JPH0555040B2 - - Google Patents

Info

Publication number
JPH0555040B2
JPH0555040B2 JP61061037A JP6103786A JPH0555040B2 JP H0555040 B2 JPH0555040 B2 JP H0555040B2 JP 61061037 A JP61061037 A JP 61061037A JP 6103786 A JP6103786 A JP 6103786A JP H0555040 B2 JPH0555040 B2 JP H0555040B2
Authority
JP
Japan
Prior art keywords
speech
markov model
speech pattern
pattern
signal
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
Application number
JP61061037A
Other languages
English (en)
Other versions
JPS61262799A (ja
Inventor
Juangu Biinguufuwangu
Eriotsuto Reuinson Sutehen
Richaado Rabinaa Roorensu
Mooan Sondohi Man
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.)
AT&T Corp
Original Assignee
American Telephone and Telegraph Co Inc
AT&T 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 American Telephone and Telegraph Co Inc, AT&T Corp filed Critical American Telephone and Telegraph Co Inc
Publication of JPS61262799A publication Critical patent/JPS61262799A/ja
Publication of JPH0555040B2 publication Critical patent/JPH0555040B2/ja
Granted legal-status Critical Current

Links

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
    • G10L15/08—Speech classification or search
    • G10L15/14—Speech classification or search using statistical models, e.g. Hidden Markov Models [HMMs]

