JPH07199985A - 音声認識方法 - Google Patents

音声認識方法

Info

Publication number
JPH07199985A
JPH07199985A JP6312397A JP31239794A JPH07199985A JP H07199985 A JPH07199985 A JP H07199985A JP 6312397 A JP6312397 A JP 6312397A JP 31239794 A JP31239794 A JP 31239794A JP H07199985 A JPH07199985 A JP H07199985A
Authority
JP
Japan
Prior art keywords
utterance
phrase
recognition
model
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.)
Granted
Application number
JP6312397A
Other languages
English (en)
Other versions
JP3363630B2 (ja
Inventor
Bishnu S Atal
サロープ アタル ビシュヌ
Raziel Haimi-Cohen
ハイミ−コヘン ラジエル
David B Roe
ビジョーン ロエ デビッド
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
AT&T Corp
Original Assignee
American Telephone and Telegraph Co Inc
AT&T Corp
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by American Telephone and Telegraph Co Inc, AT&T Corp filed Critical American Telephone and Telegraph Co Inc
Publication of JPH07199985A publication Critical patent/JPH07199985A/ja
Application granted granted Critical
Publication of JP3363630B2 publication Critical patent/JP3363630B2/ja
Anticipated expiration legal-status Critical
Expired - Fee Related legal-status Critical Current

Links

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
    • G10L15/01—Assessment or evaluation of speech recognition systems
    • 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
    • G10L15/08—Speech classification or search
    • G10L15/10—Speech classification or search using distance or distortion measures between unknown speech and reference templates
    • 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
    • G10L15/08—Speech classification or search
    • G10L2015/088—Word spotting

Landscapes

  • Engineering & Computer Science (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)
  • Telephonic Communication Services (AREA)
  • Machine Translation (AREA)
  • Mobile Radio Communication Systems (AREA)
  • Telephone Function (AREA)

Abstract

(57)【要約】 【目的】 コマンドスポッティングに適した音声認識技
術において認識の効率を改善する。 【構成】 句の発話は、第１の発話を１以上の音声モデ
ルと比較して各比較に対する類似性メトリックを決定
し、それらの類似性メトリックに基づいて第１の発話に
最も良く一致するのはどの音声モデルであるかを判断
し、その最良一致音声モデルに対応する類似性メトリッ
クが第１の認識基準を満たすかどうかを判断し、最良一
致音声モデルと第２の発話を比較して第２発話類似性メ
トリックを決定し、第２発話類似性メトリックが第２の
認識基準を満たすかどうかを判断し、第１および第２の
認識基準が満たされている場合に前記最良一致音声モデ
ルに基づいて第２の発話を認識することにより、認識さ
れる。

