JP3090122B2 - 話者照合装置 - Google Patents
話者照合装置Info
- Publication number
- JP3090122B2 JP3090122B2 JP10164721A JP16472198A JP3090122B2 JP 3090122 B2 JP3090122 B2 JP 3090122B2 JP 10164721 A JP10164721 A JP 10164721A JP 16472198 A JP16472198 A JP 16472198A JP 3090122 B2 JP3090122 B2 JP 3090122B2
- Authority
- JP
- Japan
- Prior art keywords
- speaker
- similarity
- pattern
- normalization
- acoustic
- 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】
【発明の属する技術分野】本発明は、話者認識装置に関
し、特に、類似度の正規化を用いた話者照合装置に関す
る。
し、特に、類似度の正規化を用いた話者照合装置に関す
る。
【０００２】
【従来の技術】話者認識は、話者が発声した文章などの
音声に含まれる特徴パラメータと、登録話者の特徴パラ
メータの標準パターンの類似度にとって本人であるか判
定する方法がよく用いられている。この話者認識におい
ては、登録時と照合時の周囲雑音差、回線特性差などが
認識性能を低下させることが問題となっている。
音声に含まれる特徴パラメータと、登録話者の特徴パラ
メータの標準パターンの類似度にとって本人であるか判
定する方法がよく用いられている。この話者認識におい
ては、登録時と照合時の周囲雑音差、回線特性差などが
認識性能を低下させることが問題となっている。
【０００３】この問題を解決する方法として、例えば、
以下の刊行物、（１）（Aaron E. Rosenberg,Joel De
Long,Chin-Hui Lee,Biing-Hwang Juang,Frank K. S
oong: “The Use of Cohort Normalized Scores
for Speaker Verification”、ICSLP92、pp.599-602
（1992))（文献（１）という）、（２）（A.Higgins,
L.Bahler, and J.Porter: “Speaker Verification U
sing Randomized Phrase Prompting、Digital Sign
al Processing、1、pp.89-106（1991））（文献（２）
という）、（３）（Tomoko Matsui,Sadaoki Furui:
“Speaker Recognition Using Concatenated Phone
me Models”、ICSLP 92、 pp.603-606（1992））（文
献（３）という）等に、予め予め用意した話者の登録パ
ターンとの類似度を用いて本人の登録パターンとの類似
度を正規化する方法が提案されている。
以下の刊行物、（１）（Aaron E. Rosenberg,Joel De
Long,Chin-Hui Lee,Biing-Hwang Juang,Frank K. S
oong: “The Use of Cohort Normalized Scores
for Speaker Verification”、ICSLP92、pp.599-602
（1992))（文献（１）という）、（２）（A.Higgins,
L.Bahler, and J.Porter: “Speaker Verification U
sing Randomized Phrase Prompting、Digital Sign
al Processing、1、pp.89-106（1991））（文献（２）
という）、（３）（Tomoko Matsui,Sadaoki Furui:
“Speaker Recognition Using Concatenated Phone
me Models”、ICSLP 92、 pp.603-606（1992））（文
献（３）という）等に、予め予め用意した話者の登録パ
ターンとの類似度を用いて本人の登録パターンとの類似
度を正規化する方法が提案されている。
【０００４】これらの正規化方法は、登録時と照合時の
様々な環境差は、本人の登録パターンとの尤度と正規化
用話者の登録パターンとの尤度の増加に同様に作用する
と仮定し、本人の登録パターンとの尤度から正規化用話
者の登録パターンとの尤度を差し引くことによって、環
境差の影響を取り除くことができるという考えを基にし
ている。
様々な環境差は、本人の登録パターンとの尤度と正規化
用話者の登録パターンとの尤度の増加に同様に作用する
と仮定し、本人の登録パターンとの尤度から正規化用話
者の登録パターンとの尤度を差し引くことによって、環
境差の影響を取り除くことができるという考えを基にし
ている。
【０００５】文献（1）では、本人の音声登録時に本人
に近い音声を持つ話者を複数正規化用話者として選択し
ておき、照合時に入力パターンと本人の登録パターンと
の類似度をこれら正規化用話者の登録パターンとの類似
度により正規化を行っている。しかし、登録時の発声を
基にして正規化話者を選択するために、登録時と話者の
特徴や環境が大きくことなる場合には適切な正規化が行
えない、という問題がある。
に近い音声を持つ話者を複数正規化用話者として選択し
ておき、照合時に入力パターンと本人の登録パターンと
の類似度をこれら正規化用話者の登録パターンとの類似
度により正規化を行っている。しかし、登録時の発声を
基にして正規化話者を選択するために、登録時と話者の
特徴や環境が大きくことなる場合には適切な正規化が行
えない、という問題がある。
【０００６】一方、文献（2）、文献（3）では、照合時
に入力パターンを用いて正規化話者の選択しているた
め、このような問題はない。
に入力パターンを用いて正規化話者の選択しているた
め、このような問題はない。
【０００７】
【発明が解決しようとする課題】図３を用いて、文献
（２）、（３）に記載の手法について説明する。個人
情,報入力部には名前あるいはID（識別情報）等の本人
を特定する情報が入力され、音声入力部２０２には音声
波形が入力される。
（２）、（３）に記載の手法について説明する。個人
情,報入力部には名前あるいはID（識別情報）等の本人
を特定する情報が入力され、音声入力部２０２には音声
波形が入力される。
【０００８】音声分析部２０３において、入力された音
声データは一定時間間隔で分析され短時間の音響的特徴
をあらわす特徴量の時系列である入力パターンに変換さ
れる。
声データは一定時間間隔で分析され短時間の音響的特徴
をあらわす特徴量の時系列である入力パターンに変換さ
れる。
【０００９】本人類似度計算部２０５は、入力された個
人情報に対応する話者の登録パターンを話者登録パター
ン記憶部２０４から読みだし、入力パターンとの類似度
である本人類似度を計算する。
人情報に対応する話者の登録パターンを話者登録パター
ン記憶部２０４から読みだし、入力パターンとの類似度
である本人類似度を計算する。
【００１０】パターン類似度計算部２０９は、音声分析
部２０３からの入力パターンと正規化用話者登録パター
ン記憶部２０７に記憶されているすべての正規化用話者
登録パターンとの類似度を計算する。
部２０３からの入力パターンと正規化用話者登録パター
ン記憶部２０７に記憶されているすべての正規化用話者
登録パターンとの類似度を計算する。
