JPH067359B2 - 音声認識装置 - Google Patents

Description

【発明の詳細な説明】 産業上の利用分野 本発明は、音節を予め登録しておき、音節を連続発生し
て入力された単語または文節を、単語辞書を用いて認識
する音声認識装置に関する。

従来の技術 人間にとって最も自然な情報発生手段である音声が、人
間−機械系の入力手段として使用できれば、その効果は
非常に大きい。

従来、音声認識装置としては特定話者登録方式によるも
のが実用化されている。即ち、認識装置を使用しようと
する話者が、予め、認識すべきすべての単語を自分の声
で特徴ベクトルの系列に変換し単語辞書に標準パターン
として登録しておき、認識時に発生された音声を、同様
に特徴ベクトルの系列に変換し、前記単語辞書中のどの
単語に最も近いかを予め定められた規則によって計算
し、最も類似している単語を認識結果とするものであ
る。

ところが、この方法によると、認識単語数が少ないとき
は良いが、数百，数千単語といったように増加してくる
と、主として次の三つの問題が無視し得なくなる。

(1)登録時における話者の負担が著しく増大する。

(2)認識時に発生された音声と標準パターンとの類似度
あるいは距離計算するのに要する時間が著しく増大し、
認識装置の応答速度が遅くなる。

(3)前記単語辞書のために要するメモリが非常に大きく
なる。

以上の欠点を会費するための方法として認識の単位を子
音＋母音および母音の単音節（以後それぞれＣＶ，Ｖで
表す。Ｃは子音、Ｖは母音を意味する。）とする方法が
ある。即ち、標準パターンとして単音節を特徴ベクトル
の系列として登録しておき、認識時に特徴ベクトルの系
列に変換された入力音声を、前記単音節の標準パターン
とマッチングすることにより、単音節の系列に変換する
ものである。日本語の場合、単音節はたかだか１０１種
類であり、単音節は仮名文字に対応しているから、この
方法によれば、日本語の任意の単語あるいは文章を単音
節列に変換する（認識する）ことができ、前記(1)〜(3)
の問題はすべて解決されることになる。しかし。この場
合の問題として調音結合とセグメンテーションがある。
調音結合は、音節を連続して発声すると各音節は前後の
音節の影響を受け、スペクトル構造が前後に接続される
音節によって変化する現象である。セグメンテーション
は、連続して発声された音声を単音節単位に区切ること
であるが、これを確実に行う決定的な方法は未だ見出さ
れていない。この２つの問題を解決するために、現在の
ところ各単音節を区切って、発声することが行われてお
り、実用化されている装置もある。

しかし、単音節を離散的に発声するのは不自然であり、
話者に緊張を強いるものである。

発明が解決しようとする問題点 本発明は、認識されるべき単語または文節に対し、それ
らの数が多い場合でも小形低価格かつ標準パターンの登
録操作が簡単であって、認識精度および処理速度の向上
が可能な音声認識装置を実現することを目的とする。

問題点を解決するための手段 本発明はＶ，ＣＶ，ＶＶ，ＶＣＶ等の音節を認識の単位
として、特徴ベクトルの系列として予め登録しておき、
これらを連続発声して入力れた単語または文節を、単語
または文節辞書を用いて、これら音節列として認識する
ものであって、その構成は、入力音声信号を特徴ベクト
ルの系列に変換する特徴抽出手段と、この入力パターン
から、母音や促音の認識、子音の大まかな認識等を行う
ことにより、前記単語または文節の概略の特徴を抽出す
る概略特徴抽出手段と、この概略特徴抽出手段で得られ
た概略特徴から、単語または文節辞書に含まれる単語ま
たは文節の中から認識候補を選出する認識候補選出手段
と、この認識候補のそれぞれに対し、それらの候補単語
または文節を構成するＶ，ＣＶ，ＶＶ，ＶＣＶ（Ｖは母
音，Ｃは子音）等の音声素片を特徴ベクトルの系列で表
した標準パターンのそれぞれを、前記認識候補のそれぞ
れに対して、それぞれの認識候補によって指定される前
記音声素片名の系列に対応するように結合した結合パタ
ーンと、前記入力パターンとの距離を算出するパターン
間距離計算手段と、このパターン間距離計算手段により
算出される距離の最小値（類似度の最大値）を与える単
語または文節を認識結果として判定する判定手段とを含
んで構成される。

