JP2780676B2 - 音声認識装置及び音声認識方法 - Google Patents
音声認識装置及び音声認識方法Info
- Publication number
- JP2780676B2 JP2780676B2 JP7180734A JP18073495A JP2780676B2 JP 2780676 B2 JP2780676 B2 JP 2780676B2 JP 7180734 A JP7180734 A JP 7180734A JP 18073495 A JP18073495 A JP 18073495A JP 2780676 B2 JP2780676 B2 JP 2780676B2
- Authority
- JP
- Japan
- Prior art keywords
- pattern
- input
- environment
- standard pattern
- change
- 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.)
- Expired - Fee Related
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
- G10L15/20—Speech recognition techniques specially adapted for robustness in adverse environments, e.g. in noise, of stress induced speech
-
- 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
- G10L15/06—Creation of reference templates; Training of speech recognition systems, e.g. adaptation to the characteristics of the speaker's voice
- G10L15/063—Training
-
- 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
- G10L15/08—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 OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
- G10L21/00—Processing of the speech or voice signal to produce another audible or non-audible signal, e.g. visual or tactile, in order to modify its quality or its intelligibility
- G10L21/02—Speech enhancement, e.g. noise reduction or echo cancellation
- G10L21/0208—Noise filtering
- G10L21/0216—Noise filtering characterised by the method used for estimating noise
Description
【発明の詳細な説明】
【０００１】
【産業上の利用分野】本発明は、音声認識装置及び音声
認識方法に関し、特に音声が発声された発声環境の違い
を補正する音声認識装置及び音声認識方法に関する。
認識方法に関し、特に音声が発声された発声環境の違い
を補正する音声認識装置及び音声認識方法に関する。
【０００２】
【従来の技術】この種の従来の一般的な音声認識は、標
準となる音声に基づいて作成された認識対象の特徴をあ
らわす標準パターンと、入力された音声に基づいて作成
された入力音声の特徴をあらわす入力パターンとの距離
を求め、この距離が最小となるような認識対象を認識結
果として出力することによって行われる。その際、標準
パターンの作成に使用された音声と入力音声の、それぞ
れが発声された時の背景雑音の状態やマイクロホンの特
性等の発声環境が異なることにより、音声の認識性能が
低下することが知られている。
準となる音声に基づいて作成された認識対象の特徴をあ
らわす標準パターンと、入力された音声に基づいて作成
された入力音声の特徴をあらわす入力パターンとの距離
を求め、この距離が最小となるような認識対象を認識結
果として出力することによって行われる。その際、標準
パターンの作成に使用された音声と入力音声の、それぞ
れが発声された時の背景雑音の状態やマイクロホンの特
性等の発声環境が異なることにより、音声の認識性能が
低下することが知られている。
【０００３】発声環境の相違による認識性能の低下の問
題を解決するために、従来においては、例えば、本出願
人により先願された特願平５−３３１４７８号の明細書
に記載されているような音声認識装置が提案されてい
る。この音声認識装置は、背景雑音のように発声者の音
声と同時に混入しスペクトル上で加法的に作用する付加
雑音と、マイクロフォンや電話回線の伝達特性等のよう
にスペクトルそのものを歪ませスペクトル上で乗法的に
作用する歪みの大きさとを推定し、これらの付加雑音と
歪みを補正するための補正値を求め、求められた補正値
によって標準パターンの作成に使用された音声と、入力
音声との発声環境の違いを適合化させるものである。
題を解決するために、従来においては、例えば、本出願
人により先願された特願平５−３３１４７８号の明細書
に記載されているような音声認識装置が提案されてい
る。この音声認識装置は、背景雑音のように発声者の音
声と同時に混入しスペクトル上で加法的に作用する付加
雑音と、マイクロフォンや電話回線の伝達特性等のよう
にスペクトルそのものを歪ませスペクトル上で乗法的に
作用する歪みの大きさとを推定し、これらの付加雑音と
歪みを補正するための補正値を求め、求められた補正値
によって標準パターンの作成に使用された音声と、入力
音声との発声環境の違いを適合化させるものである。
【０００４】従来における音声認識装置の構成は、例え
ば図５に示すようなものである。図５では、入力された
音声は分析部９１で分析され、音声の特徴をあらわす特
徴ベクトルの時系列パターンである入力パターンＶに変
換される。予備マッチング部９２は、時間軸を正規化し
て時間軸正規化後の距離を求める手法を用いて、入力パ
ターンＶと標準パターン記憶部９３に保持されている標
準パターンＷとの時間軸正規化後の距離を計算し、時間
軸正規化後の距離が最小となる認識対象を選択し、選択
された認識対象の標準パターンＷと入力パターンＶと
の、時間軸正規化の際に行った特徴ベクトルの時系列の
対応づけＴを得る。また、補正値計算部９４は、入力パ
ターンＶと、標準パターンＷと、入力パターンＶと標準
パターンＷの特徴ベクトルの時系列の対応付けＴに基づ
いて、スペクトル上で加法的に作用する付加雑音とスペ
クトル上で乗法的に作用する歪みを補正するための補正
値を求める。さらに、パターン補正部９５では、全ての
認識対象の標準パターンＷを前記補正値により補正す
る。そして、マッチング部９６では、入力パターンＶと
補正された標準パターンＷａとの時間軸正規化後の距離
を求め、時間軸正規化後の距離が最小となる認識対象を
選択し、最終的な認識結果として出力する。
ば図５に示すようなものである。図５では、入力された
音声は分析部９１で分析され、音声の特徴をあらわす特
徴ベクトルの時系列パターンである入力パターンＶに変
換される。予備マッチング部９２は、時間軸を正規化し
て時間軸正規化後の距離を求める手法を用いて、入力パ
ターンＶと標準パターン記憶部９３に保持されている標
準パターンＷとの時間軸正規化後の距離を計算し、時間
軸正規化後の距離が最小となる認識対象を選択し、選択
された認識対象の標準パターンＷと入力パターンＶと
の、時間軸正規化の際に行った特徴ベクトルの時系列の
対応づけＴを得る。また、補正値計算部９４は、入力パ
ターンＶと、標準パターンＷと、入力パターンＶと標準
パターンＷの特徴ベクトルの時系列の対応付けＴに基づ
いて、スペクトル上で加法的に作用する付加雑音とスペ
クトル上で乗法的に作用する歪みを補正するための補正
値を求める。さらに、パターン補正部９５では、全ての
認識対象の標準パターンＷを前記補正値により補正す
る。そして、マッチング部９６では、入力パターンＶと
補正された標準パターンＷａとの時間軸正規化後の距離
を求め、時間軸正規化後の距離が最小となる認識対象を
選択し、最終的な認識結果として出力する。
【０００５】以下、付加雑音及び歪みの補正値の求めか
た及び補正方法を数式を用いて説明する。
た及び補正方法を数式を用いて説明する。
【０００６】入力パターンの付加雑音をＢｖ、歪みをＡ
ｖ、時刻ｔでの特徴ベクトルをスペクトルであらわした
ものをＶ（ｔ）、真の入力パターンのスペクトルをＶｏ
（ｔ）とすると、これらは次式（１）及び（２）によっ
て関係付けられる。
ｖ、時刻ｔでの特徴ベクトルをスペクトルであらわした
ものをＶ（ｔ）、真の入力パターンのスペクトルをＶｏ
（ｔ）とすると、これらは次式（１）及び（２）によっ
て関係付けられる。
【０００７】 Ｖ（ｔ）＝Ａｖ・Ｖｏ（ｔ）＋Ｂｖ （ｔが音声区間の場合） …（１）
【０００８】 Ｖ（ｔ）＝Ｂｖ （ｔが雑音区間の場合） …（２）
【０００９】なお、上式（１）において、記号「・」は
ベクトルの成分毎の乗算を意味する（以下の数式におい
ても同様とする）。
ベクトルの成分毎の乗算を意味する（以下の数式におい
ても同様とする）。
【００１０】同様にして、標準パターンの付加雑音をＢ
ｗ、歪みをＡｗ、時刻ｔでの特徴ベクトルをスペクトル
であらわしたものをＷ（ｔ）、真の標準パターンのスペ
クトルをＷｏ（ｔ）とすると、これらは次式（３）及び
（４）によって関係付けられる。
ｗ、歪みをＡｗ、時刻ｔでの特徴ベクトルをスペクトル
であらわしたものをＷ（ｔ）、真の標準パターンのスペ
クトルをＷｏ（ｔ）とすると、これらは次式（３）及び
（４）によって関係付けられる。
【００１１】 Ｗ（ｔ）＝Ａｗ・Ｗｏ（ｔ）＋Ｂｗ （ｔが音声区間の場合） …（３）
【００１２】 Ｗ（ｔ）＝Ｂｗ （ｔが雑音区間の場合） …（４）
【００１３】一方、付加雑音及び歪みを入力音声の発声
環境に適合するように補正した標準パターンＷａ（ｔ）
は次式（５）及び（６）で表される。
環境に適合するように補正した標準パターンＷａ（ｔ）
は次式（５）及び（６）で表される。
【００１４】 Ｗａ（ｔ）＝Ａｖ・Ｗｏ（ｔ）＋Ｂｖ（ｔが音声区間の場合） …（５）
【００１５】 Ｗａ（ｔ）＝Ｂｖ （ｔが雑音区間の場合） …（６）
