JP3447521B2 - 音声認識ダイアル装置 - Google Patents

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は、音声認識ダイアル
装置に関する。

【０００２】

【従来の技術】従来では、認識単語登録の作業には使用
者のキー入力装置ヘの操作が必要であった。例えば、氏
名と電話番号の１人分の登録を実行しようとするには、
使用者が［人名の平仮名文字数］＋［電話番号桁数］分
のキー操作入力が必要となる。

【０００３】携帯電話では小型化のために、パソコンの
ような全文字分の入力キーを持った入力装置ではなく、
入力キーの数量が限られているため、複数文字分が重複
されて割り当てられている。

【０００４】例えば、携帯電話の入力装置を例に、人名
＝７文字、電話番号＝１０桁を登録しようとする場合を
考える。

【０００５】携帯電話では、ア行＝１キー、力行＝１キ
ー〜ラ行＝１キー、ワヲン＝１キーという形でキーが割
り当てられており、７文字を登録する場合最短で１×７
＝７回のキー入力、最長で５×７＝３５回のキー入力、
平均で２．５×７＝１７．５回のキー入力となる。

【０００６】数字は全部がキーに割り当てられており、
操作モード変更することで入力できるため、１＋１０回
のキー入力となる。

【０００７】以上の例では、平均操作時間を１キー入力
当たり＝２秒とすると２秒×（１７．５＋１０）回＝５
５秒となる。

【０００８】

【発明が解決しようとする課題】上述した従来の技術で
は、音声認識ダイアル用の氏名と電話番号の登録操作時
間が長く、また操作間違いも少なくない。

【０００９】また音声を用いた従来技術に特開平２−１
３５８４７号公報に開示された音声応答認識自動ダイア
ル電話機があるが、この従来技術では、音声入力信号を
認識し文字データに、変換する機能を用いているが、実
現手段が明記されていない。

【００１０】本発明の目的は、携帯電話機等における氏
名と電話番号登録操作、およびダイアル操作等のキー操
作における煩雑さを低減する音声認識ダイアル装置を提
供することにある。

【００１１】

【課題を解決するための手段】本発明の音声認識ダイア
ル装置は、氏名と電話番号を発声した音声のＰＣＭ信号
から音声認識処理により単音節コードデータ列を取得
し、音声認識ダイアル用の対象氏名と電話番号を音声入
力で登録する音声登録手段と、氏名又は電話番号の音声
アナログ信号からあらかじめ登録済みの氏名と電話番号
の単音節コードデータ列を用いてダイアルをする音声ダ
イアル手段と、入力音声に対する、登録済み氏名又は電
話番号の単音節コードデータ列と半音節単位の標準パタ
ーンデータとを用いた認識処理と、を備える音声認識ダ
イアル装置において、さらに、累積距離値の小さい候補
の氏名又は電話番号の単音節コードデータ列を認識結果
として出力する不特定話者半音節音声認識器とを備えて
いる。

【００１２】また、音声登録手段は、音声アナログ信号
をＰＣＭ信号ヘ変換するＡＤコンバータと、ＰＣＭ信号
を音声アナログ信号ヘ変換するＤＡコンバータと、日本
語の１音節を表す単音節コードデータを受信しひらがな
と数字と漢字の表記文字を表示する表示手段と、単音節
コードデータを受信し音声ＰＣＭデータに変換しＤＡコ
ンバータに出力する音声応答手段と、日本人氏名と日本
語の全単音節と数字１桁の各々について発音表記の単音
節列を単音節コードデータで格納したデータベースＲＯ
Ｍと、データベースＲＯＭ内の氏名項目又は単音節項目
又は１桁数字項目の何れかの項目に属する１氏名又は１
単音節又は１桁数字の何れかの１リストに対する単音節
コードデータ列を読出し認識ワークＲＡＭへ格納する手
段と、単音節単位又は数字１桁単位に発声された音声ア
ナログ信号をＡＤ変換したＰＣＭ信号を不特定話者半音
節音声認識器へ入力し、単音節単位又は数字１桁単位の
認識処理を行い第１候補あるいは複数候補の認識結果を
得る手段と、単音節単位又は数字１桁単位の音声認識結
果情報とデータベースＲＯＭ内の氏名項目又は１桁数字
項目の単音節コードデータ列との両方の情報を用いて発
声内容に最も近いと推測される氏名あるいは数字１桁以
上の単音節コードデータ列を検索し出力する音声登録用
検索器と、検索された氏名又は電話番号の単音節コード
データ列を各氏名と電話番号を対応付けて複数の各氏名
と電話番号リストを認識ワークＲＡＭヘ蓄積格納する手
段とを備えていてもよい。

【００１３】また、音声登録用検索器は、不特定話者半
音節認識器から単音節単位又は数字１桁単位の音声認識
結果情報を累積距離値と共に情報受信し、データベ−ス
ＲＯＭに格納されている氏名項目又は１単音節又は１桁
数字項目の何れかの項目に属する１氏名又は１単音節又
は１桁数字の何れかの１リスト内で、１単音節単位に発
声された音声信号から最も距離の近い単音節コードデー
タ列を検索し認識ワークＲＡＭへ格納する手段を有して
もよい。

【００１４】また、音声ダイアル手段は、ダイアルの宛
先の氏名又は電話番号に対応する発声した音声アナログ
信号をＡＤコンバータで変換したＰＣＭ信号を不特定話
者半音節音声認識器ヘ入力し、認識ワークＲＡＭ内の登
録済み氏名又は電話番号リストに対して発声した音声ア
ナログ信号に最も近いと推測される認識結果を単音節コ
ードデータ列で取得する手段と、認識結果が氏名の場合
は対応付けされた電話番号の単音節コードデータ列を認
識ワークＲＡＭ内から検索して出力する手段と、電話番
号の単音節コードデータ列から電話端末本体ヘの電話発
呼信号ヘ変換する手段とを有してもよい。

【００１５】また、不特定話者半音節音声認識器は、認
識ワークＲＡＭ又はデータベースＲＯＭに格納されてい
る氏名又は電話番号の単音節単位の単音節コードデータ
列に対し半音節単位の半音節コードデータ列ヘ変換する
手段と、氏名又は電話番号の半音節コードデータ列に対
して標準パターン生成器の不特定話者半音節音声認識装
置用の標準パターンデータ生成により得られた標準パタ
ーンを格納した標準パターンＲＯＭ内からどの半音節単
位の隠れマルコフモデルが含まれているかを調ベ、さら
に隠れマルコフモデル状態の連結を示す半音節隠れマル
コフモデル状態コードデータ列ヘ変換する手段と、氏名
又は電話番号の半音節隠れマルコフモデル状態コードデ
ータ列を氏名−電話番号の関係で対応付けし、さらに他
の氏名−電話番号リストと識別可能なように番号付きリ
ストに変換して認識ワークＲＡＭヘ格納する手段と、音
声アナログ信号をＡＤ変換した音声ＰＣＭ信号からフレ
ーム単位の入力特徴ベクトルを抽出する音声分析特徴抽
出器と、抽出された入力特徴ベクトルを認識ワークＲＡ
Ｍヘ格納する手段と、入力特徴ベクトルと、標準半音節
隠れマルコフモデルパターンＲＯＭに格納されている全
半音節隠れマルコフモデルの全状態の標準特徴ベクトル
との状態距離値を算出する状態距離計算器と、算出され
た状態距離値に番号付けして認識ワークＲＡＭに格納す
る手段と、認識ワークＲＡＭに格納された認識対象の各
氏名又は電話番号に対する半音節隠れマルコフモデル状
態コードデータ列の状態結合情報と各状態距離値と標準
パターンＲＯＭ内に格納されている状態間遷移距離値と
を用いてフレーム同期Ｖｉｔｅｒｂｉアルゴリズムによ
り入力音声時間長分の全フレームに対する累積距離値を
算出する累積状態距離計算器と、最も累積距離値の小さ
い第１候補又は第１〜第Ｎ候補の氏名又は電話番号に対
する単音節コードデータ列を認識結果として出力する手
段とを有してもよい。

