JP3031081B2 - 音声認識装置 - Google Patents
音声認識装置Info
- Publication number
- JP3031081B2 JP3031081B2 JP4260994A JP26099492A JP3031081B2 JP 3031081 B2 JP3031081 B2 JP 3031081B2 JP 4260994 A JP4260994 A JP 4260994A JP 26099492 A JP26099492 A JP 26099492A JP 3031081 B2 JP3031081 B2 JP 3031081B2
- Authority
- JP
- Japan
- Prior art keywords
- pattern
- voice
- noise
- stationary noise
- section
- 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.)
- Expired - Lifetime
Links
Description
【０００１】
【産業上の利用分野】本発明は、音声認識装置に関し、
特に非定常雑音の多い環境で使用される音声認識装置に
関する。
特に非定常雑音の多い環境で使用される音声認識装置に
関する。
【０００２】
【従来の技術】図５を参照すると、従来の音声認識装置
において、分析部１は入力信号ａを特徴ベクトルで表現
される入力パターンｂに変換する。音声検出部２は、入
力パターンｂを音声区間と非音声区間とに分け、音声区
間を入力音声パターンｃとして認識部３へ、また非音声
区間を非音声パターンｄとして雑音学習部５へ各各出力
する。雑音学習部５は、非音声パターンｄから例えばパ
ワーレベルの最小となる１区間を抽出あるいは全区間の
平均を計算し、雑音パターンｆとして認識部３へ出力す
る。認識部３は、入力音声パターンｃと標準パターン記
憶部４からの標準パターンｅの前後に雑音パターンｆを
結合したものとのマッチングを行い、その結果類似度の
最も高い標準パターンのカテゴリを認識結果ｇとして出
力する。なお、このマッチングの際に入力音声パターン
ｃから雑音パターンｆを減算するノイズサブストラクシ
ョンを行う場合もある。
において、分析部１は入力信号ａを特徴ベクトルで表現
される入力パターンｂに変換する。音声検出部２は、入
力パターンｂを音声区間と非音声区間とに分け、音声区
間を入力音声パターンｃとして認識部３へ、また非音声
区間を非音声パターンｄとして雑音学習部５へ各各出力
する。雑音学習部５は、非音声パターンｄから例えばパ
ワーレベルの最小となる１区間を抽出あるいは全区間の
平均を計算し、雑音パターンｆとして認識部３へ出力す
る。認識部３は、入力音声パターンｃと標準パターン記
憶部４からの標準パターンｅの前後に雑音パターンｆを
結合したものとのマッチングを行い、その結果類似度の
最も高い標準パターンのカテゴリを認識結果ｇとして出
力する。なお、このマッチングの際に入力音声パターン
ｃから雑音パターンｆを減算するノイズサブストラクシ
ョンを行う場合もある。
【０００３】従来のこの種の雑音パターンは定常雑音と
いう前提で音声検出の結果の非音声区間から１パターン
のみ学習されるものである。
いう前提で音声検出の結果の非音声区間から１パターン
のみ学習されるものである。
【０００４】次に図２を参照すると、（ａ）は非定常雑
音のない入力パターンのパワーの波形図であり、（ｂ）
は発声前に舌打ち音および発声後に呼気音が付加された
入力パターンのパワーの波形図と特徴ベクトルの変化量
の波形図である。従来の音声認識方式ではいずれも非音
声定常区間である″ＳＮ″区間のみを雑音パターンとし
て学習している。
音のない入力パターンのパワーの波形図であり、（ｂ）
は発声前に舌打ち音および発声後に呼気音が付加された
入力パターンのパワーの波形図と特徴ベクトルの変化量
の波形図である。従来の音声認識方式ではいずれも非音
声定常区間である″ＳＮ″区間のみを雑音パターンとし
