公开(公告)号：WO2017053311A1

公开(公告)日：2017-03-30

申请号：PCT/US2016/052688

申请日：2016-09-20

Applicant: AMAZON TECHNOLOGIES, INC.

Inventor： MEYERS, James, David ,  DEAN, Arlen ,  LIU, Yue ,  MANDAL, Arindam ,  MILLER, Daniel ,  PRAVINCHANDRA, Shah, Samir

IPC: G06F17/28 ,  G10L25/48 ,  G10L15/22

CPC classification number: G06F3/167 ,  G10L15/00 ,  G10L15/063 ,  G10L15/1815 ,  G10L15/22 ,  G10L15/222 ,  G10L15/26 ,  G10L15/32 ,  G10L2015/088 ,  G10L2015/223 ,  G10L2015/226

Abstract: A system may use multiple speech interface devices to interact with a user by speech. All or a portion of the speech interface devices may detect a user utterance and may initiate speech processing to determine a meaning or intent of the utterance. Within the speech processing, arbitration is employed to select one of the multiple speech interface devices to respond to the user utterance. Arbitration may be based in part on metadata that directly or indirectly indicates the proximity of the user to the devices, and the device that is deemed to be nearest the user may be selected to respond to the user utterance.

Abstract translation: 系统可以使用多个语音接口设备通过语音与用户交互。 语音接口设备的全部或一部分可以检测用户话语，并且可以发起语音处理以确定话语的含义或意图。 在语音处理中，采用仲裁来选择多个语音接口设备中的一个以响应用户话语。 仲裁部分地可以部分地基于直接或间接地指示用户与设备的接近度的元数据，并且可以选择认为最接近用户的设备来响应用户的话语。

公开(公告)号：WO2016025277A1

公开(公告)日：2016-02-18

申请号：PCT/US2015/043909

申请日：2015-08-06

Applicant: NUANCE COMMUNICATIONS, INC.

Inventor： VIBBERT, Mitchell ,  GOUSSARD, Jacques-Olivier ,  BEAUFORT, Richard J. ,  MONNAHAN, Benjamin P.

IPC: G06F9/48 ,  G10L15/22

CPC classification number: G10L15/1822 ,  G06F9/4843 ,  G10L15/22 ,  G10L15/222 ,  G10L2015/223

Abstract: Methods and systems for managing multiple tasks using a dialog are presented. In some embodiments, a processor may parse a first natural language user input received at a user device to extract task related information from the first natural language user input. In response to identifying that the first natural language user input comprises a request to perform a first task, the processor may initiate execution of the first task. The user device may receive a second natural language user input after execution of the first task has been initiated which requests execution of a second task. The processor may initiate execution of the second task before execution of the first task is complete.

Abstract translation: 介绍了使用对话框管理多个任务的方法和系统。 在一些实施例中，处理器可以解析在用户设备处接收的第一自然语言用户输入，以从第一自然语言用户输入提取任务相关信息。 响应于识别出第一自然语言用户输入包括执行第一任务的请求，处理器可以启动第一任务的执行。 用户设备可以在执行第一任务的执行之后接收第二自然语言用户输入，该第一任务已被启动，其请求执行第二个任务。 在完成第一任务的执行之前，处理器可以启动第二任务的执行。

公开(公告)号：WO2015200556A2

公开(公告)日：2015-12-30

申请号：PCT/US2015037547

申请日：2015-06-24

Applicant: ALIPHCOM ,  DONALDSON THOMAS ALAN

Inventor： DONALDSON THOMAS ALAN

CPC classification number: H04N21/4394 ,  G06F3/167 ,  G10L15/222 ,  G10L15/26 ,  G10L19/167 ,  H04N21/4722 ,  H04N21/8106

Abstract: Techniques for generating summaries and action items associated with speech are described. Disclosed are techniques for presenting a first audio signal including a portion of a first audio stream at a loudspeaker, identifying data representing an audiolink associated with the first audio stream, and determining data representing a cue and data representing a second audio stream associated with the audiolink. A second audio signal including the cue may be presented, and a third audio signal including a portion of the second audio stream may be presented at the loudspeaker.

Abstract translation: 描述用于产生与语音相关联的摘要和动作项目的技术。 公开了一种用于在扬声器处呈现包括第一音频流的一部分的第一音频信号的技术，识别表示与第一音频流相关联的audiolink的数据，以及确定表示与audiolink相关联的第二音频流的提示和数据 。 可以呈现包括提示的第二音频信号，并且可以在扬声器处呈现包括第二音频流的一部分的第三音频信号。

公开(公告)号：WO00019410A1

公开(公告)日：2000-04-06

申请号：PCT/US1999/022545

申请日：1999-09-30

IPC: G10L15/22 ,  G10L15/26

CPC classification number: G10L15/222 ,  G10L15/22 ,  G10L2015/228

Abstract: A graphical user interface allows a speech recognition system user to browse available grammars and their topics. A dialog box interface displays the currently active grammar, grammar searching mode, and a current input. A list of valid word phrases of at least one word also is generated and displayed. Using the interface, a user additionally may select an active grammar and a method of searching and displaying valid examples from the grammar based on the current input.

Abstract translation: 图形用户界面允许语音识别系统用户浏览可用的语法及其主题。 对话框界面显示当前活动的语法，语法搜索模式和当前输入。 生成并显示至少一个字的有效词组列表。 使用界面，用户另外可以基于当前输入来选择活动语法和从语法中搜索和显示有效示例的方法。

公开(公告)号：WO2016103809A1

公开(公告)日：2016-06-30

申请号：PCT/JP2015/076083

申请日：2015-09-15

Applicant: ソニー株式会社

Inventor： 河野　真一 ,  滝　祐平 ,  澁谷　崇

IPC: G10L15/28 ,  G10L15/04 ,  G10L15/22

CPC classification number: G10L15/22 ,  G10L15/02 ,  G10L15/04 ,  G10L15/222 ,  G10L15/28 ,  G10L2015/025 ,  G10L2015/221 ,  G10L2015/225

Abstract: 【課題】集音データに対する音声認識の精度を向上させることが可能な技術が提供される。 【解決手段】集音データを取得する集音データ取得部と、少なくとも前記集音データの状態が音声認識に適した状態であるか否かを出力部に出力させる出力制御部と、を備える、情報処理装置が提供される。

Abstract translation: [问题]提供能够提高收集的声音数据的语音识别精度的技术。 [解决方案]信息处理装置具有收集的声音数据获取单元，用于获取收集的声音数据，以及输出控制单元，用于允许输出单元至少输出所收集的声音数据的状态是否适合于语音 承认。

公开(公告)号：WO2016006385A1

公开(公告)日：2016-01-14

申请号：PCT/JP2015/066899

申请日：2015-06-11

Applicant: トヨタ自動車 株式会社

Inventor： 廣木　大介

IPC: G10L15/28 ,  B60R16/02 ,  G06F3/16 ,  G10L15/00 ,  G10L15/30

CPC classification number: B60R16/0373 ,  B60R16/02 ,  B60W10/06 ,  B60W10/18 ,  B60W10/30 ,  B60W50/10 ,  B60W2540/02 ,  B60W2710/06 ,  B60W2710/186 ,  B60W2710/30 ,  G06F3/16 ,  G10L15/00 ,  G10L15/22 ,  G10L15/222 ,  G10L15/28 ,  G10L15/30 ,  G10L2015/223 ,  G10L2015/228

Abstract: 　音声認識装置は、入力される音声を認識する音声認識処理を行うように構成された認識処理部と、車両の状況を示す情報と、その状況において遷移の目標とされる車載装置の状態である目標状態を示す情報と、遷移の確認のための音声通知の情報とが、相互に関連付けられて記憶された記憶部と、車両が記憶部に記憶されている車両の状況にあるときに、入力された音声がその状況に対応する音声通知への回答として認識された場合、当該状況に対応する目標状態になるように車載装置を制御するように構成された制御部とを備える。制御部は、車載装置の状態が、記憶部に記憶されている車両の状況に対応した目標状態であることを認識した時点で、認識処理部による音声認識処理を停止するように構成されている。

Abstract translation: 一种语音识别装置，配备有：识别处理单元，被配置为执行用于识别输入语音的语音识别处理; 存储单元，用于相互关联和存储表示车辆状态的信息，指示目标状态的信息，其是针对该状态的转换的车载设备的状态，以及关于用于验证转换的语音通知的信息; 以及控制单元，被配置为当所输入的语音被识别为对应于所述状态的语音通知的响应时，控制车载设备以达到与所述状态相对应的目标状态，并且车辆状态为 存储在存储单元中的状态。 控制单元被配置为在车内设备状态被识别为与存储在存储单元中的车辆状态相对应的目标状态的时间点停止由识别处理单元进行的语音识别处理。

公开(公告)号：WO2015180231A1

公开(公告)日：2015-12-03

申请号：PCT/CN2014/081419

申请日：2014-07-01

Applicant: 中兴通讯股份有限公司

Inventor： 何志斌 ,  蒋志峰

IPC: G06F3/01 ,  G10L15/26

CPC classification number: G10L15/222 ,  G06F3/167 ,  G10L21/0208 ,  G10L25/84 ,  G10L2015/223 ,  G10L2021/02087

Abstract: 一种语音交互方法及装置，在上述方法中，获取第一语音控制指令，执行与第一语音控制指令对应的第一操作（S102）；采集混合音频数据，其中，混合音频数据包括：在执行第一操作时播放的音频数据和第二语音控制指令（S104）；从混合音频数据中滤除播放的音频数据，识别第二语音控制指令（S106）；按照第二语音控制指令从第一操作切换至与第二语音控制指令对应的第二操作（S108）。

