JPH05127692A - 音声認識装置 - Google Patents

音声認識装置

Info

Publication number
JPH05127692A
JPH05127692A JP3278896A JP27889691A JPH05127692A JP H05127692 A JPH05127692 A JP H05127692A JP 3278896 A JP3278896 A JP 3278896A JP 27889691 A JP27889691 A JP 27889691A JP H05127692 A JPH05127692 A JP H05127692A
Authority
JP
Japan
Prior art keywords
label
information
bus
labels
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.)
Granted
Application number
JP3278896A
Other languages
English (en)
Other versions
JP2662120B2 (ja
Inventor
Masafumi Nishimura
雅史 西村
Akihiro Kuroda
明裕 黒田
Koichi Toshioka
晃一 年岡
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
International Business Machines Corp
Original Assignee
International Business Machines Corp
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by International Business Machines Corp filed Critical International Business Machines Corp
Priority to JP3278896A priority Critical patent/JP2662120B2/ja
Priority to US07/931,240 priority patent/US5353377A/en
Priority to BR929203745A priority patent/BR9203745A/pt
Priority to DE69224953T priority patent/DE69224953T2/de
Priority to EP92308855A priority patent/EP0535909B1/en
Publication of JPH05127692A publication Critical patent/JPH05127692A/ja
Application granted granted Critical
Publication of JP2662120B2 publication Critical patent/JP2662120B2/ja
Anticipated expiration legal-status Critical
Expired - Fee Related legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
    • G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
    • G09B19/00—Teaching not covered by other main groups of this subclass
    • G09B19/04—Speaking
    • 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
    • G10L15/285—Memory allocation or algorithm optimisation to reduce hardware requirements
    • 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]

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Health & Medical Sciences (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • General Health & Medical Sciences (AREA)
  • Acoustics & Sound (AREA)
  • Multimedia (AREA)
  • Human Computer Interaction (AREA)
  • Computational Linguistics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Educational Administration (AREA)
  • Educational Technology (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Time Recorders, Dirve Recorders, Access Control (AREA)

Abstract

(57)【要約】 【目的】パーソナル・コンピュータ１のバス２に実装さ
れた信号処理カード５において音声の信号処理だけでな
く信号処理データを利用した音声認識を行えるようにす
る。 【構成】パーソナル・コンピュータ１のバス２に実装さ
れた信号処理カード５はバス・マスタ６を有し、このバ
ス・マスタ６を利用してパーソナル・コンピュータ１の
主メモリ４をアクセスする。音声認識に必要な膨大な確
率値のテーブルを主メモリ４に保持し、処理対象のラベ
ルの到来ごとに、テーブルの必要部分をバス・マスタ６
のＤＭＡ転送により主メモリ４から信号処理カード５の
メモリ９に読み込み、音声認識の処理を行う。

