ES2284932T3 - Metodo para comprimir datos de diccionario. - Google Patents
Metodo para comprimir datos de diccionario. Download PDFInfo
- Publication number
- ES2284932T3 ES2284932T3 ES02774815T ES02774815T ES2284932T3 ES 2284932 T3 ES2284932 T3 ES 2284932T3 ES 02774815 T ES02774815 T ES 02774815T ES 02774815 T ES02774815 T ES 02774815T ES 2284932 T3 ES2284932 T3 ES 2284932T3
- Authority
- ES
- Spain
- Prior art keywords
- units
- sequence
- phoneme
- character
- entry
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Lifetime
Links
- 238000000034 method Methods 0.000 title claims abstract description 59
- 230000006835 compression Effects 0.000 claims abstract description 39
- 238000007906 compression Methods 0.000 claims abstract description 39
- 238000012545 processing Methods 0.000 claims abstract description 30
- 238000007781 pre-processing Methods 0.000 claims abstract description 22
- 238000012896 Statistical algorithm Methods 0.000 claims abstract 4
- 230000015654 memory Effects 0.000 claims description 46
- 238000004422 calculation algorithm Methods 0.000 claims description 15
- 238000004590 computer program Methods 0.000 claims description 6
- 238000004891 communication Methods 0.000 claims description 2
- 238000010295 mobile communication Methods 0.000 claims 1
- 230000008569 process Effects 0.000 description 6
- 238000013507 mapping Methods 0.000 description 3
- 238000005309 stochastic process Methods 0.000 description 3
- 230000003936 working memory Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 230000001419 dependent effect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 230000007704 transition Effects 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 230000006837 decompression Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000001537 neural effect Effects 0.000 description 1
- 238000011056 performance test Methods 0.000 description 1
- 238000002864 sequence alignment Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/08—Speech classification or search
- G10L15/12—Speech classification or search using dynamic programming techniques, e.g. dynamic time warping [DTW]
-
- H—ELECTRICITY
- H03—ELECTRONIC CIRCUITRY
- H03M—CODING; DECODING; CODE CONVERSION IN GENERAL
- H03M7/00—Conversion of a code where information is represented by a given sequence or number of digits to a code where the same, similar or subset of information is represented by a different sequence or number of digits
- H03M7/30—Compression; Expansion; Suppression of unnecessary data, e.g. redundancy reduction
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/02—Feature extraction for speech recognition; Selection of recognition unit
- G10L2015/025—Phonemes, fenemes or fenones being the recognition units
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Multimedia (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Human Computer Interaction (AREA)
- Theoretical Computer Science (AREA)
- Acoustics & Sound (AREA)
- Computational Linguistics (AREA)
- Compression, Expansion, Code Conversion, And Decoders (AREA)
- Machine Translation (AREA)
- Document Processing Apparatus (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Auxiliary Devices For Music (AREA)
- Other Investigation Or Analysis Of Materials By Electrical Means (AREA)
Abstract
Método para preprocesar un diccionario de pronunciación con vistas a su compresión en un dispositivo de procesado de datos, comprendiendo el diccionario de pronunciación por lo menos una entrada, comprendiendo la entrada una secuencia de unidades de carácter y una secuencia de unidades de fonema, caracterizado porque el método comprende las siguientes etapas: - alinear (200) dicha secuencia de unidades de carácter y dicha secuencia de unidades de fonema usando un algoritmo estadístico; y - entrelazar (204) dicha secuencia alineada de unidades de carácter y dicha secuencia alineada de unidades de fonema insertando cada unidad de fonema en una posición predeterminada con respecto a la unidad de carácter correspondiente.
Description
Método para comprimir datos de diccionario.
La presente invención se refiere al
reconocimiento de voz independiente del hablante, y de forma más
precisa a la compresión de un diccionario de pronunciación.
Durante los últimos años se han desarrollado
diferentes aplicaciones de reconocimiento de voz, por ejemplo, para
interfaces de usuario en automóviles y terminales móviles, tales
como teléfonos móviles, dispositivos PDA y ordenadores portátiles.
Entre los métodos conocidos para los terminales móviles se incluyen
métodos para llamar a una persona específica pronunciando en voz
alta su nombre en el micrófono del terminal móvil y estableciendo
una llamada con el número según el nombre pronunciado por el
usuario. No obstante, los métodos dependientes del hablante
actuales requieren habitualmente un entrenamiento del sistema de
reconocimiento de voz de manera que reconozca la pronunciación
correspondiente a cada nombre. El reconocimiento de voz
independiente del hablante mejora la usabilidad de una interfaz de
usuario controlada por voz, ya que se puede omitir la etapa de
entrenamiento. En la selección del nombre independiente del
hablante, la pronunciación de los nombres se puede almacenar de
antemano, y el nombre pronunciado por el usuario se puede
identificar con la pronunciación predefinida, por ejemplo, una
secuencia de fonemas. Aunque en muchos idiomas la pronunciación de
muchas palabras se puede representar mediante reglas, o incluso
modelos, estas reglas o modelos todavía no pueden generar
correctamente la pronunciación de algunas palabras. No obstante, en
muchos idiomas, la pronunciación no se puede representar mediante
reglas generales de pronunciación, sino que cada palabra tiene una
pronunciación específica. En estos idiomas, el reconocimiento de la
voz se basa en el uso de los denominados diccionarios de
pronunciación en los cuales, en una estructura de tipo lista, se
almacenan una forma escrita de cada palabra del idioma y la
representación fonética de su pronunciación.
En los teléfonos móviles, el tamaño de la
memoria está limitado frecuentemente debido a razones de costes y
de tamaño del hardware. Esta situación impone también limitaciones
sobre las aplicaciones de reconocimiento de voz. En un dispositivo
capaz de contener múltiples idiomas de la interfaz de usuario, la
solución del reconocimiento de voz independiente del hablante con
frecuencia usa diccionarios de pronunciación. Debido a que un
diccionario de pronunciación tiene un tamaño habitualmente grande,
por ejemplo, 37 KB para dos mil nombres, es necesario comprimir el
mismo para almacenarlo. En términos generales, la mayoría de los
métodos de compresión de texto se incluyen en dos clases: basados
en diccionarios y basados en estadística. Existen varias
implementaciones diferentes en la compresión basada en
diccionarios, por ejemplo, el LZ77/78 y el LZW
(Lempel-Ziv-Welch). Combinando un
método estadístico, por ejemplo, la codificación aritmética, con
técnicas de modelado potentes, se puede lograr un rendimiento mejor
que con solamente métodos basados en diccionarios. No obstante, el
problema del método basado en la estadística es que requiere una
memoria de trabajo (memoria intermedia) grande durante el proceso
de descompresión. Por esta razón, esta solución no es adecuada para
ser usada en dispositivos electrónicos portátiles pequeños tales
como terminales móviles.
El documento
US-A-5 930 754 da a conocer un
método para procesar un diccionario de pronunciación con vistas a
su compresión. El léxico de pronunciación consta de ortografías
emparejadas con representaciones fonéticas correspondientes. La
secuencia de letras se alinea con su secuencia correspondiente de
fonos. Con las secuencias alineadas se entrena una red
neuronal.
Aunque los métodos de compresión existentes son
en general satisfactorios, la compresión de los diccionarios de
pronunciación no es suficientemente eficaz para los dispositivos
portátiles.
El objetivo de la invención es proporcionar un
método de compresión más eficaz para comprimir un diccionario de
pronunciación. El objetivo de la invención se alcanza mediante un
método, dispositivos electrónicos, un sistema y productos de
programa de ordenador caracterizados por los aspectos que se dan a
conocer en las reivindicaciones independientes. En las
reivindicaciones subordinadas se exponen las formas de realización
preferidas de la invención.
Según un primer aspecto de la invención tal como
el reivindicado en la reivindicación independiente 1, el
diccionario de pronunciación se preprocesa antes de la compresión.
El preprocesado se puede usar junto con cualquier método para
comprimir un diccionario. En el preprocesado, cada entrada del
diccionario de pronunciación se alinea usando un algoritmo
estadístico. Durante la alineación, una secuencia de unidades de
carácter y una secuencia de unidades de fonema se modifican de
manera que presenten el mismo número de unidades en las secuencias.
A continuación, las secuencias alineadas de unidades de carácter y
unidades de fonema se entrelazan de manera que cada unidad de
fonema se inserta en una posición predeterminada con respecto a la
unidad de carácter correspondiente.
Típicamente, una secuencia de unidades de
carácter es una secuencia de texto que contiene letras. Dependiendo
del idioma, el conjunto alfabético se puede ampliar de manera que
incluya más letras o símbolos que el alfabeto inglés
convencional.
\newpage
Una secuencia de unidades de fonema representa
la pronunciación de la palabra y habitualmente contiene letras y
símbolos, por ejemplo, "@", "A:", "{" en la notación
SAMPA (Alfabeto Fonético para Métodos de Evaluación de la Voz). El
alfabeto fonético también puede contener caracteres no imprimibles.
Como un fonema se puede representar con más de una letra o símbolo,
los fonemas se separan por un carácter de espacio en blanco.
De acuerdo con un segundo aspecto de la
invención tal como el reivindicado en la reivindicación
independiente 8, un dispositivo electrónico está configurado para
convertir en una secuencia de unidades de fonema una entrada de
cadena de texto. En la memoria del dispositivo se almacena un
diccionario de pronunciación comprimido y preprocesado que
comprende entradas, comprendiendo las entradas un primer conjunto de
unidades que comprende unidades de carácter y un segundo conjunto
de unidades que comprende unidades de fonema, en el que las unidades
del primer conjunto y las unidades del segundo conjunto se alinean
y entrelazan insertando cada unidad de fonema en una posición
predeterminada con respecto a la unidad de carácter correspondiente.
Se halla una entrada coincidente para la entrada de cadena de texto
a partir del diccionario de pronunciación preprocesado usando las
unidades del primer conjunto de unidades de la entrada de las
posiciones predeterminadas. A partir de la entrada coincidente se
seleccionan y concatenan en una secuencia de unidades de fonema
unidades del segundo conjunto de unidades. De la secuencia de
unidades de fonema se eliminan también los espacios vacíos.
