JP6585022B2 - 音声認識装置、音声認識方法およびプログラム - Google Patents
音声認識装置、音声認識方法およびプログラム Download PDFInfo
- Publication number
- JP6585022B2 JP6585022B2 JP2016220855A JP2016220855A JP6585022B2 JP 6585022 B2 JP6585022 B2 JP 6585022B2 JP 2016220855 A JP2016220855 A JP 2016220855A JP 2016220855 A JP2016220855 A JP 2016220855A JP 6585022 B2 JP6585022 B2 JP 6585022B2
- Authority
- JP
- Japan
- Prior art keywords
- symbol
- input
- output
- information
- additional
- 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 41
- 239000013598 vector Substances 0.000 claims description 52
- 238000004364 calculation method Methods 0.000 claims description 29
- 230000005236 sound signal Effects 0.000 claims description 27
- 230000006870 function Effects 0.000 claims description 11
- 230000010365 information processing Effects 0.000 claims description 7
- 230000004048 modification Effects 0.000 description 15
- 238000012986 modification Methods 0.000 description 15
- 238000010586 diagram Methods 0.000 description 13
- 239000000945 filler Substances 0.000 description 12
- 238000000605 extraction Methods 0.000 description 11
- 238000004891 communication Methods 0.000 description 7
- 238000004422 calculation algorithm Methods 0.000 description 6
- 239000012634 fragment Substances 0.000 description 6
- 238000003909 pattern recognition Methods 0.000 description 3
- 230000015654 memory Effects 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 230000008451 emotion Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000006403 short-term memory Effects 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 230000007704 transition 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
-
- 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
-
- 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
- G10L15/22—Procedures used during a speech recognition process, e.g. man-machine dialogue
-
- 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
- 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
-
- 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
- G10L15/26—Speech to text 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
- G10L17/00—Speaker identification or verification techniques
-
- 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
- G10L25/48—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use
- G10L25/51—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use for comparison or discrimination
- G10L25/63—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use for comparison or discrimination for estimating an emotional state
-
- 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
- G10L15/16—Speech classification or search using artificial neural networks
-
- 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
- G10L15/22—Procedures used during a speech recognition process, e.g. man-machine dialogue
- G10L2015/226—Procedures used during a speech recognition process, e.g. man-machine dialogue using non-speech characteristics
