JP2000181483A - 単語音声認識方法 - Google Patents
単語音声認識方法Info
- Publication number
- JP2000181483A JP2000181483A JP10359509A JP35950998A JP2000181483A JP 2000181483 A JP2000181483 A JP 2000181483A JP 10359509 A JP10359509 A JP 10359509A JP 35950998 A JP35950998 A JP 35950998A JP 2000181483 A JP2000181483 A JP 2000181483A
- Authority
- JP
- Japan
- Prior art keywords
- word
- similarity
- phoneme
- recognition
- fixed value
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Withdrawn
Links
Abstract
(57)【要約】
【課題】 認識対象単語から類似度の高い単語を取り出
す処理の時間を短縮した単語音声認識方法を提供する。 【解決手段】 類似度計算時に、入力音声の音素と比較
対象である認識対象語の音素が一致したときに類似度に
固定値を加算し、一致しなかったときに該類似度から前
記固定値を減算することにより類似度を算出する構成と
したので、単語音声認識において類似度を計算するとき
の演算方法が、音素対照行列を用いずに類似度に固定値
を加算或いは減算するという簡単な演算であるため極め
て高速な単語音声認識方法を提供できる。
す処理の時間を短縮した単語音声認識方法を提供する。 【解決手段】 類似度計算時に、入力音声の音素と比較
対象である認識対象語の音素が一致したときに類似度に
固定値を加算し、一致しなかったときに該類似度から前
記固定値を減算することにより類似度を算出する構成と
したので、単語音声認識において類似度を計算するとき
の演算方法が、音素対照行列を用いずに類似度に固定値
を加算或いは減算するという簡単な演算であるため極め
て高速な単語音声認識方法を提供できる。
Description
【０００１】
【発明の属する技術分野】本発明は、単語音声認識方法
に関するものである。
に関するものである。
【０００２】
【従来の技術】従来、大語彙（数千語〜数十万語）単語
音声認識では、入力音声をすべての認識対象単語とマッ
チングしなければならず、処理時間が膨大になってしま
う問題があった。そのための対策として高速プロセッサ
の使用が考えられたが、コストを度外視できるケースに
限られるので、一般的には音声認識アルゴリズムの改良
を施すという対策がとられてきた。
音声認識では、入力音声をすべての認識対象単語とマッ
チングしなければならず、処理時間が膨大になってしま
う問題があった。そのための対策として高速プロセッサ
の使用が考えられたが、コストを度外視できるケースに
限られるので、一般的には音声認識アルゴリズムの改良
を施すという対策がとられてきた。
【０００３】また、音声認識アルゴリズムの改良として
予備選択技術が挙げられる。この予備選択技術は、入力
音声を解析し、非常に少ない計算で認識対象単語から入
力音声に類似している単語（通常数百語）を取り出すと
いうものである。この予備選択を行った後、認識部で精
密な計算により正しい単語の抽出を行う。
予備選択技術が挙げられる。この予備選択技術は、入力
音声を解析し、非常に少ない計算で認識対象単語から入
力音声に類似している単語（通常数百語）を取り出すと
いうものである。この予備選択を行った後、認識部で精
密な計算により正しい単語の抽出を行う。
【０００４】上記予備選択技術における類似度の計算で
は、入力音声に対して発声記号の並びを決定する音素タ
イプライタ認識を行う。これは得られた入力音声の音素
列と認識対象単語の音素列とを比較し、音素対照行列を
参照しながら類似度を計算するというものである。
は、入力音声に対して発声記号の並びを決定する音素タ
イプライタ認識を行う。これは得られた入力音声の音素
列と認識対象単語の音素列とを比較し、音素対照行列を
参照しながら類似度を計算するというものである。
【０００５】しかし、このような従来の予備選択は予備
選択にかかる計算の割合が大きかったという問題があっ
た。
選択にかかる計算の割合が大きかったという問題があっ
た。
【０００６】
【発明が解決しようとする課題】上述のように、従来の
予備選択の方法では、音素対照行列を参照しながら類似
度を計算するため、認識対象単語から類似度の高い単語
を取り出すのに時間がかかるという問題があった。
予備選択の方法では、音素対照行列を参照しながら類似
度を計算するため、認識対象単語から類似度の高い単語
を取り出すのに時間がかかるという問題があった。
