JPH06175683A - 話者の音声確認用の自動式時間的無相関形装置および方法 - Google Patents

話者の音声確認用の自動式時間的無相関形装置および方法

Info

Publication number
JPH06175683A
JPH06175683A JP4043613A JP4361392A JPH06175683A JP H06175683 A JPH06175683 A JP H06175683A JP 4043613 A JP4043613 A JP 4043613A JP 4361392 A JP4361392 A JP 4361392A JP H06175683 A JPH06175683 A JP H06175683A
Authority
JP
Japan
Prior art keywords
word
speaker
vector
voice
level
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
JP4043613A
Other languages
English (en)
Other versions
JP3664739B2 (ja
Inventor
Lorin P Netsch
ピー．ネットスク ロリン
George R Doddington
アール．ドディントン ジョージ
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.)
Texas Instruments Inc
Original Assignee
Texas Instruments Inc
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 Texas Instruments Inc filed Critical Texas Instruments Inc
Publication of JPH06175683A publication Critical patent/JPH06175683A/ja
Application granted granted Critical
Publication of JP3664739B2 publication Critical patent/JP3664739B2/ja
Anticipated expiration legal-status Critical
Expired - Fee Related legal-status Critical Current

Links

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
    • G10L17/00—Speaker identification or verification techniques
    • G10L17/02—Preprocessing operations, e.g. segment selection; Pattern representation or modelling, e.g. based on linear discriminant analysis [LDA] or principal components; Feature selection or extraction
    • 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
    • G10L17/00—Speaker identification or verification techniques
    • G10L17/20—Pattern transformations or operations aimed at increasing system robustness, e.g. against channel noise or different working conditions

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Human Computer Interaction (AREA)
  • Physics & Mathematics (AREA)
  • Acoustics & Sound (AREA)
  • Multimedia (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

(57)【要約】 【目的】 話者の音声確認用の自動式時間的無相関形装
置および方法を提供する。 【構成】 本装置は、特有のアイデンティティを請求す
る未知話者からの音声入力を受けるコレクタ（２１０）
と、該音声入力からワードレベル音声特徴ベクトルを発
生するワードレベル音声特徴計算器（２２０）と、前記
特有アイデンティティを有する話者に属することが知ら
れたワードレベル音声特徴ベクトルを記憶するワードレ
ベル音声特徴記憶装置（１７０）と、未知話者から受け
たワードレベル音声特徴ベクトルと該記憶装置から受け
たそれらとの間の相似度点数を計算するワードレベルベ
クトル採点器（２３０）と、該相似度点数に基づき前記
未知話者のアイデンティティが請求されたそれと同じで
あるか否かを決定する話者確認判断回路（２４０）と、
を含む。ワードレベルベクトル採点器はさらに、連結回
路と、ワード特有の直交化１次変換器（図４ｂの（１６
０）、図７の（３８０））とを含む。

