TW201306536A - 應用於網路協定語音之多國語音辨識及翻譯幕顯像系統 - Google Patents

Abstract

一種應用於網路協定語音之多國語音辨識及翻譯幕顯像系統，包含多個網路通訊裝置，每一個中包含設定單元、網路協定語音單元、辨識單元以及翻譯單元，設定單元設定語言，網路協定語音單元發出或接收文字或語音訊息，並轉換為辨識請求訊息，辨識單元辨別辨識請求訊息，語言相同時，文字或語音訊息呈現在網路協定語音單元上，語言不相同時，將辨識訊息轉換成為翻譯請求訊息，翻譯單元接收翻譯請求訊息，並翻譯為所需的語言後，將翻譯之語音暨文字訊息發送至網路協定語音單元，以字幕呈現翻譯後的語音及文字，而能以本系統減少語言隔閡。

Description

應用於網路協定語音之多國語音辨識及翻譯幕顯像系統

本發明涉及一種應用於網路協定語音之多國語音辨識及翻譯幕顯像系統，而能執行多國語音辨識及翻譯系統，並以字幕呈現。

隨著網路的發展，網路協定語音(Voice over Internet Protocol，VOIP)，例如SKYPE軟體，透過網路傳遞語音、影像，已逐步地改變傳統電話通訊的方式，並由於成本便宜、潛在市場龐大，已經是目前網路通訊的兵家必爭之地。

然而，現在對於網路協定語音，雖然提供了網路無國界的方便性，但是仍缺乏即時轉換語音並翻譯文字的系統，因此，若能夠發展應用於網路協定語音之語音辨識及翻譯系統，則網路協定語音系統對於未來商業、社群的連繫將更為緊密。

本發明的主要目的是提供一種應用於網路協定語音之語音辨識及翻譯系統，該系統主要包含複數個網路通訊裝置，而網路通訊裝置的每一個都包含一設定單元、一網路協定語音(Voice over Internet Protocol，VOIP)單元、辨識單元以及翻譯單元。

設定單元對於VOIP單元設定所需的語言，發出一語言設定訊息至VOIP單元以及一語音決定訊息至辨識單元，VOIP單元用以發出一文字訊息或一語音訊息至另一網路通訊裝置，或從另一網路通訊裝置的VOIP單元接收一文字訊息或一語音訊息，並將所接收的該文字訊息或語音訊息轉換為一辨識請求訊息傳送至辨識單元，辨識單元接收該辨識請求訊息，當辨識出辨識請求訊息的語言與語音決定訊息設定之語言相同時，傳送一辨識相同訊息至該VOIP單元，而該文字訊息或語音訊息會直接在VOIP單元上呈現，而當辨識出辨識請求訊息的語言與語音決定訊息設定之語言不相同時，依照語音決定訊息所決定的語言，將該辨識訊息轉換成為一翻譯請求訊息並發出，翻譯單元接收該翻譯請求訊息，並將該翻譯請求訊息翻譯為所需的語言後，將一翻譯之語音暨文字訊息發送至VOIP單元，從而在VOIP單元上成呈現出翻譯後的語音及文字。

網路通訊裝置可以為手機、個人電腦、筆記型電腦、平板電腦、個人數位助理(Personal Digital Assistant，PDA)等，進一步地，可以透過伺服器裝置，來進行通訊，或是在伺服器裝置上進行辨識及/或翻譯的工作，以獲得較穩定的頻寬以及各種通訊結構的變化。

本發明的特色在於，能夠在常用VOIP直接配合語音/文字及翻譯的辨識系統，而使用者收到文字訊息或語音訊息時，能夠藉由辨識單元及翻譯單元的輔助，而在自身的VOIP單元顯示設定的語言及文字，因而，世界的各種語言隔閡能夠透過本發明應用於網路協定語音之語音辨識及翻譯系統而能最小化。

