KR100383353B1 - 음성인식장치및음성인식장치용어휘발생방법 - Google Patents
음성인식장치및음성인식장치용어휘발생방법 Download PDFInfo
- Publication number
- KR100383353B1 KR100383353B1 KR1019970702853A KR19970702853A KR100383353B1 KR 100383353 B1 KR100383353 B1 KR 100383353B1 KR 1019970702853 A KR1019970702853 A KR 1019970702853A KR 19970702853 A KR19970702853 A KR 19970702853A KR 100383353 B1 KR100383353 B1 KR 100383353B1
- Authority
- KR
- South Korea
- Prior art keywords
- sub
- word
- representation
- representations
- sequence
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims description 37
- 230000015654 memory Effects 0.000 claims abstract description 39
- 238000013179 statistical model Methods 0.000 claims description 8
- 239000000411 inducer Substances 0.000 claims description 4
- 230000001419 dependent effect Effects 0.000 abstract description 4
- 238000012549 training Methods 0.000 description 21
- 238000010586 diagram Methods 0.000 description 6
- 230000004044 response Effects 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000009795 derivation Methods 0.000 description 2
- 238000011524 similarity measure Methods 0.000 description 2
- 238000010183 spectrum analysis Methods 0.000 description 2
- 238000013518 transcription Methods 0.000 description 2
- 230000035897 transcription Effects 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000008569 process 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
- G10L15/06—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
- G10L15/28—Constructional details of speech recognition 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
-
- 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)
- Acoustics & Sound (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- Multimedia (AREA)
- Artificial Intelligence (AREA)
- Machine Translation (AREA)
- Telephonic Communication Services (AREA)
- Selective Calling Equipment (AREA)
- Navigation (AREA)
- Fittings On The Vehicle Exterior For Carrying Loads, And Devices For Holding Or Mounting Articles (AREA)
- Document Processing Apparatus (AREA)
Abstract
본 발명은 사용자 자신의 발성의 음성 표기를 형성하고 장래의 인식 목적을 위해 이 표기를 사용함으로서 사용자 자신의 음성으로부터 인식 어휘가 생성되는 발명에 관한 것이다. 음성 표기는 느슨하게 속박된 네트워크, 바람직하게는 노이즈만에 의해 속박된 네트워크를 사용함으로서 생성된다. 따라서 생성된 표기는 사용자의 입력 음성과 매우 유사하고, 공지의 화자 종속 표현과 비교하여 현저하게 적은 기억용량을 필요로한다.
Description
본 발명은 음성처리, 특히 음성인식에 관한 것이다.
음성인식 장치의 개발자들의 최대 목적은 사람들이 제한없이 완전히 자연스러운 방법으로 인간과 대화가 가능한 기계를 만드는 것이다. 사람과 기계와의 이상적인 인터페이스는 단절 없는 완전한 인터페이스인 것이다.
기계와 사람 사이의 대화가 성공에 더욱 가깝게 된 것으로 보이긴 하지만 사람과 기계 사이의 완전한 상호대화는 아직 실현되지 않고 있다. 사람과 기계 사이의 대화가 서로 거침없도록 하기 위해, 자동 인식기에는 무한한 단어의 어휘가 있어야 하고, 상기 인식기가 액센트, 발음 등에 상관없이 모든 사용자의 음성을 이해할 수 있어야 한다. 현재의 기술 및 인간이 음성을 인식하는 방법에 대한 부족한 이해로는 이를 실행할 수 없다.
현재의 음성인식 장치는 기계가 인식할 수 있는 속박된 어휘와 관계된 데이터를 포함하고 있다. 상기 데이터는 보통 통계적인 모델 또는 상기 속박된 어휘의 단어를 나타내는 템플릿(template)과 관계되어 있다. 인식이 진행되는 동안 입력신호는 기억된 데이터(stored data)와 비교되고 상기 입력신호와 기억된 데이터간의 유사성(similarity)이 결정된다. 만일 밀접한 정합성(close match)이 발견되면, 입력신호는 일반적으로 가장 밀접한 정합성을 제공하는 모델 또는 템플릿(또는 모델 또는 템플릿의 시퀀스)으로 인식되는 것으로 간주된다.
상기 템플릿 또는 모델은 보통 특정한 입력 음성의 특징을 측정함으로서 형성된다. 이 특징 측정(feature measurement)은 일반적으로 필터 뱅크 분석(filter bank analysis), 선형 예정 부호화 분석(linear predictive coding analysis) 또는 불연속 변환 분석(discrete transform analysis)등의 스펙트럼 분석기술의 일부 형태이다. 동일한 음성 소리(speech sound)의 특징을 대표하는 하나 이상의 기준 패턴(reference pattern)을 만들기 위해 보통 상기 음성 소리(즉, 특정 단어, 어구 등)에 해당하는 하나 이상의 훈련 입력(training input)의 특징 측정이 사용된다. 상기 기준 패턴은 평균 기술의 일부 타입에서 유도된 템플릿일 수 있고, 또는 특정 소리를 위한 상기 훈련 입력의 특징의 통계를 특정하는 모델일 수 있다.
그러면 미지의 입력(unknown input)은 상기 인식 어휘의 각 소리를 위한 기준 패턴과 비교되고 미지의 입력과 각 기준 패턴 사이의 유사성 측도(similarity measure)가 계산된다. 이 패턴 분류 단계는 말하는 속도의 차이를 보상하는 광범위한 시간 조정 절차(다이내믹 시간 와핑 DTW 로 알려져 있는)를 포함할 수 있다. 그러면 이 유사성 측도는 미지의 입력과 가장 잘 일치하는 기준 패턴을 결정하는 데 사용되어 인식이 될 수 있는 것처럼 간주된다.
상기 음성 인식기의 의도적인 사용은 상기 시스템의 특성도 결정할 수 있다. 예를 들어, 화자(話者)에만 종속되도록 설계된 시스템은 한 사람의 화자의 훈련 입력을 필요로 한다. 그러므로 모델 또는 템플릿은 사용자 수의 평균 음성보다는특정 화자의 입력 음성을 표현하게 된다. 이러한 시스템은 수신된 훈련 입력으로서 화자를 위한 양호한 인식율을 갖고 있기는 하지만, 이러한 시스템은 다른 사용자들이 사용하기에는 적합하지가 않다.
화자 독립 인식은 다수의 화자의 발음으로부터 형성되는 단어에 의존한다. 각각의 특정 음성입력의 모든 훈련 발음(training utterance)을 대표하는 통계학적 모델 또는 템플릿들은 후속 인식 목적을 위해 형성되어 있다. 비록 화자 독립 시스템이 복수의 사용자에게 각각 잘 수행되긴 하나, 화자 독립 시스템의 성능은 훈련 샘플들과는 크게 다른 액센트(accent), 억양(intonation), 말투(enunciation) 등이 있는 사용자에게는 낮은 경향이 있다.
사용될 수 있는 어휘를 확장시키기 위해, 추가 어휘(additional vocabulary)의 충분한 훈련 샘플들이 얻어져야 한다. 이것은 시간을 요하는 것으로, 상기 어휘가 반복적으로 변화한다면 맞지 않게 된다.
시스템이 인식 가능한 어휘가 있는 음성 인식 시스템은 텍스트 형식으로 추가 어휘를 입력하는 서비스 공급기에 의해 확장될 수 있다는 것이 알려져 있다. 이러한 시스템의 예로는, AT&T 사의 Flexword 가 있다. 이 시스템에서는 단어가 언어규칙에 따라 텍스트 형태에서 그들의 음소 표기(phonetic transcription)로 변환된다. 이 표기는 상기 각 모델의 음소의 음향모델(acoustic model)을 갖는 인식기 내에서 사용된다.
