JP2664785B2 - 音声認識装置 - Google Patents

Description

【発明の詳細な説明】 ＜産業上の利用分野＞ この発明は、音韻認識や音節認識に基づく音声認識装
置の改良に関する。

＜従来の技術＞ 従来、音節認識に基づく特定話者用の音声認識装置と
して、第３図に示すようなものがある。この音声認識装
置において、特徴抽出部１に入力された音声信号は、A/
D変換されてパワーおよびケプストラム係数等の特徴パ
ラメータが計算される。そしてさらに、この特徴パラメ
ータからパワー変化やスペクトル変化が算出される。そ
うすると、音節切出部２ではパワー変化やスペクトル変
換の変化点に基づいて音節境界候補を求める。音声の登
録時においては、特徴抽出部１によって算出された音節
切出部２によって音節毎に切り出された特徴パラメータ
の時系列が、音節登録部３によって音節標準パターン・
メモリ４に標準パターンとして登録される。一方、音声
の認識時においては、音節切出部２によって音節毎に切
り出された入力音声の特徴パラメータの時系列（特徴パ
ターン）と、音節標準パターン・メモリ４に登録された
標準パターンとのマッチングを音節認識部５によって実
施し、音節認識部５はマッチングの結果得られた音節ラ
チスを出力する。

長音・促音判定部６では、音節切出部２で切り出され
た音節区間や無音区間の長さを平均音声長と比較して、
音節認識部５によって認識された音節や無音が長音や促
音であるか否かの判定を行う。言語処理部７は、長音や
促音が挿入された音節ラチスと単語辞書メモリ８内の単
語辞書とを照合して、文法的に意味のある単語候補や文
節候補を生成する。そして、この生成された候補の中か
ら結果選択部10によって選択された候補が表示部11に表
示される。その際に、ユーザは表示部11に表示された候
補を見てその表示候補が正しいか否かを判断し、表示候
補を認識結果として受け入れるか、あるいは次の候補を
表示部11に表示させるか、あるいは表示候補を取り消し
て言い直すか等の指示をキーボード部９から入力する。
そうすると、このキーボード部９からの指示に従って、
長音・促音判定部６の判定結果を変更したり、結果選択
部10によって次の表示候補が選択されたりする。

＜発明が解決しようとする課題＞ しかしながら、上記従来の音声認識装置においては、
次に説明するように言い直しの際に対処できないという
問題がある。

すなわち、第４図は通常の発声速度で「あたま」と発
声された場合における音節区間と無音区間との一例を示
す。このような音声が入力された場合には、音節切出部
２によって切り出された各区間長は平均音節長と比較し
て長くないので、長音・促音判定部６において長音や促
音は検出されない。ここで、例えば音節切出部２におけ
る音節切り出しの誤りや音節認識部５におけるマッチン
グ誤り等によって正しい認識結果が得られなかったとす
る。その場合、ユーザはキーボード部９の“取消”キー
を押して認識結果を消去し、「あたま」と再発声する。
そして、何度言い直しても正しい認識結果が得られない
場合には、ユーザは一音節ずつ区切って発声することが
多い。

第５図は一音節毎に区切って「あ・た・ま」とゆっく
り発声された場合（以下、このような発声を音節区切り
発声という）における音節区間と無音区間との一例を示
す。このように音節区切り発声によってゆっくり発声さ
れた場合には、音節切出部２による音節の切り出しは正
しく行われる。しかしながら、各区間長さが平均音節長
より十分長くなるので、長音・促音判定部６によって多
くの長音や促音が検出されてしまい、音節認識部５によ
る認識結果は例えば「ああったあっまあ」となる。

すなわち、何度も音節区切り発声によってゆっくり言
い直しても正しく認識されないという問題がある。

そこで、この発明の目的は、極めて認識が困難な単語
や文節を入力する最に、音節区切り発声によって入力す
ることが可能な音声認識装置を提供することにある。

＜課題を解決するための手段＞ 上記目的を達成するため、請求項１に係る発明の音声
認識装置は、入力された音声信号の特徴パターンと標準
パターン・メモリに格納された標準パターンとに基づい
て音声を認識する際に，長音・促音判定部で長音および
促音を判定する音声認識装置において、上記長音・促音
判定部による判定結果を無効にすることを指示する指示
手段と、上記指示手段からの指示を受けて，上記長音・
促音判定部による長音および促音の判定結果の時系列が
「長音」−「促音」−「長音」である場合に，上記判定
結果を無効にする長音・促音判定無効手段を備えたこと
を特徴としている。

