JPH07271392A - 話者認識用類似度正規化方法及びこの方法を用いた話者認識装置 - Google Patents
話者認識用類似度正規化方法及びこの方法を用いた話者認識装置Info
- Publication number
- JPH07271392A JPH07271392A JP6058515A JP5851594A JPH07271392A JP H07271392 A JPH07271392 A JP H07271392A JP 6058515 A JP6058515 A JP 6058515A JP 5851594 A JP5851594 A JP 5851594A JP H07271392 A JPH07271392 A JP H07271392A
- Authority
- JP
- Japan
- Prior art keywords
- standard pattern
- similarity
- speaker
- normalization
- 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
Abstract
(57)【要約】
【目的】 計算量を少なくすることができ、認識率を高
めることができる話者認識用類似度正規化方法及びこの
方法を用いた話者認識装置を提供する。 【構成】 全登録話者対応の標準パターンを正規化用標
準パターンＡＡＣまたはＡＡＣＣとして作成し、認識用
音声データＢを正規化用標準パターンとの類似度を正規
化用類似度Ｑとして算出し、事後確率の考えに基づき、
各話者の標準パターンＡＡＡと認識用音声データの類似
度Ｐを正規化用類似度で除す（Ｐ／Ｑ）ことにより、各
話者の標準パターンと認識用音声データとの類似度のば
らつきを正規化する。
めることができる話者認識用類似度正規化方法及びこの
方法を用いた話者認識装置を提供する。 【構成】 全登録話者対応の標準パターンを正規化用標
準パターンＡＡＣまたはＡＡＣＣとして作成し、認識用
音声データＢを正規化用標準パターンとの類似度を正規
化用類似度Ｑとして算出し、事後確率の考えに基づき、
各話者の標準パターンＡＡＡと認識用音声データの類似
度Ｐを正規化用類似度で除す（Ｐ／Ｑ）ことにより、各
話者の標準パターンと認識用音声データとの類似度のば
らつきを正規化する。
Description
【０００１】
【産業上の利用分野】この発明は、例えばインターホン
の音声から訪問者が誰であるかを認識したり、入力され
た音声により暗証番号の人と同一人であることを同定し
たりするためなどに用いられ、認識用音声データを、特
徴パラメータを用いた表現形式に変換し、その表現形式
による認識用音声データと、あらかじめ話者対応に登録
された上記表現形式による標準パターンとの類似度を求
めて入力音声を発声した話者を認識する話者認識方法に
おける類似度の正規化方法及びこの正規化方法を用いた
話者認識装置に関する。
の音声から訪問者が誰であるかを認識したり、入力され
た音声により暗証番号の人と同一人であることを同定し
たりするためなどに用いられ、認識用音声データを、特
徴パラメータを用いた表現形式に変換し、その表現形式
による認識用音声データと、あらかじめ話者対応に登録
された上記表現形式による標準パターンとの類似度を求
めて入力音声を発声した話者を認識する話者認識方法に
おける類似度の正規化方法及びこの正規化方法を用いた
話者認識装置に関する。
【０００２】
【従来の技術】話者認識は、話者が発声した文章などの
音声に含まれる特徴パラメータ（例えばケプストラム、
ピッチなど）を求める。登録話者の特徴パラメータの標
準パターンとの類似度によって判定する手法がよく用い
られる。この類似度は、発声内容、収録時期、伝送系、
マイクロホンなどの違いによって大きく変動するため
に、話者認識性能を低下させてきた。
音声に含まれる特徴パラメータ（例えばケプストラム、
ピッチなど）を求める。登録話者の特徴パラメータの標
準パターンとの類似度によって判定する手法がよく用い
られる。この類似度は、発声内容、収録時期、伝送系、
マイクロホンなどの違いによって大きく変動するため
に、話者認識性能を低下させてきた。
【０００３】従来、この類似度の正規化のために、認識
用音声を本人を含めた複数の話者の標準パターンと比較
して類似度を計算し、その上位ｎ名（ｎは１以上の整
数）の平均類似度で、各話者の標準パターンとの類似度
を除すことによって類似度のばらつきを正規化する方法
（例えば文献「松井知子、古井貞煕、“連結音韻モデル
による話者認識”、信学技報、SP92-128, 1993」）など
が試みられてきた。
用音声を本人を含めた複数の話者の標準パターンと比較
して類似度を計算し、その上位ｎ名（ｎは１以上の整
数）の平均類似度で、各話者の標準パターンとの類似度
を除すことによって類似度のばらつきを正規化する方法
（例えば文献「松井知子、古井貞煕、“連結音韻モデル
による話者認識”、信学技報、SP92-128, 1993」）など
が試みられてきた。
【０００４】
【発明が解決しようとする課題】しかしながら、この従
来の方法では、全ての登録話者それぞれの標準パターン
との類似度を計算する必要があり、正規化のための計算
量が登録話者数に比例して大きくなるという問題があっ
た。
来の方法では、全ての登録話者それぞれの標準パターン
との類似度を計算する必要があり、正規化のための計算
