JPH0683388A - 音声認識装置 - Google Patents

Abstract

(57)【要約】 【目的】 本発明は音声を認識することにより機器の制
御を行うための音声認識装置に関し、音声認識の誤認識
を低減することを目的とする。 【構成】 音声を認識して各種機器を制御するための音
声認識装置に、音声を捕捉する一つのマイクロフォン２
００と、複数の異なる認識方式を用いて、前記マイクロ
フォン２００からの入力音声と基準音声とを比較し、基
準音声の複数の有力候補を導出し、それらの候補と入力
音声との近さを認識距離として出力する複数の音声認識
部１と、認識距離の最も小さいものの候補を最終的な認
識結果として出力する認識判定部２とを設ける。

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】本発明は音声を認識することによ
り機器の制御を行うための音声認識装置に関し、特に本
発明では音声認識の誤認識を低減することに関する。

【０００２】

【従来の技術】従来このような分野の技術として以下に
説明するものがあった。図２１は従来の音声認識装置を
用いた制御システムを示す図である。本図に示すように
音声認識装置を用いた制御システムは、話者の音声を捕
捉するマイクロフォン１００と、該マイクロフォン１０
０に接続され話者の音声を単語として認識する音声認識
装置１０１と、該音声認識装置１０１に接続され登録さ
れた単語に認識された音声に基づき機器を制御する制御
信号を形成する機器制御部１０２と、該機器制御部１０
２に接続され制御信号により動作する被制御機器１０３
とを含む。この音声認識装置を用いた制御システムで
は、音声認識を行うことで手足を用いずに機器が制御さ
れている。

【０００３】

【発明が解決しようとする課題】ところで、音声認識装
置には認識方式により得意、不得意な条件があり、不得
意の条件では誤認識が通常増えている。しかも、従来の
音声認識装置を用いた制御システムでは音声認識を行う
主要部分が１系統しか設けられていないため、例えば認
識率が９０％の性能を有する装置の場合１０回に１回の
割合（１０％）で誤った認識結果を出力していた。誤っ
た認識を行うと機器の誤動作を招くから、これを防止す
るために音声認識の誤認識の低減化が要請されていた。

【０００４】したがって本発明は上記課題に鑑み音声認
識装置の認識方式の不得意の条件でも誤認識を低減でき
る音声認識装置を提供することを目的とする。

【０００５】

【課題を解決するための手段】本発明は前記問題点を解
決するために、音声を認識して各種機器を制御するため
の音声認識装置に、音声を捕捉する一つのマイクロフォ
ンと、複数の異なる認識方式を用いて、前記マイクロフ
ォンからの入力音声と基準音声とを比較し、基準音声の
複数の有力候補を導出し、それらの候補と入力音声との
近さを認識距離として出力する複数の音声認識部と、前
記認識距離の最も小さいものの候補を最終的な認識結果
として出力する認識判定部とを設ける。

【０００６】また共通の入力音声により各複数の音声認
識部で求められた認識距離を各複数の音声認識部の尺度
として、各複数の音声認識部の認識距離を補正して前記
認識判定部に出力する複数の正規化部を設けてもよい。
さらに前記マイクロフォンが複数からなり、各前記マイ
クロフォンの入力音声が各前記複数の音声認識部に入力
するようにしてもよい。

【０００７】前記マイクロフォンが複数からなり、各前
記マイクロフォンの入力音声が各前記複数の音声認識部
に入力し、前記認識判定部は、複数の音声認識部からの
複数の候補がすべて一致した場合にこの候補を最終的な
認識結果として出力するようにしてもよい。前記認識判
定部は、前記複数の音声認識部で最も近いとして得られ
た上位候補についてそれぞれの複数の音声認識部での認
識距離、順位を重みとして入力音声に最も近いと判断す
るようにしてもよい。

【０００８】音声を認識して各種機器を制御するための
音声認識装置に、音声を捕捉する一つのマイクロフォン
と、入力音声と基準音声とを比較し、基準音声の複数の
有力候補を導出し、それらの候補と入力音声との近さを
認識距離として出力する一つの音声認識部と、前記一つ
の音声認識部から得られた第１の候補と他の候補との認
識距離の差が一定の関係に有るものを良しと判断しさら
に判断されたものの中から最も良いものを最終的な候補
として出力する前記認識判定部と、複数の基準音声を生
成し、前記一つの音声認識部に設けられた複数の辞書
と、前記マイクロフォンからの音声を記憶し前記複数の
基準音声との比較毎に前記一つの音声認識部に入力音声
を送出する音声記憶手段とを設ける。

