JPH08110791A - 音声認識方法 - Google Patents
音声認識方法Info
- Publication number
- JPH08110791A JPH08110791A JP6244005A JP24400594A JPH08110791A JP H08110791 A JPH08110791 A JP H08110791A JP 6244005 A JP6244005 A JP 6244005A JP 24400594 A JP24400594 A JP 24400594A JP H08110791 A JPH08110791 A JP H08110791A
- Authority
- JP
- Japan
- Prior art keywords
- hmm
- output probability
- calculated
- output
- speech recognition
- 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
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
- G10L15/08—Speech classification or search
- G10L15/14—Speech classification or search using statistical models, e.g. Hidden Markov Models [HMMs]
- G10L15/142—Hidden Markov Models [HMMs]
- G10L15/144—Training of HMMs
-
- 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
- G10L15/18—Speech classification or search using natural language modelling
- G10L15/183—Speech classification or search using natural language modelling using context dependencies, e.g. language models
- G10L15/187—Phonemic context, e.g. pronunciation rules, phonotactical constraints or phoneme n-grams
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Probability & Statistics with Applications (AREA)
- Computational Linguistics (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Human Computer Interaction (AREA)
- Acoustics & Sound (AREA)
- Multimedia (AREA)
- Machine Translation (AREA)
- Image Analysis (AREA)
Abstract
(57)【要約】
【目的】 連続ＨＭＭを用いた音声認識において、出力
確率の計算を高速化する。 【構成】 同一音素に対して少なくとも２種のＨＭＭを
備え（少数分布ＨＭＭと多数分布ＨＭＭ或いは音素環境
独立型ＨＭＭと音素環境依存型ＨＭＭ）、一方のＨＭＭ
で全音素の出力確率を計算した後、この出力確率の上位
のものに関してもみあう一方のＨＭＭで出力確率を計算
する。
確率の計算を高速化する。 【構成】 同一音素に対して少なくとも２種のＨＭＭを
備え（少数分布ＨＭＭと多数分布ＨＭＭ或いは音素環境
独立型ＨＭＭと音素環境依存型ＨＭＭ）、一方のＨＭＭ
で全音素の出力確率を計算した後、この出力確率の上位
のものに関してもみあう一方のＨＭＭで出力確率を計算
する。
Description
【０００１】
【産業上の利用分野】本発明は、入力した未知音声を認
識する音声認識方法に関するものである。
識する音声認識方法に関するものである。
【０００２】
【従来の技術】近年、ｗｏｒｋｓｔａｔｉｏｎやｐｅｒ
ｓｏｎａｌ ｃｏｍｐｕｔｅｒの計算能力が劇的に高速
化したのに伴い、高速な音声認識システムがｓｏｆｔｗ
ａｖｅのみで構築できるようになった。これらの音声認
識システムの多くは、不特定話者・大語彙・連続音声の
認識を目指しており、その多くは、現時点で最も有効と
考えられている統計的なモデルであるＨＭＭを採用して
いる。しかしながら、計算機が劇的に高速化したとは言
え、不特定話者・大語彙・連続音声の認識を実時間処理
する音声認識システムをｓｏｆｔｗａｖｅのみで構築す
るにはまだ充分とは言えず、音声認識処理の高速化とい
う課題は、いまでも重要である。
ｓｏｎａｌ ｃｏｍｐｕｔｅｒの計算能力が劇的に高速
化したのに伴い、高速な音声認識システムがｓｏｆｔｗ
ａｖｅのみで構築できるようになった。これらの音声認
識システムの多くは、不特定話者・大語彙・連続音声の
認識を目指しており、その多くは、現時点で最も有効と
考えられている統計的なモデルであるＨＭＭを採用して
いる。しかしながら、計算機が劇的に高速化したとは言
え、不特定話者・大語彙・連続音声の認識を実時間処理
する音声認識システムをｓｏｆｔｗａｖｅのみで構築す
るにはまだ充分とは言えず、音声認識処理の高速化とい
う課題は、いまでも重要である。
【０００３】
【発明が解決しようとする課題】ＨＭＭを用いた音声認
識処理を高速に行なうためには、１）音響処理、２）出
力確率計算、３）言語空間探索の３部分の高速化を図る
必要がある。特に、最近、盛んに研究されている混合連
続出力確率分布型ＨＭＭ（以下、連続ＨＭＭ）を用いた
音声認識システムでは、離散出力確率分布型ＨＭＭを用
いたものとの比較において、出力確率の計算量が非常に
大きくなる。従って、連続ＨＭＭを用いた不特定話者・
大語彙・連続音声認識システムを実時間で実用化するに
は、その出力確率の計算量の削減が、高速化の為には重
要な課題となる。
識処理を高速に行なうためには、１）音響処理、２）出
力確率計算、３）言語空間探索の３部分の高速化を図る
必要がある。特に、最近、盛んに研究されている混合連
続出力確率分布型ＨＭＭ（以下、連続ＨＭＭ）を用いた
音声認識システムでは、離散出力確率分布型ＨＭＭを用
いたものとの比較において、出力確率の計算量が非常に
大きくなる。従って、連続ＨＭＭを用いた不特定話者・
大語彙・連続音声認識システムを実時間で実用化するに
は、その出力確率の計算量の削減が、高速化の為には重
要な課題となる。
【０００４】連続ＨＭＭの出力確率の計算量は、総分布
数（総分布数＝ＨＭＭの数×ＨＭＭの状態数×状態内混
合分布数）に比例する。一般に、連続ＨＭＭを用いた音
声認識では、学習データが充分であれば、分布数が多い
ほど認識率が高いが計算量も多く、逆に、分布数が少な
いほど計算量が少ないが認識率が低いことが知られてい
る。従って、認識率を低下させずに、実際に計算する総
分布数をいかに削減するかが問題である。
数（総分布数＝ＨＭＭの数×ＨＭＭの状態数×状態内混
合分布数）に比例する。一般に、連続ＨＭＭを用いた音
声認識では、学習データが充分であれば、分布数が多い
ほど認識率が高いが計算量も多く、逆に、分布数が少な
いほど計算量が少ないが認識率が低いことが知られてい
る。従って、認識率を低下させずに、実際に計算する総
分布数をいかに削減するかが問題である。
【０００５】連続ＨＭＭの出力確率計算の高速化を実現
するためには「出力確率の値が大きくなるクラスタに対
してはできるだけ正確に、小さくなるクラスタに対して
は大まかに行なう。」という考え方がこの問題を解決す
