JP2012047924A - 情報処理装置、および情報処理方法、並びにプログラム - Google Patents
情報処理装置、および情報処理方法、並びにプログラム Download PDFInfo
- Publication number
- JP2012047924A JP2012047924A JP2010189123A JP2010189123A JP2012047924A JP 2012047924 A JP2012047924 A JP 2012047924A JP 2010189123 A JP2010189123 A JP 2010189123A JP 2010189123 A JP2010189123 A JP 2010189123A JP 2012047924 A JP2012047924 A JP 2012047924A
- Authority
- JP
- Japan
- Prior art keywords
- score
- intention
- information
- unit
- context
- 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.)
- Ceased
Links
- 230000010365 information processing Effects 0.000 title claims abstract description 103
- 238000003672 processing method Methods 0.000 title claims description 10
- 238000000034 method Methods 0.000 claims abstract description 77
- 238000012545 processing Methods 0.000 claims description 144
- 230000008569 process Effects 0.000 claims description 51
- 230000000875 corresponding effect Effects 0.000 description 86
- 238000004364 calculation method Methods 0.000 description 28
- 238000000605 extraction Methods 0.000 description 15
- 230000006870 function Effects 0.000 description 7
- 230000005236 sound signal Effects 0.000 description 7
- 230000008859 change Effects 0.000 description 5
- 238000006243 chemical reaction Methods 0.000 description 5
- 238000004891 communication Methods 0.000 description 3
- 230000007423 decrease Effects 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 230000003247 decreasing effect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 238000001228 spectrum Methods 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- PXFBZOLANLWPMH-UHFFFAOYSA-N 16-Epiaffinine Natural products C1C(C2=CC=CC=C2N2)=C2C(=O)CC2C(=CC)CN(C)C1C2CO PXFBZOLANLWPMH-UHFFFAOYSA-N 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000001815 facial effect Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000003825 pressing Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/28—Constructional details of speech recognition systems
- G10L15/32—Multiple recognisers used in sequence or in parallel; Score combination systems therefor, e.g. voting systems
-
- 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
- G10L15/187—Phonemic context, e.g. pronunciation rules, phonotactical constraints or phoneme n-grams
-
- 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
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)
- User Interface Of Digital Computer (AREA)
- Machine Translation (AREA)
Abstract
【解決手段】予め登録された複数の意図情報の各々に対応する意図モデル単位で、観測情報として得られるコンテキスト情報に基づく事前スコアを算出する事前スコア調整部、ユーザ発話に基づく入力音声に最も適合する単語系列の決定とその単語系列に付与される音響スコアと言語スコアを前記意図モデル単位で算出するマルチマッチング部、意図モデル単位の事前スコアと音響スコアと言語スコアから算出される総合スコアを比較して、最も高い総合スコアが得られた意図モデルに対応する意図情報をユーザ発話に対応する意図として決定する意図判定部を有し、意図モデル単位のスコア比較によりユーザの発話に対応するユーザの意図を判定する。
【選択図】図3
Description
(a)認識された単語系列に対して、対応する動作を直接関連付ける方法、
(b)認識された単語系列から発話に含まれるユーザの意図を抽出し、その意図に対して、対応する動作を関連付ける方法、
これらの二通りの方法が広く用いられている。
例えば、具体例として音声認識に基づく処理を実行する情報処理装置が録画再生機能を持つテレビであるような場合、ユーザはテレビに対して「チャンネルを変えてください」、「音量を上げてください」、「録画してください」、「再生してください」、「早送り再生してください」、「スロー再生してください」、「一時停止してください」等、数多くの異なる要求(意図)をテレビに対して行うことができる。
予め登録された複数の意図情報の各々に対応する意図モデル単位で、観測情報として得られるコンテキスト情報に基づく事前スコアを算出する事前スコア調整部と、
