JP5174937B2 - 音声認識装置及び方法 - Google Patents
音声認識装置及び方法 Download PDFInfo
- Publication number
- JP5174937B2 JP5174937B2 JP2011114519A JP2011114519A JP5174937B2 JP 5174937 B2 JP5174937 B2 JP 5174937B2 JP 2011114519 A JP2011114519 A JP 2011114519A JP 2011114519 A JP2011114519 A JP 2011114519A JP 5174937 B2 JP5174937 B2 JP 5174937B2
- Authority
- JP
- Japan
- Prior art keywords
- state
- hmm
- states
- context
- demiphone
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 68
- 238000009826 distribution Methods 0.000 claims abstract description 112
- 230000001419 dependent effect Effects 0.000 claims abstract description 47
- 230000008569 process Effects 0.000 claims abstract description 33
- 230000007613 environmental effect Effects 0.000 claims abstract description 14
- 230000005236 sound signal Effects 0.000 claims description 7
- 239000013598 vector Substances 0.000 claims description 7
- 206010048669 Terminal state Diseases 0.000 claims description 3
- 230000008878 coupling Effects 0.000 claims description 2
- 238000010168 coupling process Methods 0.000 claims description 2
- 238000005859 coupling reaction Methods 0.000 claims description 2
- 241000723353 Chrysanthemum Species 0.000 claims 3
- 235000007516 Chrysanthemum Nutrition 0.000 claims 3
- 230000015654 memory Effects 0.000 description 20
- 238000012545 processing Methods 0.000 description 18
- 238000010586 diagram Methods 0.000 description 12
- 238000003066 decision tree Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 5
- 230000007704 transition Effects 0.000 description 5
- 238000010606 normalization Methods 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 230000007246 mechanism Effects 0.000 description 3
- 238000013518 transcription Methods 0.000 description 3
- 230000035897 transcription Effects 0.000 description 3
- 230000009466 transformation Effects 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 206010011906 Death Diseases 0.000 description 1
- 125000002066 L-histidyl group Chemical group [H]N1C([H])=NC(C([H])([H])[C@](C(=O)[*])([H])N([H])[H])=C1[H] 0.000 description 1
- 238000007476 Maximum Likelihood Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000002996 emotional effect Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000005498 polishing Methods 0.000 description 1
- 238000010183 spectrum analysis Methods 0.000 description 1
- 238000012546 transfer Methods 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
- G10L15/20—Speech recognition techniques specially adapted for robustness in adverse environments, e.g. in noise, of stress induced speech
-
- 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
- G10L15/14—Speech classification or search using statistical models, e.g. Hidden Markov Models [HMMs]
- G10L15/142—Hidden Markov Models [HMMs]