るポイントとなる。
するためには「出力確率の値が大きくなるクラスタに対
してはできるだけ正確に、小さくなるクラスタに対して
は大まかに行なう。」という考え方がこの問題を解決す
るポイントとなる。
【０００６】
【課題を解決するための手段】本発明は、小計算量の少
数分布のＨＭＭを用いて認識に貢献度の高そうなＨＭＭ
の状態を推定し、推定された状態のみを高い認識率が得
られる多数分布のＨＭＭの状態を用いて出力確率を再計
算し、実際に計算する総分布数の削減を図る。
数分布のＨＭＭを用いて認識に貢献度の高そうなＨＭＭ
の状態を推定し、推定された状態のみを高い認識率が得
られる多数分布のＨＭＭの状態を用いて出力確率を再計
算し、実際に計算する総分布数の削減を図る。
【０００７】本発明は、同クラスのＨＭＭにおいて、少
なくとも２種類のＨＭＭを用いる。
なくとも２種類のＨＭＭを用いる。
【０００８】本発明は、その１種が少量計算で認識率も
ほどほどの簡単なＨＭＭ（例えば、少数の分布からなる
ＨＭＭ）と、その他の種のＨＭＭが認識率が高い詳細な
ＨＭＭ（例えば、計算量が大きい多数の分布からなるＨ
ＭＭ）を用いる。本発明は、両ＨＭＭの構造（トポロジ
ー）が同一であり、かつ、各々の状態ごとに対応がと
れ、それらの出力確率をとりかかえる。
ほどほどの簡単なＨＭＭ（例えば、少数の分布からなる
ＨＭＭ）と、その他の種のＨＭＭが認識率が高い詳細な
ＨＭＭ（例えば、計算量が大きい多数の分布からなるＨ
ＭＭ）を用いる。本発明は、両ＨＭＭの構造（トポロジ
ー）が同一であり、かつ、各々の状態ごとに対応がと
れ、それらの出力確率をとりかかえる。
【０００９】本発明は、簡単なＨＭＭで出力確率を計算
し、音声認識に貢献しそうなクラスやその状態・分布を
計算する際、この出力確率の大きい順にＮ個、もしくは
最大出力確率より閾値内であるものが、音声認識に貢献
しそうなクラスやその状態・分布であると判断する。
し、音声認識に貢献しそうなクラスやその状態・分布を
計算する際、この出力確率の大きい順にＮ個、もしくは
最大出力確率より閾値内であるものが、音声認識に貢献
しそうなクラスやその状態・分布であると判断する。
【００１０】本発明は、詳細なＨＭＭを用いて正確に出
力確率を再計算する際、上位Ｍ個を音声認識に貢献する
と判断し、詳細なＨＭＭで出力確率を計算したり、場合
によっては、さらに、その中のＮ個（Ｎ＜Ｍ）を同様に
さらに詳細なＨＭＭを用いて、より正確な出力確率を多
段で求める。
力確率を再計算する際、上位Ｍ個を音声認識に貢献する
と判断し、詳細なＨＭＭで出力確率を計算したり、場合
によっては、さらに、その中のＮ個（Ｎ＜Ｍ）を同様に
さらに詳細なＨＭＭを用いて、より正確な出力確率を多
段で求める。
【００１１】本発明は、詳細なＨＭＭを用いて正確に出
力確率を再計算する際、上位Ｎ個からＭ個（Ｎ＜Ｍ）を
比較的詳細なＨＭＭで出力確率を計算し、加えて、上位
Ｎ個は同様にさらに詳細なＨＭＭを用いてより正確な出
力確率を２段で求める。
力確率を再計算する際、上位Ｎ個からＭ個（Ｎ＜Ｍ）を
比較的詳細なＨＭＭで出力確率を計算し、加えて、上位
Ｎ個は同様にさらに詳細なＨＭＭを用いてより正確な出
力確率を２段で求める。
【００１２】本発明は、同音素のＨＭＭにおいて、音素
環境型独立ＨＭＭとその音素に属する複数の音素依存型
ＨＭＭの２種類のＨＭＭを用いる。
環境型独立ＨＭＭとその音素に属する複数の音素依存型
ＨＭＭの２種類のＨＭＭを用いる。
【００１３】本発明は、それらのＨＭＭの構造（トポロ
ジー）が同一であり、かつ、各々の状態ごとに対応がと
れ、それらの出力確率をとりかかえる。
ジー）が同一であり、かつ、各々の状態ごとに対応がと
れ、それらの出力確率をとりかかえる。
【００１４】本発明は、音素環境独立型ＨＭＭで出力確
率を計算し、音声認識に貢献しそうな音素やその状態・
分布を計算する際、この出力確率の大きい順にＮ個、も
しくは最大出力確率より閾値内であるものが、音声認識
に貢献しそうな音素やその状態・分布であると判断す
る。
率を計算し、音声認識に貢献しそうな音素やその状態・
分布を計算する際、この出力確率の大きい順にＮ個、も
しくは最大出力確率より閾値内であるものが、音声認識
に貢献しそうな音素やその状態・分布であると判断す
る。
【００１５】本発明は、音素環境依存型ＨＭＭを用いて
正確に出力確率を再計算する際、上位Ｎ個を音声認識に
貢献すると判断し、音素環境依存型ＨＭＭで出力確率を
計算し、正確な出力確率複数で求める。
正確に出力確率を再計算する際、上位Ｎ個を音声認識に
貢献すると判断し、音素環境依存型ＨＭＭで出力確率を
計算し、正確な出力確率複数で求める。
【００１６】
（実施例１）図１は本発明の実施例の音声認識装置の一
構成図を示す。
構成図を示す。
【００１７】１０１は未知の音声を入力するマイクやＡ
／Ｄを含む音声入力部、１０２は音声入力部１０１より
入力された音声から音声パラメータを求める音響分析
部、１０３は音響処理部１０２で求められた音声パラメ
ータと認識に用いる辞書データとなるＨＭＭを比較する
ことにより出力確率を計算する出力確率計算部、１０４
は認識に用いる辞書部となる出力確率を計算するための
ＨＭＭ格納部、１０５は入力音声の認識にその音素がど
れくらい貢献するかを示す貢献度を予測するための簡単
なＨＭＭであるＨＭＭSを格納したＨＭＭS格納部、１０
６は正確な出力確率を計算する詳細なＨＭＭであるＨＭ
ＭLを格納したＨＭＭL格納部、１０７は言語処理を行な
う言語探索部、１０８は言語処理に用いる文法を格納し
た文法辞書、１０９は音声認識の結果を文字列で出力す
る表示部である。
／Ｄを含む音声入力部、１０２は音声入力部１０１より
入力された音声から音声パラメータを求める音響分析
部、１０３は音響処理部１０２で求められた音声パラメ
ータと認識に用いる辞書データとなるＨＭＭを比較する
ことにより出力確率を計算する出力確率計算部、１０４
は認識に用いる辞書部となる出力確率を計算するための
ＨＭＭ格納部、１０５は入力音声の認識にその音素がど
れくらい貢献するかを示す貢献度を予測するための簡単
なＨＭＭであるＨＭＭSを格納したＨＭＭS格納部、１０
６は正確な出力確率を計算する詳細なＨＭＭであるＨＭ
ＭLを格納したＨＭＭL格納部、１０７は言語処理を行な
う言語探索部、１０８は言語処理に用いる文法を格納し
た文法辞書、１０９は音声認識の結果を文字列で出力す
る表示部である。
【００１８】音声認識装置は、上記の要素により構成さ
れ、図２に示す流れにしたがって動作する。２０１（音
声入力装置１０１に対応）の音声入力部で切り出された
音声は、２０２（１０２に対応）の音響分析部にて音声
パラメータに分析され、２０３（１０３に対応）の出力
確率計算部において、２０４（ＨＭＭ格納部１０４に対
応）のＨＭＭの中の２０５（ＨＭＭS格納部１０５に対
応）の簡単なＨＭＭSを用いて出力確率を計算し、さら
に、認識に貢献しそうな音素のＨＭＭの状態を求め、そ
れら認識に貢献すると判断された音素の状態に対応する
２０６（ＨＭＭL格納部１０６に対応）の詳細なＨＭＭL
を用いて正確な出力確率を再計算し、それらを用いて、
２０７（１０７に対応）の言語探索部において、２０８
（１０８に対応）の文法辞書を用いて文法的に確認し、
２０９（表示部１０９に対応）に認識結果を出力する。
れ、図２に示す流れにしたがって動作する。２０１（音
声入力装置１０１に対応）の音声入力部で切り出された
音声は、２０２（１０２に対応）の音響分析部にて音声
パラメータに分析され、２０３（１０３に対応）の出力
確率計算部において、２０４（ＨＭＭ格納部１０４に対
応）のＨＭＭの中の２０５（ＨＭＭS格納部１０５に対
応）の簡単なＨＭＭSを用いて出力確率を計算し、さら
に、認識に貢献しそうな音素のＨＭＭの状態を求め、そ
れら認識に貢献すると判断された音素の状態に対応する
