JP3302266B2 - ヒドン・マルコフ・モデルの学習方法 - Google Patents
ヒドン・マルコフ・モデルの学習方法Info
- Publication number
- JP3302266B2 JP3302266B2 JP19314596A JP19314596A JP3302266B2 JP 3302266 B2 JP3302266 B2 JP 3302266B2 JP 19314596 A JP19314596 A JP 19314596A JP 19314596 A JP19314596 A JP 19314596A JP 3302266 B2 JP3302266 B2 JP 3302266B2
- Authority
- JP
- Japan
- Prior art keywords
- state
- hmm
- states
- learning
- representative
- 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
- 238000000034 method Methods 0.000 claims description 53
- 230000005283 ground state Effects 0.000 description 13
- 230000008569 process Effects 0.000 description 10
- 230000014509 gene expression Effects 0.000 description 8
- 230000007704 transition Effects 0.000 description 8
- 230000008859 change Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 238000009826 distribution Methods 0.000 description 5
- MQJKPEGWNLWLTK-UHFFFAOYSA-N Dapsone Chemical compound C1=CC(N)=CC=C1S(=O)(=O)C1=CC=C(N)C=C1 MQJKPEGWNLWLTK-UHFFFAOYSA-N 0.000 description 4
- 238000007781 pre-processing Methods 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000005236 sound signal Effects 0.000 description 3
- 238000001228 spectrum Methods 0.000 description 3
- 230000001174 ascending effect Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- UOCLXMDMGBRAIB-UHFFFAOYSA-N 1,1,1-trichloroethane Chemical compound CC(Cl)(Cl)Cl UOCLXMDMGBRAIB-UHFFFAOYSA-N 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 230000002542 deteriorative effect Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000009966 trimming Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/08—Speech classification or search
- G10L15/14—Speech classification or search using statistical models, e.g. Hidden Markov Models [HMMs]
- G10L15/142—Hidden Markov Models [HMMs]
- G10L15/144—Training of HMMs
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Probability & Statistics with Applications (AREA)
- Computational Linguistics (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Human Computer Interaction (AREA)
- Acoustics & Sound (AREA)
- Multimedia (AREA)
- Image Analysis (AREA)
Description
【０００１】
【発明の属する技術分野】本発明は、音声認識システム
に適用されるヒドン・マルコフ・モデルの学習方法に関
する。
に適用されるヒドン・マルコフ・モデルの学習方法に関
する。
【０００２】
【従来の技術】音声認識技術として、古典的なパターン
・マッチング手法から、近年では統計的な手法に変わ
り、後者は主流になりつつある。後者の統計的な手法で
は、確率的な有限状態を持つマルコフ・モデルが提案さ
れており、通常、ヒドン・マルコフ・モデル（ＨＭＭ：
hidden Markov model）と呼ぶ。
・マッチング手法から、近年では統計的な手法に変わ
り、後者は主流になりつつある。後者の統計的な手法で
は、確率的な有限状態を持つマルコフ・モデルが提案さ
れており、通常、ヒドン・マルコフ・モデル（ＨＭＭ：
hidden Markov model）と呼ぶ。
【０００３】従来、このような分野の技術としては、例
えば以下のような文献に記載されるものがある。
えば以下のような文献に記載されるものがある。
【０００４】文献１：ザ・ベル・システム・テクニカル
・ジャーナル（The Bell System Technical Journal）
６２「４」（１９８３．４）Americam Telephone and T
elegraph Company，（米）、エス・イー・レビンソン
（S.E.Levinson）、エル・アール・ラビナー（L.R.Rabi
ner）とエム・エム・ソンディ（M.M.Sondhi）著「An In
troduction to the Application of the Theory of Pro
babilistic Functions of a Markov Process to Automa
tic Speech Recognition.ｐ１０５３−１０７４。
・ジャーナル（The Bell System Technical Journal）
６２「４」（１９８３．４）Americam Telephone and T
elegraph Company，（米）、エス・イー・レビンソン
（S.E.Levinson）、エル・アール・ラビナー（L.R.Rabi
ner）とエム・エム・ソンディ（M.M.Sondhi）著「An In
troduction to the Application of the Theory of Pro
babilistic Functions of a Markov Process to Automa