【００１１】正規化類似度計算部２１０は、パターン類
似度計算部２０９で計算された類似度を基に、正規化用
話者を選択し、選択された話者の類似度を基に正規化類
似度を計算する。
似度計算部２０９で計算された類似度を基に、正規化用
話者を選択し、選択された話者の類似度を基に正規化類
似度を計算する。
【００１２】判定部２１１は、計算された本人類似度を
正規化類似度を用いて正規化し、正規化後、尤度を求
め、これを予め定められた閾値と比較することで、本人
として受理あるいは棄却の判定を行う。
正規化類似度を用いて正規化し、正規化後、尤度を求
め、これを予め定められた閾値と比較することで、本人
として受理あるいは棄却の判定を行う。
【００１３】この手法によれば、入力音声と正規化話者
選択用音声とが同じであるため、文献（１）の手法で問
題となる、話者、環境の異なりに影響されずに、適切な
類似度正規化が行える。
選択用音声とが同じであるため、文献（１）の手法で問
題となる、話者、環境の異なりに影響されずに、適切な
類似度正規化が行える。
【００１４】しかし、この方法は、照合時に、全ての正
規化用話者登録パターンと入力パターンとの類似度を計
算する必要があり、多数の正規化用話者を用いた場合、
計算量が増大し、実時間性を損ねてしまうという問題が
ある。
規化用話者登録パターンと入力パターンとの類似度を計
算する必要があり、多数の正規化用話者を用いた場合、
計算量が増大し、実時間性を損ねてしまうという問題が
ある。
【００１５】したがって、本発明は、上記問題点に鑑み
てなされたものであって、その目的は、実時間性を損な
うこと無く照合時に正規化用話者の選択を行う話者照合
装置を提供することにある。
てなされたものであって、その目的は、実時間性を損な
うこと無く照合時に正規化用話者の選択を行う話者照合
装置を提供することにある。
【００１６】
【課題を解決するための手段】前記目的を達成する、本
願第１発明は、話者の名前あるいはID番号等の話者を特
定する個人情報を入力する個人情報入力手段と、音声を
入力する音声入力手段と、音声波形を一定時間間隔で分
析し短時間の音響的特徴をあらわす特徴量の時系列パタ
ーンである入力パターンへ変換する音声分析手段と、１
人以上の話者の登録パターンを記憶する話者登録パター
ン記憶部と、前記話者標準パターン記憶部から前記個人
情報に対応する話者の登録パターンを読みだし、前記入
力パターンとの類似度を計算する本人類似度計算手段
と、予め用意した多数の話者の音声から作成された不特
定話者音声認識用の話者および語彙に依存しない短時間
の音響的特徴量の集合を記憶する音響特徴量記憶部と、
予め用意した２人以上の正規化用話者の各登録パターン
として、前記音響特徴量記憶部に蓄えられた特徴量の中
で、各正規化用話者の登録パターンの短時間の音響的特
徴を表す特徴量に最も近い特徴量をあらわす指標の時系
列を記憶する正規化用話者登録パターン記憶部と、前記
入力パターンの各時刻の特徴量と前記音響的特徴量記憶
部に蓄えられているすべての特徴量との類似度を計算す
る音響類似度計算手段と、前記入力パターンと前記正規
化用話者との類似度を、前記音響類似度計算部で計算さ
れた類似度と、前記正規化用話者登録パターン記憶部に
蓄えられている各正規化用話者の指標の時系列を用いて
計算するパターン類似度計算手段と、前記パターン類似
度計算手段で計算された類似度を基に、１名以上の正規
化用話者を選択し、選択された正規化用話者の類似度か
ら正規化用類似度を求める正規化類似度計算手段と、前
記本人類似度を前記正規化類似度により正規化して正規
化後類似度を求め、別にさだめられる閾値と比較するこ
とにより、登録した本人として受理あるいは棄却する判
定手段と、を備えることを特徴とする。
願第１発明は、話者の名前あるいはID番号等の話者を特
定する個人情報を入力する個人情報入力手段と、音声を
入力する音声入力手段と、音声波形を一定時間間隔で分
析し短時間の音響的特徴をあらわす特徴量の時系列パタ
ーンである入力パターンへ変換する音声分析手段と、１
人以上の話者の登録パターンを記憶する話者登録パター
ン記憶部と、前記話者標準パターン記憶部から前記個人
情報に対応する話者の登録パターンを読みだし、前記入
力パターンとの類似度を計算する本人類似度計算手段
と、予め用意した多数の話者の音声から作成された不特
定話者音声認識用の話者および語彙に依存しない短時間
の音響的特徴量の集合を記憶する音響特徴量記憶部と、
予め用意した２人以上の正規化用話者の各登録パターン
として、前記音響特徴量記憶部に蓄えられた特徴量の中
で、各正規化用話者の登録パターンの短時間の音響的特
徴を表す特徴量に最も近い特徴量をあらわす指標の時系
列を記憶する正規化用話者登録パターン記憶部と、前記
入力パターンの各時刻の特徴量と前記音響的特徴量記憶
部に蓄えられているすべての特徴量との類似度を計算す
る音響類似度計算手段と、前記入力パターンと前記正規
化用話者との類似度を、前記音響類似度計算部で計算さ
れた類似度と、前記正規化用話者登録パターン記憶部に
蓄えられている各正規化用話者の指標の時系列を用いて
計算するパターン類似度計算手段と、前記パターン類似
度計算手段で計算された類似度を基に、１名以上の正規
化用話者を選択し、選択された正規化用話者の類似度か
ら正規化用類似度を求める正規化類似度計算手段と、前
記本人類似度を前記正規化類似度により正規化して正規
化後類似度を求め、別にさだめられる閾値と比較するこ
とにより、登録した本人として受理あるいは棄却する判
定手段と、を備えることを特徴とする。
【００１７】また、本願第２の発明は、話者の名前ある
いはID番号等の話者を特定する個人情報を入力する個人
情報入力手段と、音声を入力する音声入力手段と、音声
波形を一定時間間隔で分析し短時間の音響的特徴をあら
わす特徴量の時系列パターンである入力パターンへ変換
する音声分析手段と、１人以上の話者の登録パターンを
記憶する話者登録パターン記憶部と、前記話者標準パタ
ーン記憶部から前記個人情報に対応する話者の登録パタ
ーンを読みだし、前記入力パターンとの類似度を計算す
る本人類似度計算手段と、予め用意した多数の話者の音
声から作成された不特定話者音声認識用の話者および語
彙に依存しない短時間の音響的特徴量の集合を記憶する
音響特徴量記憶部と、予め用意した２人以上の正規化用
話者の各登録パターンとして、各正規化用話者の音声の
短時間の音響的特徴をあらわす特徴量の時系列パターン
である第１の正規化用話者登録パターンと、前記音響特
徴量記憶部に蓄えられた特徴量の中で、第１の正規化用
話者登録登録パターンの短時間の音響的特徴を表す特徴
量に最も近い特徴量をあらわす指標の時系列である第２
の正規化用話者登録パターンを記憶する正規化用話者登
録パターン記憶部と、前記入力パターンの各時刻の特徴
量と前記音響的特徴量記憶部に蓄えられているすべての
特徴量との類似度を計算する音響類似度計算手段と、前
記入力パターンと前記正規化用話者との類似度を、前記
音響類似度計算手段で計算された類似度と、前記正規化
用話者登録パターン記憶部に蓄えられている各正規化用
話者の第２の正規化用話者登録パターンを用いて計算す
るパターン類似度計算手段と、前記パターン類似度計算
手段で計算された類似度を基に、１名以上の正規化用話
者を選択し、選択された正規化用話者の前記正規化用話
者登録パターン記憶部に記憶されている第１の正規化用
話者登録パターンと前記入力パターンとの類似度を計算
し、正規化用類似度を求める正規化類似度計算手段と、
前記本人類似度を前記正規化類似度により正規化して正
規化後類似度を求め、別にさだめられる閾値と比較する
ことにより、登録した本人として受理あるいは棄却する
