JPH1011085A - 音声認識方法 - Google Patents
音声認識方法Info
- Publication number
- JPH1011085A JPH1011085A JP8161357A JP16135796A JPH1011085A JP H1011085 A JPH1011085 A JP H1011085A JP 8161357 A JP8161357 A JP 8161357A JP 16135796 A JP16135796 A JP 16135796A JP H1011085 A JPH1011085 A JP H1011085A
- Authority
- JP
- Japan
- Prior art keywords
- noise
- hmm
- novo
- recognition
- speech
- 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.)
- Pending
Links
Abstract
(57)【要約】
【課題】 隠れマルコフモデルを用いた音声認識におい
て、音声に重畳される雑音の種類またはＳＮ比が発生途
中に変化する音声を高い精度で認識することができる音
声認識方法を提供することを目的とする。 【解決手段】 雑音が重畳された音声を認識する隠れマ
ルコフモデルをＮＯＶＯ変換と呼ばれる方法で生成する
際に、あらかじめ、複数種類の雑音を用いて、各雑音を
認識する隠れマルコフモデルを作成しておき、それらと
認識対象単語用の隠れマルコフモデルに対してＮＯＶＯ
変換を適用することにより、雑音の種類が途中で変化し
た場合の雑音重畳音声を高い精度で認識する。また、異
なるＳＮ比に対応する複数の係数を用いてＮＯＶＯ変換
を行うことにより、ＳＮ比が発生途中に変化する音声を
高い精度で認識する。
て、音声に重畳される雑音の種類またはＳＮ比が発生途
中に変化する音声を高い精度で認識することができる音
声認識方法を提供することを目的とする。 【解決手段】 雑音が重畳された音声を認識する隠れマ
ルコフモデルをＮＯＶＯ変換と呼ばれる方法で生成する
際に、あらかじめ、複数種類の雑音を用いて、各雑音を
認識する隠れマルコフモデルを作成しておき、それらと
認識対象単語用の隠れマルコフモデルに対してＮＯＶＯ
変換を適用することにより、雑音の種類が途中で変化し
た場合の雑音重畳音声を高い精度で認識する。また、異
なるＳＮ比に対応する複数の係数を用いてＮＯＶＯ変換
を行うことにより、ＳＮ比が発生途中に変化する音声を
高い精度で認識する。
Description
【０００１】
【発明の属する技術分野】本発明は、隠れマルコフモデ
ルを用いた音声認識方法に関するものである。
ルを用いた音声認識方法に関するものである。
【０００２】
【従来の技術】計算機による音声の自動認識に広く用い
られている手法に隠れマルコフモデル（以下、ＨＭＭと
いう）によるものがある。ＨＭＭとは一般に複数個の状
態を持つ非決定性確率有限オートマトンであり、その各
状態は確率的定常信号源である。すなわち、ＨＭＭは確
率的定常信号源を非決定的に切り替えながら信号を発す
る非定常信号源と言うことができる。
られている手法に隠れマルコフモデル（以下、ＨＭＭと
いう）によるものがある。ＨＭＭとは一般に複数個の状
態を持つ非決定性確率有限オートマトンであり、その各
状態は確率的定常信号源である。すなわち、ＨＭＭは確
率的定常信号源を非決定的に切り替えながら信号を発す
る非定常信号源と言うことができる。
【０００３】ＨＭＭを用いた音声の認識に用いられる手
法に最尤推定法と呼ばれるものがある。ＨＭＭを単語認
識に用いるためには、まず、認識対象単語毎にＨＭＭを
準備しておき、それぞれのＨＭＭが自単語に属する音声
サンプルから抽出される特徴パラメータ系列を出力し易
いように、ＨＭＭを定義している内部パラメータを調節
する。そして最尤推定法では、未知の音声が入力された
とき、各ＨＭＭ毎にその未知の音声から抽出した特徴パ
ラメータ系列の出力し易さ（尤度）を算出し、最大の尤
