話認認証の検証のための方法および装置、話者認証システム
【課題】少ないデータ量及び計算量で話者の検証が可能となる話者認証の検証方法及び装置を提供する。
【解決手段】話者が話したパスワードを含むテスト用発話を入力し、入力された前記テスト用発話から音響特性ベクトル列を抽出し、登録話者により登録された話者テンプレートと、前記音響特性ベクトル列との間のマッチングパスを求め、前記テスト用発話のスペクトル変化及びまたは前記話者テンプレートのスペクトル変化を考慮して、前記マッチングパスのマッチングスコアを計算し、前記マッチングスコアと予め定義された識別用閾値とを比較して、前記テスト用発話が前記登録話者が話したパスワードを含む発話であるか否かを決定する。
【解決手段】話者が話したパスワードを含むテスト用発話を入力し、入力された前記テスト用発話から音響特性ベクトル列を抽出し、登録話者により登録された話者テンプレートと、前記音響特性ベクトル列との間のマッチングパスを求め、前記テスト用発話のスペクトル変化及びまたは前記話者テンプレートのスペクトル変化を考慮して、前記マッチングパスのマッチングスコアを計算し、前記マッチングスコアと予め定義された識別用閾値とを比較して、前記テスト用発話が前記登録話者が話したパスワードを含む発話であるか否かを決定する。
【発明の詳細な説明】
【技術分野】
【０００１】
本発明は、情報処理技術に関し、特に、話者認識技術に関する。
【背景技術】
【０００２】
話者認証を行うために、各話者が話をしているときの発音の特徴を用いることにより異なる話者を同定できる。非特許文献１には、一般的によく用いられる、ＨＭＭ（Hidden Markov Model）、ＤＴＷ（Dynamic Time Warping）およびＶＱ(vector Quantization)といった３種類の話者同定エンジン技術が記載されている。
【０００３】
一般に、話者認識システムは登録（enrollment）および検証（verification）とう２つのフェーズを含む。登録フェーズでは、話者（クライアント）によるパスワードを含む発話に従って、当該話者の話者テンプレートを生成する。検証フェーズでは、テスト用発話が当該話者が話したパスワードと同じものを含む発話であるかどうかを、話者テンプレートに従って決定する。特に、ＤＴＷアルゴリズムは通常検証フェーズで用いられ、テスト用発話の音響特性ベクトル列と話者テンプレートとのＤＴＷマッチングを行い、マッチングスコアを得る。そして、マッチングスコアと登録フェーズで得られる識別用閾値とが比較され、テスト用発話が当該話者が話したパスワードと同じものを含む発話かどうかを決定する。ＤＴＷアルゴリズムでは、テスト用発話の音響特性ベクトル列と話者テンプレートとの間の包括マッチングスコアを計算するための共通の方法は、最適マッチングパスに沿って全局所距離を直接加算することである。ＤＴＷベースの話者検証の詳細は、非特許文献２に記載されている。
【０００４】
一般に、話者が話したパスワードを含む発話中のいくつかのフレームは、当該話者の他の発話よりも特色のあるものである。従って、話者を検証する際、話者が話したパスワードを含む発話中のフレーム距離は非常に重要となる。包括マッチングスコアを計算する際、そのようなフレーム距離を重視することでシステムパフォーマンスが向上すると予想される。
【０００５】
ここで、フレームを重み付けを行う一般的な方法として、各フレームの識別可能性を決定するために、複数のクライアントの発話データの集合と、その詐称者の発話データの集合とを用いることにより、話者テンプレートがテストされる。この方法の詳細は、非特許文献３に記載されている。
【０００６】
本発明の発明者により提案された特許文献１記載の単音（あるいはサブワード単位）認識に基づくフレーム重み付け方法では、入力された発話は、単音認識装置により構文解析されて単音に分解されると、単音の話者識別可能性や単音の分類に関する予め用意されている知識に従って、入力された発話中の各フレームに重みが付けられる。
【特許文献１】中国特許出願公開第１９６３９１７号明細書（中国特許出願番号２００５１０１１４９０１．４）
【非特許文献１】“Speaker recognition using hidden Markov models, dynamic time warping and vector quantisation” written by K. Yu, J. Mason, J. Oglesby (Vision, Image and Signal Processing, IEE Proceedings, Vol. 142, Oct. 1995, pp. 313-318)
【非特許文献２】“Cepstral analysis technique for automatic speaker verification” written by S. Furui, Acoustics, Speech, and Signal Processing, (1981), Vol. 29, No. 2, pp. 254-271
【非特許文献３】“Enhancing the stability of speaker verification with compressed templates” written by X. Wen and R. Liu, 2002, ISCSLP2002, pp. 111-114
【発明の開示】
【発明が解決しようとする課題】
【０００７】
1つ目の方法では、話者が話したパスワードを含む大量の発話データの集合と、当該話者以外の者が話した同じパスワードを含む大量の発話データの集合とが、話者テンプレートをテストするために必要となる。そのため、登録のために多大な時間を要し、しかもユーザはベンダーの助けが無ければ、ユーザ自身のパスワードを変更することもできない。従って、このようなシステムを使用することはユーザにとって非常に不便である。
【０００８】
２つ目の方法では、フロントエンドとして単音認識装置が必要である。ＨＭＭそれ自体は単音に有効であるので、ＨＭＭベースのシステムには適している。しかし、ＤＴＷベースのシステムでは、単音認識装置のためのメモリをさらに追加する必要があり、計算の負荷が増大することとなる。
【０００９】
従って、さらなるデータを追加することなく、パスワードを含む発話の各フレームに対し、話者識別可能性を自動的に評価する方法が必要となる。
【００１０】
従来技術の上記問題を解決するために、本発明は、少ないデータ量及び計算量で話者の検証が可能となる話者認証の検証方法、話者認証の検証装置及び話者認証システムを提供することを目的とする。
【課題を解決するための手段】
【００１１】
（１）本発明の一実施形態にかかる話者認証の検証装置は、
話者が話したパスワードを含むテスト用発話を入力し、
入力された前記テスト用発話から音響特性ベクトル列を抽出し、
登録話者により登録された話者テンプレートと、前記音響特性ベクトル列との間のマッチングパスを求め、
前記テスト用発話のスペクトル変化及びまたは前記話者テンプレートのスペクトル変化を考慮して、前記マッチングパスのマッチングスコアを計算し、
前記マッチングスコアと予め定義された識別用閾値とを比較して、前記テスト用発話が前記登録話者が話したパスワードを含む発話であるか否かを決定する。
【００１２】
（２）本発明の他の実施形態にかかる話者認証の検証装置は、
話者が話したパスワードを含むテスト用発話を入力し、
入力された前記テスト用発話から音響特性ベクトル列を抽出し、
前記テスト用発話のスペクトル変化及びまたは登録話者により登録された話者テンプレートのスペクトル変化を考慮して、前記話者テンプレートと、前記音響特性ベクトル列との間のマッチングパスを求め、
前記マッチングパスのマッチングスコアを計算し、
前記マッチングスコアと予め定義された識別用閾値とを比較して、前記テスト用発話が前記登録話者が話したパスワードを含む発話であるか否かを決定する。
【００１３】
（３）本発明の他の実施形態にかかる話者認証システムは、
話者テンプレートを登録する登録装置と、
前記登録装置により登録された話者テンプレートに基づきテスト用発話を検証する上記（１）または（２）記載の検証装置と、を含む。
【００１４】
（４）好ましくは、テスト用発話のスペクトル変化及びまたは話者テンプレートのスペクトル変化を考慮してマッチングパスのマッチングスコアを計算する際、テスト用発話スペクトル変化及びまたは話者テンプレートのスペクトル変化に基づき、当該マッチングパスの各フレームの重みを計算し、この重みに基づき当該マッチングパスのマッチングスコアを計算する。
【００１５】
好ましくは、テスト用発話のスペクトル変化及びまたは話者テンプレートのスペクトル変化に基づきマッチングパスの各フレームの重みを計算する際、当該テスト用発話のスペクトル変化を、その音響特性ベクトル列に基づき計算し、当該テスト用発話のスペクトル変化に基づき該重みを計算する。
【００１６】
好ましくは、テスト用発話のスペクトル変化を、その音響特性ベクトル列に基づき計算する際、当該テスト用発話の音響特性ベクトル列の各フレームと、当該フレームに時間軸上で隣接するフレームとの間の特徴距離に基づき、当該テスト用発話のスペクトル変化を計算する。
【００１７】
好ましくは、テスト用発話の各フレームのスペクトル変化は、当該テスト用発話の音響特性ベクトル列のフレームと、時間軸上で当該フレームに隣接するフレームとの間の特徴距離の平均値である。
【００１８】
好ましくは、テスト用発話のスペクトル変化を、その音響特性ベクトル列に基づき計算する際、当該テスト用発話の音響特性ベクトル列の各フレームと、マッチングパス上で当該フレームに隣接するフレームとの間の特徴距離に基づき、当該テスト用発話のスペクトル変化を計算する。
【００１９】
好ましくは、テスト用発話の各フレームのスペクトル変化は、当該テスト用発話の音響特性ベクトル列のフレームと、マッチングパス上で当該フレームに隣接するフレームとの間の特徴距離の平均値である。
【００２０】
好ましくは、テスト用発話のスペクトル変化を、その音響特性ベクトル列に基づき計算する際、コードブックに基づき当該テスト用発話のスペクトル変化を計算する。
【００２１】
好ましくは、コードブックに基づきテスト用発話のスペクトル変化を計算する際、当該テスト用発話の音響特性ベクトル列の各フレームに、コードブック中で当該フレームに最も近いコードをラベルとして付加し、付加されたラベルに基づき、１セグメント内のすべてのフレームが同じラベルが付されているフレームとなるように、当該テスト用発話を複数のセグメントに分割し、各セグメントについて、該セグメント内の各フレームのスペクトル変化を示す該セグメントの長さを計算する。
【００２２】
好ましくは、テスト用発話のスペクトル変化及びまたは話者テンプレートのスペクトル変化に基づきマッチングパスの各フレームの重みを計算する際、当該話者テンプレートのスペクトル変化を、その音響特性ベクトル列に基づき計算し、当該話者テンプレートのスペクトル変化に基づき該重みを計算する。
【００２３】
好ましくは、当該話者テンプレートのスペクトル変化を、その音響特性ベクトル列に基づき計算する際、前記話者テンプレートの各フレームと、時間軸上で当該フレームに隣接するフレームとの間の特徴距離に基づき、前記話者テンプレートのスペクトル変化を計算する。
【００２４】
好ましくは、話者テンプレートの各フレームのスペクトル変化は、当該話者テンプレートのフレームと、マッチングパス上で当該フレームに隣接するフレームとの間の特徴距離の平均値である。
【００２５】
好ましくは、テスト用発話のスペクトル変化及びまたは話者テンプレートのスペクトル変化に基づきマッチングパスの各フレームの重みを計算する際、当該話者テンプレートのフレームと、マッチングパス上で当該フレームに隣接するフレームとの間の特徴距離に基づき、前記話者テンプレートのスペクトル変化を計算する。
【００２６】
好ましくは、話者テンプレートの各フレームのスペクトル変化は、当該話者テンプレートのフレームと、マッチングパス上で当該フレームに隣接するフレームとの間の特徴距離の平均値である。
【００２７】
好ましくは、話者テンプレートのスペクトル変化を、その音響特性ベクトル列に基づき計算する際、コードブックに基づき当該話者テンプレートのスペクトル変化を計算する。
【００２８】
好ましくは、コードブックに基づき話者テンプレートのスペクトル変化を計算する際、話者テンプレートの各フレームに、前記コードブック中で当該フレームに最も近いコードをラベルとして付加し、付加されたラベルに基づき、１セグメント内のすべてのフレームが同じラベルが付されているフレームとなるように、前記話者テンプレートを複数のセグメントに分割し、各セグメントについて、該セグメント内の各フレームのスペクトル変化を示す該セグメントの長さを計算する。
【００２９】
好ましくは、テスト用発話のスペクトル変化及びまたは話者テンプレートのスペクトル変化に基づきマッチングパスの各フレームの重みを計算する際、前記マッチングパスの各フレームの重みは、前記テスト用発話の前記スペクトル変化または、前記話者テンプレートの前記スペクトル変化または、前記テスト用発話の前記スペクトル変化と前記話者テンプレートの前記スペクトル変化との組合せの単調増加関数を用いて計算する。
【００３０】
好ましくは、抽出された音響特性ベクトル列と登録された話者テンプレートとの間のマッチングパスを求める際、前記音響特性ベクトル列と前記話者テンプレートとの間でＤＴＷ（Dynamic Time Warping）マッチングを行う。
【００３１】
（５）好ましくは、テスト用発話のスペクトル変化及びまたは登録話者により登録された話者テンプレートのスペクトル変化を考慮して、テスト用発話から抽出された音響特性ベクトル列と前記話者テンプレートとの間のマッチングパスを求める際、前記テスト用発話のスペクトル変化に基づき、前記テスト用発話の前記音響特性ベクトル列の各フレームの重みを計算し、前記重みを考慮して、前記音響特性ベクトル列と前記話者テンプレートとの間のマッチングパスを求める。
【００３２】
好ましくは、テスト用発話のスペクトル変化に基づき、当該テスト用発話の音響特性ベクトル列の各フレームの重みを計算する際、前記音響特性ベクトル列に基づき、前記テスト用発話のスペクトル変化を計算し、前記テスト用発話のスペクトル変化に基づき、前記テスト用発話の前記音響特性ベクトル列の各フレームの重みを計算する。
【００３３】
好ましくは、音響特性ベクトル列に基づき、テスト用発話のスペクトル変化を計算する際、前記テスト用発話の前記音響特性ベクトル列の各フレームと、時間軸上で当該フレームに隣接するフレームとの間の特徴距離に基づき、前記テスト用発話のスペクトル変化を計算する。
【００３４】
好ましくは、テスト用発話の各フレームのスペクトル変化は、前記テスト用発話の音響特性ベクトル列のフレームと、時間軸上で当該フレームに隣接するフレームとの間の特徴距離の平均値である。
【００３５】
好ましくは、音響特性ベクトル列に基づき、テスト用発話のスペクトル変化を計算する際、コードブックに基づき当該テスト用発話のスペクトル変化を計算する。
【００３６】
好ましくは、コードブックに基づきテスト用発話のスペクトル変化を計算する際、前記テスト用発話の音響特性ベクトル列の各フレームに、前記コードブック中で当該フレームに最も近いコードをラベルとして付加し、付加されたラベルに基づき、１セグメント内のすべてのフレームが同じラベルが付されているフレームとなるように、前記テスト用発話を複数のセグメントに分割し、各セグメントについて、該セグメント内の各フレームのスペクトル変化を示す該セグメントの長さを計算する。
【００３７】
好ましくは、テスト用発話のスペクトル変化及びまたは登録話者により登録された話者テンプレートのスペクトル変化を考慮して、テスト用発話から抽出された音響特性ベクトル列と前記話者テンプレートとの間のマッチングパスを求める際、前記話者テンプレートのスペクトル変化に基づき、前記話者テンプレートの各フレームの重みを計算し、前記重みを考慮して、前記音響特性ベクトル列と前記話者テンプレートとの間のマッチングパスを求める。
【００３８】
好ましくは、話者テンプレートのスペクトル変化に基づき、前記話者テンプレートの各フレームの重みを計算する際、前記話者テンプレートの前記音響特徴ベクトル列に基づき、前記話者テンプレートのスペクトル変化を計算し、前記話者テンプレートの前記スペクトル変化に基づき、前記話者テンプレートの各フレームの重みを計算する。
【００３９】
好ましくは、話者テンプレートの音響特徴ベクトル列に基づき、前記話者テンプレートのスペクトル変化を計算する際、話者テンプレートの各フレームと、時間軸上で当該フレームに隣接するフレームとの間の特徴距離に基づき、前記話者テンプレートのスペクトル変化を計算する。
【００４０】
好ましくは、話者テンプレートの各フレームのスペクトル変化は、前記話者テンプレートのフレームと、時間軸上で当該フレームに隣接するフレームとの間の特徴距離の平均値である。
【００４１】
好ましくは、話者テンプレートの音響特性ベクトル列に基づき、テスト用発話のスペクトル変化を計算する際、コードブックに基づき当該話者テンプレートのスペクトル変化を計算する。
【００４２】
好ましくは、コードブックに基づき話者テンプレートのスペクトル変化を計算する際、前記話者テンプレートの各フレームに、前記コードブック中で当該フレームに最も近いコードをラベルとして付加し、付加されたラベルに基づき、１セグメント内のすべてのフレームが同じラベルが付されているフレームとなるように、前記話者テンプレートを複数のセグメントに分割し、各セグメントについて、該セグメント内の各フレームのスペクトル変化を示す該セグメントの長さを計算する。
