JPH0876787A - 音声認識方法およびこの方法を実施する装置 - Google Patents
音声認識方法およびこの方法を実施する装置Info
- Publication number
- JPH0876787A JPH0876787A JP6213556A JP21355694A JPH0876787A JP H0876787 A JPH0876787 A JP H0876787A JP 6213556 A JP6213556 A JP 6213556A JP 21355694 A JP21355694 A JP 21355694A JP H0876787 A JPH0876787 A JP H0876787A
- Authority
- JP
- Japan
- Prior art keywords
- sentence
- probability
- grammar
- hypothesis
- sentence hypothesis
- 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】 文仮説生成に使用した文法規則の系列の確率
を参照して出力されるべき文の構造を一意的に決定する
ことができる文脈自由文法に基づく音声認識方法および
装置を提供する。 【構成】 文脈自由文法１１０に基づいて文仮説１２０
を生成する文仮説生成部１００を具備し、文仮説生成に
使用された文法規則系列１３０の確率を計算する規則列
確率計算部１４０を具備し、文仮説１２０と入力音声１
７０との間の照合確率を計算する音声照合部１６０を具
備し、文法規則系列の確率１５０と文仮説と入力音声と
の間の照合確率の積を最大にする文を認識結果１８０と
して出力する音声認識方法および装置。
を参照して出力されるべき文の構造を一意的に決定する
ことができる文脈自由文法に基づく音声認識方法および
装置を提供する。 【構成】 文脈自由文法１１０に基づいて文仮説１２０
を生成する文仮説生成部１００を具備し、文仮説生成に
使用された文法規則系列１３０の確率を計算する規則列
確率計算部１４０を具備し、文仮説１２０と入力音声１
７０との間の照合確率を計算する音声照合部１６０を具
備し、文法規則系列の確率１５０と文仮説と入力音声と
の間の照合確率の積を最大にする文を認識結果１８０と
して出力する音声認識方法および装置。
Description
【０００１】
【産業上の利用分野】この発明は、音声認識方法および
この方法を実施する装置に関し、特に、音声を認識して
その内容を表わす文を出力する音声認識方法およびこの
方法を実施する装置に関する。
この方法を実施する装置に関し、特に、音声を認識して
その内容を表わす文を出力する音声認識方法およびこの
方法を実施する装置に関する。
【０００２】
【従来の技術】文脈自由文法に基づく音声認識方法およ
び装置の従来例を図２を参照して説明する。図２におい
て、２００は文仮説生成部であり、２１０は文仮説生成
部２００に対して与えられる文脈自由文法を一般的に示
す参照符号である。文仮説生成部２００は与えられる文
脈自由文法２１０に基づいて文仮説を生成する。
び装置の従来例を図２を参照して説明する。図２におい
て、２００は文仮説生成部であり、２１０は文仮説生成
部２００に対して与えられる文脈自由文法を一般的に示
す参照符号である。文仮説生成部２００は与えられる文
脈自由文法２１０に基づいて文仮説を生成する。
【０００３】文脈自由文法２１０の簡単な例を図３を参
照して説明する。図３に示される文脈自由文法の例は１
２個の文法規則により構成されている。各文法規則は矢
印の左辺の記号を右辺の記号列に置き換える操作を表わ
している。これら文法規則の内の規則３０３、３０５、
３０６、３０８、３１１に基づいて、これらの規則をこ
の順に順次に適用することにより次の様な文仮説を生成
することができる。
照して説明する。図３に示される文脈自由文法の例は１
２個の文法規則により構成されている。各文法規則は矢
印の左辺の記号を右辺の記号列に置き換える操作を表わ
している。これら文法規則の内の規則３０３、３０５、
３０６、３０８、３１１に基づいて、これらの規則をこ
の順に順次に適用することにより次の様な文仮説を生成
することができる。
【０００４】文 → 名詞節 動詞 （規則３０
３） → 名詞 助詞 動詞 （規則３０５） → buNka ga tsutawaru（文化が伝わる）（規則３０
