JPH04122996A - 自動音声認識用に音類似に基づく文脈依存カテゴリへ音素の発音をグループ化する方法と装置 - Google Patents
自動音声認識用に音類似に基づく文脈依存カテゴリへ音素の発音をグループ化する方法と装置Info
- Publication number
- JPH04122996A JPH04122996A JP2413217A JP41321790A JPH04122996A JP H04122996 A JPH04122996 A JP H04122996A JP 2413217 A JP2413217 A JP 2413217A JP 41321790 A JP41321790 A JP 41321790A JP H04122996 A JPH04122996 A JP H04122996A
- Authority
- JP
- Japan
- Prior art keywords
- context
- values
- feature
- subset
- value
- 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
- 238000000034 method Methods 0.000 title claims description 35
- 230000000295 complement effect Effects 0.000 claims abstract description 17
- 238000009826 distribution Methods 0.000 claims description 18
- 230000001419 dependent effect Effects 0.000 claims description 6
- 238000005457 optimization Methods 0.000 claims description 4
- 238000000605 extraction Methods 0.000 claims description 2
- 238000010586 diagram Methods 0.000 description 6
- 239000002674 ointment Substances 0.000 description 4
- 239000000470 constituent Substances 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000005192 partition Methods 0.000 description 2
- 238000003909 pattern recognition Methods 0.000 description 1
- 238000011524 similarity measure Methods 0.000 description 1
- 230000002459 sustained effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/06—Creation of reference templates; Training of speech recognition systems, e.g. adaptation to the characteristics of the speaker's voice
- G10L15/063—Training
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/02—Feature extraction for speech recognition; Selection of recognition unit
- G10L2015/025—Phonemes, fenemes or fenones being the recognition units
Landscapes
- Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Computational Linguistics (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- Acoustics & Sound (AREA)
- Multimedia (AREA)
- Machine Translation (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
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
［０００１］
［産業上の利用分野］
本発明は、自動的なパターン認識に使用されるために、
観測された事象のグループを類似のカテゴリーへ自動的
にグループ化し、カリ、観測された事象を異なる文脈と
相関させることに関する。より詳細には、本発明は、あ
る音声単位の発音（例えば、ある音素の発音）を類似の
音を有するカテゴリー（即ち、類似の音響特徴を有する
カテゴリー）へ自動的にグループ化し、カリ、発音のグ
ループを自動的な音声認識に使用するために、異なる文
脈と相関させることに関する。 ［０００２］
観測された事象のグループを類似のカテゴリーへ自動的
にグループ化し、カリ、観測された事象を異なる文脈と
相関させることに関する。より詳細には、本発明は、あ
る音声単位の発音（例えば、ある音素の発音）を類似の
音を有するカテゴリー（即ち、類似の音響特徴を有する
カテゴリー）へ自動的にグループ化し、カリ、発音のグ
ループを自動的な音声認識に使用するために、異なる文
脈と相関させることに関する。 ［０００２］
連続の音声では、同時調音効果が存在することは公知で
ある。同時調音とは、二つ以上の音声単位（例えば、二
単語又は二音素）でその単語間又は音素間に休止がほと
んど又は全くない時の発音のことである。その同時調音
効果は、音声単位の発音において音声単位が同時調音さ
れる他の音声単位に左右されて変動することである。−
セットの同時調音規則を手動的に列挙する従来の試みは
、多くの間違いを犯しがちであった。自動的な音声認識
において、一以上の音声単位の知られていないシーケン
スの発音の音響特徴は、音声単位の仮説シーケンスの仮
説モデル数に「適合」する。一連の音声単位は、例えば
、一以上の単語列でありうる。連続する音声単位の仮説
モデルは、単語のモデルを順次連結することにより構成
される。 ［０００３］ 語粂中の各単語にただ一個のモデルのみを供給すること
で自動的な音声認識の処理を単純化する一方で、認識精
度は、単語の各代替発音に各単語の異なるモデルを供給
することにより改善されうる。 ［０００４］ 同時調音規則を生成すると共に、これらの規則に従い単
語又は音素モデルを生成する自動的方法は、１９８９年
３月１４日に出願され、本出願の譲受者に譲渡された、
米国特許出願番号第３２３．４７９号に記載されている
。この方法では、異なる文脈にある音素の複数の発音カ
ミ処理され、各発音用に以下の（ｉ）（ｉｉ）を提供す
る。（ｉ）発音された音素の音響機構を表現するラベル
の記号列。（ｉ ｉ）発音された音素の文脈の表現（即
ち、発音された音素の先と後の文脈音素の表現）。発音
された音素用のラベル記号列は、音響上類似のカテゴリ
ヘクラスタ化されるので、その音素の各発音は、クラス
タ数と文脈に対応付けされる。 ［０００５］ 複数の発音からは、多数の候補文脈が、認識される。各
候補文脈とその補数には、各クラスタの条件付き確率が
推定される。その条件付き確率からは、条件付きエント
ロピー力飄各候補文脈とその補数用に計算される。その
条件付きエントロピーは、発音された音素の文脈からク
ラスタ数について得られた平均の情報を表現する。最適
エントロピーに対応付けされた候補文脈とその補数は、
複数の発音の最良分割の根拠として選択される。この分
割からなる発音の各セットは、上記記載の方法でさらに
分割されるか、音素の文脈依存モデル形式の基礎として
使用されるかのどちらかである。 ［０００６］ 同時調音規則を列挙する公知の方法は、各音素に多数の
異なる文脈依存モデルを生成する。この同時調音規則に
従うこれら文脈依存モデルの使用は、各音素用の単一モ
デルの使用に比べて、認識精度を高める。しかしながら
、公知の方法で使用されたクラスタ化ステップは、長時
間の計算時間を必要とする。更に、クラスタ数における
エントロピー計算（分割基準）を基礎とすることにより
、異なる二つのクラスタがどのような状態にあるかにつ
いての情報は失われる。二以上の非常に異なるクラスタ
は、分割の全エントロピーが減少される限り、分割の単
一サブセットへ組み合わされる。 ［０００７］ ［発明が解決しようとする課題］ 本発明の目的は、観測された事象を多くの時間を要して
予めクラスタ化することなく観測された事象を類似のカ
テゴリへ自動的にグループ化し、がっ、観測された事象
のグループを異なる文脈と相関させることである。
ある。同時調音とは、二つ以上の音声単位（例えば、二
単語又は二音素）でその単語間又は音素間に休止がほと
んど又は全くない時の発音のことである。その同時調音
効果は、音声単位の発音において音声単位が同時調音さ
れる他の音声単位に左右されて変動することである。−
セットの同時調音規則を手動的に列挙する従来の試みは
、多くの間違いを犯しがちであった。自動的な音声認識
において、一以上の音声単位の知られていないシーケン
スの発音の音響特徴は、音声単位の仮説シーケンスの仮
説モデル数に「適合」する。一連の音声単位は、例えば
、一以上の単語列でありうる。連続する音声単位の仮説
モデルは、単語のモデルを順次連結することにより構成
される。 ［０００３］ 語粂中の各単語にただ一個のモデルのみを供給すること
で自動的な音声認識の処理を単純化する一方で、認識精
度は、単語の各代替発音に各単語の異なるモデルを供給
することにより改善されうる。 ［０００４］ 同時調音規則を生成すると共に、これらの規則に従い単
語又は音素モデルを生成する自動的方法は、１９８９年
３月１４日に出願され、本出願の譲受者に譲渡された、
米国特許出願番号第３２３．４７９号に記載されている
。この方法では、異なる文脈にある音素の複数の発音カ
ミ処理され、各発音用に以下の（ｉ）（ｉｉ）を提供す
る。（ｉ）発音された音素の音響機構を表現するラベル
の記号列。（ｉ ｉ）発音された音素の文脈の表現（即
ち、発音された音素の先と後の文脈音素の表現）。発音
された音素用のラベル記号列は、音響上類似のカテゴリ
ヘクラスタ化されるので、その音素の各発音は、クラス
タ数と文脈に対応付けされる。 ［０００５］ 複数の発音からは、多数の候補文脈が、認識される。各
候補文脈とその補数には、各クラスタの条件付き確率が
推定される。その条件付き確率からは、条件付きエント
ロピー力飄各候補文脈とその補数用に計算される。その
条件付きエントロピーは、発音された音素の文脈からク
ラスタ数について得られた平均の情報を表現する。最適
エントロピーに対応付けされた候補文脈とその補数は、
複数の発音の最良分割の根拠として選択される。この分
割からなる発音の各セットは、上記記載の方法でさらに
分割されるか、音素の文脈依存モデル形式の基礎として
使用されるかのどちらかである。 ［０００６］ 同時調音規則を列挙する公知の方法は、各音素に多数の
異なる文脈依存モデルを生成する。この同時調音規則に
従うこれら文脈依存モデルの使用は、各音素用の単一モ
デルの使用に比べて、認識精度を高める。しかしながら
、公知の方法で使用されたクラスタ化ステップは、長時
間の計算時間を必要とする。更に、クラスタ数における
エントロピー計算（分割基準）を基礎とすることにより
、異なる二つのクラスタがどのような状態にあるかにつ
いての情報は失われる。二以上の非常に異なるクラスタ
は、分割の全エントロピーが減少される限り、分割の単
一サブセットへ組み合わされる。 ［０００７］ ［発明が解決しようとする課題］ 本発明の目的は、観測された事象を多くの時間を要して
予めクラスタ化することなく観測された事象を類似のカ
テゴリへ自動的にグループ化し、がっ、観測された事象
のグループを異なる文脈と相関させることである。
【０００８］
本発明のもう一つの目的は、より正確なグループを出来
るかぎり得られるように観測された事象を類似のカテゴ
リへ自動的にグループ化し、がっ、そのグルー１８開平
４−１２２９９６ （１３） プを異なる文脈と相関させる方法を提供することである
。 【○００９】
るかぎり得られるように観測された事象を類似のカテゴ
リへ自動的にグループ化し、がっ、そのグルー１８開平
４−１２２９９６ （１３） プを異なる文脈と相関させる方法を提供することである
。 【○００９】
本発明に従い、観測された事象を類似のカテゴリへ自動
的にグループ化し、かつ、観測された事象のグループを
異なる文脈と相関させる方法は、異なる文脈における同
一の情報を表現する複数の観測された事象Ｕ のトレー
ニングセットＵを提供することにより開始する。各観測
された事象は、ある値を有する少なくとも一つの記号特
徴と、ある値を有する少なくとも一つの文脈特徴を有す
る。 ［００１０１ 次に、各事象の記号特徴の値は測定され、また、各事象
の文脈特徴の値は測定される。 ［００１１］ 観測された事象のセットＵからは、第一組のサブセット
Ｕ （Ｃ１）とＵ （Ｃ１）バーが選択される。サブセ
ットＵ （Ｃ１）は、あるセットＣ１中で値を有する文
脈特徴を有する。サブセットＵ （Ｃ１）バーは、ある
セットＣ１バー中で値を有する文脈特徴を有する。セッ
トＣ１とＣ１バーは、文脈特徴値の補数のセットである
。 ［００１２］ 観測された事象のセットＵの第二組のサブセットＵ（Ｃ
２）とＵ（Ｃ２）バーもまた選択される。サブセットＵ
（Ｃ２）は、あるセットＣ２中で値を有する文脈特徴を
有する。サブセットＵ（Ｃ２）バーは、あるセットＣ２
バー中で値を有する文脈特徴を有する。セットＣ２と０
２バーは、文脈特徴値の補数のセットである。セットＣ
２はセットＣ１と異なり、また、サブセットＵ（Ｃ２）
はサブセットＵ （Ｃ１）及びＵ （Ｃ１）バーと異な
る。 ［００１３］ 各組のセットＬＪ（Ｃ）とＵ（Ｃ）バーには、但し、ｎ
は少なくとも１が２ｎ ｎ であり、サブセットＵ（Ｃ）中で観測された事象の記号
特徴の値の類似Ａ （Ｕ（Ｃ）〕が計算され、また、サ
ブセットＵ（Ｃ）バー中で観測された事象のｎ
１１Ａ〔Ｕ（Ｃ）〕とＡＣＵ（Ｏｎ）〕バーは、セ
ットＣｎとＯｎノ〈−中の文脈時ｎ 徴値が観測された事象の記号特徴の値の変動をし）かに
よく説明する力・を推定する「適合度」である。 ［００１４］ 次に、最良の「適合度」を有するニセットＵ＝Ｕ（Ｃ）
とＵ。ｐｔツマ−＝ｏｐｔ ｎ Ｕ（Ｃ）バーに対応付けられた文脈特徴値のセ・ントＣ
ｏｐｔ＝ＣｎとＣ６ｔ ／ Ｘ−一〇 バーは識別され
る。その後、観測された事象は、セットＣｏｐｔ中で文
脈時徴値を有する事象の第一セットＵ とセットＣ
バー中で文脈特徴値を有す。 ｐｔ ｏｐす る観測された事象の第二セットＵ。ｐｔバー中へグルー
プ化される。 ［００１５］ 本発明の態様において、記号特徴は、少なくとも第一と
第二の独立構成要素を有する。各構成要素はある一つの
値を有する。 ［００１６］ 本発明に従って、セットＵ中の各事象は、ある音素の発
音でありうる。セットＵ中の事象Ｕ の全ては、この実
例では、ある単一音素を表現してし）る。音素の各発音
の文脈特徴は、音素の発音の先及び／又は後の一以上の
文脈発音を有する［００１７］ 好ましくは、本発明に従って、複数の異なる組のサブ七
ツ）Ｕ（Ｃ）とＵ（Ｃ）バーは選択され、また、「適合
度」は各組のサブセットにつ１．／）で計算される。 ［００１８］ 音素の各発音の記号特徴は、音素の各発音の音響特徴を
少なくとも一つ有する。この場合、記号特徴の値は、音
響特徴値を表現する少なくとも二つの音響特徴ベクトル
信号を生産するよう少なくとも二つの連続時間間隔のそ
れぞれの間に発音の音響特徴の値を測定することにより
計測される。各音響特徴ベクトル信号の音響特徴値は、
複数の原型ベクトル信号の各々のパラメタ値に比較され
、各音響特徴ベクトル信号に最良に一致される対応付け
られた原型ベクトル信号を決定する。音響特徴ベクトル
信号と対応付けられた原型ベクトル信号を表現するラベ
ル信号は、音素の発音の記号特徴の構成要素の値のコー
ド化表現で出力される。 ［００１９］ あるサブセットの事象中の事象の記号特徴の値の類似は
、各ラベル識別子とサブセット中の音素の各発音にラベ
ル識別子を表現するラベル信号の数を数え、その計数を
表現するラベル識別子度数信号を生産することにより計
算されうる。その後、各ラベル識別子のために、ラベル
信号計数の平均は、サブセットの全発音について計算さ
れ、平均計数信号を生産する。ラベル信号計数の確率分
布は、各ラベル識別子側に推定される。この確率分布は
、ラベル信号計数の平均と等しい期待値を有する。 ［００２０］ 各ラベル識別子とサブセット中の音素の各発音には、ラ
ベル識別子を表現するラベル信号の計数を観測する確率
力板ラベル信号計数の確率分布から推定゛される。その
計数の確率は、全ラベル識別子とサブセット中の全発音
について掛は合わされて記号特徴の値の類似を推定する
類似信号を生産する。 ［００２１］ ラベル信号計数の確率分布は、例えば、ポアソン確率分