【００４３】
好ましくは、抽出された音響特性ベクトル列と登録された話者テンプレートとの間のマッチングパスを求める際、前記音響特性ベクトル列と前記話者テンプレートとの間でＤＴＷ（Dynamic Time Warping）マッチングを行う。
【発明の効果】
【００４４】
少ないデータ量及び計算量で話者の検証が可能となる。
【発明を実施するための最良の形態】
【００４５】
以下、本発明の実施形態について図面を参照して説明する。
【００４６】
（第１の実施形態）
第１の実施形態に係る話者認証の検証方法は、図１に示すように、まず、ステップＳ１０１において、検証する必要のあるクライアントにより、パスワードを含むテスト用発話が入力される。このパスワードは、登録フェーズにおいて、検証のためにクライアントにより設定された語または音素列である。
【００４７】
次に、ステップＳ１０２において、ステップＳ１０１で入力されたテスト用発話から音響特性ベクトル列を抽出する。本発明では、音響特性は特に限定するものではないが、例えば、ＭＦＣＣ（Mel-scale Frequency Cepstral Coefficients)、ＬＰＣＣ（Linear Predictive Cepstrum Coefficient）、そのほか、エネルギー、基本トーン周波数、ウェーブレット分析に基づき得られる係数など、登録フェーズにおいて、話者の個々の発話特性を表すことができるのであれば、どのようなものを用いても良い。
【００４８】
次に、ステップＳ１０３へ進み、ステップＳ１１０２で抽出された音響特性ベクトル列と、登録話者により登録された話者テンプレートとを照合して、マッチングパスを求める。特に、ＨＭＭモデルの場合、周波数に基づく照合を行うことによりマッチングパスが得られる。この詳細な説明は、非特許文献１に記載されている。ＤＴＷモデルの場合、ＤＴＷアルゴリズムによりマッチングパスが得られる。この詳細を図３を参照して説明する。
【００４９】
図３は、テスト用発話と話者テンプレートとの間のＤＴＷマッチングの例を示したものである。図３に示すように、横軸は話者テンプレートのフレームを表し、縦軸は入力発話のフレームを表す。ＤＴＷマッチングが実行されると、話者テンプレートの各フレームと、これに対応する入力発話のフレーム及びこれに隣接するフレームとの間の局所距離を計算する。そして局所距離が最小の入力発話のフレームを、話者テンプレートの当該フレームに対応するフレームとして選択する。入力発話の全フレームのそれぞれについて、それに対応する話者テンプレートのフレームが選択されるまで、このステップを繰り返すことにより、最適マッチングパスが得られる。最適マッチングパスは、入力発話の音響特性ベクトル列と話者テンプレートとの間の局所距離が最小のマッチングパスである。また、マッチングパスは、Ｉを話者テンプレートのフレームの番号、Ｊを入力発話のフレームの番号とすると、図３に示すように、格子点（１，１）から格子点（Ｉ、Ｊ）までの格子点に沿ったパスである。なお、本実施形態において、マッチングパスを求める方法は、ステップＳ１０２で抽出された音響特性ベクトル列と、話者テンプレートとの間の最適マッチングパスが得られるのであれば、上述したＨＭＭモデル及びＤＴＷモデル以外の他の公知のモデルを用いてもよい。
【００５０】
本実施形態にかかる話者テンプレートは、話者認証の登録方法によって生成される話者テンプレートであり、少なくとも話者の話したパスワードに対応する音響特性と、識別用閾値とを含む。ここで、話者認証の登録プロセスについて簡単に説明する。まず、話者の話したパスワードの発話音声が入力される。次に、このパスワードの発話音声から音響特性を抽出することにより、当該話者の話者テンプレートが生成される。話者テンプレートは、話者テンプレートの質を上げるために、トレーニング用の多くの発話から生成される。まず、多くのトレーニング用の発話のうちの１つが初期テンプレートとして選択される。そして、２つ目のトレーニング用の発話と当該初期テンプレートとの間でＤＴＷ方法を用いて、当該２つの発話の特性ベクトルの平均を求めることにより、新たなテンプレートを生成する。さらに、３つ目のトレーニング用の発話と当該新たなテンプレートとの間でＤＴＷ方法を用いて、当該２つの発話の特性ベクトルの平均を求めることにより、新たなテンプレートを生成する。以上を与えられた全てのトレーニング用発話を１つのテンプレートにマージするまで繰り返す。いわゆるテンプレートのマージングを行うことにより、話者テンプレートが生成される。テンプレートのマージングについては、“Cross-words reference template for DTW-based speech recognition systems” written by W. H. Abdulla, D. Chow, and G. Sin (IEEE TENCON 2003, pp. 1576-1579)に記載されている。
【００５１】
さらに、話者認証の登録フェーズでは、話者テンプレートに含まれる識別用閾値が次に示すようにして決定される。まず、当該登録話者が話したパスワードを含む発話データの集合と、当該登録話者以外の他の話者が話した同じパスワードを含む発話データの集合とから求めた、当該登録話者と他の話者とのＤＴＷマッチングスコアの２つの分布を求める。そして、当該登録話者の話者テンプレートの識別用閾値は、次に示すような少なくとも３つの方法により決定することができる。
【００５２】
２つの分布曲線の交点、すなわち、ＦＡＲ（False Accept Rate）とＦＲＲ（False Reject Rate）との合計が最小となる点に、識別用閾値を設定する。
【００５３】
ＥＥＲ（Equal Error Rate）に対応する値に識別用閾値を設定する。
【００５４】
ＦＡＲが所望の値（例えば０．１％）となる値に識別用閾値を設定する。
【００５５】
図１の説明に戻り、ステップＳ１０４では、テスト用発話および／または話者テンプレートのスペクトル変化を考慮して、ステップＳ１０３で得られたマッチングパスのマッチングスコアを計算する。
【００５６】
ステップＳ１０４では、まず、テスト用発話および／または話者テンプレートのスペクトル変化に基づき、マッチングパスの各フレームの重みを計算する。
【００５７】
特に、本実施形態では、急激なスペクトル変化期間内のフレームには大きい重みを与え、スペクトル変化がゆるやかな期間内のフレームには小さい重みを与える。すなわち、本実施形態では、急激なスペクトル変化期間内のフレームを重視する。
【００５８】
ステップＳ１０４におけるスペクトル変化を用いたマッチングパスの各フレームの重みを計算する方法を、次に示す例１〜例３を参照して詳細に説明する。
【００５９】
＜例１＞
例１では、マッチングパスの各フレームの重みは、ターゲットフレームと時間軸上で当該ターゲットフレームに隣接するフレームとの間の特徴距離を用いて計算する。
【００６０】
まず、話者テンプレートＸの各フレームのスペクトル変化と、テスト用発話Ｙのスペクトル変化をそれぞれ計測する。
【００６１】
話者テンプレートＸのスペクトル変化ｄx（ｉ）は、式（１）を用いて計算する。
【数１】
【００６２】
ここで、ｉは、話者テンプレートＸのフレームのインデックスを表し、ｘは話者テンプレートＸの特徴ベクトルを表し、distは、２つの特徴ベクトル間のユークリッド距離のような距離を表す。
【００６３】
なお、式（１）によれば、話者テンプレートＸのスペクトル変化ｄx（ｉ）は、ターゲットフレームと時間軸上で当該ターゲットフレームに隣接するフレームとの間の特徴距離dist(xi,xi-1)、dist(xi,xi+1)の平均値であるが、これに限定するものではなく、スペクトル変化ｄx（ｉ）は、話者テンプレートＸのスペクトル変化が十分に表すことができるのであれば、たとえば特徴距離dist(xi,xi-1)、dist(xi,xi+1)の幾何平均値
【数２】
【００６４】
や、調和平均値1/(1/ dist(xi,xi-1)+ 1/ dist(xi,xi+1))などであってもよい。
【００６５】
さらに、ターゲットフレームのスペクトル変化は、２つの距離dist(xi,xi-1)、dist(xi,xi+1)から計算されているが、この場合に限定するものではなく、ターゲットフレームと時間軸上でこれに隣接するさらに別のフレームとの間の距離を用いてもよい。
【００６６】
テスト用発話Ｙのスペクトル変化ｄｙ（ｉ）も、上述した、ステップＳ１０２で抽出された音響ベクトル列に基づき、話者テンプレートＸのスペクトル変化ｄｘ（ｉ）を計算する方法と同様にして計算することができる。ここで、ｊは、テスト用発話Ｙの音響特性ベクトル列のフレームのインデクスである。
【００６７】
次に、話者テンプレートＸのスペクトル変化ｄｘ（ｉ）とテスト用発話Ｙのスペクトル変化ｄｙ（ｉ）との単調増加関数により、マッチングパスの各フレームの重みを計算する。例えば、マッチングパスの各フレームの重みｗ（ｋ）は、次式（２）〜（４）を用いることにより計算できる。
【数３】
【００６８】
ここで、ｋはマッチングパスのフレームペアのインデックスであり、話者テンプレートＸのフレームのインデックスｉと、テスト用発話Ｙのフレームのインデックスｊとに対応する。ｃは定数である。
【数４】
【００６９】
＜例２＞
例２では、マッチングパスの各フレームの重みは、コードブックを用いることにより得られる複数のセグメントにより計算される。
【００７０】
コードブックは、全アプリケーションの音響空間においてトレーニングされたものである。例えば、中国語のアプリケーション環境では、コードブックは、中国語の発話の音響空間を対象とする必要がある。英語のアプリケーション環境では、コードブックは、英語の発話の音響空間を対象とする必要がある。もちろん、ある特定のアプリケーション環境では、コードブックの対象となる音響空間も、適宜変更される。
【００７１】
本実施形態にかかるコードブックには、多くのコードと、各コードの特徴ベクトルとを含む。コードの数は、音響空間のサイズ、所望の圧縮比、および所望の圧縮品質に依存する。音響空間が大きくなればなるほど、必要とするコードの数も多くなる。ある音響空間の条件の下、必要とするコード数が少ないほど、圧縮比は高くなり、コード数が多いほど、圧縮されたテンプレートの質は高くなる。本発明の好ましい実施形態によれば、一般的な中国語の発話の音響空間において、コードの数は好ましくは２５６〜５１２である。もちろん、異なる要求に応じて、コードの数およびコードブックが対象とする音響空間は適宜調整される。
【００７２】
例２では、テスト用発話の音響特性ベクトル列の各フレームには、コードブック中で当該フレームに最も近いコードがラベルとして付加される。そして、付加されたラベルに基づき、１セグメント内のすべてのフレームが同じラベルが付されているフレームとなるように、テスト用発話を複数のセグメントに分割する。１セグメント内のフレーム群は互いに類似し、各セグメントの長さは、一種のスペクトル変化の計測と見なせるからである。長いセグメントは、そこでのスペクトル変化が比較的ゆっくりであることを示す。同様にして、話者テンプレートの各フレームにコードブックを用いることによりラベル付けし、そのラベルに基づき話者テンプレートを分割することにより得られた各セグメントの長さを計算することにより、話者テンプレートのスペクトル変化を求めることができる。
【００７３】
例２では、マッチングパスの各フレームの重みは、例１の式（２）〜式（４）のｄx(i)およびｄy(j)に、ターゲットフレームが存在する当該セグメントの長さを用いることにより計算することができる。従って、ｄx(i)およびｄy(j)は離散値である。この場合、スペクトル変化をマッチングパスの各フレームの重みに変換するために用いる関数として区分的関数を用いることができる。
【００７４】
本実施形態では、例えば、次に示すような、どのようなタイプの区分的関数も用いることができる。
【００７５】
w(k)=1, if d(k) ≦ 10;
w(k)=0.5, else
ここで、ｋを話者テンプレートＸのフレームのインデックスｉと、テスト用発話Ｙのフレームのインデックスｊに対応する、マッチングパスのフレームペアのインデックスとする。
【数５】
【００７６】
＜例３＞
例３では、マッチングパスの各フレームの重みは、ターゲットフレームと、当該マッチングパス上でターゲットフレームに隣接するフレームとの間の特徴距離を用いて計算する。
【００７７】
特に、話者テンプレートＸのスペクトル変化ｄx（ｉ）は、次式（５）を用いて計算することができる。
【数６】
【００７８】
式（５）を用いることにより計算される話者テンプレートＸのスペクトル変化は、ターゲットフレームと、当該マッチングパス上でターゲットフレームに隣接するフレームとの間の特徴距離の平均であるが、本実施形態はこれに限定するものではなく、スペクトル変化は、話者テンプレートＸのスペクトル変化が十分に表すことができるのであれば、たとえば特徴距離間の幾何平均値でもよい。
【００７９】
ターゲットフレームのスペクトル変化は、ターゲットフレームと、マッチングパス上の当該ターゲットパスに最近傍のノードのフレームとの間の２つの距離により計算されているが、この場合に限定するものではなく、ターゲットフレームと、マッチングパス上の当該ターゲットパスに近傍のさらに別のノードのフレームとの間の距離を用いてもよい。
【００８０】
テスト用発話Ｙのスペクトル変化ｄｙ（ｉ）も、上述した、ステップＳ１０２で抽出された音響ベクトル列に基づき、式（５）を用いて話者テンプレートＸのスペクトル変化ｄｘ（ｉ）を計算する方法と同様にして計算することができる。ここで、ｊは、テスト用発話Ｙの音響特性ベクトル列のフレームのインデクスである。
【００８１】
話者テンプレートＸのスペクトル変化ｄｘ（ｉ）とテスト用発話Ｙのスペクトル変化ｄｙ（ｉ）との単調増加関数により、マッチングパスの各フレームの重みを計算する。例えば、マッチングパスの各フレームの重みｗ（ｋ）は、上述の式（２）〜（４）を用いることにより計算できる。
【００８２】
マッチングパスの各フレームの重みは例１〜例３に示した方法のいずれかを用いることにより計算できるが、これらに限定するものではなく、急激なスペクトル変化やゆっくりしたスペクトル変化を大きい重みや小さい重みにそれぞれ変換できるのであれば、どのような方法を用いてもよい。
【００８３】
例１〜例３に示した方法は、マッチングパスの各フレームの重みは、話者テンプレートＸのスペクトル変化ｄｘ（ｉ）や、テスト用発話Ｙのスペクトル変化ｄｙ（ｉ）を考慮する場合と、話者テンプレートＸのスペクトル変化ｄｘ（ｉ）や、テスト用発話Ｙのスペクトル変化ｄｙ（ｉ）の組み合わせを考慮する場合とがあるが、これらに限定するものではない。
【００８４】
また、スペクトル変化を用いた重みの計算方法は、上述の式（２）〜式（４）に限定するものではなく、急激にスペクトル変化する期間には大きい重みを与え、スペクトル変化がゆるやかな期間には小さい重みを与えることができるのであれば、どのような（スペクトル変化の）単調増加関数を用いても重みを計算することができる。
【００８５】
図１のステップＳ１０４に戻り、テスト用発話のスペクトル変化およびまたは話者テンプレートのスペクトル変化に基づき、マッチングパスの各フレームの重みを計算した後、マッチングパスの各フレームの重みに基づき、マッチングパスのマッチングスコアを計算する。例えば、マッチングパスのマッチングスコアは、マッチングパスの各フレームの局所距離と当該フレームの重みとの積の総和を求めることにより得られる。
【００８６】
ステップＳ１０５へ進み、ステップＳ１０４で計算されたマッチングスコアと当該話者テンプレートに設定されている識別用閾値とを比較し、マッチングスコアが識別用閾値よりも小さい場合には、ステップＳ１０６へ進み、登録話者と同じ話者が話したパスワードであると決定される。すなわち、検証が成功したと決定される。マッチングスコアが識別用閾値以上である場合には、ステップＳ１０７へ進み、検証が失敗したと決定される。
【００８７】
上述の説明から、本実施形態にかかる話者認証の検証方法は、スペクトル変化に基づきフレームの重み付けをする効果的な方法であることがわかる。計算量が比較的少なくてすみ、スペクトル特徴を適用するほとんどのシステムに適している。この話者認証の検証方法を適用することで、話者検証システムの機能はかなり向上する。
【００８８】
さらに、本実施形態にかかる方法は、スペクトル変化速度に基づくもので、音素ベースの方法などの現在存在する他の重み付け方法とは、何ら抵触するものではない。従って、これら他の重み付け方法と組み合わせて用いることにより、パフォーマンスがさらに向上する。
【００８９】
（第２の実施形態）
第２の実施形態に係る話者認証の検証方法について、図２に示すフローチャートを参照して説明する。なお、図２において、図１と同一部分には同一符号を付し、異なる部分を主に説明する。すなわち、図２において、図１のステップ１０３およびステップＳ１０４が、ステップＳ２０３およびステップＳ２０４に置き換わっている。
【００９０】
図１と同様に、図２のステップＳ１０１でパスワードを含むテスト用発話が入力された後、ステップＳ２０２では、当該入力されたテスト用発話から、音響特性ベクトル列が抽出される。次に、図２のステップＳ２０３では、テスト用発話およびまたは話者テンプレートのスペクトル変化を考慮して、ステップＳ１０２で抽出された音響特性ベクトル列と話者テンプレートとを照合し、最適マッチングパスを得る。