Description

【発明の詳細な説明】 発明の技術分野 本発明はパターン認識、より詳細には、マルコ
フ モデルを使用してパターン分析するための方
法に関する。 技術の背景 通信、データ処理及び他の情報システムにおい
ては、間合せ、命令、及び情報を交換するために
音声認識入力及び合成音声出力を提供することが
必要である。この音声インタフエース設備は高価
な較末装置を使用することなく遠隔地のデータ処
理設備との交信を行なうことを可能とし、ユーザ
は手操作によりキーボード動作を行なうことな
く、自然な方法にてコンピユータ タイプのデバ
イスと交信できる。音声インターフエースが便利
であることは周知であるが、商業用の用途に要求
される音声認識精度を得るためには多くの解決さ
れるべき技術的問題が存在する。音声パターンが
複雑であり、また話者の間で変動があるため、正
確な音声認識を行なうことは比較的困難である。
パターン認識が、限定されたボキヤブラリーを使
用する特定の個人に限定された特別の用途におい
ては許容できる効果が達成されている。しかし、
話者の数に制限がなく、あるいは同定されるべき
音声パターンのボキヤブラリーが大きいような場
合には、自動音声認識装置の成功は非常に限定さ
れる。 音声認識装置は、通常、未知の音声パターンを
所定の音声特性のシーケンスに変換し、次にこれ
を前に同定された音声パターンを表わす格納され
たセツトの音声特性シーケンスと比較する。この
比較の結果、未知の音声パターンが、所所定の認
識基準を根拠として最も一致する音声特性シーケ
ンスを持つ格納されたセツトと同一であると判断
される。このシステムの認識精度は規定される音
声特性及び認識基準に大きく依存する。 未知の音声パターンと格納された基準セツトと
の比較は、直接に行なわれることも、あるいは会
話の速度の差異及び発声の差異を考慮に入れて調
節される場合もある。ある音声認識システムはパ
ターン間の最適整合を決定するために動的プログ
ラミングを使用する。この動的タイム ラツプは
会話速度及び発声の変動の影響を緩和する。しか
し、動的タイム ラツプ比較を遂行するための信
号処理装置は複雑であり、音声パターンの認識に
必要とされる時間は基準パターン ボキヤブラリ
ー並びに認識装置の動作の速度の関数となる。認
識が話者と独立して行なわれる場合は、基準パタ
ーンの数は非常に大きく、許容できる精度にて50
語程度のボキヤブラリーに対するパターンを実時
間にて認識することは困難である。自動音声認識
に対するもう１つのアプローチは確率モデルを使
用する方法である。この方法においては、音声パ
ターンの音声特性のシーケンスが統計的推定値に
基づくセツトの状態を通じて一連の遷移にパター
ン化される。話者依存認識装置、例えば、ジエー
ムスK.ベーカー（James K.Beker）によつて、
IEEトランザクツシヨン オン アコーステツ
ク、スピーチ アンド シグナルプロセシング
（IEEE Transaction on Acoustics、Speech、
and Signal Processing）、Vol.ASSP−23.No.１、
1975年２月、ページ24−29に掲載の論文〔ドラゴ
ン システムの概論（The DRAGON Systm−
An Overview）〕の説明の認識装置においては、
音声パターンに対応する音声スペクトル特性シー
ケンスが生成され、音声特性、語及び言語の一連
の階層マルコフ モデルにて判断される。この音
声特性シーケンスは音素のマルコフ モデルにて
分析される。このモデルはより大きな音声要素、
例えば、語に連結され、次にこの結果がマルコフ
モデルの階層、例えば、シンタツクス、コンテ
クスト等の階層にて、音声パターンの同定を得る
ために処理される。しかし、幾つかのマルコフ
モデルは連結音素モデルを使用し、無制限の階層
を持つための複雑であり、マルコフ モデルを正
常に動作するための十分な数のモデル トークン
を得るために、個々の同定話者による非常に長時
間のシステム トレーニングが必要となる。 L.R.ラビナー（L.R.Rabiner）、S.E.レビンソン
（S.E.Levinson）、及びM.M.ソンデイ（M.M.
Sondhi）らによつて、ベル システム テクニ
カル ジヤーナル（The Bell System
Technical Journal）、Vol.62、No.４、1983年４
月、ページ、1075−1105に掲載の論文〔話者に依
存しない分離語認識へのベクトル量子化及びヒド
ン マルコフ モデルの応用に関して（On the
Application of Vector Quntization and
Hidden Markov Models to Speaker−
Independent、Isolated Word Recognition）〕に
おいて説明の話者に依存しない認識システムは制
限された数の状態及び状態遷移を持つ比較的単純
なマルコフ モデルを使用する。さらに、この話
者に依存しない構成では、認識プロセスの複雑さ
が減少され、会話パターンの同定の速度がボキヤ
ブラリーのサイズ及び処理デバイスの能力にあま
り依存しない。この結果実時間認識が可能とな
る。 音声認識プロセスはマルコフ モデルを使用す
ることによつて簡素化できるが、未知のパターン
の比較の基準となる基準パターンのモデルを形成
する信号の生成が複雑で、時間がかかり、正確さ
に欠けるところがある。これらの要因はマルコフ
モデル音声認識の実用を妨げる結果となつてい
る。本発明の１つの目的は、より早く、より正確
なマルコフ モデルの生成を含むマルコフ モデ
ルに基づく改良された自動音声認識方法を提供す
ることにある。 発明の要約 本発明は、音声パターン特性信号シーケンスの
格納データベースから収斂性であり、かつミクス
チヤー成分（mixture components）を有する連
続確率密度関数を持つ連続モデルをこの連続モデ
ル間に所定の一致が得られるまで比較し、最後の
モデルを音声パターンのより正確なマルコフ モ
デル テンプレートが得られるように再評価する
ことから成る。 発明の実施例 当技術ににおいて、周知のごとく、ヒドン マ
ルコフ モデルは観測O1、O2、……Ot、……、
OTのシーケンスの発生の確率を評価するために
使用される。ここで、個々の観測のOtは離散記
号あるいは連続ベクトルである。観測シーケンス
は、直接に観測することのできない状態の遷移を
持つ基礎となるマルコフ連鎖の確率関数としてモ
デル化できる。第１図にはモデルが示される。第
１図にはＮ、例えば、５個の状態が示される。状
態間の遷移は遷移マトリツクスＡ＝〔aij〕によつ
て表わすことができる。この遷移マトリツクスの
個々のaij項はこのモデルが状態ｉにあるものと
仮定すると、状態ｊへの遷移が行なわれる確率で
ある。このモデルの出力記号の確率は１セツトの
関数Ｂ＝〔bj（Ot）〕によつてて表わされる。ここ
で、この出力記号マトリツクスのbj（Ot）項は、
このモデルがｊ状態にあるものと仮定すると、観
測Otを出力する確率である。第１図のモデルは
状態１が常に発声音の第１の時間フレームに対す
る最初の状態となり、また所定のセツトの左から
右への状態の遷移のみが可能であるものと制約さ
れ、そして所定の最終状態がそこから他の状態へ
の遷移が不可能である状態であるとして定義され
る。これら制約は第１図のモデル状態図に示され
るが、ここで、状態１は初期状態であり、状態５
は最終あるいは吸収状態であり、そして所定の左
から右への遷移はこれら状態を接続する方向ライ
ンによつて示される。 第１図の状態１から、これは経路１１１を介し
て状態１に再び入いること、経路１１２を介して
状態２に進むこと、あるいは経路１１３を介して
状態３に進むことのが可能である。遷移は１つの
状態に再び入いること、あるいは次の２つの状態
の１つに入いることのみに制限される。この遷移
は、このモデルにおいては、遷移確率として定義
される。例えば、現在、状態２の特性信号のフレ
ームを持つ音声パターンは状態２に再び入る確率
ａ２２、状態３に入る確率ａ２３、及び状態４に
入る確率ａ２４＝１−ａ２１−ａ２２を持つ。状
態１に入る確率ａ２１あるいは状態５に入る確率
ａ２５はゼロであり、確率ａ２１からａ２５まで
の総和は１である。 モデルの個々の状態においては、現在の特性フ
レームはセツトの所定の出力記号の１つとして同
定されるか、あるいは確率的にラベルが与えらえ
る。この場合、出力記号の確率bj（Ot）はモデル
によつて特性フレーム記号がOtであると指定さ
れた確率に対応する。従つて、このモデル構成
は、遷移確率のマトリスツスＡ＝〔aij〕、Ｂ＝bj
（Ot）を計算する方法、及び状態ｊの特性フレー
ム記号確率から成る。 本発明によると、マルコフ モデルが同定トレ
ーニング パターンの複数のシーケンスからの基
準パターンに対して生成され、そして出力記号確
率は多変量ガウス関数確率密度である。この制約
ヒドン マルコフ モデルはセツトの基準パター
ン テンプレートを派生するのに使用されるが、
