JP2000122689A - 話者適応化装置及び音声認識装置 - Google Patents
話者適応化装置及び音声認識装置Info
- Publication number
- JP2000122689A JP2000122689A JP10297924A JP29792498A JP2000122689A JP 2000122689 A JP2000122689 A JP 2000122689A JP 10297924 A JP10297924 A JP 10297924A JP 29792498 A JP29792498 A JP 29792498A JP 2000122689 A JP2000122689 A JP 2000122689A
- Authority
- JP
- Japan
- Prior art keywords
- recognition result
- speaker adaptation
- standard pattern
- reliability
- speaker
- 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】
【課題】 教師なし話者適応方式において話者適応学習
用認識結果が誤った場合においても、標準パタンのパラ
メータ誤推定を防ぎ、認識率を向上させる。 【解決手段】 認識結果信頼度演算手段１０１によっ
て、照合手段２００３の出力である話者適応学習用音声
認識結果２００６と音声特徴量抽出手段２００２の出力
である音声特徴量と標準パタン２００４を用いて認識結
果信頼度を計算する。また、認識結果信頼度付き教師な
し話者適応手段１０２によって、照合手段２００３の出
力である話者適応学習用音声認識結果２００６と音声特
徴量抽出手段２００２の出力である音声特徴量と標準パ
タン２００４を用いて、教師なし話者適応パタン２００
８を計算する。
用認識結果が誤った場合においても、標準パタンのパラ
メータ誤推定を防ぎ、認識率を向上させる。 【解決手段】 認識結果信頼度演算手段１０１によっ
て、照合手段２００３の出力である話者適応学習用音声
認識結果２００６と音声特徴量抽出手段２００２の出力
である音声特徴量と標準パタン２００４を用いて認識結
果信頼度を計算する。また、認識結果信頼度付き教師な
し話者適応手段１０２によって、照合手段２００３の出
力である話者適応学習用音声認識結果２００６と音声特
徴量抽出手段２００２の出力である音声特徴量と標準パ
タン２００４を用いて、教師なし話者適応パタン２００
８を計算する。
Description
【０００１】
【発明の属する技術分野】本発明は、多数の話者の音声
データによりパラメータ学習を行った標準パタンを、あ
る話者に適応した話者適応パタンに更新するようにした
教師なし話者適応化装置、及びその話者適応パタンを用
いた音声認識装置に関する。
データによりパラメータ学習を行った標準パタンを、あ
る話者に適応した話者適応パタンに更新するようにした
教師なし話者適応化装置、及びその話者適応パタンを用
いた音声認識装置に関する。
【０００２】
【従来の技術】音声認識のアプリケーションを想定した
場合、事前の話者音声の登録を必要としない不特定話者
音声認識システムの要望が高く、隠れマルコフモデル(H
iddenMarkov Model、以下HMMとする)、ニューラルネッ
ト(Neural Network、以下NNとする)を用いた音声認識方
式による実用化検討が行われている。HMM、NNの詳細
は、例えば「音声認識の基礎(上、下)」L.RABINER、B.
H.JUANG、古井 監訳、1995年、11月、NTTアドバンステ
クノロジ (以下、文献１という)に記されている。これ
らの方法は、予め多数の話者からの単語、文などの音声
データを用いた、標準パタンの学習によって不特定話者
標準パタンを作成するものである。
場合、事前の話者音声の登録を必要としない不特定話者
音声認識システムの要望が高く、隠れマルコフモデル(H
iddenMarkov Model、以下HMMとする)、ニューラルネッ
ト(Neural Network、以下NNとする)を用いた音声認識方
式による実用化検討が行われている。HMM、NNの詳細
は、例えば「音声認識の基礎(上、下)」L.RABINER、B.
H.JUANG、古井 監訳、1995年、11月、NTTアドバンステ
クノロジ (以下、文献１という)に記されている。これ
らの方法は、予め多数の話者からの単語、文などの音声
データを用いた、標準パタンの学習によって不特定話者
標準パタンを作成するものである。
【０００３】しかしながら、HMMやNNによる不特定話者
音声認識システムは、特定話者に限定した場合、その特
定話者からの単語、文などの音声データによって標準パ
タンを学習した特定話者認識システムと比較して、単語
誤り率で2〜3倍程度であるのが現状である。そこで不特
定話者音声認識システムの向上をはかるため、話者適応
技術の研究が最近盛んに行われている。
音声認識システムは、特定話者に限定した場合、その特
定話者からの単語、文などの音声データによって標準パ
タンを学習した特定話者認識システムと比較して、単語
誤り率で2〜3倍程度であるのが現状である。そこで不特
定話者音声認識システムの向上をはかるため、話者適応
技術の研究が最近盛んに行われている。
【０００４】話者適応化技術は、特定話者の少量の音声
データ(以下適応データとする)を用いて、音声認識シス
テムを使用する前や使用中に、不特定話者音声認識シス
テムの標準パタンのパラメータを適応学習して認識率の
向上を図るものである。話者適応化方式については、
「音声認識における話者適応」松本 弘、日本音響学会
平成７年春季研究発表会講演論文集、pp.27-3０１995年
3月（以下、文献２という）に詳しい。話者適応化法と
しては、適応学習データの発話の内容が既知の音声を用
いるか、あるいは任意の未知の発話内容の音声を使用す
るかにより、「教師あり／教師なし」の２つの方法があ
る。教師あり話者適応方式は、適応データを用いた適応
学習後の認識精度は高いが、音声認識装置の使用者が使
用前に予め決められた単語や文章を発声しなければなら
ず、使用者の負担が大きい。一方、教師なし話者適応方
式は、音声認識装置の使用中に使用者が適応学習を意識
することなく認識率の改善を得ようとする方法である。
実際の音声認識のアプリケーションでは、教師なし話者
適応の確立が望まれている。
データ(以下適応データとする)を用いて、音声認識シス
テムを使用する前や使用中に、不特定話者音声認識シス
テムの標準パタンのパラメータを適応学習して認識率の
向上を図るものである。話者適応化方式については、
「音声認識における話者適応」松本 弘、日本音響学会
平成７年春季研究発表会講演論文集、pp.27-3０１995年
3月（以下、文献２という）に詳しい。話者適応化法と
しては、適応学習データの発話の内容が既知の音声を用
いるか、あるいは任意の未知の発話内容の音声を使用す
るかにより、「教師あり／教師なし」の２つの方法があ
る。教師あり話者適応方式は、適応データを用いた適応
学習後の認識精度は高いが、音声認識装置の使用者が使
用前に予め決められた単語や文章を発声しなければなら
ず、使用者の負担が大きい。一方、教師なし話者適応方
式は、音声認識装置の使用中に使用者が適応学習を意識
することなく認識率の改善を得ようとする方法である。
実際の音声認識のアプリケーションでは、教師なし話者
適応の確立が望まれている。
【０００５】従来の教師なし適応化では、入力音声に対
して不特定話者用の標準パタンを用いて照合を行い、照
合を行った結果として得られる認識結果を発声内容であ
るとして、不特定話者用標準パタンを連結し、入力音声
を適応データとして標準パタンのパラメータを更新す
る。例えば 「Speaker Adaptation of ContinuousDensi
ty HMMs Using Multivariate Linear Regression」 C.
L. Leggetter andP. C.Woodland, Proc. of ICSLP94、p
p.451-454、1994年 (以下、文献３という)で報告されて
いる。
して不特定話者用の標準パタンを用いて照合を行い、照
合を行った結果として得られる認識結果を発声内容であ
るとして、不特定話者用標準パタンを連結し、入力音声
を適応データとして標準パタンのパラメータを更新す
る。例えば 「Speaker Adaptation of ContinuousDensi
ty HMMs Using Multivariate Linear Regression」 C.
L. Leggetter andP. C.Woodland, Proc. of ICSLP94、p
p.451-454、1994年 (以下、文献３という)で報告されて
いる。
【０００６】以下に従来例として文献３に記述されてい
る認識結果を発声内容とする教師なし話者適応化装置を
図２１のブロック図を参照して説明する。図２１におい
て、入力音声２００１は、認識装置の使用話者が発声し
た単語や文章の音声である。ここでの１発声はポーズか
らポーズの間の文節や文章として説明を行う。
る認識結果を発声内容とする教師なし話者適応化装置を
図２１のブロック図を参照して説明する。図２１におい
て、入力音声２００１は、認識装置の使用話者が発声し
た単語や文章の音声である。ここでの１発声はポーズか
らポーズの間の文節や文章として説明を行う。
【０００７】音声特徴量抽出手段２００２は入力音声２
００１の音声信号をA/D変換し、A/D変換された信号を５
ミリ秒〜２０ミリ秒程度の一定時間間隔のフレームで切
り出し、音響分析を行って音声特徴量を抽出する。ここ
で音声特徴量とは、少い情報量で音声の特徴を表現でき
るものであり、例えばケプストラム、ケプストラムの動
的特徴の物理量で構成する特徴量ベクトルである。
００１の音声信号をA/D変換し、A/D変換された信号を５
ミリ秒〜２０ミリ秒程度の一定時間間隔のフレームで切
り出し、音響分析を行って音声特徴量を抽出する。ここ
で音声特徴量とは、少い情報量で音声の特徴を表現でき
るものであり、例えばケプストラム、ケプストラムの動
的特徴の物理量で構成する特徴量ベクトルである。
【０００８】照合手段２００３では、認識辞書２００５
でテキスト表記によって設定している認識対象の単語
[W(1), W(2), ..., W(wn)](括弧内は単語番号、wnは認
識対象単語数)を認識ユニットのラベル表記へ変換し、
ラベルに対応した認識ユニットの標準パタン２００４を
連結することで認識対象単語の標準パタンを作成する。
そして音声特徴量抽出手段２００２からの出力である発
声1から発声Nまでの音声特徴量の時系列 O = [o(1), o
(2) ,..., o(T)](括弧内は時刻、Tは最大フレーム数)に
対して照合を行い、話者適応学習用音声認識結果２００
６を出力する。話者適応学習用音声認識結果２００６は
発声に対して最も照合スコア(尤度とも言う) が高い単
語番号系列 Rn■=[r■(1), r■(2) ,..., r■(m■)]を
計算し、単語番号に対応した単語のテキスト表記Rw■=
[W(r■(1)), W(r■(2)) ,..., W(r■(m■))]を出力す
る。ここで、r■(i)は話者適応学習用音声認識結果２０
０６の単語列中のi番目の単語の単語番号を示す。ま
た、m■は話者適応用音声認識結果２００６の単語列数
を示す。
でテキスト表記によって設定している認識対象の単語
[W(1), W(2), ..., W(wn)](括弧内は単語番号、wnは認
識対象単語数)を認識ユニットのラベル表記へ変換し、
ラベルに対応した認識ユニットの標準パタン２００４を
連結することで認識対象単語の標準パタンを作成する。
そして音声特徴量抽出手段２００２からの出力である発
声1から発声Nまでの音声特徴量の時系列 O = [o(1), o
(2) ,..., o(T)](括弧内は時刻、Tは最大フレーム数)に
対して照合を行い、話者適応学習用音声認識結果２００
６を出力する。話者適応学習用音声認識結果２００６は
発声に対して最も照合スコア(尤度とも言う) が高い単
語番号系列 Rn■=[r■(1), r■(2) ,..., r■(m■)]を
計算し、単語番号に対応した単語のテキスト表記Rw■=
[W(r■(1)), W(r■(2)) ,..., W(r■(m■))]を出力す
る。ここで、r■(i)は話者適応学習用音声認識結果２０
０６の単語列中のi番目の単語の単語番号を示す。ま
た、m■は話者適応用音声認識結果２００６の単語列数
を示す。
【０００９】標準パタン２００４は、予め用意した標準
パタンであり、文献３では認識ユニットを前後音素環境
(コンテキスト) 依存の音素としたHMMを用い、多数の
話者の音声データでパラメータ学習を行った標準パタン
を初期の標準パタンとして使用している。HMMは状態単
位で以下の情報をパラメータとして有することで複数の
認識ユニットの標準パタンを形成する。 (a)状態番号 (b)受理可能なコンテキストクラス (c)先行状態及び後続状態のリスト (d)出力確率密度分布のパラメータ (e)自己遷移確率確率及び後続状態への遷移確率
パタンであり、文献３では認識ユニットを前後音素環境
(コンテキスト) 依存の音素としたHMMを用い、多数の
話者の音声データでパラメータ学習を行った標準パタン
を初期の標準パタンとして使用している。HMMは状態単
位で以下の情報をパラメータとして有することで複数の
認識ユニットの標準パタンを形成する。 (a)状態番号 (b)受理可能なコンテキストクラス (c)先行状態及び後続状態のリスト (d)出力確率密度分布のパラメータ (e)自己遷移確率確率及び後続状態への遷移確率
【００１０】認識辞書２００５は、予め定めた認識対象
とする単語や文章をテキストで格納し、テキスト表記か
ら認識ユニットラベルへの変換を行って、このラベル系
列にしたがって標準パタン２００４から対応する認識ユ
ニット標準パタンを連結して照合手段２００３で用いる
認識対象単語の標準パタンを生成する。例えば認識辞書
２００５に「あお」が存在するならば、これは音素系列
で表した場合は/ao/となる。離散発声の「あお」の認識
に用いる標準パタンは中心音素が/a/であり、先行音素
が無音、後続音素が/o/である認識ユニットのHMM λ-ao
と、中心音素が/o/であり、先行音素が/a/、後続音素が
無音の認識ユニットのHMM λao-を連結したHMMによって
照合を行う。最近ではこのような前後音素環境依存の音
素HMMを用いて、認識対象語彙が40,000単語以上の音声
認識システムの検討が行われている。
とする単語や文章をテキストで格納し、テキスト表記か
ら認識ユニットラベルへの変換を行って、このラベル系
列にしたがって標準パタン２００４から対応する認識ユ
ニット標準パタンを連結して照合手段２００３で用いる
認識対象単語の標準パタンを生成する。例えば認識辞書
２００５に「あお」が存在するならば、これは音素系列
で表した場合は/ao/となる。離散発声の「あお」の認識
に用いる標準パタンは中心音素が/a/であり、先行音素
が無音、後続音素が/o/である認識ユニットのHMM λ-ao
と、中心音素が/o/であり、先行音素が/a/、後続音素が
無音の認識ユニットのHMM λao-を連結したHMMによって
照合を行う。最近ではこのような前後音素環境依存の音
素HMMを用いて、認識対象語彙が40,000単語以上の音声
認識システムの検討が行われている。
【００１１】教師なし話者適応手段２００７は、照合手
段２００３の出力である話者適応学習用音声認識結果２
００６と標準パタン２００４を入力し、認識結果の認識
ユニットラベル系列に基づき、標準パタン２００４の音
素HMMを連結し、音声特徴量抽出手段２００２からの出
力である音声特徴量の時系列を適応データとして標準パ
タンのパラメータを更新し、教師なし話者適応パタン２
００８を出力する。
段２００３の出力である話者適応学習用音声認識結果２
００６と標準パタン２００４を入力し、認識結果の認識
ユニットラベル系列に基づき、標準パタン２００４の音
素HMMを連結し、音声特徴量抽出手段２００２からの出
力である音声特徴量の時系列を適応データとして標準パ
タンのパラメータを更新し、教師なし話者適応パタン２
００８を出力する。
【００１２】文献３では、数式１で示される重回帰写像
モデルに基づき、HMMのパラメータの一つであるガウス
分布の平均ベクトルを線形変換することで教師なし話者
適応パタン２００８を計算する。数式１においてμ
(q)、μa(q)は更新前後のガウス分布番号qの平均ベクト
ルであり、次元数はdであり音声特徴量ベクトルの次元
数と同じである。Aはd×dの変換行列であり、vはd次元
の定数項ベクトルである。変換行列Aとvは数式２によっ
てAのp行目、vのp次元目を算出する。数式２において、
Ψは更新を行うガウス分布番号の集合、γ(i,t)は時刻t
にガウス分布iに特徴ベクトルo(t)が存在する期待値、
μ(i,r)はガウス分布iの平均ベクトルのr次元目の要
素、σ2(i,p)はガウス分布iの共分散行列のp行p列目の
要素、o(t,p)は特徴ベクトルo(t)のp次元目の要素、Ｔ
は適応データの総フレーム数である。
モデルに基づき、HMMのパラメータの一つであるガウス
分布の平均ベクトルを線形変換することで教師なし話者
適応パタン２００８を計算する。数式１においてμ
(q)、μa(q)は更新前後のガウス分布番号qの平均ベクト
ルであり、次元数はdであり音声特徴量ベクトルの次元
数と同じである。Aはd×dの変換行列であり、vはd次元
の定数項ベクトルである。変換行列Aとvは数式２によっ
てAのp行目、vのp次元目を算出する。数式２において、
Ψは更新を行うガウス分布番号の集合、γ(i,t)は時刻t
にガウス分布iに特徴ベクトルo(t)が存在する期待値、
μ(i,r)はガウス分布iの平均ベクトルのr次元目の要
素、σ2(i,p)はガウス分布iの共分散行列のp行p列目の
要素、o(t,p)は特徴ベクトルo(t)のp次元目の要素、Ｔ
は適応データの総フレーム数である。
【数１】
【数２】
【００１３】教師なし話者適応パタン２００８は、教師
なし話者適応手段２００７からの出力であり、この標準
パタンを用いて音声認識装置などで音声認識が行われ
る。
なし話者適応手段２００７からの出力であり、この標準
パタンを用いて音声認識装置などで音声認識が行われ
る。
【００１４】
【発明が解決しようとする課題】しかし、従来の教師な
し話者適応化装置では、照合を行って得られた話者適応
用認識結果を発声内容として標準パタンのパラメータの
更新を行っていたため、話者適応学習用認識結果が誤っ
た場合には、パラメータの誤った推定が行われ認識率が
低下する、という問題点があった。
し話者適応化装置では、照合を行って得られた話者適応
用認識結果を発声内容として標準パタンのパラメータの
更新を行っていたため、話者適応学習用認識結果が誤っ
た場合には、パラメータの誤った推定が行われ認識率が
低下する、という問題点があった。
【００１５】そこで、本発明は、以上の問題点を解決
し、教師なし話者適応方式において話者適応学習用認識
結果が誤った場合においても、標準パタンのパラメータ
誤推定を防ぎ、認識率を向上させることのできる話者適
応化装置、およびその話者適応化装置により更新された
教師なし話者適応パタン使用して音声認識を行う音声認
識装置を提供することを目的とする。
し、教師なし話者適応方式において話者適応学習用認識
結果が誤った場合においても、標準パタンのパラメータ
誤推定を防ぎ、認識率を向上させることのできる話者適
応化装置、およびその話者適応化装置により更新された
教師なし話者適応パタン使用して音声認識を行う音声認
