经由基于集成音频和视觉的语音识别进行语音理解的系统和方法

摘要

本示教涉及一种用于语音识别的方法、系统和介质和实施方式。接收表征参与对话的用户的语音的音频信号。接收捕捉说出语音的用户的视觉信号。通过基于音频信号执行基于音频的语音识别，获得第一语音识别结果。基于视觉信号，检测用户的嘴唇移动，通过执行基于读唇的语音识别，获得第二语音识别结果。接着，将第一与第二语音识别结果进行集成，生成集成语音识别结果。