JP2022074509A - 差分抽出装置、方法及びプログラム - Google Patents
差分抽出装置、方法及びプログラム Download PDFInfo
- Publication number
- JP2022074509A JP2022074509A JP2020184610A JP2020184610A JP2022074509A JP 2022074509 A JP2022074509 A JP 2022074509A JP 2020184610 A JP2020184610 A JP 2020184610A JP 2020184610 A JP2020184610 A JP 2020184610A JP 2022074509 A JP2022074509 A JP 2022074509A
- Authority
- JP
- Japan
- Prior art keywords
- notation
- word
- unit
- sequence
- input
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000605 extraction Methods 0.000 title claims abstract description 52
- 238000000034 method Methods 0.000 title description 32
- 238000006243 chemical reaction Methods 0.000 claims abstract description 93
- 239000000284 extract Substances 0.000 claims abstract description 8
- 239000013598 vector Substances 0.000 claims description 88
- 238000004458 analytical method Methods 0.000 claims description 42
- 230000000877 morphologic effect Effects 0.000 claims description 31
- 238000004364 calculation method Methods 0.000 claims description 27
- 238000012545 processing Methods 0.000 claims description 26
- 230000006870 function Effects 0.000 claims description 9
- 230000005236 sound signal Effects 0.000 claims description 9
- 238000010586 diagram Methods 0.000 description 22
- 230000008569 process Effects 0.000 description 17
- 238000011156 evaluation Methods 0.000 description 15
- 230000015572 biosynthetic process Effects 0.000 description 10
- 238000002474 experimental method Methods 0.000 description 10
- 230000015654 memory Effects 0.000 description 10
- 238000003786 synthesis reaction Methods 0.000 description 10
- 241000220317 Rosa Species 0.000 description 7
- 102100029860 Suppressor of tumorigenicity 20 protein Human genes 0.000 description 7
- 238000012986 modification Methods 0.000 description 7
- 230000004048 modification Effects 0.000 description 7
- 238000012937 correction Methods 0.000 description 6
- 230000000694 effects Effects 0.000 description 5
- 238000013135 deep learning Methods 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 150000001875 compounds Chemical class 0.000 description 3
- 230000003595 spectral effect Effects 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 239000011295 pitch Substances 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 238000010845 search algorithm Methods 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 238000001228 spectrum Methods 0.000 description 2
- 241000255925 Diptera Species 0.000 description 1
- 101000585359 Homo sapiens Suppressor of tumorigenicity 20 protein Proteins 0.000 description 1
- 238000012300 Sequence Analysis Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 230000037433 frameshift Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 239000011306 natural pitch Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000006403 short-term memory Effects 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000003936 working memory Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/232—Orthographic correction, e.g. spell checking or vowelisation
-
- 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
- G10L13/00—Speech synthesis; Text to speech systems
- G10L13/02—Methods for producing synthetic speech; Speech synthesisers
- G10L13/04—Details of speech synthesis systems, e.g. synthesiser structure or memory management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/268—Morphological analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/30—Semantic analysis
-
- 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
- G10L13/00—Speech synthesis; Text to speech systems
- G10L13/08—Text analysis or generation of parameters for speech synthesis out of text, e.g. grapheme to phoneme translation, prosody generation or stress or intonation determination
