JPS593491A - 音声認識装置 - Google Patents
音声認識装置Info
- Publication number
- JPS593491A JPS593491A JP57111891A JP11189182A JPS593491A JP S593491 A JPS593491 A JP S593491A JP 57111891 A JP57111891 A JP 57111891A JP 11189182 A JP11189182 A JP 11189182A JP S593491 A JPS593491 A JP S593491A
- Authority
- JP
- Japan
- Prior art keywords
- speech
- dictionary
- voice
- speaker
- parameters
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
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。
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、予め登録する方式の音声認識装置特にその音
声辞書に関する。
声辞書に関する。
技術の背景
音声認識は発声者の音声を分析して当該音声の特徴を示
すパラメータを抽出し、それを音声辞書内に格納されて
いる音声パラメータ群と比較して一致した又は距離が近
い辞書内音声パラメータに対応する辞書内登録言葉とし
て発声者音声を認識する、という手法をとるのが普通で
ある。また音声辞書は何人にも通用する汎用のものを作
成するとデータ量が膨大になり、比較及び該当言葉の抽
出が困難になるので、当該発声者専用のものとするのが
現状である。この場合は最初に該発声者が種々の言葉を
キーインすると共に発声し、認識装置にそれを分析、特
徴抽出して該キーインデータと共にメモリに記憶させて
当該発声者の音声辞書を作らせ、換言すれば音声登録し
、然るのち当該発座者は単に発声のみし、装置にそれを
認識させるという工程をとる。
すパラメータを抽出し、それを音声辞書内に格納されて
いる音声パラメータ群と比較して一致した又は距離が近
い辞書内音声パラメータに対応する辞書内登録言葉とし
て発声者音声を認識する、という手法をとるのが普通で
ある。また音声辞書は何人にも通用する汎用のものを作
成するとデータ量が膨大になり、比較及び該当言葉の抽
出が困難になるので、当該発声者専用のものとするのが
現状である。この場合は最初に該発声者が種々の言葉を
キーインすると共に発声し、認識装置にそれを分析、特
徴抽出して該キーインデータと共にメモリに記憶させて
当該発声者の音声辞書を作らせ、換言すれば音声登録し
、然るのち当該発座者は単に発声のみし、装置にそれを
認識させるという工程をとる。
従来技術と問題点
この登録型の音声ｇ織では発声者音声に密着した辞書を
用いるので認識が容易で正解度も高い（本来なら１００
％）が、発声者音声も特に特徴パラメータで見ると不変
というものではなく、その時の発声の仕方、健康状態そ
の他により変化する。
用いるので認識が容易で正解度も高い（本来なら１００
％）が、発声者音声も特に特徴パラメータで見ると不変
というものではなく、その時の発声の仕方、健康状態そ
の他により変化する。
従って該当する言葉には候補が幾つも挙がるという例が
多く、これには選択した候補を音声で認識装置が発声者
に通知し、確認を求めるという方法をとることが考えら
れている。この方法は発声者による判定を待つので正確
ではあるが、認識装置が知らせた言葉が誤っておれば当
然法の候補を提示して確認を求める、場合によっては再
入力を求めることになり、煩雑であるから、認識率その
ものの向上が望まれる。
多く、これには選択した候補を音声で認識装置が発声者
に通知し、確認を求めるという方法をとることが考えら
れている。この方法は発声者による判定を待つので正確
ではあるが、認識装置が知らせた言葉が誤っておれば当
然法の候補を提示して確認を求める、場合によっては再
入力を求めることになり、煩雑であるから、認識率その
ものの向上が望まれる。
発明の目的
本発明は音声辞書に学習機能を付して該辞書を常に発声
者音声に密着した最新の辞書に更新させ、認識率を向上
させようとするものである。
者音声に密着した最新の辞書に更新させ、認識率を向上
させようとするものである。
発明の構成
本発明は発声者の音声辞書を備えて発声者の入力音声か
ら求めた音声パラメータを該辞書内音声パラメータと比
較し、距離が近い辞書内音声パラメータに対応する音声