- G10L15/144—Training of HMMs
-
- 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
- G10L15/14—Speech classification or search using statistical models, e.g. Hidden Markov Models [HMMs]
-
- 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
- G10L2015/022—Demisyllables, biphones or triphones 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Human Computer Interaction (AREA)
- Acoustics & Sound (AREA)
- Multimedia (AREA)
- Probability & Statistics with Applications (AREA)
- Electrically Operated Instructional Devices (AREA)
- Telephonic Communication Services (AREA)
- Machine Translation (AREA)
Description
・コンテキスト非依存型モノフォン:sil ay w ao n t sil
・コンテキスト依存型左側バイフォン:sil sil-ay ay-w w-ao ao-n n-t sil
・コンテキスト依存型右側バイフォン:sil ay+w w+ao ao+n n+t t+sil sil
・コンテキスト依存型トライフォン:sil sil-ay+w ay-w+ao w-ao+n ao-n+t n-t+sil sil
・コンテキスト依存型デミフォン:sil sil-ay ay+w ay-w w+ao w-ao ao+n ao-n n+t n-t t+sil sil
ある実施の形態において、状態の学習を最適化し、システムの精度及び並列システム結合HMM1010のパフォーマンスを更に向上させるために、並列システム結合HMM1010における最適な状態が選択され再学習される学習処理(標準的な期待値最大化法、バウム=ウェルチ、識別学習アルゴリズムなど)が繰り返し実行される。音声認識システムは、学習済み並列システム結合のトポロジーの最尤経路を動的に決定するために、学習済み並列システム結合HMMを用いる。
Claims (27)
- アプリケーションのためのコンテキスト依存型音声認識装置の環境変化に対するロバスト性を向上させるための装置であって、
音声認識学習のための音声を格納するための学習データベースと、
前記コンテキスト依存型音声認識装置により認識される複数の単語を格納するための辞書と、
前記学習データベース及び前記辞書を用いて、複数の状態を含む隠れマルコフモデル(Hidden Markov Model:HMM)の1以上の集合を学習するための音声認識学習モジュールと、を備え、
前記音声認識学習モジュールは、それぞれのHMMに含まれるそれぞれの状態に対して、その状態の観測分布の数を低減させるクラスター化の程度を決定するためのクラスター閾値を用いて、それぞれの状態をクラスター化するための状態クラスタリング処理を更に実行し、
前記状態クラスタリング処理は、それぞれのHMMに含まれる少なくともいくつかの状態について、異なる前記クラスター閾値を用いることにより、経験的にコンテキストにより影響を受けにくい状態の観測分布の数を、よりコンテキストにより影響を受けやすい状態の観測分布の数よりも低減させて、経験的にコンテキストにより影響を受けにくい状態を、よりコンテキストにより影響を受けやすい状態よりも強くクラスター化する
ことを特徴とする装置。 - 複数の状態を含むHMMのうち少なくとも1つは、コンテキストに依存しない終期状態を有する左側バイフォンHMMであり、前記終期状態は、前記左側バイフォンHMMの終端モデル状態であって、それ自身以外の左側バイフォンHMMの他の状態に接続しないことを特徴とする請求項1に記載の装置。
- 複数の状態を含むHMMのうち少なくとも1つは、コンテキストに依存しない初期状態を有する右側バイフォンHMMであり、前記初期状態は、前記右側バイフォンHMMの導入モデル状態であって、それ自身以外の右側バイフォンHMMの他の状態から接続されないことを特徴とする請求項1に記載の装置。
- 複数の状態を含むHMMのうち少なくとも1つは、それぞれ異なる前記クラスター閾値を有する初期状態、中間状態、及び終期状態を有する左側バイフォンHMMであり、
前記初期状態は、それ自身以外の他の状態から接続されない導入モデル状態であり、前記中間状態は、前記初期状態及び前記終期状態の間の中間の状態であり、前記終期状態は、それ自身以外の他の状態に接続しない終端モデル状態であり、
前記状態クラスタリング処理は、前記終期状態を前記中間状態及び前記初期状態よりも強くクラスター化し、前記中間状態を前記初期状態よりも強くクラスター化することを特徴とする請求項1に記載の装置。 - 複数の状態を含むHMMのうち少なくとも1つは、それぞれ異なる前記クラスター閾値を有する初期状態、中間状態、及び終期状態を有する右側バイフォンHMMであり、
前記初期状態は、それ自身以外の他の状態から接続されない導入モデル状態であり、前記中間状態は、前記初期状態及び前記終期状態の間の中間の状態であり、前記終期状態は、それ自身以外の他の状態に接続しない終端モデル状態であり、
前記状態クラスタリング処理は、前記初期状態を前記中間状態及び前記初期状態よりも強くクラスター化し、前記中間状態を前記終期状態よりも強くクラスター化することを特徴とする請求項1に記載の装置。 - 複数の状態を含むHMMのうち少なくとも1つは、少なくとも、初期状態、中間状態、及び終期状態を含む複数の状態を含むトライフォンHMMであり、
前記初期状態は、それ自身以外の他の状態から接続されない導入モデル状態であり、前記中間状態は、前記初期状態及び前記終期状態の間の中間の状態であり、前記終期状態は、それ自身以外の他の状態に接続しない終端モデル状態であり、
