JP2000293191A - 音声認識装置及び音声認識方法並びにその方法に用いられる木構造辞書の作成方法 - Google Patents
音声認識装置及び音声認識方法並びにその方法に用いられる木構造辞書の作成方法Info
- Publication number
- JP2000293191A JP2000293191A JP11097041A JP9704199A JP2000293191A JP 2000293191 A JP2000293191 A JP 2000293191A JP 11097041 A JP11097041 A JP 11097041A JP 9704199 A JP9704199 A JP 9704199A JP 2000293191 A JP2000293191 A JP 2000293191A
- Authority
- JP
- Japan
- Prior art keywords
- word
- information
- node
- words
- tree
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims description 51
- 230000001186 cumulative effect Effects 0.000 claims description 18
- 239000000470 constituent Substances 0.000 claims description 3
- 230000006870 function Effects 0.000 description 10
- 238000004364 calculation method Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 5
- 230000007704 transition Effects 0.000 description 2
- 238000007476 Maximum Likelihood Methods 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/06—Creation of reference templates; Training of speech recognition systems, e.g. adaptation to the characteristics of the speaker's voice
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/08—Speech classification or search
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/06—Creation of reference templates; Training of speech recognition systems, e.g. adaptation to the characteristics of the speaker's voice
- G10L15/063—Training
- G10L2015/0631—Creating reference templates; Clustering
Landscapes
- Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Computational Linguistics (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- Acoustics & Sound (AREA)
- Multimedia (AREA)
- Machine Translation (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
(57)【要約】
【課題】 木構造単語辞書からの効率的な探索を少ない
記憶容量で実現すること。 【解決手段】 単語を構成する音素をノードとする
ツリーであって、各単語の先頭音素から同一の音素を共
通のノードとするツリーによって複数の単語を表現した
木構造辞書９１と、前記木構造辞書に含まれる各単語に
対応したＩＤ情報であって、共通のノードを有する単語
同士は連続するように定義されたＩＤ情報８２と、前記
木構造辞書のノード中の親のノードと到達可能な単語の
集合が異なるノードについてのノード情報であって、該
ノードから到達可能な単語の数と該単語の前記ＩＤ情報
の内最大又は最小のＩＤ情報とを含むノード情報９２
と、を用いて、入力音声に最も適合した単語を探索す
る。
記憶容量で実現すること。 【解決手段】 単語を構成する音素をノードとする
ツリーであって、各単語の先頭音素から同一の音素を共
通のノードとするツリーによって複数の単語を表現した
木構造辞書９１と、前記木構造辞書に含まれる各単語に
対応したＩＤ情報であって、共通のノードを有する単語
同士は連続するように定義されたＩＤ情報８２と、前記
木構造辞書のノード中の親のノードと到達可能な単語の
集合が異なるノードについてのノード情報であって、該
ノードから到達可能な単語の数と該単語の前記ＩＤ情報
の内最大又は最小のＩＤ情報とを含むノード情報９２
と、を用いて、入力音声に最も適合した単語を探索す
る。
Description
【０００１】
【発明の属する技術分野】本発明は、音声認識を行なう
音声認識装置及び音声認識方法並びにその方法に用いら
れる木構造辞書の作成方法に関わるものである。
音声認識装置及び音声認識方法並びにその方法に用いら
れる木構造辞書の作成方法に関わるものである。
【０００２】
【従来の技術】隠れマルコフモデル（ＨＭＭ）などの音
響モデルを用いる音声認識では、入力音声の特徴を抽出
し、単語辞書に記述された単語と音響モデルの関係に従
い、各単語を構成する音響モデルの出力確率を求め、Vi
rerbi探索などの探索手法を用いて、単語あるいは単語
を構成する各音素の各状態の尤度を探索し、音声認識を
行なう。
響モデルを用いる音声認識では、入力音声の特徴を抽出
し、単語辞書に記述された単語と音響モデルの関係に従
い、各単語を構成する音響モデルの出力確率を求め、Vi
rerbi探索などの探索手法を用いて、単語あるいは単語
を構成する各音素の各状態の尤度を探索し、音声認識を
行なう。
【０００３】図１１は、音響モデルとして音素モデルを
用い、認識対象語が『東京』『東海』『東北』である場
合の単語辞書の例である。各単語は、音素モデルの連結
によって表されている。
用い、認識対象語が『東京』『東海』『東北』である場
合の単語辞書の例である。各単語は、音素モデルの連結
によって表されている。
【０００４】大語彙を対象にした音声認識では、図１１
で示した例のように、先頭部分に同一の音素モデルを有
する単語が多数出現する。この共通部分の音響尤度は等
しくなるため、単語先頭の共通部分を共有化した木構造
単語辞書（以下、tree lexicon）を用いて、重複した部
分の音響尤度の計算を省く方法が一般に用いられてい
る。図１２は、図１１に示した単語を木構造化した、tr
ee lexiconの例である。図に示したように、tree lexic
onは音素を表すノードと、ノード間を接続するアークで
構成される。一方、図１１に示したような単語先頭に共
通部分があっても共有化しない単語辞書を、linear lex
iconと呼ぶ。
で示した例のように、先頭部分に同一の音素モデルを有
する単語が多数出現する。この共通部分の音響尤度は等
しくなるため、単語先頭の共通部分を共有化した木構造
単語辞書（以下、tree lexicon）を用いて、重複した部
分の音響尤度の計算を省く方法が一般に用いられてい
る。図１２は、図１１に示した単語を木構造化した、tr
ee lexiconの例である。図に示したように、tree lexic
onは音素を表すノードと、ノード間を接続するアークで
構成される。一方、図１１に示したような単語先頭に共
通部分があっても共有化しない単語辞書を、linear lex
iconと呼ぶ。
【０００５】このような単語辞書から、入力音声に最も
適合する単語を探索する際、単語連鎖確率(N-gram)など
に代表される言語モデルから得られる言語尤度を、音響
モデルから計算される音響尤度と併用することにより、
認識性能の向上、探索空間の削減、などの効果が得られ
る。
適合する単語を探索する際、単語連鎖確率(N-gram)など
に代表される言語モデルから得られる言語尤度を、音響
モデルから計算される音響尤度と併用することにより、
認識性能の向上、探索空間の削減、などの効果が得られ
る。
【０００６】
【発明が解決しようとする課題】ところが、単語辞書と
してlinear lexiconを用いる時は、単語の先頭で単語が
一意に定まり、各単語の先頭音素の先頭状態の尤度を計
