JPS5953900A - 音声認識方法 - Google Patents
音声認識方法Info
- Publication number
- JPS5953900A JPS5953900A JP57165879A JP16587982A JPS5953900A JP S5953900 A JPS5953900 A JP S5953900A JP 57165879 A JP57165879 A JP 57165879A JP 16587982 A JP16587982 A JP 16587982A JP S5953900 A JPS5953900 A JP S5953900A
- Authority
- JP
- Japan
- Prior art keywords
- speaker
- recognition
- vowel
- unit
- voice
- 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
Abstract
(57)【要約】本公報は電子出願前の出願データであるた
め要約のデータは記録されません。
め要約のデータは記録されません。
Description
【発明の詳細な説明】
く技術分野〉
本発明は入力される音声により話者の認識及び照合を行
う話者認識方式に関する。
う話者認識方式に関する。
〈従来例）
話者認識は、話者識別と話者照合との二つの形態に分け
ることができる。ここで話者識別とは、未知の話者によ
る音声において、きめられた特定の話者のうち、いずれ
の話者によるものであるかを判別することであり、話者
照合とは同じく未知の話者による音声に関して特定され
た話者によるものであるか否かを判別することである。
ることができる。ここで話者識別とは、未知の話者によ
る音声において、きめられた特定の話者のうち、いずれ
の話者によるものであるかを判別することであり、話者
照合とは同じく未知の話者による音声に関して特定され
た話者によるものであるか否かを判別することである。
上記話者の識別及び照合による話者認識においては、登
録時と認識時での発話内容が同一である場合にテキスト
（発話内容）を固定した話者認識と称し、また登録時と
認識時での発話内容が同一でない場合にテキストに依存
しない話者認識と称している。
録時と認識時での発話内容が同一である場合にテキスト
（発話内容）を固定した話者認識と称し、また登録時と
認識時での発話内容が同一でない場合にテキストに依存
しない話者認識と称している。
テキスト全発話した話者認識によれば、認識時に登録時
と同一内容の発話を行うため、認識は比較的に容易であ
る。しかし、登録時に発話内容を他人に聞かれたり、ま
た隠しマイクで盗み取りされる危険性かあり好ましくな
い。
と同一内容の発話を行うため、認識は比較的に容易であ
る。しかし、登録時に発話内容を他人に聞かれたり、ま
た隠しマイクで盗み取りされる危険性かあり好ましくな
い。
これに対しテキストに依存しない話者認識は一般に認識
が非常に困難となる。しかも、登録時や認識時に数十秒
〜数分間発話する必要があるのでユーザへの負担かかな
り大きくなっていた。
が非常に困難となる。しかも、登録時や認識時に数十秒
〜数分間発話する必要があるのでユーザへの負担かかな
り大きくなっていた。
〈発明の目的〉
本発明はテキストに依存しない話者認識の方式全提供す
るものであり、且つ話者認識装置とユーザとか対話する
ことにより１、登録及び認識を行う話者認識方式を提供
するも分千千ミ〇 〈実施例〉 第１図は本発明による話者認識装置の回路構成を示すブ
ロック図である。図において符号ｌは例えば話者の登録
を行うためのモードに装置（システム）を設定するスイ
ッチ、２は認識モードに設定するためのスイッチである
。このスイッチ１又は２からの信号ｎ又はｐｆｆ：入力
し制御部３は、話者認識装置（以下システムと記す）を
登録モード又は認識モードに設定する。この制御部３は
、システムを構成する各部を制御するものである。ここ
で、この認識装置をドアの開閉に適用させる場合、スイ
ッチ１はドアの内側Ｖこ且つスイッチ２はドアの外側に
取りイ」けられる。
るものであり、且つ話者認識装置とユーザとか対話する
ことにより１、登録及び認識を行う話者認識方式を提供
するも分千千ミ〇 〈実施例〉 第１図は本発明による話者認識装置の回路構成を示すブ
ロック図である。図において符号ｌは例えば話者の登録
を行うためのモードに装置（システム）を設定するスイ
ッチ、２は認識モードに設定するためのスイッチである
。このスイッチ１又は２からの信号ｎ又はｐｆｆ：入力
し制御部３は、話者認識装置（以下システムと記す）を
登録モード又は認識モードに設定する。この制御部３は
、システムを構成する各部を制御するものである。ここ
で、この認識装置をドアの開閉に適用させる場合、スイ
ッチ１はドアの内側Ｖこ且つスイッチ２はドアの外側に
取りイ」けられる。
１社ｆｃ Ｃ中相話者０音“６カを行う′・。
は音声入力された信号ａを音声分析する音声分析部、６
は音節等を切シ出すセグメンテーション部、７は母音認
識部、８は話者認識部、９は単語認識部、及びＩＯは登
録話者の母音データを記憶する記憶部、更に１１は音声
合成部、１２はスピーカである。
は音節等を切シ出すセグメンテーション部、７は母音認
識部、８は話者認識部、９は単語認識部、及びＩＯは登
録話者の母音データを記憶する記憶部、更に１１は音声
合成部、１２はスピーカである。
本実施例では説明の、都合で母音のみによる認識につい