【００９１】
ステップＳ２０３では、まず、テスト用発話のスペクトル変化およびまたは話者テンプレートのスペクトル発話に基づき、テスト用発話の音響特性ベクトル列の各フレームと、話者テンプレートの各フレームとに対応する各フレームペアの重みを計算する。本実施形態にかかる話者テンプレートは、第１の実施形態にかかる話者テンプレートと同様であるので説明は省略する。
【００９２】
第２の実施形態では、急激にスペクトルが変化する期間内のフレームには、大きい重みを与え、スペクトルがゆっくり変化する期間内のフレームには、小さい重みを与える。すなわち、第２の実施形態においても、急激にスペクトルが変化する期間内のフレームを重視する。
【００９３】
ステップＳ２０３において、スペクトル変化を用いて各フレームペアの重みを計算する方法を、次の例４〜例５を用いて説明する。
【００９４】
＜例４＞
例４では、各フレームペアの重みは、ターゲットフレームと、時間軸上で当該ターゲットフレームと隣接するフレームとの間の特徴距離により計測できる。
【００９５】
まず、話者テンプレートＸのスペクトル変化ｄx（ｉ）と、テスト用発話Ｙのスペクトル変化ｄｙ（ｉ）とを、上記式（１）を用いて計算する。その詳細は、前述した例１と同様であるので説明は省略する。
【００９６】
そして、各フレームペアの重みは、話者テンプレートＸのスペクトル変化ｄx（ｉ）とテスト用発話のスペクトル変化ｄｙ（ｉ）との単調増加関数により計算される。例えば、各フレームペアの重みｗ（ｋ）は、次式（６）〜（８）を用いることにより計算できる。
【数７】
【００９７】
ここで、ｇは、話者テンプレートＸのフレームのインデックスｉと、テスト用発話Ｙのフレームのインデックスｊとに対応するフレームペアのインデックスであり、ａおよびｃは定数である。
【数８】
【００９８】
＜例５＞
例５では、各フレームペアの重みは、コードブックを用いて得られる複数のセグメントから計測する。
【００９９】
本実施形態にかかるコードブックは、全アプリケーションの音響空間においてトレーニングされたものである。例えば、中国語のアプリケーション環境では、コードブックは、中国語の発話の音響空間を対象とする必要がある。英語のアプリケーション環境では、コードブックは、英語の発話の音響空間を対象とする必要がある。もちろん、ある特定のアプリケーション環境では、コードブックの対象となる音響空間も、適宜変更される。
【０１００】
本実施形態にかかるコードブックには、多くのコードと、各コードの特徴ベクトルとを含む。コードの数は、音響空間のサイズ、所望の圧縮比、および所望の圧縮品質に依存する。音響空間が大きくなればなるほど、必要とするコードの数も多くなる。ある音響空間の条件の下、必要とするコード数が少ないほど、圧縮比は高くなり、コード数が多いほど、圧縮されたテンプレートの質は高くなる。本発明の好ましい実施形態によれば、一般的な中国語の発話の音響空間において、コードの数は好ましくは２５６〜５１２である。もちろん、異なる要求に応じて、コードの数およびコードブックが対象とする音響空間は適宜調整される。
【０１０１】
例５では、テスト用発話の音響特性ベクトル列の各フレームは、コードブック中の最も近いコードがラベルとして付加される。そして、テスト用発話を、付加されたラベルに基づき、１セグメント内のすべてのフレームが同じラベルが付されているフレームとなるように分割する。１セグメント内のフレーム群は互いに類似し、各セグメントの長さは、一種のスペクトル変化の計測と見なせるからである。長いセグメントは、そこでのスペクトル変化が比較的ゆっくりであることを示す。話者テンプレートの各フレームにコードブックを用いることによりラベル付けし、そのラベルに基づき話者テンプレートを分割することにより得られた各セグメントの長さにより、話者テンプレートのスペクトル変化を計測できる。
【０１０２】
例５では、各フレームペアの重みは、例４の式（６）〜式（８）のｄx(i)およびｄy(j)に、ターゲットフレームが存在する当該セグメントの長さを用いることにより計算することができる。この場合、スペクトル変化をマッチングパスの各フレームの重みに変換するために用いる関数として区分的関数を用いることができる。
【０１０３】
本実施形態では、例えば、次に示すような、どのようなタイプの区分的関数も用いることができる。
【０１０４】
w(ｇ)=1, if d(ｇ) ≦ 10;
w(ｇ)=0.5, else
ここで、ｇを話者テンプレートＸのフレームのインデックスｉと、テスト用発話Ｙのフレームのインデックスｊに対応する、マッチングパスのフレームペアのインデックスとする。
【数９】
【０１０５】
上述の例４〜例５の方法を用いることで、各フレームペアの重みを計算することができるが、本実施形態は例４〜例５に限定するものではなく、急激なスペクトル変化やゆっくりしたスペクトル変化を大きい重みや小さい重みにそれぞれ変換できるのであれば、どのような方法を用いてもよい。
【０１０６】
例４〜例５に示した方法は、マッチングパスの各フレームの重みは、話者テンプレートＸのスペクトル変化ｄｘ（ｉ）や、テスト用発話Ｙのスペクトル変化ｄｙ（ｉ）を考慮する場合と、話者テンプレートＸのスペクトル変化ｄｘ（ｉ）や、テスト用発話Ｙのスペクトル変化ｄｙ（ｉ）の組み合わせを考慮する場合とがあるが、これらに限定するものではない。
【０１０７】
また、スペクトル変化を用いた重みの計算方法は、上述の式（６）〜式（８）に限定するものではなく、急激にスペクトル変化する期間には大きい重みを与え、スペクトル変化がゆっくりしている期間には小さい重みを与えることができるのであれば、どのような（スペクトル変化の）単調増加関数を用いても重みを計算することができる。
【０１０８】
図２のステップＳ２０３に戻り、テスト用発話の音響特徴特性ベクトル列の各フレームと、話者テンプレートの各フレームとに対応する各フレームペアの重みを、テスト用発話のスペクトル変化及びまたは話者テンプレートのスペクトル変化に基づき計算した後、ステップＳ１０２で抽出された音響特性ベクトル列と話者テンプレートとを照合し、最適マッチングパスを得る。
【０１０９】
特に、ＨＭＭモデルの場合、周波数に基づく照合を行うことにより、マッチングパスが得られる。この詳細な説明は、非特許文献１に記載されている。ＤＴＷモデルの場合、ＤＴＷアルゴリズムによりマッチングパスが得られる。この詳細は、第１の実施形態で図３を参照して説明した通りであるので、説明は省略する。
【０１１０】
次に、ステップＳ２０４へ進み、ステップＳ２０３で計算された最適マッチングパスのマッチングスコアを計算する。例えば、最適マッチングパスのマッチングスコアは、当該最適マッチングパスの各フレームの局所距離の総和を計算することで計算することができる。
【０１１１】
さらに、ステップＳ１０５へ進み、ステップＳ２０４で計算されたマッチングスコアが当該話者テンプレートに設定されている識別用閾値とを比較し、マッチングスコアが識別用閾値よりも小さい場合には、ステップＳ１０６へ進み、登録話者と同じ話者が話したパスワードであると決定される。すなわち、検証が成功したと決定される。マッチングスコアが識別用閾値以上である場合には、ステップＳ１０７へ進み、検証が失敗したと決定される。
【０１１２】
上述の説明から、本実施形態にかかる話者認証の検証方法は、スペクトル変化に基づきフレームの重み付けをする効果的な方法であることがわかる。計算量が比較的少なくてすみ、スペクトル特徴を適用するほとんどのシステムに適している。話者認証の検証方法を適用することで、話者検証システムの機能はかなり向上する。
【０１１３】
また、本実施形態にかかる方法は、スペクトル変化速度に基づき、音素ベースの方法などの現在存在する他の重み付け方法とは、何ら抵触するものではない。従って、これら他の重み付け方法と組み合わせて用いることにより、パフォーマンスがさらに向上する。
【０１１４】
さらに、第２の実施形態の検証方法では、テスト用発話のスペクトル変化及び話者テンプレートのスペクトル変化は、最適マッチングパスを探索する際に考慮されるので、第１の実施形態の検証方法の場合と比較して、より正確な最適マッチングパスが得られ、システムのパフォーマンスはより向上する。
【０１１５】
（第３の実施形態）
図４は、第１の実施形態で説明した話者認証の検証方法（図１参照）を用いた話者認証の検証装置の構成例を示したものである。
【０１１６】
図４に示すように、話者認証の検証装置４００は、パスワードを含むテスト用発話を入力するテスト用発話入力部４０１、入力されたテスト用発話から音響特性ベクトル列を抽出する音響特性ベクトル列抽出部４０２、抽出された音響特性ベクトル列と、登録話者により登録された話者テンプレートとを照合して、マッチングパスを求めるマッチングパス取得部４０３、テスト用発話および／または話者テンプレートのスペクトル変化を考慮して、得られたマッチングパスのマッチングスコアを計算するマッチングスコア計算部４０４、計算されたマッチングスコアと識別用閾値とを比較し、入力されたテスト用発話は、登録話者と同じ話者が話したパスワードを含む発話であるかどうかを決定する比較部４０５を含む。
【０１１７】
検証する必要のあるクライアントにより、パスワードを含むテスト用発話がテスト用発話入力部４０１に入力される（図１のステップＳ１０１）。このパスワードは、登録フェーズにおいて、検証のためにクライアントにより設定された語または音素列である。
【０１１８】
音響特性ベクトル列抽出部４０２は、入力されたテスト用発話から音響特性ベクトル列を抽出する（図１のステップＳ１０２）。本発明では、音響特性は特に限定するものではないが、例えば、ＭＦＣＣ（Mel-scale Frequency Cepstral Coefficients)、ＬＰＣＣ（Linear Predictive Cepstrum Coefficient）、そのほか、エネルギー、基本トーン周波数、ウェーブレット分析に基づき得られる係数など、登録フェーズにおいて、話者の個々の発話特性を表すことができるのであれば、どのようなものを用いても良い。
【０１１９】
マッチングパス取得部４０３は、音響特性ベクトル列抽出部４０２で抽出された音響特性ベクトル列と、登録話者により登録された話者テンプレートとを照合して、マッチングパスを求める（図１のステップＳ１０３）。特に、ＨＭＭモデルの場合、周波数に基づく照合を行うことによりマッチングパスが得られる。この詳細な説明は、非特許文献１に記載されている。ＤＴＷモデルの場合、ＤＴＷアルゴリズムによりマッチングパスが得られる。この詳細は、第１の実施形態において図３を参照して説明した通りであるので、説明は省略する。
【０１２０】
また、話者テンプレート及びその登録プロセスについても第１の実施形態で説明した通りであるので、説明は省略する。
【０１２１】
さらに、話者認証の登録フェーズにおける話者テンプレートに含まれる識別用閾値の決定方法も、第１の実施形態で説明した通りであるので、説明は省略する。
【０１２２】
図４の説明に戻り、マッチングスコア計算部４０４は、テスト用発話および／または話者テンプレートのスペクトル変化を考慮して、マッチングパス取得部４０３で得られたマッチングパスのマッチングスコアを計算する（図１のステップＳ１０４）。
【０１２３】
マッチングスコア計算部４０４は、テスト用発話および／または話者テンプレートのスペクトル変化に基づき、マッチングパスの各フレームの重みを計算する重み計算部４０４１を含む。
【０１２４】
重み計算部４０４１は、急激なスペクトル変化期間内のフレームには大きい重みを与え、スペクトル変化がゆるやかな期間内のフレームには小さい重みを与える。すなわち、本実施形態では、急激なスペクトル変化期間内のフレームを重視する。
【０１２５】
重み計算部４０４１は、テスト用発話のスペクトル変化と、話者テンプレートのスペクトル変化を計算するスペクトル変化計算部を含み、重み計算部４０４１は、このスペクトル変化計算部で計算されたスペクトル変化に基づき、マッチングパスの各フレームの重みを計算する。なお、スペクトル変化計算部でスペクトル変化を計算する方法及び重み計算部４０４１で重みを計算する方法は、第１の実施形態で説明したとおりであるので（例１〜例３参照）、説明は省略する。
【０１２６】
テスト用発話のスペクトル変化およびまたは話者テンプレートのスペクトル変化に基づき、重み計算部４０４１でマッチングパスの各フレームの重みを計算した後、マッチングスコア計算部４０４はマッチングパスの各フレームの重みに基づき、マッチングパスのマッチングスコアを計算する。例えば、マッチングパスのマッチングスコアは、マッチングパスの各フレームの局所距離と当該フレームの重みとの積の総和を求めることにより得られる。
【０１２７】
比較部４０５は、マッチングスコア計算部４０４で計算されたマッチングスコアと当該話者テンプレートに設定されている識別用閾値とを比較し、マッチングスコアが識別用閾値よりも小さいかどうかを決定する（図１のステップＳ１０５）。マッチングスコアが識別用閾値よりも小さい場合には、登録話者と同じ話者が話したパスワードであると決定される（図１のステップＳ１０６）。すなわち、検証が成功したと決定される。マッチングスコアが識別用閾値以上である場合には、検証が失敗したと決定される（図１のステップＳ１０７）。
【０１２８】
上述の説明から、本実施形態にかかる話者認証の検証装置４００は、スペクトル変化に基づきフレームの重み付けをする効果的な装置であることがわかる。計算量が比較的少なくてすみ、スペクトル特徴を適用するほとんどのシステムに適している。この話者認証の検証装置４００を適用することで、話者検証システムの機能はかなり向上する。
【０１２９】
さらに、本実施形態にかかる装置４００は、スペクトル変化速度に基づき検証を行うもので、音素ベースの検証を行う現在存在する他の検証装置とは、何ら抵触するものではない。従って、これら他の検証装置と組み合わせて用いることにより、パフォーマンスがさらに向上する。
【０１３０】
（第４の実施形態）
図５は、第２の実施形態で説明した話者認証の検証方法（図２参照）を用いた話者認証の検証装置の構成例を示したものである。なお、図５において、図４と同一部分には同一符号を付している。
【０１３１】
図５に示すように、話者認証の検証装置５００は、パスワードを含むテスト用発話を入力するテスト用発話入力部４０１、入力されたテスト用発話から音響特性ベクトル列を抽出する音響特性ベクトル列抽出部４０２、テスト用発話および／または話者テンプレートのスペクトル変化を考慮して、抽出された音響特性ベクトル列と、登録話者により登録された話者テンプレートとを照合して、マッチングパスを求めるマッチングパス取得部５０３、得られたマッチングパスのマッチングスコアを計算するマッチングスコア計算部５０４、計算されたマッチングスコアと識別用閾値とを比較し、入力されたテスト用発話は、登録話者と同じ話者が話したパスワードを含む発話であるかどうかを決定する比較部４０５を含む。
【０１３２】
図５において、テスト用発話入力部４０１、音響特性ベクトル列抽出部４０２、及び比較部４０５は、図４と同様であり、マッチングパス取得部５０３及びマッチングスコア計算部５０４が、図４のマッチングパス取得部４０３及びマッチングスコア計算部４０４と異なる。
【０１３３】
すなわち、テスト用発話入力部４０１でパスワードを含むテスト用発話が入力されると（図２のステップＳ１０１）、音響特性ベクトル列抽出部４０２は、当該入力されたテスト用発話から、音響特性ベクトル列を抽出する（図２のステップＳ１０２）。マッチングパス取得部５０３は、テスト用発話およびまたは話者テンプレートのスペクトル変化を考慮して、音響特性ベクトル列抽出部４０２で抽出された音響特性ベクトル列と話者テンプレートとを照合し、最適マッチングパスを得る（図２のステップＳ２０３）。
【０１３４】
マッチングパス取得部５０３は、テスト用発話のスペクトル変化およびまたは話者テンプレートのスペクトル発話に基づき、テスト用発話の音響特性ベクトル列の各フレームと、話者テンプレートの各フレームとに対応する各フレームペアの重みを計算する重み計算部５０３１を含む。本実施形態にかかる話者テンプレートは、第１の実施形態にかかる話者テンプレートと同様であるので説明は省略する。
【０１３５】
重み計算部５０３１は、急激にスペクトルが変化する期間内のフレームには、大きい重みを与え、スペクトルがゆっくり変化する期間内のフレームには、小さい重みを与える。すなわち、第４の実施形態においても、急激にスペクトルが変化する期間内のフレームを重視する。
【０１３６】
重み計算部５０３１は、テスト用発話のスペクトル変化と、話者テンプレートのスペクトル変化を計算するスペクトル変化計算部を含み、重み計算部５０３１は、このスペクトル変化計算部で計算されたスペクトル変化に基づき、各フレームペアの重みを計算する。なお、スペクトル変化計算部でスペクトル変化を計算する方法及び重み計算部５０３１で重みを計算する方法は、第２の実施形態で説明したとおりであるので（例４〜例５参照）、説明は省略する。
【０１３７】
テスト用発話のスペクトル変化およびまたは話者テンプレートのスペクトル変化に基づき、重み計算部５０３１で、テスト用発話の音響特性ベクトル列の各フレームと話者テンプレートの各フレームとに対応する各フレームペアの重みを計算した後、マッチングパス取得部５０３は、音響特性ベクトル列抽出部４０２で抽出された音響特性ベクトル列と話者テンプレートとを照合し、最適マッチングパスを求める。
【０１３８】
