JPH09127981A - 音声認識装置及び方法 - Google Patents

Abstract

(57)【要約】 【課題】利用者自身が認識応答時間あるいは認識性能を
任意に設定でき、しかも利用者の設定した認識応答時間
あるいは認識性能が実現できるようにする。 【解決手段】入力音声を音響分析して求めた特徴パラメ
ータ系列と音声モデル記憶部１３に記憶されているＮ個
の認識語彙の各音声モデルとをモデル照合部１２にて照
合することで入力音声を認識する音声認識装置に、目標
応答時間Ｔを入力するための目標応答時間入力部１４
と、入力目標応答時間Ｔと認識語彙数Ｎをもとに閾値Ｄ
（ｔ）を決定してモデル照合部１２に与える探索空間制
御部１５とを設け、モデル照合部１２では、入力音声の
特徴パラメータ系列と照合の対象となる認識語彙の音声
モデルとの距離を時刻ｔの関数ｄｋ（ｔ）とすると、こ
の距離ｄｋ（ｔ）が閾値Ｄ（ｔ）よりも大きくなった場
合に、当該音声モデルをその時刻ｔ以降の照合対象から
除外することで認識応答時間を制御する構成とする。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は、許容範囲内の認識
応答時間または認識性能で、最小限の応答時間または最
大限の認識性能を実現するのに好適な音声認識装置及び
方法に関する。

【０００２】

【従来の技術】従来、音声認識装置は、入力音声を音響
分析して求めた特徴パラメータ系列とあらかじめ作成し
ておいた音声モデルとを認識対象語彙数分照合して、入
力音声を認識するのが一般的であった。

【０００３】この種の音声認識装置における認識応答時
間や認識性能（例えば認識率）は、装置の処理性能及び
認識対象語彙数等に依存しており、外部から制御するこ
とができなかった。

【０００４】このため、認識対象語彙数に関係なくー定
時間での応答を実現するシステムや、応答時間を犠牲に
しても高精度な認識を実現するシステムの構築が困難で
あった。

【０００５】

【発明が解決しようとする課題】上記したように従来の
音声認識装置では、認識応答時間や認識性能を外部から
制御することができなかったため、認識対象語彙数に関
係なくー定時間での応答を実現するシステムや、応答時
間を犠牲にしても高精度な認識を実現するシステムの構
築が困難であった。特に、パーソナルコンコピュータ上
などで、ソフトウェアによって音声認識装置を実現した
場合には、ハードウェアの性能や、同時に実行される他
のソフトウェアとの関係によって、認識応答速度にばら
つきが生じる問題があった。

【０００６】本発明は上記事情を考慮してなされたもの
でその目的は、利用者自身が目標とする認識応答時間
（目標応答時間）あるいは認識性能（目標認識性能）を
任意に設定することができ、しかも利用者の設定した認
識応答時間あるいは認識性能が実現でき、もって使い勝
手のよい利用者希望のシステムを構築できる音声認識装
置を提供することにある。

【０００７】

【課題を解決するための手段】本発明の第１の観点に係
る音声認識装置は、入力音声を音響分析して求めた特徴
パラメータ系列とあらかじめ作成しておいた各認識対象
語彙の音声モデルとを照合して、入力音声を認識する音
声認識装置において、当該音声認識装置での認識応答時
間の目標応答時間または認識性能の目標認識性能を外部
から入力するための入力手段と、上記認識応答時間また
は認識性能が上記入力手段により入力された目標応答時
間または目標認識性能に近づくように上記照合時に当該
目標応答時間または目標認識性能に応じて探索空間の制
約の度合いを制御する探索空間制御手段とを備えたこと
を特徴とする。

【０００８】ここで、探索空間の制約の度合いを制御す
るには、例えば上記音声モデルとの照合手法としてＤＰ
（動的計画）法を使用する場合であれば、目標応答時間
が短い（長い）ほど値が小さく（大きく）なり、時刻ｔ
が経過するほど値が大きくなる閾値Ｄ（ｔ）を導入し、
入力音声の特徴パラメータ系列と音声モデルとの距離を
時刻ｔの関数ｄｋ（ｔ）とすると、この距離ｄｋ（ｔ）
が上記閾値Ｄ（ｔ）よりも大きくなった場合には、当該
音声モデルをその時刻ｔ以降の照合対象から除外するよ
うな制御方法を適用するとよい。また、認識対象語彙数
が固定でない場合には、上記の目標応答時間、時刻ｔの
他に、認識対象語彙数を考慮して、当該認識対象語彙数
が多く（少なく）、且つ目標応答時間が短い（長い）ほ
ど値が小さく（大きく）なり、時刻ｔが経過するほど値
が大きくなる閾値Ｄ（ｔ）を導入するとよい。

【０００９】また、音声モデルとの照合で類似度ｓｋ
（ｔ）を求めるものである場合には、目標応答時間が短
く（長く）、且つ認識対象語彙数が多い（少ない）ほど
値が大きく（小さく）なり、時刻ｔが経過するほど値が
小さくなる閾値Ｓ（ｔ）を導入し、類似度ｓｋ（ｔ）が
閾値Ｓ（ｔ）よりも小さくなった場合に、その際の音声
モデルをその時刻ｔ以降の照合対象から除外するような
制御方法を適用するとよい。

【００１０】本発明の第２の観点に係る音声認識装置
は、２つ以上のアプリケーシヨンプログラムで使用可能
な音声認識装置であって、上記第１の観点に係る音声認
識装置の構成に、上記入力手段により入力される目標応
答時間または目標認識性能を各アプリケーシヨンプログ
ラムごとに受け付けて設定する入力インタフェース手段
をさらに備えたもので、各アプリケーションプログラム
ごとに設定された目標応答時間または目標認識性能に応
じて、上記探索空間制御手段が対応するアプリケーショ
ンプログラムごとに探索空間の制約の度合いを制御する
ことを特徴とする。

【００１１】本発明の第３の観点に係る音声認識装置
は、上記第１の観点に係る音声認識装置の構成に、上記
入力手段により入力された目標応答時間内で認識処理を
終了することが可能であるか否か、または入力された目
標認識性能での認識結果出力が可能であるか否かを予測
する予測手段と、この予測手段により目標応答時間内で
認識処理を終了することが不可能であること、または目
標認識性能での認識結果出力が不可能であることが予測
された場合に、その旨を示すメッセージを出力するメッ
セージ出力手段とをさらに備えたことを特徴とする。

【００１２】本発明の第４の観点に係る音声認識装置
は、目標応答時間に応じて探索空間の制約の度合いが制
御される上記第１の観点に係る音声認識装置の構成に、
過去の音声認識時の認識応答時間を管理・記憶しておく
ための応答時間記憶手段をさらに備えたもので、上記探
索空間制御手段において、上記入力手段により入力され
た目標応答時間と上記応答時間記憶手段に記憶されてい
る過去の認識応答時間とを比較し、その比較結果をもと
に実際の認識応答時間が目標応答時間に近づくように探
索空間の制約の度合いを制御することを特徴とする。

【００１３】本発明の第５の観点に係る音声認識装置
は、入力音声を音響分析して求めた特徴パラメータ系列
とあらかじめ作成しておいた各認識対象語彙の音声モデ
ルとを照合して、入力音声を認識する音声認識装置にお
いて、各認識対象語彙の音声モデルを複数の組にランク
分けして管理・記憶しておくための音声モデル記憶手段
と、この音声モデル記憶手段に記憶されている各認識対
象語彙の音声モデルと上記特徴パラメータ系列との照合
処理をランク別に段階的に行うモデル照合手段であっ
て、１つのランクの各認識対象語彙の音声モデルを対象
とする照合処理に伴う認識結果の出力終了の都度、認識
対象語彙を拡張し、次のランクの各認識対象語彙の音声
モデルを対象とする照合処理を行うモデル照合手段とを
備えたことを特徴とする。

