JP3037864B2 - 音声コード化装置及び方法 - Google Patents

音声コード化装置及び方法

Info

Publication number
JP3037864B2
JP3037864B2 JP6021828A JP2182894A JP3037864B2 JP 3037864 B2 JP3037864 B2 JP 3037864B2 JP 6021828 A JP6021828 A JP 6021828A JP 2182894 A JP2182894 A JP 2182894A JP 3037864 B2 JP3037864 B2 JP 3037864B2
Authority
JP
Japan
Prior art keywords
training
vector signal
feature vector
training feature
subset
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
Application number
JP6021828A
Other languages
English (en)
Other versions
JPH06274200A (ja
Inventor
アール バール ラリット
エス ゴパラクリシュナン ポナーニ
アラン ピケニ マイケル
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
International Business Machines Corp
Original Assignee
International Business Machines Corp
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by International Business Machines Corp filed Critical International Business Machines Corp
Publication of JPH06274200A publication Critical patent/JPH06274200A/ja
Application granted granted Critical
Publication of JP3037864B2 publication Critical patent/JP3037864B2/ja
Anticipated expiration legal-status Critical
Expired - Fee Related legal-status Critical Current

Links

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
    • G10L15/06—Creation of reference templates; Training of speech recognition systems, e.g. adaptation to the characteristics of the speaker's voice
    • G10L15/063—Training

Landscapes

  • Engineering & Computer Science (AREA)
  • Artificial Intelligence (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)
  • Compression, Expansion, Code Conversion, And Decoders (AREA)

