JPS59195699A - 単語音声認識装置 - 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】 この発明は音韻ラベル系列によって記述された登録単語
辞書と、入力単語音声とのパターン間距離を、少ない計
算量で時間軸に非線形なノくターンマツチングを行なう
ことによって計算する単語音声認識装置に関するもので
ある。

第１図を工従来の時間軸に非線形なパターンマツチング
を行なう単語音声認識装置の一例を示す構成図である。

単語音声は発声きれるたびに継続時間が変りその時間構
造も線形ではない。この仙でな性質を付つ不等長な二つ
の単語のパターン間距離を効率的に計算するのに第１図
に示す様な従来の装置で（ちダイナミックプログラミン
グマツチング法（以下ＤＰマツチング法と呼ぶ）という
時間軸に非線形な変換を施すパターンマツチング法が用
いられてきた。

第１図でマイクロホン（１）から入力された単語背戸波
形は（２）は、音声分析特徴抽出回路（３）内で分析を
受け、特徴ベクトルの時系列Ａ−ａ、ａ２ａ５・・・ａ
□　に変換され、入力特徴パターンとして入カバターン
メモ１月４）に格納される。祈鎮パターンメモリ（６）
にはあらかじめ作成されたに個の音韻％徴パターンＰ、
　Ｐ２・・・ＰＫとそれらのラベル１１，１１２・・・
ｌＫが格納されている。距離マトリクス計算回路（５）
では、入力も徴パターンＡ＝ａ１ａ２・・・ａエ　と音
韻パターンｐ、　ｐ２・・・Ｉ）ｘによって距離マトリ
クスを作成し、距離マトリクスメモリ（７）に格納する
。距離マトリクスメモリ（７）の中のｄｉｋｔｊｉ査目
の入力特徴ベクトルａ、とに香目の音韻特徴ベクトルｐ
ｋとの距離である。

後続のモード切換スイッチ（８）は学習／認識モードの
切換を行なうもので、単語音声の登録操作時には破線、
認識操作時［＆ま実線に倒される。

今、単語音声の登録時を考える。スイッチ（８〕は破線
側に倒れ、ラベル付は回路（９）では、距離マトリクス
メモリ（７）内の距離マトリクスを用いて、入力特徴パ
ターンＡの各フレームａ工毎にそのフレームとの距離が
最小となった音韻特徴ベクトルｐｋを求める。さらにそ
れらの音韻特徴ベクトルｐｋに対応するラベルｌｋを音
韻パターンメモリよシ取シ出し、音韻ラベル系列Ｌ−４
？３／、１５・・・を作成する。音韻ラベル系列りは一
旦音韻ラベル系列メモＨｆ）に悟納され、単語辞１メモ
ＩＪ　ｆＩＩＩ内に単語登録毎に順次＠納されて行く。

ひと辿シの登録が終了すると、モード切換スイッチ（８
＋に実勝に倒され認識が行なわれる。認識時には距離マ
）　ＩＪクスメモリ（７）内の距離マトリクスはスイッ
チ（８）を通り距離計算回路ｆ１２１に送られる。距離
計算回路０）５では単語辞書メモリ０１１の中の音韻ラ
ベル系列で記述されている単語Ｗｎと入力特徴パターン
Ａ＝ａ、ａ２・・・ａｌ　　との距１９［ｎをＤｐマツ
チング法によって計算する。

今、単語Ｗｎのラベル系列Ｌｎ＝’３　’７１１　’５
・・・１ＩＶＣ対応する音韻ベクトルの系列Ｐ＝ｐ３１
）７ｐ、　　ｐ５・・・ｐ工をＢ＝ｂ、ｂ２ｂ３ｂ４・
・・ｂ、　（Ｊは系列の個数）と書き換えるとＤＰマツ
チング法で距離計算を行なう二つの特徴パターンは となる。第２図にＤｐマツチング法によるＡ、　　Ｂ両
パターンの時間対応の例を示す。Ａ、Ｅ両パターンの時
間対応すなわち時間変換関数＆ｊｉ−ｊ平面上の格子点
Ｃ＝（ｉ、ｊ）の系列Ｆで表現することができる。

Ｆ＝Ｃ：ｔｌｌ、　Ｃ（２１・・・Ｃ（ｋｌ・・・Ｃ（
Ｋｌ　　　　　　　・・・（２）ただしＣ（ｋｌ＝　（
１（ｋｌ、　ｊ（ｋｌ）とする。

また２時間軸の極端な変形を許さないことの一つの反映
として点列Ｆの存在する範囲７ｆｃ（３１式で示す整合
窓関数で制限する。

ｌｉ　（ｋｌ　　ｊ　（ｋｌ≦γ　γ：正の定数　　　
　　　・・・（３）二つの特徴ベクトルａ１とｂｊとの
距離ｋ　ｄ（ｃｌ＝　ａ□ｊとすると点列Ｆに沿ってと
った距離の荷重平均＆工になる。Ｓ　（ｋｌは非負の定
数でそのイ直＆工時間変換関数を点列で近似するときの
方式によって定められる。またａ（ｃ）＝ｄ工、はすで
に計算された距肉廿マトリクスから直接引用する。

