JPS599080B2 - 音声認識方法 - Google Patents

Description

【発明の詳細な説明】 本発明は、音声認識方法特に比較的高い信頼度で認識が
できる第１群の音素（例えば母音）を時系列に配列した
記号列を用いて、先ず音声認識処理を行ない、該記号列
のみでは区別できない複数の単語が存在する場合、それ
らの単語の第２群の音素（例えば子音）中の上記単語を
相互に区別するのに必要な認識限界音素について照合を
とるようにし、認識の信頼度の確保と処理時間の短縮を
はかるようにした音声認識方法に関するものである。

連続音声にみられるすべての変動要因に対処し得るよう
な音声認識の実現は現段階では困難であり、最近では、
特定の音素の組合わせ即ち限定された数の単語を認識の
対象とし、更に特定の話者の音声の認識に先立つてその
音声をあらかじめ登録することにより、変動要因の大部
分を回避して実用に耐える信頼度を得るようにしている
。

この種の特定話者の音声の登録を前提とした従来の限定
語業単語の認識方式は、登録単語と未知入力単語との照
合を、（ｉ）連続的パラメータのレベルで行なう方式と
、（１１）離散的記号列のレベルで行なうものとに大別
される。しかし前者（１）の方式の場合記憶容量と照合
時間の増大が問題となり、後閤１１）の方式では認識率
の低下が問題となり一方それを補なおうとするとその処
理が複雑となる難点をそなえている。本発明は上記の点
を解決することを目的としており、単語中の音素を比較
的高い信頼度で認識できる第１群の音素例えば母音とそ
れ以外の第２群の音素例えば子音とに分離し、第１群の
音素については上暉１１）の方式を採用して先ず未知入
力単語の認識を行ない、なお区別できない複数の単語が
存在する場合のみ上記第２群の音素について上記（１）
の方式を採用して照合を行なうようにし、高信頼度と処
理時間の短縮化とをはかるようにすることを目的として
いる。

そしてそのため、本発明の音声認識方法は音声信号の周
波数分析結果を利用して各音素に対応するパラメータを
抽出して音声認識を行なう音声認識方法において、当該
音声認識を行なう装置に、単語を予め定めた第１群の音
素区間とそれ以外の第２群の音素区間とに分離するセグ
メンテーシヨン部、上記第１群の音素を時系列に配列し
た記号列を抽出する第１群音素記号列抽出部、該抽出さ
れた第１群音素記号列を格納する第１群音素記号列辞書
部、上記第１群音素記号列のみでは区別し得ない複数の
単語が存在する場合、それらを相互に区別するに必要な
第２群音素中の認識限界音素のパラメータを当該単語に
対応して登録する第２群音素バラメータ登録部、未知入
力音声に対応した第１群音素記号列と上記辞書部の内容
とを照合する第１群音素記号列照合部、および未知入力
音声に対応した上記認識限界音素パラメータと上記登録
部の内容とを照合する第２群音素パラメータ照合部が夫
々もうけられ、未知入力音声に対応して上記第１群音素
記号列照合部による照合を行ない、該照合結果のみでは
区別できない複数の単語があるときは、上記第２群音素
パラメータ照合部による照合を行なうようにしたことを
特徴としている。以下図面を参照しつつ説明する。第１
図は本発明の音声認識方法の一実施例構成、第２図は単
語に対応して辞書部に格納される第１群音素記号列と登
録部に登録される第２群音素の認識限界音素とをテーブ
ルにまとめた説明図、第３図は第２図図示テーブルの内
容を訂正した場合の説明図を示す。