ユーザ発話に基づく入力音声に最も適合する単語系列の決定とその単語系列に付与される音響スコアと言語スコアを前記意図モデル単位で算出するマルチマッチング部と、
前記意図モデル単位の事前スコアと音響スコアと言語スコアから算出される総合スコアを比較して、最も高い総合スコアが得られた意図モデルに対応する意図情報をユーザ発話に対応する意図として決定する意図判定部と、
を有する情報処理装置にある。
(a)入出力部から入力されるユーザ選択処理カテゴリ情報、
(b)画像処理部から入力される音声入力者識別情報、
(c)マイク判定部から入力される音声入力マイク識別情報、
上記(a)〜(c)の情報の少なくともいずれかを含み、
前記事前スコア調整部は、前記コンテキスト情報に基づいて、前記事前スコア記憶部に登録されたコンテキスト対応事前スコアを選択して、選択したコンテキスト対応事前スコアを適用して、前記意図モデル単位の事前スコアを算出する。
情報処理装置において実行する情報処理方法であり、
事前スコア調整部が、予め登録された複数の意図情報の各々に対応する意図モデル単位で、観測情報として得られるコンテキスト情報に基づく事前スコアを算出する事前スコア調整ステップと、
マルチマッチング部が、ユーザ発話に基づく入力音声に最も適合する単語系列の決定とその単語系列に付与される音響スコアと言語スコアを前記意図モデル単位で算出するマルチマッチングステップ、
意図判定部が、前記意図モデル単位の事前スコアと音響スコアと言語スコアから算出される総合スコアを比較して、最も高い総合スコアが得られた意図モデルに対応する意図情報をユーザ発話に対応する意図として決定する意図判定ステップと、
を有する情報処理方法にある。
情報処理装置において情報処理を実行させるプログラムであり、
事前スコア調整部に、予め登録された複数の意図情報の各々に対応する意図モデル単位で、観測情報として得られるコンテキスト情報に基づく事前スコアを算出させる事前スコア調整ステップと、
マルチマッチング部に、ユーザ発話に基づく入力音声に最も適合する単語系列の決定とその単語系列に付与される音響スコアと言語スコアを前記意図モデル単位で算出させるマルチマッチングステップ、
意図判定部に、前記意図モデル単位の事前スコアと音響スコアと言語スコアから算出される総合スコアを比較して、最も高い総合スコアが得られた意図モデルに対応する意図情報をユーザ発話に対応する意図として決定させる意図判定ステップと、
を実行させるプログラムにある。
1.本発明の情報処理装置の実行する処理の概要について
2.本発明の情報処理装置の構成および具体的な処理について
3.情報処理装置のハードウェア構成例について
まず、図2を参照して本発明の情報処理装置の実行する処理の概要について説明する。図2には、本発明に係る情報処理装置の例として録画再生機能を有するテレビを示している。情報処理装置100は、例えば、放送コンテンツの表示処理の他、内蔵する録画再生機器、例えばハードディスク、DVDやBlu−rayディスク等に記録されたコンテンツの再生処理や、録画再生機器に対する番組の録画処理などを実行する。
次に、図3以下を参照して本発明の情報処理装置の構成および具体的な処理について説明する。図3に示す情報処理装置200は、例えば図2に示す情報処理装置100に対応する。なお、本発明の情報処理装置はテレビに限らず、PCや、録画再生機、その他、様々な家電製品として実現可能である。すなわち、ユーザ要求に応じて様々な処理を行う情報処理装置である。
意図情報A=[再生する]
意図情報B=[早送りする]
:
意図情報N=[演奏者を設定する]
これらA〜N:15個の意図情報に対応する意図モデルA〜N(209−A〜N)が設定される。
(1)意図情報A(209−A1)から意図情報N(209−N1)、
(2)事前スコアA(209−A2)から事前スコアN(209−N2)、
(3)辞書A(209−A3)から辞書N(209−N3)、
(4)文法A(209−A4)から文法N(209−N4)、
これらのデータに基づいて構成される。
意図情報A(209−A1)、
事前スコアA(209−A2)、
辞書A(209−A3)、および、
文法A(209−A4)、
これらのデータを備える。
意図情報A=[再生する]
意図情報B=[早送りする]
:
意図情報N=[演奏者を設定する]
これらの意図情報が各意図モデルA〜N(209−A〜N)の意図情報A〜N(209−A1〜N1)として登録される。
辞書とは、意図情報に応じて定義される語彙から構成される辞書であり、機能としては図1の辞書17と同等の機能を持つ。すなわち、辞書は認識対象となる個々の単語の発音に関する情報を保持したデータであり、これにより、単語と上述の音響モデルが関連付けられる。その結果、辞書中に含まれる各単語に対応する音響的な標準パターンが得られることになる。
音響スコア算出部207a、
言語スコア算出部207b、
事前スコア算出部207c
これ等の複数の算出部を備える。
辞書A(209−A3)〜辞書N(209−N3)と、
文法A(209−A4)〜文法N(209−N4)
を備える。
マルチマッチング部207の事前スコア算出部207cは、意図モデルA〜Nの事前スコアA(209−A2)〜事前スコアN(209−N2)に基づき、意図情報に対する事前スコアを算出する。すべての意図が等確率で生起する場合は、同じスコア値が事前スコアとして算出される。
(A)意図モデルAの設定情報を利用して算出した入力音声に最も適合する単語系列と、音響スコアと言語スコアと事前スコア
(B)意図モデルBの設定情報を利用して算出した入力音声に最も適合する単語系列と、音響スコアと言語スコアと事前スコア
:
(N)意図モデルNの設定情報を利用して算出した入力音声に最も適合する単語系列と、音響スコアと言語スコアと事前スコア
図3に示すのマルチマッチング部207では、これらのN組の入力音声に最も適合する単語系列と、音響スコアと言語スコアと事前スコア、これらのデータを算出する。
例えば再生301という処理カテゴリに対応する指示として、「再生する」、「早送りする」、「巻き戻しする」等の言葉を発話して情報処理装置200に、これらの指示に応じた処理を実行させる。
例えば、再生という処理カテゴリにおいては、「再生する」、「早送りする」、「巻き戻しする」、「次の曲に変更する」、「前の曲に変更する」という5つの意図情報が定義される。
検索という処理カテゴリにおいて3つの意図情報:「名称で検索する」、「ジャンルで検索する」、「演奏者で検索する」
設定という処理カテゴリにおいて3つの意図情報:「名称を設定する」、「ジャンルを設定する」、「演奏者を設定する」
このように各処理カテゴリに対して1つ以上の意図情報が予め設定され、情報処理装置内のメモリに記録されている。
意図情報A=[再生する]
意図情報B=[早送りする]
:
意図情報N=[演奏者を設定する]
これらの15個の意図情報A〜Nが設定されることになる。
図3に示すN個の意図モデル209A〜Nは、各意図情報に応じた事前スコアA〜Nをマルチマッチング部207に出力する。
コンテキスト情報とは、ユーザの意図推定に適用する観測情報であり、具体的には以下の情報が含まれる。
(A)入出力部215から入力される[ユーザ選択処理カテゴリ情報]
(B)画像処理部221から入力される[音声入力者識別情報]
