JP2853418B2 - 音声認識方法 - Google Patents

音声認識方法

Info

Publication number
JP2853418B2
JP2853418B2 JP3292959A JP29295991A JP2853418B2 JP 2853418 B2 JP2853418 B2 JP 2853418B2 JP 3292959 A JP3292959 A JP 3292959A JP 29295991 A JP29295991 A JP 29295991A JP 2853418 B2 JP2853418 B2 JP 2853418B2
Authority
JP
Japan
Prior art keywords
similarity
recognition
standard pattern
input
equation
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.)
Expired - Fee Related
Application number
JP3292959A
Other languages
English (en)
Other versions
JPH05127696A (ja
Inventor
和也 野村
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Panasonic Holdings Corp
Original Assignee
Matsushita Electric Industrial Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Matsushita Electric Industrial Co Ltd filed Critical Matsushita Electric Industrial Co Ltd
Priority to JP3292959A priority Critical patent/JP2853418B2/ja
Publication of JPH05127696A publication Critical patent/JPH05127696A/ja
Application granted granted Critical
Publication of JP2853418B2 publication Critical patent/JP2853418B2/ja
Anticipated expiration legal-status Critical
Expired - Fee Related legal-status Critical Current

Links

Description

【発明の詳細な説明】
【0001】
【産業上の利用分野】本発明は、機械に人間の声を認識
させる音声認識方法に関するものである。
【0002】
【従来の技術】従来から、認識率の向上のみを意図せず
耐雑音性をも重視した音声認識方法が提案されている。
例えば、特開昭62−111293号公報に示されてい
るように、耐雑音性を向上させる方法として、次に述べ
るようなものがある。
【0003】まず、認識すべき音声とその前後の騒音を
含む十分長い区間を入力信号区間とし、この入力信号区
間に、ある時間的な基準点を設ける。この基準点を端点
としてその端点から最短音声区間のN1フレームの区間
から最長音声区間のN2フレームの区間までのN2−N1
+1とおりの音声区間候補のそれぞれに対して、音声区
間長を一定時間長に伸縮しながら認識対象の標準パター
ンとの照合を行なう。
【0004】この照合により各認識対象の類似度または
距離を求めるという操作を、入力信号の全区間の最初か
ら最後まで基準点を走査して行ない、全ての基準点位置
の全ての音声区間候補に対する類似度を各認識対象につ
いて求める。そして類似度が最大となる認識対象を認識
結果として出力することにより、音声区間の検出を行う
ことなく騒音環境下で発声した音声を、認識対象音声と
その前後に騒音を含んだ十分長い入力の中から切り出
し、認識するというものであった。
【0005】
【発明が解決しようとする課題】しかしながら、上記従
来技術では、認識対象音声とその前後に雑音を含んだ入
