JPS5917597A - 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、認識対象の各単語に対応して複数組の標準音
声パタンを内蔵（格納、記憶）している音声認識装置に
おいて、特に誤認識時の訂正処理の効率向上を図るため
の音声認識方式に関するものである。

この種の音声認識装置における従来の音声認識方式は、
例えば、一連のサービスが完了するまで、内蔵されてい
る複数組の全標準音声パタンを使用して音声認識処理を
行わせるようにしていたので、ある特定の発声者または
一般の発声者による特定の単語が、ある特定組の標準音
声パタンに関して誤認識、リジェクトを起こし易いもの
であると、一連の音声認識処理において誤認識、リジェ
クトが当該単語について集中・多発をするというおそれ
があった。

また、誤昭識、リジェクトが発生したときには、同一内
容のものを再発声させ、かつ、誤認識、リジェクトにお
けるものと全く同一内容の音声認識処理を行わせるよう
にしていた。

しかしながら、誤認識、リジェクトをしたということは
、その発声音声バタンか、各巻４準音声パタンのうちで
真に上記発声音声パタンに近いものとして認識・判定を
されるべき標準音声パタンよりも、誤認識、リジェクト
の対象となった標準音声バタンの方に近かったというこ
とである。

したがって、上述のように同一内容の音声認識処理を繰
り返しても、反復して同様な誤認識、リジェクトとなる
確率が高く、正しい認識結果が得られるまでには、相当
に多くの発声の繰返しをしなければならないので、認識
に要する時間が長くなるとともに、発声者に対する負担
も大きくなるという問題があった。

本発明の目的は、上記した従来技術の欠点をなくシ、特
に誤認識時の訂正処理の効率向上を可能とする音声認識
方式を提供することにある。

本発明に係る音声認識方式の構成は、認識対象の各単語
に対応して複数組の標準音声バタンデータを記憶してお
き、人力音声の特徴抽出を行い、その特徴データと上記
標準バタンデータとの類似度計算処理を行い、その類似
度が最上位となる標準音声バタンを認識結果として判定
・出力する機能を有する音声認識装置において、人力音
声の認識処理を最初に所定組の標準音声パタンについて
行い、誤認識となったときは、上記所定組の標準音声パ
タンを除き他の組の標準音声パタンを用いて繰返し音声
認識処理を行わしめるように制御・処理するものである
。

以下、本発明の実施例を図に基づいて説明する。

第１図は、本発明に係る音声認識方式の一実施例の方式
構成図、第２図は、その処理フローチャートである。

ここで、１は、認朧対象の各単語について複数組の標準
音声バタンデータを格納（記憶）している標準音声バタ
ンメモリ、２は、その選択制御をする標準音声バタン選
択部、３は、音声人力に係るマイクロフォン、４は、そ
の人力音声の特徴抽出をする分析部、５は、その特徴デ
ータと標準音声バタンデータとの類似度計算処理（バタ
ンマツチング処理）を行う音声認識部、６ば、その処理
結果に基づき人力音声に対する類似度が高い標準音声パ
タンの組を判定する判定部、７は、認識結果の表示に係
る音声合成部、８は、同スピーカ、９は、認識結果の確
認および繰返し音声入力の指示に係るコンソール部、１
０は、上記各部に対する制御その他所要の処理を行う制
御部、１１は、認識結果に基づいて所望の処理をするホ
スト装置である。

まず、マイクロフォン３からの人力音声の認識に先立ち
、制御部１０は、音声入力に対する準備を分析部４．音
声認識部５に指示し、また、その時の認識対象となるべ
き所定組（例えば、男１女用の標準的なもの各１組）の
標準音声パタンを標準音声バタンメモリ１から選択する
ように標準音声バタン選択部２に指示する（第２図の処
理２１）。

これらの準備が完了すると、発声者に対して音声入力を
促すべき入力催告メツセージを出力するよう音声合成部
７に指示し、スピーカ８から同メツセージを放声せしめ
る（処理２２）。

これにより、発声者がマイクロフォン３から音声入力を
すると（処理２３）、分析部４は、その入力音声の音声
分析をして特徴抽出を行う（処理２４）。

音声認識部５は、上述のように制御部１０からの制御に
より標準バタン選択部２が選択・指示する標準音声パタ
ンのデータ（と上記入力音声の特徴データとの間で類似
度計算処理（バタンマツチング処理）を行い、上記各組
の中から人力音声との類似度が最上位のものを認識結果
の候補とするとともに、すべての認識結果、類似度を判
定部６に伝える（処理２５）。

判定部６は、類似度が最上位の標準バタンを判定し、そ
のデータを制御部１０へ報告する（処理２６）。

制御部１０は、認識結果の類似度が前もって定められた
定数（リジェクト定数）よりも低く、認識結果として出
力するには疑わしいものとみなすべきもの（リジェクト
）に該当するかどうかを判断しく判断２７）、リジェク
トの場合には、標準音声バタン選択部２に対して再び同
一の標準音声パタンを選択するように指示しく処理３３
）、更に音声合成部に対して再び同一内容の入力催告メ
ツセージを出力するよう指示し、同メツセージをスピー
カ８から放声せしめる（処理３４）。これによシ、上述
と同様な処理２３以降の再認識処理が行われる。

一方、リジェクトでない場合には、その認識結果の候補
が正しいものであるか否かを発声者に確認させるだめの
表示として、確認要求メツセージを音声合成部７経由で
スピーカ８から放声せしめる（処理２８）。

発声者は、これを聴取して人力音声が正しい認識（正認
識）をされたのか、誤った認識（誤認識）をされたのか
を知り、その旨を、コンソール部９から制御部１０へ入
力する（処理２９）。

この認識結果の正否の確認人力は、必ずしもコンソール
部９における操作による必要は寿ぐ、マイクロフォン３
からの確認用音声人力によってもよいが、その内容は、
音声認識が確実に行われるように簡単で誤認識をしにく
いものであるものが望捷しい。

制御部１０は、上記確認情報により正認識（上記認識候
補が正しいものであること）であったか否かの判断をし
、（判断３０）、正認識であった場合には、必要に応じ
て上記認識結果をホスト装置１１へ送出せしめるととも
に、標準音声ノくタン選択部２に対して次の認識に備え
て今まで使用してきた標準音声バタンと同一のものを選
択するように指示しておく（処理３１）。

更に、一連のサービス動作が終了したか否かを判断しく
判断３２）、終了していないときは、再び前述の処理２
２へ戻って次の人力音声の認識処理を行い、終了してい
るときは、全認識結果をホスト装置１１へ送出し、１つ
の入力音声に対する認識処理を終了し、次の入力に備え
る。

一方、誤認識であった場合には、制御部１０は、標準音
声バタン選択部２に対して今まで使用してきた標準音声
バタン以外の残りの組を選択するように指示しく処理３
５）、再人力催告の放声をせしめ（処理３６）、前述と
同様な処理２３以下の繰返し認識処理が行われる。

このようにして、誤認識が発生しても未使用の標準音声
バタンによって繰返し認識処理を行うので、誤認識を繰
り返すという確率が低くなる。

以上、詳細に説明したように、本発明によれば、誤認識
となったときの訂正処理の効率を向上し、ひいては総合
的な認識率の向上をすることができるので、この種の音
声認識システムにおける信頼性、サービス性、効率の向
上に顕著な効果が得られる。

【図面の簡単な説明】

第１図は、本発明に係る音声認識方式の一実施例の方式
構成図、第２図は、その処理フローチャートである。 】・・・標準音声バタンメモリ、２・・・標準音声バタ
ン選択部、３・・・マイクロフォン、４・・・分析部、
５・・・音声認識部、６・・・判定部、７・・・音声合
成部、８・・・スピーカ、９・・・コンソール部、１０
・・・制御部、１１・・・ホスト装置。 代理人　弁理士　福田幸作 （ほか１名） （９） Ｎ、ｔ　　目

Claims (1)

【特許請求の範囲】
1. １、認識対象の各単語に対応して複数組の標準音声バタ
   ンデータを記憶しておき、入力音声の特徴抽出を行い、
   その特徴データと、上記標準・々タンデータとの類似度
   計算処理を行い、その類似度が最上位となる標準音声パ
   タンを認識結果として判定・出力する機能を有する音声
   認識装置において、入力音声の認識処理を最初に所定組
   の標準音声ノくタンについて行い、誤認識となったとき
   は、上記所定組の標準音声パタンを除き他の組の標準音
   声゛　　　バタンを用いて繰返し音声認識処理を行わし
   めるように制御・処理することを特徴とする音声認識方
   式。