JP6109451B2 - 音声認識装置及び音声認識方法 - Google Patents
音声認識装置及び音声認識方法 Download PDFInfo
- Publication number
- JP6109451B2 JP6109451B2 JP2016565721A JP2016565721A JP6109451B2 JP 6109451 B2 JP6109451 B2 JP 6109451B2 JP 2016565721 A JP2016565721 A JP 2016565721A JP 2016565721 A JP2016565721 A JP 2016565721A JP 6109451 B2 JP6109451 B2 JP 6109451B2
- Authority
- JP
- Japan
- Prior art keywords
- speech recognition
- language
- dictionary
- processing circuit
- vocabulary
- 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 10
- 238000012545 processing Methods 0.000 claims description 83
- 238000013507 mapping Methods 0.000 description 14
- 238000010586 diagram Methods 0.000 description 10
- 230000006870 function Effects 0.000 description 8
- 230000004048 modification Effects 0.000 description 5
- 238000012986 modification Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000005236 sound signal 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
- G10L15/005—Language recognition
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/34—Route searching; Route guidance
- G01C21/36—Input/output arrangements for on-board computers
- G01C21/3605—Destination input or retrieval
- G01C21/3608—Destination input or retrieval using speech input, e.g. using speech recognition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/237—Lexical tools
- G06F40/242—Dictionaries
-
- 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
-
- 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
- G10L15/06—Creation of reference templates; Training of speech recognition systems, e.g. adaptation to the characteristics of the speaker's voice
-
- 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
- G10L15/28—Constructional details of speech recognition systems
- G10L15/32—Multiple recognisers used in sequence or in parallel; Score combination systems therefor, e.g. voting systems
-
- 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
- G10L2015/025—Phonemes, fenemes or fenones being the recognition units
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Human Computer Interaction (AREA)
- Acoustics & Sound (AREA)
- Computational Linguistics (AREA)
- Multimedia (AREA)
- Artificial Intelligence (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Automation & Control Theory (AREA)
- General Engineering & Computer Science (AREA)
- Navigation (AREA)
- Machine Translation (AREA)
Description
以下、本発明の実施の形態1に係る音声認識装置が、ナビゲーションシステム(またはナビゲーション装置)に搭載されている構成を例にして説明する。