(C)マイク判定部204から入力される[音声入力マイク識別情報]
なお、以下の説明では、これら3つのコンテキスト情報を全て利用した処理例として説明するが、これら3つのコンテキスト情報を全て利用することは必須ではなく、例えばこれらの1つまたは2つを利用する構成としてもよい。
まず、CCDカメラなどの撮像装置をカメラ218とし、ユーザの撮像画像が画像信号である画像入力217として入力される。この画像信号は、AD変換部219においてデジタル信号に変換され、特徴抽出部220に送られる。特徴抽出部220では、送られてくる画像データに対して、顔検出と、検出された顔画像に対する特徴量抽出が行われる。ここで、顔検出とは、画像データから顔の領域(顔の位置と大きさ)を抽出する処理に対応し、抽出された顔の領域に対応する部分を顔画像と呼ぶものとする。
マイク判定部204は、近距離マイク202から音声信号が入力されたのか、遠距離マイク203から音声信号が入力されたのかを示す[音声入力マイク識別情報]をコンテキスト情報としてコンテキスト判断部216に出力する。
(A)入出力部215から入力される[ユーザ選択処理カテゴリ情報]
(B)画像処理部221から入力される[音声入力者識別情報]
(C)マイク判定部204から入力される[音声入力マイク識別情報]
これ等のコンテキスト情報が入力される。
なお、本例では、[人物A]と[人物B]の2人の人物の設定としているが、これらは予め情報処理装置に登録された人物情報の数に応じて任意の数に設定できる。
なお、これらは、それぞれ個別のコンテキストに対応して設定される[コンテキスト対応事前スコア]である。すなわち、
図9は、(A)入出力部215から入力されるコンテキスト情報である[ユーザ選択処理カテゴリ情報]に対する[コンテキスト対応事前スコア]の設定例である。
図10は、(B)画像処理部221から入力されるコンテキスト情報である[音声入力者識別情報]に対する[コンテキスト対応事前スコア]の設定例である。
図11は、(C)マイク判定部204から入力されるコンテキスト情報である[音声入力マイク識別情報]に対する[コンテキスト対応事前スコア]の設定例である。
例えば、ユーザが処理カテゴリとして「再生」を選択したとのコンテキスト情報が、入出力部215、コンテキスト判断部216を介して事前スコア調整部222に入力された場合、図9に示すエントリ[再生]の縦一列のエントリに設定された、
「再生する」=0.9〜「演奏者を設定する」=0.01、
これら15個のコンテキスト対応事前スコアが、各意図に対応するコンテキスト対応事前スコアとして選択され、その後の処理に利用される。
なお、各処理カテゴリに対応する意図については、先に図5を参照して説明したデータが事前スコア記憶部223に記憶されている。
「再生する」=0.2〜「演奏者を設定する」=0.02これら15個のコンテキスト対応事前スコアが、各意図に対応するコンテキスト対応事前スコアとして選択され、その後の処理に利用される。
「再生する」=0.2〜「演奏者を設定する」=0.3これら15個のコンテキスト対応事前スコアが、各意図に対応するコンテキスト対応事前スコアとして選択され、その後の処理に利用される。
ユーザが処理カテゴリとして、「設定」を選択した場合、図9に示すエントリ[設定]の縦一列のエントリに設定された、
「再生する」=0.1〜「演奏者を設定する」=0.8これら15個のコンテキスト対応事前スコアが、各意図に対応するコンテキスト対応事前スコアとして選択され、その後の処理に利用される。
例えば、ユーザが処理カテゴリとして「再生」を選択した後、実行する処理として「巻き戻しする」という処理要求が多い場合は、意図=「巻き戻しする」の「再生」対応の事前スコアを次第に高くするといった更新を行う。
この処理は、図3に示す事前スコア学習部224の処理として行われる。
音声入力者として「人物A」、「人物B」が予め登録されており、これらの人物に対応する事前スコアが設定されている。
「再生する」=0.9〜「演奏者を設定する」=0.1これら15個のコンテキスト対応事前スコアが、各意図に対応するコンテキスト対応事前スコアとして選択され、その後の処理に利用される。
「再生する」=0.3〜「演奏者を設定する」=0.9これら15個のコンテキスト対応事前スコアが、各意図に対応するコンテキスト対応事前スコアとして選択され、その後の処理に利用される。
これは、「人物B」が、再生処理はあまり実行しないが、録音処理はよく実行するという情報に基づいて予め登録したデータである。
この処理は、図3に示す事前スコア学習部224の処理として行われる。
「再生する」=0.9〜「演奏者を設定する」=0.1これら15個のコンテキスト対応事前スコアが、各意図に対応するコンテキスト対応事前スコアとして選択され、その後の処理に利用される。
「再生する」=0.1〜「演奏者を設定する」=0.9これら15個のコンテキスト対応事前スコアが、各意図に対応するコンテキスト対応事前スコアとして選択され、その後の処理に利用される。
これは、「近距離マイク」を介した指示において、再生処理はあまり実行しないが、検索処理はよく実行するという情報に基づいて予め登録したデータである。
この処理は、図3に示す事前スコア学習部224の処理として行われる。
(A)入出力部215から入力される[ユーザ選択処理カテゴリ情報]
(B)画像処理部221から入力される[音声入力者識別情報]
(C)マイク判定部204から入力される[音声入力マイク識別情報]
事前スコア調整部222は、これら3つのコンテキスト情報の各々に基づいて、図9〜図11に示す各コンテキストに対応した事前スコアである[コンテキスト対応事前スコア]を全て考慮した結果としての[総合事前スコア]を算出して、図3に示す意図モデルA〜N(209−A〜N)の事前スコアA〜N(209−A2〜N2)として設定する。
これは、システムを利用する人物によって、頻繁に利用する機能と、あまり使わない機能が分かれるという特性を利用して、個人ごとに利用頻度の高い意図情報に対して事前スコアを高くする役割を持つ。
(A)入出力部215から入力される[ユーザ選択処理カテゴリ情報]
(B)画像処理部221から入力される[音声入力者識別情報]
(C)マイク判定部204から入力される[音声入力マイク識別情報]
これら3つのコンテキスト情報の各々に基づいて、図9〜図11に示す各コンテキストに対応した事前スコアである[コンテキスト対応事前スコア]を選択して、選択した[コンテキスト対応事前スコア]を適用して[総合事前スコア]を算出して、算出した[総合事前スコア]を図3に示す意図モデルA〜N(209−A〜N)の事前スコアA〜N(209−A2〜N2)として設定する。
この処理の具体例について、以下説明する。
以下に示す式(1)は音声理解において意図を推定するために利用される意図の生起確率:P(S|X)の算出式を示す。
Xは入力音声信号、
Sは意図、
P(X|S)は、意図(S)を有している場合に、入力信号(X)が得られる確率、
を示す。
上記式(1)によって算出される意図の生起確率:P(S|X)は、入力音声信号[X]が検出された場合、その意図が[S]である確率を示す。
音声理解は、式(1)に基づき、この生起確率を最大化する意図Sを決定するものとして定式化される。
S1=「再生する」
S2=「早送りする」
:
S15=「演奏者を設定する」
このような設定とする。
wsi(i=1,・・・N)は、意図Sに対して定義された単語を示す。
つまり、意図Sに対して定義された単語から構成される単語系列ws1,ws2,・・・,wsnに基づいて音響スコアが算出される。
これが確率P(X|ws1,ws2,・・・,wsn)に相当する。
また、特定の意図Sに対して算出される言語スコアは確率P(ws1,ws2,・・・,wsn|S)に相当する。
さらに、特定の意図Sに対して与えられる生起確率(事前確率)P(S)が、各意図モデルA〜N(209−A〜N)内に設定される事前スコア(209A2〜N2)に対応する。
a,b,cは、それぞれ音声理解において意図モデルごとに算出される音響スコア、言語スコア、および事前スコアの重みを示す。これらは予め設定した値を用いる。
(A)意図モデルAの設定情報を利用して算出した入力音声に最も適合する単語系列と、音響スコアと言語スコアと事前スコア
(B)意図モデルBの設定情報を利用して算出した入力音声に最も適合する単語系列と、音響スコアと言語スコアと事前スコア
:
(N)意図モデルNの設定情報を利用して算出した入力音声に最も適合する単語系列と、音響スコアと言語スコアと事前スコア
図3に示すのマルチマッチング部207では、これらのN組の入力音声に最も適合する単語系列と、音響スコアと言語スコアと事前スコア、これらのデータを算出する。
音響スコアは、式(2)に示す確率P(X|ws1,ws2,・・・,wsn)に相当する。
言語スコアは、式(2)に示す確率P(ws1,ws2,・・・,wsn|S)に相当する。
(A)入出力部215から入力される[ユーザ選択処理カテゴリ情報]
(B)画像処理部221から入力される[音声入力者識別情報]
(C)マイク判定部204から入力される[音声入力マイク識別情報]
これら3つのコンテキスト情報の各々に基づいて、図9〜図11に示す各コンテキストから抽出された[コンテキスト対応事前スコア]を適用して算出される[総合事前スコア]である。
この決定処理は、具体的には、上記式(2)の各意図の生起確率:P(S|X)の比較処理として行われる。最も高い生起確率:P(S|X)が算出される意図、すなわち意図A〜Nのいずれかが、ユーザの発話に対応する意図理解結果211として決定される。
音響スコア:P(X|ws1,ws2,・・・,wsn)
言語スコア:P(ws1,ws2,・・・,wsn|S)
これらの計算を省略することが可能となる。
本発明の情報処理装置では、この事前スコア:P(S)は、以下に示す3つのコンテキスト情報を全て考慮した結果としての総合事前スコアP(S)とする。すなわち、
(A)入出力部215から入力される[ユーザ選択処理カテゴリ情報]
(B)画像処理部221から入力される[音声入力者識別情報]
(C)マイク判定部204から入力される[音声入力マイク識別情報]
これら3つのコンテキスト情報の各々に基づいて算出される各コンテキストに対応した事前スコアである[コンテキスト対応事前スコア]を全て考慮した結果としての[総合事前スコア]を算出して利用する。
この総合事前スコア:P(S)の算出式を以下の式(3)に示す。
Kはコンテキスト判断部216から送られるコンテキスト情報の数を示している。
図2に示す例では、コンテキスト判断部216には、以下の3つのコンテキスト情報が入力される。
(A)入出力部215から入力される[ユーザ選択処理カテゴリ情報]
(B)画像処理部221から入力される[音声入力者識別情報]
(C)マイク判定部204から入力される[音声入力マイク識別情報]
これら3つのコンテキスト情報が入力される。
従って、K=3となる。
C1はマイク判定部206から送られるコンテキスト情報、
C2は入出力部215から送られるコンテキスト情報、
C3は画像処理部221から送られるコンテキスト情報、
これらを示すものとする。
なお、P(Ck)は、P(S|Ck)の重みを示す。この重みは予め設定した値を用いる。
例えば、意図Sが「早送りする」を表し、コンテキスト情報C1が「近距離マイク」を表す場合、図11に示すように、事前スコア:P(S|C1)=0.1となる。
ここで、
マイク判定部206から送られる[音声入力マイク識別情報]、すなわちコンテキスト情報C1は「近距離マイク」、
入出力部215から送られる[ユーザ選択処理カテゴリ情報]、すなわちコンテキスト情報C2は「再生」、
画像処理部221から送られる[音声入力者識別情報]、すなわち、コンテキスト情報C3は「人物B」であったとする。
つまり、
総合事前スコア:P(S)=0.5×0.1+0.6×0.9+0.4×0.3
=0.71
上記式に従って、全てのコンテキスト情報を勘案した最終的な[総合事前スコア]P(S)を算出する。
総合事前スコア:P(S)=0.5×0.1+0.6×0.9+0.4×0.3
=0.71
この0.71が事前スコア調整部222において算出され、この算出値が設定される。
(A)入出力部215から入力される[ユーザ選択処理カテゴリ情報]
(B)画像処理部221から入力される[音声入力者識別情報]
(C)マイク判定部204から入力される[音声入力マイク識別情報]
これら3つのコンテキスト情報に基づいて、図9、図10、図11に示す[コンテキスト対応事前スコア]の設定値を選択し、総合事前スコア:P(S)を算出する。
事前スコア調整部222は、算出値である総合事前スコアを、各意図モデルA〜N(209−A〜N)の事前スコアA〜N(209−A2〜N2)として設定する。
(A)意図モデルAの設定情報を利用して算出した入力音声に最も適合する単語系列と、音響スコアと言語スコアと事前スコア
(B)意図モデルBの設定情報を利用して算出した入力音声に最も適合する単語系列と、音響スコアと言語スコアと事前スコア
:
(N)意図モデルNの設定情報を利用して算出した入力音声に最も適合する単語系列と、音響スコアと言語スコアと事前スコア
図3に示すのマルチマッチング部207では、これらのN組の入力音声に最も適合する単語系列と、音響スコアと言語スコア、これらのデータを算出する。
音響スコアは、式(2)に示す確率P(X|ws1,ws2,・・・,wsn)に相当する。
言語スコアは、式(2)に示す確率P(ws1,ws2,・・・,wsn|S)に相当する。
(A)入出力部215から入力される[ユーザ選択処理カテゴリ情報]
(B)画像処理部221から入力される[音声入力者識別情報]
(C)マイク判定部204から入力される[音声入力マイク識別情報]
これら3つのコンテキスト情報の各々に基づいて、図9〜図11に示す各コンテキストから抽出された[コンテキスト対応事前スコア]を適用して算出される[総合事前スコア]である。
この決定処理は、具体的には、上記式(2)の各意図の生起確率:P(S|X)の比較処理として行われる。最も高い生起確率:P(S|X)が算出される意図、すなわち意図A〜Nのいずれかが、ユーザの発話に対応する意図理解結果211として決定される。
最後に、図12を参照して、上述した処理を実行する情報処理装置のハードウェア構成例について説明する。CPU(Central Processing Unit)701は、ROM(Read Only Memory)702、または記憶部708に記憶されているプログラムに従って各種の処理を実行する。
