JPH03174599A - 音声認識方式 - 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】 ［発明の目的コ （産業上の利用分野） 本発明は入力音声単語を効率良く、しかも高精度に認識
することのできる単語音声認識方式に関する。

（従来の技術） 音声認識の技術は、優れたマンマシン・インターフェー
スを実現する上での重要な役割を担っている。この音声
認識において、その認識精度を高める上での重要な前処
理として音声区間検出があり、従来より種々研究・開発
されている。

この音声区間検出は、従来−膜内には入力単語音声のパ
ワー時系列を求め、その音声パワーＰが所定の閾値Ｔｌ
より大きくなった時点を入力音声単語の始端Ｓとして検
出し、またこの音声始端検出後に上記音声パワーＰが所
定の閾値Ｔ２より小さくなった時点をその入力音声単語
の終端Ｅとして検出することにより行われる。

ところがこのような音声区間検出では、その音声区間が
一意に決定されるので、例えば実際の音声区間の前後に
息洩れや舌打ちノイズ等が存在すると、これをも音声区
間の一部として検出してしまうと云う不具合がある。ま
た逆に音節の先頭や最終音節が無声化し易い単語音声の
場合には、その無声化音節部分のパワーＰが極端に小さ
くなるので、この部分が検出音節区間から脱落し易いと
云う欠点がある。

このような音声区間の検出誤りは、その音声認識におい
て致命的な誤認識や認識リジェクトの原因となる。特に
装置利用者が発声した単語音声の特徴パターンを標準パ
ターンとして登録しておき、音声認識時に入力された単
語音声の特徴パターンと先に登録されている標準パター
ンとの類似度を求めてその認識結果を得る特定話者単語
音声認識方式にあっては、標準パターン作成時に音声区
間検出誤りが生じると、登録しようとしている単語の音
声区間とは違う音声区間の特徴パターンを標準パターン
として登録してしまうことになる。このようにして誤っ
た標準パターンを登録してしまうと、仮に音声認識時に
正しく音声区間が検出されたとしても、誤った認識結果
を出力してしまう原因となる。

このような標準パターン作成時での音声区間検出誤りが
原因となる誤認識を少なくする技術として、標準パター
ン作成時に認識対象単語を複数回発声入力し、それらの
発声時間がほぼ等しいときにのみ標準パターンを作成し
て登録し、発声時間にばらつきがある場合には再発声を
要求する手法がある。しかし複数回の発声の全てに同じ
ようなノイズの付加や音声区間の脱落が生じると、上述
した発声区間の比較だけでは音声区間の検出誤りを防ぐ
ことができないと云う問題がある。

またノイズの付加や音声区間の脱落を少なくする手法と
して、入力単語音声に対して複数の始端候補（Ｓｌ、Ｓ
２．〜ＳＭ）と終端候補（Ｅ　１．Ｅ　２．〜ＥＮ）と
をそれぞれ求め、これらの候補に対して所定の規則に従
って確率（ｆｓｌ、　　ｆｓ２．〜ｆｓＭ）　。

（ｆ　ｅｌ、　　ｆ　ｅ２．〜ｆ　ｅＮ）をそれぞれ与
える。そして上記始端候補（Ｓｌ、Ｓ２．〜ＳＭ）と終
端候補（Ｅｌ、Ｅ２．〜ＥＮ）の組み合わせとして求め
られる複数の音声区間候補［Ｓｓ、Ｅｎコ　（但し、　
１１−１゜２、〜Ｍ、ｒｒ１．２．〜Ｎ　）についての
尤度ＬｍｎをＬｍｎ　　−ｆｓｍ　　Ｘ　　ｆｅｎ として計算し、尤度Ｌ＋ｇｎの高い上位の複数の音声区
間候補についての標準パターンとのマツチングをとるこ
とで、入力単語音声に対する認識結果を求める手法が単
語境界仮説法として提唱されている。