Description

【発明の詳細な説明】
【０００１】
【産業上の利用分野】本発明は、音声認識システム等の
音声のコード化に関連する。
【０００２】
【従来の技術】音声認識の第１のステップは、発言を測
定することに関与する。音声コード化装置は、例えば、
一連の時間間隔（例えば、１０ミリ秒の時間間隔）に、
１つ以上の周波数帯域において発言の振幅を測定する。
音声コード化装置による各測定値は、フィルタに通さ
れ、正規化され或いは操作されて要求された音声情報を
得た上で、結果として音響特徴ベクトルとして記憶され
る。音声認識装置において認識すべき発言から音声エン
コーダによって作り出された音響特徴ベクトルが、単語
の音声モデルと比較され、最もよく一致したモデルが見
つけられる。比較を簡単にするため、音響特徴ベクトル
は、ベクトルの量子化によって連続の変数から離散的変
数に変換される。離散的変数は、それから音声モデルと
比較される。
【０００３】プロトタイプ・ベクトルの有限のセットを
提供することによって、音響特徴ベクトルは量子化され
る。各プロトタイプ・ベクトルは、識別子（ラベル）を
有し、１組以上のパラメータ値を持つ。音響特徴ベクト
ルの値は、プロトタイプ・ベクトルのパラメータ値と比
較され、最も近いプロトタイプ・ベクトルを見つける。
最も近いプロトタイプ・ベクトルの識別子（ラベル）
が、音響特徴ベクトルの符号化表示としての出力であ
る。
【０００４】例えば、各プロトタイプ値は、プロトタイ
プ・ベクトルに対応している一組の音響特徴ベクトル値
を平均することによって得られる。例えば、音響特徴ベ
クトルは、初期のプロトタイプ・ベクトルのセットを使
用して既知のトレーニング・スクリプトの発言をコード
化し、そして次に、音響特徴ベクトルとトレーニング・
スクリプトの音響モデルの間の最も可能性のある配列を
見つけることによって、プロトタイプ・ベクトルと相関
する。
【０００５】しかしながら、各プロトタイプ・ベクトル
に対する単一の平均は、正確にプロトタイプ・ベクトル
をモデル化しないことが分かっている。プロトタイプ・
ベクトルに対応している音響特徴ベクトルのセットを複
数のクラスタに分割することによって得られた区画の混
合から各プロトタイプ・ベクトルが構成されるならば、
よりよいモデルが得られる。
【０００６】例えば、プロトタイプ・ベクトルに対応し
ている音響特徴ベクトルのセットは、トレーニング・ス
クリプトにおける各音響特徴ベクトルの前後関係（例え
ば、前後の音、以下文脈）に従ってグループ化される。
各プロトタイプ・ベクトルを適切にモデル化するため
に、各前後関係グループは、互いに近接した音響特徴ベ
クトルのクラスタに分割される（例えばＫ−手法のクラ
スタリング「K-means」によって）。「クラスタ化アル
ゴリズム(Clustering Algorithms, John A.Hartigan, J
ohn Wiley & Sons, Inc., 1975.)参照」。音響特徴ベク
トルの各クラスタは、区画を形成する。区画を形成して
いる音響特徴ベクトルの平均のような値及び区画を形成
している音響特徴ベクトルの共分散マトリックスによっ
て、各区画が代表される。（簡単のために、共分散マト
リックスの全ての非対角項がゼロに近似される。）
【０００７】上に記述された方法において各プロトタイ
プ・ベクトルを適切にモデル化するために、トレーニン
グ・スクリプトの発音から相当な量のトレーニング・デ
ータ（学習データ）が必要とされ、相当な計算資源がト
レーニング・データを分析するために必要とされる。更
に、１人の話し手から他のものへの音響特徴ベクトルの
クラスタの間の相関はなく、従って１人の話し手からの
プロトタイプ・ベクトル・データが、他の話し手のため
のプロトタイプ・ベクトルを生成するために役立てられ
ない。
【０００８】更に、音響特徴ベクトルの値をプロトタイ
プ・ベクトルのパラメータ値と比較するするために、音
響特徴ベクトルの値は、プロトタイプ・ベクトルを構成
している全ての区画のパラメータ値に突き合わせられ
て、合成照合得点を生成しなければならない。しかしな
がら、一般に音響特徴ベクトルに最も近い区画に関する
照合得点が全ての区画に対する合成照合点数を左右する
ことが分かっている。従って、プロトタイプの照合得点
は、音響特徴ベクトルに最も近いプロトタイプの１区画
に対する照合得点によって近似することができる。
【０００９】
【発明が解決しようとする課題】比較的少ない量のトレ
ーニング・データによって、プロトタイプ・ベクトルが
正確に生成できる音声コード化装置を提供することが本
発明の目的である。本発明のもう１つの目的は、比較的
少ない計算資源の消費によって、プロトタイプ・ベクト
ルが正確に生成できる音声コード化装置を提供すること
である。本発明の更に別の目的は、新しい話し手に対す
るプロトタイプ・ベクトルの区画が、他の話し手の同じ
プロトタイプ・ベクトルの区画と相関することができ、
その結果、多くの他の話し手から得られたプロトタイプ
・ベクトル・データが、新しい話し手に対するプロトタ
イプ・ベクトルを生成するのに役立つような音声コード
化装置を提供することである。更に本発明のもう１つの
目的は、音響特徴の値が、少ない計算量でプロトタイプ
・ベクトルの区画のパラメータ値と比較できる音声コー
ド化装置を提供することである。
【００１０】
【課題を解決するための手段】本発明による音声コード
化装置及びその方法は、一連の連続した時間間隔の中で
個々の発言の少くとも１つの特徴値を測定し、特徴値を
表す一連の特徴ベクトル信号を生成する。複数のプロト
タイプ・ベクトル信号が記憶される。各プロトタイプ・
ベクトル信号は、少くとも２区画を有し、識別値を持
つ。各区画は、少くとも１つのパラメーター値を持つ。
【００１１】第１の特徴ベクトル信号の特徴値は、各プ
ロトタイプ・ベクトル信号の少くとも１つの区画のパラ
メータ値と比較されて、第１の特徴ベクトル信号及び各
プロトタイプ・ベクトル信号に対するプロトタイプ照合
得点が得られる。少くとも最高のプロトタイプ照合得点
を有するプロトタイプ・ベクトル信号の識別値が、第１
の特徴ベクトル信号のコード化された発言表示信号とし
ての出力である。
【００１２】本発明による音声コード化装置及びその方
法は、トレーニング・スクリプトのモデルを記憶させる
ことによって記憶されたプロトタイプ・ベクトル信号を
生成する。トレーニング・スクリプト・モデルは、有限
の要素モデルのセットからの一連の要素モデルで構成さ
れる。トレーニング・スクリプトのトレーニング発言の
少くとも１つの特徴値が一連の連続した時間間隔の各々
に対して測定され、特徴値を表す一連のトレーニング特
徴ベクトル信号を生成する。
【００１３】トレーニング・スクリプト・モデルにおけ
る第１の要素モデルに対応しているトレーニング特徴ベ
クトル信号の第１のセットが識別される。少くとも、第
１と第２の基準ベクトル信号が記憶される。各基準ベク
トル信号は、少くとも１つのパラメータ値を持つ。
【００１４】第１のセットにおける各トレーニング特徴
ベクトル信号の特徴値が第１の基準ベクトル信号のパラ
メータ値と比較され、各トレーニング特徴ベクトル信号
と第１の基準ベクトル信号に関する第１の近さ得点を得
る。第１のセットにおける各トレーニング特徴ベクトル
信号の特徴値が、同様に第２の基準ベクトル信号のパラ
メーター値と比較され、各トレーニング特徴ベクトル信
号と第２の基準ベクトル信号に対する第２の近さ得点を
得る。第１のセットにおける各トレーニング特徴ベクト
ル信号に関して、トレーニング特徴ベクトル信号に対す
る第１の近さ得点は、トレーニング特徴ベクトル信号に
対する第２の近さ得点と比較され、各トレーニング特徴
ベクトル信号と第１及び第２の基準ベクトル信号に関す
る基準照合得点を得る。
【００１５】閾値Ｑより高い基準照合得点を持つ第１の
セットにおけるトレーニング特徴ベクトルは、第１のサ
ブセットとして記憶される。基準照合得点が閾値Ｑより
低い第１のセットにおけるトレーニング特徴ベクトル信
号は、第２のサブセットとして記憶される。第１のプロ
トタイプ・ベクトル信号に対する１つ以上の区画値が、
トレーニング特徴ベクトル信号の第１のサブセットから
生成される。第１のプロトタイプ・ベクトル信号に対す
る１つ以上の追加の区画値が、トレーニング特徴ベクト
ル信号の第２のサブセットから生成される。
【００１６】本発明の１つの局面において、トレーニン
グ・スクリプトにおける各要素モデルは、トレーニング
・スクリプトにおいて１つ以上の先行あるいは後続のモ
デルから成る文脈を有する。トレーニング特徴ベクトル
信号の第１のセットは、第１の文脈におけるトレーニン
グ・スクリプトにおいて第１の要素モデルに対応する。
【００１７】第１の基準ベクトル信号のパラメータ値
は、例えば第２の文脈のトレーニング・スクリプトにお
ける要素モデルに対応するトレーニング特徴ベクトル信
号の第２のセットの特徴値の平均を含むものでもよい。
