專利名稱：基于網(wǎng)絡(luò)的語音提醒的系統(tǒng)的制作方法
技術(shù)領(lǐng)域：
本實用新型涉及一種語音提醒技術(shù)，尤其涉及一種在網(wǎng)絡(luò)的云端服務(wù)器進行語音 識別并在終端進行語音提醒的系統(tǒng)。
背景技術(shù)：
在一些電子設(shè)備上通常有備忘錄的功能(或稱為提醒功能)，用戶輸入需要提醒 的信息并設(shè)置提醒的時間點。在設(shè)置的時間點到達(dá)時，電子設(shè)備會通過某種提醒方式(例 如鬧鈴)來提醒用戶有提醒事件發(fā)生，具體的內(nèi)容會在電子設(shè)備的屏幕上顯示出來。這種提醒方式存在以下的不便之處1、這種方式需要用戶在電子設(shè)備的軟件中文字輸入提醒內(nèi)容和選擇提醒的時間 點，輸入方式繁瑣。如果應(yīng)用環(huán)境是在車輛的行駛過程中，則車主進行提醒設(shè)置會帶來行車 安全上的問題。2、這種方式的提醒方式不夠直接，當(dāng)提醒鬧鈴開啟時，用戶無法直接獲知提醒的 內(nèi)容，而需要按下相應(yīng)的按鍵，進入到當(dāng)前提醒條目中來查看提醒的內(nèi)容。同樣的，如果應(yīng) 用環(huán)境是在車輛的行駛過程中，則車主進入提醒軟件查看提醒內(nèi)容也會帶來行車安全上的 問題。此外，大多數(shù)電子設(shè)備的語音識別的引擎通常都設(shè)計在設(shè)備內(nèi)部，如果需要識別 率較高的語音技術(shù)，則需要電子設(shè)備耗費大量的資源。通常終端處理器的處理能力有限，無 法滿足需要耗費大量資源的語音識別。

實用新型內(nèi)容本實用新型的目的在于解決上述問題，提供了一種基于網(wǎng)絡(luò)的語音提醒的系統(tǒng)， 方便了用戶輸入提醒的方式，在不增加終端負(fù)擔(dān)的情況下提升了語音識別的識別率，還增 強了提醒用戶的直觀感受。本實用新型的技術(shù)方案為本實用新型揭示了一種基于網(wǎng)絡(luò)的語音提醒的系統(tǒng)，包括終端系統(tǒng)和云端系統(tǒng)， 終端系統(tǒng)包括語音輸入裝置、終端數(shù)據(jù)傳輸模塊、存儲模塊、提醒模塊，云端系統(tǒng)包括云端 數(shù)據(jù)傳輸模塊、語音引擎語音輸入裝置，接收用戶輸入的語音資料；終端數(shù)據(jù)傳輸模塊，將用戶輸入的語音資料上傳到云端系統(tǒng)，并接收云端系統(tǒng)傳 來的識別出的內(nèi)容信息；存儲模塊，存儲識別出的內(nèi)容信息；提醒模塊，根據(jù)識別出的內(nèi)容信息進行提醒，提醒的內(nèi)容為云端識別出并傳輸?shù)?終端的內(nèi)容信息；云端數(shù)據(jù)傳輸模塊，接收終端上傳的用戶輸入的語音資料，并將語音引擎識別出 的內(nèi)容信息傳輸給終端系統(tǒng)；[0015]語音引擎，根據(jù)語音輸入識別其中的內(nèi)容信息。根據(jù)本實用新型的基于網(wǎng)絡(luò)的語音提醒的系統(tǒng)的一實施例，該終端系統(tǒng)還包括數(shù)據(jù)傳輸接口，耦接存儲模塊，將存儲模塊中的資料傳輸?shù)酵獠吭O(shè)備。根據(jù)本實用新型的基于網(wǎng)絡(luò)的語音提醒的系統(tǒng)的一實施例，該終端系統(tǒng)還包括降噪模塊，耦接語音輸入裝置和終端數(shù)據(jù)傳輸模塊，對語音輸入進行降噪處理。根據(jù)本實用新型的基于網(wǎng)絡(luò)的語音提醒的系統(tǒng)的一實施例，該終端系統(tǒng)是車載終 端系統(tǒng)。本實用新型對比現(xiàn)有技術(shù)有如下的有益效果本實用新型的技術(shù)方案是先由終端 接收用戶的語音輸入，將語音輸入傳輸?shù)皆贫耍贫藢φZ音輸入進行語音識別，并將識別出 的內(nèi)容信息傳輸回終端，在終端對識別出的內(nèi)容信息進行存儲。終端根據(jù)識別出的內(nèi)容信 息，借助音頻播放設(shè)備進行提醒，提醒的內(nèi)容就是識別出的內(nèi)容信息。對比現(xiàn)有技術(shù)，本實 用新型一方面用語音輸入替代了傳統(tǒng)的文字輸入，一方面用語音提醒替代了傳統(tǒng)的需要用 戶瀏覽的提醒方式，一方面減輕了終端的處理負(fù)擔(dān)，將語音識別的任務(wù)交給云端去處理。

