专利快速检索-快速检索全球专利，免费商用专利数据库-IPRDB

1. 发明申请

WO2019134474A1 语音控制方法及装置审中-公开
公开(公告)号：WO2019134474A1
公开(公告)日：2019-07-11
申请号：PCT/CN2018/118963
申请日：2018-12-03
申请人：珠海格力电器股份有限公司
发明人：毛跃辉 , 梁博 , 邹其琛 , 陈杨顺 , 郑威
IPC分类号： G10L15/18
CPC分类号： G10L15/18 , G10L15/22 , G10L15/30 , G10L15/34
摘要：一种语音控制方法及装置。其中，该方法包括：通过麦克风阵列采集空调环境内的自然语言(S102)，并确定语音识别的识别模式，其中，识别模式包括以下之一：在线识别模式和离线识别模式(S104)；根据确定的识别模式，通过指令识别模型，确定用于对空调进行控制的与自然语言对应的控制指令(S106)，进而根据确定的控制指令对空调进行控制(S108)，其中，指令识别模型为使用多组数据通过机器学习训练得出的，多组数据中的每组数据均包括：自然语言和与该自然语言对应的控制指令。解决了相关技术中语音控制不智能的技术问题。

2. 发明申请

WO2017023763A1 NATURAL LANGUAGE NAVIGATION AND ASSISTED VIEWING OF INDEXED AUDIO VIDEO STREAMS, NOTABLY SPORTS CONTESTS 审中-公开
标题翻译：自然语言导航和辅助视频索引视频流，非运动比赛
公开(公告)号：WO2017023763A1
公开(公告)日：2017-02-09
申请号：PCT/US2016/044734
申请日：2016-07-29
申请人： PROMPTU SYSTEMS CORPORATION
发明人： SIMPSON, Jason , PRINTZ, Harry, William
IPC分类号： G06F17/20 , G11B27/022 , G11B27/028
CPC分类号： H04N21/472 , G06F17/30058 , G10L15/18 , G10L15/22 , G10L2015/223 , G11B27/022 , G11B27/028 , H04N21/47217
摘要： Assisted viewing of an indexed audio video stream is accomplished by enabling natural language command of an audio video stream repository to control the positioning of or selection within, manner of playback from, or other characteristic or action related to the viewed stream. Embodiments process spoken or textual commands, couched in ordinary natural language, which may include descriptive prose, or references to named persons or entities depicted in the stream. Both pre-recorded and live action audio video streams can be processed. Such processing can include creation anew or augmentation of an associated audio video stream index. Numerous particular useful commands, especially those pertinent to audio video streams of sports contests, are described. Embodiments may set alerts that are triggered by notable events within live action audio video streams, with notification of the user when they occur.
摘要翻译：索引音频视频流的辅助查看通过使音频视频流存储库的自然语言命令能够控制播放方式的定位或选择，或者与所观看的流相关的其它特征或动作来实现。实施例处理以普通自然语言表达的口头或文本命令，其可以包括描述性散文，或对流中描绘的命名的人或实体的引用。预处理和实时动作音频视频流都可以处理。这种处理可以包括新建或增加相关联的音频视频流索引。描述了许多特别有用的命令，特别是与体育比赛的音频视频流相关的命令。实施例可以设置由实时动作音频视频流中的显着事件触发的警报，以及当用户发生时的通知。