しかしこのような手法を採用しても、標準パターンとし
て求めた単語音声の音声区間自体が誤って検出されてい
ると、結局、入力単語音声を正しく認識することができ
ないと云う問題があった。

（発明が解決しようとする課題） このように従来にあっては、複数回に亘って発声入力さ
れた単語音声からその標準パターンを作成する際に、そ
の音声区間の検出誤りを防いで信頼性の高い、高精度な
標準パターンをどのようにして得るかと云う点で幾つか
の問題が残されている。

本発明はこのような事情を考慮してなされたもので、そ
の目的とするところは、標準パターン作成時における音
声区間の検出誤りを効果的に防いでその標準パターンを
求め、音声区間検出誤りが生じ易い入力音声単語につい
ても確実に、信頼性良く認識することのできる単語音声
認識方式を提供することにある。

［発明の構成コ （課題を解決するための手段） 本発明は、入力単語音声を音響分析してその特徴パラメ
ータを求め、この音響分析された特徴パラメータから単
語境界仮説生成部にて求められる上記入力単語音声の音
声区間候補毎に前記特徴パラメータを正規化して前記入
力音声の特徴パターンを生威し、この特徴パターンと標
準パターン作成部で作成された認識対象・単語音声の標
準パターンと類似度を計算して前記入力単語音声に対す
る単語音声認識結果を求める単語音声認識方式に係り、 前記標準パターン作成部では、認識対象単語について複
数回に亘って発声入力される単語音声についてそれぞれ
求められる複数の特徴パターンの間で相互にその尤度を
計算し、その尤度が所定の閾値以上となる特徴パターン
の組み合わせを求め、これらの複数回の発声における特
徴パターンの組み合わせに従って、例えば尤度の最も高
い特徴パターンの組み合わせや音声区間が最も長い特徴
パターンの組み合わせ等を手掛かりとして当該認識対象
単語音声の標準パターンとして求めるようにしたことを
特徴とするものである。

（作　用） このような機能を備えた本発明によれば、単語境界仮説
生成部で求められる複数の音声区間候補の中から正しい
音声区間を決定するに際し、同一単語について複数回発
声された各入力音声についてそれぞれ求められる複数の
特徴パターン間で相互にその尤度を計算し、その尤度が
所定の閾値以上となる特徴パターンの組み合わせを得た
ときにそれらの音声区間候補を正しい音声区間であると
決定するので、その音声区間を高い精度で信頼性良く決
定することができる。この結果、信頼性の高い音声区間
の特徴パターンから信頼性の高い標準パターンを得、そ
の認識性能を向上させることが可能となる。

（実施Ｎ） 以下、図面を参照して本発明に係る単語音声認識方式の
一実施例について説明する。

第１図は実施例方式が適用される音声認識装置の要部概
略構成図であり、１は入力音声を音響分析してその特徴
パラメータを求める音響分析部である。この音響分析部
１は音声区間検出に用いる為の特徴量としてその音声パ
ワー時系列を求めると共に、認識辞書との照合に用いる
為の特徴量として、例えば周波数分析したバンドパスフ
ィルタ群出力を求める。

単語境界仮説生成部２は上記音響分析部１で求められた
入力音声の特徴パラメータに対して種々の音声区間検出
パラメータを適応的に設定して複数の音声区間候補を設
定する。具体的には、単語境界仮説生成部２は入力単語
音声に対して複数の始端候補（Ｓｌ、Ｓ２．〜ＳＭ）と
複数の終端候補（Ｅｌ、Ｅ２．〜ＥＮ）とをそれぞれ求
め、これらの各候補に対して所定の規則に従って確率（
ｆ　ｓｌ。