Description

【発明の詳細な説明】
【０００１】
【産業上の利用分野】本発明は、一般的には音声処理に
関し、特に時間的無相関形（ｔｅｍｐｏｒａｌ ｄｅｃ
ｏｒｒｅｌａｔｉｏｎ）の、強力な話者の確認装置およ
び方法に関する。
【０００２】
【従来の技術】話者の音声確認の現在の装置および方法
は、実際の検査での使用の前に、音声登録を必要とす
る。この登録中においては、確認されるべきそれぞれの
話者に特有の音声モデルが作られる。これは通常、ある
きまった話者から生じることがわかっているいくつかの
発音から音声データを収集し、次にそのデータを処理し
てその話者に特有のモデルを形成することによって行な
われる。これら特有のモデルは、これらのモデルの話者
を識別する情報と共に記憶される。
【０００３】実際の確認での使用においては、諸話者
は、まず彼等のアイデンティティを請求する。装置は話
者が発音することを要求し、その発音は次に、請求され
たアイデンティティと共に記憶されているその話者の音
声モデルと比較される。もし発音と音声モデルとが密接
に一致すれば、その話者は請求されたアイデンティティ
と同一者であることが宣言される。
【０００４】音声処理の現在の方法においては、フレー
ムと呼ばれる、その中で音響信号が認めうるほどに変化
しないものと仮定される、短い時間内に、発音から音声
パラメータのベクトルが測定される。これらのパラメー
タベクトルは、直交化のための１次変換、または何らか
の他の変換を受けることによって、音声特徴ベクトルと
しても知られている、統計的に相関のない音声パラメー
タベクトルとされることが多い。これによって得られた
パラメータまたは特徴ベクトルは、個人の音声のモデル
を作るために使用されうる。
【０００５】現在、ある話者確認装置は、あるきまった
人物の音声の全フレームからの音声ベクトルをいっしょ
にグループ化し、それらのベクトルを用いて全発音にわ
たっての平均の統計的性質を決定している。時々、これ
らの装置は、送受器および通話路が異なることによる音
声ベクトルのひずみの平均の統計的性質の評価を行な
う。この平均の統計的性質は、後に、話者確認のために
使用される。
【０００６】他の話者確認装置は、アラインメント（ａ
ｌｉｇｎｍｅｎｔ）と呼ばれる過程において同じ音声音
に対応する音声ベクトルをグループ化する。動的時間歪
曲（Ｄｙｎａｍｉｃ Ｔｉｍｅ Ｗａｒｐｉｎｇ（ＤＴ
Ｗ））または隠れマルコフモデリング（Ｈｉｄｄｅｎ
Ｍａｒｋｏｖ Ｍｏｄｅｌｉｎｇ（ＨＭＭ））は、アラ
インメントの周知の方法の１つである。装置は、それぞ
れのグループに別個に対応する音声ベクトルの統計的性
質を評価する。音声ベクトルの諸グループの統計的性質
の収集物が得られると、それは確認されるべき話者のた
めの基準モデルを形成する。確認装置はしばしば、統計
的性質のその収集物を、個々のワード、音節、または音
を代表する多重モデルに分別する。
【０００７】これらの現在技術の装置が全て、音声ベク
トルレベルにおける話者のデータの統計的性質を利用し
ていることに注意するのは重要である。従って、これら
の装置は、音声ベクトルのそれぞれのグループに関連す
る統計的性質の独立性を暗黙のうちに仮定している。
【０００８】話者確認の多くの応用が直面する問題の１
つは、音声信号の避けられないひずみまたは変化であ
る。ひずんだ音声信号は、ひずんだ音声ベクトルを生じ
る。現在の確認装置によって行なわれているように、ベ
クトルが個々に考察されるものとすれば、音声ベクトル
のひずみのために、音声が仮定された真の話者から来た
ものであるか、または詐欺師から来たものであるかを決
定するのは困難である。これにより、話者確認の性能は
劣化する。
【０００９】たとえば、電話での声の確認によってリソ
ースへのアクセスを制御しようとする電気通信上の応用
においては、異なる電話の送受器および通話路の使用に
より、人の音声はしばしばひずみを受け、変化せしめら
れる。銀行の自動金銭出納器のような他の応用において
は、異なるマイクロホンの使用によって音声信号の変化
が起こる。現在の話者確認装置においては、一時に１つ
のみの電話送受器またはマイクロホンしか使用されない
ので、音声信号の変化はその特定の送受器またはマイク
ロホンが使用される場合に限って固定されたものとなる
のに注意することは重要である。従って、これらの問題
のいずれか、または全てを克服する改良が現在所望され
ている。
【００１０】
【発明が解決しようとする課題】関連技術に係る以上の
諸問題にかんがみ、本発明は、異なる電話送受器、電話
通話路、またはマイクロホンの使用による音声信号のひ
ずみまたは変化を補償する、強力な話者の確認装置およ
び方法を提供することを目的とする。
【００１１】本発明のもう１つの目的は、話者確認の性
能を改善する装置および方法を提供することである。
【００１２】本発明のもう１つの目的は、話者に特有な
音声情報のために必要な記憶容量を減少せしめる装置お
よび方法を提供することである。
【００１３】
【課題を解決するための手段】これらの、およびその他
の諸目的は、本発明の実施例に従い、話者のアイデンテ
ィティを確認するために全ワードにおいて測定された音
声特徴間の十分に最適な相関を利用した、話者の声を確
認する時間的無相関形装置および方法を提供することに
よって達成される。本発明は、発音内の個々のワードの
諸音を代表する音声ベクトルの諸グループ間の相関を利
用する。これらの相関は全ワードにわたるものであるか
ら、全発音中に一定を保つひずみとは比較的に無関係な
全ワードにわたる統計的特徴を見出すことが可能であ
る。本発明において実施される、これらの統計的特徴を
用いた無相関形処理は、発音中一貫して行なわれ、改善
された話者確認の性能を実現する。
【００１４】このような話者音声確認の自動化された時
間的無相関形装置および方法は、特有のアイデンティテ
ィを請求する未知話者からの音声入力を受けるコレクタ
と、該音声入力からワードレベル音声特徴ベクトルを発
生するワードレベル音声特徴計算器と、前記特有アイデ
ンティティを有する話者に属することが知られたワード
レベル音声特徴ベクトルを記憶するワードレベル音声特
徴記憶装置と、未知話者から受けたワードレベル音声特
徴ベクトルと該ワードレベル音声特徴記憶装置から受け
たそれらとの間の相似度点数を計算するワードレベルベ
クトル採点器と、該相似度点数に基づき前記未知話者の
アイデンティティが請求されたものと同じであるか否か
を決定する話者確認判断回路と、を含む。ワードレベル
ベクトル採点器はさらに、連結回路と、ワード特有の直
交化１次変換器と、を含む。
【００１５】本発明の時間的無相関形装置および方法は
また、特定の話者の音声を表わすために記憶されなくて
はならないパラメータの数を減少させ、それによって話
者特有の音声情報のために必要な記憶容量を減少せしめ
る。この装置および方法は、話された発音からワードレ
ベル音声特徴ベクトルを確立する段階と、該ワードレベ
ル音声特徴ベクトルを採点する段階と、事前選択された
全ワード音声特徴ベクトルを捨てる段階と、残余の全ワ
ード音声特徴ベクトルを記憶する段階と、を含む。この
記憶段階はさらに、話された発音内の全ワードにわたっ
て統計的に相関のない全ワード特徴ベクトルを作り出す
ためのワード特有直交化１次変換を行なう段階を含む。
【００１６】本発明のこれらの、およびその他の諸特徴
および諸利点は、本技術分野に習熟した者にとっては、
添付図面と共に与えられる実施例についての以下の詳細
な説明から明らかになるはずである。異なる諸図内の同
じ番号および記号は、特に断わりのない限り同じ部品を
指示している。
【００１７】
【実施例】本発明の実施例は、一般的な話者確認装置を
示す図１をまず考察することによって最もよく理解され
る。前述のように、話者音声の確認は、実際の確認を行
なう前に音声の登録を要する。既知の話者の登録を行な
うためには、既知の話者は、登録装置５において、マイ
クロホン、電話送受器、通話路、などにより音声コレク
タ１０に対して発音を行なう。音声コレクタ１０は、そ
れらの発音から音声パラメータベクトルを収集して、そ
れらのベクトルをモデリングユニット１５へ供給する。
モデリングユニット１５は、これらの音声パラメータベ
クトルに基づき、その既知話者に特有なモデルを形成す
る。これらの話者特有のモデルは、そのモデルの話者を
識別する情報と共に記憶装置２０内に記憶される。
【００１８】ある場合には、同じワードまたはフレーズ
の何回かの繰返しが収集され、音声の同じ部分に対応す
るパラメータベクトルがアラインメント（ベクトルのグ
ループ形成）を受ける。得られたベクトルの諸グループ
は、次にモデリングユニット１５によって平均され、そ
の話者特有の基準音声パラメータベクトルの良好な推定
またはモデルを与える。得られたパラメータベクトルの
集合は、確認されるべき話者のための基準モデルを形成
する。これらのパラメータベクトルは、しばしば分割さ
れて、個々のワード、音節、または音などの音声の諸部
分を代表するいくつかの別個のモデルを形成する。
【００１９】実際の話者確認においては、話者は最初
に、該話者が請求するアイデンティティを確認装置２５
の入力部分３０へ入力する。これは、電話のキーパッド
を経ての（数字入力による）識別キー操作、記録情報を
有するクレジットカードの使用、識別用フレーズの音声
認識、または他の任意の適切な手段、などのさまざまな
手段によって行なわれる。確認装置２５は、この請求さ
れたアイデンティティを用いて、記憶装置２０から対応
する音声モデルを検索する。確認装置２５がいったん請
求されたアイデンティティに対する音声モデルを検索す
れば、確認装置２５は、話者がある発音をなすことを要
求するか、またはアイデンティティの請求のために行な
われた発音を使用することができる。
【００２０】固定テキスト形確認装置においては、確認
装置２５は、それぞれの話者の確認発音のテキストの知
識を有する。話者から発音が収集された後、それは登録
と同様にして入力音声ベクトルのシーケンスに変換され
る。これらの入力音声ベクトルは、次にＤＴＷ，ＨＭ
Ｍ，または他のアルゴリズムを用いての、請求されたア
イデンティティを有する話者に対応する基準モデルベク
トルとのアラインメントの結果、それぞれの入力音声ベ
クトルと基準モデル（パラメータ）ベクトルとの間の対
応関係を生じる。この形式のアラインメントの例が図２
に示されており、そこでは入力音声ベクトルｖ１−ｖ８
と基準モデル（パラメータ）ベクトルｒ１−ｒ４とのア
ラインメントが行なわれている。基準パラメータベクト
ルｒ１およびｒ２は第１ワードに対応し、またｒ３およ
びｒ４は第２ワードに対応している。
【００２１】アラインメントの後、確認装置２５は、話
された発音の入力音声信号を、検索された音声モデル
と、音声モデル比較器３５において比較する。この比較
は、それぞれの入力音声ベクトルと、そのマップされた
基準ベクトルとの間で行なわれ、それによって両ベクト
ル間の相似度の量が決定される。比較器３５は、図３に
示されているように、入力音声信号と記憶装置２０から
検索されたモデルとの近似度に基づいて全確認発音に対
して計算された、相似度点数を確定する。この近似度
は、入力音声ベクトルとマップされた基準ベクトルとの
間の相似度測定値３１０の和である。ベクトルの相似度
は、統計的最大確度計算またはベクトル量子化を含むい
くつかの方法によって決定されうる。もし発音点数によ
って、基準ベクトルと入力ベクトルとが成功判断基準に
適合するように全発音にわたって十分な相似度を有する
ことが示されれば、（すなわち、話された発音と音声モ
デルとが密接に一致すれば）、確認装置２５は話者が真
に請求されたアイデンティティと同一者であると判断す
る。ある装置においては、もし請求されたアイデンティ
ティが確認された場合は、入力音声ベクトルはマップさ
れた基準ベクトルと平均されて更新された音声基準モデ
ルの集合を発生し、これによって記憶装置２０内に保持
されていたモデルが置換される。
【００２２】本発明の実施例においては、登録および確
認は共に、入力音声パラメータベクトルと基準モデルパ
ラメータベクトルとのＨＭＭアラインメントを用いる。
しかし、それぞれのワードを作りあげている諸ベクトル
は後に連結されて、発音内の全ワードを代表する単一ベ
クトルを形成する。これらの全ワードベクトルは、ワー
ド特有の直交化１次変換を受けて、全ワードにおいて統
計的に相関のない全ワードベクトルを作り出す。得られ
た全ワードベクトルは、入力音声発音と記憶されている
音声パラメータとの間の相似度の測度を決定するために
用いられる。
【００２３】さらに詳述すると、図４ａには、登録中に
話者の入力音声から既知話者の音声特徴ベクトルを決定
する実施例のブロック図が示されている。ブロック１０
０から開始して、登録されるべき話者は既知の確認発音
を行なう。この音声信号は線形予測係数（ＬＰＣ）計算
を受けて、線形予測係数の諸ベクトルを発生する。実施
例においては、これらのベクトルは、１０係数とエネル
ギーおよび音の高さを定める２要素とから成る。フレー
ムパラメータベクトル計算器１１０は、非線形プロセス
においてＬＰＣベクトルを用い、エネルギー、スペクト
ル、差エネルギー、および差スペクトル音声パラメータ
を決定する。これらの広域音声パラメータは、広域特徴
ベクトル変換器１２０により既知話者に対する音声特徴
ベクトルに変換される。広域特徴ベクトル変換は、登録
前に計算される所定の１次変換である。それは、多数の
話者を代表するデータベースからベクトル統計量を決定
することによって構成される。それらのベクトル統計量
は、話者間の最適の識別を行なう無相関特徴を決定する
１次変換を設計するための固有ベクトル解析に用いられ
る。
【００２４】上述の音声特徴ベクトルの形成は、音声特
徴を作るための１つの方法に過ぎない。他にも、セプス
トラル（ｃｅｐｓｔｒａｌ）係数の計算、または、パー
コールまたはログ領域比係数のようなＬＰＣ係数から直
接導かれる特徴ベクトルの使用、などの特徴計算方法も
存在する。本発明は、どのようにも特定の音声ベクトル
計算方法に限定されるべきではない。
【００２５】図４ｂには、音声特徴ベクトルから話者特
有のワードレベル音声モデルを作ることにより、既知話
者を登録する実施例のブロック図が示されている。特徴
ベクトルアラインメントプロセッサ１４０は、広域特徴
ベクトル変換器１２０から音声特徴ベクトルを受け、こ
れらの特徴ベクトルを、確認発音のそれぞれのワードの
音響的観察を表わす、以前に決定された話者にはよらな
い基準ワードモデル特徴ベクトル１３０とアラインメン
トさせる。基準ワードモデル特徴ベクトル１３０は、既
知話者の登録入力音声内のそれぞれのワードの統計的表
示であり、多数の話者を用いて以前に収集された音声デ
ータベースから作られる。実施例においては、アライン
メントプロセッサ１４０は、Ｖｉｔｅｒｂｉの探索ＨＭ
Ｍアルゴリズムを用いて音声モデルと基準モデルとのア
ラインメントを行ない、それによって入力音声特徴ベク
トルと基準音声特徴ベクトル１３０との間のマッピング
を行なう。前述のように、動的時間歪曲（ＤＴＷ）のよ
うな他の周知のアルゴリズムも、アラインメントを行な
うのに使用されうる。実施例においては、マッピング
は、それぞれの基準ベクトル１３０に対して少なくとも
１つの入力音声特徴ベクトルのマッピングが存在し、そ
れぞれの入力音声ベクトルはただ１つのみの基準ベクト
ル１３０にマッピングされるように行なわれる。
【００２６】実施例においては、特徴平均回路１５０
は、同じ基準ベクトル１３０に対してマップされる入力
音声特徴ベクトルを平均することにより、それぞれのワ
ードに対する登録話者の音声の特徴を表わす平均基準モ
デルベクトルを発生する。これにより、話者にはよらな
い基準ワードモデルベクトルに対応する、既知話者から
のベクトルの集合が作られる。これによって、基準ベク
トルと同数の平均入力音声ベクトルが得られることに注
意すべきである。それぞれの基準ベクトルと最もよく一
致するそれぞれの個々の入力ベクトルを選択することを
含む、平均する以外の入力音声特徴ベクトルの他の組合
せ手段も行なわれうる。
【００２７】この平均プロセスを、いくつかの登録発音
を用いて繰返せば、それぞれのワードに対する平均基準
モデルベクトルが、登録話者の音声の特徴をより良く表
