JPH03122696A - 音声認識装置 - Google Patents

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。

Description

【発明の詳細な説明】 〔産業上の利用分野〕 本発明は音声認識装置に係り、特に音声の標準パターン
の登録状態を確認することのできる音声認識装置に関す
る。

〔従来の技術〕

音声認識装置では、認識する複数の音声を音声分析部で
予め分析し、その特徴パターンを標準パターンとしてメ
モリに登録しておく。標準パターンは、各音声の標準パ
ターンごとに所定の登録番号を対応付けて登録される。

音声の認識を行う場合、音声認識装置は音声分析部に入
力された音声の特徴パターンを切り出し、これとメモリ
に予め登録された各標準パターン・メモリとのパターン
マツチングを行う。音声認識装置は、パターンマツチン
グの結果パターン間距離が最小となる標準パターンを入
力された音声と認識し、その登録番号を出力する。

出力された登録番号は一般に制御装置に供給される。制
御装置では、音声の登録時に例えばその音声を示す文字
や、その音声によって行われるべき動作が音声の登録番
号と共に記憶されている。

従って、例えば音声を認識してこれを記録するための装
置の場合、「ヤマモト」という音声が入力されると、音
声認識装置はこれを認識して対応する登録番号を出力す
る。この登録番号が制御装置に供給され、「山水」と記
録される。また、工場の天井や支柱に設置され、ワイヤ
がけされた荷物を垂直および水平方向に移動させるクレ
ーンの移動制御に音声認識装置が使用されることがある
。

この場合、例えば「ヒガシ」という音声が音声認識装置
に入力されると、音声認識装置はこれを認識して対応す
る登録番号を出力する。この登録番号に対応する所定の
プログラムに従って制御装置はクレーンを「東」方向に
移動するように制御する。

〔発明が解決しようとする課題〕

このような音声認識装置で、標準パターンの登録時にそ
の登録が正しく行われたか否かを確認する場合、実際に
音声の認識を行い、その認識結果から判断している。す
なわち、音声認識装置に音声を実際に認識させ、対応す
る登録番号を出力させる。そして、その登録番号に基づ
いて制御装置で記録される文字や、制御される動作によ
って標準パターンの登録が正しいか否かを判断していた
。

従って、標準パターンの登録が正しく行われていること
を確認する作業に時間がかかるばかりでなく、非常に面
倒であった。

また、音声認識装置で音声を認識して例えばクレーンを
制御する場合、音声の誤認識による事故を防止するため
に、認識した音声を確認する「アンサーバック」が行わ
れ、操作者からの返事を受けた後に初めて動作を行うも
のがある。しかし、アンサーバックでクレーンが操作者
にＶ＆認する音声は、音声認識装置とは別に用意された
音声ＲＯＭのような音声合成装置で合成した音声であり
、間接的な音声による確認しか行われていない。すなわ
ち、アンサーバックにより出力される音声は、音声認識
装置がパターンマツチングにより認識した標準パターン
・メモリの内容そのものではない。

従って、制御装置等の故障により音声認識結果と異なる
アンサーバックが音声合成装置から出力される可能性が
あるという欠点がある。

更に、音声合成装置のメモリに標準パターンとして登録
されている音声を確認したい場合がある。

特に登録音声数が増えてくると、その全てについて記憶
しておくのは大変なので、このように音声を確認する必
要が生じてくる。このような場合、従来では、例えば登
録された全ての標準パターンの登録番号と対応する文字
を記録して、登録済みの音声を確認している。すなわち
、音声認識結果を出力するための記録装置を配置しなけ
ればならない。また、例えばクレーンの作業中に操作を
指示する音声が何であったか忘れてしまった場合、いち
いち記録装置で出力して確認するのでは操作が遅れてし
まう。特に、鉄鋼等の重量物をワイヤで吊り上げている
ような場合には危険である。

