JP2019211752A - カスタム音響モデル - Google Patents
カスタム音響モデル Download PDFInfo
- Publication number
- JP2019211752A JP2019211752A JP2019029710A JP2019029710A JP2019211752A JP 2019211752 A JP2019211752 A JP 2019211752A JP 2019029710 A JP2019029710 A JP 2019029710A JP 2019029710 A JP2019029710 A JP 2019029710A JP 2019211752 A JP2019211752 A JP 2019211752A
- Authority
- JP
- Japan
- Prior art keywords
- acoustic model
- acoustic
- speech
- metadata
- speech recognition
- 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
- 238000000034 method Methods 0.000 claims description 49
- 238000012549 training Methods 0.000 claims description 12
- 230000004044 response Effects 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims 2
- 238000005406 washing Methods 0.000 description 36
- 238000004891 communication Methods 0.000 description 23
- 238000013518 transcription Methods 0.000 description 17
- 230000035897 transcription Effects 0.000 description 17
- 238000005516 engineering process Methods 0.000 description 16
- 235000015114 espresso Nutrition 0.000 description 13
- 230000015654 memory Effects 0.000 description 10
- 235000013353 coffee beverage Nutrition 0.000 description 7
- 238000010586 diagram Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 7
- 235000015243 ice cream Nutrition 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 230000006399 behavior Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 3
- 235000013305 food Nutrition 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 244000046052 Phaseolus vulgaris Species 0.000 description 2
- 235000010627 Phaseolus vulgaris Nutrition 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000012552 review Methods 0.000 description 2
- 238000009423 ventilation Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 244000025254 Cannabis sativa Species 0.000 description 1
- 241000272470 Circus Species 0.000 description 1
- 206010011469 Crying Diseases 0.000 description 1
- MQJKPEGWNLWLTK-UHFFFAOYSA-N Dapsone Chemical compound C1=CC(N)=CC=C1S(=O)(=O)C1=CC=C(N)C=C1 MQJKPEGWNLWLTK-UHFFFAOYSA-N 0.000 description 1
- 238000004378 air conditioning Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000005352 clarification Methods 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 239000006071 cream Substances 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000010187 selection method Methods 0.000 description 1
- 239000000344 soap Substances 0.000 description 1
- 239000002689 soil Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
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
- G10L15/02—Feature extraction for speech recognition; Selection of recognition unit
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/16—Sound input; Sound output
- G06F3/167—Audio in a user interface, e.g. using voice commands for navigating, audio feedback
-
- 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
- G10L15/06—Creation of reference templates; Training of speech recognition systems, e.g. adaptation to the characteristics of the speaker's voice
- G10L15/063—Training
-
- 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
- G10L15/18—Speech classification or search using natural language modelling
-
- 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