언어내의 음소의 수는 종종 판단의 문제가 되고 특정 언어학자에 의해 판단된다. 영어에서는 표 1 에 나타낸 것 처럼 약 40개의 음소가 있다.
여기서, 음소(phoneme) 또는 부-단어(sub-word)들에 대한 기준은 예를 들어, 음소의 스트링(string of phonemes), 이음(allophones) 등 임의의 편리한 단어의 빌딩블록(building block)과 관계된다. 여기서 음소 또는 부-단어들에 대한 임의의 기준들은 서로교환될 수 있으며 보다 넓은 해석과 관련된다.
인식 목적을 위해, 음소로 표기된 텍스트의 네트워크는 각각의 음소를 나타내는 기억된 모델로부터 형성될 수 있다. 인식되는 동안, 입력음성은 각각의 허용되는 단어 또는 어구(phase)를 나타내는 기준 모델의 스트링과 비교된다. 상기 개개의 음소를 나타내는 모델들은 복수의 다른 화자들의 발음으로부터 화자 독립방법으로 생성되기도 한다. 은닉 마르코프 모델(Hidden Markov Model)같은 적절한 모델이 사용되기도 한다.
이러한 시스템은, 만일 어느 사람이 강한 액센트를 갖고 있는 것 같은 단어의 표준 음소 표기에서 벗어나는 것은 허용하지 않는다. 따라서, 비록 어떤 사용자가 상기 시스템의 어휘내에 있는 단어를 말한다 하더라도, 그 입력음성은 그 단어로 인식되지 못한다.
모델화된 화자와 다른 발음을 갖는 사용자도 사용할 수 있도록 화자 독립 시스템을 채택하는 것이 바람직하다. 유럽 특허출원번호 제 453649 호에는 장치어휘(apparatus vocabulary)의 허용된 단어들이 음소와 같은 단어의 서브유닛(sub-unit)을 나타내는 모델의 연결에 의해 모델화된 장치가 개시되어 있다. 그러면 상기 "단어" 모델, 즉 기억된 연결들은 사용자의 음성으로부터의 단어 모델용 새로운 파라미터들을 평가하여 특정 사용자의 음성에 맞게 훈련된다. 따라서, 공지된 미리 정의된 단어 모델들(음소 모델의 연결에서 형성된)은 특정 사용자에 맞도록 채택된다.
비슷하게도 유럽 특허출원번호 제 508225 호에는 인식되어야할 단어들이 단어를 나타내는 음소 시퀀스와 함께 기억되어 있는 음성 인식 장치가 개시되어 있다. 훈련 동안 사용자는 어휘의 단어들을 말하는 것이고, 음소 모델의 파라미터들은 사용자의 입력에 적응된다.
이들 공지된 두 시스템에서는 음소의 연결 시퀀스의 형태내에 미리정의된 어휘가 요구된다. 그러나 많은 경우에 있어서, 사용자가 상기 어휘에 자신에게 특정된 단어를 첨가할 수 있는 것이 바람직하다. 새로운 단어 모델을 형성하기 위해 실제 사용자에게 이 융통성을 제공하는 유일한 알려진 방법은 개별 어휘목록(lexicion)에 기억되는 새로운 단어 모델들을 형성하기 위해 화자 종속 기술(speaker dependent technology)을 사용하는 것이다. 사용자는 훈련을 위해 상기 시스템에 한번 이상 각 단어를 말해야 한다. 이 화자 종속 모델은 각 사용자의 템플릿을 기억하기 위해 비교적 많은 양의 메모리를 필요로 하는 DTW 또는 유사한 기술을 사용하여 보통 형성된다. 일반적으로, 각각의 사용자를 위한 각 단어는 적어도 125 바이트(가능하면 2 킬로바이트(kilobyte) 이상)를 차지한다. 이것은, 20 단어 어휘(20 word vocabulary)를 가지면, 인식이 시작할 수 있기 전에 2.5 에서 40킬로바이트가 인식기에 다운로드되어야 함을 뜻한다. 또한, 단지 1000명의 사용자만을 갖는 전화망 기반 서비스는 단지 사용자의 템플릿을 위해 2.5 에서 20 메가바이트(Mbyte)의 디스크 기억용량을 필요로 한다. 이러한 서비스의 예로는 레퍼토리 다이얼러(repertory dialler)로서, 사용자가 자신이 통화하고자 하는 사람을 정의하고, 나중에 통화하고자 하는 상대방의 이름을 말함으로서 전화통화가 가능하게 한다.
본 발명에 따르면, 단어를 나타내는 입력 음성 신호를 수신하는 단계, 상기 수신된 음성 신호로부터 특징 샘플을 유도하는 단계, 상기 특징 샘플을 기준 부-단어 인식의 허용가능한 시퀀스와 비교하는 단계, 상기 수신된 음성 신호와 가장 유사한 상기 기준 부-단어 인식의 허용가능한 시퀀스를 식별하는 단계와 이것으로부터 부호화된 표현을 생성하는 단계, 및 후속하는 다른 음성 신호의 인식을 위해 상기 단어의 상기 생성된 부호화된 표현을 기억하는 단계를 포함하고, 상기 하나 이상의 부-단어 인식은 하나 이상의 특징 샘플의 시퀀스를 나타낼 수 있는 것을 특징으로 하는 어휘 생성방법을 제공한다.
이러한 방법은 사용자가 각 단어들의 새로운 음향 모델(acoustic model)을 형성할 필요없이 새로운 단어를 선택하게 하고, 각 단어 또는 어구들은 사용자에게 고유한 기준 부-단어 표현의 시퀀스로서 모델화 한다. 이것은 상기 어휘에 첨가될 단어들에 대하여 어떠한 사전 지식도 필요로 하지 않으며, 따라서 사용자는 원하는 단어 또는 어구를 첨가할 수 있다.
사용자가 선택한 단어의 부호화된 표현들은 텍스트에서 형성된 모델보다는 사용자의 음성에 더 가깝게 된다. 또한, 상기 부호화된 표현들은 적어도 DTW 모델처럼 상기 단어 표현을 기억하는데 필요한 기억용량보다 적은 양의 메모리 용량을 필요로 한다(비록 정확하게는 약간의 비용이 들지만).
적절하게는, 상기 부호화된 표현의 발생은 문법적 규칙으로 제한되지는 않는데, 즉 어느 부-단어 표현도 다른 것에 따르지 않는다는 것이다. 선택적으로, 바이그램 문법(bigram grammar)이 각 부-단어 쌍, 예를 들어 음소들 사이의 변이 가능성(transition probability)을 부여하는데 사용되는 경우도 있다. 따라서 주어진 언어에서 보통 일어나지 않는 음소의 쌍 (예를 들어 영어에서 P H) 은 변이 가능성이 적다.
동일한 발성을 나타내는 하나 이상의 음성 신호의 부호화된 표현들이 발생하기도 한다. 그러면 상기 부호화된 표현내의 어떠한 이상도 설명된다. 예를 들어, 만일 발성이 잡음이 있는 전화선상에서 일어나면, 그 발성의 부호화된 표현은 깨끗한 전화선상에서 말한 동일한 발성의 부호화된 표현과는 그 유사성이 덜 할 것이다. 발성의 세 가지 훈련 입력을 수신하고 다른 것들과는 크게 다른 부호화된 표현은 버리는 것이 적절하다 할 것이다. 선택적으로 부호화된 표현들 모두가 유지될 수 도 있다. 어느 경우에도 기억된 부호화된 표현 모두는 본 장치의 개발자가 결정하는 것이다.
