JPH02239291A - 文節音声認識装置 - Google Patents
文節音声認識装置Info
- Publication number
- JPH02239291A JPH02239291A JP1060066A JP6006689A JPH02239291A JP H02239291 A JPH02239291 A JP H02239291A JP 1060066 A JP1060066 A JP 1060066A JP 6006689 A JP6006689 A JP 6006689A JP H02239291 A JPH02239291 A JP H02239291A
- Authority
- JP
- Japan
- Prior art keywords
- clause
- recognition
- feature quantity
- likelihood
- phrase
- 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.)
- Pending
Links
- 238000012545 processing Methods 0.000 claims abstract description 14
- 238000001514 detection method Methods 0.000 claims description 4
- 238000000034 method Methods 0.000 claims description 4
- 238000004458 analytical method Methods 0.000 abstract description 2
- 238000004364 calculation method Methods 0.000 description 6
- 238000007796 conventional method Methods 0.000 description 3
- 238000000605 extraction Methods 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 1
- 230000002542 deteriorative effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
Abstract
(57)【要約】本公報は電子出願前の出願データであるた
め要約のデータは記録されません。
め要約のデータは記録されません。
Description
【発明の詳細な説明】
「産業上の利用分野」
この発明は、隠れマルコフモデル（例えば、中川聖一「
確率モデルによる音声認識」電子情報通信学会＆ｌＨ（
１９８８））を用いた音素単位の認識に基づく日本語文
節音声認識装置に関するものである。
確率モデルによる音声認識」電子情報通信学会＆ｌＨ（
１９８８））を用いた音素単位の認識に基づく日本語文
節音声認識装置に関するものである。
「従来の技術」
従来、この種の隠れマルコフモデルを用いた音素単位の
認識に基づく日本語文節音声認識装置においては、文節
の尤度の計算において入力音声の全ての時点、あるいは
処理を行っている時点の近傍の全ての時点での計算を行
っていた。（例えば、北他ｒＨＭＭｆ韻認識とＬＲパー
ザを用いた文節認識」日本音響学会昭和６３年度秋季研
究発表会講演論文集、２−ｐ−２９ （１９８８−１０
）；「発明が解決しようとする課題」 したがって、これらの方式では全ての時点を考慮して処
理を行うために、処理量が多いという間題点があった．
特に、文節音声の認識では単語認識と比較してこの処理
量の問題は重大であった。
認識に基づく日本語文節音声認識装置においては、文節
の尤度の計算において入力音声の全ての時点、あるいは
処理を行っている時点の近傍の全ての時点での計算を行
っていた。（例えば、北他ｒＨＭＭｆ韻認識とＬＲパー
ザを用いた文節認識」日本音響学会昭和６３年度秋季研
究発表会講演論文集、２−ｐ−２９ （１９８８−１０
）；「発明が解決しようとする課題」 したがって、これらの方式では全ての時点を考慮して処
理を行うために、処理量が多いという間題点があった．
特に、文節音声の認識では単語認識と比較してこの処理
量の問題は重大であった。
［謀題を解決するための手段」
この発明によれば、入力音声の特徴パラメータ時系列か
ら、音声の動的な特徴量（嵯峨山他「音声の動的尺度に
含まれる個人性情報」日本音響学会昭和５４年度春季研
究発表会講演論文集、３一２−７ （１９７９−６）；
）を予め抽出する。
ら、音声の動的な特徴量（嵯峨山他「音声の動的尺度に
含まれる個人性情報」日本音響学会昭和５４年度春季研
究発表会講演論文集、３一２−７ （１９７９−６）；
）を予め抽出する。
この動的な特徴量が多い時点は或は極大点は音素の区切
り目に対応し、特徴量の少ない時点は音素の定常区間に
対応する．即ち、音素単位の認識に基づく隠れマルコフ
モデル（ヴイタヴイアルゴリズム）においては音素の区
切り目のみを考慮すれば良く、この動的な特徴量により
区切り目を検出し、これを用いて、文節の構文及び単語
辞書をたどる時に音声の始端と終端の２方向から文ｗ５
候補の先度を計算すれば、処理量は従来技術に対して削
減できる。
り目に対応し、特徴量の少ない時点は音素の定常区間に
対応する．即ち、音素単位の認識に基づく隠れマルコフ
モデル（ヴイタヴイアルゴリズム）においては音素の区
切り目のみを考慮すれば良く、この動的な特徴量により
区切り目を検出し、これを用いて、文節の構文及び単語
辞書をたどる時に音声の始端と終端の２方向から文ｗ５
候補の先度を計算すれば、処理量は従来技術に対して削
減できる。
「実施例」
第１図は、この発明の実施例を示すブロック図である。
入力端子１から入力された音声は、特徴抽出部２におい
てディジタル信号に変換され、更にＬＰＣケブストラム
分析された後、１フレーム（１時点、例えば１０ミリ秒
）ごとに特徴パラメータに変換される。この特徴パラメ
ータは音声のベクトルコードなどである。また一方で動
的な特徴量の検出部３では特徴抽出部１で得たケブスド
ラム係数を用いて、特徴量の大きなフレームと特徴量が
極大となるフレームを検出する。文節認識部４では文節
認識用単語辞書５、文節認識用構文規則６を用いて各文
節候補に対して尤度の計算を、音声の始端と終端から双
方向に行う。この際、動的な特徴量の検出部３で検出し
たフレームのみを音素の区切り目として計算するため、
従来の方式より高速に処理が行える．最後に、求める先
度の最も高い文節候補を認識結果として、認識結果出力
部７から出力する。
てディジタル信号に変換され、更にＬＰＣケブストラム
分析された後、１フレーム（１時点、例えば１０ミリ秒
）ごとに特徴パラメータに変換される。この特徴パラメ
ータは音声のベクトルコードなどである。また一方で動
的な特徴量の検出部３では特徴抽出部１で得たケブスド
ラム係数を用いて、特徴量の大きなフレームと特徴量が
極大となるフレームを検出する。文節認識部４では文節
認識用単語辞書５、文節認識用構文規則６を用いて各文
節候補に対して尤度の計算を、音声の始端と終端から双
方向に行う。この際、動的な特徴量の検出部３で検出し
たフレームのみを音素の区切り目として計算するため、
従来の方式より高速に処理が行える．最後に、求める先
度の最も高い文節候補を認識結果として、認識結果出力
部７から出力する。
第２図は、「科学者が」と発声した文節音声である．１
０ミリ秒毎にディジタル化されたものである。Ａは音声
波形であり、Ｂは動的な特＠量である．Ｃは縦軸が周波
数軸、横軸は時間軸を表すソナグラムである。Ｄは音声
の音素の発声区間を示したラベルである．Ｅは動的な特
徴量を用いて検出した音素の区切り目とならないフレー
ムである．例えばＦを従来法で尤度の計算を行う区間と
すれば２５フレーム計算を行う必要があるが、本発明に
より計算を行わなくてよいフレームが８フレームあるた
め、１７フレームに対して計算を行えば良くなり認識性
能を落とさないで処理量は削減できる． ［発明の効果ｊ 以上説明したように、この発明によれば、動的な特徴量
を検出し、特徴量の大きいフレームや特徴量の極大点に
対して候補の尤度計算を行うため、文節認識に要する処
理量の割合は少なくなる。
０ミリ秒毎にディジタル化されたものである。Ａは音声
波形であり、Ｂは動的な特＠量である．Ｃは縦軸が周波
数軸、横軸は時間軸を表すソナグラムである。Ｄは音声
の音素の発声区間を示したラベルである．Ｅは動的な特
徴量を用いて検出した音素の区切り目とならないフレー
ムである．例えばＦを従来法で尤度の計算を行う区間と
すれば２５フレーム計算を行う必要があるが、本発明に
より計算を行わなくてよいフレームが８フレームあるた
め、１７フレームに対して計算を行えば良くなり認識性
能を落とさないで処理量は削減できる． ［発明の効果ｊ 以上説明したように、この発明によれば、動的な特徴量
を検出し、特徴量の大きいフレームや特徴量の極大点に
対して候補の尤度計算を行うため、文節認識に要する処
理量の割合は少なくなる。
例えば、音声データがＮフレームあり、その中でｍ個の
フレームを動的な特徴量の検出部で検出したとき、文節
認識に要する処理量の従来の方式に対する割合は（ｍ／
Ｎ）の２乗の割合となる。
フレームを動的な特徴量の検出部で検出したとき、文節
認識に要する処理量の従来の方式に対する割合は（ｍ／
Ｎ）の２乗の割合となる。
例えば、ヴイタヴイアルゴリズムを用いた隠れマルコフ
文節音声認識システム（松永他ｒＨＭＭ音素認識に基づ
く各辞書構造での処理量の比較」日本音響学会昭和６３
年度秋季研究発表会講演論文集、２−ｐ−２７ （１９
８８−１０）；）を文節認識部４に用いた場合において
、３名の話者が発声した１００文節の音声データに対し
て、認識性能を劣下させずに、従来技術に対して、フレ
ーム数が平均７２％になる。処理量はフレーム数の２乗
に比例するため、処理量はＯｏ ７２の２乗すなわち０
．５１８４となる。言い替えれば、平均５０％程度に削
減できた。
文節音声認識システム（松永他ｒＨＭＭ音素認識に基づ
く各辞書構造での処理量の比較」日本音響学会昭和６３
年度秋季研究発表会講演論文集、２−ｐ−２７ （１９
８８−１０）；）を文節認識部４に用いた場合において
、３名の話者が発声した１００文節の音声データに対し
て、認識性能を劣下させずに、従来技術に対して、フレ
ーム数が平均７２％になる。処理量はフレーム数の２乗
に比例するため、処理量はＯｏ ７２の２乗すなわち０
．５１８４となる。言い替えれば、平均５０％程度に削
減できた。
なお上述において各部は一般には専用または兼用のマイ
クロプロセッサにより処理される，
クロプロセッサにより処理される，
第１図は、この発明による文節音声認識装置の一例を示
すブロック図であり、第２図は文節音声の例である。 １コ音声信号人力端子、２：特徴抽出部、３：動的な特
徴量の検出部、４：文節Ｐ２織部、Ｆ ： 文Ｖ認識用単語辞書、 文節認識用構文規則、７：認識結果出力部音声波形、Ｂ
：動的な特徴量、 ソナグラム、 音声の音素の発声区間を示したラベル、動的な特徴量を
用いて検出した音素の区切り目とならないフレーム、 計算区間． 代 理人 手続補正書（方式） ２．発明の名称 文節音声認識装置 ３．補正をする者 事件との関係 特許出願人 東京都千代田区内幸町一丁目１番６号 （４ ２ ２） 日本電信電話株式会社代表者 山口
開生 ４．代理人 東京都武蔵野市緑町三丁目９番１ｌ号
５，補正命令の日付 平成１年 ６月１２日 ７、補正の内容 （１）願書に最初に添付した図面第１図を別紙のとおり
浄書したく内容に変更なし）。 （２）願書に最初に添付した図面第２図を別紙のとおり
浄書するとともに図中Ｃの濃淡表示が適正となるように
補正した。
すブロック図であり、第２図は文節音声の例である。 １コ音声信号人力端子、２：特徴抽出部、３：動的な特
徴量の検出部、４：文節Ｐ２織部、Ｆ ： 文Ｖ認識用単語辞書、 文節認識用構文規則、７：認識結果出力部音声波形、Ｂ
：動的な特徴量、 ソナグラム、 音声の音素の発声区間を示したラベル、動的な特徴量を
用いて検出した音素の区切り目とならないフレーム、 計算区間． 代 理人 手続補正書（方式） ２．発明の名称 文節音声認識装置 ３．補正をする者 事件との関係 特許出願人 東京都千代田区内幸町一丁目１番６号 （４ ２ ２） 日本電信電話株式会社代表者 山口
開生 ４．代理人 東京都武蔵野市緑町三丁目９番１ｌ号
５，補正命令の日付 平成１年 ６月１２日 ７、補正の内容 （１）願書に最初に添付した図面第１図を別紙のとおり
浄書したく内容に変更なし）。 （２）願書に最初に添付した図面第２図を別紙のとおり
浄書するとともに図中Ｃの濃淡表示が適正となるように
補正した。
Claims (1)
- 【特許請求の範囲】 入力音声を特徴パラメータの時系列とし、その特徴パラ
メータ時系列と、音素記号の系列で表現した単語と文節
の構文を記述した文法を用いて、文節に対する尤度を隠
れマルコフモデルを用いて文節認識部で求め、尤度の高
い文節を認識結果とする文節認識装置において、 上記入力音声について、音声の動的な変化量がある閾値
（スレッシュホルド）以上に大きい時点と極大となる時
点を検出する手段とを持ち、その文節の尤度を計算する
際に、文節の構文及び単語辞書をたどる時に処理時間短
縮のため音声の始端と終端の２方向から尤度を計算する
手段と、その検出した時点のみの値を用いて、この文節
の尤度の計算を行うことを特徴とする文節音声認識装置
。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP1060066A JPH02239291A (ja) | 1989-03-13 | 1989-03-13 | 文節音声認識装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP1060066A JPH02239291A (ja) | 1989-03-13 | 1989-03-13 | 文節音声認識装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JPH02239291A true JPH02239291A (ja) | 1990-09-21 |
Family
ID=13131341
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP1060066A Pending JPH02239291A (ja) | 1989-03-13 | 1989-03-13 | 文節音声認識装置 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPH02239291A (ja) |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS59171999A (ja) * | 1983-03-18 | 1984-09-28 | ソニー株式会社 | 音声認識方法 |
| JPS614119A (ja) * | 1984-06-07 | 1986-01-10 | ベー・ベー・ツエー・アクチエンゲゼルシヤフト・ブラウン・ボベリ・ウント・コンパニー | 圧縮ガス遮断器 |
| JPS62144200A (ja) * | 1985-12-18 | 1987-06-27 | 富士通株式会社 | 連続音声認識装置 |
-
1989
- 1989-03-13 JP JP1060066A patent/JPH02239291A/ja active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS59171999A (ja) * | 1983-03-18 | 1984-09-28 | ソニー株式会社 | 音声認識方法 |
| JPS614119A (ja) * | 1984-06-07 | 1986-01-10 | ベー・ベー・ツエー・アクチエンゲゼルシヤフト・ブラウン・ボベリ・ウント・コンパニー | 圧縮ガス遮断器 |
| JPS62144200A (ja) * | 1985-12-18 | 1987-06-27 | 富士通株式会社 | 連続音声認識装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP3162994B2 (ja) | 音声のワードを認識する方法及び音声のワードを識別するシステム | |
| US7653541B2 (en) | Speech processing device and method, and program for recognition of out-of-vocabulary words in continuous speech | |
| JP4666129B2 (ja) | 発声速度正規化分析を用いた音声認識装置 | |
| JPH02239291A (ja) | 文節音声認識装置 | |
| JP3277579B2 (ja) | 音声認識方法および装置 | |
| KR20020063665A (ko) | 피치 단위 데이터 분석을 이용한 음성인식 방법 및 시스템 | |
| Likitsupin et al. | Acoustic-phonetic approaches for improving segment-based speech recognition for large vocabulary continuous speech | |
| JPH08314490A (ja) | ワードスポッティング型音声認識方法と装置 | |
| Qian et al. | A Multi-Space Distribution (MSD) and two-stream tone modeling approach to Mandarin speech recognition | |
| JP2664136B2 (ja) | 音声認識装置 | |
| JPH07295588A (ja) | 発話速度推定方法 | |
| JP3110025B2 (ja) | 発声変形検出装置 | |
| JP2578771B2 (ja) | 音声認識装置 | |
| JPH0736481A (ja) | 補完音声認識装置 | |
| JPH0997095A (ja) | 音声認識装置 | |
| KR19980065481A (ko) | 운율 분석 결과에 근거한 음소 분리 방법 | |
| Hoshimi et al. | Speaker independent speech recognition method using training speech from a small number of speakers | |
| Brink et al. | An acoustic comparison of the vowels and diphthongs of first and second language South African English | |
| KR19980013825A (ko) | 언어모델 적응기능을 가진 음성인식장치 및 그 제어방법 | |
| JPS61180300A (ja) | 音声認識装置 | |
| JPH07104782A (ja) | 音声認識装置 | |
| JPH08171396A (ja) | 音声認識装置 | |
| Sugamura | Continuous speech recognition using large vocabulary word spotting and CV syllable spotting | |
| Likitsupin et al. | Improving segment-based speech recognition by recovering missing segments in segment graphs-A Thai case study | |
| JPH01154199A (ja) | 発声用パターン登録方式 |