JPH04242800A - 文法規則に基づいた照合値制約を用いた高性能音声認識方法並びに音声認識回路 - 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】 【０００１】 【産業上の利用分野】本発明は一般的に音声認識に係わ
り、更に詳細には文法に基づいた音声認識方法並びに音
声認識回路に関する。 【０００２】 【従来の技術】音声認識は不完全な技術である。マイク
ロホン、音声のアクセント及び話し手の能力の違いを含
む多くの変数が有るため、今日音声認識を多くの応用分
野での要求を満足させ得るだけの信頼性をもって実施す
ることは不可能である。特に電話の分野に関しては、よ
り高性能な音声認識が必要とされている。 【０００３】音声認識は、装置で認識できる単語を例え
ば十個の数字、０−９からなる小さな集合に制約する事
により強化する事が出来る。十個の数の集合に於いてさ
え、話し手に依存しない音声認識は相変わらず難しい問
題として残っている。 【０００４】音声認識は最近は受付制御に適用されてき
ている。どの様な受付または入力制御装置に於いても、
二つの基本機能が使用者に用意されている：（１）　使
用者身元認定と（２）　使用者確認とである。使用者身
元認定機能は未知の使用者に対して、請求された認定を
与える。 音声認識装置を用いて使用者は彼の識別コードを音声入
力する。確認機能は使用者個人の属性、例えば使用者の
声の性質に基づいて実行される。従って身元認定と確認
の二つの機能は、同一の発声された音声を対象として実
施される。 【０００５】音声認識／話し手確認能力からは二つの利
益が生じる。第一に、確認時間がかなり短縮される、な
ぜなら身元認定のために使用された音声データが確認の
ためにも使用されるので、確認のために必要な入力時間
を完全に除くことが出来る。第二に、音声入力以外を必
要としないので例えば両手が自由になるといったような
操作上の長所を有し、その結果確認用ターミナルを廉価
でかつ移動し易いものとする事が出来る。音声通信シス
テムに於いては、その他の補助検出または確認装置も取
り除くことが出来る。 【０００６】発声された身元認定コードを使用した身元
認定機能を実現するためには、音声認識を用いなければ
ならない。音声認識では話された単語を、不連続な身元
認定コードに翻訳する。 【０００７】使用に耐え得る装置を実現するためには、
入力装置の音声認識部は話し手に依存しないものでなけ
ればならない、すなわち、たとえ話し手が未登録の人で
あっても、話されたコードを単語に翻訳できなければな
らない。さらにより広い範囲で応用するためには、連続
した発声の中で単語を認識できなければならない、すな
わち、単語間で区切りの無い発声の中で単語を認識でき
なくてはならない。 【０００８】従って工業分野の中で音声認識装置の性能
を改善する要求が高まってきている。 【０００９】 【発明の目的と概要】本発明に依れば、音声認識方法並
びにそれを実行するための装置とが提供されていて、こ
れは基本的に従来技術に基づいた音声認識回路が有して
いた問題点を取り除いたりまたは、予め防止しているも
のである。 【００１０】本発明に於いては、音声は話された単語の
順序から認識され、これらの単語はひとつまたはいくつ
かの照合値制約条件に一致したものである。 【００１１】本発明のひとつの実施例では、言葉を文法
から仮定することにより、音声を話されたフレーズから
認識している。文法規則を観測された単語に適用するこ
とにより、翻訳結果は第一状態から、第二状態となる。 各々の状態が照合値の値を指示出来るように、その文法
は設計されている。 【００１２】本発明に基づくこの実施例の提供する技術
的な長所は、照合値制約条件が文法規則に従って本来的
に与えられるので、計算を行う必要が無い点である。更
に本発明は、その性能を向上させるために任意の有限状
態文法音声認識装置と共に使用される。 【００１３】別の実施例では、統一文法が制約条件を与
えるために使用されている。この実施例では制約条件を
実施するために必要な記憶装置が最少化されている。 【００１４】 【実施例】本発明並びにその長所を更に完全に理解する
ために、添付図を参照して以下の説明を行う。本発明の
提供された実施例は、添付の図１から図３を参照するこ
とに依って更によく理解できるであろう、複数の図面で
使用される部品等に付いては同一の参照番号が付けられ
ている。 【００１５】本発明の目的は従来の文法に基づいた音声
認識の文脈の中での音声認識の改善を以下の手段を用い
て行うことである：１）照合値制約条件を挿入すること
により、発声された音声に対する制約条件を導入するこ
と、および２）音声認識を制御するために照合値制約条
件が組み込まれた従来型文法を生成すること、である。 本発明は音声確認装置に関連して記述されているが、ど
の様な音声認識の応用分野にも適用できる。 【００１６】図１は音声認識を使用した話し手確認の概
念を記述したブロック図である。流れ図１０に於いて、
話されたコードはブロック１２の中で未知の使用者から
受信される、すなわちその身元が確認されていない使用
者からのコードである。ブロック１４では、要求のあっ
た身元が音声試料の中から導き出される。要求のあった
身元は、話されたコードを個々の単語に翻訳することに
依って決定されるが、これらの個々の単語は唯一の認識
コードを形成する。適切な身元コードが認定済み使用者
の組のひとつに応対している。ブロック１６に於いて、
認識コードは対応する認定済み使用者の音声パターン上
の、予め記憶されているデータを呼び出すために使われ
ており、未知の人間の身元を確認している。確認作業は
、予め記憶されている音声データをブロック１２で受信
した発声コードと比較して実行される。 【００１７】身元登録するために、認定済み使用者は彼
の認識コードの一部となる唯一の成句を登録する。図示
する目的で、成句は０から９までの数で構成されている
ものと仮定しているが、もっともこの制約条件は本発明
に対して必要なものではない。例えば使用者に依って入
力されるこの成句は彼または彼女の電話番号または社会
保障番号であったりする。 【００１８】照合値語を計算し成句に加算して、成句全
体が予め定められた照合値を形成するようにしている。 例えば、入力された成句が“０１５０”であり、装置内
の各々の（五桁）成句に対する、予め定められた照合値
が３を法として零に設定されているとすると、装置は下
記の式を満足するように照合値語として“０”を計算す
る。 【００１９】 【数１】 ここでｎ＝全成句中に含まれる単語の数。（例では５に
等しい） ｋ＝法。（例では３に等しい） ｄｉ　＝第ｉ番目の単語。 【００２０】注意しておかねばならないのは、更に複雑
な照合値アルゴリズムを本発明で使用できることと、装
置はひとつの成句に対して複数の照合値を計算し得るこ
とである。一般的に好ましいのは、大きな法でしかも素
数を使用することが好ましい。例えば、“２３”や“２
９”といった法が、一般的には好適である。 【００２１】これとは別に、照合値制約条件に合致する
認識用成句を使用者を介在させる事なく選択することも
できる。 【００２２】認定された使用者の認識コードである成句
は、使用者に依って話され型板として記憶されて話し手
の確認を行う際に用いられる。確認のための装置は、合
衆国特許申請第３５０，０６０号、ネイクその他、題名
「電話カード顧客の身元確認を可能とする音声確認回路
」１９８９年３月９日受付、に開示されており、これは
本明細書でも参照されている。 【００２３】図２および図３には、本発明に基づく音声
認識装置の第一の実施例が示されている。図２は本発明
による音声認識過程の流れ図を示す。音声認識装置は各
々の話された認識コードに対して、同時にいくつかの仮
想成句を計算することを注意されたい。例えば、話され
た認識コードが“０１５００”の時、装置は通常いくつ
かの仮想成句を、使用者の認識コードの発音に応じて追
跡する。“０１５００”に加えて、装置は例えば“０１
９４１”，“００９４２”，および“００５０１”を話
された成句の可能性が有るものとして追跡する。発明の
この特徴は図３に関連して示されている。 【００２４】有限状態オートマトン（本明細書に於いて
、「文法」という語はオートマトンと文法の両方を示す
ものとして使われている）の中では、予め定められた数
の状態が定義されている。これはグラフ的に図３に示さ
れており、ここでは初期状態（Ｓ００）と、（Ｓ５０）
を含んで１４個の可能な状態が示されている。観測され
た単語に基づいて規則の集合がひとつの状態（「源」状
態）からもうひとつの状態（「行き先」状態）への遷移
を決定する。 【００２５】図２に於いて、初期状態、Ｓ００はブロッ
ク２０で活性化される。ブロック２４で単語が仮定され
て、話された認識コードはブロック２６でサンプリング
される。この様な単語を仮定するための装置のひとつは
、合衆国特許申請第３１２，８３５号、ヘンフィルその
他、題名「確率論的統一文法のための図表意味分析装置
」１９８９年２月２１日受付、に開示されており、これ
は本明細書でも参照されているが、これ以外の装置も同
様に使用できる。 【００２６】判定ブロック２８では、単語がサンプル音
声から観測されたか否か、すなわち仮定が終了したか否
かの判断が行われる。もしも判定ブロック２８で単語が
観測されると、次に有限状態オートマトン遷移が適用さ
れて、ブロック３０で観測された単語に基づいて行き先
状態が決定される。各々の観測された単語には点数が与
えられていて、サンプリングされた音声との相関度を示
している。仮に二つの仮定成句がそれぞれ同一の状態を
活性化すると、より高い点数を有する成句が残され低い
点数の成句は除去される。状態の活性化または状態点数
の更新が終了した後、ブロック２４および２６での単語
の仮定および音声のサンプリングは、発声された音声の
終わりまで継続される。判定ブロック３２では、完全な
文章が認識されたか否かの判断が行われる。図３に更に
詳細に示されるように、照合値制約条件に合致する文章
のみが有限状態オートマトンの元では有効である。照合
値制約条件に合致しないものはブロック２４では決して
仮定されない。仮に複数の仮定文章が判定ブロック３２
の中で作り出された場合は、一番高い点数を有する文章
がブロック３６で受け付けられる。 【００２７】図３は図２の流れ図の動作を描いた状態図
を示しているが、単語境界の不確実性は無視している。 図３は３を法とした照合値を使用し、四つの成句“０１
５００”，“０１９４１”，“００９４２”，および“
００５０１”が仮定された例を示している。状態Ｓ００
は初期状態を表わしている。単語位置“１”で“０”が
第一番目に観測された単語として決定されている。この
時点では“０”あることが十分にはっきりしていたので
、それ以外の単語は観測されていない。有限状態オート
マトン遷移では、Ｓ００から仮定される単語が“０”の
場合はＳ１０（第一番目の添え字は単語位置を、第二番
目の添え字は照合値を表わしている）への遷移を引き起
こす。従って成句の単語位置“１”に於ける照合値は、
特別な計算を必要とする事なく有限状態オートマトンで
決定される。単語位置“１”から単語位置“２”にいく
場合には二つの単語“０”および“１”が観測されてい
る；最初に観測された単語（“０”）はＳ１０からＳ２
０への遷移を、また二番目に観測された単語はＳ１０か
らＳ２１への遷移を引き起こしている。単語位置“２”
から単語位置“３”では二つの単語“９”および“５”
が観測されている。“９”が観測された結果はＳ２０か
らＳ３０への遷移およびＳ２１からＳ３１への遷移とな
る。“５”が観測された結果はＳ２０からＳ３２への遷
移およびＳ２１からＳ３０への遷移となる。 【００２８】単語位置３から単語位置４では、Ｓ３０か
らは“４”が観測されるとＳ４１への遷移をする。Ｓ３
１からは“４”が観測されるとその結果Ｓ３１からＳ４
２への遷移となる。Ｓ３０からは“０”が観測されると
その結果Ｓ３０からＳ４０への遷移となる。Ｓ３２から
は“０”が観測されるとその結果Ｓ３２からＳ４２への
遷移となる。 【００２９】この時点で観測された結果は、同じ状態遷
移先を有する二つの状態Ｓ３１およびＳ３２が存在する
ことになる。より高い得点を有する成句が選ばれて仮定
作業を継続し、弱い得点のものは除かれる。 【００３０】単語位置４から５の時点では、“０”が観
測されている。Ｓ４０のみが完全な文章となる、すなわ
ちＳ５０への遷移を引き起こす。それ以外の活性状態Ｓ
４１およびＳ４２から有限状態文法規則を用いてＳ５０
に遷移するためには、それぞれ２，５，および８または
１，４，および７が観測される必要がある。故に、唯一
の仮定成句のみが文章に対する有限状態文法規則に合致
し、従って照合値制約条件に本質的に合致する。 【００３１】本発明の別の実施例では統一文法を使用し
ており、これは「論理変数」を加算して文脈が文法規則
の一部から規則の残り部分の後続の処理に対して影響出
来るようにしたものである。照合値を使用し五桁の数に
制約条件を与える統一文法の例を、プロログプログラミ
ング言語の限定節文法方言（Ｄｅｆｉｎｉｔｅ　Ｃｌａ
ｕｓｅ　Ｇｒａｍｍａｒ　ｄｉａｌｅｃｔ　）を使用し
て以下に示す：【数２】ｎｕｍｂｅｒ（ＣＨＫ）−−→
ｄｉｇｉｔ（Ｄ１），｛ｃｈｋ　（Ｄ１，ＣＨＫ１）｝
，ｄｉｇｉｔ（Ｄ２），｛Ｓｕｍ２　ｉｓ　ＣＨＫ１　
＋　Ｄ２，　ｃｈｋ（Ｓｕｍ２，ＣＨＫ２）｝， ｄｉｇｉｔ（Ｄ３），｛Ｓｕｍ３　ｉｓ　ＣＨＫ２　＋
　Ｄ３，　ｃｈｋ（Ｓｕｍ３，ＣＨＫ３）｝， ｄｉｇｉｔ（Ｄ４），｛Ｓｕｍ４　ｉｓ　ＣＨＫ３　＋
　Ｄ４，　ｃｈｋ（Ｓｕｍ４，ＣＨＫ　）｝， ｄｉｇｉｔ（ＣＨＫ　）．　　　 ｄｉｇｉｔ　（０）　−−→　［ｚｅｒｏ］．ｄｉｇｉ
ｔ　（０）　−−→　［ｏｈ］．ｄｉｇｉｔ　（１）　
−−→　［ｏｎｅ］．　ｄｉｇｉｔ　（２）　−−→　
［ｔｗｏ］．　ｄｉｇｉｔ　（３）　−−→　［ｔｈｒ
ｅｅ］．　ｄｉｇｉｔ　（４）　−−→　［ｆｏｕｒ］
．ｄｉｇｉｔ　（５）　−−→　［ｆｉｖｅ］．ｄｉｇ
ｉｔ　（６）　−−→　［ｓｉｘ］．　ｄｉｇｉｔ　（
７）　−−→　［ｓｅｖｅｎ］．　ｄｉｇｉｔ　（８）
　−−→　［ｅｉｇｈｔ］．　ｄｉｇｉｔ　（９）　−
−→　［ｎｉｎｅ］．ｃｈｋ　（Ｓｕｍ，　ＣＨＫ）：
　− ＣＨＫ　ｉｓ　Ｓｕｍ　ｍｏｄ　３．　【００３２】プ
ログラム内の規則は完全な照合値文法を構成している；
照合値の法とは独立である。これらの規則は認識過程の
間拡張されて、特定の発声に対して必要な元の有限状態
オートマトンの部分集合を完全にカバーするまで拡張さ
れる。規則は「例示化」と呼ばれる機構で拡張される。 例えば、第一規則の変数Ｄ１は数字“０”−“９”のい
ずれかを例示化している。次にＤ１の例示化された値は
述部（括弧の中に示されている）を満足しなければなら
ない、すなわちｃｈｋ（Ｄ１，ＣＨＫ１）、ここでｃｈ
ｋ（Ｓｕｍ，ＣＨＫ）はＣＨＫをＳｕｍ　　ｍｏｄ３に
等しいものとして定義している。故に変数Ｄ１が“０”
に等しい場合は述部は０である（０　　ｍｏｄ　　３＝
０のため）。故にＣＨＫ１は０に等しい。 【００３３】各々の桁に対して、仮にそれらが同一の中
間照合値を有する場合は、別々の規則での仮定を併合で
きる。例示化の各々の残存している集合に対するＳｕｍ
４変数からの最終照合値は、最終桁と比較されて照合値
制約条件と合致するか否かの決定がなされる。先の例を
この文法にしたがって追いかけることは、理解の助けと
なる。 【００３４】統一文法を使用することに依る技術的な長
所は、文脈のコード化を効率的に行えることであり、こ
の結果必要な記憶容量が少なくて済むことである。記憶
容量は減少されるのではあるが、処理中に計算を実行す
る必要は生じる。この計算は有限状態オートマトンを使
用した場合には不用のものである。 【００３５】本発明はその他の文法、例えば文脈自由文
法等と共にも使用できることを注意されたい。また本発
明は任意の単語の集合に対しても使用でき、数字のみに
限定する必要もないことを注意されたい。文法規則は、
その規則が照合値を具体的に表わすように単語の任意の
集合に適用できる。 【００３６】本発明の特定の応用として、複数の単語で
構成された話された成句からの音声認識を実行するため
の回路が具備されており、これは話された成句から単語
を仮定するための回路と、文法規則を適用し仮定された
単語に応じて源状態から行き先状態への遷移を、照合値
が行き先状態から決まるように、決定するための回路と
で構成されている。加えて各々の有効な成句は複数の数
で構成されている。さらに、各々の状態は連続して仮定
された単語で構成されている仮定された成句内の単語位
置と、仮定された成句に対する照合値とに関連付けられ
ている。仮定回路は各々の話された成句に対して複数の
成句を仮定するように動作でき、さらにこの様な回路は
各々の仮定された単語に対する確率を計算するための回
路と、各々の仮定可能な成句に対する確率を計算するた
めの回路とを有する。加えてこの様な回路はさらに、共
通の行き先状態を有する仮定可能成句の確率を比較する
ための回路を有する。 【００３７】本発明を詳細に説明したが、種々の変更、
代用および改造が添付の請求項で定められた発明の精神
および範囲から逸脱する事なく実施でき得ることは理解
されよう。 【００３８】以上の説明に関して更に以下の項を開示す
る。 【００３９】（１）　　　音声認識方法であって：認識
された単語の順序をひとつまたは複数の照合値制約条件
に合致させ；そして前記照合値制約条件を組み込まれた
文法に基づいて音声認識の制御を行う、という手順で構
成されていることを特徴とする前記音声認識方法。 【００４０】（２）　　　第１項記載の方法に於て、前
記制御手順が：話された成句から仮定された成句を形成
するための単語仮定手順；仮定された成句に対して照合
値制約条件を当てはめるように動作可能な前記文法規則
を、前記仮定された単語に適用する手順とで構成されて
いることを特徴とする前記音声認識方法。 【００４１】（３）　　　第２項記載の方法に於て前記
適用する手順が、第一状態と前記仮定された単語とに関
連する文法規則を第二状態が決定されるとように適用す
る手順を有し、前記第二状態が照合値を表わすことを特
徴とする前記音声認識方法。 【００４２】（４）　　　第１項記載の方法に於て前記
制御手段が、前記照合値制約条件を組み込まれた有限状
態オートマトンを用いて音声認識を制御する手順で構成
されていることを特徴とする前記音声認識方法。 【００４３】（５）　　　第１項記載の方法に於て前記
制御手段が、前記照合値制約条件を組み込まれた統一文
法を用いて音声認識を制御する手順で構成されているこ
とを特徴とする前記音声認識方法。 【００４４】（６）　　　音声認識回路に於て：認識さ
れた単語の順序をひとつまたは複数の照合値制約条件に
合致させるための回路と；そして前記照合値制約条件を
組み込まれた文法に基づいて音声認識の制御を行うため
の回路、とで構成されていることを特徴とする前記音声
認識回路。 【００４５】（７）　　　第６項記載の回路に於て、前
記制御回路が：話された成句から単語を仮定するための
回路；および仮定された成句に対して照合値制約条件を
当てはめるように動作可能な前記文法規則を、前記仮定
された単語に適用するための回路とで構成されているこ
とを特徴とする前記音声認識回路。 【００４６】（８）　　　第７項記載の回路に於て、前
記単語を仮定するための回路が、数字を仮定するための
回路で構成されていることを特徴とする前記音声認識回
路。 【００４７】（９）　　　第７項記載の回路に於て前記
適用するための回路が、第一状態と観測された単語とに
関連する文法規則を第二状態が決定されるように適用す
るための回路を有し、前記第二状態が照合値を表わすこ
とを特徴とする前記音声認識回路。 【００４８】（１０）　　第７項記載の回路に於て更に
各々の仮定された単語に対する確率を計算するための回
路を有することを特徴とする前記音声認識回路。 【００４９】（１１）　　第６項記載の回路に於て前記
制御回路が、前記照合値制約条件を組み込まれた有限状
態文法を用いて音声認識を制御する回路で構成されてい
ることを特徴とする前記音声認識回路。 【００５０】（１２）　　第６項記載の回路に於て前記
制御回路が、前記制約条件を組み込まれた統一文法を用
いて音声認識を制御する回路で構成されていることを特
徴とする前記音声認識回路。 【００５１】（１３）　　文法に基づいた装置の中で、
複数の単語から構成された話された成句から音声認識を
行うための方法に於て：第一状態を活性化し；話された
成句から単語を仮定し；そして第一状態と観測された単
語とに関連する文法規則を第二状態が決定されるように
適用する手順を有し、前記第二状態が照合値を表わすこ
とを特徴とする前記音声認識方法。 【００５２】（１４）　　第２項または第１３項記載の
方法に於て、各々の仮定された単語が数字で構成されて
いることを特徴とする前記音声認識方法。 【００５３】（１５）　　第１３項記載の方法に於て、
さらに：単語を仮定し、そして次の単語位置および前記
仮定された単語とに関連する状態を決定するために関連
する文法規則を適用する手順とを有することを特徴とす
る前記音声認識方法。 【００５４】（１６）　　第１３項記載の方法に於て、
さらに：前記話された成句から連続した仮定された単語
で構成される成句を仮定し；そして前記連続した仮定さ
れた単語の各々に対して文法規則を適用して、後続の単
語位置に関連する後続状態を決定し、各々の後続状態が
照合値の値を示していることを特徴とする前記音声認識
方法。 【００５５】（１７）　　第２項または第１３項記載の
方法に於て、各々の仮定された単語に対する確率を計算
するための手順を有することを特徴とする前記音声認識
方法。 【００５６】（１８）　　第１５項記載の方法に於て、
各々の仮定された成句に対する確率を計算するための手
順を有することを特徴とする前記音声認識方法。 【００５７】（１９）　　第１８項記載の方法に於て更
に、文法規則を適用した後で前記決定された後続の状態
の各々を活性化するための手順をゆうすることを特徴と
する前記音声認識方法。 【００５８】（２０）　　第１９項記載の方法に於て更
に、決定された状態が既に別の仮定された成句で活性化
されていた場合には仮定された成句の確率を比較するた
めの手順を有することを特徴とする前記音声認識方法。 【００５９】（２１）　　第１３項記載の方法に於て、
前記文法規則が有限状態オートマトン遷移で構成されて
いることを特徴とする前記音声認識方法。 【００６０】（２２）　　第１３項記載の方法に於て、
前記文法規則が統一文法規則で構成されていることを特
徴とする前記音声認識方法。

【図面の簡単な説明】

【図１】音声確認装置の全体を記述したブロック図；

【
図２】本発明による音声認識を記述した流れ図；

【図３
】各々の単語位置に於ける、照合値のネットワーク実施
例を記述した状態図。

【符号の説明】

２４　　単語 ３０　　文法

Claims (2)

【特許請求の範囲】
1. 【請求項１】　　音声認識方法であって：認識された単
   語の順序をひとつまたは複数の照合値制約条件に合致さ
   せ；そして前記照合値制約条件を組み込まれた文法に基
   づいて音声認識の制御を行う、という手順で構成されて
   いることを特徴とする前記音声認識方法。
2. 【請求項２】　　音声認識回路に於て：認識された単語
   の順序をひとつまたは複数の照合値制約条件に合致させ
   るための回路と；そして前記照合値制約条件を組み込ま
   れた文法に基づいて音声認識の制御を行うための回路、
   とで構成されていることを特徴とする前記音声認識回路
   。