JPS58224400A - 音声認識方式 - Google Patents
音声認識方式Info
- Publication number
- JPS58224400A JPS58224400A JP57108743A JP10874382A JPS58224400A JP S58224400 A JPS58224400 A JP S58224400A JP 57108743 A JP57108743 A JP 57108743A JP 10874382 A JP10874382 A JP 10874382A JP S58224400 A JPS58224400 A JP S58224400A
- Authority
- JP
- Japan
- Prior art keywords
- word
- dictionary
- divisions
- waveform
- words
- 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】本公報は電子出願前の出願データであるた
め要約のデータは記録されません。
め要約のデータは記録されません。
Description
【発明の詳細な説明】
発明の技術分野
本発明は、単語単位の音声認識方式に関し、入力された
音声の分割数で辞書パターンを選択して、マツチング回
数の低減、認識率向上を図ろうとするものである。
音声の分割数で辞書パターンを選択して、マツチング回
数の低減、認識率向上を図ろうとするものである。
従来技術と問題点
音声認識にはア、力、す、り・・・・・・入どの単音節
単位で認識する方式、およびワタクシワ、ニンゲン、・
・・・・・などの文節（助詞なども含めるので詳しくは
単語）単位で認識する方式があるが、本発明は後者に係
るものである。ところで従来の単語音声認識では、１単
語の発生長は長短様々であるから同じ長さに正規化して
から入力音声を辞書パターンと比較（マツチング）する
という方式をとっている。このため、（１１認識可能単
語を多数にする（単語単位の認識では数千〜敵方の辞書
単語を用意しないと実用化にはほど遠い）とマツチング
回数が多くなる、（２）多数単語を用意すると認識率が
下がる、等の欠点がある。（２）は単音節の数がある程
度多い単語の方が少ない単語より認識率が高いという事
実に由来する。単語には単音節数の多いもの、少ないも
の種々あるのでこれを一律に扱わずに区別すれば、認識
処理つまり比較操作は少なくて済み、候補も絞られてい
るので認識率も上る。
単位で認識する方式、およびワタクシワ、ニンゲン、・
・・・・・などの文節（助詞なども含めるので詳しくは
単語）単位で認識する方式があるが、本発明は後者に係
るものである。ところで従来の単語音声認識では、１単
語の発生長は長短様々であるから同じ長さに正規化して
から入力音声を辞書パターンと比較（マツチング）する
という方式をとっている。このため、（１１認識可能単
語を多数にする（単語単位の認識では数千〜敵方の辞書
単語を用意しないと実用化にはほど遠い）とマツチング
回数が多くなる、（２）多数単語を用意すると認識率が
下がる、等の欠点がある。（２）は単音節の数がある程
度多い単語の方が少ない単語より認識率が高いという事
実に由来する。単語には単音節数の多いもの、少ないも
の種々あるのでこれを一律に扱わずに区別すれば、認識
処理つまり比較操作は少なくて済み、候補も絞られてい
るので認識率も上る。
発明の目的
本発明は、入力された音声と辞書パターンとのマッチン
グ処理回数を少数回で済むようにしてマツチング処理の
時間を減らし、比較的高速に多数の単語音声を確実にＬ
ｕ ｉ＆する方式を提供しようとするものである。
グ処理回数を少数回で済むようにしてマツチング処理の
時間を減らし、比較的高速に多数の単語音声を確実にＬ
ｕ ｉ＆する方式を提供しようとするものである。
発明の構成
本発明は、予め辞書に単語単位で発声登録しておく多数
の辞書パターンを各単語の分割数に従ってグループ分け
しておき、認識に当って入力される音声についてそのパ
ワー波形の立下りと該パワー波形の傾き波形の立上がり
との交点（ただし、パワーの最大値を１、最小値を０と
したとき、Ｄ〜０．５の範囲内の交点）を求めてその数
から分割数を求め、そして・該分割数によって前記辞書
の該当するグループだけを選択して該入力音声に対する
単語単位のマツチング処理を行うことを特徴とするが、
以下図面を参照しながらこれを詳細に説明する。
の辞書パターンを各単語の分割数に従ってグループ分け
しておき、認識に当って入力される音声についてそのパ
ワー波形の立下りと該パワー波形の傾き波形の立上がり
との交点（ただし、パワーの最大値を１、最小値を０と
したとき、Ｄ〜０．５の範囲内の交点）を求めてその数
から分割数を求め、そして・該分割数によって前記辞書
の該当するグループだけを選択して該入力音声に対する
単語単位のマツチング処理を行うことを特徴とするが、
以下図面を参照しながらこれを詳細に説明する。
発明の実施例
一般に人力音声単語から正確に音韻（虫音節）単（ｆｆ
の切り出しを行うことは困幹であるため、本発明では音
声のパワー波形とその傾き波形の交点を分割点として音
声を分割する。第１図は本発明の一実施例を示す波形図
で、音声単語“同じ（ＯＮＡＺｉ） ”を例としたも
のである。発生された単語の音声はマイクロホンによっ
て電気信号（電圧値）に変換され、２乗することでパワ
ー波形が得られる。図中の実線曲線１０は振幅を正規化
した該パワー波形で、その最大値（１）と最小値（０）
の中点（０，５）を傾き軸の中点（０）に一致させる。
の切り出しを行うことは困幹であるため、本発明では音
声のパワー波形とその傾き波形の交点を分割点として音
声を分割する。第１図は本発明の一実施例を示す波形図
で、音声単語“同じ（ＯＮＡＺｉ） ”を例としたも
のである。発生された単語の音声はマイクロホンによっ
て電気信号（電圧値）に変換され、２乗することでパワ
ー波形が得られる。図中の実線曲線１０は振幅を正規化
した該パワー波形で、その最大値（１）と最小値（０）
の中点（０，５）を傾き軸の中点（０）に一致させる。
１点鎖線２０は傾き波形で、これはパワー波形１０を微
分または差分することにより得られたものである。単音
節（この場合はＯとＮＡとＺｉ）の区切りはパワー波形
の谷１１にあるが、ここを検出して切出したのでは特に
子音を含む単音節では遅過ぎることになる。また第１図
では波形を比較的滑らかに画いているが実際はぎざぎざ
の激しいものであるから、どれが谷か判然としない。そ
こで本発明ではパワー波形１０の立ち下りと傾き波形２
０の立上りとの交点（ただし、正規化パワーの０〜０．
５の範囲内とする）３０を分割点とする。この交点はは
一１点となり、しがも谷１１の手前にあるので単音節切
出しにも有効に利用できるであろう。
分または差分することにより得られたものである。単音
節（この場合はＯとＮＡとＺｉ）の区切りはパワー波形
の谷１１にあるが、ここを検出して切出したのでは特に
子音を含む単音節では遅過ぎることになる。また第１図
では波形を比較的滑らかに画いているが実際はぎざぎざ
の激しいものであるから、どれが谷か判然としない。そ
こで本発明ではパワー波形１０の立ち下りと傾き波形２
０の立上りとの交点（ただし、正規化パワーの０〜０．
５の範囲内とする）３０を分割点とする。この交点はは
一１点となり、しがも谷１１の手前にあるので単音節切
出しにも有効に利用できるであろう。
第１図の例では交点３ｏが３個あることがら分割数−３
となる。この分割数で索引する辞書の各単語は第２図に
示すように予め上記要領で求めた分割数でグループ分け
しておく。第２図で、４゜は数千〜敵方の単語辞書パタ
ーン（単語音声信号を所要数のバンドパスフィルタに通
じて周波数分割し、それらを時間軸上でサンプリングし
デジタル化、圧縮処理等して時間軸と周波数軸のマトリ
クス上に表わしたもの）を記憶している辞書（メモリ）
で、４１はそのうちの分割数が１の１．Ｈ辞書パターン
だけを集めたグループである。間様に４２〜４５は分割
数２．３．４そして５以上の単語辞書パターンを集めた
グループである。第１図の分割数３の単語はグループ４
３内の単語辞書パターンだけとマツチングされる。この
ため辞書４０全体では敵方の単語が登録されていても、
実際のマツチングはグループ４３内の数百〜数千のパタ
ーンについて行えばよいのでマツチング回数ハ著しく低
減され、マツチング時間は短縮される。
となる。この分割数で索引する辞書の各単語は第２図に
示すように予め上記要領で求めた分割数でグループ分け
しておく。第２図で、４゜は数千〜敵方の単語辞書パタ
ーン（単語音声信号を所要数のバンドパスフィルタに通
じて周波数分割し、それらを時間軸上でサンプリングし
デジタル化、圧縮処理等して時間軸と周波数軸のマトリ
クス上に表わしたもの）を記憶している辞書（メモリ）
で、４１はそのうちの分割数が１の１．Ｈ辞書パターン
だけを集めたグループである。間様に４２〜４５は分割
数２．３．４そして５以上の単語辞書パターンを集めた
グループである。第１図の分割数３の単語はグループ４
３内の単語辞書パターンだけとマツチングされる。この
ため辞書４０全体では敵方の単語が登録されていても、
実際のマツチングはグループ４３内の数百〜数千のパタ
ーンについて行えばよいのでマツチング回数ハ著しく低
減され、マツチング時間は短縮される。
しかも、候補が絞られているので認識確度も高く、
′勿論か＼る認識のためにハードウェアを変更する
必要などは生じない。
′勿論か＼る認識のためにハードウェアを変更する
必要などは生じない。
発明の効果
以上述べた本発明の音声認識方式には次の利点がある。
（１）認識すべき単語数が増えた場合、音韻数の少ない
単語の認識率を低下させない。（２）認識すべき単語数
が増えても、マツチング量がそれほど増えないので、高
速にマツチング処理をすることができる。（３）従来の
辞書構成およびマツチング機構を変更する必要がない。
単語の認識率を低下させない。（２）認識すべき単語数
が増えても、マツチング量がそれほど増えないので、高
速にマツチング処理をすることができる。（３）従来の
辞書構成およびマツチング機構を変更する必要がない。
第１図および第２図は本発明の一実施例を示す波形図お
よび辞書構成の説明図である。 図中、１０はパワー波形、２ｏはその傾き波形、３０は
交点、４０は辞書、４１〜４５は辞書グループである。 出 願 人 富 士 通 株式会社 代理人弁理士 青 柳 珍