본 발명의 제2 측면에 따르면, 복수의 기준 부-단어 표현을 수용하는 메모리(8), 상기 입력 음성 신호를 수신하고 특징 샘플을 생성하기 위해 작동가능한 특징 유도기(2), 상기 생성된 특징 샘플을 수신하기 위해 연결된 인식기(7)로서, 부-단어 표현의 허용가능한 시퀀스의 어휘를 갖는 상기 인식기, 및 후속하는 다른 음성 신호의 인식을 위해 상기 입력 음성 신호의 부호화된 표현을 기억하는 메모리(10)를 포함하고, 상기 하나 이상의 부-단어 표현은 하나 이상의 특징 샘플의 시퀀스를 나타낼 수 있고, 상기 인식기는 상기 수신된 특징 샘플을 상기 기준 부-단어 표현의 허용가능한 시퀀스와 비교하고, 상기 입력 음성 신호와 가장 유사한 기준 부-단어 표현의 허용가능한 시퀀스를 식별함으로서 상기 부호화된 표현을 생성하기 위해 작동되는 것을 특징으로 하는 어휘 생성장치를 제공한다.
이 장치는 상기 부호화된 표현들로 표현된 상기 발성을 인식하기 위해 구성된 음성 인식기와 결합되는 경향이 있다. 인식이 진행되는 동안, 상기 음성 인식기는 미지의 입력 음성 신호와 상기 인식장치에 기억된 부호화된 표현에 의해 표현된 부-단어 표현의 시퀀스를 비교하고, 인식되었다는 신호 표시 또는 인식되지 않았다는 신호 표시를 출력한다.
상기 부-단어 인식기의 문법은 느슨하게 속박되는 것이 바람직하다. 예를들어, 상기 부-단어 인식기는 예를 들어 선로 잡음에 속박된 부-단어 유닛의 어떠한 시퀀스를 인식하기 위해 속박된다. 선택적으로 각 음소의 쌍 간의 변이 가능성을 부여하는데 바이그램 문법이 사용되기도 한다.
본 음성 인식 장치는 미리정의된 단어도 인식하기 위해 구성될 수 도 있다. 선택적으로, 상기 미리 정의된 단어들은 그들의 부-단어 변이의 부호화된 표현으로서 기억되기도 한다. 그러므로 상기 미리 정의된 단어 및 사용자에 의해 선택된 단어들은 동일한 부-단어를 사용하여 모델화 된다. 상기 음성 인식기는 사용자가 선택한 단어와 함께 말한 미리 정의된 단어를 인식하기 위해 구성될 수 도 있다.
기준 부-단어 표현은 음소를 표현하는 것이 적절하다. 각각의 부-단어 표현은 특정 부-단어를 포함하는 화자의 입력 음성 다수의 통계학적 모델이 될 수 있다. 상기 모델들은 다른 모델들이 사용될 수 도 있으나 Hidden Markov 모델인 것이 바람직하다.
지금부터 첨부한 도면을 참고하여 본 발명을 보다 자세하게 예로서 설명하도록 하겠다.
도 1 은 전기통신 환경(telecommunication enviroment)에서 본 발명에 따른 음성인식장치 사용의 개략도;
도 2 는 본 발명에 따른 어휘 생성기의 기능소자(functional element)들을 개략적으로 보여주는 블럭 다이어그램;
도 3 은 도 2 의 상기 어휘 생성기에서 사용되는 느슨하게 속박된 네트워크 예의 설명도;
도 4 는 도 2 의 상기 어휘 생성기를 사용하는 음성 인식기의 설명도;
도 5 는 도 4 의 상기 음성 인식기를 사용하는 인식 네트워크 예의 설명도;
도 6 은 도 5 에 도시된 선택적인 인식 네트워크의 설명도; 및
도 7 은 본 발명에 따른 음성 인식 장치의 제 2 실시예의 설명도이다.
도 1 을 참고하면, 음성 인식기를 구비하는 전기통신 시스템은 일반적으로 마이크(1, microphone) (보통 전화 핸드셋(handset)의 일부분을 형성함), 전기통신 네트워크(2) (일반적으로 공중 교환 전기통신 네트워크(PSTN)), 상기 네트워크(2)로부터 음성 신호를 수신하기 위해 연결된 음성 인식기(3, speech recogniser), 및 상기 음성 인식기(3)와 연결되고, 특정 단어 또는 어구의 인식등을 나타내는 음성 인식신호를 음성 인식기로부터 수신하고 음성 인식기에 대해 조치를 취하도록 하는 이용장치(4, utilising apparatus))를 포함한다. 예를 들어, 상기 이용장치(4)는 원격 작동 레퍼토리 다이얼링 시스템으로서, 사용자가 원하는 번호를 다이얼 하지 않고 통화를 원하는 사람의 이름을 간단히 말하면 된다.
많은 경우에, 이용장치(4)는 네트워크(2)를 통해 전형적으로 사용자 핸드셋의 일부를 형성하는 스피커(5, loudspeaker)에 전송되어 사용자에게 가청응답 (audible response)을 생성할 것이다.
동작시에, 사용자가 마이크(1)를 통해 말하면, 신호가 마이트(1)로부터 네트워크(2)를 통해 음성 인식기(3)로 전송된다. 음성 인식기는 음성 신호를 분석하고 특정한 단어 또는 어구의 인식등을 나타내는 신호가 생성되고, 이용장치(4)에 전송되며, 여기서 음성을 인식하여야 하는 경우 적절한 조치를 취한다.
사용자가 이용장치(4)에 의해 제공되는 상기 서비스를 먼저 사용할 때, 음성 인식기(3)는 후속 미지의 음성 신호를 검증하는 어휘와 관계된 데이터를 획득할 필요가 있다. 이러한 데이터 획득은 동작 훈련모드에서 어휘 생성기(9)에 의해 수행되고, 상기 훈련 입력음성의 부-단어 내용의 부호화된 표현들이 후속 인식 목적을 위해 생성되는 어휘 생성기(9)로부터 사용자가 훈련 입력 음성 샘플을 제공한다.
도 2 에 본 발명에 따른 어휘 생성기(9)의 기능소자들이 나타나 있다. 어휘 생성기(9)는 연속 샘플(contiguous sample)의 일련의 프레임내로 분할된 입력 음성 신호로부터 특징 데이터(feature data)를 유도하는 특징 유도기(6)를 포함한다. 이 프레임은 보통 입력음성의 16ms 샘플을 나타내고, 각 샘플은 윈도우(예를 들어 해밍 윈도우(Hamming window)를 사용하여)된다. 적절한 특징 유도기의 예들은 본 기술분야에서 잘 알려져 있으며, 필터 뱅크 분석기, 선형 예상 코딩 분석기 또는 이산 변환 분석등의 스펙트럼 분석 기술의 일부 형태를 포함할 수도 있다.
특징들은, 예를 들어, 캡스트럴 계수(cepstral coefficient)(예를 들어 Chollet & Gagnoulet 가 1982 년 IEEE 회의록 2026 페이지에 발표한 "On the Evaluation of Speech Recognisers and Databases using a Reference System" 에 서술한 LPC 캡스트럴 계수 또는 멜 주파수(mel frequency) 캡스트럴 계수 등), 또는 Soong & Rosenberg 가 1988 년 IEEE 회보 Acoustics, Speech and Signal Processing Vol36 No.6 871 페이지에 서술한 상기 사전 절차내의 상기 계수와 상기 해당 계수간의 차이가 있는 그러한 계수들의 미분값으로 구성되기도 한다. 동일하게, 특징 계수의 여러 타입의 혼합이 사용될 수도 있다. 특징 유도기는 적절하게 프로그램된 디지털 신호 처리기(DSP) 소자에 의해 제공된다. 특징 유도기(6)의 출력 데이터 집합은 부-단어 인식기(7)로의 입력을 형성한다.
