JP5824829B2 - 音声認識装置、音声認識方法及び音声認識プログラム - Google Patents
音声認識装置、音声認識方法及び音声認識プログラム Download PDFInfo
- Publication number
- JP5824829B2 JP5824829B2 JP2011056495A JP2011056495A JP5824829B2 JP 5824829 B2 JP5824829 B2 JP 5824829B2 JP 2011056495 A JP2011056495 A JP 2011056495A JP 2011056495 A JP2011056495 A JP 2011056495A JP 5824829 B2 JP5824829 B2 JP 5824829B2
- Authority
- JP
- Japan
- Prior art keywords
- word
- derivative
- search
- search target
- derived
- 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 description 61
- 238000003860 storage Methods 0.000 claims description 42
- 238000012790 confirmation Methods 0.000 claims description 28
- 238000011156 evaluation Methods 0.000 claims description 16
- 238000012937 correction Methods 0.000 claims description 14
- 238000012545 processing Methods 0.000 claims description 13
- 230000008569 process Effects 0.000 description 44
- 238000009795 derivation Methods 0.000 description 20
- 238000005516 engineering process Methods 0.000 description 12
- 239000000284 extract Substances 0.000 description 9
- 230000004048 modification Effects 0.000 description 9
- 238000012986 modification Methods 0.000 description 9
- 238000004891 communication Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 238000001514 detection method Methods 0.000 description 3
- 230000010365 information processing Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000000750 progressive effect Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 241001527806 Iti Species 0.000 description 1
- 235000016496 Panda oleosa Nutrition 0.000 description 1
- 240000000220 Panda oleosa Species 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000008685 targeting 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
- G10L15/02—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
- G10L15/08—Speech classification or search
- G10L2015/088—Word spotting
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (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)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Description
図1には、本第1実施形態に係る音声認識装置10が示されている。音声認識装置10は検索対象語が発声された箇所を音声データから検索して抽出する処理を行う。音声認識装置10は検索対象語取得部12、派生語取得部14、第1認識辞書16、第2認識辞書18、音声認識部20、結果出力部22、TV番組DB(データベース)24を記憶する第1記憶部26及び派生語辞書28を記憶する第2記憶部30を備えている。
次に開示の技術の第2実施形態について説明する。なお、第1実施形態と同一の部分には同一の符号を付し、説明を省略する。
次に開示の技術の第3実施形態について説明する。なお、第2実施形態と同一の部分には同一の符号を付し、説明を省略する。図11に示すように、本第3実施形態では、派生語辞書28に派生語テーブル66が追加されている。派生語テーブル66には、複数の単語について、対応する派生語が1つ以上登録されていると共に、登録された個々の派生語毎に、出力対象/棄却対象の設定を指示する設定指示情報が登録されている。
12 検索対象語取得部
14 派生語取得部
20 音声認識部
22 結果出力部
24 番組DB
28 派生語辞書
32 品詞辞書
34 品詞別派生語生成ルールテーブル
40 コンピュータ
44 メモリ
46 記憶部
50 音声認識プログラム
64 設定確認部
66 派生語テーブル
Claims (12)
- 音声データが記憶される第1記憶部と、
利用者によって指定された検索対象語を取得する検索対象語取得部と、
