PT685835E - Reconhecimento de discurso baseado em hmms - Google Patents
Reconhecimento de discurso baseado em hmms Download PDFInfo
- Publication number
- PT685835E PT685835E PT95107651T PT95107651T PT685835E PT 685835 E PT685835 E PT 685835E PT 95107651 T PT95107651 T PT 95107651T PT 95107651 T PT95107651 T PT 95107651T PT 685835 E PT685835 E PT 685835E
- Authority
- PT
- Portugal
- Prior art keywords
- speech
- parameters
- spectral
- word
- hmm
- Prior art date
Links
- 230000003595 spectral effect Effects 0.000 claims abstract description 26
- 238000000034 method Methods 0.000 claims abstract description 16
- 238000004422 calculation algorithm Methods 0.000 claims description 17
- 239000013598 vector Substances 0.000 abstract description 24
- 238000013139 quantization Methods 0.000 abstract description 7
- 238000012549 training Methods 0.000 description 11
- 238000012795 verification Methods 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 3
- 238000002474 experimental method Methods 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 2
- 238000001228 spectrum Methods 0.000 description 2
- 230000007704 transition Effects 0.000 description 2
- 238000009795 derivation Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 230000004044 response Effects 0.000 description 1
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
- G10L15/14—Speech classification or search using statistical models, e.g. Hidden Markov Models [HMMs]
- G10L15/142—Hidden Markov Models [HMMs]
- G10L15/144—Training of HMMs
-
- 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
- G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
- G10L25/03—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 characterised by the type of extracted parameters
- G10L25/12—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 characterised by the type of extracted parameters the extracted parameters being prediction coefficients
-
- 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
- G10L25/03—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 characterised by the type of extracted parameters
- G10L25/18—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 characterised by the type of extracted parameters the extracted parameters being spectral information of each sub-band
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Multimedia (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Human Computer Interaction (AREA)
- Computational Linguistics (AREA)
- Acoustics & Sound (AREA)
- Probability & Statistics with Applications (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Compression, Expansion, Code Conversion, And Decoders (AREA)
- Electrophonic Musical Instruments (AREA)
- Transmission Systems Not Characterized By The Medium Used For Transmission (AREA)
- Navigation (AREA)
- Image Analysis (AREA)
- Telephone Function (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
Description
DESCRICÂQ EDÍarafe: "RECONHECIMENTO DE DISCURSO BASEADO EM HMMs" O problema que deve ser resolvido A precisão do reconhecimento de discurso de um orador independente é inadequada com os algoritmos actuais, especialmente quando o reconhecimento é feito através de linhas telefónicas de marcação. A precisão de um identificador de discurso significa a capacidade para reconhecer uma expressão oral por comparação com os modelos de palavras previamente computados no sistema.
Soluções actuais e as suas desvantagens
Tradicionalmente são utilizados, nos identificadores de discurso, os modelos ocultos de Markov (HMM - Hidden Markov models) que se baseiam na teoria das probabilidades. Durante a fase de reconhecimento é calculada a probabilidade de um certo modelo poder produzir a expressão oral. O modelo cuja probabilidade é maior é seleccionado como sendo a palavra reconhecida. A referência [2] representa um método de reconhecimento de discurso que utiliza a quantização de vectores (VQ) com HMMs, em vez de correspondência estatística de padrões. Durante a fase de reconhecimento, calcula-se o erro quadrado entre o modelo da palavra e a expressão oral dada. Os modelos de palavras são HMMs em que cada estado tem o seu próprio livro de códigos VQ. Cada livro de códigos VQ é calculado a partir dos dados de formação com o algoritmo de quantização de vector LBG [5], e contém os parâmetros de discurso típicos que ocorrem nesse estado. O modelo que origina o menor erro quadrado é escolhido como sendo a palavra reconhecida. O algoritmo de Viterbi modificado, que é utilizado no cálculo da distância também é apresentado em [2].
