JPH09120294A - 音声認識装置および音声認識方法 - Google Patents

Abstract

(57)【要約】 【課題】 操作性がよく、かつ処理速度の速い音声認識
装置および音声認識方法を提供する。 【解決手段】 標準パターン格納部３４には音声の標準
パターンとともに、各標準パターンについての過去の正
答率および類似パターン数が格納されている。音声認識
部３８は、入力された音声のパターンとの一致度が大き
い標準パターンを認識候補として出力する。基準一致度
決定部４８は、認識候補の過去の正答率および類似パタ
ーン数、ならびに、音声入力時のＳ／Ｎ比に基づいて基
準一致度を出力する。選択方式決定部４０は、基準一致
度に基づいて、認識候補から正答を選択する選択方式を
決定する。したがって、認識候補の過去の正答率などを
考慮して基準一致度を動的に変更することができる。こ
のため、選択方式を決定する際、常に最適な基準一致度
を参照して処理を行なうことができる。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】この発明は、音声認識装置お
よび音声認識方法に関し、特に、音声の標準パターンと
入力された音声のパターンとの一致度に基づいて認識候
補を出力する技術に関する。

【０００２】

【従来の技術】製品の検査結果などを記録する際、音声
により入力するシステムが提案されている。図１５Ａ
に、このようなシステム等に用いられる従来の音声認識
装置の構成の一部を示す。標準パターン格納部４には、
例えば複数の単語について音声の標準パターンが格納さ
れている。

【０００３】音声認識部８では、音声入力部６から入力
された音声のパターンと、標準パターン格納部４に格納
されている各標準パターンとを比較し、入力された音声
のパターンに対する各標準パターンの一致度を算出す
る。一致度の比較的高い標準パターンは、認識候補とし
て出力される。ここでは、一致度として、入力された音
声のパターンから各標準パターンまでの距離を用いてい
る。したがって、距離が小さいほど一致度は大きい。

【０００４】選択方式決定部１０は、最も距離の小さ
い、つまり最も一致度の大きい認識候補（１位候補）の
距離が、基準となる距離（閾値）より小さいか大きいか
により、選択方式を決定する。たとえば閾値が”１０
０”であるとする。このとき、１位候補の距離が”９
０”となった場合には、選択方式として、ディスプレイ
（図示せず）などに１位候補のみを表示する方式を採用
することが決定される。

【０００５】一方、１位候補の距離が”１２０”となっ
た場合には、選択方式として、ディスプレイなどに１位
候補から３位候補までを表示する方式を採用することが
決定される。つまり、１位候補が正答に近いと判断した
場合は、１位候補のみを表示することとし、１位候補が
正答に近くないと判断した場合は、３位候補まで表示す
る。

【０００６】候補選択部１２は、選択方式決定部１０に
より決定された選択方式にしたがって認識候補をディス
プレイなどに表示し、操作者の選択入力を待つ。確定出
力部１４は、キーボード（図示せず）などから入力され
た選択入力にしたがって選択された認識候補（正答）を
確定された音声認識結果として出力し、ディスプレイな
どに表示する。

【０００７】このように、閾値を設定し、閾値との関係
に基づいて１位候補が正答に近いか否かを判断して選択
方式を決定する。

【０００８】

【発明が解決しようとする課題】しかしながら、このよ
うな従来の音声認識装置には次のような問題点があっ
た。従来の音声認識装置においては、閾値を固定的に設
定している（たとえば”１００”）。したがって、１位
候補となった標準パターンの過去の正答率が低い場合
や、１位候補となった標準パターンに類似する標準パタ
ーンが多数ある場合であっても、１位候補の距離が閾
値”１００”以下であれば、１位候補のみを表示する。
また、たとえば雑音が大きく所望の音声入力が聞取りに
くいような場合であっても、同様に、１位候補の距離が
閾値”１００”以下であれば、１位候補のみを表示す
る。

【０００９】つまり、２位候補以下の候補に正答がある
可能性が比較的高い場合であっても、一律に１位候補の
みを表示する。逆に、１位候補の距離が閾値”１００”
を超えれば、たとえ２位候補以下の候補に正答がある可
能性が極めて低い場合であっても、一律に３位候補まで
すべて表示する。このため、認識候補から正答を選択す
る際の操作性が悪く、迅速な音声認識処理を行なうこと
ができなかった。

【００１０】この発明は、このような従来の音声認識装
置の問題点を解消し、操作性がよく、かつ処理速度の速
い音声認識装置および音声認識方法を提供することを目
的とする。