以下配合圖式及元件符號對本創作之實施方式做更詳細的說明，俾使熟習該項技藝者在研讀本說明書後能據以實施。

參閱第一圖，本發明第一實施例應用於網路協定語音之多國語音辨識及翻譯幕顯像系統之方塊示意圖。如第一圖所示，本發明第一實施例應用於網路協定語音之多國語音辨識及翻譯幕顯像系統1包含複數個網路通訊裝置10A、10B，網路通訊裝置10A、10B的每一個都包含一設定單元11、一網路協定語音(Voice over Internet Protocol，VOIP)單元13、辨識單元15以及翻譯單元17，設定單元11對於VOIP單元13設定所需的語言，發出一語言設定訊息至VOIP單元13以及一語音決定訊息至辨識單元15，網路通訊裝置10A的VOIP單元13用以發出一文字訊息或一語音訊息至另一網路通訊裝置10B，或從另一網路通訊裝置10B的VOIP單元13接收一文字訊息或一語音訊息，並將所接收的該文字訊息或語音訊息轉換為一辨識請求訊息傳送至辨識單元15，辨識單元15接收該辨識請求訊息，當辨識出辨識請求訊息的語言與語音決定訊息設定之語言相同時，傳送一辨識相同訊息至該VOIP單元13，而該文字訊息或語音訊息會直接在VOIP單元13上呈現出字幕，進一步也同時呈現語音，而當辨識出辨識請求訊息的語言與語音決定訊息設定之語言不相同時，依照語音決定訊息所決定的語言，將該辨識訊息轉換成為一翻譯請求訊息並發出，翻譯單元17接收該翻譯請求訊息，並將該翻譯請求訊息翻譯為所需的語言後，將一翻譯之語音暨文字訊息發送至VOIP單元13，從而在VOIP單元13上成呈現出翻譯後的字幕，進一步也同時呈現語音，其中網路通訊裝置10A、10B可以為手機、個人電腦、筆記型電腦、平板電腦、個人數位助理(Personal Digital Assistant，PDA)等。

參閱第二圖，本發明第二實施例應用於網路協定語音之多國語音辨識及翻譯幕顯像系統之方塊示意圖。如第二圖所示，第二實施例與第一實施例的主要差異在於網路通訊裝置10A、10B的通訊是藉由伺服器裝置30來執行，第二實施例的應用於網路協定語音之多國語音辨識及翻譯幕顯像系統2包含網路通訊裝置10A、10B以及伺服器裝置30，網路通訊裝置10A、10B的結構與第一實施例相同，在此不在贅述，伺服器裝置30包含一通訊單元31，第一實施例與第二實施例的差別在於，網路通訊裝置10A的VOIP單元13用以發出一文字訊息或一語音訊息至通訊單元31，再透過通訊單元31發送該一文字訊息或一語音訊息至另一網路通訊裝置10B的VOIP單元，接收的方式也是透過通訊單元31。

參閱第三圖，本發明第三實施例應用於網路協定語音之多國語音辨識及翻譯幕顯像系統之方塊示意圖。如第三圖所示，第三實施例的目的結合了第一實施例與第二實施例，第三實施例的網路通訊裝置10A、10B可結合了第一實施例的點對點通訊方式，以及第二實施例透過通訊單元31的方式，而具有兩種通訊流。

參閱第四圖，本發明第四實施例應用於網路協定語音之多國語音辨識及翻譯幕顯像系統之方塊示意圖。如第四圖所示，本發明第四實施例應用於網路協定語音之多國語音辨識及翻譯幕顯像系統4包含複數個網路通訊裝置20A、20B以及伺服器裝置32，網路通訊裝置20A、20B的每一個都包含一設定單元21以及一VOIP單元23，伺服器裝置32包含通訊單元31、辨識單元33以及翻譯單元35，與實施例三的主要差異在於，第四實施例是藉由在伺服器裝置32上執行辨識及翻譯的動作，設定單元21對於VOIP單元23設定所需的語言，發出一語言設定訊息至VOIP單元23以及一語音決定訊息至伺服器裝置32的辨識單元33，VOIP單元23用以發出一文字訊息或一語音訊息至伺服器裝置32的通訊單元31，通訊單元31將所接收到的文字訊息或語音訊息轉換為一辨識請求訊息並發送至辨識單元33，辨識單元33接收該辨識請求訊息，當辨識出辨識請求訊息的語言與語音決定訊息設定之語言相同時，傳送一辨識相同訊息至通訊單元31，而通訊單元會直接將該文字訊息或語音訊息會直接傳送至另一網路通訊裝置20B的VOIP單元23上呈現出字幕，進一步也同時呈現語音，而當辨識出辨識請求訊息的語言與語音決定訊息設定之語言不相同時，依照語音決定訊息所決定的語言，將該辨識訊息轉換成為一翻譯請求訊息並發出，翻譯單元35接收該翻譯請求訊息，並將翻譯之語音暨文字訊息發送至通訊單元31，在由通訊單元31將翻譯之語音暨文字訊息發送至另一網路通訊裝置20B的VOIP單元23，從而在VOIP單元23上成呈現出翻譯後的字幕，進一步也同時呈現翻譯後的語音。

