JPH05249996A - 音声認識装置 - Google Patents

Abstract

(57)【要約】 【目的】 不特定話者用の音声認識装置であっても認識
率を向上させる。 【構成】 不特定話者用音声パターン記憶装置１０３
は、１つのカテゴリーに対応する多数の登録音声パター
ン（Ｐ1a〜Ｐ1w, …，Ｐna〜Ｐnw）を各カテゴリーごと
に記憶する。また特定話者用音声パターン記憶部１０４
は、音声パターン記憶装置１０３の各カテゴリーの記憶
領域の一部に各々設けられ、音声登録部１０５の作動に
より特定話者用の音声パターン（Ｐ1x〜Ｐ1z, …，Ｐnx
〜Ｐnz）を記憶する。認識処理時には、特定話者用音声
パターン記憶部１０４に音声パターンが記憶されている
際には、記憶された特定話者用の音声パターンが属する
カテゴリーについては特定話者用の音声パターンによる
照合を行い、特定話者用の音声パターンが記憶されてい
ないカテゴリーについては不特定話者用の音声パターン
による照合を行うようにして、認識率を向上させる。

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するも
のであり、例えば不特定話者の音声を認識する装置に用
いられるものである。

【０００２】

【従来の技術】従来、マルチテンプレート方式による不
特定話者用の音声認識装置では、１つのカテゴリー（例
えば「ラジオ」）に対応した登録音声パターンを多数記
憶しており、入力音声パターンと上述した多数の登録音
声パターンとを各カテゴリー毎に照合して、同一もしく
は類似度の最も近い登録音声パターンが検出された際に
は、その登録音声パターンが属するカテゴリーを入力音
声パターンのカテゴリーとして認識している。

【０００３】

【発明が解決しようとする課題】ところが上述した従来
の不特定話者の音声認識においては、各カテゴリー毎に
多数の登録音声パターンを記憶しているとはいえ、利用
者が有する独自のイントネーションなどの発声のゆらぎ
を全て吸収することはできず、しかも、この発声のゆら
ぎさえも吸収できる登録音声パターンを作成するのは極
めて難しいため、結果的には不特定話者用の音声認識装
置では認識率の低下が避けられないという問題がある。

【０００４】そこで本発明は上記問題点に鑑みてなされ
たものであり、不特定話者用の音声認識装置であって
も、認識率を向上させることが可能な音声認識装置を提
供することを目的とするものである。

【０００５】

【課題を解決するための手段】そのため本発明は、音声
を入力する音声入力手段と、認識対象語に対応する不特
定話者用の登録音声パターンを、複数の認識対象語ごと
に予め記憶した音声パターン記憶装置と、前記音声入力
手段により入力された入力音声パターンと、前記音声パ
ターン記憶装置に予め記憶された前記不特定話者用の登
録音声パターンとを、前記認識対象ごとに順次照合して
前記音声の内容を認識する音声認識手段と、を有する音
声認識装置において、登録指示を行う指示手段と、前記
音声パターン記憶装置の記憶領域の一部に設けられ、前
記指示手段により登録指示が出された際には、前記音声
入力手段からの入力音声パターンを、前記認識対象語に
対応させて特定話者用の登録音声パターンとして記憶す
る特定話者用記憶部と、を備え、前記音声認識手段は、
前記音声入力手段からの入力音声パターンと前記音声パ
ターン記憶装置に記憶された前記登録音声パターンとを
照合する際、前記特定話者用記憶部に記憶された特定話
者用の登録音声パターンに対応する認識対象語に関して
は、少なくとも前記不特定話者用の登録音声パターンよ
りも前記特定話者用の登録音声パターンを優先して前記
入力音声パターンと照合させることを特徴とする音声認
識装置を採用するものである。

【０００６】

【作用】上記構成により、不特定話者用の登録音声パタ
ーンを記憶する音声パターン記憶装置の記憶領域の一部
には、特定話者用の登録音声パターンを記憶する特定話
者用記憶部が設けられているので、指示手段によって、
特定話者の音声パターンを記憶させることができる。

【０００７】そして、音声認識手段は、音声入力手段か
らの入力音声パターンと音声パターン記憶装置に記憶さ
れた登録音声パターンとを照合する際、特定話者用記憶
部に記憶された特定話者用の登録音声パターンに対応す
る認識対象語に関しては、少なくとも不特定話者用の登
録音声パターンよりも特定話者用の登録音声パターンを
優先して入力音声パターンと照合させるので、特定話者
用の登録音声パターンを記憶させることにより、その認
識対象語に関しては、特定話者用の音声認識処理を行う
ことができる。

【０００８】

【実施例】以下、本発明を図に示す実施例に基づいて説
明する。本実施例においては、不特定話者用の音声パタ
ーン記憶装置の一部に特定話者用の音声パターンを記憶
する記憶領域を各カテゴリーごとに設け、特定話者用の
音声認識と不特定話者用の音声認識との両立を計るよう
にしたものである。

【０００９】図１は本発明の一実施例を表すブロック構
成図である。図１において、本実施例における不特定話
者用の音声認識装置は、利用者が発した音声を集音する
マイクロホン１０１（音声入力手段に相当）と、１つの
カテゴリー（「ラジオ」等）に対応する多数の登録音声
パターン（不特定話者用の音声パターン）を、各カテゴ
リーごとに記憶する不特定話者用音声パターン記憶装置
１０３（音声パターン記憶装置に相当）と、この不特定
話者用音声パターン記憶装置１０３の各カテゴリーの記
憶領域の一部に各々設けられ、音声登録部１０５（指示
手段に相当）の作動により特定話者用の音声パターンを
記憶する特定話者用音声パターン記憶部１０４（特定話
者用記憶部に相当）と、マイクロホン１０１により入力
された入力音声パターンと特定話者用音声パターン記憶
部１０４を含む不特定話者用音声パターン記憶装置１０
３に記憶された登録音声パターンとをマッチングして、
入力された音声の内容を認識する音声分析／認識部１０
２（音声認識手段に相当）と、制御対象機器を制御する
制御装置もしくはホストコンピュータからなる制御部１
０６とにより構成されている。

【００１０】次に、上記構成における作動をフローチャ
ートに基づいて説明する。図２は本実施例における音声
認識装置の作動を示すフローチャートである。図１およ
び図２において、まず登録操作について説明すると、ス
テップ１０では、音声登録があるか否かを音声登録部１
０５の作動状態に基づいて判定する。そして、音声登録
がある場合にはステップ２８へ進み、そうでない場合
（すなわち認識操作である場合）には、ステップ１２へ
進む。

【００１１】ステップ１０にて登録操作であると判定さ
れてステップ２８へ進むと、このステップ２８では、カ
テゴリーの指示を行うか否かを、音声登録部１０５を介
した利用者の指示に基づいて判定する。すなわち、登録
操作１は、利用者が予めカテゴリーナンバーを音声登録
部１０５に指示して音声を登録するものであるのに対
し、登録操作２および登録操作３は、不特定話者用の登
録音声パターンの照合結果に基づいて、入力音声パター
ンがいずれのカテゴリーに属するものなのかを音声分析
／認識部１０２が判断して登録するものである。

【００１２】ステップ２８にてカテゴリーナンバーが指
示されたと判定されると、ステップ４０では、登録しよ
うとする音声の発声を利用者に促してマイクロホン１０
１よりその音声を集音する。

【００１３】ステップ４２では、利用者が指示したカテ
ゴリーナンバー（例えばNo.1）の特定話者用音声パター
ン記憶部１０４にマイクロホン１０１からの入力音声パ
ターンを記憶させると共に、この音声パターンが記憶さ
れたカテゴリーナンバーに関するマッチングは、不特定
話者用の音声パターン（Ｐ1a〜Ｐ1w）についてではなく
特定話者用の音声パターン（Ｐ1x〜Ｐ1z）についてマッ
チングを行うように、マッチング対象を切換える。

【００１４】一方、ステップ２８にてカテゴリーナンバ
ーが指示されないと判定されると、ステップ３０では、
登録しようとする音声の発声を利用者に促してマイクロ
ホン１０１よりその音声を集音し、ステップ３２では、
音声分析／認識部１０２にて入力音声パターンと、カテ
ゴリーナンバー１〜Ｎごとに記憶された不特定話者用の
登録音声パターン（Ｐ1a〜Ｐ1w，Ｐ2a〜Ｐ2w，…，Ｐna
〜Ｐnw）とに基づいて順次マッチングを行う。そして、
同一もしくは類似度の最も近い登録音声パターンが検出
された際には、その登録音声パターンが属するカテゴリ
ーを入力音声パターンのカテゴリーとして認識する。

【００１５】そして、ステップ３４では、このカテゴリ
ーナンバーを音声登録部１０５に表示もしくは合成音に
より利用者に通知して、正答であるか否かの判断を利用
者に判断させる。そして、音声登録部１０５を介して利
用者の判断結果が入力されると、その判断結果に基づい
て再度音声を入力させるべくステップ３０に戻るか、登
録操作を進めるべくステップ３６へ進むかを判定する。

【００１６】ステップ３６では、音声分析／認識部１０
２にて認識された（ステップ３２）カテゴリーナンバー
の特定話者用音声パターン記憶部１０４にマイクロホン
１０１からの入力音声パターンを記憶させると共に、こ
の音声パターンが記憶されたカテゴリーナンバーに関す
るマッチングは、不特定話者用の音声パターン（Ｐ1a〜
Ｐ1w）についてではなく、特定話者用の音声パターン
（Ｐ1x〜Ｐ1z）についてマッチングを行うように、マッ
チング対象を切換える。

【００１７】また後述する認識操作の後、利用者が発声
した音声が正しく認識されたとステップ１８で判定され
ると、ステップ２４では、今発声した音声を登録するか
否かを判定する。この時、所定時間内に音声登録部５を
介して登録の指示があれば、ステップ２６へ進み、音声
分析／認識部１０２にて認識された（ステップ１４）カ
テゴリーナンバーの特定話者用音声パターン記憶部１０
４にマイクロホン１０１からの入力音声パターンを記憶
させると共に、この音声パターンが記憶されたカテゴリ
ーナンバーに関するマッチングは、不特定話者用の音声
パターンについてではなく、特定話者用の音声パターン
についてマッチングを行うように、マッチング対象を切
換える。また、所定時間内に音声登録部５を介して登録
の指示がなければ、処理を終了する。

【００１８】上述したように、不特定話者用音声パター
ン記憶部の記憶領域の一部に、特定話者用の音声パター
ンを記憶する領域を設け、上述した作動により特定話者
の音声パターンを登録可能とすることにより、利用者が
有する独自のイントネーションなどの発声のゆらぎによ
って不特定話者用の音声認識では誤認識が発生し易いカ
テゴリーであっても、そのカテゴリーに関してだけ特定
話者用の音声認識とすることによって認識率を向上させ
ることかできる。

【００１９】また、登録操作２および登録操作３では、
不特定話者用の登録音声パターンの照合結果に基づい
て、入力音声パターンがいずれのカテゴリーに属するも
のなのかを音声分析／認識部１０２が判断して登録する
ので、音声登録という煩わしい操作を低減して操作性を
向上させることができる。

【００２０】次に、認識操作について説明すると、ステ
ップ１０にて認識操作であると判定されてステップ１２
へ進むと、ステップ１２では、マイクロホン１０１によ
り利用者が発した音声を集音して、それを音声分析／認
識部１０２へ送信する。そして、ステップ１４では、こ
の入力音声パターンと、特定話者用音声パターン記憶部
１０４を含む不特定話者用音声パターン記憶装置１０３
に記憶された登録音声パターンとを比較して、入力され
た音声の内容を認識する。

【００２１】ここで、特定話者用音声パターン記憶部１
０４に音声パターン（Ｐ1x，Ｐ1y,Ｐ1z，…，Ｐnx，Ｐn
y, Ｐnz）が記憶されていない際には、基本的には、音
声分析／認識部１０２は、入力音声パターンと、カテゴ
リーナンバー１〜Ｎごとに記憶された不特定話者用の登
録音声パターン（Ｐ1a〜Ｐ1w，Ｐ2a〜Ｐ2w，…，Ｐna〜
Ｐnw）とに基づいて順次マッチングを行う。そして、同
一もしくは類似度の最も近い登録音声パターンが検出さ
れた際には、その登録音声パターンが属するカテゴリー
を入力音声パターンのカテゴリーとして認識する。

【００２２】しかし、特定話者用音声パターン記憶部１
０４に音声パターンが記憶されている際には、記憶され
た特定話者用の音声パターン（例えばＰ1x）が属するカ
テゴリーナンバー（No.1）については不特定話者用の音
声パターン（Ｐ1a〜Ｐ1w）によるマッチングを行わない
ようにし、特定話者用の音声パターンが記憶されていな
いカテゴリーナンバー（例えばNo.2）については不特定
話者用の音声パターン（Ｐ2a〜Ｐ2w）によるマッチング
を行うようにして、マッチングに要する時間を極力短く
すると共に認識率を向上させるようにする。なお、この
点に関しての詳細については後述する。

【００２３】ステップ１４の認識処理が終了すると、ス
テップ１６では、制御情報（認識結果）を制御部１０６
に送信して、制御対象となる機器の作動を制御部１０６
に制御させる。

【００２４】その後、制御部１０６による機器の作動制
御が所望のものであったか、すなわち音声分析／認識部
１０２にて誤認識が行われなかった否かを、利用者が行
うスイッチ作動等に基づいて判定する。そして、この判
定の結果、正しく認識したと判定された際にはステップ
１８へ進み、そうでない場合（すなわち誤認識があった
場合）には、ステップ２０へ進む。

【００２５】ステップ１８で誤認識があったと判定され
てステップ２０へ進むと、先に送信した制御情報、およ
びその情報に基づく機器の作動制御も取り消して、ステ
ップ２２へ進む。ステップ２２では、後述する認識回数
をリセットし、再度ステップ１２以降の処理を行わせる
べく、ステップ１２へ戻る。

【００２６】以上述べたように、ステップ１４の認識処
理では、特定話者用音声パターン記憶部１０４に音声パ
ターンが記憶されていない際には、音声分析／認識部１
０２は、入力音声パターンと、カテゴリーナンバー１〜
Ｎごとに記憶された不特定話者用の登録音声パターン
（Ｐ1a〜Ｐ1w，Ｐ2a〜Ｐ2w，…，Ｐna〜Ｐnw）とに基づ
いて順次マッチングを行うが、この際、入力音声パター
ンとマッチングした不特定話者用の登録音声パターン
（例えばＰ1a）は、認識される度にその回数がカウント
されている。

【００２７】そして、その認識回数の積算値が所定回数
Ｔｈ以上となった不特定話者用の登録音声パターン（例
えばＰ1a）が属するカテゴリーについては、その登録音
声パターンＰ1aのみをマッチングするようにして、特定
話者用音声パターン記憶部１０４に何も記憶させずに不
特定話者用の音声認識だけを行っている場合でも、認識
率を向上させることができる。以下、この作動を含めた
ステップ１４の詳細を図３を用いて説明する。

【００２８】図３において、ステップ１２（図２）にお
いて、登録しようとする音声の発声を利用者に促してマ
イクロホン１０１よりその音声を集音すると、ステップ
５０では、カテゴリーナンバーに相当するｍを初期値に
設定（ｍ＝１）して、カテゴリーナンバー１より順次マ
ッチングを行うようにする。

【００２９】ステップ５２では、カテゴリーナンバーｍ
に対応する多数の登録音声パターンの中で、認識回数の
積算値が所定回数Ｔｈ以上となっている登録音声パター
ンがあるか否かを判定している。そして所定回数Ｔｈ以
上の登録音声パターンがある場合には、ステップ５４へ
進んで、その登録音声パターンとのみ認識処理（マッチ
ング）を行うようにする。

【００３０】一方、認識回数の積算値が所定回数Ｔｈ以
上となっている登録音声パターンがない場合には、ステ
ップ５６へ進んで、入力音声パターンと、カテゴリーナ
ンバーｍに記憶された不特定話者用の登録音声パターン
（Ｐma〜Ｐmw）とに基づいて順次マッチングを行う。

【００３１】続いて、ステップ５８でカテゴリーナンバ
ーｍを更新（ｍ＝ｍ＋１）し、ステップ６０で更新後の
カテゴリーナンバーｍがカテゴリーナンバーＮより以下
であるか否かを判定し、カテゴリーナンバーＮ以下であ
れはステップ５２へ戻って上述した処理を再度行い、そ
うでない場合には、カテゴリーナンバー１〜Ｎに対して
マッチングは全て終了したとしてステップ６２へ進む。

【００３２】ステップ６２では、各カテゴリーごとに選
択された登録音声パターンの中で、同一または類似度が
最も高い登録音声パターンを認識結果とすると共に、ス
テップ５２における判定のために、この認識結果となっ
た登録音声パターンの認識回数を１つインクリメントし
て、ステップ１６（図２）に進む。

【００３３】つまり、不特定話者用の音声認識処理にお
いて、車載用の音声認識装置のように、音声認識装置を
利用する人がほとんど固定される（車載用のものでは、
ほとんど車両運転者に限定される）ものでは、１つのカ
テゴリー内に多数の登録音声パターン（不特定話者用の
音声パターン）が記憶されていたとしても、認識結果と
して出力される登録音声パターンは統計的にほぼ同一の
ものとなる。

【００３４】そこで、この点に着目して、各音声パター
ンごとに認識結果として出力された認識回数を記憶さ
せ、その回数があるしきい値Ｔｈを越えた場合には、そ
の音声パターンを含むカテゴリーに対してはその音声パ
ターンとのみ認識処理を実行するようにすれば、上述し
た特定話者用の音声登録と同様に認識率を向上させるこ
とが可能となると共に、マッチングに必要な時間を低減
させることもできる。

【００３５】ここで、誤認識した結果が常時出され、そ
の認識回数がしきい値Ｔｈを越えた場合には、上記処理
では、そのカテゴリーに関しては誤認識結果となる登録
音声パターンとのみマッチングを行って認識率を低下さ
せてしまう。そのため、上述したステップ１８およびス
テップ２２（図２）に示すように、ステップ１８にて正
しく認識されていないと判定された場合には、ステップ
２２により、その誤認識された登録音声パターンの認識
回数をリセットして、しきい値Ｔｈを越えないように処
理している。

【００３６】この機能を用いれば、あるカテゴリーに関
して認識回数がしきい値Ｔｈを越えた登録音声パターン
が検出された後で、常時認識装置を利用する人が代わっ
たとしても、音声登録部１０５の操作により設定回数を
リセットして、いかなる利用状況においても対応させる
ことができる。

【００３７】以上述べたように本実施例においては、不
特定話者用音声パターン記憶部の記憶領域の一部に、特
定話者用の音声パターンを記憶する領域を設けて特定話
者の音声パターンを登録可能とすることができるので、
利用者が有する独自のイントネーションなどの発声のゆ
らぎによって不特定話者用の音声認識では誤認識が発生
し易いカテゴリーであっても、不特定話者用の登録音声
パターンにはない認識語によりカテゴリーナンバーを定
義したい場合であっても、そのカテゴリーに関してだけ
特定話者用の音声認識とすることによって、認識率を向
上させることかできる。

【００３８】また上記実施例では、各音声パターンごと
に認識結果として出力された認識回数を記憶させ、その
回数があるしきい値Ｔｈを越えた場合には、その音声パ
ターンを含むカテゴリーに対してはその音声パターンと
のみ認識処理を実行するようにしているので、車載用の
音声認識装置のように、音声認識装置を利用する人がほ
とんど固定されるものに上記実施例を適用すれば、特定
話者用の音声登録と同様に認識率を向上させることがで
き、しかも演算量を少なくして、マッチングに必要な時
間を低減させることもできる。

【００３９】次に、他の実施例について説明する。上記
実施例では、ステップ５２にて認識回数がしきい値Ｔｈ
を越えた登録音声パターンが検出された際には、ステッ
プ５４にてその登録音声パターンとのみマッチングを行
うようにしていたが、１つのカテゴリー内で認識回数の
高いものから優先的に順次マッチングし、一致度が極め
て高い登録音声パターンを検出した際には、即座にその
カテゴリーに関するマッチングを終了させて、次のカテ
ゴリーでのマッチングに処理を進めるようにしてもよ
い。

【００４０】また、上記実施例では、ステップ５２にて
認識回数がしきい値Ｔｈを越えた登録音声パターンが検
出された際には、ステップ５４にてその登録音声パター
ンとのみマッチングを行うようにしていたが、この際、
認識回数がしきい値Ｔｈを越えた登録音声パターンを特
定話者用音声パターン記憶部１０４に複写して、特定話
者用の音声パターン登録処理を省略するようにしてもよ
い。但し、この場合にも、上述したような誤認識時の問
題を解決すべく、音声登録部１０５の作動により特定の
カテゴリーナンバーに関する記憶内容を消去できるよう
にする。

【００４１】

【発明の効果】以上述べたように本発明においては、特
定話者用記憶部により特定話者の音声パターンを記憶さ
せることができ、音声認識手段により、特定話者用の登
録音声パターンが記憶された認識対象語に関しては、特
定話者用の音声認識処理を行うことができるので、例え
ば、利用者が有する独自のイントネーションなどの発声
のゆらぎによって不特定話者用の音声認識では誤認識が
発生し易い認識対象語であっても、その認識対象語に関
してだけ特定話者用の音声認識とすることによって、認
識率を向上させることかできるという優れた効果があ
る。

【図面の簡単な説明】

【図１】本発明の一実施例を表すブロック構成図であ
る。

【図２】上記実施例における音声認識装置の作動を示す
フローチャートである。

【図３】上記実施例における認識処理の作動を示すフロ
ーチャートである。

【符号の説明】

１０１ マイクロホン １０２ 音声分析／認識部 １０３ 不特定話者用音声パターン記憶装置 １０４ 特定話者用音声パターン記憶部 １０５ 音声登録部

───────────────────────────────────────────────────── フロントページの続き (72)発明者 伊藤 敏之 愛知県刈谷市昭和町１丁目１番地 日本電 装株式会社内 (72)発明者 浅田 博重 愛知県刈谷市昭和町１丁目１番地 日本電 装株式会社内

Claims (1)

【特許請求の範囲】
1. 【請求項１】 音声を入力する音声入力手段と、 認識対象語に対応する不特定話者用の登録音声パターン
   を、複数の認識対象語ごとに予め記憶した音声パターン
   記憶装置と、 前記音声入力手段により入力された入力音声パターン
   と、前記音声パターン記憶装置に予め記憶された前記不
   特定話者用の登録音声パターンとを、前記認識対象ごと
   に順次照合して前記音声の内容を認識する音声認識手段
   と、を有する音声認識装置において、 登録指示を行う指示手段と、 前記音声パターン記憶装置の記憶領域の一部に設けら
   れ、前記指示手段により登録指示が出された際には、前
   記音声入力手段からの入力音声パターンを、前記認識対
   象語に対応させて特定話者用の登録音声パターンとして
   記憶する特定話者用記憶部と、を備え、 前記音声認識手段は、前記音声入力手段からの入力音声
   パターンと前記音声パターン記憶装置に記憶された前記
   登録音声パターンとを照合する際、前記特定話者用記憶
   部に記憶された特定話者用の登録音声パターンに対応す
   る認識対象語に関しては、少なくとも前記不特定話者用
   の登録音声パターンよりも前記特定話者用の登録音声パ
   ターンを優先して前記入力音声パターンと照合させるこ
   とを特徴とする音声認識装置。