tic Speech Recognition.ｐ１０５３−１０７４。
【０００５】文献２：中川聖一著「確率モデルによる音
声認識」（昭６３．７）、電子情報通信学会、ｐ５５−
６１。
声認識」（昭６３．７）、電子情報通信学会、ｐ５５−
６１。
【０００６】文献３：小森康弘、他４名「Top-Down Clu
steringに基づく効率的なShared-State Triphone HMM」
（平７−６）、電子通信学会技術研究報告、ＳＰ９５−
２１、ｐ23−３０。
steringに基づく効率的なShared-State Triphone HMM」
（平７−６）、電子通信学会技術研究報告、ＳＰ９５−
２１、ｐ23−３０。
【０００７】文献４：易傑「ヒドン・マルコフ・モデル
の学習方法」特願平７−３４０６２４号。
の学習方法」特願平７−３４０６２４号。
【０００８】一般に、ＨＭＭは、複数の状態（例えば、
音声の特徴等）と状態間の遷移からなる。さらに、ＨＭ
Ｍは状態間の遷移を表す遷移確率と、遷移する際に伴う
特徴ベクトルを出力する出力確率分布（通常はガウス分
布を用いる）を有している。このようなＨＭＭを用いた
音声認識方法が前記文献１に記載されており、その単語
音声認識の例を図３に示す。
音声の特徴等）と状態間の遷移からなる。さらに、ＨＭ
Ｍは状態間の遷移を表す遷移確率と、遷移する際に伴う
特徴ベクトルを出力する出力確率分布（通常はガウス分
布を用いる）を有している。このようなＨＭＭを用いた
音声認識方法が前記文献１に記載されており、その単語
音声認識の例を図３に示す。
【０００９】図３は、音声認識方法に用いられる単語Ｈ
ＭＭの構造を示す状態遷移図である。
ＭＭの構造を示す状態遷移図である。
【００１０】図３中のｓ1，ｓ2，ｓ3，ｓ4はＨＭＭにお
ける音声の特徴等の状態を表し、ａ11，ａ12，ａ22，ａ
23，ａ33，ａ34，ａ44，ａ45は状態遷移確率、（ｕ1，
σ1）、（ｕ2，σ2）、（ｕ3，σ3）、（ｕ4，σ4）は
出力確率分布を表す。
ける音声の特徴等の状態を表し、ａ11，ａ12，ａ22，ａ
23，ａ33，ａ34，ａ44，ａ45は状態遷移確率、（ｕ1，
σ1）、（ｕ2，σ2）、（ｕ3，σ3）、（ｕ4，σ4）は
出力確率分布を表す。
【００１１】ＨＭＭでは、状態遷移確率ａij（ｉ＝１，
…，４、ｊ＝１，…，５）で状態遷移が行なわれる際、
出力確率分布（ｕｋ、σｋ）でべクトルを出力する。発
声された単語をＨＭＭを用いて認識するには、まず、各
単語に対して用意された学習データを用いて、その単語
のベクトル列を最も高い確率で出力するようにＨＭＭを
学習する。次に、発声された未知単語のべクトル列を入
力し、最も高い出力確率を与えた単語ＨＭＭを認識結果
とする。
…，４、ｊ＝１，…，５）で状態遷移が行なわれる際、
出力確率分布（ｕｋ、σｋ）でべクトルを出力する。発
声された単語をＨＭＭを用いて認識するには、まず、各
単語に対して用意された学習データを用いて、その単語
のベクトル列を最も高い確率で出力するようにＨＭＭを
学習する。次に、発声された未知単語のべクトル列を入
力し、最も高い出力確率を与えた単語ＨＭＭを認識結果
とする。
【００１２】この種の音声認識方法では、発声された単
語そのものにＨＭＭを与えて学習し、尤度（すなわち、
べクトル列の出力確率）によって認識結果を判断するも
のである。このような単語ＨＭＭは、優れた認識精度を
保証するが、認識語彙数が増大することによって膨大な
学習データが必要となることや、学習対象語以外の音声
が全く認識できないことなどの欠点がある。
語そのものにＨＭＭを与えて学習し、尤度（すなわち、
べクトル列の出力確率）によって認識結果を判断するも
のである。このような単語ＨＭＭは、優れた認識精度を
保証するが、認識語彙数が増大することによって膨大な
学習データが必要となることや、学習対象語以外の音声
が全く認識できないことなどの欠点がある。
【００１３】一方、音声学では通常、音素と呼ばれる声
学的要素の系列で単語を表している。したがって、音素
ごとにＨＭＭを用意し、これらのＨＭＭを連結して単語
ＨＭＭを生成し、単語認識を行う方法もある。しかし、
実際に発声された単語音声においては、各々の音素は隣
同士の音素の影響を受け、特徴パラメータ（例えば、ス
ペクトル）がかなり変形してしまう。このような調音結
合によるスペクトルの変形は、音素ＨＭＭで表現しきれ
ないことがある。そのため、このような単純に音素ＨＭ
Ｍを連結して単語を認識する方法では、認諏率の低下が
免れない。
学的要素の系列で単語を表している。したがって、音素
ごとにＨＭＭを用意し、これらのＨＭＭを連結して単語
ＨＭＭを生成し、単語認識を行う方法もある。しかし、
実際に発声された単語音声においては、各々の音素は隣
同士の音素の影響を受け、特徴パラメータ（例えば、ス
ペクトル）がかなり変形してしまう。このような調音結
合によるスペクトルの変形は、音素ＨＭＭで表現しきれ
ないことがある。そのため、このような単純に音素ＨＭ
Ｍを連結して単語を認識する方法では、認諏率の低下が
免れない。
【００１４】そこで、調音結合による影響を除去するた
め、前後の音韻環境に依存する音素モデル、すなわちダ
イフォン（diphone）とトライフォン（triphone）が提
案されている。ここで言うダイフォンとは、対象音素に
対して、先行音素もしくは後続音素のどれかが既知であ
る音素を指し、トライフォンは先行音素と後続音素両方
とも既知である音素を指す。音声認識を行う際、ダイフ
ォンあるいはトライフォンＨＭＭを用意し、これらのＨ
ＭＭの連接によって単語ＨＭＭを構成し、単語認識を行
うようにしている。
め、前後の音韻環境に依存する音素モデル、すなわちダ
イフォン（diphone）とトライフォン（triphone）が提
案されている。ここで言うダイフォンとは、対象音素に
対して、先行音素もしくは後続音素のどれかが既知であ
る音素を指し、トライフォンは先行音素と後続音素両方
とも既知である音素を指す。音声認識を行う際、ダイフ
ォンあるいはトライフォンＨＭＭを用意し、これらのＨ
ＭＭの連接によって単語ＨＭＭを構成し、単語認識を行
うようにしている。
【００１５】音韻環境依存型音素ＨＭＭは、音韻環境独
立型音素ＨＭＭに比べ、調音結合によるスペクトル変形
に伴う認識率の低下が回避できるが、モデル数が多いた
め、ＨＭＭを学習するには大量な学習データを用意しな
ければならなかった。そこで、ＨＭＭを精度よく学習す
るため、トライフォンＨＭＭの状態を共有化する方法が
提案されている（上記文献３参照）。この方法は、トラ
イフォンＨＭＭの状態をクラスタリング（clustering）
して代表状態（代表点）を選び、同一クラスタに属する
状態はすべて代表状態で表し、これにより、状態の共有
を行なう。しかし、従来の状態共有法には以下のような
問題があった。
立型音素ＨＭＭに比べ、調音結合によるスペクトル変形
に伴う認識率の低下が回避できるが、モデル数が多いた
め、ＨＭＭを学習するには大量な学習データを用意しな
ければならなかった。そこで、ＨＭＭを精度よく学習す
るため、トライフォンＨＭＭの状態を共有化する方法が
提案されている（上記文献３参照）。この方法は、トラ
イフォンＨＭＭの状態をクラスタリング（clustering）
して代表状態（代表点）を選び、同一クラスタに属する