Description

【発明の詳細な説明】
【０００１】
【産業上の利用分野】この発明は音声認識に関し、とく
にパーソナル・コンピュータ（以下ＰＣと略記）のバス
に実装された信号処理カードで、大語彙、実時間の認識
を行えるようにしたものである。
【０００２】
【従来の技術】現存する大語彙音声認識装置は、その実
装形態から、大きく分けてつぎの２種がある。 （１）一時点で認識可能な語彙に関するデータを、すべ
て認識装置上に保持して音声認識を行ない、認識結果を
ＰＣなどに（通常、ＲＳ−２３２Ｃなどの通信回線を介
して）出力するタイプのもの。これは、ボックス型（ス
タンド・アロン型）の認識装置に多くみられる。このタ
イプの認識装置は、大量のデータを装置内に保持するた
めのハードウェアが必要となるため、非常に高価なもの
となっている。この種の音声認識装置としてはたとえば
日本電気株式会社のＤＰ−３０００音声認識装置があ
る。 （２）ＰＣのバスに実装される信号処理カードを用い、
カード上では音声の特徴量抽出のみ（または、特徴量抽
出とラベル付けのみ）を行ない、音声認識のための主な
処理はＰＣのプロセッサにより行うタイプのもの。この
方式は、安価に実現可能であるが、ＰＣのプロセッサの
処理能力の大半を音声認識そのもののために使用する必
要があり、音声認識を利用した大規模なアプリケーショ
ンの構築に支障をきたしたり、逆に音声認識の実時間性
（応答速度）に問題が生じたりすることが多い。この種
の音声認識装置としてはたとえば米国ドラゴン・システ
ムズ・インクのドラゴン・ライタ−１０００がある。
【０００３】現在の音声認識装置で、大語彙音声認識
を、ＰＣのプロセッサに負担をかけない形で、かつ安価
に実現した例はない。
【０００４】
【発明が解決しようとする問題点】この発明は以上の事
情を考慮してなされたものであり、ＰＣのバスに実装さ
れた信号処理カードにより大語彙音声認識を行い、か
つ、ＰＣのプロセッサに負担をかけない形で、かつ安価
に、実時間音声認識を達成する音声認識装置を実現する
ことを目的としている。
【０００５】
【問題点を解決するための手段】この発明では以上の目
的を達成するために、信号処理カードのＰＣバス・イン
ターフェースとして、バス・マスタの機能を有している
ものを使用する。そして膨大な確率値テーブルはＰＣの
主メモリに保持する。そして、単語発声によって得られ
たラベル列に応じて、テーブルの必要部分のみを、信号
処理カードのバス・マスタのＤＭＡ転送で、ＰＣの主メ
モリから信号処理カードのメモリに読みこみ、カード上
で音声認識の処理を行う。これにより、小規模なメモリ
しか持たない信号処理カード上で、大語彙の実時間音声
認識を実現することを可能にする。
【０００６】
【実施例】以下、この発明をフェノニック・マルコフ・
モデルに基づく１，０００単語音声認識に適用した一実
施例について、図面を参照しながら説明する。
【０００７】（１）音声認識の概要 本実施例では、予備選択法としてポーリング高速マッチ
を使用し、詳細マッチングにはフェノニック・マルコフ
・モデルに基づく手法を用い、これらの手法を併用する
ことで大語彙認識装置を実現した。まず、ポーリング高
速マッチおよびフェノニック・マルコフ・モデルに基づ
く詳細マッチングについて概説する。
【０００８】（１−１）ポーリング高速マッチ 各単語について、約１０ミリ秒の音響分析区間毎（この
単位を以下「フレーム」と呼ぶ）に得られたラベルに対
応して、ボーティング関数による投票を行い、発生終了
時に上位スコアを与えたもののみ（本実施例では、１，
０００単語中上位２５単語）を候補単語として詳細マッ
チングに渡す。これはフレーム毎のラベル生起確率のみ
に注目し、ラベル系列の時間構造を含まないものである
が、高速なマッチング手段であり、大語彙音声認識の予
備選択方式として有効である。ここでボーティング関数
は、例えばlogPr(L(t)|W(i))で与えられる。これは、各
単語W(i)が時刻tに観測されたラベルL(t)を発生させる
確率の対数値と考えることができる。なおポーリング高
速マッチについては特開昭６２−２２０９９６号公報
（米国特許明細書第４７１８０９４号）にも詳細な説明
がある。
【０００９】（１−２）詳細マッチング フェノニック・マルコフ・モデルと呼ばれるヒドゥン・
マルコフ・モデルの一種を用い、単語発声により得られ
るラベル系列の時間構造を含めた形の詳細なマッチング
処理を行う。なおフェノニック・マルコフ・モデル（フ
ィーニーム・マルコフ・モデルともいう）については特
開昭６２−１７８９９９号公報（米国特許明細書第４８
３３７１２号）にも詳細な説明がある。
【００１０】［パラメータ及びモデル］図１は、本実施
例で用いられているフェノニック・マルコフ・モデルの
構造を示す。ここでPr(B(k)|F(j))は、フェノニック・
マルコフ・モデルF(j)が遷移B(k)を起こす遷移確率であ
る。また、Pr(L(t)|F(j))は、フェノニック・マルコフ
・モデルF(j)が時刻tにおいてラベルL(t)を出力するラ
ベル出力確率である。
【００１１】［単語音声モデル］まず各単語発声により
得られるラベル列（これをベース・フォームという）を
作る。図２に示されるように、このラベル列のラベル番
号に一対一対応するようにフェノニック・マルコフ・モ
デルが順次連結されたものをフェノニック単語音声モデ
ルと呼ぶ。ベース・フォームは、認識対象単語毎に実際
の発声から作成され、ベース・フォーム・テーブルに登
録される。
【００１２】［認識］入力音声ラベル列L(t)及び各候補
単語W(i)に対し、ビタービ・アルゴリズムを使って、ス
コアである対数尤度を求め、最大スコアを与える単語W
(i)を認識結果とする。
【００１３】（２）システム構成 システム構成について、図３を参照しながら説明する。
図３は、本発明を日本アイ・ビー・エム（株）のＰＣ、
ＰＳ／５５（米国インターナショナル・ビジネス・マシ
ーンズ社の商標）を使って実現した例である。
【００１４】ＰＣ１は、その内部にＰＣバス（マイクロ
チャネル、米国インターナショナル・ビジネス・マシー
ンズ社の商標）２を持っており、上述ＰＣバス２にはＰ
Ｃのプロセッサ３と、上述プロセッサ３の主メモリ４が
接続されている。上述主メモリ４は、通常、数ＭＢから
十数ＭＢの大きさであり（本実施例では６ＭＢ）、一時
点で認識可能な語彙（本実施例では１，０００単語）に
関する全データを保持している。なお、上述主メモリ４
内の具体的なデータの内容およびその配置（メモリ・マ
ップ）は、（３）主メモリ内のデータ構成およびその転
送方法で説明する。
【００１５】一方、信号処理カード（ＳＰＣ）５も、Ｐ
Ｃバス・インターフェース６を介してＰＣバス２に接続
されている。信号処理カード（ＳＰＣ）５は、その内部
にＳＰＣ内部バス７を持っており、ＳＰＣ内部バス７に
は、ＰＣバス・インターフェース６に加えて、高速の信
号処理プロセッサ（ＤＳＰ）８、信号処理プロセッサ
（ＤＳＰ）８のための高速なＤＳＰ用メモリ９およびア
ナログ・デジタル（Ａ／Ｄ）コンバータ１２が接続され
ている。ＤＳＰ用メモリ９は、通常数十ＫＢの容量であ
り（本実施例では６４ＫＢ）、認識対象語彙に関する全
データを保持することはできない。ＰＣ１の主メモリ４
と同程度の大きさのメモリを持てば、上述全データを保
持することはもちろん可能であるが、ＤＳＰ８のスピー
ドに見合った高速のメモリを大量に搭載すると非常に高
価なものとなってしまう。
【００１６】ところで、上述ＰＣバス・インターフェー
ス６は、バス・マスタの機能を有している。バス・マス
タ機能により、ＰＣバスの使用権を一時的に確保し、み
ずからがＰＣバス２をコントロールしつつ、ダイレクト
・メモリ・アクセス（ＤＭＡ）転送を行うことができ
る。
【００１７】入力音声は、マイクロフォン１０および増
幅器１１を介して、Ａ／Ｄコンバータ１２に供給され、
ここでデジタル・データとされた後、ＳＰＣ内部バス７
を通ってＤＳＰ用メモリ９に格納される。信号処理プロ
セッサ（ＤＳＰ）８はこのデータを使ってフレーム毎に
音響分析を行ない、特徴量抽出およびラベル付けを行
う。
【００１８】フレーム毎にＤＳＰ用メモリ９内に得られ
るこのラベルを使って、信号処理プロセッサ（ＤＳＰ）
８は、フレーム同期型で、ポーリング高速マッチを行
う。即ち、入力ラベルが得られる毎に、各単語に対する
ポーリング高速マッチのスコアを更新する。ポーリング
高速マッチのための全ラベル（本実施例では２５６ラベ
ル）に関するデータは主メモリ４に格納されているが、
上述の理由から、現フレームで得られた当該ラベル（１
つのラベル）に関するデータだけをＤＳＰ用メモリ９内
に得れば、ポーリング高速マッチを行うことができる。
よって、信号処理プロセッサ（ＤＳＰ）８は、ＰＣバス
・インターフェース６のバス・マスタ機能を使用して、
ＤＭＡ転送を行ない、主メモリ４からＤＳＰ用メモリ９
へ現フレームで得られた当該ラベルに関するデータのみ
を転送し、ポーリング高速マッチを行う。
【００１９】フレーム毎のラベル付けおよびポーリング
高速マッチと並行して、信号処理プロセッサ（ＤＳＰ）
８は音声区間の検出も行う。そして音声区間の終端が得
られたら、その時点でのポーリング高速マッチのスコア
をもとに、詳細マッチングを行う候補単語を選ぶ。本実
施例では、上位２５単語を候補として残した。詳細マッ
チングのための全単語（本実施例では１，０００単語）
に関するデータ（ベース・フォーム）および全フェノニ
ック・マルコフ・モデルのラベル出力確率は主メモリ４
に格納されているが（遷移確率はデータ量が少ないので
ＤＳＰ用メモリの上に常駐している）、詳細マッチング
はフレーム同期型で行うので、２５個の候補単語に関す
るデータのほかには、ラベル１つ１つに対応してラベル
出力確率をＤＳＰ用メモリ９内に順次転送すれば、詳細
マッチングを行うことができる。よって、信号処理プロ
セッサ（ＤＳＰ）８は、ＰＣバス・インターフェース６
のバス・マスタ機能を使用して、ＤＭＡ転送を行ない、
主メモリ４からＤＳＰ用メモリ９へ上述２種類のデータ
を転送し、詳細マッチングを行う。
【００２０】 （３）主メモリ内のデータ構成およびその転送方法 主メモリ４内のデータ構成およびその転送方法につい
て、図４を参照しながら説明する。本実施例に関連する
３つのテーブルの構成およびその転送方法について各々
説明する。 （３−１）ポーリング高速マッチ・テーブル２１ 本実施例に用いたボーティング関数は、logPr(L(t)|W
(i))で表され、 これは、ある単語W(i)が与えられた時、
時刻tにおいて観測されたラベルL(t)の出現確率の対数
値と考えられる。スコアＳw(i)は、このボーティング関
数をtについて足しこむことにより与えられ、入力ラベ
ルが得られる毎に、各単語に関するスコアが更新され
る。スコアを求めるには、この確率値テーブル（ポーリ
ング高速マッチ・テーブル２１）を保持する必要がある
が、本実施例の場合、対象語彙１，０００語、ラベルの
種類２５６であり、各要素を２バイトとした場合、テー
ブル・サイズは５１２ＫＢとなり、ＤＳＰ用メモリにテ
ーブル全体を格納することはできない。よって、前述の
ように、このテーブルをＰＣ１の主メモリ４に保持し、
入力ラベルL(t)が得られる毎に、信号処理カード（ＳＰ
Ｃ）５は、主メモリ４からＤＳＰ用メモリ９へ現フレー
ムで得られた当該ラベルに関するデータ２２のみ（本実
施例では２ＫＢ）をＤＭＡ転送し、ポーリング高速マッ
チを行う。なお、ポーリング高速マッチ・テーブル２１
は、ＤＭＡ転送およびアドレッシングが容易なように、
主メモリ上ではラベル毎に全対象語彙に対する出現確率
値が並べられている。このように、信号処理カード（Ｓ
ＰＣ）５上でポーリング高速マッチを行うために必要と
される記憶量は、２ＫＢのＤＭＡ転送用バッファとスコ
アＳw(i)を保持するための２ＫＢ、計４ＫＢのみとな
る。なお、同一ラベルが続く場合（定常母音部など）
は、繰り返してＤＭＡ転送する必要はない。
【００２１】（３−２）ラベル出力確率テーブル２３ フェノニック・マルコフ・モデルF(j)のラベルL(t)の出
力確率は、logPr(L(t)|F(j))で表される。各単語モデル
の入力ラベル列に対する尤度を求めるには、ラベル出力
確率テーブル２３が必要であるが、本実施例の場合、フ
ェノニック・マルコフ・モデルおよびラベルの種類が各
々２５６であり、各要素を２バイトとした場合、テーブ
ル・サイズは１３１ＫＢとなり、ＤＳＰ用メモリ９にテ
ーブル全体を格納することはできない。よって、ポーリ
ング高速マッチ・テーブル２１と同様に、このテーブル
２３をＰＣ１の主メモリ４に保持する。そして、詳細マ
ッチングをフレーム同期型で行ない、信号処理カード
（ＳＰＣ）５は、主メモリ４からＤＳＰ用メモリ９へ、
入力ラベルL(t)１つ１つについて順次、当該ラベルに関
する全フェノニック・マルコフ・モデル分のデータ２４
だけ（本実施例では５１２バイト）をＤＭＡ転送を使っ
て読みこむ。なお、ラベル出力確率テーブル２３につい
ても、ＤＭＡ転送およびアドレッシングが容易なよう
に、主メモリ上ではラベル毎に全フェノニック・マルコ
フ・モデルに対する出力確率値が並べられている。この
ように、信号処理カード（ＳＰＣ）５上で出力確率値を
保持するために必要とされる記憶量は、５１２バイトの
みとなる。なお、この場合も、同一ラベルが続く場合
（定常母音部など）は、繰り返してＤＭＡ転送する必要
はない。
【００２２】（３−３）ベース・フォーム・テーブル２
５ 本実施例の場合、対象語彙１，０００語であり、平均単
語長を１００フレームとすると、全単語のベース・フォ
ームを保持するには１００ＫＢのメモリ容量が必要であ
り、ＤＳＰ用メモリ９に全単語のベース・フォームを格
納することはできない。よって、上述２例と同様に、こ
のベース・フォーム・テーブル２５をＰＣ１の主メモリ
４に保持し、信号処理カード（ＳＰＣ）５は、ポーリン
グ高速マッチのスコアをもとに、詳細マッチングを行う
候補単語（本実施例の場合２５個）に関するベース・フ
ォーム・データ２６のみを主メモリからＤＳＰ用メモリ
９へ、ＤＭＡ転送を使って読みこむ。
【００２３】（４）処理の流れ 本実施例を処理の流れの観点から、図５を参照しながら
説明する。
【００２４】入力音声は、マイクロフォン１０および増
幅器１１を介して、Ａ／Ｄコンバータ１２に供給され、
ここでデジタル・データとされる（ステップＳ１〜Ｓ
３）。そして、フレームごとにステップＳ４で特徴量抽
出、ステップＳ５でラベル付けがなされる。ステップＳ
６では、当該ラベルに関するポーリング高速マッチ用の
データ２２を主メモリ４からＤＳＰ用メモリ９へＤＭＡ
転送する。そのデータ２２を使って、ステップＳ７で、
ポーリング高速マッチのためのボーティングを行う。ス
テップＳ４からＳ７を、音声区間の終端が検出されるま
でくり返す。そして、ステップＳ８で音声区間の検出が
行なわれると、ステップＳ９で音声の終端検出時のポー
リング高速マッチのスコアから、詳細マッチングを行う
候補単語２５個が選ばれ、ステップＳ１０でその２５単
語のベース・フォーム２６が、主メモリ４からＤＳＰ用
メモリ９へＤＭＡ転送される。続いて、フレーム同期型
の詳細マッチングを行うために、ステップＳ１１で入力
ラベル毎に出力確率が主メモリ４からＤＳＰ用メモリ９
へＤＭＡ転送される。そして、上述ベース・フォームと
上述のラベル出力確率とＤＳＰ用メモリ９に常駐してい
る遷移確率とを使って、ステップＳ１２で、フレーム同
期型の詳細マッチングを行う。ステップＳ１１とＳ１２
は、発声のフレーム数（ラベル数）だけくり返され、最
終的に最も尤度の高い単語を、ステップＳ１３で認識結
果として出力する。
【００２５】
【発明の効果】以上説明したように、この発明によれ
ば、ＰＣのバスに実装された信号処理カードにより大語
彙音声認識を行う場合、ＰＣのプロセッサに負担をかけ
ない形で、かつ安価に、実時間音声認識を実現すること
が可能となる。
【図面の簡単な説明】
【図１】この発明の実施例で用いられているフェノニッ
ク・マルコフ・モデルの構造を示す図である。
【図２】上述実施例で用いられるフェノニック単語音声
モデルの説明のための図である。
【図３】上述実施例の構成を示すブロック図である。
【図４】上述実施例における、主メモリ内のデータ構成
およびその転送方法を説明するための図である。
【図５】上述実施例の処理の流れを説明するためのフロ
ー・チャートである。
【符合の説明】
１…パーソナル・コンピュータ ２…パーソナル・コンピュータのバス ３…プロセッサ ４…主メモリ ５…信号処理カード ６…パーソナル・コンピュータのバス・インターフェー
ス ７…信号処理カードの内部バス ８…信号処理プロセッサ ９…信号処理プロセッサ用メモリ
───────────────────────────────────────────────────── フロントページの続き (72)発明者 黒田 明裕 東京都千代田区三番町５−19 日本アイ・ ビー・エム株式会社 東京基礎研究所内 (72)発明者 年岡 晃一 東京都千代田区三番町５−19 日本アイ・ ビー・エム株式会社 東京基礎研究所内

Claims (5)

    【特許請求の範囲】
  1. 【請求項１】 語彙単語の音声モデルを規定するマルコ
    フ・モデルの確率値の情報と、微小な時間間隔に割り当
    て可能な音響タイプを表す一組のラベルの情報とを保持
    し、入力音声に基づいて、対応するラベルを順次に生成
    して上記入力音声のラベル列を生成し、上記語彙単語の
    音声モデルと上記ラベル列とに基づいて上記マルコフ・
    モデルの確率値を累積し、この累積値に基づいて音声認
    識を行う音声認識装置において、 バスと、 上記バスに接続されたプロセッサと、 上記バスに接続された、上記プロセッサの主メモリであ
    って、上記マルコフ・モデルの確率値を上記ラベルごと
    にアクセス可能に保持するものと、 上記バスに接続される信号処理ユニットとを有し、 上記信号処理ユニットは、 上記一組のラベルの情報を保持する手段と、 上記一組のラベルの情報に基づいて入力音声を上記ラベ
    ル列に変換する手段と、 上記ラベル列に含まれるラベルごとに、当該ラベルに関
    連する上記マルコフ・モデルの確率値を上記主メモリか
    らダイレクト・メモリ・アクセス転送により取り込む手
    段と、 上記取り込んだ確率値に基づいて、上記語彙中の各単語
    ごとに、確率値を累積する手段と、 上記累積された確率値に応じて１または複数の単語を認
    識結果と決定する手段とを含むことを特徴とする音声認
    識装置。
  2. 【請求項２】 上記ダイレクト・メモリ・アクセス転送
    により取り込む手段はバス・マスタである請求項１記載
    の音声認識装置。
  3. 【請求項３】 上記信号処理カードは上記取り込まれる
    確率値を一時記憶するとともに上記確率値の累積値を保
    持する、上記主メモリより高速のメモリを有する請求項
    ２記載の音声認識装置。
  4. 【請求項４】 プロセッサ、主メモリおよび入出力装置
    とをバスに共通接続してなるコンピュータ・システムの
    上記バスに接続可能な音声認識用処理ユニットにおい
    て、 微小な時間間隔に割り当て可能な音響タイプを表す一組
    のラベルの情報に基づいて入力音声を上記ラベル列に変
    換する手段と、 語彙単語の音声モデルを規定するマルコフ・モデルの確
    率値の情報であって、上記ラベルごとにアクセス可能に
    配列されたものを予め保持している、上記主メモリか
    ら、上記ラベル列に含まれるラベルごとに、当該ラベル
    に関連する上記マルコフ・モデルの確率値をダイレクト
    ・メモリ・アクセス転送により取り込む手段と、 上記取り込んだ確率値に基づいて、上記語彙中の各単語
    ごとに、確率値を累積する手段と、 上記累積された確率値に応じて１または複数の単語を認
    識結果と決定する手段とを有することを特徴とする音声
    認識用処理ユニット。
  5. 【請求項５】 微小な時間間隔に割り当て可能な音響タ
    イプを表す一組の第１ラベルの情報と、上記第１ラベル
    の各々が語彙単語の発生において生成される確率の情報
    と、微小な時間間間隔に割り当て可能な音響タイプを表
    す第２ラベルにそれぞれ対応する一組のマルコフ・モデ
    ルの連鎖として表される、語彙単語の音声モデルの情報
    と、上記マルコフ・モデルの確率値の情報とを保持し、
    入力音声に基づいて、対応する第１ラベルを順次に生成
    して上記入力音声の第１ラベルの列を生成し、上記第１
    ラベルの列と、上記第１ラベルの各々が語彙単語の発生
    において生成される確率とを用いて、上記語彙単語の認
    識候補かどうかを判別し、上記認識候補の音声モデルと
    上記第１ラベルの列とに基づいて上記マルコフ・モデル
    の確率値を累積し、この累積値に基づいて詳細な音声認
    識を行う音声認識装置において、 バスと、 上記バスに接続されたプロセッサと、 上記バスに接続された、上記プロセッサの主メモリであ
    って、上記一組の第１ラベルが上記語彙単語の発生にお
    いて生成される確率値の情報を上記第１ラベルごとにア
    クセス可能に保持し、さらに上記語彙単語の音声モデル
    の情報を語彙単語ごとにアクセス可能に保持するもの
    と、 上記バスに接続された信号処理ユニットとを有し、 上記信号処理ユニットは、 入力音声を第１ラベルの列に変換する手段と、 上記第１ラベルの列に含まれるラベルごとの、当該第１
    ラベルを上記語彙単語が生成する確率値の情報を上記主
    メモリからダイレクト・メモリ・アクセス転送により取
    り込む手段と、 上記第１ラベルの列に含まれるラベルごとに、上記取り
    込んだ確率値に基づいて、上記語彙単語の確率値を累積
    する手段と、 上記累積された確率値に応じて候補単語を決定する手段
    と、 候補単語の音声モデルの情報をダイレクト・メモリ・ア
    クセス転送により上記主メモリから取り込む手段と、 上記第１ラベルの列に含まれる第１ラベルごとに当該ラ
    ベルを種々の遷移で生成する確率値の情報をダイレクト
    ・メモリ・アクセス転送により上記主メモリから取り込
    む手段と、 上記音声モデルの情報と上記第１ラベルごとに取り込ま
    れる確率値の情報とに応じて上記単語候補が上記入力音
    声である尤度を計算する手段と、上記尤度に基づいて認
    識結果を生成する手段とを有することを特徴とする音声
    認識装置。
JP3278896A 1991-10-01 1991-10-01 音声認識装置および音声認識用処理ユニット Expired - Fee Related JP2662120B2 (ja)

Priority Applications (5)

Application Number Priority Date Filing Date Title
JP3278896A JP2662120B2 (ja) 1991-10-01 1991-10-01 音声認識装置および音声認識用処理ユニット
US07/931,240 US5353377A (en) 1991-10-01 1992-08-17 Speech recognition system having an interface to a host computer bus for direct access to the host memory
BR929203745A BR9203745A (pt) 1991-10-01 1992-09-25 Sistemas de reconhecimento de fala
DE69224953T DE69224953T2 (de) 1991-10-01 1992-09-29 Spracherkennung
EP92308855A EP0535909B1 (en) 1991-10-01 1992-09-29 Speech recognition

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP3278896A JP2662120B2 (ja) 1991-10-01 1991-10-01 音声認識装置および音声認識用処理ユニット

Publications (2)

Publication Number Publication Date
JPH05127692A true JPH05127692A (ja) 1993-05-25
JP2662120B2 JP2662120B2 (ja) 1997-10-08

Family

ID=17603614

Family Applications (1)

Application Number Title Priority Date Filing Date
JP3278896A Expired - Fee Related JP2662120B2 (ja) 1991-10-01 1991-10-01 音声認識装置および音声認識用処理ユニット

Country Status (5)

Country Link
US (1) US5353377A (ja)
EP (1) EP0535909B1 (ja)
JP (1) JP2662120B2 (ja)
BR (1) BR9203745A (ja)
DE (1) DE69224953T2 (ja)

Families Citing this family (172)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB9223066D0 (en) * 1992-11-04 1992-12-16 Secr Defence Children's speech training aid
US5737490A (en) * 1993-09-30 1998-04-07 Apple Computer, Inc. Method and apparatus for constructing continuous parameter fenonic hidden markov models by replacing phonetic models with continous fenonic models
GB2296846A (en) * 1995-01-07 1996-07-10 Ibm Synthesising speech from text
US5893064A (en) * 1997-05-14 1999-04-06 K2 Interactive Llc Speech recognition method and apparatus with voice commands and associated keystrokes
US6804642B1 (en) * 1997-06-24 2004-10-12 Itt Manufacturing Enterprises, Inc. Apparatus and method for continuous speech recognition on a PCMCIA card
US6141641A (en) * 1998-04-15 2000-10-31 Microsoft Corporation Dynamically configurable acoustic model for speech recognition system
US8645137B2 (en) 2000-03-16 2014-02-04 Apple Inc. Fast, language-independent method for user authentication by voice
US7162426B1 (en) * 2000-10-02 2007-01-09 Xybernaut Corporation Computer motherboard architecture with integrated DSP for continuous and command and control speech processing
US7069513B2 (en) 2001-01-24 2006-06-27 Bevocal, Inc. System, method and computer program product for a transcription graphical user interface
US7444284B1 (en) 2001-01-24 2008-10-28 Bevocal, Inc. System, method and computer program product for large-scale street name speech recognition
US20020143553A1 (en) * 2001-01-24 2002-10-03 Michael Migdol System, method and computer program product for a voice-enabled universal flight information finder
US6789065B2 (en) 2001-01-24 2004-09-07 Bevocal, Inc System, method and computer program product for point-to-point voice-enabled driving directions
US7383187B2 (en) * 2001-01-24 2008-06-03 Bevocal, Inc. System, method and computer program product for a distributed speech recognition tuning platform
US20020133336A1 (en) * 2001-01-24 2002-09-19 Mikael Berner System, method and computer program product for supporting the delivery of localized content
ITFI20010199A1 (it) 2001-10-22 2003-04-22 Riccardo Vieri Sistema e metodo per trasformare in voce comunicazioni testuali ed inviarle con una connessione internet a qualsiasi apparato telefonico
JP4298672B2 (ja) * 2005-04-11 2009-07-22 キヤノン株式会社 混合分布ｈｍｍの状態の出力確率計算方法および装置
US8677377B2 (en) 2005-09-08 2014-03-18 Apple Inc. Method and apparatus for building an intelligent automated assistant
US7633076B2 (en) 2005-09-30 2009-12-15 Apple Inc. Automated response to and sensing of user activity in portable devices
US7970613B2 (en) 2005-11-12 2011-06-28 Sony Computer Entertainment Inc. Method and system for Gaussian probability data bit reduction and computation
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
US8010358B2 (en) * 2006-02-21 2011-08-30 Sony Computer Entertainment Inc. Voice recognition with parallel gender and age normalization
DE102006036582A1 (de) * 2006-08-04 2008-02-14 Siemens Audiologische Technik Gmbh Hörhilfe mit einem Audiosignalerzeuger und Verfahren
US9318108B2 (en) 2010-01-18 2016-04-19 Apple Inc. Intelligent automated assistant
US8977255B2 (en) 2007-04-03 2015-03-10 Apple Inc. Method and system for operating a multi-function portable electronic device using voice-activation
US9053089B2 (en) 2007-10-02 2015-06-09 Apple Inc. Part-of-speech tagging using latent analogy
US8620662B2 (en) 2007-11-20 2013-12-31 Apple Inc. Context-aware unit selection
US10002189B2 (en) 2007-12-20 2018-06-19 Apple Inc. Method and apparatus for searching using an active ontology
US9330720B2 (en) 2008-01-03 2016-05-03 Apple Inc. Methods and apparatus for altering audio output signals
US8065143B2 (en) 2008-02-22 2011-11-22 Apple Inc. Providing text input using speech data and non-speech data
US8996376B2 (en) 2008-04-05 2015-03-31 Apple Inc. Intelligent text-to-speech conversion
US10496753B2 (en) 2010-01-18 2019-12-03 Apple Inc. Automatically adapting user interfaces for hands-free interaction
US8464150B2 (en) 2008-06-07 2013-06-11 Apple Inc. Automatic language identification for dynamic text processing
US20100030549A1 (en) 2008-07-31 2010-02-04 Lee Michael M Mobile device having human language translation capability with positional feedback
US8768702B2 (en) 2008-09-05 2014-07-01 Apple Inc. Multi-tiered voice feedback in an electronic device
US8898568B2 (en) 2008-09-09 2014-11-25 Apple Inc. Audio user interface
US8583418B2 (en) 2008-09-29 2013-11-12 Apple Inc. Systems and methods of detecting language and natural language strings for text to speech synthesis
US8712776B2 (en) 2008-09-29 2014-04-29 Apple Inc. Systems and methods for selective text to speech synthesis
US8676904B2 (en) 2008-10-02 2014-03-18 Apple Inc. Electronic devices with voice command and contextual data processing capabilities
WO2010067118A1 (en) 2008-12-11 2010-06-17 Novauris Technologies Limited Speech recognition involving a mobile device
US8862252B2 (en) 2009-01-30 2014-10-14 Apple Inc. Audio user interface for displayless electronic device
US8788256B2 (en) 2009-02-17 2014-07-22 Sony Computer Entertainment Inc. Multiple language voice recognition
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
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
US8380507B2 (en) 2009-03-09 2013-02-19 Apple Inc. Systems and methods for determining the language to use for speech generated by a text to speech engine
US9858925B2 (en) 2009-06-05 2018-01-02 Apple Inc. Using context information to facilitate processing of commands in a virtual assistant
US10540976B2 (en) 2009-06-05 2020-01-21 Apple Inc. Contextual voice commands
US10706373B2 (en) 2011-06-03 2020-07-07 Apple Inc. Performing actions associated with task items that represent tasks to perform
US10241644B2 (en) 2011-06-03 2019-03-26 Apple Inc. Actionable reminder entries
US10241752B2 (en) 2011-09-30 2019-03-26 Apple Inc. Interface for a virtual digital assistant
US9431006B2 (en) 2009-07-02 2016-08-30 Apple Inc. Methods and apparatuses for automatic speech recognition
US8682649B2 (en) 2009-11-12 2014-03-25 Apple Inc. Sentiment prediction from textual data
US8600743B2 (en) 2010-01-06 2013-12-03 Apple Inc. Noise profile determination for voice-related feature
US8381107B2 (en) 2010-01-13 2013-02-19 Apple Inc. Adaptive audio feedback system and method
US8311838B2 (en) 2010-01-13 2012-11-13 Apple Inc. Devices and methods for identifying a prompt corresponding to a voice input in a sequence of prompts
US10276170B2 (en) 2010-01-18 2019-04-30 Apple Inc. Intelligent automated assistant
US10705794B2 (en) 2010-01-18 2020-07-07 Apple Inc. Automatically adapting user interfaces for hands-free interaction
US10553209B2 (en) 2010-01-18 2020-02-04 Apple Inc. Systems and methods for hands-free notification summaries
US10679605B2 (en) 2010-01-18 2020-06-09 Apple Inc. Hands-free list-reading by intelligent automated assistant
WO2011089450A2 (en) 2010-01-25 2011-07-28 Andrew Peter Nelson Jerram Apparatuses, methods and systems for a digital conversation management platform
US8682667B2 (en) 2010-02-25 2014-03-25 Apple Inc. User profiling for selecting user specific voice input processing information
US8713021B2 (en) 2010-07-07 2014-04-29 Apple Inc. Unsupervised document clustering using latent semantic density analysis
US8719006B2 (en) 2010-08-27 2014-05-06 Apple Inc. Combined statistical and rule-based part-of-speech tagging for text-to-speech synthesis
US8719014B2 (en) 2010-09-27 2014-05-06 Apple Inc. Electronic device with text error correction based on voice recognition data
US10762293B2 (en) 2010-12-22 2020-09-01 Apple Inc. Using parts-of-speech tagging and named entity recognition for spelling correction
US10515147B2 (en) 2010-12-22 2019-12-24 Apple Inc. Using statistical language models for contextual lookup
US8781836B2 (en) 2011-02-22 2014-07-15 Apple Inc. Hearing assistance system for providing consistent human speech
US9262612B2 (en) 2011-03-21 2016-02-16 Apple Inc. Device access using voice authentication
US10672399B2 (en) 2011-06-03 2020-06-02 Apple Inc. Switching between text data and audio data based on a mapping
US10057736B2 (en) 2011-06-03 2018-08-21 Apple Inc. Active transport based notifications
US8812294B2 (en) 2011-06-21 2014-08-19 Apple Inc. Translating phrases from one language into another using an order-based set of declarative rules
US8706472B2 (en) 2011-08-11 2014-04-22 Apple Inc. Method for disambiguating multiple readings in language conversion
US8994660B2 (en) 2011-08-29 2015-03-31 Apple Inc. Text correction processing
US8762156B2 (en) 2011-09-28 2014-06-24 Apple Inc. Speech recognition repair using contextual information
US10134385B2 (en) 2012-03-02 2018-11-20 Apple Inc. Systems and methods for name pronunciation
US9483461B2 (en) 2012-03-06 2016-11-01 Apple Inc. Handling speech synthesis of content for multiple languages
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
US9280610B2 (en) 2012-05-14 2016-03-08 Apple Inc. Crowd sourcing information to fulfill user requests
US8775442B2 (en) 2012-05-15 2014-07-08 Apple Inc. Semantic search using a single-source semantic model
US10417037B2 (en) 2012-05-15 2019-09-17 Apple Inc. Systems and methods for integrating third party services with a digital assistant
US9721563B2 (en) 2012-06-08 2017-08-01 Apple Inc. Name recognition system
US10019994B2 (en) 2012-06-08 2018-07-10 Apple Inc. Systems and methods for recognizing textual identifiers within a plurality of words
US9495129B2 (en) 2012-06-29 2016-11-15 Apple Inc. Device, method, and user interface for voice-activated navigation and browsing of a document
US9576574B2 (en) 2012-09-10 2017-02-21 Apple Inc. Context-sensitive handling of interruptions by intelligent digital assistant
US9547647B2 (en) 2012-09-19 2017-01-17 Apple Inc. Voice-based media searching
US8935167B2 (en) 2012-09-25 2015-01-13 Apple Inc. Exemplar-based latent perceptual modeling for automatic speech recognition
BR112015018905B1 (pt) 2013-02-07 2022-02-22 Apple Inc Método de operação de recurso de ativação por voz, mídia de armazenamento legível por computador e dispositivo eletrônico
US10652394B2 (en) 2013-03-14 2020-05-12 Apple Inc. System and method for processing voicemail
US9977779B2 (en) 2013-03-14 2018-05-22 Apple Inc. Automatic supplementation of word correction dictionaries
US9733821B2 (en) 2013-03-14 2017-08-15 Apple Inc. Voice control to diagnose inadvertent activation of accessibility features
US9368114B2 (en) 2013-03-14 2016-06-14 Apple Inc. Context-sensitive handling of interruptions
US10572476B2 (en) 2013-03-14 2020-02-25 Apple Inc. Refining a search based on schedule items
US10642574B2 (en) 2013-03-14 2020-05-05 Apple Inc. Device, method, and graphical user interface for outputting captions
WO2014144579A1 (en) 2013-03-15 2014-09-18 Apple Inc. System and method for updating an adaptive speech recognition model
US10748529B1 (en) 2013-03-15 2020-08-18 Apple Inc. Voice activated device for use with a voice-based digital assistant
KR102014665B1 (ko) 2013-03-15 2019-08-26 애플 인크. 지능형 디지털 어시스턴트에 의한 사용자 트레이닝
US9922642B2 (en) 2013-03-15 2018-03-20 Apple Inc. Training an at least partial voice command system
KR102057795B1 (ko) 2013-03-15 2019-12-19 애플 인크. 콘텍스트-민감성 방해 처리
US9582608B2 (en) 2013-06-07 2017-02-28 Apple Inc. Unified ranking with entropy-weighted information for phrase-based semantic auto-completion
WO2014197334A2 (en) 2013-06-07 2014-12-11 Apple Inc. System and method for user-specified pronunciation of words for speech synthesis and recognition
WO2014197336A1 (en) 2013-06-07 2014-12-11 Apple Inc. System and method for detecting errors in interactions with a voice-based digital assistant
WO2014197335A1 (en) 2013-06-08 2014-12-11 Apple Inc. Interpreting and acting upon commands that involve sharing information with remote devices
EP3937002A1 (en) 2013-06-09 2022-01-12 Apple Inc. Device, method, and graphical user interface for enabling conversation persistence across two or more instances of a digital assistant
US10176167B2 (en) 2013-06-09 2019-01-08 Apple Inc. System and method for inferring user intent from speech inputs
EP3008964B1 (en) 2013-06-13 2019-09-25 Apple Inc. System and method for emergency calls initiated by voice command
DE112014003653B4 (de) 2013-08-06 2024-04-18 Apple Inc. Automatisch aktivierende intelligente Antworten auf der Grundlage von Aktivitäten von entfernt angeordneten Vorrichtungen
US10296160B2 (en) 2013-12-06 2019-05-21 Apple Inc. Method for extracting salient dialog usage from live data
US9620105B2 (en) 2014-05-15 2017-04-11 Apple Inc. Analyzing audio input for efficient speech and music recognition
US10592095B2 (en) 2014-05-23 2020-03-17 Apple Inc. Instantaneous speaking of content on touch devices
US9502031B2 (en) 2014-05-27 2016-11-22 Apple Inc. Method for supporting dynamic grammars in WFST-based ASR
US9760559B2 (en) 2014-05-30 2017-09-12 Apple Inc. Predictive text input
US9633004B2 (en) 2014-05-30 2017-04-25 Apple Inc. Better resolution when referencing to concepts
US10170123B2 (en) 2014-05-30 2019-01-01 Apple Inc. Intelligent assistant for home automation
US9734193B2 (en) 2014-05-30 2017-08-15 Apple Inc. Determining domain salience ranking from ambiguous words in natural speech
TWI566107B (zh) 2014-05-30 2017-01-11 蘋果公司 用於處理多部分語音命令之方法、非暫時性電腦可讀儲存媒體及電子裝置
US9842101B2 (en) 2014-05-30 2017-12-12 Apple Inc. Predictive conversion of language input
US9715875B2 (en) 2014-05-30 2017-07-25 Apple Inc. Reducing the need for manual start/end-pointing and trigger phrases
US10289433B2 (en) 2014-05-30 2019-05-14 Apple Inc. Domain specific language for encoding assistant dialog
US10078631B2 (en) 2014-05-30 2018-09-18 Apple Inc. Entropy-guided text prediction using combined word and character n-gram language models
US9785630B2 (en) 2014-05-30 2017-10-10 Apple Inc. Text prediction using combined word N-gram and unigram language models
US9430463B2 (en) 2014-05-30 2016-08-30 Apple Inc. Exemplar-based natural language processing
US9338493B2 (en) 2014-06-30 2016-05-10 Apple Inc. Intelligent automated assistant for TV user interactions
US10659851B2 (en) 2014-06-30 2020-05-19 Apple Inc. Real-time digital assistant knowledge updates
US10446141B2 (en) 2014-08-28 2019-10-15 Apple Inc. Automatic speech recognition based on user feedback
US9818400B2 (en) 2014-09-11 2017-11-14 Apple Inc. Method and apparatus for discovering trending terms in speech requests
US10789041B2 (en) 2014-09-12 2020-09-29 Apple Inc. Dynamic thresholds for always listening speech trigger
US9886432B2 (en) 2014-09-30 2018-02-06 Apple Inc. Parsimonious handling of word inflection via categorical stem + suffix N-gram language models
US10127911B2 (en) 2014-09-30 2018-11-13 Apple Inc. Speaker identification and unsupervised speaker adaptation techniques
US10074360B2 (en) 2014-09-30 2018-09-11 Apple Inc. Providing an indication of the suitability of speech recognition
US9646609B2 (en) 2014-09-30 2017-05-09 Apple Inc. Caching apparatus for serving phonetic pronunciations
US9668121B2 (en) 2014-09-30 2017-05-30 Apple Inc. Social reminders
US10552013B2 (en) 2014-12-02 2020-02-04 Apple Inc. Data detection
US9711141B2 (en) 2014-12-09 2017-07-18 Apple Inc. Disambiguating heteronyms in speech synthesis
US9865280B2 (en) 2015-03-06 2018-01-09 Apple Inc. Structured dictation using intelligent automated assistants
US10567477B2 (en) 2015-03-08 2020-02-18 Apple Inc. Virtual assistant continuity
US9886953B2 (en) 2015-03-08 2018-02-06 Apple Inc. Virtual assistant activation
US9721566B2 (en) 2015-03-08 2017-08-01 Apple Inc. Competing devices responding to voice triggers
US9899019B2 (en) 2015-03-18 2018-02-20 Apple Inc. Systems and methods for structured stem and suffix language models
US9842105B2 (en) 2015-04-16 2017-12-12 Apple Inc. Parsimonious continuous-space phrase representations for natural language processing
US10083688B2 (en) 2015-05-27 2018-09-25 Apple Inc. Device voice control for selecting a displayed affordance
US10127220B2 (en) 2015-06-04 2018-11-13 Apple Inc. Language identification from short strings
US10101822B2 (en) 2015-06-05 2018-10-16 Apple Inc. Language input correction
US10255907B2 (en) 2015-06-07 2019-04-09 Apple Inc. Automatic accent detection using acoustic models
US11025565B2 (en) 2015-06-07 2021-06-01 Apple Inc. Personalized prediction of responses for instant messaging
US10186254B2 (en) 2015-06-07 2019-01-22 Apple Inc. Context-based endpoint detection
US10747498B2 (en) 2015-09-08 2020-08-18 Apple Inc. Zero latency digital assistant
US10671428B2 (en) 2015-09-08 2020-06-02 Apple Inc. Distributed personal assistant
US9697820B2 (en) 2015-09-24 2017-07-04 Apple Inc. Unit-selection text-to-speech synthesis using concatenation-sensitive neural networks
US10366158B2 (en) 2015-09-29 2019-07-30 Apple Inc. Efficient word encoding for recurrent neural network language models
US11010550B2 (en) 2015-09-29 2021-05-18 Apple Inc. Unified language modeling framework for word prediction, auto-completion and auto-correction
US11587559B2 (en) 2015-09-30 2023-02-21 Apple Inc. Intelligent device identification
US10691473B2 (en) 2015-11-06 2020-06-23 Apple Inc. Intelligent automated assistant in a messaging environment
US10049668B2 (en) 2015-12-02 2018-08-14 Apple Inc. Applying neural network language models to weighted finite state transducers for automatic speech recognition
US10223066B2 (en) 2015-12-23 2019-03-05 Apple Inc. Proactive assistance based on dialog communication between devices
US10446143B2 (en) 2016-03-14 2019-10-15 Apple Inc. Identification of voice inputs providing credentials
US9934775B2 (en) 2016-05-26 2018-04-03 Apple Inc. Unit-selection text-to-speech synthesis based on predicted concatenation parameters
US9972304B2 (en) 2016-06-03 2018-05-15 Apple Inc. Privacy preserving distributed evaluation framework for embedded personalized systems
US10249300B2 (en) 2016-06-06 2019-04-02 Apple Inc. Intelligent list reading
US10049663B2 (en) 2016-06-08 2018-08-14 Apple, Inc. Intelligent automated assistant for media exploration
DK179588B1 (en) 2016-06-09 2019-02-22 Apple Inc. INTELLIGENT AUTOMATED ASSISTANT IN A HOME ENVIRONMENT
US10490187B2 (en) 2016-06-10 2019-11-26 Apple Inc. Digital assistant providing automated status report
US10586535B2 (en) 2016-06-10 2020-03-10 Apple Inc. Intelligent digital assistant in a multi-tasking environment
US10192552B2 (en) 2016-06-10 2019-01-29 Apple Inc. Digital assistant providing whispered speech
US10067938B2 (en) 2016-06-10 2018-09-04 Apple Inc. Multilingual word prediction
US10509862B2 (en) 2016-06-10 2019-12-17 Apple Inc. Dynamic phrase expansion of language input
DK179049B1 (en) 2016-06-11 2017-09-18 Apple Inc Data driven natural language event detection and classification
DK179415B1 (en) 2016-06-11 2018-06-14 Apple Inc Intelligent device arbitration and control
DK179343B1 (en) 2016-06-11 2018-05-14 Apple Inc Intelligent task discovery
DK201670540A1 (en) 2016-06-11 2018-01-08 Apple Inc Application integration with a digital assistant
US10593346B2 (en) 2016-12-22 2020-03-17 Apple Inc. Rank-reduced token representation for automatic speech recognition
DK179745B1 (en) 2017-05-12 2019-05-01 Apple Inc. SYNCHRONIZATION AND TASK DELEGATION OF A DIGITAL ASSISTANT
DK201770431A1 (en) 2017-05-15 2018-12-20 Apple Inc. Optimizing dialogue policy decisions for digital assistants using implicit feedback
US10706086B1 (en) * 2018-03-12 2020-07-07 Amazon Technologies, Inc. Collaborative-filtering based user simulation for dialog systems

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS62178999A (ja) * 1986-01-30 1987-08-06 インタ−ナシヨナル・ビジネス・マシ−ンズ・コ−ポレ−シヨン 音声認識装置
JPS62184557A (ja) * 1986-02-10 1987-08-12 Nippon Telegr & Teleph Corp <Ntt> マイクロプロセツサ・バス・インタフエ−ス回路
JPS62220996A (ja) * 1986-03-18 1987-09-29 インタ−ナシヨナル・ビジネス・マシ−ンズ・コ−ポレ−シヨン 音声認識方法及び装置

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS58195957A (ja) * 1982-05-11 1983-11-15 Casio Comput Co Ltd 音声によるプログラム実行方式
US4799144A (en) * 1984-10-12 1989-01-17 Alcatel Usa, Corp. Multi-function communication board for expanding the versatility of a computer
US4718094A (en) * 1984-11-19 1988-01-05 International Business Machines Corp. Speech recognition system
US4833712A (en) * 1985-05-29 1989-05-23 International Business Machines Corporation Automatic generation of simple Markov model stunted baseforms for words in a vocabulary
US4776016A (en) * 1985-11-21 1988-10-04 Position Orientation Systems, Inc. Voice control system
AU632867B2 (en) * 1989-11-20 1993-01-14 Digital Equipment Corporation Text-to-speech system having a lexicon residing on the host processor

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS62178999A (ja) * 1986-01-30 1987-08-06 インタ−ナシヨナル・ビジネス・マシ−ンズ・コ−ポレ−シヨン 音声認識装置
JPS62184557A (ja) * 1986-02-10 1987-08-12 Nippon Telegr & Teleph Corp <Ntt> マイクロプロセツサ・バス・インタフエ−ス回路
JPS62220996A (ja) * 1986-03-18 1987-09-29 インタ−ナシヨナル・ビジネス・マシ−ンズ・コ−ポレ−シヨン 音声認識方法及び装置

Also Published As

Publication number Publication date
JP2662120B2 (ja) 1997-10-08
US5353377A (en) 1994-10-04
EP0535909B1 (en) 1998-04-01
DE69224953T2 (de) 1998-10-22
DE69224953D1 (de) 1998-05-07
EP0535909A2 (en) 1993-04-07
BR9203745A (pt) 1993-04-27
EP0535909A3 (en) 1993-12-15

Similar Documents

Publication Publication Date Title
JP2662120B2 (ja) 音声認識装置および音声認識用処理ユニット
US5502791A (en) Speech recognition by concatenating fenonic allophone hidden Markov models in parallel among subwords
US6574597B1 (en) Fully expanded context-dependent networks for speech recognition
US6178401B1 (en) Method for reducing search complexity in a speech recognition system
US20080294433A1 (en) Automatic Text-Speech Mapping Tool
JPH0772839B2 (ja) 自動音声認識用に音類似に基づく文脈依存カテゴリへ音素の発音をグループ化する方法と装置
JP3459712B2 (ja) 音声認識方法及び装置及びコンピュータ制御装置
JPH0581918B2 (ja)
CN103229232A (zh) 声音识别装置及导航装置
CN111613212A (zh) 语音识别方法、系统、电子设备和存储介质
JPH10511196A (ja) 情報処理システム
CN111192572A (zh) 语义识别的方法、装置及系统
JP4738847B2 (ja) データ検索装置および方法
US20020152068A1 (en) New language context dependent data labeling
KR20180092582A (ko) Wfst 디코딩 시스템, 이를 포함하는 음성 인식 시스템 및 wfst 데이터 저장 방법
JP2002062891A (ja) 音素割当て方法
JP2004094257A (ja) 音声処理のためのデシジョン・ツリーの質問を生成するための方法および装置
JP3634863B2 (ja) 音声認識システム
US20080189105A1 (en) Apparatus And Method For Automatically Indicating Time in Text File
JP2000259645A (ja) 音声処理装置及び音声データ検索装置
JPH05100693A (ja) 音声認識用コンピユータ・システム
JP2738403B2 (ja) 音声認識装置
CN115188365B (zh) 一种停顿预测方法、装置、电子设备及存储介质
JP3818154B2 (ja) 音声認識方法
JP2008107641A (ja) 音声データ検索装置

Legal Events

Date Code Title Description
LAPS Cancellation because of no payment of annual fees