Um identificador de discurso, que utiliza HMMs com densidades de mistura contínuas, é apresentado em [3]. Este utiliza o cepstrum deduzido a partir da análise LPC e a sua derivada como parâmetros de discurso (derivada espectral). O vector, que é calculado a partir do discurso, contém informação a curto termo sobre as mudanças espectrais no sinal (via o cepstrum) e a derivada espectral de curto termo contém informação sobre o alcance de maior tempo (via o cepstrum delta). Ao adicionar a derivada espectral aos parâmetros de discurso, obtêm-se uma apresentação bidimensional mais precisa do sinal de discurso que varia no tempo (frequência e tempo). Segundo [3], isto aumenta a precisão de reconhecimento do modelo HMM que utiliza densidades de mistura continua.
No entanto, a exactidão do reconhecimento com ambos estes métodos é inadequada.
Um algoritmo patenteado [4], que é utilizado para verificação do orador, dá uma taxa de 1% de falsa rejeição e de reconhecimento falso quando utiliza números de zero a nove, para levar a cabo a verificação (a referência não menciona quantos números tem que dizer o utilizador durante o processo de verificação).
Invenção A ideia é combinar os métodos apresentados em [2] e [3], i.e., adicionar a derivada espectral apresentada em [3] aos parâmetros de discurso do algoritmo HMM-VQ em [2], e obter uma melhor precisão do reconhecimento. A invenção providencia um método de reconhecimento de discurso, como definido na reivindicação 1. O identificador de linguagem em [2], que utiliza uma medida de distorção VQ, é comparado com os conhecidos HMMs estatísticos que utilizam densidades de misturas descontínuas ou continuas, e a superioridade do HMM-VQ sobre o HMM tradicional é claramente demonstrada. Devido ao facto da utilização da derivada espectral nos HMMs estatísticos melhorar a precisão do reconhecimento, ao adicionar-se a derivada espectral ao modelo HMM-VQ, a precisão do reconhecimento pode ser ainda mais aperfeiçoada. As derivadas espectrais contêm informação sobre um período de tempo ainda maior. Ao combinar os dois conjuntos de parâmetros, pode obter-se uma maior taxa de reconhecimento do que se apenas se usar o espectro de discurso, tal como em [2]. Durante o processo de formação são calculados os livros de código VQ separadamente para o espectro do discurso e para as derivadas espectrais.
Quando se utilizaram dados de teste obtidos através de linhas telefónicas de marcação, a exactidão do reconhecimento foi superior em comparação com o método de [2]. Foram utilizados 100 oradores para formação e foram utilizados 25 oradores diferentes para a experiência. O vocabulário consistiu em onze palavras em Finlandês e obteve-se uma exactidão de 98,85%. Se fosse estabelecido um limiar, de modo a que a distância relativa entre a melhor palavra e a segunda melhor palavra fosse superior a 10%, antes que fosse reconhecida uma palavra válida, obter-se-ia uma exactidão de 100%, enquanto que 1,5% das entradas seriam rejeitadas. A referência dá uma precisão de reconhecimento de 100%, mas os dados de teste foram gravados através de um microfone de alta fidelidade. É muito mais difícil reconhecer o discurso, a partir de um telefone, devido à largura limitada da banda e devido ao facto das frequências das respostas das linhas telefónicas poderem variar imenso.
Exemplo de uma aplicação utilizando a invenção O método proposto pode ser utilizado para o reconhecimento do discurso da mesma maneira do que os HMMs estatísticos. As unidades de discurso a reconhecer podem ser palavras, fonemas, trífones, etc.