状態はすべて代表状態で表し、これにより、状態の共有
を行なう。しかし、従来の状態共有法には以下のような
問題があった。
【００１６】図４は上記文献３における状態共有の概念
図であり、クラスタＡとＢ、それぞれの代表状態ＳAと
ＳB、それぞれのクラスタに属する状態ＳA1とＳB1及び
共有関係を示している。ＳA1はクラスタＡに属するた
め、ＳAと共有関係を持つが、クラスタＢの代表状態ＳB
とも近いため、単純にＳAにのみ共有化させると、ＨＭ
Ｍの精度が低下するおそれがある。
図であり、クラスタＡとＢ、それぞれの代表状態ＳAと
ＳB、それぞれのクラスタに属する状態ＳA1とＳB1及び
共有関係を示している。ＳA1はクラスタＡに属するた
め、ＳAと共有関係を持つが、クラスタＢの代表状態ＳB
とも近いため、単純にＳAにのみ共有化させると、ＨＭ
Ｍの精度が低下するおそれがある。
【００１７】これに対して本出願人は、先に状態の多元
共有を提案し（文献４：特願平７−３４０６２４号）、
以下のように状態共有関係を設計した。すなわち、１つ
の状態は複数の代表状態と共有関係を持たせ、具体的に
は、注目状態と各代表状態との距離を計算し、注目状態
に最も近い数個の代表状態（例えば、上位４個の代表状
態）の線形組み合わせで注目状態を表現する。この方法
の概念を図５に示す。
共有を提案し（文献４：特願平７−３４０６２４号）、
以下のように状態共有関係を設計した。すなわち、１つ
の状態は複数の代表状態と共有関係を持たせ、具体的に
は、注目状態と各代表状態との距離を計算し、注目状態
に最も近い数個の代表状態（例えば、上位４個の代表状
態）の線形組み合わせで注目状態を表現する。この方法
の概念を図５に示す。
【００１８】
【発明が解決しようとする課題】しかしながら、上述の
ような図４に示す状態共有法では、以下のような問題点
があった。
ような図４に示す状態共有法では、以下のような問題点
があった。
【００１９】すなわち、図５に示す多元共有は、単一共
有より精密に状態を表現し、より高い認識性能が得られ
ることを実験で証明したが、新たな解決課題も現れた。
すなわち、代表状態に距離が極めて近い一部の状態に対
して、多元共有を施すと、かえって共有精度を下げてし
まい、逆効果になってしまう。
有より精密に状態を表現し、より高い認識性能が得られ
ることを実験で証明したが、新たな解決課題も現れた。
すなわち、代表状態に距離が極めて近い一部の状態に対
して、多元共有を施すと、かえって共有精度を下げてし
まい、逆効果になってしまう。
【００２０】また、個々のＨＭＭ（例えばトライフォン
ＨＭＭ）に対して学習データのばらつきがあり、一部の
ＨＭＭに対しては学習データ量が充分にあるが、残りの
ＨＭＭに対して充分でない現象がある。上述したように
すべてのＨＭＭに対して状態共有を行うので、すでに充
分に学習されたＨＭＭの精度が低下するおそれがある。
ＨＭＭ）に対して学習データのばらつきがあり、一部の
ＨＭＭに対しては学習データ量が充分にあるが、残りの
ＨＭＭに対して充分でない現象がある。上述したように
すべてのＨＭＭに対して状態共有を行うので、すでに充
分に学習されたＨＭＭの精度が低下するおそれがある。
【００２１】本発明は、多元共有によるＨＭＭの精度低
下を防ぐことができるヒドン・マルコフ・モデルの学習
方法を提供することを目的とする。
下を防ぐことができるヒドン・マルコフ・モデルの学習
方法を提供することを目的とする。
【００２２】
【課題を解決するための手段】本発明に係るヒドン・マ
ルコフ・モデルの学習方法は、(a) 学習データを用いてヒドン・マルコフ・モデル
（ＨＭＭ）を学習するステップ（ＳＴ２、ＳＴ３、ＳＴ
４）と、 (b) 前記学習により得られたＨＭＭを状態に分解し、
該状態をクラスタリングして複数の基底代表状態を決定
するステップ（ＳＴ５）と、 (c) ＨＭＭの各状態に対し、前記複数の基底代表状態
の中から、複数個の代表状態を選定して選定された代表
状態の線形組み合わせで各状態を表現するステップ（Ｓ
Ｔ１１）と を含み、前記ステップ(c)において選定され
る代表状態の数が各状態毎に別個に定められることを特
徴とする 。
ルコフ・モデルの学習方法は、(a) 学習データを用いてヒドン・マルコフ・モデル
（ＨＭＭ）を学習するステップ（ＳＴ２、ＳＴ３、ＳＴ
４）と、 (b) 前記学習により得られたＨＭＭを状態に分解し、
該状態をクラスタリングして複数の基底代表状態を決定
するステップ（ＳＴ５）と、 (c) ＨＭＭの各状態に対し、前記複数の基底代表状態
の中から、複数個の代表状態を選定して選定された代表
状態の線形組み合わせで各状態を表現するステップ（Ｓ
Ｔ１１）と を含み、前記ステップ(c)において選定され
る代表状態の数が各状態毎に別個に定められることを特
徴とする 。
【００２３】前記ステップ(c)において、前記各状態か
らの距離が比較的小さい代表状態を選定することとして
も良い。
らの距離が比較的小さい代表状態を選定することとして
も良い。
【００２４】前記ステップ(c)が、 (c1) 前記各状態からの距離が小さいものから順に所定
数（Ｍ）の代表状態を選択することと、 (c2) 下記の式（８）
数（Ｍ）の代表状態を選択することと、 (c2) 下記の式（８）
【数３】
である。また１＜ｋ＜Ｍであり、さらに、ｄｉｊは各状
態と選択された各代表状態との距離である。））によ
り、値Ｆｉｋを算出することと、 (c3) 求められた値Ｆｉｋが所定の閾値よりも大きいと
きに下記の式（９）
態と選択された各代表状態との距離である。））によ
り、値Ｆｉｋを算出することと、 (c3) 求められた値Ｆｉｋが所定の閾値よりも大きいと
きに下記の式（９）
【数４】
で各状態を表現するステップと
を含むものであっても良
い。
い。
【００２５】(d) 前記選定された代表状態の線形組み
合わせで表現された状態を用いてＨＭＭを再構成し、再
構成されたＨＭＭを、学習データを用いて再学習するス
テップ（ＳＴ７）をさらに含んでも良い。
合わせで表現された状態を用いてＨＭＭを再構成し、再
構成されたＨＭＭを、学習データを用いて再学習するス
テップ（ＳＴ７）をさらに含んでも良い。
【００２６】前記ステップ(b)、(c)及び(d)を繰り返す
こととしても良い。また、前記ＨＭＭは、トライフォン
ＨＭＭ、ダイフォンＨＭＭ若しくは音素ＨＭＭであって
も良い。
こととしても良い。また、前記ＨＭＭは、トライフォン
ＨＭＭ、ダイフォンＨＭＭ若しくは音素ＨＭＭであって
も良い。
【００２７】
【発明の実施の形態】本発明に係るヒドン・マルコフ・
モデルの学習方法は、トライフォンＨＭＭの学習方法に
適用することができる。
モデルの学習方法は、トライフォンＨＭＭの学習方法に
適用することができる。
【００２８】図１は本発明の第１の実施形態に係るヒド
ン・マルコフ・モデルの学習方法の処理を示すフローチ
ャートである。図１中、ＳＴはフローの各ステップを示
す。
ン・マルコフ・モデルの学習方法の処理を示すフローチ
ャートである。図１中、ＳＴはフローの各ステップを示
す。
【００２９】図１において、学習が開始されると（ステ
ップＳＴ１）、学習データの音声信号（ここでは、単語
音声が入力されたこととする。）が入力され（ステップ
ＳＴ２）、前処理を行う（ステップＳＴ３）。この前処
理では、例えば入力されたアナログ音声信号をＡ／Ｄ変
換によってディジタル信号に変換し、ＬＰＣ（LinearPr