- G10L15/22—Procedures used during a speech recognition process, e.g. man-machine dialogue
-
- 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
- G10L15/26—Speech to text systems
-
- 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
- G10L15/18—Speech classification or search using natural language modelling
- G10L15/183—Speech classification or search using natural language modelling using context dependencies, e.g. language models
-
- 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
- G10L15/18—Speech classification or search using natural language modelling
- G10L15/183—Speech classification or search using natural language modelling using context dependencies, e.g. language models
- G10L15/187—Phonemic context, e.g. pronunciation rules, phonotactical constraints or phoneme n-grams
-
- 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
- G10L15/02—Feature extraction for speech recognition; Selection of recognition unit
- G10L2015/025—Phonemes, fenemes or fenones being the recognition units
-
- 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
- G10L15/22—Procedures used during a speech recognition process, e.g. man-machine dialogue
- G10L2015/223—Execution procedure of a spoken command
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Human Computer Interaction (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- Acoustics & Sound (AREA)
- Theoretical Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- User Interface Of Digital Computer (AREA)
- Machine Translation (AREA)
- Telephonic Communication Services (AREA)
Abstract
Description
開示する技術は自動音声認識(automatic speech recognition)(ASR)に関する。特に、開示する技術は、インテリジェント音声認識システムにおけるカスタム音響モデルの作成、識別、選択、および実装に関する。
概して、開示する技術は、発話を解析するための自動音声認識(ASR)に関する。特に、開示する技術は、意味のある結果をエンドユーザに提供できるよう、音声認識システムにおける音響モデルを識別し、選択し、実装することに関する。開示する技術は、発話音声をその他のデータ(すなわちメタデータ)とともに受信したときに、どの音響モデルを実装すべきかを判断することができる。上記その他のデータは、デバイス(たとえば、エスプレッソマシンまたは洗濯機または乗物といったエンドユーザのデバイス)の種類および/またはこのデバイスの1つ以上の状態を示すデータである。また、開示する技術は、意味のある結果を提供できるようにするためには、どの種類の音響モデルを実装すべきか、または、最も実装すべきかを、製品の製造者または開発者が選択できるようにするインターフェイスを有する音声認識システムを提供する。
以下、図面を参照しながら詳細な説明を行う。開示する技術を、請求項によって定められるその範囲を限定するためではなく、明らかにするために、実装例を説明する。以下の説明について各種の均等な変形を当業者は認識するであろう。
これらの実施形態のうちの1つは、乗物304が、ローカルに格納された一組の音響モデル322から適切な音響モデルを選択しその後意味のある命令を考え出すことを含む。この実施形態は、音響モデルを選択するという負担を音声認識プラットフォーム/サーバ311から取り除き、乗物304が最良の音響モデルを選択できるようにする。開発者および/またはユーザは、乗物304を、この乗物304用にカスタマイズされた音響モデルを備えるように予め構成してもよく、そうすると、この乗物は、自身で音響モデルを選択することができる。図6に示されるように、乗物304は実装する音響モデル406を格納することができる。乗物304は、音響モデルを自身で実装することができる、または、音響モデルを通信ネットワーク308を介して送信することができる。
音声認識を実行するための各種実装例について説明する。
Claims (19)
- 複数の異なるデバイスの音声認識を実行する方法であって、前記方法は、
異なるデバイス状態に対応付けられた複数の音響モデルを格納するステップと、
自然言語発話を含む発話音声を受信するステップと、
デバイス状態を示すメタデータを受信するステップと、
前記受信したデバイス状態を示すメタデータに応じて、音響モデルを前記複数の音響モデルから選択するステップと、
前記選択した音響モデルを使用して、前記受信した発話音声に含まれる前記自然言語発話からの音声を認識するステップとを含む、方法。 - 前記デバイス状態はデバイスの使用状態を含む、請求項1に記載の方法。
- 前記デバイスの使用状態は、前記発話音声を受信するための、または前記デバイスのユーザに音声フィードバックを与えるための、前記デバイスの1つ以上のハードウェアおよびソフトウェアコンポーネントに関する情報を提供する、請求項2に記載の方法。
- 前記受信したメタデータはデバイスに格納される、請求項1〜3のいずれか1項に記載の方法。
- 複数の異なるデバイスの音声認識を実行する方法であって、前記方法は、
異なるデバイスタイプに対応付けられた複数の音響モデルを格納するステップと、
自然言語発話を含む発話音声を受信するステップと、
デバイスタイプを示すメタデータを受信するステップと、
前記受信したデバイスタイプを示すメタデータに応じて、音響モデルを前記複数の音響モデルから選択するステップと、
前記選択した音響モデルを使用して、前記受信した発話音声に含まれる前記自然言語発話からの音声を認識するステップとを含む、方法。 - 前記デバイスタイプは、デバイスの型番およびシリアルナンバーのうちの少なくとも1つを特定する、請求項5に記載の方法。