そこで本発明の第１の目的は、標準パターンの登録が正
しく行われた否かを容易に確認することができる音声認
識装置を提供することにある。

また本発明の第２の目的は、標準パターン・メそりに格
納された標準パターンそのものによりアンサーバックを
行うことのできる音声認識装置を提供することにある。

更に本発明の第３の目的は、音声合成装置のメモリに標
準パターンとして登録されている音声を、素早く確認す
ることのできる音声認識装置を提供することにある。

〔課題を解決するための手段〕

請求項１記載の発明は、（ｉ）入力音声の特徴パターン
を分析する音声分析手段と、（ｉｉ　）入力音声の音声
区間の検出を行う音声検出手段と、（ｉｉｉ　）認識す
る音声の標準パターンを複数格納する標準パターン・メ
モリと、（ｉｖ）音声検出手段で検出した音声区間に存
在する音声分析手段で分析される特徴パターンと標準パ
ターン・メモリに格納された各標準パターンとの間のパ
ターン間距離を算出するパターンマツチング手段と、（
Ｖ）このパターンマツチング手段で算出したパターン間
距離から入力される音声の認識結果を判定する認識結果
判定手段と、（ｖｉ）！準パターン・メモリに格納され
た標準パターンの音声を合成する音声合成手段とを具備
している。

すなわち請求項１記載の音声認識装置は、音声合成手段
で標準パターン・メモリに格納されている標準パターン
を読み出し、その音声を再生することにより、第１の目
的を特徴する 請求項２記載の音声認識装置は、（ｉ）入力音声の特徴
パターンを分析する音声分析手段と、（ｉｉ　）人力音
声の音声区間の検出を行う音声検出手段と、（ｉｉｉ　
＞認識する音声の標準パターンを複数格納する標準パタ
ーン・メモリと、（１ｖ）音声検出手段で検出した音声
区間に存在する音声分析手段で分析される特徴パターン
と標準パターン・メモリに格納された各標準パターンと
の間のパターン間距離を算出するパターンマツチング手
段と、（Ｖ）このパターンマツチング手段で算出したパ
ターン間距離から入力される音声の認識結果を判定する
認識結果判定手段と、（ｖｉ）この認識結果判定手段で
判定した音声に対応する標準パターン・メモリに格納さ
れた標準パターンから音声を合成し、これをアンサーバ
ックする音声合成手段とを具備している。

すなわち請求項２記載の音声認識装置は、入力音声であ
ると認識した標準パターンを音声合成部で合成してアン
サーバックすることとし、これにより第２の目的を特徴
する 請求項３記載の音声認識装置は、（ｉ）入力音声の特徴
パターンを分析する音声分析手段と、（ｉｉ　）入力音
声の音声区間の検出を行う音声検出手段と、（ｉｉｉ）
認識する音声の標準パターンを複数格納する標準パター
ン・メモリと、（ｉｖ）音声検出手段で検出した音声区
間に存在する音声分析手段で分析される特徴パターンと
標準パターン・メモリに格納された各標準パターンとの
間のパターン間距離を算出するパターンマツチング手段
と、（■）このパターンマツチング手段で算出したパタ
ーン間距離から入力される音声の認識結果を判定する認
識結果判定手段と、（ｖｌ）この認識結果判定手段で判
定した音声が所定のキーワードである場合に標準パター
ン・メモリに格納された標準パターンの音声を合成する
音声合成手段とを具備している。

すなわち請求項３記載の音声認識装置は、入力された音
声が所定のキーワードである場合に、標準パターン・メ
モリに格納された標準パターンから登録されている音声
を合成することとし、第３の目的を達成する。

〔実施例〕

以下、実施例につき本発明の詳細な説明する。

第１図は、本発明の一実施例における音声認識装置の概
要を示したものである。

この実施例の音声認識装置は、音声入力端子１１を備え
ており、標準パターンを登録する場合、およびこの標準
パターンに基づいて音声を認識する場合に音声が入力さ
れる。音声入力端子１１から入力された音声１２は、音
声分析部１３に供給される。