Según un tercer aspecto de la invención tal como
el reivindicado en la reivindicación independiente 11, un
dispositivo electrónico está configurado para convertir en una
secuencia de unidades de carácter una entrada de información de
voz. En la memoria del dispositivo se almacena un diccionario de
pronunciación comprimido y preprocesado que comprende entradas,
comprendiendo las entradas un primer conjunto de unidades que
comprende unidades de carácter y un segundo conjunto de unidades
que comprende unidades de fonema, en el que las unidades del primer
conjunto y las unidades del segundo conjunto se alinean y entrelazan
insertando cada unidad de fonema en una posición predeterminada con
respecto a la unidad de carácter correspondiente. Los modelos de
pronunciación para la representación fonémica de cada entrada bien
se almacenan en la memoria junto con el diccionario de
pronunciación o bien se crean durante el proceso. Se halla una
entrada coincidente para la información de voz comparando la
información de voz con los modelos de pronunciación y seleccionando
la entrada que presente una mayor correspondencia. A partir de la
entrada coincidente, se seleccionan y concatenan en una secuencia
de unidades de carácter unidades del primer conjunto de unidades.
Finalmente, de la secuencia de unidades de carácter se eliminan los
espacios vacíos.
Una de las ventajas de la invención es que con
el preprocesado descrito, se reduce la entropía (H) del
diccionario. Según la teoría de la información, un índice de
entropía (H) bajo indica que se puede alcanzar una
compresión más eficaz, ya que el índice de entropía determina el
límite inferior para la compresión (la relación de compresión con
la mejor compresión sin pérdidas posibles). Esta situación permite
una mejor compresión, y el requisito de memoria es menor. Además,
el diccionario de pronunciación resulta relativamente sencillo y
rápido de aplicar para el reconocimiento de voz.
En una de las formas de realización de la
invención, el algoritmo HMM-Viterbi está adaptado
para ser usado para la alineación. El algoritmo
HMM-Viterbi garantiza que la alineación se realiza
de una manera óptima en el sentido estadístico, y por lo tanto
minimiza la entropía remanente de la entrada del diccionario.
Además, una de las ventajas al usar el algoritmo
HMM-Viterbi en la alineación es que se puede
alcanzar una alineación más óptima en el sentido estadístico.
En otra de las formas de realización de la
invención, al preprocesado se le añade una etapa de establecimiento
de correspondencias. El establecimiento de correspondencias se puede
realizar bien antes o bien después de la alineación. En esta etapa,
se establece una correspondencia de cada unidad de fonema con un
símbolo y en lugar de representar las unidades de fonema mediante
múltiples caracteres, se usa un único símbolo para indicar las
unidades de fonema. Mediante el uso de la técnica de establecimiento
de correspondencias, se pueden eliminar de la entrada los
caracteres de espacio en blanco, e incluso sigue siendo posible la
decodificación de la secuencia entrelazada. La eliminación de
caracteres de espacio en blanco mejora adicionalmente la relación
de compresión. Adicionalmente, una de las ventajas del
establecimiento de correspondencias es que el método se puede
adaptar a múltiples idiomas, o incluso se puede usar una gran tabla
de correspondencias para todos los idiomas en el dispositivo.
A continuación se describirá más detalladamente
la invención por medio de formas de realización preferidas y
haciendo referencia a los dibujos adjuntos, en los cuales:
la Figura 1 es un diagrama de bloques que
ilustra un dispositivo de procesado de datos, el cual soporta el
preprocesado y la compresión del diccionario de pronunciación según
una de las formas de realización preferidas de la invención;
la Figura 2 es un diagrama de flujo de un método
según una de las formas de realización preferidas de la
invención;
la Figura 3 ilustra el uso del algoritmo HMM
para la alineación del diccionario de pronunciación;
la Figura 4 muestra las etapas de preprocesado
para una entrada del diccionario;
la Figura 5 es un diagrama de bloques que
ilustra un dispositivo electrónico, el cual hace uso del diccionario
de pronunciación preprocesado;
la Figura 6 es un diagrama de flujo que ilustra
el uso del diccionario de pronunciación preprocesado cuando una
cadena de textos se convierte en un modelo de pronunciación según
una de las formas de realización preferidas de la invención; y
la Figura 7 es un diagrama de flujo que ilustra
el uso del diccionario de pronunciación preprocesado cuando
información de voz se convierte en una secuencia de unidades de
texto según una de las formas de realización preferidas de la
invención;
La Figura 1 ilustra un dispositivo de procesado
de datos (TE) únicamente en relación con las partes relevantes para
una forma de realización preferida de la invención. El dispositivo
de procesado de datos (TE) puede ser, por ejemplo, un ordenador
personal (PC) o un terminal móvil. La unidad de procesado de datos
(TE) comprende medios I/O (I/O), una unidad de procesado central
(CPU) y una memoria (MEM). La memoria (MEM) comprende una parte de
memoria de solo lectura ROM y una parte reescribible, tal como una
memoria de acceso aleatorio RAM y una memoria FLASH. La información
usada para comunicarse con diferentes partes externas, por ejemplo,
un CD-rom, otros dispositivos y el usuario, se
transmite a través de los medios I/O (I/O) hacia/desde la unidad de
procesado central (CPU). La unidad de procesado central (CPU)
proporciona un bloque de preprocesado (PRE) y un bloque de
compresión (COM). La funcionalidad de estos bloques se implementa
típicamente ejecutando un código de software en un procesador,
aunque también se puede implementar con una solución de hardware
(por ejemplo, un ASIC) o en forma de una combinación de las dos. El
bloque de preprocesado (PRE) proporciona las etapas de preprocesado
de una forma de realización preferida ilustrada de forma detallada
en la Figura 2. El bloque de compresión (COM) proporciona la
compresión del diccionario de pronunciación, para lo cual se pueden
usar varios métodos de compresión diferentes, por ejemplo, el LZ77,
el LZW o una codificación aritmética. El preprocesado se puede
combinar con cualquiera de los otros métodos de compresión para
mejorar la eficacia de la compresión.
El diccionario de pronunciación que es necesario
preprocesar y comprimir se almacena en la memoria (MEM). El
diccionario también se puede descargar desde un dispositivo de
memoria externo, por ejemplo, desde un CD-ROM o una
red, usando los medios I/O (I/O). El diccionario de pronunciación
comprende entradas que, a su vez, incluyen cada una de ellas una
palabra en una secuencia de unidades de carácter (secuencia de
texto) y en una secuencia de unidades de fonema (secuencia de
fonemas). La secuencia de unidades de fonema representa la
pronunciación de la secuencia de unidades de carácter. La
representación de las unidades de fonema depende del sistema de
notación fonética usado. Se pueden usar varios sistemas de notación
fonética diferentes, por ejemplo, el SAMPA y el IPA. El SAMPA
(Alfabeto Fonético para Métodos de Evaluación de la Voz) es un
alfabeto fonético legible por máquina. La Asociación Fonética
Internacional proporciona una norma de notación, el Alfabeto
Fonético Internacional (IPA), para la representación fonética de
numerosos idiomas. Se podría usar por ejemplo una entrada de
diccionario que haga uso del sistema de notación fonética SAMPA:
La entropía, indicada mediante una H, es
un atributo básico, el cual caracteriza el contenido de datos de la
señal. Es posible hallar la forma más corta de presentar una señal
(de comprimirla) sin perder ningún dato. La longitud de la
representación más corta viene indicada por la entropía de la señal.
En lugar de calcular el valor de entropía exacto de forma
individual para cada señal, Shannon ha establecido un método para
realizar una estimación del mismo (ver, por ejemplo, A Mathematical
Theory of Communication, The Bell System Technical Journal, de
C.E.Shannon, Vol. 27, págs. 379 a 423, 623 a 656, julio, octubre,
1948). Este planteamiento se describirá brevemente a
continuación.
Sea P(l_{j}|l_{i}) la probabilidad
condicional de que el carácter en curso sea la letra j-ésima del
alfabeto, dado que el carácter anterior es la letra i-ésima, y
P(l_{i}) la probabilidad de que el carácter anterior sea
la letra i-ésima del alfabeto. El índice de entropía H_{2} de los
estadísticos de segundo orden es
El índice de entropía H en un caso general viene
dado por
en la que B_{n} representa los
primeros caracteres. Es prácticamente imposible calcular el índice
de entropía según la anterior ecuación (2). Usando este método de
predicción de la ecuación (1), es posible realizar una estimación
según la cual el índice de entropía de un texto inglés de 27
caracteres es aproximadamente 2,3
bits/carácter.
Para mejorar la compresión de un diccionario de
pronunciación, se usa el preprocesado del texto para reducir su
entropía.
La Figura 2 ilustra un método según una de las
formas de realización preferidas de la invención. El método se
centra en el preprocesado del diccionario de pronunciación para
reducir el índice de entropía (H).
Cada entrada está alineada (200), es decir, las
secuencias de texto y fonemas se modifican de manera que haya
tantas unidades de fonema en la secuencia de fonemas como unidades
de carácter en la secuencia de texto. Por ejemplo, en inglés, una
letra se puede corresponder con cero, uno, o dos fonemas. La
alineación se obtiene insertando epsilones (valores nulos)
grafémicas o fonémicas entre las letras de la cadena de texto, o
entre los fonemas de la secuencia de fonemas. Se puede evitar el
uso de epsilones grafémicas introduciendo una lista corta de
seudofonemas que se obtienen concatenando dos fonemas de los cuales
se sabe que se corresponden con una única letra, por ejemplo,
"x->k s". Para alinear las entradas, se debe definir el
conjunto de fonemas permitidos para cada letra. La lista de fonemas
incluye los seudofonemas correspondientes a la letra y la posible
épsilon fonémica. El principio general consiste en insertar un valor
nulo grafémico (definido como épsilon) en la secuencia de texto y/o
un valor nulo fonémico (denominado también épsilon) en la secuencia
de fonemas cuando sea necesario. A continuación se presenta la
palabra usada anteriormente como ejemplo después de la
alineación.
En este caso, la palabra "father" tiene 6
unidades y después de la alineación hay 6 fonemas en la secuencia
de fonemas: "f A: D \varepsilon \varepsilon @". La
alineación se puede realizar de varias maneras diferentes. Según
una de las formas de realización de la invención, la alineación se
realiza con el algoritmo HMM-Viterbi. El principio
de funcionamiento de la alineación se ilustra y describe más
detalladamente en la Figura 3.