3. 发明申请

WO2016122902A2 UPDATING LANGUAGE UNDERSTANDING CLASSIFIER MODELS FOR A DIGITAL PERSONAL ASSISTANT BASED ON CROWD-SOURCING 审中-公开
标题翻译：更新语言了解基于CROWD-SOURCING的数字个人助理的分类器模型
公开(公告)号：WO2016122902A2
公开(公告)日：2016-08-04
申请号：PCT/US2016/013502
申请日：2016-01-15
申请人： MICROSOFT TECHNOLOGY LICENSING, LLC
发明人： KANNAN, Vishwac Sena , UZELAC, Aleksandar , HWANG, Daniel J.
IPC分类号： G10L15/22
CPC分类号： G10L15/063 , G06F3/167 , G10L15/005 , G10L15/18 , G10L15/1822 , G10L15/22 , G10L2015/0636 , G10L2015/223
摘要： A method for updating language understanding classifier models includes receiving via one or more microphones of a computing device, a digital voice input from a user of the computing device. Natural language processing using the digital voice input is used to determine a user voice request. Upon determining the user voice request does not match at least one of a plurality of pre-defined voice commands in a schema definition of a digital personal assistant, a GUI of an end-user labeling tool is used to receive a user selection of at least one of the following: at least one intent of a plurality of available intents and/or at least one slot for the at least one intent. A labeled data set is generated by pairing the user voice request and the user selection, and is used to update a language understanding classifier.
摘要翻译：用于更新语言理解分类器模型的方法包括经由计算设备的一个或多个麦克风接收来自计算设备的用户的数字语音输入。使用数字语音输入的自然语言处理用于确定用户语音请求。在确定用户语音请求与数字个人助理的模式定义中的多个预定义语音命令中的至少一个不匹配时，终端用户标签工具的GUI被用于至少接收用户选择以下之一：用于至少一个意图的多个可用意图的至少一个意图和/或至少一个时隙。标签数据集通过配对用户语音请求和用户选择而生成，并用于更新语言理解分类器。

4. 发明申请

WO2016098228A1 音声認識装置および音声認識方法审中-公开
标题翻译：语音识别装置和语音识别方法
公开(公告)号：WO2016098228A1
公开(公告)日：2016-06-23
申请号：PCT/JP2014/083575
申请日：2014-12-18
申请人：三菱電機株式会社
发明人：小川　勇 , 花沢　利行
IPC分类号： G10L15/04 , G10L15/24 , G10L15/25
CPC分类号： G10L15/18 , G06F3/041 , G10L15/04 , G10L15/24 , G10L15/25 , G10L2025/786
摘要：　音声以外の情報である画像データからからユーザ状態を認識する口唇画像認識部１０３と、認識したユーザ状態からユーザが発話しているか否か判定を行う非発話区間判定部１０４と、ユーザが発話していないと判定した場合に音声データから第１の音声区間検出しきい値を設定し、ユーザが発話していると判定した場合に音声入力部が変換した音声データから第２の音声区間検出しきい値を設定する音声区間検出しきい値学習部１０６と、設定したしきい値を用いて音声データからユーザの発話を示す音声区間を検出し、第２の音声区間検出しきい値を用いて音声区間を検出することができない場合に、第１の音声区間検出しきい値を適用して音声区間を検出する音声区間検出部１０７と、検出した音声区間の音声データを認識して認識結果を出力する音声認識部１０８とを備える。
摘要翻译：该语音识别装置具有：唇部图像识别单元103，用于从作为语音以外的信息的图像数据识别用户状态; 用于确定用户是否正在从所识别的用户状态说话的未说话时段确定单元104; 语音周期检测阈值学习单元106，用于当确定用户不进行通话时从语音数据设置第一语音周期检测阈值，并且从由语音输入单元转换的语音数据设置第二语音周期检测阈值当用户决定在说话时; 语音周期检测单元107，用于当通过使用所设置的阈值不能检测到语音周期时，施加第一语音周期检测阈值以检测语音周期; 以及用于识别检测到的语音周期中的语音数据并输出识别结果的语音识别单元108。

