JPH03149598A - 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〉 この発明は−音韻認識や音節認識に基づく音声、認識装
置の改良に関する。

〈従米の技術〉 従来、音節認識に基づく特定話者用の音声認識装置とし
て、第３図に示すようなものがある。この音声認識装置
において、特徴抽出部ｌに入力された音声信号は、Ａ／
Ｄ変換されてパワーお上びケプストラム係数等の特徴パ
ラメータが計算される。そしてさらに、この特徴パラメ
ータからパワー変化やスペクトル変化が算出される。そ
うすると、音節切出部２ではパワー変化やスペクトル変
化の変化点に基づいて音節境界候補を求める。音声の登
録時においては、特徴抽出部ｌによって算出されて音節
切出ＩＩ５２によって音節毎に切り出された特徴パラメ
ータの時系列が、音節登録部３によって音節標準パター
ン・メモリ４に標準パターンとして登録される。一方、
音声の認識時においては、音節切出部２によって音節毎
に切り出された入力音声の特徴パラメータの時系列（特
徴パターン）と、音節標準パターン・メモリ４に登録さ
れた標準パターンとのマツチングを音節認識部５によっ
て実施し、音節認識部５はマツチングの結果得られた音
節ラチスを出力する。

長音・促音判定部６では、音節切出部２で切り出された
音節区間や無音区間の長さを平均音声長と比較して、音
節認識部５によって認識された音節や無音が長音や促音
であるか否かの判定を行う。

言語処理部７は、長音や促音が挿入された音節ラチスと
単語辞書メモり８内の単語辞書とを照合して、文法的に
意味のある単語候補や文節候補を生成する。そして、こ
の生成された候補の中から結果選択部ＩＯによって選択
された候補が表示部１１に表示される。その際に、ユー
ザは表示部１１−に表示された候補を見てその表示候補
が正しいか否かを判断し、表示候補を認識結果として受
は入れるか、あるいは次の候補を表示部１１に表示させ
るか、あるいは表示候補を取り消して言い直すか等の指
示をキーボード部９から入力する。そうすると、このキ
ーボード部９からの指示に従って、長音・促音判定部６
の判定結果を変更したり、結果選択部ｌＯによって次の
表示候補が選択されたりする。

く発明が解決しようとする課題〉 しかしながら、上記従来の音声認識装置においては、次
に説明するように言い直しの際に対処できないという問
題がある。

すなわち、第４図は通常の発声速度で「あたま」と発声
された場合における音節区間と無音区間との二側を示す
。このような音声が入力された場合には、音節切出部２
によって切り出された各区間長は平均音節長と比較して
長くないので、長音・促音判定部６において長音や促音
は検出されない。

ここで、例えば音節切出部２における音節切り出しの誤
りや音節認識部５におけるマツチング誤り等によって正
しい認識結果が得られなかったとする。その場合、ユー
ザはキーボード部９の取消”キーを押して認識結果を消
去し、「あたま」と再発声する。そして、何度言い直し
ても正しい認識結果が得られない場合には、ユーザは−
音節ずつ区切って発声することが多い。

第５図は−音節毎に区切って「あ・た・ま」とゆっくり
発声された場合（以下、このような発声を音節区切り発
声という）における音節区間と無音区間との一例を示す
。このように音節区切り発声によってゆっくり発声され
た場合には、音節切出部２による音節の切り出しは正し
く行われる。しかしながら、各区間の長さが平均音節長
より十分長くなるので、長音・促音判定部６によって多
くの長音や促音が検出されてしまい、音節認識部５によ
る認識結果は例えば「ああったあっまあ」となる。

すなわち、何度も音節区切り発声によってゆっくり言い
直しても正しく認識されないという問題がある。

そこで、この発明の目的は、極めて認識が困難な単語や
文節を入力する際に、音節区切り発声によって入力する
ことが可能な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〉 上記目的を達成するため、この発明は、入力された音声
信号の特徴パターンと標準パターン・メモリに格納され
た標準パターンとに基づいて音声を認識する際に、長音
・促音判定部によって長音あるいは促音を判定する音声
認識装置において、外部からの指示によって動作を開始
して、上記長音・促音判定部による長音あるいは促音の
判定結果を所定の手順によって無効にする長音・促音判
定無効手段と、上記長音・促音判定無効手段に対して動
作開始を指示する指示手段を備えたことを特徴としてい
る。

く作用〉 音声信号が人力されると、この入力された音声信号の特
徴パターンと標準パターン・メモリに格納された標準パ
ターンとに基づいて入力音声が認識される。さらに、長
音・促音判定部によって長音あるいは促音が判定される
。その際に、指示手段によって長音・促音判定無効手段
に対して動作開始が指示されると、上記長音・促音判定
無効手段が動作を開始して、上記長音・促音判定部によ
る長音あるいは促音の判定結果が所定の手順によって無
効にされる。したがって、音節区切り発声によって言い
直しを行う際に、予め上記指示手段によって長音・促音
判定部の判定結果を無効にすることを指示しておけば、
音声区切り発声に起因する長音・促音判定部の判定結果
が無効にされ、長音・促音判定部による誤判定が避けら
れる。

〈実施例〉 以下、この発明を図示の実施例により詳細に説明する。

第１図はこの発明の音声認識装置のブロック図である。

この音声認識装置における各部の動作は、第３図に示し
た従来の音声認識装置と同じである。

すなわち、入力された音声信号は特徴抽出部２１によっ
て特徴パラメータか求められ、この特徴パラメータに基
づいて音節切出部２２によって音節境界候補が求められ
て音節に切り出される。そして、この入力音声の音節毎
の特徴パターンと登録時に音節標準パターン・メモり２
４に登録された音節毎の標準パターンとのマツチングが
音節認識部２５によって実施され、認識結果の音節ラチ
スに対する言語処理が言語処理部２７によって行われて
単語候補あるいは文節候補が得られる。そして、キーボ
ード部２９からの指示に従って結果選択部３０によって
選択された候補が表示部３１に表示される。

その際に、長音・促音判定部２６によって長音や促音が
判定されるのであるが、その際に実行される長音・促音
判定処理動作について詳細に説明する。

第２図は、上記長音・促音判定部２６によって実行され
る長音・促音判定処理動作のフローチャートである。

ここで、 ■：切出区間の数 ８（ｉ）：　ｉ番目の切出区間の種類（音節°と無音°
の２種類） Ｌ（ｉ）：　ｉ番目の切出区間の長さくフレーム数） ＬＭ：平均音節長（フレーム数） ０５（ｉ）：　ｉ番目の切出区間が長音または促音なら
ば′１”でありそれ以外は０” である敗 ｋｅｙ：最後に押されたキーの種類（正解”。

次候補゜および取消゜の３種類 ａ、ｂ：定数 ステップＳｌで、ｉがビにセットされる。

ステップＳ２で、ＣＳ（ｉ）が０°にセットされる。

ステップＳ３で、ｉ番目の切出区間が音節”であるか否
かが判別される。その結果音節０であればステップＳ４
に進み、そうでなければステップＳ６に進む。

ステップＳ４で、Ｌ（ｉ）＞ａＸＬＭであるか否かが判
別される。その結果Ｌ（ｉ）＞ａＸ４ＬＭであればステ
ップＳ５に進み、そうでなければステップＳ５をスキッ
プしてステップＳ８に進む。

ステップＳ５で、ＣＳ（ｉ）にｌ”がセットされる。

すなわち、切出区間が音節であって、その切出区間長が
平均音節長に基づく所定フレーム数より長い場合には、
音節認識部２５によって認識された音節は長音であると
判定するのである。

ステップＳ６で、Ｌ（ｉ）＞ｂＸＬＭであるか否かが判
別される。その結果Ｌ（ｉ）＞ｂＸ４ＬＭであればステ
ップＳ７に進み、そうでなければステップＳ７をスキッ
プする。

ステップＳ７で、ＣＳ　（ｉ）にビがセットされる。

すなわち、切出区間が無音であって、その切出区間長が
平均音節長に基づく所定フレーム数より長い場合には、
音節認識部２５によって認識された無音は促音であると
判定するのである。

ステップＳ８で、ｉ＝１であるか否かが判別される。そ
の結果ｉ＝ＩであればステップＳＩＯに進み、そうでな
ければステップＳ９に進む。

ステップＳ９で、ｉをインクリメントしてステップＳ２
に戻り、次の切出区間に対する処理を実行する。

上記ステップＳ９までは、従来の音声認識装置における
長音・促音判定処理動作と同じである。

ステップＳＩＯ以降はこの発明に係る処理であり、指示
手段からの指示に基づいて、上述のようにして得られた
長音あるいは促音の判定結果を無効にする長音・促音判
定無効処理である。

ステップＳ１０で、キーボード部２９において最後に押
されたキーの種類が取消”キーであるか否かが判別され
る。その結果取消”キーであればステップＳｉｔに進み
、そうでなければ長音・促音判定処理動作を終了する。