edictive Coding：線形予測符号化）分析によるＬＰＣ
ケプストラムの抽出等により、音声特徴パラメータを抽
出する。
ップＳＴ１）、学習データの音声信号（ここでは、単語
音声が入力されたこととする。）が入力され（ステップ
ＳＴ２）、前処理を行う（ステップＳＴ３）。この前処
理では、例えば入力されたアナログ音声信号をＡ／Ｄ変
換によってディジタル信号に変換し、ＬＰＣ（LinearPr
edictive Coding：線形予測符号化）分析によるＬＰＣ
ケプストラムの抽出等により、音声特徴パラメータを抽
出する。
【００３０】次いで、ステップＳＴ４で入力された学習
データ音声を使用してトライフォンＨＭＭパラメータを
推定する。その推定には、例えば前記文献２に記載され
たBaum-Welch（Ｂ−Ｗ）アルゴリズムを用いる。
データ音声を使用してトライフォンＨＭＭパラメータを
推定する。その推定には、例えば前記文献２に記載され
たBaum-Welch（Ｂ−Ｗ）アルゴリズムを用いる。
【００３１】すなわち、観測ラベル系列Ｏ＝ｏ1，ｏ2，
…，ｏT及び状態系列Ｉ＝ｉ1，ｉ2，…，ｉTに対して、
式（１），式（２）のように前向き変数αｔ（ｉ）と後
向き変数βｔ（ｉ）を定義する。
…，ｏT及び状態系列Ｉ＝ｉ1，ｉ2，…，ｉTに対して、
式（１），式（２）のように前向き変数αｔ（ｉ）と後
向き変数βｔ（ｉ）を定義する。
【００３２】 αｔ（ｉ）＝Ｐｒ（ｏ1，ｏ2，…，ｏt，ｉt＝ｓi） ．．．（１） βｔ（ｉ）＝Ｐｒ（ｏt+1，ｏt+2，…，ｏT｜ｉt＝ｓi） ．．．（２） そして、状態遷移確率ａijとラベル出力確率ｂj（ｋ）
を数５及び数６に示す式（３）式（４）のように推定す
る。
を数５及び数６に示す式（３）式（４）のように推定す
る。
【００３３】
【数５】
【００３４】
【数６】
【００３５】トライフォンＨＭＭを学習し終えると、ス
テップＳＴ５でＨＭＭを状態に分解し、状態をクラスタ
リングして状態の代表点セット（以下、基底状態セット
と呼ぶ。）を求める。
テップＳＴ５でＨＭＭを状態に分解し、状態をクラスタ
リングして状態の代表点セット（以下、基底状態セット
と呼ぶ。）を求める。
【００３６】状態クラスタリングには、例えば任意の２
つの状態の平均べクトルｕiとｕj間のユークリッド距離
を用いて、k-means法で状態をクラスタリングができ、
または、状態間のBhattacharyya距離を用いてk-means法
で状態をクラスタリングもできる。Bhattacharyya距離
は数７に示す式（５）のように定義される。
つの状態の平均べクトルｕiとｕj間のユークリッド距離
を用いて、k-means法で状態をクラスタリングができ、
または、状態間のBhattacharyya距離を用いてk-means法
で状態をクラスタリングもできる。Bhattacharyya距離
は数７に示す式（５）のように定義される。
【００３７】
【数７】
【００３８】さらに、ステップＳＴ６で上記基底状態セ
ットを用いて状態の共有関係を決める。
ットを用いて状態の共有関係を決める。
【００３９】ここでは、例えば基底状態セットに含まれ
る状態の数がＮとする。任意の状態Ｓiに対して、基底
状態セットの各状態Ｃj（ｊ＝１，２，…，Ｎ）との距
離ｄij（ｊ＝１，２，…，Ｎ）を計算する。距離の小さ
い順から上位Ｍ個を選択する。そして、状態Ｓiと基底
状態セットとの共有関係は数８に示す式（６）のように
決める。
る状態の数がＮとする。任意の状態Ｓiに対して、基底
状態セットの各状態Ｃj（ｊ＝１，２，…，Ｎ）との距
離ｄij（ｊ＝１，２，…，Ｎ）を計算する。距離の小さ
い順から上位Ｍ個を選択する。そして、状態Ｓiと基底
状態セットとの共有関係は数８に示す式（６）のように
決める。
【００４０】
【数８】
【００４１】ここで、Ｄi＝Σｄijである。
【００４２】上記のようにすべての状態に対して共有処
理をし、ＨＭＭを再構成する。
理をし、ＨＭＭを再構成する。
【００４３】ステップＳＴ７では、再構成されたＨＭＭ
を、上記ステップＳＴ３で得られた学習音声データを用
いて再学習する。このステップＳＴ７の再学習でＨＭＭ
のパラメータが再推定され、学習データが充分にあるト
ライフォンＨＭＭの共有歪みによる精度低下を防ぐ。
を、上記ステップＳＴ３で得られた学習音声データを用
いて再学習する。このステップＳＴ７の再学習でＨＭＭ
のパラメータが再推定され、学習データが充分にあるト
ライフォンＨＭＭの共有歪みによる精度低下を防ぐ。
【００４４】ステップＳＴ８で尤度の変化値が予め決め
られた閾値よりも小さいか否かを判定し、尤度の変化値
が閾値以下になっていなければ判別条件に達していない
と判断して上記ステップＳＴ５に戻り、ステップＳＴ５
〜ＳＴ８を実行する。
られた閾値よりも小さいか否かを判定し、尤度の変化値
が閾値以下になっていなければ判別条件に達していない
と判断して上記ステップＳＴ５に戻り、ステップＳＴ５
〜ＳＴ８を実行する。
【００４５】再学習して得たＨＭＭに対して共有処理を
繰り返し施し、学習データ量が少ないトライフォンＨＭ
Ｍ精度よく学習することを図る。ステップＳＴ８におい
て、尤度の変化値が閾値以下になったときは判別条件に
達したと判断して本フローを終え学習を終了する（ステ
ップＳＴ９）。
繰り返し施し、学習データ量が少ないトライフォンＨＭ
Ｍ精度よく学習することを図る。ステップＳＴ８におい
て、尤度の変化値が閾値以下になったときは判別条件に
達したと判断して本フローを終え学習を終了する（ステ
ップＳＴ９）。
【００４６】以上説明したように、第１の実施形態に係
るヒドン・マルコフ・モデルの学習方法は、状態共有を
行いながらトライフォンＨＭＭを学習する際、状態共有
とＨＭＭパラメータ再推定を交替で行うことによって、
学習データ量の少ないトライフォンＨＭＭにとっては状
態共有の利点をそのまま活かし、学習データ量が充分に
あるトライフォンＨＭＭにとってはパラメータの再推定
効果があるため、ＨＭＭの精度低下を防ぐことができ
る。
るヒドン・マルコフ・モデルの学習方法は、状態共有を
行いながらトライフォンＨＭＭを学習する際、状態共有
とＨＭＭパラメータ再推定を交替で行うことによって、
学習データ量の少ないトライフォンＨＭＭにとっては状
態共有の利点をそのまま活かし、学習データ量が充分に
あるトライフォンＨＭＭにとってはパラメータの再推定
効果があるため、ＨＭＭの精度低下を防ぐことができ
る。
【００４７】すなわち、本実施形態によれば、トライフ
ォンＨＭＭの状態共有とパラメータ再推定を交替に行う
ことによって、状態共有の利点をそのまま保持しなが
ら、すべてのトライフォンを高精度に学習することがで
きる。この方法を用いた音声認識実験では、認識誤り率
を半減することに成功した。
ォンＨＭＭの状態共有とパラメータ再推定を交替に行う
ことによって、状態共有の利点をそのまま保持しなが
ら、すべてのトライフォンを高精度に学習することがで
きる。この方法を用いた音声認識実験では、認識誤り率
を半減することに成功した。
【００４８】図２は本発明の第２の実施形態に係るヒド
ン・マルコフ・モデルの学習方法の処理を示すフローチ
ャートである。本実施形態に係るヒドン・マルコフ・モ
デルの学習方法の説明にあたり図１に示すヒドン・マル
コフ・モデルの学習方法の処理フローのステップと同一