Description

【発明の詳細な説明】
【０００１】
【産業上の利用分野】本発明は、一般的に音声認識の分
野に関し、例えば、連続音声中のコマンドの検出に関す
る。
【０００２】
【従来の技術】コマンドスポッティングシステムは、音
響入力チャネルをモニタし、特定の発話（コマンド）が
入力に現れるとあらかじめ定義されたアクションをとる
音声認識システムである。入力は自由音声、雑音、音楽
などを含み、一般的に、事前に既知のモデルには従わな
い。システムによって認識されるコマンドごとに、シス
テムは、与えられた入力のセグメントがコマンド発話を
含む尤度を定義する統計モデル（例えば、周知のテンプ
レートまたは隠れマルコフモデル（ＨＭＭ））を保有す
る。動作中、従来のコマンドスポッティングシステム
は、現在観測している入力中のコマンド語の識別および
位置に関する仮説（推測）を連続的に生成する。これら
の各仮説は、それぞれコマンドモデルに対して試験さ
れ、それぞれの尤度に対するスコアが生成される。この
ようなスコアは、例えば、従来のビタビスコアリングに
よって決定される。スコアがしきい値Ｔを超えた場合、
この仮説は「受容」とみなされ、それに対応するアクシ
ョンが行われる。そうでない場合にはその仮説は「棄
却」される。
【０００３】
【発明が解決しようとする課題】正しい、または、誤っ
た仮説のスコアの確率分布は、話者、変換器および音響
環境を含むさまざまな因子に依存する。しきい値Ｔは、
通常、予想される動作条件の全範囲にわたって受容可能
なほどに低いフォールスアラーム率を保証するように十
分高く設定される。その結果、さまざまな悪条件では、
正しい仮説のスコアは確率が低くてしきい値を超えない
ことがある。従って、このような条件では、システムは
ユーザを「無視」しているように思われることになる。
しきい値を低くすることによってこのような「局所的」
問題は解決するかもしれないが、それによって全体のフ
ォールスアラーム率が増大することにもなる。従って、
一般に、このアプローチの有用性は制限される。
【０００４】
【課題を解決するための手段】本発明は、応用の中でも
とりわけ、ある範囲の動作条件におけるコマンドスポッ
ティングに適した、音声認識技術に関するものである。
本発明は、与えられた音声認識システムのユーザは、同
じ句の最初の発話がそのシステムによって認識されない
ときにはその句を繰り返す（促されても促されなくて
も）ことが多いという事実を利用する。すなわち、例え
ば、コマンドスポッティングに適した与えられた音声認
識システムに対して、ユーザは、コマンドとして受容さ
れるのに十分高いスコアにならないコマンド句を発話す
る可能性がある。このような状況では、ユーザは、その
句は認識されなかったと結論し、その後、そのコマンド
を繰り返す。本発明の実施例は、コマンドを認識する際
に、コマンドの最初の発話と繰り返された発話の両方を
使用する。すなわち、例えば、連続して話された発話の
両方のスコアを、単一の発話のみを考慮する場合に使用
されるものよりも低いしきい値と比較することによっ
て、認識が行われる。
【０００５】本発明によれば、句の発話（１語の場合も
複数語の場合もある）は、第１の発話を、１以上の音声
モデルと比較して、そのような各比較に対する類似性メ
トリックを決定し、その１以上の類似性メトリックに基
づいて第１の発話に最も良く一致するのはどの音声モデ
ルであるかを判断し、その最良一致音声モデルに対応す
る類似性メトリックが第１の認識基準を満たすかどうか
を判断し、その最良一致音声モデルと第２の発話を比較
して、第２発話類似性メトリックを決定し、第２発話類
似性メトリックが第２の認識基準を満たすかどうかを判
断し、第１および第２の認識基準が満たされている場合
に前記最良一致音声モデルに基づいて第２の発話を認識
する、ことにより認識される。
【０００６】
【実施例】
［はじめに］説明を明確にするために、本発明の実施例
は個別の機能ブロック（「プロセッサ」とラベルされた
機能ブロックを含む）からなるものとして提示される。
これらのブロックが表す機能は、共用のまたは専用のハ
ードウェアを使用して実行することが可能である。ハー
ドウェアにはソフトウェアを実行可能なハードウェアが
含まれるがそれに制限されるものではない。例えば、図
１に提示したプロセッサの機能は単一の共用プロセッサ
によって実現することができる。（「プロセッサ」とい
う用語の使用は、ソフトウェアを実行可能なハードウェ
アのみを指すものと解釈してはならない。）
【０００７】実施例は、ＡＴ＆ＴのＤＳＰ１６またはＤ
ＳＰ３２Ｃのようなディジタル信号プロセッサ（ＤＳ
Ｐ）ハードウェアと、以下で説明する動作を実行するソ
フトウェアを格納する読み出し専用メモリ（ＲＯＭ）
と、ＤＳＰの結果を格納するランダムアクセスメモリ
（ＲＡＭ）とからなる。超大規模集積（ＶＬＳＩ）ハー
ドウェア実施例や、カスタムＶＬＳＩ回路と汎用ＤＳＰ
回路の組合せも可能である。
【０００８】［実施例について］図１に、音声認識を使
用するセルラ電話機に関係する本発明の実施例を示す。
実施例のセルラ電話機は、ハンズフリーマイクロフォン
１３、音声認識システム３、電話制御プロセッサ２およ
び関連Ｉ／Ｏ周辺装置２１、２２、音響プロセッサ１
と、無線トランシーバ１４、ハンズフリースピーカ１
２、ならびに受話器１１とからなる。
【０００９】音響プロセッサ１は従来のものであり、電
話制御マイクロプロセッサ２の制御下でさまざまな機能
を実行する。例えば、音響プロセッサ１はハンドセット
１１、マイクロフォン１３およびトランシーバ１４から
音響入力信号を受信する。これらの信号はそれぞれ必要
に応じて一般のセルラ通信標準（例えばＩＳ−５４）や
特定の電話システム要求によって処理される。プロセッ
サ１は音響出力信号をハンドセット１１、ハンズフリー
スピーカ１２およびトランシーバ１４へ送る。プロセッ
サ１はユーザガイダンス用のさまざまな可聴信号（例え
ば電話リンギング）を発生し、トランシーバ１４から受
信した制御メッセージ（例えば話中信号）を電話制御マ
イクロプロセッサ２によって使用するために復号する。
さらに、音響プロセッサ１は電話制御マイクロプロセッ
サ２から受信したメッセージを音響信号に符号化してそ
れをトランシーバ１４へ送る。
【００１０】電話制御プロセッサ２もまた従来のタイプ
のものとすることが可能である。プロセッサ２はセルラ
電話機の電話呼処理および一般的な動作を制御する。プ
ロセッサ２は、キーパッド２１、音声認識システム３お
よび音響プロセッサ１から入力を受信し、ディスプレイ
２２、音響プロセッサ１および音声認識システム３へ制
御命令を発行する。音声認識システム３は、電話制御マ
イクロプロセッサには、キーパッド２１と同様の制御入
力源として見える。電話制御マイクロプロセッサ２は、
以下で説明するように、適当な命令を送ることによっ
て、音声認識システムの動作のモードを変更することが
できる。
【００１１】音声認識システム３は、マイクロフォン１
３によって取り出されたされた音響信号をディジタルサ
ンプルのストリームに変換する従来のアナログ・ディジ
タル（Ａ／Ｄ）変換器３１と、Ａ／Ｄ変換器３１によっ
て生成されたディジタル信号サンプルを処理する、ＡＴ
＆ＴのＤＳＰ１６Ａのようなディジタル信号プロセッサ
３２と、ディジタル信号プロセッサ３２によって実行さ
れるプログラム命令（図２および図３参照）を含むＲＯ
Ｍ３３と、認識すべき句に対する隠れマルコフモデル
（ＨＭＭ）のパラメータを含むＨＭＭパラメータメモリ
３５（これは、ＥＥＰＲＯＭ、ＲＯＭ、フラッシュＲＡ
Ｍ、電池支援ＲＡＭなどのような不揮発性メモリであ
る）と、一時的な計算結果を格納するＲＡＭ３４と、か
らなる。実施例によっては、いくつかの要素（３１、３
２、３３、３４、３５）が物理的に同じ電子チップ上に
配置されることも可能である。
【００１２】ＨＭＭパラメータメモリ３５は、システム
３によって認識される句に対応するＨＭＭを含む。例え
ば、このような句には、電話機を操作するのに用いるコ
マンド句（例えば、「オフフック」、「ダイヤル」、
「ハンドアップ」など）や、呼び出される人や場所の名
前の目録リスト（例えば、「テリー」、「マット」、
「クリス」、「家」など）が含まれる。話された数（例
えば、「いち」、「に」、．．．、「きゅう」など）を
表すモデルも格納される。このようなモデルのトレーニ
ングおよび格納は従来技術の範囲内にある。
【００１３】本発明をセルラ電話機の場合について説明
するが、当業者には明らかなように、セルラ電話機は、
本発明の音声認識能力を利用可能な装置の単なる例示で
ある。他のそのような利用装置には、例えば、従来の家
庭用および事業用電話機、コードレス電話機、パーソナ
ルコミュニケータ、個人用ページング装置（ポケットベ
ル）、個人用データオーガナイザ、コンピュータ（例え
ばパーソナルコンピュータ）およびコンピュータ端末が
ある。さらに、本発明は、音声認識装置（システム）に
よってアクセスまたは制御される電気通信網ベースのサ
ービスにも適用がある。
【００１４】［認識モード］実施例の音声認識システム
３は、ディジタル信号プロセッサ３２の制御下で以下の
モードで動作する。それらのモードは電話制御プロセッ
サ２によって選択可能である。
【００１５】［コマンドスポッティングモード］音声認
識システム３は、ユーザによって開始された現在未完の
電話制御動作はないことを示すプロセッサ２からの信号
によってコマンドスポッティングモードに入る。このモ
ードでは、システム３は、Ａ／Ｄ変換器３１からの各入
力音声発話に対して、ＨＭＭパラメータメモリ３５にＨ
ＭＭが格納されているようなコマンド句が存在するかど
うかをチェックする。換言すれば、コマンドスポッティ
ングモードでは、認識器３はコマンド句に対応するメモ