特に、ＨＭＭモデルの場合、周波数に基づく照合を行うことにより、マッチングパスが得られる。この詳細な説明は、非特許文献１に記載されている。ＤＴＷモデルの場合、ＤＴＷアルゴリズムによりマッチングパスが得られる。この詳細は、第１の実施形態で図３を参照して説明した通りであるので、説明は省略する。
【０１３９】
マッチングパス取得部５０３で得られた最適マッチングパスのマッチングスコアは、マッチングスコア計算部５０４で計算される（図２のステップＳ２０４）。例えば、最適マッチングパスのマッチングスコアは、当該最適マッチングパスの各フレームの局所距離の総和を計算することで計算することができる。
【０１４０】
比較部４０５は、マッチングスコア計算部５０４で計算されたマッチングスコアと当該話者テンプレートに設定されている識別用閾値とを比較し、マッチングスコアが識別用閾値よりも小さいかどうかを決定する（図２のステップＳ１０５）。マッチングスコアが識別用閾値よりも小さい場合には、登録話者と同じ話者が話したパスワードであると決定される（図２のステップＳ１０６）。すなわち、検証が成功したと決定される。マッチングスコアが識別用閾値以上である場合には、検証が失敗したと決定される（図２のステップＳ１０７）。
【０１４１】
上述の説明から、本実施形態にかかる話者認証の検証装置５００は、スペクトル変化に基づきフレームの重み付けをする効果的な装置であることがわかる。計算量が比較的少なくてすみ、スペクトル特徴を適用するほとんどのシステムに適している。この話者認証の検証装置５００を適用することで、話者検証システムの機能はかなり向上する。
【０１４２】
さらに、本実施形態にかかる装置５００は、スペクトル変化速度に基づき検証を行うもので、音素ベースの検証を行う現在存在する他の検証装置とは、何ら抵触するものではない。従って、これら他の検証装置と組み合わせて用いることにより、パフォーマンスがさらに向上する。
【０１４３】
さらに、第４の実施形態の検証装置５００では、テスト用発話のスペクトル変化及び話者テンプレートのスペクトル変化は、最適マッチングパスを探索する際に考慮されるので、第３の実施形態の検証装置４００の場合と比較して、より正確な最適マッチングパスが得られ、システムのパフォーマンスはより向上する。
【０１４４】
（第５の実施形態）
第５の実施形態として、上述の第３実施形態に係る検証装置４００または第４の実施形態に係る検証装置５００を用いた話者認証システムについて説明する。
【０１４５】
図６は、第５の実施形態に係る話者認証システムの構成例を示したもので、話者テンプレートを登録する登録装置６０１と、当該登録装置６０１で登録された話者テンプレートを基にテスト用発話を検証する第３実施形態に係る検証装置４００または第４の実施形態に係る検証装置５００とを含む。
【０１４６】
登録装置６０１で生成された話者テンプレートは、ネットワーク、内部チャネル、ディスク等の記録媒体などの通信手段を介して、検証装置４００または検証装置５００へ転送される。
【０１４７】
登録装置６０１で生成される話者テンプレート及びその登録方法（生成方法）は、第１の実施形態で説明した通りであるので、説明は省略する。
【０１４８】
第１乃至第４の実施形態の説明から、第５の実施形態にかかる話者認証システム６００は、スペクトル変化に基づきフレームの重み付けをするため、計算量が比較的少なくてすみ、スペクトル特徴を適用するほとんどのシステムに適している。この話者認証システムを適用することで、話者検証の機能はかなり向上する。
【０１４９】
さらに、第５の実施形態にかかるシステム６００は、スペクトル変化速度に基づき検証を行うもので、音素ベースの検証を行う現在存在する他の検証装置とは、何ら抵触するものではない。従って、これら他の検証装置と組み合わせて用いることにより、パフォーマンスがさらに向上する。
【０１５０】
なお、本発明は上記実施形態1乃至５そのままに限定されるものではなく、実施段階ではその要旨を逸脱しない範囲で構成要素を変形して具体化できる。また、上記実施形態に開示されている複数の構成要素の適宜な組み合わせにより、種々の発明を形成できる。例えば、実施形態に示される全構成要素から幾つかの構成要素を削除してもよい。さらに、異なる実施形態にわたる構成要素を適宜組み合わせてもよい。
【図面の簡単な説明】
【０１５１】
【図１】本発明の第１の実施形態に係る話者認証のための検証方法を説明するためのフローチャート。
【図２】本発明の第２の実施形態に係る話者認証のための検証方法を説明するフローチャート。
【図３】テスト用発話と話者テンプレートとの間のＤＴＷマッチングの例を示した図。
【図４】本発明の第３の実施形態に係る話者認証のための検証装置の構成例を示した図。
【図５】本発明の第４の実施形態に係る話者認証のための検証装置の構成例を示した図。
【図６】本発明の第５の実施形態に係る話者認証システムの構成例を示した図。
【符号の説明】
【０１５２】
４０１…テスト用発話入力部
４０２…音響特性ベクトル列抽出部
４０３…マッチングパス取得部
４０４…マッチングスコア計算部
４０４１…重み計算部
４０５…比較部
５０３…マッチングパス取得部
５０３１…重み計算部
５０４…マッチングスコア計算部
【技術分野】
【０００１】
本発明は、情報処理技術に関し、特に、話者認識技術に関する。
【背景技術】
【０００２】
話者認証を行うために、各話者が話をしているときの発音の特徴を用いることにより異なる話者を同定できる。非特許文献１には、一般的によく用いられる、ＨＭＭ（Hidden Markov Model）、ＤＴＷ（Dynamic Time Warping）およびＶＱ(vector Quantization)といった３種類の話者同定エンジン技術が記載されている。
【０００３】
一般に、話者認識システムは登録（enrollment）および検証（verification）とう２つのフェーズを含む。登録フェーズでは、話者（クライアント）によるパスワードを含む発話に従って、当該話者の話者テンプレートを生成する。検証フェーズでは、テスト用発話が当該話者が話したパスワードと同じものを含む発話であるかどうかを、話者テンプレートに従って決定する。特に、ＤＴＷアルゴリズムは通常検証フェーズで用いられ、テスト用発話の音響特性ベクトル列と話者テンプレートとのＤＴＷマッチングを行い、マッチングスコアを得る。そして、マッチングスコアと登録フェーズで得られる識別用閾値とが比較され、テスト用発話が当該話者が話したパスワードと同じものを含む発話かどうかを決定する。ＤＴＷアルゴリズムでは、テスト用発話の音響特性ベクトル列と話者テンプレートとの間の包括マッチングスコアを計算するための共通の方法は、最適マッチングパスに沿って全局所距離を直接加算することである。ＤＴＷベースの話者検証の詳細は、非特許文献２に記載されている。
【０００４】
一般に、話者が話したパスワードを含む発話中のいくつかのフレームは、当該話者の他の発話よりも特色のあるものである。従って、話者を検証する際、話者が話したパスワードを含む発話中のフレーム距離は非常に重要となる。包括マッチングスコアを計算する際、そのようなフレーム距離を重視することでシステムパフォーマンスが向上すると予想される。
【０００５】
ここで、フレームを重み付けを行う一般的な方法として、各フレームの識別可能性を決定するために、複数のクライアントの発話データの集合と、その詐称者の発話データの集合とを用いることにより、話者テンプレートがテストされる。この方法の詳細は、非特許文献３に記載されている。
【０００６】
本発明の発明者により提案された特許文献１記載の単音（あるいはサブワード単位）認識に基づくフレーム重み付け方法では、入力された発話は、単音認識装置により構文解析されて単音に分解されると、単音の話者識別可能性や単音の分類に関する予め用意されている知識に従って、入力された発話中の各フレームに重みが付けられる。
【特許文献１】中国特許出願公開第１９６３９１７号明細書（中国特許出願番号２００５１０１１４９０１．４）
【非特許文献１】“Speaker recognition using hidden Markov models, dynamic time warping and vector quantisation” written by K. Yu, J. Mason, J. Oglesby (Vision, Image and Signal Processing, IEE Proceedings, Vol. 142, Oct. 1995, pp. 313-318)
【非特許文献２】“Cepstral analysis technique for automatic speaker verification” written by S. Furui, Acoustics, Speech, and Signal Processing, (1981), Vol. 29, No. 2, pp. 254-271
【非特許文献３】“Enhancing the stability of speaker verification with compressed templates” written by X. Wen and R. Liu, 2002, ISCSLP2002, pp. 111-114
【発明の開示】
【発明が解決しようとする課題】
【０００７】
1つ目の方法では、話者が話したパスワードを含む大量の発話データの集合と、当該話者以外の者が話した同じパスワードを含む大量の発話データの集合とが、話者テンプレートをテストするために必要となる。そのため、登録のために多大な時間を要し、しかもユーザはベンダーの助けが無ければ、ユーザ自身のパスワードを変更することもできない。従って、このようなシステムを使用することはユーザにとって非常に不便である。
【０００８】
２つ目の方法では、フロントエンドとして単音認識装置が必要である。ＨＭＭそれ自体は単音に有効であるので、ＨＭＭベースのシステムには適している。しかし、ＤＴＷベースのシステムでは、単音認識装置のためのメモリをさらに追加する必要があり、計算の負荷が増大することとなる。
【０００９】
従って、さらなるデータを追加することなく、パスワードを含む発話の各フレームに対し、話者識別可能性を自動的に評価する方法が必要となる。
【００１０】
従来技術の上記問題を解決するために、本発明は、少ないデータ量及び計算量で話者の検証が可能となる話者認証の検証方法、話者認証の検証装置及び話者認証システムを提供することを目的とする。
【課題を解決するための手段】
【００１１】
（１）本発明の一実施形態にかかる話者認証の検証装置は、
話者が話したパスワードを含むテスト用発話を入力し、
入力された前記テスト用発話から音響特性ベクトル列を抽出し、
登録話者により登録された話者テンプレートと、前記音響特性ベクトル列との間のマッチングパスを求め、
前記テスト用発話のスペクトル変化及びまたは前記話者テンプレートのスペクトル変化を考慮して、前記マッチングパスのマッチングスコアを計算し、
前記マッチングスコアと予め定義された識別用閾値とを比較して、前記テスト用発話が前記登録話者が話したパスワードを含む発話であるか否かを決定する。
【００１２】
（２）本発明の他の実施形態にかかる話者認証の検証装置は、
話者が話したパスワードを含むテスト用発話を入力し、
入力された前記テスト用発話から音響特性ベクトル列を抽出し、
前記テスト用発話のスペクトル変化及びまたは登録話者により登録された話者テンプレートのスペクトル変化を考慮して、前記話者テンプレートと、前記音響特性ベクトル列との間のマッチングパスを求め、
前記マッチングパスのマッチングスコアを計算し、
前記マッチングスコアと予め定義された識別用閾値とを比較して、前記テスト用発話が前記登録話者が話したパスワードを含む発話であるか否かを決定する。
【００１３】
（３）本発明の他の実施形態にかかる話者認証システムは、
話者テンプレートを登録する登録装置と、
前記登録装置により登録された話者テンプレートに基づきテスト用発話を検証する上記（１）または（２）記載の検証装置と、を含む。
【００１４】
（４）好ましくは、テスト用発話のスペクトル変化及びまたは話者テンプレートのスペクトル変化を考慮してマッチングパスのマッチングスコアを計算する際、テスト用発話スペクトル変化及びまたは話者テンプレートのスペクトル変化に基づき、当該マッチングパスの各フレームの重みを計算し、この重みに基づき当該マッチングパスのマッチングスコアを計算する。
【００１５】
好ましくは、テスト用発話のスペクトル変化及びまたは話者テンプレートのスペクトル変化に基づきマッチングパスの各フレームの重みを計算する際、当該テスト用発話のスペクトル変化を、その音響特性ベクトル列に基づき計算し、当該テスト用発話のスペクトル変化に基づき該重みを計算する。
【００１６】
好ましくは、テスト用発話のスペクトル変化を、その音響特性ベクトル列に基づき計算する際、当該テスト用発話の音響特性ベクトル列の各フレームと、当該フレームに時間軸上で隣接するフレームとの間の特徴距離に基づき、当該テスト用発話のスペクトル変化を計算する。
【００１７】
好ましくは、テスト用発話の各フレームのスペクトル変化は、当該テスト用発話の音響特性ベクトル列のフレームと、時間軸上で当該フレームに隣接するフレームとの間の特徴距離の平均値である。
【００１８】
好ましくは、テスト用発話のスペクトル変化を、その音響特性ベクトル列に基づき計算する際、当該テスト用発話の音響特性ベクトル列の各フレームと、マッチングパス上で当該フレームに隣接するフレームとの間の特徴距離に基づき、当該テスト用発話のスペクトル変化を計算する。
【００１９】
好ましくは、テスト用発話の各フレームのスペクトル変化は、当該テスト用発話の音響特性ベクトル列のフレームと、マッチングパス上で当該フレームに隣接するフレームとの間の特徴距離の平均値である。
【００２０】
好ましくは、テスト用発話のスペクトル変化を、その音響特性ベクトル列に基づき計算する際、コードブックに基づき当該テスト用発話のスペクトル変化を計算する。
【００２１】
好ましくは、コードブックに基づきテスト用発話のスペクトル変化を計算する際、当該テスト用発話の音響特性ベクトル列の各フレームに、コードブック中で当該フレームに最も近いコードをラベルとして付加し、付加されたラベルに基づき、１セグメント内のすべてのフレームが同じラベルが付されているフレームとなるように、当該テスト用発話を複数のセグメントに分割し、各セグメントについて、該セグメント内の各フレームのスペクトル変化を示す該セグメントの長さを計算する。
【００２２】
好ましくは、テスト用発話のスペクトル変化及びまたは話者テンプレートのスペクトル変化に基づきマッチングパスの各フレームの重みを計算する際、当該話者テンプレートのスペクトル変化を、その音響特性ベクトル列に基づき計算し、当該話者テンプレートのスペクトル変化に基づき該重みを計算する。
【００２３】
好ましくは、当該話者テンプレートのスペクトル変化を、その音響特性ベクトル列に基づき計算する際、前記話者テンプレートの各フレームと、時間軸上で当該フレームに隣接するフレームとの間の特徴距離に基づき、前記話者テンプレートのスペクトル変化を計算する。
【００２４】
好ましくは、話者テンプレートの各フレームのスペクトル変化は、当該話者テンプレートのフレームと、マッチングパス上で当該フレームに隣接するフレームとの間の特徴距離の平均値である。
【００２５】
好ましくは、テスト用発話のスペクトル変化及びまたは話者テンプレートのスペクトル変化に基づきマッチングパスの各フレームの重みを計算する際、当該話者テンプレートのフレームと、マッチングパス上で当該フレームに隣接するフレームとの間の特徴距離に基づき、前記話者テンプレートのスペクトル変化を計算する。
【００２６】
好ましくは、話者テンプレートの各フレームのスペクトル変化は、当該話者テンプレートのフレームと、マッチングパス上で当該フレームに隣接するフレームとの間の特徴距離の平均値である。
【００２７】
好ましくは、話者テンプレートのスペクトル変化を、その音響特性ベクトル列に基づき計算する際、コードブックに基づき当該話者テンプレートのスペクトル変化を計算する。
【００２８】
好ましくは、コードブックに基づき話者テンプレートのスペクトル変化を計算する際、話者テンプレートの各フレームに、前記コードブック中で当該フレームに最も近いコードをラベルとして付加し、付加されたラベルに基づき、１セグメント内のすべてのフレームが同じラベルが付されているフレームとなるように、前記話者テンプレートを複数のセグメントに分割し、各セグメントについて、該セグメント内の各フレームのスペクトル変化を示す該セグメントの長さを計算する。
【００２９】
好ましくは、テスト用発話のスペクトル変化及びまたは話者テンプレートのスペクトル変化に基づきマッチングパスの各フレームの重みを計算する際、前記マッチングパスの各フレームの重みは、前記テスト用発話の前記スペクトル変化または、前記話者テンプレートの前記スペクトル変化または、前記テスト用発話の前記スペクトル変化と前記話者テンプレートの前記スペクトル変化との組合せの単調増加関数を用いて計算する。
【００３０】
好ましくは、抽出された音響特性ベクトル列と登録された話者テンプレートとの間のマッチングパスを求める際、前記音響特性ベクトル列と前記話者テンプレートとの間でＤＴＷ（Dynamic Time Warping）マッチングを行う。
【００３１】
（５）好ましくは、テスト用発話のスペクトル変化及びまたは登録話者により登録された話者テンプレートのスペクトル変化を考慮して、テスト用発話から抽出された音響特性ベクトル列と前記話者テンプレートとの間のマッチングパスを求める際、前記テスト用発話のスペクトル変化に基づき、前記テスト用発話の前記音響特性ベクトル列の各フレームの重みを計算し、前記重みを考慮して、前記音響特性ベクトル列と前記話者テンプレートとの間のマッチングパスを求める。
【００３２】
好ましくは、テスト用発話のスペクトル変化に基づき、当該テスト用発話の音響特性ベクトル列の各フレームの重みを計算する際、前記音響特性ベクトル列に基づき、前記テスト用発話のスペクトル変化を計算し、前記テスト用発話のスペクトル変化に基づき、前記テスト用発話の前記音響特性ベクトル列の各フレームの重みを計算する。
【００３３】
好ましくは、音響特性ベクトル列に基づき、テスト用発話のスペクトル変化を計算する際、前記テスト用発話の前記音響特性ベクトル列の各フレームと、時間軸上で当該フレームに隣接するフレームとの間の特徴距離に基づき、前記テスト用発話のスペクトル変化を計算する。
【００３４】
好ましくは、テスト用発話の各フレームのスペクトル変化は、前記テスト用発話の音響特性ベクトル列のフレームと、時間軸上で当該フレームに隣接するフレームとの間の特徴距離の平均値である。
【００３５】
好ましくは、音響特性ベクトル列に基づき、テスト用発話のスペクトル変化を計算する際、コードブックに基づき当該テスト用発話のスペクトル変化を計算する。
【００３６】
好ましくは、コードブックに基づきテスト用発話のスペクトル変化を計算する際、前記テスト用発話の音響特性ベクトル列の各フレームに、前記コードブック中で当該フレームに最も近いコードをラベルとして付加し、付加されたラベルに基づき、１セグメント内のすべてのフレームが同じラベルが付されているフレームとなるように、前記テスト用発話を複数のセグメントに分割し、各セグメントについて、該セグメント内の各フレームのスペクトル変化を示す該セグメントの長さを計算する。
【００３７】
好ましくは、テスト用発話のスペクトル変化及びまたは登録話者により登録された話者テンプレートのスペクトル変化を考慮して、テスト用発話から抽出された音響特性ベクトル列と前記話者テンプレートとの間のマッチングパスを求める際、前記話者テンプレートのスペクトル変化に基づき、前記話者テンプレートの各フレームの重みを計算し、前記重みを考慮して、前記音響特性ベクトル列と前記話者テンプレートとの間のマッチングパスを求める。
【００３８】
好ましくは、話者テンプレートのスペクトル変化に基づき、前記話者テンプレートの各フレームの重みを計算する際、前記話者テンプレートの前記音響特徴ベクトル列に基づき、前記話者テンプレートのスペクトル変化を計算し、前記話者テンプレートの前記スペクトル変化に基づき、前記話者テンプレートの各フレームの重みを計算する。
【００３９】
好ましくは、話者テンプレートの音響特徴ベクトル列に基づき、前記話者テンプレートのスペクトル変化を計算する際、話者テンプレートの各フレームと、時間軸上で当該フレームに隣接するフレームとの間の特徴距離に基づき、前記話者テンプレートのスペクトル変化を計算する。
【００４０】
好ましくは、話者テンプレートの各フレームのスペクトル変化は、前記話者テンプレートのフレームと、時間軸上で当該フレームに隣接するフレームとの間の特徴距離の平均値である。
【００４１】
好ましくは、話者テンプレートの音響特性ベクトル列に基づき、テスト用発話のスペクトル変化を計算する際、コードブックに基づき当該話者テンプレートのスペクトル変化を計算する。
【００４２】
好ましくは、コードブックに基づき話者テンプレートのスペクトル変化を計算する際、前記話者テンプレートの各フレームに、前記コードブック中で当該フレームに最も近いコードをラベルとして付加し、付加されたラベルに基づき、１セグメント内のすべてのフレームが同じラベルが付されているフレームとなるように、前記話者テンプレートを複数のセグメントに分割し、各セグメントについて、該セグメント内の各フレームのスペクトル変化を示す該セグメントの長さを計算する。
【００４３】
好ましくは、抽出された音響特性ベクトル列と登録された話者テンプレートとの間のマッチングパスを求める際、前記音響特性ベクトル列と前記話者テンプレートとの間でＤＴＷ（Dynamic Time Warping）マッチングを行う。
【発明の効果】
【００４４】
少ないデータ量及び計算量で話者の検証が可能となる。
【発明を実施するための最良の形態】
【００４５】
以下、本発明の実施形態について図面を参照して説明する。
【００４６】
（第１の実施形態）
第１の実施形態に係る話者認証の検証方法は、図１に示すように、まず、ステップＳ１０１において、検証する必要のあるクライアントにより、パスワードを含むテスト用発話が入力される。このパスワードは、登録フェーズにおいて、検証のためにクライアントにより設定された語または音素列である。
【００４７】
次に、ステップＳ１０２において、ステップＳ１０１で入力されたテスト用発話から音響特性ベクトル列を抽出する。本発明では、音響特性は特に限定するものではないが、例えば、ＭＦＣＣ（Mel-scale Frequency Cepstral Coefficients)、ＬＰＣＣ（Linear Predictive Cepstrum Coefficient）、そのほか、エネルギー、基本トーン周波数、ウェーブレット分析に基づき得られる係数など、登録フェーズにおいて、話者の個々の発話特性を表すことができるのであれば、どのようなものを用いても良い。
【００４８】
次に、ステップＳ１０３へ進み、ステップＳ１１０２で抽出された音響特性ベクトル列と、登録話者により登録された話者テンプレートとを照合して、マッチングパスを求める。特に、ＨＭＭモデルの場合、周波数に基づく照合を行うことによりマッチングパスが得られる。この詳細な説明は、非特許文献１に記載されている。ＤＴＷモデルの場合、ＤＴＷアルゴリズムによりマッチングパスが得られる。この詳細を図３を参照して説明する。
【００４９】
図３は、テスト用発話と話者テンプレートとの間のＤＴＷマッチングの例を示したものである。図３に示すように、横軸は話者テンプレートのフレームを表し、縦軸は入力発話のフレームを表す。ＤＴＷマッチングが実行されると、話者テンプレートの各フレームと、これに対応する入力発話のフレーム及びこれに隣接するフレームとの間の局所距離を計算する。そして局所距離が最小の入力発話のフレームを、話者テンプレートの当該フレームに対応するフレームとして選択する。入力発話の全フレームのそれぞれについて、それに対応する話者テンプレートのフレームが選択されるまで、このステップを繰り返すことにより、最適マッチングパスが得られる。最適マッチングパスは、入力発話の音響特性ベクトル列と話者テンプレートとの間の局所距離が最小のマッチングパスである。また、マッチングパスは、Ｉを話者テンプレートのフレームの番号、Ｊを入力発話のフレームの番号とすると、図３に示すように、格子点（１，１）から格子点（Ｉ、Ｊ）までの格子点に沿ったパスである。なお、本実施形態において、マッチングパスを求める方法は、ステップＳ１０２で抽出された音響特性ベクトル列と、話者テンプレートとの間の最適マッチングパスが得られるのであれば、上述したＨＭＭモデル及びＤＴＷモデル以外の他の公知のモデルを用いてもよい。
【００５０】
本実施形態にかかる話者テンプレートは、話者認証の登録方法によって生成される話者テンプレートであり、少なくとも話者の話したパスワードに対応する音響特性と、識別用閾値とを含む。ここで、話者認証の登録プロセスについて簡単に説明する。まず、話者の話したパスワードの発話音声が入力される。次に、このパスワードの発話音声から音響特性を抽出することにより、当該話者の話者テンプレートが生成される。話者テンプレートは、話者テンプレートの質を上げるために、トレーニング用の多くの発話から生成される。まず、多くのトレーニング用の発話のうちの１つが初期テンプレートとして選択される。そして、２つ目のトレーニング用の発話と当該初期テンプレートとの間でＤＴＷ方法を用いて、当該２つの発話の特性ベクトルの平均を求めることにより、新たなテンプレートを生成する。さらに、３つ目のトレーニング用の発話と当該新たなテンプレートとの間でＤＴＷ方法を用いて、当該２つの発話の特性ベクトルの平均を求めることにより、新たなテンプレートを生成する。以上を与えられた全てのトレーニング用発話を１つのテンプレートにマージするまで繰り返す。いわゆるテンプレートのマージングを行うことにより、話者テンプレートが生成される。テンプレートのマージングについては、“Cross-words reference template for DTW-based speech recognition systems” written by W. H. Abdulla, D. Chow, and G. Sin (IEEE TENCON 2003, pp. 1576-1579)に記載されている。
【００５１】
さらに、話者認証の登録フェーズでは、話者テンプレートに含まれる識別用閾値が次に示すようにして決定される。まず、当該登録話者が話したパスワードを含む発話データの集合と、当該登録話者以外の他の話者が話した同じパスワードを含む発話データの集合とから求めた、当該登録話者と他の話者とのＤＴＷマッチングスコアの２つの分布を求める。そして、当該登録話者の話者テンプレートの識別用閾値は、次に示すような少なくとも３つの方法により決定することができる。
【００５２】
２つの分布曲線の交点、すなわち、ＦＡＲ（False Accept Rate）とＦＲＲ（False Reject Rate）との合計が最小となる点に、識別用閾値を設定する。
【００５３】
ＥＥＲ（Equal Error Rate）に対応する値に識別用閾値を設定する。
【００５４】
ＦＡＲが所望の値（例えば０．１％）となる値に識別用閾値を設定する。
【００５５】
図１の説明に戻り、ステップＳ１０４では、テスト用発話および／または話者テンプレートのスペクトル変化を考慮して、ステップＳ１０３で得られたマッチングパスのマッチングスコアを計算する。
【００５６】
ステップＳ１０４では、まず、テスト用発話および／または話者テンプレートのスペクトル変化に基づき、マッチングパスの各フレームの重みを計算する。
【００５７】
特に、本実施形態では、急激なスペクトル変化期間内のフレームには大きい重みを与え、スペクトル変化がゆるやかな期間内のフレームには小さい重みを与える。すなわち、本実施形態では、急激なスペクトル変化期間内のフレームを重視する。
【００５８】
ステップＳ１０４におけるスペクトル変化を用いたマッチングパスの各フレームの重みを計算する方法を、次に示す例１〜例３を参照して詳細に説明する。
【００５９】
＜例１＞
例１では、マッチングパスの各フレームの重みは、ターゲットフレームと時間軸上で当該ターゲットフレームに隣接するフレームとの間の特徴距離を用いて計算する。
【００６０】
まず、話者テンプレートＸの各フレームのスペクトル変化と、テスト用発話Ｙのスペクトル変化をそれぞれ計測する。
【００６１】
話者テンプレートＸのスペクトル変化ｄx（ｉ）は、式（１）を用いて計算する。
【数１】
【００６２】
ここで、ｉは、話者テンプレートＸのフレームのインデックスを表し、ｘは話者テンプレートＸの特徴ベクトルを表し、distは、２つの特徴ベクトル間のユークリッド距離のような距離を表す。
【００６３】
なお、式（１）によれば、話者テンプレートＸのスペクトル変化ｄx（ｉ）は、ターゲットフレームと時間軸上で当該ターゲットフレームに隣接するフレームとの間の特徴距離dist(xi,xi-1)、dist(xi,xi+1)の平均値であるが、これに限定するものではなく、スペクトル変化ｄx（ｉ）は、話者テンプレートＸのスペクトル変化が十分に表すことができるのであれば、たとえば特徴距離dist(xi,xi-1)、dist(xi,xi+1)の幾何平均値
【数２】
【００６４】
や、調和平均値1/(1/ dist(xi,xi-1)+ 1/ dist(xi,xi+1))などであってもよい。
【００６５】
さらに、ターゲットフレームのスペクトル変化は、２つの距離dist(xi,xi-1)、dist(xi,xi+1)から計算されているが、この場合に限定するものではなく、ターゲットフレームと時間軸上でこれに隣接するさらに別のフレームとの間の距離を用いてもよい。
【００６６】
テスト用発話Ｙのスペクトル変化ｄｙ（ｉ）も、上述した、ステップＳ１０２で抽出された音響ベクトル列に基づき、話者テンプレートＸのスペクトル変化ｄｘ（ｉ）を計算する方法と同様にして計算することができる。ここで、ｊは、テスト用発話Ｙの音響特性ベクトル列のフレームのインデクスである。
【００６７】
次に、話者テンプレートＸのスペクトル変化ｄｘ（ｉ）とテスト用発話Ｙのスペクトル変化ｄｙ（ｉ）との単調増加関数により、マッチングパスの各フレームの重みを計算する。例えば、マッチングパスの各フレームの重みｗ（ｋ）は、次式（２）〜（４）を用いることにより計算できる。
【数３】
【００６８】
ここで、ｋはマッチングパスのフレームペアのインデックスであり、話者テンプレートＸのフレームのインデックスｉと、テスト用発話Ｙのフレームのインデックスｊとに対応する。ｃは定数である。
【数４】
【００６９】
＜例２＞
例２では、マッチングパスの各フレームの重みは、コードブックを用いることにより得られる複数のセグメントにより計算される。
【００７０】
コードブックは、全アプリケーションの音響空間においてトレーニングされたものである。例えば、中国語のアプリケーション環境では、コードブックは、中国語の発話の音響空間を対象とする必要がある。英語のアプリケーション環境では、コードブックは、英語の発話の音響空間を対象とする必要がある。もちろん、ある特定のアプリケーション環境では、コードブックの対象となる音響空間も、適宜変更される。
【００７１】
本実施形態にかかるコードブックには、多くのコードと、各コードの特徴ベクトルとを含む。コードの数は、音響空間のサイズ、所望の圧縮比、および所望の圧縮品質に依存する。音響空間が大きくなればなるほど、必要とするコードの数も多くなる。ある音響空間の条件の下、必要とするコード数が少ないほど、圧縮比は高くなり、コード数が多いほど、圧縮されたテンプレートの質は高くなる。本発明の好ましい実施形態によれば、一般的な中国語の発話の音響空間において、コードの数は好ましくは２５６〜５１２である。もちろん、異なる要求に応じて、コードの数およびコードブックが対象とする音響空間は適宜調整される。
【００７２】
例２では、テスト用発話の音響特性ベクトル列の各フレームには、コードブック中で当該フレームに最も近いコードがラベルとして付加される。そして、付加されたラベルに基づき、１セグメント内のすべてのフレームが同じラベルが付されているフレームとなるように、テスト用発話を複数のセグメントに分割する。１セグメント内のフレーム群は互いに類似し、各セグメントの長さは、一種のスペクトル変化の計測と見なせるからである。長いセグメントは、そこでのスペクトル変化が比較的ゆっくりであることを示す。同様にして、話者テンプレートの各フレームにコードブックを用いることによりラベル付けし、そのラベルに基づき話者テンプレートを分割することにより得られた各セグメントの長さを計算することにより、話者テンプレートのスペクトル変化を求めることができる。
【００７３】
例２では、マッチングパスの各フレームの重みは、例１の式（２）〜式（４）のｄx(i)およびｄy(j)に、ターゲットフレームが存在する当該セグメントの長さを用いることにより計算することができる。従って、ｄx(i)およびｄy(j)は離散値である。この場合、スペクトル変化をマッチングパスの各フレームの重みに変換するために用いる関数として区分的関数を用いることができる。
【００７４】
本実施形態では、例えば、次に示すような、どのようなタイプの区分的関数も用いることができる。
【００７５】
w(k)=1, if d(k) ≦ 10;
w(k)=0.5, else
ここで、ｋを話者テンプレートＸのフレームのインデックスｉと、テスト用発話Ｙのフレームのインデックスｊに対応する、マッチングパスのフレームペアのインデックスとする。
【数５】
【００７６】
＜例３＞
例３では、マッチングパスの各フレームの重みは、ターゲットフレームと、当該マッチングパス上でターゲットフレームに隣接するフレームとの間の特徴距離を用いて計算する。
【００７７】
特に、話者テンプレートＸのスペクトル変化ｄx（ｉ）は、次式（５）を用いて計算することができる。
【数６】
【００７８】
式（５）を用いることにより計算される話者テンプレートＸのスペクトル変化は、ターゲットフレームと、当該マッチングパス上でターゲットフレームに隣接するフレームとの間の特徴距離の平均であるが、本実施形態はこれに限定するものではなく、スペクトル変化は、話者テンプレートＸのスペクトル変化が十分に表すことができるのであれば、たとえば特徴距離間の幾何平均値でもよい。
【００７９】
ターゲットフレームのスペクトル変化は、ターゲットフレームと、マッチングパス上の当該ターゲットパスに最近傍のノードのフレームとの間の２つの距離により計算されているが、この場合に限定するものではなく、ターゲットフレームと、マッチングパス上の当該ターゲットパスに近傍のさらに別のノードのフレームとの間の距離を用いてもよい。
【００８０】
