データ処理装置及びデータ処理装置制御プログラム
話者の種類、発話語彙、発話様式、発話環境等の特定条件により多様化する特徴パラメータの分布を考慮して不特定話者用の音響モデルを生成するのに好適で、且つ、特定の個人の音声に最も適合した不特定話者用の音響モデルを提供するのに好適なデータ処理装置及びデータ処理装置制御プログラムを提供する。 データ処理装置１を、データ分類部１ａと、データ記憶部１ｂと、パターンモデル生成部１ｃと、データ制御部１ｄと、数学的距離算出部１ｅと、パターンモデル変換部１ｆと、パターンモデル表示部１ｇと、領域区分部１ｈと、区分内容変更部１ｉと、領域選択部１ｊと、特定パターンモデル生成部１ｋと、を含んだ構成とした。
Notice: Undefined index: DEJ in /mnt/www/gzt_disp.php on line 298
【特許請求の範囲】
【請求項１】
複数対象に係る複数の所定データを、複数の特定条件に基づき、複数のグループに分類するデータ分類手段と、
前記データ分類手段によって分類された前記所定データに基づき、当該所定データの各グループ毎に４次元以上の高次元の要素を有する複数のパターンモデルを生成するパターンモデル生成手段と、
前記パターンモデル生成手段によって各グループ毎に生成されたパターンモデルの各パターンモデル相互間の数学的距離を算出する数学的距離算出手段と、
前記数学的距離算出手段によって算出された前記数学的距離に基づき、前記各パターンモデル相互間の距離関係を保持しながら、前記複数のパターンモデルをこれより低次元の同数のパターンモデル対応低次元ベクトルへと変換するパターンモデル変換手段と、
前記複数のパターンモデル対応低次元ベクトルを、低次元の要素の値に基づき、前記距離関係を保持した状態で、前記パターンモデル対応低次元ベクトルと同じ次元の低次元空間上の座標点として表示するパターンモデル対応低次元ベクトル表示手段と、を備えることを特徴とするデータ処理装置。
【請求項２】
前記複数対象に係る複数の所定データは、音声データ、生活周囲音データ、鳴声データ、画像データ、赤外線データ及び加速度データのいずれか１つであることを特徴とする請求の範囲第１項記載のデータ処理装置。
【請求項３】
前記複数対象に係る複数の所定データは、複数話者の発声した複数の音声のデータであり、
前記複数の特定条件は、少なくとも、話者の種類、発話語彙、発話様式及び発話環境を含むことを特徴とする請求の範囲第１項記載のデータ処理装置。
【請求項４】
前記データ分類手段は、前記複数の特定条件をそれぞれ任意に組み合わせた各組毎に前記グループを形成することを特徴とする請求の範囲第１項又は請求の範囲第２項記載のデータ処理装置。
【請求項５】
前記パターンモデルは、ＨＭＭ（Ｈｉｄｄｅｎ Ｍａｒｋｏｖ Ｍｏｄｅｌ）によって生成されることを特徴とする請求の範囲第１項乃至請求の範囲第３項のいずれか１項に記載のデータ処理装置。
【請求項６】
前記数学的距離算出手段は、前記ＨＭＭによって生成された、前記パターンモデルの正規分布の平均ベクトルに基づくユークリッド距離、前記パターンモデルの正規分布の標準偏差により正規化された当該パターンモデルの正規分布の平均ベクトルに基づくユークリッド距離、及び、前記パターンモデルの正規分布に基づくバタチャリア距離のいずれか１つを用いて前記数学的距離を算出することを特徴とする請求の範囲第５項記載のデータ処理装置。
【請求項７】
前記パターンモデル変換手段は、Ｓａｍｍｏｎ法を用いて、前記パターンモデルを前記パターンモデル対応低次元ベクトルへと変換することを特徴とする請求の範囲第１項乃至請求の範囲第６項のいずれか１項に記載のデータ処理装置。
【請求項８】
前記パターンモデル対応低次元ベクトル表示手段によって前記低次元空間上に表示される前記複数のパターンモデル対応低次元ベクトルの座標点を、前記低次元空間上において複数の領域に自動的に区分する領域区分手段を備えることを特徴とする請求の範囲第１項乃至請求の範囲第７項のいずれか１項に記載のデータ処理装置。
【請求項９】
前記領域区分手段は、前記複数のパターンモデル対応低次元ベクトルを、当該全パターンモデル対応低次元ベクトルの座標点の重心を中心とし且つ前記重心と当該重心から最も離れた位置のパターンモデル対応低次元ベクトルの座標点との距離を半径とした１つの外円と、前記重心を中心とし且つ前記外円よりも小さな半径のｎ個の内円（ｎは１以上の整数）と、により区分し、更に、前記外円及び内円からなる複数の同心円同士の各外周間に形成される環状の領域を、半径方向に伸びる線によって複数に区分することを特徴とする請求の範囲第８項記載のデータ処理装置。
【請求項１０】
前記領域区分手段によって自動区分された区分内容を変更する区分内容変更手段を備えることを特徴とする請求の範囲第８項又は請求の範囲第９項記載のデータ処理装置。
【請求項１１】
前記領域区分手段によって区分された各領域毎に複数の前記パターンモデル対応低次元ベクトルを選択可能な領域選択手段と、当該領域選択手段によって選択された領域内にある前記複数のパターンモデル対応低次元ベクトルにそれぞれ対応する前記パターンモデルに係る、前記所定データに基づき、前記パターンモデルを生成する領域パターンモデル生成手段と、を備えることを特徴とする請求の範囲第８項乃至請求の範囲第１０項のいずれか１項に記載のデータ処理装置。
【請求項１２】
請求の範囲第１項記載のデータ処理装置を制御するためのコンピュータが実行可能なプログラムであって、
複数対象に係る複数の所定データを、複数の特定条件に基づき、複数のグループに分類するデータ分類ステップと、
前記データ分類ステップにおいて分類された前記所定データに基づき、当該所定データの各グループ毎に４次元以上の高次元の要素を有する複数のパターンモデルを生成するパターンモデル生成ステップと、
前記パターンモデル生成ステップにおいて各グループ毎に生成されたパターンモデルの各パターンモデル相互間の数学的距離を算出する数学的距離算出ステップと、
前記数学的距離算出ステップにおいて算出された前記数学的距離に基づき、前記各パターンモデル相互間の距離関係を保持しながら、前記複数のパターンモデルをこれより低次元の同数のパターンモデル対応低次元ベクトルへと変換するパターンモデル変換ステップと、
前記複数のパターンモデル対応低次元ベクトルを、低次元の要素の値に基づき、前記距離関係を保持した状態で、前記パターンモデル対応低次元ベクトルと同じ次元の低次元空間上の座標点として表示するパターンモデル対応低次元ベクトル表示ステップと、を備えることを特徴とするデータ処理装置制御プログラム。
【請求項１３】
前記パターンモデル対応低次元ベクトル表示ステップにおいて低次元空間上に表示される前記複数のパターンモデル対応低次元ベクトルを、前記低次元空間上において複数の領域に自動的に区分する領域区分ステップと、
前記領域区分ステップによって自動区分された区分内容を変更する区分内容変更ステップと、
前記領域区分ステップによって区分された各領域毎に複数の前記パターンモデル対応低次元ベクトルを選択する領域選択ステップと、
前記領域選択ステップによって選択された領域内の前記パターンモデル対応低次元ベクトルに対応する前記パターンモデルに係る、前記所定データに基づき、選択領域に対応した前記パターンモデルを生成する領域パターンモデル生成ステップと、を備えることを特徴とする請求の範囲第１２項記載のデータ処理装置制御プログラム。
【請求項１４】
請求の範囲第１項乃至請求の範囲第７項のいずれか１項に記載のデータ処理装置によって表示された前記低次元空間上の座標点を、前記低次元空間上において複数の領域に自動的に区分する領域区分手段と、
前記区分された領域内に含まれる前記パターンモデル対応低次元ベクトルの座標点に対応する所定データに基づき、各領域毎のパターンモデルを生成する領域パターンモデル生成手段と、
新規対象に係る所定データを取得する所定データ取得手段と、
前記取得した所定データに対する前記区分された各領域に対応した領域パターンモデルの尤度を算出し、当該算出した尤度に基づき前記新規対象の所定データの認識に適した認識性能の領域パターンモデルを探索する領域パターンモデル探索手段と、を備えることを特徴とするパターンモデル探索装置。
【請求項１５】
請求の範囲第１４項記載のパターンモデル探索装置を制御するためのコンピュータが実行可能なプログラムであって、
請求の範囲第１項乃至請求の範囲第７項のいずれか１項に記載の音声データ処理装置によって表示された前記低次元空間上の座標点を、前記低次元空間上において複数の領域に自動的に区分する領域区分ステップと、
前記区分された領域内に含まれる前記パターンモデル対応低次元ベクトルの座標点に対応する音声データに基づき、各領域毎のパターンモデルを生成する領域パターンモデル生成ステップと、
新規対象に係る所定データを取得する所定データ取得ステップと、
前記取得した所定データに対する前記区分された各領域に対応した領域パターンモデルの尤度を算出し、当該算出した尤度に基づき前記新規対象の所定データの認識に適した認識性能の領域パターンモデルを探索する領域パターンモデル探索ステップと、を備えることを特徴とするパターンモデル探索装置制御プログラム。
【請求項１６】
複数対象に係る複数の所定データを、複数の特定条件に基づき、複数のグループに分類するデータ分類手段と、
前記データ分類手段によって分類された前記所定データに基づき、当該所定データの各グループ毎に４次元以上の高次元の要素を有する複数のパターンモデルを生成するパターンモデル生成手段と、
前記パターンモデル生成手段によって各グループ毎に生成されたパターンモデルの各パターンモデル相互間の数学的距離を算出する数学的距離算出手段と、
前記数学的距離算出手段によって算出された前記数学的距離に基づき、前記各パターンモデル相互間の距離関係を保持しながら、前記複数のパターンモデルをこれより低次元の同数のパターンモデル対応低次元ベクトルへと変換するパターンモデル変換手段と、
前記複数のパターンモデル対応低次元ベクトルを、低次元の要素の値に基づき、前記距離関係を保持した状態で、前記パターンモデル対応低次元ベクトルと同じ次元の低次元空間上の座標点として表示するパターンモデル対応低次元ベクトル表示手段と、を備え、
前記数学的距離算出手段は、前記数学的距離の算出において、前記複数対象に係る複数の所定データにおける各パターン単位の出現頻度を用いることを特徴とするデータ処理装置。
【請求項１７】
前記パターン単位の出現頻度は、前記複数の所定データに対する前記パターンモデルを用いたパターン認識における前記複数対象に係る複数の所定データのうち、認識性能が所定の閾値より低いパターン単位の出現頻度であることを特徴とする請求の範囲第１６項記載のデータ処理装置。
【請求項１８】
複数対象に係る複数の所定データを、複数の特定条件に基づき、複数のグループに分類するデータ分類手段と、
前記データ分類手段によって分類された前記所定データに基づき、当該所定データの各グループ毎に４次元以上の高次元の要素を有する複数のパターンモデルを生成するパターンモデル生成手段と、
前記パターンモデル生成手段によって各グループ毎に生成されたパターンモデルの各パターンモデル相互間の数学的距離を算出する数学的距離算出手段と、
前記数学的距離算出手段によって算出された前記数学的距離に基づき、前記各パターンモデル相互間の距離関係を保持しながら、前記複数のパターンモデルをこれより低次元の同数のパターンモデル対応低次元ベクトルへと変換するパターンモデル変換手段と、