リ３５内のＨＭＭを使用する。ユーザからの発話は、そ
のようなコマンド句の存在がシステム３によって確認さ
れた場合にコマンドとして受容される。そうでない場合
は、その発話は棄却される。発話が音声認識器３によっ
て受容された場合、特定のコマンド句が検出されたこと
を示す信号が電話制御マイクロプロセッサ２に送られ
る。すると、電話制御マイクロプロセッサ２はそのコマ
ンドに対応する動作（例えばハングアップ）を開始す
る。発話が棄却された場合、プロセッサ２にはメッセー
ジは送られない。受容したコマンドに応答したプロセッ
サ２の動作は従来技術の範囲内である。
【００１６】［ダイヤリングモード］音声認識システム
３は、ユーザがダイヤリング手順を開始したことを示す
プロセッサ２からの信号によってダイヤリングモードに
入る。このダイヤリング手順は、キーパッドボタンを押
すこと、または、ダイヤリング動作を呼び出すコマンド
句（例えば、「ダイヤル」）を言うことのいずれによっ
て開始することも可能である。このモードでは、認識器
３は（コマンドスポッティングモードの場合のコマンド
句ではなく）名前句のＨＭＭを使用する。各名前句は対
応する電話番号に関係づけられている。このような名前
句ＨＭＭおよび関係づけられた電話番号はメモリ３５に
格納される。
【００１７】名前句の発話が認識器３によって受容され
た場合、名前句の認識が受容されたことを示すメッセー
ジがプロセッサ２に送られる。すると、電話制御プロセ
ッサ２は、認識された名前句に関係づけられた電話番号
をダイヤルし、名前が正確に認識されたことをユーザに
通知する。
【００１８】音声認識器３は、発話を棄却した場合に
も、発話が棄却されたことを示すメッセージを電話制御
マイクロプロセッサ２に送る。すると、電話制御マイク
ロプロセッサはユーザに発話を繰り返すよう促す。この
通知およびプロンプトは、一般的には、特徴的なトーン
の後に、適当な音声メッセージを再生することによって
行われる。
【００１９】［認識器の動作］図１の実施例の場合の本
発明の説明を簡単にするため、コマンドモードにおける
認識システム３について本発明を開示する。当業者には
明らかなように、この説明によって例示される本発明の
原理はダイヤリングモードにおける認識器の動作にも適
用可能である。
【００２０】図２に、音声認識システム３のディジタル
信号プロセッサ３２によって実行される処理のブロック
流れ図を示す。図中の各ブロックは、一般的にＲＯＭ３
３に格納されたプログラムのサブルーチンとして実現さ
れる別個の処理機能を表す。
【００２１】図示したように、Ａ／Ｄ変換器３１によっ
て提供される音声サンプルは、従来の特徴抽出器４０に
よって処理され、一般的に５０〜１５０ベクトル／秒の
速度で音声特徴のベクトルのストリームが生成される。
これらの各ベクトルは、音声エネルギー、デルタ音声エ
ネルギー、ケプストラム係数、およびデルタケプストラ
ム係数に関係する１０〜３０個の音声特徴の成分を含
む。
【００２２】特徴ベクトルのストリームは、音声中に埋
め込まれた発話の始点および終点を決定する従来の端点
検出器４２によって処理される。端点検出器の出力は、
特徴ベクトルの有限のシーケンスからなり、ベクトルの
各シーケンスは単一の発話に対応する。
【００２３】仮説生成器４３は、それらの特徴ベクトル
のシーケンスを受信し、それらの言語内容に関する仮説
を生成する。この際に、仮説生成器は句に対するＨＭＭ
モデルおよびＨＭＭ背景モデルを使用する。句に対する
ＨＭＭモデルのパラメータは句モデルパラメータブロッ
ク４４に格納されており、ＨＭＭ背景モデルのパラメー
タは、背景モデルパラメータブロック４５に格納されて
いる。「背景」という用語は、無音、雑音またはコマン
ド句ではない任意の音声を指す。物理的には、これらの
すべてのモデルは図１のＨＭＭパラメータメモリ３５に
存在する。
【００２４】仮説生成器４３は２つのタイプの仮説を生
成する。第１のタイプの仮説（「背景仮説」という）
は、特徴ベクトルシーケンスが背景のみを含むことを仮
定する。第２のタイプの仮説（「句仮説」という）は、
特徴シーケンスがコマンド語を含み、その前後に背景が
あることを仮定する。これらの２つのタイプの仮説のそ
れぞれに対して、仮説生成器は、ビタビ復号（スコアリ
ング）のような従来の動的計画法最適化手続きを適用
し、そのタイプの最尤仮説と、その対応する仮説の推定
される尤度の数値（スコア）とを決定する。
【００２５】さらに、動的計画法手続きは、句仮説に対
してさらにいくつかのパラメータを生成する。これらの
パラメータを「一致パラメータ」という。第１の一致パ
ラメータは、最尤句仮説の予想句継続時間と、その最尤
句仮説に対応する発話に対して仮説生成器によって決定
された句継続時間との差を形成することによって生成さ
れる。第２の一致パラメータは、最尤仮説の予想ＨＭＭ
状態継続時間と、仮説生成器４３によって決定された状
態継続時間との差の絶対値の平均を形成することによっ
て生成される。第３の一致パラメータは、最良の句仮説
と、次に最良の句仮説の最尤句仮説に対する尤度スコア
間の差を形成することによって生成される。当業者には
周知のように、一致パラメータを生成する際に使用され
るデータは、例えばＨＭＭおよびビダビスコアリングを
使用する従来の音声認識プロセスの一部として使用可能
である。
【００２６】仮説生成器４３の出力は、（ｉ）最尤句仮
説と、（ｉｉ）句仮説尤度推定値と背景仮説尤度推定値
の対数の差である対応するスコアと、（ｉｉｉ）一致パ
ラメータとを含む。
【００２７】確認器４６は、仮説生成器４３の出力を受
信し、各一致パラメータが対応する規定された範囲内に
あるかどうかをチェックする。確認器４６は、第１の一
致パラメータが−１／２〜１の範囲内にあるかどうかを
チェックする。確認器４６は、第２の一致パラメータが
１００ｍｓの範囲内にあるかどうかをチェックする。ま
た、確認器４６は、第３の一致パラメータが最良仮説ス
コアの１０％の範囲内にあるかどうかをチェックする。
（これらの範囲はいずれも、個々の動作環境に合わせて
変更可能である。）一致パラメータがこれらの範囲内に
ある場合、確認器４６はその仮説およびそれぞれのスコ
アを判断器４７に送る。そうでない場合は、その仮説は
棄却される。
【００２８】判断器４７は、最尤句仮説を受容するか棄
却するかを判断する。仮説が判断器４７によって受容さ
れる場合、その仮説は図１の電話制御プロセッサ２に報
告される（名前ダイヤリングモードでは棄却も報告され
る）。判断器４７の動作の方法は、句に対する注意期間
という概念を利用する。
【００２９】判断器４７は、句が、その句に対する注意
期間の内で生じたか外で生じたかによって異なる方法で
最尤句仮説を処理する。注意期間とは、所定の時刻に開
始し所定の継続時間を有する時間である。注意期間は、
最尤仮説スコアがあるしきい値を超過したときに設定さ
れる。この期間は、実施例によって認識されるために、
同じ句の第２の発話を（第２の発話のスコアもまたしき
い値を超過する場合に）受信しなければならないような
期間である。最初は、注意期間は定義されていない。判
断器４７の動作中に、特定の句に対していくつかの注意
期間が設定され、消去されまたは終了される。判断器４
７が判断を行う方法、および、注意期間を定義する方法
は、図３のブロック流れ図で説明する。
【００３０】図３の流れ図は、ステップ５０から開始す
る。ステップ５０で、仮説句および対応するスコアを受
信する。ステップ５２は、仮説句が、対応する注意期間
内に生じたかどうかをチェックする。注意期間内に生じ
た場合、制御はブロック５３に進み、しきい値Ｔが固定
値Ｔ2に設定される。注意期間内に生じたのではない場
合、制御はブロック５１に進み、しきい値Ｔは固定値Ｔ
1に設定される。例えば、Ｔ1＞Ｔ2である。
【００３１】ステップ５４は、仮説句のスコアをしきい
値Ｔと比較する。仮説のスコアがＴより大きい場合、制
御はステップ５５に進み、ステップ５５は仮説を受容す
る。次に制御はステップ５７に進む。ステップ５７は、
その仮説句に対して存在する注意期間を消去する。最後
に、ステップ６０は、仮説の受容を示すプロセッサ２に
対する出力信号を生成する。
【００３２】仮説のスコアがＴ以下である場合、制御は
ステップ５６に進み、ステップ５６は仮説を棄却する。
その場合、制御はステップ５８に進む。ステップ５８
は、その仮説句に対して注意期間を設定すべきかどうか
を判断する。これは、仮説のスコアがしきい値ＴAより
大きいかどうかをチェックすることによってなされる。
しきい値ＴAは、それ以下では句の仮の受容をすべきで
はない最低の信頼水準を表す。例えば、しきい値ＴAは
Ｔ2以下の所望の値を取ることができる。仮説のスコア
がＴAより大きい場合、制御はステップ５９に進む。
【００３３】ステップ５９は、期間の開始時刻および終
了時刻を設定し、その期間に句の識別を関係づけること
によって、仮説句に対する注意期間を設定する。実施例
のコマンドスポッティングモードでは、開始時刻および
終了時刻は、仮説コマンド句がシステム３によって受信
された時刻からの固定遅延後に設定される（実施例のダ
イヤリングモードでは、開始時刻および終了時刻は、ユ
ーザに入力を繰り返すよう要求する電話プロンプトが発
行された時刻からの固定遅延後に設定される）。実施例
のコマンドスポッティングモードでは、設定された注意
期間は１秒の遅延後に開始し、５秒の遅延後に終了す
る。
【００３４】以下の考察から、これらの遅延はシステム
設計者によって固定される。句仮説は正しい（すなわ
ち、話された句を正しく識別している）が、認識システ
ム３によって棄却されたと仮定した場合、システムのユ
ーザはシステムが入力を受容しなかったことがわかると
その句を繰り返す可能性が高い。注意期間は、ユーザが