- デバイス固有の音声認識を構成するためのプラットフォームを提供する方法であって、前記方法は、
特定のタイプのデバイスに適した少なくとも2つの音響モデルのセットを開発者が選択するためのユーザインターフェイスを提供するステップと、
前記少なくとも2つの音響モデルのセットの選択を開発者から受信するステップと、
音声認識システムを構成してデバイス固有の音声認識を実行するステップとを含む、方法。 - 前記デバイス固有の音声認識は、
前記特定のタイプのデバイスから、自然言語発話を含む発話音声を受信し前記受信する発話音声に対応付けられたメタデータを受信することと、
前記受信したメタデータに応じて、前記セットの前記少なくとも2つの音響モデルから1つの音響モデルを選択することと、
前記選択した音響モデルを使用して、前記受信した発話音声に含まれる前記自然言語発話からの音声を認識することとを含む、請求項7に記載の方法。 - 前記メタデータは、前記特定のタイプのデバイスに従って前記セットに含まれる音響モデルを特定する、請求項8に記載の方法。
- 前記メタデータは前記デバイスの特定のデバイス状態を特定し、前記音声認識システムは、前記特定のデバイス状態に応じて前記セットから前記1つの音響モデルを選択する、請求項8に記載の方法。
- 前記特定のタイプのデバイスに適したカスタム音響モデルを受信するステップと、
前記セットの前記音響モデルのうちの1つとして選択される前記カスタムモデルを前記ユーザインターフェイス内に提供するステップとをさらに含む、請求項7〜10のいずれか1項に記載の方法。 - 前記特定のタイプのデバイスに適した訓練データを受信するステップと、
前記受信した訓練データを用いて音響モデルを訓練するステップと、
前記セットの前記音響モデルのうちの1つとして選択される前記訓練した音響モデルを、前記ユーザインターフェイス内に提供するステップとをさらに含む、請求項7〜11のいずれか1項に記載の方法。 - デバイス固有の音声認識を構成するためのプラットフォームを使用する方法であって、前記方法は、
コンピュータシステムが提供するユーザインターフェイスを通して、特定のタイプのデバイスに適した少なくとも2つの音響モデルのセットを選択するステップと、
前記プラットフォームに対応付けられた音声認識システムに、発話音声をメタデータとともに提供するステップとを含む、方法。 - 前記特定のタイプのデバイスに適したカスタム音響モデルを前記ユーザインターフェイスに提供するステップをさらに含み、
前記選択する音響モデルのセットは、前記提供するカスタム音響モデルを含む、請求項13に記載の方法。 - 前記特定のタイプのデバイスに適した音響モデルを訓練するための訓練データを提供するステップと、
前記提供した訓練データに基づいて訓練された音響モデルを前記ユーザインターフェイスの中から選択するステップとをさらに含む、請求項13または14に記載の方法。 - 前記メタデータは、前記特定のタイプのデバイスに従って前記セットに含まれる音響モデルを特定する、請求項13〜15のいずれか1項に記載の方法。
- 前記メタデータは特定のデバイス状態を特定し、前記コンピュータシステムは、前記特定のデバイス状態に応じて前記セットから1つの音響モデルを選択する、請求項13〜15のいずれか1項に記載の方法。
- 1つ以上のコンピュータによって実行されると請求項1〜17のいずれか1項に記載の方法を前記1つ以上のコンピュータに実施させるコンピュータプログラム。
- 1つ以上のコンピュータと、
前記1つ以上のコンピュータによって実行されると請求項1〜15のいずれか1項に記載の方法を前記1つ以上のコンピュータに実施させるコンピュータプログラムを格納するメモリデバイスとを備えるコンピュータシステム。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US15/996,393 | 2018-06-01 | ||
US15/996,393 US11011162B2 (en) | 2018-06-01 | 2018-06-01 | Custom acoustic models |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2019211752A true JP2019211752A (ja) | 2019-12-12 |
JP6874037B2 JP6874037B2 (ja) | 2021-05-19 |
Family
ID=68694122
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019029710A Active JP6874037B2 (ja) | 2018-06-01 | 2019-02-21 | カスタム音響モデル |
Country Status (3)
Country | Link |
---|---|
US (4) | US11011162B2 (ja) |
JP (1) | JP6874037B2 (ja) |
CN (2) | CN117198270A (ja) |
Families Citing this family (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102225984B1 (ko) * | 2018-09-03 | 2021-03-10 | 엘지전자 주식회사 | 음성 인식 서비스를 제공하는 서버 |
US11605379B2 (en) * | 2019-07-11 | 2023-03-14 | Lg Electronics Inc. | Artificial intelligence server |
KR20210017392A (ko) * | 2019-08-08 | 2021-02-17 | 삼성전자주식회사 | 전자 장치 및 이의 음성 인식 방법 |
JP7098587B2 (ja) * | 2019-08-29 | 2022-07-11 | 株式会社東芝 | 情報処理装置、キーワード検出装置、情報処理方法およびプログラム |
KR20190107622A (ko) * | 2019-09-02 | 2019-09-20 | 엘지전자 주식회사 | 이동형 에이젼트를 이용한 실시간 음성 인식 모델 업데이트 방법 및 장치 |
US11741943B2 (en) * | 2020-04-27 | 2023-08-29 | SoundHound, Inc | Method and system for acoustic model conditioning on non-phoneme information features |
CN111816173B (zh) * | 2020-06-01 | 2024-06-07 | 珠海格力电器股份有限公司 | 对话数据处理方法、装置、存储介质及计算机设备 |
EP4154248A2 (en) * | 2020-10-02 | 2023-03-29 | Google LLC | Systems and methods for training dual-mode machine-learned speech recognition models |
US20220199102A1 (en) * | 2020-12-18 | 2022-06-23 | International Business Machines Corporation | Speaker-specific voice amplification |