布であってもよい。 ［００２２］ 好ましくは、セットＵ。ｐｔ中の全発音の音響特徴値は
、音素のある発音がセットＣｏｐｔ中で文脈特徴値を有
する場合、音素のあるモデルを生産するよう統計的に組
み合わされる。同様に、セットＵ。ｐｔ、バー中の全発
音の音響特徴は、音素のある発音がセットＣ６，ｔバー
中で文脈特徴値を有する場合、音素のあるモデルを生産
するよう統計的に組み合わされる。 ［００２３］ 本発明に従って、観測された事象を類似のカテゴリへ自
動的にグループ化し、カリ、観測された事象のグループ
を異なる文脈と相関させる装置は、各事象の記号特徴の
値を測定する記号プロセッサ、と各事象の文脈特徴の値
を測定する文脈プロセッサを有する。選択プロセッサは
、異なる文脈特徴値を有する少なくとも二組のサブセッ
トを選択する。類似プロセッサは、各組のサブセットの
ために記号類似と「適合度」を計算する。最適化プロセ
ッサは、最良の１適合度」を有するその組のサブセット
と対応付けられた文脈特徴値を識別し、また、ブルーフ
プロセッサは、これら最適サブセットに従って観測され
た事象をグループ化する。 ［００２４］ 本発明は、また、自動音声認識のための方法と装置を含
んでいる。この方法では、ある発音の少なくとも一つの
音響特徴カミ音響特徴値を表現する音響特徴ベクトル信
号を生産するために測定される。この発音は、一以上の
音声単位の知られていないシーケンスを表現する。 ［００２５］ 一以上の音声単位の仮設シーケンスの仮説モデルが、選
択される。音声単位の仮説シーケンスは、音声単位の仮
説シーケンス中で文脈特徴を有する候補音声単位を有す
る。その文脈特徴はある値を有する。その仮説モデルは
、候補音声単位の文脈特徴の値が文脈特徴値のセットＣ
ｏｐｔ中にあるならば、候補音声単位の第一候補モデル
を有する。仮説モデルは、候補音声単位の文脈特徴の値
が文脈特徴値のセットＣ６ｐゎバー中にあるならば、第
一候補モデルとは異なる第二候補モデルを有する。
的にグループ化し、かつ、観測された事象のグループを
異なる文脈と相関させる方法は、異なる文脈における同
一の情報を表現する複数の観測された事象Ｕ のトレー
ニングセットＵを提供することにより開始する。各観測
された事象は、ある値を有する少なくとも一つの記号特
徴と、ある値を有する少なくとも一つの文脈特徴を有す
る。 ［００１０１ 次に、各事象の記号特徴の値は測定され、また、各事象
の文脈特徴の値は測定される。 ［００１１］ 観測された事象のセットＵからは、第一組のサブセット
Ｕ （Ｃ１）とＵ （Ｃ１）バーが選択される。サブセ
ットＵ （Ｃ１）は、あるセットＣ１中で値を有する文
脈特徴を有する。サブセットＵ （Ｃ１）バーは、ある
セットＣ１バー中で値を有する文脈特徴を有する。セッ
トＣ１とＣ１バーは、文脈特徴値の補数のセットである
。 ［００１２］ 観測された事象のセットＵの第二組のサブセットＵ（Ｃ
２）とＵ（Ｃ２）バーもまた選択される。サブセットＵ
（Ｃ２）は、あるセットＣ２中で値を有する文脈特徴を
有する。サブセットＵ（Ｃ２）バーは、あるセットＣ２
バー中で値を有する文脈特徴を有する。セットＣ２と０
２バーは、文脈特徴値の補数のセットである。セットＣ
２はセットＣ１と異なり、また、サブセットＵ（Ｃ２）
はサブセットＵ （Ｃ１）及びＵ （Ｃ１）バーと異な
る。 ［００１３］ 各組のセットＬＪ（Ｃ）とＵ（Ｃ）バーには、但し、ｎ
は少なくとも１が２ｎ ｎ であり、サブセットＵ（Ｃ）中で観測された事象の記号
特徴の値の類似Ａ （Ｕ（Ｃ）〕が計算され、また、サ
ブセットＵ（Ｃ）バー中で観測された事象のｎ
１１Ａ〔Ｕ（Ｃ）〕とＡＣＵ（Ｏｎ）〕バーは、セ
ットＣｎとＯｎノ〈−中の文脈時ｎ 徴値が観測された事象の記号特徴の値の変動をし）かに
よく説明する力・を推定する「適合度」である。 ［００１４］ 次に、最良の「適合度」を有するニセットＵ＝Ｕ（Ｃ）
とＵ。ｐｔツマ−＝ｏｐｔ ｎ Ｕ（Ｃ）バーに対応付けられた文脈特徴値のセ・ントＣ
ｏｐｔ＝ＣｎとＣ６ｔ ／ Ｘ−一〇 バーは識別され
る。その後、観測された事象は、セットＣｏｐｔ中で文
脈時徴値を有する事象の第一セットＵ とセットＣ
バー中で文脈特徴値を有す。 ｐｔ ｏｐす る観測された事象の第二セットＵ。ｐｔバー中へグルー
プ化される。 ［００１５］ 本発明の態様において、記号特徴は、少なくとも第一と
第二の独立構成要素を有する。各構成要素はある一つの
値を有する。 ［００１６］ 本発明に従って、セットＵ中の各事象は、ある音素の発
音でありうる。セットＵ中の事象Ｕ の全ては、この実
例では、ある単一音素を表現してし）る。音素の各発音
の文脈特徴は、音素の発音の先及び／又は後の一以上の
文脈発音を有する［００１７］ 好ましくは、本発明に従って、複数の異なる組のサブ七
ツ）Ｕ（Ｃ）とＵ（Ｃ）バーは選択され、また、「適合
度」は各組のサブセットにつ１．／）で計算される。 ［００１８］ 音素の各発音の記号特徴は、音素の各発音の音響特徴を
少なくとも一つ有する。この場合、記号特徴の値は、音
響特徴値を表現する少なくとも二つの音響特徴ベクトル
信号を生産するよう少なくとも二つの連続時間間隔のそ
れぞれの間に発音の音響特徴の値を測定することにより
計測される。各音響特徴ベクトル信号の音響特徴値は、
複数の原型ベクトル信号の各々のパラメタ値に比較され
、各音響特徴ベクトル信号に最良に一致される対応付け
られた原型ベクトル信号を決定する。音響特徴ベクトル
信号と対応付けられた原型ベクトル信号を表現するラベ
ル信号は、音素の発音の記号特徴の構成要素の値のコー
ド化表現で出力される。 ［００１９］ あるサブセットの事象中の事象の記号特徴の値の類似は
、各ラベル識別子とサブセット中の音素の各発音にラベ
ル識別子を表現するラベル信号の数を数え、その計数を
表現するラベル識別子度数信号を生産することにより計
算されうる。その後、各ラベル識別子のために、ラベル
信号計数の平均は、サブセットの全発音について計算さ
れ、平均計数信号を生産する。ラベル信号計数の確率分
布は、各ラベル識別子側に推定される。この確率分布は
、ラベル信号計数の平均と等しい期待値を有する。 ［００２０］ 各ラベル識別子とサブセット中の音素の各発音には、ラ
ベル識別子を表現するラベル信号の計数を観測する確率
力板ラベル信号計数の確率分布から推定゛される。その
計数の確率は、全ラベル識別子とサブセット中の全発音
について掛は合わされて記号特徴の値の類似を推定する
類似信号を生産する。 ［００２１］ ラベル信号計数の確率分布は、例えば、ポアソン確率分
布であってもよい。 ［００２２］ 好ましくは、セットＵ。ｐｔ中の全発音の音響特徴値は
、音素のある発音がセットＣｏｐｔ中で文脈特徴値を有
する場合、音素のあるモデルを生産するよう統計的に組
み合わされる。同様に、セットＵ。ｐｔ、バー中の全発
音の音響特徴は、音素のある発音がセットＣ６，ｔバー
中で文脈特徴値を有する場合、音素のあるモデルを生産
するよう統計的に組み合わされる。 ［００２３］ 本発明に従って、観測された事象を類似のカテゴリへ自
動的にグループ化し、カリ、観測された事象のグループ
を異なる文脈と相関させる装置は、各事象の記号特徴の
値を測定する記号プロセッサ、と各事象の文脈特徴の値
を測定する文脈プロセッサを有する。選択プロセッサは
、異なる文脈特徴値を有する少なくとも二組のサブセッ
トを選択する。類似プロセッサは、各組のサブセットの
ために記号類似と「適合度」を計算する。最適化プロセ
ッサは、最良の１適合度」を有するその組のサブセット
と対応付けられた文脈特徴値を識別し、また、ブルーフ
プロセッサは、これら最適サブセットに従って観測され
た事象をグループ化する。 ［００２４］ 本発明は、また、自動音声認識のための方法と装置を含
んでいる。この方法では、ある発音の少なくとも一つの
音響特徴カミ音響特徴値を表現する音響特徴ベクトル信
号を生産するために測定される。この発音は、一以上の
音声単位の知られていないシーケンスを表現する。 ［００２５］ 一以上の音声単位の仮設シーケンスの仮説モデルが、選
択される。音声単位の仮説シーケンスは、音声単位の仮
説シーケンス中で文脈特徴を有する候補音声単位を有す
る。その文脈特徴はある値を有する。その仮説モデルは
、候補音声単位の文脈特徴の値が文脈特徴値のセットＣ
ｏｐｔ中にあるならば、候補音声単位の第一候補モデル
を有する。仮説モデルは、候補音声単位の文脈特徴の値
が文脈特徴値のセットＣ６ｐゎバー中にあるならば、第
一候補モデルとは異なる第二候補モデルを有する。
【００２６】
この仮説モデルからは、音声単位の仮説シーケンスの発
音が音声単位の知られていないシーケンスの発音の音響
特徴値に等しいある音響特徴値となる確率は、推定され
る。 ［００２７］ 自動音声認識のための方法と装置においては、文脈特徴
値のセットＣｏｐｔとＣｏｐｔバーは、本発明に従って
観測された事象を類似のカテゴリへ自動的にグループ化
し、かつ、観測された事象のグループを異なる文脈と相
関させることにより決定される。 ［００２８］ 本発明に従う自動音声認識装置は、音声の少なくとも一
つの音響特徴の値を測定する音響プロセッサを有する。 仮説プロセッサは、候補音声単位の文脈特徴値がセット
Ｃ３ｐｔもしくはＣｏｐｔバー中にあるがどうかを基に
して音声単位の仮説シーケンスの少なくとも二つの代替
仮説モデルのうち一方を選択する。詳細一致プロセッサ
は、被選択仮説モデルから、音声単位の仮説シーケンス
の発音が音声単位の知られていないシーケンスの発音の
音響特徴値に等しいある音響特徴値となる確率を推定す
る。文脈特徴値のセットＣとＣバーは、本発明に従っｏ
ｐｔ ｏｐｔ て発音を類似のカテゴリへ自動的にグループ化し、かつ
、発音のグループを異なる文脈と相関させるようトレー
ニングプロセッサによって判断される。 ［００２９］
音が音声単位の知られていないシーケンスの発音の音響
特徴値に等しいある音響特徴値となる確率は、推定され
る。 ［００２７］ 自動音声認識のための方法と装置においては、文脈特徴
値のセットＣｏｐｔとＣｏｐｔバーは、本発明に従って
観測された事象を類似のカテゴリへ自動的にグループ化
し、かつ、観測された事象のグループを異なる文脈と相
関させることにより決定される。 ［００２８］ 本発明に従う自動音声認識装置は、音声の少なくとも一
つの音響特徴の値を測定する音響プロセッサを有する。 仮説プロセッサは、候補音声単位の文脈特徴値がセット
Ｃ３ｐｔもしくはＣｏｐｔバー中にあるがどうかを基に
して音声単位の仮説シーケンスの少なくとも二つの代替
仮説モデルのうち一方を選択する。詳細一致プロセッサ
は、被選択仮説モデルから、音声単位の仮説シーケンス
の発音が音声単位の知られていないシーケンスの発音の
音響特徴値に等しいある音響特徴値となる確率を推定す
る。文脈特徴値のセットＣとＣバーは、本発明に従っｏ
ｐｔ ｏｐｔ て発音を類似のカテゴリへ自動的にグループ化し、かつ
、発音のグループを異なる文脈と相関させるようトレー
ニングプロセッサによって判断される。 ［００２９］
【実施例１
図１は、本発明に従って観測された事象を類似のカテゴ
リへ自動的にグループ化し、かつ、観測された事象のグ
ループを異なる文脈と相関させる方法のフローチャート
である。この方法は、同じ情報を異なる文脈で表現する
複数の観測された事象Ｕ のトレーニングセットＵを供
給することから開始する。それぞれの観測された事象は
、ある値を有する少なくとも一つの記号特徴とある値を
有する少なくとも一つの文脈特徴を有する。 ［００３０］ 例えば、各事象は、ある音素の発音でありうる。セット
Ｕの中の事象Ｕ の全では、ある単一の音素を表現する
。 ［００３１］ 表１は、ある音素の発音の一セットの仮説例を記載する
。このセット中の事象は、語”ｔｏｗｅｌ”、 ａ
ｘｅｌ”、 ｂｅｇ 、 ｐｏｗｅｒｎｅｃ
ｋ”、 ｐｕｍｍｅｌ°’、 ｗｅｔ”、
ｏｆｔｅｎ” ”ｗｏｎｄｅｒｓｔｅｐ 、
ｇｅｔ”、及び’ ｔｈｕｎｄｅｒ 中の軟音（７
）” ｅ”音素の発音である。 【Ｏ○３２】
リへ自動的にグループ化し、かつ、観測された事象のグ
ループを異なる文脈と相関させる方法のフローチャート
である。この方法は、同じ情報を異なる文脈で表現する
複数の観測された事象Ｕ のトレーニングセットＵを供
給することから開始する。それぞれの観測された事象は
、ある値を有する少なくとも一つの記号特徴とある値を
有する少なくとも一つの文脈特徴を有する。 ［００３０］ 例えば、各事象は、ある音素の発音でありうる。セット
Ｕの中の事象Ｕ の全では、ある単一の音素を表現する
。 ［００３１］ 表１は、ある音素の発音の一セットの仮説例を記載する
。このセット中の事象は、語”ｔｏｗｅｌ”、 ａ
ｘｅｌ”、 ｂｅｇ 、 ｐｏｗｅｒｎｅｃ
ｋ”、 ｐｕｍｍｅｌ°’、 ｗｅｔ”、
ｏｆｔｅｎ” ”ｗｏｎｄｅｒｓｔｅｐ 、
ｇｅｔ”、及び’ ｔｈｕｎｄｅｒ 中の軟音（７
）” ｅ”音素の発音である。 【Ｏ○３２】
【表１】
［００３３］
その代わりに、事象は、例えば、文字又は数字等の単一
キャラクタの書込み又は印字の複数の存在でありうる。 他の種の観測された事象もまた本発明を使用することに
よりグループ化され、がっ、文脈上関連付けられうる。 ［００３４］ 次に、各事象の記号特徴値が測定される。事象がある音
素の発音である場合に記号特徴は、例えば、音素の各発
音の少なくとも一つの音響特徴となりうる。 ［００３５］ 表１の仮説実例に示す通り、記号特徴は、一連の時間間
隔それぞれの間で音素の発音の音響特徴を表現する音響
ラベルの記号列である。この実例が”°１″又は２″の
値を有するたった二つの音響ラベルを示すが、実際には
、各音素の音響特徴は、例えば、２００ラベルのセット
からラベル付けされる。 ［００３６］ 好ましくは、各事象の記号特徴は、少なくとも第一と第
二の独立構成要素を有する。各構成用素はある値を有す
る。 ［００３７］ 表１の仮説実例では、音響ラベル記号列は、各発音され
た音素の記号特徴である。記号列中の各音響ラベルは、
記号特徴のある独立構成要素である。従って、この実例
では、その記号特徴は、３から７の独立構成要素を有す
る。 ［００３８］ 本発明に従って、各事象の文脈特徴の値もまた測定され
る。事象がある音素の発音である場合に、文脈特徴は、
例えば、音素の発音の先又は後の一以上の発音を有する
。 ［００３９］ 表１に示す通り、文脈特徴は、例えば、軟音の′″ ｅ
のすぐ後の発音された音素でありうる。 ［００４０１ 実際には、しかしながら、その文脈は、事象により表現
された音素のすぐ先の５音素とすぐ後の５音素によって
規定される。
キャラクタの書込み又は印字の複数の存在でありうる。 他の種の観測された事象もまた本発明を使用することに
よりグループ化され、がっ、文脈上関連付けられうる。 ［００３４］ 次に、各事象の記号特徴値が測定される。事象がある音
素の発音である場合に記号特徴は、例えば、音素の各発
音の少なくとも一つの音響特徴となりうる。 ［００３５］ 表１の仮説実例に示す通り、記号特徴は、一連の時間間
隔それぞれの間で音素の発音の音響特徴を表現する音響
ラベルの記号列である。この実例が”°１″又は２″の
値を有するたった二つの音響ラベルを示すが、実際には
、各音素の音響特徴は、例えば、２００ラベルのセット
からラベル付けされる。 ［００３６］ 好ましくは、各事象の記号特徴は、少なくとも第一と第
二の独立構成要素を有する。各構成用素はある値を有す
る。 ［００３７］ 表１の仮説実例では、音響ラベル記号列は、各発音され
た音素の記号特徴である。記号列中の各音響ラベルは、
記号特徴のある独立構成要素である。従って、この実例
では、その記号特徴は、３から７の独立構成要素を有す
る。 ［００３８］ 本発明に従って、各事象の文脈特徴の値もまた測定され
る。事象がある音素の発音である場合に、文脈特徴は、
例えば、音素の発音の先又は後の一以上の発音を有する
。 ［００３９］ 表１に示す通り、文脈特徴は、例えば、軟音の′″ ｅ
のすぐ後の発音された音素でありうる。 ［００４０１ 実際には、しかしながら、その文脈は、事象により表現
された音素のすぐ先の５音素とすぐ後の５音素によって
規定される。
【００４月
５４音素のあるセットは、例えば、英語の音声単位を規
定するのに使用される［００４２］ バーが選択される。サブセットＵ（Ｃ）は、セットＣ１
中で値を有する文脈時徴を有する。サブセットＵ（Ｃ）
バーは、セットＣ１バー中で値を有する文脈特徴を有す
る。セットＣと０１バーは、文脈特徴値の補数セットで
ある。 ［００４３］ 一組のサブセットＵ（Ｃ）とＵ（Ｃ２）バーもまた選択
される。サブセットＵ（Ｃ）は、セットＣ２中で値を有
する文脈特徴を有し、また、サブセットＵ（Ｃ）バーは
、セットＣバー中で値を有する文脈特徴を有する。セッ
トＣ２とＣバーは、文脈特徴値の補数セットである。セ
ットＣは、セットＣ１とは異なる。サブセットＵ（Ｃ）
は、サブセットＵ（Ｃ）とサブセットＵ（Ｃ１）バーと
は異なる。 ［００４４］ 主体音素が異なる文脈の数Ｎ においてトレーニングセ
ットＵ中で観測される場合、異なる文脈のセットＣとＣ
バーの組数は、次式〔１〕によって与えらｎ
ｎ れる。 ［００４５］ 【数１】 ［００４６］ 再び仮説の及び単純化された実例、表１を参照して、文
脈特徴値は、 Ｌ”Ｇ”、 Ｒ”、 ＣＫ’”