ステップには同一符号を付している。
ン・マルコフ・モデルの学習方法の処理を示すフローチ
ャートである。本実施形態に係るヒドン・マルコフ・モ
デルの学習方法の説明にあたり図１に示すヒドン・マル
コフ・モデルの学習方法の処理フローのステップと同一
ステップには同一符号を付している。
【００４９】図２において、ステップＳＴ１で学習が開
始されると、学習データの音声信号が入力され（ステッ
プＳＴ２）、前処理を行う（ステップＳＴ３）。この前
処理では、例えば入力されたアナログ音声信号をＡ／Ｄ
変換によってディジタル信号に変換し、ＬＰＣ分析によ
るＬＰＣケプストラムの抽出等により、音声特徴パラメ
ータを抽出する。
始されると、学習データの音声信号が入力され（ステッ
プＳＴ２）、前処理を行う（ステップＳＴ３）。この前
処理では、例えば入力されたアナログ音声信号をＡ／Ｄ
変換によってディジタル信号に変換し、ＬＰＣ分析によ
るＬＰＣケプストラムの抽出等により、音声特徴パラメ
ータを抽出する。
【００５０】次いで、ステップＳＴ４で入力された学習
データ音声を使用してトライフォンＨＭＭパラメータを
推定する。その推定には、例えばBaum-Welch（Ｂ−Ｗ）
アルゴリズムを用いる。
データ音声を使用してトライフォンＨＭＭパラメータを
推定する。その推定には、例えばBaum-Welch（Ｂ−Ｗ）
アルゴリズムを用いる。
【００５１】トライフォンＨＭＭを学習し終えると、ス
テップＳＴ５でＨＭＭを状態に分解し、状態をクラスタ
リングして状態の代表点セット（基底状態セット）を求
める。
テップＳＴ５でＨＭＭを状態に分解し、状態をクラスタ
リングして状態の代表点セット（基底状態セット）を求
める。
【００５２】状態クラスタリングには、例えば任意の２
つの状態の平均べクトルｕiとｕj間のユークリッド距離
を用いて、k-means法で状態をクラスタリングができ、
または、状態間のBhattacharyya距離を用いてk-means法
で状態をクラスタリングもできる。
つの状態の平均べクトルｕiとｕj間のユークリッド距離
を用いて、k-means法で状態をクラスタリングができ、
または、状態間のBhattacharyya距離を用いてk-means法
で状態をクラスタリングもできる。
【００５３】さらに、ステップＳＴ１１で上記基底状態
セットを用いて状態の共有関係を決める。
セットを用いて状態の共有関係を決める。
【００５４】ここでは、例えば基底状態セットに含まれ
る状態の数がＮとする。任意の状態Ｓiに対して、基底
状態セットの各状態Ｓj（ｊ＝１，２，…，Ｎ）との距
離ｄij（ｊ＝１，２，…，Ｎ）を計算する。距離の小さ
い順から上位Ｍ個を選択する。そして、式（７）を計算
する。具体的には、ｋを１からＭまでの範囲の整数と
し、まずｋ＝１から始めて、数９に示す式（８）のＦik
を算出する。
る状態の数がＮとする。任意の状態Ｓiに対して、基底
状態セットの各状態Ｓj（ｊ＝１，２，…，Ｎ）との距
離ｄij（ｊ＝１，２，…，Ｎ）を計算する。距離の小さ
い順から上位Ｍ個を選択する。そして、式（７）を計算
する。具体的には、ｋを１からＭまでの範囲の整数と
し、まずｋ＝１から始めて、数９に示す式（８）のＦik
を算出する。
【００５５】
【数９】
である。また１＜ｋ＜Ｍである。））
【００５６】予め決められた閾値ε（０＜ε＜１）に対
して、Ｆikとεとを比較する。
して、Ｆikとεとを比較する。
【００５７】もし、Ｆik＞εならば、状態Ｓiと基底状
態セットとの共有関係は数１０に示す式（９）のように
決める。そうでない場合は、ｋがＭを超えない限り、ｋ
を１増加させてから、式（８）のＦｉｋを再び計算し、
上記段落００５６で述べたＦｉｋとεとの比較以降の処
理を繰り返す。ｋがＭに達したら、状態Ｓｉと基底状態
セットとの共有関係は、ｋ＝Ｍとしたときの、数１０に
示す式（９）のように決めれば良い。
態セットとの共有関係は数１０に示す式（９）のように
決める。そうでない場合は、ｋがＭを超えない限り、ｋ
を１増加させてから、式（８）のＦｉｋを再び計算し、
上記段落００５６で述べたＦｉｋとεとの比較以降の処
理を繰り返す。ｋがＭに達したら、状態Ｓｉと基底状態
セットとの共有関係は、ｋ＝Ｍとしたときの、数１０に
示す式（９）のように決めれば良い。
【００５８】
【数１０】
【００５９】上記のようにすべての状態に対して共有処
理をし、ＨＭＭを再構成する。
理をし、ＨＭＭを再構成する。
【００６０】ステップＳＴ７では、再構成されたＨＭＭ
を、上記ステップＳＴ３で得られた学習音声データを用
いて再学習する。このステップＳＴ７の再学習でＨＭＭ
のパラメータが再推定され、学習データが充分にあるト
ライフォンＨＭＭの共有歪みによる精度低下を防ぐ。
を、上記ステップＳＴ３で得られた学習音声データを用
いて再学習する。このステップＳＴ７の再学習でＨＭＭ
のパラメータが再推定され、学習データが充分にあるト
ライフォンＨＭＭの共有歪みによる精度低下を防ぐ。
【００６１】ステップＳＴ８で尤度の変化値が予め決め
られた閾値よりも小さいか否かを判定し、尤度の変化値
が閾値以下になっていなければ判別条件に達していない
と判断して上記ステップＳＴ５に戻り、ステップＳＴ５
〜ＳＴ８を実行する。
られた閾値よりも小さいか否かを判定し、尤度の変化値
が閾値以下になっていなければ判別条件に達していない
と判断して上記ステップＳＴ５に戻り、ステップＳＴ５
〜ＳＴ８を実行する。
【００６２】再学習して得たＨＭＭに対して共有処理を
繰り返し施し、学習データ量が少ないトライフォンＨＭ
Ｍ精度よく学習することを図る。ステップＳＴ８におい
て、尤度の変化値が閾値以下になったときは判別条件に
達したと判断して本フローを終え学習を終了する（ステ
ップＳＴ９）。
繰り返し施し、学習データ量が少ないトライフォンＨＭ
Ｍ精度よく学習することを図る。ステップＳＴ８におい
て、尤度の変化値が閾値以下になったときは判別条件に
達したと判断して本フローを終え学習を終了する（ステ
ップＳＴ９）。
【００６３】以上説明したように、第２の実施形態に係
るヒドン・マルコフ・モデルの学習方法は、状態共有を
行う際に、注目状態を表現するための代表状態の数を可
変にしている。すなわち、注目状態と代表状態との距離
を利用し、距離の短い代表状態のみを共有に使うことに
よって、注目状態に比較的遠い代表状態を排除すること
ができ、ＨＭＭの精度低下を防ぐことができる。
るヒドン・マルコフ・モデルの学習方法は、状態共有を
行う際に、注目状態を表現するための代表状態の数を可
変にしている。すなわち、注目状態と代表状態との距離
を利用し、距離の短い代表状態のみを共有に使うことに
よって、注目状態に比較的遠い代表状態を排除すること
ができ、ＨＭＭの精度低下を防ぐことができる。
【００６４】したがって、異なる数の代表状態を用いて
各々の状態を表現し、注目状態の最も近い代表状態セッ
トを用いて共有することができるので、トライフォンＨ
ＭＭを高精度に学習することができる。
各々の状態を表現し、注目状態の最も近い代表状態セッ
トを用いて共有することができるので、トライフォンＨ
ＭＭを高精度に学習することができる。
【００６５】なお、上記各実施形態に係るヒドン・マル
コフ・モデルの学習方法では、トライフォンＨＭＭを例
として説明したが、ダイフォンＨＭＭや音素ＨＭＭに対
しても、同様な共有操作ができる。
