JP4264841B2 - 音声認識装置および音声認識方法、並びに、プログラム - Google Patents
音声認識装置および音声認識方法、並びに、プログラム Download PDFInfo
- Publication number
- JP4264841B2 JP4264841B2 JP2006325780A JP2006325780A JP4264841B2 JP 4264841 B2 JP4264841 B2 JP 4264841B2 JP 2006325780 A JP2006325780 A JP 2006325780A JP 2006325780 A JP2006325780 A JP 2006325780A JP 4264841 B2 JP4264841 B2 JP 4264841B2
- Authority
- JP
- Japan
- Prior art keywords
- relative pitch
- frequency characteristic
- frequency
- speech recognition
- voice
- 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 - Fee Related
Links
- 238000000034 method Methods 0.000 title claims abstract description 64
- 238000004458 analytical method Methods 0.000 claims abstract description 78
- 230000008859 change Effects 0.000 claims abstract description 66
- 239000011159 matrix material Substances 0.000 claims description 72
- 239000013598 vector Substances 0.000 claims description 11
- 230000008569 process Effects 0.000 abstract description 40
- 239000011295 pitch Substances 0.000 description 219
- 238000004364 calculation method Methods 0.000 description 61
- 230000000875 corresponding effect Effects 0.000 description 26
- 238000006243 chemical reaction Methods 0.000 description 15
- 238000010586 diagram Methods 0.000 description 14
- 230000005236 sound signal Effects 0.000 description 10
- 230000006870 function Effects 0.000 description 9
- 238000001514 detection method Methods 0.000 description 8
- 230000000994 depressogenic effect Effects 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 5
- 238000000605 extraction Methods 0.000 description 4
- 238000013528 artificial neural network Methods 0.000 description 3
- 239000000470 constituent Substances 0.000 description 3
- 239000000284 extract Substances 0.000 description 3
- 210000001260 vocal cord Anatomy 0.000 description 3
- FFBHFFJDDLITSX-UHFFFAOYSA-N benzyl N-[2-hydroxy-4-(3-oxomorpholin-4-yl)phenyl]carbamate Chemical compound OC1=C(NC(=O)OCC2=CC=CC=C2)C=CC(=C1)N1CCOCC1=O FFBHFFJDDLITSX-UHFFFAOYSA-N 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 238000001228 spectrum Methods 0.000 description 2
- 230000007704 transition Effects 0.000 description 2
- 230000002238 attenuated effect Effects 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
Images
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
- G10L15/1807—Speech classification or search using natural language modelling using prosody or stress
-
- 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
- G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
- G10L25/90—Pitch determination of speech signals
-
- 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
- G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
- G10L25/03—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 characterised by the type of extracted parameters
- G10L25/15—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 characterised by the type of extracted parameters the extracted parameters being formant information
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)
- Artificial Intelligence (AREA)
- Signal Processing (AREA)
- Machine Translation (AREA)
- Image Analysis (AREA)
Description
Claims (7)
- 入力音声の韻律的特徴に基づいて識別を行う音声認識装置において、
前記入力音声を取得する取得手段と、
前記取得手段により取得された前記入力音声のそれぞれの時間における第1の周波数特性と所定の第2の周波数特性との積である相互相関行列を求め、前記第1の周波数特性と前記第2の周波数特性との2つの周波数特性それぞれにおいて対応する点を少なくとも1つ決定し、それらの対応点と、前記相互相関行列の主対角線とのシフト量を相対ピッチ差とし、前記相対ピッチ差を積算することにより得られる相対ピッチ変化量を求める音響分析手段と、