個々のテンプレートは基準パターンのボキヤブラ
リー セツト内の同定パターンを表わす。このマ
ルコフ モデル基準テンプレートは、次に、観測
シーケンスを個々のマルコフ モデル基準パター
ン テンプレートから観測を生成する確率に基づ
く基準パターンの１つとして分類される。次に未
知のパターンが最も高い確率を持つ基準パターン
として同定される。 音声認識に関しては、未知の入力音声パターン
が音声特性の時間フレーム シーケンスを生成す
るための分析される。個々の特性は、当技術にお
いて周知のごとく、スペクトル上の特性、線形予
測係数ベクトル、あるいは多の音声特性である。
未知の音声パターン、例えば、語や句に対して生
成される特性シーケンスは観測シーケンスＯを形
成し、そしてＯがボキヤブラリー セツトの語あ
るいは句のマルコフ モデル基準テンプレートλ
によつて生成される確率は以下によつて与えられ
る。 Ｌ（Ｏ｜λ）＝ 〓i1i2 …Tπi1bi1（Ｏ 1）ai1i2…ａ iT-1iTｂ iT（Ｏ T） (1) ここで、i1、i2、…、iTはマルコフ モデル状
態のシーケンスであり、そしてＯ１、Ｏ２、…、
ＯＴは音声パターン フレームの特性の観測され
たシーケンスである。式(1)はフオーワード部分確
率σt(i)に関して以下のように書くことができる。 αt＝Ｌ（Ｏ１、Ｏ２、…ＯＴ及び時間ｔ／λに おける状態ｉ） (2) αt＋１(j)は以下のように評価できる。 αt+1(j)＝N 〓i=1 σt(i)aijbj（Ｏ t+1） ｔ＝１、２、…、Ｔ−１ (3) ここで、式(1)は以下の通りとなる。 Ｌ（Ｏ｜λ）＝N 〓j=1 αT(j) (4) 個々のマルコフ モデル基準パターンに対して
確率信号が生成されると、この入力音声パターン
は最尤度信号Ｌ（Ｏ／λr）経対応する基準パター
ン モデルｒとして同定される。ここで、ｒ＝
１、２、……、Ｒであり、そしてＲはボキヤブラ
リー内の語の数である。 認識システムにおいては、マルコフ モデル出
力記号の確率信号ｂ（Ot）を生成するためにベク
トル量子化が行なわれる。ベクトル量子化技術に
よると、永久的に格納された確率表を使用するこ
とができる。この結果として得られるモデルの確
率は実際の尤度の近似にすぎない。第２図のグラ
フはベクトル量子化近似の効果を示す。 第２図において、曲線２０１は音声特性の関数
としての実際の尤度ｂ（Ｏｔ）を表わし、そして
縦軸は離散ベクトル量子化特性の離散確率値を表
わす。音声パターンから派生される入力音声特性
は最初にも最も近似するプロトタイプ特性に量子
化され、そしてこのプロトタイプ特性の確率がｂ
（Ot）として選択される。特性軸上のx1の所の入
力特性は曲線２０１からの確率ｙ１に対応する
が、最も近いプロトタイプ ベクトル２０５に対
する確率はｙ２である。ｙ１とｙ２の間の差は量
子化に起因するエラーであり、このエラーは音声
パターン認識の精度に影響する。 従つて、以下の形式の多変量ガウス関数近似を
使用することによつて実際の確率密度関数２０１
からの偏差を減少することが必要である。 bj(X)＝M 〓k=1 cjkＮ（ｘ、μjk、σjk） (5) ここで、Ｎ（ｘ、μ、σ）は平均ベクトルμの
Ｄ一次元正規密度関数を示し、そして共分散マト
リツクスσ、Ｍはミクスチヤーの数であり、そし
てＣはミクスチヤー利得マトリツクスである。こ
の多変量ガウス関数が第２図に曲線２１０として
示される。式５の多変量ガウス関数はミクスチヤ
ー係数Ｃに従つてマルコフ モデルの確率密度が
任意の程度の精度に近似できるようにミクスチヤ
ー係数に従つて調節されたＭ個のガウム関数の線
形結合である。この結合はフーリエ分析において
正弦及び／あるいは余弦波を使用して関数を近似
するのと類似する。本発明によると（式５から誘
導される曲線２１０から得られる尤度信号ｂ（Ｏ
ｔ）と実際の確率密度曲線２１０の間の差異は非
常に小さく、従つてｂ（Ｏｔ）を使用するマルコ
フ モデル テンプレートからの音声パターン認
識の精度は実質的に向上される。 第３図の流れ図は音声パターンのトレーニング
セツトからマルコフ モデル テンプレートを
生成する一般的な方法を示す。最初に、多数の音
声パターンが音声特性のフレーム シーケンスを
生成するために分析される。説明の目的上、音声
パターンが数字０から９までの発声音に対応し、
個々の数字の発声音に対して線形予測分析が行な
われるもとの仮定する。数字の１の一回の発声
は、例えばn1の時間フレームに対して以下のよ
うな音声特性信号のシーケンスを与える。 O1 1、O1 2、……、O1 o1 (6) 個々の音声特性信号Ｏは当分野において周知の
ごとく、多次元線形予測係数（LPC）ベクトル
である。別の方法として、スペクトルあるいは他
の特性を使用することもできる。全ての数字の多
数回の発声音に対する音声特性シーケンスがマル
コフ モデル テンプレートを生成するために格
納される。ステツプ301に音声パターン格納動作
が示される。最初のマルコフ モデルが次にステ
ツプ305において選択された数字に対して生成さ
れる。マルコフ モデルは任意に選択することが
でき、あるいは前に使用されたマルコフ モデル
テンプレートと対応し、これを向上させること
もできる。語ｒに対するモデルは所定のセツトの
遷移確率マトリツクス信号Ar＝〔arij〕及び多変
量ガウス関数に対応するマルコフ モデルから誘
導された所定のセツトの出力記号確率信号から構
成される。 Br＝｛cr nj、μr njk1、σr njk｝ １ｍＭ、１ｊＮ、１ｋ、１Ｄ (7) ここでＭはミクスチヤー成分の数を表わし、Ｎ
は状態の数を表わし、そしてＤは個々のフレーム
に対する特性ベクトルの寸法の数を表わす。 選択された数字に対する特性信号Ｏはステツプ
310に示されるごとく、その数字に対する現在の
マルコフ モデルに従がう特性信号の最良状態シ
ーケンスを生成するために現在のマルコフ モデ
ル信号と結合される。これは特性信号フレームを
第１図のマルコフ モデルの状態に割り当てるこ
とによつて達成される。これは標準ビテラビ
（Viterabi）マツチング技術が最尤度得点を得る
ために使用されるが、これに関しては前述のL.R.
ラビナーらによる論文〔話手に依存しない隔離式
語認識へのベクトル量子化及びヒドン マルコフ
モデルの応用に関して（On the Application
of Vector Quantization and Hidden Markov
Mondels to Speaker−Independent、Isolated
Word Recognition）〕において説明されている。 この手順は以下の通りである。選択された数字
の発声音に対する特性信号の個々のフレーム ケ
ーシングが現在のモデルに加えられ、このモデル
の状態を通じてこのフレームの全ての可能な経路
が最尤度を持つ経路を決定するために評価され
る。現在のモデルλr及びフレーム特設信号の観測
シーケンスＯが与えられると、この得点手順は以
下によつて与えられる。 σ1(i)＝1n〔π1 ｒ r 1（O1）〕、Ｌ＝１ ＝−1.E75 ｉ＝２、３、……、Ｎ (8) σt(j)＝max｛σt-1(i)＋1n〔ar ij〕 ＋1n〔br j（Ot）〕 max（１、ｊ−２）ｉｊ for2ｔＴ、ｉｊＮ (9) Ｐ＝σT(N) (10) 選択された数字のフレームは次に、ステツプ
315において、セツトのLPCベクトル信号フレー
ムがマルコフ モデルの個々の状態に割り当てら
れるように最適状態シーケンスに従つて分類され
る。この手順が数字ｒに対するトレーニング セ
ツト内の個々の話に対して反復される。これを終
了すると、ステツプ320において、個々の状態に
対して、その状態に割り当てられた全ての選択さ
れた数字発声音のＱフレームのLPC特性ベクト
ル信号がクラスタリング手順を使用してＭ個のグ
ループにクラスター化される。これには、L.R.ラ
ビナー（L.R.Rabiner）及びJ.G.ウイルポン（J.
G.Wilpon）らによつて、ジヤーナル オブ ザ
アコーステイカル ソサエテイ オブ アメリ
カ（Journal of the Acoustical Society of
America）、66(3)、1979年、ページ663−673の発
表の論文〔話手に依存しない語認識へのクラスタ
リング技術の応用について（Considerantions in
applying Clustering techniques to Speaker−
indipendent word recognition）〕に説明のクラ
スタリング手順及び他のクラスタリング装置を使
用することができる。 ステツプ325において、ステツプ320にてクラス
ター化されたベクトル信号から新たなマルコフ
モデルに対応する信号が生成される。この新たな
cmj係数は以下に従つて生成される。 cr nj＝状態ｊに対するクラスターｍ内の特性ベク
トルの数／Ｑ(11) 以下の式から新たな平均信号μmjkが生成され
る。 【表】 （
μｒ ｎｊｋ＝
Ｑ
Σ〓FS(p)〓ｋ
ｐ＝１
εｒ（ｐ）＝ｎ

