JP2002073061A

JP2002073061A - 音声認識装置及びその方法

Info

Publication number: JP2002073061A
Application number: JP2000268269A
Authority: JP
Inventors: Maki Yamada; 麻紀山田
Original assignee: Matsushita Electric Industrial Co Ltd
Current assignee: Panasonic Holdings Corp
Priority date: 2000-09-05
Filing date: 2000-09-05
Publication date: 2002-03-12

Abstract

(57)【要約】【課題】本発明は音声認識技術に関するものであり、
非定常騒音環境下であっても正しく音声区間検出を行う
ことを目的とする。【解決手段】音声認識装置において、音声パワーとノ
イズパワーの比であるSN比が一定の閾値を超えるか否か
で音声スイッチのON/OFFを切り替え、音声スイッチが最
後にONになってからT1秒以上経過し、かつ最後にOFFに
なってからT2秒以上経過し、かつ認識開始後T6秒以内で
あって、かつ最大SN比がαdB以上であり、かつ認識対象
語彙に対する最大尤度がβ以上であるときに、終了検出
する手段をもつ音声認識装置。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は、非定常な雑音環境
下でも正しく音声区間検出を行い認識する音声認識装置
及びその方法に関する。

【０００２】

【従来の技術】雑音環境下での音声認識において、従
来、次のような方法で音声区間検出を行っていた。

【０００３】図６に示すフローチャートに従って従来の
方法の動作について説明する。基本的な考え方は、ノイ
ズレベルと現在のパワーの比（ＳＮ比）がある一定の閾
値Θ以上であるときには音声区間、ΘｄＢ未満のときは
ノイズ区間とみなし、音声スイッチが最後にＯＦＦにな
ってから一定時間以上たったときに、終了検出し認識結
果を表示する。

【０００４】図６において、Ｓは各処理ステップを表
す。ユーザが認識開始ボタンを押下することにより以下
の処理を開始する。まず、最初にＳ１で音声スイッチを
ＯＦＦにしておく。そして、以下の処理を一定時間ごと
に繰り返す。この一定時間をフレームと呼び、ここでは
１フレーム＝１０ｍｓとする。音声スイッチのＯＮ／Ｏ
ＦＦや認識処理はこのフレームごとに行い、終了検出が
行われた時点で認識結果を出力する。

【０００５】入力フレームＩについて、Ｓ２でリジェク
ト判定を行う。認識開始ボタンの押下による認識開始後
Ｔ５秒以上経過していれば、端子１へ飛びＳ１０でリジ
ェクトメッセージを出力して処理を終了する。認識開始
後Ｔ５秒未満であればＳ３へ進む。

【０００６】Ｓ３では、１つ前のフレームでの音声スイ
ッチのＯＮ／ＯＦＦを判定し、ＯＦＦの場合にはＳ４で
ノイズレベルの更新を行う。これは、音声スイッチがＯ
ＦＦのときにはノイズ区間であるとの考え方に基づき、
以下のようにしてノイズレベルを更新する。フレームＩ
の入力のパワーをＰ（Ｉ）とし、それまでのノイズレベ
ルをＮｏｌｄとするとき、更新後のノイズレベルＮｎｅ
ｗは（数１）で表される。なおノイズレベルの初期値は
０としておく。

【０００７】

【数１】

【０００８】Ｓ３で音声スイッチがＯＮの場合には音声
区間であるとみなし、ノイズレベルの更新は行わない。

【０００９】次に、Ｓ５で現在のパワーレベルとノイズ
レベルの比であるＳＮ比を求める。これは現在のパワー
Ｐ（Ｉ）とノイズレベルＮ０から（数２）で定義する。

【００１０】

【数２】

【００１１】次にＳ６で求まったＳＮ比の値と閾値Θと
の比較を行い、ＳＮ比がΘｄＢ以上であれば音声区間で
あるとみなし、Ｓ７へ進む。ここでＳＮ比がΘｄＢ未満
であればノイズ区間であるとみなし、Ｓ１１へ進む。

