JPH0413719B2 - - Google Patents
Info
- Publication number
- JPH0413719B2 JPH0413719B2 JP59129852A JP12985284A JPH0413719B2 JP H0413719 B2 JPH0413719 B2 JP H0413719B2 JP 59129852 A JP59129852 A JP 59129852A JP 12985284 A JP12985284 A JP 12985284A JP H0413719 B2 JPH0413719 B2 JP H0413719B2
- Authority
- JP
- Japan
- Prior art keywords
- phoneme
- word
- likelihood
- dictionary
- 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.)
- Expired
Links
- 230000011218 segmentation Effects 0.000 claims description 15
- 238000000034 method Methods 0.000 claims description 7
- 230000002123 temporal effect Effects 0.000 claims description 7
- 230000009172 bursting Effects 0.000 claims 1
- 238000010586 diagram Methods 0.000 description 4
- 238000000605 extraction Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 2
- 238000004880 explosion Methods 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 238000007796 conventional method Methods 0.000 description 1
Description
産業上の利用分野
本発明は、入力音声と、音素表記された単語辞
書を照合して単語を認識する単語音声認識方法に
関するものである。 従来例の構成とその問題点 第１図は従来の単語音声認識方法を実行するた
めの装置の機能ブロツク図である。第１図におい
て、１は入力音声からパラメータの時系列を作成
するパラメータ抽出部、２は音素標準パタンを照
合して、音素の確率密度を算出する確率密度計算
部、３は音素毎のセグメンテーシヨン、尤度計
算、単語類似度計算を行なう単語認識部である。
また、４は各音素毎の各種パラメータにおける分
布を各音素毎の平均値（μi）、及び各種パラメー
タ間の共分散行列（Σi）の形で表わした音素標準
パタンを記憶する音素標準パタン部、５は認識す
べき全単語を音素単位の記号列で表記した単語辞
書が記憶されている単語辞書部である。その単語
辞書は、例えば単語「アサヒ」、「トチ」は
「ASAHI」、「TOCI」等と表記されている。 次に、上記従来例の動作について説明する。パ
ラメータ抽出部１において、入力音声を10ｍsec
のフレーム毎に分析し、パラメータを抽出してパ
ラメータ時系列を作成する。次に確率密度計算部
２において、フレーム毎に得られたパラメータと
音素標準パタン部４の音素標準パタンを照合し、
音素の確率密度を算出する。次に、単語認識部３
において、各辞書項目毎にその辞書項目を構成す
る辞書音素系列に従つて音素のセグメンテーシヨ
ンを行ない、下記式に従い、その音素の種類と
その音素に対応してセグメンテーシヨンされた区
間の尤度ｌを計算し、その辞書項目における、各
音素の尤度の平均として類似度を求める。ここ
で、その音素をＸとし、Ｘに対応してセグメンテ
ーシヨンされた区間の始端と終端のフレーム番号
をNs、Neとし、第ｎフレームにおける各パラメ
ータの値をCnとすると、音素Ｘの尤度lxは下式
で定義される。 lx＝log１／Ne−Ns＋１Ne 〓n=ns φx（Cu）／〓φi（Cu） … φi（Cu）はある音素ｉの確率密度を表わし、式