判定手段と、を備えることを特徴とする。
いはID番号等の話者を特定する個人情報を入力する個人
情報入力手段と、音声を入力する音声入力手段と、音声
波形を一定時間間隔で分析し短時間の音響的特徴をあら
わす特徴量の時系列パターンである入力パターンへ変換
する音声分析手段と、１人以上の話者の登録パターンを
記憶する話者登録パターン記憶部と、前記話者標準パタ
ーン記憶部から前記個人情報に対応する話者の登録パタ
ーンを読みだし、前記入力パターンとの類似度を計算す
る本人類似度計算手段と、予め用意した多数の話者の音
声から作成された不特定話者音声認識用の話者および語
彙に依存しない短時間の音響的特徴量の集合を記憶する
音響特徴量記憶部と、予め用意した２人以上の正規化用
話者の各登録パターンとして、各正規化用話者の音声の
短時間の音響的特徴をあらわす特徴量の時系列パターン
である第１の正規化用話者登録パターンと、前記音響特
徴量記憶部に蓄えられた特徴量の中で、第１の正規化用
話者登録登録パターンの短時間の音響的特徴を表す特徴
量に最も近い特徴量をあらわす指標の時系列である第２
の正規化用話者登録パターンを記憶する正規化用話者登
録パターン記憶部と、前記入力パターンの各時刻の特徴
量と前記音響的特徴量記憶部に蓄えられているすべての
特徴量との類似度を計算する音響類似度計算手段と、前
記入力パターンと前記正規化用話者との類似度を、前記
音響類似度計算手段で計算された類似度と、前記正規化
用話者登録パターン記憶部に蓄えられている各正規化用
話者の第２の正規化用話者登録パターンを用いて計算す
るパターン類似度計算手段と、前記パターン類似度計算
手段で計算された類似度を基に、１名以上の正規化用話
者を選択し、選択された正規化用話者の前記正規化用話
者登録パターン記憶部に記憶されている第１の正規化用
話者登録パターンと前記入力パターンとの類似度を計算
し、正規化用類似度を求める正規化類似度計算手段と、
前記本人類似度を前記正規化類似度により正規化して正
規化後類似度を求め、別にさだめられる閾値と比較する
ことにより、登録した本人として受理あるいは棄却する
判定手段と、を備えることを特徴とする。
【００１８】
【発明の実施の形態】本発明の実施の形態について以下
に説明する。本発明は、その好ましい一実施の形態にお
いて、話者の登録パターンとして短時間の音響的特徴を
あらわす特徴量の時系列パターン（図１の１０４）を蓄
え、音声が入力された際に、登録された話者の登録パタ
ーンとの類似度である本人類似度を計算する手段（図１
の１０５）と、入力された音声と、予め登録された正規
化用話者の登録パターンとの類似度を計算する手段（図
１の１０９）と、正規化に用いる話者を選択し正規化類
似度を計算する手段（図１の１１０）と、本人類似度を
正規化類似度で正規化した正規化後尤度を求め、予め定
められた閾値と正規化尤度を比較することで、登録され
た本人としての受理あるいは棄却を判定する手段（図１
の１１１）とを備えた話者認識装置に、複数人の話者の
音声から作成された不特定話者音声認識用の、話者およ
び語彙に依存しない、短時間の音響的特徴量の集合を記
憶する音響特徴量記憶部（図１の１０６）と、予め用意
した複数人の正規化用話者の各登録パターンとして、前
記音響特徴量記憶部に蓄えられた特徴量の中で、各正規
化用話者の登録パターンの短時間の音響的特徴を表す特
徴量に最も近い特徴量をあらわす指標の時系列を記憶す
る正規化用話者登録パターン記憶部（図１の１０７）
と、音声入力パターンの各時刻の特徴量と、前記音響的
特徴量記憶部に蓄えられている特徴量との類似度を算出
する音響類似度計算手段（図１の１０８）を備え、入力
パターンと正規化用話者の登録パターンとの類似度を算
出する手段は、前記入力パターンと正規化用話者の登録
パターンとの類似度を算出するに際して、音響類似度計
算手段で算出した音響的類似度と、予め登録された各正
規化用話者の指標の時系列を用いて算出する。
に説明する。本発明は、その好ましい一実施の形態にお
いて、話者の登録パターンとして短時間の音響的特徴を
あらわす特徴量の時系列パターン（図１の１０４）を蓄
え、音声が入力された際に、登録された話者の登録パタ
ーンとの類似度である本人類似度を計算する手段（図１
の１０５）と、入力された音声と、予め登録された正規
化用話者の登録パターンとの類似度を計算する手段（図
１の１０９）と、正規化に用いる話者を選択し正規化類
似度を計算する手段（図１の１１０）と、本人類似度を
正規化類似度で正規化した正規化後尤度を求め、予め定
められた閾値と正規化尤度を比較することで、登録され
た本人としての受理あるいは棄却を判定する手段（図１
の１１１）とを備えた話者認識装置に、複数人の話者の
音声から作成された不特定話者音声認識用の、話者およ
び語彙に依存しない、短時間の音響的特徴量の集合を記
憶する音響特徴量記憶部（図１の１０６）と、予め用意
した複数人の正規化用話者の各登録パターンとして、前
記音響特徴量記憶部に蓄えられた特徴量の中で、各正規
化用話者の登録パターンの短時間の音響的特徴を表す特
徴量に最も近い特徴量をあらわす指標の時系列を記憶す
る正規化用話者登録パターン記憶部（図１の１０７）
と、音声入力パターンの各時刻の特徴量と、前記音響的
特徴量記憶部に蓄えられている特徴量との類似度を算出
する音響類似度計算手段（図１の１０８）を備え、入力
パターンと正規化用話者の登録パターンとの類似度を算
出する手段は、前記入力パターンと正規化用話者の登録
パターンとの類似度を算出するに際して、音響類似度計
算手段で算出した音響的類似度と、予め登録された各正
規化用話者の指標の時系列を用いて算出する。
【００１９】本発明の作用原理について説明する。上記
文献（２）、（３）等に記載の方法において、多数の正
規化用話者を用いた場合に実時間性が損なわれるのは、
入力パターンの各時刻の特徴量と、各正規化用話者の特
徴量との音響的類似度の計算量が増加することが主要因
である。
文献（２）、（３）等に記載の方法において、多数の正
規化用話者を用いた場合に実時間性が損なわれるのは、
入力パターンの各時刻の特徴量と、各正規化用話者の特
徴量との音響的類似度の計算量が増加することが主要因
である。
【００２０】音響分析では、１０ｍｓ（ミリ秒）程度毎
に数十個程度の特徴量へと変換する場合が多い。例えば
文献（１）では１０ｍｓ毎に２４個の特徴量を求めてい
る。この場合、正規化用話者数を１００名、音声長を２
秒とした場合、特徴量の総数は４８万個となる。
に数十個程度の特徴量へと変換する場合が多い。例えば
文献（１）では１０ｍｓ毎に２４個の特徴量を求めてい
る。この場合、正規化用話者数を１００名、音声長を２
秒とした場合、特徴量の総数は４８万個となる。
【００２１】音響的類似度として、最も簡単なユークリ
ッド距離を用いた場合でも、各特徴量あたり１回の減算
と積算が必要であり、実時間すなわち１０ｍｓ以内です
べての音響的特徴を計算するためには、１秒あたり９６
０万回の演算が必要となる。
ッド距離を用いた場合でも、各特徴量あたり１回の減算
と積算が必要であり、実時間すなわち１０ｍｓ以内です
べての音響的特徴を計算するためには、１秒あたり９６
０万回の演算が必要となる。
【００２２】音響的類似度として分散を考慮したマハラ
ノビス距離や混合ガウス分布からの出力確率等を用いた
場合には、更に計算量が増加する。
ノビス距離や混合ガウス分布からの出力確率等を用いた
場合には、更に計算量が増加する。
【００２３】音声認識における音響的類似度計算の演算
量低減手法として、「SPLIT法」と呼ばれる手法が、文
献（菅村他：“擬音韻標準パタンによる第語い単語音声