參閱第五圖，本發明第五實施例應用於網路協定語音之多國語音辨識及翻譯幕顯像系統之方塊示意圖。如第五圖所示，本發明第五實施例應用於網路協定語音之多國語音辨識及翻譯幕顯像系統5包含複數個網路通訊裝置22A、22B以及伺服器裝置34，網路通訊裝置22A、22B的每一個包含設定單元21、VOIP單元23以及辨識單元25，而伺服器裝置34包含通訊單元31以及翻譯單元35，設定單元21對於VOIP單元23設定所需的語言，發出一語言設定訊息至VOIP單元23以及一語音決定訊息至辨識單元25，網路通訊裝置22A之VOIP單元23用以發出一文字訊息或一語音訊息至伺服器裝置34的通訊單元31，通訊單元31將所接收到的文字訊息或語音訊息轉換為一辨識請求訊息並發送至網路通訊裝置22B的辨識單元33，辨識單元33接收該辨識請求訊息，當辨識出辨識請求訊息的語言與語音決定訊息設定之語言相同時，傳送一辨識相同訊息至通訊單元31，而通訊單元會直接將該文字訊息或語音訊息會直接傳送至另一網路通訊裝置22B的VOIP單元23上呈現出字幕，進一步也同時呈現語音，而當辨識出辨識請求訊息的語言與語音決定訊息設定之語言不相同時，依照語音決定訊息所決定的語言，將該辨識訊息轉換成為一翻譯請求訊息並發出，伺服器裝置34的翻譯單元35接收該翻譯請求訊息，並將翻譯之語音暨文字訊息發送至通訊單元31，在由通訊單元31將翻譯之語音暨文字訊息發送至另一網路通訊裝置22B的VOIP單元23，從而在VOIP單元23上成呈現出翻譯後的字幕，進一步也同時呈現翻譯後的語音。

參閱第六圖，本發明第六實施例應用於網路協定語音之多國語音辨識及翻譯幕顯像系統之方塊示意圖。如第六圖所示，本發明第六實施例應用於網路協定語音之多國語音辨識及翻譯幕顯像系統6包含複數個網路通訊裝置24A、24B以及伺服器裝置36，網路通訊裝置20A、20B的每一個都包含一設定單元21、一VOIP單元23以及一翻譯單元27，伺服器裝置32包含通訊單元31、以及辨識單元33，設定單元21對於VOIP單元23設定所需的語言，發出一語言設定訊息至VOIP單元23以及一語音決定訊息至伺服器裝置6的辨識單元33，網路通訊裝置24A的VOIP單元23用以發出一文字訊息或一語音訊息至伺服器裝置36的通訊單元31，通訊單元31將所接收到的文字訊息或語音訊息轉換為一辨識請求訊息並發送至辨識單元33，辨識單元33接收該辨識請求訊息，當辨識出辨識請求訊息的語言與語音決定訊息設定之語言相同時，傳送一辨識相同訊息至通訊單元31，而通訊單元會直接將該文字訊息或語音訊息會直接傳送至另一網路通訊裝置24B的VOIP單元23上呈現出字幕，進一步也同時呈現語音，而當辨識出辨識請求訊息的語言與語音決定訊息設定之語言不相同時，依照語音決定訊息所決定的語言，將該辨識訊息轉換成為一翻譯請求訊息並發出，一網路通訊裝置24B的翻譯單元27接收該翻譯請求訊息，將翻譯之語音暨文字訊息發送至另一網路通訊裝置24B的VOIP單元23，從而在VOIP單元23上成呈現出翻譯後的字幕，進一步也同時呈現翻譯後的語音。

