公开(公告)号：WO2018042133A1

公开(公告)日：2018-03-08

申请号：PCT/FR2017/052314

申请日：2017-08-31

Applicant: ORANGE

Inventor： MONCOMBLE, Ghislain ,  RONDET, Patrick

IPC: A61B5/16 ,  A61B5/00 ,  A61B5/11 ,  G10L25/63 ,  G10L25/66 ,  G06K9/00 ,  G10L15/25 ,  G06F19/24 ,  G06Q30/02 ,  G09B19/04

CPC classification number: G06F3/011 ,  A61B5/1128 ,  A61B5/168 ,  A61B5/4803 ,  A61B2503/12 ,  G06F3/017 ,  G06F2203/011 ,  G06K9/00302 ,  G06K9/00771 ,  G06N20/00 ,  G09B5/062 ,  G09B19/04 ,  G10L25/48 ,  G10L25/63 ,  G16H50/30

Abstract: L'invention se rapporte à un procédé de prédiction de l'attention d'au moins un auditoire lors d'une présentation par au moins un locuteur. Le procédé est tel qu'il comporte les étapes de mesures (E25) de caractéristiques vocales ou gestuelles du au moins un locuteur de la présentation en cours et/ou de mesures de caractéristiques de contenu de la présentation en cours, mesure (E26) d'au moins un paramètre de durée ou d'occurrence des caractéristiques mesurées, consultation (E27) d'une base de données comportant une correspondance entre des caractéristiques vocales ou gestuelles de locuteur et/ou des caractéristiques de contenu de présentation, des paramètres de durée ou d'occurrence liés à ces caractéristiques et des informations relatives à l'évolution du niveau d'attention pour ces caractéristiques et ces paramètres et récupération des informations relatives à l'évolution du niveau d'attention correspondant aux mesures effectuées, de présentation (E28) à l'au moins un locuteur de la présentation, d'une prédiction de niveau d'attention à partir des informations relatives à l'évolution du niveau d'attention récupérées. L'invention se rapporte aussi à une phase d'apprentissage pour obtenir les correspondances de la base de données, à un dispositif de prédiction mettant en œuvre le procédé décrit ainsi qu'à un dispositif d'apprentissage mettant en œuvre la phase d'apprentissage.

Abstract translation:

本发明涉及 程序d＆oacute; 至少一位演讲者在演讲期间引导至少一位观众的注意力。 d＆oacute的过程; 是包括以下步骤：测量（E25）当前演示的至少一个演讲者的声音或手势特征和/或演示的内容特征的测量 在进行中，测量（E26）至少一个耐久性参数或测量特征的发生，对包括字符之间的对应关系的数据库的咨询（E27） 说话者的言语或姿势和/或表现内容的特征，耐久性或与事件相关的参数; 这些功能和相关信息; 改变这些功能和设置的关注程度并检索与其相关的信息。 表示（E28）的对应于所进行的测量的关注水平的演变＆gt; 演讲的至少一个演讲者，关注级别的预测;＆nbsp;＆nbsp;＆nbsp;＆nbsp; 从有关的信息 注意力恢复。 本发明还涉及 学习阶段以获得数据库匹配，＆gt; 执行该程序的预测装置; 描述以及“ 一个实现学习阶段的学习设备。

公开(公告)号：WO2016191615A1

公开(公告)日：2016-12-01

申请号：PCT/US2016/034465

申请日：2016-05-26

Applicant: DOLBY LABORATORIES LICENSING CORPORATION

Inventor： SHI, Dong ,  SUN, Xuejing

IPC: G10L21/02 ,  G10L25/48 ,  G10L25/18

CPC classification number: H04R3/04 ,  G06F3/165 ,  G10L21/02 ,  G10L21/0232 ,  G10L25/18 ,  G10L25/21 ,  G10L25/48 ,  H03G3/3005 ,  H03G5/025 ,  H03G5/165

Abstract: Example embodiments disclosed herein relate to separated audio analysis and processing. A system for processing an audio signal is disclosed. The system includes an audio analysis module configured to analyze an input audio signal to determine a processing parameter for the input audio signal, the input audio signal being represented in time domain. The system also includes an audio processing module configured to process the input audio signal in parallel with the audio analysis module. The audio processing module includes a time domain filter configured to filter the input audio signal to obtain an output audio signal in the time domain, and a filter controller configured to control a filter coefficient of the time domain filter based on the processing parameter determined by the audio analysis module. Corresponding method and computer program product of processing an audio signal are also disclosed.

