JP2002536692A - 分散された音声認識システム - Google Patents

分散された音声認識システム

Info

Publication number
JP2002536692A
JP2002536692A JP2000597795A JP2000597795A JP2002536692A JP 2002536692 A JP2002536692 A JP 2002536692A JP 2000597795 A JP2000597795 A JP 2000597795A JP 2000597795 A JP2000597795 A JP 2000597795A JP 2002536692 A JP2002536692 A JP 2002536692A
Authority
JP
Japan
Prior art keywords
vocoder
speech
parameters
microprocessor
processor
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
Application number
JP2000597795A
Other languages
English (en)
Other versions
JP2002536692A5 (ja
JP4607334B2 (ja
Inventor
チャン、チエンチュン
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.)
Qualcomm Inc
Original Assignee
Qualcomm Inc
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 Qualcomm Inc filed Critical Qualcomm Inc
Publication of JP2002536692A publication Critical patent/JP2002536692A/ja
Publication of JP2002536692A5 publication Critical patent/JP2002536692A5/ja
Application granted granted Critical
Publication of JP4607334B2 publication Critical patent/JP4607334B2/ja
Anticipated expiration legal-status Critical
Expired - Lifetime legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/28—Constructional details of speech recognition systems
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/28—Constructional details of speech recognition systems
    • G10L15/30—Distributed recognition, e.g. in client-server systems, for mobile phones or network applications

Abstract

(57)【要約】 分散された音声認識システムは、デジタル信号プロセッサ（ＤＳＰ）104 と、非揮発性記憶媒体108 と、マイクロプロセッサ106 とを含んでいる。ＤＳＰ104 はデジタル入力スピーチサンプルからパラメータを抽出し、マイクロプロセッサ106 に抽出されたパラメータを与える。非揮発性記憶媒体はスピーチテンプレートのデータベースを含んでいる。マイクロプロセッサは非揮発性記憶媒体108 の内容を読取り、パラメータをその内容と比較し、比較に基づいてスピーチテンプレートを選択するように構成されている。非揮発性記憶媒体はフラッシュメモリでもよい。ＤＳＰ104 はボコーダであってもよい。ＤＳＰ104 がボコーダであるならば、パラメータはボコーダにより生成された診断データでもよい。分散された音声認識システムは特定用途向け集積回路（ＡＳＩＣ）に存在してもよい。