前記複数のパターンモデル対応低次元ベクトルを、低次元の要素の値に基づき、前記距離関係を保持した状態で、前記パターンモデル対応低次元ベクトルと同じ次元の低次元空間上の座標点として表示するパターンモデル対応低次元ベクトル表示手段と、
前記パターンモデル対応低次元ベクトル表示手段によって前記低次元空間上に表示される前記複数のパターンモデル対応低次元ベクトルの座標点を、前記低次元空間上において複数の領域に自動的に区分する領域区分手段と、
前記区分された領域内に含まれる前記パターンモデル対応低次元ベクトルの座標点に対応する所定データに基づき、各領域毎の領域パターンモデルを生成する領域パターンモデル生成手段と、
新規対象に係る所定データを取得する所定データ取得手段と、
前記取得した所定データに対する前記区分された各領域に対応した領域パターンモデルの尤度を算出し、当該算出した尤度に基づき、前記領域パターンモデル生成手段によって生成された領域パターンモデルの中から前記新規対象の所定データの認識に適した認識性能の領域パターンモデルを探索する領域パターンモデル探索手段と、を備えることを特徴とするデータ処理装置。
【請求項１９】
前記数学的距離算出手段は、前記数学的距離の算出において、前記複数対象に係る複数の所定データにおける各パターン単位の出現頻度を用いることを特徴とする請求の範囲第１８項記載のデータ処理装置。
【請求項２０】
前記パターン単位の出現頻度は、前記複数対象に係る複数の所定データに対する前記パターンモデルを用いたパターン認識における前記複数対象に係る複数のパターン単位のうち、認識性能が所定の閾値より低いパターン単位の出現頻度であることを特徴とする請求の範囲第１９項記載のデータ処理装置。
【請求項２１】
前記領域区分手段は、前記複数のパターンモデル対応低次元ベクトルを、当該全パターンモデル対応低次元ベクトルの座標点の重心を中心とし且つ前記重心と当該重心から最も離れた位置のパターンモデル対応低次元ベクトルの座標点との距離を半径とした１つの外円と、前記重心を中心とし且つ前記外円よりも小さな半径のｎ個の内円（ｎは１以上の整数）と、により区分し、更に、前記外円及び内円からなる複数の同心円同士の各外周間に形成される環状の領域を、半径方向に伸びる線によって複数に区分することを特徴とする請求の範囲第１８乃至請求の範囲第２０項のいずれか１項に記載のデータ処理装置。
【請求項２２】
前記領域区分手段は、最内円から外円方向に向かう程、前記各環状の領域に含まれるパターンモデル対応低次元ベクトルを細かく区分することを特徴とする請求の範囲第２１項記載のデータ処理装置。
【請求項２３】
前記領域区分手段は、区分結果の各領域において、当該各領域に含まれるパターンモデル対応低次元ベクトルとこれと隣り合う領域に含まれるパターンモデル対応低次元ベクトルとの一部が重複するように領域を区分することを特徴とする請求の範囲第２１項又は請求の範囲第２２項記載のデータ処理装置。
【請求項２４】
前記領域パターンモデル探索手段は、前記区分結果の最内円から外円方向に向かって順に、前記取得した所定データに対する前記区分された領域に対応した領域パターンモデルの尤度を算出し、当該算出した尤度に基づき、前記領域パターンモデル生成手段によって生成された領域パターンモデルの中から前記新規対象の所定データの認識に適した認識性能の領域パターンモデルを探索することを特徴とする請求の範囲第２１項乃至請求の範囲第２３項のいずれか１項に記載のデータ処理装置。
【請求項２５】
前記領域パターンモデル探索手段は、前記取得した所定データに対する、最内円の領域に対応した領域パターンモデルの尤度を算出し、次に、最内円に隣接する環状の領域における各区分領域に対応した領域パターンモデルの尤度を算出し、当該算出した尤度のうち最も高い尤度の領域パターンモデルに対応する領域に隣接した外円方向の領域に対応した領域パターンモデルの尤度を算出し、以降は、外円方向に向かって順に、一つ内側の環状の領域において算出された尤度の最も高い領域パターンモデルの対応した領域に隣接する外円方向の領域に対応した領域パターンモデルの尤度を算出することを特徴とする請求の範囲第２４項に記載のデータ処理装置。
【請求項２６】
前記領域パターンモデル探索手段は、前記取得した所定データに対する、最内円の領域に対応した領域パターンモデルの尤度を算出し、次に、最内円に隣接する環状の領域における各区分領域に対応した領域パターンモデルの尤度を算出し、当該算出した尤度のうち上位ｍ個の尤度に対応する領域パターンモデル（ｍは２以上の整数）にそれぞれ対応する領域に隣接した外円方向の区分領域に対応した領域パターンモデルの尤度を算出し、以降は、外円方向に向かって順に、一つ内側の環状の領域において算出された尤度の最も高い領域パターンモデルの対応した領域に隣接する外円方向の領域に対応した領域パターンモデルの尤度を算出することを特徴とする請求の範囲第２４項に記載のデータ処理装置。
【請求項２７】
前記複数対象に係る複数の所定データは、複数話者の発声した複数の音声のデータであり、
前記複数の特定条件は、少なくとも、話者の種類、発話語彙、発話様式及び発話環境を含むことを特徴とする請求の範囲第１８項乃至請求の範囲第２６項のいずれか１項に記載のデータ処理装置。
【請求項２８】
前記データ分類手段は、前記複数の特定条件をそれぞれ任意に組み合わせた各組毎に前記グループを形成することを特徴とする請求の範囲第１８項乃至請求の範囲第２７項のいずれか１項に記載のデータ処理装置。
【請求項２９】
前記パターンモデルは、ＨＭＭ（Ｈｉｄｄｅｎ Ｍａｒｋｏｖ Ｍｏｄｅｌ）によって生成されることを特徴とする請求の範囲第１８項乃至請求の範囲第２８項のいずれか１項に記載のデータ処理装置。
【請求項３０】
前記数学的距離算出手段は、前記ＨＭＭによって生成された、前記パターンモデルの正規分布の平均ベクトルに基づくユークリッド距離、前記パターンモデルの正規分布の標準偏差により正規化された当該パターンモデルの正規分布の平均ベクトルに基づくユークリッド距離、及び、前記パターンモデルの正規分布に基づくバタチャリア距離のいずれか１つを用いて前記数学的距離を算出することを特徴とする請求の範囲第２９項記載のデータ処理装置。
【請求項３１】
前記パターンモデル変換手段は、Ｓａｍｍｏｎ法を用いて、前記パターンモデルを前記パターンモデル対応低次元ベクトルへと変換することを特徴とする請求の範囲第１８項乃至請求の範囲第３０項のいずれか１項に記載のデータ処理装置。
【請求項３２】
前記領域区分手段によって自動区分された区分内容を変更する区分内容変更手段を備えることを特徴とする請求の範囲第１８項乃至請求の範囲第３１項のいずれか記載のデータ処理装置。
【請求項３３】
前記領域パターンモデル探索手段によって探索された領域パターンモデルを新規対象の所定データに基づき、前記新規対象用に適応するパターンモデル適応手段を備えることを特徴とする請求の範囲第１８項乃至請求の範囲第３２項のいずれか１項に記載のデータ処理装置。
【請求項３４】
前記パターンモデル変換手段は、前記領域パターンモデル探索手段によって探索された領域パターンモデルに対応する領域内に含まれる前記複数のパターンモデル対応低次元ベクトルに対応する高次元パターンモデルを、前記パターンモデル対応低次元ベクトルに変換可能であり、
前記パターンモデル対応低次元ベクトル表示手段は、前記変換後のパターンモデル対応低次元ベクトルを、低次元の要素の値に基づき、前記距離関係を保持した状態で、前記パターンモデル対応低次元ベクトルと同じ次元の低次元空間上の座標点として表示可能であり、
前記領域区分手段は、前記低次元空間上に表示される前記複数のパターンモデル対応低次元ベクトルの座標点を、前記低次元空間上において複数の領域に自動的に区分可能であることを特徴とする請求の範囲第３３項記載のデータ処理装置。
【請求項３５】
請求の範囲第１６項記載のデータ処理装置を制御するためのコンピュータが実行可能なプログラムであって、
複数対象に係る複数の所定データを、複数の特定条件に基づき、複数のグループに分類するデータ分類ステップと、
前記データ分類ステップにおいて分類された前記所定データに基づき、当該所定データの各グループ毎に４次元以上の高次元の要素を有する複数のパターンモデルを生成するパターンモデル生成ステップと、
前記パターンモデル生成ステップにおいて各グループ毎に生成されたパターンモデルの各パターンモデル相互間の数学的距離を算出する数学的距離算出ステップと、
前記数学的距離算出ステップにおいて算出された前記数学的距離に基づき、前記各パターンモデル相互間の距離関係を保持しながら、前記複数のパターンモデルをこれより低次元の同数のパターンモデル対応低次元ベクトルへと変換するパターンモデル変換ステップと、
前記複数のパターンモデル対応低次元ベクトルを、低次元の要素の値に基づき、前記距離関係を保持した状態で、前記パターンモデル対応低次元ベクトルと同じ次元の低次元空間上の座標点として表示するパターンモデル対応低次元ベクトル表示ステップと、を備え、
前記数学的距離算出ステップにおいては、前記数学的距離の算出において、前記複数対象に係る複数の所定データにおける各パターン単位の出現頻度を用いることを特徴とするデータ処理装置制御プログラム。
【請求項３６】
請求の範囲第１８項記載のデータ処理装置を制御するためのコンピュータが実行可能なプログラムであって、
複数対象に係る複数の所定データを、複数の特定条件に基づき、複数のグループに分類するデータ分類ステップと、
前記データ分類ステップにおいて分類された前記所定データに基づき、当該所定データの各グループ毎に４次元以上の高次元の要素を有する複数のパターンモデルを生成するパターンモデル生成ステップと、
前記パターンモデル生成ステップにおいて各グループ毎に生成されたパターンモデルの各パターンモデル相互間の数学的距離を算出する数学的距離算出ステップと、
前記数学的距離算出ステップにおいて算出された前記数学的距離に基づき、前記各パターンモデル相互間の距離関係を保持しながら、前記複数のパターンモデルをこれより低次元の同数のパターンモデル対応低次元ベクトルへと変換するパターンモデル変換ステップと、
前記複数のパターンモデル対応低次元ベクトルを、低次元の要素の値に基づき、前記距離関係を保持した状態で、前記パターンモデル対応低次元ベクトルと同じ次元の低次元空間上の座標点として表示するパターンモデル対応低次元ベクトル表示ステップと、
前記パターンモデル対応低次元ベクトル表示ステップにおいて前記低次元空間上に表示される前記複数のパターンモデル対応低次元ベクトルの座標点を、前記低次元空間上において複数の領域に自動的に区分する領域区分ステップと、
前記区分された領域内に含まれる前記パターンモデル対応低次元ベクトルの座標点に対応する所定データに基づき、各領域毎のパターンモデルを生成する領域パターンモデル生成ステップと、
新規対象に係る所定データを取得する所定データ取得ステップと、
前記取得した所定データに対する前記区分された各領域に対応した前記領域パターンモデルの尤度を算出し、当該算出した尤度に基づき前記新規対象の所定データの認識に適した認識性能の領域パターンモデルを探索する領域パターンモデル探索ステップと、を備えることを特徴とするデータ処理装置制御プログラム。
【請求項３７】
システム利用者の管理下にある情報処理端末と、
請求の範囲第１８項乃至請求の範囲第３４項のいずれか１項に記載のデータ処理装置と、を備え、
前記情報処理端末及び前記データ処理装置を互いにデータ通信可能に接続し、
前記データ処理装置において、前記複数対象に係る複数の所定データは、複数話者の発声した複数の音声のデータであり、
前記情報処理端末は、
前記システム利用者の発声した音声のデータを取得し、当該取得した音声データを前記データ処理装置に送信する音声データ送信手段と、
前記データ処理装置から前記システム利用者の音声データをパターン認識するのに適した前記特定パターンモデルを取得する特定パターンモデル取得手段と、を備え、
前記データ処理装置は、
前記所定データ取得手段によって前記情報処理端末からの前記音声データを取得し、更に、当該取得した音声データに基づき前記システム利用者用の前記特定パターンモデルを生成するようになっており、
前記生成した特定パターンモデルを前記情報処理端末に送信する特定パターンモデル送信手段を更に備えることを特徴とする特定パターンモデル提供システム。
【請求項３８】
複数話者の音声データから生成された複数のパターンモデルによって構成された音響空間を記憶する音響空間記憶手段と、
対象話者の音声データを取得する音声データ取得手段と、
前記音声データ取得手段によって取得された前記対象話者の音声データと前記音響空間記憶手段が記憶する音響空間内の前記複数のパターンモデルとに基づき、前記音響空間内における、前記対象話者の音声データの位置を算出する位置算出手段と、
前記位置算出手段によって算出された前記位置に基づき、前記対象話者の音声データの価値を評価する音声データ評価手段と、
前記音声データ評価手段の評価結果を表示する評価結果表示手段と、
前記算出された位置に基づき、前記音響空間内における、前記音声データとその周辺のパターンモデルとの位置関係を示す情報を表示する位置関係情報表示手段と、を備えることを特徴とするデータ処理装置。
【請求項３９】
前記音声データ評価手段は、前記位置算出手段によって算出された前記対象話者の音声データの位置から所定距離の範囲内に存在する前記パターンモデルの数に基づき、前記音声データの価値を評価することを特徴とする請求の範囲第３８項記載のデータ処理装置。
【請求項４０】
前記所定距離は、段階的に設定されており、
前記音声データ評価手段は、各段階毎に設定された各距離範囲内における前記パターンモデルの数に基づき、前記音声データの価値を評価することを特徴とする請求の範囲第３９項記載のデータ処理装置。
【請求項４１】
前記音声データ評価手段は、前記位置算出手段によって算出された前記位置に基づき、前記複数のパターンモデルのうち、前記対象話者の音声データの特徴と類似した特徴を有するパターンモデルを、前記対象話者のパターンモデルとして前記評価に用いることを特徴とする請求の範囲第３８項乃至請求の範囲第４０項のいずれか１項に記載のデータ処理装置。
【請求項４２】
前記音声データ評価手段は、前記複数のパターンモデルのうち、前記対象話者の音声データの特徴と類似した特徴を有する上位いくつかのパターンモデルを、前記対象話者のパターンモデルとして前記評価に用いることを特徴とする請求の範囲第４１項記載のデータ処理装置。
【請求項４３】
前記位置算出手段は、前記音声データ取得手段によって取得された音声データを高次元の特徴量データに変換し、当該特徴量データと前記複数話者の複数のパターンモデルとに基づき、前記特徴量データと各パターンモデルとの尤度を算出し、当該算出された尤度に基づき前記複数話者の複数のパターンモデルの中から特定のパターンモデルを選択し、当該選択された特定のパターンモデルと他のパターンモデルとの相互間の数学的距離を算出し、当該算出された数学的距離に基づき、前記音響空間内における、前記取得された音声データの位置を算出することを特徴とする請求の範囲第４１項又は請求の範囲第４２項記載のデータ処理装置。
【請求項４４】
前記位置算出手段は、前記音声データ取得手段によって取得された音声データを高次元の特徴量データに変換し、当該特徴量データに基づき対象話者用のパターンモデルを生成し、当該生成されたパターンモデルと前記複数話者の複数のパターンモデルとの相互間の数学的距離を算出し、当該算出された数学的距離に基づき、前記音響空間内における、前記取得された音声データの位置を算出することを特徴とする請求の範囲第３８項乃至請求の範囲第４０項のいずれか１項に記載のデータ処理装置。
【請求項４５】
前記パターンモデルは、４次元以上の高次元の要素から構成されており、
前記位置関係情報表示手段は、前記対象話者の音声データに対応するパターンモデルを含む前記音響空間内の複数のパターンモデルを、これらの距離関係を維持した状態で、これより低次元のパターンモデルに変換し、当該変換後のパターンモデルを低次元空間上の座標点として表示することを特徴とする請求の範囲第４３項又は請求の範囲第４４項記載のデータ処理装置。
【請求項４６】
前記パターンモデルをＨＭＭ（Ｈｉｄｄｅｎ Ｍａｒｋｏｖ Ｍｏｄｅｌ）により構成したことを特徴とする請求の範囲第３８項乃至請求の範囲第４５項のいずれか１項に記載のデータ処理装置。
【請求項４７】
前記音声データ評価手段は、前記対象話者の音声データにおける音素毎の価値を評価するようになっており、
前記評価結果表示手段は、前記対象話者の音声データの音素毎の評価結果を表示することを特徴とする請求の範囲第３８項乃至請求の範囲第４６項のいずれか１項に記載のデータ処理装置。
【請求項４８】
前記評価結果表示手段は、前記音声データ評価手段によって前記対象話者の音声データの価値が低いと評価された場合に、その音声データに対する補正情報を表示することを特徴とする請求の範囲第３８項乃至請求の範囲第４７項のいずれか１項に記載のデータ処理装置。
【請求項４９】
前記対象話者との間で前記音声データの提供可否に関する交渉を行うための交渉手段と、
前記交渉手段によって交渉が成立した前記音声データを記憶する音声データ記憶手段と、を備えることを特徴とする請求の範囲第３８項乃至請求の範囲第４８項のいずれか１項に記載のデータ処理装置。
【請求項５０】
対象話者の管理下にある情報処理端末と、
請求の範囲第３８項乃至請求の範囲第４９項のいずれか１項に記載のデータ処理装置と、を備え、
前記情報処理端末と前記データ処理装置とを互いにデータ通信可能に接続し、
前記情報処理端末は、前記対象話者の音声データを取得し、当該取得した音声データを前記データ処理装置に送信する音声データ送信手段と、前記データ処理装置から取得した、前記対象話者の音声データの評価結果に係る情報を表示する評価情報表示手段と、を備え、
前記データ処理装置は、前記評価結果に係る情報を前記情報処理端末に送信する評価情報送信手段を備えることを特徴とするデータ処理システム。
【請求項５１】
複数話者の音声データから生成された複数のパターンモデルによって構成された音響空間を用意し、
対象話者の音声データを取得し、
前記取得された前記対象話者の音声データと前記音響空間内の前記複数のパターンモデルとに基づき、前記音響空間内における、前記対象話者の音声データの位置を算出し、
前記算出された前記位置に基づき、前記対象話者の音声データの価値を評価し、当該評価結果を表示することを特徴とするデータ処理方法。
【請求項５２】
請求の範囲第３８項記載のデータ処理装置を制御するためのコンピュータが実行可能なプログラムであって、
複数話者の音声データから生成された複数のパターンモデルによって構成された音響空間を記憶する音響空間記憶ステップと、
対象話者の音声データを取得する音声データ取得ステップと、
前記音声データ取得ステップにおいて取得された前記対象話者の音声データと、前記音響空間記憶ステップにおいて記憶された音響空間内の前記複数のパターンモデルとに基づき、前記音響空間内における、前記対象話者の音声データの位置を算出する位置算出ステップと、
前記位置算出ステップにおいて算出された前記位置に基づき、前記対象話者の音声データの価値を評価する音声データ評価ステップと、
前記音声データ評価ステップによる評価結果を表示する評価結果表示ステップと、を備えることを特徴とするデータ処理装置制御プログラム。
【請求項５３】
請求の範囲第５０項記載のデータ処理システムに適用可能な前記データ処理装置であって、
複数話者の音声データから生成された複数のパターンモデルによって構成された音響空間を記憶する音響空間記憶手段と、
対象話者の音声データを取得する音声データ取得手段と、
前記音声データ取得手段によって取得された前記対象話者の音声データと前記音響空間記憶手段の記憶する音響空間内の前記複数のパターンモデルとに基づき、前記音響空間内における、前記対象話者の音声データの位置を算出する位置算出手段と、
前記位置算出手段によって算出された前記位置に基づき、前記対象話者の音声データの価値を評価する音声データ評価手段と、
前記音声データ評価手段の評価結果を表示する評価結果表示手段と、
前記算出された位置に基づき、前記音響空間内における、前記音声データとその周辺のパターンモデルとの位置関係を示す情報を表示する位置関係情報表示手段と、
前記評価結果に係る情報を前記情報処理端末に送信する評価情報送信手段と、を備えることを特徴とするデータ処理装置。
【請求項５４】
請求の範囲第５０項記載のデータ処理システムに適用可能な前記情報処理端末であって、
前記対象話者の音声データを取得し、当該取得した音声データを前記データ処理装置に送信する音声データ送信手段と、
前記データ処理装置から取得した、前記対象話者の音声データの評価結果に係る情報を表示する評価情報表示手段と、を備えることを特徴とする情報処理端末。
【請求項５５】
請求の範囲第５３項記載のデータ処理装置を制御するためのコンピュータが実行可能なプログラムであって、
前記データ処理装置は、複数話者の音声データから生成された複数のパターンモデルによって構成された音響空間を備えており、
対象話者の音声データを取得する音声データ取得ステップと、
前記音声データ取得ステップにおいて取得された前記対象話者の音声データと前記音響空間内の前記複数のパターンモデルとに基づき、前記音響空間内における、前記対象話者の音声データの位置を算出する位置算出ステップと、
前記位置算出ステップにおいて算出された前記位置に基づき、前記対象話者の音声データの価値を評価する音声データ評価ステップと、
前記音声データ評価ステップによる評価結果を表示する評価結果表示ステップと、
前記算出された位置に基づき、前記音響空間内における、前記音声データとその周辺のパターンモデルとの位置関係を示す情報を表示する位置関係情報表示ステップと、
前記評価結果に係る情報を前記情報処理端末に送信する評価情報送信ステップと、を備えることを特徴とするデータ処理装置制御プログラム。
【請求項５６】
請求の範囲第５４項記載の情報処理端末を制御するためのコンピュータが実行可能なプログラムであって、
前記対象話者の音声データを取得し、当該取得した音声データを前記データ処理装置に送信する音声データ送信ステップと、
前記データ処理装置から取得した、前記対象話者の音声データの評価結果に係る情報を表示する評価情報表示ステップと、を備えることを特徴とする情報処理端末制御プログラム。
【請求項５７】
複数話者の音声データから生成された複数のパターンモデルによって構成された音響空間を記憶する音響空間記憶手段と、
対象話者の音声データを取得する音声データ取得手段と、
前記対象話者の音声データと前記音響空間内の前記複数のパターンモデルとに基づき、前記音響空間内における、前記対象話者の音声データの位置を算出する位置算出手段と、
前記位置と前記複数のパターンモデルとに基づき、前記複数話者の中から前記対象話者の音声と類似した音声を有する類似話者を検出する類似話者検出手段と、
前記位置と前記類似話者のパターンモデルとに基づき、前記音響空間内における、前記対象話者の音声データと前記類似話者のパターンモデルとの位置関係を示す情報を表示する位置関係情報表示手段と、を備えることを特徴とするデータ処理装置。
【請求項５８】
前記複数話者の中から特定話者を指定する特定話者指定手段と、
前記位置と前記音響空間内における前記特定話者のパターンモデルとに基づき、前記特定話者の音声と前記対象話者の音声との類似性を評価する類似性評価手段と、
前記類似性評価手段の評価結果を表示する評価結果表示手段と、を備え、
前記位置関係情報表示手段は、前記位置と前記特定話者のパターンモデルとに基づき、前記音響空間内における、前記対象話者の音声データと前記特定話者のパターンモデルとの位置関係を示す情報を表示するようになっていることを特徴とする請求の範囲第５７項記載のデータ処理装置。
【請求項５９】
複数話者の音声データから生成された複数のパターンモデルによって構成された音響空間を記憶する音響空間記憶手段と、
前記複数話者の中から特定話者を指定する特定話者指定手段と、
対象話者の音声データを取得する音声データ取得手段と、
前記対象話者の音声データと前記複数のパターンモデルとに基づき、前記音響空間内における、前記対象話者の音声データの位置を算出する位置算出手段と、
前記位置と前記特定話者のパターンモデルとに基づき、前記特定話者の音声と前記対象話者の音声との類似性を評価する類似性評価手段と、
前記類似性評価手段の評価結果を表示する評価結果表示手段と、
前記位置と前記特定話者のパターンモデルとに基づき、前記音響空間内における、前記対象話者の音声データと前記特定話者のパターンモデルとの位置関係を示す情報を表示する位置関係情報表示手段と、を備えることを特徴とするデータ処理装置。
【請求項６０】
前記類似性評価手段の評価結果に基づき、前記対象話者の音声と前記特定話者の音声との類似性を高めるための前記対象話者の音声に対する矯正内容を示す矯正情報を生成する矯正情報生成手段と、
前記矯正情報を表示する矯正情報表示手段と、を備えることを特徴とする請求の範囲第５８項又は請求の範囲第５９項記載のデータ処理装置。
【請求項６１】
前記類似話者検出手段は、前記位置に基づき、前記複数のパターンモデルのうち、前記対象話者の音声データの特徴と類似した特徴を有するパターンモデルを、前記対象話者のパターンモデルとして用い、
前記類似性評価手段は、前記位置に基づき、前記複数のパターンモデルのうち、前記対象話者の音声データの特徴と類似した特徴を有するパターンモデルを、前記対象話者のパターンモデルとして用いることを特徴とする請求の範囲第５９項記載のデータ処理装置。
【請求項６２】
前記類似話者検出手段は、前記位置に基づき、前記複数のパターンモデルのうち、前記対象話者の音声データの特徴と類似した特徴を有する上位いくつかのパターンモデルを、前記対象話者のパターンモデルとして用い、
前記類似性評価手段は、前記位置に基づき、前記複数のパターンモデルのうち、前記対象話者の音声データの特徴と類似した特徴を有する上位いくつかのパターンモデルを、前記対象話者のパターンモデルとして用いることを特徴とする請求の範囲第５９項記載のデータ処理装置。
【請求項６３】
前記位置算出手段は、前記音声データ取得手段によって取得された音声データを高次元の特徴量データに変換し、当該特徴量データと前記複数話者の複数のパターンモデルとに基づき、前記特徴量データと各パターンモデルとの尤度を算出し、当該算出された尤度に基づき前記複数話者の複数のパターンモデルの中から特定のパターンモデルを選択し、当該選択された特定のパターンモデルと他のパターンモデルとの相互間の数学的距離を算出し、当該算出された数学的距離に基づき、前記音響空間内における、前記取得された音声データの位置を算出することを特徴とする請求の範囲第６１項又は至請求の範囲第６２項記載のデータ処理装置。
【請求項６４】
前記位置算出手段は、前記音声データ取得手段によって取得された音声データを高次元の特徴量データに変換し、当該特徴量データに基づき対象話者用のパターンモデルを生成し、当該生成されたパターンモデルと前記複数話者の複数のパターンモデルとの相互間の数学的距離を算出し、当該算出された数学的距離に基づき、前記音響空間内における、前記取得された音声データの位置を算出することを特徴とする請求の範囲第５７項乃至請求の範囲第６０項のいずれか１項に記載のデータ処理装置。
【請求項６５】
前記パターンモデルは、４次元以上の高次元の要素から構成されており、
前記位置関係情報表示手段は、前記対象話者の音声データに対応するパターンモデルを含む前記音響空間内の複数のパターンモデルを、これらの距離関係を維持した状態で、これより低次元のパターンモデルに変換し、当該変換後のパターンモデルを低次元空間上の座標点として表示することを特徴とする請求の範囲第６３項又は請求の範囲第６４項記載のデータ処理装置。
【請求項６６】
前記類似性評価手段は、前記対象話者の音声データにおける音素毎の類似性を評価するようになっていることを特徴とする請求の範囲第５８項乃至請求の範囲第６５項のいずれか１項に記載のデータ処理装置。
【請求項６７】
前記音響空間は、複数種類の発話様式によりそれぞれ発声された前記複数話者の音声データより生成された複数のパターンモデルから構成されており、
前記類似性評価手段は、前記発話様式の種類毎に、前記類似性の評価を行うようになっていることを特徴とする請求の範囲第５８項乃至請求の範囲第６６項のいずれか１項に記載のデータ処理装置。
【請求項６８】
前記位置関係表示手段は、前記複数のパターンモデルにそれぞれ対応した前記発話様式に基づき、前記低次元空間の座標軸を設定するようになっていることを特徴とする請求の範囲第６７項記載のデータ処理装置。
【請求項６９】
前記パターンモデルをＨＭＭ（Ｈｉｄｄｅｎ Ｍａｒｋｏｖ Ｍｏｄｅｌ）により構成したことを特徴とする請求の範囲第５７項乃至請求の範囲第６８項のいずれか１項に記載のデータ処理装置。
【請求項７０】
対象話者の管理下にある情報処理端末と、
請求の範囲第５７項乃至請求の範囲第６９項のいずれか１項に記載のデータ処理装置と、を備え、
前記情報処理端末と前記データ処理装置とを互いにデータ通信可能に接続し、
前記情報処理端末は、前記対象話者の音声データを取得し、当該取得した音声データを前記データ処理装置に送信する音声データ送信手段と、前記データ処理装置から取得した前記音声データの処理結果に係る情報を表示する情報表示手段と、を備え、
前記データ処理装置は、前記音声データの処理結果に係る情報を前記情報処理端末に送信する情報送信手段を備えることを特徴とするデータ処理システム。
【請求項７１】
複数話者の音声データから生成された複数のパターンモデルによって構成された音響空間を用意し、
対象話者の音声データを取得し、
前記対象話者の音声データと前記音響空間内の前記複数のパターンモデルとに基づき、前記音響空間内における、前記対象話者の音声データの位置を算出し、
前記位置と前記複数のパターンモデルとに基づき、前記複数話者の中から前記対象話者の音声と類似した音声を有する類似話者を検出し、
前記位置と前記類似話者のパターンモデルとに基づき、前記音響空間内における、前記対象話者の音声データと前記類似話者のパターンモデルとの位置関係を示す情報を表示することを特徴とするデータ処理方法。
【請求項７２】
前記複数話者の中から特定話者を指定し、
前記位置と前記音響空間内における前記特定話者のパターンモデルとに基づき、前記特定話者の音声と前記対象話者の音声との類似性を評価し、
前記評価結果を表示することを特徴とする請求の範囲第７１項記載のデータ処理方法。
【請求項７３】
複数話者の音声データから生成された複数のパターンモデルによって構成された音響空間を用意し、
前記複数話者の中から特定話者を指定し、
対象話者の音声データを取得し、
前記対象話者の音声データと前記複数のパターンモデルとに基づき、前記音響空間内における、前記対象話者の音声データの位置を算出し、
前記位置と前記特定話者のパターンモデルとに基づき、前記特定話者の音声と前記対象話者の音声との類似性を評価し、
前記評価結果を表示し、
前記位置と前記特定話者のパターンモデルとに基づき、前記音響空間内における、前記対象話者の音声データと前記特定話者のパターンモデルとの位置関係を示す情報を表示することを特徴とするデータ処理装置。
【請求項７４】
複数話者の音声データから生成された複数のパターンモデルによって構成された音響空間を記憶する音響空間記憶ステップと、
対象話者の音声データを取得する音声データ取得ステップと、
前記対象話者の音声データと前記音響空間内の前記複数のパターンモデルとに基づき、前記音響空間内における、前記対象話者の音声データの位置を算出する位置算出ステップと、
前記位置と前記複数のパターンモデルとに基づき、前記複数話者の中から前記対象話者の音声と類似した音声を有する類似話者を検出する類似話者検出ステップと、
前記位置と前記類似話者のパターンモデルとに基づき、前記音響空間内における、前記対象話者の音声データと前記類似話者のパターンモデルとの位置関係を示す情報を表示する位置関係情報表示ステップと、
特定話者を指定する特定話者指定ステップと、
前記位置と前記音響空間内における前記特定話者のパターンモデルとに基づき、前記特定話者の音声と前記対象話者の音声との類似性を評価する類似性評価ステップと、
前記類似性評価ステップによる評価結果を表示する評価結果表示ステップと、を備え、
前記位置関係情報表示ステップにおいては、前記位置と前記特定話者のパターンモデルとに基づき、前記音響空間内における、前記対象話者の音声データと前記特定話者のパターンモデルとの位置関係を示す情報を表示するようになっていることを特徴とするデータ処理装置制御プログラム。
【請求項７５】
複数話者の音声データから生成された複数のパターンモデルによって構成された音響空間を記憶する音響空間記憶ステップと、
前記複数話者の中から特定話者を指定する特定話者指定ステップと、
対象話者の音声データを取得する音声データ取得ステップと、
前記対象話者の音声データと前記複数のパターンモデルとに基づき、前記音響空間内における、前記対象話者の音声データの位置を算出する位置算出ステップと、
前記位置と前記特定話者のパターンモデルとに基づき、前記特定話者の音声と前記対象話者の音声との類似性を評価する類似性評価ステップと、
前記類似性評価ステップによる評価結果を表示する評価結果表示ステップと、
前記位置と前記特定話者のパターンモデルとに基づき、前記音響空間内における、前記対象話者の音声データと前記特定話者のパターンモデルとの位置関係を示す情報を表示する位置関係情報表示ステップと、を備えることを特徴とするデータ処理装置制御プログラム。
【請求項１】
複数対象に係る複数の所定データを、複数の特定条件に基づき、複数のグループに分類するデータ分類手段と、
前記データ分類手段によって分類された前記所定データに基づき、当該所定データの各グループ毎に４次元以上の高次元の要素を有する複数のパターンモデルを生成するパターンモデル生成手段と、
前記パターンモデル生成手段によって各グループ毎に生成されたパターンモデルの各パターンモデル相互間の数学的距離を算出する数学的距離算出手段と、
前記数学的距離算出手段によって算出された前記数学的距離に基づき、前記各パターンモデル相互間の距離関係を保持しながら、前記複数のパターンモデルをこれより低次元の同数のパターンモデル対応低次元ベクトルへと変換するパターンモデル変換手段と、
前記複数のパターンモデル対応低次元ベクトルを、低次元の要素の値に基づき、前記距離関係を保持した状態で、前記パターンモデル対応低次元ベクトルと同じ次元の低次元空間上の座標点として表示するパターンモデル対応低次元ベクトル表示手段と、を備えることを特徴とするデータ処理装置。
【請求項２】
前記複数対象に係る複数の所定データは、音声データ、生活周囲音データ、鳴声データ、画像データ、赤外線データ及び加速度データのいずれか１つであることを特徴とする請求の範囲第１項記載のデータ処理装置。
【請求項３】
前記複数対象に係る複数の所定データは、複数話者の発声した複数の音声のデータであり、
前記複数の特定条件は、少なくとも、話者の種類、発話語彙、発話様式及び発話環境を含むことを特徴とする請求の範囲第１項記載のデータ処理装置。
【請求項４】
前記データ分類手段は、前記複数の特定条件をそれぞれ任意に組み合わせた各組毎に前記グループを形成することを特徴とする請求の範囲第１項又は請求の範囲第２項記載のデータ処理装置。
【請求項５】
前記パターンモデルは、ＨＭＭ（Ｈｉｄｄｅｎ Ｍａｒｋｏｖ Ｍｏｄｅｌ）によって生成されることを特徴とする請求の範囲第１項乃至請求の範囲第３項のいずれか１項に記載のデータ処理装置。
【請求項６】
前記数学的距離算出手段は、前記ＨＭＭによって生成された、前記パターンモデルの正規分布の平均ベクトルに基づくユークリッド距離、前記パターンモデルの正規分布の標準偏差により正規化された当該パターンモデルの正規分布の平均ベクトルに基づくユークリッド距離、及び、前記パターンモデルの正規分布に基づくバタチャリア距離のいずれか１つを用いて前記数学的距離を算出することを特徴とする請求の範囲第５項記載のデータ処理装置。
【請求項７】
前記パターンモデル変換手段は、Ｓａｍｍｏｎ法を用いて、前記パターンモデルを前記パターンモデル対応低次元ベクトルへと変換することを特徴とする請求の範囲第１項乃至請求の範囲第６項のいずれか１項に記載のデータ処理装置。
【請求項８】
前記パターンモデル対応低次元ベクトル表示手段によって前記低次元空間上に表示される前記複数のパターンモデル対応低次元ベクトルの座標点を、前記低次元空間上において複数の領域に自動的に区分する領域区分手段を備えることを特徴とする請求の範囲第１項乃至請求の範囲第７項のいずれか１項に記載のデータ処理装置。
【請求項９】
前記領域区分手段は、前記複数のパターンモデル対応低次元ベクトルを、当該全パターンモデル対応低次元ベクトルの座標点の重心を中心とし且つ前記重心と当該重心から最も離れた位置のパターンモデル対応低次元ベクトルの座標点との距離を半径とした１つの外円と、前記重心を中心とし且つ前記外円よりも小さな半径のｎ個の内円（ｎは１以上の整数）と、により区分し、更に、前記外円及び内円からなる複数の同心円同士の各外周間に形成される環状の領域を、半径方向に伸びる線によって複数に区分することを特徴とする請求の範囲第８項記載のデータ処理装置。
【請求項１０】
前記領域区分手段によって自動区分された区分内容を変更する区分内容変更手段を備えることを特徴とする請求の範囲第８項又は請求の範囲第９項記載のデータ処理装置。
【請求項１１】
前記領域区分手段によって区分された各領域毎に複数の前記パターンモデル対応低次元ベクトルを選択可能な領域選択手段と、当該領域選択手段によって選択された領域内にある前記複数のパターンモデル対応低次元ベクトルにそれぞれ対応する前記パターンモデルに係る、前記所定データに基づき、前記パターンモデルを生成する領域パターンモデル生成手段と、を備えることを特徴とする請求の範囲第８項乃至請求の範囲第１０項のいずれか１項に記載のデータ処理装置。
【請求項１２】
請求の範囲第１項記載のデータ処理装置を制御するためのコンピュータが実行可能なプログラムであって、
複数対象に係る複数の所定データを、複数の特定条件に基づき、複数のグループに分類するデータ分類ステップと、
前記データ分類ステップにおいて分類された前記所定データに基づき、当該所定データの各グループ毎に４次元以上の高次元の要素を有する複数のパターンモデルを生成するパターンモデル生成ステップと、
前記パターンモデル生成ステップにおいて各グループ毎に生成されたパターンモデルの各パターンモデル相互間の数学的距離を算出する数学的距離算出ステップと、
前記数学的距離算出ステップにおいて算出された前記数学的距離に基づき、前記各パターンモデル相互間の距離関係を保持しながら、前記複数のパターンモデルをこれより低次元の同数のパターンモデル対応低次元ベクトルへと変換するパターンモデル変換ステップと、
前記複数のパターンモデル対応低次元ベクトルを、低次元の要素の値に基づき、前記距離関係を保持した状態で、前記パターンモデル対応低次元ベクトルと同じ次元の低次元空間上の座標点として表示するパターンモデル対応低次元ベクトル表示ステップと、を備えることを特徴とするデータ処理装置制御プログラム。
【請求項１３】
前記パターンモデル対応低次元ベクトル表示ステップにおいて低次元空間上に表示される前記複数のパターンモデル対応低次元ベクトルを、前記低次元空間上において複数の領域に自動的に区分する領域区分ステップと、
前記領域区分ステップによって自動区分された区分内容を変更する区分内容変更ステップと、
前記領域区分ステップによって区分された各領域毎に複数の前記パターンモデル対応低次元ベクトルを選択する領域選択ステップと、
前記領域選択ステップによって選択された領域内の前記パターンモデル対応低次元ベクトルに対応する前記パターンモデルに係る、前記所定データに基づき、選択領域に対応した前記パターンモデルを生成する領域パターンモデル生成ステップと、を備えることを特徴とする請求の範囲第１２項記載のデータ処理装置制御プログラム。
【請求項１４】
請求の範囲第１項乃至請求の範囲第７項のいずれか１項に記載のデータ処理装置によって表示された前記低次元空間上の座標点を、前記低次元空間上において複数の領域に自動的に区分する領域区分手段と、
前記区分された領域内に含まれる前記パターンモデル対応低次元ベクトルの座標点に対応する所定データに基づき、各領域毎のパターンモデルを生成する領域パターンモデル生成手段と、
新規対象に係る所定データを取得する所定データ取得手段と、
前記取得した所定データに対する前記区分された各領域に対応した領域パターンモデルの尤度を算出し、当該算出した尤度に基づき前記新規対象の所定データの認識に適した認識性能の領域パターンモデルを探索する領域パターンモデル探索手段と、を備えることを特徴とするパターンモデル探索装置。
【請求項１５】
請求の範囲第１４項記載のパターンモデル探索装置を制御するためのコンピュータが実行可能なプログラムであって、
請求の範囲第１項乃至請求の範囲第７項のいずれか１項に記載の音声データ処理装置によって表示された前記低次元空間上の座標点を、前記低次元空間上において複数の領域に自動的に区分する領域区分ステップと、
前記区分された領域内に含まれる前記パターンモデル対応低次元ベクトルの座標点に対応する音声データに基づき、各領域毎のパターンモデルを生成する領域パターンモデル生成ステップと、
新規対象に係る所定データを取得する所定データ取得ステップと、
前記取得した所定データに対する前記区分された各領域に対応した領域パターンモデルの尤度を算出し、当該算出した尤度に基づき前記新規対象の所定データの認識に適した認識性能の領域パターンモデルを探索する領域パターンモデル探索ステップと、を備えることを特徴とするパターンモデル探索装置制御プログラム。
【請求項１６】
複数対象に係る複数の所定データを、複数の特定条件に基づき、複数のグループに分類するデータ分類手段と、
前記データ分類手段によって分類された前記所定データに基づき、当該所定データの各グループ毎に４次元以上の高次元の要素を有する複数のパターンモデルを生成するパターンモデル生成手段と、
前記パターンモデル生成手段によって各グループ毎に生成されたパターンモデルの各パターンモデル相互間の数学的距離を算出する数学的距離算出手段と、
前記数学的距離算出手段によって算出された前記数学的距離に基づき、前記各パターンモデル相互間の距離関係を保持しながら、前記複数のパターンモデルをこれより低次元の同数のパターンモデル対応低次元ベクトルへと変換するパターンモデル変換手段と、
前記複数のパターンモデル対応低次元ベクトルを、低次元の要素の値に基づき、前記距離関係を保持した状態で、前記パターンモデル対応低次元ベクトルと同じ次元の低次元空間上の座標点として表示するパターンモデル対応低次元ベクトル表示手段と、を備え、
前記数学的距離算出手段は、前記数学的距離の算出において、前記複数対象に係る複数の所定データにおける各パターン単位の出現頻度を用いることを特徴とするデータ処理装置。
【請求項１７】
前記パターン単位の出現頻度は、前記複数の所定データに対する前記パターンモデルを用いたパターン認識における前記複数対象に係る複数の所定データのうち、認識性能が所定の閾値より低いパターン単位の出現頻度であることを特徴とする請求の範囲第１６項記載のデータ処理装置。
【請求項１８】
複数対象に係る複数の所定データを、複数の特定条件に基づき、複数のグループに分類するデータ分類手段と、
前記データ分類手段によって分類された前記所定データに基づき、当該所定データの各グループ毎に４次元以上の高次元の要素を有する複数のパターンモデルを生成するパターンモデル生成手段と、
前記パターンモデル生成手段によって各グループ毎に生成されたパターンモデルの各パターンモデル相互間の数学的距離を算出する数学的距離算出手段と、
前記数学的距離算出手段によって算出された前記数学的距離に基づき、前記各パターンモデル相互間の距離関係を保持しながら、前記複数のパターンモデルをこれより低次元の同数のパターンモデル対応低次元ベクトルへと変換するパターンモデル変換手段と、
前記複数のパターンモデル対応低次元ベクトルを、低次元の要素の値に基づき、前記距離関係を保持した状態で、前記パターンモデル対応低次元ベクトルと同じ次元の低次元空間上の座標点として表示するパターンモデル対応低次元ベクトル表示手段と、
前記パターンモデル対応低次元ベクトル表示手段によって前記低次元空間上に表示される前記複数のパターンモデル対応低次元ベクトルの座標点を、前記低次元空間上において複数の領域に自動的に区分する領域区分手段と、
前記区分された領域内に含まれる前記パターンモデル対応低次元ベクトルの座標点に対応する所定データに基づき、各領域毎の領域パターンモデルを生成する領域パターンモデル生成手段と、
新規対象に係る所定データを取得する所定データ取得手段と、
前記取得した所定データに対する前記区分された各領域に対応した領域パターンモデルの尤度を算出し、当該算出した尤度に基づき、前記領域パターンモデル生成手段によって生成された領域パターンモデルの中から前記新規対象の所定データの認識に適した認識性能の領域パターンモデルを探索する領域パターンモデル探索手段と、を備えることを特徴とするデータ処理装置。
【請求項１９】
前記数学的距離算出手段は、前記数学的距離の算出において、前記複数対象に係る複数の所定データにおける各パターン単位の出現頻度を用いることを特徴とする請求の範囲第１８項記載のデータ処理装置。
【請求項２０】
前記パターン単位の出現頻度は、前記複数対象に係る複数の所定データに対する前記パターンモデルを用いたパターン認識における前記複数対象に係る複数のパターン単位のうち、認識性能が所定の閾値より低いパターン単位の出現頻度であることを特徴とする請求の範囲第１９項記載のデータ処理装置。
【請求項２１】
前記領域区分手段は、前記複数のパターンモデル対応低次元ベクトルを、当該全パターンモデル対応低次元ベクトルの座標点の重心を中心とし且つ前記重心と当該重心から最も離れた位置のパターンモデル対応低次元ベクトルの座標点との距離を半径とした１つの外円と、前記重心を中心とし且つ前記外円よりも小さな半径のｎ個の内円（ｎは１以上の整数）と、により区分し、更に、前記外円及び内円からなる複数の同心円同士の各外周間に形成される環状の領域を、半径方向に伸びる線によって複数に区分することを特徴とする請求の範囲第１８乃至請求の範囲第２０項のいずれか１項に記載のデータ処理装置。
【請求項２２】
前記領域区分手段は、最内円から外円方向に向かう程、前記各環状の領域に含まれるパターンモデル対応低次元ベクトルを細かく区分することを特徴とする請求の範囲第２１項記載のデータ処理装置。
【請求項２３】
前記領域区分手段は、区分結果の各領域において、当該各領域に含まれるパターンモデル対応低次元ベクトルとこれと隣り合う領域に含まれるパターンモデル対応低次元ベクトルとの一部が重複するように領域を区分することを特徴とする請求の範囲第２１項又は請求の範囲第２２項記載のデータ処理装置。
【請求項２４】
前記領域パターンモデル探索手段は、前記区分結果の最内円から外円方向に向かって順に、前記取得した所定データに対する前記区分された領域に対応した領域パターンモデルの尤度を算出し、当該算出した尤度に基づき、前記領域パターンモデル生成手段によって生成された領域パターンモデルの中から前記新規対象の所定データの認識に適した認識性能の領域パターンモデルを探索することを特徴とする請求の範囲第２１項乃至請求の範囲第２３項のいずれか１項に記載のデータ処理装置。
【請求項２５】
前記領域パターンモデル探索手段は、前記取得した所定データに対する、最内円の領域に対応した領域パターンモデルの尤度を算出し、次に、最内円に隣接する環状の領域における各区分領域に対応した領域パターンモデルの尤度を算出し、当該算出した尤度のうち最も高い尤度の領域パターンモデルに対応する領域に隣接した外円方向の領域に対応した領域パターンモデルの尤度を算出し、以降は、外円方向に向かって順に、一つ内側の環状の領域において算出された尤度の最も高い領域パターンモデルの対応した領域に隣接する外円方向の領域に対応した領域パターンモデルの尤度を算出することを特徴とする請求の範囲第２４項に記載のデータ処理装置。
【請求項２６】
前記領域パターンモデル探索手段は、前記取得した所定データに対する、最内円の領域に対応した領域パターンモデルの尤度を算出し、次に、最内円に隣接する環状の領域における各区分領域に対応した領域パターンモデルの尤度を算出し、当該算出した尤度のうち上位ｍ個の尤度に対応する領域パターンモデル（ｍは２以上の整数）にそれぞれ対応する領域に隣接した外円方向の区分領域に対応した領域パターンモデルの尤度を算出し、以降は、外円方向に向かって順に、一つ内側の環状の領域において算出された尤度の最も高い領域パターンモデルの対応した領域に隣接する外円方向の領域に対応した領域パターンモデルの尤度を算出することを特徴とする請求の範囲第２４項に記載のデータ処理装置。
【請求項２７】
前記複数対象に係る複数の所定データは、複数話者の発声した複数の音声のデータであり、
前記複数の特定条件は、少なくとも、話者の種類、発話語彙、発話様式及び発話環境を含むことを特徴とする請求の範囲第１８項乃至請求の範囲第２６項のいずれか１項に記載のデータ処理装置。
【請求項２８】
前記データ分類手段は、前記複数の特定条件をそれぞれ任意に組み合わせた各組毎に前記グループを形成することを特徴とする請求の範囲第１８項乃至請求の範囲第２７項のいずれか１項に記載のデータ処理装置。
【請求項２９】
前記パターンモデルは、ＨＭＭ（Ｈｉｄｄｅｎ Ｍａｒｋｏｖ Ｍｏｄｅｌ）によって生成されることを特徴とする請求の範囲第１８項乃至請求の範囲第２８項のいずれか１項に記載のデータ処理装置。
【請求項３０】
前記数学的距離算出手段は、前記ＨＭＭによって生成された、前記パターンモデルの正規分布の平均ベクトルに基づくユークリッド距離、前記パターンモデルの正規分布の標準偏差により正規化された当該パターンモデルの正規分布の平均ベクトルに基づくユークリッド距離、及び、前記パターンモデルの正規分布に基づくバタチャリア距離のいずれか１つを用いて前記数学的距離を算出することを特徴とする請求の範囲第２９項記載のデータ処理装置。
【請求項３１】
前記パターンモデル変換手段は、Ｓａｍｍｏｎ法を用いて、前記パターンモデルを前記パターンモデル対応低次元ベクトルへと変換することを特徴とする請求の範囲第１８項乃至請求の範囲第３０項のいずれか１項に記載のデータ処理装置。
【請求項３２】
前記領域区分手段によって自動区分された区分内容を変更する区分内容変更手段を備えることを特徴とする請求の範囲第１８項乃至請求の範囲第３１項のいずれか記載のデータ処理装置。
【請求項３３】
前記領域パターンモデル探索手段によって探索された領域パターンモデルを新規対象の所定データに基づき、前記新規対象用に適応するパターンモデル適応手段を備えることを特徴とする請求の範囲第１８項乃至請求の範囲第３２項のいずれか１項に記載のデータ処理装置。
【請求項３４】
前記パターンモデル変換手段は、前記領域パターンモデル探索手段によって探索された領域パターンモデルに対応する領域内に含まれる前記複数のパターンモデル対応低次元ベクトルに対応する高次元パターンモデルを、前記パターンモデル対応低次元ベクトルに変換可能であり、
前記パターンモデル対応低次元ベクトル表示手段は、前記変換後のパターンモデル対応低次元ベクトルを、低次元の要素の値に基づき、前記距離関係を保持した状態で、前記パターンモデル対応低次元ベクトルと同じ次元の低次元空間上の座標点として表示可能であり、
前記領域区分手段は、前記低次元空間上に表示される前記複数のパターンモデル対応低次元ベクトルの座標点を、前記低次元空間上において複数の領域に自動的に区分可能であることを特徴とする請求の範囲第３３項記載のデータ処理装置。
【請求項３５】
請求の範囲第１６項記載のデータ処理装置を制御するためのコンピュータが実行可能なプログラムであって、
複数対象に係る複数の所定データを、複数の特定条件に基づき、複数のグループに分類するデータ分類ステップと、
前記データ分類ステップにおいて分類された前記所定データに基づき、当該所定データの各グループ毎に４次元以上の高次元の要素を有する複数のパターンモデルを生成するパターンモデル生成ステップと、
前記パターンモデル生成ステップにおいて各グループ毎に生成されたパターンモデルの各パターンモデル相互間の数学的距離を算出する数学的距離算出ステップと、
前記数学的距離算出ステップにおいて算出された前記数学的距離に基づき、前記各パターンモデル相互間の距離関係を保持しながら、前記複数のパターンモデルをこれより低次元の同数のパターンモデル対応低次元ベクトルへと変換するパターンモデル変換ステップと、
前記複数のパターンモデル対応低次元ベクトルを、低次元の要素の値に基づき、前記距離関係を保持した状態で、前記パターンモデル対応低次元ベクトルと同じ次元の低次元空間上の座標点として表示するパターンモデル対応低次元ベクトル表示ステップと、を備え、
前記数学的距離算出ステップにおいては、前記数学的距離の算出において、前記複数対象に係る複数の所定データにおける各パターン単位の出現頻度を用いることを特徴とするデータ処理装置制御プログラム。
【請求項３６】
請求の範囲第１８項記載のデータ処理装置を制御するためのコンピュータが実行可能なプログラムであって、
複数対象に係る複数の所定データを、複数の特定条件に基づき、複数のグループに分類するデータ分類ステップと、
前記データ分類ステップにおいて分類された前記所定データに基づき、当該所定データの各グループ毎に４次元以上の高次元の要素を有する複数のパターンモデルを生成するパターンモデル生成ステップと、
前記パターンモデル生成ステップにおいて各グループ毎に生成されたパターンモデルの各パターンモデル相互間の数学的距離を算出する数学的距離算出ステップと、
前記数学的距離算出ステップにおいて算出された前記数学的距離に基づき、前記各パターンモデル相互間の距離関係を保持しながら、前記複数のパターンモデルをこれより低次元の同数のパターンモデル対応低次元ベクトルへと変換するパターンモデル変換ステップと、
前記複数のパターンモデル対応低次元ベクトルを、低次元の要素の値に基づき、前記距離関係を保持した状態で、前記パターンモデル対応低次元ベクトルと同じ次元の低次元空間上の座標点として表示するパターンモデル対応低次元ベクトル表示ステップと、
前記パターンモデル対応低次元ベクトル表示ステップにおいて前記低次元空間上に表示される前記複数のパターンモデル対応低次元ベクトルの座標点を、前記低次元空間上において複数の領域に自動的に区分する領域区分ステップと、
前記区分された領域内に含まれる前記パターンモデル対応低次元ベクトルの座標点に対応する所定データに基づき、各領域毎のパターンモデルを生成する領域パターンモデル生成ステップと、
新規対象に係る所定データを取得する所定データ取得ステップと、
前記取得した所定データに対する前記区分された各領域に対応した前記領域パターンモデルの尤度を算出し、当該算出した尤度に基づき前記新規対象の所定データの認識に適した認識性能の領域パターンモデルを探索する領域パターンモデル探索ステップと、を備えることを特徴とするデータ処理装置制御プログラム。
【請求項３７】
システム利用者の管理下にある情報処理端末と、
請求の範囲第１８項乃至請求の範囲第３４項のいずれか１項に記載のデータ処理装置と、を備え、
前記情報処理端末及び前記データ処理装置を互いにデータ通信可能に接続し、
前記データ処理装置において、前記複数対象に係る複数の所定データは、複数話者の発声した複数の音声のデータであり、
前記情報処理端末は、
前記システム利用者の発声した音声のデータを取得し、当該取得した音声データを前記データ処理装置に送信する音声データ送信手段と、
前記データ処理装置から前記システム利用者の音声データをパターン認識するのに適した前記特定パターンモデルを取得する特定パターンモデル取得手段と、を備え、
前記データ処理装置は、
前記所定データ取得手段によって前記情報処理端末からの前記音声データを取得し、更に、当該取得した音声データに基づき前記システム利用者用の前記特定パターンモデルを生成するようになっており、
前記生成した特定パターンモデルを前記情報処理端末に送信する特定パターンモデル送信手段を更に備えることを特徴とする特定パターンモデル提供システム。
【請求項３８】
複数話者の音声データから生成された複数のパターンモデルによって構成された音響空間を記憶する音響空間記憶手段と、
対象話者の音声データを取得する音声データ取得手段と、
前記音声データ取得手段によって取得された前記対象話者の音声データと前記音響空間記憶手段が記憶する音響空間内の前記複数のパターンモデルとに基づき、前記音響空間内における、前記対象話者の音声データの位置を算出する位置算出手段と、
前記位置算出手段によって算出された前記位置に基づき、前記対象話者の音声データの価値を評価する音声データ評価手段と、
前記音声データ評価手段の評価結果を表示する評価結果表示手段と、
前記算出された位置に基づき、前記音響空間内における、前記音声データとその周辺のパターンモデルとの位置関係を示す情報を表示する位置関係情報表示手段と、を備えることを特徴とするデータ処理装置。
【請求項３９】
前記音声データ評価手段は、前記位置算出手段によって算出された前記対象話者の音声データの位置から所定距離の範囲内に存在する前記パターンモデルの数に基づき、前記音声データの価値を評価することを特徴とする請求の範囲第３８項記載のデータ処理装置。
【請求項４０】
前記所定距離は、段階的に設定されており、
前記音声データ評価手段は、各段階毎に設定された各距離範囲内における前記パターンモデルの数に基づき、前記音声データの価値を評価することを特徴とする請求の範囲第３９項記載のデータ処理装置。
【請求項４１】
前記音声データ評価手段は、前記位置算出手段によって算出された前記位置に基づき、前記複数のパターンモデルのうち、前記対象話者の音声データの特徴と類似した特徴を有するパターンモデルを、前記対象話者のパターンモデルとして前記評価に用いることを特徴とする請求の範囲第３８項乃至請求の範囲第４０項のいずれか１項に記載のデータ処理装置。
【請求項４２】
前記音声データ評価手段は、前記複数のパターンモデルのうち、前記対象話者の音声データの特徴と類似した特徴を有する上位いくつかのパターンモデルを、前記対象話者のパターンモデルとして前記評価に用いることを特徴とする請求の範囲第４１項記載のデータ処理装置。
【請求項４３】
前記位置算出手段は、前記音声データ取得手段によって取得された音声データを高次元の特徴量データに変換し、当該特徴量データと前記複数話者の複数のパターンモデルとに基づき、前記特徴量データと各パターンモデルとの尤度を算出し、当該算出された尤度に基づき前記複数話者の複数のパターンモデルの中から特定のパターンモデルを選択し、当該選択された特定のパターンモデルと他のパターンモデルとの相互間の数学的距離を算出し、当該算出された数学的距離に基づき、前記音響空間内における、前記取得された音声データの位置を算出することを特徴とする請求の範囲第４１項又は請求の範囲第４２項記載のデータ処理装置。
【請求項４４】
前記位置算出手段は、前記音声データ取得手段によって取得された音声データを高次元の特徴量データに変換し、当該特徴量データに基づき対象話者用のパターンモデルを生成し、当該生成されたパターンモデルと前記複数話者の複数のパターンモデルとの相互間の数学的距離を算出し、当該算出された数学的距離に基づき、前記音響空間内における、前記取得された音声データの位置を算出することを特徴とする請求の範囲第３８項乃至請求の範囲第４０項のいずれか１項に記載のデータ処理装置。
【請求項４５】
前記パターンモデルは、４次元以上の高次元の要素から構成されており、
前記位置関係情報表示手段は、前記対象話者の音声データに対応するパターンモデルを含む前記音響空間内の複数のパターンモデルを、これらの距離関係を維持した状態で、これより低次元のパターンモデルに変換し、当該変換後のパターンモデルを低次元空間上の座標点として表示することを特徴とする請求の範囲第４３項又は請求の範囲第４４項記載のデータ処理装置。
【請求項４６】
前記パターンモデルをＨＭＭ（Ｈｉｄｄｅｎ Ｍａｒｋｏｖ Ｍｏｄｅｌ）により構成したことを特徴とする請求の範囲第３８項乃至請求の範囲第４５項のいずれか１項に記載のデータ処理装置。
【請求項４７】
前記音声データ評価手段は、前記対象話者の音声データにおける音素毎の価値を評価するようになっており、
前記評価結果表示手段は、前記対象話者の音声データの音素毎の評価結果を表示することを特徴とする請求の範囲第３８項乃至請求の範囲第４６項のいずれか１項に記載のデータ処理装置。
【請求項４８】
前記評価結果表示手段は、前記音声データ評価手段によって前記対象話者の音声データの価値が低いと評価された場合に、その音声データに対する補正情報を表示することを特徴とする請求の範囲第３８項乃至請求の範囲第４７項のいずれか１項に記載のデータ処理装置。
【請求項４９】
前記対象話者との間で前記音声データの提供可否に関する交渉を行うための交渉手段と、
前記交渉手段によって交渉が成立した前記音声データを記憶する音声データ記憶手段と、を備えることを特徴とする請求の範囲第３８項乃至請求の範囲第４８項のいずれか１項に記載のデータ処理装置。
【請求項５０】
対象話者の管理下にある情報処理端末と、
請求の範囲第３８項乃至請求の範囲第４９項のいずれか１項に記載のデータ処理装置と、を備え、
前記情報処理端末と前記データ処理装置とを互いにデータ通信可能に接続し、
前記情報処理端末は、前記対象話者の音声データを取得し、当該取得した音声データを前記データ処理装置に送信する音声データ送信手段と、前記データ処理装置から取得した、前記対象話者の音声データの評価結果に係る情報を表示する評価情報表示手段と、を備え、
前記データ処理装置は、前記評価結果に係る情報を前記情報処理端末に送信する評価情報送信手段を備えることを特徴とするデータ処理システム。
【請求項５１】
複数話者の音声データから生成された複数のパターンモデルによって構成された音響空間を用意し、
対象話者の音声データを取得し、
前記取得された前記対象話者の音声データと前記音響空間内の前記複数のパターンモデルとに基づき、前記音響空間内における、前記対象話者の音声データの位置を算出し、
前記算出された前記位置に基づき、前記対象話者の音声データの価値を評価し、当該評価結果を表示することを特徴とするデータ処理方法。
【請求項５２】
請求の範囲第３８項記載のデータ処理装置を制御するためのコンピュータが実行可能なプログラムであって、
複数話者の音声データから生成された複数のパターンモデルによって構成された音響空間を記憶する音響空間記憶ステップと、
対象話者の音声データを取得する音声データ取得ステップと、
前記音声データ取得ステップにおいて取得された前記対象話者の音声データと、前記音響空間記憶ステップにおいて記憶された音響空間内の前記複数のパターンモデルとに基づき、前記音響空間内における、前記対象話者の音声データの位置を算出する位置算出ステップと、
前記位置算出ステップにおいて算出された前記位置に基づき、前記対象話者の音声データの価値を評価する音声データ評価ステップと、
前記音声データ評価ステップによる評価結果を表示する評価結果表示ステップと、を備えることを特徴とするデータ処理装置制御プログラム。
【請求項５３】
請求の範囲第５０項記載のデータ処理システムに適用可能な前記データ処理装置であって、
複数話者の音声データから生成された複数のパターンモデルによって構成された音響空間を記憶する音響空間記憶手段と、
対象話者の音声データを取得する音声データ取得手段と、
前記音声データ取得手段によって取得された前記対象話者の音声データと前記音響空間記憶手段の記憶する音響空間内の前記複数のパターンモデルとに基づき、前記音響空間内における、前記対象話者の音声データの位置を算出する位置算出手段と、
前記位置算出手段によって算出された前記位置に基づき、前記対象話者の音声データの価値を評価する音声データ評価手段と、
前記音声データ評価手段の評価結果を表示する評価結果表示手段と、
前記算出された位置に基づき、前記音響空間内における、前記音声データとその周辺のパターンモデルとの位置関係を示す情報を表示する位置関係情報表示手段と、
前記評価結果に係る情報を前記情報処理端末に送信する評価情報送信手段と、を備えることを特徴とするデータ処理装置。
【請求項５４】
請求の範囲第５０項記載のデータ処理システムに適用可能な前記情報処理端末であって、
前記対象話者の音声データを取得し、当該取得した音声データを前記データ処理装置に送信する音声データ送信手段と、
前記データ処理装置から取得した、前記対象話者の音声データの評価結果に係る情報を表示する評価情報表示手段と、を備えることを特徴とする情報処理端末。
【請求項５５】
請求の範囲第５３項記載のデータ処理装置を制御するためのコンピュータが実行可能なプログラムであって、
前記データ処理装置は、複数話者の音声データから生成された複数のパターンモデルによって構成された音響空間を備えており、
対象話者の音声データを取得する音声データ取得ステップと、
前記音声データ取得ステップにおいて取得された前記対象話者の音声データと前記音響空間内の前記複数のパターンモデルとに基づき、前記音響空間内における、前記対象話者の音声データの位置を算出する位置算出ステップと、
前記位置算出ステップにおいて算出された前記位置に基づき、前記対象話者の音声データの価値を評価する音声データ評価ステップと、
前記音声データ評価ステップによる評価結果を表示する評価結果表示ステップと、
前記算出された位置に基づき、前記音響空間内における、前記音声データとその周辺のパターンモデルとの位置関係を示す情報を表示する位置関係情報表示ステップと、
前記評価結果に係る情報を前記情報処理端末に送信する評価情報送信ステップと、を備えることを特徴とするデータ処理装置制御プログラム。
【請求項５６】
請求の範囲第５４項記載の情報処理端末を制御するためのコンピュータが実行可能なプログラムであって、
前記対象話者の音声データを取得し、当該取得した音声データを前記データ処理装置に送信する音声データ送信ステップと、
前記データ処理装置から取得した、前記対象話者の音声データの評価結果に係る情報を表示する評価情報表示ステップと、を備えることを特徴とする情報処理端末制御プログラム。
【請求項５７】
複数話者の音声データから生成された複数のパターンモデルによって構成された音響空間を記憶する音響空間記憶手段と、
対象話者の音声データを取得する音声データ取得手段と、
前記対象話者の音声データと前記音響空間内の前記複数のパターンモデルとに基づき、前記音響空間内における、前記対象話者の音声データの位置を算出する位置算出手段と、
前記位置と前記複数のパターンモデルとに基づき、前記複数話者の中から前記対象話者の音声と類似した音声を有する類似話者を検出する類似話者検出手段と、
前記位置と前記類似話者のパターンモデルとに基づき、前記音響空間内における、前記対象話者の音声データと前記類似話者のパターンモデルとの位置関係を示す情報を表示する位置関係情報表示手段と、を備えることを特徴とするデータ処理装置。
【請求項５８】
前記複数話者の中から特定話者を指定する特定話者指定手段と、
前記位置と前記音響空間内における前記特定話者のパターンモデルとに基づき、前記特定話者の音声と前記対象話者の音声との類似性を評価する類似性評価手段と、
前記類似性評価手段の評価結果を表示する評価結果表示手段と、を備え、
前記位置関係情報表示手段は、前記位置と前記特定話者のパターンモデルとに基づき、前記音響空間内における、前記対象話者の音声データと前記特定話者のパターンモデルとの位置関係を示す情報を表示するようになっていることを特徴とする請求の範囲第５７項記載のデータ処理装置。
【請求項５９】
複数話者の音声データから生成された複数のパターンモデルによって構成された音響空間を記憶する音響空間記憶手段と、
前記複数話者の中から特定話者を指定する特定話者指定手段と、
対象話者の音声データを取得する音声データ取得手段と、
前記対象話者の音声データと前記複数のパターンモデルとに基づき、前記音響空間内における、前記対象話者の音声データの位置を算出する位置算出手段と、
前記位置と前記特定話者のパターンモデルとに基づき、前記特定話者の音声と前記対象話者の音声との類似性を評価する類似性評価手段と、
前記類似性評価手段の評価結果を表示する評価結果表示手段と、
前記位置と前記特定話者のパターンモデルとに基づき、前記音響空間内における、前記対象話者の音声データと前記特定話者のパターンモデルとの位置関係を示す情報を表示する位置関係情報表示手段と、を備えることを特徴とするデータ処理装置。
【請求項６０】
前記類似性評価手段の評価結果に基づき、前記対象話者の音声と前記特定話者の音声との類似性を高めるための前記対象話者の音声に対する矯正内容を示す矯正情報を生成する矯正情報生成手段と、
前記矯正情報を表示する矯正情報表示手段と、を備えることを特徴とする請求の範囲第５８項又は請求の範囲第５９項記載のデータ処理装置。
【請求項６１】
前記類似話者検出手段は、前記位置に基づき、前記複数のパターンモデルのうち、前記対象話者の音声データの特徴と類似した特徴を有するパターンモデルを、前記対象話者のパターンモデルとして用い、
前記類似性評価手段は、前記位置に基づき、前記複数のパターンモデルのうち、前記対象話者の音声データの特徴と類似した特徴を有するパターンモデルを、前記対象話者のパターンモデルとして用いることを特徴とする請求の範囲第５９項記載のデータ処理装置。
【請求項６２】
前記類似話者検出手段は、前記位置に基づき、前記複数のパターンモデルのうち、前記対象話者の音声データの特徴と類似した特徴を有する上位いくつかのパターンモデルを、前記対象話者のパターンモデルとして用い、
前記類似性評価手段は、前記位置に基づき、前記複数のパターンモデルのうち、前記対象話者の音声データの特徴と類似した特徴を有する上位いくつかのパターンモデルを、前記対象話者のパターンモデルとして用いることを特徴とする請求の範囲第５９項記載のデータ処理装置。
【請求項６３】
前記位置算出手段は、前記音声データ取得手段によって取得された音声データを高次元の特徴量データに変換し、当該特徴量データと前記複数話者の複数のパターンモデルとに基づき、前記特徴量データと各パターンモデルとの尤度を算出し、当該算出された尤度に基づき前記複数話者の複数のパターンモデルの中から特定のパターンモデルを選択し、当該選択された特定のパターンモデルと他のパターンモデルとの相互間の数学的距離を算出し、当該算出された数学的距離に基づき、前記音響空間内における、前記取得された音声データの位置を算出することを特徴とする請求の範囲第６１項又は至請求の範囲第６２項記載のデータ処理装置。
【請求項６４】
前記位置算出手段は、前記音声データ取得手段によって取得された音声データを高次元の特徴量データに変換し、当該特徴量データに基づき対象話者用のパターンモデルを生成し、当該生成されたパターンモデルと前記複数話者の複数のパターンモデルとの相互間の数学的距離を算出し、当該算出された数学的距離に基づき、前記音響空間内における、前記取得された音声データの位置を算出することを特徴とする請求の範囲第５７項乃至請求の範囲第６０項のいずれか１項に記載のデータ処理装置。
【請求項６５】
前記パターンモデルは、４次元以上の高次元の要素から構成されており、
前記位置関係情報表示手段は、前記対象話者の音声データに対応するパターンモデルを含む前記音響空間内の複数のパターンモデルを、これらの距離関係を維持した状態で、これより低次元のパターンモデルに変換し、当該変換後のパターンモデルを低次元空間上の座標点として表示することを特徴とする請求の範囲第６３項又は請求の範囲第６４項記載のデータ処理装置。
【請求項６６】
前記類似性評価手段は、前記対象話者の音声データにおける音素毎の類似性を評価するようになっていることを特徴とする請求の範囲第５８項乃至請求の範囲第６５項のいずれか１項に記載のデータ処理装置。
【請求項６７】
前記音響空間は、複数種類の発話様式によりそれぞれ発声された前記複数話者の音声データより生成された複数のパターンモデルから構成されており、
前記類似性評価手段は、前記発話様式の種類毎に、前記類似性の評価を行うようになっていることを特徴とする請求の範囲第５８項乃至請求の範囲第６６項のいずれか１項に記載のデータ処理装置。
【請求項６８】
前記位置関係表示手段は、前記複数のパターンモデルにそれぞれ対応した前記発話様式に基づき、前記低次元空間の座標軸を設定するようになっていることを特徴とする請求の範囲第６７項記載のデータ処理装置。
【請求項６９】
前記パターンモデルをＨＭＭ（Ｈｉｄｄｅｎ Ｍａｒｋｏｖ Ｍｏｄｅｌ）により構成したことを特徴とする請求の範囲第５７項乃至請求の範囲第６８項のいずれか１項に記載のデータ処理装置。
【請求項７０】
対象話者の管理下にある情報処理端末と、
請求の範囲第５７項乃至請求の範囲第６９項のいずれか１項に記載のデータ処理装置と、を備え、
前記情報処理端末と前記データ処理装置とを互いにデータ通信可能に接続し、
前記情報処理端末は、前記対象話者の音声データを取得し、当該取得した音声データを前記データ処理装置に送信する音声データ送信手段と、前記データ処理装置から取得した前記音声データの処理結果に係る情報を表示する情報表示手段と、を備え、
前記データ処理装置は、前記音声データの処理結果に係る情報を前記情報処理端末に送信する情報送信手段を備えることを特徴とするデータ処理システム。
【請求項７１】
複数話者の音声データから生成された複数のパターンモデルによって構成された音響空間を用意し、
対象話者の音声データを取得し、
前記対象話者の音声データと前記音響空間内の前記複数のパターンモデルとに基づき、前記音響空間内における、前記対象話者の音声データの位置を算出し、
前記位置と前記複数のパターンモデルとに基づき、前記複数話者の中から前記対象話者の音声と類似した音声を有する類似話者を検出し、
前記位置と前記類似話者のパターンモデルとに基づき、前記音響空間内における、前記対象話者の音声データと前記類似話者のパターンモデルとの位置関係を示す情報を表示することを特徴とするデータ処理方法。
【請求項７２】
前記複数話者の中から特定話者を指定し、
前記位置と前記音響空間内における前記特定話者のパターンモデルとに基づき、前記特定話者の音声と前記対象話者の音声との類似性を評価し、
前記評価結果を表示することを特徴とする請求の範囲第７１項記載のデータ処理方法。
【請求項７３】
複数話者の音声データから生成された複数のパターンモデルによって構成された音響空間を用意し、
前記複数話者の中から特定話者を指定し、
対象話者の音声データを取得し、
前記対象話者の音声データと前記複数のパターンモデルとに基づき、前記音響空間内における、前記対象話者の音声データの位置を算出し、
前記位置と前記特定話者のパターンモデルとに基づき、前記特定話者の音声と前記対象話者の音声との類似性を評価し、
前記評価結果を表示し、
前記位置と前記特定話者のパターンモデルとに基づき、前記音響空間内における、前記対象話者の音声データと前記特定話者のパターンモデルとの位置関係を示す情報を表示することを特徴とするデータ処理装置。
【請求項７４】
複数話者の音声データから生成された複数のパターンモデルによって構成された音響空間を記憶する音響空間記憶ステップと、
対象話者の音声データを取得する音声データ取得ステップと、
前記対象話者の音声データと前記音響空間内の前記複数のパターンモデルとに基づき、前記音響空間内における、前記対象話者の音声データの位置を算出する位置算出ステップと、
前記位置と前記複数のパターンモデルとに基づき、前記複数話者の中から前記対象話者の音声と類似した音声を有する類似話者を検出する類似話者検出ステップと、
前記位置と前記類似話者のパターンモデルとに基づき、前記音響空間内における、前記対象話者の音声データと前記類似話者のパターンモデルとの位置関係を示す情報を表示する位置関係情報表示ステップと、
特定話者を指定する特定話者指定ステップと、
前記位置と前記音響空間内における前記特定話者のパターンモデルとに基づき、前記特定話者の音声と前記対象話者の音声との類似性を評価する類似性評価ステップと、
前記類似性評価ステップによる評価結果を表示する評価結果表示ステップと、を備え、
前記位置関係情報表示ステップにおいては、前記位置と前記特定話者のパターンモデルとに基づき、前記音響空間内における、前記対象話者の音声データと前記特定話者のパターンモデルとの位置関係を示す情報を表示するようになっていることを特徴とするデータ処理装置制御プログラム。
【請求項７５】
複数話者の音声データから生成された複数のパターンモデルによって構成された音響空間を記憶する音響空間記憶ステップと、
前記複数話者の中から特定話者を指定する特定話者指定ステップと、
対象話者の音声データを取得する音声データ取得ステップと、
前記対象話者の音声データと前記複数のパターンモデルとに基づき、前記音響空間内における、前記対象話者の音声データの位置を算出する位置算出ステップと、
前記位置と前記特定話者のパターンモデルとに基づき、前記特定話者の音声と前記対象話者の音声との類似性を評価する類似性評価ステップと、
前記類似性評価ステップによる評価結果を表示する評価結果表示ステップと、
前記位置と前記特定話者のパターンモデルとに基づき、前記音響空間内における、前記対象話者の音声データと前記特定話者のパターンモデルとの位置関係を示す情報を表示する位置関係情報表示ステップと、を備えることを特徴とするデータ処理装置制御プログラム。
【図１】
【図２】
【図３】
【図４】
【図５】
【図６】
【図７】
【図８】
【図９】
【図１０】
【図１１】
【図１２】
【図１３】
【図１４】
【図１５】
【図１６】
【図１７】
【図１８】
【図１９】
【図２０】
【図２１】
【図２２】
【図２３】
【図２４】
【図２５】
【図２６】
【図２７】
【図２８】
【図２９】
【図３０】
【図３１】
【図３２】
【図３３】
【図３４】
【図３５】
【図３６】
【図３７】
【図３８】
【図３９】
【図４０】
【図４１】
【図４２】
【図４３】
【図４４】
【図４５】
【図４６】
【図４７】
【図４８】
【図４９】
【図５０】
【図５１】
【図５２】
【図５３】
【図５４】
【図５５】
【図５６】
【図５７】
【図５８】
【図５９】
【図２】
【図３】
【図４】
【図５】
【図６】
【図７】
【図８】
【図９】
【図１０】
【図１１】
【図１２】
【図１３】
【図１４】
【図１５】
【図１６】
【図１７】
【図１８】
【図１９】
【図２０】
【図２１】
【図２２】
【図２３】
【図２４】
【図２５】
【図２６】
【図２７】
【図２８】
【図２９】
【図３０】
【図３１】
【図３２】
【図３３】
【図３４】
【図３５】
【図３６】
【図３７】
【図３８】
【図３９】
【図４０】
【図４１】
【図４２】
【図４３】
【図４４】
【図４５】
【図４６】
【図４７】
【図４８】
【図４９】
【図５０】
【図５１】
【図５２】
【図５３】
【図５４】
【図５５】
【図５６】
【図５７】
【図５８】
【図５９】
【国際公開番号】ＷＯ２００５／０３４０８６
【国際公開日】平成１７年４月１４日（２００５．４．１４）
【発行日】平成１９年１０月４日（２００７．１０．４）
【国際特許分類】
【出願番号】特願２００５−５１４３５８（Ｐ２００５−５１４３５８）
【国際出願番号】ＰＣＴ／ＪＰ２００４／０１０３９０
【国際出願日】平成１６年７月２２日（２００４．７．２２）
【出願人】（０００００００３３）旭化成株式会社 (901)
【Ｆターム（参考）】
【国際公開日】平成１７年４月１４日（２００５．４．１４）
【発行日】平成１９年１０月４日（２００７．１０．４）
【国際特許分類】
【国際出願番号】ＰＣＴ／ＪＰ２００４／０１０３９０
【国際出願日】平成１６年７月２２日（２００４．７．２２）
【出願人】（０００００００３３）旭化成株式会社 (901)
【Ｆターム（参考）】
[ Back to top ]