JP2002533789A - 自動音声認識システムにおけるｎベストリストに用いる知識ベース戦略 - Google Patents

自動音声認識システムにおけるｎベストリストに用いる知識ベース戦略

Info

Publication number
JP2002533789A
JP2002533789A JP2000591610A JP2000591610A JP2002533789A JP 2002533789 A JP2002533789 A JP 2002533789A JP 2000591610 A JP2000591610 A JP 2000591610A JP 2000591610 A JP2000591610 A JP 2000591610A JP 2002533789 A JP2002533789 A JP 2002533789A
Authority
JP
Japan
Prior art keywords
digit
sequence
spoken
list
column
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
Application number
JP2000591610A
Other languages
English (en)
Inventor
ビー シャーク トーマス
エス ジンマーマン ロジャー
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Koninklijke Philips NV
Original Assignee
Philips Electronics NV
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Philips Electronics NV filed Critical Philips Electronics NV
Publication of JP2002533789A publication Critical patent/JP2002533789A/ja
Pending legal-status Critical Current

Links

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
    • G10L15/08—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
    • G10L15/08—Speech classification or search
    • G10L15/18—Speech classification or search using natural language modelling
    • 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
    • G10L2015/085—Methods for reducing search complexity, pruning

Landscapes

  • Engineering & Computer Science (AREA)
  • Artificial Intelligence (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)
  • Character Discrimination (AREA)
  • Machine Translation (AREA)

Abstract

(57)【要約】 話された数字列を認識する高精度技術を記載する。話された数字列を、音声認識器によって受け、解析し、この音声認識器は、前記話された数字列に一致する可能性に基づいてランク付けされた順序において配置された仮定された数字列のリストを発生する。次に、前記個々の仮定された列を、前記話された列に一致する最も高い可能性を有する前記仮定された列で開始する順序において解析し、これらが所定の制限を満たすかどうかを決定する。前記制限を満たす前記リストにおける最初の前記仮定された列を、認識された列として選択する。

