JPH01996A - ベクトル量子化を用いた音声認識方式 - Google Patents
ベクトル量子化を用いた音声認識方式Info
- Publication number
- JPH01996A JPH01996A JP62-156959A JP15695987A JPH01996A JP H01996 A JPH01996 A JP H01996A JP 15695987 A JP15695987 A JP 15695987A JP H01996 A JPH01996 A JP H01996A
- Authority
- JP
- Japan
- Prior art keywords
- vector quantization
- codebook
- recognition
- speech recognition
- speech
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000013139 quantization Methods 0.000 title claims description 34
- 238000000034 method Methods 0.000 title claims description 21
- 230000005236 sound signal Effects 0.000 description 8
- 230000003595 spectral effect Effects 0.000 description 8
- 238000010586 diagram Methods 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 4
- 238000001228 spectrum Methods 0.000 description 4
- 238000000605 extraction Methods 0.000 description 3
- 239000000284 extract Substances 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 230000000694 effects Effects 0.000 description 1
- 239000003415 peat Substances 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 239000002966 varnish Substances 0.000 description 1
Abstract
(57)【要約】本公報は電子出願前の出願データであるた
め要約のデータは記録されません。
め要約のデータは記録されません。
Description
【発明の詳細な説明】
［産業上の利用分野層］
この発明はベクトル量子化を用いた音声認識方式に関し
、特に、ベクトル量子化を用いたテンプレートマツチン
グによる音声認識方式に関する。
、特に、ベクトル量子化を用いたテンプレートマツチン
グによる音声認識方式に関する。
［従来の技術および発明が解決しようとする問題点］
自動翻訳電話では、入力として音声が用いられるが、入
力された音声を認識する必要がある。音声認識として、
従来よりベクトル量子化を用いる手法が考えられている
。従来のベクトル量子化を用いた音声認識では、計算量
およびメモリの増加を抑えて認識性能を向上させるべく
、ベクトル量子化に用いるスペクトル歪み尺度の改良が
行なわれ、種々の特徴の組合わせの複合スペクトル歪み
尺度が提案されている。この方法では、スペクトル歪み
尺度に多種の特徴間を混在させ、それらの・間の依存関
係を拘束条件として用い、より認識性能の良い空間へ特
徴を写像するところに意味があった。しかし、この方法
では、次に述べるような大な２つの問題点があった。
力された音声を認識する必要がある。音声認識として、
従来よりベクトル量子化を用いる手法が考えられている
。従来のベクトル量子化を用いた音声認識では、計算量
およびメモリの増加を抑えて認識性能を向上させるべく
、ベクトル量子化に用いるスペクトル歪み尺度の改良が
行なわれ、種々の特徴の組合わせの複合スペクトル歪み
尺度が提案されている。この方法では、スペクトル歪み
尺度に多種の特徴間を混在させ、それらの・間の依存関
係を拘束条件として用い、より認識性能の良い空間へ特
徴を写像するところに意味があった。しかし、この方法
では、次に述べるような大な２つの問題点があった。
■ 各特徴間間の依存関係がベクトル量子化のコードブ
