JPH03266898A

JPH03266898A - 大語彙音声認識処理方式

Info

Publication number: JPH03266898A
Application number: JP2067641A
Authority: JP
Inventors: Toru Sanada; 真田　徹
Original assignee: Fujitsu Ltd
Current assignee: Fujitsu Ltd
Priority date: 1990-03-16
Filing date: 1990-03-16
Publication date: 1991-11-27

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】〔概要〕本発明は、予備選択動作と本照合動作の２段照合を行う
大語賃音声認識処理方式に関し、利用者による音声入力
後の無応答の時間を減らし、かつ認識速度の向上を図る
ことを目的とし、予備選択手段と、本照合手段を有する
大語賃音声認識処理方式において、予備選択手段の出力と本照合手段の出力のいずれかを切
り替えて出力する切り替え手段をそなえ、本照合手段に
よる本照合動作が終了する以前に、予備選択手段によっ
て候補単語とされた単語を認識結果として出力すること
を特徴とする。

〔産業上の利用分野〕

本発明は、非常に多くの単語（例えば数万語）を認識す
る大語彙音声認識処理方式に関する。

大語賃音声認識処理の対象としては、例えば、音声文書
作成、音声による商品名人力、あるいは姓名の音声入力
による個人データベース検索などがあげられる。

人語型音声認識では、入力音声と単語辞書との照合処理
が膨大であり、実時間認識を実現するためには膨大なハ
ードウェアが必要となる。また膨大なハードウェアを用
いなければ発生終了後に長い無応答の時間ができ、マン
マシンインターフェースが悪い。

そのため、膨大なハードウェアなしに短い応答時間で良
好なマンマシンインターフェースが得られる方式の実現
が望まれている。

〔従来の技術〕

第３図に従来技術のブロック構成図を示す。

１は音声から帯域スペクトル時系列などの音声の特徴を
抽出する特徴抽出手段である。２は特徴抽出手段１で得
られた音声の特徴と単語辞書３に格納されている音声の
特徴とを高速に粗く照合し、利用者の欲する単語となり
そうな候補単語を選択する予備選択手段である。４は予
備選択手段２で得られた候補単語のみに対して特徴抽出
手段ｌで得られた音声の特徴と単語辞書３に格納されて
いる音声の特徴とを詳細に照合する本照合手段であり、
利用者の欲する単語となりそうな候補単語を順位付けて
出力する。５は本照合手段４から出力された候補単語か
ら利用者の欲する単語を選択するためのインターフェー
スを提供する単語選択手段である。６は単語選択手段５
による候補単語を表示する表示手段である。

すなわち、音声を入力すると特徴抽出手段ｌで音声の特
徴が得られる。この特徴と単語辞書３に登録されている
特徴を予備選択手段２で粗く高速に照合して候補単語を
選択する。この候補単語に対して、特徴抽出指弾１で得
られた特徴と単語辞書３に登録されている特徴を本照合
手段４で詳細に照合し、候補単語に順位付ける。この順
位付けられた候補単語を表示手段６で１単語あるいは複
数単語を逐次利用者に表示し、単語選択手段５を用いて
、利用者は欲する単語を選択する。

〔発明が解決しようとする課題〕

大語彙音声認識処理方式においては、本照合手段（４）
で長時間をついやすことが原因で、利用者が音声入力後
に、無応答の時間が長く生じてしまい、利用者に心理的
負担をかけてしまう。大語賃であればあるほど、この負
担は大きくなる。したがって、この心理的負担を軽減す
るために、無応答の時間を減らすことが課題となる。

〔課題を解決するための手段〕

本発明の原理ブロック図を第１図に示す。従来例の第３
図との相違は切り替え手段１７と単語選択手段１５から
のフィードバッグ出力である。切り替え手段１７は、予
備選択手段１２の候補単語を単語選択手段１５に与える
か、本照合手段１４の候補単語を単語選択手段１５に与
えるか、を切り替えるものである。単語選択手段１５は
切り替え手段１７から出力された候補単語から利用者の
欲する単語を選択するためのインターフェースを提供し
、棄却された候補単語を予備選択手段１２による候補単
語と本照合手段１４による候補単語から除外するフィー
ドバッグ機能を持つ単語選択手段である。

