JP3535292B2 - 音声認識システム - Google Patents

音声認識システム

Info

Publication number
JP3535292B2
JP3535292B2 JP34016395A JP34016395A JP3535292B2 JP 3535292 B2 JP3535292 B2 JP 3535292B2 JP 34016395 A JP34016395 A JP 34016395A JP 34016395 A JP34016395 A JP 34016395A JP 3535292 B2 JP3535292 B2 JP 3535292B2
Authority
JP
Japan
Prior art keywords
acoustic
recognition
recognition system
model
sentence
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
Application number
JP34016395A
Other languages
English (en)
Other versions
JPH09179581A (ja
Inventor
誠 中村
直己 井ノ上
文廣 谷戸
誠一 山本
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
KDDI Corp
Original Assignee
KDDI Corp
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 KDDI Corp filed Critical KDDI Corp
Priority to JP34016395A priority Critical patent/JP3535292B2/ja
Priority to US08/772,987 priority patent/US5875425A/en
Priority to DE19654549A priority patent/DE19654549C2/de
Publication of JPH09179581A publication Critical patent/JPH09179581A/ja
Application granted granted Critical
Publication of JP3535292B2 publication Critical patent/JP3535292B2/ja
Anticipated expiration legal-status Critical
Expired - Lifetime legal-status Critical Current

Links

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
    • 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
    • G10L15/19—Grammatical context, e.g. disambiguation of the recognition hypotheses based on word sequence rules

Landscapes

  • Engineering & Computer Science (AREA)
  • Artificial Intelligence (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)
  • Machine Translation (AREA)

Description

【発明の詳細な説明】
【０００１】
【発明の属する技術分野】本発明は、音声認識システム
に関するものである。詳しくは音声認識の認識率を劣化
させることなく、認識のために必要な計算量を削減し、
認識時間を短縮することを可能とするシステムに関す
る。
【０００２】
【従来の技術】音声認識とは、人が発声した音声を知識
処理することを言い、狭義には、発声者が意図した意味
内容の認識を行うことである。音声認識については、１
９５０年代から各種の研究が進んでおり、隠れマルコフ
モデル（Hidden Markov Model:ＨＭＭ）、ケプストラ
ム、Δケプストラム等の技術開発により、認識性能が大
幅に向上している。
【０００３】ここで、従来の音声認識方法としては、音
響系列の最初から最後までについて尤度計算を行い、最
後の音響モデルについて最も尤度の高い文を求め、その
文を認識結果として出力していた。即ち、従来は、入力
音声のパワー等を基にして音声区間を検出し、音声区間
全体に対して尤度計算を行い、累積尤度が最も高い文を
求め、その文を認識結果として出力していた。
【０００４】そのため、文末に不要語や未知語が含まれ
ている場合、音声レベルが小さい場合に認識率の低下が
生ずる。また、認識対象の単語又は文が発声された後で
も終話が検出されないかぎり認識を終了しないため、認
識に時間を要していた。
【０００５】
【発明が解決しようとする課題】要するに、前述した従
来の音声認識方式では、音響系列の最初から最後までに
ついて、音響モデル系列の尤度（確率）計算を行い、最
後の音響モデルについて最も尤度の高い文を求め、その
文を認識結果として出力していため、認識率が低く、ま
た、尤度の計算量が多いため、認識に時間を要した。
【０００６】本発明は、音声認識の認識率を劣化させる
ことなく、認識のために必要な計算量を削減し、認識時
間を短縮することを目的とする。
【０００７】
【課題を解決するための手段】斯かる目的を達成する本
発明の請求項１に係る音声認識システムは、隠れマルコ
フモデルによる音響モデルを用いた音声認識システムに
おいて、音響モデルの系列が出現する尤度計算を行う段
階で、言語的制約により言語モデルが唯一の文を表現す
ることが数フレーム継続した時点で認識結果を決定する
ことを特徴とする。上記目的を達成する本発明の請求項
２に係る音声認識システムは、請求項１の発明における
前記言語的制約として、辞書に取り扱われていない単語
を排除することを特徴とする。
【０００８】上記目的を達成する本発明の請求項３に係
る音声認識システムは、請求項１の発明における前記言
語的制約として、文法的な誤りのある単語列を排除する
ことを特徴とする。上記目的を達成する本発明の請求項
４に係る音声認識システムは、請求項１，２又は３の発
明における前記言語モデルとして、予め言葉の意味、文
法などに応じて、ユーザが発声する文として表現してお
くことを特徴とする。
【０００９】上記目的を達成する本発明の請求項５に係
る音声認識システムは、請求項１，２，３又は４記載の
音声認識システムにおける前記音響モデルとして、予め
音響パラメータの時系列などから学習処理により作成し
ておくことを特徴とする。
【００１０】
【発明の実施の形態】本発明の音声認識システムは、図
１に示すように、音響分析部１及び認識処理部２により
構成される。音響分析部１は、入力音声Ａを音響分析、
即ち、ケプストラム、Δケプストラムなどの音響パラメ
ータの時系列等に変換し、変換した音響パラメータの時
系列等を認識処理部２へ出力する。
【００１１】ここで、ケプストラムとは対数スペクトル
を逆フーリエ変換したもので、人間の聴覚の特性に近い
対数スペクトルと線形変換の関係にあるので、人間の聴
覚に合った判定ができ、高次の係数はスペクトルの微細
構造を、低次の係数はスペクトルの包絡を表すので、適
当な次数で打ち切ることにより、比較的少ない数のパラ
メータで効率良く、滑らかなスペクトル包絡を表現する
ことができるという特徴を有する。
【００１２】また、Δケプストラムとは、スペクトルの
動的性質を表す特徴量であり、通常、５０〜１００ｍｓ
程度の区間のケプストラムの時系列を、多項式で展開し
たときの１次の係数（１次微係数に相当）を、Δケプス
トラムとして用いる。
【００１３】一方、認識処理部２は、入力音声Ａの音響
パラメータ時系列等から、音響モデルＢの系列の出現す
る尤度（確率）を計算し、最も尤度の高い音響モデルＢ
の系列が、言語的制約Ｄ（辞書、文法）により規定され
ている言語モデルＣにおいて唯一の文であるか否か判断
し、唯一の文であり、且つ、数フレーム継続した時点で
最も尤度が高い場合、言語モデルＣを認識結果Ｅとして
出力する
【００１４】ここで、音響モデルＢの系列には、予め、
言葉の意味、文法などに応じて、ユーザが発声する文と
して表現しておく。また、複数の文で音響モデルＢの系
列が共通する場合は共有化を行う。また、音響モデルＢ
は、音響パラメータの時系列などから学習処理により作
成しておく。各音響モデルＢは、例えば、ＨＭＭ（隠れ
マルコフモデル）で表現される。
【００１５】隠れマルコフモデルとは、音素や単語の音
声のスペクトル時系列を、確率状態遷移モデルからの出
力として表現する方法で、通常は１つの音素を３状態程
度の接続で表現し、状態間の遷移確率と、各状態あるい
は遷移における種々のスペクトルの出現確率で、各音素
や単語を特徴づける。従って、隠れマルコフモデルによ
れば、音声スペクトルの変動を統計的に効率良く表現で
きる。
【００１６】更に、言語的制約Ｄは、音響モデルＢの系
列の中から、言語的には有り得ないものもを排除するも
のである。この言語的制約Ｄは、認識対象となる単語ま
たは文により言語モデルＣとして規定されている。ここ
で、言語的制約Ｄとしては、二つの形態がある。
【００１７】その一つの形態は、辞書に取り扱われてい
ない単語を排除することをいう。ここで、辞書とは、語
彙として扱う単語からなり、例えば、“海”、“空”の
ような名詞、“青い”、“楽しい”のような形容詞、
“です”、“ます”のような動詞等に分けられる。辞書
には、単語がどのような音響モデルＢによって表現され
るかが記述される。
【００１８】もう一つの態様は、音響モデルＢに後続可
能な音響モデルＢが文法により制約を受けることを言
い、文法的な誤りのある単語列を排除することをいう。
例えば、辞書に取り扱われる単語の組み合わせであって
も、“青い海である”のように形容詞＋名詞＋動詞の組
み合わせは文法的に正しいが、“青いである”のような
形容詞＋動詞の組み合わせは文法的に正しくない。
【００１９】本発明の音声認識システムは、図３に示す
フローチャートに従い、次のように実施される。先ず、
音響分析部１に音声が入力されると（ステップＳ1）、
入力音声Ａは音響分析部１でディジタル信号に変換され
た後、音響分析により、ケプストラム、Δケプストラム
などの音響パラメータの時系列等に変換される（ステッ
プＳ2）。
【００２０】次いで、認識処理部２は、入力音声Ａの音
響パラメータ時系列等から、音響モデルＢ系列の出現す
る尤度（確率）を計算する（ステップＳ3）。引き続
き、認識処理部２は、最も尤度の高い音響モデルＢの系
列が、言語的制約Ｄ（辞書、文法）により規定されてい
る言語モデルＣにおいて唯一の文であるか否か判断する
（ステップＳ4）。
【００２１】ここで、その言語モデルが唯一の文でない
と判断されるときには、入力音声Ａの音響パラメータの
時系列等について次々と、音響モデルＢの系列の出現す
る尤度を繰り返して計算する（ステップＳ3）。そし
て、その計算の結果、その言語モデルが唯一の文を表現
する時点で言語モデルＣが最も尤度が高く、且つ、数フ
レーム連続した場合、認識結果Ｅとして出力する（ステ
ップＳ5）。
【００２２】
【実施例】本発明の一実施例について説明する。本実施
例は、図１に示す構成を有し、次の（１）〜（５）の手
順により実施される。 （１）音響分析部１にて入力された音声信号を一定の時
間間隔毎に特徴ベクトルに変換する。この時間間隔をフ
レームと呼び、通常数ｍｓから十数ｍｓ程度である。特
徴ベクトルとは、前述した音響パラメータと同じ意味で
ある。
【００２３】（２）特徴ベクトルの系列に対して音響モ
デルＢとの尤度を計算する。音響モデルＢは単語やさら
に小さい音素などの単位（サブワードユニット）で事前
に多くの学習音声を用いて学習されている。音響モデル
の尤度計算にはＨＭＭ（隠れマルコフモデル）などが用
いられる（「確率モデルによる音声認識」中川聖一著電
子情報通信学会 参照）。
【００２４】（３）音響モデルＢに後続可能な音響モデ
ルＢは文法により言語的に制約されており、この文法Ｄ
は認識対象となる単語または文により言語モデルＣとし
て規定されている。言語モデルＣは図２に示すようにト
ゥリー（木）状に表現される。 （４）認識処理部２は毎フレーム、言語モデルＣにより
規定される後続可能な音響モデルＢに対して尤度を計算
する。最初の１フレーム目はすべての音響モデルＢに対
する尤度を計算し、上位Ｎ候補に対して言語モデルＣに
より規定される後続可能な音響モデルＢの尤度計算を行
う。
【００２５】（５）最も累積尤度が大きい音響モデルＢ
の系列が言語モデルＣの中で唯一の文を表現することが
数フレーム継続したならば、当該音響モデル系列を含む
認識対象文を認識結果Ｅとする。 本実施例により、「国名または都市名」＋「述語」を認
識するアプリケーションで、認識率を劣化させることな
く、平均認識所要時間が１．７４秒から１．２０秒へ約
３０％改善された。
【００２６】［具体例］一例として、「国名＋述語」を
認識するタスクを考える。述語としては、以下のような
様々な述語（ｉ）〜（iv）を受付可能とする。 （ｉ） です （ii) でございますね （iii) ですね （iv） でよろしいでしょうか
【００２７】今、入力音声Ａとして、「オーストラリア
でございますね。」が入力されたとすると、連続音声認
識をした場合、次のような文章〜が尤度が高い候補
にあがると予想される。 オーストラリアでございますね。 オーストラリアですね。 オーストリアですね。
【００２８】図２にこれらの候補の言語モデルＣを示
す。国名としては、実際に発声された「オーストラリ
ア」の他に、似た言語として「オーストリア」も候補に
あがることが想定される。ここで、言語モデルＣが唯一
と判断される時点は、必ずしも単語の最後ではなく、そ
の中間段階において判断されるのが一般的である。
【００２９】そこで、本発明では、音響モデルＢから出
力される尤度（確率）を計算する際に、「オーストラリ
アの」の”ラ”の後の尤度が「オーストリア」の”リ”
の後の尤度よりも高く、”オーストラ”の後には「オー
ストラリア」以外に辞書に取り扱われないので、認識結
果Ｅは「オーストラリア」となり、以降の尤度計算は省
略可能となる。
【００３０】
【発明の効果】以上、実施例に基づいて具体的に説明し
たように、本発明では、隠れマルコフモデルによる音響
モデルを用いた音声認識システムにおいて、音響モデル
の系列が出現する尤度計算を行う段階で、言語的制約に
より言語モデルが唯一の文を表現することが数フレーム
継続した時点で認識結果を決定するので、以後の尤度計
算は省略可能となる。そのため、音声認識の認識率を劣
化させることなく、認識のために必要とする計算量を削
減し、認識時間を短縮することが可能となる。特に本発
明を音声認識装置に採用することにより、マン・マシン
インタフェースの向上が期待できる。
【図面の簡単な説明】
【図１】本発明の音声認識システムを示す構成図であ
る。
【図２】言語モデルＣを示す説明図である。
【図３】本発明の一実施例に係るフローチャートであ
る。
【符号の説明】
１ 音響分析部 ２ 認識処理部 Ａ 入力音声 Ｂ 音響モデル Ｃ 言語モデル Ｄ 言語的制約 Ｅ 認識結果
───────────────────────────────────────────────────── フロントページの続き (72)発明者 山本 誠一 東京都新宿区西新宿二丁目３番２号 国 際電信電話株式会社内 (56)参考文献 特開 平６−266387（ＪＰ，Ａ) 特開 平８−263092（ＪＰ，Ａ) 特開 平２−300798（ＪＰ，Ａ) 特開 平７−261782（ＪＰ，Ａ) 特公 平５−77080（ＪＰ，Ｂ２) 井ノ上， 中村， 酒寄， 山本， 谷戸，単語固有セルでのゆう度判定を用 いた音声認識処理の高速化手法，電子情 報通信学会論文誌 Ｄ−ＩＩ，日本, 1996年12月25日，Ｖｏｌ．Ｊ79−Ｄ−Ｉ Ｉ， Ｎｏ．12，Ｐａｇｅｓ 2110− 2116 (58)調査した分野(Int.Cl.7，ＤＢ名) G10L 15/00 - 15/28 ＪＩＣＳＴファイル（ＪＯＩＳ)

Claims (5)

    (57)【特許請求の範囲】
  1. 【請求項１】 隠れマルコフモデルによる音響モデルを
    用いた音声認識システムにおいて、音響モデルの系列が
    出現する尤度計算を行う段階で、言語的制約により言語
    モデルが唯一の文を表現することが数フレーム継続した
    時点で認識結果を決定することを特徴とする音声認識シ
    ステム。
  2. 【請求項２】 前記言語的制約として、辞書に取り扱わ
    れていない単語を排除することを特徴とする請求項１記
    載の音声認識システム。
  3. 【請求項３】 前記言語的制約として、文法的な誤りの
    ある単語列を排除することを特徴とする請求項１記載の
    音声認識システム。
  4. 【請求項４】 前記言語モデルは、予め言葉の意味、文
    法などに応じて、ユーザが発声する文として表現してお
    くことを特徴とする請求項１，２又は３記載の音声認識
    システム。
  5. 【請求項５】 前記音響モデルは、予め音響パラメータ
    の時系列などから学習処理により作成しておくことを特
    徴とする請求項１，２，３又は４記載の音声認識システ
    ム。
JP34016395A 1995-12-27 1995-12-27 音声認識システム Expired - Lifetime JP3535292B2 (ja)

Priority Applications (3)

Application Number Priority Date Filing Date Title
JP34016395A JP3535292B2 (ja) 1995-12-27 1995-12-27 音声認識システム
US08/772,987 US5875425A (en) 1995-12-27 1996-12-23 Speech recognition system for determining a recognition result at an intermediate state of processing
DE19654549A DE19654549C2 (de) 1995-12-27 1996-12-27 Verfahren und Vorrichtung zur Spracherkennung

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP34016395A JP3535292B2 (ja) 1995-12-27 1995-12-27 音声認識システム

Publications (2)

Publication Number Publication Date
JPH09179581A JPH09179581A (ja) 1997-07-11
JP3535292B2 true JP3535292B2 (ja) 2004-06-07

Family

ID=18334338

Family Applications (1)

Application Number Title Priority Date Filing Date
JP34016395A Expired - Lifetime JP3535292B2 (ja) 1995-12-27 1995-12-27 音声認識システム

Country Status (3)

Country Link
US (1) US5875425A (ja)
JP (1) JP3535292B2 (ja)
DE (1) DE19654549C2 (ja)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2009146245A (ja) * 2007-12-17 2009-07-02 Nec Corp 画像照合方法及び画像照合装置並びに画像照合プログラム

Families Citing this family (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5956675A (en) * 1997-07-31 1999-09-21 Lucent Technologies Inc. Method and apparatus for word counting in continuous speech recognition useful for reliable barge-in and early end of speech detection
US6404925B1 (en) * 1999-03-11 2002-06-11 Fuji Xerox Co., Ltd. Methods and apparatuses for segmenting an audio-visual recording using image similarity searching and audio speaker recognition
JP4465564B2 (ja) * 2000-02-28 2010-05-19 ソニー株式会社 音声認識装置および音声認識方法、並びに記録媒体
EP1294329A4 (en) * 2000-04-20 2004-03-31 Cochlear Ltd TRANSCUTANEOUS ENERGY OPTIMIZATION CIRCUIT FOR COCHLEAR IMPLANT
JP3782943B2 (ja) * 2001-02-20 2006-06-07 インターナショナル・ビジネス・マシーンズ・コーポレーション 音声認識装置、コンピュータ・システム、音声認識方法、プログラムおよび記録媒体
EP1595245B1 (en) * 2003-02-21 2009-04-22 Voice Signal Technologies Inc. Method of producing alternate utterance hypotheses using auxiliary information on close competitors
WO2005027093A1 (en) * 2003-09-11 2005-03-24 Voice Signal Technologies, Inc. Generation of an alternative pronunciation
JP4486897B2 (ja) * 2005-01-20 2010-06-23 株式会社豊田中央研究所 運転行動認識装置
US20070183995A1 (en) * 2006-02-09 2007-08-09 Conopco, Inc., D/B/A Unilever Compounds useful as agonists of A2A adenosine receptors, cosmetic compositions with A2A agonists and a method for using the same
US8036896B2 (en) * 2006-04-18 2011-10-11 Nuance Communications, Inc. System, server and method for distributed literacy and language skill instruction
JP6791258B2 (ja) * 2016-11-07 2020-11-25 ヤマハ株式会社 音声合成方法、音声合成装置およびプログラム

Family Cites Families (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS58178396A (ja) * 1982-04-12 1983-10-19 株式会社日立製作所 音声認識用標準パタ−ン登録方式
US4783803A (en) * 1985-11-12 1988-11-08 Dragon Systems, Inc. Speech recognition apparatus and method
JPH06105394B2 (ja) * 1986-03-19 1994-12-21 株式会社東芝 音声認識方式
US4837831A (en) * 1986-10-15 1989-06-06 Dragon Systems, Inc. Method for creating and using multiple-word sound models in speech recognition
DE3711348A1 (de) * 1987-04-03 1988-10-20 Philips Patentverwaltung Verfahren zum erkennen kontinuierlich gesprochener woerter
US4805219A (en) * 1987-04-03 1989-02-14 Dragon Systems, Inc. Method for speech recognition
US5315689A (en) * 1988-05-27 1994-05-24 Kabushiki Kaisha Toshiba Speech recognition system having word-based and phoneme-based recognition means
US5027406A (en) * 1988-12-06 1991-06-25 Dragon Systems, Inc. Method for interactive speech recognition and training
DE4130632A1 (de) * 1991-09-14 1993-03-18 Philips Patentverwaltung Verfahren zum erkennen der gesprochenen woerter in einem sprachsignal
US5293584A (en) * 1992-05-21 1994-03-08 International Business Machines Corporation Speech recognition system for natural language translation
US5613036A (en) * 1992-12-31 1997-03-18 Apple Computer, Inc. Dynamic categories for a speech recognition system
CA2126380C (en) * 1993-07-22 1998-07-07 Wu Chou Minimum error rate training of combined string models

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
井ノ上， 中村， 酒寄， 山本， 谷戸，単語固有セルでのゆう度判定を用いた音声認識処理の高速化手法，電子情報通信学会論文誌 Ｄ−ＩＩ，日本，１９９６年１２月２５日，Ｖｏｌ．Ｊ７９−Ｄ−ＩＩ， Ｎｏ．１２，Ｐａｇｅｓ ２１１０−２１１６

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2009146245A (ja) * 2007-12-17 2009-07-02 Nec Corp 画像照合方法及び画像照合装置並びに画像照合プログラム
JP4518141B2 (ja) * 2007-12-17 2010-08-04 日本電気株式会社 画像照合方法及び画像照合装置並びに画像照合プログラム
US8401310B2 (en) 2007-12-17 2013-03-19 Nec Corporation Image comparing method, apparatus and program

Also Published As

Publication number Publication date
DE19654549C2 (de) 2000-08-10
US5875425A (en) 1999-02-23
DE19654549A1 (de) 1997-07-03
JPH09179581A (ja) 1997-07-11

Similar Documents

Publication Publication Date Title
US8280733B2 (en) Automatic speech recognition learning using categorization and selective incorporation of user-initiated corrections
Hain et al. New features in the CU-HTK system for transcription of conversational telephone speech
JP4543294B2 (ja) 音声認識装置および音声認識方法、並びに記録媒体
US5333275A (en) System and method for time aligning speech
JP2963142B2 (ja) 信号処理方法
Huang et al. Microsoft Windows highly intelligent speech recognizer: Whisper
JP4301102B2 (ja) 音声処理装置および音声処理方法、プログラム、並びに記録媒体
US20070219797A1 (en) Subword unit posterior probability for measuring confidence
JPH075892A (ja) 音声認識方法
US5706397A (en) Speech recognition system with multi-level pruning for acoustic matching
JP3535292B2 (ja) 音声認識システム
US20050015251A1 (en) High-order entropy error functions for neural classifiers
Hain et al. The cu-htk march 2000 hub5e transcription system
JPH08227298A (ja) クラスタ化された単語間及び／又は句間の調音結合を使用した音声認識
Dumitru et al. A comparative study of feature extraction methods applied to continuous speech recognition in romanian language
Boite et al. A new approach towards keyword spotting.
US20040006469A1 (en) Apparatus and method for updating lexicon
Furui Robust methods in automatic speech recognition and understanding.
JP2880436B2 (ja) 音声認識装置
JPH10116093A (ja) 音声認識装置
JP2905686B2 (ja) 音声認識装置
JPH08314490A (ja) ワードスポッティング型音声認識方法と装置
Nakagawa et al. Spoken language identification by ergodic HMMs and its state sequences
JP2003271180A (ja) 音声処理装置および音声処理方法、並びにプログラムおよび記録媒体
Córdoba et al. PPRLM Optimization for Language Identification in Air Traffic Control Tasks

Legal Events

Date Code Title Description
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: 20040217

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20040311

R150 Certificate of patent or registration of utility model

Free format text: JAPANESE INTERMEDIATE CODE: R150

FPAY Renewal fee payment (event date is renewal date of database)

Free format text: PAYMENT UNTIL: 20100319

Year of fee payment: 6

FPAY Renewal fee payment (event date is renewal date of database)

Free format text: PAYMENT UNTIL: 20110319

Year of fee payment: 7

FPAY Renewal fee payment (event date is renewal date of database)

Free format text: PAYMENT UNTIL: 20130319

Year of fee payment: 9