圖1示例性的示出了本實用新型的基于網(wǎng)絡(luò)的語音提醒的系統(tǒng)的第一實施例的 流程圖。圖2示例性的示出了本實用新型的基于網(wǎng)絡(luò)的語音提醒的系統(tǒng)的第二實施例的 流程圖。圖3示例性的示出了本實用新型的基于網(wǎng)絡(luò)的語音提醒的系統(tǒng)的第三實施例的 流程圖。
具體實施方式
以下結(jié)合附圖和實施例對本實用新型作進一步的描述?；诰W(wǎng)絡(luò)的語音提醒的系統(tǒng)的第一實施例圖1示出了本實用新型的基于網(wǎng)絡(luò)的語音提醒的系統(tǒng)的第一實施例的原理。請參 見圖1，本實施例的基于網(wǎng)絡(luò)的語音提醒的系統(tǒng)包括終端系統(tǒng)10和云端系統(tǒng)12。終端系統(tǒng) 10包括語音輸入裝置100、終端數(shù)據(jù)傳輸模塊102、存儲模塊104以及提醒模塊106。云端 系統(tǒng)12包括云端數(shù)據(jù)傳輸模塊120和語音引擎122。終端系統(tǒng)10內(nèi)部各個模塊的連接關(guān)系是語音輸入裝置100耦接終端數(shù)據(jù)傳輸模 塊102、終端數(shù)據(jù)傳輸模塊102耦接存儲模塊104、存儲模塊104耦接提醒模塊106。云端系統(tǒng)12內(nèi)部各個模塊的連接關(guān)系是云端數(shù)據(jù)傳輸模塊120耦接語音引擎 122。系統(tǒng)的運行過程如下。終端系統(tǒng)10的語音輸入裝置100接收用戶的語音輸入。在車載端，用戶通過車載端上的音頻輸入接口輸入語音，例如，用戶說出“今日下 午3點提醒有會議”，車載端接收用戶的這一輸入語音。終端系統(tǒng)10的終端數(shù)據(jù)傳輸模塊102負(fù)責(zé)將語音輸入的數(shù)據(jù)傳輸給云端。即，通 過網(wǎng)絡(luò)(互聯(lián)網(wǎng)、3G網(wǎng)絡(luò)等)將從用戶處接收到的語音輸入數(shù)據(jù)傳輸給云端。[0034]云端系統(tǒng)12的云端數(shù)據(jù)傳輸模塊120負(fù)責(zé)接收來自終端的語音輸入數(shù)據(jù)，并由語 音引擎122根據(jù)語音輸入的數(shù)據(jù)識別其中的內(nèi)容信息。語音引擎122的語音識別技術(shù)是現(xiàn)有的技術(shù)。例如，語音引擎122包括語音采集 裝置、前端處理模塊、特征提取模塊、基音特征提取模塊、聲調(diào)識別模塊、訓(xùn)練模塊、聲學(xué)層 識別模塊、拼音文法理解模塊、語言理解模塊九個部分，該聲學(xué)層識別模塊采用以狀態(tài)的段 長概率來表示的隱含馬爾可夫模型，即基于段長分布的隱含馬爾可夫模型，簡稱DDBHMM模 型，該模型的段長服從具有凸性的分布，其中，該模型中的狀態(tài)與語音中的音素或音節(jié)等語 音單元相對應(yīng)，而這些語音單元讀音的語音信號特征作為對應(yīng)語音單元的觀測量；該訓(xùn)練 模塊的訓(xùn)練方法步驟如下對訓(xùn)練模塊輸入一個或多個包含有若干特定詞的讀音樣本文 件，該文件中的每句話的一系列幀的特征向量以幀為單位，通過訓(xùn)練模塊中的訓(xùn)練搜索算 