【００１４】上記第１の観点に係る音声認識装置によれ
ば、目標応答時間が入力設定される構成の場合には、そ
の目標応答時間に応じて探索空間の制約の度合い（探索
空間の範囲）が制御されるため、応答時間に余裕がある
場合には、探索空間を絞り込まないモデルの照合が可能
となり、高精度な音声認識システムを実現することがで
きる。また、速い応答が要求される場合には、探索空間
を絞り込むことによって応答速度を速くして、使い勝手
のよい音声認識システムを実現することができる。一
方、目標認識性能が入力設定される構成の場合には、そ
の目標認識性能に応じて探索空間の制約の度合いが制御
されるため、必要以上の計算を行わないようにすること
ができ、例えばパーソナルコンピユータのソフトウェア
のみで音声認識を実現した場合に、音声認識処理とそれ
以外の処理に割くプロセッサの計算能力の割合を制御す
ることが可能となる。これにより、音声認識処理の負荷
が大きすぎて、他の処理が止まってしまうといった問題
を回避することができる。

【００１５】次に、上記第２の観点に係る音声認識装置
によれば、目標応答時間が入力設定される構成の場合に
は、アプリケーシヨンプログラムごとに目標応答時間が
設定できるため、速い応答速度を必要とするアプリケー
シヨンプログラムと応答速度は遅くてもよいアプリケー
シヨンプログラムを同時に使用する場合にも、２つの音
声認識装置を使用することなく、１つの音声認識装置を
使用して実現することができる。一方、目標認識性能が
入力設定される構成の場合には、アプリケーシヨンプロ
グラムごとに目標認識性能が設定できるため、高い認識
性能を要求するアプリケーシヨンプログラムと認識性能
は低くてもよいアプリケーシヨンプログラムを同時に使
用する場合にも、２つの音声認識装置を使用することな
く、１つの音声認識装置を使用して実現することができ
る。

【００１６】次に、本発明の第３の観点に係る音声認識
装置によれば、目標応答時間が入力設定される構成の場
合には、実現が不可能な目標応答時間が要求されたとし
ても、ユーザにその旨を伝えるメッセージ（例えば目標
応答時間の延長または認識対象語彙数の削減を要求する
メッセージ）が出力されるため、過剰に探索空間を絞り
込んで認識性能を低下させるなどの危険を回避すること
ができる。一方、目標認識性能が入力設定される構成の
場合には、実現不可能な認識性能が要求されたとして
も、ユーザにその旨を伝えるメッセージ（例えば認識性
能のダウンまたは認識対象語彙数の削減を要求するメッ
セージ）が出力されるため、能力以上の期待をユーザに
与えるのを防ぐことができる。

【００１７】次に、本発明の第４の観点に係る音声認識
装置によれば、過去の応答時間を使用して動的に探索空
間が制御されるため、指定された目標応答時間により近
い認識応答時間を実現することができる。

【００１８】次に、本発明の第５の観点に係る音声認識
装置によれば、音声モデル記憶手段に記憶されている各
認識対象語彙の音声モデルと特徴パラメータ系列との照
合処理がランク別に段階的に行われ、１つのランクの各
認識対象語彙の音声モデルを対象とする照合処理に伴う
認識結果の出力終了の都度、認識対象語彙が拡張された
照合処理が継続される。このように、認識対象語彙の範
囲に単純に制限を加えるものではないことから、入力音
声に一致する語彙が認識対象に含まれていないために誤
認識する問題を回避できる。また、既に照合処理が済ん
でいる認識語彙の中に入力音声に一致する語彙が存在し
ないことを確認した段階で、次のランクの認識対象語彙
についての照合処理を開始するものでもないため、高速
処理が可能となる。

【００１９】

【発明の実施の形態】以下、本発明の実施の形態につき
図面を参照して説明する。 ［第１の実施形態］図１は本発明の第１の実施形態に係
る音声認識装置のブロック構成図である。

【００２０】図１において、音声入力部１０は、利用者
の発した音声を入力して音声信号に変換するものであ
り、マイクロホン等の音声入力手段を用いて実現され
る。音声入力部１０により入力された音声（音声信号）
は、音響分析部１１に与えられる。

【００２１】音響分析部１１は、音声入力部１０により
入力された音声を音響分析して当該入力音声の特徴パラ
メータ系列を取得する。一般に、音声認識に使用される
代表的な特徴パラメータとしては、バンドパスフィルタ
やフーリエ変換によって求めることができるパワースペ
クトルやＬＰＣ（線形予測）分析によって求めたケプス
トラム係数などがよく用いられるが、ここではその特徴
パラメータの種類は問わない。音響分析部１１は求めた
特徴パラメータ系列をモデル照合部１２に出力する。

【００２２】モデル照合部１２は、音声モデル記憶部１
３に記憶されている認識対象音声の各音声モデルＭｋと
特徴パラメータ系列との類似度あるいは距離を求めるた
めの周知の演算（照合処理）を行う。ここで、音声モデ
ル記憶部１３に記憶されている各音声モデルＭｋは、認
識語彙入力部１６から入力された認識語彙に従ってあら
かじめ作成されたものである。この認識語彙入力部１６
は、（図示せぬ音声モデル作成部で）音声モデルＭｋを
作成するのに必要な認識語彙の読み等の情報をキーボー
ドやファイルから入力することで実現することができ
る。

【００２３】モデル照合部１２での照合方法としては、
音声モデルＭｋも特徴パラメータ系列で表現しておき、
ＤＰ（動的計画）法で音声モデルＭｋの特徴パラメータ
系列と入力音声の特徴パラメータ系列の距離を求める手
法や、ＨＭＭ（隠れマルコフモデル）を用いて音声モデ
ルＭｋを表現しておき、入力音声の特徴パラメータ系列
が入力されたときの各音声モデルＭｋの確率を計算する
手法などが広く使用されているが、ここではその手法は
問わない。

【００２４】さて、図１の音声認識装置には、本実施形
態における最も特徴的な構成要素である目標応答時間入
力部１４及び探索空間制御部１５が設けられている。目
標応答時間入力部１４は、（認識対象となる音声の）発
声終了後認識結果を出力するまでに許される応答時間
（目標応答時間）Ｔをユーザ（あるいはシステム開発
者）が入力するための手段であり、例えば、キーボード
で実現することができる。目標応答時間入力部１４によ
り入力された目標応答時間Ｔは探索空間制御部１５に与
えられる。この探索空間制御部１５には、認識語彙入力
部１６により入力された認識語彙（認識対象語彙）の総
数（認識語彙数）Ｎの情報が当該入力部１６から与えら
れるようになっている。

【００２５】探索空間制御部１５は、装置の実際の応答
時間（認識応答時間）を探索空間制御部１５により入力
された目標応答時間Ｔに近づけるために、モデル照合部
１２での探索空間の範囲を制御する。以下、探索空間制
御部１５による探索空間範囲の制御につき、モデル照合
部１２での照合手法としてＤＰ法が使用される場合を例
に説明する。

【００２６】まず本実施形態では、モデル照合部１２で
の照合処理で得られる入力音声の特徴パラメータ系列と
（ある認識語彙の）音声モデルＭｋとの距離を時刻ｔの
関数ｄｋ（ｔ）とすると、この距離ｄｋ（ｔ）が閾値Ｄ
（ｔ）よりも大きくなった場合には、当該音声モデルＭ
ｋをモデル照合部１２でのその時刻ｔ以降の照合対象か
ら除外することによって認識応答時間を制御するように
している。そこで探索空間制御部１５は、上記閾値Ｄｋ
（ｔ）を目標応答時間入力部１４から入力された目標応
答時間Ｔ及び認識語彙入力部１６から入力された認識語
彙の総数（認識語彙数）Ｎに応じて決定してモデル照合
部１２に与えることで、当該モデル照合部１２での探索
空間範囲を制御する。

【００２７】ここでは、閾値Ｄ（ｔ）は、目標応答時間
Ｔと認識語彙数Ｎと時刻ｔの関数として、次式 Ｄ（ｔ）＝Ａ（Ｔ／Ｎ）ｔ＋Ｂ （Ａ，Ｂは正の定数） で定義される。

