KR100717393B1 - 음성 인식기의 음성 인식에 대한 신뢰도 측정 방법 및 그장치 - Google Patents

음성 인식기의 음성 인식에 대한 신뢰도 측정 방법 및 그장치 Download PDF

Info

Publication number
KR100717393B1
KR100717393B1 KR1020060012527A KR20060012527A KR100717393B1 KR 100717393 B1 KR100717393 B1 KR 100717393B1 KR 1020060012527 A KR1020060012527 A KR 1020060012527A KR 20060012527 A KR20060012527 A KR 20060012527A KR 100717393 B1 KR100717393 B1 KR 100717393B1
Authority
KR
South Korea
Prior art keywords
speech
reliability
state change
speech recognition
change position
Prior art date
Application number
KR1020060012527A
Other languages
English (en)
Inventor
정재훈
오광철
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 KR1020060012527A priority Critical patent/KR100717393B1/ko
Priority to US11/477,628 priority patent/US20070185712A1/en
Application granted granted Critical
Publication of KR100717393B1 publication Critical patent/KR100717393B1/ko

Links

Images

Classifications

    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01H—ELECTRIC SWITCHES; RELAYS; SELECTORS; EMERGENCY PROTECTIVE DEVICES
    • H01H53/00—Relays using the dynamo-electric effect, i.e. relays in which contacts are opened or closed due to relative movement of current-carrying conductor and magnetic field caused by force of interaction between them
    • H01H53/06—Magnetodynamic relays, i.e. relays in which the magnetic field is produced by a permanent magnet
    • 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
    • G10L15/01—Assessment or evaluation of speech recognition systems

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)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

본 발명은 음성 인식기에서 입력된 음성 신호에 대한 상태 변화 위치와 음성 인식 결과에 따른 음소열 변화 위치를 비교하여 그 차이 및 우도비를 이용하여 음성 인식에 대한 신뢰도를 측정하는 방법 및 그 장치에 관한 것이다. 본 발명은 음성 인식기에서 음성 신호에 대한 상태 변화 위치를 검출하는 단계와, 상기 음성 신호의 음성 인식 결과에 따른 음소열의 변화 위치를 검출하는 단계 및 상기 검출된 상태 변화 위치와 상기 검출된 음소열의 변화 위치의 차이를 이용하여 상기 음성 인식에 대한 신뢰도를 계산하는 단계를 포함하는 것을 특징으로 하는 신뢰도 측정 방법을 제공한다. 본 발명에 의하면, 음성 인식기의 음성 인식 결과에 따른 음소열 변화 위치와 음성 신호의 상태 변화 위치를 비교한 결과와 우도비를 동시에 이용함으로써 더욱 높은 신뢰도 측정 성능을 보여줄 수 있다.
음성, 인식, spectrogram, 신뢰도, 계산

