JPH08123475A - Method and device for speaker collation - Google Patents
Method and device for speaker collationInfo
- Publication number
- JPH08123475A JPH08123475A JP6265856A JP26585694A JPH08123475A JP H08123475 A JPH08123475 A JP H08123475A JP 6265856 A JP6265856 A JP 6265856A JP 26585694 A JP26585694 A JP 26585694A JP H08123475 A JPH08123475 A JP H08123475A
- Authority
- JP
- Japan
- Prior art keywords
- speaker
- codebook
- distance
- inter
- distortion distance
- 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
Links
Abstract
Description
【0001】[0001]
【産業上の利用分野】本発明は、話者認識システムや音
声認識システムに用いられる話者照合技術に関し、特
に、発話者の声の特徴の経時変化に適応する話者別閾値
を少ない特徴サンプル量で短時間に推定する方法及びそ
の実現装置に関する。BACKGROUND OF THE INVENTION 1. Field of the Invention The present invention relates to a speaker verification technique used in a speaker recognition system or a voice recognition system, and more particularly to a feature sample having a small threshold value for each speaker adapted to a change with time of a voice feature of a speaker. The present invention relates to a method for estimating a quantity in a short time and an apparatus for realizing the method.
【0002】[0002]
【従来の技術】話者照合装置は、発話者の表明した識別
名称が、発話者自身の真の識別名称と一致するかどうか
を判定する装置である。通常、話者照合を行う場合に
は、予め照合対象となる話者識別名称及びこの識別名称
に対応するコードブックを登録しておき、話者照合時
に、発話者の実音声と識別名称とを入力し、この識別名
称によって指定されたコードブックと発話者の実音声と
を比較してその特徴差を検出する。この特徴差が話者別
に設定された所定の閾値以下の場合には表明された識別
名称が真の識別名称であり、発話者は本人であると判定
する。その他の場合は、表明された識別名称は偽識別名
称であり、発話者は詐称者であると判定する。このよう
に、話者照合においては、話者別閾値をどのような値に
決定するかが重要であり、この値が適切な値であるかど
うかによって話者の識別率が大きく左右される。2. Description of the Related Art A speaker verification device is a device for determining whether an identification name expressed by a speaker matches a true identification name of the speaker itself. Normally, when performing speaker verification, a speaker identification name to be verified and a codebook corresponding to this identification name are registered in advance, and at the time of speaker verification, the actual voice of the speaker and the identification name are registered. It is input and the codebook designated by this identification name is compared with the actual voice of the speaker to detect the feature difference. When the feature difference is less than or equal to a predetermined threshold set for each speaker, the asserted identification name is a true identification name, and the speaker is determined to be the person. In other cases, the asserted identification name is a false identification name and the speaker is determined to be an impostor. As described above, in speaker verification, it is important to determine what value the speaker-specific threshold value is, and whether or not this value is an appropriate value greatly affects the speaker identification rate.
【0003】話者照合時の誤認識には大別して2つの原
因がある。1つは発話者が真の識別名称を表明している
にも拘わらず、識別名称が偽であると認識してしまう場
合であり、この誤認識率を本人拒否率(FRR:False
Rejection Rate)と称する。もう1つは、発話者が偽名
称を表明しているにも拘わらずそれを真の識別名称と認
識してしまう場合であり、この誤認識率を詐称者受理率
(FAR:False Acceptance Rate)と称する。ところ
で、話者別閾値の値を高くすると、特徴差が大きくても
発話者が本人であると判断する確率が高くなる。従っ
て、FRRは低くなるがFARは高くなる。逆に、話者
別閾値の値を低くすると、FARは低くなるがFRRは
高くなる。このように、FRRとFARとは一方が低く
なると他方が高くなるという関係にある。誤認識率は両
者の平均値で表されるので、話者別閾値を調整して両者
の平均値をできるだけ小さくすることが好ましい。There are roughly two causes for erroneous recognition during speaker verification. One is a case in which the speaker recognizes that the identification name is false, even though the speaker expresses the true identification name. This false recognition rate (FRR: False)
Rejection Rate). The other is a case where the speaker recognizes a false name even though he / she has expressed a false name, and this false recognition rate is the false acceptance rate (FAR). Called. By the way, if the threshold value for each speaker is increased, the probability that the speaker is the true person increases even if the feature difference is large. Therefore, FRR is low, but FAR is high. On the contrary, if the threshold value for each speaker is lowered, the FAR becomes lower but the FRR becomes higher. In this way, the FRR and the FAR have a relationship such that when one becomes lower, the other becomes higher. Since the false recognition rate is represented by the average value of both, it is preferable to adjust the threshold for each speaker so that the average value of both is as small as possible.
【0004】従来、この閾値を決定するための手法が種
々提案されている。第1の手法として、FRRとFAR
とが等しくなるように話者別閾値を設定する等誤り率設
定法があり、”ディジタル音声処理”(著者:古井 貞
煕;出版者:東海大学出版会)第9章に紹介されてい
る。図4は、この等誤り率設定法を実現するためのブロ
ック図であり、本人学習音声及び詐称者学習音声を音声
入力端子400に入力し、前処理部401が各音声を一
定時間長の音声フレームごとに記憶する。特徴量抽出部
402は、各音声の特徴量を抽出する。ベクトル量子化
部403は、音声から抽出されたそれぞれの特徴量を識
別名称に対応する話者コードブック404に基づいてベ
クトル量子化し、これにより得られたコードベクトルの
同一話者内歪み距離(以下、話者内距離)、他話者間歪
み距離(以下、話者間距離)を話者内/話者間距離記憶
部405に記憶する。FRR・FAR計算部406は、
話者内距離と予め定められた初期閾値とを用いてFRR
を計算するとともに、話者間距離と上記初期閾値とを用
いてFARを計算する。FRR・FAR比較部408で
は、FRRとFARの値を比較し、両者が等しくなけれ
ば閾値調整部407において初期閾値を調整し、再度F
RR・FAR計算部406に戻る。そしてFRRとFA
Rとが等しくなった時点で、調整を終え、その値を当該
話者の閾値として出力する。Conventionally, various methods for determining this threshold have been proposed. The first method is FRR and FAR
There is an equal error rate setting method that sets speaker-specific thresholds so that and become equal, and is introduced in Chapter 9 of "Digital Speech Processing" (Author: Sadahiro Furui; Publisher: Tokai University Press). FIG. 4 is a block diagram for realizing the equal error rate setting method. The principal learning voice and the impostor learning voice are input to the voice input terminal 400, and the preprocessing unit 401 outputs each voice for a predetermined time length. Store for each frame. The feature amount extraction unit 402 extracts the feature amount of each voice. The vector quantizer 403 vector-quantizes the respective feature amounts extracted from the voice based on the speaker codebook 404 corresponding to the identification name, and the same-speaker distortion distance (hereinafter referred to as “distortion distance within the same speaker” of the code vector thus obtained. , Intra-speaker distance) and the inter-speaker distortion distance (hereinafter, inter-speaker distance) are stored in the intra-speaker / inter-speaker distance storage unit 405. The FRR / FAR calculation unit 406
The FRR using the intra-speaker distance and a predetermined initial threshold value.
And FAR are calculated using the inter-speaker distance and the initial threshold. The FRR / FAR comparison unit 408 compares the values of FRR and FAR, and if they are not equal, the threshold adjustment unit 407 adjusts the initial threshold, and F
Return to the RR / FAR calculation unit 406. And FRR and FA
When R becomes equal, the adjustment is finished, and the value is output as the threshold of the speaker.
【0005】また、第2の手法として、話者間距離の分
布を考慮して閾値を設定する方法(S.Furui,”Cepstral
Analysis Technique for Automatic Speaker Verifica
tion,"IEEE Trans.Acoustics, Speech, and Signal Pro
cessing, vol.ASSP-29, No.2,pp.254-272, April 1981
参照)が知られている。図5はこの手法を実現するため
のブロック図であり、音声入力端子500に学習音声が
入力された後、前処理部501、特徴量抽出部502、
ベクトル量子化部503、話者コードブック504まで
は図4の構成と同様となる。この手法の特徴は、ベクト
ル量子化部503で得られた話者間距離を話者間距離記
憶部505に記憶しておき、それぞれ話者間標準偏差計
算部506と話者間平均値計算部507において話者間
距離の平均値と標準偏差を求め、その結果得られた統計
パラメータに基づき閾値計算部508で閾値を導出する
ことにある。As a second method, a method of setting a threshold in consideration of the distribution of inter-speaker distances (S. Furui, "Cepstral
Analysis Technique for Automatic Speaker Verifica
tion, "IEEE Trans. Acoustics, Speech, and Signal Pro
cessing, vol.ASSP-29, No.2, pp.254-272, April 1981
(See) is known. FIG. 5 is a block diagram for realizing this method. After the learning voice is input to the voice input terminal 500, the preprocessing unit 501, the feature amount extraction unit 502,
The configuration up to the vector quantizer 503 and the speaker codebook 504 is the same as that shown in FIG. The feature of this method is that the inter-speaker distances obtained by the vector quantization unit 503 are stored in the inter-speaker distance storage unit 505, and the inter-speaker standard deviation calculation unit 506 and the inter-speaker average value calculation unit are respectively stored. In 507, the average value and standard deviation of the inter-speaker distance are obtained, and the threshold value calculation unit 508 derives the threshold value based on the statistical parameter obtained as a result.
【0006】また、第3の手法として、本発明者らによ
り開示された「話者照合方法及び装置」(特願平6−4
1615号明細書参照)がある。この手法は、複数のコ
ードブックから発話者の表明した識別名称に対応する本
人コードブックとそれ以外の他話者コードブックとを選
択し、他話者コードブックから出現した所定量のコード
ベクトルと本人コードブックとの特徴差の統計値を計算
し、これにより閾値を得るものである。つまりコードブ
ック間距離を話者間距離に変換することを特徴とする。
この手法は、図6の各ブロック600〜612により実
現される。As a third method, the "speaker verification method and apparatus" disclosed by the present inventors (Japanese Patent Application No. 6-4).
1615 specification). This method selects the principal codebook corresponding to the identification name asserted by the speaker from the plurality of codebooks and the other-speaker codebooks other than that, and selects a predetermined amount of code vector that appears from the other-speaker codebook. The statistical value of the feature difference from the person's codebook is calculated, and the threshold value is obtained from this. In other words, the feature is that the distance between codebooks is converted into the distance between speakers.
This method is realized by the blocks 600 to 612 in FIG.
【0007】[0007]
【発明が解決しようとする課題】上記各手法は、いずれ
も特定の一時期に収集した特徴サンプルに基づいて閾値
を決定する手法であり、人間の声の特徴に経時変化があ
ることを考慮していない。そのため、時間が経つにつれ
て話者の識別率が低下する場合があった。人間の声の特
徴の経時変化に適応する閾値を推定するには、発話者毎
にできるだけ長期間の特徴サンプルを用いて音声特徴の
標準パターンを作成しておくことでその対処が可能であ
る。しかしながら、長期間の特徴サンプルをそのまま保
存する場合或いは音声特徴を抽出して保存する場合のい
ずれであっても、話者照合装置に莫大なメモリ容量を確
保しなければならず、しかも、特徴サンプル等が膨大な
量になることから話者別閾値の計算に長時間を要する問
題があった。Each of the above-mentioned methods is a method of determining a threshold value based on a characteristic sample collected at a specific time, and considers that the characteristic of human voice changes with time. Absent. Therefore, the identification rate of the speaker may decrease with time. In order to estimate the threshold value that adapts to changes in the characteristics of human voice over time, it is possible to deal with it by creating a standard pattern of speech characteristics by using a feature sample for each speaker as long as possible. However, regardless of whether the long-term feature sample is stored as it is or the voice feature is extracted and stored, a huge memory capacity must be secured in the speaker verification device. There is a problem in that it takes a long time to calculate the threshold for each speaker because the number of etc. becomes enormous.
【0008】また、上記第1及び第2の手法は、あくま
でも事後的に閾値を設定する手法なので、推定等によっ
て事前に閾値の設定を要する用途では十分に活用でき
ず、また、第2及び第3の手法は、話者内距離のばらつ
きを考慮しないため、話者照合時に、本人を高い確率で
拒否してしまう可能性があった。Further, since the first and second methods are methods of setting the threshold value ex post facto, they cannot be fully utilized in applications where the threshold value is set in advance by estimation or the like. Since the method of 3 does not consider the variation in the inter-speaker distance, there is a possibility of rejecting the person with a high probability at the time of speaker verification.
【0009】本発明の課題は、上記問題点を解消し、話
者内距離のばらつきが考慮され、しかも声の特徴の経時
変化に適応する閾値を、少ない特徴サンプル量及び短時
間で事前に推定する方法及びこの方法を実施するための
装置を提供することにある。An object of the present invention is to solve the above problems and to estimate in advance a threshold value that takes into account variations in the distance between speakers and that adapts to changes over time in voice characteristics with a small amount of feature samples and in a short time. And a device for performing this method.
【0010】[0010]
【課題を解決するための手段】本発明は、コードブック
サイズが一定値以上であれば、コードブック内距離と話
者内距離、コードブック間距離と話者間距離との間に、
それぞれ図2及び図3に示すように強い相関関係があ
り、しかもこれらの相関関係は時期差に頑健であるとい
う性質を有効に利用して、話者内距離のばらつき及び同
一話者及び他話者の声の特徴の時期差を考慮した最適な
話者別閾値を決定する点に特徴がある。According to the present invention, if the codebook size is equal to or larger than a certain value, the distance between codebooks and the distance between speakers, the distance between codebooks and the distance between speakers are
As shown in FIG. 2 and FIG. 3, respectively, there is a strong correlation, and these correlations are robust to the time difference. The feature is that the optimum threshold for each speaker is determined in consideration of the difference in the characteristics of the voice of the speaker.
【0011】図2は、例えば所定語数から成る単位大き
さの文章の音声を所定フレーム長で抽出した特徴量を1
セットとした場合に、8セットの男性音声に基づくコー
ドブック内距離と話者内距離との間の相関実測図であ
る。例えばコードブックサイズは512であり、時期差
は9ケ月である。この図から明らかなように、同一話者
であれば両者は線形相関にあり、時期差話者内距離を
y、コードブック内距離をxとすると、y=ax+bの
関係にあることが本発明者による検証の結果明らかにな
った。この式において係数a,bについては多少のばら
つきはあるものの、全体的には時期差に頑健な傾向が現
れている。なお、図2の例では、aは0.944、bは
0.101であった。FIG. 2 shows a feature quantity obtained by extracting a voice of a unit size sentence having a predetermined number of words with a predetermined frame length, for example.
FIG. 9 is a correlation measurement diagram between the intra-codebook distance and the intra-speaker distance based on eight sets of male voices when a set is used. For example, the codebook size is 512 and the time difference is 9 months. As is clear from this figure, if the speakers are the same, the two have a linear correlation, and if the intra-speaker distance is y and the intra-codebook distance is x, there is a relationship of y = ax + b according to the present invention. It became clear as a result of verification by the person. Although there are some variations in the coefficients a and b in this equation, there is a robust tendency in the time difference as a whole. In the example of FIG. 2, a was 0.944 and b was 0.101.
【0012】また、図3は、1セットの女性音声に基づ
くコードブック間距離と時期差話者間距離との間の相関
実測図であり、図2の場合と同様、コードブックサイズ
は512、時期差は9ケ月である。図3を参照すると1
セットであるにも拘わらず、図2と同様の線形相関であ
ることが明らかであり、しかもこの傾向は、セット数が
増えても同様となる。なお、図示を省略したが、男性音
声に基づくコードブック間距離と話者間距離との関係も
同様であった。即ち、コードブック内距離とコードブッ
ク間距離が判れば、これら相関関係に基づき、時期差話
者内距離と時期差話者間距離を導出することができる。Further, FIG. 3 is an actual measurement diagram of the correlation between the inter-codebook distance and the inter-timing talker distance based on a set of female voices. As in the case of FIG. 2, the codebook size is 512, The time difference is 9 months. Referring to FIG.
Despite the set, it is clear that the linear correlation is the same as in FIG. 2, and this tendency is the same even when the number of sets is increased. Although not shown, the relationship between the inter-codebook distance based on the male voice and the inter-speaker distance was similar. That is, if the intra-codebook distance and the inter-codebook distance are known, the inter-speaker distance and the inter-speaker distance can be derived based on these correlations.
【0013】このような性質を利用した本発明の話者照
合方法は、閾値の決定対象となる第1話者の任意の時期
の音声特徴に基づき第1のコードブックを作成するとと
もに、第1話者のコードブック内距離及びコードブック
間歪み距離をそれぞれ導出し、更に、第1話者について
準備された前記コードブック内距離と当該時期の時期差
話者内距離との間の第1相関値及びコードブック間距離
と時期差話者間距離との間の第2相関値に基づき、当該
時期における時期差話者内距離及び時期差話者間距離を
導出する過程を経る。時期差話者内距離及び話者間距離
を導出した後は、従来の第1手法と同様に、これら各距
離と任意に定めた初期閾値とに基づき本人拒否率及び詐
称者受理率を計算するとともに、これら本人拒否率及び
詐称者受理率が等しい値になるように前記初期閾値を調
整すれば良い。According to the speaker verification method of the present invention utilizing such a property, the first codebook is created based on the speech feature of the first speaker whose threshold is to be determined at any time, and A first correlation between the intra-codebook distance of the speaker and the inter-codebook distortion distance is derived, and further, the intra-codebook distance prepared for the first speaker and the time difference intra-speaker distance at the time. Based on the value and the second correlation value between the inter-codebook distance and the inter-timing talker distance, a process for deriving the inter-timing talker distance and the inter-timer talker distance at the time is performed. After deriving the inter-speaker distance and the inter-speaker distance, calculate the false rejection rate and the impostor acceptance rate based on each of these distances and an arbitrarily set initial threshold value, as in the first method of the related art. At the same time, the initial threshold value may be adjusted so that the false rejection rate and the impostor acceptance rate are equal.
【0014】なお、第1及び第2相関値は、図2及び図
3から明らかなように、予め話者別に所定の時期間隔で
取得した値であり、第1相関値は前記コードブック内歪
み距離と同一話者内の時期差歪み距離との間の線形相関
値、第2相関値は前記コードブック間歪み距離と話者間
歪み距離との間の線形相関値である。As is apparent from FIGS. 2 and 3, the first and second correlation values are values obtained in advance at a predetermined time interval for each speaker, and the first correlation value is the distortion within the codebook. The linear correlation value between the distance and the time difference distortion distance within the same speaker, and the second correlation value is the linear correlation value between the inter-codebook distortion distance and the inter-speaker distortion distance.
【0015】また、上記性質を利用した本発明の話者照
合装置は、各々異なる時期の話者別音声特徴に基づき各
時期の話者別コードブックを作成し、各話者別コードブ
ックの作成過程で出現したコードベクトルの出現回数を
当該時期の話者別コードブックと共にメモリに保存する
手段を有する。この手段は、公知技術を利用することで
実現することができる。また、閾値の決定対象となる第
1話者の第1のコードブックを作成する対象話者別コー
ドブック作成手段と、作成された第1のコードブックと
保存してある前記第1話者及び他話者の過去のコードブ
ックから各々前記出現回数のコードベクトルを出現さ
せ、これらコードベクトルを前記第1のコードブックの
コードベクトルで量子化して第1話者のコードブック内
歪み距離、及び第1話者と他話者との間のコードブック
間歪み距離を導出する手段と、予め話者別に所定の時期
間隔で実測した前記コードブック内歪み距離と同一話者
内の時期差歪み距離との間の第1相関値、及び前記コー
ドブック間歪み距離と他話者間の時期差歪み距離との間
の第2相関値を記憶した相関値記憶手段と、前記第1話
者に対応する前記第1及び第2相関値を読み出して当該
時期の第1話者内の時期差歪み距離及び他話者間の時期
差歪み距離を導出する時期差歪み距離導出手段と、各時
期差歪み距離と任意に定めた初期閾値とに基づき本人拒
否率及び詐称者受理率を計算するとともに、これら本人
拒否率及び詐称者受理率が等しい値になるように前記初
期閾値を調整する閾値調整手段と、を有する。Further, the speaker verification apparatus of the present invention utilizing the above characteristics creates a speaker-specific codebook for each period based on the speaker-specific voice characteristics of different periods, and prepares a speaker-specific codebook. It has means for storing the number of appearances of the code vector appearing in the process in the memory together with the speaker-specific codebook of the time. This means can be realized by using a known technique. Also, a codebook creating means for each target speaker that creates a first codebook of the first speaker for which a threshold value is to be determined, the created first codebook, and the first speaker that has been saved, Code vectors having the above-mentioned number of appearances are made to appear from the past codebooks of other speakers, and these code vectors are quantized by the code vector of the first codebook, and the distortion distance in the codebook of the first speaker, and A means for deriving the inter-codebook distortion distance between one speaker and another speaker, and the intra-codebook distortion distance measured in advance at a predetermined time interval for each speaker and the time difference distortion distance within the same speaker. Corresponding to the first speaker, and a correlation value storage means for storing a first correlation value between the codebook and a second correlation value between the inter-codebook distortion distance and the time difference distortion distance between other speakers. Read the first and second correlation values Then, a time difference distortion distance deriving means for deriving a time difference distortion distance within the first speaker and a time difference distortion distance between other speakers at the time concerned, and each time difference distortion distance and an arbitrarily set initial threshold value. And a threshold adjusting means for adjusting the initial threshold so that the false rejection rate and the impostor acceptance rate are calculated on the basis of the false rejection rate and the impostor acceptance rate.
【0016】[0016]
【作用】本発明では、長期間の特徴サンプルの代わり
に、話者別に異なる時期の話者別コードブックを複数作
成しておき、その際、各話者別コードブックにおけるコ
ードベクトルの出現回数を保存しておく。また、好まし
くは閾値決定前に図2及び図3で示した相関関係、即ち
第1相関値及び第2相関値を相関値記憶手段に記憶させ
ておく。第1話者の閾値を決定するときは、過去の各時
期の第1話者及び他話者のコードブックからコードベク
トルを代表する符号列及び符号列の出現回数に従ってコ
ードベクトルを出現させ、閾値決定時期に対応するコー
ドブック内距離、及びコードブック間距離を求める。次
いで、このコードブック内距離、コードブック間距離と
上記相関値記憶手段から読み出した第1相関値及び第2
相関値に基づき、時期差話者内距離、時期差話者間距離
を導出する。In the present invention, a plurality of speaker-specific codebooks at different times are prepared for each speaker instead of the long-term feature sample, and the number of times the code vector appears in each speaker-specific codebook is calculated. Save it. Further, preferably, the correlation shown in FIGS. 2 and 3, that is, the first correlation value and the second correlation value are stored in the correlation value storage means before the threshold value is determined. When determining the threshold of the first speaker, the code vector is represented according to the code string representing the code vector and the number of appearances of the code string from the code books of the first speaker and other speakers at each past time, and the threshold is set. The distance between codebooks and the distance between codebooks corresponding to the determination time are calculated. Next, the intra-codebook distance, the inter-codebook distance, the first correlation value and the second correlation value read from the correlation value storage means.
Based on the correlation value, the inter-time-speaker distance and the inter-time-speaker distance are derived.
【0017】このように過去において話者別に作成され
たコードブックを用いるだけで事前に第1話者の時期差
話者内距離と時期差話者間距離を近似表現することが可
能となり、話者照合装置におけるメモリ使用量が従来よ
りも大幅に節約される。因みに従来の各手法により音声
波形をそのまま保存する場合(short型)は、サン
プリング周波数(1/sec)×音声継続時間(se
c)×2(バイト)、音声波形からその特徴ベクトルを
抽出して保存する場合(double型)は、総フレー
ム数×特徴ベクトルサイズ×16(バイト)のメモリ容
量を必要とするのに対し、本発明の方法及び装置の場合
のメモリ使用量は、話者別コードブックサイズ×特徴ベ
クトルサイズ×16(バイト:double型)+話者
別コードブックサイズ×4(バイト:int型)であ
る。従って、サンプリング周波数が16KHzの単語音
声が10個あるとし、その平均の長さが3秒、分析フレ
ーム長が30msec、フレーム周期が16msecと
すると、1ヶ月毎に特徴サンプルの収録を重ね、1年間
で収録した100名の話者の特徴サンプルの特徴量のみ
を記憶するために必要なメモリ容量は、コードブックサ
イズが256であれば従来の1/11倍となる。つま
り、本発明によれば、約92%のメモリ容量が節約でき
る。計算量についても同様であり、本発明によれば、従
来の約92%の計算量が削減できる。上記時期差話者内
距離と時期差話者間距離が導出された後は、従来の第1
の手法と同様の手順乃至手段で等誤り率になるように初
期閾値を調整し、これを第1話者の閾値とする。As described above, it is possible to approximate the distance between speakers in the first speaker and the distance between speakers in advance by simply using the codebook created for each speaker in the past. The amount of memory used in the person verification device is significantly saved as compared with the conventional one. Incidentally, when the voice waveform is stored as it is by each conventional method (short type), the sampling frequency (1 / sec) × the voice duration (se
c) × 2 (bytes), when the feature vector is extracted from the speech waveform and stored (double type), a memory capacity of total number of frames × feature vector size × 16 (bytes) is required. In the case of the method and apparatus of the present invention, the memory usage is speaker codebook size × feature vector size × 16 (byte: double type) + speaker codebook size × 4 (byte: int type). Therefore, assuming that there are 10 word voices with a sampling frequency of 16 KHz, an average length of 3 seconds, an analysis frame length of 30 msec, and a frame period of 16 msec, feature samples are recorded every month for one year. If the codebook size is 256, the memory capacity required to store only the feature amounts of the feature samples of the 100 speakers recorded in 1. will be 1/11 times the conventional value. That is, according to the present invention, a memory capacity of about 92% can be saved. The same applies to the amount of calculation, and according to the present invention, the amount of calculation can be reduced by about 92% of the conventional amount. After the inter-speaker distance and the inter-speaker distance are derived, the first
The initial threshold value is adjusted so as to obtain an equal error rate by the same procedure or means as the method of (1), and this is set as the threshold value of the first speaker.
【0018】[0018]
【実施例】次に、図面を参照して本発明の実施例を詳細
に説明する。図1は、本発明の一実施例の話者照合装置
における話者別閾値決定部のブロック図であり、100
はコードブックファイル、101は話者別コードブック
(D時期話者別コードブック)、102はベクトル量子
化部、103はコードブック内距離記憶部、104はコ
ードブック間距離記憶部、105は相関変換値記憶部、
106は時期差話者内距離変換部、107は時期差話者
間距離変換部、108はFRR・FAR計算部、109
はFRR・FAR比較部、110は閾値調整部である。Next, an embodiment of the present invention will be described in detail with reference to the drawings. FIG. 1 is a block diagram of a speaker-specific threshold value determining unit in a speaker verification apparatus according to an embodiment of the present invention.
Is a codebook file, 101 is a speaker-specific codebook (D-period speaker-specific codebook), 102 is a vector quantizer, 103 is an intra-codebook distance storage unit, 104 is an inter-codebook distance storage unit, and 105 is correlation. Converted value storage,
Reference numeral 106 denotes a distance conversion speaker distance conversion unit, 107 denotes a time difference speaker distance conversion unit, 108 denotes an FRR / FAR calculation unit, and 109.
Is an FRR / FAR comparison unit, and 110 is a threshold adjustment unit.
【0019】コードブックファイル100には、話者別
に異なる時期、図示の例ではA〜C時期に作成したコー
ドブックを記憶する話者別コードブック記憶部と、各話
者別コードブックのコードベクトルを代表する符号列及
び各符号の出現回数を記憶する符号データ記憶部とが格
納され、話者別の過去の音声特徴として随時再利用でき
るようになっている。時期A〜Cの間隔は、ある程度離
れた方が好ましい。これは、短期間では話者の音声特徴
に差異が生じない場合があるからである。また、一回も
出現しなかった符号乃至符号列については符号データ記
憶部への記憶を行わない。これによってコードブックフ
ァイル100のサイズ(メモリ使用量)及び以後の計算
量の削減が更に期待できる。なお、符号列とは、各コー
ドベクトルに対し、例えばそれぞれのクラスタのセント
ロイドに対応して付与された符号の集合をいい、符号の
出現回数とは、ベクトル量子化処理が終了するまでの過
程において、同じクラスタに配属された符号の出現回数
データをいう。In the codebook file 100, a speaker-specific codebook storage unit for storing codebooks created at different times for each speaker, in the illustrated example, A to C, and a code vector of each speaker-specific codebook. And a code data storage unit that stores the number of appearances of each code are stored, and can be reused at any time as a past voice feature for each speaker. It is preferable that the intervals A to C are separated to some extent. This is because there may be no difference in the voice characteristics of the speaker in a short period. Further, the code or code string that has not appeared once is not stored in the code data storage unit. This can further be expected to reduce the size (memory usage) of the codebook file 100 and the amount of calculation thereafter. The code string is a set of codes given to each code vector, for example, corresponding to the centroid of each cluster, and the number of appearances of the code is the process until the vector quantization process is completed. In, the term refers to the appearance frequency data of codes assigned to the same cluster.
【0020】D時期の話者別コードブック101は、閾
値設定対象となる第1話者(甲)のD時期における学習
音声から分析フレームを抽出して特徴量を求め、その特
徴量をベクトル量子化して作成したコードブックであ
る。このD時期は、任意の時期であるが、上述のA時
期、B時期、C時期よりも遅い時期である。The D-speaker-specific codebook 101 extracts an analysis frame from the learning speech of the first speaker (A) whose threshold is to be set in the D period to obtain a feature quantity, and the feature quantity is a vector quantum. It is a codebook created by converting. The D period is an arbitrary period, but is later than the A period, B period, and C period described above.
【0021】ベクトル量子化部102は、例えば上記D
時期話者別コードブック101に基づき、コードブック
ファイル100内に既に格納されている同一話者(甲)
のA〜C時期のコードブックからコードベクトルを各符
号の出現回数に従って出現させ、これを例えばD時期話
者別コードブック101に出力させる。これにより同一
話者(甲)によるD時期のコードブックの特徴差、即ち
コードブック内距離が得られる。これをコードブック内
距離記憶部103に記憶する。The vector quantizer 102 uses, for example, the above D.
Based on the time-speaker-specific codebook 101, the same speaker (A) already stored in the codebook file 100
A code vector is made to appear from the code book of the periods A to C according to the number of times of appearance of each code, and this is output to the code book 101 for each speaker of the D period, for example. As a result, the characteristic difference of the codebook at the D period by the same speaker (A), that is, the codebook distance is obtained. This is stored in the intra-codebook distance storage unit 103.
【0022】また、コードブックファイル100内に既
に格納されている他話者(乙)のA〜C時期の話者別コ
ードブックからコードベクトルを各符号の出現回数に従
って出現させ、これを例えばD時期の話者別コードブッ
ク101に出力させる。これにより上記話者と他話者に
よるD時期のコードブック特徴差、即ちコードブック間
距離が得られる。これをコードブック間距離記憶部10
4に記憶する。Further, a code vector is made to appear according to the number of appearances of each code from the code book for each speaker of the other speakers (B) in the periods A to C, which is already stored in the code book file 100, and this is made D, for example. The codebook 101 for each speaker of the period is output. As a result, the codebook feature difference between the speakers and the other speakers at the time D, that is, the inter-codebook distance is obtained. This is the inter-codebook distance storage unit 10
Store in 4.