本發明的特色在於，能夠在常用VOIP直接配合語音/文字及翻譯的辨識系統，而使用者收到文字訊息或語音訊息時，能夠藉由辨識單元及翻譯單元的輔助，而在自身的VOIP單元以字幕顯示設定的語言及文字，因而，世界的各種語言隔閡能夠透過本發明應用於網路協定語音之語音辨識及翻譯系統而能最小化。

本發明中各種訊息可以為數位信號或類比信號，傳遞訊息的方式包含利用數位串流(Streaming)及封包(Packets)等，而整體系統的架構為定時啟動通訊協定(Session Initiation Protocol,SIP)或是各種點對點(peer-to-peer，P2P)通訊，例如，匿名點對點通訊(Anonymous peer-to-peer),架構點對點通訊(Structured peer-to-peer)、未架構點對點通訊(Unstructured peer-to-peer)、單純點對點通訊(Pure peer-to-peer)、混合點對點通訊(Hybrid peer-to-peer)以及集中化點對點通訊(Centralized peer-to-peer)。以上僅作為列舉示例，但不作為本發明的限定，但本領域具有習用技術者能依據本發明的教示及習用技術的結合，來延伸或改良。

以上所述者僅為用以解釋本發明之較佳實施例，並非企圖據以對本發明做任何形式上之限制，是以，凡有在相同之發明精神下所作有關本發明之任何修飾或變更，皆仍應包括在本發明意圖保護之範疇。

1．．．應用於網路協定語音之多國語音辨識及翻譯幕顯像系統

2．．．應用於網路協定語音之多國語音辨識及翻譯幕顯像系統

3．．．應用於網路協定語音之多國語音辨識及翻譯幕顯像系統

4．．．應用於網路協定語音之多國語音辨識及翻譯幕顯像系統

5．．．應用於網路協定語音之多國語音辨識及翻譯幕顯像系統

6．．．應用於網路協定語音之多國語音辨識及翻譯幕顯像系統

10A．．．網路通訊裝置

10B．．．網路通訊裝置

11．．．設定單元

13．．．網路協定語音單元

15．．．辨識單元

17．．．翻譯單元

20A．．．網路通訊裝置

20B．．．網路通訊裝置

21．．．設定單元

22A．．．網路通訊裝置

22B．．．網路通訊裝置

23．．．網路協定語音單元

24A．．．網路通訊裝置

24B．．．網路通訊裝置

25．．．辨識單元

27．．．翻譯單元

30．．．伺服器裝置

31．．．通訊單元

32．．．伺服器裝置

33．．．辨識單元

34．．．伺服器裝置

35．．．翻譯單元

36．．．伺服器裝置

第一圖本發明第一實施例應用於網路協定語音之多國語音辨識及翻譯幕顯像系統之方塊示意圖。

第二圖本發明第二實施例應用於網路協定語音之多國語音辨識及翻譯幕顯像系統之方塊示意圖。

第三圖本發明第三實施例應用於網路協定語音之多國語音辨識及翻譯幕顯像系統之方塊示意圖。

第四圖本發明第四實施例應用於網路協定語音之多國語音辨識及翻譯幕顯像系統之方塊示意圖。

第五圖本發明第五實施例應用於網路協定語音之多國語音辨識及翻譯幕顯像系統之方塊示意圖。

第六圖本發明第六實施例應用於網路協定語音之多國語音辨識及翻譯幕顯像系統之方塊示意圖。

1．．．應用於網路協定語音之多國語音辨識及翻譯幕顯像系統

10A．．．網路通訊裝置

10B．．．網路通訊裝置

11．．．設定單元

13．．．網路協定語音單元

15．．．辨識單元

17．．．翻譯單元

Claims (14)

1. 一種應用於網路協定語音之多國語音辨識及翻譯幕顯像系統，包含：複數個網路通訊裝置，該等網路通訊裝置的每一個包含：一設定單元，發出一語言設定訊息以及一語音決定訊息以設定所需的語言；一網路協定語音單元，接收該語言設定訊息，並發出一文字訊息或一語音訊息至另一網路通訊裝置，或從另一網路通訊裝置的網路協定語音單元接收一文字訊息或一語音訊息，並將所接收的該文字訊息或語音訊息轉換為一辨識請求訊息並傳送；一辨識單元，接收該語言決定訊息及該辨識請求訊息，當辨識出該辨識請求訊息的語言與該語音決定訊息設定之語言相同時，傳送一辨識相同訊息至該網路協定語音單元，而該文字訊息或語音訊息會直接在網路協定語音單元上呈現，而當辨識出該辨識請求訊息的語言與該語音決定訊息設定之語言不相同時，依照該語音決定訊息所設定的語言，將該辨識訊息轉換成為一翻譯請求訊息並發出；以及一翻譯單元，接收該翻譯請求訊息，並將該翻譯請求訊息翻譯為所需的語言後，將一翻譯之語音暨文字訊息發送至該網路協定語音單元，從而在該網路協定語音單元上成呈現出翻譯後的語音及文字。
2. 如申請專利範圍第1項所述之系統，其中該等網路通訊裝置為手機、個人電腦、筆記型電腦、平板電腦以及個人數位助理的至少其中之一。
3. 一種應用於網路協定語音之多國語音辨識及翻譯幕顯像系統，包含：複數個網路通訊裝置；以及一伺服器單元，包含一通訊單元；其中該等網路通訊裝置的每一個包含：一設定單元，發出一語言設定訊息以及一語音決定訊息以設定所需的語言；一網路協定語音單元，接收該語言設定訊息，並發出文字訊息或語音訊息至該通訊單元，或從該通訊單元接收來自另一網路通訊裝置的文字訊息或語音訊息，並將所接收的該文字訊息或語音訊息轉換為一辨識請求訊息並傳送；一辨識單元，接收該語言決定訊息及該辨識請求訊息，當辨識出該辨識請求訊息的語言與該語音決定訊息設定之語言相同時，傳送一辨識相同訊息至該網路協定語音單元，而該文字訊息或語音訊息會直接在網路協定語音單元上呈現，而當辨識出該辨識請求訊息的語言與該語音決定訊息設定之語言不相同時，依照該語音決定訊息所設定的語言，將該辨識訊息轉換成為一翻譯請求訊息並發出；以及一翻譯單元，接收該翻譯請求訊息，並將該翻譯請求訊息翻譯為所需的語言後，將一翻譯之語音暨文字訊息發送至該網路協定語音單元，從而在該網路協定語音單元上成呈現出翻譯後的語音及文字。
4. 如申請專利範圍第3項所述之系統，其中該等網路通訊裝置為手機、個人電腦、筆記型電腦、平板電腦以及個人數位助理的至少其中之一。
5. 如申請專利範圍第3項所述之系統，其中該等網路通訊裝置的該網路協定語音單元，進一步能發出該文字訊息或該語音訊息至另一網路通訊裝置的該網路協定語音單元，並從另一網路通訊裝置的該網路協定語音單元接收該文字訊息或該語音訊息。
6. 一種應用於網路協定語音之多國語音辨識及翻譯幕顯像系統，包含：複數個網路通訊裝置，該等網路通訊裝置包含一設定單元以及一網路協定語音單元，該設定單元，發出一語言設定訊息以及一語音決定訊息，以設定所需的語言；該網路協定語音單元，接收該語言設定訊息，並用以發出一文字訊息或一語音訊息；以及一伺服器裝置，包含一通訊單元、一辨識單元以及一翻譯單元，該通訊單元接收該文字訊息或該語音訊息，並將所接收到的文字訊息或語音訊息轉換為一辨識請求訊息，該辨識單元接收該語音決定訊息及該辨識請求訊息，當辨識出該辨識請求訊息的語言與該語音決定訊息設定之語言相同時，傳送一辨識相同訊息至該通訊單元，而該通訊單元會直接將該文字訊息或該語音訊息會直接傳送至另一網路通訊裝置的網路通訊裝置單元上呈現，而當辨識出該辨識請求訊息的語言與該語音決定訊息設定之語言不相同時，依照該語音決定訊息所決定的語言，將該辨識訊息轉換成為一翻譯請求訊息並發出，該翻譯單元接收該翻譯請求訊息，並將翻譯之語音暨文字訊息發送至該通訊單元，再由該通訊單元將一翻譯之語音暨文字訊息發送至另一網路通訊裝置的該網路協定語音單元，從而在該網路協定語音單元上成呈現出翻譯後的語音及文字。
