JP5996152B2 - 音声認識システム及び音声認識方法 - Google Patents
音声認識システム及び音声認識方法 Download PDFInfo
- Publication number
- JP5996152B2 JP5996152B2 JP2016532819A JP2016532819A JP5996152B2 JP 5996152 B2 JP5996152 B2 JP 5996152B2 JP 2016532819 A JP2016532819 A JP 2016532819A JP 2016532819 A JP2016532819 A JP 2016532819A JP 5996152 B2 JP5996152 B2 JP 5996152B2
- Authority
- JP
- Japan
- Prior art keywords
- speech recognition
- speech
- recognition
- unit
- input
- 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 21
- 238000011156 evaluation Methods 0.000 description 29
- 238000012986 modification Methods 0.000 description 25
- 230000004048 modification Effects 0.000 description 25
- 238000010586 diagram Methods 0.000 description 15
- 230000008569 process Effects 0.000 description 6
- 238000012545 processing Methods 0.000 description 6
- 230000008901 benefit Effects 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 4
- 230000008859 change Effects 0.000 description 4
- 238000005259 measurement Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 239000004065 semiconductor Substances 0.000 description 2
- 230000014509 gene expression Effects 0.000 description 1
- 230000004043 responsiveness Effects 0.000 description 1
Images
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
- G10L15/10—Speech classification or search using distance or distortion measures between unknown speech and reference templates
-
- 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
- G10L15/28—Constructional details of speech recognition systems
- G10L15/32—Multiple recognisers used in sequence or in parallel; Score combination systems therefor, e.g. voting systems
-
- 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
- G10L15/01—Assessment or evaluation of speech recognition systems
-
- 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
- G10L15/065—Adaptation
Landscapes
- Engineering & Computer Science (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)
- Artificial Intelligence (AREA)
- Machine Translation (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Traffic Control Systems (AREA)
Description
以下の説明では、本発明に係る音声認識システムが、音声認識装置単体に適用された場合を例にして主に説明する。
図5は、本実施の形態1に係る音声認識装置1の動作を示すフローチャートである。
以上のような本実施の形態1に係る音声認識装置1によれば、制御部14は、第1及び第2の音声認識部11,12で取得された認識結果に基づいて、第3の音声認識部13に入力音声を認識させると判定された場合に、第1及び第2の音声認識部11,12で取得された候補文字列を含む辞書を用いて第3の音声認識部13に入力音声を認識させ、それによって得られた認識結果を認識結果出力部15に出力させる。これにより、上述したように無駄な処理を抑制しつつ、妥当性の高い認識結果を得ることができる。
実施の形態1では、第3の音声認識部13に入力音声を認識させるか否かを判定するための指標は、順序距離であった。しかしながら、当該指標はこれに限ったものではない。本変形例1では、上述の指標は、第1及び第2の音声認識部11,12でそれぞれ取得された最大のスコア値である。以下、第1の音声認識部11で取得された最大のスコア値を、「第1の最大のスコア値」と記し、第2の音声認識部12で取得された最大のスコア値を、「第2の最大のスコア値」と記して説明する。
本変形例2では、第3の音声認識部13に入力音声を認識させるか否かを判定するための指標は、第1及び第2の音声認識部11,12で取得された候補文字列が一致する度合を示す類似度である。
以上の説明では、上述の指標は、順序距離と、第1及び第2の最大のスコア値と、類似度とのいずれか1つであった。しかしこれに限ったものではなく、上述の指標は、順序距離と、第1及び第2の最大のスコア値と、類似度との少なくともいずれか1つを含むものであればよい。
実施の形態1では、辞書登録部14bは、第1及び第2の音声認識部11,12で取得された候補文字列の両方から、一時辞書記憶部13aに記憶される辞書を生成した。しかしこれに限ったものではなく、本変形例4のように、辞書登録部14bは、第1及び第2の音声認識部11,12の一方で取得された候補文字列から、一時辞書記憶部13aに記憶される辞書を生成してもよい。
