特許 7574927 話者識別装置、方法およびプログラム

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】特許公報(B2)

(11)【特許番号】

(24)【登録日】2024-10-21

(45)【発行日】2024-10-29

(54)【発明の名称】話者識別装置、方法およびプログラム

(51)【国際特許分類】

   G10L 17/04 20130101AFI20241022BHJP

   G10L 17/08 20130101ALI20241022BHJP

【ＦＩ】

G10L17/04

G10L17/08

【請求項の数】 9

(21)【出願番号】P 2023528248

(86)(22)【出願日】2020-12-25

(65)【公表番号】

(43)【公表日】2023-11-29

(86)【国際出願番号】 JP2020048744

(87)【国際公開番号】W WO2022137507

(87)【国際公開日】2022-06-30

【審査請求日】2023-05-11

(73)【特許権者】

【識別番号】000004237

【氏名又は名称】日本電気株式会社

(74)【代理人】

【識別番号】100103090

【弁理士】

【氏名又は名称】岩壁 冬樹

(74)【代理人】

【識別番号】100124501

【弁理士】

【氏名又は名称】塩川 誠人

(72)【発明者】

【氏名】ワン チョンチョン

(72)【発明者】

【氏名】越仲 孝文

【審査官】土井 悠生

(56)【参考文献】

【文献】欧州特許出願公開第０３６６０８４２（ＥＰ，Ａ１）

【文献】米国特許出願公開第２０１０／０１１４５７２（ＵＳ，Ａ１）

【文献】国際公開第２０１９／０９７６７４（ＷＯ，Ａ１）

【文献】国際公開第２０１６／１５７６４２（ＷＯ，Ａ１）

【文献】特開２０１６－１８０９８８（ＪＰ，Ａ）

【文献】特開２０１５－２１２９１５（ＪＰ，Ａ）

【文献】国際公開第２０１９／１８７５２１（ＷＯ，Ａ１）

【文献】ZHENG Haishu, et al，Two-stage Decision for Short Utterance Speaker Identification in Mobile Telecommunication Environment，Proc. 2004 IEEE International Conference on Systems, Man and Cybernetics，米国，IEEE，2004年10月10日，pp. 547-551，[online]，<DOI: 10.1109/ICSMC.2004.1398356>

(58)【調査した分野】(Int.Cl.，ＤＢ名)

Ｇ１０Ｌ １３／００－９９／００

(57)【特許請求の範囲】

【請求項1】

位置情報に基づいて選択された属性に対応する話者を当該話者全体のサブセット情報から選択して、テスト音声が識別される音声モデルのサブセットを決定する話者サブセット選択手段と、
前記テスト音声から抽出された特徴量に基づいて、決定された前記音声モデルのサブセットから前記テスト音声の話者を識別する話者識別手段とを備え、
前記話者サブセット選択手段は、複数の各属性に対応する話者を話者全体のサブセット情報から選択して、前記音声モデルの複数のサブセットを決定し、決定された各サブセットの前記音声モデルに関する信頼性をそれぞれ計算し、
前記話者識別手段は、前記サブセットの信頼性が高いほど、当該サブセットの音声モデルに対応する話者に決定する可能性が高くなるように、前記テスト音声の話者を識別する
ことを特徴とする話者識別装置。

【請求項2】

話者サブセット選択手段は、テスト音声の位置を推定するレシーバーの位置と選択された属性の位置との距離が近いほど信頼性が高くなるように、当該属性に対応するサブセットの信頼性を計算する
請求項１記載の話者識別装置。

【請求項3】

話者識別手段は、サブセット内の音声モデルと特徴量との類似度を算出し、最も類似度が大きい音声モデルに対応する話者をテスト音声の話者と識別する
請求項１または請求項２記載の話者識別装置。

【請求項4】

話者識別手段は、サブセット内の音声モデルと特徴量との類似度を算出し、サブセットごとに算出された類似度に、当該サブセットの信頼性を加重したスコアを算出し、算出されたスコアが最も大きいサブセット内で決定された音声モデルに対応する話者を、テスト音声の話者と識別する
請求項１または請求項２記載の話者識別装置。

【請求項5】

テスト音声の位置を推定するレシーバーから位置を受信する情報受信部と、
受信した位置に基づいて属性を選択する属性選択部とを備え、
話者サブセット選択手段は、選択された前記属性に対応する話者を話者全体のサブセット情報から選択する
請求項１から請求項４のうちのいずれか１項に記載の話者識別装置。

【請求項6】

テスト音声の特徴量を抽出する特徴抽出手段を備え、
話者識別手段は、抽出された前記特徴量に基づいて、テスト音声の話者を識別する
請求項１から請求項５のうちのいずれか１項に記載の話者識別装置。

【請求項7】

話者サブセット選択手段は、位置情報または位置を間接的に特定可能な情報に基づいて、選択された属性に対応する話者を選択する
請求項１から請求項６のうちのいずれか１項に記載の話者識別装置。

【請求項8】

コンピュータが、位置情報に基づいて選択された複数の各属性に対応する話者を当該話者全体のサブセット情報から選択して、テスト音声が識別される音声モデルの複数のサブセットを決定し、決定された各サブセットの前記音声モデルに関する信頼性をそれぞれ計算し、
前記コンピュータが、前記テスト音声から抽出された特徴量に基づいて、決定された前記音声モデルのサブセットから、当該サブセットの信頼性が高いほど、当該サブセットの音声モデルに対応する話者に決定する可能性が高くなるように、前記テスト音声の話者を識別する
ことを特徴とする話者識別方法。

【請求項9】

コンピュータに、
位置情報に基づいて選択された属性に対応する話者を当該話者全体のサブセット情報から選択して、テスト音声が識別される音声モデルのサブセットを決定する話者サブセット選択処理、および、
前記テスト音声から抽出された特徴量に基づいて、決定された前記音声モデルのサブセットから前記テスト音声の話者を識別する話者識別処理を実行させ、
前記話者サブセット選択処理で、複数の各属性に対応する話者を話者全体のサブセット情報から選択して、前記音声モデルの複数のサブセットを決定させ、決定された各サブセットの前記音声モデルに関する信頼性をそれぞれ計算させ、
前記話者識別処理で、前記サブセットの信頼性が高いほど、当該サブセットの音声モデルに対応する話者に決定する可能性が高くなるように、前記テスト音声の話者を識別させる
ための話者識別プログラム。

【発明の詳細な説明】

【技術分野】

【0001】

本開示は、検出された発話に基づいて話者を識別する話者識別装置、話者識別方法および話者識別プログラムに関する。

【背景技術】

【0002】

話者識別では、未知の話者からの発話が分析され、既知の話者の音声モデルと比較される。そして、未知の話者は、入力された音声と最もよく一致するモデルを持つ話者として識別される。話者識別は、例えば、テレフォンバンキングや、コールセンターなど、多くのアプリケーションにおいて人的リソースを軽減させることに役立っている。