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- Acoustics & Sound (AREA)
- Multimedia (AREA)
- Computational Linguistics (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Child & Adolescent Psychology (AREA)
- Psychiatry (AREA)
- Signal Processing (AREA)
- Hospice & Palliative Care (AREA)
- General Health & Medical Sciences (AREA)
- Machine Translation (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Description
まず、実施の形態で用いる用語について説明する。
図1は、実施形態に係る音声認識装置10の構成を示す図である。音声認識装置10は、特徴抽出部22と、音響モデル記憶部24と、スコア算出部26と、探索モデル記憶部28と、経路探索部30とを備える。
記号集合(入力記号の集合)={ε,a,d,g,h,o,<f>,<g>,<q>}
認識対象記号の集合={a,d,g,h,o}
付加記号の集合={<f>,<g>,<q>}
対象外記号=ε
記号集合(入力記号の集合)={ε,あ,い,き,す,て,わ,ん,<f>,<g>,<q>}
認識対象記号の集合={あ,い,き,す,て,わ,ん}
付加記号の集合={<f>,<g>,<q>}
対象外記号=ε
εεaa<f>εεh<f>εε
ggεε<g>ε
ggεε<g>ε<f>ε
gεoεεεoεdε<q>εεε
εεああεすε
π=εεああεすε
わεε
π=わεε
ああεε<f>εあεεε<f>ε
π=ああεε<f>εあεεε<f>ε
いεεいいεεε
π=いεεいいεεε
て<g>んε
π=て<g>んε
てεんεεきεε<q>ε
π=てεんεεきεε<q>ε
第1変形例において、出力部68は、出力記号と、入力記号列における出力記号に対応する範囲に含まれる全ての入力記号と対応付けて出力してもよい。この場合、音声認識装置10により認識された結果を用いるアプリケーションは、受け取った1または複数の入力記号の中に付加記号が含まれるか否かを解析する。
図20は、第2変形例に係る音声認識装置10による認識処理を表す疑似コードの一例を示す図である。第2変形例において、付加記号取得部66は、入力記号列における出力記号に対応する範囲に含まれる付加記号の個数に基づき、取得した付加記号の信頼度を算出する。そして、出力部68は、算出した信頼度を対応する付加記号とともに出力する。
第3変形例に係る付加記号取得部66は、入力記号列における出力記号に対応する範囲に含まれる付加記号の位置に基づき、取得した付加記号の信頼度を算出する。例えば、付加記号取得部66は、入力記号列における出力記号に対応する範囲の後ろの方に付加記号が位置する程、高い信頼度としてもよい。反対に、付加記号取得部66は、入力記号列における出力記号に対応する範囲の前の方に付加記号が位置する程、高い信頼度としてもよい。
c←c+j
c←c+|π|−j+1
図21は、第4変形例に係る音声認識装置10による認識処理を表す疑似コードの一例を示す図である。
for j from 1 to |π|
for j ceil(|π|/2)to |π|
22 特徴抽出部
24 音響モデル記憶部
26 スコア算出部
28 探索モデル記憶部
30 経路探索部
42 入力層
44 中間層
46 出力層
52 探索部
54 入力記号取得部
56 出力記号取得部
58 対応関係取得部
60 入力記号記憶部
62 出力記号記憶部
64 対応関係記憶部
66 付加記号取得部
68 出力部
101 CPU
102 操作部
103 表示部
104 マイクロフォン
105 ROM
106 RAM
107 記憶部
108 通信装置
109 バス
Claims (18)
- 音声信号に基づき、予め定められた記号集合の要素である入力記号毎の音響スコアを含む複数のスコアベクトルが並んだスコアベクトル列を算出する算出部と、
前記スコアベクトル列における尤もらしい前記音響スコアを辿る前記入力記号の経路を探索することにより入力記号列を生成し、前記入力記号列に含まれる前記入力記号のうちの認識対象の言語情報を表す認識対象記号に基づき、前記音声信号の認識結果を表す出力記号を生成する探索部と、
前記入力記号列における前記出力記号に対応する範囲に含まれる前記入力記号の中から、パラ言語情報および/または非言語情報を表す付加記号を取得する付加記号取得部と、
前記出力記号と、取得した前記付加記号とを対応付けて出力する出力部と
を備える音声認識装置。 - 前記入力記号は、前記音声信号に含まれる音響情報を表し、
前記音響スコアは、対応する前記入力記号により表される前記音響情報が、前記音声信号に含まれている尤もらしさを表す
請求項1に記載の音声認識装置。 - 前記パラ言語情報は、話し手が発声することにより前記音声信号に付加した、前記言語情報からは識別できない情報であり、
前記非言語情報は、前記音声信号に含まれる前記話し手の特徴を表す情報である
請求項2に記載の音声認識装置。 - 前記言語情報、前記パラ言語情報および前記非言語情報のそれぞれは、前記音響情報の一つであり、
前記記号集合は、前記入力記号として、前記認識対象記号および前記付加記号を含む
請求項3に記載の音声認識装置。 - 無音情報は、前記音響情報の一つであり、
前記記号集合は、前記認識対象記号として、前記無音情報を表す無音記号をさらに含む
請求項4に記載の音声認識装置。 - 対象外記号は、前記認識対象記号および前記付加記号が表す前記音響情報のうち、何れの前記音響情報が前記音声信号に含まれているかが未定であることを表す記号であり、
前記記号集合は、前記入力記号として、対象外記号をさらに含む
請求項4または5に記載の音声認識装置。 - 前記出力部は、前記入力記号列に基づき生成した複数の前記出力記号を出力する
請求項1から6の何れか1項に記載の音声認識装置。 - それぞれの前記出力記号について、前記入力記号列における前記出力記号に対応する範囲を示す対応関係情報を取得する対応関係取得部をさらに備え、
前記付加記号取得部は、それぞれの前記出力記号について、前記入力記号列における前記対応関係情報に示された範囲に含まれる前記入力記号の中から、前記付加記号を取得する
請求項7に記載の音声認識装置。 - 前記入力記号列における前記出力記号に対応する範囲は、前記出力記号の生成の元となる前記認識対象記号を全て含む連続した範囲である
請求項8に記載の音声認識装置。 - 前記入力記号列における前記出力記号に対応する範囲は、前後の他の前記出力記号に対応する範囲と境界が隣接する範囲である