Ｔｌｌ 、 Ｎｌ＋、及び＋＋ Ｐ ＋＋である
。従って、異なる文脈特徴値のＮ の数は、７である。 その結果、異なる文脈特徴値の６３組のセットＣとＣバ
ー 及び文脈によって分類された事象の６３組のセット
Ｕ （ｎ ｎ Ｃ）とＵ（Ｃ）バーがある。 ｎ ｎ ［００４７］ Ｃバーを記載する。この実例では、セットＣ１＝ （Ｌ
、Ｒ）とセットＣ１バーｎ ＝ （Ｇ、ＣＫ、Ｔ、Ｎ、Ｐ）である。従って、観測さ
れた事象のサブセットＵ（Ｃ１）は、語（ｔｏｗｅｌ、
ａｘｅｌ、ｐｏｗｅｒ、ｐｕｍｍｅｌｗｏｎｄｅｒ、ｔ
ｈｕｎｄｅｒ）のセット中で軟音の“′ｅ 音素の発音
を含む。 サブセットＵ （Ｃ１）バーは、語（ｂｅｇ、ｎｅｃｋ
、ｗｅｔ、ｏｆｔｅｎｓｔｅｐ、ｇｅｔ）の中で軟音の
ＩＩ ｅ の発音を含む。 ［００４８］
定するのに使用される［００４２］ バーが選択される。サブセットＵ（Ｃ）は、セットＣ１
中で値を有する文脈時徴を有する。サブセットＵ（Ｃ）
バーは、セットＣ１バー中で値を有する文脈特徴を有す
る。セットＣと０１バーは、文脈特徴値の補数セットで
ある。 ［００４３］ 一組のサブセットＵ（Ｃ）とＵ（Ｃ２）バーもまた選択
される。サブセットＵ（Ｃ）は、セットＣ２中で値を有
する文脈特徴を有し、また、サブセットＵ（Ｃ）バーは
、セットＣバー中で値を有する文脈特徴を有する。セッ
トＣ２とＣバーは、文脈特徴値の補数セットである。セ
ットＣは、セットＣ１とは異なる。サブセットＵ（Ｃ）
は、サブセットＵ（Ｃ）とサブセットＵ（Ｃ１）バーと
は異なる。 ［００４４］ 主体音素が異なる文脈の数Ｎ においてトレーニングセ
ットＵ中で観測される場合、異なる文脈のセットＣとＣ
バーの組数は、次式〔１〕によって与えらｎ
ｎ れる。 ［００４５］ 【数１】 ［００４６］ 再び仮説の及び単純化された実例、表１を参照して、文
脈特徴値は、 Ｌ”Ｇ”、 Ｒ”、 ＣＫ’”
Ｔｌｌ 、 Ｎｌ＋、及び＋＋ Ｐ ＋＋である
。従って、異なる文脈特徴値のＮ の数は、７である。 その結果、異なる文脈特徴値の６３組のセットＣとＣバ
ー 及び文脈によって分類された事象の６３組のセット
Ｕ （ｎ ｎ Ｃ）とＵ（Ｃ）バーがある。 ｎ ｎ ［００４７］ Ｃバーを記載する。この実例では、セットＣ１＝ （Ｌ
、Ｒ）とセットＣ１バーｎ ＝ （Ｇ、ＣＫ、Ｔ、Ｎ、Ｐ）である。従って、観測さ
れた事象のサブセットＵ（Ｃ１）は、語（ｔｏｗｅｌ、
ａｘｅｌ、ｐｏｗｅｒ、ｐｕｍｍｅｌｗｏｎｄｅｒ、ｔ
ｈｕｎｄｅｒ）のセット中で軟音の“′ｅ 音素の発音
を含む。 サブセットＵ （Ｃ１）バーは、語（ｂｅｇ、ｎｅｃｋ
、ｗｅｔ、ｏｆｔｅｎｓｔｅｐ、ｇｅｔ）の中で軟音の
ＩＩ ｅ の発音を含む。 ［００４８］
【表２】
［００４９］
また、この実例では、文脈特徴値セットｃ２＝ （Ｌ、
Ｇ、Ｔ） 、及び文脈特徴値セットＣバー＝ （Ｒ，Ｃ
Ｋ、Ｎ、Ｐ）である。従って、サブセットＵ（Ｃ２）は
、語（ｔｏｗｅｌ、 ａｘｅｌ、 ｂｅｇ、 ｐｕｍｍ
ｅｌ、 ｗｅｔ、 ｇｅｔ）のｐｏｗｅ、ｒ、ｎｅｃｋ
、ｏｆｔｅｎ、ｗｏｎｄｅｒ、５ｔｅｐ、ｔｈｕｎｄｅ
ｒ）の中で軟膏の” ｅ 音素の発音を含む。 ［００５０１ 少なくとも二組の観測された事象のサブセットが選択さ
れた後に、各組のサブセットために、サブセットＵ（Ｃ
）中の観測された事象の記号特徴の値の類似Ａ［ＩＵ（
Ｃ））は計算され、また、サブセットＵ（Ｃ）バー中の
観゛測されたｎ
ｎ事象の記
号特徴の値の類似ＡＣＵ（Ｃ））バーは計算される。Ａ
〔Ｕ（Ｃ）ｎ
ｎ〕とＡＣＵ（Ｃ））バーの
組み合わせは、いかによくセットＣとＣバー中ｎ
ｎ ｎの文脈特徴値
が観測された事象の記号特徴の値の変動を説明するかを
推定する「適合度」である。 ［００５１］ 各組のサブセットのために「適合度」を計算した後、最
良の「適合度」を有する二セットＵ。ｐｔ＝Ｕ（Ｃｎ）
とＵ。ｐｔバー＝Ｕ （Ｃｎ）バーと対応付けられた文
脈特徴値のセットＣ３ｐｔ＝ＣｎとＣ３ｐｔバー−〇ｎ
バーは識別される。 ［００５２］ この実例では、表２に示されたセットＣとＣバー中の値
を有する文脈特徴ｎ ｎ を有する全６３組のサブセットＵ（Ｃ）とＵ（Ｃ）バー
は選択されている。 ｎ ｎ 類似と「適合度」は、これらセットの全てのために計算
され、また、最良の「適合度」は識別されている。しか
しながら、実際には、余りに多くの組のサブセットがあ
るので、全組のサブセットのために類似と「適合度」を
計算することはできない。この場合、最も有望な組のサ
ブセットのみが、選ばれたある基準に従って、手動的又
は自動的に選択される。 ［００５３］ 図２は、音素の発音の記号特徴（音響特徴）の値を測定
するステップのフローチャートである。まず、発音の少
なくとも一つの音響特徴の値は、少なくとも二つの連続
する時間間隔のそれぞれの間で測定され、音響特徴値を
表現する少なくとも二つの音響特徴ベクトル信号を生成
する。実際には、各音響特徴は、選択されたある周波数
帯内における発音の測定されたエネルギーレベルである
。 ［００５４］ 複数の原型ベクトル信号は記憶される。実際には、少な
くとも一つのパラメタ値と固有のラベル識別子を各々有
する、２００までの異なる原型ベクトル信号がありうる
。 ［００５５］ 各音響特徴ベクトル信号の音響特徴値は、原型ベクトル
信号のパラメタ値と比較され、各音響特徴ベクトル信号
に最良に一致される対応付けられた原型ベクトル信号を
判断する。音響特徴ベクトル信号と対応付けされた原型
ベクトル信号のラベル識別子を表現するラベル信号の記
号列は、音素の発音の記号（音響）特徴の値のコード化
表現として出力される。その記号列中の各ラベル信号は
、記号特徴の独立構成要素である。 ［００５６］ 図３は、あるサブセットの事象中の事象の記号特徴の値
の類似の計算の実例のフローチャートである。まず、各
ラベル識別子とサブセット中の音素の各発音のために、
ラベル識別子を表現するラベル信号の数は、数えられ、
その計数を表現するラベル識別子周波数信号を生成する
。 ［００５７］ 表３−６は、発音のトレーニングセット中の各発音のた
めにラベル１計数とラベル２計数を示す。例えば、語”
ｔｏｗｅｌ”中の軟膏のＩＩ ｅ 音素に対応する音
響ラベル記号列は、（１，２，１，１，２，１）である
。従って、ラベル１計数（ｆ ’）は４であり、また
、ラベル２計数（ｆ２）は２である。 ［００５８］
Ｇ、Ｔ） 、及び文脈特徴値セットＣバー＝ （Ｒ，Ｃ
Ｋ、Ｎ、Ｐ）である。従って、サブセットＵ（Ｃ２）は
、語（ｔｏｗｅｌ、 ａｘｅｌ、 ｂｅｇ、 ｐｕｍｍ
ｅｌ、 ｗｅｔ、 ｇｅｔ）のｐｏｗｅ、ｒ、ｎｅｃｋ
、ｏｆｔｅｎ、ｗｏｎｄｅｒ、５ｔｅｐ、ｔｈｕｎｄｅ
ｒ）の中で軟膏の” ｅ 音素の発音を含む。 ［００５０１ 少なくとも二組の観測された事象のサブセットが選択さ
れた後に、各組のサブセットために、サブセットＵ（Ｃ
）中の観測された事象の記号特徴の値の類似Ａ［ＩＵ（
Ｃ））は計算され、また、サブセットＵ（Ｃ）バー中の
観゛測されたｎ
ｎ事象の記
号特徴の値の類似ＡＣＵ（Ｃ））バーは計算される。Ａ
〔Ｕ（Ｃ）ｎ
ｎ〕とＡＣＵ（Ｃ））バーの
組み合わせは、いかによくセットＣとＣバー中ｎ
ｎ ｎの文脈特徴値
が観測された事象の記号特徴の値の変動を説明するかを
推定する「適合度」である。 ［００５１］ 各組のサブセットのために「適合度」を計算した後、最
良の「適合度」を有する二セットＵ。ｐｔ＝Ｕ（Ｃｎ）
とＵ。ｐｔバー＝Ｕ （Ｃｎ）バーと対応付けられた文
脈特徴値のセットＣ３ｐｔ＝ＣｎとＣ３ｐｔバー−〇ｎ
バーは識別される。 ［００５２］ この実例では、表２に示されたセットＣとＣバー中の値
を有する文脈特徴ｎ ｎ を有する全６３組のサブセットＵ（Ｃ）とＵ（Ｃ）バー
は選択されている。 ｎ ｎ 類似と「適合度」は、これらセットの全てのために計算
され、また、最良の「適合度」は識別されている。しか
しながら、実際には、余りに多くの組のサブセットがあ
るので、全組のサブセットのために類似と「適合度」を
計算することはできない。この場合、最も有望な組のサ
ブセットのみが、選ばれたある基準に従って、手動的又
は自動的に選択される。 ［００５３］ 図２は、音素の発音の記号特徴（音響特徴）の値を測定
するステップのフローチャートである。まず、発音の少
なくとも一つの音響特徴の値は、少なくとも二つの連続
する時間間隔のそれぞれの間で測定され、音響特徴値を
表現する少なくとも二つの音響特徴ベクトル信号を生成
する。実際には、各音響特徴は、選択されたある周波数
帯内における発音の測定されたエネルギーレベルである
。 ［００５４］ 複数の原型ベクトル信号は記憶される。実際には、少な
くとも一つのパラメタ値と固有のラベル識別子を各々有
する、２００までの異なる原型ベクトル信号がありうる
。 ［００５５］ 各音響特徴ベクトル信号の音響特徴値は、原型ベクトル
信号のパラメタ値と比較され、各音響特徴ベクトル信号
に最良に一致される対応付けられた原型ベクトル信号を
判断する。音響特徴ベクトル信号と対応付けされた原型
ベクトル信号のラベル識別子を表現するラベル信号の記
号列は、音素の発音の記号（音響）特徴の値のコード化
表現として出力される。その記号列中の各ラベル信号は
、記号特徴の独立構成要素である。 ［００５６］ 図３は、あるサブセットの事象中の事象の記号特徴の値
の類似の計算の実例のフローチャートである。まず、各
ラベル識別子とサブセット中の音素の各発音のために、
ラベル識別子を表現するラベル信号の数は、数えられ、
その計数を表現するラベル識別子周波数信号を生成する
。 ［００５７］ 表３−６は、発音のトレーニングセット中の各発音のた
めにラベル１計数とラベル２計数を示す。例えば、語”
ｔｏｗｅｌ”中の軟膏のＩＩ ｅ 音素に対応する音
響ラベル記号列は、（１，２，１，１，２，１）である
。従って、ラベル１計数（ｆ ’）は４であり、また
、ラベル２計数（ｆ２）は２である。 ［００５８］
【表３】
【表４】
【００６０１
【表５】
［００６１］
【表６】
［００６２］
各ラベル識別子のために、ラベル信号計数の平均は、平
均計数信号を生産するようサブセット中の全発音用に計
算される。表３−６に示す通り、サブセットＵ（Ｃ’）
用の平均ラベル１計数（μｍ）は４．３３であり、また
、サブセットＵ（Ｃ）用の平均ラベル２計数（μ２）は
１．８３である。その他の平均ラベル計数は表４−６に
示されている。 ［００６３］ 各ラベル識別子のために、ラベル信号計数の確率分布は
、推定される。この確率分布は、ラベル信号計数の平均
に等しい期待値を有する。好ましくは、確率分布はポア
ソン確率分布である。他に代わる確率分布の、多項確率
分布等もまた使用されうる。 ［００６４］ 各ラベル識別子とサブセット中の音素の各発音のために
、ラベル識別子を表現するラベル信号の計数を観測する
確率は、ラベル信号計数の確率分布から推定される。 ［００６５］ 最後に、全ラベル識別子とサブセット中の全発音のため
に、計数の確率は、記号特徴の値の類似を推定する類似
信号を生成するよう掛けられる。 ［００６６］ 表３−６に示された類似計算は、ポアソン確率分布に基
づいている。ラベル記号列がμ、の期待値を有するポア
ソン源によって生成されると仮定すれば、ついであるラ
ベルｉのために計数ｆ、を得る確率は、次式によって与
えられる。 ［００６７］
均計数信号を生産するようサブセット中の全発音用に計
算される。表３−６に示す通り、サブセットＵ（Ｃ’）
用の平均ラベル１計数（μｍ）は４．３３であり、また
、サブセットＵ（Ｃ）用の平均ラベル２計数（μ２）は
１．８３である。その他の平均ラベル計数は表４−６に
示されている。 ［００６３］ 各ラベル識別子のために、ラベル信号計数の確率分布は
、推定される。この確率分布は、ラベル信号計数の平均
に等しい期待値を有する。好ましくは、確率分布はポア
ソン確率分布である。他に代わる確率分布の、多項確率
分布等もまた使用されうる。 ［００６４］ 各ラベル識別子とサブセット中の音素の各発音のために
、ラベル識別子を表現するラベル信号の計数を観測する
確率は、ラベル信号計数の確率分布から推定される。 ［００６５］ 最後に、全ラベル識別子とサブセット中の全発音のため
に、計数の確率は、記号特徴の値の類似を推定する類似
信号を生成するよう掛けられる。 ［００６６］ 表３−６に示された類似計算は、ポアソン確率分布に基
づいている。ラベル記号列がμ、の期待値を有するポア
ソン源によって生成されると仮定すれば、ついであるラ
ベルｉのために計数ｆ、を得る確率は、次式によって与
えられる。 ［００６７］
【数２】
［００６８］
両辺の対数（底２）を取れば、次式を得る。
［００６９］
［００７０］
計数の確率の積の対数が計数の確率の対数の和に等しい
ので、あるサブセラ中の発音された音素の音響特徴値の
類似は、次式によって与えられる。 ［００７１］
ので、あるサブセラ中の発音された音素の音響特徴値の
類似は、次式によって与えられる。 ［００７１］
【数４】
ト
［００７２］
ここで、Ｆは異なるラベルの数である（この実例ではＦ
＝２）。この確率の対［００７３］ 各組のサブセットの「適合度」は、類似ＡＣＵ（Ｃ））
と類似Ａ ＣＵ （Ｃｎ）〕バーを組み合わせることに
より得られる。この実例では、類似が対数として計算さ
れるので、類似は加法によって組み合わされる。その「
適合度」はＡ ［Ｕ（Ｃ）、ｌ＋ＡＣＵ（Ｃ））バーで
ある。その代わりに、確率の対数の代わりｎ
ｎに、類似が確率として計算
されたならば、類似は、東法によって組み合わされただ
ろう。その「適合度」は、その時Ａ［Ｕ（Ｃ））ＸＡ［
Ｕ（Ｃ）〕バーでｎ
ｎあったろう。 ［００７４］ サブセットＵ （Ｃ１）とＵ （Ｃ１）バーがサブセッ
トＵ（Ｃ２）とＵ（Ｃ２）バーより良い（この場合、高
いが好ましい）組合せ類似を有するので、文脈特徴され
る。 ［００７５］ 好ましくは、事象を類似のカテゴリへグループ化し、か
つ、そのグループを異なる文脈と相関させる方法は、大
きな類似と大きな文脈相関を有する事象の小さなグルー
プを得るよう観測された事象Ｕ。ｐｔとＵ。ｐｔバーの
出力グループを各々結果とするために繰り返される。そ
の処理は、重要な改良が得られないまでは、各出力グル
ープで繰り返される。例えば、「適合度」の増加が被選
択しきい値以下に落ちるまで、その処理は、各出力グル
ープで繰り返される。 ［００７６］ ある音素の音響的に類似の文脈関連発音の各端末サブセ
ット（即ち、もう分割されない各サブセット）のために
、サブセット中の全発音の音響特徴値は、音素のある発
音が対応付けられた文脈特徴値を有する場合、音素のモ
デルを生産するよう統計的に組み合わされる。ある音素
モデルを生産するよう音響特徴値を統計的に組み合わせ
る処理は、例えば、（音響、音声、及び信号処理の１９
８８年■ＥＥＥ国際会議の処理、１９８８年４９７−５
００頁の）エル・アール・バール他による表題″タンボ
ラ音声認識システム（Ｔａｎｇｏｒａ Ｓｐｅｅｃｈ
Ｒｅｃｏｇｎｉｔｉｏｎ Ｓｙｓｔｅｍ）に使用され
た音響マルコフモデル（Ａｃｏｕｓｔｉｃ Ｍａｒｋ
ｏｖ Ｍｏｄｅｌｓ）”に記載される。 ［００７７］ 図４は、本発明に従って観測された事象を類似のカテゴ
リへ自動的にグループ化し、かつ、観測された事象のグ
ループを異なる文脈と相関させる装置のブロック線図で
ある。その装置は、各事象の記号特徴の値を測定する記
号プロセッサ、と各事象の文脈特徴の値を測定する文脈
プロセッサを含む。選択プロセッサは、数組のサブセッ
トＵ（Ｃ１） Ｕ（Ｃ１）バー Ｕ（Ｃ２） 及びＵ（
Ｃ２）バーを選択する。類似プロセッサは、各サブセッ
ト中の観測された事象の記号特徴の値の類似を計算し、
カリ、各組のサブセットのために「適合度」を計算する
。 ［００７８］ 最適化プロセッサは、最良の「適合度」を有する事象サ
ブセットと対応付けられた文脈特徴値サブセットを識別
する。グループ化プロセッサは、これら文脈特徴僅に従
って観測された事象をグループ化する。 ［００７９］ 図５は、各事象力板例えば、ある音素の発音である記号
プロセッサと文脈プロセッサを示すブロック線図である
。 ［００８０］ ブロック１０内に記憶されたトレーニング書体は、デイ
スプレィ１２上に表示される。トレーニング書体は、デ
イスプレィ１２から読み込まれ、かつ、マイクロフォン
１４中へ発声される。マイクロフォン１４の出力は、ブ
ロック１６内でサンプリングされ、かつ、ディジタル化
される。サンプリングされ、かつ、ディジタル化された
信号は、特徴抽出装置１８に入り、この特徴抽出装置１
８は、音響特徴値を表現する一連の音響特徴ベクトル信
号を生産するよう各一連の時間間隔の間で各多数の異な
る周波数帯内の信号のエネルギーを測定する。 ［００８１］ ラベラ２０は、各音響特徴ベクトル信号の音響特徴値を
原型記憶装置２２内の原型ベクトル信号のパラメタ値と
比較し、各音響特徴ベクトル信号に最良に一致される対
応付けられた原型ベクトル信号を決定する。ラベラ２０
は、音素の発音の記号特徴の値のコード化表現として音
響特徴ベクトル信号と対応付けられた原型ベクトル信号
のラベル識別子を表現するラベル信号の記号列を出力す
る。記号列中の各ラベル信号は、記号特徴の独立構成要
素である。 ［００８２］ ビテルビ（Ｖｉｔｅｒｂｉ）位置合せプロセッサ２４は
、トレーニング書体１０に対応するモデルライブラリ２
６から音素モデルの記号列を検索する。プロセッサ２４
