JPH02205900A - 話者照合方式 - Google Patents
話者照合方式Info
- Publication number
- JPH02205900A JPH02205900A JP1027003A JP2700389A JPH02205900A JP H02205900 A JPH02205900 A JP H02205900A JP 1027003 A JP1027003 A JP 1027003A JP 2700389 A JP2700389 A JP 2700389A JP H02205900 A JPH02205900 A JP H02205900A
- Authority
- JP
- Japan
- Prior art keywords
- speaker
- features
- block
- registered
- canonical
- 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.)
- Pending
Links
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】
技夏分互
本発明は、話者照合方式、より詳細には、音声により話
者の同定を行う話者照合方式に関し、例えば、バンキン
グサービス、個人情報へのアクセス、機密保管場所への
入室管理等の音声キー（Ｋｅｙ）、玩具等の応答装置の
検出回路等に応用可能なものである。
者の同定を行う話者照合方式に関し、例えば、バンキン
グサービス、個人情報へのアクセス、機密保管場所への
入室管理等の音声キー（Ｋｅｙ）、玩具等の応答装置の
検出回路等に応用可能なものである。
皿−
人力音声を数ｍ５ｅｃ毎のフレームに分割しそのフレー
ム毎に求まる音響パラメータの時系列を簡易セグメンテ
ーションを用いて音声区間を複数のブロックに分割し、
各ブロック内の音響パラメータの加算平均値と分散とを
個人の特徴量として用いる話者照合がある。しかし、こ
の方式では音声区間をブロックに分割した後にブロック
内での個人性として、各ブロック内の音響パラメータ（
特にスペクトル〕の加算平均値とその分散を用いるもの
であり、未知音声のブロック内平均値と辞書の平均値の
差をその分散で割算することで個人間の距離を計算する
ものであった。しかし、平均値と分散を個人性特徴量と
する処理は、音響パラメータの個人性特徴量変換として
は不十分であった。
ム毎に求まる音響パラメータの時系列を簡易セグメンテ
ーションを用いて音声区間を複数のブロックに分割し、
各ブロック内の音響パラメータの加算平均値と分散とを
個人の特徴量として用いる話者照合がある。しかし、こ
の方式では音声区間をブロックに分割した後にブロック
内での個人性として、各ブロック内の音響パラメータ（
特にスペクトル〕の加算平均値とその分散を用いるもの
であり、未知音声のブロック内平均値と辞書の平均値の
差をその分散で割算することで個人間の距離を計算する
ものであった。しかし、平均値と分散を個人性特徴量と
する処理は、音響パラメータの個人性特徴量変換として
は不十分であった。
■−−−昨
本発明は、上述のごとき実情に鑑みてなされたもので、
特に、ブロック内平均値を正準判別法を用いて判別空間
に写像することで個人性持重量変換を行う方式を提供す
ることを目的としてなされたものである。
特に、ブロック内平均値を正準判別法を用いて判別空間
に写像することで個人性持重量変換を行う方式を提供す
ることを目的としてなされたものである。
盪−一双
本発明は、上記目的を達成するために、入力音声を数ｍ
５ｅｃ毎のフレームに分割し、そのフレームごとに音響
パラメータ（スペクトル、ケプストラム（ＬＰＧケプス
トラムまたはＦＦＴケプストラム））に変換する手段と
、入力音声から音声区間のみを検出する手段と、音声区
間を時間軸上での複数のブロックに分割する手段と、各
ブロック毎にその音響パラメータを用いて話者固有の持
重量に変換する手段と、その特徴量を話者毎に辞書とし
て登録する手段と、未知話者の特徴量と登録された辞書
特徴量とを比較する手段とを有し、未知話者によって入
力された特徴量と登録話者によって登録された特徴量と
の類似度が、所定の閾値以上である時に上記未知話者を
上記登録話者と同一であると判断する話者照合方式にお