7. 如申請專利範圍第6項所述之系統，其中該等網路通訊裝置為手機、個人電腦、筆記型電腦、平板電腦以及個人數位助理的至少其中之一。
8. 如申請專利範圍第6項所述之系統，其中該等網路通訊裝置的該網路協定語音單元，進一步能發出該文字訊息或該語音訊息至另一網路通訊裝置的該網路協定語音單元，並從另一網路通訊裝置的該網路協定語音單元接收該文字訊息或該語音訊息。
9. 一種應用於網路協定語音之多國語音辨識及翻譯幕顯像系統，包含：複數個網路通訊裝置，該等網路通訊裝置的每一個包含：一設定單元，發出一語言設定訊息以及一語音決定訊息；一網路協定語音單元，接收該語言設定訊息，用以發出及接收一文字訊息或一語音訊息，並將所接收的該文字訊息或語音訊息轉換為一辨識請求訊息並發出；一翻譯單元，接收該翻譯請求訊息，並將一翻譯之語音暨文字訊息發送至該網路協定語音單元；以及一伺服器裝置，包含一通訊單元以及一辨識單元，該通訊單元接收該文字訊息或該語音訊息，在發送至另一網路通訊裝置的網路協定語音單元，從而在該網路協定語音單元上成呈現出翻譯後的語音及文字，該辨識單元接收該辨識請求訊息，當辨識出該辨識請求訊息的語言與該語音決定訊息之語言相同時，傳送一辨識相同訊息至該通訊單元，而該文字訊息或該語音訊息會直接在該網路協定語音單元上呈現，而當辨識出該辨識請求訊息的語言與該語音決定訊息之語言不相同時，依照該語音決定訊息所決定的語言，將該辨識訊息轉換成為一翻譯請求訊息並發出至網路通訊裝置的翻譯單元。
10. 如申請專利範圍第9項所述之系統，其中該等網路通訊裝置為手機、個人電腦、筆記型電腦、平板電腦以及個人數位助理的至少其中之一。
11. 如申請專利範圍第9項所述之系統，其中該等網路通訊裝置的該網路協定語音單元，進一步能發出該文字訊息或該語音訊息至另一網路通訊裝置的該網路協定語音單元，並從另一網路通訊裝置的該網路協定語音單元接收該文字訊息或該語音訊息。
12. 一種應用於網路協定語音之多國語音辨識及翻譯幕顯像系統，包含：複數個網路通訊裝置，該等網路通訊裝置的每一個包含：一設定單元，發出一語言設定訊息以及一語音決定訊息；一網路協定語音單元，接收該語言設定訊息，用以發出及接收一文字訊息或一語音訊息，並將所接收的該文字訊息或語音訊息轉換為一辨識請求訊息並發出；一辨識單元，接收該辨識請求訊息，當辨識出該辨識請求訊息的語言與該語音決定訊息之語言相同時，傳送一辨識相同訊息至該網路協定語音單元，而該文字訊息或該語音訊息會直接在該網路協定語音單元上呈現，而當辨識出該辨識請求訊息的語言與該語音決定訊息之語言不相同時，依照該語音決定訊息所決定的語言，將該辨識訊息轉換成為一翻譯請求訊息並發出；以及一伺服器裝置，包含一通訊單元以及一翻譯單元，該通訊單元接收該文字訊息或該語音訊息，在發送至另一網路通訊裝置的網路協定語音單元，從而在該網路協定語音單元上成呈現出翻譯後的語音及文字，該翻譯單元接收該翻譯請求訊息，並將一翻譯之語音暨文字訊息發送至該網路協定語音單元。
13. 如申請專利範圍第12項所述之系統，其中該等網路通訊裝置為手機、個人電腦、筆記型電腦、平板電腦以及個人數位助理的至少其中之一。
14. 如申請專利範圍第12項所述之系統，其中該等網路通訊裝置的該網路協定語音單元，進一步能發出該文字訊息或該語音訊息至另一網路通訊裝置的該網路協定語音單元，並從另一網路通訊裝置的該網路協定語音單元接收該文字訊息或該語音訊息。