JPH1063295A - 認識結果を自動訂正する単語音声認識方法およびこの方法を実施する装置 - Google Patents

Abstract

(57)【要約】 【課題】 誤認識とされた第１位の認識結果以降の認識
結果を順次に第１位に導出することにより見かけ上の認
識性能を向上させる認識結果を自動訂正する単語音声認
識方法および装置を提供する。 【解決手段】 音声認識部２より出力される音声認識結
果である複数の正解候補とエラーパターン記憶部６に登
録されている過去に発生した誤認識結果とを判定部７に
より比較し、正解候補が過去に発生した誤認識結果と同
一の認識傾向を示す認識内容のものであれば発声者が操
作して訂正導出した正解を出力すると共にこれをエラー
パターン記憶部６に登録し、正解候補が過去に発生した
誤認識結果と異なる内容のものであれば音声認識部２が
出力した正解候補第１位の結果をそのまま出力する認識
結果を自動訂正する単語音声認識方法および装置。

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 認識結果を自動
訂正する単語音声認識方法およびこの方法を実施する装
置に関し、特に、次回の音声認識において発声者が確定
する単語名として登録される認識結果を自動訂正する単
語音声認識方法およびこの方法を実施する装置に関す
る。

【０００２】

【従来の技術】単語音声認識装置の従来例を、図５を参
照して説明する。図５において、音声入力部１は音声を
入力して音声信号に変換するマイクロホンその他の音響
電気変換器である。音声認識部２は音声入力部１より入
力された音声を認識し、正解第１位を含めて複数の認識
結果候補を出力する部位である。提示部３は音声認識部
２により認識された結果を提示するディスプレイその他
の表示装置である。操作部４は音声認識部２に指示して
提示部３の提示内容を変更或は結果を確定する鍵盤その
他の入力機器である。結果出力部５は提示部３に提示さ
れた内容を確定し、この単語音声認識装置を入力装置と
して使用する電気機器へ結果を出力する出力端子であ
る。

【０００３】以上の単語音声認識装置を入力装置として
使用し、これに短い音声を幾つか入力して電気機器を操
作することが行なわれている。１０数字音声の番号入力
操作をする音声ダイヤル装置、或は「ト」、「ウ」、
「キョ」、「ウ」と単音節音声を発声して「トウキョ
ウ」と音声入力操作を行なわせるものはその一例であ
る。音声認識装置を入力装置として使用する長所は、例
えば５０音の単音節入力の場合、５０個以上もの多数の
キーの内から目的の単音節に相当するキーを探す手間を
省略することができる上に、キーを５０個以上も配置す
るスペースを省略することができる点にある。これによ
り、音声認識を使用した入力装置の操作の簡素化、装置
全体の小型軽量化を期待することができる。

【０００４】ところが、単語音声認識装置を入力装置と
して実際に使用操作する場合、数字或は単音節の如き短
い音声は、発声が互に類似している数字或は単音節の組
み合せが多い上に、各音声の特徴の顕われる波形区間が
短いところから、発声相互間の判別が難かしく、スムー
ズな音声入力を困難にしている。例えば、数字音声「い
ち」、「に」、「はち」（／ｉｃｈｉ／、／ｎｉ／、・
・・／ｈａｃｈｉ／）の場合を比較すると、これら３個
の単語を区別する信号区間は、／ｉｃｈ／、／ｎ／、／
ｈａｃｈ／の頭部部分だけであり、更に、頭部の／ｉ
／、／ｈａ／は弱く発音される傾向が強いところから、
「いち」と「に」とは区別し難く、また、「いち」と
「はち」との間も区別し難い。同様の現象は「さん」、
「よん」および「なな」の間にも生じる傾向がある。こ
のために、発声条件に依らずに認識率１００％を維持す
ることは困難である。そこで、この様に入力装置として
使用する音声認識装置には、音声認識された結果を確定
するか、或は取り消す操作をするキーが最低限必要とさ
れる。

