text-to-speech voices from different speakers. The combined database can include voices of a single speaker speaking in different styles. The combined database can include voices of different languages.

摘要翻译： 这里公开了用于产生合成语音的系统，方法和非暂时的计算机可读存储介质。 被配置为实施该方法的系统组合第一文本到语音语音的第一数据库和第二文本到语音语音的第二数据库以生成组合数据库，基于策略从组合数据库中进行选择， 用于合成语音的语音类别的语音单元以产生所选择的语音单元，并且基于所选择的语音单元来合成语音。 该系统可以合成语音，而无需参数化第一个文本到语音的语音和第二个文本到语音的语音。 对于特定语音类别，策略可以定义哪些文本到语音语音来选择语音单元。 组合的数据库可以包括来自不同扬声器的多个文本到语音的声音。 组合的数据库可以包括以不同风格说话的单个扬声器的声音。 组合的数据库可以包括不同语言的语音。

公开(公告)号：US20120299858A1

公开(公告)日：2012-11-29

申请号：US13567550

申请日：2012-08-06

申请人： Alistair D. Conkie ,  Horst Schroeter

发明人： Alistair D. Conkie ,  Horst Schroeter

IPC分类号： G06F3/041

CPC分类号： G10L13/08 ,  G06F3/0482 ,  G06F3/0488 ,  G06F3/167 ,  G06F2203/04104 ,  G10L13/027 ,  G10L13/043 ,  G10L15/22 ,  H04M2250/22

摘要： Disclosed herein are methods for presenting speech from a selected text that is on a computing device. This method includes presenting text on a touch-sensitive display and having that text size within a threshold level so that the computing device can accurately determine the intent of the user when the user touches the touch screen. Once the user touch has been received, the computing device identifies and interprets the portion of text that is to be selected, and subsequently presents the text audibly to the user.

摘要翻译： 这里公开的是用于从计算设备上的所选文本呈现语音的方法。 该方法包括在触敏显示器上呈现文本并使该文本大小在阈值水平内，使得当用户触摸触摸屏时计算设备可以准确地确定用户的意图。 一旦接收到用户触摸，计算设备就识别和解释要被选择的文本部分，并随后向用户呈现可听见的文本。

公开(公告)号：US20120010877A1

公开(公告)日：2012-01-12

申请号：US13182082

申请日：2011-07-13

申请人： Alistair D. Conkie

发明人： Alistair D. Conkie

IPC分类号： G10L19/00

CPC分类号： G10L13/08 ,  G10L13/04

摘要： Disclosed are systems, methods, and computer readable media for performing speech synthesis. The method embodiment comprises applying a first part of a speech synthesizer to a text corpus to obtain a plurality of phoneme sequences, the first part of the speech synthesizer only identifying possible phoneme sequences, for each of the obtained plurality of phoneme sequences, identifying joins that would be calculated to synthesize each of the plurality of respective phoneme sequences, and adding the identified joins to a cache for use in speech synthesis.

摘要翻译： 公开了用于执行语音合成的系统，方法和计算机可读介质。 方法实施例包括将语音合成器的第一部分应用于文本语料库以获得多个音素序列，语音合成器的第一部分仅为所获得的多个音素序列中的每一个识别可能的音素序列，识别连接 将被计算以合成多个相应音素序列中的每一个，并将所识别的连接添加到用于语音合成的高速缓存中。

公开(公告)号：US08073693B2

公开(公告)日：2011-12-06

申请号：US12328407

申请日：2008-12-04

申请人： Andrej Ljolje ,  Alistair D. Conkie ,  Ann K. Syrdal

发明人： Andrej Ljolje ,  Alistair D. Conkie ,  Ann K. Syrdal

IPC分类号： G10L15/02

CPC分类号： G10L15/187 ,  G10L15/183 ,  G10L2015/025

摘要： Systems, computer-implemented methods, and tangible computer-readable media for generating a pronunciation model. The method includes identifying a generic model of speech composed of phonemes, identifying a family of interchangeable phonemic alternatives for a phoneme in the generic model of speech, labeling the family of interchangeable phonemic alternatives as referring to the same phoneme, and generating a pronunciation model which substitutes each family for each respective phoneme. In one aspect, the generic model of speech is a vocal tract length normalized acoustic model. Interchangeable phonemic alternatives can represent a same phoneme for different dialectal classes. An interchangeable phonemic alternative can include a string of phonemes.