【００１１】

【課題を解決するための手段】

【００１２】

【課題を解決するために案出した技術思想】操作性がよ
く、かつ処理速度の速い音声認識装置および音声認識方
法を提供するために、認識候補の処理の際に参照する基
準一致度を、認識候補として出力された標準パターンの
特徴量にしたがって変動させることとし、または、基準
一致度を、音声が入力された環境の特徴量にしたがって
変動させることとした。

【００１３】すなわち、請求項に記載した発明の構成を
示す第２図に記載しているように、請求項１の音声認識
装置は、音声の標準パターンを格納する標準パターン格
納手段２２、標準パターン格納手段２２に格納されてい
る標準パターンのうち、入力された音声のパターンとの
一致度が大きい標準パターンを認識候補として出力する
音声認識手段２４、を有する音声認識装置において、認
識候補として出力された標準パターンの特徴量に基づい
て、認識候補の処理の際に参照する基準一致度を出力す
る基準一致度決定手段２６、を備えたことを特徴とす
る。

【００１４】請求項２の音声認識装置は、請求項１の音
声認識装置において、特徴量が、認識候補として出力さ
れた標準パターンの過去の正答率であること、を特徴と
する。

【００１５】請求項３の音声認識装置は、請求項１の音
声認識装置において、特徴量が、認識候補として出力さ
れた標準パターンに類似する標準パターンの数である類
似パターン数であること、を特徴とする。

【００１６】また、請求項に記載した発明の構成を示す
第３図に記載しているように、請求項４の音声認識装置
は、音声の標準パターンを格納する標準パターン格納手
段２２、標準パターン格納手段２２に格納されている標
準パターンのうち、入力された音声のパターンとの一致
度が大きい標準パターンを認識候補として出力する音声
認識手段２４、を有する音声認識装置において、音声が
入力された環境の特徴量に基づいて、認識候補の処理の
際に参照する基準一致度を出力する基準一致度決定手段
２８、を備えたことを特徴とする。

【００１７】請求項５の音声認識装置は、請求項４の音
声認識装置において、特徴量が、音声が入力された際の
Ｓ／Ｎ比であること、を特徴とする。

【００１８】請求項６の音声認識装置は、請求項１、
２、３、４または５の音声認識装置において、基準一致
度決定手段の出力した基準一致度に基づいて、認識候補
から正答を選択する選択方式を決定する選択方式決定手
段、を備えたことを特徴とする。

【００１９】請求項７の音声認識装置は、請求項６の音
声認識装置において、基準一致度決定手段が、大きさの
異なる２つの基準一致度を出力するものであり、選択方
式決定手段が、基準一致度決定手段の出力した２つの基
準一致度に基づいて選択方式を決定するものであるこ
と、を特徴とする。

【００２０】請求項８の音声認識方法は、音声の標準パ
ターンのうち、入力された音声のパターンとの一致度が
大きい標準パターンを認識候補として出力する音声認識
方法において、認識候補として出力された標準パターン
の特徴量に基づいて、認識候補の処理の際に参照する基
準一致度を出力すること、を特徴とする。

【００２１】請求項９の音声認識方法は、音声の標準パ
ターンのうち、入力された音声のパターンとの一致度が
大きい標準パターンを認識候補として出力する音声認識
方法において、音声が入力された環境の特徴量に基づい
て、認識候補の処理の際に参照する基準一致度を出力す
ること、を特徴とする。

【００２２】請求項１０の音声認識方法は、請求項８ま
たは９の音声認識方法において、基準一致度に基づい
て、認識候補から正答を選択する選択方式を決定するこ
と、を特徴とする。

【００２３】請求項１１のコンピュータ可読の記憶媒体
は、請求項１から請求項１０のいずれかの請求項に記載
した音声認識装置または音声認識方法をコンピュータを
用いて実現するためのプログラム、を記憶したことを特
徴とする。

【００２４】

【用語の定義】課題を解決するために案出した技術思想
を表現する請求項での用語の概念を、次のとおり定義す
るとともに、その用語と実施形態との関係を説明する。

【００２５】「標準パターン」：単語等に関し、標準と
なるべき音声のパターンをいう。実施形態では、図６Ｃ
に示すパターンが該当する。

【００２６】「一致度」：入力された音声のパターンと
標準パターンとの一致の程度をいう。実施形態では、図
７Ａに示す距離ｄが該当する。なお、一致度として距離
ｄを採用した場合、距離ｄが小さいほど一致度は大き
く、距離ｄが大きいほど一致度は小さいことになる。