【００２８】なお、上記式で表される閾値Ｄ（ｔ）は一
例であり、目標応答時間Ｔが短く（長く）、且つ認識語
彙数Ｎが多い（少ない）ほど値が小さく（大きく）な
り、時刻ｔが経過するほど値が大きくなる閾値Ｄ（ｔ）
であれば構わない。また、各認識語彙（の音声モデルＭ
ｋ）で決まる定数Ａｋ，Ｂｋを用いることで、各認識語
彙（の音声モデルＭｋ）ごとに閾値Ｄｋ（ｔ）を定義す
るようにしても構わない。

【００２９】また、モデル照合部１２が、入力音声の特
徴パラメータ系列と音声モデルＭｋとの類似度ｓｋ
（ｔ）（値は０≦ｓｋ（ｔ）≦１）を求めるための照合
処理を行うものである場合には、閾値Ｄ（ｔ）に代えて
次式 Ｓ（ｔ）＝−α（Ｔ／Ｎ）ｔ＋β （α，βは正の定
数） で定義される閾値Ｓｋ（ｔ）を用い、類似度ｓｋ（ｔ）
が閾値Ｓ（ｔ）よりも小さくなった場合に、その際の音
声モデルＭｋをモデル照合部１２でのその時刻ｔ以降の
照合対象から除外する構成とすればよい。但し、閾値Ｓ
ｋ（ｔ）は０≦Ｓｋ（ｔ）≦１の範囲で用いる必要があ
るため、閾値Ｓｋ（ｔ）＝０となるような時刻ｔ、即ち
時刻ｔ＝（β／α）×（Ｎ／Ｔ）になっても音声モデル
Ｍｋとの照合処理が終了しないような、目標応答時間Ｔ
及び認識語彙数Ｎの組み合わせに対しては正しい探索空
間範囲制御は困難である。

【００３０】モデル照合部１２は、入力音声の特徴パラ
メータと音声モデルＭｋとの照合処理を最後まで実行し
た各認識語彙について、その認識語彙（認識対象カテゴ
リ）と距離（または類似度）の組を認識結果出力部１７
に送る。認識結果出力部１７は、モデル照合部１２で求
められた各音声モデルＭｋに対する距離（または類似
度）をソーティングして、距離が最小（類似度が最大）
となる認識対象のカテゴリを認識結果として出力する。

【００３１】このように本実施形態においては、目標応
答時間Ｔに応じて探索空間を制御することによって、応
答時間に余裕がある場合には、探索空間を絞り込まない
モデルの照合が可能となり、高精度な音声認識システム
を実現することができる。また、速い応答が要求される
場合には、探索空間を絞り込むことによって応答速度を
速くして、使い勝手のよい音声認識システムを実現する
ことができる。

【００３２】なお、認識語彙入力部１６から入力される
認識語彙の総数（認識語彙数）Ｎが一定である場合に
は、閾値Ｄ（ｔ）を目標応答時間Ｔと時刻ｔの関数とし
て定義すればよい。 ［第２の実施形態］図２は本発明の第２の実施形態に係
る音声認識装置のブロック構成図であり、図１と同一部
分には同一符号を付してある。

【００３３】この図２の音声認識装置が図１の音声認識
装置と異なる点は、１つの音声認識装置を２つ以上のア
プリケーシヨンプログラムから使用する場合に、目標応
答時間Ｔを各アプリケーシヨンプログラムごとに設定で
きる構成となっていることである。

【００３４】そのため、図２の音声認識装置は、目標応
答時間入力部１４からの目標応答時間Ｔの入力を、使用
アプリケーションプログラムごとに受け付けるための入
力インタフェース（アプリごと目標応答時間入力インタ
フェース）２８と、認識語彙入力部１６からの認識語彙
の入力を、使用アプリケーションプログラムごとに受け
付けるための入力インタフェース（アプリごと認識語彙
入力インタフェース）２９とが、図１の音声認識装置に
追加された構成となっている。

【００３５】さらに図２の音声認識装置は、図１中の音
声モデル記憶部１３に代えて、入力インタフェース２９
によりアプリケーションプログラムごとに受け付けられ
た認識語彙の音声モデルＭｋをアプリケーションプログ
ラムごとに記憶しておくための音声モデル記憶部２３が
設けられると共に、図１中の探索空間制御部１５に代え
て、入力インタフェース２８により受け付けられたアプ
リケーションプログラムごとの目標応答時間Ｔ及び入力
インタフェース２９により受け付けられたアプリケーシ
ョンプログラムごとの認識語彙の総数（認識語彙数）Ｎ
に応じて前記閾値Ｄ（ｔ）を設定することで、使用する
アプリケーションプログラムごとにモデル照合部１２で
の探索空間の範囲を制御する探索空間制御部２５が設け
られた構成となっている。

【００３６】図２の構成の音声認識装置において、当該
音声認識装置をあるアプリケーションプログラムで使用
する場合、そのアプリケーションプログラムの第１の特
定モード（目標応答時間設定モード）で目標応答時間入
力部１４から目標応答時間Ｔを入力すると、その入力目
標応答時間Ｔが入力インタフェース２８により受け付け
られる。入力インタフェース２８により受け付けられた
目標応答時間Ｔは探索空間制御部２５に与えられる。探
索空間制御部２５は、この目標応答時間Ｔを該当するア
プリケーションプログラムに対応づけて設定する。

【００３７】同様に、アプリケーションプログラムの第
２の特定モード（認識語彙設定モード）で、認識語彙入
力部１６から認識語彙を入力すると、その入力認識語彙
が入力インタフェース２９により受け付けられる。する
と、入力インタフェース２９により受け付けられた認識
語彙の音声モデルＭｋが（図示せぬ音声モデル作成部
で）作成されて、該当するアプリケーションプログラム
に対応づけて音声モデル記憶部２３に記憶される。そし
て、当該アプリケーションでの使用に必要な全ての認識
語彙の入力が終了すると、その認識語彙の総数（認識語
彙数）Ｎが入力インタフェース２９から探索空間制御部
２５に与えられる。探索空間制御部２５は、この認識語
彙数Ｎを該当するアプリケーションに対応づけて設定す
る。

【００３８】このようにして探索空間制御部２５には、
図２の音声認識装置を使用するアプリケーションプログ
ラムごとに、目標応答時間入力部１４から入力された目
標応答時間Ｔ及び認識語彙入力部１６から入力された認
識語彙の総数（認識語彙数）Ｎのペアが設定される。

【００３９】さて、アプリケーションプログラムが図２
の音声認識装置を使用する動作モードでは、例えばアプ
リケーションプログラムａの使用による音声認識時に
は、探索空間制御部２５は、アプリケーションプログラ
ムａに対応して設定されている目標応答時間Ｔ及び認識
語彙数Ｎから、前記式に従って閾値Ｄ（ｔ）を定義し、
これを当該アプリケーションプログラムａに固有の閾値
Ｄａ（ｔ）としてモデル照合部１２に与える。

【００４０】このように、アプリケーションプログラム
ごとに設定される目標応答時間Ｔ及び認識語彙数Ｎに従
って閾値Ｄ（ｔ）を定義し、即ちアプリケーションプロ
グラムごとに閾値Ｄ（ｔ）を定義し、モデル照合部１２
に対して使用アプリケーションプログラムに固有の閾値
Ｄ（ｔ）を使用させることで、使用アプリケーションプ
ログラムごとに異なる探索空間範囲の制御を行うことが
できる。

【００４１】即ち本実施形態においては、アプリケーシ
ヨンプログラムごとに目標応答時間を設定できるように
することによって、速い応答速度を必要とするアプリケ
ーシヨンプログラムと応答速度は遅くてもよいアプリケ
ーシヨンプログラムを同時に使用する場合にも、２つの
音声認識装置を使用することなく、１つの音声認識装置
を使用して実現することができる。 ［第３の実施形態］図３は本発明の第３の実施形態に係
る音声認識装置のブロック構成図であり、図１と同一部
分には同一符号を付してある。

【００４２】この図３の音声認識装置が図１の音声認識
装置と異なる点は、ユーザが入力した目標応答時間Ｔ以
内で認識結果を出力することが困難な場合に、ユーザに
その旨を通知するメッセージが出力できる構成となって
いることである。

【００４３】そのため、図３の音声認識装置は、目標応
答時間Ｔ以内で認識結果を出力することが困難である場
合に、例えば目標応答時間の延長を要求するメッセージ
を出力する目標応答時間延長メッセージ出力部３８が図
１の音声認識装置に追加された構成となっている。この
メッセージ出力部３８によるメッセージ出力は、デイス
プレイに文字で表示したり、音声で出力したりすること
によって、実現することができる。

【００４４】さらに図３の音声認識装置は、図１中の探
索空間制御部１５に代えて、設定された認識語彙数Ｎの
条件のもとで認識結果を出力することが可能な最短の実
行時間（実行可能時間）Ｔe を求め、その時間Ｔe と設
定された目標応答時間Ｔとから、当該目標応答時間Ｔ以
内で認識結果を出力することが困難であるか否かを判断
し（予測し）、その判断結果に応じて目標応答時間延長
メッセージ出力部３８による目標応答時間延長メッセー
ジ出力を行わせる機能が追加された探索空間制御部３５
が設けられた構成となっている。

【００４５】図３の音声認識装置において、探索空間制
御部３５は、目標応答時間入力部１４から入力された目
標応答時間Ｔ及び認識語彙入力部１６から入力された認
識語彙（認識対象語彙）の総数（認識語彙数）Ｎをもと
に前記閾値Ｄ（ｔ）＝Ａ（Ｔ／Ｎ）ｔ＋Ｂを設定する際
には、例えば以下に述べる目標応答時間延長メッセージ
出力制御を図４のフローチャートに従って実行する。

【００４６】まず探索空間制御部３５は、設定された認
識語彙数Ｎが一定値Ｎ0 以下であるか否かを調べ（ステ
ップ４１）、その大小関係に従って、認識語彙数Ｎの条
件のもとで認識結果を出力することが可能な最短の実行
時間（実行可能時間）Ｔe を求める。

【００４７】即ち探索空間制御部３５は、Ｎが一定値Ｎ
0 以下の場合には、例えば次式 Ｔe ＝Ｔ0 （Ｔ0 は正の定数） に示すように、あらかじめ定められた固定の実行可能時
間Ｔe を求める（ステップ４２）。

【００４８】これに対しＮが一定値Ｎ0 より大きい場合
には、探索空間制御部３５は、例えば次式 Ｔe ＝ＣＮ＋Ｔ0 （Ｃは正の定数） に従い、認識語彙数Ｎが多くなるほど値が大きくなる実
行可能時間Ｔe を求める（ステップ４３）。

【００４９】次に探索空間制御部３５は、設定された目
標応答時間Ｔと求めた実行可能時間Ｔe とを比較し（ス
テップ４４）、Ｔ＜Ｔe でない場合には、認識語彙数Ｎ
の条件のもとで目標応答時間Ｔ以内に認識結果を出力す
ることが可能であると判断し、閾値Ｄ（ｔ）＝Ａ（Ｔ／
Ｎ）ｔ＋Ｂを算出してモデル照合部１２に与える（ステ
ップ４５）。

【００５０】これに対しＴ＜Ｔe である場合、即ち目標
応答時間Ｔの方が実行可能時間Ｔeより短い場合には、
探索空間制御部３５は、認識語彙数Ｎの条件のもとで目
標応答時間Ｔ以内に認識結果を出力することは困難であ
ると判断し、ユーザに対して目標応答時間を延長するよ
うに要求するメッセージを目標時間延長メッセージ出力
部３８により出力させる（ステップ４６）。

【００５１】ユーザは、このメッセージから、実現が不
可能な要求を入力したことを認識できるため、目標応答
時間の延長とか、認識語彙数の削減といった対処が可能
となる。

【００５２】このように、本実施形態においては、目標
時間延長メッセージ出力部３８を設けることにより、実
現が不可能な要求が入力された場合には、ユーザにその
旨を伝えるメッセージを出力することにより、過剰に探
索空間を絞り込んで認識性能を低下させるなどの危険を
回避することができる。

【００５３】なお、目標応答時間延長を要求するメッセ
ージを出力する代わりに、認識語彙数の削減を要求する
メッセージを出力するようにしても構わない。また、上
記した目標応答時間延長メッセージ出力部３８と同等の
機能を図２の音声認識装置に付加し、設定された目標応
答時間Ｔ以内に認識結果を出力することが困難であるか
否かを使用アプリケーションプログラムごとに判断し
て、その判断結果に基づくメッセージ出力を行うように
することも可能である。

【００５４】また、設定された目標応答時間Ｔ以内に認
識結果を出力することが困難であるか否かの判断（予
測）機能を、探索空間制御部３５とは別の手段に持たせ
るようにしても構わない。 ［第４の実施形態］図５は本発明の第４の実施形態に係
る音声認識装置のブロック構成図であり、図１と同一部
分には同一符号を付してある。

【００５５】この図５の音声認識装置が図１の音声認識
装置と異なる点は、過去の音声認識時の応答時間を一定
数を上限として記憶しておき、その応答時間と目標応答
時間Ｔとの差が小さくなるように、探索空間を制御でき
る構成となっていることである。

【００５６】そのため、図５の音声認識装置は、過去の
音声認識時の応答時間を例えば最大５個記憶しておくた
めの応答時間記憶部５８が図１の音声認識装置に追加さ
れた構成となっている。

【００５７】さらに図５の音声認識装置は、図１中の探
索空間制御部１５に代えて、応答時間記憶部５８に記憶
されている過去の応答時間の例えば平均値（平均応答時
間）Ｔm と目標応答時間Ｔとを比較し、その比較結果を
もとに当該目標応答時間Ｔと実際の応答時間との差が小
さくなるように前述の閾値Ｄ（ｔ）を変更することで探
索空間を制御する探索空間制御部５５が設けられると共
に、図１中の認識結果出力部１７に代えて、入力音声に
対する認識結果を出力する毎に、その音声の入力（発
声）終了時から当該認識結果の出力までに要した時間、
即ち応答時間（認識応答時間）を応答時間記憶部５８に
記憶させる認識結果出力部５７が設けられた構成となっ
ている。

【００５８】図５の音声認識装置において、認識結果出
力部５７は、入力音声に対する認識結果を出力する毎
に、その際の応答時間を応答時間記憶部５８に記憶させ
る。この際、応答時間記憶部５８に最大数（５個）の応
答時間が記憶されている場合には、その時点において最
も古い応答時間が当該応答時間記憶部５８から消され
る。この応答時間記憶部５８の内容は、目標応答時間Ｔ
及び認識語彙数Ｎの少なくとも一方が再設定された場合
にはクリアされる。

【００５９】探索空間制御部５５は、音声認識時の応答
時間（認識応答時間）と目標応答時間入力部１４から入
力された目標応答時間Ｔとの差が小さくなるように、例
えば以下に述べる探索空間制御を図６のフローチャート
に従って実行する。

【００６０】まず探索空間制御部５５は、目標応答時間
Ｔと平均応答時間Ｔm とを比較する（ステップ６１）。
もし、目標応答時間Ｔよりも平均応答時間Ｔm の方が長
い場合には、探索空間制御部５５は、現在定義されてい
る閾値Ｄ（ｔ）＝Ａ（Ｔ／Ｎ）ｔ＋Ｂ中のＢ値を現在値
より一定量Ｂ0 だけ減少して、当該閾値Ｄ（ｔ）をＢ0
だけ小さくすることにより探索空間を制御する（ステッ
プ６２）。

