JPH10133686A - 非母国語音声認識装置 - Google Patents
非母国語音声認識装置Info
- Publication number
- JPH10133686A JPH10133686A JP8307142A JP30714296A JPH10133686A JP H10133686 A JPH10133686 A JP H10133686A JP 8307142 A JP8307142 A JP 8307142A JP 30714296 A JP30714296 A JP 30714296A JP H10133686 A JPH10133686 A JP H10133686A
- Authority
- JP
- Japan
- Prior art keywords
- speaker
- recognition
- language
- native
- native language
- 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
(57)【要約】 （修正有）
【課題】非母国語話者の発声を認識する音声認識装置。
【解決手段】入力音声の分析を行う母国語話者用分析手
段３０１、母国語話者用辞書を作成保持する母国語話者
用辞書作成手段３０２、母国語話者用標準パターンを母
国語話者の多数音声を用い作成保持する母国語話者用標
準パターン作成手段３０３、母国語話者用辞書と母国語
話者用標準パターンを用いて認識処理を行う母国語話者
用認識手段３０４、入力音声分析用の非母国語話者用分
析手段３０５、非母国語話者用辞書を作成保持する非母
国語話者用辞書作成手段３０６、母国語話者用辞書から
辞書変換手段３１０を用いて変換する非母国語話者用の
辞書、非母国語話者用標準パターンを非母国語話者の多
数発声を用い作成保持する非母国語話者用標準パターン
作成手段３０７、非母国語話者用辞書と非母国語話者用
標準パターンを用い入力音声に対し認識処理を行う非母
国語話者用認識手段３０８から構成される。
段３０１、母国語話者用辞書を作成保持する母国語話者
用辞書作成手段３０２、母国語話者用標準パターンを母
国語話者の多数音声を用い作成保持する母国語話者用標
準パターン作成手段３０３、母国語話者用辞書と母国語
話者用標準パターンを用いて認識処理を行う母国語話者
用認識手段３０４、入力音声分析用の非母国語話者用分
析手段３０５、非母国語話者用辞書を作成保持する非母
国語話者用辞書作成手段３０６、母国語話者用辞書から
辞書変換手段３１０を用いて変換する非母国語話者用の
辞書、非母国語話者用標準パターンを非母国語話者の多
数発声を用い作成保持する非母国語話者用標準パターン
作成手段３０７、非母国語話者用辞書と非母国語話者用
標準パターンを用い入力音声に対し認識処理を行う非母
国語話者用認識手段３０８から構成される。
Description
【０００１】
【発明の属する技術分野】本発明は音声認識装置に関
し、特に、非母国語話者の発声を認識する音声認識装置
に関する。
し、特に、非母国語話者の発声を認識する音声認識装置
に関する。
【０００２】
【従来の技術】近年、音声パターンの機械による認識に
関する研究が行われ、数々の方法が提案されている。こ
の中で、よく使われる代表的なものに、隠れマルコフモ
デル（ＨＭＭ）を用いた方法がある。そして、ＨＭＭを
用いた音声認識システムとして、誰の声でも認識できる
ことを目的とした不特走話者の認識システムが盛んに研
究・開発されている。
関する研究が行われ、数々の方法が提案されている。こ
の中で、よく使われる代表的なものに、隠れマルコフモ
デル（ＨＭＭ）を用いた方法がある。そして、ＨＭＭを
用いた音声認識システムとして、誰の声でも認識できる
ことを目的とした不特走話者の認識システムが盛んに研
究・開発されている。
【０００３】図４にはＨＭＭを用いた音声認識装置の構
成ブロック図が示されている。音声認識装置に入力され
た話者の発声は電気信号に変換され、入力信号として分
析部４０２に入力され、ＡＤ変換、音声分析等の処理過
程を経て、所定の時間長をもつフレーム単位毎の特徴ベ
クトルの時系列に変換される。この特徴ベクトルの時系
列を、ここでは入力パターンと呼ぶ。フレームの長さ
は、通常、１０ｍｓから１００ｍｓ程度である。特徴ベ
クトルは、その時刻における音声スペクトルの特徴量を
抽出したもので、通常、１０次元から１００次元であ
る。
成ブロック図が示されている。音声認識装置に入力され
た話者の発声は電気信号に変換され、入力信号として分
析部４０２に入力され、ＡＤ変換、音声分析等の処理過
程を経て、所定の時間長をもつフレーム単位毎の特徴ベ
クトルの時系列に変換される。この特徴ベクトルの時系
列を、ここでは入力パターンと呼ぶ。フレームの長さ
は、通常、１０ｍｓから１００ｍｓ程度である。特徴ベ
クトルは、その時刻における音声スペクトルの特徴量を
抽出したもので、通常、１０次元から１００次元であ
る。
【０００４】標準パタ一ン作成部４０１は、後述するよ
うな手法によりＨＭＭを作成する。ＨＭＭは、音声の情
報源のモデルの１つであり、話者の音声を用いてそのパ
ラメータを学習することができる。ＨＭＭについては後
述する認識部の説明で詳しく述べる。ＨＭＭは、通常、
各認識単位毎に用意される。ここでは、認識単位として
音素を例にとる。例えば、不特定話者認識システムで
は、予め多くの話者の発声を用いて学習した不特定話者
ＨＭＭが用いられる。
うな手法によりＨＭＭを作成する。ＨＭＭは、音声の情
報源のモデルの１つであり、話者の音声を用いてそのパ
ラメータを学習することができる。ＨＭＭについては後
述する認識部の説明で詳しく述べる。ＨＭＭは、通常、
各認識単位毎に用意される。ここでは、認識単位として
音素を例にとる。例えば、不特定話者認識システムで
は、予め多くの話者の発声を用いて学習した不特定話者
ＨＭＭが用いられる。
【０００５】今、１０００単語を認識対象とする場合を
想定すると、１０００単語の認識候補から１単語の正解
を求める認識となる。単語を認識する場合には、各音素
のＨＭＭを連結して、認識候補単語のＨＭＭを作成す
る。１０００単語認識の場合には１０００単語分の単語
ＨＭＭを作成する。認識部４０３は、標準パターン作成
部４０１からの単語ＨＭＭを用いて分析部４０２から供
給される入力パターンの認識を行う。認識結果出力部４
０４は、認識部４０３からの出力に基づいて最終的な認
識結果を出力する。
想定すると、１０００単語の認識候補から１単語の正解
を求める認識となる。単語を認識する場合には、各音素
のＨＭＭを連結して、認識候補単語のＨＭＭを作成す
る。１０００単語認識の場合には１０００単語分の単語
ＨＭＭを作成する。認識部４０３は、標準パターン作成