いて、予め複数の音声をブロックに分割し、ブロック毎
に平均スペクトルを計算して、これを正準判別分析法に
よって判別空間に投影するためのベクトルセット（第一
正準変量）を求め、これを用いてブロック単位にもとま
る平均スペクトルを判別空間に投影し、個人性の特徴量
とする話者照合方式、或いは、上記話者照合方式におい
て、正準判別分析法によって判別空間に投影するための
ベクトルセットとして第一正準変量の他に第１次正準変
量まで求めて、ブロック毎に求まる平均スペクトルを第
１次正準変量までのベクトルセットによりｎ個の特徴量
に変換し、ブロック単位の平均スペクトルをｎ個の特徴
量により表現される多次元判別空間に投影し、個人性特
徴量とする話者照合方式を特徴としたものである。以下
、本発明の実施例に基づいて説明する。
５ｅｃ毎のフレームに分割し、そのフレームごとに音響
パラメータ（スペクトル、ケプストラム（ＬＰＧケプス
トラムまたはＦＦＴケプストラム））に変換する手段と
、入力音声から音声区間のみを検出する手段と、音声区
間を時間軸上での複数のブロックに分割する手段と、各
ブロック毎にその音響パラメータを用いて話者固有の持
重量に変換する手段と、その特徴量を話者毎に辞書とし
て登録する手段と、未知話者の特徴量と登録された辞書
特徴量とを比較する手段とを有し、未知話者によって入
力された特徴量と登録話者によって登録された特徴量と
の類似度が、所定の閾値以上である時に上記未知話者を
上記登録話者と同一であると判断する話者照合方式にお
いて、予め複数の音声をブロックに分割し、ブロック毎
に平均スペクトルを計算して、これを正準判別分析法に
よって判別空間に投影するためのベクトルセット（第一
正準変量）を求め、これを用いてブロック単位にもとま
る平均スペクトルを判別空間に投影し、個人性の特徴量
とする話者照合方式、或いは、上記話者照合方式におい
て、正準判別分析法によって判別空間に投影するための
ベクトルセットとして第一正準変量の他に第１次正準変
量まで求めて、ブロック毎に求まる平均スペクトルを第
１次正準変量までのベクトルセットによりｎ個の特徴量
に変換し、ブロック単位の平均スペクトルをｎ個の特徴
量により表現される多次元判別空間に投影し、個人性特
徴量とする話者照合方式を特徴としたものである。以下
、本発明の実施例に基づいて説明する。
第１図は、本発明の一実施例を説明するための構成図で
、図中、１はマイクロフォン、２はスペクトル抽出部、
３は音声区間検出処理部、４はブロック分割処理部、５
は特徴量生成部、算呂部、６は統計処理部、７は辞書作
成処理部、８は距離計算処理部、９は総合判定部で、マ
イク１から入力さ九た音声信号は、スペクトル抽出部２
において数ｍ５ｅｃごとにフレームに分割され１０ｍ５
ｅｃ毎のスペクトル時系列に変換される。この手段とし
ては、スペクトルに関しては、例えば入力音声をローパ
スフィルター（ＬＰＦ）によってサンプリング周波数１
／２以上の成分をカットした後Ａ／Ｄ変換器によって離
散的な信号列に量子化し、さらにこれを短時間の波形毎
に切り出してハミングウィンドウ等を剰じて窓掛けを行
い、スペクトルに変換しても良いし、またはバンドパス
フィルター群を用いてスペクトルに変換し時系列情報を
得ても良い。ここでは中心周波数２５０〜６３００Ｈｚ
で１７６オクターブごとに配置された２９チヤンネルの
バンドパスフィルターを用いた例にて説明する。
、図中、１はマイクロフォン、２はスペクトル抽出部、
３は音声区間検出処理部、４はブロック分割処理部、５
は特徴量生成部、算呂部、６は統計処理部、７は辞書作
成処理部、８は距離計算処理部、９は総合判定部で、マ
イク１から入力さ九た音声信号は、スペクトル抽出部２
において数ｍ５ｅｃごとにフレームに分割され１０ｍ５
ｅｃ毎のスペクトル時系列に変換される。この手段とし
ては、スペクトルに関しては、例えば入力音声をローパ
スフィルター（ＬＰＦ）によってサンプリング周波数１
／２以上の成分をカットした後Ａ／Ｄ変換器によって離
散的な信号列に量子化し、さらにこれを短時間の波形毎
に切り出してハミングウィンドウ等を剰じて窓掛けを行
い、スペクトルに変換しても良いし、またはバンドパス
フィルター群を用いてスペクトルに変換し時系列情報を
得ても良い。ここでは中心周波数２５０〜６３００Ｈｚ