テスト用発話Ｙのスペクトル変化ｄｙ（ｉ）も、上述した、ステップＳ１０２で抽出された音響ベクトル列に基づき、式（５）を用いて話者テンプレートＸのスペクトル変化ｄｘ（ｉ）を計算する方法と同様にして計算することができる。ここで、ｊは、テスト用発話Ｙの音響特性ベクトル列のフレームのインデクスである。
【００８１】
話者テンプレートＸのスペクトル変化ｄｘ（ｉ）とテスト用発話Ｙのスペクトル変化ｄｙ（ｉ）との単調増加関数により、マッチングパスの各フレームの重みを計算する。例えば、マッチングパスの各フレームの重みｗ（ｋ）は、上述の式（２）〜（４）を用いることにより計算できる。
【００８２】
マッチングパスの各フレームの重みは例１〜例３に示した方法のいずれかを用いることにより計算できるが、これらに限定するものではなく、急激なスペクトル変化やゆっくりしたスペクトル変化を大きい重みや小さい重みにそれぞれ変換できるのであれば、どのような方法を用いてもよい。
【００８３】
例１〜例３に示した方法は、マッチングパスの各フレームの重みは、話者テンプレートＸのスペクトル変化ｄｘ（ｉ）や、テスト用発話Ｙのスペクトル変化ｄｙ（ｉ）を考慮する場合と、話者テンプレートＸのスペクトル変化ｄｘ（ｉ）や、テスト用発話Ｙのスペクトル変化ｄｙ（ｉ）の組み合わせを考慮する場合とがあるが、これらに限定するものではない。
【００８４】
また、スペクトル変化を用いた重みの計算方法は、上述の式（２）〜式（４）に限定するものではなく、急激にスペクトル変化する期間には大きい重みを与え、スペクトル変化がゆるやかな期間には小さい重みを与えることができるのであれば、どのような（スペクトル変化の）単調増加関数を用いても重みを計算することができる。
【００８５】
図１のステップＳ１０４に戻り、テスト用発話のスペクトル変化およびまたは話者テンプレートのスペクトル変化に基づき、マッチングパスの各フレームの重みを計算した後、マッチングパスの各フレームの重みに基づき、マッチングパスのマッチングスコアを計算する。例えば、マッチングパスのマッチングスコアは、マッチングパスの各フレームの局所距離と当該フレームの重みとの積の総和を求めることにより得られる。
【００８６】
ステップＳ１０５へ進み、ステップＳ１０４で計算されたマッチングスコアと当該話者テンプレートに設定されている識別用閾値とを比較し、マッチングスコアが識別用閾値よりも小さい場合には、ステップＳ１０６へ進み、登録話者と同じ話者が話したパスワードであると決定される。すなわち、検証が成功したと決定される。マッチングスコアが識別用閾値以上である場合には、ステップＳ１０７へ進み、検証が失敗したと決定される。
【００８７】
上述の説明から、本実施形態にかかる話者認証の検証方法は、スペクトル変化に基づきフレームの重み付けをする効果的な方法であることがわかる。計算量が比較的少なくてすみ、スペクトル特徴を適用するほとんどのシステムに適している。この話者認証の検証方法を適用することで、話者検証システムの機能はかなり向上する。
【００８８】
さらに、本実施形態にかかる方法は、スペクトル変化速度に基づくもので、音素ベースの方法などの現在存在する他の重み付け方法とは、何ら抵触するものではない。従って、これら他の重み付け方法と組み合わせて用いることにより、パフォーマンスがさらに向上する。
【００８９】
（第２の実施形態）
第２の実施形態に係る話者認証の検証方法について、図２に示すフローチャートを参照して説明する。なお、図２において、図１と同一部分には同一符号を付し、異なる部分を主に説明する。すなわち、図２において、図１のステップ１０３およびステップＳ１０４が、ステップＳ２０３およびステップＳ２０４に置き換わっている。
【００９０】
図１と同様に、図２のステップＳ１０１でパスワードを含むテスト用発話が入力された後、ステップＳ２０２では、当該入力されたテスト用発話から、音響特性ベクトル列が抽出される。次に、図２のステップＳ２０３では、テスト用発話およびまたは話者テンプレートのスペクトル変化を考慮して、ステップＳ１０２で抽出された音響特性ベクトル列と話者テンプレートとを照合し、最適マッチングパスを得る。
【００９１】
ステップＳ２０３では、まず、テスト用発話のスペクトル変化およびまたは話者テンプレートのスペクトル発話に基づき、テスト用発話の音響特性ベクトル列の各フレームと、話者テンプレートの各フレームとに対応する各フレームペアの重みを計算する。本実施形態にかかる話者テンプレートは、第１の実施形態にかかる話者テンプレートと同様であるので説明は省略する。
【００９２】
第２の実施形態では、急激にスペクトルが変化する期間内のフレームには、大きい重みを与え、スペクトルがゆっくり変化する期間内のフレームには、小さい重みを与える。すなわち、第２の実施形態においても、急激にスペクトルが変化する期間内のフレームを重視する。
【００９３】
ステップＳ２０３において、スペクトル変化を用いて各フレームペアの重みを計算する方法を、次の例４〜例５を用いて説明する。
【００９４】
＜例４＞
例４では、各フレームペアの重みは、ターゲットフレームと、時間軸上で当該ターゲットフレームと隣接するフレームとの間の特徴距離により計測できる。
【００９５】
まず、話者テンプレートＸのスペクトル変化ｄx（ｉ）と、テスト用発話Ｙのスペクトル変化ｄｙ（ｉ）とを、上記式（１）を用いて計算する。その詳細は、前述した例１と同様であるので説明は省略する。
【００９６】
そして、各フレームペアの重みは、話者テンプレートＸのスペクトル変化ｄx（ｉ）とテスト用発話のスペクトル変化ｄｙ（ｉ）との単調増加関数により計算される。例えば、各フレームペアの重みｗ（ｋ）は、次式（６）〜（８）を用いることにより計算できる。
【数７】
【００９７】
ここで、ｇは、話者テンプレートＸのフレームのインデックスｉと、テスト用発話Ｙのフレームのインデックスｊとに対応するフレームペアのインデックスであり、ａおよびｃは定数である。
【数８】
【００９８】
＜例５＞
例５では、各フレームペアの重みは、コードブックを用いて得られる複数のセグメントから計測する。
【００９９】
本実施形態にかかるコードブックは、全アプリケーションの音響空間においてトレーニングされたものである。例えば、中国語のアプリケーション環境では、コードブックは、中国語の発話の音響空間を対象とする必要がある。英語のアプリケーション環境では、コードブックは、英語の発話の音響空間を対象とする必要がある。もちろん、ある特定のアプリケーション環境では、コードブックの対象となる音響空間も、適宜変更される。
【０１００】
本実施形態にかかるコードブックには、多くのコードと、各コードの特徴ベクトルとを含む。コードの数は、音響空間のサイズ、所望の圧縮比、および所望の圧縮品質に依存する。音響空間が大きくなればなるほど、必要とするコードの数も多くなる。ある音響空間の条件の下、必要とするコード数が少ないほど、圧縮比は高くなり、コード数が多いほど、圧縮されたテンプレートの質は高くなる。本発明の好ましい実施形態によれば、一般的な中国語の発話の音響空間において、コードの数は好ましくは２５６〜５１２である。もちろん、異なる要求に応じて、コードの数およびコードブックが対象とする音響空間は適宜調整される。
【０１０１】
例５では、テスト用発話の音響特性ベクトル列の各フレームは、コードブック中の最も近いコードがラベルとして付加される。そして、テスト用発話を、付加されたラベルに基づき、１セグメント内のすべてのフレームが同じラベルが付されているフレームとなるように分割する。１セグメント内のフレーム群は互いに類似し、各セグメントの長さは、一種のスペクトル変化の計測と見なせるからである。長いセグメントは、そこでのスペクトル変化が比較的ゆっくりであることを示す。話者テンプレートの各フレームにコードブックを用いることによりラベル付けし、そのラベルに基づき話者テンプレートを分割することにより得られた各セグメントの長さにより、話者テンプレートのスペクトル変化を計測できる。
【０１０２】
例５では、各フレームペアの重みは、例４の式（６）〜式（８）のｄx(i)およびｄy(j)に、ターゲットフレームが存在する当該セグメントの長さを用いることにより計算することができる。この場合、スペクトル変化をマッチングパスの各フレームの重みに変換するために用いる関数として区分的関数を用いることができる。
【０１０３】
本実施形態では、例えば、次に示すような、どのようなタイプの区分的関数も用いることができる。
【０１０４】
w(ｇ)=1, if d(ｇ) ≦ 10;
w(ｇ)=0.5, else
ここで、ｇを話者テンプレートＸのフレームのインデックスｉと、テスト用発話Ｙのフレームのインデックスｊに対応する、マッチングパスのフレームペアのインデックスとする。
【数９】
【０１０５】
上述の例４〜例５の方法を用いることで、各フレームペアの重みを計算することができるが、本実施形態は例４〜例５に限定するものではなく、急激なスペクトル変化やゆっくりしたスペクトル変化を大きい重みや小さい重みにそれぞれ変換できるのであれば、どのような方法を用いてもよい。
【０１０６】
例４〜例５に示した方法は、マッチングパスの各フレームの重みは、話者テンプレートＸのスペクトル変化ｄｘ（ｉ）や、テスト用発話Ｙのスペクトル変化ｄｙ（ｉ）を考慮する場合と、話者テンプレートＸのスペクトル変化ｄｘ（ｉ）や、テスト用発話Ｙのスペクトル変化ｄｙ（ｉ）の組み合わせを考慮する場合とがあるが、これらに限定するものではない。
【０１０７】
また、スペクトル変化を用いた重みの計算方法は、上述の式（６）〜式（８）に限定するものではなく、急激にスペクトル変化する期間には大きい重みを与え、スペクトル変化がゆっくりしている期間には小さい重みを与えることができるのであれば、どのような（スペクトル変化の）単調増加関数を用いても重みを計算することができる。
【０１０８】
図２のステップＳ２０３に戻り、テスト用発話の音響特徴特性ベクトル列の各フレームと、話者テンプレートの各フレームとに対応する各フレームペアの重みを、テスト用発話のスペクトル変化及びまたは話者テンプレートのスペクトル変化に基づき計算した後、ステップＳ１０２で抽出された音響特性ベクトル列と話者テンプレートとを照合し、最適マッチングパスを得る。
【０１０９】
特に、ＨＭＭモデルの場合、周波数に基づく照合を行うことにより、マッチングパスが得られる。この詳細な説明は、非特許文献１に記載されている。ＤＴＷモデルの場合、ＤＴＷアルゴリズムによりマッチングパスが得られる。この詳細は、第１の実施形態で図３を参照して説明した通りであるので、説明は省略する。
【０１１０】
次に、ステップＳ２０４へ進み、ステップＳ２０３で計算された最適マッチングパスのマッチングスコアを計算する。例えば、最適マッチングパスのマッチングスコアは、当該最適マッチングパスの各フレームの局所距離の総和を計算することで計算することができる。
【０１１１】
さらに、ステップＳ１０５へ進み、ステップＳ２０４で計算されたマッチングスコアが当該話者テンプレートに設定されている識別用閾値とを比較し、マッチングスコアが識別用閾値よりも小さい場合には、ステップＳ１０６へ進み、登録話者と同じ話者が話したパスワードであると決定される。すなわち、検証が成功したと決定される。マッチングスコアが識別用閾値以上である場合には、ステップＳ１０７へ進み、検証が失敗したと決定される。
【０１１２】
上述の説明から、本実施形態にかかる話者認証の検証方法は、スペクトル変化に基づきフレームの重み付けをする効果的な方法であることがわかる。計算量が比較的少なくてすみ、スペクトル特徴を適用するほとんどのシステムに適している。話者認証の検証方法を適用することで、話者検証システムの機能はかなり向上する。
【０１１３】
また、本実施形態にかかる方法は、スペクトル変化速度に基づき、音素ベースの方法などの現在存在する他の重み付け方法とは、何ら抵触するものではない。従って、これら他の重み付け方法と組み合わせて用いることにより、パフォーマンスがさらに向上する。
【０１１４】
さらに、第２の実施形態の検証方法では、テスト用発話のスペクトル変化及び話者テンプレートのスペクトル変化は、最適マッチングパスを探索する際に考慮されるので、第１の実施形態の検証方法の場合と比較して、より正確な最適マッチングパスが得られ、システムのパフォーマンスはより向上する。
【０１１５】
（第３の実施形態）
図４は、第１の実施形態で説明した話者認証の検証方法（図１参照）を用いた話者認証の検証装置の構成例を示したものである。
【０１１６】
図４に示すように、話者認証の検証装置４００は、パスワードを含むテスト用発話を入力するテスト用発話入力部４０１、入力されたテスト用発話から音響特性ベクトル列を抽出する音響特性ベクトル列抽出部４０２、抽出された音響特性ベクトル列と、登録話者により登録された話者テンプレートとを照合して、マッチングパスを求めるマッチングパス取得部４０３、テスト用発話および／または話者テンプレートのスペクトル変化を考慮して、得られたマッチングパスのマッチングスコアを計算するマッチングスコア計算部４０４、計算されたマッチングスコアと識別用閾値とを比較し、入力されたテスト用発話は、登録話者と同じ話者が話したパスワードを含む発話であるかどうかを決定する比較部４０５を含む。
【０１１７】
検証する必要のあるクライアントにより、パスワードを含むテスト用発話がテスト用発話入力部４０１に入力される（図１のステップＳ１０１）。このパスワードは、登録フェーズにおいて、検証のためにクライアントにより設定された語または音素列である。
【０１１８】
音響特性ベクトル列抽出部４０２は、入力されたテスト用発話から音響特性ベクトル列を抽出する（図１のステップＳ１０２）。本発明では、音響特性は特に限定するものではないが、例えば、ＭＦＣＣ（Mel-scale Frequency Cepstral Coefficients)、ＬＰＣＣ（Linear Predictive Cepstrum Coefficient）、そのほか、エネルギー、基本トーン周波数、ウェーブレット分析に基づき得られる係数など、登録フェーズにおいて、話者の個々の発話特性を表すことができるのであれば、どのようなものを用いても良い。
【０１１９】
マッチングパス取得部４０３は、音響特性ベクトル列抽出部４０２で抽出された音響特性ベクトル列と、登録話者により登録された話者テンプレートとを照合して、マッチングパスを求める（図１のステップＳ１０３）。特に、ＨＭＭモデルの場合、周波数に基づく照合を行うことによりマッチングパスが得られる。この詳細な説明は、非特許文献１に記載されている。ＤＴＷモデルの場合、ＤＴＷアルゴリズムによりマッチングパスが得られる。この詳細は、第１の実施形態において図３を参照して説明した通りであるので、説明は省略する。
【０１２０】
また、話者テンプレート及びその登録プロセスについても第１の実施形態で説明した通りであるので、説明は省略する。
【０１２１】
さらに、話者認証の登録フェーズにおける話者テンプレートに含まれる識別用閾値の決定方法も、第１の実施形態で説明した通りであるので、説明は省略する。
【０１２２】
図４の説明に戻り、マッチングスコア計算部４０４は、テスト用発話および／または話者テンプレートのスペクトル変化を考慮して、マッチングパス取得部４０３で得られたマッチングパスのマッチングスコアを計算する（図１のステップＳ１０４）。
【０１２３】
マッチングスコア計算部４０４は、テスト用発話および／または話者テンプレートのスペクトル変化に基づき、マッチングパスの各フレームの重みを計算する重み計算部４０４１を含む。
【０１２４】
重み計算部４０４１は、急激なスペクトル変化期間内のフレームには大きい重みを与え、スペクトル変化がゆるやかな期間内のフレームには小さい重みを与える。すなわち、本実施形態では、急激なスペクトル変化期間内のフレームを重視する。
【０１２５】
重み計算部４０４１は、テスト用発話のスペクトル変化と、話者テンプレートのスペクトル変化を計算するスペクトル変化計算部を含み、重み計算部４０４１は、このスペクトル変化計算部で計算されたスペクトル変化に基づき、マッチングパスの各フレームの重みを計算する。なお、スペクトル変化計算部でスペクトル変化を計算する方法及び重み計算部４０４１で重みを計算する方法は、第１の実施形態で説明したとおりであるので（例１〜例３参照）、説明は省略する。
【０１２６】
テスト用発話のスペクトル変化およびまたは話者テンプレートのスペクトル変化に基づき、重み計算部４０４１でマッチングパスの各フレームの重みを計算した後、マッチングスコア計算部４０４はマッチングパスの各フレームの重みに基づき、マッチングパスのマッチングスコアを計算する。例えば、マッチングパスのマッチングスコアは、マッチングパスの各フレームの局所距離と当該フレームの重みとの積の総和を求めることにより得られる。
【０１２７】
比較部４０５は、マッチングスコア計算部４０４で計算されたマッチングスコアと当該話者テンプレートに設定されている識別用閾値とを比較し、マッチングスコアが識別用閾値よりも小さいかどうかを決定する（図１のステップＳ１０５）。マッチングスコアが識別用閾値よりも小さい場合には、登録話者と同じ話者が話したパスワードであると決定される（図１のステップＳ１０６）。すなわち、検証が成功したと決定される。マッチングスコアが識別用閾値以上である場合には、検証が失敗したと決定される（図１のステップＳ１０７）。
【０１２８】
上述の説明から、本実施形態にかかる話者認証の検証装置４００は、スペクトル変化に基づきフレームの重み付けをする効果的な装置であることがわかる。計算量が比較的少なくてすみ、スペクトル特徴を適用するほとんどのシステムに適している。この話者認証の検証装置４００を適用することで、話者検証システムの機能はかなり向上する。