Por exemplo, a aplicação pode ser um sistema de voz, em que os comandos do menu são dados por alta voz em vez de através de botões («se quiser ouvir uma mensagem, pressione 3...»). O sistema é treinado para reconhecer um pequeno vocabulário de palavras de comando o qual é comparado com o discurso pronunciado pelo utilizador. O mesmo algoritmo pode ser utilizado para verificação do orador e experiências preliminares tiveram resultados promissores. Ao utilizar apenas uma palavra para verificação a taxa de erro foi 0.21%. O erro é calculado multiplicando o número de falsas rejeições e. de reconhecimentos falsos e obtendo a raiz quadrada do resultado [6]. Foram utilizados cinco oradores diferentes "verdadeiros" no teste, os quais foram comparados com 185 impostores. Os modelos de palavras foram calculados a partir de cinco repetições de uma palavra (compare-se isto com [4], em que se obtém menos de 1% de taxa de rejeições). A taxa de erro obtida em [6] foi de 3.2% e utilizaram-se amostras de discurso de alta qualidade na experiência. A capacidade para reconhecer o orador através do telefone é importante nas aplicações de correio de voz em que o telefone não pode enviar tons DTMF. Neste caso não existe nenhum método mais fiável para reconhecer aquele que chama do que a sua própria voz.
Descrição operacional
Apresenta-se seguidamente um método para reconhecimento de discurso independente de um orador descontínuo. O método de reconhecimento utiliza HMMs, com quantização de vectores para representar os parâmetros de discurso. O HMM é uma máquina de estado simples em que a transição pode apenas ocorrer para o estado corrente ou para o próximo estado. O diagrama de bloco das diferentes fases do reconhecimento do discurso é dado na Figura. 1. O novo identificador de discurso utiliza modelos HMM, de modo a que cada estado seja descrito por dois livros de códigos VQ diferentes. Um é obtido usando os parâmetros espectrais calculados com a análise PLP [1], e o outro é obtido usando os parâmetros de derivação espectrais.
Diferentes fases do reconhecimento 1. Análise do discurso O discurso a reconhecer é analisado com análise PLP [1] em partes de 30 mseg e utilizando intervalos de 15 mseg. A fase de análise dá os parâmetros do discurso cc^m), em que 1< m< 5, representando este intervalo de 15 mseg. O vector cc^m), no instante t, é ponderado com a janela Wc{m), que resulta em 4 cim) = cc&m) *Wc(m).
(D 2. 0 cálculo dos parâmetros A referência [3] descreve o modo como a utilização da derivada espectral melhora a exactidão do reconhecimento de um HMM estatístico. A derivada espectral significa a média ponderada dos parâmetros espectrais, obtidos a partir da fase de análise. A média é calculada sobre uma janela de tempo curta segundo a equação (2) k ACt(m) = [ Σ kc^/lm) ] * G, 1< m < 5, K= 2 (2) em que G é um factor de amplificação seleccionado de modo a que as variâncias dos vectores c^m) e Ac^m) sejam iguais. O valor aqui utilizado foi 0,2. Ao combinar estes dois vectores obtém-se um conjunto de parâmetros que descreve o intervalo de tempo / 0/ = { Ci(m), ACj(ni) } (3) o qual consiste em dez elementos. O conjunto de parâmetros do discurso é representado por C e o parâmetro da derivada espectral é representado por AC, i.e. C = {c/(/77)} e AC = { Ac^m)} (4) 3. Fase de treino
Os modelos de palavras são treinados separadamente para os parâmetros espectrais C e para os parâmetros da derivada espectral aC. Os modelos são treinados utilizando um algoritmo de quantização de vectores e o processo de treino encontra-se ilustrado na figura 2. 1. As amostras de discursos que são utilizadas para o treino são previamente analisadas por análise PLP e obtém-se C e aC. Estes vectores descrevem o discurso com intervalos de 15 mseg. Cada amostra de discurso analisada é em primeiro lugar dividida linearmente em estados, de modo a que cada estado tenha a mesma quantidade de vectores. Os estados correspondem aos estados num HMM. Se é necessário um HMM com oito estados, cada amostra de discurso analisada é dividida em oito partes de igual comprimento. Esta divisão linear dá um ponto de partida para o algoritmo de treino. 2. Um livro de códigos separado é calculado para cada estado num HMM. O algoritmo de quantização de vectores é aplicado a cada vector de cada estado e de cada amostra. Por exemplo, todos os vectores que pertencem ao primeiro estado, em cada amostra de discurso, são utilizados para criar o livro de códigos para o primeiro estado. O mesmo é feito para ao estados desde o segundo até ao oitavo. Os livros de códigos contêm um conjunto de vectores que dão o quadrado da distância mínima entre os vectores usados para o treino. Existem vários algoritmos para desenhar um quantizador de vectores; um método apresentado em [5] é aqui utilizado. 3. Quando são calculados os livros de códigos óptimos a partir dos vectores de treino, é calculada a distorção VQ de cada amostra de discurso em relação ao modelo. O somatório denota a «excelência» do modelo. Quanto menor fôr a distorsão total, melhor o modelo representa as palavras que foram usadas quando o modelo foi criado. 4. O somatório é comparado com o somatório obtido na iteração anterior. Se o somatório fôr maior do que o somatório anterior, o treino acaba.
