JP2010504553A - 音声キーワードの特定方法、装置及び音声識別システム - Google Patents
音声キーワードの特定方法、装置及び音声識別システム Download PDFInfo
- Publication number
- JP2010504553A JP2010504553A JP2009528942A JP2009528942A JP2010504553A JP 2010504553 A JP2010504553 A JP 2010504553A JP 2009528942 A JP2009528942 A JP 2009528942A JP 2009528942 A JP2009528942 A JP 2009528942A JP 2010504553 A JP2010504553 A JP 2010504553A
- Authority
- JP
- Japan
- Prior art keywords
- feature
- vector
- keyword
- trajectory
- codebook
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 99
- 239000013598 vector Substances 0.000 claims abstract description 243
- 230000008569 process Effects 0.000 claims description 49
- 238000010606 normalization Methods 0.000 claims description 29
- 239000011159 matrix material Substances 0.000 claims description 25
- 238000000605 extraction Methods 0.000 claims description 12
- 239000000284 extract Substances 0.000 claims description 8
- 238000010586 diagram Methods 0.000 description 43
- 238000009826 distribution Methods 0.000 description 14
- 238000004364 calculation method Methods 0.000 description 11
- 238000013139 quantization Methods 0.000 description 6
- 238000005070 sampling Methods 0.000 description 4
- 238000003491 array Methods 0.000 description 3
- 244000144992 flock Species 0.000 description 3
- 230000007704 transition Effects 0.000 description 3
- 239000000203 mixture Substances 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 238000012952 Resampling Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000037433 frameshift Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000012905 input function Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 230000005236 sound signal Effects 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/02—Feature extraction for speech recognition; Selection of recognition unit
-
- 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
- G10L15/10—Speech classification or search using distance or distortion measures between unknown speech and reference templates
-
- 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
- G10L15/14—Speech classification or search using statistical models, e.g. Hidden Markov Models [HMMs]
- G10L15/142—Hidden Markov Models [HMMs]
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/02—Feature extraction for speech recognition; Selection of recognition unit
- G10L2015/025—Phonemes, fenemes or fenones being the recognition units
-
- 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
- G10L2015/088—Word spotting
Landscapes
- Engineering & Computer Science (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)
- Computer Vision & Pattern Recognition (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Compression, Expansion, Code Conversion, And Decoders (AREA)
Abstract