認識”、電子通信学会論文誌、J65-D,8,pp.1041-1048(1
983)）(文献（４)という）に提案されている。
量低減手法として、「SPLIT法」と呼ばれる手法が、文
献（菅村他：“擬音韻標準パタンによる第語い単語音声
認識”、電子通信学会論文誌、J65-D,8,pp.1041-1048(1
983)）(文献（４)という）に提案されている。
【００２４】この文献（４）に記載される方法では、認
識対象単語の音響的特徴量をクラスタリングし、２５６
の擬音韻とよぶ音響的特徴量の集合を作成し、個々の認
識対象単語は、擬音韻の集合から各時刻の特徴量に最も
近いものを選択し、その指標の時系列として表現する。
識対象単語の音響的特徴量をクラスタリングし、２５６
の擬音韻とよぶ音響的特徴量の集合を作成し、個々の認
識対象単語は、擬音韻の集合から各時刻の特徴量に最も
近いものを選択し、その指標の時系列として表現する。
【００２５】認識の際の音響的特徴量は、この２５６の
擬音韻の集合とのみ計算すればよいため、計算量が少な
くてすむ。
擬音韻の集合とのみ計算すればよいため、計算量が少な
くてすむ。
【００２６】同様にして、話者照合における入力パター
ンと正規化話者との類似度を求める際に、同様にして、
各正規化話者の登録パターンをクラスタリングすること
で、音響的特徴量の集合と、それらの特徴量の系列とし
て蓄える方法が考えられる。
ンと正規化話者との類似度を求める際に、同様にして、
各正規化話者の登録パターンをクラスタリングすること
で、音響的特徴量の集合と、それらの特徴量の系列とし
て蓄える方法が考えられる。
【００２７】あらかじめ有限個の発話内容しか許さない
話者照合装置であれば、このような方法でも可能である
が、文献（３）のように、単語よりも小さい音素、音節
といったサブワード単位を連結し、登録パターンを作成
する場合には、発話内容は無限となり、発話内容が変え
るたびに、クラスタリングを行い、特徴量の集合を変更
する必要が生じる。
話者照合装置であれば、このような方法でも可能である
が、文献（３）のように、単語よりも小さい音素、音節
といったサブワード単位を連結し、登録パターンを作成
する場合には、発話内容は無限となり、発話内容が変え
るたびに、クラスタリングを行い、特徴量の集合を変更
する必要が生じる。
【００２８】また、多数の登録話者が存在する場合、そ
の登録音声の発話内容には、話者に共通に用いられる音
素が多数含まれることになるが、これらの音響的特徴量
が、各登録話者毎に別々に保持されるため、効率が悪く
なってしまう。
の登録音声の発話内容には、話者に共通に用いられる音
素が多数含まれることになるが、これらの音響的特徴量
が、各登録話者毎に別々に保持されるため、効率が悪く
なってしまう。
【００２９】そこで、特徴量の集合として、不特定話者
の音声認識用の特徴量を用いる。ここで、「不特定話者
の音声認識用の特徴量」とは、音素や半音節等の単語よ
りも小さな認識単位であって、その連結によって、任意
の発話内容を表現可能なものに含まれる音響的特徴量を
いう。
の音声認識用の特徴量を用いる。ここで、「不特定話者
の音声認識用の特徴量」とは、音素や半音節等の単語よ
りも小さな認識単位であって、その連結によって、任意
の発話内容を表現可能なものに含まれる音響的特徴量を
いう。
【００３０】このような不特定話者の音声認識用の特徴
量の集合は、話者および発話内容に依存していず、すべ
ての話者の音響的特徴を効率良く網羅的に表現してい
る、ものと考えられる。したがって、このような特徴量
の時系列によって登録パターンを作成することで、正規
化用話者や発話内容が変わった場合でも、精度良く、か
つ効率良く、正規化用話者登録パターンが表現可能とな
る。
量の集合は、話者および発話内容に依存していず、すべ
ての話者の音響的特徴を効率良く網羅的に表現してい
る、ものと考えられる。したがって、このような特徴量
の時系列によって登録パターンを作成することで、正規
化用話者や発話内容が変わった場合でも、精度良く、か
つ効率良く、正規化用話者登録パターンが表現可能とな
る。
【００３１】そして、かかる構成により、音響的類似度
を効率良く計算することができるので、照合時に、多数
の正規化話者から話者を選択することを可能としてお
り、高い照合性能が得られる。
を効率良く計算することができるので、照合時に、多数
の正規化話者から話者を選択することを可能としてお
り、高い照合性能が得られる。
【００３２】また音声認識用特徴量による近似が性能に
影響する懸念がある場合には、一旦、入力パターンと全
正規化用話者登録パターンとの類似度を計算し、その類
似度により正規化に用いる話者を選択し、その話者の近
似前の登録パターンとの尤度を計算することで、近似の
影響を避けることができる。
影響する懸念がある場合には、一旦、入力パターンと全
正規化用話者登録パターンとの類似度を計算し、その類
似度により正規化に用いる話者を選択し、その話者の近
似前の登録パターンとの尤度を計算することで、近似の
影響を避けることができる。
【００３３】通常、正規化に用いる話者数は数名程度で
あるので、このようにしても実時間性を大きく損なうこ
とはない。むろん、近似前の登録パターンとの尤度を用
いて再度話者を選択することも可能である。
あるので、このようにしても実時間性を大きく損なうこ
とはない。むろん、近似前の登録パターンとの尤度を用
いて再度話者を選択することも可能である。
【００３４】上での説明では、入力パターンおよび登録
パターンを短時間の音響的特徴の時系列としているが、
本発明は、登録パターンとして、隠れマルコフモデル
（ＨＭＭ）や、その他のモデルを用いた場合にも適応可
能であり、また、パターン間の類似度計算を行う際の処
理量削減手法である、ビームサーチ手法等との併用も可
能である。以下実施例に即して詳細に説明する。
パターンを短時間の音響的特徴の時系列としているが、
本発明は、登録パターンとして、隠れマルコフモデル
（ＨＭＭ）や、その他のモデルを用いた場合にも適応可
能であり、また、パターン間の類似度計算を行う際の処
理量削減手法である、ビームサーチ手法等との併用も可
能である。以下実施例に即して詳細に説明する。
【００３５】
【実施例】図１は、本発明の第１の実施例の構成を示す
図である。図１を参照すると、個人情報入力部１０１に
は、話者の名前あるいはID番号等の話者を特定する個人
情報が入力される。
図である。図１を参照すると、個人情報入力部１０１に
は、話者の名前あるいはID番号等の話者を特定する個人
情報が入力される。
【００３６】音声入力部１０２には、照合に用いる音声
が入力される。
が入力される。
【００３７】音声分析部１０３は、音声波形を一定時間
間隔で分析し短時間の音響的特徴をあらわす特徴量の時
系列パターンである入力パターンへ変換する。特徴量と
しては、例えば刊行物（古井著、「ディジタル音声処
理」、東海大学出版会）（文献（５）という）に記載さ
れている、FFT（高速フーリエ変換）分析、線形予測分
析等により得られるケプストラム、LPC（線形予測符号
化）係数、これらの時間変化量等が利用可能である。
間隔で分析し短時間の音響的特徴をあらわす特徴量の時
系列パターンである入力パターンへ変換する。特徴量と
しては、例えば刊行物（古井著、「ディジタル音声処
理」、東海大学出版会）（文献（５）という）に記載さ
れている、FFT（高速フーリエ変換）分析、線形予測分
析等により得られるケプストラム、LPC（線形予測符号
化）係数、これらの時間変化量等が利用可能である。
【００３８】話者登録パターン記憶部１０４にはあらか
じめ登録された１人以上の話者の登録パターンが記憶さ
