JP6125991B2 - 発音辞書変換モデル作成装置と発音辞書変換装置とそれらの方法と、プログラムとその記録媒体 - Google Patents

Description

本発明は、対象タスクに対応した発音辞書変換を実現するためのモデルを作成する発音辞書変換モデル作成装置と発音辞書変換装置とそれらの方法と、プログラムとその記録媒体に関する。

一般的な音声認識システムでは、言語的な予測のための言語モデルと、音響的な予測のための音響モデルとを用いる。そして更に、言語的情報と音響的情報を結びつけるものとして「単語とその発音の関係」を表す発音辞書が用いられる。この発音辞書は、しばしば認識用辞書などと表記される場合がある。発音辞書は周知なものであり、例えば非特許文献１に開示されている。

発音辞書は、基本的に形態素解析器による正規の読み仮名に基づき各単語の発音が付与されている。しかし、人間は、単語の正規の読み仮名通りに発音しない場合も多い。例えば、「言った」という単語列の正規の読み仮名は「いった」であるが、「ゆった」と発音する場合もある。このように、単語と発音の関係は一対一の関係ではなく確率的な変動が起こり得るものである。

このような発音の確率的な変動を捉えた発音辞書を構築することができれば、音声認識の性能を向上させる効果が期待できる。但し、発音変動の起こり方は、音声認識タスクにより大きく異なることに注意する必要がある。例えば、教育現場における先生の発声は、丁寧な方向に発音変動が起こる。具体的には、発音が長音化する現象や、発話時に間を挟むといった現象が起こる。

一方、友人との会話などでは、発音が丁寧ではなく、発音時の音の脱落などの現象も起こり易い。したがって、想定する音声認識タスクごとに適切な発音辞書を構築することが音声認識においては重要となる。

音声認識タスクに合った発音辞書を構築するために、任意の単語に対して単語の表記や正規の読みの情報から、発音変動を予測する方法が提案されている。その方法は、統計的学習に基づくものである。統計的学習には、先ず学習データが必要である。学習データには、音声データとその単語系列の組を用いる。

従来技術では、最初に音響モデルのみを用いて音声データを連続音声認識し、発音変動を含む音素系列を得る。同時に単語系列に対して形態素解析して正規の音素系列を得る。この処理によって、「正規の音素系列−変動した音素系列」のデータを構築し、このデータから統計的なモデル化を行う。決定木を利用する方法が例えば非特許文献２に、ニューラルネットワークなどを利用する方法が例えば非特許文献３に開示されている。

鹿野清宏他「IT Text音声認識システム」オーム社出版局,pp.91-92. Riley, M., et al.,"Stochastic pronunciation modelling from hand-labelled phonetic corpora" , Speech Communication, 29(2-4):209-224, November 1999. T.Fukada, T.Yoshimura, and Y.Sagisaka. Automatic generation of multiple pronunciations based on neural networks and language statistics. Speech Communication, 27:63-73, 1999.

従来の発音辞書を構築する方法は、音声データを連続音声認識した結果を用いるので、発音変動の範囲をカバーした音素レベルのモデル化を実現するために大量の学習データを必要とする課題がある。あらゆる音素に対して「置換変動（音素が別の音素に置き換わる）」、「挿入変動（音素が新たに追加される）」、「脱落変動（音素が消える）」、これらの発音変動の範囲をカバーした音素レベルのモデル化を実現するためには、学習データを大量に準備しなければならない。

本発明は、この課題に鑑みてなされたものであり、少ない学習データで発音辞書を構築するためのモデルを作成する発音辞書変換モデル作成装置と、そのモデルを用いた発音辞書変換装置と、それらの方法とプログラムとその記録媒体を提供することを目的とする。