【０１２９】
さらに、本実施形態にかかる装置４００は、スペクトル変化速度に基づき検証を行うもので、音素ベースの検証を行う現在存在する他の検証装置とは、何ら抵触するものではない。従って、これら他の検証装置と組み合わせて用いることにより、パフォーマンスがさらに向上する。
【０１３０】
（第４の実施形態）
図５は、第２の実施形態で説明した話者認証の検証方法（図２参照）を用いた話者認証の検証装置の構成例を示したものである。なお、図５において、図４と同一部分には同一符号を付している。
【０１３１】
図５に示すように、話者認証の検証装置５００は、パスワードを含むテスト用発話を入力するテスト用発話入力部４０１、入力されたテスト用発話から音響特性ベクトル列を抽出する音響特性ベクトル列抽出部４０２、テスト用発話および／または話者テンプレートのスペクトル変化を考慮して、抽出された音響特性ベクトル列と、登録話者により登録された話者テンプレートとを照合して、マッチングパスを求めるマッチングパス取得部５０３、得られたマッチングパスのマッチングスコアを計算するマッチングスコア計算部５０４、計算されたマッチングスコアと識別用閾値とを比較し、入力されたテスト用発話は、登録話者と同じ話者が話したパスワードを含む発話であるかどうかを決定する比較部４０５を含む。
【０１３２】
図５において、テスト用発話入力部４０１、音響特性ベクトル列抽出部４０２、及び比較部４０５は、図４と同様であり、マッチングパス取得部５０３及びマッチングスコア計算部５０４が、図４のマッチングパス取得部４０３及びマッチングスコア計算部４０４と異なる。
【０１３３】
すなわち、テスト用発話入力部４０１でパスワードを含むテスト用発話が入力されると（図２のステップＳ１０１）、音響特性ベクトル列抽出部４０２は、当該入力されたテスト用発話から、音響特性ベクトル列を抽出する（図２のステップＳ１０２）。マッチングパス取得部５０３は、テスト用発話およびまたは話者テンプレートのスペクトル変化を考慮して、音響特性ベクトル列抽出部４０２で抽出された音響特性ベクトル列と話者テンプレートとを照合し、最適マッチングパスを得る（図２のステップＳ２０３）。
【０１３４】
マッチングパス取得部５０３は、テスト用発話のスペクトル変化およびまたは話者テンプレートのスペクトル発話に基づき、テスト用発話の音響特性ベクトル列の各フレームと、話者テンプレートの各フレームとに対応する各フレームペアの重みを計算する重み計算部５０３１を含む。本実施形態にかかる話者テンプレートは、第１の実施形態にかかる話者テンプレートと同様であるので説明は省略する。
【０１３５】
重み計算部５０３１は、急激にスペクトルが変化する期間内のフレームには、大きい重みを与え、スペクトルがゆっくり変化する期間内のフレームには、小さい重みを与える。すなわち、第４の実施形態においても、急激にスペクトルが変化する期間内のフレームを重視する。
【０１３６】
重み計算部５０３１は、テスト用発話のスペクトル変化と、話者テンプレートのスペクトル変化を計算するスペクトル変化計算部を含み、重み計算部５０３１は、このスペクトル変化計算部で計算されたスペクトル変化に基づき、各フレームペアの重みを計算する。なお、スペクトル変化計算部でスペクトル変化を計算する方法及び重み計算部５０３１で重みを計算する方法は、第２の実施形態で説明したとおりであるので（例４〜例５参照）、説明は省略する。
【０１３７】
テスト用発話のスペクトル変化およびまたは話者テンプレートのスペクトル変化に基づき、重み計算部５０３１で、テスト用発話の音響特性ベクトル列の各フレームと話者テンプレートの各フレームとに対応する各フレームペアの重みを計算した後、マッチングパス取得部５０３は、音響特性ベクトル列抽出部４０２で抽出された音響特性ベクトル列と話者テンプレートとを照合し、最適マッチングパスを求める。
【０１３８】
特に、ＨＭＭモデルの場合、周波数に基づく照合を行うことにより、マッチングパスが得られる。この詳細な説明は、非特許文献１に記載されている。ＤＴＷモデルの場合、ＤＴＷアルゴリズムによりマッチングパスが得られる。この詳細は、第１の実施形態で図３を参照して説明した通りであるので、説明は省略する。
【０１３９】
マッチングパス取得部５０３で得られた最適マッチングパスのマッチングスコアは、マッチングスコア計算部５０４で計算される（図２のステップＳ２０４）。例えば、最適マッチングパスのマッチングスコアは、当該最適マッチングパスの各フレームの局所距離の総和を計算することで計算することができる。
【０１４０】
比較部４０５は、マッチングスコア計算部５０４で計算されたマッチングスコアと当該話者テンプレートに設定されている識別用閾値とを比較し、マッチングスコアが識別用閾値よりも小さいかどうかを決定する（図２のステップＳ１０５）。マッチングスコアが識別用閾値よりも小さい場合には、登録話者と同じ話者が話したパスワードであると決定される（図２のステップＳ１０６）。すなわち、検証が成功したと決定される。マッチングスコアが識別用閾値以上である場合には、検証が失敗したと決定される（図２のステップＳ１０７）。
【０１４１】
上述の説明から、本実施形態にかかる話者認証の検証装置５００は、スペクトル変化に基づきフレームの重み付けをする効果的な装置であることがわかる。計算量が比較的少なくてすみ、スペクトル特徴を適用するほとんどのシステムに適している。この話者認証の検証装置５００を適用することで、話者検証システムの機能はかなり向上する。
【０１４２】
さらに、本実施形態にかかる装置５００は、スペクトル変化速度に基づき検証を行うもので、音素ベースの検証を行う現在存在する他の検証装置とは、何ら抵触するものではない。従って、これら他の検証装置と組み合わせて用いることにより、パフォーマンスがさらに向上する。
【０１４３】
さらに、第４の実施形態の検証装置５００では、テスト用発話のスペクトル変化及び話者テンプレートのスペクトル変化は、最適マッチングパスを探索する際に考慮されるので、第３の実施形態の検証装置４００の場合と比較して、より正確な最適マッチングパスが得られ、システムのパフォーマンスはより向上する。
【０１４４】
（第５の実施形態）
第５の実施形態として、上述の第３実施形態に係る検証装置４００または第４の実施形態に係る検証装置５００を用いた話者認証システムについて説明する。
【０１４５】
図６は、第５の実施形態に係る話者認証システムの構成例を示したもので、話者テンプレートを登録する登録装置６０１と、当該登録装置６０１で登録された話者テンプレートを基にテスト用発話を検証する第３実施形態に係る検証装置４００または第４の実施形態に係る検証装置５００とを含む。
【０１４６】
登録装置６０１で生成された話者テンプレートは、ネットワーク、内部チャネル、ディスク等の記録媒体などの通信手段を介して、検証装置４００または検証装置５００へ転送される。
【０１４７】
登録装置６０１で生成される話者テンプレート及びその登録方法（生成方法）は、第１の実施形態で説明した通りであるので、説明は省略する。
【０１４８】
第１乃至第４の実施形態の説明から、第５の実施形態にかかる話者認証システム６００は、スペクトル変化に基づきフレームの重み付けをするため、計算量が比較的少なくてすみ、スペクトル特徴を適用するほとんどのシステムに適している。この話者認証システムを適用することで、話者検証の機能はかなり向上する。
【０１４９】
さらに、第５の実施形態にかかるシステム６００は、スペクトル変化速度に基づき検証を行うもので、音素ベースの検証を行う現在存在する他の検証装置とは、何ら抵触するものではない。従って、これら他の検証装置と組み合わせて用いることにより、パフォーマンスがさらに向上する。
【０１５０】
なお、本発明は上記実施形態1乃至５そのままに限定されるものではなく、実施段階ではその要旨を逸脱しない範囲で構成要素を変形して具体化できる。また、上記実施形態に開示されている複数の構成要素の適宜な組み合わせにより、種々の発明を形成できる。例えば、実施形態に示される全構成要素から幾つかの構成要素を削除してもよい。さらに、異なる実施形態にわたる構成要素を適宜組み合わせてもよい。
【図面の簡単な説明】
【０１５１】
【図１】本発明の第１の実施形態に係る話者認証のための検証方法を説明するためのフローチャート。
【図２】本発明の第２の実施形態に係る話者認証のための検証方法を説明するフローチャート。
【図３】テスト用発話と話者テンプレートとの間のＤＴＷマッチングの例を示した図。
【図４】本発明の第３の実施形態に係る話者認証のための検証装置の構成例を示した図。
【図５】本発明の第４の実施形態に係る話者認証のための検証装置の構成例を示した図。
【図６】本発明の第５の実施形態に係る話者認証システムの構成例を示した図。
【符号の説明】
【０１５２】
４０１…テスト用発話入力部
４０２…音響特性ベクトル列抽出部
４０３…マッチングパス取得部
４０４…マッチングスコア計算部
４０４１…重み計算部
４０５…比較部
５０３…マッチングパス取得部
５０３１…重み計算部
５０４…マッチングスコア計算部
【特許請求の範囲】
【請求項１】
話者が話したパスワードを含むテスト用発話を入力するステップと、
入力された前記テスト用発話から音響特性ベクトル列を抽出するステップと、
登録話者により登録された話者テンプレートと前記音響特性ベクトル列との間のマッチングパスを求めるステップと、
前記テスト用発話のスペクトル変化及びまたは前記話者テンプレートのスペクトル変化を考慮して、前記マッチングパスのマッチングスコアを計算するステップと、
前記マッチングスコアと予め定義された識別用閾値とを比較して、前記テスト用発話が、前記登録話者が話したパスワードを含む発話であるか否かを決定するステップと、
を含む話者認証における検証方法。
【請求項２】
話者が話したパスワードを含むテスト用発話を入力するステップと、
入力された前記テスト用発話から音響特性ベクトル列を抽出するステップと、
前記テスト用発話のスペクトル変化及びまたは登録話者により登録された話者テンプレートのスペクトル変化を考慮して、前記話者テンプレートと前記音響特性ベクトル列との間のマッチングパスを求めるステップと、
前記マッチングパスのマッチングスコアを計算するステップと、
前記マッチングスコアと予め定義された識別用閾値とを比較して、前記テスト用発話が、前記登録話者が話したパスワードを含む発話であるか否かを決定するステップと、
を含む話者認証における検証方法。
【請求項３】
話者が話したパスワードを含むテスト用発話を入力する入力手段と、
入力された前記テスト用発話から音響特性ベクトル列を抽出する抽出手段と、
登録話者により登録された話者テンプレートと前記音響特性ベクトル列との間のマッチングパスを求めるマッチングパス取得手段と、
前記テスト用発話のスペクトル変化及びまたは前記話者テンプレートのスペクトル変化を考慮して、前記マッチングパスのマッチングスコアを計算するマッチングスコア計算手段と、
前記マッチングスコアと予め定義された識別用閾値とを比較して、前記テスト用発話が、前記登録話者が話したパスワードを含む発話であるか否かを決定する比較手段と、
を含む話者認証における検証装置。
【請求項４】
前記マッチングスコア計算手段は、
前記テスト用発話のスペクトル変化及びまたは前記話者テンプレートのスペクトル変化を考慮して、前記マッチングパスの各フレームの重みを計算する重み計算手段を含み、
前記重み計算手段で計算された前記マッチングパスの各フレームの重みに基づき、前記マッチングパスのマッチングスコアを計算することを特徴とする請求項３記載の検証装置。
【請求項５】
前記重み計算手段は、
前記音響特性ベクトル列に基づき、前記テスト用発話のスペクトル変化を計算するスペクトル変化計算手段を含み、
前記重み計算手段は、前記スペクトル変化計算手段で計算された前記テスト用発話のスペクトル変化に基づき前記重みを計算することを特徴とする請求項４記載の検証装置。
【請求項６】
前記スペクトル変化計算手段は、
前記テスト用発話の前記音響特性ベクトル列の各フレームと、時間軸上で当該フレームに隣接するフレームとの間の特徴距離に基づき、前記テスト用発話のスペクトル変化を計算することを特徴とする請求項５記載の検証装置。
【請求項７】
前記テスト用発話の各フレームの前記スペクトル変化は、前記テスト用発話の前記音響特性ベクトル列のフレームと、時間軸上で当該フレームに隣接するフレームとの間の特徴距離の平均値であることを特徴とする請求項６記載の検証装置。
【請求項８】
前記スペクトル変化計算手段は、
前記テスト用発話の前記音響特性ベクトル列のフレームと、前記マッチングパス上で当該フレームに隣接するフレームとの間の特徴距離に基づき、前記テスト用発話のスペクトル変化を計算することを特徴とする請求項５記載の検証装置。
【請求項９】
前記テスト用発話の各フレームの前記スペクトル変化は、前記テスト用発話の前記音響特性ベクトル列のフレームと、前記マッチングパス上で当該フレームに隣接するフレームとの間の特徴距離の平均値であることを特徴とする請求項８記載の検証装置。
【請求項１０】
前記スペクトル変化計算手段は、
コードブックに基づき前記テスト用発話のスペクトル変化を計算することを特徴とする請求項５記載の検証装置。
【請求項１１】
前記スペクトル変化計算手段は、
前記テスト用発話の前記音響特性ベクトル列の各フレームに、前記コードブック中で当該フレームに最も近いコードをラベルとして付加し、
付加されたラベルに基づき、１セグメント内のすべてのフレームが同じラベルが付されているフレームとなるように、前記テスト用発話を複数のセグメントに分割し、
各セグメントについて、該セグメント内の各フレームのスペクトル変化を示す該セグメントの長さを計算する請求項１０記載の検証装置。
【請求項１２】
前記重み計算手段は、
前記話者テンプレートの音響特徴ベクトル列に基づき、前記話者テンプレートのスペクトル変化を計算するスペクトル変化計算手段を含み、
前記重み計算手段は、前記スペクトル変化計算手段で計算された前記話者テンプレートのスペクトル変化に基づき前記重みを計算することを特徴とする請求項４記載の検証装置。
【請求項１３】
前記スペクトル変化計算手段は、
前記話者テンプレートの各フレームと、時間軸上で当該フレームに隣接するフレームとの間の特徴距離に基づき、前記話者テンプレートのスペクトル変化を計算することを特徴とする請求項１２記載の検証装置。
【請求項１４】
前記話者テンプレートの各フレームの前記スペクトル変化は、前記話者テンプレートのフレームと、時間軸上で当該フレームに隣接するフレームとの間の特徴距離の平均値であることを特徴とする請求項１３記載の検証装置。
【請求項１５】
前記スペクトル変化計算手段は、
前記話者テンプレートのフレームと、前記マッチングパス上で当該フレームに隣接するフレームとの間の特徴距離に基づき、前記話者テンプレートのスペクトル変化を計算することを特徴とする請求項１２記載の検証装置。
【請求項１６】
前記話者テンプレートの各フレームの前記スペクトル変化は、前記話者テンプレートのフレームと、前記マッチングパス上で当該フレームに隣接するフレームとの間の特徴距離の平均値であることを特徴とする請求項１５記載の検証装置。
【請求項１７】
前記スペクトル変化計算手段は、
コードブックに基づき前記話者テンプレートのスペクトル変化を計算することを特徴とする請求項１２記載の検証装置。
【請求項１８】
前記スペクトル変化計算手段は、
前記話者テンプレートの各フレームに、前記コードブック中で当該フレームに最も近いコードをラベルとして付加し、
付加されたラベルに基づき、１セグメント内のすべてのフレームが同じラベルが付されているフレームとなるように、前記話者テンプレートを複数のセグメントに分割し、
各セグメントについて、該セグメント内の各フレームのスペクトル変化を示す該セグメントの長さを計算する請求項１７記載の検証装置。
【請求項１９】
前記重み計算手段は、
前記マッチングパスの各フレームの重みは、前記テスト用発話の前記スペクトル変化または、前記話者テンプレートの前記スペクトル変化または、前記テスト用発話の前記スペクトル変化と前記話者テンプレートの前記スペクトル変化との組合せの単調増加関数を用いて計算することを特徴とする請求項４記載の検証装置。
【請求項２０】
前記マッチングパス取得手段は、
前記音響特性ベクトル列と前記話者テンプレートとの間でＤＴＷ（Dynamic Time Warping）マッチングを行うことにより、前記マッチングパスを求めることを特徴とする請求項３記載の検証装置。
【請求項２１】
話者が話したパスワードを含むテスト用発話を入力する入力手段と、
入力された前記テスト用発話から音響特性ベクトル列を抽出する抽出手段と、
前記テスト用発話のスペクトル変化及びまたは登録話者により登録された話者テンプレートのスペクトル変化を考慮して、前記話者テンプレートと、前記音響特性ベクトル列との間のマッチングパスを求めるマッチングパス取得手段と、
前記マッチングパスのマッチングスコアを計算するマッチングスコア計算手段と、
前記マッチングスコアと予め定義された識別用閾値とを比較して、前記テスト用発話が前記登録話者が話したパスワードを含む発話であるか否かを決定する比較手段と、
を含む話者認証における検証装置。
【請求項２２】
前記マッチングパス取得手段は、
前記テスト用発話のスペクトル変化に基づき、前記テスト用発話の前記音響特性ベクトル列の各フレームの重みを計算する重み計算手段を含み、
前記重み計算手段で計算された前記重みを考慮して、前記音響特性ベクトル列と前記話者テンプレートとの間のマッチングパスを求めることを特徴とする請求項２１記載の検証装置。
