JP2834880B2 - 音声認識装置 - Google Patents

Description

【発明の詳細な説明】

（イ）産業上の利用分野 音声によって、各種機器を制御する音声認識装置に関
する。 （ロ）従来の技術 近年、音声を認識できる音声認識装置の研究開発が盛
んに行われており、この種装置の実用化が望まれてい
る。 この種装置は、一般には、音声を分析して得られる音
声の特徴を表すパラメータからなる音声パタンをデータ
処理するものであり、あらかじめ複数の音声について貯
えられた音声パタン（標準音声パタン）のそれぞれを未
知の音声パタンとパタンマッチングの手法によって比較
し、最も誤差の小さい（即ち、類似度の大きい）標準パ
タンを見出すことで、この標準パタンに対応した信号が
認識結果として出力されるものである。 このような音声認識手法に於ては、入力音声と最も類
似する標準音声を見出しても、これとの類似度が極めて
小さい時は、誤認識である可能性が高いので、これを防
止するために、この最大類似度が一定の閾値を越えなけ
れば、認識棄却（以後リジェクトという）にするのが一
般的である。 （ハ）発明が解決しようとする課題 上述の如くリジェクト機能を備えた従来の音声認識装
置に於ては、その閾値を固定して設定していたので、閾
値が厳し過ぎる場合には、認識対象になっている音声を
入力しているのに、発声の微妙な曖昧要素によって認識
結果が得られない場合が多発する不都合がある。また、
逆にこの閾値を甘くすると音声以外の雑音でもこれに最
も近い認識対象の音声であると誤認識してしまう不都合
がある。 このように、音声認識装置に於ては、如何に閾値の設
定するかが、重要課題であった。 本発明は、このような従来からの課題を解決するため
になされたものであり、リジェクトの状況に応じて閾値
をダイナミックに設定できる音声認識装置を提供するも
のである。 （ニ）課題を解決するための手段 本発明の音声認識装置は、音声を入力するマイクとマ
イクから入力された音声を分析する音声分析部、音声分
析部で分析された分析結果を音声パタンに変換するパタ
ン作成部、あらかじめ複数の音声パタンを標準音声パタ
ンとして貯えている標準パタンメモリ、標準パタンメモ
リの複数の各標準パタンの夫々と上記パタン作成部で作
成された入力音声の音声パタンを比較してその類似度を
計算し、最も大きい類似度を示す標準パタンを選択する
類似度計算部、類似度計算部で選択した標準パタンの最
大類似度があらかじめ設定されている閾値より大きい
時、この時の選択標準パタンに対応する信号を認識結果
として出力し、該最大類似度が閾値よりも小さいとき、
認識棄却と判定する判定部を具備した音声認識装置であ
って、 その特徴とするところは、上記判定部で認識棄却と判
定された場合には、その時の選択標準パタンに対応する
信号を認識棄却結果として貯え、認識棄却された前回の
音声入力と同一の認識棄却結果が得られる場合には、上
記判定部に設定されている閾値を甘く（小さく）設定す
ることにあり、 また、その特徴とするところは、上記類似度計算部か
ら得られた選択標準パタンが示す信号と認識棄却された
前回の音声入力時の認識棄却結果とが一致する場合に
は、上記判定部は、前回の音声入力時より甘い（小さ
い）閾値を用いて、この時の音声入力に対する判定を行
うことにある。 （ホ）作用 本発明の音声認識装置に於ては、あらかじめ閾値を厳
しく設定しておき、誤認識を防止を図りながら、この閾
値でリジェクトになった入力音声の再入力時に、閾値を
所定量甘くしてやることで、正しい認識結果を得ること
ができる。 （ヘ）実施例 第２図に本発明の音声認識装置の構成を示し、その要
部の判定部の一実施例の構成を第１図に示す。 第２図に於て、（21）は音声を入力するマイク、（2
2）はマイクから入力された音声を分析する音声分析
部、（23）は音声分析部で分析された分析結果を音声パ
タンに変換するパタン作成部、（25）あらかじめ複数の
音声パタンを標準音声パタンとして貯えている標準パタ
ンメモリ、（24）は標準パタンメモリの複数の各標準パ
タンの夫々と上記パタン作成部で作成された入力音声の
音声パタンを比較してその類似度を計算し、最も大きい
類似度を示す標準パタンを選択する類似度計算部、（2
6）は類似度計算部で選択した標準パタンの最大類似度
があらかじめ設定されている閾値よりも大きい時、この
時の選択標準パタンに対応する信号を認識結果として出
力し、該最大類似度が閾値よりも小さいとき、認識棄却
と判定する判定部である。 このような第２図の音声認識装置に於て、本発明の特
徴とするところは、判定部（26）にあり、その構成は第
１図に示す如く、類似度メモリ（１）、認識結果メモリ
（２）、第１閾値テーブル（３）、第１リジェクト判定
部（４）、出力部（５）、リジェクト回数メモリ
（６）、リジェクト回数判定部（７）、同一リジェクト
判定部（８）、リジェクト番号メモリ（９）、第２閾値
テーブル（10）、第２リジェクト判定部（11）からな
る。 このような第１図の構成を第２図の判定部（26）に採
用した場合の本発明装置の動作について以下に解説す
る。 ここでは、説明を簡単にするために、標準音声パタン
メモリに、複数の標準パタンが既に貯えられているもの
とする。例えば、標準パタンメモリ（24）の番号［０］
に対応つけられたメモリ領域に音声“ゼロ”のパタン、
番号［１］に対応つけたれたメモリ領域に音声“イチ”
のパタン、番号［２］に対応つけられたメモリ領域に音
声“ニ”のパタン、以下同様に番号［９］に対応つけら
れたメモリ領域に音声“キュウ”のパタンが順番に貯え
られている。このように数字音声のパタンが格納された
標準パタンメモリ（24）を持つ音声認識装置は勿論数字
音声を認識するために動作することになる。 今、使用者は、例えば、マイク（21）に向かって“イ
チ”と発声したとする。 この時、マイクから入力された音声は、音声分析部
（22）で分析された後に、パタン作成部（23）でパタン
化される。類似度計算部（24）は、標準パタンメモリ
（25）内の標準パタンとマイク（21）から入力され、パ
タン作成部（23）で作成された音声パタンとの類似度を
計算して、そのうち、最も大きな類似度を示した標準パ
タンの番号とその類似度を判定部（26）に伝達する。 斯して判定部（26）に伝達された標準パタンの番号は
第１図に示す如く認識結果メモリ（２）へ転送され、ま
たこれと同時に判定部（26）に伝達されたその最大類似
度は第１図に示す如く類似度メモリ（１）に転送され
る。 例えば、最大類似度を示す標準パタンの番号が［１］
であり、その類似度が170であった場合、認識結果メモ
リ（２）に［１］が、類似度メモリ（１）に170がそれ
ぞれ伝達される。 この場合、第１リジェクト判定部（４）では、類似度
メモリ（１）から類似度として170が、第１閾値テーブ
ル（３）から第１の閾値Vth1（例えば、150に設定され
ている）が伝達され、その大小関係を調べる。この数値
例では、類似度メモリの値が大きい（類似している）の
で、第１リジェクト判定部（４）は認識結果メモリ
（２）の内容、即ち番号［１］を出力部（５）に出力す
ると共に、リジェクト回数メモリの内容をクリアする。 以下に、第６図を参照しつつ解説を続ける。 今、例えば、音声“イチ”の入力に対して、最大類似
度を示す標準パタンの番号［１］であり、その類似度
が、同図（ａ）のイで表示した数値130であった場合、
認識結果メモリ（２）に［１］が、類似度メモリ（１）
に130がそれぞれ格納され、第１リジェクト判定部
（４）にて、第１閾値テーブル（３）の第１の閾値Vth1
（＝150）と類似度メモリ（１）の類似度130が図示の如
く比較される。 この結果、類似度メモリの値が小さい（認識棄却）の
で、第１リジェクト判定部（４）は、リジェクトと判定
して、リジェクト回数判定部（７）にその旨を伝達す
る。リジェクト回数判定部（７）は、リジェクト回数メ
モリ（６）からリジェクト回数を呼び込む。リジェクト
が初めてであれば、その値が０であるので、リジェクト
と判定してその旨を出力部（５）に伝達するとともにリ
ジェクト回数メモリ（６）のカウント値に１を加え、更
に認識結果メモリ（２）の内容をリジェクト番号メモリ
に蓄える。

【この状態を〈状態１〉とする】 以上に説明した〈状態１〉に於て、続いてマイク（2
1）から音声“いち”が入力され、この時の類似度が第
６図（ａ）のロで示される値120であった場合につい
て、解説をさらに続ける。 この場合も、第１リジェクト判定部（４）は、第１閾
値テーブル（３）から第１の閾値Vth1＝150と類似度メ
モリ（１）から類似度120を呼び込み、その大小関係を
調べる。 その結果、同図に示す如く、類似度メモリ（２）の値
が小さいので、第１リジェクト判定部（４）は、リジェ
クトと判定して、リジェクト回数判定部（７）にその旨
を伝達する。リジェクト回数判定部（７）は、リジェク
ト回数メモリ（６）からリジェクト回数を呼び込む。既
に１回リジェクトされており、その値が１であるので、
ただちにリジェクトとは判定しないで、その旨をリジェ
クト同一判定部（８）に伝達する。リジェクト同一判定
部（８）はリジェクト番号メモリ（９）からリジェクト
番号［１］を、そして認識結果メモリ（２）から認識結
果［１］を呼び込み、その結果が同一であるかを判定す
る。この場合には、両番号が一致するので、その旨を第
２リジェクト判定部（11）に伝達する。 斯して第２リジェクト判定部（11）はリジェクト回数
メモリ（６）からリジェクト回数［１］が伝達され、ま
た第２閾値テーブル（10）からリジェクト回数に応じた
第２の閾値Vth2＝110が伝達される。第２リジェクト判
定部（11）では前記の類似度120と第２の閾値Vth2＝110
の大小関係を調べる。この場合は、図示の如く、類似度
メモリ（２）の値が大きいので、第２リジェクト判定部
（11）は認識結果メモリ（２）の内容を出力部（５）に
出力すると共に、リジェクト回数メモリの内容をクリア
する。 一方、第６図（ｂ）に示す如く、この状態でもリジェ
クトである場合には、リジェクト回数メモリ（６）の内
容に［１］を加えるので、その記憶内容は［２］にな
る。

【この状態を〈状態２〉とする】 第６図（ｂ）の場合、〈状態２〉でハで示される類似
度93の“いち”の入力があった時は、これがVth1より小
さいので、今度はVth2と比較するが、このVth2はそれま
でのリジェクト回数に応じて小さく設定されることにな
る。同図の場合、Vth2は80であるので、類似度93はこの
Vth2より大きくなり、認識結果が出力される。そして、
この認識結果の出力でリジェクト回数が０にリセットさ
れる。 一方、１度音声が入力され、リジェクトとなり、結果
が１であり、上記の〈状態１〉で、再度音声が入力され
最も大きい類似度を示すものが番号［２］の音声“ニ”
である場合について説明する。 再度入力された音声と最も類似している音声パタンの
番号［２］が認識結果メモリ（２）に伝達され、類似度
120が類似度メモリ（１）に格納される。第１リジェク
ト判定部（４）は、第１閾値テーブル（３）から閾値15
0と類似度メモリ（１）から類似度120を呼び込み、その
大小関係を調べる。類似度メモリの値が小さいので、第
１リジェクト判定部（４）は、リジェクトと判定して、
リジェクト回数判定部（７）にその旨を伝達する。リジ
ェクト回数判定部（７）は、リジェクト回数メモリ
（６）からリジェクト回数を呼び込み、その値が１であ
るので、リジェクトと判定は行わないで、その旨をリジ
ェクト同一判定部（８）に伝達する。リジェクト同一判
定部（８）はリジェクト番号メモリ（９）からリジェク
ト番号［１］を、そして認識結果メモリ（２）から認識
結果２を呼び込み、その結果が同一であるかを判定す
る。この場合には、［１］と［２］で同一ではないの
で、リジェクト同一判定部（８）は出力部（５）にリジ
ェクトである旨を伝達し、認識結果メモリ（２）の値２
をリジェクト番号メモリ（９）に格納する。またリジェ
クト同一判定部（８）はリジェクト回数メモリのカウン
ト値を１にセットする。 上述の本発明装置によれば、一度リジェクトされて
も、同じ言葉を言い直し、それが同一結果にリジェクト
されれば、閾値を甘くして再度判定をしなおすことが可
能であるので、認識対象語が入力された場合には、リジ
ェクトとなっても言い直しをすることにより認識しやす
くすることが可能となる。また、認識対象語以外が入力
された場合には、同じ認識結果にリジェクトしない限り
は、閾値が甘くならないため、突発音や会話音声による
誤動作を削減させることが可能となった。 一方、第３図に本発明の音声認識装置の判定部の他の
実施例の構成を示す。同図の装置構成は、第１図のリジ
ェクト回数メモリを一定時間後にクリアするタイマ（1
2）を追加したものである。 同図の装置は、前述と同様の〈状態１〉の状態に於
て、タイマ（12）には、リジェクト回数判定部（７）あ
るいは、第２リジェクト判定部（11）がリジェクトと判
定すると、そのリジェクト回数判定部（７）、第２リジ
ェクト判定部（11）により所定時間（例えば10秒）がセ
ットされる。このタイマ（12）は、所定時間が設定され
るとカウントを開始することになり、このカウントが所
定時間を越えた場合には、リジェクト回数メモリ（６）
の内容がクリアされる。このように前回の音声入力から
相当の時間が経過した後では、使用者の再度の発声の可
能性は小さく、新たな音声である可能性が高いので、閾
値を甘くする必要はない。 又、第４図に本発明装置の判定部のさらに他の実施例
の構成を示す。同図の装置構成は、第１図のリジェクト
回数メモリのリジェクト回数が所定回数を越えた場合に
は、リジェクト回数をクリアする最大棄却回数判定部
（13）が追加されたものである。 同図の装置は、前述と同様の〈状態２〉の状態に於
て、最大棄却回数判定部（13）は、第２リジェクト判定
部（11）がリジェクトと判定するとその旨が伝達され、
リジェクト回数メモリ（６）の内容を呼び込み、その内
容が所定値（例えば４）ならばリジェクト回数メモリ
（６）の内容をクリアする。リジェクト回数が極めて多
くなるとそれは雑音入力である可能性が高いので、閾値
を甘くする必要はない。 又、第５図に本発明装置の判定部の他の実施例の構成
を示す。同図の装置構成は、第４図の類似度メモリの値
が第３閾値テーブル（15）の値より小さい場合に、リジ
ェクト回数メモリをクリアする類似度判定部（14）が追
加されたものである。 同図の装置は、前述と同様の〈状態１〉の状態に於
て、類似度判定部（14）は、リジェクト回数判定部
（７）あるいは、第２リジェクト判定部（11）がリジェ
クトと判定すると類似度メモリ（１）の類似度を呼び込
み、その値が第３閾値テーブル（15）の値（例えば50）
よりも小さい（標準パタンと入力音声パタンの類似度が
掛け離れている）ときは、リジェクト回数メモリ（６）
の内容をクリアする。類似度が極めて小さい場合には、
それは雑音入力である可能性が高いので、閾値を甘くす
る必要はない。 以上の説明に於ては、上記類似度計算部から得られた
選択標準パタンが示す信号と認識棄却された前回の音声
入力時の認識棄却結果とが一致する場合には、一度Vth1
と比較してから、Vth2と比較しているが、始めのVth1と
の比較をを省略して、直ちにVth2と比較するようにしも
よい。 （ト）発明の効果 本発明の音声認識装置によれば、あらかじめ閾値を厳
しく設定しておき、誤認識を防止を図りながら、この閾
値でリジェクトになった入力音声の再入力時に、閾値を
所定量甘くしてやることができるので、リジェクトを抑
制して、正しい認識結果を得ることができる。

【図面の簡単な説明】

第１図は本発明の一実施例の判定部の構成図、第２図は
本発明の音声認識装置の構成図、第３図乃至第５図は夫
々本発明装置の判別部の異なる実施例を示す構成図、第
６図は本発明の動作を示す模式図である。 （１）……類似度メモリ、（２）……認識結果メモリ、
（３）……第１閾値テーブル、（４）……第１リジェク
ト判定部、（５）……出力部、（６）……リジェクト回
数メモリ、（７）……リジェクト回数判定部、（８）…
…リジェクト同一判定部、（９）……リジェクト番号メ
モリ、（10）……第２閾値テーブル、（11）……第２リ
ジェクト判定部。

───────────────────────────────────────────────────── フロントページの続き (58)調査した分野(Int.Cl.⁶，ＤＢ名) G10L 3/00 561

Claims (6)

(57)【特許請求の範囲】
1. 【請求項１】音声を入力するマイク、該マイクから入力
   された音声を分析する音声分析部、該音声分析部で分析
   された分析結果を音声パタンに変換するパタン作成部、
   あらかじめ複数の音声パタンを標準音声パタンとして貯
   えている標準パタンメモリ、該標準パタンメモリの複数
   の各標準パタンの夫々と上記パタン作成部で作成された
   入力音声の音声パタンを比較してその類似度を計算し、
   最も大きい類似度を示す標準パタンを選択する類似度計
   算部、該類似度計算部で選択した標準パタンの最大類似
   度があらかじめ設定されている閾値よりも大きい時、こ
   の時の選択標準パタンに対応する信号を認識結果として
   出力し、該最大類似度が閾値よりも小さいとき、認識棄
   却と判定する判定部を具備した音声認識装置において、 上記判定部で認識棄却と判定された場合には、その時の
   選択標準パタンに対応する信号を認識棄却結果として貯
   え、認識棄却された前回の音声入力と同一の認識棄却結
   果が得られる場合には、上記判定部に設定されている閾
   値を小さく設定することを特徴とする音声認識装置。
2. 【請求項２】請求項１記載の音声認識装置に於て、連続
   した音声入力に対して連続して同一の認識棄却結果が得
   られる場合には、上記判定部に設定されている閾値を小
   さく再設定し、この時の音声入力に対して該再設定閾値
   を用いて再度比較を行うことを特徴とした音声認識装
   置。
3. 【請求項３】請求項１記載の音声認識装置に於て、連続
   した音声入力に対して連続して同一の認識棄却結果が得
   られる回数を記憶する記憶手段を備え、該記憶手段に記
   憶された認識結果棄却回数に応じて、上記判定部に設定
   されている閾値を小さく設定することを特徴とした音声
   認識装置。
4. 【請求項４】請求項１記載の音声認識装置に於て、認識
   棄却結果が得られた後に計時を開始するタイマを具備
   し、該タイマが所定時間経過した時に、認識棄却回数を
   クリアすることを特徴とした音声認識装置。
5. 【請求項５】請求項１記載の音声認識装置に於て、該音
   声認識装置は、記憶手段を備え、該記憶手段に記憶され
   ている認識結果棄却回数が所定回数を越えた場合には、
   該記憶手段の記憶内容をクリアすることを特徴とした音
   声認識装置。
6. 【請求項６】請求項１記載の音声認識装置に於て、該音
   声認識装置は、記憶手段を備え、上記類似度計算部から
   得られる類似度が上記第２の閾値より小さい第３の閾値
   よりさらに小さい場合に、上記記憶手段の記憶内容をク
   リアすることを特徴とした音声認識装置。