KR100679051B1 - 복수의 신뢰도 측정 알고리즘을 이용한 음성 인식 장치 및방법 - Google Patents

복수의 신뢰도 측정 알고리즘을 이용한 음성 인식 장치 및방법 Download PDF

Info

Publication number
KR100679051B1
KR100679051B1 KR1020050123511A KR20050123511A KR100679051B1 KR 100679051 B1 KR100679051 B1 KR 100679051B1 KR 1020050123511 A KR1020050123511 A KR 1020050123511A KR 20050123511 A KR20050123511 A KR 20050123511A KR 100679051 B1 KR100679051 B1 KR 100679051B1
Authority
KR
South Korea
Prior art keywords
reliability
keyword
model
gaussian distribution
speech recognition
Prior art date
Application number
KR1020050123511A
Other languages
English (en)
Inventor
정재훈
정상배
김정수
김남훈
Original Assignee
삼성전자주식회사
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 삼성전자주식회사 filed Critical 삼성전자주식회사
Priority to KR1020050123511A priority Critical patent/KR100679051B1/ko
Priority to US11/517,369 priority patent/US8543399B2/en
Application granted granted Critical
Publication of KR100679051B1 publication Critical patent/KR100679051B1/ko

Links

Images

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
    • G10L15/00—Speech recognition
    • G10L15/08—Speech classification or search
    • 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
    • G10L15/00—Speech recognition
    • G10L15/08—Speech classification or search
    • G10L2015/088—Word spotting

Landscapes

  • Engineering & Computer Science (AREA)
  • Computational Linguistics (AREA)
  • Health & Medical Sciences (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Human Computer Interaction (AREA)
  • Physics & Mathematics (AREA)
  • Acoustics & Sound (AREA)
  • Multimedia (AREA)
  • Telephonic Communication Services (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

본 발명은 복수의 신뢰도 측정 알고리즘을 이용한 음성 인식 장치 및 방법에 관한 것으로서, 우도비(Likelihood ratio)에 의한 스코어 및 가우시안 분포의 궤적을 이용한 스코어를 이용하여 음성 인식 결과에 대한 신뢰 여부의 판단 기준을 설정하고 설정된 판단 기준에 따라 입력된 음성을 인식하고 신뢰 여부를 판단하는 복수의 신뢰도 측정 알고리즘을 이용한 음성 인식 장치 및 방법에 관한 것이다.
본 발명의 실시예에 따른 복수의 신뢰도 측정 알고리즘을 이용한 음성 인식 장치는 음성 신호의 프레임별 특징 벡터(Feature Vector)에 대한 키워드 모델(Keyword Model)의 우도(Likelihood)와 필러 모델(Filler Model)의 우도간의 비율을 이용하여 제 1 신뢰도를 산출하는 제 1 신뢰도 산출부와, 상기 음성 신호의 프레임별 상기 키워드 모델의 가우시안 분포의 궤적과 상기 키워드 모델에 대응되어 저장된 키워드의 가우시안 분포 궤적 표본을 비교하여 제 2 신뢰도를 산출하는 제 2 신뢰도 산출부 및 소정의 신뢰도 좌표 상에서 상기 제 1 신뢰도 및 상기 제 2 신뢰도에 의해 결정된 지점의 위치에 따라 상기 키워드 모델에 의하여 산출된 결과의 신뢰 여부를 판단하는 판단부를 포함한다.
음성 인식, 키워드 모델, 필러 모델, 우도비(Likelihood Ratio), 가우시안 (Gaussian) 확률 분포, 궤적, 신뢰도