識装置を提供することを目的とする。
【００１６】
【課題を解決するための手段】この発明に係る話者適応
化装置では、多数の話者の音声データによりパラメータ
学習を行った標準パタンを、ある話者に適応した話者適
応パタンに更新するようにした話者適応化装置におい
て、話者の入力音声から音声特徴量を抽出する音声特徴
量抽出手段と、前記音声特徴量抽出手段が抽出した音声
特徴量と、前記標準パタンとを照合して認識結果を出力
する照合手段と、前記音声特徴量抽出手段が抽出した音
声特徴量と、前記標準パタンとに基づいて、前記照合手
段から出力された認識結果の信頼度を演算して出力する
認識結果信頼度演算手段と、前記音声特徴量抽出手段が
抽出した音声特徴量と、前記照合手段から出力された認
識結果と、前記認識結果信頼度演算手段からの認識結果
信頼度とに基づいて、前記標準パタンを前記話者適応パ
タンへ更新する認識結果信頼度付き教師なし話者適応手
段と、とを備えるものである。
化装置では、多数の話者の音声データによりパラメータ
学習を行った標準パタンを、ある話者に適応した話者適
応パタンに更新するようにした話者適応化装置におい
て、話者の入力音声から音声特徴量を抽出する音声特徴
量抽出手段と、前記音声特徴量抽出手段が抽出した音声
特徴量と、前記標準パタンとを照合して認識結果を出力
する照合手段と、前記音声特徴量抽出手段が抽出した音
声特徴量と、前記標準パタンとに基づいて、前記照合手
段から出力された認識結果の信頼度を演算して出力する
認識結果信頼度演算手段と、前記音声特徴量抽出手段が
抽出した音声特徴量と、前記照合手段から出力された認
識結果と、前記認識結果信頼度演算手段からの認識結果
信頼度とに基づいて、前記標準パタンを前記話者適応パ
タンへ更新する認識結果信頼度付き教師なし話者適応手
段と、とを備えるものである。
【００１７】また、次の発明に係る話者適応化装置で
は、前記認識結果信頼度付き教師なし話者適応手段は、
更に、ある入力音声により話者適応パタンを更新する
際、その前の入力音声により更新した話者適応パタンを
標準パタンとして使用することを特徴とする。
は、前記認識結果信頼度付き教師なし話者適応手段は、
更に、ある入力音声により話者適応パタンを更新する
際、その前の入力音声により更新した話者適応パタンを
標準パタンとして使用することを特徴とする。
【００１８】また、次の発明に係る話者適応化装置で
は、前記認識結果信頼度演算手段は、前記照合手段から
出力された認識結果の信頼度を演算する際、話者の１発
声毎に信頼度を演算することを特徴とする。
は、前記認識結果信頼度演算手段は、前記照合手段から
出力された認識結果の信頼度を演算する際、話者の１発
声毎に信頼度を演算することを特徴とする。
【００１９】また、次の発明に係る話者適応化装置で
は、前記認識結果信頼度演算手段は、前記標準パタンの
基本単位である認識ユニット区間毎に認識結果の信頼度
を演算することを特徴とする。
は、前記認識結果信頼度演算手段は、前記標準パタンの
基本単位である認識ユニット区間毎に認識結果の信頼度
を演算することを特徴とする。
【００２０】また、次の発明に係る話者適応化装置で
は、前記認識結果信頼度演算手段は、音素や音節などの
音声単位区間毎に認識結果の信頼度を演算することを特
徴とする。
は、前記認識結果信頼度演算手段は、音素や音節などの
音声単位区間毎に認識結果の信頼度を演算することを特
徴とする。
【００２１】また、次の発明に係る話者適応化装置で
は、前記認識結果信頼度演算手段は、前記音声データの
特徴量を演算する一定区間のフレーム毎に認識結果信頼
度を演算することを特徴とする。
は、前記認識結果信頼度演算手段は、前記音声データの
特徴量を演算する一定区間のフレーム毎に認識結果信頼
度を演算することを特徴とする。
【００２２】また、次の発明に係る話者適応化装置で
は、前記認識結果信頼度付き教師なし話者適応手段は、
前記照合手段からの認識結果に基づいて、前記音声特徴
量抽出手段が抽出した音声特徴量を認識ユニット毎に分
割し、その認識ユニット毎に分割された音声特徴量と、
前記認識結果信頼度演算手段からの認識結果信頼度とに
基づいて、各認識ユニット毎に前記標準パタンを前記話
者適応パタンへ更新することを特徴とする。
は、前記認識結果信頼度付き教師なし話者適応手段は、
前記照合手段からの認識結果に基づいて、前記音声特徴
量抽出手段が抽出した音声特徴量を認識ユニット毎に分
割し、その認識ユニット毎に分割された音声特徴量と、
前記認識結果信頼度演算手段からの認識結果信頼度とに
基づいて、各認識ユニット毎に前記標準パタンを前記話
者適応パタンへ更新することを特徴とする。
【００２３】また、次の発明に係る話者適応化装置で
は、前記認識結果信頼度付き教師なし話者適応手段は、
前記認識ユニットの標準パタンパラメータ更新用の分割
された適応データを用い、最尤推定によって標準パタン
のパラメータを推定し、認識ユニットの標準パタンのパ
ラメータ更新に用いた適応データの認識結果信頼度の合
計値に基づき、最尤推定前後のパラメータの値の線形補
間によって前記標準パタンパラメータから前記話者適応
パタンのパラメータへ更新することを特徴とする。
は、前記認識結果信頼度付き教師なし話者適応手段は、
前記認識ユニットの標準パタンパラメータ更新用の分割
された適応データを用い、最尤推定によって標準パタン
のパラメータを推定し、認識ユニットの標準パタンのパ
ラメータ更新に用いた適応データの認識結果信頼度の合
計値に基づき、最尤推定前後のパラメータの値の線形補
間によって前記標準パタンパラメータから前記話者適応
パタンのパラメータへ更新することを特徴とする。
【００２４】また、次の発明に係る話者適応化装置で
は、前記標準パタンのパラメータ値の線形補間は、標準
パタンのパラメータの最尤推定に用いた適応データの認
識結果信頼度の合計値が大きければ、前記最尤推定値の
重みを大きくするように行うことを特徴とする。
は、前記標準パタンのパラメータ値の線形補間は、標準
パタンのパラメータの最尤推定に用いた適応データの認
識結果信頼度の合計値が大きければ、前記最尤推定値の
重みを大きくするように行うことを特徴とする。
【００２５】また、次の発明に係る話者適応化装置で
は、前記認識結果信頼度付き教師なし話者適応手段は、
前記認識ユニットの標準パタンのパラメータ更新用の分
割された適応データを用い、認識結果信頼度によって適
応データのパラメータ学習への重みを計算して、重み付
けされた適応データによって前記標準パタンパラメータ
から前記話者適応パタンのパラメータへ更新することを
特徴とする。
は、前記認識結果信頼度付き教師なし話者適応手段は、
前記認識ユニットの標準パタンのパラメータ更新用の分
割された適応データを用い、認識結果信頼度によって適
応データのパラメータ学習への重みを計算して、重み付
けされた適応データによって前記標準パタンパラメータ
から前記話者適応パタンのパラメータへ更新することを
特徴とする。
【００２６】また、次の発明に係る話者適応化装置で
は、前記認識結果信頼度は、前記フレーム毎に付与し、
０〜１の範囲の値であり、信頼度が高い場合には１に近
い値を出力することを特徴とする。
は、前記認識結果信頼度は、前記フレーム毎に付与し、
０〜１の範囲の値であり、信頼度が高い場合には１に近
い値を出力することを特徴とする。
【００２７】また、次の発明に係る話者適応化装置で
は、前記照合手段は、複数の認識結果候補を出力し、認
識結果信頼度演算手段は、複数の認識結果候補に対して
認識結果信頼度を演算して、前記認識結果信頼度付き教
師なし話者適応手段では、複数の認識結果候補に基づい
て、前記標準パタンのパラメータから前記話者適応パタ
ンのパラメータへ更新することを特徴とする。
は、前記照合手段は、複数の認識結果候補を出力し、認
識結果信頼度演算手段は、複数の認識結果候補に対して
認識結果信頼度を演算して、前記認識結果信頼度付き教
師なし話者適応手段では、複数の認識結果候補に基づい
て、前記標準パタンのパラメータから前記話者適応パタ
ンのパラメータへ更新することを特徴とする。
【００２８】また、次の発明に係る話者適応化装置で
は、前記認識結果信頼度付き教師なし話者適応手段は、
前記第１の発声の認識結果信頼度が予め定めた閾値以下
ならば、標準パタンのパラメータの更新は行わないこと
を特徴とする。
は、前記認識結果信頼度付き教師なし話者適応手段は、
前記第１の発声の認識結果信頼度が予め定めた閾値以下
ならば、標準パタンのパラメータの更新は行わないこと
を特徴とする。
【００２９】また、次の発明に係る話者適応化装置で
は、前記認識結果信頼度付き教師なし話者適応手段は、
前記第１の発声の認識結果信頼度の値によって更新方法
を切り替えることを特徴とする。
は、前記認識結果信頼度付き教師なし話者適応手段は、
前記第１の発声の認識結果信頼度の値によって更新方法
を切り替えることを特徴とする。
【００３０】また、次の発明に係る話者適応化装置で
は、前記標準パタンのパラメータは、クラスタリングに
よってグループ化し、グループ内のパラメータの更新用
の分割された適応データと認識結果信頼度を用いてグル
ープに共通なパラメータの変動量を演算し、前記パラメ
ータ変動量によって前記標準パタンのグループのパラメ
ータを前記話者適応パタンのグループのパラメータへ更
新すること特徴とする請求項１記載の話者適応化装置。
は、前記標準パタンのパラメータは、クラスタリングに
よってグループ化し、グループ内のパラメータの更新用
の分割された適応データと認識結果信頼度を用いてグル
ープに共通なパラメータの変動量を演算し、前記パラメ
ータ変動量によって前記標準パタンのグループのパラメ
ータを前記話者適応パタンのグループのパラメータへ更
新すること特徴とする請求項１記載の話者適応化装置。
【００３１】また、次の発明に係る話者適応化装置で
は、前記クラスタリングは、木構造クラスタリングを行
って木構造状に標準パタンのパラメータをクラスタリン
グし、木構造のノード以下に属する標準パタンのパラメ
ータ更新用の分割された適応データの認識結果信頼度が
閾値以上であるノード以下の標準パタンのパラメータを
グループとして、グループ内のパラメータの更新用の分
割された適応データと認識結果信頼度を用いてグループ
に共通なパラメータの変動量を演算し、前記変動量によ
って前記標準パタンのグループのパラメータを前記話者
適応パタンのグループのパラメータへ更新することを特
徴とする請求項１５記載の話者適応化装置。
は、前記クラスタリングは、木構造クラスタリングを行
って木構造状に標準パタンのパラメータをクラスタリン
グし、木構造のノード以下に属する標準パタンのパラメ
ータ更新用の分割された適応データの認識結果信頼度が
閾値以上であるノード以下の標準パタンのパラメータを
グループとして、グループ内のパラメータの更新用の分
割された適応データと認識結果信頼度を用いてグループ
に共通なパラメータの変動量を演算し、前記変動量によ
って前記標準パタンのグループのパラメータを前記話者
適応パタンのグループのパラメータへ更新することを特
徴とする請求項１５記載の話者適応化装置。
【００３２】また、次の発明に係る話者適応化装置で
は、前記標準パタン、及び前記話者適応パタンとして、
連続混合分布型隠れマルコフモデルを用いることを特徴
とする。
は、前記標準パタン、及び前記話者適応パタンとして、
連続混合分布型隠れマルコフモデルを用いることを特徴
とする。
【００３３】また、次の発明に係る話者適応化装置で
は、前記連続混合分布型隠れマルコフモデルのシンボル
出力確率密度関数を構成する要素分布関数は、ガウス分
布であることを特徴とする。
は、前記連続混合分布型隠れマルコフモデルのシンボル
出力確率密度関数を構成する要素分布関数は、ガウス分
布であることを特徴とする。
【００３４】また、次の発明に係る話者適応化装置で
は、前記認識結果信頼度付き教師なし話者適応手段にお
いて更新するパラメータは前記ガウス分布の平均ベクト
ルであることを特徴とする。
は、前記認識結果信頼度付き教師なし話者適応手段にお
いて更新するパラメータは前記ガウス分布の平均ベクト
ルであることを特徴とする。
【００３５】また、次の発明に係る話者適応化装置で
は、前記ガウス分布の平均ベクトルの更新は、適応デー
タが存在するガウス分布の平均ベクトルは認識結果信頼
度付き更新を行い、適応データが存在しないガウス分布
の平均ベクトルは適応データが存在するガウス分布の更
新前後の平均ベクトルの値の差分ベクトルを用いた補間
によって前記標準パタンのパラメータを前記話者適応パ
タンのパラメータへ更新することを特徴とする。
は、前記ガウス分布の平均ベクトルの更新は、適応デー
タが存在するガウス分布の平均ベクトルは認識結果信頼
度付き更新を行い、適応データが存在しないガウス分布
の平均ベクトルは適応データが存在するガウス分布の更
新前後の平均ベクトルの値の差分ベクトルを用いた補間
によって前記標準パタンのパラメータを前記話者適応パ
タンのパラメータへ更新することを特徴とする。
【００３６】また、次の発明に係る話者適応化装置で
は、前記認識結果信頼度付き教師なし話者適応手段は、
認識結果信頼度を用いた重回帰写像モデルに基づく話者
適応によって、前記標準パタンのパラメータであるガウ
ス分布の平均ベクトルを前記話者適応パタンのガウス分
布の平均ベクトルへ更新することを特徴とする。
は、前記認識結果信頼度付き教師なし話者適応手段は、
認識結果信頼度を用いた重回帰写像モデルに基づく話者
適応によって、前記標準パタンのパラメータであるガウ
ス分布の平均ベクトルを前記話者適応パタンのガウス分
布の平均ベクトルへ更新することを特徴とする。
【００３７】また、次の発明に係る話者適応化装置で
は、前記重回帰写像モデルに基づく話者適応は、標準パ
タンのガウス分布をクラスタリングしてグループ化し、
グループ内のガウス分布更新用の適応データと認識結果
信頼度に基づいてガウス分布のグループに１つの回帰係
数を演算し、標準パタンの平均ベクトルを回帰係数を用
いて話者適応パタンの平均ベクトルへ更新することを特
徴とする。
は、前記重回帰写像モデルに基づく話者適応は、標準パ
タンのガウス分布をクラスタリングしてグループ化し、
グループ内のガウス分布更新用の適応データと認識結果
信頼度に基づいてガウス分布のグループに１つの回帰係
数を演算し、標準パタンの平均ベクトルを回帰係数を用
いて話者適応パタンの平均ベクトルへ更新することを特
徴とする。
【００３８】また次の発明に係る音声認識装置は、請求
項１〜２２のうちいずれかに記載の話者適応化装置によ
って更新された教師なし話者適応パタンと、話者の入力
音声から音声特徴量を抽出する音声特徴量抽出手段と、
前記音声特徴量抽出手段が抽出した音声特徴量と、前記
教師なし話者適応パタンとを照合して認識結果を出力す
る照合手段と、を備えるものである。
項１〜２２のうちいずれかに記載の話者適応化装置によ
って更新された教師なし話者適応パタンと、話者の入力
音声から音声特徴量を抽出する音声特徴量抽出手段と、
前記音声特徴量抽出手段が抽出した音声特徴量と、前記
教師なし話者適応パタンとを照合して認識結果を出力す
る照合手段と、を備えるものである。
【００３９】
【発明の実施の形態】実施の形態１．図１は、請求項１
記載の発明による話者適応化装置の１構成である実施の
形態１を示すブロック図である。図１において従来技術
の説明図である図２１と同一の機能ブロックは同一の符
号を付し説明を省略する。従来技術と異る本発明の特徴
的な部分は、認識結果信頼度演算手段１０１を備えたこ
とと、教師なし話者適応手段２００７の代りに認識結果
信頼度付き教師なし話者適応手段１０２を備えたことで
ある。
記載の発明による話者適応化装置の１構成である実施の
形態１を示すブロック図である。図１において従来技術
の説明図である図２１と同一の機能ブロックは同一の符
号を付し説明を省略する。従来技術と異る本発明の特徴
的な部分は、認識結果信頼度演算手段１０１を備えたこ
とと、教師なし話者適応手段２００７の代りに認識結果
信頼度付き教師なし話者適応手段１０２を備えたことで
ある。
【００４０】次に図１を参照しながら動作について説明
する。認識結果信頼度演算手段１０１は、照合手段２０
０３からの出力である話者適応学習用音声認識結果２０
０６と音声特徴量抽出手段２００２からの出力である音
声特徴量、及び標準パタン２００４を入力し、話者適応
学習用認識結果２００６に対する信頼度を演算する。認
識結果の信頼度は、例えば「種々の統計量を用いた単語
リジェクト方式の検討」花沢、阿部、日本音響学会平成
10年春期研究発表会講演論文集、pp.141-142、1998年3
月(以降、文献４という)に示されている統計量を用い
る。
する。認識結果信頼度演算手段１０１は、照合手段２０
０３からの出力である話者適応学習用音声認識結果２０
０６と音声特徴量抽出手段２００２からの出力である音
声特徴量、及び標準パタン２００４を入力し、話者適応
学習用認識結果２００６に対する信頼度を演算する。認
識結果の信頼度は、例えば「種々の統計量を用いた単語
リジェクト方式の検討」花沢、阿部、日本音響学会平成
10年春期研究発表会講演論文集、pp.141-142、1998年3
月(以降、文献４という)に示されている統計量を用い
る。
【００４１】文献４では、認識結果の信頼度を得るため
に(1)音響尤度差、(2)音素継続時間長、(3)音素混同行
列の3種類の統計量を用いている。(1)の音響尤度差は、
入力音声の話者適応学習用音声認識結果２００６である
Rw■のフレーム尤度と、全音素接続の音素タイプライタ
による音声認識装置の認識結果Rw■の区間に対しての尤
度の差を数式３により計算して信頼度とするものであ
る。数式３においてｌtはフレームtにおける認識結果Rw
■の対数フレーム尤度、Ｌtは、音素タイプライタによ
る対数フレーム尤度である。また、NはRw■の音素数、
ｂiとｅiは、i番目の音素の始端と終端フレームであ
る。Ｓaは値が小さいほど信頼性が高い統計量であるの
で通常はマイナスを乗じた値として信頼度とする。
に(1)音響尤度差、(2)音素継続時間長、(3)音素混同行
列の3種類の統計量を用いている。(1)の音響尤度差は、
入力音声の話者適応学習用音声認識結果２００６である
Rw■のフレーム尤度と、全音素接続の音素タイプライタ
による音声認識装置の認識結果Rw■の区間に対しての尤
度の差を数式３により計算して信頼度とするものであ
る。数式３においてｌtはフレームtにおける認識結果Rw
■の対数フレーム尤度、Ｌtは、音素タイプライタによ
る対数フレーム尤度である。また、NはRw■の音素数、
ｂiとｅiは、i番目の音素の始端と終端フレームであ
る。Ｓaは値が小さいほど信頼性が高い統計量であるの
で通常はマイナスを乗じた値として信頼度とする。
【数３】
【００４２】(2)の音素継続時間長は、入力音声に対す
る話者適応学習用音声認識結果Rw■の各音素の隣接音素
間の継続時間長の整合性に基づく信頼性の統計量であ
り、数式４によって信頼度を計算する。数式４において
ｄiはRw■を構成するi番目の音素を中心として前後１音
素づつの継続時間長を並べた３次元のベクトルであり、
Ｄiは他の多数話者の音声データを用いて事前に求めた
前記３音素の継続時間長の平均値を並べた３次元ベクト
ルである。数式４によって演算するＳdは、認識結果Rw
■中の隣接する３音素間の継続時間長の比が、学習デー
タによって求めた平均時間長の比に近いほど大きな値を
とる。したがって、Ｓdは値が大きいほど認識結果の信
頼度が高い統計量である。
る話者適応学習用音声認識結果Rw■の各音素の隣接音素
間の継続時間長の整合性に基づく信頼性の統計量であ
り、数式４によって信頼度を計算する。数式４において
ｄiはRw■を構成するi番目の音素を中心として前後１音