部４０１からの単語ＨＭＭを用いて分析部４０２から供
給される入力パターンの認識を行う。認識結果出力部４
０４は、認識部４０３からの出力に基づいて最終的な認
識結果を出力する。
【０００６】ＨＭＭは、音声の情報源のモデルであり、
音声パターンの様々な揺らぎに対処するため、標準パタ
ーンの記述に統計的な考えが導入されている。ＨＭＭに
ついては、ラビナー、ジュアング著、古井訳「音声認識
の基礎（下）」、ＮＴＴアドバンステクノロジ（１９９
５）（以下、文献１）の、１０２〜１８７頁に詳述され
ている。各音素のＨＭＭは、それぞれ、通常１から１０
個の状態とその間の状態遷移から構成される。通常は始
状態と終状態が定義されており、単位時間毎に、各状態
からシンボルが出力され、状態遷移がな行われる。各音
素の音声は、始状態から終状態までの状態遷移の間にＨ
ＭＭから出力されるシンボルの時系列として表される。
各状態にはシンボルの出現確率が、状態間の各遷移には
遷移確率が、定義されている。
音声パターンの様々な揺らぎに対処するため、標準パタ
ーンの記述に統計的な考えが導入されている。ＨＭＭに
ついては、ラビナー、ジュアング著、古井訳「音声認識
の基礎（下）」、ＮＴＴアドバンステクノロジ（１９９
５）（以下、文献１）の、１０２〜１８７頁に詳述され
ている。各音素のＨＭＭは、それぞれ、通常１から１０
個の状態とその間の状態遷移から構成される。通常は始
状態と終状態が定義されており、単位時間毎に、各状態
からシンボルが出力され、状態遷移がな行われる。各音
素の音声は、始状態から終状態までの状態遷移の間にＨ
ＭＭから出力されるシンボルの時系列として表される。
各状態にはシンボルの出現確率が、状態間の各遷移には
遷移確率が、定義されている。
【０００７】遷移確率パラメータは、音声パタンの時間
的な揺らぎを表現するためのパラメータである。出力確
率パラメータは、音声パターンの声色の揺らぎを表現す
るものである。始状態の確率をある値に定め、状態遷移
毎に出現確率、遷移確率を掛けていくことにより、発声
がそのモデルから発生する確率を求めることができる。
逆に、発生を観測した場合、それが、あるＨＭＭから発
生したと仮定するとその発生確率が計算できることにな
る。
的な揺らぎを表現するためのパラメータである。出力確
率パラメータは、音声パターンの声色の揺らぎを表現す
るものである。始状態の確率をある値に定め、状態遷移
毎に出現確率、遷移確率を掛けていくことにより、発声
がそのモデルから発生する確率を求めることができる。
逆に、発生を観測した場合、それが、あるＨＭＭから発
生したと仮定するとその発生確率が計算できることにな
る。
【０００８】ＨＭＭによる音声認識では、各認識候補に
対してＨＭＭを用意し、発声が入力されると、各々のＨ
ＭＭにおいて、発生確率を求め、最大となるＨＭＭを発
生源と決定し、そのＨＭＭに対応する認識候補をもって
認識結果とする。出力確率パラメータには、離散確率分
布表現と連続確率分布表現があるが、ここでは連続確率
表現を例にとる。連続確率分布表現では、混合連続分
布、すなわち、複数のガウス分布を重みつきで加算した
分布が使われる。以下の例では出力確率は混合連続確率
分布とする。出力確率パラメータ、遷移確率パラメー
タ、複数のガウス分布の重み係数などのパラメータは、
モデルに対応する学習音声を与えてバウムーウェルチア
ルゴリズムと呼ばれるアルゴリズムにより予め学習され
る。
対してＨＭＭを用意し、発声が入力されると、各々のＨ
ＭＭにおいて、発生確率を求め、最大となるＨＭＭを発
生源と決定し、そのＨＭＭに対応する認識候補をもって
認識結果とする。出力確率パラメータには、離散確率分
布表現と連続確率分布表現があるが、ここでは連続確率
表現を例にとる。連続確率分布表現では、混合連続分
布、すなわち、複数のガウス分布を重みつきで加算した
分布が使われる。以下の例では出力確率は混合連続確率
分布とする。出力確率パラメータ、遷移確率パラメー
タ、複数のガウス分布の重み係数などのパラメータは、
モデルに対応する学習音声を与えてバウムーウェルチア
ルゴリズムと呼ばれるアルゴリズムにより予め学習され
る。
【０００９】以下に認識部４０３の単語認識時の処理を
数式を用いて説明し、次にパラメータの学習について説
明する。
数式を用いて説明し、次にパラメータの学習について説
明する。
【００１０】まず、認識時の処理について説明する。特
徴ベクトルの時系列として表現された入力パターンＯを
徴ベクトルの時系列として表現された入力パターンＯを
【数１】 とする。ここでＴは入力パターンの総フレーム数であ
る。認識候補単語をＷ1，Ｗ2，．．．，ＷNとする。Ｎ
は認識候補単語数である。各々の単語Ｗｎの単語ＨＭＭ
と入力パターンＯとの間のマッチングは以下のように行
なわれる。以下必要のない限り添字ｎを省略する。ま
ず、単語ＨＭＭにおいて、状態ｊから状態への遷移確率
をαji、出力確率分布の混合重みをｃim、各要素ガウス
分布の平均ベクトルをμim、共分散行列をΣimとする。
ここで、ｔは入力時刻、ｉ，ｊはＨＭＭの状態、ｍは混
合要素番号を表す。前向き確率αt（ｉ）に関する次の
漸化式計算を行う。この前向き確率αt（ｉ）は、部分
的な観測系列ｏ1，ｏ2，…，ｏtを出力し、時刻ｔに状
態ｉに存在する確率である。
る。認識候補単語をＷ1，Ｗ2，．．．，ＷNとする。Ｎ
は認識候補単語数である。各々の単語Ｗｎの単語ＨＭＭ
と入力パターンＯとの間のマッチングは以下のように行
なわれる。以下必要のない限り添字ｎを省略する。ま
ず、単語ＨＭＭにおいて、状態ｊから状態への遷移確率
をαji、出力確率分布の混合重みをｃim、各要素ガウス
分布の平均ベクトルをμim、共分散行列をΣimとする。
ここで、ｔは入力時刻、ｉ，ｊはＨＭＭの状態、ｍは混
合要素番号を表す。前向き確率αt（ｉ）に関する次の
漸化式計算を行う。この前向き確率αt（ｉ）は、部分
的な観測系列ｏ1，ｏ2，…，ｏtを出力し、時刻ｔに状
態ｉに存在する確率である。
【数２】
【数３】 ここで、πiは初期状態がｉである確率であり、ｂi（ｏ
t）は、次式で定義される。
t）は、次式で定義される。
【数４】
【数５】 ここで、Ｋは入力フレームおよび平均ベクトルの次元数
である。
である。
【００１１】単語Ｗｎに対する入力パタンに対する尤度
は
は
【数６】 により求められる。Ｉは最終状態である。この処理を各
単語モデルについて行い、入力パターンＸに対する。認
識結果単語Ｗｎは
単語モデルについて行い、入力パターンＸに対する。認
識結果単語Ｗｎは
【数７】 で与えられる。認識結果単語は認識結果出力部４０４に
送られる。認識結果出力部４０４は、認識結果を画面上
に出力する、あるいは、認識結果に対応した制御命令を
別の装置に送るなどの処理を行う。