부-단어 인식기(7)는 표 1 에 표시된 상기 40 개 음소를 나타내는 HMM 모델을 갖는 부-단어 모델 메모리(8)와 관계된다. 모델 메모리(8)는 복수의 부-단어 각각에 대한 필드(81, 82,...)를 포함한다. 예를 들어, 상기 부-단어 인식기는 음소를 인식하도록 고안되고 그 결과 필드는 각 음소에 대한 상기 모델 메모리내에 제공된다.
부-단어 인식기(7)는 메모리(8)내의 각 필드를 순차적으로 독출하도록 배치되어, 각각에 대해 현재의 입력 특징 계수집합을 사용하여, 상기 입력 특징집합이 대응하는 필드에 상당하는 확률을 계산한다. 가장 개연성이 있는 부-단어 모델을 표시하는 신호가 출력되고 단어 메모리(10)에 기억된다. 따라서 하나의 발성에 대해 단어 메모리(10)는 부-단어 인식기에 의해 입력음성을 가장 밀접하게 표현하는 것으로 간주되는 기준 부-단어의 시퀀스를 표시하는 부호화된 표현(coded representation)을 기억한다.
이 계산은 S J Cox 가 British Telecom Technology Journal Vol6 No.2 1988년 4월 "Hidden Markov Model for Automatic Speech Recognition: Theory andApplication" 에 서술한 잘 알려진 HMM 을 사용한다. 일반적으로, 상기 부-단어 인식기(7)가 수행하는 상기 HMM 처리는 잘 알려진 Vitervi 알고리즘을 사용한다. 상기 부-단어 인식기(7)는 예를 들어, 인텔(TM)i-486(TM)마이크로프로세서 또는 모토롤라(TM)68000 마이크로프로세서 등의 마이크로프로세서나 또는 선택적으로 DSP 디바이스(예를 들어 상기 특징 유도기(6)과 동일한 DSP 디바이스)가 될 수 있다.
앞서 설명한 바와 같이 상기 부-단어 인식기와 관련된 상기 부-단어 모델은 화자 독립 방법으로 얻어진다. 따라서, 상기 부-단어 인식기(7)에 의해 생성된 부호화된 표현들은 부호화된 표현들이 어떻게 주어진 사용자가 단어를 발음하는가에 대한 음소표현을 나타내는 정도까지만 화자 종속이다.
부-단어 인식기(7)는 생성될 수도 있는 부-단어 유닛의 가능 시퀀스에 거의 또는 전혀 속박(constraint)을 가하지 않는 인식 네트워크을 갖는다. 느슨하게 속박된 네트워크의 예를 도 3 에 나타낸다. 이 네트워크는 잡음에 의해 구속된 음소의 단일의 연결된 시퀀스를 인식하는 것이 가능하다. 음소 시퀀스는 완전히 속박되지 않게되고 작동 언어 (이 예에서는 영어를 기술하고 있다) 에서 생성되지 않는 음소 시퀀스가 생성될 수도 있다.
도 3 에 도시된 인식 네트워크는 완전히 속박되지 않은 네트워크, 즉 상기 음소 모델의 전후에 잡음없는 모델 네트워크보다 전화 음성(telephonic speech)에 대해 보다 양호한 표기를 제공한다. 상기 네트워크는 음소 다음의 잡음, 이 잡음 뒤의 음소는 허용하지 않는다. 실제 시스템에 대해 이것의 중요성은 고립된 단어또는 연결된 어구들에 대해 시스템의 정확도를 향상시킬 수 있으나 사용자가 단어 사이에 간격(gap)을 두고 어구를 말하는 경우에는 문제가 생기게 된다. 예를 들어, 레퍼토리 다이얼러에서, 사용자가 "John Smith" 를 성과 이름 사이에 간격없이 말을 한다면 문법의 이 형식은 어떠한 문제도 발생하지 않을 것이다. 그러나, 사용자가 간격을 두고 말을 한다면 문제가 발생하게 된다. 그러나, 부-단어 인식기의 인식 네트워크는 예를 들어 고립된 단어, 연결된 단어 등 시스템의 요구를 충족시키도록 설계된다.
서비스를 처음 사용할 때, 이용장치는 사용자가 인식기의 어휘에 추가시키고자 하는 단어를 사용자가 제공하도록 제촉한다(prompt). 이용장치로부터의 가청 프롬프트에 응답하여, 사용자는 마이크를 통해 선택된 단어를 말한다. 레퍼토리 다이얼링 시스템에서, 이 단어는 상기 사용자가 통화를 원하는 "Jane" 같은 사람의 이름일 수 도 있다.
어휘 생성기는 입력으로부터의 특징을 유도하는데, 이것은 부-단어 인식기 (7)에 제공된다. 입력음성을 수신하면, 메모리(8)내의 모델과의 정합성이 이루어진다. 도 3 에 도시된 인식 네트워크를 갖는 부-단어 인식기(7)는 말로 표현된 입력(spoken input)의 부호화된 표현을 생성하고, 이 부호화된 표현은 상기 입력음성과 가장 유사한 모델의 시퀀스를 식별한다. 따라서 상기 입력음성의 음소 표기가 생성된다. 그러면 상기 훈련 발성의 발생된 부호화된 표현(the generated coded representation of the training utterance)은 메모리(10)에 기억된다. 그러면 사용자는 상기 입력을 반복하도록 촉구받아서 상기 입력음성의 더욱 견고한표현(robust representation)이 형성된다.
실험을 통해서, 단 한번의 훈련 발성으로는 87.8% 의 정확도가 성취되지만, 훈련 발성을 세 번 하면 정확도가 93.7% 로 크게 증가하게 됨을 알 수 있었다. 명백하게, 성능이 좋지 못한 전화선은 상기 생성 결과에 상당한 영향을 미칠 것이다. 세 번의 훈련 발성이 제공되었을 때 얻어진 정확도는 부-단어 표현 대신 텍스트 입력으로부터의 이상적인 수신된 발음 표기(idealised Received Pronunciation transcription)가 사용되었을 때보다도 높다. 수신된 발음 (Received Pronunciation)은 표준 남부 영국 액센트를 갖는 발음이다.
계속해서, 첨가될 추가 단어가 있는지에 대해 묻는 추가 프롬프트(further prompt)가 사용자에게 부여된다. 만일 사용자가 긍적적인 응답(예를 들어 미리 지정된 DTMF 키를 사용함)을 하면, 상기 인식 처리는 다음 단어에 대해 반복된다. 만일 사용자가 부정적인 응답을 하면, 시스템은 인식 모드로 전환된다. 다시 말해서 음성 인식기(3)가 작동된다. 각 부가 어휘 아이템에 대해 기준 부-단어 표현의 시퀀스를 식별하는 부호화된 표현이 메모리(10)에 기억된다.
상기 어휘의 원하는 단어 각각에 대해 표현들이 일단 생성된면, 상기 어휘는 음성 인식기(3)에 의해 사용될 수 있게 된다. 도 4 는 음성 인식기(3)의 소자들을 보여주고 있다. 음성 인식기(3)는 특징 유도기(6'), 부-단어 모델 메모리(8'), 및 어휘 생성기(9)에 의해 생성된 부호화된 표현의 메모리(10)를 포함한다. 네트워크 생성기(12)가 메모리(10)와 결합되고, 상기 부호화된 표현에 의해 표현된 기준 부-단어 표현의 시퀀스에 의해 구성된 인식 네트워크를 형성한다. 이러한 네트워크는 상기 메모리(10)에서의 상기 각 부호화된 표현들을 도 5 에 도시되어 있는 것처럼 상기 네트워크의 병렬 선택으로 결합하는 것, 또는 상기 부호화된 표현을 도 6 에 도시되어 있는 것처럼 트리 구조로 결합하는 것 등으로 발생되기도 하며, 음소의 시퀀스를 보이고 있는 상기 두 예 모두 "여섯" 및 "일곱" 단어의 발성으로 식별된다.