5. Se o novo somatório é menor, as amostras de discurso são divididas num novo conjunto de estados e o processo de aprendizagem continua a partir do passo 2. A sequência óptima de estados é encontrada utilizando o algoritmo de Viterbi. E importante que as amostras de discurso sejam recolhidas a partir do mesmo ambiente em que se pretende utilizar o identificador. Se fôr necessário reconhecer o discurso por telefone, então os modelos de palavras têm que ser treinados com palavras recolhidas através do telefone. Se forem utilizados ambientes diferentes no treino e no reconhecimento, a precisão do reconhecimento degrada-se substancialmente. 4. O cálculo da distância É calculada a distância de uma palavra, entre o discurso proferido e o modelo da palavra. A distância D de cada modelo de palavra é calculada com o algoritmo de Viterbi modificado [2], segundo a seguinte equação. D = min Σ {d(Q, VQX1) + ά(Δρ, I/Q„) + d(xHf λ})} (5) x /=1
Em que x0Xi...Xl significa a sequência de estados de um HMM e VQxi representa o livro de códigos no estado x,. O número de estados do HMM é representado por 5, i.e., 1< Xj < S. L é o número de intervalos numa palavra. d^x,-i, x}) é zero se houver uma transição do estado xu para o estado x,; em todos os outros casos c{xí-i, x,,) = cc. d[Ci, VQXj) representa a menor distância entre os vectores c, e VQX, a qual é definida como c(clf VQxi) = min d^c,, vqj), vqj e VQxi. j 7 (6) (7) em que o(q, vqj) é definido como 5 dyCi, vqj) = Σ (¢(/77) - W7//77))2 m=l
Onde vqjé um componente no livro de códigos. O número de componentes de um livro de códigos VQxté uma potência de dois, normalmente 16 ou 32. A equação (7) calcula o erro quadrado menor entre o vector c,e o componente vqjúo livro de códigos. A equação (6) calcula o erro quadrado menor entre o vector c-, e o livro de códigos VQXj. Do mesmo modo, c{aq, VQxj) representa a menor distância entre os vectores aq e VQx,. O algoritmo de Viterbi dado em (5) é calculado recursiva mente de modo a que a distorção VQ seja adicionada ao mesmo tempo a ambos os conjuntos de parâmetros, i.e., o quadrado da menor distância calculada para os parâmetros espectrais e para os parâmetros da derivada espectral. Isto pode ser escrito como = min{g(j,t-l) + c{c/f VQ;) + c{Ac/f VQJ) + dUJ)} (8) D=g{S,L), t= 1,2,..., L ja j= 1,2,...,5.
Aqui está a ideia da invenção na forma matemática. O termo c^aq, VQJ) é adicionado ao algoritmo de Viterbi e a equação (8) é calculada para cada intervalo temporal ide 15mseg. Existe também a possibilidade de usar dois HMMs, em que o primeiro é calculado usando os parâmetros espectrais e em que o segundo é calculado usando os parâmetros espectrais derivados. Os resultados destes dois modelos são então adicionados com a ponderação adequada para obter o resultado final do reconhecimento. 8
Referências: [1] H. Hermansky, «Perceptual linear predictive (PLP) analysis of speech», Journal of acoustical Society of America», Vol. 87, n°4, Abril 1990, pp. 1738 - 1752.