CN113593531B (zh) * | 2021-07-30 | 2024-05-03 | 思必驰科技股份有限公司 | 语音识别模型训练方法及*** |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2000353294A (ja) * | 1999-06-11 | 2000-12-19 | Fujitsu Ten Ltd | 車載用情報提供装置及び音声認識装置 |
JP2003177790A (ja) * | 2001-09-13 | 2003-06-27 | Matsushita Electric Ind Co Ltd | 端末装置、サーバ装置および音声認識方法 |
WO2005010868A1 (ja) * | 2003-07-29 | 2005-02-03 | Mitsubishi Denki Kabushiki Kaisha | 音声認識システム及びその端末とサーバ |
JP2005181459A (ja) * | 2003-12-16 | 2005-07-07 | Canon Inc | 音声認識装置および方法 |
JP2008158328A (ja) * | 2006-12-25 | 2008-07-10 | Ntt Docomo Inc | 端末装置及び判別方法 |
Family Cites Families (94)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6442512B1 (en) * | 1998-10-26 | 2002-08-27 | Invensys Systems, Inc. | Interactive process modeling system |
US6584439B1 (en) * | 1999-05-21 | 2003-06-24 | Winbond Electronics Corporation | Method and apparatus for controlling voice controlled devices |
US6477493B1 (en) * | 1999-07-15 | 2002-11-05 | International Business Machines Corporation | Off site voice enrollment on a transcription device for speech recognition |
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 |
US7219058B1 (en) * | 2000-10-13 | 2007-05-15 | At&T Corp. | System and method for processing speech recognition results |
US20020169604A1 (en) * | 2001-03-09 | 2002-11-14 | Damiba Bertrand A. | System, method and computer program product for genre-based grammars and acoustic models in a speech recognition framework |
DE10122828A1 (de) * | 2001-05-11 | 2002-11-14 | Philips Corp Intellectual Pty | Verfahren zum Training oder zur Adaption eines Spracherkenners |
CN1409527A (zh) * | 2001-09-13 | 2003-04-09 | 松下电器产业株式会社 | 终端器、服务器及语音辨识方法 |
WO2003029963A2 (en) * | 2001-09-28 | 2003-04-10 | Codagen Technologies Corp. | A system and method for managing architectural layers within a software model |
US6952674B2 (en) | 2002-01-07 | 2005-10-04 | Intel Corporation | Selecting an acoustic model in a speech recognition system |
US7072834B2 (en) | 2002-04-05 | 2006-07-04 | Intel Corporation | Adapting to adverse acoustic environment in speech processing using playback training data |
AU2003302063A1 (en) * | 2002-11-21 | 2004-06-15 | Matsushita Electric Industrial Co., Ltd. | Standard model creating device and standard model creating method |
US7949522B2 (en) * | 2003-02-21 | 2011-05-24 | Qnx Software Systems Co. | System for suppressing rain noise |
US7720683B1 (en) * | 2003-06-13 | 2010-05-18 | Sensory, Inc. | Method and apparatus of specifying and performing speech recognition operations |
US7437294B1 (en) * | 2003-11-21 | 2008-10-14 | Sprint Spectrum L.P. | Methods for selecting acoustic model for use in a voice command platform |
US7634095B2 (en) * | 2004-02-23 | 2009-12-15 | General Motors Company | Dynamic tuning of hands-free algorithm for noise and driving conditions |
US8005668B2 (en) * | 2004-09-22 | 2011-08-23 | General Motors Llc | Adaptive confidence thresholds in telematics system speech recognition |
US7565282B2 (en) * | 2005-04-14 | 2009-07-21 | Dictaphone Corporation | System and method for adaptive automatic error correction |
US7676363B2 (en) * | 2006-06-29 | 2010-03-09 | General Motors Llc | Automated speech recognition using normalized in-vehicle speech |
KR100911429B1 (ko) * | 2007-08-22 | 2009-08-11 | 한국전자통신연구원 | 환경 이동을 위한 잡음 적응형 음향 모델 생성 방법 및 장치 |
EP2250607A1 (en) * | 2008-03-04 | 2010-11-17 | Apple Inc. | System and method of authorizing execution of software code based on accessible entitlements |
US8745573B2 (en) * | 2008-06-16 | 2014-06-03 | Beek Fund B.V. L.L.C. | Platform-independent application development framework |
US8155961B2 (en) * | 2008-12-09 | 2012-04-10 | Nokia Corporation | Adaptation of automatic speech recognition acoustic models |
US8306819B2 (en) * | 2009-03-09 | 2012-11-06 | Microsoft Corporation | Enhanced automatic speech recognition using mapping between unsupervised and supervised speech model parameters trained on same acoustic training data |
US20100268534A1 (en) * | 2009-04-17 | 2010-10-21 | Microsoft Corporation | Transcription, archiving and threading of voice communications |
US8386251B2 (en) * | 2009-06-08 | 2013-02-26 | Microsoft Corporation | Progressive application of knowledge sources in multistage speech recognition |
US9111540B2 (en) * | 2009-06-09 | 2015-08-18 | Microsoft Technology Licensing, Llc | Local and remote aggregation of feedback data for speech recognition |
US9026444B2 (en) * | 2009-09-16 | 2015-05-05 | At&T Intellectual Property I, L.P. | System and method for personalization of acoustic models for automatic speech recognition |
US8468012B2 (en) * | 2010-05-26 | 2013-06-18 | Google Inc. | Acoustic model adaptation using geographic information |
US8694537B2 (en) | 2010-07-29 | 2014-04-08 | Soundhound, Inc. | Systems and methods for enabling natural language processing |
CN101923854B (zh) * | 2010-08-31 | 2012-03-28 | 中国科学院计算技术研究所 | 一种交互式语音识别***和方法 |
KR20120054845A (ko) * | 2010-11-22 | 2012-05-31 | 삼성전자주식회사 | 로봇의 음성인식방법 |
US20120315009A1 (en) * | 2011-01-03 | 2012-12-13 | Curt Evans | Text-synchronized media utilization and manipulation |
US8296142B2 (en) * | 2011-01-21 | 2012-10-23 | Google Inc. | Speech recognition using dock context |
CN102436816A (zh) * | 2011-09-20 | 2012-05-02 | 安徽科大讯飞信息科技股份有限公司 | 一种语音数据解码方法和装置 |
US9183380B2 (en) * | 2011-10-11 | 2015-11-10 | Citrix Systems, Inc. | Secure execution of enterprise applications on mobile devices |
US9263040B2 (en) | 2012-01-17 | 2016-02-16 | GM Global Technology Operations LLC | Method and system for using sound related vehicle information to enhance speech recognition |
US9406299B2 (en) * | 2012-05-08 | 2016-08-02 | Nuance Communications, Inc. | Differential acoustic model representation and linear transform-based adaptation for efficient user profile update techniques in automatic speech recognition |
CN103514878A (zh) * | 2012-06-27 | 2014-01-15 | 北京百度网讯科技有限公司 | 声学建模方法及装置和语音识别方法及装置 |
US8683226B2 (en) * | 2012-07-16 | 2014-03-25 | Digi International Inc. | Automatic provisioning in mobile to mobile platforms |
US20140365221A1 (en) * | 2012-07-31 | 2014-12-11 | Novospeech Ltd. | Method and apparatus for speech recognition |
US8831957B2 (en) | 2012-08-01 | 2014-09-09 | Google Inc. | Speech recognition models based on location indicia |
US9460716B1 (en) * | 2012-09-11 | 2016-10-04 | Google Inc. | Using social networks to improve acoustic models |
US10134400B2 (en) * | 2012-11-21 | 2018-11-20 | Verint Systems Ltd. | Diarization using acoustic labeling |
US9495955B1 (en) * | 2013-01-02 | 2016-11-15 | Amazon Technologies, Inc. | Acoustic model training |
