Система и способ автоматизированной записи речи с использованием двух экземпляров преобразования речи и автоматизированной коррекции

1 Область техники Настоящее изобретение относится в целом к компьютерным системам распознавания речи и, в частности, к системе и способу для автоматизации записи (транскрибирования) текста,произносимого различными конечными пользователями. Предшествующий уровень техники Из уровня техники общеизвестны программы распознавания речи. Хотя эти программы исключительно полезны при автоматическом преобразовании речи в текст, многих пользователей отговаривают использовать эти программы, поскольку они требуют от каждого пользователя потратить значительное время на обучение системы. Обычно это обучение начинается с того, что каждый пользователь должен прочитать несколько заранее выбранных материалов в течение приблизительно 20 мин. Затем,в процессе продолжения использования программы пользователем, если слова записываются неверно, ожидается, что пользователь должен останавливаться и обучать программу нужному слову, улучшая конечную точность акустической модели. К сожалению, большинство профессионалов (врачи, стоматологи, ветеринары,адвокаты) и бизнесмены не желают тратить время на разработку обязательной акустической модели, чтобы реально получать выгоду от автоматизированной записи речи. Соответственно, задача настоящего изобретения состоит в создании системы, предоставляющей конечным пользователям прозрачный механизм обучения программы распознавания речи. Существуют системы для использования компьютеров для маршрутизации записи речи от группы конечных пользователей. Чаще всего эти системы используются в таких крупных многопользовательских системах, как больницы. В этих системах пользователь надиктовывает голосом в компьютер общего назначения или другое записывающее устройство, и результирующий файл автоматически передатся к оператору, осуществляющему запись речи. Этот оператор транскрибирует файл, который затем возвращается "автору" для просмотра. Эти системы постоянно требуют использования значительного количества операторов, записывающих речь, для транскрибирования всех файлов речевого ввода. Соответственно, ещ одна задача настоящего изобретения состоит в создании автоматизированного средства перевода речи в текст в любой подходящей ситуации так, чтобы минимизировать количество операторов, осуществляющих транскрибирование аудиофайлов, поступающих из системы. Также задачей изобретения является создание упрощнного средства для выработки пословных текстовых файлов для обучения акустической модели пользователя в подсистеме 2 распознавания речи системы. Ещ одной задачей настоящего изобретения является автоматизация существующей программы распознавания речи для дополнительного снижения количества операторов, необходимых для работы системы. Эти и прочие задачи поясняются с помощью представленных чертежей, описания и формулы изобретения. Сущность изобретения Настоящее раскрытие изобретения относится к системе и способу для существенной автоматизации услуг по записи речи для одного или нескольких речевых пользователей. В частности, эта система включает в себя использование двух экземпляров преобразования речи для упрощения процедуры получения текста в дословной записи речи с минимальным транскрибированием оператором. Эта система включает в себя средство для прима файла речевого ввода от текущего пользователя. Такой файл речевого ввода податся в первое средство для автоматического преобразования файла речевого ввода в первый письменный текст и во второе средство для автоматического преобразования файла речевого ввода во второй письменный текст. Первое и второе средства имеют соответственно первое и второе множества переменных преобразований. Эти первое и второе множества переменных преобразования имеют по меньшей мере одно отличие. Например, когда первое и второе средства для автоматического преобразования речи содержат каждое уже существующую программу распознавания речи, сами программы могут отличаться друг от друга. Различные программы распознавания речи используют принципиально различные подходы к преобразованию речи в текст, таким образом, с некоторой вероятностью, приводя к различному преобразованию с учетом сложных манер произнесения речи, что,в свою очередь, может быть использовано для получения записи дословного текста. Среди доступных уже существующих средств преобразования речи - Naturally Speaking компанииMagic Speech компании Philips Corporation. При другом подходе первое и второе множество переменных преобразования может содержать языковую модель (т.е. обобщенную или специализированную языковую модель), которые опять же с некоторой вероятностью приводят к различным преобразованиям, с учетом сложных манер произнесения, ведущим к более простому получению дословного текста. Альтернативно может модифицироваться одна или несколько настроек, связанных с используемыми существующими программами распознавания речи. При ещ одном подходе файл речевого ввода может предварительно обрабатываться до 3 ввода его в одно или в оба средства автоматического преобразования. При этом способе переменные преобразования (например, размер цифрового слова, частота дискретизации и удаление отдельных гармонических диапазонов) могут различаться в различных получаемых экземплярах преобразования речи. Система также содержит средство для редактирования вручную копии упомянутых первого и второго письменных текстов для создания дословного текста файла речевого ввода. При одном из подходов первый письменный текст по меньшей мере временно синхронизируется с файлом речевого ввода. В этом случае средство для редактирования вручную содержит средство для последовательного сравнения копий первого и второго письменных текстов, что позволяет получить последовательный список несовпадающих слов, отобранных из первого письменного текста. Средство для редактирования вручную также включает в себя средство для пошагового поиска текущего несовпадающего слова одновременно в первом буфере, связанном с первым средством автоматического преобразования, содержащим первый письменный текст, и во втором буфере, связанном с последовательным списком. Средство для редактирования вручную также содержит средство для коррекции текущего несовпадающего слова во втором буфере. Средство для коррекции включает в себя средство для отображения текущего несовпадающего слова так, чтобы оно существенно отличалось визуально от остального текста в первом письменном тексте, и средство для воспроизведения части упомянутой синхронизированной записи речевого ввода из первого буфера, связанной с текущим несовпадающим словом. В одном варианте выполнения средство редактирования также содержит средство для альтернативного просмотра упомянутого текущего несовпадающего слова в контексте в копии первого письменного текста. Система может также содержать обучающее средство для улучшения точности