量が登録話者数に比例して大きくなるという問題があっ
た。
【０００５】
【課題を解決するための手段】認識用音声データを特徴
パラメータを用いた表現形式に変換し、その表現形式に
よる認識用音声データと、あらかじめ話者対応に登録さ
れた上記表現形式による特徴パラメータの標準パターン
との類似度を求めて、上記認識用音声データを発声した
話者を認識する話者認識方法において、あらかじめ全登
録話者対応の標準パターンを正規化用標準パターンとし
て作成し、認識用音声データと正規化用標準パターンと
の類似度を正規化用類似度として算出し、事後確率の考
え（※）に基づき、各話者の標準パターンと上記認識用
音声データの類似度を上記正規化用類似度で除すことに
より、各話者の標準パターンと上記認識用音声データと
の類似度のばらつきを正規化することを特徴とする話者
認識用類似度正規化方法を提案する。
パラメータを用いた表現形式に変換し、その表現形式に
よる認識用音声データと、あらかじめ話者対応に登録さ
れた上記表現形式による特徴パラメータの標準パターン
との類似度を求めて、上記認識用音声データを発声した
話者を認識する話者認識方法において、あらかじめ全登
録話者対応の標準パターンを正規化用標準パターンとし
て作成し、認識用音声データと正規化用標準パターンと
の類似度を正規化用類似度として算出し、事後確率の考
え（※）に基づき、各話者の標準パターンと上記認識用
音声データの類似度を上記正規化用類似度で除すことに
より、各話者の標準パターンと上記認識用音声データと
の類似度のばらつきを正規化することを特徴とする話者
認識用類似度正規化方法を提案する。
【０００６】※事後確率の考え 本来、入力音声とある話者の標準パターンとの類似度
は、例えば文献「竹内啓編集、“統計学辞典”、東洋経
済新報社 pp.13-17, 1989」で述べられている確率論的に
は、入力音声ｘが与えられた時、それがその話者ｓC の
声である確率Ｐ（ｓC ｜ｘ）として計算されるべきだ
が、実際にはある話者の標準パターンが与えられた時の
入力音声の確率Ｐ（ｘ｜ｓC ）しか観測することができ
ず、一般的には後者の確率Ｐ（ｘ｜ｓC ）を使って話者
の判定を行う。しかし、後者の確率Ｐ（ｘ｜ｓC ）は、
発声内容、収録時期などの違いによってばらつく。事後
確率の考えに基づく正規化では、前者の確率Ｐ（ｓC ｜
ｘ）を Ｐ（ｓC ｜ｘ）＝Ｐ（ｘ｜ｓC ) ×Ｐ（ｓC ) ／ Σi （Ｐ（ｘ｜ｓi ）×Ｐ（ｓi ）） ｓi ：任意の話者 のように展開し、観測可能な後者の確率Ｐ（ｘ｜ｓC )
をΣi （Ｐ（ｘ｜ｓi ）×Ｐ（ｓi ））で除し、前者の
確率Ｐ（ｓC ｜ｘ）を求める。Ｐ（ｓi ）は、話者ｓi
の出現確率である。ただし、Σi （Ｐ（ｘ｜ｓi ）×Ｐ
（ｓi ））を求めるためには、未登録の話者も含め、そ
の話者認識シテスムを利用する全話者について確率の和
を計算する必要がある。従来の方法（例えば文献「松井
知子、古井貞煕、“連結音韻モデルによる話者認識”、
信学技報、SP92-128, 1993」）では、計算量を削減する
ために、話者の出現確率Ｐ（ｓi ）は各話者共通である
として、分母と分子でキャンセルし、入力音声を本人を
含めた全話者の標準パターンと比較して類似度を計算
し、Σi Ｐ（ｘ｜ｓi ）をその上位ｎ名（ｎは１以上の
整数）の平均類似度で近似していた。この発明では、Σ
i Ｐ（ｘ｜ｓi ）を入力音声と全登録話者用の標準パタ
ーンとの類似度で近似する。
は、例えば文献「竹内啓編集、“統計学辞典”、東洋経
済新報社 pp.13-17, 1989」で述べられている確率論的に
は、入力音声ｘが与えられた時、それがその話者ｓC の
声である確率Ｐ（ｓC ｜ｘ）として計算されるべきだ
が、実際にはある話者の標準パターンが与えられた時の
入力音声の確率Ｐ（ｘ｜ｓC ）しか観測することができ
ず、一般的には後者の確率Ｐ（ｘ｜ｓC ）を使って話者
の判定を行う。しかし、後者の確率Ｐ（ｘ｜ｓC ）は、
発声内容、収録時期などの違いによってばらつく。事後
確率の考えに基づく正規化では、前者の確率Ｐ（ｓC ｜
ｘ）を Ｐ（ｓC ｜ｘ）＝Ｐ（ｘ｜ｓC ) ×Ｐ（ｓC ) ／ Σi （Ｐ（ｘ｜ｓi ）×Ｐ（ｓi ）） ｓi ：任意の話者 のように展開し、観測可能な後者の確率Ｐ（ｘ｜ｓC )
をΣi （Ｐ（ｘ｜ｓi ）×Ｐ（ｓi ））で除し、前者の
確率Ｐ（ｓC ｜ｘ）を求める。Ｐ（ｓi ）は、話者ｓi
の出現確率である。ただし、Σi （Ｐ（ｘ｜ｓi ）×Ｐ
（ｓi ））を求めるためには、未登録の話者も含め、そ
の話者認識シテスムを利用する全話者について確率の和
を計算する必要がある。従来の方法（例えば文献「松井
知子、古井貞煕、“連結音韻モデルによる話者認識”、
信学技報、SP92-128, 1993」）では、計算量を削減する
ために、話者の出現確率Ｐ（ｓi ）は各話者共通である
として、分母と分子でキャンセルし、入力音声を本人を
含めた全話者の標準パターンと比較して類似度を計算
し、Σi Ｐ（ｘ｜ｓi ）をその上位ｎ名（ｎは１以上の
整数）の平均類似度で近似していた。この発明では、Σ
i Ｐ（ｘ｜ｓi ）を入力音声と全登録話者用の標準パタ
ーンとの類似度で近似する。
【０００７】更にこの発明では、登録用音声データを特
徴パラメータを用いた表現形式の音声データに変換する
第１特徴パラメータ抽出部と、表現形式による特徴パラ
メータの各話者に対応した標準パラメータを作成する標