この仮定の下でコマンドを繰り返す可能性が高い期間と
して定義すべきである。実施例のコマンドスポッティン
グモードでは、注意期間の開始までの遅延は、受容され
る発話に対するシステムの応答時間と、システムが応答
しなかったことにユーザが気がつくために必要な時間の
和とするべきである。実施例の名前ダイヤリングモード
では、この遅延は、名前を繰り返すためのユーザの推定
応答時間に等しく設定すべきである。いずれの注意期間
の継続時間も、ユーザ間の反応時間の変化にわたるべき
である。
【００３５】例えば、ステップ５９は、相異なる句に対
して、または、同じ句に対して、同時に有効になるいく
つかの注意期間を設定するように動作することができ
る。処理の複雑さのためにこの状況が望ましくない場
合、ステップ５９は、新たな期間を設定するときに前に
設定したすべての注意期間を消去するように変更するこ
とも可能である。
【００３６】ステップ５８の判断がＮＯである場合、制
御はステップ６０に到達する。ステップ５８の判断がＹ
ＥＳである場合、制御は、ステップ５９を通った後にス
テップ６０に到達する。いずれの場合にも、ステップ６
０は、仮説の棄却を示す出力信号を生成する。この棄却
信号は、ダイヤリングモードでのみプロセッサ２に送ら
れる。
【００３７】図２の判断器４７の動作は、図４に示した
例を調べることによってさらに良く理解される。この例
では、システムはコマンドスポッティングモードにあ
る。例として、システムは単一のコマンド（例えば「オ
フフック」）を認識するように設計されている。図４の
横軸は時間を表し、縦軸は認識スコアを表す。しきい値
Ｔ1、Ｔ2、ＴAは、水平な破線で表されている。注意期
間は、時間軸の下の水平線分として表されている。単一
コマンドの各仮説は垂直線分として表されている。線分
の高さは仮説のスコアを表す。垂直線分の水平位置は発
話が生じた時刻を表す。コマンドの受容された仮説は上
部の矢印によって標識されている。
【００３８】図４に示したように、仮説Ａは対応する注
意期間内にない（注意期間を定義するような事象はまだ
生じていない）。図３のステップ５２〜５４によって、
Ｔ＝Ｔ1であり、スコア＞Ｔ1であり、仮説は受容され
る。
【００３９】仮説Ｂもまた対応する注意期間内にない。
従って、ステップ５２および５１によってＴ＝Ｔ1とな
る。しかし、仮説ＢのスコアはＴ１を超過していないた
め、仮説Ｂは棄却される（ステップ５４および５６参
照）。それにもかかわらず、仮説ＢのスコアはＴAは超
過しているため、注意期間ＩBが設定される（ステップ
５８〜５９参照）。
【００４０】仮説Ｃは、コマンド句に対して前に設定さ
れた対応する注意期間ＩB内に生じている。従って、ス
テップ５２および５３によって、Ｔ＝Ｔ2となる。仮説
スコアはＴ２を超過しているため、この仮説は受容さ
れ、注意期間ＩBは消去される（ステップ５４、５５、
および５７。期間ＩBは設定時のように図示されている
ことに注意。仮説Ｃの受容により、ＩBはその受容時に
削除される。）
【００４１】仮説Ｄはもとの注意期間ＩB内に生じたよ
うに示されている。しかし、ＩBは仮説Ｃによって消去
されているため、期間ＩBは無視される。従って、Ｔ＝
Ｔ1となる（ステップ５２および５１参照）。仮説Ｄの
スコアはＴ1を超過しないため、仮説Ｄは棄却される。
しかし、このスコアはＴAは超過しているため、注意期
間ＩDが設定される（ステップ５８および５９参照）。
【００４２】仮説Ｅは、注意期間ＩDの終了後に生じて
いる。従って、Ｔ＝Ｔ1となる（ステップ５２および５
１による）。仮説ＥのスコアはＴ1を超過していないた
め、仮説Ｅは棄却される（ステップ５４および５６参
照）。さらに、このスコアはＴAも超過していないた
め、注意期間は設定されない（ステップ５８参照）。
【００４３】しきい値Ｔ1、Ｔ2、ＴAの特定の値は、扱
う認識タスクに基づいて選択される。例えば、規格化し
たしきい値は、Ｔ1＝２．５、Ｔ2＝１．５、およびＴA
＝１である。図５に、コマンドスポッティングに対して
このようなしきい値を決定することに関係する考慮点を
示す。同様の考察はダイヤリングモードに対しても使用
可能である。
【００４４】ず５のグラフの軸は、システムの２つの主
要な性能パラメータを表す。横軸はフォールスアラーム
率（単位時間あたりの誤った受容の数）を表し、縦軸
は、誤検出の確率（すなわち、コマンド句を含む発話の
棄却の確率）を表す。原点と点（ＦC，ＭC）によって規
定される矩形領域は、許容される性能の領域を表す。曲
線ｑおよびｎは、それぞれ、静かな環境および雑音のあ
る環境におけるシステムの性能を記述する。各曲線上の
各点は、ＴA＝∞（すなわち、注意期間は常に定義され
ず、従って、常にＴ＝ＴAである）という仮定の下で、
しきい値Ｔ1の特定の値が与えられた場合のシステムの
性能に対応する。これらの曲線は、コマンド句を含む発
話および含まない発話のスコアの統計を収集することに
よって実験的に得られる。
【００４５】静かな環境の曲線ｑは許容性能領域を通
る。従って、値Ｔ1は、システムの性能が許容されるよ
うに選択される。ｑ上の点Ｑ1がこのようなＴ1に対応す
るとする。雑音環境曲線ｎは許容性能領域を通らない。
特に、選択したしきい値Ｔ1に対応する点Ｎ1は、許容さ
れるフォールスアラーム率を有するが、許容されないほ
ど高い誤検出の確率を有する。ここで、Ｔ2およびＴ
Aは、コマンド語の第２の発話における誤検出の確率が
静かな条件下でのそのコマンド語の第１の発話の検出の
確率と同程度になり、かつ、システムのフォールスアラ
ーム率がＮ1の場合と同程度になるように定義される。
【００４６】注意期間の継続時間をＤとし、ＦAＤ≪１
（従って、時刻点が、誤った仮説によって生成される注
意期間中に存在する確率は無視できる）かつＭA≪１
（従って、棄却された正しい仮説が注意期間を生成しな
い確率は無視できる）となるような座標（ＦA，ＭA）を
有するｎ上の点をＮAとする。実際にはこのような点は
しばしば見つかる。Ｎ2は、Ｑ1と同じ誤検出の確率を有
するｎ上の点として選択される。Ｔ2、ＴAは、それぞ
れ、Ｎ2、ＮAに対応するしきい値として選択される。正
しいコマンド句が棄却される場合、注意期間がほとんど
確実に定義される。従って、２度目の誤検出の確率はほ
ぼこのＱ1である。コマンド句が存在しない場合、注意
期間の累積継続時間は音声の全継続期間に比べて無視で
きる。従って、しきい値Ｔ1がほぼ常に使用され、フォ
ールスアラーム率はＮ1のものと同程度になる。
【００４７】実施例の説明は、認識される句とともに変
動しないしきい値に関するものであるが、当業者には明
らかなように、異なる句の認識には異なるしきい値を使
用することも可能である。例えば、ある語すなわちコマ
ンド（すなわち句）が他の語すなわちコマンドよりも重
大な効果を利用装置の動作に及ぼすことがあり得る。従
って、認識が比較的高度の信頼度で判断されるときにの
み、そのような「重要な」語すなわちコマンドを認識す
ることが望ましい。この比較的高度の信頼度は、重要で
ない句に対して使用されるよりも高い認識しきい値を使
用することによって保証される。
【００４８】この概念は、利用装置の動作の状態にも拡
張される。すなわち、利用装置が第１の状態にあるとき
には与えられた句は低水準の重要度を有し、利用装置が
第２の状態にあるときにはさらに高度の重要度を有する
ことが可能である。その結果、認識しきい値は、音声認
識が存在する環境（すなわち、利用装置の状態）の関数
として設定される。
【００４９】本発明のある実施例では、複数のモデルが
単一の句に対応する（例えば、異なる方言に対して別々
のモデル）ことも可能である。この場合、注意期間はあ
るモデルのスコアによって設定されるが、その注意期間
内の発話の受容は、同じ句の異なるモデル（例えば、異
なる方言における同じ句）のスコアに基づく。
【００５０】
【発明の効果】以上述べたごとく、本発明によれば、応
用の中でもとりわけ、ある範囲の動作条件におけるコマ
ンドスポッティングに適した、音声認識技術において、
コマンドを認識する際に、コマンドの最初の発話と繰り
返された発話の両方を使用する。すなわち、例えば、連
続して話された発話の両方のスコアを、単一の発話のみ
を考慮する場合に使用されるものよりも低いしきい値と
比較することによって、認識が行われる。
【図面の簡単な説明】
【図１】本発明によるセルラ電話機の実施例である。
【図２】図１の音声認識システムのディジタル信号プロ
セッサの処理のブロック流れ図である。
【図３】図２の判断器の処理のブロック流れ図である。
【図４】図１〜図３の実施例によって実行される認識プ
ロセスの例の図である。
【図５】認識器パラメータ値と認識器性能の間の関係の
グラフである。
【符号の説明】
１ 音響プロセッサ ２ 電話制御プロセッサ ３ 音声認識システム １１ ハンドセット １２ ハンズフリースピーカ １３ ハンズフリーマイクロフォン １４ 無線トランシーバ ２１ キーパッド ２２ ディスプレイ ３１ アナログ・ディジタル（Ａ／Ｄ）変換器 ３２ ディジタル信号プロセッサ ３３ ＲＯＭ ３４ ＲＡＭ ３５ ＨＭＭパラメータメモリ ４０ 特徴抽出器 ４２ 端点検出器 ４３ 仮説生成器 ４４ 句モデルパラメータ ４５ 背景モデルパラメータ ４６ 確認器 ４７ 判断器
───────────────────────────────────────────────────── フロントページの続き (72)発明者 ラジエル ハイミ−コヘン アメリカ合衆国、07081 ニュージャージ ー、スプリングフィールド、エヌ．ダービ イ ロード 30 (72)発明者 デビッド ビジョーン ロエ アメリカ合衆国、07922 ニュージャージ ー、バークレイ ハイツ、オーバールック ドライブ ８