Description

【発明の詳細な説明】
【０００１】
【発明の属する技術分野】
本発明は通信分野、特に音声認識システムに関する。
【０００２】
【従来の技術】
音声認識（ＶＲ）はユーザまたはユーザの音声コマンドを認識し、人間の機械
とのインターフェイスを容易にするために機械にシミュレートされた知能を与え
る最も重要な技術の１つを表している。ＶＲはまた人間の音声を理解するための
主要な技術を表している。音響スピーチ信号からの言語メッセージを再生する技
術を用いるシステムは音声認識装置を呼ばれる。音声認識装置は典型的に、入来
する生（未加工）のスピーチのＶＲを行うのに必要な情報を有する特徴のシーケ
ンスまたはベクトルを抽出する音響プロセッサと、入力発話に対応する言語ワー
ドのシーケンスのような意味をなす所望の出力フォーマットを生成するために特
徴のシーケンスまたはベクトルを復号するワードデコーダとを具備している。所
定のシステムの性能を増加するため、システムに有効なパラメータを装備するた
めにトレーニングが必要とされる。換言すると、システムは最適に機能できる前
に学習を必要とする。
【０００３】 音響プロセッサは音声認識装置のフロントエンドスピーチ解析サブシステム
を表している。入力スピーチ信号に応答して、音響プロセッサは時間的に変化す
るスピーチ信号を特徴付けるための適切な表示を与える。音響プロセッサは背景
雑音、チャンネル歪み、スピーカ特性、話し方等の関連のない情報を破棄すべき
である。実効的な音響処理は強化された音響弁別パワーを有する音声認識装置を
備えている。結局、解析される有効な特性は短時間のスペクトルエンベロープで
ある。短時間のスペクトルエンベロープを特徴付けるための２つの普通に使用さ
れるスペクトル解析技術は線形予測符号化（ＬＰＣ）とフィルタバンクベースの
スペクトルモデル化である。例示的なＬＰＣ技術は本発明の参考文献とされてい
る米国特許第5,414,796 号明細書と、本発明の参考文献とされているL.B. Rabin
er & R.W. Schafer のDigital Processing of Speech Signals、396 −453 頁（
1978年）に記載されている。
【０００４】 （通常音声認識とも呼ばれている）ＶＲの使用は安全性の理由で重要性が増
している。例えば、ＶＲは無線電話のキーパッドのボタンを押す手作業の置換の
ために使用されることができる。これは特にユーザが車を運転しながら呼を開始
しているときに重要である。ＶＲなしで電話を使用するとき、運転者は一方の手
を操縦ハンドルから外し、ダイヤリングによって通話するためにボタンを押しな
がら電話のキーパッドを見なければならない。これらの行動は自動車事故の可能
性を増加する。スピーチエネーブル電話（即ちスピーチ認識用に設計されている
電話）は運転者が連続的に道路を見ながら通話を行うことを可能にする。手を使
用しない自動車キットシステムはさらに運転者が呼を開始しながら操縦ハンドル
に両手を維持することを可能にする。
【０００５】 スピーチ認識装置はスピーカ依存装置とスピーカ独立装置とに分類される。
スピーカ独立装置は音声コマンドを任意のユーザから受けることができる。さら
により一般的であるスピーカ依存装置は特定のユーザからのコマンドを認識する
ようにトレーニングされている。スピーカ依存のＶＲ装置は典型的に２つのフェ
ーズ、即ちトレーニングフェーズと認識フェーズで動作する。トレーニングフェ
ーズでは、ＶＲシステムはユーザにシステムの語彙の各ワードを１度または２度
発話させ、それによってシステムはこれらの特定のワードまたはフレーズに対す
るユーザのスピーチ特性を学習できる。代わりに、音声的なＶＲ装置では、トレ
ーニングは言語の全ての音素を網羅するように特別にスクリプトされた１以上の
簡単なアーティクルを読取ることにより実現される。手を使用しない自動車キッ
ト用の例示的な語彙はキーパッド上の数字と、キーワード“呼”、“送信”、“
ダイヤル”、“取消し”、“クリア”、“付加”、“消去”、“経歴”、“プロ
グラム”、“イエス”、“ノー”と、予め限定された数の共通して呼ばれる共働
者、友人または家族のメンバの名称を含んでいる。トレーニングが一度完了する
と、ユーザはトレーニングされたキーワードを発話することにより、認識フェー
ズで呼を開始できる。例えば名称“John”がトレーニングされた名称のうちの１
つであるならば、ユーザはフレーズ“Call John ”と言うことによりジョンへの
呼を開始する。ＶＲシステムはワード“Call”と“John”を認識し、ジョンの電
話番号のようなユーザが予め入力した番号をダイヤルする。
【０００６】
【発明が解決しようとする課題】
通常のＲＶ装置は典型的に、入来するスピーチサンプルを解析するためデジタ
ル信号プロセッサ（ＤＳＰ）またはマイクロプロセッサを使用し、関連するパラ
メータを抽出し、パラメータを復号し、復号されたパラメータを記憶された１組
のワードまたはＶＲテンプレートと比較し、ＶＲテンプレートはＶＲ装置のボキ
ャブラリを構成している。ボキャブラリは例えばフラッシュメモリのような非揮
発性メモリに記憶されている。例えばデジタルセルラ電話のようなＤＳＰとマイ
クロプロセッサの両者を有する通常のＶＲシステムでは、非揮発性メモリは通常
ＤＳＰではなくマイクロプロセッサによってアクセス可能である。このようなシ
ステムでは、ＶＲがマイクロプロセッサで全体的に実行されるならば、そのマイ
クロプロセッサは通常、合理的な待ち時間で認識結果を転送するための計算パワ
ーが不足している。他方で、ＶＲはＤＳＰで全体的に実行されるならば、マイク
ロプロセッサはＤＳＰが大きいＶＲテンプレートを保持するのに十分ではない比
較的小さいサイズのオンチップメモリを有するとき、フラッシュメモリを読取り
、読取り内容をＤＳＰへ送ることを必要とする。ＤＳＰとマイクロプロセッサの
間のインターフェイスの典型的に低い帯域幅が所定の量の時間に２つの装置間で
転送されることができるデータ量を限定するので、これは長い時間の必要なプロ
セスである。したがって、ＤＳＰの計算パワーをマイクロプロセッサのメモリ容
量に実効的に結合するＶＲ装置が必要とされている。
【０００７】
【課題を解決するための手段】
本発明は、ＤＳＰの計算パワーとマイクロプロセッサのメモリ容量とを実効的
に結合するＶＲ装置に関する。したがって、本発明の１特徴では、分散された音
声認識システムはデジタル化されたスピーチサンプルを受信し、そこから複数の
パラメータを抽出するように構成されているデジタル信号プロセッサと、複数の
スピーチテンプレートを含んでいる記憶媒体と、記憶媒体およびデジタル信号プ
ロセッサに結合されているプロセッサとを具備しており、このプロセッサはデジ
タル信号プロセッサから複数のパラメータを受信し、複数のパラメータを複数の
スピーチテンプレートと比較するように構成されている。
