JPH0612090A - 音声学習方式 - Google Patents
音声学習方式Info
- Publication number
- JPH0612090A JPH0612090A JP4168057A JP16805792A JPH0612090A JP H0612090 A JPH0612090 A JP H0612090A JP 4168057 A JP4168057 A JP 4168057A JP 16805792 A JP16805792 A JP 16805792A JP H0612090 A JPH0612090 A JP H0612090A
- Authority
- JP
- Japan
- Prior art keywords
- learning
- standard model
- similarity
- feature vector
- unit
- 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
- 230000005477 standard model Effects 0.000 claims abstract description 52
- 238000000034 method Methods 0.000 claims abstract description 19
- 239000000463 material Substances 0.000 abstract 1
- 238000010586 diagram Methods 0.000 description 4
- 230000007704 transition Effects 0.000 description 4
- 230000015572 biosynthetic process Effects 0.000 description 2
- 230000005236 sound signal Effects 0.000 description 2
- 238000003786 synthesis reaction Methods 0.000 description 2
- PEDCQBHIVMGVHV-UHFFFAOYSA-N Glycerine Chemical compound OCC(O)CO PEDCQBHIVMGVHV-UHFFFAOYSA-N 0.000 description 1
- 206010048669 Terminal state Diseases 0.000 description 1
- 150000001768 cations Chemical class 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
Abstract
(57)【要約】
【目的】 標準モデルの学習に不適切な音声データを用
いずに学習を行う。 【構成】 認識部１３において、学習データを音素単位
に分割し、標準モデル記憶部１２に保持されている音素
単位の標準モデルに対する各音素区間のデータの類似度
を求める。学習部１４において、類似度があらかじめ定
められた一定値より大きい学習データを用いて学習を行
う。
いずに学習を行う。 【構成】 認識部１３において、学習データを音素単位
に分割し、標準モデル記憶部１２に保持されている音素
単位の標準モデルに対する各音素区間のデータの類似度
を求める。学習部１４において、類似度があらかじめ定
められた一定値より大きい学習データを用いて学習を行
う。
Description
【０００１】
【産業上の利用分野】本発明は、音声認識等において用
いられる標準モデルを学習する音声学習方式に関する。
いられる標準モデルを学習する音声学習方式に関する。
【０００２】
【従来の技術】あらかじめ発声した学習データから作成
した標準モデルを用いて、多くの語彙を認識対象とする
大語彙音声認識方法では、認識単位として音素などの、
単語より小さい単位が一般に用いられている。以下、
「音素」とは、音韻論的な意味での音声の最小基本単位
という意味だけではなく、音節や複数の音素の連結をも
含む、もっと広い範囲の音声の単位を意味するものとす
る。音素を認識単位とする方法としては、たとえば、渡
辺、吉田、古賀らによる、電子情報通信学会論文誌Ｄ−
II Ｖｏｌ．Ｊ７２−Ｄ−II Ｎｏ．８ １９８９年８
月のページ１２６４−１２６９に掲載の論文「半音節を
単位としたＨＭＭを用いた大語い音声認識」（以下、文
献１と記す）に述べられている方法が挙げられる。この