【００６１】これに対し目標応答時間Ｔよりも平均応答
時間Ｔm の方が短い場合には、現在定義されている閾値
Ｄ（ｔ）＝Ａ（Ｔ／Ｎ）ｔ＋Ｂ中のＢ値を現在値より一
定量Ｂ0 だけ増加して、当該閾値Ｄ（ｔ）をＢ0 だけ大
きくすることにより探索空間を制御する（ステップ６
３）。

【００６２】なお上記閾値Ｄ（ｔ）は、目標応答時間Ｔ
及び認識語彙数Ｎの少なくとも一方が再設定された場合
には、その時点におけるＴ，Ｎと、あらかじめ定められ
ている定数Ａと、定数Ｂの初期値を用いたＤ（ｔ）＝Ａ
（Ｔ／Ｎ）ｔ＋Ｂの演算により初期化される。

【００６３】このように、応答時間記憶部５８に記憶さ
れた過去の応答時間を使用して、探索空間制御部５５が
動的に探索空間を制御することによって、指定された目
標応答時間Ｔにより近い応答時間を実現することができ
る。

【００６４】以上の説明では、目標応答時間Ｔとの比較
に、応答時間記憶部５８に記憶された過去の応答時間の
平均値（平均応答時間）Ｔm を用いているが、過去の応
答時間の最小値または最大値を用いるようにしても構わ
ず、最新の応答時間（前回の応答時間）を用いるように
しても構わない。最新の応答時間を用いる場合には、応
答時間記憶部５８は１回分の応答時間を記憶するもので
あればよい。

【００６５】また、応答時間記憶部５８に相当する応答
時間記憶部であって、過去の応答時間をアプリケーショ
ンプログラムごとに記憶しておく応答時間記憶部を図２
の音声認識装置に付加し、本実施形態で述べたような動
的な探索空間制御を使用アプリケーションプログラムご
とに行う構成とすることも可能である。 ［第５の実施形態］図７は本発明の第５の実施形態に係
る音声認識装置のブロック構成図であり、図１と同一部
分には同一符号を付してある。

【００６６】この図７の音声認識装置が図１の音声認識
装置と異なる点は、図１中の目標応答時間入力部１４に
代えて、ユーザが希望する認識性能を入力するための目
標認識性能入力部７４が設けられると共に、図１中の探
索空間制御部１５に代えて、目標認識性能入力部７４に
より入力された認識性能に応じてモデル照合部１２での
探索空間の範囲を制御する探索空間制御部７５が設けら
れた構成となっていることである。

【００６７】図７の音声認識装置において、ユーザは、
当該認識装置の目標認識性能、例えば相対的な目標認識
性能を、現在の目標認識性能を基準とする認識性能アッ
プまたは認識性能ダウンの指定の形で、目標認識性能入
力部７４から入力指定できるようになっている。

【００６８】探索空間制御部７５は、目標認識性能入力
部７４からの目標認識性能の入力指定に応じて、例えば
以下に述べる探索空間制御を図８のフローチャートに従
って実行する。

【００６９】まず探索空間制御部７５は、目標認識性能
アップまたはダウンのいずれが指定されたかをチェック
し（ステップ８１）、アップ指定の場合には、現在定義
されている閾値Ｄ（ｔ）＝Ａ（Ｔ／Ｎ）ｔ＋Ｂ中のＢ値
を現在値より一定量Ｂ0 だけ増加して（Ｔには、あらか
じめ定められた固定値が用いられる）、当該閾値Ｄ
（ｔ）をＢ0 だけ大きくする（ステップ８２）。

【００７０】これに対し目標認識性能のダウン指定の場
合には、探索空間制御部７５は、現在定義されている閾
値Ｄ（ｔ）＝Ａ（Ｔ／Ｎ）ｔ＋Ｂ中のＢ値を現在値より
一定量Ｂ0 だけ減少して、当該閾値Ｄ（ｔ）をＢ0 だけ
小さくする（ステップ８３）。

【００７１】なお上記閾値Ｄ（ｔ）は、認識語彙数Ｎが
再設定された場合には、その際のＮと、あらかじめ定め
られているＴ，Ａと、あらかじめ定められている定数Ｂ
の初期値を用いたＤ（ｔ）＝Ａ（Ｔ／Ｎ）ｔ＋Ｂの演算
により初期化される。

【００７２】探索空間制御部７５は、以上の処理（ステ
ップ８１〜８３）を、目標認識性能入力部７４から目標
認識性能指定の終了が通知されるまで（ステップ８４）
繰り返す。そして目標認識性能指定の終了が通知される
と、探索空間制御部７５は、その時点における閾値Ｄ
（ｔ）をモデル照合部１２に与える（ステップ８５）。

【００７３】このように、目標認識性能入力部７４から
ユーザが希望する認識性能を入力指定できるようにし、
この入力指定された目標認識性能に応じて閾値Ｄ（ｔ）
を調整してモデル照合部１２での探索範囲を制御するこ
とにより、必要以上の計算を行わないようにすることが
できる。即ち本実施形態においては、目標認識性能を設
定できるようにして、必要以上の計算を行わないように
することによって、例えばパーソナルコンピユータのソ
フトウェアのみで音声認識を実現した場合に、音声認識
処理とそれ以外の処理に割くプロセッサの計算能力の割
合を制御することができ、音声認識処理の負荷が大きす
ぎて、他の処理が止まってしまうといった問題を回避す
ることができる。 ［第６の実施形態］図９は本発明の第６の実施形態に係
る音声認識装置のブロック構成図であり、図７と同一部
分には同一符号を付してある。

【００７４】この図９の音声認識装置が図７の音声認識
装置と異なる点は、１つの音声認識装置を２つ以上のア
プリケーシヨンプログラムから使用する場合に、目標認
識性能を各アプリケーシヨンプログラムごとに設定でき
る構成となっていることである。

【００７５】そのため、図９の音声認識装置は、目標認
識性能入力部７４からの目標認識性能の入力を、使用ア
プリケーションプログラムごとに受け付けるための入力
インタフェース（アプリごと目標性能時間入力インタフ
ェース）９８と、認識語彙入力部１６からの認識語彙の
入力を、使用アプリケーションプログラムごとに受け付
けるための（図２中の入力インタフェース２９と同様
の）入力インタフェース（アプリごと認識語彙入力イン
タフェース）９９とが図７の音声認識装置に追加された
構成となっている。

【００７６】さらに図２の音声認識装置は、図７中の音
声モデル記憶部１３に代えて、入力インタフェース９９
によりアプリケーションプログラムごとに受け付けられ
た認識語彙の音声モデルＭｋをアプリケーションプログ
ラムごとに記憶しておくための（図２中の音声モデル記
憶部２３と同様の）音声モデル記憶部９３が設けられる
と共に、図７中の探索空間制御部７５に代えて、入力イ
ンタフェース９８により受け付けられたアプリケーショ
ンプログラムごとの目標認識性能及び入力インタフェー
ス９９により受け付けられたアプリケーションプログラ
ムごとの認識語彙の総数（認識語彙数）Ｎに応じて前記
閾値Ｄ（ｔ）を設定することで、使用するアプリケーシ
ョンプログラムごとにモデル照合部１３での探索空間の
範囲を制御する探索空間制御部９５が設けられた構成と
なっている。

【００７７】この図９の音声認識装置では、当該音声認
識装置を使用するアプリケーションプログラムごとに、
認識語彙入力部１６からの認識語彙の入力がアプリごと
認識語彙入力インタフェース９９により受け付けられ、
その入力された認識語彙の総数（認識語彙数）Ｎがアプ
リケーションプログラムごとに探索空間制御部９５に設
定される。

【００７８】同様に、目標認識性能入力部７４からの目
標認識性能の指定入力（アップまたはダウン指定）が使
用アプリケーションごとにアプリごと目標認識性能入力
インタフェース９８により受け付けられ、探索空間制御
部９５に送られる。

【００７９】探索空間制御部９５は、使用アプリケーシ
ョンプログラムごとの認識語彙数Ｎをもとに、対応する
アプリケーションプログラムの使用による音声認識時の
探索空間制御のための閾値Ｄ（ｔ）を（図７中の探索空
間制御部７５によるＤ（ｔ）の初期設定と同様にして）
初期設定し、管理している。

【００８０】そして探索空間制御部９５は、目標認識性
能入力部７４からの目標認識性能の指定入力（アップま
たはダウン指定）が入力インタフェース９８により受け
付けられる都度、該当するアプリケーションプログラム
に対応して設定してある閾値Ｄ（ｔ）を、その指定入力
内容に応じて一定量Ｂ0 だけ減少または増加する。

【００８１】このように、目標認識性能を各アプリケー
シヨンごとに設定（指定）できるようにし、そのアプリ
ケーションプログラムごとの目標認識性能設定に応じ
て、その都度そのアプリケーションプログラムに固有の
閾値Ｄ（ｔ）を決定して、モデル照合部１３で使用させ
ることで、使用アプリケーションプログラムごとに異な
る探索空間範囲の制御を行うことができる。

【００８２】即ち本実施形態においては、アプリケーシ
ヨンプログラムごとに目標認識性能を設定できるように
することによって、高い認識性能を要求するアプリケー
シヨンプログラムと認識性能は低くてもよいアプリケー
シヨンプログラムを同時に使用する場合にも、２つの音
声認識装置を使用することなく、１つの音声認識装置を
使用して実現することができる。 ［第７の実施形態］図１０は本発明の第７の実施形態に
係る音声認識装置のブロック構成図であり、図７と同一
部分には同一符号を付してある。

【００８３】この図１０の音声認識装置が図７の音声認
識装置と異なる点は、ユーザが入力した目標認識性能
（のアップまたはダウン指定）に従う認識結果を出力す
ることが困難な場合に、ユーザにその旨を通知するメッ
セージが出力できる構成となっていることである。

【００８４】そのため、図１０の音声認識装置は、ユー
ザが入力した目標認識性能が高すぎてその認識性能に従
う認識結果を出力することが困難である場合に、目標認
識性能のダウン指定を要求するメッセージを出力する目
標認識性能未達メッセージ出力部１０８が図１の音声認
識装置に追加された構成となっている。このメッセージ
出力部１０８は、ユーザが入力した目標認識性能が低す
ぎる場合に、目標認識性能のアップ指定を要求するメッ
セージを出力する機能も有する。このメッセージ出力部
１０８によるメッセージ出力は、デイスプレイに文字で
表示したり、音声で出力したりすることによって、実現
することができる。

【００８５】さらに図１０の音声認識装置は、図７中の
探索空間制御部７５に代えて探索空間制御部１０５が設
けられた構成となっている。この探索空間制御部１０５
は、図７中の探索空間制御部７５の持つ機能、即ちユー
ザが入力した目標認識性能（のアップまたはダウン指
定）に応じて前記閾値Ｄ（ｔ）＝Ａ（Ｔ／Ｎ）ｔ＋Ｂ中
のＢ値を一定量Ｂ0 ずつ増減する機能に加えて、あらか
じめ定められたＢmax を上回るＢ値となるような目標認
識性能の指定（アップ指定）がなされた場合に、実現不
可能な高認識性能要求であるものとして、目標認識性能
未達メッセージ出力部１０８によるその旨のメッセージ
出力を行わせる機能を有している。探索空間制御部１０
５はまた、あらかじめ定められたＢmin を下回るＢ値と
なるような目標認識性能の指定（ダウン指定）がなされ
た場合に、無意味な低認識性能要求であるものとして、
目標認識性能未達メッセージ出力部１０８によるその旨
のメッセージ出力を行わせる機能を有している。

【００８６】図１０の音声認識装置において、探索空間
制御部１０５は、目標認識性能入力部７４からの目標認
識性能の入力指定に応じて、例えば以下に述べる探索空
間制御を図１１のフローチャートに従って実行する。

【００８７】まず探索空間制御部１０５は、目標認識性
能アップまたはダウンのいずれが指定されたかをチェッ
クし（ステップ１１１）、アップ指定の場合には、現在
定義されている閾値Ｄ（ｔ）＝Ａ（Ｔ／Ｎ）ｔ＋Ｂ中の
Ｂ値を現在値より一定量Ｂ0だけ増加して（Ｔには、あ
らかじめ定められた固定値が用いられる）、当該閾値Ｄ
（ｔ）をＢ0 だけ大きくする（ステップ１１２）。

【００８８】これに対し目標認識性能のダウン指定の場
合には、探索空間制御部１０５は、現在定義されている
閾値Ｄ（ｔ）＝Ａ（Ｔ／Ｎ）ｔ＋Ｂ中のＢ値を現在値よ
り一定量Ｂ0 だけ減少して、当該閾値Ｄ（ｔ）をＢ0 だ
け小さくする（ステップ１１３）。

【００８９】ここまでの動作は、図７中の探索空間制御
部７５の動作と同様である。探索空間制御部１０５は、
閾値Ｄ（ｔ）中のＢ値をＢ0 だけ大きくした場合には、
そのＢ値、即ちＤ（０）＝Ｂの値がＢmax を上回ってい
るか否かをチェックし（ステップ１１４）、上回ってい
る場合には指定された目標認識性能での認識結果出力は
困難であると判断し、ユーザに対して目標認識性能のダ
ウン指定を行うように要求するメッセージ（目標認識性
能未達メッセージ）を目標認識性能未達メッセージ出力
部１０８により出力させる（ステップ１１５）。

【００９０】ユーザは、このメッセージから、実現が不
可能な認識性能を要求したことを認識できるため、能力
以上の期待をユーザに与えることを防ぐことができ、目
標認識性能をダウンするとか、認識語彙数Ｎを削減する
といった対処が可能となる。

【００９１】また探索空間制御部１０５は、閾値Ｄ
（ｔ）中のＢ値をＢ0 だけ小さくした場合には、そのＢ
値、即ちＤ（０）＝Ｂの値がＢmin （ここではＢmin ＝
０）を下回っているか否かをチェックし（ステップ１１
６）、下回っている場合には、指定された目標認識性能
での認識結果出力は無意味であると判断し、ユーザに対
して目標認識性能のアップ指定を行うように要求するメ
ッセージを目標認識性能未達メッセージ出力部１０８に
より出力させる（ステップ１１７）。

【００９２】ユーザは、このメッセージから、無意味な
認識結果出力となるような認識性能を要求したことを認
識できる。これに対し閾値Ｄ（ｔ）中のＢ値をＢ0 だけ
増減してもＢmin とＢmax の範囲内に入っている場合に
は、探索空間制御部１０５は、能力範囲内の認識性能で
の意味のある認識結果出力が可能であると判断し、目標
認識性能入力部７４から目標認識性能指定の終了が通知
されているか否かをチェックする（ステップ１１８）。
そして探索空間制御部１０５は、目標認識性能指定の終
了が通知されていないならば、ステップＳ１１１に戻
り、通知されているならば、その時点における閾値Ｄ
（ｔ）をモデル照合部１２に与える（ステップ１１
９）。

【００９３】なお、目標認識性能入力部７４からの目標
認識性能のアップまたはダウン指定毎に、その指定後の
目標認識性能を表す値を、例えば探索空間制御部１０５
がメッセージ出力部１０８を用いて、数値またはバーで
表示させるようにすることも可能である。

【００９４】また、目標認識性能のアップまたはダウン
指定に応じて閾値Ｄ（ｔ）中のＢ値を増減する代わり
に、Ａ値を増減するようにしても構わない。また、目標
認識性能のアップまたはダウン指定に代えて、目標認識
性能を示す値を直接指定入力するようにしても構わな
い。 ［第８の実施形態］図１２は本発明の第８の実施形態に
係る音声認識装置のブロック構成図である。