前記検索対象語の派生語を生成するための生成ルールが定められた派生語生成ルールと、当該派生語生成ルールの条件グループに対し出力対象または棄却対象を設定するための設定指示情報とが登録された派生語辞書が記憶される第2記憶部と、
前記第2記憶部から前記派生語辞書を取得し、前記検索対象語取得部によって取得された前記検索対象語の派生語を前記派生語生成ルールに基づいて生成し、前記設定指示情報を当該生成された派生語に設定する派生語取得部と、
前記派生語取得部によって生成され前記出力対象又は前記棄却対象に設定された前記派生語と、前記検索対象語の発声箇所を第1記憶部に記憶された音声データから音声認識によって検索し、当該検索で抽出された発声箇所のうち、前記棄却対象に設定された条件グループの派生語の前記発声箇所を棄却し、当該検索で抽出されかつ棄却されなかった前記発声箇所を出力する音声認識部とを備えることを特徴とする音声認識装置。 - 前記第2記憶部には、前記設定指示情報が、前記第2記憶部に記憶された個々の前記派生語生成ルール毎又は個々の前記派生語毎に記憶されており、
前記派生語取得部は、前記第2記憶部に記憶され、前記派生語取得部によって取得された前記派生語に対応する前記設定指示情報に基づいて、取得した前記派生語を出力対象又は棄却対象に設定する請求項1記載の音声認識装置。 - 前記第2記憶部には、前記設定指示情報が、前記検索対象語として指定される語の種類毎に記憶されており、
前記派生語取得部は、前記第2記憶部に記憶され、指定された前記検索対象語の種類に対応する前記設定指示情報に基づいて、取得した前記派生語を出力対象又は棄却対象に設定する請求項1記載の音声認識装置。 - 前記派生語取得部は、前記派生語取得部によって取得された前記派生語を提示し、提示した前記派生語を、指示に従って前記出力対象又は前記棄却対象に設定する請求項1記載の音声認識装置。
- 前記派生語取得部によって取得された前記派生語と、前記派生語取得部により前記派生語に対して前記出力対象又は前記棄却対象に設定された結果と、を利用者に提示し、利用者から前記出力対象又は前記棄却対象の設定の修正が指示された前記派生語について、前記出力対象又は前記棄却対象の設定を修正する設定確認部を更に備えた請求項1〜請求項3の何れか1項記載の音声認識装置。
- 前記第2記憶部には、前記設定指示情報が、前記第2記憶部に記憶された個々の前記派生語生成ルール毎又は個々の前記派生語毎に記憶されており、
前記設定確認部は、前記第2記憶部に記憶され、利用者から前記出力対象又は前記棄却対象の設定の修正が指示された前記派生語に対応する前記設定指示情報を、前記指示に応じて変更する請求項5記載の音声認識装置。 - 前記第2記憶部には、前記派生語生成ルールが前記検索対象語として指定される語の種類毎に記憶されていると共に、前記検索対象語として指定される個々の語の種類を特定するための種類特定情報も記憶されており、
前記派生語取得部は、前記第2記憶部に記憶されている前記種類特定情報に基づいて、前記検索対象語の種類を特定し、特定した前記検索対象語の種類に対応する前記派生語生成ルールに基づいて前記検索対象語の派生語を生成する請求項1〜請求項6の何れか1項記載の音声認識装置。 - 前記第2記憶部には、前記検索対象語として指定される語のうちの一部の語の派生語が前記一部の語と対応付けて各々記憶されており、
前記派生語取得部は、前記検索対象語と対応付けて前記第2記憶部に派生語が記憶されている場合には、前記検索対象語と対応付けて前記第2記憶部に記憶された派生語を読み出すことで前記検索対象語の派生語を取得し、前記検索対象語と対応付けて前記第2記憶部に派生語が記憶されていない場合には、前記検索対象語の種類を特定し、特定した前記検索対象語の種類に対応する前記派生語生成ルールに基づいて前記検索対象語の派生語を生成することで、前記検索対象語の派生語を取得する請求項7記載の音声認識装置。 - 前記音声認識部は、評価対象の語を発声した音声と、前記音声データが表す音声のうちの評価対象箇所の音声と、の合致度合いを評価する評価値を演算し、演算した評価値が閾値以上か否かに基づいて、前記評価対象箇所が前記評価対象の語が発声された箇所か否かを判断する構成であり、前記評価対象の語として前記派生語を用いる場合の前記閾値として、前記評価対象の語として前記検索対象語を用いる場合の前記閾値よりも低い値が設定される請求項1〜請求項8の何れか1項記載の音声認識装置。
- 前記派生語は、前記検索対象語に接辞を付加した語、前記検索対象語に含まれる接辞を除去した語、前記検索対象語の同義語、前記検索対象語と同義で言語が異なる語、前記検索対象語と数が異なる語、前記検索対象語と時制が異なる語の何れかである請求項1〜請求項9の何れか1項記載の音声認識装置。
- 指定された検索対象語の派生語を、当該検索対象語の派生語を生成するための生成ルールを定めた派生語生成ルールに基づいて生成することで、前記検索対象語の派生語を取得する取得ステップと、
前記取得ステップで取得された前記派生語を前記派生語生成ルールの条件グループ毎に出力対象又は棄却対象に設定するための設定指示情報を設定する設定ステップと、
前記検索対象語、及び、前記取得ステップで取得され前記設定ステップで出力対象又は棄却対象に設定された前記派生語の発声箇所を記憶された音声データから音声認識によって各々検索する検索ステップと、
前記検索ステップにおける検索で抽出された前記発声箇所のうち、棄却対象に設定された前記派生語の前記発声箇所を棄却する棄却ステップと、
前記検索ステップにおける検索で抽出されかつ前記棄却ステップで棄却されなかった前記発声箇所を出力する出力ステップと、
を含む音声認識方法。 - コンピュータに、
指定された検索対象語の派生語を、当該検索対象語の派生語を生成するための生成ルールを定めた派生語生成ルールに基づいて生成することで、前記検索対象語の派生語を取得する取得ステップと、
前記取得ステップで取得された前記派生語を前記派生語生成ルールの条件グループ毎に出力対象又は棄却対象に設定するための設定指示情報を設定する設定ステップと、
前記検索対象語、及び、前記取得ステップで取得され前記設定ステップで出力対象又は棄却対象に設定された前記派生語の発声箇所を記憶された音声データから音声認識によって各々検索する検索ステップと、