請求項9に記載の音声認識装置。 - 前記付加記号取得部は、前記入力記号列における前記出力記号に対応する範囲に含まれる前記付加記号の個数に基づき、取得した前記付加記号の信頼度を算出し、
前記出力部は、前記信頼度を対応する前記付加記号とともに出力する
請求項1から10の何れか1項に記載の音声認識装置。 - 前記付加記号取得部は、前記入力記号列における前記出力記号に対応する範囲に含まれる前記付加記号の位置に基づき、取得した前記付加記号の信頼度を算出し、
前記出力部は、前記信頼度を対応する前記付加記号とともに出力する
請求項1から10の何れか1項に記載の音声認識装置。 - 前記付加記号取得部は、前記入力記号列における前記出力記号に対応する範囲内の予め定められた位置に含まれる前記付加記号を取得する
請求項1から12の何れか1項に記載の音声認識装置。 - 前記付加記号取得部は、前記入力記号列における前記出力記号に対応する範囲内の、最後の前記認識対象記号より後ろに含まれる前記付加記号を取得する
請求項13に記載の音声認識装置。 - 前記探索部は、前記スコアベクトル列を探索して、1個の前記入力記号列を生成する
請求項1から14の何れか1項に記載の音声認識装置。 - 前記探索部は、前記スコアベクトル列を探索して、M個(Mは2以上の整数)の前記入力記号列を生成し、
前記探索部は、それぞれの前記入力記号列について、前記出力記号を生成し、
前記付加記号取得部は、それぞれの前記入力記号列について、前記付加記号を取得し、
前記出力部は、それぞれの前記入力記号列について、前記出力記号と前記付加記号とを対応付けて出力する
請求項1から14の何れか1項に記載の音声認識装置。 - 情報処理装置が、音声信号に基づき、予め定められた記号集合の要素である入力記号毎の音響スコアを含む複数のスコアベクトルが並んだスコアベクトル列を算出し、
前記情報処理装置が、前記スコアベクトル列における尤もらしい前記音響スコアを辿る前記入力記号の経路を探索することにより入力記号列を生成し、前記入力記号列に含まれる前記入力記号のうちの認識対象の言語情報を表す認識対象記号に基づき、前記音声信号の認識結果を表す出力記号を生成し、
前記情報処理装置が、前記入力記号列における前記出力記号に対応する範囲に含まれる前記入力記号の中から、パラ言語情報および/または非言語情報を表す付加記号を取得し、
前記情報処理装置が、前記出力記号と、取得した前記付加記号とを対応付けて出力する
音声認識方法。 - 情報処理装置を、
音声信号に基づき、予め定められた記号集合の要素である入力記号毎の音響スコアを含む複数のスコアベクトルが並んだスコアベクトル列を算出する算出部と、
前記スコアベクトル列における尤もらしい前記音響スコアを辿る前記入力記号の経路を探索することにより入力記号列を生成し、前記入力記号列に含まれる前記入力記号のうちの認識対象の言語情報を表す認識対象記号に基づき、前記音声信号の認識結果を表す出力記号を生成する探索部と、
前記入力記号列における前記出力記号に対応する範囲に含まれる前記入力記号の中から、パラ言語情報および/または非言語情報を表す付加記号を取得する付加記号取得部と、
前記出力記号と、取得した前記付加記号とを対応付けて出力する出力部と
して機能させるためのプログラム。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2016220855A JP6585022B2 (ja) | 2016-11-11 | 2016-11-11 | 音声認識装置、音声認識方法およびプログラム |
US15/686,410 US10803858B2 (en) | 2016-11-11 | 2017-08-25 | Speech recognition apparatus, speech recognition method, and computer program product |
CN201710759611.8A CN108074562B (zh) | 2016-11-11 | 2017-08-30 | 语音识别装置、语音识别方法以及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2016220855A JP6585022B2 (ja) | 2016-11-11 | 2016-11-11 | 音声認識装置、音声認識方法およびプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2018077440A JP2018077440A (ja) | 2018-05-17 |
JP6585022B2 true JP6585022B2 (ja) | 2019-10-02 |
Family
ID=62108000
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2016220855A Active JP6585022B2 (ja) | 2016-11-11 | 2016-11-11 | 音声認識装置、音声認識方法およびプログラム |
Country Status (3)
Country | Link |
---|---|
US (1) | US10803858B2 (ja) |
JP (1) | JP6585022B2 (ja) |
CN (1) | CN108074562B (ja) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7199264B2 (ja) * | 2019-03-18 | 2023-01-05 | 株式会社東芝 | 認識装置、認識方法及びプログラム |
CN110138654B (zh) * | 2019-06-06 | 2022-02-11 | 北京百度网讯科技有限公司 | 用于处理语音的方法和装置 |
CN110310624A (zh) * | 2019-07-03 | 2019-10-08 | 中山大学新华学院 | 一种高效副语音检测识别方法及装置 |
JP7290507B2 (ja) * | 2019-08-06 | 2023-06-13 | 本田技研工業株式会社 | 情報処理装置、情報処理方法、認識モデルならびにプログラム |
CN112420028B (zh) * | 2020-12-03 | 2024-03-19 | 上海欣方智能***有限公司 | 一种用于对语音信号进行语义识别的***及方法 |
US20240062021A1 (en) * | 2022-08-22 | 2024-02-22 | Oracle International Corporation | Calibrating confidence scores of a machine learning model trained as a natural language interface |
