JPS584198A

JPS584198A - 音声認識装置における標準パタ−ン登録方式

Info

Publication number: JPS584198A
Application number: JP56102035A
Authority: JP
Inventors: 次男高橋; 栗野　清道; 賢一高本
Original assignee: Hitachi Ltd
Current assignee: Hitachi Ltd
Priority date: 1981-06-30
Filing date: 1981-06-30
Publication date: 1983-01-11

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。

Description

【発明の詳細な説明】本発明は、特定の話者を対象とした音声認識装置に関し
、特に、話者の発声した音声を認識するため（−１その
音声のパターンと比較される標準・；ターンを登録する
方式に関する。

音声認識装置は、コンピュータの有望な入力装置として
脚光を浴びているが、その中で実用段階に最も近いのは
、現在のところ、特定の話者を対象にした音声認識装置
である。このような特定話者対象の音声認識装置は、普
通、認識対象の話者の発声した音声を周波数分析して音
声パターンを得、それを標準パターンとして予め登録し
ておき、その後は、この標準パターンを用いて話者発声
の音声のパターンとの類似度判定を行なうことにより、
音声を認識するように構成されている。

ところで、かかる従来の音声認識装置においては、予め
決めた語などを話者によって発声させ、その音声パター
ンをそのまま標準パターンとして登録している。そして
、適切な標準パターンが登録されたか否かのチェックは
、実際に認識動作を行なわせ、安定した認識が行なわれ
るか否かによって判断している。しかし、これでは信頼
性を十分に確保するＬで問題があった。

そこで、信頼性を向上するため（二、同一カテゴリの音
声に対する標準パターンを複数組登録することも考えら
れている。しかしながら、これでは標準パターンのファ
イルが大形になってしまい、捷だ、認識の際に実際に使
用する音声のカテゴリ数の倍以りの標準パターンに対し
て類似判定を実行しなければならないため、認識速度の
低下やコストＬ昇を招く。その−ヒ、必ずしも信頼性の
改善をそれ程期待で、＠ない。何故なら、同一カテゴリ
についていくつ標準パターンを登録しても、その中に標
準パターンとして適正なパターンが必ず含まれるという
保証は無いからである。

したがつ４て本発明の目的は、詮声認識装置の信頼性を
改善でき、しかも（−記のような問題を伴なわない、標
準パターンの登録方式を提供すること（−ある。

しかして本発明の標準パターンの登録方式の特徴は、話
者に同一カテゴリの１声を２回１ａＬ続けて発声させ、
音声認識装置自体で各回の音声パターン同志の類似判定
を行ない、所定量−Ｌの類似度が得られたいずれかの回
の音声パターンを標準パターンとして登録する点にある
。

以下、本発明を一実施例について詳細に説明する。

本発明により標準バターイ登録を実施するよう構成した
音声認識装置の一例を第１図に示し、説明する。

１はマイクロフォンであり、話者によって発声された音
声はこのマイクロフォンｌにより電気信号に変換され、
装置内に取り込まれる。音声信号は、緩衝増幅器２を通
じてｎチャネルの帯域フィルタ部３に人力される。帯域
フィルタ部３のチャネルＵは通常１６〜かチャネルであ
り、帯域フィルタ部３の各チャネルのフィルタ３１〜３
ｎには約３）０［１２〜６０００＋１２の周波数域を適
切な帯域に分割して周波数割付けされている。帯域フィ
ルタ部３の各チャネルの出力は、低域フィルタ部４のフ
ィルタ４１〜４ｎにチャネル対応で人力される。かくし
て、帯域フィルタ部３で音声信号から分離抽出した各周
波成分の波形のエンベロープが得られ、アナログスイッ
チ５に送られる。低域フィルタ部４の各チャネルのフィ
ルタ、４１〜４ｎは、時定数５９Ｉｎｓ程度の低域フィ
ルタが用いられる。

アナログスイッチ５は、制御部９の制御下で、低域フィ
ルタ部４の各チャネル出力を約２ｏｍｓ毎１−　Ａ　／
　Ｄ　：Ｉ７　バータロへ時分割で送る。Ａ／Ｄコンバ
ータ６は、アナログスイッチ５より入力される信号を８
ないし１２ビツトのディジタル信号に変換する（つまり
、２８ないし２１２レベルにディジタル化する）。そし
て、チャネル１〜チヤネルｎのＡ／Ｄコンバータ出力の
組が、約２０ｍ５毎に１フレ一ム分のスペクトル情報と
してバッファメモリ７に一時的に記憶される。

演算部８は、バッファメモリ７から与えられるスペクト
ル情報を正規化する。この正規化は、入力音声の強さの
バラツキを補償し、強さに影響されないスペクトルを得
るために行なうもので、例えば次式（１）の演算により
なされる。

こ＼で、Ｐｌはチャネルｉのスペクトル情報のパワー、
ｎは全チャネル数、Ｃは定数である。っまり、バッファ
メモリ７から与えられるスペクトル情報の各フレームの
トータルパワーが、定数Ｃ（二等しくなるように正規化
することになる。

演算部８はまた、制御部９の制御の下に音声区間の切出
しも行なう。具体的には、正規化前のスペクトル情報の
フレーム毎のトータルパワーを、予め設定した閾値と比
較し、この閾値以上のフレームを音声信号のフレームと
判定し、閾値未満のフレームをノイズ信号のフレームと
判定スる。そして、音声信号のフレームが５）ｌ−ム連
続すると、その最初のフレームより音声区間とみなし、
その後、ノイズ信号のフレームがｌＯフレーム（二連続
すると、その最初のフレームを音声区間の終点とみなす
。演算部８はこのようにして音声区間を検出し、この音
声区間内のスペクトル情報（正規化後）を人力音声のパ
ターンとして切り出す。

演算部８より出力される音声パターンは、通常の認識動
作のときはマツチング部Ｉｌｌ二のみ人力されるが、標
準パターンの登録時はランダムアクセスファイル（Ｒ，
Ａへ１と略記する）１０にも選択的に送られ格納される
３、この［Ｌ　Ａ　＋〜（１０としては、磁気ディスク
やフロンビーディスク等が使用される。

１）　Ｐ−／ノチング部１１は、制御部９の制御の下に
、演算部８より与えられる入力音声のパターンと、１（
、Ａ　Ｍ　１０より読み出される標準パターンとの間で
、いわゆる動的計画法（１）ｙｎａｍｉｃ　Ｐｒｏｇｒ
ａｒｒｍｉｎｇ　：　Ｉ）Ｐ　）に基づくパターンマツ
チングを行なう。特定の話者にあっては、音声の周波数
スペクトルが安定している反面、発声速度〃）バラツキ
はかなり大きく、これを吸収してパターン間の整合距離
を求めるのｔ−Ｄ　Ｐマツチング手法が有効である。ｌ
）　Ｐマツチングは音声認識分野で周知であるので、こ
れ以１−の説明は略す。

さて、人力蛭声パターンと標準パターンとの間の整合距
離がｌ）　Ｐマツチング部１１で求められ、判定部１２
に人力される。通常の認識動作時においては、判定部１
２は制御部９の制御下で、入力音声パターンと整合距離
の最も小さな標準パターンを第１判定候補として、その
次に小さな標準パターンを第２１４１定候補として選び
、両候補の人力音声パターンとの整合距離の差が規定値
以上であれは、第１判定候補の標準パターンのコードを
人力音声の認識結果として出力する。そうでなければ、
人力音声を認識できないとして、判定部１２はリンエク
ト出力を送出する。標準パターンの登録時における判定
部１２の動作については、後述する。

こ＼までの説Ｊ」で、入力音声の認識時の動作は明らか
であろうから、次に、標準パターンの登録に限定して説
明する。

当該実施例においては、あるカテゴリの音声の標準バタ
ニーンを登録するには、話者がその音声を２回続けて発
声する３、捷ず１四目に発声されたざ一声のパターンが
前述のようにして求められ、それがＩｔ　Ａ　Ｍ　１０
の該当カテゴリの傾城に標準パターンとして仮登録され
る。次に、２回目に発声された音声のパターンと、標準
パターンとしてｌｔＡ＋＼１１０に仮登録されている１
四目の音声パターンとの整合距離がＤ　Ｉ）マツチング
部ＩＩで求められる４、この整合距離が予め決められた
判定閾値以下であるか否かの判定が、判定部１２で行な
われる。１整合距離が判定閾値以下であれば、仮登録の
音声パターンが有効な標準パターンとして本登録される
が、判定閾値を越えると判定されると、仮登録パターン
を無効にする。具体的には、無効の判定信号が判定部１
２より出ると、制御部９ｇ）制御下でＩｔ　Ａ　Ｍ　１
０の該当エリアに無効コードが書き込まれたり、あるい
は無効を表示するフラグが用意されているならば、その
無効フラグがセットされる。

標準パターンの登録処理の流れ図を第２図にボす。この
例は、ｌ（Ａ　Ｍ　１０の各カテゴリのエリアに無効フ
ラグを用意しである場合である。

すなわち、カテゴリＡの標準パターンを登録する場合、
１四目に発声された音声のパターンＡ１が）ＩＡＡＩ１
０に登録（この時点では仮登録）され、これと２回目（
二発声された音声のパターンＡ２との整合距離Ｓ（Ａ＋
−Ａ２）が算出される。そして、この整合距離Ｓ（Ａ、
−Ａ２）と判定閾値θとが比較され、５（Ａ１−Ａ２）
≦θなら、パターンＡ、がカテゴリＡの有効な標準パタ
ーンとして判定されて１（＝　Ａ　Ｍ　Ｈｌに本登録さ
れ、カテゴリＡの登録は終了する。５（ＡＩ　　Ａ２）
＞θなら、Ｉｔ　Ａ　Ｍ　１０のカテゴリＡのエリアの
無効フラグがセットされ、仮登録されたパターンＡ、は
無効となり、このカテゴリＡの標準パターンの登録を初
めからやり直す。なお、パターン／’Ｊ　＋　Ａ２のい
ずれについても、人力直後に発声長（Ｋ声区間の長さ）
のチェックが行なわれ、規定範囲から外れる場合は、そ
のパターンを再入力させる。この発声長のチェックは、
演算部８において行なわれる。

同、第１図の４＋ｌｊ　ｎｉ１部９、演算部８，１）Ｐ
マツチング部１１は、純然たるノ・−ドウエア回路によ
って構成してもよいし、マイクロコンピュータを使用し
てもよい。たりし、マイクロコンピュータの利用が有利
な場合が多い。

前記実施例では、同一カテゴリの音声を２回続けて話者
に発声させ、１四目と２同目のパターンの整合距離が所
定値以下であれば、１四目のパターンを標準パターンと
した。しかし、同一カテゴリの音声の連続発声回数は２
同に限らず、３回以１−とすることも許される。例えば
、３同連続して発声させ、１回目と２回目のパターン間
の整合距離、２回目と３回目のパターン間の整合距離（
またさらに、１回目と３回目のパターン間の整合距離）
について、それぞれ前述のような判定を行ない、整合距
離が所定値以下でかつ最も小さな値となった組のいずれ
かの同のパターンを標準パターンとして登録する等のや
り方も可能である。

本発明は以Ｌ（：述べたように、音声認識装置自体で話
者により連続して発声される音声のパターン同志の類似
度を調べ、所定以トの類似度が得られたパターンを標準
パターンとして登録する。間をおかすに続けて発声した
場合、惨めで類似した発声つ捷り音声のパターンを期待
できるから、各回の音声パターンの類似度１定により、
周囲騒音などの影響による音声区間の切出し不良などを
確実にチェックできる。また、２回またはそれ以Ｉ−続
けて発声した音声のパターンの中、類似したパターンを
選択するから、１回だけの発声による場合よりも、より
標準的なパターンを登録できる１■１１ヒ性が増す、、
また、標準パターンの登録に際して、人間の判断に頼ら
ないから、人為的なエラーにより不適切な標準パターン
が登録されるというようなことも無くなる。

このように、本発明（二よれば、不適切な標準・パター
ンの登録を排除できるため、音声認識装置の信幀度を高
めることができる。また本発明によれば、標準パターン
の登録作業が容易かつ迅速になるという効果もある１゜

【図面の簡単な説明】

第１図は本発明の一実施例である音声認識装置のブロッ
ク図、第２図は同ヒ実施例における標準パターンの登録
処理の流れの一例をボす図である１、１、・−フイクロ
フオン、　２・・・緩衝増幅器、　３・・帯域フィルタ
部、４・・・低域フィルタ部、　　５・・アナログスイ
ッチ、６・・・Ａ　／　Ｉ）コンバータ、７・・・バッ
ファメモリ、８・・・演算部、９・・・制御部、＋（＋
・・・ランダムアクセスファイル（ＲＡＭ　）　、　１
１・・・Ｉ）　Ｐマツチング部、１２・・・判定部。代理人　弁理士　鈴　木　　　誠第１図一ヌ第２図

Claims

【特許請求の範囲】

１、話者の発声した音声（被認識音声）の・；ターンと
、予め登録しておいた標準ノくターンとの類似度を調べ
ることにより、被認識音声を認識する音声認識装置にお
いで、標準・（ターンの登録にあたって、同一話者によ
り同一カテゴリの音声を２回以七続けて発声させ、当該
音声認識装置自体で、各回の音声のパターン相互の類似
閾を調べ、所定以」−の類似度が得られたいずれかの回
の音声のパターンを該当カテゴリの標準・々ターンとし
て登録することを特徴とする標準・にターン登録方式。