[2] Nakagawa, S and Suzuki, Η., «A new speech recognition method based on VQ-distortion measure and HMM», ICASSP-93, pp. 11-676 - 11-679.
[3] L.R., Rabiner, Wilpon, J.G., and Soong, F. K., «High performance connected digit recognition usin hidden Markov models», IEEE Transactions on Acoustics Speech and Signal Processing, vol. 37, pp. 1214 - 1225, Agosto 1989.
[4] High Accuracy Speaker Verification System, Ensigma Ltd.
[5] Linde, Y., Buzo, A., Gray, R. M., »An algorithm for Vector Quantizer Design», IEEE Transactions on Communications, vol. COM-28, N°l, Janeiro 1980.
[6] Burton, D. K., «Text-Dependent Speaker Verification Using Vector Quantization Source Coding», IEEE Transactions on Acoustics Speech and Signal Processing, vol. ASSP-35, n°2, pp. 133 - 143, Fevereiro 1987.
Lisboa,
NOV«s ........^•^KliDADflNDU-SIRiAi.
Av.Duc^d-Aví·^ i^.vraUSBQA TEL 9
Claims (1)
- REIVINDICACAO 1- Um método de reconhecimento de discurso baseado em modelos ocultos de Markov (HMM) que utiliza a análise perceptual linear prenunciativa (PLP) para calcular os parâmetros de discurso do discurso proferido, em que se calcula a distorção VQ dos parâmetros de discurso a partir dos livros de códigos, em que os livros de códigos são gerados usando o algoritmo LBG, em que o modelo da palavra que tem a menor distorção VQ é seleccionado como sendo a palavra reconhecida, caracterizado pelo facto do algoritmo LBG ser utilizado para treinar os modelos de palavras separadamente para os parâmetros espectrais e para os parâmetros da derivada espectral e pelo facto de se utilizarem livros de códigos diferentes para ambos os conjuntos de parâmetros, os quais, por sua vez, são utilizados para modelar cada estado de um HMM. Lisboa, O AQLNTT OFICIAL DA PROPREDADt fOLfSTKIA;FRANCISCO Dl NCVAh AGí-N 1 [ O!'!('!/'.!. DA ΡΚΟΡβΙΓΟΛΙΧ ..VJS! WAL Av. Duque D' Av:U, ?.l V - DCO ΙΙΓ.30Α 1£L.: 547763 / 3ϊ5ΧΛ8 1
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
FI942518A FI98162C (fi) | 1994-05-30 | 1994-05-30 | HMM-malliin perustuva puheentunnistusmenetelmä |
Publications (1)
Publication Number | Publication Date |
---|---|
PT685835E true PT685835E (pt) | 2000-04-28 |
Family
ID=8540797
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
PT95107651T PT685835E (pt) | 1994-05-30 | 1995-05-19 | Reconhecimento de discurso baseado em hmms |
Country Status (10)
Country | Link |
---|---|
US (1) | US5943647A (pt) |
EP (1) | EP0685835B1 (pt) |
AT (1) | ATE186150T1 (pt) |
DE (1) | DE69512961T2 (pt) |
DK (1) | DK0685835T3 (pt) |
ES (1) | ES2139112T3 (pt) |
FI (1) | FI98162C (pt) |
GR (1) | GR3032375T3 (pt) |
NO (1) | NO307394B1 (pt) |
PT (1) | PT685835E (pt) |
Families Citing this family (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7630895B2 (en) * | 2000-01-21 | 2009-12-08 | At&T Intellectual Property I, L.P. | Speaker verification method |
US6076055A (en) * | 1997-05-27 | 2000-06-13 | Ameritech | Speaker verification method |
US6246978B1 (en) * | 1999-05-18 | 2001-06-12 | Mci Worldcom, Inc. | Method and system for measurement of speech distortion from samples of telephonic voice signals |
KR20010055168A (ko) * | 1999-12-09 | 2001-07-04 | 윤덕용 | 인터넷 환경에서의 화자확인 |
US6801656B1 (en) | 2000-11-06 | 2004-10-05 | Koninklijke Philips Electronics N.V. | Method and apparatus for determining a number of states for a hidden Markov model in a signal processing system |