算する際に言語尤度を参照することができるのに対し、
tree lexiconを用いる場合には、単語が一意に決まるの
は、ツリーの末端のノード（最後に分岐した直後のノー
ド）に達したときである。図１２の例では、太い丸で示
したノードに達して初めて単語が一意に決定される。従
って、言語尤度を用いるタイミングが遅くなり、十分な
探索空間の削減を図ることができなかった。
してlinear lexiconを用いる時は、単語の先頭で単語が
一意に定まり、各単語の先頭音素の先頭状態の尤度を計
算する際に言語尤度を参照することができるのに対し、
tree lexiconを用いる場合には、単語が一意に決まるの
は、ツリーの末端のノード（最後に分岐した直後のノー
ド）に達したときである。図１２の例では、太い丸で示
したノードに達して初めて単語が一意に決定される。従
って、言語尤度を用いるタイミングが遅くなり、十分な
探索空間の削減を図ることができなかった。
【０００７】これに対して、tree lexiconを用いる場合
に、単語が一意に決まらない段階でも、共通音素部分で
音響尤度だけでなく、言語尤度をも共有化して用いる方
法が提案されている。これは、言語尤度を先読みするこ
とによって行われる。言語尤度の先読みとは、一般的
に、共有化した部分で、その部分から到達可能な全ての
単語の言語尤度の最大値（先読み値）を言語尤度として
用いることをいう。
に、単語が一意に決まらない段階でも、共通音素部分で
音響尤度だけでなく、言語尤度をも共有化して用いる方
法が提案されている。これは、言語尤度を先読みするこ
とによって行われる。言語尤度の先読みとは、一般的
に、共有化した部分で、その部分から到達可能な全ての
単語の言語尤度の最大値（先読み値）を言語尤度として
用いることをいう。
【０００８】言語尤度先読みの実現方法として、具体的
には以下の方法があるがそれぞれ問題点を有していた。
には以下の方法があるがそれぞれ問題点を有していた。
【０００９】１．単語番号など単語ＩＤは、ツリーの末
に保持しておき、言語尤度を計算する際に、ツリーをリ
ーフの方向に探索して到達可能な単語を求め、それらの
単語の尤度の最大値を求める方法。認識語数が多く、tr
ee lexiconが大きい場合に、到達可能な単語の探索に時
間がかかる。
に保持しておき、言語尤度を計算する際に、ツリーをリ
ーフの方向に探索して到達可能な単語を求め、それらの
単語の尤度の最大値を求める方法。認識語数が多く、tr
ee lexiconが大きい場合に、到達可能な単語の探索に時
間がかかる。
【００１０】２．tree lexicon上の各ノードで、全ての
到達可能な単語ＩＤを保持し、探索時に、それらの全て
の単語尤度の最大値を求める方法（図１３）。この例で
は、直前のノードと到達可能な単語が異なるノード（図
中、太丸で示す）に、到達可能な単語ＩＤを保持させ
る。認識語数の増加にしたがい、各ノードで保持する単
語ＩＤの数が増え、必要となる記憶領域が増加する。
到達可能な単語ＩＤを保持し、探索時に、それらの全て
の単語尤度の最大値を求める方法（図１３）。この例で
は、直前のノードと到達可能な単語が異なるノード（図
中、太丸で示す）に、到達可能な単語ＩＤを保持させ
る。認識語数の増加にしたがい、各ノードで保持する単
語ＩＤの数が増え、必要となる記憶領域が増加する。
【００１１】３．tree lexicon上の、直前のノードと到
達可能な単語が異なるノード（図中、太丸で示す）に、
そのノードから到達可能な全ての単語の言語尤度の最大
値（先読み値）を保持させる（図１４）。言語尤度とし
てbigram，trigramを用いる場合に、先行単語ごとに、
言語尤度を保持したツリーが必要となり、先行単語数が
多い場合などに、必要となる記憶領域が増加する。
達可能な単語が異なるノード（図中、太丸で示す）に、
そのノードから到達可能な全ての単語の言語尤度の最大
値（先読み値）を保持させる（図１４）。言語尤度とし
てbigram，trigramを用いる場合に、先行単語ごとに、
言語尤度を保持したツリーが必要となり、先行単語数が
多い場合などに、必要となる記憶領域が増加する。
【００１２】４．tree lexicon上の各ノードにおける言
語尤度を計算しておき、直前のノード（ルート方向に接
続した隣のノード）からの差分を保持する（図１５）。
この例では、まず、ツリーのルートのノードに言語尤度
が保持され、直前のノードと言語尤度が異なるノード
（図中、太丸で示す）に、直前のノードの言語尤度との
差分を保持している。上記３と同様に言語尤度としてbi
gram，trigramを用いる場合に、先行単語ごとに、言語
尤度を保持したツリーが必要となり、先行単語数が多い
場合などに、必要となる記憶領域が増加する。
語尤度を計算しておき、直前のノード（ルート方向に接
続した隣のノード）からの差分を保持する（図１５）。
この例では、まず、ツリーのルートのノードに言語尤度
が保持され、直前のノードと言語尤度が異なるノード
（図中、太丸で示す）に、直前のノードの言語尤度との
差分を保持している。上記３と同様に言語尤度としてbi
gram，trigramを用いる場合に、先行単語ごとに、言語
尤度を保持したツリーが必要となり、先行単語数が多い
場合などに、必要となる記憶領域が増加する。
【００１３】本発明は、上記従来技術の課題を解決する
為になされたもので、その目的とするところは、木構造
単語辞書からの効率的な探索を少ない情報量で実現可能
な音声認識方法及び装置を提供することにある。
為になされたもので、その目的とするところは、木構造
単語辞書からの効率的な探索を少ない情報量で実現可能
な音声認識方法及び装置を提供することにある。
【００１４】
【課題を解決するための手段】上記目的を達成する為、
本発明に係る音声認識装置は、単語を構成する音素をノ
ードとするツリーであって、各単語の先頭音素から同一
の音素を共通のノードとするツリーによって複数の単語
を表現した木構造辞書と、前記木構造辞書に含まれる各
単語に対応したＩＤ情報であって、共通のノードを有す
る単語同士は連続するように定義されたＩＤ情報と、前
記木構造辞書のノード中の親のノードと到達可能な単語
の集合が異なるノードについてのノード情報であって、
該ノードから到達可能な単語の数と該単語の前記ＩＤ情
報の内最大又は最小のＩＤ情報とを含むノード情報と、
を記憶する記憶手段と、前記木構造辞書から、前記ＩＤ
情報と前記ノード情報とを用いて、入力音声に最も適合
した単語を探索する探索手段と、を有することを特徴と
する。
本発明に係る音声認識装置は、単語を構成する音素をノ
ードとするツリーであって、各単語の先頭音素から同一
の音素を共通のノードとするツリーによって複数の単語
を表現した木構造辞書と、前記木構造辞書に含まれる各
単語に対応したＩＤ情報であって、共通のノードを有す
る単語同士は連続するように定義されたＩＤ情報と、前
記木構造辞書のノード中の親のノードと到達可能な単語
の集合が異なるノードについてのノード情報であって、
該ノードから到達可能な単語の数と該単語の前記ＩＤ情
報の内最大又は最小のＩＤ情報とを含むノード情報と、
を記憶する記憶手段と、前記木構造辞書から、前記ＩＤ
情報と前記ノード情報とを用いて、入力音声に最も適合
した単語を探索する探索手段と、を有することを特徴と
する。
【００１５】また、本発明に係る一の音声認識方法は、
単語を構成する音素をノードとするツリーであって、各
単語の先頭音素から同一の音素を共通のノードとするツ
リーによって複数の単語を表現した木構造辞書と、前記
木構造辞書に含まれる各単語に対応したＩＤ情報であっ
て、共通のノードを有する単語同士は連続するように定
義されたＩＤ情報と、前記木構造辞書のノード中の親の
ノードと到達可能な単語の集合が異なるノードについて
のノード情報であって、該ノードから到達可能な単語の
数と該単語の前記ＩＤ情報の内最大又は最小のＩＤ情報
とを含むノード情報と、を用いた音声認識方法であっ
て、前記ノード情報に対応する言語尤度を参照して入力
音声の累積尤度を更新する累積尤度更新ステップと、前
記入力音声の最終的な累積尤度により、認識結果を出力
するステップと、を有することを特徴とする。
単語を構成する音素をノードとするツリーであって、各
単語の先頭音素から同一の音素を共通のノードとするツ
リーによって複数の単語を表現した木構造辞書と、前記
木構造辞書に含まれる各単語に対応したＩＤ情報であっ
て、共通のノードを有する単語同士は連続するように定
義されたＩＤ情報と、前記木構造辞書のノード中の親の
ノードと到達可能な単語の集合が異なるノードについて
のノード情報であって、該ノードから到達可能な単語の
数と該単語の前記ＩＤ情報の内最大又は最小のＩＤ情報
とを含むノード情報と、を用いた音声認識方法であっ
て、前記ノード情報に対応する言語尤度を参照して入力
音声の累積尤度を更新する累積尤度更新ステップと、前
記入力音声の最終的な累積尤度により、認識結果を出力
するステップと、を有することを特徴とする。
【００１６】前記累積尤度更新ステップは、前記ノード
情報を用いて、親のノードと到達可能な単語の集合が異
なるノードから、到達可能な単語のＩＤ情報を特定する
単語ＩＤ特定ステップと、前記ＩＤ情報を用いて、前記
単語ＩＤ特定工程で特定されたＩＤ情報を有する単語を
特定する単語特定ステップと、前記単語特定工程で特定
された単語の言語尤度の最大値を、前記ノード情報に対
応した言語尤度として参照する言語尤度参照ステップ
と、を有することを特徴とする。
情報を用いて、親のノードと到達可能な単語の集合が異
なるノードから、到達可能な単語のＩＤ情報を特定する
単語ＩＤ特定ステップと、前記ＩＤ情報を用いて、前記
単語ＩＤ特定工程で特定されたＩＤ情報を有する単語を
特定する単語特定ステップと、前記単語特定工程で特定
された単語の言語尤度の最大値を、前記ノード情報に対
応した言語尤度として参照する言語尤度参照ステップ
と、を有することを特徴とする。
【００１７】また、本発明は、音声認識方法に用いる木
構造辞書を作成する木構造辞書作成方法であって、複数
の単語をその構成音素に基づいて整列するステップと、
前記整列した単語順に連続したＩＤ情報を付与するステ
ップと、単語の先頭音素から共通な音素を同一のノード
として木構造化するステップと、木構造辞書のノードの
うち、親のノードと到達可能な単語の集合が異なるノー
ドに、そのノードから到達可能な単語の数と到達可能な
単語の前記ＩＤ情報のうち、最小又は最大のＩＤ情報と
ノード情報として付与するステップと、を備えることを
特徴とする。
構造辞書を作成する木構造辞書作成方法であって、複数
の単語をその構成音素に基づいて整列するステップと、
前記整列した単語順に連続したＩＤ情報を付与するステ
ップと、単語の先頭音素から共通な音素を同一のノード
として木構造化するステップと、木構造辞書のノードの
うち、親のノードと到達可能な単語の集合が異なるノー
ドに、そのノードから到達可能な単語の数と到達可能な
単語の前記ＩＤ情報のうち、最小又は最大のＩＤ情報と
ノード情報として付与するステップと、を備えることを
特徴とする。
【００１８】更に、本発明の他の音声認識方法は、前記
木構造辞書作成方法で木構造辞書を作成するステップ
と、音声を取り込むステップと、取り込んだ入力音声を
分析して、その音素ごとに前記木構造辞書の前記ノード
情報に対応した言語尤度を導くステップと、前記言語尤
度を用いて、前記木構造辞書の中で前記入力音声に最も
適合した単語を音声認識結果として出力するステップ
と、を備えることを特徴とする。
木構造辞書作成方法で木構造辞書を作成するステップ
と、音声を取り込むステップと、取り込んだ入力音声を
分析して、その音素ごとに前記木構造辞書の前記ノード
情報に対応した言語尤度を導くステップと、前記言語尤
度を用いて、前記木構造辞書の中で前記入力音声に最も
適合した単語を音声認識結果として出力するステップ
と、を備えることを特徴とする。
【００１９】ここで、前記入力音声を音響分析するステ
ップと、音響尤度を求めるステップと、を更に有するこ
とを特徴とする。
ップと、音響尤度を求めるステップと、を更に有するこ
とを特徴とする。
【００２０】一方、本発明に係る一のコンピュータ可読
メモリは、音声認識装置を制御するための制御プログラ
ムを記憶したコンピュータ可読メモリであって、前記制
御プログラムは、前記木構造辞書作成方法で木構造辞書
を作成するプログラムと、音声を取り込むプログラム
と、取り込んだ入力音声を分析して、その音素ごとに前
記木構造辞書の前記ノード情報に対応した言語尤度を導
くプログラムと、前記言語尤度を用いて、前記木構造辞
書の中で前記入力音声に最も適合した単語を音声認識結
果として出力するプログラムと、を含むことを特徴とす
る。
メモリは、音声認識装置を制御するための制御プログラ
ムを記憶したコンピュータ可読メモリであって、前記制
御プログラムは、前記木構造辞書作成方法で木構造辞書
を作成するプログラムと、音声を取り込むプログラム
と、取り込んだ入力音声を分析して、その音素ごとに前
記木構造辞書の前記ノード情報に対応した言語尤度を導
くプログラムと、前記言語尤度を用いて、前記木構造辞
書の中で前記入力音声に最も適合した単語を音声認識結
果として出力するプログラムと、を含むことを特徴とす
る。
【００２１】本発明に係る他のコンピュータ可読メモリ
は、入力音声に最も適合した単語を探索する探索手段を
有する音声認識装置を制御するための制御プログラムを
記憶したコンピュータ可読メモリであって、前記探索手
段が用いる情報として、単語を構成する音素をノードと
するツリーであって、各単語の先頭音素から同一の音素
を共通のノードとするツリーによって複数の単語を表現
した木構造辞書と、前記木構造辞書に含まれる各単語に
対応したＩＤ情報であって、共通のノードを有する単語
同士は連続するように定義されたＩＤ情報と、前記木構
造辞書のノード中の親のノードと到達可能な単語の集合
が異なるノードについてのノード情報であって、該ノー
ドから到達可能な単語の数と該単語の前記ＩＤ情報の内
最大又は最小のＩＤ情報とを含むノード情報と、を格納
することを特徴とする。
は、入力音声に最も適合した単語を探索する探索手段を
有する音声認識装置を制御するための制御プログラムを
記憶したコンピュータ可読メモリであって、前記探索手
段が用いる情報として、単語を構成する音素をノードと
するツリーであって、各単語の先頭音素から同一の音素
を共通のノードとするツリーによって複数の単語を表現
した木構造辞書と、前記木構造辞書に含まれる各単語に
対応したＩＤ情報であって、共通のノードを有する単語
同士は連続するように定義されたＩＤ情報と、前記木構
造辞書のノード中の親のノードと到達可能な単語の集合
が異なるノードについてのノード情報であって、該ノー
ドから到達可能な単語の数と該単語の前記ＩＤ情報の内
最大又は最小のＩＤ情報とを含むノード情報と、を格納
することを特徴とする。
【００２２】
【発明の実施の形態】以下に、図面を参照して、この発
明の好適な実施の形態を例示的に詳しく説明する。ただ
し、この実施の形態に記載されている構成要素の相対配
置、数式、数値等は、特に特定的な記載がない限りは、
この発明の範囲をそれらのみに限定する趣旨のものでは
ない。
明の好適な実施の形態を例示的に詳しく説明する。ただ
し、この実施の形態に記載されている構成要素の相対配
置、数式、数値等は、特に特定的な記載がない限りは、
この発明の範囲をそれらのみに限定する趣旨のものでは
ない。
【００２３】（一実施の形態）以下、図面を参照しなが
ら本発明の一実施の形態を説明する。
ら本発明の一実施の形態を説明する。
【００２４】図１は本発明の一実施の形態としての音声
認識装置のハードウェア構成である。
認識装置のハードウェア構成である。
【００２５】図１において、１は音声認識の結果あるい
は音声認識の結果得られた応答を出力する出力装置であ
る。
は音声認識の結果得られた応答を出力する出力装置であ
る。
【００２６】２は音声を入力する入力装置である。
【００２７】３は数値演算・制御等の処理を行なう中央
処理装置であり本発明の手順に従って演算を行なう。４
はディスク装置等の外部メモリ装置やＲＡＭ・ＲＯＭ等
の内部メモリといった記憶装置であり、本発明の手順や
処理を記述したプログラムおよびその処理に必要な一時
的データおよび認識対象語を記述した単語辞書，音響モ
デル，言語モデルが格納される。
処理装置であり本発明の手順に従って演算を行なう。４
はディスク装置等の外部メモリ装置やＲＡＭ・ＲＯＭ等
の内部メモリといった記憶装置であり、本発明の手順や
処理を記述したプログラムおよびその処理に必要な一時
的データおよび認識対象語を記述した単語辞書，音響モ
デル，言語モデルが格納される。
【００２８】以上のハードウェア構成により、以下のよ
うな音声認識方法を実現することができる。
うな音声認識方法を実現することができる。
【００２９】図２は本実施の形態に係る音声認識処理の
一例である。
一例である。
【００３０】まず、単語リスト読み込みステップＳ１
で、図３のような認識対象となる単語のリストを読み込
む。単語リストには、各単語に対し、単語を構成する音
響モデルが記述されている。
で、図３のような認識対象となる単語のリストを読み込
む。単語リストには、各単語に対し、単語を構成する音
響モデルが記述されている。
【００３１】次に、音響モデル読み込みステップＳ２
で、ＨＭＭなど、単語を構成する音響モデルを読み込
む。次に、言語モデル読み込みステップＳ３で、言語尤
度の計算に用いる、N-gramなどの言語モデルを読み込
む。
で、ＨＭＭなど、単語を構成する音響モデルを読み込
む。次に、言語モデル読み込みステップＳ３で、言語尤
度の計算に用いる、N-gramなどの言語モデルを読み込
む。
【００３２】次に、木構造辞書作成ステップＳ４で、単
語リストを基に、図１２のような、木構造化した単語辞
書を作成する。
語リストを基に、図１２のような、木構造化した単語辞
書を作成する。
【００３３】次に、音声取り込みステップＳ５で、マイ
クロフォンなど音声入力装置から入力された音声を一定
時間ごとに取り込む。
クロフォンなど音声入力装置から入力された音声を一定
時間ごとに取り込む。
【００３４】音響分析ステップＳ６で、取り込んだ音声
に対して、音響分析を行いケプストラムなどの特徴パラ
メータを求める。
に対して、音響分析を行いケプストラムなどの特徴パラ
メータを求める。
【００３５】次に、音響尤度計算ステップＳ７で、特徴
パラメータに対する各音響モデルの尤度を計算する。
パラメータに対する各音響モデルの尤度を計算する。
【００３６】次に、探索ステップＳ８で、木構造辞書に
記述された音響モデルの接続構造に従って、先頭音素か
ら順に、木構造辞書の各ノードにおける累積尤度をVire
rbi探索などの探索手法を用いて更新する。一般に、音
響モデルは図４のように複数の状態から構成されてお
り、累積尤度は、木構造辞書上の各ノードに対応する音
響モデルの各状態ごとに保持され、累積尤度の更新も各
状態ごとに行われる。また、累積尤度以外に、認識結果
を出力するために必要なその状態に到達するまでの履歴
に関する情報、言語尤度などを各状態ごとに保持する。
累積尤度の更新時に、必要に応じて言語尤度の先読みを
行い、言語尤度を更新する。一般に、累積尤度は、対数
音響尤度の累積値と対数言語尤度の累積値を用いて、以
下の式で計算される。ｗは重みである。
記述された音響モデルの接続構造に従って、先頭音素か
ら順に、木構造辞書の各ノードにおける累積尤度をVire
rbi探索などの探索手法を用いて更新する。一般に、音
響モデルは図４のように複数の状態から構成されてお
り、累積尤度は、木構造辞書上の各ノードに対応する音
響モデルの各状態ごとに保持され、累積尤度の更新も各
状態ごとに行われる。また、累積尤度以外に、認識結果
を出力するために必要なその状態に到達するまでの履歴
に関する情報、言語尤度などを各状態ごとに保持する。
累積尤度の更新時に、必要に応じて言語尤度の先読みを
行い、言語尤度を更新する。一般に、累積尤度は、対数
音響尤度の累積値と対数言語尤度の累積値を用いて、以
下の式で計算される。ｗは重みである。
【００３７】累積尤度＝対数音響尤度の累積値＋ｗ×対
数言語尤度の累積値 （１）以上の音声取り込みステッ
プＳ５から探索ステップＳ８までの処理を音声が終了す
るまで繰り返す。音声の入力が終了した時点で、認識結
果出力ステップＳ９で、最も尤度の高い系列を求め、音
声認識結果として出力する。
数言語尤度の累積値 （１）以上の音声取り込みステッ
プＳ５から探索ステップＳ８までの処理を音声が終了す
るまで繰り返す。音声の入力が終了した時点で、認識結
果出力ステップＳ９で、最も尤度の高い系列を求め、音
声認識結果として出力する。
【００３８】以上の処理のうち、本発明では、木構造辞
書作成ステップＳ４における木構造辞書作成方法、およ
び探索ステップＳ８における言語尤度先読み方法を以下
のように処理する。
書作成ステップＳ４における木構造辞書作成方法、およ
び探索ステップＳ８における言語尤度先読み方法を以下
のように処理する。
【００３９】〈木構造辞書作成処理〉図５は、本実施の
形態における木構造辞書作成処理を示すフローチャート
である。以下、図５を用いて、説明する。
形態における木構造辞書作成処理を示すフローチャート
である。以下、図５を用いて、説明する。
【００４０】まず、単語整列ステップＳ１０において、
認識語彙を音素順に整列(sort)する。以下で単語を整列
する方法について説明する。ここでは、単語の順序を、
その大小で表現する。ｍ個の音素で構成される単語Ａ＝
ａ1，ａ2，…，ａnとｍ個の音素で構成される単語Ｂ＝
ｂ1，ｂ2，…，ｂmの大小を以下のように判定する。 ｉ＝０ ｉを１増やす（ｉ＝ｉ＋１）。 ｉ＞ｎまたはｉ＞ｍのとき、 ｎ＝ｍならＡ＝Ｂ，ｎ＞ｍならＡ＞Ｂ，ｎ＜ｍならＡ＜
Ｂと判定する（終了）。 ａi＝ｂiとき、へ戻る。 ａi＞ｂiならＡ＞Ｂ，ａi＜ｂiならＡ＜Ｂと判定する
（終了）。
認識語彙を音素順に整列(sort)する。以下で単語を整列
する方法について説明する。ここでは、単語の順序を、
その大小で表現する。ｍ個の音素で構成される単語Ａ＝
ａ1，ａ2，…，ａnとｍ個の音素で構成される単語Ｂ＝
ｂ1，ｂ2，…，ｂmの大小を以下のように判定する。 ｉ＝０ ｉを１増やす（ｉ＝ｉ＋１）。 ｉ＞ｎまたはｉ＞ｍのとき、 ｎ＝ｍならＡ＝Ｂ，ｎ＞ｍならＡ＞Ｂ，ｎ＜ｍならＡ＜
Ｂと判定する（終了）。 ａi＝ｂiとき、へ戻る。 ａi＞ｂiならＡ＞Ｂ，ａi＜ｂiならＡ＜Ｂと判定する
（終了）。
【００４１】各音素ａi，ｂiの大小は、音素名が一文字
のアルファベットで表せる場合は、アルファベット順で
決定し、図６に示すように音素名に複数のアルファベッ
トで表現されたり、記号で表される場合は、音素番号を
付与し、音素番号を大小の判定基準に用いればよい。
のアルファベットで表せる場合は、アルファベット順で
決定し、図６に示すように音素名に複数のアルファベッ
トで表現されたり、記号で表される場合は、音素番号を
付与し、音素番号を大小の判定基準に用いればよい。
【００４２】次に、単語ＩＤ付与ステップＳ１１で、整
列順に単語ＩＤを付与する。単語ＩＤには、番号、アル
ファベットなど順序（大小）を判断できるものを用い
る。図は図３を整列し、単語ＩＤとして、番号を付与し
た例である。
列順に単語ＩＤを付与する。単語ＩＤには、番号、アル
ファベットなど順序（大小）を判断できるものを用い
る。図は図３を整列し、単語ＩＤとして、番号を付与し
た例である。
【００４３】次に、共有化ステップＳ１２で、各単語同
士を順に比較し、単語の先頭から共通な部分を共有化し
木構造辞書を作成する。図８は、図７の単語の共通な先
頭部分を共有化して作成した木構造辞書の例である。
士を順に比較し、単語の先頭から共通な部分を共有化し
木構造辞書を作成する。図８は、図７の単語の共通な先
頭部分を共有化して作成した木構造辞書の例である。
【００４４】次に、到達可能単語情報付与ステップＳ１
３で、木構造辞書のノードに到達可能な単語の情報を付
与する。
３で、木構造辞書のノードに到達可能な単語の情報を付
与する。
【００４５】単語を、単語を構成する音素で整列し、整
列順に単語ＩＤを付与して木構造辞書を作成すると、木
構造辞書の各ノードから到達可能な単語の集合は、連続
した単語ＩＤを持つ。例えば、図８において、矢印で示
した‘ａ’のノード８１から到達可能な単語の単語ＩＤ
８２は、１〜９である。また、矢印で示した‘ｕ’のノ
ード８３から到達可能な単語の単語ＩＤは、７〜８であ
り、いずれも連続した単語ＩＤとなる。これらの特性を
利用して、本方法では、各ノードに付与する到達可能な
情報として、到達可能な単語の最小の単語ＩＤと、到達
可能な単語数をノードに付与する。これらの情報をここ
ではノード情報と称す。
列順に単語ＩＤを付与して木構造辞書を作成すると、木
構造辞書の各ノードから到達可能な単語の集合は、連続
した単語ＩＤを持つ。例えば、図８において、矢印で示
した‘ａ’のノード８１から到達可能な単語の単語ＩＤ
８２は、１〜９である。また、矢印で示した‘ｕ’のノ
ード８３から到達可能な単語の単語ＩＤは、７〜８であ
り、いずれも連続した単語ＩＤとなる。これらの特性を
利用して、本方法では、各ノードに付与する到達可能な
情報として、到達可能な単語の最小の単語ＩＤと、到達
可能な単語数をノードに付与する。これらの情報をここ
ではノード情報と称す。
【００４６】ここで、ノード情報は、全てのノードには
付与せずに、親のノードと到達可能な単語の集合が異な
るノードのみに付与する。到達可能な単語の集合は、ツ
リーの分岐によって変るため、分岐直後のノードに対し
て、上述した、到達可能な単語の最小の単語ＩＤと、到
達可能な単語数をノードに付与する。
付与せずに、親のノードと到達可能な単語の集合が異な
るノードのみに付与する。到達可能な単語の集合は、ツ
リーの分岐によって変るため、分岐直後のノードに対し
て、上述した、到達可能な単語の最小の単語ＩＤと、到
達可能な単語数をノードに付与する。
【００４７】図９の９１は、図８に示した木構造辞書に
到達可能な単語情報を付与したものである。図中、太丸
で示したノードが、直前のノードと到達可能な単語の集
合が異なるノードであり、ノード内に記した数字９２
は、左から順に、到達可能な単語の最小単語ＩＤ、到達
可能な単語数である。網掛けされたノードは単語が一意
に決定されるノードである。
到達可能な単語情報を付与したものである。図中、太丸
で示したノードが、直前のノードと到達可能な単語の集
合が異なるノードであり、ノード内に記した数字９２