を当該入力音声に対応する言葉と判断して発声者に確認
を求める音声認識装置において、誤認識が行なわれたと
き該音声辞書の音声パラメータを修正及び又は削除する
手段を備えることを特徴とするが、次に実施例を参照し
ながらこれを説明する。
ら求めた音声パラメータを該辞書内音声パラメータと比
較し、距離が近い辞書内音声パラメータに対応する音声
を当該入力音声に対応する言葉と判断して発声者に確認
を求める音声認識装置において、誤認識が行なわれたと
き該音声辞書の音声パラメータを修正及び又は削除する
手段を備えることを特徴とするが、次に実施例を参照し
ながらこれを説明する。
発明の実施例
第１図は音声パラメータＰ１．Ｐ２で表わした音声又は
言葉１０．２０の音声パラメータの分布状況を示す。音
声１０は例えば「東京」、音声２０は例えば「大阪」で
あり、１１．１２は発声者が「東京」を発声してａｔ織
装置に登録した該「東京」に対応する音声パラメータで
ある。発声者が「東京」と発声すると、その音声信号は
音声周波数帯を多数に区分例えば２００〜５０００Ｈｚ
を１６チヤンネルに分割する各バンドパスフィルタに通
され、該音声が継続する時間の間、短い周期のクロック
でサンプリングされ、低域パワー、高域パワー、変動量
・・・・・・毎に特徴抽出され、登録の際は辞書メモリ
に格納される。第２図はその模様を説明する図で、ｔ
＋＋ ｔ２・・・・・・ｔｍは第１．第２・・・・・
・第ｍサンプリングタイミング、Ｐｌ、Ｐ２・・・・・
・Ｐｎはそのとき抽出された第１．第２・・・・・・第
ｎ音声パラメータの数値であり、第１図の１１は本来こ
のｔ１〜ｔｎ ＋ Ｐ ＋ −Ｐ ｎ内のデータを示
すものであるが、第１図ではこれを簡略化して２ノ寸ラ
メータＰＩ、Ｐ２を示すものとしている。ノマラメータ
はｎ個であるから実際はｎ次元となり時間を考慮すると
更に多次元で表示されるべきものである。１１．１２は
発声者が「東京」と２回発声して音声登録したその各回
畳録′データであるが、音声辞書は各音声又は言葉別に
か−る登録データを２個ないし４個持つのが普通である
。本ｆＦＪで番よこれを２個としており、音声１０「東
京」につＧ１ては１１，１２．音声２０「大阪」につい
ては２１．２２がそれである。各音声についての登録デ
ータ数は２なら２と一定にしておく。音声パラメータに
対応する音声又は言葉は図示のように当該音声パラメー
タと同じメモリ領域に記憶させておく、あるいは別にテ
ーブルを用意して各音声又は言葉は、当該音声パラメー
タの記憶領域のアドレスと共に該テーブルに格納する。
言葉１０．２０の音声パラメータの分布状況を示す。音
声１０は例えば「東京」、音声２０は例えば「大阪」で
あり、１１．１２は発声者が「東京」を発声してａｔ織
装置に登録した該「東京」に対応する音声パラメータで
ある。発声者が「東京」と発声すると、その音声信号は
音声周波数帯を多数に区分例えば２００〜５０００Ｈｚ
を１６チヤンネルに分割する各バンドパスフィルタに通
され、該音声が継続する時間の間、短い周期のクロック
でサンプリングされ、低域パワー、高域パワー、変動量
・・・・・・毎に特徴抽出され、登録の際は辞書メモリ
に格納される。第２図はその模様を説明する図で、ｔ
＋＋ ｔ２・・・・・・ｔｍは第１．第２・・・・・
・第ｍサンプリングタイミング、Ｐｌ、Ｐ２・・・・・
・Ｐｎはそのとき抽出された第１．第２・・・・・・第
ｎ音声パラメータの数値であり、第１図の１１は本来こ
のｔ１〜ｔｎ ＋ Ｐ ＋ −Ｐ ｎ内のデータを示
すものであるが、第１図ではこれを簡略化して２ノ寸ラ
メータＰＩ、Ｐ２を示すものとしている。ノマラメータ
はｎ個であるから実際はｎ次元となり時間を考慮すると
更に多次元で表示されるべきものである。１１．１２は
発声者が「東京」と２回発声して音声登録したその各回
畳録′データであるが、音声辞書は各音声又は言葉別に
か−る登録データを２個ないし４個持つのが普通である
。本ｆＦＪで番よこれを２個としており、音声１０「東
京」につＧ１ては１１，１２．音声２０「大阪」につい
ては２１．２２がそれである。各音声についての登録デ
ータ数は２なら２と一定にしておく。音声パラメータに
対応する音声又は言葉は図示のように当該音声パラメー
タと同じメモリ領域に記憶させておく、あるいは別にテ
ーブルを用意して各音声又は言葉は、当該音声パラメー
タの記憶領域のアドレスと共に該テーブルに格納する。
か−る辞書を用いて発声者が今度は音声認識のために「
東京」と発声すると、その音声信号は識別装置で周波数
分割、サンプリング、特徴抽出され、例えば第１図に１
３で示す音声パラメータとして把握される。音声パラメ
ータ１３は音声辞書内の全パラメータと比較され、距離
