JPH0836396A

JPH0836396A - 音声認識装置

Info

Publication number: JPH0836396A
Application number: JP16921694A
Authority: JP
Inventors: Mariko Izawa; 真理子井澤; Akio Amano; 明雄天野; Nobuo Hataoka; 信夫畑岡
Original assignee: Hitachi Ltd
Current assignee: Hitachi Ltd
Priority date: 1994-07-21
Filing date: 1994-07-21
Publication date: 1996-02-06

Abstract

(57)【要約】【目的】入力音声中に間投詞が含まれても、単語音声と
誤認識されることのない音声認識装置を提供する。【構成】アナログ入力音声１をディジタル音声に変換す
る音声入力手段２，入力音声の音声区間を検出する音声
区間検出手段３，入力音声の特徴パラメータを検出する
音声分析手段４，入力音声中の間投詞を検出する間投詞
検出手段５，入力音声の特徴パタンと標準パタンとを照
合する照合手段６，該照合結果の判定を行う判定手段
７，標準パタン格納手段８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、音声認識装置に係り、
入力音声中に「あのー」，「えー」などの間投詞が含ま
れても良好に動作する音声認識装置に関する。

【０００２】

【従来の技術】従来の音声認識装置は、例えば、斉藤収
三，中田和男著、「音声情報処理の基礎」オーム社（１
９８１）ｐ.１８３〜ｐ.１８４に記載のように、入力さ
れたアナログ音声をディジタル値に変換したのち、音響
的分析を行って音声特徴パタンを抽出し、これとあらか
じめ用意した標準音声の特徴パタンとを比較照合し、入
力された音声に最も類似している標準音声を入力音声の
認識結果として出力する。

【０００３】

【発明が解決しようとする課題】上記の音声認識装置
は、入力音声中に認識対象の音声だけが含まれているこ
とを前提としている。

【０００４】しかし、我々人間が言葉を話す場合、発話
内容を考えながら発声するときなどには、「えー」，
「あのー」などの間投詞を発声してしまうことが多い。
音声認識装置では、入力音声に認識対象の音声だけが含
まれていることを前提としているため、入力音声中の間
投詞もいずれかの単語として認識してしまうことがあっ
た。例えば、「えー、ひめじ」と発声したときに、「え
ー、ひめ（じ）」の部分に類似している「えひめ」とい
う単語に誤認識されたり、全く異なる単語に認識された
り、また、リジェクトされたりする。

【０００５】本発明の目的は、「えー」，「あのー」な
どの間投詞が含まれた音声に対しても、誤認識すること
のない音声認識装置を提供することにある。

【０００６】

【課題を解決するための手段】「えー」，「うーん
と」，「あのー」、などの間投詞は、／ｅ／，／ｕ／，
／ｏ／、などの母音性をもった音声区間が長く持続する
という特徴をもつ。このため、入力音声中に／ｅ／，／
ｕ／，／ｏ／、などの母音性の特徴が継続して検出され
れば、この区間は間投詞である可能性が高い。そこで、
／ｅ／，／ｕ／，／ｏ／、などの母音性の継続が検出さ
れた音声区間については、間投詞である可能性があると
して、照合の範囲から外すようにすれば、間投詞に起因
する誤動作を回避できる。

【０００７】上記の目的は、入力された音声中の音声区
間を検出する手段，母音性の持続を検出する手段，入力
音声の特徴パタンと標準パタンとを照合する手段，照合
結果の判定を行う手段，母音性の継続の検出結果に基づ
いて入力音声の照合範囲を制限する手段とを備えること
により達成される。

【０００８】

【作用】本発明によれば、母音性の継続により、間投詞
の可能性が高いと判定された区間に対しては、照合を行
わないようにできるので、間投詞部分を他の単語に誤認
識することのない音声認識装置を提供できる。

【０００９】

【実施例】図１は本発明の音声認識装置の一実施例を示
すブロック図である。入力音声１は音声入力部２により
取り込まれ、音声区間検出部３に送られる。音声区間検
出部３では、入力された音声のうち言葉が実際に発声さ
れている音声区間を検出する。間投詞「えー」なども音
声区間の中に含まれて検出される。さらに、音声分析部
４で分析され、入力音声の特徴パタンが抽出される。得
られた入力音声の特徴パタンは、間投詞検出部５に送ら
れる。間投詞検出部５では、音声分析部４から得られた
入力音声の特徴パタンに基づいて入力音声中の間投詞部
分が検出される。

【００１０】一方、音声分析部４から得られた入力音声
の特徴パタンは照合部６へも送られ、照合部６では、標
準パタン格納部８から読み込まれた標準パタンとの照合
を行い、各標準パタンとの照合値を算出する。なお、照
合部６における照合は、間投詞検出部５から得られた間
投詞検出結果に基づいて、入力音声中の間投詞区間を除
いた区間について行うようにする。

【００１１】照合部６で得られた各標準パタンとの照合
結果は、判定部７に送られる。判定部７では、照合部６
から得られた各標準パタンとの照合結果のうち、照合結
果の良い上位Ｎ（Ｎは例えば３）候補を認識結果として
出力する。

【００１２】なお、説明では、照合部６における照合処
理を間投詞区間を除いて行うと説明したが、間投詞区間
を含めて照合する場合と、間投詞区間を除いて照合する
場合の双方を行い、双方の照合結果を判定部７に送るよ
うにすることも考えられる。

【００１３】なお、音声区間検出方法，音声分析方法に
ついては、特開昭62−50800 号公報に記載されている方
法を用いれば良い。

【００１４】次に、図２から図４を用いて、本発明の主
点である間投詞検出部５について説明する。

【００１５】間投詞を検出する手段には、いくつかの方
法が考えられるが、まず、母音性の継続の検出に基づい
て行う方法を説明する。

【００１６】図２は、間投詞検出部５の内部構造を示す
ブロック図である。音声分析部４により、入力音声の特
徴パタンが抽出され、間投詞検出部５に送られると、無
音区間検出部５１では、入力音声中の無音部区間が検出
される。フレーム間相関計算部５２では、入力音声の特
徴パタン自身のフレーム間相関の計算、および、入力音
声の特徴パタンと母音標準パタン格納部５５から読み込
まれた日本語の５母音（／ａ／，／ｉ／，／ｕ／，／ｅ
／，／ｏ／）の特徴パタン間の類似度の計算を行い、得
られる相関（距離）行列が定常部区間セグメンテーショ
ン部５３へ送られる。

【００１７】定常部区間セグメンテーション部５３で
は、送られた相関（距離）行列に基づき、入力音声の音
声区間中の母音性定常部区間を検出し、間投詞判断部５
４へ母音性定常部区間の個数、および、位置を送る。間
投詞判断部５４では、検出された母音性定常部区間が間
投詞であるかどうかの判断を行う。

【００１８】なお、無音声区間検出方法，フレーム間相
関計算方法，定常部区間セグメンテーション方法につい
ては、特開昭62−50800 号公報に記載されている方法を
用いれば良い。

【００１９】次に、間投詞判断部５４の処理を、フロー
チャートを用いて詳細に説明する。

【００２０】図３に間投詞判断部５４の一処理例のフロ
ーチャートを示す。このフローチャートは、言いよどん
だときに発声される「えー」などの間投詞を検出するた
めのフローである。言いよどんだときには、間投詞の特
徴である継続した母音性定常部区間に加えて、その前後
に長い無音区間を含む。従って、継続する母音性定常部
区間が検出され、さらに、この母音性定常部区間の前後
にしきい値以上の長さを持つ無音区間が検出されたなら
ば、この区間は間投詞であると判断することができる。

【００２１】以下、図３のフローチャートにそって説明
する。

【００２２】定常部セグメンテーション部５３により求
められた入力音声中の母音性定常部区間をＳｎ、その母
音性定常部区間長をＬｓｎ（ｎ＝１〜Ｎ、Ｎは検出され
た母音性定常部区間の個数）とする。

【００２３】間投詞判断処理を入力音声中始めに現われ
る母音性定常部区間Ｓ１（ｎ＝１）についてまず行う
（処理Ｐ１０２）。Ｌｓｎがしきい値Ｔｓ以上であれば
（処理Ｐ１０３）、この母音性定常部区間Ｓｎは間投詞
である可能性があるので、Ｓｎの前の無音区間Ｐｂｎの
有無を調べる（処理Ｐ１０４）。Ｓｎの前に無音区間Ｐ
ｂｎが存在し、その長さがしきい値Ｔｐｂ以上であれば
（処理Ｐ１０５）、さらにＳｎの後の無音区間Ｐａｎの
有無を調べる（処理Ｐ１０６）。Ｓｎの後に無音区間Ｐ
ａｎが存在し、その長さがしきい値Ｔｐａ以上であれば
(処理Ｐ１０７)、この母音性定常部区間Ｓｎは間投詞で
あると判断できる（処理Ｐ１０８）。今述べた条件が一
つでも満たされないのであれば、この母音性定常部区間
Ｓｎは間投詞ではないと判断する（処理Ｐ１１１）。母
音性定常部区間Ｓｎが間投詞であるかどうかの判断がＮ
個すべてに対して終了していないのであれば(処理Ｐ10
9)、ｎを更新し（処理Ｐ１１０）、次の入力音声中の母
音性定常部区間の間投詞判断を行うために再び処理Ｐ１
０３へ戻る。Ｎ個すべてに対し間投詞であるかどうかの
判断を終えたならば、間投詞判断処理を終了する。

【００２４】以上、間投詞区間を断定的に検出する一例
をフローチャートを用いて説明したが、間投詞検出結果
は、必ずしも断定的な結果である必要はなく、例えば、
ある長さ以上の母音性定常部区間が検出されたならば、
その区間は全て間投詞の可能性があるとし、警告信号の
ような形として、検出結果を出力しても良い。

【００２５】次に、間投詞検出部５の他の実施例とし
て、間投詞標準パタンを用いて間投詞の検出を行う方法
を説明する。

【００２６】図４は間投詞標準パタンを用いて間投詞の
検出を行うような間投詞検出部の内部構造を示すブロッ
ク図である。音声分析部４により、入力音声の特徴パタ
ンが抽出されると、得られた特徴パタンは間投詞照合部
５６へ送られる。間投詞照合部５６では、間投詞標準パ
タン格納部５７から読み込まれた間投詞標準パタンとの
照合を、入力音声パタン全体に対して行う。なお、ここ
で行う照合は、古井貞煕著、「ディジタル音声処理」東
海大学出版会(１９８５)ｐ.１７６〜ｐ.１７７に記載さ
れているようなワードスポッティングの手法を用いれば
よい。間投詞判断部５８では、間投詞標準パタンとの距
離がある閾値以下になる区間を間投詞区間の候補と判断
し、この判断結果を照合部６へ送る。

【００２７】

【発明の効果】本発明によれば、入力音声中に「え
ー」，「あのー」などの間投詞が含まれていても、これ
を検出し、間投詞の区間を照合の対象から外すので、他
の単語への誤認識のない音声認識装置を提供できる。

【図面の簡単な説明】

【図１】本発明の音声認識装置の構成を示すブロック
図。

【図２】間投詞検出部の内部構成を示すブロック図。

【図３】間投詞判断部の処理フローの一例を示すフロー
チャート。

【図４】間投詞標準パタンを用いて間投詞検出を行う間
投詞検出部の内部構成を示すブロック図。

【符号の説明】１…入力音声、２…音声入力部、３…音声区間検出部、
４…音声分析部、５…間投詞検出部、６…照合部、７…
判定部、８…標準パタン格納部。

Claims

【特許請求の範囲】

【請求項１】音声を入力する音声入力手段と、入力され
た音声中の音声区間を検出する音声区間検出手段と、所
定時間ごとに入力音声の特徴パタンを抽出する音声分析
手段と、入力音声の特徴パタンと標準パタンとを照合す
る手段と、照合結果の判定を行う手段とを含む音声認識
装置において、前記入力された音声に間投詞が存在する
かどうかを判断する間投詞検出手段を含むことを特徴と
する音声認識装置。
【請求項２】請求項１において、前記入力音声の特徴パ
タンと標準パタンとを照合する手段は、前記間投詞検出
手段により、間投詞として検出された区間以外の入力音
声区間に対してのみ照合を行う音声認識装置。
【請求項３】請求項１または２において、前記間投詞検
出手段は、入力音声の定常性および／または母音性の検
出結果に基づいて間投詞の検出を行う音声認識装置。
【請求項４】請求項１，２または３において、前記間投
詞検出手段は、間投詞の標準パタンを用意し、入力音声
と間投詞標準パタンと照合するようにし、照合結果に基
づいて検出する音声認識装置。