わすようにすることができる。それぞれのワードに対応
する平均基準モデルベクトルは通常、後の確認処理のた
めに装置内に記憶される。もし記憶容量をさらに減少さ
せたい場合には、平均基準モデルベクトルの記憶の必要
はない。
【００２８】ワードレベルベクトル変換器１６０は、そ
れぞれのワードに対応する、特徴平均回路１５０から受
けた平均入力音声ベクトルの全てをまず連結して、それ
ぞれのワードに対する単一のワードレベル平均入力音声
ベクトルを発生する。ワードレベルベクトル変換器１６
０は、ワードレベル１次変換を用いてワードレベルベク
トルを変換する。ワードレベル１次変換は、登録以前
に、多数の話者を代表するデータベースからのワードレ
ベルベクトル統計量を用いて計算され、また話者間の最
適識別を行なうための無相関ワードレベル音声特徴を発
生するように設計される。登録の最後の段階として、ワ
ードレベル音声特徴記憶装置１７０は、ワードレベルベ
クトル変換器１６０から受けた、既知話者を識別するデ
ータと、既知話者に対する全てのワードレベル音声特徴
ベクトルとを記憶する。
【００２９】図５は、本発明の話者確認プロセッサの実
施例のブロック図である。確認処理において、未知話者
は、彼のアイデンティティが装置にすでに登録されてい
る話者のそれであることの確認請求をする。確認装置の
仕事は、これが真実であるか否かを決定することであ
る。これを行なうために、確認装置は、話者を促して確
認発音をさせる。その確認発音は収集され、確認プロセ
ッサは、音声特徴ベクトル計算器２１０において音声特
徴ベクトルを計算する。この計算は、図４ａに関連して
前述した所と同じ処理を含む。ワードレベル音声特徴計
算器２２０は、音声特徴ベクトル計算器２１０からの音
声特徴出力を、請求話者のワードリストと共に用いて、
未知話者に対するワードレベル音声特徴ベクトルを形成
する。
【００３０】ワードレベル音声特徴計算器２２０によっ
て行なわれる処理は、ワードレベル音声特徴ベクトルが
直接ワードレベル音声特徴記憶装置に記憶されないこと
を除外すれば、図４ｂに関連して前述された処理と同じ
である。その代りに、未知話者からのワードレベル音声
特徴ベクトルは、ワードレベルベクトル採点器２３０へ
入力される。このようにして、ワードレベル音声特徴計
算器２２０は、ＨＭＭアラインメントを用いて、入力音
声ベクトルを、請求されたアイデンティティを有する話
者のための、それぞれのワードに対応する話者特有の基
準モデルベクトルにマップする。図６に例が示されてお
り、そこでは入力音声ベクトルｖ１ないしｖ８が、ワー
ド１に対する基準ベクトルｒ１およびｒ２と、ワード２
に対する基準ベクトルｒ３およびｒ４とにマップされて
いる（段階３５０）。
【００３１】ワードレベルベクトル採点器２３０は、ワ
ードレベル音声特徴ベクトル計算器２２０から来た未知
話者のワードレベル音声特徴ベクトルと、ワードレベル
音声特徴記憶装置１７０に以前に記憶されたそれらとの
間の相似度点数を計算する。実施例においては、相似度
点数は、未知話者のワードレベル音声特徴ベクトルと、
請求されたアイデンティティのために記憶されているそ
れらとの間のユークリッド距離の、全てのワードについ
ての和である。他にも、Ｍａｈａｌａｎｏｂｉｓ距離な
どの、使用できる多くの相似度点数の測定がある。
【００３２】本発明の相似度測定は、従来技術とはかな
り異なっている。それぞれの入力音声ベクトルとマップ
された基準モデルベクトルとの間の相似度比較を行なう
のではなく、それぞれの基準モデルベクトルに対してマ
ップされた入力音声ベクトルが平均されて（図６、段階
３６０）、それぞれの基準モデルベクトルに対応する平
均入力音声ベクトルを発生する（ａ１−ａ４）。それぞ
れのワードを作り上げる平均入力音声ベクトルは、連結
されてそれぞれのワードに対する単一の全ワード入力音
声ベクトルを形成する。図６の例においては、ａ１およ
びａ２は連結されてワード１に対する全ワードベクトル
を形成し、ａ３およびａ４は連結されてワード２に対す
る全ワードベクトルを形成する。
【００３３】図７には、全ワード入力音声ベクトル３９
０，３９５および全ワード基準特徴ベクトル４１０，４
１５の形成プロセスが示されている。それぞれの全ワー
ド入力音声ベクトル３７０，３７５は、それぞれのワー
ドに対し独特に決定された時間的無相関形変換（ＴＤ
Ｔ）３８０と呼ばれる所定の１次変換によって変換さ
れ、それぞれ無相関形全ワード入力音声特徴ベクトル３
９０，３９５を発生する。同様にして、それぞれのワー
ドに対する全ワード基準音声ベクトル４００，４０５
（図６におけるｒ１−ｒ４）は連結されて、それぞれの
ワードに対する単一の全ワード基準ベクトルを発生す
る。全ワード基準音声ベクトル４００，４０５は、同じ
ＴＤＴ３８０によって変換されて、それぞれ全ワード基
準特徴ベクトル４１０，４１５を形成する。
【００３４】図８に示されているように、全ワード入力
音声特徴ベクトル３９０，３９５および全ワード基準特
徴ベクトル４１０，４１５は次に比較されて（段階４２
０）、個々の全ワード特徴ベクトル相似度点数４２０が
決定される。発音点数は、相似度点数４２０の和であ
る。相似度を示すために統計的最大確度計算の使用が選
択されているが、ベクトル量子化などの他の周知の方法
も使用されうる。ＴＤＴ３８０によって与えられる無相
関により、全ワード特徴ベクトル４１０，４１５の多く
の特徴が捨てられうる。本発明の実施例においては、ベ
クトル毎の全ワード特徴の役２０％のみが利用された。
【００３５】図５に帰ると、ワードレベルベクトル採点
器２３０から得られた相似度点数は、話者確認判断回路
２４０へ入力され、この回路はその点数を所定スレッシ
ョルドと比較する。もし点数がスレッショルドより低け
れば、装置はその未知話者が請求を行なった者であると
判断する。一方、もし点数がスレッショルドより高けれ
ば、装置はその未知話者にもう２回までの試行を許可し
た後、その未知話者のアイデンティティが請求されたア
イデンティティと同一でないと判断する。
【００３６】実施例においては、もし話者確認判断回路
２４０が未知話者のアイデンティティが請求されたアイ
デンティティと同一であることを決定すれば、特徴更新
平均回路２５０は、ワードレベル音声特徴計算器２３０
からの入力音声と、ワードレベル音声特徴記憶装置１７
０からのそれらとの、ワードレベル音声特徴の加重平均
を行なう。得られた平均ワードレベル音声特徴は、請求
された話者のアイデンティティのためのワードレベル音
声特徴記憶装置１７０内に保持されているそれらを置換
する。これにより、請求した話者に対するワードレベル
音声特徴の改善されたモデルが与えられる。
【００３７】本発明の実施例は、話者が発音するはずの
用語範囲内のそれぞれのワードに対する、ワードに特有
な時間的無相関形１次変換（ＴＤＴ）を作り出す。それ
ぞれのＴＤＴのために決定されなくてはならないパラメ
ータは多数存在するので、用語範囲内の諸ワードをそれ
ぞれの話者が数回繰返す、多くの異なる話者の発音から
成る音声データベースを用いると有益である。
【００３８】ＴＤＴを作るためには、用語範囲内のそれ
ぞれのワードに対する全ワードベクトルの共分散マトリ
ックスが、それぞれの話者に対しデータベース内で計算
される。これらの全ワードベクトルは、図２に示されて
いる確認プロセスと同様のプロセスによって形成され
る。ＨＭＭアラインメントを用い、それぞれの話者から
の発音パラメータベクトルと、用語範囲内のそれぞれの
ワードを代表する所定の基準モデルベクトルとのアライ
ンメントが行なわれる。そのアラインメントの後、それ
ぞれの基準ベクトルにマップされた発音ベクトルは平均
されて、各基準ベクトルに対して１つずつの平均発音ベ
クトルを形成する。それぞれのワードに対する平均発音
ベクトルは、連結されて全ワードベクトルを形成する。
用語範囲内のそれぞれのワードに対応する全ワードベク
トルは、それぞれの話者およびそれぞれのワードに対す
る共分散マトリックスの計算に用いられる。全ての話者
に対する、同じワードに対応した共分散マトリックス
は、次にプールされる。これによって、全ての話者に対