Description

【発明の詳細な説明】
【０００１】 発明の背景 技術分野 本発明は、一般的に自動音声認識（ＡＳＲ）に関し、特に、仮定された認識結
果のリストに用いる知識ベース戦略を使用する、話されたアルファベットおよび
英数字列の認識に関する。
【０００２】 関連技術の説明 ＡＳＲは、電話発呼者によって話された数字列の認識を含む種々の認識タスク
に使用される。これらの数字列は、代表的に、クレジットカード番号、電話番号
、口座番号、社会保障番号および暗証番号（ＰＩＮ）を表わす。
【０００３】 音声認識は、不完全な技術である。高い精度を達成することは、代表的に、例
えば、マイクロホン、スピーチアクセントおよび話者能力における相違を含む多
数の変数が存在するため、困難である。話された数字列を認識することは、個々
の数字が持続時間において短く、数字間の音響的混同の程度が高く、しばしば隣
接する数字によって共同で明瞭に表現されるため、特に困難である。数字列（お
よびアルファベットまたは英数字）認識を電話ネットワークにおいて行う場合、
音声信号に負わされるノイズおよびバンド幅制限により、前記タスクはより困難
になる。話された数字の列を正確に認識することは、各々の数字を正確に認識す
ることを必要とする。話された数字の列を高い精度において認識することは、数
字あたりの精度が９９％より高く極端に高いことを必要とする。最新の電話にお
ける数字認識は、数字あたり９８％程度の精度を達成しようとしている。電話に
おける英数字認識はより困難であり、最新の認識精度は文字あたり７５％程度で
ある。
【０００４】 このように、特に、電話ネットワークにおける話された数字列を認識するため
の、より正確な数字認識技術に関する必要性が存在する。
【０００５】 発明の要約 本発明の第１の目的は、話された数字列を高い精度で認識する方法および装置
を提供することである。
【０００６】 本発明のより特別な目的は、好適には仮定された数字列のリストに用いる知識
ベース戦略を使用する、話された数字列を認識する新たな技術を提供することで
ある。
【０００７】 本発明の依然として他のより一般的な目的は、音声認識器を制御する種々の知
識ベース戦略を提供することである。
【０００８】 これらおよび他の目的は、話された数字列を認識する方法およびシステムによ
って成し遂げられる。本発明の好適実施形態によれば、話された数字列を音声認
識器によって解析し、この音声認識器は、前記話された数字列に一致する可能性
に基づいてランク付けされた順序で配置された仮定された数字列のリスト（ここ
では「Ｎベストリスト」とも呼ぶ）を発生する。次に、前記話された列に一致す
る最も高い可能性を有する前記仮定された列で開始して、個々の仮定された列を
解析し、これらが所定の条件を満たすかどうかを決定する。前記リストにおいて
前記条件を満たす最初の仮定された列を、認識された列として選択する。
【０００９】 例えば、チェックサム制限、有功データ列一致制限等を含む種々の形式の条件
を使用し、前記仮定された数字列を確認することができる。
【００１０】 本発明の他の実施形態によれば、前記Ｎベストリストにおける仮定された数字
列が前記指定された条件を満たさない場合、代わりの確認技術を用い、正確な数
字列を決定することができる。
【００１１】 上記は、本発明のより適切な目的および特徴のいくつかの要約である。これら
の目的を、本発明のより重要な特徴および用途のいくつかの単なる説明となるも
のであると解釈すべきである。多くの他の有利な結果を、説明するように開示し
た本発明を異なったように用いるか、本発明を変形することによって達成するこ
とができる。したがって、本発明の他の目的およびより完全な理解を、以下の好
適実施形態の詳細な説明を参照することによって得ることができる。
【００１２】 本発明およびその利点のより完全な理解のため、添付した図面と関連づけた以
下の詳細な説明を参照すべきである。
【００１３】 好適実施形態の詳細な説明 上述したように、本発明は、話された数字列を正確に認識するロバストな方法
およびシステムを目的とする。本発明によれば、発明技術を、既知の数字認識器
または認識エンジン内において、または付属物として使用してもよい。前記数字
認識器または認識エンジンは、話された入力列を受け、各々の話された数字列に
関する多数の認識仮定を発生する。これは、限定ではなく、すべて現在ＶＣＳＩ
によって開発され発売されているＶｐｒｏ／Ｃｏｎｔｉｎｕｏｕｓ音声認識エン
ジン、ＶＲ／Ｃｏｎｔｉｎｕｏｕｓ音声認識エンジンおよびスピーチ波標準音声
認識製品を含むいくつかの先行技術のシステム（すなわち、認識システム、アプ
リケーション等）において既知の機能である。一般的に、ビタビビーム探索技術
を用いるどのような音声認識エンジンも、この方法において多数の仮定を供給す
るように構成することもできる。多数の数字列仮定を供給する他の技術も、当該
技術分野において既知である。よく知られているように、前記仮定された数字列
を、前記話された数字列と一致する可能性に基づいたランク順に配置する（Ｎベ
ストリスト）。本発明によれば、この多数選択の特徴を、種々の知識ベース認識
戦略と共に使用し、前記話された数字列を正確に認識する。
【００１４】 簡単に、本発明技術は、好適には、前記認識器の第１選択数字列（すなわち、
確率分類されたＮベストリストにおける第１項目）を解析し、前記第１選択が所
定の知識ベース認識制限を満たすかどうかを決定する。前記制限を満たす場合、
この数字列を有効にし、すなわち、正確な数字であると断言する。前記第１選択
が前記制限を満たさない場合、前記認識器の第２選択を考察する、等々を、有効
な数字列が見つかるまで続ける。
【００１５】 前記制限を満たす前記仮定された数字列がない場合、拒否を宣言し、前記発呼
者に、新たな解析のために前記数字列を繰り返すように頼んでもよい。代わりに
、以下に説明するように、追加（または補助）確認技術を使用し、正確な数字列