ｆ、ｓ２．〜ｆｓＭ）　、　　（ｆｅｌ、　　ｆｅ２．
〜ｆｅｎ）をそれぞれ与える。

そして上記始端候補（ＳＬ、Ｓ２．〜．ＳＮ）と終端候
補（Ｅ　１．Ｅ　２．〜ＥＮ）の組み合わせとして求め
られる複数の音声区間候補［Ｓｍ、Ｅｎｌ　　（但し。

ｍ”１，２．〜Ｍ、ｎ−１．２．〜Ｎ　）についての尤
度ＬｓｎをＬｍｎ　　−ｆｓｍ　　Ｘ　　ｆｅｎ として計算し、これらの音声区間候補［Ｓｉ、Ｅｎｌに
ついての尤度Ｌｍｎをその値の高いものから順に、上位
の複数の音声区間候補を検出する。

しかしてリサンプル部３は上述した如く求められる複数
の音声区間候補［Ｓｉ、Ｅｎｌについて、前記音響分析
部１にて周波数分析して求められたバンドパスフィルタ
群出力からなる特徴パラメータをリサンプルし、各音声
区間候補における入力単語音声の正規化された特徴パタ
ーンをそれぞれ求める。尚、尤度の高い音声区間候補が
１つしか求められない場合には、その音声区間候補につ
いてのみリサンプル処理が行われ、１つの特徴パターン
だけが求められる。

類似度計算部４はこのようにして求められる入力単語音
声についての特徴パターンと、標準パターン辞書５に登
録されている認識対象単語についての後述する標準パタ
ーンとの間での類似度をそれぞれ計算する。認識結果出
力部６は、類似度計算部４にて求められる入力単語音声
の特徴パターンと認識対象単語についての標準パターン
との類似度を相互に比較し、高い類似度結果を得た所定
数の認識対象単語のカテゴリ名とその類似度値をそれぞ
れ求める。そしてこれらの上位複数個のカテゴリ名を前
記入力単語音声に対する認識候補として出力したり、或
いはその類似度値が再上位の認識対象単語のカテゴリ名
を前記入力単語音声に対する認識結果として出力する。

ところで標準パターン辞書５に登録される認識対象単語
についての標準パターンは、いま１つ設けられた類似度
演算部７と標準パターン作成部８とにより生成される。

類似度演算部７は、標準パターン作成時にカテゴリ名の
既知なる認識対象単語音声を複数回に亘って発声入力し
たとき、前述したリサンプル部３にてそれぞれ求められ
る複数の特徴パターンを用いて、複数の発声入力単語音
声間での類似度を計算する。この類似度計算は、従来よ
り種々提唱されている部分空間法やＤＰマツチング法等
の手法を用いて行われる。

しかして類似度演算部７は組み合わせ決定部７ａを備え
、複数の発声入力音声からそれぞれ求められた特徴パタ
ーン間の類似度から、その類似度が所定の閾値を越える
複数の発声に亘る特徴パターンの組み合わせが存在する
か否かを判定している。

そしてこの組み合わせ決定部７ａにて、その類似度が成
る閾値を越える特徴パターンの組み合わせが上記複数の
発声入力単語音声中で存在することが検出されたとき、
その特徴パターンを抽出して標準パターン作成部８に与
えている。尚、上記類似度が成る閾値を越える特徴パタ
ーンの組み合わせが上記複数の発声入力単語音声中で存
在しない場合には、当該単語音声の再発声入力が促され
る。

標準パターン作成部８はこのようにして尤度が所定の閾
値を越える標準パターンの組み合わせをなしている前記
各入力単語音声の特徴パターンをその認識対象単語につ
いての標準パターンとして求め、その標準パターンに入
力音声のカテゴリ名を付して前記標準パターン辞書５に
登録する。

この標準パターンの作成について更に詳しく説明すると
、標準パターン作成時にはカテゴリ名の既知なる単語音
声を複数回に亘って発声入力する。

そしてこれらの入力単語音声について前述した音響分析
Ｍｌにて音響分析してその特徴パラメータを求め、前記
単語境界仮説生成部２にて確からしい音声区間候補をそ
れぞれ求める。そしてこれらの各音声区間候補について
前記リサンプル部３にてその特徴パターンをそれぞれ求
める。