図5は、本実施の形態1に係る音声認識装置の動作を示すフローチャートである。なお、以下の説明では、目的地がドイツの住所(目的地の言語がドイツ語)であり、システム設定言語が英語であり、ドイツ語の言語用音声認識部が言語用音声認識部4Aであり、ドイツ語の地名辞書が地名辞書51Aであり、英語の音素がドイツ語の音素にマッピングされた番地辞書が番地辞書52BAである場合を例にして説明する。ただし、これは一例であってこれに限ったものではない。
例えば、ユーザとしてのイギリス人(システム設定言語が英語)が、ドイツの住所を目的地として音声入力する場合を想定する。この場合、イギリス人は、ドイツの地名(例えば「Stuttgart Neckar strasse」)をドイツ語の発音で発声した後、番地(例えば「one,two,three」)を英語の発音で発声することが予想される。
実施の形態1では、音素のマッピングが施された各第2辞書(番地辞書52BA〜52BC)の第2語彙は、番地の語彙であった。しかしこれに限ったものではなく、各第2辞書の第2語彙には、郵便番号などの予め定められた数字の語彙が適用されてもよい。
実施の形態1では、ナビゲーションシステムにおける目的地(例えば経由地、最終到達地など)がユーザによって予め設定されているものとして、音声認識辞書設定部7が、当該目的地に基づいて、音声認識に用いるべき1つの言語用音声認識部を設定した。しかしながら、実際の運用では、発話前に上記目的地が予め設定されていないこともある。そこで、以下で説明するように、本実施の形態2では、目的地が予め設定されなくても、実施の形態1と同様の動作を行うことが可能となっている。
図7は、本実施の形態2に係る音声認識装置の動作を示すフローチャートである。なお、以下においては、システム設定言語が英語であり、ドイツ語の言語用音声認識部が言語用音声認識部4Aであり、英語の言語用音声認識部が言語用音声認識部4Bであり、ドイツ語の地名辞書が地名辞書51Aであり、英語の音素がドイツ語の音素にマッピングされた番地及びコマンド辞書が番地及びコマンド辞書53BAであり、英語のコマンド及びガベジ辞書がコマンド及びガベジ辞書54Bである場合を例にして説明する。そして、英語の発音でコマンド「Navigate to Germany」が、ドイツ語の発音で地名「Stuttgart Neckar strasse」が、英語の発音で番地「one,two,three」がこの順に入力された場合を例にして説明する。ただし、これらは一例であってこれらに限ったものではない。
以上のような本実施の形態2に係る音声認識装置においても、実施の形態1と同様の効果を得ることができる。さらに本実施の形態2では、一の入力音声に対して、ガベジ認識を含む一回目の音声認識を行うことによって目的地の言語を取得し、当該一の入力音声に対して、目的地の言語が設定された二回目の音声認識によって実施の形態1と同様の音声認識を行う。したがって、目的地を予め設定する手間を省くことができる。
実施の形態2では、二回目の音声認識の際に、入力音声(音響特徴のベクトル列や時系列)のコマンド部分について、マッピングが施された番地及びコマンド辞書を用いた音声認識を行った。しかしこれに限ったものではなく、入力音声(音響特徴のベクトル列や時系列)からコマンド部分(例えば「Navigate to Germany」)を取り除くことができるのであれば、残りの部分(例えば「Stuttgart Neckar strasse one,two,three」)のうち、前半部分について地名辞書を用いた音声認識を行い、後半部分について番地辞書を用いた音声認識を行ってもよい。つまり、この場合には、番地及びコマンド辞書53AA,53BB,53CC,53BA〜53BCを用いるのではなく、実施の形態1と同様に、番地辞書52AA,52BB,52CC,52BA〜52BCを用いることができる。
以上の説明では、音声認識部4は、図1のプロセッサ81がメモリ82などの記憶装置に記憶されたプログラムを実行することによって実現された。しかし、このようにソフトウェアとして実現される音声認識部4に限ったものではなく、当該音声認識部4と同様の機能を有するハードウェアによって実現されてもよい。つまり、音声認識装置は、ソフトウェアとして実現される音声認識部4と、音声認識部4と同様の機能を有するハードウェアとの両方に共通する上位概念としての音声認識処理回路を備えていればよい。
Claims (13)
- 音声認識対象の語彙が規定された音声認識辞書と、
入力音声の音声認識を、前記音声認識辞書を用いて行う音声認識処理回路と
を備え、
前記音声認識処理回路は、
それぞれ予め定められた言語の音素で前記音声認識を行うことが可能な複数の言語用音声認識処理回路を含み、
前記音声認識辞書は、
前記複数の言語用音声認識処理回路のそれぞれが、自身に対応する前記言語である対応言語の音素で第1の前記語彙の前記音声認識を行うための複数の第1辞書と、前記複数の言語用音声認識処理回路のそれぞれが、前記対応言語と異なる前記言語である他言語の音素を前記対応言語の音素に置換して第2の前記語彙の前記音声認識を行うための、前記第2の語彙について前記他言語の音素を前記対応言語の音素にマッピングした複数の第2辞書とを含み、
前記音声認識に用いるべき前記言語用音声認識処理回路を、前記複数の言語用音声認識処理回路の中から設定する音声認識言語設定処理回路と、
前記音声認識言語設定処理回路に設定された前記言語用音声認識処理回路が前記対応言語の音素で前記第1の語彙の前記音声認識を行うための前記第1辞書を、前記複数の第1辞書の中から設定するとともに、前記音声認識言語設定処理回路に設定された前記言語用音声認識処理回路が前記他言語の音素を前記対応言語の音素に置換して前記第2の語彙の前記音声認識を行うための前記第2辞書を、前記複数の第2辞書の中から設定する音声認識辞書設定処理回路と
をさらに備える、音声認識装置。 - 請求項1に記載の音声認識装置であって、
前記音声認識言語設定処理回路は、
