JP2002524777A - ボイス・ダイアリング方法およびシステム - Google Patents
ボイス・ダイアリング方法およびシステムInfo
- Publication number
- JP2002524777A JP2002524777A JP2000569392A JP2000569392A JP2002524777A JP 2002524777 A JP2002524777 A JP 2002524777A JP 2000569392 A JP2000569392 A JP 2000569392A JP 2000569392 A JP2000569392 A JP 2000569392A JP 2002524777 A JP2002524777 A JP 2002524777A
- Authority
- JP
- Japan
- Prior art keywords
- speech recognition
- words
- vocabulary
- recognition system
- word
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims description 13
- 230000000875 corresponding effect Effects 0.000 description 9
- 238000012549 training Methods 0.000 description 7
- 230000001419 dependent effect Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 230000005236 sound signal Effects 0.000 description 2
- 125000002066 L-histidyl group Chemical group [H]N1C([H])=NC(C([H])([H])[C@](C(=O)[*])([H])N([H])[H])=C1[H] 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
- 230000026676 system process Effects 0.000 description 1
- 238000013518 transcription Methods 0.000 description 1
- 230000035897 transcription Effects 0.000 description 1
- 230000001755 vocal effect Effects 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04M—TELEPHONIC COMMUNICATION
- H04M1/00—Substation equipment, e.g. for use by subscribers
- H04M1/26—Devices for calling a subscriber
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04M—TELEPHONIC COMMUNICATION
- H04M1/00—Substation equipment, e.g. for use by subscribers
- H04M1/26—Devices for calling a subscriber
- H04M1/27—Devices whereby a plurality of signals may be stored simultaneously
- H04M1/271—Devices whereby a plurality of signals may be stored simultaneously controlled by voice recognition
-
- 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
- G10L15/08—Speech classification or search
-
- 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
- G10L15/08—Speech classification or search
- G10L15/18—Speech classification or search using natural language modelling
- G10L15/183—Speech classification or search using natural language modelling using context dependencies, e.g. language models
- G10L15/19—Grammatical context, e.g. disambiguation of the recognition hypotheses based on word sequence rules
-
- 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
- G10L15/22—Procedures used during a speech recognition process, e.g. man-machine dialogue
- G10L2015/221—Announcement of recognition results
Landscapes
- Engineering & Computer Science (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Computational Linguistics (AREA)
- Acoustics & Sound (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Artificial Intelligence (AREA)
- Telephonic Communication Services (AREA)
- Mobile Radio Communication Systems (AREA)
- Telephone Function (AREA)
- Selective Calling Equipment (AREA)
Abstract
(57)【要約】
携帯電話の音声認識システムにおいて、単語が格子構造に組織される。こうして、各瞬間で、音声認識システムは、ボキャブラリー全体の限定された部分を検索する必要があるだけとなる。そのような配置によって、一度に多くの単語を検索しなければならないという、長時間が費やされ、システムに大きな計算負荷を課する問題が解決され、またそれ故に、音声認識システムの精度が著しく増大する。
Description
【０００１】 （発明の属する技術分野） 本発明は、音声認識の、とりわけ、ボイス・ダイアリングのような、携帯電話
にコマンドを入力するときに用いられる方法およびシステムに関する。
にコマンドを入力するときに用いられる方法およびシステムに関する。
【０００２】 （発明の背景と従来の技術） 音声認識システムにおいては、主な目的は、人間のスピーカーによってなされ
る発声を機械に理解させることである。このように、音声認識は、音声から直接
機械にコマンド、テキストおよびデータを入力することを可能とすることによっ
て、人間−機械インタフェース（ＭＭＩ）を促進するのに用いられる。
る発声を機械に理解させることである。このように、音声認識は、音声から直接