【００１６】上式（３）を用いて上式（５）のＷｏ
（ｔ）を消去すると次式（７）が得られる。
（ｔ）を消去すると次式（７）が得られる。
【００１７】
【数１】
【００１８】なお、上式（７）において、記号「／」は
ベクトルの成分毎の除算を意味する（以下の数式におい
ても同様とする）。
ベクトルの成分毎の除算を意味する（以下の数式におい
ても同様とする）。
【００１９】入力パターンのスペクトル成分毎の音声区
間の平均をＳｖ、雑音区間の平均をＮｖ、標準パターン
のスペクトル成分毎の音声区間の平均をＳｗ、雑音区間
の平均をＮｗでそれぞれ表し、真の入力パターンのスペ
クトル成分毎の平均が真の標準パターンのスペクトル成
分毎の平均と等しいという近似を行うと、上式（１）な
いし（６）より、補正値である歪み比ベクトルＡｖ／Ａ
ｗ、入力パターンの付加雑音Ｂｖ、標準パターンの付加
雑音Ｂｗが、次式（８）ないし（１０）によって求めら
れる。
間の平均をＳｖ、雑音区間の平均をＮｖ、標準パターン
のスペクトル成分毎の音声区間の平均をＳｗ、雑音区間
の平均をＮｗでそれぞれ表し、真の入力パターンのスペ
クトル成分毎の平均が真の標準パターンのスペクトル成
分毎の平均と等しいという近似を行うと、上式（１）な
いし（６）より、補正値である歪み比ベクトルＡｖ／Ａ
ｗ、入力パターンの付加雑音Ｂｖ、標準パターンの付加
雑音Ｂｗが、次式（８）ないし（１０）によって求めら
れる。
【００２０】 Ａｖ／Ａｗ＝（Ｓｖ−Ｎｖ）／（Ｓｗ−Ｎｗ） …（８）
【００２１】 Ｂｖ＝Ｎｖ …（９）
【００２２】 Ｂｗ＝Ｎｗ …（１０）
【００２３】上式（８）ないし（１０）によって求めら
れた補正値を用いて、上式（６）及び（７）の処理を行
うことにより、入力パターンと標準パターンとの発声環
境の違いを補正することができる。
れた補正値を用いて、上式（６）及び（７）の処理を行
うことにより、入力パターンと標準パターンとの発声環
境の違いを補正することができる。
【００２４】
【発明が解決しようとする課題】しかしながら、上記従
来の音声認識装置では、マッチングを２回行っており、
特に２回目のマッチングは発声終了後に実行しなければ
ならないことから、発声終了から認識結果が出力される
までの時間（以下、「認識時間」という）が長くなると
いう問題があった。
来の音声認識装置では、マッチングを２回行っており、
特に２回目のマッチングは発声終了後に実行しなければ
ならないことから、発声終了から認識結果が出力される
までの時間（以下、「認識時間」という）が長くなると
いう問題があった。
【００２５】また、上記特願平５−３３１４７８号の明
細書には、認識時間を短縮するために、補正した標準パ
ターンを次回のために保持し、次回は標準パターンの補
正を行わず、分析部９１が最終的なマッチングに用いる
特徴ベクトルを求め、マッチング部９６において予め保
持しておいた標準パターンとのマッチングを行うという
手法が記載されているが、この記載された手法を用いた
としても、発声環境が時間的に変化した場合には、やは
り認識性能が低下してしまうという問題があった。
細書には、認識時間を短縮するために、補正した標準パ
ターンを次回のために保持し、次回は標準パターンの補
正を行わず、分析部９１が最終的なマッチングに用いる
特徴ベクトルを求め、マッチング部９６において予め保
持しておいた標準パターンとのマッチングを行うという
手法が記載されているが、この記載された手法を用いた
としても、発声環境が時間的に変化した場合には、やは
り認識性能が低下してしまうという問題があった。
【００２６】本発明は、上記の問題点に鑑みてなされた
ものであり、発声環境が時間的に変化した場合でも発声
環境の相違を補正することによって変化に素早く適合
し、かつ平均的な認識時間の短縮も可能とする音声認識
装置及び音声認識方法を提供することを目的とする。
ものであり、発声環境が時間的に変化した場合でも発声
環境の相違を補正することによって変化に素早く適合
し、かつ平均的な認識時間の短縮も可能とする音声認識
装置及び音声認識方法を提供することを目的とする。
【００２７】
【課題を解決するための手段】上記目的を達成するた
め、本発明は、入力音声の特徴をあらわす入力パターン
と予め保持されている標準パターンとを比較し１次的な
対応付けを行う１次マッチング手段と、前記標準パター
ン及び／又は前記入力パターンを発声環境に適合するよ
う補正するパターン補正手段と、このパターン補正手段
によって補正された後の標準パターン及び／又は入力パ
ターンを用いて、再度入力パターンと標準パターンとを
比較し２次的な対応付けを行う２次マッチング手段と、
前記入力音声の発声環境の変化を検出する環境変化検出
手段と、この環境変化検出手段によって検出された前記
発声環境の変化の度合いに応じて前記２次マッチング手
段を作動させるか否かを制御する制御手段と、を備えた
音声認識装置を提供する。
め、本発明は、入力音声の特徴をあらわす入力パターン
と予め保持されている標準パターンとを比較し１次的な
対応付けを行う１次マッチング手段と、前記標準パター
ン及び／又は前記入力パターンを発声環境に適合するよ
う補正するパターン補正手段と、このパターン補正手段
によって補正された後の標準パターン及び／又は入力パ
ターンを用いて、再度入力パターンと標準パターンとを
比較し２次的な対応付けを行う２次マッチング手段と、
前記入力音声の発声環境の変化を検出する環境変化検出
手段と、この環境変化検出手段によって検出された前記
発声環境の変化の度合いに応じて前記２次マッチング手
段を作動させるか否かを制御する制御手段と、を備えた
音声認識装置を提供する。
【００２８】また、本発明は、入力音声を分析して、こ
の入力音声の特徴をあらわす入力パターンを求める分析
手段と、予め標準となる音声に基づいて作成された認識
対象の特徴をあらわす標準パターンを保持する標準パタ
ーン記憶手段と、前記分析手段によって求められた前記
入力パターンと前記標準パターン記憶手段に保持された
前記標準パターンとの距離を求め、この距離が最小とな
る認識対象を１次的に求める１次マッチング手段と、前
記標準パターン及び／又は前記入力パターンを発声環境
に適合させるための補正値を求める補正値計算手段と、
この補正値計算手段によって求められた前記補正値に基
づいて前記標準パターン及び／又は前記入力パターンを
発声環境に適合するよう補正するパターン補正手段と、
このパターン補正手段によって補正された後の標準パタ
ーン及び／又は入力パターンを用いて、再度入力パター
ンと標準パターンとの距離を求め、この距離が最小とな
る認識対象を２次的に求める２次マッチング手段と、前
記補正値計算手段によって求められた前記補正値に基づ
いて前記入力音声の発声環境の変化の大きさをあらわす
環境変化指数を求める環境変化検出手段と、この環境変
化検出手段によって求められた前記環境変化指数に基づ
いて前記２次マッチング手段を作動させるか否かを制御
する制御手段と、を備えた音声認識装置を提供する。
の入力音声の特徴をあらわす入力パターンを求める分析
手段と、予め標準となる音声に基づいて作成された認識
対象の特徴をあらわす標準パターンを保持する標準パタ
ーン記憶手段と、前記分析手段によって求められた前記
入力パターンと前記標準パターン記憶手段に保持された
前記標準パターンとの距離を求め、この距離が最小とな
る認識対象を１次的に求める１次マッチング手段と、前
記標準パターン及び／又は前記入力パターンを発声環境
に適合させるための補正値を求める補正値計算手段と、
この補正値計算手段によって求められた前記補正値に基
づいて前記標準パターン及び／又は前記入力パターンを
発声環境に適合するよう補正するパターン補正手段と、
このパターン補正手段によって補正された後の標準パタ
ーン及び／又は入力パターンを用いて、再度入力パター
ンと標準パターンとの距離を求め、この距離が最小とな
る認識対象を２次的に求める２次マッチング手段と、前
記補正値計算手段によって求められた前記補正値に基づ
いて前記入力音声の発声環境の変化の大きさをあらわす
環境変化指数を求める環境変化検出手段と、この環境変
化検出手段によって求められた前記環境変化指数に基づ
いて前記２次マッチング手段を作動させるか否かを制御
する制御手段と、を備えた音声認識装置を提供する。
【００２９】本発明の音声認識装置においては、好まし
くは、前記制御手段が、前記環境変化指数が所定のしき
い値よりも大きい場合には前記２次マッチング手段を作
動させ、前記環境変化指数が所定のしきい値よりも小さ
い場合には前記２次マッチング手段を作動させないよう
制御するものであるとよい。
くは、前記制御手段が、前記環境変化指数が所定のしき
い値よりも大きい場合には前記２次マッチング手段を作
動させ、前記環境変化指数が所定のしきい値よりも小さ
い場合には前記２次マッチング手段を作動させないよう
制御するものであるとよい。
【００３０】また、本発明の音声認識装置においては、
前記制御手段が、前記所定のしきい値よりも大きな値を
持つ第２のしきい値を有し、前記環境変化指数がこの第
２のしきい値よりも大きい場合には前記２次マッチング
手段を作動させないよう制御するものであるとなおよ
い。
前記制御手段が、前記所定のしきい値よりも大きな値を
持つ第２のしきい値を有し、前記環境変化指数がこの第
２のしきい値よりも大きい場合には前記２次マッチング
手段を作動させないよう制御するものであるとなおよ
い。
【００３１】さらに、本発明は、入力された音声の特徴
をあらわす入力パターンと予め保持されている標準パタ
ーンとを比較して音声認識を行う音声認識方法であっ
て、前記入力された音声の発声環境の変化の大きさを求
め、この変化の大きさが所定のしきい値よりも大きい場
合には、前記入力パターン及び／又は前記標準パターン
を発声環境に適合させるよう補正した上で再度前記入力
パターンと前記標準パターンとのマッチングを行い、こ
の変化の大きさが前記所定のしきい値よりも小さい場合
には、当該補正を行わずに前記入力パターンと前記標準
パターンとのマッチングを行う音声認識方法を提供す
る。
をあらわす入力パターンと予め保持されている標準パタ
ーンとを比較して音声認識を行う音声認識方法であっ
て、前記入力された音声の発声環境の変化の大きさを求
め、この変化の大きさが所定のしきい値よりも大きい場
合には、前記入力パターン及び／又は前記標準パターン
を発声環境に適合させるよう補正した上で再度前記入力
パターンと前記標準パターンとのマッチングを行い、こ
の変化の大きさが前記所定のしきい値よりも小さい場合
には、当該補正を行わずに前記入力パターンと前記標準
パターンとのマッチングを行う音声認識方法を提供す