度を出力したＨＭＭに対応する単語を認識結果とする。
法に最尤推定法と呼ばれるものがある。ＨＭＭを単語認
識に用いるためには、まず、認識対象単語毎にＨＭＭを
準備しておき、それぞれのＨＭＭが自単語に属する音声
サンプルから抽出される特徴パラメータ系列を出力し易
いように、ＨＭＭを定義している内部パラメータを調節
する。そして最尤推定法では、未知の音声が入力された
とき、各ＨＭＭ毎にその未知の音声から抽出した特徴パ
ラメータ系列の出力し易さ（尤度）を算出し、最大の尤
度を出力したＨＭＭに対応する単語を認識結果とする。
【０００４】また単語を認識単位とするＨＭＭを用いて
雑音が重畳された単語音声を認識する手法の一つにＦｒ
ａｎｃ Ｍａｒｔｉｎが文献「Ｒｅｃｏｇｎｉｔｉｏｎ
ｏｆ Ｎｏｉｓｙ Ｓｐｅｅｃｈ ｂｙ Ｃｏｍｐｏ
ｓｉｔｉｏｎ ｏｆ Ｈｉｄｄｅｎ Ｍａｒｋｏｖ Ｍ
ｏｄｅｌｓ」（信学技報ＳＰ９２−９６）で提案したＮ
ＯＶＯ−ＨＭＭを用いる方法がある。これは雑音ＨＭＭ
と単語ＨＭＭのパラメータを前記文献中でＮＯＶＯ変換
と呼ばれている手法で合成し、こうして生成されたＮＯ
ＶＯ−ＨＭＭを用いることにより、雑音が重畳された単
語音声を高い精度で認識するというものである。
雑音が重畳された単語音声を認識する手法の一つにＦｒ
ａｎｃ Ｍａｒｔｉｎが文献「Ｒｅｃｏｇｎｉｔｉｏｎ
ｏｆ Ｎｏｉｓｙ Ｓｐｅｅｃｈ ｂｙ Ｃｏｍｐｏ
ｓｉｔｉｏｎ ｏｆ Ｈｉｄｄｅｎ Ｍａｒｋｏｖ Ｍ
ｏｄｅｌｓ」（信学技報ＳＰ９２−９６）で提案したＮ
ＯＶＯ−ＨＭＭを用いる方法がある。これは雑音ＨＭＭ
と単語ＨＭＭのパラメータを前記文献中でＮＯＶＯ変換
と呼ばれている手法で合成し、こうして生成されたＮＯ
ＶＯ−ＨＭＭを用いることにより、雑音が重畳された単
語音声を高い精度で認識するというものである。
【０００５】図６は従来のＮＯＶＯ変換の概念図であ
る。従来の方法では、認識対象単語の学習サンプルデー
タを用いた学習によって認識対象単語ＨＭＭを生成し、
１種類の雑音の学習サンプルデータを用いた学習によっ
て雑音ＨＭＭを生成した後、これら認識対象単語ＨＭＭ
と雑音ＨＭＭとをＮＯＶＯ変換によって合成し、各認識
対象単語毎にＮＯＶＯ−ＨＭＭを得るものである。
る。従来の方法では、認識対象単語の学習サンプルデー
タを用いた学習によって認識対象単語ＨＭＭを生成し、
１種類の雑音の学習サンプルデータを用いた学習によっ
て雑音ＨＭＭを生成した後、これら認識対象単語ＨＭＭ
と雑音ＨＭＭとをＮＯＶＯ変換によって合成し、各認識
対象単語毎にＮＯＶＯ−ＨＭＭを得るものである。
【０００６】
【発明が解決しようとする課題】従来のＮＯＶＯ−ＨＭ
Ｍによる認識手法において高い認識率を得るには、ＮＯ
ＶＯ−ＨＭＭを作成するときに用いた雑音、すなわち認
識に際して考慮する雑音が発声時間中に大きく変化しな
いことが必要であり、発声途中で雑音の種類、またはＳ
Ｎ比が大きく変化した場合には認識率が大きく低下して
しまうという問題を有している。
Ｍによる認識手法において高い認識率を得るには、ＮＯ
ＶＯ−ＨＭＭを作成するときに用いた雑音、すなわち認
識に際して考慮する雑音が発声時間中に大きく変化しな
いことが必要であり、発声途中で雑音の種類、またはＳ
Ｎ比が大きく変化した場合には認識率が大きく低下して
しまうという問題を有している。
【０００７】したがって本発明は、隠れマルコフモデル
を用いた音声認識において、音声に重畳される雑音の種
類またはＳＮ比が発生途中に変化する音声を高い精度で
認識することができる音声認識方法を提供することを目
的とする。
を用いた音声認識において、音声に重畳される雑音の種
類またはＳＮ比が発生途中に変化する音声を高い精度で
認識することができる音声認識方法を提供することを目
的とする。
【０００８】
【課題を解決するための手段】請求項１の発明は、認識
に用いる単語ＨＭＭの生成時に、予め複数種の雑音から
別々に生成しておいたそれぞれの雑音に対応する雑音Ｈ
ＭＭを結合し、その結合した雑音ＨＭＭと認識対象単語
ＨＭＭとをＮＯＶＯ変換で結合することにより、重畳さ
れる雑音の種類が途中で変化する場合にも音声を高い確
率で認識するものである。
に用いる単語ＨＭＭの生成時に、予め複数種の雑音から
別々に生成しておいたそれぞれの雑音に対応する雑音Ｈ
ＭＭを結合し、その結合した雑音ＨＭＭと認識対象単語
ＨＭＭとをＮＯＶＯ変換で結合することにより、重畳さ
れる雑音の種類が途中で変化する場合にも音声を高い確
率で認識するものである。
【０００９】請求項２の発明は、認識に用いる単語ＨＭ
Ｍの生成時に複数のＳＮ比を考慮し、ＮＯＶＯ変換によ
り認識対象単語ＨＭＭと雑音ＨＭＭとを結合する際に、
それらのＳＮ比に対応する複数の係数を用いることによ
り、認識対象である音声とその音声に重畳される雑音と
のＳＮ比が発声途中で変化する場合にも音声を高い確率
で認識するものである。
Ｍの生成時に複数のＳＮ比を考慮し、ＮＯＶＯ変換によ
り認識対象単語ＨＭＭと雑音ＨＭＭとを結合する際に、
それらのＳＮ比に対応する複数の係数を用いることによ
り、認識対象である音声とその音声に重畳される雑音と
のＳＮ比が発声途中で変化する場合にも音声を高い確率
で認識するものである。
【００１０】
【発明の実施の形態】本発明は、雑音が重畳された単語
音声を認識するＮＯＶＯ−ＨＭＭの生成に際して、複数
種類の雑音を考慮すること、または同一種類の雑音であ
っても異なるＳＮ比を考慮することにより、雑音の種
類、または音声と雑音のＳＮ比が発生時間中に変化して
も認識精度が低下しないＮＯＶＯ−ＨＭＭを生成するこ
とができる。
音声を認識するＮＯＶＯ−ＨＭＭの生成に際して、複数
種類の雑音を考慮すること、または同一種類の雑音であ
っても異なるＳＮ比を考慮することにより、雑音の種
類、または音声と雑音のＳＮ比が発生時間中に変化して
も認識精度が低下しないＮＯＶＯ−ＨＭＭを生成するこ
とができる。
【００１１】以下、本発明の実施の形態による音声認識
方法について図面を参照しながら説明する。
方法について図面を参照しながら説明する。
【００１２】（実施の形態１）図１は本発明の実施の形
態１による音声認識方法を用いた音声認識装置の構成ブ
ロック図である。１は学習サンプルデータまたは認識対
象データである音声信号をデジタル値に変換する音声信
号入力部、２は入力信号からフレーム毎に特徴量を算出
する特徴量抽出部、３は学習サンプルデータ、雑音デー
タ、認識対象単語ＨＭＭ、雑音ＨＭＭ、ＮＯＶＯ−ＨＭ
Ｍを格納するデータ格納部、４は入力単語の出力確率を
計算すると共に認識結果の決定を行う認識結果判定部で
ある。
態１による音声認識方法を用いた音声認識装置の構成ブ
ロック図である。１は学習サンプルデータまたは認識対
象データである音声信号をデジタル値に変換する音声信
号入力部、２は入力信号からフレーム毎に特徴量を算出
する特徴量抽出部、３は学習サンプルデータ、雑音デー
タ、認識対象単語ＨＭＭ、雑音ＨＭＭ、ＮＯＶＯ−ＨＭ
Ｍを格納するデータ格納部、４は入力単語の出力確率を
計算すると共に認識結果の決定を行う認識結果判定部で
ある。
【００１３】図２は本発明の実施の形態１による音声認
識方法を用いた音声認識装置の回路ブロック図である。
１１はマイク、１２は中央処理装置（ＣＰＵ）、１３は
読み出し専用メモリ（ＲＯＭ）、１４は書き込み可能メ
モリ（ＲＡＭ）、１５は出力装置である。図１の音声信
号入力部１はマイク１１とＣＰＵ１２により構成され、
特徴量抽出部２とデータ格納部３と認識結果判定部４は
ＣＰＵ１２がＲＯＭ１３に書かれたプログラムを実行
し、ＲＡＭ１４にアクセスすることにより実行される。
識方法を用いた音声認識装置の回路ブロック図である。
１１はマイク、１２は中央処理装置（ＣＰＵ）、１３は
読み出し専用メモリ（ＲＯＭ）、１４は書き込み可能メ
モリ（ＲＡＭ）、１５は出力装置である。図１の音声信
号入力部１はマイク１１とＣＰＵ１２により構成され、
特徴量抽出部２とデータ格納部３と認識結果判定部４は
ＣＰＵ１２がＲＯＭ１３に書かれたプログラムを実行
し、ＲＡＭ１４にアクセスすることにより実行される。
【００１４】図３は本発明の実施の形態１による音声認
識方法のフローチャートである。まず、マイク１１から
音声を入力し（ｓｔｅｐ１）、特徴量抽出部２を経て得
られた特徴量をＲＡＭ１４に書き込む（ｓｔｅｐ２）。
次に、ＲＯＭ１３上に格納されている各認識対象単語毎
に作成したＮＯＶＯ−ＨＭＭについて、ＲＡＭ１４上の
特徴量に対する尤度を計算する（ｓｔｅｐ３）。そし
て、最大の尤度を出力したＮＯＶＯ−ＨＭＭに対応する
単語名を認識結果として出力装置１５に出力する（ｓｔ
ｅｐ４）。
識方法のフローチャートである。まず、マイク１１から
音声を入力し（ｓｔｅｐ１）、特徴量抽出部２を経て得
られた特徴量をＲＡＭ１４に書き込む（ｓｔｅｐ２）。
次に、ＲＯＭ１３上に格納されている各認識対象単語毎
に作成したＮＯＶＯ−ＨＭＭについて、ＲＡＭ１４上の
特徴量に対する尤度を計算する（ｓｔｅｐ３）。そし
て、最大の尤度を出力したＮＯＶＯ−ＨＭＭに対応する
単語名を認識結果として出力装置１５に出力する（ｓｔ
ｅｐ４）。
【００１５】図４は本発明の実施の形態１によるＮＯＶ
Ｏ変換の概念図であって、音声認識方法に用いられるＮ
ＯＶＯ−ＨＭＭの作成過程を示すものである。これは、
音声と雑音のＳＮ比は大きく変化することはなく、雑音
の種類が途中で大きく変化する場合の雑音重畳音声を高
い確率で認識するＮＯＶＯ−ＨＭＭの作成方法であり、
図６に示す従来方法と比べると学習サンプルデータを用
いた学習によって生成する雑音ＨＭＭの形状が異なる。
すなわち、ＮＯＶＯ変換を施す雑音ＨＭＭの状態数と認
識に際して考慮する雑音の種類の数を共に２とした場
合、従来の方法では１種類の雑音から２状態の雑音ＨＭ
Ｍを学習によって直接生成した後、その雑音ＨＭＭと単
語ＨＭＭに対してＮＯＶＯ変換を施していたが、本方法
では、２種類の雑音から学習によってそれぞれ１状態の
雑音ＨＭＭを生成し、状態遷移確率を人為的に与えるこ
とによって（自己遷移確率を０．７程度、他状態の遷移
確率を０．３程度）それら雑音ＨＭＭの状態を結合し、
２状態の雑音ＨＭＭを生成する。そして、この２状態の
雑音ＨＭＭと認識対象単語ＨＭＭとに従来のＮＯＶＯ変
換を施してＮＯＶＯ−ＨＭＭを作成する。従って、ＮＯ
ＶＯ変換を施す直前の雑音ＨＭＭの形状は従来方法と同
じものとなる。
Ｏ変換の概念図であって、音声認識方法に用いられるＮ
ＯＶＯ−ＨＭＭの作成過程を示すものである。これは、
音声と雑音のＳＮ比は大きく変化することはなく、雑音
の種類が途中で大きく変化する場合の雑音重畳音声を高
い確率で認識するＮＯＶＯ−ＨＭＭの作成方法であり、
図６に示す従来方法と比べると学習サンプルデータを用
いた学習によって生成する雑音ＨＭＭの形状が異なる。
すなわち、ＮＯＶＯ変換を施す雑音ＨＭＭの状態数と認
識に際して考慮する雑音の種類の数を共に２とした場
合、従来の方法では１種類の雑音から２状態の雑音ＨＭ
Ｍを学習によって直接生成した後、その雑音ＨＭＭと単
語ＨＭＭに対してＮＯＶＯ変換を施していたが、本方法
では、２種類の雑音から学習によってそれぞれ１状態の
雑音ＨＭＭを生成し、状態遷移確率を人為的に与えるこ
とによって（自己遷移確率を０．７程度、他状態の遷移
確率を０．３程度）それら雑音ＨＭＭの状態を結合し、
２状態の雑音ＨＭＭを生成する。そして、この２状態の
雑音ＨＭＭと認識対象単語ＨＭＭとに従来のＮＯＶＯ変
換を施してＮＯＶＯ−ＨＭＭを作成する。従って、ＮＯ
ＶＯ変換を施す直前の雑音ＨＭＭの形状は従来方法と同
じものとなる。
【００１６】（実施の形態２）図５は、本発明の実施の
形態２によるＮＯＶＯ変換の概念図であって、音声認識
方法に用いられるＮＯＶＯ−ＨＭＭの作成過程を示すも
のである。これは、雑音の種類が途中で大きく変化する
ことはなく、音声と雑音のＳＮ比が途中で大きく変化す
る場合の雑音重畳音声を高い確率で認識するＮＯＶＯ−
ＨＭＭの作成方法であり、図６に示す従来方法と比べる
とＮＯＶＯ変換用に準備する雑音ＨＭＭの形状が異な
る。すなわち、雑音ＨＭＭの状態数と認識に際して考慮
するＳＮ比の数を共に２とした場合、従来の方法では１
種類の雑音から２状態の雑音ＨＭＭを学習によって直接
生成していたが、本方法では、１種類の雑音から１状態
の雑音ＨＭＭを生成した後にその状態と全く同じ状態を
複製し、２状態間の状態遷移確率を人為的に与えること
によって（自己遷移確率を０．７程度、他状態の遷移確
率を０．３程度）２状態の雑音ＨＭＭを生成する。考慮
する２種類のＳＮ比をｘデシベルとｙデシベルとしたと
き、ＮＯＶＯ変換において音声線形スペクトルと雑音線
形スペクトルとを加算する段階でｘデシベルとｙデシベ
ルのそれぞれに対応する係数を用いる。つまり、雑音Ｈ
ＭＭの状態数が２の場合、生成されるＮＯＶＯ−ＨＭＭ
は単語ＨＭＭが２列に並んだ形になり、上側の１列の状
態にはＳＮ比がｘデシベル用の係数を、下側の１列の状
態にはＳＮ比がｙデシベル用の係数を用いてＮＯＶＯ変
換を施す。なお、スペクトル加算時に用いられる係数
は、従来のＮＯＶＯ−ＨＭＭ作成方法と同じ計算方法に
よって得られる。ここでも、実施の形態１の場合と同様
に、ＮＯＶＯ変換を施す直前の雑音ＨＭＭの形状は従来
方法と同じものとなる。
形態２によるＮＯＶＯ変換の概念図であって、音声認識
方法に用いられるＮＯＶＯ−ＨＭＭの作成過程を示すも
のである。これは、雑音の種類が途中で大きく変化する
ことはなく、音声と雑音のＳＮ比が途中で大きく変化す
る場合の雑音重畳音声を高い確率で認識するＮＯＶＯ−
ＨＭＭの作成方法であり、図６に示す従来方法と比べる
とＮＯＶＯ変換用に準備する雑音ＨＭＭの形状が異な
る。すなわち、雑音ＨＭＭの状態数と認識に際して考慮
するＳＮ比の数を共に２とした場合、従来の方法では１
種類の雑音から２状態の雑音ＨＭＭを学習によって直接
生成していたが、本方法では、１種類の雑音から１状態
の雑音ＨＭＭを生成した後にその状態と全く同じ状態を
複製し、２状態間の状態遷移確率を人為的に与えること
によって（自己遷移確率を０．７程度、他状態の遷移確
率を０．３程度）２状態の雑音ＨＭＭを生成する。考慮
する２種類のＳＮ比をｘデシベルとｙデシベルとしたと
き、ＮＯＶＯ変換において音声線形スペクトルと雑音線
形スペクトルとを加算する段階でｘデシベルとｙデシベ
ルのそれぞれに対応する係数を用いる。つまり、雑音Ｈ
ＭＭの状態数が２の場合、生成されるＮＯＶＯ−ＨＭＭ
は単語ＨＭＭが２列に並んだ形になり、上側の１列の状
態にはＳＮ比がｘデシベル用の係数を、下側の１列の状
態にはＳＮ比がｙデシベル用の係数を用いてＮＯＶＯ変
換を施す。なお、スペクトル加算時に用いられる係数
は、従来のＮＯＶＯ−ＨＭＭ作成方法と同じ計算方法に
よって得られる。ここでも、実施の形態１の場合と同様
に、ＮＯＶＯ変換を施す直前の雑音ＨＭＭの形状は従来
方法と同じものとなる。
【００１７】
【発明の効果】本発明によれば、雑音のＳＮ比または雑
音の種類のどちらか一方が発声途中に変化する場合に
も、雑音重畳音声を高い確率で認識することができる。
音の種類のどちらか一方が発声途中に変化する場合に
も、雑音重畳音声を高い確率で認識することができる。
【図１】本発明の実施の形態１による音声認識方法を用
いた音声認識装置の構成ブロック図
いた音声認識装置の構成ブロック図
【図２】本発明の実施の形態１による音声認識方法を用
いた音声認識装置の回路ブロック図
いた音声認識装置の回路ブロック図
【図３】本発明の実施の形態１による音声認識方法のフ
ローチャート
ローチャート
【図４】本発明の実施の形態１によるＮＯＶＯ変換の概
念図
念図
【図５】本発明の実施の形態２によるＮＯＶＯ変換の概
念図
念図
【図６】従来のＮＯＶＯ変換の概念図
１ 音声信号入力部 ２ 特徴量抽出部 ３ データ格納部 ４ 認識結果判定部 １１ マイク １２ ＣＰＵ １３ ＲＯＭ １４ ＲＡＭ １５ 出力装置
Claims (2)
- 【請求項１】単語を認識単位とする隠れマルコフモデル
を用いて雑音が重畳された音声を認識する音声認識方法
であって、認識に用いる単語ＨＭＭの生成時に、予め複
数種の雑音から別々に生成しておいたそれぞれの雑音に
対応する雑音ＨＭＭを結合し、その結合した雑音ＨＭＭ
と認識対象単語ＨＭＭとをＮＯＶＯ変換で結合すること