は、左から順に、到達可能な単語の最小単語ＩＤ、到達
可能な単語数である。網掛けされたノードは単語が一意
に決定されるノードである。
【００４８】これにより、太丸で示されたノードまでの
音素のマッチングが終了した時点で、そのノードに付与
された情報としての単語ＩＤから言語尤度を導き出すこ
とができ、効率的な単語探索及び言語尤度の参照を行な
うことができる。
音素のマッチングが終了した時点で、そのノードに付与
された情報としての単語ＩＤから言語尤度を導き出すこ
とができ、効率的な単語探索及び言語尤度の参照を行な
うことができる。
【００４９】なお、ここでは、ノードに付与する情報と
して、そのノードから到達可能な単語のＩＤの内、最小
のものとしているが、最大のものを付与してもよい。ノ
ードから到達可能な単語数とともにもちいることで、ノ
ードから到達可能な単語を特定できる情報であればよ
い。
して、そのノードから到達可能な単語のＩＤの内、最小
のものとしているが、最大のものを付与してもよい。ノ
ードから到達可能な単語数とともにもちいることで、ノ
ードから到達可能な単語を特定できる情報であればよ
い。
【００５０】〈言語尤度先読み処理〉次に、以上で作成
した木構造辞書を用いて音声認識を行う際に、言語尤度
を先読みする処理について説明する。図１０は言語尤度
先読み方法に関する本実施の形態を示すフローチャート
である。
した木構造辞書を用いて音声認識を行う際に、言語尤度
を先読みする処理について説明する。図１０は言語尤度
先読み方法に関する本実施の形態を示すフローチャート
である。
【００５１】到達可能な単語の情報（ノード情報）が付
与されているノード（図９で太丸で示したノード）の音
響モデルの最初の状態の累積尤度更新時に、他の状態か
ら遷移して来た場合の累積尤度を計算する際に、言語尤
度先読みを行い、図１０に示した手順で言語尤度の更新
を行う。
与されているノード（図９で太丸で示したノード）の音
響モデルの最初の状態の累積尤度更新時に、他の状態か
ら遷移して来た場合の累積尤度を計算する際に、言語尤
度先読みを行い、図１０に示した手順で言語尤度の更新
を行う。
【００５２】まず、先読み値参照ステップＳ１４で、到
達可能な単語の最小の単語ＩＤ（ｓ）と到達可能な単語
数（ｎ）の先読み値^ｐl(ｓ,ｎ)、つまり、ＩＤ（ｓ）
から連続したｎ個の単語の言語尤度のうち、最大のもの
を参照する。
達可能な単語の最小の単語ＩＤ（ｓ）と到達可能な単語
数（ｎ）の先読み値^ｐl(ｓ,ｎ)、つまり、ＩＤ（ｓ）
から連続したｎ個の単語の言語尤度のうち、最大のもの
を参照する。
【００５３】メモリあるいはハードディスクなどの記憶
装置上に^ｐl(ｓ,ｎ)が記憶されている場合は、言語尤
度更新ステップＳ１５において、そのノードでの言語尤
度をその記憶されている先読み値^ｐl(ｓ,ｎ)に更新す
る。
装置上に^ｐl(ｓ,ｎ)が記憶されている場合は、言語尤
度更新ステップＳ１５において、そのノードでの言語尤
度をその記憶されている先読み値^ｐl(ｓ,ｎ)に更新す
る。
【００５４】^ｐl(ｓ,ｎ)が記憶されていない場合は、
先読み値計算ステップＳ１６で先読み値^ｐl(ｓ,ｎ)を
以下の式で求める。
先読み値計算ステップＳ１６で先読み値^ｐl(ｓ,ｎ)を
以下の式で求める。
【００５５】
【数１】
【００５６】ここで、ｐl(ｗi)は、単語ＩＤ（ｉ）の単
語の言語尤度であり、図２の言語モデル読み込みステッ
プＳ３で読み込まれたものである。
語の言語尤度であり、図２の言語モデル読み込みステッ
プＳ３で読み込まれたものである。
【００５７】この計算は、ノード情報を用いて、そのノ
ードから到達できる単語のＩＤ情報を特定し、図７のよ
うなテーブルを用いてそのＩＤ情報を有する単語の言語
尤度の最大値を、前記ノード情報に対応した言語尤度と
して求めるものである。
ードから到達できる単語のＩＤ情報を特定し、図７のよ
うなテーブルを用いてそのＩＤ情報を有する単語の言語
尤度の最大値を、前記ノード情報に対応した言語尤度と
して求めるものである。
【００５８】ステップＳ１７に進み、求めた先読み値^
ｐl(ｓ,ｎ)を記憶手段に登録した上で、ステップＳ１５
において言語尤度を^ｐl(ｓ,ｎ)に更新する。
ｐl(ｓ,ｎ)を記憶手段に登録した上で、ステップＳ１５
において言語尤度を^ｐl(ｓ,ｎ)に更新する。
【００５９】先読み値の記憶、参照には、ｓ，ｎから記
憶装置上の先読み値を格納した位置を計算するため、ha
sh関数などのランダムアクセスに有効なアルゴリズムを
用いる。
憶装置上の先読み値を格納した位置を計算するため、ha
sh関数などのランダムアクセスに有効なアルゴリズムを
用いる。
【００６０】なお、言語尤度先読みの処理において、言
語モデルとしてbigramを用いる場合には、先行単語Ｉ
Ｄ、到達可能な単語の最小の単語ＩＤ、到達可能な単語
数の３つの値をノード情報に含め、先行単語に対する先
読み値の記憶、参照を、このノード情報を用いて行えば
よい。
語モデルとしてbigramを用いる場合には、先行単語Ｉ
Ｄ、到達可能な単語の最小の単語ＩＤ、到達可能な単語
数の３つの値をノード情報に含め、先行単語に対する先
読み値の記憶、参照を、このノード情報を用いて行えば
よい。
【００６１】同様にN-gramを言語モデルとして用いる場
合には、（Ｎ−１）個前の先行単語ＩＤ，…，１個前の
先行単語ＩＤ、到達可能な単語の最小の単語ＩＤ、到達
可能な単語数の（Ｎ＋１）個の値をノード情報に含めれ
ばよい。これにより、記憶領域が大幅に増加することな
く、効率的な単語探索を行なうことができ、認識精度も
向上させることができる。
合には、（Ｎ−１）個前の先行単語ＩＤ，…，１個前の
先行単語ＩＤ、到達可能な単語の最小の単語ＩＤ、到達
可能な単語数の（Ｎ＋１）個の値をノード情報に含めれ
ばよい。これにより、記憶領域が大幅に増加することな
く、効率的な単語探索を行なうことができ、認識精度も
向上させることができる。
【００６２】（他の実施形態）また、本発明の目的は、
前述した実施形態の機能を実現するソフトウェアのプロ
グラムコードを記録した記憶媒体（または記録媒体）
を、システムあるいは装置に供給し、そのシステムある
いは装置のコンピュータ（またはCPUやMPU）が記憶媒体
に格納されたプログラムコードを読み出し実行すること
によっても、達成されることは言うまでもない。この場
合、記憶媒体から読み出されたプログラムコード自体が
前述した実施形態の機能を実現することになり、そのプ
ログラムコードを記憶した記憶媒体は本発明を構成する
ことになる。また、コンピュータが読み出したプログラ
ムコードを実行することにより、前述した実施形態の機
能が実現されるだけでなく、そのプログラムコードの指
示に基づき、コンピュータ上で稼働しているオペレーテ
ィングシステム(OS)などが実際の処理の一部または全部
を行い、その処理によって前述した実施形態の機能が実
現される場合も含まれることは言うまでもない。
前述した実施形態の機能を実現するソフトウェアのプロ
グラムコードを記録した記憶媒体（または記録媒体）
を、システムあるいは装置に供給し、そのシステムある
いは装置のコンピュータ（またはCPUやMPU）が記憶媒体
に格納されたプログラムコードを読み出し実行すること
によっても、達成されることは言うまでもない。この場
合、記憶媒体から読み出されたプログラムコード自体が
前述した実施形態の機能を実現することになり、そのプ
ログラムコードを記憶した記憶媒体は本発明を構成する
ことになる。また、コンピュータが読み出したプログラ
ムコードを実行することにより、前述した実施形態の機
能が実現されるだけでなく、そのプログラムコードの指
示に基づき、コンピュータ上で稼働しているオペレーテ
ィングシステム(OS)などが実際の処理の一部または全部
を行い、その処理によって前述した実施形態の機能が実
現される場合も含まれることは言うまでもない。
【００６３】さらに、記憶媒体から読み出されたプログ
ラムコードが、コンピュータに挿入された機能拡張カー
ドやコンピュータに接続された機能拡張ユニットに備わ
るメモリに書込まれた後、そのプログラムコードの指示
に基づき、その機能拡張カードや機能拡張ユニットに備
わるCPUなどが実際の処理の一部または全部を行い、そ
の処理によって前述した実施形態の機能が実現される場
合も含まれることは言うまでもない。
ラムコードが、コンピュータに挿入された機能拡張カー
ドやコンピュータに接続された機能拡張ユニットに備わ
るメモリに書込まれた後、そのプログラムコードの指示
に基づき、その機能拡張カードや機能拡張ユニットに備
わるCPUなどが実際の処理の一部または全部を行い、そ
の処理によって前述した実施形態の機能が実現される場
合も含まれることは言うまでもない。
【００６４】本発明を上記記憶媒体に適用する場合、そ
の記憶媒体には、先に説明した図８や図９に例として示
したデータ、あるいは、図２又は図５又は図１０に示し
たフローチャートに対応するプログラムコードが格納さ
れることになる。
の記憶媒体には、先に説明した図８や図９に例として示
したデータ、あるいは、図２又は図５又は図１０に示し
たフローチャートに対応するプログラムコードが格納さ
れることになる。
【００６５】
【発明の効果】本発明によれば、木構造単語辞書からの
効率的な探索を少ない情報量で実現可能な音声認識装置
及び音声認識方法並びにその方法に用いられる木構造辞
書の作成方法を提供することができる。
効率的な探索を少ない情報量で実現可能な音声認識装置
及び音声認識方法並びにその方法に用いられる木構造辞
書の作成方法を提供することができる。
【図１】本発明の一実施の形態としての音声認識装置の
ハードウェア構成を示したブロック図である。
ハードウェア構成を示したブロック図である。
【図２】本発明の一実施の形態における、音声認識の処
理手順を示したフローチャートである。
理手順を示したフローチャートである。
【図３】本発明の一実施の形態おける、音声認識する単
語と各単語を構成する音素を記述したリストである。
語と各単語を構成する音素を記述したリストである。
【図４】音素を構成する状態とその遷移の例を示す図で
ある。
ある。
【図５】本発明の一実施の形態における、木構造辞書作
成の処理手順を示したフローチャートである。
成の処理手順を示したフローチャートである。
【図６】単語を構成する音素とその並びの例を示す図で
ある。
ある。
【図７】本発明の一実施の形態おける、音声認識する単
語をその単語を構成する音素に基づいて整列し、単語Ｉ
Ｄを付与した単語リストを示す図である。
語をその単語を構成する音素に基づいて整列し、単語Ｉ
Ｄを付与した単語リストを示す図である。
【図８】本発明の一実施の形態おける、構成音素に基づ
いて整列し、単語ＩＤを付与した単語リストから作成し
た木構造辞書である。
いて整列し、単語ＩＤを付与した単語リストから作成し
た木構造辞書である。
【図９】本発明の一実施の形態おいて、直前のノードと
到達可能な単語集合が異なる木構造辞書上のノードに、
到達可能な単語の単語ＩＤの最小値と、到達可能な単語
数を付与した様子を示す図である。
到達可能な単語集合が異なる木構造辞書上のノードに、
到達可能な単語の単語ＩＤの最小値と、到達可能な単語
数を付与した様子を示す図である。
【図１０】本発明の一実施の形態における、言語尤度先
読みの処理手順を示したフローチャートである。
読みの処理手順を示したフローチャートである。
【図１１】単語辞書の例である。
【図１２】木構造辞書の例である。
【図１３】木構造辞書上の各ノードから、全ての到達可
能な単語ＩＤを保持している様子を示した図である。
能な単語ＩＤを保持している様子を示した図である。
【図１４】木構造辞書上の各ノードにおける言語尤度を
保持している様子を示した図である。
保持している様子を示した図である。
【図１５】木構造辞書上の各ノードにおいて、直前のノ
ードとの言語尤度の差分を保持している様子を示した図
である。
ードとの言語尤度の差分を保持している様子を示した図
である。
１ 出力装置 ２ 入力装置 ３ 中央処理装置 ４ 記憶装置
Claims (8)
- 【請求項１】単語を構成する音素をノードとするツリー
であって、各単語の先頭音素から同一の音素を共通のノ
ードとするツリーによって複数の単語を表現した木構造
辞書と、 前記木構造辞書に含まれる各単語に対応したＩＤ情報で
あって、共通のノードを有する単語同士は連続するよう
に定義されたＩＤ情報と、 前記木構造辞書のノード中の親のノードと到達可能な単
語の集合が異なるノードについてのノード情報であっ
て、該ノードから到達可能な単語の数と該単語の前記Ｉ
Ｄ情報の内最大又は最小のＩＤ情報とを含むノード情報
と、 を記憶する記憶手段と、 前記木構造辞書から、前記ＩＤ情報と前記ノード情報と
を用いて、入力音声に最も適合した単語を探索する探索
手段と、 を有することを特徴とする音声認識装置。 - 【請求項２】単語を構成する音素をノードとするツリー
であって、各単語の先頭音素から同一の音素を共通のノ
ードとするツリーによって複数の単語を表現した木構造
辞書と、 前記木構造辞書に含まれる各単語に対応したＩＤ情報で
あって、共通のノードを有する単語同士は連続するよう
に定義されたＩＤ情報と、 前記木構造辞書のノード中の親のノードと到達可能な単
語の集合が異なるノードについてのノード情報であっ
て、該ノードから到達可能な単語の数と該単語の前記Ｉ
Ｄ情報の内最大又は最小のＩＤ情報とを含むノード情報
と、 を用いた音声認識方法であって、 前記ノード情報に対応する言語尤度を参照して入力音声
の累積尤度を更新する累積尤度更新ステップと、 前記入力音声の最終的な累積尤度により、認識結果を出
力するステップと、 を有することを特徴とする音声認識方法。 - 【請求項３】前記累積尤度更新ステップは、 前記ノード情報を用いて、親のノードと到達可能な単語
の集合が異なるノードから、到達可能な単語のＩＤ情報
を特定する単語ＩＤ特定ステップと、 前記ＩＤ情報を用いて、前記単語ＩＤ特定工程で特定さ
れたＩＤ情報を有する単語を特定する単語特定ステップ
と、 前記単語特定工程で特定された単語の言語尤度の最大値
を、前記ノード情報に対応した言語尤度として参照する
言語尤度参照ステップと、 を有することを特徴とする請求項２に記載の音声認識方
法。 - 【請求項４】音声認識方法に用いる木構造辞書を作成す
る木構造辞書作成方法であって、 複数の単語をその構成音素に基づいて整列するステップ
と、 前記整列した単語順に連続したＩＤ情報を付与するステ
ップと、 単語の先頭音素から共通な音素を同一のノードとして木
構造化するステップと、木構造辞書のノードのうち、親
のノードと到達可能な単語の集合が異なるノードに、そ
のノードから到達可能な単語の数と到達可能な単語の前
記ＩＤ情報のうち、最小又は最大のＩＤ情報とノード情
報として付与するステップと、 を備えることを特徴とする木構造辞書作成方法。 - 【請求項５】請求項４に記載の木構造辞書作成方法で木
構造辞書を作成するステップと、 音声を取り込むステップと、 取り込んだ入力音声を分析して、その音素ごとに前記木
構造辞書の前記ノード情報に対応した言語尤度を導くス
テップと、 前記言語尤度を用いて、前記木構造辞書の中で前記入力
音声に最も適合した単語を音声認識結果として出力する
ステップと、 を備えることを特徴とする音声認識方法。 - 【請求項６】前記入力音声を音響分析するステップと、 音響尤度を求めるステップと、 を更に有することを特徴とする請求項５に記載の音声認
識方法。 - 【請求項７】音声認識装置を制御するための制御プログ
ラムを記憶したコンピュータ可読メモリであって、 前記制御プログラムは、 請求項４に記載の木構造辞書作成方法で木構造辞書を作
成するプログラムと、 音声を取り込むプログラムと、 取り込んだ入力音声を分析して、その音素ごとに前記木
構造辞書の前記ノード情報に対応した言語尤度を導くプ
ログラムと、 前記言語尤度を用いて、前記木構造辞書の中で前記入力
音声に最も適合した単語を音声認識結果として出力する
プログラムと、 を含むことを特徴とするコンピュータ可読メモリ。 - 【請求項８】入力音声に最も適合した単語を探索する探
索手段を有する音声認識装置を制御するための制御プロ
グラムを記憶したコンピュータ可読メモリであって、 前記探索手段が用いる情報として、 単語を構成する音素をノードとするツリーであって、各
単語の先頭音素から同一の音素を共通のノードとするツ
リーによって複数の単語を表現した木構造辞書と、 前記木構造辞書に含まれる各単語に対応したＩＤ情報で
あって、共通のノードを有する単語同士は連続するよう
に定義されたＩＤ情報と、 前記木構造辞書のノード中の親のノードと到達可能な単
語の集合が異なるノードについてのノード情報であっ
て、該ノードから到達可能な単語の数と該単語の前記Ｉ
Ｄ情報の内最大又は最小のＩＤ情報とを含むノード情報
と、 を格納することを特徴とするコンピュータ可読メモリ。
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP09704199A JP4289715B2 (ja) | 1999-04-02 | 1999-04-02 | 音声認識装置及び音声認識方法並びにその方法に用いられる木構造辞書の作成方法 |
| US09/538,388 US6507815B1 (en) | 1999-04-02 | 2000-03-29 | Speech recognition apparatus and method |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP09704199A JP4289715B2 (ja) | 1999-04-02 | 1999-04-02 | 音声認識装置及び音声認識方法並びにその方法に用いられる木構造辞書の作成方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2000293191A true JP2000293191A (ja) | 2000-10-20 |
| JP4289715B2 JP4289715B2 (ja) | 2009-07-01 |
Family
ID=14181502
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP09704199A Expired - Fee Related JP4289715B2 (ja) | 1999-04-02 | 1999-04-02 | 音声認識装置及び音声認識方法並びにその方法に用いられる木構造辞書の作成方法 |
Country Status (2)
| Country | Link |
|---|---|
| US (1) | US6507815B1 (ja) |
| JP (1) | JP4289715B2 (ja) |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2005265967A (ja) * | 2004-03-16 | 2005-09-29 | Advanced Telecommunication Research Institute International | 木構造辞書を記録した記憶媒体、及び木構造辞書の言語スコアテーブル作成プログラム |
| JP2006174774A (ja) * | 2004-12-22 | 2006-07-06 | Rnai:Kk | サンプルセット製造方法、遺伝子整列プログラム、サンプルセット及び対象物整列プログラム |
| JP2007163896A (ja) * | 2005-12-14 | 2007-06-28 | Canon Inc | 音声認識装置および方法 |
| JP2009092844A (ja) * | 2007-10-05 | 2009-04-30 | Kddi Corp | パタン認識方法および装置ならびにパタン認識プログラムおよびその記録媒体 |
| JP2010540976A (ja) * | 2007-10-04 | 2010-12-24 | 株式会社東芝 | 自動音声認識の方法および装置 |
| JP2012018403A (ja) * | 2011-08-01 | 2012-01-26 | Kddi Corp | パタン認識方法および装置ならびにパタン認識プログラムおよびその記録媒体 |
| JP2014206677A (ja) * | 2013-04-15 | 2014-10-30 | 株式会社アドバンスト・メディア | 音声認識装置および音声認識結果確定方法 |
| JP2020190587A (ja) * | 2019-05-20 | 2020-11-26 | カシオ計算機株式会社 | ロボットの制御装置、ロボット、ロボットの制御方法及びプログラム |
Families Citing this family (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP3715469B2 (ja) * | 1999-06-30 | 2005-11-09 | パイオニア株式会社 | 音声操作装置 |
| US7930181B1 (en) | 2002-09-18 | 2011-04-19 | At&T Intellectual Property Ii, L.P. | Low latency real-time speech transcription |
| KR100554442B1 (ko) * | 2003-10-06 | 2006-02-22 | 주식회사 팬택앤큐리텔 | 음성인식 기능을 가진 이동 통신 단말기, 및 이를 위한음소 모델링 방법 및 음성 인식 방법 |
| JP2006178013A (ja) * | 2004-12-20 | 2006-07-06 | Canon Inc | データベース作成装置及び方法 |
| US20060136195A1 (en) * | 2004-12-22 | 2006-06-22 | International Business Machines Corporation | Text grouping for disambiguation in a speech application |
| KR100703697B1 (ko) * | 2005-02-02 | 2007-04-05 | 삼성전자주식회사 | 어휘 그룹 트리를 이용한 어휘 인식 방법 및 장치 |
| KR100748720B1 (ko) * | 2006-02-09 | 2007-08-13 | 삼성전자주식회사 | 다중 계층 중심 어휘 목록에 기초하여 대규모 단어 음성인식 방법 및 그 장치 |
| US8744860B2 (en) | 2010-08-02 | 2014-06-03 | At&T Intellectual Property I, L.P. | Apparatus and method for providing messages in a social network |
| US9037464B1 (en) | 2013-01-15 | 2015-05-19 | Google Inc. | Computing numeric representations of words in a high-dimensional space |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH0782544B2 (ja) * | 1989-03-24 | 1995-09-06 | インターナショナル・ビジネス・マシーンズ・コーポレーション | マルチテンプレートを用いるｄｐマツチング方法及び装置 |
| US6067520A (en) * | 1995-12-29 | 2000-05-23 | Lee And Li | System and method of recognizing continuous mandarin speech utilizing chinese hidden markou models |
| US6278968B1 (en) * | 1999-01-29 | 2001-08-21 | Sony Corporation | Method and apparatus for adaptive speech recognition hypothesis construction and selection in a spoken language translation system |
| US6243669B1 (en) * | 1999-01-29 | 2001-06-05 | Sony Corporation | Method and apparatus for providing syntactic analysis and data structure for translation knowledge in example-based language translation |
-
1999
- 1999-04-02 JP JP09704199A patent/JP4289715B2/ja not_active Expired - Fee Related
-
2000
- 2000-03-29 US US09/538,388 patent/US6507815B1/en not_active Expired - Lifetime
Cited By (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2005265967A (ja) * | 2004-03-16 | 2005-09-29 | Advanced Telecommunication Research Institute International | 木構造辞書を記録した記憶媒体、及び木構造辞書の言語スコアテーブル作成プログラム |
| JP4521631B2 (ja) * | 2004-03-16 | 2010-08-11 | 株式会社国際電気通信基礎技術研究所 | 木構造辞書を記録した記憶媒体、及び木構造辞書の言語スコアテーブル作成プログラム |
| JP2006174774A (ja) * | 2004-12-22 | 2006-07-06 | Rnai:Kk | サンプルセット製造方法、遺伝子整列プログラム、サンプルセット及び対象物整列プログラム |
| JP4638726B2 (ja) * | 2004-12-22 | 2011-02-23 | 株式会社アルファジェン | サンプルセット製造方法、遺伝子整列プログラム及びサンプルセット |
| JP2007163896A (ja) * | 2005-12-14 | 2007-06-28 | Canon Inc | 音声認識装置および方法 |
| JP2010540976A (ja) * | 2007-10-04 | 2010-12-24 | 株式会社東芝 | 自動音声認識の方法および装置 |
| JP2009092844A (ja) * | 2007-10-05 | 2009-04-30 | Kddi Corp | パタン認識方法および装置ならびにパタン認識プログラムおよびその記録媒体 |
| JP2012018403A (ja) * | 2011-08-01 | 2012-01-26 | Kddi Corp | パタン認識方法および装置ならびにパタン認識プログラムおよびその記録媒体 |
| JP2014206677A (ja) * | 2013-04-15 | 2014-10-30 | 株式会社アドバンスト・メディア | 音声認識装置および音声認識結果確定方法 |
| JP2020190587A (ja) * | 2019-05-20 | 2020-11-26 | カシオ計算機株式会社 | ロボットの制御装置、ロボット、ロボットの制御方法及びプログラム |
| JP7342419B2 (ja) | 2019-05-20 | 2023-09-12 | カシオ計算機株式会社 | ロボットの制御装置、ロボット、ロボットの制御方法及びプログラム |
Also Published As
| Publication number | Publication date |
|---|---|
| JP4289715B2 (ja) | 2009-07-01 |
| US6507815B1 (en) | 2003-01-14 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108305634B (zh) | 解码方法、解码器及存储介质 | |
| US6073095A (en) | Fast vocabulary independent method and apparatus for spotting words in speech | |
| JP4465564B2 (ja) | 音声認識装置および音声認識方法、並びに記録媒体 | |
| US7487091B2 (en) | Speech recognition device for recognizing a word sequence using a switching speech model network | |
| JP4802434B2 (ja) | 音声認識装置及び音声認識方法、並びにプログラムを記録した記録媒体 | |
| JP4289715B2 (ja) | 音声認識装置及び音声認識方法並びにその方法に用いられる木構造辞書の作成方法 | |
| EP1199707A2 (en) | Method and apparatus for dynamic adaptation of a large vocabulary speech recognition system and for use of constraints from a database in a large vocabulary speech recognition system | |
| US7401019B2 (en) | Phonetic fragment search in speech data | |
| JP3459712B2 (ja) | 音声認識方法及び装置及びコンピュータ制御装置 | |
| US5987409A (en) | Method of and apparatus for deriving a plurality of sequences of words from a speech signal | |
| JP2002215187A (ja) | 音声認識方法及びその装置 | |
| JP3634863B2 (ja) | 音声認識システム | |
| US20050075876A1 (en) | Continuous speech recognition apparatus, continuous speech recognition method, continuous speech recognition program, and program recording medium | |
| JP2003208195A5 (ja) | ||
| US20030061046A1 (en) | Method and system for integrating long-span language model into speech recognition system | |
| JP4595415B2 (ja) | 音声検索システムおよび方法ならびにプログラム | |
| JP2001242885A (ja) | 音声認識装置および音声認識方法、並びに記録媒体 | |
| JP3042455B2 (ja) | 連続音声認識方式 | |
| US20050049873A1 (en) | Dynamic ranges for viterbi calculations | |
| JP2938865B1 (ja) | 音声認識装置 | |
| JP3265864B2 (ja) | 音声認識装置 | |
| JP2002215184A (ja) | 音声認識装置、及びプログラム | |
| JP3494338B2 (ja) | 音声認識方法 | |
| JP4104831B2 (ja) | 音声認識装置、音声認識方法、及び音声認識プログラム | |
| JP3818154B2 (ja) | 音声認識方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20060310 |
|
| RD01 | Notification of change of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7426 Effective date: 20060310 |
|
| RD03 | Notification of appointment of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7423 Effective date: 20060310 |
|
| RD04 | Notification of resignation of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7424 Effective date: 20080728 |
|
| RD04 | Notification of resignation of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7424 Effective date: 20080807 |
|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20081024 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20081104 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20081217 |
|
| TRDD | Decision of grant or rejection written | ||
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20090316 |
|
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20090331 |
|
| R150 | Certificate of patent or registration of utility model |
Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20120410 Year of fee payment: 3 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20130410 Year of fee payment: 4 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20130410 Year of fee payment: 4 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20140410 Year of fee payment: 5 |
|
| LAPS | Cancellation because of no payment of annual fees |