DE3337353A1 - Sprachanalysator auf der grundlage eines verborgenen markov-modells - Google Patents

Sprachanalysator auf der grundlage eines verborgenen markov-modells

Info

Publication number
DE3337353A1
DE3337353A1 DE3337353A DE3337353A DE3337353A1 DE 3337353 A1 DE3337353 A1 DE 3337353A1 DE 3337353 A DE3337353 A DE 3337353A DE 3337353 A DE3337353 A DE 3337353A DE 3337353 A1 DE3337353 A1 DE 3337353A1
Authority
DE
Germany
Prior art keywords
signals
speech
pattern
probability
signal
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
DE3337353A
Other languages
English (en)
Other versions
DE3337353C2 (de
Inventor
Stephen Eliot 07090 Westfield N.J. Levinson
Lawrence Richard 07922 Berkeley Heights N.J. Rabiner
Man Mohan 07090 Berkeley Heights N.J. Sondhi
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
AT&T Corp
Original Assignee
Western Electric Co Inc
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Western Electric Co Inc filed Critical Western Electric Co Inc
Publication of DE3337353A1 publication Critical patent/DE3337353A1/de
Application granted granted Critical
Publication of DE3337353C2 publication Critical patent/DE3337353C2/de
Anticipated expiration legal-status Critical
Expired - Fee Related legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; 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]

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Human Computer Interaction (AREA)
  • Computational Linguistics (AREA)
  • Health & Medical Sciences (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Probability & Statistics with Applications (AREA)
  • Acoustics & Sound (AREA)
  • Multimedia (AREA)
  • Compression, Expansion, Code Conversion, And Decoders (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
  • Machine Translation (AREA)

Description

Die Erfindung betrifft die Mustererkennung und im einzelnen Anordnungen zur automatischen Identifizierung von Sprachmustern.
Bei der Nachrichtenübertragung, Datenverarbei-
5 tung und in ähnlichen Anlagen ist es häufig wünschenswert, s akustische Schnittstellenanordnungen zu verwenden. Eine
Spracheingabe und eine Ausgabe von synthetisierter Sprache können für Anfragen, Befehle und den Austausch von Daten und anderen Informationen verwendet—werden. Sprachschnittstellen ermöglichen einen Nachrichtenverkehr mit Datenverarbeitungseinrichtungen von entfernten Stellen aus, ohne , daß manuell betätigte Bildschirmgeräte erforderlich sind, . und ermöglichen die gleichzeitige Ausführungen anderer Funktionen durch den Benutzer. Die Kompliziertheit der Sprachmuster und deren Änderungen von Sprecher zu Sprecher macht jedoch eine genaue Erkennung schwierig. Es sind zwar brauchbare Ergebnisse bei speziellen Anwendungsfällen beschränkt auf bestimmte Personen und mit eingeschränktem Vokabular erreicht worden, aber die Ungenauigkeit einer
20 sprecherunabhängigen Erkennung hat deren Verwendung begrenzt.
Generell sind Spracherkennungsanordnungen in der Lage, ein unbekanntes Sprachmuster in eine Folge von vorgeschriebenen akustischen Merkmalssignalen umzusetzen. Die-
25 se Merkmalssignale werden dann mit vorher gespeicherten
Sätzen akustischer Merkmalssignale verglichen, die identifizierte Bezugsmuster darstellen. Als Ergebnis des Vergleichs wird das unbekannte Sprachmuster als dasjenige Muster identifiziert, das das nach vorgegebenen Erkennungs-
33373
Jcriterien am genauesten passende Bezugsmuster ist. Die Gehauigkeit solcher Erkennungssysteme hängt in hohem Maß von den gewählten Merkmalen und den Erkennungskriterien ab. Der Vergleich zwischen der Eingangsfolge von Sprachmustermerkmalen und einer Bezugsfolge kann direkt durchgeführt werden. Es ist jedoch bekannt, daß die Sprachfrequenz und -artikulation in hohem Maße variabel sind.
Bekannte Erkennungsverfahren benutzen eine dynamische Programmierung , um eine optimale Übereinstimmung zwischen den Mustern bei dem Vergleich zu bestimmen. Auf diese Weise werden die Einflüsse von unterschiedlichen Sprachfrequenzen und Sprachartikulationen gemildert. Die SignalVerarbeitungsanordnungen für eine dynamische Zeitverzerrung und einen dynamischen Vergleich sind jedoch kompliziert und zeitaufwendig, da die für eine Erkennung erforderliche Zeit eine Funktion der Größe des Bezugsvokabulars und der Anzahl von Bezugsmerkmalsschablonen für jedes Wort des Vokabulars ist. Im Ergebnis ist-eine sprecheruaabhängige Erkennung für Vokabulare in der Größenordnung von 50 Wörtern in Realzeit schwierig zu verwirklichen.
Ein weiterer Lösungsversuch für eine Spracherkennung beruht auf probabilistischen Markον-Modellen, die auf statistischen Schätzwerten fußende Sätze von Zuständen und Zustandsübergängen benutzen. Es sind sprecherabhängige Erkennungsanordnungen entwickelt worden, bei denen Spektralmerkmalsfolgen erzeugt und in einer Folge von hierarchischen Markov-Modellen von Merkmalen, Wörtern und Sprache ausgewertet werden. Die Merkmalsfolgen werden in Markον-Modellen phonetischer Elemente analysiert. Die Modelle werden zu größeren akustischen Elementen, beispielsweise Wörtern,
verknüpft. Die Ergebnisse werden dann auf eine Hierarchie von Markov-Modellen, beispielsweise syntaktischen Kontext-Modellen, um eine Sprachmusteridentifizierung zu erhalten. Die Verwendung von Modellen verknüpfter phonemischer EIemente und die Kompliziertheit von Systemen unbeschränkter hierarchischer Markov-Modelle macht jedoch eine beträchtliche Einübung des Systems durch die identifizierten Sprecher erforderlich, um eine ausreichende Anzahl von Modell-
werten zu-gewinnen, damit die Markov-Modelle gültig werden. ~ Die vorliegende Erfindung hat zum Ziel, eine verbesserte automatische Spracherkennung auf der Grundlage von Wahrscheinlichkeitsmodellen zu erreichen, die nicht sprecherabhängig ist und mit höherer Geschwindigkeit einsetzbar ist.
Zur Lösung der Aufgabe geht die Erfindung aus von einem Sprachanalysator zur Erkennung einer Äußerung als eines von einer Vielzahl von Bezugsmustern, mit einer Einrichtung zur Speicherung einer Vielzahl von Signalen, die je einem begrenzten verborgenen Markov-Modell eines Bezugsmusters entsprechen, und mit einer Einrichtung, die unter Ansprechen auf die Äußerung eine Zeitrahmenfolge akustischer Merkmalssignale bildet, die die Sprachmuster der J. 5 Äußerung darstellen, und ist gekennzeichnet durch Einrichtungen, die unter Ansprechen auf die Sprachmuster-Merkmalssignale eine Folge gewählter, .Vorbestimmter, das Sprachmuster darstellender Merkmalssignale—erzeugen, die unter gemeinsamem Ansprechen auf die Folge gewählter Merkmalssignale und die Signale für das begrenzte verborgene Markov-Modell jedes Bezugsmusters ein die Wahrscheinlichkeit dafür darstellendes Signal erzeugen, daß das Sprachmuster das Bezugsmuster ist, und die unter Ansprechen auf die die Wahrscheinlichkeit darstellenden Signale das Sprachmuster als eines der Bezugsmuster erkennt.
Nachfolgend wird die Erfindung anhand der Zeichnungen beschrieben. Es zeigen:
Fig. 1 schematisch ein Beispiel für ein beschränktes Markov-Modell mit verborgenem Wort, wie es bei der vorliegenden Erfindung be
nutzt wird;
Fig. 2 ein allgemeines Flußdiagramm zur Erläuterung eines Ausführungsbeispiels der Erfindung;
Fig. 3 das Blockschaltbild einer Spracherkennungs-
schaltung nach der Erfindung;
Fig. 4, 5 und 6 genauere Flußdiagramme zur Erläuterung von Teilen der Arbeitsweise der
33373
Spracherkennungsschaltung nach Fig.3;
Fig. 7 ein Gitterdiagramm zur Erläuterung der Arbeitsweise der Schaltung nach Fig.3: Allgemeine Beschreibung
In bekannter Weise kann ein verborgenes Markov-Modell zur Auswertung einer Folge von Beobachtungen O1 , 0_, ... 0φ benutzt werden, wobei jede Beobachtung ein diskretes Symbol einer endlichen Anzahl solcher Symbole ist. Die Folge von Beobachtungen läßt sich deuten als Wahrscheinlichkeitsfunktion einer zugrunde liegenden Markov-Kette mit Zustandsänderungen, die nicht direkt beobachtbar sind. Fig. 1 erläutert ein solches Modell.
In Fig. 1 sind N Zustände, beispielsweise 5, und M Ausgangssymbole, beispielsweise 64, vorhanden. Die Über-
1J5 gänge zwischen Zuständen wird durch eine Übergangsmatrix A= [a. .]. Jeder Ausdruck ä. . ist die Wahrscheinlichkeit für einen übergang in den.Zustand j unter der Voraussetzung, daß sich das Modell im Zustand i bef-indet. Die Ausgangssymbolwahrscheinlichkeit des Modells wird durch eine Matrix B=[b.(0t)] dargestellt, wobei b.(Ot) die.= Wahrscheinlichkeit für die Ausgabe des Symbols O. ist, vorausgesetzt daß sich das Modell im Zustand i befindet. Das verborgene Markov-Modell kann zur Ableitung eines Satzes von Bezugsmustermodellen verwendet werden,-und zwar ein Modell für jedes Muster im Vokabularsatz, und zur Klassifizierung
einer Folge von Beobachtungen als eines der Bezugsmuster auf der Grundlage der Wahrscheinlichkeit für die Erzeugung der unbekannten Beobachtungen aus jedem Bezugsmustermodell. Bei der Spracherkennung wird das Eingangssprachmuster analysiert, um eine Folge von akustischen Merkmalen zu erzeugen. Jedes Merkmal kann ein linearer Vorhersagekoeffizienten-Vektor (LPC-Vektor von tjinear Prediction Coefficient) oder ein anderes akustisches Merkmal bekannter Art sein. Die erzeugten Merkmalsvektoren werden mit einem endlichen Satz vorher gespeicherter LPC-Merkmalssignale verglichen und in eine Folge von Vektor-quantisierten LPC-Signalen umgesetzt, die das Eingangssprachmuster darstellen. Jedes der quantisierten Merkmalssignale ist eines
aus dem endlichen Satz von M Symbolen, die bei dem verborgenen Markov-Modell benutzt werden können. Bei der Erkennungs-Betriebsart bildet die quantisierte LPC-Vektormerkmalsfolge für eine Äußerung, beispielsweise ein Wort oder einen Ausdruck, die Beobachtungsfolge 0 und die Wahrscheinlichkeit dafür, daß O durch ein Bezugsmustermodell K, beispielsweise ein Wort oder einen Ausdruck eines Vokabularsatzes, erzeugt wird, wie folgt gebildet:
P(O|M) = B± b± (O1Ja1 ± b± (O2) ...a± ± b± (0T) (1), 1 1 12 2 -T-ITT
wobei I1 , i„, ... ίφ die Folge maximaler Wahrscheinlichkeit für die Markov-Modellzustände und O1, 0„, ... 0 die Beobachtete Folge sind. Die Gleichung (1) läßt sich anhand der Vorwärts-Teilwahrscheinlichkeit Φ (i) schreiben, die defi- IQ niert ist als
Φ (i) = P(O..O„...O und die Folge maximaler
Wahrscheinlichkeit, die im Zustand i zum Zeitpunkt t |K)
Φ. (j) kann dann ausgedrückt werden als
*t+1(j) = max {Φΐ (Da1^bJ (0t+1 )} t=1 , 2, ...T-1
für 1 £ j £ N und max {1 , j-2} £ i£ j, wobei
Tb1 (O1 ) für i=1
25 G1 (i) J (3),
[θ im anderen Fall
so daß Gleichung (1 ) wird:
P(O JK) = P = ΦΤ(Ν) (4) .
Nach Erzeugung des Wahrscheinlichkeitssignals für jedes Bezugsmustermodell kann das Eingangssprachmuster als dasjenige Bezugsmustermodell identifiziert werden, das dem Signal höchster Wahrscheinlichkeit entspricht.
Fig. 2 zeigt ein allgemeines Flußdiagramm zur
Erläuterung der Arbeitsweise eines auf der Grundlage eines verborgenen Markov-Modell arbeitenden Spracherkenners. Wenn der Erkenner verfügbar ist (Kästchen 205), so wird das Eingangssprachmuster in eine Folge von Digitalsignalen umge-
33373
wandelt, wie Kästchen 210 zeigt. Die die Sprache darstellenden Digitalsignale (Kästchen 210) werden dann in eine Zeitrahmenfolge von linearen Voraussagemerkraalssignalen umgesetzt (Kästchen 215). Die entsprechend dem Kästchen 215 erzeugten Signale entsprechen zwar den akustischen Merkmalen des Eingangssprachmusters, die gewonnenen Signale sind aber nicht auf einen endlichen Satz begrenzt. Gemäß Kästchen 220 werden die akustischen Sprachmustermerkmale mit einem endlichen Satz von linearen Voraussagemerkmalsvektoren verglichen, und es wird der am geriauesten übereinstimmende, gespeicherte Vektor für jedes Sprachmustermerkmalssignal gewählt. Auf diese Weise wird für jeden aufeinander folgenden Rahmen t des SpEachmusters ein quantisiertes Merkmalsvektorsignal aus einem vorgegebenen end-
IEj^ liehen Satz gewonnen. Das quantisierte Merkmalsvektorsignal ist dann die Eingangsbeobachtung für die Verarbeitung auf der Grundlage eines verbogenen Markov-Modells im Rahmen t. „ >·--«
Es wird ein Satz vorbestimmter Modelle gespeichert. Für jedes Bezugsmuster im Vokabular des Spracherkenners ist ein einziges Modell vorgesehen. Das Bezugsmustermodell enthält eine Zustands-Ausgangssymbol-Signalmatrix für rgeden Modellzustand und eine Zustandswahrscheinlichkeits-Signalmatrix entsprechend allen möglichen fibergangen zwischen den Zuständen für das Bezugsmustermodell. Die Bezugsmustermodelle werden entsprechend dem Kästchen 225 sequentiell gewählt, und die Wahrscheinlichkeit dafür, daß die quantisierte LPC__Vektor-Merkmalsfolge des Eingangsspcachmusters aus dem gewählten Bezugswortmodell gewonnen wird, wird erzeugt und gespeichert (Kästchen 230). Nach Auswahl des letzten Bezugsmustermodells und Erzeugung des zugehörigen Wahrscheinlichkeitssignals wird das Maximum der Wahrscheinlichkeitssignale gewählt, und es wird ein Signal, das das beste Bezugsmuster identifiziert, zu einer Verbrauchereinrichtung übertragen, beispielsweise einem Datenverarbeiter oder einer Steueranlage.
Das verborgene Markov-Modell für jedes Bezugsmuster wird so begrenzt, daß der Zustand 1 immer der
Anfangszustand des ersten Rahmens ist, daß nur ein vorge-"schriebener Satz von Links-nach-rechts-Zustandsübergahgen möglich ist und daß ein vorbestimmter Endzustand definiert ist, aus dem übergänge in andere Zustände nicht stattfinden können. Diese Beschränkungen sind im Zustandsdiagramm gemäß Fig. 1 dargestellt. Dort ist der Zustand 1 der Anfangszustand, der Zustand 5 ist der End- oder Aufnahmezustand,und die vorgeschriebenen Übergänge von links nach rechts sind durch die Richtungspfeile zwischen den Zuständen angegeben. Entsprechend dem Zustandsdiagramm nach Fig. 1 ist es nur möglich, in den Zustand 1 über den Weg 111 wieder einzutreten, über den Weg 112 zum Zustand 2 weiterzugehen oder über deni/Weg 113 vom Zustand 1 zum Zustand 3 zu gehen. Im allgemeinen sind die Übergänge auf das Wiedereintreten
1.5 in einen Zustand oder das Eintreten in einen der nächsten
beiden Zustände beschränkt. Es wurde festgestellt, daß diese Beschränkungen eine schnelle und genaue Erkennung von Sprachmustern ermöglichen. Die Erzeugung-de-r—Bezugsmustermodelle identifizierter Äußerungen für den Spracherkenner sind nicht auf die Sprachmuster eines identifizierten Sprechers beschränkt, sondern können aus den Äußerungen vieler unterschiedlicher Sprecher abgeleitet werden, so daß die Spracherkennung sprecherunabhängig ist.
Ins Einzelne gehende Beschreibung
Fig. 3 zeigt ein allgemeines Blockschaltbild eines Spracherkenners zur Erläuterung der Erfindung. Die Schaltung gemäß Fig. 3 ist zur Erkennung von Sprechmustern vorgesehen, die einem elektroakustischen Wandler 300 zugeführt werden, und zur Lieferung vorgeschriebener Steuersignale einer Verbrauchereinrichtung 380, die auf die identifizierten Muster anspricht. Gemäß Fig. 3 nimmt eine Filter- und Abtastschaltung 310 ein elektrisches Analogsignal vom Wandler 300 auf und führt eine Tiefpaßfilterung durch, so daß ein unerwünschtes Rauschen höherer Frequenzen entfernt wird. Die Grenz-
35 frequenz des Filters kann auf 3,2 kHz eingestellt werden.
Das gefilterte Signal wird dann in bekannter Weise mit einer Frequenz von 6,7 kHz abgetastet.
Das abgetastete Signal wird einem Analog-Digital-
J."T* .r.-W·.-· 33373
wandler 310 zugeführt, in welchem jeder aufeinander folgen- ~ de Abtastwert in ein digitalcodiertes Signal umgesetzt wird, das die Größe des entsprechenden Abtastwertes darstellt. Die Folge codierter Signale wird einem LPC-Merkmalssignalgenerator 330 zugeführt. In bekannter Weise speichert der Generator 330 die digitalcodierte Signalfolge zeitweilig, gruppiert die Signale in aufeinander folgende, überlappende Rahmen mit einer Dauer von 45 ms und erzeugt einen Satz von P linearen Voraussageparametersignalen für jeden Rahmen.
Jeder Satz dieser LPC-Signale stellt akustische Merkmale des entsprechenden Rahmens dar. Es sei jedoch darauf hingewiesen, daß der Fachmann auch spektrale oder andere akustische Merkmalssignale verwenden kann.
Der Merkmalsgenerator 330 stellt außerdem auf der Grundlage einer Energieanalyse der Merkmalssignalfolge den Endpunkt des dem Wandler 300 zugeführten Eingangssprachmusters fest. Die Endpunkt-Feststellungsanordnung kann eine Anordnung sein, die in der uS-PS 3—90-9-532 (30. September 1975) beschrieben ist. Alternativ können andere bekannte Verfahren zur Endpunktfeststellung benutzt weiden.
Bern Feststellung eines Sprachmuster-Endpunktes im Merkmalsgenerator 330 wird das Steuersignal ST erzeugt und zum■Erkennungsprozessor 340 weitergeleitet, um dessen Operationen einzuleiten. Der Erkennungsprozessor kann einen Mikroprozessor vom Typ MC68000 enthalten, der beschrieben ist in der Veröffentlichung "MC68000 16 Bit Microprocessor User's Manual" , 2. Ausgabe, Motorola Inc., 1980. Die Operationsfolge des Prozessors 340 wird durch einen fest gespeicherten Befehlssatz im Programm-Festwertspeicher (ROM)
30 355 gesteuert.
Ein Akustikmerkmal-Signalspeicher 370 nimmt die Rahmenfolge von LPC-Koeffizientensignalen, die das Eingangssprachmuster darstellen, vom Generator 330 auf und speichert die Merkmalssignale in einer ädressierbaren Rahmenreihenfolge zur Verwendung durch den Erkennungsprozessor 340. Ein Prototyp-Signalspeicher 365 enthäit Signale, die einen Satz vorbestimmter LPC-Prototyp-Merkmalssignale darstellen, welche den Bereich erwarteter LPC-Merkmalssignale
• ν» *·
im Eingangssprachmuster erfassen. Diese Prototyp-Signale "* ~ bilden einen endlichen Satz von Symbolen für die Markov-Model 1-Verarbeitung.
Ein Markov-Modellspeicher 360 enthält einen Satz 5 codierter Signale entsprechend den verborgenen Wort-Markov-Modellen der möglichen Bezugsmuster für die Unbekannte Äußerung, die dem Wandler 300 zugeführt wird. Jedes Markov-Modell umfaßt einen Satz von Signalen a. . entsprechend der Wahrscheinlichkeit für die Übergänge zwischen Modellzu-
10 ständen und Signale b.(O.) entsprechend der Ausgangesymbol-
Jt
Wahrscheinlichkeit in jedem Zustand. Die Ausgangssymbole O und zwar ein Symbol für jeden Sprachmusterrahmen t, entsprechen den Prototypsignalen im Speicher 365. Jeder der Speicher 360 und 365 kann einen Festwertspeicher ent-
15 halten, der durch den Prozessor 340 adressierbar ist. Die Festwertspeicher 360 und 365 speichern die Modell- und Prototypsignale permanent. Der Speicher 370 kann ein durch den Prozessor 340 adressierbarer JSchxeib-Lesespeicher {RAM) sein. Der RAM 350 wird als Zwischenspeicher für die Signal-
20 Verarbeitungsoperationen des Erkennungsprozessors benutzt, und die Schnittstelle 345 bildet eine Nachrichtenübertragungsschnittstelle zwischen dem Erkennungsprozessor und den Einrichtungen in Fig. 3. Die Schnittstelle in Form einer Sammelleitung 345 kann eine Rückwandebene vom Typ HBFA-
SBC614 sein, die von der Hybricon Corporation hergestellt wird. Alternativ können der Prozessor 340 , die Sammelleitung 345, der Steuerspeicher 350 und der RAM 355 ein Einplattenrechner #om Typ OB68K1 A MC68000/MULTIBUS sein, hergestellt von Omnibyte Corporation, West Chicago, Illinois.
Es könnte auch eine Q-Sammelleitungsanordnung verwendet werden.
Die Schaltung gemäß Fig. 3 kann zur Erkennung vieler unterschiedlicher Mustertypen benutzt werden. Zur Erläuterung wird eine Anordnung zur Erkennung von Ziffern, beispielsweise der Ziffern einer Fernsprechnummer oder ο einer Kreditkartennummer, beschrieben. Es sei angenommen, daß die (englische) Aussprache der Ziffer "Neun" dem Wandler 300 zugeführt wird. Entsprechend den Kästchen 20 7 und
Φ ei n *
210 des Flußdiagramms in Fig. 2 wird das Eingangssprachmuster in der Filter- und Abtastschaltung 310 gefiltert und abgetastet und dann im Analog-Digitalwandler 320 in ein Digitalsignal umgesetzt. Die Folge digitalcodierter Signale wird dem Eingang eines Merkmalssignalgenerators 330 zugeführt, in welchem die LPC-Koeffizientenmerkmalssignale für die aufeinander folgenden Rahmen des Spracnmusters "Nine" (englisch "neun") entsprechend dem Kästchen 215 erzeugt werden. Die erzeugten BPC-Merkmalssignale werden zum Akustikmerkmal-Signalspeicher 370 übertragen, der durch den Rahmenindex t über die Leitung 332 adressiert wird. In jedem Rahmen wird in das Entscheidungskästchen 218 eingetreten, um festzustellen, ob der Endpunkt des Musters erreicht worden ist. Bei Feststellung des Endpunktes wird das Signal ST im Merkmalssignalgenerator erzeugt und zum Erkennungs-■'*-■
prozessor 340 übertragen.
Unter Ansprechen auf das Signal ST wird der Prozessor 340 in seine Vektorquantisiexungs-Betriebsart gebracht, in welcher die LPC-Merkmalssignale im Speicher 3 70 entsprechend den Prototypsignalen im ROM 365 entsprechend dem Kästchen 220 quantisiert werden. Die Quantisierungsbetriebsart ist genauer im Flußdiagramm gemäß Fig.4 dargestellt.
Entsprechend Fig. 4 wird gemäß Kästchen 401 der LPC-Merkmalssignal-Rahmenindex t im Prozessor 340 zu Anfang auf 0 zurückgestellt. Dann wird in die Schleife 403 eingetreten, um die Einstellung des'.Prototyp-Index m einzuleiten. In der Schleife 403 wird der Rahmenindex t inkrementiert (Kästchen 405), und der inkrementierte Rahmenindex wird mit dem letzten Rahmen (T) des Eingangssprachmusters verglichen (Kästchen 410). Solange nicht t>T ist, wird in das Kästchen 415 eingetreten, so daß das·LPC-Merkmalssignal U des augenblicklichen Rahmeneingangssprachmusters im Speicher 3 70 durch den Prozessor 340 adressiert und zum RAM 350 übertragen wird. Das Signal, das den minimalen Abstand zwischen dem Prototyp-Signal und dem Merkmalssignal (D . ) darstellt, wird zu Anfang auf Unendlich eingestellt
ram ' ^
(Kästchen 420), und der Prototyp-Index m wird im Prozessor'
350 auf 0 eingestellt (Kästchen 425). Semäß Kästchen 430 wird dann der Prototyp-Index m im Prozessor 430 inkrementiert. Der inkrementierte Index m+1 wird anschließend entsprechend Kästchen 435 mit dem letzten Index M=64 verglichen.
Zu diesem Zeitpunkt wird das augenblickliche Prototyp-Signal im Speicher 365 adressiert und über den Erkennungsprozessor zum RAM 350 übertragen (Kästchen 440). Es kann dann die Bestimmung des Prototyp-Signals R , das dem augenblicklichen Sprachmuster-Merkmalssignal U am genauesten entspricht, im Prozessor 340 gestartet werden. Der Prozessor ist so eingerichtet, daß er iterativ das bekannte Itakura-Abstandsmetriksignal der Form
15*. d(U R) = log 2¥l_ (5)
aVa
für jedes Prototyp-Signal bestimmt, wobei a ein BEC-Vektor
von U. , a ein LPC-Vektor aus R und-· V-die Autokorrelationst m
matrix auf R sind, m
20 Zu Anfang werden das Äbstandsmetriksxgnal
d(U.,R ) und das Merkmalsindexsignal ρ entsprechend den Kästchen 445 und 450 auf 0 eingestellt. Dann wird in die Schleife 452 zur Abstandssignalbildung eingetreten,und für jeden Merkmalsindex wird das Abstandssignal gemäß Kästchen
25 455 entsprechend der folgenden Gleichung inkrementiert:
d(Ut,Rm) = In σ Ut(p).Rm(p) (6).
p=1
Das Indexsignal ρ wird im Prozessor 340 inkrementiert (Kästchen 460),und es wird wieder über das Entscheidungskästchen 465 in das Kästchen 455 eingetreten, bis p>P ist, wobei P das End-Merkmalsindexsignal ist. Das Abstandssignal wird in logarithmische Form gebracht ^Kästchen 46 8 hind dann entsprechend dem Entscheidungskastchen 470 mit D. verglichen. Falls das augenblickliche Prototyp-Abstandssignal gleich oder größer als D . ist, wird erneut ohne
Änderung von D . in das Kästchen 430 eingetreten. Im anmm
deren Fall wird das Prototyp-Indexsignal m als Darstellung
33373
des quantisierten Sprachmustersignals für den Rahmen t abgespeichert,und das Abstandssignal für den Prototyp m wird als D . im RAM .350 abgelegt. Dann wird erneut in das Kästchen 430 eingetreten. Wenn beim Kästchen 435 m M ist, so wird O =m als das am genauesten entsprechende , quantisierte Signal gewählt und gemäß Kästchen 405 erneut in die Schleife 403 eingetreten, so daß die Quantisierung des nächsten Rahmens begonnen werden kann.
Wenn entsprechend dem Kästchen 410 der Sprachmuster-Rahmenindex t größer als der letzte Sprachmustertahmen T wird, ist eine Folge von quantisierten Signalangaben O1, Oy , ... O. ... Οφ für das Sprachmuster im Prozessor 340 erzeugt worden und im RAM 350 abgespeichert. Das der Aussprache von "nine" entsprechende Sprachmuster kann beispielsweise 36 Rahmen besitzen,und es wird für jeden Rahmen eines von 64 möglichen Prototypssignalen gewählt. Auf diese Weise wird das Sprachmuster in eine Folge von quantisierten Signalen eines endlichen·-Satzes umgewandelt. Jeder quantisierte Signalindex O entspricht einem Satz von P linearen Voraussagekoeffizienten, die das quantisierte Akustikmerkmal eines Rahmens für das Sprachmuster darstellen. Für die Aussprache der Ziffer "nine" durch einen nicht identifizierten Sprecher kann die Folge quantisierter Merkmalssignale auf den in der nachfolgenden Tabelle 1 aufge-
25 führten Signalen bestehen.
t ft ¥ * * * 16 1 Quantisiertes
1 W V
w Ht * V		 Rahmen- Sicrnal
2 Tabelle Nr. °t
Rahmen- 3 ■ Qüantisier- t 52
Nr. 4 tes Signal 19 52
5 °t 20 52
6 1U 21 51
7 14 22 51
8 13 23 40
9 9 24 46
10 1 25 57
11 25 26 57
12 26 27 57
13 28 28 57
14 28 29 57
15 28 30 57
16 29 31 47
17 29 32 17
18 19 33 3
19 34 18
34 35 42
34 36
50
51
Nach Beendigung der Quantisierung geht der Prozessor 340 aus der Quantisierungs-Betriebsweise und tritt in seine Markov-Modell-Auswertungsbetriebsweise entsprechend den Kästchen 225, 230 und 235 in Fig.2 ein.
Während der Modellauswertungs-Betriebsweise werden die Markov-Modelle für den Satz von Bezugsmustern, beispielsweise die Ziffern o, 1, 2 , ... 9 nacheinander ausgewählt. Jedes Modell umfaßt eine A-Matrix,der Übergangswahrscheinlichkeitssymbole und eine B-Matrix der Symbolausgangs-Wahrscheinlichkeitssignale. Die Α-Matrizen für die Ziffern 0, 5 und 9 sind als Beispiel in den Tabellen 2, 3 und 4 dargestellt. Sterne stellen Übergänge dar, die durch das Modell verboten sind und als 0 bewertet werden.
33373
1 Tabelle 2 • 3 4 5
Ziffer 0 •
.821 A- ttätt •Hl • * * *
Zustand i .143 2 * * *
j .036 800 * *
1 * * 079 .880 ♦
2 * .801 122 .120 1.000
3 .199
4 .000
5 *
1 Tabelle 3 3 4 5
Ziffer 5
.852 Jt- üa trj .Σ * * *
Zustand i .136 2 * * *
j .013 .800 * *
1 * * .054 .922 *
2 * .932 .146 .078 1.000
3 .067
4 .000
5 *
1 Tabelle 4 3 4 5
Ziffer <.
.793 A-Matrix * * *
Zustand i .106 2 * * *
.100 .690 * *
1 * * .142 .930 *
2 .939 .168 .070 1.000
3 .061
4 .000
5 *
Jede.der A-Matrix-Tabellen ist eine 5x5-Matrixdarstellung für die Wahrscheinlichkeit aller übergänge zwischen den fünf Zuständen des Modells in Fig. 1. Entsprechend den Tabellen 2, 3 und 4 sind entsprechend den Einschränkungen des Modells nur übergänge von links nach rechts in Fig. 1 möglich, die keine * oder Null-Werte haben. B-Matrizen für die Ziffern 0, 5 und 9 sind in den Tabellen 5, 6 bzw. 7 gezeigt. Jede Spalteneintragung in Tabelle 5 stellt die Wahrscheinlichkeit eines bestimmten Prototyp-Signals im entsprechenden Zustand für die Aussprache der Ziffer "zero" dar.
Tabelle 5
Zustand Zustand
10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32
.059 .025 .001 .007 .002 .046 .001 .001 .001 .006 .001 .012 .001 .007 .001 .007 .031 .001 .028 .001 .005 .001 .078 .063 .001 .054 .002 .001 .011 .002 .021 .001
.011 .001 .001 .001 .001 .001 .001 .001 .001 .028 .001 .001 .001 .001 .001 .001 .150 .001 .001 .001 .105 .001 .019 .001 .001 .001 .001 .007 .035 .001 .001 .001
.001 .015 .001 .001 .001 .001 .001 .001 .001 .014 .001 .001 .001 .001 .001 .001 .001 .001 .001 .001 .011 .001 .001 ..017 .001 .001 .137 .001 .001 .001 .169 .001
.001 .001 .001 .103 .001 .001 .059 .018 .001 .008 .001 .001 .001 .001 .001 .001 .001 .001 .076 .001 .019 .001 .001 .001 .001 .001 .029 .001 .001 .001 .013 .001
.015
.004
.048
.001
.007
.003
.001
.001
.004
.008
.101
.001
.025
.007
.008
.006
.010
.009
.006
.021
.003
.090
.001
.001
.090
.002
.008
.010
.001
.001
.001
.030
33 34 35 36 37 . 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64
.015 .040 .001 .026 .006 .110 .001 .005 .001 .001 .044 .001 .066 .002 .001 .022 .019 .016 .017 .035 '.015 .001 .011 .001 .028 .001 .001 .011 .001 .004 .004 .016
.155
.001 .014 .001 .001 .032 .060 .001 .001 .001 .042 .001 .001 .012 .006 .001 .001 .001 .001 .132 .003 .022 .001 .001 .001 .268 .001 .001 .001 .001 .001 .001 .001
.001
.021
.001
.001
.001
.003
.001
.022
.001
.017
.001
.001
.001
.305
.001
.001
.001
.001
.223
.001
.004
.003
.001
.001
.006
.001
.001
.001
,003
.028
.001
.001
.001
.004
.021
.003
.001
.002
.004
.062
.033
.001
.001
.044
.001
.001
.034
.001
.001
.047
.009
.001
.004
.090
.006
.045
.001
.020
.006
.016
.006
.005
.001
.002
CO CO CO
1 Zustand 2! .002 i, Tabelle 6 Zustand .001 .001 .001 L
2 1. .003 .001 .001 .001 .001 .001 .026
η 3 .005 .001 .001 .001 m .003 .032 .096 .441 .026
4 .001 .001 .001 .014 .020 ! 33 .001 .001 .001 .001 .001
5 .001 ' .001 .004 .001 .005 34 .001 .001 .001 .001 .017
6 .001 .001 .001 .001 .001 35 .001 .001 .001 .001 .007
7 .001 .001 .001 .001 .001 36. .001 .001 .066 .066 .068
8 .001 .001 .001 .001 .023 37 .001 .001 .360 .128 .001
9 .001 .001 .010 .001 .009 I 38 .001 .005 .001 .001 .013
10 .001 .002 .001 .038 .001 39· .003 .001 .001 .01Ol .001
11 .001 .001 .012 .001 .0Oi I 40 .001 .001 .001 .001 .001
12 .001 .001 .001 .001 .004 I 41 .001 .001 .001 .001 .136
13 .001 .001 .001 .001 .004 I 42 .591 .001 .001 .001 .001
14 .001 .004 .004 .038 .on ι 43 .001 .001 .001 .001 .012
15 .001 .010 .001 .001 .001 44 .003 .242 .001 .003 .004
16 .001 .098 .075 .001 .001 45 .001 .001 .001 .001 .001
17 .001 .001 .001 .001 .031 46 .003 .001 .001 .001 .025
18 .004 .001 .001 .001 .001 47 .001 .012 .149 .004 .008
19 .016 .001 .002 .001 .004 48 .001 .001 .001 .001 .047
20 .001 .001 .019 .077 .014 49 .036 .001 .001 .001 .058
21 .001 .396 .001 .009 .001 50 .001 iOOl .001 .001 .005
22 .001 .001 .001 .001 .022 51 .009 .028 .009 .001 .021
23 .001 .001 .001 .001 .001 52 .001 .001 .001 .001 .001
24 .001 .001 ..001 .001 .029 I 53 .003 J012 .133 .001 .029
25 .001 .001 -.001 .001 .001 I 54 .064 .001 .001 .001 .001
26 .001 .102 .001 .060 .001 I 55 .003 .001 .001 .001 .021
27 .001 .001 .003 .001 .012 I 56 .001 .005 .003 .072 .001
28 .001 .001 .001 .001 .001 57 .001 .001 .001 .001 .001
29 .001 .001 .001 .001 .010 I 58 .001 .001 .001 .001 .053
30 .001 .001 .001 .001 .012 59 .112 .001 .001 .001 .001
31 .098 .001 .005 .001 .001 60 .001 .001 .001 .001 .009
32 .001 .001 .001 .00). .125 61 ,001 " .001 .001 .001 .001
.001 • 001 .oo;, .001 62 .001 .004
.001 .048 63 .001
.001 64
« t(tl
Tabelle 7
Zustand
Zustand
m 1 I 2_ 2 £ 5 I m- I .001 2 4_ 2
2 .013 .001 .049 .001 .009 j 33 .006 .001 .001 .001 .030
3 .004 .001 .001 .001 .009 I 34 .052 .184 .019 .001 .019
4 .001 .009 .001 .016 .0Oi I 35 .001 .001 .001 .039 .001
5 .006 .001 .001 .001 .017 I 36 .108 .001 .001 .001 .085
6 .001 .022 .153 .060 .019 I •37 .010 .001 .001 .σοι .029
7 .001 .001 .026 .001 .on I 38 .025 .236 .048 .001 .031
8 .010 .001 .001 .001 .008 I 39 .001 .059 .011 .025 .001
9 .001 .001 .001 .001 .006 I 40 .001 .002 .029 .054 .013
10 .001 .051 .050 .010 .003 I 41 .001 .001 .001 .001 .001
11 .084 .001 .001 .001 .030 I 42 .008 .001 .001 .001 .017
12 .001 .028 .014 .010 .001 ι 43 .002 .011 .001 .001 .014
13 .001 .001 .001 .001 .003 I 44 .001 .001 .001 .020 .001
14 .001 .010 .001 .015 .001 45 .004 .001 .001 .001 .016
15 .001 .018 .069 .001 .002 46 .034 .001 .001 .001 .032
16 .001 .015 .001 .103 .001 47 .001 .001 .001 .180 .001
17 .001 .007. .230 .047 .001 48 .001 .001 .001 .001 .041
18 .004 .001 .020 .001 .008 49 .050 .083 .001 .001 .019
19 .005 .015 .004 .001 .001 50 .001 .001 .033 .OQl .010
20 .054 .001 .001 .002 .008 51 .201 .001 .001 .001 .135
21 .001 .092 .001 .147 .001 52 .001 .001 .001 .001 .003
22 .035 .001 .064 .001 .024 53 .014 .001 .010 .001 .011
23 .001 .032 .003 .005 .001 54 .030 iQOl .001 .018 .005
24 .001 .001 .001 .001 .006 55 .004 .016 .001 .001 .012
25 .018 .001 «001 .001 .020 56 .001 .001 .015 .146 .002
26 .001 .001 .004 .052 .001 57 .040 .001 .001 .001 .101
27 .010 .001 .001 .001 .011 I 58 .006 .053 .001 .001 .001
28 .001 .011 .006 .001 .004 I 59 .001 .002 .001 .007 .001
29 .024 .001 .001 .001 .008 I 60 .001 ■ .001 .062 .001 .008
30 .001 .001 .039 .001 .045 61 .044 .003 .001 .001 .016
31 .004 .001 .001 .001 ■ .002 I 62 .048 • .001 .001 .001 .008
32 .002 .001 .004 .001 .038 63 .001 .001 .001 .001 .001
.001 .001 .001 .001 .002 I 64 .010 .001 .001 .035
Es sind 64 Prototyp-Wahrscheinlichkeiten in jeder Zustandsspalte vorhanden, so daß die Größe der Matrix 5x64 beträgt. Die Tabellen 6 und 7 entsprechen den Ziffern "five" und "nine" auf entsprechende Weise. Entsprechend dem Flußdiagramm in Fig.2 werden die im ROM 360 gespeicherten Marköv-Modelle durch Adressierung mittels des Musterindex k nacheinander aus diesem Speicher wiedergewonnen. Für jedes Modell wird ein Signal gebildet, das die Wahrscheinlichkeit dafür darstellt, daß die quantisierte Merkmalssignalfolge des Sprachmusters mit dem Modell übereinstimmt. Die Anordnungen zur Bildung des Wahrscheinlichkeitssignals sind genauer in Fig. 5 und 6 gezeigt. Generell wird zuerst ein Markov-Modell gewählt. Für das zu erkennende Sprachmuster wird das Modell Rahmen für Rahmen mit der quantisierten Signalfolge O1, O0... O.
'■5- TZt'
... 0T als Eingangssignal ausgewertet. Nach Beendigung der Auswertung für den letzten Sprachmusterrahmen wird ein Signal entsprechend der maximalen Wahrscheinlichkeit dafür, daß die quantisierte Signalfolge des Sprachmusters aus dem Modell abgeleitet worden ist, erzeugt.
Die Einschränkungen 4es in der Schaltung gemäß Fig. 3 benutzten verborgenen Wort-Markov-Modells mit Übergängen von links nach rechts machen es erforderlich, daß der Anfangszustand für den Rahmen t=1 nur der Zustand 1 in Fig.1 ist und daß das logarithmische Wahrscheinlichkeitssignal im Anfangszustand wird:
O1 (1 ) = In(I)1 (O1 )) (7).
Der Wert Φ1(1) wird aus der Eintragung m=14 der Spalte für den Zustand 1 der B-Matrix für die Ziffer abgeleitet. Die logarithmischen Wahrscheinlichkeitssignale Φ..(ΐ.), i=2,3,4 und 5 für den Rahmen t=1 werden auf - gesetzt, da diese Zustände im Modell nicht zulässig sind. Es werden dann die Signale In(O-(J)) für den Rahmen t=2 entsprechend dem folgenden Ausdruck gebildet:
35 φ ( j) = max (O1 (i ) + In (a± ,b . (O2 ) } (8)
für max {1,j-2}<i-<j
unter Verwendung der Übergangswahrscheinlichkeitssignale
ORIGINAL
- · :·* * '·■■"*'■ 33373
in der Α-Matrix für die Ziffer und der Symbolwahrscheinlichkeitssignale in der B-Matrix entsprechend dem zweiten quantisierten Rahmensignalindex m der Tabelle 1. Für jeden Bestimmungszustand j des Sprachmusterrahmens 2 wird das maximale logarithmische Wahrscheinlichkeitssignal Φ-ij) gespeichert . Es werden dann die logarithmischen Wahrscheinlichkeitssignale für die aufeinanderfolgenden Zustände in der Rahmenfolge unter Verwendung der Matrixsignale A und B des Ziffernmodells und der Rahmenfolge quantisierter Sprachmustersignalindices t erzeugt. Nach der Verarbeitung des letzten Rahmens T wird das maximale logarithmische Wahrscheinlichkeitssignal für das Ziffernmodell aus dem Endzustand 5 gewonnen, in welchem Übergänge auf andere Zustände nicht zulässig sind. Der Zustand 5 ist der aufnehmende oder absorbierende Zustand. Die Signalverarbeitung für den Satz von Ziffern wird nacheinander durchgeführt,und das größte der maximalen logarithmischen Wahrscheinlichkeitssignale sowie das entsprechende Ziffernidentifiziersignal wird im Speicher abgelegt. Bei Beendigung der Modellverarbeitung für die Ziffer "nine" wird das Sprachmuster als der Ziffernidentifiziercode für das gespeichert gehaltene maximale logarithmische Wahrscheinlichkeitssignal identifiziert.
Die Markov-Modell-Verarbeitung.entsprechend dem Kästchen 225, 230, 235 und 240 gemäß Fig. 2 wird von der Prozessorschaltung 340 entsprechend dem Flußdiagramm in Fig. 5 durchgeführt. Zu Anfang wird bei Beendigung der Quantisierungs-Betriebsart aus dem Kästchen 220 in das Kästchen 501 eingetreten. Das logarithmische Signal maximaler Wahrscheinlichkeit wird auf seinen idinimalwert -<*> eingestellt und dann der gewählte Bezugsmusterindex k* auf -1 eingestellt. Der Bezugsmusterindex k wird auf -1 zurückgestellt (Kästchen 505) und dann auf 0 inkrementiert (Kästchen 507). Der augenblickliche Bezugsmusterindex k wird dann entsprechend dem Kästchen 510 mit dem letzten Indexwert K verglichen. Da zu diesem Zeitpunkt k=0 ist, wird das Kästchen 515 gewählt, und die Matrixsignale A und B für die Ziffer k=0, d.h. "zero", werden adressiert und vom Bezugsmuster-Markov-Modell-Signalspeicher 360 über die Prozessorschaltung
1 340 zum RAM 350 übertragen (Kästchen 515). Es wird dann
das logarithmische Wahrscheinlichkeitssignal für die Ziffer "zero" , nämlich In P entsprechend dem Kästchen 520 erzeugt. Wie oben erwähnt, stellt das Signal P die Wahr-, scheinlichkeit dafür dar, daß das quantisierte Eingangssprachmuster aus dem Markov-Modell für die Ziffer "zero" gewonnen wird. Das Flußdiagramm gemäß Fig.6 zeigt die Einzelheiten für die Bildung des Signals in P, .
JC
Gemäß Fig. 6 wird, das Signal 3. (1 ) auf
ln(b (0.)) eingestellt (Kästchen 601) entsprechend dem Signal m=14 der Spalte 1 in der Matrix B gemäß Tabelle 5. Der Quellenzustandsindex i wird auf 1 eingestellt (Kästchen 605) und inkrementiert (Kästchen 607). Solange nicht i>N, dem Endzustand 5, ist, wird In Φ.(i) für i=2,3,...N auf -00 eingestellt. Der Satz von Signalen Φ. (1 ), Φ.. (2), ... Φ..(5) wird im RAM 350 gespeichert. Diese Signale Φ.(i) entsprechen der Einschränkung, daß das Markov-Modell im ersten Zustand des ersten Sprachmusterrahmens beginnt. Fig.7 zeigt ein baumförmiges Diagramm zur Darstellung der Folge von Zuständen des Markov-Modells für die aufeinander folgenden Eingangs-Sprachzeitrahmen 1, 2r 3 und 4. Die Spalte 710 entspricht dem ersten Rahmen, in welchem das quantisierte Indexsignal des Sprachmusters gleich O1 =14 ist. Die Spalten 720, 730 und 740 entsprechen dem zweiten,
25 dritten bzw. vierten Rahmen. Die Markov-Zustände sind in
absteigender Ordnung in jeder Spalte angegeben. Wie in Fig. 7 gezeigt,ist, ist nur der Zustand 1 im ersten Zeitrahmen möglich.
Nach Bildung der Signale φ1(i) für den ersten
30 Zeitrahmen wird nacheinander in die Kästchen 615 und 620
eingetreten, so daß der Zeitrahmenindex t auf 1 eingestellt und inkrementiert wird. Da der Zeitrahmenindex t nicht größer als der letzte Zeitrahmen T ist (Entscheidungskästchen 625), wird der Bestimmungszustandsindex j entsprechend dem Kästchen 630 auf 0 eingestellt. Der Bestimmungsindex j wird gemäß Kästchen 635 auf 1 inkrementiert und mit dem Endzustand N=5 verglichen (Entscheidungskästchen 640). Entsprechend den Einschränkungen des Markov-Modells gemäß
: ■■ - 33373
gemäß Fig. 1 sind nur übergänge in die nächsten beiden folgenden Zustände möglich. Demgemäß wird der Quellenzustandsindex i auf 0 eingestellt (Kästchen 650) und auf 1 inkrementiert (Kästchen 652) , um den Markov-Modell-Einschränkungen zu genügen. Der Wert ß, nämlich das maximale
Φ-(ϊ), wird zu Anfang auf -« eingestellt (Kästchen 650). Der inkrementierte Quellenzustandsindex i wird mit dem augenblicklichen Bestimmungszustandsindex j=1 entsprechend Kästchen 654 verglichen und dann eingetreten in das Signalbildungskästchen 660 für den Sprachmuster-Zeitrahmen t=2, den Quellenzustandsindex is=1 des vorhergehenden Rahmens und den Bestimmungszustandsindex j=1. Das Signal α im Kästchen 660 entspricht dem Weg vom Zustand 1 in Spalte 710 (t=1 ) zum Zustand 1 in Spalte 720 (t=2), und sein Wert wird durch Summieren der vorher erzeugten Signale *, (1 ) und ln(a11b1 (O„)) gewonnen. Der Signalindex O„ ist das guantisierte Sprachmustersignal für den Rahmen t=2 in Tabelle 1. Das Signal a.. . wird aus den A-Matrixsignalen der Tabelle 2 in Spalte i=1 und Zeile j=1 erhalten,und das Signal b (O?) wird aus der Eintragung m=14 in der Spalte des Zustandes 1 für die B-Matrix der Ziffer "zero" in Tabelle 5 gewonnen. Zu diesem Zeitpunkt ist α=-10,2, und ß wird entsprechend dem Kästchen 665 und 6 70 auf diesen Wert eingestellt. Es wird dann wieder zum Inkrementieren des Quellenzustandsindex zurückgekehrt (Kästchen 652), so daß i=2 wird.
Da der Quellenzustandsindex i jetzt größer als der Bestimmungszustandsindex j=1 ist, wird Φ9(1) auf β eingestellt (Kästchen 654 und 656), und der Bestimmungszustandsindex j wird auf 2 inkrementiert-(Kästchen 635). Der Quellenzustandsindex i wird auf 0 zurückgestellt und entsprechend den Kästchen 650 und 652 auf 1 inkrementiert. Gemäß Kästchen 660 wird das Signal α für die Indices t=2, i-1 und j=2 gebildet. Auf diese Weise wird der Weg vom Zustand 1 der Spalte 710 zum Zustand 2 der Spalte 720 in Fig. 7 durchschritten. Der Wert von α für t=2, i=1 , j=2 ersetzt das Signal β =-<»( Kästchen 665 und 6 70).
Wenn das Signal α für t=2, i=2 und j=2 gebildet
ist, ist es kleiner als 3 , da Φ. (2)=-00 ist. Demgemäß wird 3 im Kästchen 6 70 nicht verändert. Es wird darin der Quelelnzustandsindex i inkrementiert (Kästchen 652). Der inkrementierte Index i=3 ist jetzt größer als i=2, und Φ„(2) wird auf den für t=2, i=1 und j=2 gewonnenen Wert 3 eingestellt (Kästchen 656). In ähnlicher Weise wird entsprechend der Darstellung in Fig. 7 Φ~ (3 ) auf das Signal cm für t=2 , i=1 und j.=3 eingestellt. Die Signale Φ. (i) für i>1 sind auf - °° eingestellt worden. Demgemäß werden die Signale $7(j) für j >3 auf -a> eingestellt. Die Tabellen 8, 9 und 10 geben die logarithmischen Wahrscheinlichkeitssignale Φ (j) für die Markov-Modell-Zustände in jedem Zeitrahmen t an.
27 Tabelle 8
Zustand
Rahmen
1 -5 .0 * .9 * .3 * .7 9 * .0
2 -10 .2 -13 .0 -15 .4 * .9 0 * .6
3 -17 .3 -19 .2 -20 .6 -24 .0 2 -21 .9
4 -24 .4 -26 .9 -27 .7 -29 .1 -25 .3
5 -27 .4 -30 .3 -34 .7 -37 .2 -30 .4
6 -34 .6 -36 .5 -37 .8' -44 .3 -33 .9
7 -37, .7 -43 .6 -44 .0 -47 .5 -39 .5
8 -44, .8 -44 .7 -4 8 .1 -54 .6 -4 3 .1
9 -51, .9 -49 .9 -53 .3 -57 .8 -4 8 .6
10 -59, .1 -54, .5 -58 .5 -62 .0 -53 .1
11 -63, .8 -58, .1 -63 .1 -67 .2 -59, .1
12 -68, .4 -62, .2 -67, .6 -73, .9 -66, .2
13 -72. .2 -69. .4 -70, .8 -72, .9 -71, ,7
14 76. ,0 -76. .3 -77, .3 -74, .9 -76. .6
15 -79. ,4 -83. .1 -82. .8 -78, .0 -81. ,1
16 -82. .8 -88. .1 -86. .1 -82, .6 -86. .8
17 .-87. ,2 -90. .3 -93. .5 -90. .7 -88. ,7
18 -91. ,4 -94. ,5 -92. ,7 -91. .8 -92. ,6
19 -95. 0 -98. ,1 -98. ,3 -98. ,9 -99. ,3
20 -98. 5 -102. ,6 -104, ,8 -105. ,9 -106. 6
21 -102. 1 -105. .2 -107. ,4 -112. ,5 -113. ,2
22 -106. 3 -109. 5 -107. ,7 -111. ,4 -114. 5
23 -110. 6 -113. 5 -109. 8 -111. ,4 -114. ,3
24 -116. 1 -119. 0 -116. 0 -115. 16 r-114. 3
25 -121* 5 -125. 4 -124. 6 -119. 9 -117. 2
26 -125. 3 -130. 2 -125. 1 -124. 8 -124. 1
27 -129. 1 -134. 0 -127. 6 -129. 3 -131. 7
28 -132. 9 -138. 7 -128. 2 -134. 9 - -136. 2
29 -136. 6 -141. 5 -130. 7 -136. 4 -137. 7
30 -140. 4 -145. 3 -131. 3 -137. 7 -139. 7
31 -144. 2 -149. 1 -133. 4 -139. -149.8 -140. 3
32 -151. 3 -153. 1 -140. 6 -142. -156. -138. 4
33 -155. 0 -155. 3 -147. 8 -164. -143. 1
34 -162. 1 -162. 4 -154. 0 -168. -146. O
35 -169. 3 -169. 5 -162. 4 -151.
36 -176. 4 -175. -165. -158.
Tabelle 9
Zustand
Rahmen -7.0 * * * *
1 -14.1 -13.5 -16.8 * *
2 -21.2 -19.1 -23.2 -22.9 -25.6
3 -28.3 -25.3 -26.4 -26.3 -30.7
4 -33.8 -31.3 -32.9 -33.3 -32.2
5 -40.9 -33.6 -40.1 -36.2 -39.2
6 -47.6 -40.7 -43.3 -43.3 -43.4
7 -54.8 -47.7 -50.3 -50.3 -50.3
8 -61.9 -54.7 -57.3 -57.3 -57.3
9 -69.0 -61.7 -64.4 -64.4 -64.2
10 -71.5 -6 8.3 -71.4 -71.4 -66.3
11 -74.0 -74.9 -78.0 -78.5 -68.3
12 -81.1 -81.9 -83.9 -81.1 -72.2
13 —8 8.2 -89.0 -90.3 -83.8 -76.0
14 -95.3 -96.0 -97.5 -90.8 -79.6
15 -102.4 -103.0 -104.7 -97.8 -83.2
16 -105.9 -107.5 -106.8 -103.5 -86.3
17 -113.0 -114.5 -114.0 -110.5 -89.2
18 -117.9 -121.5 -121.2 -117.6 -94.4
19 -122.8 -126.9 -128.3 -1-2-4.6 -9-9.7
20 -127.8 -131.8 -134.2 -131.7 -105.0
21 -134.9 -136.7 -139.1 -138.7 -107.8
22 -142.0 -143.7 -146.2 -145.7 -110.7
23 -148.0 -150.8 -147.4 -147.9 • -115.0
24 -155.0 -157.0 -148.6 -150.0 -119.4
25 -160.7 -163.0 -155.8 -157.0 -123.3
26 -167.5 -169.7 -163.0 -164.1 -127.1
27 -174,2 -176.4 -170.2 -171.1 -131.0
28 -180.9 -183.1 -177.3 -178.2 -134.8
29 -187.6 -189.8 -184.5 -185.2 -138.7
30 -194.3 -196.6 -191.7 -192.2 -142.5
31 -200.3 -197.8 -198.9 -198.2 -149.4
32 -204.6 -204.8 -206.1 -205.2 -153.7
33 -211.7 -211.8 -213.2 -209.6 -160.6
34 -218.9 -218.8 -220.4 -216.6 -167.5
35 -226.0 -225.8 -227.6 -223.7 -174.5
36
Tabelle 10
Zustand
Rahmen -6.9 * * * *
1 -14.1 -13.2 -11.9 * *
2 -21.3 -17.8 -19.2 -18.1 -20.6
3 -28.4 -20.9 -22.6 -22.8 -26.5
4 -33.0 -27.9 -26.0 -29.8 -29.1
5 -40.2 -34.7 -31.9· -30.9 -34.6
6 -45.0 -41.7 -39.3 -37.9 -38.1
7 -49.0 -48.7 -46.6 -44.9 -43.0
8 -52.9 -55.7 -53.9 -51.9 -47.8
9 -56.9 -62.1 -61.2 -59.0 -52.7
10 -64.0 -66.1 -62.4 -66.0 -55.8
11 -71.2 -73.1 -66.0 771.3 -58.9
12 -74.4 -80.1 -73.3 -74.0 -63.7
13 -77.5 -83.5 -80.7 -80.2 -58.6
14 -80.7 -86.7 -83.8 -87.2 -72.5
15 -83.9 -89.9 -37.0 -92.7 -76.4
16 -91.1 -8 8.6 -89.6 -95.9 -81.0
17 -92.9 -95.6 -96.9 -98.5 -83.1
18 -100.1 -102.1 -102.2 -105.5 -88.9
19 -107.2 -109.1 -109.3 -111.1 -94.8
20 -114.4 -116.1 -116.5 -118.1 -100.7
21 -116.3 -123.1 -123.7 -125.1 -102.7
22 -118.1 -125.4 -125.5 -132.1 -104.7
23 -125.3 -123.2 -123.9 -130.4 -109.1
24 -1.32.4 -126.1 -127.8 -128.8 -113.4
25 -135.9 -133.1 -135.2 -135.8 -115.7
26 -139.3 -140.1 -142.5 -142.8 -118.0
27 -142.8 -147.1 -148.6 -149.9 -120.3
28 -146.2 -152.0 -152.0 -156.9 -122.6
29 -149.7 -155.4 -155.5 -160.9" -124.9
30 -153.1 -158.9 -158.9 -164.4 -127.2
31 -160.3 -162.3 -162.4 -162.6 -134.1
32 -166.0 -169.3 -166.5 -169.6 -138.9
33 -173.2 -173.0 -173.8 -172.6 -145.8
34 -178.8 -177.2 -179.7 -179.6 -152.8
35 -183.9 -184.2 -186.9 -186.6 -156.9
36
Zeile 2 in Tabelle 8 gibt die Werte für Φ2(1),
• '<S>2(2), φ 2<3), Φ2^4^ und Φ2^5^ an' die bei der Markov-M°dell-Signalverarbeitung gemäß Fig. 6 für den zweiten Sprachrahmen gewonnen worden sind.
Die Verarbeitung des zweiten Sprachrahmens ist beendet, wenn der Bestimmungszustand j entsprechend dem Entscheidungskästchen 640 größer als der Endzustand N=5 wird. Zu diesem Zeitpunkt wird der Sprachrahmenindex"t auf 3 inkrementiert (Kästchen 620), und die Verarbeitung der Signale φ 3(j) beginnt entsprechend dem Kästchen 630. Wie ' in Fig. 7 gezeigt, enthalten die möglichen Übergänge im Sprachmusterrahmen t=3 Übergänge vom Zustand 1 des Rahmens 2 (Spalte 720) zu den Zuständen 1, 2 und 3 des Rahmens 3 (Spalte 730), vom Zustand 2 des Rahmens 2 (Spalte 720) zu den Zuständen 2, 3 und 4 des Rahmens 3 (Spalte 730) und vom Zustand 3 des Rahmens 2 (Spalte 720) zu den Zuständen 3, 4 und 5 des Rahmens 3 (Spalte 730). Die Verarbeitung der Signale Φ-.(j) wird durchgeführt, wie mit Bezug auf die früheren Sprachmuster-Zeitrahmen gemäß Gleichung (8) beschrieben worden ist. Im Rahmen t=3 und in nachfolgenden Rahmen kann jedoch mehr als ein Quellenzustand für jeden Bestimmungszustand vorhanden sein. In Fig. 7 kann beispielsweise der Zustand 2 in Spalte 730 von den Zuständen 1 und 2 der Spalte 720 aus erreicht werden, und der Zustand 3 der Spalte 730 von den Zuständen 1, 2 und 3 der Spalte 720. aus. Für jeden Bestimmungszustand wird das erzeugte maximale Signal α entsprechend den Funktionen der Kästchen 665 und 670 als das Signal Φ-jij) gespeichert. Mit Bezug auf den Zustand 2 der Spalte 730 gilt:
ΓΦ2(1) + ln(a 12 b2(O3))
Φ_(2) = max j
[Φ(2) + ln(a22b2(O3))
Die im Rahmen t=3 gewonnenen Signale Φ-. (1 ), Φ -,(2), Φ ^ (3), Φ-.(4) und Φ.. (5 ) sind in der dritten Zeile der Tabelle 8 aufgeführt, und die Signale Φ*^), die sich bei der Verarbeitung für den Rahmen t=4 ergeben, sind in der vierten Zeile der Tabelle 8 angegeben.
Die Signalverarbeitung gemäß Fig. 6 wird für
die nachfolgenden Sprachrahmen entsprechend den Einschränkungen _ des verborgenen Markov-Modells durchgeführt, um die maximale Wahrscheinlichkeit für das Eingangssprachmuster "nine" zu gewinnen, das aus den Matrixsignalen A und B für die Ziffer "zero" für jeden Zustand im Sprachmuster-Zeitrahmen abgeleitet wird. Nachdem α für dieilndices t=36, i=5 und j=5 gewonnen worden ist, wird die Verarbeitung des letzten Zeitrahmens (T=36) entsprechend den Kästchen 665, 6 70, 652, 654 und 656 beendet. Es wird dann das Signal Φ (N)=158,0 für den Endzustand N==5 erzeugt (Kästchen 656). Dieses Signal stellt die maximale logarithmische Wahrscheinlichkeit dafür dar, daß "das Sprachmuster aus dem Markov-Modell für die Ziffer "zero" abgeleitet worden ist.;, und wird in der letzten Position der letzten Zeile (t=36)
15 in Tabelle 8 aufgelistet.
Wenn der Rahmen t größer als der letzte Sprachmusterrahmen T=36 wird, wird in das Kästchen 628 aus dem Entscheidungskästchen 625 eingetreten- und das maximale Wahrscheinlichkeitssignal für die Ziffer "zero" gespeichert.
Dann wird erneut in das Kästchen 507 gemäß Fig.5 eingetreten, und es beginnt die Markov-Verarbeitung für die Ziffer "one". Die Tabellen 9 und 10 zeigen die Markov-Modell-Verarbeitung für die Ziffern "five" und "nine".
Entsprechend den Kästchen 525 und 530 wird, nachdem das maximale, logarithmische Wahrscheinlichkeitssignal für jede Ziffer gebildet ist, dieses Signal mit den größten Werten der Wahrscheinlichkeitswerte für die vorhergehende . Ziffer verglichen, und es werden nur der größte Wert und sein Identitätscode k* gespeichert 1 Wenn die Verarbeitung für die Ziffer 0 beendet ist, so wird InP auf -158,0
eingestellt (Tabelle 8), und k* wird entsprechend dem Kästchen 530 auf 0 eingestellt. Die Signale In P, für den Zif-
fernsatz , die mit der Anordnung gemäß Fig.3 für das Eingangssprachmuster "nine" gewonnen worden sind, sind diejenigen für den letzten, absorbierenden Zustand 5 im Rahmen t=36.
Ziffer k ln(Pk)
O -158.0
1 -160.4
2 -184.9
3 -158 .8
I» -186.0
5 -174.5
--■ 33 37353
Ziffer k ln(Pk)
6 -175.3
7 -160.4
8 -168.9
9 -156.9
Demgemäß bleiben In P und k* von der Ziffer
max
"zero" unverändert, bis das maximale logarithmische Wahrscheinlichkeitssignal für das Modell der Ziffer "nine" mit InP im Entscheidungskästchen 525 verglichen wird. Als
Ergebnis des Vergleichs wird in das Kästchen 5 30 eingetreten . Das Signal Ln P wird auf -156,9 und k* auf 9 einge- ^ max ' ^
stellt. Am Ende der Markov-Modell-Auswertungsbetriebsart ist das gespeicherte maximale Wahrscheinlichkeitssignal
-156,9 und die gewählte Ziffer ist k*=9.
Die obenbeschriebene Ziffernerkennung kann zur Erkennung einer Folge gesprochener Buchstaben, Ziffern oder Wörter, beispielsweise in einer Fernsprech- oder Kreditkartennummer, benutzt werden. Nach Auswahl des Bezugsmodells mit dem Signal P(OJK) maximaler Wahrscheinlichkeit entsprechend dem Kästchen 240 in Fig.2 wird ein Bezugsindexsignal erzeugt (Kästchen 245) und zur, Verbrauchereinrichtung 280 übertragen, die eine Fernsprechvermittlungsanord— ° nung oder ein Datenverarbeiter-für Geschäftsvorgänge sein kann. Es wird dann in das Entscheidungskästchen 205 eingetreten , so daß das nächste Sprachmuster des gesprochenen
Eingangssignals verarbeitet werden kann. Die Anordnung
gemäß Fig. 3 kann für die Erkennung anderer Sprachmuster,
beispielsweise von Ausdrücken oder Sätzen, erweitert werden , indem geeignete Markov-Modell-Bezugsschablonen gewählt werden. Im Gegensatz zu bekannten Markov-Modell-Spracherkennungsanordnungen, bei denen Modelle kleiner
Sprachelemente , beispielsweise von Phonemen, benutzt
werden, wird bei der vorliegenden Erfindung ein einziges
Modell des gesamten Bezugsmusters , beispielsweise eines
Wortes oder eines Ausdrucks,zur Identifizierung einer Aus-
spräche als ein Bezugsmuster benutzt. Mit Vorteil ist die
Anzahl der für eine Erkennung erforderlichen Zustände verringert, Schwierigkeiten bei der Verknüpfung von Phonemen
oder anderen elementaren Sprachabschnittsmodellen werden
5. vermieden,und es wird ein sprecherunabhängiger Betrieb auf der Grundlage verfügbarer Datenbasen erreicht. Die Markov-Modell-Schablonen, die im ROM 360 gespeichert sind, werden aus Sprachäußerungen identifizierter Sprachmuster erzeugt, die von irgendeiner Quelle und von unterschiedlichen
Sprechern stammen können. Es können Muster von bequem verfügbaren Datenbanken oder gespeicherte Sprachäußerungen
zur Erzeugung von Markov-Modellen für den Sprecher bei
der sprecherunabhängigen Erkennungsanordnung gemäß Fig.3
verwendet werden.

Claims (1)

  1. Patentansprüche
    1./ Sprachanalysator zur Erkennung einer Äußerung als eines von einer Vielzahl von Bezugsmustern, mit einer Einrichtung zur Speicherung einer Vielzahl von Signalen, die je einem begrenzten verborgenen Markov-Modell eines Bezugsmusters entsprechen, und mit einer Einrichtung, die unter taspreohen auf die Äußerung eine Zeitrahmenfolge akustischer Merkmalssignale bildet, die die Sprachmuster der Äußerung darstellen, gekennzeichnet durch
    Einrichtungen, die unter Ansprechen auf die Sprachmuster-Merkmalssignale eine Folge gewählter, vorbestimmter, das Sprachmuster darstellender Merkmalssignale erzeugen, die unter gemeinsamem Ansprechen auf die Folge gewählter Merkmalssignale und die Signale für das begrenzte verborgene Markov-Modell jedes Bezugsmusters ein die Wahrscheinlichkeit dafür darstellendes Signal erzeugen, daß das Sprachmuster das Bezugsmuster ist, und
    die unter Ansprechen auf die die Wahrscheinlichkeit darstellenden Signale das Sprachmuster als eines der Bezugsmuster
    20 erkennt.
    COPY
    Sonnenberger Strafle 43 i200 Wiesbaden Telefon (04121) 542943/561998 Telex 4184237 Telegramme Palentconsult Radecfcestraße 43 6000 MUndien 40 Telefon (0E9) 883403/883404 Telex 5212313 Telegramme Patentconsult
    1 2. Sprachanalysator nach Anspruch 1,
    ■~ dadurch gekennzeichnet, daß die Einrichtung zur Speicherung der Signale, die je einem begrenzten verborgenen Markov-Modell eines Bezugsmusters entsprechen, eine Einrichtung zur Speicherung eines Satzes von Signalen aufweist, die Markov-Modellzuständen entsprechen, und zwar einschließlich eines Signals, das einem Anfangszustand entspricht, einer Vielzahl von Signalen, die mittleren Zuständen entsprechen, und eines Signals, das einem Endzustand entspricht, ferner eine Einrichtung zur Speicherung eines Satzes von Signalen, die je der Wahrscheinlichkeit für den Übergang zwischen einem vorbestimmten Paar.. von Zuständen entsprechen, und eine Einrichtung zur Speicherung eines Satzes von Signalen, die je die Wahrscheinlichkeit eines vorbestimmten
    15 Merkmalssignals darstellt, das in einem vorgeschriebenen
    Zustand auftritt.
    3. Sprachanalysator nach Anspruch 2,
    dadurch gekennzeichnet, daß die Einrichtung zur Erzeugung von die Wahrscheinlichkeit darstellenden Signalen für je-
    des Bezugsmustermodell so ausgelegt ist, daß sie nacheinander Sprachmusterrahmen-Verarbeitungsintervallsignale erzeugt, daß sie im augenblicklichen Sprachmusterrahmen-Verarbeitungsintervall unter Ansprechen aui das gewählte, vorbestimmte, den augenblicklichen Sprachmusterrahmen darstel-
    25 lende Signal und die Bezugsmuster-Markov-Modellsignale
    einen Satz von Signalen erzeugt, die die Wahrscheinlichkeit dafür darstellen, daß das Bezugsmuster-Markov-Modell während dieses Sprachrahmens in einem vorgeschriebenen Zustand ist, und im letzten Sprachmusterrahmen-Verarbeitungsinter-
    30 vall unter Ansprechen auf das die Wahrscheinlichkeit da:--
    ι für darstellende Signal , das das Bezugsmuster-Markov-Modell des letzten Sprachmusterrahmens im Endzustand ist, ein Signal bildet, das die Wahrscheinlichkeit dafür darstellt, daß das Sprachmuster aus dem Bezugsmuster-Markov-Modell gewonnen wird.
    4. Sprachanalysator nach Anspruch 3,
    dadurch gekennzeichnet, daß die Einrichtung zur Erzeugung der die Wahrscheinlichkeit darstellenden Signale in jedem
    33373
    Sprachmusterrahmen-Verarbeitungsintervall unter Ansprechen "auf die Markov-Modell-Zustandssignale, die übergangswahrscheinlichkeitssignale und die Wahrscheinlichkeitssignale für das Auftreten der Merkmalssignale einen Satz von Signalen erzeugt, die die Wahrscheinlichkeit dafür darstellen, daß das Bezugsmuster-Markov-Modell entsprechend dem Sprachmusterteil bis zum augenblicklichen Rahmen sich in jedem der Bezugsmuster-Markov-Modellzustände befindet.
    5. Sprachanalysator nach Anspruch 4,
    gekennzeichnet durch eine Einrichtung zur Speicherung des vorbestimmten Satzes von Signalen, die akustische Merkmale darstellen, einschließlich einer Einrichtung zur Speicherung einer vorbestimmten Anzahl von akustischen Merkmalssignalen, die den Bereich von akustischen Merkmalen der Bezugsmuster
    15 erfassen.
    6. Sprachanalysator nach Anspruch 5,
    dadurch gekennzeichnet, daß die Einrichtung zur Speicherung der vorgeschriebenen Anzahl von akustischen Merkmalssignalen eine Einrichtung zur Speicherung einer vorgeschriebenen Anzahl von Linear-voraussagemerkmal-Prototypsignalen aufweist, die den Bereich der akustischen Merkmale der Bezugsmuster erfassen, und daß die Einrichtung zur Bildung einer Folge von akustischen, die Sprachmuster darstellenden Signalen eine Einrichtung zur Bildung einer Folge von linearen Voraussageparameter-Merkmalssignalen enthält, die das Sprachmuster darstellen.
    7. Sprachanalysator nach Anspruch 4,
    dadurch gekennzeichnet, daß die Übergangswahrscheinlichkeitssignale entsprechend Übergängen von einem ersten bestimmten Zustand i in einen zweiten bestimmten Zustand j für j<i und j>i+2 Signale mit dem Wert 0 sind.
    8. Sprachanalysator nach einem der Ansprüche 1 bis 7, dadurch gekennzeichnet, daß das Sprachmuster die Aussprache eines Wortes und jedes Bezugsmuster ein identi-
    35 fiziertes gesprochenes Wortmuster ist.
    BAD ORIGINAL
DE3337353A 1982-10-15 1983-10-14 Sprachanalysator auf der Grundlage eines verborgenen Markov-Modells Expired - Fee Related DE3337353C2 (de)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
US06/434,516 US4587670A (en) 1982-10-15 1982-10-15 Hidden Markov model speech recognition arrangement

Publications (2)

Publication Number Publication Date
DE3337353A1 true DE3337353A1 (de) 1984-04-19
DE3337353C2 DE3337353C2 (de) 1996-05-09

Family

ID=23724541

Family Applications (1)

Application Number Title Priority Date Filing Date
DE3337353A Expired - Fee Related DE3337353C2 (de) 1982-10-15 1983-10-14 Sprachanalysator auf der Grundlage eines verborgenen Markov-Modells

Country Status (5)

Country Link
US (1) US4587670A (de)
JP (1) JPS5991500A (de)
CA (1) CA1187995A (de)
DE (1) DE3337353C2 (de)
FR (1) FR2534719B1 (de)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE4010028A1 (de) * 1989-04-12 1990-10-18 Smiths Industries Plc Spracherkennungsverfahren
DE4110300A1 (de) * 1991-03-28 1992-10-01 Telefonbau & Normalzeit Gmbh Verfahren zur erweiterung des wortschatzes fuer sprecherunabhaengige spracherkennung
DE4241688A1 (en) * 1992-03-21 1993-09-23 Atr Interpreting Telephony Res Generating sub-word model for speech recognition - successively dividing conditions in original model into temporal and contextual domains to form hidden Markow network using max. likelihood method
DE19508711A1 (de) * 1995-03-10 1996-09-12 Siemens Ag Verfahren zur Erkennung einer Signalpause zwischen zwei Mustern, welche in einem zeitvarianten Meßsignal vorhanden sind
DE19640587A1 (de) * 1996-10-01 1998-04-02 Siemens Ag Verfahren zur Berechnung eines Schwellenwertes für die Spracherkennung eines Schlüsselwortes

Families Citing this family (182)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4718093A (en) * 1984-03-27 1988-01-05 Exxon Research And Engineering Company Speech recognition method including biased principal components
US4713778A (en) * 1984-03-27 1987-12-15 Exxon Research And Engineering Company Speech recognition method
US4718088A (en) * 1984-03-27 1988-01-05 Exxon Research And Engineering Company Speech recognition training method
US4718092A (en) * 1984-03-27 1988-01-05 Exxon Research And Engineering Company Speech recognition activation and deactivation method
US4713777A (en) * 1984-05-27 1987-12-15 Exxon Research And Engineering Company Speech recognition method having noise immunity
US5218668A (en) * 1984-09-28 1993-06-08 Itt Corporation Keyword recognition system and method using template concantenation model
US4852171A (en) * 1984-11-09 1989-07-25 Alcatel Usa Corp. Apparatus and method for speech recognition
US4718094A (en) * 1984-11-19 1988-01-05 International Business Machines Corp. Speech recognition system
US4741036A (en) * 1985-01-31 1988-04-26 International Business Machines Corporation Determination of phone weights for markov models in a speech recognition system
US5165007A (en) * 1985-02-01 1992-11-17 International Business Machines Corporation Feneme-based Markov models for words
CA1243779A (en) * 1985-03-20 1988-10-25 Tetsu Taguchi Speech processing system
US4783804A (en) * 1985-03-21 1988-11-08 American Telephone And Telegraph Company, At&T Bell Laboratories Hidden Markov model speech recognition arrangement
JPH0632012B2 (ja) * 1985-03-25 1994-04-27 株式会社東芝 音声認識装置
US4980918A (en) * 1985-05-09 1990-12-25 International Business Machines Corporation Speech recognition system with efficient storage and rapid assembly of phonological graphs
US4819271A (en) * 1985-05-29 1989-04-04 International Business Machines Corporation Constructing Markov model word baseforms from multiple utterances by concatenating model sequences for word segments
US4759068A (en) * 1985-05-29 1988-07-19 International Business Machines Corporation Constructing Markov models of words from multiple utterances
US4833712A (en) * 1985-05-29 1989-05-23 International Business Machines Corporation Automatic generation of simple Markov model stunted baseforms for words in a vocabulary
US4977599A (en) * 1985-05-29 1990-12-11 International Business Machines Corporation Speech recognition employing a set of Markov models that includes Markov models representing transitions to and from silence
GB2179483B (en) * 1985-08-20 1989-08-02 Nat Res Dev Apparatus and methods for analysing data arising from conditions which can be represented by finite state machines
US4783803A (en) * 1985-11-12 1988-11-08 Dragon Systems, Inc. Speech recognition apparatus and method
GB8527913D0 (en) * 1985-11-12 1985-12-18 Pa Consulting Services Analysing transitions in finite state machines
JPS62231993A (ja) * 1986-03-25 1987-10-12 インタ−ナシヨナル　ビジネス　マシ−ンズ　コ−ポレ−シヨン 音声認識方法
CA1311059C (en) * 1986-03-25 1992-12-01 Bruce Allen Dautrich Speaker-trained speech recognizer having the capability of detecting confusingly similar vocabulary words
US4827521A (en) * 1986-03-27 1989-05-02 International Business Machines Corporation Training of markov models used in a speech recognition system
GB8608289D0 (en) * 1986-04-04 1986-05-08 Pa Consulting Services Noise compensation in speech recognition
US4882759A (en) * 1986-04-18 1989-11-21 International Business Machines Corporation Synthesizing word baseforms used in speech recognition
US4918733A (en) * 1986-07-30 1990-04-17 At&T Bell Laboratories Dynamic time warping using a digital signal processor
US4852180A (en) * 1987-04-03 1989-07-25 American Telephone And Telegraph Company, At&T Bell Laboratories Speech recognition by acoustic/phonetic system and technique
US4811199A (en) * 1987-05-08 1989-03-07 Kuechler William L System for storing and manipulating information in an information base
US4817156A (en) * 1987-08-10 1989-03-28 International Business Machines Corporation Rapidly training a speech recognizer to a subsequent speaker given training data of a reference speaker
US5278911A (en) * 1989-05-18 1994-01-11 Smiths Industries Public Limited Company Speech recognition using a neural net
DE3916478A1 (de) * 1989-05-20 1990-11-22 Standard Elektrik Lorenz Ag Neuronale netzwerkarchitektur
US5220639A (en) * 1989-12-01 1993-06-15 National Science Council Mandarin speech input method for Chinese computers and a mandarin speech recognition machine
US5119425A (en) * 1990-01-02 1992-06-02 Raytheon Company Sound synthesizer
US5148489A (en) * 1990-02-28 1992-09-15 Sri International Method for spectral estimation to improve noise robustness for speech recognition
JP2979711B2 (ja) * 1991-04-24 1999-11-15 日本電気株式会社 パターン認識方式および標準パターン学習方式
US5276766A (en) * 1991-07-16 1994-01-04 International Business Machines Corporation Fast algorithm for deriving acoustic prototypes for automatic speech recognition
US5199077A (en) * 1991-09-19 1993-03-30 Xerox Corporation Wordspotting for voice editing and indexing
US5390278A (en) * 1991-10-08 1995-02-14 Bell Canada Phoneme based speech recognition
US5222146A (en) * 1991-10-23 1993-06-22 International Business Machines Corporation Speech recognition apparatus having a speech coder outputting acoustic prototype ranks
US5371779A (en) * 1992-03-13 1994-12-06 Nec Corporation Call initiating system for mobile telephone units
US5297183A (en) * 1992-04-13 1994-03-22 Vcs Industries, Inc. Speech recognition system for electronic switches in a cellular telephone or personal communication network
US5745873A (en) * 1992-05-01 1998-04-28 Massachusetts Institute Of Technology Speech recognition using final decision based on tentative decisions
US5535305A (en) * 1992-12-31 1996-07-09 Apple Computer, Inc. Sub-partitioned vector quantization of probability density functions
US5515475A (en) * 1993-06-24 1996-05-07 Northern Telecom Limited Speech recognition method using a two-pass search
GB2285700B (en) * 1994-01-12 1998-06-24 Drallim Ind Monitoring apparatus and method
CN1063554C (zh) * 1994-03-03 2001-03-21 李琳山 中文电脑的汉语语音输入系统及其方法
US5825978A (en) * 1994-07-18 1998-10-20 Sri International Method and apparatus for speech recognition using optimized partial mixture tying of HMM state functions
JP3703164B2 (ja) * 1995-05-10 2005-10-05 キヤノン株式会社 パターン認識方法及びその装置
US5752001A (en) * 1995-06-01 1998-05-12 Intel Corporation Method and apparatus employing Viterbi scoring using SIMD instructions for data recognition
CA2209948C (en) * 1995-11-17 2000-12-26 At&T Corp. Automatic vocabulary generation for telecommunications network-based voice-dialing
US5937384A (en) * 1996-05-01 1999-08-10 Microsoft Corporation Method and system for speech recognition using continuous density hidden Markov models
US5865626A (en) * 1996-08-30 1999-02-02 Gte Internetworking Incorporated Multi-dialect speech recognition method and apparatus
DE19705471C2 (de) * 1997-02-13 1998-04-09 Sican F & E Gmbh Sibet Verfahren und Schaltungsanordnung zur Spracherkennung und zur Sprachsteuerung von Vorrichtungen
US6253178B1 (en) 1997-09-22 2001-06-26 Nortel Networks Limited Search and rescoring method for a speech recognition system
US6157731A (en) * 1998-07-01 2000-12-05 Lucent Technologies Inc. Signature verification method using hidden markov models
US7392185B2 (en) * 1999-11-12 2008-06-24 Phoenix Solutions, Inc. Speech based learning/training system using semantic decoding
US6665640B1 (en) 1999-11-12 2003-12-16 Phoenix Solutions, Inc. Interactive speech based learning/training system formulating search queries based on natural language parsing of recognized user queries
US6633846B1 (en) 1999-11-12 2003-10-14 Phoenix Solutions, Inc. Distributed realtime speech recognition system
US9076448B2 (en) 1999-11-12 2015-07-07 Nuance Communications, Inc. Distributed real time speech recognition system
US7725307B2 (en) 1999-11-12 2010-05-25 Phoenix Solutions, Inc. Query engine for processing voice based queries including semantic decoding
US6615172B1 (en) 1999-11-12 2003-09-02 Phoenix Solutions, Inc. Intelligent query engine for processing voice based queries
US7050977B1 (en) * 1999-11-12 2006-05-23 Phoenix Solutions, Inc. Speech-enabled server for internet website and method
US8645137B2 (en) 2000-03-16 2014-02-04 Apple Inc. Fast, language-independent method for user authentication by voice
US6671669B1 (en) * 2000-07-18 2003-12-30 Qualcomm Incorporated combined engine system and method for voice recognition
US6850888B1 (en) * 2000-10-06 2005-02-01 International Business Machines Corporation Methods and apparatus for training a pattern recognition system using maximal rank likelihood as an optimization function
US6754626B2 (en) * 2001-03-01 2004-06-22 International Business Machines Corporation Creating a hierarchical tree of language models for a dialog system based on prompt and dialog context
JP4048741B2 (ja) * 2001-07-24 2008-02-20 セイコーエプソン株式会社 Ｈｍｍの出力確率演算方法および音声認識装置
WO2004047076A1 (ja) * 2002-11-21 2004-06-03 Matsushita Electric Industrial Co., Ltd. 標準モデル作成装置及び標準モデル作成方法
DE102004017548B4 (de) * 2004-04-07 2007-12-27 Medav Gmbh Verfahren zur Erkennung und Analyse von Funksignalen
US7542949B2 (en) * 2004-05-12 2009-06-02 Mitsubishi Electric Research Laboratories, Inc. Determining temporal patterns in sensed data sequences by hierarchical decomposition of hidden Markov models
US8521529B2 (en) * 2004-10-18 2013-08-27 Creative Technology Ltd Method for segmenting audio signals
US20060122834A1 (en) * 2004-12-03 2006-06-08 Bennett Ian M Emotion detection device & method for use in distributed systems
US8677377B2 (en) 2005-09-08 2014-03-18 Apple Inc. Method and apparatus for building an intelligent automated assistant
US9318108B2 (en) 2010-01-18 2016-04-19 Apple Inc. Intelligent automated assistant
US8977255B2 (en) 2007-04-03 2015-03-10 Apple Inc. Method and system for operating a multi-function portable electronic device using voice-activation
US9330720B2 (en) 2008-01-03 2016-05-03 Apple Inc. Methods and apparatus for altering audio output signals
US8996376B2 (en) 2008-04-05 2015-03-31 Apple Inc. Intelligent text-to-speech conversion
US10496753B2 (en) 2010-01-18 2019-12-03 Apple Inc. Automatically adapting user interfaces for hands-free interaction
US20100030549A1 (en) 2008-07-31 2010-02-04 Lee Michael M Mobile device having human language translation capability with positional feedback
US9959870B2 (en) 2008-12-11 2018-05-01 Apple Inc. Speech recognition involving a mobile device
US10241644B2 (en) 2011-06-03 2019-03-26 Apple Inc. Actionable reminder entries
US10241752B2 (en) 2011-09-30 2019-03-26 Apple Inc. Interface for a virtual digital assistant
US20120311585A1 (en) 2011-06-03 2012-12-06 Apple Inc. Organizing task items that represent tasks to perform
US9858925B2 (en) 2009-06-05 2018-01-02 Apple Inc. Using context information to facilitate processing of commands in a virtual assistant
US9431006B2 (en) 2009-07-02 2016-08-30 Apple Inc. Methods and apparatuses for automatic speech recognition
US10705794B2 (en) 2010-01-18 2020-07-07 Apple Inc. Automatically adapting user interfaces for hands-free interaction
US10679605B2 (en) 2010-01-18 2020-06-09 Apple Inc. Hands-free list-reading by intelligent automated assistant
US10553209B2 (en) 2010-01-18 2020-02-04 Apple Inc. Systems and methods for hands-free notification summaries
US10276170B2 (en) 2010-01-18 2019-04-30 Apple Inc. Intelligent automated assistant
DE202011111062U1 (de) 2010-01-25 2019-02-19 Newvaluexchange Ltd. Vorrichtung und System für eine Digitalkonversationsmanagementplattform
US8682667B2 (en) 2010-02-25 2014-03-25 Apple Inc. User profiling for selecting user specific voice input processing information
US10762293B2 (en) 2010-12-22 2020-09-01 Apple Inc. Using parts-of-speech tagging and named entity recognition for spelling correction
US9262612B2 (en) 2011-03-21 2016-02-16 Apple Inc. Device access using voice authentication
US10057736B2 (en) 2011-06-03 2018-08-21 Apple Inc. Active transport based notifications
US8994660B2 (en) 2011-08-29 2015-03-31 Apple Inc. Text correction processing
US10134385B2 (en) 2012-03-02 2018-11-20 Apple Inc. Systems and methods for name pronunciation
US9483461B2 (en) 2012-03-06 2016-11-01 Apple Inc. Handling speech synthesis of content for multiple languages
US9280610B2 (en) 2012-05-14 2016-03-08 Apple Inc. Crowd sourcing information to fulfill user requests
US9721563B2 (en) 2012-06-08 2017-08-01 Apple Inc. Name recognition system
US9495129B2 (en) 2012-06-29 2016-11-15 Apple Inc. Device, method, and user interface for voice-activated navigation and browsing of a document
US9576574B2 (en) 2012-09-10 2017-02-21 Apple Inc. Context-sensitive handling of interruptions by intelligent digital assistant
US9547647B2 (en) 2012-09-19 2017-01-17 Apple Inc. Voice-based media searching
US10199051B2 (en) 2013-02-07 2019-02-05 Apple Inc. Voice trigger for a digital assistant
US9368114B2 (en) 2013-03-14 2016-06-14 Apple Inc. Context-sensitive handling of interruptions
WO2014144579A1 (en) 2013-03-15 2014-09-18 Apple Inc. System and method for updating an adaptive speech recognition model
CN105027197B (zh) 2013-03-15 2018-12-14 苹果公司 训练至少部分语音命令系统
US9582608B2 (en) 2013-06-07 2017-02-28 Apple Inc. Unified ranking with entropy-weighted information for phrase-based semantic auto-completion
WO2014197334A2 (en) 2013-06-07 2014-12-11 Apple Inc. System and method for user-specified pronunciation of words for speech synthesis and recognition
WO2014197336A1 (en) 2013-06-07 2014-12-11 Apple Inc. System and method for detecting errors in interactions with a voice-based digital assistant
WO2014197335A1 (en) 2013-06-08 2014-12-11 Apple Inc. Interpreting and acting upon commands that involve sharing information with remote devices
CN110442699A (zh) 2013-06-09 2019-11-12 苹果公司 操作数字助理的方法、计算机可读介质、电子设备和系统
US10176167B2 (en) 2013-06-09 2019-01-08 Apple Inc. System and method for inferring user intent from speech inputs
KR101809808B1 (ko) 2013-06-13 2017-12-15 애플 인크. 음성 명령에 의해 개시되는 긴급 전화를 걸기 위한 시스템 및 방법
DE112014003653B4 (de) 2013-08-06 2024-04-18 Apple Inc. Automatisch aktivierende intelligente Antworten auf der Grundlage von Aktivitäten von entfernt angeordneten Vorrichtungen
US9620105B2 (en) 2014-05-15 2017-04-11 Apple Inc. Analyzing audio input for efficient speech and music recognition
US10592095B2 (en) 2014-05-23 2020-03-17 Apple Inc. Instantaneous speaking of content on touch devices
US9502031B2 (en) 2014-05-27 2016-11-22 Apple Inc. Method for supporting dynamic grammars in WFST-based ASR
US9842101B2 (en) 2014-05-30 2017-12-12 Apple Inc. Predictive conversion of language input
US9715875B2 (en) 2014-05-30 2017-07-25 Apple Inc. Reducing the need for manual start/end-pointing and trigger phrases
US9734193B2 (en) 2014-05-30 2017-08-15 Apple Inc. Determining domain salience ranking from ambiguous words in natural speech
EP3480811A1 (de) 2014-05-30 2019-05-08 Apple Inc. Verfahren zur eingabe von mehreren befehlen mit einer einzigen äusserung
US10170123B2 (en) 2014-05-30 2019-01-01 Apple Inc. Intelligent assistant for home automation
US9785630B2 (en) 2014-05-30 2017-10-10 Apple Inc. Text prediction using combined word N-gram and unigram language models
US10078631B2 (en) 2014-05-30 2018-09-18 Apple Inc. Entropy-guided text prediction using combined word and character n-gram language models
US9633004B2 (en) 2014-05-30 2017-04-25 Apple Inc. Better resolution when referencing to concepts
US9430463B2 (en) 2014-05-30 2016-08-30 Apple Inc. Exemplar-based natural language processing
US9760559B2 (en) 2014-05-30 2017-09-12 Apple Inc. Predictive text input
US10289433B2 (en) 2014-05-30 2019-05-14 Apple Inc. Domain specific language for encoding assistant dialog
US9338493B2 (en) 2014-06-30 2016-05-10 Apple Inc. Intelligent automated assistant for TV user interactions
US10659851B2 (en) 2014-06-30 2020-05-19 Apple Inc. Real-time digital assistant knowledge updates
US10446141B2 (en) 2014-08-28 2019-10-15 Apple Inc. Automatic speech recognition based on user feedback
US9530412B2 (en) * 2014-08-29 2016-12-27 At&T Intellectual Property I, L.P. System and method for multi-agent architecture for interactive machines
US9818400B2 (en) 2014-09-11 2017-11-14 Apple Inc. Method and apparatus for discovering trending terms in speech requests
US10789041B2 (en) 2014-09-12 2020-09-29 Apple Inc. Dynamic thresholds for always listening speech trigger
US10127911B2 (en) 2014-09-30 2018-11-13 Apple Inc. Speaker identification and unsupervised speaker adaptation techniques
US9886432B2 (en) 2014-09-30 2018-02-06 Apple Inc. Parsimonious handling of word inflection via categorical stem + suffix N-gram language models
US10074360B2 (en) 2014-09-30 2018-09-11 Apple Inc. Providing an indication of the suitability of speech recognition
US9668121B2 (en) 2014-09-30 2017-05-30 Apple Inc. Social reminders
US9646609B2 (en) 2014-09-30 2017-05-09 Apple Inc. Caching apparatus for serving phonetic pronunciations
US9741342B2 (en) 2014-11-26 2017-08-22 Panasonic Intellectual Property Corporation Of America Method and apparatus for recognizing speech by lip reading
US10552013B2 (en) 2014-12-02 2020-02-04 Apple Inc. Data detection
US9711141B2 (en) 2014-12-09 2017-07-18 Apple Inc. Disambiguating heteronyms in speech synthesis
US9865280B2 (en) 2015-03-06 2018-01-09 Apple Inc. Structured dictation using intelligent automated assistants
US9721566B2 (en) 2015-03-08 2017-08-01 Apple Inc. Competing devices responding to voice triggers
US10567477B2 (en) 2015-03-08 2020-02-18 Apple Inc. Virtual assistant continuity
US9886953B2 (en) 2015-03-08 2018-02-06 Apple Inc. Virtual assistant activation
US9899019B2 (en) 2015-03-18 2018-02-20 Apple Inc. Systems and methods for structured stem and suffix language models
US9842105B2 (en) 2015-04-16 2017-12-12 Apple Inc. Parsimonious continuous-space phrase representations for natural language processing
US10083688B2 (en) 2015-05-27 2018-09-25 Apple Inc. Device voice control for selecting a displayed affordance
US10127220B2 (en) 2015-06-04 2018-11-13 Apple Inc. Language identification from short strings
US10101822B2 (en) 2015-06-05 2018-10-16 Apple Inc. Language input correction
US10255907B2 (en) 2015-06-07 2019-04-09 Apple Inc. Automatic accent detection using acoustic models
US10186254B2 (en) 2015-06-07 2019-01-22 Apple Inc. Context-based endpoint detection
US11025565B2 (en) 2015-06-07 2021-06-01 Apple Inc. Personalized prediction of responses for instant messaging
US10671428B2 (en) 2015-09-08 2020-06-02 Apple Inc. Distributed personal assistant
US10747498B2 (en) 2015-09-08 2020-08-18 Apple Inc. Zero latency digital assistant
US9697820B2 (en) 2015-09-24 2017-07-04 Apple Inc. Unit-selection text-to-speech synthesis using concatenation-sensitive neural networks
US11010550B2 (en) 2015-09-29 2021-05-18 Apple Inc. Unified language modeling framework for word prediction, auto-completion and auto-correction
US10366158B2 (en) 2015-09-29 2019-07-30 Apple Inc. Efficient word encoding for recurrent neural network language models
US11587559B2 (en) 2015-09-30 2023-02-21 Apple Inc. Intelligent device identification
US10691473B2 (en) 2015-11-06 2020-06-23 Apple Inc. Intelligent automated assistant in a messaging environment
US10049668B2 (en) 2015-12-02 2018-08-14 Apple Inc. Applying neural network language models to weighted finite state transducers for automatic speech recognition
US10223066B2 (en) 2015-12-23 2019-03-05 Apple Inc. Proactive assistance based on dialog communication between devices
US10446143B2 (en) 2016-03-14 2019-10-15 Apple Inc. Identification of voice inputs providing credentials
US9934775B2 (en) 2016-05-26 2018-04-03 Apple Inc. Unit-selection text-to-speech synthesis based on predicted concatenation parameters
US9972304B2 (en) 2016-06-03 2018-05-15 Apple Inc. Privacy preserving distributed evaluation framework for embedded personalized systems
US10249300B2 (en) 2016-06-06 2019-04-02 Apple Inc. Intelligent list reading
US10049663B2 (en) 2016-06-08 2018-08-14 Apple, Inc. Intelligent automated assistant for media exploration
DK179309B1 (en) 2016-06-09 2018-04-23 Apple Inc Intelligent automated assistant in a home environment
US10067938B2 (en) 2016-06-10 2018-09-04 Apple Inc. Multilingual word prediction
US10192552B2 (en) 2016-06-10 2019-01-29 Apple Inc. Digital assistant providing whispered speech
US10509862B2 (en) 2016-06-10 2019-12-17 Apple Inc. Dynamic phrase expansion of language input
US10490187B2 (en) 2016-06-10 2019-11-26 Apple Inc. Digital assistant providing automated status report
US10586535B2 (en) 2016-06-10 2020-03-10 Apple Inc. Intelligent digital assistant in a multi-tasking environment
DK179415B1 (en) 2016-06-11 2018-06-14 Apple Inc Intelligent device arbitration and control
DK179343B1 (en) 2016-06-11 2018-05-14 Apple Inc Intelligent task discovery
DK179049B1 (en) 2016-06-11 2017-09-18 Apple Inc Data driven natural language event detection and classification
DK201670540A1 (en) 2016-06-11 2018-01-08 Apple Inc Application integration with a digital assistant
US10593346B2 (en) 2016-12-22 2020-03-17 Apple Inc. Rank-reduced token representation for automatic speech recognition
DK179745B1 (en) 2017-05-12 2019-05-01 Apple Inc. SYNCHRONIZATION AND TASK DELEGATION OF A DIGITAL ASSISTANT
DK201770431A1 (en) 2017-05-15 2018-12-20 Apple Inc. Optimizing dialogue policy decisions for digital assistants using implicit feedback

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US3909532A (en) * 1974-03-29 1975-09-30 Bell Telephone Labor Inc Apparatus and method for determining the beginning and the end of a speech utterance
US4277644A (en) * 1979-07-16 1981-07-07 Bell Telephone Laboratories, Incorporated Syntactic continuous speech recognizer
US4348553A (en) * 1980-07-02 1982-09-07 International Business Machines Corporation Parallel pattern verifier with dynamic time warping

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4156868A (en) * 1977-05-05 1979-05-29 Bell Telephone Laboratories, Incorporated Syntactic word recognizer
US4363102A (en) * 1981-03-27 1982-12-07 Bell Telephone Laboratories, Incorporated Speaker identification system using word recognition templates
US4400788A (en) * 1981-03-27 1983-08-23 Bell Telephone Laboratories, Incorporated Continuous speech pattern recognizer
US4481593A (en) * 1981-10-05 1984-11-06 Exxon Corporation Continuous speech recognition

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US3909532A (en) * 1974-03-29 1975-09-30 Bell Telephone Labor Inc Apparatus and method for determining the beginning and the end of a speech utterance
US4277644A (en) * 1979-07-16 1981-07-07 Bell Telephone Laboratories, Incorporated Syntactic continuous speech recognizer
US4348553A (en) * 1980-07-02 1982-09-07 International Business Machines Corporation Parallel pattern verifier with dynamic time warping

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
MC 68000 16 Bit Microprozessor User's Manual, 2. Ausgabe, Motorola Inc., 1980 *

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE4010028A1 (de) * 1989-04-12 1990-10-18 Smiths Industries Plc Spracherkennungsverfahren
DE4010028C2 (de) * 1989-04-12 2003-03-20 Smiths Group Plc London Spracherkennungsverfahren
DE4110300A1 (de) * 1991-03-28 1992-10-01 Telefonbau & Normalzeit Gmbh Verfahren zur erweiterung des wortschatzes fuer sprecherunabhaengige spracherkennung
DE4241688A1 (en) * 1992-03-21 1993-09-23 Atr Interpreting Telephony Res Generating sub-word model for speech recognition - successively dividing conditions in original model into temporal and contextual domains to form hidden Markow network using max. likelihood method
US5677988A (en) * 1992-03-21 1997-10-14 Atr Interpreting Telephony Research Laboratories Method of generating a subword model for speech recognition
DE19508711A1 (de) * 1995-03-10 1996-09-12 Siemens Ag Verfahren zur Erkennung einer Signalpause zwischen zwei Mustern, welche in einem zeitvarianten Meßsignal vorhanden sind
US5970452A (en) * 1995-03-10 1999-10-19 Siemens Aktiengesellschaft Method for detecting a signal pause between two patterns which are present on a time-variant measurement signal using hidden Markov models
DE19640587A1 (de) * 1996-10-01 1998-04-02 Siemens Ag Verfahren zur Berechnung eines Schwellenwertes für die Spracherkennung eines Schlüsselwortes

Also Published As

Publication number Publication date
DE3337353C2 (de) 1996-05-09
CA1187995A (en) 1985-05-28
FR2534719A1 (fr) 1984-04-20
FR2534719B1 (fr) 1986-09-19
JPS5991500A (ja) 1984-05-26
JPH0422276B2 (de) 1992-04-16
US4587670A (en) 1986-05-06

Similar Documents

Publication Publication Date Title
DE3337353A1 (de) Sprachanalysator auf der grundlage eines verborgenen markov-modells
DE2953262C2 (de)
DE69908047T2 (de) Verfahren und System zur automatischen Bestimmung von phonetischen Transkriptionen in Verbindung mit buchstabierten Wörtern
EP1466317B1 (de) Betriebsverfahren eines automatischen spracherkenners zur sprecherunabhängigen spracherkennung von worten aus verschiedenen sprachen und automatischer spracherkenner
DE69937176T2 (de) Segmentierungsverfahren zur Erweiterung des aktiven Vokabulars von Spracherkennern
DE60004862T2 (de) Automatische bestimmung der genauigkeit eines aussprachewörterbuchs in einem spracherkennungssystem
DE60126722T2 (de) Aussprache von neuen Wörtern zur Sprachverarbeitung
DE60125542T2 (de) System und verfahren zur spracherkennung mit einer vielzahl von spracherkennungsvorrichtungen
DE69827667T2 (de) Vokoder basierter spracherkenner
DE102017124264B4 (de) Computerimplementiertes Verfahren und Rechensystem zum Bestimmen phonetischer Beziehungen
DE19825205C2 (de) Verfahren, Vorrichtung und Erzeugnis zum Generieren von postlexikalischen Aussprachen aus lexikalischen Aussprachen mit einem neuronalen Netz
DE3242866C2 (de)
DE10030105A1 (de) Spracherkennungseinrichtung
EP0994461A2 (de) Verfahren zur automatischen Erkennung einer buchstabierten sprachlichen Äusserung
EP1273003B1 (de) Verfahren und vorrichtung zum bestimmen prosodischer markierungen
DE19942178C1 (de) Verfahren zum Aufbereiten einer Datenbank für die automatische Sprachverarbeitung
DE19630109A1 (de) Verfahren zur Sprecherverifikation anhand mindestens eines von einem Sprecher eingesprochenen Sprachsignals, durch einen Rechner
EP0987683A2 (de) Spracherkennungsverfahren mit Konfidenzmassbewertung
DE602004004310T2 (de) System mit kombiniertem statistischen und regelbasierten Grammatikmodell zur Spracherkennung und zum Sprachverstehen
DE60133537T2 (de) Automatisches umtrainieren eines spracherkennungssystems
DE69917960T2 (de) Phonembasierte Sprachsynthese
EP1058235B1 (de) Wiedergabeverfahren für sprachgesteuerte Systeme mit text-basierter Sprachsynthese
EP0987682B1 (de) Verfahren zur Adaption von linguistischen Sprachmodellen
EP0285222B1 (de) Verfahren zum Erkennen zusammenhängend gesprochener Wörter
DE69333762T2 (de) Spracherkennungssystem

Legal Events

Date Code Title Description
8127 New person/name/address of the applicant

Owner name: AT & T TECHNOLOGIES, INC., NEW YORK, N.Y., US

8110 Request for examination paragraph 44
8125 Change of the main classification

Ipc: G10L 5/06

D2 Grant after examination
8364 No opposition during term of opposition
8339 Ceased/non-payment of the annual fee