作用 単語または文節を発声して得られる入力音声信号を特徴
ベクトルの系列に変換し、この入力パターンから、母音
や促音の認識、子音の大まかな認識等を行うことによ
り、前記単語または文節の概略の特徴を抽出し、この概
略の特徴から、単語または文節辞書に含まれる単語また
は文節の中から認識候補として対応する単語または文節
を選出し、この認識候補のそれぞれに対し、それらの候
補単語または文節を構成するＶ，ＣＶ，ＶＶ，ＶＣＶ
（Ｖは母音，Ｃは子音）等の認識単位を特徴ベクトルの
系列で表した標準パターンのそれぞれを、前記認識候補
のそれぞれに対して、それぞれの認識候補によって指定
される前記認識単位名の系列に対応するように結合した
結合パターンと、前記入力パターンとの距離を算出する
ことにより両者のパターン間距離を計算する手段と、こ
のパターン間距離の最小値（類似度の最大値）を与える
単語または文節を認識結果として判定する。

実施例 以後、「単語」という言葉は「文節」という言葉も代表
するものとする。また、「類似度」は「距離」で代表し
て説明する。即ち、距離が小さいとは類似度が大きいと
いうことである。

第１図は本発明の実施例である。１は音声信号入力端
子、２は特徴抽出部であって、例えば２０チャネルのフ
ィルタバンクを用い、１フレームを１０ｍsecとすれ
ば、その出力には１０ｍsec毎に２０個の数値（特徴ベ
クトル）が得られる。即ち入力音声信号は特徴ベトクル
の系列Ａ＝a₁a₂……ａ_Ｉに変換される。ａ_ｉは第ｉフレ
ームで得られる特徴ベクトル、Ｉは入力音声のフレーム
数である。３は電力計算部であって、第ｉフレームの電
力をＰ_ｉとすれば、フレーム毎に ここに、ａ_ｉ＝（ａ_ｉ１，ａ_ｉ２，……，ａ_ｉν）であ
る。４は音声区間検出部であって、このＰ_ｉの変化パタ
ーンから入力音声信号の始終端を検出する。即ち、無
音，有音を判別する閾値を定め、この閾値以上の区間が
予め定めた一定期間以上続いたとき、この閾値を越えた
時点を音声の開始時点とし、この閾値以下の期間が予め
定めたある一定期間以上続いたとき、この閾値以下とな
った時点を音声の終端とする等の方法が可能である。５
は母音標準パターン記憶部であって、各母音の定常部の
スペクトルを予め記憶しておくものである。６はバッフ
アメモリで、入力音声信号を音声区間検出部４によって
検出される始端から終端まで一時的に記憶するものであ
る。７は定常点検出部で、バッファメモリ６の内容を読
み出し、定常点を検出し、定常点数を計数するものであ
る。定常点の検出は、例えば、各フレームのに対して前
後数フレームスペクトルの分散を計算し、これが最小と
なるフレームとして検出できる。即ち、第ｉフレームに
おけるこの分散をσ_ｉ ^２とすると入力パターンＡ＝ａ_１
ａ_２……ａ_ｉ……ａ_Ｉ，ａ_ｉ＝（ａ_ｉ１，ａ_ｉ２，…
…，ａ_ｉν）に対し、 として与えられる。８は母音パターン比較部であって、
定常点検出部７で前記の如く検出された定常点（フレー
ム）を母音中心フレームと見做して母音認識を行う。本
実施例では各母音の中心は定常であるとしている。即
ち、前記定常点の特徴ベクトルと前記母音標準パターン
記憶部５の各母音に対応する特徴ベクトルとの距離を計
算するものである。９は母音判定部であって、前記母音
パターン比較部８の出力のうち、最小値を与える前記母
音を前記定常フレームの母音認識結果とするものであ
る。さらに定常点検出部７において、定常点間に促音が
なく、その間隔が予め定めた閾値以上であると判定され
たときは該当部分の母音定常点の検出が行えなかった
（脱落した）として母音パターン比較部８、母音判定部
９において該区間の全フレームを母音とみなして母音認
識を行い、同一母音の続くフレームの中点を母音部とし
て追加する。また定常点数は“１”プラスされる。１０
は母音・促音判定結果記憶部であって、母音判定部９で
得られた母音系列，音声区間検出部４で検出された無音
区間から促音と判定される部分を記憶するものである。
促音の検出は、前記定義に基づく無音期間の時間長によ
って判定される。例えば、この期間が１００ｍsec〜２
５０ｍsecを促音とする等である。１１は音節標準パタ
ーン記憶部であって、Ｖ，ＣＶ，ＶＶ，ＶＣＶ等の音節
に対する特徴ベクトルの系列をＶ，ＣＶについては語頭
から母音定常部まで、ＶＶ，ＶＣＶについては先行母音
の定常部から後続母音の定常部まで標準パターンとして
予め話者が発声し登録しておく。12は音節パターン比較
部であって、定常点検出部７で検出された第ｍ定常点と
第ｐ定常点（ｐ＞ｍ）のｍ，ｐに関する種々の組合せに
対し、第ｍ定常点からｐ定常点までの対応する入力パタ
ーンをバッファメモリ６から読み出した入力パターンの
部分パターンＡ（ｍ，ｐ）と、定常点ｍ，ｐのそれぞれ
の母音認識結果を母音・促音判定結果記憶部１０から読
み出し、定常点ｍに対して認識された母音を先行母音，
定常点ｐに対して認識された母音を後続母音とする前記
音節標準パターン記憶部１１に記憶されている各音節標
準パターンとのマッチングを行うものである。マッチン
グは周知のＤＰマッチングで行うことが可能である。即
ち、入力パターンの第ｍ定常点の母音をｖ（ｍ），先行
母音がｘ，後続母音がｙ，子音がｃの標準パターンをＢ
（ｘ，ｃ，ｙ）（ｘ＝０，ｃ≠０はＣＶ音節に、ｘ＝ｃ
＝０はＶ音節に、ｘ≠０，ｃ＝０はＶＶ音節に対応する
ものとする）で表わすとき、前記部分パターンＡ（ｍ，
ｐ）と標準パターンＢ^ｎ＝Ｂ（ｖ(m)，ｃ，ｖ(p)）との
距離ｇ^ｎ（Ｒ，Ｓ^ｎ）は次の漸化式を解くことによって
求まる。ｎは先行母音ｖ(m)，後続母音ｖ(p)，子音ｃの
標準パターンの音節番号である。

初期値ｇ^ｎ(1,1)＝ｄ^ｎ(1,1) ここで、ｒは部分パターンＡ（ｍ，ｐ）の開始フレーム
を１として数えた部分パターンＡ（ｍ，ｐ）のフレーム
番号，ｓは標準パターンＢ^ｎの開始フレームから数えた
フレーム番号，Ｒは部分パターンＡ（ｍ，ｐ）のフレー
ム数，Ｓ^ｎは標準パターンＢ^ｎのフレーム数，ｄ
^ｎ（ｒ，ｓ）は部分パターンＡ（ｍ，ｐ）の第ｒフレー
ムと標準パターンＢ^ｎの第ｓフレームとの距離であっ
て、ユークリッド距離，市街地距離等周知のものが用い
られる。部分パターンＡ（ｍ，ｐ）と標準パターンＢ^ｎ
の距離は従ってｇ^ｎ（Ｒ，Ｓ^ｎ）となる。これをＤ
^ｎ（ｍ：ｐ）と置く。即ち，Ｄ^ｎ（ｍ：ｐ）は、入力パ
ターンの第ｍ番の定常点から第ｐ番の定常点までの部分
パターンＡ（ｍ，ｐ）と、先行母音が入力パターンの第
ｍ番定常点の母音認識結果Ｖ(m)で、後続母音が入力パ
ターンの第ｐ番の定常点の母音認識結果ｖ(p)で、両者
に挟まれる子音がｃであるＶＣＶ音節標準パターンとの
距離である。

このとき、比較すべき音節標準パターンは、母音・促音
判定結果記憶部１０における母音・促音の列から予測さ
れる単語に含まれる音節とのみ比較照合すれば良いので
あって、すべての音節標準パターンと比較照合する必要
はない。即ち、母音・促音判定結果記憶部１０の母音・
促音列が実際のものに対して、挿入、置換等が一部で生
じていると仮定した上で、それらと等しい後続母音列・
促音列を有する単語が単語辞書１４から認識候補単語と
して選ばれ、それら候補単語に含まれる音節が音節標準
パターン記憶部１１から選ばれ、音節パターン比較部１
２で入力パターンの部分パターンと比較照合される。単
語辞書１４は認識すべき単語がそれぞれ音節記号列の形
で記憶されているものである。ここで、挿入、置換を考
慮するには、具体的には次のように行う。例えば、｜ｏ
｜｜ｏ｜｜ａ｜のような母音列が得られたときは、｜ｏ
｜が挿入された可能性も考えて、｜ｏ｜｜ａ｜を後続母
音列としてもつ単語を考慮する等である。

また、置換誤りに対する考慮としては、母音列における
母音は母音判定部９において得られる母音認識結果の第
２候補の可能性も考慮する等によってカバーすることが
できる。なお、脱落に関しては、前記の如く定常点検出
部７、母音パターン比較部８母音判定部９において既に
処置されていると見做し得るので、母音・促音判定結果
記憶部１０における母音・促音列は挿入、置換のみ考慮
すれば良いことになる。１３は距離記憶部であって、音
節パターン比較部１２で、ｍ，ｐ，ｃの種々の組合せに
対して得られた距離Ｄ^ｎ（ｍ：ｐ）のそれぞれを記懐す
る。１５は単語間距離計算部であって、単語辞書１４の
前記候補単語に対し、前記距離記憶部１３を参照して、
その単語によって指定される音節列に対応するように前
記入力パターンの部分パターンを重複区間がなく連続す
るように最適に定めることにより、その各部分パターン
とその部分パターンの前記音節名に対し、前記距離記憶
部１３に記憶されている距離の総和を最小となし、得ら
れる最小値を各単語に対する入力パターンの距離として
算出する。この計算は動的計画法により容易に実行する
ことができる。以下にその詳細を述べる。

第ｌの単語をＷ^ｌとし、単語Ｗ^ｌを構成する音節数がＸ
^ｌであるとする。また、促音も一つの音節とする。例え
ば「オオサカ」という単語は｜ｏ｜｜ｏｏ｜｜ｏｓａ｜
｜ａｋａ｜のように４つの音節から成るからＸ_ｌ＝４で
あり、「サッポロ」という単語は｜ｓａ｜｜・｜｜ｐｏ
｜｜ｏｒｏ｜のようになるからこの場合もやはりＸ_ｌ＝
４である（｜・｜は促音を意味するとする）。いま、入
力パターンを単語Ｗ^ｌとマッチングする場合を考える。
単語Ｗ^ｌによって指定される音節名の第ｘ番までの系列
に対応するように部分パターンＡ（ｍ，ｐ）を入力パタ
ーンの第ｋ定常点まで重複区間がなく連続するように最
適に定めることにより、その各部分パターンとその部分
パターンの前記音節名に対し、前記距離記憶部１３に記
憶されている距離の総和を最小となしたときの最小値を とすれば、動的計画法の原理により次式が成立する。

ただし、１ｘｋ，ｘ＝１のときｍ＝０，ｘ≠のとき
ｘ−１ｍｋ−１， である。また、ｎは単語Ｗ^ｌの第ｘ音節を表す番号であ
って、単語Ｗ^ｌの第ｘ番の音節の先行母音をｖ_ｆ（ｌ，
ｘ），後続母音をｖ_ｒ（ｌ，ｘ）とするとき、ｖ(m)≠
ｖ_ｆ（ｌ，ｘ），ｖ(k)≠ｖ_ｒ（ｌ，ｘ），前記第ｘ番
の音節が促音であって、入力音声の第ｍ，第ｋ定常点の
間に促音がない、前記第ｘ番の音節が促音でなく、入力
音声の第ｍ，第ｋ定常点の間に促音がある、の何れかが
成立するときはＤ^ｎ(m:k)＝∞であるとする。また、前
記第ｘ番の音節が促音であって、入力音声の第ｍ，第ｋ
定常点の間にも促音が検出されるときは、Ｄ^ｎ(m:k)は
この促音の直後から第ｋ定常点までの入力パターンと、
第ｎ音節標準パターンとの距離であり、第ｎ音節がＶＣ
ＶまたはＶＶのときはＤ^ｎ(m:k)＝∞である。第２図は
単語間距離計算部１５の詳細を示す図である。破線内部
が単語間距離計算部１５であって、第１図と番号を同じ
くするブロックは第１図のものと同じである。１５０は
ｌカウンタであって、ｌ＝１，２，……，Ｌを出力し、
単語辞書１４に対し、単語Ｗ^ｌを指定するもので、認識
動作を始める前にリセットされる。１５２はｘカウンタ
であって、ｘ＝１，２，……，Ｘ_ｌを出力し、単語Ｗ^ｌ
を構成する音節系列の音節を指定する。151はｋカウン
タであって、ｋ＝１，２，……，Ｋを出力し、入力パタ
ーンの第ｋ定常点を指示するものである。１５３はｍカ
ウンタであって、ｍ＝ｘ−１，……，ｋ−１を出力し、
入力パターンの第ｍ定常点を指示するものである。１５
０〜153のカウンタは認識動作を始める前にリセットさ
れ、１５１〜１５３のカウンタはさらにｌカウンタ１５
０が計数値を更新する毎にリセットされる（図示せ
ず）。それぞれのカウンタの初期値はｌ＝１，ｋ＝１，
ｘ＝１，ｍ＝０である。ｍカウンタ１５３はｋ−１まで
計数するとキャリー信号を出力し、ｘカウンタ１５２は
１つカウントアップする。ｘ＞ｋのときはｍ＝ｋ−１を
保ったままキャリー信号を出力する。ｘカウンタ１５２
は、Ｘ_ｌまで計数するとキャリー信号を出し、ｋカウン
タ１５１は１つカウントアップする。Ｋは入力パターン
の定常点の総数であって、定常点検出部７から読み出さ
れ、ｋカウンタ１５１はＫまでカウントアップするとキ
ャリー信号を出し、ｌカウンタ１５０は１つカウントア
ップする。ｌカウンタ１５０は出力によって指定された
単語Ｗ^ｌがそれを構成する音節の後続母音列が母音・促
音判定結果記憶部１０の母音・促音列と比較して前記類
似度の基準をみたさないときは該単語Ｗ^ｌについての処
理はスキップすべく単語辞書１４はｌカウンタ１５０を
１つカウントアップする信号を出力する。

この基準が満たされたときはｌカウンタ１５０の出力ｌ
によって指定さた単語Ｗ^ｌのｘカウンタ１５２の出力ｘ
によって指定された音節ｎが単語辞書１４から出力され
る。母音・促音判定結果記憶部１０からは、ｋカムンタ
１５１の出力ｋと、ｍカウンタ１５３の出力ｍによって
指定される定常点に対応する母音Ｖ(m)，ｖ(k)が読み出
される。距離記憶部１３ではｖ_ｆ(l,x)＝ｖ(m)，ｖ
_ｒ(l,x)＝ｖ(k)の何れもが成立するかどうかを確かめ、
これが成立するときは、音節ｎの標準パターンと入力パ
ターンの部分パターンＡ(m,k)との距離Ｄ^ｎ(m:k)が既に
計算され記憶されているはずであるから、距離記憶部１
３からこのＤ^ｎ(m:k)が読み出される。ｖ_ｆ(l:x)＝ｖ
(m)，ｖ_ｆ(l:x)＝ｖ(k)，の何れか一方が成立しないと
きは、Ｄ^ｎ(m:k)＝∞が距離記憶部１３から出力され
る。１５４は累積距離記憶部であって、漸化式(1)にお
いて既に計算済の累積距離 を記憶している。１５６は漸化式計算部であって、累積
距離記憶部１５４から読み出した と距離記憶部１３から読み出したＤ^ｎ(m:k)から を計算し、ｍについて最小値 を算出するものである。各ｋ，ｌについて計算された は再び累積距離記憶部154に記憶される。以上の動作が
ｋ＝Ｋ，ｘ＝Ｘ_ｌまで行われると、単語Ｗ^ｌと入力パタ
ーンとの距離 (K)は単語Ｗ^ｌによって指定される音節列に対応するよ
うに、入力パターンの部分パターンを重複区間がなく連
続するように、その各部分パターンとその部分パターン
の前記音節名に対し前記距離記憶部１３に記憶されてい
る距離の総和を最小となすという意味で最適化した結果
得られた前記距離の総和の最小値である。１６は単語判
定部であって、ｌ＝１，２，……，Ｌについて以上の処
理を行った結果得られ、累積距離記憶部１５４に記 入力パターンに対する認識結果とするものである。

第３図は単語判定部１６の詳細を説明する図である。ｌ
カウンタ１５０がカウントアップし、単語辞書１４の全
ての単語との照合が完了すると、端子１６４を通じてｌ
カウンタ１６３はリセットされ、計数を始め、累積距離
記憶部１５４から を読みだす。１６０は比較部であって、累積距離記憶部
１５４から読み出された入力音声の単語Ｗ^ｌに対する累
積距離 とバッファメモリ１６１に蓄えられている累積距離 と比較し、小さい方の値をバッファメモリ１６１に記憶
する。もし、 であれば、そのときのｌカウンタ１６３の計数値が単語
番号記憶部１６２に記憶される。このようにして、単語
番号記憶部１６２には、ｌカウンタ１６３の計数値をｌ
とするとき、ｌ＝１〜ｌにおいて、 を最小にするｌの値が記憶されることになる。

ｌ＝Ｌとなると、ｌカウンタ１６３はキャリーを出力
し、単語番号記憶部１６２の内容を読み出し、出力端子
１７には認識された単語に対応する単語の番号が出力さ
れる。

本実施例では、母音の中心を検出するのに、母音の中心
は定常であるとして、先ず定常点を検出し、そのフレー
ムを母音と見做して母音の認識を行っているが、他の方
法として、全フレーム母音の認識を行い、同一母音が連
続する区間の中点のフレームを母音の中心と見做し、そ
の認識結果をその点の母音とする等の方法も勿論可能で
ある。

また、本実施例では候補単語の選出は母音列に依ってい
るが、さらにスペクトルのかたより具合や変化の様子等
から、従来から周知の方法により子音に関する概略の情
報等を導入することにより、さらに候補を絞ることがで
きる。ここで、子音に対する概略の情報を利用すること
は、例えば入力パターンのある特定部分の摩擦性らしさ
がほぼ１００％確信できる場合は、母音列の他にその部
分が摩擦子音である単語に限定しても良いことになり、
あまり確信がもてないときは、この条件を排除する。即
ち、全ての子音の可能性があるとして候補を絞ること等
である。従って、音節パターン比較部１２における計算
も、この情報を利用することにより、大幅に減らすこと
ができる。

発明の効果 本発明によれば、単音節を連続して発声した場合でも、
概略情報、例えば各母音の中心の検出とそのフレームの
母音認識を行い得られた母音・促音列から認識候補単語
を絞り入力部分パターンと前記認識候補単語に含まれる
Ｖ，ＣＶ，ＶＣＶ，ＶＶ等の音節標準パターンとのみマ
ッチングするようにしたので、比較照合すべき単語と音
節標準パターンを限定することができ、認識率，照合速
度において大幅な改善が得られる。

【図面の簡単な説明】

第１図は本発明の一実施例の構成を示すブロック図、第
２図，第３図は前記実施例の要部の構成の詳細を説明す
るブロック図である。 １……音声信号入力端子、２……特徴抽出部、３……電
力計算部、４……音声区間検出部、５……母音標準パタ
ーン記憶部、６……バッファメモリ、７……定常点検出
部、８……母音パターン比較部、９……母音判定部、１
０……母音・促音判定結果記憶部、１１……音節標準パ
ターン記憶部、１２……音節パターン比較部、１３……
距離記憶部、１４……単語辞書、１５……単語間距離計
算部、１６……単語判定部、１７……認識結果出力端
子。

───────────────────────────────────────────────────── フロントページの続き (56)参考文献 特開 昭58−159589（ＪＰ，Ａ) 特開 昭60−33599（ＪＰ，Ａ) 特開 昭60−164799（ＪＰ，Ａ) 特開 昭59−72499（ＪＰ，Ａ) 特開 昭57−2100（ＪＰ，Ａ) 特開 昭61−141499（ＪＰ，Ａ) 特開 昭61−148498（ＪＰ，Ａ) 特開 昭60−249197（ＪＰ，Ａ) 特開 昭60−118896（ＪＰ，Ａ)

Claims (1)

【特許請求の範囲】
1. 【請求項１】単語または文節を発声して得られる入力音
   声信号を特徴ベクトルの系列に変換する特徴抽出手段
   と、この入力パターンから、母音や促音の認識、子音の
   大まかな認識を行うことにより前記入力パターンの概略
   の特徴を抽出すると共に、前記入力された単語または文
   節をＶ，ＣＶ，ＶＶ，ＶＣＶ（Ｖは母音、Ｃは子音）等
   の音節の境界フレーム候補ｂ_１，ｂ_２，…，ｂ_Ｋ（ｂ_１
   ＝１は音声区間開始フレーム、ｂ_Ｋ＝Ｉは音声区間終了
   フレームとする）を検出する（セグメンテーションす
   る）概略特徴抽出手段と、音節ラベル系列 （ｎは単語または文節の種類、Ｍ^（ｎ）は単語または文
   節ｎの音節数）で表現された単語または文節を記憶する
   単語辞書と、前記概略特徴を生じ得る前記単語辞書中の
   音節ラベル系列を有する単語または文節を認識候補とし
   て選出する認識候補選出手段と、Ｖ，ＣＶ，ＶＶ，ＶＣ
   Ｖ等の音節を、認識すべきＶ，Ｃの全てについて特徴ベ
   クトルの系列で表した音節標準パターンとして記憶する
   音節標準パターン記憶手段と、前記入力音声のセグメン
   ト境界ｂ_ｉとｂ_ｊで挟まれる部分区間Ａ（ｂ_ｉ，ｂ_ｊ）
   と、前記第ｒの音節標準パターンＳ_ｒとの距離（または
   類似度）Ｄ（ｒ，ｉ，ｊ）をｉ，ｊの種々の組合せ（ｉ
   ＜ｊ）に対して計算する音節パターン比較手段と、この
   Ｄ（ｒ，ｉ，ｊ）をｒ，ｉ，ｊで検索可能な形で記憶す
   る距離記憶手段と、前記選出された単語あるいは文節の
   認識候補ｎに対し、認識候補ｎによって指定される前記
   音節ラベルの系列 に対応して、前記距離記憶手段に記憶されている距離
   （または類似度） を読み出し、その総和が最小（または最大）になるよう
   に のそれぞれをｂ_１，ｂ_２…，ｂ_Ｋの何れかに順序は変え
   ずに対応させ、その最小値（または最大値）が最小（ま
   たは最大）になるｎを認識結果とすることを特徴とする
   音声認識装置。