US9159315B1 (en) * | 2013-01-07 | 2015-10-13 | Google Inc. | Environmentally aware speech recognition |
US9224404B2 (en) | 2013-01-28 | 2015-12-29 | 2236008 Ontario Inc. | Dynamic audio processing parameters with automatic speech recognition |
CN103208291A (zh) * | 2013-03-08 | 2013-07-17 | 华南理工大学 | 一种可用于强噪声环境的语音增强方法及装置 |
US20140278415A1 (en) | 2013-03-12 | 2014-09-18 | Motorola Mobility Llc | Voice Recognition Configuration Selector and Method of Operation Therefor |
US10424292B1 (en) * | 2013-03-14 | 2019-09-24 | Amazon Technologies, Inc. | System for recognizing and responding to environmental noises |
US9208781B2 (en) * | 2013-04-05 | 2015-12-08 | International Business Machines Corporation | Adapting speech recognition acoustic models with environmental and social cues |
US20140372118A1 (en) * | 2013-06-17 | 2014-12-18 | Speech Morphing Systems, Inc. | Method and apparatus for exemplary chip architecture |
JP6169910B2 (ja) * | 2013-07-08 | 2017-07-26 | 本田技研工業株式会社 | 音声処理装置 |
US9847082B2 (en) | 2013-08-23 | 2017-12-19 | Honeywell International Inc. | System for modifying speech recognition and beamforming using a depth image |
KR20150031984A (ko) | 2013-09-17 | 2015-03-25 | 한국전자통신연구원 | 디바이스 구분 음향모델 누적 적응을 이용한 음성인식 시스템 및 방법 |
US9443527B1 (en) * | 2013-09-27 | 2016-09-13 | Amazon Technologies, Inc. | Speech recognition capability generation and control |
US20150161999A1 (en) * | 2013-12-09 | 2015-06-11 | Ravi Kalluri | Media content consumption with individualized acoustic speech recognition |
CN103714812A (zh) * | 2013-12-23 | 2014-04-09 | 百度在线网络技术(北京)有限公司 | 一种语音识别方法及装置 |
US20150301795A1 (en) * | 2014-04-16 | 2015-10-22 | Facebook, Inc. | Crowd sourced based training for natural language interface systems |
US9564123B1 (en) | 2014-05-12 | 2017-02-07 | Soundhound, Inc. | Method and system for building an integrated user profile |
US9870500B2 (en) * | 2014-06-11 | 2018-01-16 | At&T Intellectual Property I, L.P. | Sensor enhanced speech recognition |
KR101610151B1 (ko) * | 2014-10-17 | 2016-04-08 | 현대자동차 주식회사 | 개인음향모델을 이용한 음성 인식장치 및 방법 |
US9881255B1 (en) * | 2014-12-17 | 2018-01-30 | Amazon Technologies, Inc. | Model based selection of network resources for which to accelerate delivery |
US9979724B2 (en) * | 2015-02-06 | 2018-05-22 | NXT-ID, Inc. | Distributed method and system to improve collaborative services across multiple devices |
US9721559B2 (en) * | 2015-04-17 | 2017-08-01 | International Business Machines Corporation | Data augmentation method based on stochastic feature mapping for automatic speech recognition |
US9886423B2 (en) * | 2015-06-19 | 2018-02-06 | International Business Machines Corporation | Reconciliation of transcripts |
US10152968B1 (en) * | 2015-06-26 | 2018-12-11 | Iconics, Inc. | Systems and methods for speech-based monitoring and/or control of automation devices |
RU2704746C2 (ru) * | 2015-08-24 | 2019-10-30 | ФОРД ГЛОУБАЛ ТЕКНОЛОДЖИЗ, ЭлЭлСи | Динамическая акустическая модель для транспортного средства |
US10147442B1 (en) * | 2015-09-29 | 2018-12-04 | Amazon Technologies, Inc. | Robust neural network acoustic model with side task prediction of reference signals |
CN105355198B (zh) * | 2015-10-20 | 2019-03-12 | 河海大学 | 一种基于多重自适应的模型补偿语音识别方法 |
US9934777B1 (en) * | 2016-07-01 | 2018-04-03 | Amazon Technologies, Inc. | Customized speech processing language models |