Description

음성 인식기의 음성 인식에 대한 신뢰도 측정 방법 및 그 장치{METHOD AND APPARATUS FOR MEASURING CONFIDENCE ABOUT SPEECH RECOGNITION IN SPEECH RECOGNIZER}
도 1은 본 발명에 따른 음성 인식기에 있어서, 상태 변화 점수 계산 장치에 대한 구성을 나타내는 도면이다.
도 2는 본 발명의 일실시예에 따른 음성 인식기의 구성을 나타내는 도면이다.
도 3은 본 발명에 따른 음성 인식기에 있어서, 키워드 모델 및 필러 모델에 의한 우도비를 이용한 신뢰도 측정의 일례를 나타내는 도면이다.
도 4는 본 발명에 따른 음성 인식기에 있어서, 입력된 음성 신호에 대한 스펙트로그램의 일례를 나타내는 도면이다.
도 5는 도 4에 도시된 것과 같은 스펙트로그램상에서 프레임간 유클리디안 거리에 따른 추정된 상태 변화 지점의 일례를 나타내는 도면이다.
도 6은 본 발명에 따른 음성 인식기의 신뢰도 측정 장치에 있어서, 상태 변화 위치와 음소열 변화 위치를 비교한 일례를 나타내는 도면이다.
도 7은 본 발명에 따른 음성 인식기에서 상태 변화 점수를 계산하는 방법의 흐름을 나타내는 도면이다.
도 8은 본 발명에 따른 음성 인식기에서 음성 인식에 대한 신뢰도를 측정하는 방법의 흐름을 나타내는 도면이다.
<도면의 주요 부분에 대한 부호의 설명>
100: 상태 변화 점수 계산 장치
110: 상태 변화 검출부
120: 음소열 변화 검출부
130: 상태 변화 점수 계산부
200: 음성 인식기
210: 특징 추출부
220: 스펙트로그램 계산부
230: 음성 인식부
231: 키워드 모델
232: 필러 모델
240: 신뢰도 측정부
241: 상태 변화 비교부
242: 우도비 계산부
243: 신뢰도 계산부
244: 결정부
본 발명은 음성 인식기의 음성 인식에 대한 신뢰도를 측정하는 방법 및 그 장치에 관한 것으로, 더욱 상세하게는 음성 인식기에서 입력된 음성 신호에 대한 상태 변화 위치와 음성 인식 결과에 따른 음소열 변화 위치를 비교하여 그 차이 및 우도비를 이용하여 음성 인식에 대한 신뢰도를 측정하는 방법 및 그 장치에 관한 것이다.
종래 자동 음성 인식 시스템의 거짓 가설 거절 방법 및 장치의 일례로 미국등록특허 US4,896,358호는 잘못된 가정을 거절하기 위해 키워드 모델(keyword model)과 필러 모델(filler model)을 만들고, 상기 모델들에 의해 생성된 스코어를 이용하여 우도비 테스트(likelihood ratio test)를 실시한다. 하지만, 종래 자동 음성 인식 시스템의 거짓 가설 거절 방법은 필러 모델의 정확도에 영향을 많이 받고, 음향 우도(acoustic likelihood)의 평균에만 의존하기 때문에 부분적인 경로(path)에 대한 정보가 부족한 문제점이 있다.
한편, 종래 근접 실수 패턴(near-miss pattern)을 이용한 신뢰도 측정 시스템의 일례로 미국등록특허 US6,571,210호는 단어마다 근접 실수 템플릿(near-miss template)들을 만들어 두고, 인식된 근접 실수 패턴을 템플릿과 비교하여 신뢰 점수(confidence score)를 계산한다. 하지만, 종래 근접 실수 패턴을 이용한 신뢰도 측정 시스템은 단어마다 템플릿을 가지고 있어야만 가능하고, 평균적인 음향 우도 정보에 의존하는 문제점이 있다.
이와 같이, 종래 음성 인식기의 신뢰도 측정 방법은 우도(likelihood score) 가 음성 인식기의 결과값이므로 음성 인식기가 음성을 오인식하는 경우, 이 값을 이용한 신뢰도를 계산하는 방법은 신뢰성을 상실하는 문제점이 있다. 또한, 종래 음성 인식기의 신뢰도 측정 방법은 우도 값이 높게 나오더라도 웨이브(wave) 파형이나 스펙트로그램(spectrogram)에서의 음성 신호의 상태 변화를 반영하지 못하는 문제점이 있다.
따라서, 음성 신호의 상태 변화를 반영하여 음성 인식기에서의 음성 인식에 대한 신뢰도를 보다 정확하게 측정하는 방안이 절실하게 요청되어 오고 있다.
본 발명은 상기와 같은 종래기술의 문제점을 해결하기 위해 안출된 것으로서, 음성 인식기에 입력된 음성 신호에 대한 상태 변화 위치와 음성 인식 결과의 음소열 변화 위치를 비교하여 그 차이 및 우도비를 이용하여 음성 인식에 대한 신뢰도를 측정하는 방법 및 그 장치를 제공하는 것을 목적으로 한다.
상기의 목적을 이루고 종래기술의 문제점을 해결하기 위하여, 본 발명은 음성 인식기에서 음성 신호에 대한 상태 변화 위치를 검출하는 단계와, 상기 음성 신호의 음성 인식 결과에 따른 음소열의 변화 위치를 검출하는 단계 및 상기 검출된 상태 변화 위치와 상기 검출된 음소열의 변화 위치의 차이와 우도비를 이용하여 상기 음성 인식에 대한 신뢰도를 계산하는 단계를 포함하는 것을 특징으로 하는 신뢰도 측정 방법을 제공한다.
본 발명의 일측에 따르는 음성 인식기의 음성 인식에 대한 신뢰도를 측정하 는 방법은, 음성 신호에 대한 특징을 추출하는 단계와, 상기 음성 신호에 대한 스펙트로그램을 계산하는 단계와, 소정의 음성 인식 모델을 이용하여 상기 추출된 음성 신호에 대한 특징으로부터 음성을 인식하는 단계와, 상기 음성 인식 결과와 상기 계산된 스펙트로그램을 이용하여 음성 신호의 상태 변화를 비교하는 단계와, 상기 음성 인식 모델에 따라 상기 음성 인식에 대한 우도비를 계산하는 단계 및 상기 상태 변화 비교 결과와 상기 우도비를 고려하여 상기 음성 인식에 대한 신뢰도를 계산하는 단계를 포함한다.
본 발명의 다른 일측에 따르는 음성 인식기의 음성 인식에 대한 신뢰도를 측정하는 장치는, 음성 신호에 대한 상태 변화 위치를 검출하는 상태 변화 검출부와, 상기 음성 인식기에서 상기 음성 신호의 음성 인식 결과에 따른 음소열의 변화 위치를 검출하는 음소열 변화 검출부 및 상기 검출된 상태 변화 위치와 상기 검출된 음소열의 변화 위치를 비교하여 그 결과 및 우도비를 이용하여 상기 음성 인식에 대한 신뢰도를 계산하는 신뢰도 계산부를 포함한다.