第１図において、１は前処理手段で音声を例えば１４チ
ヤンネルの周波数信号に分解するもの、２はパラメータ
抽出部で各音素のセグメンテーシヨンと認識および照合
とに用いるべきパラメータを得るもの、３はセグメンテ
ーシヨン部で上記パラメータ抽出部２で抽出したパラメ
ータを第１群の音素（以下簡単のため母音と略称する）
の区間と第２群の音素（以下簡単のため子音と略称する
）の区間とに区切るもの、４は母音パラメータ格納部で
標準の母音１ａ１．１ｉ１．１ｕ１、１ｅ１、１０１に
対応するパラメータを保持しておくもの、５は母音認識
部で上記セグメンテーシヨン部３によつて分離された母
音パラメータについて上記母音パラメータ格納部４の内
容と比較して対応する母音を決定するもの、６は母音記
号列抽出部で上記母音認識部５で決定された母音を時系
列に配列した母音記号列を抽出するもの、７は１次辞書
修整部で必要に応じて後述の辞書部に格納された内容を
例えば特定話者に応じて修整するもの、８は１次辞書部
で登録モードにおいて母音記号列を格納しておくもの、
９は登録子音部決定部で母音記号列のみでは互に区別で
きない複数の単語が存在する場合これら各単語を区別す
るに必要な子音即ち認識限界子音の区間を決定するもの
、１０は子音パラメータ登録部で上記登録子音決定部に
よつて決定された認識限界子音のパラメータを登録して
おくもの、１２は母音記号列照合部で単語認識モード時
未知入力音声の母音記号列と上記辞書部８の内容との照
合を行なうもの、１１は母音記号列修整部で認識モード
時上記母音記号列照合部１２による照合の結果、未知入
力音声の母音記号列と同一の記号列が前記辞書部８に存
在しない場合に、前記母音認識部５において得られる母
音認識結果を修整するもの、１３は認識限界子音照合部
で単語認識モード時に後述のコントローラの指示に応じ
て未知入力音声中の認識限界子音パラメータと上述の登
録部１０の内容との照合を行なうもの、１４はコントロ
ーラ、１５は出力部を夫々表わしている。

またＳＷｌ，ＳＷ，，ＳＷ，は夫々概念的に機械的スイ
ツチの形で表わしたデータ方向切替部で各モードに対応
して切替えられるものを表わす。なお上記登録子音部決
定部９において認識限界子間を決定する必要がある場合
、それら各単語がどんな単語であるかは後述する如く後
述の「単語登録モード」の際に知ることができるから、
それら単語間を識別し得る子音が選定されればよい。な
お図中の実線はデータ線を表わし、点線は信号線を表わ
す。本発明による音声認識方式は、大別して３つのモー
ド即ち、（７！標準母音パラメータ格納モード（以下格
納モードという）、（Ｂ）単語登録モード、およ轄Ｑ単
語認識モードとをそなえている。

以下各モードについて順を追つて説明をつづける。囚
格納モード図示のデータ方向切替手段ＳＷｌを図示状態
からＡ側に切替えておく。

そして標準母音１ａ１、１１．１ｕ１．１ｅ１Ｊ０１を
発声し、該各母音の代表的な区間をセグメンテーシヨン
部によつて検出し、その区間の母音バラメータの平均値
を母音バラメータ格納部４に格納保持しておく。

（Ｂ）単語登録モード 図示のデータ方向切替手段ＳＷｌ，ＳＷ２，ＳＷ３は夫
々Ｂ側に切替えておく。

今説明の都合上単語「ＡＳＩ」「ＡＺＥ］「ＫＡＺＥ」
「ＡＫＡＩ」「ＡＫＡＭＩ」「ＡＭＡＭＩ」を登録する
と仮定する。先ず予め全登録単語に関してその音素記号
列を入力しそれに基づき各単語中の母音記号列を抽出し
相互の母音記号列を比較し、同一の母音記号列を有する
単語に関してはそれぞれの認識限界子音を決定し第２図
に該略示される如く各単語の音素記号列とその母音記号
列及び認識限界子音の有無と、存在する場合にはその内
容とを併記した１次辞書を構成しておく。

例えば第１の単語「ＡＳＩ」に対応して母音記号列「Ａ
ｃＩ」を抽出する。

ここで「ｃ」はその存在によつて「ＡｃＩ」が母音連続
ではないことを示している。「ＡｃＩ」は他の単語の母
音記号列と比較した結果同一の母音記号列が他の単語中
に存在しないため単語［ＡＳＩ」は認識限界子音は存在
せず、母音記号列のみで認識可能となる。第２、第３の
単語「ＡＺＥ」、「ＫＡＺＥ」について単語答録モード
で登録が行なわれる場合を考える。

