JP3514481B2 - 音声認識装置 - Google Patents

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】本発明は音声認識装置に関し、特
に本発明は入力音声パターンで辞書を更新（再学習）す
る手段を持った音声認識装置に関するものである。

【０００２】

【従来の技術】登録型の音声認識装置においては、認識
装置を使用し始める前に、予め認識装置を使用する者が
自分の声の特徴を音声認識装置の辞書に登録しておく必
要がある。しかし、声の特徴は変化し易く、認識時の周
囲の環境や物理的・精神的な制限によって容易に変わり
うるだけでなく、時間の経過とともに変化してしまい、
同じ辞書を使い続けていると、次第に認識率が低下す
る。

【０００３】従来は、これに対処するために、マルチ・
テンプレートの辞書に対して、認識時に正解だった場合
に、音響分析された入力パターンと距離が一番遠い正解
テンプレートを入れ換えることにより辞書の更新を行っ
ていた。図７は上記した従来の音声認識装置を示す図で
ある。同図において、１はマイクロフォン等により音声
を入力する音声入力手段、２はマイクロフォン等により
入力された音声信号に対して周波数分析等を行い音声と
しての特徴を抽出する音響分析手段、３は音響分析手段
２により分析された入力音声パターンと、予め分析され
辞書に登録されている各テンプレートとの照合を行い２
つのパターンがどのくらい似ているかを示す「類似
度」、もしくは、どのくらい離れているかを示す「距
離」を計算し（以下、これらをスコアという）、出力す
る音声パターン照合手段である。

【０００４】また、４は予め認識対象が分析されたパタ
ーンを登録した辞書、５は音声パターン照合手段３から
出力された各テンプレートに対するスコアにしたがっ
て、ソートし、類似度が大きい順、もしくは、距離が小
さい順に一つまたは複数のテンプレート・ラベルを出力
する認識結果判定手段、６は音響分析手段２により分析
された入力音声パターンを一時的に保持しておく入力音
声パターン保持手段、７は入力音声パターンを辞書４に
登録したり、辞書４のテンプレートを削除する辞書更新
手段である。

【０００５】同図において、音声入力手段１より入力さ
れた音声は音響分析手段２により分析されて特徴が抽出
され、音声パターン照合手段３に与えられるとともに、
入力音声パターン保持手段６に与えられ保持される。音
声パターン照合手段３は辞書４に登録されたテンプレー
トと入力音声の特徴パラメータとを照合し、それらの間
のスコアを求める。認識結果判定手段５はユーザからの
入力および音声パターン照合手段３が出力するスコアに
基づき入力音声を判定し、認識結果を出力する。

【０００６】また、認識結果判定手段５の出力は辞書更
新手段７に与えられ、辞書更新手段７は認識結果が正解
であった場合に、辞書４に登録された距離が一番遠い正
解テンプレートと入力音声パターン保持手段６に保持さ
れた入力音声パターンとを入れ換えることにより辞書の
更新を行う。

【０００７】

【発明が解決しようとする課題】ところで、上記した従
来の辞書更新方式においては、認識結果が正解であった
場合には、何らチェックが行われることなく入力音声パ
ターン保持手段６に保持された入力音声パターンと、正
認識カテゴリの距離が一番遠い正解テンプレートとが入
れ換えられる。

【０００８】このため、偶然に入力音声パターンが歪む
などの不都合が生じている場合であっても、正認識の場
合には辞書が更新されてしまうという問題があった。ま
た、誤認識した場合でも、声質の変化による当然の結果
である場合もあるが、上記した従来の辞書更新方式にお
いては、このような場合に辞書の更新が行われず、初期
テンプレートに拘束され続けるという問題があった。

【０００９】図８、図９は、声質が変化した場合におけ
る特徴パラメータ空間の概念図であり、図８、図９は３
つのカテゴリＡ，Ｂ，Ｃが存在する場合を示している。
図８、図９において、図８は辞書作成時のカテゴリの分
布、図９（ａ）（ｂ）は声質の変動による分布が変動し
た場合を示し、○で囲んだところが各カテゴリが分布し
ている範囲であり、図８においては、その中に黒三角、
黒丸、黒四角のサンプルが存在しており、図９（ａ），
（ｂ）においては、黒四角、黒丸で認識時の入力サンプ
ルが示されている。また、３つのカテゴリの境界は実線
で示されており、点線は声質の変化により境界線が移動
した様子を示している。

【００１０】図８に示すように、辞書を作成した後しば
らくは、認識時の各カテゴリの分布状態と辞書のそれと
が、一致しているので、高い認識率を得ることができ
る。ここで、時間の経過とともに声質の変化等により、
図９（ａ），（ｂ）に示すように実際の各カテゴリの分
布状態が変化したものと仮定する。なお、同図には、説
明の便宜上、カテゴリの分布が全体的に同じ方向に移動
したと仮定しているが、実際にはより複雑に変化してい
る。

【００１１】各カテゴリの分布が移動することにより、
実際の各カテゴリの境界線は図９（ａ）、図９（ｂ）に
示すように実線から点線に移っていく。さて図９（ａ）
において、黒四角で示すあるサンプルに注目してみる。
この入力サンプルは実はカテゴリＣ’であるとする。こ
の入力サンプルは時間経過後のカテゴリＣ’の分布から
かけ離れており、点線の境界により本来カテゴリＢと判
定されるべきである。しかしながら図８に示す辞書作成
時の分布では、カテゴリＣと判定され、前記した従来方
式においては、辞書が上記サンプルにより更新されてし
まう。

【００１２】また、図９（ｂ）において、黒丸で示すあ
るサンプルに注目してみる。この入力サンプルは実はカ
テゴリＢ’であるとする。この入力サンプルは点線の境
界により本来カテゴリＢと判定されるので、更新される
べきであるが、辞書作成時の分布では、カテゴリＡと判
定され、辞書が更新されない。以上のように、従来方式
においては、本来更新すべきでないのに辞書が更新され
たり、また辞書を更新すべきなのに更新されなかったり
する場合が生ずる。

【００１３】本発明は上記した従来技術の問題点を改善
するためになされたものであって、話者の発声状態が時
間の経過とともに変化しても、認識を行う度に辞書の特
徴パターンを新しいものに更新していくことにより、話
者の発声状態が変動しても、高い認識率を維持すること
が可能であり、また、偶然に歪んだ音声パターンが辞書
に登録されることを防止することができる音声認識装置
を提供することを目的とする。

【００１４】

【課題を解決するための手段】図１は本発明の原理説明
図である。同図において、１はマイクロフォン等により
音声を入力する音声入力手段、２はマイクロフォン等に
より入力された音声信号に対して周波数分析等を行い音
声としての特徴を抽出する音響分析手段、３は音響分析
手段２により分析された入力音声パターンと、予め分析
され辞書に登録されている各テンプレートとの照合を行
うとともに、入力音声パターン保持手段６に保持されて
いる直前に入力された音声パターンとの照合を行い、類
似度もしくは距離を計算する音声パターン照合手段、４
は予め認識対象が分析されたパターンを登録した辞書、
５は音声パターン照合手段３の出力に基づき認識結果を
出力する認識結果判定手段、６は音響分析手段２により
分析された入力音声パターンを一時的に保持しておく入
力音声パターン保持手段、７は入力音声パターンを辞書
４に登録したり、辞書４のテンプレートを削除する辞書
更新手段、８は入力音声の認識対象となるテンプレート
について、音声パターン照合手段３から出力された辞書
４側と入力音声パターン保持手段６側のスコアを比較
し、何方のスコアが高いかを判定する照合結果判定手
段、９は入力音声パターンに正解ラベルを付与するユー
ザ入力手段である。

【００１５】上記課題を解決するため、本発明の請求項
１の発明は、図１に示すように、音声入力手段１より入
力された未知入力音声を音響分析する音響分析手段２
と、音響分析手段２により得られた入力音声パターン
と、予め辞書４中に登録された各ラベルに対応した標準
音声パターンとを照合する音声パターン照合手段３と、
その照合結果に基づき、認識結果を得る認識結果判定手
段５と、上記入力音声パターンにより辞書を更新する辞
書更新手段７とを備え、音声パターン照合手段の照合結
果に基づき上記入力音声を判定し、認識結果判定手段か
ら認識結果を出力する音声認識装置において、上記入力
音声パターンを一時的に保持する入力音声パターン保持
手段６を設け、上記音声パターン照合手段３は、認識結
果が正解であった入力音声パターン、もしくは、認識時
にユーザ入力手段９により正解ラベルが付与された入力
音声パターンについて、音声パターン照合手段３におい
て、入力音声パターンと辞書４に登録された各正解標準
音声パターンとを照合するとともに、入力音声パターン
保持手段６に、上記入力音声パターンと同じラベルが付
された正解音声パターンが保持されている場合に、上記
入力音声パターンと入力音声パターン保持手段６に保持
された音声パターンとを照合し、上記辞書更新手段７
は、認識動作を行うごとに、上記入力音声パターンと入
力音声パターン保持手段６に保持された音声パターンの
類似度が、上記入力音声パターンと辞書４に登録された
標準音声パターンとの類似度より大きい場合に、入力音
声パターン保持手段６に保持された音声パターンを辞書
４に登録し、辞書４の標準音声パターンを削除するよう
にしたものである。

【００１６】本発明の請求項２の発明は、新たな入力音
声パターンと入力音声パターン保持手段６に保持された
音声パターンの類似度が、上記入力音声パターンと辞書
４に登録された標準音声パターンとの類似度より大きい
場合に、請求項１の発明の発明のように入力音声パター
ン保持手段６に保持された音声パターンを辞書４に登録
するかわりに、新たに入力された入力音声パターンを辞
書４に登録するようにしたものである。

【００１７】本発明の請求項３の発明は、請求項１また
は請求項２の発明において、上記辞書更新手段７が、新
たな入力音声パターンと入力音声パターン保持手段６に
保持された音声パターンの類似度が、上記入力音声パタ
ーンと辞書４に登録された標準音声パターンとの類似度
より小さい場合に、入力音声パターン保持手段６に保持
された音声パターンを削除し、入力音声パターンを入力
音声パターン保持手段６に登録するようにしたものであ
る。

【００１８】本発明の請求項４の発明は、請求項１また
は請求項２の発明において、上記辞書更新手段７が、新
たな入力音声パターンと入力音声パターン保持手段６に
保持された音声パターンの類似度が、上記入力音声パタ
ーンと辞書４に登録された標準音声パターンとの類似度
より小さい場合に、入力音声パターン保持手段６に保持
された音声パターンをそのまま残し、上記入力音声パタ
ーンを削除するようにしたものである。

【００１９】本発明の請求項５の発明は、請求項１また
は請求項２の発明において、上記辞書更新手段７が、新
たな入力音声パターンと入力音声パターン保持手段６に
保持された音声パターンの類似度が、上記入力音声パタ
ーンと辞書４に登録された標準音声パターンとの類似度
より小さい場合に、入力音声パターン保持手段６に保持
された音声パターンと入力音声パターンを削除するよう
にしたものである。

【００２０】

【作用】図１において、音声入力手段１より入力された
音声は音響分析手段２により分析されて特徴が抽出さ
れ、音声パターン照合手段３に与えられる。音声パター
ン照合手段３は音響分析手段２により分析された入力音
声パターンと、予め分析され辞書４に登録されている各
標準音声パターンとの照合を行うとともに、入力音声パ
ターンの認識結果が正解であった場合、もしくは、ユー
ザ入力により入力音声パターンに正解ラベルが付された
場合、入力音声パターン保持手段６に保持されている直
前に入力された正解音声パターンとの照合を行い、スコ
アを計算する。

【００２１】認識結果判定手段５は音声パターン照合手
段３が出力するスコアに基づき入力音声を判定し、認識
結果を出力する。また、認識結果が不正解であった場合
には、ユーザ入力手段９からのユーザ入力に基づき、入
力音声パターンに正解ラベルを付与する。照合結果判定
手段８は、認識結果が正解であった入力音声パターン、
もしくは、認識時にユーザ入力手段９により正解ラベル
が付与された入力音声パターンについて、辞書４の正解
標準音声パターンと入力音声パターンとの照合結果と、
入力音声パターン保持手段６に保持されている正解ラベ
ルが付与された音声パターンと入力音声パターンとの照
合結果とを比較し、どちらのスコアが高いかを判定す
る。

【００２２】辞書更新手段７は照合結果判定手段８によ
り判定した結果、入力音声パターン保持手段６に保持さ
れている音声パターンと入力音声パターンとの照合結果
の方が、辞書４と入力音声パターンの照合結果のスコア
より高い場合に、辞書４からスコアの最低な標準音声パ
ターンを削除し、入力音声パターン保持手段６に保持さ
れている音声パターン、もしくは、入力音声パターンを
辞書４に登録することにより標準音声パターンの入れ換
えを行う。

【００２３】以上のように、本発明の請求項１ないし請
求項５の発明においては、予め用意されている辞書とは
別に、一時的な辞書として機能する入力音声を保持する
入力音声パターン保持手段６を設け、入力音声パターン
による辞書４の更新の際、２度目に同じ音声パターンが
入力されたときに、認識結果が正解であった入力音声パ
ターン、もしくは、ユーザ入力手段９により正解ラベル
が付与された入力音声パターンと、辞書４に登録された
正解標準音声パターン、および、入力音声パターン保持
手段６に一時的に保持されている正解ラベルが付与され
た音声パターンとの各々に関して照合を行い、それらの
照合結果のうち、入力音声パターンと入力音声パターン
保持手段６に保持された音声パターン間のスコアの方が
高い場合に、辞書４を更新している。

【００２４】したがって、過去の作成された辞書４の正
解標準音声パターンよりも、入力音声パターン保持手段
６に保持された直前に入力された正解音声パターンの方
がスコアが高くなることが当然期待され、話者の発声状
態の変動に対応して辞書４の更新を行うことができる。
ここで、直前に入力された入力音声パターン保持手段６
に保持されている音声パターンが、背景雑音や発声の不
具合で歪んだものになった場合には辞書４の更新は避け
なければならないが、本発明の請求項１ないし請求項５
の発明においては、上記のように正解入力音声パターン
を、辞書４に登録された正解標準音声パターンと、入力
音声パターン保持手段６に一時的に保持されている正解
音声パターンとの各々に関して照合を行い、それらの照
合結果のうち、入力音声パターンと入力音声パターン保
持手段６に保持された音声パターン間のスコアの方が高
い場合に、辞書４を更新しているので、２度目に発声さ
れた音声に不具合がない限り、入力音声パターン保持手
段６に保持された歪んだ音声パターンよりも辞書４に登
録された標準音声パターンの方がスコアが高いと判定さ
れ、歪んだ音声パターンによる辞書４の更新を避けるこ
とができる。

【００２５】さらに、本発明の請求項２の発明において
は、入力音声パターン保持手段６に保持された正解音声
パターンを辞書４に登録するかわりに、新たに入力され
た正解入力音声パターンを辞書４に登録するようにした
ので、請求項１の発明と同様の効果を得ることができる
とともに、次に発声された音声パターンを入力音声パタ
ーン保持手段６にそのまま保持することができ、処理工
数を減少させることができる。

【００２６】またさらに、本発明の請求項３ないし５の
発明においては、新たな正解入力音声パターンと入力音
声パターン保持手段６に保持された正解音声パターンと
の間のスコアが、上記入力音声パターンと辞書４に登録
された標準音声パターンとの間のスコアより小さい場合
に、入力音声パターン保持手段６に保持された音声パタ
ーンか入力音声パターンのいずれか一方、もしくは両方
を削除するようにしたので、歪んだ音声パターンが入力
音声パターン保持手段６に保持されることがない。

【００２７】

【実施例】図２は本発明の第１の実施例を示す図であ
り、同図において、１１はマイクロフォン等から入力さ
れる音声をデジタル信号に変換するＡＤ変換器、２１は
ＡＤ変換器１１によりデジタル信号に変換された音声信
号を分析し特徴パラメータ時系列ベクトルを抽出する音
響分析手段、３は音響分析手段２により分析された特徴
パラメータ時系列ベクトルと、予め分析され辞書に登録
されている各テンプレートとの照合を行う音声パターン
照合手段であり、音声パターン照合手段３は第２の入力
音声パターン・バッファ６２に保持されている音声パタ
ーンがある場合には、この音声パターンとも照合を行
う。

【００２８】また、４は予め認識対象が分析されたパタ
ーンを登録した辞書、５は音声パターン照合手段３から
出力された各テンプレートに対するスコアに基づき認識
結果を出力する認識結果判定手段、５１は音声パターン
照合手段３が出力するスコアをソートするスコア・ソー
ト手段、５２はユーザからの入力にしたがって正しい認
識結果を選択して最終的な認識結果を選択する認識結果
選択手段である。

【００２９】６１は音響分析手段２により分析された正
解入力音声パターンを一時的に保持しておく第１の入力
音声パターン保持手段、６２は第１の入力音声パターン
保持手段に保持された正解入力音声パターンを一時的に
保持しておく第２の入力音声パターン保持手段であり、
第１および第２の入力音声パターン保持手段は、それぞ
れ、少なくとも入力音声のラベルの数に対応した数のバ
ッファを備え、第１および第２の入力音声パターン保持
手段６１，６２には認識結果判定手段より与えられる正
解時の音声のラベルもしくはユーザ入力よりあたえられ
る音声ラベルが付与され入力音声パターンが保持され
る。

【００３０】７は入力音声パターンを辞書４に登録した
り、辞書４のテンプレートを削除する辞書更新手段、７
１は第２の入力音声パターン保持手段６２に保持された
音声パターンを辞書４に登録する音声パターン登録手
段、７２は辞書４からスコアが最低の音声パターンを削
除する音声パターン削除手段、８は入力音声の正解テン
プレートについて、音声パターン照合手段３から出力さ
れた辞書４側と第２の入力音声パターン保持手段６２側
のスコアを比較し、何方のスコアが高いかを判定する照
合結果判定手段である。

【００３１】次に図２に示す本発明の第１の実施例の動
作を説明する。音声はマイクロフォン等からＡＤ変換部
１１に入力され、デジタル信号に変換されて、離散化さ
れた信号データとして音響分析手段２１に送られる。音
響分析手段２１は、上記離散化された信号データから、
例えば５ｍｓｅｃ〜２５ｍｓｅｃの一定の時間ごとに、
音声の特徴パラメータ時系列ベクトルを抽出する。

【００３２】音声の特徴パラメータ時系列ベクトルの抽
出手法としては、下記の手法などが知られている。 複数のフィルタ・バンクにより、異なる周波数帯域
でのスペクトルを抽出するもの。 ＦＦＴ（高速フーリェ変換）を行ったのち、複数の
チャンネルに分割したスぺクトル・パワー時系列を求め
るもの。 線型予測分析（ＬＰＣ）を行ない、その係数時系列
を求めるもの。 ＦＦＴ（高速フーリェ変換）や線型予測分析（ＬＰ
Ｃ）を用いて、ケプストラム（ｃｅｐｓｔｒｕｍ）係数
時系列を求めるもの。

【００３３】音響分析手段２により抽出された特徴パラ
メータ時系列ベクトルは、音声パターン照合手段３に出
力され、予め辞書４に登録されているテンプレートと照
合される。音声パターン照合手段３における照合の手法
としては、一般的に用いられているＤＰマッチングなど
を用いることができ、音声パターン照合手段３は照合結
果として２パターン間のスコアを求め、認識結果判定手
段５に出力する。

【００３４】認識結果判定手段５のスコア・ソート手段
５１は音声パターン照合手段３で計算されたスコアに基
づきソーティングを行い、スコアが高い順にソートす
る。認識結果選択手段５２は、ユーザの入力に従って正
しい結果を選択し、最終結果を出力する。一方、音響分
析手段２で分析された音声パターンの内、認識結果が正
解であった音声パターン、もしくは、ユーザ入力により
正解ラベルが付与された音声パターンは、音声パターン
照合手段３に出力されるとともに、第１の入力音声パタ
ーン・バッファ６１にも出力される。そして、次に新た
な音声が入力されると、音響分析手段２で分析された正
解音声パターンは第１の入力音声パターン・バッファ６
１により保持され、第１の入力音声パターン・バッファ
６１に保持されていた正解音声パターンは第２の入力音
声パターン・バッファ６２に出力されそこで保持され
る。つまり、本実施例における第１の入力音声パターン
・バッファ６１は入力音声パターンのためのバッファと
して機能し、また第２の入力音声パターン・バッファ６
２は一次的な辞書として機能する。

【００３５】また、第１および第２の入力音声パターン
・バッファ６１，６２に音声パターンが保持される際、
前記したように、認識結果判定手段５による判定結果が
正解のときの正解ラベル、もしくは、認識結果が不正解
であったときにユーザが入力する正解ラベルが付与され
る。そして、音声パターン照合手段３は、正解ラベルが
付与された入力音声パターンと予め辞書４に登録されて
いる正解テンプレートとを照合するとともに、正解ラベ
ルが付与された入力音声パターンと、辞書として機能す
る入力音声パターン・バッファ６２に保持されている直
前に入力された正解ラベルが付与された音声パターンと
を照合しスコアを求める。

【００３６】照合結果判定手段８は、認識結果が正解で
あった入力音声パターン、もしくは、認識時にユーザ入
力手段９により正解ラベルが付与された入力音声パター
ンについて、辞書４の正解テンプレートと入力音声パタ
ーンとの照合結果と、入力音声パターン保持手段６に保
持されている正解ラベルが付与された音声パターンと入
力音声パターンとの照合結果とを比較し、どちらのスコ
アが高いかを判定する。

【００３７】辞書更新手段７は照合結果判定手段８によ
り判定した結果、入力音声パターン・バッファ６２に保
持されている正解音声パターンと正解入力音声パターン
との照合結果の方が、辞書４と正解入力音声パターンの
照合結果のスコアより高い場合に、辞書４からスコアの
最低のテンプレートを削除し、入力音声パターン・バッ
ファ６２に保持されている正解音声パターンを辞書４に
登録することによりテンプレートの入れ換えを行う。す
なわち、辞書更新手段７の音声パターン削除手段７２に
より辞書４のテンプレートを削除し、音声パターン登録
手段７１により入力音声パターン・バッファ６２に保持
されている正解音声パターンを辞書に登録する。

【００３８】以上説明したように、本実施例において
は、入力音声による辞書の更新の際、正解ラベルが付与
された入力音声パターンと辞書に登録されている正解テ
ンプレートとの照合結果と、第２の入力音声パターン保
持手段に保持されている直前に入力された正解音声パタ
ーンとの照合結果を比較し、比較結果に応じて第２の入
力音声パターン保持手段に保持されている直前に入力さ
れた音声パターンにより辞書を更新するので、話者の発
声状態の変動に対処して辞書を更新することができる。

【００３９】また、偶然に歪んだ音声パターンが辞書に
登録されることを防止することができる。すなわち、２
度目に発声された音声に不具合がない限り、入力音声パ
ターン・バッファ６２に保持された歪んだ音声パターン
よりも辞書４に登録されたテンプレートの方がスコアが
高くなり、歪んだ音声パターンによる辞書４の更新を避
けることができる。

【００４０】この点について、前記した図８、図９によ
り説明する。図９（ａ）において、前記した黒四角の入
力サンプルが一度目の発声で、一時的に入力音声パター
ン保持手段６２に保持されていたとする。ここで、２度
目に入力された音声の発声は問題がなくカテゴリＣ’内
であった場合、２度目に入力された入力音声パターンと
辞書４との照合結果と、入力音声パターン保持手段６２
に保持された上記サンプルの音声パターンとの照合結果
では、辞書側のスコアの方が当然高くなり、辞書４を上
記のような歪んだ音声パターンで更新することを避ける
ことができる。

【００４１】また、図９（ｂ）において、前記した黒丸
の入力サンプルが一度目の発声で、一時的に入力音声パ
ターン保持手段６２に保持されていたとする。ここで、
２度目に入力された音声の発声は問題がなくカテゴリ
Ｂ’内であった場合、辞書作成時のカテゴリ境界により
判定すると更新は行われないが、２度目に入力された入
力音声パターンと辞書４とのスコアと、入力音声パター
ン保持手段６に保持された上記サンプルの音声パターン
とのスコアを計算することにより、辞書４を更新できる
場合がでてくる。

【００４２】すなわち、一度目に入力された音声パター
ンとカテゴリＢの最も遠いサンプル間のスコアが、一度
目に入力された音声パターンと２度目に入力された音声
パターン間のスコアより小さい場合に、辞書４が更新さ
れる。図３は本発明の第２の実施例を示す図である。本
実施例の構成は基本的には図２に示した第１の実施例と
同一であり、本実施例と第１の実施例とは、第１および
第２の入力音声パターン・バッファ６１，６２と辞書更
新手段７との接続が異なっている。

【００４３】すなわち、第１の実施例においては、第２
の入力音声パターン・バッファ６２に保持された正解ラ
ベルが付与された音声パターンを辞書更新手段７に与え
ているのに対し、第２の実施例においては、第１の入力
音声パターン・バッファ６１に保持された正解ラベルが
付与された音声パターンを辞書更新手段７に与えてい
る。

【００４４】したがって、図３の実施例においては、入
力音声パターン・バッファ６２に保持されている正解音
声パターンと正解入力音声パターンとの照合結果の方
が、辞書４と正解入力音声パターンの照合結果のスコア
より高い場合に、辞書４からスコアの最低のテンプレー
トを削除し、第１の入力音声パターン・バッファ６１に
保持されている音声パターンにより辞書４の更新を行
う。

【００４５】本実施例においては、第１の実施例と同様
の効果を得ることができるとともに、第１の実施例のも
のより、処理工数を少なくすることができる。すなわ
ち、本実施例においては、第１の入力音声パターン・バ
ッファ６１に保持されている音声パターンにより辞書４
を更新しているので、辞書４を更新することにより、第
１の入力音声パターン・バッファ６１の内容は空とな
り、次に発声された正解音声パターンを第１の入力音声
パターン・バッファ６１にそのまま保持することができ
る。

【００４６】図４は本発明の第３の実施例を示すフロー
チャートであり、本実施例の構成は図２に示した第１の
実施例と同一である。本実施例は、正解入力音声パター
ンと辞書４の類似度より正解入力音声パターンと第２の
入力音声パターン・バッファ６２の類似度の方が大きい
場合には、第２の入力音声パターン・バッファ６２の正
解特徴パターンを辞書４に登録し、また、正解入力音声
パターンと第２の入力音声パターン・バッファ６２の類
似度の方が小さい場合には、第２の入力音声パターン・
バッファ６２の正解特徴パターンを削除して、第１の入
力音声パターン・バッファ６１の正解特徴パターンを第
２の入力音声パターン・バッファ６２に登録するように
したものである。

【００４７】本実施例においては、辞書４側の類似度が
第２の入力音声パターン・バッファ６２側の類似度より
大きい場合に、第２の入力音声パターン・バッファ６２
に保持されている特徴パターンを削除しているので、入
力音声が歪み（変形し）、第２の入力音声パターン・バ
ッファ６２に歪んだ入力音声の特徴パターンが保持され
た場合に、その特徴パターンを削除することができる。

【００４８】なお、上記実施例においては、照合による
スコアとして類似度を用いているが、スコアとして距離
を用いてもよい。その場合には、図４に示す不等号の向
きは逆向きとなる。図５は本発明の第４の実施例を示す
フローチャートであり、本実施例の構成は図２に示した
第１の実施例と同一である。

【００４９】本実施例は、正解入力音声パターンと辞書
４の類似度より正解入力音声パターンと第２の入力音声
パターン・バッファ６２の類似度の方が大きい場合に
は、第２の入力音声パターン・バッファ６２の正解特徴
パターンを辞書４に登録し、また、正解入力音声パター
ンと第２の入力音声パターン・バッファ６２の類似度の
方が小さい場合には、第１の入力音声パターン・バッフ
ァ６１の正解特徴パターンを削除するようにしたもので
ある。

【００５０】本実施例においては、辞書４側の類似度が
第２の入力音声パターン・バッファ６２側の類似度より
大きい場合に、第１の入力音声パターン・バッファ６１
に保持されている特徴パターンを削除しているので、入
力音声が歪み（変形し）、第１の入力音声パターン・バ
ッファ６１に歪んだ入力音声の特徴パターンが保持され
た場合に、その特徴パターンを削除することができる。

【００５１】なお、上記実施例においては、照合による
スコアとして類似度を用いているが、第３の実施例と同
様、スコアとして距離を用いてもよい。その場合には、
図５に示す不等号の向きは逆向きとなる。図６は本発明
の第５の実施例を示すフローチャートであり、本実施例
の構成は図２に示した第１の実施例と同一である。

【００５２】本実施例は、正解入力音声パターンと辞書
４の類似度より正解入力音声パターンと第２の入力音声
パターン・バッファ６２の類似度の方が大きい場合に
は、第２の入力音声パターン・バッファ６２の正解特徴
パターンを辞書４に登録し、また、正解入力音声パター
ンと第２の入力音声パターン・バッファ６２の類似度の
方が小さい場合には、第１および第２の入力音声パター
ン・バッファ６１，６２の正解特徴パターンを削除する
ようにしたものである。

【００５３】本実施例においては、辞書４側の類似度が
第２の入力音声パターン・バッファ６２側の類似度より
大きい場合に、第１および第２の入力音声パターン・バ
ッファ６１に保持されている正解特徴パターンを削除し
ているので、入力音声が歪み（変形し）、第１および第
２の入力音声パターン・バッファ６１，６２のいずれか
に歪んだ入力音声の特徴パターンが保持された場合に、
その特徴パターンを削除することができる。

【００５４】なお、上記実施例においては、照合による
スコアとして類似度を用いているが、第３の実施例と同
様、スコアとして距離を用いてもよい。その場合には、
図６に示す不等号の向きは逆向きとなる。

【００５５】

【発明の効果】以上説明したように、本発明において
は、入力音声パターンによる辞書の更新の際、２度目に
同じ音声パターンが入力されたときに、認識結果か正解
であった入力音声パターン、もしくは、ユーザ入力手段
により正解ラベルが付与された入力音声パターンと、辞
書４に登録された正解標準音声パターン、および、入力
音声パターン保持手段に一時的に保持されている正解ラ
ベルが付与された音声パターンとの各々に関して照合を
行い、それらの照合結果のうち、入力音声パターンと入
力音声パターン保持手段に保持された音声パターン間の
スコアの方が高い場合に、辞書４を更新しているので、
話者の発声状態が時間の経過とともに変化しても、認識
を行う度に辞書の標準音声パターンを新しいものに更新
していくことができるとともに、声質や発声状況が変化
する前の認識基準に制限されることなく辞書の更新を行
うことができ、話者の発声状態に対応した高い認識率を
得ることができる。

【００５６】また、偶然に歪んだ音声パターンが辞書に
登録されることを避けることができる。

【図面の簡単な説明】

【図１】本発明の原理説明図である。

【図２】本発明の第１の実施例を示す図である。

【図３】本発明の第２の実施例を示す図である。

【図４】本発明の第３の実施例を示す図である。

【図５】本発明の第４の実施例を示す図である。

【図６】本発明の第５の実施例を示す図である。

【図７】従来例を示す図である。

【図８】辞書作成時のカテゴリの分布を示す図である。

【図９】声質の変動により分布が変動した場合のカテゴ
リ分布を示す図である。

【符号の説明】

１ 音声入力手段 １１ ＡＤ変換器 ２，２１ 音響分析手段 ３ 音声パターン照合手段 ４ 辞書 ５ 認識結果判定手段 ５１ スコア・ソート手段 ５２ 認識結果選択手段 ６，６１，６２ 入力音声パターン保持手段 ７ 辞書更新手段 ７１ 音声パターン登録手段 ７２ 音声パターン削除手段 ８ 照合結果判定手段 ９ ユーザ入力手段

───────────────────────────────────────────────────── フロントページの続き (56)参考文献 特開 昭59−165100（ＪＰ，Ａ) 特開 昭60−45298（ＪＰ，Ａ) 特開 昭61−121093（ＪＰ，Ａ) 特公 昭63−29276（ＪＰ，Ｂ２)

Claims (5)

(57)【特許請求の範囲】
1. 【請求項１】 音声入力手段より入力された未知入力音
   声を音響分析する音響分析手段と、 音響分析手段により得られた入力音声パターンと、予め
   辞書中に登録された各ラベルに対応した標準音声パター
   ンとを照合する音声パターン照合手段と、 その照合結果に基づき、認識結果を得る認識結果判定手
   段と、 入力音声パターンに正解のラベルを付与するユーザ入力
   手段と、 上記入力音声パターンにより辞書を更新する辞書更新手
   段とを備え、 音声パターン照合手段の照合結果に基づき上記入力音声
   を判定し、認識結果判定手段から認識結果を出力する音
   声認識装置であって、 上記入力音声パターンを一時的に保持する入力音声パタ
   ーン保持手段を備え、 上記音声パターン照合手段は、認識結果が正解であった
   入力音声パターン、もしくは、認識時にユーザ入力手段
   により正解ラベルが付与された入力音声パターンについ
   て、入力音声パターンと辞書に登録された各正解標準音
   声パターンとを照合するとともに、入力音声パターン保
   持手段に、上記入力音声パターンと同じラベルが付され
   た正解音声パターンが保持されている場合に、上記入力
   音声パターンと入力音声パターン保持手段に保持された
   音声パターンとを照合し、 上記辞書更新手段は、認識動作を行うごとに、上記入力
   音声パターンと入力音声パターン保持手段に保持された
   音声パターンの類似度が、上記入力音声パターンと辞書
   に登録された標準音声パターンとの類似度より大きい場
   合に、入力音声パターン保持手段に保持された音声パタ
   ーンを辞書に登録し、辞書の標準音声パターンを削除す
   ることを特徴とする音声認識装置。
2. 【請求項２】 音声入力手段より入力された未知入力音
   声を音響分析する音響分析手段と、 音響分析手段により得られた入力音声パターンと、予め
   辞書中に登録された各ラベルに対応した標準音声パター
   ンとを照合する音声パターン照合手段と、 その照合結果に基づき、認識結果を得る認識結果判定手
   段と、 入力音声パターンに正解のラベルを付与するユーザ入力
   手段と、 上記入力音声パターンにより辞書を更新する辞書更新手
   段とを備え、音声パターン照合手段の照合結果に基づき
   上記入力音声を判定し、認識結果判定手段から認識結果
   を出力する音声認識装置であって、 入力音声パターンを一時的に保持する入力音声パターン
   保持手段を設け、 上記音声パターン照合手段は、音声パターン照合手段に
   おいて、認識結果が正解であった入力音声パターン、も
   しくは、認識時にユーザ入力手段により正解ラベルが付
   与された入力音声パターンについて、入力音声パターン
   と辞書に登録された各正解標準音声パターンとを照合す
   るとともに、入力音声パターン保持手段に、上記入力音
   声パターンと同じラベルが付された正解音声パターンが
   保持されている場合に、上記入力音声パターンと入力音
   声パターン保持手段に保持された音声パターンとを照合
   し、 上記辞書更新手段は、認識動作を行うごとに、上記入力
   音声パターンと入力音声パターン保持手段に保持された
   音声パターンの類似度が、上記入力音声パターンと辞書
   に登録された標準音声パターンとの類似度より大きい場
   合に、新たに入力された入力音声パターンを辞書に登録
   し、辞書の標準音声パターンを削除することを特徴とす
   る音声認識装置。
3. 【請求項３】 上記辞書更新手段は、新たな入力音声パ
   ターンと入力音声パターン保持手段に保持された音声パ
   ターンの類似度が、上記入力音声パターンと辞書に登録
   された標準音声パターンとの類似度より小さい場合に、
   入力音声パターン保持手段に保持された音声パターンを
   削除し、入力音声パターンを入力音声パターン保持手段
   に登録することを特徴とする請求項１または請求項２の
   音声認識装置。
4. 【請求項４】 上記辞書更新手段は、新たな入力音声パ
   ターンと入力音声パターン保持手段に保持された音声パ
   ターンの類似度が、上記入力音声パターンと辞書に登録
   された標準音声パターンとの類似度より小さい場合に、
   入力音声パターン保持手段に保持された音声パターンを
   そのまま残し、上記入力音声パターンを削除することを
   特徴とする請求項１または請求項２の音声認識装置。
5. 【請求項５】 上記辞書更新手段は、新たな入力音声パ
   ターンと入力音声パターン保持手段に保持された音声パ
   ターンの類似度が、上記入力音声パターンと辞書に登録
   された標準音声パターンとの類似度より小さい場合に、
   入力音声パターン保持手段に保持された音声パターンと
   入力音声パターンを削除することを特徴とする請求項１
   または請求項２の音声認識装置。