のように定義される。 φi（Cu）＝１／（2π）Ｎ／２｜Σi｜1/2exp 〔−１／２（Cn−μi）TΣ-1i（Cn−μi）〕 … Cn：第ｎフレームにおけるＮ個のパラメータ
（ベクトル） μi：ある音素ｉのパラメータの平均値（ベクト
ル） Σi：ある音素ｉのパラメータの共分散行列 式において、確率密度の割り算における分母
のサメンシヨンのｉの範囲は、音素Ｘが何である
かによつて異なり、例えばＸが音素Ａ(ア)の時はｉ
の範囲は５母音、Ａ、Ｅ、Ｉ、Ｏ、Ｕとしてい
る。以上により得られる単語類似度LMを式に
従つて各辞書項目毎に求め、LMが最大となる辞
書項目をもつて、認識単語としていた。 LM＝NP 〓j=1 lj／NP … LM：辞書中のＭ番目の単語の類似度 lj：辞書音素系列中のｊ番目の音素の尤度 NP：辞書音素数 第２図は「土地」（／toci／）と発声した時の
各音素／ｔ／，／ｏ／，／ｃ／，／ｉ／に対応す
る標準パタン中の音素シンボル（Ｔ），（Ｏ），
（Ｓ），(I)の確率密度値φT，φO，φS，φI及び音声
パワーＰの時間変化を示す。ここで音素／Ｃ／に
対応する標準パタン中の音素シンボルは摩擦音群
を表わす（Ｓ）である。第２図において、辞書単
語／TOCI／を仮定した場合の音素／Ｃ／のセグ
メンテーシヨン及び尤度計算は、先ず音声パワー
Ｐの値が予め設定されたいき値イよりも低い部分
（６−７）を破裂直前の無音部として検出し、次
に音素／Ｃ／に対応する標準パタン中の音素シン
ボル（Ｓ）の確率密度値φSを用いて、音素／Ｃ／
の後端８を検出し、区間（６−８）を音素／Ｃ／
のセグメンテーシヨン区間とする。ここで、無音
部が検出できない場合は、音素／Ｃ／のセグメン
テーシヨンができず、尤度計算も行なわれない。 次に、音素／Ｃ／の尤度は区間（７−８）の
（Ｓ）の確率密度を用いて、式に従つて尤度計
算を行なう。 第３図は、「都市」（／tosi／）と発声した時の
各音素／ｔ／，／ｏ／，／ｓ／，／ｉ／に対応す
る標準パタン中の音素シンボル（Ｔ），（Ｏ），
（Ｓ），(I)の確率密度値、φT，φO，φS，φI及び音
声パワーＰの時間変化を示す。ここで音素／Ｓ／
に対応する標準パタン中の音素シンボルは摩擦音
群を表わす（Ｓ）であり、これは音素／Ｃ／と対
応した標準パタン中の音素シンボルと同一であ
る。 第３図において、辞書単語／TOSI／を仮定し
た場合の音素／Ｓ／のセグメンテーシヨン及び尤
度計算は、先ず、音素／Ｓ／に対応する標準パタ
ン中の音素シンボル（Ｓ）の確率密度値を用いて
音素／Ｓ／の後端を検出し、区間（９−10）を音
素／Ｓ／のセグメンテーシヨン区間とする。次に
区間（９−10）の（Ｓ）の確率密度値を用いて、
式に従つて尤度計算を行なう。第３図におい
て、入力音声／tosi／に対して辞書中の単語／
tosi／を仮定した場合、音素／Ｃ／のセグメンテ
ーシヨン及び尤度計算は先ず、音声パワーの値が
予め設定されたいき値よりも低い部分を破裂直前
の無音部として検出するわけであるが、本来の音
素／Ｓ／区間において、音声パワーは、第３図の
区間（９−10）に見られるように浅いデイツプの
形をしているため、いき値よりも音声パワーが低
い場合、その区間（11−12）を音素／Ｃ／の破裂
直前の無音部とみなす。無音部が検出できたの
で、次に音素／Ｃ／に対応する標準パタン中の音
素シンボル（Ｓ）の確率密度値を用いて後端１０
を検出し、区間（９−10）を音素／Ｃ／のセグメ
ンテーシヨン区間とし、区間（12−10）を（Ｓ）
の確率密度値を用いて式に従つて尤度計算を行
なう。従つて、入力音素／tosi／に対して辞書中
の単語／toci／を仮定した時、得られた音素／
Ｃ／の尤度は本来の音素である／Ｓ／の尤度と同
程度の値となるため、／Ｓ／と／Ｃ／の識別が困
難となり、／Ｓ／，／Ｃ／を含む単語は誤認識し
易い欠点があつた。 発明の目的 本発明は、上記従来例の欠点を除去するもので
あり、尤度計算の精度を向上させ、それにより単
語認識率を向上させることを目的とする。 発明の構成 本発明は、上記目的を達成するために、破裂音
の尤度を計算する際、セグメンテーシヨンされた
区間（破裂直前の無音区間と破裂又は破裂し摩擦
する区間で構成される）について、破裂する区間
の音素の確率密度値だけを用いて尤度を計算する
のではなく、音声パワー等のパラメータを併用し
て、無音区間を含む、破裂音のセグメンテーシヨ
ン区間に対して尤度を計算することにより、尤度
