JPS60170885A - 単音節音声学習方式 - 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】 （ａｌ　発明の技術分野 本発明は１日本語音声入力装置の単音節音声ａｌｌ　Ｋ
ｈ装置において、トレーニングモードでの学習を実施す
る場合の単音節音声学習方式に関する。

（ｂｌ　技術の背景 近来、音声認識技術はデータ処理技術の発達と、音声認
識アルゴリズムのための複雑高度な論理回路、及び高速
大容量を要する手段等が、半導体年債化技術の進展によ
る小型化・低コストの高集積ｌｒＪ路素子（ＬＳＩ）の
実現により可能となり。

口木語音声によるデータ処理が容易にできる日本語音声
入力の音声認識装置が実用化されてきた。

しかし、この日本語音声入力による音声認識装置であっ
ても、その人による癖、訛、その時の体調等により、単
音節を登録し、実際に使用する場合の音声とではかなり
異なる場合が存在することが多く、認識率に差が生ずる
結果となり、１−レーニングモードでの学習を如何に能
率的に行うかが認識率を左右する要素の１つである。

（Ｃ１従来技術と問題点 従来の、この種の音声認識装置での学習方法について説
明する。第１図は従来の音声認識装置の学習モード時に
おける構成ブロック図を示す。

音声認識装置による学習方法は、まず、学習する学習者
が離散的な単音節を発声してその単音節を登録する場合
は、学習者が数回同一単音節の単語を発声するようにし
ているが１本例では説明を簡単にするため、３回発声す
るものとする。マイクロホン１からある単語の離散単音
節を発声し、その１回目の音声を音声分析部２に入力す
る。音声分析部２に入力された１回目の音声は複数の帯
域フィルター）ＩＹに印加して複数のスペクトルを出力
し５　この複数のスペクトルを特徴バラメーク抽出部３
に入力する。特徴パラメータ抽出部３で数ｍｓ程度のフ
レーム同期で標本化し、線形ｌｌ）間正規化してｆｌｉ
音節の特徴パラメータ時系列を抽出して特徴パラメータ
バッファ４に出力する。この出力した特徴パラメータ時
系列は一旦特徴パラメータバッファ４に格納される。特
徴パラメータバッファ４に格納された特徴パラメータ時
系列は、切替スイッチ５の実線側を通して、単音節辞書
６の単音節標準パターン６ａとして登録される。次に、
２回目と３回目は切替スイッチ５を学習モード側（点線
側）に切替え、２回目と３回目の音声をマイクロホンｌ
に入力し、上記同様の径路で２回目と３回目の特徴パラ
メータ時系列を切替スイッチ６の学習モード側を介して
順次特徴パラメータバッファ７ａ、　７１＋に単音節学
習パターンとして格納する。

続いて５　この特徴パラメータバッファ７ａに格納され
た単音節学習パターンと、単音節辞店６に登録された１
、ｉ’４．８′節標準パターン６ａとを単音節照合部８
で照合し、照合結果の照合距離を認識判定部９に送る。

認識判定部９では規定の照合距離以内の場合はパターン
平均化部１０に平均化する指示を与え。

パターン平均化部１０で単音節学習バクーン、と登録さ
れていノこ単音節標準パターン６ａとを平均化処理を行
い、パターン平均化部１０より平均化された単音節標準
パターンを単音節辞書６に入力し、先に登録されていた
ｌ’Ｂ音節標準パターン６ａが更新し届き換えられる。

次に、３回目の特徴パラメータノ＼ノファ７１Ｊに格坏
ｊされていた単音節学習パターンも上記同様の手順で照
合が行われ、平均化指示が与えられれば、先に登録され
ていた単音節標準パターン６ａと３回目の単音節学習バ
クーンとをパターン平均化部１０で更に平均化処理を行
い、単音節標準パターン６ａが再度書き換え更新される
。従って。

２回目と３回目の単音節学習パターンの照合距離が共に
規定の照合距離以内の場合は、単音節辞書。

６の単音節標準パターン６ａば３個を平均化した単音節
標準パターンとして登録されることとなる。

以上の学習動作を登録する必要な単語数だけ繰り返し行
って、単音節辞２ｉ−６の単音節標準パターンＥｉ＋ｉ
　−６ｎとして順次登録される。

この認識判定部９とパターン平均化部１０は、学習者の
その日の体調や緊張度等により声がかすれたり１発声強
弱等があり、毎回発声する単音節発声が常に同一とは限
らないため、最低３回発声さ・已てＪＪｉ似の発声音を
常に発声しているかどうかを。