る。
【００３２】さらにまた、本発明は、入力された音声の
特徴をあらわす入力パターンと予め保持されている標準
パターンとを比較して音声認識を行う音声認識方法であ
って、前記入力された音声の発声環境の変化の大きさを
求め、この変化の大きさが第１のしきい値よりも大きく
かつ第２のしきい値よりも小さい場合には、前記入力パ
ターン及び／又は前記標準パターンを発声環境に適合さ
せるよう補正した上で再度前記入力パターンと前記標準
パターンとのマッチングを行い、この変化の大きさが前
記第１のしきい値よりも小さい場合又は前記第２のしき
い値よりも大きい場合には、当該補正を行わずに前記入
力パターンと前記標準パターンとのマッチングを行う音
声認識方法を提供する。
特徴をあらわす入力パターンと予め保持されている標準
パターンとを比較して音声認識を行う音声認識方法であ
って、前記入力された音声の発声環境の変化の大きさを
求め、この変化の大きさが第１のしきい値よりも大きく
かつ第２のしきい値よりも小さい場合には、前記入力パ
ターン及び／又は前記標準パターンを発声環境に適合さ
せるよう補正した上で再度前記入力パターンと前記標準
パターンとのマッチングを行い、この変化の大きさが前
記第１のしきい値よりも小さい場合又は前記第２のしき
い値よりも大きい場合には、当該補正を行わずに前記入
力パターンと前記標準パターンとのマッチングを行う音
声認識方法を提供する。
【００３３】
【作用】本発明の音声認識装置によれば、入力音声の発
声環境の変化の度合いを検出し、この度合いが大きい場
合には、前回の発声環境からの変化が大きいと判断し
て、標準パターン及び／又は入力パターンを発声環境に
適合するように補正した上で入力パターンと標準パター
ンとを比較し対応付ける２次マッチングを行って最終的
な認識結果を出力するが、変化の度合いが小さい場合に
は、このような２次マッチングを行わず、前回以前の発
声時に補正された標準パターンと今回入力された入力音
声の入力パターンとの１次マッチングによって得られた
認識結果を最終的な認識結果として出力するため、毎回
２次マッチングを行う必要がなく、平均的な認識時間を
短縮できるとともに、発声環境が時間的に変化した場合
でも有効な発声環境の補正を行うことができる。
声環境の変化の度合いを検出し、この度合いが大きい場
合には、前回の発声環境からの変化が大きいと判断し
て、標準パターン及び／又は入力パターンを発声環境に
適合するように補正した上で入力パターンと標準パター
ンとを比較し対応付ける２次マッチングを行って最終的
な認識結果を出力するが、変化の度合いが小さい場合に
は、このような２次マッチングを行わず、前回以前の発
声時に補正された標準パターンと今回入力された入力音
声の入力パターンとの１次マッチングによって得られた
認識結果を最終的な認識結果として出力するため、毎回
２次マッチングを行う必要がなく、平均的な認識時間を
短縮できるとともに、発声環境が時間的に変化した場合
でも有効な発声環境の補正を行うことができる。
【００３４】また、本発明の音声認識装置によれば、発
声環境の変化の度合いを表す環境変化指数を、標準パタ
ーン及び／又は入力パターンを発声環境に適合させるた
めの補正値から求めるようにしているため、２次的なマ
ッチングを採用する従来の音声認識装置に対して大幅な
変更を加えることなく、上記と同様の作用効果を奏する
ことができる。
声環境の変化の度合いを表す環境変化指数を、標準パタ
ーン及び／又は入力パターンを発声環境に適合させるた
めの補正値から求めるようにしているため、２次的なマ
ッチングを採用する従来の音声認識装置に対して大幅な
変更を加えることなく、上記と同様の作用効果を奏する
ことができる。
【００３５】なお、このような環境変化指数による環境
変化の度合いの判断は、この環境変化指数が所定のしき
い値を超えているか否かによって行えばよく、さらに所
定のしきい値を越えている場合に一律に２次マッチング
を行うのではなく、この所定のしきい値よりも大きな第
２のしきい値を用意し、環境変化指数がこの第２のしき
い値を越えている場合には２次マッチングを行わないよ
うにすることにより、入力された音が非定常な雑音や認
識対象以外の音声であった場合に有効に対処することが
できる。
変化の度合いの判断は、この環境変化指数が所定のしき
い値を超えているか否かによって行えばよく、さらに所
定のしきい値を越えている場合に一律に２次マッチング
を行うのではなく、この所定のしきい値よりも大きな第
２のしきい値を用意し、環境変化指数がこの第２のしき
い値を越えている場合には２次マッチングを行わないよ
うにすることにより、入力された音が非定常な雑音や認
識対象以外の音声であった場合に有効に対処することが
できる。
【００３６】
【実施例】以下、添付図面を参照して本発明の実施例を
詳細に説明する。
詳細に説明する。
【００３７】図１は、本発明の一実施例に係る音声認識
装置の構成を示すブロック図である。図１を参照して説
明すると、この音声認識装置は、入力された音声を分析
して入力音声の特徴をあらわす入力パターンＶを求める
分析部１０と、標準となる音声に基づいて作成された認
識対象の特徴をあらわす標準パターンＷを保持する標準
パターン記憶部３０と、入力パターンＶと標準パターン
Ｗとの距離を求め、求められた距離が最小となる認識対
象を求める１次マッチング部２０と、標準パターンＷを
発声環境に適合するように補正するための補正値を求め
る補正値計算部４０と、補正値計算部４０によって求め
られた補正値に基づいて標準パターンＷを発声環境に適
合するように補正するパターン補正部５０と、入力パタ
ーンＶとパターン補正部５０によって補正された標準パ
ターンＷａとの距離を求め、求められた距離が最小とな
る認識対象を求める２次マッチング部６０と、補正値計
算部４０によって求められた補正値から環境変化の大き
さをあらわす環境変化指数を求める環境変化検出部７０
と、環境変化検出部７０によって求められた環境変化指
数に基づいて２次マッチング部６０を作動するか否かを
制御する２次マッチング制御部８０と、を有している。
装置の構成を示すブロック図である。図１を参照して説
明すると、この音声認識装置は、入力された音声を分析
して入力音声の特徴をあらわす入力パターンＶを求める
分析部１０と、標準となる音声に基づいて作成された認
識対象の特徴をあらわす標準パターンＷを保持する標準
パターン記憶部３０と、入力パターンＶと標準パターン
Ｗとの距離を求め、求められた距離が最小となる認識対
象を求める１次マッチング部２０と、標準パターンＷを
発声環境に適合するように補正するための補正値を求め
る補正値計算部４０と、補正値計算部４０によって求め
られた補正値に基づいて標準パターンＷを発声環境に適
合するように補正するパターン補正部５０と、入力パタ
ーンＶとパターン補正部５０によって補正された標準パ
ターンＷａとの距離を求め、求められた距離が最小とな
る認識対象を求める２次マッチング部６０と、補正値計
算部４０によって求められた補正値から環境変化の大き
さをあらわす環境変化指数を求める環境変化検出部７０
と、環境変化検出部７０によって求められた環境変化指
数に基づいて２次マッチング部６０を作動するか否かを
制御する２次マッチング制御部８０と、を有している。
【００３８】分析部１０では、入力された音声を分析し
て、入力音声の特徴をあらわす特徴ベクトルの時系列パ
ターンである入力パターンＶを求める。入力パターンＶ
を求める分析手法としては、スペクトル包絡と微細構造
がケフレンシー領域において近似的に分離されることを
特徴とするケプストラム分析の一種であるメルケプスト
ラム分析を用いる。この手法についての詳細は、例え
ば、文献（古井著、「デジタル音声処理」、東海大学出
版会、１９８５年刊）に記載されており、手法としては
よく知られているため、ここでの説明は省略する。
て、入力音声の特徴をあらわす特徴ベクトルの時系列パ
ターンである入力パターンＶを求める。入力パターンＶ
を求める分析手法としては、スペクトル包絡と微細構造
がケフレンシー領域において近似的に分離されることを
特徴とするケプストラム分析の一種であるメルケプスト
ラム分析を用いる。この手法についての詳細は、例え
ば、文献（古井著、「デジタル音声処理」、東海大学出
版会、１９８５年刊）に記載されており、手法としては
よく知られているため、ここでの説明は省略する。
【００３９】なお、分析手法としては、メルケプストラ
ム分析以外にもスペクトル分析、線形予測分析等の各種
の公知の手法を用いることができる。
ム分析以外にもスペクトル分析、線形予測分析等の各種
の公知の手法を用いることができる。
【００４０】１次マッチング部２０では、入力パターン
Ｖと標準パターン記憶部３０に保持されている標準とな
る音声に基づいて作成された認識対象の特徴をあらわす
標準パターンＷとの時間軸正規化後の距離を計算し、計
算された時間軸正規化後の距離が最小となる認識対象を
求めて、１次マッチング部２０における認識結果とす
る。また、同時に、認識対象の標準パターンＷと入力パ
ターンＶとの、時間軸の正規化の際に行った特徴ベクト
ルの時系列の対応づけＴを得る。
Ｖと標準パターン記憶部３０に保持されている標準とな
る音声に基づいて作成された認識対象の特徴をあらわす
標準パターンＷとの時間軸正規化後の距離を計算し、計
算された時間軸正規化後の距離が最小となる認識対象を
求めて、１次マッチング部２０における認識結果とす
る。また、同時に、認識対象の標準パターンＷと入力パ
ターンＶとの、時間軸の正規化の際に行った特徴ベクト
ルの時系列の対応づけＴを得る。
【００４１】なお、１次マッチング部２０における時間
軸正規化後の距離の計算並びに入力パターンＶと標準パ
ターンＷとの対応付けには、ＤＰマッチングを用いる。
ＤＰマッチングは、入力音声と標準パターンとを動的計
画法（ＤＰ：Dynamic Programming）を用いて対応付け
るものであり、上記文献にもその内容が記載されてい
る。
軸正規化後の距離の計算並びに入力パターンＶと標準パ
ターンＷとの対応付けには、ＤＰマッチングを用いる。
ＤＰマッチングは、入力音声と標準パターンとを動的計
画法（ＤＰ：Dynamic Programming）を用いて対応付け
るものであり、上記文献にもその内容が記載されてい
る。
【００４２】なお、入力パターンＶと標準パターンＷと
を比較する手法としては、ＤＰマッチング以外にも、隠
れマルコフモデル（ＨＭＭ: Hidden Markov Model）法
のような手法を用いることもできる。この手法は、文献
（中川著、「確率モデルによる音声認識」、電子情報通
信学会、１９８８）に示されおり、各単語あるいは各音