【0023】相関変換値記憶部105には、話者別に、
図2及び図3基づく線形相関式とコードブック内距離/
コードブック間距離から一義的に導かれる相関値が記憶
されている(相関値記憶手段)。ここにいう相関値は、
コードブック内距離と時期差話者内距離との関係を表す
第1相関値、コードブック間距離と時期差話者間距離と
の関係を表す第2相関値である。これら相関値は、各話
者をキーに読み出され、各々第1相関値は時期差話者内
距離変換部106、第2相関値は時期差話者間距離変換
部107に入力される。この実施例の場合は、話者
(甲)及び他話者(乙)に関わる第1及び第2相関値を
それぞれ読み出す。The correlation conversion value storage unit 105 stores, for each speaker,
Linear correlation equation and distance in codebook based on FIGS. 2 and 3
A correlation value uniquely derived from the inter-codebook distance is stored (correlation value storage means). The correlation value here is
It is a 1st correlation value showing the relation between the codebook inside distance and the time difference talker's distance, and the 2nd correlation value showing the relation between the codebook distance and the time difference talker's distance. These correlation values are read with each speaker as a key, and the first correlation value is input to the time difference talker distance conversion unit 106, and the second correlation value is input to the time difference talker distance conversion unit 107. In the case of this embodiment, the first and second correlation values relating to the speaker (A) and the other speaker (B) are read out.
【0024】時期差話者内変換部106及び時期差話者
間距離変換部107は、それぞれ上記コードブック内距
離及びコードブック間距離と上記第1及び第2相関値に
基づいてD時期における話者(甲)の時期差話者内距離
及び時期差話者間距離を求め、これらをFRR・FAR
計算部108に入力する。The intra-timing talker conversion unit 106 and the inter-timer talker distance conversion unit 107 respectively talk at the time D based on the intra-codebook distance and the inter-codebook distance and the first and second correlation values. The inter-speaker distance and the inter-speaker distance of the person (A), and use them for FRR / FAR
Input to the calculation unit 108.
【0025】FRR・FAR計算部108は、入力され
た時期差話者内距離と任意の初期閾値とを用いてFRR
を計算するとともに、入力された時期差話者間距離と初
期閾値とを用いてFARを計算する。FRR・FAR比
較部109では、FRRとFARの値を比較し、両者が
等しくなければ閾値調整部110において初期閾値を調
整し、再度FRR・FAR計算部108に戻る。そして
FRRとFARとが等しくなった時点で、調整を終え、
そのときの閾値を当該話者(甲)の閾値として出力す
る。The FRR / FAR calculation unit 108 uses the input time difference speaker distance and an arbitrary initial threshold value to perform FRR.
And the FAR is calculated using the input inter-speaker distance and the initial threshold. The FRR / FAR comparison unit 109 compares the values of FRR and FAR, and if they are not equal, the threshold adjustment unit 110 adjusts the initial threshold value, and the process returns to the FRR / FAR calculation unit 108 again. Then, when FRR and FAR become equal, adjustment is completed,
The threshold value at that time is output as the threshold value of the speaker (A).
【0026】このように、本実施例では、予めコードブ
ック内距離と時期差話者内距離との相関関係、及びコー
ドブック間距離と時期差話者間距離との相関関係を求め
て相関変換値記憶部104に記憶しておき、また、話者
別に異なる時期に作成した複数の話者別コードブックを
保存しておき、閾値決定の際に、これら話者別コードブ
ックを用いてコードブック内距離及びコードブック間距
離を導出するとともに上記相関関係に基づき時期差話者
内距離及び時期差話者間距離を導出するようにしたの
で、最初の時期(コードブック作成時)を除けば以後の
各時期において話者別閾値を随時決定することができ
る。また、コードブックファイル100のメモリ使用量
が従来手法に比べて大幅に節約され、閾値計算に要する
時間も短縮化される。これにより従来の課題を解決する
ことができる。なお、本実施例では、第1及び第2相関
値を予め相関変換値記憶部105に記憶しておき、閾値
決定対象となる話者をキーとして読み出す構成とした
が、必ずしもこのような構成に限定されるものではな
く、随時計算して時期差話者内距離変換部106及び時
期差話者間距離変換部107に入力するようにしても良
い。As described above, in this embodiment, the correlation conversion is performed in advance by obtaining the correlation between the intra-codebook distance and the inter-timing talker distance, and the correlation between the inter-codebook distance and the inter-timing talker distance. The codebooks are stored in the value storage unit 104, and a plurality of speaker-specific codebooks created at different times for each speaker are stored, and these speaker-specific codebooks are used to determine a threshold value. The distance between speakers and the distance between codebooks are derived, and the distance between speakers with different timing and the distance between speakers are calculated based on the above correlation. Therefore, except for the first period (when creating the codebook), The speaker-specific threshold can be determined at any time in each of the above. Further, the memory usage of the codebook file 100 is largely saved as compared with the conventional method, and the time required for threshold calculation is also shortened. As a result, the conventional problems can be solved. In the present embodiment, the first and second correlation values are stored in advance in the correlation conversion value storage unit 105 and the speaker whose threshold value is to be determined is read as a key. The present invention is not limited to this, and may be calculated at any time and input to the inter-timing talker distance conversion unit 106 and the inter-timer talker distance conversion unit 107.
【0027】[0027]
【発明の効果】以上の説明から明らかなように、本発明
の話者照合方法によれば、コードブック内距離及びコー
ドブック間距離と予め取得した第1相関値及び第2相関
値に基づいて時期差話者内距離及び時期差話者間距離が
導出されるので、声の特徴の経時変化に対応する話者別
閾値を決定する際に、長期間の特徴サンプルを記憶する
必要がなくなり、話者照合装置のメモリ使用量を節約す
ることができる。更に、特徴サンプル量が少なくて済む
ことから計算時間が従来手法よりも大幅に短縮され、話
者別閾値を、短時間で推定し得る効果がある。As is apparent from the above description, according to the speaker verification method of the present invention, based on the inter-codebook distance and the inter-codebook distance and the first and second correlation values acquired in advance. Since the inter-speaker distance and the inter-speaker distance are derived, it is not necessary to store a long-term feature sample when determining a speaker-specific threshold corresponding to a change in voice features over time. The memory usage of the speaker verification device can be saved. Furthermore, since the amount of feature samples is small, the calculation time is significantly shortened as compared with the conventional method, and there is an effect that the threshold for each speaker can be estimated in a short time.
【0028】また、本発明の話者照合装置によれば、過
去の異なる時期に話者別に作成したコードブックを再利
用して事前に第1話者の時期差話者内距離と時期差話者
間距離を相関値によって近似表現することが可能となる
ので、声の特徴の経時変化に適応する話者別閾値を決定
する場合であってもメモリを余分に使用する必要がなく
なる。また、特徴サンプル量が少なく、各距離の計算時
間も短縮化されるので、話者別閾値の決定手段の全体構
成を簡略化し得る効果がある。Further, according to the speaker verification apparatus of the present invention, the codebook created for each speaker at different times in the past is reused, and the first speaker's inter-speaker distance and inter-speaker difference are preliminarily used. Since the inter-person distance can be approximately represented by the correlation value, it is not necessary to use an extra memory even when determining the speaker-specific threshold value that adapts to changes over time in the characteristics of the voice. In addition, since the feature sample amount is small and the calculation time for each distance is shortened, there is an effect that the entire configuration of the speaker-specific threshold value determining means can be simplified.
【図1】本発明の一実施例に係る話者照合装置の要部ブ
ロック図。FIG. 1 is a block diagram of a main part of a speaker verification device according to an embodiment of the present invention.
【図2】コードブック内距離と話者内距離との相関関係
を示す実測図。FIG. 2 is an actual measurement diagram showing a correlation between an intra-codebook distance and an intra-speaker distance.
【図3】コードブック間距離と話者間距離との相関関係
を示す実測図。FIG. 3 is an actual measurement diagram showing a correlation between an inter-codebook distance and an inter-speaker distance.
【図4】従来の第1の手法である等誤り閾値設定方法を
実現するためのブロック図。FIG. 4 is a block diagram for realizing an equal error threshold setting method that is a first conventional method.
【図5】従来の第2の手法である話者間距離の分布を考
慮した閾値設定方法を実現するためのブロック図。FIG. 5 is a block diagram for realizing a threshold value setting method that takes into consideration the distribution of inter-speaker distances, which is the second conventional method.
【図6】従来の第3の手法であるコードブック間距離を
話者間距離に変換する方法を実現するためのブロック
図。FIG. 6 is a block diagram for realizing a method of converting a distance between codebooks into a distance between speakers, which is a third conventional method.
100 コードブックファイル 101 任意の時期、例えばD時期に作成した話者別コ
ードブック 102 ベクトル量子化部 103 コードブック内距離記憶部 104 コードブック間距離記憶部 105 相関変換値記憶部(相関値記憶手段) 106 時期差話者内距離変換部 107 時期差話者間距離変換部 108 FRR・FAR計算部 109 FRR・FAR比較部 110 閾値調整部100 codebook file 101 speaker-specific codebook created at an arbitrary time, for example, D time 102 vector quantization unit 103 intra-codebook distance storage unit 104 inter-codebook distance storage unit 105 correlation conversion value storage unit (correlation value storage means ) 106 time difference talker distance conversion unit 107 time difference talker distance conversion unit 108 FRR / FAR calculation unit 109 FRR / FAR comparison unit 110 threshold adjustment unit
Claims (5)
定する閾値決定過程を有する話者照合方法において、前
記閾値決定過程は、 前記閾値の決定対象となる第1話者の任意の時期の音声
特徴に基づき第1のコードブックを作成するとともに、
この第1のコードブックと当該時期以前に作成した第1
話者のコードブックとの間のコードブック内歪み距離、
及び第1のコードブックと当該時期以前に作成した他話
者のコードブックとの間のコードブック間歪み距離をそ
れぞれ導出し、更に、第1話者について準備された前記
コードブック内歪み距離と当該時期の第1話者の時期差
歪み距離との間の第1相関値及びコードブック間歪み距
離と他話者の時期差歪み距離との間の第2相関値に基づ
き、当該時期の第1話者内の時期差歪み距離及び第1話
者と他話者との間の時期差話者間歪み距離を導出する過
程を含むことを特徴とする話者照合方法。1. A speaker verification method having a threshold value determining process for determining a speaker-specific threshold value used for distinguishing from another speaker, wherein the threshold value determining process is performed by any one of the first speakers whose threshold value is to be determined. While creating the first codebook based on the voice features of the period,
This first codebook and the first created before that period
In-codebook distortion distance from the speaker's codebook,
And the inter-codebook distortion distance between the first codebook and the codebook of another speaker created before the period, respectively, and further, the intra-codebook distortion distance prepared for the first speaker and Based on the first correlation value between the first speaker's time difference distortion distance and the second correlation value between the inter-codebook distortion distance and the other speaker's time difference distortion distance, A speaker verification method comprising a step of deriving a time difference distortion distance within one speaker and a time difference speaker distortion distance between a first speaker and another speaker.
各時期差歪み距離と任意に定めた初期閾値とに基づき本
人拒否率及び詐称者受理率を計算するとともに、これら
本人拒否率及び詐称者受理率が等しい値になるように前
記初期閾値を調整する過程を含むことを特徴とする請求
項1記載の話者照合方法。2. The threshold value determining step further calculates a false rejection rate and an imposter acceptance rate based on each time difference distortion distance at the relevant time and an arbitrarily set initial threshold value, 2. The speaker verification method according to claim 1, further comprising the step of adjusting the initial threshold value so that the speaker acceptance rates become equal.
に所定の時期間隔で取得した値であり、前記第1相関値
は前記コードブック内歪み距離と同一話者内の時期差歪
み距離との間の線形相関値、前記第2相関値は前記コー
ドブック間歪み距離と話者間歪み距離との間の線形相関
値であることを特徴とする請求項1又は2記載の話者照
合方法。3. The first and second correlation values are values obtained in advance at a predetermined time interval for each speaker, and the first correlation value is the difference in distortion within the codebook and the time difference within the same speaker. The linear correlation value with a distortion distance, and the second correlation value is a linear correlation value between the inter-codebook distortion distance and the inter-speaker distortion distance. Person verification method.
定手段を有する話者照合装置において、 各々異なる時期の話者別音声特徴に基づき各時期の話者
別コードブックを作成し、各話者別コードブックの作成
過程で出現したコードベクトルの出現回数を当該時期の
話者別コードブックと共にメモリに保存する手段と、 前記閾値の決定対象となる第1話者の第1のコードブッ
クを作成する対象話者別コードブック作成手段と、 作成された第1のコードブックと保存してある前記第1
話者及び他話者の過去のコードブックから各々前記出現
回数のコードベクトルを出現させ、これらコードベクト
ルを前記第1のコードブックのコードベクトルで量子化
して第1話者のコードブック内歪み距離、及び第1話者
と他話者との間のコードブック間歪み距離を導出する手
段と、 予め話者別に所定の時期間隔で実測した前記コードブッ
ク内歪み距離と同一話者内の時期差歪み距離との間の第
1相関値、及び前記コードブック間歪み距離と他話者間
の時期差歪み距離との間の第2相関値を記憶した相関値
記憶手段と、 前記第1話者に対応する前記第1及び第2相関値を読み
出して当該時期の第1話者内の時期差歪み距離及び他話
者間の時期差歪み距離を導出する時期差歪み距離導出手
段と、 を有することを特徴とする話者照合装置。4. A speaker verification apparatus having a speaker-specific threshold value determining means used for distinguishing from another speaker, wherein a speaker-specific codebook for each period is created based on speaker-specific voice characteristics of different periods. Means for storing the number of appearances of the code vector appearing in the process of creating the codebook for each speaker in the memory together with the codebook for each speaker at the time, and the first speaker of the first speaker for which the threshold value is determined. Codebook creating means for creating a codebook for each target speaker, the created first codebook, and the first stored
A code vector having the above-mentioned number of appearances is made to appear from the past codebooks of the speaker and another speaker, and these code vectors are quantized by the code vector of the first codebook to distort the distance within the codebook of the first speaker. , And a means for deriving an inter-codebook distortion distance between the first speaker and another speaker, and a time difference within the same speaker and the intra-codebook distortion distance measured in advance at a predetermined time interval for each speaker. Correlation value storage means for storing a first correlation value between the distortion distance and a second correlation value between the inter-codebook distortion distance and the time difference distortion distance between other speakers, and the first speaker. And a time difference distortion distance deriving means for deriving the time difference distortion distance within the first speaker and the time difference distortion distance between other speakers at the time concerned by reading the first and second correlation values corresponding to A speaker verification device characterized by the above.
人拒否率及び詐称者受理率を計算するとともに、これら
本人拒否率及び詐称者受理率が等しい値になるように前
記初期閾値を調整する閾値調整手段と、 を有することを特徴とする話者照合装置。5. The speaker verification apparatus according to claim 1, wherein the false rejection rate and the impostor acceptance rate are calculated based on each time difference distortion distance and an arbitrarily set initial threshold, and the false rejection rate and spoofing are calculated. And a threshold adjusting unit that adjusts the initial threshold so that the acceptance rates of the speakers are equal to each other.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP6265856A JP3058569B2 (en) | 1994-10-28 | 1994-10-28 | Speaker verification method and apparatus |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP6265856A JP3058569B2 (en) | 1994-10-28 | 1994-10-28 | Speaker verification method and apparatus |
Publications (2)
Publication Number | Publication Date |
---|---|
JPH08123475A true JPH08123475A (en) | 1996-05-17 |
JP3058569B2 JP3058569B2 (en) | 2000-07-04 |
Family
ID=17423039
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP6265856A Expired - Fee Related JP3058569B2 (en) | 1994-10-28 | 1994-10-28 | Speaker verification method and apparatus |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP3058569B2 (en) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6879968B1 (en) | 1999-04-01 | 2005-04-12 | Fujitsu Limited | Speaker verification apparatus and method utilizing voice information of a registered speaker with extracted feature parameter and calculated verification distance to determine a match of an input voice with that of a registered speaker |
JP2009053430A (en) * | 2007-08-27 | 2009-03-12 | Yamaha Corp | Speech processing device and program |
-
1994
- 1994-10-28 JP JP6265856A patent/JP3058569B2/en not_active Expired - Fee Related
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6879968B1 (en) | 1999-04-01 | 2005-04-12 | Fujitsu Limited | Speaker verification apparatus and method utilizing voice information of a registered speaker with extracted feature parameter and calculated verification distance to determine a match of an input voice with that of a registered speaker |
JP2009053430A (en) * | 2007-08-27 | 2009-03-12 | Yamaha Corp | Speech processing device and program |
Also Published As
Publication number | Publication date |
---|---|
JP3058569B2 (en) | 2000-07-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CA2158847C (en) | A method and apparatus for speaker recognition | |
EP1159737B1 (en) | Speaker recognition | |
US4720863A (en) | Method and apparatus for text-independent speaker recognition | |
CN102129860B (en) | Text-related speaker recognition method based on infinite-state hidden Markov model | |
KR100307623B1 (en) | Method and apparatus for discriminative estimation of parameters in MAP speaker adaptation condition and voice recognition method and apparatus including these | |
CN105161093A (en) | Method and system for determining the number of speakers | |
EP0891618A1 (en) | Speech processing | |
CN108922541A (en) | Multidimensional characteristic parameter method for recognizing sound-groove based on DTW and GMM model | |
CN113223536B (en) | Voiceprint recognition method and device and terminal equipment | |
WO1998038632A1 (en) | Method and system for establishing handset-dependent normalizing models for speaker recognition | |
CN110767239A (en) | Voiceprint recognition method, device and equipment based on deep learning | |
CN101887722A (en) | Rapid voiceprint authentication method | |
JP3298858B2 (en) | Partition-based similarity method for low-complexity speech recognizers | |
JP3130524B2 (en) | Speech signal recognition method and apparatus for implementing the method | |
CN113516987A (en) | Speaker recognition method, device, storage medium and equipment | |
JP3058569B2 (en) | Speaker verification method and apparatus | |
JP3098157B2 (en) | Speaker verification method and apparatus | |
CN117789706B (en) | Audio information content identification method | |
Seman et al. | Hybrid methods of Brandt’s generalised likelihood ratio and short-term energy for Malay word speech segmentation | |
JP2000148187A (en) | Speaker recognizing method, device using the method and program recording medium therefor | |
Upadhyay et al. | Analysis of different classifier using feature extraction in speaker identification and verification under adverse acoustic condition for different scenario | |
Jin et al. | A high-performance text-independent speaker identification system based on BCDM | |
JPH034918B2 (en) | ||
JPS63213899A (en) | Speaker collation system | |
Ou et al. | Speaker identification using speech and lip features |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20090421 Year of fee payment: 9 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20090421 Year of fee payment: 9 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20100421 Year of fee payment: 10 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20110421 Year of fee payment: 11 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20120421 Year of fee payment: 12 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20130421 Year of fee payment: 13 |
|
LAPS | Cancellation because of no payment of annual fees |