＜作用＞ 音声信号が入力されると、この入力された音声信号の
特徴パターンと標準パターン・メモリに格納された標準
パターンとに基づいて入力音声が認識される。さらに、
長音・促音判定部によって長音および促音が判定され
る。そして、指示手段によって、上記長音・促音判定部
による判定結果を無効にすることが指示された場合に
は、この指示を受けた長音・促音判定無効手段によっ
て、上記長音・促音判定部による長音および促音の判定
結果の時系列が「長音」−「促音」−「長音」でいるか
否かが判定される。そして、上記時系列であると判定さ
れた場合には、上記判定結果が無効にされる。

したがって、音節区切り発声によって言い直しを行う
際に、予め上記指示手段によって長音・促音判定部の判
定結果を無効にすることを指示しておけば、音節区切り
発声に起因する長音・促音判定部の判定結果が無効にさ
れて、長音・促音判定部による誤判定が避けられる。

＜実施例＞ 以下、この発明を図示の実施例により詳細に説明す
る。

第１図はこの発明の音声認識装置のブロック図であ
る。この音声認識装置における各部の動作は、第３図に
示した従来の音声認識装置と同じである。すなわち、入
力された音声信号は特徴抽出部21によって特徴パラメー
タが求められ、この特徴パラメータに基づいて音節切出
部22によって音節境界候補が求められて音節に切り出さ
れる。そして、この入力音声の音節毎の特徴パターンと
登録時に音節標準パターン・メモリ24に登録された音節
毎の標準パターンとのマッチングが音節認識部25によっ
て実施され、認識結果の音節ラチスに対する言語処理が
言語処理部27によって行われて単語候補あるいは文節候
補が得られる。そして、キーボード部29からの指示に従
って結果選択部30によって選択された候補が表示部31に
表示される。

その際に、長音・促音判定部26によって長音や促音が
判定されるのであるが、その際に実行される長音・促音
判定処理動作について詳細に説明する。

第２図は、上記長音・促音判定部26によって実行され
る長音・促音判定処理動作のフローチャートである。

ここで、 I:切出区間の数 Ｓ（ｉ）:i番目の切出区間の種類（“音節”と“無音”
の２種類） Ｌ（ｉ）:i番目の切出区間の長さ（フレーム数） LM:平均音節長（フレーム数） CS（ｉ）:i番目の切出区間が長音または促音ならば“1"
でありそれ以外は“0"である数 key:最後に押されたキーの種類（“正解",“次候補”お
よび“取消”の３種類 a,b:定数 ステップS1で、ｉが“1"にセットされる。

ステップS2で、CS（ｉ）が“0"にセットされる。

ステップS3で、ｉ番目の切出区間が“音節”であるか
否かが判別される。その結果“音節”であればステップ
S4に進み、そうでなければステップS6に進む。

ステップS4で、Ｌ（ｉ）＞ａ×LMであるか否かが判別
される。その結果Ｌ（ｉ）＞ａ×4LMであればステップS
5に進み、そうでなければステップS5をスキップしてス
テップS8に進む。

ステップS5で、CS（ｉ）に“1"がセットされる。

すなわち、切出区間が音節であって、その切出区間長
が平均音節長に基づく所定フレーム数より長い場合に
は、音節認識部25によって認識された音節は長音である
と判定するのである。

ステップS6で、Ｌ（ｉ）＞ｂ×LMであるか否かが判別
される。その結果Ｌ（ｉ）＞ｂ×4LMであればステップS
7に進み、そうでなければステップ７をスキップする。

ステップS7で、CS（ｉ）に“1"がセットされる。

すなわち、切出区間が無音であって、その切出区間長
が平均音節長に基づく所定フレーム数より長い場合に
は、音節認識部25によって認識された無音は促音である
と判定するのである。

ステップS8で、ｉ＝Ｉであるか否かが判別される。そ
の結果ｉ＝ＩであればステップS10に進み、そうでなけ
ればステップS9に進む。

ステップS9で、ｉをインクリメントしてステップS2に
戻り、次の切出区間に対する処理を実行する。

上記ステップS9までは、従来の音声認識装置における
長音・促音判定処理動作と同じである。ステップS10以
降はこの発明に係る処理であり、指示手段からの指示に
基づいて、上述のようにして得られた長音あるいは促音
の判定結果を無効にする長音・促音判定無効処理であ
る。