準パターン作成部と、この標準パターン作成部で作成し
た各話者に対応した標準パターンを蓄積する標準パター
ン蓄積部と、第１特徴パラメータ抽出部で時系列に変換
した各話者の特徴パラメータを用いた表現形式の登録用
音声データから全登録話者用標準パターンを作成する正
規化用標準パターン作成部と、この正規化標準パターン
作成部で作成した正規化用標準パターンを蓄積する正規
化用標準パターン蓄積部と、認識用音声データを特徴パ
ラメータを用いた表現形式の音声データに変換する第２
特徴パラメータ抽出部と、この第２特徴パラメータ抽出
部で変換した特徴パラメータを用いた表現形式の認識用
音声データと上記正規化用標準パターン蓄積部に蓄積し
た全話者対応の正規化用標準パターンとの類似度を算出
する正規化用類似度計算部と、標準パターン蓄積部に蓄
積した各話者対応の標準パターンと、第２特徴パラメー
タ抽出部で変換した認識用音声データの特徴パラメータ
を用いた表現形式の認識用音声データとの類似度を算出
する類似度計算部と、この類似度計算部で算出した類似
度を正規化類似度計算部で算出した正規化用類似度で除
算する類似度正規化部と、この類似度正規化部で正規化
された類似度と、しきい値蓄積部に蓄積した各話者対応
のしきい値と比較し、話者を特定する話者認識判定部
と、によって構成した話者認識装置を提案する。
徴パラメータを用いた表現形式の音声データに変換する
第１特徴パラメータ抽出部と、表現形式による特徴パラ
メータの各話者に対応した標準パラメータを作成する標
準パターン作成部と、この標準パターン作成部で作成し
た各話者に対応した標準パターンを蓄積する標準パター
ン蓄積部と、第１特徴パラメータ抽出部で時系列に変換
した各話者の特徴パラメータを用いた表現形式の登録用
音声データから全登録話者用標準パターンを作成する正
規化用標準パターン作成部と、この正規化標準パターン
作成部で作成した正規化用標準パターンを蓄積する正規
化用標準パターン蓄積部と、認識用音声データを特徴パ
ラメータを用いた表現形式の音声データに変換する第２
特徴パラメータ抽出部と、この第２特徴パラメータ抽出
部で変換した特徴パラメータを用いた表現形式の認識用
音声データと上記正規化用標準パターン蓄積部に蓄積し
た全話者対応の正規化用標準パターンとの類似度を算出
する正規化用類似度計算部と、標準パターン蓄積部に蓄
積した各話者対応の標準パターンと、第２特徴パラメー
タ抽出部で変換した認識用音声データの特徴パラメータ
を用いた表現形式の認識用音声データとの類似度を算出
する類似度計算部と、この類似度計算部で算出した類似
度を正規化類似度計算部で算出した正規化用類似度で除
算する類似度正規化部と、この類似度正規化部で正規化
された類似度と、しきい値蓄積部に蓄積した各話者対応
のしきい値と比較し、話者を特定する話者認識判定部
と、によって構成した話者認識装置を提案する。
【０００８】
【作用】この発明による正規化方法及び装置によれば、
あらかじめ全登録話者対応の正規化用標準パターンを作
成し、認識用音声データと正規化用標準パターンとの類
似度を正規化用類似度として求め、各話者ごとの標準パ
ターンと認識用音声データとの類似度を、事後確率の考
えに基づいて正規化用類似度で除すことにより、各話者
ごとの類似度のばらつきを正規化するので、正規化のた
めの類似度の計算は１回で済む。
あらかじめ全登録話者対応の正規化用標準パターンを作
成し、認識用音声データと正規化用標準パターンとの類
似度を正規化用類似度として求め、各話者ごとの標準パ
ターンと認識用音声データとの類似度を、事後確率の考
えに基づいて正規化用類似度で除すことにより、各話者
ごとの類似度のばらつきを正規化するので、正規化のた
めの類似度の計算は１回で済む。
【０００９】また、この発明によれば、発声内容が任意
のテキスト独立型（例えば文献「松井知子、古井貞煕：
“ＶＱ，離散／連続ＨＭＭによるテキスト独立形話者認
識法の比較検討”、電子情報通信学会音声研究会資料、
SP91-89, 1991」）、認識のたびに発声内容が指示される
テキスト指定型（例えば文献「松井知子、古井貞煕、
“連結音韻モデルによる話者認識、”信学技報、SP92-1
28, 1993」）など、種々の話者認識方法に適用すること
ができる。
のテキスト独立型（例えば文献「松井知子、古井貞煕：
“ＶＱ，離散／連続ＨＭＭによるテキスト独立形話者認
識法の比較検討”、電子情報通信学会音声研究会資料、
SP91-89, 1991」）、認識のたびに発声内容が指示される
テキスト指定型（例えば文献「松井知子、古井貞煕、
“連結音韻モデルによる話者認識、”信学技報、SP92-1
28, 1993」）など、種々の話者認識方法に適用すること
ができる。
【００１０】
【実施例】図１を用いてこの発明の一実施例を説明す
る。図１に示す実施例ではテキスト独立型話者認識を例
示して示す。この発明では、図１に示すように各話者ご
とに、登録用音声データＡを第１特徴パラメータ抽出部
１に入力する。第１特徴パラメータ抽出部１では、入力
された登録用音声データＡを例えばケプストラム、ピッ
チなどの特徴パラメータを用いた表現形式に変換する。
次に、特徴パラメータの時系列に変換された登録用音声
データＡＡが、標準パターン作成部２に入力され、登録
用音声データＡに含まれた特徴パラメータの標準パター
ンが、例えば複数のガウス分布の重み付き加算などで表
