JPH1185182A - 話者認識方法及び装置 - Google Patents
話者認識方法及び装置Info
- Publication number
- JPH1185182A JPH1185182A JP9250341A JP25034197A JPH1185182A JP H1185182 A JPH1185182 A JP H1185182A JP 9250341 A JP9250341 A JP 9250341A JP 25034197 A JP25034197 A JP 25034197A JP H1185182 A JPH1185182 A JP H1185182A
- Authority
- JP
- Japan
- Prior art keywords
- speaker
- recognition
- feature vector
- registered
- corrected
- 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.)
- Withdrawn
Links
Abstract
(57)【要約】
【課題】 話者認識において発話様式や経時変化等によ
る誤認識を従来よりも削減する。 【解決手段】 テンプレート７Ａと認識データ１Ｃ間の
距離を、複数の話者全体に対するＶＱコードブック５Ａ
と認識データ１ＣとのＶＱ歪みを引いて補正する。この
ように補正した値は発話様式や経時変化等によるバラツ
キが小さくなるので、補正した値を話者類似尺度に用い
て話者認識を行う。
る誤認識を従来よりも削減する。 【解決手段】 テンプレート７Ａと認識データ１Ｃ間の
距離を、複数の話者全体に対するＶＱコードブック５Ａ
と認識データ１ＣとのＶＱ歪みを引いて補正する。この
ように補正した値は発話様式や経時変化等によるバラツ
キが小さくなるので、補正した値を話者類似尺度に用い
て話者認識を行う。
Description
【０００１】
【発明の属する技術分野】本発明は音声を用いた話者認
識方法及び装置に関するものである。
識方法及び装置に関するものである。
【０００２】
【従来の技術】従来の話者認識装置の一例を図４に示
す。図４において、音響分析部１により音声信号の音響
分析を行い、音声を表現する特徴ベクトルとして、例え
ばケプストラム係数等をパラメータとする音響ベクトル
列１Ａを出力する。
す。図４において、音響分析部１により音声信号の音響
分析を行い、音声を表現する特徴ベクトルとして、例え
ばケプストラム係数等をパラメータとする音響ベクトル
列１Ａを出力する。
【０００３】話者認識を行うためには、予め必要な話者
の登録を行う登録過程と、実際の話者の認識を行う認識
過程があり、これら登録過程と認識過程の切替をスイッ
チ２により行う。
の登録を行う登録過程と、実際の話者の認識を行う認識
過程があり、これら登録過程と認識過程の切替をスイッ
チ２により行う。
【０００４】話者認識には、話者照合と話者識別の両方
が含まれる。
が含まれる。
【０００５】話者照合とは、実際の話者（認識対象話
者）が登録された話者（登録話者）の中から申告した本
人であるか他人であるかを判定することである。
者）が登録された話者（登録話者）の中から申告した本
人であるか他人であるかを判定することである。
【０００６】話者識別とは、認識対象話者が登録話者の
うちのどの話者であるか、あるいは、未登録者であるか
を特定することである。
うちのどの話者であるか、あるいは、未登録者であるか
を特定することである。
【０００７】登録過程の場合、登録話者の音響ベクトル
列１Ａは登録データ１Ｂとして、スイッチ２により、テ
ンプレート作成部３へ送られる。
列１Ａは登録データ１Ｂとして、スイッチ２により、テ
ンプレート作成部３へ送られる。
【０００８】テンプレート作成部３は登録データ１Ｂか
ら音響ベクトル列のパラメータ値を用いて登録話者毎の
テンプレートを作成し、また、登録データ１Ｂの音響ベ
クトル列から、話者類似度に関して予め閾値を登録話者
毎に設定する。この閾値の設定は、話者認識（話者照
合、話者識別）毎に計算される話者類似度の大小判定を
行うためである。
ら音響ベクトル列のパラメータ値を用いて登録話者毎の
テンプレートを作成し、また、登録データ１Ｂの音響ベ
クトル列から、話者類似度に関して予め閾値を登録話者
毎に設定する。この閾値の設定は、話者認識（話者照
合、話者識別）毎に計算される話者類似度の大小判定を
行うためである。
【０００９】これら登録話者毎のテンプレートのパラメ
ータ値及び閾値は音声特徴情報蓄積部７へ送られて、全
登録話者のテンプレート（以下、話者テンプレートとい
う）として蓄積される。
ータ値及び閾値は音声特徴情報蓄積部７へ送られて、全
登録話者のテンプレート（以下、話者テンプレートとい
う）として蓄積される。
【００１０】認識過程の場合は、認識対象話者の音響ベ
クトル列１Ａは認識データ１Ｃとして、スイッチ２によ
り、距離計算部９へ送られる。また、スイッチ８によ
り、音声特徴情報蓄積部７に蓄積されている話者テンプ
レートの中から、比較対象となるテンプレート７Ａが選
択される。この際、選択されたテンプレート７Ａのパラ
メータ値は距離計算部９へ送られ、閾値は話者認識部１
１へ送られる。
クトル列１Ａは認識データ１Ｃとして、スイッチ２によ
り、距離計算部９へ送られる。また、スイッチ８によ
り、音声特徴情報蓄積部７に蓄積されている話者テンプ
レートの中から、比較対象となるテンプレート７Ａが選
択される。この際、選択されたテンプレート７Ａのパラ
メータ値は距離計算部９へ送られ、閾値は話者認識部１
１へ送られる。
【００１１】距離計算部９は類似度として、ＤＰ（Dyna
mic Programing: 動的計画）法等により、選択したテン
プレート７Ａのパラメータ値と認識データ１Ｃの音響ベ
クトル列との間の距離を計算する。
mic Programing: 動的計画）法等により、選択したテン
プレート７Ａのパラメータ値と認識データ１Ｃの音響ベ
クトル列との間の距離を計算する。
【００１２】計算された距離は話者認識部１１へ送ら
れ、ここで発声単位毎の話者類似度（以下、累積類似
度）とテンプレート７Ａの閾値とで閾値判定が行われた
後、話者認識結果が出力される。
れ、ここで発声単位毎の話者類似度（以下、累積類似
度）とテンプレート７Ａの閾値とで閾値判定が行われた
後、話者認識結果が出力される。
【００１３】話者識別の場合は、スイッチ８は音声特徴
情報蓄積部７中の全登録話者のテンプレート（丸を付し
たＡ、Ｂ、Ｃ・・・）を比較対象として順次選択し、距
離計算部９及び話者認識部１１へ送る。距離計算部９
は、選択されたテンプレート毎に順次、テンプレートの
パラメータ値と認識データ１Ｃの音響ベクトル列との間
の距離を計算する。話者認識部１１は、全登録話者のテ
ンプレートに対する各累積類似度のうち、対応する閾値
以上で且つ最大のものに対応する登録話者が実際の話者
であると判定し、最大のものが閾値未満の場合は未登録
者であると判定し、これらを話者認識結果として出力す
