JP3033479B2 - 音声認識装置 - Google Patents
音声認識装置Info
- Publication number
- JP3033479B2 JP3033479B2 JP7263847A JP26384795A JP3033479B2 JP 3033479 B2 JP3033479 B2 JP 3033479B2 JP 7263847 A JP7263847 A JP 7263847A JP 26384795 A JP26384795 A JP 26384795A JP 3033479 B2 JP3033479 B2 JP 3033479B2
- Authority
- JP
- Japan
- Prior art keywords
- word
- likelihood
- detection
- candidate
- prefix
- 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 - Lifetime
Links
Description
【０００１】
【発明の属する技術分野】本発明は、発声中から特定の
単語を検出する音声認識装置に関するものである。
単語を検出する音声認識装置に関するものである。
【０００２】
【従来の技術】従来、発声中から特定単語を検出する方
法として、文献１「拡張連続ＤＰ法による連続音声認識
アルゴリズム」（信学論（Ｄ）Ｊ６７−Ｄ，１１，ｐ１
２４２−１２４９）に記載されているような方法が知ら
れている。当論文に記載されている方法は、毎フレーム
候補単語ごと独立に算出される尤度が一定の閾値を越え
た場合、他の候補単語の検出と無関係に、検出を行なう
こととしている。
法として、文献１「拡張連続ＤＰ法による連続音声認識
アルゴリズム」（信学論（Ｄ）Ｊ６７−Ｄ，１１，ｐ１
２４２−１２４９）に記載されているような方法が知ら
れている。当論文に記載されている方法は、毎フレーム
候補単語ごと独立に算出される尤度が一定の閾値を越え
た場合、他の候補単語の検出と無関係に、検出を行なう
こととしている。
【０００３】
【発明が解決しようとする課題】しかしながら上述の方
法では、１単語発声程度の短時間に複数の候補が検出さ
れる恐れがある。単語検出は、従来の離散単語認識に比
して、単語発声区間を予め決定する必要がないという利
点を有しているものの、このような、離散単語認識には
ありえない不都合を生じることがあり、使いにくい面が
ある。
法では、１単語発声程度の短時間に複数の候補が検出さ
れる恐れがある。単語検出は、従来の離散単語認識に比
して、単語発声区間を予め決定する必要がないという利
点を有しているものの、このような、離散単語認識には
ありえない不都合を生じることがあり、使いにくい面が
ある。
【０００４】本発明の目的は、上述のような、複数候補
のほぼ同時の検出を低減することにより、単語検出の持
つ利点を維持したまま、従来の離散単語認識に対する上
述のような不都合を解消することにある。
のほぼ同時の検出を低減することにより、単語検出の持
つ利点を維持したまま、従来の離散単語認識に対する上
述のような不都合を解消することにある。
【０００５】本発明は、入力音声データ中からフレーム
ごとの候補単語の尤度を算出し、前記尤度を基準として
前記候補単語の検出を行なう音声認識装置において、時
間的に重なったり、近接しすぎたりしている複数の前記
候補単語の検出を低減する音声認識装置である。
ごとの候補単語の尤度を算出し、前記尤度を基準として
前記候補単語の検出を行なう音声認識装置において、時
間的に重なったり、近接しすぎたりしている複数の前記
候補単語の検出を低減する音声認識装置である。
【０００６】
【課題を解決するための手段】第１の発明の音声認識装
置は、入力された音声の周波数分析を行ない、一定時間
（以下、フレームとする）ごとの特徴量を抽出して出力
する音声分析部と、予め用意された候補単語を記憶して
おく単語辞書と、前記音声分析部の出力する特徴量を入
力とし前記単語辞書の内容を参照して、前記フレームご
との前記候補単語の尤度を算出して出力する尤度計算部
と、前記尤度計算部の出力する前記候補単語の尤度を入
力として検出を行ない、検出した単語を出力する検出部
よりなる音声認識装置において、前記尤度計算部に過去
の各フレームにおける候補単語の尤度を記憶する記憶部
を備え、前記尤度計算部が、各フレームごとに前記記憶
部に格納されている情報を参照し、２回の候補単語検出
における候補単語の検出時刻の間隔が短い場合には、２
回の検出のうち尤度の低い方の出力をキャンセルするこ
とを特徴とする。
置は、入力された音声の周波数分析を行ない、一定時間
（以下、フレームとする）ごとの特徴量を抽出して出力
する音声分析部と、予め用意された候補単語を記憶して
おく単語辞書と、前記音声分析部の出力する特徴量を入
力とし前記単語辞書の内容を参照して、前記フレームご
との前記候補単語の尤度を算出して出力する尤度計算部
と、前記尤度計算部の出力する前記候補単語の尤度を入
力として検出を行ない、検出した単語を出力する検出部
よりなる音声認識装置において、前記尤度計算部に過去
の各フレームにおける候補単語の尤度を記憶する記憶部
を備え、前記尤度計算部が、各フレームごとに前記記憶
部に格納されている情報を参照し、２回の候補単語検出
における候補単語の検出時刻の間隔が短い場合には、２
回の検出のうち尤度の低い方の出力をキャンセルするこ
とを特徴とする。
【０００７】第２の発明の音声認識装置（請求項１に係
る発明）は、入力された音声の周波数分析を行ない、一
定時間（以下、フレームとする）ごとの特徴量を抽出し
て出力する音声分析部と、予め用意された候補単語を記
憶しておく単語辞書と、前記音声分析部の出力する特徴
量を入力とし前記単語辞書の内容を参照して、前記フレ
ームごとの前記候補単語の尤度を算出して出力する尤度
計算部と、前記尤度計算部の出力する前記候補単語の尤
度を入力として候補単語の検出を行ない、検出した単語
を出力する検出部を備えた音声認識装置において、前記
音声分析部の出力する特徴量を入力とし、前記単語辞書
の内容を参照して、前記フレームごとの前記候補単語の
プレフィクス部分列の尤度を算出して出力するプレフィ
クス尤度計算部を備え、前記検出部が、前記尤度計算部
の出力する前記候補単語の尤度及び、前記プレフィクス
尤度計算部の出力する前記候補単語のプレフィク部分列
の尤度を入力とし、過去のフレームにおける前記候補単
語の尤度を記憶する記憶部と、過去のフレームにおける
前記候補単語のプレフィクス部分列の尤度を記憶するプ
レフィクス記憶部を備え、２回の単語検出において、１
回目の検出時刻以来、２回目の単語検出時刻にいたるま
での各フレームにつき、前記２回目の検出における検出
単語のいずれかのプレフィクス部分列で該当フレームに
おける尤度が予め定めた一定値以上のものが存在する場
合に限り、前記２回の検出のうち尤度の低い方の出力を
キャンセルすることを特徴とする。
る発明）は、入力された音声の周波数分析を行ない、一
定時間（以下、フレームとする）ごとの特徴量を抽出し
て出力する音声分析部と、予め用意された候補単語を記
憶しておく単語辞書と、前記音声分析部の出力する特徴
量を入力とし前記単語辞書の内容を参照して、前記フレ
ームごとの前記候補単語の尤度を算出して出力する尤度
計算部と、前記尤度計算部の出力する前記候補単語の尤
度を入力として候補単語の検出を行ない、検出した単語
を出力する検出部を備えた音声認識装置において、前記
音声分析部の出力する特徴量を入力とし、前記単語辞書
の内容を参照して、前記フレームごとの前記候補単語の
プレフィクス部分列の尤度を算出して出力するプレフィ
クス尤度計算部を備え、前記検出部が、前記尤度計算部
の出力する前記候補単語の尤度及び、前記プレフィクス
尤度計算部の出力する前記候補単語のプレフィク部分列
の尤度を入力とし、過去のフレームにおける前記候補単
語の尤度を記憶する記憶部と、過去のフレームにおける
前記候補単語のプレフィクス部分列の尤度を記憶するプ
レフィクス記憶部を備え、２回の単語検出において、１
回目の検出時刻以来、２回目の単語検出時刻にいたるま
での各フレームにつき、前記２回目の検出における検出
単語のいずれかのプレフィクス部分列で該当フレームに
おける尤度が予め定めた一定値以上のものが存在する場
合に限り、前記２回の検出のうち尤度の低い方の出力を
キャンセルすることを特徴とする。
【０００８】
【発明の実施の形態】以下の実施例はいずれも、音声を
入力とし、フレーム単位で候補単語及び候補単語のあら
ゆるプレフィクス部分列の尤度を算出する音声認識装置
において、算出された尤度をもとに候補単語の検出を行
なうものとする。
入力とし、フレーム単位で候補単語及び候補単語のあら
ゆるプレフィクス部分列の尤度を算出する音声認識装置
において、算出された尤度をもとに候補単語の検出を行
なうものとする。
【０００９】図１は、第１の発明の音声認識装置の一実
施例を示すブロック図である。音声分析部１０１では、
入力された音声の周波数分析を行ない、フレームごとの
特徴ベクトルを抽出し、出力する。尤度計算部１０２で
は、音声分析部１０１から出力させる特徴ベクトルの時
系列と、単語辞書１０５とのマッチングを行なうことに
より、各フレームごとの各候補単語の尤度を算出し、検
出部１０３へ出力する。
施例を示すブロック図である。音声分析部１０１では、
入力された音声の周波数分析を行ない、フレームごとの
特徴ベクトルを抽出し、出力する。尤度計算部１０２で
は、音声分析部１０１から出力させる特徴ベクトルの時
系列と、単語辞書１０５とのマッチングを行なうことに
より、各フレームごとの各候補単語の尤度を算出し、検
出部１０３へ出力する。
【００１０】検出部１０３では、尤度計算部１０２より
出力された各候補単語の尤度を受けとり、記憶部１０６
へ、現在フレームにおける尤度情報を格納するととも
に、各フレームごとの各候補単語の尤度及び、記憶部１
０６に格納された過去フレームの尤度情報を参照し、各
フレームごとに候補単語の検出判定を行なう。検出部１
０３で検出判定が成功した場合、検出部１０３は当該検
出における候補単語を出力する。
出力された各候補単語の尤度を受けとり、記憶部１０６
へ、現在フレームにおける尤度情報を格納するととも
に、各フレームごとの各候補単語の尤度及び、記憶部１
０６に格納された過去フレームの尤度情報を参照し、各
フレームごとに候補単語の検出判定を行なう。検出部１
０３で検出判定が成功した場合、検出部１０３は当該検
出における候補単語を出力する。
【００１１】図２は、第２の発明の音声認識装置の一実
施例を示すブロック図である。
施例を示すブロック図である。
【００１２】音声分析部１０１では、入力された音声の
周波数分析を行ない、フレームごとの特徴ベクトルを抽
出し、出力する。尤度計算部１０２では、音声分析部１
０１から出力される特徴ベクトルの時系列と、単語辞書
１０５とのマッチングを行なうことにより、各フレーム
ごとの各候補単語の尤度を算出し、検出部１０３へ出力
する。
周波数分析を行ない、フレームごとの特徴ベクトルを抽
出し、出力する。尤度計算部１０２では、音声分析部１
０１から出力される特徴ベクトルの時系列と、単語辞書
１０５とのマッチングを行なうことにより、各フレーム
ごとの各候補単語の尤度を算出し、検出部１０３へ出力
する。
【００１３】プレフィクス尤度計算部１０４では、音声
分析部１０１から出力される特徴ベクトルの時系列と、
単語辞書１０５とのマッチングを行なうことにより、各
フレームごとの各候補単語の各プレフィクス部分列の尤
度を算出し、検出部１０３へ出力する。
分析部１０１から出力される特徴ベクトルの時系列と、
単語辞書１０５とのマッチングを行なうことにより、各
フレームごとの各候補単語の各プレフィクス部分列の尤
度を算出し、検出部１０３へ出力する。
【００１４】検出部１０３では、尤度計算部１０２より
出力された各候補単語の尤度及びプレフィクス尤度計算
部１０４より出力された各候補単語の各プレフィクス部
分列の尤度を受けとり、記憶部１０６へ、現在フレーム
における尤度情報を格納するとともに、各フレームごと
の各候補単語及び各プレフィクス部分列の尤度及び、記
憶部１０６及びプレフィクス記憶部１０７に格納された
過去フレームの尤度情報を参照し、各フレームごとに候
補単語の検出判定を行なう。検出部１０３で検出判定が
成功した場合、検出部１０３は当該検出における候補単
語を出力する。
出力された各候補単語の尤度及びプレフィクス尤度計算
部１０４より出力された各候補単語の各プレフィクス部
分列の尤度を受けとり、記憶部１０６へ、現在フレーム
における尤度情報を格納するとともに、各フレームごと
の各候補単語及び各プレフィクス部分列の尤度及び、記
憶部１０６及びプレフィクス記憶部１０７に格納された
過去フレームの尤度情報を参照し、各フレームごとに候
補単語の検出判定を行なう。検出部１０３で検出判定が
成功した場合、検出部１０３は当該検出における候補単
語を出力する。
【００１５】本発明における装置の従来装置との違い
は、プレフィクス尤度計算部１０４、及び、検出部１０
３とそれに付随する記憶部１０６、プレフィクス記憶部
１０７における検出判定であるため、以下、プレフィク
ス尤度計算部１０４におけるプレフィクス部分列の尤度
算出法、及び検出部１０３における検出判定法を示すこ
とによって説明する。ただし、以後の実施例において尤
度は特記ない限り確率値の自然対数をとるものとする。
は、プレフィクス尤度計算部１０４、及び、検出部１０
３とそれに付随する記憶部１０６、プレフィクス記憶部
１０７における検出判定であるため、以下、プレフィク
ス尤度計算部１０４におけるプレフィクス部分列の尤度
算出法、及び検出部１０３における検出判定法を示すこ
とによって説明する。ただし、以後の実施例において尤
度は特記ない限り確率値の自然対数をとるものとする。
【００１６】まず、プレフィクス尤度計算部１０４につ
いて説明する。単語ｗは音声の単位モデルをいくつか直
鎖状につなげたものとする。このとき、ｗを構成してい
る単位モデルを先頭より、ｗ1 ，ｗ2 ，…，ｗn とする
（ｎはｗを構成している単位モデルの数）。このとき、
ｘ＝ｗ1 ｗ2 …ｗi （ただし１≦ｉ≦ｎ）を満たすｗの
部分列ｘをｗのプレフィクス部分列という。
いて説明する。単語ｗは音声の単位モデルをいくつか直
鎖状につなげたものとする。このとき、ｗを構成してい
る単位モデルを先頭より、ｗ1 ，ｗ2 ，…，ｗn とする
（ｎはｗを構成している単位モデルの数）。このとき、
ｘ＝ｗ1 ｗ2 …ｗi （ただし１≦ｉ≦ｎ）を満たすｗの
部分列ｘをｗのプレフィクス部分列という。
【００１７】プレフィクス尤度計算部１０４において
は、単語辞書１０５中の候補単語のすべての単語につい
て、文献２「事後確率を用いたフレーム同期ワードスポ
ッティング」（信学技報ＳＰ９３−３１，ｐ．５７−６
４）に示されているＯｎｓ−Ｐａｓｓサーチ法を用い、
当該文献におけるＬq n （ｔ，ｊ）の値より、各プレフ
ィクス部分列の尤度を求める。
は、単語辞書１０５中の候補単語のすべての単語につい
て、文献２「事後確率を用いたフレーム同期ワードスポ
ッティング」（信学技報ＳＰ９３−３１，ｐ．５７−６
４）に示されているＯｎｓ−Ｐａｓｓサーチ法を用い、
当該文献におけるＬq n （ｔ，ｊ）の値より、各プレフ
ィクス部分列の尤度を求める。
【００１８】このようにして算出されたプレフィクス部
分列の尤度が、プレフィクス尤度計算部１０４の出力と
される。
分列の尤度が、プレフィクス尤度計算部１０４の出力と
される。
【００１９】（実施例１）次に、検出部１０３における
検出判定法について説明する。
検出判定法について説明する。
【００２０】ここでは、検出禁止幅＝２秒、フレーム間
隔１０ミリ秒を用いることにする。
隔１０ミリ秒を用いることにする。
【００２１】検出部１０３は、過去の
【数１】 フレーム分の最大尤度及び検出候補単語を格納できる記
憶部１０６と接続する。
憶部１０６と接続する。
【００２２】さらに、検出部１０３は、検出閾値λ（本
実施例では−１）を持つものとする。初期状態では、尤
度記憶はすべて−∞、検出候補単語はすべて空である。
フレームごとに、そのフレームにおいて最大尤度をとる
検出候補単語と、その候補単語の尤度を記憶部１０６の
該当フレームの場所に格納する。代わりに、最も過去の
フレームのものを記憶部１０６より消去する。次に、過
去の
実施例では−１）を持つものとする。初期状態では、尤
度記憶はすべて−∞、検出候補単語はすべて空である。
フレームごとに、そのフレームにおいて最大尤度をとる
検出候補単語と、その候補単語の尤度を記憶部１０６の
該当フレームの場所に格納する。代わりに、最も過去の
フレームのものを記憶部１０６より消去する。次に、過
去の
【数２】 （[（検出禁止幅）／（フレーム間隔）]×２＋１） フレームの最大尤度のうち、最大のものを選び、支配尤
度λ ｍａｘとする。次に、
度λ ｍａｘとする。次に、
【数３】 （[（検出禁止幅）／（フレーム間隔）]＋１） フレーム前の最大尤度及び検出候補単語を取り出し、そ
の最大尤度がλ ｍａｘならば、検出候補単語を出力す
る。これにより、一定時間内に複数の単語が検出される
のを防ぐことができるようになる。
の最大尤度がλ ｍａｘならば、検出候補単語を出力す
る。これにより、一定時間内に複数の単語が検出される
のを防ぐことができるようになる。
【００２３】図３は、本実施例の動作を説明するための
図である。図３において、単語１及び単語２の尤度はい
ずれも検出閾値（−１）に達するが単語１と単語２の検
出間隔ｄが検出禁止幅（２秒）より短い場合、単語１、
単語２のうち、尤度の低い方は検出されない。
図である。図３において、単語１及び単語２の尤度はい
ずれも検出閾値（−１）に達するが単語１と単語２の検
出間隔ｄが検出禁止幅（２秒）より短い場合、単語１、
単語２のうち、尤度の低い方は検出されない。
【００２４】従来法においては、例えば単一の単語の入
力が予測される単語入力の場面等において、複数の、時
間的に不自然に近接し過ぎた誤検出を行なってしまうこ
とがあるが、本手法によれば、時間的に近接していると
いう情報を用いることにより、このような誤検出を低減
する効果が得られる。
力が予測される単語入力の場面等において、複数の、時
間的に不自然に近接し過ぎた誤検出を行なってしまうこ
とがあるが、本手法によれば、時間的に近接していると
いう情報を用いることにより、このような誤検出を低減
する効果が得られる。
【００２５】この長い候補単語が存在する場合、図４の
ごとく、単語１及びそれに一部重なる長い単語２の両者
の尤度が閾値を越える場合がある。この場合、従来法で
は、前述のような単語入力の場面においても、単語１、
単語２の両者が検出されるという不都合を回避する方法
は知られていなかった。また、この手法を用いても、単
語１、単語２の検出時刻の間隔ｄが検出禁止幅（２秒）
より長い場合、両単語がともに検出されてしまうおそれ
がある。そこで、以下に示す第２の発明の実施例が考え
られる。
ごとく、単語１及びそれに一部重なる長い単語２の両者
の尤度が閾値を越える場合がある。この場合、従来法で
は、前述のような単語入力の場面においても、単語１、
単語２の両者が検出されるという不都合を回避する方法
は知られていなかった。また、この手法を用いても、単
語１、単語２の検出時刻の間隔ｄが検出禁止幅（２秒）
より長い場合、両単語がともに検出されてしまうおそれ
がある。そこで、以下に示す第２の発明の実施例が考え
られる。
【００２６】（実施例２）第２の発明の実施例では、フ
レーム間隔を１０ミリ秒、抑制語閾値を−２．５、候補
単語の数を１００個とする。検出部１０３は、極大尤度
ｐ、対立候補単語リストＬ、及び「ＩＮＶＡＬＩＤ」、
「ＡＣＴＩＶＥ」、「ＤＥＡＤ」、「ＬＯＳＴ」の４値
をとる状態名ｓの３要素よりなる内部記憶を候補単語数
だけ持ち、それを各候補単語に割り当てているものとす
る。また、予め定められた閾値λ（本実施例では−１．
５とする）を持っているものとする。初期状態におい
て、内部記憶のすべてにつき、ｐは−∞、Ｌは空リス
ト、ｓは「ＩＮＶＡＬＩＤ」であるとする。各フレーム
ごとに、以下の１．〜５．の動作を行なう。
レーム間隔を１０ミリ秒、抑制語閾値を−２．５、候補
単語の数を１００個とする。検出部１０３は、極大尤度
ｐ、対立候補単語リストＬ、及び「ＩＮＶＡＬＩＤ」、
「ＡＣＴＩＶＥ」、「ＤＥＡＤ」、「ＬＯＳＴ」の４値
をとる状態名ｓの３要素よりなる内部記憶を候補単語数
だけ持ち、それを各候補単語に割り当てているものとす
る。また、予め定められた閾値λ（本実施例では−１．
５とする）を持っているものとする。初期状態におい
て、内部記憶のすべてにつき、ｐは−∞、Ｌは空リス
ト、ｓは「ＩＮＶＡＬＩＤ」であるとする。各フレーム
ごとに、以下の１．〜５．の動作を行なう。
【００２７】１．まず、尤度計算部１０２より全候補単
語の尤度を受けとり、プレフィクス数計算部１０４より
全プレフィクス部分列の尤度を受け取る。この時、候補
単語すべてにつき、以下の（ａ）〜（ｃ）の動作を行な
う。 （ａ）λｃは現在フレームの尤度とする。 （ｂ）λｃが現在のｐより大きく、かつλより大きけれ
ば、ｐ＝λｃとし、ｓ＝「ＡＣＴＩＶＥ」とし、Ｌは候
補単語のうち、現在フレームにおいて尤度が抑制語閾値
を上回るプレフィクス部分列が存在するものすべてより
なるリストとする。 （ｃ）λｃがλより小さく、かつｓ＝「ＡＣＴＩＶＥ」
ならば、ｓ＝「ＤＥＡＤ」とし、Ｌは空リストとする。
語の尤度を受けとり、プレフィクス数計算部１０４より
全プレフィクス部分列の尤度を受け取る。この時、候補
単語すべてにつき、以下の（ａ）〜（ｃ）の動作を行な
う。 （ａ）λｃは現在フレームの尤度とする。 （ｂ）λｃが現在のｐより大きく、かつλより大きけれ
ば、ｐ＝λｃとし、ｓ＝「ＡＣＴＩＶＥ」とし、Ｌは候
補単語のうち、現在フレームにおいて尤度が抑制語閾値
を上回るプレフィクス部分列が存在するものすべてより
なるリストとする。 （ｃ）λｃがλより小さく、かつｓ＝「ＡＣＴＩＶＥ」
ならば、ｓ＝「ＤＥＡＤ」とし、Ｌは空リストとする。
【００２８】２．すべての、ｓ＝「ＤＥＡＤ」なる候補
単語（以後、検出語とする）及びすべてのｓ＝「ＬＯＳ
Ｔ」なる候補単語（以後、消失語とする）につき、以下
の動作を行なう。
単語（以後、検出語とする）及びすべてのｓ＝「ＬＯＳ
Ｔ」なる候補単語（以後、消失語とする）につき、以下
の動作を行なう。
【００２９】・検出語（消失語）のＬ中のすべてのｓ＝
「ＤＥＡＤ」なる単語（以後、抑制語とする）につき、
以下を行なう。検出語（消失語）のｐが、抑制語のｐ以
上の場合、該当検出語（消失語）のＬより該当抑制語を
除き、該当抑制語のｓを「ＬＯＳＴ」とする。そうでな
い場合、該当検出語（消失語）のｓを「ＬＯＳＴ」とす
る。
「ＤＥＡＤ」なる単語（以後、抑制語とする）につき、
以下を行なう。検出語（消失語）のｐが、抑制語のｐ以
上の場合、該当検出語（消失語）のＬより該当抑制語を
除き、該当抑制語のｓを「ＬＯＳＴ」とする。そうでな
い場合、該当検出語（消失語）のｓを「ＬＯＳＴ」とす
る。
【００３０】３．すべての候補単語につき、以下を行な
う。
う。
【００３１】・Ｌ中に、現在フレームの尤度が抑制語閾
値を下回るものがあれば、それをＬから取り除く。
値を下回るものがあれば、それをＬから取り除く。
【００３２】４．すべての検出語につき、以下を行な
う。
う。
【００３３】・Ｌが空リストならば、該当検出語を出力
し、該当検出語につき、ｐ＝−∞、ｓ＝「ＩＮＶＡＬＩ
Ｄ」とする。
し、該当検出語につき、ｐ＝−∞、ｓ＝「ＩＮＶＡＬＩ
Ｄ」とする。
【００３４】５．すべての消失語につき、以下を行な
う。
う。
【００３５】・Ｌが空リストならば、該当消失語につ
き、ｐ＝−∞、ｓ＝「ＩＮＶＡＬＩＤ」とする。
き、ｐ＝−∞、ｓ＝「ＩＮＶＡＬＩＤ」とする。
【００３６】本実施例により、その場における単語の推
定発声長を利用して検出禁止幅として用いることができ
る。
定発声長を利用して検出禁止幅として用いることができ
る。
【００３７】なお、前述の内部情報を、単語ごとではな
く検出ごとに割り当てるものとし、上記の３要素に単語
名ｎを加えた４要素とすることによって、検出ごとのキ
ャンセルの判定を行なうことも可能である。
く検出ごとに割り当てるものとし、上記の３要素に単語
名ｎを加えた４要素とすることによって、検出ごとのキ
ャンセルの判定を行なうことも可能である。
【００３８】図５は、本実施例の動作を説明するための
図である。図４と同様に、重なって存在する単語１、単
語２の両者の尤度が閾値（−１．５）に達しているとす
る。
図である。図４と同様に、重なって存在する単語１、単
語２の両者の尤度が閾値（−１．５）に達しているとす
る。
【００３９】しかし、単語１の対立候補単語リストＬ
は、単語２のすべてのプレフィクス部分列の尤度が抑制
語閾値（−２．５）を下回るまで空にならず、その間は
実施例２の４．における条件を満たさないため検出され
ない。
は、単語２のすべてのプレフィクス部分列の尤度が抑制
語閾値（−２．５）を下回るまで空にならず、その間は
実施例２の４．における条件を満たさないため検出され
ない。
【００４０】単語２のすべてのプレフィクス部分列の尤
度が抑制語閾値（−２．５）を下回った際、すでに単語
２の尤度が閾値（−１．５）に達していれば、単語２の
状態名ｓは「ＤＥＡＤ」である。よって、上述の２．の
手続により、両単語のうち、尤度の低い方は検出をキャ
ンセルされる。
度が抑制語閾値（−２．５）を下回った際、すでに単語
２の尤度が閾値（−１．５）に達していれば、単語２の
状態名ｓは「ＤＥＡＤ」である。よって、上述の２．の
手続により、両単語のうち、尤度の低い方は検出をキャ
ンセルされる。
【００４１】このように、本実施例により、複数単語が
重なって存在するような検出は低減され、前述のような
単語入力の場面における誤検出が低減することが期待で
きる。
重なって存在するような検出は低減され、前述のような
単語入力の場面における誤検出が低減することが期待で
きる。
【００４２】（実施例３）上述の（１）（ｂ）を以下の
ようにすることも考えられる。
ようにすることも考えられる。
【００４３】（ｂ）λｄはλｃを該当候補単語のモーラ
長で正規化したものとする。λｄが現在のｐより大き
く、かつλより大きければ、ｐ＝λｄとし、ｓ＝「ＡＣ
ＴＩＶＥ」とし、Ｌは候補単語のうち、現在フレームに
おいて尤度が抑制語閾値を上回るプレフィクス部分列が
存在するものすべてよりなるリストとする。
長で正規化したものとする。λｄが現在のｐより大き
く、かつλより大きければ、ｐ＝λｄとし、ｓ＝「ＡＣ
ＴＩＶＥ」とし、Ｌは候補単語のうち、現在フレームに
おいて尤度が抑制語閾値を上回るプレフィクス部分列が
存在するものすべてよりなるリストとする。
【００４４】その他の部分は実施例２と同一とする。
【００４５】（実施例４）実施例２においてλを−０．
５とし、（１）（ａ）を以下のようにすることも考えら
れる。
５とし、（１）（ａ）を以下のようにすることも考えら
れる。
【００４６】（ａ）λｃは現在フレームの尤度を、候補
単語モデルを構成する音声単位モデルの数で正規化した
ものとする。
単語モデルを構成する音声単位モデルの数で正規化した
ものとする。
【００４７】その他の部分は実施例２と同一とする。
【００４８】（実施例５）実施例においてλを−１．０
とし、（２）を以下のようにすることも考えられる。
とし、（２）を以下のようにすることも考えられる。
【００４９】（２）すべての、ｓ＝「ＤＥＡＤ」なる候
補単語（以後、検出語とする）及びすべてのｓ＝「ＬＯ
ＳＴ」なる候補単語（以後、消失語とする）につき、以
下の動作を行なう。
補単語（以後、検出語とする）及びすべてのｓ＝「ＬＯ
ＳＴ」なる候補単語（以後、消失語とする）につき、以
下の動作を行なう。
【００５０】・検出語（消失語）のＬ中のすべてのｓ＝
「ＤＥＡＤ」なる単語（以後、抑制語とする）につき、
以下を行なう。
「ＤＥＡＤ」なる単語（以後、抑制語とする）につき、
以下を行なう。
【００５１】−検出語（消失語）の音節数が、抑制語の
音節数より大きい場合、Ｌより該当抑制語を除き、該当
抑制語のｓを「ＬＯＳＴ」とする。
音節数より大きい場合、Ｌより該当抑制語を除き、該当
抑制語のｓを「ＬＯＳＴ」とする。
【００５２】−検出語（消失語）の音節数が、抑制語の
音節数より小さい場合、該当検出語（消失語）のｓを
「ＬＯＳＴ」とする。
音節数より小さい場合、該当検出語（消失語）のｓを
「ＬＯＳＴ」とする。
【００５３】−検出語（消失語）と抑制語の音節数が等
しい場合、検出語（消失語）のｐが、抑制語のｐ以上な
らば、Ｌより該当抑制語を除き、該当抑制語のｓを「Ｌ
ＯＳＴ」とする。そうでないならば、該当検出語（消失
語）のｓを「ＬＯＳＴ」とする。
しい場合、検出語（消失語）のｐが、抑制語のｐ以上な
らば、Ｌより該当抑制語を除き、該当抑制語のｓを「Ｌ
ＯＳＴ」とする。そうでないならば、該当検出語（消失
語）のｓを「ＬＯＳＴ」とする。
【００５４】その他の部分は実施例２と同一とする。
【００５５】長い候補単語を発声した場合、発声の乱れ
（モデルとのずれ）が含まれる可能性が高くなり、その
分１フレームあたりの尤度が低くなることが考えられる
が、実施例３、４に示した尤度の正規化、実施例５に示
した逆数尤度の採用により、候補単語の長さによって生
ずる尤度の低下を補償することができる。
（モデルとのずれ）が含まれる可能性が高くなり、その
分１フレームあたりの尤度が低くなることが考えられる
が、実施例３、４に示した尤度の正規化、実施例５に示
した逆数尤度の採用により、候補単語の長さによって生
ずる尤度の低下を補償することができる。
【００５６】
【発明の効果】以上のように、本発明を用いれば、重な
って生ずる湧き出しを低減し、誤検出のより少ない音声
認識装置を構成することができる。
って生ずる湧き出しを低減し、誤検出のより少ない音声
認識装置を構成することができる。
【図１】第１の発明の音声認識装置の一実施例を示すブ
ロック図。
ロック図。
【図２】第２の発明の音声認識装置の一実施例を示すブ
ロック図。
ロック図。
【図３】本発明の動作を説明するための図。
【図４】本発明の動作を説明するための図。
【図５】本発明の動作を説明するための図。
１０１ 音声分析部 １０２ 尤度計算部 １０３ 検出部 １０４ プレフィクス尤度計算部 １０５ 単語辞書部 １０６ 記憶部 １０７ プレフィクス記憶部
フロントページの続き (56)参考文献 特開 平９−166995（ＪＰ，Ａ) 特開 平９−50292（ＪＰ，Ａ) 特開 平５−313688（ＪＰ，Ａ) 特開 平６−118990（ＪＰ，Ａ) 古井「ディジタル音声処理」（1985− ９−25）東海大学出版会 ｐ．154−160 電子情報通信学会技術研究報告［音声 ］Ｖｏｌ．93，Ｎｏ．88，ＳＰ93−31, 「事後確率を用いたフレーム同期ワード スポッティング」ｐ．57−64（1993年６ 月18日発行) 日本音響学会講演論文集（平成７年９ 月）１−Ｑ−16，ｐ．169〜170 新美著「情報科学講座 Ｅ・19・３ 音声認識」共立出版株式会社（昭和54 年）ｐ．106〜107 (58)調査した分野(Int.Cl.7，ＤＢ名) G10L 15/08 G10L 15/10 ＪＩＣＳＴファイル（ＪＯＩＳ)
Claims (5)
- 【請求項１】 入力された音声の周波数分析を行ない、
一定時間（以下、フレームとする）ごとの特徴量を抽出
して出力する音声分析部と、予め用意された候補単語を
記憶しておく単語辞書と、前記音声分析部の出力する特
徴量を入力とし前記単語辞書の内容を参照して、前記フ
レームごとの前記候補単語の尤度を算出して出力する尤
度計算部と、前記尤度計算部の出力する前記候補単語の
尤度を入力として候補単語の検出を行ない、検出した単
語を出力する検出部を備えた音声認識装置において、前
記音声分析部の出力する特徴量を入力とし、前記単語辞
書の内容を参照して、前記フレームごとの前記候補単語
のプレフィクス部分列の尤度を算出して出力するプレフ
ィクス尤度計算部を備え、前記検出部が、前記尤度計算
部の出力する前記候補単語の尤度及び、前記プレフィク
ス尤度計算部の出力する前記候補単語のプレフィク部分
列の尤度を入力とし、過去のフレームにおける前記候補
単語の尤度を記憶する記憶部と、過去のフレームにおけ
る前記候補単語のプレフィクス部分列の尤度を記憶する
プレフィクス記憶部を備え、２回の単語検出において、
１回目の検出時刻以来、２回目の単語検出時刻にいたる
までの各フレームにつき、前記２回目の検出における検
出単語のいずれかのプレフィクス部分列で該当フレーム
における尤度が予め定めた一定値以上のものが存在する
場合に限り、前記２回の検出のうち尤度の低い方の出力
をキャンセルすることを特徴とする音声認識装置。 - 【請求項２】 前記候補単語の検出時刻を、各単語の終
端の時刻と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】 前記候補単語の検出時刻を、各単語の始
端の時刻と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４】 前記尤度を前記候補単語のモデルの長さ
で正規化した値を尤度とすることを特徴とする請求項
１、２又は３記載の音声認識装置。 - 【請求項５】 前記尤度を前記候補単語のモデルの長さ
の逆数とすることを特徴とする請求項１、２又は３記載
の音声認識装置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP7263847A JP3033479B2 (ja) | 1995-10-12 | 1995-10-12 | 音声認識装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP7263847A JP3033479B2 (ja) | 1995-10-12 | 1995-10-12 | 音声認識装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPH09106297A JPH09106297A (ja) | 1997-04-22 |
| JP3033479B2 true JP3033479B2 (ja) | 2000-04-17 |
Family
ID=17395059
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP7263847A Expired - Lifetime JP3033479B2 (ja) | 1995-10-12 | 1995-10-12 | 音声認識装置 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP3033479B2 (ja) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CA2869530A1 (en) * | 2012-04-27 | 2013-10-31 | Aravind GANAPATHIRAJU | Negative example (anti-word) based performance improvement for speech recognition |
| CN111161747B (zh) * | 2020-04-03 | 2020-07-28 | 深圳市友杰智新科技有限公司 | 基于Tensorflow唤醒模型的预测方法、装置和计算机设备 |
-
1995
- 1995-10-12 JP JP7263847A patent/JP3033479B2/ja not_active Expired - Lifetime
Non-Patent Citations (4)
| Title |
|---|
| 古井「ディジタル音声処理」（１９８５−９−２５）東海大学出版会 ｐ．１５４−１６０ |
| 新美著「情報科学講座 Ｅ・１９・３ 音声認識」共立出版株式会社（昭和５４年）ｐ．１０６〜１０７ |
| 日本音響学会講演論文集（平成７年９月）１−Ｑ−１６，ｐ．１６９〜１７０ |
| 電子情報通信学会技術研究報告［音声］Ｖｏｌ．９３，Ｎｏ．８８，ＳＰ９３−３１，「事後確率を用いたフレーム同期ワードスポッティング」ｐ．５７−６４（１９９３年６月１８日発行） |
Also Published As
| Publication number | Publication date |
|---|---|
| JPH09106297A (ja) | 1997-04-22 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| EP0813735B1 (en) | Speech recognition | |
| Weintraub | LVCSR log-likelihood ratio scoring for keyword spotting | |
| Ortmanns et al. | Language-model look-ahead for large vocabulary speech recognition | |
| JP2965537B2 (ja) | 話者クラスタリング処理装置及び音声認識装置 | |
| JP3086260B2 (ja) | 複合語を有する言語における音声認識の方法及びシステム | |
| Jelinek et al. | 25 Continuous speech recognition: Statistical methods | |
| US6240389B1 (en) | Pattern matching method and apparatus | |
| JPH0372998B2 (ja) | ||
| JP2003308091A (ja) | 音声認識装置、音声認識方法および音声認識プログラム | |
| JP2808906B2 (ja) | 音声認識装置 | |
| US8996368B2 (en) | Online maximum-likelihood mean and variance normalization for speech recognition | |
| EP0844601A2 (en) | Reduction of search space in a speech recognition system | |
| US5023911A (en) | Word spotting in a speech recognition system without predetermined endpoint detection | |
| US6226610B1 (en) | DP Pattern matching which determines current path propagation using the amount of path overlap to the subsequent time point | |
| JP3033479B2 (ja) | 音声認識装置 | |
| Knill et al. | Fast implementation methods for Viterbi-based word-spotting | |
| US20030061046A1 (en) | Method and system for integrating long-span language model into speech recognition system | |
| US5974381A (en) | Method and system for efficiently avoiding partial matching in voice recognition | |
| US6631349B1 (en) | Speech recognition method and system | |
| US6411929B1 (en) | Speech recognition method and system | |
| JP2905674B2 (ja) | 不特定話者連続音声認識方法 | |
| US7912715B2 (en) | Determining distortion measures in a pattern recognition process | |
| JP2004012615A (ja) | 連続音声認識装置および連続音声認識方法、連続音声認識プログラム、並びに、プログラム記録媒体 | |
| JP3009640B2 (ja) | 音響モデル生成装置及び音声認識装置 | |
| JP2999726B2 (ja) | 連続音声認識装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20000118 |