【解決手段】本発明は、音声のキーワードを特定する方法、装置及び音声識別システムを提供することにある。上記方法は、識別対象音声を構成する各フレームの特徴パラメータを取り出し、識別対象音声を描く特徴パラメータベクトル配列を形成するステップと、複数のコードブックベクトルを含むコードブックを用いて、特徴パラメータベクトル配列の正規化を処理し、ベクトル空間における識別対象音声の特徴軌跡を得るステップと、及び予め記憶されたキーワードテンプレート軌跡と上記特徴軌跡とのマッチングをし、キーワードの位置を確定するステップとを備える。
【選択図】図1
Description
エネルギー値:E;
ケプストラムパラメータの一階導関数:dC1,dC2,・・・・・・,dC12;
ケプストラムパラメータの二階導関数:DC1,DC2,・・・・・・,DC12;
エネルギーの一階導関数:dE;
エネルギーの二階導関数:DE。
<BEGINHMM>
<NUMSTATES>5 //五つの状態数、ただし、2,3,4の三つが有効状態
<STATE>2 //状態の番号
<NUMMIXES>6 //混合ガウス分布数
<MIXTURE>1 1.250000e-001 //ガウス分布番号と重み付け
<MEAN>39 //ガウス分布の平均値パラメータ(mean parameter)、39次元
7.702041e+000 6.226375e+000・・・・・・2.910257e-001 -8.276044e-002
<VARIANCE>39 //ガウス分布の共分散パラメータ(mean parameter)、39次元
7.258195e+001 5.090110e+001・・・・・・3.907018e-001 2.388687e-002・・・・・・
<MIXTURE>6 1.250000e-001 //ガウス分布の番号及び重み付け
<MEAN>39 //ガウス分布の共分散パラメータ、39次元
8.864381e-001 5.187749e-001・・・・・・-2.090234e-001 -2.064035e-001
<VARIANCE>39 //ガウス分布の共分散パラメータ、39次元
7.258195e+001 5.090110e+001・・・・・・3.907018e-001 2.388687e-002
<STATE>3 //状態の番号
<NUMMIXES>6 //混合ガウス分布数は、各ガウス分布ともに、二つのパラメータ、平均値と共分散で表示される
・・・・・・
<STATE>4 //状態の番号
<NUMMIXES>6 //混合ガウス分布数は、各ガウス分布ともに、二つのパラメータ、平均値と共分散で表示される
・・・・・・
<TRANSP>5 //状態遷移確率マトリクス
0.000000e+000 1.000000e+000 0.000000e+000 0.000000e+000 0.000000e+000
0.000000e+000 6.800905e-001 3.199094e-001 0.000000e+000 0.000000e+000
0.000000e+000 0.000000e+000 6.435547e-001 3.564453e-001 0.000000e+000
0.000000e+000 0.000000e+000 0.000000e+000 5.890240e-001 4.109760e-001
0.000000e+000 0.000000e+000 0.000000e+000 0.000000e+000 0.000000e+000
<ENDHMM>。
(1)非平穏区域内の特徴点の密度をアップするため、音声信号をより小さいフレーム移動(Frame shift)周期でフレームを切り分ける。例えば、従来技術のフレーム移動周期では、20msであるが、本実施例では、10msまたは8msのフレーム移動周期を利用している。(2)準平穏区域内に散らばる特徴点を適宜に整理する。すなわち、代表的な特徴点を保留し、それ以外に必要ない特徴点を削除する。選択可能な整理方法のひとつは、順に特徴点間の導関数を計算し、導関数が所定の閾値より小さい特徴点らを同一の準平穏区の点として、これらの特徴点の平均を該平穏区の代表特徴点とすることである。もう一つ挙げられる選択可能な整理方法は、各特徴点間のベクトル距離を計算し、ベクトル距離が、所定の閾値より小さい特徴点らを同一の準平穏区の点として、これらの特徴点の平均を該平穏区域の代表特徴点とする方法である。また、上記以外のその他の選択可能な整理方法は、連続的に同一のコードブックベクトルで表示される特徴ベクトル(点)フレームを圧縮合併することにより行う方法である。以下、この方法について詳細に述べる。
Xi(t)=(X1(t),X2(t),・・・・・・X6(t),X7(t)) (i:音声波フレームの番号)
とする。
Vi(t)=(V1(t),V2(t),・・・・・・V6(t),V7(t)) (i:音声波フレームの番号)
が得られる。
Vj(t)=(ID1(t),ID2(t),・・・・・・IDk−1(t),IDk(t))
を示す。なお、j=1,2,・・・・・・,k、IDjがコードブックベクトルの番号、kは、識別対象音声の状態特徴ベクトルの総数で、通常音声波フレームの数より小さい。
図6(a)に示すように、キーワードテキストを入力する(S310)、例えば、“上海”。そして、音節の切り分けとピンイン変換の操作とを行う。例えば、“上海”を切りわけ、“上/海”になり、かつ、図6(b)に示すように“上”と“海”との文字列の表示式、すなわち、ピンイン“shang4”と“hai3”とが得られる(S320)。
まず、音声形式で入力されたキーワード、すなわち音声波形を、その音声波フレームに切り分け、切り分けた各音声波フレームの特徴パラメータベクトルを抽出することによって、該音声波形を描く特徴パラメータベクトル配列が得られる。ベクトル空間において、上述ベクトルを用いてコードブックを量子化し、各特徴パラメータベクトルを正規化することによって、各特徴点(ベクトル)で表示された特徴ベクトル配列が出力される。同様に、該特徴ベクトル配列の中にある各特徴ベクトルの要素は、状態の番号である。
20 特徴抽出部
30 正規化部
40 コードブック記憶部
50 距離マトリクス記憶部
60 キーワードテンプレート軌跡データベース
70 マッチング部
80 音声識別エンジン
90 出力部
100 キーワード特定装置
Claims (18)
- 識別対象音声を構成する各フレームの特徴パラメータを取り出し、識別対象音声を描く特徴パラメータベクトル配列を形成するステップと、