る。
情報蓄積部７中の全登録話者のテンプレート（丸を付し
たＡ、Ｂ、Ｃ・・・）を比較対象として順次選択し、距
離計算部９及び話者認識部１１へ送る。距離計算部９
は、選択されたテンプレート毎に順次、テンプレートの
パラメータ値と認識データ１Ｃの音響ベクトル列との間
の距離を計算する。話者認識部１１は、全登録話者のテ
ンプレートに対する各累積類似度のうち、対応する閾値
以上で且つ最大のものに対応する登録話者が実際の話者
であると判定し、最大のものが閾値未満の場合は未登録
者であると判定し、これらを話者認識結果として出力す
る。
【００１４】話者照合の場合は、スイッチ８は音声特徴
情報蓄積部７中の全登録話者のテンプレートのうち１つ
を比較対象として選択し、距離計算部９及び話者認識部
１１へ送る。距離計算部９は、選択されたテンプレート
７Ａのパラメータ値と認識データ１Ｃの音響ベクトル列
との間の距離を計算する。話者認識部１１は、累積類似
度が比較対象のテンプレート７Ａの閾値以上の場合は実
際の話者が登録話者の中から申告した話者本人であり、
閾値未満の場合は本人でないと判定し、これを話者認識
結果として出力する。
情報蓄積部７中の全登録話者のテンプレートのうち１つ
を比較対象として選択し、距離計算部９及び話者認識部
１１へ送る。距離計算部９は、選択されたテンプレート
７Ａのパラメータ値と認識データ１Ｃの音響ベクトル列
との間の距離を計算する。話者認識部１１は、累積類似
度が比較対象のテンプレート７Ａの閾値以上の場合は実
際の話者が登録話者の中から申告した話者本人であり、
閾値未満の場合は本人でないと判定し、これを話者認識
結果として出力する。
【００１５】
【発明が解決しようとする課題】上記従来の技術には、
下記問題点がある。 （１）ＤＰ法等で求められる距離には発話様式や経時変
化等によりバラツキがあり、これが従来の話者認識方法
における誤認識の原因と考えられる。 （２）従来の話者認識方法において話者識別を行う場
合、登録話者数が増大するにつれて処理時間も増大する
ため、リアルタイムを要求する処理が不可能である。
下記問題点がある。 （１）ＤＰ法等で求められる距離には発話様式や経時変
化等によりバラツキがあり、これが従来の話者認識方法
における誤認識の原因と考えられる。 （２）従来の話者認識方法において話者識別を行う場
合、登録話者数が増大するにつれて処理時間も増大する
ため、リアルタイムを要求する処理が不可能である。
【００１６】本発明の第１の課題は、発話様式や経時変
化等により距離のバラツキがあっても、従来よりも誤認
識を削減することができる話者認識方法及び装置を提供
することである。
化等により距離のバラツキがあっても、従来よりも誤認
識を削減することができる話者認識方法及び装置を提供
することである。
【００１７】本発明の第２の課題は、登録話者数が増大
しても、従来より短い処理時間で話者識別を行うことが
できる話者認識方法及び装置を提供することである。
しても、従来より短い処理時間で話者識別を行うことが
できる話者認識方法及び装置を提供することである。
【００１８】
【課題を解決するための手段】請求項１に係る発明は誤
認識を削減するための話者認識方法であり、登録話者の
音声を表現する特徴ベクトル（以下、第１の特徴ベクト
ルと呼ぶ）と認識対象話者の音声を表現する特徴ベクト
ル（以下、第２の特徴ベクトルと呼ぶ）を用いて話者認
識を行う話者認識方法において、第１の特徴ベクトルと
第２の特徴ベクトル間の距離をベクトル量子化歪みによ
り補正し、補正した値を話者類似尺度として用いること
を特徴とする。
認識を削減するための話者認識方法であり、登録話者の
音声を表現する特徴ベクトル（以下、第１の特徴ベクト
ルと呼ぶ）と認識対象話者の音声を表現する特徴ベクト
ル（以下、第２の特徴ベクトルと呼ぶ）を用いて話者認
識を行う話者認識方法において、第１の特徴ベクトルと
第２の特徴ベクトル間の距離をベクトル量子化歪みによ
り補正し、補正した値を話者類似尺度として用いること
を特徴とする。
【００１９】請求項２〜４に係る発明はそれぞれ誤認識
を削減するための話者認識装置であり、請求項２に係る
発明は、登録話者の音声を表現する第１の特徴ベクトル
と認識対象話者の音声を表現する第２の特徴ベクトルを
用いて話者認識を行う話者認識装置において、第１の特
徴ベクトルと第２の特徴ベクトル間の距離を計算する第
１の手段と、任意の複数の話者全体に対するベクトル量
子化コードブックと第２の特徴ベクトルとのベクトル量
子化歪みを計算する第２の手段と、第１の手段で得られ
た前記距離を第２の手段で得られた前記ベクトル量子化
歪みにより補正して補正話者類似度を求める第３の手段
と、前記補正話者類似度と同補正話者類似度に関する閾
値を基に、認識対象話者が登録話者本人であるか否を判
断する話者照合を行う第４の手段を備えることを特徴と
し、請求項３に係る発明は、登録話者の音声を表現する
第１の特徴ベクトルと認識対象話者の音声を表現する第
２の特徴ベクトルを用いて話者認識を行う話者認識装置
において、第１の特徴ベクトル毎に、同第１の特徴ベク
トルと第２の特徴ベクトル間の距離を計算する第１の手
段と、任意の複数の話者全体に対するベクトル量子化コ
ードブックと第２の特徴ベクトルとのベクトル量子化歪
みを計算する第２の手段と、第１の手段で得られた前記
距離それぞれを、第２の手段で得られた前記ベクトル量
子化歪みにより補正して補正話者類似度を求める第３の
手段と、前記補正話者類似度の高い順に、補正話者類似
度と同補正話者類似度に関する閾値を基に認識対象話者
が登録話者本人であるか否を判断する話者照合を行い、
この話者照合により最初に本人であると肯定された登録
話者を話者識別結果とする第４の手段を備えることを特
徴とし、請求項４に係る発明は、新規登録話者の音声デ
ータ及び認識対象話者の音声データの少なくとも一方を
用いて、前記ベクトル量子化コードブックを更新する第
５の手段を備えることを特徴とする。
を削減するための話者認識装置であり、請求項２に係る
発明は、登録話者の音声を表現する第１の特徴ベクトル
と認識対象話者の音声を表現する第２の特徴ベクトルを
用いて話者認識を行う話者認識装置において、第１の特
徴ベクトルと第２の特徴ベクトル間の距離を計算する第
１の手段と、任意の複数の話者全体に対するベクトル量
子化コードブックと第２の特徴ベクトルとのベクトル量
子化歪みを計算する第２の手段と、第１の手段で得られ
た前記距離を第２の手段で得られた前記ベクトル量子化
歪みにより補正して補正話者類似度を求める第３の手段
と、前記補正話者類似度と同補正話者類似度に関する閾
値を基に、認識対象話者が登録話者本人であるか否を判
断する話者照合を行う第４の手段を備えることを特徴と
し、請求項３に係る発明は、登録話者の音声を表現する
第１の特徴ベクトルと認識対象話者の音声を表現する第
２の特徴ベクトルを用いて話者認識を行う話者認識装置
において、第１の特徴ベクトル毎に、同第１の特徴ベク
トルと第２の特徴ベクトル間の距離を計算する第１の手