この場合、両者は共に、母音記号列が［ＡｃＥ」である
ため母音記号列のみでは両者と異なる単語として認識で
きず、両者の母音「Ａ」の先行部分を認識限界子音とす
ることによつて両者を区別できる。すなわち単語「ＡＺ
Ｅ」に関しては「φ（４）」、「ＫＡＺＥ」に関しては
「ＫＣＡ）」を認識限界子音とし、母音記号列が［Ａｃ
Ｅ」である単語に関しては母音「Ａ」の前が「φ（Ａ）
」であるか「Ｋ（Ａ）」であるかによつてそれぞれ単語
「ＡＺＥ」、ＶＫＡ！ＺＥ］と認識される。

なおここでφ（４）は母音「Ａ」の前に子音が存在しな
いことを示している。同様にして単語「ＡＫＡＩ」は母
音記号列［ＡｃＡＩ」のみで認識可能であり、又単語「
ＡＫＡＭｌ」、「ＡＭＡＭＩ」は共に母音記号列が「Ａ
ｃＡｃＩ」であるためそれぞれの認識限界子音は「ＣＡ
）Ｋ（ＡＪ上「（Ａ）Ｍ（Ａ）」となる。このような１
次辞書の構成はオフ・ライン操作によつて、前もつて構
成することが可能である。

上記の手段によつて１次辞書を構成した後単語「ＡＳＩ
」、［ＡＭＡＭＩ」などを順次に発音したとすると、例
えば「ＡＳＩ」なる発音に応じてセグメンテーシヨン部
３は母音区間［Ａ」及び「Ｉ」と「Ａ」に先行する区間
子音［Ｓ］に対応する区間及び［１」に後続する区間（
即ちφ（Ａ）、ＣＡ）Ｓ（１）、（１）φ）を区切り、
その結果母音「Ａ］及び「Ｉ」に対応する（バラメータ
抽出部２により抽出された）バラメータは母音認識部５
で、それぞれ母音「Ａ」、「Ｉ」であると認識され、ま
た他の「φ（４）」「（Ａ）Ｓ（１）」「（１）φ」に
対応するパラメータは登録子音決定部９に導かれ、一時
記憶される。母音記号列抽出部６では認識された母音［
Ａ」「Ｉ」から第１の入力単語（即ち［ＡＳＩ」）につ
いて「ＡｃＩ」なる母音記号列を抽出し、それは１次辞
書修整部７に送られ、１次辞書部８中の「ＡＳＩ」の母
音記号列と比較されその結果認識限界子音が指定される
。

「ＡＳＩ」に関しては認識限界子音が存在しないため登
録子音決定部９に一時記憶されている上記パラメータは
子音パラメータ登録部１０には送られない。第２の単語
「ＡＺＥ」が発音された場合は、上記と同様にして母音
記号列「ＡｃＥ」が抽出され、１次辞書部８中の認識限
界子音が「φ（Ａ）」であるため、登録子音決定部９に
一時記憶されている「φ（Ａ）］のパラメータはパラメ
ータ登録部１０に送られる。

同様に「ＫＡＺＥ」に関しては「ＫＣＡ）」のパラメー
タ登録部１０に送られる。同様にして順次第６の単語「
ＡＭＡＭＩ」まで発声され対応する認識限界子音１０に
登録される。実際に発声された単語中の母音記号列はそ
の音響的特徴が種々の原因によつて変動するため１次辞
書部８中の母音記号列とは異なる場合がある。

その結果母音記号列が異なる場合は、１次辞書修整部７
によつて１次辞書を修整する。例えば第１の単語「ＡＳ
Ｉ」の母音記号列「ＡｃＥ」となつた場合他の単語「Ａ
ＺＥ」、「ＫＡＺＥ」と同一の母音記号列を有するため
、認識限界子音をそれぞれの単語に対してφ（４）Ｓ（
Ｐ、φＣＡ）Ｚ［Ｆ］、Ｋ（４）ＺＤと１次辞書修整部
７において修整し、その結果、１次辞書は第２図に示さ
れるものから第３図に示されるものとなる。

同時に、登録子音部決定部９中の認識限界子音に対応す
るバラメータはバラメータ登録部１０に登録される。な
お単語登録モードにおいて修整された１次辞書及び認識
限界子音のパラメータをあわせて以下２次辞書と呼ぶこ
とにする。