Description

복수의 신뢰도 측정 알고리즘을 이용한 음성 인식 장치 및 방법{Apparatus and method for speech recognition using a plurality of confidence score estimation algorithms}
도 1은 본 발명의 실시예에 따른 복수의 신뢰도 측정 알고리즘을 이용한 음성 인식 장치를 나타낸 도면이다.
도 2는 본 발명의 실시예에 따른 키워드 모델부와 필러 모델부가 음성 신호를 인식하여 우도를 산출하는 과정을 나타낸 예시도이다.
도 3은 본 발명의 실시예에 따른 제 1 신뢰도 산출부에서 프레임별로 제 1 신뢰도가 산출되는 과정을 나타낸 예시도이다.
도 4는 본 발명의 실시예에 따른 제 2 신뢰도 산출부에서 단어별로 제 2 신뢰도가 산출되는 과정을 나타낸 예시도이다.
도 5는 본 발명의 실시예에 따른 입력된 음성 신호의 프레임별 가우시안 분포 궤적과 해당 키워드의 가우시안 분포 궤적 표본간의 대응관계를 나타낸 예시도이다.
도 6은 본 발명의 실시예에 따른 프레임간 가우시안 분포 궤적의 유사도 생성시에 동일 가우시안 분포가 나오는 순서에 따라 가중치가 부여되는 것을 나타낸 예시도이다.
도 7은 본 발명의 실시예에 따른 신뢰도 좌표를 나타낸 예시도이다.
도 8은 본 발명의 실시예에 따른 성능의 향상을 보여주는 그래프이다.
<도면의 주요 부분에 관한 부호의 설명>
110 : 음성 수신부 120 : 특징 벡터 추출부
130 : 필러 모델부 140 : 키워드 모델부
150 : 제 1 신뢰도 산출부 160 : 제 2 신뢰도 산출부
170 : 제어부 180 : 기준 함수 생성부
190 : 판단부
본 발명은 복수의 신뢰도 측정 알고리즘을 이용한 음성 인식 장치 및 방법에 관한 것으로서, 더욱 상세하게는 우도비(Likelihood ratio)에 의한 스코어 및 가우시안 분포의 궤적을 이용한 스코어를 이용하여 음성 인식 결과에 대한 신뢰 여부의 판단 기준을 설정하고 설정된 판단 기준에 따라 입력된 음성을 인식하고 신뢰 여부를 판단하는 복수의 신뢰도 측정 알고리즘을 이용한 음성 인식 장치 및 방법에 관한 것이다.
음성 인식(Speech Recognition)이란, 음성에 포함된 음향학적 정보로부터 음운 및 언어적 정보를 추출하여 이를 기계가 인지하고 반응하게 하는 일련의 과정이다. 음성 인식 알고리즘으로는 동적 정합법(Dynamic Time Warping), 신경 회로망 (Neural Network) 및 은닉 마르코프 모델(Hidden Markov Model) 등이 있다.
최근 음성 인식에 대한 연구가 증가하면서 음성을 통한 제어가 산업 전반에서 진행되고 있다. 홈 네트워크, 홈 오토메이션 등 가정 내에서의 사물을 제어하고 명령을 하는 시스템에 있어서의 음성 인식은 VUI(Voice User Interface)의 기능을 제공한다. 홈 환경하에서 자연스러운 언어를 통해 가전 제품을 제어하기 위해서는 필요한 핵심어를 검출해야 한다. 이 때, 핵심어에 대한 신뢰도 계산을 정확히 할수록 핵심어 검출 성능은 증가한다.
인간의 언어는 특정 형식 또는 특정 음소에 완벽하게 일치하는 것이 아니며, 자연어를 기반으로 하므로, 인식된 음성에서 핵심어를 검출하는 것이 중요하다.
일본 공개 특허 평7-056594는 특징 추출부를 이용하여 입력된 음성에 대한 다차원 이산 특징 벡터를 생성하고, 추출된 벡터를 이용하여 음소 식별 스코어로 변환하고, 인식하려는 각 단어의 기준 패턴을 기억한 음소라벨을 갖는 사전과 동적 프로그래밍 기술을 이용하여 사전에 기억된 기준 패턴과 비교하여 최대의 매칭 스코어를 얻는 음성 인식 장치를 개시하고 있다.
그러나, 이는 패턴의 시간 축상의 변화까지 반영하여 스코어를 얻지 못하므로 보다 정확한 신뢰도를 산출할 수 없다. 따라서, 입력된 음성 신호에 대한 시간 축상의 변화까지 반영하여 신뢰도를 산출할 수 있는 방법의 등장이 요구된다.
본 발명은 우도비(Likelihood ratio)에 의한 스코어 및 가우시안 분포의 궤적을 이용한 스코어를 이용하여 음성 인식 결과에 대한 신뢰 여부의 판단 기준을 설정하고, 설정된 판단 기준에 따라 입력된 음성을 인식하고 신뢰 여부를 판단하는데 그 목적이 있다.
또한, 본 발명은 설정된 판단 기준이 사용자에 의하여 가변적으로 적용될 수 있도록 하는데 그 목적이 있다.
본 발명의 목적들은 이상에서 언급한 목적들로 제한되지 않으며, 언급되지 않은 또 다른 목적들은 아래의 기재로부터 당업자에게 명확하게 이해되어질 수 있을 것이다.
상기 목적을 달성하기 위하여, 본 발명의 실시예에 따른 복수의 신뢰도 측정 알고리즘을 이용한 음성 인식 장치는 음성 신호의 프레임별 특징 벡터(Feature Vector)에 대한 키워드 모델(Keyword Model)의 우도(Likelihood)와 필러 모델(Filler Model)의 우도간의 비율을 이용하여 제 1 신뢰도를 산출하는 제 1 신뢰도 산출부와, 상기 음성 신호의 프레임별 상기 키워드 모델의 가우시안 분포의 궤적과 상기 키워드 모델에 대응되어 저장된 키워드의 가우시안 분포 궤적 표본을 비교하여 제 2 신뢰도를 산출하는 제 2 신뢰도 산출부 및 소정의 신뢰도 좌표 상에서 상기 제 1 신뢰도 및 상기 제 2 신뢰도에 의해 결정된 지점의 위치에 따라 상기 키워드 모델에 의하여 산출된 결과의 신뢰 여부를 판단하는 판단부를 포함한다.
본 발명의 실시예에 따른 복수의 신뢰도 측정 알고리즘을 이용한 음성 인식 방법은 음성 신호의 프레임별 특징 벡터에 대한 키워드 모델의 우도와 필러 모델의 우도간의 비율을 이용하여 제 1 신뢰도를 산출하는 단계와, 상기 음성 신호의 프레 임별 상기 키워드 모델의 가우시안 분포의 궤적과 상기 키워드 모델에 대응되어 저장된 키워드의 가우시안 분포 궤적 표본을 비교하여 제 2 신뢰도를 산출하는 단계 및 소정의 신뢰도 좌표 상에서 상기 제 1 신뢰도 및 상기 제 2 신뢰도에 의해 결정된 지점의 위치에 따라 상기 키워드 모델에 의하여 산출된 결과의 신뢰 여부를 판단하는 단계를 포함한다.
기타 실시예들의 구체적인 사항들은 상세한 설명 및 도면들에 포함되어 있다.
본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시예들을 참조하면 명확해질 것이다. 그러나 본 발명은 이하에서 개시되는 실시예들에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 수 있으며, 단지 본 실시예들은 본 발명의 개시가 완전하도록 하고, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 발명은 청구항의 범주에 의해 정의될 뿐이다. 명세서 전체에 걸쳐 동일 참조 부호는 동일 구성 요소를 지칭한다.
설명에 앞서 본 명세서에서 사용되는 용어의 의미를 간략히 설명한다. 그러나, 용어의 설명은 본 명세서의 이해를 돕기 위한 것으로서 명시적으로 본 발명을 한정하는 사항으로 기재하지 않은 경우에 본 발명의 기술적 사상을 한정하는 의미로 사용하는 것이 아님을 주의해야 한다.
- 귀무 가설(null hypothesis)과 대립 가설(alternative hypothesis)
귀무 가설은 확신할만한 강한 반증이 없다면 받아들이게 되는 가설을 의미한 다. 반면 대립 가설은 귀무 가설을 반증할만한 강한 증거가 있는 경우에 받아들이게 되는 가설이다. 귀무 가설과 대립 가설은 서로 상반된다. 이하, 본 명세서에서는 귀무 가설을 H0, 대립 가설을 H1으로 표현한다.
- 필러 모델(Filler Model)
비핵심어를 찾기 위한 모델이다. 비핵심어 각각을 모델링하거나 비핵심어 전체를 모델링하는 방법이 존재한다. 필러 모델에 대해 측정한 우도(Likelihood)의 가중치를 두어 필러 모델에 해당하는지 여부를 알 수 있다.
필러 모델과 키워드 모델(핵심어 모델, Keyword Model)에 대한 우도의 결과에 따라 음성 인식된 단어가 핵심어인지 여부를 판별할 수 있다.
- 은닉 마르코프 모델(Hidden Markov Model)
음성 인식을 위해 가장 널리 사용되는 방법이다. 음성 신호는 마르코프 모델에 의하여 발생하였다고 가정하고, 학습 단계에서 모델의 파라미터를 추정한 후, 인식기에서는 추정된 파라미터를 이용하여 미지의 입력 음성에 가장 적합한 모델을 찾아낸다. 인식에 사용되는 모델은 음소 또는 단어 자체가 될 수 있다. 마르코프 모델은 매 시간마다 상태를 바꾸는 유한 상태 기계(FSM, Finite State Machine)이다. 이하, 은닉 마르코프 모델을 HMM이라 한다.
- 우도(Likelihood)
우도는 인식한 프레임 또는 워드, 서브워드가 키워드 모델 또는 필러 모델에 어느 정도 근접하는지에 대한 확률을 나타낸다. 예를 들어, 키워드 모델에 속해 있 는 특정 단어에 근접하는 정도에 대한 확률이 해당 키워드 모델에 대한 우도가 될 수 있다. 또한, 키워드 모델의 특정 단어가 서브워드로 구성된 경우, 이 서브워드 각각에 대해 우도를 구한 뒤 키워드 모델, 필러 모델의 우도를 계산할 수 있다. 그리고, 서브워드를 상태 또는 프레임으로 더욱 상세하게 나누어서 상태 또는 프레임에 따라 각각 우도를 계산하여 이를 취합한 결과를 통해 인식된 음성의 우도를 계산할 수 있다. 본 명세서에서는 서브워드를 구성하는 세부 정보들인 프레임 또는 상태를 바탕으로 우도를 계산한다. 필러 모델의 경우에도, 필러 모델을 구성하는 여러 프레임 또는 여러 상태 정보를 바탕으로 우도를 구할 수 있다.
본 실시예에서 사용되는 '~부'라는 용어, 즉 '~모듈' 또는 '~테이블' 등은 소프트웨어, FPGA 또는 ASIC과 같은 하드웨어 구성요소를 의미하며, 모듈은 어떤 기능들을 수행한다. 그렇지만 모듈은 소프트웨어 또는 하드웨어에 한정되는 의미는 아니다. 모듈은 어드레싱할 수 있는 저장 매체에 있도록 구성될 수도 있고 하나 또는 그 이상의 프로세서들을 재생시키도록 구성될 수도 있다. 따라서, 일 예로서 모듈은 소프트웨어 구성요소들, 객체 지향 소프트웨어 구성요소들, 클래스 구성요소들 및 태스크 구성요소들과 같은 구성요소들과, 프로세서들, 함수들, 속성들, 프로시저들, 서브루틴들, 프로그램 코드의 세그먼트들, 드라이버들, 펌웨어, 마이크로 코드, 회로, 데이터, 데이터베이스, 데이터 구조들, 테이블들, 어레이들 및 변수들을 포함한다. 구성요소들과 모듈들 안에서 제공되는 기능은 더 작은 수의 구성요소들 및 모듈들로 결합되거나 추가적인 구성요소들과 모듈들로 더 분리될 수 있다. 뿐만 아니라, 구성요소들 및 모듈들은 디바이스 또는 보안 멀티미디어카드 내의 하 나 또는 그 이상의 CPU들을 재생시키도록 구현될 수도 있다.
이하, 첨부된 도면을 참조하여 본 발명의 바람직한 실시예를 상세히 설명하기로 한다.
도 1은 본 발명의 실시예에 따른 복수의 신뢰도 측정 알고리즘을 이용한 음성 인식 장치를 나타낸 도면으로서, 복수의 신뢰도 측정 알고리즘을 이용한 음성 인식 장치(이하, 음성 인식 장치라 한다)(100)는 음성 수신부(110), 특징 벡터 추출부(120), 필러 모델부(130), 키워드 모델부(140), 제 1 신뢰도 산출부(150), 제 2 신뢰도 산출부(160), 제어부(170), 기준 함수 생성부(180) 및 판단부(190)를 포함하여 구성된다.
음성 인식 장치는 우도비와 가우시안 분포의 궤적을 이용하여 입력된 음성 신호에 대한 키워드 모델 결과의 신뢰도를 측정한다.
음성 수신부(110)는 음성 신호를 수신하는 역할을 한다. 즉, 음향 에너지를 전기 에너지로 변환시키는 역할을 하는 것으로서, 일반적으로 마이크로폰(microphone)이 음성 수신부(110)의 역할을 수행할 수 있다.
따라서, 음성 수신부(110)는 음압을 이용하여 전기 저항을 변화시키는 전기 저항 변화형, 피에조 효과에 따라 음압을 이용하여 전압을 변화시키는 압전형, 얇은 금속박의 진동에 따라 전압이 발생하고 이에 따라 자기를 변화시키는 자기 변화형, 원통형 자석의 둘레에 가동 코일을 놓고 이 코일을 진동판으로 동작시켜 코일에 발생하는 전류를 이용한 다이나믹형 및 금속박으로 만든 진동판을 고정 전극과 마주시켜 콘덴서를 형성하고, 소리에 의해 진동판이 움직이면서 콘덴서의 용량을 변화시키는 정전 용량형 방식 중 적어도 하나의 방식을 통하여 음성 신호를 전기 에너지로 변환할 수 있다. 전기 에너지로 변환된 음성 신호는 특징 벡터 추출부(120)로 전달된다.
특징 벡터 추출부(120)는 음성 신호의 주파수 특성을 프레임별로 계산하여 음성 신호에 포함된 특징 벡터를 추출하는 역할을 한다. 이를 위하여, 특징 벡터 추출부(120)에는 아날로그 음성 신호를 디지털로 변환하는 아날로그-디지털 변환 수단이 구비되어 있을 수 있는데, 디지털로 변환된 음성 신호는 약 10ms의 간격을 두고 분절될 수 있다.
그리고, 특징 벡터 추출부(120)는 분절된 음성 신호의 특징을 추출하는데 예를 들어, 선형 예측 부호화(LPC; Linear Predictive Coding), 선형 예측 부호화에 의한 켑스트럼(LPC derived Cepstrum), 인지 성형 예측(PLP; Perceptive Linear Prediction), 청각 모델(Audio Model) 특징 추출, 멜 주파수 켑스트럼 계수(MFCC; Mel-Frequency Cepstrum Coefficients) 특징 추출 방식 및 필터 뱅크(Filter Bank) 중 적어도 하나를 이용하여 분절된 음성 신호의 특징을 추출할 수 있다. 추출된 특징 벡터는 필러 모델부(130) 및 키워드 모델부(140)로 전달된다.
키워드 모델부(140)는 추출된 특징 벡터를 저장된 키워드와 비교하여 키워드에 가까운 정도인 우도를 산출한다. 필러 모델부(130) 역시 추출된 특징 벡터의 우도를 산출한다.
필러 모델부(130)는 다양한 필러 네트워크(Filler Network)를 통해 점수(Score)를 줄 수 있는데, 필러 네트워크에는 하나의 음소로만 판단하는 모노폰 필 러 네트워크(Monophone Filler Network), 판단하고자 하는 음소 이전에 존재하는 음소와의 관계 또는 이후에 따라오는 음소와의 관계를 고려하는 바이폰 필러 네트워크(Biphone Filler Network), 그리고 전후 음소를 모두 고려하는 트라이폰 필러 네트워크(Triphone Filler Network)가 있다.
제 1 신뢰도 산출부(150)는 입력된 음성 신호의 프레임별 특징 벡터에 대한 키워드 모델의 우도와 필러 모델의 우도간의 비율을 이용하여 신뢰도(이하, 제 1 신뢰도라 한다)를 산출하는 역할을 한다.
우도비는 p(xk|H0)와 p(xk|H1)의 비율을 의미한다. p(xk|H0)는 인식한 음성의 k번째 프레임 특징 벡터인 xk의 키워드 모델에 대한 우도이며, p(xk|H1)는 인식한 음성의 k번째 프레임 특징 벡터인 xk의 필러 모델에 대한 우도이다. 그 결과는 우도비 또는 제 1 신뢰도가 된다.
여기서, 제 1 신뢰도는 입력된 음성 신호가 키워드 모델에 포함된 음성 신호와 유사한지를 나타내는 수치로서, 키워드 모델의 우도와 필러 모델의 우도간의 비율인 우도비가 제 1 신뢰도일 수 있다.
제 2 신뢰도 산출부(160)는 입력된 음성 신호의 프레임별 키워드 모델의 가우시안 분포의 궤적과 키워드 모델에 대응되어 저장된 키워드의 가우시안 분포 궤적 표본을 비교하여 신뢰도(이하, 제 2 신뢰도라 한다)를 산출하는 역할을 한다.
한편, 키워드 모델은 키워드 모델부(140)에 포함된 비터비 디코더(Viterbi Decoder)에 의하여 추출될 수 있다.
산출된 제 1 신뢰도 및 제 2 신뢰도는 제어부(170)로 전달되고, 제어부(170)는 전달 받은 신뢰도가 기준 함수 생성을 위한 것인지 음성 인식을 위한 것인지 확인하는 역할을 한다. 그리하여, 확인 결과 기준 함수 생성을 위한 것이면 전달 받은 신뢰도를 기준 함수 생성부(180)로 전달하고, 전달 받은 신뢰도가 음성 인식을 위한 것이면 판단부(190)로 전달한다.
또한, 제어부(170)는 음성 수신부(110), 특징 벡터 추출부(120), 필러 모델부(130), 키워드 모델부(140), 제 1 신뢰도 산출부(150), 제 2 신뢰도 산출부(160), 기준 함수 생성부(180), 판단부(190) 및 음성 인식 장치(100)의 전반적인 제어를 수행한다.
기준 함수 생성부(180)는 소정의 신뢰도 좌표 상에서 제 1 신뢰도 및 제 2 신뢰도에 의해 결정된 지점의 위치에 따라 입력된 음성 신호가 키워드 데이터베이스에 있는 단어인지 키워드 데이터베이스에 없는 단어인지 판단 기준이 되는 경계를 생성한다.
여기서, 신뢰도 좌표는 제 1 신뢰도 축과 제 2 신뢰도 축에 의하여 형성된 2차원 좌표로서, 기준 함수 생성부(180)에 의해 생성된 경계를 기준으로 키워드 영역과 비키워드 영역으로 구분될 수 있다.
그리고, 경계는 함수로 표현될 수 있는데, 함수에 따라 직선 또는 곡선의 경계가 형성될 수 있고, 선형(Linear) 또는 비선형(Non-linear) 경계가 형성될 수도 있다.