機械にコマンド、テキストおよびデータを入力することを可能とすることによっ
て、人間−機械インタフェース（ＭＭＩ）を促進するのに用いられる。
【０００３】 音声認識において、コンピュータのタスクは、音の入力信号をテキストに、い
わゆるトランスクリプションに、変形することである。入力信号の特性は、スピ
ーカーの性別、年齢、方言などによって、同じ単語についても広い範囲内で異な
る。更には、いくつかの単語がシステムに同時に入力されると、例えば、文章全
体が音声認識システムに与えられるならば、異なる単語の発音は、現在の単語に
先立つおよび／またはその後に続く単語によって異なる。
わゆるトランスクリプションに、変形することである。入力信号の特性は、スピ
ーカーの性別、年齢、方言などによって、同じ単語についても広い範囲内で異な
る。更には、いくつかの単語がシステムに同時に入力されると、例えば、文章全
体が音声認識システムに与えられるならば、異なる単語の発音は、現在の単語に
先立つおよび／またはその後に続く単語によって異なる。
【０００４】 更には、ノイズや反響効果の存在によって、オリジナルの信号は音声認識シス
テムに入力する前に歪められてしまう。
テムに入力する前に歪められてしまう。
【０００５】 一般に、音声認識システムは、主な２つのグループに分けることができる。す
なわち、 −ｉ）スピーカー独立システム、および −ｉｉ）スピーカー依存システムである。 スピーカー独立システムは、とりわけ、大きなボキャブラリー用におよび、異
なる単語の間でポーズすることなく音声を、すなわち、文章またはその部分を受
け入れるように設計されたものは、大きな音声データベースの使用および音声お
よび単語の異なる統計的な属性を用いることが必要となる。文法上の規則および
何を言いそうであるかの予測をもまた、そのようなシステムに取り込むことがで
きる。
なわち、 −ｉ）スピーカー独立システム、および −ｉｉ）スピーカー依存システムである。 スピーカー独立システムは、とりわけ、大きなボキャブラリー用におよび、異
なる単語の間でポーズすることなく音声を、すなわち、文章またはその部分を受
け入れるように設計されたものは、大きな音声データベースの使用および音声お
よび単語の異なる統計的な属性を用いることが必要となる。文法上の規則および
何を言いそうであるかの予測をもまた、そのようなシステムに取り込むことがで
きる。
【０００６】 一方、スピーカー依存システムは、とりわけ、限られたボキャブラリー（典型
的には２、３百語）を用いていて、また一度に１語しか話されないものは、大き
なデータベースを必要としない。その代わりに、そのようなシステムでは、その
システムを用いる特定のスピーカー、場合によっては複数のスピーカーのトレー
ニングが必要となる。
的には２、３百語）を用いていて、また一度に１語しか話されないものは、大き
なデータベースを必要としない。その代わりに、そのようなシステムでは、その
システムを用いる特定のスピーカー、場合によっては複数のスピーカーのトレー
ニングが必要となる。
【０００７】 もちろん、スピーカー依存音声認識システムは、多くの理由でスピーカー独立
システムに比べてずっと良い性能を提供する。例えば、単語の数が限定されてお
り、システムはまた、特定の単語がどのように聞こえるべきかについて正確に知
覚しており、というのも、それはそのシステムを用いる特定の人によってトレー
ニングされているからである。
システムに比べてずっと良い性能を提供する。例えば、単語の数が限定されてお
り、システムはまた、特定の単語がどのように聞こえるべきかについて正確に知
覚しており、というのも、それはそのシステムを用いる特定の人によってトレー
ニングされているからである。
【０００８】 しかしながら、スピーカー依存システムは、限られた範囲のアプリケーション
にしか用いることができない。スピーカー依存システムが、スピーカー独立シス
テムよりも好ましいアプリケーションは、例えば、機械へのコマンドの入力であ
る。
にしか用いることができない。スピーカー依存システムが、スピーカー独立シス
テムよりも好ましいアプリケーションは、例えば、機械へのコマンドの入力であ
る。
【０００９】 そのような場合には、音声認識システムのタスクは、口頭で与えられるコマン
ドを、機械によって理解される形に、すなわち、通常は機械を制御するのに用い
られる二進語に、トランスクリプトすることである。例えば、「Ｇｏ」、「Ｓｔ
ｏｐ」、「Ｌｅｆｔ」、「Ｒｉｇｈｔ」、「Ｙｅｓ」、「Ｎｏ」などのコマンド
は、口頭で機械に与えることができ、そしてそれは、対応する動作を実行する。
ドを、機械によって理解される形に、すなわち、通常は機械を制御するのに用い
られる二進語に、トランスクリプトすることである。例えば、「Ｇｏ」、「Ｓｔ
ｏｐ」、「Ｌｅｆｔ」、「Ｒｉｇｈｔ」、「Ｙｅｓ」、「Ｎｏ」などのコマンド
は、口頭で機械に与えることができ、そしてそれは、対応する動作を実行する。
【００１０】 にもかかわらず、たとえ、機械が認識しなければならない可能な単語の数は、
典型的には２、３百語に限られていても、また、たとえ、機械の音声認識システ
ムは、ユーザのボイスによってトレーニングされており、それ故に、その特定の
ユーザによって話されるとき、特定の単語のように聞こえるかについて正確に知
覚していても、誤った判断をする多くの可能な原因がまだ存在している。
典型的には２、３百語に限られていても、また、たとえ、機械の音声認識システ
ムは、ユーザのボイスによってトレーニングされており、それ故に、その特定の
ユーザによって話されるとき、特定の単語のように聞こえるかについて正確に知
覚していても、誤った判断をする多くの可能な原因がまだ存在している。
【００１１】 このように、環境においてのノイズおよび反響効果が、音声認識システムに入
力する信号を歪ませる。また、同じ単語の周波数スペクトラムは、時折小さな変
化を、とりわけ、スピーカーが風邪をひいたような場合に起こしている。
力する信号を歪ませる。また、同じ単語の周波数スペクトラムは、時折小さな変
化を、とりわけ、スピーカーが風邪をひいたような場合に起こしている。
【００１２】 もう１つの問題は、単語の数は、たとえ典型的には２、３百に限定されていて
も、非常に大きな容量の処理力を必要とする。典型的な音声認識システムにおい
ては、サンプル速度は、毎秒８０００サンプルであり、ここで各サンプルは約１
３ビットからなっている。この結果、典型的な単語は、典型的には１秒間続き、
約１０００００ビットからなるものとなる。
も、非常に大きな容量の処理力を必要とする。典型的な音声認識システムにおい
ては、サンプル速度は、毎秒８０００サンプルであり、ここで各サンプルは約１
３ビットからなっている。この結果、典型的な単語は、典型的には１秒間続き、
約１０００００ビットからなるものとなる。
【００１３】 このように、実際の時間の制限が存在するシステムにおいては、例えば、１秒
以下の応答時間を必要とし、音声認識システムは、各語に含まれる大量の情報を
非常に迅速に処理できなければならない。
以下の応答時間を必要とし、音声認識システムは、各語に含まれる大量の情報を
非常に迅速に処理できなければならない。
【００１４】 更には、システムでの計算負荷は、単語の数が増加するとき、重さが増大する
。これは、いくつかの異なる理由による。このように、システムは、どの語また
はコマンドが話されたかを判断しようとするとき、より大きな数の単語を検索し
なければならない。また、単語／コマンドの数が増加するとき、与えられたコマ
ンドが別のコマンドに類似する特性を有するというきわどさが増大する。そして
、誤った判断を避けるために、システムは、異なる単語からより多くの特長を抽
