JP2000250576A - 音声認識システムにおいて特徴を抽出する方法 - Google Patents
音声認識システムにおいて特徴を抽出する方法Info
- Publication number
- JP2000250576A JP2000250576A JP2000036104A JP2000036104A JP2000250576A JP 2000250576 A JP2000250576 A JP 2000250576A JP 2000036104 A JP2000036104 A JP 2000036104A JP 2000036104 A JP2000036104 A JP 2000036104A JP 2000250576 A JP2000250576 A JP 2000250576A
- Authority
- JP
- Japan
- Prior art keywords
- coefficient
- speech recognition
- cepstral
- feature
- feature vector
- 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
- 238000000034 method Methods 0.000 title claims abstract description 25
- 239000013598 vector Substances 0.000 claims abstract description 53
- 238000004891 communication Methods 0.000 claims description 3
- 230000015654 memory Effects 0.000 abstract description 34
- 238000012545 processing Methods 0.000 abstract description 3
- 238000012549 training Methods 0.000 description 13
- 238000000605 extraction Methods 0.000 description 10
- 230000002596 correlated effect Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000001413 cellular effect Effects 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 230000005236 sound signal Effects 0.000 description 2
- 230000002411 adverse Effects 0.000 description 1
- 230000003542 behavioural effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 230000001627 detrimental effect Effects 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/02—Feature extraction for speech recognition; Selection of recognition unit
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B65—CONVEYING; PACKING; STORING; HANDLING THIN OR FILAMENTARY MATERIAL
- B65B—MACHINES, APPARATUS OR DEVICES FOR, OR METHODS OF, PACKAGING ARTICLES OR MATERIALS; UNPACKING
- B65B7/00—Closing containers or receptacles after filling
- B65B7/16—Closing semi-rigid or rigid containers or receptacles not deformed by, or not taking-up shape of, contents, e.g. boxes or cartons
- B65B7/162—Closing semi-rigid or rigid containers or receptacles not deformed by, or not taking-up shape of, contents, e.g. boxes or cartons by feeding web material to securing means
- B65B7/164—Securing by heat-sealing
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B65—CONVEYING; PACKING; STORING; HANDLING THIN OR FILAMENTARY MATERIAL
- B65B—MACHINES, APPARATUS OR DEVICES FOR, OR METHODS OF, PACKAGING ARTICLES OR MATERIALS; UNPACKING
- B65B43/00—Forming, feeding, opening or setting-up containers or receptacles in association with packaging
- B65B43/42—Feeding or positioning bags, boxes, or cartons in the distended, opened, or set-up state; Feeding preformed rigid containers, e.g. tins, capsules, glass tubes, glasses, to the packaging position; Locating containers or receptacles at the filling position; Supporting containers or receptacles during the filling operation
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B65—CONVEYING; PACKING; STORING; HANDLING THIN OR FILAMENTARY MATERIAL
- B65B—MACHINES, APPARATUS OR DEVICES FOR, OR METHODS OF, PACKAGING ARTICLES OR MATERIALS; UNPACKING
- B65B51/00—Devices for, or methods of, sealing or securing package folds or closures; Devices for gathering or twisting wrappers, or necks of bags
- B65B51/10—Applying or generating heat or pressure or combinations thereof
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B65—CONVEYING; PACKING; STORING; HANDLING THIN OR FILAMENTARY MATERIAL
- B65B—MACHINES, APPARATUS OR DEVICES FOR, OR METHODS OF, PACKAGING ARTICLES OR MATERIALS; UNPACKING
- B65B57/00—Automatic control, checking, warning, or safety devices
- B65B57/18—Automatic control, checking, warning, or safety devices causing operation of audible or visible alarm signals
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B65—CONVEYING; PACKING; STORING; HANDLING THIN OR FILAMENTARY MATERIAL
- B65B—MACHINES, APPARATUS OR DEVICES FOR, OR METHODS OF, PACKAGING ARTICLES OR MATERIALS; UNPACKING
- B65B59/00—Arrangements to enable machines to handle articles of different sizes, to produce packages of different sizes, to vary the contents of packages, to handle different types of packaging material, or to give access for cleaning or maintenance purposes