段と、任意の複数の話者全体に対するベクトル量子化コ
ードブックと第２の特徴ベクトルとのベクトル量子化歪
みを計算する第２の手段と、第１の手段で得られた前記
距離それぞれを、第２の手段で得られた前記ベクトル量
子化歪みにより補正して補正話者類似度を求める第３の
手段と、前記補正話者類似度の高い順に、補正話者類似
度と同補正話者類似度に関する閾値を基に認識対象話者
が登録話者本人であるか否を判断する話者照合を行い、
この話者照合により最初に本人であると肯定された登録
話者を話者識別結果とする第４の手段を備えることを特
徴とし、請求項４に係る発明は、新規登録話者の音声デ
ータ及び認識対象話者の音声データの少なくとも一方を
用いて、前記ベクトル量子化コードブックを更新する第
５の手段を備えることを特徴とする。
【００２０】請求項５に係る発明は短い処理時間で話者
識別を行うための話者認識方法であり、登録話者の音声
を表現する第１の特徴ベクトルと認識対象話者の音声を
表現する第２の特徴ベクトルを用いて話者識別を行う話
者認識方法において、登録話者の音声データを用いて求
めたベクトル量子化コードブックと第２の特徴ベクトル
とのベクトル量子化歪みを用いてクラスタリングを行
い、クラスタリングで決まる登録話者の第１の特徴ベク
トルと認識対象話者の第２の特徴ベクトルを用いて認識
対象話者が登録話者のうちどの話者であるかを特定する
話者識別を行うことを特徴とする。
識別を行うための話者認識方法であり、登録話者の音声
を表現する第１の特徴ベクトルと認識対象話者の音声を
表現する第２の特徴ベクトルを用いて話者識別を行う話
者認識方法において、登録話者の音声データを用いて求
めたベクトル量子化コードブックと第２の特徴ベクトル
とのベクトル量子化歪みを用いてクラスタリングを行
い、クラスタリングで決まる登録話者の第１の特徴ベク
トルと認識対象話者の第２の特徴ベクトルを用いて認識
対象話者が登録話者のうちどの話者であるかを特定する
話者識別を行うことを特徴とする。
【００２１】請求項６〜８の発明はそれぞれ話者識別を
リアルタイムで行うための話者認識装置であり、請求項
６に係る発明は登録話者の音声を表現する第１の特徴ベ
クトルと認識対象話者の音声を表現する第２の特徴ベク
トルを用いて話者識別を行う話者認識装置において、全
ての登録話者の音声データから求められ且つ登録話者単
位でクラスタリングされたベクトル量子化コードブック
と認識対象話者の第２の特徴ベクトルとのベクトル量子
化歪みを計算し、ベクトル量子化歪みが最小となるベク
トル量子化コードブックから識別候補を限定する第１の
手段と、第１の手段で得られた前記識別候補の第１の特
徴ベクトルと認識対象話者の第２の特徴ベクトル間の距
離を計算する第２の手段と、第２の手段で得られた前記
距離を基に、認識対象話者が登録話者のうちどの話者で
あるかを特定する話者識別を行う第３の手段を備えるこ
とを特徴とし、請求項７に係る発明は、前記ベクトル量
子化コードブックが多層構造を持ち、前記第２の手段は
ベクトル量子化歪みが最小となるベクトル量子化コード
ブックを下層方向へ探索することにより、前記識別候補
を限定することを特徴とし、請求項８に係る発明は、新
規登録話者の音声データを用いて、前記ベクトル量子化
コードブックを更新する第３の手段を備えることを特徴
とする。
リアルタイムで行うための話者認識装置であり、請求項
６に係る発明は登録話者の音声を表現する第１の特徴ベ
クトルと認識対象話者の音声を表現する第２の特徴ベク
トルを用いて話者識別を行う話者認識装置において、全
ての登録話者の音声データから求められ且つ登録話者単
位でクラスタリングされたベクトル量子化コードブック
と認識対象話者の第２の特徴ベクトルとのベクトル量子
化歪みを計算し、ベクトル量子化歪みが最小となるベク
トル量子化コードブックから識別候補を限定する第１の
手段と、第１の手段で得られた前記識別候補の第１の特
徴ベクトルと認識対象話者の第２の特徴ベクトル間の距
離を計算する第２の手段と、第２の手段で得られた前記
距離を基に、認識対象話者が登録話者のうちどの話者で
あるかを特定する話者識別を行う第３の手段を備えるこ
とを特徴とし、請求項７に係る発明は、前記ベクトル量
子化コードブックが多層構造を持ち、前記第２の手段は
ベクトル量子化歪みが最小となるベクトル量子化コード
ブックを下層方向へ探索することにより、前記識別候補
を限定することを特徴とし、請求項８に係る発明は、新
規登録話者の音声データを用いて、前記ベクトル量子化
コードブックを更新する第３の手段を備えることを特徴
とする。
【００２２】
【発明の実施の形態】以下、本発明の実施の形態を説明
する。
する。
【００２３】（誤認識を削減する話者認識方法及び装
置）図１に基づいて、誤認識を削減する話者認識方法及
び話者認識装置を説明する。
置）図１に基づいて、誤認識を削減する話者認識方法及
び話者認識装置を説明する。
【００２４】誤認識を削減するため、本例では、従来一
般に用いられてきたＤＰ法等による距離を、予め作成し
たＶＱコードブックとの距離に対する相対距離に補正す
る。ＶＱコードブックとはベクトル量子化コードブック
の略語であり、ＶＱコードブックとの距離とはベクトル
量子化歪み（以下、ＶＱ歪みと呼ぶ）であり、ＶＱ歪み
に対する相対距離が補正した値であり、以下、補正話者
類似度と呼ぶ。
般に用いられてきたＤＰ法等による距離を、予め作成し
たＶＱコードブックとの距離に対する相対距離に補正す
る。ＶＱコードブックとはベクトル量子化コードブック
の略語であり、ＶＱコードブックとの距離とはベクトル
量子化歪み（以下、ＶＱ歪みと呼ぶ）であり、ＶＱ歪み
に対する相対距離が補正した値であり、以下、補正話者
類似度と呼ぶ。
【００２５】即ち本例では、補正話者類似度を下記数１
で定義する。ここで、距離計算を行う認識データをＸ、
テンプレートをＹと表現する。また、補正を行うための
ＶＱコードブックをＺと表現する。この補正用ＶＱコー
ドブックＺは、任意の複数の話者全体に対する１つのＶ
Ｑコードブックであり、平均的な話者に対するＶＱコー
ドブックと言える。このＶＱコードブックＺは、コード
ブックサイズをＭとして、Ｚ＝（Ｚ1 ，Ｚ2 ，・・・，
ＺM ）と表現される。
で定義する。ここで、距離計算を行う認識データをＸ、
テンプレートをＹと表現する。また、補正を行うための
ＶＱコードブックをＺと表現する。この補正用ＶＱコー
ドブックＺは、任意の複数の話者全体に対する１つのＶ
Ｑコードブックであり、平均的な話者に対するＶＱコー
ドブックと言える。このＶＱコードブックＺは、コード
ブックサイズをＭとして、Ｚ＝（Ｚ1 ，Ｚ2 ，・・・，
ＺM ）と表現される。
【００２６】
【数１】
【００２７】上述した補正前の距離ｄ（Ｘ，Ｙ）は、認
識データ（認識すべき音声データ）Ｘとテンプレート
（比較を行う音声データ）Ｙとの間で計算された距離で
あり、ＤＰ距離やＶＱ歪み等の各種距離尺度が適用可能
であり、その種類は問われない。
識データ（認識すべき音声データ）Ｘとテンプレート