する１つの共分散マトリックスが、用語範囲内のそれぞ
れのワードに対して得られる。それぞれの共分散マトリ
ックスは、それぞれのワードに対する固有ベクトルマト
リックスを発生するための、固有ベクトルの直交化の計
算において用いられる。さらに、（話者にかかわりな
く）それぞれのワードに対する全ての全ワードベクトル
は、広域ワードレベルベクトルの共分散を表わす、それ
ぞれのワードに対する共分散マトリックスを決定するの
に用いられる。用語範囲内のそれぞれのワードに対しこ
のようにして形成された２つの共分散マトリックスは、
話者間の最適の識別を行なう相関のないワードレベル特
徴を定める１次変換を決定するための、固有ベクトル識
別計算に用いられる。無相関形全ワード変換を表わす固
有ベクトルマトリックスは、ＴＤＴとして知られてい
る。
【００３９】前述のように、本発明を用いると、話者特
有のデータのための記憶容量は減少せしめられる。そう
なる理由は、相似度計算を行なうのに必要な全ワード基
準特徴のみが記憶されるからである。該特徴の約２０％
のみが相似度計算に用いられるので、全ての基準ベクト
ルを記憶するのに比較すれば約８０％だけ記憶容量を減
少させることができる。
【００４０】本発明は、ワードレベルベクトルの採点を
行なって記憶されている話者による基準モデルとの相似
度を決定することを含む時間的無相関方式を用いてい
る。前述のようなアラインメントを行なって、次に話者
によるモデルとの相似度に基くワードレベル点数を決定
すれば、この基本概念を音声認識技術へ簡単に拡張でき
る。この点数は、認識をワードレベルで行なうために用
いられうる。
【００４１】以上においては、本発明の特定の実施例を
図示し、かつ説明してきたが、本技術分野に習熟した者
ならば、さまざまな改変および別の実施例がありうるこ
とがわかるはずである。従って、本発明は、特許請求の
範囲によってのみ限定されるものである。
【００４２】以上の説明に関して更に以下の項を開示す
る。 （１） 話者の音声確認用の自動式時間的無相関形装置
であって、特有のアイデンティティを請求する未知話者
からの音声入力を受けるコレクタと、該コレクタから受
けた該音声入力からワードレベル音声特徴ベクトルを発
生するワードレベル音声特徴計算器と、前記特有のアイ
デンティティを有する話者に属することが知られたワー
ドレベル音声特徴ベクトルを記憶するワードレベル音声
特徴記憶装置と、前記ワードレベル音声特徴計算器から
受けた前記ワードレベル音声特徴ベクトルと、前記ワー
ドレベル音声特徴記憶装置から受けたそれらとの間の相
似度点数を計算するワードレベルベクトル採点器と、該
ワードレベルベクトル採点器から受けた前記相似度点数
に基づき前記未知話者が前記特有アイデンティティを有
する前記話者であるか否かを決定する話者確認判断回路
と、を含む話者の音声確認用の自動式時間的無相関形装
置。
【００４３】（２） 前記ワードレベル音声特徴計算器
が、ＨＭＭアラインメントを用いて前記入力音声ベクト
ルを、前記請求されたアイデンティティを有する前記話
者におけるそれぞれのワードに対応する話者特有の基準
モデルベクトルにマップする、第１項記載の装置。
【００４４】（３） 前記ワードレベルベクトル採点器
がさらに、単一ワードを作り上げる前記ベクトルを連結
して前記音声入力内の全ワードを代表する単一ベクトル
を形成する連結回路を含む、第１項記載の装置。
【００４５】（４） 前記ワードレベルベクトル採点器
がさらに、前記音声入力内の全ワードにおいて統計的に
無相関な全ワードベクトルを作るためのワード特有の直
交化１次変換器を含む、第３項記載の装置。
【００４６】（５） 前記相似度点数が、前記ワードレ
ベル音声特徴計算器からの前記ワードレベル音声特徴ベ
クトルと、前記ワードレベル音声特徴記憶装置内に記憶
されたそれらとの間のユークリッド距離の、全てのワー
ドについての和である、第１項記載の装置。
【００４７】（６） 話者の音声確認用の自動式時間的
無相関形方法であって、特有のアイデンティティを請求
する未知話者からの確認発音を収集する段階と、該確認
発音からワードレベル音声特徴ベクトルを確立する段階
と、以前に記憶された、前記特有のアイデンティティを
有する話者に属することが知られたワードレベル音声特
徴ベクトルを検索する段階と、前記確立段階において発
生せしめられた前記ワードレベル音声特徴ベクトルを、
前記以前に記憶されたワードレベル音声特徴ベクトルに
よって採点する段階と、前記未知話者が前記特有アイデ
ンティティを有する前記話者であるか否かを決定する段
階と、を含む話者の音声確認用の自動式時間的無相関形
方法。
【００４８】（７） 前記ワードレベル音声特徴ベクト
ル確立段階がさらに、ＨＭＭアラインメントを用いて前
記入力音声ベクトルを、前記請求されたアイデンティテ
ィを有する前記話者におけるそれぞれのワードに対応す
る話者特有の基準モデルベクトルにマップする段階を含
む、第６項記載の方法。
【００４９】（８） 前記採点段階がさらに、単一ワー
ドを作り上げる前記ベクトルを連結して前記発音内の全
ワードを代表する単一ベクトルを形成する段階を含む、
第６項記載の方法。
【００５０】（９） 前記採点段階がさらに、前記発音
内の全ワードにおいて統計的に無相関な全ワードベクト
ルを作るためのワード特有の直交化１次変換を行なう段
階を含む、第８項記載の方法。
【００５１】（１０） 前記相似度点数が、前記ワード
レベル音声特徴計算器からの前記ワードレベル音声特徴
ベクトルと、前記ワードレベル音声特徴記憶装置内に記
憶されたそれらとの間のユークリッド距離の、全てのワ
ードについての和である、第６項記載の方法。
【００５２】（１１） 話者特有の音声情報用として必
要な記憶容量を減少せしめる時間的無相関形方法であっ
て、話された発音からワードレベル音声特徴ベクトルを
確立する段階と、該ワードレベル音声特徴ベクトルを採
点する段階と、事前選択された全ワード音声特徴ベクト
ルを捨てる段階と、残余の全ワード音声特徴ベクトルを
記憶する段階と、を含む、話者特有の音声情報用として
必要な記憶容量を減少せしめる時間的無相関形方法。
【００５３】（１２） 前記採点段階がさらに、前記発
音内の全ワードにおいて統計的に無相関な全ワード特徴
ベクトルを作るためのワード特有の直交化１次変換を行
なう段階を含む、第１１項記載の方法。
【００５４】（１３） 話者の音声確認用の自動式時間
的無相関形装置および方法が示され、該装置は、特有の
アイデンティティを請求する未知話者からの音声入力を
受けるコレクタ２１０と、該音声入力からワードレベル
音声特徴ベクトルを発生するワードレベル音声特徴計算
器２２０と、前記特有アイデンティティを有する話者に
属することが知られたワードレベル音声特徴ベクトルを
記憶するワードレベル音声特徴記憶装置１７０と、未知
話者から受けたワードレベル音声特徴ベクトルと該ワー
ドレベル音声特徴記憶装置から受けたそれらとの間の相
似度点数を計算するワードレベルベクトル採点器２３０
と、該相似度点数に基づき前記未知話者のアイデンティ
ティが請求されたそれと同じであるか否かを決定する話
者確認判断回路２４０と、を含む。ワードレベルベクト
ル採点器はさらに、連結回路と、ワード特有の直交化１
次変換器（図４ｂの１６０、図７の３８０）とを含む。
他の装置および方法もまた開示されている。
【図面の簡単な説明】
【図１】一般的な話者確認装置の例のブロック図。
【図２】本発明によらないアラインメント処理を示すブ
ロック図。
【図３】本発明によらない発音採点を示すブロック図。
【図４】本発明の実施例の登録プロセッサによって行な
われる諸段階のブロック図。
【図５】本発明の実施例の話者確認プロセッサのブロッ
ク図。
【図６】本発明の実施例によるアラインメント処理のブ
ロック図。
【図７】本発明の実施例による全ワード変換を示すブロ
ック図。
【図８】本発明の実施例による発音採点を示すブロック
図。
【符号の説明】
１６０ ワードレベルベクトル変換器 １７０ ワードレベル音声特徴記憶装置 ２１０ コレクタ ２２０ ワードレベル音声特徴計算器 ２３０ ワードレベルベクトル採点器 ２４０ 話者確認判断回路