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B65—CONVEYING; PACKING; STORING; HANDLING THIN OR FILAMENTARY MATERIAL
- B65B—MACHINES, APPARATUS OR DEVICES FOR, OR METHODS OF, PACKAGING ARTICLES OR MATERIALS; UNPACKING
- B65B61/00—Auxiliary devices, not otherwise provided for, for operating on sheets, blanks, webs, binding material, containers or packages
- B65B61/04—Auxiliary devices, not otherwise provided for, for operating on sheets, blanks, webs, binding material, containers or packages for severing webs, or for separating joined packages
- B65B61/06—Auxiliary devices, not otherwise provided for, for operating on sheets, blanks, webs, binding material, containers or packages for severing webs, or for separating joined packages by cutting
Landscapes
- Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computational Linguistics (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- Acoustics & Sound (AREA)
- Multimedia (AREA)
- Mobile Radio Communication Systems (AREA)
- Telephonic Communication Services (AREA)
Abstract
(57)【要約】
【課題】音声認識システムで用いられる特徴ベクトルの
抽出方法が提供される。 【解決手段】音声認識システム用の特徴を抽出する方法
は、デジタル化信号（204）からの代表係数を生成する
ことを含む。微分係数は代表係数（304,305）から生成
される。代表係数および微分係数の一部は特徴ベクトル
（307）を形成するために抽出される。新規は特徴ベク
トルにより、システムに使用されるメモリ容量が低減さ
れ、処理速度が向上される。
抽出方法が提供される。 【解決手段】音声認識システム用の特徴を抽出する方法
は、デジタル化信号（204）からの代表係数を生成する
ことを含む。微分係数は代表係数（304,305）から生成
される。代表係数および微分係数の一部は特徴ベクトル
（307）を形成するために抽出される。新規は特徴ベク
トルにより、システムに使用されるメモリ容量が低減さ
れ、処理速度が向上される。
Description
【０００１】
【発明の属する技術分野】本発明は、音声認識に係り、
特に音声認識システムにおける特徴抽出に係る。
特に音声認識システムにおける特徴抽出に係る。
【０００２】
【従来の技術】話者に依存する音声認識システムでは、
利用者はシステムを使用する際に利用したい単語を登録
しなければならない。語彙としての「単語」は、単一の
口語単語あるいは短い語句でよく、その選択された語彙
単語はその特定の利用に依存する。例えば、携帯無線電
話用の音声認識で使用するには、利用者が頻繁に電話す
る人の名前や場所（例えば、フレッドの事務所）、ある
いはユーザ・インターフェイス（例えば「バッテリ・メ
ータ」、「メッセージ」または「フォン・ロック」）に
頻繁に使用されかつよく利用される命令を与えておくこ
とが必要である。
利用者はシステムを使用する際に利用したい単語を登録
しなければならない。語彙としての「単語」は、単一の
口語単語あるいは短い語句でよく、その選択された語彙
単語はその特定の利用に依存する。例えば、携帯無線電
話用の音声認識で使用するには、利用者が頻繁に電話す
る人の名前や場所（例えば、フレッドの事務所）、ある
いはユーザ・インターフェイス（例えば「バッテリ・メ
ータ」、「メッセージ」または「フォン・ロック」）に
頻繁に使用されかつよく利用される命令を与えておくこ
とが必要である。
【０００３】登録を行う間、音声認識システムは、利用
者の入力に応答し、各語彙単語の代表的なテンプレート
を導く。あるシステムでは、このテンプレートは連続状
態からなる隠れマルコフ・モデル(HMM:hidden Markov m
odel)によって表現できる。各状態は音声発音の有限セ
クションを表わし、ここで語彙単語に関連して使用され
る発声は１つ以上の単語を含む。各状態のＨＭＭによる
統計的表現は、利用者が発音した特定の語彙用語のうち
の１つまたはそれ以上の登録された音声見本を用いて計
算される。これは、フレーム対状態割り当てを通して達
成される。
者の入力に応答し、各語彙単語の代表的なテンプレート
を導く。あるシステムでは、このテンプレートは連続状
態からなる隠れマルコフ・モデル(HMM:hidden Markov m
odel)によって表現できる。各状態は音声発音の有限セ
クションを表わし、ここで語彙単語に関連して使用され
る発声は１つ以上の単語を含む。各状態のＨＭＭによる
統計的表現は、利用者が発音した特定の語彙用語のうち
の１つまたはそれ以上の登録された音声見本を用いて計
算される。これは、フレーム対状態割り当てを通して達
成される。
【０００４】このような状態の割り当ては、トレーニン
グおよび音声認識の動作モデルの双方に対し使用され
る。特に、割り当て状態は、トレーニング・モードでモ
デルを生成するために用いられ、音声認識モード中その
モデルは比較の基準として使用される。動作中の音声認
識モードにおける入力発音の割り当ては、その入力発音
を格納した参照モデルと比較するために使用される。
グおよび音声認識の動作モデルの双方に対し使用され
る。特に、割り当て状態は、トレーニング・モードでモ
デルを生成するために用いられ、音声認識モード中その
モデルは比較の基準として使用される。動作中の音声認
識モードにおける入力発音の割り当ては、その入力発音
を格納した参照モデルと比較するために使用される。
【０００５】ビタビ(Viterbi)アルゴリズムのような整
列アルゴリズムが、発音のフレーム対状態割り当てのた
めに用いられる。この整列アルゴリズムは、音声発音の
最適な一致をモデルに対し与えるが、語彙単語の発音の
各フレームをそのモデルの個々の状態に割り当てるため
に用いられる。この割り当てを用いることにより、各状
態に対する統計的表現が改善される。
列アルゴリズムが、発音のフレーム対状態割り当てのた
めに用いられる。この整列アルゴリズムは、音声発音の
最適な一致をモデルに対し与えるが、語彙単語の発音の
各フレームをそのモデルの個々の状態に割り当てるため
に用いられる。この割り当てを用いることにより、各状
態に対する統計的表現が改善される。
【０００６】
【発明が解決しようとする課題】膨大な情報により、ほ
とんどの音声認識システムは、ランダム・アクセス・メ
モリ（ＲＡＭ）のような揮発性メモリ、およびフラッシ
ュＲＯＭまたは電気的消去可能な読み取り専用メモリ
（ＥＥＰＲＯＭ）のような不揮発性メモリ（ＮＶＮ）の
双方を大量に必要とする。これらのメモリを必要とする
ことは、携帯無線装置のようなコストに敏感な応用製品
に対しては桁外れに高価なものになり得る。さらに、音
声認識システムは、単位秒当たり数百万回（ＭＩＰＳ）
の非常に高い計算能力を要求する。 この大きなＭＩＰ
Ｓは、脆弱な手段を用いることによりまた動作速度の低
下により、音声認識を使用する装置の特性に芳ばしくな
い影響を与えうる。
とんどの音声認識システムは、ランダム・アクセス・メ
モリ（ＲＡＭ）のような揮発性メモリ、およびフラッシ
ュＲＯＭまたは電気的消去可能な読み取り専用メモリ
（ＥＥＰＲＯＭ）のような不揮発性メモリ（ＮＶＮ）の
双方を大量に必要とする。これらのメモリを必要とする
ことは、携帯無線装置のようなコストに敏感な応用製品
に対しては桁外れに高価なものになり得る。さらに、音
声認識システムは、単位秒当たり数百万回（ＭＩＰＳ）
の非常に高い計算能力を要求する。 この大きなＭＩＰ
Ｓは、脆弱な手段を用いることによりまた動作速度の低
下により、音声認識を使用する装置の特性に芳ばしくな
い影響を与えうる。
【０００７】
【課題を解決するための手段】話者に依存するトレーニ
ングおよび認識アルゴリズムを、わずかのランダム・ア
クセス・メモリ（ＲＡＭ）しか利用できない無線通信装
置のような携帯装置で実現するために、あらゆる環境で
の認識にあまり好ましくない影響を与えずに、より少な
いメモリをサポートするとともに、より大きなＭＩＰＳ
に使用できる方法が必要とされる。
ングおよび認識アルゴリズムを、わずかのランダム・ア
クセス・メモリ（ＲＡＭ）しか利用できない無線通信装
置のような携帯装置で実現するために、あらゆる環境で
の認識にあまり好ましくない影響を与えずに、より少な
いメモリをサポートするとともに、より大きなＭＩＰＳ
に使用できる方法が必要とされる。
【０００８】
【実施例】新規の特徴抽出技術はより小さい特徴ベクト
ルを生成し、入力音を表わすために用いられ、それによ
り発音を表現するために必要なメモリ・サイズを低減す
る。この方法により、 ＲＡＭのような揮発性メモリ、
ＥＥＰＲＯＭのようなＮＶＮ、および各発音を表現する
より小さい特徴ベクトルを用いることにより音声認識ア
ルゴリズムに求められるＭＩＰＳを劇的に低減する。こ
こに示された説明は、隠れマルコフ・モデル（Hidden M
arkov Models:ＨＭＭｓ)を用いる分離した単語を話す人
に依存する音声認識システムの例であるが、本発明は音
声認識の応用製品に非常に広範囲に適用でき、話者に依
存せず、かつ結合した単語の音声認識を含み、また、動
的時間歪(dynamic time warping)のような他の音声認識
アルゴリズムに応用が可能である。
ルを生成し、入力音を表わすために用いられ、それによ
り発音を表現するために必要なメモリ・サイズを低減す
る。この方法により、 ＲＡＭのような揮発性メモリ、
ＥＥＰＲＯＭのようなＮＶＮ、および各発音を表現する
より小さい特徴ベクトルを用いることにより音声認識ア
ルゴリズムに求められるＭＩＰＳを劇的に低減する。こ
こに示された説明は、隠れマルコフ・モデル（Hidden M
arkov Models:ＨＭＭｓ)を用いる分離した単語を話す人
に依存する音声認識システムの例であるが、本発明は音
声認識の応用製品に非常に広範囲に適用でき、話者に依
存せず、かつ結合した単語の音声認識を含み、また、動
的時間歪(dynamic time warping)のような他の音声認識
アルゴリズムに応用が可能である。
【０００９】図１は装置１００を示すが、そこに本発明
が効果的に用いられる。装置１００は図解の目的ために
ここでは携帯無線電話であるが、音声認識を効果的に使
用できるコンピュータ、個人用デジタル支援装置あるい
は他のいかなる装置でもよく、特にメモリ節約型の音声
認識システムに利用することができる。図示された無線
電話は、送信機１０２および受信機１０４を含み、アン
テナ１０６に結合される。送信機１０２および受信機１
０４は呼プロセッサ１０８に結合され、呼処理機能を行
う。呼プロセッサ１０８は、デジタル信号プロセッサ
（ＤＳＰ）、マイクロプロセッサ、マイクロコントロー
ラ、プログラム可能ユニット、これらの２つ以上の結
合、あるいは他の適当なデジタル回路を用いて実現する
ことができる。
が効果的に用いられる。装置１００は図解の目的ために
ここでは携帯無線電話であるが、音声認識を効果的に使
用できるコンピュータ、個人用デジタル支援装置あるい
は他のいかなる装置でもよく、特にメモリ節約型の音声
認識システムに利用することができる。図示された無線
電話は、送信機１０２および受信機１０４を含み、アン
テナ１０６に結合される。送信機１０２および受信機１
０４は呼プロセッサ１０８に結合され、呼処理機能を行
う。呼プロセッサ１０８は、デジタル信号プロセッサ
（ＤＳＰ）、マイクロプロセッサ、マイクロコントロー
ラ、プログラム可能ユニット、これらの２つ以上の結
合、あるいは他の適当なデジタル回路を用いて実現する
ことができる。
【００１０】呼プロセッサ１０８はメモリ１１０に結合
される。メモリ１１０は、ＲＡＭ、電気的消去可能な読
み取り専用メモリ（ＥＥＰＲＯＭ）、読み取り専用メモ
リ（ＲＯＭ）、フラッシュＲＯＭ、あるいはこれらのメ
モリの２以上の組み合わせを含む。メモリ１１０は、音
声認識動作を含み、呼プロセッサ１０８の動作を支援
し、電気的に変更可能なメモリを含み状態遷移経路メモ
リを支援する。 ＲＯＭは、装置の動作プログラムを格
納するために用いられる。
される。メモリ１１０は、ＲＡＭ、電気的消去可能な読
み取り専用メモリ（ＥＥＰＲＯＭ）、読み取り専用メモ
リ（ＲＯＭ）、フラッシュＲＯＭ、あるいはこれらのメ
モリの２以上の組み合わせを含む。メモリ１１０は、音
声認識動作を含み、呼プロセッサ１０８の動作を支援
し、電気的に変更可能なメモリを含み状態遷移経路メモ
リを支援する。 ＲＯＭは、装置の動作プログラムを格
納するために用いられる。
【００１１】オーディオ回路１１２は、マイクロフォン
１１４からのデジタル化された信号を呼プロセッサ１０
８に与える。オーディオ回路１１２は、呼プロセッサ１
０８からのデジタル信号に応答してスピーカ１１６を駆
動する。
１１４からのデジタル化された信号を呼プロセッサ１０
８に与える。オーディオ回路１１２は、呼プロセッサ１
０８からのデジタル信号に応答してスピーカ１１６を駆
動する。
【００１２】呼プロセッサ１０８は、表示プロセッサ１
２０に結合される。表示プロセッサは、装置１１０のた
めに他のプロセッサによる支援があるなら、選択可能で
ある。特に、表示プロセッサ１２０は表示制御信号を表
示１２６に与え、キー１２４からの入力を受け付ける。
表示プロセッサ１２０は、マイクロプロセッサ、マイク
ロコントローラ、デジタル信号プロセッサ、プログラム
可能論理ユニット、これらの結合、あるいはこれらと同
等のものを用いて実現できる。メモリ１２２は、表示プ
ロセッサに結合され、その中のデジタル論理を支援す
る。メモリ１２２は、 ＲＡＭ、ＥＥＰＲＯＭ、ＲＯ
Ｍ、フラッシュＲＯＭ、あるいは同等のもの、あるいは
これらのメモリの２以上の組み合わせを用いて実現でき
る。
２０に結合される。表示プロセッサは、装置１１０のた
めに他のプロセッサによる支援があるなら、選択可能で
ある。特に、表示プロセッサ１２０は表示制御信号を表
示１２６に与え、キー１２４からの入力を受け付ける。
表示プロセッサ１２０は、マイクロプロセッサ、マイク
ロコントローラ、デジタル信号プロセッサ、プログラム
可能論理ユニット、これらの結合、あるいはこれらと同
等のものを用いて実現できる。メモリ１２２は、表示プ
ロセッサに結合され、その中のデジタル論理を支援す
る。メモリ１２２は、 ＲＡＭ、ＥＥＰＲＯＭ、ＲＯ
Ｍ、フラッシュＲＯＭ、あるいは同等のもの、あるいは
これらのメモリの２以上の組み合わせを用いて実現でき
る。
【００１３】図２を参照して、マイクロフォン１１４で
受信した音声信号がオーディオ回路１１２のアナログ−
デジタル変換器２０２でデジタル信号に変換される。簡
略化のためここには表現されていないが、当業者であれ
ば、オーディオ回路１１２がフィルタリングのような追
加の信号処理を行うことは、容易に認識できるであろ
う。呼プロセッサ１０８は、マイクロフォン１１４のア
ナログ信号出力の処理されたデジタル信号表記で特徴抽
出２０４を実行し、利用者の発音を表わす１組の特徴ベ
クトルを与える。特徴ベクトルは、各短期間の分析窓の
期間に求められる。短期間の分析窓はフレームである
が、ここでは例として２０msである。結果として、フレ
ーム毎に１つの特徴ベクトルがある。プロセッサ１０８
は、音声認識２０６またはトレーニング２０７の間、そ
の特徴を利用する。
受信した音声信号がオーディオ回路１１２のアナログ−
デジタル変換器２０２でデジタル信号に変換される。簡
略化のためここには表現されていないが、当業者であれ
ば、オーディオ回路１１２がフィルタリングのような追
加の信号処理を行うことは、容易に認識できるであろ
う。呼プロセッサ１０８は、マイクロフォン１１４のア
ナログ信号出力の処理されたデジタル信号表記で特徴抽
出２０４を実行し、利用者の発音を表わす１組の特徴ベ
クトルを与える。特徴ベクトルは、各短期間の分析窓の
期間に求められる。短期間の分析窓はフレームである
が、ここでは例として２０msである。結果として、フレ
ーム毎に１つの特徴ベクトルがある。プロセッサ１０８
は、音声認識２０６またはトレーニング２０７の間、そ
の特徴を利用する。
【００１４】トレーニングでは、発音の特徴ベクトル
は、メモリ２０８に格納されたＨＭＭ形式のテンプレー
トを生成するために用いられる。音声認識では、入力音
声を表わす特徴ベクトルは、メモリ２０８に格納された
語彙単語のテンプレートと比較され、利用者がなにを言
ったかを決める。システムは、最適マッチ、１組の最適
マッチ、あるいはマッチなしを任意に出力する。メモリ
２０８は、好ましくは、メモリ１１０（図１）の不揮発
性メモリ部で、例えばＥＥＰＲＯＭまたは フラッシュ
ＲＯＭであってもよい。ここで用いられるように、「単
語」は「John Doe」のような１語を超えてもよく、「ca
ll」のような単一語であってもよい。
は、メモリ２０８に格納されたＨＭＭ形式のテンプレー
トを生成するために用いられる。音声認識では、入力音
声を表わす特徴ベクトルは、メモリ２０８に格納された
語彙単語のテンプレートと比較され、利用者がなにを言
ったかを決める。システムは、最適マッチ、１組の最適
マッチ、あるいはマッチなしを任意に出力する。メモリ
２０８は、好ましくは、メモリ１１０（図１）の不揮発
性メモリ部で、例えばＥＥＰＲＯＭまたは フラッシュ
ＲＯＭであってもよい。ここで用いられるように、「単
語」は「John Doe」のような１語を超えてもよく、「ca
ll」のような単一語であってもよい。
【００１５】特徴抽出２０４は、一般に入力音声のフレ
ーム上で単一の処理を行い、フレーム速度で各フレーム
を表わす特徴ベクトルを出力する。フレーム速度は、一
般に１０msと３０msとの間であり、例として２０msの間
隔であってよい。トレーナ２０７は、１またはそれ以上
の発音である単語または語句のサンプル発音から抽出さ
れた特徴を用い、その単語または語句のモデルとなるパ
ラメータを生成する。このモデルはそれから不揮発性メ
モリ２０８のモデル格納に記憶される。モデルのサイズ
は、特徴ベクトル長に直接依存するが、より長い特徴ベ
クトルはより大きなメモリを必要とする。
ーム上で単一の処理を行い、フレーム速度で各フレーム
を表わす特徴ベクトルを出力する。フレーム速度は、一
般に１０msと３０msとの間であり、例として２０msの間
隔であってよい。トレーナ２０７は、１またはそれ以上
の発音である単語または語句のサンプル発音から抽出さ
れた特徴を用い、その単語または語句のモデルとなるパ
ラメータを生成する。このモデルはそれから不揮発性メ
モリ２０８のモデル格納に記憶される。モデルのサイズ
は、特徴ベクトル長に直接依存するが、より長い特徴ベ
クトルはより大きなメモリを必要とする。
【００１６】メモリ２０８に格納されたモデルは、認識
２０６の間使用される。認識システムは、未知の発音の
特徴と格納されたモデル・パラメータとの間の比較を実
行し、最適マッチを決定する。その最適にマッチしたモ
デルは、その後認識システムから結果として出力され
る。
２０６の間使用される。認識システムは、未知の発音の
特徴と格納されたモデル・パラメータとの間の比較を実
行し、最適マッチを決定する。その最適にマッチしたモ
デルは、その後認識システムから結果として出力され
る。
【００１７】いくつかのタイプの特徴が、ブロック２０
４に示される特徴抽出の出力として、効果的に用いられ
た。いくつかの初期の音声認識システムはフィルタ・バ
ンク・エネルギを用いた。例えば、各データ・フレーム
の間、フィルタ・バンクの14個のフィルタの各々におけ
るエネルギ量は、20msであるフレーム速度でトレーニン
グまたは認識ソフトウェアに渡される。リニア予測符号
化（ＬＰＣ）パラメータが、また効率よく使用された。
多くの現代のシステムは、メル−周波数ケプストラル係
数（Mel-Frequency Cepstral Coefficients: ＭＦＣＣ
ｓ）を用い、それは歪んだメル−周波数のスケールを用
いて計算されたケプストラル係数である。認識結果は、
単にＭＦＣＣの時間派生の推定であるデルタＭＦＣＣ
を付加的に使用することを通して改善させることができ
る。
４に示される特徴抽出の出力として、効果的に用いられ
た。いくつかの初期の音声認識システムはフィルタ・バ
ンク・エネルギを用いた。例えば、各データ・フレーム
の間、フィルタ・バンクの14個のフィルタの各々におけ
るエネルギ量は、20msであるフレーム速度でトレーニン
グまたは認識ソフトウェアに渡される。リニア予測符号
化（ＬＰＣ）パラメータが、また効率よく使用された。
多くの現代のシステムは、メル−周波数ケプストラル係
数（Mel-Frequency Cepstral Coefficients: ＭＦＣＣ
ｓ）を用い、それは歪んだメル−周波数のスケールを用
いて計算されたケプストラル係数である。認識結果は、
単にＭＦＣＣの時間派生の推定であるデルタＭＦＣＣ
を付加的に使用することを通して改善させることができ
る。
【００１８】音声認識においてＭＦＣＣおよびデルタＭ
ＦＣＣを使用することは、よく知られている。後に図示
するように、 認識性能を結合ＭＦＣＣおよびデルタＭ
ＦＣＣ特徴ベクトルで平均して与える特徴ベクトルをも
つことが望ましいが、同時に結合ＭＦＣＣおよびデルタ
ＭＦＣＣ特徴ベクトルよりもっと短いことが望ましい。
ＦＣＣを使用することは、よく知られている。後に図示
するように、 認識性能を結合ＭＦＣＣおよびデルタＭ
ＦＣＣ特徴ベクトルで平均して与える特徴ベクトルをも
つことが望ましいが、同時に結合ＭＦＣＣおよびデルタ
ＭＦＣＣ特徴ベクトルよりもっと短いことが望ましい。
【００１９】いくつかのタイプのケプストラル係数が知
られており、そのいずれも使用することができる。例え
ば、 ＬＰＣケプストラル係数があるが、この係数を計
算する多くの方法がある。当業者であれば、ＭＦＣＣの
代わりに、これらのいずれも用いることができることに
気が付くであろう。
られており、そのいずれも使用することができる。例え
ば、 ＬＰＣケプストラル係数があるが、この係数を計
算する多くの方法がある。当業者であれば、ＭＦＣＣの
代わりに、これらのいずれも用いることができることに
気が付くであろう。
【００２０】特徴抽出は図３に展開され、特徴抽出にお
けるＭＦＣＣおよびデルタＭＦＣＣの例を示す。標本化
された音声（アナログ‐デジタル変換機２０２の出力）
は、フィルタ３０１に入力され、ここで事前強調（プリ
‐エンファシス）のようなフィルタ処理が実行され、音
声信号をスペクトル的に平坦にするとともに音声スペク
トル中の不要部分を取り除く。その後、平滑化された信
号は必要ならノイズ抑圧器３０２に入り、ハンズフリー
の車に応用する場合エンジン雑音のような背景雑音を抑
圧する。抑圧された出力は、フィルタ・バンク３０３に
入力され、フィルタ・バンクのエネルギ推定を行う。フ
ィルタ・バンクは、全音声フレームに対し、Ｍ個の周波
数帯域のうちのフィルタ・バンクｋのエネルギ推定Sn
(k)を推定し、ここにｎはこの明細書において例示する
限りにおいて、20ｍｓの音声データである。
けるＭＦＣＣおよびデルタＭＦＣＣの例を示す。標本化
された音声（アナログ‐デジタル変換機２０２の出力）
は、フィルタ３０１に入力され、ここで事前強調（プリ
‐エンファシス）のようなフィルタ処理が実行され、音
声信号をスペクトル的に平坦にするとともに音声スペク
トル中の不要部分を取り除く。その後、平滑化された信
号は必要ならノイズ抑圧器３０２に入り、ハンズフリー
の車に応用する場合エンジン雑音のような背景雑音を抑
圧する。抑圧された出力は、フィルタ・バンク３０３に
入力され、フィルタ・バンクのエネルギ推定を行う。フ
ィルタ・バンクは、全音声フレームに対し、Ｍ個の周波
数帯域のうちのフィルタ・バンクｋのエネルギ推定Sn
(k)を推定し、ここにｎはこの明細書において例示する
限りにおいて、20ｍｓの音声データである。
【００２１】フィルタ・バンクはメル−周波数のスケー
ルに基づき、これは知覚周波数スケールに基づく。この
スケールは低周波数（例えば、１ＫＨｚの閾値より低
い）でリニアであり、その閾値以上では対数的である。
その後、フィルタ・バンクのフレームでのエネルギ推定
はケプストラル係数計算機３０４を通じて求められる。
これは代表的な係数を計算し、ここではフィルタ・バン
クからのフレームｎに対するケプストラル係数（Cepstr
al Coefficients）Cn(i)として次式のように表わされ
る：
ルに基づき、これは知覚周波数スケールに基づく。この
スケールは低周波数（例えば、１ＫＨｚの閾値より低
い）でリニアであり、その閾値以上では対数的である。
その後、フィルタ・バンクのフレームでのエネルギ推定
はケプストラル係数計算機３０４を通じて求められる。
これは代表的な係数を計算し、ここではフィルタ・バン
クからのフレームｎに対するケプストラル係数（Cepstr
al Coefficients）Cn(i)として次式のように表わされ
る：
【数１】 ここにｉは、ケプストラル・ベクトルへの指標であり０
からNの範囲であり、N+1はケプストラル特徴の望ましい
長さであって、N+1≦Mである。ケプストラル特徴は、そ
の後微分回路３０５へ入力され、導関数δn(i)が推定さ
れ、例えば次式のように表わされる：
からNの範囲であり、N+1はケプストラル特徴の望ましい
長さであって、N+1≦Mである。ケプストラル特徴は、そ
の後微分回路３０５へ入力され、導関数δn(i)が推定さ
れ、例えば次式のように表わされる：
【数２】 ここに
【数３】 である。
【００２２】当業者は、ケプストラル形式の特徴を計算
し、これらの導関数を推定する他の多くの方法が存在す
ることを認識しているであろうが、これらの方法はここ
に例として与えられる。
し、これらの導関数を推定する他の多くの方法が存在す
ることを認識しているであろうが、これらの方法はここ
に例として与えられる。
【００２３】本願発明は、有効な情報量に有害な影響を
与えることなく、特徴ベクトル長を減じることにより音
声認識システムが必要とする記憶容量を減少させる。発
明者は、ほとんどの隣接する特徴ベクトルの要素が相関
を有していること、例えばCn(i)はCn(i+1)および Cn(i-
1)と相関があること、そしてδn(i)はδn(i+1) および
δn(i-1)と相関関係にあることを発見した。また、デル
タ‐ケプストラル特徴の要素は、そのケプストラル特徴
の対応関数(counterparts)と相関しており、別の言葉で
はCn(i)はδn(i)と相関することが発見された。
与えることなく、特徴ベクトル長を減じることにより音
声認識システムが必要とする記憶容量を減少させる。発
明者は、ほとんどの隣接する特徴ベクトルの要素が相関
を有していること、例えばCn(i)はCn(i+1)および Cn(i-
1)と相関があること、そしてδn(i)はδn(i+1) および
δn(i-1)と相関関係にあることを発見した。また、デル
タ‐ケプストラル特徴の要素は、そのケプストラル特徴
の対応関数(counterparts)と相関しており、別の言葉で
はCn(i)はδn(i)と相関することが発見された。
【００２４】この情報を用いて、１から６のｉに対する
6個のケプストラル特徴および０から６のｉに対する７
個のデルタ‐ケプストラル特徴を使用して新規の特徴ベ
クトルが構成された。抽出器３０７は特徴ベクトルの相
関する要素を取り除き、係数生成器３０４および微分回
路３０５による係数出力の部分を残す。方程式から分か
るように、特徴ベクトルの隣接要素は取り除かれ、Cn