ナビゲーションシステムにおける目的地に基づいて、前記音声認識に用いるべき前記言語用音声認識処理回路を設定する、音声認識装置。 - 請求項1に記載の音声認識装置であって、
各前記第2辞書の前記第2の語彙は、予め定められた数字の語彙を含む、音声認識装置。 - 請求項3に記載の音声認識装置であって、
前記音声認識辞書設定処理回路は、
ナビゲーションシステムで設定された言語が前記他言語である場合に、
前記音声認識言語設定処理回路に設定された前記言語用音声認識処理回路が前記他言語の音素を前記対応言語の音素に置換して前記第2の語彙の前記音声認識を行うための前記第2辞書として、前記他言語が前記ナビゲーションシステムで設定された言語と同じ前記第2辞書を設定する、音声認識装置。 - 請求項1に記載の音声認識装置であって、
各前記第2辞書の前記第2の語彙は、ナビゲーションシステムにおけるPOI(point of interest)の予め定められたカテゴリの語彙を含む、音声認識装置。 - 請求項5に記載の音声認識装置であって、
前記音声認識辞書設定処理回路は、
前記ナビゲーションシステムで設定された言語が前記他言語である場合に、
前記音声認識言語設定処理回路に設定された前記言語用音声認識処理回路が前記他言語の音素を前記対応言語の音素に置換して前記第2の語彙の前記音声認識を行うための前記第2辞書として、前記他言語が前記ナビゲーションシステムで設定された言語と同じ前記第2辞書を設定する、音声認識装置。 - 請求項1に記載の音声認識装置であって、
各前記第2辞書の前記第2の語彙は、ナビゲーションシステムにおける予め定められたコマンドの語彙を含み、
前記音声認識辞書設定処理回路は、
前記ナビゲーションシステムで設定された言語が前記他言語である場合に、
前記音声認識言語設定処理回路に設定された前記言語用音声認識処理回路が前記他言語の音素を前記対応言語の音素に置換して前記第2の語彙の前記音声認識を行うための前記第2辞書として、前記他言語が前記ナビゲーションシステムで設定された言語と同じ前記第2辞書を設定する、音声認識装置。 - 請求項1に記載の音声認識装置であって、
前記音声認識言語設定処理回路に設定された前記言語用音声認識処理回路は、
前記入力音声の入力順次の予め定められた第1部分について、前記第1辞書を用いた音声認識を行い、前記入力音声の入力順次の予め定められた第2部分について、前記第2辞書を用いた音声認識を行う、音声認識装置。 - 請求項1に記載の音声認識装置であって、
一の前記入力音声に対して前記音声認識処理回路によって複数回の前記音声認識を行うために、当該一の入力音声を記憶する記憶装置と、
一次認識結果判定処理回路と
をさらに備え、
前記音声認識辞書は、
前記複数の言語用音声認識処理回路のそれぞれが、ガベジ認識を含む一回目の前記音声認識を前記対応言語の音素で行うための複数の第3辞書をさらに含み、
前記音声認識言語設定処理回路は、ナビゲーションシステムで設定された言語に基づいて、前記一回目の前記音声認識に用いるべき前記言語用音声認識処理回路を、前記複数の言語用音声認識処理回路の中から設定し、前記音声認識辞書設定処理回路は、前記音声認識言語設定処理回路に設定された前記一回目の前記音声認識に用いるべき前記言語用音声認識処理回路が前記対応言語の音素で前記ガベジ認識を含む前記一回目の音声認識を行うための前記第3辞書を、前記複数の第3辞書の中から設定し、
前記一次認識結果判定処理回路は、
前記第3辞書を用いた前記一回目の音声認識の結果に含まれる前記ガベジ認識の結果に基づいて、二回目の音声認識に用いるべき前記言語を判定し、
前記音声認識言語設定処理回路は、前記一次認識結果判定処理回路で判定された前記言語に基づいて、前記二回目の前記音声認識に用いるべき前記言語用音声認識処理回路を、前記複数の言語用音声認識処理回路の中から設定し、前記音声認識辞書設定処理回路は、前記音声認識言語設定処理回路に設定された前記二回目の前記音声認識に用いるべき前記言語用音声認識処理回路が前記対応言語の音素で前記第1の語彙の前記音声認識を行うための前記第1辞書を、前記複数の第1辞書の中から設定するとともに、前記音声認識言語設定処理回路に設定された前記二回目の前記音声認識に用いるべき前記言語用音声認識処理回路が前記他言語の音素を前記対応言語の音素に置換して前記第2の語彙の前記音声認識を行うための前記第2辞書を、前記複数の第2辞書の中から設定する、音声認識装置。 - 請求項9に記載の音声認識装置であって、
前記ガベジ認識は、
前記ナビゲーションシステムにおける予め定められた複数のコマンドに対して行われ、
各前記コマンドは、
前記ナビゲーションシステムの目的地に設定可能な地名及び国名、並びに、それらで使用されている言語の少なくともいずれか1つを示す語彙を含む、音声認識装置。 - 請求項10に記載の音声認識装置であって、
前記一次認識結果判定処理回路は、
前記ガベジ認識の結果に基づいて、前記複数のコマンドの中から一のコマンドを決定し、当該一のコマンドに含まれる前記地名、前記国名、及び、前記言語の少なくともいずれか1つを示す語彙に基づいて、前記二回目の前記音声認識に用いるべき言語を判定する、音声認識装置。 - 請求項9に記載の音声認識装置であって、
各前記第2辞書の前記第2の語彙は、前記ナビゲーションシステムにおける予め定められたコマンドの語彙を含み、
前記音声認識辞書設定処理回路は、
前記ナビゲーションシステムで設定された言語が前記他言語である場合に、
前記音声認識言語設定処理回路に設定された前記言語用音声認識処理回路が前記他言語の音素を前記対応言語の音素に置換して前記第2の語彙の前記音声認識を行うための前記第2辞書として、前記他言語が前記ナビゲーションシステムで設定された言語と同じ前記第2辞書を設定する、音声認識装置。 - 音声認識方法であって、
音声認識対象の語彙が規定された音声認識辞書を準備することと、
入力音声の音声認識を、前記音声認識辞書を用いて行うことと
を備え、
前記音声認識を行うことは、
それぞれ予め定められた言語の音素で前記音声認識を行うことが可能な複数の言語用音声認識処理回路を準備することを含み、
前記音声認識辞書を準備することは、
前記複数の言語用音声認識処理回路のそれぞれが、自身に対応する前記言語である対応言語の音素で第1の前記語彙の前記音声認識を行うための複数の第1辞書と、前記複数の言語用音声認識処理回路のそれぞれが、前記対応言語と異なる前記言語である他言語の音素を前記対応言語の音素に置換して第2の前記語彙の前記音声認識を行うための、前記第2の語彙について前記他言語の音素を前記対応言語の音素にマッピングした複数の第2辞書とを準備することを含み、
前記音声認識方法は、
前記音声認識に用いるべき前記言語用音声認識処理回路を、前記複数の言語用音声認識処理回路の中から設定することと、
設定された前記言語用音声認識処理回路が前記対応言語の音素で前記第1の語彙の前記音声認識を行うための前記第1辞書を、前記複数の第1辞書の中から設定するとともに、設定された前記言語用音声認識処理回路が前記他言語の音素を前記対応言語の音素に置換して前記第2の語彙の前記音声認識を行うための前記第2辞書を、前記複数の第2辞書の中から設定することとをさらに備える、音声認識方法。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/JP2014/084105 WO2016103358A1 (ja) | 2014-12-24 | 2014-12-24 | 音声認識装置及び音声認識方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP6109451B2 true JP6109451B2 (ja) | 2017-04-05 |
JPWO2016103358A1 JPWO2016103358A1 (ja) | 2017-05-25 |
Family
ID=56149457
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2016565721A Active JP6109451B2 (ja) | 2014-12-24 | 2014-12-24 | 音声認識装置及び音声認識方法 |
Country Status (5)
Country | Link |
---|---|
US (1) | US10403265B2 (ja) |
JP (1) | JP6109451B2 (ja) |
CN (1) | CN107112007B (ja) |
DE (1) | DE112014007287B4 (ja) |
WO (1) | WO2016103358A1 (ja) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE112017007852B4 (de) | 2017-09-11 | 2023-05-17 | Mitsubishi Electric Corporation | Spracherkennung-Wörterbuchdaten-Konstruktionsvorrichtung, Spracherkennungsvorrichtung, Spracherkennung-Wörterbuchdaten-Konstruktionsverfahren |
JP7038919B2 (ja) * | 2019-08-01 | 2022-03-18 | 三菱電機株式会社 | 多言語音声認識装置および多言語音声認識方法 |
CN110534115B (zh) * | 2019-10-14 | 2021-11-26 | 上海企创信息科技有限公司 | 多方言混合语音的识别方法、装置、***和存储介质 |
CN111147444B (zh) | 2019-11-20 | 2021-08-06 | 维沃移动通信有限公司 | 一种交互方法及电子设备 |
JP6879521B1 (ja) * | 2019-12-02 | 2021-06-02 | 國立成功大學National Cheng Kung University | 多言語音声認識およびテーマ−意義素解析方法および装置 |
EP4323908A1 (en) * | 2021-06-04 | 2024-02-21 | Google Llc | Systems and methods for generating phonetic spelling variations |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH10133686A (ja) * | 1996-10-31 | 1998-05-22 | Nec Corp | 非母国語音声認識装置 |
JP2001188556A (ja) * | 1999-12-27 | 2001-07-10 | Nippon Telegr & Teleph Corp <Ntt> | 音声認識方法及び装置 |
US7472061B1 (en) * | 2008-03-31 | 2008-12-30 | International Business Machines Corporation | Systems and methods for building a native language phoneme lexicon having native pronunciations of non-native words derived from non-native pronunciations |
JP2011033874A (ja) * | 2009-08-03 | 2011-02-17 | Alpine Electronics Inc | 多言語音声認識装置及び多言語音声認識辞書作成方法 |