コフ・モデルの学習方法では、トライフォンＨＭＭを例
として説明したが、ダイフォンＨＭＭや音素ＨＭＭに対
しても、同様な共有操作ができる。
【００６６】
【発明の効果】本発明に係るヒドン・マルコフ・モデル
の学習方法では、各状態に対し、複数個の代表状態を選
定して選定された代表状態の線形組み合わせで各状態を
表現するに当たり、選定される代表状態の数を、各状態
毎に異なる値に定め得ることとしたので、例えば距離の
比較的小さい代表状態のみを用いて各状態を表現するこ
とにより、ＨＭＭの精度低下を防ぐことができ、高精度
に学習を行うことができる。
の学習方法では、各状態に対し、複数個の代表状態を選
定して選定された代表状態の線形組み合わせで各状態を
表現するに当たり、選定される代表状態の数を、各状態
毎に異なる値に定め得ることとしたので、例えば距離の
比較的小さい代表状態のみを用いて各状態を表現するこ
とにより、ＨＭＭの精度低下を防ぐことができ、高精度
に学習を行うことができる。
【００６７】また、学習により得られたＨＭＭを状態に
分解し、該状態をクラスタリングして複数の代表状態を
選ぶステップと、各状態に対し、複数個の代表状態を選
定し て選定された代表状態の線形組み合わせで各状態を
表現するステップと、前記選定された代表状態の線形組
み合わせで表現された各状態を用いてＨＭＭを再構成
し、再構成されたヒドン・マルコフ・モデルを、学習デ
ータを用いて再学習するステップを繰り返すことによ
り、すべてのＨＭＭを高精度に学習することができる。
分解し、該状態をクラスタリングして複数の代表状態を
選ぶステップと、各状態に対し、複数個の代表状態を選
定し て選定された代表状態の線形組み合わせで各状態を
表現するステップと、前記選定された代表状態の線形組
み合わせで表現された各状態を用いてＨＭＭを再構成
し、再構成されたヒドン・マルコフ・モデルを、学習デ
ータを用いて再学習するステップを繰り返すことによ
り、すべてのＨＭＭを高精度に学習することができる。
【図１】 本発明を適用した第１の実施形態に係るヒド
ン・マルコフ・モデルの学習方法の処理を示すフローチ
ャートである。
ン・マルコフ・モデルの学習方法の処理を示すフローチ
ャートである。
【図２】 本発明を適用した第２の実施形態に係るヒド
ン・マルコフ・モデルの学習方法の処理を示すフローチ
ャートである。
ン・マルコフ・モデルの学習方法の処理を示すフローチ
ャートである。
【図３】 音声認識方法に用いられる単語ヒドン・マル
コフ・モデルの構造を示す図である。
コフ・モデルの構造を示す図である。
【図４】 ヒドン・マルコフ・モデルの学習方法におけ
る状態共有の概念図である。
る状態共有の概念図である。
【図５】 ヒドン・マルコフ・モデルの学習方法におけ
る状態共有の概念図である。
る状態共有の概念図である。
ＳＴ４ トライフォンＨＭＭ学習ステップ、ＳＴ５ 状態
クラスタリング基底状態セットステップ、ＳＴ６，ＳＴ
１１ 基底状態セットによるＨＭＭ再構成ステップ、Ｓ
Ｔ７ トライフォンＨＭＭ再学習ステップ、ＳＴ８ 判別
条件ステップ
クラスタリング基底状態セットステップ、ＳＴ６，ＳＴ
１１ 基底状態セットによるＨＭＭ再構成ステップ、Ｓ
Ｔ７ トライフォンＨＭＭ再学習ステップ、ＳＴ８ 判別
条件ステップ
フロントページの続き (56)参考文献 特開 平９−179580（ＪＰ，Ａ) 易傑 他，ＨＭＭ状態のマルチ共有に 関する検討，電子情報通信学会技術研究 報告［音声］，日本，1997年 ６月20 日，ＳＰ97−20 易傑 他，ＨＭＭの状態または分布の 多元共有に関する検討，日本音響学会平 成８年度春季研究発表会講演論文集，日 本，1996年 ３月26日，３−５−16, ｐ．139−140 易傑 他，状態多元共有における共有 構造の再推定，日本音響学会平成８年度 秋季研究発表会講演論文集，日本，1996 年 ９月25日，２−Ｑ−17，ｐ．163− 164 易傑 他，拡張ＬＢＧアルゴリズムに よるＨＭＭ状態のマルチ共有，日本音響 学会平成９年度秋季研究発表会講演論文 集，日本，1997年 ９月17日，２−１− ９，ｐ．65−66 (58)調査した分野(Int.Cl.7，ＤＢ名) G10L 15/06 G10L 15/14 ＪＩＣＳＴファイル（ＪＯＩＳ)
Claims (6)
- 【請求項１】 (a) 学習データを用いてヒドン・マル
コフ・モデル（ＨＭＭ）を学習するステップ（ＳＴ２、
ＳＴ３、ＳＴ４）と、 (b) 前記学習により得られたＨＭＭを状態に分解し、
該状態をクラスタリングして複数の基底代表状態を決定
するステップ（ＳＴ５）と、 (c) ＨＭＭの各状態に対し、前記複数の基底代表状態
の中から、複数個の代表状態を選定して選定された代表
状態の線形組み合わせで各状態を表現するステップ（Ｓ
Ｔ１１）とを含み、 前記ステップ(c)において選定される代表状態の数が各
状態毎に別個に定められることを特徴とする ヒドン・マ
ルコフ・モデルの学習方法。 - 【請求項２】 前記ステップ(c)において、前記各状態
からの距離が比較的小さい代表状態を選定することを特
徴とする請求項１に記載のヒドン・マルコフ・モデルの
学習方法。 - 【請求項３】 前記ステップ(c)が、 (c1) 前記各状態からの距離が小さいものから順に所定
数（Ｍ）の代表状態を選択することと、 (c2) 下記の式（８） 【数１】 である。また１＜ｋ＜Ｍであり、さらに、ｄｉｊは各状
態と選択された各代表 状態との距離である。））によ
り、値Ｆｉｋを算出することと、 (c3) 求められた値Ｆｉｋが所定の閾値よりも大きいと
きに下記の式（９） 【数２】 で各状態を表現するステップとを含むことを特徴とする
請求項２に記載のヒドン・マルコフ・モデルの学習方
法。 - 【請求項４】 (d) 前記選定された代表状態の線形組
み合わせで表現された状態を用いてＨＭＭを再構成し、
再構成されたＨＭＭを、学習データを用いて再学習する
ステップ（ＳＴ７）をさらに含むことを特徴とする請求
項１乃至３の何れかに 記載のヒドン・マルコフ・モデル
の学習方法。 - 【請求項５】 前記ステップ(b)、(c)及び(d)を繰り返
すことを特徴とする請求項４に記載のヒドン・マルコフ
・モデルの学習方法。 - 【請求項６】 前記ＨＭＭは、トライフォンＨＭＭ、ダ
イフォンＨＭＭ若しくは音素ＨＭＭであることを特徴と
する請求項１乃至５のいずれかに記載のヒドン・マルコ
フ・モデルの学習方法。
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP19314596A JP3302266B2 (ja) | 1996-07-23 | 1996-07-23 | ヒドン・マルコフ・モデルの学習方法 |
| US08/808,256 US5890114A (en) | 1996-07-23 | 1997-02-28 | Method and apparatus for training Hidden Markov Model |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP19314596A JP3302266B2 (ja) | 1996-07-23 | 1996-07-23 | ヒドン・マルコフ・モデルの学習方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPH1039893A JPH1039893A (ja) | 1998-02-13 |