5. 发明申请

WO2016054020A1 INFORMATION-SHARING SYSTEM 审中-公开
标题翻译：信息共享系统
公开(公告)号：WO2016054020A1
公开(公告)日：2016-04-07
申请号：PCT/US2015/052909
申请日：2015-09-29
申请人： BERKE, Jonathan , ROJAS, Tracy , GRECO, William , COULTER, John
发明人： BERKE, Jonathan , ROJAS, Tracy , GRECO, William , COULTER, John
IPC分类号： G10L15/10
CPC分类号： G06F17/28 , G06F17/30719 , G10L15/18 , G10L15/1807 , G10L15/22 , G10L2015/223 , H04L65/60 , H04W4/021
摘要： An information-sharing system has a server connected to a network, the server having a processor and a coupled data repository, with software executing on the processor from a non-transitory medium providing system intelligence, a plurality of computerized communication devices coupled to the network, each having a microphone, a speaker, and a display screen, each executing coded instructions providing local intelligence at least presenting interactive interfaces to a user. The user is enabled by the coded instructions executing at the computerized communication device to record an audio or audio-video input which the system, by use of natural language processing, determines to be either a voice command or a Shout, as a situational report local to the user, and if the enunciation is determined to be a Shout is transmitted to the Server, where it is processed and transmitted to other users according to determinations made by the server intelligence.
摘要翻译：信息共享系统具有连接到网络的服务器，所述服务器具有处理器和耦合的数据存储库，其中软件在处理器上从提供系统智能的非暂时介质执行，耦合到网络的多个计算机化通信设备每个具有麦克风，扬声器和显示屏幕，每个执行编码指令，提供本地智能，至少向用户呈现交互式界面。通过在计算机化通信设备处执行的编码指令来使能用户，以记录音频或音频视频输入，该系统通过使用自然语言处理将其确定为语音命令或Shout，作为情境报告本地并且如果将该声明确定为“呼喊”被发送到服务器，则根据服务器智能的确定将其处理并发送给其他用户。

6. 发明申请

WO2016044290A1 VOICE COMMERCE 审中-公开
标题翻译：语音商务
公开(公告)号：WO2016044290A1
公开(公告)日：2016-03-24
申请号：PCT/US2015/050218
申请日：2015-09-15
申请人： KENNEWICK, Michael, R.
发明人： KENNEWICK, Michael, R.
IPC分类号： G06F17/27
CPC分类号： G06Q30/0635 , G06Q30/0601 , G06Q30/0625 , G10L15/18 , G10L15/1815 , G10L15/22 , G10L2015/223
摘要： In certain implementations, a system for facilitating voice commerce is provided. A user input comprising a natural language utterance related to a product or service to be purchased may be received. A first product or service that is to be purchased may be determined based on the utterance. First payment information that is to be used to purchase the first product or service may be obtained. First shipping information that is to be used to deliver the first product or service may be obtained. A purchase transaction for the first product or service may completed based on the first payment information and the first shipping information without further user input, after the receipt of utterance, that identifies a product or service type or a product or service, seller information, payment information, shipping information, or other information related to purchasing the first product or service.
摘要翻译：在某些实现中，提供了一种用于促进语音商务的系统。可以接收包括与要购买的产品或服务相关的自然语言话语的用户输入。要购买的第一个产品或服务可以根据说话来确定。可以获得用于购买第一产品或服务的第一支付信息。可以获得用于交付第一个产品或服务的第一个运送信息。第一产品或服务的购买交易可以基于第一付款信息和第一送货信息而完成，而无需进一步的用户输入，在接收到话语之后，识别产品或服务类型，产品或服务，卖家信息，支付信息，运送信息或与购买第一个产品或服务有关的其他信息。

7. 发明申请

WO2015175936A1 KNOWLEDGE SOURCE PERSONALIZATION TO IMPROVE LANGUAGE MODELS 审中-公开
标题翻译：知识来源个人化提升语言模式
公开(公告)号：WO2015175936A1
公开(公告)日：2015-11-19
申请号：PCT/US2015/031075
申请日：2015-05-15
申请人： MICROSOFT TECHNOLOGY LICENSING, LLC
发明人： AKBACAK, Murat , HAKKANI-TUR, Dilek Z. , TUR, Gokhan , HECK, Larry P. , DUMOULIN, Benoit
IPC分类号： G06F17/30 , G10L15/06
CPC分类号： G10L15/18 , G06F17/30654 , G06F17/30734 , G06F17/30766 , G10L15/07
摘要： Systems and methods are provided for improving language models for speech recognition by personalizing knowledge sources utilized by the language models to specific users or user-population characteristics. A knowledge source, such as a knowledge graph, is personalized for a particular user by mapping entities or user actions from usage history for the user, such as query logs, to the knowledge source. The personalized knowledge source may be used to build a personal language model by training a language model with queries corresponding to entities or entity pairs that appear in usage history. In some embodiments, a personalized knowledge source for a specific user can be extended based on personalized knowledge sources of similar users.
摘要翻译：提供了系统和方法，用于通过将语言模型所使用的知识源个性化为特定用户或用户群体特征来改进用于语音识别的语言模型。通过将实体或用户操作与用户的使用历史（例如查询日志）映射到知识源，为特定用户个性化知识源。个性化知识源可以用于通过训练具有对应于出现在使用历史中的实体或实体对的查询的语言模型来构建个人语言模型。在一些实施例中，可以基于类似用户的个性化知识源来扩展用于特定用户的个性化知识源。