ック内で統計的に妥当性を持つためには、非常に多くの
ラーニングサンプルとこのための膨大な計算時間が必要
である。
ック内で統計的に妥当性を持つためには、非常に多くの
ラーニングサンプルとこのための膨大な計算時間が必要
である。
■ コードブックサイズで見た場合、各特徴に必要なコ
ードブックサイズは特徴間の依存関係を拘束条件にする
ことで減少する。しかし、それでも全体のコードブック
サイズは各特徴に必要なコードブックサイズの積になっ
て、非常に大きくなってしまい、膨大なメモリが必要で
あった。
ードブックサイズは特徴間の依存関係を拘束条件にする
ことで減少する。しかし、それでも全体のコードブック
サイズは各特徴に必要なコードブックサイズの積になっ
て、非常に大きくなってしまい、膨大なメモリが必要で
あった。
それゆえに、この発明の主たる目的は、ベクトル量子化
として各特徴ごとに別々にコードブ・ンクを生成し、別
々のベクトル量子化を行なう七ノ（レートベクトル量子
化を用いることにより、従来の問題点を解消し得るベク
トル量子化を用いた音声認識方式を提供することである
。
として各特徴ごとに別々にコードブ・ンクを生成し、別
々のベクトル量子化を行なう七ノ（レートベクトル量子
化を用いることにより、従来の問題点を解消し得るベク
トル量子化を用いた音声認識方式を提供することである
。
［問題点を解決するための手段］
この発明は、入力音声をベクトル量子化し、ベクトル量
子化によるコード列として格納されている標準パターン
と照合することにより認識を行なう音声認識方式であっ
て、入力音声の特徴の種類に応じて複数のコードブック
を有し、各コードブックについてベクトル量子化を行な
い、求められた複数のコード列を用いて認識を行なうよ
うに構成したものである。
子化によるコード列として格納されている標準パターン
と照合することにより認識を行なう音声認識方式であっ
て、入力音声の特徴の種類に応じて複数のコードブック
を有し、各コードブックについてベクトル量子化を行な
い、求められた複数のコード列を用いて認識を行なうよ
うに構成したものである。
［作用］
この発明に係るベクトル量子化を用いた音声認識方式で
は、入力音声の特徴の種類に応じたコードブックについ
てベクトル量子化を行なうことにより、コードブックサ
イズは各特徴に必要なコードブックサイズの和となり、
全体のコードブックサイズを軽減できる。
は、入力音声の特徴の種類に応じたコードブックについ
てベクトル量子化を行なうことにより、コードブックサ
イズは各特徴に必要なコードブックサイズの和となり、
全体のコードブックサイズを軽減できる。
［発明の実施例］
次に、図面を参照して、この発明の実施例についてより
具体的に説明する。
具体的に説明する。
第１図はこの発明の音声認識装置の概略ブロック図であ
る。
る。
第１図において、音声認識装置はアンプ１とローパスフ
ィルタ２とＡ／Ｄ変換器３と処理装置４とから構成され
る。アンプ１は入力された音声信号を増幅するものであ
り、ローパスフィルタ２は増幅された音声信号から折返
し雑音を除去するものである。Ａ／Ｄ変換器３は音声信
号を１２ｋＨ２のサンプリング信号により、１６ビツト
のディジタル信号に変換するものである。処理装置４は
コンピュータ５と磁気ディスク６と端末類７とプリンタ
８とを含む。コンピュータ５はＡ／Ｄ変換器３から入力
された音声のディジタル信号に基づいて音声認識を行な
うものである。
ィルタ２とＡ／Ｄ変換器３と処理装置４とから構成され
る。アンプ１は入力された音声信号を増幅するものであ
り、ローパスフィルタ２は増幅された音声信号から折返
し雑音を除去するものである。Ａ／Ｄ変換器３は音声信
号を１２ｋＨ２のサンプリング信号により、１６ビツト
のディジタル信号に変換するものである。処理装置４は
コンピュータ５と磁気ディスク６と端末類７とプリンタ
８とを含む。コンピュータ５はＡ／Ｄ変換器３から入力
された音声のディジタル信号に基づいて音声認識を行な
うものである。
第２図はこの発明の一実施例の音声信号の入力から認識
結果を出力するまでの全体の流れを示すフロー図であり
、第３図はセパレートベクトル量子化の動作を説明する
ためのフロー図であり、第４図はマツチング動作を説明
するためのフロー図である。
結果を出力するまでの全体の流れを示すフロー図であり
、第３図はセパレートベクトル量子化の動作を説明する
ためのフロー図であり、第４図はマツチング動作を説明
するためのフロー図である。
次に、第１図ないし第４図を参照して、この発明の一実