出して、必要とされる確率で正しい判断を行うものとしなければならない。最後
に、単語の数が増加するならば、システムが、存在しないコマンド語をコマンド
として解釈する可能性が増大し、すなわち、ボキャブラリーからの拒絶（ＯＶＲ
）機能の性能が低減する。
。これは、いくつかの異なる理由による。このように、システムは、どの語また
はコマンドが話されたかを判断しようとするとき、より大きな数の単語を検索し
なければならない。また、単語／コマンドの数が増加するとき、与えられたコマ
ンドが別のコマンドに類似する特性を有するというきわどさが増大する。そして
、誤った判断を避けるために、システムは、異なる単語からより多くの特長を抽
出して、必要とされる確率で正しい判断を行うものとしなければならない。最後
に、単語の数が増加するならば、システムが、存在しないコマンド語をコマンド
として解釈する可能性が増大し、すなわち、ボキャブラリーからの拒絶（ＯＶＲ
）機能の性能が低減する。
【００１５】 困難な状況のもとで作動するよう設計されている、例えば、ボイス制御のダイ
アリング・システム（ＶＣＤ）を具備する、すなわち、口頭でコマンドを受信す
る手段を有する携帯電話のような、および車中で用いられるシステムにおいては
、現存の音声認識システムの精度は、ほとんどの場合低過ぎる。
アリング・システム（ＶＣＤ）を具備する、すなわち、口頭でコマンドを受信す
る手段を有する携帯電話のような、および車中で用いられるシステムにおいては
、現存の音声認識システムの精度は、ほとんどの場合低過ぎる。
【００１６】 コマンドを入力するために音声認識を用いるシステムが、ＵＳ５３８６４９４
に記述されている。ＵＳ５３８６４９４に記述されるようなシステムは、スクリ
ーン上に多くの異なるアイコンを表示する。あるアイコンを選択することによっ
て、ユーザは、可能なコマンドを、スクリーン上に示される選択されたアイコン
と関連するコマンドに限定することができる。しかしながら、そのようなシステ
ムを、通常適切なグラフィック表示のない携帯電話で用いるのは困難である。
に記述されている。ＵＳ５３８６４９４に記述されるようなシステムは、スクリ
ーン上に多くの異なるアイコンを表示する。あるアイコンを選択することによっ
て、ユーザは、可能なコマンドを、スクリーン上に示される選択されたアイコン
と関連するコマンドに限定することができる。しかしながら、そのようなシステ
ムを、通常適切なグラフィック表示のない携帯電話で用いるのは困難である。
【００１７】 また、ＵＳ５５１５４７５には、音素または異音から始まる単語モデルを構築
するよう設計された音声認識システムが記述されている。
するよう設計された音声認識システムが記述されている。
【００１８】 （発明の概要） 本発明の目的は、従来技術と関連する問題のいくつかを克服し、精度が改善さ
れ、反響効果を有していて、ノイズのある環境において用いることのできる、携
帯電話における方法およびシステムを提供することである。
れ、反響効果を有していて、ノイズのある環境において用いることのできる、携
帯電話における方法およびシステムを提供することである。
【００１９】 このおよびその他の目的は、携帯電話においてボキャブラリーを格子構造に配
置した音声認識システムによって達成される。各瞬間において、音声認識システ
ムのボキャブラリー全体の一部のみが、格子構造のどこを、音声認識システムが
特定の時間に検索するよう設定されているかによって、マッチングのために検索
される。ボキャブラリーの格子構造は、好ましくは、あるコマンドがシステムに
与えられるならば、そのときにシステムがボキャブラリーの正しい部分を検索す
るように、適切な方法でトラバースされる。
置した音声認識システムによって達成される。各瞬間において、音声認識システ
ムのボキャブラリー全体の一部のみが、格子構造のどこを、音声認識システムが
特定の時間に検索するよう設定されているかによって、マッチングのために検索
される。ボキャブラリーの格子構造は、好ましくは、あるコマンドがシステムに
与えられるならば、そのときにシステムがボキャブラリーの正しい部分を検索す
るように、適切な方法でトラバースされる。
【００２０】 そのような配置によって、多くの単語を一度に検索しなければならないという
問題が解決され、また音声認識システムの精度が、とりわけ、音声認識システム
がノイズのある環境で用いられるときに、著しく向上し、また、誤った判断をす
るきわどさがそれによって低減される。また、携帯電話にはグラフィックのイン
タフェースがないことを埋め合わせるために、ボキャブラリーの格子構造を通し
てユーザをガイドするボイス・プロンプタ（ｐｒｏｍｐｔｅｒ）を携帯電話に備
えることができる。
問題が解決され、また音声認識システムの精度が、とりわけ、音声認識システム
がノイズのある環境で用いられるときに、著しく向上し、また、誤った判断をす
るきわどさがそれによって低減される。また、携帯電話にはグラフィックのイン
タフェースがないことを埋め合わせるために、ボキャブラリーの格子構造を通し
てユーザをガイドするボイス・プロンプタ（ｐｒｏｍｐｔｅｒ）を携帯電話に備
えることができる。
【００２１】 （好ましい実施例の説明） 図１には、音声認識システムの一般ブロック図が示されている。そのシステム
は、Ａ／Ｄコンバータ１０３に接続される入力端子１０１を具備し、それは、信
号分析ブロック１０５に接続される。その信号分析ブロック１０５は、格子（ｔ
ｒｅｌｌｉｓ）を生成するブロック１０７および単語認識ブロック１０９に接続
される。そのブロック１０９は、判断を行って、認識された単語を出力するブロ
ック１１１に接続される。ブロック１０９はまた、音声認識システムに蓄積され
るボキャブラリー１１３に接続され、それについては以下で更に詳細に記述する
。ボキャブラリー１１３もまた、ブロック１０７に接続される。
は、Ａ／Ｄコンバータ１０３に接続される入力端子１０１を具備し、それは、信
号分析ブロック１０５に接続される。その信号分析ブロック１０５は、格子（ｔ
ｒｅｌｌｉｓ）を生成するブロック１０７および単語認識ブロック１０９に接続
される。そのブロック１０９は、判断を行って、認識された単語を出力するブロ
ック１１１に接続される。ブロック１０９はまた、音声認識システムに蓄積され
るボキャブラリー１１３に接続され、それについては以下で更に詳細に記述する
。ボキャブラリー１１３もまた、ブロック１０７に接続される。
【００２２】 このように、オーディオ信号が入力端子１０１でシステムに入力する。そして
、そのアナログのオーディオ信号は、ブロック１０３で対応するデジタル信号、
例えば、８ｋＨｚのサンプリング周波数で、例えば、１３ビット／サンプルを有
するデジタル信号に変換される。
、そのアナログのオーディオ信号は、ブロック１０３で対応するデジタル信号、
例えば、８ｋＨｚのサンプリング周波数で、例えば、１３ビット／サンプルを有
するデジタル信号に変換される。
【００２３】 次に、ブロック１０５において、デジタル化された信号の通常の信号分析が行
われる。その信号分析には、特質抽出および濾過のような他の通常の操作が含ま
れる。ブロック１０５からの出力信号は、その信号がボキャブラリー１１３に蓄
積される単語と比較されるブロック１０９に送出される。その比較が行われるた
めの方法は、パターン認識やマルコフ（Ｍａｒｋｏｖ）モデルのような通常のど
のような方法でもあり得る。
われる。その信号分析には、特質抽出および濾過のような他の通常の操作が含ま
れる。ブロック１０５からの出力信号は、その信号がボキャブラリー１１３に蓄
積される単語と比較されるブロック１０９に送出される。その比較が行われるた
めの方法は、パターン認識やマルコフ（Ｍａｒｋｏｖ）モデルのような通常のど