（作用〕音声を入力すると特徴抽出手段１１で音声の特徴が得ら
れる。この特徴と単語辞書１３に登録されている特徴を
予備選択手段１２で粗く高速に照合して候補単語を選択
する。この候補単語に対して、特徴抽出手段１１で得ら
れた特徴と単語辞書１３に登録されている特徴を本照合
手段１４で詳細に照合し、候補単語に順位付ける。この
本照合が行われている間に、予備選択手段１２で得られ
た候補単語を切り替え手段１７を通して単語選択手段１
５に送り、候補単語を表示手段１６で１単語あるいは複
数単語を逐次利用者に表示し、単語選択手段１５を用い
て、利用者は欲する単語を選択し、異なる単語は棄却す
る。棄却された単語は単語選択手段１５のフィードバッ
グ機能により予備選択手段１２および本照合手段１４の
候補単語から除外される。本照合は予備選択の候補単語
に対してのみ逐次実行されるので、予備選択の候補単語
から除外された単語が、まだ本照合が行われていない単
語であれば、この単語は本照合の対象から外れる。また
、棄却された単語に対して本照合がすでに実行された単
語は、本照合手段１４での本照合の結果として得られる
候補単語から除外されるので、切り替え手段１７によっ
て単語選択手段１５に送られる時に、再度現れることは
ない。また、予備選択の候補単語が表示されている間に
、利用者の欲する単語が選択された場合には、単語選択
手段１５がフィードバッグ機能で本照合手段１４の本照
合を中止する。本照合手段１４での本照合が終了し、切
り替え手段１７が本照合の候補単語を単語選択手段１５
に送れば、従来例と同じ動作を行うことになる。

具体的には、処理量が膨大な本照合が終了する以前に、
照合処理が小さい予備選択によって得られる候補単語を
順位付けし、これを認識結果として代用する。予備選択
の順位付けが適切ならば、本照合が終了する以前に利用
者が欲する単語を得られる可能性が高くなり、認識速度
の向上が図れる。また、本照合が終了するまでの間に、
利用者が欲する単語が得られなくとも、無応答の時間が
無くなり、マンマシンインターフェースが向上する。

〔実施例〕

本発明の１実施例のブロック図を第２図に示す。

２１〜２４は第１図の特徴抽出手段１１に対応する。

音声をマイク２１に入力するとＢＰＦ群２２で帯域スペ
クトル時系列に変換され、これから音声区間切り出し部
２３で音声区間のみを切り出して記憶部２４に入力単語
音声の帯域スペクトル時系列が記憶される。

２５〜２９および４０は第１図の予備選択手段１２に対
応する。間引き部２５は記憶部２４０時系列から適切な
間隔（例えば１６ポイントおき）で間引いて時系列を圧
縮する。間引き部２７は単語辞書３０に格納されている
帯域スペクトル時系列から間引き部２５と同じ間隔で間
引いて時系列を圧縮する。これら２つの圧縮された時系
列をＤＰ照合部２６で叶マツチングを行って距離を計算
する。この距離の順に適切な順位（例えば１００位）ま
でソートして記憶する。

これをソート部２８と記憶部２９で行う。これで予備選
択が終了する。

尚、マスク部４０は、後述する選択部３６ですでに棄却
された単語を記憶しており、記憶部２９からＵＰ照合部
３１に送られる候補単語が、マスク部４０に記憶されて
いる単語と一致した場合、この単語をスキップして記憶
部２９に記憶されている次の候補単語をＤＰ照合部３１
に送る。

これ以降は本照合手段１４に対応する３１〜３４および
３９と単語選択手段１５・表示手段１６に対応する３６
〜３８が並列に動作する。

予備選択が終了した時点で切り替え部３５は予備選択の
候補単語が選択部３６に送られるように記憶部２９を選
択部３Ｇに接続する。選択部３６は候補単語を表示部３
８に表示して選択スイッチ３７が押されるのを待つ。候
補単語を１つずつ表示するならばスイッチにはその単語
を受理するか棄却するか再入力するかを示す３つのキー
があれば良い。例えば、「確定」と［次候補」と「再入
力」である。「確定」キーが押された場合は選択部３６
からＤＰ照合部３１に中止信号を送って本照合を中止し
て、受理された単語を出力する。「再入力」キーが押さ
れた場合は全てを初期状態に戻す。「次候補」が押され
た場合にはマスク部３４に単語を記憶させ、次の候補を
表示部３８に表示して選択スイッチ３７が押されるのを
待つ。

本照合手段の方は、以下のように動作する。ＤＰ照合部
３１は、記憶部２９に記憶されている候補単語を単語辞
書３０から検索して、その単語に対して単語辞書３０に
記憶されている時系列と記憶部２４に記憶されている時
系列のＤＰマツチングを行って距離を計算する。この距
離の順に適切な順位（例えば１０位）までソートして記
憶する。これをソート部３２と記憶部３３で行う。これ
で本照合が終了する。

本照合が終了した時点で、ＯＰ照合部３１が切り替え部
３５に終了信号を送り、切り替え部３５は選択部３６の
入力を記憶部２９からマスク部３４の出力に切り替える
。マスク部３４はすでに棄却された単語を記憶しており
、記憶部３３から選択部３６に送られる候補単語が、マ
スク部３４に記憶されている単語と一致した場合に、こ
の単語をスキップして記憶部３３に記憶されている次の
候補単語を選択部３６に送る。

選択部３６・選択スイッチ３７・表示部３８の動作は、
記憶部２９が記憶部３３・マスク部３４と入れ替わった
だけで、本照合終了以前の動作と同様である。

閾値判定部３９は以上に述べた切り替え部３５の動作と
別に動作する。本照合の動作中にＤＰ照合部３１で距離
が閾値以下となる単語があった場合に、この単語を選択
部３６に送る。選択部３６・選択スイッチ３７・表示部
３８の動作は、記憶部２９から送られる候補単語が閾値
判定部３９から送られる候補単語に入れ替わっただけで
、本照合終了以前の動作と同様である。

〔発明の効果〕

本発明によれば、大語賃単語認識において、利用者が音
声入力後に、無応答の時間が長く生じることによる利用
者の心理的負担を軽減できる。

更に、利用者の欲する単語が予備選択で得られた候補単
語の上位にある場合や本照合で閾値以下の距離となる場
合に、利用者の欲する単語を早く得られる。

【図面の簡単な説明】

第１図は本発明の原理ブロック図、第２図は本発明の一
実施例のブロック図、第３図は従来技術のブロック構成
図である。図中、１１は特徴抽出手段、１２は予備選択手段、１３
は単語辞書、工４は本照合手段、１５は単語選択手段、
１６は表示手段、１７は切り替え手段である。本発明の屁捏ブロック図第１図

Claims

【特許請求の範囲】１、予備選択手段（１２）と、本照合手段（１４）を有
する大語彙音声認識処理方式において、上記予備選択手段（１２）の出力と本照合手段（１４）
の出力のいずれかを切り替えて出力する切り替え手段（
１７）をそなえ、上記本照合手段（１４）による本照合動作が終了する以
前に、上記予備選択手段（１２）によって候補単語とさ
れた単語を認識結果として出力することを特徴とする大
語彙音声認識処理方式。２、予備選択手段（１２）と、本照合手段（１４）を有
する大語彙音声認識処理方式において、上記予備選択手段（１２）の出力と本照合手段（１４）
の出力のいずれかを切り替えて出力する切り替え手段（
１７）をそなえ、上記本照合手段（１４）による本照合動作が終了する以
前に、上記予備選択手段（１２）によって候補単語とさ
れた単語を認識結果として出力し、上記本照合手段（１４）による本照合動作が終了した時
点以後においては、上記本照合手段（１４）によって候
補単語とされた単語を認識結果として出力することを特
徴とする大語彙音声認識処理方式。３、予備選択手段（１２）と、本照合手段（１４）を有
する大語彙音声認識処理方式において、上記予備選択手段（１２）の出力と本照合手段（１４）
の出力のいずれかを切り替えて出力する切り替え手段（
１７）をそなえ、上記本照合手段（１４）による本照合動作が終了する以
前に、上記予備選択手段（１２）によって候補単語とさ
れた単語を認識結果として出力し、さらに上記本照合手段（１４）による本照合動作の途中
で類似度の大きさが閾値以上となる単語が得られた場合
に、上記切り替え手段（１７）の出力にかかわらず当該
単語を認識結果として出力することを特徴とする大語彙
音声認識処理方式。４、認識結果として出力された候補単語の中から所望の
単語を選択する単語選択手段（１５）をそなえ、該単語
選択手段（１５）は、所望の認識結果が得られた時点で
上記本照合手段（１４）による本照合動作を中止せしめ
ることを特徴とする請求項第１項〜第３項記載の大語彙
音声認識処理方式。５、上記単語選択手段（１５）は、上記予備選択手段（
１２）によって選択された候補単語および上記本照合手
段（１４）によって選択された候補単語から、当該単語
選択手段（１５）が棄却した候補単語を除外することを
特徴とする請求項第１項〜第４項記載の大語彙音声認識
処理方式。