【０００７】本発明は、上記従来の問題点を解決し、認
識対象単語から類似度の高い単語を取り出す処理の時間
を短縮した単語音声認識方法を提供することを目的とす
る。
識対象単語から類似度の高い単語を取り出す処理の時間
を短縮した単語音声認識方法を提供することを目的とす
る。
【０００８】
【課題を解決するための手段】本発明の第１の手段は、
入力音声の音素列と認識対象単語の音素列とを比較して
類似度を計算するとき、音素対照行列を用いずに類似度
に固定値を加算或いは減算するという簡単な演算を行う
ことにより類似度を決定するという方法を用いることに
より処理時間の短縮を図るものである。
入力音声の音素列と認識対象単語の音素列とを比較して
類似度を計算するとき、音素対照行列を用いずに類似度
に固定値を加算或いは減算するという簡単な演算を行う
ことにより類似度を決定するという方法を用いることに
より処理時間の短縮を図るものである。
【０００９】また、第２の手段は第１の手段における類
似度に加算する固定値をゼロにすることによって、処理
時間の短縮を図ると共に、音素タイプライタ認識の精度
が低いときに起因する単語音声認識精度の低下を防止す
るというものである。
似度に加算する固定値をゼロにすることによって、処理
時間の短縮を図ると共に、音素タイプライタ認識の精度
が低いときに起因する単語音声認識精度の低下を防止す
るというものである。
【００１０】さらに、第３の手段は第１の手段に加え
て、類似度の高い上位単語抽出時に部分ソートアルゴリ
ズムを用いることによってより高速化を図るものであ
る。
て、類似度の高い上位単語抽出時に部分ソートアルゴリ
ズムを用いることによってより高速化を図るものであ
る。
【００１１】
【発明の実施の形態】以下、本発明の実施の形態につい
て、図面を参照しながら詳細に説明する。 ［第１の実施形態］図１及び図３は本発明の第１の実施
形態を示すフローチャート図である。図１〜図４の図面
を参照して、第１の実施形態の単語音声認識方法を説明
する。
て、図面を参照しながら詳細に説明する。 ［第１の実施形態］図１及び図３は本発明の第１の実施
形態を示すフローチャート図である。図１〜図４の図面
を参照して、第１の実施形態の単語音声認識方法を説明
する。
【００１２】図１において、音声認識が開始されると
（ステップＳ１）、入力音声がＡ／Ｄ変換され、特徴パ
ラメータが抽出される（ステップＳ２）。次に、音素タ
イプライタ用文法１を用いて入力音声の音素列を算出す
る（ステップＳ３）。音素タイプライタ用文法の例を図
２に示す。
（ステップＳ１）、入力音声がＡ／Ｄ変換され、特徴パ
ラメータが抽出される（ステップＳ２）。次に、音素タ
イプライタ用文法１を用いて入力音声の音素列を算出す
る（ステップＳ３）。音素タイプライタ用文法の例を図
２に示す。
【００１３】図２に示した音素タイプライタ用文法にお
いては、「ＳＴＡＲＴ」から「子音」もしくは「母音」
に遷移する。「子音」では、次の遷移先は「母音」もし
くは「ＥＮＤ」であり、子音の連鎖を許さない。また
「母音」では、「子音」や「ＥＮＤ」の他、自分自身へ
の遷移もあり得る。「ＥＮＤ」に到達したら、発声が終
了したと見なす。ここでいう「子音」は日本語の子音で
あり、例えば、 ／ｋ／ ／ｓ／ ／ｔ／ ・ ・ ・ などである。「母音」は日本語母音であり、例えば、 ／ａ／ ／ｉ／ ／ｕ／ ・ ・ ・ などである。
いては、「ＳＴＡＲＴ」から「子音」もしくは「母音」
に遷移する。「子音」では、次の遷移先は「母音」もし
くは「ＥＮＤ」であり、子音の連鎖を許さない。また
「母音」では、「子音」や「ＥＮＤ」の他、自分自身へ
の遷移もあり得る。「ＥＮＤ」に到達したら、発声が終
了したと見なす。ここでいう「子音」は日本語の子音で
あり、例えば、 ／ｋ／ ／ｓ／ ／ｔ／ ・ ・ ・ などである。「母音」は日本語母音であり、例えば、 ／ａ／ ／ｉ／ ／ｕ／ ・ ・ ・ などである。
【００１４】次に、ステップＳ３において得られた入力
音声の音素列とあらかじめ用意しておいた認識対象語の
音素列２とを比較する（ステップＳ４）。認識対象語の
音素列の例は次に示すようなものである。例えば認識対
象語を、 東京 大阪 ・ ・ ・ 沖縄 と仮定すると、音素列は、 ｔｏｕｋｙｏｕ ｏｏｓａｋａ ・ ・ ・ ｏｋｉｎａｗａ になる。
音声の音素列とあらかじめ用意しておいた認識対象語の
音素列２とを比較する（ステップＳ４）。認識対象語の
音素列の例は次に示すようなものである。例えば認識対
象語を、 東京 大阪 ・ ・ ・ 沖縄 と仮定すると、音素列は、 ｔｏｕｋｙｏｕ ｏｏｓａｋａ ・ ・ ・ ｏｋｉｎａｗａ になる。
【００１５】ステップＳ４における動作の詳細を図３に
示す。ここでは認識対象語のｋ番目の単語との比較を例
にして説明する。比較が開始されると（ステップＳ３
１）、まず表記のための記号を定義する（ステップＳ３
２）。ここでは、入力音声の音素列を、 Xi （ｉ＝１，．．．，Ｎ） とする。ｉは音素番号であり、Ｎは入力音声の音素の数
である。ｋ番目の認識対象語を、 Yk j （ｊ＝１，．．．，Ｍk） とすると、ｊは音素番号であり、Ｍkはｋ番目の認識対
象語の音素の数である。さらに入力音声とｋ番目の認識
対象語との類似度を、 Dk とする。
示す。ここでは認識対象語のｋ番目の単語との比較を例
にして説明する。比較が開始されると（ステップＳ３
１）、まず表記のための記号を定義する（ステップＳ３
２）。ここでは、入力音声の音素列を、 Xi （ｉ＝１，．．．，Ｎ） とする。ｉは音素番号であり、Ｎは入力音声の音素の数
である。ｋ番目の認識対象語を、 Yk j （ｊ＝１，．．．，Ｍk） とすると、ｊは音素番号であり、Ｍkはｋ番目の認識対
象語の音素の数である。さらに入力音声とｋ番目の認識
対象語との類似度を、 Dk とする。
【００１６】次にｉ，ｊ，Ｄkの初期化を行う（ステッ
プＳ３３）。ここではｉ＝ｊ＝１，Ｄk＝０にセットす
る。そして、入力音声のｉ番目の音素と認識対象語のｊ
番目の音素とを比較する（ステップＳ３４）。もし一致
すれば類似度Ｄkに固定値Ｃ（Ｃは任意の正の整数）を
足し、ｉとｊをそれぞれ１をインクリメントする（ステ
ップＳ３５）。さらに単語（入力音声か認識対象語のど
ちらか）の終端に達したかどうかをチェックし（ステッ
プＳ３６）、もし達していれば、類似度を調整し（ステ
ップＳ３７）、終了する（ステップＳ３８）。
プＳ３３）。ここではｉ＝ｊ＝１，Ｄk＝０にセットす
る。そして、入力音声のｉ番目の音素と認識対象語のｊ
番目の音素とを比較する（ステップＳ３４）。もし一致
すれば類似度Ｄkに固定値Ｃ（Ｃは任意の正の整数）を
足し、ｉとｊをそれぞれ１をインクリメントする（ステ
ップＳ３５）。さらに単語（入力音声か認識対象語のど
ちらか）の終端に達したかどうかをチェックし（ステッ
プＳ３６）、もし達していれば、類似度を調整し（ステ
ップＳ３７）、終了する（ステップＳ３８）。
【００１７】また、ステップＳ３４において、不一致で
あれば、入力音声のｉ番目の音素と認識対象語のｊ＋１
番目の音素とを比較する（ステップＳ３９）。ここでの
比較の結果が一致であれば、ｉに１を、ｊに２をそれぞ
れインクリメントし（ステップＳ４０）、ステップＳ３
６に遷移する。不一致であれば、入力音声のｉ＋１番目
の音素と認識対象語のｊ番目の音素とを比較する（ステ
ップＳ４１）。ステップＳ４１において比較の結果が一
致であれば、ｉに２を、ｊに１をそれぞれインクリメン
トし（ステップＳ４２）、ステップＳ３６に遷移する。
不一致であれば、類似度Ｄkから前記固定値Ｃを減じ、
ｉとｊにそれぞれ１をインクリメントして（ステップＳ
４３）、ステップＳ３６に遷移する。
あれば、入力音声のｉ番目の音素と認識対象語のｊ＋１
番目の音素とを比較する（ステップＳ３９）。ここでの
比較の結果が一致であれば、ｉに１を、ｊに２をそれぞ
れインクリメントし（ステップＳ４０）、ステップＳ３
６に遷移する。不一致であれば、入力音声のｉ＋１番目
の音素と認識対象語のｊ番目の音素とを比較する（ステ
ップＳ４１）。ステップＳ４１において比較の結果が一
致であれば、ｉに２を、ｊに１をそれぞれインクリメン
トし（ステップＳ４２）、ステップＳ３６に遷移する。
不一致であれば、類似度Ｄkから前記固定値Ｃを減じ、
ｉとｊにそれぞれ１をインクリメントして（ステップＳ
４３）、ステップＳ３６に遷移する。
【００１８】このように入力音声に対して各々の認識対
象語の類似度が得られる。さらに、この類似度の大きい
順に認識対象語を並び替え、上位数十個ないし数百個の
単語を抽出する（ステップＳ５）。このステップＳ５に
おいて抽出された単語を利用して単語認識文法３を生成
し（ステップＳ６）、単語音声認識を行い（ステップＳ
７）、処理を終了する（ステップＳ８）。
象語の類似度が得られる。さらに、この類似度の大きい
順に認識対象語を並び替え、上位数十個ないし数百個の
単語を抽出する（ステップＳ５）。このステップＳ５に
おいて抽出された単語を利用して単語認識文法３を生成
し（ステップＳ６）、単語音声認識を行い（ステップＳ
７）、処理を終了する（ステップＳ８）。
【００１９】上述の単語音声認識用の文法の例を図４に
示す。図４に示した単語音声認識用文法においては、
「ＳＴＡＲＴ」からそれぞれの単語へ遷移し、さらに、
各単語から「ＥＮＤ」へ遷移する。そして尤度計算で最
大尤度を与えた単語を認識結果とする。
示す。図４に示した単語音声認識用文法においては、
「ＳＴＡＲＴ」からそれぞれの単語へ遷移し、さらに、
各単語から「ＥＮＤ」へ遷移する。そして尤度計算で最
大尤度を与えた単語を認識結果とする。
【００２０】以上詳細に説明したように、本発明の第１
の実施形態によれば、単語音声認識において類似度を計
算するとき、音素対照行列を用いずに類似度に固定値を
加算或いは減算するという簡単な演算を行うことにより
類似度を決定するという方法を用いたことによりきわめ
て高速な単語音声認識方法を提供できる。
の実施形態によれば、単語音声認識において類似度を計
算するとき、音素対照行列を用いずに類似度に固定値を
加算或いは減算するという簡単な演算を行うことにより
類似度を決定するという方法を用いたことによりきわめ
て高速な単語音声認識方法を提供できる。
【００２１】［第２の実施形態］図５は本発明の第２の
実施形態における音素列比較のフローチャート図であ
る。図１、図５を参照して、第２の実施形態の単語音声
認識方法を説明する。
実施形態における音素列比較のフローチャート図であ
る。図１、図５を参照して、第２の実施形態の単語音声
認識方法を説明する。
【００２２】図１において、音声認識が開始されると
（ステップＳ１）、入力音声がＡ／Ｄ変換され、特徴パ
ラメータが抽出される（ステップＳ２）。次に、音素タ
イプライタ用文法１を用いて入力音声の音素列を算出す
る（ステップＳ３）。音素タイプライタ用文法について
の説明は前述の通りである。
（ステップＳ１）、入力音声がＡ／Ｄ変換され、特徴パ
ラメータが抽出される（ステップＳ２）。次に、音素タ
イプライタ用文法１を用いて入力音声の音素列を算出す
る（ステップＳ３）。音素タイプライタ用文法について
の説明は前述の通りである。
【００２３】次に、ステップＳ３において得られた音声
の音素列と予め用意しておいた認識対象語の音素列２と
を比較する（ステップＳ４）。認識対象語の音素列の例
についての説明は前述の通りである。
の音素列と予め用意しておいた認識対象語の音素列２と
を比較する（ステップＳ４）。認識対象語の音素列の例
についての説明は前述の通りである。
【００２４】本実施形態のステップＳ４における動作の
詳細を図５に示す。ここでは認識対象語のｋ番目の単語
との比較を例にして説明する。比較が開始されると（ス
テップＳ５１）、まず表記のための記号を定義する（ス
テップＳ５２）。ここでは、入力音声の音素列を、 Xi （ｉ＝１，．．．，Ｎ） とする。ｉは音素番号であり、Ｎは入力音声の音素の数
である。ｋ番目の認識対象語を、 Yk j （ｊ＝１，．．．，Ｍk） とすると、ｊは音素番号であり、Ｍkはｋ番目の認識対
象語の音素の数である。さらに入力音声とｋ番目の認識
対象語との類似度を、 Dk とする。
詳細を図５に示す。ここでは認識対象語のｋ番目の単語
との比較を例にして説明する。比較が開始されると（ス
テップＳ５１）、まず表記のための記号を定義する（ス
テップＳ５２）。ここでは、入力音声の音素列を、 Xi （ｉ＝１，．．．，Ｎ） とする。ｉは音素番号であり、Ｎは入力音声の音素の数
である。ｋ番目の認識対象語を、 Yk j （ｊ＝１，．．．，Ｍk） とすると、ｊは音素番号であり、Ｍkはｋ番目の認識対
象語の音素の数である。さらに入力音声とｋ番目の認識
対象語との類似度を、 Dk とする。
【００２５】次にＩ、Ｊ、Ｄkの初期化を行う（ステッ
プＳ５３）。ここではｉ＝ｊ＝１，Ｄk＝０にセットす
る。そして、入力音声のｉ番目の音素と認識対象語のｊ
番目の音素とを比較する（ステップＳ５４）。もし一致
すればｉとｊにそれぞれ１をインクリメントする（ステ
ップＳ５５）。さらに単語（入力音声か認識対象語のど
ちらか）の終端に達したかどうかをチェックし（ステッ
プＳ５６）、もし達していれば、類似度を調整し（ステ
ップＳ５７）、終了する（ステップＳ５８）。
プＳ５３）。ここではｉ＝ｊ＝１，Ｄk＝０にセットす
る。そして、入力音声のｉ番目の音素と認識対象語のｊ
番目の音素とを比較する（ステップＳ５４）。もし一致
すればｉとｊにそれぞれ１をインクリメントする（ステ
ップＳ５５）。さらに単語（入力音声か認識対象語のど
ちらか）の終端に達したかどうかをチェックし（ステッ
プＳ５６）、もし達していれば、類似度を調整し（ステ
ップＳ５７）、終了する（ステップＳ５８）。
【００２６】また、ステップＳ５４において、不一致で
あれば、入力音声のｉ番目の音素と認識対象語のｊ＋１
番目の音素とを比較する（ステップＳ５９）。ここでの
比較の結果が一致であれば、ｉに１を、ｊに２をそれぞ
れインクリメントし（ステップＳ６０）、ステップＳ５
６に遷移する。不一致であれば、入力音声のｉ＋１番目
の音素と認識対象語のｊ番目の音素とを比較する（ステ
ップＳ６１）。ステップＳ６１における比較の結果が一
致であれば、ｉに２を、ｊに１をそれぞれインクリメン
トし（ステップＳ６２）、ステップＳ５６に遷移する。
不一致であれば、類似度Ｄkから前記固定値Ｃを減じ、
ｉとｊにそれぞれ１をインクリメントして（ステップＳ
６３）、ステップＳ５６に遷移する。
あれば、入力音声のｉ番目の音素と認識対象語のｊ＋１
番目の音素とを比較する（ステップＳ５９）。ここでの
比較の結果が一致であれば、ｉに１を、ｊに２をそれぞ
れインクリメントし（ステップＳ６０）、ステップＳ５
６に遷移する。不一致であれば、入力音声のｉ＋１番目
の音素と認識対象語のｊ番目の音素とを比較する（ステ
ップＳ６１）。ステップＳ６１における比較の結果が一
致であれば、ｉに２を、ｊに１をそれぞれインクリメン
トし（ステップＳ６２）、ステップＳ５６に遷移する。
不一致であれば、類似度Ｄkから前記固定値Ｃを減じ、
ｉとｊにそれぞれ１をインクリメントして（ステップＳ
６３）、ステップＳ５６に遷移する。
【００２７】このように入力音声に対して各々の認識対
象語の類似度が得られる。さらに、この類似度の大きい
順に認識対象語を並び替え、上位数十個ないし数百個の
単語を抽出する（ステップＳ５）。このステップＳ５に
おいて抽出された単語を利用して単語認識文法３を生成
し（ステップＳ６）、単語音声認識を行い（ステップＳ
７）、処理を終了する（ステップＳ８）。本実施形態に
おける単語音声認識用の文法の例についての説明は前述
の通りである。
象語の類似度が得られる。さらに、この類似度の大きい
順に認識対象語を並び替え、上位数十個ないし数百個の
単語を抽出する（ステップＳ５）。このステップＳ５に
おいて抽出された単語を利用して単語認識文法３を生成
し（ステップＳ６）、単語音声認識を行い（ステップＳ
７）、処理を終了する（ステップＳ８）。本実施形態に
おける単語音声認識用の文法の例についての説明は前述
の通りである。
【００２８】以上詳細に説明したように、本発明の第２
の実施形態によれば、実施形態１の効果に加えて、前述
のステップＳ５５において、類似度に加算する固定値の
値をゼロとしているため、音素が一致した場合にも類似
度を増加させず、特に音素タイプライタの認識精度が低
い場合（正解しても信頼性が低い）にも比較的精度の高
い単語音声認識ユーザインタフェースを提供できる。認
識実験では、一定の条件が揃えば実施形態１より５％ほ
ど認識性能が向上したことを確認した。
の実施形態によれば、実施形態１の効果に加えて、前述
のステップＳ５５において、類似度に加算する固定値の
値をゼロとしているため、音素が一致した場合にも類似
度を増加させず、特に音素タイプライタの認識精度が低
い場合（正解しても信頼性が低い）にも比較的精度の高
い単語音声認識ユーザインタフェースを提供できる。認
識実験では、一定の条件が揃えば実施形態１より５％ほ
ど認識性能が向上したことを確認した。
【００２９】［第３の実施形態］図６は本発明の第３の
実施形態における単語抽出のフローチャート図である。
図１、図６を参照して、第３の実施形態の単語音声認識
方法を説明する。
実施形態における単語抽出のフローチャート図である。
図１、図６を参照して、第３の実施形態の単語音声認識
方法を説明する。
【００３０】図１において、音声認識が開始されると
（ステップＳ１）、入力音声がＡ／Ｄ変換され、特徴パ
ラメータが抽出される（ステップＳ２）。次に、音素タ
イプライタ用文法１を用いて入力音声の音素列を算出す
る（ステップＳ３）。音素タイプライタ用文法の例につ
いての説明は前述の通りである。
（ステップＳ１）、入力音声がＡ／Ｄ変換され、特徴パ
ラメータが抽出される（ステップＳ２）。次に、音素タ
イプライタ用文法１を用いて入力音声の音素列を算出す
る（ステップＳ３）。音素タイプライタ用文法の例につ
いての説明は前述の通りである。
【００３１】次に、ステップＳ３において得られた入力
音声の音素列とあらかじめ用意しておいた認識対象語の
音素列２とを比較する（ステップＳ４）。認識対象語の
音素列の例についての説明は前述の通りである。
音声の音素列とあらかじめ用意しておいた認識対象語の
音素列２とを比較する（ステップＳ４）。認識対象語の
音素列の例についての説明は前述の通りである。
【００３２】ステップＳ４における動作の詳細について
は実施形態１において説明した通りである。
は実施形態１において説明した通りである。
【００３３】このようにして入力音声に対して各々の認
識対象語の類似度が得られる。さらに、類似度の大きい
順に認識対象語を並び替え、上位数十個ないし数百個の
単語を抽出する（ステップＳ５）。第３の実施形態にお
ける特徴部分であるステップＳ５の動作の詳細を図６に
示す。
識対象語の類似度が得られる。さらに、類似度の大きい
順に認識対象語を並び替え、上位数十個ないし数百個の
単語を抽出する（ステップＳ５）。第３の実施形態にお
ける特徴部分であるステップＳ５の動作の詳細を図６に
示す。
【００３４】ソートが開始される（ステップＳ７１）
と、まず表記のための記号を定義する（ステップＳ７
２）。ここでは、類似度を Ｄk （ｋ＝１，．．．，Ｋ） とし、認識対象語を Ｗk （ｋ＝１，．．．，Ｋ） とする。ここでは、ｋは認識対象語の番号であり、Ｋは
認識対象語の数である。また、類似度の最大値を Ｄmax とし、選択される単語数を L とする。
と、まず表記のための記号を定義する（ステップＳ７
２）。ここでは、類似度を Ｄk （ｋ＝１，．．．，Ｋ） とし、認識対象語を Ｗk （ｋ＝１，．．．，Ｋ） とする。ここでは、ｋは認識対象語の番号であり、Ｋは
認識対象語の数である。また、類似度の最大値を Ｄmax とし、選択される単語数を L とする。
【００３５】次に初期化する。選択された単語の数ｌを
０に（ステップＳ７３）、単語番号kを１にセットする
（ステップＳ７４）。
０に（ステップＳ７３）、単語番号kを１にセットする
（ステップＳ７４）。
【００３６】そしてｋ番目の単語の類似度ＤkとＤmaxと
を比較する（ステップＳ７５）。もし一致していれば、
ｌに１をインクリメントして、ｋ番目の単語Ｗkを選択
する（ステップＳ７６）。さらに選択された単語の数ｌ
が所定値Ｌに達したかどうかをチェックし（ステップＳ
７７）、達していればソートを終了する（ステップＳ７
８）。
を比較する（ステップＳ７５）。もし一致していれば、
ｌに１をインクリメントして、ｋ番目の単語Ｗkを選択
する（ステップＳ７６）。さらに選択された単語の数ｌ
が所定値Ｌに達したかどうかをチェックし（ステップＳ
７７）、達していればソートを終了する（ステップＳ７
８）。
【００３７】ステップＳ７５及びＳ７７において、結果
が不一致の場合、ｋに１をインクリメントし（ステップ
Ｓ７９）、ｋがＫに達したかどうかをチェックする（ス
テップＳ８０）。もし達していれば、類似度の最大値Ｄ
maxから前記固定値Ｃを減じ（ステップＳ８１）、ステ
ップＳ７４へ移る。ステップＳ８０でｋ≠Ｋならば、ス
テップＳ７５へ戻る。
が不一致の場合、ｋに１をインクリメントし（ステップ
Ｓ７９）、ｋがＫに達したかどうかをチェックする（ス
テップＳ８０）。もし達していれば、類似度の最大値Ｄ
maxから前記固定値Ｃを減じ（ステップＳ８１）、ステ
ップＳ７４へ移る。ステップＳ８０でｋ≠Ｋならば、ス
テップＳ７５へ戻る。
【００３８】次に、ステップＳ５で抽出された単語を利
用して単語認識文法３を生成し（ステップＳ６）、単語
音声認識を行い（ステップＳ７）、処理を終了する（ス
テップＳ８）。単語音声認識用の文法３の例についての
説明は前述の通りである。
用して単語認識文法３を生成し（ステップＳ６）、単語
音声認識を行い（ステップＳ７）、処理を終了する（ス
テップＳ８）。単語音声認識用の文法３の例についての
説明は前述の通りである。
【００３９】以上詳細に説明したように、本発明の第３
の実施形態によれば、ステップＳ５において、類似度の
高い上位単語抽出時に部分ソートアルゴリズムを用いた
ことにより極めて高速に単語を選択することができる。
例えば、第１の実施形態に比べれば、単語ソートに必要
な時間を数分の１ないし数百分の１に削減でき、優れた
単語音声認識方法を提供できる。
の実施形態によれば、ステップＳ５において、類似度の
高い上位単語抽出時に部分ソートアルゴリズムを用いた
ことにより極めて高速に単語を選択することができる。
例えば、第１の実施形態に比べれば、単語ソートに必要
な時間を数分の１ないし数百分の１に削減でき、優れた
単語音声認識方法を提供できる。
【００４０】
【発明の効果】以上詳細に説明したように、請求項１に
記載の発明によれば、入力音声から特徴パラメータを抽
出する工程Ａと、入力音声の音素列を算出する工程Ｂ
と、単語単位に入力音声の音素列と認識対象語の音素列
を比較し類似度を算出する工程Ｃと、該類似度の高い上
位単語を抽出する工程Ｄと、該抽出された単語を用いて
単語音声用文法を生成する工程Ｅと、該単語音声用文法
を用いて単語音声認識を行う工程Ｆとを有する単語音声
認識方法であって、前記工程Ｃにおける類似度計算時
に、入力音声の音素と比較対象である認識対象語の音素
が一致したときに類似度に固定値を加算し、一致しなか
ったときに該類似度から前記固定値を減算することによ
り類似度を算出する構成としたので、予備単語選択にお
いて類似度を計算するときの演算方法が、音素対照行列
を用いずに類似度に固定値を加算或いは減算するという
簡単な演算であるため極めて高速な単語音声認識方法を
提供できる。
記載の発明によれば、入力音声から特徴パラメータを抽
出する工程Ａと、入力音声の音素列を算出する工程Ｂ
と、単語単位に入力音声の音素列と認識対象語の音素列
を比較し類似度を算出する工程Ｃと、該類似度の高い上
位単語を抽出する工程Ｄと、該抽出された単語を用いて
単語音声用文法を生成する工程Ｅと、該単語音声用文法
を用いて単語音声認識を行う工程Ｆとを有する単語音声
認識方法であって、前記工程Ｃにおける類似度計算時
に、入力音声の音素と比較対象である認識対象語の音素
が一致したときに類似度に固定値を加算し、一致しなか
ったときに該類似度から前記固定値を減算することによ
り類似度を算出する構成としたので、予備単語選択にお
いて類似度を計算するときの演算方法が、音素対照行列
を用いずに類似度に固定値を加算或いは減算するという
簡単な演算であるため極めて高速な単語音声認識方法を
提供できる。
【００４１】また、請求項２に記載の発明によれば、前
記工程Ｃにおける類似度計算時に、入力音声の音素と比
較対象である認識対象語が一致したときに類似度に加算
する固定値を０とし、一致しなかったときに該類似度か
ら前記固定値を減算することにより類似度を算出する構
成としたので、前述の効果に加えて、類似度に加算する
固定値の値をゼロとしているため、音素が一致した場合
にも類似度を増加させず、特に音素タイプライタの認識
精度が低い場合にも比較的精度の高い単語音声認識方法
を提供できる。
記工程Ｃにおける類似度計算時に、入力音声の音素と比
較対象である認識対象語が一致したときに類似度に加算
する固定値を０とし、一致しなかったときに該類似度か
ら前記固定値を減算することにより類似度を算出する構
成としたので、前述の効果に加えて、類似度に加算する
固定値の値をゼロとしているため、音素が一致した場合
にも類似度を増加させず、特に音素タイプライタの認識
精度が低い場合にも比較的精度の高い単語音声認識方法
を提供できる。
【００４２】更に、請求項３に記載の発明によれば、請
求項１記載の発明における前記工程Ｄにおいて、部分ソ
ートアルゴリズムを用いた構成としたので、極めて高速
に単語を選択することができる。
求項１記載の発明における前記工程Ｄにおいて、部分ソ
ートアルゴリズムを用いた構成としたので、極めて高速
に単語を選択することができる。
【００４３】以上のように、請求項１〜３に記載の発明
によれば、極めて高速な単語音声認識方法を提供できる
ので、カーナビゲーション等のような高速処理が要求さ
れる音声認識による自動案内システムに適用できる。
によれば、極めて高速な単語音声認識方法を提供できる
ので、カーナビゲーション等のような高速処理が要求さ
れる音声認識による自動案内システムに適用できる。
【図１】本発明の第１の実施形態における処理フローチ
ャートである。
ャートである。
【図２】音素タイプライタ用文法の説明図である。
【図３】本発明の第１の実施形態における音素列比較の
フローチャートである。
フローチャートである。
【図４】単語音声認識用文法の説明図である。
【図５】本発明の第２の実施形態における音素列比較の
フローチャートである。
フローチャートである。
【図６】本発明の第３の実施形態における単語抽出のフ
ローチャートである。
ローチャートである。
１ 音素タイプライタ用文法 ２ 認識対象単語の音素列 ３ 単語音声認識用文法
Claims (3)
- 【請求項１】 入力音声から特徴パラメータを抽出する
工程Ａと、入力音声の音素列を算出する工程Ｂと、単語
単位に入力音声の音素列と認識対象語の音素列を比較し
類似度を算出する工程Ｃと、該類似度の高い上位単語を
抽出する工程Ｄと、該抽出された単語を用いて単語音声
用文法を生成する工程Ｅと、該単語音声用文法を用いて
単語音声認識を行う工程Ｆとを有する単語音声認識方法
であって、 前記工程Ｃにおける類似度計算時に、入力音声の音素と
比較対象である認識対象語の音素が一致したときに類似
度に固定値を加算し、一致しなかったときに該類似度か
ら前記固定値を減算することにより類似度を算出するこ
とを特徴とする単語音声認識方法。 - 【請求項２】 請求項１に記載の単語音声認識方法にお
いて、前記工程Ｃにおける類似度計算時に、入力音声の
音素と比較対象である認識対象語の音素が一致したとき
に類似度に加算する固定値を０とし、一致しなかったと
きに該類似度から前記固定値を減算することにより類似
度を算出することを特徴とする単語音声認識方法。 - 【請求項３】 請求項１に記載の単語音声認識方法にお
ける前記工程Ｄにおいて、部分ソートアルゴリズムを用
いたことを特徴とする単語音声認識方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP10359509A JP2000181483A (ja) | 1998-12-17 | 1998-12-17 | 単語音声認識方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP10359509A JP2000181483A (ja) | 1998-12-17 | 1998-12-17 | 単語音声認識方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JP2000181483A true JP2000181483A (ja) | 2000-06-30 |
Family
ID=18464874
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP10359509A Withdrawn JP2000181483A (ja) | 1998-12-17 | 1998-12-17 | 単語音声認識方法 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP2000181483A (ja) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2011237930A (ja) * | 2010-05-07 | 2011-11-24 | Alpine Electronics Inc | 検索装置 |
-
1998
- 1998-12-17 JP JP10359509A patent/JP2000181483A/ja not_active Withdrawn
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2011237930A (ja) * | 2010-05-07 | 2011-11-24 | Alpine Electronics Inc | 検索装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US5680510A (en) | System and method for generating and using context dependent sub-syllable models to recognize a tonal language | |
| US7421387B2 (en) | Dynamic N-best algorithm to reduce recognition errors | |
| US6738741B2 (en) | Segmentation technique increasing the active vocabulary of speech recognizers | |
| US20050033575A1 (en) | Operating method for an automated language recognizer intended for the speaker-independent language recognition of words in different languages and automated language recognizer | |
| JP5141687B2 (ja) | 音声認識用照合ルール学習システム、音声認識用照合ルール学習プログラムおよび音声認識用照合ルール学習方法 | |
| JP2008262279A (ja) | 音声検索装置 | |
| US20050187767A1 (en) | Dynamic N-best algorithm to reduce speech recognition errors | |
| KR100573870B1 (ko) | 대화체 연속음성인식을 위한 의사형태소 기반다중발음사전 구축 방법 및 그 시스템과 이를 이용한대화체 음성인식 방법 | |
| US20040006469A1 (en) | Apparatus and method for updating lexicon | |
| JP4600706B2 (ja) | 音声認識装置および音声認識方法、並びに記録媒体 | |
| JP2010164918A (ja) | 音声翻訳装置、および方法 | |
| JP2000181483A (ja) | 単語音声認識方法 | |
| JPH09134192A (ja) | 統計的言語モデル生成装置及び音声認識装置 | |
| JP2938865B1 (ja) | 音声認識装置 | |
| CN104756183B (zh) | 在智能汉语语音口述记录校正中使用字符描述器有效输入模糊字符 | |
| CN113284487B (zh) | 基于语音识别结果的匹配方法 | |
| JP2001005483A (ja) | 単語音声認識方法及び単語音声認識装置 | |
| JPS62134698A (ja) | 多数単語の音声入力方式 | |
| JP3430265B2 (ja) | 日本語音声認識方法 | |
| KR100212448B1 (ko) | 무제한 음성 명령어 인식기의 인식 성능 및 처리 속도 개선 방법 | |
| JPH04291399A (ja) | 音声認識方法 | |
| JP3369121B2 (ja) | 音声認識方法および音声認識装置 | |
| JPH0627985A (ja) | 音声認識方法 | |
| KR20040092572A (ko) | 연속 음성인식 시스템에서의 묵음 모델 처리를 통한음성인식 방법 | |
| JPS6180298A (ja) | 音声認識装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A300 | Application deemed to be withdrawn because no request for examination was validly filed |
Free format text: JAPANESE INTERMEDIATE CODE: A300 Effective date: 20060307 |