により、重畳される雑音の種類が途中で変化する場合に
も音声を高い確率で認識することを特徴とする音声認識
方法。 - 【請求項２】単語を認識単位とする隠れマルコフモデル
を用いて雑音が重畳された音声を認識する音声認識方法
であって、認識に用いる単語ＨＭＭの生成時に複数のＳ
Ｎ比を考慮し、ＮＯＶＯ変換により認識対象単語ＨＭＭ
と雑音ＨＭＭとを結合する際に、それらのＳＮ比に対応
する複数の係数を用いることにより、認識対象である音
声とその音声に重畳される雑音とのＳＮ比が発声途中で
変化する場合にも音声を高い確率で認識することを特徴
とする音声認識方法。
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP8161357A JPH1011085A (ja) | 1996-06-21 | 1996-06-21 | 音声認識方法 |
| US08/874,331 US5860062A (en) | 1996-06-21 | 1997-06-13 | Speech recognition apparatus and speech recognition method |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP8161357A JPH1011085A (ja) | 1996-06-21 | 1996-06-21 | 音声認識方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JPH1011085A true JPH1011085A (ja) | 1998-01-16 |
Family
ID=15733552
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP8161357A Pending JPH1011085A (ja) | 1996-06-21 | 1996-06-21 | 音声認識方法 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPH1011085A (ja) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2006510933A (ja) * | 2002-12-20 | 2006-03-30 | インターナショナル・ビジネス・マシーンズ・コーポレーション | センサ・ベース音声認識装置の選択、適応、および組合せ |
| US7403896B2 (en) | 2002-03-15 | 2008-07-22 | International Business Machines Corporation | Speech recognition system and program thereof |
-
1996
- 1996-06-21 JP JP8161357A patent/JPH1011085A/ja active Pending
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7403896B2 (en) | 2002-03-15 | 2008-07-22 | International Business Machines Corporation | Speech recognition system and program thereof |
| US7660717B2 (en) | 2002-03-15 | 2010-02-09 | Nuance Communications, Inc. | Speech recognition system and program thereof |
| JP2006510933A (ja) * | 2002-12-20 | 2006-03-30 | インターナショナル・ビジネス・マシーンズ・コーポレーション | センサ・ベース音声認識装置の選択、適応、および組合せ |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11664020B2 (en) | Speech recognition method and apparatus | |
| US7885817B2 (en) | Easy generation and automatic training of spoken dialog systems using text-to-speech | |
| CN107615376B (zh) | 声音识别装置及计算机程序记录介质 | |
| JP3459712B2 (ja) | 音声認識方法及び装置及びコンピュータ制御装置 | |
| JPH10254490A (ja) | 言語モデルの適応化方法 | |
| JPH07219578A (ja) | 音声認識方法 | |
| EP0573553A1 (en) | Method for recognizing speech using linguistically-motivated hidden markov models | |
| JPH08110791A (ja) | 音声認識方法 | |
| JP6987378B2 (ja) | ニューラルネットワークの学習方法及びコンピュータプログラム | |
| US6058365A (en) | Speech processing using an expanded left to right parser | |
| JP2010078650A (ja) | 音声認識装置及びその方法 | |
| US6430532B2 (en) | Determining an adequate representative sound using two quality criteria, from sound models chosen from a structure including a set of sound models | |
| JP2002215187A (ja) | 音声認識方法及びその装置 | |
| JP2009047838A (ja) | 音声認識装置及びその方法 | |
| JP2003208195A5 (ja) | ||
| EP4068279B1 (en) | Method and system for performing domain adaptation of end-to-end automatic speech recognition model | |
| JPH1011085A (ja) | 音声認識方法 | |
| JP3628245B2 (ja) | 言語モデル生成方法、音声認識方法及びそのプログラム記録媒体 | |
| JPH08110792A (ja) | 話者適応化装置及び音声認識装置 | |
| JPH10198394A (ja) | 音声認識方法 | |
| JP3091504B2 (ja) | 神経回路網モデルによる音声認識方法 | |
| JP4104831B2 (ja) | 音声認識装置、音声認識方法、及び音声認識プログラム | |
| JP3315565B2 (ja) | 音声認識装置 | |
| JP3316352B2 (ja) | 音声認識方法 | |
| JP4219543B2 (ja) | 音声認識用音響モデル生成装置および記録媒体 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| RD01 | Notification of change of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7421 Effective date: 20050623 |
|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20050720 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20050920 |
|
| A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20060926 |