| JP3302266B2 true JP3302266B2 (ja) | 2002-07-15 |
Family
ID=16303040
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP19314596A Expired - Fee Related JP3302266B2 (ja) | 1996-07-23 | 1996-07-23 | ヒドン・マルコフ・モデルの学習方法 |
Country Status (2)
| Country | Link |
|---|---|
| US (1) | US5890114A (ja) |
| JP (1) | JP3302266B2 (ja) |
Families Citing this family (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6263309B1 (en) | 1998-04-30 | 2001-07-17 | Matsushita Electric Industrial Co., Ltd. | Maximum likelihood method for finding an adapted speaker model in eigenvoice space |
| US6343267B1 (en) | 1998-04-30 | 2002-01-29 | Matsushita Electric Industrial Co., Ltd. | Dimensionality reduction for speaker normalization and speaker and environment adaptation using eigenvoice techniques |
| US6526379B1 (en) | 1999-11-29 | 2003-02-25 | Matsushita Electric Industrial Co., Ltd. | Discriminative clustering methods for automatic speech recognition |
| US6571208B1 (en) | 1999-11-29 | 2003-05-27 | Matsushita Electric Industrial Co., Ltd. | Context-dependent acoustic models for medium and large vocabulary speech recognition with eigenvoice training |
| US20030088416A1 (en) * | 2001-11-06 | 2003-05-08 | D.S.P.C. Technologies Ltd. | HMM-based text-to-phoneme parser and method for training same |
| US7475014B2 (en) * | 2005-07-25 | 2009-01-06 | Mitsubishi Electric Research Laboratories, Inc. | Method and system for tracking signal sources with wrapped-phase hidden markov models |
| US7970613B2 (en) | 2005-11-12 | 2011-06-28 | Sony Computer Entertainment Inc. | Method and system for Gaussian probability data bit reduction and computation |
| US8010358B2 (en) * | 2006-02-21 | 2011-08-30 | Sony Computer Entertainment Inc. | Voice recognition with parallel gender and age normalization |
| US7778831B2 (en) * | 2006-02-21 | 2010-08-17 | Sony Computer Entertainment Inc. | Voice recognition with dynamic filter bank adjustment based on speaker categorization determined from runtime pitch |
| US8788256B2 (en) * | 2009-02-17 | 2014-07-22 | Sony Computer Entertainment Inc. | Multiple language voice recognition |
| US8442829B2 (en) * | 2009-02-17 | 2013-05-14 | Sony Computer Entertainment Inc. | Automatic computation streaming partition for voice recognition on multiple processors with limited memory |
| US8442833B2 (en) * | 2009-02-17 | 2013-05-14 | Sony Computer Entertainment Inc. | Speech processing with source location estimation using signals from two or more microphones |
| US9153235B2 (en) | 2012-04-09 | 2015-10-06 | Sony Computer Entertainment Inc. | Text dependent speaker recognition with long-term feature based on functional data analysis |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US4918731A (en) * | 1987-07-17 | 1990-04-17 | Ricoh Company, Ltd. | Speech recognition method and apparatus |
| US5502790A (en) * | 1991-12-24 | 1996-03-26 | Oki Electric Industry Co., Ltd. | Speech recognition method and system using triphones, diphones, and phonemes |
| US5734791A (en) * | 1992-12-31 | 1998-03-31 | Apple Computer, Inc. | Rapid tree-based method for vector quantization |