本発明の発音辞書変換モデル作成装置は、発音辞書変換ラベル整備部と、発音辞書変換モデル学習部と、を具備する。発音辞書変換ラベル整備部は、単語系列を構成する元単語と当該元単語の音声データとの組と、発音変動パターンを入力として、音声データを、音響モデルと発音変動パターンを考慮した文脈自由文法とを用いて音声認識し、発音変動パターンに対応した元単語と変動後のパターンとの組から成る発音辞書変換ラベルを、発音変動パターンの数分出力する。発音辞書変換モデル学習部は、発音辞書変換ラベルを入力として、当該発音辞書変換ラベルから変動後のパターンに対応した変換後の単語が出現する条件付き確率を機械学習によってモデル化した発音辞書変換モデルを学習する。

また、本発明の発音辞書変換装置は、発音辞書変換モデルと、発音辞書素性化部と、発音変動観測部と、発音辞書構築部と、を具備する。発音辞書変換モデルは、上記した本発明の発音辞書変換モデル作成装置で作成したものである。発音辞書素性化部は、正規の読み仮名のみが付与された変換元発音辞書内の辞書エントリを入力として、当該辞書エントリに対して正規読み素性ベクトルを構築する。発音変動観測部は、正規読み素性ベクトルを入力として、発音辞書変換モデルを用い各発音変動パターンの確率値を求める。発音辞書構築部は、発音変動パターンの確率値ごとに辞書エントリを配列して発音変動が考慮された発音辞書を構築する

本発明の発音辞書変換モデル作成装置によれば、単語系列を構成する元単語の音声データの単位で当該音声データを、音響モデルと発音変動パターンを考慮した文脈自由文法とを用いて音声認識した結果から発音辞書変換モデルを作成する。したがって、発音変動パターンに対応した発音辞書変換モデルを少ないデータ量で作成することができる。

また、本発明の発音辞書変換装置は、正規の読み仮名のみが付与された変換元発音辞書内の辞書エントリを、上記したこの発明の発音辞書変換モデルを用いて発音変動が考慮された発音辞書に変換する。したがって、音声認識タスクに適した発音辞書を少ないコストで構築することができる。

本発明の発音辞書変換モデル作成装置１００の機能構成例を示す図。 発音辞書変換モデル作成装置１００の動作フローを示す図。 文脈自由文法の一例を示す図。 発音辞書変換レベル整備部１１０の機能構成例を示す図。 発音辞書変換レベル整備部１１０の動作フローを示す図。 発音辞書変換モデル学習部１４０の機能構成例を示す図。 発音辞書変換モデル学習部１４０の動作フローを示す図。 本発明の発音辞書変換装置２００の機能構成例を示す図。 発音辞書変換装置２００の動作フローを示す図。 変換元発音辞書の辞書エントリの例を示す図。 発音辞書変換装置２００で変換した発音変動が考慮された発音辞書の辞書エントリの例を示す図。

以下、この発明の実施の形態を図面を参照して説明する。複数の図面中同一のものには同じ参照符号を付し、説明は繰り返さない。

図１に、この発明の発音辞書変換モデル作成装置１００の機能構成例を示す。その動作フローを図２に示す。発音辞書変換モデル作成装置１００は、発音辞書変換ラベル整備部１１０と、音響モデル１２０と、発音辞書変換モデル学習部１４０と、を具備する。発音辞書変換モデル作成装置１００は、例えばＲＯＭ、ＲＡＭ、ＣＰＵ等で構成されるコンピュータに所定のプログラムが読み込まれて、ＣＰＵがそのプログラムを実行することで実現されるものである。以降で説明する他の装置についても同様である。

発音辞書変換ラベル整備部１１０は、単語系列を構成する元単語と当該元単語の音声データとの組（組１，組２，…，組Ｍ）と、発音変動パターンを入力として、当該元単語の音声データを音響モデル１２０と発音変動パターンを考慮した文脈自由文法とを用いて音声認識し、発音変動パターンに対応した元単語と変動後のパターンとの組から成る発音辞書変換ラベルを、発音変動パターンの数分出力する（ステップＳ１１０）。単語系列は、例えば「今日」、「は」、「晴れ」、「です」の単語の系列である。発音変動パターンとは、例えば丁寧な発音変動が考えられる音声認識タスク（教員の声の音声認識）であれば、「モーラ（mora）ごとに間（ポーズ）を入れる」、「モーラが全て長音化」、「変わらない」等、の例えば３種類が考えられる。