は、ついでラベラ２０からのラベル出力の記号列に対し
てモデルの記号列を整列させる。結果として、各音素モ
デルは、発音された音素に対応するラベルの部分列に対
して整列する。整列の結果は、事象のタブレット２８内
に記憶される。 ［０Ｃ）８３］ トレーニング書体１０、そして音素モデルのライブラリ
２６からは、文脈プロセッサ３０は、トレーニング書体
中で各音素の文脈を決定する。その文脈もまたタブレッ
、ト２８内に記・１意される。 ［００８４］ 図６は、本発明に従う自動音声認識装置のブロック線図
である。音響プロセッサ３２は、音響特徴値を表現する
音響特徴ベクトル信号を生産するようある発音の少なく
とも一つの音響特徴の値を測定する。その発音は、一つ
以上の音声単位の知られていないシーケンスを表現する
。 ［００８５］ かかる装置は、発音を生産した音声単位の知られていな
いシーケンスの識別に関し仮設を生成する仮説プロセッ
サ３４をさらに含む。 ［００８６］ 例えば、まず、仮説プロセッサ３４は、語と音素のモデ
ルのライブラリ３６から高速音響一致プロセッサ３８へ
あらゆる語を提案する。高速音響一致プロセッサ３８は
、各語モデルのために、語の発音が音声単位の知られて
いないシーケンスの発音の少なくとも一部の特徴値に等
しい音響特徴値を有する確率を推定する［００８７］ 仮説プロセッサ３４は、ついで言語モデルプロセッサ４
０の候補として被選択しきい値を越える高速音響一致確
率を有する全語を選択する。 ［００８８］ 言語モデルプロセッサ４０は、ついで各維持語のために
、その語が言語モデル４２、と先と後の語の仮説に基づ
く音声単位の知られていないシーケンス中にある確率を
推定する。被選択しきい値以下の確率を有する仮説は、
拒否される。 ［００８９］ 被選択しきい値を越える組合せ高速音響一致プロセッサ
点と言語モデルプロセッサ点を有する仮説は、ついで詳
細音響一致プロセッサ４４へ提出される。 ［００９０１ 詳細一致プロセッサ４４のために、仮説プロセッサ３４
は、一以上の音声単位の仮説シーケンスの仮説モデルを
選択する。音声単位のシーケンスは、語のシー有する。 候補音声単位は、音声単位の仮説シーケンスの中である
文脈を有する。 その文脈は、例えば、仮説の中で先と後の音素を有する
。 ［００９１］ 仮説モデルは、候補音声単位の文脈特徴の値が文脈特徴
値のセットＣｏｐｔ中にあるならば、候補音声単位の第
一候補モデルを有する。仮説モデルは、候補音声単位の
文脈特徴の値が文脈特徴値のセットＣｏｐｔバー中にあ
るならば、候補音声単位の第一候補モデルとは異なる第
二候補モデルを有する。 ［００９２］ 表１−６の仮説実例に戻れば、Ｃ，＝（Ｌ、Ｒ）とＣｏ
ｐｔバー＝ （Ｇ、ＣＫｐｔ Ｔ、Ｎ、Ｐ）がわかる。従って、仮説の音素文脈が”
Ｌ”又は”′Ｒ′′ならば、仮説プロセッサ３４は、語
”ｔｏｗｅｌ”、 ａｘｅｌ”、 ｐｏｗｅｒ
ｐｕｍｍｅｌ”、 ｗｏｎｄｅｒ 、及び” ｔ
ｈｕｎｄｅｒ （７’）発音から生成された軟膏のＩ
Ｉ ｅ の候補モデルを選択する。その代わりに、
音素文脈が°′Ｇ“′ＣＫ＋＋ 、 Ｔ１１ 、
Ｎｌ＋、又は” Ｐ”であれば、ライで語”ｂｅｇｎｅ
ｃｋ”、 ｗｅｔ”、 ｏｆｔｅｎ 、
５ｔｅｐ 、及び”ｇｅｔ”の発音から生成された軟
膏のＩＩ ｅ の文脈依存モデルは、ライブラリ３６か
ら選択される。 ［００９３］ 最後に、仮説プロセッサ３４によって選択されたモデル
は、被選択モデルから音声単位の仮説シーケンスの発音
が音声単位の知られていないシーケンスの発音の音響特
徴値と等しい音響特徴値を有する確率を推定する詳細一
致プロセッサ３４へ提出される。 ［００９４］ 上記記載の通り、観測された事象を類似のカテゴリへ自
動的にグループ化し、かつ、観測された事象のグループ
を異なる文脈と相関させる本発明に従う方法は、観測さ
れた事象の記号特徴の値のより大きな類似によって文脈
依存グループを抽出するために各出力セットＵ。ｐｔと
Ｕ。ｐｔバーにおいて実行されうる。記号特徴値がビテ
ルビ位置合せによって選択された音響ラベル記号列であ
る場合、いくつかの音響ラベル記号列が誤って配列され
、ラベル記号列のいくつかが正しくなくなる可能性があ
る。 ［００９５］ 間違ったラベル記号列を取り除くために、低い数のラベ
ル記号列（例えば、５未満のラベル記号列）を含むどん
な端末出力セットＵ。、を又はＵ。ｐｔバーも最も含ん
でいそうな間違ったデータとして見捨てられる。 ［００９６］ 文脈特徴値のセットと対応付けられた音響ラベル記号列
のお互いの端末出力セットのためには、各音響ラベル記
号列が次の方法で試、験される。 ［００９７］ 音響ラベル記号列のセットＳ中のラベル記号列Ｓのため
に、その記号列中のラベルｉの出現の数 は、Ｓ、によ
って示される。記号列Ｓは、Ｓから取り除かれまた、ポ
アソンモデルは、Ｓ中の記号列の残りに適合される。こ
のポアソンモデルのパラメタμ、、ｉ＝１． 、、
、、Ｆ、は次式によって与えられる。 ■ ［００９８］
＝２）。この確率の対［００７３］ 各組のサブセットの「適合度」は、類似ＡＣＵ（Ｃ））
と類似Ａ ＣＵ （Ｃｎ）〕バーを組み合わせることに
より得られる。この実例では、類似が対数として計算さ
れるので、類似は加法によって組み合わされる。その「
適合度」はＡ ［Ｕ（Ｃ）、ｌ＋ＡＣＵ（Ｃ））バーで
ある。その代わりに、確率の対数の代わりｎ
ｎに、類似が確率として計算
されたならば、類似は、東法によって組み合わされただ
ろう。その「適合度」は、その時Ａ［Ｕ（Ｃ））ＸＡ［
Ｕ（Ｃ）〕バーでｎ
ｎあったろう。 ［００７４］ サブセットＵ （Ｃ１）とＵ （Ｃ１）バーがサブセッ
トＵ（Ｃ２）とＵ（Ｃ２）バーより良い（この場合、高
いが好ましい）組合せ類似を有するので、文脈特徴され
る。 ［００７５］ 好ましくは、事象を類似のカテゴリへグループ化し、か
つ、そのグループを異なる文脈と相関させる方法は、大
きな類似と大きな文脈相関を有する事象の小さなグルー
プを得るよう観測された事象Ｕ。ｐｔとＵ。ｐｔバーの
出力グループを各々結果とするために繰り返される。そ
の処理は、重要な改良が得られないまでは、各出力グル
ープで繰り返される。例えば、「適合度」の増加が被選
択しきい値以下に落ちるまで、その処理は、各出力グル
ープで繰り返される。 ［００７６］ ある音素の音響的に類似の文脈関連発音の各端末サブセ
ット（即ち、もう分割されない各サブセット）のために
、サブセット中の全発音の音響特徴値は、音素のある発
音が対応付けられた文脈特徴値を有する場合、音素のモ
デルを生産するよう統計的に組み合わされる。ある音素
モデルを生産するよう音響特徴値を統計的に組み合わせ
る処理は、例えば、（音響、音声、及び信号処理の１９
８８年■ＥＥＥ国際会議の処理、１９８８年４９７−５
００頁の）エル・アール・バール他による表題″タンボ
ラ音声認識システム（Ｔａｎｇｏｒａ Ｓｐｅｅｃｈ
Ｒｅｃｏｇｎｉｔｉｏｎ Ｓｙｓｔｅｍ）に使用され
た音響マルコフモデル（Ａｃｏｕｓｔｉｃ Ｍａｒｋ
ｏｖ Ｍｏｄｅｌｓ）”に記載される。 ［００７７］ 図４は、本発明に従って観測された事象を類似のカテゴ
リへ自動的にグループ化し、かつ、観測された事象のグ
ループを異なる文脈と相関させる装置のブロック線図で
ある。その装置は、各事象の記号特徴の値を測定する記
号プロセッサ、と各事象の文脈特徴の値を測定する文脈
プロセッサを含む。選択プロセッサは、数組のサブセッ
トＵ（Ｃ１） Ｕ（Ｃ１）バー Ｕ（Ｃ２） 及びＵ（
Ｃ２）バーを選択する。類似プロセッサは、各サブセッ
ト中の観測された事象の記号特徴の値の類似を計算し、
カリ、各組のサブセットのために「適合度」を計算する
。 ［００７８］ 最適化プロセッサは、最良の「適合度」を有する事象サ
ブセットと対応付けられた文脈特徴値サブセットを識別
する。グループ化プロセッサは、これら文脈特徴僅に従
って観測された事象をグループ化する。 ［００７９］ 図５は、各事象力板例えば、ある音素の発音である記号
プロセッサと文脈プロセッサを示すブロック線図である
。 ［００８０］ ブロック１０内に記憶されたトレーニング書体は、デイ
スプレィ１２上に表示される。トレーニング書体は、デ
イスプレィ１２から読み込まれ、かつ、マイクロフォン
１４中へ発声される。マイクロフォン１４の出力は、ブ
ロック１６内でサンプリングされ、かつ、ディジタル化
される。サンプリングされ、かつ、ディジタル化された
信号は、特徴抽出装置１８に入り、この特徴抽出装置１
８は、音響特徴値を表現する一連の音響特徴ベクトル信
号を生産するよう各一連の時間間隔の間で各多数の異な
る周波数帯内の信号のエネルギーを測定する。 ［００８１］ ラベラ２０は、各音響特徴ベクトル信号の音響特徴値を
原型記憶装置２２内の原型ベクトル信号のパラメタ値と
比較し、各音響特徴ベクトル信号に最良に一致される対
応付けられた原型ベクトル信号を決定する。ラベラ２０
は、音素の発音の記号特徴の値のコード化表現として音
響特徴ベクトル信号と対応付けられた原型ベクトル信号
のラベル識別子を表現するラベル信号の記号列を出力す
る。記号列中の各ラベル信号は、記号特徴の独立構成要
素である。 ［００８２］ ビテルビ（Ｖｉｔｅｒｂｉ）位置合せプロセッサ２４は
、トレーニング書体１０に対応するモデルライブラリ２
６から音素モデルの記号列を検索する。プロセッサ２４
は、ついでラベラ２０からのラベル出力の記号列に対し
てモデルの記号列を整列させる。結果として、各音素モ
デルは、発音された音素に対応するラベルの部分列に対
して整列する。整列の結果は、事象のタブレット２８内
に記憶される。 ［０Ｃ）８３］ トレーニング書体１０、そして音素モデルのライブラリ
２６からは、文脈プロセッサ３０は、トレーニング書体
中で各音素の文脈を決定する。その文脈もまたタブレッ
、ト２８内に記・１意される。 ［００８４］ 図６は、本発明に従う自動音声認識装置のブロック線図
である。音響プロセッサ３２は、音響特徴値を表現する
音響特徴ベクトル信号を生産するようある発音の少なく
とも一つの音響特徴の値を測定する。その発音は、一つ
以上の音声単位の知られていないシーケンスを表現する
。 ［００８５］ かかる装置は、発音を生産した音声単位の知られていな
いシーケンスの識別に関し仮設を生成する仮説プロセッ
サ３４をさらに含む。 ［００８６］ 例えば、まず、仮説プロセッサ３４は、語と音素のモデ
ルのライブラリ３６から高速音響一致プロセッサ３８へ
あらゆる語を提案する。高速音響一致プロセッサ３８は
、各語モデルのために、語の発音が音声単位の知られて
いないシーケンスの発音の少なくとも一部の特徴値に等
しい音響特徴値を有する確率を推定する［００８７］ 仮説プロセッサ３４は、ついで言語モデルプロセッサ４
０の候補として被選択しきい値を越える高速音響一致確
率を有する全語を選択する。 ［００８８］ 言語モデルプロセッサ４０は、ついで各維持語のために
、その語が言語モデル４２、と先と後の語の仮説に基づ
く音声単位の知られていないシーケンス中にある確率を
推定する。被選択しきい値以下の確率を有する仮説は、
拒否される。 ［００８９］ 被選択しきい値を越える組合せ高速音響一致プロセッサ
点と言語モデルプロセッサ点を有する仮説は、ついで詳
細音響一致プロセッサ４４へ提出される。 ［００９０１ 詳細一致プロセッサ４４のために、仮説プロセッサ３４
は、一以上の音声単位の仮説シーケンスの仮説モデルを
選択する。音声単位のシーケンスは、語のシー有する。 候補音声単位は、音声単位の仮説シーケンスの中である
文脈を有する。 その文脈は、例えば、仮説の中で先と後の音素を有する
。 ［００９１］ 仮説モデルは、候補音声単位の文脈特徴の値が文脈特徴
値のセットＣｏｐｔ中にあるならば、候補音声単位の第
一候補モデルを有する。仮説モデルは、候補音声単位の
文脈特徴の値が文脈特徴値のセットＣｏｐｔバー中にあ
るならば、候補音声単位の第一候補モデルとは異なる第
二候補モデルを有する。 ［００９２］ 表１−６の仮説実例に戻れば、Ｃ，＝（Ｌ、Ｒ）とＣｏ
ｐｔバー＝ （Ｇ、ＣＫｐｔ Ｔ、Ｎ、Ｐ）がわかる。従って、仮説の音素文脈が”
Ｌ”又は”′Ｒ′′ならば、仮説プロセッサ３４は、語
”ｔｏｗｅｌ”、 ａｘｅｌ”、 ｐｏｗｅｒ
ｐｕｍｍｅｌ”、 ｗｏｎｄｅｒ 、及び” ｔ
ｈｕｎｄｅｒ （７’）発音から生成された軟膏のＩ
Ｉ ｅ の候補モデルを選択する。その代わりに、
音素文脈が°′Ｇ“′ＣＫ＋＋ 、 Ｔ１１ 、
Ｎｌ＋、又は” Ｐ”であれば、ライで語”ｂｅｇｎｅ
ｃｋ”、 ｗｅｔ”、 ｏｆｔｅｎ 、
５ｔｅｐ 、及び”ｇｅｔ”の発音から生成された軟
膏のＩＩ ｅ の文脈依存モデルは、ライブラリ３６か
ら選択される。 ［００９３］ 最後に、仮説プロセッサ３４によって選択されたモデル
は、被選択モデルから音声単位の仮説シーケンスの発音
が音声単位の知られていないシーケンスの発音の音響特
徴値と等しい音響特徴値を有する確率を推定する詳細一
致プロセッサ３４へ提出される。 ［００９４］ 上記記載の通り、観測された事象を類似のカテゴリへ自
動的にグループ化し、かつ、観測された事象のグループ
を異なる文脈と相関させる本発明に従う方法は、観測さ
れた事象の記号特徴の値のより大きな類似によって文脈
依存グループを抽出するために各出力セットＵ。ｐｔと
Ｕ。ｐｔバーにおいて実行されうる。記号特徴値がビテ
ルビ位置合せによって選択された音響ラベル記号列であ
る場合、いくつかの音響ラベル記号列が誤って配列され
、ラベル記号列のいくつかが正しくなくなる可能性があ
る。 ［００９５］ 間違ったラベル記号列を取り除くために、低い数のラベ
ル記号列（例えば、５未満のラベル記号列）を含むどん
な端末出力セットＵ。、を又はＵ。ｐｔバーも最も含ん
でいそうな間違ったデータとして見捨てられる。 ［００９６］ 文脈特徴値のセットと対応付けられた音響ラベル記号列
のお互いの端末出力セットのためには、各音響ラベル記
号列が次の方法で試、験される。 ［００９７］ 音響ラベル記号列のセットＳ中のラベル記号列Ｓのため
に、その記号列中のラベルｉの出現の数 は、Ｓ、によ
って示される。記号列Ｓは、Ｓから取り除かれまた、ポ
アソンモデルは、Ｓ中の記号列の残りに適合される。こ
のポアソンモデルのパラメタμ、、ｉ＝１． 、、
、、Ｆ、は次式によって与えられる。 ■ ［００９８］
【数５】
［００９９］
ここで、ＮはＳ中の記号列の数である。
デルに観測する確率は、次式である。
［０１００］
【数６】
記号列Ｓを与えられたこのポアソンモ
ｉ＝１
［０１０１］
この確率が被選択しきい値以下であるならば、記号列Ｓ
は見捨てられる。 ［０１０２］ Ｓ中の全記号列の処理を繰り返した後に、文脈依存モデ
ルは、Ｓ中に残存する記号列から構成される。 ［０１０３］
は見捨てられる。 ［０１０２］ Ｓ中の全記号列の処理を繰り返した後に、文脈依存モデ
ルは、Ｓ中に残存する記号列から構成される。 ［０１０３］
本発明に従う方法と装置は、多くの時間を要するクラス
タ化ステップを必要とせずに、観測された事象を類似の
カテゴリへ自動的にグループ化し、かつ、観測された事
象のグループを異なる文脈と相関させるので、効果的で
ある。特に、本発明に従う方法と装置は、観測された事
象が少なくとも第一と第二の独立構成要素によって記号
特徴を有する場合、クラスタ化ステップを避ける点で効
果的である。更に、「適合度」が類似測定に基づくので
、より正確なグループ化を得ることができる。 ［０１０４］ 本明細書及び要約書において
タ化ステップを必要とせずに、観測された事象を類似の
カテゴリへ自動的にグループ化し、かつ、観測された事
象のグループを異なる文脈と相関させるので、効果的で
ある。特に、本発明に従う方法と装置は、観測された事
象が少なくとも第一と第二の独立構成要素によって記号
特徴を有する場合、クラスタ化ステップを避ける点で効
果的である。更に、「適合度」が類似測定に基づくので
、より正確なグループ化を得ることができる。 ［０１０４］ 本明細書及び要約書において
【外１】
Ｕ（Ｃ７）
はＵ（Ｃ１）バーと表現し、
【外２】
はＣ１バーと表現し、
【外３】
Ｕ（Ｃ２）
【外４１
Ｃ２
はＣ２バーと表現し、
【外５】
Ｕ（Ｃｎ）
はＵ（Ｃｎ
）バーと表現し、
【外６】
Ａ［Ｕ（Ｃｎ）］
はＡＣＵ（Ｃ））バーと表現し、
【外７】
Ｃｎ
はＣバーと表現し、
【外８】
はＣｏｐｔバーと表現し、
【外９】
はＵ。ｐ５バーと表現する。
【図１】
本発明に従って観測された事象を類似のカテゴリへ自動
的にグループ化し、かつ、観測された事象のグループを
異なる文脈と相関させる方法のフローチャートである。
的にグループ化し、かつ、観測された事象のグループを
異なる文脈と相関させる方法のフローチャートである。
【図２】
音素（観測された事象）の発音の音響特徴値（記号特徴
値）を測定する方法の実例のフローチャートである。
値）を測定する方法の実例のフローチャートである。
【図３】
発音のサブセットのために音響（記号）類似を計算する
方法の実例のフローチャートである。
方法の実例のフローチャートである。
【図４】
観測された事象を類似のカテゴリへ自動的にグループ化
し、かつ、観測された事象のグループを異なる文脈と相
関させる本発明に従う装置のブロック線図である。
し、かつ、観測された事象のグループを異なる文脈と相
関させる本発明に従う装置のブロック線図である。
【図５】
図４の記号プロセッサと文脈プロセッサの構成のブロワ
【図６】
本発明に従う自動音声認識装置のブロック線図である。
１０ トレーニング書体
１２ デイスプレィ
１４ マイクロフォン
１６ サンプラとディジタイザ
１８ 特徴抽出装置
２０ ラベラ
２２ 原型記憶装置
２４ ビテルビ位置合せプロセッサ
２６ 先行音素モデルのライブラリ
２８ 事象音素の単音ラベル文脈のタブレット３０
文脈プロセッサ ク線図である。 ３・２ 音響プロセッサ 仮説プロセッサ 語と音素のモデルのライブラリ 高速音響一致プロセッサ 言語モデルプロセッサ 言語モデル 詳細音響一致プロセッサ 復代理人
文脈プロセッサ ク線図である。 ３・２ 音響プロセッサ 仮説プロセッサ 語と音素のモデルのライブラリ 高速音響一致プロセッサ 言語モデルプロセッサ 言語モデル 詳細音響一致プロセッサ 復代理人
Claims (15)
- 【請求項１】観測された事象を類似のカテゴリへ自動的
にグループ化し、かつ、観測された事象のグループを異
なる文脈と相関させ、自動音声認識用に音素の発音を音
類似に基づく文脈依存カテゴリへグループ化する方法で
あって、異なる文脈において同一の情報を表現する複数
の観測された事象Ｕ＿ｐのトレーニングセットＵを供給
するステップで、各観測された事象がある値を有する少
なくとも一つの記号特徴とある値を有する少なくとも一
つの文脈特徴を有するステップ； 各事象の記号特徴の値を測定するステップ；各事象の文
脈特徴の値を測定するステップ；観測された事象のセッ
トＵの一組のサブセットＵ（Ｃ＿１）とＵ（Ｃ＿１）バ
ーを選択するステップで、サブセットＵ（Ｃ＿１）がセ
ットＣ＿１中に値を有する文脈特徴を有すると共に、サ
ブセットＵ（Ｃ＿１）バーがセットＣ＿１バー中に値を
有する文脈特徴を有し、セットＣ＿１とＣ＿１バーが文
脈特徴値の補数セットであるステップ； 観測された事象のセットＵの一組のサブセットＵ（Ｃ＿
２）とＵ（Ｃ＿２）バーを選択するステップで、サブセ
ットＵ（Ｃ＿２）はセットＣ＿２中の値を有する文脈特
徴を有し、サブセットＵ（Ｃ＿２）バーはセットＣ＿２
バー中の値を有する文脈特徴を有し、セットＣ＿２及び
Ｃ＿２バーは文脈特徴値の補数セットであり、セットＣ
＿２はセットＣ＿１と異なり、サブセットＵ（Ｃ＿２）
はサブセットＵ（Ｃ＿１）と異なり、サブセットＵ（Ｃ
＿２）はサブセットＵ（Ｃ＿１）バーと異なるステップ
；各組のセットＵ（Ｃ＿ｎ）とＵ（Ｃ＿ｎ）バーのため
に、ここで、ｎは少なくとも１又は２であり、サブセッ
トＵ（Ｃ＿ｎ）中の観測された事象の記号特徴の値の類
似Ａ〔Ｕ（Ｃ＿ｎ）〕を計算し、サブセットＵ（Ｃ＿ｎ
）バー中の観測された事象の記号特徴の値の類似Ａ〔Ｕ
（Ｃ＿ｎ）〕バーを計算するステップで、類似Ａ〔Ｕ（
Ｃ＿ｎ）〕と類似Ａ〔Ｕ（Ｃ＿ｎ）〕バーの組合せは、
セットＣ＿ｎとＣ＿ｎバー中の文脈特徴値が観測された
事象の記号特徴の値の変動をいかによく説明するかを推
定する「適合度」であるステップ； 最良の「適合度」を有する二セットＵ＿ｏ＿ｐ＿ｔ＝Ｕ
（Ｃ＿ｎ）とＵ＿ｏ＿ｐ＿ｔバー＝Ｕ（Ｃ＿ｎ）バーに
対応付けられた文脈特徴値のセットＣ＿ｏ＿ｐ＿ｔ＝Ｃ
＿ｎとＣ＿ｏ＿ｐ＿ｔバー＝Ｃ＿ｎバーを識別するステ
ップ；及び 観測された事象を、セットＣ＿ｏ＿ｐ＿ｔ中の文脈特徴
値を有する事象の第一の出力セットＵ＿ｏ＿ｐ＿ｔとセ
ットＣ＿ｏ＿ｐ＿ｔバー中の文脈特徴値を有する観測さ
れた事象の第二の出力セットＵ＿ｏ＿ｐ＿ｔバーへグル
ープ化するステップと、を有する自動音声認識用に音類
似に基づく文脈依存カテゴリへ音素の発音をグループ化
する方法。 - 【請求項２】記号特徴はある値を各々有する少なくとも
第一と第二の独立構成要素を有することを特徴とする請
求項１記載の自動音声認識用に音類似に基づく文脈依存
カテゴリへ音素の発音をグループ化する方法。 - 【請求項３】セットＵ中の各事象は音素の発音であるこ
とと、セットＵ中の事象Ｕ＿ｐの全ては単一音素を表現
することと、音素の各発音の文脈特徴は音素の発音の先
又は後の一以上の文脈発音を有することと、 を特徴とする請求項２記載の自動音声認識用に音類似に
基づく文脈依存カテゴリへ音素の発音をグループ化する
方法。 - 【請求項４】サブセットを選択するステップは観測され
た事象のセットＵの複数のＮの異なる組のサブセットＵ
（Ｃ＿ｎ）とＵ（Ｃ＿ｎ）バーを選択するステップを有
し、ここで、Ｎは２以上の値を有する整数であり、各サ
ブセットＵ（Ｃ＿ｎ）はセットＣ＿ｎ中の値を有する文
脈特徴を有し、各サブセットＵ（Ｃ＿ｎ）バーはセット
Ｃ＿ｎバー中の値を有する文脈特徴を有し、セットＣ＿
ｎとＣ＿ｎバーは文脈特徴値の補数セットであることと
、 ｎは１からＮまでの整数値を有することと、を特徴とす
る請求項３記載の自動音声認識用に音類似に基づく文脈
依存カテゴリへ音素の発音をグループ化する方法。 - 【請求項５】音素の各発音の記号特徴は音素の各発音の
少なくとも一つの音響特徴を有することと、 音素の発音の記号特徴の値を測定するステップは、少な
くとも二つの連続する時間間隔各々の間に発音の音響特
徴の値を測定し、音響特徴値を表現する少なくとも二つ
の音響特徴ベクトル信号を生産するステップ； 各々が少なくとも一つのパラメタ値と固有のラベル識別
子を有する原型ベクトル信号を複数記憶するステップ； 各音響特徴ベクトル信号の音響特徴値を原型ベクトル信
号のパラメタ値に比較し、各音響特徴ベクトル信号に最
良に一致される対応付けられた原型ベクトル信号を決定
するステップ；及び 音素の発音の記号特徴の第一と第二の独立構成要素の値
のコード化表現として音響特徴ベクトル信号と対応付け
られた原型ベクトル信号のラベル識別子を表現する少な
くとも二つのラベル信号を出力するステップと、を有す
ることと、 を特徴とする請求項４記載の自動音声認識用に音類似に
基づく文脈依存カテゴリへ音素の発音をグループ化する
方法。 - 【請求項６】事象のサブセット中の事象の記号特徴の値
の類似を計算するステップは、 各ラベル識別子とサブセット中の音素の各発音のために
、ラベル識別子を表現するラベル信号の数を数え、計数
を表現するラベル識別子周波数信号を生産するステップ
； 各ラベル識別子のために、サブセット中の全発音用にラ
ベル信号計数の平均を計算し、平均計数信号を生産する
ステップ；各ラベル識別子のために、ラベル信号計数の
確率分布であって、ラベル信号計数の平均に等しい期待
値を有する確率分布を推定するステップ；各ラベル識別
子とサブセット中の音素の各発音のために、ラベル信号
計数の確率分布からラベル識別子を表現するラベル信号
の計数を観測する確率を推定するステップ；及び 全ラベル識別子とサブセット中の全発音のために、計数
の確率を掛けて、記号特徴の値の類似を推定する類似信
号を生産するステップと、を有することを特徴とする請
求項５記載の自動音声認識用に音類似に基づく文脈依存
カテゴリへ音素の発音をグループ化する方法。 - 【請求項７】確率分布はポアソン確率分布であることを
特徴とする請求項６記載の自動音声認識用に音類似に基
づく文脈依存カテゴリへ音素の発音をグループ化する方
法。 - 【請求項８】音素の発音がセットＣ＿ｏ＿ｐ＿ｔ中で文
脈特徴値を有する場合、セットＵ＿ｏ＿ｐ＿ｔ中の全発
音の音響特徴値を統計的に組合せ、音素のモデルを生産
するステップ； 音素の発音がセットＣ＿ｏ＿ｐ＿ｔバー中で文脈特徴値
を有する場合、セットＵ＿ｏ＿ｐ＿ｔバー中の全発音の
音響特徴値を統計的に組合せ、音素のモデルを生産する
ステップ；及び をさらに有する請求項７記載の自動音声認識用に音類似
に基づく文脈依存カテゴリへ音素の発音をグループ化す
る方法。 - 【請求項９】異なる文脈において同一の情報を表現する
複数の観測された事象Ｕ＿ｐのトレーニングセットＵ中
に含まれ、ある値を有する少なくとも一つの記号特徴と
ある値を有する少なくとも一つの文脈特徴を有する観測
された事象を類似のカテゴリへ自動的にグループ化し、
かつ、観測された事象のグループを異なる文脈と相関さ
せ、自動音声認識用に音類似に基づく文脈依存カテゴリ
へ音素の発音をグループ化する装置であって、 各事象の記号特徴の値を測定する記号プロセッサ；各事
象の文脈特徴の値を測定する文脈プロセッサ；選択プロ
セッサであり、 この選択プロセッサは観測された事象のセットＵの一組
のサブセットＵ（Ｃ＿１）とＵ（Ｃ＿１）バーを選択し
、サブセットＵ（Ｃ＿１）がセットＣ＿１中に値を有す
る文脈特徴を有し、サブセットＵ（Ｃ＿１）バーがセッ
トＣ＿１バー中に値を有する文脈特徴を有し、セットＣ
＿１とＣ＿１バーが文脈特徴値の補数セットであり、更
に、選択プロセッサは観測された事象のセットＵの一組
のサブセットＵ（Ｃ＿２）とＵ（Ｃ＿２）バーを選択し
、サブセットＵ（Ｃ＿２）がセットＣ＿２中に値を有す
る文脈特徴を有し、サブセットＵ（Ｃ＿２）バーがセッ
トＣ＿２バー中に値を有する文脈特徴を有し、セットＣ
＿２とＣ＿２バーが文脈特徴値の補数セットであり、セ
ットＣ＿２がセットＣ＿１と異なり、サブセットＵ（Ｃ
＿２）がサブセットＵ（Ｃ＿１）と異なり、サブセット
Ｕ（Ｃ＿２）がサブセットＵ（Ｃ＿１）バーと異なる選
択プロセッサ； 各組のセットＵ（Ｃ＿ｎ）とＵ（Ｃ＿ｎ）バーのために
、ここで、ｎは少なくとも１又は２であって、サブセッ
トＵ（Ｃ＿ｎ）中の観測された事象の記号特徴の値の類
似Ａ〔Ｕ（Ｃ＿ｎ）〕を計算すると共に、サブセットＵ
（Ｃ＿ｎ）バー中の観測された事象の記号特徴の値の類
似Ａ〔Ｕ（Ｃ＿ｎ）〕バーを計算する、ここで、類似Ａ
〔Ｕ（Ｃ＿ｎ）〕とＡ〔Ｕ（Ｃ＿ｎ）〕バーの組合せは
セットＣ＿ｎとＣ＿ｎバー中の文脈特徴値が観測された
事象の記号特徴の値の変動をいかによく説明するかを推
定する「適合度」である、類似プロセッサ；最適の「適
合度」を有する二セットＵ＿ｏ＿ｐ＿ｔ＝Ｕ（Ｃ＿ｎ）
とＵ＿ｏ＿ｐ＿ｔバー＝Ｕ（Ｃ＿ｏ＿ｐ＿ｔ）バーに対
応付けされた文脈特徴値のセットＣ＿ｏ＿ｐ＿ｔ＝Ｃ＿
ｎとＣ＿ｏ＿ｐ＿ｔバー＝Ｃ＿ｎバーを識別する最適化
プロセッサ；及び 観測された事象をセットＣ＿ｏ＿ｐ＿ｔ中で文脈特徴値
を有する事象の第一の出力セットＵ＿ｏ＿ｐ＿ｔとセッ
トＣ＿ｏ＿ｐ＿ｔバー中で文脈特徴値を有する観測され
た事象の第二の出力セットＵ＿ｏ＿ｐ＿ｔバー中へグル
ープ化するグループ化プロセッサと、を有する自動音声
認識用に音類似に基づく文脈依存カテゴリへ音素の発音
をグループ化する装置。 - 【請求項１０】記号特徴はある値を各々有する少なくと
も第一と第二の独立構成要素を有することを特徴とする
請求項９記載の自動音声認識用に音類似に基づく文脈依
存カテゴリへ音素の発音をグループ化する装置。 - 【請求項１１】セットＵ中の各事象は音素の発音である
ことと、セットＵ中の事象Ｕ＿ｐの全ては単一音素を表
現することと、音素の各発音の文脈特徴は音素の発音の
先と後の一以上の文脈発音を有することと、 を特徴とする請求項１０記載の自動音声認識用に音類似
に基づく文脈依存カテゴリへ音素の発音をグループ化す
る装置。 - 【請求項１２】選択プロセッサは観測された事象のセッ
トＵの複数のＮの異なる組のサブセットＵ（Ｃ＿ｎ）と
Ｕ（Ｃ＿ｎ）バーを選択し、ここで、Ｎは２以上の値を
有する整数であり、各サブセットＵ（Ｃ＿ｎ）はセット
Ｃ＿ｎ中に値を有する文脈特徴を有し、サブセットＵ（
Ｃ＿ｎ）バーはセットＣ＿ｎバー中に値を有する文脈特
徴を有し、セットＣ＿ｎとＣ＿ｎバーは文脈特徴値の補
数セットであることとｎは１からＮまでの整数値を有す
ることと、を特徴とする請求項１１記載の音素の発音を
自動音声認識用に音類似に基づき文脈依存カテゴリへグ
ループ化する装置。 - 【請求項１３】音素の各発音の記号特徴は音素の各発音
の少なくとも一つの音響特徴を有することと、 記号プロセッサは 少なくとも二つの連続する時間間隔各々の間に発音の音
響特徴の値を測定し、音響特徴値を表現する少なくとも
二つの音響特徴ベクトル信号を生産する音響特徴抽出装
置； 各々が少なくとも一つのパラメタ値と固有のラベル識別
子を有する原型ベクトル信号を複数記憶する原型記憶装
置；及び 各音響特徴ベクトル信号の音響特徴値を原型ベクトル信
号のパラメタ値に比較し、各音響特徴ベクトル信号に最
良に一致される対応付けられた原型ベクトル信号を決定
し、かつ、音素の発音の記号特徴の第一と第二の独立構
成要素の値のコード化表現として音響特徴ベクトル信号
と対応付けられた原型ベクトル信号のラベル識別子を表
現する少なくとも二つのラベル信号を出力するラベラと
、を有することを特徴とする請求項１２記載の自動音声
認識用に音類似に基づく文脈依存カテゴリへ音素の発音
をグループ化する装置。 - 【請求項１４】発音の少なくとも一つの音響特徴の値を
測定して音響特徴値を表現する音響特徴ベクトル信号を
生産するステップで、前記発音が一以上の音声単位の知
られていないシーケンスを表現するステップ；一以上の
音声単位の仮説シーケンスの仮説モデルを選択するステ
ップで、音声単位の仮説シーケンスは候補音声単位を有
し、この候補音声単位は音声単位の仮説シーケンスにお
ける文脈特徴を有し、この文脈特徴はある値を有し、候
補音声単位の文脈特徴の値が文脈特徴値のセットＣ＿ｏ
＿ｐ＿ｔ中にあるならば、仮説モデルは候補音声単位の
第一候補モデルを有し、候補音声単位の文脈特徴の値が
文脈特徴値のセットＣ＿ｏ＿ｐ＿ｔバー中にあるならば
、仮説モデルは第一候補モデルとは異なる候補音声単位
の第二候補モデルを有し、セットＣ＿ｏ＿ｐ＿ｔとＣ＿
ｏ＿ｐ＿ｔバーは補数セットであるステップ；及び 仮説モデルから、音声単位の仮説シーケンスの発音が音
声単位の知られていないシーケンスの発音の音響特徴値
と等しい音響特徴値を有する確率を推定するステップと
； を有する自動音声認識における自動音声認識用に音類似
に基づく文脈依存カテゴリへ音素の発音をグループ化す
る方法であって、文脈特徴値のセットＣ＿ｏ＿ｐ＿ｔと
Ｃ＿ｏ＿ｐ＿ｔバーは以下のステップによって決定され
る異なる文脈を有する候補音声単位を表現する複数の発
音Ｕ＿ｐのトレーニングセットＵを供給するステップで
、各発音がある値を有する少なくとも一つの音響特徴と
ある値を有する少なくとも一つの文脈特徴を有するステ
ップ；各トレーニング発音の音響特徴の値を測定するス
テップ；各トレーニング発音の文脈特徴の値を測定する
ステップ；トレーニング発音のセットＵの一組のサブセ
ットＵ（Ｃ＿１）とＵ（Ｃ＿１）バーを選択するステッ
プで、サブセットＵ（Ｃ＿１）がセットＣ＿１中に値を
有する文脈特徴を有し、サブセットＵ（Ｃ＿１）バーが
セットＣ＿１バー中に値を有する文脈特徴を有し、セッ
トＣ＿１とＣ＿１バーが文脈特徴値の補数セットである
ステップ；トレーニング発音のセットＵの一組のサブセ
ットＵ（Ｃ＿２）とＵ（Ｃ＿２）バーを選択するステッ
プで、サブセットＵ（Ｃ＿２）はセットＣ＿２中の値を
有する文脈特徴を有し、サブセットＵ（Ｃ＿２）バーは
セットＣ＿２バー中の値を有する文脈特徴を有し、セッ
トＣ＿２とＣ＿２バーは文脈特徴値の補数セットであり
、セットＣ＿２はセットＣ＿１と異なり、サブセットＵ
（Ｃ＿２）はスブセットＵ（Ｃ＿１）と異なり、サブセ
ットＵ（Ｃ＿２）はサブセットＵ（Ｃ＿１）バーと異な
るステップ；各組のセットＵ（Ｃ＿ｎ）とＵ（Ｃ＿ｎ）
バーのために、ここで、ｎは少なくとも１又は２であっ
て、サブセットＵ（Ｃ＿ｎ）中の発音の音響特徴の値の
類似Ａ〔Ｕ（Ｃ＿ｎ）〕を計算すると共に、サブセット
Ｕ（Ｃ＿ｎ）バー中の発音の音響特徴の値の類似Ａ〔Ｕ
（Ｃ＿ｎ）〕バーを計算するステップで、類似Ａ〔Ｕ（
Ｃ＿ｎ）〕と類似Ａ〔Ｕ（Ｃ＿ｎ）〕バーの組合せは、
セットＣ＿ｎとＣ＿ｎバー中の文脈特徴値が発音の音響
特徴の値の変動をいかによく説明するかを推定する「適
合度」であるステップ；及び 最良の「適合度」を有する二セットＵ＿ｏ＿ｐ＿ｔ＝Ｕ
（Ｃ＿ｎ）とＵ＿ｏ＿ｐ＿ｔバー＝Ｕ（Ｃ＿ｎ）バーに
対応付けられた文脈特徴値のセットＣ＿ｏ＿ｐ＿ｔ＝Ｃ
＿ｎとＣ＿ｏ＿ｐ＿ｔバー＝Ｃ＿ｎバーを識別するステ
ップ。 - 【請求項１５】発音の少なくとも一つの音響特徴の値を
測定して音響特徴値を表現する音響特徴ベクトル信号を
生産する音響プロセッサで、前記発音は一以上の音声単
位の知られていないシーケンスを表現する音響プロセッ
サ；一以上の音声単位の仮説シーケンスの仮説モデルを
選択する仮説プロセッサで、音声単位の仮説シーケンス
は候補音声単位を有し、候補音声単位は音声単位の仮説
シーケンスにおいてある値を有する文脈特徴を有し、候
補音声単位の文脈特徴の値が文脈特徴値のセットＣ＿ｏ
＿ｐ＿ｔ中にあるならば、仮説モデルは候補音声単位の
第一候補モデルを有し、候補音声単位の文脈特徴の値が
文脈特徴値のセットＣ＿ｏ＿ｐ＿ｔバー中にあるならば
、仮説モデルは第一候補モデルとは異なる候補音声単位
の第二候補モデルを有し、セットＣ＿ｏ＿ｐ＿ｔとＣ＿
ｏ＿ｐ＿ｔバーは補数セットである仮説プロセッサ；及
び 仮説モデルから、音声単位の仮説シーケンスの発音が音
声単位の知られていないシーケンスの発音の音響特徴値
と等しい音響特徴値を有する確率を推定する詳細一致プ
ロセッサ； を有する自動音声認識における自動音声認識用に音類似
に基づく文脈依存カテゴリへ音素の発音をグループ化す
る装置であって、文脈特徴値のセットＣ＿ｏ＿ｐ＿ｔと
Ｃ＿ｏ＿ｐ＿ｔバーが発音を類似のカテゴリへ自動的に
グループ化し、かつ、発音のグループを異なる文脈と相