WO2011089651A1 (ja) * | 2010-01-22 | 2011-07-28 | 三菱電機株式会社 | 認識辞書作成装置、音声認識装置及び音声合成装置 |
JP2012518207A (ja) * | 2009-02-17 | 2012-08-09 | 株式会社ソニー・コンピュータエンタテインメント | 複数言語音声認識 |
Family Cites Families (50)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE19533541C1 (de) * | 1995-09-11 | 1997-03-27 | Daimler Benz Aerospace Ag | Verfahren zur automatischen Steuerung eines oder mehrerer Geräte durch Sprachkommandos oder per Sprachdialog im Echtzeitbetrieb und Vorrichtung zum Ausführen des Verfahrens |
JP3459712B2 (ja) * | 1995-11-01 | 2003-10-27 | キヤノン株式会社 | 音声認識方法及び装置及びコンピュータ制御装置 |
US6470315B1 (en) * | 1996-09-11 | 2002-10-22 | Texas Instruments Incorporated | Enrollment and modeling method and apparatus for robust speaker dependent speech models |
US6223155B1 (en) * | 1998-08-14 | 2001-04-24 | Conexant Systems, Inc. | Method of independently creating and using a garbage model for improved rejection in a limited-training speaker-dependent speech recognition system |
US6138095A (en) * | 1998-09-03 | 2000-10-24 | Lucent Technologies Inc. | Speech recognition |
US6292778B1 (en) * | 1998-10-30 | 2001-09-18 | Lucent Technologies Inc. | Task-independent utterance verification with subword-based minimum verification error training |
US7447635B1 (en) * | 1999-10-19 | 2008-11-04 | Sony Corporation | Natural language interface control system |
US20060074664A1 (en) * | 2000-01-10 | 2006-04-06 | Lam Kwok L | System and method for utterance verification of chinese long and short keywords |
US7295979B2 (en) | 2000-09-29 | 2007-11-13 | International Business Machines Corporation | Language context dependent data labeling |
EP1215654B1 (en) * | 2000-12-13 | 2006-05-24 | Sony Deutschland GmbH | Method for recognizing speech |
US20030023437A1 (en) * | 2001-01-27 | 2003-01-30 | Pascale Fung | System and method for context-based spontaneous speech recognition |
JP2002358095A (ja) * | 2001-03-30 | 2002-12-13 | Sony Corp | 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 |
KR100940630B1 (ko) * | 2001-05-02 | 2010-02-05 | 소니 주식회사 | 로봇 장치와, 문자 인식 장치 및 문자 인식 방법과, 제어프로그램 및 기록 매체 |
JP3816779B2 (ja) | 2001-10-12 | 2006-08-30 | アルパイン株式会社 | ナビゲーション装置 |
JP2003255991A (ja) * | 2002-03-06 | 2003-09-10 | Sony Corp | 対話制御システム、対話制御方法及びロボット装置 |
JP2004053742A (ja) * | 2002-07-17 | 2004-02-19 | Matsushita Electric Ind Co Ltd | 音声認識装置 |
JP3776391B2 (ja) | 2002-09-06 | 2006-05-17 | 日本電信電話株式会社 | 多言語音声認識方法、装置、プログラム |
JP3678421B2 (ja) * | 2003-02-19 | 2005-08-03 | 松下電器産業株式会社 | 音声認識装置及び音声認識方法 |
US7353174B2 (en) * | 2003-03-31 | 2008-04-01 | Sony Corporation | System and method for effectively implementing a Mandarin Chinese speech recognition dictionary |
US7392188B2 (en) * | 2003-07-31 | 2008-06-24 | Telefonaktiebolaget Lm Ericsson (Publ) | System and method enabling acoustic barge-in |
US7415411B2 (en) | 2004-03-04 | 2008-08-19 | Telefonaktiebolaget L M Ericsson (Publ) | Method and apparatus for generating acoustic models for speaker independent speech recognition of foreign words uttered by non-native speakers |
WO2005122144A1 (ja) * | 2004-06-10 | 2005-12-22 | Matsushita Electric Industrial Co., Ltd. | 音声認識装置、音声認識方法、及びプログラム |
WO2006127504A2 (en) * | 2005-05-20 | 2006-11-30 | Sony Computer Entertainment Inc. | Optimisation of a grammar for speech recognition |
JP2007155833A (ja) | 2005-11-30 | 2007-06-21 | Advanced Telecommunication Research Institute International | 音響モデル開発装置及びコンピュータプログラム |
US7865357B2 (en) * | 2006-03-14 | 2011-01-04 | Microsoft Corporation | Shareable filler model for grammar authoring |
US8972268B2 (en) * | 2008-04-15 | 2015-03-03 | Facebook, Inc. | Enhanced speech-to-speech translation system and methods for adding a new word |
US8433576B2 (en) * | 2007-01-19 | 2013-04-30 | Microsoft Corporation | Automatic reading tutoring with parallel polarized language modeling |
EP1975923B1 (en) | 2007-03-28 | 2016-04-27 | Nuance Communications, Inc. | Multilingual non-native speech recognition |
DE102007033472A1 (de) * | 2007-07-18 | 2009-01-29 | Siemens Ag | Verfahren zur Spracherkennung |
US8315870B2 (en) * | 2007-08-22 | 2012-11-20 | Nec Corporation | Rescoring speech recognition hypothesis using prosodic likelihood |
JP5310563B2 (ja) * | 2007-12-25 | 2013-10-09 | 日本電気株式会社 | 音声認識システム、音声認識方法、および音声認識用プログラム |
JP5692493B2 (ja) * | 2009-02-05 | 2015-04-01 | セイコーエプソン株式会社 | 隠れマルコフモデル作成プログラム、情報記憶媒体、隠れマルコフモデル作成システム、音声認識システム及び音声認識方法 |
US8700399B2 (en) * | 2009-07-06 | 2014-04-15 | Sensory, Inc. | Systems and methods for hands-free voice control and voice search |
CN102959618B (zh) * | 2010-06-28 | 2015-08-05 | 三菱电机株式会社 | 声音识别装置 |
JP5637131B2 (ja) | 2011-12-26 | 2014-12-10 | 株式会社デンソー | 音声認識装置 |
US20160372116A1 (en) * | 2012-01-24 | 2016-12-22 | Auraya Pty Ltd | Voice authentication and speech recognition system and method |
WO2013110125A1 (en) * | 2012-01-24 | 2013-08-01 | Auraya Pty Ltd | Voice authentication and speech recognition system and method |
US9672815B2 (en) * | 2012-07-20 | 2017-06-06 | Interactive Intelligence Group, Inc. | Method and system for real-time keyword spotting for speech analytics |
CN104143328B (zh) * | 2013-08-15 | 2015-11-25 | 腾讯科技(深圳)有限公司 | 一种关键词检测方法和装置 |