【００１２】Ｓ７では、音声スイッチをＯＮにし、Ｓ９
でリジェクト判定を行う。ＯＮの継続時間がＴ３秒以上
である場合には端子１へ飛びＳ１０でリジェクトメッセ
ージを出力して処理を終了する。ここでリジェクトされ
なかった場合には、Ｓ１９へ進み認識処理を続行する。
Ｓ１９では、認識対象語彙辞書にしたがって音響モデル
と照合を行い、フレームＩを終端とするときの認識対象
語彙に対する尤度を計算し、現在までの最大単語尤度を
保存しておく。（認識対象語彙は単語とする。）ここで
は、Ｔ１を０．７秒、Ｔ２を０．３秒、Ｔ３を３秒、Ｔ
４を４秒、Ｔ５を５秒とする。

【００１３】一方Ｓ１１では音声スイッチをＯＦＦに
し、Ｓ１２でリジェクト判定を行う。認識開始後Ｔ４秒
以上たっても一度もＯＮになったことがなければ、端子
１へ飛びリＳ１０でリジェクトメッセージを出力して処
理を終了する。ここでリジェクトされなかった場合に
は、Ｓ１３、Ｓ１４のステップで終了検出判定を行う。

【００１４】最後にＯＮになってからＴ１秒以上経過し
ており、かつ、最後にＯＦＦになってからＴ２秒以上経
過している場合には、Ｓ１８へ進み、認識結果を出力し
処理を終了する。

【００１５】上記終了検出判定の条件を満たさなかった
場合には、Ｓ１９へ進み認識処理を続行する。

【００１６】終了検出判定の様子を示したイメージ図が
図７である。図７は認識開始ボタンを押して認識処理を
開始した後、「あさって」と発声したときの、音声パワ
ーと音声スイッチのＯＮ／ＯＦＦ状態を示している。ノ
イズレベルに対しΘｄＢ以上になったときに音声スイッ
チがＯＮとなり、ΘｄＢ未満になったときにＯＦＦとな
る。音声スイッチが最後にＯＮになってからＴ１秒以上
経過しており、かつ、最後にＯＦＦになってからＴ２秒
以上経過している場合に、その時点で終了検出とする。

【００１７】

【発明が解決しようとする課題】しかしながら、上記従
来例では、認識時の環境騒音が非定常騒音であった場
合、発声ボタン押下後まだ発声していないにもかかわら
ず、周囲の非定常雑音をひろって音声スイッチが働き、
終了検出してしまうという課題があった。

【００１８】この原因は、ノイズレベルと現在のパワー
の比（ＳＮ比）がある一定の閾値Θ以上であるときには
音声区間、ΘｄＢ未満のときはノイズ区間とみなし、音
声スイッチが最後にＯＦＦになってから一定時間以上た
ったときに、終了検出し認識結果を表示するため、実際
に発声していないにもかかわらず認識処理が終了してし
まうことが多発していた。

【００１９】図８は、そのようなケースを示した図であ
る。これは、「うえ」と発声する前に終了検出が行われ
認識処理が終了してしまった例を表している。非定常騒
音の場合、雑音に反応して音声スイッチがＯＮとなり、
その後ＯＦＦとなってその状態が続いた場合に、終了検
出され、処理が終了してしまうことが起きる。この時点
で単語尤度が低かったりＳＮ比が低かったりすれば、認
識結果をリジェクトにすることは可能であるが、その時
点では音の取り込みが終了しているため、その後に発声
された「うえ」という単語と照合を行うことができな
い。

【００２０】これを解決するために閾値Θの値を十分大
きく取る方法がある。その場合、雑音に反応して音声ス
イッチがＯＮになることは減少するものの、音声の始端
で音声スイッチがＯＮになりにくくなり、始端検出性能
が悪くなるという問題点があった。