法，對每幀語音信號中的每個詞的每個狀態(tài)進行搜索比較，得到語音信號特征矢量的矢量 量化碼本(VQ碼本)和該特定詞的DDBHMM模型參數(shù)，輸入給聲學(xué)層識別模塊；所述的漢語 連續(xù)語音識別系統(tǒng)的語音識別方法步驟如下通過語音采集裝置接收人們的語音信號，對 于輸入的語音信號進行前端處理，并進行MFCC語音特征(基于Mel倒譜系數(shù)的語音特征， Mel-Frequency Cepstral Coefficients)序列的提取，得到的該MFCC語音特征序列被送入 聲學(xué)層識別模塊，通過聲學(xué)層識別模塊的搜索算法，產(chǎn)生拼音格形式的識別結(jié)果，同時，語 音信號的基音特征矢量也被提取出來，送入聲調(diào)識別模塊，聲調(diào)識別模塊利用基音特征信 息和拼音的分割點信息，得到拼音的聲調(diào)信息并加入到拼音格中，接著，通過拼音文法理解 模塊對拼音格進行修剪，精簡后的音節(jié)格被送入語言理解模塊，轉(zhuǎn)化為拼音圖和詞圖，并在 詞圖中進行搜索，得到最后的理解結(jié)果。例如，語音引擎能夠識別出“今日下午3點提醒有會議”的具體內(nèi)容，獲知這是一 個提醒事件，提醒的內(nèi)容是“今日下午3點有會議”。云端數(shù)據(jù)傳輸模塊120負(fù)責(zé)將識別出的內(nèi)容信息傳輸?shù)浇K端系統(tǒng)10。終端系統(tǒng)10的存儲模塊104存儲傳輸來的內(nèi)容信息。提醒模塊106根據(jù)識別出的內(nèi)容信息進行提醒，提醒的內(nèi)容為云端識別出并傳輸 到終端的內(nèi)容信息。云端系統(tǒng)12識別出了這是一個提醒事件，且是提醒在今日下午3點有會議。因此， 在今日下午3點的時刻，車載端觸發(fā)一個提醒事件，并且通過語音提醒的方式來告知用戶， 即通過車載端上的音頻播放設(shè)備(例如揚聲器)播放“今日下午3點有會議”的內(nèi)容。從上述實施例中可以看出，接收語音輸入、通過語音方式提醒用戶都是在終端完 成的(在本實施例中是車載終端)，而語音識別是在云端完成的?；诰W(wǎng)絡(luò)的語音提醒的系統(tǒng)的第二實施例圖2示出了本實用新型的基于網(wǎng)絡(luò)的語音提醒的系統(tǒng)的第二實施例的原理。請參 見圖2，本實施例的基于網(wǎng)絡(luò)的語音提醒的系統(tǒng)包括終端系統(tǒng)20和云端系統(tǒng)22。終端系統(tǒng) 20包括語音輸入裝置200、終端數(shù)據(jù)傳輸模塊202、存儲模塊204、提醒模塊206和數(shù)據(jù)傳輸 接口 208。云端系統(tǒng)22包括云端數(shù)據(jù)傳輸模塊220和語音引擎222。終端系統(tǒng)20內(nèi)部各個模塊的連接關(guān)系是語音輸入裝置200耦接終端數(shù)據(jù)傳輸模 塊202、終端數(shù)據(jù)傳輸模塊202耦接存儲模塊204、存儲模塊204耦接提醒模塊206、存儲模 塊204耦接數(shù)據(jù)傳輸接口 208。[0045]云端系統(tǒng)22內(nèi)部各個模塊的連接關(guān)系是云端數(shù)據(jù)傳輸模塊220耦接語音引擎 222。系統(tǒng)的運行過程如下。終端系統(tǒng)20的語音輸入裝置200接收用戶的語音輸入。在車載端，用戶通過車載端上的音頻輸入接口輸入語音，例如，用戶說出“今日下 午3點提醒有會議”，車載端接收用戶的這一輸入語音。終端系統(tǒng)20的終端數(shù)據(jù)傳輸模塊202負(fù)責(zé)將語音輸入的數(shù)據(jù)傳輸給云端。即，通 過網(wǎng)絡(luò)(互聯(lián)網(wǎng)、3G網(wǎng)絡(luò)等)將從用戶處接收到的語音輸入數(shù)據(jù)傳輸給云端。