인식이 되는 동안, 입력 음성 신호는 상기 특징 유도 수단(6')을 지나고 상기 특징들은 상기 네트워크 생성기(12)에 의해 구성된 상기 네트워크와 결합된 인식기(16)를 통과한다. 미지의 입력 음성이 구성된 네트워크와 비교되고 미지의 입력음성과 상기 네트워크 가지중 하나 사이에 가까운 정합성이 발견되면 상기 인식기로부터 한 신호가 출력되어 상기 단어 또는 어구는 상기 부호화된 표현에 의해 표현된다. 일단 인식이 되면, 상기 이용장치(4)는 예를 들어 레퍼토리 다이얼링 서비스 및 상기 인식기(16)가 상기 "Jane" 이라는 단어를 인식하는 것으로 간주하게 되는 서비스에 따라 적절한 다음 단계를 취하고, 상기 이용장치는 상기 "Jane" 이라는 이름과 결합한 번호를 다이얼하게 된다.
도 7 은 본 발명의 제2 실시예를 설명하고 있다. 도 2 및 도 3 은 어휘 생성기(9) 및 음성 인식기(3)를 별개의 구성요소인 것으로 나타내고 있는데 반하여, 도 7 은 어휘 생성기 및 음성 인식기(3)이 음성 인식장치(20) 내부에 결합된 것을 보여주고 있다. 어휘 생성기(9)와 인식기(16)는 공통 구성요소 즉, 특징 유도기(6), 부-단어 모델 메모리(8) 및 사용자 선택 단어 메모리(10)를 공유한다. 음성 인식장치(20)는 미리 정의된 단어 메모리(14)를 추가로 포함하고, 이메모리(14)는 의도적으로 이용장치에 적합한 미리 정의된 단어의 음소 표기의 미리 정의된 부호화된 표현을 기억한다. 예를 들어, 레퍼토리 다이얼링 시스템에서는 상기 미리 정의된 단어들로는 0 에서 9 까지의 숫자, "dial", "no", "yes" 및 "add" 등이 있을 수 있다.
음성 인식장치(20)는 보통 인식 모드 즉, 입력 음성 신호가 인식기(16)에 전송되는 모드이다. 이용자가 시스템 어휘에 단어를 첨가하고자 하면, 이용자는 "첨가(add)" 라는 단어를 말한다. 이 신호는 특징 유도기(6, 또는 특징 추출기 (feature extractor))에 전송되고 상기 특징은 인식기(16)에 전송된다. 상기 네트워크 생성기(12)는 상기 메모리(14,10)(처음에는 메모리(10)에 어떠한 단어도 기억되어 있지 않음)내에 표현되어 있는 모든 단어들로 이루어진 네트워크를 생성한다. 인식기(16)는 입력을 네트워크와 정합시키고 상기 입력을 상기 단어 "add" 로 인식하고 응답으로서 상기 입력을 어휘 생성기(9)에 전환시킴으로서 훈련 모드에 들어간다.
계속해서, 전 실시예에서와 같이 이용자는 시스템의 어휘에 첨가될 이름을 말함으로서 절차를 수행한다. 어휘 생성기(9)의 부-단어 인식기(7)는 사용자 선택 메모리(10)내의 기억을 위해 부호화된 표현을 생성한다. 그러나 이용자는 "yes" 및 "no" 를 말하는 것으로 이용장치의 프롬프트에 응답할 수 있어서 특정 응답을 기대할 때 입력신호는 인식기(16)로 전환된다.
이용자가 원하는 단어를 선택하고 나면, 네트워크 생성기(12)에 의해 생성된 후속 네트워크(subsequent network)는 메모리(14)로부터 미리정의된 단어 및 메모리(10)로부터 사용자 선택 단어를 결합한다. 결과로서 인식기는, 단어의 일부가 이용자의 음성으로부터 유도된 음소 시퀀스에 의해 정의도고 일부 단어는 다른 소스로부터 유도된 시퀀스에 의해 미리 정의되는 문법을 갖는다. 두 메모리로부터의 단어는, 예를 들어 "dial" 단어가 미리 정의되면 결합될 수 있고, 상기 인식 네트워크는 선택된 단어 각각과 "dial"을 결합하도록 구성될 수 있어 시스템 문법은 미리 정의된 "dial"과 사용자 선택 "Jane"으로부터 연결된 음성 "dial Jane"을 허용한다.
어휘의 50%가 미리 정의된 음성 인식장치는 단 한번의 훈련 발성이 주어지는 때 완전한 이용자 선택 어휘와 비슷한 정확도를 갖는다. 그러나 상기 장치의 정확도는 3 번의 훈련 발성이 제공되었을 때 완전한 사용자 선택 어휘보다 현저하게 열화된다.
따라서, 본 발명의 다른 실시예에서, 상기 음성 인식기(20)는 훈련 모드동안 정의된 메모리(10)에 복수의 사용자 선택 단어와 미리 정의된 메모리(14)에 복수의 미리 정의된 단어를 갖는다. 특징을 특징 유도수단(6)으로부터 부-단어 인식기 (7)와 인식기(16)에 전송함으로서 상기 장치의 이용중에 미리 정의된 단어의 부-단어 표현이 이용자의 입력 음성으로부터 생성된다. 발성을 위해 부-단어 인식기에 의해 생성된 부호화된 표현은 메모리(10)에 첨가된다. 후속 발성은 메모리(14)에 기억된 표현보다 메모리(10)에 기억된 표현들과 정합되어서, 그 결과 미리 정의된 단어의 인식에서 정확도가 향상된다.
Claims (25)
- 음성 인식 장치용 어휘 생성방법에 있어서,단어를 나타내는 입력 음성 신호를 수신하는 단계,상기 수신된 음성 신호로부터 특징 샘플을 유도하는 단계,상기 특징 샘플을 기준 부-단어 인식의 허용가능한 시퀀스와 비교하는 단계,상기 수신된 음성 신호와 가장 유사한 상기 기준 부-단어 인식의 허용가능한 시퀀스를 식별하는 단계와 이것으로부터 부호화된 표현을 생성하는 단계, 및후속하는 다른 음성 신호의 인식을 위해 상기 단어의 상기 생성된 부호화된 표현을 기억하는 단계를 포함하고,상기 하나 이상의 부-단어 인식은 하나 이상의 특징 샘플의 시퀀스를 나타낼 수 있는 것을 특징으로 하는 어휘 생성방법.
- 제 1 항에 있어서,상기 기준 부-단어 표현의 모든 가능한 시퀀스는 허용가능한 것을 특징으로 하는 어휘 생성방법.
- 제 1 항에 있어서,상기 부-단어 표현의 허용가능한 시퀀스는 노이즈를 나타내는 부-단어 표현 다음에 음성을 나타내는 부-단어 표현 그 다음에 노이즈를 나타내는 부-단어 표현을 포함하는 시퀀스에 속박되는 것을 특징으로 하는 어휘 생성방법.
- 제 1 항에 있어서,상기 수신된 음성 신호와 가장 유사한 상기 기준 부-단어 표현의 허용가능한 시퀀스를 식별하는 단계는 이전 부-단어 표현(previous sub-word representation) 이후의 부-단어 표현의 변이 가능성을 각각 나타내는 기억 파라미터의 고려를 포함하는 것을 특징으로 하는 어휘 생성방법.
- 제 1 항 내지 제 4 항중 어느 한 항에 있어서,하나 이상의 기억된 부-단어 표현으로부터 인식 네트워트를 생성하는 단계를 추가로 포함하고, 상기 네트워크는 상기 생성된 어휘에서 부-단어 표현의 허용가능한 시퀀스를 나타내는 것을 특징으로 하는 어휘 생성방법.
- 제 1 항 내지 제 4 항중 어느 한 항에 있어서,상기 부-단어 인식은 통계 모델인 것을 특징으로 하는 어휘 생성방법.
- 제 1 항 내지 제 4 항중 어느 한 항에 있어서,상기 부-단어 표현은 은닉 마르코프 모델인 것을 특징으로 하는 어휘 생성방법.
- 입력 음성 신호로부터 어휘를 생성하기 위한 어휘 생성 장치(9)에 있어서,복수의 기준 부-단어 표현을 수용하는 메모리(8),상기 입력 음성 신호를 수신하고 특징 샘플을 생성하기 위해 작동가능한 특징 유도기(2),상기 생성된 특징 샘플을 수신하기 위해 연결된 인식기(7)로서, 부-단어 표현의 허용가능한 시퀀스의 어휘를 갖는 상기 인식기, 및후속하는 다른 음성 신호의 인식을 위해 상기 입력 음성 신호의 부호화된 표현을 기억하는 메모리(10)를 포함하고,상기 하나 이상의 부-단어 표현은 하나 이상의 특징 샘플의 시퀀스를 나타낼 수 있고,상기 인식기는 상기 수신된 특징 샘플을 상기 기준 부-단어 표현의 허용가능한 시퀀스와 비교하고,상기 입력 음성 신호와 가장 유사한 기준 부-단어 표현의 허용가능한 시퀀스를 식별함으로서 상기 부호화된 표현을 생성하기 위해 작동되는 것을 특징으로 하는 어휘 생성장치.
- 제 8 항에 있어서,입력 음성 신호를 메모리(10)내의 부호화된 표현과 비교하고 인식을 나타내는 신호를 출력하는 인식기(16)를 추가로 포함하는 것을 특징으로 하는 어휘 생성장치.
- 제 9 항에 있어서,부호화된 표현은 상기 제 1 메모리에 기억된 상기 부호화된 표현과 다른 방식으로 생성되는 단어의 부호화된 표현의 제 2 메모리(14)를 추가로 포함하는 것을 특징으로 하는 어휘 생성장치.
- 제 10 항에 있어서,상기 단어의 부호화된 표현은 상기 기준 부-단어 표현의 시퀀스를 식별하는 것을 특징으로 하는 어휘 생성장치.
- 제 8 항 내지 제 11 항 중 어느 한 항에 있어서,상기 어휘가 노이즈를 나타내는 부-단어 표현 다음에 음성을 나타내는 부-단어 표현 그 다음에 노이즈를 나타내는 부-단어 표현을 포함하는 부-단어 표현의 시퀀스를 정의하는 것을 특징으로 하는 어휘 생성장치.
- 제 8 항 내지 제 11 항 중 어느 한 항에 있어서,상기 어휘는 모든 가능한 부-단어 표현의 시퀀스를 정의하는 것을 특징으로 하는 어휘 생성장치.
- 제 8 항 내지 제 11 항 중 어느 한 항에 있어서,상기 수신 음성 신호오 가장 유사한 상기 기준 부-단어 표현의 허용가능한 시퀀스의 생성은 이전 부-단어 표현 이후에 부-단어 표현의 변이 가능성을 각각 나타내는 기억된 파라미터를 참작하는 것을 포함하는 것을 특징으로 하는 어휘 생성장치.
- 제 8 항 내지 제 11 항 중 어느 한 항에 있어서,상기 부-단어 표현은 통계 모델인 것을 특징으로 하는 어휘 생성장치.
- 제 8 항 내지 제 11 항 중 어느 한 항에 있어서,상기 부-단어 표현은 은닉 마른코프 모델인 것을 특징으로 하는 어휘 생성장치.
- 제 12 항에 있어서,상기 수신 음성 신호오 가장 유사한 상기 기준 부-단어 표현의 허용가능한 시퀀스의 생성은 이전 부-단어 표현 이후에 부-단어 표현의 변이 가능성을 각각 나타내는 기억된 파라미터를 참작하는 것을 포함하는 것을 특징으로 하는 어휘 생성장치.
- 제 13 항에 있어서,상기 수신 음성 신호오 가장 유사한 상기 기준 부-단어 표현의 허용가능한시퀀스의 생성은 이전 부-단어 표현 이후에 부-단어 표현의 변이 가능성을 각각 나타내는 기억된 파라미터를 참작하는 것을 포함하는 것을 특징으로 하는 어휘 생성장치.
- 제 12 항에 있어서,상기 부-단어 표현은 통계 모델인 것을 특징으로 하는 어휘 생성장치.
- 제 13 항에 있어서,상기 부-단어 표현은 통계 모델인 것을 특징으로 하는 어휘 생성장치.
- 제 14 항에 있어서,상기 부-단어 표현은 통계 모델인 것을 특징으로 하는 어휘 생성장치.
- 제 12 항에 있어서,상기 부-단어 표현은 은닉 마른코프 모델인 것을 특징으로 하는 어휘 생성장치.
- 제 13 항에 있어서,상기 부-단어 표현은 은닉 마른코프 모델인 것을 특징으로 하는 어휘 생성장치.
- 제 14 항에 있어서,상기 부-단어 표현은 은닉 마른코프 모델인 것을 특징으로 하는 어휘 생성장치.
- 제 15 항에 있어서,상기 부-단어 표현은 은닉 마른코프 모델인 것을 특징으로 하는 어휘 생성장치.