【請求項２３】
前記重み計算手段は、
前記音響特性ベクトル列に基づき、前記テスト用発話のスペクトル変化を計算するスペクトル変化計算手段を含み、
前記重み計算手段は、前記スペクトル変化計算手段で計算された前記テスト用発話のスペクトル変化に基づき、前記テスト用発話の前記音響特性ベクトル列の各フレームの重みを計算することを特徴とする請求項２２記載の検証装置。
【請求項２４】
前記スペクトル変化計算手段は、前記テスト用発話の前記音響特性ベクトル列の各フレームと、時間軸上で当該フレームに隣接するフレームとの間の特徴距離に基づき、前記テスト用発話のスペクトル変化を計算することを特徴とする請求項２３記載の検証装置。
【請求項２５】
前記テスト用発話の各フレームの前記スペクトル変化は、前記テスト用発話の前記音響特性ベクトル列のフレームと、時間軸上で当該フレームに隣接するフレームとの間の特徴距離の平均値であることを特徴とする請求項２４記載の検証装置。
【請求項２６】
前記スペクトル変化計算手段は、
コードブックに基づき前記テスト用発話のスペクトル変化を計算することを特徴とする請求項２３記載の検証装置。
【請求項２７】
前記スペクトル変化計算手段は、
前記テスト用発話の前記音響特性ベクトル列の各フレームに、前記コードブック中で当該フレームに最も近いコードをラベルとして付加し、
付加されたラベルに基づき、１セグメント内のすべてのフレームが同じラベルが付されているフレームとなるように、前記テスト用発話を複数のセグメントに分割し、
各セグメントについて、該セグメント内の各フレームのスペクトル変化を示す該セグメントの長さを計算する請求項２６記載の検証装置。
【請求項２８】
前記マッチングパス取得手段は、
前記話者テンプレートのスペクトル変化に基づき、前記話者テンプレートの各フレームの重みを計算する重み計算手段を含み、
前記重みを考慮して、前記音響特性ベクトル列と前記話者テンプレートとの間のマッチングパスを求めることを特徴とする請求項２１記載の検証装置。
【請求項２９】
前記重み計算手段は、
前記話者テンプレートの前記音響特徴ベクトル列に基づき、前記話者テンプレートのスペクトル変化を計算するスペクトル変化計算手段を含み、
前記話者テンプレートの前記スペクトル変化に基づき、前記話者テンプレートの各フレームの重みを計算することを特徴とする請求項２８記載の検証装置。
【請求項３０】
前記スペクトル変化計算手段は、前記話者テンプレートの各フレームと、時間軸上で当該フレームに隣接するフレームとの間の特徴距離に基づき、前記話者テンプレートのスペクトル変化を計算することを特徴とする請求項２９記載の検証装置。
【請求項３１】
前記話者テンプレートの各フレームの前記スペクトル変化は、前記話者テンプレートのフレームと、時間軸上で当該フレームに隣接するフレームとの間の特徴距離の平均値であることを特徴とする請求項３０記載の検証装置。
【請求項３２】
前記スペクトル変化計算手段は、
コードブックに基づき前記話者テンプレートのスペクトル変化を計算することを特徴とする請求項２９記載の検証装置。
【請求項３３】
前記スペクトル変化計算手段は、
前記話者テンプレートの各フレームに、前記コードブック中で当該フレームに最も近いコードをラベルとして付加し、
付加されたラベルに基づき、１セグメント内のすべてのフレームが同じラベルが付されているフレームとなるように、前記話者テンプレートを複数のセグメントに分割し、
各セグメントについて、該セグメント内の各フレームのスペクトル変化を示す該セグメントの長さを計算する請求項３２記載の検証装置。
【請求項３４】
前記マッチングパス取得手段は、前記音響特性ベクトル列と前記話者テンプレートとの間でＤＴＷ（Dynamic Time Warping）マッチングを行うことにより、前記マッチングパスを求めることを特徴とする請求項２１記載の検証装置。
【請求項３５】
話者テンプレートを登録する登録装置と、
前記登録装置により登録された話者テンプレートに基づきテスト用発話を検証する請求項３または２１記載の検証装置と、
を含む話者認証システム。
【請求項１】
話者が話したパスワードを含むテスト用発話を入力するステップと、
入力された前記テスト用発話から音響特性ベクトル列を抽出するステップと、
登録話者により登録された話者テンプレートと前記音響特性ベクトル列との間のマッチングパスを求めるステップと、
前記テスト用発話のスペクトル変化及びまたは前記話者テンプレートのスペクトル変化を考慮して、前記マッチングパスのマッチングスコアを計算するステップと、
前記マッチングスコアと予め定義された識別用閾値とを比較して、前記テスト用発話が、前記登録話者が話したパスワードを含む発話であるか否かを決定するステップと、
を含む話者認証における検証方法。
【請求項２】
話者が話したパスワードを含むテスト用発話を入力するステップと、
入力された前記テスト用発話から音響特性ベクトル列を抽出するステップと、
前記テスト用発話のスペクトル変化及びまたは登録話者により登録された話者テンプレートのスペクトル変化を考慮して、前記話者テンプレートと前記音響特性ベクトル列との間のマッチングパスを求めるステップと、
前記マッチングパスのマッチングスコアを計算するステップと、
前記マッチングスコアと予め定義された識別用閾値とを比較して、前記テスト用発話が、前記登録話者が話したパスワードを含む発話であるか否かを決定するステップと、
を含む話者認証における検証方法。
【請求項３】
話者が話したパスワードを含むテスト用発話を入力する入力手段と、
入力された前記テスト用発話から音響特性ベクトル列を抽出する抽出手段と、
登録話者により登録された話者テンプレートと前記音響特性ベクトル列との間のマッチングパスを求めるマッチングパス取得手段と、
前記テスト用発話のスペクトル変化及びまたは前記話者テンプレートのスペクトル変化を考慮して、前記マッチングパスのマッチングスコアを計算するマッチングスコア計算手段と、
前記マッチングスコアと予め定義された識別用閾値とを比較して、前記テスト用発話が、前記登録話者が話したパスワードを含む発話であるか否かを決定する比較手段と、
を含む話者認証における検証装置。
【請求項４】
前記マッチングスコア計算手段は、
前記テスト用発話のスペクトル変化及びまたは前記話者テンプレートのスペクトル変化を考慮して、前記マッチングパスの各フレームの重みを計算する重み計算手段を含み、
前記重み計算手段で計算された前記マッチングパスの各フレームの重みに基づき、前記マッチングパスのマッチングスコアを計算することを特徴とする請求項３記載の検証装置。
【請求項５】
前記重み計算手段は、
前記音響特性ベクトル列に基づき、前記テスト用発話のスペクトル変化を計算するスペクトル変化計算手段を含み、
前記重み計算手段は、前記スペクトル変化計算手段で計算された前記テスト用発話のスペクトル変化に基づき前記重みを計算することを特徴とする請求項４記載の検証装置。
【請求項６】
前記スペクトル変化計算手段は、
前記テスト用発話の前記音響特性ベクトル列の各フレームと、時間軸上で当該フレームに隣接するフレームとの間の特徴距離に基づき、前記テスト用発話のスペクトル変化を計算することを特徴とする請求項５記載の検証装置。
【請求項７】
前記テスト用発話の各フレームの前記スペクトル変化は、前記テスト用発話の前記音響特性ベクトル列のフレームと、時間軸上で当該フレームに隣接するフレームとの間の特徴距離の平均値であることを特徴とする請求項６記載の検証装置。
【請求項８】
前記スペクトル変化計算手段は、
前記テスト用発話の前記音響特性ベクトル列のフレームと、前記マッチングパス上で当該フレームに隣接するフレームとの間の特徴距離に基づき、前記テスト用発話のスペクトル変化を計算することを特徴とする請求項５記載の検証装置。
【請求項９】
前記テスト用発話の各フレームの前記スペクトル変化は、前記テスト用発話の前記音響特性ベクトル列のフレームと、前記マッチングパス上で当該フレームに隣接するフレームとの間の特徴距離の平均値であることを特徴とする請求項８記載の検証装置。
【請求項１０】
前記スペクトル変化計算手段は、
コードブックに基づき前記テスト用発話のスペクトル変化を計算することを特徴とする請求項５記載の検証装置。
【請求項１１】
前記スペクトル変化計算手段は、
前記テスト用発話の前記音響特性ベクトル列の各フレームに、前記コードブック中で当該フレームに最も近いコードをラベルとして付加し、
付加されたラベルに基づき、１セグメント内のすべてのフレームが同じラベルが付されているフレームとなるように、前記テスト用発話を複数のセグメントに分割し、
各セグメントについて、該セグメント内の各フレームのスペクトル変化を示す該セグメントの長さを計算する請求項１０記載の検証装置。
【請求項１２】
前記重み計算手段は、
前記話者テンプレートの音響特徴ベクトル列に基づき、前記話者テンプレートのスペクトル変化を計算するスペクトル変化計算手段を含み、
前記重み計算手段は、前記スペクトル変化計算手段で計算された前記話者テンプレートのスペクトル変化に基づき前記重みを計算することを特徴とする請求項４記載の検証装置。
【請求項１３】
前記スペクトル変化計算手段は、
前記話者テンプレートの各フレームと、時間軸上で当該フレームに隣接するフレームとの間の特徴距離に基づき、前記話者テンプレートのスペクトル変化を計算することを特徴とする請求項１２記載の検証装置。
【請求項１４】
前記話者テンプレートの各フレームの前記スペクトル変化は、前記話者テンプレートのフレームと、時間軸上で当該フレームに隣接するフレームとの間の特徴距離の平均値であることを特徴とする請求項１３記載の検証装置。
【請求項１５】
前記スペクトル変化計算手段は、
前記話者テンプレートのフレームと、前記マッチングパス上で当該フレームに隣接するフレームとの間の特徴距離に基づき、前記話者テンプレートのスペクトル変化を計算することを特徴とする請求項１２記載の検証装置。
【請求項１６】
前記話者テンプレートの各フレームの前記スペクトル変化は、前記話者テンプレートのフレームと、前記マッチングパス上で当該フレームに隣接するフレームとの間の特徴距離の平均値であることを特徴とする請求項１５記載の検証装置。
【請求項１７】
前記スペクトル変化計算手段は、
コードブックに基づき前記話者テンプレートのスペクトル変化を計算することを特徴とする請求項１２記載の検証装置。
【請求項１８】
前記スペクトル変化計算手段は、
前記話者テンプレートの各フレームに、前記コードブック中で当該フレームに最も近いコードをラベルとして付加し、
付加されたラベルに基づき、１セグメント内のすべてのフレームが同じラベルが付されているフレームとなるように、前記話者テンプレートを複数のセグメントに分割し、
各セグメントについて、該セグメント内の各フレームのスペクトル変化を示す該セグメントの長さを計算する請求項１７記載の検証装置。
【請求項１９】
前記重み計算手段は、
前記マッチングパスの各フレームの重みは、前記テスト用発話の前記スペクトル変化または、前記話者テンプレートの前記スペクトル変化または、前記テスト用発話の前記スペクトル変化と前記話者テンプレートの前記スペクトル変化との組合せの単調増加関数を用いて計算することを特徴とする請求項４記載の検証装置。
【請求項２０】
前記マッチングパス取得手段は、
前記音響特性ベクトル列と前記話者テンプレートとの間でＤＴＷ（Dynamic Time Warping）マッチングを行うことにより、前記マッチングパスを求めることを特徴とする請求項３記載の検証装置。
【請求項２１】
話者が話したパスワードを含むテスト用発話を入力する入力手段と、
入力された前記テスト用発話から音響特性ベクトル列を抽出する抽出手段と、
前記テスト用発話のスペクトル変化及びまたは登録話者により登録された話者テンプレートのスペクトル変化を考慮して、前記話者テンプレートと、前記音響特性ベクトル列との間のマッチングパスを求めるマッチングパス取得手段と、
前記マッチングパスのマッチングスコアを計算するマッチングスコア計算手段と、
前記マッチングスコアと予め定義された識別用閾値とを比較して、前記テスト用発話が前記登録話者が話したパスワードを含む発話であるか否かを決定する比較手段と、
を含む話者認証における検証装置。
【請求項２２】
前記マッチングパス取得手段は、
前記テスト用発話のスペクトル変化に基づき、前記テスト用発話の前記音響特性ベクトル列の各フレームの重みを計算する重み計算手段を含み、
前記重み計算手段で計算された前記重みを考慮して、前記音響特性ベクトル列と前記話者テンプレートとの間のマッチングパスを求めることを特徴とする請求項２１記載の検証装置。
【請求項２３】
前記重み計算手段は、
前記音響特性ベクトル列に基づき、前記テスト用発話のスペクトル変化を計算するスペクトル変化計算手段を含み、
前記重み計算手段は、前記スペクトル変化計算手段で計算された前記テスト用発話のスペクトル変化に基づき、前記テスト用発話の前記音響特性ベクトル列の各フレームの重みを計算することを特徴とする請求項２２記載の検証装置。
【請求項２４】
前記スペクトル変化計算手段は、前記テスト用発話の前記音響特性ベクトル列の各フレームと、時間軸上で当該フレームに隣接するフレームとの間の特徴距離に基づき、前記テスト用発話のスペクトル変化を計算することを特徴とする請求項２３記載の検証装置。
【請求項２５】
前記テスト用発話の各フレームの前記スペクトル変化は、前記テスト用発話の前記音響特性ベクトル列のフレームと、時間軸上で当該フレームに隣接するフレームとの間の特徴距離の平均値であることを特徴とする請求項２４記載の検証装置。
【請求項２６】
前記スペクトル変化計算手段は、
コードブックに基づき前記テスト用発話のスペクトル変化を計算することを特徴とする請求項２３記載の検証装置。
【請求項２７】
前記スペクトル変化計算手段は、
前記テスト用発話の前記音響特性ベクトル列の各フレームに、前記コードブック中で当該フレームに最も近いコードをラベルとして付加し、
付加されたラベルに基づき、１セグメント内のすべてのフレームが同じラベルが付されているフレームとなるように、前記テスト用発話を複数のセグメントに分割し、
各セグメントについて、該セグメント内の各フレームのスペクトル変化を示す該セグメントの長さを計算する請求項２６記載の検証装置。
【請求項２８】
前記マッチングパス取得手段は、
前記話者テンプレートのスペクトル変化に基づき、前記話者テンプレートの各フレームの重みを計算する重み計算手段を含み、
前記重みを考慮して、前記音響特性ベクトル列と前記話者テンプレートとの間のマッチングパスを求めることを特徴とする請求項２１記載の検証装置。
【請求項２９】
前記重み計算手段は、
前記話者テンプレートの前記音響特徴ベクトル列に基づき、前記話者テンプレートのスペクトル変化を計算するスペクトル変化計算手段を含み、
前記話者テンプレートの前記スペクトル変化に基づき、前記話者テンプレートの各フレームの重みを計算することを特徴とする請求項２８記載の検証装置。
【請求項３０】
前記スペクトル変化計算手段は、前記話者テンプレートの各フレームと、時間軸上で当該フレームに隣接するフレームとの間の特徴距離に基づき、前記話者テンプレートのスペクトル変化を計算することを特徴とする請求項２９記載の検証装置。
【請求項３１】
前記話者テンプレートの各フレームの前記スペクトル変化は、前記話者テンプレートのフレームと、時間軸上で当該フレームに隣接するフレームとの間の特徴距離の平均値であることを特徴とする請求項３０記載の検証装置。
【請求項３２】
前記スペクトル変化計算手段は、
コードブックに基づき前記話者テンプレートのスペクトル変化を計算することを特徴とする請求項２９記載の検証装置。
【請求項３３】
前記スペクトル変化計算手段は、
前記話者テンプレートの各フレームに、前記コードブック中で当該フレームに最も近いコードをラベルとして付加し、
付加されたラベルに基づき、１セグメント内のすべてのフレームが同じラベルが付されているフレームとなるように、前記話者テンプレートを複数のセグメントに分割し、
各セグメントについて、該セグメント内の各フレームのスペクトル変化を示す該セグメントの長さを計算する請求項３２記載の検証装置。
【請求項３４】
前記マッチングパス取得手段は、前記音響特性ベクトル列と前記話者テンプレートとの間でＤＴＷ（Dynamic Time Warping）マッチングを行うことにより、前記マッチングパスを求めることを特徴とする請求項２１記載の検証装置。
【請求項３５】
話者テンプレートを登録する登録装置と、
前記登録装置により登録された話者テンプレートに基づきテスト用発話を検証する請求項３または２１記載の検証装置と、
を含む話者認証システム。
【図１】
【図２】
【図３】
【図４】
【図５】
【図６】
【図２】
【図３】
【図４】
【図５】
【図６】
【公開番号】特開２００９−１５１３０５（Ｐ２００９−１５１３０５Ａ）
【公開日】平成２１年７月９日（２００９．７．９）
【国際特許分類】
【出願番号】特願２００８−３２１３２１（Ｐ２００８−３２１３２１）
【出願日】平成２０年１２月１７日（２００８．１２．１７）
【出願人】（０００００３０７８）株式会社東芝 (54,554)
【Ｆターム（参考）】
【公開日】平成２１年７月９日（２００９．７．９）
【国際特許分類】
【出願日】平成２０年１２月１７日（２００８．１２．１７）
【出願人】（０００００３０７８）株式会社東芝 (54,554)
【Ｆターム（参考）】
[ Back to top ]