て記載するが、これに限定されるものでないことは勿論
である。
て記載するが、これに限定されるものでないことは勿論
である。
上述の構成においてまず話者の登録について説明する。
ユーザか登録を行う場合、まずスイッチ１を操作すれば
制御部３は７ステム自体を登録モードに設定し各部を登
録モードで制御する。そこでユーザはユーザ番号全マイ
ク４全通して音声入力する。この音声入力されたユーザ
番号（ａ）は、音声分析部５を介して箪語認酸部９に送
られ、該単語認識部９にて番号認識される。該認識され
た番号（ｃ）は、次の記憶部１ｏへのデータの登録領域
を決めるために用いられる。つまり、上記入力され懲殻
号（・）にて記憶部１０′）アトは指定を行う・この様
に音声入力により記憶部１０のユーザに対する登録領域
を決めているが登録時のみキー人力にて行ってもよい。
制御部３は７ステム自体を登録モードに設定し各部を登
録モードで制御する。そこでユーザはユーザ番号全マイ
ク４全通して音声入力する。この音声入力されたユーザ
番号（ａ）は、音声分析部５を介して箪語認酸部９に送
られ、該単語認識部９にて番号認識される。該認識され
た番号（ｃ）は、次の記憶部１ｏへのデータの登録領域
を決めるために用いられる。つまり、上記入力され懲殻
号（・）にて記憶部１０′）アトは指定を行う・この様
に音声入力により記憶部１０のユーザに対する登録領域
を決めているが登録時のみキー人力にて行ってもよい。
上記ユーザ番号による番舟認識か終了ずれば制御部３は
、音声合成部１１へ母音連鎖、例えば「いえあおう」、
「あいうえお」、「うおあえい」・・・等のテキスト（
ｊ）を作製し、このテキストをユーザに音声入力するよ
う音声合成部１１へ送る。そこで音声合成部１１は制御
部３よシ指示された母音連鎖のき放音（ｋ）を作成し、
スピーカ１２を通してユーザに促す。ユーザは、スピー
カ１２′ｆｔ通して聞いた母音連４ｉｌＩをユーザ番号
同様音声入力する。
、音声合成部１１へ母音連鎖、例えば「いえあおう」、
「あいうえお」、「うおあえい」・・・等のテキスト（
ｊ）を作製し、このテキストをユーザに音声入力するよ
う音声合成部１１へ送る。そこで音声合成部１１は制御
部３よシ指示された母音連鎖のき放音（ｋ）を作成し、
スピーカ１２を通してユーザに促す。ユーザは、スピー
カ１２′ｆｔ通して聞いた母音連４ｉｌＩをユーザ番号
同様音声入力する。
この母音連鎖（テキスト）の音声信号は、音声分析部５
を介して信号ｄとしてセグメンテーション部６へ送られ
る。該セグメンテーション部６は、音声区間を音節に切
り出すべく定常部とわたり部とに分割し、これを（ｅ）
母音認識部７で認識させる。
を介して信号ｄとしてセグメンテーション部６へ送られ
る。該セグメンテーション部６は、音声区間を音節に切
り出すべく定常部とわたり部とに分割し、これを（ｅ）
母音認識部７で認識させる。
母音認識部７は予め発話内容かシステム側でわかってお
り、制御部３より音声入力さｉｔた内容ｚｌ取り込み認
識を行う。この場合、認識率は１００係に近い。この母
音認識後、先はど入力されたユーザ番号に対応した記憶
部ＩＯの登録領域へ、１、母音毎に定常部のスペクトル
と、母音連鎖毎にわたり部のスペクトルと’１ｉ＝（ｆ
）ストアする。以上で登録が終了したことになる。
り、制御部３より音声入力さｉｔた内容ｚｌ取り込み認
識を行う。この場合、認識率は１００係に近い。この母
音認識後、先はど入力されたユーザ番号に対応した記憶
部ＩＯの登録領域へ、１、母音毎に定常部のスペクトル
と、母音連鎖毎にわたり部のスペクトルと’１ｉ＝（ｆ
）ストアする。以上で登録が終了したことになる。
次に認識する場合について説明する。この場合、ユーザ
がスイッチ２を操作することで制御部３はシステム自体
を認識モードに設定する。この設定後にユーザはユーザ
番号を登録時と同様に音声入力する。この音声入力に従
って、ユーザ番号が認識され、この番号に対応した記憶
部１０の登録領域より母音のデータが読み出され（０）
制御部３に送られる。制御部３はそのユーザの母音のう
ちで最も安定して発話される母音（母音のスペクトルの
話者内分散が小）または他の話者とは異なっている母音
（話者間分散が犬）を選択し、これら全多く用いた母音
連鎖、例えば「い」であれば「ういあいお」の様に「い
」の多いテキストを作製して音声合成部１１に送り（ｊ
）、ユーザに上記テキストを発−声するように指示する
（ｋ）。
がスイッチ２を操作することで制御部３はシステム自体
を認識モードに設定する。この設定後にユーザはユーザ
番号を登録時と同様に音声入力する。この音声入力に従
って、ユーザ番号が認識され、この番号に対応した記憶
部１０の登録領域より母音のデータが読み出され（０）
制御部３に送られる。制御部３はそのユーザの母音のう
ちで最も安定して発話される母音（母音のスペクトルの
話者内分散が小）または他の話者とは異なっている母音
（話者間分散が犬）を選択し、これら全多く用いた母音
連鎖、例えば「い」であれば「ういあいお」の様に「い
」の多いテキストを作製して音声合成部１１に送り（ｊ
）、ユーザに上記テキストを発−声するように指示する
（ｋ）。
／ステムからの指示に従ってユーザは音声入力全行う。
入力した音声は（ａ 、ｄ ）、セグメンテーション部
６て、登録時と同様に定常部とわたり部（ｅ）とに分割
される。そして、母音認識γ＜１（７で認識した後（こ
の揚台も発話内容か既知なので（ｌ−）、認識率は１０
０％に近い）、母音毎に定常部のスペクトルとＩす音連
鎖毎にわたり部のスペクトルとを話者認識部８へ出力す
る（ｇ）。話者認識部８はユーザ番号に対応した記ｌ意
部１０の登録領域から読み出された母音のデータ１１と
、話者認識部８からの入力ｇの母音データとの母音毎に
定常部のスペクトル間の距離と母音連鎖毎にわたり部の
スペクトル 、間の距離を求め、データｈとｇとの比較
を行い、これらの重み付き和か閾値θ１ （０くθ１〈
θ２）未満ならば１本人である」と同定する。また閾値
０２以上ならば「他人である」として認識結果を出力し
２、その処理か実行される。更に０１以上で且つ６２未
満ならば制御部３ヘデ一タ不足であることを示す信号１
を出力する。この信号１を入力すれば開戸１部３は、ま
た別のテキスト（母音連鎖）を作製して、該テキストヲ
音声入力することをユーザに要求する。該テキストの音
声入力を行っても信号ｉか話者認識部８より出力されれ
ば、再度別のテキストか作製され、上述動作か繰り返さ
れる。
６て、登録時と同様に定常部とわたり部（ｅ）とに分割
される。そして、母音認識γ＜１（７で認識した後（こ
の揚台も発話内容か既知なので（ｌ−）、認識率は１０
０％に近い）、母音毎に定常部のスペクトルとＩす音連
鎖毎にわたり部のスペクトルとを話者認識部８へ出力す
る（ｇ）。話者認識部８はユーザ番号に対応した記ｌ意
部１０の登録領域から読み出された母音のデータ１１と
、話者認識部８からの入力ｇの母音データとの母音毎に
定常部のスペクトル間の距離と母音連鎖毎にわたり部の
スペクトル 、間の距離を求め、データｈとｇとの比較
を行い、これらの重み付き和か閾値θ１ （０くθ１〈
θ２）未満ならば１本人である」と同定する。また閾値
０２以上ならば「他人である」として認識結果を出力し
２、その処理か実行される。更に０１以上で且つ６２未
満ならば制御部３ヘデ一タ不足であることを示す信号１
を出力する。この信号１を入力すれば開戸１部３は、ま
た別のテキスト（母音連鎖）を作製して、該テキストヲ
音声入力することをユーザに要求する。該テキストの音
声入力を行っても信号ｉか話者認識部８より出力されれ
ば、再度別のテキストか作製され、上述動作か繰り返さ
れる。
この繰り返しかＮ回行れでも信号ｊが出力されるようで
あれば、「他人である」との処理が実行される。
あれば、「他人である」との処理が実行される。
以上説明した認識動作は第２図のフローチャートに示す
通りであり、話者は／ステム側より発せられるテキスト
に従って、音声入力を行っており、／ステムとの対話形
式で話者認識が実行される。
通りであり、話者は／ステム側より発せられるテキスト
に従って、音声入力を行っており、／ステムとの対話形
式で話者認識が実行される。
〈発明の効果〉
本発明によれば、話者認識装置より要求されるテキスト
でもって認識する、テキストに依存しない話者認識の方
式であり、かつ話者認識装置゛とユーザとが対話するこ
とにより、登録及び認識を行うため登録時や認識時に数
秒間発話するだけで高い認識率を達成することを可能に
する。
でもって認識する、テキストに依存しない話者認識の方
式であり、かつ話者認識装置゛とユーザとが対話するこ
とにより、登録及び認識を行うため登録時や認識時に数
秒間発話するだけで高い認識率を達成することを可能に
する。
成の一具体例を示すブロック図、第２図は本発明の話者
認識の動作説明に供するフローチャートである。
認識の動作説明に供するフローチャートである。
１．２：登録、認識モート設定用のスイッチ３：制御部
石：セグメンテーション部′ ８：話者認識部 １０
：記憶部 １１；音声合成部 １２：スピーカ 代理人 弁理士 福 士 愛 彦（他２名）第７図
石：セグメンテーション部′ ８：話者認識部 １０
：記憶部 １１；音声合成部 １２：スピーカ 代理人 弁理士 福 士 愛 彦（他２名）第７図
Claims (1)
- １ 予め登録されている話者の登録用データ中の音節と
、該話者が入力された音声より切り出した音節とを比較
し話者の認識を行うものにおいて、予め登録されている
話者の登録用データ中より該話者の最も安定して発話さ
れる音節又は他の話者とは異なる音節を選択し、こＣ音
節を基に登録時とは異なるテキスト全発話するように話
者へ要求し、該テキストにより入力された音声より音節
を切り出して登録されているデータとの比較を行うこと
により話者の認識を行うことを特徴とする話者認識方式
。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP57165879A JPS5953900A (ja) | 1982-09-21 | 1982-09-21 | 音声認識方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP57165879A JPS5953900A (ja) | 1982-09-21 | 1982-09-21 | 音声認識方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPS5953900A true JPS5953900A (ja) | 1984-03-28 |
| JPH0381160B2 JPH0381160B2 (ja) | 1991-12-27 |
Family
ID=15820710