送られる。認識結果出力部４０４は、認識結果を画面上
に出力する、あるいは、認識結果に対応した制御命令を
別の装置に送るなどの処理を行う。
【００１２】次に、標準パターン作成部４０１における
学習のアルゴリズムについて説明する。先ず、以下の後
向き確率を導入する。
学習のアルゴリズムについて説明する。先ず、以下の後
向き確率を導入する。
【数８】
【数９】
【数１０】 βt（ｉ）は時刻ｔ、状態ｉが与えられたときの、時刻
ｔ＋１から終端までの部分的な観測系列の確率である。
前向き確率と後向き確率を用いて、観測系列Ｏが与えら
れたときに、時刻ｔに状態ｉに存在する確率は、
ｔ＋１から終端までの部分的な観測系列の確率である。
前向き確率と後向き確率を用いて、観測系列Ｏが与えら
れたときに、時刻ｔに状態ｉに存在する確率は、
【数１１】 で与えられる。また、時刻ｔに状態ｉに存在し、時刻ｔ
＋１に状態ｊに存在する確率は、以下で与えられる。
＋１に状態ｊに存在する確率は、以下で与えられる。
【数１２】 また、連続出力確率分布の場合に、時刻ｔに状態番号ｉ
のｋ番目の混合要素に存在する確率は、
のｋ番目の混合要素に存在する確率は、
【数１３】 で与えられる。
【００１３】以上の計算値に基づき、ｐi，α，μ，
Σ，ｃの推定値は下記で与えられる。
Σ，ｃの推定値は下記で与えられる。
【数１４】
【数１５】
【数１６】
【数１７】
【数１８】
【００１４】バウム−ウェルチアルゴリズムでは、これ
らの推定値をもとにパラメータを更新し、更にそのパラ
メータを用いてまた推定値を推定するという繰り返しを
行なう。繰り返し毎に観測系列の確率が大きくなること
が証明されている。
らの推定値をもとにパラメータを更新し、更にそのパラ
メータを用いてまた推定値を推定するという繰り返しを
行なう。繰り返し毎に観測系列の確率が大きくなること
が証明されている。
【００１５】以上、ＨＭＭを例にとり音声認識装置につ
いて説明した。不特定話者ＨＭＭとして、ここでは、音
素単位毎に標準パターンを作成する場合を説明したが、
他にも半音節単位、３音素連鎖単位など、様々な単位が
考えられる。
いて説明した。不特定話者ＨＭＭとして、ここでは、音
素単位毎に標準パターンを作成する場合を説明したが、
他にも半音節単位、３音素連鎖単位など、様々な単位が
考えられる。
【００１６】
【発明が解決しようとする課題】さて、この不特定話者
ＨＭＭは、多くの場合良好な性能を示すが、発生すべき
言語が話者の母国語ではない場合には、音響的特徴量が
母国語話者の発生と異なるため、認識性能が低くなる。
しかしながら、近年、国際化の進展に伴い、ほとんどの
国において、外国籍をもつ人の占める割合が高くなって
おり、認識対象言語を母国語としない話者の発声に対し
ても高い性能を持つ音声認識装置が望まれている。
ＨＭＭは、多くの場合良好な性能を示すが、発生すべき
言語が話者の母国語ではない場合には、音響的特徴量が
母国語話者の発生と異なるため、認識性能が低くなる。
しかしながら、近年、国際化の進展に伴い、ほとんどの
国において、外国籍をもつ人の占める割合が高くなって
おり、認識対象言語を母国語としない話者の発声に対し
ても高い性能を持つ音声認識装置が望まれている。
【００１７】本発明は、使用言語が話者の母国語でない
場合に、話者の母国語についての知見を利用することに
より、認識性能の低下を防ぐことを目的とする。
場合に、話者の母国語についての知見を利用することに
より、認識性能の低下を防ぐことを目的とする。
【００１８】
【課題を解決するための手段】本発明の一態様による非
母国語音声認識装置は、第１の言語を母国語とする話者
用の音声分析を行ない、得られた入力パターンと前記第
１の話者用の標準パターンとを比較して入力音声を認識
する第１の認識手段と、第２の言語を母国語とする話者
用の音声分析を行ない、得られた入力パターンと前記第
２の話者用の標準パターンとを比較して入力音声を認識
する第２の認識手段と、前記第１の認識手段と第２の認
識手段の出力に基づいて認識結果を出力する認識結果出
力手段とを備えて構成される。
母国語音声認識装置は、第１の言語を母国語とする話者
用の音声分析を行ない、得られた入力パターンと前記第
１の話者用の標準パターンとを比較して入力音声を認識
する第１の認識手段と、第２の言語を母国語とする話者
用の音声分析を行ない、得られた入力パターンと前記第
２の話者用の標準パターンとを比較して入力音声を認識
する第２の認識手段と、前記第１の認識手段と第２の認
識手段の出力に基づいて認識結果を出力する認識結果出
力手段とを備えて構成される。
【００１９】ここで、前記認識結果出力手段は前記第１
の認識手段と第２の認識手段から出力される認識尤度を
重みづけした尤度を用いて認識し、前記認識結果出力手
段は前記第１の認識手段と第２の認識手段から出力され
る認識尤度のうち大きい値をもつ認識尤度を用いて認識
する。また、話者毎に前記第１の認識手段と第２の認識
手段とのどちらかを用いるかを決定する話者別標準パタ
ーン決定手段を有することができる。
の認識手段と第２の認識手段から出力される認識尤度を
重みづけした尤度を用いて認識し、前記認識結果出力手
段は前記第１の認識手段と第２の認識手段から出力され
る認識尤度のうち大きい値をもつ認識尤度を用いて認識
する。また、話者毎に前記第１の認識手段と第２の認識
手段とのどちらかを用いるかを決定する話者別標準パタ
ーン決定手段を有することができる。
【００２０】本発明の他の態様による非母国語音声認識
装置は、音声認識において、言語Ｂを母国語とする話者
の発声した言語Ａの音声を認識する際に、言語Ａを母国
語とする話者用の音声分析を行なう母国語話者用分析手
段と、言語Ａを母国語とする話者用の辞書を作成する母
国語話者用辞書作成手段と、言語Ａを母国語とする話者
用の標準パターンを作成する母国語話者用標準パターン
作成手段と、言語Ｂを母国語とする話者用の音声分析を
行なう非母国語話者用分析手段と、言語Ｂを母国語とす
る話者用の辞書を作成する非母国語話者用辞書作成手段
と、言語Ｂを母国語とする話者用の標準パターンを作成
する非母国語話者用標準パターン作成手段と、前記母国
語話者標準パターンを用いて認識を行なう母国語話者用
認識手段と、前記非母国語話者標準パターンを用いて認
識を行なう非母国語話者用認識手段と、前記母国語話者
用認識手段と前記非母国語話者用認識手段とからの出力
を用いて認識結果を出力する認識結果出力手段とを備え
て構成される。
装置は、音声認識において、言語Ｂを母国語とする話者
の発声した言語Ａの音声を認識する際に、言語Ａを母国
語とする話者用の音声分析を行なう母国語話者用分析手
段と、言語Ａを母国語とする話者用の辞書を作成する母
国語話者用辞書作成手段と、言語Ａを母国語とする話者