Abstract translation: 本文公开的示例实施例涉及分离的音频分析和处理。 公开了一种用于处理音频信号的系统。 该系统包括音频分析模块，其被配置为分析输入音频信号以确定输入音频信号的处理参数，输入音频信号在时域中表示。 该系统还包括被配置为与音频分析模块并行地处理输入音频信号的音频处理模块。 音频处理模块包括：时域滤波器，被配置为对输入音频信号进行滤波以获得时域中的输出音频信号;以及滤波器控制器，被配置为基于由时域滤波器确定的处理参数来控制时域滤波器的滤波器系数 音频分析模块 还公开了处理音频信号的相应方法和计算机程序产品。

公开(公告)号：WO2016188329A1

公开(公告)日：2016-12-01

申请号：PCT/CN2016/081999

申请日：2016-05-13

Applicant: 广州酷狗计算机科技有限公司

Inventor： 赵伟峰

IPC: G10L15/04 ,  G10L15/06 ,  G10L25/48 ,  G10L25/03

CPC classification number: G10L21/10 ,  G10L15/04 ,  G10L15/06 ,  G10L15/26 ,  G10L25/03 ,  G10L25/48

Abstract: 一种音频处理方法、装置及终端。其中的方法包括：获取目标音频文件的文件数据；根据所述文件数据的组成元素之间的相关性特征数据，构建相关性特征序列；按照预设段落总数对所述相关性特征序列进行优化；根据优化后的所述相关性特征序列中的至少一个特征元素的数值确定段落变化时间；按照所述段落变化时间将所述目标音频文件划分为所述预设段落总数的段落。该方法基于音频文件对应的字幕文件中的字符单句的相似性和时间间隔特点，及音频段落之间的音频帧的相关性特点实现对目标音频文件的段落划分，提升分段处理效率，提升音频处理的智能性。

公开(公告)号：WO2016188211A1

公开(公告)日：2016-12-01

申请号：PCT/CN2016/077218

申请日：2016-03-24

Applicant: 腾讯科技(深圳)有限公司

Inventor： 赵伟峰 ,  李纯 ,  刘翔 ,  徐豪杰 ,  张德文 ,  郑飞 ,  曹利 ,  李天文 ,  陈向文 ,  王宝华 ,  王美星 ,  刘智勇 ,  黄斯亮 ,  宋波 ,  王伟龙 ,  邓小康 ,  谭升民 ,  傅鸿城 ,  张庆 ,  石玉磊

IPC: G10H1/00 ,  G10H1/36 ,  G11B27/10 ,  G11B20/10 ,  G10L25/48 ,  G10L25/03

CPC classification number: G10H1/361 ,  G10H1/00 ,  G10H1/0008 ,  G10H1/36 ,  G10H1/38 ,  G10H2210/005 ,  G10L25/03 ,  G10L25/48 ,  G11B20/10 ,  G11B27/10

Abstract: 一种音频处理方法、装置和系统，可以实现与他人合唱的K歌体验。该方法包括：获取歌曲的音频文件和所述歌曲的歌词文件；在所述歌词文件的第一歌词部分对应的显示时间播放所述音频文件并录制用户的音频数据；在所述歌词文件的第二歌词部分对应的显示时间播放所述音频文件；对所述用户的音频数据和所述音频文件在所述第一歌词部分对应的显示时间的音频数据进行混音处理。

公开(公告)号：WO2015148725A3

公开(公告)日：2016-11-24

申请号：PCT/US2015022571

申请日：2015-03-25

Applicant: MEADOWS MARK STEPHEN

Inventor： MEADOWS MARK STEPHEN

IPC: G06F21/32 ,  G06Q20/40

CPC classification number: G06Q20/40145 ,  G06F21/32 ,  G06Q20/3821 ,  G06Q2220/00 ,  G10L15/1822 ,  G10L17/00 ,  G10L25/48

Abstract: A method for executing cryptographically secure transactions using voice and natural language processing is provided. The method comprises executing on a processor the steps of receiving an electronic communication in a computer terminal with a memory module, an authentication module, a parsing module, a digital-to-analog converter, a voice interface module and a ledger module, the electronic communication is a verbal request by a user initiating a cryptographically secure transaction for a commodity of exchange in the form of an audio frequency signal; transforming the audio frequency signal into a digital signal; authenticating the user using the authentication module; parsing the digital signal using the parsing module to identify an intent of the verbal request by the user; determining the intent of the verbal request matches an intent of the computer terminal; and transmitting the commodity of exchange upon confirmation of the intent of the verbal request matching the intent of the computer terminal.

