BRPI0617624A2

BRPI0617624A2 - método para reconhecer uma fala, dispositivo de processamento de recursos de meios, sistema para implementar função de reconhecimento de fala

Info

Publication number: BRPI0617624A2
Application number: BRPI0617624-0A
Authority: BR
Inventors: Cheng Chen
Original assignee: Huawei Tech Co Ltd
Priority date: 2005-10-21
Filing date: 2006-10-20
Publication date: 2013-01-01
Also published as: US8417521B2; CN100426377C; CN1953054A; BRPI0617624B1; EP1950738A4; EP1950738A1; DE602006014857D1; ATE470928T1; WO2007045188A1; EP1950738B1; US20080228483A1

Abstract

MéTODO PARA RECONHECER UMA FALA, DISPOSITIVO DE PROCESSAMENTO DE RECURSOS DE MEIOS, SISTEMA PARA IMPLEMENTAR FUNçãO DE RECONHECIMENTO DE FALA. A presente invenção refere-se um método, a um dispositivo e a um sistema para implementar uma função de recolhecimento de fala, no qual um dispositivo de controle de recursos de meios controla um dispositivo de processamento de recursos de meios para reconhecer uma entrada de fala por um usuário por meio do protocolo H.248. O método inclui: receber, pelo dispositivo de processamento de recursos de meios, uma mensagem H.248 transportando uma instrução de reconhecimento de fala e um parâmetro relacionado enviado pelo dispositivo de controle de meios: realizar reconhecimento de fala de acordo com a instrução de reconhecimento de fala e o parâmetro; e relatar um resultado de reconhecimento para o dispositivo de controle de recursos de meios. Além do mais, um dispositivo correspondente e sistema para implementar a função de reconhecimento de fala é fornecido adicionalmente.

Description

MÉTODO PARA RECONHECER UMA FALA, DISPOSITIVO DE PROCESSAMENTO DE RECURSOS DE MEIOS, SISTEMA PARA IMPLEMENTAR FUNÇÃO DE RECONHECIMENTO DE FALA

CAMPO DA INVENÇÃO

A presente invenção refere-se ao campo de tecnologia de

informação, e em particular, a um método, dispositivo e sistema para implementar uma função de reconhecimento de fala.

ANTECEDENTES DA INVENÇÃO

0 reconhecimento de fala se refere à função de converter

uma entrada de fala por um usuário em um texto de acordo com uma gramática especifica. Por exemplo, em um pedido de interação, um sistema primeiro reproduz um sinal de orientação para um usuário "0 que você quer? Água, coca-cola, ou suco de fruta?". 0 usuário pode responder por meio de uma fala, e a fala pode incluir somente a pronúncia de palavras- chaves "água", "coca-cola", "suco de fruta" ou "nada". 0 sistema pode reconhecer a fala do usuário e então fornecer o objeto selecionado para o usuário. No aplicativo de rede fixa ou móvel, existem geralmente

dois métodos para um usuário inserir.

Método Is 0 usuário insere com uma freqüência múltipla de sinal duplo (DTMF). Por exemplo, no pedido de interação acima, quando o usuário insere "1", é indicado que a "água' é selecionada, quando o usuário insere "2" é indicado que "coca-cola" é selecionada; quando o usuário insere "3", é indicado que "suco de fruta" é selecionado. E quando uma outra tecla é pressionada, é indicado que "nada" é desejado. Tal método foi definido no protocolo H.248. Método 2 s 0 usuário insere diretamente uma fala, e o

sistema pode transmitir a entrada de fala pelo usuário para o outro grupo de comunicação, ou gravar a fala, ou realizar o reconhecimento de fala.

Uma função parecida com a entrada DTMF pode ser conseguida por meio do processo de reconhecimento de fala. 0 sistema pode determinar a seleção do usuário de acordo com a fala do usuário. As vantagens do reconhecimento de fala estão no fato de que, o usuário pode interagir com um sistema diretamente por meio de uma fala e nenhum outro dispositivo de entrada auxiliar, tal como dispositivo para inserir DTMF pela pressão de uma tecla, é necessário, de modo que o modo de entrada do usuário possa ser simplificado. Como a tecnologia de reconhecimento de fala se aperfeiçoa, a tecnologia de reconhecimento de fala se tornará o modo de entrada predominante.

0 protocolo H.248 define métodos de controle de recursos de meios abundantes por meio de pacotes.

1. 0 protocolo H. 248.9 define os métodos por meio de Pacotes de Servidor de Meios Avançados, incluindo o seguinte:

1) O método de reprodução de um segmento de fala, no qual a localização do segmento de fala pode ser indicada por um Identificador de Recurso Uniforme (URI), e parâmetros tais como número de iterações da reprodução do segmento de fala, o intervalo de silêncio a ser inserido entre reproduções iterativas, e volume e velocidade de cada reprodução, podem ser indicados;

2) 0 método de sinal de reprodução de coleção DTMF, no qual a reprodução de sinal de orientação e a coleção DTMF são realizadas interativamente; e

3) 0 método de gravação de áudio, no qual o ID ou a localização do armazenamento de um arquivo de registro é devolvido.

2. O protocolo H.248.7 define um método para reproduzir um registro de acordo com um ID de comunicação.

3. 0 protocolo H.248.16 define um método para uma operação de coleção de digitos DTMF complexa.

Entretanto, o método para um usuário inserir diretamente uma fala não é definido no protocolo H.248, e a função de reconhecimento de fala é necessária no ambiente de aplicativos de recursos de meios.

SUMÁRIO DA INVENÇÃO

As modalidades da invenção fornecem um método, um dispositivo e um sistema para implementar uma função de reconhecimento de fala de modo que o reconhecimento de fala possa ser realizado de acordo com uma instrução e um parâmetro transportado em uma mensagem relacionada, e um usuário pode interagir diretamente com um sistema por meio de uma fala. Uma modalidade da invenção fornece um método para implementar uina função de reconhecimento de fala, na qual um dispositivo de controle de recursos de meios controla um dispositivo de processamento de recursos de meios para reconhecer uma entrada de fala por um usuário por meio do protocolo H.248. 0 método inclui:

-receber, pelo dispositivo de processamento de recursos de meios, uma mensagem H.248 transportando uma instrução de reconhecimento de fala e um parâmetro relacionado enviado pelo disposit ivo de controle de recursos de meios;

-realizar, pelo dispositivo de processamento de recursos de meios, um reconhecimento de fala de acordo com a instrução de reconhecimento de fala e com o parâmetro; e

-relatar um resultado de reconhecimento para o · dispositivo de controle de recursos de meios.