US20030225719A1 (en) * | 2002-05-31 | 2003-12-04 | Lucent Technologies, Inc. | Methods and apparatus for fast and robust model training for object classification |
US7970613B2 (en) | 2005-11-12 | 2011-06-28 | Sony Computer Entertainment Inc. | Method and system for Gaussian probability data bit reduction and computation |
US20070129945A1 (en) * | 2005-12-06 | 2007-06-07 | Ma Changxue C | Voice quality control for high quality speech reconstruction |
US8010358B2 (en) * | 2006-02-21 | 2011-08-30 | Sony Computer Entertainment Inc. | Voice recognition with parallel gender and age normalization |
US7778831B2 (en) * | 2006-02-21 | 2010-08-17 | Sony Computer Entertainment Inc. | Voice recognition with dynamic filter bank adjustment based on speaker categorization determined from runtime pitch |
KR100932538B1 (ko) * | 2007-12-12 | 2009-12-17 | 한국전자통신연구원 | 음성 합성 방법 및 장치 |
US8788256B2 (en) * | 2009-02-17 | 2014-07-22 | Sony Computer Entertainment Inc. | Multiple language voice recognition |
US8442829B2 (en) * | 2009-02-17 | 2013-05-14 | Sony Computer Entertainment Inc. | Automatic computation streaming partition for voice recognition on multiple processors with limited memory |
US8442833B2 (en) * | 2009-02-17 | 2013-05-14 | Sony Computer Entertainment Inc. | Speech processing with source location estimation using signals from two or more microphones |
US9153235B2 (en) | 2012-04-09 | 2015-10-06 | Sony Computer Entertainment Inc. | Text dependent speaker recognition with long-term feature based on functional data analysis |
CN107039036B (zh) * | 2017-02-17 | 2020-06-16 | 南京邮电大学 | 一种基于自动编码深度置信网络的高质量说话人识别方法 |
Family Cites Families (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4815134A (en) * | 1987-09-08 | 1989-03-21 | Texas Instruments Incorporated | Very low rate speech encoder and decoder |
US5274739A (en) * | 1990-05-22 | 1993-12-28 | Rockwell International Corporation | Product code memory Itakura-Saito (MIS) measure for sound recognition |
CA2483322C (en) * | 1991-06-11 | 2008-09-23 | Qualcomm Incorporated | Error masking in a variable rate vocoder |
US5371853A (en) * | 1991-10-28 | 1994-12-06 | University Of Maryland At College Park | Method and system for CELP speech coding and codebook for use therewith |
KR0132894B1 (ko) * | 1992-03-13 | 1998-10-01 | 강진구 | 영상압축부호화 및 복호화 방법과 그 장치 |
JPH05257492A (ja) * | 1992-03-13 | 1993-10-08 | Toshiba Corp | 音声認識方式 |
EP0562138A1 (en) * | 1992-03-25 | 1993-09-29 | International Business Machines Corporation | Method and apparatus for the automatic generation of Markov models of new words to be added to a speech recognition vocabulary |
JPH0772840B2 (ja) * | 1992-09-29 | 1995-08-02 | 日本アイ・ビー・エム株式会社 | 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 |
US5455888A (en) * | 1992-12-04 | 1995-10-03 | Northern Telecom Limited | Speech bandwidth extension method and apparatus |
US5590242A (en) * | 1994-03-24 | 1996-12-31 | Lucent Technologies Inc. | Signal bias removal for robust telephone speech recognition |
-
1994
- 1994-05-30 FI FI942518A patent/FI98162C/fi active
-
1995
- 1995-05-19 DK DK95107651T patent/DK0685835T3/da active
- 1995-05-19 ES ES95107651T patent/ES2139112T3/es not_active Expired - Lifetime