音声分析部１３は、人力音声１２の特徴パターンを分析
する部分であり、その分析結果としての特徴パターン１
４を切替スイッチ１６に送出する。

また、音声分析部１３から出力されるパワー１７は、音
声検出部１８に送出され、ここで入力音声１２の音声区
間が検出される。音声検出部１８で得られた音声区間情
報１９は、標準パターン・メモリ２１とパターンマツチ
ング部２２の双方に供給される。切替スイッチ１６は、
その切り替えにより音声分析部１３から送出された特徴
パターン１４を標準パターン・メモリ２１あるいはパタ
ーンマツチング部２２のいずれかに送出するようになっ
ている。

標準パターン・メモリ２１は、特徴パターン１４を受け
ると、これを音声区間情報１９に同期させて標準パター
ンとして登録する。標準パターンは、所定の登録番号と
共に登録される。一方、パターンマツチング部２２は、
特徴パターン１４を受けると、これと標準パターン・メ
モリ２１から読み出された各標準パターン２３との間で
バクーンマッチングを行う。パターンマツチング部２２
は、パターン間距離２４を計算し、これと標準パターン
２３の登録番号を認識結果判定部２６に供給するように
なっている。

認識結果判定部２６は、供給されたパターン間距離２４
が最小である標準パターン２３を認識結果とし、その登
録番号２７を出力端子２８と音声合成部２９に供給する
。音声合成部２９は、標準パターン・メモリ２１から登
録番号２７に対応する標準パターン３１を読み出し、こ
れから音声を合成する。音声合成部２９は、合成した音
声３２を音声出力端子３３にアンサーバックするように
なっている。音声合成部２９は、供給されたキーワード
の登録番号２７が供給された場合、標準パターン・メモ
リ２１に登録された全ての標準パターン３１の音声合成
を行い、音声出力端子３３に送出するようになっている
。

次に、以上のように構成された音声認識装置がクレーン
に使用された場合の動作について、その登録時と認識時
に分けて具体的に説明する。

（登録時） 標準パターンの登録を行うときには、切替スイッチ１６
を標準パターン・メモリ２１側に接続しておく。

この状態で、音声入力端子１１から人力された入力音声
１２は、音声分析部１３に入力される。

音声分析部１３は、入力された入力音声１２を分析し、
その結果としての特徴パターン１４を標準パターン・メ
モリ２１に供給する。音声分析部１３は、入力音声１２
のパワー１７を音声検出部１８に入力する。音声検出部
１８は、パワー１７から音声区間を検出し、音声区間情
報１９を標準ノ（ターン・メモリ２１に供給する。標準
ノイターン・メモリ２１では、音声区間情報１９に従っ
て切り出された入力音声の特徴パターン１４を、音声入
力端子１１から入力された入力音声１２の標準）くター
ンとして登録する。標準パターン・メモリ２１に格納さ
れる入力音声１２の標準パターンは、図示しない制御装
置の同じく図示しない操作盤から入力される所定の登録
番号と共に登録される。

例えば、「ヒガシ」という音声信号１２の標準パターン
に対応して所定の登録番号“０９”が標準パターン・メ
モリ２１に格納される。

標準パターン・メモリ２１に格納された標準パターン３
１は音声合成部２９に供給される。各標準パターンは、
標準パターン・メモリ２１に格納されるごとに音声合成
部で合成され、確認される。

例えば、音声「ヒガシ」の標準パターン３１が供給され
た音声合成部２９は、その特徴パターンから音声を合成
し、音声出力端子３３に出力する。

これによって音声の登録者は、正確に音声「ヒガシ」の
特徴パターンが標準パターンとして登録されたか否かを
確認する。

図示しない操作盤の操作により一括確認モードに設定さ
れると、音声合成部２９は登録の終了を示す信号が供給
された後に、標準パターンをその登録順に一括して合成
し、出力する。また、操作盤から特定の登録番号が指定
されると、音声合成部２９は指定された登録番号に対応
する標準パターンを標準パターン・メモリ２１から読み
出し、その特徴パターンから音声を合成し、音声出力端
子３３に出力する。