Claims (2)

    【特許請求の範囲】
  1. 【請求項１】 話者の音声確認用の自動式時間的無相関
    形装置であって、 特有のアイデンティティを請求する未知話者からの音声
    入力を受けるコレクタと、 該コレクタから受けた該音声入力からワードレベル音声
    特徴ベクトルを発生するワードレベル音声特徴計算器
    と、 前記特有のアイデンティティを有する話者に属すること
    が知られたワードレベル音声特徴ベクトルを記憶するワ
    ードレベル音声特徴記憶装置と、 前記ワードレベル音声特徴計算器から受けた前記ワード
    レベル音声特徴ベクトルと、前記ワードレベル音声特徴
    記憶装置から受けたそれらとの間の相似度点数を計算す
    るワードレベルベクトル採点器と、 該ワードレベルベクトル採点器から受けた前記相似度点
    数に基づき前記未知話者が前記特有アイデンティティを
    有する前記話者であるか否かを決定する話者確認判断回
    路と、を含む話者の音声確認用の自動式時間的無相関形
    装置。
  2. 【請求項２】 話者の音声確認用の自動式時間的無相関
    形方法であって、 特有のアイデンティティを請求する未知話者からの確認
    発音を収集する段階と、 該確認発音からワードレベル音声特徴ベクトルを確立す
    る段階と、 以前に記憶された、前記特有のアイデンティティを有す
    る話者に属することが知られたワードレベル音声特徴ベ
    クトルを検索する段階と、 前記確立段階において発生せしめられた前記ワードレベ
    ル音声特徴ベクトルを、前記以前に記憶されたワードレ
    ベル音声特徴ベクトルによって採点する段階と、 前記未知話者が前記特有のアイデンティティを有する前
    記話者であるか否かを決定する段階と、を含む話者の音
    声確認用の自動式時間的無相関形方法。
JP04361392A 1991-02-28 1992-02-28 話者の音声確認用の自動式時間的無相関変換装置 Expired - Fee Related JP3664739B2 (ja)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US07/662,086 US5167004A (en) 1991-02-28 1991-02-28 Temporal decorrelation method for robust speaker verification
US662086 1991-02-28

Publications (2)

Publication Number Publication Date
JPH06175683A true JPH06175683A (ja) 1994-06-24
JP3664739B2 JP3664739B2 (ja) 2005-06-29

Family

ID=24656333

Family Applications (1)

Application Number Title Priority Date Filing Date
JP04361392A Expired - Fee Related JP3664739B2 (ja) 1991-02-28 1992-02-28 話者の音声確認用の自動式時間的無相関変換装置

Country Status (4)

Country Link
US (1) US5167004A (ja)
EP (1) EP0501631B1 (ja)
JP (1) JP3664739B2 (ja)
DE (1) DE69226796T2 (ja)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007033898A (ja) * 2005-07-27 2007-02-08 Toshiba Corp 話者照合装置

Families Citing this family (138)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5339385A (en) * 1992-07-22 1994-08-16 Itt Corporation Speaker verifier using nearest-neighbor distance measure
US5677989A (en) * 1993-04-30 1997-10-14 Lucent Technologies Inc. Speaker verification system and process
US5522012A (en) * 1994-02-28 1996-05-28 Rutgers University Speaker identification and verification system
US5774858A (en) * 1995-10-23 1998-06-30 Taubkin; Vladimir L. Speech analysis method of protecting a vehicle from unauthorized accessing and controlling
US6076054A (en) * 1996-02-29 2000-06-13 Nynex Science & Technology, Inc. Methods and apparatus for generating and using out of vocabulary word models for speaker dependent speech recognition
US5842165A (en) * 1996-02-29 1998-11-24 Nynex Science & Technology, Inc. Methods and apparatus for generating and using garbage models for speaker dependent speech recognition purposes
US5895448A (en) * 1996-02-29 1999-04-20 Nynex Science And Technology, Inc. Methods and apparatus for generating and using speaker independent garbage models for speaker dependent speech recognition purpose
US5937381A (en) * 1996-04-10 1999-08-10 Itt Defense, Inc. System for voice verification of telephone transactions
US5995927A (en) * 1997-03-14 1999-11-30 Lucent Technologies Inc. Method for performing stochastic matching for use in speaker verification
US6182037B1 (en) 1997-05-06 2001-01-30 International Business Machines Corporation Speaker recognition over large population with fast and detailed matches
US5924070A (en) * 1997-06-06 1999-07-13 International Business Machines Corporation Corporate voice dialing with shared directories
CA2304747C (en) * 1997-10-15 2007-08-14 British Telecommunications Public Limited Company Pattern recognition using multiple reference models
JP3507686B2 (ja) * 1998-01-16 2004-03-15 日本電気株式会社 音声認識機能を有する通信装置及び通信方法
EP1159737B9 (en) * 1999-03-11 2004-11-03 BRITISH TELECOMMUNICATIONS public limited company Speaker recognition
KR20010054622A (ko) * 1999-12-07 2001-07-02 서평원 음성 인식 시스템의 음성 인식률 향상 방법
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
US6697779B1 (en) * 2000-09-29 2004-02-24 Apple Computer, Inc. Combined dual spectral and temporal alignment method for user authentication by voice
ATE335195T1 (de) * 2001-05-10 2006-08-15 Koninkl Philips Electronics Nv Hintergrundlernen von sprecherstimmen
US6778957B2 (en) * 2001-08-21 2004-08-17 International Business Machines Corporation Method and apparatus for handset detection
US6999928B2 (en) * 2001-08-21 2006-02-14 International Business Machines Corporation Method and apparatus for speaker identification using cepstral covariance matrices and distance metrics
US9355651B2 (en) 2004-09-16 2016-05-31 Lena Foundation System and method for expressive language, developmental disorder, and emotion assessment
US10223934B2 (en) 2004-09-16 2019-03-05 Lena Foundation Systems and methods for expressive language, developmental disorder, and emotion assessment, and contextual feedback
US8938390B2 (en) * 2007-01-23 2015-01-20 Lena Foundation System and method for expressive language and developmental disorder assessment
US9240188B2 (en) 2004-09-16 2016-01-19 Lena Foundation System and method for expressive language, developmental disorder, and emotion assessment
US7729909B2 (en) * 2005-03-04 2010-06-01 Panasonic Corporation Block-diagonal covariance joint subspace tying and model compensation for noise robust automatic speech recognition
US8677377B2 (en) 2005-09-08 2014-03-18 Apple Inc. Method and apparatus for building an intelligent automated assistant
CN101051463B (zh) * 2006-04-06 2012-07-11 株式会社东芝 说话人认证的验证方法及装置
US9318108B2 (en) 2010-01-18 2016-04-19 Apple Inc. Intelligent automated assistant
CA2676380C (en) 2007-01-23 2015-11-24 Infoture, Inc. System and method for detection and analysis of speech
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
WO2010067118A1 (en) 2008-12-11 2010-06-17 Novauris Technologies Limited Speech recognition involving a mobile device
US10255566B2 (en) 2011-06-03 2019-04-09 Apple Inc. Generating and processing 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
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
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
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
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
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
DE112014000709B4 (de) 2013-02-07 2021-12-30 Apple Inc. Verfahren und vorrichtung zum betrieb eines sprachtriggers für einen digitalen assistenten
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
AU2014233517B2 (en) 2013-03-15 2017-05-25 Apple Inc. Training an at least partial voice command system
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
AU2014278595B2 (en) 2013-06-13 2017-04-06 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
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
US9785630B2 (en) 2014-05-30 2017-10-10 Apple Inc. Text prediction using combined word N-gram and unigram language models
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
US10289433B2 (en) 2014-05-30 2019-05-14 Apple Inc. Domain specific language for encoding assistant dialog
US9760559B2 (en) 2014-05-30 2017-09-12 Apple Inc. Predictive text input
US9734193B2 (en) 2014-05-30 2017-08-15 Apple Inc. Determining domain salience ranking from ambiguous words in natural speech
US9430463B2 (en) 2014-05-30 2016-08-30 Apple Inc. Exemplar-based natural language processing
US10078631B2 (en) 2014-05-30 2018-09-18 Apple Inc. Entropy-guided text prediction using combined word and character n-gram language models
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
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
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
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
US10074360B2 (en) 2014-09-30 2018-09-11 Apple Inc. Providing an indication of the suitability of speech recognition
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
US9886953B2 (en) 2015-03-08 2018-02-06 Apple Inc. Virtual assistant activation
US10567477B2 (en) 2015-03-08 2020-02-18 Apple Inc. Virtual assistant continuity
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
US10186254B2 (en) 2015-06-07 2019-01-22 Apple Inc. Context-based endpoint detection
US11025565B2 (en) 2015-06-07 2021-06-01 Apple Inc. Personalized prediction of responses for instant messaging
US9978374B2 (en) * 2015-09-04 2018-05-22 Google Llc Neural networks for speaker verification
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
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
US10586535B2 (en) 2016-06-10 2020-03-10 Apple Inc. Intelligent digital assistant in a multi-tasking environment
US10490187B2 (en) 2016-06-10 2019-11-26 Apple Inc. Digital assistant providing automated status report
US10067938B2 (en) 2016-06-10 2018-09-04 Apple Inc. Multilingual word prediction
DK201670540A1 (en) 2016-06-11 2018-01-08 Apple Inc Application integration with a digital assistant
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
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
WO2019113477A1 (en) 2017-12-07 2019-06-13 Lena Foundation Systems and methods for automatic determination of infant cry and discrimination of cry from fussiness
CN111242146B (zh) * 2018-11-09 2023-08-25 蔚来(安徽)控股有限公司 基于卷积神经网络的poi信息分类