US9666188B2 (en) * | 2013-10-29 | 2017-05-30 | Nuance Communications, Inc. | System and method of performing automatic speech recognition using local private data |
WO2015075789A1 (ja) * | 2013-11-20 | 2015-05-28 | 三菱電機株式会社 | 音声認識装置および音声認識方法 |
US10360904B2 (en) * | 2014-05-09 | 2019-07-23 | Nuance Communications, Inc. | Methods and apparatus for speech recognition using a garbage model |
EP3172729B1 (en) * | 2014-07-24 | 2022-04-20 | Harman International Industries, Incorporated | Text rule based multi-accent speech recognition with single acoustic model and automatic accent detection |
JP6118838B2 (ja) * | 2014-08-21 | 2017-04-19 | 本田技研工業株式会社 | 情報処理装置、情報処理システム、情報処理方法、及び情報処理プログラム |
JP6052814B2 (ja) * | 2014-09-24 | 2016-12-27 | 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International Business Machines Corporation | 音声認識モデルの構築方法、音声認識方法、コンピュータ・システム、音声認識装置、プログラムおよび記録媒体 |
US10672391B2 (en) * | 2014-09-26 | 2020-06-02 | Nuance Communications, Inc. | Improving automatic speech recognition of multilingual named entities |
US10229674B2 (en) * | 2015-05-15 | 2019-03-12 | Microsoft Technology Licensing, Llc | Cross-language speech recognition and translation |
US9852728B2 (en) * | 2015-06-08 | 2017-12-26 | Nuance Communications, Inc. | Process for improving pronunciation of proper nouns foreign to a target language text-to-speech system |
KR102413067B1 (ko) * | 2015-07-28 | 2022-06-24 | 삼성전자주식회사 | 문법 모델을 갱신하고, 문법 모델에 기초하여 음성 인식을 수행하는 방법 및 디바이스 |
US10249298B2 (en) * | 2017-01-11 | 2019-04-02 | Here Global B.V. | Method and apparatus for providing global voice-based entry of geographic information in a device |
-
2014
- 2014-12-24 US US15/525,716 patent/US10403265B2/en active Active
- 2014-12-24 JP JP2016565721A patent/JP6109451B2/ja active Active
- 2014-12-24 CN CN201480084337.3A patent/CN107112007B/zh active Active
- 2014-12-24 WO PCT/JP2014/084105 patent/WO2016103358A1/ja active Application Filing
- 2014-12-24 DE DE112014007287.7T patent/DE112014007287B4/de active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH10133686A (ja) * | 1996-10-31 | 1998-05-22 | Nec Corp | 非母国語音声認識装置 |
JP2001188556A (ja) * | 1999-12-27 | 2001-07-10 | Nippon Telegr & Teleph Corp <Ntt> | 音声認識方法及び装置 |
US7472061B1 (en) * | 2008-03-31 | 2008-12-30 | International Business Machines Corporation | Systems and methods for building a native language phoneme lexicon having native pronunciations of non-native words derived from non-native pronunciations |
JP2012518207A (ja) * | 2009-02-17 | 2012-08-09 | 株式会社ソニー・コンピュータエンタテインメント | 複数言語音声認識 |
