JP6131537B2 - 音声認識システム、音声認識プログラム、記録媒体及び音声認識方法 - Google Patents
音声認識システム、音声認識プログラム、記録媒体及び音声認識方法 Download PDFInfo
- Publication number
- JP6131537B2 JP6131537B2 JP2012150348A JP2012150348A JP6131537B2 JP 6131537 B2 JP6131537 B2 JP 6131537B2 JP 2012150348 A JP2012150348 A JP 2012150348A JP 2012150348 A JP2012150348 A JP 2012150348A JP 6131537 B2 JP6131537 B2 JP 6131537B2
- Authority
- JP
- Japan
- Prior art keywords
- likelihood
- speech recognition
- speech
- determination
- registered word
- 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 title claims description 25
- 230000008859 change Effects 0.000 claims description 40
- 230000007423 decrease Effects 0.000 claims description 10
- 230000006870 function Effects 0.000 description 7
- 238000000605 extraction Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 239000013598 vector Substances 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000020509 sex determination Effects 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/22—Procedures used during a speech recognition process, e.g. man-machine dialogue
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; 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]
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
- G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
- G10L25/03—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 characterised by the type of extracted parameters
- G10L25/24—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 characterised by the type of extracted parameters the extracted parameters being the cepstrum
Description
本適用例にかかる音声認識システムは、音声データの認識を行う音声認識システムであって、前記音声データの音声認識を行い、前記音声データについて予め登録された登録語に対する尤度を算出する音声認識部と、前記尤度に基づき、前記音声認識の信頼性判定を行う信頼性判定部と、前記音声データの発話速度に応じて、前記信頼性判定の判定基準を変更する判定基準変更処理部と、を含むことを特徴とする。
録語に対する尤度を算出し、信頼性判定部により尤度に基づき信頼性を判定し、判定基準変更処理部により利用者の発話速度に応じて信頼性判定の判定基準を変更することで、利用者の話す速度が変化することによって発生する誤った音声認識(誤認識)を低減することができる音声認識システムを提供することができる。
上記適用例にかかる音声認識システムにおいて、前記信頼性判定部は、前記音声認識の結果得られた複数の前記登録語における前記尤度の差である尤度差と尤度差判定閾値との比較の結果に基づき前記音声認識の信頼性を判定する前記信頼性判定を行い、前記判定基準変更処理部は、前記発話速度が遅くなるほど前記信頼性判定に用いる前記尤度差判定閾値が大きくなるように前記尤度差判定閾値を変更することが好ましい。
上記適用例にかかる音声認識システムにおいて、前記尤度差判定閾値は、前記登録語の音響モデルに対応して設定されており、前記信頼性判定部は、前記音声認識の結果得られた尤度が第1位の第1の登録語の音響モデルに対応して設定された前記尤度差判定閾値を用いて、前記音声データが前記第1の登録語であることの信頼性を判定することが好ましい。
上記適用例にかかる音声認識システムにおいて、前記判定基準変更処理部は、前記音声データの音声認識における認識時間と前記登録語の音響モデルの母音数とに基づき前記音声データの前記発話速度を判断することが好ましい。
上記適用例にかかる音声認識システムにおいて、前記信頼性判定部は、前記第1の登録語と前記尤度が第2位の第2の登録語とにおける前記尤度差を求め、前記尤度差と前記尤度差判定閾値との比較の結果に基づき前記音声データが前記第1の登録語であることの信頼性を判定することが好ましい。
本適用例にかかる音声認識プログラムは、音声データの音声認識を行い、前記音声データについて予め登録された登録語に対する尤度を算出する音声認識部と、前記尤度に基づき、前記音声認識の信頼性判定を行う信頼性判定部と、前記音声データの発話速度に応じて、前記信頼性判定の判定基準を変更する判定基準変更処理部と、してコンピューターを機能させることを特徴とする。
本適用例にかかる記憶媒体は、上記適用例にかかる音声認識プログラムが記憶されていることを特徴とする。
本適用例にかかる音声認識方法は、音声データの音声認識を行う音声認識方法であって、前記音声認識を行い、前記音声データについて予め登録された登録語に対する尤度を算出する音声認識ステップと、前記音声データの発話速度に応じて、信頼性判定の判定基準を変更する判定基準変更処理ステップと、前記尤度に基づき、前記音声認識の前記信頼性判定を行う信頼性判定ステップと、を含むことを特徴とする。
図1は、本実施形態の音声認識システム100の機能ブロック図である。音声認識システム100は、例えばコンピューターを用いて実現してもよいし、専用のハードウェアで実現してもよい。
り無しで示しても良いし、信頼度の値を割合やパーセンテージで示してもよい。
尤度差、縦軸は出現確率である。
