JP7326931B2 - プログラム、情報処理装置、及び情報処理方法 - Google Patents
プログラム、情報処理装置、及び情報処理方法 Download PDFInfo
- Publication number
- JP7326931B2 JP7326931B2 JP2019123939A JP2019123939A JP7326931B2 JP 7326931 B2 JP7326931 B2 JP 7326931B2 JP 2019123939 A JP2019123939 A JP 2019123939A JP 2019123939 A JP2019123939 A JP 2019123939A JP 7326931 B2 JP7326931 B2 JP 7326931B2
- Authority
- JP
- Japan
- Prior art keywords
- information
- character string
- sound
- phoneme
- string
- 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
- 230000010365 information processing Effects 0.000 title claims description 23
- 238000003672 processing method Methods 0.000 title description 2
- 238000000034 method Methods 0.000 claims description 69
- 230000008569 process Effects 0.000 claims description 63
- 238000010586 diagram Methods 0.000 description 10
- 239000000284 extract Substances 0.000 description 5
- 241000617482 Kiwa Species 0.000 description 4
- 238000006243 chemical reaction Methods 0.000 description 4
- 235000016496 Panda oleosa Nutrition 0.000 description 3
- 240000000220 Panda oleosa Species 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 239000000047 product Substances 0.000 description 3
- 230000001131 transforming effect Effects 0.000 description 3
- 238000005314 correlation function Methods 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 230000004913 activation Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000001174 ascending effect Effects 0.000 description 1
- 239000006227 byproduct Substances 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 230000000877 morphologic effect Effects 0.000 description 1
- 230000005236 sound signal Effects 0.000 description 1
- 230000009466 transformation 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
- G10L15/26—Speech to text systems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/10—Text processing
- G06F40/166—Editing, e.g. inserting or deleting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/40—Processing or translation of natural language
-
- 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
- G10L15/02—Feature extraction for speech recognition; Selection of recognition unit
-
- 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
- G10L15/04—Segmentation; Word boundary detection
-
- 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
- G10L15/22—Procedures used during a speech recognition process, e.g. man-machine dialogue
-
- 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
- G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
- G10L25/48—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use
- G10L25/51—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use for comparison or discrimination
-
- 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
- G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
- G10L25/78—Detection of presence or absence of voice signals
-
- 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
- G10L15/02—Feature extraction for speech recognition; Selection of recognition unit
- G10L2015/025—Phonemes, fenemes or fenones being the recognition units
-
- 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
- G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
- G10L25/78—Detection of presence or absence of voice signals
- G10L2025/783—Detection of presence or absence of voice signals based on threshold decision
Landscapes
- Engineering & Computer Science (AREA)
- Computational Linguistics (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Physics & Mathematics (AREA)
- Human Computer Interaction (AREA)
- Acoustics & Sound (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Signal Processing (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Machine Translation (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Document Processing Apparatus (AREA)
Description
図1は、実施形態に係る情報処理装置10のハードウェア構成例を示す図である。図1の情報処理装置10は、それぞれバスBで相互に接続されているドライブ装置100、補助記憶装置102、メモリ装置103、CPU104、インタフェース装置105、表示装置106、及び入力装置107等を有する。なお、表示装置106は、「表示部」の一例である。
次に、図2を参照し、実施形態に係る情報処理装置10の機能構成について説明する。図2は、実施形態に係る情報処理装置10の機能構成の一例を示す図である。
次に、図3から図4Cを参照し、実施形態に係る情報処理装置10において実行される処理の一例について説明する。図3は、実施形態に係る情報処理装置10において実行される処理の一例を示すフローチャートである。図4Aから図4Cは、実施形態に係る表示画面例について説明する図である。なお、以下の処理は、例えば、1以上の文が発話される度に実行されてもよい。
次に、図3のステップS7の処理の例について説明する。なお、以下で説明する各例は、組み合わせて実施することができる。この場合、修正処理部16は、例えば、各方式に基づいて算出した類似度の値を正規化し、正規化した各類似度の値の平均値または合計値に基づいて、所定の類似性を有する部分を特定してもよい。
図5、及び図6を参照し、音素に基づいて所定の類似性を有する部分を特定する処理の一例について説明する。図5は、実施形態に係る音素に基づいて所定の類似性を有する部分を特定する処理の一例を示すフローチャートである。図6は、実施形態に係る所定の類似性を有する部分を特定する処理について説明する図である。
次に、図7を参照し、音声の波形に基づいて、所定の類似性を有する部分を特定する例について説明する。図7は、実施形態に係る音声の波形に基づいて所定の類似性を有する部分を特定する処理の一例を示すフローチャートである。
次に、図8を参照し、誤認識した音素列の履歴に基づいて、所定の類似性を有する部分を特定する例について説明する。図8は、実施形態に係る誤認識した音素列の履歴に基づいて所定の類似性を有する部分を特定する処理の一例を示すフローチャートである。
次に、図9から図11を参照し、図3のステップS8の、入力された音声を文字列に変換する処理の例について説明する。図9は、実施形態に係る誤認識音素列統計DB111に記憶される誤認識された音素列の履歴の一例を示す図である。図10は、実施形態に係る誤認識文字列統計DB112に記憶される誤認識された文字列の履歴の一例を示す図である。図11は、実施形態に係る表示画面例について説明する図である。なお、以下で説明する各例は、組み合わせて実施することができる。
音声認識部14は、音素数、及び音素での編集距離に基づいて、入力された音声に対する修正候補の文字列を決定してもよい。この場合、音声認識部14は、機械学習等を用いる音声認識エンジンから出力された複数の修正候補の文字列の音素数と、入力された音声の音素数との差、及び音素での編集距離を算出する。そして、音声認識部14は、出力された複数の修正候補のうち、算出した各値の少なくとも一方の値または合計値が小さい順に、所定数(例えば、1以上)の文字列を、入力された音声に対する修正候補として決定してもよい。
音声認識部14は、音声認識された内容に基づいて、入力された音声に対する修正候補の文字列を決定してもよい。この場合、音声認識部14は、図10に示す誤認識文字列統計DB112に記憶されている、誤認識された文字列の履歴に基づいて、入力された音声に対する修正候補の文字列を決定してもよい。
音声認識部14は、第1修正候補の文字列に、予め記憶部11に登録されている特定の用語が含まれる場合、当該第1修正候補に含まれる当該特定の用語を他の語句に変換した第2修正候補と、当該第1修正候補とを対応付けて、修正候補の一つとして表示してもよい。当該特定の用語には、例えば、放送禁止用語、放送自粛用語、及び方言等の用語が含まれてもよい。
例えば、1以上のコンピュータを備える、情報処理装置10以外の処理資源(クラウドコンピューティング)により、情報処理装置10の各機能部のすべてまたは一部が実現されていてもよい。
従来、テレビ放送において字幕を表示させる技術が普及している。スポーツ実況や情報番組で放送される実況や解説の音声は、会場の騒音レベルが高く、出演者の発話スタイルも様々であるため、放送される音声を音声認識させた場合、音声認識の精度が低い場合がある。そのため、専門のアナウンサー(字幕キャスター)が、生放送等の番組で実際に放送された実況や解説の音声をヘッドホンで聞き取りながら、聞き取った内容を要約して言い直す。そして、言い直された音声を音声認識させることにより、精度が比較的高い字幕用の文字列を生成する手法が知られている。この手法は、例えば、「リスピーク方式」等と称されている。
(付記1)
コンピュータに、
複数の単語を含む文を表示部に表示させた後で音声の入力を受け付ける処理と、