力信号を分析して得られるパラメータ時系列に対して、
あらゆる部分区間について各認識対象音声の標準パター
ンとの照合を行ない、各標準パターンごとに最も類似し
た入力の部分区間を切り出し、類似度の一番高い認識対
象音声を認識結果とするという処理で認識結果を決定し
ていた。
【0006】この方法では、ある入力に対して正解の標
準パターン(入力に含まれている認識対象音声と一致し
た音声の標準パターン)との照合を行なうときにはほと
んどの場合、図8に示すように、入力「よんじゅうごふ
ん」は、同図に示す標準パターン「よんじゅうごふん」
に対し正しい区間を切り出すことができるが、同図に示
す正解でない標準パターン「じゅうごふん」との照合を
行なう場合には正しい区間を切り出せないことがある。
即ちこのときの類似度が正解の標準パターン「よんじゅ
うごふん」と照合を行なって計算された類似度よりも高
くなることがあり、誤認識してしまう可能性が高かっ
た。
【0007】特に顕著な例は、図8に示した「じゅうご
ふん」と「よんじゅうごふん」のようにある認識対象単
語に別の認識対象単語を含んでいるような場合である。
この例では「よんじゅうごふん」と発声した入力に対し
て、標準パターンとの照合を行なう際に「よんじゅうご
ふん」の後半の「〜じゅうごふん」の部分区間と「じゅ
うごふん」の標準パターンがよく似ているため、入力の
うち後半の「〜じゅうごふん」の部分区間を切り出し、
なおかつ高い類似度を示してしまう。
【0008】さらに、この「じゅうごふん」の標準パタ
ーンに対する類似度が「よんじゅうごふん」の標準パタ
ーンに対する類似度を凌ぐことがしばしば起こり、「よ
んじゅうごふん」と発声した入力に対して認識結果が
「じゅうごふん」に誤ることが多かった。実際に計算機
シミュレーションにより(表1)に示した12種類の単
語を認識させる実験を行なった結果により、94人が
「よんじゅうごふん」と発声した入力のうち、約7.5
にあたる7人の認識結果が「じゅうごふん」に誤るこ
とを確かめている。
【0009】本発明は、以上のような従来の課題を解決
するものであり、従来の方法に比べて音声の認識率を向
上させることができるようにした音声認識方法を提供す
ることを目的とするものである。
【0010】
【課題を解決するための手段】上記目的を達成するため
の本発明の技術的解決手段は、入力音声信号を分析し、
予め作成しておいた全認識対象の標準パターンとの照合
を行ない、入力中から単語音声を切り出し、結果を類似
度と切り出した音声区間の長さの列として出力する一次
照合部と、この一次照合部が出力する類似度と音声区間
の長さの列を認識のためのパラメータとして扱い、予め
作成しておいた二次照合部用の標準パターンとの照合を
行う二次照合部とから構成され、上記一次照合部から類
似度および単語区間の長さの列として出力される結果を
上記二次照合部において照合するようにしたものであ
る。二次照合部は、認識対象単語に別の認識対象単語を
含むような場合における従来例における認識誤りを補正
し、正しい認識結果を出力する機能を持つ。
【0011】
【作用】例えば(表1)に示すような単語の認識を行う
場合には「よんじゅうごふん」と「じゅうごふん」の例
のように、認識の誤り方に一定した傾向が観察できる。
【0012】
【表1】
【0013】即ち、図8に示すように「よんじゅうごふ
ん」を入力した場合、入力は、図8に示す「よんじゅう
ごふん」の標準パターンとは大変よく似ており高い類似
度を示し、入力のうち正しい区間を切り出すことができ
る。ところが、後半の「〜じゅうごふん」の部分は図8
に示すように「じゅうごふん」の標準パターンとよく似
ており、「じゅうごふん」の標準パターンと照合を行う
と正しくない区間である入力の後半の「〜じゅうごふ
ん」を切り出しなおかつ高い類似度を示す。
【0014】このような傾向を「じゅうごふん」、「よ
んじゅうごふん」の2単語の相互について調べると(表
2)のようになる。
【0015】
【表2】
【0016】すなわち、たとえば「よんじゅうごふん」
はその中に「じゅうごふん」を含んでいるので、「じゅ
うごふん」の標準パターンに対する類似度が高くなる
が、その逆、たとえば「じゅうごふん」はその中に「よ
んじゅうごふん」を含んでいないので「よんじゅうごふ
ん」の標準パターンに対する類似度は高くならない。こ
のような理由により、(表2)のように、ある入力に対
して全認識対象の標準パターンと照合を行って得られる
各認識対象の標準パターンに対する類似度には認識対象
単語ごとに異なった傾向が表れる。これはある入力に対
して標準パターンがスポッティングする単語の音声区間
にも一定の傾向があるためで、(表3)に示すようにそ
の長さにも単語ごとに異なった傾向を示す。
【0017】
【表3】
【0018】したがって、一次照合して得られる類似度
とスポッティングして得られる音声区間の長さを特徴パ
ラメータとして扱い、その類似度と音声区間の長さの傾
向を標準パターンとしてパターンマッチングによる音声
の認識に利用することができる。
【0019】すなわち、一次照合によって、多くの人が
発声した音声を、全認識対象の標準パターンと照合し、
その結果得られる類似度と音声区間の長さの統計的な傾
向を求め、これを二次照合のための標準パターンとし、
この類似度傾向を表現する標準パターンを用いて二次照
合を行なって音声を認識する手段により、一次照合にお
ける認識誤りを修正でき、前記課題を解決することがで
きる。
【0020】従って本発明によれば、従来の方法を用い
て音声の認識を行えば誤認識してしまうような場合にも
誤認識を防止することができ、従来の音声認識の方法に
比べて認識率を向上させることができる。
【0021】
【実施例】以下に本発明の実施例を図面を参照しながら
詳細に説明する。 図1は本発明の一実施例における音
声認識方法を具現化する機能ブロック図である。
【0022】本発明は、図1に示したように、一次照合
部1と二次照合部2とに大別される。一次照合部1は従
来例による認識方法に相当する。すなわち、認識すべき
音声とその前後の騒音を含む十分長い区間を入力とし、
一定の基準に基づいたあらゆる音声区間候補に対して各
認識対象の一次照合用の標準パターンとの照合を行な
い、各認識対象ごとの類似度の最大値を求め、入力中か
ら各認識対象単語を切り出し、全単語の標準パターンに
対する最大類似度を要素とした類似度列を結果として出
力するという処理を行なっている。
【0023】二次照合部2では上記作用で述べた、標準
パターンに対する類似度に認識対象単語ごとに異なった
傾向が表れるという性質を利用し、一次照合で得られた
結果の類似度列(入力中から各認識対象単語を切り出し
たときの類似度を要素とする)を入力とし、この入力の
類似度列を特徴パラメータとして扱い、パターンマッチ
ングによる音声の認識を行ない、一次照合部1における
認識誤りを補正するという処理を行なう。
【0024】まず、一次照合部についての考え方につい
て図2〜図6を用いて説明する。同じ言葉を発声して
も、発声の時間的な長さ(音声長)は発声方法によって
も異なるし、人の違いによっても異なる。パターンマッ
チングによる音声認識方法では入力音声の長さを標準的
な音声長に正規化した上で類似度計算を行なって音声の
認識を行なう。図2は音声長の正規化の様子を示したも
のである。入力音声の長さの最小長をN1、最大長をN2
とし、音声の標準的な長さ(標準パターン長)をIとす
ると、図2に示すように、長さN(N1≦N≦N2)の音
声長を伸縮して長さIに正規化することになる。図2で
は音声の終端を一致させて伸縮するようになっている。
伸縮には(数1)に示す線形伸縮式を用いる。
【0025】
【数1】
【0026】未知入力と標準パターンの類似度を計算す
る場合、未知入力の音声長Nを(数1)によって標準パ
ターン長に伸縮することになるが、この様子を図示した
のが図3である。横軸に入力長、縦軸に標準パターン長
をとり、終端を一致させると、入力音声長はN1〜N2
範囲であるから、入力と標準パターンとのマッチングル
ートは、入力軸のN1≦N≦N2内の1点を始点とし、P
を終端とする直線となる。したがって、類似度計算はす
べて三角形の内側で行なわれることになる。
【0027】いま、時間長Nuの未知入力があり、その
内容が音声kであったとする。ただし、未知入力の終端
は既知であるが、始端は未知である(したがって、Nu
も未知である)とする。この未知入力と単語kの標準パ
ターンSkの照合を行なう場合、NをN1からN2まで、
1フレームずつずらせながら、各フレームに対して(数