-
- 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
- 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
- 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
- G10L15/22—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
- G10L15/08—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
- G10L15/06—Creation of reference templates; Training of speech recognition systems, e.g. adaptation to the characteristics of the speaker's voice
- G10L15/063—Training
- G10L2015/0631—Creating reference templates; Clustering
- G10L2015/0633—Creating reference templates; Clustering using lexical or orthographic knowledge sources
Landscapes
- Engineering & Computer Science (AREA)
- Computational Linguistics (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Artificial Intelligence (AREA)
- Human Computer Interaction (AREA)
- Multimedia (AREA)
- Acoustics & Sound (AREA)
- General Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Machine Translation (AREA)
- Electrically Operated Instructional Devices (AREA)
Abstract
Description
図1は、第1の実施形態に係る差分抽出装置の構成を例示するブロック図である。この差分抽出装置1は、テキスト取得部10、発音列変換部20、表記列変換部30、比較部40及び表示制御部70を備えている。
第1の実施形態の変形例は、特徴量変換部31が、発音列を直接的に音響スコアベクトルに変換する処理に代えて、発音列を音声信号に変換してから音響スコアベクトルに変換する処理を実行する形態である。
次に、第2の実施形態について図11乃至図15を用いて説明する。第2の実施形態は、第1の実施形態又はその変形例と比べ、比較部40で抽出された差分に対し、追加的に処理が行われる。例えば、第2の実施形態は、差分を抽出して表示するのみの第1の実施形態とは異なり、抽出された差分を単語単位の差分へと変換して表示する。また、第2の実施形態は、表示された単語候補の範囲を修正するので、単語抽出の質の向上を期待できる。
次に、第3の実施形態について図16乃至図21を用いて説明する。第3の実施形態は、第2の実施形態で推定された単語候補に対して単語種類を判定し、単語種類に応じた表示属性を用いて単語候補を表示する。また、第3の実施形態は、表示されている単語候補を単語辞書35へ登録し、登録した結果を表示へ反映させてもよい。
図22は、第4の実施形態に係る差分抽出装置のハードウェア構成を例示するブロック図である。第4の実施形態は、第1乃至第3の実施形態の具体例であり、差分抽出装置1をコンピュータにより実現した形態となっている。
Claims (13)
- 入力表記列が記載されたテキストを取得するテキスト取得部と、
前記入力表記列を発音列に変換する発音列変換部と、
前記発音列を出力表記列に変換する表記列変換部と、
前記入力表記列と前記出力表記列とを比較して差分を抽出する比較部と、
を備えた差分抽出装置。 - 前記入力表記列を解析する解析部と、
前記入力表記列の解析結果に基づいて、前記入力表記列のうち、前記差分を含む単語候補の表記を推定する単語推定部、を更に備えた請求項1に記載の差分抽出装置。 - 前記単語候補を含む前記入力表記列をディスプレイに表示させる表示制御部と、
前記表示された前記入力表記列のうち、前記単語候補の少なくとも一部を含む表記の範囲を指示する指示部と、
を更に備えた請求項2に記載の差分抽出装置。 - 前記単語候補の単語種類を判定する単語種類判定部、を更に備えた請求項2に記載の差分抽出装置。
- 前記単語候補を含む前記入力表記列をディスプレイに表示させる表示制御部、
を更に備え、
前記表示制御部は、前記単語種類に応じた表示属性を用いて前記単語候補の表記をディスプレイに表示させる、請求項4に記載の差分抽出装置。 - 前記指示された範囲の表記を単語辞書に登録する単語登録部、を更に備えた請求項3に記載の差分抽出装置。
- 前記単語種類判定部は、前記単語候補の表記が単語辞書に登録されていなければ、当該単語候補の表記を未知語と判定する未知語判定部、を備えた請求項4に記載の差分抽出装置。
- 前記単語種類判定部は、前記単語候補の表記と、当該単語候補の表記に対応する前記出力表記列内の表記とが同じ単語の異表記であれば、当該異表記である2つの表記を表記ゆれと判定する表記ゆれ判定部、を備えた請求項4に記載の差分抽出装置。
- 前記表記列変換部は、
前記発音列を音響スコアベクトルに変換する特徴量変換部と、
音声認識用の言語モデルと単語辞書とを記憶した記憶部と、
前記音響スコアベクトルから発音列を生成し、当該生成した発音列を、前記言語モデル及び前記単語辞書を用いて、前記出力表記列に変換する変換部と、
を備えた請求項1に記載の差分抽出装置。 - 前記特徴量変換部は、
前記発音列から音声信号を合成する音声合成部と、
前記音声信号から音響特徴ベクトルを計算する音響特徴量計算部と、
前記音響特徴ベクトルから音響スコアベクトルを計算する音響スコア計算部と、
を備えた請求項9に記載の差分抽出装置。 - 前記発音列変換部は、
前記入力表記列を単語に分割して、各単語の品詞を推定する形態素解析を行う形態素解析部と、
前記形態素解析の結果に基づき、前記各単語に読みを付けて前記発音列に変換する読み付け処理部と、
を備えた請求項1に記載の差分抽出装置。 - 入力表記列が記載されたテキストを取得することと、
前記入力表記列を発音列に変換することと、
前記発音列を出力表記列に変換することと、
前記入力表記列と前記出力表記列とを比較して差分を抽出することと、
を備えた差分抽出方法。 - 入力表記列が記載されたテキストを取得する機能、
前記入力表記列を発音列に変換する機能、
前記発音列を出力表記列に変換する機能、
前記入力表記列と前記出力表記列とを比較して差分を抽出する機能、
をコンピュータに実現させるためのプログラム。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020184610A JP2022074509A (ja) | 2020-11-04 | 2020-11-04 | 差分抽出装置、方法及びプログラム |
CN202111008156.0A CN114519998A (zh) | 2020-11-04 | 2021-08-31 | 差分抽取装置、方法以及程序 |
US17/463,197 US20220138420A1 (en) | 2020-11-04 | 2021-08-31 | Difference extraction device, method and program |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020184610A JP2022074509A (ja) | 2020-11-04 | 2020-11-04 | 差分抽出装置、方法及びプログラム |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2022074509A true JP2022074509A (ja) | 2022-05-18 |
Family
ID=81380140
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020184610A Pending JP2022074509A (ja) | 2020-11-04 | 2020-11-04 | 差分抽出装置、方法及びプログラム |
Country Status (3)
Country | Link |
---|---|
US (1) | US20220138420A1 (ja) |
JP (1) | JP2022074509A (ja) |
CN (1) | CN114519998A (ja) |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH01154199A (ja) * | 1987-12-11 | 1989-06-16 | Ricoh Co Ltd | 発声用パターン登録方式 |
JPH0785040A (ja) * | 1993-09-13 | 1995-03-31 | Hitachi Ltd | 表記不統一検出方法およびかな漢字変換方法 |
US7684988B2 (en) * | 2004-10-15 | 2010-03-23 | Microsoft Corporation | Testing and tuning of automatic speech recognition systems using synthetic inputs generated from its acoustic models |
WO2011068170A1 (ja) * | 2009-12-04 | 2011-06-09 | ソニー株式会社 | 検索装置、検索方法、及び、プログラム |
JP6413659B2 (ja) * | 2014-11-06 | 2018-10-31 | 日本電気株式会社 | ゆれ語判定装置、ゆれ語判定方法、ゆれ語判定プログラム、及び、文書分析装置 |
JP6495850B2 (ja) * | 2016-03-14 | 2019-04-03 | 株式会社東芝 | 情報処理装置、情報処理方法、プログラムおよび認識システム |
KR102498667B1 (ko) * | 2020-08-27 | 2023-02-10 | 네오사피엔스 주식회사 | 합성 음성을 화자 이미지에 적용하는 방법 및 시스템 |
-
2020
- 2020-11-04 JP JP2020184610A patent/JP2022074509A/ja active Pending
-
2021
- 2021-08-31 CN CN202111008156.0A patent/CN114519998A/zh active Pending
- 2021-08-31 US US17/463,197 patent/US20220138420A1/en active Pending
Also Published As
Publication number | Publication date |
---|---|
US20220138420A1 (en) | 2022-05-05 |
CN114519998A (zh) | 2022-05-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP4791984B2 (ja) | 入力された音声を処理する装置、方法およびプログラム | |
US6751592B1 (en) | Speech synthesizing apparatus, and recording medium that stores text-to-speech conversion program and can be read mechanically | |
Schuster et al. | Japanese and korean voice search | |
Le et al. | Automatic speech recognition for under-resourced languages: application to Vietnamese language | |
US20090204401A1 (en) | Speech processing system, speech processing method, and speech processing program | |
WO2016067418A1 (ja) | 対話制御装置および対話制御方法 | |
JPWO2007097176A1 (ja) | 音声認識辞書作成支援システム、音声認識辞書作成支援方法及び音声認識辞書作成支援用プログラム | |
US20070179779A1 (en) | Language information translating device and method | |
Ekpenyong et al. | Statistical parametric speech synthesis for Ibibio | |
Alsharhan et al. | Evaluating the effect of using different transcription schemes in building a speech recognition system for Arabic | |
KR102580904B1 (ko) | 음성 신호를 번역하는 방법 및 그에 따른 전자 디바이스 | |
JP2020060642A (ja) | 音声合成システム、及び音声合成装置 | |
JP2010169973A (ja) | 外国語学習支援システム、及びプログラム | |
Pellegrini et al. | Automatic word decompounding for asr in a morphologically rich language: Application to amharic | |
JP2004271895A (ja) | 複数言語音声認識システムおよび発音学習システム | |
Tjalve et al. | Pronunciation variation modelling using accent features | |
JP2022074509A (ja) | 差分抽出装置、方法及びプログラム | |
Möbius | Word and syllable models for German text-to-speech synthesis. | |
JP3589972B2 (ja) | 音声合成装置 | |
JP2009282330A (ja) | 音声認識及び合成システム、プログラム及び方法 | |
Saychum et al. | Efficient Thai Grapheme-to-Phoneme Conversion Using CRF-Based Joint Sequence Modeling. | |
JP2004294542A (ja) | 音声認識装置及びそのプログラム | |
Lyes et al. | Building a pronunciation dictionary for the Kabyle language | |
JP2001117583A (ja) | 音声認識装置および音声認識方法、並びに記録媒体 | |
KR100322743B1 (ko) | 음성합성기의 문서해석기에서 사용되는 형태소 해석방법 및 그 장치 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
RD01 | Notification of change of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7421 Effective date: 20230105 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20230217 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20231122 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20231212 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20240131 |
|
A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20240402 |