前記音響分析手段により求められた前記相対ピッチ変化量に基づいて識別処理を行う識別手段と
を備える音声認識装置。 - 前記音響分析手段は、前記第1の周波数特性を表すベクトルと前記第2の周波数特性を表すベクトルとの積である相互相関行列を求め、前記第1の周波数特性と前記第2の周波数特性との2つの周波数特性それぞれにおいて対応する点を少なくとも1つ決定し、それらの対応点と、前記相互相関行列の主対角線とのシフト量を相対ピッチ差とし、前記相対ピッチ差を積算することにより得られる相対ピッチ変化量を求める
請求項1記載の音声認識装置。 - 前記第2の周波数特性を記憶する記憶手段を更に備える
請求項1記載の音声認識装置。 - 前記記憶手段は、複数の前記第2の周波数特性を記憶し、
前記音響分析手段は、前記取得手段により取得された前記入力音声に応じて、前記記憶手段に記憶されている複数の前記第2の周波数特性のうちの適するものを用いて、前記相対ピッチ変化量を求める
請求項3記載の音声認識装置。 - 前記取得手段により取得された前記入力音声を音響分析して得られる特徴量に基づいて音声認識を行う音声認識手段と、
前記音声認識手段による音声認識結果のみでは、正しく認識されない可能性がある特定の単語を記憶する特定単語記憶手段と、
前記音声認識手段による音声認識結果が、前記特定単語記憶手段に記憶されている前記特定の単語と一致する場合、前記識別手段による識別結果と前記音声認識手段による認識結果とを統合して出力し、前記音声認識手段による音声認識結果が、前記特定単語記憶手段に記憶されている前記特定の単語と一致しない場合、前記音声認識手段による認識結果を出力する選択手段と
を更に備える請求項1記載の音声認識装置。 - 入力音声の韻律的特徴に基づいて識別を行う音声認識装置の音声認識方法において、
前記入力音声を取得し、
取得された前記入力音声のそれぞれの時間における第1の周波数特性と所定の第2の周波数特性との積である相互相関行列を求め、前記第1の周波数特性と前記第2の周波数特性との2つの周波数特性それぞれにおいて対応する点を少なくとも1つ決定し、それらの対応点と、前記相互相関行列の主対角線とのシフト量を相対ピッチ差とし、前記相対ピッチ差を積算することにより得られる相対ピッチ変化量を求め、
前記相対ピッチ変化量に基づいて識別処理を行う
ステップを含む音声認識方法。 - 入力音声の韻律的特徴に基づいて識別を行う音声認識装置のコンピュータに実行させるためのプログラムであって、
前記入力音声の取得を制御し、
取得が制御された前記入力音声のそれぞれの時間における第1の周波数特性と所定の第2の周波数特性との積である相互相関行列を求め、前記第1の周波数特性と前記第2の周波数特性との2つの周波数特性それぞれにおいて対応する点を少なくとも1つ決定し、それらの対応点と、前記相互相関行列の主対角線とのシフト量を相対ピッチ差とし、前記相対ピッチ差を積算することにより得られる相対ピッチ変化量を求め、
前記相対ピッチ変化量に基づいて識別処理を行う
ステップを含む処理をコンピュータに実行させるためのプログラム。
Priority Applications (6)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2006325780A JP4264841B2 (ja) | 2006-12-01 | 2006-12-01 | 音声認識装置および音声認識方法、並びに、プログラム |
DE602007012041T DE602007012041D1 (de) | 2006-12-01 | 2007-11-19 | Spracherkennung mittels Prosodie |
EP07254504A EP1927979B1 (en) | 2006-12-01 | 2007-11-19 | Speech recognition using prosody |
KR1020070119084A KR20080050311A (ko) | 2006-12-01 | 2007-11-21 | 음성 처리 장치 및 음성 처리 방법 및 프로그램 |
US11/945,591 US7979270B2 (en) | 2006-12-01 | 2007-11-27 | Speech recognition apparatus and method |
CN200710187573XA CN101192405B (zh) | 2006-12-01 | 2007-12-03 | 语音处理设备和语音处理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2006325780A JP4264841B2 (ja) | 2006-12-01 | 2006-12-01 | 音声認識装置および音声認識方法、並びに、プログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2008139568A JP2008139568A (ja) | 2008-06-19 |
JP4264841B2 true JP4264841B2 (ja) | 2009-05-20 |
Family
ID=39135128
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2006325780A Expired - Fee Related JP4264841B2 (ja) | 2006-12-01 | 2006-12-01 | 音声認識装置および音声認識方法、並びに、プログラム |
Country Status (6)
Country | Link |
---|---|
US (1) | US7979270B2 (ja) |
EP (1) | EP1927979B1 (ja) |
JP (1) | JP4264841B2 (ja) |
KR (1) | KR20080050311A (ja) |
CN (1) | CN101192405B (ja) |
DE (1) | DE602007012041D1 (ja) |
Families Citing this family (28)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CA2508428A1 (fr) * | 2005-05-20 | 2006-11-20 | Hydro-Quebec | Detection, localisation et interpretation de decharge partielle |
US9159325B2 (en) * | 2007-12-31 | 2015-10-13 | Adobe Systems Incorporated | Pitch shifting frequencies |
US7974841B2 (en) * | 2008-02-27 | 2011-07-05 | Sony Ericsson Mobile Communications Ab | Electronic devices and methods that adapt filtering of a microphone signal responsive to recognition of a targeted speaker's voice |
JP4599420B2 (ja) * | 2008-02-29 | 2010-12-15 | 株式会社東芝 | 特徴量抽出装置 |