６、３０８、３１１） 文仮説生成部２００は上述と同様にして多数の文仮説を
生成する。２３０は音声照合部であり、文仮説生成部２
００により生成された文仮説が送り込まれる。そして、
２４０は入力音声を示す参照符号である。音声照合部２
３０は、文仮説生成部２００から送り込まれる各文仮説
と入力音声２４０との間の照合確率を計算し、照合確率
を最大にする２５０により示される文を認識結果として
文出力する。音声照合部２３０において実行される照合
確率の計算には隠れマルコフモデルを使用することがで
きる。
３） → 名詞 助詞 動詞 （規則３０５） → buNka ga tsutawaru（文化が伝わる）（規則３０
６、３０８、３１１） 文仮説生成部２００は上述と同様にして多数の文仮説を
生成する。２３０は音声照合部であり、文仮説生成部２
００により生成された文仮説が送り込まれる。そして、
２４０は入力音声を示す参照符号である。音声照合部２
３０は、文仮説生成部２００から送り込まれる各文仮説
と入力音声２４０との間の照合確率を計算し、照合確率
を最大にする２５０により示される文を認識結果として
文出力する。音声照合部２３０において実行される照合
確率の計算には隠れマルコフモデルを使用することがで
きる。
【０００５】隠れマルコフモデルの一例を図４に示す。
隠れマルコフモデルは４００により示される幾つかの状
態とこれらを結ぶ４１０により示される遷移から成り、
各遷移４１０には遷移確率と出力確率が付与される。隠
れマルコフモデルを音素毎に用意しておいて、それらを
図５に示される如くに接続することにより、任意の単語
或は文について隠れマルコフモデルを合成することがで
きる。音声照合部２３０は、文仮説に相当する隠れマル
コフモデルを合成し、これと入力音声との間の照合確率
を計算する。入力音声の特徴時系列をｓ（ｔ）、ｔ＝
１，・・・，Ｔとする。或る文仮説の隠れマルコフモデ
ルがＩ個の状態を有し、その状態ｉから状態ｊへの遷移
確率をａ（ｉ，ｊ）、そのときに特徴ｓが出力される確
率をｂ（ｉ，ｊ，ｓ）とする。このとき照合確率Ｐは次
式により計算される。
隠れマルコフモデルは４００により示される幾つかの状
態とこれらを結ぶ４１０により示される遷移から成り、
各遷移４１０には遷移確率と出力確率が付与される。隠
れマルコフモデルを音素毎に用意しておいて、それらを
図５に示される如くに接続することにより、任意の単語
或は文について隠れマルコフモデルを合成することがで
きる。音声照合部２３０は、文仮説に相当する隠れマル
コフモデルを合成し、これと入力音声との間の照合確率
を計算する。入力音声の特徴時系列をｓ（ｔ）、ｔ＝
１，・・・，Ｔとする。或る文仮説の隠れマルコフモデ
ルがＩ個の状態を有し、その状態ｉから状態ｊへの遷移
確率をａ（ｉ，ｊ）、そのときに特徴ｓが出力される確
率をｂ（ｉ，ｊ，ｓ）とする。このとき照合確率Ｐは次
式により計算される。
【０００６】P＝α(I,T) 但し、αは次式の様に定義される量である。 α(i,t) ＝Σj α（j,t-1)a(i,j)b(i,j,s(t))(i ＝
1,...,I,ｔ＝2,...,T) α(i,1) ＝0(i＝2,...,I) α(1,1) ＝1 音声照合部２３０は、この様にして各文仮説の隠れマル
コフモデルと入力音声との間の照合確率を計算し、この
照合確率を最大にする文を認識結果として出力する。
1,...,I,ｔ＝2,...,T) α(i,1) ＝0(i＝2,...,I) α(1,1) ＝1 音声照合部２３０は、この様にして各文仮説の隠れマル
コフモデルと入力音声との間の照合確率を計算し、この
照合確率を最大にする文を認識結果として出力する。
【０００７】
【発明が解決しようとする課題】文脈自由文法に基づく
音声認識方法および装置の従来例には、文法が曖昧性を
有する場合、文の構造を一意的に決定することができな
いという問題があった。例えば、図３に示される文脈自
由文法は「ぶんかがきたからつたわる」という音声入力
に対して「文化が北から伝わる」および「文化が来たか
ら伝わる」という複数の認識結果を出力し、文の構造を
一意的に決定することができない。
音声認識方法および装置の従来例には、文法が曖昧性を
有する場合、文の構造を一意的に決定することができな
いという問題があった。例えば、図３に示される文脈自