計算される。
東京」と発声すると、その音声信号は識別装置で周波数
分割、サンプリング、特徴抽出され、例えば第１図に１
３で示す音声パラメータとして把握される。音声パラメ
ータ１３は音声辞書内の全パラメータと比較され、距離
計算される。
本例では最も近いものはパラメータ２１であるから認識
装置は「大阪」ですかと尋ねることになる。
装置は「大阪」ですかと尋ねることになる。
発声者は勿１１！ＩＮＯと答え（これは音声で又はキー
操作で行なう）そこで認識装置は次の候補１２を取上げ
て「東京」ですかと尋ねる。発声者は今度はｒＹＥｓＪ
と答え、次の言葉の発声に入いるが、本発明ではこの際
辞書修正を行なう。即ち遠かつたが正解であった辞書内
音声パラメータ１２を今回入力音声パラメータ１３に近
付け、近いが誤解であった辞書内音声パラメータ２１を
パラメータ１３より遠去ける。その程度は辞書パラメー
タを優先させて、にＮの内分で１２を１３の方へ僅かに
近付けまた２１は１：Ｍの外方で２１より僅かに遠去け
るようにする。一般的に表現すると、点１２，１３．１
４の音声パラメータベクトルをＩＰＩ ２． ＩＰＩ
３． ＩＰＩ ４として、次式で表わされるベクト
ルＩＰ１４を持つ点１４へ点１２を移動させる。
操作で行なう）そこで認識装置は次の候補１２を取上げ
て「東京」ですかと尋ねる。発声者は今度はｒＹＥｓＪ
と答え、次の言葉の発声に入いるが、本発明ではこの際
辞書修正を行なう。即ち遠かつたが正解であった辞書内
音声パラメータ１２を今回入力音声パラメータ１３に近
付け、近いが誤解であった辞書内音声パラメータ２１を
パラメータ１３より遠去ける。その程度は辞書パラメー
タを優先させて、にＮの内分で１２を１３の方へ僅かに
近付けまた２１は１：Ｍの外方で２１より僅かに遠去け
るようにする。一般的に表現すると、点１２，１３．１
４の音声パラメータベクトルをＩＰＩ ２． ＩＰＩ
３． ＩＰＩ ４として、次式で表わされるベクト
ルＩＰ１４を持つ点１４へ点１２を移動させる。
Ｎ＋１
また点Ｐ２１．Ｐ２３の音声パラメータベクトルをＩＦ
５１． ＩＦ５３として次式で表わされるベクトルＩ
Ｐ２３を持つ点２３へ点２１を移動させる。
５１． ＩＦ５３として次式で表わされるベクトルＩ
Ｐ２３を持つ点２３へ点２１を移動させる。
−１
このような走査を繰り返してゆくと辞書内の音声１０の
パラメータは音声１ｏの最新入力パラメータに接近し、
辞書内の音声２ｏのパラメータは同１０のパラメータよ
り離れ、誤認識率を低減し正認識率を高めることができ
る。なお上記例ではパラメータ１２を修正して、パラメ
ータ１１は放置したが、１１も１３に接近させる修正を
してもよく、このようにすると辞書内音声パラメータ群
１１．１２は常に最新入力音声パラメータ１３等の近傍
へ集中して行く傾向を持つようになる。
パラメータは音声１ｏの最新入力パラメータに接近し、
辞書内の音声２ｏのパラメータは同１０のパラメータよ
り離れ、誤認識率を低減し正認識率を高めることができ
る。なお上記例ではパラメータ１２を修正して、パラメ
ータ１１は放置したが、１１も１３に接近させる修正を
してもよく、このようにすると辞書内音声パラメータ群
１１．１２は常に最新入力音声パラメータ１３等の近傍
へ集中して行く傾向を持つようになる。
上記のように加重平均で辞書パラメータを修正すること
の他に誤認識の原因となった音声パラメータを削除する
ことも効果的である。例えば第１図では入力音声パラメ
ータ１３にとって２１が１２より近いので誤認識を生じ
たのであるが、が＼る点２１による誤認識回数を計数し
それが所定値（闇値）以上になったら点２１を消去する
、そして音声２０に対する入力があったときそれを辞書
パラメータに加え、消去した点２１の穴うめをする。こ
の場合は全ての辞書パラメータ１１，１２゜２１．２２
・・・・・・に対してＩＩＩｇ織の原因となった回数の
計数値を記録しておき、該計数値が闇値を越えたとき当
該辞書パラメータを消去する。
の他に誤認識の原因となった音声パラメータを削除する
ことも効果的である。例えば第１図では入力音声パラメ
ータ１３にとって２１が１２より近いので誤認識を生じ
たのであるが、が＼る点２１による誤認識回数を計数し
それが所定値（闇値）以上になったら点２１を消去する
、そして音声２０に対する入力があったときそれを辞書
パラメータに加え、消去した点２１の穴うめをする。こ
の場合は全ての辞書パラメータ１１，１２゜２１．２２
・・・・・・に対してＩＩＩｇ織の原因となった回数の
計数値を記録しておき、該計数値が闇値を越えたとき当
該辞書パラメータを消去する。
辞書パラメータの登録時の本計数値は当然零としておき
、誤認識の原因となる毎に＋１する。正解を与えた場合
は一エする事も合理的である。
、誤認識の原因となる毎に＋１する。正解を与えた場合
は一エする事も合理的である。
またこの辞書パラメータ消去法は前述の加重平均による
辞書パラメータ修正法と併用してもよく、この場合は内
分による修正が行なわれたら即ち前記例では点１２が点
１４に移動したら該１２（今は１４に移動している）の
針数値は零とし、また外分による修正即ち前記の例では
点２１の２３への移動はさせないで点２１のま＼とし、
誤認識原因となる毎に計数値を＋工して闇値になったら
点２１を消去する。更に上記の内分修正で計数値を零に
戻す際は、修正すれば針数値は必ず零復帰させる代りに
入力音声パラメータとの距離を計算し、それが大である
場合は計数値はそのま＼とじてもよい。この場合は内分
修正を受けている間に計数値が闇値に達して消去となる
ケースも出てくる。
辞書パラメータ修正法と併用してもよく、この場合は内
分による修正が行なわれたら即ち前記例では点１２が点
１４に移動したら該１２（今は１４に移動している）の
針数値は零とし、また外分による修正即ち前記の例では
点２１の２３への移動はさせないで点２１のま＼とし、
誤認識原因となる毎に計数値を＋工して闇値になったら
点２１を消去する。更に上記の内分修正で計数値を零に
戻す際は、修正すれば針数値は必ず零復帰させる代りに
入力音声パラメータとの距離を計算し、それが大である
場合は計数値はそのま＼とじてもよい。この場合は内分
修正を受けている間に計数値が闇値に達して消去となる
ケースも出てくる。
発明の詳細
な説明したように本発明では誤認識が生しる毎に発声者
音声辞書を修正し、又は削除して更新するので、該辞書
は常に発声者音声に密着したものとなり、認識率を向上
させることができる。
音声辞書を修正し、又は削除して更新するので、該辞書
は常に発声者音声に密着したものとなり、認識率を向上
させることができる。
第１図および第２図は本発明の説明図である。
図面で、１１，１２，２１．２２は辞書内音声パラメー
タ、１０．２０は該パラメータに対応する音声又は言葉
、１４．２３は１２．２１の修正後のパラメータを示す
。 出願人 富士通株式会社 代理人弁理士 青 柳 稔
タ、１０．２０は該パラメータに対応する音声又は言葉
、１４．２３は１２．２１の修正後のパラメータを示す
。 出願人 富士通株式会社 代理人弁理士 青 柳 稔
Claims (3)
- （１）発声者の音声辞書を備えて発声者の入力音声から
求めた音声パラメータを該辞書内音声バラメークと比較
し、距離が近い辞書内音声パラメータに対応する音声を
当該入力音声に対応する言葉と判断して発声者に確認を
求める音声認識装置において、誤認識が行なわれたとき
該音声辞書の音声パラメータを修正及び又は削除する手
段を備えることを特徴とする音声認識装置。 - （２）修正が、入力音声パラメータと当該入力音声に対
する辞書内音声パラメータとの距離を所定比で内分する
新音声パラメータへ該辞書内音声パラメータを変更する
ように行なわれることを特徴とする特許請求の範囲第１
項記載の音声認識装置。 - （３）削除が、誤認識の原因となった回数が闇値を越え
るとき当該入力音声パラメータを消去するようにして行
なわれることを特徴とする特許請求の範囲第１項記載の
音声認識装置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP57111891A JPS593491A (ja) | 1982-06-29 | 1982-06-29 | 音声認識装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP57111891A JPS593491A (ja) | 1982-06-29 | 1982-06-29 | 音声認識装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JPS593491A true JPS593491A (ja) | 1984-01-10 |
Family
ID=14572727
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP57111891A Pending JPS593491A (ja) | 1982-06-29 | 1982-06-29 | 音声認識装置 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPS593491A (ja) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS6060698A (ja) * | 1983-09-13 | 1985-04-08 | 富士通株式会社 | 音声標準特徴パターン作成処理装置 |
| JPS6199195A (ja) * | 1984-10-02 | 1986-05-17 | 富士通株式会社 | 音声標準パタン作成処理方法 |
| JPS6199197A (ja) * | 1984-10-02 | 1986-05-17 | 富士通株式会社 | 音声標準パタン作成処理方法 |
| JPH04293097A (ja) * | 1991-03-22 | 1992-10-16 | Sharp Corp | 話者識別装置 |
-
1982
- 1982-06-29 JP JP57111891A patent/JPS593491A/ja active Pending
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS6060698A (ja) * | 1983-09-13 | 1985-04-08 | 富士通株式会社 | 音声標準特徴パターン作成処理装置 |
| JPS6199195A (ja) * | 1984-10-02 | 1986-05-17 | 富士通株式会社 | 音声標準パタン作成処理方法 |
| JPS6199197A (ja) * | 1984-10-02 | 1986-05-17 | 富士通株式会社 | 音声標準パタン作成処理方法 |
| JPH0422520B2 (ja) * | 1984-10-02 | 1992-04-17 | Fujitsu Ltd | |
| JPH0424718B2 (ja) * | 1984-10-02 | 1992-04-27 | Fujitsu Ltd | |
| JPH04293097A (ja) * | 1991-03-22 | 1992-10-16 | Sharp Corp | 話者識別装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US20170358306A1 (en) | Neural network-based voiceprint information extraction method and apparatus | |
| Rabiner et al. | A simplified, robust training procedure for speaker trained, isolated word recognition systems | |
| JPS6184694A (ja) | 認識用辞書学習方法 | |
| CN110310664A (zh) | 设备降噪功能的测试方法及相关设备 | |
| JPS593491A (ja) | 音声認識装置 | |
| JPS6361300A (ja) | 音声認識方式 | |
| US20240144934A1 (en) | Voice Data Generation Method, Voice Data Generation Apparatus And Computer-Readable Recording Medium | |
| Daly | Recognition of words from their spellings: Integration of multiple knowledge sources | |
| JPS63188199A (ja) | パタンマッチング装置 | |
| JPS6315295A (ja) | 音声認識装置 | |
| JPS58105299A (ja) | アルフアベツト音声認識装置 | |
| JPS60147797A (ja) | 音声認識装置 | |
| JPS63303398A (ja) | 音声認識装置 | |
| JPH0464076B2 (ja) | ||
| JPS63300298A (ja) | 音声認識装置 | |
| JPS62113196A (ja) | 音声認識学習方式 | |
| JPS59189398A (ja) | 連続音声認識方式 | |
| JPS60198598A (ja) | 音声認識方式 | |
| JPS60115993A (ja) | 単音節音声認識装置 | |
| JPS59124388A (ja) | 単語音声認識処理方式 | |
| JPS60202494A (ja) | 単語音声認識方法 | |
| JPS6172300A (ja) | パタ−ン照合方式 | |
| JPS63121099A (ja) | 音声認識装置 | |
| JPS61147299A (ja) | 音声認識装置 | |
| JPS63318600A (ja) | 音声認識方式 |