| US5692100A (en) * | 1994-02-02 | 1997-11-25 | Matsushita Electric Industrial Co., Ltd. | Vector quantizer |
| US5657424A (en) * | 1995-10-31 | 1997-08-12 | Dictaphone Corporation | Isolated word recognition using decision tree classifiers and time-indexed feature vectors |
-
1996
- 1996-07-23 JP JP19314596A patent/JP3302266B2/ja not_active Expired - Fee Related
-
1997
- 1997-02-28 US US08/808,256 patent/US5890114A/en not_active Expired - Lifetime
Non-Patent Citations (4)
| Title |
|---|
| 易傑 他，ＨＭＭの状態または分布の多元共有に関する検討，日本音響学会平成８年度春季研究発表会講演論文集，日本，１９９６年 ３月２６日，３−５−１６，ｐ．１３９−１４０ |
| 易傑 他，ＨＭＭ状態のマルチ共有に関する検討，電子情報通信学会技術研究報告［音声］，日本，１９９７年 ６月２０日，ＳＰ９７−２０ |
| 易傑 他，拡張ＬＢＧアルゴリズムによるＨＭＭ状態のマルチ共有，日本音響学会平成９年度秋季研究発表会講演論文集，日本，１９９７年 ９月１７日，２−１−９，ｐ．６５−６６ |
| 易傑 他，状態多元共有における共有構造の再推定，日本音響学会平成８年度秋季研究発表会講演論文集，日本，１９９６年 ９月２５日，２−Ｑ−１７，ｐ．１６３−１６４ |
Also Published As
| Publication number | Publication date |
|---|---|
| JPH1039893A (ja) | 1998-02-13 |
| US5890114A (en) | 1999-03-30 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP2871561B2 (ja) | 不特定話者モデル生成装置及び音声認識装置 | |
| US5793891A (en) | Adaptive training method for pattern recognition | |
| US5165007A (en) | Feneme-based Markov models for words | |
| JP3302266B2 (ja) | ヒドン・マルコフ・モデルの学習方法 | |
| JPH0772840B2 (ja) | 音声モデルの構成方法、音声認識方法、音声認識装置及び音声モデルの訓練方法 | |
| US6173076B1 (en) | Speech recognition pattern adaptation system using tree scheme | |
| Bahi et al. | Combination of vector quantization and hidden Markov models for Arabic speech recognition | |
| JP2938866B1 (ja) | 統計的言語モデル生成装置及び音声認識装置 | |
| Shen et al. | Automatic selection of phonetically distributed sentence sets for speaker adaptation with application to large vocabulary Mandarin speech recognition | |
| JP3589044B2 (ja) | 話者適応化装置 | |
| US5960396A (en) | Standard pattern production system employing information criterion | |
| JP3420908B2 (ja) | ヒドン・マルコフ・モデルの学習方法 | |
| JP3216565B2 (ja) | 音声モデルの話者適応化方法及びその方法を用いた音声認識方法及びその方法を記録した記録媒体 | |
| JP2976795B2 (ja) | 話者適応化方式 | |
| JPH05232989A (ja) | 音響モデルの話者適応化法 | |
| JP2968792B1 (ja) | 統計的言語モデル生成装置及び音声認識装置 | |
| Debyeche et al. | A new vector quantization approach for discrete HMM speech recognition system | |
| JP3571821B2 (ja) | 音声認識装置および単語構成要素の辞書並びに隠れマルコフモデルの学習方法 | |
| JP2912513B2 (ja) | ヒドン・マルコフ・モデルの学習方法 | |
| Thandil et al. | Automatic speech recognition system for utterances in Malayalam language | |
| EP0238693A1 (en) | Speech recognition system and method using statistical models for words | |
| Afify et al. | Estimation of mixtures of stochastic dynamic trajectories: application to continuous speech recognition | |
| JPH09179580A (ja) | ヒドン・マルコフ・モデルの学習方法 | |
| JPH06175678A (ja) | 音声認識装置 | |
| JPH09160586A (ja) | ヒドン・マルコフ・モデルの学習方法 |
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: 20020416 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20080426 Year of fee payment: 6 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20090426 Year of fee payment: 7 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20100426 Year of fee payment: 8 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20100426 Year of fee payment: 8 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20110426 Year of fee payment: 9 |
|
| LAPS | Cancellation because of no payment of annual fees |