识别带口音的语音的制作方法

技术特征：
1.一种方法，包括：在数据处理硬件处接收由计算设备捕获的话语的音频数据；由所述数据处理硬件基于所述话语的音频数据内的音调或语调来识别所述话语的说话者的母语；基于所识别的所述话语的说话者的母语，由所述数据处理硬件为特定语言选择包括词语的发音的音素的口音库；以及由所述数据处理硬件使用通过所选择的口音库修改的语音识别引擎来生成所述话语的转录。2.根据权利要求1所述的方法，进一步包括由所述数据处理硬件提供所述话语的转录以用于输出。3.根据权利要求1所述的方法，其中：所述口音库是从均与特定语言内存在的不同的口音相关联的多个口音库中选择的；以及所述话语的说话者说出所述特定语言作为第二语言。4.根据权利要求1所述的方法，进一步包括：由所述数据处理硬件基于与所述计算设备的用户交互来获得设备个性化数据，其中，识别所述话语的说话者的母语进一步基于所述设备个性化数据。5.根据权利要求4所述的方法，其中，所述设备个性化数据包括上下文应用信息。6.根据权利要求1所述的方法，进一步包括：由所述数据处理硬件确定所述话语的说话者的人口统计特征数据，其中，识别所述话语的说话者的母语进一步基于所述话语的说话者的人口统计特征数据。7.根据权利要求6所述的方法，其中，所述说话者的人口统计特征数据包括所述说话者所位于的地理位置。8.根据权利要求6所述的方法，其中，所述说话者的人口统计特征数据是基于接收所述话语的计算设备的地址簿中存储的地址的国家。9.根据权利要求1所述的方法，进一步包括：由所述数据处理硬件确定所述话语的转录的准确度水平；以及基于所述话语的转录的准确度水平，选择一个或多个附加的口音库，其中，在生成所述话语的转录时，所述语音识别引擎进一步通过所选择的一个或多个附加的口音库被修改。10.根据权利要求9所述的方法，其中，随着所述转录的准确度水平增加，所选择的附加的口音库的数目增加。11.一种系统，包括：数据处理硬件；以及与所述数据处理硬件通信并且存储有指令的存储器硬件，所述指令在所述数据处理硬件上执行时使得所述数据处理硬件执行操作，所述操作包括：接收由计算设备捕获的话语的音频数据；基于所述话语的音频数据内的音调或语调来识别所述话语的说话者的母语；
基于所识别的所述话语的说话者的母语，为特定语言选择包括词语的发音的音素的口音库；以及使用通过所选择的口音库修改的语音识别引擎来生成所述话语的转录。12.根据权利要求11所述的系统，其中，所述操作进一步包括提供所述话语的转录以用于输出。13.根据权利要求11所述的系统，其中：所述口音库是从均与特定语言内存在的不同的口音相关联的多个口音库中选择的；以及所述话语的说话者说出所述特定语言作为第二语言。14.根据权利要求11所述的系统，其中，所述操作进一步包括：基于与所述计算设备的用户交互来获得设备个性化数据，其中，识别所述话语的说话者的母语进一步基于所述设备个性化数据。15.根据权利要求14所述的系统，其中，所述设备个性化数据包括上下文应用信息。16.根据权利要求11所述的系统，其中，所述操作进一步包括：确定所述话语的说话者的人口统计特征数据，其中，识别所述话语的说话者的母语进一步基于所述话语的说话者的人口统计特征数据。17.根据权利要求16所述的系统，其中，所述说话者的人口统计特征数据包括所述说话者所位于的地理位置。18.根据权利要求16所述的系统，其中，所述说话者的人口统计特征数据是基于接收所述话语的计算设备的地址簿中存储的地址的国家。19.根据权利要求11所述的系统，其中，所述操作进一步包括：确定所述话语的转录的准确度水平；以及基于所述话语的转录的准确度水平，从多个口音库中选择一个或多个附加的口音库，其中，在生成所述话语的转录时，所述语音识别引擎进一步通过所选择的一个或多个附加的口音库被修改。20.根据权利要求19所述的系统，其中，随着所述转录的准确度水平增加，所选择的附加的口音库的数目增加。

技术总结
本发明涉及识别带口音的语音。描述了用于识别带口音的语音的技术(300，400，500)和装置(100，200，700)。在一些实施例中，口音模块使用基于设备数据的口音库来识别(308)带口音的语音、基于识别的词语被设置为要提供到其中的应用字段而使用不同的语音识别校正水平、或者基于对未正确识别的语音做出的校正来更新(310)口音库。口音库。口音库。


技术研发人员：K
受保护的技术使用者：谷歌技术控股有限责任公司
技术研发日：2014.01.24
技术公布日：2021/12/13