第２の基準ベクトルのパラメータ値は、第１及び第２の
文脈と異なる第３の文脈のトレーニング・スクリプトに
おける要素モデルに対応するトレーニング特徴ベクトル
信号の第３のセットの特徴値の平均を含むものでもよ
い。
【００１８】プロトタイプ・ベクトル信号に対する区画
値は、トレーニング特徴ベクトルの各サブセットを１つ
以上の異なるクラスタにグループ化することによって生
成される。例えば、トレーニング特徴ベクトル信号の第
１のサブセットは、少なくとも第３及び第４の基準ベク
トル信号を記憶することによって、１つ以上の異なるク
ラスタにグループ化される。各基準ベクトル信号は、少
くとも１つのパラメータ値を持つ。第１のサブセットに
おける各トレーニング特徴ベクトル信号の特徴値は、第
３の基準ベクトル信号のパラメータ値と比較され、トレ
ーニング特徴ベクトル信号及び第３の基準ベクトル信号
に対する第３の近さ得点を得る。第１のサブセットにお
ける各トレーニング特徴ベクトル信号の特徴値が、同様
に第４の基準ベクトル信号のパラメータ値に比較され、
トレーニング特徴ベクトル信号および第４の基準ベクト
ル信号に対する第４の近さ得点を得る。第１のサブセッ
トにおける各トレーニング特徴信号に対してトレーニン
グ特徴ベクトル信号に対する第３の近さ得点は、トレー
ニング特徴ベクトル信号に対する第４の近さ得点と比較
され、各トレーニング特徴ベクトル信号および第３及び
第４の基準ベクトル信号に対するサブ基準照合得点を得
る。
【００１９】閾値Ｑ’より高いサブ基準照合得点を有す
る第１のサブセットにおけるトレーニング特徴ベクトル
信号は、第１のサブ・サブセットとして記憶される。閾
値Ｑ’より低いサブ基準照合得点を有する第１のサブセ
ットにおけるトレーニング特徴ベクトル信号は、第２の
サブ・サブセットとして記憶される。第１のプロトタイ
プ・ベクトル信号に対する１つ以上の区画値は、トレー
ニング特徴ベクトル信号の第１のサブ・サブセットから
生成される。第１のプロトタイプ・ベクトル信号に対す
る１つ以上の追加の区画値は、トレーニング特徴ベクト
ル信号の第２のサブ・サブセットから生成される。
【００２０】例えば、各区画値は、クラスタにおけるト
レーニング特徴値信号の特徴値の平均を含むものでもよ
い。各区画は、更にクラスタにおけるトレーニング特徴
ベクトル信号の特徴値の分散を含むものでもよい。
【００２１】閾値Ｑは、例えば１である。
【００２２】例えば、トレーニング・スクリプト・モデ
ルは、一連の音声のモデルを含む。各音声のモデルは、
一連の要素モデルを含む。トレーニング・スクリプト・
モデルにおける各要素モデルは、先行及び後続する音声
モデルの音声の文脈を有する。プロトタイプ・ベクトル
信号を生成するために、第１の基準ベクトル信号は、先
行及び後続する音声モデルの第１の音声の文脈における
第１の要素モデルに対応しているトレーニング特徴ベク
トル信号の平均を含む。第２の基準ベクトル信号は、先
行及び後続する音声モデルの第１の文脈と異なる第２の
音声の文脈における第１の要素モデルに対応しているト
レーニング特徴ベクトル信号の平均を含む。
【００２３】発言の少くとも１つの特徴値が、一部マイ
クロフォンで測定される。プロトタイプ・ベクトル信号
は、電子的に読み込み可能なメモリに記憶される。
【００２４】本発明による音声コード化装置および方法
において、基準ベクトルの周辺に音響特徴ベクトルをク
ラスタ化することによって、プロトタイプ・ベクトル区
画が、より少ないトレーニング・データおよびより少な
い計算資源で得られる。
【００２５】本発明に従って、異なる話し手と相関して
いる基準ベクトルの周辺に音響特徴ベクトルをクラスタ
化することによって（例えば文脈によって相関する）新
しい話し手に対するプロトタイプ・ベクトルの区画は、
他の話し手に対する同じプロトタイプ・ベクトルの区画
と相関することができ、多くの他の話し手から得られた
プロトタイプ・ベクトル・データが、新しい話し手に対
するプロトタイプ・ベクトルを生成するのに役立てられ
る。
【００２６】本発明に従って、プロトタイプ・ベクトル
区画を得るために基準ベクトルの周辺に音響特徴ベクト
ルをクラスタ化することによって、音響特徴ベクトルに
最も近いプロトタイプ・ベクトル区画が、より少ない計
算資源によって見つけることができる。
【００２７】
【実施例】図１は、本発明に従った音声コード化装置の
１例のブロック・ダイヤグラムである。装置は一連の連
続した時間間隔のそれぞれについて、発言の少くとも１
つの特徴の値を測定するために、音響特徴値測定１０を
有し、特徴値を表す一連の特徴ベクトル信号を生成す
る。例えば、音響特徴値測定１０は、一連の１０ミリ秒
の時間間隔の各々の間に、２０の周波数帯域で発言の振
幅を測定する。音声コード化装置による各測定値は、フ
ィルタに通され、正規化され、あるいは別な方法で処理
され、要求された音声情報を得、結果は音響特徴ベクト
ル信号として記憶される。
【００２８】音声コード化装置は更に、複数のプロトタ
イプ・ベクトル信号を記憶するために、プロトタイプ・
ベクトル信号記憶１２を有する。各プロトタイプ・ベク
トル信号は、少くとも２つの区画を有し、識別値を持
つ。各区画は、少くとも１つのパラメータ値を持つ。
【００２９】最初に、記憶１２におけるプロトタイプ・
ベクトル信号は、初期プロトタイプ・ベクトル信号記憶
１４から得られる。初期プロトタイプ・ベクトル信号
は、例えば米国特許第５，１８２，７７３号において記
述された方法によって得られるであろう。各初期プロト
タイプ・ベクトル信号は、１区画だけを有する必要があ
る。
【００３０】音声コード化装置は更に、各プロトタイプ
・ベクトル信号の少くとも１区画のパラメータ値に対す
る第１の特徴ベクトル信号の特徴値の近さを比較するた
めに、比較プロセッサ１６を含んでおり、第１の特徴ベ
クトル信号および各プロトタイプ・ベクトル信号に対す
るプロトタイプ照合得点を得る。出力ブロック１８は、
プロトタイプ照合得点を比較プロセッサ１６から受取
り、第１の特徴ベクトル信号のコード化された発言表示
信号として、最高のプロトタイプ照合得点を持っている
プロトタイプ・ベクトル信号の少なくとも識別値を出力
する。
【００３１】改訂されたプロトタイプ・ベクトル信号を
生成してプロトタイプ・ベクトル信号記憶１２に記憶さ
せ、トレーニング・スクリプトのモデルを記憶するため
に、音声コード化装置は更に、トレーニング・スクリプ
ト・モデル記憶２０を含む。トレーニング・スクリプト
・モデルは、要素モデルの有限のセットからの一連の要
素モデルを含む。
【００３２】図２は、音素の音響マーコフ・モデルの例
を示す。この例では、音声のモデルＰNは、初期状態
Ｓi、最終状態Ｓf および中間の状態Ｓ1からＳ5を有す
る。各状態Ｓi およびＳ1からＳ5は、他の状態へ移行
し、或いは同じ状態に戻るための１つ以上の移行経路を
有する。
【００３３】各移行は、発生の確率を有し、移行の発生
に関する１つ以上のプロトタイプ・ベクトル信号の識別
値を出力する確率を有する。図２において示された音声
のマーコフ・モデルＰNは、４つのタイプの要素モデル
Ｔ（０，Ｎ）、Ｔ（１，Ｎ）、Ｔ（２，Ｎ）およびＴ
（３，Ｎ）を含む。要素モデルＴ（０，Ｎ）によって代
表される各移行は、ヌル(null)移行を表し、プロトタイ
プ・ベクトル信号識別値を出力するゼロの確率を有す
る。音声のマーコフ・モデルＰNの要素モデルＴ（１，
Ｎ）によって代表される移行は、１つ以上のプロトタイ
プ・ベクトル信号識別値を出力するゼロでない確率を有
する。要素モデルＴ（１，Ｎ）によってモデル化された
３つの移行のそれぞれは、１つ以上のプロトタイプ・ベ
クトル信号識別値を出力する確率の同じ分布を持つ。同
様に、この例では、要素モデルＴ（２，Ｎ）は、音声の
モデルＰN において４つの移行をモデル化し、要素モデ
ルＴ（３，Ｎ）は、音声のマーコフ・モデルＰN におい
て３つの移行をモデル化する。
【００３４】表１は、トレーニング・スクリプトの一部
とトレーニング・スクリプトのモデルを形成する音声の
モデルの仮説的例を示している。
【００３５】
【表１】 この仮説的例において、単語「Ａ」は、音声のモデル
｛Ｐ１ Ｐ８２｝によってモデル化されている。単語
「ｓｐｅｅｃｈ」は、音声のモデル｛Ｐｌ９ Ｐ５Ｐ８
２ Ｐ７｝によってモデル化されいる。等々。
【００３６】音声モデルのパラメータは、音声モデルに
おける移行の発生の確率及び音声モデルの要素モデルに
おける１つ以上のプロトタイプ・ベクトル信号識別値を
出力する確率を含む。パラメータは、多数の異なる話し
手に大くの既知の単語を発言させることによって、更に
例えば、前方・後方アルゴリズムを使用することによっ
て得られる。例えば、「統計的手法による連続音声認識
(Continuous Speech Recognition By Statistical Meth
ods, Frederick Jelinek) IEEE, ボリューム 64, No.