施例の動作について説明する。入力された音声信号はア
ンプ１で増幅され、ローパスフィルタ２によって折返し
雑音が除去された後、第２図に示すステップ（図示では
ＳＰと略称する）ＳＰｌにおいて、Ａ／Ｄ変換器３が入
力された音声信号を１６ビツトのディジタル信号に変換
する。
施例の動作について説明する。入力された音声信号はア
ンプ１で増幅され、ローパスフィルタ２によって折返し
雑音が除去された後、第２図に示すステップ（図示では
ＳＰと略称する）ＳＰｌにおいて、Ａ／Ｄ変換器３が入
力された音声信号を１６ビツトのディジタル信号に変換
する。
処理装置４のコンピュータ５はステップＳＰ２において
、ディジタル信号に変換された音声の特徴抽出を行なう
。この特徴抽出では、たとえば線形予測分析（ＬＰＧ分
析）などの手法を用いて行なわれる。
、ディジタル信号に変換された音声の特徴抽出を行なう
。この特徴抽出では、たとえば線形予測分析（ＬＰＧ分
析）などの手法を用いて行なわれる。
ステップＳＰ３において、抽出された音声の特徴がセパ
レートコードブックを参照して、七ノくレートベクトル
量子化される。セパレートコードブックはステップＳＰ
４において、特定話者認識の場合は個人用として、不特
定話者の場合は全話者共通のコードブックとして予め準
備されている。
レートコードブックを参照して、七ノくレートベクトル
量子化される。セパレートコードブックはステップＳＰ
４において、特定話者認識の場合は個人用として、不特
定話者の場合は全話者共通のコードブックとして予め準
備されている。
セパレートベクトル量子化により生成された特徴ごとの
コード列はステップＳＰ５において、既にステップＳＰ
６でコード列として磁気ディスク６に格納されている標
準パターンと照合され、ＤＯｕｂｌｅ ５ｐｌｉｔ法
によるマツチングが行なわれ、そのマツチング距離がス
テップＳＰ７における結果判定部７に送られる。なお、
ステ・ツブＳＰ６における標準パターンは、不特定話者
認識の場合は予め使用者が認識単語を発声することによ
り作成し、不特定話者認識の場合は、多数の話者が発声
した音声データベースを分析して、代表／くターンをマ
ルチテンプレートとして作成され、磁気ディスク６に格
納されている。ステップＳＰ７における結果判定部では
、認識候補に対して、結果が適切かどうかの判断を行な
い、認識結果を出力する。
コード列はステップＳＰ５において、既にステップＳＰ
６でコード列として磁気ディスク６に格納されている標
準パターンと照合され、ＤＯｕｂｌｅ ５ｐｌｉｔ法
によるマツチングが行なわれ、そのマツチング距離がス
テップＳＰ７における結果判定部７に送られる。なお、
ステ・ツブＳＰ６における標準パターンは、不特定話者
認識の場合は予め使用者が認識単語を発声することによ
り作成し、不特定話者認識の場合は、多数の話者が発声
した音声データベースを分析して、代表／くターンをマ
ルチテンプレートとして作成され、磁気ディスク６に格
納されている。ステップＳＰ７における結果判定部では
、認識候補に対して、結果が適切かどうかの判断を行な
い、認識結果を出力する。
次に、第３図を参照して、前述の第２図に示した特徴抽
出およびセパレートベクトル量子化の動作についてより
詳細に説明する。特徴抽出では、ステップ５Ｐ１１にお
いて、１６ビツトのディジタル信号に変換された音声信
号に対して、１４次の自己相関分析によるＬＰＧ分析を
行ない、人力音声の特徴であるパワーと自己相関係数、
ＬＰＣケプストラム係数を抽出する。ステップ５Ｐ１２
において、パワーのコードブック生成であるか否かを判
別し、パワーのコードブック生成であれば、ステップ５
Ｐ１３において、入力音声のパワーをスカラー量子化す
る。スカラー量子化では、不拘−ｍ子化の手法を用い、
パワーコードを生成し、ステップ５Ｐ１４において、生
成したパワーコードブックを磁気ディスク６に格納する
。
出およびセパレートベクトル量子化の動作についてより
詳細に説明する。特徴抽出では、ステップ５Ｐ１１にお
いて、１６ビツトのディジタル信号に変換された音声信
号に対して、１４次の自己相関分析によるＬＰＧ分析を
行ない、人力音声の特徴であるパワーと自己相関係数、
ＬＰＣケプストラム係数を抽出する。ステップ５Ｐ１２
において、パワーのコードブック生成であるか否かを判
別し、パワーのコードブック生成であれば、ステップ５
Ｐ１３において、入力音声のパワーをスカラー量子化す
る。スカラー量子化では、不拘−ｍ子化の手法を用い、
パワーコードを生成し、ステップ５Ｐ１４において、生
成したパワーコードブックを磁気ディスク６に格納する
。
パワーコードブックの生成でないとき、すなわち、量子
化時には、ステップ５Ｐ１４におけるパワーコードブッ
クを用いて、５Ｐ１５において量子化を行ない、パワー
に関するコード列を出力する。
化時には、ステップ５Ｐ１４におけるパワーコードブッ
クを用いて、５Ｐ１５において量子化を行ない、パワー
に関するコード列を出力する。
一方、ステップ５Ｐ１６において、ＬＰＧ相関係数およ
びＬＰＣケプストラム係数のコードブック生成であるこ
とが判別されると、ステップ５Ｐ１７において、ＬＢＧ
アルゴリズムにより、ＷＬＲ尺度に基づいてコードブッ
クが生成され、ステップ５Ｐ１８において生成されたコ
ードブックが磁気ディスク６に格納される。ここで、Ｌ
ＢＧアルゴリズムについては、Ｌｉｎｄｅ、Ｂｕｚｏ。
びＬＰＣケプストラム係数のコードブック生成であるこ
とが判別されると、ステップ５Ｐ１７において、ＬＢＧ
アルゴリズムにより、ＷＬＲ尺度に基づいてコードブッ
クが生成され、ステップ５Ｐ１８において生成されたコ
ードブックが磁気ディスク６に格納される。ここで、Ｌ
ＢＧアルゴリズムについては、Ｌｉｎｄｅ、Ｂｕｚｏ。
Ｇｒａｙ：”Ａｎ ａｌｇｏｒｉｔｈｍ ｆｏｒＶ
ｅｃｔｏｒ Ｑｕａｎｔｉｚａｔｉｏｎ Ｄｅｓｉ
ｇｎ” ＩＥＥＥ Ｃ０Ｍ−２８（１９８０−０１
）に記載されている。また、ＷＬＲ尺度は、音声の特徴
を強調する尺度であり、単語音声の認識において高い性
能を示すものであり、村山、鹿野による“ピークに重み
をおいたＬＰＧスペクトルマツチング尺度“電子通信学
会論文（Ａ）Ｊ６４−Ａ５ （１９８１−０５）に記載
されている。
ｅｃｔｏｒ Ｑｕａｎｔｉｚａｔｉｏｎ Ｄｅｓｉ
ｇｎ” ＩＥＥＥ Ｃ０Ｍ−２８（１９８０−０１
）に記載されている。また、ＷＬＲ尺度は、音声の特徴
を強調する尺度であり、単語音声の認識において高い性
能を示すものであり、村山、鹿野による“ピークに重み
をおいたＬＰＧスペクトルマツチング尺度“電子通信学
会論文（Ａ）Ｊ６４−Ａ５ （１９８１−０５）に記載
されている。
なお、ＬＰＣ相関係数およびＬＰＣケプストラム係数の
コードブック生成でないとき、すなわち、量子化時には
入力音声の自己相関係数とＬＰＣケプストラム係数に対
し、ステップ５Ｐ１８におけるスペクトルコードブック
を用いて、ステップ５Ｐ１９においてベクトル量子化を
行ない、スペクトル情報に関するコード列を出力する。
コードブック生成でないとき、すなわち、量子化時には
入力音声の自己相関係数とＬＰＣケプストラム係数に対
し、ステップ５Ｐ１８におけるスペクトルコードブック
を用いて、ステップ５Ｐ１９においてベクトル量子化を
行ない、スペクトル情報に関するコード列を出力する。
ここで、コードブック生成、量子化に用いたスペクトル
歪み尺度は次のものである。
歪み尺度は次のものである。
ｄ −Ｐ／Ｐ’ ＋ Ｐ’ ／Ｐ−２・・・（１
）ｏｗｅｒ ｄ −Σ （Ｃ（ｎ）−Ｃ’ （ｎ）） （Ｒ（
ｎ）−Ｒ’ （ｎ））ｓｐｅｃｔｒｕｍ ・・・（２） ｄ ：パワー項の歪み尺度 ｏｗｅｒ ｄ ニスベクトル歪み尺度 ｓｐｅｃｔｒｕｍ Ｒ（ｎ） ：コードブックのｎ次の自己相関係数
Ｒ’（ｎ）：人力のｎ次の自己相関係数Ｃ（ｎ）
：コードブックのｎ次のＬＰＣケプストラム係数 Ｃ’（ｎ）：入力のｎ次の ＬＰＣケプストラム係数 前述したように、標準パターン作成時には、このコード
列を標準パターンとして格納し、認識時には標準パター
ンのコード列とのマツチングを行なう。
）ｏｗｅｒ ｄ −Σ （Ｃ（ｎ）−Ｃ’ （ｎ）） （Ｒ（
ｎ）−Ｒ’ （ｎ））ｓｐｅｃｔｒｕｍ ・・・（２） ｄ ：パワー項の歪み尺度 ｏｗｅｒ ｄ ニスベクトル歪み尺度 ｓｐｅｃｔｒｕｍ Ｒ（ｎ） ：コードブックのｎ次の自己相関係数
Ｒ’（ｎ）：人力のｎ次の自己相関係数Ｃ（ｎ）
：コードブックのｎ次のＬＰＣケプストラム係数 Ｃ’（ｎ）：入力のｎ次の ＬＰＣケプストラム係数 前述したように、標準パターン作成時には、このコード
列を標準パターンとして格納し、認識時には標準パター
ンのコード列とのマツチングを行なう。
次に、第４図を参照して、マツチング方法について説明
する。セパレートベクトル量子化により、パワーとスペ
クトルとを別々にベクトル量子化して生成されたコード
列と、コード列として格納されている標準パターンとに
基づいて、ステップ５Ｐ２１において、Ｄｏｕｂｌｅ
５ｐｌｉｔ法によるマツチングが行なわれる。ステッ
プ５Ｐ２２における標準パターンには、セパレートベク
トル量子化によりコード化されたパワーおよびスペクト
ルの標準パターンが格納されている。そして、ステップ