摘要翻译： 系统，计算机实现的方法和用于生成发音模型的有形计算机可读介质。 该方法包括识别由音素组成的通用语音模型，在通用语音模型中识别音素的可互换音素替代品系列，将可互换音素替代品的家族标记为指相同的音素，以及生成发音模型，其中 将每个家庭的每个音素替代。 在一个方面，语音的通用模型是声道长度归一化声学模型。 可互换的音素替代品可以代表不同方言课程的相同音素。 可互换的音素替代品可以包括一串音素。

公开(公告)号：US20090112596A1

公开(公告)日：2009-04-30

申请号：US11929542

申请日：2007-10-30

申请人： Ann K. Syrdal ,  Mark Beutnagel ,  Alistair D. Conkie ,  Yeon-Jun Kim

发明人： Ann K. Syrdal ,  Mark Beutnagel ,  Alistair D. Conkie ,  Yeon-Jun Kim

IPC分类号： G10L13/00

CPC分类号： G10L13/027

摘要： A system and method are disclosed for synthesizing speech based on a selected speech act. A method includes modifying synthesized speech of a spoken dialogue system, by (1) receiving a user utterance, (2) analyzing the user utterance to determine an appropriate speech act, and (3) generating a response of a type associated with the appropriate speech act, wherein in linguistic variables in the response are selected, based on the appropriate speech act.

摘要翻译： 公开了一种基于所选择的语音行为来合成语音的系统和方法。 一种方法包括通过（1）接收用户话语来修改语音对话系统的合成语音，（2）分析用户话语以确定适当的语音行为，以及（3）产生与适当语音相关联的类型的响应 行为，其中在响应中的语言变量中，基于适当的言语行为。

公开(公告)号：US09026444B2

公开(公告)日：2015-05-05

申请号：US12561005

申请日：2009-09-16

申请人： Andrej Ljolje ,  Diamantino Antonio Caseiro ,  Alistair D. Conkie

发明人： Andrej Ljolje ,  Diamantino Antonio Caseiro ,  Alistair D. Conkie

IPC分类号： G10L15/22 ,  G10L15/07 ,  G10L15/06

CPC分类号： G10L15/07 ,  G10L15/04 ,  G10L15/063 ,  G10L15/083 ,  G10L15/14 ,  G10L15/22 ,  G10L15/28 ,  G10L15/32

摘要： Disclosed herein are methods, systems, and computer-readable storage media for automatic speech recognition. The method includes selecting a speaker independent model, and selecting a quantity of speaker dependent models, the quantity of speaker dependent models being based on available computing resources, the selected models including the speaker independent model and the quantity of speaker dependent models. The method also includes recognizing an utterance using each of the selected models in parallel, and selecting a dominant speech model from the selected models based on recognition accuracy using the group of selected models. The system includes a processor and modules configured to control the processor to perform the method. The computer-readable storage medium includes instructions for causing a computing device to perform the steps of the method.

摘要翻译： 这里公开了用于自动语音识别的方法，系统和计算机可读存储介质。 该方法包括选择一个说话者独立模型，并选择一个说话者依赖模型的数量，说话人依赖模型的数量是基于可用的计算资源，所选择的模型包括与说话者无关的模型和说话者依赖模型的数量。 该方法还包括使用所选择的模型中的每一个并行地识别话语，并且基于使用所选择的模型的组的识别精度从所选择的模型中选择主要语言模型。 该系统包括处理器和被配置为控制处理器执行该方法的模块。 计算机可读存储介质包括用于使计算设备执行该方法的步骤的指令。

公开(公告)号：US08904276B2

公开(公告)日：2014-12-02

申请号：US12272617

申请日：2008-11-17

申请人： Mark C. Beutnagel ,  Alistair D. Conkie

发明人： Mark C. Beutnagel ,  Alistair D. Conkie

IPC分类号： G06F17/00 ,  G06F17/27

CPC分类号： G06F17/2247 ,  G06F17/218 ,  G06F17/272 ,  G10L13/08

摘要： A process and system for partitioning hybrid markup language documents (HMLDs) is disclosed. Content from an HMLD is copied to one or more output markup language documents (MLDs), which may be well-formed or valid MLDs. The HMLD is segmented at partition boundaries within the document, while state information is recorded in a tag stack. The state information is used to complete the output MLD, which may be sent to a software module for processing. The HMLDs and MLDs may be well-formed or valid extensible markup language (XML) documents.

摘要翻译： 公开了用于分割混合标记语言文档（HMLD）的过程和系统。 来自HMLD的内容被复制到一个或多个输出标记语言文档（MLD），其可以是格式正确的或有效的MLD。 HMLD在文档中的分区边界处被分段，而状态信息被记录在标签堆栈中。 状态信息用于完成可以发送到软件模块进行处理的输出MLD。 HMLD和MLD可以是格式正确的或有效的可扩展标记语言（XML）文档。