２０６（ＨＭＭL格納部１０６に対応）の詳細なＨＭＭL
を用いて正確な出力確率を再計算し、それらを用いて、
２０７（１０７に対応）の言語探索部において、２０８
（１０８に対応）の文法辞書を用いて文法的に確認し、
２０９（表示部１０９に対応）に認識結果を出力する。
【００１９】以下、実施例の詳細を示す。
【００２０】本実施例は、認識に貢献度の高そうなクラ
スを分布数が少ないＨＭＭS（少数分布ＨＭＭ）を用い
て推定し、推定されたクラスだけを認識率が高いが分布
数が多く、計算量の多いＨＭＭL（多数分布ＨＭＭ）を
用いて再計算することにより、全音素をＨＭＭLで計算
する必要がなくなり、実際に計算する総分布数の削減を
図り、高速な音声認識を可能とする。
スを分布数が少ないＨＭＭS（少数分布ＨＭＭ）を用い
て推定し、推定されたクラスだけを認識率が高いが分布
数が多く、計算量の多いＨＭＭL（多数分布ＨＭＭ）を
用いて再計算することにより、全音素をＨＭＭLで計算
する必要がなくなり、実際に計算する総分布数の削減を
図り、高速な音声認識を可能とする。
【００２１】この方法は、ＨＭＭが１状態であれば非常
に簡単に適用できる。しかし、実際問題、音声認識に用
いられるＨＭＭはモデル内における特徴系列の時系変化
を表現するために、１状態のＨＭＭはあまり用いられな
い。また、１状態のＨＭＭでは良い性能が得られないこ
とも知られている。良い性能が得られる適当な状態数と
しては、一般には、ＨＭＭは複数状態（３〜４程度）の
ＨＭＭが多く用いられている。ＨＭＭが複数状態である
場合、状態出力確率と状態遷移確率で決まるそのクラス
の尤度は、各状態の継続時間により変わってしまい、貢
献度の高そうなＨＭＭを決定するための比較を均等にす
ることは簡単でなくなる問題が生じる。そこで、以下に
示す仮定を行なうことにより、上述のクラスをＨＭＭの
状態とし、考え方はそのまま適用できるようにした。ク
ラスを音素のような比較的短い単位とし、この短い単位
でＨＭＭを学習する場合、ＨＭＭの構造をｌｅｆｔ−ｔ
ｏ−ｒｉｇｈｔに統一し、かつ、状態数が３個程度であ
れば、分布数の異なるＨＭＭをそれぞれ独立に学習して
も、ＨＭＭの各状態が学習している区間がほぼ等しくな
り、このため、各状態が表現している特徴はほぼ等し
い。この結果、異なる分布数であっても、それぞれのＨ
ＭＭの状態に対応がとれる。
に簡単に適用できる。しかし、実際問題、音声認識に用
いられるＨＭＭはモデル内における特徴系列の時系変化
を表現するために、１状態のＨＭＭはあまり用いられな
い。また、１状態のＨＭＭでは良い性能が得られないこ
とも知られている。良い性能が得られる適当な状態数と
しては、一般には、ＨＭＭは複数状態（３〜４程度）の
ＨＭＭが多く用いられている。ＨＭＭが複数状態である
場合、状態出力確率と状態遷移確率で決まるそのクラス
の尤度は、各状態の継続時間により変わってしまい、貢
献度の高そうなＨＭＭを決定するための比較を均等にす
ることは簡単でなくなる問題が生じる。そこで、以下に
示す仮定を行なうことにより、上述のクラスをＨＭＭの
状態とし、考え方はそのまま適用できるようにした。ク
ラスを音素のような比較的短い単位とし、この短い単位
でＨＭＭを学習する場合、ＨＭＭの構造をｌｅｆｔ−ｔ
ｏ−ｒｉｇｈｔに統一し、かつ、状態数が３個程度であ
れば、分布数の異なるＨＭＭをそれぞれ独立に学習して
も、ＨＭＭの各状態が学習している区間がほぼ等しくな
り、このため、各状態が表現している特徴はほぼ等し
い。この結果、異なる分布数であっても、それぞれのＨ
ＭＭの状態に対応がとれる。
【００２２】この仮定が成り立つならば、少数分布ＨＭ
Ｍを用いて出力確率を計算し、確率が高くて認識に貢献
度の高そうなＨＭＭの状態を推定し、推定されたＨＭＭ
の状態に対応する多数分布のＨＭＭの状態を用いて、出
力確率を再計算することが可能となる。また、再計算さ
れない状態については、少数分布ＨＭＭより求めた推定
値をそのまま出力確率として利用できる。
Ｍを用いて出力確率を計算し、確率が高くて認識に貢献
度の高そうなＨＭＭの状態を推定し、推定されたＨＭＭ
の状態に対応する多数分布のＨＭＭの状態を用いて、出
力確率を再計算することが可能となる。また、再計算さ
れない状態については、少数分布ＨＭＭより求めた推定
値をそのまま出力確率として利用できる。
【００２３】具体的なアルゴリズムを以下に示し、その
説明のイメージ図を図３に、その認識過程の処理の流れ
を図４に示す。
説明のイメージ図を図３に、その認識過程の処理の流れ
を図４に示す。
【００２４】学習過程 音声データベース（音素ラベルと特徴パラメータ）を用
いて、音素毎に分布数の異なる２種類のＨＭＭ（少数分
布ＨＭＭSと多数分布ＨＭＭL）をＥＭ−ａｌｇｏｒｉｔ
ｈｍによりそれぞれ学習する。少数分布ＨＭＭSの分布
数をｓ、多数分布ＨＭＭLの分布数をｌとする（ｓ＜
ｌ）。この時の２種類のＨＭＭの構造（例：ｎ状態ｎル
ープ、本実施例においてはｎ＝３）は同一である。
いて、音素毎に分布数の異なる２種類のＨＭＭ（少数分
布ＨＭＭSと多数分布ＨＭＭL）をＥＭ−ａｌｇｏｒｉｔ
ｈｍによりそれぞれ学習する。少数分布ＨＭＭSの分布
数をｓ、多数分布ＨＭＭLの分布数をｌとする（ｓ＜
ｌ）。この時の２種類のＨＭＭの構造（例：ｎ状態ｎル
ープ、本実施例においてはｎ＝３）は同一である。
【００２５】認識過程 時刻ｔにおける特徴パラメータＯ（ｔ）に対して、全音
素（例：Ｍ音素）の全状態Ｊ（Ｊ＝Ｍ・ｎ）について、
各状態ｊ（ｊ＝１，２，・・・，Ｊ）毎の出力確率Ｐj
（Ｏ（ｔ））を求める（ステップ２０３１）。この際、
状態ｊの出力確率Ｐj（Ｏ（ｔ））は、少数分布ＨＭＭs
の状態（ｊ）を用いて、出力確率
素（例：Ｍ音素）の全状態Ｊ（Ｊ＝Ｍ・ｎ）について、
各状態ｊ（ｊ＝１，２，・・・，Ｊ）毎の出力確率Ｐj
（Ｏ（ｔ））を求める（ステップ２０３１）。この際、
状態ｊの出力確率Ｐj（Ｏ（ｔ））は、少数分布ＨＭＭs
の状態（ｊ）を用いて、出力確率
【００２６】
【外１】 を計算する。
【００２７】それら出力確率
【００２８】
【外２】 の上位のＮ個が認識に貢献すると仮定し、上位Ｎ個に対
応する状態ｊを求める（ステップ２３０２）。
応する状態ｊを求める（ステップ２３０２）。
【００２９】それら状態ｊに対応する多数分布ＨＭＭL
の状態ｊのみを用いて出力確率
の状態ｊのみを用いて出力確率
【００３０】
【外３】 を再計算する（ステップ２３０３）。
【００３１】多数分布ＨＭＭLより求めたＮ個の出力確
率
率
【００３２】
【外４】 とそれ以外（Ｊ−Ｍ個）の少数分布ＨＭＭSより求めた
出力確率
出力確率
【００３３】
【外５】 を各状態（ｊ）の出力確率Ｐj（Ｏ（ｔ））として用
い、認識処理を行なう。従って、必要とされる計算量の
総分布数Ｃは、以下の式で決まる。
い、認識処理を行なう。従って、必要とされる計算量の
総分布数Ｃは、以下の式で決まる。
【００３４】Ｃ＝Ｍ・ｎ・ｓ＋Ｎ・ｌ 例えば、従来の一種ＨＭＭでの認識方法によれば３状態
に分布（総分布数９００、第１位文認識率７９．０％）
や３状態１８分布（総分布数１３５０、第１位文認識率
８１．０％）であるが、本実施例によれば、３状態４分
布で予測し、３状態１８分布で１０状態を再計算した場
合にも、ほぼ同程度の認識率が得られるが、総分布数は
４８０に、また、３状態６分布で予測し３状態６分布で
予測し、３状態２４分布で１０状態を再計算した場合
も、ほぼ同程度の認識率が得られるが、総分布数は６９
０に、というように、計算量がほぼ半減してもほぼ同程
度の認識率が得られる。
に分布（総分布数９００、第１位文認識率７９．０％）
や３状態１８分布（総分布数１３５０、第１位文認識率
８１．０％）であるが、本実施例によれば、３状態４分
布で予測し、３状態１８分布で１０状態を再計算した場
合にも、ほぼ同程度の認識率が得られるが、総分布数は