（Ｏ単語認識モード 図示のデータ方向切替手段ＳＷｌはＢ．Ｃ側におかれ、
ＳＷ２およびＳＷ，はＢ側からＣ側に切替えておく。

この状態において今例えば未知入力音声として単語「Ａ
ＫＡＩ」が発声されたとする。この場合、上記単語登録
モード時と同様に母音記号列抽出部６は母音記号夕肝Ａ
ｃＡＩ」を抽出し、それを母音記号列照合部１２に送出
する。一方上記辞書部８の内容は母音記号列照合部１２
に導びかれ、上記未知入力音声は母音記号列のみから単
語「ＡＫＡＩ」であるものと認識される。この結果はコ
ントローラ１４に通知され、出力部１５側に導びかれる
。上記に対し今例えば未知入力音声として単語［ＡＫＡ
ＭＩ」が発声されたとする。

この場合、母音記号列抽出部６は母音記号列「ＡｃＡｃ
Ｉ］σを抽出し、それは母音記号列照合部１２によつて
は第５の単語か第６の単語かを区別できない。

このことはコントローラ１４に通知され、上記発声され
た未知入力音声（即ち単語「ＡＫＡＭＩＪ）の認識限界
子音のパラメータが認識限界子音照合部１３において、
子音パラメータ登録部１０に登録されている第５の単語
および第６の単語の認識限界子音のパラメータと照合を
とられる。この結果未知入力音声の認識限界子音は第５
の単語のそれと判定され、この旨はコントローラ１４に
通知され該未知入力音声は第５の単語［ＡＫＡＭｌ」と
認識される。なお入力音声の母音記号列と同一の母音記
号列が辞書部８に存在しない場合には、母音記号列修整
部１１において母音記号列抽出部６によつて抽出された
母音記号列をそれと類似する母音記号列に変更すること
が可能である。

以上説明した如く本発明によれば、単語中の音素を２群
に分け、比較的高い信頼度の認識が確保される第１群の
音素に関しては離散的記号列のレベルによる認識を行な
いこの記号列を用いた辞書を使用することによつて大幅
な処理速度の増大と記憶容量の減少を実現し、記号列の
みによつて認識を行なうことが不可能な単語に関しては
その第２群の音素中の限界子音のみの連続パラメータ、
レペルでの照合を行なうことによつて高信頼度の認識の
確保と記憶容量の増大を最小限にとどめている。

【図面の簡単な説明】

第１図は本発明の音声認識方法の一実施例構成第２図は
単語に対応して辞書部に格納される第１群音素記号列と
登録部に登録される第２群音素の認識限界音素とを併記
した１次辞書説明図、第３図は登録モード時修整された
１次辞書の説明図を示す。 第１図中、２はバラメータ抽出部、３はセグメンテーシ
ヨン部、５は母音認識部、６は母音記号列抽出部、８は
辞書部、１０は子音パラメータ登録部、１２は母音記号
列照合部、１３は認識限界子音照合部、１４はコントロ
ーラを表わす。

Claims (1)

【特許請求の範囲】
1. １ 音声信号の周波数分析結果を利用して各音素に対応
   するパラメータを抽出して音声認識を行なう音声認識方
   法において、当該音声認識を行なう装置に、単語を予め
   定めた第１群の音素区間とそれ以外の第２群の音素区間
   とに分離するセグメンテーシヨン部、上記第１群の音素
   を時系列に配列した記号列を抽出する第１群音素記号列
   抽出部、該抽出された第１群音素記号列を格納する第１
   群音素記号列辞書部、上記第１群音素記号列のみでは区
   別し得ない複数の単語が存在する場合、それらを相互に
   区別するに必要な第２群音素中の認識限界音素のパラメ
   ータを当該単語に対応して登録する第２群音素パラメー
   タ登録部、未知入力音声に対応した第１群音素記号列と
   上記辞書部の内容とを照合する第１群音素記号列照合部
   、および未知入力音声に対応した上記認識限界音素パラ
   メータと上記登録部の内容とを照合する第２群音素パラ
   メータ照合部が夫々もうけられ、未知入力音声に対応し
   て上記第１群音素記号列照合部による照合を行ない、該
   照合結果のみでは区別できない複数の単語があるときは
   、上記第２群音素パラメータ照合部による照合を行なう
   ようにしたことを特徴とする音声認識方法。