JPH05241592A - 連続単語認識装置 - Google Patents

Abstract

(57)【要約】 【目的】 本発明は音声認識装置に関し、連続認識での
単語間の調音結合や語長の短縮の影響による誤認識を減
少させることができる連続単語認識装置を提供すること
を目的としている。 【構成】 音声を電気信号に変換するマイク１と、該マ
イク１から送られてくる電気信号の中から音声の部分の
みを抽出して辞書パターンとしてメモリに登録する他、
入力されてくる音声信号と登録されている音声信号との
パターンマッチングを行うＣＰＵ１０と、該ＣＰＵ１０
で抽出した音声信号を格納する他、ＣＰＵ制御プログラ
ムを格納するメモリ１１とを具備し、連続単語認識を行
うため、メモリ１１に離散的に登録されている単語の中
から語長の短い単語を選び出して連続学習を行わせ、そ
の連続学習で入力した信号の中から該単語に相当するパ
ターンを抽出して辞書パターンとしてメモリ１１に登録
し、連続単語認識も行えるように構成する。

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】本発明は音声認識装置に関し、更
に詳しくは連続発声される単語の音声パターンを認識す
ることができる連続単語認識装置に関する。

【０００２】音声認識装置は、発声された音声信号から
発声された単語を認識する装置である。近年、音声認識
技術の向上により音声認識率が高まり、産業上利用する
ことができるレベルまできている。しかしながら、まだ
完全ではなく、音声認識率をいかに１００％に近付ける
ことができるかが課題である。

【０００３】

【従来の技術】図１２は従来装置の概念を示すブロック
図である。先ず、辞書パターンとして音声パターンを登
録する必要がある。マイク１から入力された音声信号は
ＣＰＵ２により単語として認識された音声パターンがメ
モリ３に辞書パターンとして登録される。辞書パターン
が登録されたら、今度は音声認識動作を行う。

【０００４】音声認識の場合には、ＣＰＵ２が連続発声
された単語と離散登録された辞書パターンとのパターン
マッチングを行い、音声認識を行う。図１３は従来装置
の動作を示すフローチャートである。先ず、特定話者に
単語を離散的に発音してもらい、その時にマイク１で検
出した音声パターンを辞書パターンとしてメモリ３に登
録する（Ｓ１）。

【０００５】辞書パターンが登録されたら、今度は連続
発声された入力パターンと離散発声された登録パターン
との間でパターンマッチングを行い連続発声パターンの
認識を行う（Ｓ２）。

【０００６】

【発明が解決しようとする課題】従来の特定話者限定単
語方式の連続単語認識装置は、離散単語認識装置と同様
に、離散発声された登録パターンと、連続発声された入
力パターンとの間でパターンマッチングを行い、認識結
果を得るので、連続発声により生じる単語の促音化，無
声化，単語間の調音結合，語長の短縮（離散発声時との
比較により）等、離散発声パターンと連続発声中のパタ
ーンとの乖離による影響により、離散単語認識装置と比
較して認識率が低い状態にある。

【０００７】図１４，図１５は離散発声パターンと連続
発声中のパターンの乖離を示す図である。図１４におい
て、（ａ）は連続パターン、（ｂ）は離散パターンで、
いずれも“１０６９”という文字を発音した場合を示し
ている。離散パターンの場合には、（ｂ）に示すように
それぞれの単語間が明確に区切られており、相互に影響
を与えあっていない。

【０００８】これに対し、（ａ）に示す連続パターンの
場合には各単語間が相互に影響を与えあって種々の影響
が出ている。例えば、とは単語間の調音結合の影響
が出ている。調音結合とは、単語の変わり目で、後から
の単語の影響で前の音の最後尾のパターンが崩れること
をいう。図のの部分では、語長が短縮されている。更
に、の部分では促音化の影響が見られる。ここで、促
音化とは発音の最後の音が欠落することをいう。図の場
合には、“ｒｏｋｕ”の“ｋｕ”が抜け落ちている。こ
のように、連続パターンは離散パターンの場合と比較し
てその発声パターンが著しく異なってくる。

