JP2000056794A - 音声認識システム及び記録媒体 - Google Patents

Abstract

(57)【要約】 【課題】 語彙別、話者別に異なる評価方法を適用して
音声の認識率を向上させる音声認識システムの提供。 【解決手段】 語彙毎のような認識結果毎に適用すべき
評価方法を記憶している認識結果／評価方法関係テーブ
ル８及び評価方法集合テーブル９と、認識結果４ａを、
この認識結果４ａに応じた評価方法を適用して評価する
認識結果評価装置５とを設ける。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は、入力された音声か
ら、単語、文章等の認識結果を生成する際に、助詞を省
略して話す話者、訛りが有る話者等の話者の特徴に応じ
た認識結果を生成し、また認識結果の採否を評価する際
に、例えば、発音しにくい単語・文章は評価基準を緩
く、重要な単語・文章は評価基準を厳しくするといった
ように、認識結果毎、話者毎に評価方法を選択できる音
声認識システム及びこのような音声認識のコンピュータ
プログラムが記録されている記録媒体に関する。

【０００２】

【従来の技術】図１は従来の音声認識システムのブロッ
ク図である。音声認識装置２は、例えばマイクロフォン
から入力された音声データ１としての音声信号をフレー
ム（５ｍｓ〜３０ｍｓ間隔のタイムスライス）毎に音響
分析し、特徴パラメータの時系列データに変換する。

【０００３】例えば、単語テンプレートマッチングによ
る音声認識の場合、辞書３の認識語彙３ｂには、単語テ
ンプレートとして、認識対象単語の音声モデルを音響分
析して得られた特徴パラメータの時系列データが予め登
録されている。音声認識装置２は、認識文法３ａ及び認
識語彙３ｂからなる辞書３を参照し、認識語彙３ｂに登
録されている単語テンプレートの時系列データと、入力
音声を音響分析して得られた特徴パラメータの時系列デ
ータとの距離（スコア）を求め、距離の小さい認識対象
単語から順に、距離のデータを含む付加情報４ｂととも
に認識結果４ａとして認識結果評価装置５へ出力する。

【０００４】また、音響セグメントネットワークによる
音声認識の場合、音声認識装置２は音素のスペクトルで
ある音響テンプレートと入力音声のスペクトルとの距離
を求め、スペクトル距離マトリクスを作成する。この場
合、辞書３の認識語彙３ｂには、認識対象単語の平仮名
表記が登録されている。

【０００５】音声認識装置２は、上述の単語テンプレー
トに相当する働きをする音響セグメントネットワークを
認識語彙３ｂ内の平仮名表記から自動生成し、認識対象
単語の音響セグメントネットワークと、入力音声のスペ
クトル距離マトリクスとを動的計画法を用いて照合して
距離を求め、距離の小さい認識対象単語から順に、距離
を含む付加情報４ｂとともに認識結果４ａとして認識結
果評価装置５へ出力する。

【０００６】認識結果評価装置５は、距離の閾値が登録
されている評価方法６を適用し、付加情報４ｂに含まれ
る距離が閾値より小さい場合は認識結果４ａをアクセプ
トし、閾値より大きい場合は認識結果４ａをリジェクト
する。

【０００７】なお、認識結果４ａがすべてリジェクトさ
れた場合、認識結果評価装置５は、認識結果４ａをリジ
ェクトとして処理するか、ユーザに再度発音するように
要求するか、又はリジェクトした認識結果４ａの正否を
ユーザに問い合わせる。認識結果評価装置５によってア
クセプトされた認識結果４ａの文字データは上位アプリ
ケーション７に提供される。

【０００８】

【発明が解決しようとする課題】ところで、単語、文章
の中には、多くの人にとって、又は特定の個人にとって
発音の困難なものがあるが、このような語彙ではテンプ
レートとの距離が大きくなってリジェクトされる可能性
が高い。しかし、従来の音声認識システムは、評価方法
として適用する距離の閾値が固定値であるので、このよ
うな語彙だけ閾値を大きくして評価基準を緩くすること
ができない。

【０００９】また、例えばシステムをシャットダウンさ
せる命令のように、誤認識によるシステム全体への影響
が大きい重要な語彙は、誤って認識しないように閾値を
小さくして評価基準を厳しくするべきである。しかし、
従来のシステムでは全ての単語、文章に対して評価方法
は一律である。

【００１０】さらに、例えば助詞を省略して話す癖があ
る話者、なまりがある話者の音声を認識する場合、従来
の音声認識システムでは、参照する認識文法、認識語彙
が一種類であるので、認識が困難になる。