のような方法でもあり得る。
【００２４】 ボキャブラリーにおいて、単語は格子構造に配置される。そうして、各瞬間に
、音声認識システムのボキャブラリー全体の一部のみが、マッチングのために検
索される。ボキャブラリーの格子構造は、例えば、ツリー構造におけるようない
かなる適切なやり方ででもトラバースすることができ、それで、あるコマンドが
システムに与えられるならば、そのシステムがそのときにボキャブラリーの正し
い部分を検索するものとなる。これによって、多くの単語を一度に検索しなけれ
ばならないという問題が解決され、またそれ故に、音声認識システムの精度が、
とりわけノイズのある環境で音声認識システムが用いられるときに、著しく増大
し、また、誤った判断の行われるきわどさがそれによって低減される。
、音声認識システムのボキャブラリー全体の一部のみが、マッチングのために検
索される。ボキャブラリーの格子構造は、例えば、ツリー構造におけるようない
かなる適切なやり方ででもトラバースすることができ、それで、あるコマンドが
システムに与えられるならば、そのシステムがそのときにボキャブラリーの正し
い部分を検索するものとなる。これによって、多くの単語を一度に検索しなけれ
ばならないという問題が解決され、またそれ故に、音声認識システムの精度が、
とりわけノイズのある環境で音声認識システムが用いられるときに、著しく増大
し、また、誤った判断の行われるきわどさがそれによって低減される。
【００２５】 好ましい実施例において、ボキャブラリーの単語は、異なるクラスに分割され
、それは続いてサブクラスに分割することができ、更にそれが繰り返されてもよ
いことは、図１に示されるとおりである。このように、まずシステムを操作する
スピーカーが、システムに認識させたいと思う単語のクラスを、そのクラスに対
応する単語を音声認識システムに入力することによって選択する。次に、スピー
カーは、音声認識システムからコマンドを受け取るコンピュータ・システムにス
ピーカーが与えたいと思うコマンドに対応するコマンド語を入力する。スピーカ
ーがシステムに入力したいと思うコマンド語が、そのクラスのサブクラスのもと
に位置するならば、もちろんまず、その特定のサブクラスに対応する語を入力し
なければならない。
、それは続いてサブクラスに分割することができ、更にそれが繰り返されてもよ
いことは、図１に示されるとおりである。このように、まずシステムを操作する
スピーカーが、システムに認識させたいと思う単語のクラスを、そのクラスに対
応する単語を音声認識システムに入力することによって選択する。次に、スピー
カーは、音声認識システムからコマンドを受け取るコンピュータ・システムにス
ピーカーが与えたいと思うコマンドに対応するコマンド語を入力する。スピーカ
ーがシステムに入力したいと思うコマンド語が、そのクラスのサブクラスのもと
に位置するならば、もちろんまず、その特定のサブクラスに対応する語を入力し
なければならない。
【００２６】 コマンドの入力は、好ましくは、音声認識システムによって、例えば、以下で
図２と関係して詳細に記述されるようなボイス・プロンプタによって助長される
。
図２と関係して詳細に記述されるようなボイス・プロンプタによって助長される
。
【００２７】 ボキャブラリーの格子構造は、入力された各語または発声について音声認識シ
ステムが検索しなければならない単語の数を著しく低減するので、利点がある。
これによって、音声認識システムの精度が、とりわけ、ノイズのある環境で音声
認識システムが用いられるとき、向上し、またそれ故に誤った判断の行われるき
わどさが低減する。
ステムが検索しなければならない単語の数を著しく低減するので、利点がある。
これによって、音声認識システムの精度が、とりわけ、ノイズのある環境で音声
認識システムが用いられるとき、向上し、またそれ故に誤った判断の行われるき
わどさが低減する。
【００２８】 ボキャブラリーにおける単語は、音声認識システムに、それをトレーニングす
ることによって、入力されなければならない。したがって、新しい単語がボキャ
ブラリーに入力されるときには、そのシステムはトレーニング・モードに切り替
えられる。これは、ブロック１０５と１０７の間のスイッチＳ１を操作すること
によって行われる。
ることによって、入力されなければならない。したがって、新しい単語がボキャ
ブラリーに入力されるときには、そのシステムはトレーニング・モードに切り替
えられる。これは、ブロック１０５と１０７の間のスイッチＳ１を操作すること
によって行われる。
【００２９】 このように、スイッチＳ１が閉じられるとき、システムはトレーニング・モー
ドとなる。トレーニング・モードにおいて、システムの通常のトレーニングを行
うことができる。加えて、システムのユーザは、システムがトレーニングされた
各語を、格子構造において自分が適切であると理解するいずれの場所にでも置く
ことができる。また、クラスおよびサブクラスを付加し、ある場所から別の場所
へと単語を移動し、または単語、サブクラスまたはクラスを消去することもでき
る。これらの操作は、好ましくは、ボイス・プロンプタによって助長されるが、
それには、以下で図３と関係して記述されるような、システムに備えられる音声
符号器を用いることができる。
ドとなる。トレーニング・モードにおいて、システムの通常のトレーニングを行
うことができる。加えて、システムのユーザは、システムがトレーニングされた
各語を、格子構造において自分が適切であると理解するいずれの場所にでも置く
ことができる。また、クラスおよびサブクラスを付加し、ある場所から別の場所
へと単語を移動し、または単語、サブクラスまたはクラスを消去することもでき
る。これらの操作は、好ましくは、ボイス・プロンプタによって助長されるが、
それには、以下で図３と関係して記述されるような、システムに備えられる音声
符号器を用いることができる。
【００３０】 別の好ましい実施例において、ボキャブラリーにおける特定の場所での単語の
数が、あるプリセットされた閾値の値よりも高いときに、システムは、自動的に
新しいクラスまたはサブクラスを生成する。適切な閾値の値は、２０乃至５０語
の範囲内のどこかであり得る。
数が、あるプリセットされた閾値の値よりも高いときに、システムは、自動的に
新しいクラスまたはサブクラスを生成する。適切な閾値の値は、２０乃至５０語
の範囲内のどこかであり得る。
【００３１】 ここで記述されるような音声認識システムが利用できるときのアプリケーショ
ンは、音声認識システムが携帯電話に一体化されるときである。そのような場合
、携帯電話のユーザは、ある電話番号を入力したいと思うかまたは、携帯電話が
その携帯電話の電話帳に入力された人を呼び出したいと思うであろう。そしてボ
キャブラリーは、音声認識システムのトレーニングの間に生成された多くの異な
るクラスを具備する。
ンは、音声認識システムが携帯電話に一体化されるときである。そのような場合
、携帯電話のユーザは、ある電話番号を入力したいと思うかまたは、携帯電話が
その携帯電話の電話帳に入力された人を呼び出したいと思うであろう。そしてボ
キャブラリーは、音声認識システムのトレーニングの間に生成された多くの異な
るクラスを具備する。
【００３２】 図２には、携帯電話に組み込まれた音声認識システムにコマンドを入力すると
きに実行されるステップを例示するフローチャートが示されている。このように
、まず、電話の音声認識システムが、ブロック２０１においてオンに切り替えら
れる。その直後に、音声認識システムは、ユーザが接続したいと思う電話番号に
対応するボキャブラリーの格子構造の最上レベルに単語の１つが入力するのを待
機する。
きに実行されるステップを例示するフローチャートが示されている。このように