Claims (1)

  1. 【特許請求の範囲】 １ 音声を分析する方法において、当該方法が音
    声パターン基準テンプレートを発生するステツプ
    を含み、当該音声パターン基準テンプレートを発
    生するステツプが、 ａ 少なくとも１つの同定音声パターンを分析
    し、これを表わす音声特性信号のフレームシー
    ケンスを発生するステツプ、 ｂ 該同定音声パターンの状態遷移（マルコフ）
    モデルを表わす信号の第１のセツトを発生する
    ステツプ、 ｃ 現在の状態遷移モデル及び前記音声特性信号
    のフレームシーケンスに応答して音声パターン
    テンプレートを生成するステツプ、および ｄ 上記ステツプｂおよびｃを反復するステツプ
    とを含み、当該反復するステツプは、前記ステ
    ツプｂに関して前記モデルの連続値化された特
    性を観測測定と一致させて、連続確率密度関数
    を生成するステツプを含み、かつ前記ステツプ
    ｃに関して該音声パターンの特性信号を前の状
    態遷移モデルの状態に対応する関連クラスター
    にグループ化するステツプとを含み、該特性信
    号をグループ化することによつて、該連続確率
    密度関数が異なる連続確率密度関数のミクスチ
    ヤーを表わす成分を持つようになり、かつ該音
    声パターンテンプレートが前記音声パターン基
    準テンプレートになることを特徴とする音声を
    分析する方法。 ２ 特許請求の範囲第１項記載の音声を分析する
    方法において、該確率密度関数は分類された音声
    特性信号の平均値を表わす信号および各状態の各
    クラスターにおいて分類された音声特性信号に関
    する多変量連続確率密度関数を形成する分散行列
    を表わす信号の組を含むことを特徴とする音声を
    分析する方法。 ３ 特許請求の範囲第２項に記載の音声を分析す
    る方法において、該反復ステツプは 該同定音声パターンの音声特性信号のシーケン
    スの発生の尤度に対応する第１の信号を該前の状
    態遷移モデル信号セツトから形成するステツプ、 該同定音声パターンの音声特性のシーケンスの
    発生の尤度に対応する第２の信号を該現在の反復
    状態遷移モデル信号セツトから形成するステツ
    プ、および 前記第１および第２の尤度信号の間の一致性を
    表わす信号を発生するステツプとを含むことを特
    徴とする音声を分析する方法。
JP61061037A 1985-03-21 1986-03-20 ヒドン形式マルコフモデル音声認識方法 Granted JPS61262799A (ja)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US06/714,517 US4783804A (en) 1985-03-21 1985-03-21 Hidden Markov model speech recognition arrangement
US714,517 1985-03-21

Publications (2)

Publication Number Publication Date
JPS61262799A JPS61262799A (ja) 1986-11-20
JPH0555040B2 true JPH0555040B2 (ja) 1993-08-16

Family

ID=24870357

Family Applications (1)

Application Number Title Priority Date Filing Date
JP61061037A Granted JPS61262799A (ja) 1985-03-21 1986-03-20 ヒドン形式マルコフモデル音声認識方法

Country Status (3)

Country Link
US (1) US4783804A (ja)
JP (1) JPS61262799A (ja)
FR (1) FR2579357B1 (ja)

