JPH0553599A - 話者適応化方式 - Google Patents
話者適応化方式Info
- Publication number
- JPH0553599A JPH0553599A JP3216983A JP21698391A JPH0553599A JP H0553599 A JPH0553599 A JP H0553599A JP 3216983 A JP3216983 A JP 3216983A JP 21698391 A JP21698391 A JP 21698391A JP H0553599 A JPH0553599 A JP H0553599A
- Authority
- JP
- Japan
- Prior art keywords
- speaker
- codebook
- correspondence
- vector
- standard
- 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
Abstract
(57)【要約】
【目的】 この発明は学習から得られた対応付けに含ま
れるばらつきを吸収するために、話者空間の連続性に留
意したスムージングを行ない、より精度のよい対応関係
を得ることのできるような話者適応化方式を提供するこ
とを主要な特徴とする。 【構成】 標準話者のコードブックＣR を変換コードブ
ックＣT の初期値とし、未知話者の入力ベクトル列と標
準話者のコード列とを変換コードブックＣT を用いてＤ
ＴＷによる時間対応付けを行なう。その結果から得られ
る対応付けから変換コードブックＣT を更新し、ＤＴＷ
による距離が収束しているか否かの判定を行ない、収束
していなければ再びＤＴＷにより時間対応付けを行な
う。コードブックからのファジィ級関数を計算し、変換
コードブックのスムージングを行なって変換コードブッ
クに蓄える。
れるばらつきを吸収するために、話者空間の連続性に留
意したスムージングを行ない、より精度のよい対応関係
を得ることのできるような話者適応化方式を提供するこ
とを主要な特徴とする。 【構成】 標準話者のコードブックＣR を変換コードブ
ックＣT の初期値とし、未知話者の入力ベクトル列と標
準話者のコード列とを変換コードブックＣT を用いてＤ
ＴＷによる時間対応付けを行なう。その結果から得られ
る対応付けから変換コードブックＣT を更新し、ＤＴＷ
による距離が収束しているか否かの判定を行ない、収束
していなければ再びＤＴＷにより時間対応付けを行な
う。コードブックからのファジィ級関数を計算し、変換
コードブックのスムージングを行なって変換コードブッ
クに蓄える。
Description
【０００１】
【産業上の利用分野】この発明は話者適応化方式に関
し、特に、音声認識分野において、未知話者の発生した
学習サンプルを用いて、標準話者の特徴ベクトルと未知
話者の特徴ベクトルとの対応関係を求め、求められた対
応関係をもとに適応化を行なうような話者適応化方式に
関する。
し、特に、音声認識分野において、未知話者の発生した
学習サンプルを用いて、標準話者の特徴ベクトルと未知
話者の特徴ベクトルとの対応関係を求め、求められた対
応関係をもとに適応化を行なうような話者適応化方式に
関する。
【０００２】
【従来の技術】従来、標準話者の音声と未知話者の音声
とをＤＰマッチングにより時間軸の対応付け，標準話者
の特徴ベクトルと未知話者の特徴ベクトルの対応関係を
求める話者適応化方式においては、学習データにより得
られた対応関係をそのまま用いて適応化を行なってい
る。
とをＤＰマッチングにより時間軸の対応付け，標準話者
の特徴ベクトルと未知話者の特徴ベクトルの対応関係を
求める話者適応化方式においては、学習データにより得
られた対応関係をそのまま用いて適応化を行なってい
る。
【０００３】
【発明が解決しようとする課題】しかしながら、学習用
データが少ない場合には、そこから得られる対応関係に
はデータに依存したばらつきが存在し、対応関係の信頼
度も低くなってしまう。すなわち、学習用データが少な
い場合には、その少ない学習データに偏ってしまい、そ
の偏ったデータに依存して対応関係が依存してしまうと
いう問題点がある。
データが少ない場合には、そこから得られる対応関係に
はデータに依存したばらつきが存在し、対応関係の信頼
度も低くなってしまう。すなわち、学習用データが少な
い場合には、その少ない学習データに偏ってしまい、そ
の偏ったデータに依存して対応関係が依存してしまうと
いう問題点がある。
【０００４】それゆえに、この発明の主たる目的は、学
習から得られた対応付けに含まれるばらつきを吸収する
ために、話者空間の連続性に留意したスムージングを行
ない、より精度のよい対応関係を得ることができるよう
な話者適応化方式を提供することである。
習から得られた対応付けに含まれるばらつきを吸収する
ために、話者空間の連続性に留意したスムージングを行
ない、より精度のよい対応関係を得ることができるよう
な話者適応化方式を提供することである。
【０００５】
【課題を解決するための手段】請求項１に係る発明は、
未知話者の発声した学習サンプルを用いて標準話者の特
徴ベクトルと未知話者の特徴ベクトルとの対応関係を求
め、求められた対応関係をもとに適応化を行なう話者適
応化方式であって、学習サンプルから求められた対応関
係にスムージングを行なうように構成したものである。
未知話者の発声した学習サンプルを用いて標準話者の特
徴ベクトルと未知話者の特徴ベクトルとの対応関係を求
め、求められた対応関係をもとに適応化を行なう話者適
応化方式であって、学習サンプルから求められた対応関
係にスムージングを行なうように構成したものである。
【０００６】請求項２に係る発明は請求項１に係る対応
関係のスムージングをファジィ関数に基づいて行なわれ
る。
関係のスムージングをファジィ関数に基づいて行なわれ
る。
【０００７】請求項３に係る発明は、請求項２に係る発
明における標準話者の特徴ベクトルと未知話者の特徴ベ
クトルとの対応関係を求めるに際して、同一発声内容の
未知話者音声と標準話者音声とを対応付ることにより対
応関係が求められる。
明における標準話者の特徴ベクトルと未知話者の特徴ベ
クトルとの対応関係を求めるに際して、同一発声内容の
未知話者音声と標準話者音声とを対応付ることにより対
応関係が求められる。
【０００８】請求項４に係る発明は、請求項３に係る発
明において、標準話者の音声をベクトル量子化し、ベク
トル量子化されたコードブックに対応する未知話者の特
徴ベクトルが求められる。
明において、標準話者の音声をベクトル量子化し、ベク
トル量子化されたコードブックに対応する未知話者の特
徴ベクトルが求められる。
【０００９】
【作用】この発明に係る話者適応化方式は、学習サンプ
ルから求められた対応関係にスムージングを行なうこと
によって、少数の学習用データしか得られない場合で
も、精度のよい対応関係を得ることができ、高精度の話
者適応を実現できる。
ルから求められた対応関係にスムージングを行なうこと
によって、少数の学習用データしか得られない場合で
も、精度のよい対応関係を得ることができ、高精度の話
者適応を実現できる。
【００１０】
【発明の実施例】図１はこの発明が適用される音声認識
装置の概略ブロック図である。図１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
音声信号を増幅し、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。Ａ／Ｄ変換器３は音
声信号を１２ｋＨｚのサンプリング信号により、１６ビ
ットのデジタル信号に変換する。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
声のデジタル信号に基づいて、後述の図２に示した手法
を用いて話者の特徴ベクトル間の適応化を行なう。
装置の概略ブロック図である。図１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
音声信号を増幅し、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。Ａ／Ｄ変換器３は音
声信号を１２ｋＨｚのサンプリング信号により、１６ビ
ットのデジタル信号に変換する。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
声のデジタル信号に基づいて、後述の図２に示した手法
を用いて話者の特徴ベクトル間の適応化を行なう。
【００１１】図２はこの発明の一実施例の動作を説明す
るためのフロー図である。標準話者のコードブックＣR
は図１に示す磁気ディスク６に記憶されていて、この標
準話者のコードブックＣR は変換コードブックＣT の初
期値とされる。ステップ（図示ではＳＰと略称する）Ｓ
Ｐ１において、未知話者の入力ベクトル列が入力される
と、ステップＳＰ２において未知話者の入力ベクトル列
と標準話者のコード列とを変換コードブックＣT を用い
てＤＴＷ（動的時間伸縮法）を用いて対応付けが行なわ
れる。
るためのフロー図である。標準話者のコードブックＣR
は図１に示す磁気ディスク６に記憶されていて、この標
準話者のコードブックＣR は変換コードブックＣT の初
期値とされる。ステップ（図示ではＳＰと略称する）Ｓ
Ｐ１において、未知話者の入力ベクトル列が入力される
と、ステップＳＰ２において未知話者の入力ベクトル列
と標準話者のコード列とを変換コードブックＣT を用い
てＤＴＷ（動的時間伸縮法）を用いて対応付けが行なわ
れる。
【００１２】ステップＳＰ３において、ステップＳＰ２
で得られた対応付けから変換コードブックＣT を更新す
る。すなわち、標準話者のコードベクトルに対応付けら
れた入力話者のベクトルの平均を求めることにより、変
換コードブックＣT を求める。その際、対応付けの既に
求まっているコードベクトルのサブベクトルを用いて、
対応付けの行なわれなかったベクトルの差分ベクトルの
推定が行なわれる。より具体的に説明すると、ｍ番目の
ベクトルＣT m に対応付けられた入力ベクトルの集合を
Ｍとし、集合Ｍに属する入力ベクトルｘの平均値とベク
トルＣR m の差分ベクトルＶm を次の数１により求め
る。
で得られた対応付けから変換コードブックＣT を更新す
る。すなわち、標準話者のコードベクトルに対応付けら
れた入力話者のベクトルの平均を求めることにより、変
換コードブックＣT を求める。その際、対応付けの既に
求まっているコードベクトルのサブベクトルを用いて、
対応付けの行なわれなかったベクトルの差分ベクトルの
推定が行なわれる。より具体的に説明すると、ｍ番目の
ベクトルＣT m に対応付けられた入力ベクトルの集合を
Ｍとし、集合Ｍに属する入力ベクトルｘの平均値とベク
トルＣR m の差分ベクトルＶm を次の数１により求め
る。
【００１３】
【数１】
【００１４】Ｎn ＝０であるベクトルＣR n について、
Ｎk ＞０であるコードベクトルＣR k のファジィ級関数
μn,k を求める。ベクトルＣR n の差分ベクトルＶn を
ベクトルＣR k の差分ベクトルＶk とμn,k を用いて、
次の数２より計算する。
Ｎk ＞０であるコードベクトルＣR k のファジィ級関数
μn,k を求める。ベクトルＣR n の差分ベクトルＶn を
ベクトルＣR k の差分ベクトルＶk とμn,k を用いて、
次の数２より計算する。
【００１５】
【数２】
【００１６】変換コードブックＣT の中のすべてのベク
トルＣT n を差分ベクトルＶを用いて次の数３により更
新する。
トルＣT n を差分ベクトルＶを用いて次の数３により更
新する。
【００１７】
【数３】
【００１８】上述のごとくして得られた対応関係は、Ｄ
ＴＷの枠組みの中で少数単語によって得られるものであ
り、異話者空間の対応関係そのものを表わしているとは
限らず、誤差を含んでいる。一方、話者空間の連続性を
考えると、異話者空間の対応関係も連続的であると考え
るのは自然である。そこで、ステップＳＰ６において、
ＤＴＷによる対応に含まれる誤差を吸収し、真の対応関
係を得るため、ファジィ級関数に基づくスムージングを
以下のようにして行なう。すなわち、ステップＳＰ５に
おいてベクトルＣR n に対するＮk＞０であるすべての
ベクトルＣR k のファジィ級関数μn,k ：ｋ≠ｎを求
める。次に、コードベクトルＣR n の差分ベクトルを次
の数４によって計算する。
ＴＷの枠組みの中で少数単語によって得られるものであ
り、異話者空間の対応関係そのものを表わしているとは
限らず、誤差を含んでいる。一方、話者空間の連続性を
考えると、異話者空間の対応関係も連続的であると考え
るのは自然である。そこで、ステップＳＰ６において、
ＤＴＷによる対応に含まれる誤差を吸収し、真の対応関
係を得るため、ファジィ級関数に基づくスムージングを
以下のようにして行なう。すなわち、ステップＳＰ５に
おいてベクトルＣR n に対するＮk＞０であるすべての
ベクトルＣR k のファジィ級関数μn,k ：ｋ≠ｎを求
める。次に、コードベクトルＣR n の差分ベクトルを次
の数４によって計算する。
【００１９】
【数４】
【００２０】ここでは、Ｎk を対応付けの信頼度と考
え、差分ベクトルへの重みとしている。αはＮk の寄与
度をμn,k と同じ程度にするための定数であり、βは予
め定められるＶn の信頼度である。スムージングされた
差分ベクトルＶ′n を用いてすべての変換コードブック
を更新する。
え、差分ベクトルへの重みとしている。αはＮk の寄与
度をμn,k と同じ程度にするための定数であり、βは予
め定められるＶn の信頼度である。スムージングされた
差分ベクトルＶ′n を用いてすべての変換コードブック
を更新する。
【００２１】スムージング時にファジィネスを変化させ
ることにより、連続性を考慮する空間を制御できる。す
なわち、ファジィネスが１に近いほど局所的な空間を、
∞に近づくほど大局的な空間を考慮することになる。し
たがって、大量の学習データがあり、対応付けが十分信
頼できる場合には１に近いファジィネスを用い、少量の
学習データしかなく対応付けの信頼性が低い場合には大
きいファジィネスを用いることで、より精度の高い話者
適応が実現できる。
ることにより、連続性を考慮する空間を制御できる。す
なわち、ファジィネスが１に近いほど局所的な空間を、
∞に近づくほど大局的な空間を考慮することになる。し
たがって、大量の学習データがあり、対応付けが十分信
頼できる場合には１に近いファジィネスを用い、少量の
学習データしかなく対応付けの信頼性が低い場合には大
きいファジィネスを用いることで、より精度の高い話者
適応が実現できる。
【００２２】
【発明の効果】以上のように、この発明によれば話者空
間の連続性に留意したスムージングを行なうことによ
り、学習から得られた対応付けに含まれるばらつきを吸
収し、より精度のよい対応関係を得ることができ、少数
の学習用データしか得られない場合にも、高精度の話者
適応が実現できる。
間の連続性に留意したスムージングを行なうことによ
り、学習から得られた対応付けに含まれるばらつきを吸
収し、より精度のよい対応関係を得ることができ、少数
の学習用データしか得られない場合にも、高精度の話者
適応が実現できる。
【図１】この発明の一実施例の概略ブロック図である。
【図２】この発明の一実施例の具体的な動作を説明する
ためのフロー図である。
ためのフロー図である。
１ アンプ
２ ローパスフィルタ
３ Ａ／Ｄ変換器
４ 処理装置
５ コンピュータ
６ 磁気ディスク
７ 端末類
８ プリンタ
Claims (4)
- 【請求項１】 未知話者の発声した学習サンプルを用い
て、標準話者の特徴ベクトルと未知話者の特徴ベクトル
との対応関係を求め、求められた対応関係をもとに適応
化を行なう話者適応化方式において、 前記学習サンプルから求められた対応関係にスムージン
グを行なうことを特徴とする、話者適応化方式。 - 【請求項２】 前記対応関係はスムージングをファジィ
関数に基づいて行なうことを特徴とする、請求項１の話
者適応化方式。 - 【請求項３】 前記標準話者の特徴ベクトルと前記未知
話者の特徴ベクトルとの対応関係を求めるに際して、同
一発声内容の未知話者音声と標準話者音声とを対応付け
ることにより対応関係を求めることを特徴とする、請求
項２の話者適応化方式。 - 【請求項４】 前記標準話者の音声をベクトル量子化し
て、ベクトル量子化されたコードブックに対応する未知
話者の特徴ベクトルを求めることを特徴とする、請求項
３の話者適応化方式。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP3216983A JPH0752356B2 (ja) | 1991-08-28 | 1991-08-28 | 話者適応化方式 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP3216983A JPH0752356B2 (ja) | 1991-08-28 | 1991-08-28 | 話者適応化方式 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPH0553599A true JPH0553599A (ja) | 1993-03-05 |
| JPH0752356B2 JPH0752356B2 (ja) | 1995-06-05 |
Family
ID=16696983
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP3216983A Expired - Fee Related JPH0752356B2 (ja) | 1991-08-28 | 1991-08-28 | 話者適応化方式 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPH0752356B2 (ja) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1331114C (zh) * | 2003-12-15 | 2007-08-08 | Lg电子株式会社 | 语音识别方法 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS6286399A (ja) * | 1985-10-11 | 1987-04-20 | 沖電気工業株式会社 | 音声認識方法 |
| JPH02146313U (ja) * | 1989-05-17 | 1990-12-12 | ||
| JPH03175502A (ja) * | 1989-12-05 | 1991-07-30 | Fanuc Ltd | 間引き学習制御方式 |
| JPH03186899A (ja) * | 1989-12-16 | 1991-08-14 | A T R Jido Honyaku Denwa Kenkyusho:Kk | 隠れマルコフモデル学習方式 |
-
1991
- 1991-08-28 JP JP3216983A patent/JPH0752356B2/ja not_active Expired - Fee Related
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS6286399A (ja) * | 1985-10-11 | 1987-04-20 | 沖電気工業株式会社 | 音声認識方法 |
| JPH02146313U (ja) * | 1989-05-17 | 1990-12-12 | ||
| JPH03175502A (ja) * | 1989-12-05 | 1991-07-30 | Fanuc Ltd | 間引き学習制御方式 |
| JPH03186899A (ja) * | 1989-12-16 | 1991-08-14 | A T R Jido Honyaku Denwa Kenkyusho:Kk | 隠れマルコフモデル学習方式 |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1331114C (zh) * | 2003-12-15 | 2007-08-08 | Lg电子株式会社 | 语音识别方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| JPH0752356B2 (ja) | 1995-06-05 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US8886534B2 (en) | Speech recognition apparatus, speech recognition method, and speech recognition robot | |
| US5651094A (en) | Acoustic category mean value calculating apparatus and adaptation apparatus | |
| US5749068A (en) | Speech recognition apparatus and method in noisy circumstances | |
| JP2768274B2 (ja) | 音声認識装置 | |
| JPH05188994A (ja) | 騒音抑圧装置 | |
| US6421641B1 (en) | Methods and apparatus for fast adaptation of a band-quantized speech decoding system | |
| JP2007233412A (ja) | ユーザが定義したフレーズの話者に依存しない認識方法及びシステム | |
| JPH0612089A (ja) | 音声認識方法 | |
| JPH01997A (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 | |
| JPS63259687A (ja) | 音声信号認識方法およびその方法を実施する装置 | |
| CN114582354A (zh) | 基于声纹识别的语音控制方法、装置、设备及存储介质 | |
| JP2005078077A (ja) | 非線形予測子およびターゲットによって案内される時間的制約を使用して声道共鳴を追跡する方法および装置 | |
| US6470314B1 (en) | Method and apparatus for rapid adapt via cumulative distribution function matching for continuous speech | |
| US11580989B2 (en) | Training method of a speaker identification model based on a first language and a second language | |
| JPH0247760B2 (ja) | ||
| JPH0553599A (ja) | 話者適応化方式 | |
| JP2003524795A (ja) | スピーチエネーブル装置のユーザインターフェースの完全性をテストする方法および装置 | |
| JP2002366192A (ja) | 音声認識方法及び音声認識装置 | |
| JP2000250577A (ja) | 音声認識装置及び同装置に使用される学習方法ならびに学習装置及び同方法がプログラムされ記録された記録媒体 | |
| JP4461557B2 (ja) | 音声認識方法および音声認識装置 | |
| TW219993B (en) | Speech recognition system | |
| JP3034279B2 (ja) | 有音検出装置および有音検出方法 | |
| JPH09198085A (ja) | 電話をベースとする音声認識用時変特徴スペース処理手順 | |
| Droppo et al. | Efficient on-line acoustic environment estimation for FCDCN in a continuous speech recognition system |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 19951219 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20090605 Year of fee payment: 14 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20100605 Year of fee payment: 15 |
|
| LAPS | Cancellation because of no payment of annual fees |