４８０に、また、３状態６分布で予測し３状態６分布で
予測し、３状態２４分布で１０状態を再計算した場合
も、ほぼ同程度の認識率が得られるが、総分布数は６９
０に、というように、計算量がほぼ半減してもほぼ同程
度の認識率が得られる。
【００３５】尚、本実施例ではＨＭＭの構造を３状態に
統一した例について説明したが、先にも述べた様に、あ
る程度良い認識率と、適度な計算量となる、３〜４状態
付近であれば、本発明は３状態に限定されるものではな
い。
統一した例について説明したが、先にも述べた様に、あ
る程度良い認識率と、適度な計算量となる、３〜４状態
付近であれば、本発明は３状態に限定されるものではな
い。
【００３６】尚、本実施例では、分布数を少なくした簡
単なＨＭＭと分布数を多くした詳細なＨＭＭの２種類を
用いているが、これが多段階に分布数を変化させた複数
種のＨＭＭを用いても良いことは勿論である。
単なＨＭＭと分布数を多くした詳細なＨＭＭの２種類を
用いているが、これが多段階に分布数を変化させた複数
種のＨＭＭを用いても良いことは勿論である。
【００３７】尚、本実施例では、簡単なＨＭＭと詳細な
ＨＭＭの２種類を用いているため、出力確率の計算が二
段で行なわれているが、複数種のＨＭＭを用いた場合
に、ＨＭＭの種類数に合わせて出力確率の再計算を多段
で行なうようにしても良いことは勿論である。
ＨＭＭの２種類を用いているため、出力確率の計算が二
段で行なわれているが、複数種のＨＭＭを用いた場合
に、ＨＭＭの種類数に合わせて出力確率の再計算を多段
で行なうようにしても良いことは勿論である。
【００３８】尚、本実施例では、簡単なＨＭＭと詳細な
ＨＭＭの２種類を用いているため、出力確率の再計算が
上位Ｎ個のみ行なわれているが、例えば簡単なＨＭＭ
と、比較的詳細なＨＭＭと、さらに詳細なＨＭＭという
ような数種のＨＭＭを用いた場合に、簡単なＨＭＭで全
状態の出力確率を計算し、この出力確率の上位Ａ位から
Ｂ位（Ａ＜Ｂ）の（Ｂ−Ａ＋１）個を比較的詳細なＨＭ
Ｍで出力確率を再計算し、加えて、上位Ａ−１個は同様
にさらに詳細なＨＭＭを用いてさらに正確な出力確率を
再計算するようにしても良いことは勿論である。
ＨＭＭの２種類を用いているため、出力確率の再計算が
上位Ｎ個のみ行なわれているが、例えば簡単なＨＭＭ
と、比較的詳細なＨＭＭと、さらに詳細なＨＭＭという
ような数種のＨＭＭを用いた場合に、簡単なＨＭＭで全
状態の出力確率を計算し、この出力確率の上位Ａ位から
Ｂ位（Ａ＜Ｂ）の（Ｂ−Ａ＋１）個を比較的詳細なＨＭ
Ｍで出力確率を再計算し、加えて、上位Ａ−１個は同様
にさらに詳細なＨＭＭを用いてさらに正確な出力確率を
再計算するようにしても良いことは勿論である。
【００３９】また、簡単なＨＭＭと、比較的詳細なＨＭ
Ｍと、より詳細なＨＭＭというような数種のＨＭＭを用
いた場合に、まず簡単なＨＭＭを用いて全状態の出力確
率を計算し、その出力確率の上位Ｂ個の状態を比較的詳
細なＨＭＭで出力確率を再計算し、この再計算された出
力確率の中での上位Ａ個（Ａ＜Ｂ）の状態をより詳細な
ＨＭＭを用いて出力確率を再々計算し、これらの各ＨＭ
Ｍを用いて求めた出力確率を用いて認識処理を行うよう
にしても良いことは勿論である。
Ｍと、より詳細なＨＭＭというような数種のＨＭＭを用
いた場合に、まず簡単なＨＭＭを用いて全状態の出力確
率を計算し、その出力確率の上位Ｂ個の状態を比較的詳
細なＨＭＭで出力確率を再計算し、この再計算された出
力確率の中での上位Ａ個（Ａ＜Ｂ）の状態をより詳細な
ＨＭＭを用いて出力確率を再々計算し、これらの各ＨＭ
Ｍを用いて求めた出力確率を用いて認識処理を行うよう
にしても良いことは勿論である。
【００４０】（実施例２）図５は本実施例音声認識装置
の一構成図を示す。先に説明した実施例１と同様の構成
は図１と同番号を付し、ここでの説明は省略する。
の一構成図を示す。先に説明した実施例１と同様の構成
は図１と同番号を付し、ここでの説明は省略する。
【００４１】図１の構成と本実施例における装置の構成
と異なるのは、ＨＭＭ格納部１０４内に貢献度を予測す
るための音素環境独立型ＨＭＭであるＨＭＭI格納部２
１０５と、正確な出力確率を計算する音素環境依存型Ｈ
ＭＭであるＨＭＭDを格納するＨＭＭD格納部２１０６と
を備えている点である。
と異なるのは、ＨＭＭ格納部１０４内に貢献度を予測す
るための音素環境独立型ＨＭＭであるＨＭＭI格納部２
１０５と、正確な出力確率を計算する音素環境依存型Ｈ
ＭＭであるＨＭＭDを格納するＨＭＭD格納部２１０６と
を備えている点である。
【００４２】音声認識装置は、上記の構成を備え、図６
に示す流れにしたがって動作する。ここでも、実施例１
における図２と同処理を行う構成は同番号を付し、説明
は省略する。本実施例においては、２０３（１０３に対
応）の出力確率計算部において、２０４（ＨＭＭ格納部
１０４に対応）のＨＭＭの中の２０５（ＨＭＭI格納部
２ １０５に対応）の音素環境独立型ＨＭＭIを用いて
出力確率を計算し、さらに、この計算された出力確率の
高い、つまりは認識に貢献しそうなＨＭＭの状態を求
め、それら状態に対応する２０６（ＨＭＭD格納部２
１０６に対応）の音素環境依存型ＨＭＭDを用いて正確
な出力確率を再計算し、それらを用いて、２０７（１０
７に対応）の言語探索部において、２０８（１０８に対
応）の文法・辞書を用い、認識処理を行ない２０９（１
０９に対応）の認識結果を出力する。
に示す流れにしたがって動作する。ここでも、実施例１
における図２と同処理を行う構成は同番号を付し、説明
は省略する。本実施例においては、２０３（１０３に対
応）の出力確率計算部において、２０４（ＨＭＭ格納部
１０４に対応）のＨＭＭの中の２０５（ＨＭＭI格納部
２ １０５に対応）の音素環境独立型ＨＭＭIを用いて
出力確率を計算し、さらに、この計算された出力確率の
高い、つまりは認識に貢献しそうなＨＭＭの状態を求
め、それら状態に対応する２０６（ＨＭＭD格納部２
１０６に対応）の音素環境依存型ＨＭＭDを用いて正確
な出力確率を再計算し、それらを用いて、２０７（１０
７に対応）の言語探索部において、２０８（１０８に対
応）の文法・辞書を用い、認識処理を行ない２０９（１
０９に対応）の認識結果を出力する。
【００４３】以下、実施例の詳細を示す。
【００４４】本実施例は、認識に貢献度の高そうな音素
を音素独立型ＨＭＭを用いて推定し、推定された音素だ
けを認識率の高い音素環境依存型ＨＭＭを用いて再計算
し、実際に計算する総分布数の削減を図り、高速に音声
認識を行なうものである。
を音素独立型ＨＭＭを用いて推定し、推定された音素だ
けを認識率の高い音素環境依存型ＨＭＭを用いて再計算
し、実際に計算する総分布数の削減を図り、高速に音声
認識を行なうものである。
【００４５】本実施例においても、実施例１と同様の理
由により、３状態のＨＭＭを用いる。
由により、３状態のＨＭＭを用いる。
【００４６】具体的なアルゴリズムを以下に示し、その
説明のイメージ図を図７に、その認識過程の処理の流れ
を図８に示す。
説明のイメージ図を図７に、その認識過程の処理の流れ
を図８に示す。
【００４７】学習過程 音声データベース（音素ラベルと特徴パラメータおよび
音素環境依存ラベルと特徴パラメータ）を用いて、音素
環境独立型ＨＭＭI（ｍ個）と幾つか音素環境依存型Ｈ
ＭＭD（Ｍ個）（ｍ＜＜Ｍ）をＥＭ−ａｌｇｏｒｉｔｈ
ｍによりそれぞれ学習する。この時の２種類のＨＭＭの
構造（例：ｎ状態ｎループ、本実施例においてはｎ＝
３）は同一である。
音素環境依存ラベルと特徴パラメータ）を用いて、音素
環境独立型ＨＭＭI（ｍ個）と幾つか音素環境依存型Ｈ
ＭＭD（Ｍ個）（ｍ＜＜Ｍ）をＥＭ−ａｌｇｏｒｉｔｈ
ｍによりそれぞれ学習する。この時の２種類のＨＭＭの
構造（例：ｎ状態ｎループ、本実施例においてはｎ＝