れている。
じめ登録された１人以上の話者の登録パターンが記憶さ
れている。
【００３９】本人類似度計算部１０５は、話者標準パタ
ーン記憶部１０４から個人情報入力部１０１に入力され
た個人情報に対応する話者の登録パターンを読みだし、
入力パターンとの類似度を計算する。
ーン記憶部１０４から個人情報入力部１０１に入力され
た個人情報に対応する話者の登録パターンを読みだし、
入力パターンとの類似度を計算する。
【００４０】音響特徴量記憶部１０６には、あらかじめ
用意した多数の話者の音声から作成された、不特定話者
音声認識用の、話者および語彙に依存しない、短時間の
音響的特徴量の集合が記憶されている。
用意した多数の話者の音声から作成された、不特定話者
音声認識用の、話者および語彙に依存しない、短時間の
音響的特徴量の集合が記憶されている。
【００４１】正規化用話者登録パターン記憶部１０７に
は、あらかじめ用意した２人以上の正規化用話者の各登
録パターンとして、音響特徴量記憶部１０６に蓄えられ
た特徴量の中で、各正規化用話者の登録パターンの短時
間の音響的特徴を表す特徴量に最も近い特徴量をあらわ
す指標の時系列が記憶されている。
は、あらかじめ用意した２人以上の正規化用話者の各登
録パターンとして、音響特徴量記憶部１０６に蓄えられ
た特徴量の中で、各正規化用話者の登録パターンの短時
間の音響的特徴を表す特徴量に最も近い特徴量をあらわ
す指標の時系列が記憶されている。
【００４２】音響類似度計算部１０８は、入力パターン
の各時刻の特徴量と、音響的特徴量記憶部１０６に蓄え
られているすべての特徴量との音響的類似度を計算す
る。
の各時刻の特徴量と、音響的特徴量記憶部１０６に蓄え
られているすべての特徴量との音響的類似度を計算す
る。
【００４３】パターン類似度計算部１０９は、入力パタ
ーンと正規化用話者の登録パターンとの類似度を、音響
類似度計算部１０８で計算された音響的類似度と、正規
化用話者登録パターン記憶部１０７に蓄えられている各
正規化用話者の指標の時系列を用いて計算する。
ーンと正規化用話者の登録パターンとの類似度を、音響
類似度計算部１０８で計算された音響的類似度と、正規
化用話者登録パターン記憶部１０７に蓄えられている各
正規化用話者の指標の時系列を用いて計算する。
【００４４】正規化類似度計算部１１０は、パターン類
似度計算部１０９で計算された入力パターンと各正規化
用話者の登録パターンとの類似度を基に、１名以上の正
規化用話者を選択し、選択された正規化用話者の類似度
から正規化用類似度を求める。この選択において、例え
ば類似度の高い話者の上位５名を選択する、別に定める
閾値よりも高い類似度を持つ話者を選択する等、種々の
選択が可能である。
似度計算部１０９で計算された入力パターンと各正規化
用話者の登録パターンとの類似度を基に、１名以上の正
規化用話者を選択し、選択された正規化用話者の類似度
から正規化用類似度を求める。この選択において、例え
ば類似度の高い話者の上位５名を選択する、別に定める
閾値よりも高い類似度を持つ話者を選択する等、種々の
選択が可能である。
【００４５】正規化用類似度を求めるに際して、例え
ば、選択された話者の類似度の最大値、中央値、算術平
均、幾何平均等を用いるが、これらに限らず用いる類似
度の性質により種々の操作を用いて選択された話者の類
似度の代表値を求めることが可能である。
ば、選択された話者の類似度の最大値、中央値、算術平
均、幾何平均等を用いるが、これらに限らず用いる類似
度の性質により種々の操作を用いて選択された話者の類
似度の代表値を求めることが可能である。
【００４６】判定部１１１は、本人類似度計算部１０５
で求められた本人類似度を正規化類似度計算部１１０で
計算された正規化類似度により正規化し正規化後類似度
を求め、予め定められた閾値と比較することにより、登
録した本人として受理あるいは棄却の判定を行う。正規
化の手法としては、環境差の影響が加法的に作用する類
似度を用いた場合には、差分を取り、乗法的に作用する
場合には、比を取るが、これらに限定されるものでな
く、環境差の影響の用いる類似度への作用を打ち消すよ
うな処理を行えばよい。
で求められた本人類似度を正規化類似度計算部１１０で
計算された正規化類似度により正規化し正規化後類似度
を求め、予め定められた閾値と比較することにより、登
録した本人として受理あるいは棄却の判定を行う。正規
化の手法としては、環境差の影響が加法的に作用する類
似度を用いた場合には、差分を取り、乗法的に作用する
場合には、比を取るが、これらに限定されるものでな
く、環境差の影響の用いる類似度への作用を打ち消すよ
うな処理を行えばよい。
【００４７】次に本発明の第２の実施例について説明す
る。図２は、本発明の第２の実施例の構成を示す図であ
る。図２を参照すると、個人情報入力部３０１には、話
者の名前あるいはID番号等の話者を特定する個人情報が
入力される。
る。図２は、本発明の第２の実施例の構成を示す図であ
る。図２を参照すると、個人情報入力部３０１には、話
者の名前あるいはID番号等の話者を特定する個人情報が
入力される。
【００４８】音声入力部３０２には、照合に用いる音声
が入力される。
が入力される。
【００４９】音声分析部３０３は、音声波形を一定時間
間隔で分析し短時間の音響的特徴をあらわす特徴量の時
系列パターンである入力パターンへ変換する。特徴量と
しては、例え上記文献（５）に記載されるFFT分析、線
形予測分析等により得られるケプストラム、LPC係数、
これらの時間変化量等が利用可能である。
間隔で分析し短時間の音響的特徴をあらわす特徴量の時
系列パターンである入力パターンへ変換する。特徴量と
しては、例え上記文献（５）に記載されるFFT分析、線
形予測分析等により得られるケプストラム、LPC係数、
これらの時間変化量等が利用可能である。
【００５０】話者登録パターン記憶部３０４には、あら
かじめ登録された１人以上の話者の登録パターンが記憶
されている。
かじめ登録された１人以上の話者の登録パターンが記憶
されている。
【００５１】本人類似度計算部３０５は、話者標準パタ
ーン記憶部３０４から個人情報入力部３０１に入力され
た個人情報に対応する話者の登録パターンを読みだし、
前記入力パターンとの類似度を計算する。
ーン記憶部３０４から個人情報入力部３０１に入力され
た個人情報に対応する話者の登録パターンを読みだし、
前記入力パターンとの類似度を計算する。
【００５２】音響特徴量記憶部３０６には、予め用意し
た多数の話者の音声から作成された不特定話者音声認識
用の話者および語彙に依存しない短時間の音響的特徴量
の集合が記憶されている。
た多数の話者の音声から作成された不特定話者音声認識
用の話者および語彙に依存しない短時間の音響的特徴量
の集合が記憶されている。
【００５３】正規化用話者詳細登録パターン記憶部３１
２には、予め用意した２人以上の正規化用話者の各登録
パターンとして、各正規化用話者の音声の短時間の音響
的特徴をあらわす特徴量の時系列パターンである第１の
正規化用話者登録パターンと、音響特徴量記憶部３０６
に蓄えられた特徴量の中で、第１の正規化用話者登録登
録パターンの短時間の音響的特徴を表す特徴量に最も近
い特徴量をあらわす指標の時系列である第２の正規化用
話者登録パターンを記憶している。
２には、予め用意した２人以上の正規化用話者の各登録
パターンとして、各正規化用話者の音声の短時間の音響
的特徴をあらわす特徴量の時系列パターンである第１の
正規化用話者登録パターンと、音響特徴量記憶部３０６
に蓄えられた特徴量の中で、第１の正規化用話者登録登
録パターンの短時間の音響的特徴を表す特徴量に最も近