よび辞書構成の説明図である。 図中、１０はパワー波形、２ｏはその傾き波形、３０は
交点、４０は辞書、４１〜４５は辞書グループである。 出 願 人 富 士 通 株式会社 代理人弁理士 青 柳 珍
Claims (1)
- 予め辞書に単語単位で発声登録しておく多数の辞書パタ
ーンを各単語の分割数に従ってグループ分けしておき、
認識に当って入力される音声についてそのパワー波形の
立下りと該パワー波形の傾き波形の立上がりとの交点を
求めてその数から分割数を求め、そして該分割数によっ
て前記辞書の該当するグループだけを選択して該入力音
声に対する単語単位のマツチング処理を行うことを特徴
とする音声認識方式。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP57108743A JPS58224400A (ja) | 1982-06-24 | 1982-06-24 | 音声認識方式 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP57108743A JPS58224400A (ja) | 1982-06-24 | 1982-06-24 | 音声認識方式 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JPS58224400A true JPS58224400A (ja) | 1983-12-26 |
Family
ID=14492384
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP57108743A Pending JPS58224400A (ja) | 1982-06-24 | 1982-06-24 | 音声認識方式 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPS58224400A (ja) |
-
1982
- 1982-06-24 JP JP57108743A patent/JPS58224400A/ja active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP3162994B2 (ja) | 音声のワードを認識する方法及び音声のワードを識別するシステム | |
| JPS5972496A (ja) | 単音識別装置 | |
| Pols | Real-time recognition of spoken words | |
| EP0182989B1 (en) | Normalization of speech signals | |
| Christensen et al. | A comparison of three methods of extracting resonance information from predictor-coefficient coded speech | |
| JPS58224400A (ja) | 音声認識方式 | |
| JPS58108590A (ja) | 音声認識装置 | |
| Elghonemy et al. | Speaker independent isolated Arabic word recognition system | |
| JPS59185400A (ja) | 単音節音声認識方式 | |
| Kobayashi et al. | Word boundary detection by pitch contours in an artificial language | |
| Lehiste et al. | Some allophones of/l/in American English | |
| JPH01158499A (ja) | 定常雑音除去方式 | |
| JPS59219799A (ja) | 音声認識装置 | |
| KR20030035286A (ko) | 소용량 음성인식 시스템 및 그 방법 | |
| JPS6293000A (ja) | 音声認識方法 | |
| JPS58116595A (ja) | 単語音声認識装置 | |
| Lochbaum | Segmentation of Speech into Voiced Sounds, Unvoiced Sounds, and Silence | |
| JPS6011898A (ja) | 音声認識装置 | |
| Peterson et al. | Identification of Filtered Vowels | |
| Foulkes | Spectrographic technique for discerning formant frequencies | |
| Zheng et al. | A Chinese speech recognition system | |
| JPS6069695A (ja) | 語頭子音のセグメンテ−ション法 | |
| Barney et al. | New artificial larynx | |
| JPS63318600A (ja) | 音声認識方式 | |
| Lehiste | Acoustical clues to word boundaries |