Claims (21)

    【特許請求の範囲】
  1. 【請求項１】 第１および第２の発話に基づいて１以上
    の語を含む句を認識する音声認識方法において、 第１の発話を１以上の音声モデルと比較し、そのような
    各比較に対して類似性メトリックを決定する第１発話比
    較ステップと、 １以上の類似性メトリックに基づいて、どの音声モデル
    が第１の発話に最も良く一致するかを判断するステップ
    と、 最も良く一致する音声モデルに対応する類似性メトリッ
    クが第１の認識基準を満たすかどうかを判断する第１認
    識基準判断ステップと、 第２の発話を前記最も良く一致する音声モデルに関係づ
    けられた句に対応する１以上の音声モデルと比較し、そ
    のような各比較に対して第２の発話の類似性メトリック
    を決定するステップと、 １以上の第２の発話の類似性メトリックが第２の認識基
    準を満たすかどうかを判断する第２認識基準判断ステッ
    プと、 第１および第２の認識基準が満たされた場合に第２の発
    話を前記最も良く一致する音声モデルに対応する句とし
    て認識するステップとからなることを特徴とする音声認
    識方法。
  2. 【請求項２】 第１発話比較ステップは、第１の発話
    を、音響背景を反映するモデルと比較するステップから
    なることを特徴とする請求項１の方法。
  3. 【請求項３】 句は孤立語に対応することを特徴とする
    請求項１の方法。
  4. 【請求項４】 最も良く一致するモデルに関係づけられ
    た句に対応する音声モデルと、最も良く一致するモデル
    とは同一であることを特徴とする請求項１の方法。
  5. 【請求項５】 音声モデルは１以上の所定の語を反映す
    ることを特徴とする請求項１の方法。
  6. 【請求項６】 音声モデルはさらに音響背景を反映する
    ことを特徴とする請求項５の方法。
  7. 【請求項７】 所定の語は利用装置に対するコマンド語
    からなることを特徴とする請求項５の方法。
  8. 【請求項８】 所定の期間中に第２の発話を受信するス
    テップをさらに有することを特徴とする請求項１の方
    法。
  9. 【請求項９】 第１の発話を受信するステップをさらに
    有し、所定の期間は、第１の発話の受信語の所定の時刻
    に開始することを特徴とする請求項８の方法。
  10. 【請求項１０】 第２の発話を求めるプロンプトを発行
    するステップをさらに有し、所定の期間はそのプロンプ
    トの発行後の所定の時刻に開始することを特徴とする請
    求項８の方法。
  11. 【請求項１１】 第１および第２の認識基準は同一であ
    ることを特徴とする請求項１の方法。
  12. 【請求項１２】 第１認識基準判断ステップは、前記最
    も良く一致する音声モデルに対応する類似性メトリック
    を第１のしきい値と比較するステップからなることを特
    徴とする請求項１の方法。
  13. 【請求項１３】 第２認識基準判断ステップは、第２の
    発話の類似性メトリックを第２のしきい値と比較するス
    テップからなることを特徴とする請求項１の方法。
  14. 【請求項１４】 第１認識基準判断ステップは、前記最
    も良く一致する音声モデルに対応する類似性メトリック
    を第１のしきい値と比較するステップからなり、第２認
    識基準判断ステップは、第２の発話の類似性メトリック
    を第２のしきい値と比較するステップからなることを特
    徴とする請求項１の方法。
  15. 【請求項１５】 第１および第２のしきい値は同一であ
    ることを特徴とする請求項１４の方法。
  16. 【請求項１６】 第１の認識基準は認識すべき句に基づ
    くことを特徴とする請求項１の方法。
  17. 【請求項１７】 第２の認識基準は認識すべき句に基づ
    くことを特徴とする請求項１の方法。
  18. 【請求項１８】 第１の認識基準は利用装置の状態に基
    づくことを特徴とする請求項１の方法。
  19. 【請求項１９】 第２の認識基準は利用装置の状態に基
    づくことを特徴とする請求項１の方法。
  20. 【請求項２０】 ステップは電話網において網サービス
    の操作を容易にするように実現されることを特徴とする
    請求項１の方法。
  21. 【請求項２１】 ステップはコンピュータにおいてコン
    ピュータの操作を容易にするように実現されることを特
    徴とする請求項１の方法。
JP31239794A 1993-11-24 1994-11-24 音声認識方法 Expired - Fee Related JP3363630B2 (ja)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US15809693A 1993-11-24 1993-11-24
US158096 1993-11-24

Publications (2)

Publication Number Publication Date
JPH07199985A true JPH07199985A (ja) 1995-08-04
JP3363630B2 JP3363630B2 (ja) 2003-01-08

Family

ID=22566668

Family Applications (1)

Application Number Title Priority Date Filing Date
JP31239794A Expired - Fee Related JP3363630B2 (ja) 1993-11-24 1994-11-24 音声認識方法

Country Status (8)

Country Link
US (1) US5737724A (ja)
EP (1) EP0655732B1 (ja)
JP (1) JP3363630B2 (ja)
KR (1) KR100321011B1 (ja)
CA (1) CA2117932C (ja)
DE (1) DE69426969T2 (ja)
ES (1) ES2156890T3 (ja)
TW (1) TW323364B (ja)

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2009532744A (ja) * 2006-04-03 2009-09-10 ヴォコレクト・インコーポレーテッド 音声認識システムにモデルを適合させるための方法およびシステム
JP2010066360A (ja) * 2008-09-09 2010-03-25 Hitachi Ltd 分散型音声認識システム
US8868421B2 (en) 2005-02-04 2014-10-21 Vocollect, Inc. Methods and systems for identifying errors in a speech recognition system
US8914290B2 (en) 2011-05-20 2014-12-16 Vocollect, Inc. Systems and methods for dynamically improving user intelligibility of synthesized speech in a work environment
US9978395B2 (en) 2013-03-15 2018-05-22 Vocollect, Inc. Method and system for mitigating delay in receiving audio stream during production of sound from audio stream
US10068566B2 (en) 2005-02-04 2018-09-04 Vocollect, Inc. Method and system for considering information about an expected response when performing speech recognition
CN114556353A (zh) * 2019-12-16 2022-05-27 深圳市欢太科技有限公司 数据处理方法、装置、电子设备和存储介质
US11837253B2 (en) 2016-07-27 2023-12-05 Vocollect, Inc. Distinguishing user speech from background speech in speech-dense environments

Families Citing this family (55)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CA2180392C (en) * 1995-07-31 2001-02-13 Paul Wesley Cohrs User selectable multiple threshold criteria for voice recognition
US5903864A (en) * 1995-08-30 1999-05-11 Dragon Systems Speech recognition
US5950160A (en) 1996-10-31 1999-09-07 Microsoft Corporation Method and system for displaying a variable number of alternative words during speech recognition
US5829000A (en) * 1996-10-31 1998-10-27 Microsoft Corporation Method and system for correcting misrecognized spoken words or phrases
US6023676A (en) * 1996-12-12 2000-02-08 Dspc Israel, Ltd. Keyword recognition system and method
US6490561B1 (en) * 1997-06-25 2002-12-03 Dennis L. Wilson Continuous speech voice transcription
DE19754957A1 (de) * 1997-12-11 1999-06-17 Daimler Chrysler Ag Verfahren zur Spracherkennung
US6775652B1 (en) 1998-06-30 2004-08-10 At&T Corp. Speech recognition over lossy transmission systems
FI116991B (fi) * 1999-01-18 2006-04-28 Nokia Corp Menetelmä puheen tunnistamisessa, puheentunnistuslaite ja puheella ohjattava langaton viestin
JP2000244625A (ja) * 1999-02-23 2000-09-08 Nec Saitama Ltd 携帯電話機における音声認識起動方法及び音声認識携帯電話装置
US6374221B1 (en) 1999-06-22 2002-04-16 Lucent Technologies Inc. Automatic retraining of a speech recognizer while using reliable transcripts
US6941266B1 (en) * 2000-11-15 2005-09-06 At&T Corp. Method and system for predicting problematic dialog situations in a task classification system
US7194409B2 (en) * 2000-11-30 2007-03-20 Bruce Balentine Method and system for preventing error amplification in natural language dialogues
US6785650B2 (en) * 2001-03-16 2004-08-31 International Business Machines Corporation Hierarchical transcription and display of input speech
GB2383459B (en) * 2001-12-20 2005-05-18 Hewlett Packard Co Speech recognition system and method
US7003158B1 (en) * 2002-02-14 2006-02-21 Microsoft Corporation Handwriting recognition with mixtures of Bayesian networks
KR20040001828A (ko) * 2002-06-28 2004-01-07 주식회사 케이티 음성인식 시스템에서 중복명칭 처리 방법
US20040158468A1 (en) * 2003-02-12 2004-08-12 Aurilab, Llc Speech recognition with soft pruning
US7949533B2 (en) * 2005-02-04 2011-05-24 Vococollect, Inc. Methods and systems for assessing and improving the performance of a speech recognition system
US7895039B2 (en) * 2005-02-04 2011-02-22 Vocollect, Inc. Methods and systems for optimizing model adaptation for a speech recognition system
US8200495B2 (en) 2005-02-04 2012-06-12 Vocollect, Inc. Methods and systems for considering information about an expected response when performing speech recognition
US8185400B1 (en) * 2005-10-07 2012-05-22 At&T Intellectual Property Ii, L.P. System and method for isolating and processing common dialog cues
KR100738414B1 (ko) 2006-02-06 2007-07-11 삼성전자주식회사 텔레매틱스 환경에서 음성 인식의 성능을 향상시키기 위한방법 및 상기 방법을 수행하는 장치
US7899674B1 (en) * 2006-08-11 2011-03-01 The United States Of America As Represented By The Secretary Of The Navy GUI for the semantic normalization of natural language
US8725492B2 (en) * 2008-03-05 2014-05-13 Microsoft Corporation Recognizing multiple semantic items from single utterance
JP5024154B2 (ja) * 2008-03-27 2012-09-12 富士通株式会社 関連付け装置、関連付け方法及びコンピュータプログラム
US8965765B2 (en) * 2008-09-19 2015-02-24 Microsoft Corporation Structured models of repetition for speech recognition
US8386251B2 (en) * 2009-06-08 2013-02-26 Microsoft Corporation Progressive application of knowledge sources in multistage speech recognition
US8639513B2 (en) * 2009-08-05 2014-01-28 Verizon Patent And Licensing Inc. Automated communication integrator
EP3091535B1 (en) 2009-12-23 2023-10-11 Google LLC Multi-modal input on an electronic device
US11416214B2 (en) 2009-12-23 2022-08-16 Google Llc Multi-modal input on an electronic device
JP5533042B2 (ja) * 2010-03-04 2014-06-25 富士通株式会社 音声検索装置、音声検索方法、プログラム及び記録媒体
US20150279354A1 (en) * 2010-05-19 2015-10-01 Google Inc. Personalization and Latency Reduction for Voice-Activated Commands
US9118669B2 (en) 2010-09-30 2015-08-25 Alcatel Lucent Method and apparatus for voice signature authentication
US9123339B1 (en) 2010-11-23 2015-09-01 Google Inc. Speech recognition using repeated utterances
TWI412019B (zh) 2010-12-03 2013-10-11 Ind Tech Res Inst 聲音事件偵測模組及其方法
US8352245B1 (en) 2010-12-30 2013-01-08 Google Inc. Adjusting language models
US8296142B2 (en) 2011-01-21 2012-10-23 Google Inc. Speech recognition using dock context
US9093075B2 (en) 2012-04-20 2015-07-28 Google Technology Holdings LLC Recognizing repeated speech in a mobile computing device
JP5583301B1 (ja) * 2013-11-29 2014-09-03 三菱電機株式会社 音声認識装置
US9899021B1 (en) * 2013-12-20 2018-02-20 Amazon Technologies, Inc. Stochastic modeling of user interactions with a detection system
US10978060B2 (en) * 2014-01-31 2021-04-13 Hewlett-Packard Development Company, L.P. Voice input command
US9842592B2 (en) 2014-02-12 2017-12-12 Google Inc. Language models using non-linguistic context
US9412365B2 (en) 2014-03-24 2016-08-09 Google Inc. Enhanced maximum entropy models
EP3195314B1 (en) * 2014-09-11 2021-12-08 Cerence Operating Company Methods and apparatus for unsupervised wakeup
GB2535766B (en) * 2015-02-27 2019-06-12 Imagination Tech Ltd Low power detection of an activation phrase
US10134394B2 (en) 2015-03-20 2018-11-20 Google Llc Speech recognition using log-linear model
EP3089159B1 (en) 2015-04-28 2019-08-28 Google LLC Correcting voice recognition using selective re-speak
US9978367B2 (en) 2016-03-16 2018-05-22 Google Llc Determining dialog states for language models
US10832664B2 (en) 2016-08-19 2020-11-10 Google Llc Automated speech recognition using language models that selectively use domain-specific model components
US10311860B2 (en) 2017-02-14 2019-06-04 Google Llc Language model biasing system
KR102509821B1 (ko) * 2017-09-18 2023-03-14 삼성전자주식회사 Oos 문장을 생성하는 방법 및 이를 수행하는 장치
US10872599B1 (en) * 2018-06-28 2020-12-22 Amazon Technologies, Inc. Wakeword training
WO2020139121A1 (en) * 2018-12-28 2020-07-02 Ringcentral, Inc., (A Delaware Corporation) Systems and methods for recognizing a speech of a speaker
US11830486B2 (en) * 2020-10-13 2023-11-28 Google Llc Detecting near matches to a hotword or phrase