の出現数と誤認識分布312の出現数とが同数となるときの値はS1よりも大きいS2である。従って、通常速度の場合と同じ条件の信頼性判定を行いたい場合には、尤度差判定閾値の値を大きくする必要がある。通常速度の場合と異なり、尤度差判定閾値をS1とした場合には、尤度差が尤度差判定閾値S1よりも大きい場合であっても誤認識の確率が正認識の確率よりも高い場合が存在する。
の登録語について、尤度差を用いた信頼性判定を行うようにしてもよい。尤度差判定閾値は、例えば無音又は雑音の音響モデルと音声認識を行って得られた尤度(この場合音声データ毎に異なる値となる)でもよいし、実験結果等から求めた尤度でもよい。また、音声認識部20は、発話速度が遅い場合には、速い場合に比べて最低尤度閾値の値が大きくなるように変更してもよい。
義できる関係でもよい)にあるとして、基準尤度差判定閾値410と今回の発話速度とに基づき今回の尤度差判定閾値420を求めてもよい。
定を行う(ステップS50)。
Claims (7)
- 音声データの認識を行う音声認識システムであって、
前記音声データの音声認識を行い、前記音声データについて予め登録された登録語に対する尤度を算出する音声認識部と、
前記尤度に基づき、前記音声認識の信頼性判定を行う信頼性判定部と、
前記音声データの発話速度に応じて、前記信頼性判定の判定基準を変更する判定基準変更処理部と、を含み、
前記信頼性判定は、前記音声認識の結果得られた複数の前記登録語における前記尤度の差である尤度差と尤度差判定閾値との比較の結果に基づき行われ、
前記判定基準変更処理部は、前記発話速度が遅くなるほど前記信頼性判定に用いる前記尤度差判定閾値が大きくなるように前記尤度差判定閾値を変更し、
前記尤度差判定閾値は、前記登録語の音響モデルに対応して設定されており、
前記信頼性判定部は、前記第1の登録語と前記尤度が第2位の第2の登録語とにおける前記尤度差と、前記音声認識の結果得られた尤度が第1位の第1の登録語の音響モデルに対応して設定された前記尤度差判定閾値と、を用いて、前記音声データが前記第1の登録語であることの信頼性を判定することを特徴とする音声認識システム。 - 前記信頼性判定部は、前記登録された登録語を前記信頼性判定に用いる登録語として採用するか否かを、前記登録語における尤度と前記登録語に対して設定された最低尤度閾値とを比較することによって判定し、
前記判定基準変更処理部は、前記発話速度が遅くなるほど前記最低尤度閾値が大きくなるように前記最低尤度閾値を変更することを特徴とする請求項1に記載の音声認識システム。 - 前記判定基準変更処理部は、前記音声データの音声認識における認識時間と前記音声認識の結果得られた尤度が第1位の第1の登録語の長さとに基づき前記音声データの前記発話速度を判断することを特徴とする請求項1または2に記載の音声認識システム。
- 前記判定基準変更処理部は、
前記音声データの音声認識における認識時間と前記登録語の音響モデルの母音数とに基づき前記音声データの前記発話速度を判断することを特徴とする請求項1または2に記載の音声認識システム。 - 音声データの音声認識を行い、前記音声データについて予め登録された登録語に対する尤度を算出する音声認識部と、
前記尤度に基づき、前記音声認識の信頼性判定を行う信頼性判定部と、
前記音声データの発話速度に応じて、前記信頼性判定の判定基準を変更する判定基準変更処理部と、してコンピューターを機能させ、
前記信頼性判定は、前記音声認識の結果得られた複数の前記登録語における前記尤度の差である尤度差と尤度差判定閾値との比較の結果に基づき行われ、
前記判定基準変更処理部は、前記発話速度が遅くなるほど前記信頼性判定に用いる前記尤度差判定閾値が大きくなるように前記尤度差判定閾値を変更し、
前記尤度差判定閾値は、前記登録語の音響モデルに対応して設定されており、
前記信頼性判定部は、前記第1の登録語と前記尤度が第2位の第2の登録語とにおける前記尤度差と、前記音声認識の結果得られた尤度が第1位の第1の登録語の音響モデルに対応して設定された前記尤度差判定閾値と、を用いて、前記音声データが前記第1の登録語であることの信頼性を判定することを特徴とする音声認識プログラム。 - 請求項5に記載された音声認識プログラムが記憶されていることを特徴とするコンピューターで読み取り可能な記録媒体。
- 音声データの音声認識を行う音声認識方法であって、
前記音声認識を行い、前記音声データについて予め登録された登録語に対する尤度を算出する音声認識ステップと、
前記音声データの発話速度に応じて、信頼性判定の判定基準を変更する判定基準変更処理ステップと、
前記尤度に基づき、前記音声認識の前記信頼性判定を行う信頼性判定ステップと、
を含み、
前記信頼性判定は、前記音声認識の結果得られた複数の前記登録語における前記尤度の差である尤度差と尤度差判定閾値との比較の結果に基づき行われ、
前記尤度差判定閾値は、前記発話速度が遅くなるほど大きくなるように変更され、
前記尤度差判定閾値は、前記登録語の音響モデルに対応して設定されており、
前記信頼性判定は、前記第1の登録語と前記尤度が第2位の第2の登録語とにおける前記尤度差と、前記音声認識の結果得られた尤度が第1位の第1の登録語の音響モデルに対応して設定された前記尤度差判定閾値と、を用いて、前記音声データが前記第1の登録語であることの信頼性を判定することを特徴とする音声認識方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2012150348A JP6131537B2 (ja) | 2012-07-04 | 2012-07-04 | 音声認識システム、音声認識プログラム、記録媒体及び音声認識方法 |
US13/924,809 US9251789B2 (en) | 2012-07-04 | 2013-06-24 | Speech-recognition system, storage medium, and method of speech recognition |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2012150348A JP6131537B2 (ja) | 2012-07-04 | 2012-07-04 | 音声認識システム、音声認識プログラム、記録媒体及び音声認識方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2014013302A JP2014013302A (ja) | 2014-01-23 |
JP6131537B2 true JP6131537B2 (ja) | 2017-05-24 |
Family
ID=49879187
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2012150348A Expired - Fee Related JP6131537B2 (ja) | 2012-07-04 | 2012-07-04 | 音声認識システム、音声認識プログラム、記録媒体及び音声認識方法 |
Country Status (2)
Country | Link |
---|---|
US (1) | US9251789B2 (ja) |
JP (1) | JP6131537B2 (ja) |
Families Citing this family (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6164076B2 (ja) * | 2013-12-17 | 2017-07-19 | ソニー株式会社 | 情報処理装置、情報処理方法、およびプログラム |
JP6410491B2 (ja) * | 2014-06-27 | 2018-10-24 | インターナショナル・ビジネス・マシーンズ・コーポレーションInternational Business Machines Corporation | 発音辞書の拡張システム、拡張プログラム、拡張方法、該拡張方法により得られた拡張発音辞書を用いた音響モデルの学習方法、学習プログラム、および学習システム |
US11676608B2 (en) | 2021-04-02 | 2023-06-13 | Google Llc | Speaker verification using co-location information |
US11942095B2 (en) | 2014-07-18 | 2024-03-26 | Google Llc | Speaker verification using co-location information |
US9257120B1 (en) | 2014-07-18 | 2016-02-09 | Google Inc. | Speaker verification using co-location information |
US9418679B2 (en) | 2014-08-12 | 2016-08-16 | Honeywell International Inc. | Methods and apparatus for interpreting received speech data using speech recognition |
US10650805B2 (en) * | 2014-09-11 | 2020-05-12 | Nuance Communications, Inc. | Method for scoring in an automatic speech recognition system |
US9424841B2 (en) * | 2014-10-09 | 2016-08-23 | Google Inc. | Hotword detection on multiple devices |
US9318107B1 (en) | 2014-10-09 | 2016-04-19 | Google Inc. | Hotword detection on multiple devices |
KR102371770B1 (ko) * | 2015-01-19 | 2022-03-07 | 삼성전자주식회사 | 음성 인식 장지 및 방법 |
US9779735B2 (en) | 2016-02-24 | 2017-10-03 | Google Inc. | Methods and systems for detecting and processing speech signals |
US9972320B2 (en) | 2016-08-24 | 2018-05-15 | Google Llc | Hotword detection on multiple devices |
EP4328905A3 (en) | 2016-11-07 | 2024-04-24 | Google Llc | Recorded media hotword trigger suppression |
US10559309B2 (en) | 2016-12-22 | 2020-02-11 | Google Llc | Collaborative voice controlled devices |
KR102458805B1 (ko) | 2017-04-20 | 2022-10-25 | 구글 엘엘씨 | 장치에 대한 다중 사용자 인증 |
US10395650B2 (en) | 2017-06-05 | 2019-08-27 | Google Llc | Recorded media hotword trigger suppression |
JP6811865B2 (ja) * | 2017-08-08 | 2021-01-13 | 三菱電機株式会社 | 音声認識装置および音声認識方法 |
US10839793B2 (en) | 2018-04-16 | 2020-11-17 | Google Llc | Automatically determining language for speech recognition of spoken utterance received via an automated assistant interface |
US10896672B2 (en) | 2018-04-16 | 2021-01-19 | Google Llc | Automatically determining language for speech recognition of spoken utterance received via an automated assistant interface |
US10692496B2 (en) | 2018-05-22 | 2020-06-23 | Google Llc | Hotword suppression |
CN112435668A (zh) * | 2020-11-06 | 2021-03-02 | 联想(北京)有限公司 | 一种语音识别方法、装置及存储介质 |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS63161500A (ja) * | 1986-12-24 | 1988-07-05 | 松下電器産業株式会社 | 音声認識装置 |
JPS63161499A (ja) * | 1986-12-24 | 1988-07-05 | 松下電器産業株式会社 | 音声認識装置 |
US5444817A (en) * | 1991-10-02 | 1995-08-22 | Matsushita Electric Industrial Co., Ltd. | Speech recognizing apparatus using the predicted duration of syllables |
JPH10207486A (ja) | 1997-01-20 | 1998-08-07 | Nippon Telegr & Teleph Corp <Ntt> | 対話型音声認識方法およびこの方法を実施する装置 |
JP2001228890A (ja) | 2000-02-17 | 2001-08-24 | Mitsubishi Electric Corp | 音声認識装置 |
JP3819896B2 (ja) * | 2003-11-14 | 2006-09-13 | 日本電信電話株式会社 | 音声認識方法、この方法を実施する装置、プログラムおよび記録媒体 |
JP4322785B2 (ja) * | 2004-11-24 | 2009-09-02 | 株式会社東芝 | 音声認識装置、音声認識方法および音声認識プログラム |
US8239203B2 (en) * | 2008-04-15 | 2012-08-07 | Nuance Communications, Inc. | Adaptive confidence thresholds for speech recognition |
JPWO2010128560A1 (ja) * | 2009-05-08 | 2012-11-01 | パイオニア株式会社 | 音声認識装置、音声認識方法、及び音声認識プログラム |
-
2012
- 2012-07-04 JP JP2012150348A patent/JP6131537B2/ja not_active Expired - Fee Related
-
2013
- 2013-06-24 US US13/924,809 patent/US9251789B2/en not_active Expired - Fee Related
Also Published As
Publication number | Publication date |
---|---|
US20140012578A1 (en) | 2014-01-09 |
US9251789B2 (en) | 2016-02-02 |
JP2014013302A (ja) | 2014-01-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6131537B2 (ja) | 音声認識システム、音声認識プログラム、記録媒体及び音声認識方法 | |
US9373321B2 (en) | Generation of wake-up words | |
KR101805976B1 (ko) | 음성 인식 장치 및 방법 | |
JP3886024B2 (ja) | 音声認識装置及びそれを用いた情報処理装置 | |
JP2011033680A (ja) | 音声処理装置及び方法、並びにプログラム | |
US20090112595A1 (en) | Discriminative training of multi-state barge-in models for speech processing | |
JP6464005B2 (ja) | 雑音抑圧音声認識装置およびそのプログラム | |
JP6336219B1 (ja) | 音声認識装置および音声認識方法 | |
WO2010128560A1 (ja) | 音声認識装置、音声認識方法、及び音声認識プログラム | |
US9542939B1 (en) | Duration ratio modeling for improved speech recognition | |
JP2010181884A (ja) | 隠れマルコフモデル作成プログラム、情報記憶媒体、隠れマルコフモデル作成システム、音声認識システム及び音声認識方法 | |
JP4074543B2 (ja) | 音声処理装置、音声処理方法、音声処理プログラム、および、プログラム記録媒体 | |
Këpuska | Wake-up-word speech recognition | |
JP6148150B2 (ja) | 音響分析フレーム信頼度計算装置と音響モデル適応装置と音声認識装置とそれらのプログラムと、音響分析フレーム信頼度計算方法 | |
JP6276513B2 (ja) | 音声認識装置および音声認識プログラム | |
JP5183120B2 (ja) | 平方根ディスカウンティングを使用した統計的言語による音声認識 | |
JP6481939B2 (ja) | 音声認識装置および音声認識プログラム | |
JP2008176202A (ja) | 音声認識装置及び音声認識プログラム | |
JP5427140B2 (ja) | 音声認識方法、音声認識装置及び音声認識プログラム | |
WO2012150658A1 (ja) | 音声認識装置および音声認識方法 | |
EP3790000A1 (en) | System and method for detection and correction of a speech query | |
US8768695B2 (en) | Channel normalization using recognition feedback | |
JP5673239B2 (ja) | 音声認識装置、音声認識方法、および音声認識プログラム | |
JP6497651B2 (ja) | 音声認識装置および音声認識プログラム | |
Breslin et al. | Continuous asr for flexible incremental dialogue |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
RD04 | Notification of resignation of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7424 Effective date: 20150108 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20150331 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20160329 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20160513 |
|
RD04 | Notification of resignation of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7424 Effective date: 20160609 |
|
RD03 | Notification of appointment of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7423 Effective date: 20160617 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20161025 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20161201 |
|
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: 20170321 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20170403 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6131537 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
LAPS | Cancellation because of no payment of annual fees |