US9691384B1 (en) * | 2016-08-19 | 2017-06-27 | Google Inc. | Voice action biasing system |
US10326657B1 (en) * | 2016-09-30 | 2019-06-18 | Juniper Networks, Inc. | Multi vendor device support in network management systems |
US10453101B2 (en) * | 2016-10-14 | 2019-10-22 | SoundHound Inc. | Ad bidding based on a buyer-defined function |
US10481874B2 (en) * | 2016-10-31 | 2019-11-19 | General Electric Company | System architecture for secure and rapid development, deployment and management of analytics and software systems |
US10319250B2 (en) | 2016-12-29 | 2019-06-11 | Soundhound, Inc. | Pronunciation guided by automatic speech recognition |
US20180213339A1 (en) * | 2017-01-23 | 2018-07-26 | Intel Corporation | Adapting hearing aids to different environments |
DK179496B1 (en) * | 2017-05-12 | 2019-01-15 | Apple Inc. | USER-SPECIFIC Acoustic Models |
US10410635B2 (en) | 2017-06-09 | 2019-09-10 | Soundhound, Inc. | Dual mode speech recognition |
US10885900B2 (en) * | 2017-08-11 | 2021-01-05 | Microsoft Technology Licensing, Llc | Domain adaptation in speech recognition via teacher-student learning |
US10586529B2 (en) * | 2017-09-14 | 2020-03-10 | International Business Machines Corporation | Processing of speech signal |
US11216745B2 (en) * | 2017-11-07 | 2022-01-04 | Google Llc | Incognito mode for personalized machine-learned models |
US11130497B2 (en) * | 2017-12-18 | 2021-09-28 | Plusai Limited | Method and system for ensemble vehicle control prediction in autonomous driving vehicles |
KR102550932B1 (ko) * | 2017-12-29 | 2023-07-04 | 삼성전자주식회사 | 음성 인식 모델의 개인화 방법 및 장치 |
US10643602B2 (en) * | 2018-03-16 | 2020-05-05 | Microsoft Technology Licensing, Llc | Adversarial teacher-student learning for unsupervised domain adaptation |
US10748535B2 (en) * | 2018-03-22 | 2020-08-18 | Lenovo (Singapore) Pte. Ltd. | Transcription record comparison |
US11257493B2 (en) | 2019-07-11 | 2022-02-22 | Soundhound, Inc. | Vision-assisted speech processing |
JP6977004B2 (ja) | 2019-08-23 | 2021-12-08 | サウンドハウンド,インコーポレイテッド | 車載装置、発声を処理する方法およびプログラム |
US20210065712A1 (en) | 2019-08-31 | 2021-03-04 | Soundhound, Inc. | Automotive visual speech recognition |
US12020696B2 (en) | 2019-10-21 | 2024-06-25 | Soundhound Ai Ip, Llc | Automatic synchronization for an offline virtual assistant |
US11392833B2 (en) | 2020-02-13 | 2022-07-19 | Soundhound, Inc. | Neural acoustic model |
CN113270091B (zh) | 2020-02-14 | 2024-04-16 | 声音猎手公司 | 音频处理***和方法 |
US20210312920A1 (en) | 2020-04-02 | 2021-10-07 | Soundhound, Inc. | Multi-modal audio processing for voice-controlled devices |
US11741943B2 (en) | 2020-04-27 | 2023-08-29 | SoundHound, Inc | Method and system for acoustic model conditioning on non-phoneme information features |
-
2018
- 2018-06-01 US US15/996,393 patent/US11011162B2/en active Active
-
2019
- 2019-02-21 JP JP2019029710A patent/JP6874037B2/ja active Active
- 2019-05-14 CN CN202311206449.9A patent/CN117198270A/zh active Pending
- 2019-05-14 CN CN201910400081.7A patent/CN110556097B/zh active Active
-
2021
- 2021-04-21 US US17/237,003 patent/US11367448B2/en active Active
-
2022
- 2022-01-11 US US17/573,551 patent/US11830472B2/en active Active
-
2023
- 2023-10-12 US US18/379,618 patent/US20240038233A1/en active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2000353294A (ja) * | 1999-06-11 | 2000-12-19 | Fujitsu Ten Ltd | 車載用情報提供装置及び音声認識装置 |