云端系統(tǒng)22的云端數(shù)據(jù)傳輸模塊220負(fù)責(zé)接收來自終端的語音輸入數(shù)據(jù)，并由語 音引擎222根據(jù)語音輸入的數(shù)據(jù)識別其中的內(nèi)容信息。語音引擎222的語音識別技術(shù)是現(xiàn)有的技術(shù)。例如，語音引擎222包括語音采集 裝置、前端處理模塊、特征提取模塊、基音特征提取模塊、聲調(diào)識別模塊、訓(xùn)練模塊、聲學(xué)層 識別模塊、拼音文法理解模塊、語言理解模塊九個部分，該聲學(xué)層識別模塊采用以狀態(tài)的段 長概率來表示的隱含馬爾可夫模型，即基于段長分布的隱含馬爾可夫模型，簡稱DDBHMM模 型，該模型的段長服從具有凸性的分布，其中，該模型中的狀態(tài)與語音中的音素或音節(jié)等語 音單元相對應(yīng)，而這些語音單元讀音的語音信號特征作為對應(yīng)語音單元的觀測量；該訓(xùn)練 模塊的訓(xùn)練方法步驟如下對訓(xùn)練模塊輸入一個或多個包含有若干特定詞的讀音樣本文 件，該文件中的每句話的一系列幀的特征向量以幀為單位，通過訓(xùn)練模塊中的訓(xùn)練搜索算 法，對每幀語音信號中的每個詞的每個狀態(tài)進行搜索比較，得到語音信號特征矢量的矢量 量化碼本(VQ碼本)和該特定詞的DDBHMM模型參數(shù)，輸入給聲學(xué)層識別模塊；所述的漢語 連續(xù)語音識別系統(tǒng)的語音識別方法步驟如下通過語音采集裝置接收人們的語音信號，對 于輸入的語音信號進行前端處理，并進行MFCC語音特征(基于Mel倒譜系數(shù)的語音特征， Mel-Frequency Cepstral Coefficients)序列的提取，得到的該MFCC語音特征序列被送入 聲學(xué)層識別模塊，通過聲學(xué)層識別模塊的搜索算法，產(chǎn)生拼音格形式的識別結(jié)果，同時，語 音信號的基音特征矢量也被提取出來，送入聲調(diào)識別模塊，聲調(diào)識別模塊利用基音特征信 息和拼音的分割點信息，得到拼音的聲調(diào)信息并加入到拼音格中，接著，通過拼音文法理解 模塊對拼音格進行修剪，精簡后的音節(jié)格被送入語言理解模塊，轉(zhuǎn)化為拼音圖和詞圖，并在 詞圖中進行搜索，得到最后的理解結(jié)果。例如，語音引擎能夠識別出“今日下午3點提醒有會議”的具體內(nèi)容，獲知這是一 個提醒事件，提醒的內(nèi)容是“今日下午3點有會議”。云端數(shù)據(jù)傳輸模塊220負(fù)責(zé)將識別出的內(nèi)容信息傳輸?shù)浇K端系統(tǒng)20。終端系統(tǒng)20的存儲模塊204存儲傳輸來的內(nèi)容信息。提醒模塊206根據(jù)識別出的內(nèi)容信息進行提醒，提醒的內(nèi)容為云端識別出并傳輸 到終端的內(nèi)容信息。云端系統(tǒng)22識別出了這是一個提醒事件，且是提醒在今日下午3點有會議。因此， 在今日下午3點的時刻，車載端觸發(fā)一個提醒事件，并且通過語音提醒的方式來告知用戶， 即通過車載端上的音頻播放設(shè)備(例如揚聲器)播放“今日下午3點有會議”的內(nèi)容。終端系統(tǒng)20的數(shù)據(jù)傳輸接口 208將存儲模塊104中的數(shù)據(jù)導(dǎo)出到外部設(shè)備(例 如電腦)，由用戶進行編輯處理。[0058]從上述實施例中可以看出，接收語音輸入、通過語音方式提醒用戶都是在終端完 成的(在本實施例中是車載終端)，而語音識別是在云端完成的?；诰W(wǎng)絡(luò)的語咅提醒的系統(tǒng)的第三實施例圖3示出了本實用新型的基于網(wǎng)絡(luò)的語音提醒的系統(tǒng)的第三實施例的原理。請參 見圖3，本實施例的基于網(wǎng)絡(luò)的語音提醒的系統(tǒng)包括終端系統(tǒng)30和云端系統(tǒng)32。