文脈自由文法とは、発音変動パターンのみを許容する文法であり、例えば図３に示すものである。「今日は晴れです」の単語系列を構成する元単語ごとに、発音変動パターンを当てはめたものを直列に並べたものである。各矢印は、選択可能な発音の経路を表す。発音辞書変換ラベルは、元単語と音声データの組の数分出力される。上記した単語系列の例では、４個の発音辞書変換ラベルが出力される。複数の発音辞書変換ラベルは、ラベル群１３０として一時記憶しても良い。

発音辞書変換モデル学習部１４０は、発音辞書変換ラベルを入力として、当該発音辞書変換ラベルから変動後のパターンに対応した変換後の単語が出現する条件付き確率を機械学習によってモデル化した発音辞書変換モデルを学習する（ステップＳ１４０）。発音辞書変換ラベルは、例えば、（今日−モーラごとに間を入れる）、（今日−モーラが全て長音化）、（今日−変わらない）である。この発音辞書変換ラベルは、元単語ごとに３種類ずつが、発音辞書変換ラベル整備部１１０から入力される。

発音辞書変換ラベル整備部１１０と発音辞書変換モデル学習部１４０の処理は、単語系列を構成する元単語と当該元単語の音声データとの組の全てが終了するまで繰り返される（ステップＳ１５０のＮｏ）。この発音辞書変換ラベル整備部１１０と発音辞書変換モデル学習部１４０の時系列動作の制御と動作終了の制御は、制御部１５０が行う。この制御部１５０の機能は、この実施例の特別な技術的特徴では無く一般的なものである。

以上の構成で学習された発音辞書変換モデルは、元単語ごとに発音変動パターンの数を限定して求められたものなので、その作成に大量の学習データを必要としない。つまり、少ないデータ量で発音辞書変換モデルを学習することができる。

以降では、各部のより具体的な機能構成例を示して更に詳しく発音辞書変換モデル作成装置１００の動作を説明する。
〔発音辞書変換ラベル整備部〕
図４に、発音辞書変換ラベル整備部１１０のより具体的な機能構成例を示す。その動作フローを図５に示す。発音辞書変換ラベル整備部１１０は、形態素解析手段１１１と、文脈自由文法構築手段１１２と、文脈自由文法記憶手段１１３と、最尤系列探索手段１１４と、ラベル生成手段１１５と、を備える。

形態素解析手段１１１は、単語系列から、読み情報付き形態素解析結果を得る（ステップＳ１１１）。形態素解析には、任意の形態素解析器を利用できる。例えば単語系列を「今日は晴れです」とした場合、その形態素解析結果は「今日；キョウ；名詞：日時：連用；は；ワ；連用助詞；晴れ；はれ；名詞；です；デス；判定詞：終止；」といった系列が得られれば良い。形態素解析手段１１１は、単語系列を形態素ごとに分けることと、正規の読みを付与することを満たすものであればどのような手段を用いても良い。

文脈自由文法構築手段１１２は、読み情報付き形態素解析結果と発音変動パターンを入力として、文脈自由文法を構築する（ステップＳ１１２）。ここで許容する文法は、予め規定した発音変動パターンに限る。この発音変動パターンは、様々に規定して良いが、単語単位で変動できるパターンに限る。

ここではその変動パターンを、例えば上記した「モーラ（mora）ごとに間（ポーズ）を入れる」、「モーラが全て長音化」、「変わらない」、の３種類として説明する。形態素解析結果にはＬ単語含まれるとする。上記した形態素解析結果ではＬ＝４である。

元単語「今日」の場合、「変わらない（読み情報通り）」とは「ハレ」、「モーラごとに間を入れる」とは「ハ、レ、」、「モーラが全て長音化」とは「ハーレー」、という発音変動パターンになる。

これらの３種類の発音変動パターンを形態素解析結果の各単語について考慮して、それらを許容する文脈自由文法を構築する（図３）。なお、発音変動パターンは３種類に限られない。例えば「モーラごとに促音を入れる」などの発音変動パターンを加えても良い、その場合、図３に示す単語間の遷移を表す矢印は４つになる。構築された文脈自由文法は、文脈自由文法記憶手段１１３に記憶される。

最尤系列探索手段１１４は、元単語の音声データを、音響モデル１２０と文脈自由文法記憶手段１１３に記憶された文脈自由文法を用いて音声認識した最尤系列を出力する（ステップＳ１１４）。最尤系列とは、文脈自由文法の許すパス（経路）の中で、音響モデルからの生成確率が最大となる系列ｓ＾を見つけることである。系列ｓ＾は次式で求めることができる。

ここでｔは入力音声の特徴ベクトル系列である。音声認識の場合、例えばメル周波数ケプストラム係数（ＭＦＣＣ）分析によって求めた特徴ベクトルを用いるのが一般的である。音響モデル１２０は、隠れマルコフモデルと混合ガウス分布とで規定される一般的なものである。単語系列と組の音声データを、例えば「キョウ ハー ハ、レ、デースー」とした場合、最尤系列は図３に太線で示すパスが選択される。

ラベル生成手段１１５は、読み情報付き形態素解析結果と最尤系列を入力として、元単語と変動後のパターンとから成る発音辞書変換ラベルを生成する（Ｓ１１５）。最尤系列を「キョウ ハー ハ、レ、デースー」とした場合、発音辞書変換ラベルは、「今日；キョウ；名詞：日時：連用；−読み情報通り」、「は；ワ；連用助詞；−モーラが全て長音化」、「晴れ；ハレ；名詞；−モーラごとに間を入れる」、「です；デス；判定詞：終止；−モーラが全て長音化」、の４つの発音辞書変換ラベルを出力として得ることができる。

〔発音辞書変換モデル学習部〕
図６に、発音辞書変換モデル学習部１４０の機能構成例を示す。その動作フローを図７に示す。発音辞書変換モデル学習部１４０は、素性ベクトル抽出手段１４１と、発音辞書変換装置モデルパラメータ学習手段１４２と、を備える。

素性ベクトル抽出手段１４１は、発音辞書変換ラベルを入力として、当該発音辞書変換ラベルを構成する元単語の単語情報から抽出した素性ベクトルと、当該発音辞書変換ラベルを構成する変動後のパターンとを対にした学習ラベルを出力する（ステップＳ１４１）。学習ラベルは、素性ベクトルｘと出力ラベルｙの形で表される。

素性ベクトル抽出手段１４１は、先ず、元単語の単語情報から素性ベクトルを取り出す。様々な素性ベクトルを利用できるが、例えば、品詞情報、単語のモーラ長、を利用する場合を想定する。品詞の種類が「動詞、名詞、形容詞、副詞、その他」の５種類の場合であれば、品詞の情報のみで５次元分確保する。

元単語が名詞であれば、「名詞」の部分のみを１にセットし、その他の部分を０にリセットする。例えば、素性ベクトルｘ＝［０,１,０,０,０］である。

同様にモーラ長に対しても、「１モーラ,２モーラ〜４モーラ，５モーラ以上」の３種類で考える場合、元単語が１モーラであればその部分のみを１にセットし、その他の部分には０を入れることになる。例えば、素性ベクトルｘ＝［０,１,０,０,０，１，０，０］である。先頭から５個が品詞情報、その後の３個がモーラ長情報を表す。

出力ラベルｙは、例えば「読み情報通り」の場合は１、「モーラごとに間（ポーズ）を入れる」の場合は２、「モーラが全て長音化」の場合は３、とする。

発音辞書変換ラベルが「今日；キョウ；名詞：日時連用−読み情報通り」であれば、学習ラベルは「ｘ＝［０,１,０,０,０，０，１，０］，ｙ＝１」となる。

発音辞書変換装置モデルパラメータ学習手段１４２は、学習ラベルを入力として、素性ベクトルを入力特徴ベクトルとし、出力ラベルｙが出力される条件付き確率を求めるモデルパラメータである発音辞書変換モデルを学習する（ステップＳ１４２）。学習すべきモデルは、入力の特徴ベクトルｘと出力ラベルｙから条件付き確率Ｐ（ｙ｜ｘ）をモデル化できるものである。モデル化には様々なものが考えられるが、例えば最大エントロピーモデルを用いてモデル化を行う。

最大エントロピーモデルは、対数線形モデルと等価のモデルであり、周知のモデルである。最大エントロピーモデルは次式で表せる。

ここでｗはモデルパラメータである。具体的な学習方法は、例えば参考文献１（北健二「言語と計算-４確率的言語モデル」東京大学出版会,pp.162-165）に記載された周知の方法を用いる。

発音辞書変換モデルの学習が終わると、後述する発音辞書変換装置２００の発音辞書素性化部２２０で構成された特徴ベクトルｘを入力することで、読み情報通りである条件付き確率Ｐ（１｜ｘ）、モーラごとに間を入れる条件付き確率Ｐ（２｜ｘ）、モーラが全て長音化する条件付き確率Ｐ（３｜ｘ）、をそれぞれ計算することが可能になる。

〔発音辞書変換装置〕
図８に、この発明の発音辞書変換装置２００の機能構成例を示す。その動作フローを図９に示す。発音辞書変換装置２００は、発音辞書変換モデル２１０と、発音辞書素性化部２２０と、発音変動観測部２３０と、発音辞書構築部２４０と、を具備する。

発音辞書変換モデル２１０は、上記した発音辞書変換モデル作成装置１００で作成した変換モデルである。発音辞書活性化部２２０は、正規の読み仮名のみが付与された変換元発音辞書内の辞書エントリを入力として、当該辞書エントリに対して正規読み素性ベクトルを構築する（ステップＳ２２０）。

図１０に、既存の発音辞書の辞書エントリの例を示す。辞書エントリとは、図１０の１行ずつのことであり、各単語「曇り」の正規の読みと品詞情報と、読み仮名とその確率値と、で構成される。辞書エントリに対する正規読み素性ベクトルは、上記した素性ベクトル抽出手段１４１と同じルールで生成される。例えば、辞書エントリ「曇り；クモリ；名詞；⇒クモリ＝１.０」に対する正規読み素性ベクトルは、ｘ＝［０，１，０，０，０，０，１，０］といった形で表される。先頭から５個の品詞情報で名詞、その後の３個のモーラ長情報で２モーラ、であることを表している。

発音変動観測部２３０は、正規読み素性ベクトルを入力として、発音辞書変換モデル２１０を用い各発音変動パターンの条件付き確率Ｐ（ｙ｜ｘ）を求める（ステップＳ２３０）。例えば、「曇り；クモリ；名詞；⇒クモリ＝１.０」の正規読み素性ベクトルｘ＝［０，１，０，０，０，０，１，０］を入力とすると、Ｐ（１｜ｘ）＝０.６５，Ｐ（２｜ｘ）＝０.２３，Ｐ（３｜ｘ）＝０.１２といった条件付き確率が得られる。発音変動観測部２３０は、条件付き確率を式（２）で計算する。

発音辞書構築部２４０は、発音変動パターンの条件付き確率Ｐ（ｙ｜ｘ）ごとに辞書エントリを配列して発音変動が考慮された発音辞書を構築する（ステップＳ２４０）。発音辞書活性化部２２０と発音変動観測部２３０と発音辞書構築部２４０の処理は、全ての辞書エントリが終了するまで繰り返される（ステップＳ２５０のＮｏ）。

図１１に、発音辞書変換装置２００で変換された発音変動が考慮された発音辞書の辞書エントリの例を示す。この例では、単語ごとに３つの変動パターンが配列されている。

発音辞書変換装置２００によれば、正規の読み仮名のみが付与された変換元発音辞書内の辞書エントリを、発音変動の限定化を想定したこの発明の発音辞書変換モデルを用いて発音変動が考慮された発音辞書に変換する。したがって、音声認識タスクに適した発音辞書を低コストで構築することができる。

なお、上記した実施例では、素性ベクトルｘを５個の品詞情報と３個のモーラ長情報とで表される例で説明を行ったが、この例は一例であって、例えば「表記内の漢字の有無」や「表記と標準読みの長さの差」などを、ベクトル要素に付加しても良い。また、機械学習の一例として最大エントロピーモデルを用いる例を説明したが、条件付き確率Ｐ（ｙ｜ｘ）のモデル化には任意のモデルが利用可能である。例えば、ニューラルネットワークを利用しても良い。その場合は、ニューラルネットワークの中間層がシグモイド関数、出力層がソフトマトリックス関数となる。

以上説明したようにこの発明の発音辞書変換モデル作成装置１００によれば、従来技術のような連続音声認識を行わない、そして、限定的な発音変動を想定した文脈自由文法を用いることで広範囲な発音変動に対応する必要がなくなる。その結果、少ないデータ量で頑健な発音辞書変換モデルを作成することができる。

また、この発明の発音辞書変換装置２００は、その発音辞書変換モデルを使って音声認識タスクに適した発音辞書を構築するので、低コストで音声認識タスクに適応した発音辞書の作成を可能にする。この発音辞書は、個人の話し方の癖を再現する音声合成に利用するのにも好適である。

上記装置における処理手段をコンピュータによって実現する場合、各装置が有すべき機能の処理内容はプログラムによって記述される。そして、このプログラムをコンピュータで実行することにより、各装置における処理手段がコンピュータ上で実現される。

また、このプログラムの流通は、例えば、そのプログラムを記録したＤＶＤ、ＣＤ−ＲＯＭ等の可搬型記録媒体を販売、譲渡、貸与等することによって行う。さらに、このプログラムをサーバコンピュータの記録装置に格納しておき、ネットワークを介して、サーバコンピュータから他のコンピュータにそのプログラムを転送することにより、このプログラムを流通させる構成としてもよい。

また、各手段は、コンピュータ上で所定のプログラムを実行させることにより構成することにしてもよいし、これらの処理内容の少なくとも一部をハードウェア的に実現することとしてもよい。

本発明は、音声認識と音声合成の両分野全般で利用することができる。

Claims (8)

1. 単語系列を構成する元単語と当該元単語の音声データとの組と、発音変動パターンを入力として、上記音声データを、音響モデルと上記発音変動パターンを考慮した文脈自由文法とを用いて音声認識し、上記発音変動パターンに対応した上記元単語と変動後のパターンとの組から成る発音辞書変換ラベルを、上記元単語と上記音声データとの組の数分出力する発音辞書変換ラベル整備部と、
   上記発音辞書変換ラベルを入力として、当該発音辞書変換ラベルを構成する元単語の単語情報から抽出した素性ベクトルｘを入力した場合に当該発音辞書変換ラベルを構成する変動後のパターンを示す出力ラベルｙが出力される条件付き確率Ｐ（ｙ｜ｘ）を機械学習によってモデル化した発音辞書変換モデルを学習する発音辞書変換モデル学習部と、
   を具備する発音辞書変換モデル作成装置。
2. 請求項１に記載した発音辞書変換モデル作成装置において、
   上記発音辞書変換ラベル整備部は、
   上記単語系列から、読み情報付き形態素解析結果を得る形態素解析手段と、
   上記読み情報付き形態素解析結果と上記発音変動パターンを入力として、文脈自由文法を構築する文脈自由文法構築手段と、
   上記文脈自由文法を記憶する文脈自由文法記憶手段と、
   上記元単語の音声データを、音響モデルと上記文脈自由文法を用いて音声認識した最尤系列を出力する最尤系列探索手段と、
   上記読み情報付き形態素解析結果と上記最尤系列を入力として、上記元単語と変動後のパターンとから成る発音辞書変換ラベルを生成するラベル生成手段と、
   を備えることを特徴とする発音辞書変換モデル作成装置。
3. 請求項１又は２に記載した発音辞書変換モデル作成装置において、
   上記発音辞書変換モデル学習部は、
   上記発音辞書変換ラベルを入力として、当該発音辞書変換ラベルを構成する上記元単語の単語情報から素性ベクトルを抽出し、当該素性ベクトルを入力特徴ベクトルとし、上記変動後のパターンを出力ラベルとする対を学習ラベルとして出力する素性ベクトル抽出手段と、
   上記学習ラベルを入力として、上記素性ベクトルを入力特徴ベクトルとして上記出力ラベルが出力される条件付き確率を求めるモデルパラメータである発音辞書変換モデルを、最大エントロピーモデルを用いてモデル化する発音辞書変換装置モデルパラメータ学習手段と、
   を備えることを特徴とする発音辞書変換モデル作成装置。
4. 請求項１乃至３の発音辞書変換モデル作成装置で作成した発音辞書変換モデルと、
   正規の読み仮名のみが付与された変換元発音辞書内の辞書エントリを入力として、当該辞書エントリに対して正規読み素性ベクトルを構築する発音辞書素性化部と、
   上記正規読み素性ベクトルを入力として、上記発音辞書変換モデルを用い各発音変動パターンの確率値を求める発音変動観測部と、
   上記発音変動パターンの確率値ごとに辞書エントリを配列して発音変動が考慮された発音辞書を構築する発音辞書構築部と、
   を具備する発音辞書変換装置。
5. 発音辞書変換ラベル整備部が、単語系列を構成する元単語と当該元単語の音声データとの組と、発音変動パターンを入力として、上記音声データを、音響モデルと上記発音変動パターンを考慮した文脈自由文法とを用いて音声認識し、上記発音変動パターンに対応した上記元単語と変動後のパターンとの組から成る発音辞書変換ラベルを、上記元単語と上記音声データとの組の数分出力する発音辞書変換ラベル整備過程と、
   発音辞書変換モデル学習部が、上記発音辞書変換ラベルを入力として、当該発音辞書変換ラベルを構成する元単語の単語情報から抽出した素性ベクトルｘを入力した場合に当該発音辞書変換ラベルを構成する変動後のパターンを示す出力ラベルｙが出力される条件付き確率Ｐ（ｙ｜ｘ）を機械学習によってモデル化した発音辞書変換モデルを学習する発音辞書変換モデル学習過程と、
   を備える発音辞書変換モデル作成方法。
6. 発音辞書素性化部が、正規の読み仮名のみが付与された変換元発音辞書内の辞書エントリを入力として、当該辞書エントリに対して正規読み素性ベクトルを構築する発音辞書素性化過程と、
   発音変動観測部が、上記正規読み素性ベクトルを入力として、請求項５に記載した発音辞書変換モデル作成方法で作成した発音辞書変換モデルを用い各発音変動パターンの確率値を求める発音変動観測過程と、
   発音辞書構築部が、上記発音変動パターンの確率値ごとに辞書エントリを配列して発音変動が考慮された発音辞書を構築する発音辞書構築過程と、
   を備える発音辞書変換方法。
7. 請求項１乃至３の何れかに記載した発音辞書変換モデル作成装置、請求項４に記載した発音辞書変換装置、の何れかの装置の各部の機能を、コンピュータに実行させるためのプログラム。
8. 請求項７に記載した何れかのプログラムを記録したコンピュータで読み取り可能な記録媒体。

Images