(i)またはδn(i)のいずれか１つが各ｉに対して除かれ
る。連結器(concatenator)３０６の出力である結果特徴
ベクトルfn(i)は、代表係数およびデルタ係数の双方の
部分集合であり、例えば係数δmn(i)に続く係数Cmn(i)
からなる出力ベクトルであってもよく、例では２５個の
代わりに13個の特徴を表わすが、係数生成器３０４から
の代表係数および微分回路３０５からのデルタ係数を含
む。
6個のケプストラル特徴および０から６のｉに対する７
個のデルタ‐ケプストラル特徴を使用して新規の特徴ベ
クトルが構成された。抽出器３０７は特徴ベクトルの相
関する要素を取り除き、係数生成器３０４および微分回
路３０５による係数出力の部分を残す。方程式から分か
るように、特徴ベクトルの隣接要素は取り除かれ、Cn
(i)またはδn(i)のいずれか１つが各ｉに対して除かれ
る。連結器(concatenator)３０６の出力である結果特徴
ベクトルfn(i)は、代表係数およびデルタ係数の双方の
部分集合であり、例えば係数δmn(i)に続く係数Cmn(i)
からなる出力ベクトルであってもよく、例では２５個の
代わりに13個の特徴を表わすが、係数生成器３０４から
の代表係数および微分回路３０５からのデルタ係数を含
む。
【００２５】動作において、特徴抽出器２０４は、プロ
セッサ１０８（図１）で優先的に実行され、ブロック４
０２に示されるケプストラル係数を生成する。奇数の係
数が、ブロック４０２に示されるように、抽出器３０７
で抽出される。偶数デルタ‐ケプストラル係数は、ブロ
ック４０８に示されるように、抽出器３０７で抽出され
る。抽出されたケプストラル係数およびデルタ‐ケプス
トラル係数から成る特徴ベクトルは特徴セットとして出
力される。当業者であればデルタ‐ケプストラル奇数係
数およびケプストラル偶数係数が代わりに使用できるこ
とが分かるであろう。
セッサ１０８（図１）で優先的に実行され、ブロック４
０２に示されるケプストラル係数を生成する。奇数の係
数が、ブロック４０２に示されるように、抽出器３０７
で抽出される。偶数デルタ‐ケプストラル係数は、ブロ
ック４０８に示されるように、抽出器３０７で抽出され
る。抽出されたケプストラル係数およびデルタ‐ケプス
トラル係数から成る特徴ベクトルは特徴セットとして出
力される。当業者であればデルタ‐ケプストラル奇数係
数およびケプストラル偶数係数が代わりに使用できるこ
とが分かるであろう。
【００２６】幾つかの先行技術であるケプストラルおよ
びデルタ‐ケプストラル特徴は、この時点で初期ケプス
トラル係数を落として、単一の特徴ベクトルに連結され
る、なぜなら初期ケプストラル係数はフレーム中のログ
‐エネルギ(log-energy)を表わすが、デルタ‐エネルギ
特徴δn(i)は中に残されているからである。既知のシス
テムでは、最後の特徴ベクトルfn(i)は、ｎ＝０からＮ
−１のｎに対しfn(i)＝δn(i)となるように、およびｉ
＝NからＮ＋１のｉに対して（Cn(０)はない）Cn(Ｉ−Ｎ
＋ｉ)となるように構成される。例えば、Ｎ＝１２のケ
プストラル変形、即ち結果としての特徴ベクトルは、特
徴ベクトルにおける全２５個の要素に対して、１３個の
デルタ‐ケプストラル要素および１２個のケプストラル
要素として構成されるであろう。当業者であれば、Cn
(０)は交互に中に残されることが分かるであろう。
びデルタ‐ケプストラル特徴は、この時点で初期ケプス
トラル係数を落として、単一の特徴ベクトルに連結され
る、なぜなら初期ケプストラル係数はフレーム中のログ
‐エネルギ(log-energy)を表わすが、デルタ‐エネルギ
特徴δn(i)は中に残されているからである。既知のシス
テムでは、最後の特徴ベクトルfn(i)は、ｎ＝０からＮ
−１のｎに対しfn(i)＝δn(i)となるように、およびｉ
＝NからＮ＋１のｉに対して（Cn(０)はない）Cn(Ｉ−Ｎ
＋ｉ)となるように構成される。例えば、Ｎ＝１２のケ
プストラル変形、即ち結果としての特徴ベクトルは、特
徴ベクトルにおける全２５個の要素に対して、１３個の
デルタ‐ケプストラル要素および１２個のケプストラル
要素として構成されるであろう。当業者であれば、Cn
(０)は交互に中に残されることが分かるであろう。
【００２７】先行技術に従う典型的なトレーニング・ア
ルゴリズムは、トレーニングが行われる前に集められる
２あるいはそれ以上の発音用の特徴ベクトルを必要とす
る。ここに例示される特徴ベクトルのために、その特徴
ベクトルが10ｍｓのフレームを持ち、システムが２秒の
発音まで許容するなら、10,000個の特徴（＝25個の特徴
／秒＊100フレーム／秒＊2秒／発音＊2発音）を必要と
し、これはＲＡＭのような揮発性メモリ１１０に格納し
なければならない。特徴ベクトルに必要とされる格納量
は特徴ベクトルの長さに直接比例し、セルラー電話のよ
うな価格に敏感な応用品にとって、この格納量は極めて
高価格になり得る。本発明は、特徴ベクトルの長さを最
適化し、それによりトレーニング中に要求されるＲＡＭ
の量を減らす。
ルゴリズムは、トレーニングが行われる前に集められる
２あるいはそれ以上の発音用の特徴ベクトルを必要とす
る。ここに例示される特徴ベクトルのために、その特徴
ベクトルが10ｍｓのフレームを持ち、システムが２秒の
発音まで許容するなら、10,000個の特徴（＝25個の特徴
／秒＊100フレーム／秒＊2秒／発音＊2発音）を必要と
し、これはＲＡＭのような揮発性メモリ１１０に格納し
なければならない。特徴ベクトルに必要とされる格納量
は特徴ベクトルの長さに直接比例し、セルラー電話のよ
うな価格に敏感な応用品にとって、この格納量は極めて
高価格になり得る。本発明は、特徴ベクトルの長さを最
適化し、それによりトレーニング中に要求されるＲＡＭ
の量を減らす。
【００２８】トレーニング２０７は獲得した発音用のモ
デル・パラメータを生成する。連続密度ＨＭＭを含ん
で、多くのモデルにとって、モデル・パラメータのほと
んど大部分は特徴ベクトル手段によって消費される。25
個の要素である特徴ベクトルを用いる12状態のＨＭＭに
ために、これは（フラッシュあるいはＥＥＰＲＯＭのよ
うな）不揮発性メモリに貯えるべき300個の特徴（＝12
状態＊25個の特徴／状態）を必要とする。再度、価格に
敏感な応用品にとって、」これは非常に高価なメモリと
なり得る。特徴ベクトルの長さを13に短くすることによ
り、この発明は音声認識システムに要求される不揮発性
メモリの量を減らす。
デル・パラメータを生成する。連続密度ＨＭＭを含ん
で、多くのモデルにとって、モデル・パラメータのほと
んど大部分は特徴ベクトル手段によって消費される。25
個の要素である特徴ベクトルを用いる12状態のＨＭＭに
ために、これは（フラッシュあるいはＥＥＰＲＯＭのよ
うな）不揮発性メモリに貯えるべき300個の特徴（＝12
状態＊25個の特徴／状態）を必要とする。再度、価格に
敏感な応用品にとって、」これは非常に高価なメモリと
なり得る。特徴ベクトルの長さを13に短くすることによ
り、この発明は音声認識システムに要求される不揮発性
メモリの量を減らす。
【００２９】試験において、新しい特徴ベクトルは、ほ
とんど同一の認識結果を全23要素の特徴ベクトルに与え
た。あるデータベースでは、約１％だけ性能を劣化させ
たが、他のデータベースでは、全体に同じ認識率を得
た。この新規の13要素の特徴ベクトルは、元の特徴ベク
トル格納用ＲＡＭの52％だけを要求し、トレーニング中
生成されるモデル用の特徴ベクトル手段のために元のＮ
ＶＭの52％だけを必要とする。認識アルゴリズムで要求
されるＭＩＰＳもまた劇的に減らす。
とんど同一の認識結果を全23要素の特徴ベクトルに与え
た。あるデータベースでは、約１％だけ性能を劣化させ
たが、他のデータベースでは、全体に同じ認識率を得
た。この新規の13要素の特徴ベクトルは、元の特徴ベク
トル格納用ＲＡＭの52％だけを要求し、トレーニング中
生成されるモデル用の特徴ベクトル手段のために元のＮ
ＶＭの52％だけを必要とする。認識アルゴリズムで要求
されるＭＩＰＳもまた劇的に減らす。
【００３０】特徴ベクトルの長さを13要素に減らす他の
既知の方法は、特徴ベクトルの一部を単に切り取るか
（例えば、Ｎ＝１２の代わりにＮ＝６を使用する）、さ
もなければ、デルタ‐ケプストラル特徴を全く使わない
ことである。無音動作モードでは、これらの方法全て
は、図５に示されるのと同じ認識結果を与える。しかし
ながら、雑音の多いハンズフリーの車内環境での音声認
識の使用に際しては、上記方法を用いて生成する特徴ベ
クトルは他の切り取りベクトルおよびケプストラル特徴
のみのベクトルより極めて優れた特性を発揮する。
既知の方法は、特徴ベクトルの一部を単に切り取るか
（例えば、Ｎ＝１２の代わりにＮ＝６を使用する）、さ
もなければ、デルタ‐ケプストラル特徴を全く使わない
ことである。無音動作モードでは、これらの方法全て
は、図５に示されるのと同じ認識結果を与える。しかし
ながら、雑音の多いハンズフリーの車内環境での音声認
識の使用に際しては、上記方法を用いて生成する特徴ベ
クトルは他の切り取りベクトルおよびケプストラル特徴
のみのベクトルより極めて優れた特性を発揮する。
【００３１】発音のフレームをモデルの状態へ応用する
技術の例がこの出願と共にJeffreyArthur Meunier et a
l.により1999年2月23日に米国に出願され、出願番号09/
257,552である「Method of trackback matrix storage
in spech recogniction system」、およびこの出願と共
にDaniel Poppertにより米国に出願され、社内番号CS10
104である「Method of selectively assigning a penal
ty to a probabilityassociated with a voice recogni
tion system」に開示されており、本明細書の参考とし
てここに含められる。
技術の例がこの出願と共にJeffreyArthur Meunier et a
l.により1999年2月23日に米国に出願され、出願番号09/
257,552である「Method of trackback matrix storage
in spech recogniction system」、およびこの出願と共
にDaniel Poppertにより米国に出願され、社内番号CS10
104である「Method of selectively assigning a penal
ty to a probabilityassociated with a voice recogni
tion system」に開示されており、本明細書の参考とし
てここに含められる。
【００３２】音声認識およびトレーニングの使用に際し
価値を生み出す新規の特徴ベクトルが開示され、これは
短い特徴ベクトル長で良好な性能を達成する。より小さ
な特徴セットはＭＩＰＳの数を減少させ、かつ音声認識
プロセスを支援するために必要とされるメモリのサイズ
を小さくさせる。
価値を生み出す新規の特徴ベクトルが開示され、これは
短い特徴ベクトル長で良好な性能を達成する。より小さ
な特徴セットはＭＩＰＳの数を減少させ、かつ音声認識
プロセスを支援するために必要とされるメモリのサイズ
を小さくさせる。
【００３３】上記記述および図面に本発明が開示され図
示されたが、この記述は単に例であり、多くの変更修正
が当業者によって本発明の真の精神および範囲を逸脱し
ないで成され得るであろう。本発明は、セルラ電話のよ
うな携帯無線装置に特に応用したが、音声認識を使用す
る装置、例えばページャ、電子オーガナイザ、コンピュ
ータ、電話装置に応用することができる。
示されたが、この記述は単に例であり、多くの変更修正
が当業者によって本発明の真の精神および範囲を逸脱し
ないで成され得るであろう。本発明は、セルラ電話のよ
うな携帯無線装置に特に応用したが、音声認識を使用す
る装置、例えばページャ、電子オーガナイザ、コンピュ
ータ、電話装置に応用することができる。
【図１】無線通信装置を示す回路ブロック図である。
【図２】音声認識入力を示す回路ブロック図である。
【図３】特徴抽出回路の機能ブロック図である。
【図４】特徴抽出アルゴリズムを表わすフローチャート
である。
である。
【図５】ベクトル長を減らす異なる方法を用いる音声認
識システムの性能を示すチャートである。
識システムの性能を示すチャートである。
100：装置 102：送信機 104：受信機 106：アンテナ 108：呼プロセッサ 110,122：メモリ 112：オーディオ回路 114：マイクロフォン 116：スピーカ 120：表示プロセッサ 124：キー 126：表示 202：アナログ−デジタル変換器 204：特徴抽出 206：音声認識 207：トレーニング 208：メモリ 301：フィルタ 302：ノイズ抑圧器 303：フィルタ・バンク 304：ケプストラル係数計算機 305：微分回路 306：連結器 307：抽出器
Claims (8)
- 【請求項１】 デジタル化した信号を入力する段階；前
記デジタル化した信号（204）から代表係数を生成する
段階；前記代表係数（304,305）から微分係数を生成す
る段階；および前記代表係数および前記微分係数の一部
を選択的に用いる段階；から構成されることを特徴とす
る音声認識システムに用いられる特徴を抽出する方法。 - 【請求項２】 前記代表係数を生成する段階は、ケプス
トラル係数を生成する段階を含むことを特徴とする請求
項１記載の方法。 - 【請求項３】 前記微分係数を生成する段階は、デルタ
・ケプストラル係数を生成する段階を含むことを特徴と
する請求項２記載の方法。 - 【請求項４】 前記ケプストラル特徴は第１の出力であ
り、デルタ・ケプストラル特徴は第２の出力であること
を特徴とする請求項３記載の方法。 - 【請求項５】 １つおきの代表係数が特徴ベクトルに使
用されることを特徴とする請求項１記載の方法。 - 【請求項６】 １つおきの微分係数が特徴ベクトルに使
用されることを特徴とする請求項５記載の方法。 - 【請求項７】 ケプストラル係数は周波数ケプストラル
係数せあることを特徴とする請求項２記載の方法。 - 【請求項８】 前記音声認識システムは：可聴音を入力
するマイクロフォン（114）；前記マイクロフォンに結
合され、デジタル信号を出力するアナログ‐デジタル変
換器（202）；前記アナログ‐デジタル変換器に結合さ
れ、前記代表係数を生成する係数生成器（304）；前記
係数生成器に結合され、微分係数を生成する微分器（30
5）；および前記代表係数および前記微分係数を音声認
識で使用する特徴ベクトルとして出力する抽出器（30
7）；から構成される無線通信装置に含まれることを含
むことを特徴とする請求項１記載の方法。
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US256280 | 1999-02-23 | ||
| US09/256,280 US6182036B1 (en) | 1999-02-23 | 1999-02-23 | Method of extracting features in a voice recognition system |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2000250576A true JP2000250576A (ja) | 2000-09-14 |
| JP4912518B2 JP4912518B2 (ja) | 2012-04-11 |
Family
ID=22971643
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2000036104A Expired - Lifetime JP4912518B2 (ja) | 1999-02-23 | 2000-02-15 | 音声認識システムにおいて特徴を抽出する方法 |
Country Status (5)
| Country | Link |
|---|---|
| US (1) | US6182036B1 (ja) |
| JP (1) | JP4912518B2 (ja) |
| KR (1) | KR100321464B1 (ja) |
| CN (1) | CN1132147C (ja) |
| GB (1) | GB2347775B (ja) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US11738898B2 (en) | 2017-05-05 | 2023-08-29 | Storopack Hans Reichenecker Gmbh | Device and method for cushioning at least one object in a container |
Families Citing this family (21)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9076448B2 (en) * | 1999-11-12 | 2015-07-07 | Nuance Communications, Inc. | Distributed real time speech recognition system |
| US8290768B1 (en) | 2000-06-21 | 2012-10-16 | International Business Machines Corporation | System and method for determining a set of attributes based on content of communications |
| US9699129B1 (en) | 2000-06-21 | 2017-07-04 | International Business Machines Corporation | System and method for increasing email productivity |
| US6408277B1 (en) | 2000-06-21 | 2002-06-18 | Banter Limited | System and method for automatic task prioritization |
| JP3877270B2 (ja) * | 2000-07-12 | 2007-02-07 | アルパイン株式会社 | 音声特徴量抽出装置 |
| US20020065649A1 (en) * | 2000-08-25 | 2002-05-30 | Yoon Kim | Mel-frequency linear prediction speech recognition apparatus and method |
| US7644057B2 (en) * | 2001-01-03 | 2010-01-05 | International Business Machines Corporation | System and method for electronic communication management |
| US6633839B2 (en) * | 2001-02-02 | 2003-10-14 | Motorola, Inc. | Method and apparatus for speech reconstruction in a distributed speech recognition system |
| US20020178004A1 (en) * | 2001-05-23 | 2002-11-28 | Chienchung Chang | Method and apparatus for voice recognition |
| ES2190342B1 (es) * | 2001-06-25 | 2004-11-16 | Universitat Pompeu Fabra | Metodo para identificacion de secuencias de audio. |
| US8495002B2 (en) * | 2003-05-06 | 2013-07-23 | International Business Machines Corporation | Software tool for training and testing a knowledge base |
| US20050187913A1 (en) | 2003-05-06 | 2005-08-25 | Yoram Nelken | Web-based customer service interface |
| US20060271368A1 (en) * | 2005-05-25 | 2006-11-30 | Yishay Carmiel | Voice interface for consumer products |
| CN101165779B (zh) * | 2006-10-20 | 2010-06-02 | 索尼株式会社 | 信息处理装置和方法、程序及记录介质 |
| US20100057452A1 (en) * | 2008-08-28 | 2010-03-04 | Microsoft Corporation | Speech interfaces |
| EP2328363B1 (en) * | 2009-09-11 | 2016-05-18 | Starkey Laboratories, Inc. | Sound classification system for hearing aids |
| WO2011052191A1 (ja) * | 2009-10-26 | 2011-05-05 | パナソニック株式会社 | トーン判定装置およびトーン判定方法 |
| US8719019B2 (en) * | 2011-04-25 | 2014-05-06 | Microsoft Corporation | Speaker identification |
| US20160283864A1 (en) * | 2015-03-27 | 2016-09-29 | Qualcomm Incorporated | Sequential image sampling and storage of fine-tuned features |
| CN108154883A (zh) * | 2018-03-23 | 2018-06-12 | 南昌航空大学 | 一种具备语音控制功能的密集架管理系统 |
| CN108694951B (zh) * | 2018-05-22 | 2020-05-22 | 华南理工大学 | 一种基于多流分层融合变换特征和长短时记忆网络的说话人辨识方法 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS61177494A (ja) * | 1985-01-30 | 1986-08-09 | ノーザン・テレコム・リミテッド | 音声認識装置 |
| JPH03145167A (ja) * | 1989-10-31 | 1991-06-20 | Nec Corp | 音声認識方式 |
| JPH07160287A (ja) * | 1993-12-10 | 1995-06-23 | Nec Corp | 標準パターン作成装置 |
| JPH09245125A (ja) * | 1996-03-06 | 1997-09-19 | Toshiba Corp | パターン認識装置及び同装置における辞書修正方法 |
| JPH10149190A (ja) * | 1996-11-19 | 1998-06-02 | Matsushita Electric Ind Co Ltd | 音声認識方法及び音声認識装置 |
| WO1998043237A1 (en) * | 1997-03-25 | 1998-10-01 | The Secretary Of State For Defence | Recognition system |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5097509A (en) * | 1990-03-28 | 1992-03-17 | Northern Telecom Limited | Rejection method for speech recognition |
| US6029124A (en) * | 1997-02-21 | 2000-02-22 | Dragon Systems, Inc. | Sequential, nonparametric speech recognition and speaker identification |
-
1999
- 1999-02-23 US US09/256,280 patent/US6182036B1/en not_active Expired - Lifetime
-
2000
- 2000-02-15 JP JP2000036104A patent/JP4912518B2/ja not_active Expired - Lifetime
- 2000-02-18 GB GB0003949A patent/GB2347775B/en not_active Expired - Lifetime
- 2000-02-22 KR KR1020000008392A patent/KR100321464B1/ko active IP Right Grant
- 2000-02-23 CN CN00102407A patent/CN1132147C/zh not_active Expired - Lifetime
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS61177494A (ja) * | 1985-01-30 | 1986-08-09 | ノーザン・テレコム・リミテッド | 音声認識装置 |
| JPH03145167A (ja) * | 1989-10-31 | 1991-06-20 | Nec Corp | 音声認識方式 |
| JPH07160287A (ja) * | 1993-12-10 | 1995-06-23 | Nec Corp | 標準パターン作成装置 |
| JPH09245125A (ja) * | 1996-03-06 | 1997-09-19 | Toshiba Corp | パターン認識装置及び同装置における辞書修正方法 |
| JPH10149190A (ja) * | 1996-11-19 | 1998-06-02 | Matsushita Electric Ind Co Ltd | 音声認識方法及び音声認識装置 |
| WO1998043237A1 (en) * | 1997-03-25 | 1998-10-01 | The Secretary Of State For Defence | Recognition system |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US11738898B2 (en) | 2017-05-05 | 2023-08-29 | Storopack Hans Reichenecker Gmbh | Device and method for cushioning at least one object in a container |
Also Published As
| Publication number | Publication date |
|---|---|
| GB2347775B (en) | 2001-08-08 |
| KR20000071366A (ko) | 2000-11-25 |
| GB0003949D0 (en) | 2000-04-12 |
| CN1132147C (zh) | 2003-12-24 |
| CN1264889A (zh) | 2000-08-30 |
| US6182036B1 (en) | 2001-01-30 |
| KR100321464B1 (ko) | 2002-03-18 |
| JP4912518B2 (ja) | 2012-04-11 |
| GB2347775A (en) | 2000-09-13 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP4912518B2 (ja) | 音声認識システムにおいて特徴を抽出する方法 | |
| US7630878B2 (en) | Speech recognition with language-dependent model vectors | |
| JP4607334B2 (ja) | 分散された音声認識システム | |
| JP3836815B2 (ja) | 音声認識装置、音声認識方法、該音声認識方法をコンピュータに対して実行させるためのコンピュータ実行可能なプログラムおよび記憶媒体 | |
| JP2692581B2 (ja) | 音響カテゴリ平均値計算装置及び適応化装置 | |
| EP1220197A2 (en) | Speech recognition method and system | |
| US20020178004A1 (en) | Method and apparatus for voice recognition | |
| JP2000507714A (ja) | 言語処理 | |
| WO1999040571A1 (en) | System and method for noise-compensated speech recognition | |
| KR20080107376A (ko) | 화자 독립 음성 인식을 구비한 통신 장치 | |
| CN113571047B (zh) | 一种音频数据的处理方法、装置及设备 | |
| Deligne et al. | A robust high accuracy speech recognition system for mobile applications | |
| US20050010406A1 (en) | Speech recognition apparatus, method and computer program product | |
| JP6373621B2 (ja) | 話し方評価装置、話し方評価方法、プログラム | |
| JP2012168296A (ja) | 音声による抑圧状態検出装置およびプログラム | |
| JPH10149191A (ja) | モデル適応方法、装置およびその記憶媒体 | |
| JP4461557B2 (ja) | 音声認識方法および音声認識装置 | |
| JP2003044078A (ja) | 発声速度正規化分析を用いた音声認識装置 | |
| JP5104732B2 (ja) | 拡張認識辞書学習装置、これを用いた音声認識システム、その方法及びそのプログラム | |
| JP3868798B2 (ja) | 音声認識装置 | |
| JPH09198084A (ja) | モデル更新を伴う話者認識方法及びその装置 | |
| JP3036706B2 (ja) | 音声認識方法 | |
| Bonde et al. | Noise robust automatic speech recognition with adaptive quantile based noise estimation and speech band emphasizing filter bank | |
| Setiawan | Exploration and optimization of noise reduction algorithms for speech recognition in embedded devices | |
| JP2006235298A (ja) | 音声認識ネットワーク生成方法、音声認識装置及びそのプログラム |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20070214 |
|
| RD02 | Notification of acceptance of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7422 Effective date: 20070214 |
|
| RD03 | Notification of appointment of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7423 Effective date: 20080708 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20091104 |
|
| A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20100204 |
|
| A602 | Written permission of extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A602 Effective date: 20100209 |
|
| A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20100304 |
|
| A602 | Written permission of extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A602 Effective date: 20100309 |
|
| A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20100402 |
|
| A602 | Written permission of extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A602 Effective date: 20100407 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20100506 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20110329 |
|
| A711 | Notification of change in applicant |
Free format text: JAPANESE INTERMEDIATE CODE: A712 Effective date: 20110531 |
|
| A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20110629 |
|
| A602 | Written permission of extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A602 Effective date: 20110721 |
|
| A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20110729 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20110901 |
|
| A602 | Written permission of extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A602 Effective date: 20110906 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20110928 |
|
| 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: 20111220 |
|
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20120118 |
|
| R150 | Certificate of patent or registration of utility model |
Free format text: JAPANESE INTERMEDIATE CODE: R150 Ref document number: 4912518 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20150127 Year of fee payment: 3 |
|
| S533 | Written request for registration of change of name |
Free format text: JAPANESE INTERMEDIATE CODE: R313533 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20150127 Year of fee payment: 3 |
|
| R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| S111 | Request for change of ownership or part of ownership |
Free format text: JAPANESE INTERMEDIATE CODE: R313113 |
|
| S531 | Written request for registration of change of domicile |
Free format text: JAPANESE INTERMEDIATE CODE: R313531 |
|
| R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| EXPY | Cancellation because of completion of term |