JPS59124393A - 単音節音声認識処理方式 - 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】 発明の技術分野 本発明は単音節音声認識処理方式に係り、特に予め単音
節忙対して複数の音声を登録しておき。

この登録されたパラメータと未知入力のパラメータとを
ＤＰ照合法により照合するに先立ち、簡単な照合方法に
より精密照合対象を削減してからＤＰ照合を行い、再照
合候補単音節が予め足められた組合せのとき、同一の単
音節である複数の登録単五節音声と未知入力単音節音声
との距離の小さいものから順に定められた個数取出して
それらの平均値に応じて未知入力を認識するとともに、
前記対象削除されたために平均値が算出できない場合に
は平均値を算出せずその１−２候補を出力するようにし
たものである。

従来技術と問題点 単音節音声認識を行う場合ｋ）らかじめ特定話者の既知
の単音節音声を辞書に登録しておき、これと未知入力を
照合することにより行われろ。

従来、単音節音声を認識する場合、第１図に示すように
、あらかじめ特定話者が図示省略したマイクロホン等で
既知の単音節の音声を入力し、これを前処理部１で入力
音声レベルを揃えたり、雑音を除去したりする等の前処
理を行い９次にパラメータ抽出部２で例えば１６種類の
バンドパスフィルタを設けて前処理部１で前処理された
音声信号をこれらのバンドパスフィルタにより周波数領
域毎の出力を得てＡ／Ｄ変換し、これを例えば１０〜１
５ｍ５のサンプリング周期での平均値をとりこれらをパ
ラメータとする。そして切替部３を経由してこのように
して得たパラメータを登録部４に登録する。このように
してすべての単音節音声のパラメータを登録する。それ
から判定すべき未知音声入力を特定話者が入力したとき
、同様にして前処理部１ばこの未知入力をレベル処理し
たり、雑音処理し、パラメータ抽出部２はパラメータを
抽出する。そして今度は切換部３はこの未知入力の抽出
パラメータをＤＰ照合部５に伝達する。これによりＤＰ
照合部５は登録部４から既知の単音節のパラメータを登
録部４から読出してすべての登録された単音節のパラメ
ータとこの未知入力のパラメータとの距Ｍ（絶対値）を
公知のＤ　Ｐ　（Ｄｙｎ副ｉｃＰ　ｒｏｇｒａｎｍｉ　
ｎｇ）照合法により求め、その距離の最小の既知入力単
音節を未知の単音節入力と判断して出力することになる
。

勿論、この場合、パラメータどしては上記のようなサン
プリング時間内における各フィルターの平均出力のみな
らず、フォルマント周波数９ＬＰＣ等を使用することが
できる。

しかしながらこのような認識方法では、下記のような問
題があり認識率が不充分である。

このような方法では例えばす行と夕行が誤認識し易す＜
、「す」を「夕」と誤認したり、あるいは「チ」を「シ
」と誤認することが多い。このような誤認はマ行とす行
、う行とす行、う行とダ行、バ行とパ行、ガ行と力行等
でも生じ易い。このように％ｆ音節同志での誤りが生じ
易い。

寸た音声は同一のパターンで発声されるものではな（、
特定話者においても同じ音節を発Ｉ−するとき、「ア」
を「アー」と発音することもあり、し斤がって登録部も
一回の発音だけが登録されるものではなく、複数回の発
生が登録されている。それ故、前記のように誤りが生じ
易い音節が第１補候。

第２補候・・・とじてあげられたときこれを再照合する
ことが研究きれている。このような場合に、第１位候補
が「サー２」′であり、第２位候補が「ター１」。

ｉ：１ｌ−３位候補が「ター３」、第４位候補が１ター
４」（ここで数字は複数個の同−音質ｊが登録されてい
る場合１例えは５個登録されているとき、その登録順位
を示す）のような場合、　「す」よりも「夕」である可
能性が高いものであるにもかかわらず、沖縄な距離計算
のみではこれを判別で＠ない問題がある。

この問題を解決する方法として、第３図に示す平均値計
算を行う照合法があり、これについて説明する。例えば
１つの単音節について４回背戸入力してそれぞれ４個の
特徴パラメータ８１〜Ｓ４を登録しておくものとし、そ
のうち単音節Ｓ１に対する特徴パラメータＳｌ〜Ｓｌが
第３図の点ＭＳｘ内に位置し、単音節Ｓ２に対する特徴
パラメータＳ２〜Ｓ２が点線Ｓ２内に位置し、単音＠Ｓ
、＋に対する特徴パラメータ８３〜Ｓ３が点綴Ｓ３内に
位置しているものとする。したがって８１〜Ｓ１は単音
節Ｓ１の特徴パラメータ群を構成し、Ｓ２〜Ｓ２は単音
鈷′ＩＳ２の特徴パラメータ群を構成し、８１〜Ｓスは
単音節Ｓ３の特徴パラメータ群を構成する。いま未知人
力Ｘがｋ、ろとき。

このＸと単音節Ｓ１との平均距離ｄｘ−１は次式（１）
で得られる。

ｄ、−、＝−！−（ＣＸ、Ｓ”、）＋（Ｘ、Ｓ”、）＋
（Ｘ、ｓ−）＋（Ｘ、ｓ：））　・−−−−−（ｇもし
もＸと各グループとの近いもの２つとの平均を求める場
合には９次式（２）〜（４）のようになる。

ｄ（ニー１）／−１（（Ｘ、Ｓｌ）＋（Ｘ、Ｓ、）’）
・・・・・・・・・・・・・・・・・・・・・・・・・
・・・・・（２）ｄ＜ｘ−ｚ）’＝医［（Ｘ、Ｓ２）＋
（Ｘ、５２））・・・・・・・・・・・・・・・・・・
・・・・・・・・・・・・（３１ｄ（ｘ−３）’−フ（
（Ｘ、Ｓ３）＋（Ｘ、Ｓ３）、：ｌ・・・・・・・・・
・・・・・・・・・・・・・・・・・・・・・（４）こ
の場合、第３図より明かにｓ　　ｄ（！−ｘ）’＜ｄ（
？−３）＜ｄ（Ｘ−２）となる。したがって、ＤＰ照合
部１４での照合結果がＸに対してＳａｔ第１候補として
出力し、Ｓｌを第２候補として出力したとしても、グル
ープで照合したときｄ（ｘ−ｘ）’が最小距離となるの
で。

第１候補としてＳｌｆ：、第２候補としてＳ３が出力さ
れることになシ、特定の１つのみとの距離が小さくとも
、グループとしてみたときには距離の小さなものの方が
多い場合を優先させるという合理的な認定を行うことが
できる。したがって前記「サー２」が第３図の８３であ
ってこれが第１候補となり、前記「ター１」が８１．「
ター３」がＳ□のよう外場合には８１つまり「り」が距
離が小さいものとして出力することができろ。

しかも多数の登録されたパラメータとＤ　、Ｐ照合法に
より照合するため、照合時間が長（なり応答時間がおそ
（なるため、ＤＰ照合に先立ち、第１図に点線で示すよ
うに候補音声削減部６を設け。

ＤＰ照合対象数を削減することが研究されている。

この候補音声削減手段としては次のようなことが研究さ
れている。

■　母音は子音に比較して安定した部分なので母音のみ
のパラメータで比較する。

■　１）Ｐマツチングパスを選定するとき時間の伸縮を
行わずに簡単に照合する。

■　ＤＰマツチングバスで照合するとき照合するパラメ
ータ数を特足のものに限定する。

ところでこのようにして照合対象を削減すると次のよう
な問題が生ずる。

このような削減により、仮りに第３図に示すＳ３〜Ｓ３
が削減されるとき、前記平均値計算方法はそのグループ
内のパラメータを近いものから順に適肖数選択すること
ができなくなり正確な平均値計算かで＠な（ｆ【ろこと
になる。

発明の目的 本発明の目的は、このような問題点を改善して。

照合時間を短縮するために候補音声削減を行った場合で
もこの平均値計算方法の利点を残して照合を行うことか
できろようＶＣ，するものであって、最初の照合により
出力された複数の候補をみて誤り易いような候補が出力
されたときこれを再照合するときに、もしその候補の登
録パラメータのグループの少くとも１つが上記候補音声
削減により削減されたときは平均値計算方法を行なわ７
よいようにした単音節音声認識処理方式を提供すること
である。

発明の構成 この目的を達成するために本発明の単音節音声認識処理
方式では、予め各単音節に対し複数の音声を登録した登
録部と、該登録された総ての単音？Ｊｉ’ｉ音声と未知
入力単音節音声とを簡単な特徴量により照合して候補削
減する候補削減部と、残された候補単音節音声と未知入
力単音節音声との精密照合を行う照合部と、複数の再照
合候補単音節を選出する再照合候補順位部を備え、この
再照合候補単音節の組合せに適した識別乃至照合方式に
よって再照合する単音節音声認識装置において、未知入
力と同一単音節に対する複数の登録単音節グループとの
距離の平均値を算出する平均値算出部を設け、再照合候
補単音節が予め足めた組合せであり、且つ、同一の単音
節である複数の登録単音節音声と未知入力単音節音声と
の距離が、再照合候補単音節の組合せに応じて足められ
た個数以上求められている場合、算出された同一の単音
節である複数の登録単音節音声と未知入力単音節音声と
の距離を小さいものから順に、再照合候補単音節の組合
せに応じて定められた個数取り出し、その平均値を未知
入力単音節音声と登録単音節音声との距離として足義し
、その＞１義された距離によって再照合候補順位を求め
、また算出された同一の単音節である複数の登録単音節
音声と未知入力単音節音声との距離が再照合候補単音節
の組合せに応じて足められた個数以下である場合、再照
合候補１１＋ｒｉ位をそのままにすることを特徴とする
。

発明の実施例 本発明の一実施例を第２図〜第４図により説明する。

第２図は本発明の一実施例構成図、第３図は平均値計算
の説明図、第４図は平均値計算部の動作説明図である。

図中、１０は前処理部、１１はパラメータ抽出部、１２
は切替部、１３は登録部、１４は候補音声削減部、１５
はＤＰ照合部、１６は再照合候補選定部、１７は各種再
照合部、１８は平均値計算部、１９は判定部である。

前処理部１０は、第１図の前処理部１に対応するもので
あって、入力レベルを一定に保持したり。

雑音を除去する外に、後述する再照合の際に使用する可
能性があるために２通常の入力レベルのものの外に、閾
値を少し下げて弱い音声部分でもこれを保持するように
構成されている。

パラメータ抽出部１１は２例えば１６種類のバンドパス
フィルタを備えてサンプリング周期毎にこれらをＡ／Ｄ
変換してディジタル信号を出力するものである。勿論こ
のシステムにおけろパラメータがフォルマント周波数を
使用する場合にはフォルマント抽出手段を具備するもの
でありＬＰＧを使用するときはこれを得るように構成さ
れろものであって、第１図のパラメータ抽出部２に対応
するものである。

切換部１２はパラメータ抽出部１１から出力されたパラ
メータを、特定話者登録のときはこれらを登録部１３に
送出してこれに格納し、また照合の場合にはＤＰ照合部
１５に送出するよ５に動作するものである。

候補音声削減部１４はＤＰ照合部１５において精密照合
の対象となる登録音声数を削減するものであり２例えば
母音のみのパラメータで照合した１）、ＤＰマツチング
バスを選定するときの時間の伸縮を行わずに簡単に照合
したり、またＤＰマツチングパスで照合するパラメータ
数を特定のものや半分または１程度に限足したりして、
簡単な特微量により照合をして照合対象候補を削減する
ものであり、第１図の候補音声削減部６に対応する。

ＤＰ照合部１５は未知入力のパラメータと、候補音声削
減部１４から送出された。登録された単音節音声のバラ
メークどのすべてをダイナミックプログラミング法によ
り照合してその照合結果を出力ｊろ。再照合候補選定部
１６ばＤＰ照合部１５から出力された照合結果にもとづ
きその距離の小さい順位により複数の候補を選定すると
ともに。

選定した候補が上記のように誤判定し易いものであれば
これを再照合すべく各種再照合部１７や平均値計算部１
８に送出し、その遠足候補が誤認の発生し難い場合の単
音節であればこれらを判定部１９に直接送出する。

各種再照合部１７は、ＤＰ照合部１５におけろ１）（４
合結果により再照合候補選定部１６が再照合を行う必要
があると判断したときに動作するものである。この各種
＋’４照合部１７には１例えば（イ）子音部分のみ抽出
してＤＰ照合を行うとか、（ロ）周波数の旨いところの
み抽出（例えば「Ｓａ」は摩擦性があろため周波数の高
域部分にエネルギーがあり。

「ＴａＪは破裂音のため摩擦性がないため周波数の高域
部分のエネルギーは弱い）してＤＰ照合したり、（ハ）
す行は出だし部分が弱いので、前処理部１０で保持して
いた閾値を低（した音声入力信号にもとづきパラメータ
抽出を行って再照合したり等のことを、必要に応じて全
部ｆたは選択的に行う。

平均値計算部１８は未知入力と特定単音節のグループと
の平均距離を求めるものであって、第３図について上記
説明した如く１式（１）や（２）〜（４）の計算を行っ
てその距離を新らｋに算出する。この場合、前記候補音
声削減部１４が９例えば第３図における８３〜Ｓ３を削
減したときには５３ｖＣついて平均値を求めることがで
きないので、このように平均値計算を求めることが指示
された候補の１つが平均清算１出不可能なときはこの平
均値計ｑの指示された全候補をＤＰ照合部１５での照合
のままで判定部１９に送る。勿論平均値算出可能な場合
にはこれを計算する。したがって平均値計算部１８では
再照合候補選定部１６から候補（例えば第３図の８３．
　　Ｓｌ）が伝達きれたとき、第４図に示すように、そ
の候補の単音節毎に特徴パラメータ８１〜Ｓ１を未知人
力Ｘでの距離の小さい順に並らべろ二Ｓｌの場合は５ｌ
−８１−８１−８よとなり、Ｓａの場合には５３−８３
−８３−８３となる。次に各単音節毎にに番目（例えば
２番目）ｆでの平均距離を上記（２）式。

（４）式により求める。そしてこのようにしてＫＮ’、
Ｎ（Ｋ−ｎｅａｒｅｓｔ　ｎｅｉｇｈｂｏｒ　）法によ
り求めたこの８１゜Ｓａを平均距離の小さい順、つまり
Ｓｌ−Ｓａの順に候補の順位を変えて判定部１９に出力
することになる。

判定部１９は円照合候補選定部１６からの候補と、各種
再照合部１７からの出力候補と、平均値計算部１８から
の出力候補をみてその距離のもっとも小さいものから１
つまたは複数個の候補を出力するものである。したがっ
て再照合候補選定部１６からのみ候補が出力されたとき
は、これが出力されることになる。

次に第２図に示す本発明の動作について説明する。

（１）　　まず特定話者が上記の如く各単音節について
発声してその特徴とするパラメータをパラメータ抽出部
１１に抽出し切替部１２を経由して登録部１３に登録す
る。この場合、特定話者は複数同各単音節を入力する。

この入力は伜定早音節を複数回数連続発声して入力する
よりも、不連続で入力することが望ましい。

（２）次に特定話者から未知の単音節Ｘが音声入力され
たとき、前処理部１０で上記の如く前処理を行い、パラ
メータ抽出部１１で特徴パラメータが抽出され、切替部
１２を経由してＤＰ照合部１５に伝達されろ。先ず登録
部１３に登録された各単音節音声と仁の未知入力単音節
音声との簡単な照合が候補音声削減部１４により行われ
て照合候補が削減される。それからＩ）Ｐ照合部１５に
より。

この未知入力単音節音声と候補音声削減部１４かう送出
された登録単音節音声の各パラメータとのすべてをダイ
ナミックグログラミング法により照合し、その距離計算
が行われ、それが再照合候補選定部１６に出力される。

（３）　　再照合候補選定部１５はこのＤＰ照合部１５
の出力を距離の小さい順に選別して特定数の候補の順位
づけする。そしてこの選別された候補が誤認され易いも
のかどうか等を内蔵するテーブルを参照して判別し９例
えば「Ｓａ」と「ＫａＪのように誤認のおそれのほとん
どない場合には、これらを判定部１９に出力する。

（４）シかし誤認の恐れのあるものについては。

その内容に応じて各種再照合部１６及び／或は平均値計
算部１８にこれらの候補を出力する。そして各種再照合
部１７では登録部１３から登録パラメータを得、未知人
力Ｘのパラメータを切替部１２から得て上記の如＜、Ｄ
Ｐ照合部１４とは異なる照合を行い、その結果を判定部
１８に出力する。

（５）平均値計算部１８にこれらの候補が出力されたと
き、平均値計算部１８は、これらの候補の属するグルー
プの各パラメータと未知人力Ｘとのパラメータとの距離
を先に演算ずみのＤＰ照合部１５より求め、これらを、
第４図に示すように。

候補となった各単音節それぞれに対してに個（上記（２
）〜（４）式の例ではに−２）以上の音声についての距
離が求められているか否かを判定し、求められないとき
（例えば上記の如＜　Ｓａ〜Ｓ３が削減されたとき）は
平均値計算を行わずにＤＰ照合部１５における距離計算
結果をそのまま判定部１９に出力する。しかしに個以上
求められているときは。

各単音節毎に、距離の小さい順に並らべ、各単音節毎に
に番目までの平均値距離を算出する。そして平均値の小
さい順位に出力する。

（６）判定部１９は、再照合候補選定部１６のみから複
数（単位）候補が伝達されたときはこれをそのまま認識
結果として出力する。そして各種再照合部１７や平均値
計算部１８から複数（単数）候補が伝達されたときは、
これらの候補の５ちから距離のもっとも小さい順位で候
補を選択し認識結果として出力する。

なり・上記説明では同一音節の登録入力回数を４または
５とし、平均値計算部での距離計算結果敬を２とした例
について説明したが９本発明は勿論これらにのみ限定さ
れるものではなく適宜選別できるものである。

発明の効果 本発明によれば候補音声を削減して認識速度を上げた場
合でも誤り易い候補に対しては各種再照合や、また可能
な限り平均値計算を行うことができるので、認識速度の
みならず認識率をも向上させることができる。

【図面の簡単な説明】

第１図は従来の単音節音声認識処理方式、第２図は本発
明の一実施例構成図、第３図は平均値計算の説明図、第
４図は平均値計算部の動作説明図である。 図中、ｌＯは前処理部、１１はパラメータ抽出部、１２
は切替部、１３は登録部、１４は候補音声削減部、１５
はＤＰ照合部、１６は再照合候補選定部、１７は各種再
照合部、１８は平均値計算部、１９は判定部である。 特許出願人　富士通株式会社 代理人弁理士　山　谷　晧　榮

Claims (1)

【特許請求の範囲】
1. 予め各単音節に対し複数の音声を登録した登録部と、該
   登録された総ての単音節音声と未知入力単音節音声とを
   簡単な特徴量により照合して候補削減する候補削減部と
   、残された候補単音節音声と未知入力単音節音声との精
   密照合を行う照合部と、複数の再照合候補単音節を選出
   する再照合候補選定部を備え、この再照合候補単音節の
   組合せに適した識別乃至照合方式によって再照合する単
   音節音声認識装置において、未知入力と同一単音節に対
   する複数の登録単音節グループとの距離の平均値を算出
   する平均値算出部を設け、再照合候補単音節が予め定め
   た組合せであり、且つ、同一の単音節である複数の登録
   単音節音声と未知入力・）・、音節音声との距離が、再
   照合候補単音節の組合せに応じて足められた個数以上求
   められている場会、算出された同一の単音節である複数
   の登録単音節音声と未知入力単音節音声との距離を小さ
   いものから順に、再照合候補単音節の組合せに応じて足
   められた個数取り出し、その平均値を未知入力単音節音
   声と登録単音節音声との距離として定義し、その定義さ
   れた距離によって再照合候補順位を求め、また算出され
   た同一の単音節である複数の登録単音節音声と未知入力
   単音節音声との距離が再照合候補単音節の組会せに応じ
   て足められた個数以下である場合、再照合候補順位をそ
   のまｆにすることを特徴とする単音節音声認識処理方式
   。