前記音声認識学習モジュールは、前記初期状態が直前の音のみに依存し、前記中間状態が前記直前の音及び直後の音に依存し、前記終期状態が前記直後の音のみに依存するように、前記複数の状態を含むトライフォンを学習させることを特徴とする請求項1に記載の装置。 - 複数の状態を含むHMMのうち少なくとも1つは、少なくとも、初期状態、中間状態、及び終期状態を有するデミフォンHMMであり、
前記中間状態は、前記クラスター閾値に関連付けられ、
前記状態クラスタリング処理は、前記中間状態の観測分布の数を低減し、
前記初期状態は、前記デミフォンHMMの左側デミフォン部分の導入モデル状態であって、それ自身以外の他の状態から接続されず、前記終期状態は、前記デミフォンHMMの右側デミフォン部分の終端モデル状態であり、それ自身以外の他の状態に接続せず、前記中間状態は、前記初期状態及び前記終期状態とは異なる状態であり、前記左側デミフォン部分又は前記右側デミフォン部分に含まれることを特徴とする請求項1に記載の装置。 - 複数の状態を含むHMMのうち少なくとも1つは、複数の状態の1つにおいて、複数の状態を含む左側バイフォンHMM、複数の状態を含む右側バイフォンHMM、複数の状態を含むトライフォンの1以上と少なくとも1つのモノフォンを組み合わせた複数の状態を含む並列システム結合であることを特徴とする請求項1に記載の装置。
- コンテキスト依存型音声認識装置の環境変化に対するロバスト性を向上させるための方法であって、
複数の状態のうち少なくともいくつかが、その状態の観測分布の数を低減させるクラスター化の程度を決定するための異なるクラスター閾値に関連付けられた、複数の状態を有する隠れマルコフモデル(HMM)を学習するための選択を受け付けるステップと、
複数の状態のそれぞれに対して、前記クラスター閾値を用いて、経験的にコンテキストにより影響を受けにくい状態の観測分布の数を、よりコンテキストにより影響を受けやすい状態の観測分布の数よりも低減させて、経験的にコンテキストにより影響を受けにくい状態を、よりコンテキストにより影響を受けやすい状態よりも強くクラスター化する状態クラスタリング処理を実行するステップを含む、前記HMMを学習させるステップと、
学習済みのHMMを格納するステップと、
を備えることを特徴とする方法。 - 前記HMMは、右側バイフォンであって、初期状態及び1以上の他の状態を含み、
前記初期状態は、前記1以上の他の状態から接続されない導入モデル状態であり、
前記右側バイフォンの前記初期状態は、クラスター閾値に関連付けられ、
前記初期状態のコンテキスト依存性は、前記状態クラスタリング処理中に前記初期状態に関連付けられた前記クラスター閾値が適用されることによって低減されることを特徴とする請求項9に記載の方法。 - 前記HMMは、右側バイフォンであって、それぞれ異なる前記クラスター閾値に関連付けられた初期状態、中間状態、及び終期状態を少なくとも含み、
前記初期状態は、それ自身以外の他の状態から接続されない導入モデル状態であり、前記中間状態は、前記初期状態及び前記終期状態の間の中間の状態であり、前記終期状態は、それ自身以外の他の状態に接続しない終端モデル状態であり、
前記状態クラスタリング処理は、前記初期状態を前記中間状態及び前記終期状態よりも強くクラスター化し、前記中間状態を前記終期状態よりも強くクラスター化するために、異なる前記クラスター閾値を用いることを特徴とする請求項9に記載の方法。 - 前記HMMは、左側バイフォンであって、終期状態及び1以上の他の状態を含み、
前記左側バイフォンの前記終期状態は、前記クラスター閾値に関連付けられ、
前記終期状態は、前記1以上の他の状態に接続しない終端モデル状態であり、
前記終期状態のコンテキスト依存性は、前記状態クラスタリング処理中に前記終期状態に関連付けられた前記クラスター閾値が適用されることによって低減されることを特徴とする請求項9に記載の方法。 - 前記HMMは、左側バイフォンであって、それぞれ異なる前記クラスター閾値に関連付けられた初期状態、中間状態、及び終期状態を少なくとも含み、
前記初期状態は、それ自身以外の他の状態から接続されない導入モデル状態であり、前記中間状態は、前記初期状態及び前記終期状態の間の中間の状態であり、前記終期状態は、それ自身以外の他の状態に接続しない終端モデル状態であり、
前記状態クラスタリング処理は、前記終期状態を前記初期状態及び前記中間状態よりも強くクラスター化し、前記中間状態を前記初期状態よりも強くクラスター化するために、異なる前記クラスター閾値を用いることを特徴とする請求項9に記載の方法。 - 前記HMMは、少なくとも、初期状態、中間状態、及び終期状態を有するトライフォンであり、
前記初期状態は、それ自身以外の他の状態から接続されない導入モデル状態であり、前記中間状態は、前記初期状態及び前記終期状態の間の中間の状態であり、前記終期状態は、それ自身以外の他の状態に接続しない終端モデル状態であり、
前記HMMを学習させるステップは、前記初期状態が直前の音のみに依存し、前記中間状態が前記直前の音及び直後の音に依存し、前記終期状態が前記直後の音のみに依存するように、前記複数の状態を有するトライフォンを学習させることを特徴とする請求項9に記載の方法。 - 前記HMMは、少なくとも、初期状態、中間状態、及び終期状態を有するデミフォンであり、
前記初期状態は、前記デミフォンの左側デミフォン部分の導入モデル状態であって、それ自身以外の他の状態から接続されず、前記終期状態は、前記デミフォンの右側デミフォン部分の終端モデル状態であり、それ自身以外の他の状態に接続せず、前記中間状態は、前記初期状態及び前記終期状態とは異なる状態であり、前記左側デミフォン部分又は前記右側デミフォン部分に含まれ、
前記中間状態は、前記クラスター閾値に関連付けられ、
前記状態クラスタリング処理は、前記中間状態の観測分布の数を低減することを特徴とする請求項9に記載の方法。 - 音声認識のための装置であって、
HMMに含まれる状態の観測分布の数を低減させるクラスター化の程度を決定するためのクラスター閾値を用いて前記状態をクラスター化するための状態クラスタリング処理において、HMMの少なくともいくつかの状態について異なる前記クラスター閾値を用いることにより、コンテキストにより経験的に影響を受けにくい1以上の状態の観測分布の数が、よりコンテキストにより影響を受けやすい状態の観測分布の数よりも低減された、複数の状態をそれぞれ有する1以上の学習済みHMMの集合と、
