【課題】第１タスクの音声で学習して生成された音響モデルを用いて該第１タスクとは異なる第２タスクの音声に適応化させた音響モデルを生成する適応化音響モデル生成装置及びプログラムを提供する。
【解決手段】本発明の適応化音響モデル生成装置（１）は、第１タスクの音響モデルと、第２タスクの音声の音声認識用の言語モデルとを用いて、第２タスクの音声について音声認識処理を実行し、認識結果としての仮説単語ラティスを生成する音声認識手段（２１）と、仮説単語ラティスと第２タスクの音声用の書き起こしを用いて、第２タスクの音声中の発声変形の部分を特定し、該発声変形の単語専用の音素を生成する発声変形単語専用音素生成手段（２２，２３）と、発声変形の単語専用の音素を第１タスクの音響モデルに付加して学習し、タスク適応化音響モデルを生成するタスク適応化音響モデル生成手段（２４，２５，２６）とを備える。 （もっと読む）

【課題】 離散型隠れマルコフモデルの探索コストを低減する。
【解決手段】 本発明は、シーケンスを確率密度関数に従う発生モデルを有する状態の遷移として表現する探索対象となる隠れマルコフモデルを格納するデータ記憶手段から読み出された探索対象である隠れマルコフモデルについて、近似の粒度を固定して、それぞれの粒度に対する尤度を計算し、計算された尤度と所定の閾値とを比較して該尤度が該閾値より小さくなるまで該尤度計算を繰り返し、該閾値より小さくなった尤度を新たな解候補として探索結果記憶手段に格納する。 （もっと読む）

【課題】入力オーディオ信号の高音質化に優れたオーディオ信号補正装置を提供する。
【解決手段】オーディオ信号補正装置は、入力オーディオ信号から特徴パラメータを算出する特徴パラメータ算出手段と、前記特徴パラメータと複数の参照モデルとを照合し、前記特徴パラメータが前記複数の参照モデルの中の所定の参照モデルに属する尤度を算出する照合手段と、前記尤度が閾値条件を満たす場合に、前記所定の参照モデルが示すオーディオ信号の種類を前記特徴パラメータが示すオーディオ信号の種類と判定する第１判定手段と、前記尤度が前記閾値条件を満たさない場合に、前記特徴パラメータから音声成分と非音声成分の混合度合いを判定する第２判定手段と、前記第1判定手段により判定された前記オーディオ信号の種類に応じて前記入力オーディオ信号を補正し、また前記混合度合いに応じて前記入力オーディオ信号を補正する補正手段と、を備えている。 （もっと読む）

【課題】突発性雑音の影響を受け難い音声認識装置と音響モデル作成装置を提供する。
【解決手段】ＧＭＭ尤度計算部が、ＧＭＭと音声特徴量を照合してフレーム毎にＧＭＭ尤度を計算し、ＧＭＭ尤度判定部が、ＧＭＭ尤度が所定の範囲内であるか否かを判定してその判定結果とＧＭＭ尤度とを出力する。音声認識処理部は、所定の範囲内のフレームについては音声特徴量に対応する音響尤度に基づいて音声認識処理を行い、所定の範囲外のフレームについてはＧＭＭ尤度を音響尤度に代用して音声認識処理を行う。 （もっと読む）

【課題】短時間で最適な言語モデルを判別する。
【解決手段】言語モデル特定装置１００は、ＩＤによって区別される複数の言語モデル(LM)から統合された統合ＬＭを利用し、入力音声に対して音声認識を行う音声認識部１０２と、音声認識の結果の文字列に付されたＩＤに基づき、音声認識が複数のＬＭのうち何れのＬＭを用いて行われたかを判断する判断部１０３とを備える。好ましくは、各ＬＭに含まれた「読み」フィールドに、当該ＬＭを特定するＩＤをそれぞれ付与する第１ＩＤ付与部１０７および第２ＩＤ付与部１０９と、ＩＤが付与された「読み」フィールドを含む各ＬＭを統合し統合ＬＭを生成するＬＭ統合部１０６と、を更に備える。音声認識部１０２は、統合ＬＭを利用し入力音声に対し音声認識を行い、複数のＬＭのうち何れかのＬＭを特定するＩＤが付された文字列を音声認識の結果として判断部１０３に出力する。 （もっと読む）