,·,.„ .. 0 Parâmetro relacionado inclui um parâmetro de gramática de reconhecimento para uma fala.

Quando o parâmetro de gramática de reconhecimento é uma gramática de reconhecimento para uma fala comum, o dispositivo de processamento de recursos de meios realiza o reconhecimento de fala de acordo com o parâmetro de gramática de reconhecimento.

Preferivelmente, a gramática de reconhecimento que é uma série de caracteres específica é embutida no parâmetro de gramática de reconhecimento, e o dispositivo de processamento de recursos extrai uma série de textos e realiza o reconhecimento de fala após receber o parâmetro de gramática de reconhecimento.

Preferivelmente, quando a gramática de reconhecimento para a fala é pré-armazenada no dispositivo de. processamento de recursos de meios ou' em ura servidor externo, o parâmetro de gramática dé reconhecimento é um ID de arquivo e informação de localização de armazenamento de um arquivo de gramática de reconhecimento, e o dispositivo de processamento de recursos de meios lê e faz cache do arquivo de gramática de reconhecimento de acordo com a informação de localização de armazenamento e realiza o reconhecimento de fala de acordo com o arquivo de gramática de reconhecimento que é lido. Preferivelmente, o parâmetro relacionado inclui: -um parâmetro usado durante o reconhecimento de fala, que inclui um parâmetro adaptado para informar se reconhece uma fala comum somente, e o dispositivo de processamento de recursos de meios realiza o reconhecimento de fala de acordo com o parâmetro relacionado; e/ou

-um parâmetro adaptado para indicar uma duração de tempo do reconhecimento de fala, e o dispositivo de processamento de recursos de meios determina a duração do tempo do reconhecimento de fala de acordo com o parâmetro, e/ou

-um parâmetro adaptado para indicar um tempo de espera, e o dispositivo de processamento de recursos de meios determina o tempo de espera para um usuário inserir de acordo com o parâmetro, e/ou

-um parâmetro adaptado para indicar um tipo de uma linguagem a ser reconhecida, e o dispositivo de processamento de recursos de meios determina o tipo de linguagem empregada durante o reconhecimento de fala comum de acordo com o parâmetro? e/ou

-um parâmetro adaptado para indicar uma precisão de reconhecimento, e o dispositivo de processamento de recursos de meios determina a precisão de reconhecimento necessária durante o reconhecimento de fala comum de acordo com o parâmetro? e/ou

-um parâmetro adaptado para indicar uma sensibilidade de reconhecimento, e o dispositivo de processamento de recursos de meios determina a sensibilidade de reconhecimento necessária durante o reconhecimento de fala comum de acordo com o parâmetro; e/ou -um parâmetro adaptado para indicar uma localização de armazenamento de um registro, e o dispositivo de processamento de recursos de meios lê a entrada de registros pelo usuário de uma localização designada de acordo com o parâmetro; e/ou

-um parâmetro para indicar o arquivo de gramática a ser lido, e informa para ler o arquivo de gramática de um servidor externo e faz cache do arquivo de gramática localmente quando a gramática de reconhecimento é armazenada em um arquivo; e/ou

-um parâmetro adaptado para indicar um tempo de cache para o arquivo de gramática e definir o tempo de cache para o arquivo de gramática do servidor, e se a duração de um cache excede o tempo de cache que foi definido, o cache é inválido. Preferivelmente, durante o reconhecimento de fala

realizado pelo dispositivo de processamento de recursos de meios, o método inclui:

-detectar, pelo dispositivo de processamento de recursos de meios, um evento anormal incluindo o tempo de espera para um usuário inserir intervalo de tempo, um intervalo de tempo de reconhecimento, um agrupamento errôneo entre uma entrada e gramática do usuário, o arquivo de gramática que não existe, o erro que é lido do arquivo de gramática, uma entrada do usuário que é incapaz de ser reconhecida, um erro de reconhecimento, e um erro de software/hardware do dispositivo | de processamento de recursos de meios; e/ou

-detectar, pelo dispositivo de processamento de recursos de meios, um evento de entrada de uma fala por um usuário e relatar um tipo de fala de uma entrada de fala detectado pelo usuário para o dispositivo de controle de recursos de meios, a fala incluindo: uma fala DTMF e uma comum.

0 método inclui adicionalmente detectar, pelo dispositivo de processamento de recursos de meios, o processamento de reconhecimento de fala de acordo com uma instrução do dispositivo de controle de recursos de meios, e realimentando um resultado de detecção para o dispositivo de controle de recursos de meios.

Preferivelmente, o método inclui adicionalmente realimentar, pelo dispositivo de processamento de recursos de meios, um código de erro correspondente para o dispositivo de controle de recursos de meios ao detectar o evento anormal durante o reconhecimento de fala.

Uma modalidade da invenção fornece adicionalmente um dispositivo de processamento de recursos de meios, incluindo: -uraa unidade de obtenção de instrução, adaptada para obter um parâmetro de controle relacionado e uma gramática de reconhecimento.

-uma unidade de obtenção de fala, adaptada para obter um sinal de fala para ser reconhecido que é introduzido por um usuário e enviar o sinal de fala para uma unidade de reconhecimento de fala;

-a unidade de reconhecimento de fala, adaptada para converter um sinal de fala de entrada em uma série de caracteres reconhecidos pela máquina de acordo com a gramática de reconhecimento e o parâmetro de controle; e -uma unidade de expedição, adaptada para enviar um

resultado de processamento da unidade de reconhecimento de fala para um dispositivo de controle de recursos de meios.

O dispositivo inclui adicionalmente: uma unidade de obtenção de arquivo, adaptada para obter um arquivo de gramática pré-armazenado externamente e enviar o arquivo de gramática para a unidade de reconhecimento de fala, e a unidade de reconhecimento de fala extrai a gramática de reconhecimento do arquivo de gramática recebido e processa um sinal de fala.

Uma modalidade da invenção fornece um sistema para

implementar uma função de reconhecimento de fala, incluindo:

-um dispositivo de controle de recursos de meios, adaptado para ampliar o protocolo H.248, enviar uma mensagem H.248 transferindo uma instrução de reconhecimento de fala e urti parâmetro relacionado com um dispositivo de processamento de reçursos de meios, e controlar o dispositivo de processamento de recursos de meios para realizar um reconhecimento de fala; e

-um dispositivo de processamento de recursos de meios, adaptado para receber a mensagem H.24 8 transferindo a instrução de reconhecimento de fala e parâmetro relacionado do dispositivo de controle de recursos de meios, realizar o reconhecimento de fala de acordo com o parâmetro, e realimentar um resultado do reconhecimento de fala para o dispositivo de controle de recursos de meios. 0 parâmetro relacionado inclui um parâmetro de gramática

de reconhecimento de fala e o dispositivo de processamento de recursos de meios extrai uma série de texto e realiza o reconhecimento de fala após receber o parâmetro de gramática de reconhecimento. Quando uma gramática de reconhecimento para uma fala é

pré-armazenado no dispositivo de processamento de recursos de meios ou em um servidor externo, o parâmetro de gramática de conhecimento é um ID e informação de localização de armazenamento de um arquivo de gramática de reconhecimento, e o dispositivo de processamento de recursos de meios lê e faz cache do arquivo de gramática de reconhecimento de acordo com a informação de localização de armazenamento e realiza o reconhecimento de fala de acordo com o arquivo de gramática de reconhecimento que é lido. 0 dispositivo de processamento de recursos de meios

inclui:

-uma unidade de reconhecimento de fala, adaptada para reconhecer uma fala e converter um sinal de fala em uma série de caracteres reconhecíveis por máquina; e -a unidade de reconhecimento de fala é configurada no

dispositivo de processamento de recursos de meios ou configurada independentemente.

Em comparação com a técnica anterior, de acordo com modalidades da invenção, uma instrução de reconhecimento de fala e um parâmetro relacionado são transportados em uma mensagem H.248 pela definição de um pacote ampliado de protocolo H.248, de modo a informar um disposltivo de processamento de recursos de raeios a realizar um reconhecimento de fala correspondents ao pararaetro. O dispositivo de processamento de recursos de meios recebe a mensagem H.248 transferindo a instru^ao e ο parSmetro enviado pelo dispositivo de controle de recursos de meios, e realiza ο reconhecimento de fala de acordo com ο parSmetro. Portanto, ο reconhecimento para uma entrada de fala comum por um usu^rio pode ser impleraentado por meio do protocolo H.248. Deste modo, ο usu^rio pode interagir com um sistema diretamente por meio de uma fala, ο modo de entrada do usu^rio pode ser simplificado, e a opera?5o de entrada pode ser raais fiicil ou mais simples.

BREVE ΟΕβΟΚίς&Ο DOS DESSNHOS

A figura Ieum diagrama esqueradtico mostrando a arguitetura de rede para processamento de um servigo de recursos de meios em uma rede WCDMA IMS da t^cnica anterior;

A figura 2 έ um diagrama esqueraitico mostrando a arquitetura de rede para processamento de um servigo de recursos de meios em uma rede comutada soft fixa da t^cnica anterior;

.,,,A.. fi^ura 3 έ um grSfico de fluxo do metodo para implementar a fun?3o de reconhecimento de fala de acordo com uma modalidade da ϊηνβης3ο; e a figura 4 έ um diagrama esquemitico mostrando a estrutura do dispositivo para implementar a fungSo de reconhecimento de fala de acordo com uma modalidade da invengSo.

DESCRigAo DETALBADA DAS MODALXDADES

Como e mostrado na figura 1, em uma rede WCDMA IMS, ο servidor de aplicativos 1 έ adaptado para processar v^rios servi<?os' tais como reproduzir ura anuncio para urn usu^rio, cole?5o de digitos DTMF, conferSncia e grava?So. O dispositivo de controle de sessSo de chamada de servi^o 2 έ adaptado para processar uma rota e avan?ar uma mensagem enviada pelo servidor de aplicativos 1 para ο dispositivo de controle de recursos de meios 3 corretamente, ou encarainhar uma raensagem enviada pelo dispositivo de controle de recursos de meios 3 para ο servidor de aplicativos 1 corretamente. O dispositivo de controle de recursos de meios 3 έ adaptado para controlar recursos de meios, selecionar um dispositivo de processamento de recursos de meios correspondents 4 e controlar ο processamento para recursos de meios de acordo com ο requerimento do servidor de aplicativos 1. O dispositivo de processamento de recursos de meios 4 έ adaptado para processar recursos de meios, e completar ο processamento para os recursos de meios expedidos pelo servidor de aplicativos 1 sob ο controle do dispositivo de controle de recursos de meios 3.

A interface empregada entre ο servidor de aplicativos 1, dispositivo de controle de·. sessSo de chamada de servigo 2 e dispositivo de controle de recursos de meios 3 usa protocolo SIP e protocolo XML, ou protocolo SIP e um protocolo similar ao XML (por exeraplo, VXML). A interface empregada entre ο dispositivo de controle de recursos de meios 3 e ο dispositivo de processamento de recursos de meios 4 έ uma interface Mp e usa ο protocolo H.248. A interface externa do dispositivo de processamento de recursos de meios 4 έ uma interface Mb usando protocolo RTP para transporter um fluxo de meios do usucirio.

A figura 2 e um diagrama esquematico mostrando a arquitetura de rede para processar um servigo de recursos de meios em uma rede corautada soft fixa. O servidor de recursos de meios (MRS) corresponde ao dispositivo de controle de recursos de meios 3 e ao dispositivo de processamento de recursos de meios 4 na rede WCDMA IMS , e ο servidor de aplicativos corresponde ao servidor de aplicativos Ieo dispositivo de controle de sessSo de chamada de servi?o 2 na rede WCDMA IMS, e a fun?So do dispositivo de comutaiSo soft e substancialmente a mesma que a do servidor de aplicativos 1.

O m^todo para implementar a fungSo de reconhecimento de fala por meio do protocolo H. 248 de acordo com a inven?ao έ adaptado para processar os recursos de meios na rede WCDMA IMS mostrada na figura lea rede comutada soft fixa mostrada na figura 2, Sirailarmente, ο irietodo pode tamb^m ser aplicado a outras redes, por exeinplo, a rede CDMA e a rede IMS fixa, e rede comutada soft de circuito WCI»1A e CDMA. Na rede CDMA e rede IMS fixa, a arquitetura e fluxo de processo de servigo do cen^rio de aplicativos de recursos de meios sSo basicamente os raesmos que aqueles da rede WCDMA IMS· Na rede comutada soft de circuito CDMA e WC DMA, a arquitetura de aplicativos de recursos de meios e fluxo de processo de service sfio basicamente os raesmos que aqueles da rede comutada soft fixa. Em outras palavras, a inven?3o pode ser aplicada ao caso no qual um dispositivo relacionado com recursos de meios 4 controlado por meio do protocolo H.248 para implementar a fungSo de reconhecimento de fala.

0 m^todo para implementar a fun?ao do-reconhecimento de fala por meio do protocolo H.248 de acordo com a inveng§o ser^ iIustrado agora pelo caso no qual ο m^todo έ aplicado a rede WCDMA IMS como um exemplo, em conjunto com os desenhos.

Geralmente, ο reconhecimento de fala inclui ο reconhecimento de fala comum e reconhecimento DTMF, e ο reconhecimento de fala comum e ο reconhecimento DTMF podem ocorrer geralraente ao mesmo tempo. Para ο reconhecimento DTMF e ο reconhecimento de fala coraura, tecnologias diferentes s5o usadas e ο processo de controle β partmetros necess^rios tarab^m sSo diferentes. Por que a detec?§o de um DTMF ja foi definida no protocolo H.248, a ίηνβηςέο dar^ Snfase ao reconhecimento de fala comum e ao reconhecimento sirault^neo da fala comum e ao DTMF.

Na presente inven?ao, porque a inven^ao somente se relaciona ao processo entre ο dispositivo de controle de recursos de meios 3 e ο dispositivo de processamento de recursos de meios 4 mostrado na figura 1 enquanto outros processos sSo os mesmos que aqueles na rede WCim IMS existente, para simplifica^So, somente ο processo entre ο dispositivo de controle de recursos de meios 3 e dispositivo de processamento de recursos de raeios 4 ser丢 descrito. A figura 3 6 uma gr^fico de fluxo do processo no qual ο dispositivo de controle de recursos de meios 3 e ο dispositivo de processamento de recursos de meios 4 controlam e processam recursos de meios.

Etapa 1: ο dispositivo de controle de recursos de meios 3 envia uma instruiSo para realizar um reconhecimento de fala para ο dispositivo de processamento de rscursos de meios 4.

Especificamente, ο dispositivo de controle de recursos de meios 3 transporta uma instru?ao de reconhecimento de fala e parSraetros relacionados em uma mensagem pela definigSo de um pacote arapliado de protocolo H.248 de raodo a controlar um dispositivo de processamento de recursos de meios para realizar ο reconhecimento de fala. O pacote arapliado de protocolo H.248 έ definido como se segue:

Nome do pacote Pacote ASR ID do pacote asrp(Ox??) DesccigSo Refere^-se a descrigao da solugSo VersSo 1 Estende ... Nula

1. Propriedades

Nula

2. Eventos

Referera-se k defini?So de um eventο abaixo.

3. Sinais

Referera-se a definigSo de um sinal abaixo.

4. Estatistica

Nula

5. Procedimento

O procedimento correspondente k solugSo corapleta descrita abaixo.

Aqui, ο reconhecimento de fala inclui reconhecimento de fala coraiim e urn reconhecimento DTMF. A graraitica de reconhecimento de DTMF foi definida no protocolo H.248. O reconhecimento de fala comurti precise transporter uma gramatica de reconhecimento, e existem dois m4todos para t勺

transportar ο pararaetro de gram組ca de reconheciraento.

1) A grairi^tica de reconhecimento έ transportada no parSmetro de uma mensagem H.248.

A gramitica de reconheciraento έ uma serie de caracteres de um forraato especifico, por exemplo:

#JSGF vl.0;

Bebida de gram^tica;

Piiblico<returncoirimands>= ^gua | coca-cola | suco de frutasI nada.

O formato da serie de texto nSo e reconhecido por uma

entidade funcional para processar ο protocolo H.248. A s^rie de texto somente e encaixada em uma mensagem H.248 corao uma s^rie. Ap6s receber ο parSinetro, ο dispositivo de processamento de recursos de meios 4 pode. extrair diretamente a serie de texto e submeter a serie de texto extraida a um identificador de fala para processamento. O identificador de fala pode ser configurado no dispositivo de processamento de recursos de meios 4 e pode tamtam ser configurado independentemente. 2) O ID e a informa?So de localiza<?ao de armazenamento

da graradtica de reconhecimento de fala sSo transportados no par3metro.de uma mensagem H.248.

A gram^tica de reconhecimento de fala pode ser pr6- armazenada no dispositivo de processamento de recursos de meios 4 ou outros servidores externos, e ο ID e a inforraagSo de localiza?ao de armazenamento do. arquivo de gram^tica sSo transportados na mensagem H.248.

.O ID do arquivo pode ser qualquer sferie de texto que se adapte a especificagSo de nome do arquivo. A informa?So de localizagSo de armazenamento do arquivo

inclui as tr§s formas seguintes.

A) um arquivo que pode ser localmente acessado diretamente, tal como drink.gra.

B) um arquivo que pode ser acessado no arquivo:// mode, tal como ο arquivo://huawei/drink.gra.

C) um arquivo que pode ser acessado no http://mode, tal 椚a-

como http;//huawei/drink.gra.

Ap6s receber ο parSraetro, ο dispositivo de processamento de recursos de meios 4 primeiro Ιέ ο arquivo de gram^tica de um servidor reraoto ou um arraazenamento local de acordo com a localiza?5o de armazenamento do arquivo, coloca ο arquivo de graraitica em uro cache, e entao processa ο arquivo de gramatica por meio de um identificador de fala.

Em acr^sciino a gramatica de reconhecimento ou informagiao relacionada, parametros para realizar ο reconhecimento de fala tarab^m precisam ser transportados na mensagem H.248. Os parSmetros para realizar ο reconhecimento de fala s3o adaptados para informar ο dispositivo de processamento de recursos de meios 4 para realizar a fun^So de reconhecimento de fala. Os parSmetros incluera os seguintes parametros: 1> Se reconhecem ou nSo um DTMF e uma fala comum

simultanearaente

Em certos aplicativos, ο usu^rio precisa somente inserir uma fala coraum. Se este parSraetro έ definidc. como Sim, ο dispositivo de processamento de recursos de meios 4 realizara ο reconhecimento de fala comum e ο reconhecimento DTMF nSo importando que ο usuario insira uraa fala coraum ou um PTMF.

2) Dura?3o do reconhecimento

Este parSmetro έ adaptado ara indicar a extensSo do tempo de reconhecimento. Em outras palavras, quando um usuario coraega a introduzir, se ο reconhecimento de fala nSo έ completado em uma duragSo especificada, ο processo realimenta por tempo esgotado,

3) Tempo de espera para um usuario inserir

Este parimetro έ adaptado parta indicar ο tempo de espera do reconhecimento. Em outras palavras, quando ο reconhecimento έ iniciado, se nenhuraa entrada de usuario e detectada em uraa dura^So dada, ο processo realimenta por tempo esgotado.

4> Tipo de linguagem a ser reconhecida Este ParSmetro έ adaptado para indicar ο tipo de

linguagem empregada pelo dispositivo de processamento de recursos de meios durante ο reconheciraento de fala comum, e este parSmetro se adapta, por exeraplo, a definigSo do protocolo RFC3066.

5) Precisao de Reconheciraento

Este parSmetro represents a precisSo como έ indicado por um valor entre O e 10 for a precisao, maior sera a quantidade mais longo sera ο tempo de reconhecimento.

6) Sensibilidade

Este parSmetro έ adaptado para representar a

sensibilidade necessaria pelo reconheciraento de fala, corao έ indicado por um valor entre O e 100. Quanto mais alta for a sensibilidade, maior serii a influencia do barulho de fundo, e quanto mais baixa for a sensibilidade, menor sera a influencia do barulho de fundo.

7)Localiza9ao de Armazenamento de Registro

Durante ο reconheciraento de fala, a entrada do usudrio pode ser gravada e armazenada era uma IocalizagSo designada. ^ste Pa^metro e adaptado para indicar a localizagSo de armazenamento do registro do usuirio.

8) Se realiza a pre-busca de um arquivo de gram^tica

Quand0 a gram^tica de reconhecimento έ armazenada no

modo de arquivo, se este parSmetro e definido como Sim, ο dispositivo de processamento de repursos de meios 4 U ο arquivo de gram^tica de um servidor externo e cache ο arquivo de grara^tica localmente apds receber um pedido? se este parSraetro έ definido como NSo. O arquivo de gram^tica έ lido durante ο reconheciraento.

9> Tempo de cache do Arquivo de Grara^tica

Este parSmetro representa a duragSo de tempo que ο dispositivo de processamento de recursos de meios 4 faz cache de 咖 arquivo de gram^tica lido de um servidor. Se ο tempo termina, ο cache έ considerado como invdlido.

O pacote de protocolo H.24 8 mencionado na etapa 1 usa as seguintes defini?oes:

1. Sinal: O sinal inclui sinal de Arquivo de Gram^tica

de reconhecimento, 0. Quanto mais alta de Reconhecimento de fala Automático (ASR) ou sinal de Série de Gramática ASR, correspondendo aos dois métodos para transportar um parâmetro de gramática de reconhecimento respectivamente..

1} 0 Arquivo de Gramática ASR é adaptado para informar para realizar a função de reconhecimento de fala.

Nome do sinal Arquivo de Gramática ASR ID do sinal asrgf(0x??) Descrição Realizar a função ASR Tipo de sinal br Duração Não aplicável

O Parâmetro Adicional inclui:

Nome do Parâmetro Arquivo de Gramática ID do Parâmetro gf(Ox??) Descrição Nome do arquivo de gramática de reconhecimento ASR e localização de armazenamento Tipo Série de caracteres (série) Opcional Não Valor Possível ID de arquivo válido e formato de armazenamento Default Nulo

' 10 . II.

Nome do Parâmetro Reconhecer DTMF ID do Parâmetro rd(0x??) Descrição Reconhece-se DTMF simultaneamente Tipo Enum Opcional Sim Valor Possível Sim, Não Default sim III.

Nome do Parâmetro Tempo de Reconhecimento de Espera ID do Parâmetro wrt(Ox??) Descrição Tempo de espera para reconhecimento Tipo Número Inteiro Opcional Sim Valor Possivel Maior do que 0 sequndo Default Nulo IV.

Nome do Tempo de Entrada de Espera Parâmetro ID do wit(Ox??) Parâmetro Descrição Tempo de espera para um usuário inserir Tipo Número Inteiro Opcional Sim Valor Possivel Maior do que 0 sequndo Default Nulo V.

Nome do Parâmetro Tipo de Linguagem ID do Parâmetro It(Ox??) Descrição Tipo de linquagem a ser reconhecida Tipo Série de Caracteres Opcional Sim Valor Possivel Adaptar ao protocolo RFC3066 Default - Nulo VI.

Nome do Parâmetro Reconhecer Precisão ID do Parâmetro ra(0x??) Descrição Précisão de reconhecimento Tipo Número Inteiro Opcional Sim Valor Possível 0 - 100 Default Nulo

VII.

Nome do Parâmetro Reconhecer Sensibilidade ID do Parâmetro ra (Ox??.) Descrição Requerimento para sensibilidade reconhecer Tipo Número Inteiro Opcional Sim Valor 0 ~ 100 Possível Default Nulo IL).

Nome do Parâmetro Gravar Arquivo ID do Parâmetro rf(Ox??) Descrição Gravar localização de armazenamento do fala a ser reconhecido Tipo Série de Caracteres Opcional Sim Valor Possível Série URI valida ou nome de arquivo local Default Nulo

Nome do Parâmetro Pré-buscar Gramática ID do Parâmetro pg(0x??) Descrição Tipo Enum Opcional Sim .Valor Possível Sim, Nâo Default Nulo

Nome do Parâmetro Tempo de Cache ID do Parâmetro ct (0x??) Descrição Tempo de cache do arquivo de qramática Número Inteiro Opcional Sim Valor.Possível Maior do que 0 segundo Default Nulo

Nome do Sinal Série de Gramática ASR ID do Sinal: ags(0x??) ........ Descrição Realizar a função ASR de acordo com a série de qramática Tipo de Sinal br ..............—--- Duração Não aplicável

O Parâmetro Adicional inclui:

Nome do Parâmetro Série de Gramática ID do Parâmetro gf(0x??) . Descrição Gramática de reconhecimento ASR Tipo Série de Caracteres Opcional Não Valor Possível Gramática de reconhecimento válida Default Nulo

II. Outros parâmetros são os mesmos que II, III, ιν, V, VI, VII e VIII de sinal de Arquivo de Gramática ASR.

Etapa 2: Quando o dispositivo de processamento de recursos de meios 4 recebe a instrução de reconhecimento de fala do dispositivo de controle de recursos de meios 3, o dispositivo de processamento de recursos de meios 4 realiza a confirmação da mensagem e realimenta o resultado da confirmação para o dispositivo de controle de recursos de meios 3. Além disso, o dispositivo de processamento de recursos de meios 4 realiza o processo correspondente de acordo com os parâmetros acima na mensagem, tal como, se reconhece um DTMF e uma fala comum simultaneamente duração de reconhecimento, tempo de espera para um usuário inserir, localização de armazenamento de registro, se pré-busca um arquivo de gramática, tempo de cache do arquivo de gramática. Especificamente, um identificador de fala reconhece uma entrada de fala por um usuário, incluindo o tipo de linguagem, precisão e sensibilidade do reconhecimento.

Etapa 3: 0 dispositivo de controle de recursos de meios

3 informa o dispositivo de processamento de recursos de meios

4 para detectar um evento que ocorre durante o reconhecimento de fala.

Etapa 4: 0 dispositivo de processamento de recursos de meios 4 realiza uma confirmação de mensagem e realimenta o resultado da confirmação para o dispositivo de controle de recursos de meios 3. Além disso, o dispositivo de processamento de recursos de meios 4 detecta o evento que ocorre durante o reconhecimento de fala.

O evento possível inclui o seguinte:

a) Um código de erro para realizar a função de reconhecimento de fala é devolvido em uma situação anormal.

Quando o dispositivo de processamento de recursos de meios 4 realiza o reconhecimento de fala, se uma anormalidade ocorre, um código de erro específico precisa ser devolvido ao -2.5

dispositivo de controle de recursos de meios. 0 valor específico do código de erro é definido e localizado uniformemente de acordo como padrão relacionado, e o conteúdo do código de erro inclui: 1) o tempo de espera para um usuário inserir a fala

excede um tempo predeterminado;

2} o tempo de reconhecimento de fala excede um tempo predeterminado;

3) a entrada de fala pelo usuário agrupa erroneamente a gramática de reconhecimento;

4) o arquivo de gramática não existe;

5) erro de leitura do arquivo de gramática;

6) erro de gramática de reconhecimento de fala;

7) incapaz de ser reconhecido ou erro de reconhecimento; 8) um erro de hardware do dispositivo de processamento

de recursos de meios 4;

9) um erro de software do dispositivo de processamento de recursos de meios 4; e

10) outros erros.

b) É detectado que um usuário começa a inserir uma fala.

Quandq um usuário começa a inserir uma fala, o dispositivo de processamento de recursos de meios 4 pode relatar o tipo de entrada de fala detectada pelo usuário para o dispositivo de controle de recursos de meios 3. A fala inserida inclui o DTMF e a fala comum.

Na etapa 4, os eventos definidos por meio do pacote de protocolo H.248 inclui o seguinte:

Eventos:

1) Falha ASR

Nome do Evento Falha ASR ID do Evento asrfail(Ox??) Descrição 0 reconhecimento. de. fala falha, e um código de erro é devolvido Parâmetros do descritor do Evento Nulo

Parâmetros do Descritor do Evento Observados: I. Nome do Parâmetro Devolver Código de Falha ID do Parâmetro rfc (Ox??) Descrição Parâmetro do código de erro Tipo de Parâmetro Número Inteiro Opcional Não Valor Possivel Código de erro definido na solução acima Default Nulo 2) Sucesso ASR Nome do Evento Sucesso ASR ID do Evento asrsucc(Ox??) Descrição 0 reconhecimento de fala é bem sucedido, e o resultado do reconhecimento é devolvido Parâmetros do Descritor do Evento Nulo Parâmetros do Descritor do Evento Observados: I. Nome do Parâmetro Resultado ASR ID do Parâmetro ar(Ox??) Descrição Resultado do reconhecimento Tipo. de Parâmetro Série de caracteres Opcional Não Valor Possível Série DTMF ou série de texto Default Nulo II. Nome do Parâmetro Confiabilidade do resultado ID do Parâmetro rr(Ox??) Descrição, Confiabilidade do resultado do reconhecimento Tipo de Parâmetro Número Inteiro Opcional Sim Valor Possível 0-100 Default 100 3) Inicio ASR Noirie do Evento Início ASR ID do-Everito asrbeg(0x??) Descrição 0 reconhecimento de fala é bem sucedido, e o resultado do reconhecimento é devolvido Parâmetros do Deseritor do Evento Nulo

Parâmetros do Descritox do Evento Observados: Nome do Parâmetro Tipo de Entrada ID do Parâmetro it (Ox??) Descrição Tipo de entrada do Usuário: DTMF e fala comum Tipo de Parâmetro Série de caracteres Opcional Não Valor Possivel DTMF e fala comum Default Nulo

Etapa 5: Após o dispositivo de processamento de recursos de meios completar o reconhecimento de fala de acordo com os

parâmetros transportados pelo dispositivo de controle de recursos de meios 3, o dispositivo de processamento de recursos de meios 4 relata o evento detectado durante o reconhecimento de fala, e relata a confiabilidade do resultado do reconhecimento devolvido para o dispositivo de controle de recursos de meios 3. 0 resultado do reconhecimento é uma série de caracteres, e a série de caracteres pode ser o resultado do reconhecimento de uma série DTMF ou o resultado do reconhecimento de fala comum. S entidade funcional para processar o protocolo H.248 nâo pode reconhecer a série e então devolve a série para o dispositivo de controle dè recursos de meios 3 para processamento.

Etapa 6: 0 dispositivo de controle de recursos 3 confirma o resultado do reconhecimento relatado pelo dispositivo de processamento de recursos de meios 4.

Com referência a figura t, uma modalidade da invenção fornece um dispositivo de processamento de recursos de meios, incluindo:

-unidade de obtenção de instrução 10, adaptada para obter um parâmetro de controle relacionado e uma gramática de reconhecimento;

-unidade de obtenção de fala 20, adaptada para obter um sinal de fala para ser reconhecido que é inserido por um usuário e enviar o sinal de fala para uma unidade de reconhecimento de fala;

-unidade de reconhecimento de fala 30, adaptada para converter um sinal de fala de entrada em uma série de caracteres reconhecíveis por máquina de acordo com a gramática de reconhecimento e o parâmetro de controle; e

-unidade de transmissão 40, adaptada para enviar um resultado de processamento da unidade de reconhecimento de fala para um dispositivo de controle de recursos de meios.

0 dispositivo inclui adicionalmente unidade de obtenção de arquivo 50 adaptada para obter um arquivo de gramática pré-armazenado externamente e enviar o arquivo de gramática para a unidade de reconhecimento de fala quando a gramática de reconhecimento é fornecida por meio de um arquivo externo, e a unidade de reconhecimento de fala extrai a gramática de reconhecimento do arquivo de gramática recebido e processa um sinal de fala.

Uma modalidade da invenção fornece um sistema para implementar uma função de reconhecimento de fala, incluindo: -um dispositivo de controle de recursos de meios, adaptado para ampliar o protocolo H.248, enviar uma mensagem H.248 transportando uma instrução de reconhecimento de fala e um parâmetro relacionado para um dispositivo de processamento de recursos de meios, e controlar o dispositivo de processamento de recursos de meios para realizar o reconhecimento de fala; e

-um dispositivo de processamento de recursos de meios, adaptado para receber a mensagem H.248 transportando a instrução de reconhecimento de fala e parâmetro relacionado do dispositivo de controle de recursos de meios, realizar o reconhecimento de fala de acordo com o parâmetro, e realimentar um resultado de reconhecimento de fala para o dispositivo de controle de recursos de meios. O parâmetro relacionado inclui um parâmetro de gramática

de reconhecimento de fala, e o dispositivo de processamento de recursos de meios extrai uma série de texto e realiza o reconhecimento de fala após receber o parâmetro de gramática de reconhecimento. Quando uma gramática de reconhecimento para uma fala é

pré-armazenada no dispositivo de processamento de recursos de meios ou em um servidor externo, o parâmetro de gramática de reconhecimento é um ID e informação de localização de armazenamento de um arquivo de gramática de reconhecimento, e o dispositivo de processamento de recursos de meios lê e faz cache do arquivo de gramática de acordo com a informação de localização de armazenamento e realiza o reconhecimento de fala de acordo com o arquivo de gramática que é lido.

O dispositivo de processamento de recursos de meios inclui:

-uma unidade de reconhecimento de fala, adaptada para reconhecer uma fala e converter um sinal de fala em uma série de caracteres reconhecíveis por máquina.

A unidade de reconhecimento de fala é configurada no dispositivo de processamento de recursos de meios ou configurada independentemente.

Pelas soluções da invenção, um aplicativo de serviço relacionado ao reconhecimento de fala pode ser fornecido para Umi usuário em um aplicativo de recursos de meios de rede fixa ou móvel. Por exemplo, pela substituição da tecla inserida com a entrada de fala, um usuário pode efetuar funções básicas, tais como chamar e questionar por meio de uma fala.

Vantagens adicionais e modificações ocorrerão prontamente àqueles versados na técnica. Portanto, a invenção em seus aspectos mais amplos não é limitada aos detalhes especificos e modalidades representativas mostradas e descritas na presente invenção. Conseqüentemente, várias modificações e variações podem ser feitas sem se afastar do escopo da invenção como é definido pelas reivindicações anexadas e seus equivalentes.

Claims

1. Método para reconhecer uma fala, caracterizado por compreender: - receber, por um dispositivo de processamento de recursos de meios, uma mensagem H.248 transportando uma instrução de reconhecimento de fala e um parâmetro relacionado enviado por um dispositivo de controle de recursos de meios; - realizar, pelo dispositivo de processamento de recursos de meios, reconhecimento de fala de acordo com a instrução de reconhecimento de fala e o parâmetro relacionado; e - relatar um resultado de reconhecimento para o dispositivo de controle de recursos de meios.

2. Método, de acordo com a reivindicação 1, caracterizado pelo fato de que o parâmetro relacionado compreende um parâmetro de gramática de reconhecimento para a fala.

3. Método, de acordo com a reivindicação 2, caracterizado por compreender realizar, pelo dispositivo de processamento de recursos de meios, o reconhecimento de fala de acordo com o parâmetro de gramática de reconhecimento, quando o parâmetro de gramática de reconhecimento é uma gramática de reconhecimento para uma fala comum.

4. Método, de acordo com a reivindicação 3, caracterizado por compreender extrair, pelo dispositivo de processamento de recursos de meios, uma série de texto e realizar o reconhecimento de fala após receber o parâmetro de gramática de reconhecimento; no qual uma série de caracteres especifica é embutida dentro do parâmetro de gramática de reconhecimento.

5. Método, de acordo com' a reivindicação 3, caracterizado pelo fato de que quando a gramática de reconhecimento para a fala é pré-armazenada no dispositivo de processamento de recursos de meios ou em um servidor externo, o parâmetro de gramática de reconhecimento é um ID e informação de localização de armazenamento de um arquivo de gramática de reconhecimento, e o dispositivo de processamento de recursos de meios lê e faz cache do arquivo de gramática de reconhecimento de acordo com a informação de localização de armazenamento e realiza o reconhecimento de fala de acordo com o arquivo de gramática de reconhecimento que é lido.

6. Método, de acordo com a reivindicação 1, caracterizado pelo fato de que o parâmetro relacionado compreende um parâmetro usado durante o reconhecimento de fala.

7. Método, de acordo com a reivindicação 6, caracterizado por compreender realizar o reconhecimento de fala de acordo com o parâmetro usado durante o reconhecimento de fala que compreende um parâmetro adaptado para informar se reconhece ou não uma fala comum somente.

8. Método, de acordo com a reivindicação 6, caracterizado por compreender determinar uma duração de tempo do reconhecimento de fala de acordo com o parâmetro usado durante o reconhecimento de fala que compreende um parâmetro adaptado para indicar a duração de tempo do reconhecimento de fala.

9. Método, de acordo com a reivindicação 6, caracterizado por compreender determinar um tempo de espera para um usuário inserir de acordo com o parâmetro usado durante o reconhecimento de fala que compreende um parâmetro adaptado para indicar o tetupo de espera.

10. Método, de acordo com a reivindicação 6, oaracterizado por compreender determinar um tipo da linguagem empregada durante o reconhecimento de fala comum de acordo com o parâmetro de acordo com o parâmetro usado durante o reconhecimento de fala que compreende um parâmetro adaptado para indicar o tipo de uma linguagem a ser reconhecida.

11. Método, de acordo com a reivindicação 6, caracterizado por compreender determinar uma precisão de reconhecimento necessária durante o reconhecimento de fala comum de acordo com o parâmetro usado durante o reconhecimento de fala que compreende um parâmetro adaptado para indicar a precisão de reconhecimento.

12. Método, de acordo com a reivindicação 6, caracterizado por compreender determinar uma sensibilidade de reconhecimento necessária durante o reconhecimento de fala comum de acordo com o parâmetro usado durante o reconhecimento de fala que compreende um parâmetro adaptado para indicar a sensibilidade de reconhecimento.

13. Método, de acordo com a reivindicação 6, caracterizado por compreender gravar e armazenar a entrada do usuário durante o reconhecimento de fala em uma localização designada de acordo com o parâmetro usado durante o reconhecimento de fala que compreende um parâmetro adaptado para indicar a localização do armazenamento do registro.

14. . Método, de acordo com a reivindicação 6, caracterizado pelo fato de que o parâmetro usado durante. o reconhecimento de fala compreende adicionalmente: - um parâmetro adaptado para indicar se faz pré-busca de um arquivo de gramática, e se o parâmetro que é adaptado para indicar se faz a pré-busca de um arquivo de gramática definido.conjo sim, o dispositivo de processamento de recursos de meios lê o arquivo de gramática de um servidor externo e faz cache do arquivo de gramática localmente quando a gramática de reconhecimento é armazenada em um modo de ura arquivo; e/ou - um parâmetro adaptado para indicar um tempo de cache para o arquivo de gramática e definir o tempo de cache para o arquivo de gramática lido de um servidor externo, e se a duração de um cache excede o tempo de cache que foi definido, o cache é inválido.

15. Método, de acordo com qualquer uma das reivindicações de 1 a 14, durante o reconhecimento de fala realizado pelo dispositivo de processamento de recursos de meios, caracterizado por compreender: " detectar, pelo dispositivo de processamento de recursos de meios, um evento anormal compreendendo o tempo de espera para um usuário inserir tempo esgotado, um tempo esgotado de reconhecimento, um agrupamento errôneo entre uma entrada do usuário e gramática, o arquivo de gramática não existindo, o arquivo de gramática sendo lido como erro, uma entrada do usuário sendo incapaz de ser reconhecida, um erro de reconhecimento, e um erro de hardware/software do dispositivo de processamento de recursos de meios; e/ou detectar, pelo dispositivo de processamento de recursos de meios, um evento de inserção de uma fala por um usuário e relatar um tipo de fala de uma entrada de fala detectado pelo usuário para o dispositivo de controle de recursos de meios, a fala compreendendo: uma freqüência múltipla de sinal duplo, DTMF, e uma fala comum.

16. Método, de acordo com a reivindicação 15, caracterizado por compreender: detectar, pelo dispositivo de processamento de recursos de meios, um processo de reconhecimento de fala de acordo com uma instrução do dispositivo de controle de recursos de meios, e realimentar um resultado de detecção para o dispositivo de controle de recursos de meios.

17. Método, de acordo com a reivindicação 16, caracterizado por compreenderj realimentar, pelo dispositivo de processamento de recursos de meios, um código de erro correspondente para o dispositivo de controle de recursos de meios quando detectar o evento anormal durante o reconhecimento de fala.

18. Dispositivo de processamento de recursos de meios, caracterizado por compreender: - uma unidade de obtenção de instrução, adaptada para obter um parâmetro de controle relacionado e uma gramática de reconhecimento; - uma unidade de obtenção de fala, adaptada para obter um sinal de fala para ser reconhecido que é inserido por um usuário e enviar o sinal de fala para uma unidade de reconhecimento de fala; - a unidade de reconhecimento de fala, adaptada para converter um sinal de fala de entrada em uma série de caracteres reconhecíveis por máquina de acordo com a gramática de reconhecimento e o parâmetro de controle relacionado; e - uma unidade de transmissão, adaptada para enviar um resultado de processamento da unidade de reconhecimento de fala para um dispositivo de controle de meios.

19. Dispositivo, de acordo com a reivindicação 18, caracterizado por compreender: — uma unidade de obtenção de arquivo, adaptada para obter um arquivo de gramática pré-armazenado externamente e enviar o arquivo de gramática para a unidade de reconhecimento de fala, na qual a unidade de reconhecimento de fala. extrai a gramática de reconhecimento do arquivo de gramática recebido e processa o sinal de fala.

20. Sistema para implementar função de reconhecimento de fala, caracterizado por compreender: - um dispositivo de controle de recursos de meios, no qual o dispositivo de controle de recursos de meios é adaptado para se comunicar com o dispositivo de processamento de recursos de meios; no qual o dispositivo de controle de recursos de meios é adaptado para enviar uma mensagem H.24 8 transportando uma instrução de reconhecimento de fala e um parâmetro relacionado para um dispositivo de processamento de recursos de meios, e controlar o dispositivo de processamento de recursos de meios para realizar um reconhecimento de fala; e no qual o dispositivo de processamento de recursos de meios é adaptado para receber a mensagem H.248 transportando a instrução de reconhecimento de fala e o parâmetro relacionado do dispositivo de controle de recursos de meios, realizar o reconhecimento de fala de acordo com o parâmetro relacionado, e realimentar um resultado de reconhecimento de fala para o dispositivo de controle de recursos de meios.