素毎に、小数の状態からなる推移図（マルコフモデル）
を構成し、入力音声がいずれのモデルによって生成され
た可能性が最も大きいかを調べて認識する手法である。
を比較する手法としては、ＤＰマッチング以外にも、隠
れマルコフモデル（ＨＭＭ: Hidden Markov Model）法
のような手法を用いることもできる。この手法は、文献
（中川著、「確率モデルによる音声認識」、電子情報通
信学会、１９８８）に示されおり、各単語あるいは各音
素毎に、小数の状態からなる推移図（マルコフモデル）
を構成し、入力音声がいずれのモデルによって生成され
た可能性が最も大きいかを調べて認識する手法である。
【００４３】補正値計算部４０では、入力パターンＶ
と、標準パターンＷと、入力パターンＶと標準パターン
Ｗの特徴ベクトルの時系列の対応づけＴとに基づいて、
入力パターンＶのスペクトルの音声区間の平均Ｓｖ及び
雑音区間の平均Ｎｖ、標準パターンＷのスペクトルの音
声区間の平均Ｓｗ及び雑音区間の平均Ｎｗを計算し、上
式（８）ないし（１０）の処理を行って、補正値Ａｖ／
Ａｗ、Ｂｖ、Ｂｗを求める。
と、標準パターンＷと、入力パターンＶと標準パターン
Ｗの特徴ベクトルの時系列の対応づけＴとに基づいて、
入力パターンＶのスペクトルの音声区間の平均Ｓｖ及び
雑音区間の平均Ｎｖ、標準パターンＷのスペクトルの音
声区間の平均Ｓｗ及び雑音区間の平均Ｎｗを計算し、上
式（８）ないし（１０）の処理を行って、補正値Ａｖ／
Ａｗ、Ｂｖ、Ｂｗを求める。
【００４４】なお、入力パターンＶ及び標準パターンＷ
のスペクトルの平均は各スペクトルの成分毎に総加平均
又は相乗平均を求めることによって得られる。
のスペクトルの平均は各スペクトルの成分毎に総加平均
又は相乗平均を求めることによって得られる。
【００４５】パターン補正部５０では、補正値Ａｖ／Ａ
ｗ、Ｂｖ、Ｂｗに基づいて標準パターンＷを上式（６）
及び（７）の処理により入力音声の発声環境に適合する
ように補正し、補正された標準パターンを標準パターン
Ｗａとして、標準パターン記憶部３０に格納する。
ｗ、Ｂｖ、Ｂｗに基づいて標準パターンＷを上式（６）
及び（７）の処理により入力音声の発声環境に適合する
ように補正し、補正された標準パターンを標準パターン
Ｗａとして、標準パターン記憶部３０に格納する。
【００４６】２次マッチング部６０では、入力パターン
Ｖと補正がなされた標準パターンＷａを比較して認識結
果を得る。なお、２次マッチング部６０では、認識結果
を得る方法として、１次マッチング部２０で用いられる
方法と同じ方法を用いる。
Ｖと補正がなされた標準パターンＷａを比較して認識結
果を得る。なお、２次マッチング部６０では、認識結果
を得る方法として、１次マッチング部２０で用いられる
方法と同じ方法を用いる。
【００４７】環境変化検出部７０では、補正値Ａｖ／Ａ
ｗ、Ｂｖ、Ｂｗに基づいて、次式（１１）ないし（１
４）の処理を行って、環境変化の大きさをあらわす環境
変化指数Ｄを求める。
ｗ、Ｂｖ、Ｂｗに基づいて、次式（１１）ないし（１
４）の処理を行って、環境変化の大きさをあらわす環境
変化指数Ｄを求める。
【００４８】環境変化指数Ｄの求めかたの一例を以下に
説明する。本実施例では、上式（８）ないし（１０）に
示された補正値Ａｖ／Ａｗ、Ｂｖ、Ｂｗに基づいて環境
変化指数Ｄを求める。
説明する。本実施例では、上式（８）ないし（１０）に
示された補正値Ａｖ／Ａｗ、Ｂｖ、Ｂｗに基づいて環境
変化指数Ｄを求める。
【００４９】まず、音声の大きさによる入力パターンと
標準パターンの歪みの比への影響を除くため、ノルムが
１となるように歪み比ベクトルＡｖ／Ａｗを正規化した
正規化歪み比ベクトルＣを次式（１１）より求める。
標準パターンの歪みの比への影響を除くため、ノルムが
１となるように歪み比ベクトルＡｖ／Ａｗを正規化した
正規化歪み比ベクトルＣを次式（１１）より求める。
【００５０】 Ｃ＝（Ａｖ／Ａｗ）／‖Ａｖ／Ａｗ‖ …（１１）
【００５１】なお、記号「‖Ａ‖」はＡのノルムを意味
する。
する。
【００５２】従って、発声環境が前回の発声時から変化
していなければ正規化歪み比ベクトルＣはベクトルの各
成分が等しくベクトルのノルムが１の単位ベクトルＵと
等しくなる。正規化歪み比ベクトルＣと単位ベクトルＵ
との距離を歪みの変化Ｄａとし、次式（１２）より求め
る。なお、発声環境が変化していなければ歪みの変化Ｄ
ａは０となる。
していなければ正規化歪み比ベクトルＣはベクトルの各
成分が等しくベクトルのノルムが１の単位ベクトルＵと
等しくなる。正規化歪み比ベクトルＣと単位ベクトルＵ
との距離を歪みの変化Ｄａとし、次式（１２）より求め
る。なお、発声環境が変化していなければ歪みの変化Ｄ
ａは０となる。
【００５３】 Ｄａ＝‖Ｃ−Ｕ‖ …（１２）
【００５４】一方、入力パターンの付加雑音Ｂｖと標準
パターンの付加雑音Ｂｗとの距離を付加雑音の変化Ｄｂ
とし、次式（１３）より求める。
パターンの付加雑音Ｂｗとの距離を付加雑音の変化Ｄｂ
とし、次式（１３）より求める。
【００５５】 Ｄｂ＝‖Ｂｖ−Ｂｗ‖ …（１３）
【００５６】そして、次式（１４）に示すように、歪み
の変化Ｄａ、付加雑音の変化Ｄｂにそれぞれ重み係数
α、１−αを乗じたものの加算値を環境変化指数Ｄとす
る。ここで、重み係数αは、歪みの変化Ｄａと付加雑音
の変化Ｄｂの大きさが異なることを正規化するための係
数である。
の変化Ｄａ、付加雑音の変化Ｄｂにそれぞれ重み係数
α、１−αを乗じたものの加算値を環境変化指数Ｄとす
る。ここで、重み係数αは、歪みの変化Ｄａと付加雑音
の変化Ｄｂの大きさが異なることを正規化するための係
数である。
【００５７】 Ｄ＝αＤａ＋（１−α）Ｄｂ ［０＜α＜１］ …（１４）
【００５８】上式（１４）から明らかなように、発声環
境の変化が少ない場合には、環境変化指数Ｄは小さな正
の値となり、発声環境が大きく変化した場合には環境変
化指数Ｄは大きな正の値となる。
境の変化が少ない場合には、環境変化指数Ｄは小さな正
の値となり、発声環境が大きく変化した場合には環境変
化指数Ｄは大きな正の値となる。
【００５９】なお、以上に示した環境変化指数Ｄはあく
までも一例に過ぎず、上式（１４）以外にも様々な形で
環境変化指数を定義することができる。例えば、歪みの
変化Ｄａ、付加雑音の変化Ｄｂを単独に用いたり、正規
化歪み比ベクトルＣにコサイン変換を施し、ベクトルの
成分を減らしたものを新たに正規化歪み比ベクトルＣと
して、上式（１２）ないし（１４）に従って計算したも
のを環境変化指数として用いてもよい。
までも一例に過ぎず、上式（１４）以外にも様々な形で
環境変化指数を定義することができる。例えば、歪みの
変化Ｄａ、付加雑音の変化Ｄｂを単独に用いたり、正規
化歪み比ベクトルＣにコサイン変換を施し、ベクトルの
成分を減らしたものを新たに正規化歪み比ベクトルＣと
して、上式（１２）ないし（１４）に従って計算したも
のを環境変化指数として用いてもよい。
【００６０】２次マッチング制御部８０では、上式（１
４）により求められた環境変化指数Ｄに基づいて、２次
マッチング部６０による処理を行うか否かを制御する。
より詳細には、環境変化指数Ｄが制御の判定基準となる
しきい値ｔｈより小さい場合は、環境変化が小さいと判
断し、２次マッチング処理は行わず、１次マッチング部
２０で得られた認識結果を最終的な認識結果とする。一
方、環境変化指数Ｄが制御の判定基準となるしきい値ｔ
ｈより大きい場合は、環境変化が大きいと判断し、２次
マッチング処理を行った結果得られた認識結果を最終的
な認識結果とする。
４）により求められた環境変化指数Ｄに基づいて、２次
マッチング部６０による処理を行うか否かを制御する。
より詳細には、環境変化指数Ｄが制御の判定基準となる
しきい値ｔｈより小さい場合は、環境変化が小さいと判
断し、２次マッチング処理は行わず、１次マッチング部
２０で得られた認識結果を最終的な認識結果とする。一
方、環境変化指数Ｄが制御の判定基準となるしきい値ｔ
ｈより大きい場合は、環境変化が大きいと判断し、２次
マッチング処理を行った結果得られた認識結果を最終的
な認識結果とする。
【００６１】なお、環境変化の大きさを判断するにあた
っては、しきい値ｔｈより値の大きなしきい値ｔｈ２を
用意し、環境変化指数Ｄがｔｈ２より大きい場合には、
入力された音が非定常な雑音や認識対象以外の音声であ
ったものと判断し、認識結果の信頼性が低いとして認識
結果を拒絶したことを出力するとともに、パターン補正
を行わないようすることもできる。
っては、しきい値ｔｈより値の大きなしきい値ｔｈ２を
用意し、環境変化指数Ｄがｔｈ２より大きい場合には、
入力された音が非定常な雑音や認識対象以外の音声であ
ったものと判断し、認識結果の信頼性が低いとして認識
結果を拒絶したことを出力するとともに、パターン補正
を行わないようすることもできる。
【００６２】このように環境変化指数Ｄと第２の所定の
しきい値ｔｈ２との大小関係を判定することにより、一
時的な環境変化によって次回の音声認識に影響を与えな
いようにすることができ、また現在の発声環境が音声認
識に適していない状態にあることを発声者に知らせるこ
とができるため、音声認識の安定性を高め、より高性能
な音声認識を行うことができる。
しきい値ｔｈ２との大小関係を判定することにより、一
時的な環境変化によって次回の音声認識に影響を与えな
いようにすることができ、また現在の発声環境が音声認
識に適していない状態にあることを発声者に知らせるこ
とができるため、音声認識の安定性を高め、より高性能
な音声認識を行うことができる。
【００６３】以下、図１に示した本実施例に係る音声認
識装置の動作について図１及び図２を参照して説明す
る。図２は、本実施例に係る音声認識装置の動作を説明
するためのフローチャートである。
識装置の動作について図１及び図２を参照して説明す
る。図２は、本実施例に係る音声認識装置の動作を説明
するためのフローチャートである。
【００６４】図１及び図２を参照して説明する。まず、
入力音声の発声が開始されると、分析部１０が入力音声
の分析処理を行い、特徴ベクトルの時系列パターンであ
る入力パターンＶを求める。そして、分析部１０による
処理と並行して、１次マッチング部２０による処理、す
なわち分析された入力パターンＶと標準パターン記憶部
３０に保持された標準パターンＷとの１回目のマッチン
グ（１次マッチング）が行われ、１次マッチング処理の
結果として、入力パターンＶと標準パターンＷとの時系
列の対応づけＴが得られる（ステップＳ２０１）。
入力音声の発声が開始されると、分析部１０が入力音声
の分析処理を行い、特徴ベクトルの時系列パターンであ
る入力パターンＶを求める。そして、分析部１０による