【０００８】 本発明の別の特徴では、音声認識処理を分散する方法は、デジタル信号プロ
セッサにおいて、複数のデジタル化されたスピーチサンプルから複数のパラメー
タを抽出し、複数のパラメータをマイクロプロセッサへ与え、マイクロプロセッ
サにおいて複数のパラメータを複数のスピーチテンプレートと比較するステップ
を有効に含んでいる。
【０００９】 本発明の別の特徴では、分散された音声認識システムは、複数のデジタル化
されたスピーチサンプルから複数のパラメータを抽出する手段と、複数のスピー
チテンプレートを永久的に記憶する手段と、複数のパラメータを抽出してそれを
複数のスピーチテンプレートと比較する手段から複数のパラメータを受信する手
段とを含んでいることが有効である。
【００１０】
【発明の実施の形態】
図１で示されているように、通常の音声認識システム10は、アナログデジタル
変換器（Ａ／Ｄ）12と、音響プロセッサ14と、ＶＲテンプレートデータベース16
と、パターン比較論理装置18と、決定論理装置20を含んでいる。ＶＲシステム10
は例えば無線電話或いはハンドフリー自動車キットに設けられてもよい。
【００１１】 ＶＲシステム10がスピーチ認識フェーズにあるとき、人（図示せず）はワー
ドまたはフレーズを発話し、スピーチ信号を発生する。スピーチ信号は通常のト
ランスデューサ（図示せず）により電気スピーチ信号ｓ（ｔ）に変換される。ス
ピーチ信号ｓ（ｔ）はＡ／Ｄ12へ与えられ、これは例えばパルス符号変調（ＰＣ
Ｍ）のような既知のサンプリング方法にしたがって、スピーチ信号ｓ（ｔ）をデ
ジタル化されたスピーチサンプルｓ（ｎ）へ変換する。
【００１２】 スピーチサンプルｓ（ｎ）はパラメータ決定のために音響プロセッサ14へ与
えられる。音響プロセッサ14は入力スピーチ信号ｓ（ｔ）特性をモデル化する１
組のパラメータを生成する。パラメータは、前述の米国特許第5,414,796 号明細
書に記載されているように、例えばスピーチコーダの符号化を含んだ任意の複数
の既知のスピーチパラメータ決定技術にしたがって高速度フーリエ変換（ＦＦＴ
）ベースのケプストラム係数を使用して決定されてもよい。音響プロセッサ14は
デジタル信号プロセッサ（ＤＳＰ）として構成されてもよい。ＤＳＰはスピーチ
コーダを含んでもよい。代わりに、音響プロセッサ14はスピーチコーダとして構
成されてもよい。
【００１３】 パラメータ決定もＶＲシステム10のトレーニング中に実行され、ここでＶＲ
システム10の全てのボキャブラリワードの１組のテンプレートは永久的に記憶す
るためＶＲテンプレートデータベース16へ伝送される。ＶＲテンプレートデータ
ベース16は例えばフラッシュメモリ等の任意の通常の非揮発性記憶媒体の形態と
して有効に構成される。これによって、ＶＲシステム10へのパワーがオフに切換
えられたとき、テンプレートがＶＲテンプレートデータベース16に保持されるこ
とが可能である。
【００１４】 １組のパラメータはパターン比較論理装置18へ与えられる。パターン比較論
理装置18は発話のスタートおよびエンドポイントを有効に検出し、（例えば時間
導関数、２次時間導関数等の）ダイナミックな音響特性を計算し、関連するフレ
ームを選択することにより音響特性を圧縮し、静的およびダイナミック特性を量
子化する。エンドポイント検出、ダイナミック音響特性の微分、パターン圧縮、
パターン量子化の種々の既知の方法は、例えば文献（Lawrence Rabiner & Biing
-Hwang Juang、Fundamentals of Speech Recognition（1993年））に記載されて
いる。パターン比較論理装置18は結果的な１組のパラメータをＶＲテンプレート
データベース16に記憶されている全てのテンプレートと比較する。パラメータの
セットとＶＲテンプレートデータベース16に記憶されている全てのテンプレート
との比較結果または離たりは決定論理装置20に与えられる。決定論理装置20はＶ
Ｒテンプレートデータベース16から、パラメータセットに最も近く一致するテン
プレートを選択する。その代りとして、決定論理装置20は通常の“Ｎベスト”選
択アルゴリズムを使用してもよく、これは予め定められた一致しきい値内のＮ個
の最も近い一致を選択する。その後、意図した選択について人に質問する。決定
論理装置20の出力は発話されたボキャブラリのワードについての決定である。
【００１５】 パターン比較論理装置18と決定論理装置20はマイクロプロセッサとして有効
に構成されることが有効である。ＶＲシステム10は例えば特定用途向け集積回路
（ＡＳＩＣ）であってもよい。ＶＲシステム10の認識の正確性はＶＲシステム10
がボキャブラリ中の発話したワードまたはフレーズをいかに正確に認識するかの
尺度である。例えば９５％の認識の正確性はＶＲシステム10がボキャブラリ中の
ワードを１００回中９５回を正確に認識することを示している。
【００１６】 図２で示されている１実施形態では、分散されたＶＲシステムはＡＳＩＣ100
中に設けられている。ＡＳＩＣ100 は例えば無線電話装置中に設けられる。Ａ
ＳＩＣ100 はＡ／Ｄ変換器102 、ＤＳＰ104 、プロセッサ106 、非揮発性記憶媒
体108 、デジタルアナログ変換器（Ｄ／Ａ）110 を含んでいる。プロセッサ106
はマイクロプロセッサであることが好ましいが、任意の一般的なプロセッサ、制
御装置または状態マシンであってもよい。非揮発性媒体108 はフラッシュメモリ
108 であることが有効であるが、その代りとして、非揮発性記憶媒体108 は任意
の通常の形態の非揮発性の書込み可能なメモリであってもよい。ＤＳＰ104 はス
ピーチコーダ（図示せず）とスピーチデコーダ（図示せず）を含んでいる。ＤＳ
Ｐ104 は例えば、ボコード、ＶＲフロントエンド処理（即ちスピーチ解析）、背
景雑音抑制、音響エコー消去を含む幾つかの機能を行うことができる。代りとし
てＤＳＰ104 は毎秒８キロビット（ｋｂｐｓ）コード励起線形予測（ＣＥＬＰ）
コーダ、（前述の米国特許第5,414,796 号明細書に記載の）１３ｋｂｐｓのＣＥ
ＬＰコーダ、またはコード分割多元接続（ＣＤＭＡ）強化された可変速度コーデ
ィング（ＥＶＲＣ）コーダのような通常のボコーダであってもよい。
【００１７】 マイクロホン112 はＡ／Ｄ変換器102 への入力としてＡＳＩＣ100 に結合さ
れている。発声者（図示せず）はマイクロホン112 へ発話し、マイクロホン112
はアナログ音声信号ｓ（ｔ）をＡ／Ｄ変換器102 へ供給する。Ａ／Ｄ変換器102
は例えばＰＣＭのような既知の方法にしたがって、アナログスピーチ信号ｓ（ｔ
）をデジタルサンプルｓ（ｎ）へ変換する。Ａ／Ｄ102 変換器はＤＳＰ104 へ結
合されている。デジタル化されたスピーチサンプルｓ（ｎ）はフロントエンド処
理するためにＤＳＰ104 へ提供される。
【００１８】 ＤＳＰ104 では、フーリエ変換がデジタル化されたスピーチサンプルｓ（ｎ