【０００５】ところが、この様な１０数字或は単音節の
認識に必要な標準パターン、言語モデルは、認識手法が
特定話者であるか或は不特定話者であるかの別、或は認
識アルゴリズムがテンプレートマッチング法であるか或
は統計的モデル学習法であるかの別に関わらず、１個の
数字或は音節より成る単語の認識に１個或は極く小数個
のパターン或はモデルが固定されて使用されている。こ
れらの音声認識装置は小型化を目的とする音声ダイヤル
装置の如き電気機器に組み込まれて使用され、多量の計
算量を必要とするパターンの学習機能が省略される場合
が多いためである。このために、逐次学習機能によるパ
ターンの認識改善効果を期待することはできない。

【０００６】そこで、或る発声について認識誤りを生じ
ると、この発声については何回発声してもその都度認識
誤りを生じる可能性が高くなる。先の例を参照するに、
「いち」を入力して「に」或は「はち」と認識された場
合、同様な発声「いち」を繰り返す限り「いち」とは認
識され難い。また、発声の仕方を変えて「いち」と認識
されたとしても、普段とは異なった発声をして「いち」
と認識されたのであるから、発声者がその発声の仕方を
忘れてしまうと再び誤認識を繰り返すこととなる。この
結果、使用者は認識誤りの起きた回数だけ再発声を繰り
返し、相対的に認識率が低下することとなる。この例は
１０数字音声或は単音節音声の認識の場合の例である
が、一般的な単語音声認識の場合にも同様に発生する現
象である。

【０００７】先の図５の単語音声認識装置において、発
声者が音声入力部１より音声を入力すると、その音声波
形は音声認識部２により認識され、その認識結果候補は
提示部３に出力される。発声者は提示部３の出力を元に
して操作部４を操作し、結果を確定する。認識結果を確
定するに際して、音声認識部２に応じて操作部４の操作
の仕方には幾通りかの仕方がある。

【０００８】（１） 操作部４に認識結果の候補選択を
行う選択キーおよび候補選択した結果を確定する確定キ
ーを具備し、選択キー操作により候補選択を行なうと共
に確定キーを操作して選択候補を確定する。 （２） 提示部３に認識結果が提示されている状態にお
いて次の音声を入力すると、先に提示された認識結果が
自動的に確定される音声認識部２と、操作部４に認識結
果を削除する削除キーとを具備し、この削除キーを押さ
ずに次の音声入力を行う。

【０００９】ここで、発声者が最初に提示された認識結
果を不正解と判定したことを認識装置に提示する方法と
しては、以下の３通りの仕方が考えられる。 （Ａ） 先の（１）の場合において、正解第１位以外の
候補選択を行う選択キーを操作する。 （Ｂ） 先の（２）の場合においては、認識結果を削除
する削除キーを操作する。

【００１０】これら（Ａ）および（Ｂ）の内の何れかが
実施された場合、音声認識部２は最初の発声が正しく認
識できなかったものとして、その誤りに対する情報を記
憶する。情報としては、例えば認識結果第１、２、３位
の単語名およびその距離値を使用する。ここで、次の発
声が入力され、同様の認識傾向が認められた場合、音声
認識部２においては第１位候補を破棄し、第２、３位を
正解候補に繰り上げれば、先に述べた同一単語の発声に
対して認識誤りが連続する現象を回避することができ
る。

【００１１】

【発明が解決しようとする課題】以上の通りの従来の単
語音声認識装置は、同一単語の発声に対して認識誤りが
連続して発生し始めた場合、認識させたい単語音声を何
度再入力しても正解候補を正しく導き出すことが困難で
あった。この発明は、同一単語の発声に対して認識誤り
が連続して発生した場合にも、発声者の簡単な訂正処理
で第１位の認識結果以外の結果を自動的に第１位に繰り
上げることにより、多大な計算量を必要とする認識用標
準パターン或はモデルの逐次学習を必要とすることなし
に、見かけ上の認識性能を向上させた認識結果を自動訂
正する単語音声認識方法およびこの方法を実施する装置
を提供するものである。

【００１２】

【課題を解決するための手段】図１に図示される通り、
音声認識部２より出力される音声認識結果である複数の
正解候補とエラーパターン記憶部６に登録されている過
去に発生した誤認識結果とを判定部７により比較し、正
解候補が過去に発生した誤認識結果と同一の認識傾向を
示す認識内容のものであれば、発声者が操作して訂正導
出した正解を出力すると共にこれをエラーパターン記憶
部６に登録し、正解候補が過去に発生した誤認識結果と
異なる内容のものであれば音声認識部２が出力した正解
候補第１位の結果をそのまま出力する認識結果を自動訂
正する単語音声認識方法を構成した。そして、この認識
結果を自動訂正する単語音声認識方法において、誤認識
とされた第１位の正解候補以降の正解候補を自動的に順
次に上位に繰り上げる認識結果を自動訂正する単語音声
認識方法を構成した。

【００１３】ここで、音声信号を入力する音声入力部１
と、入力された音声を認識して複数の認識結果候補を出
力する音声認識部２と、認識結果候補を発声者に提示す
る提示部３と、提示された認識結果の次の候補を呼出し
或は提示された認識結果を確定する操作部４と、確定さ
れた結果を外部機器へ送出する結果出力部５と、音声認
識部２の認識結果と発声者により確定された過去の誤認
識結果とを共に記憶登録するエラーパターン記憶部６
と、音声認識部２から出力される認識結果とエラーパタ
ーン記憶部６に登録される過去の誤認識結果とを比較し
て両者がほぼ同一の認識傾向であるものと判定されたと
き最終的に確定された認識単語候補を過去の認識結果で
提示部３に提示すると共に、両者が異なるものと判定さ
れたとき音声認識部２が出力した正解候補第１位の結果
をそのまま提示部３に提示する判定部７とを具備する認
識結果を自動訂正する単語音声認識装置を構成した。

【００１４】また、音声信号を入力する音声入力部１
と、入力された音声を認識し複数の認識結果候補を出力
する音声認識部２と、認識結果候補を発声者に提示する
提示部３と、現在の認識結果を破棄し或は直前の認識結
果を抹消確定する操作部４と、確定された結果を外部機
器へ送出する結果出力部５と、音声認識部２の認識結果
と次回認識時の認識候補として発声者が破棄した認識候
補の次の候補を共に記憶するエラーパターン記憶部６
と、音声認識部２から出力される認識結果とエラーパタ
ーン記憶部６に登録される過去の誤認識結果とを比較し
同一の認識傾向が見られた場合に破棄した認識結果の次
候補を出力する判定部７とを具備する認識結果を自動訂
正する単語音声認識装置を構成した。

【００１５】更に、先の認識結果を自動訂正する単語音
声認識装置において、エラーパターン記憶部６はこれに
登録される発声者により確定された過去の誤認識結果或
は破棄された認識結果の次候補を順次に上位に繰り上げ
る構成を有するものである認識結果を自動訂正する単語
音声認識装置を構成した。

【００１６】

【発明の実施の形態】この発明の実施の形態を図１を参
照して説明する。図１において、音声入力部１は音声を
入力して音声信号に変換するマイクロホンその他の音響
電気変換器である。音声認識部２は音声入力部１より入
力された音声を認識し、正解第１位を含めて複数の認識
結果候補を出力する部位である。提示部３は音声認識部
２により認識された結果を提示するディスプレイ或はガ
イダンス音声を生成するスピーカその他の表示装置であ
る。操作部４は音声認識部２に指示して提示部３の提示
内容を変更或は結果を確定する鍵盤その他の入力機器で
ある。結果出力部５は提示部３に提示された内容を確定
し、この認識結果を自動訂正する単語音声認識装置を入
力装置として使用する電気機器へ結果を出力する出力端
子である。

【００１７】エラーパターン記憶部６および判定部７は
この発明により付加された構成である。エラーパターン
記憶部６は、発声者が過去に操作部４を介して正解第１
位を不正解と判定して次候補選択を行った場合の各正解
候補の単語名および尤度距離値、最終的に確定された正
解候補の単語名その他のデータを記憶しておく部位であ
る。判定部７は現在の認識結果候補出力と同一の認識結
果候補出力傾向がエラーパターン記憶部６に登録されて
いるか否かを検索する部位である。ここで登録されてい
ると判定した場合に、発声者の操作によって確定した認
識単語候補を提示部３に提示すると共に、その時の認識
結果候補出力傾向の情報と一緒にエラーパターン記憶部
６に登録する一方、現在の認識内容がエラーパターン記
憶部６に格納されている過去の認識結果と異なる場合、
判定部７は音声認識部２が出力した正解候補第１位の結
果をそのまま提示部３に提示する。

【００１８】エラーパターン記憶部６に格納する過去の
認識結果のデータ形式の例を図４にす。図４は、発声さ
れた音声に対する認識結果の単語名と距離値と、その認
識結果が誤りの例として発声者に指摘された場合にその
認識結果第１位の単語名以外に正解の認識結果として認
識装置が提示すべき単語名或はそれに相当するラベルと
を蓄積するものである。

【００１９】以下、図１の実施例の動作を図２のフロー
チャートを参照して説明する。図２のフローチャート
は、単音節音声或は数字音声を１音節或は１桁ずつ発声
して単語或は連続数字を生成する例を説明する図であ
る。 （Step 1） 発声者が単音節音声或は数字音声を１音節
或は１桁づつ発声して音声入力部１へ入力すると、音声
認識部２はこれらの音声を音声入力部１より入力された
音声信号に基づいて単語単位で認識する。

【００２０】（Step 2） 音声認識部２による認識結果
である正解候補第１、２、３・・・・位の単語名或は単語番
号、正解候補それぞれの尤度或は距離値を判定部７へ出
力する。 （Step 3） 判定部７はこれら認識結果とエラーパター
ン記憶部６に格納される過去の認識内容とを比較し、ほ
ぼ同一の認識内容がエラーパターン記憶部６に格納され
ているか否かを検索する。

【００２１】（Step 4） ここで、互に同一の内容であ
るとする判定基準は、例えば、 ａ） 正解候補第１、２、３・・・・位の単語名或は単語番
号の並びが同一である過去の認識内容が存在する。 ｂ） 正解候補第１、２、３・・・・位の単語に対する尤度
或は距離値をそれぞれＤ１、Ｄ２、Ｄ３、・・・・とし、判
定基準ａ）で検索された過去の認識内容の正解候補第
１、２、３・・・・位の単語に対する尤度或は距離値をそれ
ぞれＰ１、Ｐ２、Ｐ３、・・・・とすると、或る閾値Ｔに対
して、｜Ｄ１−Ｐ１｜≦Ｔ、｜Ｄ２−Ｐ２｜≦Ｔ、｜Ｄ
３−Ｐ３｜≦Ｔ、・・・・なる関係が成立する。これは正解
候補第１、２、３・・・・位が得た尤度或は距離値と過去の
認識内容の正解候補第１、２、３・・・・位の単語に対する
尤度或は距離値とが同様の値を示していることを意味す
る。この判定基準ａ）およびｂ）を満足しているとき、
判定部７は現在の認識内容が過去の認識結果と同一であ
るものと判定する。

【００２２】（Step 5） 現在の認識内容が過去の認識
結果と同一であるものと判定されたとき最終的に確定さ
れた認識単語候補を過去の認識結果で提示部３に提示す
る。 （Step 6） 現在の認識内容がエラーパターン記憶部６
に格納されている過去の認識結果と異なる場合、判定部
７は音声認識部２が出力した正解候補第１位の結果をそ
のまま提示部３に出力する。

【００２３】（Step 7） 発声者は提示部３の内容を見
て、それが正解であるか誤りであるかを判断する。 （Step 8,11,12） 誤りであれば次候補選択操作を行
う。ここで、次候補選択とは、例えば、操作部４におい
て次候補を呼び出す呼び出しキーを操作することであ
る。次候補選択は、例えば、先の認識結果の第２位、第
３位・・・・を順に提示部３に提示することであり、Step 7
に戻って再び提示部３の内容を見てそれが正解であるか
誤りであるかを判断する。

【００２４】（Step 8,11,13,14 ） 正解であればこれ
を確定する操作を行う。即ち、発声者が満足する認識結
果が提示部３に出力されれば発声者は結果確定操作を行
う。ここで、結果確定操作とは、例えば、操作部４にお
いて確定キーを操作することである。 （Step 15,16,17 ） 結果確定操作により、発声者によ
る確定結果はエラーパターン記憶部６へ送出され、これ
が認識部２で正解候補第１位とは異なるものであった場
合、認識誤りを生じた例として、現在の認識内容と共に
図４に例示した形式でエラーパターン記憶部６に記憶さ
れる。もし、現在の認識内容と同一であって確定した認
識結果のみが異なる様な過去の認識結果が存在する場
合、現在の確定内容を重ね書きし、或は新規に追加登録
してもよい。誤認識とされた第１位の正解候補以降の正
解候補は自動的に順次に上位に繰り上げられる。

【００２５】次いで、Step 1に戻り、発声者は次の単音
節音声或は数字音声を発声して音声入力部１へ入力す
る。 （Step 9,10 ） これら認識結果は発声者の完了操作に
より全音節或は１桁の結果が確定し、確定した認識結果
は提示部３から結果出力部５へ送られ、音声認識処理を
終了する。ここで結果確定操作とは、例えば、操作部４
において完了する終了キーを操作することである。

【００２６】この発明の他の実施例を図３のフローチャ
ートを参照して説明する。図３のフローチャートは、図
２のフローチャートと同様に、単音節或は数字音声を１
音節或は１桁づつ発声して単語或は連続数字を生成する
説明をするものである。Step1〜6 およびStep 9,10 に
ついては図２と同様であるので、Step 7以降について説
明する。

【００２７】（Step 7） 発声者は提示部３の内容を見
て、それが正解であるか誤りであるかを判断する。 （Step 8,11,12） 提示される認識結果が正解であれば
次の発声を行う。次の発声が受け付けられると、この認
識装置は表示中の認識結果を確定する。 （Step 8,11,13） 提示される認識結果が誤りであれば
発声者はこれを削除する操作を行う。ここで削除操作と
は、例えば、操作部４において認識結果を削除する削除
キーを操作することである。

【００２８】（Step 14,15） この削除キーは既に確定
した認識結果を１音節或は１桁分消去する機能をも併せ
て有している。 （Step 14,16,17,18） この削除キーは、更に、結果の
確定していない認識結果を破棄する機能を有する。破棄
された第１位の認識結果は無効な結果であるので提示部
３には提示されないが、図２の場合と同様、認識誤りを
生じた例として現在の認識内容と共に図４に例示される
形式でエラーパターン記憶部６に記憶される。このとき
に破棄された認識結果の次の順位以降に相当する単語名
は、第２位から第１位へ、第３位から第２位へとそれぞ
れ上位へ順送りされ、第１位に繰り上げられた認識候補
は次回の音声認識において発声者が確定する単語名とし
て記録されるものである。ここにおいて破棄された第１
位の認識結果は認識候補の末尾へ送られる。第３位まで
認識する認識部２であれば第３位とされる。この様にす
ると、同一単語に対して第３候補まで、即ちこの例にお
いては２回まで繰り返し訂正をすることができる。

【００２９】以上の通り、この発明は、音声が認識され
たとき、これが過去に認識誤りとして登録されたものと
同一の傾向を示す認識内容であれば、発声者は操作によ
り導出した正解を自動的に出力する。

【００３０】

【発明の効果】以上の通りであって、この発明は、音声
認識において誤認識が生じたとき、その結果を自動的に
置換することにより誤認識を訂正する操作を簡略化し、
見かけ上の認識性能を向上させることができる。

【図面の簡単な説明】

【図１】実施例を説明するブロック図。

【図２】実施例の動作を説明するフローチャート。

【図３】実施例の他の動作を説明するフローチャート。

【図４】エラーパターン記憶部に記憶するデータを説明
する図。

【図５】従来例を説明する図。

【符号の説明】

１ 音声入力部 ２ 音声認識部 ３ 提示部 ４ 操作部 ５ 結果出力部 ６ エラーパターン記憶部 ７ 判定部

Claims (5)

【特許請求の範囲】
1. 【請求項１】 音声認識部より出力される音声認識結果
   である複数の正解候補とエラーパターン記憶部に登録さ
   れている過去に発生した誤認識結果とを比較し、正解候
   補が過去に発生した誤認識結果と同一の認識傾向を示す
   認識内容のものであれば発声者が操作して訂正導出した
   正解を出力すると共にこれをエラーパターン記憶部に登
   録し、正解候補が過去に発生した誤認識結果と異なる内
   容のものであれば音声認識部が出力した正解候補第１位
   の結果をそのまま出力することを特徴とする認識結果を
   自動訂正する単語音声認識方法。
2. 【請求項２】 請求項１に記載される認識結果を自動訂
   正する単語音声認識方法において、 誤認識とされた第１位の正解候補以降の正解候補を自動
   的に順次に上位に繰り上げることを特徴とする認識結果
   を自動訂正する単語音声認識方法。
3. 【請求項３】 音声信号を入力する音声入力部と、入力
   された音声を認識して複数の認識結果候補を出力する音
   声認識部と、認識結果候補を発声者に提示する提示部
   と、提示された認識結果の次の候補を呼出し或は提示さ
   れた認識結果を確定する操作部と、確定された結果を外
   部機器へ送出する結果出力部と、音声認識部の認識結果
   と発声者により確定された過去の誤認識結果とを共に記
   憶登録するエラーパターン記憶部と、音声認識部から出
   力される認識結果とエラーパターン記憶部に登録される
   過去の誤認識結果とを比較して両者が同一の認識傾向で
   あるものと判定されたとき最終的に確定された認識単語
   候補を過去の認識結果で提示部に提示すると共に、両者
   が異なるものと判定されたとき音声認識部が出力した正
   解候補第１位の結果をそのまま提示部に提示する判定部
   とを具備することを特徴とする認識結果を自動訂正する
   単語音声認識装置。
4. 【請求項４】 音声信号を入力する音声入力部と、入力
   された音声を認識し複数の認識結果候補を出力する音声
   認識部と、認識結果候補を発声者に提示する提示部と、
   現在の認識結果を破棄し或は直前の認識結果を抹消する
   操作部と、確定された結果を外部機器へ送出する結果出
   力部と、音声認識部の認識結果と次回認識時の認識候補
   として発声者が破棄した認識候補の次の候補を共に記憶
   するエラーパターン記憶部と、音声認識部から出力され
   る認識結果とエラーパターン記憶部に登録される過去の
   誤認識結果とを比較し同一の認識傾向が見られた場合に
   破棄した認識結果の次候補を出力する判定部とを具備す
   ることを特徴とする認識結果を自動訂正する単語音声認
   識装置。
5. 【請求項５】 請求項４および請求項５の内の何れかに
   記載される認識結果を自動訂正する単語音声認識装置に
   おいて、 エラーパターン記憶部はこれに登録される発声者により
   確定された過去の誤認識結果或は破棄された認識結果の
   次候補を順次に上位に繰り上げる構成を有するものであ
   ることを特徴とする認識結果を自動訂正する単語音声認
   識装置。