（比較を行う音声データ）Ｙとの間で計算された距離で
あり、ＤＰ距離やＶＱ歪み等の各種距離尺度が適用可能
であり、その種類は問われない。
【００２８】なお、ＶＱ歪みで距離ｄ（Ｘ，Ｙ）を計算
する場合は、登録話者一人一人に作成されたＶＱコード
ブックが用いられるが、これは補正用ＶＱコードブック
Ｚとは別のものである。
する場合は、登録話者一人一人に作成されたＶＱコード
ブックが用いられるが、これは補正用ＶＱコードブック
Ｚとは別のものである。
【００２９】上記補正用ＶＱコードブックＺの作成方法
としては、登録時や認識時に発声される各話者の音声デ
ータを用いて行う方法や、別途登録以外の発声者や発声
内容の音声データを用いて行う方法等があるが、その方
法は問わない。何れの場合も、認識対象話者の音声デー
タが補正用ＶＱコードブックＺの作成に用いられていて
も、全体の話者数が十分多い限り、何の支障もない。
としては、登録時や認識時に発声される各話者の音声デ
ータを用いて行う方法や、別途登録以外の発声者や発声
内容の音声データを用いて行う方法等があるが、その方
法は問わない。何れの場合も、認識対象話者の音声デー
タが補正用ＶＱコードブックＺの作成に用いられていて
も、全体の話者数が十分多い限り、何の支障もない。
【００３０】発話様式の変化や話者の経時変化があれば
補正前の距離ｄ（Ｘ，Ｙ）にバラツキが生じるが、ＶＱ
歪みＶＱ（Ｘ，Ｚ）にも同様にバラツキが生じるので、
数１に示すような補正を行うとバラツキが相殺され、補
正話者類似度のバラツキは低減する。従って、補正話者
類似度を用いて話者照合や話者識別を行うことにより、
誤認識が削減する。補正方法は数１による差の計算の
他、ｄ（Ｘ，Ｙ）／ＶＱ（Ｘ，Ｚ）のように、割り算で
補正することも可能である。
補正前の距離ｄ（Ｘ，Ｙ）にバラツキが生じるが、ＶＱ
歪みＶＱ（Ｘ，Ｚ）にも同様にバラツキが生じるので、
数１に示すような補正を行うとバラツキが相殺され、補
正話者類似度のバラツキは低減する。従って、補正話者
類似度を用いて話者照合や話者識別を行うことにより、
誤認識が削減する。補正方法は数１による差の計算の
他、ｄ（Ｘ，Ｙ）／ＶＱ（Ｘ，Ｚ）のように、割り算で
補正することも可能である。
【００３１】（誤認識を削減する話者認識方法及び装置
の具体例）図１により、誤認識を削減する話者認識装置
を説明する。
の具体例）図１により、誤認識を削減する話者認識装置
を説明する。
【００３２】図１において、音響分析部１により音声信
号の音響分析を行い、音声を表現する特徴ベクトルとし
て、例えばケプストラム係数等をパラメータとする音響
ベクトル列１Ａを出力する。話者認識を行うために登録
過程と認識過程があり、これら登録過程と認識過程の切
替をスイッチ２により行う。
号の音響分析を行い、音声を表現する特徴ベクトルとし
て、例えばケプストラム係数等をパラメータとする音響
ベクトル列１Ａを出力する。話者認識を行うために登録
過程と認識過程があり、これら登録過程と認識過程の切
替をスイッチ２により行う。
【００３３】登録過程の場合、音響ベクトル列１Ａは登
録データ１Ｂとしてテンプレート作成部３及びＶＱコー
ドブック作成部４へ送られる。
録データ１Ｂとしてテンプレート作成部３及びＶＱコー
ドブック作成部４へ送られる。
【００３４】テンプレート作成部３では、音響ベクトル
列やＶＱコードブック等のテンプレート（何れも登録話
者一人毎）の作成を行い、また、補正話者類似度に関し
て予め閾値を登録話者毎に設定し、音声特徴情報蓄積部
７へ送り蓄積する。この閾値の設定は、話者認識（話者
照合、話者識別）毎に計算される補正話者類似度の大小
判定を行うためである。
列やＶＱコードブック等のテンプレート（何れも登録話
者一人毎）の作成を行い、また、補正話者類似度に関し
て予め閾値を登録話者毎に設定し、音声特徴情報蓄積部
７へ送り蓄積する。この閾値の設定は、話者認識（話者
照合、話者識別）毎に計算される補正話者類似度の大小
判定を行うためである。
【００３５】ＶＱコードブック作成部４では補正用ＶＱ
コードブックを、登録データ１Ｂや認識データ１Ｃ等を
用いてクラスタリングを行うことにより作成すると共に
更新し、ＶＱコードブック蓄積部５へ送り蓄積する。
コードブックを、登録データ１Ｂや認識データ１Ｃ等を
用いてクラスタリングを行うことにより作成すると共に
更新し、ＶＱコードブック蓄積部５へ送り蓄積する。
【００３６】認識過程の場合、音響ベクトル列１Ａは認
識データ１Ｃとして距離計算部９及びＶＱ歪み計算部６
へ送られる。
識データ１Ｃとして距離計算部９及びＶＱ歪み計算部６
へ送られる。
【００３７】距離計算部９においては、音声特徴情報蓄
積部７に蓄積された話者テンプレートの中から、比較対
象となるテンプレート７Ａの選択をスイッチ８により行
い、選択されたテンプレート７Ａと認識データ１Ｃとの
間で距離の計算を行って、計算結果（距離）を距離補正
部１０へ送る。
積部７に蓄積された話者テンプレートの中から、比較対
象となるテンプレート７Ａの選択をスイッチ８により行
い、選択されたテンプレート７Ａと認識データ１Ｃとの
間で距離の計算を行って、計算結果（距離）を距離補正
部１０へ送る。
【００３８】距離の計算方法としては、ＤＰ(Dynamic P
rogramming) 法やベクトル量子化（ＶＱ）法等が挙げら
れる。
rogramming) 法やベクトル量子化（ＶＱ）法等が挙げら
れる。
【００３９】ＶＱ歪み計算部６においては、ＶＱコード
ブック蓄積部５に蓄積されたＶＱコードブック５Ａと認
識データ１Ｃとの間でＶＱ歪みを計算し、計算結果（Ｖ
Ｑ歪み）を距離補正部１０へ送る。
ブック蓄積部５に蓄積されたＶＱコードブック５Ａと認
識データ１Ｃとの間でＶＱ歪みを計算し、計算結果（Ｖ
Ｑ歪み）を距離補正部１０へ送る。
【００４０】距離補正部１０においては、距離計算部９
で計算した距離と、ＶＱ歪み計算部６で計算したＶＱ歪
みを用いて、前出の数１により補正話者類似度を計算
し、計算結果（補正話者類似度）を話者認識部１１へ送
る。
で計算した距離と、ＶＱ歪み計算部６で計算したＶＱ歪
みを用いて、前出の数１により補正話者類似度を計算
し、計算結果（補正話者類似度）を話者認識部１１へ送
る。
【００４１】話者認識部１１では、補正話者類似度と同
補正話者類似度に関する閾値７Ｂを用いて、下記のよう
に、本人あるいは他人かを判定する話者照合、又は、発
声者（認識対象話者）が登録話者のうちどの話者かある
いは未登録話者かを判定する話者識別を行い、その話者
認識結果を出力する。 （１）話者照合：話者照合の場合は、スイッチ８では音
声特徴情報蓄積部７中の全登録話者のテンプレートのう
ち１つを比較対象として選択し、距離計算部９及び話者
認識部１１へ送る。距離計算部９では、選択されたテン
プレート７Ａのパラメータ値と認識データ１Ｃの音響ベ
クトル列との間の距離を計算する。この距離から距離補
正部１０で補正話者類似度を求める。話者認識部１１で
は、この補正話者類似度が比較対象のテンプレート７Ａ