【００１６】また、標準パターン生成器は、統計的に必
要とされる人数分の多数話者の音声アナログ信号をＡＤ
変換したＰＣＭ信号を、波形表示あるいは試聴等により
所定数の種類の単音節単位のＰＣＭ信号ヘ分割する手段
と、単音節単位に分割された全てのＰＣＭ信号をバッフ
ァリングし、波形表示あるいは試聴等により所定数の種
類の半音節単位のＰＣＭデータ信号ヘ分割する手段と、
半音節単位に分割された全ての各ＰＣＭ信号をフレーム
単位に分割する手段と、フレーム単位に分割された全て
のＰＣＭ信号に対して特徴ベクトルを抽出する音声分析
特徴抽出器と、状態数が所定の個数の隠れマルコフモデ
ルにおいて所定の個数の状態出力確率関数と所定の個数
の２倍個数分の状態遷移確率のパラメータを初期値設定
する手段と、状態出力確率関数を初期設定する際に多次
元正規分布確率密度関数を用いると共に、母数として平
均ベクトルおよび共分散行列の各成分を初期値設定する
手段と、所定の種類分の半音節毎に得られた統計的に必
要とされる人数分のフレーム単位の特徴ベクトルから、
各半音節毎に統計的に必要とされる人数分の特徴ベクト
ルサンプルとして整理して、Ｆｏｒｗａｒｄ−Ｂａｃｋ
ｗａｒｄアルゴリズムという反復的手法により所定の個
数の平均ベクトルおよび共分散行列の各成分値と所定の
個数の２倍個数分の状態遷移確率とを得る手段と、所定
の種類分の半音節毎に得られた隠れマルコフモデルのパ
ラメータ群である多次元正規分布確率密度関数の平均ベ
クトルと共分散行列と状態遷移確率とのパラメータ値を
標準パターンデータとして標準パターンＲＯＭヘ格納す
る手段とを有してもよい。

【００１７】さらに、音声分析特徴抽出器は、入力音声
のＰＣＭ信号をフレーム分割したフレームＰＣＭ信号を
プリエンフアシス処理することにより高周波数帯域を強
調する手段と、プリエンフアシス処理済みフレームＰＣ
Ｍ信号に対し窓処理することによりこの後のＦＦＴ処理
のためのフレーム境界のスムージング処理をする手段
と、窓処理後のフレームＰＣＭ信号をＮ次ＦＦＴ変換処
理することにより線形周波数軸上のＮ次複素係数ベクト
ルへ変換する手段と、Ｎ次複素係数ベクトルから複素数
の絶対値計算によりＮ次振幅係数ベクトルへ変換する手
段と、Ｎ次振幅係数ベクトルに対し対数演算を施してＮ
次対数振幅係数ベクトルを算出する手段と、Ｎ次対数振
幅係数ベクトルに対し時間軸上への逆離散余弦変換によ
りＰ次ケプストラムベクトルを算出する手段と、Ｐ次ケ
プストラムベクトルの高時間成分を抑圧する処理によ
り、声道特性とピッチ特性を分離し声道特性のみを抽出
したＰ次声道特性ケプストラムベクトルを算出する手段
と、Ｐ次声道特性ケプストラムベクトルに対し周波数軸
上ヘの離散余弦変換を行い、線形周波数軸上におけるＮ
次声道特性対数振幅係数ベクトルに変換する手段と、Ｎ
次声道特性対数振幅係数ベクトルに対しメル周波数軸上
における等分割点上のスペクトル成分ヘ補間あるいはス
ムージング処理を施したべクトル成分を算出することに
より人間の聴覚周波数分解能特性に合わせたＮ次声道特
性対数振幅メル尺度係数ベクトルヘ変換する手段と、Ｎ
次声道特性対数振幅メル尺度係数ベクトルに対し時間軸
上ヘの逆離散余弦変換によりＱ次メルケプストラムベク
トルヘ変換する手段とを有してもよい。

【００１８】さらに、状態距離計算器は、入力音声のア
ナログ信号をＡＤ変換しさらにフレーム分割したフレー
ムＰＣＭ信号から音声分析特徴抽出器により得られた入
力特徴ベクトルと標準半音節隠れマルコフモデルの全状
態の標準特徴ベクトルとの状態距離値を所定の距離計算
式により算出する手段を有してもよい。

【００１９】さらに、累積距離計算器は、認識対象の氏
名又は電話番号に対する半音節隠れマルコフモデル状態
コードデータ列の状態結合情報と各状態距離値と標準パ
ターンＲＯＭ内に格納されている状態間選移距離値とを
用いてフレーム同期Ｖｉｔｅｒｂｉアルゴリズムにより
入力音声の全フレームに対する累積距離値を算出する手
段を有してもよい。

【００２０】従って、本発明により、音声認識ダイアル
用の氏名と電話番号の登録操作時間が従来例と比べて短
縮され、また操作間違いも少なくなる。

【００２１】また、従来技術の認識自動ダイアル電話機
では、明記されていなかった音声から文字表示を行う音
声認識処理について、この技術の実現手段を明記するこ
とで本発明の属する技術分野において実際に利用可能と
なる。

【００２２】

【発明の実施の形態】本発明の実施の形態について図面
を参照して説明する。図１は本発明の実施の形態の全体
構成を示すブロック図である。まず、記憶装置として２
種類のＲＯＭ（データベースＲＯＭ１、標準パタ−ンＲ
ＯＭ２）と、２種類のＲＡＭ（認識ワークＲＡＭ３、検
索ワークＲＡＭ４）とがある。

【００２３】また、機能ブロックとして標準パターン生
成器５と、不特定話者半音節音声認識器６と、音声登録
用検索器７と、ＡＤコンバータ８と、ＤＡコンバータ９
と、音声合成器１０と、携帯電話本体部１１と、キーマ
トリクス１２と、表示装置１３と、Ｉ／Ｆ部１４とがあ
る。以降では、音声登録動作と音声ダイアル動作に分け
て実施内容を説明する。また、これに続き主要な機能ブ
ロックの内部詳細動作を、標準パターン生成器５と、不
特定話者半音節音声認識器６と、音声登録用検索器７
の、各々について各記憶装置間との連係動作内容も含め
て説明する。

【００２４】また、図１に示す機能ブロックに対する実
施の形態としては、基本的に半導体集積回路と複合装置
等により実現可能である。まずＲＯＭ１、２と、ＲＡＭ
３、４と、ＡＤコンバータ８と、ＤＡコンバータ９など
は、半導体集積回路となる。また、携帯電話本体１１
と、キーマトリクス１２と、表示装置１３（これはＬＣ
Ｄ等）と、Ｉ／Ｆ部１４（これは携帯電話と拡張機器を
接続するための拡張コネクタが利用可）は、複合装置と
なる。さらに、音声登録用検索器７と、不特定話者半音
節音声認識器６と、音声合成器１０は、ＣＰＵあるいは
音声信号処理を高速演算可能なＤＳＰと呼ばれるマイク
ロプログラム内蔵可能な半導体集積回路上におけるソフ
トウェアにより実現することが可能である。

【００２５】１．音声登録動作 まず、データベースＲＯＭ１に格納されている全ての単
音節単位（ひらがな１文字、即ち５０音＋α（濁音、拗
音等））の単音節コードデータ（ＡＳＣＩＩあるいはＪ
ＩＳあるいはＳＪＩＳ等）を読み出し、更に各単音節コ
ードデータを半音節コードデータ（半音節単位とは１音
節をさらに半分に分割した音素単位をいい、例“た”の
場合、ＴＡ→Ｔ−，−Ａに分割する）に変換して認識ワ
ークＲＡＭ３ヘ格納する。なお、単音節→半音節ヘの変
換は後述の３．不特定話者半音節音声認識器に内蔵され
た機能である。

【００２６】次に登録する氏名と電話番号を離散単音節
単位あるいは数字１桁単位に離散発声することにより、
この登録氏名と登録電話番号のひらがな文字情報として
単音節コードデータを、また数字情報として数字コード
データを以下に詳細に述べる（１）氏名登録動作および
（２）電話番号登録動作により得ることができる。さら
に、得られた氏名と電話番号の対応関連情報と、登録順
の番号を付けて認識ワークＲＡＭ３ヘ格納しておく。こ
れにより、ー連の音声登録動作が終了する。以降の
（１）および（２）では、氏名を“たかはし”、電話番
号を“０３−１２３−４５６７”という例を用いて、音
声登録動作の詳細内容について説明する。

【００２７】（１）氏名登録動作 図２は音声登録動作モードのフローチャートである。

【００２８】まず発声者は、“た”：“か”：“は”：
“し”と単音節毎に無音間隔を入れて発声した音声アナ
ログ信号をＡＤコンバータ８によりＰＣＭ信号ヘ変換す
る（Ｓ３）。これらの４つの単音節分の各ＰＣＭ信号に
対して不特定話者半音節音声認識器６により、単音節単
位の認識結果を得る（Ｓ４）。ここで認識結果は、近い
ものから第１〜第５候補まで出力されるものとする。な
お、複数の単音節認識結果候補を必要とする理由は、半
音節等の音素単位の音声認識器では通常最小音素単位の
認識精度が低く、例えば“た”と発声しても第１候補に
は同母音系の音節として、“あかさたなはまやらわ”
（拗音、濁音等の同母音系も含む）のような認識結果が
出力される確率が高いため、第１候補だけではほとんど
正確な認識結果が得られないのである。そこで認識結果
として複数候補を用いるならば真の発声音節の認識結果
がこれらの複数候補に含まれる可能性が高くなり、さら
に、次に述べる登録氏名決定のための音声登録用検索器
７とデータベースＲＯＭ１の情報とから認識確度が上が
ることになる。

【００２９】さて、氏名例の“た”“か”“は”“し”
という４音節の離散発声アナログ信号をＡＤ変換した各
々のＰＣＭ信号に対して、全ての単音節を認識候補とし
た（実際には、データベースＲＯＭ１から認識ワークＲ
ＡＭ３ヘ全ての単音節コードデータを転送しておく）不
特定話者半音節音声認識器６により図３に示すように４
音節×５候補分の認識結果を得る。

【００３０】これらの情報は４．音声登録用検索器で説
明するように登録ワークＲＡＭヘ格納される。

【００３１】次に音声登録用検索器７により、これらの
認識結果とデータベースＲＯＭ１内の４音節に限定した
（発声回数が４回のため）氏名リストから検索処理によ
リ登録氏名を決定する（Ｓ９）。

【００３２】なお、氏名の検索結果を複数候補とる場合
には、表示機能あるいは音声合成機能等を用いて、キー
入力等により最終的に利用者（＝発声者）選択させるこ
とも出来る（Ｓ１０）。

【００３３】（２）電話番号登録動作 図４は電話番号登録動作モードのフローチャートであ
る。

【００３４】電話番号登録は、認識ワークＲＡＭ３に数
字の単音節結合リスト「″ぜ＋ろ（０）″〜″き＋ゅ＋
う（９）″）をあらかじめロードしておき、電話番号の
桁数分だけ数字１桁ずつ離散発声を行うことにより（Ｓ
１３）得られる認識結果を図５に示すように数字を直接
表すコードに変換する（Ｓ１４）。なお、数字認識の場
合は、単音節認識に比べ認識対象リストも１０程度であ
り、また２音節以上の認識の場合は、認識精度も上がる
ため、あらかじめ電話番号リストをデータベースＲＯＭ
１に準備する必要がない。数字の結果を複数候補とる場
合には、表示機能あるいは音声合成機能等を用いて、キ
ー入力等により最終的に利用者（＝発声者）に選択させ
ることも出来る（Ｓ１６）。

【００３５】なお、電話番号の登録の際は、携帯電話等
においてはキー入力操作も選択可能にしておいてもよ
い。一般に数字のキー割り当ては、１桁ずつある場合が
多いので氏名入力ほど煩雑さの程度が低いからである。

【００３６】２．音声ダイアル動作 図６は音声ダイアル動作モードのフローチャートであ
る。

【００３７】ダイアルを始める前に氏名または電話番号
の音声入力選択をキー入力等の指定により、認識ワーク
ＲＡＭ３内に格納されている氏名あるいは電話番号のい
ずれを認識対象とするかの初期設定を行っておく（Ｓ２
２、Ｓ２３、Ｓ３０）。

【００３８】次に氏名あるいは電話番号の発声を行い
（Ｓ２４、Ｓ３１）、このアナログ音声信号をＡＤ変換
したＰＣＭ信号に対して、不特定話者半音節音声認識器
により認識処理を行う（Ｓ２５、Ｓ３２）。

【００３９】この認識結果は、初期設定において、氏名
なのか、それとも電話番号であるかがわかっている。そ
のため電話番号の認識結果を得た場合は、その情報によ
り電話番号の数字コード等からダイアル用の発呼信号ヘ
変換してダイアルを実行できる（Ｓ３６、Ｓ３７）。氏
名の認識結果を得た場合には、氏名と電話番号の関係付
けされた情報から電話番号の数字コードを特定して同様
にダイアルが可能となる（Ｓ２９、Ｓ３６、Ｓ３７）。
なお、電話番号あるいは氏名の認識処理後にダイアルを
実行する前に氏名の文字と電話番号の数字を表示した
り、あるいは音声合成器により音を出力したりすること
により１回の確認手続きを入れたりする（Ｓ２７、Ｓ３
４）ことで、より親和性のある音声ダイアル機能にする
ことも可能である。

【００４０】３．不特定話者半音節音声認識動作 （１）標準パターン生成処理 図７及び図８は標準パターン生成器の機能ブロック構成
図である。

【００４１】図９は標準パターン生成器による標準パタ
ーン生成処理のフローチャートである。

【００４２】標準パターンの生成は、多数話者（Ｎmax
人とする）の発声音声サンプルから各半音節単位の隠れ
マルコフモデル（ＨＭＭ；Ｈｉｄｄｅｎ Ｍａｒｃｏｖ
Ｍｏｄｅｌ）の確率パラメータを推定することにな
る。

【００４３】まず、全ての調音結合パターンを含んだバ
ランス音素テキストを用意し、統計的に十分な多数の話
者＝Ｎmax 人に発声させて（Ｓ３８）、ＡＤ変換し（Ｓ
３９）、ＰＣＭ信号を一旦認識ワークＲＡＭ３ヘ格納し
ておく。次にＰＣＭデータを波形表示あるいはＤＡ変換
することで目視あるいは試聴等の作業により、Ｈmax種
類の単音節単位に区切り（Ｓ４０）、さらに前後の調音
結合を考慮して分類したＩmax 種類の半音節単位毎に半
音節ＰＣＭ信号を得る（Ｓ４１）。この処理の様子を図
１１の例に示す。