программы распознавания речи. Заявка также раскрывает способ автоматизации услуг записи речи для одного или нескольких речевых пользователей в системе, содержащей по меньшей мере одну программу распознавания речи. Способ включает в себя:(1) прим файла речевого ввода от текущего речевого пользователя; (2) автоматическое формирование первого письменного текста из файла речевого ввода с помощью программы распознавания речи, использующей первое множество переменных преобразования; (3) автоматическое формирование второго письменного текста из файла речевого ввода с помощью программы распознавания речи, использующей второе множество переменных преобразования; (4) формирование вручную дословного файла путм сравнения первого и второго письменных 4 текстов; и (5) возвращение дословного файла текущему пользователю. Формирование дословного файла включает в себя (6) последовательное сравнение копии первого письменного текста со вторым письменным текстом, что обепечивает получение последовательного списка несовпадающих слов, выявленных в копии первого письменного текста, причм этот последовательный список имеет начало, конец и текущее несовпадающее слово, при этом текущее несовпадающее слово последовательно смещается от начала к концу; (7) пошаговый поиск текущего несовпадающего слова одновременно в первом буфере, связанном по меньшей мере с одной программой распознавания речи, содержащем первый письменный текст, и во втором буфере, связанном с последовательным списком; (8) отображение текущего несовпадающего слова так, чтобы оно визуально значительно отличалось от остального текста в копии первого письменного текста, и воспроизведение части синхронизированной записи речевого ввода из первого буфера, связанной с текущим несовпадающим словом; и (9) коррекцию текущего несовпадающего слова так, чтобы оно было дословным представлением части синхронизированной записи речевого ввода. Краткое описание чертежей Фиг. 1 - блок-схема возможного варианта выполнения настоящей системы для существенной автоматизации услуги записи речи для одного или нескольких речевых пользователей; фиг. 1 б - блок-схема компьютера общего назначения, который может использоваться в качестве станции речевого ввода, станции записи речи и средства управления в настоящей системе; фиг. 2 а - блок-схема алгоритма основного цикла средства управления настоящей системы; фиг. 2 б - блок-схема алгоритма части стадии внесения в список средства управления настоящей системы; фиг. 2 в - блок-схема алгоритма части стадии обучения средства управления настоящей системы; фиг. 2 г - блок-схема алгоритма части стадии автоматизации средства управления настоящей системы; фиг. 3 - структура каталога, используемая средством управления настоящей системы; фиг. 4 - блок-схема части предпочтительного варианта выполнения средства редактирования вручную; фиг. 5 - вид спереди остальной части предпочтительного варианта выполнения средства редактирования вручную; и фиг. 6 - иллюстрация конфигурации системы, представляющей систему и способ автоматизированной записи речи с помощью двух полученных экземпляров преобразования речи и автоматизированной коррекции. 5 Наилучшие варианты осуществления изобретения Хотя изобретение может быть реализовано во многих различных формах, на чертежах показаны и обсуждаются несколько конкретных вариантов выполнения, при этом подразумевается, что настоящее раскрытие не ограничивает изобретение проиллюстрированными выполнениями. Фиг. 1 в целом показывает один возможный вариант выполнения настоящей системы для услуг автоматизации записи речи для одного или нескольких речевых пользователей. Настоящая система должна включать в себя некоторое средство для прима файла речевого ввода от текущего пользователя. Это средство для прима файла речевого ввода может представлять собой устройство цифровой аудиозаписи,устройство аналоговой аудиозаписи или стандартное средство для прима компьютерных файлов на магнитных носителях или по линии передачи данных. Как показано, в одном варианте выполнения система 100 включает в себя множество станций 10, 11, 12 и 13 цифровой записи. Каждая станция цифровой записи содержит по меньшей мере устройство цифровой аудиозаписи и средство идентификации текущего речевого пользователя. Предпочтительно, каждая из этих станций цифровой записи реализована на компьютере общего назначения (таком, как компьютер 20),хотя для этой цели может быть разработан специальный компьютер. Компьютер общего назначения, тем не менее, имеет дополнительное преимущество адаптируемости к изменяющимся использованиям в дополнение к работе в системе 100. В целом компьютер общего назначения должен иметь, среди прочих элементов,микропроцессор (такой, как Pentium, Cyrix К 6 или Motorola 68000 фирмы Intel Corporation); энергозависимую и энергонезависимую память; одно или несколько устройств хранения данных(т.е. дисковод жстких дисков (не показан), дисковод 21 гибких дисков и прочие съмные устройства 22 для таких накопителей, как CDROM, DITTO, ZIP или JAZZ (фирмы IomegaCorporation) и тому подобное; различные устройства ввода, такие как мышь 23, клавиатура 24 или микрофон 25; и видеодисплейную систему 26. В одном выполнении компьютер общего назначения управляется операционной системойWindows 9.x. Предполагается, однако, что настоящая система будет одинаково хорошо работать на компьютере Macintosh или даже при другой операционной системе, такой как Windows СЕ, UNIX или операционной системе на основе Java. Независимо от используемой компьютерной платформы, в варианте выполнения, использующем аналоговый аудиоввод (через микрофон 25), компьютер общего назначения дол 004352 6 жен содержать звуковую карту (не показана). Разумеется, в выполнении с цифровым вводом звуковая карта необязательна. В варианте выполнения, показанном на фиг. 1, 10, 11, 12 и 13, файлы цифровой аудиозаписи загружаются и конфигурируются так,чтобы запускать программное обеспечение цифровой аудиозаписи в компьютерной системе на основе процессора Pentium, действующей под операционной системой Windows 9.x. Такое программное обеспечение цифровой записи доступно в качестве утилиты операционной системы Windows 9.x или таких независимых поставщиков, как The Programmers' Consortium,Inc., Oakton, Virginia (VOICEDOC), SyntrilliumSpeaking Professional Edition). Эти различные программы вырабатывают надиктованный голосом файл в формате ".WAV". Однако, как известно специалистам, прочие форматы аудиофайлов, такие, как МРЗ или DSS, также могут использоваться в качестве форматов надиктованного голосом файла без изменения сущности настоящего изобретения. В одном варианте выполнения, в котором используется программаVOICEDOC, эта программа автоматически также присваивает файлу расширение WAV, однако, специалистам известно, как сохранить аудиофайлы в компьютерной системе с помощью стандартных способов управления файлами операционной системы. Ещ одно