用の標準パターンを作成する母国語話者用標準パターン
作成手段と、言語Ｂを母国語とする話者用の音声分析を
行なう非母国語話者用分析手段と、言語Ｂを母国語とす
る話者用の辞書を作成する非母国語話者用辞書作成手段
と、言語Ｂを母国語とする話者用の標準パターンを作成
する非母国語話者用標準パターン作成手段と、前記母国
語話者標準パターンを用いて認識を行なう母国語話者用
認識手段と、前記非母国語話者標準パターンを用いて認
識を行なう非母国語話者用認識手段と、前記母国語話者
用認識手段と前記非母国語話者用認識手段とからの出力
を用いて認識結果を出力する認識結果出力手段とを備え
て構成される。
【００２１】ここで、前記認識結果出力手段において、
母国語話者用認識手段から出力された認識尤度と、非母
国語話者用認識手段から出力された認識尤度と、を重み
づけした尤度を用いて認識結果を得る。また、前記認識
結果出力手段において、母国語話者用認識手段から出力
された認識尤度と、非母国語話者用認識手段から出力さ
れた認識尤度との、どちらかの尤度を用いて認識結果を
得る。更に、話者毎に母国語用認識手段と非母国語認識
手段とのどちらかを用いるかを決定する話者別標準パタ
ーン決定手段をもつ。
母国語話者用認識手段から出力された認識尤度と、非母
国語話者用認識手段から出力された認識尤度と、を重み
づけした尤度を用いて認識結果を得る。また、前記認識
結果出力手段において、母国語話者用認識手段から出力
された認識尤度と、非母国語話者用認識手段から出力さ
れた認識尤度との、どちらかの尤度を用いて認識結果を
得る。更に、話者毎に母国語用認識手段と非母国語認識
手段とのどちらかを用いるかを決定する話者別標準パタ
ーン決定手段をもつ。
【００２２】また、前記母国語話者用分析手段と非母国
語話者用分析手段とを共通化した一つの分析手段をも
ち、前記母国語話者用辞書作成手段と非母国語話者用辞
書作成手段とを共通化した一つの辞書作成手段をもち、
非母国語話者用標準パターン作成手段において、前記言
語Ｂを母国語とする話者の言語Ｂの標準パターンを作成
する非母国語話者用母国語標準パターン手段と、前記非
母国語話者用母国語標準パターンから前記非母国語話者
用標準パターンへの変換を行なう標準パターン変換手段
を用いる。
語話者用分析手段とを共通化した一つの分析手段をも
ち、前記母国語話者用辞書作成手段と非母国語話者用辞
書作成手段とを共通化した一つの辞書作成手段をもち、
非母国語話者用標準パターン作成手段において、前記言
語Ｂを母国語とする話者の言語Ｂの標準パターンを作成
する非母国語話者用母国語標準パターン手段と、前記非
母国語話者用母国語標準パターンから前記非母国語話者
用標準パターンへの変換を行なう標準パターン変換手段
を用いる。
【００２３】更に、前記非母国語話者用標準パターン作
成手段のかわりに、前記言語Ｂを母国語とする話者の言
語Ｂの標準パターンを作成する、非母国語話者用母国語
標準パターン手段を用い、前記非母国語話者用辞書作成
手段において、前記母国語話者用辞書手段において作成
された言語Ａの辞書表記から言語Ｂの辞書表記に変換す
る辞書表記変換手段を用いる。
成手段のかわりに、前記言語Ｂを母国語とする話者の言
語Ｂの標準パターンを作成する、非母国語話者用母国語
標準パターン手段を用い、前記非母国語話者用辞書作成
手段において、前記母国語話者用辞書手段において作成
された言語Ａの辞書表記から言語Ｂの辞書表記に変換す
る辞書表記変換手段を用いる。
【００２４】そして、前記言語Ａと言語Ｂ以外の言語を
母国語とする非母国語話者に対しても、非母国語話者用
辞書作成手段と、非母国語話者用標準パターン作成手段
と、非母国語話者用認識手段とをもつ。
母国語とする非母国語話者に対しても、非母国語話者用
辞書作成手段と、非母国語話者用標準パターン作成手段
と、非母国語話者用認識手段とをもつ。
【００２５】上記において、前記音声認識装置の認識手
段としてはＤＰマッチングを用い、標準パターンとして
隠れマルコフモデルを用いることができる。
段としてはＤＰマッチングを用い、標準パターンとして
隠れマルコフモデルを用いることができる。
【００２６】
【発明の実施の形態】次に、本発明による音声認識装置
の実施形態について図１を参照しながら説明する。本例
では、認識方式として音素ＨＭＭを用い、単語を認識す
る場合について述べる。また、言語Ａとして英語、言語
Ｂとして日本語の場合を例にとって説明する。すなわ
ち、日本語を母国語とする話者（日本人）が英語を発声
する場合について説明する。
の実施形態について図１を参照しながら説明する。本例
では、認識方式として音素ＨＭＭを用い、単語を認識す
る場合について述べる。また、言語Ａとして英語、言語
Ｂとして日本語の場合を例にとって説明する。すなわ
ち、日本語を母国語とする話者（日本人）が英語を発声
する場合について説明する。
【００２７】母国語話者用標準パターン作成手段１０３
は、最初に英語を母国語とする複数話者の発声を用い
て、英語音素ＨＭＭの学習を行なう。母国語話者用辞書
作成手段１０２は、認識対象とする英語の単語の辞書を
作成する。これは英語の発音を音素表記したものであ
る。
は、最初に英語を母国語とする複数話者の発声を用い
て、英語音素ＨＭＭの学習を行なう。母国語話者用辞書
作成手段１０２は、認識対象とする英語の単語の辞書を
作成する。これは英語の発音を音素表記したものであ
る。
【００２８】非母国語話者用辞書作成手段１０６と非母
国語話者用標準パターン作成手段１０７は、非母国語話
者向けに、非母国語話者用標準パターンと非母国語話者
用辞書を作成する。非母国語話者用辞書では、日本人が
発声する英語向けに、母国語話者用辞書と音素表記が異
なったものにすることが可能である。例えば、単語ｓｅ
ｔに対する英語音素表記は、／ｓｅＱｔ／（Ｑは促音）
であるが、日本人向けには、／ｓｅＱｔｏ／と表記する
などの日本人英語についての知識をとり入れることが可
能である。そして、学習用語彙に対し作成した辞書と日
本人の発声した英語を用いてＨＭＭの学習を行なう。
国語話者用標準パターン作成手段１０７は、非母国語話
者向けに、非母国語話者用標準パターンと非母国語話者
用辞書を作成する。非母国語話者用辞書では、日本人が
発声する英語向けに、母国語話者用辞書と音素表記が異
なったものにすることが可能である。例えば、単語ｓｅ
ｔに対する英語音素表記は、／ｓｅＱｔ／（Ｑは促音）
であるが、日本人向けには、／ｓｅＱｔｏ／と表記する
などの日本人英語についての知識をとり入れることが可
能である。そして、学習用語彙に対し作成した辞書と日
本人の発声した英語を用いてＨＭＭの学習を行なう。
【００２９】入力された音声信号は、母国語話者用分析
手段１０１と非母国語話者用分析手段１０５とで分析さ