で１７６オクターブごとに配置された２９チヤンネルの
バンドパスフィルターを用いた例にて説明する。
いま、時刻上におけるフレームのスペクトルｆｔｃｈは
、 ｆｔｃｈ＝（ｆｔｌ、ｆｔ２．・＝、ｆｔ２９） （
ｃｈ＝１．２．−．２９） （１）となる。次に、こ
れらの音響パラメータを用いて、音声区間検出部３では
、入力音声から音声区間を検出する。
、 ｆｔｃｈ＝（ｆｔｌ、ｆｔ２．・＝、ｆｔ２９） （
ｃｈ＝１．２．−．２９） （１）となる。次に、こ
れらの音響パラメータを用いて、音声区間検出部３では
、入力音声から音声区間を検出する。
まず、ブロック分割処理部４にて、各フレームのスペク
トルの一次モーメント等を用いて音声区間を複数のブロ
ックに分割する。また、ブロックの対応付けも行う。こ
こで、ブロックの対応づけはＤＰマツチング、継続時間
長制御状態遷移モデル等を用いて行う。
トルの一次モーメント等を用いて音声区間を複数のブロ
ックに分割する。また、ブロックの対応付けも行う。こ
こで、ブロックの対応づけはＤＰマツチング、継続時間
長制御状態遷移モデル等を用いて行う。
特微量作成部５にて各ブロック毎の話者の特徴量を算出
する。ここでの特徴量としては、スペクトルに関して各
ブロック毎に計算される平均スペクトルを予め正準判別
法により分析し求めた係数を用いて判別空間へ投影する
。以下その方法について述べる。
する。ここでの特徴量としては、スペクトルに関して各
ブロック毎に計算される平均スペクトルを予め正準判別
法により分析し求めた係数を用いて判別空間へ投影する
。以下その方法について述べる。
まず、登録時の辞書作成処理部７では、複数の話者５例
えば６人がｎ回発声した全音声についてまずブロック内
平均スペクトルを計算する。以下ある一つのブロックに
ついてのみ説明する。
えば６人がｎ回発声した全音声についてまずブロック内
平均スペクトルを計算する。以下ある一つのブロックに
ついてのみ説明する。
例えばｉ番の人が発声したｊ番目の音声のあるブロック
の平均スペクトルをＦｉｊｃｈとする。
の平均スペクトルをＦｉｊｃｈとする。
Ｆｉｊｃｈ＝（Ｆｉｊｌ、Ｆｉｊ２＝ｌ’１ｊ２９）例
えば、このブロックに於けるフレーム数をｍとすれば、 このｉ番の人が発声したｎ回の音声の平均スペクトルの
平均をＦｉｃｈとする。
えば、このブロックに於けるフレーム数をｍとすれば、 このｉ番の人が発声したｎ回の音声の平均スペクトルの
平均をＦｉｃｈとする。
Ｆｉｃｈ＝ ΣＦ ｘ ｊｃｈ／ｎ （ａｈ：１
，２，３．・−，２９） （３）ｊ＝１ さらに、各話者の平均値（これもベクトル）を用いての
平均をＦとする。
，２，３．・−，２９） （３）ｊ＝１ さらに、各話者の平均値（これもベクトル）を用いての
平均をＦとする。
ｉ＝１
正準判別分析は、各ブロック内の平均スペクトルを次に
示す線形変換によって話者を分離する空間へ写像する変
換することであり、これにより写像ベクトルａを求める
ことである。
示す線形変換によって話者を分離する空間へ写像する変
換することであり、これにより写像ベクトルａを求める
ことである。
写像空間２は、この変換ベクトルａを用いて次の様に表
される。
される。
Ｚ ＝ ａｌ・ｆｉｊｌ＋ａ２４ｉｊ２＋、 、 、＋
ａ２９・ｆｉｊ２９ （５）ａ＝（ａｌ、ａ２．
、、、、ａ２９） そして、写像ベクトルａを求めることは、話者間平方和
積和行列Ｂ、話者内の平方和梼和行列Ｗを用いて、一般
固有値問題 （Ｂ−λＷ）ａ＝ｏ （６）に
帰着する。
ａ２９・ｆｉｊ２９ （５）ａ＝（ａｌ、ａ２．
、、、、ａ２９） そして、写像ベクトルａを求めることは、話者間平方和
積和行列Ｂ、話者内の平方和梼和行列Ｗを用いて、一般
固有値問題 （Ｂ−λＷ）ａ＝ｏ （６）に
帰着する。
ここで、
したがって上式を解くことによりえられる最大の固有値
λ１に対応して得られる固有ベクトルがａ１ベクトル（
第一正準変量）としてもとまる。
λ１に対応して得られる固有ベクトルがａ１ベクトル（
第一正準変量）としてもとまる。
ここで、変換式は、最大固有値λ１に対して求まる固有
ベクトルを８１として、 Ｚ１＝ａｌｌ・ｆｉｊｌ＋ａｌ：’ｆｉｊ２＋、 、
、＋ａ１２９・ｆｉｊ２９ （７）となる。これ
を判別空間上での個人の位置とする。
ベクトルを８１として、 Ｚ１＝ａｌｌ・ｆｉｊｌ＋ａｌ：’ｆｉｊ２＋、 、
