맞춤기술찾기

홈으로 가기
맞춤기술찾기
이전대상기술
프린트하기

이전대상기술

쌍일차 모델을 이용한 화자 적응 시스템 및 방법

  • 기술번호 : KST2015171863
  • 담당센터 : 부산기술혁신센터
  • 전화번호 : 051-606-6561
상담신청 PDF 받기
요약, Int. CL, CPC, 출원번호/일자, 출원인, 등록번호/일자, 공개번호/일자, 공고번호/일자, 국제출원번호/일자, 국제공개번호/일자, 우선권정보, 법적상태, 심사진행상태, 심판사항, 구분, 원출원번호/일자, 관련 출원번호, 기술이전 희망, 심사청구여부/일자, 심사청구항수의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 서지정보 표입니다.
요약 본 발명은 새로운 화자의 음성데이터를 이용하여 화자 적응을 수행하고, 추정 파라메터 수를 적응 데이터 수에 따라 조절할 수 있도록 하여 화자 적응 성능을 높인 쌍일차 모델(bilinear model)을 이용한 화자 적응 시스템 및 방법에 관한 것으로, 각각의 화자에 대해 총 C개의 Gaussian 분포로 이루어진 HMM(Hidden Markov Model), GMM(Gaussian mixture model)을 선택하여 구성한 후 평균 벡터를 이용하여 관찰 행렬을 구성하는 단계;구성된 행렬에 대해 SVD를 적용하여 이를 쌍일차 모델에 할당하는 단계;상기 쌍일차 모델 중 콘텐트 기저 벡터들을 사용하여 화자 적응을 수행하는 단계;를 포함한다. 쌍일차 모델, bilinear model, 화자 적응, HMM, GMM, 화자 적응 모델
Int. CL G10L 15/06 (2013.01) G10L 17/04 (2013.01) G10L 15/14 (2013.01)
CPC G10L 17/04(2013.01) G10L 17/04(2013.01) G10L 17/04(2013.01) G10L 17/04(2013.01)
출원번호/일자 1020090016903 (2009.02.27)
출원인 부산대학교 산학협력단
등록번호/일자 10-1001684-0000 (2010.12.09)
공개번호/일자 10-2010-0097982 (2010.09.06) 문서열기
공고번호/일자 (20101215) 문서열기
국제출원번호/일자
국제공개번호/일자
우선권정보
법적상태 소멸
심사진행상태 수리
심판사항
구분 신규
원출원번호/일자
관련 출원번호
심사청구여부/일자 Y (2009.02.27)
심사청구항수 5

출원인

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 출원인 표입니다.
번호 이름 국적 주소
1 부산대학교 산학협력단 대한민국 부산광역시 금정구

발명자

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 발명자 표입니다.
번호 이름 국적 주소
1 김형순 대한민국 부산 금정구
2 송화전 대한민국 부산 금정구

대리인

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 대리인 표입니다.
번호 이름 국적 주소
1 문춘오 대한민국 서울특별시 강남구 테헤란로**길 *, 테헤란오피스빌딩 ***호 문앤파트너특허법률사무소 (역삼동)
2 정기택 대한민국 서울특별시 서초구 강남대로**길 **, *층 (반포동, 새로나빌딩)(스카이특허법률사무소)
3 오위환 대한민국 서울특별시 서초구 강남대로**길 **, *층 (반포동, 새로나빌딩)(스카이특허법률사무소)

최종권리자

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 최종권리자 표입니다.
번호 이름 국적 주소
1 부산대학교 산학협력단 대한민국 부산광역시 금정구
번호, 서류명, 접수/발송일자, 처리상태, 접수/발송일자의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 행정처리 표입니다.
번호 서류명 접수/발송일자 처리상태 접수/발송번호
1 [특허출원]특허출원서
[Patent Application] Patent Application		 2009.02.27 수리 (Accepted) 1-1-2009-0123638-28
2 선행기술조사의뢰서
Request for Prior Art Search		 2009.09.10 수리 (Accepted) 9-1-9999-9999999-89
3 선행기술조사보고서
Report of Prior Art Search		 2009.10.13 수리 (Accepted) 9-1-2009-0057161-23
4 의견제출통지서
Notification of reason for refusal		 2010.07.29 발송처리완료 (Completion of Transmission) 9-5-2010-0325833-78
5 [명세서등 보정]보정서
[Amendment to Description, etc.] Amendment		 2010.09.28 보정승인간주 (Regarded as an acceptance of amendment) 1-1-2010-0623815-11
6 [거절이유 등 통지에 따른 의견]의견(답변, 소명)서
[Opinion according to the Notification of Reasons for Refusal] Written Opinion(Written Reply, Written Substantiation)		 2010.09.28 수리 (Accepted) 1-1-2010-0623813-20
7 등록결정서
Decision to grant		 2010.11.26 발송처리완료 (Completion of Transmission) 9-5-2010-0540377-92
8 출원인정보변경(경정)신고서
Notification of change of applicant's information		 2014.01.02 수리 (Accepted) 4-1-2014-0000027-56
9 출원인정보변경(경정)신고서
Notification of change of applicant's information		 2016.01.13 수리 (Accepted) 4-1-2016-5004891-78
10 출원인정보변경(경정)신고서
Notification of change of applicant's information		 2017.01.09 수리 (Accepted) 4-1-2017-5004005-98
11 출원인정보변경(경정)신고서
Notification of change of applicant's information		 2017.01.10 수리 (Accepted) 4-1-2017-5004797-18
번호, 청구항의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 청구항 표입니다.
번호 청구항
1 1
각각의 화자에 대해 차원의 개의 가우시안으로 구성된 HMM(Hidden Markov Model; 은닉 마르코프 모델),GMM(Gaussian mixture model; 가우시안 믹스쳐 모델)을 선택적으로 사용하여 개의 SD(Speaker Dependent;화자 종속) 모델들을 구성한 후 평균 벡터(mean vector)만을 고려하여 구성된 SD(Speaker Dependent) 모델을 사용하여 관찰 행렬을 구성하는 관찰 행렬 구성부; 구성된 행렬에 대해 SVD(Singular Value Decomposition)를 적용하여 비대칭 쌍일차 모델 파라미터를 구하고, 화자의 스타일을 반영한 공간으로 선형 변환하여 쌍일차 모델을 구성하는 쌍일차 모델 구성부; 구성된 쌍일차 모델을 이용해 새로운 화자의 적응 데이터가 들어오면 스타일 팩터만을 추정하여 화자 적응 모델을 구성하는 화자 적응부; 구성된 화자 적응 모델을 이용하여 사용자의 테스트 음성 인식을 수행하는 음성 인식부;를 포함하는 것을 특징으로 하는 쌍일차 모델을 이용한 화자 적응 시스템
2 2
쌍일차 모델을 이용한 화자 적응을 위하여 관찰 행렬을 구성하는 단계에서, 차원의 개의 가우시안으로 구성된 HMM(Hidden Markov Model),GMM(Gaussian mixture model)을 선택적으로 사용하여 개의 SD(Speaker Dependent) 모델들을 구성하고, s번째 화자의 관찰 행렬은 가우시안 평균 벡터를 이용하여, 으로 나타내고, 이고, 여기서, 관찰 행렬의 크기는 이고, 으로 정규화되는 것을 특징으로 하는 쌍일차 모델을 이용한 화자 적응 방법
3 3
제 2 항에 있어서, 관찰 행렬에 SVD(Singular Value Decomposition; 특이값 분해)를 적용하면, 로 분리되고, 여기서, U는 SD x SD 의 행렬의 고유벡터 행렬, V는 C x C 의 행렬의 고유벡터 행렬이고, S는 SD x C의 특이값이 SD와 C의 크기중 작은 것을 선택한 min(SD,C) x min(SD,C)의 부 정방행렬의 주대각에 위치하는 행렬이며, 전체 고유벡터 수 중에 주요한 J(≤C) 개의 고유벡터(eigenvector)수를 사용하여 스타일 스페시픽 매트릭스(style-specific matrix) 와 콘텐트 베이시스 매트릭스(content basis matrix) 를 정의하면, 여기서, 는 크기의 에서 s번째 화자의 스타일 스페시픽 매트릭스(style-specific matrix)이고, 는 (J x C) 크기의 에서 c번째 콘텐트 베이시스 벡터(content basis vector)이고, s번째 화자의 c번째 콘텐트 평균 벡터(content mean vector)를 구하면, J의 값에 따라 이고, J=C일 때 등호가 성립하며,에 대해서도 위와 동일한 SVD 적용 및 스타일 스페시픽 매트릭스(style-specific matrix) 와 콘텐트 베이시스 매트릭스(content basis matrix) 를 동일하게 적용할 수 있으며, 여기서, s번째 화자의 c번째 콘텐트 평균 벡터(content mean vector)는 으로 정리되는 것을 특징으로 하는 쌍일차 모델을 이용한 화자 적응 방법
4 4
제 2 항에 있어서, 새로운 화자의 적응 데이터가 들어오면 비대칭 쌍일차 모델을 사용하여 화자 적응 모델을, 으로 정의하고, 는 인 새로운 화자 의 스타일 스페시픽 매트릭스(style-specific matrix)를 나타내며, 는 c번째 콘텐트 베이시스 벡터(content basis vector)이며, 는 새로운 화자 의 c번째 콘텐트 벡터(content vector)인 것을 특징으로 하는 쌍일차 모델을 이용한 화자 적응 방법
5 5
제 4 항에 있어서, 새로운 화자의 적응데이터인 가 주어지면 전체 유사도(total likelihood) 가 최대가 되는 것은 다음과 같은 보조 함수(auxiliary function) 을 반복적(iterative)으로 수행하면 되고, 여기서, 와 는 각각 현재 및 재추정 후 모델이며,는 새로운 화자 의 t번째 D차원 적응데이터이고, 그리고 새로운 화자 의 관찰 벡터열 과 모델 가 주어졌을 때 t 시간에 콘텐트(content) c 에 있을 사후확률은 이고, 재추정 모델의 공분산 행렬 는 SI(Speaker Independent;화자 독립) 모델과 동일하다고 가정하며 평균 벡터(mean vector)에 대해서만 선형변환을 수행하여 적응데이터 에 대하여 가 최대가 되는 는, 이를 정리하면, 인 것을 특징으로 하는 쌍일차 모델을 이용한 화자 적응 방법
지정국 정보가 없습니다
패밀리정보가 없습니다
순번, 연구부처, 주관기관, 연구사업, 연구과제의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 국가R&D 연구정보 정보 표입니다.
순번 연구부처 주관기관 연구사업 연구과제
1 지식경제부 한국산업기술평가원 21세기프론티어기술개발사업 대화음성 인터페이스 기술개발