さらに、音声認識処理や理解処理に必用となる各種の音声情報や辞書データ、さらには、ユーザ認識処理に必用となるユーザ画像データ等が記録されている。通信部709は、インターネットやローカルエリアネットワークなどのネットワークを介して外部の装置と通信する。
12 マイク
13 AD変換部
14 特徴抽出部
15 マッチング部
16 音響モデルデータ
17 辞書データ
18 文法データ
19 音声認識結果
51〜53 ユーザ
100 情報処理装置
101 カメラ
102 音声入出力部
201 音声入力
202 近距離マイク
203 遠距離マイク
204 マイク判定部
205 AD変換部
206 特徴抽出部
207 マルチマッチング部
207a 音響スコア算出部
207b 言語スコア算出部
207c 事前スコア算出部
208 音響モデル
209−A〜N 意図モデル
209−A1〜N1 意図情報
209−A2〜N2 事前スコア
209−A3〜N3 辞書
209−A4〜N4 文法
210 意図判定部
211 音声理解結果
212 処理カテゴリ出力
213 表示部
214 コントローラ入力
215 入出力部
216 コンテキスト判断部
217 画像入力
218 カメラ
219 AD変換部
220 特徴抽出部
221 画像処理部
222 事前スコア調整部
223 事前スコア記憶部
224 事前スコア学習部
701 CPU
702 ROM
703 RAM
704 バス
705 入出力インタフェース
706 入力部
707 出力部
708 記憶部
709 通信部
710 ドライブ
711 リムーバブルメディア
Claims (10)
- 予め登録された複数の意図情報の各々に対応する意図モデル単位で、観測情報として得られるコンテキスト情報に基づく事前スコアを算出する事前スコア調整部と、
ユーザ発話に基づく入力音声に最も適合する単語系列の決定とその単語系列に付与される音響スコアと言語スコアを前記意図モデル単位で算出するマルチマッチング部と、
前記意図モデル単位の事前スコアと音響スコアと言語スコアから算出される総合スコアを比較して、最も高い総合スコアが得られた意図モデルに対応する意図情報をユーザ発話に対応する意図として決定する意図判定部と、
を有する情報処理装置。 - 前記観測情報は複数の異なる観測情報を含み、
前記複数の異なる観測情報に対応するコンテキスト情報の各々に対するコンテキスト対応事前スコアを登録した事前スコア記憶部を有し、
前記事前スコア調整部は、前記コンテキスト情報に基づいて、前記事前スコア記憶部に登録されたコンテキスト対応事前スコアを選択して、選択したコンテキスト対応事前スコアを適用して、前記意図モデル単位の事前スコアを算出する請求項1に記載の情報処理装置。 - 前記観測情報としてのコンテキスト情報は、
(a)入出力部から入力されるユーザ選択処理カテゴリ情報、
(b)画像処理部から入力される音声入力者識別情報、
(c)マイク判定部から入力される音声入力マイク識別情報、
上記(a)〜(c)の情報の少なくともいずれかを含み、
前記事前スコア調整部は、前記コンテキスト情報に基づいて、前記事前スコア記憶部に登録されたコンテキスト対応事前スコアを選択して、選択したコンテキスト対応事前スコアを適用して、前記意図モデル単位の事前スコアを算出する請求項2に記載の情報処理装置。 - 前記ユーザ選択処理カテゴリ情報は、情報処理装置が表示部に表示した情報処理装置の実行する処理カテゴリ情報に対するユーザの選択情報であり、
前記事前スコア調整部は、
ユーザの選択した処理カテゴリに対応するコンテキスト対応事前スコアを選択して、選択したコンテキスト対応事前スコアを適用して、前記意図モデル単位の事前スコアを算出する請求項3に記載の情報処理装置。 - 前記音声入力者識別情報は、情報処理装置のカメラ撮影画像に基づいて前記画像処理部が実行する顔識別処理によって識別された結果である音声入力者識別情報であり、
前記事前スコア調整部は、
識別された音声入力者に対応するコンテキスト対応事前スコアを選択して、選択したコンテキスト対応事前スコアを適用して、前記意図モデル単位の事前スコアを算出する請求項3に記載の情報処理装置。 - 前記音声入力マイク識別情報は、情報処理装置のマイク判定部が、音声の入力されたマイクを判別した情報であり、
前記事前スコア調整部は、
音声入力のなされたマイクに対応するコンテキスト対応事前スコアを選択して、選択したコンテキスト対応事前スコアを適用して、前記意図モデル単位の事前スコアを算出する請求項3に記載の情報処理装置。 - 前記意図判定部は、音響スコア、言語スコア、事前スコアの各々に対応して予め設定した重みを適用して前記意図モデル単位の総合スコアの算出を行う請求項1〜6いずれかに記載の情報処理装置。
- 前記情報処理装置は、さらに、
前記意図判定部の判定結果を入力し、入力した判定結果に基づく学習処理により、前記事前スコア記憶部に登録されたコンテキスト対応事前スコアを更新する事前スコア学習部を有する請求項1〜7いずれかに記載の情報処理装置。 - 情報処理装置において実行する情報処理方法であり、
事前スコア調整部が、予め登録された複数の意図情報の各々に対応する意図モデル単位で、観測情報として得られるコンテキスト情報に基づく事前スコアを算出する事前スコア調整ステップと、
マルチマッチング部が、ユーザ発話に基づく入力音声に最も適合する単語系列の決定とその単語系列に付与される音響スコアと言語スコアを前記意図モデル単位で算出するマルチマッチングステップ、
意図判定部が、前記意図モデル単位の事前スコアと音響スコアと言語スコアから算出される総合スコアを比較して、最も高い総合スコアが得られた意図モデルに対応する意図情報をユーザ発話に対応する意図として決定する意図判定ステップと、
を有する情報処理方法。 - 情報処理装置において情報処理を実行させるプログラムであり、
事前スコア調整部に、予め登録された複数の意図情報の各々に対応する意図モデル単位で、観測情報として得られるコンテキスト情報に基づく事前スコアを算出させる事前スコア調整ステップと、
マルチマッチング部に、ユーザ発話に基づく入力音声に最も適合する単語系列の決定とその単語系列に付与される音響スコアと言語スコアを前記意図モデル単位で算出させるマルチマッチングステップ、
意図判定部に、前記意図モデル単位の事前スコアと音響スコアと言語スコアから算出される総合スコアを比較して、最も高い総合スコアが得られた意図モデルに対応する意図情報をユーザ発話に対応する意図として決定させる意図判定ステップと、
を実行させるプログラム。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2010189123A JP2012047924A (ja) | 2010-08-26 | 2010-08-26 | 情報処理装置、および情報処理方法、並びにプログラム |
US13/206,631 US8566094B2 (en) | 2010-08-26 | 2011-08-10 | Information processing apparatus, information processing method, and program |
CN2011102428227A CN102385860A (zh) | 2010-08-26 | 2011-08-19 | 信息处理设备、信息处理方法及程序 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2010189123A JP2012047924A (ja) | 2010-08-26 | 2010-08-26 | 情報処理装置、および情報処理方法、並びにプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2012047924A true JP2012047924A (ja) | 2012-03-08 |
JP2012047924A5 JP2012047924A5 (ja) | 2013-08-15 |
Family
ID=45698351
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2010189123A Ceased JP2012047924A (ja) | 2010-08-26 | 2010-08-26 | 情報処理装置、および情報処理方法、並びにプログラム |
Country Status (3)
Country | Link |
---|---|
US (1) | US8566094B2 (ja) |
JP (1) | JP2012047924A (ja) |
CN (1) | CN102385860A (ja) |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103474069A (zh) * | 2013-09-12 | 2013-12-25 | 中国科学院计算技术研究所 | 用于融合多个语音识别系统的识别结果的方法及系统 |
JP2014048523A (ja) * | 2012-08-31 | 2014-03-17 | Nippon Telegr & Teleph Corp <Ntt> | 行動生成モデル作成装置及び行動推定装置 |
EP3037982A2 (en) | 2014-12-25 | 2016-06-29 | Clarion Co., Ltd. | Intention estimation equipment and intention estimation system |
JP2017032738A (ja) * | 2015-07-31 | 2017-02-09 | 日本電信電話株式会社 | 発話意図モデル学習装置、発話意図抽出装置、発話意図モデル学習方法、発話意図抽出方法、プログラム |
WO2018134916A1 (ja) * | 2017-01-18 | 2018-07-26 | 三菱電機株式会社 | 音声認識装置 |
CN110162775A (zh) * | 2019-03-11 | 2019-08-23 | 腾讯科技(深圳)有限公司 | 确定意图识别准确度的方法、装置及计算机设备 |
US10460034B2 (en) | 2015-01-28 | 2019-10-29 | Mitsubishi Electric Corporation | Intention inference system and intention inference method |
WO2020039726A1 (ja) * | 2018-08-20 | 2020-02-27 | ソニー株式会社 | 情報処理装置、情報処理システム、および情報処理方法、並びにプログラム |
WO2020129695A1 (ja) * | 2018-12-21 | 2020-06-25 | ソニー株式会社 | 情報処理装置、制御方法、情報処理端末、情報処理方法 |
JP2021015180A (ja) * | 2019-07-11 | 2021-02-12 | 東芝映像ソリューション株式会社 | 電子機器、プログラムおよび音声認識方法 |
WO2022124637A1 (ko) * | 2020-12-10 | 2022-06-16 | 삼성전자(주) | 전자장치 및 그의 제어방법 |
Families Citing this family (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9953638B2 (en) * | 2012-06-28 | 2018-04-24 | Nuance Communications, Inc. | Meta-data inputs to front end processing for automatic speech recognition |
US8577671B1 (en) | 2012-07-20 | 2013-11-05 | Veveo, Inc. | Method of and system for using conversation state information in a conversational interaction system |
CN104756100B (zh) * | 2012-11-30 | 2017-07-28 | 三菱电机株式会社 | 意图估计装置以及意图估计方法 |
US10354677B2 (en) * | 2013-02-28 | 2019-07-16 | Nuance Communications, Inc. | System and method for identification of intent segment(s) in caller-agent conversations |
EP2994908B1 (en) * | 2013-05-07 | 2019-08-28 | Veveo, Inc. | Incremental speech input interface with real time feedback |
WO2014197592A2 (en) * | 2013-06-04 | 2014-12-11 | Ims Solutions Inc. | Enhanced human machine interface through hybrid word recognition and dynamic speech synthesis tuning |
DE112014006542B4 (de) * | 2014-03-31 | 2024-02-08 | Mitsubishi Electric Corporation | Einrichtung und Verfahren zum Verständnis von einer Benutzerintention |
US9854049B2 (en) | 2015-01-30 | 2017-12-26 | Rovi Guides, Inc. | Systems and methods for resolving ambiguous terms in social chatter based on a user profile |
EP3282447B1 (en) * | 2015-03-31 | 2020-08-26 | Sony Corporation | PROGRESSIVE UTTERANCE ANALYSIS FOR SUCCESSIVELY DISPLAYING EARLY SUGGESTIONS BASED ON PARTIAL SEMANTIC PARSES FOR VOICE CONTROL. 
REAL TIME PROGRESSIVE SEMANTIC UTTERANCE ANALYSIS FOR VISUALIZATION AND ACTIONS CONTROL. |
US10249297B2 (en) * | 2015-07-13 | 2019-04-02 | Microsoft Technology Licensing, Llc | Propagating conversational alternatives using delayed hypothesis binding |
US11868354B2 (en) * | 2015-09-23 | 2024-01-09 | Motorola Solutions, Inc. | Apparatus, system, and method for responding to a user-initiated query with a context-based response |
US10032451B1 (en) * | 2016-12-20 | 2018-07-24 | Amazon Technologies, Inc. | User recognition for speech processing systems |
CN107404577B (zh) * | 2017-07-20 | 2019-05-17 | 维沃移动通信有限公司 | 一种图像处理方法、移动终端及计算机可读存储介质 |
US10547939B1 (en) * | 2018-09-14 | 2020-01-28 | Lenovo (Singapore) Pte. Ltd. | Pickup range control |
CN115051903B (zh) * | 2019-02-14 | 2023-08-04 | 华为技术有限公司 | 一种意图处理方法、装置及系统 |
CN111737670B (zh) * | 2019-03-25 | 2023-08-18 | 广州汽车集团股份有限公司 | 多模态数据协同人机交互的方法、系统及车载多媒体装置 |
US20230127907A1 (en) * | 2021-10-22 | 2023-04-27 | International Business Machines Corporation | Intention identification in dialogue system |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002116791A (ja) * | 2000-10-11 | 2002-04-19 | Nissan Motor Co Ltd | 音声入力装置 |
JP2006053203A (ja) * | 2004-08-10 | 2006-02-23 | Sony Corp | 音声処理装置および方法、記録媒体、並びにプログラム |
JP2006071791A (ja) * | 2004-08-31 | 2006-03-16 | Fuji Heavy Ind Ltd | 車両の音声認識装置 |
JP2006154190A (ja) * | 2004-11-29 | 2006-06-15 | Toshiba Corp | 音声移動制御装置および音声移動制御方法 |
Family Cites Families (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002507010A (ja) * | 1998-03-09 | 2002-03-05 | ルノー・アンド・オスピー・スピーチ・プロダクツ・ナームローゼ・ベンノートシャープ | 同時に起こるマルチモード口述のための装置及び方法 |
WO2001067228A1 (en) * | 2000-03-09 | 2001-09-13 | Koninklijke Philips Electronics N.V. | Method of interacting with a consumer electronics system |
US6964023B2 (en) * | 2001-02-05 | 2005-11-08 | International Business Machines Corporation | System and method for multi-modal focus detection, referential ambiguity resolution and mood classification using multi-modal input |
US6611206B2 (en) * | 2001-03-15 | 2003-08-26 | Koninklijke Philips Electronics N.V. | Automatic system for monitoring independent person requiring occasional assistance |
US7283992B2 (en) * | 2001-11-30 | 2007-10-16 | Microsoft Corporation | Media agent to suggest contextually related media content |
US6990639B2 (en) * | 2002-02-07 | 2006-01-24 | Microsoft Corporation | System and process for controlling electronic components in a ubiquitous computing environment using multimodal integration |
US7228275B1 (en) * | 2002-10-21 | 2007-06-05 | Toyota Infotechnology Center Co., Ltd. | Speech recognition system having multiple speech recognizers |
JP4478939B2 (ja) * | 2004-09-30 | 2010-06-09 | 株式会社国際電気通信基礎技術研究所 | 音声処理装置およびそのためのコンピュータプログラム |
JP4188989B2 (ja) * | 2006-09-15 | 2008-12-03 | 本田技研工業株式会社 | 音声認識装置、音声認識方法、及び音声認識プログラム |
EP1908640B1 (en) * | 2006-10-02 | 2009-03-04 | Harman Becker Automotive Systems GmbH | Voice control of vehicular elements from outside a vehicular cabin |
US7818166B2 (en) * | 2007-01-31 | 2010-10-19 | Motorola, Inc. | Method and apparatus for intention based communications for mobile communication devices |
US8219406B2 (en) * | 2007-03-15 | 2012-07-10 | Microsoft Corporation | Speech-centric multimodal user interface design in mobile technology |
JP4412504B2 (ja) * | 2007-04-17 | 2010-02-10 | 本田技研工業株式会社 | 音声認識装置、音声認識方法、及び音声認識用プログラム |
US8423362B2 (en) * | 2007-12-21 | 2013-04-16 | General Motors Llc | In-vehicle circumstantial speech recognition |
US8417526B2 (en) * | 2009-03-13 | 2013-04-09 | Adacel, Inc. | Speech recognition learning system and method |
US8359020B2 (en) * | 2010-08-06 | 2013-01-22 | Google Inc. | Automatically monitoring for voice input based on context |
-
2010
- 2010-08-26 JP JP2010189123A patent/JP2012047924A/ja not_active Ceased
-
2011
- 2011-08-10 US US13/206,631 patent/US8566094B2/en not_active Expired - Fee Related
- 2011-08-19 CN CN2011102428227A patent/CN102385860A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002116791A (ja) * | 2000-10-11 | 2002-04-19 | Nissan Motor Co Ltd | 音声入力装置 |
JP2006053203A (ja) * | 2004-08-10 | 2006-02-23 | Sony Corp | 音声処理装置および方法、記録媒体、並びにプログラム |
JP2006071791A (ja) * | 2004-08-31 | 2006-03-16 | Fuji Heavy Ind Ltd | 車両の音声認識装置 |
JP2006154190A (ja) * | 2004-11-29 | 2006-06-15 | Toshiba Corp | 音声移動制御装置および音声移動制御方法 |
Cited By (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2014048523A (ja) * | 2012-08-31 | 2014-03-17 | Nippon Telegr & Teleph Corp <Ntt> | 行動生成モデル作成装置及び行動推定装置 |
CN103474069A (zh) * | 2013-09-12 | 2013-12-25 | 中国科学院计算技术研究所 | 用于融合多个语音识别系统的识别结果的方法及系统 |
CN103474069B (zh) * | 2013-09-12 | 2016-03-30 | 中国科学院计算技术研究所 | 用于融合多个语音识别系统的识别结果的方法及系统 |
EP3037982A2 (en) | 2014-12-25 | 2016-06-29 | Clarion Co., Ltd. | Intention estimation equipment and intention estimation system |
JP2016122336A (ja) * | 2014-12-25 | 2016-07-07 | クラリオン株式会社 | 意図推定装置、および意図推定システム |
US9569427B2 (en) | 2014-12-25 | 2017-02-14 | Clarion Co., Ltd. | Intention estimation equipment and intention estimation system |
US10460034B2 (en) | 2015-01-28 | 2019-10-29 | Mitsubishi Electric Corporation | Intention inference system and intention inference method |
JP2017032738A (ja) * | 2015-07-31 | 2017-02-09 | 日本電信電話株式会社 | 発話意図モデル学習装置、発話意図抽出装置、発話意図モデル学習方法、発話意図抽出方法、プログラム |
JPWO2018134916A1 (ja) * | 2017-01-18 | 2019-04-11 | 三菱電機株式会社 | 音声認識装置 |
WO2018134916A1 (ja) * | 2017-01-18 | 2018-07-26 | 三菱電機株式会社 | 音声認識装置 |
WO2020039726A1 (ja) * | 2018-08-20 | 2020-02-27 | ソニー株式会社 | 情報処理装置、情報処理システム、および情報処理方法、並びにプログラム |
WO2020129695A1 (ja) * | 2018-12-21 | 2020-06-25 | ソニー株式会社 | 情報処理装置、制御方法、情報処理端末、情報処理方法 |
CN110162775A (zh) * | 2019-03-11 | 2019-08-23 | 腾讯科技(深圳)有限公司 | 确定意图识别准确度的方法、装置及计算机设备 |
JP2021015180A (ja) * | 2019-07-11 | 2021-02-12 | 東芝映像ソリューション株式会社 | 電子機器、プログラムおよび音声認識方法 |
JP7216621B2 (ja) | 2019-07-11 | 2023-02-01 | Tvs Regza株式会社 | 電子機器、プログラムおよび音声認識方法 |
WO2022124637A1 (ko) * | 2020-12-10 | 2022-06-16 | 삼성전자(주) | 전자장치 및 그의 제어방법 |
Also Published As
Publication number | Publication date |
---|---|
US20120053942A1 (en) | 2012-03-01 |
CN102385860A (zh) | 2012-03-21 |
US8566094B2 (en) | 2013-10-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP2012047924A (ja) | 情報処理装置、および情報処理方法、並びにプログラム | |
US11875820B1 (en) | Context driven device arbitration | |
US11887590B2 (en) | Voice enablement and disablement of speech processing functionality | |
US11580991B2 (en) | Speaker based anaphora resolution | |
US10643609B1 (en) | Selecting speech inputs | |
EP3114679B1 (en) | Predicting pronunciation in speech recognition | |
US11138977B1 (en) | Determining device groups | |
US10276164B2 (en) | Multi-speaker speech recognition correction system | |
US10448115B1 (en) | Speech recognition for localized content | |
US11854550B2 (en) | Determining input for speech processing engine | |
US20180308487A1 (en) | Dialogue System Incorporating Unique Speech to Text Conversion Method for Meaningful Dialogue Response | |
US11687526B1 (en) | Identifying user content | |
JP6654611B2 (ja) | 成長型対話装置 | |
JP2012037619A (ja) | 話者適応化装置、話者適応化方法および話者適応化用プログラム | |
US10504512B1 (en) | Natural language speech processing application selection | |
US9460714B2 (en) | Speech processing apparatus and method | |
JP2004198831A (ja) | 音声認識装置および方法、プログラム、並びに記録媒体 | |
Lecouteux et al. | Distant speech recognition for home automation: Preliminary experimental results in a smart home | |
JP5257680B2 (ja) | 音声認識装置 | |
JP7347511B2 (ja) | 音声処理装置、音声処理方法、およびプログラム | |
JP7511374B2 (ja) | 発話区間検知装置、音声認識装置、発話区間検知システム、発話区間検知方法及び発話区間検知プログラム | |
JP4864783B2 (ja) | パタンマッチング装置、パタンマッチングプログラム、およびパタンマッチング方法 | |
JP2002182685A (ja) | 認識装置および認識方法、学習装置および学習方法、並びに記録媒体 | |
JP5476760B2 (ja) | コマンド認識装置 | |
US20230386491A1 (en) | Artificial intelligence device |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20130628 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20130628 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20140131 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20140218 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20140410 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20141028 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20141222 |
|
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20150120 |
|
A045 | Written measure of dismissal of application [lapsed due to lack of payment] |
Free format text: JAPANESE INTERMEDIATE CODE: A045 Effective date: 20150526 |