素づつの継続時間長を並べた３次元のベクトルであり、
Ｄiは他の多数話者の音声データを用いて事前に求めた
前記３音素の継続時間長の平均値を並べた３次元ベクト
ルである。数式４によって演算するＳdは、認識結果Rw
■中の隣接する３音素間の継続時間長の比が、学習デー
タによって求めた平均時間長の比に近いほど大きな値を
とる。したがって、Ｓdは値が大きいほど認識結果の信
頼度が高い統計量である。
【数４】
【００４３】(3)の音素混同行列は、音素タイプライタ
による音素認識を並行して行い、話者適応学習用音声認
識結果Rw■を構成する音素系列と音素タイプライタによ
る認識結果である音素系列とを時間軸上で対応づけ、事
前に求めた音素混同行列を用いて数式５によって信頼度
を計算する。数式５において、ｈiはR■wを構成するi番
目の音素モデル、ｐikは音素タイプライタによる音素系
列中でｈiと区間が重なる音素、Ｋiはｈiと区間が重な
る音素数、m(h,p)は事前に求めた音素ｈ音素pの混同
率、ｗikはｈiとｐikとの区間重なり率であり、数式６
によって計算する。数式５のＳcは、値が大きいほど認
識結果の信頼度が高い統計量である。最終的なRw■の認
識結果信頼度は上記の３種類の統計量を用い、数式７に
よって計算する。数式７においてｗ2、ｗ3は重み係数で
あり実験的に設定する。
による音素認識を並行して行い、話者適応学習用音声認
識結果Rw■を構成する音素系列と音素タイプライタによ
る認識結果である音素系列とを時間軸上で対応づけ、事
前に求めた音素混同行列を用いて数式５によって信頼度
を計算する。数式５において、ｈiはR■wを構成するi番
目の音素モデル、ｐikは音素タイプライタによる音素系
列中でｈiと区間が重なる音素、Ｋiはｈiと区間が重な
る音素数、m(h,p)は事前に求めた音素ｈ音素pの混同
率、ｗikはｈiとｐikとの区間重なり率であり、数式６
によって計算する。数式５のＳcは、値が大きいほど認
識結果の信頼度が高い統計量である。最終的なRw■の認
識結果信頼度は上記の３種類の統計量を用い、数式７に
よって計算する。数式７においてｗ2、ｗ3は重み係数で
あり実験的に設定する。
【数５】
【数６】
【数７】
【００４４】認識結果信頼度付き教師なし話者適応手段
１０２は、認識結果信頼度演算手段１０１からの出力で
ある認識結果信頼度と、照合手段２００３からの出力で
ある話者適応学習用音声認識結果２００６と、音声特徴
量抽出手段２００２からの出力である音声特徴量と、標
準パタン２００４を入力して標準パタンのパラメータの
更新を行い、教師なし話者適応パタン２００８を出力す
る。従って、この実施の形態１の話者適応化装置によれ
ば、上記のように認識結果に対して信頼度を付加して教
師なし話者適応を行うので認識結果が誤っている場合で
も、標準パタンのパラメータの誤った更新を防ぐので、
認識率を向上させることができる。
１０２は、認識結果信頼度演算手段１０１からの出力で
ある認識結果信頼度と、照合手段２００３からの出力で
ある話者適応学習用音声認識結果２００６と、音声特徴
量抽出手段２００２からの出力である音声特徴量と、標
準パタン２００４を入力して標準パタンのパラメータの
更新を行い、教師なし話者適応パタン２００８を出力す
る。従って、この実施の形態１の話者適応化装置によれ
ば、上記のように認識結果に対して信頼度を付加して教
師なし話者適応を行うので認識結果が誤っている場合で
も、標準パタンのパラメータの誤った更新を防ぐので、
認識率を向上させることができる。
【００４５】実施の形態２．図２は、請求項２記載の発
明による話者適応化装置の１構成例である実施の形態２
を示すブロック図である。図２において、実施の形態１
と同一の機能ブロックは同一の番号を付し説明を省略す
る。本発明の特徴的な部分は、先行する発声によって更
新した教師なし話者適応パタン２００８を標準パタン２
００４へ代入し、引き続く発声に対して教師なし話者適
応を行うことを特徴としたことである。
明による話者適応化装置の１構成例である実施の形態２
を示すブロック図である。図２において、実施の形態１
と同一の機能ブロックは同一の番号を付し説明を省略す
る。本発明の特徴的な部分は、先行する発声によって更
新した教師なし話者適応パタン２００８を標準パタン２
００４へ代入し、引き続く発声に対して教師なし話者適
応を行うことを特徴としたことである。
【００４６】次に図２を参照しながら動作について説明
する。認識結果信頼度付き教師なし話者適応手段１０２
は、使用者の最初の発声O(1) = [o(t1),o(t1+1), ...,
o(T1)]を用いて標準パタン２００４のパラメータを更新
して教師なし話者適応パタン２００８を出力する。ここ
で、この最初の発声によって得られた教師なし話者適応
パタンをΛ(1)とする。次にΛ(1)を標準パタン２００４
とし、使用者の２番目の発声O(2) = [o(t2), o(t2+1),
..., o(T2)] を用いて教師なし話者適応処理によって
更に標準パタン２００４を更新して、教師なし話者適応
パタン２００８を計算する。このようにｊ番目の発声を
用いた教師なし話者適応の更新前の標準パタンとして(j
-1)番目の発声までに逐次的に更新したΛ(j-1)を用い
る。従って、この実施の形態２の話者適応化装置によれ
ば、上記のように認識結果に対して信頼度を付加して逐
次的に教師なし話者適応を行うので認識結果が誤ってい
る場合でも、標準パタンのパラメータの誤った更新を防
ぐので、認識率を向上させることができる。
する。認識結果信頼度付き教師なし話者適応手段１０２
は、使用者の最初の発声O(1) = [o(t1),o(t1+1), ...,
o(T1)]を用いて標準パタン２００４のパラメータを更新
して教師なし話者適応パタン２００８を出力する。ここ
で、この最初の発声によって得られた教師なし話者適応
パタンをΛ(1)とする。次にΛ(1)を標準パタン２００４
とし、使用者の２番目の発声O(2) = [o(t2), o(t2+1),
..., o(T2)] を用いて教師なし話者適応処理によって
更に標準パタン２００４を更新して、教師なし話者適応
パタン２００８を計算する。このようにｊ番目の発声を
用いた教師なし話者適応の更新前の標準パタンとして(j
-1)番目の発声までに逐次的に更新したΛ(j-1)を用い
る。従って、この実施の形態２の話者適応化装置によれ
ば、上記のように認識結果に対して信頼度を付加して逐
次的に教師なし話者適応を行うので認識結果が誤ってい
る場合でも、標準パタンのパラメータの誤った更新を防
ぐので、認識率を向上させることができる。
【００４７】実施の形態３．図３は、請求項３記載の発
明による話者適応化装置の認識結果信頼度演算手段の動
作説明図であり、実施の形態３の特徴を示す図である。
本実施の形態３の特徴的な部分は、認識結果信頼度演算
手段１０１から出力である認識結果信頼度は、ポーズで
区切られた１発声毎に１つ計算することである。認識結
果信頼度演算手段１０１は、図３に示すようにk番目の
発声の始端と終端をtus(k)、tue(k)とした場合に、tue
(k)とtue(k)との間のフレームに関して１つの認識結果
信頼度Su(k)を計算して、tue(k)とtue(k)との間の各フ
レームの認識結果信頼度をSu(k)とする。従って、この
実施の形態３の話者適応化装置によれば、上記のように
１発声毎に認識結果に対して信頼度を付加して教師なし
話者適応を行うので、認識結果が誤っている場合でも、
標準パタンのパラメータの誤った更新を防ぐので、認識
率を向上させることができる。
明による話者適応化装置の認識結果信頼度演算手段の動
作説明図であり、実施の形態３の特徴を示す図である。
本実施の形態３の特徴的な部分は、認識結果信頼度演算
手段１０１から出力である認識結果信頼度は、ポーズで
区切られた１発声毎に１つ計算することである。認識結
果信頼度演算手段１０１は、図３に示すようにk番目の
発声の始端と終端をtus(k)、tue(k)とした場合に、tue
(k)とtue(k)との間のフレームに関して１つの認識結果
信頼度Su(k)を計算して、tue(k)とtue(k)との間の各フ
レームの認識結果信頼度をSu(k)とする。従って、この
実施の形態３の話者適応化装置によれば、上記のように
１発声毎に認識結果に対して信頼度を付加して教師なし
話者適応を行うので、認識結果が誤っている場合でも、
標準パタンのパラメータの誤った更新を防ぐので、認識
率を向上させることができる。
【００４８】実施の形態４．図４は、請求項４記載の発
明による話者適応化装置の認識結果信頼度演算手段の動
作説明図であり、実施の形態４の特徴を示す図である。
本実施の形態４の特徴的な部分は、認識結果信頼度演算
手段１０１からの出力である認識結果信頼度は、認識ユ
ニットに１つ計算することである。認識ユニットとは標
準パタンの基本単位であり、認識ユニットを連結するこ
とで認識対象の単語、文章を認識する標準パタンを構成
する。認識結果信頼度演算手段１０１は入力音声の話者
適応学習用音声認識結果２００６に基づき、認識ユニッ
トラベル系列にしたがって標準パタンを連結し、この標
準パタンによって音声特徴量の時系列を認識ユニットに
分割する。分割されたu番目の認識ユニットの始端と終
端をtrs(u)、tre(u)とした場合に、trs(u)とtre(u)の間
のフレームに関して１つの認識結果信頼度Sr(u)を図４
のように計算し、区間内のフレームの認識結果信頼度を
Sr(u)とする。図４は認識結果が5個の認識ユニットによ
って構成されている例である。従って、この実施の形態
４の話者適応化装置によれば、上記のように１認識ユニ
ット毎に認識結果に対して信頼度を付加して教師なし話
者適応を行うので認識結果が誤っている場合でも、標準
パタンのパラメータの誤った更新を防ぐので、認識率を
向上させることができる。
明による話者適応化装置の認識結果信頼度演算手段の動
作説明図であり、実施の形態４の特徴を示す図である。
本実施の形態４の特徴的な部分は、認識結果信頼度演算
手段１０１からの出力である認識結果信頼度は、認識ユ
ニットに１つ計算することである。認識ユニットとは標
準パタンの基本単位であり、認識ユニットを連結するこ
とで認識対象の単語、文章を認識する標準パタンを構成
する。認識結果信頼度演算手段１０１は入力音声の話者
適応学習用音声認識結果２００６に基づき、認識ユニッ
トラベル系列にしたがって標準パタンを連結し、この標
準パタンによって音声特徴量の時系列を認識ユニットに
分割する。分割されたu番目の認識ユニットの始端と終
端をtrs(u)、tre(u)とした場合に、trs(u)とtre(u)の間
のフレームに関して１つの認識結果信頼度Sr(u)を図４
のように計算し、区間内のフレームの認識結果信頼度を
Sr(u)とする。図４は認識結果が5個の認識ユニットによ
って構成されている例である。従って、この実施の形態
４の話者適応化装置によれば、上記のように１認識ユニ
ット毎に認識結果に対して信頼度を付加して教師なし話
者適応を行うので認識結果が誤っている場合でも、標準
パタンのパラメータの誤った更新を防ぐので、認識率を
向上させることができる。
【００４９】実施の形態５．図５は，請求項５記載の発
明による話者適応化装置の認識結果信頼度演算手段の動
作説明図であり、実施の形態５の特徴を示す図である。
本実施の形態５の特徴的な部分は、認識結果信頼度演算
手段１０１からの出力である認識結果信頼度は、音素や
音節などの音声単位に１つ計算することである。以下で
は音声単位が音素である場合で説明する。認識結果信頼
度演算手段１０１は入力音声の話者適応学習用音声認識
結果２００６の音素系列にしたがって、音声特徴量の時
系列を音素単位に分割する。分割されたp番目の音素の
始端と終端をtps(p)、tps(p)とした場合に、tps(p)とtp
e(p)との間のフレームに関しては認識結果信頼度Sp(p)
を図５のように計算して、tps(p)とtpe(p)との区間内の
各フレームの認識結果信頼度をSp(p)とする。図５は入
力音声の話者適応学習用認識結果が/onsei/の５音素に
よって構成されている例である。従って、この実施の形
態５の話者適応化装置によれば、上記のように１音素毎
に認識結果に対して信頼度を付加して教師なし話者適応
を行うので認識結果が誤っている場合でも、標準パタン
のパラメータの誤った更新を防ぐので、認識率を向上さ
せることができる。
明による話者適応化装置の認識結果信頼度演算手段の動
作説明図であり、実施の形態５の特徴を示す図である。
本実施の形態５の特徴的な部分は、認識結果信頼度演算
手段１０１からの出力である認識結果信頼度は、音素や
音節などの音声単位に１つ計算することである。以下で
は音声単位が音素である場合で説明する。認識結果信頼
度演算手段１０１は入力音声の話者適応学習用音声認識
結果２００６の音素系列にしたがって、音声特徴量の時
系列を音素単位に分割する。分割されたp番目の音素の
始端と終端をtps(p)、tps(p)とした場合に、tps(p)とtp
e(p)との間のフレームに関しては認識結果信頼度Sp(p)
を図５のように計算して、tps(p)とtpe(p)との区間内の
各フレームの認識結果信頼度をSp(p)とする。図５は入
力音声の話者適応学習用認識結果が/onsei/の５音素に
よって構成されている例である。従って、この実施の形
態５の話者適応化装置によれば、上記のように１音素毎
に認識結果に対して信頼度を付加して教師なし話者適応
を行うので認識結果が誤っている場合でも、標準パタン
のパラメータの誤った更新を防ぐので、認識率を向上さ
せることができる。
【００５０】実施の形態６．図６は、請求項６記載の発
明による話者適応化装置の認識結果信頼度演算手段の動
作説明図であり、実施の形態６の特徴を示す図である。
本実施の形態６の特徴的な部分は、認識結果信頼度演算
手段１０１からの出力である認識結果信頼度は、一定時
間間隔のフレーム単位に計算することである。以下では
図６を参照しながら動作説明を行う。認識結果信頼度演
算手段１０１は、入力音声を５ミリ秒〜２０ミリ秒程度
の一定時間間隔のフレーム単位に認識結果信頼度を出力
する。図６は、フレームｔ〜ｔ＋５毎に認識結果信頼度
[Sf(t), Sf(t+1), ..., , Sf(t+5)]を出力を示したもの
である。従って、この実施の形態６の話者適応化装置に
よれば、このように一定時間間隔のフレーム単位で認識
結果信頼度を計算するので、認識結果が誤っている場合
でも、標準パタンのパラメータの誤った更新を防ぐこと
ができ、認識率を向上させることができる。
明による話者適応化装置の認識結果信頼度演算手段の動
作説明図であり、実施の形態６の特徴を示す図である。
本実施の形態６の特徴的な部分は、認識結果信頼度演算
手段１０１からの出力である認識結果信頼度は、一定時
間間隔のフレーム単位に計算することである。以下では
図６を参照しながら動作説明を行う。認識結果信頼度演
算手段１０１は、入力音声を５ミリ秒〜２０ミリ秒程度
の一定時間間隔のフレーム単位に認識結果信頼度を出力
する。図６は、フレームｔ〜ｔ＋５毎に認識結果信頼度
[Sf(t), Sf(t+1), ..., , Sf(t+5)]を出力を示したもの
である。従って、この実施の形態６の話者適応化装置に
よれば、このように一定時間間隔のフレーム単位で認識
結果信頼度を計算するので、認識結果が誤っている場合
でも、標準パタンのパラメータの誤った更新を防ぐこと
ができ、認識率を向上させることができる。
【００５１】実施の形態７．図７は、請求項７記載の発
明による話者適応化装置の１構成例である実施の形態７
を示すブロック図である。図７において、実施の形態１
と同一の機能ブロックは同一の番号を付し説明を省略す
る。本発明の特徴的な部分は、認識結果信頼度付き教師
なし話者適応手段１０２は、音声データセグメンテーシ
ョン手段７０１と認識結果信頼度付き標準パタンパラメ
ータ更新手段７０２で構成することを特徴としたことで
ある。
明による話者適応化装置の１構成例である実施の形態７
を示すブロック図である。図７において、実施の形態１
と同一の機能ブロックは同一の番号を付し説明を省略す
る。本発明の特徴的な部分は、認識結果信頼度付き教師
なし話者適応手段１０２は、音声データセグメンテーシ
ョン手段７０１と認識結果信頼度付き標準パタンパラメ
ータ更新手段７０２で構成することを特徴としたことで
ある。
【００５２】次に図７を参照しながら動作について説明
する。音声データセグメンテーション手段７０１は、話
者適応学習用音声認識結果２００６に基づいて、標準パ
タン２００４から対応する認識ユニット標準パタンを連
結し、音声特徴量の時系列を認識ユニット毎にセグメン
テーションする。セグメンテーションは、例えば標準パ
タンがHMMである場合は文献１に記載されているビター
ビアルゴリズムによって行う。ビタービアルゴリズム
は、音声特徴量の時系列[o(1), o(2), ..., o(t)]に対
する１本の最適状態系列[q1, q2, ..., qt]を見つける
アルゴリズムである。例えば単語標準パタンが３つの認
識ユニットからなり、１認識ユニット当り１状態のHMM
であるとし、状態が(s1,s2,s3)で構成されるとする。そ
してビタービアルゴリズムによって得られた最適状態系
列[s1, s1, s2, s2, s2, s3, s3, s3]であったならば、
フレーム１〜２がユニット1、フレーム３〜５がユニッ
ト２、フレーム６〜８がユニット３にセグメンテーショ
ンされる。
する。音声データセグメンテーション手段７０１は、話
者適応学習用音声認識結果２００６に基づいて、標準パ
タン２００４から対応する認識ユニット標準パタンを連
結し、音声特徴量の時系列を認識ユニット毎にセグメン
テーションする。セグメンテーションは、例えば標準パ
タンがHMMである場合は文献１に記載されているビター
ビアルゴリズムによって行う。ビタービアルゴリズム
は、音声特徴量の時系列[o(1), o(2), ..., o(t)]に対
する１本の最適状態系列[q1, q2, ..., qt]を見つける
アルゴリズムである。例えば単語標準パタンが３つの認
識ユニットからなり、１認識ユニット当り１状態のHMM
であるとし、状態が(s1,s2,s3)で構成されるとする。そ
してビタービアルゴリズムによって得られた最適状態系
列[s1, s1, s2, s2, s2, s3, s3, s3]であったならば、
フレーム１〜２がユニット1、フレーム３〜５がユニッ
ト２、フレーム６〜８がユニット３にセグメンテーショ
ンされる。
【００５３】認識結果信頼度付き標準パタンパラメータ
更新手段７０２は、認識ユニットの標準パタンパラメー
タを、セグメンテーションによって分割された音声特徴
量と認識結果信頼度を用いて更新する。従って、この実
施の形態７の話者適応化装置によれば、上記のように音
声データセグメンテーションを行って識結果信頼度付き
標準パタンパラメータの学習を行うので、話者適応学習
用認識結果が誤っている場合でも、標準パタンのパラメ
ータの誤った更新を防ぐことができ、認識率を向上させ
ることができる。
更新手段７０２は、認識ユニットの標準パタンパラメー
タを、セグメンテーションによって分割された音声特徴
量と認識結果信頼度を用いて更新する。従って、この実
施の形態７の話者適応化装置によれば、上記のように音
声データセグメンテーションを行って識結果信頼度付き
標準パタンパラメータの学習を行うので、話者適応学習
用認識結果が誤っている場合でも、標準パタンのパラメ
ータの誤った更新を防ぐことができ、認識率を向上させ
ることができる。
【００５４】実施の形態８．図８は、請求項８記載の発
明による話者適応化装置の１構成例である実施の形態８
を示すブロック図である。図８において、実施の形態１
と同一の機能ブロックは同一の番号を付し説明を省略す
る。本発明において特徴的な部分は、認識結果信頼度付
き教師なし話者適応手段１０２を、標準パタンパラメー
タ最尤推定手段８０１と、認識結果信頼度に基づくパラ
メータ線形補間手段８０２とで構成することである。
明による話者適応化装置の１構成例である実施の形態８
を示すブロック図である。図８において、実施の形態１
と同一の機能ブロックは同一の番号を付し説明を省略す
る。本発明において特徴的な部分は、認識結果信頼度付
き教師なし話者適応手段１０２を、標準パタンパラメー
タ最尤推定手段８０１と、認識結果信頼度に基づくパラ
メータ線形補間手段８０２とで構成することである。
【００５５】次に図８を参照しながら動作について説明
する。標準パタンパラメータ最尤推定手段８０１は、音
声特徴量抽出手段２００２の出力である音声特徴量と、
話者適応学習用音声認識結果２００６に基づいて標準パ
タン２００４の認識ユニット標準パタンを連結した標準
パタンを用いて、標準パタンのパラメータの最尤推定を
行い、推定後の標準パタンΛmを得る。最尤推定は、例
えば文献１に記載されているBaum-Welch法によってパラ
メータ推定を行う。
する。標準パタンパラメータ最尤推定手段８０１は、音
声特徴量抽出手段２００２の出力である音声特徴量と、
話者適応学習用音声認識結果２００６に基づいて標準パ
タン２００４の認識ユニット標準パタンを連結した標準
パタンを用いて、標準パタンのパラメータの最尤推定を
行い、推定後の標準パタンΛmを得る。最尤推定は、例
えば文献１に記載されているBaum-Welch法によってパラ
メータ推定を行う。
【００５６】認識結果信頼度に基づくパラメータ線形補
間手段８０２は、標準パタンパラメータ最尤推定手段８
０１からの出力である最尤推定後の標準パタンΛm、及
び推定前の標準パタンΛを入力し、認識結果信頼度演算
手段１０１からの出力である認識結果信頼度によってΛ
mとΛのパラメータの線形補間を行い、得られた値を教
師なし話者適応パタン２００８のパラメータとする。例
えば標準パタンがHMMであり、ガウス分布の平均ベクト
ルμ(q) (qはガウス分布の番号) を更新する場合には、
数式８によって教師なし話者適応パタン２００８の平均
ベクトルμa(q)を計算する。数式８においてμ(q)、μm
(q)は最尤推定前後の平均ベクトルの値である。またｗm
(q)は、値が０から１．０の重み係数であり、μ(q)の更
新に用いた適応データの認識結果信頼度によって決定す
る。
間手段８０２は、標準パタンパラメータ最尤推定手段８
０１からの出力である最尤推定後の標準パタンΛm、及
び推定前の標準パタンΛを入力し、認識結果信頼度演算
手段１０１からの出力である認識結果信頼度によってΛ
mとΛのパラメータの線形補間を行い、得られた値を教
師なし話者適応パタン２００８のパラメータとする。例
えば標準パタンがHMMであり、ガウス分布の平均ベクト
ルμ(q) (qはガウス分布の番号) を更新する場合には、
数式８によって教師なし話者適応パタン２００８の平均
ベクトルμa(q)を計算する。数式８においてμ(q)、μm
(q)は最尤推定前後の平均ベクトルの値である。またｗm
(q)は、値が０から１．０の重み係数であり、μ(q)の更
新に用いた適応データの認識結果信頼度によって決定す
る。
【数８】 従って、この実施の形態８の話者適応化装置によれば、
上記のように標準パタンパラメータ最尤推定後に認識結
果信頼度に基づいてパラメータの線形補間を行うので、
話者適応学習用認識結果が誤っている場合でも、標準パ
タンのパラメータの誤った更新を防ぐことができ、認識
率を向上させることができる。
上記のように標準パタンパラメータ最尤推定後に認識結
果信頼度に基づいてパラメータの線形補間を行うので、
話者適応学習用認識結果が誤っている場合でも、標準パ
タンのパラメータの誤った更新を防ぐことができ、認識
率を向上させることができる。
【００５７】実施の形態９．実施の形態９は、実施の形
態８の話者適応化装置における標準パタンのパラメータ
の線形補間において、パラメータの最尤推定に使用した
適応データの認識結果信頼度の合計値が大きければ最尤
推定値の重みを大きくすることを特徴とした請求項９記
載の発明による話者適応化装置である。数式９は数式８
の重み係数ｗm(q)の値を計算する請求項９記載の発明の
１例である。数式９においてＳf(t)はフレームtにおけ
る認識結果信頼度、Ωはパラメータμの更新に用いる適
応データのフレームの時刻の集合、τは値が０以上の制
御定数である。
態８の話者適応化装置における標準パタンのパラメータ
の線形補間において、パラメータの最尤推定に使用した
適応データの認識結果信頼度の合計値が大きければ最尤
推定値の重みを大きくすることを特徴とした請求項９記
載の発明による話者適応化装置である。数式９は数式８
の重み係数ｗm(q)の値を計算する請求項９記載の発明の
１例である。数式９においてＳf(t)はフレームtにおけ
る認識結果信頼度、Ωはパラメータμの更新に用いる適
応データのフレームの時刻の集合、τは値が０以上の制
御定数である。
【数９】 従って、この実施の形態９の話者適応化装置によれば、
上記のように構成することで認識結果が誤っている場合
でも、標準パタンのパラメータの誤った学習を防ぐこと
ができ、認識率を向上させることができる。
上記のように構成することで認識結果が誤っている場合
でも、標準パタンのパラメータの誤った学習を防ぐこと
ができ、認識率を向上させることができる。
【００５８】実施の形態１０．図９は、請求項１０記載
の発明による話者適応化装置の１構成例である実施の形
態１０を示すブロック図である。図９において、実施の
形態１と同一の機能ブロックは同一の番号を付し説明を
省略する。本発明において特徴的な部分は、認識結果信
頼度付き教師なし話者適応手段１０２は、認識結果信頼
度重み付き学習データによる適応学習手段９０１で構成
することである。
の発明による話者適応化装置の１構成例である実施の形
態１０を示すブロック図である。図９において、実施の
形態１と同一の機能ブロックは同一の番号を付し説明を
省略する。本発明において特徴的な部分は、認識結果信
頼度付き教師なし話者適応手段１０２は、認識結果信頼
度重み付き学習データによる適応学習手段９０１で構成
することである。
【００５９】次に図９を参照しながら動作について説明
する。認識結果信頼度重み付き学習データによる適応学
習手段９０１は、話者適応学習用音声認識結果２００６
と標準パタン２００４と認識結果信頼度演算手段１０１
の出力である認識結果信頼度と音声特徴量抽出手段２０
０２の出力である音声特長量の時系列とを入力し、認識
結果信頼度によって適応データへ重み付けしたパラメー
タ更新を行う。例えば、標準パタン２００４がHMMであ
る話者適応化装置では、数式１０によってガウス分布の
平均ベクトル、数式１１によってガウス分布の共分散行
列の更新を行う。数式１０のoh(t)は認識結果信頼度に
よって重み付けされた音声特徴量であり、例えば数式１
２よって計算する。数式１２において、μ(q)は更新前
のガウス分布の平均ベクトル、o(t)は時刻tの音声特徴
量であり、τは値が０以上の制御定数、Ｓf(t)はフレー
ムtの認識結果信頼度であるので、Ｓf(t) が小さい場合
はoh(t)は更新前の平均ベクトルに近い値となり、o(t)
のパラメータ更新への寄与度が小さく、またＳf(t)が大
きい場合は、oh(t)はo(t)に近い値となりパラメータ更
新への寄与度が大きくなる。数式１０においてγ(q,t)
は、時刻tにガウス分布qに音声特徴量 o(t) が存在する
期待値であるが、重み付けされた音声特徴量oh(t)が存
在する期待値として計算してもよい。また、ここで得ら
れたμa(q)を数式８のμm(q)として更新前の標準パタン
パラメータとの線形補間を行うことも可能である。
する。認識結果信頼度重み付き学習データによる適応学
習手段９０１は、話者適応学習用音声認識結果２００６
と標準パタン２００４と認識結果信頼度演算手段１０１
の出力である認識結果信頼度と音声特徴量抽出手段２０
０２の出力である音声特長量の時系列とを入力し、認識
結果信頼度によって適応データへ重み付けしたパラメー
タ更新を行う。例えば、標準パタン２００４がHMMであ
る話者適応化装置では、数式１０によってガウス分布の
平均ベクトル、数式１１によってガウス分布の共分散行
列の更新を行う。数式１０のoh(t)は認識結果信頼度に
よって重み付けされた音声特徴量であり、例えば数式１
２よって計算する。数式１２において、μ(q)は更新前
のガウス分布の平均ベクトル、o(t)は時刻tの音声特徴
量であり、τは値が０以上の制御定数、Ｓf(t)はフレー
ムtの認識結果信頼度であるので、Ｓf(t) が小さい場合
はoh(t)は更新前の平均ベクトルに近い値となり、o(t)
のパラメータ更新への寄与度が小さく、またＳf(t)が大
きい場合は、oh(t)はo(t)に近い値となりパラメータ更
新への寄与度が大きくなる。数式１０においてγ(q,t)
は、時刻tにガウス分布qに音声特徴量 o(t) が存在する
期待値であるが、重み付けされた音声特徴量oh(t)が存
在する期待値として計算してもよい。また、ここで得ら
れたμa(q)を数式８のμm(q)として更新前の標準パタン
パラメータとの線形補間を行うことも可能である。
【数１０】
【数１１】
【数１２】 従って、この実施の形態１０の話者適応化装置によれ
ば、このように構成することで認識結果が誤っている場
合でも、標準パタンのパラメータの誤った学習を防ぐこ
とができ、認識率を向上させることができる。
ば、このように構成することで認識結果が誤っている場
合でも、標準パタンのパラメータの誤った学習を防ぐこ
とができ、認識率を向上させることができる。
【００６０】実施の形態１１．また、実施の形態１１
は、実施の形態１０の話者適応化装置において、認識結
果信頼度をフレーム毎に付与し、その値が０〜１であ
り、信頼度が高い場合には１に近い値を出力することを
特長とした請求項１１記載の話者適応化装置である。従
って、この実施の形態１１の話者適応化装置によれば、
上記のように構成することで認識結果が誤っている場合
でも、標準パタンのパラメータの誤った学習を防ぐこと
ができ、認識率を向上させることができる。
は、実施の形態１０の話者適応化装置において、認識結
果信頼度をフレーム毎に付与し、その値が０〜１であ
り、信頼度が高い場合には１に近い値を出力することを
特長とした請求項１１記載の話者適応化装置である。従
って、この実施の形態１１の話者適応化装置によれば、
上記のように構成することで認識結果が誤っている場合
でも、標準パタンのパラメータの誤った学習を防ぐこと
ができ、認識率を向上させることができる。
【００６１】実施の形態１２．図１０は、請求項１２記
載の発明による話者適応化装置の１構成例である実施の
形態１２を示すブロック図である。図１０において、実
施の形態１と同一の機能ブロックは同一の番号を付し説
明を省略する。本発明において特徴的な部分は、照合手
段２００３は複数認識結果候補出力照合手段１００１で
構成し、認識結果信頼度演算手段１０１は複数認識結果
候補信頼度演算手段１００２で構成し、認識結果信頼度
付き教師なし話者適応手段１０２は複数認識結果候補信
頼度付き教師なし話者適応手段１００３で構成すること
を特徴としたことである。
載の発明による話者適応化装置の１構成例である実施の
形態１２を示すブロック図である。図１０において、実
施の形態１と同一の機能ブロックは同一の番号を付し説
明を省略する。本発明において特徴的な部分は、照合手
段２００３は複数認識結果候補出力照合手段１００１で
構成し、認識結果信頼度演算手段１０１は複数認識結果
候補信頼度演算手段１００２で構成し、認識結果信頼度
付き教師なし話者適応手段１０２は複数認識結果候補信
頼度付き教師なし話者適応手段１００３で構成すること
を特徴としたことである。
【００６２】次に図１０を参照しながら動作について説
明する。複数認識結果候補出力照合手段１００１は、認
識辞書２００５によって定められた認識対象単語にした
がい標準パタン２００４連結して、音声特徴量抽出手段
２００２の出力である音声特徴量に対して照合を行な
い、予め定めた候補数の認識結果[Rw■(1), Rw■(2),
...,Rw■(N)](Rw■(n)は、入力音声に対してn番目にス
コアが高い話者適応学習用音声認識結果、Nは予め定め
た候補数) を照合スコアが高い認識結果候補から順に出
力する。
明する。複数認識結果候補出力照合手段１００１は、認
識辞書２００５によって定められた認識対象単語にした
がい標準パタン２００４連結して、音声特徴量抽出手段
２００２の出力である音声特徴量に対して照合を行な
い、予め定めた候補数の認識結果[Rw■(1), Rw■(2),
...,Rw■(N)](Rw■(n)は、入力音声に対してn番目にス
コアが高い話者適応学習用音声認識結果、Nは予め定め
た候補数) を照合スコアが高い認識結果候補から順に出
力する。
【００６３】複数認識結果候補信頼度演算手段１００２
は、複数認識結果候補出力照合手段１００１の出力であ
る複数認識結果候補[Rw■(1), Rw■(2), ..., Rw■(N)]
と音声特徴量と標準パタン２００４とを入力して複数の
認識結果候補の各々に対して認識結果信頼度[Sm(1), Sm
(2), ..., Sm(N)]を計算する。ここで、Sm(n)は入力音
声に対するn番目の認識結果候補に対する認識結果信頼
度の時系列である。認識結果信頼度がフレーム毎のSf
(n,t)であるならば、Sm(n)=[Sf(n,1), Sf(n,2) ,...,Sf
(n,Tn)]である。複数認識結果候補信頼度付き教師なし
話者適応手段１００３は、複数認識結果候補出力照合手
段１００１の出力である複数認識結果候補と複数認識結
果候補信頼度演算手段１００２からの出力である認識結
果信頼度と標準パタン２００４を入力して標準パタンの
パラメータ更新を行い、教師なし話者適応パタン２００
８を出力する。
は、複数認識結果候補出力照合手段１００１の出力であ
る複数認識結果候補[Rw■(1), Rw■(2), ..., Rw■(N)]
と音声特徴量と標準パタン２００４とを入力して複数の
認識結果候補の各々に対して認識結果信頼度[Sm(1), Sm
(2), ..., Sm(N)]を計算する。ここで、Sm(n)は入力音
声に対するn番目の認識結果候補に対する認識結果信頼
度の時系列である。認識結果信頼度がフレーム毎のSf
(n,t)であるならば、Sm(n)=[Sf(n,1), Sf(n,2) ,...,Sf
(n,Tn)]である。複数認識結果候補信頼度付き教師なし
話者適応手段１００３は、複数認識結果候補出力照合手
段１００１の出力である複数認識結果候補と複数認識結
果候補信頼度演算手段１００２からの出力である認識結
果信頼度と標準パタン２００４を入力して標準パタンの
パラメータ更新を行い、教師なし話者適応パタン２００
８を出力する。
【００６４】複数認識結果候補信頼度付き教師なし話者
適応手段１００３は、例えば複数認識結果各々を用いて
独立にN個の教師なし話者適応パタンを作成して、N個の
標準パタンのパラメータを合成することで最終的な教師
なし話者適応パタン２００８を得る方法がある。例えば
標準パタンがHMMであり更新するパラメータをガウス分
布の平均ベクトル、共分散行列とした場合、数式１３に
よってガウス分布qの平均ベクトル、数式１４によって
共分散行列を計算する。数式１３においてμi(n,q)は、
第n番目の認識結果候補を用いて更新したガウス分布qの
平均ベクトルであり、数式１４においてCi(n,q)はn番目
の認識結果候補を用いて更新したガウス分布qの共分散
行列である。数式１３、数式１４においてβ(n)は第n番
目の認識結果候補に対する重み付けであり数式１５によ
って計算する。数式１５においてＳi(n)は第n番目の認
識結果候補の認識結果信頼度であり、例えばフレーム毎
の認識結果信頼度の合計である。
適応手段１００３は、例えば複数認識結果各々を用いて
独立にN個の教師なし話者適応パタンを作成して、N個の
標準パタンのパラメータを合成することで最終的な教師
なし話者適応パタン２００８を得る方法がある。例えば
標準パタンがHMMであり更新するパラメータをガウス分
布の平均ベクトル、共分散行列とした場合、数式１３に
よってガウス分布qの平均ベクトル、数式１４によって
共分散行列を計算する。数式１３においてμi(n,q)は、
第n番目の認識結果候補を用いて更新したガウス分布qの
平均ベクトルであり、数式１４においてCi(n,q)はn番目
の認識結果候補を用いて更新したガウス分布qの共分散
行列である。数式１３、数式１４においてβ(n)は第n番
目の認識結果候補に対する重み付けであり数式１５によ
って計算する。数式１５においてＳi(n)は第n番目の認
識結果候補の認識結果信頼度であり、例えばフレーム毎
の認識結果信頼度の合計である。
【数１３】
【数１４】
【数１５】 従って、この実施の形態１２の話者適応化装置によれ
ば、このように複数認識結果候補を出力し複数認識結果
候補に対して認識結果信頼度を計算して、認識結果信頼
度付き教師なし話者適応を行うので認識結果が誤ってい
る場合でも、標準パタンのパラメータの誤った学習を防
ぐことができ、認識率を向上させることができる。
ば、このように複数認識結果候補を出力し複数認識結果
候補に対して認識結果信頼度を計算して、認識結果信頼
度付き教師なし話者適応を行うので認識結果が誤ってい
る場合でも、標準パタンのパラメータの誤った学習を防
ぐことができ、認識率を向上させることができる。
【００６５】実施の形態１３．図１１は、請求項１３記
載の発明による話者適応化装置の１構成例である実施の
形態１３を示すブロック図である。図１１において、実
施の形態１と同一の機能ブロックは同一の番号を付し説
明を省略する。本発明において特徴的な部分は、認識結
果信頼度付き教師なし話者適応手段１０２の前段に、認
識結果信頼度比較手段１１０１が付加されていることで
ある。
載の発明による話者適応化装置の１構成例である実施の
形態１３を示すブロック図である。図１１において、実
施の形態１と同一の機能ブロックは同一の番号を付し説
明を省略する。本発明において特徴的な部分は、認識結
果信頼度付き教師なし話者適応手段１０２の前段に、認
識結果信頼度比較手段１１０１が付加されていることで
ある。
【００６６】次に図１１を参照しながら動作について説
明する。認識結果信頼度比較手段１１０１は、認識結果
信頼度演算手段１０１からの出力である認識結果信頼度
を入力し、認識結果信頼度が予め定めた閾値より大きけ
れば、認識結果信頼度付き教師なし話者適応手段１０２
で処理を行う。一方、認識結果信頼度が予め定めた閾値
より小さければ、標準パタンのパラメータの更新は行わ
ず、標準パタン２００４の値を教師なし話者適応パタン
２００８とする。
明する。認識結果信頼度比較手段１１０１は、認識結果
信頼度演算手段１０１からの出力である認識結果信頼度
を入力し、認識結果信頼度が予め定めた閾値より大きけ
れば、認識結果信頼度付き教師なし話者適応手段１０２
で処理を行う。一方、認識結果信頼度が予め定めた閾値
より小さければ、標準パタンのパラメータの更新は行わ
ず、標準パタン２００４の値を教師なし話者適応パタン
２００８とする。
【００６７】例えば、１発声の認識結果信頼度の合計が
閾値Th以下であるならば、この発声を用いた標準パタン
のパラメータ更新は行わない話者適応化装置である。ま
た、標準パタンのパラメータ毎にセグメンテーションに
よって分割された適応データの認識結果信頼度の合計を
計算し、パラメータ毎の認識結果信頼度と閾値を比較
し、閾値以下であるならばパラメータの更新を行わず、
閾値より大きいパラメータは更新を行う話者適応化装置
である。従って、この実施の形態１３の話者適応化装置
によれば、このように認識結果信頼度が予め定めた閾値
以下であるならばパラメータの更新を行わないように構
成することで認識結果が誤っている場合でも、標準パタ
ンのパラメータの誤った学習を防ぐことができ、認識率
を向上させることができる。
閾値Th以下であるならば、この発声を用いた標準パタン
のパラメータ更新は行わない話者適応化装置である。ま
た、標準パタンのパラメータ毎にセグメンテーションに
よって分割された適応データの認識結果信頼度の合計を
計算し、パラメータ毎の認識結果信頼度と閾値を比較
し、閾値以下であるならばパラメータの更新を行わず、
閾値より大きいパラメータは更新を行う話者適応化装置
である。従って、この実施の形態１３の話者適応化装置
によれば、このように認識結果信頼度が予め定めた閾値
以下であるならばパラメータの更新を行わないように構
成することで認識結果が誤っている場合でも、標準パタ
ンのパラメータの誤った学習を防ぐことができ、認識率
を向上させることができる。
【００６８】実施の形態１４．図１２は、請求項１４記
載の発明による話者適応化装置の１構成例である実施の
形態１４を示すブロック図である。図１２において、実
施の形態１と同一の機能ブロックは同一の番号を付し説
明を省略する。本発明において特徴的な部分は、認識結
果信頼度付き教師なし話者適応手段１０２の前段に、認
識結果信頼度による話者適応方式選択手段１２０１と、
Ｍ個の認識結果信頼度付き教師なし話者適応手段１２０
２-１〜１２０２-Ｍを備えたことである。
載の発明による話者適応化装置の１構成例である実施の
形態１４を示すブロック図である。図１２において、実
施の形態１と同一の機能ブロックは同一の番号を付し説
明を省略する。本発明において特徴的な部分は、認識結
果信頼度付き教師なし話者適応手段１０２の前段に、認
識結果信頼度による話者適応方式選択手段１２０１と、
Ｍ個の認識結果信頼度付き教師なし話者適応手段１２０
２-１〜１２０２-Ｍを備えたことである。
【００６９】次に図１２を参照しながら動作について説
明する。認識結果信頼度による話者適応方式選択手段１
２０１は、認識結果信頼度演算手段１０１からの出力で
ある認識結果信頼度を入力して予め定めた方式選択閾値
[Th(1),Th(2) ,..., Th(K)]によって教師なし話者適応
方式の選択を行う。例えば認識結果信頼度の値がSであ
る場合は、Th(k)≦Su＜Th(k+1)では認識結果信頼度付き
教師なし話者適応方式１２０２-ｋを選択する。ここでS
uは１発声の認識結果信頼度の合計値である。
明する。認識結果信頼度による話者適応方式選択手段１
２０１は、認識結果信頼度演算手段１０１からの出力で
ある認識結果信頼度を入力して予め定めた方式選択閾値
[Th(1),Th(2) ,..., Th(K)]によって教師なし話者適応
方式の選択を行う。例えば認識結果信頼度の値がSであ
る場合は、Th(k)≦Su＜Th(k+1)では認識結果信頼度付き
教師なし話者適応方式１２０２-ｋを選択する。ここでS
uは１発声の認識結果信頼度の合計値である。
【００７０】認識結果信頼度付き教師なし話者適応手段
１２０２-１〜１２０２-Ｍは、例えば「A Study on Spe
aker Adaptation of the Parameters of Continuous De
nsityHidden Markov Models」 C.H.Lee, C.H.Lin, B.H.
Juang, IEEE TRANSACTION ONSIGNAL PEOCESSING, Vol.
39, No. 4, 1991年 (以下、文献５という)で提案されて
いる最大事後確率推定法が１２０２-１、「連続混合分
布ＨＭＭを用いた移動ベクトル場平滑化話者適応化方
式」大倉、杉山、嵯峨山、電子情報通信学会技術報告、
SP92- 16、1992年（以下、文献６という）で提案されて
いる移動ベクトル場平滑化話者適応方式が１２０２-
２、重回帰写像モデルに基づく話者適応方式(文献３)が
１２０２-３であるとして構成できる。従って、この実
施の形態１４の話者適応化装置によれば、このように構
成することで話者適応学習用音声認識結果が誤っている
場合でも、標準パタンのパラメータの誤った学習を防ぐ
ことができ、認識率を向上させることができる。
１２０２-１〜１２０２-Ｍは、例えば「A Study on Spe
aker Adaptation of the Parameters of Continuous De
nsityHidden Markov Models」 C.H.Lee, C.H.Lin, B.H.
Juang, IEEE TRANSACTION ONSIGNAL PEOCESSING, Vol.
39, No. 4, 1991年 (以下、文献５という)で提案されて
いる最大事後確率推定法が１２０２-１、「連続混合分
布ＨＭＭを用いた移動ベクトル場平滑化話者適応化方
式」大倉、杉山、嵯峨山、電子情報通信学会技術報告、
SP92- 16、1992年（以下、文献６という）で提案されて
いる移動ベクトル場平滑化話者適応方式が１２０２-
２、重回帰写像モデルに基づく話者適応方式(文献３)が
１２０２-３であるとして構成できる。従って、この実
施の形態１４の話者適応化装置によれば、このように構
成することで話者適応学習用音声認識結果が誤っている
場合でも、標準パタンのパラメータの誤った学習を防ぐ
ことができ、認識率を向上させることができる。
【００７１】実施の形態１５．図１３は、請求項１５記
載の発明による話者適応化装置の１構成例である実施の
形態１５を示すブロック図である。図１３において、実
施の形態１と同一の機能ブロックは同一の番号を付し説
明を省略する。本発明において特徴的な部分は、認識結
果信頼度付き教師なし話者適応手段を、標準パタンパラ
メータクラスタリング手段１３０１と、認識結果信頼度
付きパラメータグループ教師なし話者適応手段１３０２
とで構成することである。
載の発明による話者適応化装置の１構成例である実施の
形態１５を示すブロック図である。図１３において、実
施の形態１と同一の機能ブロックは同一の番号を付し説
明を省略する。本発明において特徴的な部分は、認識結
果信頼度付き教師なし話者適応手段を、標準パタンパラ
メータクラスタリング手段１３０１と、認識結果信頼度
付きパラメータグループ教師なし話者適応手段１３０２
とで構成することである。
【００７２】次に図１３を参照しながら動作について説
明する。標準パタンパラメータグループ化手段１３０１
は、標準パタン２００４に格納されている標準パタンパ
ラメータをクラスタリングによってグループ化する。標
準パタンがHMMの場合はガウス分布[g(1), g(2) ,.., g
(Mg)](Mgは全ガウス分布数)を例えば数式１６のバタチ
ャリヤの距離によってガウス分布 g(i) と g(j) 間の距
離 dv(g(i),g(j)) を定義してクラスタリングを行い、
グループG(x)=[g(x(1)), g(x(2)), ...,g(x(n))] (x(.)
は分布番号)を決定する。クラスタリング法は例えば
文献１に記載されて 「るK-平均法を用いて行う。認識結
果信頼度付きパラメータグループ教師なし話者適応手段
１３０２は、標準パタンパラメータグループ化手段１３
０１からの出力である標準パタンパラメータグループと
認識結果信頼度演算手段１０１からの出力である認識結
果信頼度を入力し、グループ毎に標準パタンパラメータ
の変動量の計算を行う。例えば標準パタンがHMMである
場合の平均ベクトルのp次元目の移動量は数式１７によ
って計算する。数式１７においてα(x)は数式１８に示
す信頼度によって決定される重み係数である。また、Ψ
xはパラメータグループxのガウス分布番号の集合、Ωi
はガウス分布番号iの適応データの時刻の集合、σ2(i,
p)はガウス分布番号iの共分散行列のp行p列目である。
数式１８において、Sf(t)はフレームtの認識結果信頼度
であり、τは値が０以上の制御定数である。また、数式
１９によってグループxの平均ベクトルの共通な移動量v
(x,p)を求めることも可能である。数式１９においてoh
(t)は数式１２に示した認識結果信頼度によって重み付
けされた適応データであり、γ(i,t)は、時刻tにガウス
分布iに音声特徴量 o(t) が存在する期待値であるが、
重み付けされた音声特徴量oh(t)が存在する期待値とし
て計算してもよい。
明する。標準パタンパラメータグループ化手段１３０１
は、標準パタン２００４に格納されている標準パタンパ
ラメータをクラスタリングによってグループ化する。標
準パタンがHMMの場合はガウス分布[g(1), g(2) ,.., g
(Mg)](Mgは全ガウス分布数)を例えば数式１６のバタチ
ャリヤの距離によってガウス分布 g(i) と g(j) 間の距
離 dv(g(i),g(j)) を定義してクラスタリングを行い、
グループG(x)=[g(x(1)), g(x(2)), ...,g(x(n))] (x(.)
は分布番号)を決定する。クラスタリング法は例えば
文献１に記載されて 「るK-平均法を用いて行う。認識結
果信頼度付きパラメータグループ教師なし話者適応手段
１３０２は、標準パタンパラメータグループ化手段１３
０１からの出力である標準パタンパラメータグループと
認識結果信頼度演算手段１０１からの出力である認識結
果信頼度を入力し、グループ毎に標準パタンパラメータ
の変動量の計算を行う。例えば標準パタンがHMMである
場合の平均ベクトルのp次元目の移動量は数式１７によ
って計算する。数式１７においてα(x)は数式１８に示
す信頼度によって決定される重み係数である。また、Ψ
xはパラメータグループxのガウス分布番号の集合、Ωi
はガウス分布番号iの適応データの時刻の集合、σ2(i,
p)はガウス分布番号iの共分散行列のp行p列目である。
数式１８において、Sf(t)はフレームtの認識結果信頼度
であり、τは値が０以上の制御定数である。また、数式
１９によってグループxの平均ベクトルの共通な移動量v
(x,p)を求めることも可能である。数式１９においてoh
(t)は数式１２に示した認識結果信頼度によって重み付
けされた適応データであり、γ(i,t)は、時刻tにガウス
分布iに音声特徴量 o(t) が存在する期待値であるが、
重み付けされた音声特徴量oh(t)が存在する期待値とし
て計算してもよい。
【数１６】
【数１７】
【数１８】
【数１９】 従って、この実施の形態１５の話者適応化装置によれ
ば、このように構成することで認識結果が誤っている場
合でも、標準パタンのパラメータの誤った学習を防ぐこ
とができ、認識率を向上させることができる。
ば、このように構成することで認識結果が誤っている場
合でも、標準パタンのパラメータの誤った学習を防ぐこ
とができ、認識率を向上させることができる。
【００７３】実施の形態１６．図１４は、請求項１６記
載の発明による話者適応化装置の１構成例である実施の
形態１６を示すブロック図である。図１４において、実
施の形態１と同一の機能ブロックは同一の番号を付し説
明を省略する。本発明において特徴的な部分は、認識結
果信頼度付き教師なし話者適応手段１０２を、標準パタ
ンパラメータ木構造クラスタリング手段１４０１と、木
構造化パラメータに基づく標準パタンパラメータグルー
プ化手段１４０２と、認識結果信頼度付きパラメータグ
ループ教師なし話者適応手段１３０２とで構成すること
である。
載の発明による話者適応化装置の１構成例である実施の
形態１６を示すブロック図である。図１４において、実
施の形態１と同一の機能ブロックは同一の番号を付し説
明を省略する。本発明において特徴的な部分は、認識結
果信頼度付き教師なし話者適応手段１０２を、標準パタ
ンパラメータ木構造クラスタリング手段１４０１と、木
構造化パラメータに基づく標準パタンパラメータグルー
プ化手段１４０２と、認識結果信頼度付きパラメータグ
ループ教師なし話者適応手段１３０２とで構成すること
である。
【００７４】次に図１４を参照しながら動作について説
明する。標準パタンパラメータ木構造クラスタリング手
段１４０１は、標準パタンパラメータを例えば数式１６
に示すバタチャリヤの距離によって木構造にクラスタリ
ングする。木構造化は、まず木構造の１階層目のグルー
プ化として全パラメータをN個のパラメータグループ[G
(1,1,1), G(1,1,2) ,...,, G(1,1,N)] (G(i,j,k)):iは
階層、jは親グループ番号、kはグループ番号)にクラス
タリングする。次に２階層目のクラスタリングとして、
G(1,m1,n1)を[G(2,n1,1), G(2,n1,1),..., G(2,n1,Nn
1)]のグループにクラスタリングする。さらに３階層目
としてG(2,m2,n2)を[G(3,n2,1),G(3,n2,1) ,..., G(3,n
2,Nn2)]にクラスタリングにグループ化する。このよう
に予め定めた階層までクラスタリングを行う。木構造パ
ラメータに基づく標準パタンパラメータグループ化手段
１４０２は、認識結果信頼度演算手段１０１の出力の認
識結果信頼度によって標準パラメータ木構造クラスタリ
ングの出力である木構造化されたパラメータに基づいて
パラメータをグループ化する。
明する。標準パタンパラメータ木構造クラスタリング手
段１４０１は、標準パタンパラメータを例えば数式１６
に示すバタチャリヤの距離によって木構造にクラスタリ
ングする。木構造化は、まず木構造の１階層目のグルー
プ化として全パラメータをN個のパラメータグループ[G
(1,1,1), G(1,1,2) ,...,, G(1,1,N)] (G(i,j,k)):iは
階層、jは親グループ番号、kはグループ番号)にクラス
タリングする。次に２階層目のクラスタリングとして、
G(1,m1,n1)を[G(2,n1,1), G(2,n1,1),..., G(2,n1,Nn
1)]のグループにクラスタリングする。さらに３階層目
としてG(2,m2,n2)を[G(3,n2,1),G(3,n2,1) ,..., G(3,n
2,Nn2)]にクラスタリングにグループ化する。このよう
に予め定めた階層までクラスタリングを行う。木構造パ
ラメータに基づく標準パタンパラメータグループ化手段
１４０２は、認識結果信頼度演算手段１０１の出力の認
識結果信頼度によって標準パラメータ木構造クラスタリ
ングの出力である木構造化されたパラメータに基づいて
パラメータをグループ化する。
【００７５】図１５は、認識結果信頼度による木構造化
パラメータのグループ化の説明図である。ノード以下に
属するパラメータの適応データの認識結果信頼度の合計
をノードの情報として計算する。子ノードの認識結果信
頼度が予め定めた閾値thより小さく、親ノードの認識結
果信頼度がth以上である場合に、親ノード以下のパラメ
ータグループを子ノード以下に属するパラメータの推定
に用いる。図１５において括弧内の数字がノード以下の
パラメータの適応データの認識結果信頼度である。例え
ばthを４０とすれば、Node(3,1)では信頼度２０、その
親ノードのNode(2,1)では１００であるのでパラメータ
の更新には、Node(2,1)以下のパラメータの適応データ
と認識結果信頼度および標準パタンパラメータを用い
て、パラメータに共通の変動量を求めてNode(3,2)以下
のパラメータ更新を行う。パラメータグループのパラメ
ータ変動量を演算する認識結果信頼度付きパラメータグ
ループ教師なし話者適応手段１３０２は、実施の形態１
５で記述したようにパラメータグループにおいて変動量
を求め更新を行う。従って、この実施の形態１７の話者
適応化装置によれば、上記のように構成することで認識
結果が誤っている場合でも、標準パタンのパラメータの
誤った学習を防ぐことができ、認識率を向上させること
ができる。
パラメータのグループ化の説明図である。ノード以下に
属するパラメータの適応データの認識結果信頼度の合計
をノードの情報として計算する。子ノードの認識結果信
頼度が予め定めた閾値thより小さく、親ノードの認識結
果信頼度がth以上である場合に、親ノード以下のパラメ
ータグループを子ノード以下に属するパラメータの推定
に用いる。図１５において括弧内の数字がノード以下の
パラメータの適応データの認識結果信頼度である。例え
ばthを４０とすれば、Node(3,1)では信頼度２０、その
親ノードのNode(2,1)では１００であるのでパラメータ
の更新には、Node(2,1)以下のパラメータの適応データ
と認識結果信頼度および標準パタンパラメータを用い
て、パラメータに共通の変動量を求めてNode(3,2)以下
のパラメータ更新を行う。パラメータグループのパラメ
ータ変動量を演算する認識結果信頼度付きパラメータグ
ループ教師なし話者適応手段１３０２は、実施の形態１
５で記述したようにパラメータグループにおいて変動量
を求め更新を行う。従って、この実施の形態１７の話者
適応化装置によれば、上記のように構成することで認識
結果が誤っている場合でも、標準パタンのパラメータの
誤った学習を防ぐことができ、認識率を向上させること
ができる。
【００７６】実施の形態１７．また、実施の形態１７の
話者適応化装置は、標準パタンとして、連続混合分布型
隠れマルコフモデルを用いることを特徴とした請求項１
７記載の発明による話者適応化装置である。連続混合分
布型隠れマルコフモデルについては文献１に詳細が記載
されているので説明は省略する。
話者適応化装置は、標準パタンとして、連続混合分布型
隠れマルコフモデルを用いることを特徴とした請求項１
７記載の発明による話者適応化装置である。連続混合分
布型隠れマルコフモデルについては文献１に詳細が記載
されているので説明は省略する。
【００７７】実施の形態１８．また、実施の形態１８の
話者適応化装置は、連続混合分布型隠れマルコフモデル
のシンボル出力確率密度関数を構成する要素分布関数は
ガウス分布であることを特徴とする請求項１８記載の発
明による話者適応化装置である。ガウス分布関数は数式
２０で与えられる。数式２０において、μ(i)、C(i)は
ガウス分布iの平均ベクトルと共分散行列である。ま
た、dは平均ベクトルの次元数であり、oは特徴量ベクト
ルである。
話者適応化装置は、連続混合分布型隠れマルコフモデル
のシンボル出力確率密度関数を構成する要素分布関数は
ガウス分布であることを特徴とする請求項１８記載の発
明による話者適応化装置である。ガウス分布関数は数式
２０で与えられる。数式２０において、μ(i)、C(i)は
ガウス分布iの平均ベクトルと共分散行列である。ま
た、dは平均ベクトルの次元数であり、oは特徴量ベクト
ルである。
【数２０】
【００７８】実施の形態１９．また、実施の形態１７の
話者適応化装置は、適応するパラメータはガウス分布の
平均ベクトルであることを特徴とする請求項１９記載の
発明による話者適応化装置である。
話者適応化装置は、適応するパラメータはガウス分布の
平均ベクトルであることを特徴とする請求項１９記載の
発明による話者適応化装置である。
【００７９】実施の形態２０．図１６は、請求項２０記
載の発明による話者適応化装置の１構成例である実施の
形態２０を示すブロック図である。図１６において、実
施の形態１と実施の形態７と同一の機能ブロックは同一
の番号を付し説明を省略する。本発明において特徴的な
部分は、認識結果信頼度付き教師なし話者適応手段１０
２を、認識結果信頼度付き標準パタンパラメータ更新手
段７０２と標準パタンパラメータ補間手段１６０１とで
構成することである。
