JP5752488B2 - 音声認識装置、音声認識方法、及び音声認識プログラム - Google Patents
音声認識装置、音声認識方法、及び音声認識プログラム Download PDFInfo
- Publication number
- JP5752488B2 JP5752488B2 JP2011122054A JP2011122054A JP5752488B2 JP 5752488 B2 JP5752488 B2 JP 5752488B2 JP 2011122054 A JP2011122054 A JP 2011122054A JP 2011122054 A JP2011122054 A JP 2011122054A JP 5752488 B2 JP5752488 B2 JP 5752488B2
- Authority
- JP
- Japan
- Prior art keywords
- word
- speaker
- speech recognition
- score
- speech
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims description 20
- 238000004364 calculation method Methods 0.000 claims description 44
- 238000012545 processing Methods 0.000 claims description 24
- 238000012546 transfer Methods 0.000 claims description 11
- 230000006870 function Effects 0.000 description 9
- 238000010586 diagram Methods 0.000 description 7
- 239000000284 extract Substances 0.000 description 4
- 238000001228 spectrum Methods 0.000 description 2
- 238000007619 statistical method Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
Images
Description
発話者度=音量
とされる。例えば、音量は、音データの振幅の時間平均値として算出されてもよいし、音データの振幅の最大値として算出されてもよい。また、本実施形態では、各単語の発話者度の最大値を基準として、各単語の相対発話者度が算出される。具体例として、各単語の発話者度と、各単語の発話者度の最大値との差分が算出される。なお、音量の算出には、音データではなく特徴量データが用いられてもよいし、音データ及び特徴量データの両方が用いられてもよい。
スコア=10Log10(GWPP)+相対発話者度
により算出される。
閾値=スコアの最大値+相対閾値
により算出される。
−5.6−4=−9.6
となり、この閾値よりも高いスコアの「広島、お好み焼き」が音声認識結果として採用され、他の単語は不採用とされている。
発話者度=音量−α×10Log10(雑音尤度比)+β×(発話者度調整値)
により算出される。α,βは所定の重み係数である。
雑音尤度比=雑音モデルの尤度/音声モデルの尤度
により算出される。発話者の音声は、音データ入力部110を構成するマイクロホン等の近くで発せられることから、発話者の音声を含む音データの雑音尤度比は、発話者の音声を含まない音データの雑音尤度比よりも低くなる。このため、発話者の音声を含む音データから抽出された単語と、発話者の音声を含まない音データから抽出された単語との間では、雑音尤度比の差異が大きくなり易い。
−2.2−6=−8.2
となり、この閾値よりも高いスコアの「広島、お好み焼き」が音声認識結果として採用され、他の単語は不採用とされている。
Claims (8)
- 音データに含まれる単語を抽出し、各単語の信頼度を出力する音声処理手段と、
前記各単語に対応する音データの発話者の音声らしさを示す各単語の発話者度を算出する発話者度算出手段と、
前記音声処理手段により出力された前記各単語の信頼度、及び前記発話者度算出手段により算出された前記各単語の発話者度に基づいて、前記各単語のスコアを算出するスコア算出手段と、
前記各単語のスコアと所定の閾値とに基づいて、音声認識結果として採用しない単語を削除した後に、スコアが最大である単語を含む単語列と不連続となる単語を更に削除し、残った単語を音声認識結果として採用する単語選定手段とを備える、
ことを特徴とする音声認識装置。 - 前記発話者度算出手段は、前記各単語の音量、前記各単語の音声モデルの尤度、前記各単語の雑音モデルの尤度、前記各単語の空間伝達特性、前記各単語の基本周波数、及び前記各単語の声質、の少なくとも一つを用いて前記各単語の発話者度を算出する、
ことを特徴とする請求項1記載の音声認識装置。 - 前記発話者度算出手段は、人の音声の周波数帯域における前記各単語の音量を用いて前記各単語の発話者度を算出する、
ことを特徴とする請求項2記載の音声認識装置。 - 前記音声認識装置は、前記スコア算出手段により算出されたスコアの最大値に基づいて、前記所定の閾値を設定する閾値設定手段を更に備え、
前記単語選定手段は、前記閾値設定手段により設定された前記所定の閾値を用いて音声認識結果として採用する単語を選定する、
ことを特徴とする請求項1〜3のいずれか一項記載の音声認識装置。 - 前記音声処理手段は、前記各単語の信頼度の最大値を基準として、前記各単語の相対的な信頼度を出力し、
前記スコア算出手段は、前記音声処理手段により出力された前記各単語の相対的な信頼度を用いて前記各単語のスコアを算出する、
ことを特徴とする請求項1〜4のいずれか一項記載の音声認識装置。 - 前記発話者度算出手段は、前記各単語の発話者度の最大値を基準として、前記各単語の相対的な発話者度を算出し、
前記スコア算出手段は、前記発話者度算出手段により算出された前記各単語の相対的な発話者度を用いて前記各単語のスコアを算出する、
ことを特徴とする請求項1〜5のいずれか一項記載の音声認識装置。 - 音声認識装置により実行される音声認識方法であって、
音データに含まれる単語を抽出し、各単語の信頼度を出力する音声処理ステップと、
前記各単語に対応する音データの発話者の音声らしさを示す各単語の発話者度を算出する発話者度算出ステップと、
前記音声処理ステップにより出力された前記各単語の信頼度、及び前記発話者度算出ステップにより算出された前記各単語の発話者度に基づいて、前記各単語のスコアを算出するスコア算出ステップと、
前記各単語のスコアと所定の閾値とに基づいて、音声認識結果として採用しない単語を削除した後に、スコアが最大である単語を含む単語列と不連続となる単語を更に削除し、残った単語を音声認識結果として採用する単語選定ステップとを備える、
ことを特徴とする音声認識方法。 - コンピュータを、
音データに含まれる単語を抽出し、各単語の信頼度を出力する音声処理手段と、
前記各単語に対応する音データの発話者の音声らしさを示す各単語の発話者度を算出する発話者度算出手段と、
前記音声処理手段により出力された前記各単語の信頼度、及び前記発話者度算出手段により算出された前記各単語の発話者度に基づいて、前記各単語のスコアを算出するスコア算出手段と、
前記各単語のスコアと所定の閾値とに基づいて、音声認識結果として採用しない単語を削除した後に、スコアが最大である単語を含む単語列と不連続となる単語を更に削除し、残った単語を音声認識結果として採用する単語選定手段、
として機能させることを特徴とする音声認識プログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2011122054A JP5752488B2 (ja) | 2011-05-31 | 2011-05-31 | 音声認識装置、音声認識方法、及び音声認識プログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2011122054A JP5752488B2 (ja) | 2011-05-31 | 2011-05-31 | 音声認識装置、音声認識方法、及び音声認識プログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2012252026A JP2012252026A (ja) | 2012-12-20 |