【0003】

例えば、特許文献１には、話者識別の精度を向上させる音声操作装置が記載されている。特許文献１に記載された装置は、ＧＰＳ（Ｇｌｏｂａｌ Ｐｏｓｉｔｉｏｎｉｎｇ Ｓｙｓｔｅｍ）装置から入力したＧＰＳ情報を利用して、音声操作装置が配置された位置情報を算出し、その位置情報に応じて、利用者ごとに登録された複数の声質モデルの中から所望の声質モデルを選択する。

【先行技術文献】

【特許文献】

【0004】

【文献】国際公開２０１９／０２１９５３号

【発明の概要】

【発明が解決しようとする課題】

【0005】

一方、話者識別において、意思決定の選択肢の数は、人口の大きさに等しい。そして、識別性能は、母集団の規模が大きくなるにつれて低下する。言い換えると、話者識別の効率および精度は、識別システムに登録されたユーザ数に影響される。

【0006】

そのため、話者識別の効率および精度を改良するためには、話者識別を行うマッチング範囲を絞り込むことが重要である。

【0007】

特許文献１に記載された音声操作装置は、ＧＰＳ情報を利用して周囲の環境に適した声質モデルを選択する。そのため、環境の条件を絞り込むことで話者識別の精度を向上させることができたとしても、対象者の範囲を絞り込むことは困難なため、話者識別の効率を改良することは難しい。

【0008】

そこで、本開示は、話者識別の効率および精度を向上させることができる話者識別装置、話者識別方法および話者識別プログラムを提供することを目的とする。

【課題を解決するための手段】

【0009】

話者識別装置は、位置情報に基づいて選択された属性に対応する話者をその話者全体のサブセット情報から選択して、テスト音声が識別される音声モデルのサブセットを決定する話者サブセット選択手段と、テスト音声から抽出された特徴量に基づいて、決定された音声モデルのサブセットからテスト音声の話者を識別する話者識別手段とを備え、話者サブセット選択手段が、複数の各属性に対応する話者を話者全体のサブセット情報から選択して、音声モデルの複数のサブセットを決定し、決定された各サブセットの音声モデルに関する信頼性をそれぞれ計算し、話者識別手段が、サブセットの信頼性が高いほど、そのサブセットの音声モデルに対応する話者に決定する可能性が高くなるように、テスト音声の話者を識別する。

【0010】

話者識別方法は、コンピュータが、位置情報に基づいて選択された複数の各属性に対応する話者をその話者全体のサブセット情報から選択して、テスト音声が識別される音声モデルの複数のサブセットを決定し、決定された各サブセットの音声モデルに関する信頼性をそれぞれ計算し、コンピュータが、テスト音声から抽出された特徴量に基づいて、決定された音声モデルのサブセットから、そのサブセットの信頼性が高いほど、そのサブセットの音声モデルに対応する話者に決定する可能性が高くなるように、テスト音声の話者を識別することを含む。

【0011】

話者識別プログラムは、コンピュータに、位置情報に基づいて選択された属性に対応する話者をその話者全体のサブセット情報から選択して、テスト音声が識別される音声モデルのサブセットを決定する話者サブセット選択処理、および、テスト音声から抽出された特徴量に基づいて、決定された音声モデルのサブセットからテスト音声の話者を識別する話者識別処理を実行させ、話者サブセット選択処理で、複数の各属性に対応する話者を話者全体のサブセット情報から選択して、音声モデルの複数のサブセットを決定させ、決定された各サブセットの音声モデルに関する信頼性をそれぞれ計算させ、話者識別処理で、サブセットの信頼性が高いほど、そのサブセットの音声モデルに対応する話者に決定する可能性が高くなるように、テスト音声の話者を識別させる。

【図面の簡単な説明】

【0012】

【図1】本開示による話者識別装置の第一の実施形態の構成例を示すブロック図である。

【図2】テスト音声と音声モデルとを比較して話者識別を行う一般的な処理の例を示す説明図である。

【図3】話者識別の方法の例を示す説明図である。

【図4】第一の実施形態の話者識別装置が話者識別を行う処理の例を示す説明図である。

【図5】第一の実施形態の話者識別装置が行う話者識別の方法の例を示す説明図である。

【図6】第一の実施形態の話者識別装置の動作を示すフローチャートである。

【図7】本開示による話者識別装置の第二の実施形態の構成例を示すブロック図である。

【図8】第二の実施形態の話者識別装置が行う話者識別の方法の例を示す説明図である。

【図9】第二の実施形態の話者識別装置の動作例を示すフローチャートである。

【図10】本開示による話者識別装置の第一の具体例の構成を示すブロック図である。

【図11】本開示による話者識別装置の第二の具体例の構成を示すブロック図である。

【図12】本開示による話者識別装置の第三の具体例の構成を示すブロック図である。

【図13】本開示による話者識別装置の第四の具体例の構成を示すブロック図である。

【図14】本開示による話者識別装置の第五の具体例の構成を示すブロック図である。

【図15】本開示による話者識別装置の概要を示すブロック図である。

【図16】少なくとも１つの実施形態に係るコンピュータの構成を示す概略ブロック図である。

【発明を実施するための形態】

【0013】

以下、本開示の実施形態を図面を参照して説明する。なお、各ブロック図で示す一方向性の矢印は、情報の流れの方向を端的に示したものであり、双方向性を排除するものではない。

【0014】

実施形態１．
図１は、本開示による話者識別装置の第一の実施形態の構成例を示すブロック図である。第一の実施形態の話者識別装置１は、サブセット検出部１０と、特徴抽出部２０と、話者識別部３０とを備えている。

【0015】

サブセット検出部１０は、想定する話者全体の中から、識別候補とする話者のサブセットを検出する機能を有する。すなわち、サブセット検出部１０は、話者とのマッチングを行う範囲を絞り込んでいると言える。サブセット検出部１０は、情報受信部１２と、属性選択部１４と、マッピング情報記憶部１６と、話者サブセット選択部１８とを含む。

【0016】

情報受信部１２は、識別の対象とする話者が発する音声（以下、テスト音声と記す。）の位置を推定するレシーバーから情報を受信する。言い換えると、情報受信部１２は、識別の候補となる一人以上の話者が存在する領域を識別する情報を取得する。情報受信部１２は、経度および緯度を示す位置情報を、例えば、ＧＰＳから受信してもよい。

【0017】

他にも、情報受信部１２は、例えば、設置された場所に応じた位置情報を送信するレシーバーであるロボット（言い換えると、居場所を検知するセンサを有するロボット）から、その位置情報を受信してもよい。位置情報の例として、建物（例えば、学校、ホテル、店舗、刑務所など）の位置を示す情報や、屋内の部屋（教室、客室、フロア、監房など）の位置を示す情報などが挙げられる。

【0018】

また、位置情報は、直接的に位置を示す情報に限定されず、識別の候補となる話者が存在する位置を間接的に特定可能な情報であってもよい。位置を間接的に特定可能な属性情報として、例えば、講義情報が挙げられる。この講義情報を用いることで、その講義が行われる部屋の位置などを特定することが可能になる。

【0019】

また、例えば、学校の教室のように、同じ教室であっても、時間帯が異なれば講義（属性）も異なるため、識別の対象とする学生（話者）も異なる。そのため、情報受信部１２は、位置情報だけでなく、話者識別が行われる時間や時間帯を受信してもよい。

【0020】

属性選択部１４は、情報受信部１２が受信した位置情報から話者の属性を選択する。ここで、本開示における属性とは、話者の性質を意味する他、所属先や分類を示す意味も含まれる。なお、位置情報と属性との対応付けは、ユーザ等により予め定められ、属性選択部１４は、その対応付けに応じて、話者の属性を選択する。

【0021】

例えば、位置情報が刑務所内の位置を示す情報であった場合、属性として、刑務所の囚人が収監されている監房を識別する情報である監房ＩＤが挙げられる。他にも、例えば、位置情報が学校内の位置を示す情報であった場合、属性として、学生が講義を受ける教室を識別する情報である部屋番号が挙げられる。

【0022】

また、情報受信部１２から話者識別が行われる時間を受信した場合、属性選択部１４は、話者識別が行われる位置（例えば、話者識別装置の位置）と上記時間を考慮して、話者の属性を選択してもよい。

【0023】

マッピング情報記憶部１６は、属性と１人以上の話者とを対応付けた情報を記憶する。この情報は、以下、サブセット情報と記すこともある。属性と話者との対応付けは、ユーザ等により予め定められる。なお、本開示におけるサブセット情報とは、候補とする全話者の一部を示す情報であり、属性内の話者の一部を示す情報ではない。

【0024】

例えば、刑務所の全囚人について、サブセット情報は、囚人ＩＤと監房ＩＤとのマッピング情報（対応付けた情報）である。他にも、大学の全学生について、サブセット情報は、学生ＩＤと講義ＩＤとのマッピング情報である。また、ホテルやクルーズ船で隔離されているすべての対象者について、サブセット情報は、対象者と部屋番号とのマッピング情報である。さらに、寮の全学生について、サブセット情報は、学生ＩＤと部屋番号とのマッピング情報である。また、チェーン店においていずれかの店舗に登録されている顧客について、サブセット情報は、顧客ＩＤと店舗ＩＤとのマッピング情報である。

【0025】

なお、ここで例示したサブセット情報は一例であり、マッピング情報記憶部１６は、任意のサブセット情報を記憶していればよい。マッピング情報記憶部１６は、例えば、磁気ディスク等により実現される。

【0026】

さらに、マッピング情報記憶部１６は、話者に対応する音声モデル（参照モデル）を記憶していてもよい。音声モデル（参照モデル）の例として、例えば、ＧＭＭ（Gaussian Mixture Model）や、i-vector、x-vectorなどが挙げられる。なお、上述する例において、話者は、囚人や学生、対象者、および、顧客である。

【0027】

話者サブセット選択部１８は、属性選択部１４によって選択された属性に基づいて、マッピング情報記憶部１６に記憶されたサブセット情報から話者のサブセットを選択する。また、話者サブセット選択部１８は、取得したサブセットに含まれる話者に対応する音声モデルをマッピング情報記憶部１６から取得してもよい。

【0028】

なお、音声モデル（参照モデル）がマッピング情報記憶部１６ではない外部の記憶部（図示せず）に記憶されている場合、話者サブセット選択部１８は、話者に対応する音声モデルをその外部の記憶部から取得してもよい。

【0029】

特徴抽出部２０は、テスト音声の特徴量抽出（Feature extraction）を行う。具体的には、特徴抽出部２０は、例えば、テスト音声の信号をＡ／Ｄ変換し、変換後のデジタルデータに対して離散フーリエ変換やｚ変換等を施すことで、音声特徴量を抽出してもよい。特徴抽出部２０が特徴量抽出を行う方法は、後述する話者識別部３０が話者の識別に用いる特徴量を抽出できる方法であれば、その内容は任意である。特徴抽出部２０は、例えば、i-vectorのフレームワークに基づいて特徴量を抽出してもよい。また、特徴抽出部２０は、他にも、深層話者埋め込み（Deep speaker embedding）や、x-vectorの方式に基づいて特徴量を抽出してもよい。

【0030】

話者識別部３０は、抽出された特徴量に基づいて、話者識別を行う。具体的には、話者識別部３０は、特徴抽出部２０によって抽出された特徴量に基づいて、決定された音声モデルのサブセットからテスト音声の話者を識別する。特徴量に基づく話者識別の方法は任意である。

【0031】

例えば、i-vectorのフレームワークに基づいて特徴量が抽出される場合、話者識別部３０は、音声モデル（参照モデル）としてi-vectorを用い、確率的線形判別分析（Probabilistic Linear Discriminant Analysis：PLDA）により類似度計算を行ってもよい。具体的には、話者識別部３０は、サブセット内の音声モデルと特徴量との類似度を算出する。そして、話者識別部３０は、最も類似度が高い音声モデルに対応する話者を、テスト音声の話者と識別してもよい。

【0032】

図２は、テスト音声と音声モデルとを比較して話者識別を行う一般的な処理の例を示す説明図である。また、図３は、話者識別の方法の例を示す説明図である。図２に例示する処理は、全話者Ｎ人の音声モデルと、テスト音声２１とをそれぞれ一対一でＮ回比較する処理を示す。具体的には、図３に例示するように、特徴抽出部２０がテスト音声２１から特徴量を抽出すると、話者識別部３０が、発話と各話者の音声モデルとの類似度を算出する。そして、話者識別部３０は、対象とする話者の中から、最も高い類似度が高い話者（話者ＩＤ）を識別結果として選択する。

【0033】

図４は、本実施形態の話者識別装置が話者識別を行う処理の例を示す説明図である。図４に示す例では、対象とする全話者Ｎ人のうち、話者４人のサブセットの音声モデルとテスト音声とが比較されていることを示す。なお、図４では、サブセット４人の話者が連続している例を示しているが、必ずしも話者が連続している必要はない。すなわち、話者サブセット選択部１８は、テスト音声が識別される音声モデルを複数まとめて１つのサブセットを決定すればよい。

【0034】

例えば、刑務所に収監された囚人の数が数百人存在したとしても、１つの監房に収容されている囚人の数は、高々数人である。すなわち、全体の話者の人数Ｎに対し、サブセットの話者の人数Ｍは、Ｍ＜＜Ｎであると言える。

【0035】

図５は、本実施形態の話者識別装置が行う話者識別の方法の例を示す説明図である。図５に例示するように、本実施形態では、話者識別部３０が、話者のサブセットの音声モデルを用いて、各話者の音声モデルと発話との類似度を算出し、最も類似度が高い話者（話者ＩＤ）を識別結果として選択する。このように、話者の候補を絞り込むことで、テスト音声と比較する話者の音声モデルとを比較する回数を大幅に低減できるため、話者識別の効率化および精度を向上させることが可能になる。