を決定する。
【００１６】 図１は、一般的に、本発明の認識プロセス１０を示す。最初に、ステップ１２
において、ユーザ（電話発呼者としてもよい）に、例えばクレジットカード番号
のような話された数字列を与えるように促す。ステップ１４において、前記シス
テムは、前記話された数字列を受ける。次にステップ１６において、前記数字認
識器は、前記話された数字列を解析し、前記話された列を認識することにおいて
有する確実さのレベルに基づいて、仮定された数字列のランク順リスト（Ｎベス
トリスト）を発生する。前記リストにおける仮定された数字列を、前記話された
列に最も正しそうな一致から最も正しくなさそうな一致までランク付けされた順
序において配置する。上述したように、これは、既知の機能性である。次に、ス
テップ１８において、前記リストにおける第１の仮定された列を解析する。ステ
ップ２０において、前記列が所定の制限を満たす場合、ステップ２２において、
この仮定された列を有効にする（すなわち、正しく認識された列であるとして選
択する）。前記制限を満たさない場合、ステップ２４において、前記リストにお
いて何か他の仮定された列があるかどうかについて決定する。あるならば、次に
ステップ２６において、前記リストにおける次の列を検査する。次に本プロセス
はステップ２０に進み、その後のステップを、前記制限が満たされるまで繰り返
す。前記リストにおいて前記制限を満たす前記仮定された列がない場合、次にス
テップ２８において、本認識プロセスは失敗したと見なし、本プロセスを、任意
にステップ１２に戻し、前記電話発呼者に前記話された数字列を繰り返すように
頼むことができる。代わりに、ステップ２８の後、他の確認技術（以下で説明す
る）を用い、前記正確な数字列を決定することができる。
【００１７】 本発明の一特徴によれば、種々の形式の知識ベース戦略をＮベストリストに用
い、仮定された数字列を確認することができる。
【００１８】チェックサム 例えば、１つの知識ベース戦略がチェックサムアプローチである。チェックサ
ム戦略を使用し、前記分類されたＮベストリストにおける各仮定された数字列を
、正確にチェックサムする仮定された数字列が見つかるまで解析する。この仮定
された数字列を、解答として確認する。
【００１９】 既知のように、チェックサム計画は、例えばクレジットカード番号、銀行口座
番号および他の種類の口座番号を含む種々の種類の数値データと共に頻繁に使用
される。説明の目的のため、クレジットカード番号を、前記チェックサム戦略を
用いる認識タスクの例として使用する。
【００２０】 一般的に、クレジットカード番号は、代表的に１５または１６の固定された数
の数字から成る。前記クレジットカード番号の最後の数字を、チェックサム数字
と呼ぶ。このチェックサム数字は、前記クレジットカード番号における他の数字
の数学的組み合わせを表わす。種々の既知のチェックサムアルゴリズムを使用す
ることができる。
【００２１】 ルーン（Ｌｕｈｎ）チェックサムアルゴリズムとして知られる他のチェックサ
ムアルゴリズムを、一般にクレジットカード番号に使用する。前記ルーンチェッ
クサムを以下のように計算する。偶数桁の数字を有するカードに関して、すべて
の奇数桁数字を２倍にし、この積が９より大きい場合、この積から９を引く。次
に、偶数桁数字と２倍した奇数桁数字とを加える。結果は、１０の倍数でなけれ
ばならないか、この数字は、有効なカード番号ではなく、拒絶される。前記カー
ドが奇数桁の数字を有する場合、同じ加算を行うが、代わりに偶数桁数字を２倍
にする。
【００２２】 チャックサム戦略をＮベストリストと共に使用し、クレジットカード番号を確
認することは、認識精度を劇的に改善する。例えば、チェックサム情報を使用し
ないクレジットカード番号の認識は、代表的な条件の下で約７５％の列精度を示
す。同じ条件下で、Ｎベストリストおよびチェックサム情報を使用するクレジッ
トカード番号の認識は、約９５％の精度を示す。さらに、このタスクに関する「
虚偽の承認」レート（すなわち、前記認識器が不正確な結果に従うチェックサム
を返す場合）はきわめて低く、通常、１％未満である。残りのエラー（全体の４
％程度）は拒絶であり、前記アプリケーションが人間の干渉を再び促すまたはこ
れに頼ることを必要とする。大部分の用途に関して、拒絶エラーは虚偽の承認よ
り望ましい。
【００２３】データベース一致 他の知識ベース戦略は、データベースとの一致である。数字列認識の多くの用
途（例えば、郵便番号、ライセンスプレート、カタログ販売、電子口座情報シス
テム）は、有効な項目を載せるデータベースへのアクセスを有する。したがって
、前記Ｎベストリストを、承認基準が、好適には、ここでは前記データベースに
おける項目との正確な一致であることを除いて、上述したチェックサム戦略を使
用するのときわめて同様に審査することができる。これらのデータベースの多く
は、タイピングエラーが間違った口座がアクセスされることを引き起こす可能性
を低減するために構成されるため、この知識ベース戦略は、前記Ｎベストリスト
を処理するきわめて強力な道具となる。さらに、このデータベース戦略は、アル
ファベット列にも有用である。
【００２４】 これらのようなデータベースを「文法」に「前変換」することができ、したが
って、前記認識前にデータベース制限を用いることができるが、前記データベー
スは頻繁に変化し、絶え間ない再編集が必要になるため、これはしばしば実際的
でない。また、前記データベースが大きい場合、文法−再編集は、きわめて時間
を消費する恐れがある。このように、例えば当該技術分野において既知のファス
トマッチング技術を使用して前記Ｎベストリストをデータベースに対して照合す
ることは、しばしばこのような制限を用いる唯一の実用的な方法である。
【００２５】 前記データベース一致技術の他の用途は、例えば、音声制御音声メールシステ
ムまたは音声制御バンキング用途における、ＰＩＮ番号との使用に特に適してい
る。これらの用途において、ユーザが口座番号およびＰＩＮ番号の双方を安全な
程度として入力することは既知である。以下は、Ｎベスト審査技術を使用する２
つの方法の例である。
【００２６】 第１に、前記技術をＰＩＮ番号のみに用いる。前記口座番号が正確であるとし
て、通常、ＰＩＮ番号にアクセスすることができる口座番号のいずれかのデータ
ベースルックアップがある。このような場合において、前記Ｎベストリストの各
項目をチェックし、前記ＰＩＮ番号が一致する場合を見つけ、前記項目を承認す
る。前記用途のＡＳＲ部分は、前記ＰＩＮ番号であるものを明示的に知る必要は
ない。必要なすべては、前記Ｎベスト審査プロセスにおけるある点におけるスト
リング一致である。実際のＰＩＮ番号を破棄し、安全を守ることができる。
【００２７】 第２に、前記技術を口座番号およびＰＩＮ番号に同時に用いる。この場合にお
いて、前記口座番号認識およびＰＩＮ番号認識の双方に関するＮベストリストを
保持する。各々の口座番号仮定を前記データベースにおいて探し、関連するＰＩ
Ｎ番号にアクセスする。前記口座番号における一致がない（または、「不明瞭な
」一致がない、以下に説明する技術）場合、この口座番号を拒絶する。口座番号
が一致した場合、その後の一致を、前記Ｎベストリストに対してその最後まで前
記ＰＩＮ番号において行う。このプロセスを、口座番号およびＰＩＮ番号の最も
可能性がある組み合わされた一致が達成されるまで繰り返すことができる。
【００２８】 （前記Ｎベストリストに関する）前記データベース確認技術の利点は、アルフ
ァベット列認識および英数字列認識と、純粋な数字列認識とに用いることができ
ることである。（チェックサム確認を、この方法に、数値をアルファベット列に
割り当てることによって用いることができる。）
【００２９】数字位置制限 数字（または英語文字）において位置制限がある場合、前記Ｎベストリストに
おける解答をチェックし、これらの制限を満たすことを確認することができる。
例えば数字「マイクロ文法」を使用することによって、これらの制限を前記認識
前に用いることができるが、これはしばしば実行不可能である。これらの情況に
おいて、これらの文法制限を、前記Ｎベストリストに有利に用いることができる
。
【００３０】数字列長制限 同様に、数字列（または、アルファベット列または英数字列）長制限を、前記
Ｎベストリスト計画に用いることができる。再び、これらの制限を認識時に用い
ることができるが、しばしばこの情報は、例えば、ＰＩＮ番号を確認する場合、
安全の理由のため、利用不可能であるか、隠すことが必要である。これらの場合
において、前記Ｎベストリストを、既知の長さ制限に適合する項目に関して審査
することができる。
【００３１】補助技術 特定の情況において、前記知識ベース認識戦略は、前記Ｎベストリストの項目
の１つとの一致を発生しない。このような場合において、前記知識ベース戦略を
補助することが望ましいかもしれない。本発明は、必要ならばこれらのような補
助技術の使用も意図する。
【００３２】 このように、例えば、（上述した正確なデータベース一致技術において）前記
Ｎベストリスト選択が、探索しているデータベースのどの項目とも一致しないと
する。このイベントにおいて、「不明瞭」一致計画のような補助技術を用いる。
既知のように、この技術は、正確なデータベース一致を要求しない。代わりに、
前記Ｎベストリストの各解答を、「不明瞭」方法において、有効な番号（または
、アルファベットまたは英数字列）のデータベースと比較する。
【００３３】 前記不明瞭一致規準を、多くは既知の動的プログラミングアルゴリズムを含む
多数の標準的技術のいずれとしてもよい。例えば、レーベンシュタイン（Ｌｅｖ
ｅｎｓｈｔｅｉｎ）距離アルゴリズム（Ｓａｎｋｏｆｆ，Ｄ．およびＪｏｓｅｐ
ｈ Ｂ．Ｋｒｕｓｋａｌ，「タイムワープ、列編集および巨大分子；列比較の理
論および実際」１８−２１ページ、Ａｄｄｉｓｏｎ−Ｗｅｓｌｅｙ，１９８３参
照）を用いてもよい。このアルゴリズムにおいて、ある列を、他の列に対して、
ある列を他の列に「変換」するのに必要な置換、削除および挿入の列を決定する
ことによって「一致」させる。前記２つの列間の「距離」は、前記変換を行うの
に必要なこのような「修正」（置換＋削除＋挿入）の最小数である。
【００３４】 前記レーベンシュタインアルゴリズムの「重み付き」バージョンを用いてもよ
く、このバージョンにおいて、特定の修正を、他よりも「コスト」が高いと見な
す。例えば、数字認識をノイズのある状態において行う場合、「ｏｈ」および「
ｅｉｇｈｔ」のようないくつかの数字を仮説として挿入するのは、ＡＳＲアルゴ
リズムと共通である。重み付き一致アルゴリズムは、したがって、このような挿
入を、挿入および／または置換および削除の他のクラスよりも不利にすると決定
する。このようにして、前記ＡＳＲ技術の特定の制限を、よりロバストなデータ
ベース一致を達成するためであるとみなすことができる。
【００３５】 このアプローチを、アルファベットおよび英数字認識にも用いる。アルファベ
ット認識に関して、前記「重み付き」一致規準は、ＡＳＲシステムにしばしばき
わめて混同される文字の特定の組があるため、きわめて有用であるかもしれない
。例えば、最新のＡＳＲアルゴリズムに関して、特に、電話ネットワーク（固定
および無線双方）において代表的に見られるようなバンド制限された状態におい
て、アルファベット文字の「Ｅセット」（ｂ、ｃ、ｄ、ｅ、ｇ、ｐ、ｔ、ｖ）間
を区別するのは困難である。この場合、前記レーベンシュタイン距離を変更し、
これらの文字間の置換モードを他のエラーモードより低くすることができる。
【００３６】異形 本発明の他の実施形態によれば、２つの認識試行からのＮベスト結果を巧妙に
結合し、実際に話された列を確認することができる。この「２試行」または「反
復試行」技術によって、続く好適な手順は以下の通りである。 ａ）ユーザに、番号（または英数字列）を一回促す。 ｂ）前記認識を、話された試行において、前記数字認識器を使用して実行し、
Ｎベストリストを得る（リスト１）。 ｃ）次に、前記数字認識器の「信頼度」測定を使用し、前記Ｎベストリストの
上位回答を承認または拒絶する。前記信頼度が十分高い場合、前記試行を受け入
れる。しかしながら、前記信頼度が所定のしきい値を下回る場合、ユーザに前記
列を繰り返すように促す。 ｄ）次に、前記認識を、繰り返された試行において実行し、他のＮベストリス
トを得る（リスト２）。 ｅ）次に、リスト１を、上述したデータベース一致または不明瞭一致アプロー
チを使用してリスト２における仮定の１つを照合するために、「データベース」
として使用する。実際には、リスト１においても生じるリスト２における第１仮
定を選択する。代わりに、チェック順序を逆にし、すなわち、リスト２において
も現れるリスト１における第１仮定のリストを形成することができる。前記不明
瞭技術を用いる場合、リスト１における仮定に最も一致するリスト２における項
目（またはこの逆）を選択する。
【００３７】 本発明の依然として他の実施形態によれば、指定された制限（例えば、チェッ
クサム、データベース一致等）を満たす前記仮定された数字列が見つからない場
合、他の確認を用いることができる。この技術によれば、前記Ｎベストリストを
他の仮定を発生する手段として使用し、これらの仮定を次に解析し、これらが所
定の制限を満たすかどうかを決定する。例えば、Ｎベストリストは、以下の３つ
の仮定を含むとする。 （１） １２３４５ （２） ４２３４５ （３） １２３１５ 次に、これら３つの選択からの情報を結合することによって、列「４２３１５」
を代案として仮定することが合理的である。「４２３１５」が前記Ｎベストリス
トにおいて現れなくても、仮定（１）および（３）の第４位置における４−＞１
「間一髪」と仮定（１）および（２）の第１位置における１−＞４間一髪とに気
づくことによって「合成」することができる。（これらの混同モードの他の入れ
替えのすべては、すでに前記Ｎベストリストにおいて存在する。）この発生され
た列をチェックサムし、または、別な方法で解析し、前記指定された制限を満た
すかどうかを決定する。
【００３８】 前記仮定−発生技術を、上述した反復発生技術に、双方の認識からのＮベスト
リスト（すなわち、りすと１およびリスト２）を１つのＮベストリストに結合す
ることによって用いることもできる。次に、前記仮定−発生技術を用いる。結合
されたリストは、順列のより豊かな可能性を与える。
【００３９】 本発明による数字認識アルゴリズムは、好適には、ソフトウェアを具え、した
がって、本発明の好適なインプリメンテーションの１つは、汎用コンピュータの
ランダムアクセスメモリにおいて存在するコードモジュールにおける命令（プロ
グラムコード）の組としてである。前記コンピュータによって要求されるまで、
前記命令の組を、他のコンピュータメモリ、例えば、ハードディスク装置か、光
ディスク（ＣＤ ＲＯＭにおける結果としての使用に関して）またはフロッピー
（登録商標）ディスク（フロッピーディスクにおける結果としての使用に関して ）のようなリムーバブルメモリにおいて格納してもよく、インターネットまたは 何か他のコンピュータネットワークからダウンロードしてもよい。加えて、上述 した種々の方法を、ソフトウェアによって選択的に活性化または再構成されるコ ンピュータにおいて便利に実装したが、当業者は、これらのような方法を、ハー ドウェアにおいて、ファームウェアにおいて、または、前記必要な方法ステップ を行うように構成されたより専用の装置において実行してもよいことを認識する であろう。
【００４０】 本発明の動作を行う代表的なコンピュータは、プロセッサ（例えば、インテル
、パワーＰＣまたはＲＩＳＣベース）と、ランダムアクセスメモリまたは他の揮
発性メモリと、ディスク記憶装置と、適切なディスプレイインタフェースを有す
るディスプレイと、入力装置（マウス、キーボード等）と、前記コンピュータを
コンピュータネットワークにインタフェースする適切な通信装置とを有する。ラ
ンダムアクセスメモリは、本発明の機能性を与えるコンピュータプログラムをサ
ポートする。
【００４１】 本発明をこのように説明したことによって、我々が新しいと主張し、特許によ
って保護されることを望むものは、請求項において述べた。
【図面の簡単な説明】
【図１】 本発明による話された数字列を認識する技術を説明するフローチャー
トである。
───────────────────────────────────────────────────── フロントページの続き (51)Int.Cl.7 識別記号 ＦＩ テーマコート゛(参考） Ｇ１０Ｌ 3/00 ５３７Ｇ (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，ＴＺ，ＵＧ，ＺＷ )，ＥＡ(ＡＭ，ＡＺ，ＢＹ，ＫＧ，ＫＺ，ＭＤ，ＲＵ， ＴＪ，ＴＭ)，ＡＬ，ＡＭ，ＡＴ，ＡＵ，ＡＺ，ＢＡ， ＢＢ，ＢＧ，ＢＲ，ＢＹ，ＣＡ，ＣＨ，ＣＮ，ＣＵ，Ｃ Ｚ，ＤＥ，ＤＫ，ＥＥ，ＥＳ，ＦＩ，ＧＢ，ＧＤ，ＧＥ ，ＧＨ，ＧＭ，ＨＲ，ＨＵ，ＩＤ，ＩＬ，ＩＳ，ＪＰ， ＫＥ，ＫＧ，ＫＰ，ＫＲ，ＫＺ，ＬＣ，ＬＫ，ＬＲ，Ｌ Ｓ，ＬＴ，ＬＵ，ＬＶ，ＭＤ，ＭＧ，ＭＫ，ＭＮ，ＭＷ ，ＭＸ，ＮＯ，ＮＺ，ＰＬ，ＰＴ，ＲＯ，ＲＵ，ＳＤ， ＳＥ，ＳＧ，ＳＩ，ＳＫ，ＳＬ，ＴＪ，ＴＭ，ＴＲ，Ｔ Ｔ，ＵＡ，ＵＧ，ＵＺ，ＶＮ，ＹＵ，ＺＷ (71)出願人 Ｇｒｏｅｎｅｗｏｕｄｓｅｗｅｇ １， 5621 ＢＡ Ｅｉｎｄｈｏｖｅｎ， Ｔｈ ｅ Ｎｅｔｈｅｒｌａｎｄｓ (72)発明者 ロジャー エス ジンマーマン アメリカ合衆国 マサチューセッツ州 02481 ウェールズリー ヘイスティング ストリート 32 Ｆターム(参考） 5D015 LL02 LL03