終端系統(tǒng) 30包括語音輸入裝置300、終端數(shù)據(jù)傳輸模塊302、存儲模塊304、提醒模塊306和降噪模塊 308。云端系統(tǒng)32包括云端數(shù)據(jù)傳輸模塊320和語音引擎322。終端系統(tǒng)30內(nèi)部各個模塊的連接關(guān)系是語音輸入裝置300耦接降噪模塊308， 降噪模塊308耦接終端數(shù)據(jù)傳輸模塊302、終端數(shù)據(jù)傳輸模塊302耦接存儲模塊304、存儲 模塊304耦接提醒模塊206。云端系統(tǒng)32內(nèi)部各個模塊的連接關(guān)系是云端數(shù)據(jù)傳輸模塊320耦接語音引擎 322。系統(tǒng)的運行過程如下。終端系統(tǒng)30的語音輸入裝置300接收用戶的語音輸入。在車載端，用戶通過車載端上的音頻輸入接口輸入語音，例如，用戶說出“今日下 午3點提醒有會議”，車載端接收用戶的這一輸入語音。降噪模塊308用于對輸入的語音進行降噪處理。終端系統(tǒng)30的終端數(shù)據(jù)傳輸模塊302負(fù)責(zé)將語音輸入且經(jīng)過降噪處理的數(shù)據(jù)傳 輸給云端。即，通過網(wǎng)絡(luò)(互聯(lián)網(wǎng)、3G網(wǎng)絡(luò)等)將從用戶處接收到的語音輸入數(shù)據(jù)傳輸給云端。云端系統(tǒng)32的云端數(shù)據(jù)傳輸模塊320負(fù)責(zé)接收來自終端的語音輸入數(shù)據(jù)，并由語 音引擎322根據(jù)語音輸入的數(shù)據(jù)識別其中的內(nèi)容信息。語音引擎322的語音識別技術(shù)是現(xiàn)有的技術(shù)。例如，語音引擎322包括語音采集 裝置、前端處理模塊、特征提取模塊、基音特征提取模塊、聲調(diào)識別模塊、訓(xùn)練模塊、聲學(xué)層 識別模塊、拼音文法理解模塊、語言理解模塊九個部分，該聲學(xué)層識別模塊采用以狀態(tài)的段 長概率來表示的隱含馬爾可夫模型，即基于段長分布的隱含馬爾可夫模型，簡稱DDBHMM模 型，該模型的段長服從具有凸性的分布，其中，該模型中的狀態(tài)與語音中的音素或音節(jié)等語 音單元相對應(yīng)，而這些語音單元讀音的語音信號特征作為對應(yīng)語音單元的觀測量；該訓(xùn)練 模塊的訓(xùn)練方法步驟如下對訓(xùn)練模塊輸入一個或多個包含有若干特定詞的讀音樣本文 件，該文件中的每句話的一系列幀的特征向量以幀為單位，通過訓(xùn)練模塊中的訓(xùn)練搜索算 法，對每幀語音信號中的每個詞的每個狀態(tài)進行搜索比較，得到語音信號特征矢量的矢量 量化碼本(VQ碼本)和該特定詞的DDBHMM模型參數(shù)，輸入給聲學(xué)層識別模塊；所述的漢語 連續(xù)語音識別系統(tǒng)的語音識別方法步驟如下通過語音采集裝置接收人們的語音信號，對 于輸入的語音信號進行前端處理，并進行MFCC語音特征(基于Mel倒譜系數(shù)的語音特征， Mel-Frequency Cepstral Coefficients)序列的提取，得到的該MFCC語音特征序列被送入 聲學(xué)層識別模塊，通過聲學(xué)層識別模塊的搜索算法，產(chǎn)生拼音格形式的識別結(jié)果，同時，語 音信號的基音特征矢量也被提取出來，送入聲調(diào)識別模塊，聲調(diào)識別模塊利用基音特征信 息和拼音的分割點信息，得到拼音的聲調(diào)信息并加入到拼音格中，接著，通過拼音文法理解 模塊對拼音格進行修剪，精簡后的音節(jié)格被送入語言理解模塊，轉(zhuǎn)化為拼音圖和詞圖，并在