판단부(190)는 신뢰도 좌표 상에서 제 1 신뢰도 및 제 2 신뢰도에 의해 결정 된 지점의 위치에 따라 입력된 음성 신호가 키워드 데이터베이스에 있는 단어인지 키워드 데이터베이스에 없는 단어인지를 판단하는 역할을 한다. 즉, 결정된 지점의 위치가 신뢰도 좌표 상에서 키워드 영역에 포함되어 있으면 판단부(190)는 인식된 단어가 키워드 데이터베이스에 있는 단어라고 판단하고, 결정된 지점의 위치가 신뢰도 좌표 상에서 비키워드 영역에 포함되어 있으면 판단부(190)는 인식된 단어가 키워드 데이터베이스에 있지 않다고 판단하는 것이다.
도 2는 본 발명의 실시예에 따른 키워드 모델부(140)와 필러 모델부(130)가 음성 신호를 인식하여 우도를 산출하는 과정을 나타낸 예시도이다.
'백승천'이라는 음성 신호가 입력되면 특징 벡터 추출부(120)는 음성 신호에서 프레임별로 특징 벡터를 추출한다. 추출된 특징 벡터는 키워드 모델부(140)와 필러 모델부(130)에 제공된다.
키워드 모델부(140)는 비터비 디코더(212)와 키워드 데이터베이스(211)를 포함한다. 비터비 디코더(212)는 추출된 특징을 키워드 데이터베이스(211)의 키워드와 매칭시킨 결과를 산출한다. 비터비 디코더(212)는 음성 인식에서 널리 쓰이는 것으로서 특징 벡터와 키워드 모델과 매칭시키는 작업을 수행한다. 그 결과(215) '백승권'이라는 키워드에 127점이라는 우도가 산출되었다.
한편, 필러 모델부(130)는 인식된 음성에서 노이즈 또는 비핵심어를 걸러내기 위해 노이즈 또는 비핵심어의 우도를 산출한다. 도 2의 실시예에서 필러 모델부(130)는 수신된 음성 신호를 음소별로 나누어 인식한다. 도 2의 필러 모델부(130)는 모노폰 필러 네트워크를 사용하며, 음성이 끝날 때까지 반복해서 사용하고 있 다. 이외에도 다양한 필러 네트워크를 사용할 수 있음은 전술한 바와 같다. 필러 모델부(130)에서 인식한 결과(225), 150점이라는 우도가 산출되었다.
프레임은 하나의 상태(state)를 의미할 수 있다. 여기서, 상태는 HMM과 같이 유한 상태 기계에서의 상태를 의미한다. 프레임과 상태는 일대일로 구성될 수 있으며, 하나의 상태를 다수의 프레임으로 구성할 수 있다. 하나의 프레임이 하나의 상태를 나타내거나, 상태의 일부분을 나타낼 수도 있다.
키워드 모델부(140)와 필러 모델부(130)에서 산출된 결과(215, 225)는 전체 프레임을 합산한 결과이다. 그런데, 이들 합산 과정에서 프레임별로 인식에 기여하는 방법이 다를 수 있다. 따라서, 키워드 모델부(140) 및 필러 모델부(130)의 결과를 생성하기 전에 프레임별 점수를 변환시켜 합산하는 것이 필요하다. 프레임별 산출 과정 및 제 1 신뢰도 산출부(150)의 작업 수행을 살펴보면 도 3과 같다.
도 3은 본 발명의 실시예에 따른 제 1 신뢰도 산출부(150)에서 프레임별로 제 1 신뢰도 즉, 우도비(320)가 산출되는 과정을 나타낸 예시도이다.
인식한 음성에 대한 특징 벡터를 프레임별로 구성한 것이 310이다. xk는 k번째 프레임의 특징 벡터를 나타낸다. 특징 벡터 하나하나에 대해 키워드 모델부(140)와 필러 모델부(130)를 통해 각각의 우도가 산출된다.
키워드 모델부(140)를 통해 산출된 우도는 p(xk|H0)이며, 필러 모델부(130)를 통해 산출된 우도는 p(xk|H1)이다. H0는 정확히 인식되었고 키워드 모델에 존재하는 것을 의미하며, H1는 키워드 모델에 없는, 필러 모델에 해당됨을 의미한다. 두 개의 우도의 비(320)는 제 1 신뢰도로서 제 2 신뢰도와 함께 판단부(190)로 전달되어 키워드 데이터베이스에 있는 단어인지 키워드 데이터베이스에 없는 단어인지 판단하는데 사용된다.
도 4는 본 발명의 실시예에 따른 제 2 신뢰도 산출부(160)에서 단어별로 제 2 신뢰도가 산출되는 과정을 나타낸 예시도이다.
제 2 신뢰도 산출부(160)는 입력된 음성 신호의 프레임별 키워드 모델의 가우시안 분포의 궤적(410)과 키워드 데이터베이스(211)에 키워드 모델에 대응되어 저장된 키워드의 가우시안 분포 궤적 표본을 비교하여 제 2 신뢰도(420)를 산출한다. 여기서, 키워드별 가우시안 분포 궤적 표본은 키워드 데이터베이스(211)에 포함된 키워드들의 것이고 단어별로 그룹화되어 저장될 수 있다.
도 5는 본 발명의 실시예에 따른 입력된 음성 신호의 프레임별 가우시안 분포 궤적과 해당 키워드의 가우시안 분포 궤적 표본간의 대응관계를 나타낸 예시도이다.
동적 프로그래밍에 따라 입력된 음성 신호의 프레임별 가우시안 분포 궤적과 해당 키워드의 가우시안 분포 궤적 표본과의 대응 여부가 결정되고, 결정된 대응 관계(510)에 따른 그래프(520)가 생성될 수 있다.
이에 따라, 제 2 신뢰도 산출부(160)는 제 2 신뢰도(420)를 산출할 수 있다. 즉, 그래프 상에서 대응하는 프레임별 궤적의 유사도에 따라 제 2 신뢰도(420)를 산출하는 것으로서 예를 들어, 대응하는 프레임간 궤적의 유사도가 높으면 높은 수치의 제 2 신뢰도(420)가 산출되고, 대응하는 프레임간 궤적의 유사도가 낮으면 낮 은 수치의 제 2 신뢰도(420)가 산출되는 것이다.
이 때, 제 2 신뢰도 산출부(160)는 대응되는 프레임별 가우시안 분포 궤적의 유사도 생성 시에 동일 가우시안 분포가 나오는 순서에 따라 가중치를 부여할 수 있다.
도 6은 본 발명의 실시예에 따른 프레임간 가우시안 분포 궤적의 유사도 생성 시에 동일 가우시안 분포가 나오는 순서에 따라 가중치가 부여되는 것을 나타낸 예시도이다.
입력된 음성 신호의 프레임에 해당하는 HMM 상태와 가우시안 분포 궤적 표본의 HMM 상태는 서로 동일함에도 불구하고, 각 HMM 상태를 구성하는 혼합 파형 확률 분포의 순서는 서로 다를 수 있다. 따라서, 제 2 신뢰도 산출부(160)는 상호 길이가 다른 벡터를 비교하는 알고리즘인 동적 프로그래밍을 이용하여 입력된 음성 신호의 프레임별 가우시안 분포 궤적과 단어별 저장된 가우시안 분포 궤적 표본을 비교한다.
HMM 상태 이름(611, 621)은 서브워드 및 일련 번호를 포함하여 구성되는데, 일련 번호는 HMM 상태의 순서를 나타낸다. 즉, 하나의 서브워드는 하나 또는 복수 개의 HMM 상태로 구성될 수 있는데, 도 6은 3개의 HMM 상태로 구성된 서브워드를 나타내고 있으며 이에 따라, 일련 번호는 0, 1 또는 2의 값이 부여된다.
혼합 파형 확률 분포의 순서(612, 622)는 혼합된 파형의 가우스 분포의 순서로서, 도 6의 각 HMM 상태는 8개 파형의 가우스 분포를 갖는다.
제 2 신뢰도 산출부(160)는 입력된 음성 신호의 프레임별 키워드 모델의 가 우시안 분포의 궤적과 키워드 모델에 대응되어 저장된 키워드의 가우시안 분포 궤적 표본을 비교함에 있어서, 그 배치를 이용하여 가중치(690)를 부여한다. 즉, 서브워드, 일련 번호 및 혼합 파형 확률 분포의 배치 순서에 따라 가중치(690)가 부여되는 것이다.
예를 들어, 입력된 음성 신호 프레임(610) 중 첫 번째 프레임(650)이 저장된 키워드 프레임(620) 중 첫 번째 프레임(660)과 비교되는 경우, 두 개의 프레임(650, 660)은 서브워드(651, 661) 및 일련 번호(652, 662)가 같은 반면, 입력된 음성 신호 프레임(610) 중 첫 번째 프레임(650)의 최초 파형 확률 분포(653)와 저장된 키워드 프레임(620) 중 첫 번째 프레임(660)의 두 번째 파형 확률 분포(663)가 동일하므로 즉, 그 배치가 상이하므로 가중치(690)가 부여된다.
또한, 서브워드가 다르거나 일련 번호가 다른 경우에도 가중치(690)가 부여될 수 있는데, 가중치(690)의 크기는 서브워드가 상이함에 따라 가장 크고, 혼합 파형 확률 분포의 배치 순서가 가장 작을 수 있다.
이와 같은 비교는 각각의 입력된 음성 신호 프레임을 저장된 모든 키워드 프레임에 대하여 수행될 수 있고, 동일한 서브워드를 갖는 프레임간에만 수행될 수도 있으며, 동일한 서브워드 및 동일한 일련 번호를 갖는 프레임간에만 수행될 수도 있다.
도 7은 본 발명의 실시예에 따른 신뢰도 좌표를 나타낸 예시도로서, 제 1 신뢰도 및 제 2 신뢰도(420)에 의해 결정된 지점의 위치가 입력된 음성 신호의 프레임별 키워드 모델의 가우시안 분포의 궤적과 키워드 모델에 대응되어 저장된 키워 드의 가우시안 분포 궤적 표본간의 신뢰 여부에 따라 서로 다른 기호로 표시된 것을 나타낸다.