средство для прима файла речевого ввода подразумевает устройство 14 цифровой записи, такое как Olympus Digital Voice Recorder D-1000, производимый компанией Olympus Corporation. Таким образом, если текущему речевому пользователю удобнее пользоваться более общепринятым типом устройства речевого ввода, он может продолжать использовать устройство 14 цифровой записи. Для получения цифрового аудиотекстового файла, после завершения записи, устройство 14 цифровой записи будет оперативно соединено с одной из станций цифровой аудиозаписи, такой как станция 13, для загрузки цифрового аудиофайла в данный компьютер общего пользования. При таком подходе, например, не потребуется звуковой карты. Ещ одна альтернатива для прима файла речевого ввода может заключаться в использовании той или иной формы съмного магнитного носителя, содержащего предварительно записанный аудиофайл. В этом случае оператор вводит съмный магнитный носитель в одну из станций цифровой аудиозаписи для загрузки аудиофайла в систему. В некоторых случаях может быть необходимым предварительно обработать аудиофайлы,чтобы сделать их приемлемыми для обработки программным обеспечением распознавания речи. Например, может оказаться необходимым 7 изменить формат файла с DSS на WAV, или увеличить или уменьшить частоту дискретизации цифрового аудиофайла. Например, при использовании Olympus Digital Voice Recorder с программой Dragon Naturally Speaking, частоту 8 МГц устройства Olympus следует поднять до 11 МГц. Программное обеспечение для выполнения такой предварительной обработки доступно из множества источников, в том числеSyntrillium Corporation и Olympus Corporation. Другим аспектом цифровых аудиозаписывающих станций цифровой аудиозаписи является некоторое средство для идентификации текущего речевого пользователя. Это средство идентификации может содержать клавиатуру 24, с которой каждый пользователь (или отдельный оператор) может вводить уникальный идентификационный код текущего пользователя. Разумеется, идентификация пользователя может вводиться с помощью множества устройств компьютерного ввода, таких как устройства указания (например, мышь 23), сенсорный экран (не показан), световой карандаш (не показан), устройство считывания штрих-кода (не показан) или аудиосигналов через микрофон 25. В случае, если пользователь работает первый раз, средство идентификации может присваивать пользователю идентификационный номер после прима идентификационной информации от этого пользователя, в том числе:(1) имени; (2) адреса; (3) рода занятий; (4) особенностей произношения и т.д. Как обсуждается в связи со средством управления, на основании этой информации в средстве управления создаются профиль речевого пользователя и подкаталог. Тем самым, независимо от использования конкретного средства идентификации должна производиться идентификация для каждого речевого пользователя, которому затем присваивается соответствующий цифровой аудиофайл для каждого использования, так что средство управления может правильным образом маршрутизировать, а система может транскрибировать аудиозапись. В одном варианте выполнения настоящего изобретения средство идентификации может также ожидать выбора вручную специализированного словаря. Предполагается, что специализированные словари могут быть общими для различных пользователей, например медицинскими (т.е. радиологический, хирургический ортопедический, гинекологический) и юридическими (т.е. по экономическому, патентному,процессуальному праву), либо высоко специализированными, так что по каждой специальности параметры словаря могут дополнительно ограничиваться на основании конкретных условий отдельного надиктованного файла. Например, если текущий пользователь является радиологом, диктующим текст по компьютерной томографии брюшной области, терминология является высоко специализированной и отлича 004352 8 ется от терминологии для ультразвукового исследования почек. Путм узкого сегментирования каждого доступного словаря с большой вероятностью достижимо увеличение точности автоматического преобразователя речи. Как показано на фиг. 1, станции цифровой аудиозаписи могут оперативно соединяться с системой 100 в качестве части компьютерной сети 30 или, альтернативно, они могут оперативно соединяться с системой через интернетовский базовый компьютер 15. Как показано на фиг. 1 б, компьютер общего назначения может быть соединн как с сетевым разъмом 27, так и с телефонным разъмом. С помощью интернетовского базового компьютера соединение может выполняться путм пересылки аудиофайла по сети интернет посредством электронной почты. Другой способ выполнения такого соединения заключается в прямом модемном соединении посредством такого программного обеспечения удалнного доступа,как PC Anywhere, распространяемого компаниейSymantec Corporation, Cupertino, California. Также возможно, если известен IP-адрес станции 10 цифровой аудиозаписи или интернетовского базового компьютера 15, передавать аудиофайл, используя базовый протокол передачи файлов. Таким образом, как видно из вышесказанного, настоящая система предоставляет речевым пользователям большую гибкость для обеспечения аудиоввода в систему. Средство 200 управления управляет потоком данных файла речевого ввода на основании статуса обучения текущего речевого пользователя. Как показано на фиг. 2 а, 2 б, 2 в, 2 г, средство 200 управления содержит программу, выполняющуюся в компьютере 40 общего назначения. В частности, эта программа инициализируется на шаге 201, на котором назначаются переменные, очищаются буферы и загружается конкретная конфигурация для данной конкретной настройки средства управления. Средство управления постоянно отслеживает целевой каталог(такой как "current" - "текущий" (показан на фиг. 3, чтобы определить, перемещн ли в текущий каталог новый файл, на шаге 202. Как только найден новый файл (такой как "6723.id" (показан на фиг. 3, на шаге 203 определяется, является ли текущий пользователь 5 (показан на фиг. 1) новым пользователем. Для каждого нового пользователя (что указывается наличием файла ".pro" в подкаталоге"current") заводится новый подкаталог, на шаге 204 (такой, как подкаталог "usern" (показан на фиг. 3. Этот подкаталог используется для хранения всех аудиофайлов ("xxxx.wav"), письменных текстов ("xxxx.wrt"), дословных текстов("xxxx.vb"), текстов транскрипций ("xxxx.txt") и пользовательского профиля ("usern.pro") для данного конкретного пользователя. Каждое отдельное задание получает уникальный номер"хххх", такой, чтобы все файлы, связанные с этим заданием, могли ассоциироваться с дан 9 ным номером. При такой структуре каталога количество пользователей практически ограничено только объмом устройств хранения в компьютере 40 общего назначения. Теперь, когда заведн пользовательский подкаталог, профиль пользователя перемещается в этот подкаталог, на шаге 205. Содержание этого пользовательского профиля может изменяться в зависимости от системы. Содержание потенциального пользовательского профиля показано на фиг. 3 так: имя пользователя, адрес,род занятий и статус обучения. Кроме переменной статуса обучения, которая является обязательной, остальные данные полезны при маршрутизации и транскрибировании аудиофайлов. Средство управления, выбирающее одно множество файлов, определяет идентификацию текущего пользователя, сравнивая файл ".id" со своей таблицей "user.tbl", на шаге 206. Теперь,когда пользователь известен, профиль пользователя может быть выделен из подкаталога данного пользователя, и определяется текущий статус обучения, на шаге 207. Шаги 208 - 211 являются проверкой того, что текущий статус обучения является одним из следующих: регистрация,обучение, автоматизация и остановка автоматизации. Регистрация является первой стадией автоматизации услуг записи речи. Как показано на фиг. 2 б, на шаге 301 аудиофайл пересылается для записи речи. В частности, файл "xxxx.wav" передатся станциям 50 и 51 записи речи. В предпочтительном варианте выполнения обе этих станции являются компьютерами общего назначения, в которых запускаются как аудиоплеер, так и средство ручного ввода. Аудиоплеер может представлять собой цифровой аудиоплеер, хотя возможно передавать станциям и аналоговый аудиофайл. Различные аудиоплееры общедоступны, в том числе утилита операционной системы Windows 9.x и различные прочие продукты независимых производителей, например, компании The Programmers' Consortium,Inc., Oakton, Virginia (VOICESCRIBE). Независимо от используемого для воспроизведения файла аудиоплеера одновременно в компьютере запускается средство ручного ввода. Это средство ручного ввода может содержать любой текстовый редактор или текстовый процессорWordPad) в сочетании с клавиатурой, мышью или другим устройством пользовательского интерфейса. В одном из вариантов выполнения настоящего изобретения само это средство ручного ввода может представляет собой программное обеспечение распознавания речи, такое, как Naturally Speaking компании DragonSpeech Magic компании Philips Corporation, Atlanta, Georgia. Оператор 6 записи речи прослушивает аудиофайл, созданный текущим пользо 004352 10 вателем 5, и, как известно, вручную вводит воспринятое содержание этого записанного текста,создавая таким образом файл записи речи на шаге 302. Оператор 6 записи речи, очевидно,применит к обработке текста свой опыт и образование и, таким образом, введт не дословную транскрипцию аудиофайла. После завершения записи речи оператором оператор 6 сохраняет файл и указывает, что файл готов к передаче в текущий пользовательский подкаталог в виде"xxxx.txt", на шаге 303. Поскольку текущий пользователь находится только на стадии регистрации, оператор должен прослушивать аудиофайл и вручную сравнивать его с транскрибированным файлом, создавая дословный файл, на шаге 304. Этот дословный файл "xxxx.vb" также передатся в подкаталог текущего пользователя, на шаге 305. Теперь, когда доступен дословный текст, средство управления 200 запускает средство автоматического преобразования речи, на шаге 306. Это средство автоматического преобразования речи может представлять собой уже существующую программу, такую Naturally Speaking компании Dragon Systems, ViaVoice компанииPhilips. Альтернативно, оно может быть уникальной программой, разработанной специально для выполнения автоматизированного распознавания речи. В предпочтительном варианте выполнения используется программа Naturally Speaking компании Dragon Systems путм запуска одновременно с Naturally Speaking исполняемого файла,который вводит фантомные нажатия клавиш и действия мышью через WIN32API, так, что программа Naturally Speaking полагает, что взаимодействует с человеком, в то время как на самом деле управляется средством 200 управления. Такие методы общеизвестны в области тестирования компьютерного программного обеспечения и потому не обсуждаются подробно. Достаточно сказать, что путм наблюдения за работой приложения любой программы распознавания речи можно создать исполняемый файл, воспроизводящий интерактивные шаги процедуры обработки. Если текущий пользователь является новым пользователем, программе распознавания речи потребуется установить нового пользователя на шаге 307. Средство управления обеспечивает необходимую информацию из профиля пользователя, найденного в подкаталоге текущего пользователя. Все программы распознавания речи требуют значительного обучения для установления акустической модели отдельного пользователя. В случае с Dragon, сначала программа изучает приблизительно 20 мин аудиозаписи, обычно получаемой в процессе чтения текста пользователем, выдаваемого программой 11 помощью этого признака дословный файл и аудиофайл на шаге 308 вводятся в программу распознавания речи для обучения акустической модели данного пользователя. Независимо от длины данного аудиофайла, управляющее средство 200 управления на шаге 309 закрывает программу распознавания речи по окончании файла. Поскольку на стадии регистрации ещ слишком рано использовать автоматически созданный текст, копия файла записи речи отправляется на шаге 310 текущему пользователю по адресу, который содержится в профиле пользователя. Этот адрес может быть почтовым адресом или адресом электронной почты. После этой отправки программа возвращается к главному циклу по фиг. 2 а. По истечении определенного времени обучения для отдельного пользователя статус обучения этого пользователя может быть заменен с регистрации на обучение. Граница этого перехода субъективна, но вполне хорошим правилом является следующее: если системе Dragon удатся создавать письменный текст с точностью 80% и выше, можно изменить статус. Таким образом, для такого пользователя следующее событие процедуры записи речи переводит средство 200 управления в состояние обучения. Как показано на фиг. 2 в, шаги 401-403 являются теми же шагами записи речи оператором, что и шаги 301-303 стадии регистрации. Когда установлен файл записи речи, средство управления запускает средство автоматического преобразования речи (или программу распознавания речи) и выбирает текущего пользователя, на шаге 404. Файл записи речи податся в программу распознавания речи, и на шаге 405 создатся письменный текст в программном буфере. В случае с системой Dragon этому буферу присваивается тот же идентификатор файла в самом экземпляре программы. Таким образом, этот буфер можно легко скопировать с помощью стандартных команд операционной системы, и на шаге 406 можно начинать редактирование вручную. В одном частном варианте выполнения, использующем систему VOICEWARE компании TheVOICEDOC системы VOICEWARE, создавая тем самым файл ".wav". Вдобавок, перед передачей этого файла ".wav" серверу VOICEWARE, пользователь выбирает "транскрипциониста" (оператора записи речи). "Транскрипционистом" может быть отдельный опреатор или "автоматизированный транскрипционист". Если пользователь выбирает"автоматизированного транскрипциониста", он может также выбрать, выполняется ли запись речи локально или на удалнной машине. Этому файлу сервер VOICEWARE присваивает номер задания и маршрутизирует задание в часть VOICESCRIBE системы. Обычно VOICESCRIBE используется оператором записи речи для прима и воспроиз 004352 12 ведения аудиофайла задания (".wav"). Кроме того, аудиофайл захватывается средством автоматического преобразования речи. В варианте выполнения с системой VOICEWARE путм перевода VOICESCRIBE в "автоматический режим" новые задания (т.е. аудиофайл, заново созданный системой VOICEDOC) автоматически загружаются с сервера VOICEWARE, а окноVOICESCRIBE имеет заголовок окна, сформированный номером задания текущего файлаVOICESCRIBE и с помощью WIN32API определяет номер задания из заголовка окнаVOICESCRIBE. Затем исполняемый файл запускает средство автоматического преобразования речи. В Dragon Systems Naturally Speaking,например, существует встроенная функция для выполнения распознавания речи для уже существующего файла ".wav". Исполняемая программа вводит фантомные нажатия клавиш вNaturally Speaking для открытия файла ".wav" из"текущего" каталога (см. фиг. 3), имеющего номер текущего задания. В этом варианте выполнения, после того,как программа Naturally Speaking завершила автоматическую запись содержания файла".wav", исполняемый файл возобновляет действие путм выделения всего текста в открытом окне Naturally Speaking и копирования его в буфер обмена операционной системы Windows 9.x. Затем с помощью утилиты буфера обмена содержимое буфера обмена сохраняется как текстовый файл, используя номер текущего задания и расширение "dmt". Затем исполняемый файл задействует кнопку "завершить" вVOICESCRIBE, чтобы возвратить файл "dmt" серверу VOICEWARE. Специалистам в данной области техники должно быть ясно, что предшествующая процедура может быть проведена с помощью другого программного обеспечения цифровой записи и другого средства автоматического преобразования речи. Кроме того,функция, аналогичная буферу обмена Windows,существует в других операционных системах. Также возможно участие оператора для активизации или подсказки для выполнения одного или нескольких вышеописанных шагов. Дополнительно, различные программы, выполняющие различные шаги, могут запускаться на нескольких соединнных друг с другом компьютерах(через локальную сеть, глобальную сеть, интернет, электронную почту и тому подобное), также предполагается, что все необходимое программное обеспечение может запускаться на одном компьютере. Возможен еще один альтернативный подход, при котором пользователь надиктовывает непосредственно в средство автоматического преобразования речи, а сервер VOICEWARE снимает копию в обратном направлении. Этот подход работает следующим образом: без запи 13 си голоса пользователь щелкает по кнопке "завершить" в VOICEDOC, создавая таким образом пустой файл ".wav". Этот пустой файл получает,тем не менее, уникальный номер задания от сервера VOICEWARE. Пользователь (или выполняющийся в фоновом режиме файл) затем запускает средство автоматического преобразования речи, и пользователь осуществляет речевой ввод непосредственно в программу, тем же способом, который ранее использовался в связи с таким средством автоматического преобразования речи. По завершении речевого ввода пользователь нажимает кнопку с надписью"возврат" (выработанную фоновым исполняемым файлом), затем исполняемый файл запускает макрос, который считывает текущий номер задания из VOICEWARE (вышеописанным способом), выделяет весь текст в документе и копирует его в буфер обмена. Затем содержимое буфера обмена сохраняется в файл "номерзадания.dmt", как обсуждалось выше. Затем исполняемый файл "щлкает" кнопку "завершить" (через WIN32API) в VOICESCRIBE,что возвращает автоматически записанный текстовый файл обратно серверу VOICESCRIBE,который, в свою очередь, возвращает законченную запись речи пользователю VOICESCRIBE. Отметим, однако, что различные программы,выполняющие различные шаги этого процесса,могут запускаться на нескольких соединнных друг с другом компьютерах (через локальную сеть, глобальную сеть, соединение интернет,электронную почту и тому подобное); также предполагается, что все необходимое программное обеспечение может запускаться на одном компьютере. Как будет понятно специалистам, предшествующая процедура может быть проведена с помощью другого программного обеспечения цифровой записи и другого средства автоматического преобразования речи. Дополнительно, функция, аналогичная буферу обмена Windows, существует и в других операционных системах. Также возможно участие оператора для активизации или подсказки для выполнения одного или нескольких вышеописанных шагов. Редактирование вручную является непростой задачей, ввиду возможных ошибок оператора. Таким образом, настоящее изобретение также содержит средство для усовершенствования решения этой задачи. Как показано на фиг. 4, файл записи речи ("3333.txt") и копия письменного текста ("3333.wrt") последовательно сравниваются пословно 406 а для установления последовательного списка несовпадающих слов 406 б, которые отбираются из копии письменного текста. Этот список имеет начало и конец и указатель 406 в на текущее несовпадающее слово. В основе последовательного списка находится ещ один список объектов, содержащий начальные несовпадающие слова, а также слова, 004352 14 стоящие непосредственно до и после каждого несовпадающего слова, начальное положение в памяти каждого несовпадающего слова в последовательном списке несовпадающих слов 406 б и длину несовпадающего слова. Как показано на фиг. 5, несовпадающее слово, отмеченное указателем 406 в, из списка 406 б высвечивается со значительным визуальным отличием от остального текста в копии письменного текста на стандартном компьютерном мониторе 500 в активном окне 501. Как показано на фиг. 5, контекст несовпадающего слова может выделяться оператором, чтобы показываться в предложении, в котором оно находится, пословно или в контексте фразы, посредством щелчков по клавишам 514, 515 и 516 соответственно. С активным окном 501 связано фоновое окно 502, которое содержит копию письменного текста. Как показано в фоновом окне 502, пошаговый поиск находит (см. указатель 503) следующее появление текущего несовпадающего слова "cash". Одновременно с этим, в окне 505,содержащем буфер из программы распознавания речи, тот же пошаговый поиск находит (см. указатель 506) следующее появление текущего несовпадающего слова. Пользователь будет,просматривая активное окно 501, активировать аудиовоспроизведение из программы распознавания речи путем щелчка по кнопке 510 "воспроизведение", которая воспроизводит аудиозапись, синхронизированную с текстом по указателю 506. На основании этого отрезка речи, который может воспроизводиться снова и снова посредством щелканья по кнопке воспроизведения, пользователь может вводить корректировку текущего несовпадающего слова вручную посредством клавиатуры, мыши или посредством аудиосигналов другой программы распознавания речи, запущенной в этом окне. В настоящем примере, даже если кнопками 514, 515 и 516 обеспечен выбор изолированного контекста, вс ещ может быть сложно определить правильное дословное слово вне контекста. В связи с этим имеется кнопка 513 переключения окон, которая будет перемещать фоновое окно 502 на передний план с видимым указателем 503, отмечающим текущее положение в копии письменного текста. Пользователь может затем вернуться к активному окну и ввести правильное слово, "trash". Это изменение будет воздействовать только на копию письменного текста, отображаемого в фоновом окне 502. Когда оператор готов к обработке для следующего несовпадающего слова, оператор щлкает по кнопке 511 продвижения вперд, которая перемещает указатель 406 в вниз по списку несовпадающих слов и активизирует пошаговый поиск в обоих окнах 502 и 505. Это несовпадающее слово теперь высвечивается изолированно, и оператор может воспроизводить синхронизированную речь из программы распозна 15 вания речи, а также корректировать это слово. Если в любой момент работы оператор захочет вернуться к предыдущему несовпадающему слову, оператор щлкает по кнопке 512 возвращения, которая перемещает указатель 406 в на слово назад в списке и вызывает осуществление обратного пошагового поиска. Это реализуется с помощью соответствующего списка объектов,содержащего начальные несовпадающие слова. Этот список проходится объект за объектом, но альтернативно каждая запись может быть заполнена так, что каждый элемент имеет одну и ту же длину слова, что помогает при двунаправленном прохождении списка. Когда несовпадающие слова в этом списке считываются, можно только вернуться к начальному несовпадающему слову так, чтобы оператор мог определить, следует ли сделать иное исправление. Наконец, копия письменного текста окончательно откорректирована, давая в результате дословную копию, которая сохраняется в пользовательском подкаталоге. Дословный файл также передается на шаге 407 программе распознавания речи для обучения. Новая (или усовершенствованная) акустическая модель сохраняется на шаге 408, и программа распознавания речи закрывается, на шаге 409. Если система вс ещ находится в процессе обучения, транскрибированный файл возвращается пользователю,как на шаге 310 фазы регистрации. Как показано на фиг. 4, система может также содержать средство для определения степени точности на выходе средства последовательного сравнения. В частности, путм подсчта количества слов в письменном тексте и количества слов в списке 406 б можно определить отношение слов в упомянутом последовательном списке слов к словам в упомянутом письменном тексте, тем самым давая процент точности. Как и ранее, представляется возможность выбора, когда переводить пользователей с одной стадии на другую. Когда цель достигнута,профиль пользователя на шаге 211 меняется на следующую стадию. Одно потенциальное улучшение производных функциональных возможностей обеспечивается определением процента точности. В одном из вариантов выполнения этот процент может использоваться для оценки навыков оператора, осуществляющего запись речи. В частности, с помощью либо известного дословного файла, либо хорошо определнного пользователя соответствующий файл ".wav" будет воспроизводиться для оператора, и будет выполняться вышеописанное сравнение текста записи речи с дословным файлом, созданным в предшествующем процессе. Таким способом настоящая система может обеспечивать дополнительную функциональную возможность. В настоящее время производители программ распознавания речи используют записи на иностранных языках, речевые вводы и т.д. с 16 полученными вручную дословными файлами для программирования моделей речи. Следует понимать, что вышеописанный способ получения дословного текста может использоваться при начальной разработке этих речевых файлов,сильно упрощая этот процесс. Когда пользователь достиг стадии автоматизации, могут быть достигнуты наибольшие выгоды. Запускается программное обеспечение распознавания речи на шаге 600, и выбирается текущий пользователь, на шаге 601. По желанию может быть выбран частный словарь, на шаге 602. Затем может быть начато автоматическое преобразование записанного текущим пользователем цифрового аудиофайла на шаге 603. По завершении письменный файл передатся пользователю на основании информации,содержащейся в профиле пользователя на шаге 604, и программа возвращается к основному циклу. К сожалению, могут быть случаи, в которых пользователи, осуществляющие речевой ввод, не могут использовать автоматизированную запись речи в течение некоторого времени(во время болезни, после стоматологического лечения и т. д.) из-за того, что их акустическая модель временно (или даже навсегда) изменена. В этом случае администратор системы может присвоить переменной статуса обучения состояние остановки автоматизации, при котором выполняются только шаги 301, 302, 303, 305 и 310 (см. фиг. 2 б). Фиг. 6 показывает ещ одну возможную конфигурацию различных элементов, связанную с настоящим изобретением. При этой конфигурации, как и раньше, пользователь осуществляет речевой ввод документа, который он хотел бы иметь в письменном виде, который запоминается в виде файла 700 речевого ввода одним из вышеописанных способов. В данном выполнении - вместо оператора записи речи, составляющего файл записи речи - файл речевого ввода автоматически преобразуется в письменный текст по меньшей мере дважды. После этого двойного автоматического преобразования текста полученные первый и второй файлы письменного текста сравниваются друг с другом с помощью средства ручного редактирования копии (как описано выше в связи с фиг. 4 и 5), помогающего оператору при быстром корректировании вручную второго письменного текстового файла. Таким образом, предполагается, что услуга по транскрибированию может обеспечиваться с гораздо меньшими усилиями операторов записи речи. Ключ для получения достаточно точного письменного текста для доставки конечному пользователю состоит в обеспечении различия каким-либо образом преобразования речи в текст между первым и вторым запусками. В частности, между первым и вторым шагами преобразования система может изменить один или 17 несколько из следующих элементов:(1) программы распознавания речи (например, Naturally Speaking компании Dragon(2) языковые модели в рамках отдельной программы распознавания речи (например,обычный английский язык вместо специализированного словаря (например, медицинский,юридический;(3) настройки в рамках отдельной программы распознавания речи (например, "наиболее точно" вместо "быстро"); и/или(4) файл речевого ввода путем его препроцессинга цифровым процессором сигналов (таким, как Cool Edit компании Syntrillium Corporation, Phoenix, Arizona или запрограммированный DSP56000 компании Motorola, Inc.) путм изменения размера цифрового слова, скорости опрашивания, удаления определнных гармонических диапазонов и прочих возможных модификаций. Предполагается, что путм изменения одной или нескольких из вышеуказанных "переменных преобразования" второе преобразование речи в текст даст несколько иной письменный текст, чем первое преобразование речи в текст,и что путем сравнения двух полученных письменных текстов с помощью раскрытого здесь нового средства редактирования вручную оператор сможет выявить различия вышеописанным способом и быстро вырабатывать дословный текст для отправки конечному пользователю. Таким образом, предполагается, что полностью автоматическая запись речи может быть реализована с участием в меньшей степени человека, чем в других известных способах. Эта система и лежащий в ее основе способ показаны на фиг. 6. Следует отметить, что хотя изображены два средства 702 и 703 автоматического преобразования речи, может иметься только одна копия программы распознавания речи, выполняющейся на одном компьютере, но с использованием различных переменных преобразования при разных итерациях преобразования файла речевого ввода. Разумеется, точно так же можно иметь несколько копий программы распознавания речи, выполняющихся на одном компьютере, или даже на разных компьютерах, соединнных в сеть (локальную сеть,глобальную сеть, одноранговую сеть или тому подобное), как известно специалистам. Подобным же образом, хотя средство 705 редактирования вручную изображено отдельно от средства автоматизированного преобразования речи, оно также может быть реализовано на том же компьютере, что и один или оба экземпляра средства автоматического преобразования речи. Подобным же образом средство редактирования вручную может также быть реализовано на отдельном компьютере, также связанном с другими компьютерами компьютерной сетью. 18 Наконец, цифровой процессор 701 сигналов показан для иллюстрации того, что одним из подходов к изменению переменных преобразования является чередование ввода файла речевого ввода в один или оба экземпляра средства автоматического преобразования речи. Опять же, этот цифровой процессор сигналов может быть реализован на том же компьютере, что и любой из всех ранее описанных функциональных блоков, либо на отдельном компьютере,связанном с другими компьютерами через компьютерную сеть. Предполагается, что ранее описанный случай, в котором используются две итерации преобразования речи в текст, может быть экстраполирован на случай, в котором выполняется ещ большее количество итераций преобразования,каждая из которых использует различные множества переменных преобразования, со сравнением текста, выполняемым между уникальными парами выходов письменного текста, а после этого - друг с другом, что дат увеличение точности автоматической записи речи, оставляя меньшее количество слов для редактирования вручную. Предшествующее описание и чертежи в основном поясняют и иллюстрируют изобретение, однако изобретение не ограничивается раскрытыми вариантами осуществления. Специалисты, на основе раскрытия изобретения, смогут осуществить модификации и вариации без изменения объма настоящего изобретения. Например, можно реализовать все элементы настоящей системы на одном компьютере общего назначения посредством обязательного временного распределения ресурсов компьютера между речевым пользователем, оператором записи речи и программой распознавания речи. Полученная экономия затрат делает систему доступной для большего количества офисных применений, а не только для больших медицинских клиник, больниц, юридических фирм или других больших организаций. ФОРМУЛА ИЗОБРЕТЕНИЯ 1. Система для автоматизации услуг по записи речи для одного или нескольких речевых пользователей, содержащая средство для приема файла речевого ввода от текущего пользователя, причем упомянутый текущий пользователь является одним из упомянутых одного или нескольких речевых пользователей,первое средство для автоматического преобразования упомянутого файла речевого ввода в первый письменный текст, причем упомянутое первое средство автоматического преобразования имеет первое множество переменных преобразования,второе средство для автоматического преобразования упомянутого файла речевого ввода 19 во второй письменный текст,причем упомянутое второе средство автоматического преобразования имеет второе множество переменных преобразования, а упомянутые первое и второе множества переменных преобразования имеют по меньшей мере одно отличие, и средство для редактирования вручную копии упомянутых первого и второго письменных текстов для создания дословного текста упомянутого файла речевого ввода. 2. Система по п.1, отличающаяся тем, что упомянутый первый письменный текст по меньшей мере временно синхронизируется с упомянутым файлом речевого ввода, а упомянутое средство редактирования вручную содержит средство для последовательного сравнения копии первого письменного текста со вторым письменным текстом для получения в результате последовательного списка несовпадающих слов, выведенного из упомянутой копии первого письменного текста, причм упомянутый последовательный список имеет начало, конец и текущее несовпадающее слово, а упомянутое текущее несовпадающее слово последовательно смещается от упомянутого начала к упомянутому концу,средство для пошагового поиска текущего несовпадающего слова одновременно в первом буфере, связанном с первым средством автоматического преобразования, содержащим первый письменный текст, и во втором буфере, связанном с упомянутым последовательным списком,и средство для коррекции текущего несовпадающего слова в упомянутом втором буфере,при этом упомянутое средство для коррекции содержит средство для высвечивания текущего несовпадающего слова так, чтобы оно визуально значительно отличалось от остального текста в копии упомянутого первого письменного текста, и средство для воспроизведения части упомянутой синхронизированной записи речевого ввода из первого буфера, связанного с текущим несовпадающим словом. 3. Система по п.2, отличающаяся тем, что упомянутое средство для редактирования содержит средство для поочередного просмотра текущего несовпадающего слова в контексте внутри упомянутой копии первого письменного текста. 4. Система по п.1, отличающаяся тем, что упомянутые первое и второе средства автоматического преобразования речи содержат, каждое,уже существующую программу распознавания речи, предназначенную для интерактивного использования пользователем, причм каждое из упомянутых первого и второго средств автоматического преобразования речи содержит средство для автоматических ответов на последовательность интерактивных запросов из упомянутой уже существующей программы распознавания речи. 20 5. Система по п.4, отличающаяся тем, что упомянутое различие между упомянутыми первым и вторым множествами переменных преобразования состоит в упомянутой программе распознавания речи, содержащей упомянутые первое и второе средства автоматического преобразования речи. 6. Система по п.5, отличающаяся тем, что упомянутое средство автоматического преобразования речи выбрано из группы, состоящей, по существу, из программ Naturally Speaking компании Dragon Systems, Via Voice компании IBM и Magic Speech компании Philips Corporation. 7. Система по п.4, отличающаяся тем, что упомянутое различие между упомянутыми первым и вторым множествами переменных преобразования состоит в языковой модели, используемой в связи с упомянутой уже существующей программой распознавания речи. 8. Система по п.7, отличающаяся тем, что в упомянутом первом множестве переменных преобразования используется обобщнная языковая модель, а в упомянутом втором множестве переменных преобразования используется специализированная языковая модель. 9. Система по п.4, отличающаяся тем, что упомянутое различие между упомянутыми первым и вторым множествами переменных преобразования состоит по меньшей мере в одной настройке, связанной с упомянутой уже существующей программой распознавания речи. 10. Система по п.4, отличающаяся тем, что упомянутое различие между упомянутыми первым и вторым множествами переменных преобразования состоит в средстве для предварительной обработки аудиозаписи до ее ввода в упомянутое первое средство автоматического преобразования. 11. Система по п.10, отличающаяся тем,что упомянутое различие между упомянутыми первым и вторым множествами переменных преобразования состоит в средстве для предварительной обработки аудиозаписи до ее ввода в упомянутое второе средство автоматического преобразования, причм упомянутые первая и вторая переменные предварительной обработки различны. 12. Система по п.11, отличающаяся тем,что упомянутые переменные предварительной обработки выбираются из группы, состоящей,по существу, из длины цифрового слова, частоты дискретизации и удаления отдельных гармонических диапазонов. 13. Система по п.1, отличающаяся тем, что упомянутое различие между упомянутыми первым и вторым множествами переменных преобразования состоит в языковой модели, используемой в связи с упомянутой уже существующей программой распознавания речи. 14. Система по п.13, отличающаяся тем,что в упомянутом первом множестве переменных преобразования используется обобщнная 21 языковая модель, а в упомянутом втором множестве переменных преобразования используется специализированная языковая модель. 15. Система по п.1, отличающаяся тем, что упомянутое различие между упомянутыми первым и вторым множествами переменных преобразования состоит в средстве для предварительной обработки аудиозаписи до ее ввода в упомянутое первое средство автоматического преобразования. 16. Система по п.1, отличающаяся тем, что упомянутое различие между упомянутыми первым и вторым множествами переменных преобразования состоит в средстве для предварительной обработки аудиозаписи до ее ввода в упомянутое второе средство автоматического преобразования, причм упомянутые первая и вторая переменные предварительной обработки различны. 17. Система по п.1, отличающаяся тем, что дополнительно содержит средство для обучения упомянутого средства автоматического преобразования речи для достижения большей точности с помощью упомянутого файла речевого ввода текущего пользователя. 18. Система по п.17, отличающаяся тем,что упомянутое средство обучения содержит уже существующую обучающую часть уже существующей программы распознавания речи,предназначенной для интерактивного использования пользователем, упомянутое средство обучения содержит средство для автоматических ответов на последовательность интерактивных запросов из упомянутой уже существующей обучающей части упомянутой уже существующей программы распознавания речи. 19. Способ автоматизации услуг по записи речи для одного или нескольких речевых пользователей в системе, содержащей по меньшей мере одну программу распознавания речи,включающей следующие шаги: прием файла речевого ввода от текущего речевого пользователя,автоматическое формирование первого письменного текста из файла речевого ввода с помощью программы распознавания речи с помощью первого множества переменных преобразования,автоматическое формирование второго письменного текста из файла речевого ввода с помощью программы распознавания речи с помощью второго множества переменных преобразования,формирование вручную дословного файла посредством сравнения первого и второго письменных текстов, и возврат дословного файла текущему пользователю. 20. Способ по п.19, отличающийся тем, что шаг создания вручную дословного файла включает следующие подшаги: 22 последовательное сравнение копии первого письменного текста со вторым письменным текстом для получения в результате последовательного списка несовпадающих слов из копии первого письменного текста, причм этот последовательный список имеет начало, конец и текущее несовпадающее слово, а текущее несовпадающее слово последовательно перемещается от начала к концу,пошаговый поиск текущего несовпадающего слова одновременно в первом буфере, связанном по меньшей мере с одной программой распознавания речи, содержащем первый письменный текст, и во втором буфере, связанном с последовательным списком, и отображение текущего несовпадающего слова так, чтобы оно визуально значительно отличалось от остального текста в копии первого письменного текста, и воспроизведение части синхронизированной записи речевого ввода из первого буфера, связанного с текущим несовпадающим словом, и исправление текущего несовпадающего слова так, чтобы оно представляло собой дословное воспроизведение части синхронизированной записи речевого ввода. 21. Способ по п.19, отличающийся тем, что дополнительно включает выбор первого множества переменных преобразования из доступных уже существующих программ распознавания речи, и отличающийся выбор второго множества переменных преобразования из доступных уже существующих программ распознавания речи. 22. Способ по п.19, отличающийся тем, что дополнительно включает выбор первого множества переменных преобразования из доступных языковых моделей, и отличающийся выбор второго множества переменных преобразования из доступных языковых моделей. 23. Способ по п.19, отличающийся тем, что дополнительно включает предварительную обработку файла речевого ввода до автоматического формирования первого письменного текста, причем посредством этой предварительной обработки формируют по меньшей мере часть первого множества переменных преобразования. 24. Способ по п.23, отличающийся тем, что дополнительно включает предварительную обработку файла речевого ввода, проводимую иначе, чем для первого множества переменных преобразования предварительной обработки, до автоматического формирования второго письменного текста, причем посредством этой предварительной обработки формируют, по меньшей мере, часть второго множества переменных преобразования.