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US3700815A (en) * 1971-04-20 1972-10-24 Bell Telephone Labor Inc Automatic speaker verification by non-linear time alignment of acoustic parameters
JPS5944639B2 (ja) * 1975-12-02 1984-10-31 フジゼロツクス カブシキガイシヤ 音声による異同認識方式における標準パタ−ン更新方法
US4032711A (en) * 1975-12-31 1977-06-28 Bell Telephone Laboratories, Incorporated Speaker recognition arrangement
US4363102A (en) * 1981-03-27 1982-12-07 Bell Telephone Laboratories, Incorporated Speaker identification system using word recognition templates
JPS6057475A (ja) * 1983-09-07 1985-04-03 Toshiba Corp パタ−ン認識方式
US4827518A (en) * 1987-08-06 1989-05-02 Bell Communications Research, Inc. Speaker verification system using integrated circuit cards
US4949379A (en) * 1989-05-05 1990-08-14 Steve Cordell Process for encrypted information transmission
US5054083A (en) * 1989-05-09 1991-10-01 Texas Instruments Incorporated Voice verification circuit for validating the identity of an unknown person
US5125022A (en) * 1990-05-15 1992-06-23 Vcs Industries, Inc. Method for recognizing alphanumeric strings spoken over a telephone network

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007033898A (ja) * 2005-07-27 2007-02-08 Toshiba Corp 話者照合装置
JP4714523B2 (ja) * 2005-07-27 2011-06-29 富士通東芝モバイルコミュニケーションズ株式会社 話者照合装置

Also Published As

Publication number Publication date
EP0501631A2 (en) 1992-09-02
JP3664739B2 (ja) 2005-06-29
EP0501631B1 (en) 1998-09-02
US5167004A (en) 1992-11-24
EP0501631A3 (en) 1993-05-26
DE69226796T2 (de) 1999-04-15
DE69226796D1 (de) 1998-10-08

Similar Documents

Publication Publication Date Title
JP3664739B2 (ja) 話者の音声確認用の自動式時間的無相関変換装置
JP4218982B2 (ja) 音声処理
JP3630216B2 (ja) 話者認証用確率的マッチング方法
US5710864A (en) Systems, methods and articles of manufacture for improving recognition confidence in hypothesized keywords
US5278942A (en) Speech coding apparatus having speaker dependent prototypes generated from nonuser reference data
EP1526504B1 (en) Multiple models integration for multi-environment speech recognition
AU636335B2 (en) Voice verification circuit for validating the identity of telephone calling card customers
US6038528A (en) Robust speech processing with affine transform replicated data
JP3390632B2 (ja) 話し手照合システムのための２段階群選択方法
EP1159737B1 (en) Speaker recognition
US20090171660A1 (en) Method and apparatus for verification of speaker authentification and system for speaker authentication
NZ316124A (en) Pattern recognition for speech recognising noise signals signatures
JPH07334184A (ja) 音響カテゴリ平均値計算装置及び適応化装置
JP3189598B2 (ja) 信号合成方法および信号合成装置
US6868381B1 (en) Method and apparatus providing hypothesis driven speech modelling for use in speech recognition
EP0685835B1 (en) Speech recognition based on HMMs
US7509257B2 (en) Method and apparatus for adapting reference templates
Ilyas et al. Speaker verification using vector quantization and hidden Markov model
US7003465B2 (en) Method for speech recognition, apparatus for the same, and voice controller
WO2002029785A1 (en) Method, apparatus, and system for speaker verification based on orthogonal gaussian mixture model (gmm)
JP2009116278A (ja) 話者認証の登録及び評価のための方法及び装置
JPH10254473A (ja) 音声変換方法及び音声変換装置
JP3075250B2 (ja) 話者認識方法及び装置
Upadhyay et al. Analysis of different classifier using feature extraction in speaker identification and verification under adverse acoustic condition for different scenario
Rose et al. A user-configurable system for voice label recognition

Legal Events

Date Code Title Description
A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20040316

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20040526

A02 Decision of refusal

Free format text: JAPANESE INTERMEDIATE CODE: A02

Effective date: 20040716

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20041111

A911 Transfer to examiner for re-examination before appeal (zenchi)

Free format text: JAPANESE INTERMEDIATE CODE: A911

Effective date: 20041224

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20050128

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20050209

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: 20050308

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20050330

R150 Certificate of patent or registration of utility model

Free format text: JAPANESE INTERMEDIATE CODE: R150

FPAY Renewal fee payment (event date is renewal date of database)

Free format text: PAYMENT UNTIL: 20090408

Year of fee payment: 4

FPAY Renewal fee payment (event date is renewal date of database)

Free format text: PAYMENT UNTIL: 20090408

Year of fee payment: 4

FPAY Renewal fee payment (event date is renewal date of database)

Free format text: PAYMENT UNTIL: 20100408

Year of fee payment: 5

LAPS Cancellation because of no payment of annual fees