の閾値７Ｂ以上の場合は登録話者の中から実際の話者が
申告した話者本人であり、閾値７Ｂ未満の場合は本人で
ないと判断し、これを話者認識結果（話者照合結果）と
して出力する。 （２）話者識別：話者識別の場合は、スイッチ８では音
声特徴情報蓄積部７中の全登録話者のテンプレート（丸
を付したＡ、Ｂ、Ｃ・・・）を比較対象として順次選択
し、距離計算部９及び話者認識部１１へ送る。距離計算
部９では、選択されたテンプレート毎に順次、テンプレ
ートのパラメータ値と認識データ１Ｃの音響ベクトル列
との間の距離を計算する。各距離から距離補正部１０で
登録話者毎に補正話者類似度を求める。話者認識部１１
では、補正話者類似度の高いもの順に、補正話者類似度
とそれに対応するテンプレート７Ａの閾値７Ｂを基に、
話者照合を行う。つまり、先ずは最も高い補正話者類似
度がそれに関する閾値以上か否かを判断し、これが否定
されれば次に高い補正話者類似度がそれに関する閾値以
上か否かを判断するという如く、候補を変えて話者照合
を行う。このように順々に行われる話者照合において、
或る補正話者類似度が最初に閾値以上になれば、認識対
象話者は同補正話者類似度に対応する登録話者本人であ
ると肯定することができる。これに対し、最後の補正話
者類似度も閾値未満であれば、認識対象話者はどの登録
話者でもないと否定することができる。そこで、最初に
本人であると肯定された登録話者を認識対象話者である
と判断し、最後まで否定された場合は認識対象話者は未
登録話者であると判断し、これを話者認識結果（話者識
別結果）として出力する。
補正話者類似度に関する閾値７Ｂを用いて、下記のよう
に、本人あるいは他人かを判定する話者照合、又は、発
声者（認識対象話者）が登録話者のうちどの話者かある
いは未登録話者かを判定する話者識別を行い、その話者
認識結果を出力する。 （１）話者照合：話者照合の場合は、スイッチ８では音
声特徴情報蓄積部７中の全登録話者のテンプレートのう
ち１つを比較対象として選択し、距離計算部９及び話者
認識部１１へ送る。距離計算部９では、選択されたテン
プレート７Ａのパラメータ値と認識データ１Ｃの音響ベ
クトル列との間の距離を計算する。この距離から距離補
正部１０で補正話者類似度を求める。話者認識部１１で
は、この補正話者類似度が比較対象のテンプレート７Ａ
の閾値７Ｂ以上の場合は登録話者の中から実際の話者が
申告した話者本人であり、閾値７Ｂ未満の場合は本人で
ないと判断し、これを話者認識結果（話者照合結果）と
して出力する。 （２）話者識別：話者識別の場合は、スイッチ８では音
声特徴情報蓄積部７中の全登録話者のテンプレート（丸
を付したＡ、Ｂ、Ｃ・・・）を比較対象として順次選択
し、距離計算部９及び話者認識部１１へ送る。距離計算
部９では、選択されたテンプレート毎に順次、テンプレ
ートのパラメータ値と認識データ１Ｃの音響ベクトル列
との間の距離を計算する。各距離から距離補正部１０で
登録話者毎に補正話者類似度を求める。話者認識部１１
では、補正話者類似度の高いもの順に、補正話者類似度
とそれに対応するテンプレート７Ａの閾値７Ｂを基に、
話者照合を行う。つまり、先ずは最も高い補正話者類似
度がそれに関する閾値以上か否かを判断し、これが否定
されれば次に高い補正話者類似度がそれに関する閾値以
上か否かを判断するという如く、候補を変えて話者照合
を行う。このように順々に行われる話者照合において、
或る補正話者類似度が最初に閾値以上になれば、認識対
象話者は同補正話者類似度に対応する登録話者本人であ
ると肯定することができる。これに対し、最後の補正話
者類似度も閾値未満であれば、認識対象話者はどの登録
話者でもないと否定することができる。そこで、最初に
本人であると肯定された登録話者を認識対象話者である
と判断し、最後まで否定された場合は認識対象話者は未
登録話者であると判断し、これを話者認識結果（話者識
別結果）として出力する。
【００４２】以上のように距離をＶＱ歪みで補正したこ
とにより、補正しない従来に比べると、話者照合及び話
者識別の誤認識率が低下し、認識性能が向上する。
とにより、補正しない従来に比べると、話者照合及び話
者識別の誤認識率が低下し、認識性能が向上する。
【００４３】表１及び表２に、話者照合における認識性
能向上の例を示す。なお、表１及び表２では、誤認識率
を次のように定義している。即ち、本人棄却率（False
Rejection Rate：ＦＦＲ）と他人受理率(False Accepta
nce Rate：ＦＡＲ）の和が最小となるように閾値を事後
的に設定した場合の本人棄却率と他人受理率の相加平均
を、話者照合の誤認識率と定義する。
能向上の例を示す。なお、表１及び表２では、誤認識率
を次のように定義している。即ち、本人棄却率（False
Rejection Rate：ＦＦＲ）と他人受理率(False Accepta
nce Rate：ＦＡＲ）の和が最小となるように閾値を事後
的に設定した場合の本人棄却率と他人受理率の相加平均
を、話者照合の誤認識率と定義する。
【００４４】
【表１】
【００４５】
【表２】
【００４６】（処理時間を短縮する話者認識方法及び装
置）次に、図２〜図３に基づいて、処理時間を短縮する
話者認識方法及び装置を説明する。
置）次に、図２〜図３に基づいて、処理時間を短縮する
話者認識方法及び装置を説明する。
【００４７】処理時間を削減するため、ＶＱコードブッ
クを用いて話者識別を行う登録話者の候補を限定する。
クを用いて話者識別を行う登録話者の候補を限定する。
【００４８】ここで登録話者候補の限定に用いるＶＱコ
ードブックは、全登録話者を登録データを用いて話者単
位でクラスタリングし、各クラスタがコードワードとな
るようにベクトル量子化を行ったものである。
ードブックは、全登録話者を登録データを用いて話者単
位でクラスタリングし、各クラスタがコードワードとな
るようにベクトル量子化を行ったものである。
【００４９】なお、登録話者候補限定用のＶＱコードブ
ックは１層構造のものでも良いが、図３のようにツリー
型の階層構造とすることも可能であり、一般にツリー型
の階層構造の方が処理時間削減の効果が大きい。
ックは１層構造のものでも良いが、図３のようにツリー
型の階層構造とすることも可能であり、一般にツリー型
の階層構造の方が処理時間削減の効果が大きい。
【００５０】即ち、ＶＱコードブックを更にクラスタリ
ングすることにより細分化するトップダウン方法、又
は、音響的に近い話者テンプレートあるいはＶＱコード
ブックを積み上げていくボトムアップ方法で、ツリー型
階層構造のＶＱコードブックを作成することができる。
ングすることにより細分化するトップダウン方法、又
は、音響的に近い話者テンプレートあるいはＶＱコード
ブックを積み上げていくボトムアップ方法で、ツリー型
階層構造のＶＱコードブックを作成することができる。
【００５１】ツリー型階層構造のＶＱコードブックを用
いて話者識別を行う時は、上層部のＶＱコードブックよ
りＶＱ歪みを計算していき、ＶＱ歪みが最小となるＶＱ
コードブックを下層方向へ順次探索することにより、識
別候補を決定していく。
いて話者識別を行う時は、上層部のＶＱコードブックよ
りＶＱ歪みを計算していき、ＶＱ歪みが最小となるＶＱ
コードブックを下層方向へ順次探索することにより、識
別候補を決定していく。
【００５２】全登録話者数をＮ、ＶＱコードブックの平
均分岐数をｍ（図３ではｍ＝２）、平均階層数をｎ（図
３ではｎ＝３）とすると、従来の話者識別を行うために
は距離計算回数がｍn 回要するが、識別候補を限定する
場合は距離計算回数はｍ×ｎ回に抑えられる。
均分岐数をｍ（図３ではｍ＝２）、平均階層数をｎ（図
３ではｎ＝３）とすると、従来の話者識別を行うために
は距離計算回数がｍn 回要するが、識別候補を限定する
場合は距離計算回数はｍ×ｎ回に抑えられる。
【００５３】（処理時間を削減する話者認識方法及び装
置の具体例）図２〜図３により、処理時間を削減する話
者認識装置を説明する。
置の具体例）図２〜図３により、処理時間を削減する話
者認識装置を説明する。
【００５４】図２において、音響分析部１により音声信
号の音響分析を行い、音声を表現する特徴ベクトルとし
て、例えばケプストラム係数等をパラメータとする音響
ベクトル列１Ａを出力する。話者認識を行うために登録
過程と認識過程があり、これら登録過程と認識過程の切
替をスイッチ２により行う。
号の音響分析を行い、音声を表現する特徴ベクトルとし
て、例えばケプストラム係数等をパラメータとする音響
ベクトル列１Ａを出力する。話者認識を行うために登録
過程と認識過程があり、これら登録過程と認識過程の切
替をスイッチ２により行う。
【００５５】登録過程の場合、音響ベクトル列１Ａは登
録データ１Ｂとしてテンプレート作成部３及びＶＱコー
ドブック作成部４’へ送られる。
録データ１Ｂとしてテンプレート作成部３及びＶＱコー
ドブック作成部４’へ送られる。
【００５６】テンプレート作成部３では、音響ベクトル
列やＶＱコードブック等のテンプレート（何れも登録話
者一人毎）の作成を行い、また、話者類似度に関して予
め閾値を登録話者毎に設定し、音声特徴情報蓄積部７’
へ送り蓄積する。この閾値の設定は、話者認識（話者照
合、話者識別）毎に計算される話者類似度の大小判定を
行うためである。
列やＶＱコードブック等のテンプレート（何れも登録話
者一人毎）の作成を行い、また、話者類似度に関して予
め閾値を登録話者毎に設定し、音声特徴情報蓄積部７’
へ送り蓄積する。この閾値の設定は、話者認識（話者照
合、話者識別）毎に計算される話者類似度の大小判定を
行うためである。
【００５７】ＶＱコードブック作成部４’では、全登録
話者の登録データ１Ｂを用いて話者単位でクラスタリン
グし、各クラスタがコードワードとなるようにベクトル
量子化を行うことにより識別候補限定用のＶＱコードブ
ックを作成し、また更新してＶＱコードブック蓄積部
５’に送り蓄積する。
話者の登録データ１Ｂを用いて話者単位でクラスタリン
グし、各クラスタがコードワードとなるようにベクトル
量子化を行うことにより識別候補限定用のＶＱコードブ
ックを作成し、また更新してＶＱコードブック蓄積部
５’に送り蓄積する。
【００５８】なお、図２では識別候補限定用のＶＱコー
ドブックがＡ、Ｂ、Ｃ、…というように１層でクラスタ
リングされているが、図３のようにツリー型の階層構造
とすることも可能である。即ち、ＶＱコードブックを更
にクラスタリングすることにより細分化するトップダウ
ン方法、又は、音響的に近い話者テンプレートあるいは
ＶＱコードワードを積み上げていくボトムアップ方法
で、ツリー型階層構造のＶＱコードブックを作成する。
ドブックがＡ、Ｂ、Ｃ、…というように１層でクラスタ
リングされているが、図３のようにツリー型の階層構造
とすることも可能である。即ち、ＶＱコードブックを更
にクラスタリングすることにより細分化するトップダウ
ン方法、又は、音響的に近い話者テンプレートあるいは
ＶＱコードワードを積み上げていくボトムアップ方法
で、ツリー型階層構造のＶＱコードブックを作成する。
【００５９】認識過程の場合、音響ベクトル列１Ａは認
識データ１ＣとしてＶＱコードブック蓄積部５’へ送ら
れ、図２の例ではＶＱコードブック蓄積部５’のコード
ブックＡ、Ｂ、Ｃ、…より順にＶＱ歪み計算部６にてＶ
Ｑ歪みを計算していき、歪み最小となるＶＱコードブッ
ク例えばＡを探索することにより、Ａの中のＡ１、Ａ
２、Ａ３を識別候補に決定し、識別候補となったテンプ
レートを音声特徴情報蓄積部７’より選択し、距離計算
部９に送る。
識データ１ＣとしてＶＱコードブック蓄積部５’へ送ら
れ、図２の例ではＶＱコードブック蓄積部５’のコード
ブックＡ、Ｂ、Ｃ、…より順にＶＱ歪み計算部６にてＶ
Ｑ歪みを計算していき、歪み最小となるＶＱコードブッ
ク例えばＡを探索することにより、Ａの中のＡ１、Ａ
２、Ａ３を識別候補に決定し、識別候補となったテンプ
レートを音声特徴情報蓄積部７’より選択し、距離計算
部９に送る。
【００６０】図３のようにツリー型階層構造のＶＱコー
ドブックの場合は、上層部よりＶＱ歪み計算部６にてＶ
Ｑ歪みを計算していき、歪み最小となるＶＱコードブッ
クを下層方向へ探索することにより、識別候補を決定す
る。下層のＶＱコードブックが存在する場合はＶＱ歪み
計算と識別候補決定を繰り返し、下層のＶＱコードブッ
クが存在しない場合は識別候補となったテンプレートを
音声特徴情報蓄積部７’より選択し、距離計算部９に送
る。
ドブックの場合は、上層部よりＶＱ歪み計算部６にてＶ
Ｑ歪みを計算していき、歪み最小となるＶＱコードブッ
クを下層方向へ探索することにより、識別候補を決定す
る。下層のＶＱコードブックが存在する場合はＶＱ歪み
計算と識別候補決定を繰り返し、下層のＶＱコードブッ
クが存在しない場合は識別候補となったテンプレートを
音声特徴情報蓄積部７’より選択し、距離計算部９に送
る。
【００６１】距離計算部９においては、選択された各テ
ンプレートと認識データ１Ｃとの間で話者類似度として
の距離を計算し、話者認識部１１’に送る。
ンプレートと認識データ１Ｃとの間で話者類似度として
の距離を計算し、話者認識部１１’に送る。
【００６２】ここで、距離の計算方法としては、ＤＰ(D
ynamic Programming) 法やベクトル量子化（ＶＱ）法等
が挙げられる。
ynamic Programming) 法やベクトル量子化（ＶＱ）法等
が挙げられる。
【００６３】話者認識部１１’では、距離計算部９で計
算された距離と音声特徴情報蓄積部７’より与えられる
閾値とを用いて、発話者（認識対象話者）が登録話者の
うちどの話者か、あるいは，未登録話者かを判定する話
者識別を行い、話者認識結果（話者識別結果）を出力す
る。
算された距離と音声特徴情報蓄積部７’より与えられる
閾値とを用いて、発話者（認識対象話者）が登録話者の
うちどの話者か、あるいは，未登録話者かを判定する話
者識別を行い、話者認識結果（話者識別結果）を出力す
る。
【００６４】図３にはＶＱコードブックの階層構造例及
び認識結果までの流れを示し、例えば、登録話者が女