処理と並行して、１次マッチング部２０による処理、す
なわち分析された入力パターンＶと標準パターン記憶部
３０に保持された標準パターンＷとの１回目のマッチン
グ（１次マッチング）が行われ、１次マッチング処理の
結果として、入力パターンＶと標準パターンＷとの時系
列の対応づけＴが得られる（ステップＳ２０１）。
【００６５】続いて、補正値計算部４０による処理、す
なわち分析部１０によって分析された入力パターンＶ、
標準パターン記憶部３０に保持された標準パターンＷ、
１次マッチング部２０によって得られた時系列の対応づ
けＴに基づいて補正値Ａｖ／Ａｗ、Ｂｖ、Ｂｗを求める
処理が行われる（ステップＳ２０２）。
なわち分析部１０によって分析された入力パターンＶ、
標準パターン記憶部３０に保持された標準パターンＷ、
１次マッチング部２０によって得られた時系列の対応づ
けＴに基づいて補正値Ａｖ／Ａｗ、Ｂｖ、Ｂｗを求める
処理が行われる（ステップＳ２０２）。
【００６６】そして、補正値計算部４０によって補正値
が求められた後、環境変化検出部７０が上式（１４）等
に従って環境変化指数Ｄを求める（ステップＳ２０
３）。
が求められた後、環境変化検出部７０が上式（１４）等
に従って環境変化指数Ｄを求める（ステップＳ２０
３）。
【００６７】ここで、環境変化検出部７０によって求め
られた環境変化指数Ｄに基づいて、２次マッチング制御
部８０が以下のような判定を行い、その後の動作を制御
する。
られた環境変化指数Ｄに基づいて、２次マッチング制御
部８０が以下のような判定を行い、その後の動作を制御
する。
【００６８】まず、環境変化指数Ｄが、第１のしきい値
ｔｈよりも大きく（ステップＳ２０４で「ＹＥＳ」の場
合）、かつ第２のしきい値ｔｈ２（第１のしきい値ｔｈ
よりも大きな値）よりも小さい（ステップＳ２０５で
「ＹＥＳ」の場合）場合には、パターン補正部５０によ
ってステップＳ２０２の処理で求められた補正値Ａｖ／
Ａｗ、Ｂｖ、Ｂｗに基づいて標準パターンＷが発声環境
に適合するように補正される（ステップＳ２０６）。な
お、補正された標準パターンＷａは標準パターン記憶部
３０に保持される。
ｔｈよりも大きく（ステップＳ２０４で「ＹＥＳ」の場
合）、かつ第２のしきい値ｔｈ２（第１のしきい値ｔｈ
よりも大きな値）よりも小さい（ステップＳ２０５で
「ＹＥＳ」の場合）場合には、パターン補正部５０によ
ってステップＳ２０２の処理で求められた補正値Ａｖ／
Ａｗ、Ｂｖ、Ｂｗに基づいて標準パターンＷが発声環境
に適合するように補正される（ステップＳ２０６）。な
お、補正された標準パターンＷａは標準パターン記憶部
３０に保持される。
【００６９】パターン補正部５０によってステップＳ２
０５がなされた後、２次マッチング部６０が、分析され
た入力パターンＶと標準パターン記憶部３０に保持され
た標準パターンＷａとの２回目のマッチング（２次マッ
チング）処理を行い（ステップＳ２０７）、ステップＳ
２０７の２次マッチング処理によって得られた認識結果
を最終的な音声認識結果として出力し（ステップＳ２０
８）、処理を終了する。
０５がなされた後、２次マッチング部６０が、分析され
た入力パターンＶと標準パターン記憶部３０に保持され
た標準パターンＷａとの２回目のマッチング（２次マッ
チング）処理を行い（ステップＳ２０７）、ステップＳ
２０７の２次マッチング処理によって得られた認識結果
を最終的な音声認識結果として出力し（ステップＳ２０
８）、処理を終了する。
【００７０】これに対し、ステップＳ２０４における判
断結果が「ＮＯ」の場合には、上述したステップＳ２０
６ないしステップＳ２０８を行わず、ステップＳ２０１
の１次マッチング処理によって求められた認識結果を最
終的な音声認識結果として出力する（ステップＳ２０
９）。また、ステップＳ２０５における判断結果が「Ｎ
Ｏ」の場合には、認識結果を拒絶する（ステップＳ２１
１）。
断結果が「ＮＯ」の場合には、上述したステップＳ２０
６ないしステップＳ２０８を行わず、ステップＳ２０１
の１次マッチング処理によって求められた認識結果を最
終的な音声認識結果として出力する（ステップＳ２０
９）。また、ステップＳ２０５における判断結果が「Ｎ
Ｏ」の場合には、認識結果を拒絶する（ステップＳ２１
１）。
【００７１】なお、２次マッチング処理を行わない場合
であっても、認識結果の出力（ステップＳ２０９）後
に、ステップＳ２０２によって求められた補正値に基づ
いて標準パターンを補正する（ステップＳ２１０）。こ
のようにすれば、次回の発声時に、補正された標準パタ
ーンＷを用いて効果的な１次マッチングを行うことがで
きる。ただし、認識結果を拒絶した場合（ステップＳ２
１１）には、標準パターンの補正を行わない。
であっても、認識結果の出力（ステップＳ２０９）後
に、ステップＳ２０２によって求められた補正値に基づ
いて標準パターンを補正する（ステップＳ２１０）。こ
のようにすれば、次回の発声時に、補正された標準パタ
ーンＷを用いて効果的な１次マッチングを行うことがで
きる。ただし、認識結果を拒絶した場合（ステップＳ２
１１）には、標準パターンの補正を行わない。
【００７２】本実施例に係る音声認識装置においては、
図２に示す動作を行うことにより、環境変化指数Ｄが小
さい場合には２次マッチング処理を行わないようにし
て、認識時間を短縮した上で、次回の音声認識の際の認
識性能を高めることができる。
図２に示す動作を行うことにより、環境変化指数Ｄが小
さい場合には２次マッチング処理を行わないようにし
て、認識時間を短縮した上で、次回の音声認識の際の認
識性能を高めることができる。
【００７３】以下、本実施例に係る音声認識装置におけ
る処理のタイミング及び認識時間について、図５に示し
た従来の音声認識装置における処理のタイミング及び認
識時間と比較して、より詳細に説明する。
る処理のタイミング及び認識時間について、図５に示し
た従来の音声認識装置における処理のタイミング及び認
識時間と比較して、より詳細に説明する。
【００７４】まず、図５に示した従来の音声認識装置に
おける処理のタイミング及び認識時間について説明す
る。図６は図５に示した従来の音声認識装置における処
理のタイミング及び認識時間を説明するための図であ
る。
おける処理のタイミング及び認識時間について説明す
る。図６は図５に示した従来の音声認識装置における処
理のタイミング及び認識時間を説明するための図であ
る。
【００７５】図５及び図６を参照して説明する。まず、
入力音声の発声が開始されると、分析部９１での処理で
ある分析処理と予備マッチング部９２での処理である予
備マッチング処理とが並行して行われる。発声が終了し
た時点で予備マッチング処理による認識結果と特徴ベク
トルの時系列の対応づけＴが得られる。予備マッチング
処理が終了すると補正値計算部９４での処理である補正
値計算処理が行われ、補正値が求められる。補正値が求
められるとパターン補正部９５での処理であるパターン
補正処理が行われ、標準パターンＷが補正される。標準
パターンＷが補正されると、マッチング部９６での処理
であるマッチング処理が行われ、認識結果が得られる。
従って、図５に示した従来の音声認識装置における認識
時間は、図６に示すように、（補正値計算時間）＋（パ
ターン補正処理時間）＋（マッチング処理時間）とな
る。
入力音声の発声が開始されると、分析部９１での処理で
ある分析処理と予備マッチング部９２での処理である予
備マッチング処理とが並行して行われる。発声が終了し
た時点で予備マッチング処理による認識結果と特徴ベク
トルの時系列の対応づけＴが得られる。予備マッチング
処理が終了すると補正値計算部９４での処理である補正
値計算処理が行われ、補正値が求められる。補正値が求
められるとパターン補正部９５での処理であるパターン
補正処理が行われ、標準パターンＷが補正される。標準
パターンＷが補正されると、マッチング部９６での処理
であるマッチング処理が行われ、認識結果が得られる。
従って、図５に示した従来の音声認識装置における認識
時間は、図６に示すように、（補正値計算時間）＋（パ
ターン補正処理時間）＋（マッチング処理時間）とな
る。
【００７６】次に、本実施例に係る音声認識装置におけ
る処理のタイミングと認識時間について説明する。
る処理のタイミングと認識時間について説明する。
【００７７】図３は、図１に示した本実施例に係る音声
認識装置において、発声環境の変化が大きく、２次マッ
チング部６０の処理を行う場合の処理のタイミング及び
認識時間を説明するための図である。
認識装置において、発声環境の変化が大きく、２次マッ
チング部６０の処理を行う場合の処理のタイミング及び
認識時間を説明するための図である。
【００７８】図１及び図３を参照して説明する。入力音
声の発声が開始されると分析部１０における処理である
分析処理（従来の分析処理と同じ）と１次マッチング部
２０での処理である１次マッチング処理（従来の予備マ
ッチング処理と同じ）が並行して行われる。発声が終了
した時点で１次マッチング処理による認識結果と特徴ベ
クトルの時系列の対応づけＴが得られる。１次マッチン
グ処理が終了すると補正値計算部４０での処理である補
正値計算処理（従来の補正値計算処理と同じ）が行わ
れ、補正値が得られる。補正値が得られると環境変化検
出部７０での処理である環境変化検出処理が行われ、環
境変化指数Ｄが求められる。環境変化指数Ｄが求められ
ると２次マッチング制御部８０での処理である２次マッ
チング実施判定が行われる。２次マッチング実施判定
後、パターン補正部５０での処理であるパターン補正処
理（従来のパターン補正処理と同じ）が行われる。ここ
で、標準パターンＷが補正されると、２次マッチング部
８０での処理である２次マッチング処理が行われ、最終
的な認識結果が得られる。従って、本実施例において、
発声環境の変化が大きく、２次マッチング部６０の処理
を行う場合の認識時間は、図３に示すように（補正値計
算時間）＋（環境変化検出処理時間）＋（２次マッチン
グ実施判定時間）＋（パターン補正処理時間）＋（２次
マッチング処理時間）となる。
声の発声が開始されると分析部１０における処理である
分析処理（従来の分析処理と同じ）と１次マッチング部
２０での処理である１次マッチング処理（従来の予備マ
ッチング処理と同じ）が並行して行われる。発声が終了
した時点で１次マッチング処理による認識結果と特徴ベ
クトルの時系列の対応づけＴが得られる。１次マッチン
グ処理が終了すると補正値計算部４０での処理である補
正値計算処理（従来の補正値計算処理と同じ）が行わ
れ、補正値が得られる。補正値が得られると環境変化検
出部７０での処理である環境変化検出処理が行われ、環
境変化指数Ｄが求められる。環境変化指数Ｄが求められ
ると２次マッチング制御部８０での処理である２次マッ
チング実施判定が行われる。２次マッチング実施判定
後、パターン補正部５０での処理であるパターン補正処
理（従来のパターン補正処理と同じ）が行われる。ここ
で、標準パターンＷが補正されると、２次マッチング部
８０での処理である２次マッチング処理が行われ、最終
的な認識結果が得られる。従って、本実施例において、
発声環境の変化が大きく、２次マッチング部６０の処理
を行う場合の認識時間は、図３に示すように（補正値計
算時間）＋（環境変化検出処理時間）＋（２次マッチン
グ実施判定時間）＋（パターン補正処理時間）＋（２次
マッチング処理時間）となる。
【００７９】一方、図４は、図１に示した本実施例に係
る音声認識装置において、発声環境の変化が小さく、２
次マッチング部６０の処理を行わない場合の処理のタイ
ミング及び認識時間を説明するための図である。
る音声認識装置において、発声環境の変化が小さく、２
次マッチング部６０の処理を行わない場合の処理のタイ
ミング及び認識時間を説明するための図である。
【００８０】図１及び図４を参照して説明すると、発声
環境の変化が小さく、２次マッチング部６０の処理を行
わない場合も、２次マッチング制御部８０によって行わ
れる２次マッチング実施判定までは、上述した２次マッ
チング処理が行われる場合と同様の処理が行われる。た
だし、２次マッチング実施判定の終了後は、１次マッチ
ング部２０での処理である１次マッチング処理で得られ
た認識結果を最終的な認識結果として出力する。そし
て、認識結果の出力後に、パターン補正部５０による処
理であるパターン補正処理が行われる。パターン補正処
理の終了時点が全ての処理の終了時点であるが、認識結
果はパターン補正処理が行われる前に得られる。従っ
て、本実施例において、発声環境の変化が小さく、２次
マッチング部６０の処理を行わない場合の認識時間は、
図４に示すように（補正値計算時間）＋（環境変化検出
処理時間）＋（２次マッチング実施判定時間）となる。
環境の変化が小さく、２次マッチング部６０の処理を行
わない場合も、２次マッチング制御部８０によって行わ
れる２次マッチング実施判定までは、上述した２次マッ
チング処理が行われる場合と同様の処理が行われる。た
だし、２次マッチング実施判定の終了後は、１次マッチ
ング部２０での処理である１次マッチング処理で得られ
た認識結果を最終的な認識結果として出力する。そし
て、認識結果の出力後に、パターン補正部５０による処
理であるパターン補正処理が行われる。パターン補正処
理の終了時点が全ての処理の終了時点であるが、認識結
果はパターン補正処理が行われる前に得られる。従っ
て、本実施例において、発声環境の変化が小さく、２次
マッチング部６０の処理を行わない場合の認識時間は、
図４に示すように（補正値計算時間）＋（環境変化検出
処理時間）＋（２次マッチング実施判定時間）となる。
【００８１】以上のことから、従来及び本実施例におけ
る認識時間を具体的な数字を用いて説明すると、発声時
間が１秒のとき、２次マッチング処理に０．８秒、補正
値計算処理に０．０１秒、環境変化検出処理に０．００
１秒、２次マッチング実施判定に０．０００１秒、パタ
ーン補正処理に０．１９秒かかる音声認識装置であれ
ば、２次マッチング処理が従来のマッチング処理の時間
と等しいとした場合の従来の認識時間は、１秒（＝０．
０１＋０．１９＋０．８）である。
る認識時間を具体的な数字を用いて説明すると、発声時
間が１秒のとき、２次マッチング処理に０．８秒、補正
値計算処理に０．０１秒、環境変化検出処理に０．００
１秒、２次マッチング実施判定に０．０００１秒、パタ
ーン補正処理に０．１９秒かかる音声認識装置であれ
ば、２次マッチング処理が従来のマッチング処理の時間
と等しいとした場合の従来の認識時間は、１秒（＝０．
０１＋０．１９＋０．８）である。
【００８２】一方、本実施例において２次マッチング処
理を行う場合の認識時間は、１．００１１秒（＝０．０
１＋０．００１＋０．０００１＋０．１９＋０．８）で
ある。また、本実施例において２次マッチング処理を行
わない場合の認識時間は、０．０１１１秒（＝０．０１
＋０．００１＋０．０００１）である。
理を行う場合の認識時間は、１．００１１秒（＝０．０
１＋０．００１＋０．０００１＋０．１９＋０．８）で
ある。また、本実施例において２次マッチング処理を行
わない場合の認識時間は、０．０１１１秒（＝０．０１
＋０．００１＋０．０００１）である。
【００８３】ここで、１０回の発声に対して１回の割合
で環境が大きく変化する場合を考えると、本実施例で
は、平均認識時間が、０．１１秒＝（１．００１１秒×
（１／１０）＋０．０１１１×（９／１０））となり、
従来の１．００１１秒より約０．８９秒の短縮が達成さ
れる。
で環境が大きく変化する場合を考えると、本実施例で
は、平均認識時間が、０．１１秒＝（１．００１１秒×
（１／１０）＋０．０１１１×（９／１０））となり、
従来の１．００１１秒より約０．８９秒の短縮が達成さ
れる。
【００８４】このように、本実施例によれば、発声環境
の変化の度合いを環境変化検出部７０によって求めた環
境変化指数Ｄの大きさによって把握し、環境変化指数Ｄ
があるしきい値ｔｈを越えた場合にのみ２次マッチング
部６０によって２次マッチングが行われるよう２次マッ
チング制御部８０の作動を制御するので、発声環境が時
間的に変化した場合でも有効な発声環境の補正を行うこ
とができるとともに、認識時間を格段に短縮することが
できるという顕著な効果が得られる。
の変化の度合いを環境変化検出部７０によって求めた環
境変化指数Ｄの大きさによって把握し、環境変化指数Ｄ
があるしきい値ｔｈを越えた場合にのみ２次マッチング
部６０によって２次マッチングが行われるよう２次マッ
チング制御部８０の作動を制御するので、発声環境が時
間的に変化した場合でも有効な発声環境の補正を行うこ
とができるとともに、認識時間を格段に短縮することが
できるという顕著な効果が得られる。
【００８５】以上において、本発明の音声認識装置及び
音声認識方法の一実施例を示したが、上記実施態様以外
にも種々の変形態様が考えられる。
音声認識方法の一実施例を示したが、上記実施態様以外
にも種々の変形態様が考えられる。
【００８６】まず、上記実施例では、パターン補正部５
０によって補正する対象を標準パターンとしているが、
この補正は入力パターンに対して行ってもよく、また標
準パターン及び入力パターンの両方に対して行うように
してもよい。
０によって補正する対象を標準パターンとしているが、
この補正は入力パターンに対して行ってもよく、また標
準パターン及び入力パターンの両方に対して行うように
してもよい。
【００８７】例えば、入力パターンに対して補正を行う
場合には、上式（１）ないし（４）を用いて、付加雑音
及び歪みを発声環境に適合するように補正した入力パタ
ーンＶａ（ｔ）について上式（６）及び（７）と同様の
関係式を導き、上式（８）ないし（１０）によって求め
られる補正値を用いて標準パターンの場合と同様に補正
を行えばよい。
場合には、上式（１）ないし（４）を用いて、付加雑音
及び歪みを発声環境に適合するように補正した入力パタ
ーンＶａ（ｔ）について上式（６）及び（７）と同様の
関係式を導き、上式（８）ないし（１０）によって求め
られる補正値を用いて標準パターンの場合と同様に補正
を行えばよい。
【００８８】また、上記実施例におけるパターン補正部
５０では、標準パターン記憶部３０に保持されている標
準パターンを補正の対象としたが、基準標準パターン記
憶部を新たに設け、内容がかわることのない基準の標準
パターンを格納しておき、基準の標準パターンを補正の
対象とすることもできる。ただし、基準の標準パターン
を補正する態様を採用する場合には、環境変化指数Ｄを
求める方法の変更が必要となる。具体的には、前回の補
正で用いられた歪み比ベクトルである前回使用歪み比ベ
クトルと前回の補正で用いられた入力パターンの付加雑
音である前回使用付加雑音を記憶しておき、今回の歪み
比ベクトルＡｖ／Ａｗを前回使用歪み比ベクトルで除算
したものを新たに歪み比ベクトルＡｖ／Ａｗとし、前回
使用付加雑音を新たに標準パターンの付加雑音Ｂｗとし
て、上式（１１）ないし（１４）を用いて環境変化指数
Ｄを求めるようにする必要がある。
５０では、標準パターン記憶部３０に保持されている標
準パターンを補正の対象としたが、基準標準パターン記
憶部を新たに設け、内容がかわることのない基準の標準
パターンを格納しておき、基準の標準パターンを補正の
対象とすることもできる。ただし、基準の標準パターン
を補正する態様を採用する場合には、環境変化指数Ｄを
求める方法の変更が必要となる。具体的には、前回の補
正で用いられた歪み比ベクトルである前回使用歪み比ベ
クトルと前回の補正で用いられた入力パターンの付加雑
音である前回使用付加雑音を記憶しておき、今回の歪み
比ベクトルＡｖ／Ａｗを前回使用歪み比ベクトルで除算
したものを新たに歪み比ベクトルＡｖ／Ａｗとし、前回
使用付加雑音を新たに標準パターンの付加雑音Ｂｗとし
て、上式（１１）ないし（１４）を用いて環境変化指数
Ｄを求めるようにする必要がある。
【００８９】なお、上記実施例では、１次マッチング部
２０と２次マッチング部６０というマッチング処理のた
めの２つのブロックを有するものとして説明したが、１
つのブロックで１次マッチング部２０と２次マッチング
部６０の両方の機能を果たすようにして、回路構成等を
簡素化してもよい。
２０と２次マッチング部６０というマッチング処理のた
めの２つのブロックを有するものとして説明したが、１
つのブロックで１次マッチング部２０と２次マッチング
部６０の両方の機能を果たすようにして、回路構成等を
簡素化してもよい。
【００９０】以上、本発明を上記実施例に即して説明し
たが、本発明は上記態様にのみ限定されず、本発明の原
理に準ずる各種態様を含むことは勿論である。
たが、本発明は上記態様にのみ限定されず、本発明の原
理に準ずる各種態様を含むことは勿論である。
【００９１】
【発明の効果】以上説明したように、本発明の音声認識
装置によれば、発声環境が時間的に変化した場合でも発
声環境の相違を補正することによって高性能な音声認識
を行うことができるとともに、従来の音声認識装置に比
べて平均的な認識時間を格段に短縮することができると
いう顕著な効果を奏することができる。
装置によれば、発声環境が時間的に変化した場合でも発
声環境の相違を補正することによって高性能な音声認識
を行うことができるとともに、従来の音声認識装置に比
べて平均的な認識時間を格段に短縮することができると
いう顕著な効果を奏することができる。
【００９２】また、本発明の音声認識方法によっても、
発声環境の相違を適切に補正しつつ、認識時間を短縮す
るという上記と同様の効果を奏することができる。
発声環境の相違を適切に補正しつつ、認識時間を短縮す
るという上記と同様の効果を奏することができる。
【００９３】さらに、請求項２ないし請求項４及び請求
項６に記載された発明によっても、上記効果をより好適
に奏することができ、特に請求項４及び請求項６に記載
された発明によれば、一時的な環境変化によって次回の
音声認識に影響を与えないようにするため、音声認識の
安定性を高め、より高性能な音声認識を行うことができ
るという効果を奏する。
項６に記載された発明によっても、上記効果をより好適
に奏することができ、特に請求項４及び請求項６に記載
された発明によれば、一時的な環境変化によって次回の
音声認識に影響を与えないようにするため、音声認識の
安定性を高め、より高性能な音声認識を行うことができ
るという効果を奏する。
【図１】本発明の一実施例に係る音声認識装置の構成を
示すブロック図である。
示すブロック図である。
【図２】本発明の一実施例に係る音声認識装置の動作を
説明するためのフローチャートである。
説明するためのフローチャートである。
【図３】本発明の一実施例に係る音声認識装置において
２次マッチング部６０の処理を行う場合の処理のタイミ
ング及び認識時間を説明するための図である。
２次マッチング部６０の処理を行う場合の処理のタイミ
ング及び認識時間を説明するための図である。
【図４】本発明の一実施例に係る音声認識装置において
２次マッチング部６０の処理を行わない場合の処理のタ
イミング及び認識時間を説明するための図である。
２次マッチング部６０の処理を行わない場合の処理のタ
イミング及び認識時間を説明するための図である。
【図５】従来の音声認識装置の構成を示すブロック図で
ある。
ある。
【図６】従来の音声認識装置における処理のタイミング
及び認識時間を説明するための図である。
及び認識時間を説明するための図である。
１０、９１ 分析部 ２０ １次マッチング部 ３０、９３ 標準パターン記憶部 ４０、９４ 補正値計算部 ５０、９５ パターン補正部 ６０ ２次マッチング部 ７０ 環境変化検出部 ８０ ２次マッチング制御部 ９２ 予備マッチング部 ９６ マッチング部
───────────────────────────────────────────────────── フロントページの続き (58)調査した分野(Int.Cl.6，ＤＢ名) G10L 5/06 G10L 3/00 521 G10L 3/00 571 G10L 3/02 301 ＪＩＣＳＴファイル（ＪＯＩＳ)
Claims (6)
- 【請求項１】入力音声の特徴をあらわす入力パターンと
予め保持されている標準パターンとを比較し１次的な対
応付けを行う１次マッチング手段と、 前記標準パターン及び／又は前記入力パターンを発声環
境に適合するよう補正するパターン補正手段と、 該パターン補正手段によって補正された後の標準パター
ン及び／又は入力パターンを用いて、再度入力パターン
と標準パターンとを比較し２次的な対応付けを行う２次
マッチング手段と、 前記入力音声の発声環境の変化を検出する環境変化検出
手段と、 該環境変化検出手段によって検出された前記発声環境の
変化の度合いに応じて前記２次マッチング手段を作動さ
せるか否かを制御する制御手段と、 を備えたことを特徴とする音声認識装置。 - 【請求項２】入力音声を分析して、該入力音声の特徴を
あらわす入力パターンを求める分析手段と、 予め標準となる音声に基づいて作成された認識対象の特
徴をあらわす標準パターンを保持する標準パターン記憶
手段と、 前記分析手段によって求められた前記入力パターンと前
記標準パターン記憶手段に保持された前記標準パターン
との距離を求め、該距離が最小となる認識対象を１次的
に求める１次マッチング手段と、 前記標準パターン及び／又は前記入力パターンを発声環
境に適合させるための補正値を求める補正値計算手段
と、 該補正値計算手段によって求められた前記補正値に基づ
いて前記標準パターン及び／又は前記入力パターンを発
声環境に適合するよう補正するパターン補正手段と、 該パターン補正手段によって補正された後の標準パター
ン及び／又は入力パターンを用いて、再度入力パターン
と標準パターンとの距離を求め、該距離が最小となる認
識対象を２次的に求める２次マッチング手段と、 前記補正値計算手段によって求められた前記補正値に基
づいて前記入力音声の発声環境の変化の大きさをあらわ
す環境変化指数を求める環境変化検出手段と、 該環境変化検出手段によって求められた前記環境変化指
数に基づいて前記２次マッチング手段を作動させるか否
かを制御する制御手段と、 を備えたことを特徴とする音声認識装置。 - 【請求項３】前記制御手段が、前記環境変化指数が所定
のしきい値よりも大きい場合には前記２次マッチング手
段を作動させ、該環境変化指数が所定のしきい値よりも
小さい場合には前記２次マッチング手段を作動させない
よう制御することを特徴とする請求項２記載の音声認識
装置。 - 【請求項４】前記制御手段が、前記所定のしきい値とと
もに該所定のしきい値よりも大きな値を持つ第２のしき
い値を有し、前記環境変化指数が該第２のしきい値より
も大きい場合には前記２次マッチング手段を作動させな
いよう制御することを特徴とする請求項３記載の音声認
識装置。 - 【請求項５】入力された音声の特徴をあらわす入力パタ
ーンと予め保持されている標準パターンとを比較して音
声認識を行う音声認識方法であって、 前記入力された音声の発声環境の変化の大きさを求め、
該変化の大きさが所定のしきい値よりも大きい場合に
は、前記入力パターン及び／又は前記標準パターンを発
声環境に適合させるよう補正した上で再度前記入力パタ
ーンと前記標準パターンとのマッチングを行い、該変化
の大きさが前記所定のしきい値よりも小さい場合には、
当該補正を行わずに前記入力パターンと前記標準パター
ンとのマッチングを行うことを特徴とする音声認識方
法。 - 【請求項６】入力された音声の特徴をあらわす入力パタ
ーンと予め保持されている標準パターンとを比較して音
声認識を行う音声認識方法であって、 前記入力された音声の発声環境の変化の大きさを求め、
該変化の大きさが第１のしきい値よりも大きくかつ第２
のしきい値よりも小さい場合には、前記入力パターン及
び／又は前記標準パターンを発声環境に適合させるよう
補正した上で再度前記入力パターンと前記標準パターン
とのマッチングを行い、該変化の大きさが前記第１のし
きい値よりも小さい場合又は前記第２のしきい値よりも
大きい場合には、当該補正を行わずに前記入力パターン
と前記標準パターンとのマッチングを行うことを特徴と
する音声認識方法。
Priority Applications (4)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP7180734A JP2780676B2 (ja) | 1995-06-23 | 1995-06-23 | 音声認識装置及び音声認識方法 |
| DE69614937T DE69614937T2 (de) | 1995-06-23 | 1996-06-20 | Verfahren und System zur Spracherkennung mit verringerter Erkennungszeit unter Berücksichtigung von Veränderungen der Hintergrundgeräusche |
| EP96110008A EP0750292B1 (en) | 1995-06-23 | 1996-06-20 | Speech recognition method and speech recognition system with reduced recognition time in consideration of environmental variation |
| US08/669,239 US5854999A (en) | 1995-06-23 | 1996-06-24 | Method and system for speech recognition with compensation for variations in the speech environment |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP7180734A JP2780676B2 (ja) | 1995-06-23 | 1995-06-23 | 音声認識装置及び音声認識方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPH096394A JPH096394A (ja) | 1997-01-10 |
| JP2780676B2 true JP2780676B2 (ja) | 1998-07-30 |
Family
ID=16088382
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP7180734A Expired - Fee Related JP2780676B2 (ja) | 1995-06-23 | 1995-06-23 | 音声認識装置及び音声認識方法 |
Country Status (4)
| Country | Link |
|---|---|
| US (1) | US5854999A (ja) |
| EP (1) | EP0750292B1 (ja) |
| JP (1) | JP2780676B2 (ja) |
| DE (1) | DE69614937T2 (ja) |
Families Citing this family (20)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP0856832A1 (fr) * | 1997-02-03 | 1998-08-05 | Koninklijke Philips Electronics N.V. | Procédé de reconnaissance vocale de mots et dispositif dans lequel ledit procédé est mis en application |
| GB9706174D0 (en) * | 1997-03-25 | 1997-11-19 | Secr Defence | Recognition system |