ステップS10で、キーボード部29において最後に押さ
れたキーの種類が“取消”キーであるか否かが判別され
る。その結果“取消”キーであればステップS11に進
み、そうでなければ長音・促音判定処理動作を終了す
る。

すなわち、長音・促音判定部26に対して判定結果を無
効にすることを指示するための指示手段を“取消”キー
で構成するのである。

ステップS11で、Ｓ（１）が“音節”であり、かつCS
（１）＝１であるか否かが判別される。その結果Ｓ
（１）が“音節”でありCS（１）＝１であればステップ
S12に進み、そうでなければ長音・促音判定処理動作を
終了する。

ステップS12で、Ｓ（２）が“無音”であり、かつCS
（２）＝１であるか否かが判別される。その結果Ｓ
（２）が“無音”でありCS（２）＝１であればステップ
S13に進み、そうでなければ長音・促音判定処理動作を
終了する。

ステップS13で、Ｓ（３）が“音節”であり、かつCS
（３）＝１であるか否かが判別される。その結果Ｓ
（３）が“音節”でありCS（３）＝１であればステップ
S14に進み、そうでなければ長音・促音判定処理動作を
終了する。

ステップS14で、ｉに“1"がセットされる。

ステップS15で、CS（ｉ）に“0"がセットされる。

ステップS16で、ｉ＝Ｉであるか否かが判別される。
その結果ｉ＝ＩでなければステップS17に進み、そうで
なければ長音・促音判定処理動作を終了する。

ステップS17で、ｉがインクリメントされてステップS
15に戻る。

こうして、“取消”キーが押された後に入力された音
声の認識結果から長音および促音が取り除かれるのであ
る。

すなわち、この発明にかかる長音・促音判定処理動作
においては、キーボード部29の“取消”キーを押すこと
によって、それ移行に入力された音声の認識結果の時系
列における１番目の切出区間〜３番目の切出区間が「長
音」−「促音」−「長音」の時系列である場合（すなわ
ち、音節区切り発声であると見なされる場合）には長音
・促音フラグCS（ｉ）をリセットするのである。こうす
ることによって、“取消”キーを押してから入力された
音節区切り発声による音声に対しては、長音・促音判定
結果を無効にするのである。

以下、音節区切り発声によって「あ・た・ま」が入力
された場合を例に、上述の長音・促音判定処理動作を具
体的に説明する。キーボード部29における“取消”キー
が押された後、音節区切り発声によって「あ・た・ま」
と発声される。そうすると、音節切出部22によって第５
図に示すような切出区間１〜切出区間５の５個の切出区
間に切り出され、音節認識部25によって各切出区間に対
する認識処理が実行される。その結果、切出区間１は音
節「あ（音節１）」と認識され、切出区間２は無音（無
音１）と認識され、切出区間３は音節「た（音節２）」
と認識され、切出区間４は無音（無音２）と認識され、
切出区間５は音節「ま（音節３）」と認識される。そし
て、長音・促音判定部26による長音・促音判定処理動作
に入る。

初期設定（ステップS1,ステップS2）した後、切出区
間１は“音節”であって所定時間長（平均音節長LM×
ａ）より長い（音節区切り発声によってゆっくり発声さ
れた）ので長音であると判定される（ステップS3および
ステップS4）。そして、長音・促音フラグCS（１）に
“1"がセットされる（ステップS5）。次に、切出区間２
には“無音”であって所定時間長（平均音節長LM×ｂ）
より長いので促音であると判定される（ステップS3およ
びステップS6）。そして、長音・促音フラグCS（２）に
“1"がセットされる（ステップS7）。以下同様にして、
切出区間３および切出区間５は長音であると判定されて
長音・促音フラグCS（３）およびCS（５）に“1"がセッ
トされる。また、切出区間４は促音であると判定されて
長音・促音フラグCS（４）“1"がセットされる。この結
果、切出区間１の認識候補は「ああ」、切出区間２の認
識候補は「っ」、切出区間３の認識候補は「たあ」、切
出区間４の認識候補は「っ」、切出区間５の認識候補は
「まあ」となるのである。

ここで、キーボード部29の“取消”キーが押されてい
るので（ステップS10）、切出区間1,切出区間２および
切出区間３の内容が調べられる。その結果、音節区間１
〜音節区間３は「長音（ああ）」−「促音（っ）」−
「長音（たあ）」の時系列になっているので（ステップ
S11,ステップS12およびステップS13）、総ての切出区間
（切出区間１〜切出区間５）の長音・促音フラグCS
（ｉ）に“0"をセットする。この結果、切出区間１の認
識候補は「あ」、切出区間２の認識候補は「無音」、切
出区間３の認識候補は「た」、切出区間４の認識候補は
「無音」、切出区間５の認識候補は「ま」と修正される
のである。

したがって、当初の認識候補「ああったあっまあ」の
長音と促音とが自動的に取り除かれて、認識候補は「あ
たま」に変更されるのである。この場合、「あたま」は
音節区切り発声によってゆっくり発声されているので音
節切出部22によって正しく音節が切り出され、入力音声
が正しく認識されるのである。

その際に、例えば「ぴったり」のように２音節目に促
音を含む単語や文節を音節区切り発声すると必要な促音
も自動的に取り除かれて、認識候補は「ぴたり」となっ
てしまう。そこで、このような場合には「ぴ・つ・た・
り」と音節区切り発声すればよい。そうすることによっ
て認識候補「ぴったり」が得られが、後に言語処理部27
における言語処理によって認識候補「ぴつたり」を「ぴ
ったり」に変換するようにすれば良いのである。

上述のように、本実施例においては、単語や文節を音
声入力した際に音節認識部25によって正しい認識結果が
得られない場合には、キーボード部29の“取消”キーを
押す。そうした後、音節区切り発声によって上記単語あ
るいは文節を再度入力する。そうすると、長音・促音判
定部26は、音節区切り発声における認識候補に含まれる
長音あるいは促音を所定の手順によって自動的に除去す
るようにしている。したがって、音節区切り発声による
認識結果に不必要な長音や促音が含まれることがなく、
音節区切り発声によってゆっくり発声された単語や文節
が正しく認識されるのである。

上記実施例においては、音節認識部25による音節認識
結果に基づいて音声を認識するようにしているが、この
発明は音韻認識結果に基づいて音声を認識する音声認識
装置に用いてもよい。

この発明における長音・促音判定部26による長音・促
音判定処理のアルゴリズムは本実施例に限定されるもの
ではない。

＜発明の効果＞ 以上より明らかなように、請求項１に係る発明の音声
認識装置は、長音・促音判定部，指示手段および長音・
促音判定無効手段を備えて、上記指示手段による指示を
受けて、上記長音・促音判定無効手段によって、上記長
音・促音判定部による長音および促音の判定結果の時系
列が「長音」−「促音」−「長音」である場合に上記判
定結果を無効にするようにしたので、言い直しを行う場
合には、予め上記指示手段によって上記長音・促音判定
部による長音あるいは促音の判定結果を無効にするよう
に指示しておけば、音節区切り発声によってゆっくり発
声しても不必要な長音および促音が付加されず、音節区
切り発声により言い直しにも対処できるのである。

したがって、この発明によれば、極めて認識が困難な
単語や文節を入力する際に、音節区切り発声によって言
い直しを行って音韻あるいは音節の切り出しを確実にし
て、正しく発声を認識することができる。

【図面の簡単な説明】

第１図はこの発明の音声認識装置における一実施例のブ
ロック図、第２図は第１図における長音・促音判定部に
よる長音・促音判定処理動作のフローチャート、第３図
は従来の音声認識装置のブロック図、第４図は通常に発
声された場合の切出区間の一例を示す図、第５図は音節
区切り発声された場合の切出区間の一例を示す図であ
る。 21……特徴抽出部、22……音節切出部、 23……音節登録部、 24……音節標準パターン・メモリ、 25……音節認識部、26……長音・促音判定部、 27……言語処理部、28……単語辞書メモリ、 29……キーボード部、30……結果選択部、 31……表示部。

Claims (1)

(57)【特許請求の範囲】
1. 【請求項１】入力された音声信号の特徴パターンと標準
   パターン・メモリに格納された標準パターンとに基づい
   て音声を認識する際に、長音・促音判定部で長音および
   促音を判定する音声認識装置において、 上記長音・促音判定部による判定結果を無効にすること
   を指示する指示手段と、 上記指示手段からの指示を受けて、上記長音・促音判定
   部による長音および促音の判定結果の時系列が「長音」
   −「促音」−「長音」である場合に、上記判定結果を無
   効にする長音・促音判定無効手段を備えたことを特徴と
   する音声認識装置。