すなわち、長音・促音判定部２６に対して判定結果を無
効にすることを指示するための指示手段を取消”キーで
構成するのである。

ステップＳ１１で、Ｓ　（１）が１音節”であり、かつ
ＣＳ（１）＝、＝１であるか否かが判別される。その結
果Ｓ　（１）が音節°でありＣＳ（１）＝１であればス
テップＳ１２に進み、そうでなければ長音・促音判定処
理動作を終了する。

ステップＳ１２で、Ｓ（２）が無音”であり、かつＣＳ
（２）＝１であるか否かが判別される。その結果Ｓ（２
）が無音”でありＣＳ（２）＝１であればステップＳ１
３に進み、そうでなければ長音・促音判定処理動作を終
了する。

ステップＳ１３で、Ｓ（３）が音節”であり、かつＣＳ
（３）＝１であるか否かが判別される。その結果Ｓ（３
）が音節でありＣＳ（３）＝１であればステップＳ１４
に進み、そうでなければ長音・促音判定処理動作を終了
する。

ステップＳ１４で、ｉにｌ”がセットされる。

ステップＳ１５で、ＣＳ（ｉ）に０がセットされる。

ステップＳ１６で、ｉ＝Ｉであるか否かが判別される。

その結果ｉ＝１でなければステップ８１７に進み、そう
でなければ長音・促音判定処理動作を終了する。

ステップＳｔ？で、ｉがインクリメントされてステップ
Ｓ１５に戻る。

こうして、取消°キーが押された後に入力された音声の
認識結果から長音および促音が取り除かれるのである すなわち、この発明にかかる長音・促音判定処理動作に
おいては、キーボード部２９の取消”キーを押すことに
よって、それ以降に入力された音声の認識結果の時系列
における１番目の切出区間〜３番目の切出区間が「長音
」−「促音」−「長音」の時系列である場合（すなわち
、音節区切り発声であると見なされる場合）には長音・
促音フラグＣＳ（ｉ）をリセットするのである。こうす
ることによって、取消”キーを押してから入力された音
節区切り発声による音声に対しては、長音・促音判定結
果を無効にするのである。

以下、音節区切り発声によって「あ・た・ま」が入力さ
れた場合を例に、上述の長音・促音判定処理動作を具体
的に説明する。キーボード部２９における取消”キーが
押された後、音節区切り発声によって「あ・た・ま」と
発声される。そうすると、音節切出部２２によって第５
図に示すような切出区間！〜切出区間５の５個の切出区
間に切り出され、音節認識部２５によって各切出区間に
対する認識処理が実行される。その結果、切出区間！は
音節「あ（音節１）Ｊと認識され、切出区間２は無音（
無音ｌ）と認識され、切出区間３は音節「た（音節２）
」と認識され、切出区間４は無音（無音２）と認識され
、切出区間５は音節「ま（音１３）」と認識される。

そして、長音・促音判定部２６による長音・促音判定処
理動作に入る。

初期設定（ステップＳｔ、ステップＳ２）シた後、切出
区間ｌは音節”であって所定時間長（平均音節長Ｌ　Ｍ
　Ｘ　ａ）より長い（音節区切り発声によってゆっくり
発声された）ので長音であると判定される（ステップＳ
３およびステップＳ４）。そして、長音・促音フラグＣ
Ｓ　（１）に！”がセットされる（ステップＳ５）。次
に、切出区間２は無音”であって所定時間長（平均音節
長Ｌ　Ｍ　ｘ　ｂ）より長いので促音であると判定され
る（ステップＳ３およびステップＳ６）。そして、長音
・促音フラグＣＳ　（２）に冒”がセットされる（ステ
ップＳ７）。以下同様にして、切出区間３および切出区
間５は長音であると判定されて長音・促音フラグＣＳ　
（３）およびＣＳ　（５）にＩ”がセットされる。また
、切出区Ｍ４は促音であると判定されて長音・促音フラ
グＣＳ　（４）にｌ。

がセットされる。この結果、切出区間ｌの認識候補は「
ああ」、切出区間２の認識候補は「っ」、切出区Ｍ３の
認識候補は「たあ」、切出区間４の認識候補は「っ」、
切出区間５の認識候補は「まあ」となるのである。

ここで、キーボード部２９の取消”キーが押されている
ので（ステップＳ　１０）、切出区間１．切出区間２お
よび切出区間３の内容が調べられる。その結果、音節区
間ｌ〜音節区間３は「長音（ああ）」−「促音（っ）」
−「長音（たあ）」の時系列になっているので（ステッ
プｓ　ｉｔ、ステップＳ１２およびステップＳ１３）、
総ての切出区間（切出区間１〜切出区間５）の長音・促
音フラグＣｊ（ｉ）に０”をセットする。この結果、切
出区間ｌの認識候補は「あ」、切出区間２の認識候補は
「無音」、切出区間３の認識候補は「た」、切出区間４
の認識候補は「無音」、切出区間５の認識候補は「ま」
と修正されるのである。

したがって、当初の認識候補「ああうたあつまあ」の長
音と促音とが自動的に取り除かれて、認識候補は「あた
ま」に変更されるのである。この場合、「あたま」は音
節区切り発声によってゆっくり発声されているので音節
切出部２２によって正しく音節が切り出され、入力音声
が正しく認識されるのである。

その際に、例えば「ぴったり」のように２音節目に促音
を含む単語や文節を音節区切り発声すると必要な促をも
自動的に取り除かれて、認識候補は「びたり」となって
しまう。そこで、このような場合には「び・つ・た・す
」と音節区切り発声すればよい。そうすることによって
認識候補「ぴったり」が得られるが、後に言語処理部２
７における言語処理によって認識候補「ぴったり」を「
ぴったり」に変換するようにすれば良いのである。

上述のように、本実施例においては、単語や文節を音声
入力した際に音節認識部２５によって正しい認識結果が
得られない場合には、キーボード部２９の取消°キーを
押す。そうした後、音節区切り発声によって上記単語あ
るいは文節を再度入力する。そうすると、長音・促音判
定部２６は、音節区切り発声における認識候補に含まれ
る長音あるいは促音を所定の手順によって自動的に除去
するようにしている。したがって、音節区切り発声によ
る認識結果に不必要な長音や促音が含まれることがなく
、音節区切り発声によってゆっくり発声された単語や文
節が正しく認識されるのである。

上記実施例においては、音節認識部２５による音節認識
結果に基づいて音声を認識するようにしているが、この
発明は音韻認識結果に基づいて音声を認識する音声認識
装置に用いてもよい。

この発明における長音・促音判定部２６による長音・促
音判定処理のアルゴリズムは本実施例に限定されるもの
ではない。

〈発明の効果〉 以上より明らかなように、この発明の音声認識装置は、
長音・促音判定部、長音・促音判定無効手段および指示
手段を備えて、上記指示手段による指示に従って上記長
音・促音判定無効手段が動作を開始し、上記長音・促音
判定部による判定結果を無効にするようにしたので、言
い直しを行う場合、予め指示手段によって上記長音・促
音判定部による長音あるいは促音の判定結果を無効にす
るように指示しておけば、音節区切り発声によってゆっ
くり発声しても不必要な長音や促音が付加されず、音節
区切り発声による言い直しにも対処できるのである。

したがって、この発明によれば、極めて認識が困難な単
語や文節を入力する際に、音節区切り発声によって言い
直しを行って音韻あるいは音節の切り出しを確実にして
、正しく音声を認識することができる。

【図面の簡単な説明】

第１図はこの発明の音声認識装置における一実施例のブ
ロック図、第２図は第１図における長音・促音判定部に
よる長音・促音判定処理動作のフローチャート、第３図
は従来の音声認識装置のブロック図、第４図は通常に発
声された場合の切出区間の一例を示す図、第５図は音節
区切り発声された場合の切出区間の一例を示す図である
。 ２１・・・特徴抽出部、　２２・・・音節切出部、２３
−・・音節登録部、 ２４・・・音節標準パターン・メモり、２５・・・音節
認識部、　　２６・・・長音・促音判定部、２７・・・
言語処理部、　　２Ｂ・・一単語辞書メモり、２９・・
・キーボード部、　３０・・・結果選択部、３１・・・
表示部。 第２図 ｓａ＜て二び二！Σ〕〕〉Ｊ４−一−−一一一一一−−
一」−只Ａ〇− Ｃ５（ｉ）−１ｌ

Claims (1)

【特許請求の範囲】
1. （１）入力された音声信号の特徴パターンと標準パター
   ン・メモリに格納された標準パターンとに基づいて音声
   を認識する際に、長音・促音判定部によって長音あるい
   は促音を判定する音声認識装置において、 外部からの指示によって動作を開始して、上記長音・促
   音判定部による長音あるいは促音の判定結果を所定の手
   順によって無効にする長音・促音判定無効手段と、 上記長音・促音判定無効手段に対して動作開始を指示す
   る指示手段を備えたことを特徴とする音声認識装置。