関させるトレーニングプロセッサによって決定され、前
記発音は異なる文脈において候補音声単位を表現する複
数の発音Ｕ＿ｐのトレーニングセットＵ中に含まれ、各
発音はある値を有する少なくとも一つの音響特徴とある
値を有する少なくとも一つの文脈特徴を有し、前記トレ
ーニングプロセッサは以下の構成を有する。 各トレーニング発音の音響特徴の値を測定する音響プロ
セッサ；各トレーニング発音の文脈特徴の値を測定する
文脈プロセッサ；選択プロセッサ、 この選択プロセッサはトレーニング発音のセットＵの一
組のサブセットＵ（Ｃ＿１）とＵ（Ｃ＿１）バーを選択
し、サブセットＵ（Ｃ＿１）はセットＣ＿１中に値を有
する文脈特徴を有し、サブセットＵ（Ｃ＿１）バーはセ
ットＣ＿１バー中に値を有する文脈特徴を有し、セット
Ｃ＿１とＣ＿１バーは文脈特徴値の補数セットであり、
更に、選択プロセッサはトレーニング発音のセットＵの
一組のサブセットＵ（Ｃ＿２）とＵ（Ｃ＿２）バーを選
択し、サブセットＵ（Ｃ＿２）はセットＣ＿２中に値を
有する文脈特徴を有し、サブセットＵ（Ｃ＿２）バーは
セットＣ＿２バー中に値を有する文脈特徴を有し、セッ
トＣ＿２とＣ＿２バーは文脈特徴値の補数セットであり
、セットＣ＿２はセットＣ＿１と異なり、サブセットＵ
（Ｃ＿２）はサブセットＵ（Ｃ＿１）と異なり、サブセ
ットＵ（Ｃ＿２）はサブセットＵ（Ｃ＿１）バーと異な
り；各組のセットＵ（Ｃ＿ｎ）とＵ（Ｃ＿ｎ）バーのた
めに、ここで、ｎは少なくとも１又は２であって、サブ
セットＵ（Ｃ＿ｎ）中の発音の音響特徴の値の類似Ａ〔
Ｕ（Ｃ＿ｎ）〕を計算すると共に、サブセットＵ（Ｃ＿
ｎ）バー中の発音の音響特徴の値の類似Ａ〔Ｕ（Ｃ＿ｎ
）〕バーを計算する類似プロセッサで、類似Ａ〔Ｕ（Ｃ
＿ｎ）〕と類似Ａ〔Ｕ（Ｃ＿ｎ）〕バーの組合せは、セ
ットＣ＿ｎとＣ＿ｎバー中の文脈特徴値が発音の音響特
徴の値の変動をいかによく説明するかを推定する「適合
度」である類似プロセッサ；及び 最良の「適合度」を有する二セットＵ＿ｏ＿ｐ＿ｔ＝Ｕ
（Ｃ＿ｎ）とＵ＿ｏ＿ｐ＿ｔバー＝Ｕ（Ｃ＿ｎ）バーに
対応付けられた文脈特徴値のセットＣ＿ｏ＿ｐ＿ｔ＝Ｃ
＿ｎとＣ＿ｏ＿ｐ＿ｔバー＝Ｃ＿ｎバーを識別する最適
化プロセッサ。
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US468546 | 1990-01-23 | ||
| US46854690 | 1990-01-23 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPH04122996A true JPH04122996A (ja) | 1992-04-23 |
| JPH0772839B2 JPH0772839B2 (ja) | 1995-08-02 |
Family
ID=23860239
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2413217A Expired - Lifetime JPH0772839B2 (ja) | 1990-01-23 | 1990-12-21 | 自動音声認識用に音類似に基づく文脈依存カテゴリへ音素の発音をグループ化する方法と装置 |
Country Status (3)
| Country | Link |
|---|---|
| US (1) | US5195167A (ja) |
| EP (1) | EP0438662A2 (ja) |
| JP (1) | JPH0772839B2 (ja) |
Families Citing this family (146)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CA2056110C (en) * | 1991-03-27 | 1997-02-04 | Arnold I. Klayman | Public address intelligibility system |
| US5390278A (en) * | 1991-10-08 | 1995-02-14 | Bell Canada | Phoneme based speech recognition |
| US5233681A (en) * | 1992-04-24 | 1993-08-03 | International Business Machines Corporation | Context-dependent speech recognizer using estimated next word context |
| EP0602296A1 (en) * | 1992-12-17 | 1994-06-22 | International Business Machines Corporation | Adaptive method for generating field dependant models for intelligent systems |
| CA2115210C (en) * | 1993-04-21 | 1997-09-23 | Joseph C. Andreshak | Interactive computer system recognizing spoken commands |
| US5465317A (en) * | 1993-05-18 | 1995-11-07 | International Business Machines Corporation | Speech recognition system with improved rejection of words and sounds not in the system vocabulary |
| US5515475A (en) * | 1993-06-24 | 1996-05-07 | Northern Telecom Limited | Speech recognition method using a two-pass search |
| US5623578A (en) * | 1993-10-28 | 1997-04-22 | Lucent Technologies Inc. | Speech recognition system allows new vocabulary words to be added without requiring spoken samples of the words |
| US5680510A (en) * | 1995-01-26 | 1997-10-21 | Apple Computer, Inc. | System and method for generating and using context dependent sub-syllable models to recognize a tonal language |
| US5822728A (en) * | 1995-09-08 | 1998-10-13 | Matsushita Electric Industrial Co., Ltd. | Multistage word recognizer based on reliably detected phoneme similarity regions |
| US5684925A (en) * | 1995-09-08 | 1997-11-04 | Matsushita Electric Industrial Co., Ltd. | Speech representation by feature-based word prototypes comprising phoneme targets having reliable high similarity |
| US5825977A (en) * | 1995-09-08 | 1998-10-20 | Morin; Philippe R. | Word hypothesizer based on reliably detected phoneme similarity regions |
| US5970239A (en) * | 1997-08-11 | 1999-10-19 | International Business Machines Corporation | Apparatus and method for performing model estimation utilizing a discriminant measure |
| US6253178B1 (en) | 1997-09-22 | 2001-06-26 | Nortel Networks Limited | Search and rescoring method for a speech recognition system |
| EP0979497A1 (en) * | 1997-10-08 | 2000-02-16 | Koninklijke Philips Electronics N.V. | Vocabulary and/or language model training |
| JP4267101B2 (ja) * | 1997-11-17 | 2009-05-27 | インターナショナル・ビジネス・マシーンズ・コーポレーション | 音声識別装置、発音矯正装置およびこれらの方法 |
| US6208964B1 (en) | 1998-08-31 | 2001-03-27 | Nortel Networks Limited | Method and apparatus for providing unsupervised adaptation of transcriptions |
| US6993480B1 (en) | 1998-11-03 | 2006-01-31 | Srs Labs, Inc. | Voice intelligibility enhancement system |
| US7356462B2 (en) | 2001-07-26 | 2008-04-08 | At&T Corp. | Automatic clustering of tokens from a corpus for grammar acquisition |
| US6912499B1 (en) | 1999-08-31 | 2005-06-28 | Nortel Networks Limited | Method and apparatus for training a multilingual speech model set |
| US7275029B1 (en) * | 1999-11-05 | 2007-09-25 | Microsoft Corporation | System and method for joint optimization of language model performance and size |
| US8645137B2 (en) | 2000-03-16 | 2014-02-04 | Apple Inc. | Fast, language-independent method for user authentication by voice |
| US6513022B1 (en) | 2000-04-07 | 2003-01-28 | The United States Of America As Represented By The Secretary Of The Air Force | Dynamic programming network |
| DE10034235C1 (de) * | 2000-07-14 | 2001-08-09 | Siemens Ag | Verfahren zur Spracherkennung und Spracherkenner |
| US20030033138A1 (en) * | 2001-07-26 | 2003-02-13 | Srinivas Bangalore | Method for partitioning a data set into frequency vectors for clustering |
| EP1473708B1 (en) * | 2003-04-29 | 2007-10-17 | Sony Deutschland GmbH | Method for recognizing speech |
| US7412377B2 (en) | 2003-12-19 | 2008-08-12 | International Business Machines Corporation | Voice model for speech processing based on ordered average ranks of spectral features |
| US8677377B2 (en) | 2005-09-08 | 2014-03-18 | Apple Inc. | Method and apparatus for building an intelligent automated assistant |
| US9318108B2 (en) | 2010-01-18 | 2016-04-19 | Apple Inc. | Intelligent automated assistant |
| US8176016B1 (en) * | 2006-11-17 | 2012-05-08 | At&T Intellectual Property Ii, L.P. | Method and apparatus for rapid identification of column heterogeneity |
| US8050434B1 (en) | 2006-12-21 | 2011-11-01 | Srs Labs, Inc. | Multi-channel audio enhancement system |
| US8977255B2 (en) | 2007-04-03 | 2015-03-10 | Apple Inc. | Method and system for operating a multi-function portable electronic device using voice-activation |
| KR100911429B1 (ko) * | 2007-08-22 | 2009-08-11 | 한국전자통신연구원 | 환경 이동을 위한 잡음 적응형 음향 모델 생성 방법 및 장치 |
| KR100925479B1 (ko) * | 2007-09-19 | 2009-11-06 | 한국전자통신연구원 | 음성 인식 방법 및 장치 |
| KR100930714B1 (ko) * | 2007-12-14 | 2009-12-09 | 한국전자통신연구원 | 음성인식 장치 및 방법 |
| US9330720B2 (en) | 2008-01-03 | 2016-05-03 | Apple Inc. | Methods and apparatus for altering audio output signals |
| US8996376B2 (en) | 2008-04-05 | 2015-03-31 | Apple Inc. | Intelligent text-to-speech conversion |
| US10496753B2 (en) | 2010-01-18 | 2019-12-03 | Apple Inc. | Automatically adapting user interfaces for hands-free interaction |
| US20100030549A1 (en) | 2008-07-31 | 2010-02-04 | Lee Michael M | Mobile device having human language translation capability with positional feedback |
| US9959870B2 (en) | 2008-12-11 | 2018-05-01 | Apple Inc. | Speech recognition involving a mobile device |
| US9858925B2 (en) | 2009-06-05 | 2018-01-02 | Apple Inc. | Using context information to facilitate processing of commands in a virtual assistant |
| US10241752B2 (en) | 2011-09-30 | 2019-03-26 | Apple Inc. | Interface for a virtual digital assistant |
| US10241644B2 (en) | 2011-06-03 | 2019-03-26 | Apple Inc. | Actionable reminder entries |
| US10255566B2 (en) | 2011-06-03 | 2019-04-09 | Apple Inc. | Generating and processing task items that represent tasks to perform |