載の発明による話者適応化装置の１構成例である実施の
形態２０を示すブロック図である。図１６において、実
施の形態１と実施の形態７と同一の機能ブロックは同一
の番号を付し説明を省略する。本発明において特徴的な
部分は、認識結果信頼度付き教師なし話者適応手段１０
２を、認識結果信頼度付き標準パタンパラメータ更新手
段７０２と標準パタンパラメータ補間手段１６０１とで
構成することである。
【００８０】次に図１６を参照して動作について説明す
る。認識結果信頼度付きパラメータ更新手段７０２は実
施の形態８や実施の形態１０に記述したパラメータ更新
によってガウス分布の平均値の更新を行う。パラメータ
補間手段１６０１は、適応学習データが存在しなかった
ガウス分布の平均ベクトルを認識結果信頼度付きパラメ
ータ更新手段７０２によって学習されたガウス分布の平
均ベクトルの更新前後の差ベクトルを用いて数式２１に
よって補間する。
る。認識結果信頼度付きパラメータ更新手段７０２は実
施の形態８や実施の形態１０に記述したパラメータ更新
によってガウス分布の平均値の更新を行う。パラメータ
補間手段１６０１は、適応学習データが存在しなかった
ガウス分布の平均ベクトルを認識結果信頼度付きパラメ
ータ更新手段７０２によって学習されたガウス分布の平
均ベクトルの更新前後の差ベクトルを用いて数式２１に
よって補間する。
【数２１】
【００８１】図１７はガウス分布平均値の補間の概念図
である。図１７においてμ(1)、μ(2)、μ(3)は適応デ
ータが存在するガウス分布の平均ベクトルであり、μa
(1)、μa(2)、μa(3)は教師なし話者適応によって更新
した後の平均ベクトルである。また、μ(4)は適応デー
タが存在しない平均ベクトルである。この適応データが
存在しないμ(4)は、数式２１によって、近傍の平均ベ
クトルの更新前後の差ベクトルによって補間を行う。数
式２１において、μ(q)、μa(q)はq番目の更新前後の平
均ベクトル、αp,qは重み係数、TV(p)は更新前後の平均
ベクトルの差ベクトル (移動ベクトル)、Pは補間に用い
る近傍の平均ベクトルの集合である。またfは制御定数
であり、ｄp,qはマハラノビス距離であり、Ｃ(q)はガウ
ス分布qの共分散行列であり、上付き-1は逆行列を表
す。従って、この実施の形態２０の話者適応化装置によ
れば、このように適応データが存在しないガウス分布の
平均ベクトルは、適応データが存在するガウス分布の平
均ベクトルの差ベクトルによって補間を行って適応する
ので認識結果が誤っている場合でも、標準パタンのパラ
メータの誤った学習を防ぐことができ、認識率を向上さ
せることができる。
である。図１７においてμ(1)、μ(2)、μ(3)は適応デ
ータが存在するガウス分布の平均ベクトルであり、μa
(1)、μa(2)、μa(3)は教師なし話者適応によって更新
した後の平均ベクトルである。また、μ(4)は適応デー
タが存在しない平均ベクトルである。この適応データが
存在しないμ(4)は、数式２１によって、近傍の平均ベ
クトルの更新前後の差ベクトルによって補間を行う。数
式２１において、μ(q)、μa(q)はq番目の更新前後の平
均ベクトル、αp,qは重み係数、TV(p)は更新前後の平均
ベクトルの差ベクトル (移動ベクトル)、Pは補間に用い
る近傍の平均ベクトルの集合である。またfは制御定数
であり、ｄp,qはマハラノビス距離であり、Ｃ(q)はガウ
ス分布qの共分散行列であり、上付き-1は逆行列を表
す。従って、この実施の形態２０の話者適応化装置によ
れば、このように適応データが存在しないガウス分布の
平均ベクトルは、適応データが存在するガウス分布の平
均ベクトルの差ベクトルによって補間を行って適応する
ので認識結果が誤っている場合でも、標準パタンのパラ
メータの誤った学習を防ぐことができ、認識率を向上さ
せることができる。
【００８２】実施の形態２１．図１８は、請求項２１記
載の発明による話者適応化装置の１構成例である実施の
形態２１を示すブロック図である。図１８において、実
施の形態１と同一の機能ブロックは同一の番号を付し説
明を省略する。本発明において特徴的な部分は、認識結
果信頼度付き教師なし話者適応手段１０２は、認識結果
信頼度付き重回帰写像モデルに基づく話者適応手段１８
０１であることである。
載の発明による話者適応化装置の１構成例である実施の
形態２１を示すブロック図である。図１８において、実
施の形態１と同一の機能ブロックは同一の番号を付し説
明を省略する。本発明において特徴的な部分は、認識結
果信頼度付き教師なし話者適応手段１０２は、認識結果
信頼度付き重回帰写像モデルに基づく話者適応手段１８
０１であることである。
【００８３】次に図１８を参照しながら動作について説
明する。認識結果信頼度付き重回帰写像モデルに基づく
話者適応手段１８０１は、認識結果信頼度演算手段１０
１の出力である認識結果信頼度と話者適応学習用音声認
識結果２００６と標準パタン２００４とを入力し、数式
１の重回帰写像モデルに基づく線形変換によってガウス
分布の平均ベクトルを更新する。数式１のAとvは数式１
２に示されている認識結果信頼度によって重み付けした
適応データoh(t)を用いて、数式２２によってAのp行
目、vのp次元目の要素を求める。数式２２においてoh
(t,p)は認識結果信頼度によって重み付けした適応デー
タoh(t)のp次元目の要素であり、その他の変数に関して
は数式２と同一である。また、γ(i,t)は、時刻tにガウ
ス分布iに音声特徴量o(t)が存在する期待値であるが、
重み付けされた音声特徴量oh(t)が存在する期待値とし
て計算してもよい。
明する。認識結果信頼度付き重回帰写像モデルに基づく
話者適応手段１８０１は、認識結果信頼度演算手段１０
１の出力である認識結果信頼度と話者適応学習用音声認
識結果２００６と標準パタン２００４とを入力し、数式
１の重回帰写像モデルに基づく線形変換によってガウス
分布の平均ベクトルを更新する。数式１のAとvは数式１
２に示されている認識結果信頼度によって重み付けした
適応データoh(t)を用いて、数式２２によってAのp行
目、vのp次元目の要素を求める。数式２２においてoh
(t,p)は認識結果信頼度によって重み付けした適応デー
タoh(t)のp次元目の要素であり、その他の変数に関して
は数式２と同一である。また、γ(i,t)は、時刻tにガウ
ス分布iに音声特徴量o(t)が存在する期待値であるが、
重み付けされた音声特徴量oh(t)が存在する期待値とし
て計算してもよい。
【数２２】
【００８４】また、認識結果信頼度付き重回帰写像モデ
ルに基づく話者適応手段１８０１は、従来の重回帰写像
モデルによる話者適応と同様に数式１、数式２によって
平均ベクトルを更新してμa■(q)を求め、このμa■(q)
を数式８のμm(q)として認識結果信頼度によって線形補
間する構成としてもよい。従って、この実施の形態２１
の話者適応化装置によれば、このように認識結果信頼度
付きの重回帰写像モデルに基づく教師なし話者適応を行
うので、話者適応学習用認識結果が誤った場合のパラメ
ータの誤った更新を防ぐことができ、認識率が向上す
る。
ルに基づく話者適応手段１８０１は、従来の重回帰写像
モデルによる話者適応と同様に数式１、数式２によって
平均ベクトルを更新してμa■(q)を求め、このμa■(q)
を数式８のμm(q)として認識結果信頼度によって線形補
間する構成としてもよい。従って、この実施の形態２１
の話者適応化装置によれば、このように認識結果信頼度
付きの重回帰写像モデルに基づく教師なし話者適応を行
うので、話者適応学習用認識結果が誤った場合のパラメ
ータの誤った更新を防ぐことができ、認識率が向上す
る。
【００８５】実施の形態２２．図１９は、請求項２２記
載の発明による話者適応化装置の１構成例である実施の
形態２２を示すブロック図である。図１９において、実
施の形態１、実施の形態１５、及び実施の形態１８と同
一の機能ブロックは同一の番号を付し説明を省略する。
本発明において特徴的な部分は、認識結果信頼度付き教
師なし話者適応手段１０２を、ガウス分布グループ化手
段１９０１と、認識結果信頼度付き重回帰写像モデルに
基づく話者適応手段１８０１とで構成することである。
載の発明による話者適応化装置の１構成例である実施の
形態２２を示すブロック図である。図１９において、実
施の形態１、実施の形態１５、及び実施の形態１８と同
一の機能ブロックは同一の番号を付し説明を省略する。
本発明において特徴的な部分は、認識結果信頼度付き教
師なし話者適応手段１０２を、ガウス分布グループ化手
段１９０１と、認識結果信頼度付き重回帰写像モデルに
基づく話者適応手段１８０１とで構成することである。
【００８６】次に図１９を参照しながら動作について説
明する。ガウス分布グループ化手段１９０１は、標準パ
タン２００４のガウス分布をクラスタリングによってグ
ループ化し、グループ内のガウス分布の適応データの認
識結果信頼度に基づいてグループ毎に実施の形態２１で
記述した認識結果信頼度付き重回帰写像モデルに基づく
話者適応を行う。従って、この実施の形態２２の話者適
応化装置によれば、このように標準パタンをグループ化
して認識結果信頼度付きの重回帰写像モデルに基づいて
教師なし話者適応を行うので、話者適応学習用認識結果
が誤った場合のパラメータの誤った更新を防ぐことがで
き、認識率が向上する。
明する。ガウス分布グループ化手段１９０１は、標準パ
タン２００４のガウス分布をクラスタリングによってグ
ループ化し、グループ内のガウス分布の適応データの認
識結果信頼度に基づいてグループ毎に実施の形態２１で
記述した認識結果信頼度付き重回帰写像モデルに基づく
話者適応を行う。従って、この実施の形態２２の話者適
応化装置によれば、このように標準パタンをグループ化
して認識結果信頼度付きの重回帰写像モデルに基づいて
教師なし話者適応を行うので、話者適応学習用認識結果
が誤った場合のパラメータの誤った更新を防ぐことがで
き、認識率が向上する。
【００８７】実施の形態２３．図２０は、請求項２３記
載の発明による音声認識装置、すなわち上記実施の形態
１〜２２の教師なし話者適応化装置により更新された教
師なし話者適応パタン２００８を使用した音声認識装置
である実施の形態２３の構成を示すブロック図である。
尚、図２０において、図１等に示す話者適応化装置と同
じ構成には、同一の番号を付して説明を省略する。
載の発明による音声認識装置、すなわち上記実施の形態
１〜２２の教師なし話者適応化装置により更新された教
師なし話者適応パタン２００８を使用した音声認識装置
である実施の形態２３の構成を示すブロック図である。
尚、図２０において、図１等に示す話者適応化装置と同
じ構成には、同一の番号を付して説明を省略する。
【００８８】認識辞書２００５によって設定した認識対
象の単語[W(1), W(2), ..., W(wn)]のテキスト表記から
認識ユニットラベルへ変換し、このラベルにしたがって
教師なし話者適応パタン２００８を連結し、認識対象単
語の標準パタンを作成する。この認識対象単語の標準パ
タンを用いて、音声特徴量抽出手段２００２の出力であ
る音声特徴量に対して照合を行い、音声認識結果２１０
１を出力する。このとき、入力音声２００１は教師なし
適応用に用いた単語と同一でも、それ以外の単語でも良
い。音声認識結果２１０１は、入力音声２００１に対し
て認識対象語彙の標準パタン中で最も照合スコア(尤度)
が高い単語系列のテキスト表記Rw=[W(r(1)), W(r(2)),
..., W(r(m))]としてを出力される。ここで、r(i)は音
声認識結果の単語時系列のi番目の単語の認識辞書単語
番号を示す。また、mは認識単語系列の単語数を示す。
従って、この実施の形態２３の音声認識装置によれば、
このように認識結果信頼度付きの教師なし話者適応行っ
て得られた教師なし話者適応パタン２００８を用いて音
声認識を行うので、話者適応学習用認識結果が誤った場
合のパラメータの誤った更新を防ぐことができ、認識率
が向上する。
象の単語[W(1), W(2), ..., W(wn)]のテキスト表記から
認識ユニットラベルへ変換し、このラベルにしたがって
教師なし話者適応パタン２００８を連結し、認識対象単
語の標準パタンを作成する。この認識対象単語の標準パ
タンを用いて、音声特徴量抽出手段２００２の出力であ
る音声特徴量に対して照合を行い、音声認識結果２１０
１を出力する。このとき、入力音声２００１は教師なし
適応用に用いた単語と同一でも、それ以外の単語でも良
い。音声認識結果２１０１は、入力音声２００１に対し
て認識対象語彙の標準パタン中で最も照合スコア(尤度)
が高い単語系列のテキスト表記Rw=[W(r(1)), W(r(2)),
..., W(r(m))]としてを出力される。ここで、r(i)は音
声認識結果の単語時系列のi番目の単語の認識辞書単語
番号を示す。また、mは認識単語系列の単語数を示す。
従って、この実施の形態２３の音声認識装置によれば、
このように認識結果信頼度付きの教師なし話者適応行っ
て得られた教師なし話者適応パタン２００８を用いて音
声認識を行うので、話者適応学習用認識結果が誤った場
合のパラメータの誤った更新を防ぐことができ、認識率
が向上する。
【００８９】
【発明の効果】以上述べたようにこの発明によれば、多
数の話者の音声データによりパラメータ学習を行った標
準パタンを、ある話者に適応した話者適応パタンに更新
するようにした話者適応化装置において、話者の入力音
声から音声特徴量を抽出する音声特徴量抽出手段と、前
記音声特徴量抽出手段が抽出した音声特徴量と、前記標
準パタンとを照合して認識結果を出力する照合手段と、
前記音声特徴量抽出手段が抽出した音声特徴量と、前記
標準パタンとに基づいて、前記照合手段から出力された
認識結果の信頼度を演算して出力する認識結果信頼度演
算手段と、前記音声特徴量抽出手段が抽出した音声特徴
量と、前記照合手段から出力された認識結果と、前記認
識結果信頼度演算手段からの認識結果信頼度とに基づい
て、前記標準パタンを前記話者適応パタンへ更新する認
識結果信頼度付き教師なし話者適応手段とを備えたの
で、適応学習用音声認識結果が誤った場合でも、標準パ
タンのパラメータの誤った更新を防ぐことができ認識率
が向上する。
数の話者の音声データによりパラメータ学習を行った標
準パタンを、ある話者に適応した話者適応パタンに更新
するようにした話者適応化装置において、話者の入力音
声から音声特徴量を抽出する音声特徴量抽出手段と、前
記音声特徴量抽出手段が抽出した音声特徴量と、前記標
準パタンとを照合して認識結果を出力する照合手段と、
前記音声特徴量抽出手段が抽出した音声特徴量と、前記
標準パタンとに基づいて、前記照合手段から出力された
認識結果の信頼度を演算して出力する認識結果信頼度演
算手段と、前記音声特徴量抽出手段が抽出した音声特徴
量と、前記照合手段から出力された認識結果と、前記認
識結果信頼度演算手段からの認識結果信頼度とに基づい
て、前記標準パタンを前記話者適応パタンへ更新する認
識結果信頼度付き教師なし話者適応手段とを備えたの
で、適応学習用音声認識結果が誤った場合でも、標準パ
タンのパラメータの誤った更新を防ぐことができ認識率
が向上する。
【００９０】また次の発明によれば、認識結果信頼度付
き教師なし話者適応手段は、更に、ある入力音声により
話者適応パタンを更新する際、その前の入力音声により
更新した話者適応パタンを標準パタンとして使用するの
で、適応学習用音声認識結果が誤った場合でも、標準パ
タンのパラメータの誤った更新を防ぐことができ認識率
が向上する。
き教師なし話者適応手段は、更に、ある入力音声により
話者適応パタンを更新する際、その前の入力音声により
更新した話者適応パタンを標準パタンとして使用するの
で、適応学習用音声認識結果が誤った場合でも、標準パ
タンのパラメータの誤った更新を防ぐことができ認識率
が向上する。
【００９１】また次の発明によれば、認識結果信頼度演
算手段は、１発声毎に信頼度を演算するので適応学習用
音声認識結果が誤った場合でも、標準パタンのパラメー
タの誤った更新を防ぐことができ認識率が向上する。
算手段は、１発声毎に信頼度を演算するので適応学習用
音声認識結果が誤った場合でも、標準パタンのパラメー
タの誤った更新を防ぐことができ認識率が向上する。
【００９２】また次の発明によれば、認識結果信頼度演
算手段は、認識結果の認識ユニット区間毎に信頼度を演
算するので、適応学習用音声認識結果が誤った場合で
も、標準パタンのパラメータの誤った更新を防ぐことが
でき認識率が向上する。
算手段は、認識結果の認識ユニット区間毎に信頼度を演
算するので、適応学習用音声認識結果が誤った場合で
も、標準パタンのパラメータの誤った更新を防ぐことが
でき認識率が向上する。
【００９３】また次の発明によれば、認識結果信頼度演
算手段は、認識結果の音素や音節などの音声単位区間毎
に信頼度を演算するので、適応学習用音声認識結果が誤
った場合でも、標準パタンのパラメータの誤った更新を
防ぐことができ認識率が向上する。
算手段は、認識結果の音素や音節などの音声単位区間毎
に信頼度を演算するので、適応学習用音声認識結果が誤
った場合でも、標準パタンのパラメータの誤った更新を
防ぐことができ認識率が向上する。
【００９４】また次の発明によれば、認識結果信頼度演
算手段は、前記音声データの特徴量を演算する一定区間
のフレーム毎に認識結果信頼度を演算するので、適応学
習用音声認識結果が誤った場合でも、標準パタンのパラ
メータの誤った更新を防ぐことができ認識率が向上す
る。
算手段は、前記音声データの特徴量を演算する一定区間
のフレーム毎に認識結果信頼度を演算するので、適応学
習用音声認識結果が誤った場合でも、標準パタンのパラ
メータの誤った更新を防ぐことができ認識率が向上す
る。
【００９５】また次の発明によれば、認識結果信頼度付
き教師なし話者適応手段は、前記第１の発声における認
識結果に基づいて、前記第１の発声を認識ユニット区間
に分割して認識ユニットの標準パタンパラメータの更新
のための、分割された適応データと認識結果信頼度を生
成すること、及び前記分割された適応データと、認識結
果信頼度を使用して認識ユニットの標準パタンのパラメ
ータの更新を行うので、適応学習用音声認識結果が誤っ
た場合でも、標準パタンのパラメータの誤った更新を防
ぐことができ認識率が向上する。
き教師なし話者適応手段は、前記第１の発声における認
識結果に基づいて、前記第１の発声を認識ユニット区間
に分割して認識ユニットの標準パタンパラメータの更新
のための、分割された適応データと認識結果信頼度を生
成すること、及び前記分割された適応データと、認識結
果信頼度を使用して認識ユニットの標準パタンのパラメ
ータの更新を行うので、適応学習用音声認識結果が誤っ
た場合でも、標準パタンのパラメータの誤った更新を防
ぐことができ認識率が向上する。
【００９６】また次の発明によれば、認識結果信頼度付
き教師なし話者適応手段は、前記認識ユニットの標準パ
タンパラメータ更新用の分割された適応データを用い、
最尤推定によって標準パタンのパラメータを推定し、認
識ユニットの標準パタンのパラメータ更新に用いた適応
データの認識結果信頼度の合計値に基づき、最尤推定前
後のパラメータの値の線形補間によって前記標準パタン
パラメータから前記話者適応パタンのパラメータへ更新
するので、適応学習用音声認識結果が誤った場合でも、
標準パタンのパラメータの誤った更新を防ぐことができ
認識率が向上する。
き教師なし話者適応手段は、前記認識ユニットの標準パ
タンパラメータ更新用の分割された適応データを用い、
最尤推定によって標準パタンのパラメータを推定し、認
識ユニットの標準パタンのパラメータ更新に用いた適応
データの認識結果信頼度の合計値に基づき、最尤推定前
後のパラメータの値の線形補間によって前記標準パタン
パラメータから前記話者適応パタンのパラメータへ更新
するので、適応学習用音声認識結果が誤った場合でも、
標準パタンのパラメータの誤った更新を防ぐことができ
認識率が向上する。
【００９７】また次の発明によれば、標準パタンのパラ
メータ値の線形補間は、標準パタンのパラメータの最尤
推定に用いた適応データの認識結果信頼度の合計値が大
きければ、前記最尤推定値の重みを大きくするように行
うので、適応学習用音声認識結果が誤った場合でも、標
準パタンのパラメータの誤った更新を防ぐことができ認
識率が向上する。
メータ値の線形補間は、標準パタンのパラメータの最尤
推定に用いた適応データの認識結果信頼度の合計値が大
きければ、前記最尤推定値の重みを大きくするように行
うので、適応学習用音声認識結果が誤った場合でも、標
準パタンのパラメータの誤った更新を防ぐことができ認
識率が向上する。
【００９８】また次の発明によれば、認識結果信頼度付
き教師なし話者適応手段は、前記認識ユニットの標準パ
タンのパラメータ更新用の分割された適応データを用
い、認識結果信頼度によって適応データのパラメータ学
習への重みを計算して、重み付けされた適応データによ
って前記標準パタンパラメータから前記話者適応パタン
のパラメータへ更新するので、適応学習用音声認識結果
が誤った場合でも、標準パタンのパラメータの誤った更
新を防ぐことができ認識率が向上する。
き教師なし話者適応手段は、前記認識ユニットの標準パ
タンのパラメータ更新用の分割された適応データを用
い、認識結果信頼度によって適応データのパラメータ学
習への重みを計算して、重み付けされた適応データによ
って前記標準パタンパラメータから前記話者適応パタン
のパラメータへ更新するので、適応学習用音声認識結果
が誤った場合でも、標準パタンのパラメータの誤った更
新を防ぐことができ認識率が向上する。
【００９９】また次の発明によれば、認識結果信頼度は
前記フレーム毎に付与し、０〜１の範囲の値であるの
で、適応学習用音声認識結果が誤った場合でも、標準パ
タンのパラメータの誤った更新を防ぐことができ認識率
が向上する。
前記フレーム毎に付与し、０〜１の範囲の値であるの
で、適応学習用音声認識結果が誤った場合でも、標準パ
タンのパラメータの誤った更新を防ぐことができ認識率
が向上する。
【０１００】また次の発明によれば、照合手段は複数の
認識結果候補を出力し、認識結果信頼度演算手段は、複
数の認識結果候補に対して認識結果信頼度を演算して、
前記認識結果信頼度付き教師なし話者適応手段では、複
数の認識結果候補に基づいて、前記標準パタンのパラメ
ータから前記話者適応パタンのパラメータへ更新するの
で、適応学習用音声認識結果が誤った場合でも、標準パ
タンのパラメータの誤った更新を防ぐことができ認識率
が向上する。
認識結果候補を出力し、認識結果信頼度演算手段は、複
数の認識結果候補に対して認識結果信頼度を演算して、
前記認識結果信頼度付き教師なし話者適応手段では、複
数の認識結果候補に基づいて、前記標準パタンのパラメ
ータから前記話者適応パタンのパラメータへ更新するの
で、適応学習用音声認識結果が誤った場合でも、標準パ
タンのパラメータの誤った更新を防ぐことができ認識率
が向上する。
【０１０１】また次の発明によれば、認識結果信頼度付
き教師なし話者適応手段は、前記第１の発声の認識結果
信頼度が予め定めた閾値以下ならば、標準パタンのパラ
メータの更新は行わないので、適応学習用音声認識結果
が誤った場合でも、標準パタンのパラメータの誤った更
新を防ぐことができ認識率が向上する。
き教師なし話者適応手段は、前記第１の発声の認識結果
信頼度が予め定めた閾値以下ならば、標準パタンのパラ
メータの更新は行わないので、適応学習用音声認識結果
が誤った場合でも、標準パタンのパラメータの誤った更
新を防ぐことができ認識率が向上する。
【０１０２】また次の発明によれば、認識結果信頼度付
き教師なし話者適応手段は、前記第１の発声の認識結果
信頼度の値によって更新方法を切り替えるので、適応学
習用音声認識結果が誤った場合でも、標準パタンのパラ
メータの誤った更新を防ぐことができ認識率が向上す
る。
き教師なし話者適応手段は、前記第１の発声の認識結果
信頼度の値によって更新方法を切り替えるので、適応学
習用音声認識結果が誤った場合でも、標準パタンのパラ
メータの誤った更新を防ぐことができ認識率が向上す
る。
【０１０３】また次の発明によれば、標準パタンのパラ
メータは、クラスタリングによってグループ化し、グル
ープ内のパラメータの更新用の分割された適応データと
認識結果信頼度を用いてグループに共通なパラメータの
変動量を演算し、前記パラメータ変動量によって前記標
準パタンのグループのパラメータを前記話者適応パタン
のグループのパラメータへ更新するので、適応学習用音
声認識結果が誤った場合でも、標準パタンのパラメータ
の誤った更新を防ぐことができ認識率が向上する。
メータは、クラスタリングによってグループ化し、グル
ープ内のパラメータの更新用の分割された適応データと
認識結果信頼度を用いてグループに共通なパラメータの
変動量を演算し、前記パラメータ変動量によって前記標
準パタンのグループのパラメータを前記話者適応パタン
のグループのパラメータへ更新するので、適応学習用音
声認識結果が誤った場合でも、標準パタンのパラメータ
の誤った更新を防ぐことができ認識率が向上する。
【０１０４】また次の発明によれば、クラスタリング
は、木構造クラスタリングを行って木構造状に標準パタ
ンのパラメータをクラスタリングし、木構造のノード以
下に属する標準パタンのパラメータ更新用の分割された
適応データの認識結果信頼度が閾値以上であるノード以
下の標準パタンのパラメータをグループとして、グルー
プ内のパラメータの更新用の分割された適応データと認
識結果信頼度を用いてグループに共通なパラメータの変
動量を演算し、前記変動量によって前記標準パタンのグ
ループのパラメータを前記話者適応パタンのグループの
パラメータへ更新するので、適応学習用音声認識結果が
誤った場合でも、標準パタンのパラメータの誤った更新
を防ぐことができ認識率が向上する。
は、木構造クラスタリングを行って木構造状に標準パタ
ンのパラメータをクラスタリングし、木構造のノード以
下に属する標準パタンのパラメータ更新用の分割された
適応データの認識結果信頼度が閾値以上であるノード以
下の標準パタンのパラメータをグループとして、グルー
プ内のパラメータの更新用の分割された適応データと認
識結果信頼度を用いてグループに共通なパラメータの変
動量を演算し、前記変動量によって前記標準パタンのグ
ループのパラメータを前記話者適応パタンのグループの
パラメータへ更新するので、適応学習用音声認識結果が
誤った場合でも、標準パタンのパラメータの誤った更新
を防ぐことができ認識率が向上する。
【０１０５】また次の発明によれば、標準パタン、及び
前記話者適応パタンとして、連続混合分布型隠れマルコ
フモデルを用いるので、適応学習用音声認識結果が誤っ
た場合でも、標準パタンのパラメータの誤った更新を防
ぐことができ認識率が向上する。
前記話者適応パタンとして、連続混合分布型隠れマルコ
フモデルを用いるので、適応学習用音声認識結果が誤っ
た場合でも、標準パタンのパラメータの誤った更新を防
ぐことができ認識率が向上する。
【０１０６】また次の発明によれば、連続混合分布型隠
れマルコフモデルのシンボル出力確率密度関数を構成す
る要素分布関数は、ガウス分布であるので、適応学習用
音声認識結果が誤った場合でも、標準パタンのパラメー
タの誤った更新を防ぐことができ認識率が向上する。
れマルコフモデルのシンボル出力確率密度関数を構成す
る要素分布関数は、ガウス分布であるので、適応学習用
音声認識結果が誤った場合でも、標準パタンのパラメー
タの誤った更新を防ぐことができ認識率が向上する。
【０１０７】また次の発明によれば、認識結果信頼度付
き教師なし話者適応手段において更新するパラメータは
前記ガウス分布の平均ベクトルであるので、適応学習用
音声認識結果が誤った場合でも、標準パタンのパラメー
タの誤った更新を防ぐことができ認識率が向上する。
き教師なし話者適応手段において更新するパラメータは
前記ガウス分布の平均ベクトルであるので、適応学習用
音声認識結果が誤った場合でも、標準パタンのパラメー
タの誤った更新を防ぐことができ認識率が向上する。
【０１０８】また次の発明によれば、ガウス分布の平均
ベクトルの更新は、適応データが存在するガウス分布の
平均ベクトルは認識結果信頼度付き更新を行い、適応デ
ータが存在しないガウス分布の平均ベクトルは適応デー
タが存在するガウス分布の更新前後の平均ベクトルの値
の差分ベクトルを用いた補間によって前記標準パタンの
パラメータを前記話者適応パタンのパラメータへ更新す
るので、適応学習用音声認識結果が誤った場合でも、標
準パタンのパラメータの誤った更新を防ぐことができ認
識率が向上する。
ベクトルの更新は、適応データが存在するガウス分布の
平均ベクトルは認識結果信頼度付き更新を行い、適応デ
ータが存在しないガウス分布の平均ベクトルは適応デー
タが存在するガウス分布の更新前後の平均ベクトルの値
の差分ベクトルを用いた補間によって前記標準パタンの
パラメータを前記話者適応パタンのパラメータへ更新す
るので、適応学習用音声認識結果が誤った場合でも、標
準パタンのパラメータの誤った更新を防ぐことができ認
識率が向上する。
【０１０９】また次の発明によれば、認識結果信頼度付
き教師なし話者適応手段は、認識結果信頼度を用いた重
回帰写像モデルに基づく話者適応によって、前記標準パ
タンのパラメータであるガウス分布の平均ベクトルを前
記話者適応パタンのガウス分布の平均ベクトルへ更新す
るので、適応学習用音声認識結果が誤った場合でも、標
準パタンのパラメータの誤った更新を防ぐことができ認
識率が向上する。
き教師なし話者適応手段は、認識結果信頼度を用いた重
回帰写像モデルに基づく話者適応によって、前記標準パ
タンのパラメータであるガウス分布の平均ベクトルを前
記話者適応パタンのガウス分布の平均ベクトルへ更新す
るので、適応学習用音声認識結果が誤った場合でも、標
準パタンのパラメータの誤った更新を防ぐことができ認
識率が向上する。
【０１１０】また次の発明によれば、重回帰写像モデル
に基づく話者適応は、標準パタンのガウス分布をクラス
タリングしてグループ化し、グループ内のガウス分布更
新用の適応データと認識結果信頼度に基づいてガウス分
布のグループに１つの回帰係数を演算し、標準パタンの
平均ベクトルを回帰係数を用いて話者適応パタンの平均
ベクトルへ更新するので、適応学習用音声認識結果が誤
った場合でも、標準パタンのパラメータの誤った更新を
防ぐことができ認識率が向上する。
に基づく話者適応は、標準パタンのガウス分布をクラス
タリングしてグループ化し、グループ内のガウス分布更
新用の適応データと認識結果信頼度に基づいてガウス分
布のグループに１つの回帰係数を演算し、標準パタンの
平均ベクトルを回帰係数を用いて話者適応パタンの平均
ベクトルへ更新するので、適応学習用音声認識結果が誤
った場合でも、標準パタンのパラメータの誤った更新を
防ぐことができ認識率が向上する。
【０１１１】また次の発明によれば、請求項１〜２２の
うちいずれかに記載の話者適応化装置によって更新され
た教師なし話者適応パタンと、話者の入力音声から音声
特徴量を抽出する音声特徴量抽出手段と、前記音声特徴
量抽出手段が抽出した音声特徴量と前記教師なし話者適
応パタンとを照合して認識結果を出力する照合手段と、
を備えたので、適応学習用音声認識結果が誤った場合で
も、標準パタンのパラメータの誤った更新を防ぐことが
でき認識率が向上する。
うちいずれかに記載の話者適応化装置によって更新され
た教師なし話者適応パタンと、話者の入力音声から音声
特徴量を抽出する音声特徴量抽出手段と、前記音声特徴
量抽出手段が抽出した音声特徴量と前記教師なし話者適
応パタンとを照合して認識結果を出力する照合手段と、
を備えたので、適応学習用音声認識結果が誤った場合で
も、標準パタンのパラメータの誤った更新を防ぐことが
でき認識率が向上する。
【図１】 この発明による話者適応化装置の実施の形態
１の構成を示すブロック図である。
１の構成を示すブロック図である。
【図２】 この発明による話者適応化装置の実施の形態
２の構成を示すブロック図である。
２の構成を示すブロック図である。
【図３】 この発明による話者適応化装置の実施の形態
３の動作説明図である。
３の動作説明図である。
【図４】 この発明による話者適応化装置の実施の形態
４の動作説明図である。
４の動作説明図である。
【図５】 この発明による話者適応化装置の実施の形態
５の動作説明図である。
５の動作説明図である。
【図６】 この発明による話者適応化装置の実施の形態
６の動作説明図である。
６の動作説明図である。
【図７】 この発明による話者適応化装置の実施の形態
７の構成を示すブロック図である。
７の構成を示すブロック図である。
【図８】 この発明による話者適応化装置の実施の形態
８の構成を示すブロック図である。
８の構成を示すブロック図である。
【図９】 この発明による話者適応化装置の実施の形態
１０の構成を示すブロック図である。
１０の構成を示すブロック図である。
【図１０】 この発明による話者適応化装置の実施の形
態１２の構成を示すブロック図である。
態１２の構成を示すブロック図である。
【図１１】 この発明による話者適応化装置の実施の形
態１３の構成を示すブロック図である。
態１３の構成を示すブロック図である。
【図１２】 この発明による話者適応化装置の実施の形
態１４の構成を示すブロック図である。
態１４の構成を示すブロック図である。
【図１３】 この発明による話者適応化装置の実施の形
態１５の構成を示すブロック図である。
態１５の構成を示すブロック図である。
【図１４】 この発明による話者適応化装置の実施の形
態１６の構成を示すブロック図である。
態１６の構成を示すブロック図である。
【図１５】 この発明による話者適応化装置の実施の形
態１６の動作説明図である。
態１６の動作説明図である。
【図１６】 この発明による話者適応化装置の実施の形
態２０の構成を示すブロック図である。
態２０の構成を示すブロック図である。
【図１７】 この発明による話者適応化装置の実施の形
態２０の動作説明図である。
態２０の動作説明図である。
【図１８】 この発明による話者適応化装置の実施の形
態２１の構成を示すブロック図である。
態２１の構成を示すブロック図である。
【図１９】 この発明による話者適応化装置の実施の形
態２２の構成を示すブロック図である。
態２２の構成を示すブロック図である。
【図２０】 この発明による音声認識装置の実施の形態
２３の構成を示すブロック図である。
２３の構成を示すブロック図である。
【図２１】 従来の話者適応化装置の構成を示すブロッ
ク図である。
ク図である。
１０１ 認識結果信頼度演算手段 １０２ 認識結果信頼度付き教師なし話者適応手段 ７０１ 音声データセグメンテーション手段 ７０２ 認識結果信頼度付き標準パタンパラメータ更新
手段 ８０１ 標準パタンパラメータ最尤推定手段 ８０２ 認識結果信頼度に基づくパラメータ線形補間手
段 ９０１ 認識結果信頼度重み付き学習データによる適応
学習手段 １００１ 複数認識結果候補出力照合手段 １００２ 複数認識結果候補信頼度演算手段 １００３ 複数認識結果候補信頼度付き教師なし話者適
応手段 １１０１ 認識結果信頼度比較手段 １２０１ 認識結果信頼度による話者適応方式選択手段 １２０２-１〜Ｍ 認識結果信頼度付き教師なし話者適
応手段 １〜Ｍ １３０１ 標準パタンパラメータクラスタリング手段 １３０２ 認識結果信頼度付きパラメータグループ教師
なし話者適応手段 １４０１ 標準パタンパラメータ木構造クラスタリング
手段 １４０２ 木構造化パラメータに基づく標準パタンパラ
メータグループ化手段 １６０１ 標準パタンパラメータ補間手段 １８０１ 認識結果信頼度付き重回帰写像モデルに基づ
く話者適応手段 １９０１ ガウス分布グループ化手段 ２００１ 入力音声 ２００２ 音声特徴量抽出手段 ２００３ 照合手段 ２００４ 標準パタン ２００５ 認識辞書 ２００６ 話者適応学習用音声認識結果 ２００７ 教師なし話者適応手段 ２００８ 教師なし話者適応パタン ２１０１ 音声認識結果
手段 ８０１ 標準パタンパラメータ最尤推定手段 ８０２ 認識結果信頼度に基づくパラメータ線形補間手
段 ９０１ 認識結果信頼度重み付き学習データによる適応
学習手段 １００１ 複数認識結果候補出力照合手段 １００２ 複数認識結果候補信頼度演算手段 １００３ 複数認識結果候補信頼度付き教師なし話者適
応手段 １１０１ 認識結果信頼度比較手段 １２０１ 認識結果信頼度による話者適応方式選択手段 １２０２-１〜Ｍ 認識結果信頼度付き教師なし話者適
応手段 １〜Ｍ １３０１ 標準パタンパラメータクラスタリング手段 １３０２ 認識結果信頼度付きパラメータグループ教師
なし話者適応手段 １４０１ 標準パタンパラメータ木構造クラスタリング
手段 １４０２ 木構造化パラメータに基づく標準パタンパラ
メータグループ化手段 １６０１ 標準パタンパラメータ補間手段 １８０１ 認識結果信頼度付き重回帰写像モデルに基づ
く話者適応手段 １９０１ ガウス分布グループ化手段 ２００１ 入力音声 ２００２ 音声特徴量抽出手段 ２００３ 照合手段 ２００４ 標準パタン ２００５ 認識辞書 ２００６ 話者適応学習用音声認識結果 ２００７ 教師なし話者適応手段 ２００８ 教師なし話者適応パタン ２１０１ 音声認識結果
Claims (23)
- 【請求項１】 多数の話者の音声データによりパラメー
タ学習を行った標準パタンを、ある話者に適応した話者
適応パタンに更新するようにした話者適応化装置におい
て、 話者の入力音声から音声特徴量を抽出する音声特徴量抽
出手段と、 前記音声特徴量抽出手段が抽出した音声特徴量と、前記
標準パタンとを照合して認識結果を出力する照合手段
と、 前記音声特徴量抽出手段が抽出した音声特徴量と、前記
標準パタンとに基づいて、前記照合手段から出力された
認識結果の信頼度を演算して出力する認識結果信頼度演
算手段と、 前記音声特徴量抽出手段が抽出した音声特徴量と、前記
照合手段から出力された認識結果と、前記認識結果信頼
度演算手段からの認識結果信頼度とに基づいて、前記標
準パタンを前記話者適応パタンへ更新する認識結果信頼
度付き教師なし話者適応手段と、 を備えたことを特徴とする話者適応化装置。 - 【請求項２】 前記認識結果信頼度付き教師なし話者適
応手段は、更に、ある入力音声により話者適応パタンを
更新する際、その前の入力音声により更新した話者適応
パタンを標準パタンとして使用することを特徴とする請
求項１記載の話者適応化装置。 - 【請求項３】 前記認識結果信頼度演算手段は、前記照
合手段から出力された認識結果の信頼度を演算する際、
話者の１発声毎に信頼度を演算することを特徴とする請
求項１記載の話者適応化装置。 - 【請求項４】 前記認識結果信頼度演算手段は、前記標
準パタンの基本単位である認識ユニット区間毎に認識結
果の信頼度を演算することを特徴とする請求項１記載の
話者適応化装置。 - 【請求項５】 前記認識結果信頼度演算手段は、音素や
音節などの音声単位区間毎に認識結果の信頼度を演算す
ることを特徴とする請求項１記載の話者適応化装置。 - 【請求項６】 前記認識結果信頼度演算手段は、前記音
声データの特徴量を演算する一定区間のフレーム毎に認
識結果信頼度を演算することを特徴とする請求項１記載
の話者適応化装置。 - 【請求項７】 前記認識結果信頼度付き教師なし話者適