Abstract translation: 提供了一种使用语音和自然语言处理来执行加密安全交易的方法。 该方法包括在处理器上执行在具有存储器模块，认证模块，解析模块，数模转换器，语音接口模块和分类帐模块的计算机终端中接收电子通信的步骤，电子 通信是用户发起音频信号形式的交换商品的密码安全交易的口头请求; 将音频信号变换为数字信号; 使用认证模块认证用户; 使用解析模块解析数字信号以识别用户的口头请求的意图; 确定口头请求的意图符合计算机终端的意图; 并在确认符合计算机终端意图的口头请求的意图后，传送交换商品。

公开(公告)号：WO2016157658A1

公开(公告)日：2016-10-06

申请号：PCT/JP2015/086098

申请日：2015-12-24

Applicant: ソニー株式会社

Inventor： 大村　淳己

IPC: G06F3/16 ,  G10L13/00 ,  G10L13/02

CPC classification number: G06F3/16 ,  G10L13/00 ,  G10L13/02 ,  G10L15/20 ,  G10L25/48 ,  H04M19/04

Abstract: 　現在の周辺環境に応じて適切な応答出力方法を決定することで、音声認識システムの利便性を向上することが可能な情報処理装置、制御方法、およびプログラムを提供する。　ユーザの発話に対する応答を生成し、現在の周辺環境に応じて応答出力方法を決定し、前記決定された応答出力方法で前記生成された応答を出力するよう制御する。

Abstract translation: 提供了一种信息处理装置，控制方法和程序，其能够通过根据当前周围环境确定适当的响应输出方法来提高语音识别系统的便利性。 执行控制以使得对用户的话语的响应被产生，根据当前的周围环境确定响应输出方法，并且使用所确定的响应输出方法来输出所生成的响应。

公开(公告)号：WO2016149052A1

公开(公告)日：2016-09-22

申请号：PCT/US2016/021895

申请日：2016-03-11

Applicant: MICROSOFT TECHNOLOGY LICENSING, LLC

Inventor： DUMOULIN, Benoit ,  AHMADI, Ali ,  PARTHASARATHY, Sarangarajan ,  CRASWELL, Nick ,  OZERTEM, Umut ,  SHOKOUHI, Milad ,  RAGHUNATHAN, Karthik ,  JONES, Rosie

IPC: G10L15/183 ,  G06F17/30

CPC classification number: G06F17/30401 ,  G06F17/30654 ,  G06F17/30976 ,  G10L15/26 ,  G10L25/48

Abstract: Methods and systems are provided for providing alternative query suggestions. For example, a spoken natural language expression may be received and converted to a textual query by a speech recognition component. The spoken natural language expression may include one or more words, terms, and/or phrases. A phonetically confusable segment of the textual query may be identified by a classifier component. The classifier component may determine at least one alternative query based on identifying at least the phonetically confusable segment of the textual query. The classifier may further determine whether to suggest the at least one alternative query based on whether the at least one alternative query is sensical and/or useful. When it is determined to suggest the at least one alternative query, the at least one alternative query may be provided to and displayed on a user interface display.

Abstract translation: 提供了提供替代查询建议的方法和系统。 例如，语音自然语言表达可以被接收并被语音识别组件转换成文本查询。 口语自然语言表达可以包括一个或多个单词，术语和/或短语。 文本查询的语音混淆段可以由分类器组件识别。 分类器组件可以基于至少识别文本查询的语音混淆段来确定至少一个替代查询。 分类器可以基于所述至少一个替代查询是感性的和/或有用的来进一步确定是否建议所述至少一个替代查询。 当确定建议至少一个替代查询时，可以向用户界面显示器提供至少一个备选查询并将其显示在用户界面显示器上。

公开(公告)号：WO2016144841A1

公开(公告)日：2016-09-15

申请号：PCT/US2016/021104

申请日：2016-03-06

Applicant: APPLE INC.

Inventor： SUMMER, Michael, R. ,  NEWENDORP, Brandon, J. ,  ORR, Ryan, M.

IPC: G06F17/30 ,  G06F17/24 ,  G10L15/183 ,  G10L15/30

CPC classification number: G10L25/48 ,  G06F17/2785 ,  G06F17/30241 ,  G06F17/30684 ,  G06F17/30976 ,  G10L15/26

Abstract: Systems and processes for structured dictation using intelligent automated assistants are provided. In one example process, a speech input representing a user request can be received. In addition, metadata associated with the speech input can be received. A text string corresponding to the speech input can be determined. The process can determine whether to perform natural language processing on the text string and whether the metadata identifies one or more domains corresponding to the user request. In response to the determination that natural language processing is to be performed on the text string and that the metadata identifies one or more domains corresponding to the user request, natural language processing of the text string can be constrained to the one or more domains. A result can be obtained based on the one or more domains and the result can be outputted from the electronic device.

Abstract translation: 提供使用智能自动化助理的结构化听写的系统和过程。 在一个示例过程中，可以接收表示用户请求的语音输入。 此外，可以接收与语音输入相关联的元数据。 可以确定与语音输入对应的文本串。 该过程可以确定是否对文本字符串执行自然语言处理以及元数据是否识别与用户请求相对应的一个或多个域。 响应于对文本串执行自然语言处理的确定，并且元数据识别与用户请求对应的一个或多个域，文本串的自然语言处理可以被约束到一个或多个域。 可以基于一个或多个域获得结果，并且可以从电子设备输出结果。

公开(公告)号：WO2016040467A1

公开(公告)日：2016-03-17

申请号：PCT/US2015/049164

申请日：2015-09-09

Applicant: MEADOWS, Mark, Stephen

Inventor： MEADOWS, Mark, Stephen

IPC: G06F3/16 ,  G06F13/40 ,  G06N3/10

CPC classification number: G06T13/40 ,  G06F17/28 ,  G10L13/00 ,  G10L15/1822 ,  G10L21/10 ,  G10L25/48 ,  G10L25/63

Abstract: A method for executing cinematic direction and dynamic character control via natural language output is provided. The method includes generating a first set of instructions for animation of characters and a second set of instructions for animation of environments; extracting a first set of dialogue elements from a conversant input received in an affective objects module of the processing circuit; extracting a second set of dialogue elements from a natural language system output; analyzing the first and second sets of dialogue elements by an analysis module in the processing circuit for determining emotional content data used to generate an emotional content report; analyzing the first and second sets of dialogue elements by the analysis module in the processing circuit for determining duration data used to generated a duration report; and animating the characters and the environments based on the emotional content report and the duration report.

Abstract translation: 提供了一种通过自然语言输出执行电影方向和动态角色控制的方法。 该方法包括生成用于动画角色的第一组指令和用于环境动画的第二组指令; 从处理电路的情感对象模块中接收的熟悉的输入中提取第一组对话元素; 从自然语言系统输出中提取第二组对话元素; 通过处理电路中的分析模块来分析第一和第二组对话元素，用于确定用于产生情绪内容报告的情绪内容数据; 通过处理电路中的分析模块分析第一和第二组对话元素，以确定用于产生持续时间报告的持续时间数据; 并根据情绪内容报告和持续时间报告动画人物和环境。

公开(公告)号：WO2015200004A1

公开(公告)日：2015-12-30

申请号：PCT/US2015/035496

申请日：2015-06-12

Applicant: GOOGLE INC.

Inventor： BAR-OR, Omer ,  HUFFMAN, Scott B. ,  MAYER, Ida ,  BLUME, Arthur E. ,  GUPTA, Pravir Kumar

IPC: G06F9/54 ,  G06F9/44 ,  G06F9/48

CPC classification number: G10L25/48 ,  G06F9/452 ,  G06F9/4806 ,  G06F9/54 ,  G06F2209/482 ,  G06F2209/549

Abstract: Systems, methods and apparatus for invoking actions at a second user device from a first user device. A method includes determining that a first user device has an associated second user device; accessing specification data that specifies a set of user device actions that the second user device is configured to perform; receiving command inputs for the first user device; for each command input, determining whether the command input resolves to one of the user device actions; for each command input not determined to resolve to any of the user device actions, causing the command input to be processed at the first user device; and for each command input determined to resolve one of the user device actions causing the first user device to display in a user interface a dialog by which a user may either accept or deny invoking the user device action at the second user device.

Abstract translation: 用于从第一用户设备调用第二用户设备的动作的系统，方法和装置。 一种方法包括确定第一用户设备具有相关联的第二用户设备; 访问指定第二用户设备被配置为执行的一组用户设备动作的规范数据; 接收第一用户设备的命令输入; 对于每个命令输入，确定命令输入是否解析为一个用户设备动作; 对于未被确定为解析为任何用户设备动作的每个命令输入，导致在第一用户设备处理命令输入; 并且为了确定每个用于解决用户设备动作之一的命令输入，导致第一用户设备在用户界面中显示用户可以在第二用户设备处接受或拒绝调用用户设备动作的对话。