い特徴量をあらわす指標の時系列である第２の正規化用
話者登録パターンを記憶している。
【００５４】音響類似度計算部３０８は、入力パターン
の各時刻の特徴量と音響的特徴量記憶部３０６に蓄えら
れているすべての特徴量との音響的類似度を計算する。
の各時刻の特徴量と音響的特徴量記憶部３０６に蓄えら
れているすべての特徴量との音響的類似度を計算する。
【００５５】パターン類似度計算部３０９は前記入力パ
ターンと前記正規化用話者の登録パターンとの類似度
を、音響類似度計算部３０８で計算された音響的類似度
と、正規化用話者詳細登録パターン記憶部３１３に蓄え
られている各正規化用話者の第２の正規化用話者登録パ
ターンを用いて計算する。
ターンと前記正規化用話者の登録パターンとの類似度
を、音響類似度計算部３０８で計算された音響的類似度
と、正規化用話者詳細登録パターン記憶部３１３に蓄え
られている各正規化用話者の第２の正規化用話者登録パ
ターンを用いて計算する。
【００５６】詳細正規化類似度計算部３１３は、パター
ン類似度計算部３０９で計算された入力パターンと各正
規化用話者の登録パターンとの類似度を基に、１名以上
の正規化用話者を選択し、正規化用話者登録パターン記
憶部３０７から選択された正規化用話者の第１の正規化
用話者登録パターンを読み出し、入力パターンとの類似
度を計算し詳細正規化類似度を計算する。選択にあた
り、例えば類似度の高い話者の上位５名を選択する、予
め定められる閾値よりも高い類似度を持つ話者を選択す
る等、種々の選択が可能である。正規化用類似度を求め
るに際して、例えば、選択された話者の類似度の最大
値、中央値、算術平均、幾何平均等を用いるが、これら
に限らず用いる類似度の性質により種々の操作を用いて
選択された話者の類似度の代表値を求めることが可能で
ある。
ン類似度計算部３０９で計算された入力パターンと各正
規化用話者の登録パターンとの類似度を基に、１名以上
の正規化用話者を選択し、正規化用話者登録パターン記
憶部３０７から選択された正規化用話者の第１の正規化
用話者登録パターンを読み出し、入力パターンとの類似
度を計算し詳細正規化類似度を計算する。選択にあた
り、例えば類似度の高い話者の上位５名を選択する、予
め定められる閾値よりも高い類似度を持つ話者を選択す
る等、種々の選択が可能である。正規化用類似度を求め
るに際して、例えば、選択された話者の類似度の最大
値、中央値、算術平均、幾何平均等を用いるが、これら
に限らず用いる類似度の性質により種々の操作を用いて
選択された話者の類似度の代表値を求めることが可能で
ある。
【００５７】判定部３１１は、本人類似度計算部３０５
で求められた本人類似度を詳細正規化類似度計算部３１
３で計算された正規化類似度により正規化し正規化後類
似度を求め、別にさだめられる閾値と比較することによ
り、登録した本人として受理あるいは棄却の判定を行
う。正規化の手法としては、環境差の影響が加法的に作
用する類似度を用いた場合には、差分を取り、乗法的に
作用する場合には、比を取るが、これらに限定されるも
のでなく、環境差の影響の用いる類似度への作用を打ち
消すような処理を行えばよい。
で求められた本人類似度を詳細正規化類似度計算部３１
３で計算された正規化類似度により正規化し正規化後類
似度を求め、別にさだめられる閾値と比較することによ
り、登録した本人として受理あるいは棄却の判定を行
う。正規化の手法としては、環境差の影響が加法的に作
用する類似度を用いた場合には、差分を取り、乗法的に
作用する場合には、比を取るが、これらに限定されるも
のでなく、環境差の影響の用いる類似度への作用を打ち
消すような処理を行えばよい。
【００５８】
【発明の効果】以上説明したように、本発明によれば、
不特定話者の音声認識用の特徴量の時系列によって登録
パターンを作成することにより照合性能を向上したもの
であり、このため、話者照合において実時間性を損なう
ことなく、照合時に多数の正規化用話者から正規化に用
いる話者を選択することができ、登録時と照合時の環境
が大きく異なる場合でも精度良く話者照合を行うことが
できる、という効果を奏する。
不特定話者の音声認識用の特徴量の時系列によって登録
パターンを作成することにより照合性能を向上したもの
であり、このため、話者照合において実時間性を損なう
ことなく、照合時に多数の正規化用話者から正規化に用
いる話者を選択することができ、登録時と照合時の環境
が大きく異なる場合でも精度良く話者照合を行うことが
できる、という効果を奏する。
【図１】本発明の第１の実施例の構成を示す図である。
【図２】本発明の第１の実施例の構成を示す図である。
【図３】従来の装置の構成の一例を示す図である。
１０１ 個人情報入力部 １０２ 音声入力部 １０３ 音声分析部 １０４ 話者登録パターン記憶部 １０５ 本人類似度計算部 １０６ 音響特徴量記憶部 １０７ 正規化用話者登録パターン記憶部 １０８ 音響類似度計算部 １０９ パターン類似度計算部 １１０ 正規化類似度計算部 １１１ 判定部 ２０１ 個人情報入力部 ２０２ 音声入力部 ２０３ 音声分析部 ２０４ 話者登録パターン記憶部 ２０５ 本人類似度計算部 ２０７ 正規化用話者登録パターン記憶部 ２０９ パターン類似度計算部 ２１０ 正規化類似度計算部 ２１１ 判定部 ３０１ 個人情報入力部 ３０２ 音声入力部 ３０３ 音声分析部 ３０４ 話者登録パターン記憶部 ３０５ 本人類似度計算部 ３０６ 音響特徴量記憶部 ３１２ 正規化用話者詳細登録パターン記憶部 ３０８ 音響類似度計算部 ３０９ パターン類似度計算部 ３１３ 詳細正規化類似度計算部 ３１１ 判定部
フロントページの続き (56)参考文献 特開 昭63−213899（ＪＰ，Ａ) 特開 平７−271392（ＪＰ，Ａ) 特開 平６−95690（ＪＰ，Ａ) 特開 平11−327586（ＪＰ，Ａ) 特開 昭58−76893（ＪＰ，Ａ) 特許2991148（ＪＰ，Ｂ２) 特公 平５−82957（ＪＰ，Ｂ２) 欧州特許出願公開964388（ＥＰ，Ａ ２) 欧州特許出願公開858068（ＥＰ，Ａ ２) Ｐｒｏｃｅｅｄｉｎｇｓ ｏｆ Ｓｅ ｃｏｎｄ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ｓｐｏ ｋｅｎ Ｌａｎｇｕａｇｅ，ＩＣＳＬＰ ’92，Ａ．Ｅ．Ｒｏｓｅｎｂｅｒｇ ｅ ｔ ａｌ，”Ｔｈｅ Ｕｓｅ ｏｆ Ｃ ｏｈｏｒｔ Ｎｏｒｍａｌｉｚｅｄ Ｓ ｃｏｒｅｓ ｆｏｒ Ｓｐｅａｋｅｒ Ｖｅｒｉｆｉｃａｔｉｏｎ”，ｐ．599 −602，Ｏｃｔｏｂｅｒ 1992 Ｐｒｏｃｅｅｄｉｎｇｓ ｏｆ Ｓｅ ｃｏｎｄ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ｓｐｏ ｋｅｎ Ｌａｎｇｕａｇｅ，ＩＣＳＬＰ ’92，Ｔ．Ｍａｔｓｕｉ ｅｔ ａ ｌ，”Ｓｐｅａｋｅｒ Ｒｅｃｏｇｎｉ ｔｉｏｎ Ｕｓｉｎｇ Ｃｏｎｃａｔｅ ｎａｔｅｄ Ｐｈｏｎｅｍｅ Ｍｏｄｅ ｌｓ”，ｐ．603−606，Ｏｃｔｏｂｅｒ 1992 日本音響学会平成10年度春季研究発表 会講演論文集▲Ｉ▼，２−６−７，山田 栄子外「話者照合における連続音節認識 による登録パターン作成方法」ｐ．67− 68（平成10年３月17日発行) 日本音響学会昭和61年度春季研究発表 会講演論文集，１−１−21，亘理誠夫外 「抑制標準パターンを用いた話者照合」 ｐ．41−42（昭和61年３月発行) (58)調査した分野(Int.Cl.7，ＤＢ名) G10L 15/00 - 17/00 ＪＩＣＳＴファイル（ＪＯＩＳ) ＩＥＥＥ／ＩＥＥ Ｅｌｅｃｔｒｏｎｉ ｃ Ｌｉｂｒａｒｙ Ｏｎｌｉｎｅ
Claims (4)
- 【請求項１】話者の名前あるいはＩＤ番号等の話者を特