도 7에서 가로축은 제 1 신뢰도축이고 세로축은 제 2 신뢰도축을 나타내며, 기준 함수 생성부(180)에 의해 생성된 경계(700)가 표시된 것을 나타낸다. 여기서, 경계(700)는 유사 여부에 따른 기호의 그룹을 적절하게 분할할 수 있도록 기준 함수 생성부(180)에 의해 생성되는데, 이는 사용자에 의하여 조절될 수 있다.
또한, 도 7은 직선 형태의 경계를 나타내고 있으나 전술한 바와 같이, 곡선 형태의 경계뿐만 아니라 선형 또는 비선형의 경계가 입력된 음성 신호의 프레임별 키워드 모델의 가우시안 분포의 궤적과 키워드 모델에 대응되어 저장된 키워드의 가우시안 분포 궤적 표본간의 신뢰 여부에 대한 판단 기준이 되어 키워드 영역(710) 및 비키워드 영역(720)을 형성한다.
기준 함수 생성부(180)는 경계(700)를 생성함에 있어서, 입력된 음성 신호에 따라 경계(700)의 위치 또는 형태를 갱신할 수 있다.
본 명세서에서 제시한 방법으로 수행한 실험의 결과는 다음과 같다. 음성 인식 자료를 구축하기 위하여 100명(남녀, 각 50명)의 음성을 인식하였으며, 2만 명령어(utterance)로 구성된 데이터베이스를 구축하였다. 특징을 추출하기 위한 프레임의 길이는 30ms로 하였으며 프레임간에 겹치는 길이는 20ms로 하였다. 또한, 특징을 추출하기 위하여 MFCC를 사용하였다. 실제 사용한 특징 벡터의 계수는 MFCC의 13개의 켑스트럼과 13개의 델타 켑스트럼(Δ cepstrum)과 13개의 델타 델타 켑스트럼(ΔΔ cepstrum)으로 구성된다. 이는 일 실시예이며 이외에도 LPC 켑스트럼, PLP 켑스트럼, 필터 뱅크 등을 사용할 수도 있다.
MFCC를 구하는 방법은 음성 신호는 안티 에일리어싱 필터(anti-aliasing filter)를 거친 다음, A/D(Analog/Digital) 변환을 거쳐서 디지털 신호 x(n)로 변환된다. 디지털 음성 신호는 고대역 통과 특성을 갖는 디지털 프리엠퍼시스 필터를 거친다. 이 필터를 사용하는 이유는 첫째, 인간의 외이/중이의 주파수 특성을 모델링하기 위하여 고대역 필터링을 한다. 이는 입술에서의 방사에 의하여 20 dB/decade로 감쇄되는 것을 보상하게 되어 음성으로부터 성도 특성만을 얻게 된다. 둘째, 청각 시스템이 1kHz이상의 스펙트럼 영역에 대하여 민감하다는 사실을 어느 정도 보상하게 된다. PLP 특징 추출에서는 인간 청각 기관의 주파수 특성인 라우드니스 곡선(equal-loudness curve, 등감 곡선)을 직접 모델링에 사용한다. 프리엠퍼시스 필터의 특성 H(z)는 다음과 같으며, a는 0.95~0.98 범위의 값을 사용한다.
H(z) = 1 - az-1
프리엠퍼시스된 신호는 해밍 윈도우를 씌워서 블록 단위의 프레임으로 나누어진다. 이후부터의 처리는 모두 프레임 단위로 이루어진다. 프레임의 크기는 보통 20~30ms이며 프레임 이동은 10ms가 흔히 사용된다. 한 프레임의 음성 신호는 FFT(Fast Fourier Transform)를 이용하여 주파수 영역으로 변환된다. FFT 이외에도 DFT(Discrete Fourier Transform)와 같은 변환 방식을 적용할 수도 있다. 주파수 대역을 여러 개의 필터 뱅크로 나누고 각 뱅크에서의 에너지를 구한다. 밴드 에너지에 로그를 취한 후 DCT(Discrete Cosine Transform)를 수행하면 최종적인 MFCC가 얻어진다. 필터 뱅크의 모양 및 중심 주파수의 설정 방법은 귀의 청각적 특성(달팽이관에서의 주파수 특성)을 고려하여 결정된다.
MFCC 계수는 c1~c12까지의 12개를 사용하며 이와는 별도로 구한 프레임 로그 에너지가 추가적으로 사용되어 음성 인식의 입력으로 사용되는 특징 벡터는 13차 벡터가 된다.
LPC(Linear Prediction Coefficients)는 음성 샘플들을 과거의 음성 샘플들의 조합으로 나타내는 것이다. 그리고, 원래의 음성 샘플과 조합한 음성 샘플이 일치할 수 있도록 예측 오차(Prediction Error)를 구한 것을 LPC 또는 LPC 계수라 한다.
켑스트럼(Cepstrum, 또는 셉스트럼)은 LPC, FFT 등을 통해 특징 벡터를 추출한 후에 log 스케일을 취한다. log 스케일을 통해 적은 차이가 나는 계수들은 상대적으로 큰 값을 가지고, 큰 차이가 나는 계수들은 상대적으로 작은 값을 가지게 되는 균등한 분포의 형태를 만들어 주는데, 이를 통해 얻은 결과가 켑스트럼 계수이다. 따라서, LPC 켑스트럼 방식은 특징 추출 시 LPC 계수를 이용한 후에 켑스트럼을 통해 계수들을 균등한 분포의 형태로 만든 것이다.
PLP 켑스트럼을 구하는 방법은 다음과 같다. PLP 분석에서는 주파수 영역에서 인간의 청각적 특성을 이용하여 필터링 한 다음 이를 자기상관 계수로 변환한 다음 다시 켑스트럼 계수로 변환한다. 특징 벡터의 시간적 변화에 민감하다는 청각 특성을 이용할 수 있다.
필터 뱅크는 선형 필터를 이용하여 시간 영역에서 구현되기도 하나, 일반적 으로는 음성신호를 FFT한 다음 각 밴드에 해당하는 계수의 규모(magnitude)에 가중치를 적용하여 합하는 방법으로 구현된다.
키워드 모델은 8개의 혼합 파형 확률 분포와 3~5개의 상태(state)를 가지며, 서브워드는 304개를 가지고 있다. 모노폰(monophone)은 46개이며, 바이폰(biphone)은 258개이다. 한편, 필러 모델은 8개의 혼합 파형 확률 분포와 3~5개의 상태를 가지며, 서브워드의 개수는 모노폰(monophone)으로 46개를 가지고 있다.
구축된 음성 인식 모델의 성능을 테스트하기 위해 테스트 스펙으로 20명(남녀10명)이 명령어와 이름, 지명 등을 발설하게 하였다. 이 때, 키워드 데이터베이스(211)에 950 단어, 기준 함수 학습을 위하여 키워드 모델에 포함되는 467 단어, 키워드 모델에 포함되지 않는 496 단어를 사용하였으며, 테스트를 위하여 키워드 모델에 포함되는 478 단어, 키워드 모델에 포함되지 않는 537단어를 사용하였다.
테스트에 대한 성능 평가는 EER(Equal Error Rate)을 사용하였다. EER은 신뢰도에 의한 지점의 위치가 신뢰도 좌표 상에서 비키워드 영역(720)에 포함됨에도 불구하고 키워드 영역(710)으로 잘못 인식한 비율(FAR; False Alarm Rate)과 키워드 영역(710)에 포함됨에도 불구하고 비키워드 영역(720)으로 잘못 인식한 비율(FRR; False Rejection Rate)이 동일한 경우를 나타낸다.
도 8은 본 발명의 실시예에 따른 성능의 향상을 보여주는 그래프이다.
본 실험은 두 개의 서브워드를 제 1 그룹 및 제 2 그룹으로 분류하여, 최초 실험(810)에서는 제 1 그룹을 입력된 음성 신호로 제 2 그룹을 저장된 키워드로 설정하였고, 두 번째 실험(820)에서는 제 1 그룹을 저장된 키워드로 제 2 그룹을 입 력된 음성 신호로 설정하였다.
종래의 방식으로 입력된 음성 신호에 대한 음성 인식을 수행하였을 때 FAR과 FRR이 동일한 EER은 최초 실험(810)에서 5.29%(811)이지만, 본 명세서에서 제안한 방식을 사용할 경우 EER은 2.39%(812)로 오차 발생률이 54.8% 감소한 것을 알 수 있고, 두 번째 실험(820)에서 EER은 4.86%(821)이지만, 본 명세서에서 제안한 방식을 사용할 경우 EER은 2.45%(822)로 오차 발생률이 49.6% 감소한 것을 알 수 있다.
이상 첨부된 도면을 참조하여 본 발명의 실시예를 설명하였지만, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자는 본 발명이 그 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 실시될 수 있다는 것을 이해할 수 있을 것이다. 그러므로 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며 한정적이 아닌 것으로 이해해야만 한다.
상기한 바와 같은 본 발명의 복수의 신뢰도 측정 알고리즘을 이용한 음성 인식 장치 및 방법에 따르면 다음과 같은 효과가 하나 혹은 그 이상 있다.
첫째, 복수의 신뢰도 측정 알고리즘을 이용하여 음성 인식 결과에 대한 신뢰 여부의 판단 기준을 설정하고, 설정된 판단 기준에 따라 입력된 음성을 인식하고 신뢰 여부를 판단하는 알고리즘을 가지므로, 하나의 신뢰도 측정 알고리즘을 이용한 경우보다 높은 신뢰도를 제공하는 장점이 있다.
둘째, 설정된 판단 기준이 가변적으로 적용될 수 있도록 함으로써 사용자로 하여금 음성 인식의 신뢰 효율을 조절할 수 있게 하는 장점도 있다.