）について実行され、時間ドメインサンプルｓ（ｎ）を周波数ドメイン値へ変換
する。周波数ドメインは、複数のバンドパスフィルタ（図示せず）を信号が通過
することによって幾つかの隣接周波数帯域に区分される。バンドパスフィルタは
有限インパルス応答（ＦＩＲ）フィルタが有効である。フィルタタップはそれぞ
れ連続的なフィルタにより広い周波数帯域幅を通過するように設定されており、
連続的なフィルタ間の幅の変化は対数的に増加する。全てのフィルタにより通過
された周波数範囲は全体で人間の音声範囲を含んでいる。低い端部では、通過し
た帯域幅は比較的狭く、高い端部では、通過した帯域幅は比較的広い。これによ
って人間の耳は低い周波数で良好に弁別するので、人間の耳はより正確に音を知
覚する。対数周波数スケールはバーク（Bark）スケールであってもよく、または
その代りにスケールはメル（Mel ）スケールであってもよい。このようなスケー
ルはよく知られており、例えば前述のLawrence Rabiner & Biing-Hwang Juangの
Fundamentals of Speech Recognition 78−79頁（1993年）に記載されている。
【００１９】 １実施形態では、１３の帯域通過フィルタが使用される。以下の式はフィル
タのバンクを説明している。 ｂ1 ＝Ｃ ２≦ｉ≦１３では、ｂi ＝ｂi-1
【数１】 ここでＣとｆ1 はそれぞれ任意のセットの帯域幅と、第１のフィルタの中心周波
数であり、αは対数成長係数である。
【００２０】 各フレームでは、ＤＳＰ104 は例えば前述の米国特許第5,414,796 号明細書
（Rabiner & Schafer と、Rabiner & Juang 、69−140 ）に記載されている通常
の特徴抽出方法にしたがって帯域パワー値のベクトルを抽出する。１実施形態で
は、１３の帯域パワー値のベクトルはフレーム毎に抽出され、フレームは２０ミ
リ秒の長さであり、５０％だけ重複している。帯域パワー値はパケット化され、
マイクロプロセッサ106 へパケットとして与えられる。
【００２１】 マイクロプロセッサ106 はフラッシュメモリ108 の記憶されたテンプレート
ボキャブラリ内容を読取るためにフラッシュメモリ108 をアクセスする。マイク
ロプロセッサ106 はエンドポイントがＶＲデコーダ（図示せず）で必要とされる
ならば、受信されたデータパケットに基づいて発話の開始および終了点を検出す
る。マイクロプロセッサ106 はその後、（例えば時間導関数、２次時間導関数等
のような）ダイナミック音響特徴を計算し、選択された関連フレームにより音響
特性を圧縮し、静止およびダイナミック音響特徴を量子化する。エンドポイント
検出、ダイナミック音響特徴導出、パターン圧縮、パターン量子化の種々の既知
の方法は例えば前述のLawrence Rabiner & Biing-Hwang Juangの Fundamentals
of Speech Recognition （1993年）に記載されている。
【００２２】 マイクロプロセッサ106 は発話をフラッシュメモリ108 の内容と比較する。
マイクロプロセッサ106 はそのパケットに最もよく似た記憶されたワードを選択
する。種々のパターン認識技術は、Rabiner & Juang 、141 −241 頁に記載され
ている。マイクロプロセッサ106 はその後、例えばマイクロプロセッサ106 に結
合するアンテナ114 を通して基地局（図示せず）との通信によって電話を特定の
人に開始する等の記憶されたワードに関連されるコマンドを実行する。
【００２３】 会話が開始するとき、トラフィックチャンネルスピーチパケットはＤＳＰ104
により符号化され、マイクロプロセッサ106 へ伝送され、変調回路（図示せず
）により空中を送信するために変調される。パケットはまたマイクロプロセッサ
106 の符号化論理装置（図示せず）で変調される前に符号化されてもよい。パケ
ットはその後、アンテナ114 を介して空中に送信される。会話の相手側から受信
されたスピーチパケットはアンテナ114 から復調回路（図示せず）へ伝送される
。復調されたパケットはマイクロプロセッサ106 中の復号論理装置（図示せず）
で復号される。パケットはその後、マイクロプロセッサ106 からＤＳＰ104 へ伝
送され、これはパケットをベクトル量子化から復元する。パケットはその後アナ
ログスピーチ信号へ変換するためにＤ／Ａ変換器110 へ与えられる。アナログス
ピーチ信号は高声器116 へ与えられ、高声器116 は発声者が聞いたワードを再生
する。
【００２４】 １実施形態では、ＡＳＩＣ200 はＶＲのフロントエンド処理を実行するため
のボコーダ202 を含んでいる。ボコーダ202 はパケットバッファ204 へ結合され
ている。このパケットバッファ204 はプロセッサ206 へ結合される。プロセッサ
206 は非揮発性記憶媒体208 に結合されている。ＡＳＩＣ200 は例えば無線電話
ハンドセット中に設けられることができる。ボコーダ202 は米国特許第5,414,79
6 号明細書に記載されているような可変速度の１３ｋｂｐｓのＣＥＬＰボコーダ
であるが、８ｋｂｐｓのＣＥＬＰボコーダまたはＣＤＭＡ ＥＶＲＣボコーダで
も同等に良好である。プロセッサ206 はマイクロプロセッサであることが好まし
いが、代わりに任意の通常の形態のプロセッサ、制御装置または状態マシンであ
ってもよい。非揮発性記憶媒体208 には便宜上フラッシュメモリで構成されるこ
とが好ましいが、その代りの技術では任意の通常の形態の書込み可能な非揮発性
メモリが設けられることができる。パケットバッファ204 は通常のバッファ素子
である。
【００２５】 デジタル化されたスピーチサンプルｓ（ｎ）はボコーダ202 へ与えられる。
ボコーダ202 は米国特許第5,414,796 号明細書に記載されている既知のボコーデ
ィング技術によりスピーチサンプルｓ（ｎ）を符号化する。前述の特定の実施形
態では、ボコーダ202 はフレーム当り１２８バイトを生成し、各フレームは２０
ミリ秒の長さである。各フレームで、１２８バイトがパケットバッファ204 へ与
えられる。マイクロプロセッサ206 はフレーム毎にパケットバッファ204 から１
２８バイト（１パケット）を読取る。マイクロプロセッサ206 はその後、終了点
がＶＲデコーダ（図示せず）で必要とされるならば、受信されたデータパケット
に基づいて発話の開始および終了点を検出する。それからマイクロプロセッサ20
6 は（例えば時間導関数、２次時間導関数等の）ダイナミック音響特徴を計算し
、関連するフレームを選択することにより音響特徴を圧縮し、静的および動的音
響特徴を量子化する。終了点検出、ダイナミック音響特徴の導出、パターン圧縮
、パターン量子化の種々の既知の方法は、例えば前述のLawrence Rabiner & Bii
