JPH05108091A

JPH05108091A - 音声認識装置

Info

Publication number: JPH05108091A
Application number: JP3298253A
Authority: JP
Inventors: Tetsuya Muroi; 哲也室井
Original assignee: Ricoh Co Ltd
Current assignee: Ricoh Co Ltd
Priority date: 1991-10-17
Filing date: 1991-10-17
Publication date: 1993-04-30
Anticipated expiration: 2015-11-27
Also published as: JP3112037B2

Abstract

(57)【要約】【目的】認識結果が採用されず言い直しをする場合
に、言い直した言葉について正しい認識結果を得易く、
正しい認識結果を早期に得ることが可能である。【構成】認識部２では、音声入力部１から入力された
音声の特徴パターンを予め登録されている種々の標準パ
ターンと照合し、標準パターンのうちで入力音声の特徴
パターンと類似しているものを候補として選出し、判定
部３では、候補の認識信頼度をも考慮してこれを最終的
な認識結果として採用するか否かを判定する。判定部３
において認識結果が採用されなかった場合には、ユ−ザ
−に言い直しを促し、言い直しの音声が入力すると、認
識部２は、言い直しの入力音声を認識対象語彙を変更し
て認識する。

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】本発明は、入力された音声の認識
を行なう音声認識装置に関する。

【０００２】

【従来の技術】一般に音声認識装置においては、入力さ
れた音声の特徴パタ−ンと予め辞書等に登録されている
種々の標準パタ−ンとを照合し、標準パタ−ンのうちで
入力音声の特徴パタ−ンと類似しているものを候補（認
識結果）として選出し、選出された候補のうちで最も大
きな類似度をもつ第１の候補を基本的には最終的な認識
結果として選択するが、従来においてはさらに、最も大
きな類似度をもつ第１の候補が得られたときにも、例え
ばこの第１の候補の認識信頼度が低いような場合には最
終的な認識結果をリジェクトとして出力したり、あるい
はユ−ザに認識結果の確認を求め、確認が得られたもの
だけを正しい認識結果として出力するようになってい
た。このようの機能が付加されていることによって、認
識対象となる音声以外の音響信号が入力された場合や入
力音声が不安定な場合などに誤認識動作がなされるのを
防止することができる。

【０００３】

【発明が解決しようとする課題】このように従来の音声
認識装置においては、得られた候補の認識信頼度が、例
えば所定の閾値よりも低いときにはリジェクトなどの機
能によって誤認識等を有効に防止することができるが、
その反面、これらの機能が付加されているために、ある
特定の言葉の音声についてはこれが入力されてもリジェ
クト等され易く、正しい認識結果を即座に得ることがで
きなくなるなどの問題があった。例えば、認識対象語彙
の中に音響的に類似した言葉があるような場合には、認
識信頼度が低くなり、この場合に何回言い直しを行なっ
ても認識信頼度が低い原因を解消できず、言い直した言
葉についても同様の頻度でリジェクト等がされ易いの
で、正しい認識結果をすぐに得ることができない。

【０００４】本発明は、このような従来の欠点を解決す
るものであり、認識結果が採用されず言い直しをする場
合に、言い直した言葉については正しい認識結果を得易
く、正しい認識結果を早期に得ることの可能な音声認識
装置を提供することを目的としている。

【０００５】

【課題を解決するための手段】上記目的を達成するため
に請求項１記載の発明は、音声を入力する音声入力手段
と、入力された音声を認識する認識手段と、認識手段に
よって得られた認識結果を採用するか否かを判定する判
定手段とを有し、前記判定手段において認識結果が採用
されなかった場合に、前記認識手段は、次の入力音声を
認識対象語彙を変更して認識するようになっていること
を特徴としている。

【０００６】また、請求項２記載の発明では、前記認識
手段が、変更後の認識対象語彙を前回の認識結果の上位
候補とすることを特徴としている。

【０００７】また、請求項３記載の発明では、前記認識
手段が、変更後の認識対象語彙を前回の認識結果の上位
候補と該上位候補の同意味語とにすることを特徴として
いる。

【０００８】また、請求項４記載の発明は、音声を入力
する音声入力手段と、入力された音声を認識する認識手
段と、認識結果を採用するか否かを判定する判定手段と
を有し、前記判定手段において、認識結果が採用されな
かった場合に、前記認識手段は、次の入力音声の認識結
果のスコアと前回の認識結果のスコアを組合せて統合し
たスコアを求めるようになっていることを特徴としてい
る。

【０００９】また、請求項５記載の発明では、判定手段
において認識結果が採用されなかった場合に、前記認識
手段は、同じ認識対象語彙のスコアを組合せて統合した
スコアとするようになっていることを特徴としている。

【００１０】また、請求項６記載の発明では、判定手段
において認識結果が採用されなかった場合に、前記認識
手段は、同意味語のスコアを組合せて統合したスコアと
するようになっていることを特徴としている。

【００１１】

【作用】請求項１記載の発明では、認識結果が採用され
ず言い直しをする場合に、言い直した発声については、
認識対象語彙を変更して認識する。

【００１２】この際、請求項２記載の発明のように、変
更後の認識対象語彙を前回の認識結果の上位候補とする
ことで、変更後の認識処理では認識対象語彙数を少なく
することができる。

【００１３】また、請求項３記載の発明のように、言い
直しの発声に対する認識対象語彙を前回の認識結果の上
位候補とその同意味語に設定することで、前回の発声で
認識できなかった場合、ユ−ザ−が異なる言葉で再発声
しても、正しい認識を行なうことができる。

【００１４】また、請求項４，５記載の発明では、認識
結果が採用されず言い直しをする場合に、言い直した発
声の認識を前回のスコアと今回のスコアを組合せて認識
する。

【００１５】さらに、請求項６記載の発明のように、前
回のスコアを同意味語について組合せることで、一層高
い認識性能が得られる。

【００１６】

【実施例】以下、本発明の実施例を図面に基づいて説明
する。図１は本発明に係る音声認識装置のブロック図で
ある。図１の音声認識装置は、音声を入力する音声入力
部１と、入力された音声の特徴パターンを予め登録され
ている種々の標準パターンと照合し、標準パターンのう
ちで入力音声の特徴パターンと類似しているものを候補
（認識結果）として選出する認識部２と、選出された候
補のうちで最も大きな類似度をもつものを基本的には最
終的な認識結果として選択するが、この候補の認識信頼
度をも考慮してこの候補を最終的な認識結果として採用
するか否かを判定する判定部３とを有している。

【００１７】認識部２における認識手法には種々の方式
のものを用いることができる。認識部２は、例えば認識
対象語彙ごとに１つの単語標準パターンを用意し、ＤＰ
マッチングの手法を用いて、入力音声の特徴パターンと
標準パターンとの距離を認識対象語彙の類似度値（スコ
ア）として求め、類似度値の大きさの順に所定順位まで
の候補を選出するようになっている。

【００１８】また、判定部３における認識信頼度の求め
方にも種々の方式のものを用いることができる。例え
ば、最も大きな類似度値をもつ第１の候補の類似度値Ｒ
（１）とその次の第２の候補の類似度値Ｒ（２）との差
や比をとったものを第１の候補についての認識信頼度Ｓ
として求めることができる。例えば、認識信頼度Ｓを次
式のように類似度値Ｒ（１）とＲ（２）との差により求
める。

【００１９】

【数１】Ｓ＝Ｒ（２）−Ｒ（１）

【００２０】そして、判定部３は、この認識信頼度Ｓが
例えば閾値ＴＨよりも大きいか否かにより、この第１の
候補を認識結果として採用するか否かを判定し、採用し
ない場合には、ユーザに再発声，すなわち言い直しを促
すようになっている。

【００２１】ところで、本発明の第１の実施例において
は、判定部３が第１の候補の認識結果を採用せず、ユー
ザに言い直しを促し、ユーザが再発声を行なう場合に、
認識部２は、この次の入力音声を認識対象語彙を変更し
て認識するようになっている。すなわち、認識部２は、
変更後の認識対象語彙に前回の認識結果の上位候補を設
定するか、あるいは、変更後の認識対象語彙に前回の認
識結果の上位候補と該上位候補の同意味語とを設定し
て、次の入力音声に対して認識を行なうようになってい
る。

【００２２】このような構成の第１の実施例の音声認識
装置において、認識部２が変更後の認識対象語彙に前回
の認識結果の上位候補を設定して認識を行なうようにな
っている場合の動作について説明する。ユーザが現在、
音声を入力し、その入力音声を認識部２で認識して、第
１位から所定順位までの候補が得られ、判定部３で判定
した結果、第１の候補の認識信頼度Ｓが閾値ＴＨよりも
小さいときには、現在の認識結果を、例えば図２に示す
ように、「イ：（第１位の言葉），ロ：（第２位の言
葉），ハ：（第３位の言葉），イロハで入力して下さ
い」旨、ディスプレイに表示したり、あるいは合成音声
で指示して、ユーザに言い直しを促がす。

【００２３】これにより、ユーザが再発声して、これが
音声認識部２に送られると、音声認識部２では、上記認
識結果の上位候補（例えば第１位から第３位まで，すな
わちイ，ロ，ハ）を認識対象語彙として、言い直しのな
された音声入力に対して認識を行ない、判定部３では、
その認識結果から第１の候補の認識信頼度Ｓを求め、こ
の認識信頼度Ｓが閾値ＴＨよりも大きいときに、この第
１の候補を最終的な認識結果とする。

【００２４】このように、ある特定の言葉について１回
目の発声で最終的な認識結果が得られなかった場合に
も、その言葉を言い直させ、この言葉の入力音声を認識
対象語彙を変更して認識するようにしているので、第１
の候補の認識信頼度Ｓが閾値ＴＨよりも大きくなる蓋然
性を高めることができ、正しい認識結果が得られ易くな
る。

【００２５】次に、音声認識部２が、変更後の認識対象
語彙に前回の認識結果の上位候補と該上位候補の同意味
語とを設定して認識を行なうようになっている場合の動
作について説明する。なお、変更後の認識対象語彙の範
囲を上位候補の同意味語にも拡張したのは、１回目に発
声した音声が認識されなかったのはこの言葉が認識対象
語彙に含まれていなかったためとユーザが考え、意味は
同じだが別の言葉で言い直すことがあることを考慮した
ものである。

【００２６】音声認識部２がこのような構成となってい
る場合、１回目の発声に対する認識の結果、例えば、図
３（ａ）に示すような候補が所定順位まで得られている
ときに、言い直した言葉の音声に対する認識は、図３
（ａ）に示す候補の例えば上位３位までの候補「キノ
ウ」，「キンヨウ」，「キョウ」を認識対象語彙とする
とともに、さらに、これらの同意味語をも認識対象語彙
としてなされる。例えば、今日が火曜日である場合に
は、「キノウ」の同意味語としての「ゲツヨウビ」，
「キョウ」の同意味語としての「カヨウビ」をも認識対
象語彙に加え、認識対象語彙を図３（ｂ）に示すような
ものにして認識を行なう。これにより、１回目の発声で
最終的な認識結果が得られなかったときに、意味は同じ
であるが異なる言葉でユーザが再発声しても正しい認識
結果が得られ易くなる。

【００２７】なお、同意味語については、予め登録して
おいても良いし、あるいは装置の動作状態に合わせてダ
イナミックに変更するようにしても良い。また、図２の
ように認識結果が指示されれば、「イ，ロ，ハ」をそれ
ぞれ「キノウ，キンヨウ，キョウ」の同意味語として認
識させるようにしても良い。

【００２８】また、本発明の第２の実施例においては、
判定部３が第１の候補の認識結果を採用せず、ユーザに
言い直しを促がし、ユーザが再発声を行なう場合に、認
識部２は、現在の認識で得られた各候補の類似度値（ス
コア）と次の入力音声で得られる各候補の類似度値（ス
コア）とを組合せて、統合した類似度値（スコア）を求
めるようになっている。すなわち、認識部２は、同じ認
識対象語彙の類似度値（スコア）を組合せて統合した類
似度値（スコア）を求めるか、あるいは、同意味語の類
似度値（スコア）を組合せて統合した類似度値（スコ
ア）として求めて、次の入力音声に対し認識を行なうよ
うになっている。

【００２９】このような構成の第２の実施例の音声認識
装置において、認識部２が同じ認識対象語彙の類似度値
（スコア）を組合せて統合した類似度値（スコア）を求
めて認識を行なうようになっている場合の動作について
説明する。ユーザが現在、音声を入力し、その入力音声
を認識部２で認識して、第１位から所定順位までの候補
が得られ、判定部３で判定した結果、第１の候補の認識
信頼度Ｓが閾値ＴＨよりも小さいときには、現在の認識
結果を、例えば図４（ａ）のように保持する。すなわ
ち、図４（ａ）の例では、第１の候補「キノウ」の認識
信頼度Ｓは数１に従がい、“２”であり、閾値ＴＨを例
えば“５”とすると、これよりも小さいので、第１位か
ら所定順位までの候補について、その候補名とともにそ
の候補の標準パターンと入力音声の特徴パターンとの間
の距離，すなわち類似度値（スコア）が保持される。

【００３０】次いで、第１の実施例で述べたと同様に、
ユーザに再発声，すなわち言い直しを促がし、ユーザが
再発声を行なうと、その入力音声に対して上位候補のみ
を認識対象語彙として認識を行なう。その結果、例えば
図４（ｂ）のような結果が得られたとすると、認識部２
ではさらに、上位候補（例えば上位３位までの候補）の
各々について、図４（ａ）に示す１回目の発声での類似
度値（スコア）と図４（ｂ）に示す２回目の発声での類
似度値（スコア）とを組合せて統合する。例えば、これ
らを加算する。その結果、各候補の統合された類似度値
（スコア）は、図４（ｃ）のようになり、判定部３で
は、統合された類似度値（スコア）を基に第１の候補の
認識信頼度２Ｓを算出し、閾値ＴＨを例えば２倍にし
て、認識信頼度２Ｓが閾値２ＴＨよりも大きいか否かに
より第１の候補を認識結果として採用するか否かの判定
を行なう。図４（ｃ）の例では、第１の候補「キノウ」
の認識信頼度２Ｓは、数１に従がって、“１７”とな
り、閾値２ＴＨが“１０”であるとすると、これよりも
大きいので、第１の候補「キノウ」が最終的な認識結果
として得られる。

【００３１】このように、１回目の発声で最終的な認識
結果が得られなかった場合にも、その言葉を言い直させ
て２回目の発声についての認識処理を行ない、１回目の
類似度値（スコア）と２回目の類似度値（スコア）とを
組合せて認識させることにより、正しい認識結果が得ら
れ易くなり、認識精度が向上する。

【００３２】次に、認識部２が同意味語の類似度値（ス
コア）を組合せて統合した類似度値（スコア）として求
めて認識を行なうようになっている場合の動作について
説明する。１回目の発声に対しては上述の例と同様にし
て、現在の認識結果を、例えば図４（ａ）のように保持
しているとする。次いで、ユーザが再発声を行なうと、
その入力音声に対して上位候補とその同意味語を認識対
象語彙として、再発声に対する認識を行なう。例えば、
図４（ａ）に示す候補の例えば上位３位までの候補「キ
ノウ」，「キンヨウ」，「キョウ」を認識対象語彙とす
るとともに、今日が火曜日である場合には、「キノウ」
の同意味語としての「ゲツヨウビ」，「キョウ」の同意
味語としての「カヨウビ」をも認識対象語彙に加える。
このような認識対象語彙につき、例えば図５に示すよう
な認識結果が得られたとすると、認識部２ではさらに、
図４（ａ）に示す１回目の発声での類似度値（スコア）
と図５に示す２回目の発声での類似度値（スコア）とを
組合せて統合した類似度値（スコア）を算出する。

【００３３】この際、同意味語，例えば「キノウ」，
「ゲツヨウ」では、いずれか類似度値（スコア）が小さ
い方，すなわち距離の小さい方を採用して統合する。具
体的には、図５において、「キノウ」と「ゲツヨウ」と
では、「キノウ」の方が類似度値（スコア）が小さいの
で、「キノウ」の方の類似度値（スコア），すなわち
“６４”を採用し、これを図４（ａ）の「キノウ」の類
似度値（スコア），すなわち“３１”と加算して統合
し、「キノウ，ゲツヨウ」について、統合した類似度値
（スコア）として“９５”を得る。同様にして、「キン
ヨウ」については、統合した類似度値（スコア）とし
て、“８６”を得、「キョウ，カヨウ」については、
“６４”を得る。この場合、第１の候補は、統合された
類似度値の最も小さなもの，すなわち「キョウ，カヨ
ウ」であり、「キョウ，カヨウ」の認識信頼度２Ｓは、
数１に従がい、“２２”となり、閾値２ＴＨが“１０”
であるとすると、これよりも大きいので、第１の候補
「キョウ，カヨウ」が最終的な認識結果として得られ
る。

【００３４】このように、１回目の類似度値（スコア）
と２回目の類似度値（スコア）とをさらに同意味語につ
いて組合せて認識させることにより、正しい認識結果を
一層得易くなり、認識精度を一層向上させることができ
る。

【００３５】

【発明の効果】以上に説明したように、請求項１記載の
発明では、認識結果が採用されず言い直しをする場合
に、言い直した発声については、認識対象語彙を変更し
て認識するようにしているので、正しい認識結果を得易
く、正しい認識結果を早期に得ることができる。

【００３６】また、請求項２記載の発明では、変更後の
認識対象語彙を前回の認識結果の上位候補とすることに
より、変更後の認識処理では認識対象語彙数が少なくな
り、これにより、正しい認識結果が得られ易くなる。

【００３７】また、請求項３記載の発明では、言い直し
の発声に対する認識対象語彙を前回の認識結果の上位候
補とその同意味語に設定しているので、前回の発声で認
識できなかった場合、ユ−ザ−が異なる言葉で再発声し
ても、正しい認識を行なうことができる。

【００３８】また、請求項４，５記載の発明では、認識
結果が採用されず言い直しをする場合に、言い直した発
声の認識を前回のスコアと今回のスコアを組合せて認識
するようになっているので、正しい認識結果を得易く、
正しい認識結果を早期に得ることができる。

【００３９】また、請求項６記載の発明では、言い直し
をする場合に、前回の認識結果の上位候補とその同意味
語を認識対象語彙として、言い直した発声の認識を行な
うようにしているので、前回の発声で認識できなかった
場合、ユ−ザ−が異なる言葉で再発声しても、その言葉
を正しく認識することができ、さらに、前回のスコアを
同意味語について組合せることで、一層高い認識性能を
得ることができる。

【図面の簡単な説明】

【図１】本発明に係る音声認識装置のブロック図であ
る。

【図２】ユーザに言い直しを促すメッセージの一例を示
す図である。

【図３】（ａ），（ｂ）は本発明の第１の実施例におけ
る処理を説明するための図である。

【図４】（ａ），（ｂ），（ｃ）は本発明の第２の実施
例における処理を説明するための図である。

【図５】本発明の第２の実施例における処理を説明する
ための図である。

【符号の説明】

１音声入力部２認識部３判定部

Claims

【特許請求の範囲】

【請求項１】音声を入力する音声入力手段と、入力さ
れた音声を認識する認識手段と、認識手段によって得ら
れた認識結果を採用するか否かを判定する判定手段とを
有し、前記判定手段において認識結果が採用されなかっ
た場合に、前記認識手段は、次の入力音声を認識対象語
彙を変更して認識するようになっていることを特徴とす
る音声認識装置。
【請求項２】前記認識手段は、変更後の認識対象語彙
を前回の認識結果の上位候補とすることを特徴とする請
求項１記載の音声認識装置。
【請求項３】前記認識手段は、変更後の認識対象語彙
を前回の認識結果の上位候補と該上位候補の同意味語と
にすることを特徴とする請求項１記載の音声認識装置。
【請求項４】音声を入力する音声入力手段と、入力さ
れた音声を認識する認識手段と、認識結果を採用するか
否かを判定する判定手段とを有し、前記判定手段におい
て、認識結果が採用されなかった場合に、前記認識手段
は、次の入力音声の認識結果のスコアと前回の認識結果
のスコアを組合せて統合したスコアを求めるようになっ
ていることを特徴とする音声認識装置。
【請求項５】前記認識手段は、判定手段において認識
結果が採用されなかった場合に、同じ認識対象語彙のス
コアを組合せて統合したスコアとするようになっている
ことを特徴とする請求項４記載の音声認識装置。
【請求項６】前記認識手段は、同意味語のスコアを組
合せて統合したスコアとするようになっていることを特
徴とする請求項４記載の音声認識装置。