【００２１】本発明は、非定常騒音環境下であっても正
しく音声区間検出を行い、音声認識することを目的とす
る。

【００２２】

【課題を解決するための手段】この課題を解決するため
に、本発明は上記従来の方法に加え、閾値Θの値は変え
ずに、ＳＮ比の最大値を記憶しておき、認識開始後一定
時間内では最大ＳＮ比が閾値α以上で、かつ、認識処理
によって得られる最大尤度が閾値β以上でなければ終了
検出しないとする。これにより、始端検出の性能を落と
さずに、非定常騒音環境下であっても正しく終了検出で
きるようになる。また、最大ＳＮ比と最大尤度による条
件を、認識開始後一定時間内のみに適用することによっ
て、発声後認識結果が出力されるまでのレスポンスの劣
化を防ぐことができる。

【００２３】

【発明の実施の形態】本発明の請求項１に記載の発明
は、音声区間を検出し音声認識を行う装置において、ノ
イズレベルを学習する学習手段と、前記ノイズレベルと
現在のパワーの比であるＳＮ比を求めるＳＮ比演算手段
手段と、前記ＳＮ比の最大値を保存しておく最大ＳＮ比
保存手段と、認識対象語彙に対する尤度を求める尤度演
算手段と、前記認識対象語彙に対する最大尤度を保存し
ておく最大尤度保存手段と、前記ＳＮ比が一定の閾値を
超えるか否かで音声スイッチのＯＮ／ＯＦＦを検出する
音声スイッチ検出手段と、前記音声スイッチの状態と前
記認識対象語彙に対する最大尤度と前記最大ＳＮ比とか
ら終了検出することで音声区間を検出する音声区間検出
手段とを備えたものであり、音声区間の終了判定を音声
スイッチの状態だけでなく音声スイッチの状態と前記認
識対象語彙に対する最大尤度と前記最大ＳＮ比とから終
了検出することで、始端検出の性能を落とさずに、非定
常騒音環境下であっても正しく終了検出できるようにな
るという作用を有する。

【００２４】請求項２に記載の発明は、請求項１記載の
音声認識装置において、音声区間検出手段の終了検出
は、前記音声スイッチが最後にＯＮになってからＴ１秒
以上経過しかつ最後にＯＦＦになってからＴ２秒以上経
過しかつ認識開始後Ｔ６秒以内であって、かつ最大ＳＮ
比がαｄＢ以上でありかつ認識対象語彙に対する最大尤
度がβ以上であるときに、終了検出することで音声区間
を検出することを特徴とするもので、音声区間の終了検
出判定に、認識開始後一定時間内では、最大ＳＮ比が閾
値α以上で、かつ、認識処理によって得られる認識対象
語彙に対する最大尤度が閾値β以上でなければ終了検出
しないとすることにより、始端検出の性能を落とさず
に、非定常騒音環境下であっても正しく終了検出できる
ようになるという作用を有する。また、最大ＳＮ比と最
大尤度による条件を認識開始後一定時間内のみに適用す
ることによって、認識結果のレスポンスの劣化を防ぐこ
とができるという作用を有する。

【００２５】本発明の請求項３に記載の発明は、音声区
間を検出し音声認識を行う方法において、ノイズレベル
を学習するステップと、前記ノイズレベルと現在のパワ
ーの比であるＳＮ比を求めるステップと、前記ＳＮ比の
最大値を保存しておくステップと、認識対象語彙に対す
る尤度を求めるステップと、前記認識対象語彙に対する
最大尤度を保存しておくステップと、前記ＳＮ比が一定
の閾値を超えるか否かで音声スイッチのＯＮ／ＯＦＦを
検出するステップと、前記音声スイッチの状態と前記認
識対象語彙に対する最大尤度と前記最大ＳＮ比とから終
了検出することにより音声区間を検出するステップとを
備えたものであり、音声区間の終了判定を音声スイッチ
の状態だけでなく音声スイッチの状態と前記認識対象語
彙に対する最大尤度と前記最大ＳＮ比とから終了検出す
ることで、始端検出の性能を落とさずに、非定常騒音環
境下であっても正しく終了検出できるようになるという
作用を有する。

【００２６】請求項４に記載の発明は、請求項３記載の
音声認識方法において、音声区間を検出するステップの
終了検出は、前記音声スイッチが最後にＯＮになってか
らＴ１秒以上経過しかつ最後にＯＦＦになってからＴ２
秒以上経過しかつ認識開始後Ｔ６秒以内であってかつ最
大ＳＮ比がαｄＢ以上でありかつ認識対象語彙に対する
最大尤度がβ以上であるときに、終了検出することで音
声区間を検出することを特徴とするもので、音声区間の
終了検出判定に、認識開始後一定時間内では、最大ＳＮ
比が閾値α以上で、かつ、認識処理によって得られる認
識対象語彙に対する最大尤度が閾値β以上でなければ終
了検出しないとすることにより、始端検出の性能を落と
さずに、非定常騒音環境下であっても正しく終了検出で
きるようになるという作用を有する。また、最大ＳＮ比
と最大尤度による条件を認識開始後一定時間内のみに適
用することによって、認識結果のレスポンスの劣化を防
ぐことができるという作用を有する。

【００２７】請求項５に記載の発明は、プログラムされ
たコンピュータによって音声認識を行うプログラムを記
録した記録媒体であって、ノイズレベルを学習するステ
ップと、前記ノイズレベルと現在のパワーの比であるＳ
Ｎ比を求めるステップと、前記ＳＮ比の最大値を保存し
ておくステップと、認識対象語彙に対する尤度を求める
ステップと、前記認識対象語彙に対する最大尤度を保存
しておくステップと、前記ＳＮ比が一定の閾値を超える
か否かで音声スイッチのＯＮ／ＯＦＦを検出するステッ
プと、前記音声スイッチの状態と前記認識対象語彙に対
する最大尤度と前記最大ＳＮ比とから終了検出すること
により音声区間を検出するステップとを備えたコンピュ
ータに実行させるためのプログラムをコンピュータに読
み込み実行させることにより、音声区間の終了判定を音
声スイッチの状態だけでなく音声スイッチの状態と前記
認識対象語彙に対する最大尤度と前記最大ＳＮ比とから
終了検出することで、始端検出の性能を落とさずに、非
定常騒音環境下であっても正しく終了検出できるように
なるという作用を有する。

【００２８】請求項６に記載の発明は、請求項１または
２記紗の音声認識装置において、発声された入力に対す
る最大ＳＮ比と最大尤度の値に応じた表示を、時間に同
期して表示装置に表示する表示手段を備えたものであ
り、発声された入力に対する最大ＳＮ比と最大尤度の値
の様子を時間に同期して表示することにより、ユーザは
自分の発声が小さすぎないか、発声があいまいでないか
等の様子を知ることができ、次回からの発声の仕方に反
映させ認識しやすいようにすることができるという作用
を有する。

【００２９】以下、本発明の実施の形態について、図を
用いて説明する。

【００３０】（実施の形態１）図１に、本発明の実施の
形態１における音声認識装置をコンピュータシステムで
実現した構成図を示し、以下に説明する。

【００３１】図１において、１０１はメモリ、１０２は
ＣＰＵ、１０３はキーボード／ディスプレイ、１０４は
ＣＰＵバス、１０５は認識対象語彙辞書、１０６は音響
モデルである。

【００３２】本実施の形態では、図１の構成のもとに、
図２に示したフローチャートに従って音声認識を行う。
図２において、Ｓは各処理ステップを表す。従来例のフ
ローチャートである図６と異なるのは、Ｓ８およびＳ１
５〜Ｓ１７である。図６と同じ動作をするステップには
同じステップ番号を付してある。ここでは従来例と異な
る部分についてのみ説明を行う。