ng-Hwang Juangの Fundamentals of Speech Recognition （1993年）に記載され
ている。マイクロプロセッサ206 はその後、フラッシュメモリ208 にアクセスし
、メモリ内容をパケットバッファ204 から読取られた各パケットと比較し、Rabi
ner & Juang 、141 −241 頁に記載されている既知のパターン認識技術にしたが
ってワードの決定を行う。
【００２６】 説明した特定の実施形態では、ボコーダ202 は全速度で符号化され、フレー
ム当り３５バイト生成され、１２８バイトの残りはボコーダ診断データに利用可
能である。ボコーダ202 が１／２速度で符号化されるならば、フレーム当り１７
バイトが生成され、１２８バイトの残りはボコーダ診断データに利用可能である
。ボコーダ202 が１／４速度で符号化されるならば、フレーム当り７バイトが生
成され、１２８バイトの残りはボコーダ診断データに利用可能である。ボコーダ
202 が１／８速度で符号化されるならば、フレーム当り３バイトが生成され、１
２８バイトの残りはボコーダ診断データに利用可能である。ボコーダ202 はスピ
ーチ認識中、１／２速度で符号化することが有効である。したがって、１１１バ
イトがボコーダ診断データに利用可能である。
【００２７】 説明した特別の実施形態では、ボコーダ202 のコード化速度にかかわりなく
、５１バイトが診断データに必要とされる。ボコーダ202 が全速度でコード化す
るならば、４０個の付加的なバイトがボコーダ診断データに必要とされる。コー
ド化速度が１／２速度ならば、１６個の付加的なバイトだけがボコーダ診断デー
タに必要とされる。コード化速度が１／４速度ならば、５個の付加的なバイトだ
けがボコーダ診断データに必要とされる。コード化速度が１／８速度ならば、た
だ１個の付加的なバイトがボコーダ診断データに必要とされる。
【００２８】 ボコーダパケットは量子化されたパラメータ（例えば１／２速度で、１７個
のボコーダバイトが量子化される）を有し、ボコーダ診断データのバイトは量子
化されないパラメータを含んでいる（例えば１／２速度で、１２８−１７＝１１
１バイトまでのボコーダ診断データは量子化されない）。さらに、ボコーダ診断
データは全てのボコーダデータを含んでいないが、ボコーダ診断データはＶＲに
関する全てのボコーダデータを含む。したがって、ボコーダ診断データはＶＲ目
的に使用されてもよい。これは以下説明するように大きな利点を与える。
【００２９】 ボコーダパケットから関連するＶＲパラメータを得ることは、パケットが最
初に量子化されないことを必要とする。例えば、ボコーダ202 では線形の予測コ
ード化（ＬＰＣ）係数はラインスペクトル対（ＬＳＰ）周波数に変換される。フ
レーム当り１０のＬＳＰ周波数はベクトル量子化され、規則的なボコーダパケッ
トにパックされる。マイクロプロセッサ206 では、量子化されていないＬＳＰ周
波数はフレームベースで受信されたボコーダパケットをアンパックし、それらを
量子化でなくすることにより得られる。量子化されていないＬＳＰ周波数はその
後ＬＰＣ係数に変換される。そのＬＰＣ係数はケプストラム係数へ変換され、こ
のＬＰＣ係数はログの大きさのスペクトルのフーリエ変換係数である。ケプスト
ラム係数はデジタル化されたスピーチサンプルｓ（ｎ）のフーリエ変換係数の対
数の逆フーリエ変換を取ることにより得られる。ＬＳＰ周波数をＬＰＣ係数とケ
プストラム係数へ変換する技術およびＬＰＣ係数をＬＳＰ周波数とボコーダパケ
ットへ変換する技術は前述の米国特許第5,414,796 号明細書に詳細に記載されて
いる。
【００３０】 ベクトル量子化でなくするまたは“圧縮解除”するために、前述の方法によ
るボコーダパケットからのデータは計算にコストがかり、大量の処理能力を必要
とする。さらに、大きいＬＳＰベクトル量子化（ＶＱ）コードブックが必要とさ
れ、これをマイクロプロセッサ206 はフラッシュメモリ208 に永久的に保存する
。前述の実施形態では、ＶＲのためのボコーダパケットの量子化を解除する代わ
りにボコーダ診断データがＶＲに使用されるので、必要な計算力およびメモリ容
量の問題を避けることができる。
【００３１】 したがって、優秀で改良された分散された音声認識システムを説明した。当
業者は、ここで説明した実施形態と関連して説明した種々の示された論理ブロッ
クおよびアルゴリズムステップがデジタル信号プロセッサ（ＤＳＰ）、特定用途
向け集積回路（ＡＳＩＣ）、ディスクリートなゲートまたはトランジスタ論理装
置、レジスタおよびＦＩＦＯ等のディスクリートなハードウェア部品、１組のフ
ァームウェア命令を実行するプロセッサ、または任意の通常のプログラム可能な
ソフトウェアモジュールおよび、プロセッサによって構成され或いは実行される
ことができることを認識するであろう。プロセッサはマイクロプロセッサである
と有効であるが、別の実施形態では、プロセッサは任意の通常のプロセッサ、制
御装置、マイクロ制御装置または状態マシンであってもよい。ソフトウェアモジ
ュールはＲＡＭメモリ、フラッシュメモリ、レジスタまたは技術で知られている
任意の他の形態の書込み可能な記憶媒体に設置される。当業者は前述の説明で参
照したデータ、命令、コマンド、情報、信号、ビット、符号、チップが電圧、電
流、電磁波、磁界または粒子、光フィールドまたは粒子、或いは任意の組合わせ
により有効に表されることをさらに認識するであろう。
【００３２】 本発明の好ましい実施形態を示し説明した。しかしながら多くの変形が本発
明の技術的範囲を逸脱せずにここで説明した実施形態に対して行われてもよいこ
とは当業者には明白であろう。それ故、本発明は特許請求の範囲を除いては限定
されない。
【図面の簡単な説明】
【図１】 通常の音声認識システムのブロック図。
【図２】 分散された音声認識システムのブロック図。
【図３】 フロントエンド処理にボコーダを使用する分散された音声認識システムのブロ
ック図。
───────────────────────────────────────────────────── 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，ＴＺ，ＵＧ，ＺＷ )，ＥＡ(ＡＭ，ＡＺ，ＢＹ，ＫＧ，ＫＺ，ＭＤ，ＲＵ， ＴＪ，ＴＭ)，ＡＥ，ＡＬ，ＡＭ，ＡＴ，ＡＵ，ＡＺ， ＢＡ，ＢＢ，ＢＧ，ＢＲ，ＢＹ，ＣＡ，ＣＨ，ＣＮ，Ｃ Ｒ，ＣＵ，ＣＺ，ＤＥ，ＤＫ，ＤＭ，ＥＥ，ＥＳ，ＦＩ ，ＧＢ，ＧＤ，ＧＥ，ＧＨ，ＧＭ，ＨＲ，ＨＵ，ＩＤ， ＩＬ，ＩＮ，ＩＳ，ＪＰ，ＫＥ，ＫＧ，ＫＰ，ＫＲ，Ｋ Ｚ，ＬＣ，ＬＫ，ＬＲ，ＬＳ，ＬＴ，ＬＵ，ＬＶ，ＭＡ ，ＭＤ，ＭＧ，ＭＫ，ＭＮ，ＭＷ，ＭＸ，ＮＯ，ＮＺ， ＰＬ，ＰＴ，ＲＯ，ＲＵ，ＳＤ，ＳＥ，ＳＧ，ＳＩ，Ｓ Ｋ，ＳＬ，ＴＪ，ＴＭ，ＴＲ，ＴＴ，ＴＺ，ＵＡ，ＵＧ ，ＵＺ，ＶＮ，ＹＵ，ＺＡ，ＺＷ

Claims (14)

    【特許請求の範囲】
  1. 【請求項１】 分散された音声認識システムにおいて、 デジタル化されたスピーチサンプルを受信し、そこから複数のパラメータを抽
    出するように構成されているデジタル信号プロセッサと、 複数のスピーチテンプレートを含んでいる記憶媒体と、 記憶媒体およびデジタル信号プロセッサに結合され、デジタル信号プロセッサ
    から複数のパラメータを受信し、複数のパラメータを複数のスピーチテンプレー
    トと比較するように構成されているプロセッサとを具備しているシステム。
  2. 【請求項２】 さらに、プロセッサは複数のパラメータと複数のスピーチテ
    ンプレートとの比較に基づいて複数のスピーチテンプレートの１つを選択するよ
    うに構成されている請求項１記載のシステム。
  3. 【請求項３】 デジタル信号プロセッサ、記憶媒体、およびプロセッサは特
    定用途集積回路（ＡＳＩＣ）に設けられている請求項１記載のシステム。
  4. 【請求項４】 デジタル信号プロセッサは、ボコーダパケットおよび診断デ
    ータを生成するように構成されたボコーダを具備し、複数のパラメータはこのボ
    コーダにより生成された診断データの少なくとも１部分を含んでいる請求項１記
    載のシステム。
  5. 【請求項５】 ボコーダ、記憶媒体、およびプロセッサは特定用途集積回路
    （ＡＳＩＣ）に設けられている請求項４記載のシステム。
  6. 【請求項６】 デジタル信号プロセッサにおいて、複数のデジタル化された
    スピーチサンプルから複数のパラメータを抽出し、 複数のパラメータをマイクロプロセッサへ与え、 マイクロプロセッサにおいて、複数のパラメータを複数のスピーチテンプレー
    トと比較するステップを含んでいる音声認識処理を分散する方法。
  7. 【請求項７】 マイクロプロセッサにおいて、比較ステップの結果に基づい
    てスピーチテンプレートの１つを選択するステップをさらに含んでいる請求項６
    記載の方法。
  8. 【請求項８】 抽出するステップはボコーダパケットおよび診断データを生
    成するように構成されているボコーダで行われ、複数のパラメータはボコーダに
    よって生成された診断データの少なくとも１部分を含んでいる請求項６記載の方
    法。
  9. 【請求項９】 複数のデジタル化されたスピーチサンプルから複数のパラメ
    ータを抽出する手段と、 複数のスピーチテンプレートを記憶する手段と、 複数のパラメータを前記抽出する手段から受信し、複数のパラメータを複数の
    スピーチテンプレートと比較する手段とを具備している分散された音声認識シス
    テム。
  10. 【請求項１０】 受信および比較を行う手段は、複数のパラメータと複数の
    スピーチテンプレートとの比較に基づいて、複数のスピーチテンプレートから１
    つを選択する手段を含んでいる請求項１記載のシステム。
  11. 【請求項１１】 抽出する手段と、記憶する手段と、受信および比較を行う
    手段は特定用途集積回路（ＡＳＩＣ）に設けられている請求項１記載のシステム
    。
  12. 【請求項１２】 抽出する手段はボコーダパケットおよび診断データを生成
    するように構成されているボコーダを含み、複数のパラメータはボコーダによっ
    て生成された診断データの少なくとも１部分を含んでいる請求項１記載のシステ
    ム。
  13. 【請求項１３】 記憶する手段はフラッシュメモリを具備している請求項１
    記載のシステム。
  14. 【請求項１４】 ボコーダと、記憶する手段と、受信および比較を行う手段
    とは特定用途集積回路（ＡＳＩＣ）に設けられている請求項１２記載のシステム
    。
JP2000597795A 1999-02-08 2000-02-04 分散された音声認識システム Expired - Lifetime JP4607334B2 (ja)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US09/246,413 US6411926B1 (en) 1999-02-08 1999-02-08 Distributed voice recognition system
US09/246,413 1999-02-08
PCT/US2000/002904 WO2000046794A1 (en) 1999-02-08 2000-02-04 Distributed voice recognition system

Publications (3)

Publication Number Publication Date
JP2002536692A true JP2002536692A (ja) 2002-10-29
JP2002536692A5 JP2002536692A5 (ja) 2007-03-29
JP4607334B2 JP4607334B2 (ja) 2011-01-05

Family

ID=22930576

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2000597795A Expired - Lifetime JP4607334B2 (ja) 1999-02-08 2000-02-04 分散された音声認識システム

Country Status (10)

Country Link
US (1) US6411926B1 (ja)
EP (1) EP1159736B1 (ja)
JP (1) JP4607334B2 (ja)
KR (1) KR100629669B1 (ja)
CN (1) CN1168070C (ja)
AT (1) ATE426888T1 (ja)
AU (1) AU3589400A (ja)
DE (1) DE60041869D1 (ja)
HK (1) HK1044403B (ja)
WO (1) WO2000046794A1 (ja)

Families Citing this family (42)

* Cited by examiner, † Cited by third party
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
US7050977B1 (en) 1999-11-12 2006-05-23 Phoenix Solutions, Inc. Speech-enabled server for internet website and method
US6615172B1 (en) 1999-11-12 2003-09-02 Phoenix Solutions, Inc. Intelligent query engine for processing voice based queries
US6633846B1 (en) 1999-11-12 2003-10-14 Phoenix Solutions, Inc. Distributed realtime speech recognition system
US7392185B2 (en) 1999-11-12 2008-06-24 Phoenix Solutions, Inc. Speech based learning/training system using semantic decoding
US7725307B2 (en) * 1999-11-12 2010-05-25 Phoenix Solutions, Inc. Query engine for processing voice based queries including semantic decoding
US6665640B1 (en) 1999-11-12 2003-12-16 Phoenix Solutions, Inc. Interactive speech based learning/training system formulating search queries based on natural language parsing of recognized user queries
KR100366057B1 (ko) * 2000-06-26 2002-12-27 한국과학기술원 인간 청각 모델을 이용한 효율적인 음성인식 장치
US6832194B1 (en) * 2000-10-26 2004-12-14 Sensory, Incorporated Audio recognition peripheral system
US20030004720A1 (en) * 2001-01-30 2003-01-02 Harinath Garudadri System and method for computing and transmitting parameters in a distributed voice recognition system
DE60115042T2 (de) * 2001-09-28 2006-10-05 Alcatel Kommunikationsvorrichtung und Verfahren zum Senden und Empfangen von Sprachsignalen unter Kombination eines Spracherkennungsmodules mit einer Kodiereinheit
US6718013B2 (en) * 2001-10-01 2004-04-06 Voicecards, Inc. Audio recording system and method of use
WO2003105126A1 (en) 2002-06-05 2003-12-18 Vas International, Inc. Biometric identification system
KR20040023345A (ko) * 2002-09-11 2004-03-18 현대모비스 주식회사 텔레매틱스의 음성인식 장치
JP4304952B2 (ja) * 2002-10-07 2009-07-29 三菱電機株式会社 車載制御装置、並びにその操作説明方法をコンピュータに実行させるプログラム
US7922583B2 (en) * 2003-08-05 2011-04-12 Igt Digital signal processor based generation and control of electronic signals in a gaming machine
WO2005064592A1 (ja) * 2003-12-26 2005-07-14 Kabushikikaisha Kenwood 機器制御装置、音声認識装置、エージェント装置、車載機器制御装置、ナビゲーション装置、オーディオ装置、機器制御方法、音声認識方法、エージェント処理方法、車載機器制御方法、ナビゲーション方法、オーディオ装置制御方法及びプログラム
KR100640893B1 (ko) * 2004-09-07 2006-11-02 엘지전자 주식회사 음성 인식용 베이스밴드 모뎀 및 이동통신용 단말기
CN1326112C (zh) * 2005-03-28 2007-07-11 华南理工大学 一种语音识别装置及其集成电路实现方法
US7599861B2 (en) 2006-03-02 2009-10-06 Convergys Customer Management Group, Inc. System and method for closed loop decisionmaking in an automated care system
US8379830B1 (en) 2006-05-22 2013-02-19 Convergys Customer Management Delaware Llc System and method for automated customer service with contingent live interaction
US7809663B1 (en) 2006-05-22 2010-10-05 Convergys Cmg Utah, Inc. System and method for supporting the utilization of machine language
KR100794140B1 (ko) * 2006-06-30 2008-01-10 주식회사 케이티 분산 음성 인식 단말기에서 음성 부호화기의 전처리를공유해 잡음에 견고한 음성 특징 벡터를 추출하는 장치 및그 방법
KR100897554B1 (ko) * 2007-02-21 2009-05-15 삼성전자주식회사 분산 음성인식시스템 및 방법과 분산 음성인식을 위한 단말기
US8260619B1 (en) 2008-08-22 2012-09-04 Convergys Cmg Utah, Inc. Method and system for creating natural language understanding grammars
WO2009047858A1 (ja) * 2007-10-12 2009-04-16 Fujitsu Limited エコー抑圧システム、エコー抑圧方法、エコー抑圧プログラム、エコー抑圧装置、音出力装置、オーディオシステム、ナビゲーションシステム及び移動体
US9117449B2 (en) 2012-04-26 2015-08-25 Nuance Communications, Inc. Embedded system for construction of small footprint speech recognition with user-definable constraints
KR20130133629A (ko) * 2012-05-29 2013-12-09 삼성전자주식회사 전자장치에서 음성명령을 실행시키기 위한 장치 및 방법
US9361885B2 (en) 2013-03-12 2016-06-07 Nuance Communications, Inc. Methods and apparatus for detecting a voice command
US9112984B2 (en) 2013-03-12 2015-08-18 Nuance Communications, Inc. Methods and apparatus for detecting a voice command
US11393461B2 (en) 2013-03-12 2022-07-19 Cerence Operating Company Methods and apparatus for detecting a voice command
WO2014156964A1 (ja) 2013-03-29 2014-10-02 昭栄化学工業株式会社 太陽電池素子表面電極用導電性ペースト及び太陽電池素子の製造方法
US10032449B2 (en) * 2014-09-03 2018-07-24 Mediatek Inc. Keyword spotting system for achieving low-latency keyword recognition by using multiple dynamic programming tables reset at different frames of acoustic data input and related keyword spotting method
US20160295426A1 (en) * 2015-03-30 2016-10-06 Nokia Solutions And Networks Oy Method and system for communication networks
EP3414759B1 (en) 2016-02-10 2020-07-01 Cerence Operating Company Techniques for spatially selective wake-up word recognition and related systems and methods
US11600269B2 (en) 2016-06-15 2023-03-07 Cerence Operating Company Techniques for wake-up word recognition and related systems and methods
US10832031B2 (en) 2016-08-15 2020-11-10 Apple Inc. Command processing using multimodal signal analysis
US10913463B2 (en) 2016-09-21 2021-02-09 Apple Inc. Gesture based control of autonomous vehicles
WO2018086033A1 (en) 2016-11-10 2018-05-17 Nuance Communications, Inc. Techniques for language independent wake-up word detection
US10372132B2 (en) 2016-12-12 2019-08-06 Apple Inc. Guidance of autonomous vehicles in destination vicinities using intent signals
US10601599B2 (en) * 2017-12-29 2020-03-24 Synaptics Incorporated Voice command processing in low power devices
CN110111774A (zh) * 2019-05-13 2019-08-09 广西电网有限责任公司南宁供电局 机器人语音识别方法和装置

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0642153B2 (ja) * 1989-12-20 1994-06-01 株式会社エイ・ティ・アール視聴覚機構研究所 音声認識装置
JPH07114395A (ja) * 1993-09-03 1995-05-02 Microsoft Corp 音声認識用データ圧縮
US5651096A (en) * 1995-03-14 1997-07-22 Apple Computer, Inc. Merging of language models from two or more application programs for a speech recognition system
US5794196A (en) * 1995-06-30 1998-08-11 Kurzweil Applied Intelligence, Inc. Speech recognition system distinguishing dictation from commands by arbitration between continuous speech and isolated word modules
US5850627A (en) * 1992-11-13 1998-12-15 Dragon Systems, Inc. Apparatuses and methods for training and operating speech recognition systems

Family Cites Families (28)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4567606A (en) 1982-11-03 1986-01-28 International Telephone And Telegraph Corporation Data processing apparatus and method for use in speech recognition
FR2571191B1 (fr) 1984-10-02 1986-12-26 Renault Systeme de radiotelephone, notamment pour vehicule automobile
JPS61105671A (ja) 1984-10-29 1986-05-23 Hitachi Ltd 自然言語処理装置
US4991217A (en) 1984-11-30 1991-02-05 Ibm Corporation Dual processor speech recognition system with dedicated data acquisition bus
JPS6269297A (ja) 1985-09-24 1987-03-30 日本電気株式会社 話者確認タ−ミナル
US4903301A (en) * 1987-02-27 1990-02-20 Hitachi, Ltd. Method and system for transmitting variable rate speech signal
US5231670A (en) 1987-06-01 1993-07-27 Kurzweil Applied Intelligence, Inc. Voice controlled system and method for generating text from a voice controlled input
US5321840A (en) 1988-05-05 1994-06-14 Transaction Technology, Inc. Distributed-intelligence computer system including remotely reconfigurable, telephone-type user terminal
US5040212A (en) 1988-06-30 1991-08-13 Motorola, Inc. Methods and apparatus for programming devices to recognize voice commands
US5054082A (en) 1988-06-30 1991-10-01 Motorola, Inc. Method and apparatus for programming devices to recognize voice commands
US5325524A (en) 1989-04-06 1994-06-28 Digital Equipment Corporation Locating mobile objects in a distributed computer system
US5012518A (en) 1989-07-26 1991-04-30 Itt Corporation Low-bit-rate speech coder using LPC data reduction processing
US5146538A (en) 1989-08-31 1992-09-08 Motorola, Inc. Communication system and method with voice steering
US5280585A (en) 1990-09-28 1994-01-18 Hewlett-Packard Company Device sharing system using PCL macros
DE69232202T2 (de) 1991-06-11 2002-07-25 Qualcomm Inc Vocoder mit veraendlicher bitrate
WO1993001664A1 (en) 1991-07-08 1993-01-21 Motorola, Inc. Remote voice control system
US5305420A (en) 1991-09-25 1994-04-19 Nippon Hoso Kyokai Method and apparatus for hearing assistance with speech speed control function
ZA948426B (en) 1993-12-22 1995-06-30 Qualcomm Inc Distributed voice recognition system
US5784532A (en) * 1994-02-16 1998-07-21 Qualcomm Incorporated Application specific integrated circuit (ASIC) for performing rapid speech compression in a mobile telephone system
JP2606142B2 (ja) 1994-06-15 1997-04-30 日本電気株式会社 ディジタル携帯電話機
GB9416463D0 (en) 1994-08-15 1994-10-05 Farrington Jonathan S Sound control device
US5832430A (en) * 1994-12-29 1998-11-03 Lucent Technologies, Inc. Devices and methods for speech recognition of vocabulary words with simultaneous detection and verification
DE19533541C1 (de) * 1995-09-11 1997-03-27 Daimler Benz Aerospace Ag Verfahren zur automatischen Steuerung eines oder mehrerer Geräte durch Sprachkommandos oder per Sprachdialog im Echtzeitbetrieb und Vorrichtung zum Ausführen des Verfahrens
US5774841A (en) * 1995-09-20 1998-06-30 The United States Of America As Represented By The Adminstrator Of The National Aeronautics And Space Administration Real-time reconfigurable adaptive speech recognition command and control apparatus and method
TW439380B (en) 1995-10-09 2001-06-07 Hitachi Ltd Terminal apparatus
US5774836A (en) * 1996-04-01 1998-06-30 Advanced Micro Devices, Inc. System and method for performing pitch estimation and error checking on low estimated pitch values in a correlation based pitch estimator
US6003004A (en) * 1998-01-08 1999-12-14 Advanced Recognition Technologies, Inc. Speech recognition method and system using compressed speech data
US6061653A (en) * 1998-07-14 2000-05-09 Alcatel Usa Sourcing, L.P. Speech recognition system using shared speech models for multiple recognition processes

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0642153B2 (ja) * 1989-12-20 1994-06-01 株式会社エイ・ティ・アール視聴覚機構研究所 音声認識装置
US5850627A (en) * 1992-11-13 1998-12-15 Dragon Systems, Inc. Apparatuses and methods for training and operating speech recognition systems
JPH07114395A (ja) * 1993-09-03 1995-05-02 Microsoft Corp 音声認識用データ圧縮
US5651096A (en) * 1995-03-14 1997-07-22 Apple Computer, Inc. Merging of language models from two or more application programs for a speech recognition system
US5794196A (en) * 1995-06-30 1998-08-11 Kurzweil Applied Intelligence, Inc. Speech recognition system distinguishing dictation from commands by arbitration between continuous speech and isolated word modules

Also Published As

Publication number Publication date
DE60041869D1 (de) 2009-05-07
AU3589400A (en) 2000-08-25
HK1044403B (zh) 2005-05-20
WO2000046794A1 (en) 2000-08-10
JP4607334B2 (ja) 2011-01-05
HK1044403A1 (en) 2002-10-18
KR20010093326A (ko) 2001-10-27
CN1168070C (zh) 2004-09-22
ATE426888T1 (de) 2009-04-15
US6411926B1 (en) 2002-06-25
CN1352787A (zh) 2002-06-05
KR100629669B1 (ko) 2006-09-29
EP1159736A1 (en) 2001-12-05
EP1159736B1 (en) 2009-03-25

Similar Documents

Publication Publication Date Title
JP4607334B2 (ja) 分散された音声認識システム
KR100923896B1 (ko) 분산형 음성 인식 시스템에서 음성 활성을 송신하는 방법및 장치
KR100391287B1 (ko) 압축된 음성 데이터를 이용하는 음성인식방법 및 시스템과 그 시스템을 이용한 디지탈 셀룰러 전화
US7941313B2 (en) System and method for transmitting speech activity information ahead of speech features in a distributed voice recognition system
US6119086A (en) Speech coding via speech recognition and synthesis based on pre-enrolled phonetic tokens
KR100594670B1 (ko) 자동 음성 인식 시스템 및 방법과, 자동 화자 인식 시스템
JPH09507105A (ja) 分散音声認識システム
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
WO2002061727A2 (en) System and method for computing and transmitting parameters in a distributed voice recognition system
TW546632B (en) System and method for efficient storage of voice recognition models
JP2004536329A (ja) 分散型音声認識システムにおける音声認識のためのシステム及び方法
JP2002507291A (ja) 音声通信システムにおける音声強調方法およびその装置
WO2006113029A1 (en) Bandwidth efficient digital voice communication system and method
JP4643011B2 (ja) 音声認識除去方式
US20040148160A1 (en) Method and apparatus for noise suppression within a distributed speech recognition system
US7050969B2 (en) Distributed speech recognition with codec parameters
Grassi et al. Distributed speaker recognition using the ETSI AURORA standard
KR100794140B1 (ko) 분산 음성 인식 단말기에서 음성 부호화기의 전처리를공유해 잡음에 견고한 음성 특징 벡터를 추출하는 장치 및그 방법
KR100647291B1 (ko) 음성의 특징을 이용한 음성 다이얼링 장치 및 방법
JP4230550B2 (ja) 音声符号化方法及び装置、並びに音声復号化方法及び装置
Tan et al. Distributed speech recognition standards
de Alencar et al. On the performance of ITU-T G. 723.1 and AMR-NB codecs for large vocabulary distributed speech recognition in Brazilian Portuguese
JP2002527796A (ja) 音声処理方法および音声処理装置
CA2297191A1 (en) A vocoder-based voice recognizer

Legal Events

Date Code Title Description
A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20070202

A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20070202

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20100309

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20100608

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: 20100907

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: 20101007

R150 Certificate of patent or registration of utility model

Ref document number: 4607334

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150

Free format text: JAPANESE INTERMEDIATE CODE: R150

FPAY Renewal fee payment (event date is renewal date of database)

Free format text: PAYMENT UNTIL: 20131015

Year of fee payment: 3

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

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