Ｑｊ音節相互間の照合距離により判定し認識するもので
、認識された同一単語の複数の単音節の特徴パラメータ
時系列を平均化して単音節標準パターンとして登録し、
認識モード時に認識率が向上するよう耐応された機能で
ある。

また、２回目又は３回目の単音節学習パターンの照合距
離が規定の照合距離以上である場合は。

認識判定部９よりパターン平均化部１０へは平均化指示
は出力せず、認識判定部９で発声不良の単音部名を２ｇ
　識し、ディスプレイ１１にメソセージ表示する。この
発声不良のメツセージ表示により、学習打ば１１１一度
発声を繰り返すこととなる。従って。

不慣れな学習者によっては１度々同一単語を３回以上発
声することも生ずる。そのため、予め、不慣れな学習者
について、単音節発声トレーニングを行い、その発声を
学習モードにより発声不良表示が減少するまで学習を繰
り返し行われる。

しかし、この従来のトレーニングモードの学習において
、！１ｌＩｌｔ散的な単音節発声に２本来かなり曖昧な
部分かあり、音声登録時と実際に利用している時との発
声の差が、そのまま認識率低下を招くことになる。従っ
て、単音節登録パターンとしては、実際の発声の時のも
のに近い方が望ましいが。

このようなことを行うにも、どの範囲までの単語でトレ
ーニングするかが問題であり、若し、仮に。

実際の発声の時のものに近い単語が１０００語あると仮
定した場合、　１０００語を１詔宛順番に発声してトレ
ーニングを行うことば２時間の浪費でありまた実際的で
はない。更に、実際に利用する時の認識率が向上するか
どうか疑問であり、自ずと限界がある。従って、曖昧な
部分のある１ｉ３１１敗的な単音節発声を繰り返すトレ
ーニングを行い、その成果を学習モードで確認すること
となる。その為、従来の！１１語のｔＱ音節標準パター
ンを登録する学習方法は、学習時間を費やす割に学習効
果が上がらない欠点を有していた。

ｆｄｌ　発明の目的 本発明は、この学習時間を費やす割に学習効果が」二か
らない従来の欠点を解決し、効率的な学習により認識率
が向上する単音節音声学習方式を提供することを目的と
している。

＋ｅ＋　発明の構成 一ト記１］的は、入力単音節音声の特徴パラメータを抽
出するパラメータ抽出手段と、抽出された特徴パラメー
タを記憶する記憶手段と、前記記１１手段により記憶さ
れた特徴パラメータとその後に入力される単音節音声の
特徴パラメータとの類似度を照合する照合手段と、同類
の単音節の単語同志を諸量として集めて複数の講堂群と
して格納した語量”辞書と、前記照合手段の結果により
前記諸量辞７：より単音節を含む同類の諸量を抽出する
語量抽出手段と、抽出された諸量をメツセージ表示する
表示手段とを有する日本語音声入力による単音節音声認
識装置であって、入力音声のｆ１ｉ音節音声パｊ！゛習
におむゾ乙人力されるｒｌｉ音節音声を前記抽出手段に
より特徴パラメータとし一ζ抽出し、抽出されたｑ、！
１徴パラメータを前記記１０手段にまり記ＩＱし、前記
記１．ａ手段により記憶された特徴パラメータとその後
に入力される単音節音声の特徴パラメータとを前記照合
手段で照合し、前記照合手段による照合結果かある類似
度量］・の場合に、前記照合手段による照合結果を前記
講堂抽出手段に入力し、前記講堂抽出手段により前記諸
量辞宿よりｌＪλ音節を含む有意味な同類の語♀を抽出
し、抽出された諸量を前記表示手段によりメソセージ表
示するよう構成した本発明によって達成される。

即ち１日本語音声入力による単音節音声認識装置におい
て、入力される単音節音声を抽出手段により特徴パラメ
ータとして抽出し、抽出された特徴パラメータを記１．
ａ手段により記憶し、記↑、ａされた特徴パラメータと
その後に入力される単音節音声の特徴パラメータとを照
合手段で照合し、その照合結果がある類似度以下の場合
は７語量抽出手段により語量辞書より同類の諸量を抽出
し、抽出された諸量を表示手段によりメツセージ表示す
るよう構成することにより、トレーニングモードでの学
；Ｉ！１を実施する場合に５その人の単音節の誤り方か
ら　８！ｌ↓りやすい単音節を抽出し、抽出されたｆｌ
音節に対して、その単音節を多く含むような語量を語り
：辞書から抽出しζメツセージ表示され。