【0036】

サブセット検出部１０（より具体的には、情報受信部１２と、属性選択部１４と、話者サブセット選択部１８）とは、プログラム（話者識別プログラム）に従って動作するコンピュータのＣＰＵによって実現される。例えば、プログラムは、話者識別装置１が備える記憶媒体（図示せず）に記憶され、ＣＰＵは、そのプログラムを読み込み、プログラムに従って、サブセット検出部１０（より具体的には、情報受信部１２と、属性選択部１４と、話者サブセット選択部１８）として動作してもよい。また、話者識別装置１の機能がＳａａＳ（Software as a Service ）形式で提供されてもよい。

【0037】

また、サブセット検出部１０（より具体的には、情報受信部１２と、属性選択部１４と、話者サブセット選択部１８）とは、それぞれが専用のハードウェアで実現されていてもよい。また、各装置の各構成要素の一部又は全部は、汎用または専用の回路（circuitry ）、プロセッサ等やこれらの組合せによって実現されもよい。これらは、単一のチップによって構成されてもよいし、バスを介して接続される複数のチップによって構成されてもよい。各装置の各構成要素の一部又は全部は、上述した回路等とプログラムとの組合せによって実現されてもよい。

【0038】

また、各装置の各構成要素の一部又は全部が複数の情報処理装置や回路等により実現される場合には、複数の情報処理装置や回路等は、集中配置されてもよいし、分散配置されてもよい。例えば、情報処理装置や回路等は、クライアントアンドサーバシステム、クラウドコンピューティングシステム等、各々が通信ネットワークを介して接続される形態として実現されてもよい。

【0039】

次に、本実施形態の話者識別装置の動作を説明する。図６は、本実施形態の話者識別装置１の動作例を示すフローチャートである。

【0040】

情報受信部１２は、識別対象とする話者に関する位置情報を受信する（ステップＳ１１）。属性選択部１４は、受信した位置情報から話者の属性を選択する（ステップＳ１２）。そして、話者サブセット選択部１８は、選択された属性に対応する話者をマッピング情報記憶部１６に記憶されたサブセット情報から選択して、テスト音声の識別に用いられる音声モデルのサブセットを決定する（ステップＳ１３）。

【0041】

一方、特徴抽出部２０は、識別対象とする話者が発する音声（すなわち、テスト音声）の特徴量抽出を行う（ステップＳ１４）。そして、話者識別部３０は、特徴抽出部２０によってテスト音声から抽出された特徴量に基づいて、決定された音声モデルのサブセットからテスト音声の話者を識別する（ステップＳ１５）。

【0042】

以上のように、本実施形態では、サブセット検出部（より具体的には、話者サブセット選択部１８）が、位置情報に基づいて選択された属性に対応する話者を全話者のサブセット情報から選択して、テスト音声が識別される音声モデルのサブセットを決定する。そして、話者識別部３０は、特徴抽出部２０によってテスト音声から抽出された特徴量に基づいて、決定された音声モデルのサブセットからテスト音声の話者を識別する。よって、話者識別の効率および精度を向上させることができる。

【0043】

実施形態２．
次に、本実施形態の話者識別装置の第二の実施形態を説明する。第一の実施形態では、サブセットを選択する形式が、１つのサブセットに基づくいわゆる決定論的（逐次的）である場合について説明した。本実施形態では、サブセットを選択する形式が、複数のサブセットに基づくいわゆる確率論的（連続的）である場合について説明する。

【0044】

図７は、本開示による話者識別装置の第二の実施形態の構成例を示すブロック図である。第二の実施形態の話者識別装置２は、サブセット検出部４０と、特徴抽出部２０と、話者識別部５０とを備えている。特徴抽出部２０の内容は、第一の実施形態と同様である。

【0045】

サブセット検出部４０は、情報受信部１２と、属性選択部４４と、マッピング情報記憶部１６と、話者サブセット選択部４８とを含む。情報受信部１２およびマッピング情報記憶部１６の内容は、第一の実施形態と同様である。

【0046】

属性選択部４４は、第一の実施形態の属性選択部１４と同様、情報受信部１２が受信した位置情報から話者の属性を選択する。本実施形態の属性選択部４４は、１以上の属性を選択する。複数の属性を選択する状況として、例えば、位置情報から複数の属性の可能性があり、属性が一意に決定できない状況が挙げられる。例えば、刑務所において、位置情報から複数の監房ＩＤが推定可能な状況、などである。

【0047】

話者サブセット選択部４８は、属性選択部４４によって選択された属性に基づいて、マッピング情報記憶部１６に記憶されたサブセット情報から複数の話者のサブセットを選択する。具体的には、話者サブセット選択部４８は、複数の属性それぞれに応じた話者のサブセットをマッピング情報記憶部１６から取得する。また、第一の実施形態と同様、話者サブセット選択部４８は、取得したサブセットに含まれる話者に対応する音声モデルをマッピング情報記憶部１６から取得してもよく、外部の記憶部から取得してもよい。

【0048】

さらに、本実施形態の話者サブセット選択部４８は、各サブセットの音声モデルに関する信頼性を合わせて計算する。各サブセットの音声モデルに関する信頼性は、予め計算されて保持されていてもよく、話者サブセット選択部４８によって逐次計算されてもよい。

【0049】

各サブセットの音声モデルに関する信頼性は、サブセットに含まれる音声モデルが話者の特徴をより適切に表現しているほど高く設定される値であり、予め定められた基準に基づいて算出される値である。また、本実施形態における信頼性は、音声モデルそのものの信頼性だけでなく、位置情報に基づいて選択された属性（すなわち、サブセット）の信頼性も含む。これは、選択された属性自体の信頼性が高ければ、その属性のサブセットに対応する音声モデルも、対象とする話者を含む信頼性が高いと言えるからである。

【0050】

音声モデルそのものの信頼性は、例えば、各モデルの生成過程で算出された尤度や確率等が使用されればよい。例えば、静かな環境で取得された音声データに基づいて生成されたモデルの信頼性が高く算出され、騒音の多い環境で取得された音声データに基づいて生成されたモデルの信頼性を低く算出されてもよい。

【0051】

また、複数のサブセットの候補が存在する場合、各サブセットの信頼性を、全体のサブセットの信頼性に対する個々の信頼性の比で定義してもよい。以下、位置情報を事前情報として使用する場合に信頼度を算出する方法の一例を説明する。位置情報に基づいて選択された属性の信頼性を算出する方法として、距離や時間を使用する方法が挙げられる。話者識別において、遠くに存在する対象ほど、また、識別対象の存在し得る時間と離れているほど、識別精度は低くなると考えられるからである。