複数のコードブックベクトルを含むコードブックを用いて、特徴パラメータベクトル配列の正規化を処理し、ベクトル空間における識別対象音声の特徴軌跡を得るステップと、
予め記憶されたキーワードテンプレート軌跡と上記特徴軌跡とのマッチングをし、キーワードの位置を確定するステップとを備えることを特徴とする識別対象音声のキーワードの特定方法。 - 上記正規化は、上記特徴パラメータベクトルの配列から代表特徴パラメータベクトルを抽出し、上記特徴軌跡を表示するステップを含むことを特徴とする請求項1に記載の方法。
- 上記代表特徴パラメータベクトルの抽出は、上記コードブックから、上記特徴パラメータベクトルと最も接近しているコードブックベクトルを探索するステップと、
探索したコードブックベクトルの番号を用いて上記特徴パラメータベクトルを表示するステップと、
連続的に同一のコードブックベクトルで表示される特徴パラメータベクトルを合併し、上記特徴パラメータを表示するステップとを備えることを特徴とする請求項2に記載の方法。 - 上記マッチングは、各キーワードテンプレート軌跡を利用し、上記特徴軌跡を時間軸で表示した軌跡フレーム毎に対して、上記キーワードテンプレート軌跡を表示する各テンプレート特徴ベクトルと、上記特徴軌跡を表示する各代表特徴パラメータベクトル間との距離を順に計算するステップと、
上記距離から最小値を確定するステップと、
上記最小値に対応するキーワードテンプレート軌跡がベクトル空間における位置をキーワードの位置として確定するステップとを備えることを特徴とする請求項2または3に記載の方法。 - 上記特徴パラメータベクトルは、ケプストラムパラメータ、ケプストラムパラメータのエネルギー値、ケプストラムパラメータの一階導関数、ケプストラムパラメータの二階導関数、エネルギー値の一階導関数、エネルギー値の二階導関数のうち、少なくとも一つのパラメータを含むことを特徴とする請求項4に記載の方法。
- 上記距離は、コードブックベクトル距離を用いて表示され、上記コードブックベクトル距離が、上記任意二つのコードブックベクトル間の距離であることを特徴とする請求項4に記載の方法。
- 上記コードブックベクトル距離は、マトリクスの形式で予め記憶されていることを特徴とする請求項6に記載の方法。
- 上記キーワードテンプレート軌跡は、上記コードブックベクトルに基づいて生成されることを特徴とする請求項1に記載の方法。
- キーワードテンプレート軌跡は、音節と音素モデルとの間にある対応関係によって、キーワードの各音節の音素名を得るステップと、
音素モデルと状態との間にある対応関係によって、キーワードの各状態を得、状態ベクトルを形成するステップと、
上記コードブック中にある状態ベクトルに対応する番号を用いて、音素モデルのコードブックベクトル配列の番号を表示するステップと、
連続的に同一のコードブックベクトルの番号で表示される音素モデルのコードブックベクトル配列の番号を合併するステップと、
各コードブックベクトル配列の番号を順に連接合併した後にキーワードテンプレート軌跡を得るステップとによって得られることを特徴とする請求項8に記載の方法。 - キーワードテンプレート軌跡は、入力したキーワードの音声波を音声波フレームに切り分け、各音声波フレームの特徴パラメータベクトルを抽出することによって、該キーワードの特徴パラメータベクトル配列を形成するステップと、
上記コードブックを用いて、特徴パラメータベクトル配列の正規化を処理し、上記キーワードテンプレート軌跡を表示するテンプレートベクトル配列を形成するステップとによって得られることを特徴とする請求項8に記載の方法。 - コードブックは、隠れマルコフモデルに基づいた音響モデルから、各音素モデルの状態を描く統計パラメータを抽出し、各状態の特徴ベクトルを形成するステップと、
番号を用いて各状態の特徴ベクトルを表示し、上記コードブックの各コードブックベクトルを形成するステップとによって得られることを特徴とする請求項4に記載の方法。 - 上記音素モデルは、複数の応用領域の学習コーパスによって生成することを特徴とする請求項11に記載の方法。
- 識別対象音声を構成する各フレームの特徴パラメータを抽出し、識別対象音声を描く特徴パラメータベクトル配列を形成する特徴抽出装置と、
複数のコードブックベクトルを含むコードブックを用いて、特徴パラメータベクトル配列の正規化を処理し、ベクトル空間における識別対象音声の特徴軌跡を得る正規化装置と、
予め記憶されたキーワードテンプレート軌跡と上記特徴軌跡とのマッチングをし、キーワードの位置を確定するマッチング装置とを備えることを特徴とする識別対象音声中のキーワードを特定する装置。 - 上記正規化装置は、上記特徴パラメータベクトル配列から代表特徴パラメータベクトルを抽出し、上記特徴軌跡を表示することを特徴とする請求項13に記載の装置。
- 上記正規化装置は、上記コードブックから、上記特徴パラメータベクトルに最も接近しているコードブックベクトルを探索し、探索し得たコードブックの番号を用いて上記特徴パラメータベクトルを表示し、連続的に同一のコードブックベクトルで表示された特徴パラメータベクトルを合併し、上記特徴軌跡を表示することを特徴とする請求項14に記載の装置。
- 上記マッチング装置は、各キーワードテンプレート軌跡を利用し、上記特徴軌跡を時間軸で表示した軌跡フレーム毎に対して、上記キーワードテンプレート軌跡を表示する各テンプレート特徴ベクトルと、上記特徴軌跡を表示する各代表特徴パラメータベクトルとの間の距離を順に計算し、
上記距離のうち、最小値を確定し、この最小値に対応するキーワードテンプレート軌跡がベクトル空間における位置をキーワードの位置として確定することを特徴とする請求項14または15に記載の装置。 - 請求項13に記載の装置と、
上記装置により確定されたキーワードの位置に基づいて、キーワードの内容を識別する音声識別装置とを備えることを特徴とする音声識別システム。 - 上記音声識別装置は、隠れマルコフモデルに基づいて識別を行うことを特徴とする、請求項17に記載の音声識別システム。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN200610152758.2 | 2006-09-27 | ||
CN2006101527582A CN101154379B (zh) | 2006-09-27 | 2006-09-27 | 定位语音中的关键词的方法和设备以及语音识别系统 |
