JPH103296A - 音声認識システムにおける単語予備選択装置 - Google Patents
音声認識システムにおける単語予備選択装置Info
- Publication number
- JPH103296A JPH103296A JP8156500A JP15650096A JPH103296A JP H103296 A JPH103296 A JP H103296A JP 8156500 A JP8156500 A JP 8156500A JP 15650096 A JP15650096 A JP 15650096A JP H103296 A JPH103296 A JP H103296A
- Authority
- JP
- Japan
- Prior art keywords
- phoneme
- word
- recognition
- stored
- section
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Abstract
(57)【要約】
【課題】 音素誤認識による単語選択誤りの発生を無く
すことができるようした。 【解決手段】 辞書１１内の単語を構成する音素は、各
単語について予めファイルに記憶させて第１記憶部１２
に格納される。一方、音素認識部２４から出力される音
素認識結果が入力され、音素が一定値以上継続する場合
があるかを認識部１３で認識する。この認識部１３で認
識した音素はワードチェッカーを有する第２記憶部１４
に記憶させ、この第２記憶部１４に記憶された音素と、
前記第１記憶部１２に格納された各単語についての音素
とを演算部１５に入力して、ここで、ビットＡＮＤ演算
が行われる。演算部１５におけるビットＡＮＤ演算結果
が「０」でない単語のみを、マッチング部２５に入力し
てマッチング計算が行われる。
すことができるようした。 【解決手段】 辞書１１内の単語を構成する音素は、各
単語について予めファイルに記憶させて第１記憶部１２
に格納される。一方、音素認識部２４から出力される音
素認識結果が入力され、音素が一定値以上継続する場合
があるかを認識部１３で認識する。この認識部１３で認
識した音素はワードチェッカーを有する第２記憶部１４
に記憶させ、この第２記憶部１４に記憶された音素と、
前記第１記憶部１２に格納された各単語についての音素
とを演算部１５に入力して、ここで、ビットＡＮＤ演算
が行われる。演算部１５におけるビットＡＮＤ演算結果
が「０」でない単語のみを、マッチング部２５に入力し
てマッチング計算が行われる。
Description
【０００１】
【発明の属する技術分野】この発明は、音声認識システ
ムにおける単語予備選択装置に関する。
ムにおける単語予備選択装置に関する。
【０００２】
【従来の技術】音声認識システムの概要を図７に示す。
図７において、２１は電話やマイクロフォンなどから構
成される音声入力装置で、この音声入力装置２１から出
力される音声データは音声データ入力部２２を介して出
力される。出力された音声データは特徴抽出部２３に供
給され、この特徴抽出部２３で音声データから有効なデ
ータが取り出されて周波数分析され、この周波数分析の
結果からスペクトル列が得られる。このスペクトル列は
音素認識部２４に入力されて、例えば「２３」種類の音
素に分類される。音素認識部２４は、図示しないが、ニ
ューラルネットワークによって構成されている。このニ
ューラルネットワークは入力層、隠れ層、出力層からな
り、入力層に１時刻毎に５フレームのスペクトル列が入
力され、それの中央のスペクトルが、該当する音素がど
れであるかを出力層のユニットの値によって送出する。
結果は最大の出力値を示すものから２つのユニットを選
び、それが対応する音素を第１位、第２位候補として得
る。なお、音素認識部２４に入力される５フレームのス
ペクトル列は、１時刻毎に１フレームずつずらされなが
ら入力されて行く。ニューラルネットワークはバックプ
ロパゲーション法によって、学習データに対して該当す
る音素のユニットが「１」を出力し、他のユニットが
「０」の値を出力するように学習される。
図７において、２１は電話やマイクロフォンなどから構
成される音声入力装置で、この音声入力装置２１から出
力される音声データは音声データ入力部２２を介して出
力される。出力された音声データは特徴抽出部２３に供
給され、この特徴抽出部２３で音声データから有効なデ
ータが取り出されて周波数分析され、この周波数分析の
結果からスペクトル列が得られる。このスペクトル列は
音素認識部２４に入力されて、例えば「２３」種類の音
素に分類される。音素認識部２４は、図示しないが、ニ
ューラルネットワークによって構成されている。このニ
ューラルネットワークは入力層、隠れ層、出力層からな
り、入力層に１時刻毎に５フレームのスペクトル列が入
力され、それの中央のスペクトルが、該当する音素がど
れであるかを出力層のユニットの値によって送出する。
結果は最大の出力値を示すものから２つのユニットを選
び、それが対応する音素を第１位、第２位候補として得
る。なお、音素認識部２４に入力される５フレームのス
ペクトル列は、１時刻毎に１フレームずつずらされなが
ら入力されて行く。ニューラルネットワークはバックプ
ロパゲーション法によって、学習データに対して該当す
る音素のユニットが「１」を出力し、他のユニットが
「０」の値を出力するように学習される。
【０００３】前記音素認識部２４の出力に得られた第１
位、第２位音素候補列はマッチング部２５に供給され
る。マッチング部２５に供給された音素候補列は、マッ
チング部２５で辞書内のテンプレート２６と照合されて
マッチングされ、最も類似する単語又は単語列を結果と
して出力する。なお、マッチング部２５における主なマ
ッチング方式には、例えばＤＴＷ法（時間正規化法）な
どがある。
位、第２位音素候補列はマッチング部２５に供給され
る。マッチング部２５に供給された音素候補列は、マッ
チング部２５で辞書内のテンプレート２６と照合されて
マッチングされ、最も類似する単語又は単語列を結果と
して出力する。なお、マッチング部２５における主なマ
ッチング方式には、例えばＤＴＷ法（時間正規化法）な
どがある。
【０００４】
【発明が解決しようとする課題】上述した音声認識シス
テムでは、どんな入力音声に対しても、音素認識結果と
辞書単語のすべてとのマッチングを行うのが一般的であ
る。そのために、辞書に含まれる単語数が多い場合など
は、マッチング計算量も非常に多くなってしまい、認識
時間に大きく影響する。そこでマッチングの前に予め必
要な単語を限定してしまう単語予備選択方法が使用され
るようになってきた。しかし、入力音声から音素認識に
よって得られた音素系列を用いて予備選択を行う場合、
音素誤認識などの影響により、選択誤りが発生する問題
がある。
テムでは、どんな入力音声に対しても、音素認識結果と
辞書単語のすべてとのマッチングを行うのが一般的であ
る。そのために、辞書に含まれる単語数が多い場合など
は、マッチング計算量も非常に多くなってしまい、認識
時間に大きく影響する。そこでマッチングの前に予め必
要な単語を限定してしまう単語予備選択方法が使用され
るようになってきた。しかし、入力音声から音素認識に
よって得られた音素系列を用いて予備選択を行う場合、
音素誤認識などの影響により、選択誤りが発生する問題
がある。
【０００５】この発明は上記の事情に鑑みてなされたも
ので、音素認識結果と辞書単語のマッチング計算を行う
前に、一定フレーム以上継続した音素のみを用いて、単
語予備選択を行うことにより、音素誤認識による単語選
択誤りの発生を無くすことができる音声認識システムに
おける単語予備選択装置を提供することを課題とする。
ので、音素認識結果と辞書単語のマッチング計算を行う
前に、一定フレーム以上継続した音素のみを用いて、単
語予備選択を行うことにより、音素誤認識による単語選
択誤りの発生を無くすことができる音声認識システムに
おける単語予備選択装置を提供することを課題とする。
【０００６】
【課題を解決するための手段】この発明は、上記の課題
を達成するために、第１発明は、入力音声を音素列に変
換する音素認識部を有する音声認識システムにおいて、
辞書内の単語を構成する音素が、各単語について予めフ
ァイルに記憶されて格納された第１記憶部と、前記音素
認識部の音素認識結果を用いて、その中に一定値以上継
続する音素があるかを認識する認識部と、この認識部で
認識した音素を記憶する第２記憶部と、前記第１記憶部
に記憶されたファイル内の各単語について音素と、第２
記憶部に記憶された音素とが入力され、両音素をビット
ＡＮＤ演算する演算部と、この演算部による結果が
「０」でない単語のみが入力されて計算されるマッチン
グ部とからなることを特徴とするものである。
を達成するために、第１発明は、入力音声を音素列に変
換する音素認識部を有する音声認識システムにおいて、
辞書内の単語を構成する音素が、各単語について予めフ
ァイルに記憶されて格納された第１記憶部と、前記音素
認識部の音素認識結果を用いて、その中に一定値以上継
続する音素があるかを認識する認識部と、この認識部で
認識した音素を記憶する第２記憶部と、前記第１記憶部
に記憶されたファイル内の各単語について音素と、第２
記憶部に記憶された音素とが入力され、両音素をビット
ＡＮＤ演算する演算部と、この演算部による結果が
「０」でない単語のみが入力されて計算されるマッチン
グ部とからなることを特徴とするものである。
【０００７】第２発明は、前記一定値以上継続する音素
は、第１、第２音素候補であることを特徴とするもので
ある。
は、第１、第２音素候補であることを特徴とするもので
ある。
【０００８】
【発明の実施の形態】以下この発明の実施の第１形態を
図面に基づいて説明するに、図７と同一部分は同一符号
