最近幾周微軟獲得了不少非常有趣的技術(shù)專利，包括無人機運輸系統(tǒng)，為Cortana的第三方應(yīng)用整合語音輸入功能等等 。而現(xiàn)在微軟又獲得了一項技術(shù)專利，描述了一款能夠人工生成語音，解決低質(zhì)量通信會話的概念設(shè)備。

在系統(tǒng)中建立的VoIP（基于IP的語音傳輸）可以讓用戶通過網(wǎng)絡(luò)實現(xiàn)音頻信息的交互。然而在傳輸過程中由于丟包和網(wǎng)絡(luò)不穩(wěn)定等諸多原因，極有可能會影響呼叫通信時候的質(zhì)量。由于這些問題通常和網(wǎng)絡(luò)相關(guān)，因此這些會議的質(zhì)量往往很難提高。

微軟在專利描述中認為，目前緩解此類問題的技術(shù)手段不足，為此微軟構(gòu)思了一種設(shè)備。該設(shè)備可以檢測網(wǎng)絡(luò)問題可能影響語音呼叫質(zhì)量的情況。在檢測之后，它將開始將傳輸?shù)恼Z音信息轉(zhuǎn)換為文本包，將這些信息發(fā)送到接收設(shè)備。通過這種方式，可以在視覺顯示器上查看文本，與用于輸出音頻的揚聲器分開。由于所有這些都將實時完成，即使網(wǎng)絡(luò)狀況不佳，接收器也能夠立即理解消息。而在另一端，發(fā)送的文本分組也可以在接收端被轉(zhuǎn)換回音頻輸出，該過程被稱為語音合成。此外在此過程中可以向用戶發(fā)送一些視覺提示，或者也可以在特定頻道上播放文本轉(zhuǎn)語音的聲音。有趣的是理論上，這些實現(xiàn)也可以擴展到 視頻 內(nèi)容。例如，在發(fā)送者的設(shè)備處捕獲的視頻可以被編碼并通過網(wǎng)絡(luò)發(fā)送到接收終端。在那里，它們可以在被觀看之前由接收端的設(shè)備解碼。

完整PDF文檔可以訪問：http://pdfaiw.uspto.gov/.aiw?PageNum=0&docid=20190073993

【來源：cnBeta.COM】