３）は同一である。
【００４８】認識過程 時刻ｔにおける特徴パラメータＯ（ｔ）に対して、全音
素（例：ｍ音素）の全状態ｊ（ｊ＝ｎ・ｍ）について、
各状態ｉ（ｉ＝１，２，・・・，ｊ）毎の出力確率Ｐi
（Ｏ（ｔ））を求める（ステップ２０３１）。音素環境
依存型ＨＭＭ（Ｍ個）の全状態はｋ＝ｎＭ個（ｊ＜＜
ｋ）である。この際、状態ｉの出力確率Ｐi（Ｏ
（ｔ））は、音素環境独立型ＨＭＭIの状態（ｉ）を用
いて、出力確率
素（例：ｍ音素）の全状態ｊ（ｊ＝ｎ・ｍ）について、
各状態ｉ（ｉ＝１，２，・・・，ｊ）毎の出力確率Ｐi
（Ｏ（ｔ））を求める（ステップ２０３１）。音素環境
依存型ＨＭＭ（Ｍ個）の全状態はｋ＝ｎＭ個（ｊ＜＜
ｋ）である。この際、状態ｉの出力確率Ｐi（Ｏ
（ｔ））は、音素環境独立型ＨＭＭIの状態（ｉ）を用
いて、出力確率
【００４９】
【外６】 を計算する。
【００５０】それら出力確率
【００５１】
【外７】 の上位のｌ（ｌ≧１）個（ｌ＜ｊ）が認識に貢献すると
仮定し、上位ｌ個に対応する状態ｉを求め（ステップ２
０３２）、それに対応する音素環境依存型ＨＭＭDの
仮定し、上位ｌ個に対応する状態ｉを求め（ステップ２
０３２）、それに対応する音素環境依存型ＨＭＭDの
【００５２】
【外８】 を求める（ステップ２０３５）。この際、言語探索処理
上で照合する必要のある音素環境依存型ＨＭＭDのみを
考慮する。
上で照合する必要のある音素環境依存型ＨＭＭDのみを
考慮する。
【００５３】音素環境依存型ＨＭＭDの状態Ｌのみを用
いて出力確率
いて出力確率
【００５４】
【外９】 を再計算する（ステップ２０３６）。
【００５５】音素環境依存型ＨＭＭDより求めたｐ個の
出力確率
出力確率
【００５６】
【外１０】 とそれ以外（ｋ−ｐ個）の出力確率（これらは、音素環
境独立型ＨＭＭIより求めた出力確率を
境独立型ＨＭＭIより求めた出力確率を
【００５７】
【外１１】 の対応する音素環境依存型ＨＭＭの状態の出力確率に代
入する。）を、出力確率Ｐi（Ｏ（ｔ））として用い、
認識処理を行なう。従って、計算される総状態数Ｃは、
以下の式で決まる。
入する。）を、出力確率Ｐi（Ｏ（ｔ））として用い、
認識処理を行なう。従って、計算される総状態数Ｃは、
以下の式で決まる。
【００５８】Ｃ＝ｉ＋ｐ（Ｃ＜＜ｋ）
【００５９】
【発明の効果】本発明により、連続ＨＭＭを用いた音声
認識方式および装置において、認識率を下げることな
く、出力確率計算を簡単に高速化でき、また更に以下の
メリットをもつ。 ・従来通りの方法でＨＭＭが簡単に学習できる。 ・実時間向き処理で、従来のＶｉｔｅｒｂｉ Ｓｅａｒ
ｃｈ等に簡単に組み込むことができる。 ・環境依存型ＨＭＭのみを用いた時と同等の性能が得ら
れる可能性がある。 ・状態数の計算量が簡単に決まる。 ・その組み合せによっては、大幅に計算する総状態数を
削減できる。 ・オーバーホッド（出力確率の高い順にｌ個求める計算
と音素環境独立型ＨＭＭにより計算したｌ個の推定計
算）がほとんど無い。
認識方式および装置において、認識率を下げることな
く、出力確率計算を簡単に高速化でき、また更に以下の
メリットをもつ。 ・従来通りの方法でＨＭＭが簡単に学習できる。 ・実時間向き処理で、従来のＶｉｔｅｒｂｉ Ｓｅａｒ
ｃｈ等に簡単に組み込むことができる。 ・環境依存型ＨＭＭのみを用いた時と同等の性能が得ら
れる可能性がある。 ・状態数の計算量が簡単に決まる。 ・その組み合せによっては、大幅に計算する総状態数を
削減できる。 ・オーバーホッド（出力確率の高い順にｌ個求める計算
と音素環境独立型ＨＭＭにより計算したｌ個の推定計
算）がほとんど無い。
【図１】本発明による実施例１の構成図
【図２】本発明による実施例１の処理の流れ図
【図３】実施例１のイメージ図
【図４】実施例１の出力計算法の図
【図５】実施例２の構成図
【図６】実施例２の処理の流れ図
【図７】実施例２のイメージ図
【図８】実施例２の出力計算法の図
Claims (15)
- 【請求項１】 混合連続出力確率分布型ＨＭＭを用いて
音声認識を行う音声認識方法であって、 同クラスについて少数の分布からなるＨＭＭと多数の分
布からなるＨＭＭとを備え、 入力音声を前記少数の分布からなるＨＭＭを用いて出力
確率を計算し、 前記計算された出力確率に従って選ばれる前記多数の分
布からなるＨＭＭを用いて前記入力音声の出力確率を計
算し、 前記計算された両出力確率により前記入力音声を認識す
ることを特徴とする音声認識方法。 - 【請求項２】 混合連続出力確率分布がたＨＭＭを用い
た音声認識方法であって、出力確率計算において、同ク
ラスのＨＭＭに少なくとも２種類のＨＭＭを用い、その
１種を少量計算の簡単なＨＭＭとし、その他の種のＨＭ
Ｍを詳細なＨＭＭとし、 先ず、簡単なＨＭＭで出力確率を計算し、 音声認識に貢献しそうな状態を、詳細なＨＭＭを用いて
出力確率を再計算することを特徴とする音声認識方法。 - 【請求項３】 前記簡単なＨＭＭに少数の分布からなる
ＨＭＭを用い、前記その他の種である詳細なＨＭＭに多
数分布からなるＨＭＭを用いることを特徴とする請求項
１に記載の音声認識方法。 - 【請求項４】 前記２種のＨＭＭの構造を同一とし、か
つ、各々の状態ごとに対応がとれ、出力確率をとりかえ
得ることを特徴とする請求項１に記載の音声認識方法。 - 【請求項５】 前記音声認識に貢献しそうな状態は、簡
単なＨＭＭで計算した出力確率の大きい順にＮ個、もし
くは最大出力確率より閾値内であるものとすることを特
徴とする請求項１に記載の音声認識方法。 - 【請求項６】 簡単なＨＭＭで計算した出力確率の上位
Ｍ個を音声認識に貢献すると判断し、詳細なＨＭＭで出
力確率を計算し、さらに、その中のＮ個（Ｎ＜Ｍ）を同
様にさらに詳細なＨＭＭを用いて、より正確な出力確率
を多段で求めることを特徴とする請求項１に記載の音声
認識方法。 - 【請求項７】簡単なＨＭＭで計算した出力確率の上位Ｎ
個からＭ個（Ｎ＜Ｍ）を比較的詳細なＨＭＭで出力確率
を計算し、加えて、上位Ｎ個は同様にさらに詳細なＨＭ
Ｍを用いてより正確な出力確率を２段で求めることを特
徴とする請求項１に記載の音声認識方法。 - 【請求項８】 再計算されない出力確率に関しては、簡
単なＨＭＭより求めた出力確率を用いることを特徴とす
る請求項１に記載の音声認識方法。 - 【請求項９】 混合連続出力確率分布型ＨＭＭを用いて
音声認識を行う音声認識方法であって、 同クラスについて音素環境独立型ＨＭＭと音素環境依存
型ＨＭＭとを備え、 入力音声を前記音素環境独立型ＨＭＭを用いて出力確率
を計算し、 前記計算された出力確率に従って選ばれる前記音素環境
依存型ＨＭＭを用いて前記入力音声の出力確率を計算
し、 前記計算された両出力確率により前記入力音声を認識す
ることを特徴とする音声認識方法。 - 【請求項１０】 混合連続出力確率分布型ＨＭＭを用い
た音声認識であって、出力確率計算において、同音素ク
ラスのＨＭＭに２種類のＨＭＭを用い、その１種を音素
環境独立型ＨＭＭとし、他方をその音素環境に依存した
複数のＨＭＭが音素環境依存型ＨＭＭとし、 先ず、音素環境独立型ＨＭＭで出力確率を計算し、 音声認識に貢献しそうな状態を、音素環境依存型ＨＭＭ
を用いて出力確率を計算することを特徴とする音声認識
方法。 - 【請求項１１】 同クラスのＨＭＭに少なくとも２種類
のＨＭＭを用いる際、それらＨＭＭの構造を同一とし、
かつ、各々の状態ごとに対応がされ、出力確率をとりか
え得ることを特徴とする請求項１０に記載の音声認識方
法。 - 【請求項１２】 前記音声認識に貢献しそうな状態は、
前記音素環境独立型ＨＭＭを用いて求めた出力確率の大
きい順にＮ個、もしくは最大出力確率より閾値内である
ものとすることを特徴とする請求項１０に記載の音声認
識方法。 - 【請求項１３】 前記音素独立型ＨＭＭで計算した出力