PCT/JP2007/069409 WO2008044582A1 (en) | 2006-09-27 | 2007-09-27 | Method and apparatus for locating speech keyword and speech recognition system |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2010504553A true JP2010504553A (ja) | 2010-02-12 |
JP5059115B2 JP5059115B2 (ja) | 2012-10-24 |
Family
ID=39255997
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2009528942A Expired - Fee Related JP5059115B2 (ja) | 2006-09-27 | 2007-09-27 | 音声キーワードの特定方法、装置及び音声識別システム |
Country Status (5)
Country | Link |
---|---|
US (1) | US8255215B2 (ja) |
EP (1) | EP2070079A4 (ja) |
JP (1) | JP5059115B2 (ja) |
CN (1) | CN101154379B (ja) |
WO (1) | WO2008044582A1 (ja) |
Families Citing this family (45)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8743125B2 (en) * | 2008-03-11 | 2014-06-03 | Sony Computer Entertainment Inc. | Method and apparatus for providing natural facial animation |
GB2463909B (en) * | 2008-09-29 | 2010-08-11 | Toshiba Res Europ Ltd | Speech recognition apparatus and method |
GB2463908B (en) * | 2008-09-29 | 2011-02-16 | Toshiba Res Europ Ltd | Speech recognition apparatus and method |
JP5446834B2 (ja) * | 2009-12-18 | 2014-03-19 | ソニー株式会社 | 撮像装置および撮像方法 |
US9634855B2 (en) | 2010-05-13 | 2017-04-25 | Alexander Poltorak | Electronic personal interactive device that determines topics of interest using a conversational agent |
CN102841932A (zh) * | 2012-08-06 | 2012-12-26 | 河海大学 | 一种基于内容的音频语义特征相似度比较方法 |
US10229676B2 (en) * | 2012-10-05 | 2019-03-12 | Avaya Inc. | Phrase spotting systems and methods |
TWI500023B (zh) * | 2013-04-11 | 2015-09-11 | Univ Nat Central | 透過視覺的聽覺輔助裝置 |
CN104143328B (zh) * | 2013-08-15 | 2015-11-25 | 腾讯科技(深圳)有限公司 | 一种关键词检测方法和装置 |
CN104751856B (zh) * | 2013-12-31 | 2017-12-22 | 中国移动通信集团公司 | 一种语音语句识别方法及装置 |
CN104766608A (zh) * | 2014-01-07 | 2015-07-08 | 深圳市中兴微电子技术有限公司 | 一种语音控制方法及装置 |
US9942187B2 (en) | 2014-03-10 | 2018-04-10 | Harry Leonard Perper | Alert for messages “stuck” in a message queue within a messaging application |
CN103971676B (zh) * | 2014-04-23 | 2017-07-14 | 上海师范大学 | 一种快速语音孤立词识别算法及其用途、语音识别系统 |
CN103956166A (zh) * | 2014-05-27 | 2014-07-30 | 华东理工大学 | 一种基于语音关键词识别的多媒体课件检索系统 |
WO2016036163A2 (ko) * | 2014-09-03 | 2016-03-10 | 삼성전자 주식회사 | 오디오 신호를 학습하고 인식하는 방법 및 장치 |
GB2533326A (en) * | 2014-12-16 | 2016-06-22 | Ibm | Electronic message redacting |
CN105869622B (zh) * | 2015-01-21 | 2020-01-17 | 上海羽扇智信息科技有限公司 | 中文热词检测方法和装置 |
CN105893389A (zh) * | 2015-01-26 | 2016-08-24 | 阿里巴巴集团控股有限公司 | 一种语音信息搜索方法、装置及服务器 |
US10262654B2 (en) * | 2015-09-24 | 2019-04-16 | Microsoft Technology Licensing, Llc | Detecting actionable items in a conversation among participants |
US9792907B2 (en) | 2015-11-24 | 2017-10-17 | Intel IP Corporation | Low resource key phrase detection for wake on voice |
CN105488025B (zh) | 2015-11-24 | 2019-02-12 | 小米科技有限责任公司 | 模板构建方法和装置、信息识别方法和装置 |
CN106847259B (zh) * | 2015-12-03 | 2020-04-03 | 中国科学院声学研究所 | 一种音频关键词模板的筛选和优化方法 |
US9972313B2 (en) * | 2016-03-01 | 2018-05-15 | Intel Corporation | Intermediate scoring and rejection loopback for improved key phrase detection |
WO2017206133A1 (zh) * | 2016-06-02 | 2017-12-07 | 深圳市智物联网络有限公司 | 语音识别方法及装置 |
US10043521B2 (en) | 2016-07-01 | 2018-08-07 | Intel IP Corporation | User defined key phrase detection by user dependent sequence modeling |
WO2018006927A1 (en) * | 2016-07-04 | 2018-01-11 | Harman Becker Automotive Systems Gmbh | Automatic correction of loudness level in audio signals containing speech signals |
US10083689B2 (en) * | 2016-12-23 | 2018-09-25 | Intel Corporation | Linear scoring for low power wake on voice |
CN109213777A (zh) * | 2017-06-29 | 2019-01-15 | 杭州九阳小家电有限公司 | 一种基于语音的食谱处理方法及系统 |
US10311874B2 (en) | 2017-09-01 | 2019-06-04 | 4Q Catalyst, LLC | Methods and systems for voice-based programming of a voice-controlled device |
CN107566980B (zh) * | 2017-10-27 | 2020-10-23 | 深圳市鹏京科技有限公司 | 一种移动终端的定位方法和移动终端 |
CN111373473B (zh) * | 2018-03-05 | 2023-10-20 | 华为技术有限公司 | 一种电子设备进行语音识别方法及电子设备 |
US10714122B2 (en) | 2018-06-06 | 2020-07-14 | Intel Corporation | Speech classification of audio for wake on voice |
CN109101484B (zh) * | 2018-07-06 | 2023-04-18 | 平安科技(深圳)有限公司 | 录音文件处理方法、装置、计算机设备及存储介质 |
US10650807B2 (en) | 2018-09-18 | 2020-05-12 | Intel Corporation | Method and system of neural network keyphrase detection |
US11308939B1 (en) * | 2018-09-25 | 2022-04-19 | Amazon Technologies, Inc. | Wakeword detection using multi-word model |
CN109669970B (zh) * | 2018-12-17 | 2024-04-12 | 南京东大智能化系统有限公司 | 一种基于关键词的数据挖掘方法 |
CN109753659B (zh) * | 2018-12-28 | 2023-08-04 | 北京猎户星空科技有限公司 | 语义处理方法、装置、电子设备和存储介质 |
CN111666962B (zh) * | 2019-03-07 | 2024-05-21 | 京东科技控股股份有限公司 | 序列数据的目标定位方法和装置 |
CN109918680B (zh) * | 2019-03-28 | 2023-04-07 | 腾讯科技(上海)有限公司 | 实体识别方法、装置及计算机设备 |
US11127394B2 (en) | 2019-03-29 | 2021-09-21 | Intel Corporation | Method and system of high accuracy keyphrase detection for low resource devices |
CN110246490B (zh) * | 2019-06-26 | 2022-04-19 | 合肥讯飞数码科技有限公司 | 语音关键词检测方法及相关装置 |
CN112837680A (zh) * | 2019-11-25 | 2021-05-25 | 马上消费金融股份有限公司 | 音频关键词检索方法、智能外呼方法及相关装置 |
CN111798840B (zh) * | 2020-07-16 | 2023-08-08 | 中移在线服务有限公司 | 语音关键词识别方法和装置 |
CN113658609B (zh) * | 2021-10-20 | 2022-01-04 | 北京世纪好未来教育科技有限公司 | 关键字匹配信息的确定方法、装置、电子设备和介质 |
CN117786098B (zh) * | 2024-02-26 | 2024-05-07 | 深圳波洛斯科技有限公司 | 基于多模态大语言模型的电话录音摘要提取方法、装置 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH05204394A (ja) * | 1991-09-19 | 1993-08-13 | Xerox Corp | ワードスポッティング法 |
JPH06324699A (ja) * | 1993-05-11 | 1994-11-25 | N T T Data Tsushin Kk | 連続音声認識装置 |
JPH08106295A (ja) * | 1994-10-05 | 1996-04-23 | Atr Onsei Honyaku Tsushin Kenkyusho:Kk | パターン認識方法及び装置 |
JPH10133688A (ja) * | 1996-10-28 | 1998-05-22 | Nec Corp | 音声認識装置 |
JP2004037798A (ja) * | 2002-07-03 | 2004-02-05 | Pioneer Electronic Corp | ワードスポッティング音声認識装置、ワードスポッティング音声認識方法、ワードスポッティング音声認識用プログラム |
Family Cites Families (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
AU586167B2 (en) * | 1984-05-25 | 1989-07-06 | Sony Corporation | Speech recognition method and apparatus thereof |
CA2015410C (en) * | 1989-05-17 | 1996-04-02 | Chin H. Lee | Speech recognition employing key word modeling and non-key word modeling |
US6236964B1 (en) * | 1990-02-01 | 2001-05-22 | Canon Kabushiki Kaisha | Speech recognition apparatus and method for matching inputted speech and a word generated from stored referenced phoneme data |
JPH04343398A (ja) | 1991-05-21 | 1992-11-30 | N T T Data Tsushin Kk | 音声認識装置 |
JPH0561496A (ja) * | 1991-08-30 | 1993-03-12 | Sony Corp | 音声認識装置 |
JPH05249990A (ja) * | 1992-03-04 | 1993-09-28 | Sony Corp | パターンマッチング方法およびパターン認識装置 |
KR100324988B1 (ko) * | 1994-06-13 | 2002-08-27 | 마츠시타 덴끼 산교 가부시키가이샤 | 신호해석장치 |
US5806029A (en) * | 1995-09-15 | 1998-09-08 | At&T Corp | Signal conditioned minimum error rate training for continuous speech recognition |
US5822729A (en) * | 1996-06-05 | 1998-10-13 | Massachusetts Institute Of Technology | Feature-based speech recognizer having probabilistic linguistic processor providing word matching based on the entire space of feature vectors |
US6148284A (en) * | 1998-02-23 | 2000-11-14 | At&T Corporation | Method and apparatus for automatic speech recognition using Markov processes on curves |
ATE225976T1 (de) * | 1998-05-15 | 2002-10-15 | Siemens Ag | Verfahren und vorrichtung zur erkennung mindestens eines schlüsselworts in gesprochener sprache durch einen rechner |
US20020143540A1 (en) | 2001-03-28 | 2002-10-03 | Narendranath Malayath | Voice recognition system using implicit speaker adaptation |
US20040006470A1 (en) * | 2002-07-03 | 2004-01-08 | Pioneer Corporation | Word-spotting apparatus, word-spotting method, and word-spotting program |
CN1190773C (zh) * | 2002-09-30 | 2005-02-23 | 中国科学院声学研究所 | 语音识别系统及用于语音识别系统的特征矢量集的压缩方法 |
US7684987B2 (en) * | 2004-01-21 | 2010-03-23 | Microsoft Corporation | Segmental tonal modeling for tonal languages |
-
2006
- 2006-09-27 CN CN2006101527582A patent/CN101154379B/zh not_active Expired - Fee Related
-
2007
- 2007-09-27 US US12/443,063 patent/US8255215B2/en not_active Expired - Fee Related
- 2007-09-27 WO PCT/JP2007/069409 patent/WO2008044582A1/en active Application Filing
- 2007-09-27 EP EP07829148A patent/EP2070079A4/en not_active Withdrawn
- 2007-09-27 JP JP2009528942A patent/JP5059115B2/ja not_active Expired - Fee Related
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH05204394A (ja) * | 1991-09-19 | 1993-08-13 | Xerox Corp | ワードスポッティング法 |
JPH06324699A (ja) * | 1993-05-11 | 1994-11-25 | N T T Data Tsushin Kk | 連続音声認識装置 |
JPH08106295A (ja) * | 1994-10-05 | 1996-04-23 | Atr Onsei Honyaku Tsushin Kenkyusho:Kk | パターン認識方法及び装置 |
JPH10133688A (ja) * | 1996-10-28 | 1998-05-22 | Nec Corp | 音声認識装置 |
JP2004037798A (ja) * | 2002-07-03 | 2004-02-05 | Pioneer Electronic Corp | ワードスポッティング音声認識装置、ワードスポッティング音声認識方法、ワードスポッティング音声認識用プログラム |
Also Published As
Publication number | Publication date |
---|---|
JP5059115B2 (ja) | 2012-10-24 |
EP2070079A1 (en) | 2009-06-17 |
US8255215B2 (en) | 2012-08-28 |
CN101154379A (zh) | 2008-04-02 |
WO2008044582A1 (en) | 2008-04-17 |
CN101154379B (zh) | 2011-11-23 |
EP2070079A4 (en) | 2012-03-21 |
US20100094626A1 (en) | 2010-04-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP5059115B2 (ja) | 音声キーワードの特定方法、装置及び音声識別システム | |
Gaikwad et al. | A review on speech recognition technique | |
US8290773B2 (en) | Information processing apparatus, method and recording medium for generating acoustic model | |
US6523005B2 (en) | Method and configuration for determining a descriptive feature of a speech signal | |
US8935167B2 (en) | Exemplar-based latent perceptual modeling for automatic speech recognition | |
JP3933750B2 (ja) | 連続密度ヒドンマルコフモデルを用いた音声認識方法及び装置 | |
JP5229478B2 (ja) | 統計モデル学習装置、統計モデル学習方法、およびプログラム | |
JP5240457B2 (ja) | 拡張認識辞書学習装置と音声認識システム | |
CN105654940B (zh) | 一种语音合成方法和装置 | |
KR20140082157A (ko) | 다중 음향 모델을 이용하여 음성을 인식하기 위한 장치 및 그 방법 | |
JP5007401B2 (ja) | 発音評定装置、およびプログラム | |
KR100664960B1 (ko) | 음성 인식 장치 및 방법 | |
Gupta et al. | A study on speech recognition system: a literature review | |
JP4716125B2 (ja) | 発音評定装置、およびプログラム | |
JP2001312293A (ja) | 音声認識方法およびその装置、並びにコンピュータ読み取り可能な記憶媒体 | |
JPH06266386A (ja) | ワードスポッティング方法 | |
CN110706689A (zh) | 感情推测系统以及计算机可读介质 | |
JP5315976B2 (ja) | 音声認識装置、音声認識方法、および、プログラム | |
Ashrafidoost et al. | Recognizing Emotional State Changes Using Speech Processing | |
Laszko | Word detection in recorded speech using textual queries | |
US9230536B2 (en) | Voice synthesizer | |
JP2003271185A (ja) | 音声認識用情報作成装置及びその方法と、音声認識装置及びその方法と、音声認識用情報作成プログラム及びそのプログラムを記録した記録媒体と、音声認識プログラム及びそのプログラムを記録した記録媒体 | |
Gujral et al. | Various Issues In Computerized Speech Recognition Systems | |
Ibrahim et al. | A comparative survey of DTW and HMM using Hausa isolated digits recognition in human computer interaction sytem | |
JP6680009B2 (ja) | 検索インデクス生成装置、検索インデックス生成方法、音声検索装置、音声検索方法及びプログラム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20110927 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20111107 |
|
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: 20120703 |
|
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: 20120801 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20150810 Year of fee payment: 3 |
|
R150 | Certificate of patent or registration of utility model |
Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
LAPS | Cancellation because of no payment of annual fees |