WO2010032405A1 (ja) * | 2008-09-16 | 2010-03-25 | パナソニック株式会社 | 音声分析装置、音声分析合成装置、補正規則情報生成装置、音声分析システム、音声分析方法、補正規則情報生成方法、およびプログラム |
CN101814291B (zh) * | 2009-02-20 | 2013-02-13 | 北京中星微电子有限公司 | 在时域提高语音信号信噪比的方法和装置 |
JP5226867B2 (ja) * | 2009-05-28 | 2013-07-03 | 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 | 話者適応のための基本周波数の移動量学習装置、基本周波数生成装置、移動量学習方法、基本周波数生成方法及び移動量学習プログラム |
CN102374864B (zh) * | 2010-08-13 | 2014-12-31 | 国基电子(上海)有限公司 | 语音导航设备及语音导航方法 |
US9384759B2 (en) * | 2012-03-05 | 2016-07-05 | Malaspina Labs (Barbados) Inc. | Voice activity detection and pitch estimation |
US9020818B2 (en) | 2012-03-05 | 2015-04-28 | Malaspina Labs (Barbados) Inc. | Format based speech reconstruction from noisy signals |
US9437213B2 (en) | 2012-03-05 | 2016-09-06 | Malaspina Labs (Barbados) Inc. | Voice signal enhancement |
CN102938252B (zh) * | 2012-11-23 | 2014-08-13 | 中国科学院自动化研究所 | 结合韵律和发音学特征的汉语声调识别***及方法 |
US9761247B2 (en) | 2013-01-31 | 2017-09-12 | Microsoft Technology Licensing, Llc | Prosodic and lexical addressee detection |
WO2014167570A1 (en) * | 2013-04-10 | 2014-10-16 | Technologies For Voice Interface | System and method for extracting and using prosody features |
JP6439682B2 (ja) * | 2013-04-11 | 2018-12-19 | 日本電気株式会社 | 信号処理装置、信号処理方法および信号処理プログラム |
US9646613B2 (en) * | 2013-11-29 | 2017-05-09 | Daon Holdings Limited | Methods and systems for splitting a digital signal |
CN104200818A (zh) * | 2014-08-06 | 2014-12-10 | 重庆邮电大学 | 一种音高检测方法 |
US9754580B2 (en) | 2015-10-12 | 2017-09-05 | Technologies For Voice Interface | System and method for extracting and using prosody features |
CN105355193B (zh) * | 2015-10-30 | 2020-09-25 | 百度在线网络技术(北京)有限公司 | 语音合成方法和装置 |
CN106814670A (zh) * | 2017-03-22 | 2017-06-09 | 重庆高略联信智能技术有限公司 | 一种河道采砂智能监管方法及*** |
CN109686378B (zh) * | 2017-10-13 | 2021-06-08 | 华为技术有限公司 | 语音处理方法和终端 |
IL255954A (en) | 2017-11-27 | 2018-02-01 | Moses Elisha | Extracting content from speech prosody |
CN108520741B (zh) | 2018-04-12 | 2021-05-04 | 科大讯飞股份有限公司 | 一种耳语音恢复方法、装置、设备及可读存储介质 |
JP7151181B2 (ja) * | 2018-05-31 | 2022-10-12 | トヨタ自動車株式会社 | 音声対話システム、その処理方法及びプログラム |
CN108877786A (zh) * | 2018-06-29 | 2018-11-23 | 恒信东方文化股份有限公司 | 指令识别方法 |
WO2020218634A1 (ko) * | 2019-04-23 | 2020-10-29 | 엘지전자 주식회사 | 응답 기기 결정 방법 및 장치 |
CN111078937B (zh) * | 2019-12-27 | 2021-08-10 | 北京世纪好未来教育科技有限公司 | 语音信息检索方法、装置、设备和计算机可读存储介质 |
US11677605B2 (en) | 2020-02-24 | 2023-06-13 | Qualcomm Incorporated | Machine learning based uplink coverage enhancement using peak reduction tones |
Family Cites Families (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0466999A (ja) | 1990-07-04 | 1992-03-03 | Sharp Corp | 文節境界検出装置 |
JP2940835B2 (ja) | 1991-03-18 | 1999-08-25 | 日本電信電話株式会社 | ピッチ周波数差分特徴量抽出法 |
JP3450411B2 (ja) | 1994-03-22 | 2003-09-22 | キヤノン株式会社 | 音声情報処理方法及び装置 |
SE504177C2 (sv) * | 1994-06-29 | 1996-12-02 | Telia Ab | Metod och anordning att adaptera en taligenkänningsutrustning för dialektala variationer i ett språk |
SE514684C2 (sv) | 1995-06-16 | 2001-04-02 | Telia Ab | Metod vid tal-till-textomvandling |
GB2302413B (en) | 1995-06-20 | 1997-11-12 | Northern Telecom Ltd | Bragg gratings in waveguides |
JP3006677B2 (ja) | 1996-10-28 | 2000-02-07 | 日本電気株式会社 | 音声認識装置 |
US5995924A (en) | 1997-05-05 | 1999-11-30 | U.S. West, Inc. | Computer-based method and apparatus for classifying statement types based on intonation analysis |