現される。
る。図１に示す実施例ではテキスト独立型話者認識を例
示して示す。この発明では、図１に示すように各話者ご
とに、登録用音声データＡを第１特徴パラメータ抽出部
１に入力する。第１特徴パラメータ抽出部１では、入力
された登録用音声データＡを例えばケプストラム、ピッ
チなどの特徴パラメータを用いた表現形式に変換する。
次に、特徴パラメータの時系列に変換された登録用音声
データＡＡが、標準パターン作成部２に入力され、登録
用音声データＡに含まれた特徴パラメータの標準パター
ンが、例えば複数のガウス分布の重み付き加算などで表
現される。
【００１１】複数のガウス分布の重み付き加算を作成す
る方法として、例えば文献「松井知子、古井貞煕：“Ｖ
Ｑ，離散／連続ＨＭＭによるテキスト独立形話者認識法
の比較検討”、電子情報通信学会音声研究会資料、SP91
-89, 1991」に述べられている方法などを用いることがで
きる。各話者の標準パターンＡＡＡを話者別に標準パタ
ーン蓄積部３に蓄える。
る方法として、例えば文献「松井知子、古井貞煕：“Ｖ
Ｑ，離散／連続ＨＭＭによるテキスト独立形話者認識法
の比較検討”、電子情報通信学会音声研究会資料、SP91
-89, 1991」に述べられている方法などを用いることがで
きる。各話者の標準パターンＡＡＡを話者別に標準パタ
ーン蓄積部３に蓄える。
【００１２】並行して、第１特徴パラメータ抽出部１で
特徴パラメータの時系列に変換された各話者の登録用音
声データＡＡを、正規化用標準パターン作成部４に入力
する。正規化用標準パターン作成部４では、例えば図２
または図３に示す方法で、全話者登録話者対応の正規化
用標準パターンＡＡＣ（又はＡＡＣＣ）を作成する。図
２に示す例は、全登録話者用標準パターン作成部５で作
成される全話者登録話者対応の正規化用標準パターンＡ
ＡＣは、全話者の登録用音声データＡの特徴パラメータ
の分布を表す、例えば複数のガウス分布の重み付き加算
として作成される。その具体的な方法としては、例えば
上記文献に述べられている方法などを用いることができ
る。
特徴パラメータの時系列に変換された各話者の登録用音
声データＡＡを、正規化用標準パターン作成部４に入力
する。正規化用標準パターン作成部４では、例えば図２
または図３に示す方法で、全話者登録話者対応の正規化
用標準パターンＡＡＣ（又はＡＡＣＣ）を作成する。図
２に示す例は、全登録話者用標準パターン作成部５で作
成される全話者登録話者対応の正規化用標準パターンＡ
ＡＣは、全話者の登録用音声データＡの特徴パラメータ
の分布を表す、例えば複数のガウス分布の重み付き加算
として作成される。その具体的な方法としては、例えば
上記文献に述べられている方法などを用いることができ
る。
【００１３】また図３に示す例では、あらかじめ多数話
者の音声から作成した、例えば複数のガウス分布の重み
付き加算として表現された一般的な標準パターンを用い
て、各話者ごとに、標準パターン話者適応部６で、その
登録用音声データＡに合わせて、例えばそれらのガウス
分布の重みの値を変更する。その具体的な方法として
は、例えば文献「X.D.Huang: "Phoneme Classi-flcatio
n Using Semi-continuous HiddenMarkov Models," IEEE
Trans. ASSP. Vol.40, No.5, pp.1062-1067, 1992」に
述べられている方法などを用いることができる。標準パ
ターン平均部７では、各話者ごとに変更した部分、例え
ばガウス分布の重みの値について、全話者で平均をと
る。このようにして得られた全登録話者対応の正規化用
標準パターンＡＡＣＣは、その平均した標準パターン、
例えばその平均重みによる複数のガウス分布の重み付き
加算として表現される。
者の音声から作成した、例えば複数のガウス分布の重み
付き加算として表現された一般的な標準パターンを用い
て、各話者ごとに、標準パターン話者適応部６で、その
登録用音声データＡに合わせて、例えばそれらのガウス
分布の重みの値を変更する。その具体的な方法として
は、例えば文献「X.D.Huang: "Phoneme Classi-flcatio
n Using Semi-continuous HiddenMarkov Models," IEEE
Trans. ASSP. Vol.40, No.5, pp.1062-1067, 1992」に
述べられている方法などを用いることができる。標準パ
ターン平均部７では、各話者ごとに変更した部分、例え
ばガウス分布の重みの値について、全話者で平均をと
る。このようにして得られた全登録話者対応の正規化用
標準パターンＡＡＣＣは、その平均した標準パターン、
例えばその平均重みによる複数のガウス分布の重み付き
加算として表現される。
【００１４】図２の方法では、新しい話者を登録するた
びに、全登録話者対応の正規化用標準パターンＡＡＣを
一から作成しなおす必要があるが、図３の方法では、そ
の話者についてだけ、標準パターン話者適応部６で、一
般的な標準パターンをその登録用音声に合わせて変更
し、標準パターン平均部７で、すでに計算されている他
の話者の標準パターンと併せて、その平均を計算するだ
けでよい。全登録話者対応の正規化用標準パターンＡＡ
ＣまたはＡＡＣＣは正規化用標準パターン蓄積部８に蓄
える。
びに、全登録話者対応の正規化用標準パターンＡＡＣを
一から作成しなおす必要があるが、図３の方法では、そ
の話者についてだけ、標準パターン話者適応部６で、一
般的な標準パターンをその登録用音声に合わせて変更
し、標準パターン平均部７で、すでに計算されている他
の話者の標準パターンと併せて、その平均を計算するだ
けでよい。全登録話者対応の正規化用標準パターンＡＡ
ＣまたはＡＡＣＣは正規化用標準パターン蓄積部８に蓄
える。
【００１５】次に、話者を認識する段階では、認識用音
声データＢを特徴パラメータ抽出部９に入力する。特徴
パラメータ抽出部９では、入力された認識用音声データ
Ｂを特徴パラメータ抽出部１と同じ表現形式に変換す
る。特徴パラメータ抽出部９で得られた特徴パラメータ
ＢＢの時系列は、類似度計算部１０と正規化用類似度計
算部１１に入力される。
声データＢを特徴パラメータ抽出部９に入力する。特徴
パラメータ抽出部９では、入力された認識用音声データ
Ｂを特徴パラメータ抽出部１と同じ表現形式に変換す
る。特徴パラメータ抽出部９で得られた特徴パラメータ
ＢＢの時系列は、類似度計算部１０と正規化用類似度計
算部１１に入力される。
【００１６】類似度計算部１０では、標準パターン蓄積
部３に蓄えられた本人の標準パターンＡＡＡと、認識用
音声データＢを変換した特徴パラメータＢＢとの類似の
度合いを計算する。正規化用類似度計算部１１では、正
規化用標準パターン蓄積部８に蓄えられた全登録話者対
応の正規化用標準パターンＡＡＣまたはＡＡＣＣと、認
識用音声データＢを変換した特徴パラメータＢＢとの類
似の度合いＰとＱを計算する。
部３に蓄えられた本人の標準パターンＡＡＡと、認識用
音声データＢを変換した特徴パラメータＢＢとの類似の
度合いを計算する。正規化用類似度計算部１１では、正
規化用標準パターン蓄積部８に蓄えられた全登録話者対
応の正規化用標準パターンＡＡＣまたはＡＡＣＣと、認
識用音声データＢを変換した特徴パラメータＢＢとの類
似の度合いＰとＱを計算する。
【００１７】この具体的方法としては、例えば文献「松
井知子、古井貞煕：“音源・声道特徴を用いたテキスト
独立形話者認識”、電子情報通信学会音声研究会資料、
SP90-26, 1990」に述べられている方法などを用いること
ができる。それぞれ計算された類似度の値ＰとＱは、類
似度正規化部１２に入力される。類似度正規化部１２で
は、本人の標準パターンＡＡＡに対する類似度の値Ｐ
を、全登録話者用の標準パターンＡＡＣ（又はＡＡＣ
Ｃ）に対する類似度の値Ｑで除することにより、本人の
標準パターンに対する類似度の値Ｐを正規化する。その
正規化された類似度の値Ｐ／Ｑは話者認識判定部１３に
送られ、話者の判定を行う。話者認識判定部１３では、
しきい値蓄積部１４から、その本人の声とみなせる類似
度の変動の範囲を示すしきい値を読み出して、類似度の
値Ｐ／Ｑと比較し、その類似度の値Ｐ／Ｑが読み出され
たしきい値よりも大きければ本人の音声であると判定
し、しきい値よりも小さければ他人の音声であると判定
する。
井知子、古井貞煕：“音源・声道特徴を用いたテキスト
独立形話者認識”、電子情報通信学会音声研究会資料、
SP90-26, 1990」に述べられている方法などを用いること
ができる。それぞれ計算された類似度の値ＰとＱは、類
似度正規化部１２に入力される。類似度正規化部１２で
は、本人の標準パターンＡＡＡに対する類似度の値Ｐ
を、全登録話者用の標準パターンＡＡＣ（又はＡＡＣ
Ｃ）に対する類似度の値Ｑで除することにより、本人の
標準パターンに対する類似度の値Ｐを正規化する。その
正規化された類似度の値Ｐ／Ｑは話者認識判定部１３に
送られ、話者の判定を行う。話者認識判定部１３では、
しきい値蓄積部１４から、その本人の声とみなせる類似
度の変動の範囲を示すしきい値を読み出して、類似度の
値Ｐ／Ｑと比較し、その類似度の値Ｐ／Ｑが読み出され
たしきい値よりも大きければ本人の音声であると判定
し、しきい値よりも小さければ他人の音声であると判定
する。
【００１８】次に実験例を述べる。実験は、男性２０
名、女性１０名が約１０ヵ月に渡る５つの時期（時期
Ａ，Ｂ，Ｃ，Ｄ，Ｅ）に発声した文章データ（１文章長
は平均４秒）を対象とする。登録話者として男性１０
名、女性５名、詐称者としてその他の男性１０名、女性
５名を用いた。これらの音声を従来使われている特徴
量、つまりケプストラムの細かい時間ごとの時系列に変
換する。ケプストラムは標本化周波数１２kHz,フレーム
長３２ms，フレーム周期８ms，ＬＰＣ分析（Linear Pre
dictive Coding, 線形予測分析）次数１６で抽出した。
学習には、時期Ａに発声した１０文章を用い、テストで
は、時期Ｂ，Ｃ，Ｄ，Ｅに発声した５文章を１文章ずつ
用いた。
名、女性１０名が約１０ヵ月に渡る５つの時期（時期
Ａ，Ｂ，Ｃ，Ｄ，Ｅ）に発声した文章データ（１文章長
は平均４秒）を対象とする。登録話者として男性１０
名、女性５名、詐称者としてその他の男性１０名、女性
５名を用いた。これらの音声を従来使われている特徴
量、つまりケプストラムの細かい時間ごとの時系列に変
換する。ケプストラムは標本化周波数１２kHz,フレーム
長３２ms，フレーム周期８ms，ＬＰＣ分析（Linear Pre
dictive Coding, 線形予測分析）次数１６で抽出した。
学習には、時期Ａに発声した１０文章を用い、テストで
は、時期Ｂ，Ｃ，Ｄ，Ｅに発声した５文章を１文章ずつ
用いた。
【００１９】この発明の効果は、テキスト独立型（例え
ば文献「松井知子、古井貞煕：“ＶＱ，離散／連続ＨＭ
Ｍによるテキスト独立形話者認識法の比較検討”、電子
情報通信学会音声研究会資料、SP91-89, 1991」）、テキ
スト指定型（例えば文献「松井知子、古井貞煕、“連結
音韻モデルによる話者認識、”信学技報、SP92-128,199
3」）の話者認識において試した。テキスト独立型話者
認識では、各話者の標準パターンは６４個のガウス分布
の重み付き加算（例えば文献「松井知子、古井貞煕：
“ＶＱ，離散／連続ＨＭＭによるテキスト独立形話者認
識法の比較検討”、電子情報通信学会音声研究会資料、
SP91-89, 1991」）で表した。テキスト指定型話者認識で
は、各話者の標準パターンは、各音素ごとに３状態、２
５６個のガウス分布の重み付き加算（例えば文献「松井
知子、古井貞煕、“連結音韻モデルによる話者認識”、
信学技報、SP92-128, 1993」）で表した。
ば文献「松井知子、古井貞煕：“ＶＱ，離散／連続ＨＭ
Ｍによるテキスト独立形話者認識法の比較検討”、電子
情報通信学会音声研究会資料、SP91-89, 1991」）、テキ
スト指定型（例えば文献「松井知子、古井貞煕、“連結
音韻モデルによる話者認識、”信学技報、SP92-128,199
3」）の話者認識において試した。テキスト独立型話者
認識では、各話者の標準パターンは６４個のガウス分布
の重み付き加算（例えば文献「松井知子、古井貞煕：
“ＶＱ，離散／連続ＨＭＭによるテキスト独立形話者認
識法の比較検討”、電子情報通信学会音声研究会資料、
SP91-89, 1991」）で表した。テキスト指定型話者認識で
は、各話者の標準パターンは、各音素ごとに３状態、２
５６個のガウス分布の重み付き加算（例えば文献「松井
知子、古井貞煕、“連結音韻モデルによる話者認識”、
信学技報、SP92-128, 1993」）で表した。
【００２０】結果は、テキスト独立型話者認識では平均
話者照合誤り率で、テキスト指定型話者認識では平均話
者・テキスト照合誤り率で評価した。その結果を図３に
示す。これより、この発明方法は類似度の正規を施さな
い場合と比較して、平均照合誤り率がほぼ半分になっ
た。また、文献「松井知子、古井貞煕、“連結音韻モデ
ルによる話者認識”、信学技報、SP92-128, 1993」に述
べられている従来法と比べ、平均照合誤り率は等しい
か、あるいはそれ以下であり、しかも正規化に必要とさ
れる計算量は本方法の方が圧倒的に少ない。これらの結
果より、発明方法は有効であることが実証された。
話者照合誤り率で、テキスト指定型話者認識では平均話
者・テキスト照合誤り率で評価した。その結果を図３に
示す。これより、この発明方法は類似度の正規を施さな
い場合と比較して、平均照合誤り率がほぼ半分になっ
た。また、文献「松井知子、古井貞煕、“連結音韻モデ
ルによる話者認識”、信学技報、SP92-128, 1993」に述
べられている従来法と比べ、平均照合誤り率は等しい
か、あるいはそれ以下であり、しかも正規化に必要とさ
れる計算量は本方法の方が圧倒的に少ない。これらの結
果より、発明方法は有効であることが実証された。
【００２１】
【発明の効果】以上述べたように、この発明においては
全話者登録話者対応の正規化用標準パターンとの類似度
を使って、本人の標準パターンに対する類似度の値を１
回の計算で正規化しており、計算量を少なくすることが
できる。また発声内容、収録時期、伝送系、マイクロホ
ンなどの違いによる類似度の変動の影響を受け難い話者
認識を行うことができる。
全話者登録話者対応の正規化用標準パターンとの類似度
を使って、本人の標準パターンに対する類似度の値を１
回の計算で正規化しており、計算量を少なくすることが
できる。また発声内容、収録時期、伝送系、マイクロホ
ンなどの違いによる類似度の変動の影響を受け難い話者
認識を行うことができる。
【図１】この発明の一実施例を示すブロック図。
【図２】図１に示した実施例に用いた正規化用標準パタ
ーン作成部における標準パターン作成方法を説明するた
めのブロック図。
ーン作成部における標準パターン作成方法を説明するた
めのブロック図。
【図３】図２と同様のブロック図。
【図４】この発明の効果を説明するための実験結果を示
す図である。
す図である。
Ａ 登録用音声データ ＡＡ 各話者の特徴パラメータ ＡＡＡ 本人の標準パターン ＡＡＣ，ＡＡＣＣ 正規化用標準パターン Ｂ 認識用音声データ ＢＢ 認識用音声データの特徴パラメータ Ｐ 本人の標準パターンと認識用音声データとの類
似度 Ｑ 全話者対応の正規化用標準パターンと認識音声
データとの類似度 １ 第１特徴パラメータ抽出部 ２ 標準パターン作成部 ３ 標準パターン蓄積部 ４ 正規化用標準パターン作成部 ５ 全登録話者用標準パターン作成部 ６ 標準パターン話者適応部 ７ 標準パターン平均部 ８ 正規化用標準パターン蓄積部 ９ 第２特徴パラメータ抽出部 １０ 類似度計算部 １１ 正規化用類似度計算部 １２ 類似度正規化部 １３ 話者認識判定部 １４ しきい値蓄積部
似度 Ｑ 全話者対応の正規化用標準パターンと認識音声
データとの類似度 １ 第１特徴パラメータ抽出部 ２ 標準パターン作成部 ３ 標準パターン蓄積部 ４ 正規化用標準パターン作成部 ５ 全登録話者用標準パターン作成部 ６ 標準パターン話者適応部 ７ 標準パターン平均部 ８ 正規化用標準パターン蓄積部 ９ 第２特徴パラメータ抽出部 １０ 類似度計算部 １１ 正規化用類似度計算部 １２ 類似度正規化部 １３ 話者認識判定部 １４ しきい値蓄積部