1)を用いて時間長をIに伸縮し、未知入力パラメータ
と標準パターンとの類似度を求める。このとき標準パタ
ーンはSkであるので、発声が正確であるならば、N=
Nuにおいて類似度は最大となるはずである。
【0028】さて、図3においては終端が既知として説
明を行なったが、両端が未知の場合、すなわち、音声区
間が不明である場合にも、この方法を拡張することがで
きる。図4はその概念図である。図において、終端点の
横軸(入力の時間軸)座標をjとする。ここで、もしj
の位置が入力音声の終端に一致していれば図3の場合と
同じであるが、今度は両端点が未知という仮定であるの
で、必ずしもjが音声の終端点と一致するとは限らな
い。しかしながら、jを音声区間が十分に入る広い範囲
1≦j≦j2でスキャンすれば、jが音声の終端と一致
する時点j=j0が必ず存在する。その場合、始端点は
0−N2〜j0−N1の範囲内の点j0−Nuに存在するは
ずである。そして、このようなスキャンした場合におい
ても、発声した言葉と標準パターンが一致していれば、
始端がj0−Nu、終端がj0のときの類似度が、他のど
のようなjおよびNの組合せよりも大きくなる。しか
も、この類似度は他標準パターンに対する類似度よりも
大きい。
【0029】このように図4に示した方法は、騒音と音
声が混在した信号から、標準パターンに最も類似した部
分を切り出すことができる。したがって、一般に用いら
れているような複雑な音声区間検出の手続きを必要とし
ない。
【0030】類似度の計算は以下に述べるように、特徴
パラメータの時系列パターンを用い、統計的距離尺度
(事後確率に基づく距離)によって計算する。
【0031】1フレームあたりの特徴パラメータの個数
をDとすると、Iフレームの時系列パターンはD×I次
元のベクトルとなる。いま、未知入力の第iフレームの
パラメータを
【0032】
【外1】
【0033】、単語kの標準パターンの第iフレームの
成分を
【0034】
【外2】
【0035】とすると、それぞれ(数2)、(数3)で
求められる。
【0036】
【数2】
【0037】
【数3】
【0038】時系列パターンをそれぞれ
【0039】
【外3】
【0040】とすると、(数4)、(数5)で求められ
る。
【0041】
【数4】
【0042】
【数5】
【0043】単語kに対する類似度をLkとすると、次
式で求められる。
【0044】
【数6】
【0045】ここで、
【0046】
【外4】
【0047】は単語kの標準パターンであり、(数
7)、(数8)で示される。
【0048】
【数7】
【0049】
【数8】
【0050】ただし、
【0051】
【外5】
【0052】は単語kの平均値ベクトル、
【0053】
【外6】
【0054】は全ての単語の周囲情報の平均値ベクトル
である。また
【0055】
【外7】
【0056】は共分散行列であり、各単語の共分散行列
【0057】
【外8】
【0058】と周囲情報の共分散行列
【0059】
【外9】
【0060】を用いて(数9)で作成できる。
【0061】
【数9】
【0062】
【外10】
【0063】は、各単語に属する多くのサンプルを用い
て次のように作成する。図5に示すように、音声とその
周囲の区間に対して、1フレームずつずらせながら複数
の区間(区間長は1フレーム)を設定する。このような
操作を各単語の多くのサンプルに対して行ない、それら
の区間のパラメータの平均値ベクトル
【0064】
【外11】
【0065】と共分散行列
【0066】
【外12】
【0067】を作成する。図1において10は入力信号
をディジタル信号に変換するAD変換部、11は音声分
析区間(フレーム)ごとに分析する音響分析部、12は
特徴パラメータ抽出部であり、低次のLPCケプストラ
ム係数をフレームごとに出力する。特徴パラメータはL
PCケプストラム係数の他に、自己相関係数、PARC
OR係数、帯域通過フィルタの出力などがある。
【0068】以下、各ブロックの機能を図6のフローチ
ャートを参照しながら説明する。フレーム同期信号発生
部13は、1フレームごとに同期信号を発生する。フレ
ーム番号をjとし、入力音声を含む十分広い区間j1
j≦j2で類似度の計算を行なうものとする。1フレー
ムの期間で次の操作を行なう。
【0069】標準パターン選択部18は、認識対象とす
る音声(ここでは単語)の1つ1つを選択する(単語数
をKとする)。選択された標準パターンに対して、区間
候補設定部15では、各単語の最小音声区間長N1(k)と
最大音声区間長N2(K)を設定する。そして、区間長N
(N1(k)≦N<N2(k))に対して、特徴パラメータ抽出
部12で得られた未知入力パラメータをj−N〜jフレ
ームの時間分だけ並べて、入力パラメータの時系列を作
り、時間軸正規化部14において、時系列パラメータの
時間を(数1)を用いてIフレームに伸縮し、(数4)
に相当するパラメータ系列を得る。類似度計算部16は
このパラメータ系列と、標準パターン選択部18で選ば
れた標準パターン格納部17中の標準パターン
【0070】
【外13】
【0071】との間で(数6)を用いて類似度L
k(N)を計算する。音声区間長計算部では区間候補設
定部の設定する始端と終端をもとに音声区間長を計算す
る。類似度比較部20では 、Lk(N)と1次記憶19
に蓄積されているこの時点までの単語kに対する最大類
似度値maxLkを比較し、Lk(N)>maxLkならばmaxL
kをLk(N)に、またその時の音声区間長に置きかえて
出力バッファ19を更新し、L k(N)≦maxLkならば
1次記憶19の内容は 変更しない。
【0072】このような一連の操作を、1つの標準パタ
ーンに対してN2(k)−N1(k)+1回ずつ、1フレームの
間にK個の標準パターンに対して行なう。そして区間長
1(k)と最大音声区間長N2(k)を設定する。
【0073】対象とする入力の全区間(j=j1〜j2
に対してこのような操作を行うと、j=j2フレームを
終了した時点では、全区間j1〜j2にお ける各標準パ
ターンに対する類似度の最大値の列
【0074】
【外14】
【0075】と全区間j1〜j2における各標準パターン
に対する類似度の最大値を示した時に切りだしている音
声区間の長さの列
【0076】
【外15】
【0077】が求められ、それぞれ(数10)、(数1
1)のようになる。
【0078】
【数10】
【0079】
【数11】
【0080】ここで単語kの標準パターンに対する最大
類似度maxLkを改めてMkとし、それぞれの最大類似度
を与えたときの音声区間の長さをMK+kとすると一次処
理部1から出力される結果の類似度の列は(数12)の
ようになる。
【0081】
【数12】
【0082】また、一次処理の結果得られるパターンマ
ッチングにより切りだされた音声区間の長さの列は(数
11)に示したとおりである。
【0083】次に、二次照合部2の考え方を説明する。
一次照合部1は騒音環境下で発声された音声の認識を音
声区間の検出をすることなく行うという従来の方法と同
じ考え方に基づく処理を行っているため、一次照合1の
結果として求められた(数12)の要素のうち最大値を
与える単語を結果としたのでは前記図2を用いて説明し
たような誤認識が起こるという問題がある。二次照合部
2は、一次照合部1の結果として求められた(数11)
を入力として、この誤認識を修正する動作を行ってい
る。
【0084】同じ言葉を発声しても人によって声の質が
違ったり発声速度が異なる。また、同じ人が発声しても
毎回同じ発声ができるとは限らない。このため、二次照
合部2の入力
【0085】
【外16】
【0086】にはバラツキがある。よって二次照合2で
はこのバラツキを吸収するため入力を正規化してから音
声の認識を行う。正規化は入力の類似度列(数12)に
含まれる要素の最大値を基準に行なう。正規化された値
をM'kとすると、正規化に用いる式は(数13)に示す
とおりである。
【0087】
【数13】
【0088】(数13)を用いて(数11)を正規化し
た類似度列は(数14)に示すとおりになる。
【0089】
【数14】
【0090】ここで、Kは認識対象の個数である。二次
照合部2のもう一つの入力である、一次処理の結果得ら
れるパターンマッチングにより切りだされた音声区間の
長さの列
【0091】
【外17】
【0092】も(数11)に含まれる要素の最大値を基
準に正規化を行なう。正規化された値をH'kとすると、
音声区間の長さの列の正規化に用いる式は(数15)に
示すとおりである。
【0093】
【数15】
【0094】(数15)を用いて正規化された音声区間
の長さの列は(数16)に示すとおりである。
【0095】
【数16】
【0096】前記図2を用いて説明した一次照合部の認
識誤りを補正するために、前記(表3)を用いて説明し
た一次照合の結果得られる類似度の列に単語ごとに異な
る傾向が表れるという性質を用いて認識を行う。前記
(表3)は「じゅうごふん」、「よんじゅうごふん」の
2単語についてのみこの性質を概念的に表したものであ
るが、この傾向を別の認識単語群の例でであるが、「じ
ゅういち」と発声した場合と「いち」と発声した場合に
ついて「ぜろ」から「じゅうさん」までの14単語の標
準パターンに対する類似度の傾向を300人分の音声デ
ータの平均で定量的に表したものを図7に示す。同図か
ら各標準パターンに対する類似度の平均値はそれぞれ異
なる値を示すことがわかる。また同図中には標準偏差の
値は示されていないが、その値は0.004〜0.12
2であり分布には強い傾向がある。
【0097】このことから、一次照合部1の出力であ
る、全単語の標準パターンに対する類似度には強い傾向
があることがわかる。この傾向は認識対象の単語ごとに
固有であり異なる特徴を示す。これは図6に示した「じ
ゅういち」と「いち」の類似度の傾向を比較すると「き
ゅう」から「じゅうさん」の標準パターンに対する類似
度の特徴の違いが表れており、認識対象の単語ごとに類
似傾向が異なることがわかる。この類似傾向を利用して
パターンマッチングにより二次照合を行い音声の認識を
行う。このような処理を行うことにより、前記図8を用
いて説明した一次照合部1の認識誤りを補正することが
できる。
【0098】二次照合部のマッチングで全ての単語の標
準パターンに対する類似度Tと、切りだされた音声区間
の長さを用いるのは、どの単語の標準パターンに対する
類似度も二次照合での音声の認識に有効に作用するため
である。この分布が多次元正規分布に従うものと仮定
し、類似度と音声区間の長さの傾向を統計的な量として
二次照合用の標準パターンに反映させ、統計的距離尺度
を用いて類似度計算することで、統計的な許容範囲にあ
る入力と標準パターンのずれを吸収しながら二次照合を
行なうことができる。ここで、二次照合に用いるパラメ
ータの列は(数11)と(数12)をあわせたもので
(数17)に示す。
【0099】
【数17】
【0100】二次照合部2で用いる統計的距離尺度はベ
イズ判定に基づいた距離尺度を用いており二次照合部2
における単語kに対する距離をPkとすると、(数18)
のようになる。
【0101】
【数18】
【0102】ここで、
【0103】
【外18】
【0104】は単語kの標準パターンであり、
【0105】
【外19】
【0106】は単語kの正規化された類似度の平均値ベ
クトル、
【0107】
【外20】
【0108】は単語kの共分散行列である。実際に計算
に用いる式は(数18)の両辺の対数をとって定数を除
いて簡略化した式
【0109】
【数19】
【0110】を用いる。二次照合部2用の標準パターン
の作成は標準パターン作成用の音声データ(概ね300
〜1000人分)すべてに対し、前記一次照合部1の処
理を行ない認識対象ごとに正規化された類似度の平均値
ベクトル
【0111】
【外21】
【0112】、共分散行列
【0113】
【外22】
【0114】を求めることにより行なわれる。以上述べ
た考え方に基づき、図1を用いて二次照合部の機能ブロ
ックの説明を行なう。入力バッファ31は一次照合部1
から一次照合の過程で出力される類似度を蓄え、入力正
規化部32の要求に応じて(数17)に示した類似度列
を出力する。入力正規化部32は(数13)、(数1
5)の正規化の式を用いてそれぞれ(数11)、(数1
2)を正規化し(数17)で示した正規化された類似度
と音声区間長の列を求める。類似度計算部33はこの正
規化された類似度と音声区間長の列(数17)と、標準
パターン格納部34に格納された標準パターン全てとの
マッチングを(数19)を用いて行ない、類似度Qk
計算する。類似度比較部35においてQkを最大にする
単語kを認識結果として選択し出力する。
【0115】本実施例の方法を用いて、成人の男女計2
00人が発声した表1に示した12単語を単語セットと
した音声データから作成した標準パターンを用いて、成
人男女計100人が発声した同じ単語セットについて認
識実験を行い評価した結果、平均認識率は従来の方法
(一次照合部のみ)を用いて認識を行った場合は85.
95%であったものが95.25%に向上した。これを
平均の誤り率という観点でとらえると14.05%であ
ったものが4.75%へ、誤りが約1/3に減少してい
る。また、前記図2で説明した認識誤りについても(表
4)と(表5)を比較すると顕著な改善が見られる。
【0116】
【表4】
【0117】
【表5】
【0118】(表4)は従来の方法(一次照合部のみ)
を用いて認識を行い得られたコンフュージョンマトリク
ス(入力に対する認識結果の度数を表すマトリクス)、
(表5)は本実施例を用いて認識を行い得られたコンフ
ュージョンマトリクスである。(表4)では「よんじゅ
うごふん」を入力して「じゅうごふん」に誤認識した場
合が94人のうち7人あったが(表5)では1人と減っ
ている。このように本実施例によれば、前記課題で述べ
た認識誤りの大半を修正し、また、「さんじゅうごふ
ん」、「よんじゅうごふん」という類似単語間の認識誤
りも17人から4人へと減っている。結果的に全体の認
識誤りを1/3にするという顕著な効果が確認された。
【0119】なお、本実施例で述べた一次照合部は、標
準パターンと入力のマッチングを行なう際のマッチング
ルートを線形に伸縮する方法を採っているが、例えば特
開昭63−125999号公報に示されているようにマ
ッチングルートが逐次計算により算出される方法を用い
て標準パターンと入力のマッチングを行ない、音声の前
後に騒音を含んだ入力中から音声を切り出すという認識
方法を用いても良い。この場合、一次照合部において
(数17)に示した、入力と全単語の標準パターンとの
類似度の最大値と切りだした音声区間の長さの列を求め
るようにし、二次照合を行なうことによって同様の効果
を得ることができる。
【0120】
【発明の効果】以上説明したように、本発明は、全認識
対象の標準パターンと照合を行って得られる認識対象の
標準パターンに対する類似度の列と、一次処理のマッチ
ングによって切りだされる音声区間の長さの列には認識
対象単語ごとに異なった傾向が表れるという性質を用い
て音声の認識を行うものである。本発明によれば、従来
の方法では多く誤認識してしまうような場合にも誤認識
をほとんど防ぐことができ、このような点で優れた効果
を示しており、従来の方法に比べて認識率を向上させる
ことができる。また、(数17)に示したように二次照
合部2における入力は単語数の2倍の次元しかないた
め、(数19)を用いた二次照合部2の計算量は少な
く、従来の方法に比べ計算量の増加も少ないという点で
も効果がある。
【図面の簡単な説明】
【図1】本発明の一実施例における音声認識方法を具現
化する機能ブロック図
【図2】同実施例における音声区間長の伸縮を説明する
第1の概念図
【図3】同実施例における音声区間長の伸縮を説明する
第2の概念図
【図4】同実施例における音声区間長の伸縮を説明する
第3の概念図
【図5】同実施例の標準パターン作成時の周囲情報の標
準パターン作成法を説明する概念図
【図6】同実施例の処理手順を説明するフローチャート
【図7】同実施例における14単語の標準パターンに対
する類似度の傾向を示す特性図
【図8】従来法における課題を説明するための概念図
【符号の説明】
1 一次照合部 2 二次照合部 10 AD変換部 11 音響分析部 12 特徴パラメータ抽出部 13 フレーム同期信号発生部 14 時間軸正規化部 15 区間候補設定部 16 類似度計算部 17 標準パターン格納部 18 標準パターン選択部 19 出力バッファ 20 類似度比較部 21 音声区間長計算部 31 入力バッファ 32 入力正規化部 33 類似度計算部 34 標準パターン 35 類似度比較部
───────────────────────────────────────────────────── フロントページの続き (58)調査した分野(Int.Cl.6,DB名) C10L 9/00 301 G10L 3/00 531 G10L 5/06 JICSTファイル(JOIS)

Claims (1)

    (57)【特許請求の範囲】
  1. 【請求項1】 入力音声信号を分析し、予め作成してお
    いた全単語の標準パターンとの照合を行ない、結果を類
    似度と照合の結果得られる音声区間の長さとの列で出力
    する一次照合部と、前記一次照合部が出力する類似度の
    列と音声区間の長さとを認識のためのパラメータとして
    扱い、予め作成しておいた全認識対象の二次照合部用の
    標準パターンとの照合を行なう二次照合部とから構成さ
    れ、前記一次照合部から類似度の列と音声区間の長さ
    して出力される結果を二次照合部において標準パターン
    との照合を行なうことにより最終的な認識結果を得るこ
    とを特徴とする音声認識方法。
JP3292959A 1991-11-08 1991-11-08 音声認識方法 Expired - Fee Related JP2853418B2 (ja)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP3292959A JP2853418B2 (ja) 1991-11-08 1991-11-08 音声認識方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP3292959A JP2853418B2 (ja) 1991-11-08 1991-11-08 音声認識方法

Publications (2)

Publication Number Publication Date
JPH05127696A JPH05127696A (ja) 1993-05-25
JP2853418B2 true JP2853418B2 (ja) 1999-02-03

Family

ID=17788644

Family Applications (1)

Application Number Title Priority Date Filing Date
JP3292959A Expired - Fee Related JP2853418B2 (ja) 1991-11-08 1991-11-08 音声認識方法

Country Status (1)

Country Link
JP (1) JP2853418B2 (ja)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3581752B2 (ja) * 1995-10-09 2004-10-27 株式会社リコー 音声認識装置及び音声認識方法
JP3625002B2 (ja) * 1996-12-26 2005-03-02 株式会社リコー 音声認識装置
JP3578587B2 (ja) * 1997-03-28 2004-10-20 株式会社リコー 音声認識装置および音声認識方法
JP5042485B2 (ja) * 2005-11-09 2012-10-03 ヤマハ株式会社 音声特徴量算出装置
KR100737780B1 (ko) * 2006-07-10 2007-07-10 주식회사 대우일렉트로닉스 음성 인식 전자 레인지 및 전자 레인지 제어 방법

Also Published As

Publication number Publication date
JPH05127696A (ja) 1993-05-25

Similar Documents

Publication Publication Date Title
JPS62217295A (ja) 音声認識方式
JP2853418B2 (ja) 音声認識方法
JP3444108B2 (ja) 音声認識装置
JP3403838B2 (ja) 句境界確率計算装置および句境界確率利用連続音声認識装置
JP3428058B2 (ja) 音声認識装置
US7043430B1 (en) System and method for speech recognition using tonal modeling
JP3633254B2 (ja) 音声認識システムおよびそのプログラムを記録した記録媒体
JP2882088B2 (ja) 音声認識方法
JP3477751B2 (ja) 連続単語音声認識装置
JP3091537B2 (ja) 音声パターン作成方法
JPH06266386A (ja) ワードスポッティング方法
JPH0823758B2 (ja) 話者適応形音声認識装置
JP2001083978A (ja) 音声認識装置
JPH08314490A (ja) ワードスポッティング型音声認識方法と装置
JP2506730B2 (ja) 音声認識方法
JPH067346B2 (ja) 音声認識装置
JPH0247758B2 (ja)
JPH0451037B2 (ja)
JP2710045B2 (ja) 音声認識方法
JPH01185599A (ja) 音声認識装置
JP2577891B2 (ja) 単語音声予備選択装置
JPH0588694A (ja) 音声認識方法
JPH0632006B2 (ja) 音声認識装置
JP3097134B2 (ja) Dpマッチング法
KR19990050440A (ko) 유성음, 무성음, 묵음 구간 정보를 이용한 음성인식방법 및 음성인식장치

Legal Events

Date Code Title Description
LAPS Cancellation because of no payment of annual fees