JPH0420999A - 標準話者選択装置 - Google Patents
標準話者選択装置Info
- Publication number
- JPH0420999A JPH0420999A JP2126110A JP12611090A JPH0420999A JP H0420999 A JPH0420999 A JP H0420999A JP 2126110 A JP2126110 A JP 2126110A JP 12611090 A JP12611090 A JP 12611090A JP H0420999 A JPH0420999 A JP H0420999A
- Authority
- JP
- Japan
- Prior art keywords
- speaker
- dictionary
- standard
- vector quantization
- feature vector
- 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.)
- Granted
Links
- 239000013598 vector Substances 0.000 claims abstract description 111
- 238000013139 quantization Methods 0.000 claims abstract description 58
- 230000006978 adaptation Effects 0.000 claims abstract description 21
- 239000011159 matrix material Substances 0.000 claims abstract description 15
- 230000003044 adaptive effect Effects 0.000 claims description 10
- 238000004364 calculation method Methods 0.000 claims description 8
- 238000004458 analytical method Methods 0.000 claims description 6
- 238000000034 method Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 239000000470 constituent Substances 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000001228 spectrum Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000003754 machining Methods 0.000 description 1
Abstract
(57)【要約】本公報は電子出願前の出願データであるた
め要約のデータは記録されません。
め要約のデータは記録されません。
Description
【発明の詳細な説明】
〔産業上の利用分野〕
この発明株、音声認識において、標準話者母集団の中か
ら複数の標準話者を選択する標準話者選択装置に関する
ものである。
ら複数の標準話者を選択する標準話者選択装置に関する
ものである。
第２図は例えば、日本音響学会昭和５７年度秋季研究発
表会公演論文集２−７−１３″距離最小化に基づく単語
マルチテンプレート抽出法″（相用。
表会公演論文集２−７−１３″距離最小化に基づく単語
マルチテンプレート抽出法″（相用。
鹿野、杉山；昭和５７年１０月）に示された、従米の標
準話者選択装置を示すブロック図である。
準話者選択装置を示すブロック図である。
図において、１は標準話者母集団に属する標準話者の一
人が発生した音声が入力される入力端子である。２は入
力端子１よ〕入力された音声を分析して、特徴ベクトル
時系列に変換する音響分析手段であシ、３Ｆｉその特徴
ベクトル時系列を保存する特徴ベクトルメモリである。
人が発生した音声が入力される入力端子である。２は入
力端子１よ〕入力された音声を分析して、特徴ベクトル
時系列に変換する音響分析手段であシ、３Ｆｉその特徴
ベクトル時系列を保存する特徴ベクトルメモリである。
４はこの特徴ベクトルメモリ３に保存されていル特徴ベ
クトル時系列を用いてダイナミックプログラミング（以
下ＤＰという）マツチングを行ｂ１マツチング歪を計算
