JPH0457097A - 音声認識方法 - 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、一般の室内環境で使用できる音声認識方法に
関する。

（従来の技術） 従来、一般の室内で発声した音声を認識しようとする場
合、収音した音と装置内の標準パターンが異なるため音
声認識率が低下する恐れがあった。

これは、標準パターンを作成した音声を収音した室内の
条件と実際に認識装置を使用する部屋の残響特性や反射
特性が異なることが原因である。このため、残響音等の
影響を極力排除してクリヤな音声を得るように、指向性
の鋭いマイクロホンを用いる方法、または残響のあるイ
ンパルスレスポンスから逆フィルタを求め、残響のある
音声に逆フイルタ処理を行なって残響を除去した音声に
ついて認識する方法等が用いられている。

（発明が解決しようとする課題） しかし、残響の大きな室内では、上記の方法によって残
響成分を十分に除去することは困難であり、実用上十分
な音声認識率を得ることができなかった。更に、使用す
る室内の環境条件が変化する毎にパターンマツチングを
行なうための標準テンプレートを作成する必要があった
。このため、送話者は、装置が設置される環境が変わる
度に各単語等を発声し、これら装置に学習させる必要が
あり、これらの音声を収集することは甚だ困難であった
。

本発明は、この様な点に鑑み、残響時間が大でかつ収音
距離が大の条件で収音した場合の音声でも、簡易な操作
を行なうことによって十分な認識性能を有する音声認識
方法を実現するものである。

（課題を解決するための手段） 上記課題を解決するため、本発明は、予めスピーカとマ
イクロホン間のインパルス信号による残響特性をスピー
カの位置を変えて求め、この残響特性を残響のないクリ
ーンな音声に付加して得られる残響模擬音声からパター
ンマツチング用の標準テンプレートを創成して認識を行
なうものである。

（作用） 本発明で用いるパターンマツチング用標準テンプレート
は、送話者が実際に使用する室内の複数箇所において、
インパルス信号による残響特性をもとに、残響のないク
リーンな音声信号から模擬的な標準残響音声パターンを
作成したものであるから、マイクロホンが設置される室
内環境が変わる場合においても、容易に音声認識できる
。

（実施例） 第１図は、本願発明による一実施例を示す。同図におい
て、■はマイクロホン、２はインパルス音を放射するた
めのスピーカ、３はインパルス信号発生部、４はＡ／Ｄ
変換部、５は切替えスイッチ、５ＡはＡ／Ｄ変換部４と
残響特性の評価・記憶部６を結線している状態、５Ｂは
Ａ／Ｄ変換部４と音声分析部１０を結線している状態、
６はスピーカとマイクロホン間の残響特性の評価・記憶
部、７は単語等のクリーン音声の辞書部、８は残響模擬
音声の創成部、９は標準テンプレート作成・蓄積部、１
０は認識すべき単語等を切り出す音声分析部、１）は認
識計算処理部、１２は認識結果の出力・表示部、１３は
インパルス信号発生部３とＡ／Ｄ変換部４を結ぶ制御用
の信号線である。

第２図は、室内の残響特性を求める場合のスピーカとマ
イクロホンの関係を示す。同図において、■はマイクロ
ホン、２０の破線は送話者の行動範囲、２１〜２３は、
スピーカ２を設定する位置を示す。スピーカ２の位置２
１〜２３は、送話者の行動範囲２０内で、マイクロホン
ｌに対する送話者との距離（第２図中に示すｄ、２ｄ、
３ｄ等）ならびに角度（第２図中に示すα等）が、たと
えばほぼ等比間隔や等差間隔となるように選択する。

これは、収音した送話者の音声を少ない測定点でできる
だけ広い範囲を効率よくカバーするためである。スピー
カ２を順次これらの位置２１〜２３に配置してスピーカ
とマイクロホン間の残響特性を各々の場合について測定
する。

次に、残響特性の評価・記憶部６に収容するデータの作
成方法について述べる。

上記マイクロホンｌおよびスピーカ２の配置条件に於て
、インパルス発生部３からインパルス信号を発生し、こ
れをスピーカ２に入力する。このインパルス信号の発生
と同期して、信号線１３を介してスピーカ２の放射音を
マイクロホンｌで収音する。マイクロホン１のアナログ
出力信号をＡ／Ｄ変換部４でＡ／Ｄ変換し、切替スイッ
チ５に導（。このとき切替スイッチ５は、同図に示した
５−Ａ側に接続しておく。一定のサンプリング周期でＡ
／Ｄ変換した出力信号を、残響特性の評価・記憶部６に
入力し、直接音と初期反射音との到達時間差、ならびに
反射音や残響音の時間経過に伴う音圧レベルの変化特性
等をもとに、音声認識装置を使用する室内環境における
送話者とマイクロホン間の残響特性を求める。残響特性
の評価・記憶部６は、第２図で例示したような複数箇所
でスピーカの位置を順次変えて残響特性を求め記録する
。一方、クリーン音声辞書部７には、予め無響室や残響
の少ない防音室などで発声し音声をマイクロホンで収音
した音声信号を蓄えておく。残響模擬音声の創成部８は
、スピーカ２を各場所に移動して得た残響特性を用いて
、上記クリーン音声辞書部７内のクリーンな音声信号と
合成して、各々の残響模擬音声を作成する。

第３図は、残響模擬音声創成部８内で残響模擬音声を生
成する場合の例を示す。第３図（ａ）は、スピーカ２に
インパルス信号を与えたとき、マイクロホンｌに発生す
る出力信号を示すインパルス応答特性である。ＬＯは、
ｔｏ秒後にスピーカ２からの放射音がマイクロホン１に
到達した際の直接音の音圧レベルを示す。Ｌｌはｔ１秒
後にインパルス音が各種の物体に当たりながらマイクロ
ホンｌに到達した際の初期反射音の音圧レベルである。

以下同様に、Ｌ２以降は時間経過にともなう反射音の音
圧レベル変化の様子を示したものである。

次に第３図（ｂ）を用いて、残響模擬音声を作成する方
法を述べる。

白丸印は、残響音のないクリーンな音声信号を示す。な
お、同図の白丸の時間間隔は、Ａ／Ｄ変換時のサンプリ
ング周波数によって一義的に決まる。同図（ａ）の室内
残響特性がある場合、時刻１０での音声信号Ｓ１は、時
刻Ｌｌ後においてＬ１／ＬＯの値のレベルの変化を生じ
て黒丸印の値ｓｌｌとなる。同様に、音声信号ＳｌＯ音
圧レベルは、時刻ｔｎ後にはｓｉｎに低下する。よって
、時刻ｔ１での音圧レベルは、もとの発声された直接音
の音圧レベルＳａ（白丸印）と上記ｓｌｌの和となる。

時刻ｔ２においては、音声信号Ｓｌの音圧レベルはＬ２
／ＬＯの値を乗じた値にレベル変化を生じて黒丸印ｓ１
２の値となる。同様に、時刻ｔ２ての音圧レベルは、も
との発声された直接音Ｓｂ（白丸印）とＳ１２の和とな
る。以下順次、ｔ３〜ｔｎにおいて、もとの直接音に残
響音を加算することによって音声信号Ｓ１が各時刻に及
ぼす残響音による音圧レベルを得る。また、時刻ｔ１に
は音声信号Ｓｌの他、ｔ１以前の音声信号Ｓ２．Ｓ３．
　　・・・が到達しており、同様にＳ２１、Ｓ３１．　
　・・・・を加算して残響音を含む音声信号を作成する
。このようにして得た各時刻の音圧レベルの総和によっ
て形成される信号が残響音を含む残響模擬音声信号とな
る。

上記の方法をクリーンな音声辞書部７に収容しである種
々の単語等の音声について、各スピーカ２とマイクロホ
ン１の位置関係における残響特性をもとに行い、残響模
擬音声を創成する。

次に、残響模擬音声創成部８で作成した残響模擬音声か
ら、音声認識評価を行なう時に使用する標準テンプレー
トを作成し、その結果を標準テンプレート作成・蓄積部
９に蓄える。このとき蓄積される標準テンプレートは、
前述したように送話者の実使用時の行動範囲をカバーし
た位置に基づいて複数作成（マルチテンプレート）する
。

以上の行程が終了した時点で、音声認識の準備が完了し
た状態となる。次に、前述した切替スイッチ５を５−Ｂ
側に切り替え、音声認識装置の動作状態とする。この状
態以降では、スピーカ２及び、インパルス信号発生部３
の動作を停止する。

次に、送話者が発声した音声信号をマイクロホン１で収
音し、Ａ／Ｄ変換部２でＡ／Ｄ変換して音声分析部ＩＯ
へ導く。音声分析部ＩＯは、音声認識すべき音声信号部
分を切り出すとともに、評価分析に必要な各種のデータ
を計算する。この計算結果は、認識計算処理部１）に伝
送する。認識計算処理部１）は、この切り出した音声信
号部分について先に求めた標準テンプレート作成・蓄積
部９に蓄えた標準テンプレートと照合し、両パターンの
類似性について距離計算を行なう。この照合は、従来の
連続単語認識における動的計画法等を利用して行なう。

照合した結果は、出力表示部１２等に出力する。

（発明の効果） 第４図は、本願発明による音声認識方法による単語音声
認識率を評価した結果の一例である。同図は、マイクロ
ホンの種類（無指向性・単一指向性）及び収音距離（大
・小）をパラメータとして１、残響時間（小・中・大）
による音声認識率の関係を示したものである。音声認識
条件が悪い場合（残響時間が大、収録距離が大）におい
ても、無指向性マイクロホンの場合９０％以上、指向性
マイクロホンの場合約９５％以上と高い音声認識率を得
ることができることが分かる。

一方、第５図は、従来の音声認識方法による単語音声認
識率を第４図と同様に評価した結果の一例である。なお
、標準テンプレートは残響音のない室内で発声した音声
を用いている。同図から、音声認識条件が悪い場合（残
響時間が大、収録距離が大）、音声認識率が低下してい
ることが分かる。また、無指向性マイクロホンを用いる
よりは、指向性を有したマイクロホンを用いたときの方
が、高い音声認識率が得られるが、その性能は十分でな
い。

第４図に示すように本願発明による音声認識率は、第５
図に示した従来の方法に比べて、特に残響時間や収音距
離の大きいところで約２５〜３５％高い値であり、良好
な特性が得られる以上説明したように、本願発明による
音声認識方法は、室内条件や、マイクロホンに対する距
離や角度等が変化する度毎に、学習のための発声を行な
う必要が無くなるため、学習を行なうための大幅な時間
の節約と送話者の発声負担の除去という大きな利点を有
するとともに、残響の大きな特性を有する室内に於ても
高い認識性能を得ることが出来る。

第１図は本願発明の音声認識方法の一実施例、第２図は
残響特性を収集する際のマイクロホンとスピーカの配置
の一例、第３図はクリーンな音声から残響模擬音声を創
成する説明図、第４図は本願発明の音声認識方法による
音声認識率の一例、第５図は従来の音声認識装置の音声
認識率を第４図と同じ条件で測定した場合の一例である
。

■はマイクロホン、２はインパルス音を放射するための
スピーカ、６はスピーカとマイクロホン間の残響特性の
評価・記憶部、７はクリーン音声の辞書部、８は残響模
擬音声の創成部、９は標準テンプレート作成・蓄積部、
１ｏは音声分析部、１）は認識計算処理部である。

Claims (2)

【特許請求の範囲】
1. （１）インパルス信号をスピーカに入力して得られる放
   射音をマイクロホンで受けることによって、該スピーカ
   と該マイクロホン間の残響特性を測定し、予め反射ある
   いは残響のない空間で収音した単語等の音声信号につい
   て前記残響特性を用いて残響音を付加した残響模擬音声
   を創成してパターンマッチング用の標準テンプレートを
   作成しておき、音声認識する場合は、送話者の音声をマ
   イクロホンで収音して得られる音声パターンを前記残響
   模擬音声のパターンマッチング用標準テンプレートと照
   合して音声認識を行なうことを特徴とする音声認識方法
   。
2. （２）請求項第１項記載の残響特性の測定は、前記マイ
   クロホンが収音すべき領域の代表的な複数の箇所におい
   てスピーカの位置を変えて行うことを特徴とする音声認
   識方法。