性あってソプラノで発声する場合には、ＶＱコードブッ
ク蓄積部５’の１層目を探索すると、女声のＶＱコード
ブック１２と男声のＶＱコードブック１３のうち女声の
ＶＱコードブック１２とのＶＱ歪みの方が小さく、次
に、女声のＶＱコードブック１２の下層（２層目）を探
索すると、ソプラノのＶＱコードブック１４とアルトの
ＶＱコードブック１５のうちソプラノのＶＱコードブッ
ク１４とのＶＱ歪みの方が小さく、それより下層にはＶ
Ｑコードブックがないので、登録話者〜のうち２人
の登録話者とを識別候補に限定し、これらのテンプ
レートのみを音声特徴情報蓄積部７’より選択して、話
者識別を行う。
び認識結果までの流れを示し、例えば、登録話者が女
性あってソプラノで発声する場合には、ＶＱコードブッ
ク蓄積部５’の１層目を探索すると、女声のＶＱコード
ブック１２と男声のＶＱコードブック１３のうち女声の
ＶＱコードブック１２とのＶＱ歪みの方が小さく、次
に、女声のＶＱコードブック１２の下層（２層目）を探
索すると、ソプラノのＶＱコードブック１４とアルトの
ＶＱコードブック１５のうちソプラノのＶＱコードブッ
ク１４とのＶＱ歪みの方が小さく、それより下層にはＶ
Ｑコードブックがないので、登録話者〜のうち２人
の登録話者とを識別候補に限定し、これらのテンプ
レートのみを音声特徴情報蓄積部７’より選択して、話
者識別を行う。
【００６５】
【発明の効果】以上より、請求項１〜４に係る発明によ
れば、従来誤認識の原因であった発話様式や経時変化等
により生じる特定個人の発声のバラツキが小さくなり、
誤認識が減って高性能な話者認識が可能である。
れば、従来誤認識の原因であった発話様式や経時変化等
により生じる特定個人の発声のバラツキが小さくなり、
誤認識が減って高性能な話者認識が可能である。
【００６６】また、請求項５〜８に係る発明によれば、
従来は登録話者数が増大するにつれ増大していた処理時
間が短縮し、リアルタイム処理が達成可能である。
従来は登録話者数が増大するにつれ増大していた処理時
間が短縮し、リアルタイム処理が達成可能である。
【図１】本発明の実施の形態に係る話者認識装置の構成
を示す図。
を示す図。
【図２】本発明の他の実施の形態に係る話者認識装置の
構成を示す図。
構成を示す図。
【図３】ＶＱコードブックの階層構造例及認識結果まで
の流れを示す図。
の流れを示す図。
【図４】従来の話者認識装置の構成を示す図。
１ 音響分析部 １Ｂ 登録データ １Ｃ 認識データ ２ スイッチ ３ テンプレート作成部 ４、４’ ＶＱコードブック作成部 ５、５’ ＶＱコードブック蓄積部 ６ ＶＱ歪み計算部 ７、７’ 音声特徴情報蓄積部 ７Ａ テンプレート ８ スイッチ ９ 距離計算部 １０ 距離補正部 １１ １１’話者認識部
Claims (8)
- 【請求項１】 登録話者の音声を表現する特徴ベクトル
（以下、第１の特徴ベクトルと呼ぶ）と認識対象話者の
音声を表現する特徴ベクトル（以下、第２の特徴ベクト
ルと呼ぶ）を用いて話者認識を行う話者認識方法におい
て、第１の特徴ベクトルと第２の特徴ベクトル間の距離
をベクトル量子化歪みにより補正し、補正した値を話者
類似尺度として用いることを特徴とする話者認識方法。 - 【請求項２】 登録話者の音声を表現する第１の特徴ベ
クトルと認識対象話者の音声を表現する第２の特徴ベク
トルを用いて話者認識を行う話者認識装置において、第
１の特徴ベクトルと第２の特徴ベクトル間の距離を計算
する第１の手段と、任意の複数の話者全体に対するベク
トル量子化コードブックと第２の特徴ベクトルとのベク
トル量子化歪みを計算する第２の手段と、第１の手段で
得られた前記距離を第２の手段で得られた前記ベクトル
量子化歪みにより補正して補正話者類似度を求める第３
の手段と、前記補正話者類似度と同補正話者類似度に関
する閾値を基に、認識対象話者が登録話者本人であるか
否を判断する話者照合を行う第４の手段を備えることを
特徴とする話者認識装置。 - 【請求項３】 登録話者の音声を表現する第１の特徴ベ
クトルと認識対象話者の音声を表現する第２の特徴ベク
トルを用いて話者認識を行う話者認識装置において、第
１の特徴ベクトル毎に、同第１の特徴ベクトルと第２の
特徴ベクトル間の距離を計算する第１の手段と、任意の
複数の話者全体に対するベクトル量子化コードブックと
第２の特徴ベクトルとのベクトル量子化歪みを計算する
第２の手段と、第１の手段で得られた前記距離それぞれ
を、第２の手段で得られた前記ベクトル量子化歪みによ
り補正して補正話者類似度を求める第３の手段と、前記
補正話者類似度の高い順に、補正話者類似度と同補正話
者類似度に関する閾値を基に認識対象話者が登録話者本
人であるか否を判断する話者照合を行い、この話者照合
により最初に本人であると肯定された登録話者を話者識
別結果とする第４の手段を備えることを特徴とする話者
認識装置。 - 【請求項４】 新規登録話者の音声データ及び認識対象
話者の音声データの少なくとも一方を用いて、前記ベク
トル量子化コードブックを更新する第５の手段を備える
ことを特徴とする請求項２または３に記載の話者認識装
置。 - 【請求項５】 登録話者の音声を表現する第１の特徴ベ
クトルと認識対象話者の音声を表現する第２の特徴ベク
トルを用いて話者識別を行う話者認識方法において、登
録話者の音声データを用いて求めたベクトル量子化コー
ドブックと認識対象話者の第２の特徴ベクトルとのベク
トル量子化歪みを用いてクラスタリングを行い、クラス
タリングで決まる登録話者の第１の特徴ベクトルと認識
対象話者の第２の特徴ベクトルを用いて認識対象話者が
登録話者のうちどの話者であるかを特定する話者識別を
行うことを特徴とする話者認識方法。 - 【請求項６】 登録話者の音声を表現する第１の特徴ベ
クトルと認識対象話者の音声を表現する第２の特徴ベク
トルを用いて話者識別を行う話者認識装置において、全
ての登録話者の音声データから求められ且つ登録話者単
位でクラスタリングされたベクトル量子化コードブック
と認識対象話者の第２の特徴ベクトルとのベクトル量子
化歪みを計算し、ベクトル量子化歪みが最小となるベク
トル量子化コードブックから識別候補を限定する第１の
手段と、第１の手段で得られた前記識別候補の第１の特
徴ベクトルと認識対象話者の第２の特徴ベクトル間の距
離を計算する第２の手段と、第２の手段で得られた前記
距離を基に、認識対象話者が登録話者のうちどの話者で
あるかを特定する話者識別を行う第３の手段を備えるこ
とを特徴とする話者認識装置。 - 【請求項７】 前記ベクトル量子化コードブックは多層
構造を持ち、第２の手段はベクトル量子化歪みが最小と
なるベクトル量子化コードブックを下層方向へ探索する
ことにより、前記識別候補を限定することを特徴とする
請求項６に記載の話者認識装置。 - 【請求項８】 新規登録話者の音声データを用いて、前
記ベクトル量子化コードブックを更新する第３の手段を
備えることを特徴とする請求項６または７に記載の話者