【０００９】図１５において、は連続発声中のパター
ンに類似した離散パターンが他にある場合を示してい
る。（ａ）の連続パターンが“１０６９”であった場
合、（ｂ）に示す“１０５９”の離散パターンがあり、
これら両方のパターンは類似しているため、“１０６
９”と連続発声した場合でも、“１０５９”と誤認識す
る可能性がある。

【００１０】これに対し、は前後の認識結果に吸収さ
れて音声パターンが脱落する場合を示している。（ａ）
に示す連続パターンで“６”の発声パターンが抜け、こ
の結果（ｂ）に示す“１０９”の離散パターンと誤認識
する可能性がある。

【００１１】特に、語長の短い単語は、単語間の調音結
合や語長の短縮による影響を大きく受ける。このため、
数字（０〜９）のように少数のグループをなす単語につ
いては、連続学習（連続発声された音声から各単語の音
声に対応する部分の音声パターンを抽出して登録パター
ンに学習すること）を行って、離散発声パターンと連続
発声中のパターンとの乖離による影響を減少させてい
る。

【００１２】しかしながら、一般の単語を認識する場合
には、語数が多く認識対象となる単語が不特定多数であ
るため、有効かつ実現可能な連続学習単語列を生成でき
ないので連続学習は行わない。また、語長の長い単語の
認識の場合には、もともと単語の促音化，単語間の調音
結合等の影響が比較的少ないため、連続発声単語と離散
的に登録された登録パターンとの間の乖離が少ないの
で、認識率がそれほど悪くならない。従って、連続認識
の対象に語長の短い単語が含まれている場合、単語間の
調音結合や語長の短縮による影響を軽減する必要があ
る。

【００１３】本発明はこのような課題に鑑みてなされた
ものであって、連続認識での単語間の調音結合や語長の
短縮の影響による誤認識を減少させることができる連続
単語認識装置を提供することを目的としている。

【００１４】

【課題を解決するための手段】図１は本発明の原理ブロ
ック図である。図１２と同一のものは、同一の符号を付
して示す。図において、１は音声を電気信号に変換する
マイク、４は該マイク１の出力を受けてノイズ等の除去
を行うフィルタ、１０は該マイク１から送られてくる電
気信号の中から音声の部分のみを抽出して辞書パターン
としてメモリに登録する他、入力されてくる音声信号と
登録されている音声信号とのパターンマッチングを行う
ＣＰＵ、１１は該ＣＰＵ１０で抽出した音声信号を格納
する他、ＣＰＵ制御プログラムを格納するメモリであ
る。１２はＣＰＵ１０によるパターンマッチング結果を
受ける結果出力先である。

【００１５】

【作用】連続単語認識を行うため、メモリ１１に離散的
に登録されている単語の中から語長の短い単語を選び出
して連続学習を行わせ、その連続学習で入力した信号の
中から該単語に相当するパターンを抽出して辞書パター
ンとしてメモリ１１に登録し、連続単語認識も行えるよ
うにした。このようにすることにより、音声認識の難し
い語長の短い単語の連続単語認識を確実に行うことが可
能となる。

【００１６】

【実施例】以下、図面を参照して本発明の実施例を詳細
に説明する。図２は本発明の動作を示すフローチャート
である。このフローは、認識対象単語に語長の短い単語
がある場合に、語長の短い単語に連続学習を行なわせる
ようにしたものである。先ず、離散登録を行う（Ｓ
１）。離散登録は、認識に必要な音声パターンを認識装
置内に登録パターンとして取込むための処理である。即
ち、話者に各単語を離散的に発声させてそのパターンを
メモリ１１に登録するものである。

【００１７】話者が発声した離散登録音声は、マイク１
とフィルタ４で電気信号に変換され、ＣＰＵ１０に送ら
れる。ＣＰＵ１０は、メモリ１１内に格納されているＣ
ＰＵ制御プログラムにより、順次送られてくる電気信号
の中から、音声の入力されている部分だけを抽出して、
パターンマッチング用データに変換し、メモリ１１の登
録パターン格納領域に格納する。

【００１８】次に、ＣＰＵ１０は登録された単語の中か
ら、語長の短い単語の連続学習の組み合わせを作成する
（Ｓ２）。つまり、全ての単語について登録パターンを
作成した後、ＣＰＵ１０はメモリ１１に格納された登録
パターンの時間長，読み方の表記，登録パターン中の定
常点数により、その登録パターンを持つ単語が語長の短
い単語であるかどうかの可能性の判定を行う。

【００１９】そして、ＣＰＵ１０は登録パターンが語長
の短い単語である可能性をもつ場合であるかどうかチェ
ックし（Ｓ３）、そうである場合には全ての語長の短い
単語について、その単語を例えば３個連続した連続学習
用の単語列を作成する。そして、作成された連続学習用
の単語列について、それぞれの発声から連続学習用の入
力パターンを作成し、メモリ１１の入力パターン格納領
域に格納する。

【００２０】そして、ＣＰＵ１０はメモリ１１に格納し
た連続学習用の入力パターンを使用して、登録パターン
に対して連続学習を行い、連続学習により作成された新
しい登録パターンをメモリ１１の登録パターン領域に格
納する（Ｓ４）。

【００２１】そして、メモリ１１への登録が終了した
ら、連続認識を行う（Ｓ５）。連続認識は、認識装置内
に取込んだ登録パターンと、新たに取込まれた入力パタ
ーンの間でパターンマッチングを行い、結果を結果出力
先に出力する処理である。話者が発声した離散登録音声
は、マイク１とフィルタ４で電気信号に変換され、ＣＰ
Ｕ１０に送られる。ＣＰＵ１０は、メモリ１１に格納さ
れているＣＰＵ制御プログラムにより、順次送られてく
る電気信号の中から、音声の入力されている部分だけを
抽出してパターンマッチング用データに変換し、メモリ
１１の入力パターン格納領域に格納する。

【００２２】次に、ＣＰＵ１０は、メモリ１１に格納さ
れているＣＰＵ制御プログラムに従って、メモリ１１の
入力パターン格納領域に格納されている入力パターン
と、登録パターン格納領域に格納されている登録パター
ンの間でパターンマッチングを行い、結果を結果出力先
１２に通知する。

【００２３】図３は語長の短い単語の連続学習用の組み
合わせを作成するシーケンスを示すフローチャートで、
図２のステップＳ２の詳細なシーケンスを示す図であ
る。このシーケンスは、ＣＰＵ１０が、メモリ１１に格
納されているＣＰＵ制御プログラムに従って行うシーケ
ンスである。

【００２４】先ず、認識対象単語中の同時連続認識対象
単語セットを選択する（Ｓ１）。次に、同時連続認識対
象単語セット内の語長の短い音声パターンを選択する
（Ｓ２）。ここで、語長の短い音声パターンとは、以下
に示す３個の条件の内の１個以上を満たす音声パターン
を指す（条件（１）〜（３）は単独又は組み合わせて判
定する）。

【００２５】条件（１） 音声パターンの時間長Ｔが時
間長の下限閾値Ｔｍｉｎ未満の音声パターン 図４は音声パターンの時間長Ｔが時間長の下限閾値Ｔｍ
ｉｎ未満の音声パターン例を示す図である。このパター
ンの例としては、に示す短く発音された場合と、に
示す発声の不安定により語長が短いと判定されなかった
場合をそれぞれ示している。いずれも文字「Ａ」を発音
した場合を示している。発声は、不安定さを伴うため、
音声パターンの時間長だけで判断するのは不正確とな
る。

【００２６】条件（２） 読み方の表記上の音節数Ｎが
音節数の下限閾値Ｎｍｉｎ未満の音声パターン 図５は読み方の表記上の音節数Ｎが音節数の下限閾値Ｎ
ｍｉｎ未満の音声パターン例を示す図である。ここで
は、Ｎｍｉｎ＝２と設定している。（ａ）は単語「Ａ」
の読み方の表記が長母音の場合を、（ｂ）は単語「Ａ」
の読み方の表記が「ｅｉ」の場合を示している。（ｂ）
の場合には、語長の短い単語とは見なされない。読み方
の表記は、個人差や発声された音声と一致しない場合が
あるので、読み方の表記だけで判断するのは不正確とな
る。

【００２７】条件（３） 音声パターンに含まれる定常
点の数Ｍが定常点の数の下限閾値Ｍｍｉｎ未満の音声パ
ターン 図６は音声パターンに含まれる定常点（パワーが一定時
間定常値を保持する点）の数Ｍが定常点の数の下限閾値
Ｍｍｉｎ未満の音声パターン例を示す図である。ここで
は、Ｍｍｉｎ＝２と設定している。（ａ）は単語「Ａ」
の発声で、定常点が１個（長母音ｅ）の場合を、（ｂ）
は単語「Ａ」の発声で定常点が２個（発声が「ｅｉ」）
の場合を示している。（ｂ）の場合には、語長の短い単
語とは見なされない。音声パターン中の定常点の数は、
発声の仕方等で変化する場合があるので、音声パターン
中の定常点の数だけで判断するのは不正確となる。

【００２８】再び、図３のフローチャートに戻る。ステ
ップＳ２で、同時連続認識対象単語セット内の語長の短
い音声パターンを選択したら、全ての同時連続認識対象
単語セットについての選択終了かどうかをチェックする
（Ｓ３）。そして、全ての同時認識対象単語セットにつ
いての選択が終了したら、選択された単語からＫ個（Ｋ
は２以上）を選択し、連続学習用単語列を作成する（Ｓ
４）。そして、全ての同時連続認識対象単語セットにつ
いて、連続学習用単語列作成を終了したかどうかチェッ
クし（Ｓ５）。そうであった場合には、処理を終了す
る。

【００２９】図７は本発明の他の実施例の動作を示すフ
ローチャートである。この実施例は、語長の短い単語列
を抽出して、その単語列に連続学習を行なわせるのでは
なく、全ての認識対象単語から、どの単語列の組み合わ
せが一番連続学習を行う効果が大きいかを、評価式に従
って数値化し、優先度の大きいものから順に一定数を選
択して連続学習を行なわせるようにしたものである。

【００３０】先ず、離散登録を行う（Ｓ１）。離散登録
は、認識に必要な音声パターンを認識装置内に登録パタ
ーンとして取込むための処理である。即ち、話者に各単
語を離散的に発声させてそのパターンをメモリ１１に登
録するものである。

【００３１】話者が発声した離散登録音声は、マイク１
とフィルタ４で電気信号に変換され、ＣＰＵ１０に送ら
れる。ＣＰＵ１０は、メモリ１１内に格納されているＣ
ＰＵ制御プログラムにより、順次送られてくる電気信号
の中から、音声の入力されている部分だけを抽出して、
パターンマッチング用データに変換し、メモリ１１の登
録パターン格納領域に格納する。

【００３２】次に、ＣＰＵ１０は全ての認識対象単語か
ら連続学習用単語列を作成する（Ｓ２）。つまり、全て
の認識対象単語から、どの単語列の組み合わせが一番連
続学習を行う効果が大きいかを、評価式に従って数値化
し、優先度の大きいものから順に一定数を選択して連続
学習用単語列とするものである。

【００３３】そして、ＣＰＵ１０は連続学習があるかど
うかチェックし（Ｓ３）、そうである場合には全ての連
続学習用単語列について、連続学習を行わせ、連続学習
により作成された新しい登録パターンをメモリ１１の登
録パターン領域に格納する（Ｓ４）。

【００３４】そして、メモリ１１への登録が終了した
ら、連続認識を行う（Ｓ５）。連続認識は、認識装置内
に取込んだ登録パターンと、新たに取込まれた入力パタ
ーンの間でパターンマッチングを行い、結果を結果出力
先に出力する処理である。話者が発声した離散登録音声
は、マイク１とフィルタ４で電気信号に変換され、ＣＰ
Ｕ１０に送られる。ＣＰＵ１０は、メモリ１１に格納さ
れているＣＰＵ制御プログラムにより、順次送られてく
る電気信号の中から、音声の入力されている部分だけを
抽出してパターンマッチング用データに変換し、メモリ
１１の入力パターン格納領域に格納する。

【００３５】次に、ＣＰＵ１０は、メモリ１１に格納さ
れているＣＰＵ制御プログラムに従って、メモリ１１の
入力パターン格納領域に格納されている入力パターン
と、登録パターン格納領域に格納されている登録パター
ンの間でパターンマッチングを行い、結果を結果出力先
１２に通知する。

【００３６】図８は、全ての認識対象単語から連続学習
用単語列を作成するシーケンスを示すフローチャート
で、図７のステップＳ２の詳細なシーケンスを示してい
る。先ず、認識対象単語の中から、同時に連続認識対象
となる単語セットを選択する（Ｓ１）。同時に連続認識
対象となる単語セットに属する単語について、ある単語
に着目した時、単語セット中にその単語と類似の単語が
あるかどうか調べ、類似の単語がある場合には、単語の
属性を「連続学習あり」とする（Ｓ２）。

【００３７】図９は認識対象に類似語がある場合の例を
示す図である。は連続発声中の単語「神奈川」のパタ
ーンを、は連続発声中の単語「金沢」のパターンをそ
れぞれ示している。パワースペクトルを見ると、両者は
よく似ていることが分かる。

【００３８】次に、単語セットに属する単語について、
ステップＳ２で着目した単語を少なくとも１個含むＮ個
（Ｎ≧２）の単語の組み合わせの内、認識結果として存
在可能な単語列を作成する（Ｓ３）。次に、選択された
単語が短い，又は属性が「連続学習あり」かどうかチェ
ックする（Ｓ４）。単語の時間長が長く、かつ単語の属
性が「連続学習あり」でない場合には、ステップＳ１０
にジャンプする。

【００３９】図１０は単語の時間長が長い場合と、短い
場合を示す図である。は単語の時間長が長い場合を、
は単語の時間長が短い場合をそれぞれ示している。離
散パターンとの類似度に与える調音結合の影響は、その
絶対量に大差がないため、時間長が短い程大きいことは
明らかである。

【００４０】次に、ステップＳ３で作成された単語列が
多いかどうかチェックする（Ｓ５）。そして、単語列の
総数が少ない場合にはステップＳ１０にジャンプする。
単語列が多い場合には、処理ステップＳ３で作成された
単語列について、着目した単語の前の単語の最終音素
（又は音節）と、後の単語の先頭音素（又は音節）の種
別により分類する（Ｓ６）。

【００４１】図１１は音素（又は音節）の結合による歪
みを示す図である。連続発声中の音声は「都中野区中野
４」である。同じ単語でも、先頭のパターンは、前の単
語の最終音素（又は音節）の影響を受け、末尾のパター
ンは、後の単語の先頭音素（又は音節）の影響を受け
る。日本語の単語は、音節から成り立っているので（音
節は母音又は母音＋子音の組み合わせ）、ある音素（又
は音節）について音素（又は音節）の歪みの程度を評価
することで、その音素（又は音節）を先頭と末尾に持つ
単語の連続発声中の調音結合による影響の程度を推定で
きる。

【００４２】原則として、単語の境界に歪みの大きい音
素（又は音節）の組み合わせを持つ単語列を連続学習に
使用する。評価する歪みは、次の２個の組み合わせの場
合である。 （１）前の単語の最終音素（又は音節）−単語の先頭音
素（又は音節） ［単語の先頭音素（又は音節）の歪み］ （２）単語の最終音素（又は音節）−後の単語の先頭音
素（又は音節） ［単語の最終音素（又は音節）の歪み］ 次に、１つの音素（又は音節）の種別について、優先度
Ｐｒを算出する（Ｓ７）。つまり、ステップＳ６で分類
された単語列について、種別毎に優先度Ｐｒを算出す
る。Ｐｒは次式で表される。

【００４３】 Ｐｒ＝Ｐ×Ｗｐ＋Ｄｆ×Ｗｄｆ＋Ｄｂ×Ｗｄｂ 但し、Ｐ：種別毎の単語列の割合 Ｄｆ：前の単語の最終音素（又は音節）と単語の先頭音
素（又は音節）の結合による単語の先頭音素（又は音
節）の歪み率 Ｄｂ：後の単語の先頭音素（又は音節）と単語の最終音
素（又は音節）の結合による単語の最終音素（又は音
節） Ｗｐ：パラメータＰについての重み係数 Ｗｄｆ：パラメータＤｆについての重み係数 Ｗｄｂ：パラメータＤｂについての重み係数 前記ステップＳ７で算出された優先度Ｐｒについて、連
続学習閾値Ｈと比較し、Ｐｒ≧Ｈの時、その種別の中で
前後それぞれ最も頻度の高い音節を含み、最も時間長の
短い単語を組み合わせた単語列をその単語列の学習優先
度Ｐｐ′と共に、連続学習用単語列に登録する（Ｓ
８）。但し、既に単語列が登録されている場合には登録
しない。

【００４４】 Ｐｐ′＝Ｐ×Ｗｐ＋Ｄｆ×Ｗｄｆ×Ｗｉｆ＋Ｄｂ×Ｗｄ
ｂ×Ｗｉｂ＋Ｔ 但し、Ｗｉｆ：前の単語の時間長についての重み係数 Ｗｉｂ：後の単語の時間長についての重み係数 Ｔ：単語の時間長についての優先率 次に、全ての種別について終了したかどうかチェックす
る（Ｓ９）。終了しない場合にはステップＳ７に戻る。
全ての種別について終了した場合には、単語セット内の
全ての単語について終了したかどうかチェックする（Ｓ
１０）。終了しない場合にはステップＳ２に戻る。

【００４５】全ての単語について終了した場合には、認
識対象単語全てについて終了したかどうかチェックする
（Ｓ１１）。終了しない場合には、ステップＳ１に戻
る。終了した場合には、登録済連続学習単語列が学習量
閾値Ｎよりも大きい場合には、学習優先度Ｐｐ′の大き
い順にＮ個の単語列を選択し、連続学習単語列とする
（Ｓ１２）。

【００４６】

【発明の効果】以上、詳細に説明したように、本発明に
よれば連続認識での単語間の調音結合や語長の短縮の影
響による誤認識を減少させることができる連続単語認識
装置を提供することができる。

【図面の簡単な説明】

【図１】本発明の原理ブロック図である。

【図２】本発明の動作を示すフローチャートである。

【図３】語長の短い単語の連続学習用の組み合わせを作
成するシーケンスを示すフローチャートである。

【図４】音声パターンの時間長Ｔが時間長の下限閾値Ｔ
ｍｉｎ未満の音声パターン例を示す図である。

【図５】読み方の音節数Ｎが音節数の下限閾値Ｎｍｉｎ
未満の音声パターン例を示す図である。

【図６】音声パターンに含まれる定常点の数Ｍが定常点
の数の下限閾値Ｍｍｉｎ未満の音声パターン例を示す図
である。

【図７】本発明の他の実施例の動作を示すフローチャー
トである。

【図８】全ての認識対象単語から連続学習用単語列を作
成するシーケンスを示すフローチャートである。

【図９】認識対象に類似語がある場合の例を示す図であ
る。

【図１０】単語の時間長が長い場合と短い場合を示す図
である。

【図１１】音素（又は音節）の結合による歪みを示す図
である。

【図１２】従来装置の概念を示すブロック図である。

【図１３】従来装置の動作を示すフローチャートであ
る。

【図１４】離散発声パターンと連続発声中のパターンの
乖離を示す図である。

【図１５】離散登録パターンと連続発声中のパターンの
乖離を示す図である。

【符号の説明】

１ マイク ４ フィルタ １０ ＣＰＵ １１ メモリ １２ 結果出力先

Claims (2)

【特許請求の範囲】
1. 【請求項１】 音声を電気信号に変換するマイク（１）
   と、 該マイク（１）から送られてくる電気信号の中から音声
   の部分のみを抽出して辞書パターンとしてメモリに登録
   する他、入力されてくる音声信号と登録されている音声
   信号とのパターンマッチングを行うＣＰＵ（１０）と、 該ＣＰＵ（１０）で抽出した音声信号を格納する他、Ｃ
   ＰＵ制御プログラムを格納するメモリ（１１）とを具備
   し、 連続単語認識を行うため、メモリ（１１）に離散的に登
   録されている単語の中から語長の短い単語を選び出して
   連続学習を行わせ、その連続学習で入力した信号の中か
   ら該単語に相当するパターンを抽出して辞書パターンと
   してメモリ（１１）に登録し、連続単語認識も行えるよ
   うに構成したことを特徴とする連続単語認識装置。
2. 【請求項２】 離散的に登録されている認識対象単語列
   の中から、音節の種別に着目してどの単語列の組み合わ
   せが一番連続学習を行う効果が大きいかを所定の演算式
   を用いて識別し、その識別結果より学習効果の大きい順
   に所定の数の単語列を選択して連続学習を行なわせるよ
   うにしたことを特徴とする請求項１記載の連続単語認識
   装置。