WO2001039179A1 (en) * | 1999-11-23 | 2001-05-31 | Infotalk Corporation Limited | System and method for speech recognition using tonal modeling |
US20060057545A1 (en) * | 2004-09-14 | 2006-03-16 | Sensory, Incorporated | Pronunciation training method and apparatus |
JP2006084664A (ja) | 2004-09-15 | 2006-03-30 | Denso Corp | 音声認識装置および音声認識プログラム |
JP2006154632A (ja) | 2004-12-01 | 2006-06-15 | Denso Corp | 音声認識装置およびそれを用いた音声認識方法 |
JP4353202B2 (ja) | 2006-05-25 | 2009-10-28 | ソニー株式会社 | 韻律識別装置及び方法、並びに音声認識装置及び方法 |
-
2006
- 2006-12-01 JP JP2006325780A patent/JP4264841B2/ja not_active Expired - Fee Related
-
2007
- 2007-11-19 EP EP07254504A patent/EP1927979B1/en not_active Expired - Fee Related
- 2007-11-19 DE DE602007012041T patent/DE602007012041D1/de active Active
- 2007-11-21 KR KR1020070119084A patent/KR20080050311A/ko not_active Application Discontinuation
- 2007-11-27 US US11/945,591 patent/US7979270B2/en not_active Expired - Fee Related
- 2007-12-03 CN CN200710187573XA patent/CN101192405B/zh not_active Expired - Fee Related
Also Published As
Publication number | Publication date |
---|---|
US7979270B2 (en) | 2011-07-12 |
EP1927979B1 (en) | 2011-01-19 |
CN101192405A (zh) | 2008-06-04 |
KR20080050311A (ko) | 2008-06-05 |
JP2008139568A (ja) | 2008-06-19 |
DE602007012041D1 (de) | 2011-03-03 |
CN101192405B (zh) | 2011-05-25 |
EP1927979A1 (en) | 2008-06-04 |
US20080133225A1 (en) | 2008-06-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP4264841B2 (ja) | 音声認識装置および音声認識方法、並びに、プログラム | |
JP4882899B2 (ja) | 音声解析装置、および音声解析方法、並びにコンピュータ・プログラム | |
US7013276B2 (en) | Method of assessing degree of acoustic confusability, and system therefor | |
US8433573B2 (en) | Prosody modification device, prosody modification method, and recording medium storing prosody modification program | |
JP6266372B2 (ja) | 音声合成辞書生成装置、音声合成辞書生成方法およびプログラム | |
JP4911034B2 (ja) | 音声判別システム、音声判別方法及び音声判別用プログラム | |
JP4516157B2 (ja) | 音声分析装置、音声分析合成装置、補正規則情報生成装置、音声分析システム、音声分析方法、補正規則情報生成方法、およびプログラム | |
JP6127422B2 (ja) | 音声認識装置及び方法、並びに、半導体集積回路装置 | |
JP4353202B2 (ja) | 韻律識別装置及び方法、並びに音声認識装置及び方法 | |
JP2015068897A (ja) | 発話の評価方法及び装置、発話を評価するためのコンピュータプログラム | |
JP2019008120A (ja) | 声質変換システム、声質変換方法、及び声質変換プログラム | |
US7627468B2 (en) | Apparatus and method for extracting syllabic nuclei | |
JPH11175082A (ja) | 音声対話装置及び音声対話用音声合成方法 | |
JP4839970B2 (ja) | 韻律識別装置及び方法、並びに音声認識装置及び方法 | |
JP2010060846A (ja) | 合成音声評価システム及び合成音声評価方法 | |
JP2011180308A (ja) | 音声認識装置及び記録媒体 | |
JPWO2009041402A1 (ja) | 周波数軸伸縮係数推定装置とシステム方法並びにプログラム | |
JP2018041116A (ja) | 音声合成装置、音声合成方法およびプログラム | |
JP2019032400A (ja) | 発話判定プログラム、発話判定方法、及び発話判定装置 | |
KR101250051B1 (ko) | 발음 교정을 위한 음성 신호 분석 방법 및 장치 | |
KR20080065775A (ko) | 구화 교육용 발성 시각화 시스템 | |
JP2017068153A (ja) | 半導体装置、システム、電子機器、及び、音声認識方法 | |
JP6790851B2 (ja) | 音声処理プログラム、音声処理方法、及び音声処理装置 | |
CN116208900A (zh) | 自动化测试方法、装置、设备及存储介质 | |
JP2012220701A (ja) | 音声合成装置及びその合成音声修正方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20081028 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20081104 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20081224 |
|
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: 20090122 |
|
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20090204 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20120227 Year of fee payment: 3 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20130227 Year of fee payment: 4 |
|
LAPS | Cancellation because of no payment of annual fees |