7詞圖中進行搜索，得到最后的理解結(jié)果。例如，語音引擎能夠識別出“今日下午3點提醒有會議”的具體內(nèi)容，獲知這是一 個提醒事件，提醒的內(nèi)容是“今日下午3點有會議”。云端數(shù)據(jù)傳輸模塊320負(fù)責(zé)將識別出的內(nèi)容信息傳輸?shù)浇K端系統(tǒng)30。終端系統(tǒng)30的存儲模塊304存儲傳輸來的內(nèi)容信息。提醒模塊306根據(jù)識別出的內(nèi)容信息進行提醒，提醒的內(nèi)容為云端識別出并傳輸 到終端的內(nèi)容信息。云端系統(tǒng)32識別出了這是一個提醒事件，且是提醒在今日下午3點有會議。因此， 在今日下午3點的時刻，車載端觸發(fā)一個提醒事件，并且通過語音提醒的方式來告知用戶， 即通過車載端上的音頻播放設(shè)備(例如揚聲器)播放“今日下午3點有會議”的內(nèi)容。從上述實施例中可以看出，接收語音輸入、通過語音方式提醒用戶都是在終端完 成的(在本實施例中是車載終端)，而語音識別是在云端完成的。上述實施例是提供給本領(lǐng)域普通技術(shù)人員來實現(xiàn)或使用本實用新型的，本領(lǐng)域普 通技術(shù)人員可在不脫離本實用新型的發(fā)明思想的情況下，對上述實施例做出種種修改或變 化，因而本實用新型的保護范圍并不被上述實施例所限，而應(yīng)該是符合權(quán)利要求書提到的 創(chuàng)新性特征的最大范圍。
權(quán)利要求1.一種基于網(wǎng)絡(luò)的語音提醒的系統(tǒng)，包括終端系統(tǒng)和云端系統(tǒng)，終端系統(tǒng)包括語音輸 入裝置、終端數(shù)據(jù)傳輸模塊、存儲模塊、提醒模塊，云端系統(tǒng)包括云端數(shù)據(jù)傳輸模塊、語音引 擎語音輸入裝置，接收用戶輸入的語音資料；終端數(shù)據(jù)傳輸模塊，將用戶輸入的語音資料上傳到云端系統(tǒng)，并接收云端系統(tǒng)傳來的 識別出的內(nèi)容信息；存儲模塊，存儲識別出的內(nèi)容信息；提醒模塊，根據(jù)識別出的內(nèi)容信息進行提醒，提醒的內(nèi)容為云端識別出并傳輸?shù)浇K端 的內(nèi)容信息；云端數(shù)據(jù)傳輸模塊，接收終端上傳的用戶輸入的語音資料，并將語音引擎識別出的內(nèi) 容信息傳輸給終端系統(tǒng)；語音引擎，根據(jù)語音輸入識別其中的內(nèi)容信息。
2.根據(jù)權(quán)利要求1所述的基于網(wǎng)絡(luò)的語音提醒的系統(tǒng)，其特征在于，該終端系統(tǒng)還包括數(shù)據(jù)傳輸接口，耦接存儲模塊，將存儲模塊中的資料傳輸?shù)酵獠吭O(shè)備。
3.根據(jù)權(quán)利要求1所述的基于網(wǎng)絡(luò)的語音提醒的系統(tǒng)，其特征在于，該終端系統(tǒng)還包括降噪模塊，耦接語音輸入裝置和終端數(shù)據(jù)傳輸模塊，對語音輸入進行降噪處理。
4.根據(jù)權(quán)利要求1-3中任一項所述的基于網(wǎng)絡(luò)的語音提醒的系統(tǒng)，其特征在于，該終 端系統(tǒng)是車載終端系統(tǒng)。
專利摘要本實用新型公開了基于網(wǎng)絡(luò)的語音提醒的系統(tǒng)，方便了用戶輸入提醒的方式，在不增加終端負(fù)擔(dān)的情況下提升了語音識別的識別率，還增強了提醒用戶的直觀感受。其技術(shù)方案為系統(tǒng)包括終端系統(tǒng)和云端系統(tǒng)，終端系統(tǒng)包括語音輸入裝置、終端數(shù)據(jù)傳輸模塊、存儲模塊、提醒模塊，云端系統(tǒng)包括云端數(shù)據(jù)傳輸模塊、語音引擎。
文檔編號H04L29/08GK201919034SQ20102069805
公開日2011年8月3日 申請日期2010年12月31日 優(yōu)先權(quán)日2010年12月31日
發(fā)明者張曄暉 申請人:上海博泰悅臻電子設(shè)備制造有限公司