1以上の学習済みHMMを用いて音声を認識し、結果をアプリケーションに提供する音声認識部と、
を備えることを特徴とする装置。 - 前記学習済みHMMの集合のうちの1つは、コンテキストに依存しない終期状態を含み、コンテキストに依存する1以上の他の状態を含む左側バイフォンであり、前記終期状態は、前記左側バイフォンの終端モデル状態であって、それ自身以外の前記左側バイフォンの他の状態に接続しないことを特徴とする請求項16に記載の装置。
- 前記学習済みHMMの集合のうちの1つは、コンテキストに依存しない初期状態を含み、コンテキストに依存する1以上の他の状態を含む右側バイフォンであり、前記初期状態は、前記右側バイフォンの導入モデル状態であって、それ自身以外の他の状態から接続されないことを特徴とする請求項16に記載の装置。
- 前記学習済みHMMの集合のうちの1つは、少なくとも、直前の音にのみ依存する初期状態、前記直前の音及び直後の音に依存する中間状態、及び前記直後の音のみに依存する終期状態を含むトライフォンであり、
前記初期状態は、それ自身以外の他の状態から接続されない導入モデル状態であり、前記中間状態は、前記初期状態及び前記終期状態の間の中間の状態であり、前記終期状態は、それ自身以外の他の状態に接続しない終端モデル状態であることを特徴とする請求項16に記載の装置。 - 前記学習済みHMMの集合のうちの1つは、少なくとも、初期状態、中間状態、及び終期状態を含むデミフォンであり、
前記初期状態は、前記デミフォンの左側デミフォン部分の導入モデル状態であって、それ自身以外の他の状態から接続されず、前記終期状態は、前記デミフォンの右側デミフォン部分の終端モデル状態であり、それ自身以外の他の状態に接続せず、前記中間状態は、前記初期状態及び前記終期状態とは異なる状態であり、前記左側デミフォン部分又は前記右側デミフォン部分に含まれ、
前記中間状態は、前記クラスター閾値に関連付けられ、
前記状態クラスタリング処理は、前記中間状態の観測分布の数を低減することを特徴とする請求項16に記載の装置。 - 前記学習済みHMMの集合のうちの1つは、左側バイフォンHMM、右側バイフォンHMM、トライフォンHMM、及びモノフォンHMMのうち2以上の間の接続が確立された並列システム結合HMMであり、
前記音声認識部は、前記並列システム結合HMMである前記学習済みHMMの集合の1つを用いて、前記並列システム結合HMMにおける異なる複数のHMMにわたる最適経路を動的に決定することを特徴とする請求項16に記載の装置。 - 計算装置において音声認識を実行するための方法であって、
音声信号を取得するステップと、
前記音声信号をディジタル音声に変換するステップと、
前記ディジタル音声から特徴ベクトルを生成するステップと、
HMMに含まれる状態の観測分布の数を低減させるクラスター化の程度を決定するためのクラスター閾値を用いて前記状態をクラスター化するための状態クラスタリング処理において、HMMの少なくともいくつかの状態について異なる前記クラスター閾値を用いることにより、コンテキストにより経験的に影響を受けにくい1以上の状態の観測分布の数が、よりコンテキストにより影響を受けやすい状態の観測分布の数よりも低減された学習済みHMMを用いて前記特徴ベクトルから音声単位を特定するステップと、
前記音声単位により形成される音声要素を特定するステップと、
前記音声要素をアプリケーションに提供するステップと、
を備えることを特徴とする方法。 - 前記学習済みHMMは、コンテキストに依存しない終期状態を含み、コンテキストに依存する1以上の他の状態を含む左側バイフォンであり、前記終期状態は、前記左側バイフォンの終端モデル状態であって、前記1以上の他の状態に接続しないことを特徴とする請求項22に記載の方法。
- 前記学習済みHMMは、コンテキストに依存しない初期状態を含み、コンテキストに依存する1以上の他の状態を含む右側バイフォンであり、前記初期状態は、前記右側バイフォンの導入モデル状態であって、前記1以上の他の状態から接続されないことを特徴とする請求項22に記載の方法。
- 前記学習済みHMMは、少なくとも、直前の音にのみ依存する初期状態、前記直前の音及び直後の音に依存する中間状態、及び前記直後の音のみに依存する終期状態を含むトライフォンであり、
前記初期状態は、それ自身以外の他の状態から接続されない導入モデル状態であり、前記中間状態は、前記初期状態及び前記終期状態の間の中間の状態であり、前記終期状態は、それ自身以外の他の状態に接続しない終端モデル状態であることを特徴とする請求項22に記載の方法。 - 前記学習済みHMMは、少なくとも、初期状態、中間状態、及び終期状態を含むデミフォンであり、
前記初期状態は、前記デミフォンの左側デミフォン部分の導入モデル状態であって、それ自身以外の他の状態から接続されず、前記終期状態は、前記デミフォンの右側デミフォン部分の終端モデル状態であり、それ自身以外の他の状態に接続せず、前記中間状態は、前記初期状態及び前記終期状態とは異なる状態であり、前記左側デミフォン部分又は前記右側デミフォン部分に含まれ、
前記中間状態は、前記クラスター閾値に関連付けられ、
前記状態クラスタリング処理は、前記中間状態の観測分布の数を低減することを特徴とする請求項22に記載の方法。 - 前記学習済みHMMは、左側バイフォンHMM、右側バイフォンHMM、トライフォンHMM、及びモノフォンHMMのうち2以上の間の接続が確立された並列システム結合HMMであり、
前記特徴ベクトルから音声単位を特定する際に、前記並列システム結合HMMである前記学習済みHMMの集合の1つを用いて、前記並列システム結合HMMの異なる複数のHMMにわたる最適経路を動的に決定することを特徴とする請求項22に記載の方法。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US12/785,375 | 2010-05-21 | ||
US12/785,375 US8719023B2 (en) | 2010-05-21 | 2010-05-21 | Robustness to environmental changes of a context dependent speech recognizer |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2011248360A JP2011248360A (ja) | 2011-12-08 |