、＋ａ１２９・ｆｉｊ２９ （７）となる。これ
を判別空間上での個人の位置とする。
個人の辞書としては、登録時の本人の全発声音声につい
てＺｌ軸上の値を求めてこの平均値ｚ１と分散σＺ１を
計算して辞書とする。
てＺｌ軸上の値を求めてこの平均値ｚ１と分散σＺ１を
計算して辞書とする。
照合時には、未知音声の音声区間の一次モーメントと予
め登録された登録話者の基準ブロックの状態とを継続時
間長制御型状態遷移モデル等によりバタンマツチングし
て分割点を求め、さらに各ブロック毎に平均スペクトル
を求める。これを先の第一正準変換ベクトルにより判別
空間に写像し、未知音声の話者の位置を求める。
め登録された登録話者の基準ブロックの状態とを継続時
間長制御型状態遷移モデル等によりバタンマツチングし
て分割点を求め、さらに各ブロック毎に平均スペクトル
を求める。これを先の第一正準変換ベクトルにより判別
空間に写像し、未知音声の話者の位置を求める。
距離計算部９において未知話者と登録話者の写像空間上
での距離りを計算し、判定部１０で予め設定した閾値と
の比較を行うことで話者の判別を行う。ここで距離りと
しては、以下の様なものを用いる。
での距離りを計算し、判定部１０で予め設定した閾値と
の比較を行うことで話者の判別を行う。ここで距離りと
しては、以下の様なものを用いる。
Ｄ ＝ （２１−Ｚｌ）／ ａ ｚｌ
（８）次に別の実施例を説明するが、その構成
は第１図に示した実施例１と同じで、統計処理、距離計
算が異なるのみであとは全て実施例１と同じである。
（８）次に別の実施例を説明するが、その構成
は第１図に示した実施例１と同じで、統計処理、距離計
算が異なるのみであとは全て実施例１と同じである。
実施例１では正準判別分析で求まる最大固有値λ１に対
応する固有ペクトａｌ（第一正準変量）のみを使用した
。ここでは第０次正準変換ベクトルまで用いて平均スペ
クトルをｎ次判別空間上の点に変換する。いま、固有値
λＫに対して求まる固有ベクトルをａｋとすれば、ＺＫ
軸に対する変換は、Ｚに＝ａＫ１４ｉｊｌ＋ａＫ２・ｆ
ｉｊ２＋、、、＋ａに２９４ｉｊ２９ （９）と
なる。
応する固有ペクトａｌ（第一正準変量）のみを使用した
。ここでは第０次正準変換ベクトルまで用いて平均スペ
クトルをｎ次判別空間上の点に変換する。いま、固有値
λＫに対して求まる固有ベクトルをａｋとすれば、ＺＫ
軸に対する変換は、Ｚに＝ａＫ１４ｉｊｌ＋ａＫ２・ｆ
ｉｊ２＋、、、＋ａに２９４ｉｊ２９ （９）と
なる。
したがって、（５）式を用いて平均スペクトルＦｉｊ
（Ｆｉｊｌ、Ｆｉｊ２．、、Ｆｉｊ２９）をＺ（Ｚｌ、
Ｚ２．、、ＺＫ、、、Ｚｎ）に変換し、これを話者の
特徴量とする。登録時の本人の全ての音声について２の
平均値ベクトルＺと分散σを計算し辞書とする。
（Ｆｉｊｌ、Ｆｉｊ２．、、Ｆｉｊ２９）をＺ（Ｚｌ、
Ｚ２．、、ＺＫ、、、Ｚｎ）に変換し、これを話者の
特徴量とする。登録時の本人の全ての音声について２の
平均値ベクトルＺと分散σを計算し辞書とする。
Ｚ ： （Ｚｌ、Ｚ２．、、Ｚに００、Ｚｎ）
（１０）照合時には、未知音声の音声区間
の一次モーメントと予め登録された登録話者の基準ブロ
ックの状態とを継続時間長制御型状態遷移モデル等によ
りバタンマツチングして分割点を求め、さらに各ブロッ
ク毎に平均スペクトルを求める。これを先の（５）式に
よってｎ次の判別空間上に写像し、未知音声の話者の位
置を求める。
（１０）照合時には、未知音声の音声区間
の一次モーメントと予め登録された登録話者の基準ブロ
ックの状態とを継続時間長制御型状態遷移モデル等によ
りバタンマツチングして分割点を求め、さらに各ブロッ
ク毎に平均スペクトルを求める。これを先の（５）式に
よってｎ次の判別空間上に写像し、未知音声の話者の位
置を求める。
距離計算部８において未知話者と登録話者の写像空間上
での距離を計算し、判定部９で予め設定した閾値との比
較を行うことで話者の判別を行う。
での距離を計算し、判定部９で予め設定した閾値との比
較を行うことで話者の判別を行う。
ここで距離としては、以下のものを用いる。
以上の説明から明らかなように、請求項第１項の話者照
合方式においては、平均スペクトルを個人性判別空間に
写像することが出来る。これによって特微量変換を効率
的に行えると共に個人性特徴量を先の例では２９個から
１個に圧縮できる。
合方式においては、平均スペクトルを個人性判別空間に
写像することが出来る。これによって特微量変換を効率
的に行えると共に個人性特徴量を先の例では２９個から
１個に圧縮できる。
また、請求項第２項の話者照合方式においては、平均ス
ペクトルを個人性を判別するためのｎ次空間に写像する
ことが８来、さらに効果的な特微量変換が行える。さら
に個人性特徴量を先の例では２９個からｎ個（ｎ＜２９
）に圧縮できる。
ペクトルを個人性を判別するためのｎ次空間に写像する
ことが８来、さらに効果的な特微量変換が行える。さら
に個人性特徴量を先の例では２９個からｎ個（ｎ＜２９
）に圧縮できる。
第１図は、本発明の一実施例を説明するための構成図で
ある。 １・・・マイクロフォン、２・・・スペクトル抽出部、
３・・・音声区間検出処理部、４・・・ブロック分割処
理部、５・・・特微量生成部、６・・・統計処理部、７
・・・辞書作成処理部、８・・・距離計算処理部、９・
・・総合判定部。 第１図 特許出頴人 株式会社リコー
ある。 １・・・マイクロフォン、２・・・スペクトル抽出部、
３・・・音声区間検出処理部、４・・・ブロック分割処
理部、５・・・特微量生成部、６・・・統計処理部、７
・・・辞書作成処理部、８・・・距離計算処理部、９・
・・総合判定部。 第１図 特許出頴人 株式会社リコー
Claims (1)
- 【特許請求の範囲】 １、入力音声を数ｍ秒毎のフレームに分割し、そのフレ
ームごとに音響パラメータに変換する手段と、入力音声
から音声区間のみを検出する手段と、音声区間を時間軸
上での複数のブロックに分割する手段と、各ブロック毎
にその音響パラメータを用いて話者固有の特徴量に変換
する手段と、その特徴量を話者毎に辞書として登録する
手段と、未知話者の特徴量と登録された辞書特徴量とを
比較する手段とを有し、未知話者によって入力された特
徴量と登録話者によって登録された特徴量との類似度が
所定の閾値以上である時に上記未知話者を上記登録話者
と同一であると判断する話者照合方式において、予め複
数の音声をブロックに分割し、ブロック毎に平均スペク
トルを計算し、これを正準判別分析法によって判別空間
に投影するためのベクトルセット（第一正準変量）を求
め、これを用いてブロック単位にもとまる平均スペクト
ルを判別空間に投影し、個人性の特徴量とすることを特
徴とする話者照合方式。 ２、請求項第１項の照合方式において、正準判別分析法
によって判別空間に投影するためのベクトルセットとし
て第一正準変量の他に第ｎ次正準変量まで求めて、ブロ
ック毎に求まる平均スペクトルを第ｎ次正準変量までの
ベクトルセットによりｎ個の特徴量に変換し、ブロック
単位の平均スペクトルをｎ個の特徴量により表現される
多次元判別空間に投影し、個人性特徴量とすることを特
徴とする話者照合方式。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP1027003A JPH02205900A (ja) | 1989-02-06 | 1989-02-06 | 話者照合方式 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP1027003A JPH02205900A (ja) | 1989-02-06 | 1989-02-06 | 話者照合方式 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JPH02205900A true JPH02205900A (ja) | 1990-08-15 |
Family
ID=12208954
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP1027003A Pending JPH02205900A (ja) | 1989-02-06 | 1989-02-06 | 話者照合方式 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPH02205900A (ja) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2009110613A1 (ja) * | 2008-03-07 | 2009-09-11 | 日本電気株式会社 | 個人照合装置及び話者登録装置と方法並びにプログラム |
-
1989
- 1989-02-06 JP JP1027003A patent/JPH02205900A/ja active Pending
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2009110613A1 (ja) * | 2008-03-07 | 2009-09-11 | 日本電気株式会社 | 個人照合装置及び話者登録装置と方法並びにプログラム |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US4780906A (en) | Speaker-independent word recognition method and system based upon zero-crossing rate and energy measurement of analog speech signal | |
| EP0891618B1 (en) | Speech processing | |
| JPH08314491A (ja) | ミックスチャ分解識別による話者検証方法と装置 | |
| JPH0352640B2 (ja) | ||
| JPH02238495A (ja) | 時系列信号認識装置 | |
| Sharma et al. | On the importance of audio-source separation for singer identification in polyphonic music | |
| JPH1083194A (ja) | 話し手照合システムのための２段階群選択方法 | |
| CN108986824A (zh) | 一种回放语音检测方法 | |
| WO2003015078A1 (en) | Voice registration method and system, and voice recognition method and system based on voice registration method and system | |
| Pandit et al. | Feature selection for a DTW-based speaker verification system | |
| Hai et al. | Improved linear predictive coding method for speech recognition | |
| JPS6128998B2 (ja) | ||
| Karthikeyan et al. | Hybrid machine learning classification scheme for speaker identification | |
| CN106297805A (zh) | 一种基于呼吸特征的说话人识别方法 | |
| CN112309404A (zh) | 机器语音的鉴别方法、装置、设备及存储介质 | |
| Kamble et al. | Emotion recognition for instantaneous Marathi spoken words | |
| CN113555022B (zh) | 基于语音的同人识别方法、装置、设备及存储介质 | |
| KR101094763B1 (ko) | 사용자 인증을 위한 특징벡터 추출장치 및 방법 | |
| Ranjan | Real Time Speaker Identification from Disguised Voice Using Feature Extraction and Classifications Techniques | |
| CN106971725B (zh) | 一种具有优先级的声纹识方法和系统 | |
| JPH01255000A (ja) | 音声認識システムに使用されるテンプレートに雑音を選択的に付加するための装置及び方法 | |
| JP2989231B2 (ja) | 音声認識装置 | |
| JPS63213899A (ja) | 話者照合方式 | |
| JPS62100799A (ja) | 音声認識方法 | |
| JPH0720889A (ja) | 不特定話者の音声認識装置および方法 |