（４）式において点列Ｆを変化させたときの最／Ｊ１１
直で二つのパターンＡとＢの距離Ｄ（Ａ、Ｂ）を定義す
ると。

Ｍ−Σ　Ｓ　（ｋｌ １ｒ＝１ となる。ＤＰマツチング法では（５）式の最小化問題を
次の様な方法で解く。まず２Ｍを定数化する方法として
ｓ　ｔｋ＋を対称形と呼ばれる＋６＋式で定義する。

５（ｋｌ＝　（１（ｋｌ−１（ｋ−１）　）＋（ｊ（ｋ
ｌ−ｊ　（ｋ−リ）・・・＋６１このときＭ＝Ｉ＋Ｊと
なる。次に部分点列Ｃ（１１ＣＦ２＋・・・Ｃ（ｋ）に
対する部分和ｇ　（Ｃ（ｋｌ）　１（７１式で考える。

（７）式を用いて次の３段階で（５）式のＤ（Ａ、Ｂ）
を計算する。

■初期設定ｇ（１，１）＝２ｄ１１およびｊ＝１■ｊ１
＝ｍａｘ　（１＊　ｊ−γ）　ｉ２　＝ｍｉｎ　（ｊ十
γ、Ｉ）として土を１１から１２まで１ずつ増しながら
（７）式によってｇ（ｉ＋ｊ）を計算する。

■ｊがＪ［等しくなければｊｔｌだけ増して■へ行く等
しければＤ（Ａ、Ｂ）＝ｇ（１，Ｊ）７’Ｍとする。

以上がＤＰマツチング法による特徴パターンＡとＢの距
離Ｄ（Ａ、Ｂ）の計算法である。距離計算回路＋Ｉ２）
では入力特徴パターンＡと単語辞書に登録された総ての
単語ｗ１との間の距離ＩＤＰマツチング法で計算し、距
離が最小となった単語ｗ、。

（ｍｉｎ）を認識結果日として出力する。

さて、ＤＰマツチング法では二つの特徴パターンＡ、Ｂ
の間の距離Ｄ（Ａ、Ｂ）を計算ブるために。

整合窓内の総ての部分距離ｇ　（ｉ、ｊ）を計鉋、する
必要があり、また各ｇ（ｉｌｊ）は（７）式の様な三つ
の候補値の中から選択されるということで、計算量が非
常に多いという欠点があった。

この発明はこの欠点を除去するため比較的簡易なパター
ン間距離計算法により少ない計算量で時間軸に非線形な
マツチングを行なうものである。

第３図に本発明の実施例を示す。

第３図中マイクロホン１１＋からラベル、ｌＪ’ｌＪメ
モリαＱ４では第１図中のものと同じなので説明を省略
する。

まずモード切換スイッチ（８１を破線に倒した学習モー
ドの場合を説明する。ラベル系列メモリ００）に格納さ
れたラベル系列Ｌ＝／！、ｌ！、１３７・・・はラベル
系列置処理回路０４：で以下のような再処ｊＳを施され
る。

■ラベル系列を数フレーム単位に区切シ、その区間内を
１つのラベルで置き拗える（ラベルの平滑化）。例えば
３フレ一ム単位にラベル系列を区切った場合その中のラ
ベル金（８２式の様に変換する。

１５１６１１３→１３１．　Ａ３Ａ５ｇ５１．−＋１３
１３ｉ３・・・（８＋ ｉ、　ｌ、　ＩＫ、−＋１３１３ｉ３　　ｚ、　ｚ２１
１５４２１３２１２（中間のラベル） ■平滑化されたラベル系列で、同一ラベルが継続する区
間全体をそのラベル名と継続長の２つの情報で表現する
（ラベルの圧縮）。

例えば■で平滑されたラベル系列が Ｌ’＝ｌ、　７，７．　ｌ、ｌ、ｌ、ｌ、Ａ、Ａ、　ｘ
、　１３７１３．・・・（９）のときこのラベル系列は
圧縮ラベル系列仝と継続長Ｔに変換される 圧縮ラベル系列光と継続長′ｆは一旦圧絹うベル系列メ
モリａ５１に格納され、圧縮単語辞書メモ１，１１Ｊω
に、単語の登録毎ＶＣ順次格納されてゆく。

−通りの単語登録が終了するとモード切換スイッチ（８
）は実線の認識モードに切換えられ認識が行なわれる。

認識モードでは、入力％徴パターンＡ−ａ、ａ２・・・
ａ工に各登録単語Ｗ１　とのパターン間距離を、簡易距
離計算回路ｔ１７１で計算し、距離最小となった単語ｗ
、　（ｍｉｎ）を認識結果１１３・とじて出力する。