8. 发明申请

WO2015158887A2 METHOD OF PERFORMING MULTI-MODAL DIALOGUE BETWEEN A HUMANOID ROBOT AND USER, COMPUTER PROGRAM PRODUCT AND HUMANOID ROBOT FOR IMPLEMENTING SAID METHOD 审中-公开
标题翻译：用于实现人体工程学和用户的计算机对话方法，计算机程序产品和用于实施方法的人类机器人
公开(公告)号：WO2015158887A2
公开(公告)日：2015-10-22
申请号：PCT/EP2015/058373
申请日：2015-04-17
申请人： ALDEBARAN ROBOTICS
发明人： MONCEAUX, Jérôme , GATE, Gwennael , HOUSSIN, David , BARBIERI, Gabriele , MARTIN, Jocelyn , TESTARD, Jean , GOURDIN, Ilmo
IPC分类号： B25J9/16
CPC分类号： G10L15/1815 , B25J9/1694 , B25J11/0015 , B25J11/005 , B25J13/003 , G06F17/271 , G06N3/008 , G10L15/18 , G10L15/22 , G10L15/32 , G10L2015/025
摘要： A method of performing a dialogue between a humanoid robot (R) and at least one user (U) comprising the following steps, carried out iteratively by said humanoid robot: i) acquiring a plurality of input signals (s1, s2) from respective sensors (c1, c2), at least one said sensor being a sound sensor and at least one other sensor being a motion or image sensor; ii) interpreting the acquired signals to recognize a plurality of events (EVI) generated by said user, selected from a group comprising: the utterance of at least a word or sentence, an intonation of voice, a gesture, a body posture, a facial expression; iii) determining a response of said humanoid robot, comprising at least one event (EVO) selected from a group comprising: the utterance of at least a word or sentence, an intonation of voice, a gesture, a body posture, a facial expression; iv ) generating, by said humanoid robot, said or each said event; characterized in that said step iii) comprises determining said response as a function of at least two events jointly generated by said user and recognized at said step ii), of which at least one is not a word or sentence uttered by said user. A computer program product and a humanoid robot for carrying out such a method.
摘要翻译：一种执行人形机器人（R）与包括以下步骤的至少一个用户（U）之间的对话的方法，由所述人形机器人迭代地进行：i）从各个传感器获取多个输入信号（s1，s2）（c1，c2），至少一个所述传感器是声音传感器，并且至少一个其它传感器是运动或图像传感器; ii）解释获取的信号以识别由所述用户生成的多个事件（EVI），其从包括以下的组中选择：至少一个单词或句子的发音，语音的语调，手势，身体姿势，面部表达; iii）确定所述人形机器人的响应，包括从包括以下组的至少一个事件（EVO）中选择：至少一个单词或句子的发音，语音的语调，手势，身体姿势，面部表情; iv）由所述类人机器人产生所述或每个所述事件; 其特征在于，所述步骤iii）包括将所述响应确定为由所述用户共同生成并在所述步骤ii）识别的至少两个事件的函数，其中至少一个不是所述用户发出的单词或句子。一种用于执行这种方法的计算机程序产品和人形机器人。