4, 1976年４月, 532-556頁」参照。
【００３７】図１に帰って、音声特徴値測定１０で測定
した発言が、トレーニング・スクリプト・モデル記憶２
０に記憶したトレーニング・スクリプトのトレーニング
発言であるとき、スイッチ２２は、整合プロセッサ２４
に、コード化された発言表示信号及びトレーニング・ス
クリプトのトレーニング発言に対応するトレーニング特
徴ベクトル信号を提供する。整合プロセッサ２４は、ト
レーニング・スクリプト・モデルにおける第１の要素モ
デルに対応しているトレーニング特徴ベクトル信号の第
１のセットを識別する。
【００３８】表２は、表１において示されたトレーニン
グ・スクリプト音声モデルのトレーニング・スクリプト
の要素モデルと整合された１次元トレーニング音声特徴
ベクトルの仮説的例を示している。
【００３９】
【表２】 例えば、ビタービ（Ｖｉｔｅｒｂｉ）のアルゴリズムを
使用することによって、音響特徴ベクトルとトレーニン
グ・スクリプトの要素モデルとの整合は得られるであろ
う。例えば、上述の「統計的手法による連続音声認識(C
ontinuous Speech Recognition by Statistical Method
s)」参照。
【００４０】表３は、表１のトレーニング・スクリプト
・モデルにおいて、音声モデルＰ１の第１の要素モデル
Ｔ（１，１）に対応している１次元トレーニング特徴ベ
クトルの第１のセットの仮説的例を示している。
【００４１】
【表３】 トレーニング・スクリプト・モデルにおける各要素モデ
ルは、トレーニング・スクリプトにおいて１つ以上の先
行または後続のモデル（音声モデルのような）から成る
文脈を有する。本発明の１局面において、トレーニング
特徴ベクトル信号の第１のセットは、第１の文脈におけ
るトレーニング・スクリプトにおいて第１の要素モデル
に対応する。上で、表３の仮説的例において示されるよ
うに、トレーニング音響特徴ベクトルの第１のセット
が、Ｃ（Ｌｌ２）と指定された仮説的文脈におけるトレ
ーニング・スクリプトの要素モデルＴ（１，１）に対応
する。
【００４２】例えば、トレーニング特徴ベクトル信号の
セットをグループ化するために使われる要素モデルの文
脈特徴は、手作業で選択される。或いは、文脈特徴は、
プロトタイプ・ベクトルに対応する各特徴ベクトル信号
をその文脈で標識をつけ、特徴ベクトルをその文脈に従
ってグループ化して、選択された評価関数を最適化する
ことによって自動的に選択することもできる。
【００４３】例えば、要素モデルの文脈は、トレーニン
グ・スクリプトにおいて要素モデルに先行する５個の音
素及び要素モデルに続く５個の音素から構成されてい
る。１つのトレーニング・スクリプトの要素モデルに対
応しているトレーニング音響特徴ベクトルの各セットに
関して、音響特徴ベクトルのセットを２つのサブセット
に分割する数多くの文脈候補に対する疑問がある。例え
ば、文脈候補についての疑問は、「直前の音素は子音か
？」ということである。各候補についての疑問は、疑問
から得られたサブセットの評価関数によって点数がつけ
られる。最も高い得点に対応している候補文脈の疑問が
選択される。
【００４４】１つの適当な評価関数Ｅが式１によって与
えられる。
【００４５】
【式１】Ｅ＝Ｌ1(μ1,σ1)Ｌ2(μ2,σ2) ここで、
【００４６】
【式２】 式１において、評価関数Ｅは、要素モデルに対応してい
る音響特徴ベクトルｖiの第１のサブセットが要素モデ
ルに対応している見込みＬ1と、音響特徴ベクトルの第
２のサブセットが要素モデルに対応している見込みＬ2
の積である。各見込みＬaは、サブセットにおける音響
特徴ベクトルのガウス分布Ｎ（μa，σa）が生じること
を条件として所与のサブセットにおける各音響特徴ベク
トルｖiが生じる確率と等しく、ここでμaは、サブセッ
トにおける音響特徴ベクトルの平均であり、σaは、サ
ブセットにおける音響特徴ベクトルの標準偏差である。
【００４７】特定の文脈において特定の要素モデルに対
応している音響特徴ベクトルの各サブセット（上に記述
された方法で得られた選択された文脈の疑問に従って）
は、更に候補文脈に関する疑問のもう１つのセットを評
価し、最も良い文脈の疑問を選択することによって分割
される。この方法を使用して、クラスにおける特徴ベク
トルの数が閾値以下（例えば１００の特徴ベクトル）に
なるか叉は、サブセットを分割することによる情報の利
得が閾値以下になるまで音響特徴ベクトルの各新しいサ
ブセットが分割される。各サブセットを分割することに
よる利得は、ＬＬ1Ｌ2／Ｌ1 、 2として見積もられる。こ
こで、見込みＬ1 、 2は、式２から、音響特徴ベクトルの
非分割サブセットの見込みである。閾値は、例えば１０
2.5である。一般に、１つの要素モデルに対応している
一組の音響特徴ベクトルは、先行及び後続する音素の３
０の異なる文脈における要素モデルに対応する３０のサ
ブセットに分割される。
【００４８】図３は、トレーニング・スクリプト・モデ
ルにおける要素モデルの文脈を識別するための仮説的バ
イナリ・デシジョン・ツリーの例をおおまかに示してい
る。デシジョン・ツリーは、ツリーの各ノードＮで上に
述べた方法によって選択された文脈の疑問を使用して構
成される。トレーニング・スクリプトにおける要素モデ
ルの特定の発生に関して、尋ねられる次の文脈の疑問
は、前の文脈の疑問が「イエスと答えられているか」或
いは「ノーと答えられているか」に依存する。その文脈
の疑問がデシジョン・ツリーの同じリーフＬで終了する
トレーニング・スクリプトにおける全ての要素モデルの
発生は、同じ文脈を持つ。
【００４９】図１に帰って、音声コード化装置は更に、
少くとも第１及び第２の基準ベクトル信号を記憶するた
めの基準ベクトル信号記憶２６を含む。各基準ベクトル
信号は、少くとも１つのパラメータ値を持つ。
【００５０】比較プロセッサ２８は、第１のセットにお
ける各トレーニング特徴ベクトル信号の特徴値を第１の
基準ベクトル信号のパラメータ値と比較し、各トレーニ
ング特徴ベクトル信号と第１の基準ベクトル信号に関す
る第１の近さ得点を得る。比較プロセッサ２８はまた、
第１のセットにおける各トレーニング特徴ベクトル信号
の特徴値を第２の基準ベクトル信号のパラメータ値と比
較し、各トレーニング特徴ベクトル信号と第２の基準ベ
クトル信号に関する第２の近さ得点を得る。最後に、第
１のセットにおける各トレーニング特徴ベクトル信号に
関して、比較プロセッサ２８は、トレーニング特徴ベク
トル信号に関する第１の近さ得点をトレーニング特徴ベ
クトル信号に関する第２の近さ得点と比較し、各トレー
ニング特徴ベクトル信号と第１及び第２の基準ベクトル
信号に関する基準照合得点を得る。
【００５１】表３の仮説的例（上記）において、トレー
ニング音響特徴ベクトルは、一次元基準ベクトルＡ及び
Ｂと比較され、各トレーニング音響特徴ベクトルと基準
ベクトルＡ及びＢに対する近さ得点を得る。また、この
仮説的例に関して、各トレーニング特徴ベクトルに対す
る基準照合得点が示されている。この例では、基準照合
得点は、基準ベクトルＡへの音響特徴ベクトルの近さの
基準ベクトルＢへの音響特徴ベクトルの近さに対する比
率と等しい。１次元以上の音響特徴ベクトル及び基準ベ
クトルに関して、近さ得点は、二乗されたユークリッド
距離である。
【００５２】トレーニング特徴ベクトル信号記憶３０の
第１のサブセットは、第１のセットに閾値Ｑより良い基
準照合得点を有するトレーニング特徴ベクトル信号を含
む。トレーニング特徴ベクトル信号記憶３２の第２のサ
ブセットは、第１のセットに閾値Ｑより悪い基準照合得
点を有するトレーニング特徴ベクトル信号を含む。
【００５３】表３の仮説的例に帰って、仮説的閾値Ｑ＝
４に対して、各トレーニング音響特徴ベクトルは、閾値
Ｑ＝４より少ない基準照合得点を有するサブセットＡ
か、或いは閾値Ｑ＝４より大きい基準照合得点を有する
サブセットＢに割り当てられる。
【００５４】その後は、改訂プロトタイプ区画値ゼネレ
ータ３４は、トレーニング特徴ベクトル信号の第１のサ
ブセットからの第１のプロトタイプ・ベクトル信号に関
する１つ以上の区画値を生成し、トレーニング特徴ベク
トル信号の第２のサブセットからの第１のプロトタイプ
・ベクトル信号に対する１つ以上の追加の区画値を生成
する。トレーニング特徴ベクトル信号の各サブセット
は、１つ以上の異なるクラスタにグループ化される。
【００５５】例えば、各区画値は、クラスタにおいて、
トレーニング特徴ベクトル信号の特徴値の平均を含む。
各区画値は、クラスタにおいて、更にトレーニング特徴
ベクトル信号の特徴値の分散を含む。表４は、表３の仮
説的例における区画Ａ及びＢと対応する平均及び分散を
示している。
【００５６】
【表４】文脈Ｃ（Ｌ１２）におけるプロトタイプ・ベク
トル信号Ｔ（１、１） 平 均 分 数 区画Ａ ２６．４０ １８１．８４ 区画Ｂ ７２．６７ ８８．５６
【００５７】図４は、図１の改訂プロトタイプ区画値ゼ
ネレータ３４の例のブロック・ダイヤグラムである。基
準ベクトル信号記憶３６は、少なくとも第３及び第４の
基準ベクトル信号を記憶する。各基準ベクトル信号は、
少くとも１つのパラメータ値を持つ。比較プロセッサ３
８は、トレーニング特徴ベクトル信号記憶３０（図１）
の第１のサブセットにおける各トレーニング特徴ベクト
ル信号の特徴値を第３の基準ベクトル信号のパラメータ
値と比較して、トレーニング特徴ベクトル信号と第３の
基準ベクトル信号に関する第３の近さ得点を得る。比較
プロセッサ３８はまた、第１のサブセットにおける各ト
レーニング特徴値信号の特徴値を第４の基準ベクトル信
号のパラメータ値と比較して、トレーニング特徴ベクト
ル信号と第４の基準ベクトル信号に関する第４の近さ得
点を得る。
【００５８】第１のサブセットにおける各トレーニング
特徴ベクトル信号に関して、トレーニング特徴ベクトル
信号に対する第３の近さ得点は、トレーニング特徴ベク
トル信号に対する第４の近さ得点と比較されて、各トレ
ーニング特徴ベクトル信号と第３及び第４の基準ベクト
ル信号に関するサブ・基準照合得点を得る。
【００５９】第３及び第４の基準ベクトル信号のパラメ
ータ値は、例えば、それぞれ第１及び第２の基準ベクト
ル信号のパラメータ値に同一であってもよい。
【００６０】図４を参照すると、更に図１の改訂プロト
タイプ区画値ゼネレータ３４は、第１のサブセットに閾
値Ｑ’より高いサブ基準照合得点を有するトレーニング
特徴ベクトル信号を記憶するための特徴ベクトル信号記
憶４０の第１のサブ・サブセットを有する。トレーニン
グ特徴ベクトル信号記憶４２の第２のサブ・サブセット
は、第１のサブセットに閾値Ｑ’より悪いサブ・基準照
合得点を有するトレーニング特徴ベクトルを記憶する。
【００６１】改訂プロトタイプ区画値ゼネレータ４４
は、特徴ベクトル信号の第１のサブ・サブセットからの
第１のプロトタイプ・ベクトル信号に対する１つ以上の
区画値を生成し、トレーニング特徴ベクトル信号の第２
のサブ・サブセットからの第１のプロトタイプ・ベクト
ル信号に対する１つ以上の追加の区画値を生成する。
【００６２】第１の基準ベクトル信号のパラメータ値
は、例えば、第２の文脈にけるトレーニング・スクリプ
トの要素モデルに対応するトレーニング特徴ベクトル信
号の第２のセットの特徴値の平均を含むものであってよ
い。
【００６３】第２の文脈は、第１の文脈と同じであるか
叉は異なるものであってよい。第２の基準ベクトル信号
のパラメータ値は、第１及び第２の文脈と異なる第３の
文脈におけるトレーニング・スクリプトの要素モデルに
対応するトレーニング特徴ベクトル信号の第３のセット
の特徴値の平均を含むものでもよい。
【００６４】基準ベクトル信号記憶２６及び基準ベクト
ル信号記憶３６に記憶された基準ベクトル信号が選択さ
れ、例えば、以下の方法で閾値Ｑの値が得られる。多数
の単語を含んでいる既知の基準スクリプトは、多数の異
なる話し手によって発言される。基準スクリプトの各要
素モデルに関して、基準スクリプトにおいてその要素モ
デルの各発生に対応している全ての音響特徴ベクトルが
識別される。例えば、その要素モデルの各発生の文脈
は、図３のツリーのようなデシジョン・ツリーを使用し
て同様に識別される。
【００６５】基準スクリプトを発した各話し手Ｓに関し
て、話し手Ｓに属し、また選択された要素モデルと関連
する音響特徴ベクトルは、基準スクリプトにおいて関連
する要素モデルの発生に従ってグループ化される。各グ
ループＧS 、 C(Lj)、は、選択された要素モデル、話し手
Ｓ及び文脈Ｃ（Ｌｊ）と関連する全ての音響特徴ベクト
ルを含む。音響特徴ベクトルの各グループは、グループ
内で音響特徴ベクトルの平均から成る平均ベクトルＭ
（ＧS 、 C(Lj)）を持つ。
【００６６】各話し手Ｓに属し、グループＧS 、 C(Lj)に
属する各音響特徴ベクトルＸS,i及び文脈の対Ｃ（Ｌ
ｋ）及びＣ（Ｋｋ’）に関して、比率
【式３】 が計算される。関数Ｄは、例えば、各音響特徴ベクトル
Ｘと平均ベクトルＭ（ＧS 、 C(Lj)）の間の２乗されたユ
ークリッドの距離である。
【００６７】文脈の対Ｃ（Ｌｋ）及びＣ（Ｌｋ’）及び
基準スクリプトの全ての話し手Ｓに対して前述の式から
得た比率Ｒ（ＸS,i）が、昇順或いは降順に分類され
る。変数ＳＬ（Ｈ）は分類されたリストの上のＨ番目の
エレメントを示し、Ｎはリストのサイズを示す。２から
Ｎまでの範囲で、全てのインデックスＨについて、候補
閾値Ｑは次のように定義される。
【式４】
【００６８】全ての話し手Ｓについて、グループＧS 、
C(Lj)における各音響特徴ベクトルＸは、比率Ｒ（Ｘ）
が候補閾値Ｑより大きいか小さいかによって、２組のう
ちの１組に割り当てられる。
【００６９】閾値Ｑに対する候補値から得られた各分割
に関して、分割の利益が上の式１を使用して計算され
る。文脈の対Ｃ（Ｌｋ）及びＣ（Ｌｋ’）に関して、最
大の利益をもたらす分割を生成したＱの値が記憶され
る。同様に分割の利益も記憶される。
【００７０】音響特徴ベクトルの同じグループＧS 、
C(Lj)及び各他の文脈対Ｃ（Ｌα）及びＣ（Ｌβ）に対
して、Ｑの最適値が見つけられ、結果として利益Ｂが見
つけられる。すべての文脈対の間で最大の利益Ｂmaxを
有する文脈対Ｃ（Ｌmax）及びＣ（Ｌ’max）及び対応す
る比率Ｑmaxがそれぞれ基準ベクトル及び基準照合得点
の閾値Ｑとして選択される。
【００７１】音響特徴ベクトルのグループＧ
S 、 C(Lj)は、それから特徴ベクトルに対する基準照合得
点が、選択された基準照合得点の閾値Ｑより大きいか或
いは小さいかによって２つのサブセットに分割される。
もし十分なデータと十分な利益があれば、各サブセット
は、更に同じ方法で小分割され、更に多くの基準ベクト
ルに対する更に多くの文脈対を得る。もし利益Ｂが選択
された利益の閾値を越えないならば、サブセットは小分
割されない。
【００７２】新しい話し手に関して、各基準ベクトル
は、新しい話し手によって生成され、基準ベクトルに対
応している文脈におけるトレーニング・スクリプトの要
素モデルに対応する一組のトレーニング特徴ベクトル信
号の特徴値の平均を含む。
【００７３】必要な計算の量を減らすために、基準照合
得点の閾値Ｑは、オプションとして１に設定しても良
い。このことは、候補の基準ベクトルの各対と関連する
最適の閾値に関してサーチをしなくて済む。
【００７４】上で述べたように、音響特徴ベクトルとプ
ロトタイプ・ベクトルに対するプロトタイプ照合得点
は、音響特徴ベクトルに最も近いプロトタイプ・ベクト
ルの１区画の照合得点によって近似することができる。
最もよい照合得点を生みそうな区画が、デシジョン・ツ
リーを使用することによって、プロトタイプ・ベクトル
の全ての区画に音響特徴ベクトルを照合するより少ない
計算によって見つけることができる。プロトタイプ・ベ
クトルを区画するのに使われる基準ベクトルの各対は、
デシジョン・ツリーの１つのノードと関連している。図
３と類似であるが「式３の比率Ｒ（Ｘs 、 i 、 k 、 k'）がＱよ
り大きいか？」の疑問を有するデシジョン・ツリーは、
各ノードで文脈の疑問を置き換える。
【００７５】本発明による音声コード化装置において、
比較プロセッサ１６、２８、及び３８及び整合プロセッ
サ２４、改訂プロトタイプ区画値ゼネレータ３４及び４
４は、適切にプログラムされた特定目的叉は汎用目的の
ディジタル信号プロセッサである。プロトタイプ・ベク
トル信号記憶１２及び１４、トレーニング特徴ベクトル
信号記憶３０、３２、４０、及び４２、トレーニング・
スクリプト・モデル記憶２０、及び基準ベクトル信号記
憶２６、３６は、コンピュータ・メモリである。
【００７６】音響特徴値測定の１例が、図５に示されて
いる。測定手段は、発言に対応するアナログ電気信号を
生成するためのマイクロホン４６を含む。マイクロホン
４６からのアナログ電気信号は、アナログ・ディジタル
変換器４８によってデジタル電気信号に変換される。こ
の目的のために、アナログ信号は、例えば２０キロヘル
ツの割合でアナログ・ディジタル変換器４８によってサ
ンプリングされる。
【００７７】ウィンドウ・ゼネレータ５０は、１０ミリ
秒毎（１センチ秒毎）のアナログ・ディジタル変換器４
８からのディジタル信号を、例えば２０ミリ秒間隔のサ
ンプルとして取得する。各２０ミリ秒間隔のディジタル
信号サンプルは、例えば２０の周波数帯域の各々におけ
るディジタル信号サンプルの振幅を得るためにスペクト
ル解析器５２によって分析される。スペクトル解析器５
２はまた、全体の振幅叉は２０ミリ秒ディジタル信号サ
ンプルの全体の電力を表す２１次元目の信号を生成する
ことが望ましい。スペクトル解析器５２は、例えば高速
フーリェ変換プロセッサである。代わりに、２０個のバ
ンド・パス・フィルタのバンク(bank)であってもよい。
【００７８】スペクトル解析器５２によって生成された
２１次元ベクトル信号は、編集されて適応ノイズ・キャ
ンセル・プロセッサ５４によって、背景ノイズを除去さ
れる。ノイズ・キャンセル・プロセッサ５４は、ノイズ
・キャンセル・プロセッサに入力された特徴ベクトルＦ
（ｔ）からノイズ・ベクトルＮ（ｔ）を引き算して出力
特徴ベクトルＦ’（ｔ）を生成する。ノイズ・キャンセ
ル・プロセッサ５４は、前の特徴ベクトルＦ（ｔ‐１）
がノイズ又は無音として識別されたときはいつでも、ノ
イズ・ベクトルＮ（ｔ）を定期的に更新することによっ
て変化するノイズ・レベルに適応する。ノイズ・ベクト
ルＮ（ｔ）は、次の式に従って更新される。
【００７９】
【式５】 ここで、Ｎ（ｔ）は時間ｔにおけるノイズ・ベクトルで
あり、Ｎ（ｔ‐１）は時間（ｔ‐１）におけるノイズ・
ベクトルであり、ｋは適応ノイズ・キャンセル・モデル
の固定パラメータをであり、Ｆ（ｔ‐１）は時間（ｔ‐
１）においてノイズ・キャンセル・プロセッサ５４に入
力された特徴ベクトルでノイズ叉は無音を表し、Ｆｐ
（ｔ‐１）は、記憶５６からの１つの無音又はノイズの
プロトタイプ・ベクトルで、特徴ベクトルＦ（ｔ‐１）
に最も近い。
【００８０】前の特徴ベクトルＦ（ｔ‐１）は、もし
（ａ）ベクトルの全体のエネルギが閾値以下であるか、
叉は、（ｂ）適応プロトタイプ・ベクトル記憶５８にお
いてもっとも特徴ベクトルに近いプロトタイプ・ベクト
ルが、ノイズ又は無音を表すプロトタイプであるかによ
ってノイズ或いは無音として認識される。特徴ベクトル
の全体のエネルギに関する分析の目的で、閾値は例え
ば、評価される特徴ベクトルの前２秒間に生成された全
ての特徴ベクトル（音声および無音に対応する）の５パ
ーセンタイルである。
【００８１】ノイズ・キャンセルの後、特徴ベクトル
Ｆ’（ｔ）は、短項平均正規化プロセッサ(short term
mean normalization processor)６０によって正規化さ
れ、入力音声の大きさの変化に対して調整される。正規
化プロセッサ６０は、２１次元特徴ベクトルＦ'（ｔ）
を正規化し、２０次元正規化特徴ベクトルＸ（ｔ）を生
成する。全体の電力叉は全体の振幅を表す特徴ベクトル
Ｆ’（ｔ）の２１次元目は、破棄される。時間ｔにおけ
る正規化特徴ベクトルＸ（ｔ）の各コンポーネントｉ
は、対数関数領域において次の式６によって与えられ
る。
【００８２】
【式６】Ｘi(ｔ）＝Ｆ'i(ｔ)−Ｚ(ｔ) ここで、Ｆ'i(ｔ）は、時間ｔにおける正規化されてな
いベクトルのｉ番目のコンポーネントであり、Ｚ(ｔ）
は式７および８によるＦ’(ｔ）およびＺ（ｔ−１）の
コンポーネントの加重平均である。
【００８３】
【式７】Ｚ(ｔ)＝０.９Ｚ(ｔ−１)＋０.１Ｍ(ｔ) ここで、
【００８４】
【式８】 正規化された２０次元特徴ベクトルＸ(ｔ）は、適応ラ
ベラ(labeler)６２によって更に処理され、音声の発音
における変化に適応させる。適応された２０次元特徴ベ
クトルＸ’(ｔ）は、２０次元適応ベクトルＡ(ｔ）を適
応ラベラ６２の入力に与えられた２０次元特徴ベクトル
Ｘ（ｔ）から引くことによって生成される。時間ｔにお
ける適応ベクトルＡ（ｔ）は、次の式９によって与えら
れる。
【００８５】
【式９】 ここで、ｋは適応ラベル・モデルの固定パラメータであ
り、Ｘ（ｔ‐１）は、時間（ｔ‐１）における適応ラベ
ラ６２に対する正規化２０次元ベクトル入力であり、Ｘ
ｐ（ｔ‐１）は、時間（ｔ‐１）において２０次元特徴
ベクトルＸ（ｔ‐１）に最も近い適応プロトタイプ・ベ
クトル（適応プロトタイプ記憶５８から）であり、Ａ
（ｔ‐１）は時間（ｔ‐１）における適応ベクトルであ
る。
【００８６】適応ラベラ６２からの２０次元適応特徴ベ
クトル信号Ｘ’（ｔ）は、聴覚モデル６４に与えられる
のが望ましい。聴覚モデル６４は、例えば、人間の聴覚
システムがどのように音声信号を感知するかのモデルを
提供する。聴覚モデルの例は、米国特許第４，９８０，
９１８号において述べられている。
【００８７】本発明によれば、時間ｔにおける適応さら
れた特徴ベクトル信号Ｘ’（ｔ）の各周波数帯域ｉに関
して、聴覚モデル６４は、式１０および１１に従って新
しいパラメータＥi（ｔ）を計算する：
【００８８】
【式１０】Ｅi(ｔ)＝Ｋ1＋Ｋ2(Ｘ'i(ｔ))(Ｎi(ｔ−１)) ここで、
【００８９】
【式１１】Ｎi(ｔ)＝Ｋ3×Ｎi(ｔ−１)−Ｅi(ｔ−１) 更に、Ｋ1、Ｋ2 及びＫ3は、聴覚モデルの固定パラメー
タである。各センチ秒（１０ミリ秒）の時間間隔毎に、
聴覚モデル６４の出力は、修正された２０次元特徴ベク
トル信号である。この特徴ベクトルは、他の２０次元の
値の２乗の和の平方根と等しい値を有する２１次元目に
よって増大される。
【００９０】各センチ秒の時間間隔毎に、コンカチネー
タ６６が、１つの現在のセンチ秒時間間隔、４つの先行
するセンチ秒時間間隔、及び４つの後続のセンチ秒時間
間隔を表す９つの２１次元特徴ベクトルを連結して、１
つの組み継がれた１８９次元のベクトルを形成すること
が望ましい。各１８９次元の組み継がれたベクトルは、
ロテータ６８において回転マトリックスを乗じて、組み
継がれたベクトルを回転し、組み継がれたベクトルを５
０次元に減らすことが望ましい。
【００９１】ロテータ６８において使われる回転マトリ
ックスは、例えば、トレーニング・セッションの間に得
られた一組の１８９次元の組み継がれたベクトルをＭ個
のクラスに類別することによって得られるであろう。ト
レーニング・セットにおける全ての組み継がれたベクト
ルに対する共分散マトリックスは、全てのＭクラスにお
ける全ての組み継がれたベクトルに対するクラス共分散
マトリックスの範囲内のサンプルの反数を乗じられる。
結果として生ずるマトリックスの最初の５０個の固有ベ
クトルは、回転マトリックスを形成する。
【００９２】（例えば、Ｌ．Ｒ．ＢａｈｌによるＩＢＭ
テクニカルディスクロージャ・ブルチン、第３２巻、７
番、１９８９年１２月、ページ３２０及び３２１「離散
的パラメータ音素に基づくマーコフ単語モデルを使用し
た音声認識システムに対するベクトル量子化手順（Vect
or Quantization Procedure For Speech RecognitionSy
stems Using Discrete Parameter Phoneme-Based Marko
v Word Models）」を参照。
【００９３】ウィンドウ・ゼネレータ５０、スペクトル
解析器５２、適応ノイズ・キャンセル・プロセッサ５
４、短項平均正規化プロセッサ６０、適応ラベラ６２、
聴覚モデル６４、コンカチネータ６６、及びロテータ６
８は、適切にプログラムされた特殊目的或いは汎用のデ
ジタル信号プロセッサでよい。プロトタイプ記憶５６及
び５８は、コンピュータ・メモリである。
【００９４】
【発明の効果】本発明により、比較的少ない量のトレー
ニング・データと比較的少ない計算資源の消費によっ
て、プロトタイプ・ベクトルが正確に生成できる音声コ
ード化装置を提供することができ、更に新しい話し手に
対するプロトタイプ・ベクトルの区画が、他の話し手の
同じプロトタイプ・ベクトルの区画と相関することがで
き、その結果、多くの他の話し手から得られたプロトタ
イプ・ベクトル・データが、新しい話し手に対するプロ
トタイプ・ベクトルを生成するのに役立つような音声コ
ード化装置を提供することができる。更に、音響特徴の
値が、少ない計算量でプロトタイプ・ベクトルの区画の
パラメータ値と比較できる音声コード化装置を提供する
ことができる。
【図面の簡単な説明】
【図１】本発明に従った音声コード化装置のブロック・
ダイヤグラム。
【図２】図２は、音素の音響マーコフ（Ｍａｒｋｏｖ）
モデルの例を示す図。
【図３】トレーニング・スクリプト・モデルにおいて先
行及び後続の音声モデルの文脈に従って、トレーニング
・スクリプト・モデルにおける要素モデルの文脈を識別
するためのデシジョン・ツリーの例を示す図。
【図４】図１の改訂プロトタイプ区画値ゼネレータのブ
ロック・ダイヤグラム。
【図５】図１の音響特徴値測定のブロック・ダイヤグラ
ム。
【符号の説明】
１０ 音響特徴値測定 １２ プロトタイプ・ベクトル信号記憶 １６、２８、３８ 比較プロセッサ ２４ 整合プロセッサ ４８ アナログ・ディジタル変換器 ５０ ウィンドウ・ゼネレータ ５２ スペクトル解析器 ５４ 適応ノイズ・キャンセル・プロセッサ ６０ 平均正規化プロセッサ
フロントページの続き (72)発明者 ポナーニ エス ゴパラクリシュナン アメリカ合衆国 10598 ニューヨーク 州 ヨークタウン ハイツ ラドクリフ ドライブ 3073 (72)発明者 マイケル アラン ピケニ アメリカ合衆国 10404 ニューヨーク 州 ホワイト プレーンズ ラルフ ア ベニュー 118 (58)調査した分野(Int.Cl.7，ＤＢ名) G10L 11/00 - 21/06 H03M 7/30 ＪＩＣＳＴファイル（ＪＯＩＳ)

Claims (18)

    (57)【特許請求の範囲】
  1. 【請求項１】要素モデルの有限のセットからの一連の要
    素モデルから構成されるトレーニング・スクリプト・モ
    デルであって、各要素モデルがトレーニング・スクリプ
    トにおいて先行または後続する１以上のモデルから成る
    音響的文脈を有するものを記憶する手段と、 トレーニング・スクリプトのトレーニング発言の少くと
    も１つの特徴値を一連の連続した時間間隔の各々に対し
    て測定し、特徴値を表す一連のトレーニング特徴ベクト
    ル信号を生成する手段と、 トレーニング・スクリプト・モデルにおける第１の要素
    モデルに対応するトレーニング特徴ベクトル信号の第１
    のセットを識別する手段と、 各々少くとも１つのパラメータ値を有する少くとも第１
    及び第２の基準ベクトル信号であって、第１の基準ベク
    トル信号が先行及び後続する音響モデルの第１の音響的
    文脈における第１の要素モデルに対応するトレーニング
    特徴ベクトルの算術的平均を含み、第２の基準ベクトル
    信号が先行及び後続する音響モデルの第２の音響的文脈
    における第１の要素モデルに対応するトレーニング特徴
    ベクトルの算術的平均を含むものを記憶する手段と、 第１の基準ベクトル信号の少なくとも１つのパラメータ
    ー値と、第１のセットにおける各トレーニング特徴ベク
    トル信号の特徴値を比較して、各トレーニング特徴ベク
    トル信号及び第１の基準ベクトル信号に関する第１の近
    さ得点を得る手段と、 第２の基準ベクトル信号の少なくとも１つのパラメータ
    ー値と、第１のセットにおける各トレーニング特徴ベク
    トル信号の特徴値を比較して、各トレーニング特徴ベク
    トル信号及び第２の基準ベクトル信号に関する第２の近
    さ得点を得る手段と、 第１のセットにおける各トレーニング特徴ベクトル信号
    に関して、トレーニング特徴ベクトル信号に対する第１
    の近さ得点を、トレーニング特徴ベクトル信号に対する
    第２の近さ得点と比較して、各トレーニング特徴ベクト
    ル信号と第１及び第２の基準ベクトル信号に対する基準
    照合得点を得る手段と、 第１のセットにおける閾値Ｑより良い基準照合得点を有
    するトレーニング特徴ベクトル信号の第１のサブセット
    を記憶し、第１のセットにおける閾値Ｑより悪い基準照
    合得点を有するトレーニング特徴ベクトル信号の第２の
    サブセットを記憶する手段と、 トレーニング特徴ベクトル信号の第１のサブセットから
    の第１のプロトタイプ・ベクトル信号に関する１つ以上
    の区画値を生成し、トレーニング特徴ベクトル信号の第
    ２のサブセットからの第１のプロトタイプ・ベクトルに
    対する１つ以上の追加の区画値を生成する手段と、 を備えた音声コード化装置。
  2. 【請求項２】第１の基準ベクトル信号のパラメータ値
    が、第２の文脈におけるトレーニング・スクリプトの要
    素モデルに対応するトレーニング特徴ベクトル信号の第
    ２のセットの特徴値の平均を含み、 第２の基準ベクトル信号のパラメータ値が、第１及び第
    ２の文脈と異なる第３の文脈におけるトレーニング・ス
    クリプトの要素モデルに対応するトレーニング特徴ベク
    トル信号の第３のセットの特徴値の平均を含む、 ことを特徴とする請求項１に記載の音声コード化装置。
  3. 【請求項３】区画値を生成するための上記手段が、トレ
    ーニング特徴ベクトルの各サブセットを１つ以上の異な
    るクラスタにグループ化する手段を含むことを特徴とす
    る請求項２に記載の音声コード化装置。
  4. 【請求項４】トレーニング特徴ベクトル信号の各サブセ
    ットを、１つ以上の異なるクラスタにグループ化するた
    めの上記手段が、 各基準ベクトル信号が、少くとも１つのパラメータ値を
    有する少くとも第３及び第４の基準ベクトル信号を記憶
    する手段と、 第１のサブセットにおける各トレーニング特徴ベクトル
    信号の特徴値を第３の基準ベクトル信号のパラメータ値
    と比較し、トレーニング特徴ベクトル信号と第３の基準
    ベクトル信号に関する第３の近さ得点を得る手段と、 第１のサブセットにおける各トレーニング特徴ベクトル
    信号の特徴値を第４の基準ベクトル信号のパラメータ値
    と比較して、トレーニング特徴ベクトル信号と第４の基
    準ベクトル信号に対する第４の近さ得点を得る手段と、 第１のサブセットにおける各トレーニング特徴ベクトル
    信号に関して、トレーニング特徴ベクトル信号に対する
    第３の近さ得点を、トレーニング特徴ベクトル信号に対
    する第４の近さ得点と比較して、各トレーニング特徴ベ
    クトル信号と第３及び第４の基準ベクトル信号に対する
    サブ基準照合得点得る手段と、 第１のサブセットにおいて閾値Ｑ’より良いサブ基準照
    合得点を有するトレーニング特徴ベクトル信号の第１の
    サブ・サブセットを記憶し、第１のサブセットにおいて
    閾値Ｑより悪いサブ基準照合得点を有するトレーニング
    特徴ベクトル信号の第２のサブ・サブセットを記憶し、 上記区画生成手段が、トレーニング特徴ベクトル信号の
    第１のサブ・サブセットからの第１のプロトタイプ・ベ
    クトル信号に対する１つ以上の区画値を生成し、 トレーニング特徴ベクトルの第２のサブ・サブセットか
    らの第１のプロトタイプ・ベクトル信号に対する１つ以
    上の追加の区画値を生成する手段と、 を備えることを特徴とする請求項３に記載の音声コード
    化装置。
  5. 【請求項５】各区画値が、クラスタにおけるトレーニン
    グ特徴ベクトル信号の特徴値の平均を含むことを特徴と
    する請求項４に記載の音声コード化装置。
  6. 【請求項６】上記各区画値が更に、クラスタにおけるト
    レーニング特徴ベクトル信号の特徴値の分散を含むこと
    を特徴とする請求項５に記載の音声コード化装置。
  7. 【請求項７】閾値Ｑが１に等しいことを特徴とする請求
    項６に記載の音声コード化装置。
  8. 【請求項８】トレーニング・スクリプト・モデルが一連
    の要素モデルを含む一連の音声モデルを有し、トレーニ
    ング・スクリプト・モデルにおける各要素モデルが、先
    行及び後続する音声モデルの音声文脈を有し、 プロトタイプ生成手段は更に第１及び第２の基準ベクト
    ル信号を生成する手段を含み、 第１の基準ベクトル信号は、先行及び後続する音声モデ
    ルの第１の音声の文脈における第１の要素モデルに対応
    するトレーニング特徴ベクトル信号の平均を含み、 第２の基準ベクトル信号は、先行及び後続する音声モデ
    ルの第１の文脈と異なる第２の音声の文脈における第１
    の要素モデルに対応するトレーニング特徴ベクトル信号
    の平均を含む、 ことを特徴とする請求項１に記載の音声コード化装置。
  9. 【請求項９】上記測定手段がマイクロフォンを含むこと
    を特徴とする請求項１に記載の音声コード化装置。
  10. 【請求項１０】プロトタイプ・ベクトル信号を記憶する
    手段が、電子的に読み込み可能なメモリをから構成され
    ることを特徴とする請求項１に記載の音声コード化装
    置。
  11. 【請求項１１】要素モデルの有限のセットからの一連の
    要素モデルから構成されるトレーニング・スクリプト・
    モデルであって、各要素モデルがトレーニング・スクリ
    プトにおいて先行または後続する１以上のモデルから成
    る音響的文脈を有するものを記憶するステップと、 トレーニング・スクリプトのトレーニング発言の少くと
    も１つの特徴値を一連の連続した時間間隔の各々に対し
    て測定し、特徴値を表す一連のトレーニング特徴ベクト
    ル信号を生成するステップと、 トレーニング・スクリプト・モデルにおける第１の要素
    モデルに対応するトレーニング特徴ベクトル信号の第１
    のセットを識別するステップと、 各々少くとも１つのパラメータ値を有する少くとも第１
    及び第２の基準ベクトル信号であって、第１の基準ベク
    トル信号が先行及び後続する音響モデルの第１の音響的
    文脈における第１の要素モデルに対応するトレーニング
    特徴ベクトルの算術的平均を含み、第２の基準ベクトル
    信号が先行及び後続する音響モデルの第２の音響的文脈
    における第１の要素モデルに対応するトレーニング特徴
    ベクトルの算術的平均を含むものを記憶するステップ
    と、 第１の基準ベクトル信号の少なくとも１つのパラメータ
    ー値と、第１のセットにおける各トレーニング特徴ベク
    トル信号の特徴値を比較して、各トレーニング特徴ベク
    トル信号及び第１の基準ベクトル信号に関する第１の近
    さ得点を得るステップと、 第２の基準ベクトル信号の少なくとも１つのパラメータ
    ー値と、第１のセットにおける各トレーニング特徴ベク
    トル信号の特徴値を比較して、各トレーニング特徴ベク
    トル信号及び第２の基準ベクトル信号に関する第２の近
    さ得点を得るステップと、 第１のセットにおける各トレーニング特徴ベクトル信号
    に関して、トレーニング特徴ベクトル信号に対する第１
    の近さ得点を、トレーニング特徴ベクトル信号に対する
    第２の近さ得点と比較して、各トレーニング特徴ベクト
    ル信号と第１及び第２の基準ベクトル信号に対する基準
    照合得点を得るステップと、 第１のセットにおける閾値Ｑより良い基準照合得点を有
    するトレーニング特徴ベクトル信号の第１のサブセット
    を記憶し、第１のセットにおける閾値Ｑより悪い基準照
    合得点を有するトレーニング特徴ベクトル信号の第２の
    サブセットを記憶するステップと、 トレーニング特徴ベクトル信号の第１のサブセットから
    の第１のプロトタイプ・ベクトル信号に関する１つ以上
    の区画値を生成し、トレーニング特徴ベクトル信号の第
    ２のサブセットからの第１のプロトタイプ・ベクトルに
    対する１つ以上の追加の区画値を生成するステップと、 を備えた音声コード化方法。
  12. 【請求項１２】第１の基準ベクトル信号のパラメータ値
    が、第２の文脈におけるトレーニング・スクリプトの要
    素モデルに対応するトレーニング特徴ベクトル信号の第
    ２のセットの特徴値の平均を含み、 第２の基準ベクトル信号のパラメータ値が、第１及び第
    ２の文脈と異なる第３の文脈におけるトレーニング・ス
    クリプトの要素モデルに対応するトレーニング特徴ベク
    トル信号の第３のセットの特徴値の平均を含む、 ことを特徴とする請求項１１に記載の音声コード化方
    法。
  13. 【請求項１３】区画値を生成するための上記ステップ
    が、トレーニング特徴ベクトルの各サブセットを１つ以
    上の異なるクラスタにグループ化するステップを含むこ
    とを特徴とする請求項１２に記載の音声コード化方法。
  14. 【請求項１４】トレーニング特徴ベクトル信号の各サブ
    セットを、１つ以上の異なるクラスタにグループ化する
    ための上記ステップが、 各基準ベクトル信号が、少くとも１つのパラメータ値を
    有する少くとも第３及び第４の基準ベクトル信号を記憶
    するステップと、 第１のサブセットにおける各トレーニング特徴ベクトル
    信号の特徴値を第３の基準ベクトル信号のパラメータ値
    と比較し、トレーニング特徴ベクトル信号と第３の基準
    ベクトル信号に関する第３の近さ得点を得るステップ
    と、 第１のサブセットにおける各トレーニング特徴ベクトル
    信号の特徴値を第４の基準ベクトル信号のパラメータ値
    と比較して、トレーニング特徴ベクトル信号と第４の基
    準ベクトル信号に対する第４の近さ得点を得るステップ
    と、 第１のサブセットにおける各トレーニング特徴ベクトル
    信号に関して、トレーニング特徴ベクトル信号に対する
    第３の近さ得点を、トレーニング特徴ベクトル信号に対
    する第４の近さ得点と比較して、各トレーニング特徴ベ
    クトル信号と第３及び第４の基準ベクトル信号に対する
    サブ基準照合得点得るためのステップと、 第１のサブセットにおいて閾値Ｑ’より良いサブ基準照
    合得点を有するトレーニング特徴ベクトル信号の第１の
    サブ・サブセットを記憶し、第１のサブセットにおいて
    閾値Ｑ’より悪いサブ基準照合得点を有するトレーニン
    グ特徴ベクトル信号の第２のサブ・サブセットを記憶
    し、 上記区画生成ステップが、トレーニング特徴ベクトル信
    号の第１のサブーサブセットからの第１のプロトタイプ
    ・ベクトル信号に対する１つ以上の区画値を生成し、 トレーニング特徴ベクトルの第２のサブーサブセットか
    らの第１のプロトタイプ・ベクトル信号に対する１つ以
    上の追加の区画値を生成するステップと、 から成ることを特徴とする請求項１３に記載の音声コー
    ド化方法。
  15. 【請求項１５】各区画値が、クラスタにおけるトレーニ
    ング特徴ベクトル信号の特徴値の平均を含むことを特徴
    とする請求項１４に記載の音声コード化方法。
  16. 【請求項１６】上記各区画値が更に、クラスタにおける
    トレーニング特徴ベクトル信号の特徴値の分散を含むこ
    とを特徴とする請求項１５に記載の音声コード化方法。
  17. 【請求項１７】閾値Ｑが１に等しいことを特徴とする請
    求項１６に記載の音声コード化方法。
  18. 【請求項１８】トレーニング・スクリプト・モデルが一
    連の要素モデルを含む一連の音声モデルを有し、トレー
    ニング・スクリプト・モデルにおける各要素モデルが、
    先行及び後続する音声モデルの音声文脈を有し、 プロトタイプ生成ステップは更に第１及び第２の基準ベ
    クトル信号を生成するステップを含み、 第１の基準ベクトル信号は、先行及び後続する音声モデ
    ルの第１の音声の文脈における第１の要素モデルに対応
    するトレーニング特徴ベクトル信号の平均を含み、 第２の基準ベクトル信号は、先行及び後続する音声モデ
    ルの第１の文脈と異なる第２の音声の文脈における第１
    の要素モデルに対応するトレーニング特徴ベクトル信号
    の平均を含む、 ことを特徴とする請求項１１に記載の音声コード化方
    法。
JP6021828A 1993-03-08 1994-01-24 音声コード化装置及び方法 Expired - Fee Related JP3037864B2 (ja)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US08/028,028 1993-03-08
US08/028,028 US5497447A (en) 1993-03-08 1993-03-08 Speech coding apparatus having acoustic prototype vectors generated by tying to elementary models and clustering around reference vectors

Publications (2)

Publication Number Publication Date
JPH06274200A JPH06274200A (ja) 1994-09-30
JP3037864B2 true JP3037864B2 (ja) 2000-05-08

Family

ID=21841159

Family Applications (1)

Application Number Title Priority Date Filing Date
JP6021828A Expired - Fee Related JP3037864B2 (ja) 1993-03-08 1994-01-24 音声コード化装置及び方法

Country Status (3)

Country Link
US (1) US5497447A (ja)
EP (1) EP0615227A3 (ja)
JP (1) JP3037864B2 (ja)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102257784B1 (ko) * 2019-06-19 2021-05-28 나연재 설치가 용이한 파티션 결합구조
KR102471628B1 (ko) * 2020-11-17 2022-11-29 에이치디씨현대이피 주식회사 조립식 욕실 유니트 및 조립식 인테리어 유니트
KR102471637B1 (ko) * 2020-11-17 2022-11-29 에이치디씨현대이피 주식회사 조립식 욕실 유니트 시공 방법, 조립식 욕실 유니트 제조 방법 및 이에 사용되는 프린팅 시스템

Families Citing this family (32)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5793891A (en) * 1994-07-07 1998-08-11 Nippon Telegraph And Telephone Corporation Adaptive training method for pattern recognition
GB9419388D0 (en) * 1994-09-26 1994-11-09 Canon Kk Speech analysis
JP2980228B2 (ja) * 1994-10-25 1999-11-22 日本ビクター株式会社 音声認識用音響モデル生成方法
US5715367A (en) * 1995-01-23 1998-02-03 Dragon Systems, Inc. Apparatuses and methods for developing and using models for speech recognition
DE19516106C2 (de) * 1995-05-05 2003-04-03 Philips Corp Intellectual Pty Verfahren zum Bestimmen von Referenzwerten
JPH10508391A (ja) * 1995-08-28 1998-08-18 フィリップス エレクトロニクス ネムローゼ フェンノートシャップ 基準ベクトルの部分集合の動的な形成に基づくパターン認識の方法及びシステム
US5787394A (en) * 1995-12-13 1998-07-28 International Business Machines Corporation State-dependent speaker clustering for speaker adaptation
JP2982689B2 (ja) * 1996-04-19 1999-11-29 日本電気株式会社 情報量基準を用いた標準パターン作成方式
JP2000515991A (ja) * 1996-07-29 2000-11-28 ブリティッシュ・テレコミュニケーションズ・パブリック・リミテッド・カンパニー パターン認識
US5835890A (en) * 1996-08-02 1998-11-10 Nippon Telegraph And Telephone Corporation Method for speaker adaptation of speech models recognition scheme using the method and recording medium having the speech recognition method recorded thereon
US6151575A (en) * 1996-10-28 2000-11-21 Dragon Systems, Inc. Rapid adaptation of speech models
US6092044A (en) * 1997-03-28 2000-07-18 Dragon Systems, Inc. Pronunciation generation in speech recognition
US6212498B1 (en) 1997-03-28 2001-04-03 Dragon Systems, Inc. Enrollment in speech recognition
US5970239A (en) * 1997-08-11 1999-10-19 International Business Machines Corporation Apparatus and method for performing model estimation utilizing a discriminant measure
US5946653A (en) * 1997-10-01 1999-08-31 Motorola, Inc. Speaker independent speech recognition system and method
JP3584458B2 (ja) * 1997-10-31 2004-11-04 ソニー株式会社 パターン認識装置およびパターン認識方法
US6163768A (en) * 1998-06-15 2000-12-19 Dragon Systems, Inc. Non-interactive enrollment in speech recognition
US6463413B1 (en) * 1999-04-20 2002-10-08 Matsushita Electrical Industrial Co., Ltd. Speech recognition training for small hardware devices
JP3574075B2 (ja) * 2001-02-07 2004-10-06 日本電信電話株式会社 信号検出方法、信号検出装置、記録媒体及びプログラム
US9355651B2 (en) 2004-09-16 2016-05-31 Lena Foundation System and method for expressive language, developmental disorder, and emotion assessment
US10223934B2 (en) 2004-09-16 2019-03-05 Lena Foundation Systems and methods for expressive language, developmental disorder, and emotion assessment, and contextual feedback
US8938390B2 (en) * 2007-01-23 2015-01-20 Lena Foundation System and method for expressive language and developmental disorder assessment
US9240188B2 (en) 2004-09-16 2016-01-19 Lena Foundation System and method for expressive language, developmental disorder, and emotion assessment
US7805301B2 (en) * 2005-07-01 2010-09-28 Microsoft Corporation Covariance estimation for pattern recognition
EP2126901B1 (en) * 2007-01-23 2015-07-01 Infoture, Inc. System for analysis of speech
WO2008111190A1 (ja) * 2007-03-14 2008-09-18 Pioneer Corporation 音響モデル登録装置、話者認識装置、音響モデル登録方法及び音響モデル登録処理プログラム
CN103000172A (zh) * 2011-09-09 2013-03-27 中兴通讯股份有限公司 信号分类方法和装置
KR20140082157A (ko) * 2012-12-24 2014-07-02 한국전자통신연구원 다중 음향 모델을 이용하여 음성을 인식하기 위한 장치 및 그 방법
US9305554B2 (en) * 2013-07-17 2016-04-05 Samsung Electronics Co., Ltd. Multi-level speech recognition
US9589564B2 (en) * 2014-02-05 2017-03-07 Google Inc. Multiple speech locale-specific hotword classifiers for selection of a speech locale
US10529357B2 (en) 2017-12-07 2020-01-07 Lena Foundation Systems and methods for automatic determination of infant cry and discrimination of cry from fussiness
CN112148880A (zh) * 2020-09-28 2020-12-29 深圳壹账通智能科技有限公司 一种客服对话语料聚类方法、系统、设备及存储介质

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4980918A (en) * 1985-05-09 1990-12-25 International Business Machines Corporation Speech recognition system with efficient storage and rapid assembly of phonological graphs
US4852173A (en) * 1987-10-29 1989-07-25 International Business Machines Corporation Design and construction of a binary-tree system for language modelling
US5033087A (en) * 1989-03-14 1991-07-16 International Business Machines Corp. Method and apparatus for the automatic determination of phonological rules as for a continuous speech recognition system
US5182773A (en) * 1991-03-22 1993-01-26 International Business Machines Corporation Speaker-independent label coding apparatus
US5313552A (en) * 1991-03-27 1994-05-17 Unisys Corporation Apparatus for quantizing an input group of data samples into one of N quantized groups of data via a process on less than N/2 reference groups of data samples
US5276766A (en) * 1991-07-16 1994-01-04 International Business Machines Corporation Fast algorithm for deriving acoustic prototypes for automatic speech recognition
US5222146A (en) * 1991-10-23 1993-06-22 International Business Machines Corporation Speech recognition apparatus having a speech coder outputting acoustic prototype ranks
US5278942A (en) * 1991-12-05 1994-01-11 International Business Machines Corporation Speech coding apparatus having speaker dependent prototypes generated from nonuser reference data
US5267345A (en) * 1992-02-10 1993-11-30 International Business Machines Corporation Speech recognition apparatus which predicts word classes from context and words from word classes

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102257784B1 (ko) * 2019-06-19 2021-05-28 나연재 설치가 용이한 파티션 결합구조
KR102471628B1 (ko) * 2020-11-17 2022-11-29 에이치디씨현대이피 주식회사 조립식 욕실 유니트 및 조립식 인테리어 유니트
KR102471637B1 (ko) * 2020-11-17 2022-11-29 에이치디씨현대이피 주식회사 조립식 욕실 유니트 시공 방법, 조립식 욕실 유니트 제조 방법 및 이에 사용되는 프린팅 시스템

Also Published As

Publication number Publication date
EP0615227A2 (en) 1994-09-14
US5497447A (en) 1996-03-05
JPH06274200A (ja) 1994-09-30
EP0615227A3 (en) 1996-12-11

Similar Documents

Publication Publication Date Title
JP3037864B2 (ja) 音声コード化装置及び方法
JP2986313B2 (ja) 音声コード化装置及びその方法並びに音声認識装置及びその方法
JP2597791B2 (ja) 音声認識装置及び方法
JP2823469B2 (ja) 文脈依存型音声認識装置および方法
US5033087A (en) Method and apparatus for the automatic determination of phonological rules as for a continuous speech recognition system
US5267345A (en) Speech recognition apparatus which predicts word classes from context and words from word classes
EP0788090B1 (en) Transcription of speech data with segments from acoustically dissimilar environments
US5522011A (en) Speech coding apparatus and method using classification rules
US5794197A (en) Senone tree representation and evaluation
CN111916111B (zh) 带情感的智能语音外呼方法及装置、服务器、存储介质
US6076053A (en) Methods and apparatus for discriminative training and adaptation of pronunciation networks
EP0545083A2 (en) A speech coding apparatus having speaker dependent prototypes generated from nonuser reference data
EP0504485A2 (en) A speaker-independent label coding apparatus
JP2986037B2 (ja) 音声符号化方法及び装置
US6224636B1 (en) Speech recognition using nonparametric speech models
WO1993013519A1 (en) Composite expert
EP0475759B1 (en) Phoneme discrimination method
US20030097263A1 (en) Decision tree based speech recognition
JP2700143B2 (ja) 音声コーディング装置および方法
Kuah et al. A neural network-based text independent voice recognition system
JPH10149190A (ja) 音声認識方法及び音声認識装置
Lee et al. A Gaussian Selection Method for Multi-mixture HMM based Continuous Speech Recognition
JPH0588693A (ja) 音声認識装置
JPH0627989A (ja) バックグラウンドｈｍｍパラメータ抽出方法およびその方法を用いた音声認識装置

Legal Events

Date Code Title Description
LAPS Cancellation because of no payment of annual fees