れる。この両分析手段は、分析条件が違っていても良い
し、同じでも良い。母国語話者用分析手段１０１により
分析された音声情報は、母国語話者用認識手段１０４に
入力され、非母国語話者用分析手段１０５により分析さ
れた音声は、非母国語話者用認識手段１０８に入力され
る。
手段１０１と非母国語話者用分析手段１０５とで分析さ
れる。この両分析手段は、分析条件が違っていても良い
し、同じでも良い。母国語話者用分析手段１０１により
分析された音声情報は、母国語話者用認識手段１０４に
入力され、非母国語話者用分析手段１０５により分析さ
れた音声は、非母国語話者用認識手段１０８に入力され
る。
【００３０】母国語話者用認識手段１０４は、母国語話
者用標準パターン作成手段１０３からの母国語話者用標
準パターンと、母国語話者用辞書作成手段１０２からの
母国語話者用辞書を用いて認識処理を行なう。非母国語
話者用認識手段１０８は、非母国語話者用標準パターン
作成手段１０７からの非母国語話者用標準パターンと、
非母国語話者用辞書作成手段１０６からの非母国語話者
用辞書を用いて認識処理を行なう。認識処理は、前述の
とおりである。
者用標準パターン作成手段１０３からの母国語話者用標
準パターンと、母国語話者用辞書作成手段１０２からの
母国語話者用辞書を用いて認識処理を行なう。非母国語
話者用認識手段１０８は、非母国語話者用標準パターン
作成手段１０７からの非母国語話者用標準パターンと、
非母国語話者用辞書作成手段１０６からの非母国語話者
用辞書を用いて認識処理を行なう。認識処理は、前述の
とおりである。
【００３１】さて、母国語話者用認識手段１０４と非母
国語話者用認識手段１０８からは、それぞれ、認識情報
が、認識結果出力手段１０９に出力される。ここでは、
認識情報として、それぞれの認識対象単語に対する尤度
を用いる。さて、認識結果出力手段１０９は、まず、そ
れぞれの単語ｉについて以下の処理を行なう。すなわ
ち、母国語話者用認識手段１０４から出力された母国語
尤度ＬA（ｉ）と非母国語話者用認識手段から出力され
た非母国語尤度ＬB（ｉ）とをある重みｗで重みづけて
その単語の尤度Ｌ（ｉ）とする。すなわち、
国語話者用認識手段１０８からは、それぞれ、認識情報
が、認識結果出力手段１０９に出力される。ここでは、
認識情報として、それぞれの認識対象単語に対する尤度
を用いる。さて、認識結果出力手段１０９は、まず、そ
れぞれの単語ｉについて以下の処理を行なう。すなわ
ち、母国語話者用認識手段１０４から出力された母国語
尤度ＬA（ｉ）と非母国語話者用認識手段から出力され
た非母国語尤度ＬB（ｉ）とをある重みｗで重みづけて
その単語の尤度Ｌ（ｉ）とする。すなわち、
【数１９】 この重みｗは、予備実験で予め最適な値を求めておく。
あるいは、複数のｗを予め用意して、複数の単語に対す
る認識結果から最適なｗを決めるなどの処理を行う。認
識結果単語Ｉは最大の尤度Ｌ（ｉ）が最大となる単語ｉ
である。以上が、認識結果出力部１０９の処理である。
あるいは、複数のｗを予め用意して、複数の単語に対す
る認識結果から最適なｗを決めるなどの処理を行う。認
識結果単語Ｉは最大の尤度Ｌ（ｉ）が最大となる単語ｉ
である。以上が、認識結果出力部１０９の処理である。
【００３２】本発明の他の実施形態においては、認識結
果出力手段１０９で、Ｌ（ｉ）として、ＬA（ｉ），ＬB
（ｉ）のどちらか大きい方を用いる。重みｗを予め決め
ておく必要がなく、処理が簡単になる。しかし、話者に
よっては、母国語発生でもなく、非母国語発生でもなく
その中間的な発生になっている場合があり、そのような
場合には若干性能面で劣る。
果出力手段１０９で、Ｌ（ｉ）として、ＬA（ｉ），ＬB
（ｉ）のどちらか大きい方を用いる。重みｗを予め決め
ておく必要がなく、処理が簡単になる。しかし、話者に
よっては、母国語発生でもなく、非母国語発生でもなく
その中間的な発生になっている場合があり、そのような
場合には若干性能面で劣る。
【００３３】本発明の更に他の実施形態においては、話
者毎に、母国語認識の結果を用いるか、あるいは非母国
語認識の結果を用いるかを決める。一旦話者毎に決めて
しまえば、以後は、母国語認識、非母国語認識のどちら
か一方のみ動作させれば良く、計算量を節約することが
できる。ただ、単語によって母国語認識の方が性能が高
い単語、非母国語認識の方が性能が高い単語があり、こ
のような単語間の差に対しては対応できない。話者毎に
どちらの認識を用いるかを決めるには、例えば、数回の
発声で尤度の高い方をとる、等の方法が考えられる。
者毎に、母国語認識の結果を用いるか、あるいは非母国
語認識の結果を用いるかを決める。一旦話者毎に決めて
しまえば、以後は、母国語認識、非母国語認識のどちら
か一方のみ動作させれば良く、計算量を節約することが
できる。ただ、単語によって母国語認識の方が性能が高
い単語、非母国語認識の方が性能が高い単語があり、こ
のような単語間の差に対しては対応できない。話者毎に
どちらの認識を用いるかを決めるには、例えば、数回の
発声で尤度の高い方をとる、等の方法が考えられる。
【００３４】本発明の他の実施形態を図２を参照しなが
ら説明する。本実施形態は、図１の母国語話者用及び非
母国語話者用の分析手段１０１及び１０５と辞書作成手
段１０２及び１０６とを共通化する。すなわち、すべて
の話者に対して共通の分析手段２０１と辞書作成手段２
０２を用いる。そして、非母国語標準パターン作成手段
２０７において、予め多数話者の発声を用いて、非母国
語話者用母国語標準パターン作成手段２１１で作成した
非母国語話者用母国語標準パターンから標準パターン作
成手段２１０で作成した非母国語標准パターンへの写像
を作成しておき、その写像で、非母国語話者用標準パタ
ーンを作成する。非母国語話者用母国語標準パターンと
は、ここでは、日本人話者による日本語発声に対する標
準パターンであり、それを英語に対する標準パターンに
変換することに相当する。非母国語話者用母国語標準パ
ターンは、精度の高いものが作成可能であり、写像を一
旦作成しておけば、精度の高い標準パターンを、非母国
語標準パターンに変換することができる。ただ、辞書表
記があくまでも母国語話者に対するものであり、発声が
著しく母国語話者と異なる場合には効果が出ないことも
あり得る。図中、構成部２０３，２０４，２０８及び２
０９は、それぞれ図１の１０３，１０４，１０８及び１
０９と同様な機能を有する構成部である。
ら説明する。本実施形態は、図１の母国語話者用及び非
母国語話者用の分析手段１０１及び１０５と辞書作成手
段１０２及び１０６とを共通化する。すなわち、すべて
の話者に対して共通の分析手段２０１と辞書作成手段２
０２を用いる。そして、非母国語標準パターン作成手段
２０７において、予め多数話者の発声を用いて、非母国