【００２７】「認識候補」：入力された音声のパターン
との一致度が大きい標準パターンをいう。実施形態で
は、図５のステップＳ２に示す音声認識処理により得ら
れる出力が該当する。

【００２８】「基準一致度」：認識候補の処理の際に参
照する一致度いう。実施形態では、図５のステップＳ８
の出力である閾値ｄ１および閾値ｄ２が該当する。

【００２９】「標準パターンの特徴量」：各標準パター
ンに固有の特徴を表わす量をいう。実施形態では、図５
のステップＳ６において得られる過去の正答率または類
似パターン数が該当する。

【００３０】「過去の正答率」：該標準パターンが最も
一致度の大きい認識候補（１位候補）であった場合おい
て該標準パターンが正答とされた割合をいう。実施形態
では、図５のステップＳ６において得られる過去の正答
率が該当する。

【００３１】「類似パターン数」：該標準パターンと類
似する標準パターンの数をいう。実施形態では、図５の
ステップＳ６において得られる類似パターン数が該当す
る。

【００３２】「音声が入力された環境の特徴量」：音声
入力時における周囲環境の特徴を表わす量をいう。実施
形態では、図５のステップＳ４において得られるＳ／Ｎ
比が該当する。

【００３３】「選択方式」：認識候補から正答を選択す
る方式をいう。実施形態では、図５のステップＳ１２、
Ｓ１６またはＳ１８に示す方式が該当する。

【００３４】

【発明の効果】請求項１の音声認識装置および請求項８
の音声認識方法は、認識候補として出力された標準パタ
ーンの特徴量に基づいて、認識候補の処理の際に参照す
る基準一致度を出力することを特徴とする。

【００３５】したがって、認識候補の有する特徴量に基
づいて、基準一致度を動的に変更することができる。こ
のため、選択方式を決定する際など認識候補の処理の際
に、出力された認識候補の有する特徴量に応じた最適な
基準一致度を参照し、これを基準としてて処理を行なう
ことができる。すなわち、操作性がよく、かつ処理速度
の速い音声認識装置および音声認識方法を実現すること
ができる。

【００３６】請求項２の音声認識装置は、請求項１の音
声認識装置において、特徴量が、認識候補として出力さ
れた標準パターンの過去の正答率であることを特徴とす
る。したがって、認識候補の過去の正答率が高い場合に
は基準一致度を小さくし、過去の正答率が低い場合には
基準一致度を大きくするよう構成することができる。

【００３７】つまり、認識候補の過去の正答率が高い場
合には一致度に対する判断基準を緩め、過去の正答率が
低い場合には一致度に対する判断基準を厳しく設定する
よう構成することができる。すなわち、出力された認識
候補の過去の正答率に応じた最適な基準一致度を参照
し、これを基準として処理を行なうことにより、より操
作性がよく、かつ処理速度の速い音声認識装置および音
声認識方法を実現することができる。

【００３８】請求項３の音声認識装置は、請求項１の音
声認識装置において、特徴量が、認識候補として出力さ
れた標準パターンの類似パターン数であることを特徴と
する。したがって、認識候補の類似パターン数が少ない
場合には基準一致度を小さくし、類似パターン数が多い
場合には基準一致度を大きくするよう構成することがで
きる。

【００３９】つまり、認識候補の類似パターン数が少な
い場合には一致度に対する判断基準を緩め、類似パター
ン数が多い場合には一致度に対する判断基準を厳しく設
定するよう構成することができる。すなわち、出力され
た認識候補の類似パターン数に応じた最適な基準一致度
を参照し、これを基準として処理を行なうことにより、
より操作性がよく、かつ処理速度の速い音声認識装置お
よび音声認識方法を実現することができる。

【００４０】請求項４の音声認識装置および請求項９の
音声認識方法は、音声が入力された環境の特徴量に基づ
いて、認識候補の処理の際に参照する基準一致度を出力
することを特徴とする。

【００４１】したがって、音声が入力された環境の特徴
量に基づいて、基準一致度を動的に変更することができ
る。このため、選択方式を決定する際など認識候補の処
理の際に、音声が入力された環境の特徴量に応じた最適
な基準一致度を参照し、これを基準としてて処理を行な
うことができる。すなわち、操作性がよく、かつ処理速
度の速い音声認識装置および音声認識方法を実現するこ
とができる。

【００４２】請求項５の音声認識装置は、請求項４の音
声認識装置において、特徴量が、音声が入力された際の
Ｓ／Ｎ比であることを特徴とする。したがって、音声が
入力された際のＳ／Ｎ比が高い場合には基準一致度を小
さくし、Ｓ／Ｎ比が低い場合には基準一致度を大きくす
るよう構成することができる。