본 발명의 또 다른 일측에 따르는 음성 인식기의 음성 인식에 대한 신뢰도를 측정하는 장치는, 음성 신호에 대한 특징을 추출하는 특징 추출부와, 상기 음성 신호에 대한 스펙트로그램을 계산하는 스펙트로그램 계산부와, 소정의 음성 인식 모델을 이용하여 상기 추출된 음성 신호에 대한 특징으로부터 음성을 인식하는 음성 인식부와, 상기 음성 인식 결과와 상기 계산된 스펙트로그램을 이용하여 상태 변화를 비교하는 상태 변화 비교부와, 상기 음성 인식 결과에 따른 상기 음성 인식에 대한 우도비(likelihood ratio)을 계산하는 우도비 계산부 및 상기 상태 변화 비교 결과와 상기 우도비를 고려하여 상기 음성 인식에 대한 신뢰도를 계산하는 신뢰도 계산부를 포함한다.
이하에서는 첨부된 도면들을 참조하여 본 발명의 실시예에 따른 음성 인식기의 음성 인식에 대한 신뢰도를 측정하는 방법 및 그 장치를 상세히 설명한다.
도 1은 본 발명의 일실시예에 따른 음성 인식기의 음성 인식에 대한 상태 변화 점수 계산 장치의 구성을 나타내는 도면이다.
도 1을 참조하면, 상태 변화 점수 계산 장치(100)는 상태 변화 검출부(110), 음소열 변화 검출부(120) 및 상태 변화 점수 계산부(130)를 포함한다.
상태 변화 검출부(110)는 상기 음성 인식기에 입력된 음성 신호에 대한 상태 변화 위치를 검출한다.
상태 변화 검출부(110)는 상태 변화를 검출하는 일례로서, 도 4에 도시된 것과 같은 상기 음성 신호에 대한 스펙트로그램(spectrogram) 상에서 피크(peak)와 밸리(valley)의 차이를 이용하여 상기 음성 신호에 대한 상태 변화 위치 후보를 검출할 수 있다.
상태 변화 검출부(110)는 본 발명의 일실시예에서 도 4에 도시된 것과 같은 스펙트로그램을 이용하였지만 상기 음성 신호에 대한 스펙트로그램 이외에 웨이브 파형이나 다양한 음성 특징 공간을 이용하여 상기 음성 신호에 대한 상태 변화의 위치를 검출할 수도 있다.
즉, 상태 변화 검출부(110)는 상기 음성 신호에 대한 스펙트로그램 상에서 프레임간 유클리디안 거리(euclidian distance)를 구한다. 그리고, 상태 변화 검 출부(110)는 도 5에 도시된 것과 같이 상기 스펙트로그램 상에서 프레임간 유클리디안 거리를 구한 값에 의한 그래프의 피크와 밸리간 거리가 큰 상위 N개의 위치를 상태 변화 지점으로 검색함으로써 상기 음성 신호에 대한 상태 변화 위치를 검출할 수 있다.
상태 변화 검출부(110)는 예를 들어 상기 음성 인식기에 '어머니'라는 단어가 입력된 경우, '어머니'에 대응되는 음성 신호의 스펙트로그램을 분석하고, 상기 스펙트로그램의 분석 결과에 따라 상기 음성 신호에 대한 상태 변화 위치를 검출할 수 있다.
음소열 변화 검출부(120)는 상기 음성 인식기에서 상기 입력된 음성 신호의 음성 인식 결과에 따른 음소열의 변화 위치를 검출한다. 즉, 음소열 변화 검출부(120)는 상기 음성 인식기에서 소정의 음성 인식 모델을 통해 상기 입력된 음성 신호를 인식하고, 상기 인식된 음성 신호에 대한 음소열의 변화 위치를 검출한다.
음소열 변화 검출부(120)는 예를 들어 상기 음성 인식기에 '어머니'라는 단어가 입력된 경우, 상기 소정의 음성 인식 모델을 통해 'ㅇ, ㅓ, ㅁ, ㅓ, ㄴ, ㅣ'와 같이 음소열이 인식되면, 상기 인식된 음소열의 변화 위치를 검출할 수 있다. 상기 음소열의 변화 위치는 'ㅇ, ㅓ, ㅁ, ㅓ, ㄴ, ㅣ'와 같이 상기 인식된 음소가 나타나는 지점일 수 있다.
상태 변화 점수 계산부(130)는 상기 검출된 상태 변화 위치와 상기 검출된 음소열의 변화 위치를 비교하여 상기 음성 신호에 대한 상태 변화 점수를 계산한다. 즉, 상태 변화 점수 계산부(130)는 상기 상태 변화 점수 계산 시 상기 검출된 상태 변화 위치와 상기 검출된 음소열의 변화 위치를 비교하여 소정의 기준치 이상으로 차이가 발생하는 경우, 해당 위치에 패널티 점수를 부여하고 상기 부여된 패널티 점수를 반영한다.
상태 변화 점수 계산부(130)는 예를 들어 도 6에 도시된 것과 같이 상기 스펙트로그램상에서 검출된 상태 변화 위치가 상기 검출된 음소열의 변화 위치에 대응되지 않는 경우, 패널티 점수(penalty score)를 부여하고 상기 부여된 패널티 점수에 따라 상기 상태 변화 점수를 계산할 수 있다.
이와 같이, 본 발명에 따른 신뢰도 측정 장치는 종래 단순하게 음성 인식 모델에 따라 인식된 음성 신호에 대한 우도비만 고려하는 것이 아니라 음성 신호의 상태 변화와 우도비를 동시에 고려하여 음성 인식에 대한 신뢰도를 보다 정확하게 측정할 수 있다.
도 2는 본 발명의 일실시예에 따른 음성 인식기의 구성을 나타내는 도면이다.
도 2를 참조하면, 음성 인식기(200)는 특징 추출부(210), 스펙트로그램 계산부(220), 음성 인식부(230) 및 신뢰도 측정부(240)를 포함한다.
특징 추출부(210)는 음성 인식기(200)로 입력되는 음성 신호에 대한 특징을 추출한다.
스펙트로그램 계산부(220)는 상기 입력된 음성 신호에 대한 스펙트로그램을 계산한다. 상기 스펙트로그램은 도 4에 도시된 것과 같이 음성 신호에 대한 상태 변화 특성을 나타낼 수 있는 일례이다.
음성 인식부(230)는 소정의 음성 인식 모델을 이용하여 상기 추출된 음성 신호에 대한 특징으로부터 음성을 인식한다. 상기 음성 인식 모델은 키워드 모델(231) 및 필러 모델(232)를 포함한다. 즉, 음성 인식부(230)는 키워드 모델(231) 및 필러 모델(232)을 이용하여 상기 추출된 음성 신호에 대한 특징으로부터 음성을 인식한다.
도 3은 본 발명에 따른 음성 인식기에 있어서, 키워드 모델 및 필러 모델에 의한 우도비를 이용한 신뢰도 측정의 일례를 나타내는 도면이다.
도 3을 참조하면, 음성 인식기(200)는 예를 들어 '백승천'이라는 음성 신호가 입력된 경우, 상기 입력된 음성 신호로부터 특징을 추출한다(300). 음성 인식기(200)에서 키워드 모델(231)에 의해 음성을 인식하는 방법은 비터비 디코더(viterbi decoder)(310)를 통해 상기 추출된 음성 신호의 특성을 디코딩한 후 인식 리스트(311)에 저장된 단어 중 상기 디코딩된 음성 특성과 가장 유사한 음성인 '백승권'으로 인식한다.
