JP3036706B2 - 音声認識方法 - Google Patents
音声認識方法Info
- Publication number
- JP3036706B2 JP3036706B2 JP3049687A JP4968791A JP3036706B2 JP 3036706 B2 JP3036706 B2 JP 3036706B2 JP 3049687 A JP3049687 A JP 3049687A JP 4968791 A JP4968791 A JP 4968791A JP 3036706 B2 JP3036706 B2 JP 3036706B2
- Authority
- JP
- Japan
- Prior art keywords
- speaker
- hmm
- phoneme
- word
- 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.)
- Expired - Fee Related
Links
Description
【０００１】
【産業上の利用分野】この発明は、隠れマルコフモデル
を用い、不特定話者大語彙連続音声認識に適用して認識
性能を向上させるようにした音声認識方法に関する。
を用い、不特定話者大語彙連続音声認識に適用して認識
性能を向上させるようにした音声認識方法に関する。
【０００２】
【従来の技術】隠れマルコフモデル（例えば中川聖一
「確率モデルによる音声認識」電子情報通信学会編（１
９８８））による不特定話者音声認識では、多くの発声
者からの音声スペクトルをもとに作成れれた符号帳（コ
ードブック）を用いることが多い。このコードブック
は、ユニバーサルコードブックとよばれている。しかし
ながら、図４Ｂに示すようにある特定の話者のコードブ
ックの空間１１は、図４Ｂに示すようにユニバーサルコ
ードブック１２の部分空間となっている。また、コード
ブック１２内でのコードワードの動きも話者ごとに特有
である。
「確率モデルによる音声認識」電子情報通信学会編（１
９８８））による不特定話者音声認識では、多くの発声
者からの音声スペクトルをもとに作成れれた符号帳（コ
ードブック）を用いることが多い。このコードブック
は、ユニバーサルコードブックとよばれている。しかし
ながら、図４Ｂに示すようにある特定の話者のコードブ
ックの空間１１は、図４Ｂに示すようにユニバーサルコ
ードブック１２の部分空間となっている。また、コード
ブック１２内でのコードワードの動きも話者ごとに特有
である。
【０００３】このような事実にもかかわらず、隠れマル
コフモデル（ＨＭＭ）による不特定話者音声認識では、
ユニバーサルコードブック１２を用い、多数の話者から
の多量の音声データを用いて単語あるいは音韻単位の隠
れマルコフモデルを作成していた。よって、話者固有の
コードブックの空間１１の制約は一切考えられてなく、
様々な副作用を起こしており、不特定話者大語彙連続音
声認識での認識性能の劣化となっていた。
コフモデル（ＨＭＭ）による不特定話者音声認識では、
ユニバーサルコードブック１２を用い、多数の話者から
の多量の音声データを用いて単語あるいは音韻単位の隠
れマルコフモデルを作成していた。よって、話者固有の
コードブックの空間１１の制約は一切考えられてなく、
様々な副作用を起こしており、不特定話者大語彙連続音
声認識での認識性能の劣化となっていた。
【０００４】
【課題を解決するための手段】この発明によれば、不特
定話者用の音韻／単語を表す隠れマルコフモデルと、話
者の特徴を表す隠れマルコフモデルとを合成し、その合
成モデルを用いてその話者の音声認識を行う。つまり、
この発明による発声者を考慮した統計的な連続音声認識
の基本の式は、以下のように書かれる。こゝでＳに関す
る項がこの発明で導入されたものである。
定話者用の音韻／単語を表す隠れマルコフモデルと、話
者の特徴を表す隠れマルコフモデルとを合成し、その合
成モデルを用いてその話者の音声認識を行う。つまり、
この発明による発声者を考慮した統計的な連続音声認識
の基本の式は、以下のように書かれる。こゝでＳに関す
る項がこの発明で導入されたものである。
【０００５】 Ｐ（Ｗ，Ｓ｜Ｙ）＝Ｐ（Ｗ，Ｓ）Ｐ（Ｙ｜Ｗ，Ｓ）／Ｐ（Ｙ） ＝Ｐ（Ｓ）Ｐ（Ｗ｜Ｓ）Ｐ（Ｙ｜Ｗ，Ｓ）／Ｐ（Ｙ） こゝで、 Ｗ：単語列 Ｓ：発声者 Ｙ：入力音声のベクトル系列 Ｐ（Ｓ）：発声者Ｓがこの音声認識装置を用いている確
率 Ｐ（Ｗ｜Ｓ）：発声者Ｓがある単語列Ｗを発生する確率
とみなされ、発声者Ｓによる統計的言語モデル（例え
ば、鹿野「統計的手法による音声認識」電子情報通信学
会誌、Ｖo.７３，No.１２，pp１２７６−１２８５，
（１９９０．１２））である。
率 Ｐ（Ｗ｜Ｓ）：発声者Ｓがある単語列Ｗを発生する確率
とみなされ、発声者Ｓによる統計的言語モデル（例え
ば、鹿野「統計的手法による音声認識」電子情報通信学
会誌、Ｖo.７３，No.１２，pp１２７６−１２８５，
（１９９０．１２））である。
【０００６】Ｐ（Ｙ｜Ｗ，Ｓ）：発生内容Ｗで発声者Ｓ
での入力音声のベクトル系列Ｙの確率（音響モデル） よって、統計的な連続音声認識の問題は、 ｍａｘ ｛Ｐ（Ｓ）Ｐ（Ｗ｜Ｓ）Ｐ（Ｙ｜Ｗ，Ｓ）｝ Ｗ，Ｓ となる単語列Ｗを発声者の情報Ｓを利用して推定するこ
ととなる。
での入力音声のベクトル系列Ｙの確率（音響モデル） よって、統計的な連続音声認識の問題は、 ｍａｘ ｛Ｐ（Ｓ）Ｐ（Ｗ｜Ｓ）Ｐ（Ｙ｜Ｗ，Ｓ）｝ Ｗ，Ｓ となる単語列Ｗを発声者の情報Ｓを利用して推定するこ
ととなる。
【０００７】ここで、Ｐ（Ｓ）は、発声者Ｓがこの音声
認識装置を用いている確率を表す。さらに、発声者Ｓに
よる音響モデル（単語／音韻モデル）Ｐ（Ｙ｜Ｗ，Ｓ）
を隠れマルコフモデル（ＨＭＭ）でモデル化することを
考える。発声者ごとに単語／音韻の音声データを大量に
発生すれば、発声者ごとの単語／音韻のＨＭＭを作成す
ることができるが、通常は、全ての発声者に音声データ
を大量に発生させることは、現実的ではない。よって、
通常行われているように、多数の発声者からの音声デー
タを用いて作成された単語／音韻のＨＭＭ Ｐ（Ｙ｜Ｗ） を用い、このＰ（Ｙ｜Ｗ）について話者固有のコードブ
ックの空間を制限することを考える。以下、話者固有の
コードブックの空間やコードワードの動きを表すのにも
ＨＭＭを用いることを考える。
認識装置を用いている確率を表す。さらに、発声者Ｓに
よる音響モデル（単語／音韻モデル）Ｐ（Ｙ｜Ｗ，Ｓ）
を隠れマルコフモデル（ＨＭＭ）でモデル化することを
考える。発声者ごとに単語／音韻の音声データを大量に
発生すれば、発声者ごとの単語／音韻のＨＭＭを作成す
ることができるが、通常は、全ての発声者に音声データ
を大量に発生させることは、現実的ではない。よって、
通常行われているように、多数の発声者からの音声デー
タを用いて作成された単語／音韻のＨＭＭ Ｐ（Ｙ｜Ｗ） を用い、このＰ（Ｙ｜Ｗ）について話者固有のコードブ
ックの空間を制限することを考える。以下、話者固有の
コードブックの空間やコードワードの動きを表すのにも
ＨＭＭを用いることを考える。
【０００８】ＨＭＭを次の６組で表す。 ＨＭＭ：Ｍ＝（Ｕ，Ｖ，Ｔ，Ｐ，Ｉ，Ｆ） こゝで、Ｕ：状態の集合 Ｖ：入力ベクトルの集合 Ｔ：遷移確率の集合 Ｐ：出力確率の集合 Ｉ：初期状態 Ｆ：最終状態 また、入力系列を Ｙ＝ｙ1 ｙ2 …ｙt …ｙN で表す。
【０００９】こゝで、話者性を表すＨＭＭとして、話者
ごとに任意の発声音声からそのパラメータが推定される
エルゴードＨＭＭを考える。このエルゴードＨＭＭの簡
単な例を図３Ａに示す。つまり、発声者ごとに比較的短
い学習音声を入力し、状態１から状態２への遷移確率を
ｔ12に、時点ｔ1 の入力ベクトルｙt が状態１から状態
２へ遷移する確率をＰ12（ｙt ）とし、状態１，２，３
間を遷移するモデル（エルゴードＨＭＭ）を各話者ごと
に作る。この話者ＨＭＭを Ｍs i ＝（Ｕs i,Ｖ，Ｔs i,Ｐs i,Ｉs i,Ｆs i ）：発声者ｉ（ｉ＝1,…, Ｌ） で表す。多数の話者の音声データによってそのパラメー
タから推定される単語／音韻のＨＭＭとして、左から右
への遷移をもつ図３Ｂに示すようなＨＭＭを考える。こ
れは多数の話者の音声データから作る。この単語／音韻
のＨＭＭを Ｍp j ＝（Ｕp j , Ｖ，Ｔp j , Ｐp j ，Ｉp j ，Ｆp j ) ：
単語／音韻ｊ（ｊ＝１，…，Ｍ） と表す。
ごとに任意の発声音声からそのパラメータが推定される
エルゴードＨＭＭを考える。このエルゴードＨＭＭの簡
単な例を図３Ａに示す。つまり、発声者ごとに比較的短
い学習音声を入力し、状態１から状態２への遷移確率を
ｔ12に、時点ｔ1 の入力ベクトルｙt が状態１から状態
２へ遷移する確率をＰ12（ｙt ）とし、状態１，２，３
間を遷移するモデル（エルゴードＨＭＭ）を各話者ごと
に作る。この話者ＨＭＭを Ｍs i ＝（Ｕs i,Ｖ，Ｔs i,Ｐs i,Ｉs i,Ｆs i ）：発声者ｉ（ｉ＝1,…, Ｌ） で表す。多数の話者の音声データによってそのパラメー
タから推定される単語／音韻のＨＭＭとして、左から右
への遷移をもつ図３Ｂに示すようなＨＭＭを考える。こ
れは多数の話者の音声データから作る。この単語／音韻
のＨＭＭを Ｍp j ＝（Ｕp j , Ｖ，Ｔp j , Ｐp j ，Ｉp j ，Ｆp j ) ：
単語／音韻ｊ（ｊ＝１，…，Ｍ） と表す。
【００１０】この発明ではこれら２つのＨＭＭ，Ｍs i
とＭp j との積空間でのＨＭＭを作る。この合成ＨＭＭ
を話者制約単語／音韻ＨＭＭと呼ぶことにし、次のよう
に定義する。 Ｍp ji＝(Ｕp ji,Ｖ,Ｔp ji,Ｐp ji,Ｉp ji,Ｆp ji) ：単語／音韻(j),発声者(i) ＝(Ｕｐ ｊ×Ｕｓ ｉ，Ｖ,Ｔｐ ｊ×Ｔｓ ｉ，Λ(Ｐｐ ｊ×Ｐｓ ｉ），Ｉp j×Ｉs i,Fp
j×Ｆs i) そして発声者ｉの発声音声の認識を、この話者制約単語
／音韻ＨＭＭで、確率を最大にする発声者ｉと単語／音
韻ｊを求めることにより行う。上の式でΛ()は、出力確
率の和が１になるようにするスケールファクターであ
る。
とＭp j との積空間でのＨＭＭを作る。この合成ＨＭＭ
を話者制約単語／音韻ＨＭＭと呼ぶことにし、次のよう
に定義する。 Ｍp ji＝(Ｕp ji,Ｖ,Ｔp ji,Ｐp ji,Ｉp ji,Ｆp ji) ：単語／音韻(j),発声者(i) ＝(Ｕｐ ｊ×Ｕｓ ｉ，Ｖ,Ｔｐ ｊ×Ｔｓ ｉ，Λ(Ｐｐ ｊ×Ｐｓ ｉ），Ｉp j×Ｉs i,Fp
j×Ｆs i) そして発声者ｉの発声音声の認識を、この話者制約単語
／音韻ＨＭＭで、確率を最大にする発声者ｉと単語／音
韻ｊを求めることにより行う。上の式でΛ()は、出力確
率の和が１になるようにするスケールファクターであ
る。
【００１１】
【実施例】この発明では、上述したように不特定話者用
の音韻／単語を表すＨＭＭと、話者の特徴を表すエルゴ
ード話者性ＨＭＭとを合成したＨＭＭを用いるが、図２
Ａに示すように２状態１，２からなるエルゴード話者性
ＨＭＭと、図２Ｂに示す３状態Ａ，Ｂ，Ｃからなる不特
定話者用単語／音韻ＨＭＭとを用いて、これらを合成し
た状態数６の話者制約単語／音韻ＨＭＭの構成例を図１
に示す。遷移確率と出力確率の値の計算式を図中に示し
ておく。ただし、一部の遷移については遷移確率も出力
確率も省いてあるが、同様に計算できる。
の音韻／単語を表すＨＭＭと、話者の特徴を表すエルゴ
ード話者性ＨＭＭとを合成したＨＭＭを用いるが、図２
Ａに示すように２状態１，２からなるエルゴード話者性
ＨＭＭと、図２Ｂに示す３状態Ａ，Ｂ，Ｃからなる不特
定話者用単語／音韻ＨＭＭとを用いて、これらを合成し
た状態数６の話者制約単語／音韻ＨＭＭの構成例を図１
に示す。遷移確率と出力確率の値の計算式を図中に示し
ておく。ただし、一部の遷移については遷移確率も出力
確率も省いてあるが、同様に計算できる。
【００１２】このような話者制約単語／音韻ＨＭＭを用
いた音声認識の装置の例を図４Ａに示す。入力端子１か
ら入力された音声は、特徴抽出部２においてディジタル
信号に変換され、かつＬＰＣケプストラム分析されたの
ち、フレーム（１０ミリ秒）ごとにユニバーサルコード
ブックによってベクトル量子化される。話者モデルＨＭ
Ｍの学習部３では、あらかじめ蓄えた複数のエルゴード
話者ＨＭＭから、もっとも尤度の高い話者ＨＭＭを選
び、かつ、入力音声によってもそのＨＭＭへの追加学習
を行う。次に、話者制約音韻ＨＭＭの合成部４で、この
発明により話者モデルＨＭＭと不特定話者音韻モデルＨ
ＭＭ５から話者制約音韻ＨＭＭを合成する。連続音声認
識部６は、この話者制約音韻ＨＭＭを用いて、入力音声
の発生内容を認識し、認識結果７を出力する。
いた音声認識の装置の例を図４Ａに示す。入力端子１か
ら入力された音声は、特徴抽出部２においてディジタル
信号に変換され、かつＬＰＣケプストラム分析されたの
ち、フレーム（１０ミリ秒）ごとにユニバーサルコード
ブックによってベクトル量子化される。話者モデルＨＭ
Ｍの学習部３では、あらかじめ蓄えた複数のエルゴード
話者ＨＭＭから、もっとも尤度の高い話者ＨＭＭを選
び、かつ、入力音声によってもそのＨＭＭへの追加学習
を行う。次に、話者制約音韻ＨＭＭの合成部４で、この
発明により話者モデルＨＭＭと不特定話者音韻モデルＨ
ＭＭ５から話者制約音韻ＨＭＭを合成する。連続音声認
識部６は、この話者制約音韻ＨＭＭを用いて、入力音声
の発生内容を認識し、認識結果７を出力する。
【００１３】この実施例では、合成部４で話者制約音韻
ＨＭＭを合成してから連続音声の認識を行う手順を示し
たが、連続音声認識を行う中に、逐次話者制約音韻ＨＭ
Ｍを合成作成する手順を入れることも可能である。
ＨＭＭを合成してから連続音声の認識を行う手順を示し
たが、連続音声認識を行う中に、逐次話者制約音韻ＨＭ
Ｍを合成作成する手順を入れることも可能である。
【００１４】
【発明の効果】以上述べたように、この発明によれば、
話者ＨＭＭを用いることにより、不特定話者用の音韻／
単語ＨＭＭを、発生者特有の空間やスペクトルの動きに
制約することができ、高い認識率を達成することが可能
となる。この手法により、発声者が、特定話者用の音韻
／単語ＨＭＭを作成するために、多量の音声データを発
生する必要がなくなる。この方法によれば、少量の任意
の音声データによって、話者モデルを選択し、かつ、追
加学習で話者モデルを適応化し，この話者ＨＭＭモデル
と音韻／単語ＨＭＭとを合成することによって、高精度
な特定話者用の音韻／単語ＨＭＭの作成が可能となる。
話者ＨＭＭを用いることにより、不特定話者用の音韻／
単語ＨＭＭを、発生者特有の空間やスペクトルの動きに
制約することができ、高い認識率を達成することが可能
となる。この手法により、発声者が、特定話者用の音韻
／単語ＨＭＭを作成するために、多量の音声データを発
生する必要がなくなる。この方法によれば、少量の任意
の音声データによって、話者モデルを選択し、かつ、追
加学習で話者モデルを適応化し，この話者ＨＭＭモデル
と音韻／単語ＨＭＭとを合成することによって、高精度
な特定話者用の音韻／単語ＨＭＭの作成が可能となる。
【００１５】上述では、離散ＨＭＭを主体として説明し
たが、この方法は、ファジィベクトル量子化ベースのＨ
ＭＭ，連続分布のＨＭＭに対しても同様に適用すること
ができる。同様にして、この発明は、２つのＨＭＭで制
約された条件を満たす音声認識方式一般に適用でき、例
えば、雑音環境、マイクロフォンの種類等への適応等に
用い、認識性能を向上させることができる。つまり、例
えば話者の特徴エルゴードＨＭＭに替えて、マイクロフ
ォンの特性を表すエルゴードＨＭＭを用いることによ
り、認識性能を向上させることができる。その他、音声
認識以外でも、制約条件が２つのＨＭＭであたえられる
対象に適用することができる。
たが、この方法は、ファジィベクトル量子化ベースのＨ
ＭＭ，連続分布のＨＭＭに対しても同様に適用すること
ができる。同様にして、この発明は、２つのＨＭＭで制
約された条件を満たす音声認識方式一般に適用でき、例
えば、雑音環境、マイクロフォンの種類等への適応等に
用い、認識性能を向上させることができる。つまり、例
えば話者の特徴エルゴードＨＭＭに替えて、マイクロフ
ォンの特性を表すエルゴードＨＭＭを用いることによ
り、認識性能を向上させることができる。その他、音声
認識以外でも、制約条件が２つのＨＭＭであたえられる
対象に適用することができる。
【図１】不特性話者の単語／音韻ＨＭＭとエルゴード話
者性ＨＭＭとを合成した話者制約単語／音韻ＨＭＭの構
成例を示す図。
者性ＨＭＭとを合成した話者制約単語／音韻ＨＭＭの構
成例を示す図。
【図２】Ａはエルゴード話者性ＨＭＭの構成例を示す
図、Ｂは不特定話者の単語／音韻ＨＭＭの構成例を示す
図である。
図、Ｂは不特定話者の単語／音韻ＨＭＭの構成例を示す
図である。
【図３】Ａは話者性を表すエルゴードＨＭＭの簡単な例
を示す図、Ｂは単語／音韻のＨＭＭの簡単な例を示す図
である。
を示す図、Ｂは単語／音韻のＨＭＭの簡単な例を示す図
である。
【図４】Ａはこの発明を適用した連続音声認識システム
の例を示すブロック図、Ｂはユニバーサルコードブック
と話者固有のコードブックの空間との関係例を示す図で
ある。
の例を示すブロック図、Ｂはユニバーサルコードブック
と話者固有のコードブックの空間との関係例を示す図で
ある。
フロントページの続き (56)参考文献 特開 平２−238496（ＪＰ，Ａ) 特開 平１−102599（ＪＰ，Ａ) 特開 平４−125599（ＪＰ，Ａ) 特開 平４−121793（ＪＰ，Ａ) 日本音響学会平成３年度春季秋季研究 発表会講演論文集▲Ｉ▼ ３−Ｐ−15 「ＨＭＭ音素モデルの発話変動への適応 化」ｐ．177−178（平成３年３月27日発 行) 電子情報通信学会技術研究報告［音声 ］Ｖｏｌ．90，Ｎｏ．373，ＳＰ90−66, 「ＨＭＭ音素モデルの発話様式の変動に 対する頑健性」ｐ．71−78（1990年12月 20日発行) 電子情報通信学会技術研究報告［音声 ］Ｖｏｌ．92，Ｎｏ．393，ＳＰ92−96, 「ＨＭＭモデルの合成による雑音重畳音 声の認識」ｐ．９−16（1992年12月21日 発行) 電子情報通信学会技術研究報告［音声 ］Ｖｏｌ．96，Ｎｏ．92，ＳＰ96−19, 「音声認識における音声強調手法及びモ デル適応化手法の検討」ｐ．53−60 （1996年６月13日発行) 電子情報通信学会論文誌 Ｖｏｌ．Ｊ 79−Ｄ−▲ＩＩ▼ Ｎｏ．12，Ｄｅｃｅ ｍｂｅｒ 1996，「雑音と残響の有る環 境下でのＨＭＭ合成によるハンズフリー 音声認識法」，ｐ．2047−2053，（平成 ８年12月25日発行) (58)調査した分野(Int.Cl.7，ＤＢ名) G10L 15/14 G10L 15/06 G10L 15/10 ＪＩＣＳＴファイル（ＪＯＩＳ)
Claims (1)
- 【請求項１】 不特定話者音声認識方法において、不特
定話者用の音韻／単語を表す隠れマルコフモデルと、話
者の特徴を表す隠れマルコフモデルとを合成し、その合
成モデルを用いて上記話者の音声認識を行うことを特徴
とする音声認識方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP3049687A JP3036706B2 (ja) | 1991-03-14 | 1991-03-14 | 音声認識方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP3049687A JP3036706B2 (ja) | 1991-03-14 | 1991-03-14 | 音声認識方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPH04284498A JPH04284498A (ja) | 1992-10-09 |
| JP3036706B2 true JP3036706B2 (ja) | 2000-04-24 |
Family
ID=12838098
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP3049687A Expired - Fee Related JP3036706B2 (ja) | 1991-03-14 | 1991-03-14 | 音声認識方法 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP3036706B2 (ja) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| NL9301119A (nl) * | 1993-06-25 | 1995-01-16 | Nederland Ptt | Methode voor de detectie van het beste pad door een stochastisch netwerk, in het bijzonder voor spraak- of beeldherkenning. |
-
1991
- 1991-03-14 JP JP3049687A patent/JP3036706B2/ja not_active Expired - Fee Related
Non-Patent Citations (5)
| Title |
|---|
| 日本音響学会平成３年度春季秋季研究発表会講演論文集▲Ｉ▼ ３−Ｐ−１５「ＨＭＭ音素モデルの発話変動への適応化」ｐ．１７７−１７８（平成３年３月２７日発行） |
| 電子情報通信学会技術研究報告［音声］Ｖｏｌ．９０，Ｎｏ．３７３，ＳＰ９０−６６，「ＨＭＭ音素モデルの発話様式の変動に対する頑健性」ｐ．７１−７８（１９９０年１２月２０日発行） |
| 電子情報通信学会技術研究報告［音声］Ｖｏｌ．９２，Ｎｏ．３９３，ＳＰ９２−９６，「ＨＭＭモデルの合成による雑音重畳音声の認識」ｐ．９−１６（１９９２年１２月２１日発行） |
| 電子情報通信学会技術研究報告［音声］Ｖｏｌ．９６，Ｎｏ．９２，ＳＰ９６−１９，「音声認識における音声強調手法及びモデル適応化手法の検討」ｐ．５３−６０（１９９６年６月１３日発行） |
| 電子情報通信学会論文誌 Ｖｏｌ．Ｊ７９−Ｄ−▲ＩＩ▼ Ｎｏ．１２，Ｄｅｃｅｍｂｅｒ １９９６，「雑音と残響の有る環境下でのＨＭＭ合成によるハンズフリー音声認識法」，ｐ．２０４７−２０５３，（平成８年１２月２５日発行） |
Also Published As
| Publication number | Publication date |
|---|---|
| JPH04284498A (ja) | 1992-10-09 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP2733955B2 (ja) | 適応型音声認識装置 | |
| JP4109063B2 (ja) | 音声認識装置及び音声認識方法 | |
| JP2826215B2 (ja) | 合成音声生成方法及びテキスト音声合成装置 | |
| JP3050934B2 (ja) | 音声認識方式 | |
| JPH0555040B2 (ja) | ||
| Kim et al. | Hidden Markov model based voice conversion using dynamic characteristics of speaker | |
| US5943647A (en) | Speech recognition based on HMMs | |
| JP2898568B2 (ja) | 声質変換音声合成装置 | |
| JP3088357B2 (ja) | 不特定話者音響モデル生成装置及び音声認識装置 | |
| Huang et al. | Improved hidden Markov modeling for speaker-independent continuous speech recognition | |
| JP3036706B2 (ja) | 音声認識方法 | |
| JP3247746B2 (ja) | 耐雑音音韻モデルの作成方式 | |
| JPH10254473A (ja) | 音声変換方法及び音声変換装置 | |
| JP2886118B2 (ja) | 隠れマルコフモデルの学習装置及び音声認識装置 | |
| JP4391179B2 (ja) | 話者認識システム及び方法 | |
| Fontaine et al. | Speaker-dependent speech recognition based on phone-like units models-application to voice dialling | |
| JPH1195786A (ja) | パターン認識方法および装置とパターン認識プログラムを格納した記録媒体 | |
| JP2973805B2 (ja) | 標準パターン作成装置 | |
| JP3029803B2 (ja) | 音声認識のための単語モデル生成装置及び音声認識装置 | |
| JP3532248B2 (ja) | 学習音声パタンモデル使用音声認識装置 | |
| JP2976795B2 (ja) | 話者適応化方式 | |
| JP3905620B2 (ja) | 音声認識装置 | |
| JP3033322B2 (ja) | 連続音声認識方法 | |
| JPH05232989A (ja) | 音響モデルの話者適応化法 | |
| JP3144341B2 (ja) | 音声認識装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| LAPS | Cancellation because of no payment of annual fees |