認識装置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP9250341A JPH1185182A (ja) | 1997-09-16 | 1997-09-16 | 話者認識方法及び装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP9250341A JPH1185182A (ja) | 1997-09-16 | 1997-09-16 | 話者認識方法及び装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JPH1185182A true JPH1185182A (ja) | 1999-03-30 |
Family
ID=17206486
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP9250341A Withdrawn JPH1185182A (ja) | 1997-09-16 | 1997-09-16 | 話者認識方法及び装置 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPH1185182A (ja) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2009053430A (ja) * | 2007-08-27 | 2009-03-12 | Yamaha Corp | 音声処理装置およびプログラム |
| US7606707B2 (en) | 2005-09-06 | 2009-10-20 | Toshiba Tec Kabushiki Kaisha | Speaker recognition apparatus and speaker recognition method to eliminate a trade-off relationship between phonological resolving performance and speaker resolving performance |
-
1997
- 1997-09-16 JP JP9250341A patent/JPH1185182A/ja not_active Withdrawn
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7606707B2 (en) | 2005-09-06 | 2009-10-20 | Toshiba Tec Kabushiki Kaisha | Speaker recognition apparatus and speaker recognition method to eliminate a trade-off relationship between phonological resolving performance and speaker resolving performance |
| JP2009053430A (ja) * | 2007-08-27 | 2009-03-12 | Yamaha Corp | 音声処理装置およびプログラム |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US6751595B2 (en) | Multi-stage large vocabulary speech recognition system and method | |
| US6125345A (en) | Method and apparatus for discriminative utterance verification using multiple confidence measures | |
| EP0501631B1 (en) | Temporal decorrelation method for robust speaker verification | |
| JP3337233B2 (ja) | 音声符号化方法及び装置 | |
| US20110276331A1 (en) | Voice recognition system | |
| JPH07334184A (ja) | 音響カテゴリ平均値計算装置及び適応化装置 | |
| JPH1083194A (ja) | 話し手照合システムのための２段階群選択方法 | |
| WO2012001458A1 (en) | Voice-tag method and apparatus based on confidence score | |
| US20080059168A1 (en) | Speech recognition using discriminant features | |
| JP2023532844A (ja) | 患者固有の音声モデルの合成 | |
| US7509257B2 (en) | Method and apparatus for adapting reference templates | |
| JP3444108B2 (ja) | 音声認識装置 | |
| JPH1185182A (ja) | 話者認識方法及び装置 | |
| EP3496092B1 (en) | Voice processing apparatus, voice processing method and program | |
| KR100435440B1 (ko) | 화자간 변별력 향상을 위한 가변 길이 코드북 생성 장치및 그 방법, 그를 이용한 코드북 조합 방식의 화자 인식장치 및 그 방법 | |
| JP2853418B2 (ja) | 音声認識方法 | |
| JP3036509B2 (ja) | 話者照合における閾値決定方法及び装置 | |
| JP3868798B2 (ja) | 音声認識装置 | |
| JPH11249688A (ja) | 音声認識装置およびその方法 | |
| CN120089132B (zh) | 一种基于有穷词库库内词的语音识别实时增强方法和系统 | |
| JP2506730B2 (ja) | 音声認識方法 | |
| JP3291073B2 (ja) | 音声認識方式 | |
| US20120130715A1 (en) | Method and apparatus for generating a voice-tag | |
| JPS58159598A (ja) | 単音節音声認識方式 | |
| JP2000122693A (ja) | 話者認識方法および話者認識装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A300 | Application deemed to be withdrawn because no request for examination was validly filed |
Free format text: JAPANESE INTERMEDIATE CODE: A300 Effective date: 20041207 |