前記検索ステップにおける検索で抽出された前記発声箇所のうち、棄却対象に設定された前記派生語の前記発声箇所を棄却する棄却ステップと、
前記検索ステップにおける検索で抽出されかつ前記棄却ステップで棄却されなかった前記発声箇所を出力する出力ステップと、
を含む処理を実行させるための音声認識プログラム。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2011056495A JP5824829B2 (ja) | 2011-03-15 | 2011-03-15 | 音声認識装置、音声認識方法及び音声認識プログラム |
US13/363,411 US8903724B2 (en) | 2011-03-15 | 2012-02-01 | Speech recognition device and method outputting or rejecting derived words |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2011056495A JP5824829B2 (ja) | 2011-03-15 | 2011-03-15 | 音声認識装置、音声認識方法及び音声認識プログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2012194245A JP2012194245A (ja) | 2012-10-11 |
JP5824829B2 true JP5824829B2 (ja) | 2015-12-02 |
Family
ID=46829179
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2011056495A Active JP5824829B2 (ja) | 2011-03-15 | 2011-03-15 | 音声認識装置、音声認識方法及び音声認識プログラム |
Country Status (2)
Country | Link |
---|---|
US (1) | US8903724B2 (ja) |
JP (1) | JP5824829B2 (ja) |
Families Citing this family (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9165556B1 (en) | 2012-02-01 | 2015-10-20 | Predictive Business Intelligence, LLC | Methods and systems related to audio data processing to provide key phrase notification and potential cost associated with the key phrase |
KR101309794B1 (ko) * | 2012-06-27 | 2013-09-23 | 삼성전자주식회사 | 디스플레이 장치, 디스플레이 장치의 제어 방법 및 대화형 시스템 |
US9704486B2 (en) * | 2012-12-11 | 2017-07-11 | Amazon Technologies, Inc. | Speech recognition power management |
JP6006674B2 (ja) * | 2013-04-30 | 2016-10-12 | 日本電信電話株式会社 | 音響モデル選択装置とその方法とプログラム |
CN103365959A (zh) * | 2013-06-03 | 2013-10-23 | 深圳市爱渡飞科技有限公司 | 一种语音搜索方法及装置 |
JP6176055B2 (ja) * | 2013-10-21 | 2017-08-09 | 富士通株式会社 | 音声検索装置及び音声検索方法 |
US9741342B2 (en) * | 2014-11-26 | 2017-08-22 | Panasonic Intellectual Property Corporation Of America | Method and apparatus for recognizing speech by lip reading |
US9922643B2 (en) * | 2014-12-23 | 2018-03-20 | Nice Ltd. | User-aided adaptation of a phonetic dictionary |
US10304449B2 (en) * | 2015-03-27 | 2019-05-28 | Panasonic Intellectual Property Management Co., Ltd. | Speech recognition using reject information |
WO2020240647A1 (ja) * | 2019-05-27 | 2020-12-03 | 三菱電機株式会社 | 音声認識辞書作成装置、音声認識装置、音声認識辞書作成方法 |
Family Cites Families (29)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH03105863A (ja) | 1989-09-19 | 1991-05-02 | Tokai Carbon Co Ltd | 燃料電池用炭素質複合部材とその製造方法 |
JPH0528199A (ja) * | 1991-07-18 | 1993-02-05 | Canon Inc | 文書検索装置 |
US5471677A (en) * | 1992-06-24 | 1995-11-28 | Matsushita Electric Industrial Co., Ltd. | Data retrieval using user evaluation of data presented to construct interference rules and calculate range of inputs needed for desired output and to formulate retrieval queries |
JPH08235191A (ja) * | 1995-02-27 | 1996-09-13 | Toshiba Corp | 文書検索方法及び文書検索装置 |
JPH0944506A (ja) * | 1995-07-25 | 1997-02-14 | Fuji Xerox Co Ltd | 文書検索装置 |
JP3500893B2 (ja) * | 1997-03-19 | 2004-02-23 | ミノルタ株式会社 | 情報処理装置および情報処理方法 |
JP3105863B2 (ja) | 1998-04-02 | 2000-11-06 | 日本電気ロボットエンジニアリング株式会社 | 音声認識雑音除去方式 |
EP1109152A1 (en) * | 1999-12-13 | 2001-06-20 | Sony International (Europe) GmbH | Method for speech recognition using semantic and pragmatic informations |
JP2002091493A (ja) * | 2000-09-11 | 2002-03-27 | Sony Corp | 音声信号の再生装置 |
JP2003330491A (ja) | 2002-05-10 | 2003-11-19 | Nec Corp | 音声認識装置および音声認識方法ならびにプログラム |
US20060106604A1 (en) * | 2002-11-11 | 2006-05-18 | Yoshiyuki Okimoto | Speech recognition dictionary creation device and speech recognition device |
JP4539313B2 (ja) | 2004-12-01 | 2010-09-08 | 日本電気株式会社 | 音声認識辞書作成システム、音声認識辞書作成方法、音声認識システムおよびロボット |
JP4287386B2 (ja) * | 2005-01-31 | 2009-07-01 | 株式会社東芝 | 情報検索システム、方法及びプログラム |
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 |
JP4845118B2 (ja) * | 2006-11-20 | 2011-12-28 | 富士通株式会社 | 音声認識装置、音声認識方法、および、音声認識プログラム |
US20080208566A1 (en) * | 2007-02-23 | 2008-08-28 | Microsoft Corporation | Automated word-form transformation and part of speech tag assignment |
US7983915B2 (en) * | 2007-04-30 | 2011-07-19 | Sonic Foundry, Inc. | Audio content search engine |
JP5204217B2 (ja) * | 2007-05-15 | 2013-06-05 | ティヴォ インク | スイベル検索システム |
US8209171B2 (en) * | 2007-08-07 | 2012-06-26 | Aurix Limited | Methods and apparatus relating to searching of spoken audio data |
EP2058800B1 (en) * | 2007-10-24 | 2010-09-01 | Harman Becker Automotive Systems GmbH | Method and system for recognizing speech for searching a database |
US7437291B1 (en) * | 2007-12-13 | 2008-10-14 | International Business Machines Corporation | Using partial information to improve dialog in automatic speech recognition systems |
JP5024154B2 (ja) * | 2008-03-27 | 2012-09-12 | 富士通株式会社 | 関連付け装置、関連付け方法及びコンピュータプログラム |
JP5200712B2 (ja) * | 2008-07-10 | 2013-06-05 | 富士通株式会社 | 音声認識装置、音声認識方法及びコンピュータプログラム |
US8484014B2 (en) * | 2008-11-03 | 2013-07-09 | Microsoft Corporation | Retrieval using a generalized sentence collocation |
US8145662B2 (en) * | 2008-12-31 | 2012-03-27 | Ebay Inc. | Methods and apparatus for generating a data dictionary |
US8392443B1 (en) * | 2009-03-17 | 2013-03-05 | Google Inc. | Refining search queries |
WO2011033609A1 (ja) * | 2009-09-15 | 2011-03-24 | 株式会社 東芝 | コンテンツ検索装置、方法およびプログラム |
US8346795B2 (en) * | 2010-03-10 | 2013-01-01 | Xerox Corporation | System and method for guiding entity-based searching |
US20120209606A1 (en) * | 2011-02-14 | 2012-08-16 | Nice Systems Ltd. | Method and apparatus for information extraction from interactions |
-
2011