由文法は「ぶんかがきたからつたわる」という音声入力
に対して「文化が北から伝わる」および「文化が来たか
ら伝わる」という複数の認識結果を出力し、文の構造を
一意的に決定することができない。
【０００８】この発明は、文仮説生成に使用される文法
規則系列の確率と文仮説と入力音声との間の照合確率の
積を最大にする文を認識結果として出力することによ
り、文脈自由文法が曖昧性を有する場合であっても、文
の構造を一意的に決定することができる音声認識方法お
よび装置を提供するものである。
規則系列の確率と文仮説と入力音声との間の照合確率の
積を最大にする文を認識結果として出力することによ
り、文脈自由文法が曖昧性を有する場合であっても、文
の構造を一意的に決定することができる音声認識方法お
よび装置を提供するものである。
【０００９】
【課題を解決するための手段】文脈自由文法に基づいて
生成された文仮説を文仮説生成に使用した文法規則の系
列の確率を参照して出力する音声認識方法を構成した。
そして、文脈自由文法１１０に基づいて文仮説１２０を
生成する文仮説生成部１００を具備し、文仮説生成に使
用された文法規則系列１３０の確率を計算する規則列確
率計算部１４０を具備し、文仮説１２０と入力音声１７
０との間の照合確率を計算する音声照合部１６０を具備
し、文法規則系列の確率１５０と文仮説と入力音声との
間の照合確率の積を最大にする文を認識結果１８０とし
て出力する音声認識装置を構成した。
生成された文仮説を文仮説生成に使用した文法規則の系
列の確率を参照して出力する音声認識方法を構成した。
そして、文脈自由文法１１０に基づいて文仮説１２０を
生成する文仮説生成部１００を具備し、文仮説生成に使
用された文法規則系列１３０の確率を計算する規則列確
率計算部１４０を具備し、文仮説１２０と入力音声１７
０との間の照合確率を計算する音声照合部１６０を具備
し、文法規則系列の確率１５０と文仮説と入力音声との
間の照合確率の積を最大にする文を認識結果１８０とし
て出力する音声認識装置を構成した。
【００１０】上述の音声認識装置において、文法規則系
列の確率の計算および文仮説と入力音声との間の照合確
率の計算をするに際して隠れマルコフモデルを使用する
音声認識装置を構成した。
列の確率の計算および文仮説と入力音声との間の照合確
率の計算をするに際して隠れマルコフモデルを使用する
音声認識装置を構成した。
【００１１】
【実施例】この発明の実施例を図１を参照して説明す
る。図１において、文仮説生成部１００は与えられる文
脈自由文法１１０に基づいて文仮説を生成する。例え
ば、図３に示される文脈自由文法の規則の系列（３０
４，３０５，３０６，３０８，３０５，３０７，３０
９，３１１）に基づいて、これらの規則をこの順に順次
適用することにより、次の様な文仮説を生成することが
できる。
る。図１において、文仮説生成部１００は与えられる文
脈自由文法１１０に基づいて文仮説を生成する。例え
ば、図３に示される文脈自由文法の規則の系列（３０
４，３０５，３０６，３０８，３０５，３０７，３０
９，３１１）に基づいて、これらの規則をこの順に順次
適用することにより、次の様な文仮説を生成することが
できる。
【００１２】文 → 名詞節 名詞節 動詞
（規則３０４） → 名詞 助詞 名詞節 動詞 （規則３０
５） → buNka ga 名詞節 動詞 （規則３０
６，３０８） → buNka ga 名詞 助詞 動詞 （規則３０
５） → buNka ga kita kara tsutawaru （規則３０
７，３０９，３１１） （文化が北から伝わる） また、規則の系列（３０１，３０３，３０５，３０６，
３０８，３１０，３１２，３０２，３１１）に基づい
て、次の様な文仮説を生成することができる。
（規則３０４） → 名詞 助詞 名詞節 動詞 （規則３０
５） → buNka ga 名詞節 動詞 （規則３０
６，３０８） → buNka ga 名詞 助詞 動詞 （規則３０
５） → buNka ga kita kara tsutawaru （規則３０
７，３０９，３１１） （文化が北から伝わる） また、規則の系列（３０１，３０３，３０５，３０６，
３０８，３１０，３１２，３０２，３１１）に基づい
て、次の様な文仮説を生成することができる。
【００１３】文 → 文 接続詞 文
（規則３０１） → 名詞節 動詞 接続詞 文 （規則３０３） → 名詞 助詞 動詞 接続詞 文 （規則３０５） → buNka ga 動詞 接続詞 文 （規則３０６，
３０８） → buNka ga kita 接続詞 文 （規則３１０） → buNka ga kita kara 文 （規則３１２） → buNka ga kita kara 動詞 （規則３０２） → buNka ga kita kara tsutawaru （規則３１１） （文化が来たから伝わる） この様に、文仮説生成部１００は多数の文仮説を生成
し、これらを音声照合部１６０に送り込む。また、各々
の文仮説生成に使用した文法規則の系列を規則列確率計
算部１４０に送り込む。規則列確率計算部１４０は、図
６に示される隠れマルコフモデルを使用して文法規則の
系列の確率を計算し、計算結果を音声照合部１６０に送
り込むものである。隠れマルコフモデルには、固有の遷
移確率と出力確率の値が付与されており、与えられた規
則系列の出現確率を計算することができる。ここにおい
て計算された文法規則系列の確率は、隠れマルコフモデ
ルに付与された固有の遷移確率と出力確率に基づいて計
算され、その規則系列の出現確率という意味を有するも
のであるので、この規則系列の確率を文仮説と入力音声
との間の照合確率に乗算することにより、この乗算結果
を最大とする文仮説が、結局、最適な文出力であるとい
うことになる。即ち、先の文仮説の生成を例にとると、
規則系列（３０４，３０５，３０６，３０８，３０５，
３０７，３０９，３１１）および規則系列（３０１，３
０３，３０５，３０６，３０８，３１０，３１２，３０
２，３１１）のそれぞれに対して計算される規則系列の
出現確率を比較し、大きい方を選択することによって、
文出力を一意的に決定することができる。以下、更に詳
細に説明する。
（規則３０１） → 名詞節 動詞 接続詞 文 （規則３０３） → 名詞 助詞 動詞 接続詞 文 （規則３０５） → buNka ga 動詞 接続詞 文 （規則３０６，
３０８） → buNka ga kita 接続詞 文 （規則３１０） → buNka ga kita kara 文 （規則３１２） → buNka ga kita kara 動詞 （規則３０２） → buNka ga kita kara tsutawaru （規則３１１） （文化が来たから伝わる） この様に、文仮説生成部１００は多数の文仮説を生成
し、これらを音声照合部１６０に送り込む。また、各々
の文仮説生成に使用した文法規則の系列を規則列確率計
算部１４０に送り込む。規則列確率計算部１４０は、図
６に示される隠れマルコフモデルを使用して文法規則の
系列の確率を計算し、計算結果を音声照合部１６０に送
り込むものである。隠れマルコフモデルには、固有の遷
移確率と出力確率の値が付与されており、与えられた規
則系列の出現確率を計算することができる。ここにおい
て計算された文法規則系列の確率は、隠れマルコフモデ
ルに付与された固有の遷移確率と出力確率に基づいて計
算され、その規則系列の出現確率という意味を有するも
のであるので、この規則系列の確率を文仮説と入力音声
との間の照合確率に乗算することにより、この乗算結果
を最大とする文仮説が、結局、最適な文出力であるとい
うことになる。即ち、先の文仮説の生成を例にとると、
規則系列（３０４，３０５，３０６，３０８，３０５，
３０７，３０９，３１１）および規則系列（３０１，３
０３，３０５，３０６，３０８，３１０，３１２，３０
２，３１１）のそれぞれに対して計算される規則系列の
出現確率を比較し、大きい方を選択することによって、
文出力を一意的に決定することができる。以下、更に詳
細に説明する。
【００１４】規則列確率計算部１４０は、図６に示され
るが如き隠れマルコフモデルを使用して実現することが
できる。この隠れマルコフモデルは、図４における隠れ
マルコフモデルと同様に、幾つかの状態６００とそれら
の状態を結ぶ遷移６１０から成り、各遷移には遷移確率
と出力確率が付与される。文法規則の系列をｒ（ｋ），
ｋ＝１，・・・，Ｋとする。隠れマルコフモデルがＩ個
の状態を有しており、その状態ｉから状態ｊへの遷移確
率をＡ（ｉ，ｊ）、そのときに規則ｒが使用される確率
をＢ（ｉ，ｊ，ｒ）とする。このとき、規則列確率Ｐ１
は次式により計算される。
るが如き隠れマルコフモデルを使用して実現することが
できる。この隠れマルコフモデルは、図４における隠れ
マルコフモデルと同様に、幾つかの状態６００とそれら
の状態を結ぶ遷移６１０から成り、各遷移には遷移確率
と出力確率が付与される。文法規則の系列をｒ（ｋ），
ｋ＝１，・・・，Ｋとする。隠れマルコフモデルがＩ個
の状態を有しており、その状態ｉから状態ｊへの遷移確
率をＡ（ｉ，ｊ）、そのときに規則ｒが使用される確率
をＢ（ｉ，ｊ，ｒ）とする。このとき、規則列確率Ｐ１
は次式により計算される。
【００１５】P1＝α1(I,K) 但し、α1は次式により定義される量である。 α1(i,t)＝Σj α1(j,k-1)A(i,k)B(i,j,r(k))(i=
1,...,I,k＝2,...,K) α1(i,1)＝1/I (i＝1,...,I) 音声照合部１６０は、各文仮説１２０と入力音声１７０
との間の照合確率を計算し、この照合確率と規則列確率
計算部１４０から受け取る文法規則系列の確率１５０の
積を最大にする文を認識結果として文出力１８０する。
照合確率の計算には隠れマルコフモデルを使用すること
ができる。隠れマルコフモデルの一例は図４に示され
る。隠れマルコフモデルは幾つかの状態４００とこれら
の状態を結ぶ遷移４１０から成り、各遷移には遷移確率
と出力確率が付与される。隠れマルコフモデルを音素ご
とに用意しておき、これらを図５に示される如くに接続
することにより、任意の単語或は文の隠れマルコフモデ
ルを合成することができる。
1,...,I,k＝2,...,K) α1(i,1)＝1/I (i＝1,...,I) 音声照合部１６０は、各文仮説１２０と入力音声１７０
との間の照合確率を計算し、この照合確率と規則列確率
計算部１４０から受け取る文法規則系列の確率１５０の
積を最大にする文を認識結果として文出力１８０する。
照合確率の計算には隠れマルコフモデルを使用すること
ができる。隠れマルコフモデルの一例は図４に示され
る。隠れマルコフモデルは幾つかの状態４００とこれら
の状態を結ぶ遷移４１０から成り、各遷移には遷移確率
と出力確率が付与される。隠れマルコフモデルを音素ご
とに用意しておき、これらを図５に示される如くに接続
することにより、任意の単語或は文の隠れマルコフモデ
ルを合成することができる。
【００１６】音声照合部１６０は、各文仮説に相当する
隠れマルコフモデルを合成し、入力音声との間の照合確
率を計算する。入力音声の特徴時系列をｓ（ｔ），ｔ＝
１，・・・，Ｔとする。或る文仮説の隠れマルコフモデ
ルがＩ個の状態を有し、その状態ｉから状態ｊへの遷移
確率をａ（ｉ，ｊ）、そのときに特徴ｓが出力される確
率をｂ（ｉ，ｊ，ｓ）とする。このとき、照合確率Ｐ２
は次式により計算される。
隠れマルコフモデルを合成し、入力音声との間の照合確
率を計算する。入力音声の特徴時系列をｓ（ｔ），ｔ＝
１，・・・，Ｔとする。或る文仮説の隠れマルコフモデ
ルがＩ個の状態を有し、その状態ｉから状態ｊへの遷移
確率をａ（ｉ，ｊ）、そのときに特徴ｓが出力される確
率をｂ（ｉ，ｊ，ｓ）とする。このとき、照合確率Ｐ２
は次式により計算される。
【００１７】P2＝α2(I,T) 但し、α2は次式により定義される量である。 α2(i,t)＝Σj α2(j,t-1)a(i,j)b(i,j,s(t))(i=
1,...,I,t＝2,...,T) α2(i,1)＝0 (i＝2,...,I) α2(1,1)＝1 音声照合部２３０は、この様にして各文仮説の隠れマル
コフモデルと入力音声との間の照合確率Ｐ２を計算し、
この照合確率Ｐ２と文法規則系列の確率Ｐ１の積Ｐ１×
Ｐ２を最大にする文を認識結果として文出力１８０す
る。
1,...,I,t＝2,...,T) α2(i,1)＝0 (i＝2,...,I) α2(1,1)＝1 音声照合部２３０は、この様にして各文仮説の隠れマル
コフモデルと入力音声との間の照合確率Ｐ２を計算し、
この照合確率Ｐ２と文法規則系列の確率Ｐ１の積Ｐ１×
Ｐ２を最大にする文を認識結果として文出力１８０す
る。
【００１８】
【発明の効果】以上の通りであって、文脈自由文法に基
づく音声認識方法および装置の従来例には、文脈自由文
法が曖昧性を有する場合、文の構造を一意的に決定する
ことができないという問題があった。ところが、この発
明は、文仮説生成に使用される文法規則系列の確率と文
仮説の隠れマルコフモデルと入力音声との間の照合確率
の積を最大にする文を認識結果として出力することによ
り、文脈自由文法が曖昧性を有する場合でも、文の構造
を一意的に決定することができるものとなった。
づく音声認識方法および装置の従来例には、文脈自由文
法が曖昧性を有する場合、文の構造を一意的に決定する
ことができないという問題があった。ところが、この発
明は、文仮説生成に使用される文法規則系列の確率と文
仮説の隠れマルコフモデルと入力音声との間の照合確率
の積を最大にする文を認識結果として出力することによ
り、文脈自由文法が曖昧性を有する場合でも、文の構造
を一意的に決定することができるものとなった。
【００１９】そして、この発明は、上述した通りに隠れ
マルコフモデルを使用することにより、この発明におい
て必要とされる高速演算処理を滞りなく実行することが
できた。
マルコフモデルを使用することにより、この発明におい
て必要とされる高速演算処理を滞りなく実行することが
できた。
【図１】この発明の一実施例を説明するブロック図。
【図２】従来例を説明するブロック図。
【図３】文脈自由文法の簡単な例を示す図。
【図４】音声照合用の隠れマルコフモデルの構造の例を
示す図。
示す図。
【図５】音素の隠れマルコフモデルを接続して単語の隠
れマルコフモデルを合成する仕方を説明する図。
れマルコフモデルを合成する仕方を説明する図。
【図６】規則列確率計算用の隠れマルコフモデルの構造
の例を示す図。
の例を示す図。
１００ 文仮説生成部 １１０ 文脈自由文法 １２０ 文仮説 １３０ 文法規則系列 １４０ 規則列確率計算部 １５０ 文法規則系列の確率 １６０ 音声照合部 １７０ 入力音声 １８０ 認識結果
Claims (3)
- 【請求項１】 文脈自由文法に基づいて生成された文仮
説を文仮説生成に使用した文法規則の系列の確率を参照
して出力することを特徴とする音声認識方法。 - 【請求項２】 文脈自由文法に基づいて文仮説を生成す
る文仮説生成部を具備し、文仮説生成に使用された文法
規則系列の確率を計算する規則列確率計算部を具備し、
文仮説と入力音声との間の照合確率を計算する音声照合
部を具備し、文法規則系列の確率と文仮説と入力音声と
の間の照合確率の積を最大にする文を認識結果として出
力することを特徴とする音声認識装置。 - 【請求項３】 請求項２に記載される音声認識装置にお
いて、文法規則系列の確率の計算および文仮説と入力音
声との間の照合確率の計算をするに際して隠れマルコフ
モデルを使用することを特徴とする音声認識装置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP6213556A JPH0876787A (ja) | 1994-09-07 | 1994-09-07 | 音声認識方法およびこの方法を実施する装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP6213556A JPH0876787A (ja) | 1994-09-07 | 1994-09-07 | 音声認識方法およびこの方法を実施する装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JPH0876787A true JPH0876787A (ja) | 1996-03-22 |
Family
ID=16641169
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP6213556A Pending JPH0876787A (ja) | 1994-09-07 | 1994-09-07 | 音声認識方法およびこの方法を実施する装置 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPH0876787A (ja) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH10116094A (ja) * | 1996-10-01 | 1998-05-06 | Lucent Technol Inc | 音声認識方法および音声認識装置 |
-
1994
- 1994-09-07 JP JP6213556A patent/JPH0876787A/ja active Pending