応手段は、前記照合手段からの認識結果に基づいて、前
記音声特徴量抽出手段が抽出した音声特徴量を認識ユニ
ット毎に分割し、その認識ユニット毎に分割された音声
特徴量と、前記認識結果信頼度演算手段からの認識結果
信頼度とに基づいて、各認識ユニット毎に前記標準パタ
ンを前記話者適応パタンへ更新することを特徴とする請
求項１記載の話者適応化装置。 - 【請求項８】 前記認識結果信頼度付き教師なし話者適
応手段は、前記認識ユニットの標準パタンパラメータ更
新用の分割された適応データを用い、最尤推定によって
標準パタンのパラメータを推定し、認識ユニットの標準
パタンのパラメータ更新に用いた適応データの認識結果
信頼度の合計値に基づき、最尤推定前後のパラメータの
値の線形補間によって前記標準パタンパラメータから前
記話者適応パタンのパラメータへ更新することを特徴と
する請求項１記載の話者適応化装置。 - 【請求項９】 前記標準パタンのパラメータ値の線形補
間は、標準パタンのパラメータの最尤推定に用いた適応
データの認識結果信頼度の合計値が大きければ、前記最
尤推定値の重みを大きくするように行うことを特徴とす
る請求項８記載の話者適応化装置。 - 【請求項１０】 前記認識結果信頼度付き教師なし話者
適応手段は、前記認識ユニットの標準パタンのパラメー
タ更新用の分割された適応データを用い、認識結果信頼
度によって適応データのパラメータ学習への重みを計算
して、重み付けされた適応データによって前記標準パタ
ンパラメータから前記話者適応パタンのパラメータへ更
新することを特徴とする請求項１記載の話者適応化装
置。 - 【請求項１１】 前記認識結果信頼度は、前記フレーム
毎に付与し、０〜１の範囲の値であり、信頼度が高い場
合には１に近い値を出力することを特徴とする請求項１
０記載の話者適応化装置。 - 【請求項１２】 前記照合手段は、複数の認識結果候補
を出力し、認識結果信頼度演算手段は、複数の認識結果
候補に対して認識結果信頼度を演算して、前記認識結果
信頼度付き教師なし話者適応手段では、複数の認識結果
候補に基づいて、前記標準パタンのパラメータから前記
話者適応パタンのパラメータへ更新することを特徴とす
る請求項１記載の話者適応化装置。 - 【請求項１３】 前記認識結果信頼度付き教師なし話者
適応手段は、前記第１の発声の認識結果信頼度が予め定
めた閾値以下ならば、標準パタンのパラメータの更新は
行わないことを特徴とする請求項１記載の話者適応化装
置。 - 【請求項１４】 前記認識結果信頼度付き教師なし話者
適応手段は、前記第１の発声の認識結果信頼度の値によ
って更新方法を切り替えることを特徴とする請求項１記
載の話者適応化装置。 - 【請求項１５】 前記標準パタンのパラメータは、クラ
スタリングによってグループ化し、グループ内のパラメ
ータの更新用の分割された適応データと認識結果信頼度
を用いてグループに共通なパラメータの変動量を演算
し、前記パラメータ変動量によって前記標準パタンのグ
ループのパラメータを前記話者適応パタンのグループの
パラメータへ更新すること特徴とする請求項１記載の話
者適応化装置。 - 【請求項１６】 前記クラスタリングは、木構造クラス
タリングを行って木構造状に標準パタンのパラメータを
クラスタリングし、木構造のノード以下に属する標準パ
タンのパラメータ更新用の分割された適応データの認識
結果信頼度が閾値以上であるノード以下の標準パタンの
パラメータをグループとして、グループ内のパラメータ
の更新用の分割された適応データと認識結果信頼度を用
いてグループに共通なパラメータの変動量を演算し、前
記変動量によって前記標準パタンのグループのパラメー
タを前記話者適応パタンのグループのパラメータへ更新
することを特徴とする請求項１５記載の話者適応化装
置。 - 【請求項１７】 前記標準パタン、及び前記話者適応パ
タンとして、連続混合分布型隠れマルコフモデルを用い
ることを特徴とする請求項１記載の話者適応化装置。 - 【請求項１８】 前記連続混合分布型隠れマルコフモデ
ルのシンボル出力確率密度関数を構成する要素分布関数
は、ガウス分布であることを特徴とする請求項１７記載
の話者適応化装置。 - 【請求項１９】 前記認識結果信頼度付き教師なし話者
適応手段において更新するパラメータは前記ガウス分布
の平均ベクトルであることを特徴とする請求項１記載の
話者適応化装置。 - 【請求項２０】 前記ガウス分布の平均ベクトルの更新
は、適応データが存在するガウス分布の平均ベクトルは
認識結果信頼度付き更新を行い、適応データが存在しな
いガウス分布の平均ベクトルは適応データが存在するガ
ウス分布の更新前後の平均ベクトルの値の差分ベクトル
を用いた補間によって前記標準パタンのパラメータを前
記話者適応パタンのパラメータへ更新することを特徴と
する請求項１記載の話者適応化装置。 - 【請求項２１】 前記認識結果信頼度付き教師なし話者
適応手段は、認識結果信頼度を用いた重回帰写像モデル
に基づく話者適応によって、前記標準パタンのパラメー
タであるガウス分布の平均ベクトルを前記話者適応パタ
ンのガウス分布の平均ベクトルへ更新することを特徴と
する請求項１の話者適応化装置。 - 【請求項２２】 前記重回帰写像モデルに基づく話者適
応は、標準パタンのガウス分布をクラスタリングしてグ
ループ化し、グループ内のガウス分布更新用の適応デー
タと認識結果信頼度に基づいてガウス分布のグループに
１つの回帰係数を演算し、標準パタンの平均ベクトルを
回帰係数を用いて話者適応パタンの平均ベクトルへ更新
することを特徴とする請求項２１記載の話者適応化装
置。 - 【請求項２３】 請求項１〜２２のうちいずれかに記載
の話者適応化装置によって更新された教師なし話者適応
パタンと、 話者の入力音声から音声特徴量を抽出する音声特徴量抽
出手段と、 前記音声特徴量抽出手段が抽出した音声特徴量と、前記
教師なし話者適応パタンとを照合して認識結果を出力す
る照合手段と、 を備えたことを特徴とする音声認識装置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP29792498A JP3589044B2 (ja) | 1998-10-20 | 1998-10-20 | 話者適応化装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP29792498A JP3589044B2 (ja) | 1998-10-20 | 1998-10-20 | 話者適応化装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2000122689A true JP2000122689A (ja) | 2000-04-28 |
| JP3589044B2 JP3589044B2 (ja) | 2004-11-17 |
Family
ID=17852861
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP29792498A Expired - Fee Related JP3589044B2 (ja) | 1998-10-20 | 1998-10-20 | 話者適応化装置 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP3589044B2 (ja) |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2006251800A (ja) * | 2005-03-07 | 2006-09-21 | Samsung Electronics Co Ltd | ユーザ適応型の音声認識方法及び音声認識装置 |
| JP2006293489A (ja) * | 2005-04-06 | 2006-10-26 | Sony Corp | 学習装置および学習方法、並びに学習プログラム |
| JP2007248730A (ja) * | 2006-03-15 | 2007-09-27 | Nippon Telegr & Teleph Corp <Ntt> | 音響モデル適応装置、音響モデル適応方法、音響モデル適応プログラム及び記録媒体 |
| JP2011075622A (ja) * | 2009-09-29 | 2011-04-14 | Nippon Telegr & Teleph Corp <Ntt> | 音響モデル適応装置、その方法、プログラム、及び記録媒体 |
| JP2012181280A (ja) * | 2011-02-28 | 2012-09-20 | Sogo Keibi Hosho Co Ltd | 音処理装置および音処理方法 |
| JP2015082036A (ja) * | 2013-10-23 | 2015-04-27 | 日本電信電話株式会社 | 音響分析フレーム信頼度計算装置と音響モデル適応装置と音声認識装置とそれらのプログラムと、音響分析フレーム信頼度計算方法 |
| JP2021529978A (ja) * | 2018-05-10 | 2021-11-04 | エル ソルー カンパニー, リミテッドLlsollu Co., Ltd. | 人工知能サービス方法及びそのための装置 |
-
1998
- 1998-10-20 JP JP29792498A patent/JP3589044B2/ja not_active Expired - Fee Related
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2006251800A (ja) * | 2005-03-07 | 2006-09-21 | Samsung Electronics Co Ltd | ユーザ適応型の音声認識方法及び音声認識装置 |
| JP4709663B2 (ja) * | 2005-03-07 | 2011-06-22 | 三星電子株式会社 | ユーザ適応型の音声認識方法及び音声認識装置 |
| JP2006293489A (ja) * | 2005-04-06 | 2006-10-26 | Sony Corp | 学習装置および学習方法、並びに学習プログラム |
| JP2007248730A (ja) * | 2006-03-15 | 2007-09-27 | Nippon Telegr & Teleph Corp <Ntt> | 音響モデル適応装置、音響モデル適応方法、音響モデル適応プログラム及び記録媒体 |
| JP4594885B2 (ja) * | 2006-03-15 | 2010-12-08 | 日本電信電話株式会社 | 音響モデル適応装置、音響モデル適応方法、音響モデル適応プログラム及び記録媒体 |
| JP2011075622A (ja) * | 2009-09-29 | 2011-04-14 | Nippon Telegr & Teleph Corp <Ntt> | 音響モデル適応装置、その方法、プログラム、及び記録媒体 |
| JP2012181280A (ja) * | 2011-02-28 | 2012-09-20 | Sogo Keibi Hosho Co Ltd | 音処理装置および音処理方法 |
| JP2015082036A (ja) * | 2013-10-23 | 2015-04-27 | 日本電信電話株式会社 | 音響分析フレーム信頼度計算装置と音響モデル適応装置と音声認識装置とそれらのプログラムと、音響分析フレーム信頼度計算方法 |
| JP2021529978A (ja) * | 2018-05-10 | 2021-11-04 | エル ソルー カンパニー, リミテッドLlsollu Co., Ltd. | 人工知能サービス方法及びそのための装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| JP3589044B2 (ja) | 2004-11-17 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US5825978A (en) | Method and apparatus for speech recognition using optimized partial mixture tying of HMM state functions | |
| JP2871561B2 (ja) | 不特定話者モデル生成装置及び音声認識装置 | |
| JP4301102B2 (ja) | 音声処理装置および音声処理方法、プログラム、並びに記録媒体 | |
| KR100612840B1 (ko) | 모델 변이 기반의 화자 클러스터링 방법, 화자 적응 방법및 이들을 이용한 음성 인식 장치 | |
| WO2012036934A1 (en) | Deep belief network for large vocabulary continuous speech recognition | |
| US5924066A (en) | System and method for classifying a speech signal | |
| Konig et al. | GDNN: a gender-dependent neural network for continuous speech recognition | |
| US6173076B1 (en) | Speech recognition pattern adaptation system using tree scheme | |
| KR100832556B1 (ko) | 강인한 원거리 음성 인식 시스템을 위한 음성 인식 방법 | |
| CN117043857A (zh) | 用于英语发音评估的方法、设备和计算机程序产品 | |
| JP3589044B2 (ja) | 話者適応化装置 | |
| WO1999054869A1 (en) | Adaptation of a speech recognizer for dialectal and linguistic domain variations | |
| Walter et al. | An evaluation of unsupervised acoustic model training for a dysarthric speech interface | |
| JP2938866B1 (ja) | 統計的言語モデル生成装置及び音声認識装置 | |
| JP2982689B2 (ja) | 情報量基準を用いた標準パターン作成方式 | |
| JP2005156593A (ja) | 音響モデル作成方法、音響モデル作成装置、音響モデル作成プログラムおよび音声認識装置 | |
| Huda et al. | A variable initialization approach to the EM algorithm for better estimation of the parameters of hidden markov model based acoustic modeling of speech signals | |
| JP2005091504A (ja) | 音声認識装置 | |
| JPH10254477A (ja) | 音素境界検出装置及び音声認識装置 | |
| JPH1097273A (ja) | 音声モデルの話者適応化方法及びその方法を用いた音声認識方法及びその方法を記録した記録媒体 | |
| Su et al. | Efficient use of DNN bottleneck features in generalized variable parameter HMMs for noise robust speech recognition | |
| JP3946912B2 (ja) | 教師なし話者適応化装置、音声認識装置、教師なし話者適応化方法、音声認識方法、教師なし話者適応化プログラムを記録した記録媒体及び音声認識プログラムを記録した記録媒体 | |
| Shinoda | Speaker adaptation techniques for speech recognition using probabilistic models | |
| Yuk | Robust speech recognition using neural networks and hidden Markov models | |
| CA2195445C (en) | Method and apparatus for speech recognition using optimised partial probability mixture tying |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20040330 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20040525 |
|
| RD01 | Notification of change of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7421 Effective date: 20040622 |
|
| 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: 20040727 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20040809 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20070827 Year of fee payment: 3 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20080827 Year of fee payment: 4 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20080827 Year of fee payment: 4 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20090827 Year of fee payment: 5 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20090827 Year of fee payment: 5 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20100827 Year of fee payment: 6 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20110827 Year of fee payment: 7 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20110827 Year of fee payment: 7 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20120827 Year of fee payment: 8 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20120827 Year of fee payment: 8 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20130827 Year of fee payment: 9 |
|
| LAPS | Cancellation because of no payment of annual fees |