【００４３】つまり、音声が入力された際のＳ／Ｎ比が
高い場合には一致度に対する判断基準を緩め、Ｓ／Ｎ比
が低い場合には一致度に対する判断基準を厳しく設定す
るよう構成することができる。すなわち、音声が入力さ
れた際のＳ／Ｎ比に応じた最適な基準一致度を参照し、
これを基準として処理を行なうことにより、より操作性
がよく、かつ処理速度の速い音声認識装置および音声認
識方法を実現することができる。

【００４４】請求項６の音声認識装置および請求項１０
の音声認識方法は、基準一致度に基づいて、認識候補か
ら正答を選択する選択方式を決定することを特徴とす
る。

【００４５】したがって、選択方式を決定する際、認識
候補の有する特徴量や音声が入力された環境の特徴量を
考慮することができる。すなわち、常に最適な選択方式
を与えることにより、操作性がよく、かつ処理速度の速
い音声認識装置および音声認識方法を実現することがで
きる。

【００４６】請求項７の音声認識装置は、請求項６の音
声認識装置において、大きさの異なる２つの基準一致度
に基づいて選択方式を決定することを特徴とする。

【００４７】したがって、選択方式を決定する際、２つ
の基準一致度を参照することで、より細分化された選択
方式の中から決定することができる。すなわち、より的
確な選択方式を与えることにより、操作性がよく、かつ
処理速度の速い音声認識装置および音声認識方法を実現
することができる。

【００４８】請求項１１のコンピュータ可読の記憶媒体
は、請求項１から請求項１０のいずれかの請求項に記載
した音声認識装置または音声認識方法をコンピュータを
用いて実現するためのプログラム、を記憶したことを特
徴とする。

【００４９】したがって、コンピュータに読取らせるこ
とにより、音声認識装置等を実現することができる。す
なわち、さらに容易に、操作性がよく、かつ処理速度の
速い音声認識装置等を実現することができる。

【００５０】

【発明の実施の形態】図１に、この発明の一実施形態に
よる音声認識装置３２の外観構成を示す。標準パターン
格納手段である標準パターン格納部３４には音声の標準
パターンとともに、各標準パターンについての過去の正
答率および類似パターン数が格納されている。

【００５１】音声認識手段である音声認識部３８は、標
準パターン格納部３４に格納されている標準パターンの
うち、音声入力部３６を介して入力された音声のパター
ンとの一致度が大きい標準パターンを認識候補として出
力するとともに、該一致度を出力する。

【００５２】基準一致度決定手段である基準一致度決定
部４８は、認識候補として出力された標準パターンの特
徴量である過去の正答率および類似パターン数、ならび
に、音声が入力された環境の特徴量である音声入力時の
Ｓ／Ｎ比に基づいて基準一致度を出力する。音声入力時
のＳ／Ｎ比は環境特徴量検出部４６によって検出され
る。

【００５３】選択方式決定手段である選択方式決定部４
０は、基準一致度決定部４８の出力した基準一致度に基
づいて、認識候補から正答を選択する選択方式を決定す
る。

【００５４】なお、この実施形態においては、基準一致
度決定部４８が、大きさの異なる２つの基準一致度を出
力し、選択方式決定部４０が、基準一致度決定部４８の
出力した２つの基準一致度に基づいて選択方式を決定す
るよう構成されている。

【００５５】候補選択部４２は、選択方式決定部４０に
より決定された選択方式にしたがって認識候補をＣＲＴ
５４（図４参照）などに表示し、操作者の選択入力を待
つ。確定出力部４４は、キーボード５８（図４参照）な
どから入力された選択入力にしたがって選択された認識
候補（正答）を確定された音声認識結果として出力し、
ＣＲＴ５４などに表示する。

【００５６】図４に、図１に示す音声認識装置３２の各
機能をＣＰＵ５０を用いて実現した場合のハードウェア
構成を示す。音声認識装置３２は、ＣＰＵ５０、メモリ
５２、ＣＲＴ５４、ＦＤドライブ５６、キーボード５
８、マウス６０、マイクロフォン６２およびスピーカー
６４を備えている。

【００５７】ＦＤドライブ５６は、コンピュータ可読の
記憶媒体であるフレキシブルディスクの記憶内容を読取
る。メモリ５２は、読取った記憶内容であるプログラム
を記憶する。ＣＰＵ５０は、メモリ５２に記憶されてい
るプログラムに従って所定の処理を行なう。ＣＲＴ５４
およびスピーカー６４は各種出力のために用いられ、キ
ーボード５８、マウス６０、マイクロフォン６２は各種
入力のために用いられる。

【００５８】なお、ＣＰＵ５０は図１に示す音声認識部
３８、選択方式決定部４０、候補選択部４２、確定出力
部４４、環境特徴量検出部４６および基準一致度決定部
４８に対応する。メモリ５２は、標準パターン格納部３
４に対応する。また、マイクロフォン６２は音声入力部
３６に対応する。

【００５９】つぎに図５に、音声認識装置３２による処
理のフローチャートを示す。図４を参照しつつ、図５に
基づいて、音声認識装置２２による処理の流れを説明す
る。まず、ＣＰＵ５０は、マイクロフォン６２から入力
された音声をいったんメモリ５２に取込み、取込んだ音
声入力に対し音声認識処理を行なう（ステップＳ２）。

【００６０】音声認識処理は、あらかじめ作成してメモ
リ５２に記憶しておいた標準パターンのうち、取込んだ
音声のパターンとの一致度が比較的大きい標準パターン
を認識候補として出力することにより行なう。

【００６１】すなわちＣＰＵ５０は、取込んだ音声（図
６Ａ参照）に対しケプストラム変換等周知の適当な処理
を施すことにより、たとえば１５次元の特徴ベクトルを
時系列に配置したベクトル列（Ｓ１、Ｓ２、...、Ｓ
Ｔ）（図６Ｂ参照）を得る。このベクトル列を入力パタ
ーンＳという。入力パターンＳとあらかじめ用意された
標準パターンＲ（＝（Ｒ１、Ｒ２、...、ＲＴ））（図
６Ｃ参照）との距離ｄを算出する。

【００６２】一致度である距離ｄは、図７Ａに示す式に
より算出される。距離ｄが小さいほど一致度は大きい。
たとえば、入力パターンＳと標準パターンＲとが完全に
一致した場合には、距離ｄは零となる。なお、図７Ａに
示す式において、ｓ_i,jは、入力パターンＳを成分表示
した場合（図７Ｂ参照）の各成分を表わし、ｒ_i,jは、
標準パターンＲを成分表示した場合（図７Ｃ参照）の各
成分を表わす。

【００６３】ＣＰＵ５０は、このようにして、予め用意
された全ての標準パターンＲ、...について、入力パタ
ーンＳとの距離ｄ、...を算出し、入力パターンＳに対
する距離ｄが比較的小さい（一致度が比較的大きい）標
準パターンを認識候補として出力する。

【００６４】つぎにＣＰＵ５０は、音声入力時のＳ／Ｎ
比を取得する（ステップＳ４）。ＣＰＵ５０は、処理す
べき音声入力がない場合には周囲の雑音を記録してい
る。Ｓ／Ｎ比は、処理すべき音声入力直前の雑音のレベ
ルに対する処理すべき入力音声のレベルの比として、Ｃ
ＰＵ５０が算出する。

【００６５】つぎにＣＰＵ５０は、ステップＳ２におい
て得た認識候補のうち入力パターンＳに対する距離ｄが
最も小さい（一致度が最も大きい）標準パターン（１位
候補）についての過去の正答率と類似パターン数を、メ
モリ５２から取得する（ステップＳ６）。

【００６６】過去の正答率は、過去に該標準パターンが
１位候補とされた場合おいて該標準パターンが正答とさ
れた率をいい、メモリ５２に格納されている。また、類
似パターン数は、該標準パターンと類似する標準パター
ンの数であり、具体的には、該標準パターンに対する距
離ｄが所定値以下である標準パターンの数をいう。類似
パターン数もメモリ５２に格納されている。

【００６７】取得したＳ／Ｎ比、１位候補の過去の正答
率および類似パターン数に基づいて、ＣＰＵ５０は、距
離ｄに関する閾値ｄ１および閾値ｄ２を算出する（ステ
ップＳ８）。この２つの閾値ｄ１およびｄ２が基準一致
度に対応し、後述する選択方式を決定するために参照さ
れる。この実施形態においては、閾値ｄ１および閾値ｄ
２はファジー演算により求められる。

【００６８】図８（イ）〜（リ）に、閾値ｄ１および閾
値ｄ２を求めるためのファジールールを示す。ファジー
ルールは、Ｓ／Ｎ比が高いほど閾値ｄ１およびｄ２を大
きくし、１位候補の正答率が高いほど閾値ｄ１およびｄ
２を大きくし、１位候補の類似パターン数が少ないほど
閾値ｄ１およびｄ２を大きくするよう構成されている。
図９に、ファジールールの前件部に関するメンバシップ
関数を示す。また図１０に、後件部に関するメンバシッ
プ関数を示す。

【００６９】図８に示すファジールールならびに図９お
よび図１０に示すメンバシップ関数を用いて閾値ｄ１を
算出する数式を例示する。

【００７０】

【数１】

【００７１】たとえば、正答率９５％、類似パターン数
２、Ｓ／Ｎ比１００である場合は、正答率９５％に対し
て、 ＰＬ_h＝０．０ ＰＭ_h＝１．０ ＰＳ_h＝０．０ となり、類似パターン数２に対して、 ＰＳ_r＝０．５ ＰＭ_r＝０．５ ＰＬ_r＝０．０ となり、Ｓ／Ｎ比１００に対して、 ＰＬ_s＝１．０ ＰＭ_s＝０．０ ＰＳ_s＝０．０ となるから、閾値ｄ１は、上式を用いて次のように計算
される。

【００７２】

【数２】

【００７３】すなわち、上述のように、Ｓ／Ｎ比が高
く、正答率が高く、類似パターン数が少ない場合には、
閾値ｄ１が大きくなることがわかる。閾値ｄ２について
も、同様の計算を行なう。

【００７４】なお、図１１は、正答率が９５％で、かつ
類似パターン数が２である場合の、Ｓ／Ｎ比と閾値ｄ１
およびｄ２との関係を示す図である。図１２は、Ｓ／Ｎ
比が８０で、かつ類似パターン数が２である場合の、正
答率と閾値ｄ１およびｄ２との関係を示す図である。ま
た、図１３は、Ｓ／Ｎ比が８０で、かつ正答率が９５％
である場合の、類似パターン数と閾値ｄ１およびｄ２と
の関係を示す図である。

【００７５】つぎにＣＰＵ５０は、閾値ｄ１およびｄ２
に基づき選択方式を決定する。選択方式を決定するため
のアルゴリズムを図１４に示す。選択方式を決定するた
めに、ＣＰＵ５０は、まず１位候補の距離ｄと閾値ｄ１
とを比較する（ステップＳ１０）。１位候補の距離ｄが
閾値ｄ１より小さい場合は、選択方式Ｃ１を採用する
（ステップＳ１２）。選択方式Ｃ１が採用されるとＣＰ
Ｕ５０は、ＣＲＴ５４またはスピーカー６４を介して、
１位候補を「〜ですね。」という形で出力する。この場
合、キーボード５８、マウス６０、マイクロフォン６２
などを介して、一定時間応答がない場合は、１位候補を
音声認識結果として確定する（ステップＳ２０）。

【００７６】一方、ステップＳ１０において、１位候補
の距離ｄが閾値ｄ１より小さくない場合は、１位候補の
距離ｄと閾値ｄ２とを比較する（ステップＳ１４）。１
位候補の距離ｄが閾値ｄ２より小さい場合は、選択方式
Ｃ２を採用する（ステップＳ１６）。選択方式Ｃ２が採
用されるとＣＰＵ５０は、ＣＲＴ５４またはスピーカー
６４を介して、１位候補を「〜でよろしいですか。」と
いう形で出力する。この場合、キーボード５８、マウス
６０、マイクロフォン６２などを介して、「はい」また
は「いいえ」が入力されるのを待つ。「はい」が入力さ
れた場合は、１位候補を音声認識結果として確定する
（ステップＳ２０）。なお、「いいえ」が入力された場
合は、２位候補以下の認識候補を順次同様の方法で出力
し、入力を待つ。

【００７７】ステップＳ１４において、１位候補の距離
ｄが閾値ｄ２より小さくない場合は、選択方式Ｃ３を採
用する（ステップＳ１８）。選択方式Ｃ３が採用される
とＣＰＵ５０は、ＣＲＴ５４またはスピーカー６４を介
して、複数の認識候補（例えば１位候補〜３位候補）出
力するとともに「正答を選択して下さい。」との表現を
出力する。この場合、キーボード５８、マウス６０、マ
イクロフォン６２などを介して、正答とすべき候補の順
位番号などが入力されるのを待つ。入力された順位番号
の認識候補を音声認識結果として確定する（ステップＳ
２０）。

【００７８】つぎにＣＰＵ５０は、音声認識結果として
確定した認識候補（確定結果）を、ＣＲＴ５４、スピー
カー６４などを介して出力し（ステップＳ２２）、一連
の処理を終了する。なお、確定した認識候補が１位候補
であった場合には、ＣＰＵ５０は、メモリ５２に記憶さ
れている該認識候補に関する正答率を更新する。

【００７９】なお、ステップＳ２が図１の音声認識部３
８に、ステップＳ４が環境特徴量検出部４６に、ステッ
プＳ８が基準一致度決定部４８に、ステップＳ１０〜ス
テップＳ２０が選択方式決定部４０および候補選択部４
２に、ステップＳ２２が確定出力部４４に、それぞれ対
応する。

【００８０】なお、上述の実施形態においては、１位候
補の距離ｄと閾値ｄ１、ｄ２との関係により選択方式を
決定するよう構成したが、２位以下の候補の距離ｄと閾
値ｄ１、ｄ２との関係により選択方式を決定することも
できる。また、１位候補の距離ｄおよび２位以下の候補
の距離をともに参照して選択方式を決定することもでき
る。この場合、閾値ｄ１、ｄ２を算出するに際し、図８
に示すファジールール以外のファジールールを適用する
こともできる。

【００８１】また、ファジー演算を用いて閾値ｄ１およ
びｄ２を算出するよう構成したが、ファジー演算以外の
方法により閾値ｄ１およびｄ２を算出するよう構成する
こともできる。

【００８２】また、大きさの異なる２つの閾値ｄ１およ
びｄ２を用いて選択方式を決定するよう構成したが、１
つの閾値または３以上の閾値を用いて選択方式を決定す
るよう構成することもできる。

【００８３】また、閾値を用いて選択方式を決定する処
理を例に説明したが、この発明は閾値を用いて選択方式
の決定以外の処理を行なう場合にも適用することができ
る。

【００８４】また、一致度として入力パターンＳと標準
パターンＲとの距離ｄを用いたが、一致度として距離ｄ
以外のものを用いてもよい。

【００８５】また、１位候補の特徴量として、過去の正
答率および類似パターン数の双方を用いたが、１位候補
の特徴量として、過去の正答率または類似パターン数の
いずれか一方を用いるよう構成することもできる。さら
に、１位候補の特徴量として、過去の正答率または類似
パターン数以外のものを用いることもできる。

【００８６】また、認識候補として出力された標準パタ
ーンの特徴量として、１位候補の特徴量を用いたが、認
識候補として出力された標準パターンの特徴量として
は、１位候補以外の特徴量を用いることもできる。たと
えば、１位候補の特徴量と２位以下の候補の特徴量との
差を用いるよう構成することもできる。

【００８７】また、音声が入力された環境の特徴量とし
てＳ／Ｎ比を用いたが、音声が入力された環境の特徴量
としては、Ｓ／Ｎ比以外のものを用いることもできる。

【００８８】また、基準一致度を、認識候補として出力
された標準パターンの特徴量および音声が入力された環
境の特徴量の双方に基づいて求めるよう構成したが、基
準一致度を、認識候補として出力された標準パターンの
特徴量および音声が入力された環境の特徴量のいずれか
一方に基づいて求めるよう構成することもできる。

【００８９】また、音声認識処理として図６および図７
に示す方法を用いた場合を例に説明したが、音声認識処
理はこれに限定されるものではない。

【００９０】また、コンピュータ可読の記憶媒体とし
て、フレキシブルディスクを用いるよう構成したが、コ
ンピュータ可読の記憶媒体として、ハードディスクや光
ディスク等を用いることもできる。

【００９１】なお、上述の実施形態においては、ＣＰＵ
５０を用いて、図１に示す音声認識装置の各機能を実現
した場合を例に説明したが、当該各機能の一部または全
部を、ハードウェアロジックにより実現することもでき
る。

【図面の簡単な説明】

【図１】この発明の一実施形態による音声認識装置の全
体構成を示す図面である。

【図２】請求項に記載した音声認識装置の構成を示す図
面である。

【図３】請求項に記載した音声認識装置の構成を示す図
面である。

【図４】この発明の一実施形態による音声認識装置の各
機能をＣＰＵを用いて実現した場合のハードウェア構成
を示す図面である。

【図５】この発明の一実施形態による音声認識装置にお
ける処理の流れを示すフローチャートである。

【図６】この発明の一実施形態による音声認識装置にお
ける音声認識処理を説明するための図面である。

【図７】この発明の一実施形態による音声認識装置にお
ける音声認識処理を説明するための図面である。

【図８】閾値を算出するためのファジー演算に用いるフ
ァジールールの一例を示す図面である。

【図９】ファジー演算に用いるファジールールの前件部
に関するメンバシップ関数の一例を示す図面である。

【図１０】ファジー演算に用いるファジールールの後件
部に関するメンバシップ関数の一例を示す図面である。

【図１１】正答率が９５％で、かつ類似パターン数が２
である場合の、Ｓ／Ｎ比と閾値ｄ１およびｄ２との関係
を示す図面である。

【図１２】Ｓ／Ｎ比が８０で、かつ類似パターン数が２
である場合の、正答率と閾値ｄ１およびｄ２との関係を
示す図面である。

【図１３】Ｓ／Ｎ比が８０で、かつ正答率が９５％であ
る場合の、類似パターン数と閾値ｄ１およびｄ２との関
係を示す図面である。

【図１４】閾値ｄ１およびｄ２に基づき選択方式を決定
するためのアルゴリズムを示す図面である。

【図１５】従来の音声認識装置の全体構成を示す図面で
ある。

【符号の説明】

３４・・・・・標準パターン格納部 ３８・・・・・音声認識部 ４０・・・・・選択方式決定部 ４８・・・・・基準一致度決定部

Claims (11)

【特許請求の範囲】
1. 【請求項１】音声の標準パターンを格納する標準パター
   ン格納手段、 標準パターン格納手段に格納されている標準パターンの
   うち、入力された音声のパターンとの一致度が大きい標
   準パターンを認識候補として出力する音声認識手段、 を有する音声認識装置において、 認識候補として出力された標準パターンの特徴量に基づ
   いて、認識候補の処理の際に参照する基準一致度を出力
   する基準一致度決定手段、 を備えたことを特徴とする音声認識装置。
2. 【請求項２】請求項１の音声認識装置において、 前記特徴量が、認識候補として出力された標準パターン
   の過去の正答率であること、 を特徴とする音声認識装置。
3. 【請求項３】請求項１の音声認識装置において、 前記特徴量が、認識候補として出力された標準パターン
   に類似する標準パターンの数である類似パターン数であ
   ること、 を特徴とする音声認識装置。
4. 【請求項４】音声の標準パターンを格納する標準パター
   ン格納手段、 標準パターン格納手段に格納されている標準パターンの
   うち、入力された音声のパターンとの一致度が大きい標
   準パターンを認識候補として出力する音声認識手段、 を有する音声認識装置において、 音声が入力された環境の特徴量に基づいて、認識候補の
   処理の際に参照する基準一致度を出力する基準一致度決
   定手段、 を備えたことを特徴とする音声認識装置。
5. 【請求項５】請求項４の音声認識装置において、 前記特徴量が、音声が入力された際のＳ／Ｎ比であるこ
   と、 を特徴とする音声認識装置。
6. 【請求項６】請求項１、２、３、４または５の音声認識
   装置において、 前記基準一致度決定手段の出力した基準一致度に基づい
   て、認識候補から正答を選択する選択方式を決定する選
   択方式決定手段、 を備えたことを特徴とする音声認識装置。
7. 【請求項７】請求項６の音声認識装置において、 前記基準一致度決定手段が、大きさの異なる２つの基準
   一致度を出力するものであり、 前記選択方式決定手段が、基準一致度決定手段の出力し
   た２つの基準一致度に基づいて選択方式を決定するもの
   であること、 を特徴とする音声認識装置。
8. 【請求項８】音声の標準パターンのうち、入力された音
   声のパターンとの一致度が大きい標準パターンを認識候
   補として出力する音声認識方法において、 認識候補として出力された標準パターンの特徴量に基づ
   いて、認識候補の処理の際に参照する基準一致度を出力
   すること、 を特徴とする音声認識方法。
9. 【請求項９】音声の標準パターンのうち、入力された音
   声のパターンとの一致度が大きい標準パターンを認識候
   補として出力する音声認識方法において、 音声が入力された環境の特徴量に基づいて、認識候補の
   処理の際に参照する基準一致度を出力すること、 を特徴とする音声認識方法。
10. 【請求項１０】請求項８または９の音声認識方法におい
    て、 前記基準一致度に基づいて、認識候補から正答を選択す
    る選択方式を決定すること、 を特徴とする音声認識方法。
11. 【請求項１１】請求項１から請求項１０のいずれかの請
    求項に記載した音声認識装置または音声認識方法をコン
    ピュータを用いて実現するためのプログラム、を記憶し
    たことを特徴とするコンピュータ可読の記憶媒体。