定する個人情報を入力する個人情報入力手段と、 音声を入力する音声入力手段と、 音声波形を一定時間間隔で分析し短時間の音響的特徴を
あらわす特徴量の時系列パターンである入力パターンへ
変換する音声分析手段と、 １人以上の話者の登録パターンを記憶する話者登録パタ
ーン記憶部と、 前記話者標準パターン記憶部から前記個人情報に対応す
る話者の登録パターンを読みだし、前記入力パターンと
の類似度を計算する本人類似度計算手段と、 予め用意した複数の話者の音声から作成された不特定話
者音声認識用の話者および語彙に依存しない短時間の音
響的特徴量の集合を記憶する音響特徴量記憶部と、 予め用意した複数人の正規化用話者の各登録パターンと
して、前記音響特徴量記憶部に蓄えられた特徴量の中
で、各正規化用話者の登録パターンの短時間の音響的特
徴を表す特徴量に最も近い特徴量をあらわす指標の時系
列を記憶する正規化用話者登録パターン記憶部と、 前記入力パターンの各時刻の特徴量と前記音響的特徴量
記憶部に蓄えられているすべての特徴量との類似度を計
算する音響類似度計算手段と、 前記入力パターンと前記正規化用話者との類似度を、前
記音響類似度計算手段で計算された類似度と、前記正規
化用話者登録パターン記憶部に蓄えられている各正規化
用話者の指標の時系列を用いて計算するパターン類似度
計算手段と、 前記パターン類似度計算手段で計算された類似度を基
に、１名以上の正規化用話者を選択し、選択された正規
化用話者の類似度から正規化用類似度を求める正規化類
似度計算手段と、 前記本人類似度を前記正規化類似度により正規化して正
規化後類似度を求め、予めさだめられた閾値と比較する
ことにより、登録した本人として受理あるいは棄却する
判定手段と、 を備えたことを特徴とする話者照合装置。 - 【請求項２】話者の名前あるいはＩＤ番号等の話者を特
定する個人情報を入力する個人情報入力手段と、 音声を入力する音声入力手段と、 音声波形を一定時間間隔で分析し短時間の音響的特徴を
あらわす特徴量の時系列パターンである入力パターンへ
変換する音声分析手段と、 １人以上の話者の登録パターンを記憶する話者登録パタ
ーン記憶部と、 前記話者標準パターン記憶部から前記個人情報に対応す
る話者の登録パターンを読みだし、前記入力パターンと
の類似度を計算する本人類似度計算手段と、 予め用意した多数の話者の音声から作成された不特定話
者音声認識用の話者および語彙に依存しない短時間の音
響的特徴量の集合を記憶する音響特徴量記憶部と、 予め用意した２人以上の正規化用話者の各登録パターン
として、各正規化用話者の音声の短時間の音響的特徴を
あらわす特徴量の時系列パターンである第１の正規化用
話者登録パターンと、前記音響特徴量記憶部に蓄えられ
た特徴量の中で、前記第１の正規化用話者登録パターン
の短時間の音響的特徴を表す特徴量に最も近い特徴量を
あらわす指標の時系列である第２の正規化用話者登録パ
ターンと、を記憶する正規化用話者詳細登録パターン記
憶部と、 前記入力パターンの各時刻の特徴量と前記音響的特徴量
記憶部に蓄えられているすべての特徴量との類似度を計
算する音響類似度計算手段と、 前記入力パターンと前記正規化用話者との類似度を、前
記音響類似度計算手段で計算された類似度と、前記正規
化用話者登録パターン記憶部に蓄えられている各正規化
用話者の、第２の正規化用話者登録パターンを用いて計
算するパターン類似度計算手段と、 前記パターン類似度計算手段で計算された類似度を基
に、１名以上の正規化用話者を選択し、選択された正規
化用話者の前記正規化用話者登録パターン記憶部に記憶
されている第１の正規化用話者登録パターンと前記入力
パターンとの類似度を計算し、正規化用類似度を求める
詳細正規化類似度計算手段と、 前記本人類似度を前記正規化類似度により正規化して正
規化後類似度を求め、予めさだめられた閾値と比較する
ことにより、登録した本人として受理あるいは棄却する
判定手段と、 を備えたことを特徴とする話者照合装置。 - 【請求項３】話者の登録パターンとして短時間の音響的
特徴をあらわす特徴量の時系列パターンを蓄え、 音声が入力された際に、登録された話者の登録パターン
との類似度である本人類似度を算出する手段と、 音声入力パターンと、予め登録された正規化用話者の登
録パターンとのパターン類似度を算出する手段と、 正規化用話者を選択し該話者の類似度を基に正規化類似
度を算出する手段と、 前記本人類似度を正規化類似度で正規化した正規化後尤
度を求め、予め定められた閾値と該正規化尤度を比較す
ることで、登録された本人として受理あるいは棄却する
手段と、を含む話者認識装置において、 複数人の話者の音声から作成された、不特定話者の音声
認識用の、話者および語彙に依存しない、短時間の音響
的特徴量の集合を記憶する音響特徴量記憶部と、 予め用意した複数人の正規化用話者の各登録パターンと
して、前記音響特徴量記憶部に蓄えられた特徴量の中
で、各正規化用話者の登録パターンの短時間の音響的特
徴を表す特徴量に最も近い特徴量をあらわす指標の時系
列を記憶する正規化用話者登録パターン記憶部と、 音声入力パターンの各時刻の特徴量と、前記音響的特徴
量記憶部に蓄えられている特徴量との音響的類似度を算
出する手段と、をさらに含み、 前記パターン類似度を算出する手段が、音声入力パター
ンと正規化用話者の登録パターンとの類似度を、前記算
出された音響的類似度と、予め登録された、各正規化用
話者の指標の時系列と、を用いて算出する、ことを特徴
とする話者認識装置。 - 【請求項４】予め登録する複数人の正規化用話者の各登
録パターンとして、各正規化用話者の音声の短時間の音
響的特徴をあらわす特徴量の時系列パターンである第１
の正規化用話者登録パターンと、前記音響特徴量記憶部
に蓄えられた特徴量の中で、前記第１の正規化用話者登
録パターンの短時間の音響的特徴を表す特徴量に最も近
い特徴量をあらわす指標の時系列である第２の正規化用
話者登録パターンを記憶を記憶手段に記憶しておき、 前記パターン類似度を算出する手段が、前記入力パター
ンと前記正規化用話者との類似度を、前記音響類似度計
手段で計算された音響的類似度と、前記記憶手段に蓄え
られている各正規化用話者の第２の正規化用話者登録パ
ターンを用いて計算し、 前記正規化類似度を算出する手段が、前記パターン類似
度計算手段で計算された類似度を基に、１名以上の正規
化用話者を選択し、選択された正規化用話者の前記記憶
手段に記憶されている第１の正規化用話者登録パターン
と前記入力パターンとの類似度を計算し、正規化用類似
度を求める、ことを特徴とする話者認識装置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP10164721A JP3090122B2 (ja) | 1998-06-12 | 1998-06-12 | 話者照合装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP10164721A JP3090122B2 (ja) | 1998-06-12 | 1998-06-12 | 話者照合装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPH11352984A JPH11352984A (ja) | 1999-12-24 |
| JP3090122B2 true JP3090122B2 (ja) | 2000-09-18 |
Family
ID=15798639