Claims (16)

  1. 음성 신호의 프레임별 특징 벡터(Feature Vector)에 대한 키워드 모델(Keyword Model)의 우도(Likelihood)와 필러 모델(Filler Model)의 우도간의 비율을 이용하여 제 1 신뢰도를 산출하는 제 1 신뢰도 산출부;
    상기 음성 신호의 프레임별 상기 키워드 모델의 가우시안 분포의 궤적과 상기 키워드 모델에 대응되어 저장된 키워드의 가우시안 분포 궤적 표본을 비교하여 제 2 신뢰도를 산출하는 제 2 신뢰도 산출부; 및
    소정의 신뢰도 좌표 상에서 상기 제 1 신뢰도 및 상기 제 2 신뢰도에 의해 결정된 지점의 위치에 따라 상기 키워드 모델에 의하여 산출된 결과의 신뢰 여부를 판단하는 판단부를 포함하는 복수의 신뢰도 측정 알고리즘을 이용한 음성 인식 장치.
  2. 제 1항에 있어서,
    상기 프레임은 적어도 하나 이상의 은닉 마르코프 모델 상태(Hidden Markov Model State)를 포함하는 복수의 신뢰도 측정 알고리즘을 이용한 음성 인식 장치.
  3. 제 1항에 있어서,
    상기 특징 벡터를 추출하는 특징 벡터 추출부를 더 포함하는 복수의 신뢰도 측정 알고리즘을 이용한 음성 인식 장치.
  4. 제 3항에 있어서,
    상기 특징 벡터 추출부는 선형 예측 부호화(Linear Predictive Coding), 선형 예측 부호화에 의한 켑스트럼(LPC derived Cepstrum), 인지 성형 예측(Perceptive Linear Prediction), 청각 모델(Audio Mode) 특징 추출, 멜 주파수 켑스트럼 계수(Mel-Frequency Cepstrum Coefficients) 특징 추출 방식 및 필터 뱅크(Filter Bank) 중 적어도 하나를 이용하여 상기 특징 벡터를 추출하는 복수의 신뢰도 측정 알고리즘을 이용한 음성 인식 장치.
  5. 제 1항에 있어서,
    상기 키워드 모델은 비터비 디코더(Viterbi Decoder)를 이용하여 추출되는 복수의 신뢰도 측정 알고리즘을 이용한 음성 인식 장치.
  6. 제 1항에 있어서,
    상기 제 2 신뢰도 산출부는 동적 프로그래밍(Dynamic Programming)을 이용하여 상기 제 2 신뢰도를 산출하는 복수의 신뢰도 측정 알고리즘을 이용한 음성 인식 장치.
  7. 제 1항에 있어서,
    상기 제 2 신뢰도 산출부는 상기 가우시안 분포의 궤적과 상기 가우시안 분 포 궤적 표본의 배치 순서에 따라 가중치를 주어 상기 제 2 신뢰도를 산출하는 복수의 신뢰도 측정 알고리즘을 이용한 음성 인식 장치.
  8. 제 1항에 있어서,
    상기 신뢰도 좌표 상에서 상기 지점의 위치에 따라 상기 유사 여부의 판단 기준이 되는 경계를 생성하는 기준 함수 생성부를 더 포함하는 복수의 신뢰도 측정 알고리즘을 이용한 음성 인식 장치.
  9. 음성 신호의 프레임별 특징 벡터에 대한 키워드 모델의 우도와 필러 모델의 우도간의 비율을 이용하여 제 1 신뢰도를 산출하는 단계;
    상기 음성 신호의 프레임별 상기 키워드 모델의 가우시안 분포의 궤적과 상기 키워드 모델에 대응되어 저장된 키워드의 가우시안 분포 궤적 표본을 비교하여 제 2 신뢰도를 산출하는 단계; 및
    소정의 신뢰도 좌표 상에서 상기 제 1 신뢰도 및 상기 제 2 신뢰도에 의해 결정된 지점의 위치에 따라 상기 키워드 모델에 의하여 산출된 결과의 신뢰 여부를 판단하는 단계를 포함하는 복수의 신뢰도 측정 알고리즘을 이용한 음성 인식 방법.
  10. 제 9항에 있어서,
    상기 프레임은 적어도 하나 이상의 은닉 마르코프 모델 상태를 포함하는 복수의 신뢰도 측정 알고리즘을 이용한 음성 인식 방법.
  11. 제 9항에 있어서,
    상기 특징 벡터를 추출하는 단계를 더 포함하는 복수의 신뢰도 측정 알고리즘을 이용한 음성 인식 방법.
  12. 제 11항에 있어서,
    상기 특징 벡터를 추출하는 단계는 선형 예측 부호화, 선형 예측 부호화에 의한 켑스트럼, 인지 성형 예측, 청각 모델 특징 추출, 멜 주파수 켑스트럼 계수 특징 추출 방식 및 필터 뱅크 중 적어도 하나를 이용하여 상기 특징 벡터를 추출하는 단계를 포함하는 복수의 신뢰도 측정 알고리즘을 이용한 음성 인식 방법.
  13. 제 9항에 있어서,
    상기 키워드 모델은 비터비 디코더를 이용하여 추출되는 복수의 신뢰도 측정 알고리즘을 이용한 음성 인식 방법.
  14. 제 11항에 있어서,
    상기 제 2 신뢰도를 산출하는 단계는 동적 프로그래밍을 이용하여 상기 제 2 신뢰도를 산출하는 단계를 포함하는 복수의 신뢰도 측정 알고리즘을 이용한 음성 인식 방법.
  15. 제 9항에 있어서,
    상기 제 2 신뢰도를 산출하는 단계는 상기 가우시안 분포의 궤적과 상기 가우시안 분포 궤적 표본의 배치 순서에 따라 가중치를 주어 상기 제 2 신뢰도를 산출하는 단계를 포함하는 복수의 신뢰도 측정 알고리즘을 이용한 음성 인식 방법.
  16. 제 9항에 있어서,
    상기 신뢰도 좌표 상에서 상기 지점의 위치에 따라 상기 유사 여부의 판단 기준이 되는 경계를 생성하는 단계를 더 포함하는 복수의 신뢰도 측정 알고리즘을 이용한 음성 인식 방법.
KR1020050123511A 2005-12-14 2005-12-14 복수의 신뢰도 측정 알고리즘을 이용한 음성 인식 장치 및방법 KR100679051B1 (ko)

