| 1 |
1
음성 특징 벡터들을 설정된 방법에 따라 N(여기서, N은 2이상의 정수)개의 음성 특징 벡터 그룹으로 그룹핑하는 단계; 상기 N개의 음성 특징 벡터 그룹을 병렬적으로 처리하여 제 n(여기서, n은 1≤n≤N인 정수) 음성 특징 벡터 그룹에 포함된 음성 특징 벡터들의 출력 확률을 계산하는 단계; 상기 제 n 음성 특징 벡터 그룹에 대하여 계산된 출력 확률과 기 구축된 HMM 모델을 기반으로 병렬적 음성 인식을 수행하여 N개의 음성 인식 결과를 생성하는 단계; 및 상기 N개의 음성 인식 결과를 결합하여 최종 음성 인식 결과를 생성하는 단계를 포함하는 음성 인식 방법
|
| 2 |
2
제 1 항에 있어서, 상기 그룹핑하는 단계는, 각각의 음성 특징 벡터 그룹이 동일한 시간 구간을 갖도록, 상기 음성 특징 벡터들을 그룹핑하는 단계를 포함하는 음성 인식 방법
|
| 3 |
3
제 1 항에 있어서, 상기 그룹핑하는 단계는, 제 n 음성 특징 벡터 그룹과 제 n-1 음성 특징 벡터 그룹이 적어도 하나의 음성 특징 벡터를 공유하도록, 상기 음성 특징 벡터들을 그룹핑하는 단계를 포함하는 음성 인식 방법
|
| 4 |
4
제 3 항에 있어서, 상기 N개의 음성 인식 결과를 결합하는 단계는, 상기 공유된 음성 특징 벡터가 나타내는 어느 하나의 음소를 기준으로 상기 N개의 음성 인식 결과를 결합하는 단계를 포함하는 음성 인식 방법
|
| 5 |
5
제 1 항에 있어서, 상기 그룹핑하는 단계는, 묵음 구간을 기준으로 하여, 상기 음성 특징 벡터들을 그룹핑하는 단계를 포함하는 음성 인식 방법
|
| 6 |
6
제 1 항에 있어서, 상기 그룹핑하는 단계는, 각각이 모든 음성 특징 벡터들을 포함하는 제 1 및 제 2 음성 특징 벡터 그룹으로 상기 음성 특징 벡터들을 그룹핑하는 단계를 포함하고, 상기 음성 인식을 병렬적으로 수행하는 단계는, 상기 제 1 음성 특징 벡터 그룹에 포함된 음성 특징 벡터들에 대하여 순차적으로 음성 인식을 수행하여 제 1 음성 인식 결과를 생성하고, 상기 제 2 음성 특징 벡터 그룹에 포함된 음성 특징 벡터들에 대하여 역순으로 음성 인식을 수행하여 제 2 음성 인식 결과를 생성하는 단계를 포함하는 음성 인식 방법
|
| 7 |
7
제 6 항에 있어서, 상기 N개의 음성 인식 결과를 결합하는 단계는, 상기 제 1 및 제 2 음성 특징 벡터 그룹에 속하는 음성 특징 벡터들 중 절반 이상에 대한 음성 인식이 수행되고 난 후, 상기 제 1 및 제 2 음성 특징 벡터 그룹 간에 동일한 음소가 최초로 인식되는 경우 해당 음소를 기준으로 상기 제 1 및 제 2 음성 인식 결과를 결합하는 단계를 포함하는 음성 인식 방법
|
| 8 |
8
제 1 항에 있어서, 상기 음성 인식을 병렬적으로 수행하는 단계는, 비터비 알고리즘을 이용하여 음성 인식을 수행하는 단계를 포함하는 음성 인식 방법
|
| 9 |
9
음성 인식의 대상이 되는 음성 신호로부터 음성 특징 벡터들을 도출하는 단계; 기 구축된 음향 모델이 설정된 방법에 따라 분할된 N(여기서, N은 2이상의 정수) 개의 서브 음향 모델들 중 제 n(여기서, n은 1≤n≤N인 정수) 음향 모델의 HMM 파라미터 및 상기 음성 특징 모듈로부터 수신되는 음성 특징 벡터들을 기반으로, 상기 음성 특징 벡터들의 출력 확률을 병렬적으로 계산하는 단계; 상기 제 n 음향 모델 및 상기 계산된 출력 확률들을 기반으로 비터비 경로 계산을 병렬적으로 수행하는 단계; 상기 제 n 음향 모델 및 상기 계산된 비터비 경로 정보를 기반으로 노드 갱신을 병렬적으로 수행하는 단계; 및 기 구축된 언어 모델 및 상기 갱신된 노드 정보를 기반으로 백트래킹을 수행하여 음성 인식 결과를 생성하는 단계 를 포함하는 음성 인식 방법
|
| 10 |
10
음성 특징 벡터들을 설정된 방법에 따라 N(여기서, N은 2이상의 정수)개의 음성 특징 벡터 그룹으로 그룹핑하는 그룹핑 모듈; 상기 N개의 음성 특징 벡터 그룹을 병렬적으로 처리하여 제 n(여기서, n은 1≤n≤N인 정수) 음성 특징 벡터 그룹에 포함된 음성 특징 벡터들의 출력 확률을 계산하는 확률 계산 모듈; 상기 제 n 음성 특징 벡터 그룹에 대하여 계산된 출력 확률과 기 구축된 HMM 모델을 기반으로 병렬적 음성 인식을 수행하여 N개의 음성 인식 결과를 생성하는 디코딩 모듈; 및 상기 N개의 음성 인식 결과를 결합하여 최종 음성 인식 결과를 생성하는 결합 모듈을 포함하는 음성 인식 장치
|
| 11 |
11
제 10 항에 있어서, 상기 그룹핑 모듈은, 각각의 음성 특징 벡터 그룹이 동일한 시간 구간을 갖도록, 상기 음성 특징 벡터들을 그룹핑하는 음성 인식 장치
|
| 12 |
12
제 10 항에 있어서, 상기 그룹핑 모듈은, 제 n 음성 특징 벡터 그룹과 제 n-1 음성 특징 벡터 그룹이 적어도 하나의 음성 특징 벡터를 공유하도록, 상기 음성 특징 벡터들을 그룹핑하는 음성 인식 장치
|
| 13 |
13
제 12 항에 있어서, 상기 결합 모듈은, 상기 공유된 음성 특징 벡터가 나타내는 어느 하나의 음소를 기준으로 상기 N개의 음성 인식 결과를 결합하는 음성 인식 장치
|
| 14 |
14
제 10 항에 있어서, 상기 그룹핑 모듈은, 묵음 구간을 기준으로 하여, 상기 음성 특징 벡터들을 그룹핑하는 음성 인식 장치
|
| 15 |
15
제 10 항에 있어서, 상기 그룹핑 모듈은, 각각이 모든 음성 특징 벡터들을 포함하는 제 1 및 제 2 음성 특징 벡터 그룹으로 상기 음성 특징 벡터들을 그룹핑하고, 상기 디코딩 모듈은, 상기 제 1 음성 특징 벡터 그룹에 포함된 음성 특징 벡터들에 대하여 순차적으로 음성 인식을 수행하여 제 1 음성 인식 결과를 생성하고, 상기 제 2 음성 특징 벡터 그룹에 포함된 음성 특징 벡터들에 대하여 역순으로 음성 인식을 수행하여 제 2 음성 인식 결과를 생성하는 음성 인식 장치
|
| 16 |
16
제 15 항에 있어서, 상기 디코딩 모듈은, 상기 제 1 및 제 2 음성 특징 벡터 그룹에 속하는 음성 특징 벡터들 중 절반 이상에 대한 음성 인식이 수행되고 난 후, 상기 제 1 및 제 2 음성 특징 벡터 그룹 간에 동일한 음소가 최초로 인식되는 경우 음성 인식을 중지하고, 상기 결합 모듈은, 상기 동일한 음소를 기준으로 상기 제 1 및 제 2 음성 인식 결과를 결합하는 음성 인식 장치
|
| 17 |
17
제 10 항에 있어서, 상기 디코딩 모듈은, 비터비 알고리즘을 이용하여 음성 인식을 수행하는 음성 인식 장치
|
| 18 |
18
음성 인식의 대상이 되는 음성 신호로부터 음성 특징 벡터들을 도출하는 음성 특징 모듈; 기 구축된 음향 모델이 설정된 방법에 따라 분할된 N(여기서, N은 2이상의 정수) 개의 서브 음향 모델들 중 제 n(여기서, n은 1≤n≤N인 정수) 음향 모델의 HMM 파라미터 및 상기 음성 특징 모듈로부터 수신되는 음성 특징 벡터들을 기반으로, 상기 음성 특징 벡터들의 출력 확률을 계산하는 제 n 확률 계산 모듈; 상기 제 n 음향 모델 및 제 1 내지 제 N 확률 계산 모듈로부터 수신되는 출력 확률을 기반으로, 비터비 경로 계산을 수행하는 제 n 경로 계산 모듈; 상기 제 n 음향 모델 및 제 1 내지 제 N 경로 계산 모듈로부터 수신되는 비터비 경로 정보를 기반으로, 노드를 갱신하는 제 n 노드 갱신 모듈; 및 기 구축된 언어 모델 및 제 1 내지 제 N 노드 갱신 모듈로부터 수신되는 갱신된 노드 정보를 기반으로, 백트래킹을 수행하여 음성 인식 결과를 생성하는 음성 인식 결과 생성 모듈을 포함하는 음성 인식 장치
|