한편, 음성 인식기(200)에서 필러 모델(232)에 의해 음성 인식을 수행하는 방법은 상기 추출된 음성 신호의 특징을 이용하여 모노폰 필러 네트워크(monophone filler network)(320)를 통해 상기 추출된 음성 신호의 특징을 음소별로 인식한다.
음성 인식기(200)는 키워드 모델(231)에 의해 인식된 음성 인식 결과/점수가 예를 들어 '백승권/127점'이고, 필러 모델(232)에 의해 인식된 음소열/점수가 예를 들어 'ㅂ ㅐ ㄱ ㅆ ㅡ ㅊ ㅓ ㄴ/150점'인 경우, 상기 점수 차이를 비교하여 상기 음성 인식 결과에 대해 IV(In Vocabulary)인지 또는 OOV(Out Of Vocabulary)인지를 판정한다(330). 즉, 음성 인식기(200)는 키워드 모델(231) 및 필러 모델(232)에 의해 인식된 음성 인식 결과 및 우도를 비교하고, 상기 비교 결과에 따라 상기 입력된 음성 신호가 제대로 인식되는지 여부를 판정할 수 있다.
신뢰도 측정부(240)는 상태 변화 비교부(241), 우도비 계산부(242), 신뢰도 계산부(243) 및 결정부(244)를 포함한다. 신뢰도 측정부(240)는 스펙트로그램 계산부(220)에서 계산된 스펙트로그램과 음성 인식부(230)에서 인식된 음성 신호를 이용하여 상기 인식된 음성 신호에 대한 신뢰도를 측정한다.
상태 변화 비교부(241)는 키워드 모델(231)에 의한 음성 인식 결과인 음소열의 변화 위치와 일정 범위내에서 가장 가까운 스펙트로그램의 변화 위치를 비교하고, 상기 비교 결과에 따라 상기 스펙트로그램상의 거리가 큰 상위 N개 중 음소열의 변화 위치에 대응되지 않는 경우, 패널티 점수를 부여한다.
도 6은 본 발명에 따른 음성 인식기의 신뢰도 측정 장치에 있어서, 상태 변화 위치와 음소열 변화 위치를 비교한 일례를 나타내는 도면이다.
도 6을 참조하면, 상태 변화 비교부(241)는 스펙트로그램에 의한 상태 변화 위치(t1 s, t2 s, ti s, tN s)와 인식된 결과에 의한 음소열의 변화 위치(t1 r, t2 r, ti r, tN r)를 비교하고, 상기 위치의 비교 결과에 따른 차이 정도에 따라 패널티 점수를 부여한다.
상태 변화 비교부(241)는 상기 스펙트로그램에 의한 상태 변화의 첫 번째 위 치(t1 s)와 상기 키워드 모델(231)에 의해 인식된 음소열의 첫 번째 변화 위치(t1 r)를 비교하면, 상기 첫 번째 변화 위치가 일치하므로 패널티 점수를 부여하지 않는다. 하지만, 상태 변화 비교부(241)는 상기 스펙트로그램에 의한 상태 변화의 두 번째 위치(t2 s)와 상기 키워드 모델(231)에 의해 인식된 음소열의 두 번째 변화 위치(t2 r)를 비교하면, 상기 비교 결과에 따라 두 번째 변화 위치의 차이가 소정의 기준치 이상이므로 패널티 점수를 부여한다.
우도비 계산부(242)는 상기 음성 인식 결과에 따른 상기 음성 인식에 대한 우도비(likelihood ratio)을 계산한다. 즉, 우도비 계산부(242)는 키워드 모델(231)에 의해 인식된 음성 인식 결과 및 필터 모델(232)에 의해 인식된 음성 인식 결과에 따른 상기 음성 인식에 대한 우도비를 계산한다.
신뢰도 계산부(243)는 상태 변화 비교부(241)에서 비교된 상태 비교 결과와 우도비 계산부(242)에서 계산된 우도비를 고려하여 상기 음성 인식에 대한 신뢰도를 계산한다. 즉, 신뢰도 계산부(243)는 상태 변화 비교부(241)에 의해 계산된 상태 변화 점수와 우도비 계산부(242)에서 계산된 우도비를 이용하여 하기 수학식 1과 같이 신뢰도를 계산한다.
Figure 112006009604335-pat00001
ti r: 인식 음소열의 i번째 변화 위치
ti s: 스펙트로그램 상태의 i번째 변화 위치
N: 비교할 변화 위치의 수
PS: 패널티 점수(Penalty Score)
K: 패널티 점수를 받아야 하는 상태 변화 위치 수
f: 우도비 점수(Likelihood Ratio Score)와 상태 변화 점수(Phase Change Score)의 변환 함수
결정부(244)는 신뢰도 계산부(243)에서 계산된 신뢰도에 따라 음성 인식기(200)에서 인식된 음성을 수락(accept)할지 또는 거절(reject)할지 여부를 결정한다. 즉, 결정부(244)는 상기 계산된 신뢰도가 소정의 기준치보다 높은 경우, 음성 인식기(200)에서 인식된 음성을 수락하는 것으로 결정한다. 또한, 결정부(244)는 상기 계산된 신뢰도가 상기 소정의 기준치보다 낮은 경우, 상기 인식된 음성을 거절하도록 결정한다.
이와 같이, 본 발명에 따른 음성 인식기의 신뢰도 측정 장치는 종래 단순하게 음성 인식 모델에 따라 인식된 음성 신호에 대한 우도비만 고려하는 것이 아니라 음성 신호의 상태 변화와 우도비를 동시에 고려하여 음성 인식에 대한 신뢰도를 측정하고, 측정된 신뢰도에 따라 인식된 음성을 수락할지 또는 거절할지 여부 결정함으로써 보다 정확한 음성 인식을 수행할 수 있다.
도 7은 본 발명에 따른 음성 인식기에서 상태 변화 점수를 계산하는 방법의 흐름을 나타내는 도면이다.
도 7을 참조하면, 단계(710)에서 음성 인식기는 음성 신호에 대한 상태 변화 위치를 검출한다. 즉, 단계(710)에서 상기 음성 인식기는 음성 신호의 스펙트로그램, 웨이브 파형 또는 공간 특성 등과 같이 음성 신호에 대한 상태 변화 위치를 검출할 수 있다.
단계(710)에서 상기 음성 인식기는 상기 음성 신호에 대한 상태 변화 위치를 검출하는 일례로서 상기 음성 신호에 대한 스펙트로그램을 이용하는 경우, 도 4에 도시된 것과 같은 스펙트로그램상에서 프레임간의 유클리디안 거리를 구한 후 상기 구해진 거리에 따른 그래프의 피크와 밸리를 이용하여 상기 음성 신호에 대한 상태 변화 지점을 검출할 수 있다. 즉, 단계(710)에서 상기 음성 인식기는 도 5에 도시된 것과 같이 상기 피크와 밸리간 거리가 큰 상위 N개의 위치를 이용하여 상기 음성 신호에 대한 상태 변화 위치를 검출할 수 있다.
단계(720)에서 상기 음성 인식기는 상기 음성 신호에 대한 음성 인식 결과에 따른 음소열의 변화 위치를 검출한다.
단계(730)에서 상기 음성 인식기는 상기 검출된 상태 변화 위치와 상기 검출된 음소열의 변화 위치의 차이를 이용하여 상기 음성 인식에 대한 상태 변화 점수를 계산한다. 즉, 단계(730)에서 상기 음성 인식기는 상기 거리가 큰 상위 N개 중 상기 검출된 음소열의 변화 위치에 대응되지 않는 위치를 파악하고, 상기 파악된 위치에 패널티 점수를 부여하여 상기 음성 인식에 대한 상태 변화 점수를 계산한다.
이와 같이, 본 발명에 따른 음성 인식에 대한 신뢰도 측정 방법은 종래 단순하게 음성 인식 모델에 따라 인식된 음성 신호에 대한 우도비만 고려하는 것이 아니라 음성 신호에 대한 상태 변화와 우도비를 동시에 고려함으로써 음성 인식에 대한 신뢰도를 보다 정확하게 측정할 수 있다.
도 8은 본 발명에 따른 음성 인식기에서 음성 인식에 대한 신뢰도를 측정하는 방법의 흐름을 나타내는 도면이다.
도 8을 참조하면, 단계(810)에서 상기 음성 인식기는 입력된 음성 신호에 대한 특징을 추출한다.
단계(820)에서 상기 음성 인식기는 상기 음성 신호에 대한 스펙트로그램을 계산한다. 즉, 단계(820)에서 상기 음성 인식기는 상기 입력된 음성 신호에 대한 상태 변화의 위치를 파악하기 위한 음성 신호의 특성 중 하나인 스펙트로그램을 계산한다. 또한, 단계(820)에서 음성 인식기는 스펙트로그램 이외에 웨이브 파형이나 상기 음성 신호에 대한 상태 변화 위치를 파악할 수 있는 특성 요소를 계산할 수도 있다.
단계(830)에서 상기 음성 인식기는 소정의 음성 인식 모델을 이용하여 상기 추출된 음성 신호에 대한 특징으로부터 음성을 인식한다. 상기 음성 인식 모델은 키워드 모델 및 필러 모델을 포함한다. 즉, 단계(830)에서 상기 음성 인식기는 상기 키워드 모델 및 필러 모델을 이용하여 상기 추출된 음성 신호에 대한 특징으로부터 상기 입력된 음성 신호에 대한 음성을 인식한다.
단계(840)에서 상기 음성 인식기는 상기 음성 인식 결과와 상기 계산된 스펙트로그램을 이용하여 상기 음성 신호의 상태 변화를 비교한다.
즉, 단계(840)에서 상기 음성 인식기는 상기 키워드 모델에 따른 음성 인식 결과인 음소열 변화 위치와 일정 범위내에서 가장 가까운 상태 변화 위치를 비교하고, 상기 비교 결과에 따라 상기 상태 변화 위치와 중 음소열의 변화 위치에 대응되지 않는 경우, 상기 상태 변화 위치에 패널티 점수를 부여한다.
단계(840)에서 상기 음성 인식기는 도 6에 도시된 것과 같이 상기 스펙트로그램에 의한 상태 변화 위치와 상기 음성 인식에 의한 음소열 변화 위치를 비교하여 그 차이가 소정의 기준치 이상인 경우, 상기 상태 변화 위치에 대해 패널티 점수를 부여할 수 있다.
단계(850)에서 상기 음성 인식기는 상기 음성 인식 모델에 따라 상기 음성 인식에 대한 우도비를 계산한다. 즉, 단계(850)에서 상기 음성 인식기는 상기 키워드 모델 및 필러 모델에 따라 상기 음성 인식에 대한 우도비를 계산한다.
단계(860)에서 상기 음성 인식기는 상기 상태 변화 비교 결과와 상기 우도비를 고려하여 상기 음성 인식에 대한 신뢰도를 계산한다.
단계(870)에서 상기 음성 인식기는 상기 계산된 신뢰도에 따라 상기 음성 인식 결과에 대한 수락(accept) 또는 거절(reject) 여부를 결정한다.
즉, 단계(870)에서 상기 음성 인식기는 상기 계산된 신뢰도가 소정의 기준치보다 높은 경우, 상기 음성 인식 결과를 수락하도록 결정할 수 있다. 또한, 단계(870)에서 상기 음성 인식기는 상기 계산된 신뢰도가 상기 소정의 기준치보다 낮은 경우, 상기 음성 인식 결과를 거절하도록 결정한다.
이와 같이, 본 발명에 따른 음성 인식기의 음성 인식에 대한 신뢰도를 측정하는 방법은 우도비와 음성 신호의 상태 변화 위치와 인식된 음소열 변화 위치를 비교한 값을 함께 사용하여 보다 정확하게 음성 인식에 대한 신뢰도를 계산하고 계산된 신뢰도에 따라 음성 인식 결과의 수락 여부를 결정함으로써 보다 명확한 음성 인식을 수행할 수 있다.
본 발명에 따른 음성 인식기의 음성 인식에 대한 신뢰도 측정 방법은 다양한 컴퓨터로 구현되는 동작을 수행하기 위한 프로그램 명령을 포함하는 컴퓨터 판독 가능 매체를 포함한다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체는 프로그램 명령은 본 발명을 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 상기 매체는 프로그램 명령, 데이터 구조 등을 지정하는 신호를 전송하는 반송파를 포함하는 광 또는 금속선, 도파관 등의 전송 매체일 수도 있다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다.
이상과 같이 본 발명은 비록 한정된 실시예와 도면에 의해 설명되었으나, 본 발명은 상기의 실시예에 한정되는 것은 아니며, 이는 본 발명이 속하는 분야에서 통상의 지식을 가진 자라면 이러한 기재로부터 다양한 수정 및 변형이 가능하다. 따라서, 본 발명 사상은 아래에 기재된 특허청구범위에 의해서만 파악되어야 하고, 이의 균등 또는 등가적 변형 모두는 본 발명 사상의 범주에 속한다고 할 것이다.
본 발명에 따르면, 음성 인식기의 음성 인식 결과에 따른 음소열 변화 위치와 음성 신호의 상태 변화 위치를 비교한 값과 우도비를 동시에 이용함으로써 더욱 높은 신뢰도 측정 성능을 보여줄 수 있다.
또한, 본 발명에 따르면, 정확한 신뢰도의 측정으로 인해 음성 인식기의 잘못된 응답을 최소화함으로써 음성 인식의 오류로 인한 사용자의 불편을 감소시킬 수 있다.
또한, 본 발명에 따르면, 음성 인식을 이용하는 제품에서 음성 인식으로 인한 오동작을 줄여줌으로 인해 사용자의 제품에 대한 신뢰도를 향상시킬 수 있다.

