公开(公告)号：US07472063B2

公开(公告)日：2008-12-30

申请号：US10326368

申请日：2002-12-19

申请人： Ara V. Nefian ,  Xiaobo Pi ,  Luhong Liang ,  Xiaoxing Liu ,  Yibao Zhao

发明人： Ara V. Nefian ,  Xiaobo Pi ,  Luhong Liang ,  Xiaoxing Liu ,  Yibao Zhao

IPC分类号： G10L15/14 ,  G06K9/70

CPC分类号： G06K9/6293 ,  G10L15/25

摘要： A speech recognition method includes several embodiments describing application of support vector machine analysis to a mouth region. Lip position can be accurately determined and used in conjunction with synchronous or asynchronous audio data to enhance speech recognition probabilities.

摘要翻译： 语音识别方法包括描述向口区域应用支持向量机分析的几个实施例。 可以准确地确定唇部位置并将其与同步或异步音频数据结合使用，以增强语音识别概率。

公开(公告)号：US07346495B1

公开(公告)日：2008-03-18

申请号：US10130859

申请日：2000-09-30

申请人： Yibao Zhao ,  Yonghong Yan ,  Zhiwei Lin

发明人： Yibao Zhao ,  Yonghong Yan ,  Zhiwei Lin

IPC分类号： G06F17/21 ,  G06F17/27 ,  G10L15/00

CPC分类号： G06F17/2705 ,  G10L15/19 ,  G10L15/197

摘要： A method and system providing a statistical representation from rule-based grammar specifications. The language model is generated by obtaining a statistical representation of a rule-based language model and combining it with a statistical representation of a statistical language model for use as a final language model. The language model may be enhanced by applying smoothing and/or adapting for use as the final language model.

摘要翻译： 一种从基于规则的语法规范提供统计表示的方法和系统。 语言模型是通过获得基于规则的语言模型的统计表示并将其与用作最终语言模型的统计语言模型的统计表示相结合而产生的。 可以通过应用平滑和/或适应来作为最终语言模型来增强语言模型。

公开(公告)号：US07275033B1

公开(公告)日：2007-09-25

申请号：US10130860

申请日：2000-09-30

申请人： Yibao Zhao ,  Yonghong Yan ,  Zhiwei Lin

发明人： Yibao Zhao ,  Yonghong Yan ,  Zhiwei Lin

IPC分类号： G10L15/18 ,  G06F17/27

CPC分类号： G10L15/197 ,  G10L15/183

摘要： A method and system for providing a class-based statistical language model representation from rule-based knowledge is disclosed. The class-based language model is generated from a statistical representation of a class-based rule net. A class-based rule net is generated using the domain-related rules with words replaced with their corresponding class-tags that are manually defined. The class-based statistical representation from the class-based rule net is combined with a class-based statistical representation from a statistical language model to generate a language model. The language model is enhanced by smoothing/adapting with general-purpose and/or domain-related corpus for use as the final language model. A two-pass search algorithm is applied for speech decoding.

摘要翻译： 公开了一种基于规则的知识提供基于类的统计语言模型表示的方法和系统。 基于类的语言模型是从基于类的规则网的统计表示生成的。 使用与域相关的规则生成基于类的规则网，其中单词替换为手动定义的相应类标签。 基于类的规则网络的基于类的统计表示与来自统计语言模型的基于类的统计表示相结合以生成语言模型。 通过使用通用和/或域相关语料库进行平滑/调整，作为最终语言模型来增强语言模型。 双路搜索算法应用于语音解码。

公开(公告)号：US07454342B2

公开(公告)日：2008-11-18

申请号：US10392709

申请日：2003-03-19

申请人： Ara Victor Nefian ,  Xiaoxing Liu ,  Xiaobo Pi ,  Luhong Liang ,  Yibao Zhao

发明人： Ara Victor Nefian ,  Xiaoxing Liu ,  Xiaobo Pi ,  Luhong Liang ,  Yibao Zhao

IPC分类号： G10L15/14

CPC分类号： G06K9/6293 ,  G06K9/6297 ,  G10L15/142 ,  G10L15/25

摘要： Method and apparatus for an audiovisual continuous speech recognition (AVCSR) system using a coupled hidden Markov model (CHMM) are described herein. In one aspect, an exemplary process includes receiving an audio data stream and a video data stream, and performing continuous speech recognition based on the audio and video data streams using a plurality of hidden Markov models (HMMs), a node of each of the HMMs at a time slot being subject to one or more nodes of related HMMs at a preceding time slot. Other methods and apparatuses are also described.

摘要翻译： 本文描述了使用耦合隐马尔可夫模型（CHMM）的视听连续语音识别（AVCSR）系统的方法和装置。 在一个方面，示例性过程包括接收音频数据流和视频数据流，以及使用多个隐马尔可夫模型（HMM），基于音频和视频数据流执行连续语音识别，每个HMM的节点 在时隙处于前一时隙处的相关HMM的一个或多个节点。 还描述了其它方法和装置。