５Ｐ２１におけるマツチングにおいては、コード間の距
離はステ、ツブ５Ｐ２３において予め距離マトリクスを
作成しておき、この表びきを行なうことで行なわれる。
する。セパレートベクトル量子化により、パワーとスペ
クトルとを別々にベクトル量子化して生成されたコード
列と、コード列として格納されている標準パターンとに
基づいて、ステップ５Ｐ２１において、Ｄｏｕｂｌｅ
５ｐｌｉｔ法によるマツチングが行なわれる。ステッ
プ５Ｐ２２における標準パターンには、セパレートベク
トル量子化によりコード化されたパワーおよびスペクト
ルの標準パターンが格納されている。そして、ステップ
５Ｐ２１におけるマツチングにおいては、コード間の距
離はステ、ツブ５Ｐ２３において予め距離マトリクスを
作成しておき、この表びきを行なうことで行なわれる。
このようにして、順番に標準パターンとマツチングして
求めた入力音声と標準パターンとの距離がステップ５Ｐ
２４において出力される。
求めた入力音声と標準パターンとの距離がステップ５Ｐ
２４において出力される。
ここで、上述のマツチング方法について説明すする。従
来のマツチングでは、入力の標準パターンの１つの特徴
列あるいはコード列であったが、セパレートベクトル量
子化では、一般に複数のコード列により構成される。こ
の実施例では、パワーコード列とスペクトルコード列の
２系列のマツチング手法を用いている。パワーとスペク
トルの両方の情報を考えた場合の距離尺度として、ＰＷ
ＬＲ尺度がある。これは次の第（３）式で示されるもの
である。
来のマツチングでは、入力の標準パターンの１つの特徴
列あるいはコード列であったが、セパレートベクトル量
子化では、一般に複数のコード列により構成される。こ
の実施例では、パワーコード列とスペクトルコード列の
２系列のマツチング手法を用いている。パワーとスペク
トルの両方の情報を考えた場合の距離尺度として、ＰＷ
ＬＲ尺度がある。これは次の第（３）式で示されるもの
である。
ｄＰＷＬＩ？−Σ（Ｃ（ｎ）−Ｃ’ （ｎ））（Ｒ（ｎ
）−Ｒ’ （ｎ））＋ ａ・（Ｐ／Ｐ’ ＋ Ｐ’ ／
Ｐ−２） −（３）ａ讃０，０１ 従来のＤｏｕｂｌｅ ５ｐｌｉｔ法によるコード列の
マツチングでは、前述のようにすべての空間がベクトル
量子化され、有限個の点で代表されていることを利用し
て、予めすべての代表点間の距離を求めて距離マトリク
スに格納しておく。したがって、 ｄ、ｗＬＲ（ｔ、ｊ） −Ｄｔ（Ａ（ｔ）、Ｂ（ｊ））
ＤＬ（Ａ（１）、Ｂ（ｊ）） 一Σ（ＣＫ （ｎ）−ＣＬ（ｎ））（ＲＫ（ｎ）−ＲＬ
（ｎ））＋ ａ−（ＰＫ／ＰＬ＋ ＰＬ／ＰＫ−２）Ａ
（ｊ）は、入力音声のｉフレーム目のコード番号 Ｂ （ｊ）は、標準ハターンのｊフレーム目のコード番
号 ＤＬ （Ｋ、Ｌ）は、コードに、Ｌ間の距離を距離マト
リクスから表びきで求めたもの に、 Ｌは、Ａ （ｊ） 、 Ｂ （ｊ）のコード
番号しかし、セパレートベクトル量子化では、２つの系
列を有するので次のような距離を求める。
）−Ｒ’ （ｎ））＋ ａ・（Ｐ／Ｐ’ ＋ Ｐ’ ／
Ｐ−２） −（３）ａ讃０，０１ 従来のＤｏｕｂｌｅ ５ｐｌｉｔ法によるコード列の
マツチングでは、前述のようにすべての空間がベクトル
量子化され、有限個の点で代表されていることを利用し
て、予めすべての代表点間の距離を求めて距離マトリク
スに格納しておく。したがって、 ｄ、ｗＬＲ（ｔ、ｊ） −Ｄｔ（Ａ（ｔ）、Ｂ（ｊ））
ＤＬ（Ａ（１）、Ｂ（ｊ）） 一Σ（ＣＫ （ｎ）−ＣＬ（ｎ））（ＲＫ（ｎ）−ＲＬ
（ｎ））＋ ａ−（ＰＫ／ＰＬ＋ ＰＬ／ＰＫ−２）Ａ
（ｊ）は、入力音声のｉフレーム目のコード番号 Ｂ （ｊ）は、標準ハターンのｊフレーム目のコード番
号 ＤＬ （Ｋ、Ｌ）は、コードに、Ｌ間の距離を距離マト
リクスから表びきで求めたもの に、 Ｌは、Ａ （ｊ） 、 Ｂ （ｊ）のコード
番号しかし、セパレートベクトル量子化では、２つの系
列を有するので次のような距離を求める。
ｄ［ｐ］［νＬＲ］（１，ｊ）
−ＤＬ （Ａ （１）、Ｂ （ｍｓ
ｐｅａｔ ５ｐｅｃｔ ５ｐｅｃｔ” ” Ｄ
Ｌｐｏｗｅｒ （Ａｐｏｗｅｒ （１）”ｐｏｗｅｒ
（ｊ））ここで、 ＤＬ （Ａ （１）、 Ｂ （ｊ
））Ｓｐ（ｌｅｔ ５ｐｃｃｔ ５ｐｅｃｔ
−Σ（ＣＫ （ｎ）−ＣＬ （ｎ））（Ｒｘ （ｎ）−
ＲＬ（ｎ戸ＤＬ （Ａ （１）、Ｂ
（ｊ））ｐｏｗｅｒ ｐｏｗｅｒ
ｐｏｗｅｒ−Ｐ ／Ｐ ＋ Ｐ Ｌ、
／Ｐ 、 −２に’ Ｌ’ に、Ｌは、Ａ （１）、Ｂ （ｊ）のコー
ド５ｐｅｃｔ ５ｐｃｃｔ 番号 Ｋ ／、ビは、Ａ （１）、Ｂ （ｊ）のｐｏ