具体的には第２図に示すように、１回目の発声時にその
音声区間候補Ｌｌｌ、　　Ｌ１２を求め、これらの音声
区間候補Ｌｌｌ、　　Ｌ１２での特徴パターンＰ　１１
゜ＰＩ３をそれぞれ求める。同様にして２回目の発声時
にはその音声区間候補Ｌ　２１．　　Ｌ　２２について
その特徴パターンＰ　２１．　　Ｐ　２２をそれぞれ求
め、更に３回目の発声時にもその音声区間候補Ｌ３１．
　　Ｌ３２についてその特徴パターンＰ　３１．　　Ｐ
　３２をそれぞれ求める。

尚、ここでは各入力単語音声について２つの音声区間候
補を求め、それらの特徴パターンを求めているが、３個
以上の音声区間候補についての特徴パターンをそれぞれ
求める場合もある。また３回の発声で十分なる結果が得
られない場合には、４回以上の発声が促される場合も勿
論ある。

類似度演算部７はこのようにして求められる各発声入力
音声の複数の特徴パターン間で、相互にその類似度（尤
度）を計算し、その類似度が所定の閾値を越える特徴パ
ターンの組み合わせが上記複数の発声入力単語音声中に
存在するか否かを調べる。

例えば′上述した１回目の発声入力音声から求められた
特徴パターンｐＨに対応する２回目の発声入力音声から
得た特徴パターンを求めるべく、この２回目の発声入力
音声から求められる特徴パターンＰ２１．　　Ｐ２２と
の間で、その間の類似度Ｑを次のようにそれぞれ計算す
る。

Ｑ２１−　　　［ｐＨ−Ｐ２１］　　、　　　Ｑ２’２
−　　　［ｐＨ−Ｐ２２コそしてこれらの類似度の中で
最大値に対して、成る閾値Ｔを越えているか否かの判定
を行い、類似度が閾値Ｔ以上である場合には、その特徴
パターンを前記特徴パターンＰ１１に対応する特徴パタ
ーンとして求める。

例えばＱ　２１ａ　Ｑ　２２であって、Ｑ２１ｋＴであ
る場合、２回目の発声入力音声から求められた特徴バタ
ーンＰ２１を１回目の発声入力音声から求められた特徴
パターンｐＨに対応する特徴パターンであるとして求め
る。

しかる後、前記特徴パターンＰＬＩに対応する３回目の
発声入力音声から得た特徴パターンを求めるべく、この
３回目の発声入力音声から求められる特徴パターンＰ３
１．　　Ｐａ２との間で、その間の類似度Ｑを次のよう
にそれぞれ計算する。

Ｑ３１−　　　［ｐＨ・　Ｐａ１ｌ　　、　　　Ｑ３２
−　　　［Ｐｌｌ　　・　Ｐａ２コそして同様にしてこ
れらの類似度の中で最大値に対して、成る閾値Ｔを越え
ているか否かの判定を行い、類似度が閾値Ｔ以上である
場合には、その特徴パターンを前記特徴パターンｐＨに
対応する特徴パターンとして求める。

例えばＱ　３１；　Ｑ　３１であって、Ｑ　３２ａ　Ｔ
である場合、２回目の発声入力音声から求められた特徴
パターンＰ３２を１回目の発声入力音声から求められた
特徴パターンｐＨに対応する特徴パターンであるとして
求める。

このような類似度に対する判定処理により、この場合に
は特徴パターンｐＨ，Ｐ２１．　　Ｐａ２が相互に対応
する特徴パターンの組み合わせであるとして求められる
。

同様にして前述した１回目の発声入力音声から求められ
る特徴パターンＰＬ２についても２回目の発声入力音声
から求められる特徴パターンＰ２１゜・Ｐ２２に対して
その類似度Ｑをそれぞれ次のように計算する。