【０００９】一対の音声認識部及び辞書部を複数設け、
前記一対の音声認識部及び辞書部が基準音声との比較を
行う都度前記音声記憶手段から記憶された入力音声が前
記音声認識部に送出されるようにしてもよい。音声を認
識して各種機器を制御するための音声認識装置に、音声
を捕捉する複数のマイクロフォンと、該複数のマイクロ
フォンからの音声を記憶する複数の音声記憶手段と、該
複数の音声記憶手段に記憶された複数の入力音声を逐次
入力音声と基準音声とを比較し、基準音声の複数の有力
候補を導出し、それらの候補と入力音声との近さを認識
距離として出力する一つの音声認識部と、前記一つの音
声認識部から得られた第１の候補と他の候補との認識距
離の差が一定の関係に有るものを良しと判断し、判断さ
れたものの中から最も良いものを最終的な候補として出
力する認識判定部とを設ける。

【００１０】前記認識判定部は、入力音声から切り出さ
れた音声区間及び雑音区間から得られた音声パワー及び
雑音パワーによるＳ／Ｎ比から最終判断の候補の一つと
して選ばれるようにしてもよい。音声を認識して各種機
器を制御するための音声認識装置に、音声を捕捉する複
数のマイクロフォンと、該複数のマイクロフォンからの
音声を記憶する複数の音声記憶手段と、該複数の音声記
憶手段に記憶された複数の入力音声を逐次入力音声と基
準音声とを比較し、基準音声の複数の有力候補を導出
し、それらの候補と入力音声との近さを認識距離として
出力する複数の音声認識部と、各前記複数のマイクロフ
ォンについて前記複数の音声認識部から得られた第１の
候補で一致するものをそれぞれ複数抽出し、抽出された
中で最も多く一致するものを最終的な候補として出力す
る認識判定部とを設ける。

【００１１】

【作用】本発明の音声認識装置によれば、音声が一つの
マイクロフォンにより捕捉され、複数の異なる認識方式
により、前記マイクロフォンからの入力音声と基準音声
とが比較され、基準音声の複数の有力候補が導出され、
それらの候補と入力音声との近さが認識距離として出力
される。そして前記認識距離の最も小さいものの候補が
最終的な認識結果として出力される。このため認識方式
の不得意の条件による誤認識が低減することになる。ま
た共通の入力音声により各複数の音声認識部で求められ
た認識距離が各複数の音声認識部の尺度とされ、各複数
の音声認識部の認識距離が補正され判定されることにな
り最終的な認識結果の信頼性が向上する。さらに複数の
マイクロフォンからの入力音声と基準音声とがそれぞれ
異なる認識方式により比較されことにより最終的な認識
結果の認識距離が小さくでき、誤認識を低減できる。複
数のマイクロフォンの入力音声がそれぞれ認識され複数
の候補がすべて一致した場合にこの候補が最終的な認識
結果として出力されるので誤認識とされるものの出力は
著しく低減する。複数の認識方式で最も近いとして得ら
れた上位候補についてそれぞれの複数の認識距離、順位
を重みとして入力音声に最も近いと判断することにより
さらに誤認識を低減できる。

【００１２】またマイクロフォンからの音声を記憶し基
準音声との比較毎に入力音声を送出することにより、認
識処理規模が低減でき全体としても規模の低減になる。
得られた第１の候補と他の候補との認識距離の差が一定
の関係に有るものを良しと判断し、判断されたものの中
から最も良いものを最終的な候補とすることにより誤認
識を低減できる。また入力音声から切り出された音声区
間及び雑音区間から得られた音声パワー及び雑音パワー
によるＳ／Ｎ比から最終判断の候補の一つとすることに
より誤認識を低減できる。複数のマイクロフォンからの
入力音声と基準音声とを比較し、基準音声の複数の有力
候補を導出し、それらの候補と入力音声との近さが認識
距離として出力され複数のマイクロフォンについて得ら
れた第１の候補で一致するものをそれぞれ複数抽出し、
抽出された中で最も多く一致するものを最終的な候補と
して出力することにより、マイクロフォンを複数設置し
た音声認識でも誤認識を低減できるようになった。

【００１３】

【実施例】以下本発明の実施例について図面を参照して
説明する。図１は本発明の実施例に係る音声認識装置を
用いた制御システムを示す図である。本図に示すよう
に、音声認識装置を用いた制御システムは、車両の車室
３００内の話者の音声を捕捉する二つのマイクロフォン
２００と、該マイクロフォン２００からの音声の方向、
音源からの距離から話者を識別する話者方向距離判定部
２０１と、該話者方向距離判定部２０１に接続され話者
を識別した音声信号から雑音を消去する適応形処理さら
に自動利得制御（ＡＧＣ）を行う音声認識の前処理部２
０２と、該前処理部２０２に接続され音声を登録された
どの単語に一致するかを認識する音声認識部２０３と、
該音声認識部２０３で認識された単語に基づき制御信号
を形成する各種制御部２０４と、該各種制御部２０４を
介して認識された単語を音声に合成する音声合成部２０
５と、該音声合成部２０５に接続され合成された音声を
再生するスピーカ２０６と、前記各種制御部２０４によ
り制御されるオーディオ２０７と、エアコンデショナー
２０８と、電話２０９と、ナビゲーション２１０と、オ
ートドライブ２１１等を含む。

【００１４】図２は図１の音声認識装置の第１の構成を
示す図である。本図に示すように、音声認識部２０３に
は、話者から発せられた音声がマイクロフォン２００等
により電気信号に変換され入力する。この音声を複数系
統に分岐して入力する認識部（１）、（２）、…、
（ｎ）からなる複数の認識部１はそれぞれ異なる認識ア
ルゴリズムにより音声の認識を行う。該複数の認識部１
では音声認識方式によって認識しやすい条件が異なるこ
とを利用する。音声認識の結果に与えるパラメータには
音声分析に使用されるフィルタバンク、ＦＦＴ(Fast Fo
urier Transformation) 、線形予測分析（ＬＰＣ）、ケ
プストラム等、標準パターンとのマッチング処理に使用
されるＤＰ(Dinamic Programming) マッチング、二段Ｄ
Ｐマッチング、リニアマッチング、隠れマルコフ等があ
る。さらに本実施例では同一人の使用を前提としている
が、標準パターンを形成する辞書には音声を認識すべき
単語が記憶されていて、この辞書の作成が音声認識の結
果に与えるパラメータには辞書が作成される環境の雑音
の有無、体調の相違等がある。したがってこれらのパラ
メータの組み合わせにより音声認識しやすい条件を形成
することができる。

【００１５】前記複数の認識部１に接続される認識判定
部２は、複数の認識部１からの複数の認識結果１、２、
…、ｎに基づきこの中で最も正解に近いと考えられる結
果を採用する。この音声結果の判定では、辞書との照合
結果として認識された単語と音声の距離等を用いる。す
なわち複数の認識部１からの認識結果が異なる場合には
認識された単語の距離が最も近いものが採用される。

【００１６】このようにして最終的に採用された結果は
音声認識部２０３から出力され各種制御部２０４を介し
てオーディオ２０７等の被制御機器を制御する。本実施
例によれば、認識方式の相違による誤認識が減り、機器
の誤動作を低減することが可能になる。図３は図２の音
声認識装置を用いて工場内の選別装置を駆動する例を示
す図である。本図に示すように、図１の制御システム以
外にも工場内で音声装置を用いることを想定することが
でき、本実施例の音声認識装置２０４により話者が発し
た音声から各種制御部２０４を介して工場内の選別装置
２２０を駆動することができるようになる。

【００１７】図４は音声認識装置の第２の実施例を示す
図である。本図における音声認識部２０３において図２
と相違するものは、複数の認識部１と認識判定部２との
間に設けられた複数の正規化部３である。該正規化部３
では話者が同一の条件で発した音声で辞書を作成し、こ
の辞書を用いて話者が発した音声を複数の認識部１で認
識した結果を比較してその相違を予め統計的処理して求
めた尺度として記憶する。この場合話者の音声は録音し
ておき同一条件を形成することができる。このようにす
るのは、複数の認識部１で認識された単語が同一でかつ
距離が同一であっても、正確さが異なるからである。し
たがって複数の正規化部３では正規化（１）、（２）、
…、（３）が各複数の認識部１の結果１、２、…、ｎを
入力すると尺度１、２、…、ｎで補正して距離を求め、
この補正された距離により認識判定部２では正解の最も
近い認識結果を判定する。したがって第１の実施例より
も正確さが増し信頼性が向上することになる。

【００１８】図５は図１の音声認識装置の第３の実施例
を示す図である。本図に示す音声認識部２０３において
図２のものと異なるものは、マイクロフォン（１）、
（２）、…、（ｎ）からなる複数のマイクロフォン２０
０に接続される該複数のマイクロフォン２００に接続さ
れ複数の認識部（１）、（２）、…、（ｎ）からなる複
数の認識部１と、該複数の認識部１により認識された認
識結果１、２、…、ｎが全部一致する場合に前記各種制
御部２０４に認識結果を出力し、一つでも不一致があれ
ば前記各種制御部２０４に認識結果を出力しないように
した認識判定部２である。

【００１９】本実施例によれば、従来の音声認識装置で
は１系統処理であるため、例えば認識率が９０％の性能
を有する場合、１０回に１回の割合（１０％）で誤った
認識結果を出力していたことになるが、複数系統の処理
を行うと誤認識出力が極端に少なくなる。例えは２系統
の場合、各系統の認識率が９０％の場合、両方の誤認識
する確率は、１／１０×１／１０×１００＝１．０％と
なり誤認識の割合は極端に少なくなる。誤認識結果を出
力してしまうのは両方誤認識しかつ両系統の誤認識結果
が一致する場合だけであるから１％以下の確率しか生じ
ない。さらに系統数が増加すればこの確率はもっと低下
する。なお、一つの音声に対して複数のマイクロフォン
２００を設けているので、一部のマイクロフォンに雑音
が増加して音声認識の識別が悪化した場合には認識結果
の出力を阻止できるため音声の発生環境が変化して誤認
識率が増加するを防止できる。すなわち誤認識と判断し
た場合には認識結果を出力しない、換言すれば認識結果
を出力する場合にはその正解率は非常に高くなり音声認
識装置の信頼性が向上することになる。

【００２０】図６は図１の音声認識装置の第４の実施例
を示す図である。本図における音声認識装置２０３にお
いて、図５のものと異なるものは、認識判定部２であ
り、該認識判定部２には複数の認識部１の認識結果１、
２、…、ｎに重みを付け処理を行うようにしてある。以
下に前記重み付け処理の内容を説明する。第１の処理で
は各認識結果１、２、…、ｎで得られた（上位候補の）
認識距離をｎで単純加算して最も認識距離の小さなもの
を認識結果として出力する。

【００２１】第２の処理では各認識結果１、２、…、ｎ
で得られた（上位候補の）認識距離のｎの２乗和を求
め、この２乗和が最も小さなものを認識結果として出力
する。第３の処理では各認識結果で得られた認識順位
（近いと思われるものから１、２、…、ｘ）をｎで単純
平均加算して最も数字の少ないものを識別結果として出
力する。

【００２２】第４の処理では各認識結果で得られた認識
順位をｎの２乗和を求め、最も数字の少ないものを認識
結果として出力する。第５の処理では各認識結果で得ら
れた認識順位に対して重み付けを行い（例えば第１候補
５点、以下第２候補２点、第３候補２点、第４候補１
点）得られた点数をｎだけ加算して点数の多いものを結
果として出力する。

【００２３】本実施例によれば、複数系統認識を用いる
ことによりより精度良い認識が可能である。特に１マイ
クロフォンの場合突発的なノイズ等による音声区間切り
出し誤りによる誤認識が生じるが、複数系統処理におい
ては、一つの系統でこの種の誤認識が生じても最終的な
結果には反映されないことになる。以上の説明では複数
の音声認識部を有する音声認識装置について行ったが、
以下では前記音声認識装置の規模の低減化について説明
する。

【００２４】図７は図１の音声認識装置の第５の実施例
を示す図である。本図に示す音声認識部２０３は、一つ
の認識部１と、前記識別部１の識別された複数の識別結
果を判定して結果を各種制御部２０４に出力する認識判
定手段２と、該認識部１に設けられる標準パターンを記
憶する辞書（１）、（２）、…、（ｎ）からなる複数の
辞書部４と、該複数の辞書部４を切り換えるスイッチ５
と、マイクロフォン２００からの音声等を記憶する音声
記憶手段６と、該音声記憶手段６の書き込み及び読み出
しを制御する記憶制御手段７とを具備する。

【００２５】本実施例の場合には複数の辞書部４には複
数の話者を対象にし、例えば男女の別、発音の明確性、
背景の雑音レベル等をパラメータとして標準パターンで
ある単語が予め登録されている。話者がマイクロフォン
２００を用いて発声すると、その音声が記憶制御部７に
より音声記憶手段６に記憶される。記憶された音声のデ
ータは複数の辞書部４が切り換えられる都度に複数の認
識部１に出力されて音声認識が行われる。この認識部１
は、例えば特定の、例えばＤＰマッチングによるもので
あってもよい。かくして音声記憶手段６等を設けること
より、認識処理では複数の認識処理を行う必要が無く、
複数の辞書４の一つと一つの認識部２との処理だけでよ
くなるので処理規模を小さくすることができるようにな
る。

【００２６】図８は図１の音声認識装置の第６の実施例
を示す図である。本図における音声認識装置において図
７のものと異なるものは複数の認識部１と、各該複数の
認識部１に設けられる複数の辞書部４と、各該複数の認
識部１の前後で連動して切り換えられるスイッチ８、９
である。本図実施例においても、音声記憶手段６等を設
けることにより、認識処理では複数の処理を行う必要が
無く、一対の識別部と辞書の認識処理だけすればよくな
り処理規模を小さくすることができるようになる。

【００２７】図９は図１の音声認識装置の第７の実施例
を示す図である。本図に示す音声認識装置２０３は、辞
書を内蔵する一つの認識部１と、該認識部１に接続され
認識された複数の認識結果を判定して結果を各種制御部
２０４に出力する認識判定手段２と、複数のマイクロフ
ォン（１）、（２）、…、（ｎ）からなるマイクロフォ
ン２００と、各該マイクロフォン２００の音声信号を記
憶する記憶手段（１）、（２）、…、（ｎ）からなる音
声記憶手段６と、各該音声記憶手段６の音声の書き込み
と読み出しを制御する記憶手段６と、各該音声記憶手段
６を切り換えて前記認識部１に音声データを出力するス
イッチ１０とを具備する。本図実施例においても複数の
マイクロフォンにより音声信号の入力に対して複数の音
声記憶手段６を設けることにより、認識処理では複数の
認識処理を行う必要が無く、一つの認識の処理だけでよ
くなり処理規模を小さくすることができるようになる。
なおマイクロフォン２００を複数にしているのは、音声
が捕捉される環境を考慮して、判定の結果最も良いもの
を使用することを可能するためである。

【００２８】以下に実施例第５〜７における認識判定部
２について説明する図１０は実施例第５〜７における認
識判定部の構成を示す図であり、図１１は図１０の結果
記憶部の結果群の構成を示す図である。本図に示す認識
判定部２は、認識部１からの複数の認識結果を記憶する
結果記憶部２１と、該結果記憶部２１に記憶された結果
から正解に近いものを採用しその結果を各種制御部２０
４に出力する処理を行う処理回路２２とを具備する。結
果記憶部２１には、図１１に示すように、結果群ｎつい
て、前述したように標準パターンに類似する程度を距離
として表し、距離の小さい順番にした候補１、これに対
する評価点（距離）１、…、候補ｋ、これに対する評価
点（距離）ｋが記憶されている。

【００２９】次に処理回路２２を説明する。図１２は図
１０の処理回路における認識結果の評価を説明するフロ
ーチャートである。本図におけるステップ１１において
結果記憶部２１における結果群ｎの候補１の評価点１と
候補２の評価点２との差ΔＰを取る。ステップ２におい
て、ΔＰ≧Δｔｈ（Δｔｈ：予め決定したしきい値）の
関係が成立するかを判断する。

【００３０】ステップ３において、上記関係が成立する
場合には結果群ｎを良しとして採用する。ステップ４に
おいて、上記関係が成立しなければ結果群ｎを否として
棄却する。かくして、誤認識するのは通常候補１と候補
２とが明確に区別できない場合に生じるから、評価点１
と評価点２との差が所定値以上であれば、候補１が最も
正解に近いとすることができる。このようにして結果群
ｎで選ばれた複数の候補１のなかで一番よいものを採用
することにする。以下同様である。

【００３１】図１３は図１０の処理回路における第２の
認識結果を説明するフローチャートである。本図に示す
ステップ２１では、評価点１と、評価点２からｋの中で
代表点として評価点ｑとの差ΔＰを取る。以下のステッ
プは図１３のもの同様である。候補２以下が固まりにな
っている場合に簡易な方法である。図１４は図１０の処
理回路における第３の認識結果の評価を説明するフロー
チャートである。本図に示すステップにおいて、評価点
１と評価点２との差をとりさらに評価点１と代表点であ
る評価点ｑとの差をとりこれらの差の平均をとってΔＰ
を形成する。以下のステップは図１２のものと同様であ
る。本評価は図１２のものと図１３のものとの折衷案で
ある。

【００３２】図１５は図１０の処理回路における第４の
認識結果の評価を説明するフローチャートである。本図
に示すステップ３１において、評価点１と評価点ｉとの
差の平均値をΔＰとして求める。以下のステップは図１
２のものと同様である。図１６は図１の音声認識装置の
第８の実施例を示す図である。本図に示す音声認識装置
２０３は、辞書を内蔵する認識部１と、該認識部１に接
続され認識された複数の認識結果を判定して各種制御部
２０４に出力する認識判定部２と、マイクロフォン２０
０の音声信号を記憶する音声記憶手段６と、該音声記憶
手段６の音声の書き込み読み出しを制御する記憶制御手
段７と、マイクロフォン２００の信号から音声区間を切
り出す手段１２と、該音声区間切り出し手段１２から音
声区間と雑音区間のアドレスを入力し、前記音声記憶手
段６からの記憶された音声データから音声区間のパワー
を算出し、雑音区間のパワーを算出するパワー計算手段
１３とを具備する。

【００３３】図１７は図１６のパワー計算手段による音
声区間及び雑音区間でのパワーの算出を説明する図であ
る。本図（ａ）に示すにように、音声区間切り出し手段
１２ではマイクロフォン２００の信号から音声区間アド
レスＡｌ１〜Ａｌ２、雑音区間アドレスＡｌ０からＡｌ
１が検出され、この情報を与えられたパワー計算手段１
３では音声記憶手段６から記憶されたデータを読み出し
て音声区間及び雑音区間のパワーがそれぞれ、本図
（ｂ）に示すように、Ｓ及びＮとして計算される。音声
区間を切り出す手段１２からの音声区間を示すアドレス
Ａｌ１〜Ａｌ２を一つの音声認識部（１）に入力させる
ことにより、認識率の向上が図れる。以下に本実施例に
係る認識判定部２を説明する。

【００３４】図１８は本実施例に係る図１０処理回路に
おける第５の認識結果の評価を説明する図である。本図
に示すように、ステップ４１において、ΔＰ＝Ｓ／Ｎと
して計算される。以下のステップは図１２のものと同様
である。このようにＳ／Ｎが所定値以上のものが良しと
判断される。図１９は図１の音声認識装置の第９の実施
例を示す図である。本図に示す音声認識部２０３は、辞
書を内蔵する認識部（１）、（２）、…、（ｎ）からな
る複数の認識部１と、該複数の認識部１に接続され認識
された複数の認識結果を判定して結果を各種制御部２０
４に出力する認識判定部２と、複数のマイクロフォン
（１）、（２）、…、（ｎ）からなるマイクロフォン２
００と、各該マイクロフォン２００の音声信号を記憶す
る音声記憶手段（１）、（２）、…、（ｎ）からなる音
声記憶手段６と、各該音声記憶手段６の音声の書き込み
と読み出しを制御する記憶手段６と、各該音声記憶手段
６を切り換えて前記複数の認識部１に音声データを出力
するスイッチ１１とを具備する。複数のマイクロフォン
２００に複数の音声記憶手段６を設けることにより、各
複数のマイクロフォン２００からの音声を複数の認識部
１で認識できるようになり、認識率の向上と処理規模の
縮小化を同時に達成できるにようになる。以下に本実施
例に係る認識判定部２の説明をする。

【００３５】図２０は本実施例に係る図１０の処理回路
における第６の認識結果の評価を説明するフローチャー
トである。本図に示すように、ステップ５１で結果群１
〜結果群ｎの第１候補で一致するものを抽出する。ステ
ップ５２では上記ステップで選択された一致する第１の
候補内で最も多く一致した候補を抽出する。このように
して多数決法により確度を高めることができる。

【００３６】

【発明の効果】以上説明したように本発明によれば、音
声がマイクロフォンにより捕捉され、複数の異なる認識
方式により、マイクロフォンからの入力音声と基準音声
とが比較され、基準音声の複数の有力候補が導出され、
それらの候補と入力音声との近さが認識距離として出力
される。そして前記認識距離の最も小さいものの候補が
最終的な認識結果として出力される。このため認識方式
の不得意の条件により誤認識が低減することになる。さ
らに入力音声の記憶により逐次音声認識を行うことがで
き処理規模を低減することができる。

【図面の簡単な説明】

【図１】本発明の実施例に係る音声認識装置を用いた制
御システムを示す図である。

【図２】図１の音声認識装置の第１の実施例を示す図で
ある。

【図３】図２の音声認識装置を用いて工場内の選別装置
を駆動する例を示す図である。

【図４】図１の音声認識装置の第２の実施例を示す図で
ある。

【図５】図１の音声認識装置の第３の実施例を示す図で
ある。

【図６】図１の音声認識装置の第４の実施例を示す図で
ある。

【図７】図１の音声認識装置の第５の実施例を示す図で
ある。

【図８】図１の音声認識装置の第６の実施例を示す図で
ある。

【図９】図１の音声認識装置の第７の実施例を示す図で
ある。

【図１０】実施例第５〜７における認識判定部の構成を
示す図である。

【図１１】図１０の結果記憶部の結果群の構成を示す図
である。

【図１２】図１０の処理回路における第１の認識結果の
評価を説明するフローチャートである。

【図１３】図１０の処理回路における第２の認識結果の
評価を説明するフローチャートである。

【図１４】図１０の処理回路における第３の認識結果の
評価を説明するフローチャートである。

【図１５】図１０の処理回路における第４の認識結果の
評価を説明するフローチャートである。

【図１６】図１の音声認識装置の第８の実施例を示す図
である。

【図１７】図１６のパワー計算手段により音声区間及び
雑音区間でのパワーの算出を説明する図である。

【図１８】図１０の処理回路における第５の認識結果の
評価を説明するフローチャートである。

【図１９】図１の音声認識装置の第９の実施例を示す図
である。

【図２０】図１０の処理回路における第６の認識結果の
評価を説明するフローチャートである。

【図２１】従来の音声認識装置を用いた制御システムを
示すブロック図である。

【符号の説明】

１…認識部 ２…認識判定部 ３…正規化部 ４…辞書部 ６…記憶手段 ７…記憶制御部 ２１…結果記憶部 ２２…処理回路 ２００…マイクロフォン ２０３…音声認識部 ２０４…各種制御部

Claims (10)

【特許請求の範囲】
1. 【請求項１】 音声を認識して各種機器を制御するため
   の音声認識装置であって、 音声を捕捉する一つのマイクロフォン（２００）と、 複数の異なる認識方式を用いて、前記マイクロフォン
   （２００）からの入力音声と基準音声とをそれぞれ比較
   し、基準音声の複数の有力候補を導出し、それらの候補
   と入力音声との近さを認識距離として出力する複数の音
   声認識部（１）と、 前記認識距離の最も小さいものの候補を最終的な認識結
   果として出力する認識判定部（２）と備えることを特徴
   とする音声認識装置。
2. 【請求項２】 請求項１の音声認識装置に、共通の入力
   音声により各複数の音声認識部（１）で求められた認識
   距離を各複数の音声認識部（１）の尺度として、各複数
   の音声認識部（１）の認識距離を補正して前記認識判定
   部（２）に出力する複数の正規化部（３）を備える音声
   認識装置。
3. 【請求項３】 前記マイクロフォン（２００）が複数か
   らなり、各前記マイクロフォン（２００）の入力音声が
   各前記複数の音声認識部（１）に入力する請求項１記載
   の音声認識装置。
4. 【請求項４】 前記マイクロフォン（２００）が複数か
   らなり、各前記マイクロフォン（２００）の入力音声が
   各前記複数の音声認識部（１）に入力し、前記認識判定
   部（２）は、複数の音声認識部（１）からの複数の候補
   がすべて一致した場合にこの候補を最終的な認識結果と
   して出力する請求項１記載の音声認識装置。
5. 【請求項５】 前記認識判定部（２）は、前記複数の音
   声認識部（１）で最も近いとして得られた上位候補につ
   いてそれぞれの複数の音声認識部（１）での認識距離、
   順位を重みとして入力音声に最も近いと判断する請求項
   記載４の音声認識装置。
6. 【請求項６】 音声を認識して各種機器を制御するため
   の音声認識装置であって、 音声を捕捉する一つのマイクロフォン（２００）と、 入力音声と基準音声とを比較し、基準音声の複数の有力
   候補を導出し、それらの候補と入力音声との近さを認識
   距離として出力する一つの音声認識部（１）と、 前記一つの音声認識部（１）から得られた第１の候補と
   他の候補との認識距離の差が一定の関係に有るものを良
   しと判断し、さらに判断されたものの中から最も良いも
   のを最終的な候補として出力する前記認識判定部（２）
   と、 複数の基準音声を生成し、前記一つの音声認識部（１）
   に設けられた複数の辞書部（４）と、 前記マイクロフォン（２００）からの音声を記憶し前記
   複数の基準音声との比較毎に前記一つの音声認識部
   （１）に入力音声を送出する音声記憶手段（６）とを備
   える音声認識装置。
7. 【請求項７】 一対の音声認識部（１）及び辞書部
   （４）を複数設け、前記一対の音声認識部（１）及び辞
   書部（４）が基準音声との比較を行う都度前記音声記憶
   手段（６）から記憶された入力音声が前記音声認識部
   （１）に送出される請求項６記載の音声認識装置。
8. 【請求項８】 音声を認識して各種機器を制御するため
   の音声認識装置であって、 音声を捕捉する複数のマイクロフォン（２００）と、 該複数のマイクロフォン（２００）からの音声を記憶す
   る複数の音声記憶手段（６）と、 該複数の音声記憶手段（６）に記憶された複数の入力音
   声を逐次入力音声と基準音声とを比較し、基準音声の複
   数の有力候補を導出し、それらの候補と入力音声との近
   さを認識距離として出力する一つの音声認識部（１）
   と、 前記一つの音声認識部（１）から得られた第１の候補と
   他の候補との認識距離の差が一定の関係に有るものを良
   しと判断し、さらに判断されたものの中から最も良いも
   のを最終的な候補として出力する認識判定部（２）とを
   備えることを特徴とする音声認識装置。
9. 【請求項９】 前記認識判定部（２）は、入力音声から
   切り出された音声区間及び雑音区間から得られた音声パ
   ワー及び雑音パワーによるＳ／Ｎ比から最終判断の候補
   の一つとして選ばれる請求項６又は８記載の音声認識装
   置。
10. 【請求項１０】 音声を認識して各種機器を制御するた
    めの音声認識装置であって、 音声を捕捉する複数のマイクロフォン（２００）と、 該複数のマイクロフォン（２００）からの音声を記憶す
    る複数の音声記憶手段（６）と、 該複数の音声記憶手段（６）に記憶された複数の入力音
    声を逐次入力音声と基準音声とを比較し、基準音声の複
    数の有力候補を導出し、それらの候補と入力音声との近
    さを認識距離として出力する複数の音声認識部（１）
    と、 各前記複数のマイクロフォン（２００）について前記複
    数の音声認識部（１）から得られた第１の候補で一致す
    るものをそれぞれ複数抽出し、抽出された中で最も多く
    一致するものを最終的な候補として出力する認識判定部
    （２）とを備えることを特徴とする音声認識装置。