JP2011033874A (ja) * | 2009-08-03 | 2011-02-17 | Alpine Electronics Inc | 多言語音声認識装置及び多言語音声認識辞書作成方法 |
WO2011089651A1 (ja) * | 2010-01-22 | 2011-07-28 | 三菱電機株式会社 | 認識辞書作成装置、音声認識装置及び音声合成装置 |
Also Published As
Publication number | Publication date |
---|---|
US10403265B2 (en) | 2019-09-03 |
CN107112007B (zh) | 2020-08-07 |
US20180240455A1 (en) | 2018-08-23 |
DE112014007287B4 (de) | 2019-10-31 |
DE112014007287T5 (de) | 2017-10-12 |
JPWO2016103358A1 (ja) | 2017-05-25 |
WO2016103358A1 (ja) | 2016-06-30 |
CN107112007A (zh) | 2017-08-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6109451B2 (ja) | 音声認識装置及び音声認識方法 | |
US9177545B2 (en) | Recognition dictionary creating device, voice recognition device, and voice synthesizer | |
WO2015151157A1 (ja) | 意図理解装置および方法 | |
KR102443087B1 (ko) | 전자 기기 및 그의 음성 인식 방법 | |
US8099290B2 (en) | Voice recognition device | |
US10170122B2 (en) | Speech recognition method, electronic device and speech recognition system | |
JP2010236858A (ja) | ナビゲーション装置 | |
WO2012145365A1 (en) | Voice assignment for text-to-speech output | |
JP5606951B2 (ja) | 音声認識システムおよびこれを用いた検索システム | |
US20140067400A1 (en) | Phonetic information generating device, vehicle-mounted information device, and database generation method | |
US10582046B2 (en) | Voice recognition-based dialing | |
JP2007193166A (ja) | 対話装置、対話方法及びプログラム | |
US10600405B2 (en) | Speech signal processing method and speech signal processing apparatus | |
JP2018060165A (ja) | 音声認識方法、携帯端末、および、プログラム | |
JP2003162293A (ja) | 音声認識装置及び方法 | |
CN112820294B (zh) | 语音识别方法、装置、存储介质及电子设备 | |
JP5976255B2 (ja) | 情報提供装置および情報提供方法 | |
US11361752B2 (en) | Voice recognition dictionary data construction apparatus and voice recognition apparatus | |
JP2007183516A (ja) | 音声対話装置及び音声認識方法 | |
JP2018180260A (ja) | 音声認識装置 | |
US11308936B2 (en) | Speech signal processing method and speech signal processing apparatus | |
JP6572969B2 (ja) | 音声認識装置、音声認識システム、及び、プログラム | |
JP4445371B2 (ja) | 認識語彙の登録装置と音声認識装置および方法 | |
D'hoore et al. | In-vehicle destination entry by voice: practical aspects. |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20170116 |
|
A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20170116 |
|
A975 | Report on accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A971005 Effective date: 20170130 |
|
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: 20170207 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20170307 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6109451 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 |