語話者用母国語標準パターン作成手段２１１で作成した
非母国語話者用母国語標準パターンから標準パターン作
成手段２１０で作成した非母国語標准パターンへの写像
を作成しておき、その写像で、非母国語話者用標準パタ
ーンを作成する。非母国語話者用母国語標準パターンと
は、ここでは、日本人話者による日本語発声に対する標
準パターンであり、それを英語に対する標準パターンに
変換することに相当する。非母国語話者用母国語標準パ
ターンは、精度の高いものが作成可能であり、写像を一
旦作成しておけば、精度の高い標準パターンを、非母国
語標準パターンに変換することができる。ただ、辞書表
記があくまでも母国語話者に対するものであり、発声が
著しく母国語話者と異なる場合には効果が出ないことも
あり得る。図中、構成部２０３，２０４，２０８及び２
０９は、それぞれ図１の１０３，１０４，１０８及び１
０９と同様な機能を有する構成部である。
【００３５】図３を参照して本発明の更なる実施形態を
説明する。非母国語話者用標準パターン作成手段３０７
において、話者の母国語の標準パターンを作成する。す
なわち、日本語話者に対しては日本語に対する標準パタ
ーンを作成する。そして、非母国語話者用辞書作成手段
３０６においては、辞書変換手段３１０に英語の表記か
ら日本語の表記への変換テーブルをもち、英語の単語表
記を日本語の単語表記に変換する。発声がカタカナ日本
語の発声に近い場合、有効であるが、英語表記から日本
語表記への変換テーブルを作成するのに工数を要する。
他の構成部３０１〜３０５，３０８及び３０９は、図１
の１０１〜１０５，１０８及び１０９と同様な機能を有
する。
説明する。非母国語話者用標準パターン作成手段３０７
において、話者の母国語の標準パターンを作成する。す
なわち、日本語話者に対しては日本語に対する標準パタ
ーンを作成する。そして、非母国語話者用辞書作成手段
３０６においては、辞書変換手段３１０に英語の表記か
ら日本語の表記への変換テーブルをもち、英語の単語表
記を日本語の単語表記に変換する。発声がカタカナ日本
語の発声に近い場合、有効であるが、英語表記から日本
語表記への変換テーブルを作成するのに工数を要する。
他の構成部３０１〜３０５，３０８及び３０９は、図１
の１０１〜１０５，１０８及び１０９と同様な機能を有
する。
【００３６】次の実施形態は、非母国語話者として、異
なる母国語をもつ複数の非母国語話者を想定したもので
ある。すなわち、例に即して言えぱ、日本人と中国人と
韓国人の話者に対する英語発声認識を行なう。この場合
には、それぞれの言語に対し非母国語話者用認識手段を
もち、認識結果のうちもっとも尤度の高い言語を用い
る、認識結果を重みづける、話者毎にどの言語の非母国
語話者用認識手段を用いるか決定する、などの手段で認
識結果を出力する。
なる母国語をもつ複数の非母国語話者を想定したもので
ある。すなわち、例に即して言えぱ、日本人と中国人と
韓国人の話者に対する英語発声認識を行なう。この場合
には、それぞれの言語に対し非母国語話者用認識手段を
もち、認識結果のうちもっとも尤度の高い言語を用い
る、認識結果を重みづける、話者毎にどの言語の非母国
語話者用認識手段を用いるか決定する、などの手段で認
識結果を出力する。
【００３７】
【発明の効果】以上説明したような、本発明による非母
国語音声認識装置は、認識対象言語を母国語としない話
者の発声に対し、その話者の母国語と対象言語について
の知識を利用して、性能の高い認識を行なう。特に、母
国語の違いから来る発声の変形に対しても対処可能であ
る。
国語音声認識装置は、認識対象言語を母国語としない話
者の発声に対し、その話者の母国語と対象言語について
の知識を利用して、性能の高い認識を行なう。特に、母
国語の違いから来る発声の変形に対しても対処可能であ
る。
【図１】本発明による非母国語音声認識装置の一の実施
形態を示す構成ブロック図である。
形態を示す構成ブロック図である。
【図２】本発明による非母国語音声認識装置の他の実施
形態を示す構成ブロック図である。
形態を示す構成ブロック図である。
【図３】本発明による非母国語音声認識装置の更なる実
施形態を示す構成ブロック図である。
施形態を示す構成ブロック図である。
【図４】従来の非母国語音声認識装置の構成ブロック図
である。
である。
１０１，３０１ 母国語話者用分析手段 １０２，３０２ 母国語話者用辞書作成手段 １０３，２０３，３０３ 母国語話者用標準パターン作
成手段 １０４，２０４，３０４ 母国語話者用認識手段 １０５，３０５ 非母国語話者用分析手段 １０６，３０６ 非母国語話者用辞書作成手段 １０７，２０７，３０７ 非母国語話者用標準パターン
作成手段 １０８，２０８ 非母国語話者用認識手段 １０９，２０９ 認識結果出力手段 ２０１ 分析手段 ２０２ 辞書作成手段 ２１０ 標準パターン変換手段 ２１１ 非母国語話者用標準パターン
作成手段 ３１０ 辞書変換手段 ４０１ 標準パターン作成部 ４０２ 分析部 ４０３ 認識部 ４０４ 認識結果出力部
成手段 １０４，２０４，３０４ 母国語話者用認識手段 １０５，３０５ 非母国語話者用分析手段 １０６，３０６ 非母国語話者用辞書作成手段 １０７，２０７，３０７ 非母国語話者用標準パターン
作成手段 １０８，２０８ 非母国語話者用認識手段 １０９，２０９ 認識結果出力手段 ２０１ 分析手段 ２０２ 辞書作成手段 ２１０ 標準パターン変換手段 ２１１ 非母国語話者用標準パターン
作成手段 ３１０ 辞書変換手段 ４０１ 標準パターン作成部 ４０２ 分析部 ４０３ 認識部 ４０４ 認識結果出力部
Claims (13)
- 【請求項１】第１の言語を母国語とする話者用の音声分
析を行ない、得られた入力パターンと前記第１の話者用
の標準パターンとを比較して入力音声を認識する第１の
認識手段と、第２の言語を母国語とする話者用の音声分
析を行ない、得られた入力パターンと前記第２の話者用
の標準パターンとを比較して入力音声を認識する第２の
認識手段と、前記第１の認識手段と第２の認識手段の出
力に基づいて認識結果を出力する認識結果出力手段とを
備えて成ることを特徴とする非母国語音声認識装置。 - 【請求項２】前記認識結果出力手段は前記第１の認識手
段と第２の認識手段から出力される認識尤度を重みづけ
した尤度を用いて認識する請求項１に記載の音声認識装
置。 - 【請求項３】前記認識結果出力手段は前記第１の認識手
段と第２の認識手段から出力される認識尤度のうち大き
い値をもつ認識尤度を用いて認識する請求項１に記載の
音声認識装置。 - 【請求項４】話者毎に前記第１の認識手段と第２の認識
手段とのどちらかを用いるかを決定する話者別標準パタ
ーン決定手段を有する請求項１に記載の音声認識装置。 - 【請求項５】音声認識において、言語Ｂを母国語とする