確率の上位Ｎ個を音声認識に貢献するとすることを特徴
とする請求項１０に記載の音声認識方法。 - 【請求項１４】 音素環境依存型ＨＭＭを用いて出力確
率を計算する際、再計算する音素環境依存型ＨＭＭは、
文法辞書の情報に基づいたもので、音素環境依存型ＨＭ
Ｍが言語探索において用いられるときに、その音素環境
依存型ＨＭＭを計算することを特徴とする請求項１０に
記載の音声認識方法。 - 【請求項１５】 再計算されない出力確率に関しては、
音素環境独立型ＨＭＭより求めた出力確率を用いること
を特徴とする請求項１０に記載の音声認識方法。
Priority Applications (4)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP24400594A JP3581401B2 (ja) | 1994-10-07 | 1994-10-07 | 音声認識方法 |
| US08/529,436 US5787396A (en) | 1994-10-07 | 1995-09-18 | Speech recognition method |
| DE69519840T DE69519840T2 (de) | 1994-10-07 | 1995-09-29 | Einrichtung und Verfahren zur Spracherkennung |
| EP95306890A EP0706171B1 (en) | 1994-10-07 | 1995-09-29 | Speech recognition method and apparatus |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP24400594A JP3581401B2 (ja) | 1994-10-07 | 1994-10-07 | 音声認識方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPH08110791A true JPH08110791A (ja) | 1996-04-30 |
| JP3581401B2 JP3581401B2 (ja) | 2004-10-27 |
Family
ID=17112303
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP24400594A Expired - Fee Related JP3581401B2 (ja) | 1994-10-07 | 1994-10-07 | 音声認識方法 |
Country Status (4)
| Country | Link |
|---|---|
| US (1) | US5787396A (ja) |
| EP (1) | EP0706171B1 (ja) |
| JP (1) | JP3581401B2 (ja) |
| DE (1) | DE69519840T2 (ja) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR100464428B1 (ko) * | 2002-08-12 | 2005-01-03 | 삼성전자주식회사 | 음성 인식 장치 |
| JP2006011257A (ja) * | 2004-06-29 | 2006-01-12 | Canon Inc | 音声認識装置および方法 |
| US7058580B2 (en) | 2000-05-24 | 2006-06-06 | Canon Kabushiki Kaisha | Client-server speech processing system, apparatus, method, and storage medium |
| JP2008175976A (ja) * | 2007-01-17 | 2008-07-31 | Nec Corp | 信号処理装置、信号処理方法および信号処理プログラム |
Families Citing this family (37)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5937384A (en) * | 1996-05-01 | 1999-08-10 | Microsoft Corporation | Method and system for speech recognition using continuous density hidden Markov models |
| US5963903A (en) * | 1996-06-28 | 1999-10-05 | Microsoft Corporation | Method and system for dynamically adjusted training for speech recognition |
| JPH10161692A (ja) * | 1996-12-03 | 1998-06-19 | Canon Inc | 音声認識装置及び音声認識方法 |
| JPH10187195A (ja) * | 1996-12-26 | 1998-07-14 | Canon Inc | 音声合成方法および装置 |
| US5857173A (en) * | 1997-01-30 | 1999-01-05 | Motorola, Inc. | Pronunciation measurement device and method |
| JPH10254486A (ja) | 1997-03-13 | 1998-09-25 | Canon Inc | 音声認識装置および方法 |
| JP3962445B2 (ja) | 1997-03-13 | 2007-08-22 | キヤノン株式会社 | 音声処理方法及び装置 |
| US6073098A (en) | 1997-11-21 | 2000-06-06 | At&T Corporation | Method and apparatus for generating deterministic approximate weighted finite-state automata |
| JP3902860B2 (ja) * | 1998-03-09 | 2007-04-11 | キヤノン株式会社 | 音声合成制御装置及びその制御方法、コンピュータ可読メモリ |
| JP3884856B2 (ja) | 1998-03-09 | 2007-02-21 | キヤノン株式会社 | 音声合成用データ作成装置、音声合成装置及びそれらの方法、コンピュータ可読メモリ |
| EP0953971A1 (en) * | 1998-05-01 | 1999-11-03 | Entropic Cambridge Research Laboratory Ltd. | Speech recognition system and method |
| US6061653A (en) * | 1998-07-14 | 2000-05-09 | Alcatel Usa Sourcing, L.P. | Speech recognition system using shared speech models for multiple recognition processes |
| JP2000047696A (ja) | 1998-07-29 | 2000-02-18 | Canon Inc | 情報処理方法及び装置、その記憶媒体 |
| US6725195B2 (en) * | 1998-08-25 | 2004-04-20 | Sri International | Method and apparatus for probabilistic recognition using small number of state clusters |