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
EP94308023 | 1994-11-01 | ||
EP94308023.4 | 1994-11-01 |
Publications (2)
Publication Number | Publication Date |
---|---|
KR970707529A KR970707529A (ko) | 1997-12-01 |
KR100383353B1 true KR100383353B1 (ko) | 2003-10-17 |
Family
ID=8217896
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1019970702853A KR100383353B1 (ko) | 1994-11-01 | 1995-11-01 | 음성인식장치및음성인식장치용어휘발생방법 |
Country Status (17)
Country | Link |
---|---|
US (1) | US6389395B1 (ko) |
EP (1) | EP0789901B1 (ko) |
JP (1) | JPH10507536A (ko) |
KR (1) | KR100383353B1 (ko) |
CN (1) | CN1121680C (ko) |
AU (1) | AU707355B2 (ko) |
CA (1) | CA2202656C (ko) |
DE (1) | DE69514382T2 (ko) |
DK (1) | DK0789901T3 (ko) |
ES (1) | ES2143079T3 (ko) |
FI (1) | FI971822A (ko) |
HK (1) | HK1002787A1 (ko) |
MX (1) | MX9703138A (ko) |
NO (1) | NO309750B1 (ko) |
NZ (1) | NZ294659A (ko) |
PT (1) | PT789901E (ko) |
WO (1) | WO1996013827A1 (ko) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2007016509A1 (en) * | 2005-08-01 | 2007-02-08 | Kazuaki Uekawa | A system of sound representation and pronunciation techniques for english and other european languages |
Families Citing this family (44)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2000022609A1 (en) * | 1998-10-13 | 2000-04-20 | Telefonaktiebolaget Lm Ericsson (Publ) | Speech recognition and control system and telephone |
JP2000187435A (ja) * | 1998-12-24 | 2000-07-04 | Sony Corp | 情報処理装置、携帯機器、電子ペット装置、情報処理手順を記録した記録媒体及び情報処理方法 |
CN1343337B (zh) * | 1999-03-05 | 2013-03-20 | 佳能株式会社 | 用于产生包括音素数据和解码的字的注释数据的方法和设备 |
JP3689670B2 (ja) * | 1999-10-28 | 2005-08-31 | キヤノン株式会社 | パターン整合方法及び装置 |
US7310600B1 (en) | 1999-10-28 | 2007-12-18 | Canon Kabushiki Kaisha | Language recognition using a similarity measure |
US6882970B1 (en) | 1999-10-28 | 2005-04-19 | Canon Kabushiki Kaisha | Language recognition using sequence frequency |
GB0011798D0 (en) * | 2000-05-16 | 2000-07-05 | Canon Kk | Database annotation and retrieval |
GB0015233D0 (en) | 2000-06-21 | 2000-08-16 | Canon Kk | Indexing method and apparatus |
GB0023930D0 (en) | 2000-09-29 | 2000-11-15 | Canon Kk | Database annotation and retrieval |
GB0027178D0 (en) * | 2000-11-07 | 2000-12-27 | Canon Kk | Speech processing system |
GB0028277D0 (en) | 2000-11-20 | 2001-01-03 | Canon Kk | Speech processing system |
US20030009331A1 (en) * | 2001-07-05 | 2003-01-09 | Johan Schalkwyk | Grammars for speech recognition |
US20030115169A1 (en) * | 2001-12-17 | 2003-06-19 | Hongzhuan Ye | System and method for management of transcribed documents |
US6990445B2 (en) * | 2001-12-17 | 2006-01-24 | Xl8 Systems, Inc. | System and method for speech recognition and transcription |
US7181398B2 (en) * | 2002-03-27 | 2007-02-20 | Hewlett-Packard Development Company, L.P. | Vocabulary independent speech recognition system and method using subword units |
US20030200094A1 (en) * | 2002-04-23 | 2003-10-23 | Gupta Narendra K. | System and method of using existing knowledge to rapidly train automatic speech recognizers |
US7206738B2 (en) * | 2002-08-14 | 2007-04-17 | International Business Machines Corporation | Hybrid baseform generation |
DE10244169A1 (de) * | 2002-09-23 | 2004-04-01 | Infineon Technologies Ag | Spracherkennungseinrichtung, Steuereinrichtung und Verfahren zum rechnergestützten Ergänzen eines elektronischen Wörterbuches für eine Spracherkennungseinrichtung |
AU2003272871A1 (en) * | 2002-10-18 | 2004-05-04 | Beijing Kexin Technology Co., Ltd. | Portable digital mobile communication apparatus, method for controlling speech and system |
US7149688B2 (en) * | 2002-11-04 | 2006-12-12 | Speechworks International, Inc. | Multi-lingual speech recognition with cross-language context modeling |
JP4072718B2 (ja) * | 2002-11-21 | 2008-04-09 | ソニー株式会社 | 音声処理装置および方法、記録媒体並びにプログラム |
US20040230431A1 (en) * | 2003-05-14 | 2004-11-18 | Gupta Sunil K. | Automatic assessment of phonological processes for speech therapy and language instruction |
US7302389B2 (en) * | 2003-05-14 | 2007-11-27 | Lucent Technologies Inc. | Automatic assessment of phonological processes |
US7373294B2 (en) * | 2003-05-15 | 2008-05-13 | Lucent Technologies Inc. | Intonation transformation for speech therapy and the like |
US20040243412A1 (en) * | 2003-05-29 | 2004-12-02 | Gupta Sunil K. | Adaptation of speech models in speech recognition |
JP4943335B2 (ja) * | 2004-09-23 | 2012-05-30 | コーニンクレッカ フィリップス エレクトロニクス エヌ ヴィ | 話者に依存しない堅牢な音声認識システム |
US7697827B2 (en) | 2005-10-17 | 2010-04-13 | Konicek Jeffrey C | User-friendlier interfaces for a camera |
US7774202B2 (en) * | 2006-06-12 | 2010-08-10 | Lockheed Martin Corporation | Speech activated control system and related methods |
US8386248B2 (en) * | 2006-09-22 | 2013-02-26 | Nuance Communications, Inc. | Tuning reusable software components in a speech application |
US7881932B2 (en) * | 2006-10-02 | 2011-02-01 | Nuance Communications, Inc. | VoiceXML language extension for natively supporting voice enrolled grammars |
US8751230B2 (en) * | 2008-06-27 | 2014-06-10 | Koninklijke Philips N.V. | Method and device for generating vocabulary entry from acoustic data |
US20110184736A1 (en) * | 2010-01-26 | 2011-07-28 | Benjamin Slotznick | Automated method of recognizing inputted information items and selecting information items |
US20110224982A1 (en) * | 2010-03-12 | 2011-09-15 | c/o Microsoft Corporation | Automatic speech recognition based upon information retrieval methods |
US20120116764A1 (en) * | 2010-11-09 | 2012-05-10 | Tze Fen Li | Speech recognition method on sentences in all languages |
GB2513821A (en) * | 2011-06-28 | 2014-11-12 | Andrew Levine | Speech-to-text conversion |
US8781825B2 (en) * | 2011-08-24 | 2014-07-15 | Sensory, Incorporated | Reducing false positives in speech recognition systems |
US9135912B1 (en) * | 2012-08-15 | 2015-09-15 | Google Inc. | Updating phonetic dictionaries |
TWI536366B (zh) | 2014-03-18 | 2016-06-01 | 財團法人工業技術研究院 | 新增口說語彙的語音辨識系統與方法及電腦可讀取媒體 |
US9607618B2 (en) * | 2014-12-16 | 2017-03-28 | Nice-Systems Ltd | Out of vocabulary pattern learning |
US10719115B2 (en) * | 2014-12-30 | 2020-07-21 | Avago Technologies International Sales Pte. Limited | Isolated word training and detection using generated phoneme concatenation models of audio inputs |
KR102509821B1 (ko) * | 2017-09-18 | 2023-03-14 | 삼성전자주식회사 | Oos 문장을 생성하는 방법 및 이를 수행하는 장치 |
CN109074804B (zh) * | 2018-07-18 | 2021-04-06 | 深圳魔耳智能声学科技有限公司 | 基于口音的语音识别处理方法、电子设备和存储介质 |
CN109074808B (zh) * | 2018-07-18 | 2023-05-09 | 深圳魔耳智能声学科技有限公司 | 语音控制方法、中控设备和存储介质 |
CN112951270B (zh) * | 2019-11-26 | 2024-04-19 | 新东方教育科技集团有限公司 | 语音流利度检测的方法、装置和电子设备 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0590173A1 (de) * | 1992-09-28 | 1994-04-06 | International Business Machines Corporation | Computersystem zur Spracherkennung |
Family Cites Families (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4489434A (en) | 1981-10-05 | 1984-12-18 | Exxon Corporation | Speech recognition method and apparatus |
US5129000A (en) * | 1986-04-05 | 1992-07-07 | Sharp Kabushiki Kaisha | Voice recognition method by analyzing syllables |