方法では、単語単位に発声された複数個の学習データを
用いて音素の一種である半音節（以下、音素と呼ぶ）単
位の標準モデルを作成している。認識時には、音素表記
された単語辞書を用いて標準モデルを結合して単語単位
のモデルを作成し、この単語モデルを用いて未知単語音
声を認識している。この方法において、高精度の標準モ
デルを作成するためには、正しく発声された学習データ
が必要である。
した標準モデルを用いて、多くの語彙を認識対象とする
大語彙音声認識方法では、認識単位として音素などの、
単語より小さい単位が一般に用いられている。以下、
「音素」とは、音韻論的な意味での音声の最小基本単位
という意味だけではなく、音節や複数の音素の連結をも
含む、もっと広い範囲の音声の単位を意味するものとす
る。音素を認識単位とする方法としては、たとえば、渡
辺、吉田、古賀らによる、電子情報通信学会論文誌Ｄ−
II Ｖｏｌ．Ｊ７２−Ｄ−II Ｎｏ．８ １９８９年８
月のページ１２６４−１２６９に掲載の論文「半音節を
単位としたＨＭＭを用いた大語い音声認識」（以下、文
献１と記す）に述べられている方法が挙げられる。この
方法では、単語単位に発声された複数個の学習データを
用いて音素の一種である半音節（以下、音素と呼ぶ）単
位の標準モデルを作成している。認識時には、音素表記
された単語辞書を用いて標準モデルを結合して単語単位
のモデルを作成し、この単語モデルを用いて未知単語音
声を認識している。この方法において、高精度の標準モ
デルを作成するためには、正しく発声された学習データ
が必要である。
【０００３】発声した学習データが標準モデルの学習に
適切かどうかを決める方法としては、たとえば、藤本、
佐藤らによる、日本音響学会昭和６１年度春季研究発表
会講演論文集Ι、昭和６１年３月のページ８５−８６に
掲載の論文「音声認識ボード用簡易型単語音声認識方
式」（以下、文献２と記す）に述べられている方法が挙
げられる。これは、学習する単語に対して既に標準モデ
ルが作成されているときに、新たに発声した学習データ
を標準モデルを用いて認識を行い、同一単語の標準モデ
ルと学習データとの類似度（たとえば、距離の符号を反
転させたもの）が一定のしきい値以上の場合には、標準
モデルの平均化、すなわち標準モデルの学習を行うもの
である。
適切かどうかを決める方法としては、たとえば、藤本、
佐藤らによる、日本音響学会昭和６１年度春季研究発表
会講演論文集Ι、昭和６１年３月のページ８５−８６に
掲載の論文「音声認識ボード用簡易型単語音声認識方
式」（以下、文献２と記す）に述べられている方法が挙
げられる。これは、学習する単語に対して既に標準モデ
ルが作成されているときに、新たに発声した学習データ
を標準モデルを用いて認識を行い、同一単語の標準モデ
ルと学習データとの類似度（たとえば、距離の符号を反
転させたもの）が一定のしきい値以上の場合には、標準
モデルの平均化、すなわち標準モデルの学習を行うもの
である。
【０００４】
【発明が解決しようとする課題】上述した文献２の方法
では、学習データを学習に用いるかどうかの判定を、標
準モデルと学習データの全体の類似度で行っているの
で、学習データ中のある特定の音素に対するデータが、
発声誤りや雑音の混入などにより不適切であっても全体
の類似度が大きいならば、学習データとして用いられる
可能性がある。このことは、文献１で述べられているよ
うな音素を認識単位とした方法においては、特定の音素
に対する標準モデルが不適切なデータにより学習されて
しまうという問題がある。
では、学習データを学習に用いるかどうかの判定を、標
準モデルと学習データの全体の類似度で行っているの
で、学習データ中のある特定の音素に対するデータが、
発声誤りや雑音の混入などにより不適切であっても全体
の類似度が大きいならば、学習データとして用いられる
可能性がある。このことは、文献１で述べられているよ
うな音素を認識単位とした方法においては、特定の音素
に対する標準モデルが不適切なデータにより学習されて
しまうという問題がある。
【０００５】本発明の目的は、発声した学習データが標
準モデルの学習に適切かどうかを音素単位に調べること
により、高精度な学習を行う音声学習方式を提供するこ
とにある。
準モデルの学習に適切かどうかを音素単位に調べること
により、高精度な学習を行う音声学習方式を提供するこ
とにある。
【０００６】
【課題を解決するための手段】第１の発明は、入力され
た音声信号を分析して特徴ベクトル時系列を学習データ