| US6246982B1 (en) * | 1999-01-26 | 2001-06-12 | International Business Machines Corporation | Method for measuring distance between collections of distributions |
| JP3969908B2 (ja) | 1999-09-14 | 2007-09-05 | キヤノン株式会社 | 音声入力端末器、音声認識装置、音声通信システム及び音声通信方法 |
| JP2001282278A (ja) * | 2000-03-31 | 2001-10-12 | Canon Inc | 音声情報処理装置及びその方法と記憶媒体 |
| JP3728172B2 (ja) | 2000-03-31 | 2005-12-21 | キヤノン株式会社 | 音声合成方法および装置 |
| JP3814459B2 (ja) * | 2000-03-31 | 2006-08-30 | キヤノン株式会社 | 音声認識方法及び装置と記憶媒体 |
| JP4632384B2 (ja) * | 2000-03-31 | 2011-02-16 | キヤノン株式会社 | 音声情報処理装置及びその方法と記憶媒体 |
| US7039588B2 (en) * | 2000-03-31 | 2006-05-02 | Canon Kabushiki Kaisha | Synthesis unit selection apparatus and method, and storage medium |
| US6662158B1 (en) | 2000-04-27 | 2003-12-09 | Microsoft Corporation | Temporal pattern recognition method and apparatus utilizing segment and frame-based models |
| US6629073B1 (en) * | 2000-04-27 | 2003-09-30 | Microsoft Corporation | Speech recognition method and apparatus utilizing multi-unit models |
| JP4280505B2 (ja) * | 2003-01-20 | 2009-06-17 | キヤノン株式会社 | 情報処理装置及び情報処理方法 |
| JP4587160B2 (ja) * | 2004-03-26 | 2010-11-24 | キヤノン株式会社 | 信号処理装置および方法 |
| EP1741092B1 (fr) * | 2004-04-20 | 2008-06-11 | France Télécom | Reconnaissance vocale par modelisation contextuelle d'unites vocales |
| JP4298672B2 (ja) * | 2005-04-11 | 2009-07-22 | キヤノン株式会社 | 混合分布ｈｍｍの状態の出力確率計算方法および装置 |
| US7970613B2 (en) | 2005-11-12 | 2011-06-28 | Sony Computer Entertainment Inc. | Method and system for Gaussian probability data bit reduction and computation |
| KR100943236B1 (ko) * | 2006-02-14 | 2010-02-18 | 에스케이에너지 주식회사 | 용융파단 특성이 우수한 폴리올레핀 미세다공막 및 그제조방법 |
| US7877256B2 (en) * | 2006-02-17 | 2011-01-25 | Microsoft Corporation | Time synchronous decoding for long-span hidden trajectory model |
| US8010358B2 (en) * | 2006-02-21 | 2011-08-30 | Sony Computer Entertainment Inc. | Voice recognition with parallel gender and age normalization |
| US7778831B2 (en) | 2006-02-21 | 2010-08-17 | Sony Computer Entertainment Inc. | Voice recognition with dynamic filter bank adjustment based on speaker categorization determined from runtime pitch |
| US8543393B2 (en) * | 2008-05-20 | 2013-09-24 | Calabrio, Inc. | Systems and methods of improving automated speech recognition accuracy using statistical analysis of search terms |
| US8788256B2 (en) * | 2009-02-17 | 2014-07-22 | Sony Computer Entertainment Inc. | Multiple language voice recognition |
| US8442833B2 (en) * | 2009-02-17 | 2013-05-14 | Sony Computer Entertainment Inc. | Speech processing with source location estimation using signals from two or more microphones |
| US8442829B2 (en) * | 2009-02-17 | 2013-05-14 | Sony Computer Entertainment Inc. | Automatic computation streaming partition for voice recognition on multiple processors with limited memory |
| US9153235B2 (en) | 2012-04-09 | 2015-10-06 | Sony Computer Entertainment Inc. | Text dependent speaker recognition with long-term feature based on functional data analysis |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH0833739B2 (ja) * | 1990-09-13 | 1996-03-29 | 三菱電機株式会社 | パターン表現モデル学習装置 |
| US5199077A (en) * | 1991-09-19 | 1993-03-30 | Xerox Corporation | Wordspotting for voice editing and indexing |
| JPH05257492A (ja) * | 1992-03-13 | 1993-10-08 | Toshiba Corp | 音声認識方式 |
-
1994
- 1994-10-07 JP JP24400594A patent/JP3581401B2/ja not_active Expired - Fee Related
-
1995
