| マルチパス法のモデルの尤度による順位 | |||
| 尤度順位 | 男性話者 | 女性話者 | モデルの尤度 |
| (認識結果) 1 | 内容 | 勤勉 | -5141.3 |
| 2 | 内容 | 細々 | -5256.9 |
| 3 | 内容 | 可愛い | -5256.9 |
表15と図11の例は，
男性話者mauが「内容(naiyou)」，
女性話者fynが「勤勉(kiNbeN)」と発話した場合の認識結果の例である．
この例では， クロストーク音声に対して，マルチパス法のモデルの尤度が 最大となったモデルが，男性話者が「内容(naiyou)」， 女性話者が「勤勉(kiNbeN)」のモデルである， このモデルはクロストーク音声の発話内容と一致しており， 正しく同時発話認識できている．
| マルチパス法のモデルの尤度による順位 | |||
| 尤度順位 | 男性話者 | 女性話者 | モデルの尤度 |
| (認識結果) 1 | わざわざ | 欲張る | -4501.4 |
| 2 | 加える | 欲張る | -4555.1 |
| 3 | 内容 | 欲張る | -4572.8 |
表16と図12の例は，
男性話者mmsが「わざわざ(wazawaza)」，
女性話者ftkが「欲張る(yokubaru)」と発話した場合の認識結果の例である．
この例では， クロストーク音声に対して，マルチパス法のモデルの尤度が 最大となったモデルが，男性話者が「わざわざ(wazawaza)」， 女性話者が「欲張る(yokubaru)」のモデルである． このモデルはクロストーク音声の発話内容と一致しており， 正しく同時発話認識できている．
![\includegraphics[scale=1.3]{multi_suc1.eps}](img146.png)
![\includegraphics[scale=1.0]{multi_suc2.eps}](img147.png)