- 2011-03-15 JP JP2011056495A patent/JP5824829B2/ja active Active
-
2012
- 2012-02-01 US US13/363,411 patent/US8903724B2/en active Active
Also Published As
Publication number | Publication date |
---|---|
US20120239402A1 (en) | 2012-09-20 |
JP2012194245A (ja) | 2012-10-11 |
US8903724B2 (en) | 2014-12-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP5824829B2 (ja) | 音声認識装置、音声認識方法及び音声認識プログラム | |
US6839667B2 (en) | Method of speech recognition by presenting N-best word candidates | |
US11037553B2 (en) | Learning-type interactive device | |
US6910012B2 (en) | Method and system for speech recognition using phonetically similar word alternatives | |
US10037758B2 (en) | Device and method for understanding user intent | |
US8380505B2 (en) | System for recognizing speech for searching a database | |
US9418152B2 (en) | System and method for flexible speech to text search mechanism | |
JP4705023B2 (ja) | 音声認識装置、音声認識方法、及びプログラム | |
JP5255769B2 (ja) | テキストフォーマッティング及びスピーチ認識のためのトピック特有のモデル | |
US8209171B2 (en) | Methods and apparatus relating to searching of spoken audio data | |
US7529678B2 (en) | Using a spoken utterance for disambiguation of spelling inputs into a speech recognition system | |
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 | |
US6973427B2 (en) | Method for adding phonetic descriptions to a speech recognition lexicon | |
US6269335B1 (en) | Apparatus and methods for identifying homophones among words in a speech recognition system | |
JP4680714B2 (ja) | 音声認識装置および音声認識方法 | |
WO2007097176A1 (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 | |
US20090138266A1 (en) | Apparatus, method, and computer program product for recognizing speech | |
JP2007213005A (ja) | 認識辞書システムおよびその更新方法 | |
JP5753769B2 (ja) | 音声データ検索システムおよびそのためのプログラム | |
CN110675866B (zh) | 用于改进至少一个语义单元集合的方法、设备及计算机可读记录介质 | |
JP2007534979A (ja) | ボイスタグ辞書のための装置及び方法 | |
JP2014232268A (ja) | 音声認識における読み精度を改善するシステム、方法、およびプログラム | |
US6963834B2 (en) | Method of speech recognition using empirically determined word candidates | |
US20170270923A1 (en) | Voice processing device and voice processing method | |
JPH10274996A (ja) | 音声認識装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20131129 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20140916 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20140930 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20141120 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20150407 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20150522 |
|
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: 20150915 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20150928 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 5824829 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |