專利名稱：在純聲控電話機上選擇用戶語言的制作方法
在通信設(shè)備和信息設(shè)備中，以國家版規(guī)定的語言來顯示文本信息。因此，用戶能夠?qū)⑺谕恼Z言調(diào)節(jié)為用戶語言或者操作語言。如果現(xiàn)在無論出于哪種原因來調(diào)節(jié)用戶界面的語言，那么用戶都會遇到重復(fù)調(diào)節(jié)所期望的用戶語言的問題，而他不能通過文本回答得到相關(guān)的菜單登記項或者控制狀態(tài)。
這種問題通常會存在，并且不限制于通過鍵盤輸入或者鼠標(biāo)輸入的圖形用戶界面。相反，將來會有越來越多的純聲音操作的終端設(shè)備。在同樣進行純聲音操作的呼叫中心也出現(xiàn)該問題。在此，通過語言識別進行語音輸入，以及或者通過播放預(yù)制的語音儲備或者通過自動化的語音合成以文本到語音的轉(zhuǎn)換形式進行語音輸出。
在具有屏幕或者顯示輸入和鍵盤輸入的設(shè)備中，為了解決所表現(xiàn)出來的問題，發(fā)現(xiàn)下列解決方式通常能夠使設(shè)備返回到出廠時的語音設(shè)置。這多數(shù)通過確定的按鍵組合實現(xiàn)。也存在通過用戶可以選擇目標(biāo)語言來簡單地激活語言菜單的設(shè)備。這例如下面所示 表1在所述菜單中，現(xiàn)在用戶可以選擇期望的并從而可調(diào)節(jié)的用戶語言。當(dāng)然，這種方式對純聲控設(shè)備是不可能的。
由此為出發(fā)點，本發(fā)明以該任務(wù)為基礎(chǔ)，使借助于純聲音的方法能夠?qū)ρb置的用戶語言進行選擇。隨后，如果所述裝置可以或者應(yīng)該不通過顯示提供支持，那么所述可能的選擇正好應(yīng)該可供使用。
所述任務(wù)通過獨立權(quán)利要求規(guī)定的發(fā)明來解決。優(yōu)選的改進方案由從屬權(quán)利要求得出。通過本發(fā)明，對裝置要調(diào)節(jié)的用戶語言通過下述方式簡單地進行調(diào)節(jié)，即簡單地講出要調(diào)節(jié)的用戶語言用于選擇用戶語言。也即英國人說“English”，德國人簡單地說“Deutsch”，法國人說“Francais”，而烏克蘭人說“Ukrajins′Kyj”(波蘭寫法中的“ukranisch”的英語音譯)。
在所述裝置的語言識別工具中所述功能的實現(xiàn)是極其重要的，因此下面應(yīng)該更詳細地說明優(yōu)選的可能性。
一種可能性在于，在可調(diào)節(jié)用戶語言的需要識別的名稱上訓(xùn)練單詞識別器。因為這里所使用的算法大多數(shù)基于粗略的模板比較，為了所述訓(xùn)練，需要大量的語音儲備，在所述語音儲備中把講母語的人的語言(詞)錄音成相應(yīng)的語言(代碼)。在此，尤其可以使用一種動態(tài)時間扭曲算法(“DTW”)識別器。
如果該裝置例如對于其他功能已經(jīng)具有基于音素的語言識別，那么有利的是，對于用戶語言的調(diào)節(jié)考慮這些。對此有三種可能性。
所以，在所述語言識別工具中可以應(yīng)用多種語言的隱馬爾科夫模型(“HMM”)，所述多種語言的隱馬爾科夫模型對所有語言的音素進行建模。對此，尤其有利的是，例如以SAMPA音素的形式標(biāo)準(zhǔn)化地表示聲音字母。
因此對于所述的問題提出，這種問題解決措施是具有說服力的，而在實際中表明，就識別率對多種語言的語言識別工具進行一種語言專用的建模。對于所述裝置中的標(biāo)準(zhǔn)語言識別，也還需要其他的聲音模型，所述模型需要另外的存儲空間。
因此，另一種可能性證明是優(yōu)選的，其中，從HMM中為不同的語言組合屬于可調(diào)節(jié)的用戶語言名稱的音素序列。這里，當(dāng)然必須考慮，一致性標(biāo)準(zhǔn)是不能直接相互進行比較的，所述的一致性標(biāo)準(zhǔn)為以不同音素目錄建模的字提供語言識別。如果在組合的HMM中對于來自不同可識別的用戶語言的音素序列可以縮放一致性標(biāo)準(zhǔn)，那么可以解決所述問題。
如果代替多種語言的HMM或者多種語言專用的HMM的音素序列組合，而只使用唯一語言專用或者國家專用的HMM，并且其中利用語言專用音素組對外國的用戶語言名稱進行建模，那么得出一種尤其優(yōu)選的可能性。為了進行闡述，下面的例子用于德語語言，所述例子仿效表1種的菜單。字模型采用“聲音”寫法。
表2這里，沒有必要使用多種語言的HMM，或者在識別時將音素序列與不同的音素目錄結(jié)合。
根據(jù)前述的問題提出，該裝置尤其是移動或者無繩電話，耳機或者呼叫中心的服務(wù)器形式的移動終端設(shè)備。
本發(fā)明方法的優(yōu)選的改進方案，類似于所述優(yōu)選的本發(fā)明裝置的改進方案得出。
本發(fā)明的其他基本特征或者優(yōu)點借助附圖從實施例的描述中得出。


圖1示出在調(diào)節(jié)用戶語言時的過程。
該裝置能夠以無繩耳機的形式實現(xiàn)，所述無繩耳機只能通過語言控制。這可以例如通過Bluetooth、Dect、GSM、UMTS、GAP或者其他傳輸標(biāo)準(zhǔn)采用電纜或者無線地與基站建立連接的耳機。
該耳機具有開/關(guān)按鍵以及所謂的“P2T-按鍵”(“push totalk(即按即說)”)，通過所述按鍵將確定的時間窗口的音頻信道接通到語言識別工具上。所述耳機的命令控制包含P2T按鍵的短時間按壓、通過短鳴叫音退出按鍵按壓和所期望命令的隨后發(fā)音，對此所述裝置作出相應(yīng)反應(yīng)。
在第一次接通所述裝置時(第1步)或者在復(fù)位所述裝置后(第2步)，這例如通過長時間按壓P2T按鍵引起，用戶才可以進行用戶語言選擇。這通過聲音信號(第3步)來通知用戶，所述聲音信號例如是一種長鳴叫音，或者一種用于請求說入要調(diào)節(jié)的用戶語言的多語言請求。
用戶現(xiàn)在在該裝置中以要調(diào)節(jié)的語言來說入所要調(diào)節(jié)的語言的名稱(第4步)。該裝置的語言識別工具現(xiàn)在識別以所要調(diào)節(jié)的用戶語言講出的所要調(diào)節(jié)的用戶語言的名稱，只要所要調(diào)節(jié)的用戶語言涉及了該裝置的多種可調(diào)節(jié)的用戶語言中的一種。隨后，該裝置的用戶語言調(diào)節(jié)工具將該裝置的用戶語言調(diào)節(jié)到由語言識別工具識別的用戶語言，由此該裝置相應(yīng)被初始化。隨后，可以利用該裝置進行工作(第6步)，就像它已被正常接通一樣(第5步)。
在對語言識別錯誤和操作錯誤進行糾正時，可以動用現(xiàn)有技術(shù)中合適的工具和方法。
對所有本發(fā)明的實施方案，共有的突出優(yōu)點是所述裝置操作的明顯簡化和簡短。另外，只要使用基于音素的識別，那么就沒有必要把語音儲備存放到裝置中。在此，最佳地利用了以下事實所述裝置中已經(jīng)具有基于音素的聲源。
權(quán)利要求
1.裝置，具有-語言識別工具，用于識別以要調(diào)節(jié)的用戶語言講出的所述裝置要調(diào)節(jié)的用戶語言的名稱，其中通過以要調(diào)節(jié)的用戶語言說出相應(yīng)要調(diào)節(jié)的用戶語言的名稱，所述裝置的多種可調(diào)節(jié)用戶語言可以通過所述語言識別工具進行識別，-用戶語言調(diào)節(jié)工具，用于把所述裝置的用戶語言調(diào)節(jié)到由所述語言識別工具識別的用戶語言上。
2.按照權(quán)利要求1所述的裝置，其特征在于，所述語言識別工具具有單詞識別器。
3.按照權(quán)利要求1所述的裝置，其特征在于，所述語言識別工具具有基于音素的識別器。
4.按照權(quán)利要求3所述的裝置，其特征在于可由所述語言識別工具使用的多種語言的隱馬爾科夫模型。
5.按照權(quán)利要求3所述的裝置，其特征在于組合的隱馬爾科夫模型，所述組合的隱馬爾科夫模型包含多可識別的用戶語言的音素序列，并且可由所述語言識別工具使用。
6.按照權(quán)利要求5所述的裝置，其特征在于，在所述組合的隱馬爾科夫模型中，對多可識別的操作語言的音素序列可以縮放一致性標(biāo)準(zhǔn)。
7.按照權(quán)利要求3所述的裝置，其特征在于語言專用的隱馬爾科夫模型，其中利用所述語言專用的隱馬爾科夫模型的語言專用的音素組對所述多種可識別的用戶語言的名稱的音素進行建模。
8.按照上述權(quán)利要求之一所述的裝置，其特征在于，所述裝置是移動終端設(shè)備。
9.按照上述權(quán)利要求之一所述的裝置，其特征在于，所述裝置具有工具用于輸出請求以說入所述要調(diào)節(jié)的用戶語言的名稱。
10.用于調(diào)節(jié)裝置的用戶語言的方法，-其中，如果以要調(diào)節(jié)的用戶語言講出相應(yīng)的要調(diào)節(jié)的用戶語言的名稱，那么多種可調(diào)節(jié)的用戶語言可以通過語言識別來識別，-其中，所述以要調(diào)節(jié)的用戶語言講出的要調(diào)節(jié)的用戶語言的名稱被識別，-其中，所述被識別的要調(diào)節(jié)的用戶語言被調(diào)節(jié)為所述裝置的用戶語言。
全文摘要
可以通過以要調(diào)節(jié)的用戶語言說入要調(diào)節(jié)的用戶語言的名稱，來對裝置的用戶語言進行調(diào)節(jié)。
文檔編號G10L15/26GK1720570SQ200380105008
公開日2006年1月11日 申請日期2003年11月24日 優(yōu)先權(quán)日2002年12月5日
發(fā)明者K·－H·普夫勞姆, S·A·克林克, E·坎珀施勒爾, N·昆斯特曼, R·奧鮑爾 申請人:西門子公司