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH10116094A (ja) * | 1996-10-01 | 1998-05-06 | Lucent Technol Inc | 音声認識方法および音声認識装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10909976B2 (en) | Speech recognition device and computer program | |
| US7113903B1 (en) | Method and apparatus for providing stochastic finite-state machine translation | |
| EP1575029B1 (en) | Generating large units of graphonemes with mutual information criterion for letter to sound conversion | |
| EP1447792B1 (en) | Method and apparatus for modeling a speech recognition system and for predicting word error rates from text | |
| US10170107B1 (en) | Extendable label recognition of linguistic input | |
| CN102496363B (zh) | 一种用于汉语语音合成的音调修正方法 | |
| JPH0772839B2 (ja) | 自動音声認識用に音類似に基づく文脈依存カテゴリへ音素の発音をグループ化する方法と装置 | |
| Li et al. | Styletts-vc: One-shot voice conversion by knowledge transfer from style-based tts models | |
| CN101334998A (zh) | 基于异类模型区分性融合的汉语语音识别系统 | |
| CN113160828A (zh) | 智能辅助机器人交互方法、系统、电子设备及存储介质 | |
| JP2002358097A (ja) | 音声認識装置 | |
| Mohri et al. | Statistical modeling for unit selection in speech synthesis | |
| Ananthakrishnan et al. | Unsupervised adaptation of categorical prosody models for prosody labeling and speech recognition | |
| CN108806691B (zh) | 语音识别方法及系统 | |
| CN118588056B (zh) | 基于句法图构建的文本到语音生成方法、装置及电子设备 | |
| CN114360525A (zh) | 一种语音识别方法及系统 | |
| CN118410813B (zh) | 一种语言学习方法、系统及存储介质 | |
| JP3039634B2 (ja) | 音声認識装置 | |
| Chettiar et al. | Impersonated human speech chatbot with adaptive frequency spectrum | |
| JPH0876787A (ja) | 音声認識方法およびこの方法を実施する装置 | |
| Huang et al. | A fast algorithm for large vocabulary keyword spotting application | |
| CN118629395A (zh) | 文本到语音的生成方法、装置及电子设备 | |
| Doss et al. | Phoneme-grapheme based speech recognition system | |
| El Ouahabi et al. | Amazigh speech recognition using triphone modeling and clustering tree decision | |
| JPH08248988A (ja) | 音声認識方法 |