【課題】雑音下でも安定して音声認識を行う音声認識装置を提供する。
【解決手段】入力したノイジー音声から、ノイジー音声特徴ベクトルをフレーム毎に抽出し、前記ノイジー音声に重畳されたノイズに関するノイズ特徴ベクトルのノイズ特徴分布パラメータを推定し、前記ノイズ特徴分布パラメータと、予め記憶したクリーン音声特徴ベクトルの事前分布パラメータとから、アンセンテッド変換を用いて、前記クリーン音声特徴ベクトルと前記ノイジー音声特徴ベクトルの結合ガウス分布パラメータを算出し、前記結合ガウス分布パラメータを用いて、前記ノイジー音声特徴ベクトルから、前記クリーン音声特徴ベクトルの事後分布パラメータを算出し、前記事後分布パラメータと、予め記憶した単語の標準パターンとを前記フレーム毎に照合し、前記照合結果に基づいて前記ノイジー音声の単語列を出力する。 （もっと読む）

【課題】音響分析パラメータ生成装置を高速・省メモリ化する。
【解決手段】この発明の音響分析パラメータ生成装置の出力確率計算部は、調整パラメータを用いて算出されたフレーム単位の音響特徴量と音響モデルとを入力としてフレーム毎の各状態の出力確率を計算する。スコア計算部が、出力確率の最尤状態系列を所定フレーム数に渡って累積して出力確率スコアを求める。スコア評価部は、出力確率スコアを評価して出力確率スコアが最大になる調整パラメータを最適調整パラメータ候補として出力する。最適調整パラメータ候補記録部が、その最適調整パラメータ候補を記録する。所定フレーム数に対して調整パラメータをそれぞれ出力した後に記録した最適調整パラメータ候補を調整パラメータとして出力する。 （もっと読む）

【課題】音声認識装置を高速・省メモリ化する。
【解決手段】この発明の音声認識装置は、特徴量算出部と、音響モデルパラメータメモリと、言語モデルパラメータメモリと、音声認識部と、フレーム内統計量蓄積部と、音響モデル更新部とを具備する。フレーム内統計量蓄積部は、音響特徴量と状態尤度と音響モデルとを入力としてフレーム毎に最尤状態の統計量を蓄積する。音響モデル更新部は、蓄積された統計量が所定値より大きい場合に音響モデルパラメータメモリの音響モデルを、蓄積された統計量を用いて求めた音響モデルに更新する。 （もっと読む）

【課題】複雑な対象について、適切な状態遷移モデルを得る。
【解決手段】初期構造設定部１１６は、状態遷移モデルの構造を、スパースな構造に初期化する。データ調整部１１２は、学習の進行に応じて、学習に用いられる時系列データを調整し、調整後の時系列データを出力する。パラメータ推定部１１３は、調整後の時系列データを用い、状態遷移モデルのパラメータを推定し、構造調整部１１７は、状態遷移モデルの構造を調整する。データ調整部１１２、パラメータ推定部１１３、及び、構造調整部１１７は、適宜処理を繰り返す。本発明は、例えば、HMM等の状態遷移モデルの学習に適用できる。 （もっと読む）

【課題】音声認識処理を高速化する。
【解決手段】フレーム数決定部９０が、フレーム数Ｋを状態ｊごとに適宜定める。例えば、自己遷移確率ａ_ｊｊが高いほど、状態ｊのフレーム数Ｋを大きくする。状態尤度計算部３１が、状態ｊのフレームｔについての状態状態尤度ｂ_ｊ（Ｘ_ｔ）を計算するときに、状態ｊのフレームｔ＋１，…，ｔ＋Ｋについての状態尤度ｂ_ｊ（Ｘ_ｔ＋１），…，ｂ_ｊ（Ｘ_ｔ＋Ｋ）をついでに計算して状態尤度記憶部８０に格納する。状態尤度参照部３２が、状態尤度ｂ_ｊ（Ｘ_ｔ＋１），…，ｂ_ｊ（Ｘ_ｔ＋Ｋ）の何れかが必要になったときに、状態尤度記憶部８０を参照して、その状態尤度を求める。 （もっと読む）

【課題】音声認識処理を高速化する。
【解決手段】フレーム数決定部９０が、フレーム数Ｋを状態ｊごとに適宜定める。例えば、尤度計算率ｑ_ｊが高いほど、状態ｊのフレーム数Ｋを大きくする。状態尤度計算部３１が、状態ｊのフレームｔについての状態状態尤度ｂ_ｊ（Ｘ_ｔ）を計算するときに、状態ｊのフレームｔ＋１，…，ｔ＋Ｋについての状態尤度ｂ_ｊ（Ｘ_ｔ＋１），…，ｂ_ｊ（Ｘ_ｔ＋Ｋ）をついでに計算して状態尤度記憶部８０に格納する。状態尤度参照部３２が、状態尤度ｂ_ｊ（Ｘ_ｔ＋１），…，ｂ_ｊ（Ｘ_ｔ＋Ｋ）の何れかが必要になったときに、状態尤度記憶部８０を参照して、その状態尤度を求める。 （もっと読む）

【課題】言語モデルにおいて認識誤りを起こしやすい部分を特定する。
【解決手段】言語モデルを用いて音声信号に対して音声認識処理を行い、認識単語列を割り当てる。認識単語列内の、その認識単語列に対応する正解単語列と一致しない１つ又は連続する複数の単語から構成される認識誤り単語列と、その認識誤り単語列及びその前後一単語から構成される認識誤り区間とを認識単語列から抽出する。認識誤り区間の最初の単語と、認識誤り単語列の最初の単語とから構成される開始部誤り二単語組を抽出する。認識誤り区間の最初の単語と、認識誤り単語列に対応する正解単語列の最初の単語とから構成される開始部正解二単語組を抽出する。言語モデルを用いて、開始部誤り二単語組と開始部正解二単語組の単語連鎖確率をそれぞれ計算する。開始部誤り二単語組の単語連鎖確率よりも単語連鎖確率が低開始部正解二単語組を抽出する。 （もっと読む）

【課題】分布共有化音響モデルを迅速に作成可能とする。
【解決手段】分布間距離テーブル作成手段１１が複数の基底分布から重複無く選んだ２つの基底分布の全てのペアを生成するとともに、当該ペアを構成する２つの基底分布の分布間距離を求めて、それぞれの分布ペアとその分布間距離との対応を示す分布間距離テーブルを作成し、Ｎ−ｂｅｓｔ作成手段１３が分布間距離テーブルから分布間距離が短い分布ペアから順に上位Ｎペアを抽出してＮ−ｂｅｓｔリストを作成し、分布統合手段１７と分布間距離テーブル１８がＮ−ｂｅｓｔリストの最上位の分布ペアを統合して１つの新しい分布を生成し、分布間距離テーブルを再構成する。そして、再構成した分布間距離テーブルに基づきＮ−ｂｅｓｔ更新手段２０がＮ−ｂｅｓｔリストを更新し、その結果、最小分布間距離がしきい値以下であれば分布統合処理を継続し、しきい値以上であれば処理を終了する。 （もっと読む）

【課題】類似する音素モデルを適切にクラスタリングする装置を提供する。
【解決手段】音素モデルを入力する入力部１０１と、入力された音素モデルを含むルートノードを生成するノード初期化部１１１と、子ノードを有さないノードに対してノードに含まれる音素モデルの集合を２つに分割した子集合の組の候補を生成する候補生成部１１２と、子集合の少なくとも一方が学習用の音声データが少ないことを表す判定情報が付与された音素モデルのみを含む候補を削除する候補削除部１１３と、子集合に含まれる音素モデル間の類似度の和を算出する類似度算出部１１４と、和が最大となる候補を選択する候補選択部１１５と、選択した候補に含まれる２つの子集合を含む２つのノードを生成するノード生成部１１６と、ノードに含まれる音素モデルの集合を単位として音素モデルをクラスタリングするクラスタリング部１２０と、を備えた。 （もっと読む）

【課題】認識率を低下させることなく状態仮説を効率良く枝刈りして状態仮説数を削減できるパタン認識方法および装置ならびにパタン認識プログラムおよびその記録媒体を提供する。
【解決手段】探索部１５の枝刈り部１５４は、状態遷移モデルの探索空間を複数の領域に分割する領域分割部１５４ａと、同一時刻で遷移する状態仮説を前記分割された領域のいずれかに振り分ける状態仮説振り分け部１５４ｂと、前記分割された各領域の枝刈り条件を設定する枝刈り条件設定部１５４ｃと、前記分割された領域ごとに、同一領域内で尤度の低い状態仮説を探索対象から除外する領域別枝刈り部１５４ｄとを含む。 （もっと読む）

【課題】誤差を適切に考慮した処理を行う。
【解決手段】本体学習モジュール１０１は、データDを学習する。誤差学習モジュール１０２は、データDと、本体学習モジュール１０１がデータDを再構成した再構成データD_Rとの誤差ΔDを学習する。また、本体学習モジュール１０１は、データDの入力があると、そのデータDを再構成して、再構成データD_Rを出力し、誤差学習モジュール１０２は、データDと、再構成データD_Rとの誤差データΔDを再構成して、再構成誤差データΔD_Rを出力する。そして、学習モジュール１００は、再構成データD_Rと、再構成誤差データΔD_Rをとを加算して出力する。本発明は、例えば、ロボット等に適用できる。 （もっと読む）

【課題】入力される不特定話者の音声言語に応じてキャラクタを探索し、捕獲し、収集するというゲーム内容に、特定の「言葉」あるいは「フレーズ」が入力された場合に限ってある特定のキャラクタが探索されるという興趣を加味したゲーム装置を提供する。
【解決手段】ＣＰＵコア１１は、音声言語の再入力を促す画像表示に続いて再入力された音声言語のデジタル信号に対して音声解析エンジンが音声解析を実行し生成する、その再入力された音声言語の特徴情報に関するデータを、第２の解析結果のデータとして取得し、ＷＯＲＫ ＲＡＭ１４の解析結果カウントバッファに格納する。ＣＰＵコア１１は、最初の音声言語の入力に対する第１の解析結果と第２の解析結果とを照合し、両者が一致するか否かを判定する。両者が一致する場合その解析結果を正解として返す。一致しない場合、一致する解析結果が連続して２回取得されるまで音声言語の入力を繰り返し促す処理を行う。 （もっと読む）

【課題】利用可能なトレーニングデータを用いて，音声信号の音素の確率を頑健に計算することが可能な確率計算装置を提供する.
【解決手段】確率計算装置５１６は、統計的音響モデル及び知識源を利用して音声信号における各音素の確率を計算する。統計的音響モデル及び知識源はベイズネットワーク（ＢＮ）により示される因果関係を有し、ＢＮは、クラスタノード及びセパレータノードを含むジャンクションツリーに対応する。本装置５１６は、局部的音響モデルＲ３，Ｃ１，Ｌ３の記憶装置５２０と、フレームの各々に対して観測データを計算するモジュールと、局部的音響モデルＲ３，Ｃ１，Ｌ３を利用して、観測データを発生する各音素の局部的確率を計算する右、中央、及び左コンテキスト計算装置５７０、５７２及び５７４と、局部的確率の関数として各音素の確率を計算するＰＤＦ計算装置５７６とを含む。 （もっと読む）

【課題】状態数及び各状態の出力分布を自動的に決定して、時系列データの頑健なモデル化をすることができるパターン認識装置、パターン認識方法、及びプログラムを提供すること。
【解決手段】本発明に係るパターン認識装置１は、入力パターンの一部又は全部を入力ベクトルとしてニューラルネットワークに順次入力し、当該入力ベクトル、及び当該ニューラルネットワークに配置される多次元ベクトルで記述されるノードに基づいて、当該ノードを自動的に増加させる自己増殖型ニューラルネットワーク１２を用いて、入力パターンの特徴量に応じたテンプレートモデルを生成するテンプレートモデル生成部１０と、生成されたテンプレートモデルと入力パターンをマッチングして当該入力パターンを認識する認識部２０とを有するものである。 （もっと読む）

【課題】強い言語的制約性を単音節単語に付与することにより、少ない単語数で未知語を単音節単語の列として正しく認識するための統計的言語モデルを生成する。
【解決手段】複数の単漢字列を含むテキスト中の各単漢字の読みを単音節単語に分割することにより、複数の単音節単語と、各単音節単語について単音節単語を含む単漢字の読みが音読みと訓読みのいずれであるかを示す読み種類とを求める手段と１０１；テキスト中での各単音節単語の出現回数と、連続する複数の単音節単語の組合せ毎の出現回数とを基に、組合せ毎の出現確率を計算する計算手段１０２と；複数の単音節単語と、各単音節単語の読み種類と、組合せ毎の出現確率とを含む統計的言語モデルを記憶する記憶手段１２２と；を具備する。 （もっと読む）