Claims (19)

  1. 음성 인식기의 음성 인식에 대한 신뢰도를 측정하는 방법에 있어서,
    음성 신호에 대한 상태 변화 위치를 검출하는 단계;
    상기 음성 신호의 음성 인식 결과에 따른 음소열의 변화 위치를 검출하는 단계; 및
    상기 검출된 상태 변화 위치와 상기 검출된 음소열의 변화 위치의 차이 및 우도비를 이용하여 상기 음성 인식에 대한 신뢰도를 계산하는 단계
    를 포함하는 것을 특징으로 하는 신뢰도 측정 방법.
  2. 제1항에 있어서,
    음성 신호에 대한 상태 변화 위치를 검출하는 상기 단계는,
    상기 음성 신호에 대한 스펙트로그램, 웨이브 파형 또는 상기 음성 신호에 대한 특징으로부터 상기 음성 신호에 대한 상태 변화 위치를 검출하는 것을 특징으로 하는 신뢰도 측정 방법.
  3. 제2항에 있어서,
    음성 신호에 대한 상태 변화 위치를 검출하는 상기 단계는,
    상기 음성 신호에 대한 스펙트로그램상에서 프레임간 유클리디안 거리를 계산하는 단계; 및
    상기 계산된 피크(peak)와 밸리(valley)를 이용하여 상기 음성 신호에 대한 상태 변화 위치를 검출하는 단계를 포함하는 것을 특징으로 하는 신뢰도 측정 방법.
  4. 제3항에 있어서,
    피크와 밸리를 이용하여 상기 음성 신호에 대한 상태 변화 위치를 검출하는 상기 단계는,
    상기 계산된 피크와 밸리간 거리가 큰 상위 N개의 위치를 이용하여 상기 음성 신호에 대한 상태 변화 위치를 검출하는 단계
    를 포함하는 것을 특징으로 하는 신뢰도 측정 방법.
  5. 제4항에 있어서,
    상기 검출된 상태 변화 위치와 상기 검출된 음소열의 변화 위치의 차이를 이용하여 상기 음성 인식에 대한 신뢰도를 계산하는 상기 단계는,
    상기 거리가 큰 상위 N개 중 상기 검출된 음소열의 변화 위치에 대응되지 않는 위치를 파악하고, 파악된 위치에 패널티 점수(penalty score)를 부여하여 상기 음성 인식에 대한 신뢰도를 계산하는 것을 특징으로 하는 신뢰도 측정 방법.
  6. 제1항에 있어서,
    상기 검출된 상태 변화 위치와 상기 검출된 음소열의 변화 위치의 차이 및 우도비를 이용하여 상기 음성 인식에 대한 신뢰도를 계산하는 상기 단계는,
    상기 검출된 위치 차이에 따른 상태 변화 점수 및 상기 음성 인식에 대한 우도비(likelihood ratio)을 이용하여 상기 음성 인식에 대한 신뢰도를 계산하는 것을 특징으로 하는 신뢰도 측정 방법.
  7. 음성 인식기의 음성 인식에 대한 신뢰도를 측정하는 방법에 있어서,
    음성 신호에 대한 특징을 추출하는 단계;
    상기 음성 신호에 대한 스펙트로그램을 계산하는 단계;
    소정의 음성 인식 모델을 이용하여 상기 추출된 음성 신호에 대한 특징으로부터 음성을 인식하는 단계;
    상기 음성 인식 결과와 상기 계산된 스펙트로그램을 이용하여 음성 신호의 상태 변화를 비교하는 단계;
    상기 음성 인식 모델에 따라 상기 음성 인식에 대한 우도비를 계산하는 단계; 및
    상기 상태 변화 비교 결과와 상기 우도비를 고려하여 상기 음성 인식에 대한 신뢰도를 계산하는 단계
    를 포함하는 것을 특징으로 하는 신뢰도 측정 방법.
  8. 제7항에 있어서,
    상기 음성 인식 모델은,
    키워드 모델(Keyword-Model) 및 필러 모델(Filler Model)을 포함하는 것을 특징으로 하는 신뢰도 측정 방법.
  9. 제8항에 있어서,
    상기 음성 인식 결과와 상기 계산된 스펙트로그램을 이용하여 음성 신호의 상태 변화를 비교하는 상기 단계는,
    상기 키워드 모델(Keyword-Model)에 따른 음성 인식 결과인 음소열 변화 위치와 일정 범위내에서 가장 가까운 상태 변화 위치를 비교하는 단계; 및
    상기 비교 결과에 따라 상기 스펙트로그램 상의 거리가 큰 상위 N개 중 음소열의 변화 위치에 대응되지 않은 경우, 패널티 점수를 부여하는 단계를 포함하는 것을 특징으로 하는 신뢰도 측정 방법.
  10. 제8항에 있어서,
    상기 계산된 신뢰도에 따라 상기 인식된 음성 신호에 대한 수락(accept) 여부를 결정하는 단계를 더 포함하는 것을 특징으로 하는 신뢰도 측정 방법.
  11. 제1항 내지 제10항 중 어느 한 항의 방법을 컴퓨터에서 실행하기 위한 프로그램을 기록하는 컴퓨터 판독 가능한 기록매체.
  12. 음성 인식기의 음성 인식에 대한 신뢰도를 측정하는 장치에 있어서,
    음성 신호에 대한 상태 변화 위치를 검출하는 상태 변화 검출부;
    상기 음성 인식기에서 상기 음성 신호의 음성 인식 결과에 따른 음소열의 변화 위치를 검출하는 음소열 변화 검출부; 및
    상기 검출된 상태 변화 위치와 상기 검출된 음소열의 변화 위치를 비교한 결과와 우도비를 이용하여 상기 음성 인식에 대한 신뢰도를 계산하는 신뢰도 계산부
    를 포함하는 것을 특징으로 하는 신뢰도 측정 장치.
  13. 제12항에 있어서,
    상기 상태 변화 검출부는,
    상기 음성 신호에 대한 스펙트로그램, 웨이브 파형 또는 상기 음성 신호의 특징으로부터 상기 음성 신호에 대한 상태 변화 위치를 검출하는 것을 특징으로 하는 신뢰도 측정 장치.
  14. 제13항에 있어서,
    상기 상태 변화 검출부는,
    상기 음성 신호에 대한 스펙트로그램상에서 피크와 밸리를 이용하여 상기 음성 신호에 대한 상태 변화 위치를 검출하는 것을 특징으로 하는 신뢰도 측정 장치.
  15. 제12항에 있어서,
    상기 신뢰도 계산부는,
    상기 스펙트로그램상에서 검출된 상태 변화 위치가 상기 검출된 음소열의 변화 위치에 대응되지 않는 경우, 패널티 점수를 부여하여 상기 신뢰도를 계산하는 것을 특징으로 하는 신뢰도 측정 장치.
  16. 음성 인식기의 음성 인식에 대한 신뢰도를 측정하는 장치에 있어서,
    음성 신호에 대한 특징을 추출하는 특징 추출부;
    상기 음성 신호에 대한 스펙트로그램을 계산하는 스펙트로그램 계산부;
    소정의 음성 인식 모델을 이용하여 상기 추출된 음성 신호에 대한 특징으로부터 음성을 인식하는 음성 인식부;
    상기 음성 인식 결과와 상기 계산된 스펙트로그램을 이용하여 상태 변화를 비교하는 상태 변화 비교부;
    상기 음성 인식 결과에 따른 상기 음성 인식에 대한 우도비(likelihood ratio)을 계산하는 우도비 계산부; 및
    상기 상태 변화 비교 결과와 상기 우도비를 고려하여 상기 음성 인식에 대한 신뢰도를 계산하는 신뢰도 계산부
    를 포함하는 것을 특징으로 하는 신뢰도 측정 장치.
  17. 제16항에 있어서,
    상기 음성 인식부는,
    상기 추출된 특징으로부터 키워드 모델(Keyword-Model) 및 필러 모델(Filler Model)을 통해 상기 음성을 인식하는 것을 특징으로 하는 신뢰도 측정 장치.
  18. 제17항에 있어서,
    상기 상태 변화 비교부는,
    상기 키워드 모델(Keyword-Model)에 의한 음성 인식 결과인 음소열의 변화 위치와 일정 범위내에서 가장 가까운 스펙트로그램의 변화 위치를 비교하고, 상기 비교 결과에 따라 상기 스펙트로그램 상의 거리가 큰 상위 N개 중 음소열의 변화 위치에 대응되지 않는 경우, 패널티 점수를 부여하는 것을 특징으로 하는 신뢰도 측정 장치.
  19. 제16항에 있어서,
    상기 계산된 신뢰도에 따라 상기 인식된 음성 신호에 대한 수락(accept) 여부를 결정하는 결정부를 더 포함하는 것을 특징으로 하는 신뢰도 측정 장치.
KR1020060012527A 2006-02-09 2006-02-09 음성 인식기의 음성 인식에 대한 신뢰도 측정 방법 및 그장치 KR100717393B1 (ko)

Priority Applications (2)

Application Number Priority Date Filing Date Title
KR1020060012527A KR100717393B1 (ko) 2006-02-09 2006-02-09 음성 인식기의 음성 인식에 대한 신뢰도 측정 방법 및 그장치
US11/477,628 US20070185712A1 (en) 2006-02-09 2006-06-30 Method, apparatus, and medium for measuring confidence about speech recognition in speech recognizer

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020060012527A KR100717393B1 (ko) 2006-02-09 2006-02-09 음성 인식기의 음성 인식에 대한 신뢰도 측정 방법 및 그장치

Publications (1)

Publication Number Publication Date
KR100717393B1 true KR100717393B1 (ko) 2007-05-11

Family

ID=38270511

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020060012527A KR100717393B1 (ko) 2006-02-09 2006-02-09 음성 인식기의 음성 인식에 대한 신뢰도 측정 방법 및 그장치

Country Status (2)

Country Link
US (1) US20070185712A1 (ko)
KR (1) KR100717393B1 (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20210050087A (ko) 2019-10-28 2021-05-07 삼성에스디에스 주식회사 신뢰도 측정 방법 및 장치

Families Citing this family (13)

* 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
US7940552B2 (en) * 2007-04-30 2011-05-10 Samsung Electronics Co., Ltd. Multiple level cell phase-change memory device having pre-reading operation resistance drift recovery, memory systems employing such devices and methods of reading memory devices
KR100914267B1 (ko) * 2007-06-20 2009-08-27 삼성전자주식회사 가변저항 메모리 장치 및 그것의 형성방법
KR101308549B1 (ko) * 2007-07-12 2013-09-13 삼성전자주식회사 멀티-레벨 상변환 메모리 장치 및 그것의 쓰기 방법
CN107545904B (zh) * 2016-06-23 2021-06-18 杭州海康威视数字技术股份有限公司 一种音频检测方法及装置
WO2019018480A1 (en) 2017-07-20 2019-01-24 Nuance Communications, Inc. AUTOMATED MASKING SYSTEM AND METHOD
CN107610715B (zh) * 2017-10-10 2021-03-02 昆明理工大学 一种基于多种声音特征的相似度计算方法
CN107481734B (zh) * 2017-10-13 2020-09-11 清华大学 语音质量评价方法及装置
US11715042B1 (en) 2018-04-20 2023-08-01 Meta Platforms Technologies, Llc Interpretability of deep reinforcement learning models in assistant systems
US20190327330A1 (en) 2018-04-20 2019-10-24 Facebook, Inc. Building Customized User Profiles Based on Conversational Data
US11886473B2 (en) 2018-04-20 2024-01-30 Meta Platforms, Inc. Intent identification for agent matching by assistant systems
US11307880B2 (en) 2018-04-20 2022-04-19 Meta Platforms, Inc. Assisting users with personalized and contextual communication content
US11676220B2 (en) 2018-04-20 2023-06-13 Meta Platforms, Inc. Processing multimodal user input for assistant systems

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH03116099A (ja) * 1989-09-29 1991-05-17 Nec Corp 音声認識装置
US5748840A (en) 1990-12-03 1998-05-05 Audio Navigation Systems, Inc. Methods and apparatus for improving the reliability of recognizing words in a large database when the words are spelled or spoken
KR20000074086A (ko) * 1999-05-18 2000-12-05 김영환 음성의 피치 차이값을 이용한 음성 파일의 끝점 검출방법
JP2001117579A (ja) 1999-10-21 2001-04-27 Casio Comput Co Ltd 音声照合装置、音声照合方法、及び音声照合処理プログラムを記憶した記憶媒体
JP2005221811A (ja) 2004-02-06 2005-08-18 Matsushita Electric Ind Co Ltd 音声速度変換装置と音声速度変換方法

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
FR2554623B1 (fr) * 1983-11-08 1986-08-14 Texas Instruments France Procede d'analyse de la parole independant du locuteur
US4896358A (en) * 1987-03-17 1990-01-23 Itt Corporation Method and apparatus of rejecting false hypotheses in automatic speech recognizer systems
CN1013525B (zh) * 1988-11-16 1991-08-14 中国科学院声学研究所 认人与不认人实时语音识别的方法和装置
JPH02195400A (ja) * 1989-01-24 1990-08-01 Canon Inc 音声認識装置
US5165008A (en) * 1991-09-18 1992-11-17 U S West Advanced Technologies, Inc. Speech synthesis using perceptual linear prediction parameters
US5799276A (en) * 1995-11-07 1998-08-25 Accent Incorporated Knowledge-based speech recognition system and methods having frame length computed based upon estimated pitch period of vocalic intervals
GB2319379A (en) * 1996-11-18 1998-05-20 Secr Defence Speech processing system
US6571210B2 (en) * 1998-11-13 2003-05-27 Microsoft Corporation Confidence measure system using a near-miss pattern
US6535851B1 (en) * 2000-03-24 2003-03-18 Speechworks, International, Inc. Segmentation approach for speech recognition systems
EP1524650A1 (en) * 2003-10-06 2005-04-20 Sony International (Europe) GmbH Confidence measure in a speech recognition system

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH03116099A (ja) * 1989-09-29 1991-05-17 Nec Corp 音声認識装置
US5748840A (en) 1990-12-03 1998-05-05 Audio Navigation Systems, Inc. Methods and apparatus for improving the reliability of recognizing words in a large database when the words are spelled or spoken
KR20000074086A (ko) * 1999-05-18 2000-12-05 김영환 음성의 피치 차이값을 이용한 음성 파일의 끝점 검출방법
JP2001117579A (ja) 1999-10-21 2001-04-27 Casio Comput Co Ltd 音声照合装置、音声照合方法、及び音声照合処理プログラムを記憶した記憶媒体
JP2005221811A (ja) 2004-02-06 2005-08-18 Matsushita Electric Ind Co Ltd 音声速度変換装置と音声速度変換方法

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20210050087A (ko) 2019-10-28 2021-05-07 삼성에스디에스 주식회사 신뢰도 측정 방법 및 장치

Also Published As

Publication number Publication date
US20070185712A1 (en) 2007-08-09

Similar Documents

Publication Publication Date Title
KR100717393B1 (ko) 음성 인식기의 음성 인식에 대한 신뢰도 측정 방법 및 그장치
KR100612839B1 (ko) 도메인 기반 대화 음성인식방법 및 장치
US7647224B2 (en) Apparatus, method, and computer program product for speech recognition
US8532991B2 (en) Speech models generated using competitive training, asymmetric training, and data boosting
US6535850B1 (en) Smart training and smart scoring in SD speech recognition system with user defined vocabulary
KR100755677B1 (ko) 주제 영역 검출을 이용한 대화체 음성 인식 장치 및 방법
US8990086B2 (en) Recognition confidence measuring by lexical distance between candidates
US8775184B2 (en) Evaluating spoken skills
US20160086609A1 (en) Systems and methods for audio command recognition
US7058575B2 (en) Integrating keyword spotting with graph decoder to improve the robustness of speech recognition
US7921014B2 (en) System and method for supporting text-to-speech
US20090138260A1 (en) Voice judging system, voice judging method and program for voice judgment
CN101452701B (zh) 基于反模型的置信度估计方法及装置
CN110491375B (zh) 一种目标语种检测的方法和装置
Dey et al. Exploiting sequence information for text-dependent speaker verification
KR100609521B1 (ko) 음성 인식 시스템의 발화 검증 방법
KR100298177B1 (ko) 음성인식시스템에서의반음소모델구축방법및그를이용한발화검증방법
JP2005275348A (ja) 音声認識方法、この方法を実施する装置、プログラムおよび記録媒体
JP2019040148A (ja) 音声区間検出装置、その方法、及びプログラム
JP2010044239A (ja) 音声認識装置およびプログラム
JPWO2010024052A1 (ja) 音声認識仮説検証装置、音声認識装置、それに用いられる方法およびプログラム
Tsiartas et al. Robust word boundary detection in spontaneous speech using acoustic and lexical cues
Anguita et al. Detection of confusable words in automatic speech recognition
KR100755483B1 (ko) 단어 끝점 검출 오류 보상을 가지는 비터비 디코딩 방법
KR100449912B1 (ko) 음성인식시스템의 핵심어 검출을 위한 후처리방법

Legal Events

Date Code Title Description
A201 Request for examination
PA0109 Patent application

Patent event code: PA01091R01D

Comment text: Patent Application

Patent event date: 20060209

PA0201 Request for examination
E701 Decision to grant or registration of patent right
PE0701 Decision of registration

Patent event code: PE07011S01D

Comment text: Decision to Grant Registration

Patent event date: 20070426

GRNT Written decision to grant
PR0701 Registration of establishment

Comment text: Registration of Establishment

Patent event date: 20070504

Patent event code: PR07011E01D

PR1002 Payment of registration fee

Payment date: 20070507

End annual number: 3

Start annual number: 1

PG1601 Publication of registration
PR1001 Payment of annual fee

Payment date: 20100412

Start annual number: 4

End annual number: 4

PR1001 Payment of annual fee

Payment date: 20110428

Start annual number: 5

End annual number: 5

PR1001 Payment of annual fee

Payment date: 20120427

Start annual number: 6

End annual number: 6

FPAY Annual fee payment

Payment date: 20130429

Year of fee payment: 7

PR1001 Payment of annual fee

Payment date: 20130429

Start annual number: 7

End annual number: 7

FPAY Annual fee payment

Payment date: 20140429

Year of fee payment: 8

PR1001 Payment of annual fee

Payment date: 20140429

Start annual number: 8

End annual number: 8

FPAY Annual fee payment

Payment date: 20150429

Year of fee payment: 9

PR1001 Payment of annual fee

Payment date: 20150429

Start annual number: 9

End annual number: 9

FPAY Annual fee payment

Payment date: 20160428

Year of fee payment: 10

PR1001 Payment of annual fee

Payment date: 20160428

Start annual number: 10

End annual number: 10

PC1903 Unpaid annual fee