JP5174937B2 true JP5174937B2 (ja) | 2013-04-03 |
Family
ID=44064298
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2011114519A Active JP5174937B2 (ja) | 2010-05-21 | 2011-05-23 | 音声認識装置及び方法 |
Country Status (5)
Country | Link |
---|---|
US (1) | US8719023B2 (ja) |
EP (1) | EP2388778B1 (ja) |
JP (1) | JP5174937B2 (ja) |
KR (1) | KR101237799B1 (ja) |
CN (2) | CN103280216B (ja) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7153605B2 (ja) | 2019-04-25 | 2022-10-14 | 信越ポリマー株式会社 | 異方導電性シートの製造方法 |
Families Citing this family (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9418662B2 (en) * | 2009-01-21 | 2016-08-16 | Nokia Technologies Oy | Method, apparatus and computer program product for providing compound models for speech recognition adaptation |
TWI420510B (zh) * | 2010-05-28 | 2013-12-21 | Ind Tech Res Inst | 可調整記憶體使用空間之語音辨識系統與方法 |
US9640175B2 (en) * | 2011-10-07 | 2017-05-02 | Microsoft Technology Licensing, Llc | Pronunciation learning from user correction |
US9514739B2 (en) * | 2012-06-06 | 2016-12-06 | Cypress Semiconductor Corporation | Phoneme score accelerator |
US9786281B1 (en) * | 2012-08-02 | 2017-10-10 | Amazon Technologies, Inc. | Household agent learning |
US20140142925A1 (en) * | 2012-11-16 | 2014-05-22 | Raytheon Bbn Technologies | Self-organizing unit recognition for speech and other data series |
US20140365225A1 (en) * | 2013-06-05 | 2014-12-11 | DSP Group | Ultra-low-power adaptive, user independent, voice triggering schemes |
US10127927B2 (en) | 2014-07-28 | 2018-11-13 | Sony Interactive Entertainment Inc. | Emotional speech processing |
US10515151B2 (en) * | 2014-08-18 | 2019-12-24 | Nuance Communications, Inc. | Concept identification and capture |
US9953646B2 (en) | 2014-09-02 | 2018-04-24 | Belleau Technologies | Method and system for dynamic speech recognition and tracking of prewritten script |
US9516413B1 (en) | 2014-09-30 | 2016-12-06 | Apple Inc. | Location based storage and upload of acoustic environment related information |
CN106326208B (zh) * | 2015-06-30 | 2019-06-07 | 芋头科技(杭州)有限公司 | 一种通过语音对机器人进行训练的***及方法 |
US10095682B2 (en) * | 2015-07-29 | 2018-10-09 | Mark43, Inc. | Determining incident codes using a decision tree |
CN106683677B (zh) | 2015-11-06 | 2021-11-12 | 阿里巴巴集团控股有限公司 | 语音识别方法及装置 |
KR102069699B1 (ko) * | 2016-01-18 | 2020-01-23 | 한국전자통신연구원 | 음성인식 장치 및 방법 |
KR102622350B1 (ko) | 2018-10-12 | 2024-01-09 | 삼성전자주식회사 | 전자 장치 및 그 제어 방법 |
US20210104237A1 (en) * | 2019-10-08 | 2021-04-08 | Zebra Technologies Corporation | Method and Apparatus for Providing Modular Speech Input to Client Applications |
CN116612747B (zh) * | 2023-07-19 | 2023-09-22 | 腾讯科技(深圳)有限公司 | 语音音素识别方法、装置、设备及存储介质 |
Family Cites Families (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5033087A (en) | 1989-03-14 | 1991-07-16 | International Business Machines Corp. | Method and apparatus for the automatic determination of phonological rules as for a continuous speech recognition system |
US5825978A (en) | 1994-07-18 | 1998-10-20 | Sri International | Method and apparatus for speech recognition using optimized partial mixture tying of HMM state functions |
US5806030A (en) | 1996-05-06 | 1998-09-08 | Matsushita Electric Ind Co Ltd | Low complexity, high accuracy clustering method for speech recognizer |
DE59704065D1 (de) * | 1996-08-27 | 2001-08-23 | Siemens Ag | Verfahren zur Spracherkennung mit kontexabhängig modellierten Hidden Markov Modellen |
US5999893A (en) * | 1997-05-02 | 1999-12-07 | The United States Of America As Represented By The Secretary Of The Navy | Classification system and method using combined information testing |
US6292778B1 (en) * | 1998-10-30 | 2001-09-18 | Lucent Technologies Inc. | Task-independent utterance verification with subword-based minimum verification error training |
US6324510B1 (en) * | 1998-11-06 | 2001-11-27 | Lernout & Hauspie Speech Products N.V. | Method and apparatus of hierarchically organizing an acoustic model for speech recognition and adaptation of the model to unseen domains |
US6405168B1 (en) * | 1999-09-30 | 2002-06-11 | Conexant Systems, Inc. | Speaker dependent speech recognition training using simplified hidden markov modeling and robust end-point detection |
US6931351B2 (en) * | 2001-04-20 | 2005-08-16 | International Business Machines Corporation | Decision making in classification problems |
KR20030096862A (ko) * | 2002-06-18 | 2003-12-31 | 정현열 | 상태분할과 음소결정트리의 결합에 의한 에이치엠-넷모델의 구조결정을 이용한 음성인식방법 |
US7467086B2 (en) | 2004-12-16 | 2008-12-16 | Sony Corporation | Methodology for generating enhanced demiphone acoustic models for speech recognition |
WO2007138875A1 (ja) * | 2006-05-31 | 2007-12-06 | Nec Corporation | 音声認識用単語辞書・言語モデル作成システム、方法、プログラムおよび音声認識システム |
JP4528839B2 (ja) * | 2008-02-29 | 2010-08-25 | 株式会社東芝 | 音素モデルクラスタリング装置、方法及びプログラム |
-
2010
- 2010-05-21 US US12/785,375 patent/US8719023B2/en active Active
-
2011
- 2011-01-28 CN CN201310181433.7A patent/CN103280216B/zh active Active
- 2011-01-28 CN CN2011100310042A patent/CN102254555B/zh active Active
- 2011-02-09 EP EP11153813.8A patent/EP2388778B1/en active Active
- 2011-04-06 KR KR1020110031775A patent/KR101237799B1/ko active IP Right Grant
- 2011-05-23 JP JP2011114519A patent/JP5174937B2/ja active Active
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7153605B2 (ja) | 2019-04-25 | 2022-10-14 | 信越ポリマー株式会社 | 異方導電性シートの製造方法 |
Also Published As
Publication number | Publication date |
---|---|
US20110288869A1 (en) | 2011-11-24 |
JP2011248360A (ja) | 2011-12-08 |