| US6014624A (en) * | 1997-04-18 | 2000-01-11 | Nynex Science And Technology, Inc. | Method and apparatus for transitioning from one voice recognition system to another |
| US5960397A (en) * | 1997-05-27 | 1999-09-28 | At&T Corp | System and method of recognizing an acoustic environment to adapt a set of based recognition models to the current acoustic environment for subsequent speech recognition |
| US5970446A (en) * | 1997-11-25 | 1999-10-19 | At&T Corp | Selective noise/channel/coding models and recognizers for automatic speech recognition |
| US6980952B1 (en) * | 1998-08-15 | 2005-12-27 | Texas Instruments Incorporated | Source normalization training for HMM modeling of speech |
| US7263489B2 (en) * | 1998-12-01 | 2007-08-28 | Nuance Communications, Inc. | Detection of characteristics of human-machine interactions for dialog customization and analysis |
| US7058573B1 (en) * | 1999-04-20 | 2006-06-06 | Nuance Communications Inc. | Speech recognition system to selectively utilize different speech recognition techniques over multiple speech recognition passes |
| JP4169921B2 (ja) * | 2000-09-29 | 2008-10-22 | パイオニア株式会社 | 音声認識システム |
| US7451085B2 (en) * | 2000-10-13 | 2008-11-11 | At&T Intellectual Property Ii, L.P. | System and method for providing a compensated speech recognition model for speech recognition |
| US6941266B1 (en) * | 2000-11-15 | 2005-09-06 | At&T Corp. | Method and system for predicting problematic dialog situations in a task classification system |
| EP1229516A1 (en) * | 2001-01-26 | 2002-08-07 | Telefonaktiebolaget L M Ericsson (Publ) | Method, device, terminal and system for the automatic recognition of distorted speech data |
| TWI223792B (en) * | 2003-04-04 | 2004-11-11 | Penpower Technology Ltd | Speech model training method applied in speech recognition |
| KR100612839B1 (ko) * | 2004-02-18 | 2006-08-18 | 삼성전자주식회사 | 도메인 기반 대화 음성인식방법 및 장치 |
| US7877255B2 (en) * | 2006-03-31 | 2011-01-25 | Voice Signal Technologies, Inc. | Speech recognition using channel verification |
| JP4245617B2 (ja) * | 2006-04-06 | 2009-03-25 | 株式会社東芝 | 特徴量補正装置、特徴量補正方法および特徴量補正プログラム |
| JP4316583B2 (ja) * | 2006-04-07 | 2009-08-19 | 株式会社東芝 | 特徴量補正装置、特徴量補正方法および特徴量補正プログラム |
| US8615397B2 (en) * | 2008-04-04 | 2013-12-24 | Intuit Inc. | Identifying audio content using distorted target patterns |
| US9462230B1 (en) * | 2014-03-31 | 2016-10-04 | Amazon Technologies | Catch-up video buffering |
| JP6841232B2 (ja) * | 2015-12-18 | 2021-03-10 | ソニー株式会社 | 情報処理装置、情報処理方法、及びプログラム |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US4926488A (en) * | 1987-07-09 | 1990-05-15 | International Business Machines Corporation | Normalization of speech by adaptive labelling |
| JP2737624B2 (ja) * | 1993-12-27 | 1998-04-08 | 日本電気株式会社 | 音声認識装置 |
| JP2768274B2 (ja) * | 1994-09-08 | 1998-06-25 | 日本電気株式会社 | 音声認識装置 |
-
1995
- 1995-06-23 JP JP7180734A patent/JP2780676B2/ja not_active Expired - Fee Related
-
1996
- 1996-06-20 EP EP96110008A patent/EP0750292B1/en not_active Expired - Lifetime
- 1996-06-20 DE DE69614937T patent/DE69614937T2/de not_active Expired - Fee Related
- 1996-06-24 US US08/669,239 patent/US5854999A/en not_active Expired - Fee Related
Also Published As
| Publication number | Publication date |
|---|---|
| US5854999A (en) | 1998-12-29 |
| DE69614937D1 (de) | 2001-10-11 |
| DE69614937T2 (de) | 2002-04-04 |
| EP0750292A2 (en) | 1996-12-27 |
| JPH096394A (ja) | 1997-01-10 |
| EP0750292B1 (en) | 2001-09-05 |
| EP0750292A3 (en) | 1998-04-08 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP2780676B2 (ja) | 音声認識装置及び音声認識方法 | |
| JP2692581B2 (ja) | 音響カテゴリ平均値計算装置及び適応化装置 | |
| JP4753821B2 (ja) | 音信号補正方法、音信号補正装置及びコンピュータプログラム | |
| US6611801B2 (en) | Gain and noise matching for speech recognition | |
| JP2002502993A (ja) | ノイズ補償されたスピーチ認識システムおよび方法 | |
| JP2000507714A (ja) | 言語処理 | |
| JPH07191689A (ja) | 音声認識装置 | |
| JP6030135B2 (ja) | 音声認識システムにおいて、誤った肯定を低減すること | |
| JP2004325897A (ja) | 音声認識装置及び音声認識方法 | |
| US8423360B2 (en) | Speech recognition apparatus, method and computer program product | |
| JP3611223B2 (ja) | 音声認識装置及び方法 | |
| JP3535292B2 (ja) | 音声認識システム | |
| JP4858663B2 (ja) | 音声認識方法及び音声認識装置 | |
| JP4461557B2 (ja) | 音声認識方法および音声認識装置 | |
| JP3354252B2 (ja) | 音声認識装置 | |
| JPH06289891A (ja) | 音声認識装置 | |
| JPH07121197A (ja) | 学習式音声認識方法 | |
| JPS60114900A (ja) | 有音・無音判定法 | |
| JPH0792989A (ja) | 音声認識方法 | |
| JPH06214596A (ja) | 音声認識装置および話者適応化方法 | |
| US7155387B2 (en) | Noise spectrum subtraction method and system | |
| JPH11327593A (ja) | 音声認識システム | |
| JP4603727B2 (ja) | 音響信号分析方法及び装置 | |
| JP3868798B2 (ja) | 音声認識装置 | |
| JPH1185200A (ja) | 音声認識のための音響分析方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 19980414 |
|
| LAPS | Cancellation because of no payment of annual fees |