Claims (25)

    【特許請求の範囲】
  1. 【請求項１】 話された数字列を認識する方法において、 （ａ） 前記話された数字列を受けるステップと、 （ｂ） 前記話された数字列を解析し、前記話された数字列と一致する可能性
    に基づいてランク付けされた順序において配置された仮定された数字列のリスト
    を発生するステップと、 （ｃ） 所定の知識ベース認識戦略を使用し、前記話された列に一致する最も
    高い可能性を有する列から始めて、前記リストの個々の仮定された列が所定の制
    限を満たすかどうかを決定するステップと、 （ｄ） 前記制限を満たす前記リストにおける最初の列を、認識された列とし
    て選択するステップとを含むことを特徴とする方法。
  2. 【請求項２】 請求項１に記載の方法において、前記所定の知識ベース認識戦略
    が、データベース一致計画を含むことを特徴とする方法。
  3. 【請求項３】 請求項２に記載の方法において、ステップ（ｃ）が、有効なデー
    タ列のデータベースを探索し、前記仮定された数字列のいずれかが前記有効な数
    字列の１つと一致するかどうかを決定するステップを含むことを特徴とする方法
    。
  4. 【請求項４】 請求項１に記載の方法において、前記知識ベース認識戦略がチェ
    ックサム計画であることを特徴とする方法。
  5. 【請求項５】 請求項４に記載の方法において、前記話された数字列がチェック
    サム数字を含み、ステップ（ｃ）が、前記仮定された数字列のチェックサムを計
    算し、前記チェックサムが前記チェックサム数字の値と一致するかどうかを決定
    することを特徴とする方法。
  6. 【請求項６】 請求項４に記載の方法において、 前記仮定された列のいずれも前記制限を満たさない場合、 （ｅ） 追加の仮定された数字列を、前記リストの仮定された数字列から集め
    た情報に基づいて発生するステップと、 （ｆ） 前記追加の仮定された数字列を解析し、前記チェックサム計画を満た
    すかどうかを決定するステップと、 （ｇ） 満たすならば、前記追加の仮定された数字列を正しいと認めるステッ
    プとをさらに含むことを特徴とする方法。
  7. 【請求項７】 請求項４に記載の方法において、前記チェックサム計画が、ルー
    ンチェックサムアルゴリズムを使用することを特徴とする方法。
  8. 【請求項８】 請求項１に記載の方法において、 （ｅ） 前記仮定された列のいずれも前記制限を満たさない場合、補助一致技
    術を使用し、前記制限を最も満たす前記仮定された数字列を選択するステップを
    さらに含むことを特徴とする方法。
  9. 【請求項９】 請求項８に記載の方法において、前記補助一致技術が不明瞭一致
    計画であることを特徴とする方法。
  10. 【請求項１０】 請求項９に記載の方法において、前記不明瞭一致計画が、各々
    の仮定された数字列が有効数字列の組のうちの１つと一致するのに必要な修正の
    数を決定することを特徴とする方法。
  11. 【請求項１１】 請求項１０に記載の方法において、前記修正が、数字置換、削
    除および追加を含むことを特徴とする方法。
  12. 【請求項１２】 請求項１０に記載の方法において、前記修正に重み付けしたこ
    とを特徴とする方法。
  13. 【請求項１３】 請求項１に記載の方法において、前記知識ベース認識戦略が数
    字位置戦略であり、前記制限が所定の数字位置であることを特徴とする方法。
  14. 【請求項１４】 請求項１に記載の方法において、前記知識ベース認識戦略が数
    字列長戦略であり、前記制限が所定の数字列長であることを特徴とする方法。
  15. 【請求項１５】 請求項１に記載の方法において、 前記仮定された数字列のいずれも前記制限を満たさない場合、 （ｅ） 第２の話された数字列の入力を促すステップと、 （ｆ） 前記第２の話された数字列を解析し、前記第２の話された数字列と一
    致する可能性に基づいてランク付けされた順序において配置された仮定された数
    字列の第２リストを発生するステップと、 （ｇ） 前記第２の話された列に一致する最も高い可能性を有する列で開始す
    る順序において、前記第２リストの個々の仮定された列が、ステップ（ｂ）にお
    いて発生されたリストにおける前記仮定された数字列のうちの１つに一致するか
    どうかを決定するステップと、 （ｈ） 前記認識された列として、ステップ（ｂ）において発生された前記仮
    定された数字列のうちの１つと一致する前記第２リストの最初の列を選択するス
    テップとをさらに含むことを特徴とする方法。
  16. 【請求項１６】 請求項１に記載の方法において、 前記仮定された数字列のいずれも前記制限を満たさない場合、 （ｅ） 第２の話された数字列の入力を促すステップと、 （ｆ） 前記第２の話された数字列を解析し、前記第２の話された数字列と一
    致する可能性に基づいてランク付けされた順序において配置された仮定された数
    字列の第２リストを発生するステップと、 （ｇ） ステップ（ａ）において受けた前記話された列に一致する最も高い可
    能性を有する列で開始する順序において、ステップ（ｂ）において発生されたリ
    ストの個々の仮定された列が、前記第２リストにおける前記仮定された数字列の
    うちの１つに一致するかどうかを決定するステップと、 （ｈ） 前記認識された列として、前記第２リストの前記仮定された数字列の
    うちの１つと一致するステップ（ｂ）において発生された前記リストにおける最
    初の列を選択するステップとをさらに含むことを特徴とする方法。
  17. 【請求項１７】 請求項１に記載の方法において、前記仮定された数字列のいず
    れも前記制限を満たさない場合、列挙したステップを繰り返すステップをさらに
    含むことを特徴とする方法。
  18. 【請求項１８】 請求項１に記載の方法において、ステップ（ａ）の前に話され
    た数字列の入力を促すステップをさらに含むことを特徴とする方法。
  19. 【請求項１９】 話された数字列を認識する方法において、 （ａ） 話された数字列の入力を促すステップと、 （ｂ） 前記話された数字列を受けるステップと、 （ｃ） 前記話された数字列を解析し、前記話された数字列と一致する可能性
    に基づいてランク付けされた順序において配置された仮定された数字列のリスト
    を発生するステップと、 （ｄ） 所定の知識ベース認識戦略を使用し、前記話された列に一致する最も
    高い可能性を有する前記リストの仮定された列が所定の制限を満たすかどうかを
    決定するステップと、 （ｅ） ステップ（ｂ）において前記制限が満たされていることがわかった場
    合、前記仮定された列を正しいと認め、そうでない場合、前記仮定された列を前
    記リストから除去し、ステップ（ｄ）および（ｅ）を前記リストにおける残りの
    仮定された列に関して繰り返すステップとを含むことを特徴とする方法。
  20. 【請求項２０】 請求項１９に記載の方法において、前記所定の制限が、有効列
    のデータベースとの一致であることを特徴とする方法。
  21. 【請求項２１】 請求項２０に記載の方法において、ステップ（ｄ）が、有効な
    データ列のデータベースを探索し、前記仮定された数字列が前記有効な数字列の
    １つと一致するかどうかを決定するステップを含むことを特徴とする方法。
  22. 【請求項２２】 請求項１９に記載の方法において、前記所定の制限がチェック
    サムであることを特徴とする方法。
  23. 【請求項２３】 請求項２２に記載の方法において、前記話された数字列がチェ
    ックサム数字を含み、ステップ（ｄ）が、前記仮定された数字列のチェックサム
    を計算し、前記チェックサムが前記チェックサム数字の値と一致するかどうかを
    決定することを特徴とする方法。
  24. 【請求項２４】 請求項２２に記載の方法において、 前記仮定された列のいずれも前記制限を満たさない場合、 （ｅ） 追加の仮定された数字列を、前記リストの仮定された数字列から集め
    た情報に基づいて発生するステップと、 （ｆ） 前記追加の仮定された数字列を解析し、前記チェックサム計画を満た
    すかどうかを決定し、満たすならば、前記追加の仮定された数字列を正しいと認
    めるステップとをさらに含むことを特徴とする方法。
  25. 【請求項２５】 話された数字列を認識するコンピュータにおいて使用するコン
    ピュータ読み出し可能媒体におけるコンピュータプログラム製品において、 話された数字列を解析し、前記話された数字列と一致する可能性に基づいてラ
    ンク付けされた順序において配置された仮定された数字列のリストを発生する手
    段と、 前記話された列に一致する最も高い可能性を有する列から始まる順序において
    、前記リストの個々の仮定された列を解析し、これらが所定の制限を満たすかど
    うかを決定する知識ベース認識手段と、 前記制限を満たす前記リストにおける最初の列を認識された列として選択する
    手段とを具えることを特徴とするコンピュータプログラム製品。
JP2000591610A 1998-12-29 1999-12-29 自動音声認識システムにおけるｎベストリストに用いる知識ベース戦略 Pending JP2002533789A (ja)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US09/222,073 US6922669B2 (en) 1998-12-29 1998-12-29 Knowledge-based strategies applied to N-best lists in automatic speech recognition systems
US09/222,073 1998-12-29
PCT/US1999/031311 WO2000039788A2 (en) 1998-12-29 1999-12-29 Knowledge-based strategies applied to n-best lists in automatic speech recognition systems

Publications (1)

Publication Number Publication Date
JP2002533789A true JP2002533789A (ja) 2002-10-08

Family

ID=22830703

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2000591610A Pending JP2002533789A (ja) 1998-12-29 1999-12-29 自動音声認識システムにおけるｎベストリストに用いる知識ベース戦略

Country Status (7)

Country Link
US (1) US6922669B2 (ja)
EP (1) EP1070315A4 (ja)
JP (1) JP2002533789A (ja)
KR (1) KR20010041440A (ja)
CN (1) CN1179323C (ja)
AU (1) AU2401700A (ja)
WO (1) WO2000039788A2 (ja)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2009169418A (ja) * 2008-01-16 2009-07-30 Harman Becker Automotive Systems Gmbh フラグメントを使用した大規模なリストにおける音声認識
JPWO2019220725A1 (ja) * 2018-05-18 2021-05-27 パナソニックＩｐマネジメント株式会社 音声認識装置、音声認識方法、及びプログラム

Families Citing this family (62)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7016827B1 (en) 1999-09-03 2006-03-21 International Business Machines Corporation Method and system for ensuring robustness in natural language understanding
DE10043499A1 (de) * 2000-09-01 2002-03-14 Bosch Gmbh Robert Verfahren zur Datenübertragung
KR100352748B1 (ko) * 2001-01-05 2002-09-16 (주) 코아보이스 온라인 학습형 음성합성 장치 및 그 방법
AUPR654401A0 (en) * 2001-07-23 2001-08-16 Transurban City Link Limited Method and system for recognising a spoken identification sequence
US7809574B2 (en) * 2001-09-05 2010-10-05 Voice Signal Technologies Inc. Word recognition using choice lists
US7467089B2 (en) * 2001-09-05 2008-12-16 Roth Daniel L Combined speech and handwriting recognition
US7526431B2 (en) * 2001-09-05 2009-04-28 Voice Signal Technologies, Inc. Speech recognition using ambiguous or phone key spelling and/or filtering
US7505911B2 (en) * 2001-09-05 2009-03-17 Roth Daniel L Combined speech recognition and sound recording
US7444286B2 (en) 2001-09-05 2008-10-28 Roth Daniel L Speech recognition using re-utterance recognition
US7246062B2 (en) * 2002-04-08 2007-07-17 Sbc Technology Resources, Inc. Method and system for voice recognition menu navigation with error prevention and recovery
US20040002849A1 (en) * 2002-06-28 2004-01-01 Ming Zhou System and method for automatic retrieval of example sentences based upon weighted editing distance
US7386454B2 (en) * 2002-07-31 2008-06-10 International Business Machines Corporation Natural error handling in speech recognition
US7664639B2 (en) * 2004-01-14 2010-02-16 Art Advanced Recognition Technologies, Inc. Apparatus and methods for speech recognition
US20060004574A1 (en) * 2004-06-30 2006-01-05 Microsoft Corporation Semantic based validation information in a language model to detect recognition errors and improve dialog performance
MY149811A (en) * 2004-08-30 2013-10-14 Qualcomm Inc Method and apparatus for an adaptive de-jitter buffer
US8085678B2 (en) * 2004-10-13 2011-12-27 Qualcomm Incorporated Media (voice) playback (de-jitter) buffer adjustments based on air interface
US7827032B2 (en) * 2005-02-04 2010-11-02 Vocollect, Inc. Methods and systems for adapting a model for a speech recognition system
US7895039B2 (en) * 2005-02-04 2011-02-22 Vocollect, Inc. Methods and systems for optimizing model adaptation for a speech recognition system
US7949533B2 (en) * 2005-02-04 2011-05-24 Vococollect, Inc. Methods and systems for assessing and improving the performance of a speech recognition system
US8200495B2 (en) 2005-02-04 2012-06-12 Vocollect, Inc. Methods and systems for considering information about an expected response when performing speech recognition
US7865362B2 (en) 2005-02-04 2011-01-04 Vocollect, Inc. Method and system for considering information about an expected response when performing speech recognition
US8155965B2 (en) * 2005-03-11 2012-04-10 Qualcomm Incorporated Time warping frames inside the vocoder by modifying the residual
US8355907B2 (en) * 2005-03-11 2013-01-15 Qualcomm Incorporated Method and apparatus for phase matching frames in vocoders
US20070016460A1 (en) * 2005-07-14 2007-01-18 Vocollect, Inc. Task management system having selectively variable check data
EP2685451A3 (en) 2006-04-03 2014-03-19 Vocollect, Inc. Methods and systems for assessing and improving the performance of a speech recognition system
US8688451B2 (en) * 2006-05-11 2014-04-01 General Motors Llc Distinguishing out-of-vocabulary speech from in-vocabulary speech
CN100452042C (zh) * 2006-06-23 2009-01-14 腾讯科技（深圳）有限公司 数字串模糊匹配的方法
US8055502B2 (en) * 2006-11-28 2011-11-08 General Motors Llc Voice dialing using a rejection reference
EP1933302A1 (en) * 2006-12-12 2008-06-18 Harman Becker Automotive Systems GmbH Speech recognition method
WO2008100503A2 (en) * 2007-02-12 2008-08-21 Dolby Laboratories Licensing Corporation Improved ratio of speech to non-speech audio such as for elderly or hearing-impaired listeners
ES2391228T3 (es) 2007-02-26 2012-11-22 Dolby Laboratories Licensing Corporation Realce de voz en audio de entretenimiento
US8589162B2 (en) * 2007-09-19 2013-11-19 Nuance Communications, Inc. Method, system and computer program for enhanced speech recognition of digits input strings
DE102008007698A1 (de) * 2008-02-06 2009-08-13 Siemens Aktiengesellschaft Verfahren zur Erkennung einer Eingabe in einem Spracherkennungssystem
WO2009152124A1 (en) * 2008-06-10 2009-12-17 Dolby Laboratories Licensing Corporation Concealing audio artifacts
US8321958B1 (en) 2008-07-30 2012-11-27 Next It Corporation Detecting presence of a subject string in a target string and security event qualification based on prior behavior by an end user of a computer system
US20100281435A1 (en) * 2009-04-30 2010-11-04 At&T Intellectual Property I, L.P. System and method for multimodal interaction using robust gesture processing
US8374868B2 (en) * 2009-08-21 2013-02-12 General Motors Llc Method of recognizing speech
US11416214B2 (en) 2009-12-23 2022-08-16 Google Llc Multi-modal input on an electronic device
EP2339576B1 (en) 2009-12-23 2019-08-07 Google LLC Multi-modal input on an electronic device
US9123339B1 (en) 2010-11-23 2015-09-01 Google Inc. Speech recognition using repeated utterances
US8352245B1 (en) 2010-12-30 2013-01-08 Google Inc. Adjusting language models
US8296142B2 (en) 2011-01-21 2012-10-23 Google Inc. Speech recognition using dock context
US10534931B2 (en) 2011-03-17 2020-01-14 Attachmate Corporation Systems, devices and methods for automatic detection and masking of private data
US8914290B2 (en) 2011-05-20 2014-12-16 Vocollect, Inc. Systems and methods for dynamically improving user intelligibility of synthesized speech in a work environment
CN103188409A (zh) * 2011-12-29 2013-07-03 上海博泰悦臻电子设备制造有限公司 语音自动应答云端服务器、系统及方法
US9978395B2 (en) 2013-03-15 2018-05-22 Vocollect, Inc. Method and system for mitigating delay in receiving audio stream during production of sound from audio stream
US9842592B2 (en) 2014-02-12 2017-12-12 Google Inc. Language models using non-linguistic context
US9412365B2 (en) 2014-03-24 2016-08-09 Google Inc. Enhanced maximum entropy models
US10115394B2 (en) * 2014-07-08 2018-10-30 Mitsubishi Electric Corporation Apparatus and method for decoding to recognize speech using a third speech recognizer based on first and second recognizer results
US10572810B2 (en) 2015-01-07 2020-02-25 Microsoft Technology Licensing, Llc Managing user interaction for input understanding determinations
US10134394B2 (en) 2015-03-20 2018-11-20 Google Llc Speech recognition using log-linear model
EP3089159B1 (en) 2015-04-28 2019-08-28 Google LLC Correcting voice recognition using selective re-speak
US10249297B2 (en) 2015-07-13 2019-04-02 Microsoft Technology Licensing, Llc Propagating conversational alternatives using delayed hypothesis binding
CN105468582B (zh) * 2015-11-18 2018-03-02 苏州思必驰信息科技有限公司 一种基于人机交互的数字串的纠正方法及装置
US9978367B2 (en) 2016-03-16 2018-05-22 Google Llc Determining dialog states for language models
US10714121B2 (en) 2016-07-27 2020-07-14 Vocollect, Inc. Distinguishing user speech from background speech in speech-dense environments
US10832664B2 (en) 2016-08-19 2020-11-10 Google Llc Automated speech recognition using language models that selectively use domain-specific model components
US10446137B2 (en) 2016-09-07 2019-10-15 Microsoft Technology Licensing, Llc Ambiguity resolving conversational understanding system
US10311860B2 (en) 2017-02-14 2019-06-04 Google Llc Language model biasing system
CN107632718B (zh) * 2017-08-03 2021-01-22 百度在线网络技术（北京）有限公司 语音输入中的数字信息的推荐方法、装置与可读介质
CN109472980A (zh) * 2018-10-18 2019-03-15 成都亚讯星科科技股份有限公司 基于NB-IoT技术的地磁车辆检测器及其检测方法
CN113178190A (zh) * 2021-05-14 2021-07-27 山东浪潮科学研究院有限公司 一种基于元学习提高生僻字识别的端到端自动语音识别算法

Family Cites Families (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4882757A (en) * 1986-04-25 1989-11-21 Texas Instruments Incorporated Speech recognition system
US4866778A (en) * 1986-08-11 1989-09-12 Dragon Systems, Inc. Interactive speech recognition apparatus
US5222187A (en) * 1989-12-29 1993-06-22 Texas Instruments Incorporated Grammar-based checksum constraints for high performance speech recognition circuit
US5119416A (en) * 1990-05-30 1992-06-02 Nynex Corporation Automated telephone number identification for automatic intercept in telephone networks
US5276741A (en) * 1991-05-16 1994-01-04 Trw Financial Systems & Services, Inc. Fuzzy string matcher
US5241619A (en) * 1991-06-25 1993-08-31 Bolt Beranek And Newman Inc. Word dependent N-best search method
US5267345A (en) * 1992-02-10 1993-11-30 International Business Machines Corporation Speech recognition apparatus which predicts word classes from context and words from word classes
AU5803394A (en) * 1992-12-17 1994-07-04 Bell Atlantic Network Services, Inc. Mechanized directory assistance
CA2126380C (en) * 1993-07-22 1998-07-07 Wu Chou Minimum error rate training of combined string models
US5903864A (en) * 1995-08-30 1999-05-11 Dragon Systems Speech recognition
US5712957A (en) * 1995-09-08 1998-01-27 Carnegie Mellon University Locating and correcting erroneously recognized portions of utterances by rescoring based on two n-best lists
US5737489A (en) * 1995-09-15 1998-04-07 Lucent Technologies Inc. Discriminative utterance verification for connected digits recognition
US6003002A (en) * 1997-01-02 1999-12-14 Texas Instruments Incorporated Method and system of adapting speech recognition models to speaker environment
US6049768A (en) * 1997-11-03 2000-04-11 A T & T Corp Speech recognition system with implicit checksum
US6208965B1 (en) * 1997-11-20 2001-03-27 At&T Corp. Method and apparatus for performing a name acquisition based on speech recognition
US6205428B1 (en) * 1997-11-20 2001-03-20 At&T Corp. Confusion set-base method and apparatus for pruning a predetermined arrangement of indexed identifiers

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2009169418A (ja) * 2008-01-16 2009-07-30 Harman Becker Automotive Systems Gmbh フラグメントを使用した大規模なリストにおける音声認識
JPWO2019220725A1 (ja) * 2018-05-18 2021-05-27 パナソニックＩｐマネジメント株式会社 音声認識装置、音声認識方法、及びプログラム
JP7170287B2 (ja) 2018-05-18 2022-11-14 パナソニックＩｐマネジメント株式会社 音声認識装置、音声認識方法、及びプログラム

Also Published As

Publication number Publication date
KR20010041440A (ko) 2001-05-25
WO2000039788A2 (en) 2000-07-06
AU2401700A (en) 2000-07-31
CN1179323C (zh) 2004-12-08
CN1299503A (zh) 2001-06-13
US20030154075A1 (en) 2003-08-14
EP1070315A4 (en) 2005-07-27
WO2000039788A3 (en) 2000-11-02
US6922669B2 (en) 2005-07-26
EP1070315A2 (en) 2001-01-24

Similar Documents

Publication Publication Date Title
JP2002533789A (ja) 自動音声認識システムにおけるｎベストリストに用いる知識ベース戦略
EP0099476B1 (en) Identity verification system
US6760701B2 (en) Subword-based speaker verification using multiple-classifier fusion, with channel, fusion, model and threshold adaptation
US6195634B1 (en) Selection of decoys for non-vocabulary utterances rejection
EP0788649B1 (en) Method and system for pattern recognition based on tree organised probability densities
US20020169600A1 (en) Multi-stage large vocabulary speech recognition system and method
US6134527A (en) Method of testing a vocabulary word being enrolled in a speech recognition system
WO1994016437A1 (en) Speech recognition system
WO1996036042A1 (en) Improving the reliability of word recognizers
EP0504485A2 (en) A speaker-independent label coding apparatus
JPH1173195A (ja) 話者の申し出識別を認証する方法
JP3703991B2 (ja) 自由音声評点法を用いた動的音声認識の方法および装置
US7630895B2 (en) Speaker verification method
US6393397B1 (en) Cohort model selection apparatus and method
Cohen et al. On feature selection for speaker verification
JP2853418B2 (ja) 音声認識方法
US8688452B2 (en) Automatic generation of distractors for special-purpose speech recognition grammars
JP3291073B2 (ja) 音声認識方式
JP3322536B2 (ja) ニューラルネットワークの学習方法および音声認識装置
JPH11184492A (ja) 話者認識装置及びその方法
JPH05188991A (ja) 音声認識装置
JPH103296A (ja) 音声認識システムにおける単語予備選択装置
JPH04166900A (ja) 音声認識装置
JPS62206597A (ja) 音声認識用単語予備選択方式
JPS58159598A (ja) 単音節音声認識方式

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20061226

RD02 Notification of acceptance of power of attorney

Free format text: JAPANESE INTERMEDIATE CODE: A7422

Effective date: 20070315

A711 Notification of change in applicant

Free format text: JAPANESE INTERMEDIATE CODE: A711

Effective date: 20090610

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A821

Effective date: 20090610

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20091208

A601 Written request for extension of time

Free format text: JAPANESE INTERMEDIATE CODE: A601

Effective date: 20100308

A602 Written permission of extension of time

Free format text: JAPANESE INTERMEDIATE CODE: A602

Effective date: 20100315

A02 Decision of refusal

Free format text: JAPANESE INTERMEDIATE CODE: A02

Effective date: 20100907