を付して述べる。図１において、１１は辞書で、この辞
書１１内の単語を構成する音素は、各単語について予め
ファイルに記憶させて第１記憶部１２に格納される。一
方、音素認識部２４から出力される音素認識結果（音素
候補列）が入力され、音素が一定値以上継続する場合が
あるかを認識部１３で認識する。この認識部１３で認識
した音素はワードチェッカーを有する第２記憶部１４に
記憶させ、この第２記憶部１４に記憶された音素と、前
記第１記憶部１２に格納された各単語についての音素と
を演算部１５に入力して、ここで、ビットＡＮＤ演算が
行われる。演算部１５におけるビットＡＮＤ演算結果が
「０」でない単語のみをマッチング部２５に入力してマ
ッチング計算が行われる。なお、音素認識部２４から出
力される音素候補列としては、第１、第２音素候補列を
用いる。また、上記のようにビットＡＮＤ演算結果が
「０」でない単語のみをマッチング計算時に用いること
により、マッチング時に使用する辞書単語数を減らし処
理時間を削減できるようになる。
図面に基づいて説明するに、図７と同一部分は同一符号
を付して述べる。図１において、１１は辞書で、この辞
書１１内の単語を構成する音素は、各単語について予め
ファイルに記憶させて第１記憶部１２に格納される。一
方、音素認識部２４から出力される音素認識結果（音素
候補列）が入力され、音素が一定値以上継続する場合が
あるかを認識部１３で認識する。この認識部１３で認識
した音素はワードチェッカーを有する第２記憶部１４に
記憶させ、この第２記憶部１４に記憶された音素と、前
記第１記憶部１２に格納された各単語についての音素と
を演算部１５に入力して、ここで、ビットＡＮＤ演算が
行われる。演算部１５におけるビットＡＮＤ演算結果が
「０」でない単語のみをマッチング部２５に入力してマ
ッチング計算が行われる。なお、音素認識部２４から出
力される音素候補列としては、第１、第２音素候補列を
用いる。また、上記のようにビットＡＮＤ演算結果が
「０」でない単語のみをマッチング計算時に用いること
により、マッチング時に使用する辞書単語数を減らし処
理時間を削減できるようになる。
【０００９】一般に音素認識において、特に母音につい
ては、比較的精度よく求めることができる。また、母音
はある程度長く発声され、かつほとんどの単語の中に含
まれている。そこで、主に母音をターゲットとした方法
として、入力音声の音素認識結果と辞書単語のマッチン
グ計算を行なう前に、音素誤認識が起きていないと思わ
れる、一定フレーム以上継続した音素のみを用い、単語
予備選択を行う。これにより、音素誤認識による単語選
択誤りを少なくする。
ては、比較的精度よく求めることができる。また、母音
はある程度長く発声され、かつほとんどの単語の中に含
まれている。そこで、主に母音をターゲットとした方法
として、入力音声の音素認識結果と辞書単語のマッチン
グ計算を行なう前に、音素誤認識が起きていないと思わ
れる、一定フレーム以上継続した音素のみを用い、単語
予備選択を行う。これにより、音素誤認識による単語選
択誤りを少なくする。
【００１０】次に図１の実施の第１形態の動作を述べ
る。実施の第１形態を要約すると第１形態は、音素認識
結果の中の、一定長以上続く音素を調べ、その音素を含
んでいる辞書単語のみをマッチング計算に利用するもの
である。第１形態においては、まず、図２に示すように
辞書内の各単語について、それに含まれる音素を予め第
１記憶部に記憶しておく。具体的には、音素番号を利用
して、例えば、単語ｎに音素番号ｉの音素が含まれてい
る時は、第２記憶部内のワードチェッカword checker
（ｎ）の第ｉビットを「１」に設定する。その後、全て
の単語ｎについてワードチェッカ（ｎ）の値を求め、フ
ァイルに格納する。
る。実施の第１形態を要約すると第１形態は、音素認識
結果の中の、一定長以上続く音素を調べ、その音素を含
んでいる辞書単語のみをマッチング計算に利用するもの
である。第１形態においては、まず、図２に示すように
辞書内の各単語について、それに含まれる音素を予め第
１記憶部に記憶しておく。具体的には、音素番号を利用
して、例えば、単語ｎに音素番号ｉの音素が含まれてい
る時は、第２記憶部内のワードチェッカword checker
（ｎ）の第ｉビットを「１」に設定する。その後、全て
の単語ｎについてワードチェッカ（ｎ）の値を求め、フ
ァイルに格納する。
【００１１】次に図３の動作フローチャートについて述
べる。図３において、ステップＳ１で入力音素列a(i)(1
≦i≦I、I：入力音素フレーム数)を読み込む。ここで、
a(i)は入力音声の音素認識結果の第ｉフレームとする。
ステップＳ１で，入力音素列a(i)を読み込んだ後、ステ
ップＳ２でi=1，フレーム継続数のカウンタcount=0とし
てステップＳ３により第ｉフレーム音素認識結果a(i)の
判断を行う。この判断で、a(i)=a(i+1)であるかを行