簡易距離計算回路［＋７１では、入力特徴パターンＡと
笠録単飴Ｗ１との距離′ｆｆ：■入力師徴パターンＡ＝
ａ、ａ２・・・ａ工の各フレームに、登録単語Ｗｊ−の
圧縮ラベル系列中の音韻ｌｊを２時間軸に非線形な伸動
ヲ許しながら順次割当てていく。■入力特徴パターンの
ａｉとそれに割当てられた音韻ｌｊとの距離ａ、ｅ距離
マトリクスから引用し、入力特徴パターンＡの始端から
終端までその距離を加算する。という方法で形算する。

第４図に音韻の割当ての様子を示す。圧縮ラベル系列ｔ
の中のめる音韻ら　を入力％徴パターンに割当てるには
以下のステップを用いる。

■ｌｊの継続長ｔ、かうｌｊの最小継続長ｔ８Ｌと最大
継続長ｔｂを決める。

■最小継続長−フレームだけ、音韻ｌ、を入力特徴パタ
ーンＡに割ｇ当てる。

ａ ■ｔａ以上のフレームに対してはそのフレームａ工とｌ
ｊの距離ｄ１ｊが次の音’ｋ　Ｚ　ｊ−１−＋との距＃
１ｃｄｉ、十、より犬になるまでｌ、の即ｊ当てを続け
、距離大となった時点で６＋、の割当てを開始する。

ここで１．の割当てフレーム数は最大継続長以内とし、
最大継続長に達したときはｌ　　割当てｊ＋ｉ を開始する。

入力性徴パターンＡ＝ａ、ａ２・・・ａ工の各フレーム
に対する音韻ｌ、の割当てはｌｊの最大最小継続長条件
と、各フレームとｌｊ及び１．＋、との距離値の比較に
よって簡単に決定することができるので、簡易部内１１
計算回路０７１内での入力特徴パターンＡと登録単語Ｗ
１との距離計算搦：は非常に少ない。

しかも音韻らを割当てる範囲には非線形な伸縮が許され
る。従って本発明では入力特徴パターンＡと登録単語辞
書中の単語Ｗ□との間での２時間ＩＩｑＩＩに非線形な
変換をか１１すパターンマツチングを少ない計算量で実
現できる。

以上は認識を行う単語を使用者かあらかじめ登録する。

特定話者単語音声認識装蝕の場合について説明したが、
この発明げ話者を限定しない不特定請者単語音声認識装
（ＭＶｃも使用してよい。

その際、単語辞書は台数の話者による単語音声データか
らあらかじめ作成し、でおくもので１一つの単語につい
て複数話者から１４ｔられたいくつかの代表的な音素系
列を単語辞書として登録する。

以上のようにこの発明によれは、入力された単語音声と
、登録されている単語辞書との距離を簡単な非縁形マツ
チングを行なって計算するので。

少ない計算量で、非線形に伸縮する時間構造を４ぐつ単
語間の距離を計算することができＺ・。

【図面の簡単な説明】

第１図は従来の単語音声認識装置の一例、第２図はＤＰ
マツチング法によるパターンＡ、Ｂの時間対応図、第３
図は本発明による単語音声認識装置の一実施例を示す図
、第４図は入力％徴パターンと圧羅１ラベＡ／系列の対
応図である。 図中１１１　＆Ｙマイクロホン、（２）は入力音声波形
、（３）をま音声分析他機抽出回路、（４）は入カバタ
ーンメモリ、（５）は距離マトリクス計算回路、（６）
は廿飾パターンメモリ、（７）は距離マトリクスメモリ
、　　Ｌａｌ＆Ｘモー）”切換スイッチ、＋９）はラベ
ル付は回路、　（１１））＆’：！音―ラベルＭ列メモ
リ、０旧ま単語辞書メモリ、ロヵは距離計算回路、　＋
１３１は認識結果、０］はラベル系列再処理回路、ａＳ
＋＋ま圧縮ラベル系列メモリ、ａＳ＋は圧縮単語辞書メ
モリ、（１７１は簡易距離計算回路である。 代理人　大　岩　＃ｌ　雄

Claims (1)

【特許請求の範囲】
1. 単語音声登録時に音韻ラベル付は回路によって登録単語
   音声を音韻ラベル系列に変換し、前記音韻ラベル系列を
   登録単語メモリに登録し、単語音声認識時に距離計算回
   路で前記登録単語メモリ中の各登録単語音声の音韻ラベ
   ル系列と入力単語音声とのパターンマツチングを行う単
   語音声認識装置において、前記登録単語音声の音韻ラベ
   ル系列を圧縮して圧縮音韻ラベル系列として登録単語メ
   モリに登録するラベル系列圧絹回路を備え、距離計算回
   路で前記登録単語音声の圧縮音韻ラベル系列を入力単語
   音声に始端から順に蟲てはめることで前記圧縮晋徊ラベ
   ル系列と入力単語音声とのパターンマツチングを行うこ
   とを％徴とする単語音声認識装置。