JPH03188500A - 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関し、特に認識した音声を利用
者に確認させる為にその音声を復唱する機能を持つ音声
認識装置に関する。

〔従来の技術〕

各種の機器を音声によって操作し得るようにする為に、
利用者が発した音声による言葉を自動的に認識し、その
認識結果に応じた制御信号を機器に与えて機器を制御す
る音声認識装置が種々提案されている０例えば、自動車
電話機のダイヤル操作を音声にて行える音声ダイヤル装
置がある。この音声ダイヤル装置では、自動車電話機を
音声ダイヤル入力モードにした状態でマイクロフォンに
向かって利用者が音声を発すると、内部の音声認識装置
がマイクロフォンから入力された音声信号を分析して得
たデータを予めメモリに記憶されたデータ（参照データ
）と比較し、一致するデータがあれば、そのデータに対
応して予め記憶された電話番号を使用して発信動作を行
うものである。

ところで、音声認識による各種機器の操作は多くの利点
を有する反面、手入力に比べて正確性に劣る。特に、音
声！！識の手法として、特定話者方式と不特定話者方式
とが知られているが、後者の不特定話者方式は前者の特
定話者方式より認識率が低く且つ任意の音声（単語）を
登録し得ないという欠点を持つ、従って、認識率を高め
て音声入力の正確性を向上し更に任意の音声が扱えるよ
うにする上では特定話者方式の音声認識装置が有効であ
るが、その方式においても手入力に比べて正確性は劣る
。特に、自動車電話機の音声ダイヤル装置の如く騒音の
大きな環境で使用される音声認識装置では特定話者方式
であっても認識率を１００％にすることは困難である。

そこで、このような環境で使用される音声ｇ！識装置に
は、利用者の発生した音声を装置が認識した場合、何等
かの音を発する機能が付加されている。このような機能
としては、次のようなものがある。

（１）入力音声を認識したとき、装置からビープ音（ピ
ーという音）を発する。

（２）　　利用者が発生した言葉をおうむ返しに装置が
復唱する。

〔発明が解決しようとする課題〕

上述したビープ音による確認方法は、何等かの認識が音
声認識装置で為されたことは分かるが、果たして正確に
認識されたかは不明である。このため、音声ダイヤル装
置の場合、誤った認識により違った相手に電話がかかっ
てしまう欠点がある。

他方、利用者が発生した言葉をおうむ返しに装置が復唱
する方法は、正解に認識されたか否かまで確認できるの
で優れている。しかしながら、この方法は不特定話者方
式の音声認識装置には適するが、特定話者方式の音声認
識装置には遺さない。

すなわち、不特定話者方式では認識する言葉が予め決め
られているので、その言葉を音声合成用データで用意し
ておけば良いが、特定話者方式では利用者によって登録
される言葉が予想できないため、復唱用の音声合成用デ
ータを用意することができないからである。なお、一般
に音声認識と音声合成では扱う音声データの形式が異な
るため、利用者による音声登録時に分析されてメモリに
記憶されたデータ（参照データ）を使用して音声を合成
することは困難である。

本発明はこのような事情に鑑みて為されたものであり、
その目的は、特定話者方式による音声認識装置において
も復唱による認識のｉ認を可能ならしめることにある。

〔課題を解決するための手段〕

本発明は上記の目的を達成するために、登録モード時に
マイクロフォンから入力された音声を分析して得たデー
タを参照データとしてメモリに記憶し、認識モード時に
前記マイクロフォンから入力された音声を分析して得た
データと前記メモリに記憶された参照データとを比較し
て音声認識を行う音声認識装置において、前記登録モー
ド時に前記マイクロフォンから入力された音声に対し所
定の処理を加えたデータを該音声の分析により得られた
前記参照データと関連付けて前記メモリに記憶する手段
と、前記認識モード時に前記マイクロフォンから入力さ
れた音声を分析して得たデータと合致する参照データが
前記メモリに存在したときに、その参照データと関連付
けて前記メモリに記憶されたデータに対し所定の処理を
加えて再生音を生成する手段とを備え、前記両手段の少
な（とも一方において音声の性質を変換する処理を行う
ことにより、登録モード時にマイクロフォンから入力さ
れた音声の性質を異ならせた音声を確認応答として出力
する構成を有する。

〔作用〕

本発明の音声認識装置においては、登録モード時に利用
者がマイクロフォンに向かって登録すべき言葉を発する
と、その音声を分析して得られたデータが参照データと
してメモリに記憶されると共に、その音声に対し所定の
処理が加えられたデータがその参照データと関連付けて
メモリに記憶され、認識モード時に利用者がマイクロフ
ォンに向かって言葉を発すると、その音声を分析して得
られたデータと前記メモリに記憶された参照データとが
比較され、この比較により前記メモリ中の成る参照デー
タに合致することが確認されると、その合致した参照デ
ータに関連付けて前記メモリに記憶されたデータに対し
所定の処理が加えられて再生音が生成される。ここで、
音声をあたかも別人の音声のように換える為に必要な音
声性質変換処理が音声をメモリへの登録時または再生時
に行われるものであり、これによって、登録モード時に
入力された音声とは別人の音声で確認応答が行われる。

〔実施例〕

次に、本発明の実施例について図面を参照して詳細に説
明する。

第１図は本発明の一実施例の要部ブロック図であり、本
発明を自動車電話機の音声ダイヤル装置に適用した場合
のものである。この実施例は、同図に示すように、マイ
クロプロセッサ（ＭＰＵ）１と、そのバス２に接続され
たメモリ３と、バス２およびＤＭＡコントロール線４に
接続されたＤＭＡコントローラ５，６．７と、バス２に
接続されたＩ１０コントローラ８と、Ｉ１０コントロー
ラ８に接続されたキー操作部９と、マイクロフォン１０
と、このマイクロフォン１０とＤＭＡコントローラ５と
の間に設けられた音声登録時処理部１１と、マイクロフ
ォン１０とＤＭＡコントローラ６との間に設けられたＡ
／Ｄ変換器１２および参照データ生成部１３と、スピー
カ１４と、このスピーカ１４とＤＭＡコントローラ７と
の間に設けられたアンプ１５および音声再生時処理部１
６とを含んでいる。

第２図はメモリ３の要部構成例を示し、複数の記憶エリ
ア３１−１．３１−２．・・・と、ディレクトリ３２と
を含む領域を有している。各記憶エリア３１−１．３１
−２．・・・は１つの登録音声に対応するもので、それ
ぞれ参照データ部ＤＩ、音声データ部Ｄ２およびダイヤ
ル番号部Ｄ３から構成されている。ここで、参照データ
部Ｄ１は第１図の参照データ生成部１３によって生成さ
れた参照データを記憶する部分、音声データ部Ｄ２は第
１図の音声登録時処理部１１で処理されたデータを記憶
する部分、ダイヤル番号部Ｄ３は発信先の相手ダイヤル
番号を記憶する部分である。また、ディレクトリ３２は
、各記憶エリアの先頭アドレス。

各記憶エリア内の参照データ部り１．音声データ部Ｄ２
．ダイヤル番号部Ｄ３の先頭アドレス等を管理する情報
を記憶する部分である。

第３図は音声登録時処理部１１の一構成例を示すブロッ
ク図であり、マイクロフォン１０から加わるアナログの
音声信号をディジタルな音声信号に変換するＡ／Ｄ変換
器１１１から構成されている。また、第４図は第３図の
音声登録時処理部１１と組にして使用する音声再生時処
理部１６の一構成例を示すブロック図であり、いわゆる
分析合成方式による音声合成系における分析段階で得ら
れた各種パラメータのうちの所定のパラメータの値を予
め用意された別の値に置換することにより、音声の表す
言葉の明瞭度をそれほど悪化させずに音声の性質を変換
するようにしたものである。即ち、第１図のＤＭＡコン
トローラ７から加わるディジタルな音声信号をＤ／Ａ変
換器１６０でアナログの音声信号に一旦変換して音声分
析部１６１に加え、この音声分析部１６１で分析処理を
行ってピッチ周期、有声音／無声音の区別情報、振幅。

線形予測係数等の各種パラメータを抽出する０次いで、
パラメータ変換部１６２で上記得られた各種パラメータ
のうちの予め定められた一部のパラメータの値を置換用
パラメータ記憶部１６３に記憶された値によって置換し
て音声合成部１６４に加え、この音声合成部１６４でそ
の置換後の各種パラメータに基づいて音声を合成し、得
られたディジタルな音声をＤ／Ａ変換器１６５でアナロ
グの音声信号に変換して第１図のアンプ１５に加えるも
のである。

次に、上述のように構成された本実施例の動作を説明す
る。

利用者がキー操作部９から音声登録モードに切り替える
指示を入力すると、Ｉ１０コントローラ８の出力を受け
たマイクロプロセッサ１は当該音声ダイヤル装置を音声
登録モードにする。この状態で利用者がマイクロフォン
１０から登Ｈすル音声を発すると、その音声はマイクロ
フォンＩＯでアナログの電気信号に変換されて音声登録
時処理部１１とＡ／Ｄ変換器１２とに入力される。Ａ／
Ｄ変換器１２はその音声信号をディジタルな音声信号に
変換して参照データ生成部１３に加え、参照データ生成
部１３は特定話者方式の音声認識装置において一般に使
用されている分析方法にてその音声を分析して参照デー
タを生成し、これをＤＭＡコントローラ６に送出する。

他方、第３図の如き構成を有する音声登録時処理部１１
は、マイクロフォン１０から入力されたアナログの音声
信号をディジタルな音声信号に変換してＤＭＡコントロ
ーラ５に送出する。その後、ＤＭＡコントローラ５．６
とマイクロプロセッサｌとの制御信号の授受によりＤＭ
Ａが起動され、ＤＭＡコントローラ５から送出された音
声登録時処理部１１の出力データは第２図に示すメモリ
３の１つの記憶エリアたとえば記憶エリア３１−１の音
声データ部Ｄ２に記憶され、ＤＭＡコントローラ６から
送出された参照データ生成部１３の出力データは同じ記
憶エリア３１−１の参照データ部Ｄ１に記憶される。な
お、ダイヤル番号部Ｄ３には従来と同様な方法にて発信
先のダイヤル番号が記憶される。

以上と同様な動作は次の登録音声に対しても行われ、そ
れにかかる参照データ、音声データ、ダイヤル番号がメ
モリ３の次の記憶エリア３１−２に記憶され、以下、同
様にして必要な分のデータがメモリ３に登録される。

さて次に、利用者がキー操作部９から音声認識モードに
切り替える指示を入力すると、Ｉ１０コントローラ８の
出力を受けたマイクロプロセッサ１は当該音声ダイヤル
装置を音声認識モードにする。この状態で利用者がマイ
クロフォンｌＯから音声を入力すると、次のような動作
が行われる。

利用者が発した音声はマイクロフォン１０でアナログの
音声信号に変換された後にＡ／Ｄ変換器１２でディジタ
ルな音声信号に変換されて参照データ生成部１３に入力
され、この参照データ生成部１３で参照データが生成さ
れる０次にＤＭＡコントローラ６によって参照データが
メモリ３のワーク領域へ転送され、マイクロプロセッサ
１による比較処理が行われる。即ち、今回得られた参照
データと、メモリ３の第２図の各記憶エリア３１１　３
１−２．・・・内の参照データ部Ｄ１に記憶された参照
データとが１つずつ比較され、合致する参照データが存
在するか否かが調べられる。そして、合致する参照デー
タがメモリ３に記憶されていた場合には、その参照デー
タを記憶する記憶エリアの音声データ部Ｄ２に記憶され
たデータをＤＭＡコントローラ７を起動して、メモリ３
から音声再生時処理部１６へ転送する。

第４図の如き構成を有する音声再生時処理部１６は、Ｄ
ＭＡコントローラ７からデータが加わるとこれをＤ／Ａ
変換器１６０でアナログ信号に変換することにより、登
録時と同じ性質のアナログの音声信号に一旦復元する０
次に、その音声信号を音声分析部１６１で分析して各種
パラメータを抽出し、パラメータ変換部１６２でこの抽
出した各種パラメータのうちの予め定められた一部のパ
ラメータの値を置換用パラメータ記憶部１６３に記憶さ
れた値によって置換する。そして、音声合成部１６４で
その置換後の各種パラメータに基づいて音声を合成し、
それをＤ／Ａ変換器１６５でアナログの音声信号に変換
して第１図のアンプ１５に加える。これによって、適当
なタイミングでＩ１０コントローラ８の出力によって動
作可能な状態にされているアンプ１５で再生音声が増幅
され、スピーカ１４から音声が送出されることになる。

ここで、パラメータ置換部１６２によって一部のパラメ
ータの値が別の値に置換されているので、再生された音
声は同一の言葉を意味しているけれども登録者とは別人
の声となって出力される。

例えば男性の声が女性の声となって再生される。

なお、実際のダイヤル発信は、合致した参照データを記
憶する記憶エリア３１−１．３１−２．・・・のダイヤ
ル番号部Ｄ３に記憶されたダイヤル番号を使用して従来
と同様に実施される。

第５図は音声登録時処理部１１の別の構成例を示すブロ
ック図、第６図はこれと組にして使用する音声再生時処
理部１６の構成例を示すブロック図である。第５図に示
す構成の音声登録時処理部１１は第３図に示したＡ／Ｄ
変換器１１１と第４図に示した音声分析部１６１とで構
成されており、音声分析により抽出した各種パラメータ
を出力するものである。従って、第２図の音声データ部
Ｄ２には各種パラメータが記憶される。また、第６図に
示す構成の音声登録時処理部１１は第４図の構成からＤ
／Ａ変換器１６０および音声分析部１６１を除いたもの
で、メモリ３から読み出された各種パラメータを直接人
力して処理するものである。一般に音声信号を単にディ
ジタル化して記憶するより、各種パラメータを記憶する
方がメモリ量が少なくて済むので、第５図および第６図
に示す構成によれば、メモリの使用量を削減することが
可能である。

第７図は音声登録時処理部１１の更に別の構成例を示す
ブロック図、第８図はこれと組にして使用する音声再生
時処理部１６の構成例を示すブロック図である。第３図
乃至第６図までの構成は音声の再生時に音声の性質を変
換する処理を施したが、第７図および第８図の構成は音
声の登録時に音声の性質を変換するものである。このた
めに、第７図に示す構成の音声登録時処理部１１では、
第３図のＡ／Ｄ変換器１１１に加え第４図の音声分析部
１６１．パラメータ置換部１６２．置換用パラメータ記
憶部１６３．音声合成部１６４を有している。従って、
第２図の音声データ部Ｄ２には音声合成部１６４で生成
された音声性質変換後のディジタルな音声信号が記憶さ
れる。このため、第８図に示す構成の音声再生時処理部
１６は単にＤ／Ａ変換器１６５から構成されている。

第９図は音声登録時処理部１１のまた更に別の構成例を
示すブロック図、第１０図はこれと組にして使用する音
声再生時処理部１６の構成例を示すブロック図である。

第９図に示す構成の音声登録時処理部１１はＡ／Ｄ変換
器１１１．音声分析部１６１．パラメータ置換部１６２
および置換用パラメータ記憶部１６３から構成され、一
部のパラメータの値を別の値に置換した各種パラメータ
を出力するものである。従って、第２図の音声データ部
Ｄ２には置換後の各種パラメータが記憶される。また、
第１０図に示す構成の音声再生時処理部１６は、音声合
成部１６４とＤ／Ａ変換器１６５とで構成され、メモリ
３から読み出された置換後の各種パラメータに基づいて
音声合成部１６４で音声を合成し、これをＤ／Ａ変換器
１６５でアナログの音声信号に変換するものである。

以上本発明の実施例について説明したが、本発明は以上
の実施例にのみ限定されずにその他各種の付加変更が可
能である０例えば、第１図のＡ／Ｄ変換器１２と第３図
、第５図、第７図、第９図のＡ／Ｄ変換器１１１とを１
つのＡ／Ｄ変換器で実現しても良い。

〔発明の効果〕

以上説明した本発明の音声認識装置によれば、次のよう
な効果を得ることができる。

（１）　　利用者の自由な言葉が登録でき且つ認識率が
優れている等の各種の利点を有する特定話者方式を採用
しつつ、利用者が発生した言葉をおうむ返しに装置が復
唱して利用者に確認させる確認応答方法が実現できた。

（２）利用者の音声を登録しそのまま再生して復唱する
方法も考えられるが、大部分の人は自分自身の声を聞か
されると不愉快に感じる０本発明では、おうむ返しの音
声を利用者本人の音声をもとにして別人の音声に仕立て
て復唱するので、そのような不愉快さを利用者に与える
ことがない。

【図面の簡単な説明】

第１図は本発明の実施例の要部ブロック図、第２図はメ
モリ３の要部構成例を示す図、第３図は音声登録時処理
部の一構成例を示すブロック図、 第４図は第３図の音声登録時処理部と姐にして使用する
音声再生時処理部の構成例を示すブロック図、 第５図は音声登録時処理部の別の構成例を示すブロック
図、 第６図は第５図の音声登録時処理部と組にして使用する
音声再生時処理部の構成例を示すブロック図、 第７図は音声登録時処理部の更に別の構成例を示すブロ
ック図、 第８図は第７図の音声登録時処理部と組にして使用する
音声再生時処理部の構成例を示すブロック図、 第９図は音声登録時処理部のまた更に別の構成例を示す
ブロック図および、 第１０図は第９図の音声登録時処理部と組にして使用す
る音声再生時処理部の構成例を示すブロック図である。 図において、 １・・・マイクロプロセッサ（ＭＰＵ）２・・・バス ３・・・メモリ ４・・・ＤＭＡコントロール線 ５．６．７・・・ＤＭＡコントローラ ８・・弓１０コントローラ 本発明の賓斃例の要部ブロック図 男１　図 ９・・・キー操作部 １０・・・マイクロフォン １１・・・音声登録時処理部 １２・・・Ａ／Ｄ変換器 １３・・・参照データ生成部 １４・・・スピーカ １５・・・アンプ １６・・・音声再生時処理部

Claims (1)

1. 【特許請求の範囲】 登録モード時にマイクロフォンから入力された音声を分
   析して得たデータを参照データとしてメモリに記憶し、
   認識モード時に前記マイクロフォンから入力された音声
   を分析して得たデータと前記メモリに記憶された参照デ
   ータとを比較して音声認識を行う音声認識装置において
   、 前記登録モード時に前記マイクロフォンから入力された
   音声信号に対し所定の処理を加えたデータを該音声の分
   析により得られた前記参照データと関連付けて前記メモ
   リに記憶する手段と、前記認識モード時に前記マイクロ
   フォンから入力された音声を分析して得たデータと合致
   する参照データが前記メモリに存在したときに、その参
   照データと関連付けて前記メモリに記憶されたデータに
   対し所定の処理を加えて再生音を生成する手段とを備え
   、 前記両手段の少なくとも一方において音声の性質を変換
   する処理を行うことにより、登録モード時にマイクロフ
   ォンから入力された音声の性質を異ならせた音声を確認
   応答として出力する構成を有することを特徴とする音声
   認識装置。