Family Cites Families (32)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH07287594A (ja) * | 1994-04-20 | 1995-10-31 | Hitachi Ltd | 音声認識・言語処理装置 |
US6574595B1 (en) | 2000-07-11 | 2003-06-03 | Lucent Technologies Inc. | Method and apparatus for recognition-based barge-in detection in the context of subword-based automatic speech recognition |
US7103543B2 (en) | 2001-05-31 | 2006-09-05 | Sony Corporation | System and method for speech verification using a robust confidence measure |
EP1425737A4 (en) | 2001-08-14 | 2005-11-09 | Sony Electronics Inc | SYSTEM AND METHOD FOR LANGUAGE VERIFICATION USING A ROBUST CONFERENCE MEASURE |
JP2004191705A (ja) * | 2002-12-12 | 2004-07-08 | Renesas Technology Corp | 音声認識装置 |
US7711560B2 (en) | 2003-02-19 | 2010-05-04 | Panasonic Corporation | Speech recognition device and speech recognition method |
JP2005010691A (ja) * | 2003-06-20 | 2005-01-13 | P To Pa:Kk | 音声認識装置、音声認識方法、会話制御装置、会話制御方法及びこれらのためのプログラム |
JP4790208B2 (ja) | 2003-06-24 | 2011-10-12 | 中国塗料株式会社 | エポキシ樹脂組成物、該組成物から形成された防食皮膜、および該防食皮膜で被覆された防食皮膜付き基材、並びに基材の防食方法 |
JP4150645B2 (ja) * | 2003-08-27 | 2008-09-17 | 株式会社ケンウッド | 音声ラベリングエラー検出装置、音声ラベリングエラー検出方法及びプログラム |
JP3984207B2 (ja) * | 2003-09-04 | 2007-10-03 | 株式会社東芝 | 音声認識評価装置、音声認識評価方法、及び音声認識評価プログラム |
US7464031B2 (en) | 2003-11-28 | 2008-12-09 | International Business Machines Corporation | Speech recognition utilizing multitude of speech features |
JP2005352311A (ja) * | 2004-06-11 | 2005-12-22 | Nippon Telegr & Teleph Corp <Ntt> | 音声合成装置および音声合成プログラム |
JP4552533B2 (ja) * | 2004-06-30 | 2010-09-29 | ソニー株式会社 | 音響信号処理装置及び音声度合算出方法 |
CN1300763C (zh) * | 2004-09-29 | 2007-02-14 | 上海交通大学 | 嵌入式语音识别***的自动语音识别处理方法 |
KR100748720B1 (ko) * | 2006-02-09 | 2007-08-13 | 삼성전자주식회사 | 다중 계층 중심 어휘 목록에 기초하여 대규모 단어 음성인식 방법 및 그 장치 |
JP4557919B2 (ja) * | 2006-03-29 | 2010-10-06 | 株式会社東芝 | 音声処理装置、音声処理方法および音声処理プログラム |
JP4987530B2 (ja) * | 2007-03-27 | 2012-07-25 | 三菱電機株式会社 | 音声認識辞書作成装置および音声認識装置 |
JP4213755B2 (ja) * | 2007-03-28 | 2009-01-21 | 株式会社東芝 | 音声翻訳装置、方法およびプログラム |
CN101647021B (zh) * | 2007-04-13 | 2013-03-27 | 麻省理工学院 | 语音数据检索装置、语音数据检索方法、语音数据检索程序和包含有语音数据检索程序的计算机可用介质 |
JP2009146043A (ja) * | 2007-12-12 | 2009-07-02 | National Institute Of Information & Communication Technology | 音声翻訳装置、音声翻訳方法、及びプログラム |
US9431006B2 (en) * | 2009-07-02 | 2016-08-30 | Apple Inc. | Methods and apparatuses for automatic speech recognition |
CN101763855B (zh) * | 2009-11-20 | 2012-01-04 | 安徽科大讯飞信息科技股份有限公司 | 语音识别的置信度判决方法及装置 |
US10002608B2 (en) * | 2010-09-17 | 2018-06-19 | Nuance Communications, Inc. | System and method for using prosody for voice-enabled search |
KR20120066530A (ko) * | 2010-12-14 | 2012-06-22 | 한국전자통신연구원 | 언어 모델 가중치 추정 방법 및 이를 위한 장치 |
CN102592595B (zh) * | 2012-03-19 | 2013-05-29 | 安徽科大讯飞信息科技股份有限公司 | 语音识别方法及*** |
US8972243B1 (en) * | 2012-11-20 | 2015-03-03 | Amazon Technologies, Inc. | Parse information encoding in a finite state transducer |
DE112013006770B4 (de) * | 2013-03-06 | 2020-06-18 | Mitsubishi Electric Corporation | Spracherkennungsvorrichtung und Spracherkennungsverfahren |
US20140337031A1 (en) | 2013-05-07 | 2014-11-13 | Qualcomm Incorporated | Method and apparatus for detecting a target keyword |
CN103680505A (zh) * | 2013-09-03 | 2014-03-26 | 安徽科大讯飞信息科技股份有限公司 | 语音识别方法及*** |
JP6315980B2 (ja) | 2013-12-24 | 2018-04-25 | 株式会社東芝 | デコーダ、デコード方法およびプログラム |
CN103730115B (zh) * | 2013-12-27 | 2016-09-07 | 北京捷成世纪科技股份有限公司 | 一种语音中检测关键词的方法和装置 |
JP6301664B2 (ja) | 2014-01-31 | 2018-03-28 | 株式会社東芝 | 変換装置、パターン認識システム、変換方法およびプログラム |
-
2016
- 2016-11-11 JP JP2016220855A patent/JP6585022B2/ja active Active
-
2017
- 2017-08-25 US US15/686,410 patent/US10803858B2/en active Active
- 2017-08-30 CN CN201710759611.8A patent/CN108074562B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN108074562A (zh) | 2018-05-25 |
CN108074562B (zh) | 2021-12-03 |
JP2018077440A (ja) | 2018-05-17 |
US10803858B2 (en) | 2020-10-13 |
US20180137863A1 (en) | 2018-05-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6585022B2 (ja) | 音声認識装置、音声認識方法およびプログラム | |
US10319373B2 (en) | Information processing device, information processing method, computer program product, and recognition system | |
US20180137109A1 (en) | Methodology for automatic multilingual speech recognition | |
JP6618884B2 (ja) | 認識装置、認識方法およびプログラム | |
CN111798840B (zh) | 语音关键词识别方法和装置 | |
US10535339B2 (en) | Recognition result output device, recognition result output method, and computer program product | |
JP6370749B2 (ja) | 発話意図モデル学習装置、発話意図抽出装置、発話意図モデル学習方法、発話意図抽出方法、プログラム | |
JPS63259697A (ja) | 音声認識方法 | |
KR102298901B1 (ko) | 텍스트 음성 변환과 함께 멀티태스크 학습을 사용한 감정적 음성 변환 방법 및 장치 | |
JP6622681B2 (ja) | 音素崩れ検出モデル学習装置、音素崩れ区間検出装置、音素崩れ検出モデル学習方法、音素崩れ区間検出方法、プログラム | |
US10042345B2 (en) | Conversion device, pattern recognition system, conversion method, and computer program product | |
CN112397056B (zh) | 语音评测方法及计算机存储介质 | |
JP6599914B2 (ja) | 音声認識装置、音声認識方法およびプログラム | |
KR102442020B1 (ko) | 말하기의 자동 유창성 평가 방법 및 그 장치 | |
CN115424616A (zh) | 一种音频数据筛选方法、装置、设备及计算机可读介质 | |
JP2001312293A (ja) | 音声認識方法およびその装置、並びにコンピュータ読み取り可能な記憶媒体 | |
Kim et al. | Improving end-to-end contextual speech recognition via a word-matching algorithm with backward search | |
JP6370732B2 (ja) | 発話意図モデル学習装置、発話意図抽出装置、発話意図モデル学習方法、発話意図抽出方法、プログラム | |
JP2000099084A (ja) | 音声認識方法及びその装置 | |
JP5772219B2 (ja) | 音響モデル生成装置、音響モデル生成方法及び音響モデル生成用コンピュータプログラム | |
KR20230064466A (ko) | 음성 인식 방법 및 장치 | |
JP3586644B2 (ja) | パターン認識装置とパターン認識方法および記録媒体 | |
JPH0744188A (ja) | 音声認識装置 | |
JP2013045321A (ja) | 発音複雑度算出装置、音声認識装置、発音複雑度算出方法、音声認識方法、及びプログラム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20180912 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20190725 |
|
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: 20190806 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20190904 |
|
R151 | Written notification of patent or utility model registration |
Ref document number: 6585022 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R151 |