【００１１】本発明はこのような問題点を解決するため
になされたものであって、例えば発音が困難な語彙の評
価基準を緩くしたり、また重要な語彙の評価基準を厳し
くしたりといったように、認識結果毎に適した評価方法
を適用することにより、またなまり、文法等のように話
し方に特徴を有する話者の音声に対して、この話者の特
徴に適した認識文法、認識語彙を参照することにより、
音声の認識率を向上させる音声認識システム、及び音声
認識のコンピュータプログラムが記録されている記録媒
体の提供を目的とする。

【００１２】

【課題を解決するための手段】第１発明の音声認識シス
テムは、音声を音響分析して得られた音声パターンから
該音声の認識結果を生成し、該認識結果を所定の評価方
法で評価して該認識結果の採否を決定して前記音声を認
識する音声認識システムにおいて、認識結果毎に適用す
べき評価方法を記憶している手段と、認識結果を、該認
識結果に応じた評価方法を適用して評価する手段とを備
えたことを特徴とする。

【００１３】第２発明の音声認識システムは、音声を音
響分析して得られた音声パターンから、記憶している認
識語彙及び認識文法を参照して前記音声の認識結果を生
成し、該認識結果を所定の評価方法で評価して該認識結
果の採否を決定する音声認識システムにおいて、話者の
識別名を入力する手段と、該話者の識別名に対応する、
音声認識における該話者の固有情報を登録する手段と、
話者の固有情報毎に、音声認識時に参照する認識語彙及
び認識文法を記憶している手段と、話者が入力した音声
を音響分析して得られた音声パターンから、該音声の認
識結果を生成する際、該話者の固有情報に応じた認識語
彙及び認識文法を参照する手段とを備えたことを特徴と
する。

【００１４】第３発明の音声認識システムは、音声を音
響分析して得られた音声パターンから、記憶している認
識語彙及び認識文法を参照して前記音声の認識結果を生
成し、該認識結果を所定の評価方法で評価して該認識結
果の採否を決定する音声認識システムにおいて、話者の
識別名を入力する手段と、該話者の識別名に対応する、
音声認識における該話者の固有情報を登録する手段と、
認識結果及び話者の固有情報の組み合わせ毎に、適用す
べき評価方法を記憶している手段と、認識結果を、該認
識結果及び話者の固有情報に応じた評価方法を適用して
評価する手段とを備えたことを特徴とする。

【００１５】第４発明の音声認識システムは、音声を音
響分析して得られた音声パターンから、記憶している認
識語彙及び認識文法を参照して前記音声の認識結果を生
成し、該認識結果を所定の評価方法で評価して該認識結
果の採否を決定する音声認識システムにおいて、話者の
識別名を入力する手段と、該話者の識別名に対応する、
音声認識における該話者の固有情報を登録する手段と、
話者の固有情報毎に、音声認識時に参照する認識語彙及
び認識文法を記憶している手段と、認識結果毎に適用す
べき評価方法を記憶している手段と、話者が入力した音
声を音響分析して得られた音声パターンから、該音声の
認識結果を生成する際、該話者の固有情報に応じた認識
語彙及び認識文法を参照する手段と、認識結果を、該認
識結果に応じた評価方法を適用して評価する手段とを備
えたことを特徴とする。

【００１６】第５発明の音声認識システムは、音声を音
響分析して得られた音声パターンから、記憶している認
識語彙及び認識文法を参照して前記音声の認識結果を生
成し、該認識結果を所定の評価方法で評価して該認識結
果の採否を決定する音声認識システムにおいて、話者の
識別名を入力する手段と、該話者の識別名に対応する、
音声認識における該話者の固有情報を登録する手段と、
話者の固有情報毎に、音声認識時に参照する認識語彙及
び認識文法を記憶している手段と、認識結果及び話者の
固有情報の組み合わせ毎に、適用すべき評価方法を記憶
している手段と、話者が入力した音声を音響分析して得
られた音声パターンから、該音声の認識結果を生成する
際、該話者の固有情報に応じた認識語彙及び認識文法を
参照する手段と、認識結果を、該認識結果及び該話者の
固有情報に応じた評価方法を適用して評価する手段とを
備えたことを特徴とする。

【００１７】第６発明の音声認識システムは、第１又は
第４発明に加えて、認識結果毎に、適用が可能な複数種
の評価方法を記憶している手段と、認識結果を評価する
際に前記複数種の中からいずれかの評価方法を選択して
適用する手段とを備えたことを特徴とする。

【００１８】第７発明の音声認識システムは、第３又は
第５発明に加えて、認識結果毎、又は認識結果及び話者
の固有情報の組み合わせ毎に、適用が可能な複数種の評
価方法を記憶している手段と、認識結果を評価する際に
前記複数種の中からいずれかの評価方法を選択して適用
する手段とを備えたことを特徴とする。

【００１９】第８発明の音声認識システムは、第２又は
第４又は第５発明に加えて、話者の固有情報毎に、適用
が可能な複数種の認識語彙及び認識文法を記憶している
手段と、認識結果を生成する際に、前記複数種の中から
いずれかの認識語彙及び認識文法を選択して参照する手
段とを備えたことを特徴とする。

【００２０】第９発明の音声認識システムは、第２又は
第３又は第４又は第５又は第７又は第８発明に加えて、
話者の音声を認識して該話者を識別する手段を備えたこ
とを特徴とする。

【００２１】第１０発明の記録媒体は、コンピュータに
音声を入力し、該コンピュータが、該音声を音響分析し
て得た音声パターンから該音声の認識結果を生成し、該
コンピュータが該認識結果を所定の評価方法で評価して
該認識結果の採否を決定する音声認識システムに使用す
る、コンピュータでの読み取りが可能な記録媒体におい
て、 認識結果毎に適用すべき評価方法のプログラム
と、前記コンピュータに、認識結果を、該認識結果に応
じた評価方法のプログラムを適用して評価させるプログ
ラムコード手段とを含むことを特徴とする。

【００２２】本発明では、例えば発音が困難な語彙の評
価基準を緩くしたり、また重要な語彙の評価基準を厳し
くしたりといったように、認識結果毎に適した評価方法
を適用する。従って、音声の認識率が向上する。

【００２３】また、本発明では、なまり、文法等のよう
に話し方に特徴を有する話者に対して、この話者の特徴
に適した認識文法、認識語彙を参照する。従って、音声
の認識率が向上する。

【００２４】

【発明の実施の形態】（実施の形態１）図２は本発明の
音声認識システムの実施の形態１の構成を示すブロック
図である。音声認識装置２は、例えばマイクロフォンか
ら入力された音声データ１としての音声信号をフレーム
（５ｍｓ〜３０ｍｓ間隔のタイムスライス）毎に音響分
析し、特徴パラメータの時系列データに変換する。

【００２５】例えば、単語テンプレートマッチングによ
る音声認識の場合、辞書３の認識語彙３ｂには、単語テ
ンプレートとして、認識対象単語の音声モデルを音響分
析して得られた特徴パラメータの時系列データが予め登
録されている。音声認識装置２は、認識文法３ａ及び認
識語彙３ｂからなる辞書３を参照し、認識語彙３ｂに登
録されている単語テンプレートの時系列データと、入力
音声を音響分析して得られた特徴パラメータの時系列デ
ータとの距離（スコア）を求め、距離の小さい認識対象
単語から順に、距離のデータを含む付加情報４ｂととも
に認識結果４ａとして認識結果評価装置５へ出力する。

【００２６】また、音響セグメントネットワークによる
音声認識の場合、音声認識装置２は音素のスペクトルで
ある音響テンプレートと入力音声のスペクトルとの距離
を求め、スペクトル距離マトリクスを作成する。この場
合、辞書３の認識語彙３ｂには、認識対象単語の平仮名
表記が登録されている。

【００２７】音声認識装置２は、上述の単語テンプレー
トに相当する働きをする音響セグメントネットワークを
認識語彙３ｂ内の平仮名表記から自動生成し、認識対象
単語の音響セグメントネットワークと、入力音声のスペ
クトル距離マトリクスとを動的計画法を用いて照合して
距離を求め、距離の小さい認識対象単語から順に、距離
を含む付加情報４ｂとともに認識結果４ａとして認識結
果評価装置５へ出力する。

【００２８】システムは、認識結果４ａ毎に適用すべき
評価方法を特定する情報、例えば評価方法番号が登録さ
れている認識結果／評価方法関係テーブル８を参照し、
音声認識装置２から出力された認識結果４ａに対応する
評価方法番号の評価方法９ａを評価方法集合テーブル９
から獲得して認識結果評価装置５に設定する。この場合
の評価方法は、「認識結果のスコアが評価方法に設定さ
れている閾値より小さければアクセプトし、そうでなけ
ればリジェクトする」というプログラムである。認識結
果評価装置５はこの評価方法９ａを適用し、付加情報４
ｂに含まれる距離が閾値より小さい場合は認識結果４ａ
をアクセプトし、閾値より大きい場合は認識結果４ａを
リジェクトする。

【００２９】なお、認識結果４ａがすべてリジェクトさ
れた場合、認識結果評価装置５は、認識結果４ａをリジ
ェクトとして処理するか、ユーザに再度発音するように
要求するか、又はリジェクトした認識結果４ａの正否を
ユーザに問い合わせる。認識結果評価装置５によってア
クセプトされた認識結果４ａの文字データは上位アプリ
ケーション７に提供される。

【００３０】次に、認識結果別の評価方法の選択手順
を、図３のフローチャート、及び図４の認識結果／評価
方法関係テーブルの概念図に基づいて説明する。音声認
識装置２から出力された認識結果４ａが認識結果／評価
方法関係テーブル８にあるか否かを判断し (ステップＳ
３−１）、認識結果／評価方法関係テーブル８に存在す
る場合は、対応する評価方法番号の評価方法９ａを評価
方法集合テーブル９から獲得して認識結果評価装置５に
設定して (ステップＳ３−２）、正常終了する。

【００３１】一方、認識結果４ａが認識結果／評価方法
関係テーブル８に存在しない場合 (ステップＳ３−１の
ＮＯ）、認識結果／評価方法関係テーブル８及び評価方
法集合テーブル９にデフォルトの評価方法が登録されて
いるか否かを判断し (ステップＳ３−３）、デフォルト
の評価方法が登録されている場合は、デフォルトの評価
方法９ａを認識結果評価装置５に設定して (ステップＳ
３−４）、正常終了する。また、認識結果４ａが認識結
果／評価方法関係テーブル８に存在せず、さらにデフォ
ルトの評価方法が登録されていない場合は (ステップＳ
３−３のＮＯ）、異常終了する。

【００３２】（実施の形態２）図５は本発明の音声認識
システムの実施の形態２のブロック図である。音声認識
装置２は、例えばマイクロフォンから入力された音声デ
ータ１としての音声信号をフレーム（５ｍｓ〜３０ｍｓ
間隔のタイムスライス）毎に音響分析し、特徴パラメー
タの時系列データに変換する。

【００３３】本例では、システムが話者を識別する。そ
の方法としては、例えば話者がマイクロフォンから入力
した所定の単語、文章の音声データ１を音声認識装置２
が音声認識して時系列データに変換し、話者の所定の音
声の特徴パラメータの時系列データ、及びＩＤのような
話者を識別する情報が対応付けて登録されている話者集
合テーブル１０を参照して、音声認識装置２の音声認識
結果から話者を特定する方法、または例えばキーボード
から話者が入力したＩＤ、パスワードから話者を識別す
る方法等がある。なお、本例では、話者を識別するため
に音声データ１を認識する音声認識装置が、話者の音声
データ１を認識する音声認識装置２と同一である構成を
示したが、話者を識別するための音声認識装置を別に設
けても良い。

【００３４】また、話者集合テーブル１０には、図６に
示すように、話者の識別名（ＹＡＭＡＭＯＴＯ、ＯＫＡ
ＭＯＴＯ等）に対応させて、話者の固有情報（性別・年
令・出身地・話し方・使用言語・方言・発音しにくい単
語等）が付帯情報として登録されている。このような話
者の識別名と固有情報とは、例えばシステム利用者情報
として、利用者登録を行う際に登録手段１４により登録
しておくことができる。また、必要に応じて変更するこ
とも可能である。登録されていないユーザ（ＵＮＫＮＯ
ＷＮ）がシステムを使用する場合を考慮して、デフォル
トの付帯情報も登録しておく。

【００３５】話者／語彙・文法関係テーブル１１には、
話者の固有情報と、話者の固有情報に応じた認識語彙及
び認識文法を特定する認識語彙番号、認識文法のような
情報とが対応付けて登録されている。ここでいう、話者
に応じた認識語彙とは、例えばなまりのある話者に応じ
た認識語彙を意味しており、また話者に応じた認識文法
とは、例えば助詞を省いて話す傾向があるような話者に
応じた認識文法を意味している。

【００３６】システムは、以上のような方法で話者を識
別し、話者／語彙・文法関係テーブル１１から話者の固
有情報に対応する認識語彙１２ａｂ及び認識文法１２ａ
ａを語彙・文法集合テーブル１２から獲得し、話者に応
じた（話者の別に無関係のデフォルトを含む）認識語彙
１２ａｂ及び認識文法１２ａａからなる辞書１２ａを音
声認識装置２に設定する。

【００３７】例えば、単語テンプレートマッチングによ
る音声認識の場合、辞書１２ａの認識語彙１２ａｂに
は、単語テンプレートとして、認識対象単語の音声モデ
ルを音響分析して得られた特徴パラメータの時系列デー
タが予め登録されている。音声認識装置２は、認識文法
１２ａａ及び認識語彙１２ａｂからなる辞書１２を参照
し、認識語彙１２ａｂに登録されている単語テンプレー
トの時系列データと、入力音声を音響分析して得られた
特徴パラメータの時系列データとの距離（スコア）を求
め、距離の小さい認識対象単語から順に、距離のデータ
を含む付加情報４ｂとともに認識結果４ａとして認識結
果評価装置５へ出力する。

【００３８】また、音響セグメントネットワークによる
音声認識の場合、音声認識装置２は音素のスペクトルで
ある音響テンプレートと入力音声のスペクトルとの距離
を求め、スペクトル距離マトリクスを作成する。この場
合、辞書１２ａの認識語彙１２ａｂには、認識対象単語
の平仮名表記が登録されている。

【００３９】音声認識装置２は、上述の単語テンプレー
トに相当する働きをする音響セグメントネットワークを
認識語彙１２ａｂ内の平仮名表記から自動生成し、認識
対象単語の音響セグメントネットワークと、入力音声の
スペクトル距離マトリクスとを動的計画法を用いて照合
して距離を求め、距離の小さい認識対象単語から順に、
距離を含む付加情報４ｂとともに認識結果４ａとして認
識結果評価装置５へ出力する。

【００４０】認識結果評価装置５は、距離の閾値が登録
されている評価方法６を適用し、付加情報４ｂに含まれ
る距離が閾値より小さい場合は認識結果４ａをアクセプ
トし、閾値より大きい場合は認識結果４ａをリジェクト
する。

【００４１】なお、認識結果４ａがすべてリジェクトさ
れた場合、認識結果評価装置５は、認識結果４ａをリジ
ェクトとして処理するか、ユーザに再度発音するように
要求するか、又はリジェクトした認識結果４ａの正否を
ユーザに問い合わせる。認識結果評価装置５によってア
クセプトされた認識結果４ａの文字データは上位アプリ
ケーション７に提供される。

【００４２】次に、話者別の認識語彙・認識文法の選択
手順を、図７のフローチャートに基づいて説明する。識
別した話者が話者／語彙・文法関係テーブル１１にある
か否かを判断し (ステップＳ７−１）、話者／語彙・文
法関係テーブル１１に存在する場合は、話者に対応する
認識語彙１２ａｂ及び認識文法１２ａａを語彙・文法集
合テーブル１２から獲得して音声認識装置２に設定して
(ステップＳ７−２）、正常終了する。

【００４３】一方、話者が話者／語彙・文法関係テーブ
ル１１に存在しない場合 (ステップＳ７−１のＮＯ）、
話者／語彙・文法関係テーブル１１及び語彙・文法集合
テーブル１２にデフォルトの認識語彙及び認識文法が登
録されているか否かを判断し(ステップＳ７−３）、デ
フォルトの認識語彙及び認識文法が登録されている場合
は、デフォルトの認識語彙１２ａｂ及び認識文法１２ａ
ａを音声認識装置２に設定して (ステップＳ７−４）、
正常終了する。また、話者が話者／語彙・文法関係テー
ブル１１に存在せず、さらにデフォルトの認識語彙及び
認識文法が登録されていない場合は (ステップＳ７−３
のＮＯ）、異常終了する。

【００４４】（実施の形態３）図８は本発明の音声認識
システムの実施の形態３のブロック図である。音声認識
装置２は、例えばマイクロフォンから入力された音声デ
ータ１としての音声信号をフレーム（５ｍｓ〜３０ｍｓ
間隔のタイムスライス）毎に音響分析し、特徴パラメー
タの時系列データに変換する。

【００４５】例えば、単語テンプレートマッチングによ
る音声認識の場合、辞書３の認識語彙３ｂには、単語テ
ンプレートとして、認識対象単語の音声モデルを音響分
析して得られた特徴パラメータの時系列データが予め登
録されている。音声認識装置２は、認識文法３ａ及び認
識語彙３ｂからなる辞書３を参照し、認識語彙３ｂに登
録されている単語テンプレートの時系列データと、入力
音声を音響分析して得られた特徴パラメータの時系列デ
ータとの距離（スコア）を求め、距離の小さい認識対象
単語から順に、距離のデータを含む付加情報４ｂととも
に認識結果４ａとして認識結果評価装置５へ出力する。

【００４６】また、音響セグメントネットワークによる
音声認識の場合、音声認識装置２は音素のスペクトルで
ある音響テンプレートと入力音声のスペクトルとの距離
を求め、スペクトル距離マトリクスを作成する。この場
合、辞書３の認識語彙３ｂには、認識対象単語の平仮名
表記が登録されている。

【００４７】音声認識装置２は、上述の単語テンプレー
トに相当する働きをする音響セグメントネットワークを
認識語彙３ｂ内の平仮名表記から自動生成し、認識対象
単語の音響セグメントネットワークと、入力音声のスペ
クトル距離マトリクスとを動的計画法を用いて照合して
距離を求め、距離の小さい認識対象単語から順に、距離
を含む付加情報４ｂとともに認識結果４ａとして認識結
果評価装置５へ出力する。

【００４８】本例では、同じ語彙でも話者によって、例
えば発音がしにくい語彙である等の理由により、認識が
困難な場合があることを考慮して、システムが前述の実
施の形態２の場合と同様の方法で話者を識別する。シス
テムは、認識結果４ａ毎及び話者の固有情報毎に適用す
べき評価方法を特定する情報、例えば評価方法番号が登
録されている認識結果・話者／評価方法関係テーブル１
３を参照し、音声認識装置２から出力された認識結果４
ａ、及び識別した話者に対応する評価方法番号の評価方
法９ａを評価方法集合テーブル９から獲得して認識結果
評価装置５に設定する。この場合の評価方法は、「認識
結果のスコアが評価方法に設定されている閾値より小さ
ければアクセプトし、そうでなければリジェクトする」
というプログラムである。認識結果評価装置５はこの評
価方法９ａを適用し、付加情報４ｂに含まれる距離が閾
値より小さい場合は認識結果４ａをアクセプトし、閾値
より大きい場合は認識結果４ａをリジェクトする。

【００４９】なお、認識結果４ａがすべてリジェクトさ
れた場合、認識結果評価装置５は、認識結果４ａをリジ
ェクトとして処理するか、ユーザに再度発音するように
要求するか、又はリジェクトした認識結果４ａの正否を
ユーザに問い合わせる。認識結果評価装置５によってア
クセプトされた認識結果４ａの文字データは上位アプリ
ケーション７に提供される。

【００５０】次に、話者・認識結果別の評価方法の選択
手順の一例を、図９のフローチャート及び図１０の認識
結果・話者／評価方法関係テーブル（その１）の概念図
に基づいて説明する。音声認識装置２から出力された認
識結果４ａが認識結果・話者／評価方法関係テーブル１
３の認識結果集合にあるか否かを判断し (ステップＳ９
−１）、認識結果・話者／評価方法関係テーブル１３の
認識結果集合に存在する場合は、その認識結果に対応す
る話者集合に、識別した話者があるか否かを判断する
(ステップＳ９−２）。識別した話者が話者集合に存在
する場合は、認識結果及び話者に対応する評価方法番号
の評価方法９ａを評価方法集合テーブル９から獲得して
認識結果評価装置５に設定して (ステップＳ９−３）、
正常終了する。

【００５１】一方、認識結果が認識結果・話者／評価方
法関係テーブル１３の認識結果集合に存在するが、その
認識結果に対応する話者集合に、識別した話者が存在し
ない場合は (ステップＳ９−２のＮＯ）、認識結果に対
応する評価方法を認識結果評価装置５に設定して (ステ
ップＳ９−４）、正常終了する。

【００５２】また、認識結果４ａが認識結果・話者／評
価方法関係テーブル１３に存在しない場合は (ステップ
Ｓ９−１のＮＯ）、認識結果・話者／評価方法関係テー
ブル１３及び評価方法集合テーブル９にデフォルトの評
価方法が登録されているか否かを判断し (ステップＳ９
−５）、デフォルトの評価方法が登録されている場合
(ステップＳ９−６のＹＥＳ）は、デフォルトの評価方
法９ａを認識結果評価装置５に設定して (ステップＳ９
−６）、正常終了する。一方、認識結果４ａが認識結果
・話者／評価方法関係テーブル１３に存在せず、さらに
デフォルトの評価方法が登録されていない場合は (ステ
ップＳ９−５のＮＯ）、異常終了する。

【００５３】次に、話者・認識結果別の評価方法の選択
手順の他の例を、図１１のフローチャート及び図１２の
認識結果・話者／評価方法関係テーブル（その２）の概
念図に基づいて説明する。システムが識別した話者が認
識結果・話者／評価方法関係テーブル１３の話者集合に
あるか否かを判断し (ステップＳ１１−１）、認識結果
・話者／評価方法関係テーブル１３の話者集合に存在す
る場合は、その話者に対応する認識結果集合に、音声認
識装置２から出力された認識結果４ａがあるか否かを判
断する (ステップＳ１１−２）。認識結果４ａが認識結
果集合に存在する場合は、認識結果及び話者に対応する
評価方法番号の評価方法９ａを評価方法集合テーブル９
から獲得して認識結果評価装置５に設定して (ステップ
Ｓ１１−３）、正常終了する。

【００５４】一方、話者が認識結果・話者／評価方法関
係テーブル１３の話者集合に存在するが、その話者に対
応する認識結果集合に、音声認識装置２から出力された
認識結果４ａが存在しない場合は (ステップＳ１１−２
のＮＯ）、話者に対応する評価方法を認識結果評価装置
５に設定して (ステップＳ１１−４）、正常終了する。

【００５５】また、話者が認識結果・話者／評価方法関
係テーブル１３に存在しない場合は(ステップＳ１１−
１のＮＯ）、認識結果・話者／評価方法関係テーブル１
３及び評価方法集合テーブル９にデフォルトの評価方法
が登録されているか否かを判断し (ステップＳ１１−
５）、デフォルトの評価方法が登録されている場合は、
デフォルトの評価方法９ａを認識結果評価装置５に設定
して (ステップＳ１１−６）、正常終了する。一方、話
者が認識結果・話者／評価方法関係テーブル１３に存在
せず、さらにデフォルトの評価方法が登録されていない
場合は (ステップＳ１１−５のＮＯ）、異常終了する。

【００５６】

【実施例】図１３は、上位プログラムが、音声入力によ
ってコンピュータに指示を与えるプログラムである場合
の、認識結果／評価方法関係テーブルの一例の概念図で
ある。この例では、「シャットダウン」のように、「い
ま何時？」「今日は何日？」「テレビをつけろ」等の他
の語彙に比べて、誤認識して誤動作した場合にコンピュ
ータ・システムに重大な影響を与えるような重要な語彙
は、その閾値を他の語彙より小さく設定して評価基準を
厳しくする。

【００５７】また「電話をかける」のように、誤認識し
て誤動作した場合に、「シャットダウン」の誤認識の場
合のようにコンピュータシステムに重大な影響を与えな
いが、他のコンピュータ・システムに作用するような相
対的に重要な語彙は閾値を「シャットダウン」よりは大
きく、他の語彙よりは小さく設定して評価基準をやや厳
しくする。その結果、「シャットダウン」はリジェクト
され易くなるので、誤認識によるコンピュータ・システ
ムの誤動作が可及的に減少する。

【００５８】また、図１４は、助詞を省略する傾向があ
る話者の存在を考慮して複数種の認識文法が登録されて
いる場合の、複数種の認識文法による認識結果部分集合
の具体例である。ユーザは、音声認識が行われるのに先
立って、認識文法１及び２のいずれか、又は両方を使用
して音声認識を行うように指示する。認識文法１を適用
した場合の認識結果部分集合は、それぞれ「電話をかけ
ろ」「テレビをつけろ」「テレビを消せ」「照明をつけ
ろ」となる。また認識文法２を適用した場合の認識結果
部分集合は、それぞれ「電話かけろ」「テレビつけろ」
「テレビ消せ」「照明つけろ」となる。

【００５９】なお、以上のような音声認識のコンピュー
タプログラムはコンピュータにプレインストールして提
供することも、またCD-ROM、MO等の可搬型記録媒体で提
供することも可能である。さらにオンラインで提供する
ことも可能である。

【００６０】

【発明の効果】以上のように、本発明の音声認識システ
ム及び記録媒体は、例えば発音が困難な語彙の評価基準
を緩くしたり、また重要な語彙の評価基準を厳しくした
りといったように、認識結果毎に適した評価方法を適用
するので、またなまり、文法等のように話し方に特徴を
有する話者の音声に対して、この話者の特徴に適した認
識文法、認識語彙を参照するので、音声の認識率を向上
させるという優れた効果を奏する。

【図面の簡単な説明】

【図１】従来の音声認識システムのブロック図である。

【図２】本発明の実施の形態１のブロック図である。

【図３】認識結果別の評価方法の選択手順のフローチャ
ートである。

【図４】認識結果／評価方法関係テーブルの概念図であ
る。

【図５】本発明の実施の形態２のブロック図である。

【図６】話者集合テーブルの概念図である。

【図７】話者別の認識語彙・認識文法の選択手順のフロ
ーチャートである。

【図８】本発明の実施の形態３のブロック図である。

【図９】話者・認識結果別の評価方法の選択手順（その
１）のフローチャートである。

【図１０】認識結果・話者／評価方法関係テーブル（そ
の１）の概念図である。

【図１１】話者・認識結果別の評価方法の選択手順（そ
の２）のフローチャートである。

【図１２】認識結果・話者／評価方法関係テーブル（そ
の２）の概念図である。

【図１３】認識結果／評価方法関係テーブルの概念図
（具体例）である。

【図１４】複数種の認識文法による認識結果部分集合の
具体例の図である。

【符号の説明】

１ 音声データ ２ 音声認識装置 ３ 辞書 ３ａ 認識文法 ３ｂ 認識語彙 ４ａ 認識結果 ４ｂ 付加情報 ５ 認識結果評価装置 ６ 評価方法 ７ 上位アプリケーション ８ 認識結果／評価方法関係テーブル ９ 評価方法集合テーブル ９ａ 評価方法 １０ 話者集合テーブル １１ 話者／語彙・文法関係テーブル １２ａ 辞書 １２ａａ 認識文法 １２ａｂ 認識語彙 １３ 認識結果・話者／評価方法関係テーブル １４ 登録手段

Claims (10)

【特許請求の範囲】
1. 【請求項１】 音声を音響分析して得られた音声パター
   ンから該音声の認識結果を生成し、該認識結果を所定の
   評価方法で評価して該認識結果の採否を決定して前記音
   声を認識する音声認識システムにおいて、 認識結果毎に適用すべき評価方法を記憶している手段
   と、 認識結果を、該認識結果に応じた評価方法を適用して評
   価する手段とを備えたことを特徴とする音声認識システ
   ム。
2. 【請求項２】 音声を音響分析して得られた音声パター
   ンから、記憶している認識語彙及び認識文法を参照して
   前記音声の認識結果を生成し、該認識結果を所定の評価
   方法で評価して該認識結果の採否を決定する音声認識シ
   ステムにおいて、 話者の識別名を入力する手段と、 該話者の識別名に対応する、音声認識における該話者の
   固有情報を登録する手段と、 話者の固有情報毎に、音声認識時に参照する認識語彙及
   び認識文法を記憶している手段と、 話者が入力した音声を音響分析して得られた音声パター
   ンから、該音声の認識結果を生成する際、該話者の固有
   情報に応じた認識語彙及び認識文法を参照する手段とを
   備えたことを特徴とする音声認識システム。
3. 【請求項３】 音声を音響分析して得られた音声パター
   ンから、記憶している認識語彙及び認識文法を参照して
   前記音声の認識結果を生成し、該認識結果を所定の評価
   方法で評価して該認識結果の採否を決定する音声認識シ
   ステムにおいて、 話者の識別名を入力する手段と、 該話者の識別名に対応する、音声認識における該話者の
   固有情報を登録する手段と、 認識結果及び話者の固有情報の組み合わせ毎に、適用す
   べき評価方法を記憶している手段と、 認識結果を、該認識結果及び話者の固有情報に応じた評
   価方法を適用して評価する手段とを備えたことを特徴と
   する音声認識システム。
4. 【請求項４】 音声を音響分析して得られた音声パター
   ンから、記憶している認識語彙及び認識文法を参照して
   前記音声の認識結果を生成し、該認識結果を所定の評価
   方法で評価して該認識結果の採否を決定する音声認識シ
   ステムにおいて、 話者の識別名を入力する手段と、 該話者の識別名に対応する、音声認識における該話者の
   固有情報を登録する手段と、 話者の固有情報毎に、音声認識時に参照する認識語彙及
   び認識文法を記憶している手段と、 認識結果毎に適用すべき評価方法を記憶している手段
   と、 話者が入力した音声を音響分析して得られた音声パター
   ンから、該音声の認識結果を生成する際、該話者の固有
   情報に応じた認識語彙及び認識文法を参照する手段と、 認識結果を、該認識結果に応じた評価方法を適用して評
   価する手段とを備えたことを特徴とする音声認識システ
   ム。
5. 【請求項５】 音声を音響分析して得られた音声パター
   ンから、記憶している認識語彙及び認識文法を参照して
   前記音声の認識結果を生成し、該認識結果を所定の評価
   方法で評価して該認識結果の採否を決定する音声認識シ
   ステムにおいて、 話者の識別名を入力する手段と、 該話者の識別名に対応する、音声認識における該話者の
   固有情報を登録する手段と、 話者の固有情報毎に、音声認識時に参照する認識語彙及
   び認識文法を記憶している手段と、 認識結果及び話者の固有情報の組み合わせ毎に、適用す
   べき評価方法を記憶している手段と、 話者が入力した音声を音響分析して得られた音声パター
   ンから、該音声の認識結果を生成する際、該話者の固有
   情報に応じた認識語彙及び認識文法を参照する手段と、 認識結果を、該認識結果及び該話者の固有情報に応じた
   評価方法を適用して評価する手段とを備えたことを特徴
   とする音声認識システム。
6. 【請求項６】 認識結果毎に、適用が可能な複数種の評
   価方法を記憶している手段と、認識結果を評価する際に
   前記複数種の中からいずれかの評価方法を選択して適用
   する手段とを備えた請求項１又は４に記載の音声認識シ
   ステム。
7. 【請求項７】 認識結果毎、又は認識結果及び話者の固
   有情報の組み合わせ毎に、適用が可能な複数種の評価方
   法を記憶している手段と、認識結果を評価する際に前記
   複数種の中からいずれかの評価方法を選択して適用する
   手段とを備えた請求項３又は５に記載の音声認識システ
   ム。
8. 【請求項８】 話者の固有情報毎に、適用が可能な複数
   種の認識語彙及び認識文法を記憶している手段と、認識
   結果を生成する際に、前記複数種の中からいずれかの認
   識語彙及び認識文法を選択して参照する手段とを備えた
   請求項２又は４又は５に記載の音声認識システム。
9. 【請求項９】 話者の音声を認識して該話者を識別する
   手段を備えた請求項２又は３又は４又は５又は７又は８
   に記載の音声認識システム。
10. 【請求項１０】 コンピュータに音声を入力し、該コン
    ピュータが、該音声を音響分析して得た音声パターンか
    ら該音声の認識結果を生成し、該コンピュータが該認識
    結果を所定の評価方法で評価して該認識結果の採否を決
    定する音声認識システムに使用する、コンピュータでの
    読み取りが可能な記録媒体において、 認識結果毎に適用すべき評価方法のプログラムと、 前記コンピュータに、認識結果を、該認識結果に応じた
    評価方法のプログラムを適用して評価させるプログラム
    コード手段とを含むことを特徴とする記録媒体。