ｗｅｒ ｐｏｗｅｒコード番号 である。これは、ＰＷＬＲ尺度の第１項と第２項とを別
にコード化して距離を計算し、和を求めたものである。
ｐｅａｔ ５ｐｅｃｔ ５ｐｅｃｔ” ” Ｄ
Ｌｐｏｗｅｒ （Ａｐｏｗｅｒ （１）”ｐｏｗｅｒ
（ｊ））ここで、 ＤＬ （Ａ （１）、 Ｂ （ｊ
））Ｓｐ（ｌｅｔ ５ｐｃｃｔ ５ｐｅｃｔ
−Σ（ＣＫ （ｎ）−ＣＬ （ｎ））（Ｒｘ （ｎ）−
ＲＬ（ｎ戸ＤＬ （Ａ （１）、Ｂ
（ｊ））ｐｏｗｅｒ ｐｏｗｅｒ
ｐｏｗｅｒ−Ｐ ／Ｐ ＋ Ｐ Ｌ、
／Ｐ 、 −２に’ Ｌ’ に、Ｌは、Ａ （１）、Ｂ （ｊ）のコー
ド５ｐｅｃｔ ５ｐｃｃｔ 番号 Ｋ ／、ビは、Ａ （１）、Ｂ （ｊ）のｐｏ
ｗｅｒ ｐｏｗｅｒコード番号 である。これは、ＰＷＬＲ尺度の第１項と第２項とを別
にコード化して距離を計算し、和を求めたものである。
この局部距離の尺度を用いてＤＰ（ｄｙｎａｍｉｃ
ｐｒｏｇｒａｍｍｉｎｇ：動的計画法）マツチングによ
り距離を求める。これによって、非常に高性能なベクト
ル量子化を用いた音声認識を実現することができる。
ｐｒｏｇｒａｍｍｉｎｇ：動的計画法）マツチングによ
り距離を求める。これによって、非常に高性能なベクト
ル量子化を用いた音声認識を実現することができる。
［発明の効果］
以上のように、この発明によれば、入力音声の特徴の種
類に応じて複数のコードブックを有し、各コードブック
についてベクトル量子化を行ない、求められた複数のコ
ード列を用いて認識を行なうようにしたので、各特徴の
依存項を無視でき、ラーニングサンプルも少なくてすみ
、計算量を減少できる。ただし、セパレートすることに
より、別のベクトル量子化系を構成するので、この分だ
け計算量が多少増加するが、ラーニングサンプルが少な
いので、十分計算量を減少できる。また、コードブック
サイズはセバートベクトル量子化では、各特徴に必要な
コードブックサイズの和になるので、全体のコードブッ
クサイズを激減することができる。
類に応じて複数のコードブックを有し、各コードブック
についてベクトル量子化を行ない、求められた複数のコ
ード列を用いて認識を行なうようにしたので、各特徴の
依存項を無視でき、ラーニングサンプルも少なくてすみ
、計算量を減少できる。ただし、セパレートすることに
より、別のベクトル量子化系を構成するので、この分だ
け計算量が多少増加するが、ラーニングサンプルが少な
いので、十分計算量を減少できる。また、コードブック
サイズはセバートベクトル量子化では、各特徴に必要な
コードブックサイズの和になるので、全体のコードブッ
クサイズを激減することができる。
第１図はこの発明の音声認識装置の概略ブロック図であ
る。第２図はＤｏｕｂｌｅ ５ｐｌｉｔ法による音声
認識の全体の流れを示すフロー図である。第３図はセパ
レートベクトル量子化の動作を説明するためのフロー図
である。第４図はマツチング動作を説明するためのフロ
ー図である。 図において、１はアンプ、２はローパスフィルタ、３は
Ａ／Ｄ変換機、４は処理装置、５はコンピュータ、６は
磁気ディスク、７は端末類、８はプリンタを示す。 −ＪＩ Ｉｍ＊°＊＊−−−−−＊＋−−ｈｍ＊−−“
°°°°°°°゛°゛°°°°゛°°°゛°°°二第２
図 農歴堕 第３図 入力 音声 第４図 スペクトル パワー コード列 コードＴ／ｌ＋ 認識結果 手続補正内 昭和６２年８月１３日
る。第２図はＤｏｕｂｌｅ ５ｐｌｉｔ法による音声
認識の全体の流れを示すフロー図である。第３図はセパ
レートベクトル量子化の動作を説明するためのフロー図
である。第４図はマツチング動作を説明するためのフロ
ー図である。 図において、１はアンプ、２はローパスフィルタ、３は
Ａ／Ｄ変換機、４は処理装置、５はコンピュータ、６は
磁気ディスク、７は端末類、８はプリンタを示す。 −ＪＩ Ｉｍ＊°＊＊−−−−−＊＋−−ｈｍ＊−−“
°°°°°°°゛°゛°°°°゛°°°゛°°°二第２
図 農歴堕 第３図 入力 音声 第４図 スペクトル パワー コード列 コードＴ／ｌ＋ 認識結果 手続補正内 昭和６２年８月１３日
Claims (1)
- 【特許請求の範囲】 入力音声をベクトル量子化し、ベクトル量子化による符
号列として格納されている標準パターンと照合すること
により認識を行なう音声認識方式において、 前記入力音声の特徴の種類に応じて、複数のコードブッ
クを有し、各コードブックについてベクトル量子化を行
ない、求められた複数の符号列を用いて認識を行なうよ
うにしたことを特徴とする、ベクトル量子化を用いた音
声認識方式。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP62156959A JPH067344B2 (ja) | 1987-06-24 | 1987-06-24 | ベクトル量子化を用いた音声認識方式 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP62156959A JPH067344B2 (ja) | 1987-06-24 | 1987-06-24 | ベクトル量子化を用いた音声認識方式 |
Publications (3)
| Publication Number | Publication Date |
|---|---|
| JPS64996A JPS64996A (en) | 1989-01-05 |
| JPH01996A true JPH01996A (ja) | 1989-01-05 |
| JPH067344B2 JPH067344B2 (ja) | 1994-01-26 |
Family
ID=15639057
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP62156959A Expired - Fee Related JPH067344B2 (ja) | 1987-06-24 | 1987-06-24 | ベクトル量子化を用いた音声認識方式 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPH067344B2 (ja) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9443167B2 (en) | 2013-08-02 | 2016-09-13 | Emotient, Inc. | Filter and shutter based on image emotion content |
Families Citing this family (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH01239600A (ja) * | 1988-03-22 | 1989-09-25 | Nippon Telegr & Teleph Corp <Ntt> | セグメント符号化方法 |
| JP4925569B2 (ja) * | 2004-07-08 | 2012-04-25 | ローム株式会社 | 有機エレクトロルミネッセント素子 |
| KR100784957B1 (ko) * | 2006-04-24 | 2007-12-11 | 주식회사 케이티앤지 | 수삼의 비중 측정 방법 및 측정 장치 |
| KR100805889B1 (ko) * | 2006-06-14 | 2008-02-25 | 배재대학교 산학협력단 | 죽절초의 조기 결실을 위한 번식방법 |
| KR100788789B1 (ko) * | 2006-08-29 | 2007-12-27 | 고려대학교 산학협력단 | 포름알데히드 노출 여부 진단용 바이오 마커 단백질 |
| KR100799334B1 (ko) * | 2006-10-18 | 2008-01-30 | 한국철도기술연구원 | 철도차량 차축압입부위의 결함 탐상장치 |
| KR100849954B1 (ko) * | 2006-12-29 | 2008-08-01 | 인제대학교 산학협력단 | Ｋａｔｐ 채널의 과발현 검출을 위한 프라이머 세트, 이를포함하는 검출 키트 및 동정 방법 |
| KR100846836B1 (ko) * | 2007-01-15 | 2008-07-17 | 한스바이오메드 주식회사 | 골재생촉진 조성물 |
| KR100852496B1 (ko) * | 2007-01-24 | 2008-08-18 | 한양대학교 산학협력단 | 산소 플라즈마와 급속 열처리를 이용한 산화 티타늄광촉매의 제조방법 |
| KR100840487B1 (ko) * | 2007-02-08 | 2008-06-20 | 주식회사 동원에프앤비 | 저온 초고압 처리에 의한 약용식물의 가공방법 |
| KR100858605B1 (ko) * | 2007-03-09 | 2008-09-17 | 김평원 | 퍼지기반 보정을 이용한 메타 평가 시스템 |
| KR100833470B1 (ko) * | 2007-05-02 | 2008-06-02 | 연세대학교 산학협력단 | 식물의 엽록체 및 미토콘드리아 발달에 관여하는ＮｂＢＴＦ３유전자 |
| CN104849496B (zh) * | 2015-04-27 | 2018-04-24 | 哈尔滨工业大学深圳研究生院 | 一种基于电晕放电原理的高冲击加速度检测方法及传感器 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS57177198A (en) * | 1981-04-24 | 1982-10-30 | Fujitsu Ltd | Recognizing treating device for sound |
| JPS5999500A (ja) * | 1982-11-29 | 1984-06-08 | 日本電信電話株式会社 | 音声認識方法 |
-
1987
- 1987-06-24 JP JP62156959A patent/JPH067344B2/ja not_active Expired - Fee Related
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9443167B2 (en) | 2013-08-02 | 2016-09-13 | Emotient, Inc. | Filter and shutter based on image emotion content |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| EP4266306B1 (en) | Processing a speech signal | |
| JPH01997A (ja) | ベクトル量子化を用いた音声認識方式 | |
| Kelly et al. | Deep neural network based forensic automatic speaker recognition in VOCALISE using x-vectors | |
| JPH01996A (ja) | ベクトル量子化を用いた音声認識方式 | |
| JPH067345B2 (ja) | ベクトル量子化を用いた音声認識方式 | |
| JPH05188994A (ja) | 騒音抑圧装置 | |
| JPH01998A (ja) | スペクトログラムの正規化方法 | |
| JPH067344B2 (ja) | ベクトル量子化を用いた音声認識方式 | |
| JP6189818B2 (ja) | 音響特徴量変換装置、音響モデル適応装置、音響特徴量変換方法、音響モデル適応方法、およびプログラム | |
| JP2709386B2 (ja) | スペクトログラムの正規化方法 | |
| CN117672176A (zh) | 基于语音自监督学习表征的重读可控语音合成方法及装置 | |
| CN118298803B (zh) | 语音克隆方法 | |
| JP2003036097A (ja) | 情報検出装置及び方法、並びに情報検索装置及び方法 | |
| CN116092475B (zh) | 一种基于上下文感知扩散模型的口吃语音编辑方法和系统 | |
| JPH10254473A (ja) | 音声変換方法及び音声変換装置 | |
| JP2709926B2 (ja) | 声質変換方法 | |
| Ghanty et al. | On recognition of spoken Bengali numerals | |
| CN115148214A (zh) | 音频压缩方法、解压缩方法及其计算机设备和存储介质 | |
| Li | Speech recognition of mandarin monosyllables | |
| Raghudathesh et al. | Review of toolkit to build automatic speech recognition models | |
| JPS5999500A (ja) | 音声認識方法 | |
| Bedyakin et al. | Language ID Prediction from Speech Using Self-Attentive Pooling and 1D-Convolutions | |
| JP2880508B2 (ja) | 音声の規則合成装置 | |
| US20250390682A1 (en) | Hierarchical Audio Generators and Codecs for Enhanced Audio Generation | |
| JPH01211799A (ja) | 多言語を扱う音声の規則合成装置 |