Families Citing this family (203)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB8527913D0 (en) * 1985-11-12 1985-12-18 Pa Consulting Services Analysing transitions in finite state machines
DE3779351D1 (ja) * 1986-03-28 1992-07-02 American Telephone And Telegraph Co., New York, N.Y., Us
US4852180A (en) * 1987-04-03 1989-07-25 American Telephone And Telegraph Company, At&T Bell Laboratories Speech recognition by acoustic/phonetic system and technique
US4918731A (en) * 1987-07-17 1990-04-17 Ricoh Company, Ltd. Speech recognition method and apparatus
US5072452A (en) * 1987-10-30 1991-12-10 International Business Machines Corporation Automatic determination of labels and Markov word models in a speech recognition system
US5129002A (en) * 1987-12-16 1992-07-07 Matsushita Electric Industrial Co., Ltd. Pattern recognition apparatus
JP2545914B2 (ja) * 1988-02-09 1996-10-23 日本電気株式会社 音声認識方法
JPH0293597A (ja) * 1988-09-30 1990-04-04 Nippon I B M Kk 音声認識装置
JPH0296800A (ja) * 1988-10-03 1990-04-09 Nec Corp 連続音声認識装置
GB8902645D0 (en) * 1989-02-07 1989-03-30 Smiths Industries Plc Monitoring
US5509104A (en) * 1989-05-17 1996-04-16 At&T Corp. Speech recognition employing key word modeling and non-key word modeling
CA2015410C (en) * 1989-05-17 1996-04-02 Chin H. Lee Speech recognition employing key word modeling and non-key word modeling
US5075896A (en) * 1989-10-25 1991-12-24 Xerox Corporation Character and phoneme recognition based on probability clustering
JP2964507B2 (ja) * 1989-12-12 1999-10-18 松下電器産業株式会社 Ｈｍｍ装置
US5119425A (en) * 1990-01-02 1992-06-02 Raytheon Company Sound synthesizer
US5148489A (en) * 1990-02-28 1992-09-15 Sri International Method for spectral estimation to improve noise robustness for speech recognition
JPH0833739B2 (ja) * 1990-09-13 1996-03-29 三菱電機株式会社 パターン表現モデル学習装置
GB9021489D0 (en) * 1990-10-03 1990-11-14 Ensigma Ltd Methods and apparatus for verifying the originator of a sequence of operations
US5293451A (en) * 1990-10-23 1994-03-08 International Business Machines Corporation Method and apparatus for generating models of spoken words based on a small number of utterances
US5450523A (en) * 1990-11-15 1995-09-12 Matsushita Electric Industrial Co., Ltd. Training module for estimating mixture Gaussian densities for speech unit models in speech recognition systems
US5390278A (en) * 1991-10-08 1995-02-14 Bell Canada Phoneme based speech recognition
US5502790A (en) * 1991-12-24 1996-03-26 Oki Electric Industry Co., Ltd. Speech recognition method and system using triphones, diphones, and phonemes
US5544257A (en) * 1992-01-08 1996-08-06 International Business Machines Corporation Continuous parameter hidden Markov model approach to automatic handwriting recognition
JPH0782348B2 (ja) * 1992-03-21 1995-09-06 株式会社エイ・ティ・アール自動翻訳電話研究所 音声認識用サブワードモデル生成方法
US5233681A (en) * 1992-04-24 1993-08-03 International Business Machines Corporation Context-dependent speech recognizer using estimated next word context
JPH064093A (ja) * 1992-06-18 1994-01-14 Matsushita Electric Ind Co Ltd Ｈｍｍ作成装置、ｈｍｍ記憶装置、尤度計算装置及び、認識装置
US5682464A (en) * 1992-06-29 1997-10-28 Kurzweil Applied Intelligence, Inc. Word model candidate preselection for speech recognition using precomputed matrix of thresholded distance values
US5386492A (en) * 1992-06-29 1995-01-31 Kurzweil Applied Intelligence, Inc. Speech recognition system utilizing vocabulary model preselection
US5333236A (en) * 1992-09-10 1994-07-26 International Business Machines Corporation Speech recognizer having a speech coder for an acoustic match based on context-dependent speech-transition acoustic models
CA2108536C (en) * 1992-11-24 2000-04-04 Oscar Ernesto Agazzi Text recognition using two-dimensional stochastic models
US5452397A (en) * 1992-12-11 1995-09-19 Texas Instruments Incorporated Method and system for preventing entry of confusingly similar phases in a voice recognition system vocabulary list
US5535305A (en) * 1992-12-31 1996-07-09 Apple Computer, Inc. Sub-partitioned vector quantization of probability density functions
US5692104A (en) * 1992-12-31 1997-11-25 Apple Computer, Inc. Method and apparatus for detecting end points of speech activity
US5596680A (en) * 1992-12-31 1997-01-21 Apple Computer, Inc. Method and apparatus for detecting speech activity using cepstrum vectors
DE69432570T2 (de) * 1993-03-25 2004-03-04 British Telecommunications P.L.C. Spracherkennung
US6230128B1 (en) 1993-03-31 2001-05-08 British Telecommunications Public Limited Company Path link passing speech recognition with vocabulary node being capable of simultaneously processing plural path links
WO1994023425A1 (en) * 1993-03-31 1994-10-13 British Telecommunications Public Limited Company Connected speech recognition
US5664058A (en) * 1993-05-12 1997-09-02 Nynex Science & Technology Method of training a speaker-dependent speech recognizer with automated supervision of training sufficiency
US5623609A (en) * 1993-06-14 1997-04-22 Hal Trust, L.L.C. Computer system and computer-implemented process for phonology-based automatic speech recognition
CA2126380C (en) * 1993-07-22 1998-07-07 Wu Chou Minimum error rate training of combined string models
US5606643A (en) * 1994-04-12 1997-02-25 Xerox Corporation Real-time audio recording system for automatic speaker indexing
US5598507A (en) * 1994-04-12 1997-01-28 Xerox Corporation Method of speaker clustering for unknown speakers in conversational audio data
GB2290684A (en) * 1994-06-22 1996-01-03 Ibm Speech synthesis using hidden Markov model to determine speech unit durations
US5825978A (en) * 1994-07-18 1998-10-20 Sri International Method and apparatus for speech recognition using optimized partial mixture tying of HMM state functions
US5625747A (en) * 1994-09-21 1997-04-29 Lucent Technologies Inc. Speaker verification, speech recognition and channel normalization through dynamic time/frequency warping
JP2980228B2 (ja) * 1994-10-25 1999-11-22 日本ビクター株式会社 音声認識用音響モデル生成方法
US5794198A (en) * 1994-10-28 1998-08-11 Nippon Telegraph And Telephone Corporation Pattern recognition method
US5832430A (en) * 1994-12-29 1998-11-03 Lucent Technologies, Inc. Devices and methods for speech recognition of vocabulary words with simultaneous detection and verification
JP3703164B2 (ja) * 1995-05-10 2005-10-05 キヤノン株式会社 パターン認識方法及びその装置
US5719996A (en) * 1995-06-30 1998-02-17 Motorola, Inc. Speech recognition in selective call systems
US5806029A (en) * 1995-09-15 1998-09-08 At&T Corp Signal conditioned minimum error rate training for continuous speech recognition
WO1997019545A1 (en) * 1995-11-17 1997-05-29 At & T Corp. Automatic vocabulary generation for telecommunications network-based voice-dialing
US5960395A (en) * 1996-02-09 1999-09-28 Canon Kabushiki Kaisha Pattern matching method, apparatus and computer readable memory medium for speech recognition using dynamic programming
US5806030A (en) * 1996-05-06 1998-09-08 Matsushita Electric Ind Co Ltd Low complexity, high accuracy clustering method for speech recognizer
US5835890A (en) * 1996-08-02 1998-11-10 Nippon Telegraph And Telephone Corporation Method for speaker adaptation of speech models recognition scheme using the method and recording medium having the speech recognition method recorded thereon
US5865626A (en) * 1996-08-30 1999-02-02 Gte Internetworking Incorporated Multi-dialect speech recognition method and apparatus
US6137863A (en) * 1996-12-13 2000-10-24 At&T Corp. Statistical database correction of alphanumeric account numbers for speech recognition and touch-tone recognition
US6061654A (en) * 1996-12-16 2000-05-09 At&T Corp. System and method of recognizing letters and numbers by either speech or touch tone recognition utilizing constrained confusion matrices
US5848130A (en) * 1996-12-31 1998-12-08 At&T Corp System and method for enhanced intelligibility of voice messages
US5950158A (en) * 1997-07-30 1999-09-07 Nynex Science And Technology, Inc. Methods and apparatus for decreasing the size of pattern recognition models by pruning low-scoring models from generated sets of models
US5963902A (en) * 1997-07-30 1999-10-05 Nynex Science & Technology, Inc. Methods and apparatus for decreasing the size of generated models trained for automatic pattern recognition
US6219453B1 (en) 1997-08-11 2001-04-17 At&T Corp. Method and apparatus for performing an automatic correction of misrecognized words produced by an optical character recognition technique by using a Hidden Markov Model based algorithm
US6154579A (en) * 1997-08-11 2000-11-28 At&T Corp. Confusion matrix based method and system for correcting misrecognized words appearing in documents generated by an optical character recognition technique
FR2769118B1 (fr) * 1997-09-29 1999-12-03 Matra Communication Procede de reconnaissance de parole
US11044043B2 (en) 1997-10-08 2021-06-22 Erik Borculo System and method for communicating information using time-and-frequency-bounded base functions
US6944118B2 (en) * 1997-10-08 2005-09-13 Bandwidth Technology Corp. System and method for communicating digital information using time-and-frequency-bounded base functions
US6898207B2 (en) * 1997-10-08 2005-05-24 Bandwidth Technology Corp. Techniques for communicating information using Hermite-Gaussian basis functions
US6141661A (en) * 1997-10-17 2000-10-31 At&T Corp Method and apparatus for performing a grammar-pruning operation
US6208965B1 (en) 1997-11-20 2001-03-27 At&T Corp. Method and apparatus for performing a name acquisition based on speech recognition
US6205428B1 (en) 1997-11-20 2001-03-20 At&T Corp. Confusion set-base method and apparatus for pruning a predetermined arrangement of indexed identifiers
US6122612A (en) * 1997-11-20 2000-09-19 At&T Corp Check-sum based method and apparatus for performing speech recognition
WO1999028898A1 (fr) * 1997-11-27 1999-06-10 Hitachi, Ltd. Systeme et procede de reconnaissance vocale
US6205261B1 (en) 1998-02-05 2001-03-20 At&T Corp. Confusion set based method and system for correcting misrecognized words appearing in documents generated by an optical character recognition technique
US6400805B1 (en) 1998-06-15 2002-06-04 At&T Corp. Statistical database correction of alphanumeric identifiers for speech recognition and touch-tone recognition
US7937260B1 (en) 1998-06-15 2011-05-03 At&T Intellectual Property Ii, L.P. Concise dynamic grammars using N-best selection
US6269334B1 (en) * 1998-06-25 2001-07-31 International Business Machines Corporation Nongaussian density estimation for the classification of acoustic feature vectors in speech recognition
US6157731A (en) * 1998-07-01 2000-12-05 Lucent Technologies Inc. Signature verification method using hidden markov models
US6801895B1 (en) * 1998-12-07 2004-10-05 At&T Corp. Method and apparatus for segmenting a multi-media program based upon audio events
US8645137B2 (en) 2000-03-16 2014-02-04 Apple Inc. Fast, language-independent method for user authentication by voice
US6671669B1 (en) * 2000-07-18 2003-12-30 Qualcomm Incorporated combined engine system and method for voice recognition
US6754629B1 (en) * 2000-09-08 2004-06-22 Qualcomm Incorporated System and method for automatic voice recognition using mapping
US7038690B2 (en) * 2001-03-23 2006-05-02 Microsoft Corporation Methods and systems for displaying animated graphics on a computing device
US7239324B2 (en) * 2001-03-23 2007-07-03 Microsoft Corporation Methods and systems for merging graphics for display on a computing device
US7133827B1 (en) 2002-02-06 2006-11-07 Voice Signal Technologies, Inc. Training speech recognition word models from word samples synthesized by Monte Carlo techniques
US7024360B2 (en) * 2003-03-17 2006-04-04 Rensselaer Polytechnic Institute System for reconstruction of symbols in a sequence
JP2006199204A (ja) * 2005-01-21 2006-08-03 Sanyo Electric Co Ltd ドライブレコーダ及びドライブレコーダの制御方法
US8677377B2 (en) 2005-09-08 2014-03-18 Apple Inc. Method and apparatus for building an intelligent automated assistant
JP4880036B2 (ja) * 2006-05-01 2012-02-22 日本電信電話株式会社 音源と室内音響の確率モデルに基づく音声残響除去のための方法及び装置
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
US9330720B2 (en) 2008-01-03 2016-05-03 Apple Inc. Methods and apparatus for altering audio output signals
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
US20100030549A1 (en) 2008-07-31 2010-02-04 Lee Michael M Mobile device having human language translation capability with positional feedback
US9959870B2 (en) 2008-12-11 2018-05-01 Apple Inc. Speech recognition involving a mobile device
US10241752B2 (en) 2011-09-30 2019-03-26 Apple Inc. Interface for a virtual digital assistant
US20120311585A1 (en) 2011-06-03 2012-12-06 Apple Inc. Organizing task items that represent tasks to perform
US9858925B2 (en) 2009-06-05 2018-01-02 Apple Inc. Using context information to facilitate processing of commands in a virtual assistant
US10241644B2 (en) 2011-06-03 2019-03-26 Apple Inc. Actionable reminder entries
US9431006B2 (en) 2009-07-02 2016-08-30 Apple Inc. Methods and apparatuses for automatic speech recognition
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
US10705794B2 (en) 2010-01-18 2020-07-07 Apple Inc. Automatically adapting user interfaces for hands-free interaction
US10276170B2 (en) 2010-01-18 2019-04-30 Apple Inc. Intelligent automated assistant
DE202011111062U1 (de) 2010-01-25 2019-02-19 Newvaluexchange Ltd. Vorrichtung und System für eine Digitalkonversationsmanagementplattform
US8682667B2 (en) 2010-02-25 2014-03-25 Apple Inc. User profiling for selecting user specific voice input processing information
US9412381B2 (en) * 2010-03-30 2016-08-09 Ack3 Bionetics Private Ltd. Integrated voice biometrics cloud security gateway
US10762293B2 (en) 2010-12-22 2020-09-01 Apple Inc. Using parts-of-speech tagging and named entity recognition for spelling correction
US9262612B2 (en) 2011-03-21 2016-02-16 Apple Inc. Device access using voice authentication
US9767807B2 (en) 2011-03-30 2017-09-19 Ack3 Bionetics Pte Limited Digital voice signature of transactions
US10057736B2 (en) 2011-06-03 2018-08-21 Apple Inc. Active transport based notifications
US8994660B2 (en) 2011-08-29 2015-03-31 Apple Inc. Text correction processing
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
US9336774B1 (en) * 2012-04-20 2016-05-10 Google Inc. Pattern recognizing engine
US9280610B2 (en) 2012-05-14 2016-03-08 Apple Inc. Crowd sourcing information to fulfill user requests
US9721563B2 (en) 2012-06-08 2017-08-01 Apple Inc. Name recognition system
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
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
US9368114B2 (en) 2013-03-14 2016-06-14 Apple Inc. Context-sensitive handling of interruptions
WO2014144579A1 (en) 2013-03-15 2014-09-18 Apple Inc. System and method for updating an adaptive speech recognition model
KR101759009B1 (ko) 2013-03-15 2017-07-17 애플 인크. 적어도 부분적인 보이스 커맨드 시스템을 트레이닝시키는 것
EP2997743B1 (en) * 2013-05-16 2019-07-10 Koninklijke Philips N.V. An audio apparatus and method therefor
WO2014197336A1 (en) 2013-06-07 2014-12-11 Apple Inc. System and method for detecting errors in interactions with a voice-based digital assistant
WO2014197334A2 (en) 2013-06-07 2014-12-11 Apple Inc. System and method for user-specified pronunciation of words for speech synthesis and recognition
US9582608B2 (en) 2013-06-07 2017-02-28 Apple Inc. Unified ranking with entropy-weighted information for phrase-based semantic auto-completion
WO2014197335A1 (en) 2013-06-08 2014-12-11 Apple Inc. Interpreting and acting upon commands that involve sharing information with remote devices
US10176167B2 (en) 2013-06-09 2019-01-08 Apple Inc. System and method for inferring user intent from speech inputs
CN105264524B (zh) 2013-06-09 2019-08-02 苹果公司 用于实现跨数字助理的两个或更多个实例的会话持续性的设备、方法、和图形用户界面
CN105265005B (zh) 2013-06-13 2019-09-17 苹果公司 用于由语音命令发起的紧急呼叫的系统和方法
JP6163266B2 (ja) 2013-08-06 2017-07-12 アップル インコーポレイテッド リモート機器からの作動に基づくスマート応答の自動作動
JP6291035B2 (ja) * 2014-01-02 2018-03-14 コーニンクレッカ フィリップス エヌ ヴェＫｏｎｉｎｋｌｉｊｋｅ Ｐｈｉｌｉｐｓ Ｎ．Ｖ． オーディオ装置及びそのための方法
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
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
US9715875B2 (en) 2014-05-30 2017-07-25 Apple Inc. Reducing the need for manual start/end-pointing and trigger phrases
US9633004B2 (en) 2014-05-30 2017-04-25 Apple Inc. Better resolution when referencing to concepts
US9734193B2 (en) 2014-05-30 2017-08-15 Apple Inc. Determining domain salience ranking from ambiguous words in natural speech
EP3149728B1 (en) 2014-05-30 2019-01-16 Apple Inc. Multi-command single utterance input method
US9760559B2 (en) 2014-05-30 2017-09-12 Apple Inc. Predictive text input
US9430463B2 (en) 2014-05-30 2016-08-30 Apple Inc. Exemplar-based natural language processing
US9842101B2 (en) 2014-05-30 2017-12-12 Apple Inc. Predictive conversion of language input
US10170123B2 (en) 2014-05-30 2019-01-01 Apple Inc. Intelligent assistant for home automation
US10289433B2 (en) 2014-05-30 2019-05-14 Apple Inc. Domain specific language for encoding assistant dialog
US10659851B2 (en) 2014-06-30 2020-05-19 Apple Inc. Real-time digital assistant knowledge updates
US9338493B2 (en) 2014-06-30 2016-05-10 Apple Inc. Intelligent automated assistant for TV user interactions
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
US9668121B2 (en) 2014-09-30 2017-05-30 Apple Inc. Social reminders
US10127911B2 (en) 2014-09-30 2018-11-13 Apple Inc. Speaker identification and unsupervised speaker adaptation techniques
US9646609B2 (en) 2014-09-30 2017-05-09 Apple Inc. Caching apparatus for serving phonetic pronunciations
US10074360B2 (en) 2014-09-30 2018-09-11 Apple Inc. Providing an indication of the suitability of speech recognition
US9886432B2 (en) 2014-09-30 2018-02-06 Apple Inc. Parsimonious handling of word inflection via categorical stem + suffix N-gram language models
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
US9721566B2 (en) 2015-03-08 2017-08-01 Apple Inc. Competing devices responding to voice triggers
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
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
US10186254B2 (en) 2015-06-07 2019-01-22 Apple Inc. Context-based endpoint detection
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
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
US10008201B2 (en) * 2015-09-28 2018-06-26 GM Global Technology Operations LLC Streamlined navigational speech recognition
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
US10067938B2 (en) 2016-06-10 2018-09-04 Apple Inc. Multilingual word prediction
US10192552B2 (en) 2016-06-10 2019-01-29 Apple Inc. Digital assistant providing whispered speech
US10509862B2 (en) 2016-06-10 2019-12-17 Apple Inc. Dynamic phrase expansion of language input
DK179415B1 (en) 2016-06-11 2018-06-14 Apple Inc Intelligent device arbitration and control
DK201670540A1 (en) 2016-06-11 2018-01-08 Apple Inc Application integration with a digital assistant
DK179343B1 (en) 2016-06-11 2018-05-14 Apple Inc Intelligent task discovery
DK179049B1 (en) 2016-06-11 2017-09-18 Apple Inc Data driven natural language event detection and classification
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
US10311874B2 (en) 2017-09-01 2019-06-04 4Q Catalyst, LLC Methods and systems for voice-based programming of a voice-controlled device
CN110737268B (zh) * 2019-10-14 2022-07-15 哈尔滨工程大学 一种基于Viterbi算法的确定指令的方法
US11797425B2 (en) * 2021-07-09 2023-10-24 International Business Machines Corporation Data augmentation based on failure cases

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS5991500A (ja) * 1982-10-15 1984-05-26 ウエスターン　エレクトリック　カムパニー，インコーポレーテッド 音声分析器
JPS61177493A (ja) * 1985-01-31 1986-08-09 インタ−ナショナル　ビジネス　マシ−ンズ　コ−ポレ−ション 音声認識方法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4348553A (en) * 1980-07-02 1982-09-07 International Business Machines Corporation Parallel pattern verifier with dynamic time warping
US4654875A (en) * 1983-05-23 1987-03-31 The Research Foundation Of State University Of New York System to achieve automatic recognition of linguistic strings

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS5991500A (ja) * 1982-10-15 1984-05-26 ウエスターン　エレクトリック　カムパニー，インコーポレーテッド 音声分析器
JPS61177493A (ja) * 1985-01-31 1986-08-09 インタ−ナショナル　ビジネス　マシ−ンズ　コ−ポレ−ション 音声認識方法

Also Published As

Publication number Publication date
FR2579357A1 (fr) 1986-09-26
US4783804A (en) 1988-11-08
FR2579357B1 (fr) 1990-01-12
JPS61262799A (ja) 1986-11-20

Similar Documents

Publication Publication Date Title
JPH0555040B2 (ja)
Karpagavalli et al. A review on automatic speech recognition architecture and approaches
Ghai et al. Literature review on automatic speech recognition
US5865626A (en) Multi-dialect speech recognition method and apparatus
JP2963142B2 (ja) 信号処理方法
US8731928B2 (en) Speaker adaptation of vocabulary for speech recognition
EP1477966B1 (en) Adaptation of compressed acoustic models
KR20050082253A (ko) 모델 변이 기반의 화자 클러스터링 방법, 화자 적응 방법및 이들을 이용한 음성 인식 장치
US20090240499A1 (en) Large vocabulary quick learning speech recognition system
Hanazawa et al. ATR HMM-LR continuous speech recognition system
CN111696522B (zh) 基于hmm和dnn的藏语语音识别方法
Sahu et al. A study on automatic speech recognition toolkits
JP3535292B2 (ja) 音声認識システム
US5764851A (en) Fast speech recognition method for mandarin words
Furui Vector-quantization-based speech recognition and speaker recognition techniques
Manasa et al. Comparison of acoustical models of GMM-HMM based for speech recognition in Hindi using PocketSphinx
Thalengala et al. Study of sub-word acoustical models for Kannada isolated word recognition system
Sangjamraschaikun et al. Isarn digit speech recognition using HMM
JP2938866B1 (ja) 統計的言語モデル生成装置及び音声認識装置
Barman et al. State of the art review of speech recognition using genetic algorithm
Sarma et al. Speech recognition in Indian languages—a survey
JP2983364B2 (ja) 隠れマルコフモデルと音声信号との類似度計算方法
Thalengala et al. Effect of time-domain windowing on isolated speech recognition system performance
JP3029803B2 (ja) 音声認識のための単語モデル生成装置及び音声認識装置
Nakagawa et al. Spoken language identification by ergodic HMMs and its state sequences

Legal Events

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