公开(公告)号：WO2014103099A1

公开(公告)日：2014-07-03

申请号：PCT/JP2013/004813

申请日：2013-08-09

Applicant: パナソニック株式会社

Inventor： 宮阪　修二 ,  阿部　一任

IPC: G10L15/20 ,  G10L15/32

CPC classification number: G10L15/08 ,  G10L13/00 ,  G10L15/22 ,  G10L15/222 ,  G10L15/28 ,  G10L17/22 ,  G10L21/0208 ,  G10L2015/088 ,  G10L2015/223 ,  G10L2021/02082

Abstract: 　ユーザーの音声を認識する音声認識付き機器（１）であって、空間に音声を出音するスピーカ（１０１）と、当該空間の音声を収音するマイクロホン（１０２）と、前記マイクロホン（１０２）で収音された音声を認識する第１の音声認識部（１０３）と、前記第１の音声認識部（１０３）で認識された音声に基づいて、前記音声認識付き機器（１）を制御するコマンドを発行するコマンド制御部（１０５）と、前記スピーカ（１０１）から出音される音声を用いて、前記コマンド制御部（１０５）による前記コマンドの発行を禁止する制御部とを備える。

Abstract translation: 具有能够识别用户的语音的具有语音识别功能（1）的装置包括：用于从外部输出音频的扬声器（101） 麦克风（102），用于在空间中获取所述声音; 用于识别由麦克风（102）获取的声音的第一语音识别单元（103）; 命令控制单元，用于基于由第一语音识别单元（103）识别的语音发出用于利用语音识别功能（1）控制设备的命令; 以及控制单元，其使用要从扬声器（101）输出的音频防止命令控制单元（105）发出命令。

公开(公告)号：WO2012155079A2

公开(公告)日：2012-11-15

申请号：PCT/US2012/037594

申请日：2012-05-11

Applicant: JOHNSON CONTROLS TECHNOLOGY COMPANY ,  FAY, William ,  DOUTHITT, Brian, L. ,  HUGHES, David, J. ,  HANNUM, Brian

Inventor： FAY, William ,  DOUTHITT, Brian, L. ,  HUGHES, David, J. ,  HANNUM, Brian

IPC: G10L15/08

CPC classification number: G10L15/28 ,  G10L15/01 ,  G10L15/22 ,  G10L15/222 ,  G10L2015/227 ,  H04R1/08 ,  H04R2499/13

Abstract: A voice recognition system includes a microphone for receiving speech from a user and processing electronics. The processing electronics are in communication with the microphone and are configured to use a plurality of rules to evaluate user interactions with the voice recognition system. The processing electronics automatically determine and set an expertise level in response to and based on the evaluation. The processing electronics are configured to automatically adjust at least one setting of the voice recognition system in response to the set expertise level.

Abstract translation: 语音识别系统包括用于从用户接收语音和处理电子设备的麦克风。 处理电子设备与麦克风通信，并且被配置为使用多个规则来评估与语音识别系统的用户交互。 处理电子设备自动确定并设置专家级别以响应并基于评估。 处理电子设备被配置为响应于所设置的专业级别自动调整语音识别系统的至少一个设置。

公开(公告)号：WO2015125549A1

公开(公告)日：2015-08-27

申请号：PCT/JP2015/051682

申请日：2015-01-22

Applicant: シャープ株式会社

Inventor： 本村　暁 ,  荻野　正徳

IPC: G10L15/22 ,  G06F3/16 ,  G06F17/30 ,  G10L13/00 ,  G10L15/00

CPC classification number: G10L15/222 ,  G06F17/30 ,  G10L15/22 ,  G10L17/22 ,  G10L2015/225 ,  G10L2015/226

Abstract: 　発話者との自然な対話を実現する。本発明の対話ロボット（１００）は、音声に対応付けて属性情報を記憶部（１２）に記憶して、音声入力を受け付ける入力管理部（２１）と、音声に対応するフレーズを提示するフレーズ出力部（２３）と、第１音声に対応する第１フレーズが提示される前に第２音声が入力された場合に、１以上の属性情報に基づいて、第１のフレーズの提示要否を判断する出力要否判断部（２２）とを備えている。

Abstract translation: 本发明实现了与扬声器的自然对话。 根据本发明的对话机器人（100）具有输入管理单元（21），用于将属性信息存储在与语音和接收语音输入相关联的存储单元（12）中，短语输出单元（23 ），用于呈现对应于语音的短语;以及输出必要性确定单元（22），用于基于一个或多个属性信息来确定是否需要在第二语音被输入时呈现与第一语音相对应的第一短语 在第一个短语被提出之前。