| US9431006B2 (en) | 2009-07-02 | 2016-08-30 | Apple Inc. | Methods and apparatuses for automatic speech recognition |
| US10276170B2 (en) | 2010-01-18 | 2019-04-30 | Apple Inc. | Intelligent automated assistant |
| US10679605B2 (en) | 2010-01-18 | 2020-06-09 | Apple Inc. | Hands-free list-reading by intelligent automated assistant |
| US10705794B2 (en) | 2010-01-18 | 2020-07-07 | Apple Inc. | Automatically adapting user interfaces for hands-free interaction |
| US10553209B2 (en) | 2010-01-18 | 2020-02-04 | Apple Inc. | Systems and methods for hands-free notification summaries |
| US8682667B2 (en) | 2010-02-25 | 2014-03-25 | Apple Inc. | User profiling for selecting user specific voice input processing information |
| US8645136B2 (en) * | 2010-07-20 | 2014-02-04 | Intellisist, Inc. | System and method for efficiently reducing transcription error using hybrid voice transcription |
| US10762293B2 (en) | 2010-12-22 | 2020-09-01 | Apple Inc. | Using parts-of-speech tagging and named entity recognition for spelling correction |
| US9262612B2 (en) | 2011-03-21 | 2016-02-16 | Apple Inc. | Device access using voice authentication |
| US10057736B2 (en) | 2011-06-03 | 2018-08-21 | Apple Inc. | Active transport based notifications |
| US8994660B2 (en) | 2011-08-29 | 2015-03-31 | Apple Inc. | Text correction processing |
| US10134385B2 (en) | 2012-03-02 | 2018-11-20 | Apple Inc. | Systems and methods for name pronunciation |
| US9483461B2 (en) | 2012-03-06 | 2016-11-01 | Apple Inc. | Handling speech synthesis of content for multiple languages |
| US9280610B2 (en) | 2012-05-14 | 2016-03-08 | Apple Inc. | Crowd sourcing information to fulfill user requests |
| US9721563B2 (en) | 2012-06-08 | 2017-08-01 | Apple Inc. | Name recognition system |
| US9495129B2 (en) | 2012-06-29 | 2016-11-15 | Apple Inc. | Device, method, and user interface for voice-activated navigation and browsing of a document |
| US9576574B2 (en) | 2012-09-10 | 2017-02-21 | Apple Inc. | Context-sensitive handling of interruptions by intelligent digital assistant |
| US9547647B2 (en) | 2012-09-19 | 2017-01-17 | Apple Inc. | Voice-based media searching |
| US9396723B2 (en) * | 2013-02-01 | 2016-07-19 | Tencent Technology (Shenzhen) Company Limited | Method and device for acoustic language model training |
| DE112014000709B4 (de) | 2013-02-07 | 2021-12-30 | Apple Inc. | Verfahren und vorrichtung zum betrieb eines sprachtriggers für einen digitalen assistenten |
| US9368114B2 (en) | 2013-03-14 | 2016-06-14 | Apple Inc. | Context-sensitive handling of interruptions |
| WO2014144949A2 (en) | 2013-03-15 | 2014-09-18 | Apple Inc. | Training an at least partial voice command system |
| WO2014144579A1 (en) | 2013-03-15 | 2014-09-18 | Apple Inc. | System and method for updating an adaptive speech recognition model |
| US9582608B2 (en) | 2013-06-07 | 2017-02-28 | Apple Inc. | Unified ranking with entropy-weighted information for phrase-based semantic auto-completion |
| WO2014197334A2 (en) | 2013-06-07 | 2014-12-11 | Apple Inc. | System and method for user-specified pronunciation of words for speech synthesis and recognition |
| WO2014197336A1 (en) | 2013-06-07 | 2014-12-11 | Apple Inc. | System and method for detecting errors in interactions with a voice-based digital assistant |
| WO2014197335A1 (en) | 2013-06-08 | 2014-12-11 | Apple Inc. | Interpreting and acting upon commands that involve sharing information with remote devices |
| US10176167B2 (en) | 2013-06-09 | 2019-01-08 | Apple Inc. | System and method for inferring user intent from speech inputs |
| KR101959188B1 (ko) | 2013-06-09 | 2019-07-02 | 애플 인크. | 디지털 어시스턴트의 둘 이상의 인스턴스들에 걸친 대화 지속성을 가능하게 하기 위한 디바이스, 방법 및 그래픽 사용자 인터페이스 |
| KR101809808B1 (ko) | 2013-06-13 | 2017-12-15 | 애플 인크. | 음성 명령에 의해 개시되는 긴급 전화를 걸기 위한 시스템 및 방법 |
| KR101749009B1 (ko) | 2013-08-06 | 2017-06-19 | 애플 인크. | 원격 디바이스로부터의 활동에 기초한 스마트 응답의 자동 활성화 |
| US9589564B2 (en) | 2014-02-05 | 2017-03-07 | Google Inc. | Multiple speech locale-specific hotword classifiers for selection of a speech locale |
| US9620105B2 (en) | 2014-05-15 | 2017-04-11 | Apple Inc. | Analyzing audio input for efficient speech and music recognition |
| US10592095B2 (en) | 2014-05-23 | 2020-03-17 | Apple Inc. | Instantaneous speaking of content on touch devices |
| US9502031B2 (en) | 2014-05-27 | 2016-11-22 | Apple Inc. | Method for supporting dynamic grammars in WFST-based ASR |
| US9785630B2 (en) | 2014-05-30 | 2017-10-10 | Apple Inc. | Text prediction using combined word N-gram and unigram language models |
| US10078631B2 (en) | 2014-05-30 | 2018-09-18 | Apple Inc. | Entropy-guided text prediction using combined word and character n-gram language models |
| US10289433B2 (en) | 2014-05-30 | 2019-05-14 | Apple Inc. | Domain specific language for encoding assistant dialog |
| US9430463B2 (en) | 2014-05-30 | 2016-08-30 | Apple Inc. | Exemplar-based natural language processing |
| US9734193B2 (en) | 2014-05-30 | 2017-08-15 | Apple Inc. | Determining domain salience ranking from ambiguous words in natural speech |
| WO2015184186A1 (en) | 2014-05-30 | 2015-12-03 | Apple Inc. | Multi-command single utterance input method |
| US9842101B2 (en) | 2014-05-30 | 2017-12-12 | Apple Inc. | Predictive conversion of language input |
| US9760559B2 (en) | 2014-05-30 | 2017-09-12 | Apple Inc. | Predictive text input |
| US10170123B2 (en) | 2014-05-30 | 2019-01-01 | Apple Inc. | Intelligent assistant for home automation |
| US9715875B2 (en) | 2014-05-30 | 2017-07-25 | Apple Inc. | Reducing the need for manual start/end-pointing and trigger phrases |
| US9633004B2 (en) | 2014-05-30 | 2017-04-25 | Apple Inc. | Better resolution when referencing to concepts |
| US9338493B2 (en) | 2014-06-30 | 2016-05-10 | Apple Inc. | Intelligent automated assistant for TV user interactions |
| US10659851B2 (en) | 2014-06-30 | 2020-05-19 | Apple Inc. | Real-time digital assistant knowledge updates |
| US10446141B2 (en) | 2014-08-28 | 2019-10-15 | Apple Inc. | Automatic speech recognition based on user feedback |
| US9953646B2 (en) | 2014-09-02 | 2018-04-24 | Belleau Technologies | Method and system for dynamic speech recognition and tracking of prewritten script |
| US9818400B2 (en) | 2014-09-11 | 2017-11-14 | Apple Inc. | Method and apparatus for discovering trending terms in speech requests |
| US10789041B2 (en) | 2014-09-12 | 2020-09-29 | Apple Inc. | Dynamic thresholds for always listening speech trigger |
| US9606986B2 (en) | 2014-09-29 | 2017-03-28 | Apple Inc. | Integrated word N-gram and class M-gram language models |
| US9668121B2 (en) | 2014-09-30 | 2017-05-30 | Apple Inc. | Social reminders |
| US9646609B2 (en) | 2014-09-30 | 2017-05-09 | Apple Inc. | Caching apparatus for serving phonetic pronunciations |
| US10074360B2 (en) | 2014-09-30 | 2018-09-11 | Apple Inc. | Providing an indication of the suitability of speech recognition |
| US10127911B2 (en) | 2014-09-30 | 2018-11-13 | Apple Inc. | Speaker identification and unsupervised speaker adaptation techniques |
| US9886432B2 (en) | 2014-09-30 | 2018-02-06 | Apple Inc. | Parsimonious handling of word inflection via categorical stem + suffix N-gram language models |
| US10552013B2 (en) | 2014-12-02 | 2020-02-04 | Apple Inc. | Data detection |
| US9711141B2 (en) | 2014-12-09 | 2017-07-18 | Apple Inc. | Disambiguating heteronyms in speech synthesis |
| US9865280B2 (en) | 2015-03-06 | 2018-01-09 | Apple Inc. | Structured dictation using intelligent automated assistants |
| US9886953B2 (en) | 2015-03-08 | 2018-02-06 | Apple Inc. | Virtual assistant activation |
| US9721566B2 (en) | 2015-03-08 | 2017-08-01 | Apple Inc. | Competing devices responding to voice triggers |