音声の認識を２うときには、切替スイッチ１６をパター
ンマツチング部２２側に接続しておく。

操作者は、図示しないマイクロホンからクレーンを制御
するための指令語を例えば「ヒガシ」と音声人力する。

マイクロホンに入力された音声は無線により音声入力端
子１１に供給される。音声入力端子１１から供給された
入力音声１２は、音声分析部１３に入力される。音声分
析部１３は、入力音声１２を分析し、その結果としての
特徴パターン１４をパターンマツチング部２゛２に供給
する。また、音声分析部１３は人力音声１２のパワー１
７を音声検出部１８に人力する。音声検出部１８は、パ
ワー１７から音声区間を検出し、音声区間情報１９をパ
ターンマツチング部２２に供給する。パターンマツチン
グ部２２では、標準パターン・メモリ２１から標準パタ
ーン２３を読み出し、音声区間情報１９に従って切り出
された入力音声１２の特徴パターン１４とパターンマツ
チングを行う。そして、これを基にじてパターン間距離
２４が算出される。認識結果判定部２６では、このパタ
ーン間距離２４から結果を判定し、判定した標準パター
ン２３の登録番号２７“０９”を出力端子２８から図示
しない制御装置に供給する。

認識結果判定部２６は、登録番号２７“０９”を音声合
成部２９に供給する。音声合成部２９は、標準パターン
・メモリ２１から登録番号２７“０９”に対応するの標
準パターン３１を読み出し、これを合成する。音声合成
部２９は、標準パターン３１から合成した音声「ヒガシ
」と、これに音声「ですか」を付加して音声３２「ヒガ
シですか」を音声出力端子３３に出力する。音声出力端
子３３から出力された音声３２は、アンサーバックとし
て操作者が装備した図示しないイヤホンに無線で送出さ
れる。

操作者は、自分の入力した音声とアンサーバックの内容
が一致する場合には、マイクロホンから「スタート」と
音声入力する。音声認識装置は、同様にしてこの音声「
スタート」を認識し、対応する登録番号２７、例えば“
９９”を出力端子から図示しない制御装置に供給する。

制御装置は、登録番号“９９＃が供給されると、既に供
給されている「ヒガシ」の登録番号“０９″に対応する
予め用意されたプログラムに従って、クレーンを東側に
移動するように制御する。

操作者は、クレーンを制御するための指令語を忘れた場
合のように、作業中に標準パターン・メモリ２１に登録
された音声の確認をしたい場合がある。このような場合
、操作者は所定のキーワード「トウロクゴサイセイ」を
マイクロホンから入力する。音声認識装置は、同様にし
て人力された音声「トウロクゴサイセイ」を認識し、対
応する登録番号２７、例えば“９８”を音声合成り２９
に供給する。音声合成部２９は、登録番号“９８”が供
給されると、標準パターン・メモリ２１に登録された標
準パターン３１を順次読み出して音声の合成、再生をし
、これを音声出力端子３３に出力する。操作者は無線で
イヤホンから出力される音声を聴いて必要な指令語の確
認を行い、操作を続行する。

以上説明した実施例では、キーワードが入力されると全
ての標準パターンにぢいて音声合成されたが、所定の分
類ごとにキーワードを複数設け、必要な分類の標準パタ
ーンのみを合成する構成としてもよい。

また以上説明した実施例では、音声認識装置が用いられ
たクレーンについて説明したが、音声を認識して自動的
にダイヤルする電話機に用いることも可能である。この
場合、音声合成部はアンサーバックによる音声を出力し
たことを示す信号を音声分析部に供給する。これによっ
て音声分析部は、アンサーバックによる音声が受話器を
通じて供給されても、その分析を行わない。