EP2388778B1 (en) | 2013-04-17 |
CN103280216B (zh) | 2016-07-13 |
CN102254555A (zh) | 2011-11-23 |
KR20110128229A (ko) | 2011-11-29 |
CN102254555B (zh) | 2013-06-19 |
KR101237799B1 (ko) | 2013-02-28 |
CN103280216A (zh) | 2013-09-04 |
US8719023B2 (en) | 2014-05-06 |
EP2388778A1 (en) | 2011-11-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP5174937B2 (ja) | 音声認識装置及び方法 | |
Wang et al. | A joint training framework for robust automatic speech recognition | |
JP6550068B2 (ja) | 音声認識における発音予測 | |
Karpagavalli et al. | A review on automatic speech recognition architecture and approaches | |
US9576582B2 (en) | System and method for adapting automatic speech recognition pronunciation by acoustic model restructuring | |
Matassoni et al. | Non-native children speech recognition through transfer learning | |
O’Shaughnessy | Automatic speech recognition: History, methods and challenges | |
US9015048B2 (en) | Incremental speech recognition for dialog systems | |
US20130090921A1 (en) | Pronunciation learning from user correction | |
US9484019B2 (en) | System and method for discriminative pronunciation modeling for voice search | |
Motlicek et al. | Exploiting foreign resources for DNN-based ASR | |
EP2867890B1 (en) | Meta-data inputs to front end processing for automatic speech recognition | |
CN114120979A (zh) | 语音识别模型的优化方法、训练方法、设备及介质 | |
Heck et al. | Iterative training of a DPGMM-HMM acoustic unit recognizer in a zero resource scenario | |
Viikki et al. | Speaker-and language-independent speech recognition in mobile communication systems | |
JP3776391B2 (ja) | 多言語音声認識方法、装置、プログラム | |
Fauziya et al. | A Comparative study of phoneme recognition using GMM-HMM and ANN based acoustic modeling | |
Kurian | A review on technological development of automatic speech recognition | |
Prasanna et al. | Low cost home automation using offline speech recognition | |
Vancha et al. | Word-level speech dataset creation for sourashtra and recognition system using kaldi | |
KR20050101695A (ko) | 인식 결과를 이용한 통계적인 음성 인식 시스템 및 그 방법 | |
JP4163207B2 (ja) | 多言語話者適応方法、装置、プログラム | |
Jin et al. | A syllable lattice approach to speaker verification | |
Singh et al. | Voice Recognition In Automobiles | |
Sadashivappa | MLLR Based Speaker Adaptation for Indian Accents |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20120521 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20120529 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20120730 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20120911 |
|
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: 20121204 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20121228 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 5174937 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |