JPS5858598A - 音声認識方式 - 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、音声認識方式、とくにバタンマツチング法を
用いた音声認識方式に関するものである。

音声認識の対象の中には、例えば「ＫａｎａｇａｗａＪ
とｌ”　ＫａｎａｚａｗａＪ　　の例のように、類似し
たものを含む場合も多く、両者間の誤りが増大するとい
った問題がある。これに対する対策として、ミニマック
ス（又はマックスミニ）による判定に基づく動的計画法
によるバタンマツチング法（％開昭４７−：３０２４２
号公報参照）が提案されている。この方法は、動的計画
法を用いて、入力バタンと標準パタンを最も良く整合す
るよう時間軸を伸縮さ価゛しようというものであり、上
記の例ではｒｇＪと「ｚ」の不一致の部分が強調されて
、両者の相違が評価される。しかしこの方法は、全体的
一致の度合の評価が欠ける点や、入力の一部に雑音など
が乗った場合に、その部分が評価されるという不安定要
因を持っている。

本発明は上記した問題点を教養すると共に、音韻を単位
とする認識方式の改良にも適用できる音声認識方式を提
供することを目的きしている。

上船の目的を達成するために、本発明でｉ標準とすべき
バタンを複数個の部分パタンに分銅し、入力バタンに対
し各部分バタンか一定の条件でマツチングした時に、そ
の標準バタンと同一カデゴリの入力があったと判定する
ものである。これによって全体としてのマツチング結果
が、その一部が非常に似ているために、一定以上の程度
に類似していても、ある部分が一定条件を満たさない場
合（部分が本質的に異なる場合）は異なるバタンとして
判定する。また、部分バタンは元の標準バタンを時間的
に分割したものであり、そのマツチング結果は入力バタ
ンの時間構造をも反映している。類似の程度が一定条件
を満たしている場合でも、時間構造が一定条件を満たさ
ない場合には、異なるバタンとして判定する。このよう
に（音響的）類似度と時間構造とによって、類似したバ
タンでも安定に判定することができる。

また、各部分バタンも一定の長さを持っているので、ノ
イズの影餐を受けに＜＜、安定な判別が可能である。

たとえば半母音／Ｙ／をｇＲする場合を考えると、半母
音／ｙ／は音響的には母音／ｉ／や／ｅ／と非常に良く
似ているが、母音／ｉ／に近い特徴から始まり、次に続
く母音までの音響的特徴の時間変化が／ｙ／とじての情
報を与えるという特徴を持っているから、この時間変化
の速さは発話速度にかかわらず比較的安定である。

音声の特徴を、たとえばｌＱｍｓ毎（以下、フレームと
呼ぶ）の出力値；　Ｘ　、　ｗ　（ｚ　、　、　Ｘ　２
・・・・・・、Ｘ、）で表わすことにしよう（音声の特
徴としてはその他機々なパラメータがあるが、そのどれ
を用いるか′は本発明にとって本質的でないことはいう
までもない）。

さらに、本発明者らの実験的検討によれば、フレーム長
を１０ｍ５としたとき半母音／ｙ／は約ｌＯフレームの
区間にわたって発声速度に関係なくほぼ一定の割合で変
化する。そこで半母音／ｙ／の始点から後続の母音に向
かって１０７レームの区間を半母音の標準バタンとし、
その１０フレームを１フレームづつ重なる４フレームか
らなる部分標準バタン３個に分割し、この１０フレーム
からなる全体標準バタンと３個の部分標準バタンを各々
独立の標準バタンと見なして、入力音声と連続的にマツ
チングをとって行くことにより半母音／Ｘ／のｉ！識が
おこなえる。

入力バタンの一部と各標準バタンをマツチングさせる手
法としては、間代の連続ＤＰ法（特開昭５５−２２０５
号公報参照）や、本発明者らがすでに出願した方法（特
願昭５５−１５８２９７号参照）を用いることが出来る
。

以下、本発明を実施例を参照して詳細に説明する。第１
図は本発明を用いた音声認識装置のブロック構成図で、
これにより連続音声中の半母音／Ｙ／を認識する手順に
ついて説明する。

第１図において、入力音声ｌはフィルタ・バンクからな
る音声分析部２により１０ｍ５毎に特徴パラメータに変
換され、マツチング部３−１１３−２、・・・・・・、
３−ｎに加えられて、全体標準バタンメモリ４−１と、
部分標準バタンメモリ４−２、・・・・・・４−ｎに格
納されている標準バタンと入力音声との類似の程度を連
続的に評価し、その結果を判定部５に送り出して行く。

第２図は入力音声に半母音／Ｙ／を持つ音節／ｙ　ａ／
を含んでいる場合に半母音／ｙ／の標準バタンにおける
全体標準バタンＡ（すなわち、／ｙ／）、部分標醜パタ
ンＰＩ、Ｐ２およびＰ３の各々が入力音声と類似の程度
が最も高くなるているため、最も値が小さくなる）点の
相互関係の一例を示している。

第２図によると入力音声はＡ％　　Ｐ　１　ｓ　Ｐ　２
、Ｐ３のいずれにもほぼ同程度に類似しており、かつＰ
Ｌ、Ｐ２．Ｐ３がほぼ等間隔でマツチングしていること
を示しているので、入力音声は／Ｙ／と判明する。これ
に対し第３図は、半母音／Ｘ／とよく似た母音／ｉ／を
入力音声とするときの標準バタン／Ｙ／によける上再己
Ａ、ＰＩ、Ｐ２、Ｐ３との類似の程度が最も高い点の相
互関係の一例である。両者の比較から明らかなように、
入力音声に／Ｙａ／を含む第２図の場合に対しては、Ａ
、　ＰＩ、Ｐ２、Ｐ３の値は比較的安定しているのに対
し。

入力音声が／ｉ／である第３図の場合に対しては、Ａの
値が入力音声と／Ｙ／との全体としての類似度の高いこ
とを示しているにもかかわらず、ＰＩ。

Ｐ２、ｊｌは相当ばらついていることがわかる。

特にＰｌが非常に高い類似性を示しているため、全体標
準バタンであるＡとの類似性も高い結果となっているが
、Ｐ３が明らかに相異していることを示しており、入力
音声と標準バタンの音響的特徴、時間的構造が異ってい
ることが明らかであり、入力音声は／ｙ／でないことが
判明する。

つぎに、具体的な判定手順を説明する。

第２図及び第３図のように、各標準パタンの距離が最小
となった時点を１０．１１，１．．１３．その時の距離
をｄ。＋ｄｔ＋ｄｚ＋ｄ３とする。判定式の一例は次の
ようなものである。

θ１〜θ、は実験的に定める閾値、 （１１は全体標準バタンの類似性と、部分標準バタンの
音響的特性に関する条件、 （２）は時間構造に関する条件である。（１１、（２１
を全と満たすとき、半母音／Ｙ／と判定すればよい。

又は、上記条件を一次元化して、新しい距離りを定義す
る。

Ｄ−（ｄ０＋σ）（ｔ＋ｗ）　　　　　　（３）ここに ２（ｔ３−１１） 具体的に数値を示すと、第２図の例ではｄｏ−０，８Ｄ
−１，０５ 第３図の例では ６０口１．Ｉ　　　　　　　　Ｄ−２，２０となり、ｄ
ｏよりもＤの方が差が拡大する。Ｄの判定閾値をたとえ
ばθＤ−１，５と定め、Ｄ〈θ９　ならば半母音／Ｙ／
と判定すればよい。

また［ＫａｎａｇａｗａＪ　　と［Ｋａｎａｚａｗａ　
Ｊのような単語単位の認識に本発明を適用する場合には
、例えば部分標準パタンをＱｌ　＝／Ｋａ／　、　Ｑ２
＝／ａ　ｎ　ａ／　。

Ｑ３−／ａ　ｇ　ａ／　、　Ｑ４−／ａｗａ／、！：　
Ｒ１−／Ｋａ／　。

Ｒ２＝／ａｎａ／、Ｂ３ｗ／ａｚａ／、Ｒ４−／ａｗａ
／として、マツチング手段に間代の連続ＤＰ法を用いれ
ば良い。第４図に［Ｋａｎａｇａｗａ　Ｊ　、第５図に
「Ｋａｎａｇａｗａ　Ｊという入力音声に対する「Ｋａ
ｎａｇａｗａＪの部分標準パタン（Ｑ１ｔＱ２゜Ｑ３　
、　Ｑ４　）と［Ｋａｎａｚａｗａ　Ｊの部分標準パｐ
７（Ｒ１，Ｒ２，Ｒ３，Ｒ４）のマツチングの一例を示
す。

全体標準パタンによるマツチングにはあまり差が出ない
場合であるが、Ｑ３−／ａｇａ／とＲ３−／ａｚａ／の
部分標準パタンによるマツチングには顕著な差が現われ
ている。このように全体標準パタンのマツチングの他に
、部分標準パタンの相互関係を判定することによって、
「Ｋａｎａｇａｗａ　Ｊと［Ｋａｎａｚａｗａ　Ｊを安
定−こ判断することが出来る。

なお、第１図ではマツチング部と標準バタンメモリ部を
別個ｌと示したが、マツチング部を時分割的に使用し、
メモリを一体にまとめることが出来ることは言うまでも
ない。判定部５にはマイクロプロサ、すを用いることが
できる。

以上説明したように、本発明によれば全体標準パタンの
マツチング結果の他に、部分標準パタンのマツチング結
果の相互関係をも利用することによって、音響的特徴、
時間的構造の差を安定に検出出来るので、類似したバタ
ンの判別に効果がある。

【図面の簡単な説明】

第１図は本発明を用いた音声認識装置のブロック構成図
、第２図と第３図は半母音／ｙ／の全体標準パタンと部
分標準パタンとのマツチング結果の一例を示す図、第４
図と第５図は単語音声の部分バタンマツチング結果の一
例を示す図である。 ２：音声分析部、５：判定部 感　ｉ　ｎ ネ　２　目 毛　３　旧

Claims (1)

【特許請求の範囲】
1. バタンマツチング法にもとづく音声認識方式において、
   標準パタンを複数個の部分標準パタンに分割し、入力バ
   タンと上記標準バタンおよび上記部分標準パタンとをそ
   れぞれ独立にマツチングさせた結果を所定の判定基準と
   比較することにより入力バタンの認識をおこなうことを
   特徴とする音声認識方式。