更に、以上説明”した実施例では音声区間を検出してパ
ターンマツチングを行うこととしたが、これ；・に限ら
ず、例えばワード・スポツティング等の他の方式を用い
てもよい。すなわち、どのような方式で音声を認識す・
るかは本発明の範囲と直接関係はない。

〔発明の効果〕

このように請求項１記載の音声認識装置によれば、音声
合成手段で標準パターン・メモリに格納されている標準
パターンを読み出してその音声を再生する構成としたの
で、標準パターンの登録が正しく行われた否かを容易に
確認することができる。

請求項２記載の音声認識装置によれば、入力音声である
と認識した標準パターンを音声合成部で合成してアンサ
ーバックする構成としたので、標準パターン・メモリに
格納した標準パターンの内容によりアンサーバックを行
うことができる。また、ＨＥｍした音声を確認するため
の音声データをメモリに格納しておく必要がないので、
メモリ量を低減することができる。

請求項３記載の音声認識装置によれば、入力された音声
が所定のキーワードである場合に、標準パターン・メモ
リに格納された標準パターンから登録されている音声を
合成する構成としたので、標準パターンとして登録され
ている音声を素早く確認することができる。

【図面の簡単な説明】

第１図は本発明の一実施例における音声認識装置の回路
構成を示すブロック図である。 １１・・・・・・音声入力端子、１３・・・・・・音声
分析部、１６・・・・・・切替スイッチ、１８・・・・
・・音声検出部、２１・・・・・・標準パターン・メモ
リ、２２・・・・・・パターンマツチング部、２６・・
・・・・認識結果判定部、２８・・・・・・出力端子、
２９・・・・・・音声合成部、３３・・・・・・音声出
力端子。

Claims (1)

1. 【特許請求の範囲】 １、入力音声の特徴パターンを分析する音声分析手段と
   、 入力音声の音声区間の検出を行う音声検出手段と、 認識する音声の標準パターンを複数格納する標準パター
   ン・メモリと、 前記音声検出手段で検出した音声区間に存在する前記音
   声分析手段で分析される特徴パターンと前記標準パター
   ン・メモリに格納された各標準パターンとの間のパター
   ン間距離を算出するパターンマッチング手段と、 このパターンマッチング手段で算出したパターン間距離
   から入力される音声の認識結果を判定する認識結果判定
   手段と、 前記標準パターン・メモリに格納された標準パターンの
   音声を合成する音声合成手段 とを具備することを特徴とする音声認識装置。 ２、入力音声の特徴パターンを分析する音声分析手段と
   、 入力音声の音声区間の検出を行う音声検出手段と、 認識する音声の標準パターンを複数格納する標準パター
   ン・メモリと、 前記音声検出手段で検出した音声区間に存在する前記音
   声分析手段で分析される特徴パターンと前記標準パター
   ン・メモリに格納された各標準パターンとの間のパター
   ン間距離を算出するパターンマッチング手段と、 このパターンマッチング手段で算出したパターン間距離
   から入力される音声の認識結果を判定する認識結果判定
   手段と、 この認識結果判定手段で判定した音声に対応する前記標
   準パターン・メモリに格納された標準パターンから音声
   を合成し、これをアンサーバックする音声合成手段 とを具備することを特徴とする音声認識装置。 ３、入力音声の特徴パターンを分析する音声分析手段と
   、 入力音声の音声区間の検出を行う音声検出手段と、 認識する音声の標準パターンを複数格納する標準パター
   ン・メモリと、 前記音声検出手段で検出した音声区間に存在する前記音
   声分析手段で分析される特徴パターンと前記標準パター
   ン・メモリに格納された各標準パターンとの間のパター
   ン間距離を算出するパターンマッチング手段と、 このパターンマッチング手段で算出したパターン間距離
   から入力される音声の認識結果を判定する認識結果判定
   手段と、 この認識結果判定手段で判定した音声が所定のキーワー
   ドである場合に前記標準パターン・メモリに格納された
   標準パターンの音声を合成する音声合成手段 とを具備することを特徴とする音声認識装置。