【００４４】ここで“Ｋ−”の“―”は後方に音が続い
ていることを示しており、“一Ａ”の“−”は、前方の
音に続くことを示している。

【００４５】以上までにおいて、半音節種類数×Ｎmax
人分のＰＣＭ信号サンプルが準備できたことになる。こ
れらのＰＣＭ信号サンプルについてさらに１フレームあ
たり１２ｍｓ〜１６ｍｓ程度に分割（フレミング）した
（Ｓ４２）後に、後述の音声分析特徴抽出処理により半
音節種類×Ｎmax 人分の特徴ベクトル（フレーム単位）
を得る（Ｓ４３）。

【００４６】そして、最終的に“Ｋ−”の為の標準パタ
ーンを生成するということは、１つの半音節カテゴリー
“Ｋ−”に１つのＨＭＭの標準パターンモデルを対応さ
せ、その半音節のＦmax フレーム分の特徴ベクトル出力
が対応するＨＭＭの４状態の遷移過程で最も高い確率で
出力されるように各状態の確率パラメータおよび状態遷
移確率を求めることにある。

【００４７】次に、各半音節種類毎に状態数＝Ｊmax 個
のＬｅｆｔ ｔｏ Ｒｉｇｈｔ型ＨＭＭの状態出力確率
関数Ｂｊの母数とＪmax ×２個分の状態遷移確率＝α
（ｊ−１，ｊ）およびα（ｊ，ｊ）の各パラメータを求
める方法について説明する。例として、１つの半音節”
Ｋ−”に対して、図１１のような状態数が４の半音節Ｈ
ＭＭの各パラメータをＮmax 人の特徴ベクトルから求め
る場合を説明する。

【００４８】ここで、α₀₀〜α₃₃は、以下のように状態
遷移確率α［＊，＊］を示す。 ・α（ｊ−１，ｊ）：状態ｊ−１からｊヘの状態遷移確
率（α₀₁、α₀₂、α₀₃）。・α（ｊ，ｊ）：状態ｊから
ｊヘの状態遷移確率（α₀₀、α₁₁、α₂₂、α₃₃）。

【００４９】また、出力確率＝Ｂ₀〜Ｂ₃は、以下のよう
な算出式になる。 ・Ｂｊ：下式の状態ｊの特徴ベクトル出力確率関数（初
期設定する際に多次元正規分布（ガウス）確率密度関数
を用いると共に、母数として平均ベクトルおよび共分散
行列の各成分を初期値設定する。）

【００５０】

【数１】 （備考：ｔは転置操作（縦ベクトル→横ベクトル）、Ｖ
kmj の−１は逆行列を示す。） ただし、 ｊ＝状態番号、ｊ＝０〜Ｊmax-1 ｋ：混合分布番号。ｋ＝０〜Ｋmax-1、Ｋmax：混合分布
数 ｍ：特徴ベクトル種類番号。ｍ＝０〜Ｍmax-1、Ｍmax：
特徴ベクトル種類数 λkmj ：混合分布の重みを決める混合分布係数 μmj：特徴ベクトル種類間の重みを決める特徴ベクトル
重み係数 Ｘm ：入力音声サンプルのフレーム単位の特徴ベクトル

【００５１】

【数２】 Ｖkmj ：共分散行列 ｜Ｖkmj｜ ：Ｖm のノルム（行列式） なお以降では、説明を容易にするため混合分布数を１
（Ｋmax＝１、λkmj＝１）、および特徴ベクトル種類を
１（Ｍmax＝１、μmj＝１） として下式を用いる。 ［混合分布数＝特徴ベクトル数＝１とした場合の出力確
率密度関数］

【００５２】

【数３】 ここで求めるパラメータは、

【００５３】

【数４】 共分散行列：Ｖj と、状態遷移確率：α（ｊ−１，ｊ）
およびα（ｊ，ｊ）であり、これが半音節”Ｋ−”の標
準パターンとなる。

【００５４】これらのパラメータは、Ｎmax 人分の半音
節”Ｋ−”の特徴ベクトルサンプルから以下に述ベるＦ
Ｂ（Ｆｏｒｗａｒｄ Ｂａｃｋｗａｒｄ）アルゴリズム
（Ｂａｕｍ−ｗｅｌｃｈアルゴリズムともいい、ＥＭ
（Ｅｘｐｅｃｔａｔｏｎ Ｍａｘｉｍｉｚａｔｉｏｎ）
手法を基本としたアルゴリズム）により反復的に収束す
るまで演算を繰り返すことにより得られる。

【００５５】ＦＢアルゴリズムを述べる前に、まず、半
音節”Ｋ−”のＮmax 人分の特徴ベクトルを以下のよう
に再定義する。

【００５６】○再定義 話者ｎの特徴ベクトル：Ｘ→Ｘ（ｎ，ｆ） ただし、 ｎ：話者番号、ｎ＝０〜Ｎmax-1 ｆ：フレーム番号、ｆ＝０〜Ｆmax(n)-1 Ｆmax(n)：話者番号ｎの半音節”Ｋ−”のフレーム数 （注：−般に話者毎にサンプルしたフレーム数は異な
る） さらに、以下のＦＢアルゴリズム処理を行う（Ｓ４
６）。

【００５７】［ＦＢアルゴＪズム］ 共分散行列：Ｖj 、

【００５８】

【数５】 状態遷移確率：α［ｊ−１，ｊ］およびα［ｊ，ｊ］の
初期値を設定する（Ｓ４５）。

【００５９】［初期設定値］

【００６０】

【数６】 共分散行列：Ｖj→Ｖj 0 状態遷移確率：α［ｊ−１，ｊ］→α［ｊ−１，ｊ］
0 およびα［ｊ，ｊ］→α［ｊ，ｊ］ 0

【００６１】半音節”Ｋ−”のＨＭＭに対する前向き
パスアルゴリズムによる確率値の目標値（＝ＦＷＤ t
h）と反復処理の最大回数（＝ＣＮＴmax） を設定す
る。

【００６２】 〜の処理をｃｎｔ＝１〜ＣＮＴma
x まで繰り返す。

【００６３】 〜の処理をｊ＝０〜Ｊmax（Ｊmax
＝３）まで繰り返す。

【００６４】下式により、各パラメ−タの更新値を算
出する。

【００６５】

【数７】

【００６６】新しいパラメータにより、入力特徴ベク
トル＝Ｘｍ（ｎ，ｆ）に対する、ＨＭＭモデルの前向き
パスアルゴリズムによる出力確率を下式により求める。

【００６７】

【数８】

【００６８】出力確率≧ＦＷＤ thが成立するか（Ｓ
４７）、あるいは、ｃｎｔ＞ＣＮＴmax となれば（Ｓ４
９）処理を終了する。

【００６９】この時の、パラメータを半音節“Ｋ−”
の標準パターンとする。

【００７０】ここで、ＦＷＤ（ｊ，ｆ）は、前向きパス
アルゴリズムで求められる確率（Ｂａｕｍ−Ｗｅｌｃｈ
スコアとも呼ばれる）であり、またＢＣＫ（ｊ，ｆ）
は、後向きパスアルゴリズムにより求められる確率であ
る。

【００７１】また実際には、標準パターンのパラメータ
を多数サンプルにより求める際は、状態出力確率関数を
２つ以上の多次元正規分布の混合分布としたり（例えば
男性と女性別等）、特徴ベクトルの種類を増加させる
（例えばメルケプストラムベクトルに加えて、フレーム
間差分のΔメルケプストラム、１フレームの平均パワー
のフレーム間差分：Δ平均パワー等）ことでより認識精
度を向上可能である。

【００７２】以上の処理について、Ｉmax 種類の半音節
ＨＭＭを標準パターンとして求めて、標準パターンＲＯ
Ｍに格納しておく（Ｓ５０）。

【００７３】（２）音声分析特徴抽出処理 図１２及び図１３は不特定話者半音節音声認識器の機能
ブロック構成図である。

【００７４】図１４〜図１６は不特定話者半音節音声認
識処理のフローチャートである。図１７はフローチャー
トの凡例を示す図表である。

【００７５】音声分析特徴抽出器の音声分析特徴抽出処
理は、以下の全工程をフレーム単位で行う処理である。

【００７６】入力音声のＰＣＭ信号を１２ｍｓ〜１６
ｍｓ程度にフレーム分割したフレームＰＣＭ信号をプリ
エンファシス処理（一次差分処理）することにより高周
波数帯域を強調する。

【００７７】プリエンファシス処理済みフレームＰＣ
Ｍ信号に対し窓処理（ハニング窓等）することによりこ
の後のＦＦＴ処理のためのフレーム境界のスムージング
処理をする。

【００７８】窓処理後のフレームＰＣＭ信号をＮ次Ｆ
ＦＴ変換処理することにより線形周波数軸上のＮ次複素
係数ベクトルヘ変換する。

【００７９】Ｎ次複素係数ベクトルから複素数の絶対
値計算によりＮ次振幅係数ベクトルヘ変換する。

【００８０】Ｎ次振幅係数ベクトルに対し対数演算を
施してＮ次対数振幅係数ベクトルを算出する。

【００８１】Ｎ次対数振幅係数ベクトルに対し時間軸
上ヘの逆離散余弦変換によりＰ次ケプストラムベクトル
を算出する。

【００８２】Ｐ次ケプストラムベクトルの高時間成分
を抑圧する処理（リフタリング）により、声道特性とピ
ッチ特性（声帯特性）を分離し声道特性のみを抽出した
Ｐ次ケプストラムベクトルを算出する。

【００８３】Ｐ次声道特性ケプストラムベクトルに対
し周波数軸上ヘの離散余弦変換を行い線形周波数軸上に
おけるＮ次声道特性対数振幅係数ベクトルに変換する。

【００８４】Ｎ次声道特性対数振幅係数ベクトルに対
しメル周波数軸上（近似的に対数スケール）における等
分割点上のスペクトル成分ヘ補間あるいはスムージング
処理を施したべクトル成分を算出することにより人間の
聴覚周波数分解能特性（低周波：高→高周波：低）に合
わせたＮ次声道特性対数振幅メル尺度係数ベクトルヘ変
換する。

【００８５】次に、Ｎ次声道特性対数振幅メル尺度係数
ベクトルに対し時間軸上ヘの逆離散余弦変換によりＱ次
メルケプストラムベクトルヘ変換する。

【００８６】以上により、１フレーム分ＰＣＭ信号から
入力特徴ベクトルが得られる（Ｓ５８）。

【００８７】（３）状態距離計算 状態距離計算器は、入力音声のアナログ信号をＡＤ変換
し、さらに１２ｍｓ〜１６ｍｓ程度にフレーム分割した
ＰＣＭ信号から音声分析特徴抽出器の音声分析特徴抽出
処理により得られた入力特徴ベクトルと、標準半音節Ｈ
ＭＭの全状態の標準特徴ベクトルとの状態距離値を下記
の距離計算式により算出する（Ｓ６０）。

【００８８】［距離計算式］ ΔＸi,j,k,m ＝Ｘin −Ｘi,j,k,m

【００８９】

【数９】 （備考：ｔは転置操作（縦ベクトル→横ベクトル）、Ｖ
i,j,k,mの−１は逆行列を示す。） Ｘin： 入力音声の特徴ベクトル Ｘi,j,k,m：標準パターンの特徴平均ベクトル Ｄi,j：半音節＝ｉ、状態＝ｊの状態の状態距離計算値 Ｖi,j,k,m：標準パターンの特徴量共分散行列 ｜Ｖi,j,k,m｜：共分散行列Ｖi,j,k,mのノルム（分散
値） ｉ：半音節番号、ｉ＝０〜Ｉmax −１、Ｉmax ：全半音
節種類 ｊ：１半音節のＨＭＭにおける状態番号、ｊ＝０〜Ｊma
x −１、Ｊmax ：１ＨＭＭの全状態数 ｋ：混合分布番号、ｋ＝０〜Ｋmax −１、Ｋmax ：混合
分布数 ｍ：特徴ベクトル種類番号、ｍ＝０〜Ｍmax −１、Ｍma
x ：総特徴ベクトル種類数

【００９０】（４）Ｖｉｔｅｒｂｉ処理（パターンマッ
チング処理） 例として、以下のような氏名リストの認識を行うことを
考える。“たかはし”という単語はまず、“ＴＡＫＡＨ
ＡＳＩ”と母音、子音列に変換され、更に“Ｔ−，−Ａ
−，−Ｋ−，−Ａ−，―Ｈ−，−Ａ−，−Ｓ−，−Ｉ”
という半音節列に規則的に、分解される。 （単音節列）“たかはし” （母音、子音列）“ＴＡＫＡＨＡＳＩ” （半音節列） “Ｔ−，一Ａ−，−Ｋ−，−Ａ−，−Ｈ−，−Ａ−，−
Ｓ−，−Ｉ” 各半音節は、前述の図１１のように標準パターンＨＭＭ
を持って表現されていた。

【００９１】これにより、“たかはし”という単語のＨ
ＭＭ連結モデルは図１８のようになる。

【００９２】このＨＭＭ連結モデルから、−種の累積確
率を算出するのがＶｉｔｅｒｂｉアルゴリズムである。

【００９３】Ｖｉｔｅｒｂｉアルゴリズムは、基本的に
図１９の最適パス選択処理の繰り返しである。

【００９４】まず分かりやすい例としてとして、１つの
半音節ＨＭＭ“Ｔ−”のＶｉｔｅｒｂｉスコア算出例を
図２０に示す。又、入力パターンはＦmaxフレーム分と
する。 図２０の例のように、各フレーム入力毎に、全
状態のＶｉｔｅｒｂｉスコアを求めていき、全フレーム
分について、算出した時の状態３のＶｉｔｅｒｂｉスコ
アが、“Ｔ−”の入力特徴ベクトルに対する標準パター
ンの出力確率となる。さて、これを“たかはし”という
単語のＨＭＭ連結モデルに適用する場合には、状態数
が、４×８＝３２、入力フレーム数＝Ｆmax として、半
音節“−Ｉ”のＨＭＭにおける状態３のＶｉｔｅｒｂｉ
スコアを算出することで、入力特徴ベクトル“たかは
し”のＨＭＭ連結モデルからの出力確率が求まることに
なる。

【００９５】実際には、認識対象リストが、“たかは
し”の他にも複数存在するので、例えば“いとう”とい
う氏名に対しても同様の半音節列ヘの変換をしてＶｉｔ
ｅｒｂｉスコアを算出する（Ｓ７５）。そして、全認識
対象リストにおけるＶｉｔｅｒｂｉスコアから最も確率
値の高い（距離値の小さい）認識対象リストの１つを認
識結果とする（Ｓ８６）。以下にＶｉｔｅｒｂｉアルゴ
リズムの処理手順を示す。

【００９６】［Ｖｉｔｅｒｂｉアルゴリズム］ （Ｓ５７〜Ｓ８１）〜の処理をｆ＝０〜Ｆmax −
１まで繰り返す。 （Ｓ７３〜Ｓ７９）〜の処理をｗ＝０〜Ｗmax −
１まで繰り返す。 （Ｓ７３〜Ｓ７７）〜の処理をｓ＝０〜Ｓmax
（ｗ）−１ まで繰り返す。 （Ｓ７３）ｉ←［状態＝ｓが属する半音節番号］ ｊ←［状態＝ｓが属している半音節番号＝ｉにおけるＨ
ＭＭ内の状態番号］ （Ｓ７４）Ｐａｔｈ（ｊ−１，ｊ）＝α（ｊ−１，
ｊ）＋Ｇ（ｗ，ｓ−１） Ｐａｔｈ（ｊ，ｊ）＝α（ｊ，ｊ）＋Ｇ（ｗ，ｓ） （Ｓ７５）累積距離値：Ｇ（ｗ，ｓ）＝Ｍａｘ［Ｐａ
ｔｈ（ｊ−１，ｊ），Ｐａｔｈ（ｊ，ｊ）］＋Ｄijの計
算 ただし、 ｆ：入力フレーム番号、Ｆmax：全フレーム数 ｗ：認識対象（氏名ｏｒ電話番号）リストの番号、Ｗma
x：全リスト数 ｓ：リスト内状態連結の通し番号、Ｓmax（ｗ）： 認識
対象リスト＝ｗ番の全連結状態数 α（ｊ−１，ｊ）：ｉ番の半音節ＨＭＭにおいて状態ｊ
−１からｊヘの状態遷移距離値（ｊ−１＜０の場合は距
離値＝０） α（ｊ，ｊ）：ｉ番の半音節ＨＭＭにおいて状態ｊから
ｊヘの状態遷移距離値 Ｄij：半音節＝ｉ、状態＝ｊの状態の入力特徴ベクトル
との状態距離値

【００９７】なお、Ｖｉｔｅｒｂｉスコアは確率値とし
て説明していたが、実際には桁数の制限等でアンダーフ
ロー等の問題を避ける為に、対数演算を施したものでＶ
ｉｔｅｒｂｉスコアを計算することもある。

【００９８】又、演算量低減及びメモリ量低減の為に標
準パターンの平均ベクトル、共分散行列をクラスタリン
グして演算量を低減する工夫もある。

【００９９】例えば、半音節ＨＭＭが２５０種類ある
と、２５０×４＝１０００種類の平均ベクトルと共分散
行列を用意しなければならないが、例えば平均ベクトル
を５１２カテゴリー（この場合、共分散行列も５１２種
類）に、また分散行列のノルムを２５６カテゴリーに、
ベクトル量子化の手法（セントロイドベクトル等）によ
りベクトル値を代表させることで、クラスタリングを行
うと、演算量とメモリ量が１／２〜１／４になる。実際
にこのような工夫により、認識性能は劣化することなく
演算量とメモリ量を低減することは可能である。

【０１００】４．音声登録用検索器 音声登録用検索器（以降検索器という）は、不特定話者
半音節認識器（以降認識器という）から１音節単位の認
識結果を第１候補〜Ｎ候補まで距離値と共に情報受信
し、データベ−スＲＯＭ１に格納されている日本人全氏
名の平仮名文字データリスト内で、１音節単位に発声さ
れた氏名の音声信号から最も距離の近い氏名の文字コー
ドを検索し、これを認識音節列ワークＲＡＭヘ格納す
る。これにより、音声信号入力による氏名登録が行われ
ることになる。以降では、この音声登録動作について具
体的な実施例を説明する。

【０１０１】まず、発声される音声信号を“た”＋
“か”＋“は”＋“し”と、１音節単位に離散発声され
たものを例とする。認識器から検索器には、１音節の発
声毎に認識結果の文字コードと距離値が図２０の例のよ
うに複数候補出力される。

【０１０２】ここで、第１候補が実際の発声音声＝
“た”に対し“な”になっているのは、１音節分の発声
方法が似かよっているためである。これは、基本的に子
音＋母音という１音節の構造上子音だけが異なり、母音
が全て同じ場合には、たとえ人の聴覚識別能力であって
も間違って聞き取ってしまうものと同じ事である。認識
器では、メルケプストラムという音声信号の特徴量を抽
出しているがこれは声道の特徴量を抽出していることと
同じ意味である。

【０１０３】“た”のＰＣＭ信号を実際に認識器により
認識処理した場合した場合は、“Ｔ−”＋“−Ａ”とい
う半音節ＨＭＭ結合より出現される確率が最も高い（距
離値が小さい）のではなく、実際には人間の微妙な発声
変形等の影響により、“子音の半音節”＋“−Ａ”もほ
ぼ同等の認識距離となってしまうのである。例えば同母
音系の”な”を考えてみると、半音節は“Ｎ”＋“−
Ａ”となり、母音部は同じとなるため、また子音部につ
いても”た”と”な”については、どちらも子音を発声
する瞬間は舌を上あごにつけてから“−Ａ”を発声する
ため、“た”と誤認識し易くなってしまうのである。し
かし、複数音節から通常構成される氏名の場合は、上例
において残る“か”、“は”、“し”の音節の認識結果
も誤認識し易くなるのは変わりないが、累積確率を存在
する氏名の音節列のみに対して計算することにより、単
音節認識の誤認識を補うことが出来るのである。これを
以降に示す。

【０１０４】まず、“た、”、“か”、“は”、“し”
の各発声に対する単音節認識結果が図２２の例のように
なったとする。

【０１０５】まず、検索装置ではこの情報を登録用音節
列ワークＲＡＭへ一時格納しておく。次に、発声回数が
４回であることがカウンタ等により力ウント出来るた
め、データベースＲＯＭから四文字の氏名リストを検索
し、そられもワークＲＡＭに格納しておく。次に、４文
字氏名リストの文字コードを調ベて認識結果の全ての文
字コ―ドが１つでも含まれている氏名を絞り込む。更
に、絞り込んだ４文字氏名リストについて認識結果の距
離値でもって累積距離値を累加算演算処理により計算し
ていく。ここで、ある氏名のある文字コードには距離が
ないものがあるが、以下の方法により計算する。

【０１０６】ここで、また例として絞り込まれた４文字
氏名リストが図２３のようになったとする。

【０１０７】次に、これらの候補氏名に対して累積距離
値を算出する。この際認識結果リストにある候補に対し
ては、発声順も考慮して距離値を加算していき、認識結
果リストにない文字に対しては最大距離値＝５．０を設
定して累加算演算を行う。図２３の例の一覧により、
“た”＋“か”＋“は”＋“し”が最も小さい値にな
り、これが登録氏名となる。

【０１０８】

【発明の効果】以上説明したように本発明は、入力音声
に対する、登録済み氏名又は電話番号の単音節コードデ
ータ列と半音節単位の標準パターンデータとを用いた認
識処理により、携帯電話機等における氏名と電話番号登
録操作、およびダイアル操作等のキー操作における煩雑
さを低減することができ、音声認識ダイアル用の氏名と
電話番号の登録操作時間が従来例と比べて短縮され、ま
た操作間違いも少なくなるという効果がある。

【０１０９】また、従来技術の認識自動ダイアル電話機
では、明記されていなかった音声から文字表示を行う音
声認識処理について、この技術の実現手段を明記するこ
とで本発明の属する技術分野において実際に利用可能と
なるという効果がある。

【図面の簡単な説明】

【図１】本発明の実施の形態の全体構成を示すブロック
図である。

【図２】音声登録動作モードのフローチャートである。

【図３】不特定話者半音節音声認識器により得られた４
音節×５候補分の認識結果を示す図である。

【図４】電話番号登録動作モードのフローチャートであ
る。

【図５】電話番号の認識結果の数字を直接表すコードへ
の変換を示す図である。

【図６】音声ダイアル動作モードのフローチャートであ
る。

【図７】標準パターン生成器の機能ブロック構成図であ
る。

【図８】標準パターン生成器の機能ブロック構成図であ
る。

【図９】標準パターン生成処理のフローチャートであ
る。

【図１０】単音節ＰＣＭ信号から半音節ＰＣＭ信号を得
る例の図である。

【図１１】状態数が４の半音節ＨＭＭを示す図である。

【図１２】不特定話者半音節音声認識器の機能ブロック
構成図である。

【図１３】不特定話者半音節音声認識器の機能ブロック
構成図である。

【図１４】不特定話者半音節音声認識処理のフローチャ
ートである。

【図１５】不特定話者半音節音声認識処理のフローチャ
ートである。

【図１６】不特定話者半音節音声認識処理のフローチャ
ートである。

【図１７】フローチャートの凡例を示す図表である。

【図１８】“たかはし”という単語のＨＭＭ連結モデル
を示す図である。

【図１９】最適パス選択処理を示す図である。

【図２０】１つの半音節ＨＭＭ“Ｔ−”のＶｉｔｅｒｂ
ｉスコア算出例を示す図である。

【図２１】不特定話者半音節音声認識器から音声登録用
検索器に複数候補出力される、１音節の発声毎の認識結
果の文字コードと距離値を示す図である。

【図２２】“た、”、“か”、“は”、“し”の各発声
に対する単音節認識結果を示す図である。

【図２３】絞り込まれた４文字氏名リストに対して累積
距離値を算出する図である。

【符号の説明】

１ データベースＲＯＭ ２ 標準パタ−ンＲＯＭ ３ 認識ワークＲＡＭ ４ 検索ワークＲＡＭ ５ 標準パターン生成器 ６ 不特定話者半音節音声認識器 ７ 音声登録用検索器 ８ ＡＤコンバータ ９ ＤＡコンバータ １０ 音声合成器 １１ 携帯電話本体部 １２ キーマトリクス １３ 表示装置 １４ Ｉ／Ｆ部 １５ 音声登録音声ダイアル操作者 １６ 制御信号バス １７ メモリバス

───────────────────────────────────────────────────── フロントページの続き (56)参考文献 特開 平３−235557（ＪＰ，Ａ) 特開 昭57−180258（ＪＰ，Ａ) 特公 平７−104678（ＪＰ，Ｂ２) 電子情報通信学会技術研究報告「音 声」ＶＯＬ．89，ＮＯ．90，ＳＰ89− 15，「半音節ＨＭＭによる連続音声認 識」ｐ．23−28（1989年６月22日発行)

Claims (9)

(57)【特許請求の範囲】
1. 【請求項１】 氏名と電話番号を発声した音声のＰＣＭ
   信号から音声認識処理により単音節コードデータ列を取
   得し、音声認識ダイアル用の対象氏名と電話番号を音声
   入力で登録する音声登録手段と、 氏名又は電話番号の音声アナログ信号からあらかじめ登
   録済みの氏名と電話番号の単音節コードデータ列を用い
   てダイアルをする音声ダイアル手段と、 入力音声に対する、登録済み氏名又は電話番号の単音節
   コードデータ列と半音節単位の標準パターンデータとを
   用いた認識処理と、を備える音声認識ダイアル装置にお
   いて、 さらに、 累積距離値の小さい候補の氏名又は電話番号の
   単音節コードデータ列を認識結果として出力する不特定
   話者半音節音声認識器とを備えている音声認識ダイアル
   装置。
2. 【請求項２】 前記音声登録手段は、 音声アナログ信号をＰＣＭ信号ヘ変換するＡＤコンバー
   タと、 前記ＰＣＭ信号を前記音声アナログ信号ヘ変換するＤＡ
   コンバータと、 日本語の１音節を表す単音節コードデータを受信しひら
   がなと数字と漢字の表記文字を表示する表示手段と、 前記単音節コードデータを受信し音声ＰＣＭデータに変
   換しＤＡコンバータに出力する音声応答手段と、 日本人氏名と日本語の全単音節と数字１桁の各々につい
   て発音表記の単音節列を単音節コードデータで格納した
   データベースＲＯＭと、 該データベースＲＯＭ内の氏名項目又は単音節項目又は
   １桁数字項目の何れかの項目に属する１氏名又は１単音
   節又は１桁数字の何れかの１リストに対する単音節コー
   ドデータ列を読出し認識ワークＲＡＭへ格納する手段
   と、 単音節単位又は数字１桁単位に発声された前記音声アナ
   ログ信号をＡＤ変換した前記ＰＣＭ信号を前記不特定話
   者半音節音声認識器へ入力し、前記単音節単位又は数字
   １桁単位の認識処理を行い第１候補あるいは複数候補の
   認識結果を得る手段と、 前記単音節単位又は数字１桁単位の音声認識結果情報と
   前記データベースＲＯＭ内の氏名項目又は１桁数字項目
   の単音節コードデータ列との両方の情報を用いて発声内
   容に最も近いと推測される氏名あるいは数字１桁以上の
   単音節コードデータ列を検索し出力する音声登録用検索
   器と、 検索された氏名又は電話番号の単音節コードデータ列を
   各氏名と電話番号を対応付けて複数の該各氏名と電話番
   号リストを認識ワークＲＡＭヘ蓄積格納する手段とを備
   えている請求項１に記載の音声認識ダイアル装置。
3. 【請求項３】 前記音声登録用検索器は、 前記不特定話者半音節認識器から前記単音節単位又は数
   字１桁単位の音声認識結果情報を累積距離値と共に情報
   受信し、前記データベ−スＲＯＭに格納されている氏名
   項目又は１単音節又は１桁数字項目の何れかの項目に属
   する１氏名又は１単音節又は１桁数字の何れかの１リス
   ト内で、１単音節単位に発声された音声信号から最も距
   離の近い単音節コードデータ列を検索し認識ワークＲＡ
   Ｍへ格納する手段を有する請求項２に記載の音声認識ダ
   イアル装置。
4. 【請求項４】 前記音声ダイアル手段は、 ダイアルの宛先の氏名又は電話番号に対応する発声した
   音声アナログ信号をＡＤコンバータで変換したＰＣＭ信
   号を前記不特定話者半音節音声認識器ヘ入力し、認識ワ
   ークＲＡＭ内の登録済み氏名又は電話番号リストに対し
   て前記発声した音声アナログ信号に最も近いと推測され
   る認識結果を単音節コードデータ列で取得する手段と、 認識結果が氏名の場合は対応付けされた電話番号の単音
   節コードデータ列を前記認識ワークＲＡＭ内から検索し
   て出力する手段と、 前記電話番号の単音節コードデータ列から電話端末本体
   ヘの電話発呼信号ヘ変換する手段とを有する請求項１に
   記載の音声認識ダイアル装置。
5. 【請求項５】 前記不特定話者半音節音声認識器は、 認識ワークＲＡＭ又はデータベースＲＯＭに格納されて
   いる氏名又は電話番号の単音節単位の単音節コードデー
   タ列に対し半音節単位の半音節コードデータ列ヘ変換す
   る手段と、 氏名又は電話番号の前記半音節コードデータ列に対して
   標準パターン生成器の不特定話者半音節音声認識装置用
   の標準パターンデータ生成により得られた標準パターン
   を格納した標準パターンＲＯＭ内からどの半音節単位の
   隠れマルコフモデルが含まれているかを調ベ、さらに前
   記隠れマルコフモデル状態の連結を示す半音節隠れマル
   コフモデル状態コードデータ列ヘ変換する手段と、 氏名又は電話番号の前記半音節隠れマルコフモデル状態
   コードデータ列を氏名−電話番号の関係で対応付けし、
   さらに他の氏名−電話番号リストと識別可能なように番
   号付きリストに変換して前記認識ワークＲＡＭヘ格納す
   る手段と、 音声アナログ信号をＡＤ変換した音声ＰＣＭ信号からフ
   レーム単位の入力特徴ベクトルを抽出する音声分析特徴
   抽出器と、 抽出された前記入力特徴ベクトルを前記認識ワークＲＡ
   Ｍヘ格納する手段と、 前記入力特徴ベクトルと、標準半音節隠れマルコフモデ
   ルパターンＲＯＭに格納されている全半音節隠れマルコ
   フモデルの全状態の標準特徴ベクトルとの状態距離値を
   算出する状態距離計算器と、 算出された前記状態距離値に番号付けして認識ワークＲ
   ＡＭに格納する手段と、 前記認識ワークＲＡＭに格納された認識対象の各氏名又
   は電話番号に対する前記半音節隠れマルコフモデル状態
   コードデータ列の状態結合情報と各状態距離値と前記標
   準パターンＲＯＭ内に格納されている状態間遷移距離値
   とを用いてフレーム同期Ｖｉｔｅｒｂｉアルゴリズムに
   より入力音声時間長分の全フレームに対する累積距離値
   を算出する累積状態距離計算器と、 最も前記累積距離値の小さい第１候補又は第１〜第Ｎ候
   補の氏名又は電話番号に対する単音節コードデータ列を
   認識結果として出力する手段とを有する請求項１から請
   求項４の何れか１項に記載の音声認識ダイアル装置。
6. 【請求項６】 前記標準パターン生成器は、 統計的に必要とされる人数分の多数話者の音声アナログ
   信号をＡＤ変換したＰＣＭ信号を、波形表示あるいは試
   聴等により所定数の種類の単音節単位のＰＣＭ信号ヘ分
   割する手段と、 前記単音節単位に分割された全てのＰＣＭ信号をバッフ
   ァリングし、波形表示あるいは試聴等により所定数の種
   類の半音節単位のＰＣＭデータ信号ヘ分割する手段と、 前記半音節単位に分割された全ての各ＰＣＭ信号をフレ
   ーム単位に分割する手段と、 前記フレーム単位に分割された全てのＰＣＭ信号に対し
   て特徴ベクトルを抽出する音声分析特徴抽出器と、 状態数が所定の個数の隠れマルコフモデルにおいて前記
   所定の個数の状態出力確率関数と前記所定の個数の２倍
   個数分の状態遷移確率のパラメータを初期値設定する手
   段と、 前記状態出力確率関数を初期設定する際に多次元正規分
   布確率密度関数を用いると共に、母数として平均ベクト
   ルおよび共分散行列の各成分を初期値設定する手段と、 所定の種類分の半音節毎に得られた前記統計的に必要と
   される人数分のフレーム単位の前記特徴ベクトルから、
   各半音節毎に前記統計的に必要とされる人数分の特徴ベ
   クトルサンプルとして整理して、Ｆｏｒｗａｒｄ−Ｂａ
   ｃｋｗａｒｄアルゴリズムという反復的手法により前記
   所定の個数の平均ベクトルおよび共分散行列の各成分値
   と前記所定の個数の２倍個数分の状態遷移確率とを得る
   手段と、 所定の種類分の半音節毎に得られた隠れマルコフモデル
   のパラメータ群である多次元正規分布確率密度関数の平
   均ベクトルと共分散行列と状態遷移確率とのパラメータ
   値を標準パターンデータとして標準パターンＲＯＭヘ格
   納する手段とを有する請求項５に記載の音声認識ダイア
   ル装置。
7. 【請求項７】 前記音声分析特徴抽出器は、 入力音声のＰＣＭ信号をフレーム分割したフレームＰＣ
   Ｍ信号をプリエンフアシス処理することにより高周波数
   帯域を強調する手段と、 前記プリエンフアシス処理済みフレームＰＣＭ信号に対
   し窓処理することによりこの後のＦＦＴ処理のためのフ
   レーム境界のスムージング処理をする手段と、 前記窓処理後のフレームＰＣＭ信号をＮ次ＦＦＴ変換処
   理することにより線形周波数軸上のＮ次複素係数ベクト
   ルへ変換する手段と、 該Ｎ次複素係数ベクトルから複素数の絶対値計算により
   Ｎ次振幅係数ベクトルへ変換する手段と、 該Ｎ次振幅係数ベクトルに対し対数演算を施してＮ次対
   数振幅係数ベクトルを算出する手段と、 該Ｎ次対数振幅係数ベクトルに対し時間軸上への逆離散
   余弦変換によりＰ次ケプストラムベクトルを算出する手
   段と、 該Ｐ次ケプストラムベクトルの高時間成分を抑圧する処
   理により、声道特性とピッチ特性を分離し声道特性のみ
   を抽出したＰ次声道特性ケプストラムベクトルを算出す
   る手段と、 該Ｐ次声道特性ケプストラムベクトルに対し周波数軸上
   ヘの離散余弦変換を行い、線形周波数軸上におけるＮ次
   声道特性対数振幅係数ベクトルに変換する手段と、 該Ｎ次声道特性対数振幅係数ベクトルに対しメル周波数
   軸上における等分割点上のスペクトル成分ヘ補間あるい
   はスムージング処理を施したべクトル成分を算出するこ
   とにより人間の聴覚周波数分解能特性に合わせたＮ次声
   道特性対数振幅メル尺度係数ベクトルヘ変換する手段
   と、 該Ｎ次声道特性対数振幅メル尺度係数ベクトルに対し時
   間軸上ヘの逆離散余弦変換によりＱ次メルケプストラム
   ベクトルヘ変換する手段とを有する請求項５又は請求項
   ６に記載の音声認識ダイアル装置。
8. 【請求項８】 前記状態距離計算器は、 入力音声のアナログ信号をＡＤ変換しさらにフレーム分
   割したフレームＰＣＭ信号から前記音声分析特徴抽出器
   により得られた入力特徴ベクトルと標準半音節隠れマル
   コフモデルの全状態の標準特徴ベクトルとの状態距離値
   を所定の距離計算式により算出する手段を有する請求項
   ５に記載の音声認識ダイアル装置。
9. 【請求項９】 前記累積距離計算器は、 認識対象の氏名又は電話番号に対する半音節隠れマルコ
   フモデル状態コードデータ列の状態結合情報と各状態距
   離値と標準パターンＲＯＭ内に格納されている状態間選
   移距離値とを用いてフレーム同期Ｖｉｔｅｒｂｉアルゴ
   リズムにより入力音声の全フレームに対する累積距離値
   を算出する手段を有する請求項５に記載の音声認識ダイ
   アル装置。