【００３３】本実施例では、Ｓ７で音声スイッチをＯＮ
にしたら、Ｓ８で現在までの最大ＳＮ比を保存してお
く。

【００３４】本実施例における終了検出判定は、従来例
がＳ１３、Ｓ１４の条件だけであるのに対し、さらにＳ
１５〜Ｓ１７の条件を追加し、これら全てを満たしたと
きに終了検出を行う。すなわちＳ１４、Ｓ１５の条件を
満たした後、認識開始後Ｔ６秒以内であって、かつ、Ｓ
８で保存しておいた現在までの最大ＳＮ比が閾値αｄＢ
以上であり、かつ、Ｓ１９で保存しておいた現在までの
最大単語尤度が閾値β以上である場合に、終了検出し、
Ｓ１８で認識結果を出力し処理を終了する。

【００３５】ここで、最大ＳＮ比がαｄＢ未満ならば終
了検出しないため、閾値αを大きい値に設定することに
よって、確実に音声があると思われる区間（パワーが十
分に大きい区間）がなければ、終了検出せず認識処理を
継続するようにすることができる。したがって、非定常
騒音環境下において発声していないにもかかわらず終了
検出してしまうという誤動作を防ぐことができる。

【００３６】また、最大単語尤度がβ未満ならば終了検
出しないため、閾値βについても大きい値に設定するこ
とによって、確実に認識辞書とマッチする区間がなけれ
ば終了検出しないようにすることができる。したがっ
て、ＳＮ比がαｄＢを超えてしまうような大きなレベル
の騒音があっても、発声前に終了検出してしまうという
誤動作を防ぐことができる。

【００３７】Ｓ１６とＳ１７の条件だけの場合には、確
実に発声があったとみなされなければ終了検出が行われ
ないため、発声が弱かったり、発声があいまいであって
尤度が低かったりした場合に、終了検出がいつまでたっ
ても行われず、発声したあと出力が得られるまでの時間
（レスポンス）が遅くなるという問題が出てくる。

【００３８】そこで、最大ＳＮ比および最大単語尤度に
よる判定を、認識開始後Ｔ６秒以内に限定する（Ｓ１
５）ことによって、このレスポンスが遅くなることを回
避することができる。

【００３９】本実施の形態における終了検出判定の様子
を示したイメージ図が図３である。図３は認識開始ボタ
ンを押して認識処理を開始した後、「あさって」と発声
したときの、音声パワーと音声スイッチのＯＮ／ＯＦＦ
状態および最大ＳＮ比、最大単語尤度を示している。ノ
イズレベルに対し入力音声パワーがΘｄＢ以上になった
ときに音声スイッチがＯＮとなり、ΘｄＢ未満になった
ときにＯＦＦとなる。図３では、Ｓ１３〜Ｓ１７の条件
を満たした時点で終了検出がなされ、従来例と同様に正
しく終了検出を行うことができる。

【００４０】これに対し、従来例では正しく終了検出で
きないが、本実施の形態では正しく終了検出できるとき
の、終了検出判定の様子を示したイメージ図が図４であ
る。図４は認識開始ボタンを押して認識処理を開始した
後、「うえ」と発声したときの、音声パワーと音声スイ
ッチのＯＮ／ＯＦＦ状態および最大ＳＮ比、最大単語尤
度を示している。音声スイッチが最後にＯＮになってか
らＴ１秒以上経過しており、かつ、最後にＯＦＦになっ
てからＴ２秒以上経過している場合であっても、認識開
始後Ｔ６秒以内であれば、それまでの最大ＳＮ比が低い
か（α未満）または最大単語尤度が低い（β未満）場合
には、終了検出をせずに認識処理を先へ進める。その
後、正しい発声がなされれば最大単語尤度もＳＮ比も十
分大きくなり、終了検出が行われる。このとき、もし発
声が弱いためＳＮ比が小さかったりあいまいな発声のた
めに単語尤度が低かったりしてα，βの条件で正しく終
了検出されなかった場合にも、Ｔ６秒後には従来例と同
じ判定条件で終了検出がなされ、認識結果を出力する。

【００４１】Ｔ６の値は、実際にユーザーが認識開始ボ
タンを押してから発声し始めるまでの時間によって最適
な値は変わってくる。Ｔ６を長くしすぎると認識結果が
出るまでのレスポンスが長くなる可能性がでてくる。Ｔ
６が短すぎると発声前に終了検出して処理を終了してし
まうケースが多くなり本発明の利点が活かされない。例
えば、相手先名を発声することによって電話のダイヤリ
ングを行う音声ダイヤルのような用途では、現実的には
２秒程度が妥当と考えられる。

【００４２】このような条件を加えることにより、非定
常な騒音環境下であっても、ユーザーは、発声前に認識
処理が終了してしまったり、発声してから認識結果が得
られるまでに時間がかかるというような不快感を覚える
ことなく、音声認識を行うことができるようになる。

【００４３】なお、本実施の形態では単語発声で説明し
たが、文などの他の発話単位でも同様に実施することが
できる。

【００４４】また、本実施の形態では、ユーザが認識開
始ボタンを押下した時点から認識処理を開始し、音声区
間検出後、認識結果を出力またはリジェクトメッセージ
を出力して終了したが、認識装置の電源を入れた時点で
認識処理を開始し、ユーザが認識開始ボタンを押下する
ことなく、認識結果出力後、再び認識処理を開始するよ
うにすることも可能である。

【００４５】（実施の形態２）本実施の形態２では、実
施の形態１に加え、表示装置であるディスプレイに、発
声された入力に対する最大ＳＮ比と最大尤度の値の様子
を時間に同期して表示するものである。

【００４６】図５はその表示の様子を示した図である。

【００４７】図５において、横軸は時間を表し縦軸は入
力のＳＮ比を表す。入力時間と同期して棒グラフ状にＳ
Ｎ比を表示する。ＳＮ比が閾値αを超えたとき、図５
（Ａ）のように、その超えた部分の色を変えて表示す
る。また最大単語尤度が閾値βを超えたとき、図５
（Ｂ）の顔マークのようにユーザにとってわかりやすい
マークを表示する。またマークではなく全体の色を淡い
色から濃い色に変えるなどしても良い。この表示は終了
検出がなされるまで（図５（Ｃ））続ける。

【００４８】ユーザはこれを見て、自分の発声が小さす
ぎないか、発声があいまいでないか等の様子を知ること
ができ、次回からの発声の仕方に反映させ認識しやすい
ようにすることができる。

【００４９】

【発明の効果】以上のように本発明は、ＳＮ比の最大値
を記憶しておき、認識開始後一定時間内のみであれば、
このＳＮ比が閾値α以上で、かつ、認識処理によって得
られる最大単語尤度が閾値β以上でなければ終了検出し
ないとすることにより、始端検出の性能を落とさずに、
非定常騒音環境下であっても正しく終了検出できるよう
になる。

【００５０】さらに最大ＳＮ比と最大尤度の条件を、認
識開始後一定時間内のみに適用することによって、発声
後認識結果が出力されるまでのレスポンスの劣化を防ぐ
ことができる。

【００５１】また、発声された入力に対する最大ＳＮ比
と最大尤度の値の様子を時間に同期して表示することに
より、ユーザは自分の発声が小さすぎないか、発声があ
いまいでないか等の様子を知ることができ、次回からの
発声の仕方に反映させ認識しやすいようにすることがで
きる。

【図面の簡単な説明】

【図１】本発明の実施の形態１における音声認識装置の
構成図

【図２】本発明の実施の形態１における音声認識方法を
表すフローチャート

【図３】本発明の実施の形態１における終了判定の従来
技術でも正常に動作する例を表した図

【図４】本発明の実施の形態１における終了判定の従来
技術では誤動作する例を表した図

【図５】本発明の実施の形態２における表示の様子を示
した図

【図６】従来例の音声認識方法を表すフローチャート

【図７】従来例における終了判定の正常動作例を表した
図

【図８】従来例における終了判定の誤動作例をを表した
図

【符号の説明】

１０１メモリ１０２ＣＰＵ１０３キーボード／ディスプレイ１０４ＣＰＵバス１０５認識対象語彙辞書１０６音響モデル

Claims

【特許請求の範囲】

【請求項１】音声区間を検出し音声認識を行う装置に
おいて、ノイズレベルを学習する学習手段と、前記ノイ
ズレベルと現在のパワーの比であるＳＮ比を求めるＳＮ
比演算手段手段と、前記ＳＮ比の最大値を保存しておく
最大ＳＮ比保存手段と、認識対象語彙に対する尤度を求
める尤度演算手段と、前記認識対象語彙に対する最大尤
度を保存しておく最大尤度保存手段と、前記ＳＮ比が一
定の閾値を超えるか否かで音声スイッチのＯＮ／ＯＦＦ
を検出する音声スイッチ検出手段と、前記音声スイッチ
の状態と前記認識対象語彙に対する最大尤度と前記最大
ＳＮ比とから終了検出することで音声区間を検出する音
声区間検出手段とを備えたことを特徴とする音声認識装
置。
【請求項２】音声区間検出手段の終了検出は、前記音
声スイッチが最後にＯＮになってからＴ１秒以上経過し
かつ最後にＯＦＦになってからＴ２秒以上経過しかつ認
識開始後Ｔ６秒以内であって、かつ最大ＳＮ比がαｄＢ
以上でありかつ認識対象語彙に対する最大尤度がβ以上
であるときに、終了検出することで音声区間を検出する
ことを特徴とする請求項１記載の音声認識装置。
【請求項３】音声区間を検出し音声認識を行う方法に
おいて、ノイズレベルを学習するステップと、前記ノイ
ズレベルと現在のパワーの比であるＳＮ比を求めるステ
ップと、前記ＳＮ比の最大値を保存しておくステップ
と、認識対象語彙に対する尤度を求めるステップと、前
記認識対象語彙に対する最大尤度を保存しておくステッ
プと、前記ＳＮ比が一定の閾値を超えるか否かで音声ス
イッチのＯＮ／ＯＦＦを検出するステップと、前記音声
スイッチの状態と前記認識対象語彙に対する最大尤度と
前記最大ＳＮ比とから終了検出することにより音声区間
を検出するステップとを備えたことを特徴とする音声認
識方法。
【請求項４】音声区間を検出するステップの終了検出
は、前記音声スイッチが最後にＯＮになってからＴ１秒
以上経過しかつ最後にＯＦＦになってからＴ２秒以上経
過しかつ認識開始後Ｔ６秒以内であってかつ最大ＳＮ比
がαｄＢ以上でありかつ認識対象語彙に対する最大尤度
がβ以上であるときに、終了検出することで音声区間を
検出することを特徴とする請求項３記載の音声認識方
法。
【請求項５】プログラムされたコンピュータによって
音声認識を行うプログラムを記録した記録媒体であっ
て、ノイズレベルを学習するステップと、前記ノイズレ
ベルと現在のパワーの比であるＳＮ比を求めるステップ
と、前記ＳＮ比の最大値を保存しておくステップと、認
識対象語彙に対する尤度を求めるステップと、前記認識
対象語彙に対する最大尤度を保存しておくステップと、
前記ＳＮ比が一定の閾値を超えるか否かで音声スイッチ
のＯＮ／ＯＦＦを検出するステップと、前記音声スイッ
チの状態と前記認識対象語彙に対する最大尤度と前記最
大ＳＮ比とから終了検出することにより音声区間を検出
するステップとを備えたコンピュータに実行させるため
のプログラムを記憶したコンピュータ読み取り可能な記
憶媒体。
【請求項６】発声された入力に対する最大ＳＮ比と最
大尤度の値に応じた表示を、時間に同期して表示装置に
表示する表示手段を備えたことを特徴とする請求項１ま
た２記載の音声認識装置。