JPS5872996A - 単語音声認識方法 - 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、入力音声に対して先ず音素認識を行ない、こ
の認識音素系列を音素表記された単語辞書と照合して単
語を認識する単語音声認識方法に関し、認識処理に要す
る時間が短くても認識率が向上する単語音声認識方法を
提供するものである。

マス、コンフユーノヨンマト’）　クス（Ｃｏｎｆｕｓ
ｉｏｎＭａｔｒｉｘ　＋以下Ｃ，Ｍ、と略す）を用いる
単語音声認識方法について第１図とともに説明する。

第１図に示すように、入力単語音声に対して先ず分析を
行ないこの入力単語音声の特徴を抽出して入力単語音声
を構成する音素を認識すみ・。この認識された音素系列
を、単語辞書中の各単語と照合し、Ｃ０Ｍ、を用いて認
識音素と単語辞書中の各単語の音素との尤度を計算し、
尤度の大きい単語を　、認識単語とするものである。

第１表は前記単語音声認識方法天に用いる単語辞書の一
例を示しており、各単語は第２表に示す音素表記法に従
って表記されている。

第　　１　　表 前記Ｃ，Ｍ、について更に詳細に説明する。

ある認識音素系列Ｗが与えられた時、これが単語辞書項
目りを発声したものである確率は、ｐ（［）／４Ｗ）＝
に、／７　Ｐ（Ｗｉ／Ｄｉ　）　　　・・・・・・■１
＝ｊ で与えられる。ここで、Ｗｉ　、　’ＤｉはＷ、ｐの夫
々ｊ番目の音素、Ｉはｗ、ｌＤの音素数、ｋは比例定数
である。なお、一般にＷとｐの音素数−は等しいとは限
らないが、本発明を従来例と比較して説明する場合、等
しい場合についてだけ考えれば十分であるので、等しい
と仮定することにする。

■式の計算を単語辞書の各単語ｌＤｊについて行ない、
最大値を与えるｐｊを、認識単語ｐ＊とする。

すなわち、 Ｐ（ＩＤνＳＷ　）　＝　ｍｑｘ　ｐ　（［）Ｊ、ＡＷ
　）　　　　　　”””■である。つまり、単語辞書中
の発声された単語である確率が最も高い単語を認識単語
とするというものである。そして、式■によりこの確率
は単語゛を構成する各音素毎の音素認識確率、すなわち
ＤｌがＷｉと認識される確率Ｐ（Ｗｉ／Ｉ）ｉ）の積に
比例することが示される。

第２図は前記単語音声認識方法に用いるＣ、Ｍ、の一部
を示している。第２図において縦は単語辞書中の単語の
音素を示し、横は認識音素を示している。また第２図中
の数字は単語辞書中の音素がどのような音素に認識され
るかの確率を係で示したものである。例えば第２図にお
いて、単語辞書中の音素■がＩに認識される確率は２７
％、Ｕに認識される確率は５％、Ｕ■に認識される確率
は１７チ、脱落する確率は８％・・・等を示している。

最も簡単な例として、［アンタ］という単語について説
明する。単語扁がｊであるとすると、単語辞書の内容は ＩＤｊ＝ＡＳＩＴＡ　　　　　　　・・・・■となって
いる。

ところで、「アシタｉの「シ」は、標準語では無声化し
、京都、大−阪方言では有声であることが多い。この調
音のバラツキが、「アシタ」という単語の認識率の低下
の原因となる。

第３図は従来例におけるＣ、Ｍ、の一部分を示している
。「アシタ」という単語の辞書項目は次に示す２項１で
ある。

ここで、■は有声音、Ｉ−は無声音を示し、両者を区別
する。この場合、認識音素の方も有声音と無声音を区別
することとし、第３図に示すようなＣ，Ｍ、（数値の単
位％）を用いてＰ（［）／％Ｖ）の計算を行なう。その
結果ｐｊ　、　ｐｊ＋ｊのどちらが最大尤度を与えても
、認識単語は「アシタ」であるとする。

この従来例は、調音のバラツキが大きい単語の認識率を
上げることができる反面、辞書項目が増えるために認識
に要する時間が増加する欠点があった。

本発明は、上記従来例の欠点を除去するものであり、以
下に本発明の一実施例について説明する。

本実施例におけるＣ、にの一部分を第４図に示す。

本実施例においては「アシタ」という単語の辞書項目は
次に示す１項目である。

Ｉ）ｊ′＝ＡＳＩ＊ＴＡ　　　　　　　　　　’−・・
・・・■ここで１本は、人により有声音Ｉであったり、
無声音■−であったりする音素を表わす。第４図に、お
ける■ネの部分のＣ，Ｍ、の値は、■及び■−の部分の
値の大きい方を採用している。ところで、本実施例のＣ
，Ｍ、の値は、従来と異なり確率Ｐ（Ｗ／Ｄ）ではなく
複数種類のＤに対する各Ｐ　（Ｗ／Ｄ　）の最大値とな
る。例えば単語辞書の音素Ｉ＊と、認識音素Ｗの尤度を
与えるＣ、Ｍ、の値をＣＭ（Ｉ＊→Ｗ）と表わせば、 ＣＭ（Ｉ本→Ｗ）　＝ｍａｘ　（Ｐ（Ｗ／Ｉ　）　、　
ｐ（Ｗｌｒ−月（Ｐ（Ｗ／Ｉつ　　　　　　・・・・・
・■である。しかし、認識の為に、Ｐ（ｐ／Ｗ）を′■
式に従い計算する場合には、 Ｐ（Ｗ／Ｉ＊）　＝　ＣＭ（Ｉ＊→Ｗ）　　　　　・・
・・・・■とみなしてＣ，Ｍ、を用いるのである。

本実施例が、゛前記従来例と等価であることを「アシタ
」を例にして説明する。前記従来例におイテ、［）ｊ　
、　Ｉ）ｊ”　ノ内、Ｐ（［）／Ｗ）ノ大きい方をｐｏ
とする。

Ｐ　（［）”／％Ｖ　）含ｍａ　ｘ　（Ｐ　（ｔＤし％
Ｖ）　、　Ｐ　（［）ｊ”／ｖＩ）　）＝　ｋ−Ｐ（Ｗ
、／Ａ）・Ｐ（Ｗ２／Ｓ）・Ｐ　（Ｗ４／Ｔ　）・Ｐ−
（Ｗｓ／Ａ　）＼ ・ｍａｘ（Ｐ（Ｗ３／Ｉ）、Ｐ（Ｗ、／Ｉ−））　　　
−・・■本実施例におけるＤとＷの尤度は、０式に注意
して ＝　ｋ−Ｐ（Ｗ１／Ａ）・Ｐ（Ｗ２／Ｓ）・Ｐ　（Ｗ４
／’１″）・Ｐ　（Ｗｓ／Ａ　）・ＣＭ（、Ｉ＊→Ｗ３
）　　　　　　　・・・・・・■、’−Ｐ　（０）ｊ′
ＡＮ）　＝　Ｐ（０）ｒＡＷ）　　　　　−・・ＥＪこ
こで、「アシタ」以外の単語でも０式と同様であること
は明らかであるから、結局、全べてのＷｌに対し単語認
識の正誤は、本実施例と従来例の間で変わらないことが
わかるー。一方、本実施例によれば、従来例に比べ、辞
書項目が少ない分だけ単語照合に要する時間が短かくな
るものである。

本発明による実施例として、無声化母音音素に対応する
例だけ述べたが、本発明はこれに限定するものではない
。本発明の実施可能な他の例を述べる。

人名の認識を行なう場合、「宮用」という人がいて、正
しくは「ミャカワ」であるとする。これの単語辞書項目
はＭＩ　Ｊ　ＡＫＡＷＡであるが、「ミャガワ」と呼ぶ
人もいるであろうから、従来は第２の辞書項目としてＭ
、Ｉ　Ｊ　Ａ　Ｇ＊ＡＷＡも必要であった。本発明によ
れば、この場合、ＫとＧ＊を兼ねた音素記号、例えばＫ
Ｇを用い、単語辞書項目はＭＩＪＡＫＧＡＷＡとし、Ｃ
，Ｍ、における単語辞書音素項目としてＫＧを設け、そ
のＣ，Ｍ、の値として Ｃ，Ｍ、　（ＫＧ　−＋Ｗ）　−ｍａｘ　（Ｐ　（Ｗ／
Ｋ　）　、　Ｐ　（Ｗ／Ｇ＊　）’１とすれば、前記実
施例と同様、単語辞書項目の減少が可能である。

以上のように、本発明による音声認識方法は、従来の一
つの単語が複数の辞書項目を持つ方式と比べ、認識率は
同等で、認識に要する時間を大巾に短縮することができ
る効果を有するものである。

【図面の簡単な説明】

第１図は単語音声認識方法の概略を示す図、第２図、第
３図はそれぞれ従来の単語音声認識方法に用いるＣ、Ｍ
、の一部を示す図、第４図は本発明の一実施例における
単語音声認識方法に用いるＣ、Ｍ。 の一部を示す図である。 第一図

Claims (1)

【特許請求の範囲】
1. 入力音声に対して音素認識を行なって認識音素系列を得
   、この認識音素と音素表記された単語辞書の音素との尤
   度をコンフユーノヨンマトリクスを用いて計算して単語
   を認−する単語音声認識方法において、上記コンフユー
   ノヨンマトリクスの要素の内、発声的な調音の個人差の
   著しい辞書音素項目に対応する値を、上記辞書音素を類
   型的な調音のタイプ毎の複数の音素項目に分割し、それ
   ぞれの辞書音素項目に対応するコンフユーノヨンマ）　
   ＩＪクスの値を事前に算出して得た最大値とすることを
   特徴とする単語音声認識方法。