図8は、本発明の実施の形態2に係る音声認識装置1の構成を示すブロック図である。なお、本実施の形態2に係る音声認識装置1において、以上で説明した構成要素と同一または類似するものについては同じ参照符号を付し、異なる部分について主に説明する。
以上のような本実施の形態2に係る音声認識装置1によれば、第1及び第2の音声認識部11,12では認識され難い語彙などの存在が予測される場合などには、その語彙などを第3辞書記憶部13cの辞書に含めておくことにより、妥当性の高い認識結果を得る効果を高めることができる。
図9は、本変形例に係る音声認識装置1の主要な構成を示すブロック図である。図9に示すように、第1の音声認識部11が第1のサーバ61に設けられ、第1の音声認識部11で取得された認識結果を受信する第1の通信部71が音声認識装置1に設けられてもよい。このような構成であっても、実施の形態1と同様の効果を得ることができる。
Claims (11)
- 出力部から出力すべき音声認識を行う音声認識システムであって、
入力音声を認識することによって、当該入力音声に対応する候補文字列を含む認識結果を取得する第1、第2及び第3の音声認識部と、
前記第1及び前記第2の音声認識部で取得された前記認識結果に基づいて、前記第3の音声認識部に前記入力音声を認識させると判定された場合に、前記第1及び前記第2の音声認識部の少なくとも一方で取得された前記候補文字列を含む辞書を用いて前記第3の音声認識部に前記入力音声を認識させ、それによって得られた前記認識結果を前記出力部に出力させる制御部と
を備える、音声認識システム。 - 請求項1に記載の音声認識システムであって、
前記制御部は、
前記第1及び前記第2の音声認識部で取得された前記認識結果に基づいて、前記第3の音声認識部に前記入力音声を認識させないと判定された場合に、前記第1及び前記第2の音声認識部の一方で取得された前記認識結果を前記出力部に出力させる、音声認識システム。 - 請求項1に記載の音声認識システムであって、
前記第3の音声認識部は、
前記候補文字列を含む辞書とともに、前記第3の音声認識部に固有の辞書も用いて、前記入力音声の認識を行う、音声認識システム。 - 請求項1に記載の音声認識システムであって、
前記第1及び前記第2の音声認識部で取得された前記候補文字列が一致する度合を示す類似度に基づいて、第3の前記音声認識部に前記入力音声を認識させるか否かが判定される、音声認識システム。 - 請求項4に記載の音声認識システムであって、
前記第1及び前記第2の音声認識部で取得された前記認識結果が完全に一致せず、かつ、前記類似度が予め定められた閾値以上である場合には、第3の前記音声認識部に前記入力音声を認識させると判定され、それ以外の場合には、第3の前記音声認識部に前記入力音声を認識させないと判定される、音声認識システム。 - 請求項1に記載の音声認識システムであって、
前記第1及び前記第2の音声認識部でそれぞれ取得された認識結果は、前記候補文字列の正確性を示すスコア値をさらに含み、
前記第1及び前記第2の音声認識部でそれぞれ取得された最大の前記スコア値と、前記第1及び前記第2の音声認識部で取得された前記候補文字列が一致する度合を示す類似度と、前記第1及び前記第2の音声認識部で取得された前記スコア値順に並べられた前記候補文字列の順序が異なる度合を示す順序距離との少なくともいずれか1つを含む指標に基づいて、第3の前記音声認識部に前記入力音声を認識させるか否かが判定される、音声認識システム。 - 請求項6に記載の音声認識システムであって、
前記指標は前記類似度であり、
前記第1及び前記第2の音声認識部で取得された前記認識結果が完全に一致せず、かつ、前記類似度が予め定められた閾値以上である場合には、第3の前記音声認識部に前記入力音声を認識させると判定され、それ以外の場合には、第3の前記音声認識部に前記入力音声を認識させないと判定される、音声認識システム。 - 請求項6に記載の音声認識システムであって、
前記指標は前記順序距離であり、
前記第1及び前記第2の音声認識部で取得された前記認識結果が完全に一致せず、かつ、前記順序距離が予め定められた閾値以下である場合には、第3の前記音声認識部に前記入力音声を認識させると判定され、それ以外の場合には、第3の前記音声認識部に前記入力音声を認識させないと判定される、音声認識システム。 - 請求項6に記載の音声認識システムであって、
前記指標は前記最大のスコア値であり、
前記第1及び前記第2の音声認識部で取得された前記認識結果が完全に一致せず、かつ、前記第1及び前記第2の音声認識部で取得された第1及び第2の前記最大のスコア値が両者とも、予め定められた第1及び第2の閾値よりも小さいか、または前記第1及び前記第2の閾値よりも大きい場合には、第3の前記音声認識部に前記入力音声を認識させると判定され、それ以外の場合には、第3の前記音声認識部に前記入力音声を認識させないと判定される、音声認識システム。 - 請求項1に記載の音声認識システムであって、
前記第3の音声認識部が前記入力音声を認識するごとに、当該認識に用いられた前記候補文字列を前記辞書から消去する、音声認識システム。 - 出力部から出力すべき音声認識を行う音声認識方法であって、
入力音声を認識することによって、当該入力音声に対応する候補文字列を含む認識結果を取得する第1、第2及び第3の音声認識部のうち、前記第1及び前記第2の音声認識部で取得された前記認識結果に基づいて、前記第3の音声認識部に前記入力音声を認識させると判定された場合に、前記第1及び前記第2の音声認識部の少なくとも一方で取得された前記候補文字列を含む辞書を用いて前記第3の音声認識部に前記入力音声を認識させ、それによって得られた前記認識結果を前記出力部に出力させる、音声認識方法。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/JP2014/068191 WO2016006038A1 (ja) | 2014-07-08 | 2014-07-08 | 音声認識システム及び音声認識方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP5996152B2 true JP5996152B2 (ja) | 2016-09-21 |
JPWO2016006038A1 JPWO2016006038A1 (ja) | 2017-04-27 |
Family
ID=55063714
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2016532819A Active JP5996152B2 (ja) | 2014-07-08 | 2014-07-08 | 音声認識システム及び音声認識方法 |
