1 |
1
다양한 잡음 환경에서 수집된 음성 데이터를 저장하는 음성 데이터 DB(Database);수집된 상기 음성 데이터를 기반으로 화자와 환경별로 분류하여 그 분류한 결과로 이진 트리 구조의 음향 모델을 생성하는 모델생성 수단; 및사용자로부터 음성 데이터를 입력 받으면 입력 받은 상기 음성 데이터의 특징 데이터 추출하여 추출된 상기 특징 데이터를 기반으로 기 생성된 상기 음향 모델로부터 다중 모델을 선택하고 선택된 상기 다중 모델을 기반으로 음성 데이터를 병렬 인식하여 그 인식한 결과로 상기 음성 데이터에 상응하는 단어열을 출력하는 음성인식 수단;을 포함하는 것을 특징으로 하는 다중 음향 모델을 이용하여 음성을 인식하기 위한 장치
|
2 |
2
제1 항에 있어서,상기 모델생성 수단은,수집된 상기 음성 데이터로부터 스펙트럴 데이터(spectral data)와 켑스트럴 데이터(Cepstral data)의 2가지 형태로 상기 특징 벡터 데이터를 추출하는 데이터 구성부;추출된 상기 특징 벡터 데이터를 화자 기준으로 분류하여 그 분류한 결과로 화자분류 HMM 그룹, 화자분류 GMM 그룹, 화자분류 데이터 그룹을 포함하는 이진 트리 기반의 화자 중심의 계층적 모델을 생성하는 화자 분류부;생성된 상기 화자분류 HMM 그룹과 상기 화자분류 데이터 그룹을 환경 기준으로 분류하여 그 분류한 결과로 환경분류 데이터 그룹을 생성하는 환경 분류부; 및생성된 상기 환경분류 데이터 그룹과 상기 화자분류 HMM 그룹을 환경 적응을 수행하여 그 수행한 결과로 환경분류 HMM 그룹과 환경분류 GMM을 포함하는 이진 트리 기반의 환경 중심의 계층적 모델 음향모델 생성부;를 포함하는 것을 특징으로 하는 다중 음향 모델을 이용하여 음성을 인식하기 위한 장치
|
3 |
3
제2 항에 있어서,상기 화자 분류부는,추출된 상기 캡스트럴 데이터를 기반으로 화자독립 GMM, 화자독립 HMM을 생성하고 생성된 상기 화자독립 GMM, 상기 화자독립 HMM을 화자 적응을 수행하여 그 수행한 결과로 이진 트리 기반의 켑스트럴 화자분류 HMM 그룹을 생성하고,상기 캡스트럴 데이터를 화자 기준으로 분류하여 그 분류한 결과로 켑스트럴 화자분류 데이터 그룹을 생성하며,생성된 상기 켑스트럴 화자분류 데이터 그룹과 같은 음성데이터에서 추출한 스펙트럴 데이터로 대응 분류한 스펙트럴 화자분류 데이터 그룹을 생성하고, 화자분류 데이터 그룹을 직접 학습하여 켑스트럴 화자분류 GMM 그룹을 생성하고, 화자독립 모델에 켑스트럴 화자분류 데이터를 화자 적응하여 켑스트럴 화자분류 데이터 그룹을 생성하는 것을 특징으로 하는 다중 음향 모델을 이용하여 음성을 인식하기 위한 장치
|
4 |
4
제3 항에 있어서,상기 환경 분류부는,생성된 상기 캡스트럴 화자분류 HMM 그룹과 상기 스펙트럴 화자분류 데이터 그룹을 환경 기준으로 분류하여 그 분류한 결과로 캡스트럴 환경분류 데이터 그룹을 생성하는 것을 특징으로 하는 다중 음향 모델을 이용하여 음성을 인식하기 위한 장치
|
5 |
5
제4 항에 있어서,상기 음향모델 생성부는,생성된 상기 캡스트럴 환경분류 데이터 그룹과 캡스트럴 화자분류 HMM 그룹을 환경 적응을 수행하여 그 수행한 결과로 캡스트럴 환경분류 GMM 그룹과 캡스트럴 환경분류 HMM 그룹을 포함하는 이진 트리 기반의 환경 중심의 계층적 모델을 생성하는 것을 특징으로 하는 다중 음향 모델을 이용하여 음성을 인식하기 위한 장치
|
6 |
6
제1 항에 있어서,상기 음성인식 수단은,사용자로부터 입력 받은 상기 음성 데이터의 특징 데이터를 추출하는 특징 추출부;추출된 상기 특징 데이터와 기 저장된 상기 음향 모델 간의 유사도를 계산하여 그 계산한 결과에 따라 다중 모델을 선택하는 모델 선택부;선택된 상기 다중 모델과 기 저장된 발음 모델, 언어 모델을 기반으로 상기 음성 데이터에 대한 비터비(viterbi) 기반의 병렬 인식을 수행하는 병렬 인식부; 및수행한 결과로 출력된 다중 단어열에서 점수가 가장 높은 단어열을 출력하는 인식 선택부;를 포함하는 것을 특징으로 하는 다중 음향 모델을 이용하여 음성을 인식하기 위한 장치
|
7 |
7
제6 항에 있어서,상기 모델 선택부는,상기 이진 트리 기반의 음향 모델의 루트 노드로부터 하위 노드로 탐색하면서 유사도를 계산하고 그 계산한 결과로 유사도가 높은 순으로 최종 N개의 모델이 될 때까지 낮은 유사도의 모델은 빼고 높은 유사도 모델은 추가하는 과정을 반복하는 것을 특징으로 하는 다중 음향 모델을 이용하여 음성을 인식하기 위한 장치
|
8 |
8
다양한 잡음 환경에서 수집된 음성 데이터를 음성 데이터 DB(Database)에 저장하는 단계;수집된 상기 음성 데이터를 기반으로 화자와 환경별로 분류하여 그 분류한 결과로 이진 트리 구조의 음향 모델을 생성하는 모델생성 단계; 및사용자로부터 음성 데이터를 입력 받으면 입력 받은 상기 음성 데이터의 특징 데이터 추출하여 추출된 상기 특징 데이터를 기반으로 기 생성된 상기 음향 모델로부터 다중 모델을 선택하고 선택된 상기 다중 모델을 기반으로 음성 데이터를 병렬 인식하여 그 인식한 결과로 상기 음성 데이터에 상응하는 단어열을 출력하는 음성인식 단계;를 포함하는 것을 특징으로 하는 다중 음향 모델을 이용하여 음성을 인식하기 위한 방법
|
9 |
9
제8 항에 있어서,상기 모델생성 단계는,수집된 상기 음성 데이터로부터 스펙트럴 데이터(spectral data)와 켑스트럴 데이터(Cepstral data)의 2가지 형태로 상기 특징 벡터 데이터를 추출하는 데이터 구성단계;추출된 상기 특징 벡터 데이터를 화자 기준으로 분류하여 그 분류한 결과로 화자분류 HMM 그룹, 화자분류 GMM 그룹, 화자분류 데이터 그룹을 포함하는 이진 트리 기반의 화자 중심의 계층적 모델을 생성하는 화자 분류단계;생성된 상기 화자분류 HMM 그룹과 상기 화자분류 데이터 그룹을 환경 기준으로 분류하여 그 분류한 결과로 환경분류 데이터 그룹을 생성하는 환경 분류단계; 및생성된 상기 환경분류 데이터 그룹과 상기 화자분류 HMM 그룹을 환경 적응을 수행하여 그 수행한 결과로 환경분류 HMM 그룹과 환경분류 GMM을 포함하는 이진 트리 기반의 환경 중심의 계층적 모델 음향모델 생성단계;를 포함하는 것을 특징으로 하는 다중 음향 모델을 이용하여 음성을 인식하기 위한 방법
|
10 |
10
제9 항에 있어서,상기 화자 분류단계는,추출된 상기 캡스트럴 데이터를 기반으로 화자독립 GMM, 화자독립 HMM을 생성하고 생성된 상기 화자독립 GMM, 상기 화자독립 HMM을 화자 적응을 수행하여 그 수행한 결과로 이진 트리 기반의 켑스트럴 화자분류 HMM 그룹을 생성하고,상기 캡스트럴 데이터를 화자 기준으로 분류하여 그 분류한 결과로 켑스트럴 화자분류 데이터 그룹을 생성하며,생성된 상기 켑스트럴 화자분류 데이터 그룹과 같은 음성데이터에서 추출한 스펙트럴 데이터로 대응 분류한 스펙트럴 화자분류 데이터 그룹을 생성하고, 화자 분류 데이터 그룹을 직접 학습하여 켑스트럴 화자분류 GMM 그룹을 생성하고, 화자독립 모델에 켑스트럴 화자분류 데이터를 화자 적응하여 켑스트럴 화자분류 데이터 그룹을 생성하는 것을 특징으로 하는 다중 음향 모델을 이용하여 음성을 인식하기 위한 방법
|
11 |
11
제10 항에 있어서,상기 환경 분류단계는,생성된 상기 캡스트럴 화자분류 HMM 그룹과 상기 스펙트럴 화자분류 데이터 그룹을 환경 기준으로 분류하여 그 분류한 결과로 캡스트럴 환경분류 데이터 그룹을 생성하는 것을 특징으로 하는 다중 음향 모델을 이용하여 음성을 인식하기 위한 방법
|
12 |
12
제11 항에 있어서,상기 음향모델 생성단계는,생성된 상기 캡스트럴 환경분류 데이터 그룹과 캡스트럴 화자분류 HMM 그룹을 환경 적응을 수행하여 그 수행한 결과로 캡스트럴 환경분류 GMM 그룹과 캡스트럴 환경분류 HMM 그룹을 포함하는 이진 트리 기반의 환경 중심의 계층적 모델을 생성하는 것을 특징으로 하는 다중 음향 모델을 이용하여 음성을 인식하기 위한 방법
|
13 |
13
제8 항에 있어서,상기 음성인식 단계는,사용자로부터 입력 받은 상기 음성 데이터의 특징 데이터를 추출하는 특징 추출단계;추출된 상기 특징 데이터와 기 저장된 상기 음향 모델 간의 유사도를 계산하여 그 계산한 결과에 따라 다중 모델을 선택하는 모델 선택단계;선택된 상기 다중 모델과 기 저장된 발음 모델, 언어 모델을 기반으로 상기 음성 데이터에 대한 비터비(viterbi) 기반의 병렬 인식을 수행하는 병렬 인식단계; 및수행한 결과로 출력된 다중 단어열에서 점수가 가장 높은 단어열을 출력하는 인식 선택단계;를 포함하는 것을 특징으로 하는 다중 음향 모델을 이용하여 음성을 인식하기 위한 방법
|
14 |
14
제13 항에 있어서,상기 모델 선택단계는,상기 이진 트리 기반의 음향 모델의 루트 노드로부터 하위 노드로 탐색하면서 유사도를 계산하고 그 계산한 결과로 유사도가 높은 순으로 최종 N개의 모델이 될 때까지 낮은 유사도의 모델은 빼고 높은 유사도 모델은 추가하는 과정을 반복하는 것을 특징으로 하는 다중 음향 모델을 이용하여 음성을 인식하기 위한 방법
|