- 1995-09-18 US US08/529,436 patent/US5787396A/en not_active Expired - Lifetime
- 1995-09-29 EP EP95306890A patent/EP0706171B1/en not_active Expired - Lifetime
- 1995-09-29 DE DE69519840T patent/DE69519840T2/de not_active Expired - Lifetime
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7058580B2 (en) | 2000-05-24 | 2006-06-06 | Canon Kabushiki Kaisha | Client-server speech processing system, apparatus, method, and storage medium |
| KR100464428B1 (ko) * | 2002-08-12 | 2005-01-03 | 삼성전자주식회사 | 음성 인식 장치 |
| JP2006011257A (ja) * | 2004-06-29 | 2006-01-12 | Canon Inc | 音声認識装置および方法 |
| JP2008175976A (ja) * | 2007-01-17 | 2008-07-31 | Nec Corp | 信号処理装置、信号処理方法および信号処理プログラム |
Also Published As
| Publication number | Publication date |
|---|---|
| DE69519840T2 (de) | 2001-06-28 |
| DE69519840D1 (de) | 2001-02-15 |
| US5787396A (en) | 1998-07-28 |
| EP0706171A1 (en) | 1996-04-10 |
| JP3581401B2 (ja) | 2004-10-27 |
| EP0706171B1 (en) | 2001-01-10 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JPH08110791A (ja) | 音声認識方法 | |
| KR100800367B1 (ko) | 음성 인식 시스템의 작동 방법, 컴퓨터 시스템 및 프로그램을 갖춘 컴퓨터 판독 가능 저장 매체 | |
| CN101989424B (zh) | 语音处理设备和方法 | |
| KR100651957B1 (ko) | 음성 인식에서 무음을 사용한 시스템 | |
| US7437288B2 (en) | Speech recognition apparatus | |
| JPH1097276A (ja) | 音声認識方法及び装置並びに記憶媒体 | |
| JP3459712B2 (ja) | 音声認識方法及び装置及びコンピュータ制御装置 | |
| WO2008001485A1 (en) | Language model generating system, language model generating method, and language model generating program | |
| US7050975B2 (en) | Method of speech recognition using time-dependent interpolation and hidden dynamic value classes | |
| US6725196B2 (en) | Pattern matching method and apparatus | |
| US7072835B2 (en) | Method and apparatus for speech recognition | |
| JP3061114B2 (ja) | 音声認識装置 | |
| JP2002358097A (ja) | 音声認識装置 | |
| JP5914119B2 (ja) | 音響モデル性能評価装置とその方法とプログラム | |
| JP4659541B2 (ja) | 音声認識装置及び音声認識プログラム | |
| JP2852210B2 (ja) | 不特定話者モデル作成装置及び音声認識装置 | |
| JPH08110792A (ja) | 話者適応化装置及び音声認識装置 | |
| JP3563018B2 (ja) | 音声認識装置および音声認識方法、並びに、プログラム記録媒体 | |
| JP2003058184A (ja) | 機器制御システム、音声認識装置及び方法、並びにプログラム | |
| JP2003005787A (ja) | 音声認識装置および音声認識プログラム | |
| JP2005091504A (ja) | 音声認識装置 | |
| JP2003323196A (ja) | 音声認識システム、音声認識方法および音声認識用プログラム | |
| JPH10143190A (ja) | 音声認識装置 | |
| JP2003345384A (ja) | 音声認識装置、音声認識方法および音声認識プログラム | |
| JP3841342B2 (ja) | 音声認識装置および音声認識プログラム |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20040302 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20040309 |
|
| A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20040510 |
|
| TRDD | Decision of grant or rejection written | ||
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20040720 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20040723 |
|
| R150 | Certificate of patent or registration of utility model |
Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20080730 Year of fee payment: 4 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20080730 Year of fee payment: 4 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20090730 Year of fee payment: 5 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20090730 Year of fee payment: 5 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20100730 Year of fee payment: 6 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20100730 Year of fee payment: 6 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20110730 Year of fee payment: 7 |
|
| LAPS | Cancellation because of no payment of annual fees |