【0052】

例えば、テスト音声の位置を推定するレシーバーから得られる位置（例えば、ロボットの位置）と、対象とする各属性ｉ（例えば、各監房）が存在する位置との距離をｄ_ｉとすると、各属性ｉのサブセットの信頼性ｒ_ｉは、以下に例示する式１で算出できる。なお、式１におけるｂは、予め定められる値である。

【0053】

【数1】

【0054】

このように、話者サブセット選択部４８は、テスト音声の位置を推定するレシーバーの位置と、選択された属性の位置との距離が近いほど信頼性が高くなるように、その属性に対応するサブセットの信頼性を計算してもよい。

【0055】

話者識別部５０は、第一の実施形態の話者識別部３０と同様、特徴抽出部２０によって抽出された特徴量に基づいて、決定された音声モデルのサブセットからテスト音声の話者を識別する。本実施形態の話者識別部５０は、計算されたサブセットの信頼性が高いほど、そのサブセットの音声モデルに対応する話者に決定する可能性が高くなるように、テスト音声の話者を識別する。

【0056】

具体的には、話者識別部５０は、サブセットごとに、類似度が最大になる音声モデルを決定する。次に、話者識別部５０は、信頼性を類似度に加重したスコアをサブセットごとに算出する。そして、話者識別部５０は、算出されたスコアが最も大きいサブセットで決定された音声モデルに対応する話者を、テスト音声の話者と識別する。

【0057】

図８は、本実施形態の話者識別装置が行う話者識別の方法の例を示す説明図である。第一の実施形態と同様、話者識別部５０が、各サブセットＫの音声モデルＭ_Ｋを用いて、各話者の音声モデルと発話との類似度を算出し、最も類似度が高い話者（話者ＩＤ）を識別結果としてそれぞれ選択する。さらに、話者識別部５０は、サブセットごとに算出された類似度に、それぞれのサブセットの信頼性を加重したスコアを算出し、算出されたスコアが最も大きいサブセットで決定された音声モデルに対応する話者を、テスト音声の話者と識別する。

【0058】

このように、複数のサブセットの候補が存在する場合であっても、各サブセットの信頼性に基づいて話者を識別するため、話者識別の精度をより向上させることが可能になる。

【0059】

サブセット検出部４０（より具体的には、情報受信部１２と、属性選択部４４と、話者サブセット選択部４８）とは、プログラム（話者識別プログラム）に従って動作するコンピュータのＣＰＵによって実現される。

【0060】

次に、本実施形態の話者識別装置の動作を説明する。図９は、本実施形態の話者識別装置２の動作例を示すフローチャートである。

【0061】

位置情報を受信する処理は、図６に例示するステップＳ１１と同様である。属性選択部４４は、受信した位置情報から話者の複数の属性を選択する（ステップＳ２２）。そして、話者サブセット選択部４８は、選択された各属性に対応する話者をマッピング情報記憶部１６に記憶されたサブセット情報から選択して、テスト音声を識別するために用いられる音声モデルのサブセットを複数決定する（ステップＳ２３）。さらに、話者サブセット選択部４８は、決定された各サブセットの音声モデルに関する信頼性をそれぞれ計算する（ステップ２４）。

【0062】

なお、テスト音声の抽出処理は、図６に例示するステップＳ１４と同様である。話者識別部５０は、特徴抽出部２０によってテスト音声から抽出された特徴量に基づいて、サブセットの信頼性が高いほど、そのサブセットの音声モデルに対応する話者に決定する可能性が高くなるように、テスト音声の話者を識別する（ステップＳ２５）。

【0063】

以上のように、本実施形態では、話者サブセット選択部４８が、複数の各属性に対応する話者を話者全体のサブセット情報から選択して、音声モデルの複数のサブセットを決定し、決定された各サブセットの音声モデルに関する信頼性をそれぞれ計算する。そして、話者識別部５０が、サブセットの信頼性が高いほど、そのサブセットの音声モデルに対応する話者に決定する可能性が高くなるように、テスト音声の話者を識別する。よって、第一の実施形態の効果に加え、話者識別の精度をより向上させることが可能になる。

【0064】

次に、本開示の話者識別装置を用いた具体的構成例を説明する。以下の具体的構成例において、サブセットが一つ取得される場合を例示する。すなわち、以下の説明では、第一の実施形態の話者識別装置を用いた具体的構成例を説明する。なお、サブセットが複数取得される場合、第二の実施形態の話者識別装置が用いられればよい。

【0065】

＜具体例１＞：
第一の具体例は、刑務所内での配膳および皿集めを想定した状況において、本開示の話者識別装置を利用する形態である。刑務所内での人的負担を軽減させるため、個々の囚人に対する配膳および皿集めの作業を自動化できることが好ましい。その前提として、配膳および皿集めの対象とする囚人を特定する必要がある。

【0066】

話者識別により、音声を発した囚人を一定の精度で識別することは可能である。しかし、刑務所内の囚人の数が多くなるほど、上述したような効率および精度の問題が生ずる。本具体例では、位置情報から監房ＩＤを選択して話者識別の対象とする囚人の数を低減させることで、話者識別の効率および精度を向上できるようにする。

【0067】

図１０は、本開示による話者識別装置の第一の具体例の構成を示すブロック図である。第一の具体例における話者識別装置１００は、サブセット検出部１１０と、特徴抽出部２０と、話者識別部１３０とを備えている。特徴抽出部２０の内容は、第一の実施形態と同様である。

【0068】

サブセット検出部１１０は、情報受信部１２と、監房ＩＤ選択部１１４と、マッピング情報記憶部１１６と、囚人サブセット選択部１１８とを含む。情報受信部１２の内容は、第一の実施形態と同様である。

【0069】

監房ＩＤ選択部１１４は、情報受信部１２が受信した位置情報から監房ＩＤを選択する。すなわち、監房ＩＤ選択部１１４は、第一の実施形態における属性選択部１４が選択する属性として、監房ＩＤを選択する。位置情報から監房ＩＤを選択する方法は、属性選択部１４が属性を選択する方法と同様である。

【0070】

マッピング情報記憶部１１６は、サブセット情報として、監房ＩＤと１人以上の囚人とを対応付けた情報を記憶する。また、マッピング情報記憶部１１６は、各囚人の音声モデルを記憶していてもよい。

【0071】

囚人サブセット選択部１１８は、監房ＩＤ選択部１１４によって選択された監房ＩＤに基づいて、マッピング情報記憶部１１６に記憶されたサブセット情報から囚人のサブセットを選択する。すなわち、囚人サブセット選択部１１８は、刑務所内の全囚人のサブセットとして、選択された監房ＩＤで識別される監房内の囚人を選択する。合わせて、囚人サブセット選択部１１８は、選択した囚人の音声モデルを取得する。

【0072】

話者識別部１３０は、特徴抽出部２０によって抽出された特徴量に基づいて、決定された音声モデルのサブセットからテスト音声の囚人を識別する。なお、話者識別の方法は、第一の実施形態における話者識別部３０が行う方法と同様である。