US4903305A (en) * | 1986-05-12 | 1990-02-20 | Dragon Systems, Inc. | Method for representing word models for use in speech recognition |
US4866778A (en) * | 1986-08-11 | 1989-09-12 | Dragon Systems, Inc. | Interactive speech recognition apparatus |
US4837831A (en) * | 1986-10-15 | 1989-06-06 | Dragon Systems, Inc. | Method for creating and using multiple-word sound models in speech recognition |
US5129001A (en) * | 1990-04-25 | 1992-07-07 | International Business Machines Corporation | Method and apparatus for modeling words with multi-arc markov models |
US5181237A (en) | 1990-10-12 | 1993-01-19 | At&T Bell Laboratories | Automation of telephone operator assistance calls |
US5465318A (en) * | 1991-03-28 | 1995-11-07 | Kurzweil Applied Intelligence, Inc. | Method for generating a speech recognition model for a non-vocabulary utterance |
DE4111781A1 (de) * | 1991-04-11 | 1992-10-22 | Ibm | Computersystem zur spracherkennung |
US5502790A (en) * | 1991-12-24 | 1996-03-26 | Oki Electric Industry Co., Ltd. | Speech recognition method and system using triphones, diphones, and phonemes |
CA2088080C (en) * | 1992-04-02 | 1997-10-07 | Enrico Luigi Bocchieri | Automatic speech recognizer |
US5297183A (en) * | 1992-04-13 | 1994-03-22 | Vcs Industries, Inc. | Speech recognition system for electronic switches in a cellular telephone or personal communication network |
WO1994014270A1 (en) * | 1992-12-17 | 1994-06-23 | Bell Atlantic Network Services, Inc. | Mechanized directory assistance |
US5390279A (en) * | 1992-12-31 | 1995-02-14 | Apple Computer, Inc. | Partitioning speech rules by context for speech recognition |
US5384892A (en) * | 1992-12-31 | 1995-01-24 | Apple Computer, Inc. | Dynamic language model for speech recognition |
US5488652A (en) * | 1994-04-14 | 1996-01-30 | Northern Telecom Limited | Method and apparatus for training speech recognition algorithms for directory assistance applications |
US5710864A (en) * | 1994-12-29 | 1998-01-20 | Lucent Technologies Inc. | Systems, methods and articles of manufacture for improving recognition confidence in hypothesized keywords |
US5717826A (en) * | 1995-08-11 | 1998-02-10 | Lucent Technologies Inc. | Utterance verification using word based minimum verification error training for recognizing a keyboard string |
-
1995
- 1995-11-01 MX MX9703138A patent/MX9703138A/es unknown
- 1995-11-01 WO PCT/GB1995/002563 patent/WO1996013827A1/en active IP Right Grant
- 1995-11-01 US US08/817,072 patent/US6389395B1/en not_active Expired - Lifetime
- 1995-11-01 KR KR1019970702853A patent/KR100383353B1/ko not_active IP Right Cessation
- 1995-11-01 DE DE69514382T patent/DE69514382T2/de not_active Expired - Lifetime
- 1995-11-01 CA CA002202656A patent/CA2202656C/en not_active Expired - Lifetime
- 1995-11-01 EP EP95935526A patent/EP0789901B1/en not_active Expired - Lifetime
- 1995-11-01 CN CN95195955A patent/CN1121680C/zh not_active Expired - Lifetime
- 1995-11-01 DK DK95935526T patent/DK0789901T3/da active
- 1995-11-01 NZ NZ294659A patent/NZ294659A/xx not_active IP Right Cessation
- 1995-11-01 JP JP8513513A patent/JPH10507536A/ja active Pending
- 1995-11-01 AU AU37516/95A patent/AU707355B2/en not_active Expired
- 1995-11-01 ES ES95935526T patent/ES2143079T3/es not_active Expired - Lifetime
- 1995-11-01 PT PT95935526T patent/PT789901E/pt unknown
-
1997
- 1997-04-29 FI FI971822A patent/FI971822A/fi unknown
- 1997-04-30 NO NO972026A patent/NO309750B1/no not_active IP Right Cessation
-
1998
- 1998-02-20 HK HK98101344A patent/HK1002787A1/xx not_active IP Right Cessation
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0590173A1 (de) * | 1992-09-28 | 1994-04-06 | International Business Machines Corporation | Computersystem zur Spracherkennung |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2007016509A1 (en) * | 2005-08-01 | 2007-02-08 | Kazuaki Uekawa | A system of sound representation and pronunciation techniques for english and other european languages |
Also Published As
Publication number | Publication date |
---|---|
CA2202656C (en) | 2002-01-01 |
FI971822A0 (fi) | 1997-04-29 |
AU707355B2 (en) | 1999-07-08 |
JPH10507536A (ja) | 1998-07-21 |
HK1002787A1 (en) | 1998-09-18 |
EP0789901A1 (en) | 1997-08-20 |
CN1121680C (zh) | 2003-09-17 |
NO972026L (no) | 1997-04-30 |
ES2143079T3 (es) | 2000-05-01 |
PT789901E (pt) | 2000-04-28 |
DK0789901T3 (da) | 2000-06-19 |
FI971822A (fi) | 1997-04-29 |
NZ294659A (en) | 1999-01-28 |
WO1996013827A1 (en) | 1996-05-09 |
NO309750B1 (no) | 2001-03-19 |
NO972026D0 (no) | 1997-04-30 |
MX9703138A (es) | 1997-06-28 |
KR970707529A (ko) | 1997-12-01 |
DE69514382T2 (de) | 2001-08-23 |
EP0789901B1 (en) | 2000-01-05 |
US6389395B1 (en) | 2002-05-14 |
DE69514382D1 (de) | 2000-02-10 |
CN1162365A (zh) | 1997-10-15 |
CA2202656A1 (en) | 1996-05-09 |
AU3751695A (en) | 1996-05-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR100383353B1 (ko) | 음성인식장치및음성인식장치용어휘발생방법 | |
US6041300A (en) | System and method of using pre-enrolled speech sub-units for efficient speech synthesis | |
US9502024B2 (en) | Methods, apparatus and computer programs for automatic speech recognition | |
US5791904A (en) | Speech training aid | |
KR970011022B1 (ko) | 구두 발성을 나타내는 입력 신호의 처리 방법 및 음성 인식 시스템 | |
US7716050B2 (en) | Multilingual speech recognition | |
EP1047046B1 (en) | Distributed architecture for training a speech recognition system | |
US6671669B1 (en) | combined engine system and method for voice recognition | |
WO2007117814A2 (en) | Voice signal perturbation for speech recognition | |
KR19980070329A (ko) | 사용자 정의 문구의 화자 독립 인식을 위한 방법 및 시스템 | |
US7072750B2 (en) | Method and apparatus for rejection of speech recognition results in accordance with confidence level | |
US10143027B1 (en) | Device selection for routing of communications | |
US20040006469A1 (en) | Apparatus and method for updating lexicon | |
KR20040038419A (ko) | 음성을 이용한 감정인식 시스템 및 감정인식 방법 | |
US20070129945A1 (en) | Voice quality control for high quality speech reconstruction | |
US20020095282A1 (en) | Method for online adaptation of pronunciation dictionaries | |
Furui | Robust methods in automatic speech recognition and understanding. | |
US11172527B2 (en) | Routing of communications to a device | |
Atal et al. | Speech research directions | |
US10854196B1 (en) | Functional prerequisites and acknowledgments | |
Juang et al. | Deployable automatic speech recognition systems: Advances and challenges | |
Zue et al. | Spoken language input | |
Söderquist | An application-independent speaker adaptation service | |
Ramabhadran et al. | Acoustics-based baseform generation with pronunciation and/or phonotactic models | |
Van Leeuwen | A speech recognition-based telephone auto-attendant |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A201 | Request for examination | ||
E902 | Notification of reason for refusal | ||
E701 | Decision to grant or registration of patent right | ||
GRNT | Written decision to grant | ||
FPAY | Annual fee payment |
Payment date: 20130409 Year of fee payment: 11 |
|
FPAY | Annual fee payment |
Payment date: 20140408 Year of fee payment: 12 |
|
EXPY | Expiration of term |