JP2979912B2 - 音声認識装置 - Google Patents
音声認識装置Info
- Publication number
- JP2979912B2 JP2979912B2 JP5190089A JP19008993A JP2979912B2 JP 2979912 B2 JP2979912 B2 JP 2979912B2 JP 5190089 A JP5190089 A JP 5190089A JP 19008993 A JP19008993 A JP 19008993A JP 2979912 B2 JP2979912 B2 JP 2979912B2
- Authority
- JP
- Japan
- Prior art keywords
- recognition
- unit
- word
- standard model
- input pattern
- 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
Description
【０００１】
【産業上の利用分野】本発明は、高い認識性能が要求さ
れる分野に適した音声認識装置に関する。
れる分野に適した音声認識装置に関する。
【０００２】
【従来の技術】従来、音声認識では、予め発声した学習
データから作成した標準モデルを用いて、それらと未知
音声から求めた音声パターンとの類似度を求め、最大の
類似度を与えるカテゴリを認識結果とする方法が一般に
用いられている。カテゴリを単語とした場合、認識対象
となる単語の中に発声が類似した単語、例えば「千葉
（ちば）」と「志賀（しが）」などが存在すると、認識
時にこれらの音声を入力した場合、誤認識を生じ易いと
いう問題点があった。多くの語彙を認識対象とする大語
彙音声認識では、この問題点は特に顕著であった。大語
彙音声認識方法では、認識単位として音素などの単語よ
り小さい単位が一般に用いられている。以下、「音素」
とは、音韻論的な意味での音声の最小基本単位という意
味だけではなく、音節や複数の音素の連結をも含む、も
っと広い範囲の音声の単位を意味するものとする。音素
を認識単位とする方法としては、たとえば、渡辺、吉
田、古賀らによる、電子情報通信学会論文誌Ｄ−ＩＩ
Ｖｏｌ．Ｊ７２−Ｄ−ＩＩ Ｎｏ．８ １９８９年８月
のページ１２６４−１２６９に掲載の論文「半音節を単
位としたＨＭＭを用いた大語い音声認識」（以下、文献
１と記す）に述べられている方法が挙げられる。この方
法では、単語単位に発声された複数個の学習データを用
いて音素の一種である半音節（以下、音素と呼ぶ）単位
の標準モデルを作成している。認識時には、音素表記さ
れた単語辞書を用いて標準モデルを結合して単語単位の
モデルを作成し、この単語モデルを用いて未知単語音声
を認識している。
データから作成した標準モデルを用いて、それらと未知
音声から求めた音声パターンとの類似度を求め、最大の
類似度を与えるカテゴリを認識結果とする方法が一般に
用いられている。カテゴリを単語とした場合、認識対象
となる単語の中に発声が類似した単語、例えば「千葉
（ちば）」と「志賀（しが）」などが存在すると、認識
時にこれらの音声を入力した場合、誤認識を生じ易いと
いう問題点があった。多くの語彙を認識対象とする大語
彙音声認識では、この問題点は特に顕著であった。大語
彙音声認識方法では、認識単位として音素などの単語よ
り小さい単位が一般に用いられている。以下、「音素」
とは、音韻論的な意味での音声の最小基本単位という意
味だけではなく、音節や複数の音素の連結をも含む、も
っと広い範囲の音声の単位を意味するものとする。音素
を認識単位とする方法としては、たとえば、渡辺、吉
田、古賀らによる、電子情報通信学会論文誌Ｄ−ＩＩ
Ｖｏｌ．Ｊ７２−Ｄ−ＩＩ Ｎｏ．８ １９８９年８月
のページ１２６４−１２６９に掲載の論文「半音節を単
位としたＨＭＭを用いた大語い音声認識」（以下、文献
１と記す）に述べられている方法が挙げられる。この方
法では、単語単位に発声された複数個の学習データを用
いて音素の一種である半音節（以下、音素と呼ぶ）単位
の標準モデルを作成している。認識時には、音素表記さ
れた単語辞書を用いて標準モデルを結合して単語単位の
モデルを作成し、この単語モデルを用いて未知単語音声
を認識している。
【０００３】上述のような類似した単語による誤認識の
問題への対処方法としては、標準モデルや認識方式の高
精度化のほかに、認識を行う前に予め認識対象の単語間
の類似性を求め、類似性の高い単語の組合せを検出し、
それを使用者に知らせ、使用者がその組合せのうち一部
もしくは全部の単語を認識対象から除外したり、別の単
語に置き換えたりする方法が挙げられる。このような類
似した単語の検出方法の例が、特公平４−６２５９５号
公報（以下、文献２と記す）に記載されている。文献２
では、母音間の距離および子音間の距離を定義したテー
ブルをそれぞれ用意し、認識対象となる単語のうちの任
意の２個の単語毎に、音節単位で対応をとり、対応する
音節間の距離を前記２つのテーブルより求め、それらを
用いて単語間の類似性を検査している。
問題への対処方法としては、標準モデルや認識方式の高
精度化のほかに、認識を行う前に予め認識対象の単語間
の類似性を求め、類似性の高い単語の組合せを検出し、
それを使用者に知らせ、使用者がその組合せのうち一部
もしくは全部の単語を認識対象から除外したり、別の単
語に置き換えたりする方法が挙げられる。このような類
似した単語の検出方法の例が、特公平４−６２５９５号
公報（以下、文献２と記す）に記載されている。文献２
では、母音間の距離および子音間の距離を定義したテー
ブルをそれぞれ用意し、認識対象となる単語のうちの任
意の２個の単語毎に、音節単位で対応をとり、対応する
音節間の距離を前記２つのテーブルより求め、それらを
用いて単語間の類似性を検査している。
【０００４】
【発明が解決しようとする課題】上述した文献２の方法
では、認識単位や標準モデルに依存せずに単語間の類似
性の検証を行っているので、認識時に生じる誤認識とは
違った傾向の類似単語を検出してしまう可能性が高く、
また、連母音の長母音化、母音の無声化等の発声変形に
より類似してしまう場合に対応できないという問題があ
る。
では、認識単位や標準モデルに依存せずに単語間の類似
性の検証を行っているので、認識時に生じる誤認識とは
違った傾向の類似単語を検出してしまう可能性が高く、
また、連母音の長母音化、母音の無声化等の発声変形に
より類似してしまう場合に対応できないという問題があ
る。
【０００５】本発明は、音素を認識単位とした音声認識
において、標準モデルから疑似的に入力パターンを作成
し、この入力パターンを用いて認識を行い、求められた
類似度を単語間の類似性とすることにより、類似した単
語を高精度に検出することを目的とする。
において、標準モデルから疑似的に入力パターンを作成
し、この入力パターンを用いて認識を行い、求められた
類似度を単語間の類似性とすることにより、類似した単
語を高精度に検出することを目的とする。
【０００６】
【課題を解決するための手段】本発明の音声認識装置
は、音声信号を分析して特徴ベクトル時系列を出力する
特徴分析部と、特徴ベクトルに対する出現確率が任意個
の確率分布の形で定義されている状態のネットワークと
して表現される標準モデルを予め音素単位で作成し蓄え
ておく標準モデル記憶部と、音声認識の対象となる単語
を構成する音素情報を格納する単語辞書部と、類似単語
検出モードと認識モードとを切替えるための検出／認識
切替スイッチと、類似単語検出モード時に前記単語辞書
部の任意の単語に対する音素情報と前記標準モデル中の
確率分布を定義するパラメータの一部から疑似入力パタ
ーンを作成する疑似入力パターン作成部と、前記標準モ
デルと前記単語辞書部に格納された音素情報を用いて類
似単語検出モードでは前記疑似入力パターンに対して、
また認識モードでは前記特徴分析部から出力される前記
特徴ベクトル時系列に対して認識を行い、前記音声認識
の対象となる単語との類似度を求める認識部と、前記認
識部から出力された前記類似度に基づいて、前記音声認
識の対象となる単語から類似性の高い単語を類似単語と
して出力する類似単語決定部と、前記認識部から出力さ
れた前記類似度に基づいて、前記音声信号と前記音声認
識の対象となる単語との類似性を調べ認識判定を行い、
認識結果を出力する認識結果決定部と、類似単語検出モ
ードでは前記類似単語を、また認識モードでは前記認識
結果を表示する結果表示部とを有し、または、前記標準
モデル記憶部に蓄えられる標準モデル中の状態間の遷移
には遷移確率が定義されており、前記疑似入力パターン
作成部は、前記遷移確率を考慮して疑似入力パターンを
作成することを特徴とする。
は、音声信号を分析して特徴ベクトル時系列を出力する
特徴分析部と、特徴ベクトルに対する出現確率が任意個
の確率分布の形で定義されている状態のネットワークと
して表現される標準モデルを予め音素単位で作成し蓄え
ておく標準モデル記憶部と、音声認識の対象となる単語
を構成する音素情報を格納する単語辞書部と、類似単語
検出モードと認識モードとを切替えるための検出／認識
切替スイッチと、類似単語検出モード時に前記単語辞書
部の任意の単語に対する音素情報と前記標準モデル中の
確率分布を定義するパラメータの一部から疑似入力パタ
ーンを作成する疑似入力パターン作成部と、前記標準モ
デルと前記単語辞書部に格納された音素情報を用いて類
似単語検出モードでは前記疑似入力パターンに対して、
また認識モードでは前記特徴分析部から出力される前記
特徴ベクトル時系列に対して認識を行い、前記音声認識
の対象となる単語との類似度を求める認識部と、前記認
識部から出力された前記類似度に基づいて、前記音声認
識の対象となる単語から類似性の高い単語を類似単語と
して出力する類似単語決定部と、前記認識部から出力さ
れた前記類似度に基づいて、前記音声信号と前記音声認
識の対象となる単語との類似性を調べ認識判定を行い、
認識結果を出力する認識結果決定部と、類似単語検出モ
ードでは前記類似単語を、また認識モードでは前記認識
結果を表示する結果表示部とを有し、または、前記標準
モデル記憶部に蓄えられる標準モデル中の状態間の遷移
には遷移確率が定義されており、前記疑似入力パターン
作成部は、前記遷移確率を考慮して疑似入力パターンを
作成することを特徴とする。
【０００７】
【実施例】次に、本発明について図面を参照して説明す
る。
る。
【０００８】図１は本発明の第１の一実施例を示すブロ
ック図である。標準モデル記憶部１１は、音素単位の標
準モデルＰk （ｋ＝１，２，・・・Ｋ、Ｋは音素の種類
数）を予め記憶している。標準モデルＰk としては、文
献１に述べられているＨＭＭを用いることができ、文献
１に述べられている学習方法により作成することができ
る。ＨＭＭは、状態遷移ネットワークの一種で、各状態
ｉ（ｉ＝１，２，・・・Ｉk 、Ｉk は標準モデルＰk の
状態数）には状態遷移確率
ック図である。標準モデル記憶部１１は、音素単位の標
準モデルＰk （ｋ＝１，２，・・・Ｋ、Ｋは音素の種類
数）を予め記憶している。標準モデルＰk としては、文
献１に述べられているＨＭＭを用いることができ、文献
１に述べられている学習方法により作成することができ
る。ＨＭＭは、状態遷移ネットワークの一種で、各状態
ｉ（ｉ＝１，２，・・・Ｉk 、Ｉk は標準モデルＰk の
状態数）には状態遷移確率
【０００９】
【数１】
【００１０】と特徴ベクトル出現確率とが定義されてい
る。特徴ベクトル出現確率としては、ガウス分布
る。特徴ベクトル出現確率としては、ガウス分布
【００１１】
【数２】
【００１２】を用いることができる。単語辞書部１２
は、認識対象となる単語Ｗm （ｍ＝１，２，・・・，
Ｍ、Ｍは語彙数）を構成する音素情報を予め記憶してい
る。音素情報としては、単語Ｗm の音素列
は、認識対象となる単語Ｗm （ｍ＝１，２，・・・，
Ｍ、Ｍは語彙数）を構成する音素情報を予め記憶してい
る。音素情報としては、単語Ｗm の音素列
【００１３】
【数３】
【００１４】を用いることができる。
【００１５】次に、図１および図２を参照して、本実施
例の動作について説明する。
例の動作について説明する。
【００１６】類似単語検出モードでは、検出／認識切替
スイッチ１９は疑似入力パターン作成部１３と、また検
出／認識切替スイッチ２０は類似単語決定部１５と接続
する。
スイッチ１９は疑似入力パターン作成部１３と、また検
出／認識切替スイッチ２０は類似単語決定部１５と接続
する。
【００１７】疑似入力パターン作成部１３は、単語辞書
部１２から単語Ｗm に対する音素列
部１２から単語Ｗm に対する音素列
【００１８】
【数４】
【００１９】を読み込み、各音素に対応する標準モデル
の平均ベクトルを標準モデル記憶部１１から読み込み、
疑似入力パターンを作成する（ステップＡ1 ）。音素
の平均ベクトルを標準モデル記憶部１１から読み込み、
疑似入力パターンを作成する（ステップＡ1 ）。音素
【００２０】
【数５】
【００２１】に対応する標準モデルを
【００２２】
【数６】
【００２３】とし、それに含まれる平均ベクトルを
【００２４】
【数７】
【００２５】とすると、単語Ｗm に対する疑似入力パタ
ーンＶm として、
ーンＶm として、
【００２６】
【数８】
【００２７】と、平均ベクトルを一列に並べたパターン
を使用することができる。平均ベクトルを並べる際、１
個ではなく複数個並べることもできる。
を使用することができる。平均ベクトルを並べる際、１
個ではなく複数個並べることもできる。
【００２８】作成された疑似入力パターンＶm は、認識
部１４に入力され、標準モデル記憶部１１の標準モデル
を用いて、単語辞書部の単語Ｗn （ｎ＝１，２，・・
・，Ｍ）との類似度Ｒm n が求められる（ステップ
Ａ2 ）。疑似度の算出方法については、文献１に述べら
れている認識方式を使用することができる。疑似単語決
定部１５は、求められた類似度Ｒm n が予め設定してお
いた閾値より大きい場合、単語Ｗm 、Ｗn および類似度
Ｒm n を類似した単語に関する情報として出力し、結果
表示部１６はそれらの情報を表示し、使用者に知らせる
（ステップＡ3 およびステップＡ4 ）。使用者はその情
報を元に、類似している単語の一方もしくは両方を認識
対象から除外したり、別の単語に置き換えたりすること
により認識性能の向上が図れる。
部１４に入力され、標準モデル記憶部１１の標準モデル
を用いて、単語辞書部の単語Ｗn （ｎ＝１，２，・・
・，Ｍ）との類似度Ｒm n が求められる（ステップ
Ａ2 ）。疑似度の算出方法については、文献１に述べら
れている認識方式を使用することができる。疑似単語決
定部１５は、求められた類似度Ｒm n が予め設定してお
いた閾値より大きい場合、単語Ｗm 、Ｗn および類似度
Ｒm n を類似した単語に関する情報として出力し、結果
表示部１６はそれらの情報を表示し、使用者に知らせる
（ステップＡ3 およびステップＡ4 ）。使用者はその情
報を元に、類似している単語の一方もしくは両方を認識
対象から除外したり、別の単語に置き換えたりすること
により認識性能の向上が図れる。
【００２９】単語Ｗn が単語辞書部の最終単語ＷM の場
合（ステップＡ5 ）、すなわち、単語Ｗm に対する類似
性の検証が単語辞書部の全単語に対して実行された場
合、単語Ｗm + 1 に対して、同様にステップＡ1 〜Ａ5
により類似性の検証を実行する。単語Ｗm が単語辞書部
の最終単語ＷM の場合（ステップＡ6 ）、すなわち、単
語辞書部の全単語に対する類似性の検証が終了した場
合、処理を終了する。
合（ステップＡ5 ）、すなわち、単語Ｗm に対する類似
性の検証が単語辞書部の全単語に対して実行された場
合、単語Ｗm + 1 に対して、同様にステップＡ1 〜Ａ5
により類似性の検証を実行する。単語Ｗm が単語辞書部
の最終単語ＷM の場合（ステップＡ6 ）、すなわち、単
語辞書部の全単語に対する類似性の検証が終了した場
合、処理を終了する。
【００３０】認識モードでは、検出／認識切替スイッチ
１９は特徴分析部１７と、また検出／認識切替スイッチ
２０は認識結果決定部１８と接続する。
１９は特徴分析部１７と、また検出／認識切替スイッチ
２０は認識結果決定部１８と接続する。
【００３１】特徴分析部１７では、古井著、１９８５
年、東海大学出版会発行の「ディジタル音声処理」に述
べられているようなメルケプストラムによる方法を用い
て、未知の音声信号が特徴ベクトル時系列に変換され、
認識部１４にて、疑似入力パターンと同様、この特徴ベ
クトル時系列と単語辞書部の単語Ｗn （ｎ＝１，２，・
・・，Ｍ）との類似度Ｒm n が求められる。認識結果決
定部１８は、求められた類似度Ｒm n が大きい順から任
意個選択し、その値および対応する単語を認識結果とし
て出力し、結果表示部１６は、それらの情報を表示す
る。
年、東海大学出版会発行の「ディジタル音声処理」に述
べられているようなメルケプストラムによる方法を用い
て、未知の音声信号が特徴ベクトル時系列に変換され、
認識部１４にて、疑似入力パターンと同様、この特徴ベ
クトル時系列と単語辞書部の単語Ｗn （ｎ＝１，２，・
・・，Ｍ）との類似度Ｒm n が求められる。認識結果決
定部１８は、求められた類似度Ｒm n が大きい順から任
意個選択し、その値および対応する単語を認識結果とし
て出力し、結果表示部１６は、それらの情報を表示す
る。
【００３２】図３は本発明の第２の一実施例を示すブロ
ック図である。
ック図である。
【００３３】図３を参照すると、本発明の第２の実施例
は、図１に示した本発明の第１の実施例における標準モ
デル記憶部１１と疑似入力パターン作成部１３の間にベ
クトル数決定部２１が加わっている点が異なる。
は、図１に示した本発明の第１の実施例における標準モ
デル記憶部１１と疑似入力パターン作成部１３の間にベ
クトル数決定部２１が加わっている点が異なる。
【００３４】本実施例の動作は、図２に示した第１の実
施例の動作とステップＡ1 での疑似入力パターンの作成
方法が異なっており、他の動作は同一である。第１の実
施例では、一定個の平均ベクトルを並べることにより疑
似入力パターンを作成しており、標準モデル中の状態遷
移確率
施例の動作とステップＡ1 での疑似入力パターンの作成
方法が異なっており、他の動作は同一である。第１の実
施例では、一定個の平均ベクトルを並べることにより疑
似入力パターンを作成しており、標準モデル中の状態遷
移確率
【００３５】
【数９】
【００３６】は使用していなかった。本実施例では、ベ
クトル数決定部２１が、標準モデル記憶部１１から標準
モデルの状態遷移確率
クトル数決定部２１が、標準モデル記憶部１１から標準
モデルの状態遷移確率
【００３７】
【数１０】
【００３８】を読み込み、その値を用いて並べる平均ベ
クトルの個数
クトルの個数
【００３９】
【数１１】
【００４０】を決定する。個数
【００４１】
【数１２】
【００４２】を求めるには、以下の式を用いることがで
きる。
きる。
【００４３】
【数１３】
【００４４】疑似入力パターン作成部１３は、求められ
た個数、および単語辞書部１２内の音素列、標準モデル
記憶部１１内の標準モデルの平均ベクトルから疑似入力
パターンを作成する。
た個数、および単語辞書部１２内の音素列、標準モデル
記憶部１１内の標準モデルの平均ベクトルから疑似入力
パターンを作成する。
【００４５】第２の実施例の他に、疑似入力パターン作
成時での状態遷移確率の利用方法としては、単語辞書部
１２中の単語Ｗm の音素情報が図４のように分岐をもつ
音素列の場合に、例えば語尾の母音が無声化する可能性
がある単語を表現する場合などに、状態遷移確率が大き
い枝の音素を疑似入力パターンの作成に使用する、等が
ある。
成時での状態遷移確率の利用方法としては、単語辞書部
１２中の単語Ｗm の音素情報が図４のように分岐をもつ
音素列の場合に、例えば語尾の母音が無声化する可能性
がある単語を表現する場合などに、状態遷移確率が大き
い枝の音素を疑似入力パターンの作成に使用する、等が
ある。
【００４６】
【発明の効果】以上説明したように、本発明による類似
単語検出方式は、標準モデルから疑似的に作成した入力
パターンを用いて認識を行い、求められた類似度を単語
間の類似性としたため、類似した単語を高精度に検出で
きるという効果がある。
単語検出方式は、標準モデルから疑似的に作成した入力
パターンを用いて認識を行い、求められた類似度を単語
間の類似性としたため、類似した単語を高精度に検出で
きるという効果がある。
【図１】本発明の第１の実施例を示すブロック図であ
る。
る。
【図２】本発明の実施例の類似単語検出モードでのフロ
ーチャートである。
ーチャートである。
【図３】本発明の第２の実施例を示すブロック図であ
る。
る。
【図４】本発明の単語辞書部中の単語の音素情報例を示
す図である。
す図である。
１１ 標準モデル記憶部 １２ 単語辞書部 １３ 疑似入力パターン作成部 １４ 認識部 １５ 類似単語決定部 １６ 結果表示部 １７ 特徴分析部 １８ 認識結果決定部 １９，２０ 検出／認識切替スイッチ ２１ ベクトル数決定部
───────────────────────────────────────────────────── フロントページの続き (56)参考文献 特開 平２−110599（ＪＰ，Ａ) 特公 平４−73160（ＪＰ，Ｂ２) 特公 平４−62595（ＪＰ，Ｂ２) 電子情報通信学会論文誌Ｄ−▲ＩＩ▼ Ｖｏｌ．Ｊ72−Ｄ▲ＩＩ▼，Ｎｏ. ８，ｐ．1264〜1269（平成元年８月) 電子情報通信学会論文誌Ｄ−▲ＩＩ▼ Ｖｏｌ．Ｊ75−Ｄ▲ＩＩ▼，Ｎｏ. ８，ｐ．1281〜1289（平成３年８月) (58)調査した分野(Int.Cl.6，ＤＢ名) G10L 3/00 521 G10L 3/00 535 ＪＩＣＳＴファイル（ＪＯＩＳ)
Claims (2)
- 【請求項１】 音声信号を分析して特徴ベクトル時系列
を出力する特徴分析部と、 特徴ベクトルに対する出現確率が任意個の確率分布の形
で定義されている状態のネットワークとして表現される
標準モデルを予め音素単位で作成し蓄えておく標準モデ
ル記憶部と、 音声認識の対象となる単語を構成する音素情報を格納す
る単語辞書部と、 類似単語検出モードと認識モードとを切替えるための検
出／認識切替スイッチと、 類似単語検出モード時に前記単語辞書部の任意の単語に
対する音素情報と前記標準モデル中の確率分布を定義す
るパラメータの一部から疑似入力パターンを作成する疑
似入力パターン作成部と、 前記標準モデルと前記単語辞書部に格納された音素情報
を用いて類似単語検出モードでは前記疑似入力パターン
に対して、また認識モードでは前記特徴分析部から出力
される前記特徴ベクトル時系列に対して認識を行い、前
記音声認識の対象となる単語との類似度を求める認識部
と、 前記認識部から出力された前記類似度に基づいて、前記
音声認識の対象となる単語から類似性の高い単語を類似
単語として出力する類似単語決定部と、 前記認識部から出力された前記類似度に基づいて、前記
音声信号と前記音声認識の対象となる単語との類似性を
調べ認識判定を行い、認識結果を出力する認識結果決定
部と、 類似単語検出モードでは前記類似単語を、また認識モー
ドでは前記認識結果を表示する結果表示部とを有するこ
とを特徴とする音声認識装置。 - 【請求項２】 前記標準モデル記憶部に蓄えられる標準
モデル中の状態間の遷移には遷移確率が定義されてお
り、前記疑似入力パターン作成部は、前記遷移確率を考
慮して疑似入力パターンを作成することを特徴とする請
求項１記載の音声認識装置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP5190089A JP2979912B2 (ja) | 1993-07-30 | 1993-07-30 | 音声認識装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP5190089A JP2979912B2 (ja) | 1993-07-30 | 1993-07-30 | 音声認識装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPH0744188A JPH0744188A (ja) | 1995-02-14 |
| JP2979912B2 true JP2979912B2 (ja) | 1999-11-22 |
Family
ID=16252187
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP5190089A Expired - Fee Related JP2979912B2 (ja) | 1993-07-30 | 1993-07-30 | 音声認識装置 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP2979912B2 (ja) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108831459B (zh) * | 2018-05-30 | 2021-01-05 | 出门问问信息科技有限公司 | 语音识别方法及装置 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH0473160A (ja) * | 1989-10-05 | 1992-03-09 | Seiko Epson Corp | 画像形成装置 |
-
1993
- 1993-07-30 JP JP5190089A patent/JP2979912B2/ja not_active Expired - Fee Related
Non-Patent Citations (2)
| Title |
|---|
| 電子情報通信学会論文誌Ｄ−▲ＩＩ▼ Ｖｏｌ．Ｊ７２−Ｄ▲ＩＩ▼，Ｎｏ．８，ｐ．１２６４〜１２６９（平成元年８月） |
| 電子情報通信学会論文誌Ｄ−▲ＩＩ▼ Ｖｏｌ．Ｊ７５−Ｄ▲ＩＩ▼，Ｎｏ．８，ｐ．１２８１〜１２８９（平成３年８月） |
Also Published As
| Publication number | Publication date |
|---|---|
| JPH0744188A (ja) | 1995-02-14 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US6912499B1 (en) | Method and apparatus for training a multilingual speech model set | |
| US20180137109A1 (en) | Methodology for automatic multilingual speech recognition | |
| US6243680B1 (en) | Method and apparatus for obtaining a transcription of phrases through text and spoken utterances | |
| JP2543148B2 (ja) | 音声認識装置を学習させる装置 | |
| JP5240457B2 (ja) | 拡張認識辞書学習装置と音声認識システム | |
| JPWO2009025356A1 (ja) | 音声認識装置および音声認識方法 | |
| Nahar et al. | Arabic phonemes recognition using hybrid LVQ/HMM model for continuous speech recognition | |
| EP0562138A1 (en) | Method and apparatus for the automatic generation of Markov models of new words to be added to a speech recognition vocabulary | |
| US5764851A (en) | Fast speech recognition method for mandarin words | |
| JP3444108B2 (ja) | 音声認識装置 | |
| Jeon et al. | N-best rescoring based on pitch-accent patterns | |
| JP4283133B2 (ja) | 音声認識装置 | |
| JP2979912B2 (ja) | 音声認識装置 | |
| 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 | |
| JP2004177551A (ja) | 音声認識用未知発話検出装置及び音声認識装置 | |
| JP4391179B2 (ja) | 話者認識システム及び方法 | |
| JP2938865B1 (ja) | 音声認識装置 | |
| Pandey et al. | Fusion of spectral and prosodic information using combined error optimization for keyword spotting | |
| JPH08314490A (ja) | ワードスポッティング型音声認識方法と装置 | |
| JP3039453B2 (ja) | 音声認識装置 | |
| JP3240691B2 (ja) | 音声認識方法 | |
| JPH1097275A (ja) | 大語彙音声認識装置 | |
| JP3128251B2 (ja) | 音声認識装置 | |
| JP3277522B2 (ja) | 音声認識方法 | |
| JP2943473B2 (ja) | 音声認識方法 |
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: 19990817 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20080917 Year of fee payment: 9 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20080917 Year of fee payment: 9 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20090917 Year of fee payment: 10 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20090917 Year of fee payment: 10 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20100917 Year of fee payment: 11 |
|
| LAPS | Cancellation because of no payment of annual fees |