- 1995-05-19 PT PT95107651T patent/PT685835E/pt unknown
- 1995-05-19 DE DE69512961T patent/DE69512961T2/de not_active Expired - Fee Related
- 1995-05-19 EP EP95107651A patent/EP0685835B1/en not_active Expired - Lifetime
- 1995-05-19 AT AT95107651T patent/ATE186150T1/de not_active IP Right Cessation
- 1995-05-23 NO NO952049A patent/NO307394B1/no not_active IP Right Cessation
-
1997
- 1997-06-05 US US08/869,408 patent/US5943647A/en not_active Expired - Fee Related
-
2000
- 2000-01-14 GR GR20000400074T patent/GR3032375T3/el unknown
Also Published As
Publication number | Publication date |
---|---|
NO307394B1 (no) | 2000-03-27 |
US5943647A (en) | 1999-08-24 |
DE69512961T2 (de) | 2000-07-13 |
EP0685835B1 (en) | 1999-10-27 |
ES2139112T3 (es) | 2000-02-01 |
EP0685835A1 (en) | 1995-12-06 |
DK0685835T3 (da) | 2000-02-14 |
ATE186150T1 (de) | 1999-11-15 |
DE69512961D1 (de) | 1999-12-02 |
NO952049D0 (no) | 1995-05-23 |
FI98162C (fi) | 1997-04-25 |
FI942518A0 (fi) | 1994-05-30 |
FI98162B (fi) | 1997-01-15 |
NO952049L (no) | 1995-12-01 |
FI942518A (fi) | 1995-12-01 |
GR3032375T3 (en) | 2000-04-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US4908865A (en) | Speaker independent speech recognition method and system | |
AU707355B2 (en) | Speech recognition | |
PT685835E (pt) | Reconhecimento de discurso baseado em hmms | |
Wilpon et al. | Application of hidden Markov models for recognition of a limited set of words in unconstrained speech | |
KR19990043998A (ko) | 패턴인식시스템 | |
KR20010102549A (ko) | 화자 인식 방법 및 장치 | |
Gallardo | Human and automatic speaker recognition over telecommunication channels | |
Sajjan et al. | Leveraging LSTM models for overlap detection in multi-party meetings | |
US20010010039A1 (en) | Method and apparatus for mandarin chinese speech recognition by using initial/final phoneme similarity vector | |
US6519563B1 (en) | Background model design for flexible and portable speaker verification systems | |
US7072750B2 (en) | Method and apparatus for rejection of speech recognition results in accordance with confidence level | |
Yuan et al. | Binary quantization of feature vectors for robust text-independent speaker identification | |
Kim et al. | On approximating line spectral frequencies to LPC cepstral coefficients | |
Omer | Joint MFCC-and-vector quantization based text-independent speaker recognition system | |
Sehr et al. | Distant-talking continuous speech recognition based on a novel reverberation model in the feature domain. | |
JPH10254473A (ja) | 音声変換方法及び音声変換装置 | |
Singh et al. | Features and techniques for speaker recognition | |
Li | Speech recognition of mandarin monosyllables | |
Roucos et al. | Word recognition using multisensor speech input in high ambient noise | |
Ali et al. | Low bit-rate speech codec based on a long-term harmonic plus noise model | |
Raghavan | Speaker and environment adaptation in continuous speech recognition | |
Bharadwaj et al. | Recognition of Speaker Using Vector Quantization and MFCC | |
Gu et al. | An implementation and evaluation of an on-line speaker verification system for field trials | |
Ali et al. | Voice Reminder Assistant based on Speech Recognition and Speaker Identification using Kaldi | |
EP0190489B1 (en) | Speaker-independent speech recognition method and system |