【００９５】図１２において、（図１中の音声入力部１
０に相当する）音声入力部１２０は、利用者の発した音
声を入力して音声信号に変換する。この音声入力部１２
０により入力された音声（音声信号）は、（図１中の音
響分析部１１に相当する）音響分析部１２１に与えられ
る。音響分析部１２１は、音声入力部１２０により入力
された音声を音響分析して当該入力音声の特徴パラメー
タ系列を取得する。

【００９６】モデル照合部１２２は、音声モデル記憶部
１２３に記憶されている認識対象音声（認識語彙）の各
音声モデルＭｋと特徴パラメータ系列との類似度あるい
は距離を求めるための周知の演算（照合処理）を行う。

【００９７】ここで、音声モデル記憶部１２３に記憶さ
れている各音声モデルＭｋは、認識語彙入力部１２６か
ら入力された認識語彙に従ってあらかじめ作成されたも
ので、例えばランク１乃至ランクｎまでのｎ段階のラン
ク付けがなされている。このランクは、数値が小さいほ
ど、使用頻度が高いポピュラーな認識語彙（の音声モデ
ルＭｋ）であることを示す。具体例として、ＪＩＳ第１
水準の語彙（の音声モデルＭｋ）をランク１、ＪＩＳ第
２水準の語彙（の音声モデルＭｋ）をランク２とするよ
うなランク付けが挙げられる。

【００９８】また、音声モデル記憶部１２３に記憶され
ている各音声モデルＭｋをランク付けするには、各音声
モデルＭｋ個々にランクを示す情報を付しておく手法、
あるいは音声モデル記憶部１２３の領域をランク１乃至
ランクｎ用にそれぞれ分割して管理し、ランクｉ（ｉ＝
１〜ｎ）用の分割領域にはランクｉの各認識語彙の音声
モデルＭｋを記憶する手法等を適用すればよい。

【００９９】本実施形態におけるモデル照合部１２２
は、上記した入力音声の特徴パラメータ系列との照合処
理を、まず最高ランク（であるランク１）の各認識語彙
の音声モデルＭｋとの間で行い、その照合処理の結果、
即ち認識結果として、照合を行った各音声モデルＭｋと
特徴パラメータ系列との類似度あるいは距離を対応する
認識語彙（認識対象カテゴリ）と共に認識結果出力部１
２７に出力する。そしてモデル照合部１２２は、このラ
ンク１の認識語彙に対する認識結果を出力すると、音声
モデル記憶部１２３に記憶されている次のランクである
ランク２の認識語彙（の音声モデルＭｋ）を対象とする
認識処理（照合処理）を継続する。

【０１００】一方、認識結果出力部１２７は、モデル照
合部１２２からランク１の認識語彙に対する認識結果を
受け取ると、その中で類似度が最も大きくなる（距離が
最も短くなる）カテゴリを選択して出力する。

【０１０１】図１２の音声認識装置には、次候補要求入
力部１２８及び認識結果選択部１２９が設けられてい
る。ユーザは、認識結果出力部１２７により認識結果が
出力されると、その出力認識結果が自身の発声した語彙
に一致するか否か、即ち正しい認識結果が出力されたか
否かを判断する。もし、誤った認識結果が出力された場
合には、ユーザは次候補要求入力部１２８により次候補
の出力要求を入力し、正しい認識結果が出力された場合
には、認識候補選択部１２９により当該認識結果の選択
要求を入力する。この次候補要求入力部１２８及び認識
候補選択部１２９は、キーボードあるいはマウス等によ
り実現される。

【０１０２】モデル照合部１２２は、上記したようにラ
ンク１の認識語彙に対する認識処理（照合処理）に引き
続いてランク２の認識語彙に対する認識処理（照合処
理）を行うと、そのランク２の認識語彙に対する認識結
果を認識結果出力部１２７に出力する。

【０１０３】認識結果出力部１２７は、ランク１の認識
語彙に対する認識結果の出力に対して次候補要求入力部
１２８から次候補の出力要求が入力された場合、もし次
のランク２の認識語彙に対する認識結果がモデル照合部
１２２から与えられていないならば、ランク１の認識語
彙に対する認識結果のうち、既に出力済みの結果を除い
た中から、類似度が最も大きくなる（距離が最も短くな
る）カテゴリを選択し、次のランク２の認識語彙に対す
る認識結果が与えられているならば、ランク１の認識語
彙に対する認識結果及びランク２の認識語彙に対する認
識結果のうち、既に出力済みの結果を除いた中から、類
似度が最も大きくなる（距離が最も短くなる）カテゴリ
を選択する。そして認識結果出力部１２７は、この選択
したカテゴリを認識結果の次候補として出力する。

【０１０４】一方、認識候補選択部１２９から認識結果
の選択要求が入力された場合には、認識結果出力部１２
７は、その際に出力してある認識結果（カテゴリ）を選
択すると共に、モデル照合部１２２に対して認識処理
（照合処理）の停止を要求する。

【０１０５】このように本実施形態においては、認識精
度の向上のために、音声モデル記憶部１２３に記憶され
ている全ての認識語彙を対象に照合処理を行うとか、認
識処理の高速化のために、音声モデル記憶部１２３内の
一部の認識語彙を対象に照合処理を行うというのではな
く、音声モデル記憶部１２３内の認識語彙群をあらかじ
めランク分けし、高ランクの認識語彙から順に照合処理
を行って、段階的に認識対象語彙の範囲を拡張するよう
にしている。

【０１０６】このため、高ランクの認識語彙に対する認
識結果の中に正しい認識結果が含まれている場合には、
その時点でモデル照合部１２２での照合処理を停止させ
ることができるため、高速処理が可能となる。また、高
ランクの認識語彙に対する認識結果の中に正しい認識結
果が含まれていない場合でも、認識対象語彙の範囲が段
階的に拡張されることから、入力音声に一致する語彙が
認識対象に含まれていないために誤認識する問題を回避
できる。しかも、認識対象語彙の範囲の拡張は、１つの
ランクの認識対象語彙についての照合処理が終了するご
とに自動的に行われて、そのまま照合処理が継続される
ことから、既に照合処理が済んでいる認識語彙の中に入
力音声に一致する語彙が存在しないことを確認した段階
で、次のランクの認識対象語彙についての照合処理を開
始するものに比べて、高速処理が可能となる。

【０１０７】なお、以上の説明では、各認識語彙（の音
声モデルＭｋ）のランクは固定であるとしているが、認
識候補選択部１２９による選択回数に応じて動的に変更
されるものであっても構わない。

【０１０８】

【発明の効果】以上詳述したように本発明によれば、利
用者自身が目標とする認識応答時間（目標応答時間）あ
るいは認識性能（目標認識性能）を任意に設定すること
ができ、しかも利用者の設定した認識応答時間あるいは
認識性能が実現できるため、認識対象語彙数に関係なく
ー定時間での応答を実現するシステムや、応答時間を犠
牲にしても高精度な認識を実現するシステムが簡単に構
築できる。

【０１０９】また本発明によれば、目標応答時間あるい
は目標認識性能を音声認識装置を利用するアプリケーシ
ョンプログラムごとに入力設定できるため、速い応答速
度を必要とするアプリケーシヨンプログラムと応答速度
は遅くてもよいアプリケーシヨンプログラムを同時に使
用する場合や、高い認識性能を要求するアプリケーシヨ
ンプログラムと認識性能は低くてもよいアプリケーシヨ
ンプログラムを同時に使用する場合にも、２つの音声認
識装置を使用することなく、１つの音声認識装置を使用
して実現することができる。

【０１１０】また本発明によれば、実現不可能な目標応
答時間あるいは目標認識性能が入力設定された場合に
は、その旨のメッセージが利用者に通知されるため、過
剰に探索空間を絞り込んで認識性能を低下させるなどの
危険を回避することができ、また能力以上の期待をユー
ザに与えるのを防ぐことができる。

【０１１１】また本発明によれば、過去の応答時間を使
用して動的に探索空間が制御されるため、利用者の設定
した目標応答時間により近い認識応答時間を実現するこ
とができる。

【０１１２】また本発明によれば、各認識対象語彙の音
声モデルと特徴パラメータ系列との照合処理をランク別
に段階的に行うことにより、高速且つ高精度の認識処理
が実現できる。このように本発明によれば、使い勝手の
よい利用者希望のシステムを構築できる。

【図面の簡単な説明】

【図１】本発明の第１の実施形態に係る音声認識装置の
ブロック構成図。

【図２】本発明の第２の実施形態に係る音声認識装置の
ブロック構成図。

【図３】本発明の第３の実施形態に係る音声認識装置の
ブロック構成図。

【図４】図３中の探索空間制御部３５による目標応答時
間延長メッセージ出力制御を説明するためのフローチャ
ート。

【図５】本発明の第４の実施形態に係る音声認識装置の
ブロック構成図。

【図６】図５中の探索空間制御部５５による探索空間制
御を説明するためのフローチャート。

【図７】本発明の第５の実施形態に係る音声認識装置の
ブロック構成図。

【図８】図７中の探索空間制御部７５による探索空間制
御を説明するためのフローチャート。

【図９】本発明の第６の実施形態に係る音声認識装置の
ブロック構成図。

【図１０】本発明の第７の実施形態に係る音声認識装置
のブロック構成図。

【図１１】図１０中の探索空間制御部１０５による探索
空間制御を説明するためのフローチャート。

【図１２】本発明の第８の実施形態に係る音声認識装置
のブロック構成図。

【符号の説明】

１０，１２０…音声入力部、 １１，１２１…音響分析部、 １２，１２２…モデル照合部、 １３，２３，９３，１２３…音声モデル記憶部、 １４…目標応答時間入力部、 １５，２５，５５，７５，９５…探索空間制御部、 １６，１２６…認識語彙入力部、 １７，５７，１２７…認識結果出力部、 ２８…アプリごと目標応答時間入力インタフェース、 ２９，９９…アプリごと認識語彙入力インタフェース、 ３５，１０５…探索空間制御部（予測手段） ３８…目標応答時間延長メッセージ出力部、 ５８…応答時間記憶部、 ７４…目標認識性能入力部、 ９８…アプリごと目標認識性能入力インタフェース、 １０８…目標認識性能未達メッセージ出力部、 １２８…次候補要求入力部、 １２９…認識候補選択部。

Claims (10)

【特許請求の範囲】
1. 【請求項１】 入力音声を音響分析して求めた特徴パラ
   メータ系列とあらかじめ作成しておいた各認識対象語彙
   の音声モデルとを照合して、入力音声を認識する音声認
   識装置において、 前記音声認識装置での認識応答時間の目標応答時間を外
   部から入力するための目標応答時間入力手段と、 前記認識応答時間が前記目標応答時間入力手段により入
   力された目標応答時間に近づくように前記照合時に当該
   目標応答時間に応じて探索空間の制約の度合いを制御す
   る探索空間制御手段とを具備したことを特徴とする音声
   認識装置。
2. 【請求項２】 ２つ以上のアプリケーシヨンプログラム
   で使用可能な音声認識装置であって、前記目標応答時間
   入力手段により入力される目標応答時間を前記各アプリ
   ケーシヨンプログラムごとに受け付けて設定する入力イ
   ンタフェース手段をさらに具備し、前記探索空間制御手
   段は、前記各アプリケーションプログラムごとに設定さ
   れた目標応答時間に応じて、対応するアプリケーション
   プログラムごとに探索空間の制約の度合いを制御するこ
   とを特徴とする請求項１記載の音声認識装置。
3. 【請求項３】 前記目標応答時間入力手段により入力さ
   れた目標応答時間内で認識処理を終了することが可能で
   あるか否かを予測する予測手段と、 この予測手段により目標応答時間内で認識処理を終了す
   ることが不可能であることが予測された場合に、その旨
   を示すメッセージを出力するメッセージ出力手段とをさ
   らに具備することを特徴とする請求項１記載の音声認識
   装置。
4. 【請求項４】 過去の音声認識時の認識応答時間を管理
   ・記憶しておくための応答時間記憶手段をさらに具備
   し、前記探索空間制御手段は、前記目標応答時間入力手
   段により入力された目標応答時間と前記応答時間記憶手
   段に記憶されている過去の認識応答時間とを比較し、そ
   の比較結果をもとに実際の認識応答時間が前記目標応答
   時間に近づくように探索空間の制約の度合いを制御する
   ことを特徴とする請求項１記載の音声認識装置。
5. 【請求項５】 入力音声を音響分析して求めた特徴パラ
   メータ系列とあらかじめ作成しておいた各認識対象語彙
   の音声モデルとを照合して、入力音声を認識する音声認
   識装置において、 前記音声認識装置での認識性能の目標認識性能を外部か
   ら入力するための目標認識性能入力手段と、 前記認識性能が前記目標認識性能入力手段により入力さ
   れた目標認識性能に近づくように前記照合時に当該目標
   認識性能に応じて探索空間の制約の度合いを制御する探
   索空間制御手段とを具備したことを特徴とする音声認識
   装置。
6. 【請求項６】 ２つ以上のアプリケーシヨンプログラム
   で使用可能な音声認識装置であって、前記目標認識性能
   入力手段により入力される目標認識性能を前記各アプリ
   ケーシヨンプログラムごとに受け付けて設定する入力イ
   ンタフェース手段をさらに具備し、前記探索空間制御手
   段は、前記各アプリケーションプログラムごとに設定さ
   れた目標認識性能に応じて、対応するアプリケーション
   プログラムごとに探索空間の制約の度合いを制御するこ
   とを特徴とする請求項５記載の音声認識装置。
7. 【請求項７】 前記目標認識性能入力手段により入力さ
   れた目標認識性能での認識結果出力が可能であるか否か
   を予測する予測手段と、 この予測手段により目標認識性能での認識結果出力が不
   可能であることが予測された場合に、その旨を示すメッ
   セージを出力するメッセージ出力手段とをさらに具備す
   ることを特徴とする請求項５記載の音声認識装置。
8. 【請求項８】 入力音声を音響分析して求めた特徴パラ
   メータ系列とあらかじめ作成しておいた各認識対象語彙
   の音声モデルとを照合して、入力音声を認識する音声認
   識装置において、 前記各認識対象語彙の音声モデルを複数の組にランク分
   けして管理・記憶しておくための音声モデル記憶手段
   と、 この音声モデル記憶手段に記憶されている各認識対象語
   彙の音声モデルと前記特徴パラメータ系列との照合処理
   を前記ランク別に段階的に行うモデル照合手段であっ
   て、１つのランクの各認識対象語彙の音声モデルを対象
   とする照合処理に伴う認識結果の出力終了の都度、認識
   対象語彙を拡張し、次のランクの各認識対象語彙の音声
   モデルを対象とする照合処理を行うモデル照合手段とを
   具備することを特徴とする音声認識装置。
9. 【請求項９】 入力音声を音響分析して求めた特徴パラ
   メータ系列とあらかじめ作成しておいた各認識対象語彙
   の音声モデルとを照合して、入力音声を認識する音声認
   識方法において、 利用者の指定する音声認識時の認識応答時間の目標応答
   時間を入力し、 前記認識応答時間が前記入力した目標応答時間に近づく
   ように前記照合時に当該目標応答時間に応じて探索空間
   の制約の度合いを制御するようにしたことを特徴とする
   音声認識方法。
10. 【請求項１０】 入力音声を音響分析して求めた特徴パ
    ラメータ系列とあらかじめ作成しておいた各認識対象語
    彙の音声モデルとを照合して、入力音声を認識する音声
    認識方法において、 利用者の指定する音声認識時の認識性能の目標認識性能
    を入力し、 前記認識性能が前記入力した目標認識性能に近づくよう
    に前記照合時に当該目標認識性能に応じて探索空間の制
    約の度合いを制御するようにしたことを特徴とする音声
    認識方法。