Después de la alineación (200), se establece
preferentemente una correspondencia (202) de cada fonema usado en
el sistema de notación fonética con un único símbolo, por ejemplo,
un código ASCII de bytes. No obstante, el establecimiento de las
correspondencias no es necesario para obtener las ventajas de la
invención, aunque puede mejorarlas adicionalmente. El
establecimiento de las correspondencias se puede representar, por
ejemplo, en una tabla de correspondencias. A continuación se
presenta un ejemplo de cómo se podrían establecer las
correspondencias de los fonemas de la palabra usada como
ejemplo:
Al representar cada fonema con un símbolo, los
dos caracteres que representan una unidad de fonema se pueden
sustituir por solamente un símbolo ASCII de 8 bytes. Como
consecuencia, el ejemplo queda:
Después de representar los fonemas con un
símbolo, se pueden eliminar los espacios entre las unidades. También
se puede eliminar el espacio entre la secuencia de texto y la
secuencia de fonemas con la correspondencia establecida y alineada
ya que existe el mismo número de unidades en ambas secuencias y es
evidente qué caracteres pertenecen al texto y cuáles a la
representación fonética.
\newpage
El establecimiento de correspondencias de las
unidades de fonema con símbolos individuales (202) es una etapa
importante para el entrelazado ya que se pueden evitar los
caracteres de espacios en blanco. El establecimiento de
correspondencias también mejora adicionalmente el propio resultado
final, ya que los caracteres individuales ocupan menos espacio en
comparación con, por ejemplo, las combinaciones de dos caracteres, y
se incrementa la correlación con el carácter de texto
correspondiente. El orden de la alineación (200) y el
establecimiento de correspondencias (202) no afectan al resultado
final, el establecimiento de correspondencias (202) también se
puede llevar a cabo antes que la alineación.
La tabla de correspondencias depende únicamente
del método de notación fonética usado en el diccionario de
pronunciación. La misma se puede implementar de manera que sea
independiente del idioma para que no sean necesarios diferentes
sistemas o implementaciones en relación con los diferentes dialectos
o idiomas. Si se usara una pluralidad de diccionarios de
pronunciación en diferentes métodos de notación fonética, existiría
la necesidad de tablas de correspondencia dependientes para cada
método de notación fonética.
Después de la alineación (200) y del
establecimiento de correspondencias (202), las entradas se
entrelazan (204). Como el patrón carácter ->fonema tiene una
probabilidad mayor (una entropía menor) que el patrón de letras
consecutivo, especialmente si la alineación se ha llevado a cabo de
forma óptima, se incrementa la redundancia. Esto se puede realizar
insertando fonemas de pronunciación entre las letras de la palabra
para formar una única palabra. En otras palabras, las unidades de
fonema se insertan a continuación de las unidades de carácter
correspondientes. Después de la alineación (200), la secuencia de
texto y la secuencia de fonemas tienen el mismo número de símbolos
y resulta sencillo hallar el par carácter-fonema.
Por ejemplo:
en la que los símbolos en cursiva y
en negrita significan fonemas de pronunciación. Resulta evidente a
partir del ejemplo que la composición y la descomposición de una
entrada entre los formatos original y nuevo están definidas de una
forma única, ya que la secuencia de texto y la secuencia de fonemas,
que están entrelazadas, contienen el mismo número de
unidades.
Después del preprocesado, se puede llevar a cabo
la compresión (206) del diccionario de fonemas preproce-
sado.
sado.
La Figura 3 ilustra el HMM de grafemas para
alinear las representaciones de texto y fonética de una entrada.
El Modelo de Markov Oculto (HMM) es un método
estadístico bien conocido y ampliamente usado que se ha aplicado,
por ejemplo, en el reconocimiento de voz. A estos modelos se les
hace referencia también como fuentes de Markov o funciones
probabilísticas de la cadena de Markov. La suposición subyacente en
el HMM es que una señal se puede caracterizar satisfactoriamente
como un proceso aleatorio paramétrico, y que los parámetros de un
proceso estocástico se pueden determinar/estimar de una manera
precisa y bien definida. Los HMM se pueden clasificar en modelos
discretos y modelos continuos según si los acontecimientos
observables asignados a cada estado son discretos, tales como
palabras de código, o si los mismos son continuos. En cualquiera de
los casos, la observación es probabilística. El modelo en el
proceso estocástico subyacente no es observable de forma directa
(está oculto) sino que puede verse únicamente a través de otro
conjunto de procesos estocásticos que producen la secuencia de
observaciones. El HMM está compuesto por estados ocultos con
transición entre los estados. La representación matemática incluye
tres elementos: la probabilidad de transición entre estados entre
los estados en cuestión, la probabilidad de observación de cada
estado y la distribución inicial de los estados. Dados un HMM y una
observación, se usa el algoritmo de Viterbi para proporcionar la
alineación de los estados de observación siguiendo el mejor
camino.
En la presente invención se admite que el HMM se
puede usar para resolver el problema de la alineación óptima de una
secuencia observada con los estados del Modelo Oculto de Markov.
Además, se puede usar el algoritmo de Viterbi en relación con el
HMM para hallar la alineación óptima. Se puede hallar más
información sobre los Modelos Ocultos de Markov y sus aplicaciones,
por ejemplo, en el libro "Speech Recognition System Design and
Implementation Issues", págs. 322 a 342.
En primer lugar, para un par determinado
letra-fonema, las penalizaciones p(f/l) se
inicializan con cero si el fonema f se puede hallar en la lista de
los fonemas permitidos de la letra l, en cualquier otro caso las
mismas se inicializan con unos valores positivos elevados. Con los
valores iniciales de las penalizaciones, el diccionario se alinea
en dos etapas. En la primera etapa, se generan todas las
alineaciones posibles para cada entrada del diccionario. Sobre la
base de todas las entradas alineadas, a continuación se vuelven a
calificar los valores de las penalizaciones. En la segunda etapa,
se halla únicamente la mejor alineación individual para cada
entrada.
Para cada entrada, se halla la alineación óptima
con el algoritmo de Viterbi sobre el HMM de grafemas. El HMM de
grafemas tiene una entrada (ES), una salida (EXS) y estados de
letras (S1, S2 y S3). Las letras de las cuales se puede establecer
una correspondencia con seudofonemas se gestionan de manera que
presentan un estado de duración (EPS). Los estados 1 a 3 (S1, S2,
S3) son los estados que se corresponden con las letras de la
palabra. El estado 2 (S2) se corresponde con una letra que puede
producir un seudofonema. Se permiten saltos desde todos los estados
anteriores al estado en curso para soportar las epsilones
fonémicas.
Cada estado y el estado de duración tienen un
testigo que contiene una penalización acumulada (en forma de una
suma de probabilidades logarítmicas) de alineación de la secuencia
de fonemas con respecto al HMM de grafemas y las secuencias de
estados que se corresponden con la puntuación acumulada. La
secuencia de fonemas se alinea con respecto a las letras pasando a
través de la secuencia de fonemas desde el comienzo hasta el final,
un fonema cada vez. Para hallar la alineación de Viterbi entre las
letras y los fonemas, se lleva a cabo un paso de testigo. Cuando
los testigos pasan de un estado a otro, los mismos recogen la
penalización de cada estado. El paso del testigo también puede
conllevar la división de testigos y la combinación o selección de
testigos para entrar en el siguiente estado. Para todos los estados
del HMM se halla el testigo que al final presenta la penalización
acumulada más baja. Sobre la base de la secuencia de estados del
testigo, se puede determinar la alineación entre las letras de la
palabra y los fonemas.
La alineación funciona correctamente para la
mayoría de las entradas, aunque existen algunas entradas especiales
que no se pueden alinear. En tales casos, se aplica otra alineación
sencilla: se añaden epsilones grafémicas o fonémicas al final de
las secuencias de letras o fonemas.
La Figura 4 ilustra más detalladamente el
preprocesado de la entrada usado como ejemplo según una de las
formas de realización preferidas de la invención.
La entrada original (400) tiene las dos partes,
una secuencia de texto "father" y una secuencia de fonemas
"f A: D @". Estas dos secuencias se separan con un carácter de
espacio en blanco y también se separan con caracteres de espacio en
blanco las unidades de fonema.
En la alineación (402), las epsilones fonémicas
y grafémicas se añaden de manera que haya el mismo número de
unidades en ambas secuencias. En la palabra del ejemplo son
necesarios dos epsilones fonémicas y el resultado de la secuencia
de fonemas es "f A: D \varepsilon \varepsilon @".
El establecimiento de la correspondencia (404)
de las unidades de fonema con una representación de un símbolo hace
que cambie solamente la secuencia de fonemas. Después del
establecimiento de correspondencias, la secuencia de fonemas de la
palabra del ejemplo es "f A D _ _ @".
Cuando se establece una correspondencia (404) de
la entrada, es posible eliminar los caracteres de espacio en blanco
(406). Como consecuencia, se produce una cadena
"fatherfAD_ _ @".
La última etapa es el entrelazado (408) y la
entrada del ejemplo es "ffaAtDh_e_r@". A continuación, la
entrada se puede procesar adicionalmente, por ejemplo, se puede
comprimir.
Todas estas etapas se describen más
detalladamente en la figura 2.
El método de preprocesado descrito
anteriormente, incluyendo también el establecimiento de
correspondencias (202), se probó experimentalmente. El experimento
se llevó a cabo usando el Diccionario de Pronunciación de la
Carnegie Mellon University, el cual es un diccionario de
pronunciación para el inglés norteamericano que contiene más de
100.000 palabras y sus transcripciones. En el experimento, el
rendimiento se evaluó en primer lugar usando métodos de compresión
típicos basados en diccionarios, el LZ77 y el LZW, y un método de
compresión basado en estadísticas, la compresión aritmética de
2^{o} orden. A continuación se realizaron pruebas del rendimiento
con el método de preprocesado junto con los métodos de compresión
(LZ77, LZW y aritmético). En la Tabla 1, los resultados,
proporcionados en kilobytes, muestran que el rendimiento del método
de preprocesado es mejor en todos los caso. En general, el mismo se
puede usar con cualquier algoritmo de compresión.
Tal como se puede observar a partir de la Tabla
1, el preprocesado mejora la compresión con todos los métodos de
compresión. Combinado con el método de compresión LZ77, el
preprocesado mejoró la compresión en más de un 20%. La mejora es
todavía mayor cuando el preprocesado se combina con el método LZW o
con el método aritmético, proporcionando una mejor compresión en
aproximadamente un 40%.
Debería entenderse que la invención se puede
aplicar a cualquier diccionario de aplicación general que se use en
el reconocimiento de voz y la síntesis de voz o en todas las
aplicaciones en las que sea necesario almacenar un diccionario de
pronunciación con un uso eficaz de la memoria. También es posible
aplicar la invención a la compresión de otras listas cualesquiera
que comprendan grupos de entradas de texto con una correlación
elevada al nivel de los caracteres, por ejemplo, diccionarios
comunes que presenten todas las formas de una palabra y programas
de corrección ortográfica.
La Figura 5 ilustra un dispositivo electrónico
(ED) únicamente en las partes relevantes para una forma de
realización preferida de la invención. El dispositivo electrónico
(ED) puede ser, por ejemplo, un dispositivo PDA, un terminal móvil,
un ordenador personal (PC) o incluso cualquier dispositivo accesorio
destinado a ser usado con los mismos, por ejemplo, unos auriculares
inteligentes o un dispositivo de control remoto. El dispositivo
electrónico (ED) comprende medios I/O (IO), una unidad de procesado
central (PRO) y una memoria (ME). La memoria (ME) comprende una
parte de memoria de solo lectura ROM y una parte reescribible, tal
como una memoria de acceso aleatorio RAM y una memoria FLASH. La
información usada para comunicarse con diferentes partes externas,
por ejemplo, con la red, otros dispositivos o el usuario, se
transmite a través de los medios I/O (IO) hacia/desde la unidad de
procesado central (PRO). La interfaz de usuario, tal como un
micrófono o un teclado que permita alimentar una secuencia de
caracteres hacia el dispositivo, forma parte por lo tanto de los
medios I/O (IO). Se puede descargar un diccionario de pronunciación
preprocesado desde el dispositivo de procesado de datos (TE) hacia
el dispositivo electrónico (ED) a través de los medios I/O (IO), por
ejemplo, en forma de una descarga desde la red. A continuación, el
diccionario se almacena en la memoria (ME) para su uso
posterior.
Las etapas mostradas en las Figuras 6 y 7 se
pueden implementar con un código de programa de ordenador ejecutado
en la unidad de procesado central (PRO) del dispositivo electrónico
(ED). El programa de ordenador se puede cargar en la unidad de
procesado central (PRO) a través de los medios I/O (IO). La
implementación también se puede realizar con una solución de
hardware (por ejemplo, un ASIC) o con una combinación de las dos
opciones mencionadas. Según una de las formas de realización
preferidas, el diccionario de fonemas almacenado en la memoria (ME)
del dispositivo (ED) se preprocesa tal como se describe en la Figura
2.
En la Figura 6 la unidad de procesado central
(PRO) del dispositivo electrónico (ED) recibe una entrada de cadena
de texto que es necesario convertir en un modelo de pronunciación.
La cadena de texto introducida puede ser por ejemplo un nombre que
el usuario ha añadido, usando los medios I/O (IO), a una base de
datos de contacto del dispositivo electrónico (ED). En primer
lugar, es necesario hallar (600) una entrada coincidente de entre
el diccionario de pronunciación preprocesado que está almacenado en
la memoria (ME). El hallazgo de la entrada coincidente se basa en
la comparación de la cadena de texto introducida con las unidades de
carácter de las entradas. Como las entradas están entrelazadas, una
cadena de entradas es una combinación de unidades de carácter y de
fonema. Si el entrelazado se realiza según la forma de realización
preferida descrita en la Figura 2, cuando se compara la cadena
introducida con la entrada, solamente se usa una de cada dos
unidades. Las unidades de carácter de la entrada se pueden hallar
seleccionando las unidades impares, comenzando desde la primera. La
comparación se realiza con la cadena de caracteres original de la
entrada, y por lo tanto se ignoran los espacios vacíos, por
ejemplo, las epsilones grafémicas. Existen varios métodos y
algoritmos para hallar la entrada coincidente, los cuales son
conocidos de por sí para los expertos, y no es necesario describir
los mismos en el presente documento, ya que no forman parte de la
invención. Cuando las unidades de carácter coinciden exactamente
con las unidades de la cadena de texto introducida, se ha hallado la
entrada coincidente. No obstante, debería entenderse que en algunas
aplicaciones podría resultar ventajoso usar alternativamente un
algoritmo que no encuentre las coincidencias exactas, por ejemplo,
uno que haga uso de los denominados comodines.
Cuando se ha hallado la entrada coincidente, se
seleccionan (602) las unidades de fonema de la entrada. Debido al
entrelazado (realizado según la forma de realización preferida
descrita en la Figura 2), se usa una de cada dos unidades de la
cadena de entrada. Para determinar las unidades de fonema, la
selección comienza a partir de la segunda unidad. A continuación,
las unidades seleccionadas se pueden concatenar para crear la
secuencia de unidades fonémicas.
Como las entradas están alineadas, la secuencia
de unidades de fonema puede incluir espacios vacíos, por ejemplo,
epsilones fonémicas. Los espacios vacíos se eliminan para crear una
secuencia que conste únicamente de fonemas (604).
Si el preprocesado del diccionario de fonemas
incluyera también un establecimiento de correspondencias, es
necesario un establecimiento de correspondencias inversas (606). El
establecimiento de correspondencias inversas se puede llevar a cabo
usando una tabla de correspondencias similar a la usada durante el
preprocesado, aunque en un orden inverso. Esta etapa hace que
cambie el primer método de representación, por ejemplo,
representación de un carácter, de las unidades fonémicas al segundo
método de representación, por ejemplo, el SAMPA, que se usa en el
sistema.
Cuando se crea la secuencia de unidades de
fonema, la misma típicamente se procesa adicionalmente, por ejemplo,
se crea un modelo de pronunciación de la secuencia. Según una de
las formas de realización, se crea un modelo de pronunciación para
cada fonema usando, por ejemplo, el algoritmo HMM. Los modelos de
pronunciación de los fonemas se almacenan en la memoria (ME). Para
crear un modelo de pronunciación de una entrada, de la memoria
(608) se recupera un modelo de pronunciación para cada fonema de la
secuencia de fonemas. A continuación, estos modelos de fonema se
concatenan (610) y se crea el modelo de pronunciación para la
secuencia de fonemas.
La conversión de una entrada de cadena de texto
en un modelo de pronunciación tal como se ha descrito anteriormente
también se puede distribuir entre dos dispositivos electrónicos. Por
ejemplo, el diccionario preprocesado se almacena en el primer
dispositivo electrónico, por ejemplo, en la red, en la que se
realiza el descubrimiento de una entrada coincidente (600). A
continuación, la entrada coincidente se distribuye al segundo
dispositivo electrónico, por ejemplo, un terminal móvil, en el que
se realiza el resto del proceso (etapas 602 a 610).
La Figura 7 ilustra una forma de realización
preferida en la que una información de voz se convierte a una
secuencia de unidades de carácter en un dispositivo electrónico (ED)
que utiliza un diccionario de pronunciación preprocesado. La unidad
de procesado central (PRO) del dispositivo electrónico (ED) recibe
una entrada de información de voz a través de los medios I/O (IO).
Esta información de voz requiere ser convertida a una secuencia de
unidades de carácter para su uso posterior, por ejemplo, para
mostrarla en forma de texto en la pantalla o para compararla con
una cadena de texto de una orden de voz predeterminada de un
dispositivo controlado por voz.
El descubrimiento de una entrada coincidente
(702) se basa en la comparación de la información de la voz de
entrada con los modelos de pronunciación de cada entrada en el
diccionario de pronunciación. De este modo, antes de la
comparación, se modela (700) la pronunciación de cada entrada. Según
una de las formas de realización preferidas, los modelos se crean
en el dispositivo electrónico (ED). El diccionario de fonemas ya
está entrelazado y alineado, y por lo tanto el modelado se puede
realizar tal como se describe en la Figura 6, siguiendo las etapas
602 a 610. Cuando el modelado se realiza en el dispositivo
electrónico (ED), se incrementa la necesidad de la capacidad de
procesado y de la memoria de trabajo. En cambio, el consumo de
memoria para almacenar el diccionario de pronunciación se puede
mantener a un nivel bajo.
De acuerdo con una segunda forma de realización
preferida, los modelos se crean antes que el preprocesado del
diccionario de pronunciación en el dispositivo de procesado de datos
(TE). El modelado se puede realizar tal como se describe en la
Figura 6, siguiendo las etapas 608 y 610. Como el modelado se
realiza antes que el preprocesado y el diccionario no está todavía
entrelazado, alineado o con correspondencias establecidas, no son
necesarias las etapas 602 a 606. A continuación, el modelo de
pronunciación se almacena en la memoria (MEM) junto con la entrada.
Cuando el diccionario se transfiere al dispositivo electrónico (ED),
también se transfieren los modelos. En esta solución, son
necesarias una capacidad de procesado y una memoria de trabajo
menores para convertir la información de voz a una secuencia de
texto. En cambio, se incrementa el consumo de memoria de la memoria
de almacenamiento (ME).
El descubrimiento de una entrada coincidente
(702) se realiza usando la información de la voz de entrada y los
modelos de pronunciación de las entradas almacenadas en la memoria
(ME). La información de voz se compara con cada entrada y se
calcula una probabilidad del nivel de coincidencia de la información
de la voz de entrada con el modelo de pronunciación de cada
entrada. Después de calcular las probabilidades, se puede hallar la
entrada coincidente seleccionando la entrada que presente la mayor
probabilidad.
A continuación, a partir de la entrada
coincidente se seleccionan las unidades de carácter (704). Debido al
entrelazado, realizado tal como se describe en la Figura 2, se usa
una de cada dos unidades de la cadena de entrada. La selección debe
comenzar a partir de la primera unidad para obtener las unidades de
carácter. A continuación, estas unidades seleccionadas se pueden
concatenar para formar una secuencia de unidades grafémicas.
Debido a la alineación, la secuencia de las
unidades grafémicas puede incluir espacios vacíos, por ejemplo,
epsilones grafémicas. Para crear una secuencia que presente
solamente grafemas, se eliminan los espacios vacíos (706). Como
consecuencia, se obtiene una cadena de texto que se puede usar
posteriormente en el sistema.
Un dispositivo electrónico, por ejemplo, un
teléfono móvil con una interfaz de usuario para automóviles, dispone
de un reconocimiento de voz independiente del hablante para órdenes
de voz. Cada orden de voz es una entrada del diccionario de
pronunciación. El usuario desea realizar una llamada telefónica
mientras está conduciendo. Cuando el reconocimiento de voz está
activo el usuario pronuncia "LLAMADA". El teléfono recibe la
orden de voz con un micrófono y transmite la información de voz a
través de los medios I/O hacia la unidad de procesado central. La
unidad de procesado central convierte la entrada de voz en una
secuencia de texto tal como se describe en la Figura 7. La
secuencia de texto se transmite a través de los medios I/O hacia la
pantalla para proporcionar al usuario una indicación
retroalimentada sobre lo que está haciendo el dispositivo. Además
del texto en la pantalla, el dispositivo también proporciona una
retroalimentación de audio. El modelo de pronunciación de la
entrada coincidente, el cual se creó como parte del proceso de
conversión de voz-a-texto, se
transfiere a través de los medios I/O hacia el altavoz. A
continuación, el teléfono realiza una llamada telefónica al número
que ha seleccionado el usuario.
Claims (16)
1. Método para preprocesar un diccionario de
pronunciación con vistas a su compresión en un dispositivo de
procesado de datos, comprendiendo el diccionario de pronunciación
por lo menos una entrada, comprendiendo la entrada una secuencia de
unidades de carácter y una secuencia de unidades de fonema,
caracterizado porque el método comprende las siguientes
etapas:
- alinear (200) dicha secuencia de unidades de
carácter y dicha secuencia de unidades de fonema usando un
algoritmo estadístico; y
- entrelazar (204) dicha secuencia alineada de
unidades de carácter y dicha secuencia alineada de unidades de
fonema insertando cada unidad de fonema en una posición
predeterminada con respecto a la unidad de carácter
correspondiente.
2. Método según la reivindicación 1,
caracterizado porque dicho algoritmo estadístico utiliza un
algoritmo HMM-Viterbi.
3. Método según la reivindicación 1,
caracterizado porque dichas unidades de fonema se sitúan
junto a unidades de carácter correspondientes.
4. Método según cualquiera de las
reivindicaciones anteriores, caracterizado porque dicha
secuencia alineada de unidades de carácter y dicha secuencia
alineada de unidades de fonema se realizan de manera que incluyan
el mismo número de unidades insertando epsilones grafémicas en dicha
secuencia de unidades de carácter y/o epsilones fonémicas en dicha
secuencia de unidades de fonema.
5. Método según cualquiera de las
reivindicaciones anteriores, caracterizado porque dichas
unidades de carácter son letras o caracteres de espacio en
blanco.
6. Método según cualquiera de las
reivindicaciones anteriores, caracterizado porque dichas
unidades de fonema son letras o caracteres de espacio en blanco que
representan un único fonema o una épsilon fonémica y dicha una
unidad se indica mediante por lo menos un carácter.
7. Método según la reivindicación 1,
caracterizado porque el método comprende la siguiente etapa:
se establece una correspondencia (202) de cada unidad de fonema con
un símbolo.
8. Dispositivo electrónico configurado para
convertir una entrada de cadena de texto en una secuencia de
unidades de fonema, caracterizado porque comprende:
- unos medios para almacenar un diccionario de
pronunciación comprimido y preprocesado que comprende entradas,
comprendiendo las entradas un primer conjunto de unidades que
comprende unidades de carácter y un segundo conjunto de unidades
que comprende unidades de fonema, en el que las unidades del primer
conjunto y las unidades del segundo conjunto se alinean (200) y se
entrelazan (204) insertando cada unidad de fonema en una posición
predeterminada con respecto a la unidad de carácter
correspondiente;
- unos medios para hallar una entrada
coincidente para dicha entrada de cadena de texto a partir de dicho
diccionario de pronunciación preprocesado usando dicho primer
conjunto de unidades de la entrada de entre posiciones
predeterminadas;
- unos medios para seleccionar, de entre dicha
entrada coincidente, unidades de dicho segundo conjunto de unidades
de posiciones predeterminadas y concatenarlas en una secuencia de
unidades de fonema; y
- unos medios para eliminar espacios vacíos de
dicha secuencia de unidades de fonema.
9. Dispositivo electrónico según la
reivindicación 8, caracterizado porque dicho dispositivo
electrónico es un terminal móvil en un sistema de comunicaciones
móviles.
10. Dispositivo electrónico según la
reivindicación 8, caracterizado porque comprende además unos
medios para establecer una correspondencia de cada unidad de fonema
desde un primer método de representación fonémica a un segundo
método de representación fonémica.
11. Dispositivo electrónico configurado para
convertir una entrada de información de voz en una secuencia de
unidades de carácter, caracterizado porque comprende:
- unos medios para almacenar un diccionario de
pronunciación comprimido y preprocesado que comprende entradas,
comprendiendo las entradas un primer conjunto de unidades que
comprende unidades de carácter y un segundo conjunto de unidades
que comprende unidades de fonema, en el que las unidades del primer
conjunto y las unidades del segundo conjunto se alinean y se
entrelazan insertando cada unidad de fonema en una posición
predeterminada con respecto a la unidad de carácter
correspondiente;
- unos medios para almacenar o crear modelos de
pronunciación de la representación fonémica de cada entrada;
- unos medios para hallar una entrada
coincidente para dicha información de voz comparando dicha
información de voz con dichos modelos de pronunciación y
seleccionando la entrada que presente la mayor correspondencia;
- unos medios para seleccionar, de entre dicha
entrada coincidente, unidades de dicho primer conjunto de unidades
de posiciones predeterminadas y concatenarlas en una secuencia de
unidades de carácter; y
- unos medios para eliminar espacios vacíos de
dicha secuencia de unidades de carácter.
12. Sistema que comprende un primer dispositivo
electrónico y un segundo dispositivo electrónico dispuestos en una
conexión de comunicación mutua, estando configurado el sistema para
convertir una entrada de cadena de texto en una secuencia de
unidades de fonema, caracterizado porque:
- dicho primer dispositivo electrónico comprende
unos medios para almacenar un diccionario de pronunciación
comprimido y preprocesado que comprende entradas, en el que las
entradas se alinean y se entrelazan insertando cada unidad de
fonema en una posición predeterminada con respecto a la unidad de
carácter correspondiente, comprendiendo las entradas un primer
conjunto de unidades que comprende unidades de carácter y un segundo
conjunto de unidades que comprende unidades de fonema;
- dicho primer dispositivo electrónico comprende
unos medios para hallar una entrada coincidente para dicha entrada
de cadena de texto a partir de dicho diccionario de pronunciación
preprocesado usando dicho primer conjunto de unidades de la
entrada;
- dicho primer dispositivo electrónico comprende
unos medios para transmitir dicha entrada coincidente hacia el
segundo dispositivo electrónico;
- dicho segundo dispositivo electrónico
comprende unos medios para recibir dicha entrada coincidente desde
el primer dispositivo electrónico;
- dicho segundo dispositivo electrónico
comprende unos medios para seleccionar, de entre dicha entrada
coincidente, unidades de dicho segundo conjunto de unidades y
concatenarlas en una secuencia de unidades de fonema; y
- dicho segundo dispositivo electrónico
comprende unos medios para eliminar espacios vacíos de dicha
secuencia de unidades de fonema.
13. Producto de programa de ordenador cargable
en la memoria de un dispositivo de procesado de datos,
caracterizado porque comprende un código que se puede
ejecutar en el dispositivo de procesado de datos consiguiendo que
el dispositivo de procesado de datos:
- recupere de la memoria un diccionario de
pronunciación que comprende por lo menos una entrada, comprendiendo
la entrada una secuencia de unidades de carácter y una secuencia de
unidades de fonema;
- alinee (200) dicha secuencia de unidades de
carácter y dicha secuencia de unidades de fonema usando un algoritmo
estadístico; y
- entrelace (204) dicha secuencia alineada de
unidades de carácter y dicha secuencia alineada de unidades de
fonema insertando cada unidad de fonema en una posición
predeterminada con respecto a la unidad de carácter
correspondiente.
14. Producto de programa de ordenador que se
puede cargar en la memoria de un dispositivo electrónico,
caracterizado porque comprende un código que se puede
ejecutar en el dispositivo electrónico consiguiendo que el
dispositivo electrónico:
- recupere de la memoria un diccionario de
pronunciación preprocesado que comprende entradas, comprendiendo
las entradas un primer conjunto de unidades que comprende unidades
de carácter y un segundo conjunto de unidades que comprende
unidades de fonema, en el que el primer conjunto de las unidades y
el segundo conjunto de las unidades se alinean y se entrelazan
insertando cada unidad de fonema en una posición predeterminada con
respecto a la unidad de carácter correspondiente;
- halle (600) una entrada coincidente, a partir
de dicho diccionario de pronunciación preprocesado, para una
entrada de cadena de texto usando dicho primer conjunto de unidades
de la entrada de entre las posiciones predeterminadas e ignorando
espacios vacíos;
- seleccione (602), de entre dicha entrada
coincidente, las unidades de dicho segundo conjunto de unidades de
las posiciones predeterminadas y las concatene en una secuencia de
unidades de fonema; y
- elimine (604) espacios vacíos de dicha
secuencia de unidades de fonema.
15. Producto de programa de ordenador que se
puede cargar en la memoria de un dispositivo electrónico,
caracterizado porque comprende un código que se puede
ejecutar en el dispositivo electrónico consiguiendo que el
dispositivo electrónico:
- recupere de la memoria un diccionario de
pronunciación preprocesado que comprende entradas, comprendiendo
las entradas un primer conjunto de unidades que comprende unidades
de carácter y un segundo conjunto de unidades que comprende
unidades de fonema, en el que el primer conjunto de unidades y el
segundo conjunto de unidades se alinean y se entrelazan insertando
cada unidad de fonema en una posición predeterminada con respecto a
la unidad de carácter correspondiente;
- almacene o cree (700) modelos de pronunciación
de la representación fonémica de cada entrada;
- halle (702) una entrada coincidente para dicha
información de voz comparando dicha información de voz con dichos
modelos de pronunciación y seleccionando la entrada que presente la
mayor correspondencia;
- seleccione (704), de entre dicha entrada
coincidente, las unidades de dicho primer conjunto de unidades de
las posiciones predeterminadas y las concatene en una secuencia de
unidades de carácter; y
- elimine (706) espacios vacíos de dicha
secuencia de unidades de carácter.
16. Dispositivo de procesado de datos que
comprende memoria para almacenar un diccionario de pronunciación
que comprende por lo menos una entrada, comprendiendo la entrada una
secuencia de unidades de carácter y una secuencia de unidades de
fonema, caracterizado porque el dispositivo comprende:
- unos medios para recuperar de la memoria un
diccionario de pronunciación que comprende por lo menos una
entrada, comprendiendo la entrada una secuencia de unidades de
carácter y una secuencia de unidades de fonema;
- unos medios para alinear dicha secuencia de
unidades de carácter y dicha secuencia de unidades de fonema usando
un algoritmo estadístico; y
- unos medios para entrelazar dicha secuencia
alineada de unidades de carácter y dicha secuencia alineada de
unidades de fonema insertando cada unidad de fonema en una posición
predeterminada con respecto a la unidad de carácter
correspondiente.
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| FI20012193A FI114051B (fi) | 2001-11-12 | 2001-11-12 | Menetelmä sanakirjatiedon kompressoimiseksi |
| FI20012193 | 2001-11-12 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| ES2284932T3 true ES2284932T3 (es) | 2007-11-16 |
Family
ID=8562237
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| ES02774815T Expired - Lifetime ES2284932T3 (es) | 2001-11-12 | 2002-11-08 | Metodo para comprimir datos de diccionario. |
Country Status (12)
| Country | Link |
|---|---|
| US (2) | US7181388B2 (es) |
| EP (1) | EP1444685B1 (es) |
| JP (1) | JP2005509905A (es) |
| KR (1) | KR100597110B1 (es) |
| CN (1) | CN1269102C (es) |
| AT (1) | ATE361523T1 (es) |
| BR (1) | BR0214042A (es) |
| CA (1) | CA2466652C (es) |
| DE (1) | DE60219943T2 (es) |
| ES (1) | ES2284932T3 (es) |
| FI (1) | FI114051B (es) |
| WO (1) | WO2003042973A1 (es) |
Families Citing this family (145)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8645137B2 (en) | 2000-03-16 | 2014-02-04 | Apple Inc. | Fast, language-independent method for user authentication by voice |
| US20050120300A1 (en) * | 2003-09-25 | 2005-06-02 | Dictaphone Corporation | Method, system, and apparatus for assembly, transport and display of clinical data |
| US8543378B1 (en) * | 2003-11-05 | 2013-09-24 | W.W. Grainger, Inc. | System and method for discerning a term for an entry having a spelling error |
| US7783474B2 (en) * | 2004-02-27 | 2010-08-24 | Nuance Communications, Inc. | System and method for generating a phrase pronunciation |
| US20050190895A1 (en) * | 2004-03-01 | 2005-09-01 | Lloyd Ploof | Remotely programmable messaging apparatus and method thereof |
| JP2006047866A (ja) * | 2004-08-06 | 2006-02-16 | Canon Inc | 電子辞書装置およびその制御方法 |
| US8677377B2 (en) | 2005-09-08 | 2014-03-18 | Apple Inc. | Method and apparatus for building an intelligent automated assistant |
| JP2009527024A (ja) * | 2006-02-14 | 2009-07-23 | インテレクチャル ベンチャーズ ファンド ２１ エルエルシー | 話者非依存的音声認識を有する通信装置 |
| US7480641B2 (en) * | 2006-04-07 | 2009-01-20 | Nokia Corporation | Method, apparatus, mobile terminal and computer program product for providing efficient evaluation of feature transformation |
| US9318108B2 (en) | 2010-01-18 | 2016-04-19 | Apple Inc. | Intelligent automated assistant |
| US20090299731A1 (en) * | 2007-03-12 | 2009-12-03 | Mongoose Ventures Limited | Aural similarity measuring system for text |
| GB0704772D0 (en) * | 2007-03-12 | 2007-04-18 | Mongoose Ventures Ltd | Aural similarity measuring system for text |
| US8977255B2 (en) | 2007-04-03 | 2015-03-10 | Apple Inc. | Method and system for operating a multi-function portable electronic device using voice-activation |
| US8078454B2 (en) * | 2007-09-28 | 2011-12-13 | Microsoft Corporation | Two-pass hash extraction of text strings |
| US9330720B2 (en) | 2008-01-03 | 2016-05-03 | Apple Inc. | Methods and apparatus for altering audio output signals |
| US8996376B2 (en) | 2008-04-05 | 2015-03-31 | Apple Inc. | Intelligent text-to-speech conversion |
| US10496753B2 (en) | 2010-01-18 | 2019-12-03 | Apple Inc. | Automatically adapting user interfaces for hands-free interaction |
| US20100030549A1 (en) | 2008-07-31 | 2010-02-04 | Lee Michael M | Mobile device having human language translation capability with positional feedback |
| US20100082327A1 (en) * | 2008-09-29 | 2010-04-01 | Apple Inc. | Systems and methods for mapping phonemes for text to speech synthesis |
| US8712776B2 (en) * | 2008-09-29 | 2014-04-29 | Apple Inc. | Systems and methods for selective text to speech synthesis |
| US8352268B2 (en) * | 2008-09-29 | 2013-01-08 | Apple Inc. | Systems and methods for selective rate of speech and speech preferences for text to speech synthesis |
| US9959870B2 (en) | 2008-12-11 | 2018-05-01 | Apple Inc. | Speech recognition involving a mobile device |
| US7872596B2 (en) * | 2009-02-26 | 2011-01-18 | Red Hat, Inc. | Dictionary-based compression |
| US8380507B2 (en) * | 2009-03-09 | 2013-02-19 | Apple Inc. | Systems and methods for determining the language to use for speech generated by a text to speech engine |
| US9858925B2 (en) | 2009-06-05 | 2018-01-02 | Apple Inc. | Using context information to facilitate processing of commands in a virtual assistant |
| US10241644B2 (en) | 2011-06-03 | 2019-03-26 | Apple Inc. | Actionable reminder entries |
| US10241752B2 (en) | 2011-09-30 | 2019-03-26 | Apple Inc. | Interface for a virtual digital assistant |
| US10255566B2 (en) | 2011-06-03 | 2019-04-09 | Apple Inc. | Generating and processing task items that represent tasks to perform |
| US9431006B2 (en) | 2009-07-02 | 2016-08-30 | Apple Inc. | Methods and apparatuses for automatic speech recognition |
| US10705794B2 (en) | 2010-01-18 | 2020-07-07 | Apple Inc. | Automatically adapting user interfaces for hands-free interaction |
| US10679605B2 (en) | 2010-01-18 | 2020-06-09 | Apple Inc. | Hands-free list-reading by intelligent automated assistant |
| US10276170B2 (en) | 2010-01-18 | 2019-04-30 | Apple Inc. | Intelligent automated assistant |
| US10553209B2 (en) | 2010-01-18 | 2020-02-04 | Apple Inc. | Systems and methods for hands-free notification summaries |
| DE202011111062U1 (de) | 2010-01-25 | 2019-02-19 | Newvaluexchange Ltd. | Vorrichtung und System für eine Digitalkonversationsmanagementplattform |
| US8682667B2 (en) | 2010-02-25 | 2014-03-25 | Apple Inc. | User profiling for selecting user specific voice input processing information |
| US10762293B2 (en) | 2010-12-22 | 2020-09-01 | Apple Inc. | Using parts-of-speech tagging and named entity recognition for spelling correction |
| US9262612B2 (en) | 2011-03-21 | 2016-02-16 | Apple Inc. | Device access using voice authentication |
| US10057736B2 (en) | 2011-06-03 | 2018-08-21 | Apple Inc. | Active transport based notifications |
| US8994660B2 (en) | 2011-08-29 | 2015-03-31 | Apple Inc. | Text correction processing |
| DE102012202407B4 (de) * | 2012-02-16 | 2018-10-11 | Continental Automotive Gmbh | Verfahren zum Phonetisieren einer Datenliste und sprachgesteuerte Benutzerschnittstelle |
| US10134385B2 (en) | 2012-03-02 | 2018-11-20 | Apple Inc. | Systems and methods for name pronunciation |
| US9483461B2 (en) | 2012-03-06 | 2016-11-01 | Apple Inc. | Handling speech synthesis of content for multiple languages |
| US9280610B2 (en) | 2012-05-14 | 2016-03-08 | Apple Inc. | Crowd sourcing information to fulfill user requests |
| US9721563B2 (en) | 2012-06-08 | 2017-08-01 | Apple Inc. | Name recognition system |
| US9495129B2 (en) | 2012-06-29 | 2016-11-15 | Apple Inc. | Device, method, and user interface for voice-activated navigation and browsing of a document |
| US9135912B1 (en) * | 2012-08-15 | 2015-09-15 | Google Inc. | Updating phonetic dictionaries |
| US9576574B2 (en) | 2012-09-10 | 2017-02-21 | Apple Inc. | Context-sensitive handling of interruptions by intelligent digital assistant |
| US9547647B2 (en) | 2012-09-19 | 2017-01-17 | Apple Inc. | Voice-based media searching |
| DE112014000709B4 (de) | 2013-02-07 | 2021-12-30 | Apple Inc. | Verfahren und vorrichtung zum betrieb eines sprachtriggers für einen digitalen assistenten |
| US9368114B2 (en) | 2013-03-14 | 2016-06-14 | Apple Inc. | Context-sensitive handling of interruptions |
| WO2014144949A2 (en) | 2013-03-15 | 2014-09-18 | Apple Inc. | Training an at least partial voice command system |
| WO2014144579A1 (en) | 2013-03-15 | 2014-09-18 | Apple Inc. | System and method for updating an adaptive speech recognition model |
| WO2014197334A2 (en) | 2013-06-07 | 2014-12-11 | Apple Inc. | System and method for user-specified pronunciation of words for speech synthesis and recognition |
| WO2014197336A1 (en) | 2013-06-07 | 2014-12-11 | Apple Inc. | System and method for detecting errors in interactions with a voice-based digital assistant |
| US9582608B2 (en) | 2013-06-07 | 2017-02-28 | Apple Inc. | Unified ranking with entropy-weighted information for phrase-based semantic auto-completion |
| WO2014197335A1 (en) | 2013-06-08 | 2014-12-11 | Apple Inc. | Interpreting and acting upon commands that involve sharing information with remote devices |
| US10176167B2 (en) | 2013-06-09 | 2019-01-08 | Apple Inc. | System and method for inferring user intent from speech inputs |
| KR101959188B1 (ko) | 2013-06-09 | 2019-07-02 | 애플 인크. | 디지털 어시스턴트의 둘 이상의 인스턴스들에 걸친 대화 지속성을 가능하게 하기 위한 디바이스, 방법 및 그래픽 사용자 인터페이스 |
| KR101809808B1 (ko) | 2013-06-13 | 2017-12-15 | 애플 인크. | 음성 명령에 의해 개시되는 긴급 전화를 걸기 위한 시스템 및 방법 |
| WO2014203370A1 (ja) * | 2013-06-20 | 2014-12-24 | 株式会社東芝 | 音声合成辞書作成装置及び音声合成辞書作成方法 |
| KR101749009B1 (ko) | 2013-08-06 | 2017-06-19 | 애플 인크. | 원격 디바이스로부터의 활동에 기초한 스마트 응답의 자동 활성화 |
| US9620105B2 (en) | 2014-05-15 | 2017-04-11 | Apple Inc. | Analyzing audio input for efficient speech and music recognition |
| US10592095B2 (en) | 2014-05-23 | 2020-03-17 | Apple Inc. | Instantaneous speaking of content on touch devices |
| US9502031B2 (en) | 2014-05-27 | 2016-11-22 | Apple Inc. | Method for supporting dynamic grammars in WFST-based ASR |
| US9760559B2 (en) | 2014-05-30 | 2017-09-12 | Apple Inc. | Predictive text input |
| US9715875B2 (en) | 2014-05-30 | 2017-07-25 | Apple Inc. | Reducing the need for manual start/end-pointing and trigger phrases |
| US9633004B2 (en) | 2014-05-30 | 2017-04-25 | Apple Inc. | Better resolution when referencing to concepts |
| US9430463B2 (en) | 2014-05-30 | 2016-08-30 | Apple Inc. | Exemplar-based natural language processing |
| US10170123B2 (en) | 2014-05-30 | 2019-01-01 | Apple Inc. | Intelligent assistant for home automation |
| US9785630B2 (en) | 2014-05-30 | 2017-10-10 | Apple Inc. | Text prediction using combined word N-gram and unigram language models |
| US9734193B2 (en) | 2014-05-30 | 2017-08-15 | Apple Inc. | Determining domain salience ranking from ambiguous words in natural speech |
| US10078631B2 (en) | 2014-05-30 | 2018-09-18 | Apple Inc. | Entropy-guided text prediction using combined word and character n-gram language models |
| US9842101B2 (en) | 2014-05-30 | 2017-12-12 | Apple Inc. | Predictive conversion of language input |
| US10289433B2 (en) | 2014-05-30 | 2019-05-14 | Apple Inc. | Domain specific language for encoding assistant dialog |
| WO2015184186A1 (en) | 2014-05-30 | 2015-12-03 | Apple Inc. | Multi-command single utterance input method |
| US10659851B2 (en) | 2014-06-30 | 2020-05-19 | Apple Inc. | Real-time digital assistant knowledge updates |
| US9338493B2 (en) | 2014-06-30 | 2016-05-10 | Apple Inc. | Intelligent automated assistant for TV user interactions |
| US10446141B2 (en) | 2014-08-28 | 2019-10-15 | Apple Inc. | Automatic speech recognition based on user feedback |
| US9818400B2 (en) | 2014-09-11 | 2017-11-14 | Apple Inc. | Method and apparatus for discovering trending terms in speech requests |
| US10789041B2 (en) | 2014-09-12 | 2020-09-29 | Apple Inc. | Dynamic thresholds for always listening speech trigger |
| US9606986B2 (en) | 2014-09-29 | 2017-03-28 | Apple Inc. | Integrated word N-gram and class M-gram language models |
| US9886432B2 (en) | 2014-09-30 | 2018-02-06 | Apple Inc. | Parsimonious handling of word inflection via categorical stem + suffix N-gram language models |
| US9668121B2 (en) | 2014-09-30 | 2017-05-30 | Apple Inc. | Social reminders |
| US9646609B2 (en) | 2014-09-30 | 2017-05-09 | Apple Inc. | Caching apparatus for serving phonetic pronunciations |
| US10074360B2 (en) | 2014-09-30 | 2018-09-11 | Apple Inc. | Providing an indication of the suitability of speech recognition |
| US10127911B2 (en) | 2014-09-30 | 2018-11-13 | Apple Inc. | Speaker identification and unsupervised speaker adaptation techniques |
| US10552013B2 (en) | 2014-12-02 | 2020-02-04 | Apple Inc. | Data detection |
| US9711141B2 (en) | 2014-12-09 | 2017-07-18 | Apple Inc. | Disambiguating heteronyms in speech synthesis |
| US9865280B2 (en) | 2015-03-06 | 2018-01-09 | Apple Inc. | Structured dictation using intelligent automated assistants |
| US9721566B2 (en) | 2015-03-08 | 2017-08-01 | Apple Inc. | Competing devices responding to voice triggers |
| US9886953B2 (en) | 2015-03-08 | 2018-02-06 | Apple Inc. | Virtual assistant activation |
| US10567477B2 (en) | 2015-03-08 | 2020-02-18 | Apple Inc. | Virtual assistant continuity |
| US9899019B2 (en) | 2015-03-18 | 2018-02-20 | Apple Inc. | Systems and methods for structured stem and suffix language models |
| US9842105B2 (en) | 2015-04-16 | 2017-12-12 | Apple Inc. | Parsimonious continuous-space phrase representations for natural language processing |
| US10127904B2 (en) * | 2015-05-26 | 2018-11-13 | Google Llc | Learning pronunciations from acoustic sequences |
| US10083688B2 (en) | 2015-05-27 | 2018-09-25 | Apple Inc. | Device voice control for selecting a displayed affordance |
| US10127220B2 (en) | 2015-06-04 | 2018-11-13 | Apple Inc. | Language identification from short strings |
| US9578173B2 (en) | 2015-06-05 | 2017-02-21 | Apple Inc. | Virtual assistant aided communication with 3rd party service in a communication session |
| US10101822B2 (en) | 2015-06-05 | 2018-10-16 | Apple Inc. | Language input correction |
| US10255907B2 (en) | 2015-06-07 | 2019-04-09 | Apple Inc. | Automatic accent detection using acoustic models |
| US10186254B2 (en) | 2015-06-07 | 2019-01-22 | Apple Inc. | Context-based endpoint detection |
| US11025565B2 (en) | 2015-06-07 | 2021-06-01 | Apple Inc. | Personalized prediction of responses for instant messaging |
| US10747498B2 (en) | 2015-09-08 | 2020-08-18 | Apple Inc. | Zero latency digital assistant |
| US10671428B2 (en) | 2015-09-08 | 2020-06-02 | Apple Inc. | Distributed personal assistant |
| KR102443087B1 (ko) | 2015-09-23 | 2022-09-14 | 삼성전자주식회사 | 전자 기기 및 그의 음성 인식 방법 |
| US9697820B2 (en) | 2015-09-24 | 2017-07-04 | Apple Inc. | Unit-selection text-to-speech synthesis using concatenation-sensitive neural networks |
| US11010550B2 (en) | 2015-09-29 | 2021-05-18 | Apple Inc. | Unified language modeling framework for word prediction, auto-completion and auto-correction |
| US10366158B2 (en) | 2015-09-29 | 2019-07-30 | Apple Inc. | Efficient word encoding for recurrent neural network language models |
| US11587559B2 (en) | 2015-09-30 | 2023-02-21 | Apple Inc. | Intelligent device identification |
| US10387543B2 (en) * | 2015-10-15 | 2019-08-20 | Vkidz, Inc. | Phoneme-to-grapheme mapping systems and methods |
| US10691473B2 (en) | 2015-11-06 | 2020-06-23 | Apple Inc. | Intelligent automated assistant in a messaging environment |
| CN105893414A (zh) * | 2015-11-26 | 2016-08-24 | 乐视致新电子科技（天津）有限公司 | 筛选发音词典有效词条的方法及装置 |
| US10049668B2 (en) | 2015-12-02 | 2018-08-14 | Apple Inc. | Applying neural network language models to weighted finite state transducers for automatic speech recognition |
| US10223066B2 (en) | 2015-12-23 | 2019-03-05 | Apple Inc. | Proactive assistance based on dialog communication between devices |
| US10446143B2 (en) | 2016-03-14 | 2019-10-15 | Apple Inc. | Identification of voice inputs providing credentials |
| US9934775B2 (en) | 2016-05-26 | 2018-04-03 | Apple Inc. | Unit-selection text-to-speech synthesis based on predicted concatenation parameters |
| US9972304B2 (en) | 2016-06-03 | 2018-05-15 | Apple Inc. | Privacy preserving distributed evaluation framework for embedded personalized systems |
| US10249300B2 (en) | 2016-06-06 | 2019-04-02 | Apple Inc. | Intelligent list reading |
| US10049663B2 (en) | 2016-06-08 | 2018-08-14 | Apple, Inc. | Intelligent automated assistant for media exploration |
| DK179588B1 (en) | 2016-06-09 | 2019-02-22 | Apple Inc. | INTELLIGENT AUTOMATED ASSISTANT IN A HOME ENVIRONMENT |
| US10509862B2 (en) | 2016-06-10 | 2019-12-17 | Apple Inc. | Dynamic phrase expansion of language input |
| US10490187B2 (en) | 2016-06-10 | 2019-11-26 | Apple Inc. | Digital assistant providing automated status report |
| US10067938B2 (en) | 2016-06-10 | 2018-09-04 | Apple Inc. | Multilingual word prediction |
| US10192552B2 (en) | 2016-06-10 | 2019-01-29 | Apple Inc. | Digital assistant providing whispered speech |
| US10586535B2 (en) | 2016-06-10 | 2020-03-10 | Apple Inc. | Intelligent digital assistant in a multi-tasking environment |
| DK179415B1 (en) | 2016-06-11 | 2018-06-14 | Apple Inc | Intelligent device arbitration and control |
| DK179343B1 (en) | 2016-06-11 | 2018-05-14 | Apple Inc | Intelligent task discovery |
| DK179049B1 (en) | 2016-06-11 | 2017-09-18 | Apple Inc | Data driven natural language event detection and classification |
| DK201670540A1 (en) | 2016-06-11 | 2018-01-08 | Apple Inc | Application integration with a digital assistant |
| US10043516B2 (en) | 2016-09-23 | 2018-08-07 | Apple Inc. | Intelligent automated assistant |
| US11281993B2 (en) | 2016-12-05 | 2022-03-22 | Apple Inc. | Model and ensemble compression for metric learning |
| US10593346B2 (en) | 2016-12-22 | 2020-03-17 | Apple Inc. | Rank-reduced token representation for automatic speech recognition |
| DK201770383A1 (en) | 2017-05-09 | 2018-12-14 | Apple Inc. | USER INTERFACE FOR CORRECTING RECOGNITION ERRORS |
| DK201770439A1 (en) | 2017-05-11 | 2018-12-13 | Apple Inc. | Offline personal assistant |
| DK179496B1 (en) | 2017-05-12 | 2019-01-15 | Apple Inc. | USER-SPECIFIC Acoustic Models |
| DK179745B1 (en) | 2017-05-12 | 2019-05-01 | Apple Inc. | SYNCHRONIZATION AND TASK DELEGATION OF A DIGITAL ASSISTANT |
| DK201770428A1 (en) | 2017-05-12 | 2019-02-18 | Apple Inc. | LOW-LATENCY INTELLIGENT AUTOMATED ASSISTANT |
| DK201770432A1 (en) | 2017-05-15 | 2018-12-21 | Apple Inc. | Hierarchical belief states for digital assistants |
| DK201770431A1 (en) | 2017-05-15 | 2018-12-20 | Apple Inc. | Optimizing dialogue policy decisions for digital assistants using implicit feedback |
| DK179560B1 (en) | 2017-05-16 | 2019-02-18 | Apple Inc. | FAR-FIELD EXTENSION FOR DIGITAL ASSISTANT SERVICES |
| US10706840B2 (en) | 2017-08-18 | 2020-07-07 | Google Llc | Encoder-decoder models for sequence to sequence mapping |
| CN109982111B (zh) * | 2017-12-28 | 2020-05-22 | 贵州白山云科技股份有限公司 | 基于直播网络系统的文本内容传输优化方法、装置 |
| US10943580B2 (en) * | 2018-05-11 | 2021-03-09 | International Business Machines Corporation | Phonological clustering |
| US11210465B2 (en) * | 2019-08-30 | 2021-12-28 | Microsoft Technology Licensing, Llc | Efficient storage and retrieval of localized software resource data |
| CN113707137B (zh) * | 2021-08-30 | 2024-02-20 | 普强时代(珠海横琴)信息技术有限公司 | 解码实现方法及装置 |
Family Cites Families (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US4759068A (en) | 1985-05-29 | 1988-07-19 | International Business Machines Corporation | Constructing Markov models of words from multiple utterances |
| US5845238A (en) * | 1996-06-18 | 1998-12-01 | Apple Computer, Inc. | System and method for using a correspondence table to compress a pronunciation guide |
| US5861827A (en) * | 1996-07-24 | 1999-01-19 | Unisys Corporation | Data compression and decompression system with immediate dictionary updating interleaved with string search |
| US5930754A (en) * | 1997-06-13 | 1999-07-27 | Motorola, Inc. | Method, device and article of manufacture for neural-network based orthography-phonetics transformation |
| US6233553B1 (en) * | 1998-09-04 | 2001-05-15 | Matsushita Electric Industrial Co., Ltd. | Method and system for automatically determining phonetic transcriptions associated with spelled words |
| US6208968B1 (en) * | 1998-12-16 | 2001-03-27 | Compaq Computer Corporation | Computer method and apparatus for text-to-speech synthesizer dictionary reduction |
| US6363342B2 (en) * | 1998-12-18 | 2002-03-26 | Matsushita Electric Industrial Co., Ltd. | System for developing word-pronunciation pairs |
| US7080005B1 (en) * | 1999-07-19 | 2006-07-18 | Texas Instruments Incorporated | Compact text-to-phone pronunciation dictionary |
| DE19942178C1 (de) * | 1999-09-03 | 2001-01-25 | Siemens Ag | Verfahren zum Aufbereiten einer Datenbank für die automatische Sprachverarbeitung |
| US6789066B2 (en) * | 2001-09-25 | 2004-09-07 | Intel Corporation | Phoneme-delta based speech compression |
-
2001
- 2001-11-12 FI FI20012193A patent/FI114051B/fi not_active IP Right Cessation
-
2002
- 2002-11-08 CN CNB028223683A patent/CN1269102C/zh not_active Expired - Fee Related
- 2002-11-08 EP EP02774815A patent/EP1444685B1/en not_active Expired - Lifetime
- 2002-11-08 AT AT02774815T patent/ATE361523T1/de not_active IP Right Cessation
- 2002-11-08 WO PCT/FI2002/000875 patent/WO2003042973A1/en not_active Ceased
- 2002-11-08 DE DE60219943T patent/DE60219943T2/de not_active Expired - Lifetime
- 2002-11-08 CA CA002466652A patent/CA2466652C/en not_active Expired - Fee Related
- 2002-11-08 ES ES02774815T patent/ES2284932T3/es not_active Expired - Lifetime
- 2002-11-08 KR KR1020047007121A patent/KR100597110B1/ko not_active Expired - Fee Related
- 2002-11-08 BR BR0214042-0A patent/BR0214042A/pt not_active IP Right Cessation
- 2002-11-08 JP JP2003544726A patent/JP2005509905A/ja active Pending
- 2002-11-11 US US10/292,122 patent/US7181388B2/en not_active Expired - Fee Related
-
2006
- 2006-11-29 US US11/605,655 patent/US20070073541A1/en not_active Abandoned
Also Published As
| Publication number | Publication date |
|---|---|
| FI20012193L (fi) | 2003-05-13 |
| US20070073541A1 (en) | 2007-03-29 |
| DE60219943T2 (de) | 2008-01-17 |
| KR20050044399A (ko) | 2005-05-12 |
| WO2003042973A1 (en) | 2003-05-22 |
| BR0214042A (pt) | 2004-10-13 |
| CN1269102C (zh) | 2006-08-09 |
| CN1585968A (zh) | 2005-02-23 |
| DE60219943D1 (de) | 2007-06-14 |
| EP1444685A1 (en) | 2004-08-11 |
| EP1444685B1 (en) | 2007-05-02 |
| US7181388B2 (en) | 2007-02-20 |
| CA2466652C (en) | 2008-07-22 |
| FI114051B (fi) | 2004-07-30 |
| CA2466652A1 (en) | 2003-05-22 |
| JP2005509905A (ja) | 2005-04-14 |
| FI20012193A0 (fi) | 2001-11-12 |
| ATE361523T1 (de) | 2007-05-15 |
| US20030120482A1 (en) | 2003-06-26 |
| KR100597110B1 (ko) | 2006-07-04 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| ES2284932T3 (es) | Metodo para comprimir datos de diccionario. | |
| ES2233002T3 (es) | Sistema de reconocimiento de habla con lexico actualizable mediante introduccion de palabras deletreadas. | |
| ES2289762T3 (es) | Tecnica de compresion de datos lempel-ziv que utiliza un diccionario prerrellenado con combinaciones frecuentes de letras, palabras y/o frases. | |
| US6343270B1 (en) | Method for increasing dialect precision and usability in speech recognition and text-to-speech systems | |
| EP1575029A2 (en) | Generating large units of graphonemes with mutual information criterion for letter to sound conversion | |
| DE60126462D1 (de) | Client/Server basiertes Spracherkennungssystem | |
| DE3876379D1 (de) | Automatische bestimmung von kennzeichen und markov-wortmodellen in einem spracherkennungssystem. | |
| JPWO2008114708A1 (ja) | 音声認識システム、音声認識方法、および音声認識処理プログラム | |
| US10714080B2 (en) | WFST decoding system, speech recognition system including the same and method for storing WFST data | |
| ES2238054T3 (es) | Procedimiento y sistema para el reconocimiento de voz para un aparato pequeño. | |
| JP2009199434A (ja) | アルファベット文字列日本語読み変換装置及びアルファベット文字列日本語読み変換プログラム | |
| CN100388827C (zh) | 编码方法 | |
| US11942072B2 (en) | Wireless communication device using voice recognition and voice synthesis | |
| Kao et al. | A low cost dynamic vocabulary speech recognizer on a GPP-DSP system | |
| JPH11167393A (ja) | 音声認識装置および音声認識装置用辞書 | |
| KR20210047192A (ko) | 음소 기반 텍스트 검색 장치 및 방법 | |
| JP2002189490A (ja) | ピンイン音声入力の方法 | |
| JP4445371B2 (ja) | 認識語彙の登録装置と音声認識装置および方法 | |
| JP2009258369A (ja) | 音声認識辞書生成装置及び音声認識処理装置 | |
| HK1036547B (en) | Encoding method | |
| US20210407501A1 (en) | Phonetic keyboard and system to facilitate communication in english | |
| Tian | Efficient compression method for pronunciation dictionaries | |
| JPH04282699A (ja) | 音声認識システム | |
| JPS6283796A (ja) | 音声入力装置 | |
| KR20080052268A (ko) | 음소 인식 기반의 탐색공간 제한을 이용한 연속음성인식장치 및 방법 |