計算の精度を向上させる効果を持つものである。 実施例の説明 以下に本発明の一実施例の構成について図面と
ともに説明する。第１図において、音素標準パタ
ンは従来例と同様である。単語辞書は認識すべき
単語を音素の記号列で表記してある。また、パラ
メータ抽出により得られるパラメータ時系列は従
来例と同様である。 次に、本実施例の動作について説明する。先ず
入力音声からフレーム毎のパラメータを得、さら
にそのパラメータの値を使つて、各音素標準パタ
ンから得られる確率密度を計算し、各辞書項目毎
に、その辞書項目を構成する辞書系列に従つて音
素Ｘのセグメンテーシヨンを行ない、その音素Ｘ
とその音素Ｘに対応してセグメンテーシヨンされ
た区間lxを計算する。ここで、破裂音の尤度計算
を行なう際、セグメンテーシヨンされた区間にお
いて、破裂又は破裂し摩擦する部分の音素の確率
密度値から得られる尤度だけでなく、破裂直前の
無音部に対しても音声パワーの値、及びその時間
変化を利用して尤度を求め、得られた各々の部分
の尤度から破裂音の尤度を求める。 第２図において、入力音声／toci／に対して本
来の単語である／TOCI／を仮定した場合、破裂
音／Ｃ／のセグメンテーシヨンは、従来例と同様
に、破裂直前の無音部（６−７）及び破裂し摩擦
する部分（７−８）を検出し、区間（６−８）を
破裂音／Ｃ／のセグメンテーシヨン区間とする。
次に音素／Ｃ／の尤度lCを計算するわけである
が、先ず、無音部（６−７）における音声パワー
Ｐの最小値（ロ）、及び無音部の後端７付近の
式に示される隣接フレーム間ケプストラム距離
CDの値を用いて式に従つて無音部の尤度lQを
求める。次に、破裂し摩擦する部分（７−８）の
尤度lC1を確率密度値を用いて求め、最後にlQとlC1
から音素／Ｃ／の尤度lCを式に従つて求める。
書を照合して単語を認識する単語音声認識方法に
関するものである。 従来例の構成とその問題点 第１図は従来の単語音声認識方法を実行するた
めの装置の機能ブロツク図である。第１図におい
て、１は入力音声からパラメータの時系列を作成
するパラメータ抽出部、２は音素標準パタンを照
合して、音素の確率密度を算出する確率密度計算
部、３は音素毎のセグメンテーシヨン、尤度計
算、単語類似度計算を行なう単語認識部である。
また、４は各音素毎の各種パラメータにおける分
布を各音素毎の平均値（μi）、及び各種パラメー
タ間の共分散行列（Σi）の形で表わした音素標準
パタンを記憶する音素標準パタン部、５は認識す
べき全単語を音素単位の記号列で表記した単語辞
書が記憶されている単語辞書部である。その単語
辞書は、例えば単語「アサヒ」、「トチ」は
「ASAHI」、「TOCI」等と表記されている。 次に、上記従来例の動作について説明する。パ
ラメータ抽出部１において、入力音声を10ｍsec
のフレーム毎に分析し、パラメータを抽出してパ
ラメータ時系列を作成する。次に確率密度計算部
２において、フレーム毎に得られたパラメータと
音素標準パタン部４の音素標準パタンを照合し、
音素の確率密度を算出する。次に、単語認識部３
において、各辞書項目毎にその辞書項目を構成す
る辞書音素系列に従つて音素のセグメンテーシヨ
ンを行ない、下記式に従い、その音素の種類と
その音素に対応してセグメンテーシヨンされた区
間の尤度ｌを計算し、その辞書項目における、各
音素の尤度の平均として類似度を求める。ここ
で、その音素をＸとし、Ｘに対応してセグメンテ
ーシヨンされた区間の始端と終端のフレーム番号
をNs、Neとし、第ｎフレームにおける各パラメ
ータの値をCnとすると、音素Ｘの尤度lxは下式
で定義される。 lx＝log１／Ne−Ns＋１Ne 〓n=ns φx（Cu）／〓φi（Cu） … φi（Cu）はある音素ｉの確率密度を表わし、式
のように定義される。 φi（Cu）＝１／（2π）Ｎ／２｜Σi｜1/2exp 〔−１／２（Cn−μi）TΣ-1i（Cn−μi）〕 … Cn：第ｎフレームにおけるＮ個のパラメータ
（ベクトル） μi：ある音素ｉのパラメータの平均値（ベクト
ル） Σi：ある音素ｉのパラメータの共分散行列 式において、確率密度の割り算における分母
のサメンシヨンのｉの範囲は、音素Ｘが何である
かによつて異なり、例えばＸが音素Ａ(ア)の時はｉ
の範囲は５母音、Ａ、Ｅ、Ｉ、Ｏ、Ｕとしてい
る。以上により得られる単語類似度LMを式に
従つて各辞書項目毎に求め、LMが最大となる辞
書項目をもつて、認識単語としていた。 LM＝NP 〓j=1 lj／NP … LM：辞書中のＭ番目の単語の類似度 lj：辞書音素系列中のｊ番目の音素の尤度 NP：辞書音素数 第２図は「土地」（／toci／）と発声した時の
各音素／ｔ／，／ｏ／，／ｃ／，／ｉ／に対応す
る標準パタン中の音素シンボル（Ｔ），（Ｏ），
（Ｓ），(I)の確率密度値φT，φO，φS，φI及び音声
パワーＰの時間変化を示す。ここで音素／Ｃ／に
対応する標準パタン中の音素シンボルは摩擦音群
を表わす（Ｓ）である。第２図において、辞書単
語／TOCI／を仮定した場合の音素／Ｃ／のセグ
メンテーシヨン及び尤度計算は、先ず音声パワー
Ｐの値が予め設定されたいき値イよりも低い部分
（６−７）を破裂直前の無音部として検出し、次
に音素／Ｃ／に対応する標準パタン中の音素シン
ボル（Ｓ）の確率密度値φSを用いて、音素／Ｃ／
の後端８を検出し、区間（６−８）を音素／Ｃ／
のセグメンテーシヨン区間とする。ここで、無音
部が検出できない場合は、音素／Ｃ／のセグメン
テーシヨンができず、尤度計算も行なわれない。 次に、音素／Ｃ／の尤度は区間（７−８）の
（Ｓ）の確率密度を用いて、式に従つて尤度計
算を行なう。 第３図は、「都市」（／tosi／）と発声した時の
各音素／ｔ／，／ｏ／，／ｓ／，／ｉ／に対応す
る標準パタン中の音素シンボル（Ｔ），（Ｏ），
（Ｓ），(I)の確率密度値、φT，φO，φS，φI及び音
声パワーＰの時間変化を示す。ここで音素／Ｓ／
に対応する標準パタン中の音素シンボルは摩擦音
群を表わす（Ｓ）であり、これは音素／Ｃ／と対
応した標準パタン中の音素シンボルと同一であ
る。 第３図において、辞書単語／TOSI／を仮定し
た場合の音素／Ｓ／のセグメンテーシヨン及び尤
度計算は、先ず、音素／Ｓ／に対応する標準パタ
ン中の音素シンボル（Ｓ）の確率密度値を用いて
音素／Ｓ／の後端を検出し、区間（９−10）を音
素／Ｓ／のセグメンテーシヨン区間とする。次に
区間（９−10）の（Ｓ）の確率密度値を用いて、
式に従つて尤度計算を行なう。第３図におい
て、入力音声／tosi／に対して辞書中の単語／
tosi／を仮定した場合、音素／Ｃ／のセグメンテ
ーシヨン及び尤度計算は先ず、音声パワーの値が
予め設定されたいき値よりも低い部分を破裂直前
の無音部として検出するわけであるが、本来の音
素／Ｓ／区間において、音声パワーは、第３図の
区間（９−10）に見られるように浅いデイツプの
形をしているため、いき値よりも音声パワーが低
い場合、その区間（11−12）を音素／Ｃ／の破裂
直前の無音部とみなす。無音部が検出できたの
で、次に音素／Ｃ／に対応する標準パタン中の音
素シンボル（Ｓ）の確率密度値を用いて後端１０
を検出し、区間（９−10）を音素／Ｃ／のセグメ
ンテーシヨン区間とし、区間（12−10）を（Ｓ）
の確率密度値を用いて式に従つて尤度計算を行
なう。従つて、入力音素／tosi／に対して辞書中
の単語／toci／を仮定した時、得られた音素／
Ｃ／の尤度は本来の音素である／Ｓ／の尤度と同
程度の値となるため、／Ｓ／と／Ｃ／の識別が困
難となり、／Ｓ／，／Ｃ／を含む単語は誤認識し
易い欠点があつた。 発明の目的 本発明は、上記従来例の欠点を除去するもので
あり、尤度計算の精度を向上させ、それにより単
語認識率を向上させることを目的とする。 発明の構成 本発明は、上記目的を達成するために、破裂音
の尤度を計算する際、セグメンテーシヨンされた
区間（破裂直前の無音区間と破裂又は破裂し摩擦
する区間で構成される）について、破裂する区間
の音素の確率密度値だけを用いて尤度を計算する
のではなく、音声パワー等のパラメータを併用し
て、無音区間を含む、破裂音のセグメンテーシヨ
ン区間に対して尤度を計算することにより、尤度
計算の精度を向上させる効果を持つものである。 実施例の説明 以下に本発明の一実施例の構成について図面と
ともに説明する。第１図において、音素標準パタ
ンは従来例と同様である。単語辞書は認識すべき
単語を音素の記号列で表記してある。また、パラ
メータ抽出により得られるパラメータ時系列は従
来例と同様である。 次に、本実施例の動作について説明する。先ず
入力音声からフレーム毎のパラメータを得、さら
にそのパラメータの値を使つて、各音素標準パタ
ンから得られる確率密度を計算し、各辞書項目毎
に、その辞書項目を構成する辞書系列に従つて音
素Ｘのセグメンテーシヨンを行ない、その音素Ｘ
とその音素Ｘに対応してセグメンテーシヨンされ
た区間lxを計算する。ここで、破裂音の尤度計算
を行なう際、セグメンテーシヨンされた区間にお
いて、破裂又は破裂し摩擦する部分の音素の確率
密度値から得られる尤度だけでなく、破裂直前の
無音部に対しても音声パワーの値、及びその時間
変化を利用して尤度を求め、得られた各々の部分
の尤度から破裂音の尤度を求める。 第２図において、入力音声／toci／に対して本
来の単語である／TOCI／を仮定した場合、破裂
音／Ｃ／のセグメンテーシヨンは、従来例と同様
に、破裂直前の無音部（６−７）及び破裂し摩擦
する部分（７−８）を検出し、区間（６−８）を
破裂音／Ｃ／のセグメンテーシヨン区間とする。
次に音素／Ｃ／の尤度lCを計算するわけである
が、先ず、無音部（６−７）における音声パワー
Ｐの最小値（ロ）、及び無音部の後端７付近の
式に示される隣接フレーム間ケプストラム距離
CDの値を用いて式に従つて無音部の尤度lQを
求める。次に、破裂し摩擦する部分（７−８）の
尤度lC1を確率密度値を用いて求め、最後にlQとlC1
から音素／Ｃ／の尤度lCを式に従つて求める。
【表】
lC＝lC1・lQ ………
第３図において、入力音声／tosi／に対して、
辞書中の単語／toci／を仮定した時、音素／Ｃ／
の尤度計算は、上記例で述べたように、先ず無音
部（11−12）の尤度lQを求めるわけであるが、こ
の場合、無音部の音声パワーＰの最小値（ハ）は
第２図の場合と比べ大きく、又、無音部後端１２
付近の隣接フレーム間ケプストラム距離CDの値
は小さいため、lQの値は、第２図の場合と比べ小
さくなる。従つて音素／Ｃ／の尤度の値も小さく
なるため、入力音声／tosi／に対して辞書中の単
語／tosi／を仮定した時の音素／Ｓ／の尤度の方
が音素／Ｃ／の尤度よりも大きくなり、／Ｓ／
と／Ｃ／の識別能力が向上する。従つて、音素／
Ｓ／，／Ｃ／を含む単語の認識率が向上する利点
がある。 発明の効果 本発明は上記のような構成であり、破裂音の尤
度を計算するにあたり、セグメンテーシヨンされ
た区間中で、破裂又は破裂を伴ない摩擦する部分
におけるその音素又は音素群の標準パタンとその
音素との距離から得られる尤度、及び破裂直前の
無音部における音声パワーの値とその時間変化の
大きさから得られる尤度の上記２つの尤度を併用
して破裂音の尤度計算を行なうことにより、従来
例に比べ精度よく尤度を求めることができる利点
を有する。
辞書中の単語／toci／を仮定した時、音素／Ｃ／
の尤度計算は、上記例で述べたように、先ず無音
部（11−12）の尤度lQを求めるわけであるが、こ
の場合、無音部の音声パワーＰの最小値（ハ）は
第２図の場合と比べ大きく、又、無音部後端１２
付近の隣接フレーム間ケプストラム距離CDの値
は小さいため、lQの値は、第２図の場合と比べ小
さくなる。従つて音素／Ｃ／の尤度の値も小さく
なるため、入力音声／tosi／に対して辞書中の単
語／tosi／を仮定した時の音素／Ｓ／の尤度の方
が音素／Ｃ／の尤度よりも大きくなり、／Ｓ／
と／Ｃ／の識別能力が向上する。従つて、音素／
Ｓ／，／Ｃ／を含む単語の認識率が向上する利点
がある。 発明の効果 本発明は上記のような構成であり、破裂音の尤
度を計算するにあたり、セグメンテーシヨンされ
た区間中で、破裂又は破裂を伴ない摩擦する部分
におけるその音素又は音素群の標準パタンとその
音素との距離から得られる尤度、及び破裂直前の
無音部における音声パワーの値とその時間変化の
大きさから得られる尤度の上記２つの尤度を併用
して破裂音の尤度計算を行なうことにより、従来
例に比べ精度よく尤度を求めることができる利点
を有する。
第１図は従来および本発明の一実施例における
単語音声認識方法を実施する装置のブロツク図、
第２図は土地と発生した時の各音素の確率密度、
音声パワー、隣接フレーム間のケプストラム距離
の時間変化を示す図、第３図は都市と発声した時
の各音素の確率密度、音声パワー、隣接フレーム
間ケプストラム距離の時間変化を示す図、第４図
は無声部の尤度を求める時用いるlQ1とlQ2を説明
するための図である。 １……パラメータ抽出部、２……確率密度計算
部、３……単語認識部、４……音素標準パタン
部、５……単語辞書部。
単語音声認識方法を実施する装置のブロツク図、
第２図は土地と発生した時の各音素の確率密度、
音声パワー、隣接フレーム間のケプストラム距離
の時間変化を示す図、第３図は都市と発声した時
の各音素の確率密度、音声パワー、隣接フレーム
間ケプストラム距離の時間変化を示す図、第４図
は無声部の尤度を求める時用いるlQ1とlQ2を説明
するための図である。 １……パラメータ抽出部、２……確率密度計算
部、３……単語認識部、４……音素標準パタン
部、５……単語辞書部。
Claims (1)
- 【特許請求の範囲】 １ 認識すべき単語を音素単位の記号列で表記し
た単語辞書及び各音素又は音素群の音響パラメー
タで表わされた各音素又は音素群の標準パタンを
用いて、入力音声の単語認識を行なうにあたり、
入力音声を単語辞書の各辞書項目と照合し、各辞
書項目を構成する辞書音素系列に従い、各音素毎
に入力音声をセグメンテーシヨンし、このセグメ
ンテーシヨンされた音声の区間に対して、その音
素又は音素群の標準パタンとその音素との距離を
用いて、辞書項目中の音素と入力音声の尤度を求
め、この尤度の値を用いて辞書項目と入力音声の
類似度を求めて、単語を認識する際に、破擦音を
含む破裂音の尤度を計算するにあたり、セグメン
テーシヨンされた区間中で破烈又は破烈を伴ない
摩擦する部分におけるその音素又は音素群の標準
パタンとその音素との距離から得られる尤度、及
び破裂直前の無音部における音声パワーの値とそ
の時間変化の大きさから得られる尤度を併用する
ことを特徴とする単語音声認識方法。 ２ 各音素又は音素群の標準パタンとして、各音
素又は音素群の音響パラメータの分布形で表わさ
れた標準パタンを用い、音素又は音素群の標準パ
タンとその音素との距離尺度として、セグメンテ
ーシヨンされた音声の区間がその音素から生成さ
れる確率密度を用いる特許請求の範囲第１項記載
の単語音声認識方法。 ３ 破裂直前の無音部における音声パワーの時間
変化の大きさとして隣接フレーム間ケプストラム
距離を用いる特許請求の範囲第１項記載の単語音
声認識方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP59129852A JPS617896A (ja) | 1984-06-22 | 1984-06-22 | 単語音声認識方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP59129852A JPS617896A (ja) | 1984-06-22 | 1984-06-22 | 単語音声認識方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPS617896A JPS617896A (ja) | 1986-01-14 |
| JPH0413719B2 true JPH0413719B2 (ja) | 1992-03-10 |
Family
ID=15019845
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP59129852A Granted JPS617896A (ja) | 1984-06-22 | 1984-06-22 | 単語音声認識方法 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPS617896A (ja) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH0276623A (ja) * | 1988-09-12 | 1990-03-16 | Yutaka Seimitsu Kogyo Kk | Ｎｃ制御歯車面取盤 |
| JPH0747253B2 (ja) * | 1989-10-02 | 1995-05-24 | 日立精機株式会社 | 工具退避装置付多軸スピンドル型マシニングセンタ |
-
1984
- 1984-06-22 JP JP59129852A patent/JPS617896A/ja active Granted
Also Published As
| Publication number | Publication date |
|---|---|
| JPS617896A (ja) | 1986-01-14 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Hon et al. | Towards large vocabulary Mandarin Chinese speech recognition | |
| JP2797861B2 (ja) | 音声検出方法および音声検出装置 | |
| Unnibhavi et al. | LPC based speech recognition for Kannada vowels | |
| JPS6138479B2 (ja) | ||
| JPH0413719B2 (ja) | ||
| Ohtake et al. | Newscast speech summarization via sentence shortening based on prosodic features | |
| Phoophuangpairoj et al. | Two-Stage Gender Identification Using Pitch Frequencies, MFCCs and HMMs | |
| JPH08314490A (ja) | ワードスポッティング型音声認識方法と装置 | |
| JPH1097269A (ja) | 音声検出装置及び方法 | |
| Wu et al. | Integration of phonetic and prosodic information for robust utterance verification | |
| Takahashi et al. | Isolated word recognition using pitch pattern information | |
| Gulzar et al. | An improved endpoint detection algorithm using bit wise approach for isolated, spoken paired and Hindi hybrid paired words | |
| JPH0413720B2 (ja) | ||
| JPS63161499A (ja) | 音声認識装置 | |
| Sharma | Implementation of ZCR and STE techniques for the detection of the voiced and unvoiced signals in Continuous Punjabi Speech | |
| Baker | On the similarity of noisy phonetic strings produced by different words | |
| White | Linear predictive residual analysis compared to bandpass filtering for automatic speech recognition | |
| Rabiner et al. | Some preliminary experiments in the recognition of connected digits | |
| Sahu et al. | Odia isolated word recognition using DTW | |
| Ganesan et al. | Algorithm to detect the beginning and end points of a speech utterance | |
| JPS6039699A (ja) | 音声認識方法 | |
| Lin et al. | On‐line, adaptive speaker‐independent word recognition system based on phonetic recognition techniques | |
| JPH0311478B2 (ja) | ||
| Sargent | Partial word boundary detection from stress contours | |
| JPH0431114B2 (ja) |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| EXPY | Cancellation because of completion of term |