、まず、電話の音声認識システムが、ブロック２０１においてオンに切り替えら
れる。その直後に、音声認識システムは、ユーザが接続したいと思う電話番号に
対応するボキャブラリーの格子構造の最上レベルに単語の１つが入力するのを待
機する。
【００３３】 好ましい実施例において、単語の入力は、ボイス・プロンプタによって助長で
きる。そうして、「ｏｐｔｉｏｎｓ」のようなある語が入力されるならば、ボイ
ス・プロンプタは、その格子の現在の位置で利用可能な全てのオプションを生成
する。このように、この例においては、音声認識システムが電話に組み込まれ、
またそのシステムが格子の最上レベルにあるとき、利用可能なオプションの典型
的な集合は、「ｆｒｉｅｎｄｓ」、「ｏｆｆｉｃｅ」および「ｆａｍｉｌｙ」の
ようなサブクラスおよびまた頻繁に用いられる番号と関連する単語でもあり得、
そしてまた重要な番号、例えば、「ＳＯＳ」、がこのレベルに存在し得る。
きる。そうして、「ｏｐｔｉｏｎｓ」のようなある語が入力されるならば、ボイ
ス・プロンプタは、その格子の現在の位置で利用可能な全てのオプションを生成
する。このように、この例においては、音声認識システムが電話に組み込まれ、
またそのシステムが格子の最上レベルにあるとき、利用可能なオプションの典型
的な集合は、「ｆｒｉｅｎｄｓ」、「ｏｆｆｉｃｅ」および「ｆａｍｉｌｙ」の
ようなサブクラスおよびまた頻繁に用いられる番号と関連する単語でもあり得、
そしてまた重要な番号、例えば、「ＳＯＳ」、がこのレベルに存在し得る。
【００３４】 サブクラスの１つに対応する単語が、ブロック２０３に示されるように入力さ
れるならば、音声認識システムは、ボキャブラリーの格子構造におけるポジショ
ンを変える。こうして、新しいオプションが利用可能となる。例えば、「ｏｆｆ
ｉｃｅ」という語が、音声認識システムに与えられるならば、ブロック２０３に
おける最初の語、「ｏｆｆｉｃｅ」なるメニューのもとに位置するサブワードが
、新しい語が音声認識システムに入力されるとき、音声認識システムによって検
索される。同時に、ボイス・プロンプタは、好ましくは、音声認識システムがそ
の語を正しく解釈したというユーザへの確認として「ｏｆｆｉｃｅ」を生成する
。
れるならば、音声認識システムは、ボキャブラリーの格子構造におけるポジショ
ンを変える。こうして、新しいオプションが利用可能となる。例えば、「ｏｆｆ
ｉｃｅ」という語が、音声認識システムに与えられるならば、ブロック２０３に
おける最初の語、「ｏｆｆｉｃｅ」なるメニューのもとに位置するサブワードが
、新しい語が音声認識システムに入力されるとき、音声認識システムによって検
索される。同時に、ボイス・プロンプタは、好ましくは、音声認識システムがそ
の語を正しく解釈したというユーザへの確認として「ｏｆｆｉｃｅ」を生成する
。
【００３５】 またここで、ユーザが自分のオプションを知りたいと思うならば、自分で「ｏ
ｐｔｉｏｎｓ」を入力し、また音声認識システムは、ボキャブラリーの格子構造
におけるこのポジションで利用可能なオプション、例えば、「ｂｏｓｓ」、「ｓ
ｅｃｒｅｔａｒｙ」および「ｕｐ」を繰り返し、ここで「ｕｐ」は、格子構造に
おいてレベルを上がることに対応する。利用できるその他のオプションは、格子
における同じレベルでのサブクラス、すなわち、この場合は「ｆｒｉｅｎｄｓ」
および「ｆａｍｉｌｙ」である。
ｐｔｉｏｎｓ」を入力し、また音声認識システムは、ボキャブラリーの格子構造
におけるこのポジションで利用可能なオプション、例えば、「ｂｏｓｓ」、「ｓ
ｅｃｒｅｔａｒｙ」および「ｕｐ」を繰り返し、ここで「ｕｐ」は、格子構造に
おいてレベルを上がることに対応する。利用できるその他のオプションは、格子
における同じレベルでのサブクラス、すなわち、この場合は「ｆｒｉｅｎｄｓ」
および「ｆａｍｉｌｙ」である。
【００３６】 ユーザが、ブロック２０５における第２の語として「ｓｅｃｒｅｔａｒｙ」を
入力するならば、この語は、ユーザがシステムに実行してほしいと思うコマンド
、この例においては、電話機の電話帳の電話番号に対応する。好ましい実施例に
おいて、ボイス・プロンプタは、「ｃａｌｌ ｓｅｃｒｅｔａｒｙ」を繰り返し
、そのときユーザが「ｙｅｓ」を入力するならば、ブロック２０７においてコマ
ンドが生成され、それで、電話帳におけるセクレタリ（ｓｅｃｒｅｔａｒｙ）と
いう語に対応する電話番号が電話機によって接続され、また音声認識システムが
ブロック２０９で指示されるようにオフに切り替えられる。
入力するならば、この語は、ユーザがシステムに実行してほしいと思うコマンド
、この例においては、電話機の電話帳の電話番号に対応する。好ましい実施例に
おいて、ボイス・プロンプタは、「ｃａｌｌ ｓｅｃｒｅｔａｒｙ」を繰り返し
、そのときユーザが「ｙｅｓ」を入力するならば、ブロック２０７においてコマ
ンドが生成され、それで、電話帳におけるセクレタリ（ｓｅｃｒｅｔａｒｙ）と
いう語に対応する電話番号が電話機によって接続され、また音声認識システムが
ブロック２０９で指示されるようにオフに切り替えられる。
【００３７】 図３には、図１と関連して上述されたような音声認識システムを具備する携帯
電話３０１のブロック図が示されている。このように、携帯電話３０１は、入力
手段３０３を有しており、それは、Ａ／Ｄコンバータ３０５に接続される通常の
型のマイクロフォンであり得る。Ａ／Ｄコンバータ３０５の出力端子は、音声符
号器／復号器（ＳＰＥ／Ｄ）３０９、ハンズフリー信号処理（ＨＦＳＰ）ブロッ
ク３１１および自動音声認識（ＡＳＲ）ブロック３１３を具備するデジタル信号
処理（ＤＳＰ）ブロック３０７に接続される。
電話３０１のブロック図が示されている。このように、携帯電話３０１は、入力
手段３０３を有しており、それは、Ａ／Ｄコンバータ３０５に接続される通常の
型のマイクロフォンであり得る。Ａ／Ｄコンバータ３０５の出力端子は、音声符
号器／復号器（ＳＰＥ／Ｄ）３０９、ハンズフリー信号処理（ＨＦＳＰ）ブロッ
ク３１１および自動音声認識（ＡＳＲ）ブロック３１３を具備するデジタル信号
処理（ＤＳＰ）ブロック３０７に接続される。
【００３８】 ＤＳＰブロック３０７はまた、マイクロ制御（ＭＣ）ユニット３１５、無線送
信機／受信機ブロック３１９およびチャンネル符号器／復号器ブロック３２１を
具備する無線送信ユニット３１７、メモリ３２３およびＤ／Ａコンバータ３２５
に接続される。マイクロ制御ユニット３１５は、携帯電話内での全ての情報の流
れを取り扱い、また、ＤＳＰ３０７および無線送信機／受信機ブロック３１９を
制御するよう設定される。
信機／受信機ブロック３１９およびチャンネル符号器／復号器ブロック３２１を
具備する無線送信ユニット３１７、メモリ３２３およびＤ／Ａコンバータ３２５
に接続される。マイクロ制御ユニット３１５は、携帯電話内での全ての情報の流
れを取り扱い、また、ＤＳＰ３０７および無線送信機／受信機ブロック３１９を
制御するよう設定される。
【００３９】 このように、マイクロ制御ユニット３１５はまた、無線送信ユニット３１７に
接続され、それが今度はアンテナ３２７に接続される。Ｄ／Ａコンバータ３２５
の出力端子は、通常の型のスピーカーといった出力手段３２９に接続される。
接続され、それが今度はアンテナ３２７に接続される。Ｄ／Ａコンバータ３２５
の出力端子は、通常の型のスピーカーといった出力手段３２９に接続される。
【００４０】 そして、携帯電話は、図２と関連して上述されたようなやり方で操作すること
ができる。オンに切り替えられるとき、ＭＣユニットは、携帯電話をコマンドの
口頭入力を可能とするモードに、また必要ならば、音声符号器３０９、Ｄ／Ａコ
ンバータ３２５および出力端子３２９を用いて、前述のようにボイス・プロンプ
タを介してインストラクションを出力するように、自動的に設定することができ
る。
ができる。オンに切り替えられるとき、ＭＣユニットは、携帯電話をコマンドの
口頭入力を可能とするモードに、また必要ならば、音声符号器３０９、Ｄ／Ａコ
ンバータ３２５および出力端子３２９を用いて、前述のようにボイス・プロンプ
タを介してインストラクションを出力するように、自動的に設定することができ
る。
【００４１】 次に、コマンドが与えられているとき、ＭＣユニットは、音声認識システム（
ＡＳＲ）をオフに切り替え、与えられたコマンドに対応する電話番号を、ユニッ
ト３１７およびアンテナ３２７を介して送信する。
ＡＳＲ）をオフに切り替え、与えられたコマンドに対応する電話番号を、ユニッ
ト３１７およびアンテナ３２７を介して送信する。
【００４２】 その直後に、通常の方法を用いて電話機の呼び出しが始まり、またＤＳＰ３０
７は、音の反響消去、ノイズ抑制のような通常の処理を行い、また音声を効率よ
く符号化するよう設定される。呼び出しが終結するとき、ＭＣユニット３１５は
、口頭で与えられるコマンドを受信するように、ＤＳＰユニットを再度設定する
ことができる。
７は、音の反響消去、ノイズ抑制のような通常の処理を行い、また音声を効率よ
く符号化するよう設定される。呼び出しが終結するとき、ＭＣユニット３１５は
、口頭で与えられるコマンドを受信するように、ＤＳＰユニットを再度設定する
ことができる。
【００４３】 ここで記述されるような携帯電話のための音声認識システムには、以前から知
られているボイス・ダイアリング・システムに比べて多くの利点がある。このよ
うに、多くの単語がボキャブラリーに蓄積することができ、また携帯電話のボイ
ス・ダイアリング機能は、ノイズのある環境においてでさえなおも正しく動作で
きる。これは、ボキャブラリーの格子構造のおかげである。ボキャブラリーの格
子構造は、用いられる音声認識アルゴリズムから独立している。ボキャブラリー
からの拒絶（ＯＶＲ）機能の性能もまた、ここで記述されるようなシステムを用
いるとき向上するが、というのも、可能な入力される単語の数が最小限に保たれ
るからである。
られているボイス・ダイアリング・システムに比べて多くの利点がある。このよ
うに、多くの単語がボキャブラリーに蓄積することができ、また携帯電話のボイ
ス・ダイアリング機能は、ノイズのある環境においてでさえなおも正しく動作で
きる。これは、ボキャブラリーの格子構造のおかげである。ボキャブラリーの格
子構造は、用いられる音声認識アルゴリズムから独立している。ボキャブラリー
からの拒絶（ＯＶＲ）機能の性能もまた、ここで記述されるようなシステムを用
いるとき向上するが、というのも、可能な入力される単語の数が最小限に保たれ
るからである。
ここで本発明は、限定とならない例によって、また、添付した図面を参照して
、より詳細に記述されるが、それらの図面は以下のとおりである。
、より詳細に記述されるが、それらの図面は以下のとおりである。
【図１】 音声認識システムの一般ブロック図である。
【図２】 音声認識システムを用いるときの異なるステップを例示するフローチャートで
ある。
ある。
【図３】 音声認識システムを具備する携帯電話のブロック図である。
───────────────────────────────────────────────────── フロントページの続き (81)指定国 ＥＰ(ＡＴ，ＢＥ，ＣＨ，ＣＹ， ＤＥ，ＤＫ，ＥＳ，ＦＩ，ＦＲ，ＧＢ，ＧＲ，ＩＥ，Ｉ Ｔ，ＬＵ，ＭＣ，ＮＬ，ＰＴ，ＳＥ)，ＯＡ(ＢＦ，ＢＪ ，ＣＦ，ＣＧ，ＣＩ，ＣＭ，ＧＡ，ＧＮ，ＧＷ，ＭＬ， ＭＲ，ＮＥ，ＳＮ，ＴＤ，ＴＧ)，ＡＰ(ＧＨ，ＧＭ，Ｋ Ｅ，ＬＳ，ＭＷ，ＳＤ，ＳＬ，ＳＺ，ＵＧ，ＺＷ)，Ｅ Ａ(ＡＭ，ＡＺ，ＢＹ，ＫＧ，ＫＺ，ＭＤ，ＲＵ，ＴＪ ，ＴＭ)，ＡＥ，ＡＬ，ＡＭ，ＡＴ，ＡＵ，ＡＺ，ＢＡ ，ＢＢ，ＢＧ，ＢＲ，ＢＹ，ＣＡ，ＣＨ，ＣＮ，ＣＲ， ＣＵ，ＣＺ，ＤＥ，ＤＫ，ＤＭ，ＥＥ，ＥＳ，ＦＩ，Ｇ Ｂ，ＧＤ，ＧＥ，ＧＨ，ＧＭ，ＨＲ，ＨＵ，ＩＤ，ＩＬ ，ＩＮ，ＩＳ，ＪＰ，ＫＥ，ＫＧ，ＫＰ，ＫＲ，ＫＺ， ＬＣ，ＬＫ，ＬＲ，ＬＳ，ＬＴ，ＬＵ，ＬＶ，ＭＤ，Ｍ Ｇ，ＭＫ，ＭＮ，ＭＷ，ＭＸ，ＮＯ，ＮＺ，ＰＬ，ＰＴ ，ＲＯ，ＲＵ，ＳＤ，ＳＥ，ＳＧ，ＳＩ，ＳＫ，ＳＬ， ＴＪ，ＴＭ，ＴＲ，ＴＴ，ＵＡ，ＵＧ，ＵＺ，ＶＮ，Ｙ Ｕ，ＺＡ，ＺＷ
Claims (10)
- 【請求項１】 ボキャブラリーを具備する、携帯電話における音声認識シス
テムであって、そのボキャブラリーにおける単語が、多数の単語のグループを具
備する格子構造に配置され、そのボキャブラリー全体の限られた数のグループが
、単語を探す度に検索されることを特徴とする前記システム。 - 【請求項２】 前記ボキャブラリーがツリー構造に配置されることを特徴と
する請求項１に記載のシステム。 - 【請求項３】 前記システムが特定の瞬間に認識するよう設定される単語を
出力する手段によって特徴付けられる請求項１または２のいずれかに記載のシス
テム。 - 【請求項４】 前記手段がボイス・プロンプタであることを特徴とする請求
項３に記載のシステム。 - 【請求項５】 １つのグループにおける単語の数が、ある、プリセットされ
た閾値の値を超えるならば、新しいグループを自動的に生成する手段によって特
徴付けられる請求項１乃至４のいずれかに記載のシステム。 - 【請求項６】 ボキャブラリーを具備する携帯電話の音声認識システムにお
ける音声認識方法であって、そのボキャブラリーにおける単語が数多くの単語の
グループを具備する格子構造に配置されており、そのボキャブラリー全体の唯一
のグループまたは限られた数のグループが、単語を探す度に検索されることを特
徴とする前記方法。 - 【請求項７】 前記ボキャブラリーがツリー構造に配置されることを特徴と
する請求項６に記載の方法。 - 【請求項８】 前記システムが特定の瞬間に認識するよう設定される利用可
能な単語が、前記システムから出力されることを特徴とする請求項６または７の
いずれかに記載の方法。 - 【請求項９】 前記利用できる単語がボイス・プロンプタによって生成され
ることを特徴とする請求項８に記載の方法。 - 【請求項１０】 １つのグループにおける単語の数が、ある、プリセットさ
れた閾値の値を超えるならば、新しいグループが自動的に生成されることを特徴
とする請求項６乃至９のいずれかに記載のシステム。
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| SE9802990A SE9802990L (sv) | 1998-09-04 | 1998-09-04 | Förfarande och system för taligenkänning |
| SE9802990-3 | 1998-09-04 | ||
| PCT/SE1999/001515 WO2000014729A2 (en) | 1998-09-04 | 1999-09-02 | A method and a system for voice dialling |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JP2002524777A true JP2002524777A (ja) | 2002-08-06 |
Family
ID=20412481
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2000569392A Pending JP2002524777A (ja) | 1998-09-04 | 1999-09-02 | ボイス・ダイアリング方法およびシステム |
Country Status (13)
| Country | Link |
|---|---|
| US (1) | US7110948B1 (ja) |
| EP (1) | EP1110207B1 (ja) |
| JP (1) | JP2002524777A (ja) |
| KR (1) | KR20010079734A (ja) |
| CN (1) | CN1165889C (ja) |
| AT (1) | ATE293827T1 (ja) |
| AU (1) | AU760377B2 (ja) |
| BR (1) | BR9913408A (ja) |
| DE (1) | DE69924853D1 (ja) |
| EE (1) | EE200100138A (ja) |
| HK (1) | HK1040808B (ja) |
| SE (1) | SE9802990L (ja) |
| WO (1) | WO2000014729A2 (ja) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2012511730A (ja) * | 2008-12-09 | 2012-05-24 | ノキア コーポレイション | 自動音声認識音響モデルの適合 |
Families Citing this family (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8200485B1 (en) | 2000-08-29 | 2012-06-12 | A9.Com, Inc. | Voice interface and methods for improving recognition accuracy of voice search queries |
| US6973429B2 (en) | 2000-12-04 | 2005-12-06 | A9.Com, Inc. | Grammar generation for voice-based searches |
| DE10122828A1 (de) | 2001-05-11 | 2002-11-14 | Philips Corp Intellectual Pty | Verfahren zum Training oder zur Adaption eines Spracherkenners |
| US7729913B1 (en) | 2003-03-18 | 2010-06-01 | A9.Com, Inc. | Generation and selection of voice recognition grammars for conducting database searches |
| KR100813260B1 (ko) * | 2005-07-13 | 2008-03-13 | 삼성전자주식회사 | 코드북 탐색 방법 및 장치 |
| US20080096172A1 (en) * | 2006-08-03 | 2008-04-24 | Sara Carlstead Brumfield | Infant Language Acquisition Using Voice Recognition Software |
| US20080133243A1 (en) * | 2006-12-01 | 2008-06-05 | Chin Chuan Lin | Portable device using speech recognition for searching festivals and the method thereof |
| KR100897553B1 (ko) | 2007-01-04 | 2009-05-15 | 삼성전자주식회사 | 사용자의 기기 사용 패턴을 이용한 음성 인식 방법 및 장치 |
| KR100883105B1 (ko) | 2007-03-30 | 2009-02-11 | 삼성전자주식회사 | 휴대단말기에서 음성인식을 이용한 다이얼링 방법 및 장치 |
| JP6744025B2 (ja) * | 2016-06-21 | 2020-08-19 | 日本電気株式会社 | 作業支援システム、管理サーバ、携帯端末、作業支援方法およびプログラム |
| US10586537B2 (en) * | 2017-11-30 | 2020-03-10 | International Business Machines Corporation | Filtering directive invoking vocal utterances |
Family Cites Families (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| NL8202318A (nl) * | 1982-06-09 | 1984-01-02 | Koninkl Philips Electronics Nv | Systeem voor de overdracht van spraak over een gestoorde transmissieweg. |
| IT1179093B (it) * | 1984-09-03 | 1987-09-16 | Cselt Centro Studi Lab Telecom | Procedimento e dispositivo per il riconoscimento senza addestramento preventivo di parole connesse appartenenti a piccoli vocabolari |
| US4821211A (en) * | 1987-11-19 | 1989-04-11 | International Business Machines Corp. | Method of navigating among program menus using a graphical menu tree |
| US5386494A (en) * | 1991-12-06 | 1995-01-31 | Apple Computer, Inc. | Method and apparatus for controlling a speech recognition function using a cursor control device |
| US5515475A (en) * | 1993-06-24 | 1996-05-07 | Northern Telecom Limited | Speech recognition method using a two-pass search |
| US5752232A (en) * | 1994-11-14 | 1998-05-12 | Lucent Technologies Inc. | Voice activated device and method for providing access to remotely retrieved data |
-
1998
- 1998-09-04 SE SE9802990A patent/SE9802990L/xx not_active Application Discontinuation
-
1999
- 1999-09-02 US US09/388,609 patent/US7110948B1/en not_active Expired - Lifetime
- 1999-09-02 EP EP99946549A patent/EP1110207B1/en not_active Expired - Lifetime
- 1999-09-02 EE EEP200100138A patent/EE200100138A/xx unknown
- 1999-09-02 DE DE69924853T patent/DE69924853D1/de not_active Expired - Lifetime
- 1999-09-02 BR BR9913408-0A patent/BR9913408A/pt not_active IP Right Cessation
- 1999-09-02 KR KR1020017002784A patent/KR20010079734A/ko not_active Application Discontinuation
- 1999-09-02 JP JP2000569392A patent/JP2002524777A/ja active Pending
- 1999-09-02 CN CNB998105899A patent/CN1165889C/zh not_active Expired - Fee Related
- 1999-09-02 AU AU58944/99A patent/AU760377B2/en not_active Ceased
- 1999-09-02 WO PCT/SE1999/001515 patent/WO2000014729A2/en not_active Application Discontinuation
- 1999-09-02 AT AT99946549T patent/ATE293827T1/de not_active IP Right Cessation
-
2002
- 2002-03-26 HK HK02102298.3A patent/HK1040808B/zh not_active IP Right Cessation
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2012511730A (ja) * | 2008-12-09 | 2012-05-24 | ノキア コーポレイション | 自動音声認識音響モデルの適合 |
Also Published As
| Publication number | Publication date |
|---|---|
| EP1110207A2 (en) | 2001-06-27 |
| KR20010079734A (ko) | 2001-08-22 |
| US7110948B1 (en) | 2006-09-19 |
| HK1040808A1 (en) | 2002-06-21 |
| WO2000014729A3 (en) | 2000-06-02 |
| SE9802990D0 (sv) | 1998-09-04 |
| CN1165889C (zh) | 2004-09-08 |
| CN1317134A (zh) | 2001-10-10 |
| WO2000014729A2 (en) | 2000-03-16 |
| EP1110207B1 (en) | 2005-04-20 |
| BR9913408A (pt) | 2001-05-22 |
| AU5894499A (en) | 2000-03-27 |
| ATE293827T1 (de) | 2005-05-15 |
| EE200100138A (et) | 2002-06-17 |
| SE9802990L (sv) | 2000-03-05 |
| AU760377B2 (en) | 2003-05-15 |
| DE69924853D1 (de) | 2005-05-25 |
| HK1040808B (zh) | 2005-05-20 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR100984528B1 (ko) | 분산형 음성 인식 시스템에서 음성 인식을 위한 시스템 및방법 | |
| US8639508B2 (en) | User-specific confidence thresholds for speech recognition | |
| JP4263614B2 (ja) | リモートコントロール装置及び情報端末装置 | |
| US7725316B2 (en) | Applying speech recognition adaptation in an automated speech recognition system of a telematics-equipped vehicle | |
| US9570066B2 (en) | Sender-responsive text-to-speech processing | |
| EP1994529B1 (en) | Communication device having speaker independent speech recognition | |
| US20030120493A1 (en) | Method and system for updating and customizing recognition vocabulary | |
| US9245526B2 (en) | Dynamic clustering of nametags in an automated speech recognition system | |
| EP1739546A2 (en) | Automobile interface | |
| EP1933303A1 (en) | Speech dialog control based on signal pre-processing | |
| US20070265849A1 (en) | Distinguishing out-of-vocabulary speech from in-vocabulary speech | |
| US20020091522A1 (en) | System and method for hybrid voice recognition | |
| JPH07210190A (ja) | 音声認識方法及びシステム | |
| JP2003524794A (ja) | 雑音のある信号におけるスピーチのエンドポイント決定 | |
| WO2006101673A1 (en) | Voice nametag audio feedback for dialing a telephone call | |
| EP1494208A1 (en) | Method for controlling a speech dialog system and speech dialog system | |
| EP1110207B1 (en) | A method and a system for voice dialling | |
| JP2002536691A (ja) | 音声認識除去方式 | |
| CN112585674A (zh) | 信息处理装置、信息处理方法和程序 | |
| US20120197643A1 (en) | Mapping obstruent speech energy to lower frequencies | |
| US20070129945A1 (en) | Voice quality control for high quality speech reconstruction | |
| KR100827074B1 (ko) | 이동 통신 단말기의 자동 다이얼링 장치 및 방법 | |
| KR20190041108A (ko) | 차량의 음성생성 시스템 및 방법 | |
| WO2001037261A1 (en) | Coding and training of the vocabulary for speech recognition |