て学習している。
【０００５】
【発明が解決しようとする課題】この従来の音声認識装
置では、実際のフィールド上での誤認識の原因は定常雑
音よりも非定常雑音のほうが多く、また非定常雑音が多
い環境で使用されるアプリケーションが多いにもかかわ
らず、従来の雑音学習方式では非定常雑音を学習するこ
とができない。したがって、フィールド上では高い音声
認識率を維持できない。
置では、実際のフィールド上での誤認識の原因は定常雑
音よりも非定常雑音のほうが多く、また非定常雑音が多
い環境で使用されるアプリケーションが多いにもかかわ
らず、従来の雑音学習方式では非定常雑音を学習するこ
とができない。したがって、フィールド上では高い音声
認識率を維持できない。
【０００６】
【課題を解決するための手段】本発明による音声認識装
置は、入力信号を特徴ベクトルで表現される入力パター
ンに変換する信号分析手段と、前記信号分析手段からの
前記入力パターンを音声区間と非音声区間とに分けて前
記音声区間を入力音声パターンとして出力するとともに
前記非音声区間を非音声パターンとして出力する音声検
出手段と、前記音声検出手段からの前記非音声パターン
から前記特徴ベクトルの変化の小さい区間の平均を定常
雑音パターンとして学習するとともに前記特徴ベクトル
の変化が大きい区間を切り出して非定常雑音パターンと
して学習する雑音学習手段と、前記雑音学習手段からの
前記定常雑音パターンと前記非定常雑音パターンとを登
録・記憶する雑音パターン記憶手段と、予め用意された
標準パターンが登録・記憶される標準パターン記憶手段
と、前記音声検出手段からの前記入力音声パターンと前
記標準パターン記憶手段からの前記標準パターンと前記
雑音パターン記憶手段からの前記定常雑音パターンおよ
び前記非定常雑音パターンとからマッチング処理を行な
って類似度の最も高い前記標準パターンのカテゴリを認
識結果として出力するパターン認識手段と、を備える。
置は、入力信号を特徴ベクトルで表現される入力パター
ンに変換する信号分析手段と、前記信号分析手段からの
前記入力パターンを音声区間と非音声区間とに分けて前
記音声区間を入力音声パターンとして出力するとともに
前記非音声区間を非音声パターンとして出力する音声検
出手段と、前記音声検出手段からの前記非音声パターン
から前記特徴ベクトルの変化の小さい区間の平均を定常
雑音パターンとして学習するとともに前記特徴ベクトル
の変化が大きい区間を切り出して非定常雑音パターンと
して学習する雑音学習手段と、前記雑音学習手段からの
前記定常雑音パターンと前記非定常雑音パターンとを登
録・記憶する雑音パターン記憶手段と、予め用意された
標準パターンが登録・記憶される標準パターン記憶手段
と、前記音声検出手段からの前記入力音声パターンと前
記標準パターン記憶手段からの前記標準パターンと前記
雑音パターン記憶手段からの前記定常雑音パターンおよ
び前記非定常雑音パターンとからマッチング処理を行な
って類似度の最も高い前記標準パターンのカテゴリを認
識結果として出力するパターン認識手段と、を備える。
【０００７】また、本発明による音声認識装置は、前記
雑音パターン記憶手段において、最新の前記定常雑音パ
ターンを１個のみ記憶し、さらに新しいものから決めら
れた個数分だけ前記非定常雑音パターンを記憶する。
雑音パターン記憶手段において、最新の前記定常雑音パ
ターンを１個のみ記憶し、さらに新しいものから決めら
れた個数分だけ前記非定常雑音パターンを記憶する。
【０００８】さらに、本発明による音声認識装置は、前
記パターン認識手段が前記マッチング処理を行なう際の
前記定常雑音パターンと前記非定常雑音パターンとは、
前記定常雑音パターンのみと前記非定常雑音パターンの
前後に前記定常雑音パターンを結合したものとして用い
られる。
記パターン認識手段が前記マッチング処理を行なう際の
前記定常雑音パターンと前記非定常雑音パターンとは、
前記定常雑音パターンのみと前記非定常雑音パターンの
前後に前記定常雑音パターンを結合したものとして用い
られる。
【０００９】
【実施例】本発明の音声認識装置において、雑音学習手
段では非音声パターンから特徴ベクトルの変化が小さい
区間の平均を定常雑音パターンとして学習し、特徴ベク
トルの変化が大きい区間を切り出して非定常雑音パター
ンとして学習する。また、雑音パターン記憶手段では最
新の定常雑音パターンを１個のみ記憶し、さらに新しい
ものから決められた個数分だけ非定常雑音パターンを記
憶する。さらに、認識手段では定常雑音パターンのみお
よび非定常雑音パターンの前後に定常雑音パターンを結
合したものを雑音パターンとしてマッチング処理に用い
る。
段では非音声パターンから特徴ベクトルの変化が小さい
区間の平均を定常雑音パターンとして学習し、特徴ベク
トルの変化が大きい区間を切り出して非定常雑音パター
ンとして学習する。また、雑音パターン記憶手段では最
新の定常雑音パターンを１個のみ記憶し、さらに新しい
ものから決められた個数分だけ非定常雑音パターンを記
憶する。さらに、認識手段では定常雑音パターンのみお
よび非定常雑音パターンの前後に定常雑音パターンを結
合したものを雑音パターンとしてマッチング処理に用い
る。
【００１０】次に、本発明について図面を参照して説明
する。本発明の一実施例を示す図１を参照すると、分析
部１は入力信号ａを特徴ベクトルで表現される入力パタ
ーンｂに変換する。音声検出部２は、入力パターンｂを
音声区間と非音声区間とに分け、音声区間を入力音声パ
ターンｃとして認識部３へ出力し、非音声区間を非音声
パターンｄとして雑音学習部５へ出力する。なおここ
で、入力音声パターンｃが真の音声区間を十分に含む様
に音声検出パラメータを設定したり、ハングオーバー区
間をつける場合もある。雑音学習部５は、非音声パター
ンｄから特徴ベクトルの変化が小さい区間の平均をとり
雑音パターンｈを定常雑音パターンとして雑音パターン
記憶部６へ出力する。ここでもし非音声パターンｄのな
かで特徴ベクトルの変化が大きい区間があれば、その区
間を切り出して雑音パターンｈを非定常雑音パターンと
して雑音パターン記憶部６へ出力する。図２（ｂ）にお
いて、仮に音声検出が正確に行われ″ＶＯＩＣＥ″の区
間以外が非音声パターンになったとすると、特徴ベクト
ルの変化が小さい例えばΔＶ＝Δｌ以下の区間″ＳＮ″
の平均を定常雑音パターンｈとして学習し、変化が大き
い例えばΔＶ＝Δｈ以上区間″Ｎ１″，″Ｎ２″を非定
常雑音パターンｉとして学習する。雑音パターン記憶部
６は、過去の定常雑音パターンを廃棄し、区間″ＳＮ″
での最新の定常雑音パターンを１個登録する。さらに、
今回学習した区間″Ｎ１″，″Ｎ２″での非定常雑音パ
ターンを登録し、既に登録した非定常雑音パターンの数
が予め決められた数のＭ個であった場合には、最も過去
に登録した区間（ここでは区間″Ｎ７″，″Ｎ８″とす
る）での雑音パターンを廃棄する。
する。本発明の一実施例を示す図１を参照すると、分析
部１は入力信号ａを特徴ベクトルで表現される入力パタ
ーンｂに変換する。音声検出部２は、入力パターンｂを
音声区間と非音声区間とに分け、音声区間を入力音声パ
ターンｃとして認識部３へ出力し、非音声区間を非音声
パターンｄとして雑音学習部５へ出力する。なおここ
で、入力音声パターンｃが真の音声区間を十分に含む様
に音声検出パラメータを設定したり、ハングオーバー区
間をつける場合もある。雑音学習部５は、非音声パター
ンｄから特徴ベクトルの変化が小さい区間の平均をとり
雑音パターンｈを定常雑音パターンとして雑音パターン
記憶部６へ出力する。ここでもし非音声パターンｄのな
かで特徴ベクトルの変化が大きい区間があれば、その区
間を切り出して雑音パターンｈを非定常雑音パターンと
して雑音パターン記憶部６へ出力する。図２（ｂ）にお
いて、仮に音声検出が正確に行われ″ＶＯＩＣＥ″の区
間以外が非音声パターンになったとすると、特徴ベクト
ルの変化が小さい例えばΔＶ＝Δｌ以下の区間″ＳＮ″
の平均を定常雑音パターンｈとして学習し、変化が大き
い例えばΔＶ＝Δｈ以上区間″Ｎ１″，″Ｎ２″を非定
常雑音パターンｉとして学習する。雑音パターン記憶部
６は、過去の定常雑音パターンを廃棄し、区間″ＳＮ″
での最新の定常雑音パターンを１個登録する。さらに、
今回学習した区間″Ｎ１″，″Ｎ２″での非定常雑音パ
ターンを登録し、既に登録した非定常雑音パターンの数
が予め決められた数のＭ個であった場合には、最も過去
に登録した区間（ここでは区間″Ｎ７″，″Ｎ８″とす
る）での雑音パターンを廃棄する。
【００１１】認識部３は、入力音声パターンｃと標準パ
ターン記憶部４からの出力である標準パターンｅおよび
雑音パターン記憶部６からの出力である雑音パターンｆ
とのマッチングを行う。ここで雑音パターンｆは、定常
雑音パターンｈとＭ個の（定常雑音パターンｈ＋非定常
雑音パターンｉ＋定常雑音パターンｈ）の合計（Ｍ＋
１）個の組み合わせを用意する。図２（ｂ）において学
習した区間″ＳＮ″，″Ｎ１″，″Ｎ２″での定常・非
定常雑音パターンから、図５の（ａ），（ｂ），（ｃ）
のように３個の雑音パターンを作成してマッチングに用
いる。このマッチングの方法は、例えば各標準パターン
の前後（Ｍ＋１）個の雑音パターンを結合したものと入
力音声パターンとをマッチングし、最も類似度が高くな
った組み合わせの標準パターンのカテゴリを認識結果ｇ
として出力するか、または入力音声パターンの始端から
雑音パターンとのマッチングを開始し、最も類似度の高
くなった雑音パターンの次に入力音声パターンの続きの
区間と標準パターンとのマッチングを行い、最後に再度
入力音声パターンの続きから終端までの区間と雑音パタ
ーンとのマッチングを行う。その結果、類似度の最も高
くなった標準パターンのカテゴリを認識結果ｇとして出
力する。なお、標準パターンとのマッチングの際に、入
力音声パターンから定常雑音パターンを減算するノイズ
サブストラクションを行う場合もある。次に、認識結果
が正解となった場合には正解の標準パターンとのマッチ
ングバックトレースを行い、標準パターンに対応した入
力音声パターンの区間を真の音声区間と判断し、かつ雑
音パターンに対応した入力音声パターンの区間を非音声
区間と判断してこれを非音声パターンｊとして雑音学習
部５に出力する。図２において、仮に音声検出が正確に
行われず″ＤＥＴＥＣＴ″の区間が入力音声パターンに
なったとすると、この″ＤＥＴＥＣＴ″の区間がマッチ
ングの対象となる。図２（ｂ）の入力音声パターンの場
合のマッチングバックトレースを図３に示す。この図３
において、標準パターンに対応した区間は″ｔ1 ″〜″
ｔ3 ″であり、この区間を真の音声区間と判断する。逆
に、雑音パターンに対応した区間は″ｔ1 ″〜″ｔ2
と″ｔ3 ″〜″ｔ4 ″であり、この区間を非音声区間と
判断し、非音声パターンｊとして雑音学習部に出力す
る。雑音学習部５は、非音声パターンｊの中で特徴ベク
トルの変化が小さい区間があればこの平均をとり定常雑
音パターンｈとして、また非音声パターンｊの中で特徴
ベクトルの変化が大きい区間があればその区間を非定常
雑音パターンｉとして雑音パターン記憶部６へ出力す
る。なお、図２（ｂ）においては特徴ベクトルの変化が
小さい区間がないため定常雑音パターンはなく、区間″
Ｎ１″，″Ｎ２″での非定常雑音パターンを学習するこ
とになる。雑音パターン記憶部６における雑音パターン
の廃棄あるいは登録の方法は前述と同じである。
ターン記憶部４からの出力である標準パターンｅおよび
雑音パターン記憶部６からの出力である雑音パターンｆ
とのマッチングを行う。ここで雑音パターンｆは、定常
雑音パターンｈとＭ個の（定常雑音パターンｈ＋非定常
雑音パターンｉ＋定常雑音パターンｈ）の合計（Ｍ＋
１）個の組み合わせを用意する。図２（ｂ）において学
習した区間″ＳＮ″，″Ｎ１″，″Ｎ２″での定常・非
定常雑音パターンから、図５の（ａ），（ｂ），（ｃ）
のように３個の雑音パターンを作成してマッチングに用
いる。このマッチングの方法は、例えば各標準パターン
の前後（Ｍ＋１）個の雑音パターンを結合したものと入
力音声パターンとをマッチングし、最も類似度が高くな
った組み合わせの標準パターンのカテゴリを認識結果ｇ
として出力するか、または入力音声パターンの始端から
雑音パターンとのマッチングを開始し、最も類似度の高
くなった雑音パターンの次に入力音声パターンの続きの
区間と標準パターンとのマッチングを行い、最後に再度
入力音声パターンの続きから終端までの区間と雑音パタ
ーンとのマッチングを行う。その結果、類似度の最も高
くなった標準パターンのカテゴリを認識結果ｇとして出
力する。なお、標準パターンとのマッチングの際に、入
力音声パターンから定常雑音パターンを減算するノイズ
サブストラクションを行う場合もある。次に、認識結果
が正解となった場合には正解の標準パターンとのマッチ
ングバックトレースを行い、標準パターンに対応した入
力音声パターンの区間を真の音声区間と判断し、かつ雑
音パターンに対応した入力音声パターンの区間を非音声
区間と判断してこれを非音声パターンｊとして雑音学習
部５に出力する。図２において、仮に音声検出が正確に
行われず″ＤＥＴＥＣＴ″の区間が入力音声パターンに
なったとすると、この″ＤＥＴＥＣＴ″の区間がマッチ
ングの対象となる。図２（ｂ）の入力音声パターンの場
合のマッチングバックトレースを図３に示す。この図３
において、標準パターンに対応した区間は″ｔ1 ″〜″
ｔ3 ″であり、この区間を真の音声区間と判断する。逆
に、雑音パターンに対応した区間は″ｔ1 ″〜″ｔ2
と″ｔ3 ″〜″ｔ4 ″であり、この区間を非音声区間と
判断し、非音声パターンｊとして雑音学習部に出力す
る。雑音学習部５は、非音声パターンｊの中で特徴ベク
トルの変化が小さい区間があればこの平均をとり定常雑
音パターンｈとして、また非音声パターンｊの中で特徴
ベクトルの変化が大きい区間があればその区間を非定常
雑音パターンｉとして雑音パターン記憶部６へ出力す
る。なお、図２（ｂ）においては特徴ベクトルの変化が
小さい区間がないため定常雑音パターンはなく、区間″
Ｎ１″，″Ｎ２″での非定常雑音パターンを学習するこ
とになる。雑音パターン記憶部６における雑音パターン
の廃棄あるいは登録の方法は前述と同じである。
【００１２】このように、同一の環境（場所や人等）で
使用されている過去の入力パターンから複数の雑音パタ
ーンを学習し、次の認識時にこれらの雑音パターンを用
いたマッチングを行うこてができる。
使用されている過去の入力パターンから複数の雑音パタ
ーンを学習し、次の認識時にこれらの雑音パターンを用
いたマッチングを行うこてができる。
【００１３】
【発明の効果】以上説明したように本発明によれば、
非定常雑音を含めた複数の雑音パターンを用いたマッチ
ングを行うことができ、非定常雑音が付加したために誤
認識していた入力音声を正しく認識することができる。
この結果、非定常雑音が多いフィールド上でも高い認識
率が維持できる。
非定常雑音を含めた複数の雑音パターンを用いたマッチ
ングを行うことができ、非定常雑音が付加したために誤
認識していた入力音声を正しく認識することができる。
この結果、非定常雑音が多いフィールド上でも高い認識
率が維持できる。
【図１】本発明の一実施例の音声認識装置を示すブロッ
ク図である。
ク図である。
【図２】（ａ）は同実施例の音声認識装置の非定常雑音
のない入力パターンのパワーの波形図である。 （ｂ）は同実施例の音声認識装置の発声前に舌打ち音お
よび発声後に呼気音が付加された入力パターンのパワー
の波形と特徴ベクトルの変化量を示す波形図である。
のない入力パターンのパワーの波形図である。 （ｂ）は同実施例の音声認識装置の発声前に舌打ち音お
よび発声後に呼気音が付加された入力パターンのパワー
の波形と特徴ベクトルの変化量を示す波形図である。
【図３】同実施例の音声認識装置の図２（ｂ）の入力音
声パターンと標準パターンおよび雑音パターンとのマッ
チングバックトレースを示す図である。
声パターンと標準パターンおよび雑音パターンとのマッ
チングバックトレースを示す図である。
【図４】（ａ）、（ｂ）、（ｃ）は同実施例の音声認識
装置の図２（ｂ）で学習した定常雑音パターンと非定常
雑音パターンから認識時用に作成した３つの雑音パター
ンのパワーの波形図である。
装置の図２（ｂ）で学習した定常雑音パターンと非定常
雑音パターンから認識時用に作成した３つの雑音パター
ンのパワーの波形図である。
【図５】従来の音声認識装置を示すブロック図である。
１ 分析部 ２ 音声検出部 ３ 認識部 ４ 標準パターン記憶部 ５ 雑音学習部 ６ 雑音パターン記憶部 ａ 入力信号 ｂ 入力パターン ｃ 入力音声パターン ｄ 非音声パターン ｅ 標準パターン ｆ 雑音パターン ｇ 認識結果 ｈ 雑音パターン ｊ 非音声パターン
───────────────────────────────────────────────────── フロントページの続き (58)調査した分野(Int.Cl.7，ＤＢ名) G10L 15/20 G10L 15/06 ＪＩＣＳＴファイル（ＪＯＩＳ)
Claims (3)
- 【請求項１】 入力信号を特徴ベクトルで表現される入
力パターンに変換する信号分析手段と、前記信号分析手段からの前記入力パターンを音声区間と
非音声区間とに分けて前記音声区間を入力音声パターン
として出力するとともに前記非音声区間を非音声パター
ンとして出力する 音声検出手段と、前記音声検出手段からの前記非音声パターンから前記特
徴ベクトルの変化の小さい区間の平均を定常雑音パター
ンとして学習するとともに前記特徴ベクトルの変化が大
きい区間を切り出して非定常雑音パターンとして学習す
る雑音学習手段と、 前記雑音学習手段からの前記定常雑音パターンと前記非
定常雑音パターンとを登録・記憶する 雑音パターン記憶
手段と、 予め用意された標準パターンが登録・記憶される標準パ
ターン記憶手段と、前記音声検出手段からの前記入力音声パターンと前記標
準パターン記憶手段からの前記標準パターンと前記雑音
パターン記憶手段からの前記定常雑音パターンおよび前
記非定常雑音パターンとからマッチング処理を行なって
類似度の最も高い前記標準パターンのカテゴリを認識結
果として出力するパターン 認識手段と、を備える ことを特徴とする音声認識装置。 - 【請求項２】 前記雑音パターン記憶手段において、最
新の前記定常雑音パターンを１個のみ記憶し、さらに新
しいものから決められた個数分だけ前記非定常雑音パタ
ーンを記憶することを特徴とする請求項１記載の音声認
識装置。 - 【請求項３】 前記パターン認識手段が前記マッチング
処理を行なう際の前記定常雑音パターンと前記非定常雑
音パターンとは、前記定常雑音パターンのみと前記非定
常雑音パターンの前後に前記定常雑音パターンを結合し
たものとして用いられることを特徴とする請求項１記載
の音声認識装置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP4260994A JP3031081B2 (ja) | 1992-09-30 | 1992-09-30 | 音声認識装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP4260994A JP3031081B2 (ja) | 1992-09-30 | 1992-09-30 | 音声認識装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPH06110491A JPH06110491A (ja) | 1994-04-22 |
| JP3031081B2 true JP3031081B2 (ja) | 2000-04-10 |
Family
ID=17355593
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP4260994A Expired - Lifetime JP3031081B2 (ja) | 1992-09-30 | 1992-09-30 | 音声認識装置 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP3031081B2 (ja) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2007025076A (ja) * | 2005-07-13 | 2007-02-01 | Xanavi Informatics Corp | 車載用音声認識装置 |
| JP4868999B2 (ja) | 2006-09-22 | 2012-02-01 | 富士通株式会社 | 音声認識方法、音声認識装置及びコンピュータプログラム |
-
1992
- 1992-09-30 JP JP4260994A patent/JP3031081B2/ja not_active Expired - Lifetime
Also Published As
| Publication number | Publication date |
|---|---|
| JPH06110491A (ja) | 1994-04-22 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US4811399A (en) | Apparatus and method for automatic speech recognition | |
| JPS58130393A (ja) | 音声認識装置 | |
| JPS5876899A (ja) | 音声区間検出装置 | |
| CN110675862A (zh) | 语料获取方法、电子装置及存储介质 | |
| JPS62217295A (ja) | 音声認識方式 | |
| US20020147581A1 (en) | Method and apparatus for performing prosody-based endpointing of a speech signal | |
| US5845092A (en) | Endpoint detection in a stand-alone real-time voice recognition system | |
| JP2996019B2 (ja) | 音声認識装置 | |
| JP3119510B2 (ja) | 音声認識装置 | |
| JP3031081B2 (ja) | 音声認識装置 | |
| JPH07219579A (ja) | 音声認識装置 | |
| JP3523382B2 (ja) | 音声認識装置及び音声認識方法 | |
| JP3664499B2 (ja) | 音声情報の処理方法及びその装置 | |
| US6438521B1 (en) | Speech recognition method and apparatus and computer-readable memory | |
| JP3008593B2 (ja) | 音声認識装置 | |
| JP2966002B2 (ja) | 音声認識装置 | |
| JP3360978B2 (ja) | 音声認識装置 | |
| Seman et al. | Hybrid methods of Brandt’s generalised likelihood ratio and short-term energy for Malay word speech segmentation | |
| JPS6147999A (ja) | 音声認識装置 | |
| JP2882791B2 (ja) | パターン比較方式 | |
| JPS63259596A (ja) | 音声区間検出方式 | |
| JPS59214900A (ja) | 音声認識装置 | |
| JPS58130394A (ja) | 音声認識装置 | |
| JP2844592B2 (ja) | 離散単語音声認識装置 | |
| JPS59149400A (ja) | 音声入力装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20000111 |