JPS5969799A - 音声登録方法 - Google Patents
音声登録方法Info
- Publication number
- JPS5969799A JPS5969799A JP57179090A JP17909082A JPS5969799A JP S5969799 A JPS5969799 A JP S5969799A JP 57179090 A JP57179090 A JP 57179090A JP 17909082 A JP17909082 A JP 17909082A JP S5969799 A JPS5969799 A JP S5969799A
- Authority
- JP
- Japan
- Prior art keywords
- voice
- data
- waveform data
- registered
- input
- 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.)
- Granted
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
本発明はカナ単音節音声認識技術を用いた音声認識装置
に於ける話者の音声登録方法に関するものである。 音声認識装置は様々提案されているが音声を認識する場
合その対象によシ単語認識と単音節認識に区別される。 単音節認識は音声タイツライタの応用を考えた場合対象
が単音節であることよシ原理的には無限の言語を認識で
きることとなる。この様な単音節認識装置については例
えば日本音響学会音声研究会資料資料番号８７７−４６
（１９７７−１２）ｒ単音節音声タイシライタ」（北天
応用電気研究所）等にも示されている。従来技術として
、以下その概略を説明する。前記単音節タイツライタの
構成を簡単のため一部書き直したものを第１図に示す。 第１図において１はマイクロフォン、２はノリアンプ、
３はフィルターパンクとして知られている１６チヤネル
バンドパスフイルタ（以下１６ ＣＨＢＰＦという。）
、４は１６チヤネルアナログ・ディジタルコンバータ（
以下１６ ＣＨＡ／Ｄコンノ々−タトイう。）、５は対
数変換リードオンリメモリ（以下対数変換ＲＯＭという
）、６はピッチ抽出器、７はカウンタ／タイマ、８はマ
イクロコンピュータ（以下マイクロＣＰＵという。）、
９はマイクロＣＰＵのパスライン（以下ＢＵＳ ＬＩＮ
Ｅという）、１０はリードオンリメモリ（以下ＲＯＭと
いう。）、１ノはランダムアクセスメモリ（以下ＲＡＭ
という。）、Ｉ２はフロッピディスクドライブ装置（以
下ＦＤＤという。）、１３はキャラクタディスプレイ装
置（以下ＣＲＴという。）、１４はキーボード入力装置
（以下ＫＢという。）、１５は／・−ドウエア演算器の
如く構成されマイクロフォン１よシ入力された音声の内
布声音は６ ｄＢｌｏＣＴで減衰しているためこのｉ４
ワースにクトルを平坦なものとするためグリアンゾ２に
おいて６ ｄＢｌｏＣＴの率で高域を強調する。その出
力を１６ ＣＨＤＰＦ ３へ入力し２００〜４．４ ｋ
Ｈｚの周波数を１６チヤネル（以下ＣＨと略す）に分割
し、各ＣＨ毎にその出力をＡ／Ｄ＝ｆｆンパ−タ４へ入
力スル。Ａ／Ｄコンバータ４にて１２ ｂｉｔのディノ
タル量に変換した後対数変換ＲＯＭ ５へ入力し、８ピ
ツトの対数に変換する。 これは人の聴覚特性が対数的であるためそれを近似する
ためと、更には、パワースペクトルの正規化を行なうと
き加減算だけで演算ができるという利点をも考えた上の
処理である。Ａ／Ｄコンバータ４の出力をマイクロＣＰ
ＵのＢＵＳ ＬＩＮＥ ９を通じてマイクロＣＰＵ ８
へ引き込む。前記マイクロＣＰＵ ８には制御用のＲＯ
Ｍ １０ 、データエリア用のＲＡＭ １１、登録音声
等のデータを格納するＦＤＤ １２ 、音声認識結果を
出力表示するＣＲＴ １３ 、マイクロＣＰＵに対し手
動で入力を行なうためのＫＢ１４が接続され小型の電子
計算機システムが構成されている。 又、１６ ＣＨＢＰＦ ３の出力をピッチ抽出器６へ入
力しピッチ周期毎に１６ ＣＨＡ／Ｄコンバータをトリ
ガするべく機能する。ピンチ抽出器６に関する一手法は
例えば特開昭５４−１６２４０５ｒピッチ周波数抽出装
置」等で提案されている（この抽出方法自体は本発明と
直接関係しないので詳細な説明は省く）が、この様な方
法によりピッチ周波数が抽出されるものと考えてよい。 ピッチ周波数は母音又は有声子音の場合存在するが、無
声子音の場合、音蝋、は稟に音でありピッチ周波数が存
在しない。これら無声子音をサンプリングするためにカ
ウンタタイマ７によシ一定周期例えば１ ｋＨｚの周波
数で１ ｍ５ｅｃ毎にパルスを発生し、１６Ｃ１（Ａ／
Ｄコンバータ４へ入力する。前記１６ ＣＨＡ／Ｄコン
バータは、母音又は有声子音の場合はピッチ周期毎に、
無声子音の場合は一定周期毎に１６ ＣＨＢＰＦ３の出
力をサンプリングし、アナログーデイノタル変換するこ
とにより入力音声波形の・ぐワースにクトルの包絡特性
を得ることができる。 以上の様にして得られたデイノタル化された入力音声波
形はパワースペクトルの正規化を施した後予め特定の話
者によシ登録されている登録音声波形の夫々のデータと
の間で２乗距離を計算する。 この２乗距離の計算は数千回を必要とし、マイクロＣＰ
Ｕ ８で演算していたのでは実時間処理ができないだめ
ハードウェア演算器１５によジノ・−ドウエア的に演算
を実施している。入力音声波（ユ゛とを録音声波形の間
で２乗距離を計算し、２乗１．′ｌ−袴の最低の値を示
した音節が入力音声であると認識するものである。 以下に認識の手順について更に詳細に説明する。 ウ エ オ 〔ｕ〕〔ｅ〕
に於ける話者の音声登録方法に関するものである。 音声認識装置は様々提案されているが音声を認識する場
合その対象によシ単語認識と単音節認識に区別される。 単音節認識は音声タイツライタの応用を考えた場合対象
が単音節であることよシ原理的には無限の言語を認識で
きることとなる。この様な単音節認識装置については例
えば日本音響学会音声研究会資料資料番号８７７−４６
（１９７７−１２）ｒ単音節音声タイシライタ」（北天
応用電気研究所）等にも示されている。従来技術として
、以下その概略を説明する。前記単音節タイツライタの
構成を簡単のため一部書き直したものを第１図に示す。 第１図において１はマイクロフォン、２はノリアンプ、
３はフィルターパンクとして知られている１６チヤネル
バンドパスフイルタ（以下１６ ＣＨＢＰＦという。）
、４は１６チヤネルアナログ・ディジタルコンバータ（
以下１６ ＣＨＡ／Ｄコンノ々−タトイう。）、５は対
数変換リードオンリメモリ（以下対数変換ＲＯＭという
）、６はピッチ抽出器、７はカウンタ／タイマ、８はマ
イクロコンピュータ（以下マイクロＣＰＵという。）、
９はマイクロＣＰＵのパスライン（以下ＢＵＳ ＬＩＮ
Ｅという）、１０はリードオンリメモリ（以下ＲＯＭと
いう。）、１ノはランダムアクセスメモリ（以下ＲＡＭ
という。）、Ｉ２はフロッピディスクドライブ装置（以
下ＦＤＤという。）、１３はキャラクタディスプレイ装
置（以下ＣＲＴという。）、１４はキーボード入力装置
（以下ＫＢという。）、１５は／・−ドウエア演算器の
如く構成されマイクロフォン１よシ入力された音声の内
布声音は６ ｄＢｌｏＣＴで減衰しているためこのｉ４
ワースにクトルを平坦なものとするためグリアンゾ２に
おいて６ ｄＢｌｏＣＴの率で高域を強調する。その出
力を１６ ＣＨＤＰＦ ３へ入力し２００〜４．４ ｋ
Ｈｚの周波数を１６チヤネル（以下ＣＨと略す）に分割
し、各ＣＨ毎にその出力をＡ／Ｄ＝ｆｆンパ−タ４へ入
力スル。Ａ／Ｄコンバータ４にて１２ ｂｉｔのディノ
タル量に変換した後対数変換ＲＯＭ ５へ入力し、８ピ
ツトの対数に変換する。 これは人の聴覚特性が対数的であるためそれを近似する
ためと、更には、パワースペクトルの正規化を行なうと
き加減算だけで演算ができるという利点をも考えた上の
処理である。Ａ／Ｄコンバータ４の出力をマイクロＣＰ
ＵのＢＵＳ ＬＩＮＥ ９を通じてマイクロＣＰＵ ８
へ引き込む。前記マイクロＣＰＵ ８には制御用のＲＯ
Ｍ １０ 、データエリア用のＲＡＭ １１、登録音声
等のデータを格納するＦＤＤ １２ 、音声認識結果を
出力表示するＣＲＴ １３ 、マイクロＣＰＵに対し手
動で入力を行なうためのＫＢ１４が接続され小型の電子
計算機システムが構成されている。 又、１６ ＣＨＢＰＦ ３の出力をピッチ抽出器６へ入
力しピッチ周期毎に１６ ＣＨＡ／Ｄコンバータをトリ
ガするべく機能する。ピンチ抽出器６に関する一手法は
例えば特開昭５４−１６２４０５ｒピッチ周波数抽出装
置」等で提案されている（この抽出方法自体は本発明と
直接関係しないので詳細な説明は省く）が、この様な方
法によりピッチ周波数が抽出されるものと考えてよい。 ピッチ周波数は母音又は有声子音の場合存在するが、無
声子音の場合、音蝋、は稟に音でありピッチ周波数が存
在しない。これら無声子音をサンプリングするためにカ
ウンタタイマ７によシ一定周期例えば１ ｋＨｚの周波
数で１ ｍ５ｅｃ毎にパルスを発生し、１６Ｃ１（Ａ／
Ｄコンバータ４へ入力する。前記１６ ＣＨＡ／Ｄコン
バータは、母音又は有声子音の場合はピッチ周期毎に、
無声子音の場合は一定周期毎に１６ ＣＨＢＰＦ３の出
力をサンプリングし、アナログーデイノタル変換するこ
とにより入力音声波形の・ぐワースにクトルの包絡特性
を得ることができる。 以上の様にして得られたデイノタル化された入力音声波
形はパワースペクトルの正規化を施した後予め特定の話
者によシ登録されている登録音声波形の夫々のデータと
の間で２乗距離を計算する。 この２乗距離の計算は数千回を必要とし、マイクロＣＰ
Ｕ ８で演算していたのでは実時間処理ができないだめ
ハードウェア演算器１５によジノ・−ドウエア的に演算
を実施している。入力音声波（ユ゛とを録音声波形の間
で２乗距離を計算し、２乗１．′ｌ−袴の最低の値を示
した音節が入力音声であると認識するものである。 以下に認識の手順について更に詳細に説明する。 ウ エ オ 〔ｕ〕〔ｅ〕
〔０〕の発音記号で表わされる５個と考え
てよいため前記５母音に撥音（Ｎ〕を加えた６種に入力
単音節を識別し、しかる後どの子音と組み合わさった単
音節であるかを識別する。 即ち、入力単音節のノやワースベクトルがほぼ一定値と
なるところを各チャネルについて登録音声波形との間の
２乗距離を計算することにより５母音＋撥音のいづれな
のかを決定する。その結果が５母音の内の１ケの場合次
の手順に移るが例えば結果が〔ａ〕であった場合、総認
識語数が６８単音節の場合ア行音であるア、力、す、り
、ナ、ノ・、マ、ヤ、う、ワ、ガ、ダ、・り、・りのど
の単音節に相当するかを、入力音声波形と登録音声波形
の間の２乗距離を計算することによ勺認識し、入力単音
節を特定している。 前記従来の単音節タイシライタにおける音声波形の登録
と識別のブロック図を第２図に示す。 １６は登録音声波形レジスタ（以下ＲＤＳという）、１
７は入力音声波形レジスタ（以下ＥＤＳという。）、ノ
８は識別回路の如く構成され、第１図に於いて説明した
音声波形の登録と、登録された登録音声波形と入力音声
波形の間の２乗距離の計算に関して示されている。 予め特定の話者によシ登録された登録音声波形は各単音
節の波形データが各チャネル毎、サンプルタイミング順
にＲＤＳ １６にディジタル化された形で登録され、そ
の後前記特定の話者によシ発声された入力音声波形はＥ
ＤＳ １７ Ｋディジタル化された形で格納されＥＤＳ
１７の内容がＲＤＳ １６のどの単音節かを識別回路
１８により識別する。 従って一般に音声認識装置は話者が変るたびにＲＤＳ
ｌ ６へ格納する登録音声波形を登録しなおさなければ
ならなかった。更にカナ単音節認識技術を用いた音声タ
イツライタの場合、単語認識装置の様に認識対象語句が
長くないため音声情報量が少なく、登録の際１度入力す
るだけではすまず４〜５度夫々の単音節を入力してそれ
らの平均をとって登録音声波形とする等の手法が必要で
あった。 即ち、６８単音節を認識する音声タイプライタの場合を
考えても、６８Ｘ４＝２７２から６８Ｘ５＝３４０回程
度単音節を入力しなければならず、音声を登録するため
長時間にわたって入力するだめ話者の疲労が犬となシ入
力音声が最初と最後でかなシ異なり、これらの相加平均
をとってもその話者の特徴を正しく表現する登録音声波
形とはいい難いという大きな欠点があった。又、これは
音声入力時も同様であシ入力する時の話者の状態によシ
常に同一の発声は期待出来ないだめ認識率の低下をきた
すという大きな欠点があった。 本発明の目的は上記の欠点を除去するため登録音声波形
を採取音声波形の相加平均のみに留めず、同一音声での
相異なる個々の音声波形を何種か相加平均とともに登録
音声波形として登録しておくことにより話者の発声が変
っても対応できる様にしだものであり以下詳細に説明す
る。 第３図は本発明の実施例であって１９は選択登録音声波
形レノスタ（以下５ＲＤＳという。）、２０は選択識別
回路（以下ＳＣという。）、２ノは平均化回路であり、
５ＲＤＳ １９は対象音節数６８×４ケのレノスタより
構成され一般的には５ＲＤＳ、−ｊと表現し、ｉは音節
番号（例えば（Ｋａ）は１＝６となる。）、Ｊは同−音
節内での登録順番号を夫々示し、５ＲＤＳ、 、内には
ＲＤＳ １６と同様に各単音節の−Ｊ 波形データが各チャンネル毎、サンプルタイミング順に
ディジタル化された形で登録されている。 本発明の詳細な説明するため以下に登録音声［Ｋａ］を
登録する時を例として以下詳細に説明する。 登録時、〔Ｋａ〕を発声すると（Ｋａ〕の波形データは
各チャンネル毎、サンプルタイミング順にデイソタル化
された形でＥＤＳ １７に入力される。 （Ｋａ〕の音声を最初に発声した時はＥＤＳ １７へ入
力されたデータはそのまま５ＲＤＳ １９のＥＤＳ６−
１に格納される。次に［：Ｋａ’Ｊを発声した時はその
音声データはＥＤＳ １７へ入力される。ＥＤＳ ｌ
７へ入力された音声データは［Ｋａ］であり２回目のデ
ータである為、図示しない制御部により以下の様に演算
される。即ち、ＥＤＳ １７のデータと５ＲＤＳ １９
のＥＤＳ６−４のデータが５Ｃ２０で比較され例えばＣ
ＨＯ〜ＣＨ５の低周波数部とＣＨ６以上の高周波数部に
２分して両データ間にある閾値以上の有意差があるかど
うかを判定し、ある閾値以上の有意差があればＥＤＳ
１７のデータは５ＲＤＳ １９内のＥＤＳ６−４とは別
の状態に於ける（Ｋａ）の音声であるというとととなる
ためＥＤＳ １７のデータを５Ｃ２０の出力線を通じて
５ＲＤＳ １９のＥＤＳ６−２へ格納する。 前記ある閾値以上の有意差の有無の演算は５Ｃ２０で行
彦われる。ここで５Ｃ２０の機能に関して説明する。Ｅ
ＤＳ １７及び５Ｒｐｓ １９内のＲＤＳ、。 １″″Ｊ 内のデータは各チャンネル毎サンプリングタイミング順
に格納されている。ＥＤＳ １７のデータをｅｃｈ、、
、 ＲＤＳ、 、のデータをｒ 、 とすると低周
。 １−Ｊｃｈｌ、ｔ 波数部の両データの誤差ＥＬＯＷは ここでｔ＝ｏはＥＤＳ Ｉ ７及び５ＲＤＳ １９内の
ＲＤＳ、 。 −Ｊ のデータの子音部の立上シ点、ｔＦ、は母音部の定常部
を示す。 同様にして高周波数部の両データの誤差”’ ＩＩＩ
Ｇｌｌ”’ＬＯＷ ’ ＥＩ□ＧＨいづれかがある閾値
以上の誤差がある場合有意差あシと判定し、登録音声デ
ータとしてＲＤＳ、 レジスタに登録される。 ｒ−ｊ＋１ つぎに５Ｃ２０によシ既登録データとの間で有意差があ
るかないかとは無関係に平均化回路２１により、以前の
平均化データとＥＤＳ １７との間である重み伺けをさ
れた平均値を演算し、その値を平均化データとして格納
する。 即ち、第１回目の（Ｋａ）の発声の時には、前記の如（
ＥＤＳ １７のデータをＥＤＳ６−４へ格納するだけで
なく、平均化データ用レジスタであるＥＤＳ６−４−＼
も平均化回路２）を通じてそのままの値で格納する。つ
いで、第２回目の（：Ｋａ）の発声の時にはＥＤＳ １
７のデータをＥＤＳ６．へ格納し、ＥＤＳ６−１のデー
タとＥＤＳ １７のデータをある重み付けで演算し、そ
の結果をＥＤＳ６．、−４へ格納する。 例えば重み伺けを新データに対して２０％とするとＲＤ
Ｓ の新しいデータｒ′ はｌ−４ｃｈｉ”Ｌ
ｔ ｒｃｈｉ−４，ｔ ＝ ０．８ Ｘ ｒｃｈｉ−４＋ｔ
＋ ０．２ Ｘ ｅ である。 ｃｈｉ 、 ｔ （ｒ は新しいデータを算出する時読にｃｈｉ−’
Ｌｔ ＲＤＳ、−４に格納されていたデータを示す。ただし１
回目は除く。） これらの演算はチャネル毎、サンプルタイミング順に行
なわれることはいうまでもない。 次に第３回目のＣＫａ ）の発声があると、ｓｃ２゜で
は５ＲＤＳ １９内ノＲＤＳ６−１及びＥＤＳ６−２と
ＥＤＳ １７と比較し、ＥＬＯＷ ｔ ”ＨＩＧＨいづ
れかがある閾値以上の誤差がある場合にＥＤＳ６−３に
ＥＤＳ １７内のデータを格納するとともに平均化回路
２１にょシ前記の方法でＲＤＳ、４のデータを更新する
。 このようにして第３図の場合６８音節すべてに対し、３
回ずつ登録を終了すると音声を認識するだめの準備がと
とのったこととなる。 なおこの場合５ＲＤＳ １９内のＲＤＳ、−ｊすべてに
データが格納されるとは限らない。即ち、有意差が前回
のデータとの間でない場合そのデータは格納されない。 この場合、複数個の登録データをもつ必要がないことを
意味する。しかしながら音声入力時誤認識した様な場合
その音声をその時点で前記空しノスタに登録することに
よシ発声が変化した場合に対拠することができる。 音声入力時は前記説明の通り先づ５母音に撥音［Ｎ］を
加えた６種に入力単音節を識別し、（母音識別という。 ）しかる後、例えば母音が（ａ、］の場合ア行音である
ア、力、す、り、す、ハ、マ、ヤ。 う、ワ、ガ、ザ、ダ、パの登録音声データである５ＲＤ
Ｓ ｌ ９内のＲＤＳ、 、 ＥＤＳ６． ＲＤＳ、１
． ＲＤＳ、６゜ＲＤＳ 、 ＲＤＳ２６＃ ＲＤＳ
、１１ ＲＤＳ３６＃ ＥＤＳ５．ｌ ＥＤＳ４４゜１ ＥＤＳ４５．ＲＤＳ５ｏ、ＥＤＳ５５．ＥＤＳ５８．Ｅ
ＤＳ６３の各４ケのレソスタ内のデータ計６０ケのデー
タとＥＤＳ１７のデータとの間でチャネル毎、サンプル
タイミング順に誤差を計算し、その中で誤差量の最小の
ものを候補音節とし、５Ｃ２０よシ識別結果出力として
送出される。 以上詳細に説明した様に前記実施例では登録音声波形を
採取音声波形の重みづけ相加平均と、相異なる３種の音
声波形の計４種の音声波形としたため、話者の精神的、
肉体的条件により発声音声が変化しても認識性能が落る
ことはない。即ち、単に相異なる複数ケの音声波形を登
録波形としたものではなく、重みづけ相加平均した音声
波形を登録データとしてもっているためその話者の平均
的な発声を登録データとして保有していることとなる。 一般的にはこの重みづけ相加平均値で認識性能は十分あ
げられるが話者が行なう特殊な発声には十分でない。こ
れら特殊な発声を自動的に記録しておきそれを登録デー
タとして認識に用いることによシより十分な音声認識装
置とすることができる。 前記実施例では５ＲＤＳ １９は対象音節数は６８、各
音節当シ夫々４ヶの登録音声ｉｅターンをもつとして説
明したが、これらは子音＋母音の形式である単音節に限
られるものではなく、第１段階として行なう母音識別の
だめの母音パターンにも適用可能であることはいうまで
もない。 次に対象音節数も６８音節に限られるものではなく拗音
を含めた１０１音節、更にはファフィ・・・等の外来語
音声を加えた１０２音節以上のものにも適用可能である
。 第３に各音節当り登録音声・母ターンは相加平均と互い
に相異る３種の音声の計４種を保有するとして説明した
がこれらも４種に限られるものではなく４種を越えても
よいことはいうまでもない。 現時点で４種としているのは計算時間とデータを保持す
るレジスタ量のいわゆ不計算コストと認識性能の関係か
らである。 本発明は単音節音声認識という情報量の少ない認識に対
して、登録音声・母ターンを重みづけした相加平均値と
相異なる複数の音声・母ターンの両方を保持することに
よシ、等測的に情報量を増加したこととなるため認識性
能が向上し音声タイプライタの実用化に多大な寄与をす
るものであると信する。
てよいため前記５母音に撥音（Ｎ〕を加えた６種に入力
単音節を識別し、しかる後どの子音と組み合わさった単
音節であるかを識別する。 即ち、入力単音節のノやワースベクトルがほぼ一定値と
なるところを各チャネルについて登録音声波形との間の
２乗距離を計算することにより５母音＋撥音のいづれな
のかを決定する。その結果が５母音の内の１ケの場合次
の手順に移るが例えば結果が〔ａ〕であった場合、総認
識語数が６８単音節の場合ア行音であるア、力、す、り
、ナ、ノ・、マ、ヤ、う、ワ、ガ、ダ、・り、・りのど
の単音節に相当するかを、入力音声波形と登録音声波形
の間の２乗距離を計算することによ勺認識し、入力単音
節を特定している。 前記従来の単音節タイシライタにおける音声波形の登録
と識別のブロック図を第２図に示す。 １６は登録音声波形レジスタ（以下ＲＤＳという）、１
７は入力音声波形レジスタ（以下ＥＤＳという。）、ノ
８は識別回路の如く構成され、第１図に於いて説明した
音声波形の登録と、登録された登録音声波形と入力音声
波形の間の２乗距離の計算に関して示されている。 予め特定の話者によシ登録された登録音声波形は各単音
節の波形データが各チャネル毎、サンプルタイミング順
にＲＤＳ １６にディジタル化された形で登録され、そ
の後前記特定の話者によシ発声された入力音声波形はＥ
ＤＳ １７ Ｋディジタル化された形で格納されＥＤＳ
１７の内容がＲＤＳ １６のどの単音節かを識別回路
１８により識別する。 従って一般に音声認識装置は話者が変るたびにＲＤＳ
ｌ ６へ格納する登録音声波形を登録しなおさなければ
ならなかった。更にカナ単音節認識技術を用いた音声タ
イツライタの場合、単語認識装置の様に認識対象語句が
長くないため音声情報量が少なく、登録の際１度入力す
るだけではすまず４〜５度夫々の単音節を入力してそれ
らの平均をとって登録音声波形とする等の手法が必要で
あった。 即ち、６８単音節を認識する音声タイプライタの場合を
考えても、６８Ｘ４＝２７２から６８Ｘ５＝３４０回程
度単音節を入力しなければならず、音声を登録するため
長時間にわたって入力するだめ話者の疲労が犬となシ入
力音声が最初と最後でかなシ異なり、これらの相加平均
をとってもその話者の特徴を正しく表現する登録音声波
形とはいい難いという大きな欠点があった。又、これは
音声入力時も同様であシ入力する時の話者の状態によシ
常に同一の発声は期待出来ないだめ認識率の低下をきた
すという大きな欠点があった。 本発明の目的は上記の欠点を除去するため登録音声波形
を採取音声波形の相加平均のみに留めず、同一音声での
相異なる個々の音声波形を何種か相加平均とともに登録
音声波形として登録しておくことにより話者の発声が変
っても対応できる様にしだものであり以下詳細に説明す
る。 第３図は本発明の実施例であって１９は選択登録音声波
形レノスタ（以下５ＲＤＳという。）、２０は選択識別
回路（以下ＳＣという。）、２ノは平均化回路であり、
５ＲＤＳ １９は対象音節数６８×４ケのレノスタより
構成され一般的には５ＲＤＳ、−ｊと表現し、ｉは音節
番号（例えば（Ｋａ）は１＝６となる。）、Ｊは同−音
節内での登録順番号を夫々示し、５ＲＤＳ、 、内には
ＲＤＳ １６と同様に各単音節の−Ｊ 波形データが各チャンネル毎、サンプルタイミング順に
ディジタル化された形で登録されている。 本発明の詳細な説明するため以下に登録音声［Ｋａ］を
登録する時を例として以下詳細に説明する。 登録時、〔Ｋａ〕を発声すると（Ｋａ〕の波形データは
各チャンネル毎、サンプルタイミング順にデイソタル化
された形でＥＤＳ １７に入力される。 （Ｋａ〕の音声を最初に発声した時はＥＤＳ １７へ入
力されたデータはそのまま５ＲＤＳ １９のＥＤＳ６−
１に格納される。次に［：Ｋａ’Ｊを発声した時はその
音声データはＥＤＳ １７へ入力される。ＥＤＳ ｌ
７へ入力された音声データは［Ｋａ］であり２回目のデ
ータである為、図示しない制御部により以下の様に演算
される。即ち、ＥＤＳ １７のデータと５ＲＤＳ １９
のＥＤＳ６−４のデータが５Ｃ２０で比較され例えばＣ
ＨＯ〜ＣＨ５の低周波数部とＣＨ６以上の高周波数部に
２分して両データ間にある閾値以上の有意差があるかど
うかを判定し、ある閾値以上の有意差があればＥＤＳ
１７のデータは５ＲＤＳ １９内のＥＤＳ６−４とは別
の状態に於ける（Ｋａ）の音声であるというとととなる
ためＥＤＳ １７のデータを５Ｃ２０の出力線を通じて
５ＲＤＳ １９のＥＤＳ６−２へ格納する。 前記ある閾値以上の有意差の有無の演算は５Ｃ２０で行
彦われる。ここで５Ｃ２０の機能に関して説明する。Ｅ
ＤＳ １７及び５Ｒｐｓ １９内のＲＤＳ、。 １″″Ｊ 内のデータは各チャンネル毎サンプリングタイミング順
に格納されている。ＥＤＳ １７のデータをｅｃｈ、、
、 ＲＤＳ、 、のデータをｒ 、 とすると低周
。 １−Ｊｃｈｌ、ｔ 波数部の両データの誤差ＥＬＯＷは ここでｔ＝ｏはＥＤＳ Ｉ ７及び５ＲＤＳ １９内の
ＲＤＳ、 。 −Ｊ のデータの子音部の立上シ点、ｔＦ、は母音部の定常部
を示す。 同様にして高周波数部の両データの誤差”’ ＩＩＩ
Ｇｌｌ”’ＬＯＷ ’ ＥＩ□ＧＨいづれかがある閾値
以上の誤差がある場合有意差あシと判定し、登録音声デ
ータとしてＲＤＳ、 レジスタに登録される。 ｒ−ｊ＋１ つぎに５Ｃ２０によシ既登録データとの間で有意差があ
るかないかとは無関係に平均化回路２１により、以前の
平均化データとＥＤＳ １７との間である重み伺けをさ
れた平均値を演算し、その値を平均化データとして格納
する。 即ち、第１回目の（Ｋａ）の発声の時には、前記の如（
ＥＤＳ １７のデータをＥＤＳ６−４へ格納するだけで
なく、平均化データ用レジスタであるＥＤＳ６−４−＼
も平均化回路２）を通じてそのままの値で格納する。つ
いで、第２回目の（：Ｋａ）の発声の時にはＥＤＳ １
７のデータをＥＤＳ６．へ格納し、ＥＤＳ６−１のデー
タとＥＤＳ １７のデータをある重み付けで演算し、そ
の結果をＥＤＳ６．、−４へ格納する。 例えば重み伺けを新データに対して２０％とするとＲＤ
Ｓ の新しいデータｒ′ はｌ−４ｃｈｉ”Ｌ
ｔ ｒｃｈｉ−４，ｔ ＝ ０．８ Ｘ ｒｃｈｉ−４＋ｔ
＋ ０．２ Ｘ ｅ である。 ｃｈｉ 、 ｔ （ｒ は新しいデータを算出する時読にｃｈｉ−’
Ｌｔ ＲＤＳ、−４に格納されていたデータを示す。ただし１
回目は除く。） これらの演算はチャネル毎、サンプルタイミング順に行
なわれることはいうまでもない。 次に第３回目のＣＫａ ）の発声があると、ｓｃ２゜で
は５ＲＤＳ １９内ノＲＤＳ６−１及びＥＤＳ６−２と
ＥＤＳ １７と比較し、ＥＬＯＷ ｔ ”ＨＩＧＨいづ
れかがある閾値以上の誤差がある場合にＥＤＳ６−３に
ＥＤＳ １７内のデータを格納するとともに平均化回路
２１にょシ前記の方法でＲＤＳ、４のデータを更新する
。 このようにして第３図の場合６８音節すべてに対し、３
回ずつ登録を終了すると音声を認識するだめの準備がと
とのったこととなる。 なおこの場合５ＲＤＳ １９内のＲＤＳ、−ｊすべてに
データが格納されるとは限らない。即ち、有意差が前回
のデータとの間でない場合そのデータは格納されない。 この場合、複数個の登録データをもつ必要がないことを
意味する。しかしながら音声入力時誤認識した様な場合
その音声をその時点で前記空しノスタに登録することに
よシ発声が変化した場合に対拠することができる。 音声入力時は前記説明の通り先づ５母音に撥音［Ｎ］を
加えた６種に入力単音節を識別し、（母音識別という。 ）しかる後、例えば母音が（ａ、］の場合ア行音である
ア、力、す、り、す、ハ、マ、ヤ。 う、ワ、ガ、ザ、ダ、パの登録音声データである５ＲＤ
Ｓ ｌ ９内のＲＤＳ、 、 ＥＤＳ６． ＲＤＳ、１
． ＲＤＳ、６゜ＲＤＳ 、 ＲＤＳ２６＃ ＲＤＳ
、１１ ＲＤＳ３６＃ ＥＤＳ５．ｌ ＥＤＳ４４゜１ ＥＤＳ４５．ＲＤＳ５ｏ、ＥＤＳ５５．ＥＤＳ５８．Ｅ
ＤＳ６３の各４ケのレソスタ内のデータ計６０ケのデー
タとＥＤＳ１７のデータとの間でチャネル毎、サンプル
タイミング順に誤差を計算し、その中で誤差量の最小の
ものを候補音節とし、５Ｃ２０よシ識別結果出力として
送出される。 以上詳細に説明した様に前記実施例では登録音声波形を
採取音声波形の重みづけ相加平均と、相異なる３種の音
声波形の計４種の音声波形としたため、話者の精神的、
肉体的条件により発声音声が変化しても認識性能が落る
ことはない。即ち、単に相異なる複数ケの音声波形を登
録波形としたものではなく、重みづけ相加平均した音声
波形を登録データとしてもっているためその話者の平均
的な発声を登録データとして保有していることとなる。 一般的にはこの重みづけ相加平均値で認識性能は十分あ
げられるが話者が行なう特殊な発声には十分でない。こ
れら特殊な発声を自動的に記録しておきそれを登録デー
タとして認識に用いることによシより十分な音声認識装
置とすることができる。 前記実施例では５ＲＤＳ １９は対象音節数は６８、各
音節当シ夫々４ヶの登録音声ｉｅターンをもつとして説
明したが、これらは子音＋母音の形式である単音節に限
られるものではなく、第１段階として行なう母音識別の
だめの母音パターンにも適用可能であることはいうまで
もない。 次に対象音節数も６８音節に限られるものではなく拗音
を含めた１０１音節、更にはファフィ・・・等の外来語
音声を加えた１０２音節以上のものにも適用可能である
。 第３に各音節当り登録音声・母ターンは相加平均と互い
に相異る３種の音声の計４種を保有するとして説明した
がこれらも４種に限られるものではなく４種を越えても
よいことはいうまでもない。 現時点で４種としているのは計算時間とデータを保持す
るレジスタ量のいわゆ不計算コストと認識性能の関係か
らである。 本発明は単音節音声認識という情報量の少ない認識に対
して、登録音声・母ターンを重みづけした相加平均値と
相異なる複数の音声・母ターンの両方を保持することに
よシ、等測的に情報量を増加したこととなるため認識性
能が向上し音声タイプライタの実用化に多大な寄与をす
るものであると信する。
第１図は従来の単音節タイプライタの構成図、第２図は
従来の音声波形の登録と識別のブロック図、第３図は本
発明の実施例を示すブロック図である。 １・・・マイクロフォン、２・・・プリアンプ、３・・
・１６チヤネルバンドｉ９スフイルタ、４・・・１６チ
ヤネルアナログ・ディノタルコンパ〜り、５・・・対数
変換リードオンリメモリ、６・・・ピッチ抽出器、７・
・・カウンタ／タイマ、８・・・マイクロコンピュータ
、９・・・マイクロコンピータのパスライン、１ｏ・・
・リードオンリメモ１几、１１・・・ランダムアクセス
メモリ、Ｊ２・・・ヲロソピディスクドライブ装置、１
３・・・キャラクタディスプレイ装置、１４・・・キー
ホード入−力装置、１５・・・ハードウェア演算器、１
６・・・登録音声波形レジスタ、１７・・・大刀音声波
形しノスタ、１８・・・識別回路、１９・・・選択登録
音声波形レジスタ、２ｏ・・・選択識別回路、２ノ・・
・平均化回路。 特許出願人 沖電気工業株式会社
従来の音声波形の登録と識別のブロック図、第３図は本
発明の実施例を示すブロック図である。 １・・・マイクロフォン、２・・・プリアンプ、３・・
・１６チヤネルバンドｉ９スフイルタ、４・・・１６チ
ヤネルアナログ・ディノタルコンパ〜り、５・・・対数
変換リードオンリメモリ、６・・・ピッチ抽出器、７・
・・カウンタ／タイマ、８・・・マイクロコンピュータ
、９・・・マイクロコンピータのパスライン、１ｏ・・
・リードオンリメモ１几、１１・・・ランダムアクセス
メモリ、Ｊ２・・・ヲロソピディスクドライブ装置、１
３・・・キャラクタディスプレイ装置、１４・・・キー
ホード入−力装置、１５・・・ハードウェア演算器、１
６・・・登録音声波形レジスタ、１７・・・大刀音声波
形しノスタ、１８・・・識別回路、１９・・・選択登録
音声波形レジスタ、２ｏ・・・選択識別回路、２ノ・・
・平均化回路。 特許出願人 沖電気工業株式会社
Claims (1)
- フィルターバンクを用いて入力音声を周波数分析し、該
分析データによシ入力音声を認識する単音節認識装置に
おける音声登録方法において入力音声波形データを格納
するレジスタと、各音節毎に相異なる複数個の登録音声
波形データを格納するレジスタ群と、登録時に発声され
た各単音節の音声波形データと既登録音声波形データと
を重みづけした上で相加平均した登録音声波形データを
格納するレジスタ群と、登録時に既登録の登録音声波形
データ群と入力音声波形データとを比較し誤差量最小の
音節を認識結果として出力する選択識別回路と、登録音
声波形データと入力音声波形データとを重みづけした上
で相加平均をとシ前記レジスタ群へ転送する平均化回路
とを備え、音声登録時には既登録の音声波形データとの
相加平均と共に、既登録の音声波形データとの間に有意
差があった入力音声波形・データを前記レジスタ群に登
録することを特徴とする音声登録方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP57179090A JPS5969799A (ja) | 1982-10-14 | 1982-10-14 | 音声登録方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP57179090A JPS5969799A (ja) | 1982-10-14 | 1982-10-14 | 音声登録方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPS5969799A true JPS5969799A (ja) | 1984-04-20 |
| JPH0376476B2 JPH0376476B2 (ja) | 1991-12-05 |
Family
ID=16059890
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP57179090A Granted JPS5969799A (ja) | 1982-10-14 | 1982-10-14 | 音声登録方法 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPS5969799A (ja) |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS58166398A (ja) * | 1982-03-27 | 1983-10-01 | 富士通株式会社 | 音声認識装置における音声辞書登録方式 |
-
1982
- 1982-10-14 JP JP57179090A patent/JPS5969799A/ja active Granted
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS58166398A (ja) * | 1982-03-27 | 1983-10-01 | 富士通株式会社 | 音声認識装置における音声辞書登録方式 |
Also Published As
| Publication number | Publication date |
|---|---|
| JPH0376476B2 (ja) | 1991-12-05 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US4783807A (en) | System and method for sound recognition with feature selection synchronized to voice pitch | |
| JP3162994B2 (ja) | 音声のワードを認識する方法及び音声のワードを識別するシステム | |
| Christiansen et al. | Detecting and locating key words in continuous speech using linear predictive coding | |
| JPH09500223A (ja) | 多言語音声認識システム | |
| CN113744722B (zh) | 一种用于有限句库的离线语音识别匹配装置与方法 | |
| JP6127422B2 (ja) | 音声認識装置及び方法、並びに、半導体集積回路装置 | |
| US4707857A (en) | Voice command recognition system having compact significant feature data | |
| Yavuz et al. | A Phoneme-Based Approach for Eliminating Out-of-vocabulary Problem Turkish Speech Recognition Using Hidden Markov Model. | |
| JPS6138479B2 (ja) | ||
| JP2745562B2 (ja) | ノイズ適応形音声認識装置 | |
| JPS5969799A (ja) | 音声登録方法 | |
| JP3110025B2 (ja) | 発声変形検出装置 | |
| WO1987003127A1 (en) | System and method for sound recognition with feature selection synchronized to voice pitch | |
| JP2578771B2 (ja) | 音声認識装置 | |
| JPH0640274B2 (ja) | 音声認識装置 | |
| JPH0827640B2 (ja) | 音声認識装置 | |
| JPS63217399A (ja) | 音声区間検出装置 | |
| JPS6180298A (ja) | 音声認識装置 | |
| JPS607492A (ja) | 単音節音声認識方式 | |
| JPH08110797A (ja) | パターンマッチング装置 | |
| JPH02240700A (ja) | 音声処理装置 | |
| JP2002287781A (ja) | 音声認識装置 | |
| JPH0376475B2 (ja) | ||
| JPH0554117B2 (ja) | ||
| JPH01126694A (ja) | 音声認識装置における音韻記号の付加方式 |