Country Status (5)
Country | Link |
---|---|
US (1) | US10115394B2 (ja) |
JP (1) | JP5996152B2 (ja) |
CN (1) | CN106663421B (ja) |
DE (1) | DE112014006795B4 (ja) |
WO (1) | WO2016006038A1 (ja) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106663421B (zh) * | 2014-07-08 | 2018-07-06 | 三菱电机株式会社 | 声音识别系统以及声音识别方法 |
JP6659514B2 (ja) * | 2016-10-12 | 2020-03-04 | 東芝映像ソリューション株式会社 | 電子機器及びその制御方法 |
CN108630191A (zh) * | 2018-07-23 | 2018-10-09 | 上海斐讯数据通信技术有限公司 | 一种模拟不同距离的语音识别成功率的测试系统及方法 |
CN109273000B (zh) * | 2018-10-11 | 2023-05-12 | 河南工学院 | 一种语音识别方法 |
US11380315B2 (en) * | 2019-03-09 | 2022-07-05 | Cisco Technology, Inc. | Characterizing accuracy of ensemble models for automatic speech recognition by determining a predetermined number of multiple ASR engines based on their historical performance |
US11107475B2 (en) * | 2019-05-09 | 2021-08-31 | Rovi Guides, Inc. | Word correction using automatic speech recognition (ASR) incremental response |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008089625A (ja) * | 2006-09-29 | 2008-04-17 | Honda Motor Co Ltd | 音声認識装置、音声認識方法及び音声認識プログラム |
Family Cites Families (37)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH02195400A (ja) | 1989-01-24 | 1990-08-01 | Canon Inc | 音声認識装置 |
JPH0683388A (ja) | 1992-09-04 | 1994-03-25 | Fujitsu Ten Ltd | 音声認識装置 |
US5712957A (en) * | 1995-09-08 | 1998-01-27 | Carnegie Mellon University | Locating and correcting erroneously recognized portions of utterances by rescoring based on two n-best lists |
US6922669B2 (en) * | 1998-12-29 | 2005-07-26 | Koninklijke Philips Electronics N.V. | Knowledge-based strategies applied to N-best lists in automatic speech recognition systems |
US7016835B2 (en) * | 1999-10-29 | 2006-03-21 | International Business Machines Corporation | Speech and signal digitization by using recognition metrics to select from multiple techniques |
GB2383459B (en) * | 2001-12-20 | 2005-05-18 | Hewlett Packard Co | Speech recognition system and method |
US20030149566A1 (en) * | 2002-01-02 | 2003-08-07 | Esther Levin | System and method for a spoken language interface to a large database of changing records |
US7386454B2 (en) * | 2002-07-31 | 2008-06-10 | International Business Machines Corporation | Natural error handling in speech recognition |
JP3992586B2 (ja) * | 2002-10-18 | 2007-10-17 | 富士通株式会社 | 音声認識用辞書調整装置及び方法 |
US20040138885A1 (en) * | 2003-01-09 | 2004-07-15 | Xiaofan Lin | Commercial automatic speech recognition engine combinations |
DE602004020738D1 (de) * | 2003-02-21 | 2009-06-04 | Voice Signal Technologies Inc | Verfahren zum produzieren abwechselnder äusserungs bezüglich nahen konkurrenten |
JP2005003997A (ja) * | 2003-06-12 | 2005-01-06 | Toyota Motor Corp | 音声認識装置および音声認識方法ならびに車両 |
US8041566B2 (en) * | 2003-11-21 | 2011-10-18 | Nuance Communications Austria Gmbh | Topic specific models for text formatting and speech recognition |
US8589156B2 (en) * | 2004-07-12 | 2013-11-19 | Hewlett-Packard Development Company, L.P. | Allocation of speech recognition tasks and combination of results thereof |
US7809567B2 (en) * | 2004-07-23 | 2010-10-05 | Microsoft Corporation | Speech recognition application or server using iterative recognition constraints |
US9020966B2 (en) * | 2006-07-31 | 2015-04-28 | Ricoh Co., Ltd. | Client device for interacting with a mixed media reality recognition system |
US9128926B2 (en) * | 2006-10-26 | 2015-09-08 | Facebook, Inc. | Simultaneous translation of open domain lectures and speeches |
JP4867654B2 (ja) * | 2006-12-28 | 2012-02-01 | 日産自動車株式会社 | 音声認識装置、および音声認識方法 |
JP2008197356A (ja) * | 2007-02-13 | 2008-08-28 | Denso Corp | 音声認識装置および音声認識方法 |
KR101415534B1 (ko) * | 2007-02-23 | 2014-07-07 | 삼성전자주식회사 | 다단계 음성인식장치 및 방법 |
JP4812029B2 (ja) * | 2007-03-16 | 2011-11-09 | 富士通株式会社 | 音声認識システム、および、音声認識プログラム |
EP1976255B1 (en) * | 2007-03-29 | 2015-03-18 | Intellisist, Inc. | Call center with distributed speech recognition |
WO2009040382A1 (en) * | 2007-09-27 | 2009-04-02 | Siemens Aktiengesellschaft | Method and system for identifying information related to a good |
EP2048655B1 (en) * | 2007-10-08 | 2014-02-26 | Nuance Communications, Inc. | Context sensitive multi-stage speech recognition |
US8364481B2 (en) | 2008-07-02 | 2013-01-29 | Google Inc. | Speech recognition with parallel recognition tasks |
US8180641B2 (en) * | 2008-09-29 | 2012-05-15 | Microsoft Corporation | Sequential speech recognition with two unequal ASR systems |
US8140328B2 (en) * | 2008-12-01 | 2012-03-20 | At&T Intellectual Property I, L.P. | User intention based on N-best list of recognition hypotheses for utterances in a dialog |
US8700399B2 (en) * | 2009-07-06 | 2014-04-15 | Sensory, Inc. | Systems and methods for hands-free voice control and voice search |
US9245525B2 (en) * | 2011-01-05 | 2016-01-26 | Interactions Llc | Automated speech recognition proxy system for natural language understanding |
US8484031B1 (en) * | 2011-01-05 | 2013-07-09 | Interactions Corporation | Automated speech recognition proxy system for natural language understanding |
EP2678861B1 (en) * | 2011-02-22 | 2018-07-11 | Speak With Me, Inc. | Hybridized client-server speech recognition |
DE112011105407T5 (de) | 2011-07-05 | 2014-04-30 | Mitsubishi Electric Corporation | Spracherkennungsvorrichtung und Navigationsvorrichtung |
US9153229B2 (en) * | 2011-11-21 | 2015-10-06 | Robert Bosch Gmbh | Methods and systems for adapting grammars in hybrid speech recognition engines for enhancing local SR performance |
US9009049B2 (en) * | 2012-06-06 | 2015-04-14 | Spansion Llc | Recognition of speech with different accents |
US9190057B2 (en) * | 2012-12-12 | 2015-11-17 | Amazon Technologies, Inc. | Speech model retrieval in distributed speech recognition systems |
US9858038B2 (en) * | 2013-02-01 | 2018-01-02 | Nuance Communications, Inc. | Correction menu enrichment with alternate choices and generation of choice lists in multi-pass recognition systems |
CN106663421B (zh) * | 2014-07-08 | 2018-07-06 | 三菱电机株式会社 | 声音识别系统以及声音识别方法 |
-
2014
- 2014-07-08 CN CN201480080290.3A patent/CN106663421B/zh active Active
- 2014-07-08 DE DE112014006795.4T patent/DE112014006795B4/de active Active
- 2014-07-08 US US15/302,576 patent/US10115394B2/en active Active
- 2014-07-08 WO PCT/JP2014/068191 patent/WO2016006038A1/ja active Application Filing
- 2014-07-08 JP JP2016532819A patent/JP5996152B2/ja active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008089625A (ja) * | 2006-09-29 | 2008-04-17 | Honda Motor Co Ltd | 音声認識装置、音声認識方法及び音声認識プログラム |
Also Published As
Publication number | Publication date |
---|---|
DE112014006795T5 (de) | 2017-03-16 |
WO2016006038A1 (ja) | 2016-01-14 |
US20170140752A1 (en) | 2017-05-18 |
JPWO2016006038A1 (ja) | 2017-04-27 |
DE112014006795B4 (de) | 2018-09-20 |
CN106663421A (zh) | 2017-05-10 |
CN106663421B (zh) | 2018-07-06 |
US10115394B2 (en) | 2018-10-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP5996152B2 (ja) | 音声認識システム及び音声認識方法 | |
KR102494139B1 (ko) | 뉴럴 네트워크 학습 장치 및 방법과, 음성 인식 장치 및 방법 | |
EP3584786B1 (en) | Voice recognition method, electronic device, and computer storage medium | |
US9966077B2 (en) | Speech recognition device and method | |
US9558741B2 (en) | Systems and methods for speech recognition | |
US20170323637A1 (en) | Name recognition system | |
JP5868544B2 (ja) | 音声認識装置および音声認識方法 | |
JP6556575B2 (ja) | 音声処理装置、音声処理方法及び音声処理プログラム | |
US20150120301A1 (en) | Information Recognition Method and Apparatus | |
US9697819B2 (en) | Method for building a speech feature library, and method, apparatus, device, and computer readable storage media for speech synthesis | |
KR102443087B1 (ko) | 전자 기기 및 그의 음성 인식 방법 | |
JP2017515147A5 (ja) | ||
KR102348124B1 (ko) | 차량의 기능 추천 장치 및 방법 | |
US10170122B2 (en) | Speech recognition method, electronic device and speech recognition system | |
US20170294188A1 (en) | Apparatus, method for voice recognition, and non-transitory computer-readable storage medium | |
US20190066678A1 (en) | Information processing device, in-vehicle device, and storage medium | |
JP6869835B2 (ja) | 音声認識システム、端末装置、及び辞書管理方法 | |
US20180357269A1 (en) | Address Book Management Apparatus Using Speech Recognition, Vehicle, System and Method Thereof | |
JP6468258B2 (ja) | 音声対話装置および音声対話方法 | |
JP5396530B2 (ja) | 音声認識装置および音声認識方法 | |
JP2018163313A5 (ja) | ||
CN117378006A (zh) | 混合多语种的文本相关和文本无关说话者确认 | |
CN111522937B (zh) | 话术推荐方法、装置和电子设备 | |
US10600405B2 (en) | Speech signal processing method and speech signal processing apparatus | |
JP5342629B2 (ja) | 男女声識別方法、男女声識別装置及びプログラム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
TRDD | Decision of grant or rejection written | ||
A975 | Report on accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A971005 Effective date: 20160715 |
|
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20160726 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20160823 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 5996152 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 |