い、「yes」なら、ステップＳ４の音素長カウンタcount
の値を「１」増やす。また、ステップＳ３で「no」な
ら、count=1とし、予め定めた一定値Ｔに対し、ステッ
プＳ５の判断でcount≧Tとなれば、音素a(i)の音素番号
jを使用して、ステップＳ６で入力用チェッカinp check
er（このチェッカは入力音素列の構成音素を記憶する）
の音素a(i)に相当する第jビットの値を「１」にする。
図４は一定値Ｔ＝４の場合における音素a(i)に相当する
“ｏ”、“ａ”の音素番号のビットを「１」にする説明
図である。
べる。図３において、ステップＳ１で入力音素列a(i)(1
≦i≦I、I：入力音素フレーム数)を読み込む。ここで、
a(i)は入力音声の音素認識結果の第ｉフレームとする。
ステップＳ１で，入力音素列a(i)を読み込んだ後、ステ
ップＳ２でi=1，フレーム継続数のカウンタcount=0とし
てステップＳ３により第ｉフレーム音素認識結果a(i)の
判断を行う。この判断で、a(i)=a(i+1)であるかを行
い、「yes」なら、ステップＳ４の音素長カウンタcount
の値を「１」増やす。また、ステップＳ３で「no」な
ら、count=1とし、予め定めた一定値Ｔに対し、ステッ
プＳ５の判断でcount≧Tとなれば、音素a(i)の音素番号
jを使用して、ステップＳ６で入力用チェッカinp check
er（このチェッカは入力音素列の構成音素を記憶する）
の音素a(i)に相当する第jビットの値を「１」にする。
図４は一定値Ｔ＝４の場合における音素a(i)に相当する
“ｏ”、“ａ”の音素番号のビットを「１」にする説明
図である。
【００１２】ステップＳ６で第jビットの値を「１」に
した後、ステップＳ７でcount=1にしてからステップＳ
８でｉフレームを増やしてステップＳ９によりｉ≧Ｉか
を判断して、「no」ならステップＳ３の処理に戻り、
「yes」ならステップＳ１０でｎ＝１としてステップＳ
１１の判断処理を行う。ステップＳ１１はビットＡＮＤ
演算を行う判断処理で、入力用チェッカとワードチェッ
カ（ｎ）についてビットＡＮＤ演算を行ってその結果が
「０」にならない単語ｎについてステップＳ１２でsele
ct（n)=1（select(n)とは、単語ｎを照合に用いるか判
断するためのフラグ）とし、そうでなければステップＳ
１３でselect(n)=0とする。その後、ステップＳ１４で
ｎを増やして、ｎが辞書単語数word numかどうかをステ
ップＳ１５で判断する。その結果、「no」なら処理をス
テップＳ１１から再び行い、「yes」なら、ステップＳ
１６の判断処理を行う。ステップＳ１６で「yes」ならs
elect（n)=1なる単語ｎについてのみ入力音素列とのマ
ッチング計算に用い、「no」ならマッチング計算に用い
ない。
した後、ステップＳ７でcount=1にしてからステップＳ
８でｉフレームを増やしてステップＳ９によりｉ≧Ｉか
を判断して、「no」ならステップＳ３の処理に戻り、
「yes」ならステップＳ１０でｎ＝１としてステップＳ
１１の判断処理を行う。ステップＳ１１はビットＡＮＤ
演算を行う判断処理で、入力用チェッカとワードチェッ
カ（ｎ）についてビットＡＮＤ演算を行ってその結果が
「０」にならない単語ｎについてステップＳ１２でsele
ct（n)=1（select(n)とは、単語ｎを照合に用いるか判
断するためのフラグ）とし、そうでなければステップＳ
１３でselect(n)=0とする。その後、ステップＳ１４で
ｎを増やして、ｎが辞書単語数word numかどうかをステ
ップＳ１５で判断する。その結果、「no」なら処理をス
テップＳ１１から再び行い、「yes」なら、ステップＳ
１６の判断処理を行う。ステップＳ１６で「yes」ならs
elect（n)=1なる単語ｎについてのみ入力音素列とのマ
ッチング計算に用い、「no」ならマッチング計算に用い
ない。
【００１３】次にこの発明の実施の第２形態を図５のフ
ローチャートについて述べるに、第１形態における図３
のフローチャートと同一機能には同一のステップ符号を
付して示す。
ローチャートについて述べるに、第１形態における図３
のフローチャートと同一機能には同一のステップ符号を
付して示す。
【００１４】この発明の実施の第２形態は、前記第１形
態とは基本的には同じであるが、音素の継続長を計測す
る際に、音素認識結果の第２音素候補b(i)まで利用し
て、音素誤認識をより向上させるようにしたものであ
る。図５において、ステップＳ２１で、まず、入力音素
列a(i),b(i)(1≦i≦I)を読み込む。ここで、a(i)は第ｉ
フレーム音素認識結果の第１音素候補、b(i)は同じく第
２音素候補である。ステップＳ２１で入力音素列を読み
込んだ後、ステップＳ２２で、i=2、フレーム継続数の
カウンタcount=0あるいは現在長さを調べている音素pho
ne=a(1)の処理を行う。
態とは基本的には同じであるが、音素の継続長を計測す
る際に、音素認識結果の第２音素候補b(i)まで利用し
て、音素誤認識をより向上させるようにしたものであ
る。図５において、ステップＳ２１で、まず、入力音素
列a(i),b(i)(1≦i≦I)を読み込む。ここで、a(i)は第ｉ
フレーム音素認識結果の第１音素候補、b(i)は同じく第
２音素候補である。ステップＳ２１で入力音素列を読み
込んだ後、ステップＳ２２で、i=2、フレーム継続数の
カウンタcount=0あるいは現在長さを調べている音素pho
ne=a(1)の処理を行う。
【００１５】この処理の後、ステップＳ２３でa(i)=pho
neあるいはb(i)=phoneの判断処理を行い、「yes」なら
ステップＳ４のカウンタcountの値を「１」増やして、p
honeの値は変更しない。また、「no」ときには、ステッ
プＳ２４に進んでcount=1とし、phone=a(i)とする。一
方、ステップＳ５で予め定めた一定値Ｔに対してcount
≧Tとなれば、ステップＳ６の処理を行って入力用チェ
ッカの第ｊビットの値を「１」にする。この様子を図６
に示す。図６は、一定値Ｔ＝４の場合における、第１音
素候補と第２音素候補“ｏ”、“ａ”の音素番号に相当
する部分のビットを「１」にする説明図である。ステッ
プＳ６の処理で第ｊビットの値を「１」にした後、ステ
ップＳ２４からステップＳ８の処理を行ってステップＳ
２５のｉ＞Ｉかの判断処理を行う。このステップＳ２５
で「no」ならステップＳ２３から再び処理を行い、「ye
s」ならステップＳ１０からステップＳ１６の処理を行
って、第１形態を同様に入力音素列とのマッチング計算
に利用するか、利用しないかを判断する。
neあるいはb(i)=phoneの判断処理を行い、「yes」なら
ステップＳ４のカウンタcountの値を「１」増やして、p
honeの値は変更しない。また、「no」ときには、ステッ
プＳ２４に進んでcount=1とし、phone=a(i)とする。一
方、ステップＳ５で予め定めた一定値Ｔに対してcount
≧Tとなれば、ステップＳ６の処理を行って入力用チェ
ッカの第ｊビットの値を「１」にする。この様子を図６
に示す。図６は、一定値Ｔ＝４の場合における、第１音
素候補と第２音素候補“ｏ”、“ａ”の音素番号に相当
する部分のビットを「１」にする説明図である。ステッ
プＳ６の処理で第ｊビットの値を「１」にした後、ステ
ップＳ２４からステップＳ８の処理を行ってステップＳ
２５のｉ＞Ｉかの判断処理を行う。このステップＳ２５
で「no」ならステップＳ２３から再び処理を行い、「ye
s」ならステップＳ１０からステップＳ１６の処理を行
って、第１形態を同様に入力音素列とのマッチング計算
に利用するか、利用しないかを判断する。
【００１６】次表１はこの発明の実施の第１形態を用い
て認識実験を行った結果である。また、表２はこの発明
の実施の第２形態を用いて認識実験を行った結果であ
る。
て認識実験を行った結果である。また、表２はこの発明
の実施の第２形態を用いて認識実験を行った結果であ
る。
【００１７】
【表１】
【００１８】
【表２】
【００１９】上記認識実験の実験条件を次の表３に示
す。
す。
【００２０】
【表３】
【００２１】上記表１、２から２単語程度の入力の場
合、継続長Ｔの値によっては、認識率を低下させること
なく、入力音声とのマッチングに用いる単語数を減らす
ことができる。また、音素系列に含まれる音素のチェッ
クは処理が単純でほとんど時間がかからないため、これ
によって認識時間の短縮が図れる。
合、継続長Ｔの値によっては、認識率を低下させること
なく、入力音声とのマッチングに用いる単語数を減らす
ことができる。また、音素系列に含まれる音素のチェッ
クは処理が単純でほとんど時間がかからないため、これ
によって認識時間の短縮が図れる。
【００２２】
【発明の効果】以上述べたように、この発明によれば、
音素認識結果と辞書単語のマッチング計算を行う前に、
一定フレーム以上継続した音素のみを用いて、単語予備
選択を行うことにより、音素誤認識による単語選択誤り
の発生を無くすことができるようになるとともに、マッ
チング時に使用する辞書単語数を減らして処理時間を削
減することができる利点も得られる。
音素認識結果と辞書単語のマッチング計算を行う前に、
一定フレーム以上継続した音素のみを用いて、単語予備
選択を行うことにより、音素誤認識による単語選択誤り
の発生を無くすことができるようになるとともに、マッ
チング時に使用する辞書単語数を減らして処理時間を削
減することができる利点も得られる。
【図１】この発明の実施の第１形態を示すブロック構成
図。
図。
【図２】辞書内単語の音素番号を利用してワードチェッ
カの第ｉビットを「１」に設定するための説明図。
カの第ｉビットを「１」に設定するための説明図。
【図３】第１形態の動作を説明するフローチャート。
【図４】音素の音素番号を利用して入力用チェッカの第
ｊビットを「１」にするための説明図。
ｊビットを「１」にするための説明図。
【図５】この発明の実施の第２形態を示すフローチャー
ト。
ト。
【図６】音素の音素番号を利用して入力用チェッカの第
ｊビットを「１」にするための説明図。
ｊビットを「１」にするための説明図。
【図７】音声認識システムの概要図。
１１…辞書 １２…第１記憶部 １３…認識部 １４…第２記憶部 １５…演算部 ２１…音声入力装置 ２２…音声データ入力部 ２３…特徴抽出部 ２４…音素認識部 ２５…マッチング部
Claims (2)
- 【請求項１】 入力音声を音素列に変換する音素認識部
を有する音声認識システムにおいて、 辞書内の単語を構成する音素が、各単語について予めフ
ァイルに記憶されて格納された第１記憶部と、前記音素
認識部の音素認識結果を用いて、その中に一定値以上継
続する音素があるかを認識する認識部と、この認識部で
認識した音素を記憶する第２記憶部と、前記第１記憶部
に記憶されたファイル内の各単語について音素と、第２
記憶部に記憶された音素とが入力され、両音素をビット
ＡＮＤ演算する演算部と、この演算部による結果が
「０」でない単語のみが入力されて計算されるマッチン
グ部とからなることを特徴とする音声認識システムにお
ける単語予備選択装置。 - 【請求項２】 前記一定値以上継続する音素は、第１、
第２音素候補であることを特徴とする請求項１記載の音
声認識システムにおける単語予備選択装置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP8156500A JPH103296A (ja) | 1996-06-18 | 1996-06-18 | 音声認識システムにおける単語予備選択装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP8156500A JPH103296A (ja) | 1996-06-18 | 1996-06-18 | 音声認識システムにおける単語予備選択装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JPH103296A true JPH103296A (ja) | 1998-01-06 |
Family
ID=15629127
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP8156500A Pending JPH103296A (ja) | 1996-06-18 | 1996-06-18 | 音声認識システムにおける単語予備選択装置 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPH103296A (ja) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2007310137A (ja) * | 2006-05-18 | 2007-11-29 | Fujitsu Ltd | 音声認識装置および音声認識プログラム |
| US8032374B2 (en) | 2006-12-05 | 2011-10-04 | Electronics And Telecommunications Research Institute | Method and apparatus for recognizing continuous speech using search space restriction based on phoneme recognition |
-
1996
- 1996-06-18 JP JP8156500A patent/JPH103296A/ja active Pending
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2007310137A (ja) * | 2006-05-18 | 2007-11-29 | Fujitsu Ltd | 音声認識装置および音声認識プログラム |
| US8560317B2 (en) | 2006-05-18 | 2013-10-15 | Fujitsu Limited | Voice recognition apparatus and recording medium storing voice recognition program |
| US8032374B2 (en) | 2006-12-05 | 2011-10-04 | Electronics And Telecommunications Research Institute | Method and apparatus for recognizing continuous speech using search space restriction based on phoneme recognition |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US7974843B2 (en) | Operating method for an automated language recognizer intended for the speaker-independent language recognition of words in different languages and automated language recognizer | |
| US6385579B1 (en) | Methods and apparatus for forming compound words for use in a continuous speech recognition system | |
| US5754978A (en) | Speech recognition system | |
| EP1316086B1 (en) | Combining dtw and hmm in speaker dependent and independent modes for speech recognition | |
| US7058573B1 (en) | Speech recognition system to selectively utilize different speech recognition techniques over multiple speech recognition passes | |
| EP1301922B1 (en) | System and method for voice recognition with a plurality of voice recognition engines | |
| US5983177A (en) | Method and apparatus for obtaining transcriptions from multiple training utterances | |
| US7319960B2 (en) | Speech recognition method and system | |
| US6836758B2 (en) | System and method for hybrid voice recognition | |
| Rabiner et al. | Application of dynamic time warping to connected digit recognition | |
| US20080052072A1 (en) | Speaker recognition method based on structured speaker modeling and a scoring technique | |
| JP2002533789A (ja) | 自動音声認識システムにおけるｎベストリストに用いる知識ベース戦略 | |
| US6253173B1 (en) | Split-vector quantization for speech signal involving out-of-sequence regrouping of sub-vectors | |
| JP2002500779A (ja) | 識別訓練されたモデルを用いる音声認識システム | |
| US7280963B1 (en) | Method for learning linguistically valid word pronunciations from acoustic data | |
| US6226610B1 (en) | DP Pattern matching which determines current path propagation using the amount of path overlap to the subsequent time point | |
| US4783809A (en) | Automatic speech recognizer for real time operation | |
| JP4661239B2 (ja) | 音声対話装置及び音声対話方法 | |
| Diwan et al. | Reduce and reconstruct: ASR for low-resource phonetic languages | |
| JPH103296A (ja) | 音声認識システムにおける単語予備選択装置 | |
| JP2000250593A (ja) | 話者認識装置及び方法 | |
| JP3868798B2 (ja) | 音声認識装置 | |
| JPH08314490A (ja) | ワードスポッティング型音声認識方法と装置 | |
| JP2980382B2 (ja) | 話者適応音声認識方法および装置 | |
| JP3128251B2 (ja) | 音声認識装置 |