Claims (4)
- 【請求項１】 認識用音声データを特徴パラメータを用
いた表現形式に変換し、その表現形式による認識用音声
データと、あらかじめ話者対応に登録された上記表現形
式による特徴パラメータの標準パターンとの類似度を求
めて、上記認識用音声データを発声した話者を認識する
話者認識方法において、 あらかじめ全登録話者対応の標準パターンを正規化用標
準パターンとして作成し、上記認識用音声データと上記
正規化用標準パターンとの類似度を正規化用類似度とし
て算出し、事後確率の考えに基づき、各話者の標準パタ
ーンと上記認識用音声データの類似度を上記正規化用類
似度で除すことにより、各話者の標準パターンと上記認
識用音声データとの類似度のばらつきを正規化すること
を特徴とする話者認識用類似度正規化方法。 - 【請求項２】 Ａ．登録用音声データを特徴パラメータ
を用いた表現形式の音声データに変換する第１特徴パラ
メータ抽出部と、 Ｂ．上記表現形式による特徴パラメータの各話者に対応
した標準パターンを作成する標準パターン作成部と、 Ｃ．この標準パターン作成部で作成した各話者に対応し
た標準パターンを蓄積する標準パターン蓄積部と、 Ｄ．上記第１特徴パラメータ抽出部で時系列に変換した
各話者の特徴パラメータを用いた表現形式の登録用音声
データから全登録話者用標準パターンを作成する正規化
用標準パターン作成部と、 Ｅ．この正規化標準パターン作成部で作成した正規化用
標準パターンを蓄積する正規化用標準パターン蓄積部
と、 Ｆ．認識用音声データを特徴パラメータを用いた表現形
式の音声データに変換する第２特徴パラメータ抽出部
と、 Ｇ．この第２特徴パラメータ抽出部で変換した特徴パラ
メータを用いた表現形式の認識用音声データと上記正規
化用標準パターン蓄積部に蓄積した全話者対応の正規化
用標準パターンとの類似度を算出する正規化用類似度計
算部と、 Ｈ．上記標準パターン蓄積部に蓄積した各話者対応の標
準パターンと、上記第２特徴パラメータ抽出部で変換し
た認識用音声データの特徴パラメータを用いた表現形式
の認識用音声データとの類似度を算出する類似度計算部
と、 Ｉ．この類似度計算部で算出した類似度を上記正規化類
似度計算部で算出した正規化用類似度で除算する類似度
正規化部と、 Ｊ．この類似度正規化部で正規化された類似度と、しき
い値蓄積部に蓄積した各話者対応のしきい値と比較し、
話者を特定する話者認識判定部と、 によって構成したことを特徴とする話者認識装置。 - 【請求項３】 請求項２記載の正規化用標準パターン作
成部を、全登録話者用標準パターン作成部によって構成
したことを特徴とする話者認識装置。 - 【請求項４】 請求項２記載の正規化用標準パターン作
成部を、標準パターン話者適応部と標準パターン平均部
とによって構成したことを特徴とする話者認識装置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP6058515A JPH07271392A (ja) | 1994-03-29 | 1994-03-29 | 話者認識用類似度正規化方法及びこの方法を用いた話者認識装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP6058515A JPH07271392A (ja) | 1994-03-29 | 1994-03-29 | 話者認識用類似度正規化方法及びこの方法を用いた話者認識装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JPH07271392A true JPH07271392A (ja) | 1995-10-20 |
Family
ID=13086572
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP6058515A Pending JPH07271392A (ja) | 1994-03-29 | 1994-03-29 | 話者認識用類似度正規化方法及びこの方法を用いた話者認識装置 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPH07271392A (ja) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2006003452A (ja) * | 2004-06-15 | 2006-01-05 | Asahi Kasei Corp | 音声認証装置 |
| US7107213B2 (en) | 1999-10-29 | 2006-09-12 | Matsushita Electric Industrial Co., Ltd. | Device for normalizing voice pitch for voice recognition |
| JP2016061824A (ja) * | 2014-09-16 | 2016-04-25 | 日本電気株式会社 | 音声処理装置、音声処理方法、およびプログラム |
| US11594220B2 (en) | 2020-05-07 | 2023-02-28 | Samsung Electronics Co., Ltd. | Electronic apparatus and controlling method thereof |
| CN119832916A (zh) * | 2024-12-12 | 2025-04-15 | 中电信人工智能科技(北京)有限公司 | 一种说话人识别方法、装置、设备和存储介质 |
-
1994
- 1994-03-29 JP JP6058515A patent/JPH07271392A/ja active Pending
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7107213B2 (en) | 1999-10-29 | 2006-09-12 | Matsushita Electric Industrial Co., Ltd. | Device for normalizing voice pitch for voice recognition |
| JP2006003452A (ja) * | 2004-06-15 | 2006-01-05 | Asahi Kasei Corp | 音声認証装置 |
| JP2016061824A (ja) * | 2014-09-16 | 2016-04-25 | 日本電気株式会社 | 音声処理装置、音声処理方法、およびプログラム |
| US11594220B2 (en) | 2020-05-07 | 2023-02-28 | Samsung Electronics Co., Ltd. | Electronic apparatus and controlling method thereof |
| CN119832916A (zh) * | 2024-12-12 | 2025-04-15 | 中电信人工智能科技(北京)有限公司 | 一种说话人识别方法、装置、设备和存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| TWI396184B (zh) | 一種語音辨認所有語言及用語音輸入單字的方法 | |
| JPH0968994A (ja) | パターンマッチングによる単語音声認識方法及びその方法を実施する装置 | |
| JP2009151305A (ja) | 話認認証の検証のための方法および装置、話者認証システム | |
| JP6908045B2 (ja) | 音声処理装置、音声処理方法、およびプログラム | |
| US20010010039A1 (en) | Method and apparatus for mandarin chinese speech recognition by using initial/final phoneme similarity vector | |
| JP2745535B2 (ja) | 音声認識装置 | |
| JPH07110695A (ja) | 音声符号化装置および方法 | |
| JP2006227628A (ja) | フレーム別に重み付けされたキーワードモデルの信頼度に基づく音声認識方法、及びその方法を用いた装置 | |
| KR20060066483A (ko) | 음성 인식을 위한 특징 벡터 추출 방법 | |
| JP3092788B2 (ja) | 話者認識用しきい値設定方法及びこの方法を用いた話者認識装置 | |
| EP1734509A1 (en) | Method and system for speech recognition | |
| JP3444108B2 (ja) | 音声認識装置 | |
| Upadhyay et al. | Analysis of different classifier using feature extraction in speaker identification and verification under adverse acoustic condition for different scenario | |
| Singh et al. | Features and techniques for speaker recognition | |
| US7454337B1 (en) | Method of modeling single data class from multi-class data | |
| JPH10149190A (ja) | 音声認識方法及び音声認識装置 | |
| Sailaja et al. | Text independent speaker identification with finite multivariate generalized gaussian mixture model and hierarchical clustering algorithm | |
| JPH05323990A (ja) | 話者認識方法 | |
| JP3113408B2 (ja) | 話者認識方法 | |
| JP3184525B2 (ja) | 話者認識方法 | |
| JPH09198084A (ja) | モデル更新を伴う話者認識方法及びその装置 | |
| JP3289670B2 (ja) | 音声認識方法および音声認識装置 | |
| TWI395200B (zh) | 一種不用樣本能辨認所有語言的辨認方法 | |
| JP2943473B2 (ja) | 音声認識方法 | |
| TWI460718B (zh) | 一個辨認所有語言句子方法 |