Priority Applications (2)

Application Number Priority Date Filing Date Title
KR1020050123511A KR100679051B1 (ko) 2005-12-14 2005-12-14 복수의 신뢰도 측정 알고리즘을 이용한 음성 인식 장치 및방법
US11/517,369 US8543399B2 (en) 2005-12-14 2006-09-08 Apparatus and method for speech recognition using a plurality of confidence score estimation algorithms

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020050123511A KR100679051B1 (ko) 2005-12-14 2005-12-14 복수의 신뢰도 측정 알고리즘을 이용한 음성 인식 장치 및방법

Publications (1)

Publication Number Publication Date
KR100679051B1 true KR100679051B1 (ko) 2007-02-05

Family

ID=38105442

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020050123511A KR100679051B1 (ko) 2005-12-14 2005-12-14 복수의 신뢰도 측정 알고리즘을 이용한 음성 인식 장치 및방법

Country Status (2)

Country Link
US (1) US8543399B2 (ko)
KR (1) KR100679051B1 (ko)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100776730B1 (ko) 2006-08-29 2007-11-19 울산대학교 산학협력단 가우시안 믹스쳐 모델을 사용하는 비핵심어 모델링부를포함하는 화자독립 가변어휘 핵심어 검출 시스템 및 그방법
KR101195742B1 (ko) 2010-04-08 2012-11-01 에스케이플래닛 주식회사 키워드별 필러 모델을 구비하는 키워드 검출 시스템 및 키워드별 필러 모델 구현 방법
CN110827807A (zh) * 2019-11-29 2020-02-21 恒信东方文化股份有限公司 一种语音识别的方法及其系统

Families Citing this family (39)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7650628B2 (en) 2004-10-21 2010-01-19 Escription, Inc. Transcription data security
US20080120094A1 (en) * 2006-11-17 2008-05-22 Nokia Corporation Seamless automatic speech recognition transfer
US20120330664A1 (en) * 2011-06-24 2012-12-27 Xin Lei Method and apparatus for computing gaussian likelihoods
JP5799733B2 (ja) * 2011-10-12 2015-10-28 富士通株式会社 認識装置、認識プログラムおよび認識方法
EP2783365B1 (en) * 2011-11-21 2018-02-21 Robert Bosch GmbH Method and system for adapting grammars in hybrid speech recognition engines for enhancing local speech recognition performance
NZ700273A (en) * 2012-04-27 2016-10-28 Interactive Intelligence Inc Negative example (anti-word) based performance improvement for speech recognition
US10019983B2 (en) * 2012-08-30 2018-07-10 Aravind Ganapathiraju Method and system for predicting speech recognition performance using accuracy scores
US9311914B2 (en) * 2012-09-03 2016-04-12 Nice-Systems Ltd Method and apparatus for enhanced phonetic indexing and search
CN103971678B (zh) * 2013-01-29 2015-08-12 腾讯科技（深圳）有限公司 关键词检测方法和装置
CN103971685B (zh) * 2013-01-30 2015-06-10 腾讯科技（深圳）有限公司 语音命令识别方法和系统
US9390708B1 (en) * 2013-05-28 2016-07-12 Amazon Technologies, Inc. Low latency and memory efficient keywork spotting
US9508345B1 (en) 2013-09-24 2016-11-29 Knowles Electronics, Llc Continuous voice sensing
CN103578471B (zh) * 2013-10-18 2017-03-01 威盛电子股份有限公司 语音辨识方法及其电子装置
US9953634B1 (en) 2013-12-17 2018-04-24 Knowles Electronics, Llc Passive training for automatic speech recognition
CN103677729B (zh) * 2013-12-18 2017-02-08 北京搜狗科技发展有限公司 一种语音输入方法和系统
US9437188B1 (en) 2014-03-28 2016-09-06 Knowles Electronics, Llc Buffered reprocessing for multi-microphone automatic speech recognition assist
US9953632B2 (en) 2014-04-17 2018-04-24 Qualcomm Incorporated Keyword model generation for detecting user-defined keyword
CA2953619A1 (en) * 2014-06-05 2015-12-10 Interdev Technologies Inc. Systems and methods of interpreting speech data
US9674184B2 (en) 2014-08-13 2017-06-06 Qualcomm Incorporated Systems and methods to generate authorization data based on biometric data and non-biometric data
US9430628B2 (en) 2014-08-13 2016-08-30 Qualcomm Incorporated Access authorization based on synthetic biometric data and non-biometric data
US9570069B2 (en) * 2014-09-09 2017-02-14 Disney Enterprises, Inc. Sectioned memory networks for online word-spotting in continuous speech
CN105427861B (zh) * 2015-11-03 2019-02-15 胡旻波 智能家居协同麦克风语音控制的系统及其控制方法
CN108292314B (zh) * 2015-11-30 2021-12-07 索尼公司 信息处理装置、信息处理方法和程序
JP6690484B2 (ja) * 2016-09-15 2020-04-28 富士通株式会社 音声認識用コンピュータプログラム、音声認識装置及び音声認識方法
JP6611091B2 (ja) * 2017-05-11 2019-11-27 株式会社村田製作所 情報処理システム、情報処理装置、コンピュータプログラム、及び辞書データベースの更新方法
EP3655869A4 (en) 2017-07-20 2021-04-14 Nuance Communications, Inc. AUTOMATED CONTAINMENT SYSTEM AND PROCEDURE
CN107871499B (zh) * 2017-10-27 2020-06-16 珠海市杰理科技股份有限公司 语音识别方法、系统、计算机设备及计算机可读存储介质
US10847137B1 (en) * 2017-12-12 2020-11-24 Amazon Technologies, Inc. Trigger word detection using neural network waveform processing
US11676220B2 (en) 2018-04-20 2023-06-13 Meta Platforms, Inc. Processing multimodal user input for assistant systems
US11886473B2 (en) 2018-04-20 2024-01-30 Meta Platforms, Inc. Intent identification for agent matching by assistant systems
US11715042B1 (en) 2018-04-20 2023-08-01 Meta Platforms Technologies, Llc Interpretability of deep reinforcement learning models in assistant systems
US10782986B2 (en) 2018-04-20 2020-09-22 Facebook, Inc. Assisting users with personalized and contextual communication content
US11307880B2 (en) 2018-04-20 2022-04-19 Meta Platforms, Inc. Assisting users with personalized and contextual communication content
CN108806696B (zh) * 2018-05-08 2020-06-05 平安科技（深圳）有限公司 建立声纹模型的方法、装置、计算机设备和存储介质
US11308939B1 (en) * 2018-09-25 2022-04-19 Amazon Technologies, Inc. Wakeword detection using multi-word model
US11093474B2 (en) * 2018-11-15 2021-08-17 Bank Of America Corporation Computer architecture for emulating multi-dimensional string correlithm object dynamic time warping in a correlithm object processing system
CN110288981B (zh) * 2019-07-03 2020-11-06 百度在线网络技术（北京）有限公司 用于处理音频数据的方法和装置
JP7191792B2 (ja) * 2019-08-23 2022-12-19 株式会社東芝 情報処理装置、情報処理方法およびプログラム
CN110610707B (zh) * 2019-09-20 2022-04-22 科大讯飞股份有限公司 语音关键词识别方法、装置、电子设备和存储介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4896358A (en) 1987-03-17 1990-01-23 Itt Corporation Method and apparatus of rejecting false hypotheses in automatic speech recognizer systems
US5218668A (en) 1984-09-28 1993-06-08 Itt Corporation Keyword recognition system and method using template concantenation model
KR960011834A (ko) * 1994-09-08 1996-04-20 이헌조 음성인식 시스템의 중심어 인식방법 및 장치
JP2003308090A (ja) 2002-04-17 2003-10-31 Pioneer Electronic Corp 音声認識装置、音声認識方法および音声認識プログラム
KR20060092544A (ko) * 2005-02-18 2006-08-23 삼성전자주식회사 프레임의 신뢰도를 측정하여 음성을 인식하는 방법 및 장치

