In a first aspect of the invention, methods and apparatus for providing speech recognition comprise the steps of processing a video signal associated with an arbitrary content video source, processing an audio signal associated with the video signal, and decoding the processed audio signal in conjunction with the processed video signal to generate a decoded output signal representative of the audio signal. In a second aspect 6f the invention, methods and apparatus for providing speech detection in accordance with a speech recognition system comprise the steps of processing a video signal associated with a video source to detect whether one or more features associated with the video signal are representative of speech, and processing an audio signal associated with the video signal in accordance with the speech recognition system to generate a decoded output signal representative of the audio signal when the one or more features associated with the video signal are representative of speech. Speech detection may also be performed using information from both the video path and the audio path simultaneously.

Σε μια πρώτη πτυχή της εφεύρεσης, οι μέθοδοι και οι συσκευές για τη λεκτική αναγνώριση περιλαμβάνουν τα βήματα της επεξεργασίας ενός τηλεοπτικού σήματος που συνδέεται με μια αυθαίρετη ικανοποιημένη τηλεοπτική πηγή, που επεξεργάζεται ένα ακουστικό σήμα που συνδέεται με το τηλεοπτικό σήμα, και που αποκωδικοποιεί το επεξεργασμένο ακουστικό σήμα από κοινού με το επεξεργασμένο τηλεοπτικό σήμα για να παραγάγουν ένα αποκωδικοποιημένο σήμα παραγωγής αντιπροσωπευτικό του ακουστικού σήματος. Σε μια δεύτερη πτυχή 6f η εφεύρεση, μέθοδοι και συσκευές για τη λεκτική ανίχνευση σύμφωνα με ένα σύστημα λεκτικής αναγνώρισης περιλαμβάνει τα βήματα της επεξεργασίας ενός τηλεοπτικού σήματος που συνδέεται με μια τηλεοπτική πηγή για να ανιχνεύσει εάν ένα ή περισσότερα χαρακτηριστικά γνωρίσματα που συνδέονται με το τηλεοπτικό σήμα είναι αντιπροσωπευτικά της ομιλίας, και της επεξεργασίας ένα ακουστικό σήμα που συνδέεται με το τηλεοπτικό σήμα σύμφωνα με το σύστημα λεκτικής αναγνώρισης για να παραγάγει ένα αποκωδικοποιημένο σήμα παραγωγής αντιπροσωπευτικό του ακουστικού σήματος όταν τα ένα ή περισσότερα χαρακτηριστικά γνωρίσματα που συνδέονται με το τηλεοπτικό σήμα είναι αντιπροσωπευτικά της ομιλίας. Η λεκτική ανίχνευση μπορεί επίσης να εκτελεσθεί χρησιμοποιώντας τις πληροφορίες και από την τηλεοπτική πορεία και από την ακουστική πορεία ταυτόχρονα.