JPS5852698A - 音声認識処理システム - Google Patents

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、音声認識処理システム、特に入力された発声
データにもとづいて音声区間を切出す切出し処理に当っ
て、切出し態様を異にする複数個の切出し位置計算部を
用いて、切出された始端点と終端点とを統合して、可能
性のある複数個の切出しに対応した音声区間データを抽
出するようにし、上記切出し位置が非所望であることに
起因する認識処理の誤りを防止するよう構成した音声認
識処理システムに関するものである。

音声認識処理システムにおいては、発声データにもとづ
いて抽出された標準音声区間データを格納している辞書
部をそなえると共に、当該辞書部の内容と認識のために
入力された未知入力発声データから抽出された未知音声
区間データとを照合するようにされる。上記標準音声区
間データや未知音声区間データを上記発声データから切
出すに当っては、例えば音声エネルギを抽出し当該エネ
ルギが所定の閾値を超えている点をもって始端点および
終端点として切出すなどの手段が用いられる。しかし、
発声状態や、場合によっては雑音が石畳された状態など
にもとづいて、上記切出しが常に最適な位置となるとは
限らない。このために、］）Ｐ照合などの手法が用いら
れるが、該ＤＰ照合などの手法を用いている場合でも、
上記切出し位置の不適正に起因する誤認識が発生し得る
。

本発明は上記の点を解決することを目的としており、本
発明の音声認識処理システムは、発声データにもとづい
て切出された音声区間に対応する標準音角区間データを
格納する辞書部をそなえると共に、未知入力発声データ
にもとづいて切出された音声区間に対応する未知音声区
間データと上記辞書部に格納されている標準音声区間デ
ータとを照合して上記未知入力発声データの上記音声区
間に対応するカテゴリを決定する音声認識処理システム
において、入力された発声データを保持する入力データ
保持部、入力された発声データにもとづいて夫々異なる
切出し態様のもとて当該発声データを切出す複数個の切
出し位置計算部、該各切出し位置計算部からの切出し結
果にもとづいて上記入力された発声データの始端点群と
当該入力された発声データの終端点群とを抽出しかつ存
在し得る始端・終端対を上記始端点群と終端点群との組
合わせによって抽出する切出し位置統合部、該切出し位
置統合部によって抽出された始端・終端対にもとづいて
上記入力データ保持部の内容に対して切出しを行なう切
出し処理部、および該切出し処理部によって切出された
上記組合わせに対応する個数に見合う音声区間データを
格納するデータ格納部をそなえてなり、該データ格納部
の内答全して上記標準音声区間データおよび／または未
知音声区間データどして用いて、上記照合を行なうよう
構成したことを特徴としている。以下図面を参照しつつ
説明する。

第１図は本発明の一実施例要部構成、第２図は第１図図
示の切出し位置統合部における処理の一実施り１１態様
を説明する説明図を示す。

第１図において、１は入力データ保持部であって例えば
マイクロフォンによって得られた音声信号に対して従来
周知の処理を行なって得られた発声データを時系列にし
たがって保持するもの、２−１ないし２〜Ｎは夫々切出
し位置計算部であって夫々が例えば音声エネルギ閾値レ
ベルを異にするガどによって夫々異なった切出し位置を
決定ｌ−得るもの、３は切出し位置統合部であって例え
ば第２図を参照して説明する如き始端・終端対を抽出す
るもの、４は始端点群保持部、５は終端点群保持部、６
は切出し処理部であって上記切出し位置統合部３からの
複数個の始端・終端対にもとづいて上記入力データ保持
部１の内容から複数閏の切出しデータ全抽出するもの、
７はデータ格納部であって切出された切出しデータ■、
■、■。

■、・・・・・・・・・・・・全格納するもの、８−１
ないし８−４は夫々切出しデータ（音声区間データ）を
示している。

発声データが例えば入力データ保持部ｌから読出されて
、各切出し位置剖算部２−１ないし２−Ｎに供給される
。各切出し位置計算部においては夫々自己が判定した始
端点と終端点とを切出［７位置統合部３に通知する。今
例えば第２図図示の如く、音声区間と雑音とが一緒に上
記発声データ中に存在しているものとするとき、各切出
し位置計算部２−１ないし２−Ｎにおいては、第２図図
示Ｓ。

Ｅの如く夫々が判定した始端点Ｓと終端点Ｅとを切出し
位置統合部３に通知する。

切出し位置統合部３においては、夫々の切出し位置計算
部２−１ない１〜２−１’Ｊから通知された始端点Ｓを
始端点群保持部４に収集し、−また終端点Ｅを終端点群
保持部５に収集する。そして、該切出し位置統合部３は
、第２図図示の如く、存在する例えば２つの始端点Ｓｌ
　、Ｓ２と存在する例えば２つの終端点Ｅｌ　、Ｅ２と
にもとづいて、４個の始端・終端対即ち（Ｓ２．Ｅｌ）
、（Ｓ２．ｐ、：）。

（ＳＩＩＥＩ）ｌ（ｓ１＋Ｅ　）　　を抽出し、切出し
処理部６に通知する。

このとき、入力データ保持部ｌの同各である発生データ
が切出し処理部６に供給され、上記始端・終端対に対応
して第２図図示の切出しデータ■。

■、■、■が音声区間データ即ち図示データ８−１ない
し８−４として抽出され、データ格納部７に格納される
。言うまでもなく、図示の場合、各切出し位置計算部２
−１ないし２−Ｈのいずれもが正しい切出しを行ない得
なかった場合においても、データ■の如く音声区間に正
しく対応したデータを抽出することが可能となる。

データ格納部７に格納された切出しデータ即ち音声区間
データ８−１　、８−２　、・・・・・・・・・は、本
発明にいう標準音声区間データとしておよび／−！たけ
未知音声区間データとして、音声認識処理における周知
の認識処理の如く利用される。

以上説明した如く、本発明によれば、データ格納部に格
納された音声区間データ中には一般に適正なあるいは適
正なものに近似した形で切出された音声区間データが存
在し、切出し位置の不適正に起因する誤認識率が大きく
減少する。

【図面の簡単な説明】

第１図は本発明の一実施例要部構成、第２図は第１図図
示の切出し位置統合部における処理の一実施例態様を説
明する説明図を示す。 図中、ｌは入力データ保持部、２は切出し位置計算部、
３は切出し位置統合部、６は切出し処理部、７はデータ
格納部、８は切出しデータ又は音声区間データを表わす
。 特許出願人　富士通株式会社

Claims (1)

【特許請求の範囲】
1. 発声データにもとづいて切出された音声区間に対応する
   標準音声区間データを格納する辞書部をそなえると共に
   、未知入力発声データにもとづいて切出された音声区間
   に対応する未知音声区間データと上記辞書部に格納され
   ている標準音声区間データとを照合して上記未知入力発
   声データの上記音声区間に対応するカテゴリを決定する
   音声認識処理システムにおいて、入力された発声データ
   を保持する入力データ保持部、入力された発声データに
   もとづいて夫々異なる切出し態様のもとて当該発声デー
   タを切出す複数個の切出し位置計算部、該各切出し位置
   計算部からの切出し結果にもとづいて上記入力された発
   声データの始端点群と当該入力された発声データの終端
   点群とを抽出しかつ存在し得る始端・終端対を上記始端
   点群と終端点群との組合わせによって抽出する切出し位
   置統合部、該切出し位置統合部によって抽出された始端
   ・終端対にもとづいて上記入力データ保持部の内容に対
   して切出しを行なう切出し処理部、および該切出し処理
   部によって切出された上記組合わせに対応する個数に見
   合う音声区間データを格納するデータ格納部をそなえて
   々す、該データ格納部の内容をして上記標準音声区間デ
   ータおよび／′１．たは未知音声区間データとして用い
   て、上記照合を行なうよう構成したことを特徴とする音
   声認識処理システム。