JPS59180594A - 音声認識装置 - 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、音声認識装置の改良に関する。

〔発明の技術的背景とその問題点〕

音声認識装置において、音声検出部は、入力した音声を
設定された　値により切り出す。この切り出した部分は
バッファに蓄積し、そのデータを特徴抽出部へ送り、そ
こで例えばフィルタバンク全通して周波数スペクトラム
情報に圧縮するなどして特徴抽出を行なう。特徴抽出を
経た情報は、前もって、登録されている辞書と比較計算
が行なわれ、最も距離が短いものが認識結果として判定
される。この距離計算には、従来種々の工夫がなされて
おり、例えば、特徴抽出を経たパターンと辞書パターン
の相関距離や絶対値距離などを計算する方法がある。こ
こで、音声検出部は、入力し］ た音声を雑音と区別する為にＬＢｌという閾１値をもう
ける。音声検出部が第１図に示すような音声Ａを入力し
たとする。音声検出部は、音声ＡのレベルがＬＢＩにな
った時点ａから音声の切り出しを始め、音声を取り入れ
ていく。ここで、ａ点より時間ｔ、経た後、音声のレベ
ルがＬＢ１以上であれば、続けて音声を取り入れていく
。しかし、゛第２図に示す音声Ｂの場合、ｂ点で音声レ
ベルがＬＢＩり下なので、ここで音声の取り入れを中止
してしまう。このような音声は、雑音などに相当し、認
識対象として好ましいものではないので捨てる。すなわ
ち時間をおいてａ点、ｂ点間の音声レベルをみるという
ことは、音声と雑音の弁別を目的としている。

次に、音声Ａでｂ点から取り入れが続行し、音声の後端
に達して、音声レベルが　値Ｌ　Ｂ　２以下になり、更
に時間ｔ２　　経た時点ｄでも音声レベルがＬ　ｆ３２
以下ならば音声の取り入れを終了する。

しかし、第３し１に示すようにｄ点で音声レベルがＬ　
Ｂ　２以上ならば続けて音声の取り入れを続行する。

このｔ２　　は、通常音声の無音区間より長くとらない
と、この休止区間で音声の切り出し全終了してしまう。

しかし、音声の認識処理は、音声の切り出しが終Ｔした
時点ｄより始まるので、ｔ、が余り長いと認識処理が遅
れて、全認識時間が大きくなってし１う。しかし、単語
認識などで、単語の種類、又発声する人の発声法知よっ
ては休止区間が非常に長くなってし、１う。例えば［も
う一度−１などの単語は、「もう」と「一度」の間を長
く延ばして発声する人がいる。この場合、極端な例では
「もう」だけで切り出して認識して、「一度」は無視し
てしまうことがある。

〔発明の目的〕

本発明は、前記期間ｔ、全あまり長くしないで音声の切
り出しを行ない、音声のレベルが低い谷の部分が長くて
も次に発生するレベルが高い山の部分を見逃すことなく
音声を取り入才することかできる音声認識装置を提供す
ることを目的とする。

〔発明の実施例〕

第４図は本発明の音声認識装置を示すブロック図である
。

（１）は入力音声、（２）は設定された閾値にょシ音声
を検出する音声検出回路である。（３）は検出した音声
を蓄積するバッファメモリである。（４１はバッファメ
モリの内容により特徴抽出を行なう特徴抽出回路である
。（５）は特徴抽出したデータから認識処理を行なう音
声認識回路で（６）の認識結果を外部のデバイスに送る
。

次に動作を説明する。第４図１てより説明すると、まず
第１図に示す様な音声（１）が音声検出回路（２）に入
力されると、この音声（１）のレベルがＬ　Ｂ　］にな
ると音声検出回路が動作全始めて、バッフ１メモリ（３
）に音声を書き込んでいく。そして、時間ｔ１を過ぎて
も音声（１）のレベルがＬＢ１以上の場合は、更に続け
て音声データをバッファメモ！＋　（３）Ｋ　’Ｌ＋き
込んでいく。第２図圧示すよう蹟、ｂ点において音声レ
ベルがＬＢ１以下の場合、音声検出回路（２）は動作を
中止する。第１図に示す波形が音声検出回路（２）に入
力されている場合、音声検出回路（２）は０点まで音声
をバッファメモリに書き込んでいく。

ここで音声検出回路（２）は０点より時間【、経たｄ点
の音声レベルが、ＬＢ２以下ならば音声認識回路（５）
に終端検出を知らせる。

このときＣ虚からｄ点間も続けて、音声検出回路（２）
は音声をバッファメモリ（３）に省いている。

音声認識回路（５）は、終端検出を受は取るとバッファ
メモリ（３）からａ点から６点１での音声データを特徴
抽出回路（４）を通して音声認識回路（５）に送り込む
。音声認識回路（５）は特徴抽出回路（４）を通したデ
ータで認識処理を行なう。一方、音声検出−］路（２）
は、ｄ点から引続いて音声データを取り入れていく。

ここで、入力される音声が第５図に示すように、レベル
の低い谷の部分が非常に長い波形の場合、音声検出回路
（２）はｅ点に到達すると音声認識回路（５）に割込を
かける。音声認識回路（５）は、音声がｄ点よりまだ持
続していることを判断して、認識処理を中止する。ここ
で、認識処理は、大量のデータにより演算処理を行なう
必要があり、普通１００〜２００ｍ５かかるので、通常
延ばして発声した場合でもｄ−ｅ間は］００ｍ５以内に
なるので、演算処理途中でｅ点が出会う確率は太きい。

次に音声検出回路（２）は、本当の終端ｇに到達したと
き、音声認識回路（５）に終端検出を知らせる。

音声認識回路（５）は前記と同様Ｋａ点から２点までの
音声データをバッファメモリ（３）から特徴抽出回路（
４）全通して読み込み認識処理全行なう。そして、認識
結果（６）を外部の装！ご送る。

〔発明の効果〕

音声の谷が長くても、終端検出の余裕時間ｔ？を組くす
ることができるので、認識処理時間全組Ｒ６することが
口ｆ「ヒである。そして、確笑にギャグを追跡すること
ができるので、Ｕ識率が同上することができる。

【図面の簡単な説明】

第１図、第２図、第３図、第５図は音声入力波形を示す
図、第４図は本発明の音声認識装置を示すブロック図で
ある。 （１）・・・・・・・・・音声入力 （２）・・・・・・・・・音声検出回路（３１・・・・
・・・・・バッファメモリ（４）・・・・・・・・・特
徴抽出回路（５）・・・・・・・・・音声認識回路（６
）・・・・・・・・・認識結果

Claims (1)

【特許請求の範囲】
1. 入力した音声の始端及び終端を検出して音声データを検
   出するとともに１つの音声データを検出したのち所定時
   間内に次の音声データを検出したら割込信号を出力する
   音声検出回路と、この音声検出回路が検出した音声デー
   タを格納するバッファメモリと、このバッファメモリに
   格納された音声データを認識するととも忙前記音声検出
   回路が出力した割込信号を受信したら現在認識中の音声
   データと新に前記音声検出回路が検出した音声データと
   を結合して認識する音声認識手段とを具備したことを特
   徴とする音声認識装置。