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP57165879A Granted JPS5953900A (ja) | 1982-09-21 | 1982-09-21 | 音声認識方法 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPS5953900A (ja) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS6135257A (ja) * | 1984-07-27 | 1986-02-19 | Matsushita Electric Ind Co Ltd | インクジエツト記録装置 |
| JP2014182270A (ja) * | 2013-03-19 | 2014-09-29 | Yahoo Japan Corp | 情報処理装置及び方法 |
-
1982
- 1982-09-21 JP JP57165879A patent/JPS5953900A/ja active Granted
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS6135257A (ja) * | 1984-07-27 | 1986-02-19 | Matsushita Electric Ind Co Ltd | インクジエツト記録装置 |
| JP2014182270A (ja) * | 2013-03-19 | 2014-09-29 | Yahoo Japan Corp | 情報処理装置及び方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| JPH0381160B2 (ja) | 1991-12-27 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN116018638B (zh) | 使用话音转换和语音识别模型的合成数据增强 | |
| US11295748B2 (en) | Speaker identification with ultra-short speech segments for far and near field voice assistance applications | |
| Ambikairajah et al. | Language identification: A tutorial | |
| US7062440B2 (en) | Monitoring text to speech output to effect control of barge-in | |
| US7191132B2 (en) | Speech synthesis apparatus and method | |
| US20040049375A1 (en) | Speech synthesis apparatus and method | |
| JP2002304190A (ja) | 発音変化形生成方法及び音声認識方法 | |
| US20070088547A1 (en) | Phonetic speech-to-text-to-speech system and method | |
| Boite et al. | A new approach towards keyword spotting. | |
| Furui | 40 years of progress in automatic speaker recognition | |
| JPS6138479B2 (ja) | ||
| JPS5953900A (ja) | 音声認識方法 | |
| JPH07230293A (ja) | 音声認識装置 | |
| Heo et al. | Classification based on speech rhythm via a temporal alignment of spoken sentences | |
| Bapineedu | Analysis of Lombard effect speech and its application in speaker verification for imposter detection | |
| Fakotakis et al. | A continuous HMM text-independent speaker recognition system based on vowel spotting. | |
| Gorai et al. | A GAUSSIAN MIXTURE MODEL-BASED SPEAKER RECOGNITION SYSTEM | |
| JPS6126678B2 (ja) | ||
| Holmes | Towards a unified model for low bit-rate speech coding using a recognition-synthesis approach. | |
| JP3357752B2 (ja) | パターンマッチング装置 | |
| JP2001175275A (ja) | サブワード音響モデル生成方法および音声認識装置 | |
| JPH06337700A (ja) | 音声合成装置 | |
| Gupta et al. | Development of Robust Speech Systems | |
| JPS607492A (ja) | 単音節音声認識方式 | |
| Svendsen | Speech Technology: Past, Present And Future |