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE625775C (de) * 1933-09-20 1936-02-15 Briggs Mfg Co Elektrische Punktschweissmaschine
US4348550A (en) * 1980-06-09 1982-09-07 Bell Telephone Laboratories, Incorporated Spoken word controlled automatic dialer
US4489434A (en) * 1981-10-05 1984-12-18 Exxon Corporation Speech recognition method and apparatus
JPS5879300A (ja) * 1981-11-06 1983-05-13 日本電気株式会社 パタ−ン距離計算方式
US4618984A (en) * 1983-06-08 1986-10-21 International Business Machines Corporation Adaptive automatic discrete utterance recognition
NL8500339A (nl) * 1985-02-07 1986-09-01 Philips Nv Adaptief responderend systeem.
US4759068A (en) * 1985-05-29 1988-07-19 International Business Machines Corporation Constructing Markov models of words from multiple utterances
US4827520A (en) * 1987-01-16 1989-05-02 Prince Corporation Voice actuated control system for use in a vehicle
FI97919C (fi) * 1992-06-05 1997-03-10 Nokia Mobile Phones Ltd Puheentunnistusmenetelmä ja -järjestelmä puheella ohjattavaa puhelinta varten
US5452397A (en) * 1992-12-11 1995-09-19 Texas Instruments Incorporated Method and system for preventing entry of confusingly similar phases in a voice recognition system vocabulary list

Cited By (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9928829B2 (en) 2005-02-04 2018-03-27 Vocollect, Inc. Methods and systems for identifying errors in a speech recognition system
US8868421B2 (en) 2005-02-04 2014-10-21 Vocollect, Inc. Methods and systems for identifying errors in a speech recognition system
US9202458B2 (en) 2005-02-04 2015-12-01 Vocollect, Inc. Methods and systems for adapting a model for a speech recognition system
US10068566B2 (en) 2005-02-04 2018-09-04 Vocollect, Inc. Method and system for considering information about an expected response when performing speech recognition
JP2009532744A (ja) * 2006-04-03 2009-09-10 ヴォコレクト・インコーポレーテッド 音声認識システムにモデルを適合させるための方法およびシステム
JP2010066360A (ja) * 2008-09-09 2010-03-25 Hitachi Ltd 分散型音声認識システム
US8914290B2 (en) 2011-05-20 2014-12-16 Vocollect, Inc. Systems and methods for dynamically improving user intelligibility of synthesized speech in a work environment
US9697818B2 (en) 2011-05-20 2017-07-04 Vocollect, Inc. Systems and methods for dynamically improving user intelligibility of synthesized speech in a work environment
US10685643B2 (en) 2011-05-20 2020-06-16 Vocollect, Inc. Systems and methods for dynamically improving user intelligibility of synthesized speech in a work environment
US11810545B2 (en) 2011-05-20 2023-11-07 Vocollect, Inc. Systems and methods for dynamically improving user intelligibility of synthesized speech in a work environment
US11817078B2 (en) 2011-05-20 2023-11-14 Vocollect, Inc. Systems and methods for dynamically improving user intelligibility of synthesized speech in a work environment
US9978395B2 (en) 2013-03-15 2018-05-22 Vocollect, Inc. Method and system for mitigating delay in receiving audio stream during production of sound from audio stream
US11837253B2 (en) 2016-07-27 2023-12-05 Vocollect, Inc. Distinguishing user speech from background speech in speech-dense environments
US12400678B2 (en) 2016-07-27 2025-08-26 Vocollect, Inc. Distinguishing user speech from background speech in speech-dense environments
CN114556353A (zh) * 2019-12-16 2022-05-27 深圳市欢太科技有限公司 数据处理方法、装置、电子设备和存储介质

Also Published As

Publication number Publication date
CA2117932C (en) 1998-12-15
CA2117932A1 (en) 1995-05-25
DE69426969D1 (de) 2001-05-03
EP0655732A2 (en) 1995-05-31
US5737724A (en) 1998-04-07
DE69426969T2 (de) 2001-10-25
ES2156890T3 (es) 2001-08-01
KR950015199A (ko) 1995-06-16
TW323364B (ja) 1997-12-21
JP3363630B2 (ja) 2003-01-08
EP0655732A3 (en) 1997-06-18
KR100321011B1 (ko) 2002-06-20
EP0655732B1 (en) 2001-03-28

Similar Documents

Publication Publication Date Title
JP3363630B2 (ja) 音声認識方法
EP0757342B1 (en) User selectable multiple threshold criteria for voice recognition
US5842161A (en) Telecommunications instrument employing variable criteria speech recognition
US20040199388A1 (en) Method and apparatus for verbal entry of digits or commands
US9571617B2 (en) Controlling mute function on telephone
KR100854044B1 (ko) 음성 인식 시스템에서의 발성 끝 검출
US20060074658A1 (en) Systems and methods for hands-free voice-activated devices
CN1639768B (zh) 自动语音识别方法及装置
JP4852584B2 (ja) 禁止語発信防止方法、禁止語発信防止電話、禁止語発信防止サーバ
CN110024027A (zh) 说话人识别
US7366667B2 (en) Method and device for pause limit values in speech recognition
AU760377B2 (en) A method and a system for voice dialling
US20050149337A1 (en) Automatic speech recognition to control integrated communication devices
US20070129945A1 (en) Voice quality control for high quality speech reconstruction
US7636661B2 (en) Microphone initialization enhancement for speech recognition
JP6759370B2 (ja) 呼出音認識装置および呼出音認識方法
JPH06161488A (ja) 音声認識装置
JPH086590A (ja) 音声対話のための音声認識方法及び装置
CN111294475A (zh) 电子装置及电子装置的模式切换方法
JPH05216492A (ja) 音声起動制御方法
JPH0511200U (ja) 音声認識装置

Legal Events

Date Code Title Description
R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

LAPS Cancellation because of no payment of annual fees