9. 发明申请

WO2014128610A2 A SYSTEM APPARATUS CIRCUIT METHOD AND ASSOCIATED COMPUTER EXECUTABLE CODE FOR NATURAL LANGUAGE UNDERSTANDING AND SEMANTIC CONTENT DISCOVERY 审中-公开
标题翻译：一种用于自然语言理解和语义内容发现的系统设备电路方法和相关计算机可执行代码
公开(公告)号：WO2014128610A2
公开(公告)日：2014-08-28
申请号：PCT/IB2014/059066
申请日：2014-02-18
申请人： JINNI MEDIA LTD.
发明人： MESHULAM, Ram , RIMON, Mordechai Mori , BEN-ZAKEN, Izhak
IPC分类号： G06F17/27
CPC分类号： G10L15/18 , G01L17/00 , G06F17/271 , G06F17/2785 , G06F17/30654 , G10L15/1815 , G10L17/00 , G10L25/54 , G10L2015/227
摘要： Disclosed are systems, apparatuses, circuits and methods for extrapolating meaning from vocalized speech or otherwise obtained text. Speech of a speaking user is sampled and digitized, the digitized speech is converted into a text stream, the text stream derived from speech or otherwise obtained is analyzed syntactically and semantically, a knowledgebase in the specific context domain of the text stream is utilized to construct one or more semantic/syntactic domain specific query analysis constrains/rule-sets, and a "Domain Specific Knowledgebase Query" (DSKQ) or set of queries is built at least partially based on the domain specific query analysis constrains/rule-sets.
摘要翻译：公开了用于从声音或其他获得的文本推断意义的系统，装置，电路和方法。语音用户的语音被采样和数字化，数字化语音被转换为文本流，从语音或其他获得的文本流在语法和语义上被分析，利用文本流的特定上下文领域中的知识库来构造一个或多个语义/语法域特定查询分析约束/规则集，并且至少部分地基于域特定查询分析约束/规则集来构建“域特定知识库查询”（DSKQ）或一组查询。

10. 发明申请

WO2014083390A1 СПОСОБ ОБУЧЕНИЯ ИНФОРМАЦИОННОЙ ДИАЛОГОВОЙ СИСТЕМЫ ПОЛЬЗОВАТЕЛЕМ 审中-公开
标题翻译：用户培训信息对话系统的方法
公开(公告)号：WO2014083390A1
公开(公告)日：2014-06-05
申请号：PCT/IB2012/056973
申请日：2012-12-05
申请人： "СПИКТУИТ"
发明人： ГЕЛЬФЕНБЕЙН, Илья Геннадьевич , ГЕЛЬФЕНБЕЙН, Ольга Александровна , ГОНЧАРУК, Артем Владимирович , ПЛАТОНОВ, Илья Андреевич , СИРОТИН, Павел Александрович
IPC分类号： G10L15/18 , G10L15/22 , G10L13/033
CPC分类号： G06F3/167 , G10L13/043 , G10L15/063 , G10L15/18 , G10L15/22 , G10L15/265 , G10L2015/0638 , G10L2015/223
摘要： Заявляемое изобретение относится к информационным технологиям, в частности к способу обучения информационной диалоговой системы пользователем на основе естественного языка. Способ обучения информационной диалоговой системы пользователем включает активацию пользователем подсистемы пользовательского ввода, ввод пользователем обучающего запроса, прием и преобразование подсистемой пользовательского ввода обучающего запроса пользователя в текст, передачу текста обучающего запроса, полученного в результате преобразования, диалоговому модулю, обработку диалоговым модулем текста обучающего запроса, формирование диалоговым модулем ответа на обучающий запрос, передачу ответа на обучающий запрос пользователю, при этом ответ на обучающий запрос формируют в виде голосовой реплики и/или текста, и/или действия, выполняемого системой.
摘要翻译：所要求保护的发明涉及信息技术领域，更具体地涉及一种用于使用者基于自然语言训练信息对话系统的方法。用于信息对话系统的用户训练的方法包括以下步骤：用户激活用户输入子系统，用户输入训练查询，用户训练查询被用户输入子系统接收并转换为文本，文本获得为将训练查询的转换结果发送到对话模块，由对话模块处理训练查询文本，由对话模块对训练查询的答案进行配置，将训练查询的答案发送给用户，其中所述训练查询的答案被制定为语音回复和/或文本，和/或由所述系统执行的动作。

你已经成功收藏专利！

检索式保存成功!

IPRDB

热门服务

关于我们

友情链接

联系方式