【0073】

＜具体例２＞
第二の具体例は、大学の講義での出席チェックを行う状況において、本開示の話者識別装置を利用する形態である。講師による人的負担を軽減させるため、出席チェックの作業を自動化できることが好ましい。その前提として、対象とする講義に出席する学生を特定する必要がある。

【0074】

話者識別により、音声を発した学生を一定の精度で識別することは可能である。しかし、学校に在籍する学生の数が多くなるほど、上述したような効率および精度の問題が生ずる。本具体例では、位置情報から講義を選択して話者識別の対象とする学生の数を低減させることで、話者識別の効率および精度を向上できるようにする。なお、講義を一意に特定するため、時間情報も合わせて使用することが好ましい。

【0075】

図１１は、本開示による話者識別装置の第二の具体例の構成を示すブロック図である。第二の具体例における話者識別装置２００は、サブセット検出部２１０と、特徴抽出部２０と、話者識別部２３０とを備えている。特徴抽出部２０の内容は、第一の実施形態と同様である。

【0076】

サブセット検出部２１０は、情報受信部１２と、講義ＩＤ選択部２１４と、マッピング情報記憶部２１６と、学生サブセット選択部２１８とを含む。情報受信部１２の内容は、第一の実施形態と同様である。

【0077】

講義ＩＤ選択部２１４は、情報受信部１２が受信した位置情報から講義ＩＤを選択する。すなわち、講義ＩＤ選択部２１４は、第一の実施形態における属性選択部１４が選択する属性として、講義ＩＤを選択する。位置情報から講義ＩＤを選択する方法は、属性選択部１４が属性を選択する方法と同様である。

【0078】

マッピング情報記憶部２１６は、サブセット情報として、講義ＩＤと１人以上の学生とを対応付けた情報を記憶する。また、マッピング情報記憶部２１６は、各学生の音声モデルを記憶していてもよい。

【0079】

学生サブセット選択部２１８は、講義ＩＤ選択部２１４によって選択された講義ＩＤに基づいて、マッピング情報記憶部２１６に記憶されたサブセット情報から学生のサブセットを選択する。すなわち、学生サブセット選択部２１８は、学校内の全学生のサブセットとして、選択された講義ＩＤで識別される講義を受講する学生を選択する。合わせて、学生サブセット選択部２１８は、選択した学生の音声モデルを取得する。

【0080】

話者識別部２３０は、特徴抽出部２０によって抽出された特徴量に基づいて、決定された音声モデルのサブセットからテスト音声の学生を識別する。なお、話者識別の方法は、第一の実施形態における話者識別部３０が行う方法と同様である。

【0081】

＜具体例３＞
第三の具体例は、検疫対象者の温度チェックを行う状況において、本開示の話者識別装置を利用する形態である。病院や検疫所での人的負担を軽減させるため、個々の検疫対象者に対する温度チェックを自動化できることが好ましい。その前提として、個々の検疫対象者を特定する必要がある。本具体例では、位置情報から部屋ＩＤを選択して話者識別の対象とする検疫対象者の数を低減させることで、話者識別の効率および精度を向上できるようにする。

【0082】

図１２は、本開示による話者識別装置の第三の具体例の構成を示すブロック図である。第三の具体例における話者識別装置３００は、サブセット検出部３１０と、特徴抽出部２０と、話者識別部３３０とを備えている。特徴抽出部２０の内容は、第一の実施形態と同様である。

【0083】

サブセット検出部３１０は、情報受信部１２と、部屋ＩＤ選択部３１４と、マッピング情報記憶部３１６と、対象者サブセット選択部３１８とを含む。情報受信部１２の内容は、第一の実施形態と同様である。

【0084】

部屋ＩＤ選択部３１４は、情報受信部１２が受信した位置情報から部屋ＩＤを選択する。すなわち、部屋ＩＤ選択部３１４は、第一の実施形態における属性選択部１４が選択する属性として、部屋ＩＤを選択する。位置情報から部屋ＩＤを選択する方法は、属性選択部１４が属性を選択する方法と同様である。

【0085】

マッピング情報記憶部３１６は、サブセット情報として、部屋ＩＤと１人以上の対象者とを対応付けた情報を記憶する。また、マッピング情報記憶部３１６は、各対象者の音声モデルを記憶していてもよい。

【0086】

対象者サブセット選択部３１８は、部屋ＩＤ選択部３１４によって選択された部屋ＩＤに基づいて、マッピング情報記憶部３１６に記憶されたサブセット情報から対象者のサブセットを選択する。すなわち、対象者サブセット選択部３１８は、全検疫対象者のサブセットとして、選択された部屋ＩＤで識別される部屋にいる対象者を選択する。合わせて、対象者サブセット選択部３１８は、選択した対象者の音声モデルを取得する。

【0087】

話者識別部３３０は、特徴抽出部２０によって抽出された特徴量に基づいて、決定された音声モデルのサブセットからテスト音声の対象者を識別する。なお、話者識別の方法は、第一の実施形態における話者識別部３０が行う方法と同様である。

【0088】

＜具体例４＞
第四の具体例は、門限後に帰寮する学生をチェックする状況において、本開示の話者識別装置を利用する形態である。寮のスタッフの人的負担を軽減させるため、門限後に帰寮した個々の学生のチェックを自動化できることが好ましい。その前提として、チェックの対象とする学生を特定する必要がある。本具体例では、位置情報から部屋ＩＤを選択して話者識別の対象とする学生の数を低減させることで、話者識別の効率および精度を向上できるようにする。

【0089】

図１３は、本開示による話者識別装置の第四の具体例の構成を示すブロック図である。第四の具体例における話者識別装置４００は、サブセット検出部４１０と、特徴抽出部２０と、話者識別部４３０とを備えている。特徴抽出部２０の内容は、第一の実施形態と同様である。

【0090】

サブセット検出部４１０は、情報受信部１２と、部屋ＩＤ選択部４１４と、マッピング情報記憶部４１６と、学生サブセット選択部４１８とを含む。情報受信部１２の内容は、第一の実施形態と同様である。

【0091】

部屋ＩＤ選択部４１４は、情報受信部１２が受信した位置情報から部屋ＩＤを選択する。すなわち、部屋ＩＤ選択部４１４は、第一の実施形態における属性選択部１４が選択する属性として、部屋ＩＤを選択する。位置情報から部屋ＩＤを選択する方法は、属性選択部１４が属性を選択する方法と同様である。

【0092】

マッピング情報記憶部４１６は、サブセット情報として、部屋ＩＤと１人以上の学生とを対応付けた情報を記憶する。また、マッピング情報記憶部４１６は、各学生の音声モデルを記憶していてもよい。

【0093】

学生サブセット選択部４１８は、部屋ＩＤ選択部４１４によって選択された部屋ＩＤに基づいて、マッピング情報記憶部４１６に記憶されたサブセット情報から学生のサブセットを選択する。すなわち、学生サブセット選択部４１８は、寮内の全学生のサブセットとして、選択された部屋ＩＤで識別される部屋に住んでいる学生を選択する。合わせて、学生サブセット選択部４１８は、選択した学生の音声モデルを取得する。

【0094】

話者識別部４３０は、特徴抽出部２０によって抽出された特徴量に基づいて、決定された音声モデルのサブセットからテスト音声の学生を識別する。なお、話者識別の方法は、第一の実施形態における話者識別部３０が行う方法と同様である。

【0095】

＜具体例５＞
第五の具体例は、チェーン店における顧客管理において、本開示の話者識別装置を利用する形態である。チェーン店を展開する会社では、例えば、本部で顧客を集中管理する形態をとることが多い。このとき、登録された店舗やよく利用する店舗が、合わせて管理されることが通常である。このような状況において、各店舗で所望する顧客の情報は、本部が管理する全顧客ではなく、その店舗を利用する顧客のサブセットであると考えられる。

【0096】

本具体例では、位置情報から店舗ＩＤを選択して話者識別の対象とする顧客の数を低減させることで、話者識別の効率および精度を向上できるようにする。さらに、そのサブセットに含まれない顧客（外れ値の顧客）が来店した場合、将来のプロモーションなどのために、その店舗に顧客登録すること推薦できるようにする。

【0097】

図１４は、本開示による話者識別装置の第五の具体例の構成を示すブロック図である。第五の具体例における話者識別装置５００は、サブセット検出部５１０と、特徴抽出部２０と、話者識別部５３０とを備えている。特徴抽出部２０の内容は、第一の実施形態と同様である。

【0098】

サブセット検出部５１０は、情報受信部１２と、店舗ＩＤ選択部５１４と、マッピング情報記憶部５１６と、顧客サブセット選択部５１８とを含む。情報受信部１２の内容は、第一の実施形態と同様である。

【0099】

店舗ＩＤ選択部５１４は、情報受信部１２が受信した位置情報から店舗ＩＤを選択する。すなわち、店舗ＩＤ選択部５１４は、第一の実施形態における属性選択部１４が選択する属性として、店舗ＩＤを選択する。位置情報から店舗ＩＤを選択する方法は、属性選択部１４が属性を選択する方法と同様である。

【0100】

マッピング情報記憶部５１６は、サブセット情報として、店舗ＩＤと１人以上の顧客とを対応付けた情報を記憶する。また、マッピング情報記憶部５１６は、各顧客の音声モデルを記憶していてもよい。

【0101】

顧客サブセット選択部５１８は、店舗ＩＤ選択部５１４によって選択された店舗ＩＤに基づいて、マッピング情報記憶部５１６に記憶されたサブセット情報から顧客のサブセットを選択する。すなわち、顧客サブセット選択部５１８は、登録された全顧客のサブセットとして、選択された店舗ＩＤで識別される顧客を選択する。合わせて、顧客サブセット選択部５１８は、選択した顧客の音声モデルを取得する。

【0102】

話者識別部５３０は、特徴抽出部２０によって抽出された特徴量に基づいて、決定された音声モデルのサブセットからテスト音声の顧客を識別する。なお、話者識別の方法は、第一の実施形態における話者識別部３０が行う方法と同様である。

【0103】

次に、本開示の概要を説明する。図１５は、本開示による話者識別装置の概要を示すブロック図である。本開示の話者識別装置８０（例えば、話者識別装置１）は、属性に対応する話者を、その話者全体のサブセット情報から選択して、テスト音声（例えば、テスト音声２１）が識別される音声モデルのサブセットを決定する話者サブセット選択手段８１（例えば、話者サブセット選択部１８）と、テスト音声から抽出された特徴量に基づいて、決定された音声モデルのサブセットからテスト音声の話者を識別する話者識別手段８２（例えば、話者識別部３０）とを備えている。

【0104】

そのような構成により、話者識別の効率および精度を向上させることができる。

【0105】

また、話者サブセット選択手段８１（例えば、話者サブセット選択部４８）は、複数の各属性に対応する話者を話者全体のサブセット情報から選択して、音声モデルの複数のサブセットを決定し、決定された各サブセットの音声モデルに関する信頼性をそれぞれ計算してもよい。そして、話者識別手段８２（例えば、話者識別部５０）は、サブセットの信頼性が高いほど、そのサブセットの音声モデルに対応する話者に決定する可能性が高くなるように、テスト音声の話者を識別してもよい。

【0106】

具体的には、話者サブセット選択手段８１は、テスト音声の位置を推定するレシーバー（例えば、ロボット）の位置と選択された属性の位置との距離が近いほど信頼性が高くなるように、その属性に対応するサブセットの信頼性を計算してもよい。

【0107】

また、話者識別手段８２は、サブセット内の音声モデルと特徴量との類似度を算出し、最も類似度が大きい音声モデルに対応する話者をテスト音声の話者と識別してもよい。

【0108】

また、話者識別手段８２は、サブセットごとに算出された類似度に、そのサブセットの信頼性を加重したスコアを算出し、算出されたスコアが最も大きいサブセットで決定された音声モデルに対応する話者を、テスト音声の話者と識別してもよい。

【0109】

また、話者識別装置８０は、テスト音声の位置を推定するレシーバーから位置を受信する情報受信部（例えば、情報受信部１２）と、受信した位置に基づいて属性を選択する属性選択部（例えば、属性選択部１４）とを備えていてもよい。そして、話者サブセット選択手段８１は、選択された属性に対応する話者を話者全体のサブセット情報から選択してもよい。

【0110】

また、話者識別装置８０は、テスト音声の特徴量を抽出する特徴抽出手段（例えば、特徴抽出部２０）を備えていてもよい。そして、話者識別手段８２は、抽出された特徴量に基づいて、テスト音声の話者を識別してもよい。

【0111】

図１６は、少なくとも１つの実施形態に係るコンピュータの構成を示す概略ブロック図である。コンピュータ１０００は、ＣＰＵ１００１、主記憶装置１００２、補助記憶装置１００３、インタフェース１００４を備える。

【0112】

上述の話者識別装置８０は、コンピュータ１０００に実装される。そして、上述した各処理部の動作は、プログラム（話者識別プログラム）の形式で補助記憶装置１００３に記憶されている。プロセッサ１００１は、プログラムを補助記憶装置１００３から読み出して主記憶装置１００２に展開し、当該プログラムに従って上記処理を実行する。

【0113】

なお、少なくとも１つの実施形態において、補助記憶装置１００３は、一時的でない有形の媒体の一例である。一時的でない有形の媒体の他の例としては、インタフェース１００４を介して接続される磁気ディスク、光磁気ディスク、ＣＤ－ＲＯＭ（Compact Disc Read-only memory ）、ＤＶＤ－ＲＯＭ（Read-only memory）、半導体メモリ等が挙げられる。また、このプログラムが通信回線によってコンピュータ１０００に配信される場合、配信を受けたコンピュータ１０００が当該プログラムを主記憶装置１００２に展開し、上記処理を実行してもよい。

【0114】

また、当該プログラムは、前述した機能の一部を実現するためのものであっても良い。さらに、当該プログラムは、前述した機能を補助記憶装置１００３に既に記憶されている他のプログラムとの組み合わせで実現するもの、いわゆる差分ファイル（差分プログラム）であってもよい。

【0115】

本発明は、その例示的な実施形態を参照して特に示され、説明されてきたが、本発明はこれらの実施形態に限定されるものではない。特許請求の範囲によって定義される本開示の精神および範囲から逸脱することなく、形態および詳細における様々な変更がそこでなされ得ることは、当業者によって理解されるであろう。

【0116】

上記の実施形態の一部又は全部は、以下の付記のようにも記載されうるが、これに限定されるものではない。

【0117】

（付記１）位置情報に基づいて選択された属性に対応する話者を当該話者全体のサブセット情報から選択して、テスト音声が識別される音声モデルのサブセットを決定する話者サブセット選択手段と、
前記テスト音声から抽出された特徴量に基づいて、決定された前記音声モデルのサブセットから前記テスト音声の話者を識別する話者識別手段とを備えた
ことを特徴とする話者識別装置。

【0118】

（付記２）話者サブセット選択手段は、複数の各属性に対応する話者を話者全体のサブセット情報から選択して、音声モデルの複数のサブセットを決定し、決定された各サブセットの音声モデルに関する信頼性をそれぞれ計算し、
話者識別手段は、前記サブセットの信頼性が高いほど、当該サブセットの音声モデルに対応する話者に決定する可能性が高くなるように、テスト音声の話者を識別する
付記１記載の話者識別装置。

【0119】

（付記３）話者サブセット選択手段は、テスト音声の位置を推定するレシーバーの位置と選択された属性の位置との距離が近いほど信頼性が高くなるように、当該属性に対応するサブセットの信頼性を計算する
付記２記載の話者識別装置。

【0120】

（付記４）話者識別手段は、サブセット内の音声モデルと特徴量との類似度を算出し、最も類似度が大きい音声モデルに対応する話者をテスト音声の話者と識別する
付記１から付記３のうちのいずれか１つに記載の話者識別装置。

【0121】

（付記５）話者識別手段は、サブセットごとに算出された類似度に、当該サブセットの信頼性を加重したスコアを算出し、算出されたスコアが最も大きいサブセット内で決定された音声モデルに対応する話者を、テスト音声の話者と識別する
付記４記載の話者識別装置。

【0122】

（付記６）テスト音声の位置を推定するレシーバーから位置を受信する情報受信部と、
受信した位置に基づいて属性を選択する属性選択部とを備え、
話者サブセット選択手段は、選択された前記属性に対応する話者を話者全体のサブセット情報から選択する
付記１から付記５のうちのいずれか１つに記載の話者識別装置。

【0123】

（付記７）テスト音声の特徴量を抽出する特徴抽出手段を備え、
話者識別手段は、抽出された前記特徴量に基づいて、テスト音声の話者を識別する
付記１から付記６のうちのいずれか１つに記載の話者識別装置。

【0124】

（付記８）話者サブセット選択手段は、位置情報または属性情報に基づいて、選択された属性に対応する話者を選択する
付記１から付記７のうちのいずれか１つに記載の話者識別装置。

【0125】

（付記９）位置情報に基づいて選択された属性に対応する話者を当該話者全体のサブセット情報から選択して、テスト音声が識別される音声モデルのサブセットを決定し、
前記テスト音声から抽出された特徴量に基づいて、決定された前記音声モデルのサブセットから前記テスト音声の話者を識別する
ことを特徴とする話者識別方法。

【0126】

（付記１０）複数の各属性に対応する話者を話者全体のサブセット情報から選択して、音声モデルの複数のサブセットを決定し、決定された各サブセットの音声モデルに関する信頼性をそれぞれ計算し、
前記サブセットの信頼性が高いほど、当該サブセットの音声モデルに対応する話者に決定する可能性が高くなるように、テスト音声の話者を識別する
付記９記載の話者識別方法。

【0127】

（付記１１）コンピュータに、
位置情報に基づいて選択された属性に対応する話者を当該話者全体のサブセット情報から選択して、テスト音声が識別される音声モデルのサブセットを決定する話者サブセット選択処理、および、
前記テスト音声から抽出された特徴量に基づいて、決定された前記音声モデルのサブセットから前記テスト音声の話者を識別する話者識別処理
を実行させるための話者識別プログラムを記憶する非一過性のコンピュータ読み取り可能な情報記録媒体。

【0128】

（付記１２）コンピュータに、
話者サブセット選択処理で、複数の各属性に対応する話者を話者全体のサブセット情報から選択して、音声モデルの複数のサブセットを決定させ、決定された各サブセットの音声モデルに関する信頼性をそれぞれ計算させ、
話者識別処理で、前記サブセットの信頼性が高いほど、当該サブセットの音声モデルに対応する話者に決定する可能性が高くなるように、テスト音声の話者を識別させる
ための話者識別プログラムを記憶する付記１１記載の非一過性のコンピュータ読み取り可能な情報記録媒体。

【0129】

（付記１３）コンピュータに、
位置情報に基づいて選択された属性に対応する話者を当該話者全体のサブセット情報から選択して、テスト音声が識別される音声モデルのサブセットを決定する話者サブセット選択処理、および、
前記テスト音声から抽出された特徴量に基づいて、決定された前記音声モデルのサブセットから前記テスト音声の話者を識別する話者識別処理
を実行させるための話者識別プログラム。

【0130】

（付記１４）コンピュータに、
話者サブセット選択処理で、複数の各属性に対応する話者を話者全体のサブセット情報から選択して、音声モデルの複数のサブセットを決定させ、決定された各サブセットの音声モデルに関する信頼性をそれぞれ計算させ、
話者識別処理で、前記サブセットの信頼性が高いほど、当該サブセットの音声モデルに対応する話者に決定する可能性が高くなるように、テスト音声の話者を識別させる
付記１３記載の話者識別プログラム。

【符号の説明】

【0131】

１，１００，２００，３００，４００，５００ 話者識別装置
１０，４０，１１０，２１０，３１０，４１０，５１０ サブセット検出部
１２ 情報受信部
１４ 属性選択部
１６，１１６，２１６，３１６，４１６，５１６ マッピング情報記憶部
１８，４８ 話者サブセット選択部
２０ 特徴抽出部
２１ テスト音声
３０，１３０，２３０，３３０，４３０，５３０ 話者識別部
１１４ 監房ＩＤ選択部
１１８ 囚人サブセット選択部
２１４ 講義ＩＤ選択部
２１８，４１８ 学生サブセット選択部
３１４，４１４ 部屋ＩＤ選択部
３１８ 対象者サブセット選択部
５１４ 店舗ＩＤ選択部
５１８ 顧客サブセット選択部

【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】