JP2003177790A (ja) * | 2001-09-13 | 2003-06-27 | Matsushita Electric Ind Co Ltd | 端末装置、サーバ装置および音声認識方法 |
WO2005010868A1 (ja) * | 2003-07-29 | 2005-02-03 | Mitsubishi Denki Kabushiki Kaisha | 音声認識システム及びその端末とサーバ |
JP2005181459A (ja) * | 2003-12-16 | 2005-07-07 | Canon Inc | 音声認識装置および方法 |
JP2008158328A (ja) * | 2006-12-25 | 2008-07-10 | Ntt Docomo Inc | 端末装置及び判別方法 |
Also Published As
Publication number | Publication date |
---|---|
US20210241769A1 (en) | 2021-08-05 |
US20220130390A1 (en) | 2022-04-28 |
US20190371311A1 (en) | 2019-12-05 |
JP6874037B2 (ja) | 2021-05-19 |
US11367448B2 (en) | 2022-06-21 |
CN117198270A (zh) | 2023-12-08 |
US20240038233A1 (en) | 2024-02-01 |
US11011162B2 (en) | 2021-05-18 |
CN110556097B (zh) | 2023-10-13 |
US11830472B2 (en) | 2023-11-28 |
CN110556097A (zh) | 2019-12-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6874037B2 (ja) | カスタム音響モデル | |
JP6538779B2 (ja) | 音声対話システム、音声対話方法、および音声対話システムを適合させる方法 | |
US10229683B2 (en) | Speech-enabled system with domain disambiguation | |
KR20190100334A (ko) | 문맥상의 핫워드들 | |
US7603276B2 (en) | Standard-model generation for speech recognition using a reference model | |
US11295735B1 (en) | Customizing voice-control for developer devices | |
US9837068B2 (en) | Sound sample verification for generating sound detection model | |
CN112037774A (zh) | 用于关键短语识别的***和方法 | |
US20230274727A1 (en) | Instantaneous learning in text-to-speech during dialog | |
US20180218728A1 (en) | Domain-Specific Speech Recognizers in a Digital Medium Environment | |
US20180301144A1 (en) | Electronic device, method for adapting acoustic model thereof, and voice recognition system | |
KR20240073984A (ko) | 관찰된 쿼리 패턴들에 기초하는 타겟 디바이스에 대한 증류 | |
US11641592B1 (en) | Device management using stored network metrics | |
KR101989127B1 (ko) | 번역 장치, 번역 방법 및 번역 컴퓨터 프로그램 | |
EP2541544A1 (en) | Voice sample tagging | |
WO2020208972A1 (ja) | 応答生成装置及び応答生成方法 | |
Bhagath et al. | Speech recognition for indian spoken languages towards automated home appliances | |
US20200321006A1 (en) | Agent apparatus, agent apparatus control method, and storage medium | |
US10601757B2 (en) | Multi-output mode communication support device, communication support method, and computer program product | |
CN115910029A (zh) | 生成合成语音输入 | |
CN118401998A (en) | Distillation to target device based on observed query pattern | |
JP2021018293A (ja) | エージェント装置、エージェント装置の制御方法、およびプログラム | |
JP2019191377A (ja) | 音声操作の精度向上を目的としたトレーニングシステム | |
Su et al. | Design and Development of a Speech-driven Control for a In-car Personal Navigation System | |
Salinas Vila | Adaptation of voice sever to automotive environment |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20190422 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20200424 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20200602 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20200901 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20201124 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20210121 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20210323 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20210421 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6874037 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |