JP3042585B2 - 音声認識装置 - Google Patents
音声認識装置Info
- Publication number
- JP3042585B2 JP3042585B2 JP7012372A JP1237295A JP3042585B2 JP 3042585 B2 JP3042585 B2 JP 3042585B2 JP 7012372 A JP7012372 A JP 7012372A JP 1237295 A JP1237295 A JP 1237295A JP 3042585 B2 JP3042585 B2 JP 3042585B2
- Authority
- JP
- Japan
- Prior art keywords
- recognition
- layer
- candidate
- candidates
- unit
- 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
Links
Description
【０００１】
【産業上の利用分野】本発明は、複数の候補の標準パタ
ーンと入力音声とを比較して、最も類似する候補を入力
音声と認識する音声認識装置に関し、特に階層構造で操
作される場合の認識率を向上でき、例えば、音声ダイヤ
ラ等に使用される音声認識装置に関する。
ーンと入力音声とを比較して、最も類似する候補を入力
音声と認識する音声認識装置に関し、特に階層構造で操
作される場合の認識率を向上でき、例えば、音声ダイヤ
ラ等に使用される音声認識装置に関する。
【０００２】
【従来の技術】図１３は従来の音声認識装置において階
層構造の認識を行う例を示す図である。本図に示す例は
３階層の認識を行う例であるが、第１階層には複数の候
補があり、第２階層には第１の階層の各候補に帰属する
複数の候補群があり、第３階層には第２階層の各候補群
の各候補に帰属する複数の候補群がある。第１階層では
「ａ」が第１候補として認識され、第２階層では前記第
１候補に帰属する１つの群の「ａ’」が第１候補として
認識され、第３階層では後者の前記第１候補に帰属する
１つの群の「ａ”」が第１候補として認識されたとす
る。この場合、音声認識装置の認識率を８０％とし、各
階層がほぼ同一個数の認識対象があるとすると、３階層
の認識率は、 ０．８×０．８×０．８＝０．５１６ となり、最終階層まで行き着ける確率は５０％程度まで
低下することになる。
層構造の認識を行う例を示す図である。本図に示す例は
３階層の認識を行う例であるが、第１階層には複数の候
補があり、第２階層には第１の階層の各候補に帰属する
複数の候補群があり、第３階層には第２階層の各候補群
の各候補に帰属する複数の候補群がある。第１階層では
「ａ」が第１候補として認識され、第２階層では前記第
１候補に帰属する１つの群の「ａ’」が第１候補として
認識され、第３階層では後者の前記第１候補に帰属する
１つの群の「ａ”」が第１候補として認識されたとす
る。この場合、音声認識装置の認識率を８０％とし、各
階層がほぼ同一個数の認識対象があるとすると、３階層
の認識率は、 ０．８×０．８×０．８＝０．５１６ となり、最終階層まで行き着ける確率は５０％程度まで
低下することになる。
【０００３】一般的には認識率をＲとし、ｎ階層とする
場合には、各階層１回ずつの発声でｎ階層まで行き着け
る確率は、Ｒnとなる。
場合には、各階層１回ずつの発声でｎ階層まで行き着け
る確率は、Ｒnとなる。
【０００４】
【発明が解決しようとする課題】このため、各階層の認
識結果が全て正解でないと最終階層まで選択できないの
で、各階層での言い直しが起こる。この言い直しでの認
識率は８０％であるので、この階層で一時的に認識率を
向上して正解に達しうるが、言い直しにより操作性が悪
化するという問題点があった。また、応答性に関し画一
的で、例えば各階層トークバックを行わせたり、又はト
ークバックなしに各階層でビープ音の発生をさせたりし
ていたので、てんぽの良い使用が困難であり、これも操
作性（フィーリング）を悪化させる一因であった。ここ
に、トークバックとは認識した音声を話者に戻し確認さ
せることを意味する。
識結果が全て正解でないと最終階層まで選択できないの
で、各階層での言い直しが起こる。この言い直しでの認
識率は８０％であるので、この階層で一時的に認識率を
向上して正解に達しうるが、言い直しにより操作性が悪
化するという問題点があった。また、応答性に関し画一
的で、例えば各階層トークバックを行わせたり、又はト
ークバックなしに各階層でビープ音の発生をさせたりし
ていたので、てんぽの良い使用が困難であり、これも操
作性（フィーリング）を悪化させる一因であった。ここ
に、トークバックとは認識した音声を話者に戻し確認さ
せることを意味する。
【０００５】したがって、本発明は、上記問題点に鑑
み、階層構造で操作性、応答性のよい音声認識装置を提
供することを目的とする。
み、階層構造で操作性、応答性のよい音声認識装置を提
供することを目的とする。
【０００６】
【課題を解決するための手段】本発明は、前記問題点を
解決するために、次の構成を有する音声認識装置を提供
する。すなわち、上位階層が複数の候補を有し、その下
位階層が上位階層の各候補に対して複数の候補を有する
候補群を有する複数の階層毎に音声の認識を行って、一
連の音声の認識を行う音声処理装置に、各階層で一連の
音声を認識し、認識結果である候補とその候補の認識の
程度を示す認識距離とを求める認識処理部と、各階層で
音声を認識するための候補を標準パターンとして記憶す
る辞書部と、前記辞書部の各階層の標準パターンを記憶
する辞書を選択する辞書選択機能部とが設けられる。結
果再判定部は、前記認識処理部による候補と認識距離と
を基に、複数の階層の第１の階層から最終の階層で有り
得る候補の組合せのそれぞれについて認識距離の総和を
求め、その総和が最小となる候補の組合せを一連の音声
の認識結果として再評価する。応答部は前記結果再判定
部の再評価の結果を応答する。
解決するために、次の構成を有する音声認識装置を提供
する。すなわち、上位階層が複数の候補を有し、その下
位階層が上位階層の各候補に対して複数の候補を有する
候補群を有する複数の階層毎に音声の認識を行って、一
連の音声の認識を行う音声処理装置に、各階層で一連の
音声を認識し、認識結果である候補とその候補の認識の
程度を示す認識距離とを求める認識処理部と、各階層で
音声を認識するための候補を標準パターンとして記憶す
る辞書部と、前記辞書部の各階層の標準パターンを記憶
する辞書を選択する辞書選択機能部とが設けられる。結
果再判定部は、前記認識処理部による候補と認識距離と
を基に、複数の階層の第１の階層から最終の階層で有り
得る候補の組合せのそれぞれについて認識距離の総和を
求め、その総和が最小となる候補の組合せを一連の音声
の認識結果として再評価する。応答部は前記結果再判定
部の再評価の結果を応答する。
【０００７】前記結果再判定部の認識距離の総和は、各
階層の各候補群に対する重み係数を有し、前記認識距離
にこの重み係数を乗算して補正された補正認識距離の総
和として得られるようにしてもよい。前記結果再判定部
は、各階層の認識距離に対する閾値を有し、この閾値以
下の認識距離の候補に帰属する下位階層の候補群のみの
認識を行わせるようにしてもよい。
階層の各候補群に対する重み係数を有し、前記認識距離
にこの重み係数を乗算して補正された補正認識距離の総
和として得られるようにしてもよい。前記結果再判定部
は、各階層の認識距離に対する閾値を有し、この閾値以
下の認識距離の候補に帰属する下位階層の候補群のみの
認識を行わせるようにしてもよい。
【０００８】前記結果再判定部の各階層の各候補群の重
み係数の大きさは各候補群に帰属する候補数で決定する
ようにしてもよい。前記結果再判定部の各階層の各候補
群の重み係数の大きさは各候補群に帰属する候補の類似
度で決定するようにしてもよい。前記結果再判定部の各
階層の各候補群の重み係数の大きさは各候補群に帰属す
る候補の重要度で決定するようにしてもよい。
み係数の大きさは各候補群に帰属する候補数で決定する
ようにしてもよい。前記結果再判定部の各階層の各候補
群の重み係数の大きさは各候補群に帰属する候補の類似
度で決定するようにしてもよい。前記結果再判定部の各
階層の各候補群の重み係数の大きさは各候補群に帰属す
る候補の重要度で決定するようにしてもよい。
【０００９】前記結果再判定部の各階層の各候補群の重
み係数の大きさは各候補群に帰属する候補の使用頻度で
決定するようにしてもよい。前記応答部は、複数の階層
のうち最終の階層での認識終了時にのみトークバックを
行うようにしてもよい。前記応答部は、複数の階層のう
ち最終の階層の前の階層までの認識終了時毎にＢＥＥＰ
音を発生し、最終の階層での認識終了時のみトークバッ
クを行うようにしてもよい。
み係数の大きさは各候補群に帰属する候補の使用頻度で
決定するようにしてもよい。前記応答部は、複数の階層
のうち最終の階層での認識終了時にのみトークバックを
行うようにしてもよい。前記応答部は、複数の階層のう
ち最終の階層の前の階層までの認識終了時毎にＢＥＥＰ
音を発生し、最終の階層での認識終了時のみトークバッ
クを行うようにしてもよい。
【００１０】
【作用】本発明の音声認識装置によれば、前記認識処理
部による候補と認識距離とを基に、複数の階層の第１の
階層から最終の階層で有り得る候補の組合せのそれぞれ
について認識距離の総和を求め、その総和が最小となる
候補の組合せを一連の音声の認識結果として再評価する
ことにより、全階層で認識率を評価するため、最終階層
まで行き着ける認識率が向上し、従来のように言い直し
に必要性が低減する。前記結果再判定部の認識距離の総
和は、各階層の各候補群に対する重み係数を有し、前記
認識距離にこの重み係数を乗算して補正された補正認識
距離の総和として得られることにより、認識率の高い各
階層の各候補群の重みを大きくしたので、階層全体でさ
らに認識率が向上する。この再判定により非常に近いも
のがあれば上位階層の判定をくつがえし選択することが
可能になる。さらに、各階層の認識距離に対する閾値を
有し、この閾値以下の認識距離の候補に帰属する下位階
層の候補群のみの認識を行わせることにより、認識の処
理量が低減できる。また、最終階層でのトークバックと
してので、操作性の向上、フィーリングの向上を実現で
きるようになる。
部による候補と認識距離とを基に、複数の階層の第１の
階層から最終の階層で有り得る候補の組合せのそれぞれ
について認識距離の総和を求め、その総和が最小となる
候補の組合せを一連の音声の認識結果として再評価する
ことにより、全階層で認識率を評価するため、最終階層
まで行き着ける認識率が向上し、従来のように言い直し
に必要性が低減する。前記結果再判定部の認識距離の総
和は、各階層の各候補群に対する重み係数を有し、前記
認識距離にこの重み係数を乗算して補正された補正認識
距離の総和として得られることにより、認識率の高い各
階層の各候補群の重みを大きくしたので、階層全体でさ
らに認識率が向上する。この再判定により非常に近いも
のがあれば上位階層の判定をくつがえし選択することが
可能になる。さらに、各階層の認識距離に対する閾値を
有し、この閾値以下の認識距離の候補に帰属する下位階
層の候補群のみの認識を行わせることにより、認識の処
理量が低減できる。また、最終階層でのトークバックと
してので、操作性の向上、フィーリングの向上を実現で
きるようになる。
【００１１】
【実施例】以下本発明の実施例について図面を参照して
説明する。図１は本発明の実施例に係る音声認識装置を
示す図である。本図に示すように、音声認識装置は音声
を電気信号に変換するマイクロフォン１と、電気信号を
入力して増幅する増幅器２と、電気信号の高周波成分を
除去する低域通過フィルタ３と、電気信号をアナログか
らデジタルに変換するＡ／Ｄ変換器４（Analog toDigit
al Converter)と、デジタル信号につき音声認識処理す
るプロセッサ５と、プロセッサ５で認識された結果をデ
ジタルからアナログの電気信号に変換するＤ／Ａ変換器
６（Analog to Digital Converter)と、電気信号の高周
波成分を除去する低域通過フィルタ７と、電気信号を増
幅する電力増幅器８と、電極増幅器８により駆動される
スピーカ９とを具備する。プロセッサ５は、認識結果を
他の機器へ制御コマンドとして出力する。
説明する。図１は本発明の実施例に係る音声認識装置を
示す図である。本図に示すように、音声認識装置は音声
を電気信号に変換するマイクロフォン１と、電気信号を
入力して増幅する増幅器２と、電気信号の高周波成分を
除去する低域通過フィルタ３と、電気信号をアナログか
らデジタルに変換するＡ／Ｄ変換器４（Analog toDigit
al Converter)と、デジタル信号につき音声認識処理す
るプロセッサ５と、プロセッサ５で認識された結果をデ
ジタルからアナログの電気信号に変換するＤ／Ａ変換器
６（Analog to Digital Converter)と、電気信号の高周
波成分を除去する低域通過フィルタ７と、電気信号を増
幅する電力増幅器８と、電極増幅器８により駆動される
スピーカ９とを具備する。プロセッサ５は、認識結果を
他の機器へ制御コマンドとして出力する。
【００１２】図２は図１のプロセッサ５の構成を示す図
である。本図に示すように、プロセッサ５は、Ａ／Ｄ変
換器４からのデジタル信号を入力して標準パターンと比
較し音声の認識処理を行う認識処理部５１と、認識処理
部５１で使用する標準パターンを記憶する辞書を選択す
る辞書選択機能部５２と、標準パターンを記憶する各階
層１、２、…、ｎの辞書を有する辞書部５３と、認識処
理部５１で認識された結果を、認識率の向上のために、
再度判定する結果再判定部５４と、再度判定された結果
をＤ／Ａ変換器６に出力する応答部５５とを具備する。
結果再判定部５４による再度判定された結果が他の機器
に制御コマンドとして出力される。
である。本図に示すように、プロセッサ５は、Ａ／Ｄ変
換器４からのデジタル信号を入力して標準パターンと比
較し音声の認識処理を行う認識処理部５１と、認識処理
部５１で使用する標準パターンを記憶する辞書を選択す
る辞書選択機能部５２と、標準パターンを記憶する各階
層１、２、…、ｎの辞書を有する辞書部５３と、認識処
理部５１で認識された結果を、認識率の向上のために、
再度判定する結果再判定部５４と、再度判定された結果
をＤ／Ａ変換器６に出力する応答部５５とを具備する。
結果再判定部５４による再度判定された結果が他の機器
に制御コマンドとして出力される。
【００１３】図３は図２の結果再判定部５４の構成を示
す図である。本図に示すように、結果再判定部５４は、
まず、重み係数記憶部６１と、閾値記憶部６２を有す
る。図４は図３の重み係数記憶部６１に記憶される重み
係数と、閾値記憶部６２に記憶される閾値を説明する図
である。この重み係数は、後述にように、距離に乗算さ
れる係数であり、本図に示すように、第１階層の重み係
数をＣ１とし、第２階層の各候補群の重み係数をＣ２
１、Ｃ２２、…とし、第３階層の各候補群の重み係数を
Ｃｎ１、…とする。この重み係数は第１階層に帰属する
候補数、第ｎ階層の各候補群の候補数が小さいほど、重
み係数が小さくなるようにする。候補数が少ないほど認
識率が高くなるので、候補が多い場合との差を考慮する
ためである。また、候補の呼び方が類似するものは重み
係数を大きくする。候補の呼び方が類似するほど認識率
が低くなるので、類似しない場合との差を考慮するため
である。
す図である。本図に示すように、結果再判定部５４は、
まず、重み係数記憶部６１と、閾値記憶部６２を有す
る。図４は図３の重み係数記憶部６１に記憶される重み
係数と、閾値記憶部６２に記憶される閾値を説明する図
である。この重み係数は、後述にように、距離に乗算さ
れる係数であり、本図に示すように、第１階層の重み係
数をＣ１とし、第２階層の各候補群の重み係数をＣ２
１、Ｃ２２、…とし、第３階層の各候補群の重み係数を
Ｃｎ１、…とする。この重み係数は第１階層に帰属する
候補数、第ｎ階層の各候補群の候補数が小さいほど、重
み係数が小さくなるようにする。候補数が少ないほど認
識率が高くなるので、候補が多い場合との差を考慮する
ためである。また、候補の呼び方が類似するものは重み
係数を大きくする。候補の呼び方が類似するほど認識率
が低くなるので、類似しない場合との差を考慮するため
である。
【００１４】また、重み係数は候補群の重要度で差を付
けるようにしてもよい。また、重み係数は候補毎に使用
頻度で差を付けるようにしてもよい。また、重み係数
は、階層の候補群で差をつけず、階層毎に差を付けるよ
うにしてもよい。図３に戻り、距離補正部６３は、認識
処理部５１から、例えば、第１階層の距離データＫ１
１、Ｋ１２、…を入力し、これに重み係数Ｃ１を乗算し
て、以下のように、距離を補正する。
けるようにしてもよい。また、重み係数は候補毎に使用
頻度で差を付けるようにしてもよい。また、重み係数
は、階層の候補群で差をつけず、階層毎に差を付けるよ
うにしてもよい。図３に戻り、距離補正部６３は、認識
処理部５１から、例えば、第１階層の距離データＫ１
１、Ｋ１２、…を入力し、これに重み係数Ｃ１を乗算し
て、以下のように、距離を補正する。
【００１５】Ｃ１・Ｋ１１、Ｃ１・Ｋ１２、… これらの候補数を限定するために補正距離に対する閾値
について説明する。図４に示すように、第１階層の閾値
をｄ１とし、第２階層の閾値をｄ２とし、第３階層の各
候補群の閾値をｄｎとする。除外部６４は距離補正部６
３の補正距離うち閾値よりも大きいものを除外して再判
定対象を絞る。
について説明する。図４に示すように、第１階層の閾値
をｄ１とし、第２階層の閾値をｄ２とし、第３階層の各
候補群の閾値をｄｎとする。除外部６４は距離補正部６
３の補正距離うち閾値よりも大きいものを除外して再判
定対象を絞る。
【００１６】次階層認識範囲確定部６５は、除外部６４
により絞られた補正距離に対応する候補に帰属する次の
階層の候補群を次回の認識対象と確定して、この認識対
象情報を辞書選択機能部５２に出力する。図５は図３の
次階層認識範囲確定部６５により拡大された下位階層の
認識範囲を説明する例を示す図である。本図に示すよう
に、上位階層１、２で選択された２つの候補群分まで下
位階層の認識範囲を広げることが可能になる。
により絞られた補正距離に対応する候補に帰属する次の
階層の候補群を次回の認識対象と確定して、この認識対
象情報を辞書選択機能部５２に出力する。図５は図３の
次階層認識範囲確定部６５により拡大された下位階層の
認識範囲を説明する例を示す図である。本図に示すよう
に、上位階層１、２で選択された２つの候補群分まで下
位階層の認識範囲を広げることが可能になる。
【００１７】図６は一連の組み合わせ候補が順に求めら
れる例を示す図である。複数の階層の一部について、本
図に示すように、第ｋ階層、第ｋ＋１階層、第ｋ＋２階
層で、下記のようにして、一連のあり得る組み合わせが
求められる。 Ａ１−ａ１−ｂ１：組み合わせ有効 Ａ１−ａ１−× ：組み合わせて無効 Ａ１−ａ１−ｂ３：組み合わせ Ａ１−ａ１−× ：組み合わせて無効 Ａ１−ａ２−ｂ１：組み合わせ有効 Ａ１−ａ２−× ：組み合わせて無効 補正候補ｂ２、ｂ４の距離は閾値以上とする。
れる例を示す図である。複数の階層の一部について、本
図に示すように、第ｋ階層、第ｋ＋１階層、第ｋ＋２階
層で、下記のようにして、一連のあり得る組み合わせが
求められる。 Ａ１−ａ１−ｂ１：組み合わせ有効 Ａ１−ａ１−× ：組み合わせて無効 Ａ１−ａ１−ｂ３：組み合わせ Ａ１−ａ１−× ：組み合わせて無効 Ａ１−ａ２−ｂ１：組み合わせ有効 Ａ１−ａ２−× ：組み合わせて無効 補正候補ｂ２、ｂ４の距離は閾値以上とする。
【００１８】距離加算部６６は、第１の除外部６４で得
られた一連の組み合わせの候補について、今回の候補の
補正距離を前回まで加算した補正距離に加算して補正距
離の総和を求める。記憶部６７は、距離加算部６６によ
り加算された補正距離を記憶する。最小判断部６８は、
第１階層から第ｎ階層まで加算された補正距離の総和を
相互に比較判断してそのうち最小ものを選択する。
られた一連の組み合わせの候補について、今回の候補の
補正距離を前回まで加算した補正距離に加算して補正距
離の総和を求める。記憶部６７は、距離加算部６６によ
り加算された補正距離を記憶する。最小判断部６８は、
第１階層から第ｎ階層まで加算された補正距離の総和を
相互に比較判断してそのうち最小ものを選択する。
【００１９】このように、下位の階層の複数の候補群ま
で認識の範囲を広げることにより、非常に近いものがあ
れば、上位の階層の判定をくつがえすことを可能にす
る。以下に上位の階層をくつがえしてもよい理由を説明
する。図７は認識パターンと認識結果の推定に関する特
性を説明する図である。本図に示す縦軸の距離は認識結
果が標準パターンとの類似の程度を示し、距離が小さい
場合には標準パターンに近く、大きい場合には遠いこと
を意味する。さらにｋ１、ｋ２、ｋ３は認識結果の第
１、２、３の候補を示す。本図の認識パターン例では、
本図では、各候補の距離は、ｋ１≪ｋ２、ｋ３の関係
にある。この場合にはｋ１の正解の確率が高い。
で認識の範囲を広げることにより、非常に近いものがあ
れば、上位の階層の判定をくつがえすことを可能にす
る。以下に上位の階層をくつがえしてもよい理由を説明
する。図７は認識パターンと認識結果の推定に関する特
性を説明する図である。本図に示す縦軸の距離は認識結
果が標準パターンとの類似の程度を示し、距離が小さい
場合には標準パターンに近く、大きい場合には遠いこと
を意味する。さらにｋ１、ｋ２、ｋ３は認識結果の第
１、２、３の候補を示す。本図の認識パターン例では、
本図では、各候補の距離は、ｋ１≪ｋ２、ｋ３の関係
にある。この場合にはｋ１の正解の確率が高い。
【００２０】本図では、各候補の距離は、ｋ１、ｋ２
≪ｋ３の関係にある。この場合にはｋ１、ｋ２の正解の
確率が高い。本図では、各候補の距離は、ｋ１≒ｋ２
≒ｋ３の関係にある。この場合にはｋ１、ｋ２、ｋ３と
も正解の確率が低い。図８は第ｌ階層と第ｌ＋１階層の
認識パターンと認識結果の推定に関する特性を説明する
図である。本図に示すように、第ｌ階層の第１、２、３
の候補をＫ１、Ｋ２、Ｋ３とし、第ｌ＋１階層の第１、
２、３の候補をｋ１、ｋ２、ｋ３とする。
≪ｋ３の関係にある。この場合にはｋ１、ｋ２の正解の
確率が高い。本図では、各候補の距離は、ｋ１≒ｋ２
≒ｋ３の関係にある。この場合にはｋ１、ｋ２、ｋ３と
も正解の確率が低い。図８は第ｌ階層と第ｌ＋１階層の
認識パターンと認識結果の推定に関する特性を説明する
図である。本図に示すように、第ｌ階層の第１、２、３
の候補をＫ１、Ｋ２、Ｋ３とし、第ｌ＋１階層の第１、
２、３の候補をｋ１、ｋ２、ｋ３とする。
【００２１】本図では、Ｋ１≪Ｋ２、Ｋ３であり、ｋ
１≪ｋ２、ｋ３であり、Ｋ１≪ｋ１である。この場合、
Ｋ１が第ｌ階層の正解である確率はｋ１が第ｌ＋１階層
の正解である確率よりも高い。本図では、Ｋ１≪Ｋ
２、Ｋ３であり、ｋ１≪ｋ２、ｋ３であり、Ｋ１≫ｋ１
である。この場合、ｋ１が第ｌ＋１階層の正解である確
率はＫ１が第ｌ階層の正解である確率よりも高い。
１≪ｋ２、ｋ３であり、Ｋ１≪ｋ１である。この場合、
Ｋ１が第ｌ階層の正解である確率はｋ１が第ｌ＋１階層
の正解である確率よりも高い。本図では、Ｋ１≪Ｋ
２、Ｋ３であり、ｋ１≪ｋ２、ｋ３であり、Ｋ１≫ｋ１
である。この場合、ｋ１が第ｌ＋１階層の正解である確
率はＫ１が第ｌ階層の正解である確率よりも高い。
【００２２】本図では、Ｋ１、Ｋ２、Ｋ３≫ｋ１であ
る。この場合、ｋ１が第ｌ＋１階層の正解である確率は
Ｋ１が第ｌ階層の正解である確率よりも高い。本図で
は、Ｋ１≪ｋ１、ｋ２、ｋ３である。この場合、Ｋ１が
第ｌ階層の正解である確率はｋ１が第ｌ＋１階層の正解
である確率よりも高い。本図では、Ｋ１、Ｋ２、Ｋ
３、ｋ１、ｋ２、ｋ３≫０である。この場合、Ｋ１、Ｋ
２、Ｋ３、ｋ１、ｋ２、ｋ３全て正解である確率は低
い。
る。この場合、ｋ１が第ｌ＋１階層の正解である確率は
Ｋ１が第ｌ階層の正解である確率よりも高い。本図で
は、Ｋ１≪ｋ１、ｋ２、ｋ３である。この場合、Ｋ１が
第ｌ階層の正解である確率はｋ１が第ｌ＋１階層の正解
である確率よりも高い。本図では、Ｋ１、Ｋ２、Ｋ
３、ｋ１、ｋ２、ｋ３≫０である。この場合、Ｋ１、Ｋ
２、Ｋ３、ｋ１、ｋ２、ｋ３全て正解である確率は低
い。
【００２３】すなわち、図８の、のように上位階層
で候補Ｋ２は第２候補であるが、この候補Ｋ２の下位階
層でｋ１のように距離が非常に小さい場合には上位階層
Ｋ２が第１候補となりくつがえるので、認識の精度が向
上することになる。なお、下位階層での２つの候補群で
同じ距離の候補がある場合には、上位階層の認識結果で
ある候補の距離が優先される。
で候補Ｋ２は第２候補であるが、この候補Ｋ２の下位階
層でｋ１のように距離が非常に小さい場合には上位階層
Ｋ２が第１候補となりくつがえるので、認識の精度が向
上することになる。なお、下位階層での２つの候補群で
同じ距離の候補がある場合には、上位階層の認識結果で
ある候補の距離が優先される。
【００２４】図９は図２の応答部５５の動作を説明する
図である。本図に示す順序で、第１階層の認識、第２階
層の認識、…、第ｎ階層の認識が行われ、これらの認識
が終了した後に、応答部５５は、トークバックを行う。
すなわち、第１〜第ｎ−１階層までの認識結果はスピー
カ９に出力されず、第ｎ階層での認識結果時にそれまで
の認識結果はスピーカに出力される。これにより認識毎
のトークバックによる時間短縮ができ、煩雑が回避され
る。
図である。本図に示す順序で、第１階層の認識、第２階
層の認識、…、第ｎ階層の認識が行われ、これらの認識
が終了した後に、応答部５５は、トークバックを行う。
すなわち、第１〜第ｎ−１階層までの認識結果はスピー
カ９に出力されず、第ｎ階層での認識結果時にそれまで
の認識結果はスピーカに出力される。これにより認識毎
のトークバックによる時間短縮ができ、煩雑が回避され
る。
【００２５】図１０は図２の応答部５５の動作の変形例
を示す図である。本図に示すように、第１階層〜第ｎ−
１階層の認識後毎に、応答部５５は認識を行ったことを
示す確認音、例えば「ピピッ」という音を再生する。こ
れにより各認識動作を確認できる。図１１、１２は本実
施例を「音声ダイヤラ」に適用した場合の一連の動作を
説明するフローチャートである（その１、その２）。
を示す図である。本図に示すように、第１階層〜第ｎ−
１階層の認識後毎に、応答部５５は認識を行ったことを
示す確認音、例えば「ピピッ」という音を再生する。こ
れにより各認識動作を確認できる。図１１、１２は本実
施例を「音声ダイヤラ」に適用した場合の一連の動作を
説明するフローチャートである（その１、その２）。
【００２６】ステップＳ１において、「ＰＯＷＥＲ Ｏ
Ｎ」にする。ステップＳ２において、「ＯＮ ＨＯＯ
Ｋ」を確認する。ステップＳ３において、「ＯＦＦ Ｈ
ＯＯＫ」を検知する。ステップＳ４において、音声認識
使用がＯＫか否かを判断する。この判断が「ＹＥＳ」な
らステップＳ５に進み、「ＮＯ」ならステップＳ１５に
進む。
Ｎ」にする。ステップＳ２において、「ＯＮ ＨＯＯ
Ｋ」を確認する。ステップＳ３において、「ＯＦＦ Ｈ
ＯＯＫ」を検知する。ステップＳ４において、音声認識
使用がＯＫか否かを判断する。この判断が「ＹＥＳ」な
らステップＳ５に進み、「ＮＯ」ならステップＳ１５に
進む。
【００２７】ステップＳ５において、ＢＥＥＰ発信「ピ
ピッ」を行う。ステップＳ６においてユーザーの発声を
行う。ＢＥＥＰ発信「ピピッ」の後、５秒以内に発声の
ない場合、再度ＢＥＥＰ発信「ピピッ」を行う。このサ
イクルを３回繰り返すと「ＯＦＦ ＨＯＯＫ」になる。
ステップＳ７において、音声認識の候補の距離が所定の
閾値以下か否かを判断する。この判断が「ＹＥＳ」なら
ステップＳ８に進み、「ＮＯ」ならステップＳ１７に進
み。
ピッ」を行う。ステップＳ６においてユーザーの発声を
行う。ＢＥＥＰ発信「ピピッ」の後、５秒以内に発声の
ない場合、再度ＢＥＥＰ発信「ピピッ」を行う。このサ
イクルを３回繰り返すと「ＯＦＦ ＨＯＯＫ」になる。
ステップＳ７において、音声認識の候補の距離が所定の
閾値以下か否かを判断する。この判断が「ＹＥＳ」なら
ステップＳ８に進み、「ＮＯ」ならステップＳ１７に進
み。
【００２８】ステップＳ８において、ＢＥＥＰ発信「ピ
ピッ」を行う。第１階層の判定を行う。距離の近い順か
ら第１〜３候補（原則的）に一旦絞る。ステップＳ９に
おいて、相手先を判定する。相手先が所属ならステップ
Ｓ１０に進み、名前ならステップＳ１２に進む。ステッ
プＳ１０において、ユーザー発声（名前）が行われる。
第１階層の判定結果である第１〜３候補「所属」に続く
第２階層の中から「名前」を探す。
ピッ」を行う。第１階層の判定を行う。距離の近い順か
ら第１〜３候補（原則的）に一旦絞る。ステップＳ９に
おいて、相手先を判定する。相手先が所属ならステップ
Ｓ１０に進み、名前ならステップＳ１２に進む。ステッ
プＳ１０において、ユーザー発声（名前）が行われる。
第１階層の判定結果である第１〜３候補「所属」に続く
第２階層の中から「名前」を探す。
【００２９】ステップＳ１１において、音声認識の候補
の距離が所定の閾値以下か否かを判断する。この判断が
「ＹＥＳ」ならステップＳ１１に進み、「ＮＯ」ならス
テップＳ１７に進み。ステップＳ１２において、トーク
バックを、例えば、『ユーザーが発声した「所属」の
「名前＋役職」ですね？』のように、行う。
の距離が所定の閾値以下か否かを判断する。この判断が
「ＹＥＳ」ならステップＳ１１に進み、「ＮＯ」ならス
テップＳ１７に進み。ステップＳ１２において、トーク
バックを、例えば、『ユーザーが発声した「所属」の
「名前＋役職」ですね？』のように、行う。
【００３０】ステップＳ１３において、ユーザー発声
「ＹＥＳ」又は「ＮＯ」により第３階層として最も近い
データを判定結果とする。ステップＳ１４において、ユ
ーザー発声の音声認識を行い、「ＹＥＳ」の認識ならス
テップＳ１９に進み、「ＮＯ」の認識ならステップＳ１
８に進む。ステップＳ１５において、ＢＥＥＰ発信「話
し中」を行う。
「ＹＥＳ」又は「ＮＯ」により第３階層として最も近い
データを判定結果とする。ステップＳ１４において、ユ
ーザー発声の音声認識を行い、「ＹＥＳ」の認識ならス
テップＳ１９に進み、「ＮＯ」の認識ならステップＳ１
８に進む。ステップＳ１５において、ＢＥＥＰ発信「話
し中」を行う。
【００３１】ステップＳ１６において、「ＯＦＦ ＨＯ
ＯＫ」にする。ステップＳ１７において、ＢＥＥＰ発信
「ピピッ」を行い、音声認識を行わない旨を知らせ、ス
テップＳ６に戻る。ステップＳ１８において、音声ガイ
ド「モウイチドヤリナオシテクダサイ」を行い、ステッ
プＳ５に戻る。
ＯＫ」にする。ステップＳ１７において、ＢＥＥＰ発信
「ピピッ」を行い、音声認識を行わない旨を知らせ、ス
テップＳ６に戻る。ステップＳ１８において、音声ガイ
ド「モウイチドヤリナオシテクダサイ」を行い、ステッ
プＳ５に戻る。
【００３２】ステップＳ１９において、ＢＥＥＰ発信
「ピピッ」を行う。ステップＳ２０において、ダイヤル
を行う。ステップＳ２１において、通信を行う。
「ピピッ」を行う。ステップＳ２０において、ダイヤル
を行う。ステップＳ２１において、通信を行う。
【００３３】
【発明の効果】以上説明したように本発明によれば、認
識処理部による候補と認識距離とを基に、複数の階層の
第１の階層から最終の階層で有り得る候補の組合せのそ
れぞれについて認識距離の総和を求め、その総和が最小
となる候補の組合せを一連の音声の認識結果として再評
価するので、全階層で認識率を評価するため、最終階層
まで行き着ける認識率が向上し、従来のように言い直し
に必要性が低減する。認識距離の総和は、各階層の各候
補群に対する重み係数を有し、認識距離にこの重み係数
を乗算して補正された補正認識距離の総和として得られ
るので、認識率の高い各階層の各候補群の重みを大きく
したから、階層全体でさらに認識率が向上する。さら
に、各階層の認識距離に対する閾値を有し、この閾値以
下の認識距離の候補に帰属する下位階層の候補群のみの
認識を行わせるので、認識の処理量が低減できる。ま
た、最終階層でのトークバックとしてので、操作性の向
上、フィーリングの向上を実現できるようになる。
識処理部による候補と認識距離とを基に、複数の階層の
第１の階層から最終の階層で有り得る候補の組合せのそ
れぞれについて認識距離の総和を求め、その総和が最小
となる候補の組合せを一連の音声の認識結果として再評
価するので、全階層で認識率を評価するため、最終階層
まで行き着ける認識率が向上し、従来のように言い直し
に必要性が低減する。認識距離の総和は、各階層の各候
補群に対する重み係数を有し、認識距離にこの重み係数
を乗算して補正された補正認識距離の総和として得られ
るので、認識率の高い各階層の各候補群の重みを大きく
したから、階層全体でさらに認識率が向上する。さら
に、各階層の認識距離に対する閾値を有し、この閾値以
下の認識距離の候補に帰属する下位階層の候補群のみの
認識を行わせるので、認識の処理量が低減できる。ま
た、最終階層でのトークバックとしてので、操作性の向
上、フィーリングの向上を実現できるようになる。
【図１】本発明の実施例に係る音声認識装置を示す図で
ある。
ある。
【図２】図１のプロセッサ５の構成を示す図である。
【図３】図２の結果再判定部５４の構成を示す図であ
る。
る。
【図４】図３の重み係数記憶部６１に記憶される重み係
数と、閾値記憶部６２に記憶される閾値を説明する図で
ある。
数と、閾値記憶部６２に記憶される閾値を説明する図で
ある。
【図５】図３の次階層認識範囲確定部６５により拡大さ
れた下位階層の認識範囲を説明する例を示す図である。
れた下位階層の認識範囲を説明する例を示す図である。
【図６】一連の組み合わせ候補が順に求められる例を示
す図である。
す図である。
【図７】認識パターンと認識結果の推定に関する特性を
説明する図である。
説明する図である。
【図８】第ｌ階層と第ｌ＋１階層の認識パターンと認識
結果の推定に関する特性を説明する図である。
結果の推定に関する特性を説明する図である。
【図９】図２の応答部５５の動作を説明する図である。
【図１０】図２の応答部５５の動作の変形例を示す図で
ある。
ある。
【図１１】本実施例を「音声ダイヤラ」に適用した場合
の一連の動作を説明するフローチャートである（その
１）。
の一連の動作を説明するフローチャートである（その
１）。
【図１２】本実施例を「音声ダイヤラ」に適用した場合
の一連の動作を説明するフローチャートである（その
２）。
の一連の動作を説明するフローチャートである（その
２）。
【図１３】従来の音声認識装置において階層構造の認識
を行う例を示す図である。
を行う例を示す図である。
５１…認識処理部 ５２…辞書選択機能部 ５３…辞書部 ５４…結果再判定部 ５５…応答部
───────────────────────────────────────────────────── フロントページの続き (72)発明者 藤本 昇治 兵庫県神戸市兵庫区御所通１丁目２番28 号 富士通テン株式会社内 (56)参考文献 特開 昭60−260094（ＪＰ，Ａ) 特開 昭60−260095（ＪＰ，Ａ) 特開 平８−202388（ＪＰ，Ａ) 特開 昭58−143396（ＪＰ，Ａ) 特開 平６−95687（ＪＰ，Ａ) 実開 昭61−29400（ＪＰ，Ｕ) 特許2559031（ＪＰ，Ｂ２) 特公 平４−2198（ＪＰ，Ｂ２) 特公 平２−36960（ＪＰ，Ｂ２) 特公 平４−37997（ＪＰ，Ｂ２) 特公 昭47−21921（ＪＰ，Ｂ１) (58)調査した分野(Int.Cl.7，ＤＢ名) G10L 15/18 G10L 15/10 G10L 15/22 G10L 15/28
Claims (5)
- 【請求項１】 上位階層が複数の候補を有し、その下位
階層が上位階層の各候補に対して複数の候補を有する候
補群を有する複数の階層毎に音声の認識を行って、一連
の音声の認識を行う音声処理装置において、 各階層で一連の音声を認識し、認識結果である候補とそ
の候補の認識の程度を示す認識距離とを求める認識処理
部（５１）と、 各階層で音声を認識するための候補を標準パターンとし
て記憶する辞書部（５３）と、 前記辞書部（５３）の各階層の標準パターンを記憶する
辞書を選択する辞書選択機能部（５２）と、 前記認識処理部（５１）による候補と認識距離とを基
に、複数の階層の第１の階層から最終の階層で有り得る
候補の組合せのそれぞれについて認識距離の総和を求
め、その総和が最小となる候補の組合せを一連の音声の
認識結果として再評価する結果再判定部（５４）と、 前記結果再判定部の再評価の結果を応答する応答部（５
５）と、を備え、 前記結果再判定部（５４）の認識距離の総和は、各階層
の各候補群に対する重み係数を有し、前記認識距離にこ
の重み係数を乗算して補正された補正認識距離の総和と
して得られ、 前記結果再判定部（５４）の各階層の各候補群の重み係
数の大きさは各候補群に帰属する候補数で決定すること
を特徴とする音声処理装置。 - 【請求項２】 上位階層が複数の候補を有し、その下位
階層が上位階層の各候補に対して複数の候補を有する候
補群を有する複数の階層毎に音声の認識を行って、一連
の音声の認識を行う音声処理装置において、 各階層で一連の音声を認識し、認識結果である候補とそ
の候補の認識の程度を示す認識距離とを求める認識処理
部（５１）と、 各階層で音声を認識するための候補を標準パターンとし
て記憶する辞書部（５３）と、 前記辞書部（５３）の各階層の標準パターンを記憶する
辞書を選択する辞書選択機能部（５２）と、 前記認識処理部（５１）による候補と認識距離とを基
に、複数の階層の第１の階層から最終の階層で有り得る
候補の組合せのそれぞれについて認識距離の総和を求
め、その総和が最小となる候補の組合せを一連の音声の
認識結果として再評価する結果再判定部（５４）と、 前記結果再判定部の再評価の結果を応答する応答部（５
５）と、を備え、 前記結果再判定部（５４）の認識距離の総和は、各階層
の各候補群に対する重み係数を有し、前記認識距離にこ
の重み係数を乗算して補正された補正認識距離の総和と
して得られ、 前記結果再判定部（５４）の各階層の各候補群の重み係
数の大きさは各候補群に帰属する候補の類似度で決定す
ることを特徴とする音声処理装置。 - 【請求項３】 前記結果再判定部（５４）は、各階層の
認識距離に対する閾値を有し、この閾値以下の認識距離
の候補に帰属する下位階層の候補群のみの認識を行わせ
ることを特徴とする、請求項１または請求項２に記載の
音声処理装置。 - 【請求項４】 前記応答部（５５）は、複数の階層のう
ち最終の階層での認識終了時にのみトークバックを行う
ことを特徴とする、請求項１または請求項２に記載の音
声認識装置。 - 【請求項５】 前記応答部（５５）は、複数の階層のう
ち最終の階層の前の階層までの認識終了時毎にＢＥＥＰ
音を発生し、最終の階層での認識終了時のみトークバッ
クを行うことを特徴とする、請求項１または請求項２に
記載の音声認識装置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP7012372A JP3042585B2 (ja) | 1995-01-30 | 1995-01-30 | 音声認識装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP7012372A JP3042585B2 (ja) | 1995-01-30 | 1995-01-30 | 音声認識装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPH08202387A JPH08202387A (ja) | 1996-08-09 |
| JP3042585B2 true JP3042585B2 (ja) | 2000-05-15 |
Family
ID=11803444
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP7012372A Expired - Fee Related JP3042585B2 (ja) | 1995-01-30 | 1995-01-30 | 音声認識装置 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP3042585B2 (ja) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102224542A (zh) * | 2008-11-25 | 2011-10-19 | 旭化成株式会社 | 权重系数生成装置、声音识别装置、导航装置、车辆、权重系数生成方法、以及权重系数生成程序 |
Families Citing this family (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP3420965B2 (ja) * | 1999-02-25 | 2003-06-30 | 日本電信電話株式会社 | 対話型データベース検索方法、装置及び対話型データベース検索プログラムを記録した記録媒体 |
| JP3530109B2 (ja) * | 1999-05-31 | 2004-05-24 | 日本電信電話株式会社 | 大規模情報データベースに対する音声対話型情報検索方法、装置および記録媒体 |
| US6885990B1 (en) | 1999-05-31 | 2005-04-26 | Nippon Telegraph And Telephone Company | Speech recognition based on interactive information retrieval scheme using dialogue control to reduce user stress |
| KR100560916B1 (ko) * | 2001-06-30 | 2006-03-14 | 주식회사 케이티 | 인식 후 거리를 이용한 음성인식 방법 |
| KR100748720B1 (ko) * | 2006-02-09 | 2007-08-13 | 삼성전자주식회사 | 다중 계층 중심 어휘 목록에 기초하여 대규모 단어 음성인식 방법 및 그 장치 |
| JP5532880B2 (ja) * | 2009-12-07 | 2014-06-25 | ヤマハ株式会社 | 音声認識装置 |
| JP6367786B2 (ja) * | 2015-12-24 | 2018-08-01 | 日本電信電話株式会社 | 音声入力装置、その方法及びプログラム |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2559031B2 (ja) | 1986-09-01 | 1996-11-27 | 富士通株式会社 | 音声認識方式 |
-
1995
- 1995-01-30 JP JP7012372A patent/JP3042585B2/ja not_active Expired - Fee Related
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2559031B2 (ja) | 1986-09-01 | 1996-11-27 | 富士通株式会社 | 音声認識方式 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102224542A (zh) * | 2008-11-25 | 2011-10-19 | 旭化成株式会社 | 权重系数生成装置、声音识别装置、导航装置、车辆、权重系数生成方法、以及权重系数生成程序 |
| CN102224542B (zh) * | 2008-11-25 | 2012-12-19 | 旭化成株式会社 | 权重系数生成装置、声音识别装置、导航装置、车辆、权重系数生成方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| JPH08202387A (ja) | 1996-08-09 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US5056150A (en) | Method and apparatus for real time speech recognition with and without speaker dependency | |
| JP2733955B2 (ja) | 適応型音声認識装置 | |
| US4712243A (en) | Speech recognition apparatus | |
| EP0689194A1 (en) | Method of and apparatus for signal recognition that compensates for mismatching | |
| JP2004518155A (ja) | マッピングを用いた自動音声認識のためのシステムおよび方法 | |
| JP3042585B2 (ja) | 音声認識装置 | |
| EP1141939A1 (en) | System and method for segmentation and recognition of speech signals | |
| JP2005534983A (ja) | 自動音声認識の方法 | |
| US4513436A (en) | Speech recognition system | |
| US5159637A (en) | Speech word recognizing apparatus using information indicative of the relative significance of speech features | |
| CN1145140C (zh) | 有选择地把一罚值赋予语音识别系统所伴随概率的方法 | |
| JP2008507718A (ja) | ベクトルコードブック生成方法、データ圧縮方法及び装置、並びに分散型音声認識システム | |
| KR20010079734A (ko) | 음성 다이얼링을 위한 방법 및 시스템 | |
| US6321199B1 (en) | Method for acoustically controlling an electronic device, in particular a mobile station in a mobile radio network | |
| JP3555490B2 (ja) | 声質変換システム | |
| JPH04318900A (ja) | 多方向同時収音式音声認識方法 | |
| JP3112556B2 (ja) | 音声ダイヤラ | |
| JP3315565B2 (ja) | 音声認識装置 | |
| JPH04369698A (ja) | 音声認識方式 | |
| JP3400474B2 (ja) | 音声認識装置および音声認識方法 | |
| JP2989231B2 (ja) | 音声認識装置 | |
| JPH0664478B2 (ja) | パターン認識装置 | |
| JPH05224686A (ja) | 有音無音判定方法およびその装置 | |
| JP3009962B2 (ja) | 音声認識装置 | |
| JP3002211B2 (ja) | 不特定話者音声認識装置 |
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: 20000125 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20090310 Year of fee payment: 9 |
|
| LAPS | Cancellation because of no payment of annual fees |