前記文の音に関する情報である第1の音情報を取得する処理と、
前記受け付ける処理により受け付けた音声の音に関する情報である第2の音情報を取得する処理と、
前記第1の音情報のうち、前記第2の音情報と所定の類似性がある部分を特定する処理と、
特定した前記部分に対応する前記文中の文字列を、前記第2の音情報に応じた文字列に基づいて修正する処理と、を実行させるプログラム。
(付記2)
前記特定する処理では、前記第1の音情報に含まれる音素列と、前記第2の音情報に含まれる音素列との類似度に基づいて前記部分を特定する、
付記1に記載のプログラム。
(付記3)
前記特定する処理では、前記第1の音情報に含まれる音声の波形と、前記第2の音情報に含まれる音声の波形との類似度に基づいて前記部分を特定する、
付記1または2に記載のプログラム。
(付記4)
前記特定する処理では、前記第1の音情報に含まれる音素列と、前記受け付ける処理により受け付けた音声の音素列を音素列の誤認識に関する履歴情報に基づいて変更した音素列と、に基づいて、前記部分を特定する、
付記1から3のいずれか一項に記載のプログラム。
(付記5)
前記修正する処理では、特定した前記部分に対応する前記文中の文字列の修正候補として、前記第2の音情報に含まれる音素列に対応する文字列、及び前記第2の音情報に含まれる音素列を変更した音素列に対応する文字列を前記表示部に表示させる、
付記1から4のいずれか一項に記載のプログラム。
(付記6)
前記修正する処理では、特定した前記部分の文字列を、前記表示部に表示させた複数の修正候補の各文字列からユーザにより選択された文字列で置換する、
付記5に記載のプログラム。
(付記7)
前記複数の修正候補に含まれる第1修正候補に特定の用語が含まれる場合、前記第1修正候補に含まれる前記特定の用語を他の語句に変換した第2修正候補と、前記第1修正候補とを対応付けて表示し、
前記第2修正候補がユーザにより選択された場合、特定した前記部分を、前記第2修正候補の文字列で置換する、
付記6に記載のプログラム。
(付記8)
前記文の単語数、文字数、及び前記文が音声認識により生成される場合の音声の区切りの少なくとも一つに基づいて、前記文を第1範囲と第2範囲とに分割し、前記第1範囲を示す情報を表示させ、
前記特定する処理は、前記第1範囲内に対応する前記第1の音情報のうち、前記第2の音情報と所定の類似性がある部分を特定する、
付記1から7のいずれか一項に記載のプログラム。
(付記9)
複数の単語を含む文を表示部に表示させた後で音声の入力を受け付ける受付部と、
前記文の音に関する情報である第1の音情報を取得し、前記受け付ける処理により受け付けた音声の音に関する情報である第2の音情報を取得する取得部と、
前記第1の音情報のうち、前記第2の音情報と所定の類似性がある部分を特定し、特定した前記部分に対応する前記文中の文字列を、前記第2の音情報に応じた文字列に基づいて修正する修正処理部と、を有する情報処理装置。
(付記10)
情報処理装置が、
複数の単語を含む文を表示部に表示させた後で音声の入力を受け付ける処理と、
前記文の音に関する情報である第1の音情報を取得する処理と、
前記受け付ける処理により受け付けた音声の音に関する情報である第2の音情報を取得する処理と、
前記第1の音情報のうち、前記第2の音情報と所定の類似性がある部分を特定する処理と、
特定した前記部分に対応する前記文中の文字列を、前記第2の音情報に応じた文字列に基づいて修正する処理と、を実行する情報処理方法。
11 記憶部
111 誤認識音素列統計DB
112 誤認識文字列統計DB
12 受付部
13 取得部
14 音声認識部
15 表示制御部
16 修正処理部
17 制御部
Claims (10)
- コンピュータに、
複数の単語を含む文を表示部に表示させた後で音声の入力を受け付ける処理と、
前記文の音に関する情報である第1の音情報を取得する処理と、
前記受け付ける処理により受け付けた音声の音に関する情報である第2の音情報を取得する処理と、
誤認識した音素列の履歴情報に基づいて、前記第1の音情報のうち、前記第2の音情報と所定の類似性がある部分を特定する処理と、
特定した前記部分に対応する前記文中の文字列を、前記第2の音情報に応じた文字列に基づいて修正する処理と、を実行させるプログラム。 - 前記特定する処理では、前記第1の音情報に含まれる音素列と、前記第2の音情報に含まれる音素列との類似度に基づいて前記部分を特定する、
請求項1に記載のプログラム。 - 前記特定する処理では、前記第1の音情報に含まれる音声の波形と、前記第2の音情報に含まれる音声の波形との類似度に基づいて前記部分を特定する、
請求項1または2に記載のプログラム。 - 前記特定する処理では、前記第1の音情報に含まれる音素列と、前記受け付ける処理により受け付けた音声の音素列を音素列の誤認識に関する履歴情報に基づいて変更した音素列と、に基づいて、前記部分を特定する、
請求項1から3のいずれか一項に記載のプログラム。 - 前記修正する処理では、特定した前記部分に対応する前記文中の文字列の修正候補として、前記第2の音情報に含まれる音素列に対応する文字列、及び前記第2の音情報に含まれる音素列を変更した音素列に対応する文字列を前記表示部に表示させる、
請求項1から4のいずれか一項に記載のプログラム。 - 前記修正する処理では、特定した前記部分の文字列を、前記表示部に表示させた複数の修正候補の各文字列からユーザにより選択された文字列で置換する、
請求項5に記載のプログラム。 - 前記複数の修正候補に含まれる第1修正候補に特定の用語が含まれる場合、前記第1修正候補に含まれる前記特定の用語を他の語句に変換した第2修正候補と、前記第1修正候補とを対応付けて表示し、
前記第2修正候補がユーザにより選択された場合、特定した前記部分を、前記第2修正候補の文字列で置換する、
請求項6に記載のプログラム。 - 前記文の単語数、文字数、及び前記文が音声認識により生成される場合の音声の区切りの少なくとも一つに基づいて、前記文を第1範囲と第2範囲とに分割し、前記第1範囲を示す情報を表示させ、
前記特定する処理は、前記第1範囲内に対応する前記第1の音情報のうち、前記第2の音情報と所定の類似性がある部分を特定する、
請求項1から7のいずれか一項に記載のプログラム。 - 複数の単語を含む文を表示部に表示させた後で音声の入力を受け付ける受付部と、
前記文の音に関する情報である第1の音情報を取得し、前記受け付ける処理により受け付けた音声の音に関する情報である第2の音情報を取得する取得部と、
誤認識した音素列の履歴情報に基づいて、前記第1の音情報のうち、前記第2の音情報と所定の類似性がある部分を特定し、特定した前記部分に対応する前記文中の文字列を、前記第2の音情報に応じた文字列に基づいて修正する修正処理部と、を有する情報処理装置。 - 情報処理装置が、
複数の単語を含む文を表示部に表示させた後で音声の入力を受け付ける処理と、
前記文の音に関する情報である第1の音情報を取得する処理と、
前記受け付ける処理により受け付けた音声の音に関する情報である第2の音情報を取得する処理と、
誤認識した音素列の履歴情報に基づいて、前記第1の音情報のうち、前記第2の音情報と所定の類似性がある部分を特定する処理と、
特定した前記部分に対応する前記文中の文字列を、前記第2の音情報に応じた文字列に基づいて修正する処理と、を実行する情報処理方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019123939A JP7326931B2 (ja) | 2019-07-02 | 2019-07-02 | プログラム、情報処理装置、及び情報処理方法 |
US16/914,621 US11798558B2 (en) | 2019-07-02 | 2020-06-29 | Recording medium recording program, information processing apparatus, and information processing method for transcription |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019123939A JP7326931B2 (ja) | 2019-07-02 | 2019-07-02 | プログラム、情報処理装置、及び情報処理方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2021009253A JP2021009253A (ja) | 2021-01-28 |
JP7326931B2 true JP7326931B2 (ja) | 2023-08-16 |
Family
ID=74066092
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019123939A Active JP7326931B2 (ja) | 2019-07-02 | 2019-07-02 | プログラム、情報処理装置、及び情報処理方法 |
Country Status (2)
Country | Link |
---|---|
US (1) | US11798558B2 (ja) |
JP (1) | JP7326931B2 (ja) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11347052B2 (en) | 2017-10-23 | 2022-05-31 | Sony Corporation | Display control apparatus, head mounted display, and display control method |
JP7326931B2 (ja) * | 2019-07-02 | 2023-08-16 | 富士通株式会社 | プログラム、情報処理装置、及び情報処理方法 |
US20240095449A1 (en) * | 2022-09-16 | 2024-03-21 | Verizon Patent And Licensing Inc. | Systems and methods for adjusting a transcript based on output from a machine learning model |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2015184564A (ja) | 2014-03-25 | 2015-10-22 | 株式会社アドバンスト・メディア | 音声書起支援システム、サーバ、装置、方法及びプログラム |
JP2017167368A (ja) | 2016-03-16 | 2017-09-21 | 株式会社東芝 | 音声認識誤り修正装置、方法及びプログラム |
Family Cites Families (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6269335B1 (en) * | 1998-08-14 | 2001-07-31 | International Business Machines Corporation | Apparatus and methods for identifying homophones among words in a speech recognition system |
JP3718088B2 (ja) | 1999-09-24 | 2005-11-16 | アルパイン株式会社 | 音声認識修正方式 |
JP4509361B2 (ja) | 2000-11-16 | 2010-07-21 | 株式会社東芝 | 音声認識装置、認識結果修正方法及び記録媒体 |
US7386454B2 (en) * | 2002-07-31 | 2008-06-10 | International Business Machines Corporation | Natural error handling in speech recognition |
TWI269268B (en) * | 2005-01-24 | 2006-12-21 | Delta Electronics Inc | Speech recognizing method and system |
US8954329B2 (en) * | 2011-05-23 | 2015-02-10 | Nuance Communications, Inc. | Methods and apparatus for acoustic disambiguation by insertion of disambiguating textual information |
JP2014203208A (ja) * | 2013-04-03 | 2014-10-27 | ソニー株式会社 | 情報処理装置、情報処理方法及びコンピュータプログラム |
DK2994908T3 (da) * | 2013-05-07 | 2019-09-23 | Veveo Inc | Grænseflade til inkrementel taleinput med realtidsfeedback |
US10049655B1 (en) * | 2016-01-05 | 2018-08-14 | Google Llc | Biasing voice correction suggestions |
US10468015B2 (en) * | 2017-01-12 | 2019-11-05 | Vocollect, Inc. | Automated TTS self correction system |
US20200082808A1 (en) * | 2018-09-12 | 2020-03-12 | Kika Tech (Cayman) Holdings Co., Limited | Speech recognition error correction method and apparatus |
US10832679B2 (en) * | 2018-11-20 | 2020-11-10 | International Business Machines Corporation | Method and system for correcting speech-to-text auto-transcription using local context of talk |
JP7326931B2 (ja) * | 2019-07-02 | 2023-08-16 | 富士通株式会社 | プログラム、情報処理装置、及び情報処理方法 |
-
2019
- 2019-07-02 JP JP2019123939A patent/JP7326931B2/ja active Active
-
2020
- 2020-06-29 US US16/914,621 patent/US11798558B2/en active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2015184564A (ja) | 2014-03-25 | 2015-10-22 | 株式会社アドバンスト・メディア | 音声書起支援システム、サーバ、装置、方法及びプログラム |
JP2017167368A (ja) | 2016-03-16 | 2017-09-21 | 株式会社東芝 | 音声認識誤り修正装置、方法及びプログラム |
Non-Patent Citations (1)
Title |
---|
大田健翔 秋田祐哉 河原達也,講演音声認識結果の誤り箇所の復唱入力を用いたノートテイクシステム,情報処理学会 第77回(平成27年)全国大会,2015年03月17日,pp.2-125~2-126 |
Also Published As
Publication number | Publication date |
---|---|
US11798558B2 (en) | 2023-10-24 |
JP2021009253A (ja) | 2021-01-28 |
US20210005204A1 (en) | 2021-01-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP4987623B2 (ja) | ユーザと音声により対話する装置および方法 | |
JP4791984B2 (ja) | 入力された音声を処理する装置、方法およびプログラム | |
JP4542974B2 (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 | |
JP7326931B2 (ja) | プログラム、情報処理装置、及び情報処理方法 | |
US9588967B2 (en) | Interpretation apparatus and method | |
JP5787780B2 (ja) | 書き起こし支援システムおよび書き起こし支援方法 | |
JP5824829B2 (ja) | 音声認識装置、音声認識方法及び音声認識プログラム | |
US20090138266A1 (en) | Apparatus, method, and computer program product for recognizing speech | |
US10304457B2 (en) | Transcription support system and transcription support method | |
JP2009139862A (ja) | 音声認識装置及びコンピュータプログラム | |
JP2016062357A (ja) | 音声翻訳装置、方法およびプログラム | |
CN112580340A (zh) | 逐字歌词生成方法及装置、存储介质和电子设备 | |
CN113225612A (zh) | 字幕生成方法、装置、计算机可读存储介质及电子设备 | |
JP2015158582A (ja) | 音声認識装置、及びプログラム | |
Ciobanu et al. | Speech recognition and synthesis technologies in the translation workflow | |
JP5396530B2 (ja) | 音声認識装置および音声認識方法 | |
JP2000029492A (ja) | 音声翻訳装置、音声翻訳方法、音声認識装置 | |
JP2012003090A (ja) | 音声認識装置および音声認識方法 | |
JP5334716B2 (ja) | 文字情報提示制御装置及びプログラム | |
JP5293478B2 (ja) | 音声認識用の閾値管理プログラム、音声認識用の閾値管理方法、音声認識装置 | |
US6772116B2 (en) | Method of decoding telegraphic speech | |
KR102299269B1 (ko) | 음성 및 스크립트를 정렬하여 음성 데이터베이스를 구축하는 방법 및 장치 | |
JP6849977B2 (ja) | テキスト表示用同期情報生成装置および方法並びに音声認識装置および方法 | |
JP2012255867A (ja) | 音声認識装置 | |
KR20110119478A (ko) | 음성 인식 장치 및 음성 인식 방법 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220308 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20230118 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230124 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230327 |
|
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: 20230704 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20230717 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7326931 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |