JPH07244494A - 音声認識装置 - Google Patents

Abstract

(57)【要約】 【目的】 低消費電力動作状態においても音声認識が可
能な音声認識装置を提供する。 【構成】 入力音声信号における音声区間における特徴
量を含む特徴パターンデータと複数の音声に対する予め
格納済の基準パターンデータとの類似度の比較判定動作
をクロック信号に基づき行う類似度比較判定手段３０を
備え、入力音声の認識を行う音声認識装置であって、入
出力側が上記類似度比較判定手段に接続され上記類似度
比較判定結果が所定の音声候補である場合若しくは一定
時間以上音声入力がない場合には上記クロック信号の周
波数を基準値よりも低下させる制御手段４０を備えた。

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、
特に音声認識結果に基づき何らかの動作をするものであ
って低消費電力化を効果的に行う音声認識装置に関す
る。

【０００２】

【従来の技術】音声認識を利用した機器の中でも、携帯
性を重視したものや、電池駆動を前提としたがん具等
は、その音声認識を行う構成部分の消費電力が問題とさ
れている。一般に音声認識を行う部分は、音声の特徴パ
ターンを抽出する特徴抽出部分と、その特徴パターンが
どの基準(標準)パターンと類似しているかを見出す類似
度演算／判定部と、から構成されている。上記特徴抽出
部分は、信号をアナログ処理する場合にはバンドパスフ
ィルターバンク等、またディジタル処理を行う場合には
Ａ／ＤコンバーターとＤＳＰ等で構成される。上記類似
度演算／判定部は、ＣＰＵ（中央演算処理装置）が類似
度演算のアルゴリズムにのっとったソフトウエアで実行
する場合や、専用のハードウエアロジックで行う場合が
多い。このような音声認識に係わる部分は一般的に消費
電力が多く、常時動作させていると、電源である電池
(一次、二次)の消耗が激しくなり、実用的でない。よっ
てこのような欠点を克服するために種々の提案がなされ
ている。

【０００３】例えば、特開昭６２−２４５２９６号公
報、特開平３−２０２８９９号公報（以下、これら公報
の発明を従来技術１とする）には、一定期間音声の入力
がないと音声認識部への電源供給を停止するものが開示
されている。又、特開昭５８−５５９９１号公報（以
下、この公報の発明を従来技術２とする）には従来技術
１に加えて、常時動作している音声検出部が音声を検知
したときに認識部への電源供給を開始することにより、
音声認識機能を再開させようとするものが開示されてい
る。

【０００４】

【発明が解決しようとする課題】従来技術１では電源が
切れた後に音声認識動作をさせたいときは別途電源スイ
ッチをオンする等の操作が必要であり煩わしさがある。
又、従来技術２では従来技術１の欠点を克服しているよ
うであるが、実際には低消費電力の音声検出部としては
上記公報に開示されるような非常に簡単な積分器程度の
構成しか期待できないため、雑音による誤動作や、音声
始端の欠落などがあり、その検出結果から切り出した音
声区間を認識対象としたときの認識精度は高くない。ま
た、区間検出後に電源が入る第１回目の発声では音声始
端の欠落はより多くなってしまう。この欠落を避けるに
は、ＢＢＤ等のアナログ遅延素子を採用すればよいが、
もはや低消費電力を目指した構成とはならない。

【０００５】一方、玩具等のアプリケーションでは、音
声認識部分の電源が切れている場合でも何らかの方法に
て音声で動作させたほうが望ましい場合があるが、従来
技術１の構成ではこれに対応できない。又、従来技術２
の構成では通常動作時の高い認識精度が期待できず、
又、低消費電力化が困難である。本発明は上述したよう
な問題点を解決するためになされたもので、低消費電力
動作状態においても音声認識が可能な音声認識装置を提
供することを目的とする。

【０００６】

【課題を解決するための手段】本発明は、入力音声が供
給され入力音声信号における音声区間における特徴量を
含む特徴パターンデータを送出する前処理手段と、上記
前処理手段に接続され上記特徴パターンデータと複数の
音声に対する予め格納済の基準パターンデータとの類似
度の比較判定動作をクロック信号に基づき行う類似度比
較判定手段とを備え、入力音声の認識を行う音声認識装
置であって、入力側が上記前処理手段及び上記類似度比
較判定手段に接続されかつ出力側が上記類似度比較判定
手段に接続され上記類似度比較判定結果が所定の音声候
補でない場合若しくは一定時間以上音声入力がない場合
には上記クロック信号の周波数を基準値よりも低下させ
る制御手段を備えたことを特徴とする。

【０００７】

【作用】このように構成することで制御手段は、例えば
一定時間以上音声の入力がない場合にはクロック信号の
周波数を基準値より低下させることで、類似度比較判定
手段の動作速度を下げ消費電力の低減を図るように作用
する。又、類似度比較判定手段は、低消費電力時にあっ
ても音声認識を行うように作用する。

【０００８】

【実施例】本発明の音声認識装置の一実施例を図を参照
しながら以下に説明する。図１に示すように本実施例の
音声認識装置は以下の構成をなす。本実施例の音声認識
装置は、音声に従い何らかの動作を行う例えばがん具に
使用されるもので、大きく分類すると入力音声の前処理
部１０と、入力音声信号から特徴パターンを抽出する特
徴抽出部２０と、特徴パターンと基準パターンとの類否
を演算判定する類似度演算判定部３０と、類似度演算判
定部３０へ供給するクロック信号の周波数を制御するク
ロック制御部４０と、動作部５０とに区分される。

【０００９】前処理部１０は、マイク１１と、マイク１
１から音声信号が供給される音声入力部１２と、音声入
力部１２の出力側に接続され音声区間を検出し該音声区
間の開始及び終了に対応する時間情報を送出する音声検
出部１３と、入力側が音声入力部１２に接続され音声の
音量を判定する音量判定部１４とを備える。又、音声検
出部１３の出力側は特徴抽出部２０及び後述のクロック
制御部４０に接続され、音声入力部１２の出力側は特徴
抽出部２０に接続され、音量判定部１４の出力側は後述
の類似度判定部３３に接続される。

【００１０】特徴抽出部２０は、音声検出部１３から供
給される上記時間情報に基づき、音声入力部１２から供
給される音声信号から音声区間を選択し、該音声区間に
ついて例えば１０ｍ秒毎に音声信号の特徴量を抽出す
る。特徴抽出部２０の出力側は、類似度演算部３２及び
類似度判定部３３に接続される。

【００１１】類似度演算判定部３０は、音声認識辞書部
３１と、類似度演算部３２と、類似度判定部３３とを備
えている。音声認識辞書部３１は、複数の音声のそれぞ
れについての特徴パターンを格納している。尚、特徴パ
ターンとは、上述したように例えば特徴抽出部２０のよ
うな装置にて抽出された音声の特徴量を集合したもので
ある。類似度演算部３２は、入力側に特徴抽出部２０の
出力が接続されかつ音声認識辞書部３１と入出力が接続
され、特徴抽出部３２から供給される特徴量を音声区間
分集合させてなる特徴パターンと音声認識辞書部３１か
ら供給される特徴パターンである基準パターンとを比較
し類似度を演算する。類似度判定部３３は、類似度演算
部３２から供給される類似度情報について所定のしきい
値を基準にして入力音声が音声認識辞書部３１に格納す
るいずれの単語と一致又は近似するかを判別する。類似
度判定部３３の出力側は、クロック制御部４０及び後述
のモータ制御部５１に接続される。

【００１２】クロック制御部４０の出力側は類似度演算
判定部３０の各構成部分３１ないし３３に接続され、ク
ロック制御部４０は、類似度演算判定部３０の各構成部
分３１ないし３３に対して選択的にクロック周波数を変
化させ、供給又は非供給するものであり、音声認識結果
が所定の候補である場合もしくは、一定時間以上音声入
力がなかった場合にはクロック周波数を基準値よりも低
下させる。また、この状態において認識結果が前記限ら
れた一部の認識辞書中であらかじめ定められた確度以上
であった場合、クロック周波数を上記基準値まで増加さ
せるように前記クロック制御部を動作するように成し、
同時にそれ以降の認識対象を前記音声認識辞書全体にす
るように成したことを特徴としている。

【００１３】動作部５０は、可動部５３と、該可動部５
３を動作させるモータ／アクチエータ５２と、モータ／
アクチエータ５２の動作を制御するモータ制御部５１と
を備え、モータ制御部５１の入力側には類似度判定部３
３の出力が接続される。

【００１４】このように構成される本実施例における音
声認識装置の動作を以下に説明する。尚、本実施例の音
声認識装置は図２に示すようなロボットおもちゃに備わ
るとする。音声認識辞書３１には、図３に示すように、
予め数語の音声認識特徴量(以下パターン)が登録されて
いるとする。本例においてその特徴パターンは、「めざ
めよ」、「バスター」、「進め」、「やっつけろ」であるとす
る。これらの特徴パターンには順に１,２,３,４と単語
番号が付される。このとき単語番号「１」には目覚めの
動作、単語番号「２」にはそのロボットの名前、単語番
号「３」には前進に対応する言葉、単語番号「４」には
攻撃動作に対応する言葉というように、予め大体の意味
内容との対応が決められているとする。

【００１５】まず、音声の一般的な認識動作を説明す
る。マイク１１から入力された操作者の音声は、音声入
力部１２を介して音声検出部１３へ供給されるとともに
特徴抽出部２０へ供給される。音声検出部１３では、入
力音声情報から音声と判断される区間を選択的に選び出
し(区間検出: セグメンテーション)、その区間の開始及
び終了に関する時間情報を送出する。特徴抽出部２０
は、音声入力部１２から供給される音声信号と、音声検
出部１３から供給される上記区間の開始、終了に関する
時間情報とに基づき、音声が存在する区間から特徴量を
抽出し、該特徴量を類似度演算部３２へ送出する。

【００１６】該特徴量は類似度演算部３２において音声
区間分集合され特徴パターンとなり、該特徴パターンは
音声認識辞書３１内のそれぞれの基準パターンと照合さ
れ、各特徴パターン毎に類似度が計算される。類似度判
定部３３では、音量判定部１４から供給される音量情報
と類似度演算部３２から供給される、各特徴パターンに
対する入力音声の類似度情報とに基づき、入力音声が音
声認識辞書３１に格納された単語のいずれに最も近いか
を判定し、該判定結果に基づきモータの動かしかたを決
定する。

【００１７】モータ制御部５１では、類似度判定部３３
から供給されるモータの動かしかたの情報を選択し、モ
ータ／アクチェータ５２を駆動させる。これによって可
動部５３は動作する。尚、本実施例では、可動部５３は
図２に示すロボットの腕、首、足である。類似度判定部
３３における認識結果が「バスター」ならは、ロボットの
全身をがたがた震わせる、「進め」ならロボットの足を動
かして前進し、「やっつけろ」ならロボットの腕を振る、
等と動作を対応付けておけば楽しい玩具となろう。

【００１８】次に、本実施例の音声認識装置におけるク
ロック制御について説明する。主電源(不図示)が投入さ
れた直後には当該音声認識装置全体の動作を制御するシ
ステムコントローラ（不図示）から送出される制御信号
にて、又、予め定められた期間以上発声者が発声しない
場合には音声検出部１３から上記時間情報の供給がない
ことを検知することで、クロック制御部４０は予め定め
た、基準値よりも低い動作周波数(以下、低クロックと
記す)を類似度演算判定部３０を構成する各構成部分３
１ないし３３へ送出する。又、同時に、類似度演算部３
２は低クロックの供給を検知することで、認識対象単語
について単語番号１、２のみに限定する。このように類
似度演算部３２は、低クロックの供給を検出したときに
は音声認識辞書３１に格納される第１番目の単語から所
定数のみを認識対象とすることもできるが、音声認識辞
書３１に格納される各単語の基準パターンを示すデータ
に低クロック状態には認識対象となる旨の所定データを
予め付加しておき、上記所定データの有無を判断するこ
とで認識対象の単語を選択するようにしてもよい。

【００１９】このように認識対象を限定することで低ク
ロック時でも認識処理に要する時間が長大化することを
防ぐことができる。即ち、低クロック供給状態では、類
似度演算部３２に供給された音声情報は、単語番号
「１」の「めざめよ」と、単語番号「２」の「バスター」と
の２単語のみと類似度が演算される。この演算の結果、
類似度判定部３３は、認識の確からしさを表す、確度が
予め定められたある閾値以上である場合、即ち、入力音
声を上記単語番号「１」，「２」のいずれかであると認
識できた場合にはクロック制御部４０に対して制御信号
を送出する。クロック制御部４０は、上記制御信号の供
給に基づき、上記基準値である予め定められた高い動作
周波数(以下、高クロックと記す)を類似度演算判定部３
０の各構成部分３１ないし３３へ送出し始める。そして
類似度演算部３２は、高クロックの供給を判断材料とし
て、以後の認識対象単語を音声認識辞書３１に格納する
すべての単語にするように制御する。尚、上記確度が上
記閾値に満たない場合、即ち入力音声を認識できなかっ
た場合には、類似度判定部３３は、基本的に、クロック
制御部４０に対して制御信号を送出することはなくその
まま低クロックにて動作するが、認識できなかったとは
いえ何等かの音声が入力されたことに変わりはないこと
から、上記制御信号を送出し高クロックにて動作するよ
うにしてもよい。又、類似度判定部３３が送出する認識
結果に応じて、入力音声を認識したことを音声発生者に
知らせるために入力音声に対して例えば応答するような
所定の動作を動作部５０が完了した後に類似度演算部３
２は以後の認識対象単語を音声認識辞書３１に格納する
すべての単語とするようにしてもよい。

【００２０】したがって高クロック供給開始以降は、Ｎ
（Ｎは自然数）単語例えば４０単語を認識対象としても
十分に速い反応時間を達成することができる。この場合
認識処理のみに着目すれば、対象単語は低クロック供給
時で２単語、高クロック供給時で４０単語であるから、
供給するクロックの周波数比は２:４０とすることがで
きることがわかる。ＬＳＩ（大規模集積回路）の主流で
あるＣＭＯＳプロセスでは、クロック周波数と消費電流
とがほぼ比例するため、低クロック供給時における周波
数を下げることで消費電力をより低減することができそ
の効果は大きい。又、認識動作を繰り返した後、一定期
間音声入力がなければ、類似度判定部３３からクロック
制御部４０へ送出される制御信号により再びクロック制
御部４０は低クロックを送出し、消費電力を低減する。

【００２１】尚、上述した実施例では、低クロック送出
の基準として音声入力のない時間を材料としたが、キー
ワードを決めておきこのキーワードが認識結果となった
ときに、低クロック送出状態に移行するようにしてもよ
い。このようにキーワードを使用した場合、例えば上記
キーワードを「眠れ」とすると、「眠れ」の音声を認識
したときには低クロック状態となり低消費電力状態とす
るようなことが可能となり、例えばがん具に本実施例の
音声認識装置を使用した場合にはよりおもしろい態様を
得ることができる。

【００２２】又、本実施例では音声認識のアルゴリズム
や特徴量また可動部および電源制御部の制御方法等につ
いて何ら限定するものではない。

【００２３】

【発明の効果】以上詳述したように本発明によれば、例
えば一定時間以上音声の入力がない場合にはクロック信
号の周波数を基準値よりも低下させるようにしたことよ
り、類似度比較判定手段の動作速度を下げ消費電力の低
減を図ることができる。又、このような低消費電力時に
あっても類似度比較判定手段にはクロック信号が供給さ
れているので、音声認識を行うことができる。

【図面の簡単な説明】

【図１】 本発明の音声認識装置の一実施例における構
成を示すブロック図である。

【図２】 図１に示す音声認識装置が使用される一例で
あるがん具を示す図である。

【図３】 図１に示す音声認識辞書に格納される単語等
を示す図である。

【符号の説明】

１０…前処理部、１２…音声入力部、１３…音声検出
部、１４…音量判定部、２０…特徴抽出部、３０…類似
度演算判定部、３１…音声認識辞書部、３２…類似度演
算部、３３…類似度判定部、４０…クロック制御部、５
０…作動部、５１…モータ制御部、５２…モータ／アク
チュエータ、５３…可動部。

Claims (4)

【特許請求の範囲】
1. 【請求項１】 入力音声が供給され入力音声信号におけ
   る音声区間における特徴量を含む特徴パターンデータを
   送出する前処理手段と、上記前処理手段に接続され上記
   特徴パターンデータと複数の音声に対する予め格納済の
   基準パターンデータとの類似度の比較判定動作をクロッ
   ク信号に基づき行う類似度比較判定手段とを備え、入力
   音声の認識を行う音声認識装置であって、 入力側が上記前処理手段及び上記類似度比較判定手段に
   接続されかつ出力側が上記類似度比較判定手段に接続さ
   れ上記類似度比較判定結果が所定の音声候補でない場合
   若しくは一定時間以上音声入力がない場合には上記クロ
   ック信号の周波数を基準値よりも低下させる制御手段を
   備えたことを特徴とする音声認識装置。
2. 【請求項２】 上記類似度比較判定手段は、周波数の低
   下したクロック信号が供給された場合には上記特徴パタ
   ーンデータとの類似度比較判定の対象とする上記基準パ
   ターンデータを所定の基準パターンデータに限定する、
   請求項１記載の音声認識装置。
3. 【請求項３】 類似度比較判定の対象とする上記基準パ
   ターンデータを所定の基準パターンデータに限定してい
   る状態において類似度比較判定結果が上記限られた基準
   パターン中で所定の確度を有するとき、上記類似度比較
   判定手段は上記制御手段に対して上記クロックの周波数
   を上記基準値へ増加させる信号を送出する、請求項２記
   載の音声認識装置。
4. 【請求項４】 上記制御手段に対して上記クロックの周
   波数を上記基準値へ増加させる場合、上記類似度比較判
   定手段は以後の類似度比較判定対象を上記基準パターン
   データのすべてとする、請求項３記載の音声認識装置。