JP5752488B2 true JP5752488B2 (ja) | 2015-07-22 |
Family
ID=47524932
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2011122054A Active JP5752488B2 (ja) | 2011-05-31 | 2011-05-31 | 音声認識装置、音声認識方法、及び音声認識プログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP5752488B2 (ja) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103076893B (zh) * | 2012-12-31 | 2016-08-17 | 百度在线网络技术(北京)有限公司 | 一种用于实现语音输入的方法与设备 |
WO2018173270A1 (ja) * | 2017-03-24 | 2018-09-27 | 三菱電機株式会社 | 音声認識装置および音声認識方法 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH06105400B2 (ja) * | 1988-11-04 | 1994-12-21 | 日本電気株式会社 | 音声認識方式 |
JP3090204B2 (ja) * | 1998-06-17 | 2000-09-18 | 日本電気株式会社 | 音声モデル学習装置及び音声認識装置 |
JP2002132293A (ja) * | 2000-10-27 | 2002-05-09 | Ricoh Co Ltd | 音声認識装置 |
JP2006030915A (ja) * | 2004-07-22 | 2006-02-02 | Iwatsu Electric Co Ltd | 音声認識方法と装置。 |
JP2009288630A (ja) * | 2008-05-30 | 2009-12-10 | Denso Corp | 車両用音声認識システム |
JP4779000B2 (ja) * | 2008-09-26 | 2011-09-21 | 株式会社日立製作所 | 音声認識による機器制御装置 |
JP2011107603A (ja) * | 2009-11-20 | 2011-06-02 | Sony Corp | 音声認識装置、および音声認識方法、並びにプログラム |
-
2011
- 2011-05-31 JP JP2011122054A patent/JP5752488B2/ja active Active
Also Published As
Publication number | Publication date |
---|---|
JP2012252026A (ja) | 2012-12-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Zhang et al. | Analysis and classification of speech mode: whispered through shouted. | |
US9196247B2 (en) | Voice recognition method and voice recognition apparatus | |
US10074384B2 (en) | State estimating apparatus, state estimating method, and state estimating computer program | |
US8271282B2 (en) | Voice recognition apparatus, voice recognition method and recording medium | |
US20140149117A1 (en) | Method and system for identification of speech segments | |
EP2363852B1 (en) | Computer-based method and system of assessing intelligibility of speech represented by a speech signal | |
Yadav et al. | Addressing noise and pitch sensitivity of speech recognition system through variational mode decomposition based spectral smoothing | |
JP2017506767A (ja) | 話者辞書に基づく発話モデル化のためのシステムおよび方法 | |
KR20180098806A (ko) | 자연어 인식 성능 개선 방법 및 장치 | |
Ismail et al. | Mfcc-vq approach for qalqalahtajweed rule checking | |
JP2016180839A (ja) | 雑音抑圧音声認識装置およびそのプログラム | |
Costa et al. | Speech and phoneme segmentation under noisy environment through spectrogram image analysis | |
US9058820B1 (en) | Identifying speech portions of a sound model using various statistics thereof | |
Revathy et al. | Performance comparison of speaker and emotion recognition | |
JP5752488B2 (ja) | 音声認識装置、音声認識方法、及び音声認識プログラム | |
KR102198597B1 (ko) | 뉴럴 보코더 및 화자 적응형 모델을 구현하기 위한 뉴럴 보코더의 훈련 방법 | |
WO2020235089A1 (ja) | 評価装置、訓練装置、それらの方法、およびプログラム | |
Vlaj et al. | Voice activity detection algorithm using nonlinear spectral weights, hangover and hangbefore criteria | |
JP2016186516A (ja) | 疑似音声信号生成装置、音響モデル適応装置、疑似音声信号生成方法、およびプログラム | |
JP6526602B2 (ja) | 音声認識装置、その方法、及びプログラム | |
WO2021152786A1 (ja) | 訓練装置、その方法、およびプログラム | |
JP5949634B2 (ja) | 音声合成システム、及び音声合成方法 | |
JP2006215228A (ja) | 音声信号分析方法およびこの分析方法を実施する装置、この音声信号分析装置を用いた音声認識装置、この分析方法を実行するプログラムおよびその記憶媒体 | |
Wani et al. | Automatic speech recognition of isolated words in Hindi language | |
JP2011180308A (ja) | 音声認識装置及び記録媒体 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20140224 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20141118 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20141202 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20150128 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20150421 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20150520 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 5752488 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |