专利快速检索-快速检索全球专利，免费商用专利数据库-IPRDB

1. 发明申请

WO2016190077A1 音声認識装置及びコンピュータプログラム审中-公开
标题翻译：语音识别装置和计算机程序
公开(公告)号：WO2016190077A1
公开(公告)日：2016-12-01
申请号：PCT/JP2016/063818
申请日：2016-05-10
申请人：国立研究開発法人情報通信研究機構
发明人：神田　直之
IPC分类号： G10L15/16 , G10L15/14 , G10L15/193
CPC分类号： G10L15/142 , G10L15/14 , G10L15/16 , G10L15/193 , G10L15/22
摘要：【課題】ニューラルネットワークの特性を活かして、認識精度を高めることができる音声認識装置を提供する【解決手段】音声認識装置は、音声信号から得られた所定の音声特徴量からなる観測系列が与えられたときの状態系列の事後確率を状態系列ごとに算出するＲＮＮ（リカレント型ニューラルネットワーク）による音響モデル３０８と、状態系列が与えられたときの単語列の事後確率を各単語列について算出するＳ－１ＨＣＬＧによるＷＦＳＴ３２０と、入力観測系列について音響モデル３０８及びＷＦＳＴ３２０がそれぞれ算出する事後確率を用いて、音声信号に対応する単語列の仮説ごとに算出されたスコアに基づいて、音声信号に対する音声認識を行うための仮説選択部３２２とを含む。
摘要翻译： [问题]使用神经网络的特征提供具有改善的识别精度的语音识别装置。 [解决方案]语音识别装置包括：声学模型308，其由递归神经网络（RNN）形成，用于当给定由从语音信号获得的规定语音特征值形成的观察序列时，计算每个状态序列的状态序列的后验概率 ; 由S-1 HCLG形成的WFST 320，用于在给出状态序列时计算每个字序列的字序列的后验概率; 以及假设选择单元322，用于使用由语音模型308和WFST 320中的每一个计算的后验概率，基于针对与语音信号相对应的单词序列的每个假设计算的分数，对语音信号执行语音识别用于输入序列。

2. 发明申请

WO2015057661A1 SYSTEM AND METHOD FOR AUTOMATED SPEECH RECOGNITION 审中-公开
标题翻译：用于自动语音识别的系统和方法
公开(公告)号：WO2015057661A1
公开(公告)日：2015-04-23
申请号：PCT/US2014/060420
申请日：2014-10-14
申请人： THE PENN STATE RESEARCH FOUNDATION
发明人： JIN, Dezhe , SCHAFER, Phillip, Baker
IPC分类号： G10L15/00
CPC分类号： G10L15/20 , G10L15/02 , G10L15/063 , G10L15/08 , G10L15/142 , G10L25/21 , G10L25/51 , G10L25/87 , G10L2015/027
摘要： A method of recognizing speech. The method includes the steps of obtaining an auditory signal; processing the auditory signal into a plurality of frequency components; processing the plurality of frequency components using a plurality of feature detectors, each feature detector producing a feature detector response; generating a spike for each instance in which a feature detector response identifies a characteristic auditory feature to produce a test spike pattern for the auditory signal; and comparing the test spike pattern to a plurality of predetermined spike patterns corresponding to a plurality of speech elements to determine whether the auditory signal includes one of the plurality of speech elements.
摘要翻译：识别语音的方法。该方法包括获得听觉信号的步骤; 将所述听觉信号处理成多个频率分量; 使用多个特征检测器处理多个频率分量，每个特征检测器产生特征检测器响应; 为每个实例产生尖峰，其中特征检测器响应识别特征听觉特征以产生用于听觉信号的测试尖峰图案; 以及将所述测试尖峰模式与对应于多个语音元素的多个预定尖峰模式进行比较，以确定所述听觉信号是否包括所述多个语音元素中的一个。