Family Cites Families (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5440662A (en) * 1992-12-11 1995-08-08 At&T Corp. Keyword/non-keyword classification in isolated word speech recognition
US5457770A (en) 1993-08-19 1995-10-10 Kabushiki Kaisha Meidensha Speaker independent speech recognition system and method using neural network and/or DP matching technique
JP3745403B2 (ja) * 1994-04-12 2006-02-15 ゼロックス コーポレイション オーディオデータセグメントのクラスタリング方法
US5710866A (en) * 1995-05-26 1998-01-20 Microsoft Corporation System and method for speech recognition using dynamically adjusted confidence measure
US6125345A (en) * 1997-09-19 2000-09-26 At&T Corporation Method and apparatus for discriminative utterance verification using multiple confidence measures
US5953701A (en) * 1998-01-22 1999-09-14 International Business Machines Corporation Speech recognition models combining gender-dependent and gender-independent phone states and using phonetic-context-dependence
JP4590692B2 (ja) * 2000-06-28 2010-12-01 パナソニック株式会社 音響モデル作成装置及びその方法
JP2003308091A (ja) * 2002-04-17 2003-10-31 Pioneer Electronic Corp 音声認識装置、音声認識方法および音声認識プログラム
US7295970B1 (en) * 2002-08-29 2007-11-13 At&T Corp Unsupervised speaker segmentation of multi-speaker speech data
US7228275B1 (en) * 2002-10-21 2007-06-05 Toyota Infotechnology Center Co., Ltd. Speech recognition system having multiple speech recognizers
US20040210437A1 (en) * 2003-04-15 2004-10-21 Aurilab, Llc Semi-discrete utterance recognizer for carefully articulated speech

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5218668A (en) 1984-09-28 1993-06-08 Itt Corporation Keyword recognition system and method using template concantenation model
US4896358A (en) 1987-03-17 1990-01-23 Itt Corporation Method and apparatus of rejecting false hypotheses in automatic speech recognizer systems
KR960011834A (ko) * 1994-09-08 1996-04-20 이헌조 음성인식 시스템의 중심어 인식방법 및 장치
JP2003308090A (ja) 2002-04-17 2003-10-31 Pioneer Electronic Corp 音声認識装置、音声認識方法および音声認識プログラム
KR20060092544A (ko) * 2005-02-18 2006-08-23 삼성전자주식회사 프레임의 신뢰도를 측정하여 음성을 인식하는 방법 및 장치

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
10-2006-92544

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100776730B1 (ko) 2006-08-29 2007-11-19 울산대학교 산학협력단 가우시안 믹스쳐 모델을 사용하는 비핵심어 모델링부를포함하는 화자독립 가변어휘 핵심어 검출 시스템 및 그방법
KR101195742B1 (ko) 2010-04-08 2012-11-01 에스케이플래닛 주식회사 키워드별 필러 모델을 구비하는 키워드 검출 시스템 및 키워드별 필러 모델 구현 방법
CN110827807A (zh) * 2019-11-29 2020-02-21 恒信东方文化股份有限公司 一种语音识别的方法及其系统
CN110827807B (zh) * 2019-11-29 2022-03-25 恒信东方文化股份有限公司 一种语音识别的方法及其系统

Also Published As

Publication number Publication date
US20070136058A1 (en) 2007-06-14
US8543399B2 (en) 2013-09-24

Similar Documents

Publication Publication Date Title
KR100679051B1 (ko) 복수의 신뢰도 측정 알고리즘을 이용한 음성 인식 장치 및방법
KR100631786B1 (ko) 프레임의 신뢰도를 측정하여 음성을 인식하는 방법 및 장치
Karpagavalli et al. A review on automatic speech recognition architecture and approaches
Ahmad et al. A unique approach in text independent speaker recognition using MFCC feature sets and probabilistic neural network
JP4218982B2 (ja) 音声処理
CN108877784B (zh) 一种基于口音识别的鲁棒语音识别方法
KR20100081587A (ko) 로봇의 소리 인식 장치 및 그 제어 방법
KR20010102549A (ko) 화자 인식 방법 및 장치
Ranjan et al. Isolated word recognition using HMM for Maithili dialect
US7072750B2 (en) Method and apparatus for rejection of speech recognition results in accordance with confidence level
Abdo et al. Automatic detection for some common pronunciation mistakes applied to chosen Quran sounds
Herbig et al. Self-learning speaker identification: a system for enhanced speech recognition
Principi et al. Power normalized cepstral coefficients based supervectors and i-vectors for small vocabulary speech recognition
US9311916B2 (en) Apparatus and method for improving voice recognition
Singh et al. A critical review on automatic speaker recognition
Liu Environmental adaptation for robust speech recognition
Li et al. Voice-based recognition system for non-semantics information by language and gender
Dustor et al. Influence of feature dimensionality and model complexity on speaker verification performance
Punchihewa et al. Voice command interpretation for robot control
CN106920558A (zh) 关键词识别方法及装置
Sharma et al. Speech recognition of Punjabi numerals using synergic HMM and DTW approach
Thakur et al. Design of Hindi key word recognition system for home automation system using MFCC and DTW
Khalifa et al. Statistical modeling for speech recognition
Ozaydin An isolated word speaker recognition system
KR100322731B1 (ko) 음성인식방법및이에적합한음성패턴의시간정규화방법

Legal Events

Date Code Title Description
A201 Request for examination
E701 Decision to grant or registration of patent right
GRNT Written decision to grant
FPAY Annual fee payment

Payment date: 20121228

Year of fee payment: 7

FPAY Annual fee payment

Payment date: 20131230

Year of fee payment: 8

FPAY Annual fee payment

Payment date: 20141223

Year of fee payment: 9

FPAY Annual fee payment

Payment date: 20151229

Year of fee payment: 10

FPAY Annual fee payment

Payment date: 20161228

Year of fee payment: 11

FPAY Annual fee payment

Payment date: 20171228

Year of fee payment: 12

FPAY Annual fee payment

Payment date: 20181227

Year of fee payment: 13