| US10567477B2 (en) | 2015-03-08 | 2020-02-18 | Apple Inc. | Virtual assistant continuity |
| US9899019B2 (en) | 2015-03-18 | 2018-02-20 | Apple Inc. | Systems and methods for structured stem and suffix language models |
| US9842105B2 (en) | 2015-04-16 | 2017-12-12 | Apple Inc. | Parsimonious continuous-space phrase representations for natural language processing |
| US10083688B2 (en) | 2015-05-27 | 2018-09-25 | Apple Inc. | Device voice control for selecting a displayed affordance |
| US10127220B2 (en) | 2015-06-04 | 2018-11-13 | Apple Inc. | Language identification from short strings |
| US10101822B2 (en) | 2015-06-05 | 2018-10-16 | Apple Inc. | Language input correction |
| US10255907B2 (en) | 2015-06-07 | 2019-04-09 | Apple Inc. | Automatic accent detection using acoustic models |
| US10186254B2 (en) | 2015-06-07 | 2019-01-22 | Apple Inc. | Context-based endpoint detection |
| US11025565B2 (en) | 2015-06-07 | 2021-06-01 | Apple Inc. | Personalized prediction of responses for instant messaging |
| US10747498B2 (en) | 2015-09-08 | 2020-08-18 | Apple Inc. | Zero latency digital assistant |
| US10671428B2 (en) | 2015-09-08 | 2020-06-02 | Apple Inc. | Distributed personal assistant |
| US9697820B2 (en) | 2015-09-24 | 2017-07-04 | Apple Inc. | Unit-selection text-to-speech synthesis using concatenation-sensitive neural networks |
| US11010550B2 (en) | 2015-09-29 | 2021-05-18 | Apple Inc. | Unified language modeling framework for word prediction, auto-completion and auto-correction |
| US10366158B2 (en) | 2015-09-29 | 2019-07-30 | Apple Inc. | Efficient word encoding for recurrent neural network language models |
| US11587559B2 (en) | 2015-09-30 | 2023-02-21 | Apple Inc. | Intelligent device identification |
| US10691473B2 (en) | 2015-11-06 | 2020-06-23 | Apple Inc. | Intelligent automated assistant in a messaging environment |
| US10049668B2 (en) | 2015-12-02 | 2018-08-14 | Apple Inc. | Applying neural network language models to weighted finite state transducers for automatic speech recognition |
| US10223066B2 (en) | 2015-12-23 | 2019-03-05 | Apple Inc. | Proactive assistance based on dialog communication between devices |
| US10446143B2 (en) | 2016-03-14 | 2019-10-15 | Apple Inc. | Identification of voice inputs providing credentials |
| US9934775B2 (en) | 2016-05-26 | 2018-04-03 | Apple Inc. | Unit-selection text-to-speech synthesis based on predicted concatenation parameters |
| US9972304B2 (en) | 2016-06-03 | 2018-05-15 | Apple Inc. | Privacy preserving distributed evaluation framework for embedded personalized systems |
| US10249300B2 (en) | 2016-06-06 | 2019-04-02 | Apple Inc. | Intelligent list reading |
| US10049663B2 (en) | 2016-06-08 | 2018-08-14 | Apple, Inc. | Intelligent automated assistant for media exploration |
| DK179588B1 (en) | 2016-06-09 | 2019-02-22 | Apple Inc. | INTELLIGENT AUTOMATED ASSISTANT IN A HOME ENVIRONMENT |
| US10490187B2 (en) | 2016-06-10 | 2019-11-26 | Apple Inc. | Digital assistant providing automated status report |
| US10192552B2 (en) | 2016-06-10 | 2019-01-29 | Apple Inc. | Digital assistant providing whispered speech |
| US10067938B2 (en) | 2016-06-10 | 2018-09-04 | Apple Inc. | Multilingual word prediction |
| US10586535B2 (en) | 2016-06-10 | 2020-03-10 | Apple Inc. | Intelligent digital assistant in a multi-tasking environment |
| US10509862B2 (en) | 2016-06-10 | 2019-12-17 | Apple Inc. | Dynamic phrase expansion of language input |
| DK179049B1 (en) | 2016-06-11 | 2017-09-18 | Apple Inc | Data driven natural language event detection and classification |
| DK179343B1 (en) | 2016-06-11 | 2018-05-14 | Apple Inc | Intelligent task discovery |
| DK201670540A1 (en) | 2016-06-11 | 2018-01-08 | Apple Inc | Application integration with a digital assistant |
| DK179415B1 (en) | 2016-06-11 | 2018-06-14 | Apple Inc | Intelligent device arbitration and control |
| US10593346B2 (en) | 2016-12-22 | 2020-03-17 | Apple Inc. | Rank-reduced token representation for automatic speech recognition |
| DK179745B1 (en) | 2017-05-12 | 2019-05-01 | Apple Inc. | SYNCHRONIZATION AND TASK DELEGATION OF A DIGITAL ASSISTANT |
| DK201770431A1 (en) | 2017-05-15 | 2018-12-20 | Apple Inc. | Optimizing dialogue policy decisions for digital assistants using implicit feedback |
| USD1087188S1 (en) | 2022-10-19 | 2025-08-05 | Milwaukee Electric Tool Corporation | Pipe threading die |
| US12586577B2 (en) * | 2023-09-05 | 2026-03-24 | Zoom Communications, Inc. | Automatic speech recognition using multiple language models |
| US12609110B2 (en) | 2024-02-14 | 2026-04-21 | Gong.Io Ltd. | Techniques for utterance grouping and for improved training of machine learning models using grouped utterance data |
Family Cites Families (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US4661915A (en) * | 1981-08-03 | 1987-04-28 | Texas Instruments Incorporated | Allophone vocoder |
| JPS58145998A (ja) * | 1982-02-25 | 1983-08-31 | ソニー株式会社 | 音声過渡点検出方法 |
| JPS59192A (ja) * | 1982-06-25 | 1984-01-05 | 株式会社東芝 | 個人照合装置 |
| US4799261A (en) * | 1983-11-03 | 1989-01-17 | Texas Instruments Incorporated | Low data rate speech encoding employing syllable duration patterns |
| FR2554623B1 (fr) * | 1983-11-08 | 1986-08-14 | Texas Instruments France | Procede d'analyse de la parole independant du locuteur |
| US4759068A (en) * | 1985-05-29 | 1988-07-19 | International Business Machines Corporation | Constructing Markov models of words from multiple utterances |
| US4833712A (en) * | 1985-05-29 | 1989-05-23 | International Business Machines Corporation | Automatic generation of simple Markov model stunted baseforms for words in a vocabulary |
| US4829572A (en) * | 1987-11-05 | 1989-05-09 | Andrew Ho Chung | Speech recognition system |
-
1990
- 1990-11-23 EP EP90122396A patent/EP0438662A2/en not_active Ceased
- 1990-12-21 JP JP2413217A patent/JPH0772839B2/ja not_active Expired - Lifetime
-
1992
- 1992-04-17 US US07/871,600 patent/US5195167A/en not_active Expired - Fee Related
Also Published As
| Publication number | Publication date |
|---|---|
| JPH0772839B2 (ja) | 1995-08-02 |
| EP0438662A2 (en) | 1991-07-31 |
| US5195167A (en) | 1993-03-16 |
| EP0438662A3 (ja) | 1994-01-26 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JPH04122996A (ja) | 自動音声認識用に音類似に基づく文脈依存カテゴリへ音素の発音をグループ化する方法と装置 | |
| JP2543148B2 (ja) | 音声認識装置を学習させる装置 | |
| JP2597791B2 (ja) | 音声認識装置及び方法 | |
| JPH0581918B2 (ja) | ||
| US5072452A (en) | Automatic determination of labels and Markov word models in a speech recognition system | |
| EP4018437B1 (en) | Optimizing a keyword spotting system | |
| JP3037864B2 (ja) | 音声コード化装置及び方法 | |
| CN117043857A (zh) | 用于英语发音评估的方法、设备和计算机程序产品 | |
| CN111145728A (zh) | 语音识别模型训练方法、系统、移动终端及存储介质 | |
| JPS61177493A (ja) | 音声認識方法 | |
| JPH06175696A (ja) | 音声コード化装置及びその方法並びに音声認識装置及びその方法 | |
| JPS62231995A (ja) | 音声認識方法 | |
| EP0573553A4 (en) | METHOD OF RECOGNIZING SPEECH USING HIDDEN LANGUAGE VIEWED MARKOV MODELS. | |
| JP3299408B2 (ja) | 動的特徴を使用した音声認識方法及び装置 | |
| JP2011065120A (ja) | すべての言語の音声識別及び音声識別を利用した単字入力の方法 | |
| JPH0470640B2 (ja) | ||
| JPH07306691A (ja) | 不特定話者音声認識装置およびその方法 | |
| JP2986037B2 (ja) | 音声符号化方法及び装置 | |
| CN111783477A (zh) | 一种语音翻译方法及系统 | |
| CN102439660A (zh) | 基于置信度得分的语音标签方法和装置 | |
| CN109102800A (zh) | 一种确定歌词显示数据的方法和装置 | |
| Wu et al. | Automatic chord estimation based on a frame-wise convolutional recurrent neural network with non-aligned annotations | |
| JPH07104677B2 (ja) | 自動音声認識用の音響プロトタイプを生成する方法及び装置 | |
| CN114203159A (zh) | 语音情感识别方法、终端设备及计算机可读存储介质 | |
| US5764851A (en) | Fast speech recognition method for mandarin words |