Ｑ２１’　−［Ｐ２１−　Ｐａ１ｌ　。

Ｑ２２’　−［Ｐ２１・Ｐａ２］ そしてこの場合、仮にＱ２１’　ａＱ２２’であった場
合には、Ｑ２１′が所定の閾値Ｔ以上であるか否かの判
定が行われる。しかしこの場合には、特徴パターンＰ１
２は正しい音声区間の前方にノイズが加わった特徴パタ
ーンであることから、正しい音声区間の特徴パターンＰ
２１との類似度Ｑ　２１’　は小さいものとなっている
。この結果、例えば前述した所定の閾値Ｔより大きいと
云う条件が満たされなくなるので、この場合には２回目
の発声入力音声から求められた特徴パターンには前記特
徴パターンＰ１２に対応するものがないと判定される。

しかし仮にＱ２１′が所定の閾値Ｔ以上である場合には
、特徴パターンＰＬ２と特徴パターンＰ２１とが対応す
るとして判定される。従ってこの場合には、３回目の発
声入力音声から求められた特徴パターンＰ　３１．　　
Ｐ　３２に対して同様にその類似度Ｑが次のように計算
される。

Ｑ３１’　−ＣＦ３Ｉ・Ｐａ１ｌ。

Ｑ３２’　−［Ｐ２１・Ｐａ２］ そしてＱ３１’　ｍＱ３２’なる関係が導き出された場
合には、Ｑ３１′が所定の閾値Ｔ以上であるか否かの判
定が行われる。しかしこの場合、前述したように特徴パ
ターンＰ１２は正しい音声区間の前方にノイズ区間が加
わって求められた特徴パターンであることから、３回目
の発声入力音声から求められた特徴パターンＰａｌとの
類似度Ｑ３１の値は小さく、−膜内には前述した所定の
閾値Ｔに対する条件が満たされない。このような結果か
ら、３回目の発声入力音声から求められる特徴パターン
Ｐ　３１．　　Ｐ　３２は前述した特徴パターンＰ１２
には対応しないとして判定される。

このようにして１回目の発声入力音声から求められた特
徴パターンＰＬ２に対して、２回目および３回目の発声
入力音声から求められた特徴パターンの中に対応するも
のがないと判定された場合、その特徴パターンは正しく
ないと判定される。この結果、この第２図に示す例では
、１回目乃至３回目の発声入力音声から求められた特徴
パターンＰ　１１．、　Ｐ　２１．　Ｐ　３２の組み合
わせについてだけ、それらの間の類似度に対する判定条
件が満たされることから、これらの特徴パターンの組が
正しい音声区間のものであると判断される。そしてこれ
らの特徴パターンｐＨ，Ｐ２１．　　Ｐａ２を用いて当
該入力音声カテゴリについての標準パターンの作成が行
われる。この標準パターンの作成は、これらの特徴パタ
ーンＰ　１１．　　Ｐ　２１．　　Ｐ　３１を平均化す
る等して求められる。

ところで上述したようにして複数回の発声入力音声から
それぞれ求められる特徴パターンの組み合わせを求める
場合、その特徴パターンの組み合わせが複数通り求めら
れる場合がある。

例えば第３図に例示するように３回の発声により求めら
れた特徴パターンの音声区間候補がそれぞれ第２図に示
す場合と同様にＬ　１１．　　Ｌ　１２．　　Ｌ　２．
１゜Ｌ２２．　　Ｌ３１．　　Ｌ３２として求められ、
それらの特徴パターンがｐＨ，ＰＩ３．　　Ｐ２１．　
　Ｐ２２．　　Ｐ３１．　　Ｐ３２として求められた場
合、同様な特徴パターンの組み合わせ判定を行うことに
より、例えば［ｐＨ，Ｐ２１．　　Ｐ３１］　、　　［
ＰＩ３．　　Ｐ２２．　　Ｐ３２］なる２組の特徴パタ
ーンの組み合わせが求められることがある。

このような場合には、そのいずれの組み合わせの特徴パ
ターンが正しい音声区間のものであるかをこのままでは
判定することができない。従ってこのような場合には、
例えばその組み合わせ判定に使用した類似度Ｑの情報を
用い、類似度Ｑが大きい方をより信頼性の高い音声区間
のものであると判定するようにすれば良い。

具体的には、第１の特徴パターンの組み合わせを得た類
似度の和［Ｑ　２１＋　Ｑ　３２３　と、第１の特徴パ
ターンの組み合わせを得る類似度の和Ｅ　Ｑ　２２’十
Ｑ３２’］とを比較し、その値の大きい方を標準パター
ン作成用として採用するようにすれば良い。

或いは第１の特徴パターンの組み合わせを得た類似度の
内の大きい方ｗａｘ　［Ｑ　２１＋Ｑ　３２］と、第２
の特徴パターンの組み合わせを得た類似度の内の大きい
方ｗａｘ　［Ｑ　２１＋Ｑ　３２］　とをそれぞれ求め
、これらを相互に判定してその値の大きい方を標準パタ
ーン作成用として採用するようにすれば良い。

また逆に第１の特徴パターンの組み合わせを得た類似度
の内の小さい方ａｋｉｎ　［Ｑ　２１＋　Ｑ　３２コと
、第２の特徴パターンの組み合わせを得た類似度の内の
小さい方ｓｉｎ　［Ｑ　２１＋　０８２１　とをそれぞ
れ求め、これらを相互に判定して標準パターンの選択決
定を行うようにすることも可能である。

またこのような類似度に着目することに代えて、特徴パ
ターンの組み合わせについて、その音声区間長を調べ、
その長さの長い方を最長マツチングの原則に従って標準
パターン作成用として採用することも可能である。この
音声区間長を比較する場合にも、その組み合わせにおけ
る特徴パターンの各音声区間長の和を求めたり、最大区
間長や最小区間長を相互に比較するようにすれば良い。

尚、最長マツチングの原則は、複数回の発声において正
しい音声区間にそれぞれ同様なノイズが付加され、これ
によって正しい音声区間より長い音声区間の特徴パター
ンの組み合わせが求められることは極めて希であり、一
般にその音声区間が最も長い特徴パターンの組み合わせ
が、その音声区間を正しく表現しているとの観点に立脚
したものである。

そして実際的には、無声化等により正しい音声区間の一
部が欠落して正しい音声区間よりも短い音声区間の特徴
パターンの組み合わせが求められることが多々在る。ま
た多くの場合、単語は複数の音声により構成されて有音
区間と無音区間とが交互に繰り返されることが多い。こ
のような場合にも、正しい音声区間よりも短い区間での
特徴ベクトルの組み合わせが求められることが往々にし
である。従ってこのようなことを配慮し、特徴パターン
の組み合わせが複数通り求められるような場合には、上
述したようにその中で音声区間が最も長いものを正しい
音声区間の特徴パターンであると判定することは非常に
有用であると云える。

尚、特徴パターンの組み合わせが複数通り求められるよ
うな場合、これらの特徴パターンのそれぞれから標準パ
ターンを求め、これによって標準パターン辞書５の学習
を行うようにすることも有用である。

このようにして本装置では、複数回の同一カテゴリの発
声入力単語音声についてそれぞれ求められる特徴パター
ン間での類似度（尤度）を求め、所定の閾値Ｔを越える
特徴パターンの組み合わせが各発声での特徴パターン中
に存在するとき、これを正しく音声区間検出された特徴
パターンとして抽出している。そしてこれらの正しく音
声区間検出されたときの特徴パターンに基づいてその標
準パターンを作成し、標準パターン辞＠５に登録して単
語音声の認識処理に供するものとなっている。

従って本装置によれば、標準パターン自体をその音声区
間が正しく検出されているときの特徴パターンとするこ
とができるので、その認識辞書性能を十分高いものとす
ることができる。この結果、その認識性能を十分に高く
することができる。

また上述したように入力音声の音声区間を、特徴パター
ン間での類似度から特徴パターンの組み合わせとして評
価し、正しい音声区間での特徴パターンだけを抽出して
標準パターンを作成するので、その処理手続きが非常に
簡単であり、処理効率が高い。そして少ない発声回数で
効果的にその標準パターンを作成していくことができる
等の効果が奏せられる。

尚、本発明は上述した実施例に限定されるものではない
。例えば４回以上の発声入力音声についての特徴パター
ン間で類似度（尤度）を計算して音声区間の正しい特徴
パターンを抽出するようにしても良い。このようにすれ
ば、標準パターン作成の信頼性を高め、より性能の高い
標準パターン（認識辞書）を構築していくことが可能と
なる。

また上述した実施例では、１回目の発声入力音声から求
められる特徴パターンを基準として２回目および３回目
の発声入力音声から求められる特徴パターンとの組み合
わせを決定するようにしたが、２回目や３回目の発声入
力音声から求められる特徴パターンを基準としてその組
み合わせ決定を行うようにしても良い。また候補区間数
の多い発声入力音声の特徴パターンを基準として組み合
わせ決定処理を進めることも可能である。その他、本発
明はその要旨を逸脱しない範囲で種々変形して実施する
ことができる。

［発明の効果］ 以上説明したように本発明によれば、ノイズの付加や音
声区間の脱落の影響を排除して入力音声の音声区間を正
しく検出し、その特徴パターンを抽出するので、信頼性
の高い音声区間候補の特徴パターンだけを用いて効率的
に高性能な標準パターンを作成することができ、その認
識性能の向上を効果的に図ることができる等の実用上多
大なる効果が奏せられる。

【図面の簡単な説明】

第１図は本発明の一実施例に係る単語音声認識方式の概
略構成図、第２図および第３図はそれぞれ実施例装置に
おける標準パターン作成時での複数回の入力音声に対す
る音声区間候補とその特徴パターンについて模式的に示
す図である。 ｌ・・・音響分析部、２・・・単語境界仮説生成部、３
・・・リサンプル部、４・・・類似度計算部（特徴パタ
ーンと標準パターンとの類似度計算）、も・・・標準パ
ターン辞書、６・・・認識結果出力部、７・・・類似度
計算部（特徴パターン間での尤度計算処理）、７ａ・・
・組み合わせ決定部（特徴パターンの組み合わせの判定
）、８・・・標準パターン作成部。

Claims (1)

1. 【特許請求の範囲】 入力単語音声を音響分析してその特徴パラメータを求め
   る音響分析部と、この音響分析された特徴パラメータか
   ら上記入力単語音声の音声区間候補を求める単語境界仮
   説生成部と、この単語境界仮説生成部にて求められる音
   声区間毎に前記特徴パラメータを正規化して前記入力音
   声の特徴パターンを生成するリサンプル部と、認識対象
   単語の入力音声の特徴パターンから当該認識対象単語の
   標準パターンを作成する標準パターン作成部と、この標
   準パターン作成部で作成された認識対象単語音声の標準
   パターンと前記リサンプル部で求められる入力単語音声
   の特徴パターンとの類似度を計算する類似度演算部と、
   この類似度演算結果に従って前記入力単語音声に対する
   単語音声認識結果を求める認識結果出力部とを具備し、 前記標準パターン作成部は、認識対象単語について複数
   回に亘って発声入力される単語音声についてそれぞれ求
   められる複数の特徴パターンの間で相互にその尤度を計
   算する手段と、計算された尤度が所定の閾値以上となる
   前記特徴パターンの組み合わせを求め、この特徴パター
   ンの組み合わせから当該認識対象単語音声の標準パター
   ンを求める手段とからなることを特徴とする単語音声認
   識方式。