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP10164721A Expired - Fee Related JP3090122B2 (ja) | 1998-06-12 | 1998-06-12 | 話者照合装置 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP3090122B2 (ja) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2006003452A (ja) * | 2004-06-15 | 2006-01-05 | Asahi Kasei Corp | 音声認証装置 |
| WO2014112375A1 (ja) * | 2013-01-17 | 2014-07-24 | 日本電気株式会社 | 話者識別装置、話者識別方法、および話者識別用プログラム |
-
1998
- 1998-06-12 JP JP10164721A patent/JP3090122B2/ja not_active Expired - Fee Related
Non-Patent Citations (4)
| Title |
|---|
| Ｐｒｏｃｅｅｄｉｎｇｓ ｏｆ Ｓｅｃｏｎｄ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ｓｐｏｋｅｎ Ｌａｎｇｕａｇｅ，ＩＣＳＬＰ’９２，Ａ．Ｅ．Ｒｏｓｅｎｂｅｒｇ ｅｔ ａｌ，"Ｔｈｅ Ｕｓｅ ｏｆ Ｃｏｈｏｒｔ Ｎｏｒｍａｌｉｚｅｄ Ｓｃｏｒｅｓ ｆｏｒ Ｓｐｅａｋｅｒ Ｖｅｒｉｆｉｃａｔｉｏｎ"，ｐ．５９９−６０２，Ｏｃｔｏｂｅｒ １９９２ |
| Ｐｒｏｃｅｅｄｉｎｇｓ ｏｆ Ｓｅｃｏｎｄ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ｓｐｏｋｅｎ Ｌａｎｇｕａｇｅ，ＩＣＳＬＰ’９２，Ｔ．Ｍａｔｓｕｉ ｅｔ ａｌ，"Ｓｐｅａｋｅｒ Ｒｅｃｏｇｎｉｔｉｏｎ Ｕｓｉｎｇ Ｃｏｎｃａｔｅｎａｔｅｄ Ｐｈｏｎｅｍｅ Ｍｏｄｅｌｓ"，ｐ．６０３−６０６，Ｏｃｔｏｂｅｒ １９９２ |
| 日本音響学会平成１０年度春季研究発表会講演論文集▲Ｉ▼，２−６−７，山田栄子外「話者照合における連続音節認識による登録パターン作成方法」ｐ．６７−６８（平成１０年３月１７日発行） |
| 日本音響学会昭和６１年度春季研究発表会講演論文集，１−１−２１，亘理誠夫外「抑制標準パターンを用いた話者照合」ｐ．４１−４２（昭和６１年３月発行） |
Also Published As
| Publication number | Publication date |
|---|---|
| JPH11352984A (ja) | 1999-12-24 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11455995B2 (en) | User recognition for speech processing systems | |
| US11270685B2 (en) | Speech based user recognition | |
| US7231019B2 (en) | Automatic identification of telephone callers based on voice characteristics | |
| US7957959B2 (en) | Method and apparatus for processing speech data with classification models | |
| US6029124A (en) | Sequential, nonparametric speech recognition and speaker identification | |
| US6571210B2 (en) | Confidence measure system using a near-miss pattern | |
| US6618702B1 (en) | Method of and device for phone-based speaker recognition | |
| Masuko et al. | Imposture using synthetic speech against speaker verification based on spectrum and pitch | |
| Sumithra et al. | A study on feature extraction techniques for text independent speaker identification | |
| Debnath et al. | Text-dependent speaker verification system: A review | |
| Jin et al. | Overview of front-end features for robust speaker recognition | |
| US20030036905A1 (en) | Information detection apparatus and method, and information search apparatus and method | |
| Wildermoth | Text-independent speaker recognition using source based features | |
| Pandey et al. | Multilingual speaker recognition using ANFIS | |
| Ilyas et al. | Speaker verification using vector quantization and hidden Markov model | |
| Hamidi et al. | Conception of speaker recognition methods: A review | |
| Ghanty et al. | On recognition of spoken Bengali numerals | |
| Ranjan et al. | Text-dependent multilingual speaker identification for indian languages using artificial neural network | |
| Kumar et al. | Multilingual speaker recognition using neural network | |
| JP3092788B2 (ja) | 話者認識用しきい値設定方法及びこの方法を用いた話者認識装置 | |
| JP3090122B2 (ja) | 話者照合装置 | |
| Gunawardana et al. | Word-based acoustic confidence measures for large-vocabulary speech recognition. | |
| Ertaş | Feature selection and classification techniques for speaker recognition | |
| JP3036509B2 (ja) | 話者照合における閾値決定方法及び装置 | |
| JP3113408B2 (ja) | 話者認識方法 |
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: 20000620 |
|
| LAPS | Cancellation because of no payment of annual fees |