話者の発声した言語Ａの音声を認識する際に、言語Ａを
母国語とする話者用の音声分析を行なう母国語話者用分
析手段と、言語Ａを母国語とする話者用の辞書を作成す
る母国語話者用辞書作成手段と、言語Ａを母国語とする
話者用の標準パターンを作成する母国語話者用標準パタ
ーン作成手段と、言語Ｂを母国語とする話者用の音声分
析を行なう非母国語話者用分析手段と、言語Ｂを母国語
とする話者用の辞書を作成する非母国語話者用辞書作成
手段と、言語Ｂを母国語とする話者用の標準パターンを
作成する非母国語話者用標準パターン作成手段と、前記
母国語話者標準パターンを用いて認識を行なう母国語話
者用認識手段と、前記非母国語話者標準パターンを用い
て認識を行なう非母国語話者用認識手段と、前記母国語
話者用認識手段と前記非母国語話者用認識手段とからの
出力を用いて認識結果を出力する認識結果出力手段と、
を備えて成ることを特徴とする音声認識装置。 - 【請求項６】前記認識結果出力手段において、母国語話
者用認識手段から出力された認識尤度と、非母国語話者
用認識手段から出力された認識尤度と、を重みづけした
尤度を用いて認識結果を得る請求項５に記載の音声認識
装置。 - 【請求項７】前記認識結果出力手段において、母国語話
者用認識手段から出力された認識尤度と、非母国語話者
用認識手段から出力された認識尤度との、どちらかの尤
度を用いて認識結果を得る請求項５に記載の音声認識装
置。 - 【請求項８】話者毎に母国語用認識手段と非母国語認識
手段とのどちらかを用いるかを決定する話者別標準パタ
ーン決定手段をもつ請求項５に記載の音声認識装置。 - 【請求項９】前記母国語話者用分析手段と非母国語話者
用分析手段とを共通化した一つの分析手段をもち、前記
母国語話者用辞書作成手段と非母国語話者用辞書作成手
段とを共通化した一つの辞書作成手段をもち、非母国語
話者用標準パターン作成手段において、前記言語Ｂを母
国語とする話者の言語Ｂの標準パターンを作成する非母
国語話者用母国語標準パターン手段と、前記非母国語話
者用母国語標準パターンから前記非母国語話者用標準パ
ターンへの変換を行なう標準パターン変換手段を用いる
請求項５乃至８に記載の音声認識装置。 - 【請求項１０】前記非母国語話者用標準パターン作成手
段のかわりに、前記言語Ｂを母国語とする話者の言語Ｂ
の標準パターンを作成する、非母国語話者用母国語標準
パターン手段を用い、前記非母国語話者用辞書作成手段
において、前記母国語話者用辞書手段において作成され
た言語Ａの辞書表記から言語Ｂの辞書表記に変換する辞
書表記変換手段を用いる請求項５乃至８に記載の音声認
識装置。 - 【請求項１１】前記言語Ａと言語Ｂ以外の言語を母国語
とする非母国語話者に対しても、非母国語話者用辞書作
成手段と、非母国語話者用標準パターン作成手段と、非
母国語話者用認識手段と、をもつ請求項５乃至１０に記
載の音声認識装置。 - 【請求項１２】前記音声認識装置の認識手段としてＤＰ
マッチングを用いる請求項１乃至１１に記載の音声認識
装置。 - 【請求項１３】前記音声認識装置の標準パターンとして
隠れマルコフモデルを用いる請求項１乃至１１に記載の
音声認識装置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP8307142A JP3039399B2 (ja) | 1996-10-31 | 1996-10-31 | 非母国語音声認識装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP8307142A JP3039399B2 (ja) | 1996-10-31 | 1996-10-31 | 非母国語音声認識装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPH10133686A true JPH10133686A (ja) | 1998-05-22 |
| JP3039399B2 JP3039399B2 (ja) | 2000-05-08 |
Family
ID=17965544
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP8307142A Expired - Fee Related JP3039399B2 (ja) | 1996-10-31 | 1996-10-31 | 非母国語音声認識装置 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP3039399B2 (ja) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2001188556A (ja) * | 1999-12-27 | 2001-07-10 | Nippon Telegr & Teleph Corp <Ntt> | 音声認識方法及び装置 |
| JP2005524859A (ja) * | 2001-12-29 | 2005-08-18 | モトローラ・インコーポレイテッド | 多重レベル分散型音声認識のための方法および装置 |
| JP2011033874A (ja) * | 2009-08-03 | 2011-02-17 | Alpine Electronics Inc | 多言語音声認識装置及び多言語音声認識辞書作成方法 |
| JP2011227129A (ja) * | 2010-04-15 | 2011-11-10 | Nec Corp | 音声認識システム、データ処理装置、音声認識方法およびプログラム |
| WO2016103358A1 (ja) * | 2014-12-24 | 2016-06-30 | 三菱電機株式会社 | 音声認識装置及び音声認識方法 |
| CN110827810A (zh) * | 2013-07-04 | 2020-02-21 | 三星电子株式会社 | 用于识别语音和文本的设备和方法 |
-
1996
- 1996-10-31 JP JP8307142A patent/JP3039399B2/ja not_active Expired - Fee Related
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2001188556A (ja) * | 1999-12-27 | 2001-07-10 | Nippon Telegr & Teleph Corp <Ntt> | 音声認識方法及び装置 |
| JP2005524859A (ja) * | 2001-12-29 | 2005-08-18 | モトローラ・インコーポレイテッド | 多重レベル分散型音声認識のための方法および装置 |
| JP2011033874A (ja) * | 2009-08-03 | 2011-02-17 | Alpine Electronics Inc | 多言語音声認識装置及び多言語音声認識辞書作成方法 |
| JP2011227129A (ja) * | 2010-04-15 | 2011-11-10 | Nec Corp | 音声認識システム、データ処理装置、音声認識方法およびプログラム |
| CN110827810A (zh) * | 2013-07-04 | 2020-02-21 | 三星电子株式会社 | 用于识别语音和文本的设备和方法 |
| WO2016103358A1 (ja) * | 2014-12-24 | 2016-06-30 | 三菱電機株式会社 | 音声認識装置及び音声認識方法 |
| JP6109451B2 (ja) * | 2014-12-24 | 2017-04-05 | 三菱電機株式会社 | 音声認識装置及び音声認識方法 |
| JPWO2016103358A1 (ja) * | 2014-12-24 | 2017-05-25 | 三菱電機株式会社 | 音声認識装置及び音声認識方法 |
| US10403265B2 (en) | 2014-12-24 | 2019-09-03 | Mitsubishi Electric Corporation | Voice recognition apparatus and voice recognition method |
Also Published As
| Publication number | Publication date |
|---|---|
| JP3039399B2 (ja) | 2000-05-08 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Ghai et al. | Literature review on automatic speech recognition | |
| JP4301102B2 (ja) | 音声処理装置および音声処理方法、プログラム、並びに記録媒体 | |
| EP2192575B1 (en) | Speech recognition based on a multilingual acoustic model | |
| US10650802B2 (en) | Voice recognition method, recording medium, voice recognition device, and robot | |
| US6006186A (en) | Method and apparatus for a parameter sharing speech recognition system | |
| KR20070098094A (ko) | 타 언어권 화자 음성에 대한 음성 인식시스템의 성능향상을 위한 발음 특성에 기반한 음향모델 변환 방법 및이를 이용한 장치 | |
| KR20060050361A (ko) | 음성 분류 및 음성 인식을 위한 은닉 조건부 랜덤 필드모델 | |
| US6148284A (en) | Method and apparatus for automatic speech recognition using Markov processes on curves | |
| JPH0962291A (ja) | 記述長最小基準を用いたパターン適応化方式 | |
| US11295733B2 (en) | Dialogue system, dialogue processing method, translating apparatus, and method of translation | |
| EP1074019B1 (en) | Adaptation of a speech recognizer for dialectal and linguistic domain variations | |
| JP3776391B2 (ja) | 多言語音声認識方法、装置、プログラム | |
| WO2019212375A1 (ru) | Способ получения дикторозависимых малоразмерных высокоуровневых акустических признаков речи | |
| JP3039399B2 (ja) | 非母国語音声認識装置 | |
| Razavi et al. | An HMM-based formalism for automatic subword unit derivation and pronunciation generation | |
| Barman et al. | State of the art review of speech recognition using genetic algorithm | |
| JP5300000B2 (ja) | 調音特徴抽出装置、調音特徴抽出方法、及び調音特徴抽出プログラム | |
| JP4163207B2 (ja) | 多言語話者適応方法、装置、プログラム | |
| JP2976795B2 (ja) | 話者適応化方式 | |
| Khalifa et al. | Statistical modeling for speech recognition | |
| JP3105708B2 (ja) | 音声認識装置 | |
| JPH10116093A (ja) | 音声認識装置 | |
| JPH1097270A (ja) | 音声認識装置 | |
| JPH06175678A (ja) | 音声認識装置 | |
| Djuraev et al. | An In-Depth Analysis of Automatic Speech Recognition System |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20080303 Year of fee payment: 8 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20090303 Year of fee payment: 9 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20090303 Year of fee payment: 9 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20100303 Year of fee payment: 10 |
|
| LAPS | Cancellation because of no payment of annual fees |