するバタンマツチング手段である。５はこのバタンマツ
チング手段４にて算出されたマツチング歪より平均歪を
計算する平均歪演算手段である。６＃ｉこの平均歪演算
手段５にて算出された平均歪を話者間距離として記憶す
る話者間距離マトリクスメモリであシ、７はこの話者間
距離のマトリクスデータを用いてクラスタリングを行い
、各クラスタのセントロイドに対応する話者番号の出力
を行うクラスタリング手段、８はその話者番号が出力さ
れる出方端子である。
クトル時系列を用いてダイナミックプログラミング（以
下ＤＰという）マツチングを行ｂ１マツチング歪を計算
するバタンマツチング手段である。５はこのバタンマツ
チング手段４にて算出されたマツチング歪より平均歪を
計算する平均歪演算手段である。６＃ｉこの平均歪演算
手段５にて算出された平均歪を話者間距離として記憶す
る話者間距離マトリクスメモリであシ、７はこの話者間
距離のマトリクスデータを用いてクラスタリングを行い
、各クラスタのセントロイドに対応する話者番号の出力
を行うクラスタリング手段、８はその話者番号が出力さ
れる出方端子である。
次に動作について説明する。ここでは、標準話者母集団
の大きさをＮ人とし、その中からＭ人の標準話者を選択
する場合について説明する。
の大きさをＮ人とし、その中からＭ人の標準話者を選択
する場合について説明する。
標準話者母集団において話者番号ｎ（ＨにｌからＮＯ整
数をとる）が付された標準話者が発声したカテゴリ１（
ｌは１から工の整数で、工はカテゴリ数を示す）の音声
は、入力端子１よシ入力される。入力端子１より入力さ
れた前記カテゴリ１の音声は音響分析手段２において音
響分析され、特徴ベクトル時系列に変換されて特徴ベク
トルメモリ３に記録される。
数をとる）が付された標準話者が発声したカテゴリ１（
ｌは１から工の整数で、工はカテゴリ数を示す）の音声
は、入力端子１よシ入力される。入力端子１より入力さ
れた前記カテゴリ１の音声は音響分析手段２において音
響分析され、特徴ベクトル時系列に変換されて特徴ベク
トルメモリ３に記録される。
バタンマツチング手段４は、特徴ベクトルメモリ３に記
録されている話者番号ｎ１が付された標準話者のカテゴ
リｌの音声に対応する特徴ベクトル時系列と、話者番号
ｎ２が付された標準話者のカテゴリｌの音声に対応する
特徴ベクトル時系列とのＤＰマツチングを行い、ｄｉ（
ｎｌ 、ｎ２）で表現されるマツチング歪を計算する。
録されている話者番号ｎ１が付された標準話者のカテゴ
リｌの音声に対応する特徴ベクトル時系列と、話者番号
ｎ２が付された標準話者のカテゴリｌの音声に対応する
特徴ベクトル時系列とのＤＰマツチングを行い、ｄｉ（
ｎｌ 、ｎ２）で表現されるマツチング歪を計算する。
これを、１≦ｎ１≦Ｎ、１≦ｎ２≦Ｎ、１≦１≦工につ
いて求める。
いて求める。
平均歪演算手段５は、バタンマツチング手段４において
求められたマツチング歪ｄｉ（ｎｌ、ｎ２）を用いて、
（１）式のように平均歪Ｄ（ｎｌ・ｎ２）を求める。
求められたマツチング歪ｄｉ（ｎｌ、ｎ２）を用いて、
（１）式のように平均歪Ｄ（ｎｌ・ｎ２）を求める。
これによシ求められた平均歪Ｄ （ｎ １ ｅ ｎ ２
）を話者番号ｎ１が付された標準話者と話者番号ｎ２
が付された標準話者との話者間距離として、話者間距離
マトリクスメモリ６に記録する。とれを、ｌ≦ｎ１≦Ｎ
、１≦ｎ２≦Ｎについて行う。
）を話者番号ｎ１が付された標準話者と話者番号ｎ２
が付された標準話者との話者間距離として、話者間距離
マトリクスメモリ６に記録する。とれを、ｌ≦ｎ１≦Ｎ
、１≦ｎ２≦Ｎについて行う。
クラスタリング手段Ｔは、話者間距離マトリクスメモリ
６の話者間距離データＤ（ｎｌ、ｎ２）（ただし、１≦
ｎ１≦Ｎ、１≦ｎ２≦Ｎ）を用い、標準話者の選択を以
下のように行う。
６の話者間距離データＤ（ｎｌ、ｎ２）（ただし、１≦
ｎ１≦Ｎ、１≦ｎ２≦Ｎ）を用い、標準話者の選択を以
下のように行う。
標準話者母集団に対し、任意のＭ人の標準話者を選択し
た時のクラスタリング歪Ｄｑを（２）式のように定義す
る。
た時のクラスタリング歪Ｄｑを（２）式のように定義す
る。
ここで、Ｓｍは選択され九標準話者に付された話者番号
である。
である。
全ての標準話者選択の組み合わせに対してクラスタリン
グ歪Ｄｑを求め、そのクラスタリ／り歪Ｄｑｆ：＃小化
するＭ人の標準話者を選択する。クラスタリング手段７
はこのようにして選択したＭ人の標準話者の話者番号を
出力端子８に出方する。
グ歪Ｄｑを求め、そのクラスタリ／り歪Ｄｑｆ：＃小化
するＭ人の標準話者を選択する。クラスタリング手段７
はこのようにして選択したＭ人の標準話者の話者番号を
出力端子８に出方する。
従来の標準話者選択装置は以上のように構成されている
ので、話者間距離が各標準話者の発声した同一カテゴリ
音声間のＤＰ歪をもとに定義されることとなシ、話者に
よる音韻スペクトルの差も調音様態の差も含めて標準話
者選択が行われてしまい、このような標準話者選択装置
を、複数の標準話者を学習に用いる話者適応化認識シス
テムに、その学習効率向上のために採用した場合、この
話者適応化認識システムでは、話者による音韻スペクト
ルの差が適応化処理にて取ル除かれてしまい、話者によ
る調音様態の差のみに注目した話者選択が要求されるた
め、選択された話者が最適な標準話者とはならないとい
う課題があった。
ので、話者間距離が各標準話者の発声した同一カテゴリ
音声間のＤＰ歪をもとに定義されることとなシ、話者に
よる音韻スペクトルの差も調音様態の差も含めて標準話
者選択が行われてしまい、このような標準話者選択装置
を、複数の標準話者を学習に用いる話者適応化認識シス
テムに、その学習効率向上のために採用した場合、この
話者適応化認識システムでは、話者による音韻スペクト
ルの差が適応化処理にて取ル除かれてしまい、話者によ
る調音様態の差のみに注目した話者選択が要求されるた
め、選択された話者が最適な標準話者とはならないとい
う課題があった。
この発明は上記のような課題を解消するためになされた
もので、このような話者適応化ｇ鐵システムに適用して
も最適な標準話者の選択が可能な標準話者選択装置を得
ることを目的とする。
もので、このような話者適応化ｇ鐵システムに適用して
も最適な標準話者の選択が可能な標準話者選択装置を得
ることを目的とする。
この発明に係る標準話者選択装置は、標準話者母集団に
属する任意の標準話者が発声した音声の特徴ベクトル時
系列を用いて、ベクトル量子化コードブックと辞書とで
構成されるベクトル量子化辞書を作成するベクトル量子
化辞書作成手段と、前記標準話者母集団に属する任意の
標準話者の音声の特徴ベクトル時系列を用いて、ベクト
ル量子化辞書作成手段によシ作成されたベクトル量子化
辞書のベクトル量子化コードブックの話者適応化を行う
コードブック適応化手段と、前記コードブック適応化手
段の出力である適応化コードブックデータを用いて適応
化コードブックの平均分散値を求め、話者間距離マトリ
クスメモリに書き込む平均分散値演算手段とを設けたも
のである。
属する任意の標準話者が発声した音声の特徴ベクトル時
系列を用いて、ベクトル量子化コードブックと辞書とで
構成されるベクトル量子化辞書を作成するベクトル量子
化辞書作成手段と、前記標準話者母集団に属する任意の
標準話者の音声の特徴ベクトル時系列を用いて、ベクト
ル量子化辞書作成手段によシ作成されたベクトル量子化
辞書のベクトル量子化コードブックの話者適応化を行う
コードブック適応化手段と、前記コードブック適応化手
段の出力である適応化コードブックデータを用いて適応
化コードブックの平均分散値を求め、話者間距離マトリ
クスメモリに書き込む平均分散値演算手段とを設けたも
のである。
この発明における平均分散値演算手段は、ベクトル量子
化辞書作成手段が、特徴ベクトルメモリに記録されてい
る任意の標準話者が発声した全ての音声の特徴ベクトル
時系列を入力として作成し、ベクトル量子化辞書メモリ
上に記録したクラスタリングによるベクトル量子化コー
ドブックと、このベクトル量子化コードブックを用いた
前記標準話者音声の特徴ベクトル時系列のベクトル量子
化による辞書の２つを構成要素とするベクトル量子化辞
書の任意の標準話者のベクトル量子化辞書に対して、コ
ードブック適応化手段が、前記特徴ベクトルメモリ上の
任意の標準話者を適応対象話者としてその話者の音声の
特徴ベクトル時系列を用いた話者適応化処理を行った適
応化コードブックデータを用いて適応化コードブックの
平均分散値を求め、話者間距離として話者間距離メモリ
に書き込むことによシ、話者適応化認識システムに適用
しても最適な標準話者を選択することができる標準話者
選択装置を集塊する。
化辞書作成手段が、特徴ベクトルメモリに記録されてい
る任意の標準話者が発声した全ての音声の特徴ベクトル
時系列を入力として作成し、ベクトル量子化辞書メモリ
上に記録したクラスタリングによるベクトル量子化コー
ドブックと、このベクトル量子化コードブックを用いた
前記標準話者音声の特徴ベクトル時系列のベクトル量子
化による辞書の２つを構成要素とするベクトル量子化辞
書の任意の標準話者のベクトル量子化辞書に対して、コ
ードブック適応化手段が、前記特徴ベクトルメモリ上の
任意の標準話者を適応対象話者としてその話者の音声の
特徴ベクトル時系列を用いた話者適応化処理を行った適
応化コードブックデータを用いて適応化コードブックの
平均分散値を求め、話者間距離として話者間距離メモリ
に書き込むことによシ、話者適応化認識システムに適用
しても最適な標準話者を選択することができる標準話者
選択装置を集塊する。
以下、この発明の一実施例を図について説明する。第１
図において、１は入力端子、２は音響分析手段、３は特
徴ベクトルメモリ、６は話者間距離マトリクスメモリ、
１はクラスタリング手段、８＃′ｉ出力端子であシ、第
２図に同一符号を付した従来のそれらと同一、あるいは
相当部分であるため詳細な説明は省略する。
図において、１は入力端子、２は音響分析手段、３は特
徴ベクトルメモリ、６は話者間距離マトリクスメモリ、
１はクラスタリング手段、８＃′ｉ出力端子であシ、第
２図に同一符号を付した従来のそれらと同一、あるいは
相当部分であるため詳細な説明は省略する。
また、９は前記特徴ベクトルメモリ３に保存されている
特徴ベクトル時系列を入力として、クラスタリングによ
るベクトル量子化コードブックの作成と、ベクトル量子
化による辞書の作成を行うベクトル量子化辞書作成手段
である。１０はこのベクトル量子化辞書作成手段９にて
作成されたベクトル量子化コードブックと辞書を構成ｌ
！素とするベクトル量子化辞書の保存を行うベクトル量
子化辞書メモリである。
特徴ベクトル時系列を入力として、クラスタリングによ
るベクトル量子化コードブックの作成と、ベクトル量子
化による辞書の作成を行うベクトル量子化辞書作成手段
である。１０はこのベクトル量子化辞書作成手段９にて
作成されたベクトル量子化コードブックと辞書を構成ｌ
！素とするベクトル量子化辞書の保存を行うベクトル量
子化辞書メモリである。
１１はこのベクトル量子化辞書メモリ１０に記録されて
いる任意の標準話者のベクトル量子化辞書のベクトル量
子化コードブックに対して、前記特徴ベクトルメモリ３
に保存されている、適応対象話者る任意の標準話者の音
声の特徴ベクトル時系列を用いた話者適応化処理を施し
、その適応化コードブックデータを出力するコードブッ
ク適応化手段である。１２はこのコードブック適応化手
段１１よ多出力される適応化コードブックデータを用い
て適応化コードブックの平均分散値を計算し、算出され
た平均分散値を話者間距離として話者間距離マトリクス
メモリ６に書き込む平均分散値演算手段である。
いる任意の標準話者のベクトル量子化辞書のベクトル量
子化コードブックに対して、前記特徴ベクトルメモリ３
に保存されている、適応対象話者る任意の標準話者の音
声の特徴ベクトル時系列を用いた話者適応化処理を施し
、その適応化コードブックデータを出力するコードブッ
ク適応化手段である。１２はこのコードブック適応化手
段１１よ多出力される適応化コードブックデータを用い
て適応化コードブックの平均分散値を計算し、算出され
た平均分散値を話者間距離として話者間距離マトリクス
メモリ６に書き込む平均分散値演算手段である。
次に動作について説明する。この場合も、従来の場合と
同様に、標準話者母集団の大きさはＮ人とする。
同様に、標準話者母集団の大きさはＮ人とする。
ベクトル量子化辞書作成手段９は特徴ベクトルメモリ３
に記録されている標準話者母集団の中のすべての話者の
音声の特徴ベクトル時系列を入力として次に示す一連の
処理を行う。
に記録されている標準話者母集団の中のすべての話者の
音声の特徴ベクトル時系列を入力として次に示す一連の
処理を行う。
まず、話者番号ｎ（ただし１≦ｎ≦Ｎ）が付されている
標準話者が発声した音声に対応するすべての特徴ベクト
ルを対象としてクラスタリングを行い、各クラスタのセ
ントロイドをコードワードとするベクトル量子化コード
ブックを作成する。続いて、とのべり上ル量子化コード
ブックを用いて、話者番号ｎが付され九標準話者の音声
に対応する特徴ベクトル時系列をベクトル量子化し、コ
ードラベルの時系列で構成される辞書を作成する。最後
に、上記の処理によシ作成されたベクトル量子化コード
ブックと辞書とを構成要素とし、話者番号ｎが付され九
標準話者に対応するベクトル量子化辞書Ｒｎを作成して
ベクトル量子化辞書メモリ１０に書き込む。
標準話者が発声した音声に対応するすべての特徴ベクト
ルを対象としてクラスタリングを行い、各クラスタのセ
ントロイドをコードワードとするベクトル量子化コード
ブックを作成する。続いて、とのべり上ル量子化コード
ブックを用いて、話者番号ｎが付され九標準話者の音声
に対応する特徴ベクトル時系列をベクトル量子化し、コ
ードラベルの時系列で構成される辞書を作成する。最後
に、上記の処理によシ作成されたベクトル量子化コード
ブックと辞書とを構成要素とし、話者番号ｎが付され九
標準話者に対応するベクトル量子化辞書Ｒｎを作成して
ベクトル量子化辞書メモリ１０に書き込む。
この処理を標準話者母集団に含まれる全話者に対して行
うことで、ベクトル量子化辞書メモリ１０の上にベクト
ル量子化辞書群Ｒｎ（ｎは１．、、Ｎ）が生成される。
うことで、ベクトル量子化辞書メモリ１０の上にベクト
ル量子化辞書群Ｒｎ（ｎは１．、、Ｎ）が生成される。
コードブック適応化手段１１は、特徴ベクトルメモリ３
に記録されている標準話者母集団の中のすべての話者の
音声の特徴ベクトル時系列と、ベクトル量子化辞書メモ
リ１０に記録されている標準話者母集団の中の全ての話
者のベクトル量子化辞書を用いて以下のような処理を行
う。
に記録されている標準話者母集団の中のすべての話者の
音声の特徴ベクトル時系列と、ベクトル量子化辞書メモ
リ１０に記録されている標準話者母集団の中の全ての話
者のベクトル量子化辞書を用いて以下のような処理を行
う。
まず、話者番号ｎｌ（ただし、１≦ｎ１≦Ｎ）が付され
た標準話者に対応するベクトル量子化辞書Ｒｎｌにおい
て、コードラベル時系列（Ｌｉ（ｔ） ｌ ｔ ＝ １
、、、Ｔｉ ）（Ｔｉはラベル数）とベクトル量子化コ
ードブック（Ｃｎｌ（ｊ）Ｉｊ＝１−、、Ｊ）（ＪＦｉ
コードブックサイズ）により （Ｃｎ１（ｋ）Ｉｋ＝Ｌ
ｉ（ｔ）、 ｔ＝１．、、Ｔｉ）と表現されるカテゴｌ
Ｊｉの音声の特徴ベクトル時系列と、話者番号ｎ２（た
だし、１≦ｎ２≦Ｎ）が付された標準話者のカテゴリｉ
の音声に対応する特徴ヘクトル時系列（Ｖ”１（ｓ）Ｉ
ｓ＝１−、Ｓｉ） （Ｓ ｉ ＃ｉ 系列数）とのＤＰ
マ、チングを行うことで、ふたつの特徴ベクトル時系列
間の時間対応関係を求める。
た標準話者に対応するベクトル量子化辞書Ｒｎｌにおい
て、コードラベル時系列（Ｌｉ（ｔ） ｌ ｔ ＝ １
、、、Ｔｉ ）（Ｔｉはラベル数）とベクトル量子化コ
ードブック（Ｃｎｌ（ｊ）Ｉｊ＝１−、、Ｊ）（ＪＦｉ
コードブックサイズ）により （Ｃｎ１（ｋ）Ｉｋ＝Ｌ
ｉ（ｔ）、 ｔ＝１．、、Ｔｉ）と表現されるカテゴｌ
Ｊｉの音声の特徴ベクトル時系列と、話者番号ｎ２（た
だし、１≦ｎ２≦Ｎ）が付された標準話者のカテゴリｉ
の音声に対応する特徴ヘクトル時系列（Ｖ”１（ｓ）Ｉ
ｓ＝１−、Ｓｉ） （Ｓ ｉ ＃ｉ 系列数）とのＤＰ
マ、チングを行うことで、ふたつの特徴ベクトル時系列
間の時間対応関係を求める。
これをすべてのカテゴリｉに対し行り九後、コードワー
ドＣｎ １（ｊ）との対応がとられたすべての話者番号
ｎ２が付された標準話者の音声の特徴ベクトル（ｖｌ）
から、その特徴ベクトルの数ＮＪ特徴ベクトルの各次元
要素の平均を求めて見られる平均特徴ベクトルＸｊ””
３ゝ、各次元要素の２乗平均を求めて見られる２乗平均
ベクトルｙｊ（ｍｌ−＞ｍｌ）、の３つを構成要素とす
る適応化コードブックデータを出力する。
ドＣｎ １（ｊ）との対応がとられたすべての話者番号
ｎ２が付された標準話者の音声の特徴ベクトル（ｖｌ）
から、その特徴ベクトルの数ＮＪ特徴ベクトルの各次元
要素の平均を求めて見られる平均特徴ベクトルＸｊ””
３ゝ、各次元要素の２乗平均を求めて見られる２乗平均
ベクトルｙｊ（ｍｌ−＞ｍｌ）、の３つを構成要素とす
る適応化コードブックデータを出力する。
なお、このような話者適応化手法については、例えば日
本音響学会昭和５８年度秋季研究発表会講演論文集１−
１−６“大語業音声認識における話者適応化法″（中高
、高橋；昭和５８年１０月）などで詳しく論じられてい
る。
本音響学会昭和５８年度秋季研究発表会講演論文集１−
１−６“大語業音声認識における話者適応化法″（中高
、高橋；昭和５８年１０月）などで詳しく論じられてい
る。
以上の処理を１≦ｎ１≦Ｎ％ｌ≦ｎ２≦Ｎについて行う
。
。
平均分散値演算手段１２は、コードブック適応化手段１
１の出力であるところの適応化コードブックデータを用
いて、（３）式を計算する。
１の出力であるところの適応化コードブックデータを用
いて、（３）式を計算する。
ここで、Ｊはコードブックサイズ、ＰＦｉＱＩ徴ベクト
ルの次数、ｙｊφ）は２乗平均特徴ベクトルｙＪ（ｍｌ
−）＋ａ″）のｐ次元要素、ｘ ｊ （ｐ） Ｆｉ平均
特黴ベク（１トンｍｌ） トルＸｊ ＯＰ次元要素である。
ルの次数、ｙｊφ）は２乗平均特徴ベクトルｙＪ（ｍｌ
−）＋ａ″）のｐ次元要素、ｘ ｊ （ｐ） Ｆｉ平均
特黴ベク（１トンｍｌ） トルＸｊ ＯＰ次元要素である。
このようにして求められた平均分散値ｖ（ｎｌ、ｎ２）
を、話者番号ｎ１が付された標準話者と話者番号ｎ２が
付された標準話者との話者間距離として話者間距離マト
リクスメモリ６に書き込む。これをｌ≦ｎｌ≦Ｎ、１≦
難２≦Ｎについて行う。
を、話者番号ｎ１が付された標準話者と話者番号ｎ２が
付された標準話者との話者間距離として話者間距離マト
リクスメモリ６に書き込む。これをｌ≦ｎｌ≦Ｎ、１≦
難２≦Ｎについて行う。
以上述べたように、（３）式で得られる平均分散値ｖ（
ｎｌ、ｎ２）は、話者番号ｎ１が付された標準話者のベ
クトル量子化辞書Ｒｎｌのベクトル量子化コードブック
において、同一のコードワードＣｎ １ （ｊ）に対応
づけられた話者番号ｎ２が付された標準話者音声の特徴
ベクトル（ｖｌ）から求めているため、話者番号ｎ１が
付された話者と話者番号ｎ２が付され九話者との調音様
態に差があれば、その特徴ベクトル（ｖｌｌｆｉ ）
ｏ分散が大きくなル、結果として平均分散値ｖ（ｎｌ、
ｎ２）の値も大きくなる。
ｎｌ、ｎ２）は、話者番号ｎ１が付された標準話者のベ
クトル量子化辞書Ｒｎｌのベクトル量子化コードブック
において、同一のコードワードＣｎ １ （ｊ）に対応
づけられた話者番号ｎ２が付された標準話者音声の特徴
ベクトル（ｖｌ）から求めているため、話者番号ｎ１が
付された話者と話者番号ｎ２が付され九話者との調音様
態に差があれば、その特徴ベクトル（ｖｌｌｆｉ ）
ｏ分散が大きくなル、結果として平均分散値ｖ（ｎｌ、
ｎ２）の値も大きくなる。
クラスタリング手段７は、このような平均分散値ｖ（ｎ
ｌ、ｎ２）を話者間距離として生成された話者間距離マ
トリクスを用いてクラスタリングを行い、標準話者を選
択してその話者番号を出力端子８よ）出力する。従りて
、選択された標準話者は、調音＊、ｍの違いにのみ注目
して選択されることとなシ、話者適応化認識システムに
対する学習対象話者として最適になっている。
ｌ、ｎ２）を話者間距離として生成された話者間距離マ
トリクスを用いてクラスタリングを行い、標準話者を選
択してその話者番号を出力端子８よ）出力する。従りて
、選択された標準話者は、調音＊、ｍの違いにのみ注目
して選択されることとなシ、話者適応化認識システムに
対する学習対象話者として最適になっている。
なお、上記実施例では専用のノ・−ドウエアにて構成す
るものを示したが、汎用の計算機や信号処理プロセッサ
におけるソフトウェア処理によって実現するようにして
もよい。
るものを示したが、汎用の計算機や信号処理プロセッサ
におけるソフトウェア処理によって実現するようにして
もよい。
以上のようにこの発明によれば、標準話者母集団に属す
る任意の標準話者が発声した音声の特徴ベクトル時系列
を用いて、ベクトル量子化コードブックと辞書とで構成
されるベクトル量子化辞書を作成し、標準話者母集団に
属する任意の標準話者の音声の特徴ベクトル時系列を用
いて、前記ベクトル量子化辞書のベクトル量子化コード
ブックの話者適応化を行い、その適応化コードブックデ
ータを用いて話者間距離としての適応化コードブックの
平均分散値を求めるように構成し九ので、標準話者によ
る調音様態の差を話者間距離とする話者間距離マトリク
スが生成でき、話者適応化認識を考慮した標準話者選択
が行えるようになシ、その結果、複数の標準話者を学習
対象とした話者適応化認識システムにおいて学習の効率
化が実現できる標準話者選択装置が得られる効果がある
。
る任意の標準話者が発声した音声の特徴ベクトル時系列
を用いて、ベクトル量子化コードブックと辞書とで構成
されるベクトル量子化辞書を作成し、標準話者母集団に
属する任意の標準話者の音声の特徴ベクトル時系列を用
いて、前記ベクトル量子化辞書のベクトル量子化コード
ブックの話者適応化を行い、その適応化コードブックデ
ータを用いて話者間距離としての適応化コードブックの
平均分散値を求めるように構成し九ので、標準話者によ
る調音様態の差を話者間距離とする話者間距離マトリク
スが生成でき、話者適応化認識を考慮した標準話者選択
が行えるようになシ、その結果、複数の標準話者を学習
対象とした話者適応化認識システムにおいて学習の効率
化が実現できる標準話者選択装置が得られる効果がある
。
第１図はこの発明の一実施例による標準話者選択装置ｔ
−示すプロ、り図、第２図は従来の標準話者選択装置を
示すブロック図である。 ２は音響分析手段、３は特徴ベクトルメモリ、６は話者
間距離マトリクスメモリ、７はクラスタリング手段、９
ＩｒｉＩｒ上ル量子化辞書作成手段、１０はベクトル量
子化辞書メモリ、１１はコードブック適応化手段、１２
は平均分散値演算手段。 なお、図中、同一符号は同一、又は相当部分を示す。 特許出願人 三菱電機株式会社
−示すプロ、り図、第２図は従来の標準話者選択装置を
示すブロック図である。 ２は音響分析手段、３は特徴ベクトルメモリ、６は話者
間距離マトリクスメモリ、７はクラスタリング手段、９
ＩｒｉＩｒ上ル量子化辞書作成手段、１０はベクトル量
子化辞書メモリ、１１はコードブック適応化手段、１２
は平均分散値演算手段。 なお、図中、同一符号は同一、又は相当部分を示す。 特許出願人 三菱電機株式会社
Claims (1)
- 標準話者母集団に属している標準話者の一人が発生し
た音声を分析して、特徴ベクトル時系列に変換する音響
分析手段と、前記音響分析手段よ、出力される前記特徴
ベクトル時系列を保存する特徴ベクトルメモリと、前記
特徴ベクトルメモリに保存されている特徴ベクトル時系
列を用いてベクトル量子化コードブックを作成し、さら
にコードラベル列で登録音声を表す辞書の作成を行うベ
クトル量子化辞書作成手段と、前記ベクトル量子化辞書
作成手段にて作成されたベクトル量子化辞書を保存する
ベクトル量子化辞書メモリと、前記特徴ベクトルメモリ
に保存されている特徴ベクトル時系列を用いて、前記ベ
クトル量子化辞書メモリに保存されているベクトル量子
化辞書のベクトル量子化コードブックの話者適応化を行
うコードブック適応化手段と、前記コードブック適応化
手段より出力される適応化コードブックデータを用いて
適応化コードブックの平均分散値を計算する平均分散値
演算手段と、前記平均分散値演算手段にて算出された平
均分散値を話者間距離として記憶する話者間距離マトリ
クスメモリと、前記話者間距離マトリクスメモリに保存
されている話者間距離のマトリクスデータを用いてクラ
スタリングを行い、各クラスタのセントロイドに対応す
る話者番号を出力するクラスタリング手段とを備えた標
準話者選択装置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2126110A JP2561553B2 (ja) | 1990-05-16 | 1990-05-16 | 標準話者選択装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2126110A JP2561553B2 (ja) | 1990-05-16 | 1990-05-16 | 標準話者選択装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPH0420999A true JPH0420999A (ja) | 1992-01-24 |
| JP2561553B2 JP2561553B2 (ja) | 1996-12-11 |
Family
ID=14926874
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2126110A Expired - Fee Related JP2561553B2 (ja) | 1990-05-16 | 1990-05-16 | 標準話者選択装置 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP2561553B2 (ja) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2009122780A1 (ja) * | 2008-03-31 | 2009-10-08 | 日本電気株式会社 | 適応話者選択装置および適応話者選択方法並びに記録媒体 |
| CN106469192A (zh) * | 2016-08-30 | 2017-03-01 | 北京奇艺世纪科技有限公司 | 一种文本相关性的确定方法及装置 |
-
1990
- 1990-05-16 JP JP2126110A patent/JP2561553B2/ja not_active Expired - Fee Related
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2009122780A1 (ja) * | 2008-03-31 | 2009-10-08 | 日本電気株式会社 | 適応話者選択装置および適応話者選択方法並びに記録媒体 |
| CN106469192A (zh) * | 2016-08-30 | 2017-03-01 | 北京奇艺世纪科技有限公司 | 一种文本相关性的确定方法及装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| JP2561553B2 (ja) | 1996-12-11 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111837178B (zh) | 语音处理***和处理语音信号的方法 | |
| WO2020118521A1 (en) | Multi-speaker neural text-to-speech synthesis | |
| Ellis et al. | Tandem acoustic modeling in large-vocabulary recognition | |
| EP3504703A1 (en) | A speech recognition method and apparatus | |
| CN1591567A (zh) | 开放式词汇表语音识别 | |
| JPH0772840B2 (ja) | 音声モデルの構成方法、音声認識方法、音声認識装置及び音声モデルの訓練方法 | |
| JPH01291298A (ja) | 適応型音声認識装置 | |
| WO2002091355A1 (en) | High-order entropy error functions for neural classifiers | |
| US6131089A (en) | Pattern classifier with training system and methods of operation therefor | |
| JP7329393B2 (ja) | 音声信号処理装置、音声信号処理方法、音声信号処理プログラム、学習装置、学習方法及び学習プログラム | |
| US5864807A (en) | Method and apparatus for training a speaker recognition system | |
| JP3014177B2 (ja) | 話者適応音声認識装置 | |
| Jensen et al. | Self-organizing letter code-book for text-to-phoneme neural network model | |
| JPH0420999A (ja) | 標準話者選択装置 | |
| Liao et al. | Personalized Taiwanese speech synthesis using cascaded ASR and TTS framework | |
| JPH0486899A (ja) | 標準パターン適応化方式 | |
| JP2021189402A (ja) | 音声処理プログラム、音声処理装置及び音声処理方法 | |
| JP3008520B2 (ja) | 標準パタン作成装置 | |
| JP2980382B2 (ja) | 話者適応音声認識方法および装置 | |
| Hu et al. | The USTC system for blizzard machine learning challenge 2017-ES2 | |
| JP3526549B2 (ja) | 音声認識装置、方法及び記録媒体 | |
| JPH071434B2 (ja) | 標準パタン作成方式 | |
| JPH1097270A (ja) | 音声認識装置 | |
| JPH01211799A (ja) | 多言語を扱う音声の規則合成装置 | |
| JP2545960B2 (ja) | 適応型音声認識用学習方式 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| LAPS | Cancellation because of no payment of annual fees |