として出力する特徴分析部と、あらかじめ作成した音素
を単位とした標準モデルを蓄えておく標準モデル記憶部
と、前記学習データを前記音素の単位に分割し、分割さ
れた学習データの前記標準モデルに対する類似度を求め
る認識部と、認識部より出力された前記学習データを構
成する音素に対する類似度があらかじめ定められた値よ
り大きい場合に前記学習データを用いて学習を行う学習
部とを有することを特徴としている。
た音声信号を分析して特徴ベクトル時系列を学習データ
として出力する特徴分析部と、あらかじめ作成した音素
を単位とした標準モデルを蓄えておく標準モデル記憶部
と、前記学習データを前記音素の単位に分割し、分割さ
れた学習データの前記標準モデルに対する類似度を求め
る認識部と、認識部より出力された前記学習データを構
成する音素に対する類似度があらかじめ定められた値よ
り大きい場合に前記学習データを用いて学習を行う学習
部とを有することを特徴としている。
【０００７】また、第２の発明は、入力された音声信号
を分析して特徴ベクトル時系列を学習データとして出力
する特徴分析部と、あらかじめ作成した音素を単位とし
た標準モデルを蓄えておく標準モデル記憶部と、前記学
習データを前記音素の単位に分割し、分割された学習デ
ータの前記標準モデルに対する類似度を求める認識部
と、認識部より出力された前記類似度があらかじめ定め
られた値より小さい音素に対応する部分を除いたデータ
を用いて学習を行う学習部とを有することを特徴として
いる。
を分析して特徴ベクトル時系列を学習データとして出力
する特徴分析部と、あらかじめ作成した音素を単位とし
た標準モデルを蓄えておく標準モデル記憶部と、前記学
習データを前記音素の単位に分割し、分割された学習デ
ータの前記標準モデルに対する類似度を求める認識部
と、認識部より出力された前記類似度があらかじめ定め
られた値より小さい音素に対応する部分を除いたデータ
を用いて学習を行う学習部とを有することを特徴として
いる。
【０００８】
【作用】まず、第１の発明について述べる。発声された
学習データの認識に用いる音素単位の標準モデルとして
文献１に述べられているＨＭＭを用い、文献１に述べら
れている学習方法によりあらかじめ作成されているもの
とする。ＨＭＭは、状態遷移ネットワークの一種で、各
状態には状態遷移確率とベクトル出現確率とが定義され
ている。
学習データの認識に用いる音素単位の標準モデルとして
文献１に述べられているＨＭＭを用い、文献１に述べら
れている学習方法によりあらかじめ作成されているもの
とする。ＨＭＭは、状態遷移ネットワークの一種で、各
状態には状態遷移確率とベクトル出現確率とが定義され
ている。
【０００９】学習データは、古井著、１９８５年、東海
大学出版会発行の「ディジタル音声処理」（以下、文献
３と記す）のページ１５４−１６０に述べられているメ
ルケプストラムによる方法により特徴ベクトル時系列に
変換され、さらに、音素単位に分割される。音素単位の
分割は、視察や、Ｓ．Ｅ．Ｌｅｖｉｎｓｏｎ，Ｌ．Ｒ．
Ｒａｂｉｎｅｒ，およびＭ．Ｍ．Ｓｏｎｄｈｉらの、Ｔ
ｈｅ Ｂｅｌｌ Ｓｙｓｔｅｍ Ｔｅｃｈｎｉｃａｌ
Ｊｏｕｒｎａｌ，Ｖｏｌ．６２，Ｎｏ．４，１９８３年
４月のページ１０３５−１０７４に掲載の論文“Ａｎ
Ｉｎｔｒｏｄｕｃｔｉｏｎ ｔｏ ｔｈｅ Ａｐｐｌｉ
ｃａｔｉｏｎ ｏｆ ｔｈｅ Ｔｈｅｏｒｙ ｏｆ Ｐ
ｒｏｂａｂｉｌｉｓｔｉｃ Ｆｕｎｃｔｉｏｎｓ ｏｆ
ａ Ｍａｒｋｏｖ Ｐｒｏｃｅｓｓ ｔｏ Ａｕｔｏ
ｍａｔｉｃ Ｓｐｅｅｃｈ Ｒｅｃｏｇｎｉｔｉｏｎ”
（以下、文献４と記す）に述べられているビタビ（Ｖｉ
ｔｅｒｂｉ）アルゴリズムを用いて行うことができる。
ビタビアルゴリズムを用いる場合は、学習データを構成
する音素に対する標準モデルを結合して作成したモデル
内での最適な状態遷移パスをビタビアルゴリズムに用い
て求め、そのパス上での各音素単位の標準モデルの始
端、終端に対応する学習データ中の時刻を求めることに
より音素単位に分割することができる。分割後、音素毎
に、学習データ中のその音素に対応するデータの標準モ
デルに対する類似度が求められる。ビタビアルゴリズム
を用いて学習データを分割した場合、分割時に既に求め
られている、各音素単位の標準モデルの最適な状態遷移
パス上での終端状態における尤度を類似度として用いる
ことができる。または、分割された各音素区間の学習デ
ータに対して、文献４に述べられているようなフォワー
ド・バックワード（ｆｏｒｗａｒｄ−ｂａｃｋｗａｒ
ｄ）アルゴリズムを用いて類似度を求めることもでき
る。すべての、または特定の標準モデルに対する類似度
があらかじめ定められた一定値より大きい場合のみ発声
された学習データを用いて学習を行う。
大学出版会発行の「ディジタル音声処理」（以下、文献
３と記す）のページ１５４−１６０に述べられているメ
ルケプストラムによる方法により特徴ベクトル時系列に
変換され、さらに、音素単位に分割される。音素単位の
分割は、視察や、Ｓ．Ｅ．Ｌｅｖｉｎｓｏｎ，Ｌ．Ｒ．
Ｒａｂｉｎｅｒ，およびＭ．Ｍ．Ｓｏｎｄｈｉらの、Ｔ
ｈｅ Ｂｅｌｌ Ｓｙｓｔｅｍ Ｔｅｃｈｎｉｃａｌ
Ｊｏｕｒｎａｌ，Ｖｏｌ．６２，Ｎｏ．４，１９８３年
４月のページ１０３５−１０７４に掲載の論文“Ａｎ
Ｉｎｔｒｏｄｕｃｔｉｏｎ ｔｏ ｔｈｅ Ａｐｐｌｉ
ｃａｔｉｏｎ ｏｆ ｔｈｅ Ｔｈｅｏｒｙ ｏｆ Ｐ
ｒｏｂａｂｉｌｉｓｔｉｃ Ｆｕｎｃｔｉｏｎｓ ｏｆ
ａ Ｍａｒｋｏｖ Ｐｒｏｃｅｓｓ ｔｏ Ａｕｔｏ
ｍａｔｉｃ Ｓｐｅｅｃｈ Ｒｅｃｏｇｎｉｔｉｏｎ”
（以下、文献４と記す）に述べられているビタビ（Ｖｉ
ｔｅｒｂｉ）アルゴリズムを用いて行うことができる。
ビタビアルゴリズムを用いる場合は、学習データを構成
する音素に対する標準モデルを結合して作成したモデル
内での最適な状態遷移パスをビタビアルゴリズムに用い
て求め、そのパス上での各音素単位の標準モデルの始
端、終端に対応する学習データ中の時刻を求めることに
より音素単位に分割することができる。分割後、音素毎
に、学習データ中のその音素に対応するデータの標準モ
デルに対する類似度が求められる。ビタビアルゴリズム
を用いて学習データを分割した場合、分割時に既に求め
られている、各音素単位の標準モデルの最適な状態遷移
パス上での終端状態における尤度を類似度として用いる
ことができる。または、分割された各音素区間の学習デ
ータに対して、文献４に述べられているようなフォワー
ド・バックワード（ｆｏｒｗａｒｄ−ｂａｃｋｗａｒ
ｄ）アルゴリズムを用いて類似度を求めることもでき
る。すべての、または特定の標準モデルに対する類似度
があらかじめ定められた一定値より大きい場合のみ発声
された学習データを用いて学習を行う。
【００１０】次に、第２の発明について述べる。この場
合は、音素単位の類似度があらかじめ定められた一定値
より小さいとき、その音素に対応する音声区間を除いた
学習データを用いて学習を行う。これにより、正しく発
声された学習データのみを用いて学習を高精度に行う。
合は、音素単位の類似度があらかじめ定められた一定値
より小さいとき、その音素に対応する音声区間を除いた
学習データを用いて学習を行う。これにより、正しく発
声された学習データのみを用いて学習を高精度に行う。
【００１１】
【実施例】次に、本発明の実施例について図面を参照し
て説明する。
て説明する。
【００１２】図１は、第１の発明の一実施例を示すブロ
ック図である。本実施例は、特徴分析部１１と標準モデ
ル記憶部１２と認識部１３と学習部１４とにより構成さ
れている。
ック図である。本実施例は、特徴分析部１１と標準モデ
ル記憶部１２と認識部１３と学習部１４とにより構成さ
れている。
【００１３】標準モデル記憶部１２にはあらかじめ標準
モデルＰが保持されている。学習用音声信号Ｓは特徴分
析部１１に入力される。特徴分析部１１では、文献３に
述べられているようなメルケプストラムによる方法を用
いて、音声信号Ｓが特徴ベクトル時系列Ｖに変換され
る。認識部１３では、特徴ベクトル時系列Ｖと標準モデ
ル記憶部１２中の標準モデルＰが入力され、視察により
特徴ベクトル時系列Ｖは音素単位に分割され、各音素区
間の特徴ベクトル時系列Ｖn （ｎ＝１，２，・・・，Ｎ、
Ｎは音素数）に対して、その音素に対する標準モデルを
用いて、文献４に述べられているフォワード・バックワ
ードアルゴリズムにより類似度ｇn （ｎ＝１，２，・・・
，Ｎ）が求められ、類似度列Ｇ＝｛ｇ1 ，ｇ2 ，・・・
，ｇN ｝として出力される。学習部１４では、特徴ベ
クトル時系列Ｖと類似度列Ｇが入力され、各類似度ｇn
があらかじめ定められた一定値Ｋより大きい場合に特徴
ベクトル時系列Ｖを用いて学習が行われる。
モデルＰが保持されている。学習用音声信号Ｓは特徴分
析部１１に入力される。特徴分析部１１では、文献３に
述べられているようなメルケプストラムによる方法を用
いて、音声信号Ｓが特徴ベクトル時系列Ｖに変換され
る。認識部１３では、特徴ベクトル時系列Ｖと標準モデ
ル記憶部１２中の標準モデルＰが入力され、視察により
特徴ベクトル時系列Ｖは音素単位に分割され、各音素区
間の特徴ベクトル時系列Ｖn （ｎ＝１，２，・・・，Ｎ、
Ｎは音素数）に対して、その音素に対する標準モデルを
用いて、文献４に述べられているフォワード・バックワ
ードアルゴリズムにより類似度ｇn （ｎ＝１，２，・・・
，Ｎ）が求められ、類似度列Ｇ＝｛ｇ1 ，ｇ2 ，・・・
，ｇN ｝として出力される。学習部１４では、特徴ベ
クトル時系列Ｖと類似度列Ｇが入力され、各類似度ｇn
があらかじめ定められた一定値Ｋより大きい場合に特徴
ベクトル時系列Ｖを用いて学習が行われる。
【００１４】図２は、第２の発明の一実施例を示すブロ
ック図である。本実施例は、特徴分析部１１と標準モデ
ル記憶部１２と認識部１３と学習部１４ａとにより構成
されている。
ック図である。本実施例は、特徴分析部１１と標準モデ
ル記憶部１２と認識部１３と学習部１４ａとにより構成
されている。
【００１５】標準モデル記憶部１２にはあらかじめ標準
モデルＰが保持されている。学習用音声信号Ｓは特徴分
析部１１に入力される。特徴分析部１１では、文献３に
述べられているようなメルケプストラムによる方法を用
いて、音声信号Ｓが特徴ベクトル時系列Ｖに変換され
る。認識部１３では、特徴ベクトル時系列Ｖと標準モデ
ル記憶部１２中の標準モデルＰが入力され、視察により
特徴ベクトル時系列Ｖは音素単位に分割され、各音素区
間の特徴ベクトル時系列Ｖn （ｎ＝１，２，・・・，Ｎ、
Ｎは音素数）に対して、その音素に対する標準モデルを
用いて、文献４に述べられているフォワード・バックワ
ードアルゴリズムにより類似度ｇn （ｎ＝１，２，・・・
，Ｎ）が求められ、類似度列Ｇ＝｛ｇ1 ，ｇ2 ，・・・
，ｇN ｝として出力される。学習部１４ａでは、特徴
ベクトル時系列Ｖと類似度列Ｇが入力され、類似度ｇn
があらかじめ定められた一定値Ｋより小さい音素に対す
る特徴ベクトル時系列Ｖn を特徴ベクトル時系列Ｖから
除いた特徴ベクトル時系列を用いて学習が行われる。
モデルＰが保持されている。学習用音声信号Ｓは特徴分
析部１１に入力される。特徴分析部１１では、文献３に
述べられているようなメルケプストラムによる方法を用
いて、音声信号Ｓが特徴ベクトル時系列Ｖに変換され
る。認識部１３では、特徴ベクトル時系列Ｖと標準モデ
ル記憶部１２中の標準モデルＰが入力され、視察により
特徴ベクトル時系列Ｖは音素単位に分割され、各音素区
間の特徴ベクトル時系列Ｖn （ｎ＝１，２，・・・，Ｎ、
Ｎは音素数）に対して、その音素に対する標準モデルを
用いて、文献４に述べられているフォワード・バックワ
ードアルゴリズムにより類似度ｇn （ｎ＝１，２，・・・
，Ｎ）が求められ、類似度列Ｇ＝｛ｇ1 ，ｇ2 ，・・・
，ｇN ｝として出力される。学習部１４ａでは、特徴
ベクトル時系列Ｖと類似度列Ｇが入力され、類似度ｇn
があらかじめ定められた一定値Ｋより小さい音素に対す
る特徴ベクトル時系列Ｖn を特徴ベクトル時系列Ｖから
除いた特徴ベクトル時系列を用いて学習が行われる。
【００１６】以上、音声認識について述べたが、本発明
は、音声合成で用いる合成モデルの学習において標準と
なる音声データの選択等にも用いることができる。
は、音声合成で用いる合成モデルの学習において標準と
なる音声データの選択等にも用いることができる。
【００１７】
【発明の効果】以上説明したように本発明は、発声した
学習データが標準モデルの学習に適切かどうかを音素単
位に調べることにより、高精度な音素単位の標準モデル
の学習を実現することができるという効果を有する。
学習データが標準モデルの学習に適切かどうかを音素単
位に調べることにより、高精度な音素単位の標準モデル
の学習を実現することができるという効果を有する。
【図１】第１の発明の一実施例を示すブロック図であ
る。
る。
【図２】第２の発明の一実施例を示すブロック図であ
る。
る。
１１ 特徴分析部 １２ 標準モデル記憶部 １３ 認識部 １４，１４ａ 学習部 Ｇ 類似度列 Ｐ 標準モデル Ｓ 学習用音声信号 Ｖ 特徴ベクトル時系列
Claims (2)
- 【請求項１】入力された音声信号を分析して特徴ベクト
ル時系列を学習データとして出力する特徴分析部と、 あらかじめ作成した音素を単位とした標準モデルを蓄え
ておく標準モデル記憶部と、 前記学習データを前記音素の単位に分割し、分割された
学習データの前記標準モデルに対する類似度を求める認
識部と、 認識部より出力された前記学習データを構成する音素に
対する類似度があらかじめ定められた値より大きい場合
に前記学習データを用いて学習を行う学習部とを有する
ことを特徴とする音声学習方式。 - 【請求項２】入力された音声信号を分析して特徴ベクト
ル時系列を学習データとして出力する特徴分析部と、 あらかじめ作成した音素を単位とした標準モデルを蓄え
ておく標準モデル記憶部と、 前記学習データを前記音素の単位に分割し、分割された
学習データの前記標準モデルに対する類似度を求める認
識部と、 認識部より出力された前記類似度があらかじめ定められ
た値より小さい音素に対応する部分を除いたデータを用
いて学習を行う学習部とを有することを特徴とする音声
学習方式。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP4168057A JPH0612090A (ja) | 1992-06-26 | 1992-06-26 | 音声学習方式 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP4168057A JPH0612090A (ja) | 1992-06-26 | 1992-06-26 | 音声学習方式 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JPH0612090A true JPH0612090A (ja) | 1994-01-21 |
Family
ID=15861031
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP4168057A Pending JPH0612090A (ja) | 1992-06-26 | 1992-06-26 | 音声学習方式 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPH0612090A (ja) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2002372987A (ja) * | 2001-06-13 | 2002-12-26 | Nec Corp | 音響モデル学習装置、音響モデル学習方法、およびそのプログラム |
| KR100499854B1 (ko) * | 2002-04-11 | 2005-07-08 | 주식회사 언어과학 | 음소별 오류유형 검출시스템 및 방법과 이를 적용한발음교정 시스템 및 방법 |
| JP2007065533A (ja) * | 2005-09-02 | 2007-03-15 | Advanced Telecommunication Research Institute International | 音響モデル生成装置、およびプログラム |
| JP2008175955A (ja) * | 2007-01-17 | 2008-07-31 | Toshiba Corp | インデキシング装置、方法及びプログラム |
| US8200061B2 (en) | 2007-09-12 | 2012-06-12 | Kabushiki Kaisha Toshiba | Signal processing apparatus and method thereof |
-
1992
- 1992-06-26 JP JP4168057A patent/JPH0612090A/ja active Pending
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2002372987A (ja) * | 2001-06-13 | 2002-12-26 | Nec Corp | 音響モデル学習装置、音響モデル学習方法、およびそのプログラム |
| KR100499854B1 (ko) * | 2002-04-11 | 2005-07-08 | 주식회사 언어과학 | 음소별 오류유형 검출시스템 및 방법과 이를 적용한발음교정 시스템 및 방법 |
| JP2007065533A (ja) * | 2005-09-02 | 2007-03-15 | Advanced Telecommunication Research Institute International | 音響モデル生成装置、およびプログラム |
| JP2008175955A (ja) * | 2007-01-17 | 2008-07-31 | Toshiba Corp | インデキシング装置、方法及びプログラム |
| US8145486B2 (en) | 2007-01-17 | 2012-03-27 | Kabushiki Kaisha Toshiba | Indexing apparatus, indexing method, and computer program product |
| US8200061B2 (en) | 2007-09-12 | 2012-06-12 | Kabushiki Kaisha Toshiba | Signal processing apparatus and method thereof |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| EP0590925B1 (en) | Method of speech modelling and a speech recognizer | |
| US7783484B2 (en) | Apparatus for reducing spurious insertions in speech recognition | |
| US5791904A (en) | Speech training aid | |
| EP2048655A1 (en) | Context sensitive multi-stage speech recognition | |
| US7653541B2 (en) | Speech processing device and method, and program for recognition of out-of-vocabulary words in continuous speech | |
| Paliwal | Lexicon-building methods for an acoustic sub-word based speech recognizer | |
| CN1957397A (zh) | 声音识别装置和声音识别方法 | |
| JPH0612090A (ja) | 音声学習方式 | |
| JP4283133B2 (ja) | 音声認識装置 | |
| Shaikh Naziya et al. | Speech recognition system—a review | |
| JP2001312293A (ja) | 音声認識方法およびその装置、並びにコンピュータ読み取り可能な記憶媒体 | |
| JPH0283593A (ja) | ノイズ適応形音声認識装置 | |
| Jalalvand et al. | A classifier combination approach for Farsi accents recognition | |
| KR100560916B1 (ko) | 인식 후 거리를 이용한 음성인식 방법 | |
| JP2943473B2 (ja) | 音声認識方法 | |
| Zeljkovic et al. | Improved HMM phone and triphone models for real-time ASR telephony applications | |
| JP3256979B2 (ja) | 音響モデルの入力音声に対する尤度を求める方法 | |
| JP2862306B2 (ja) | 音声認識装置 | |
| Gulić et al. | A digit and spelling speech recognition system for the croatian language | |
| JP2004309654A (ja) | 音声認識装置 | |
| Thalengala et al. | Performance Analysis of Isolated Speech Recognition System Using Kannada Speech Database. | |
| Kitamura et al. | Word recognition using a two‐dimensional mel‐cepstrum in noisy environments | |
| Khaw et al. | A fast adaptation technique for building dialectal malay speech synthesis acoustic model | |
| CN121922111A (zh) | 利用声学模型补偿的用于音素建模和发音建模的hmm解码 | |
| CN121905155A (zh) | 无数据语音识别 |