3. 发明申请

WO2014182460A2 METHOD AND APPARATUS FOR DETECTING A TARGET KEYWORD 审中-公开
标题翻译：检测目标关键词的方法和装置
公开(公告)号：WO2014182460A2
公开(公告)日：2014-11-13
申请号：PCT/US2014/035247
申请日：2014-04-24
申请人： QUALCOMM INCORPORATED
发明人： KIM, Sungwoong , LEE, Minsub , KIM, Taesu , JIN, Minho , HWANG, Kyu Woong
IPC分类号： G10L15/22
CPC分类号： G06F3/167 , G10L15/08 , G10L15/142 , G10L15/22
摘要： A method of detecting a target keyword for activating a function in an electronic device is disclosed. The method includes receiving an input sound starting from one of the plurality of portions of the target keyword. The input sound may be periodically received based on a duty cycle. The method extracts a plurality of sound features from the input sound, and obtains state information on a plurality of states associated with the portions of the target keyword. Based on the extracted sound features and the state information, the input sound may be detected as the target keyword. The plurality of states includes a predetermined number of entry states indicative of a predetermined number of the plurality of portions.
摘要翻译：公开了一种检测用于激活电子设备中的功能的目标关键字的方法。该方法包括从目标关键词的多个部分中的一个开始接收输入声音。可以基于占空比周期性地接收输入声音。该方法从输入声音中提取多个声音特征，并且获得关于与目标关键词的部分相关联的多个状态的状态信息。基于提取的声音特征和状态信息，可以检测输入声音作为目标关键字。多个状态包括指示多个部分中预定数量的预定数量的进入状态。

4. 发明申请

WO2013136118A1 SPATIAL AUDIO SIGNAL FILTERING 审中-公开
标题翻译：空间音频信号滤波
公开(公告)号：WO2013136118A1
公开(公告)日：2013-09-19
申请号：PCT/IB2012/051206
申请日：2012-03-14
申请人： NOKIA CORPORATION , JARVINEN, Roope Olavi , JARVINEN, Kari, Juhani , ARRASVUORI, Juha, Henrik , VILERMO, Miikka
发明人： JARVINEN, Roope Olavi , JARVINEN, Kari, Juhani , ARRASVUORI, Juha, Henrik , VILERMO, Miikka
IPC分类号： H04R5/00 , G06F3/16 , G10L21/00 , G10L15/00 , H04N21/233
CPC分类号： H04R5/00 , G06F3/16 , G06F3/165 , G10L15/142 , G10L17/18 , G10L2015/088 , H04N21/233 , H04R27/00 , H04R2227/003 , H04R2420/01 , H04R2430/01 , H04R2499/11 , H04S1/007 , H04S7/30 , H04S2400/13 , H04S2420/01
摘要： An apparatus comprising: an analyser configured to analyse at least one input to determine one or more expression within the at least one input; and a controller configured to control at least one audio signal associated with the at least one input dependent on the determination of the one or more expression.
摘要翻译：一种装置，包括：分析器，被配置为分析至少一个输入以确定所述至少一个输入内的一个或多个表达; 以及控制器，被配置为根据所述一个或多个表达式的确定来控制与所述至少一个输入相关联的至少一个音频信号。

5. 发明申请

WO2010104040A1 １モデル音声認識合成に基づく音声合成装置、音声合成方法および音声合成プログラム审中-公开
标题翻译：基于单模式语音识别合成的语音合成设备，语音合成方法和语音合成程序
公开(公告)号：WO2010104040A1
公开(公告)日：2010-09-16
申请号：PCT/JP2010/053802
申请日：2010-03-08
申请人：国立大学法人豊橋技術科学大学 , 新田恒雄
发明人：新田　恒雄
IPC分类号： G10L13/06 , G10L13/00
CPC分类号： G10L13/02 , G10L15/142
摘要：【課題】　少ない学習音声データで、高品質な特定個人の合成音声を実現できる音声合成装置、音声合成方法および音声合成プログラムを提供する。【解決手段】　音声合成装置では、音素など一定の音声単位毎に記憶された調音運動の遷移モデル２２５を不特定多数の話者から学習しておき、このモデルと入力音声を比較して、最適音声単位系列を得ると同時に、調音特徴系列を個人に特化した声道形状情報を担う音声合成パラメータに変換する手段２３０を設け、さらに駆動音源符号帳による閉ループ学習を使用して、音源符号を調音運動の状態遷移モデルに登録することで、特定個人の高品質合成音声を得る。
摘要翻译：公开了一种语音合成装置，语音合成方法和语音合成程序，其能够使用少量学习的语音数据来实现具有高质量的指定个人的语音合成。语音合成装置从未指定的大量扬声器中学习针对每个固定语音单元（例如音素）存储的发音运动的转换模型（225）。语音合成装置设置有用于转换为携带声道形状信息的语音合成参数的装置（230），由此一系列发音特征适合于个人，并且通过将该模型与输入声音。此外，语音合成装置通过使用使用驱动声源码本的闭环学习，通过将音源代码登记在发音运动的状态转换模型中来获得用于指定个体的高质量合成语音。

6. 发明申请

WO2010051542A2 MELODIS CRYSTAL DECODER METHOD AND DEVICE 审中-公开
标题翻译： MELODIS水晶解码器方法和设备
公开(公告)号：WO2010051542A2
公开(公告)日：2010-05-06
申请号：PCT/US2009063000
申请日：2009-11-02
申请人： MELODIS CORP , MOHAJER KEYVAN , EMAMI MAJID , GROSSMAN JON , AUNG JOE KYAW SOE , SOHANGIR SINA
发明人： MOHAJER KEYVAN , EMAMI MAJID , GROSSMAN JON , AUNG JOE KYAW SOE , SOHANGIR SINA
IPC分类号： G10L19/00 , G10L15/14
CPC分类号： G10L15/142 , G10L15/05 , G10L15/32
摘要： The technology disclosed relates to a system and method for fast, accurate and parallelizable speech search, called Crystal Decoder. It is particularly useful for search applications, as opposed to dictation. It can achieve both speed and accuracy, without sacrificing one for the other. It can search different variations of records in the reference database without a significant increase in elapsed processing time. Even the main decoding part can be parallelized as the number of words increase to maintain a fast response time.
摘要翻译：所公开的技术涉及一种称为晶体解码器的用于快速，准确和可并行化语音搜索的系统和方法。这对于搜索应用程序来说特别有用，而不是听写。它可以实现速度和精度，而不会牺牲另一个。它可以搜索参考数据库中不同的记录变体，而不会显着增加经过的处理时间。即使主解码部分可以并行化，因为字数增加以保持快速的响应时间。

7. 发明申请

WO2008069308A1 音声認識装置および音声認識方法审中-公开
标题翻译：音频识别装置和音频识别方法
公开(公告)号：WO2008069308A1
公开(公告)日：2008-06-12
申请号：PCT/JP2007/073674
申请日：2007-12-07
申请人：日本電気株式会社 , 江森正 , 大西祥史
发明人：江森正 , 大西祥史
IPC分类号： G10L15/06 , G10L15/04 , G10L15/18
CPC分类号： G10L15/187 , G10L15/04 , G10L15/063 , G10L15/142 , G10L15/183 , G10L15/197
摘要：　音声データにおける発声区間の長さを表す発声長別に音響モデルおよび言語モデルを学習し、それら音響モデルおよび言語モデルを用いて音声認識処理を行う。音声認識装置は、音声データ（101）における発声区間を検出し該発声区間を表す区間情報を生成する手段（103）と、音声データと該音声データから書き起こされたテキストデータ（102）とにおける区間情報に対応するデータ部分を認識し該データ部分をその発声長に基づき分類する手段（104）と、分類されたデータ部分（105）を用いて音響モデルおよび言語モデル（107）を学習する手段（106）とを有する。
摘要翻译：可以通过使用声学模型和语言模型来学习声音模型和语音模型，每个声音长度指示音频数据中的发声部分并执行语音识别。语音识别装置包括检测音频数据（101）中的发声部分并产生指示发声部分的部分信息的装置（103）识别与从音频数据获取的音频数据和文本数据（102）中的区段信息相对应的数据部分的数据部分（104），并根据发声长度对数据部分进行分类; 以及通过使用分类数据部分（105）来学习声学模型和语言模型（107）的装置（106）。

8. 发明申请

WO2004095421A1 A COUPLED HIDDEN MARKOV MODEL (CHMM) FOR CONTINUOUS AUDIOVISUAL SPEECH RECOGNITION 审中-公开
标题翻译：用于连续的音频语音识别的耦合隐藏标记模型（CHMM）
公开(公告)号：WO2004095421A1
公开(公告)日：2004-11-04
申请号：PCT/US2004/006028
申请日：2004-02-26
申请人： INTEL CORPORATION
发明人： NEFIAN, Ara , LIU, Xiaoxing , PI, Xiaobo , LIANG, Luhong , ZHAO, Yibao
IPC分类号： G10L15/14
CPC分类号： G06K9/6293 , G06K9/6297 , G10L15/142 , G10L15/25
摘要： Method and apparatus for an audiovisual continuous speech recognition (AVCSR) system using a coupled hidden Markov model (CHMM) are described herein. In one aspect, an exemplary process includes receiving an audio data stream and a video data stream, and performing continuous speech recognition based on the audio and video data streams using a plurality of hidden Markov models (HMMs), a node of each of the HMMs at a time slot being subject to one or more nodes of related HMMs at a preceding time slot. Other methods and apparatuses are also described.
摘要翻译：本文描述了使用耦合隐马尔可夫模型（CHMM）的视听连续语音识别（AVCSR）系统的方法和装置。在一个方面，示例性过程包括接收音频数据流和视频数据流，以及使用多个隐马尔可夫模型（HMM），基于音频和视频数据流执行连续语音识别，每个HMM的节点在时隙处于前一时隙处的相关HMM的一个或多个节点。还描述了其它方法和装置。

9. 发明申请

WO2004061821A1 PRONUNCIATION NETWORK 审中-公开
标题翻译：授权网络
公开(公告)号：WO2004061821A1
公开(公告)日：2004-07-22
申请号：PCT/US2003/039108
申请日：2003-12-24
申请人： INTEL CORPORATION
发明人： GRINIASTY, Meir
IPC分类号： G10L13/08
CPC分类号： G10L13/08 , G10L15/142 , G10L15/187
摘要： Briefly, a method and apparatus to generate a pronunciation network of a written word is provided. The generation of the pronunciation network may be done by receiving at least one pronunciation string of the written word from a phoneme string generator able to generate the pronunciation network of the written word. The pronunciation network may include a node list of phonemes combined from different pronunciation strings of the written word. A speech recognition apparatus based on the pronunciation network is also provided.
摘要翻译：简而言之，提供了一种用于生成书写单词的发音网络的方法和装置。可以通过从能够生成写入字的发音网络的音素串发生器中接收书写单词的至少一个发音串来完成发音网络的生成。发音网络可以包括从写入字的不同发音串组合的音素的节点列表。还提供了一种基于发音网络的语音识别装置。

10. 发明申请

WO2003060877A1 BETRIEBSVERFAHREN EINES AUTOMATISCHEN SPRACHERKENNERS ZUR SPRECHERUNABHÄNGIGEN SPRACHERKENNUNG VON WORTEN AUS VERSCHIEDENEN SPRACHEN UND AUTOMATISCHER SPRACHERKENNER 审中-公开
标题翻译：操作程序自动语音扬声器无关的语音识别词从不同的语言和自动语音的
公开(公告)号：WO2003060877A1
公开(公告)日：2003-07-24
申请号：PCT/EP2003/000003
申请日：2003-01-02
申请人： SIEMENS AKTIENGESELLSCHAFT , SCHNEIDER, Tobias
发明人： SCHNEIDER, Tobias
IPC分类号： G10L15/00
CPC分类号： G10L15/005 , G10L15/142 , G10L15/16 , G10L2015/025
摘要： Die Erfindung betrifft ein Betriebsverfahren eines automatischen Spracherkenners zur sprecherunabhängigen Spracherkennung von Worten (10) aus verschiedenen Sprachen, insbesondere zur Erkennung von Namen aus verschiedenen Sprachen, das von einer als Muttersprache definierten Sprache ausgeht und eine Eingabephase zur Erstellung eines Spracherkenner-Vokabulars aufweist.
摘要翻译：本发明涉及用于从不同的语言说话者无关的语言识别字（10），操作一个自动语音的方法，特别是用于识别从不同语言的名字，其中从限定为母语的语言发出，并具有用于创建语音词汇输入相位。

你已经成功收藏专利！

检索式保存成功!

IPRDB

热门服务

关于我们

友情链接

联系方式