その語堂を発声さ・Ｕることに、Ｊ、す、より実際に近
い発声の単音節音声パターンを学習することができるた
め、　ｉ；ＪＪ率的な学習により認識率が向上する１「
（１１節、合点学習方式を提供するものである。

（「）発明の実施例 以下本発明の一実施例について説明する。第２図は本発
明による誤りゃすい単音節音声を抽出する構成図を示し
、同一対象物は第１図と同一符号で示す。２１は単音節
バッファメモリ、２２は語當辞吉、２３は超電作成部を
示す。単音節バッファメモリ２１は誤りゃすい単音部名
を一時格納するバッファメモリ、超電辞書２２は同類の
単音節の単語を類別に諸量として登録されている辞書２
諸量抽ｄ」部２３は単音節パンツアメモリ２１に一時格
納されたＱｉ音節名を取り出し、その単音節を多く含む
ような語学を語学辞書２２から抽出する回路である。

第２図において、切替スイッチ５以前の構成は第１図゛
と同様なので省略しである。また、認識判定部９で離散
単音節音声の単音部名を認識し、登録不良の単音部名を
出力するまでは、前記述と同様なので省略する。音声登
録時は、学習者は従来同様３回発声する。その内の１回
は前記連間様の１条路で単音節辞書６に単音節標準パタ
ーン６ａとして登録するが、２回目以降については、認
識判定部９で認識しながら、前記述同様平均化・追加学
習を行っていくと同時に、認識判定部９で発声不良の単
音節学習パターンの単音部名を単音節パンツアメモリ２
１に一時格納する。この単語単位での単音節学習による
トレーニングモードの結果から。

単音節パンツアメモリ２１に格納された単音部名を語学
抽出部２３で読み出し、誤りやすい単音節を多く含む諸
量を語学辞書２２より抽出し、トレーニングで学Ｍ”Ｈ
に発声してもらう単語をディスプレイ１】に表示する。

このディスプレイ１１に表示された発声語学の単語を発
声し１発声された単語の単音節に対し°ζ、単音節標準
パターンに対する学習を行うものである。即ち、トレー
ニングモートで。

音声登録時の認識結果で認識率のよくない単音節を抽出
したものを元に、その単音節を多く含む諸量を語学辞書
より探し出し、その人にとって、誤りやすい単音節に対
してのみ発声さセることにより２効イシ的な学習ができ
ると共に、より実際に近い発声の音声パターンを学習す
ることとなり、実際に使用する場面での音声に近い標準
パターンを作成することができ、認識率も向上する。

（８）発明の効果 以」二説明したように１日本語音声入力による単音節音
声認識装置において、入力される単音節音声を抽出手段
により特徴パラメータとして抽出し、抽出された特徴パ
ラメータを記憶手段により記憶し、記憶された特徴パラ
メータとその後に入力される単音節音声の特徴パラメー
タとを照合手段で照合し、その照合結果がある頬似度以
下の場合は１語党抽出手段により語学辞書より同類の語
党を抽出し、抽出された諸量を表示手段によりメツセー
ジ表示するよう構成した本発明により、トレーニングモ
ードでの学習を実施する場合に、その人の単音節の誤り
方から　、　Ｈ！４りやすいｆｌ！音節を抽出し、抽出
された単音節に対して、その単音節を多く含むような語
学を語学辞書から抽出してメソセージ表示されるので、
その語学を発声さ−ｌることにより、より実際に近い発
声の単音節音声パターンを学習することができるため、
効率的な学習により認識率が向上するリノ果がある。

【図面の簡単な説明】

第１図は従来の音声認識装置の学習モードｔｌｙにおり
る構成ブロック図、第２図は本発明による誤りやすい単
音節音声を抽出する構成ブロック図を示す。 図面において、５は切替スイッチ、６は単音節辞書、　
６ａ−６ｎは単音節標準パターン、　７ａと７ｂは特徴
パラメータバッファ、８は単音節照合部、９は認識判定
部、１０はパターン平均化部、１１はディスプレイ、２
１は単音節バッファメモリ、２２は語学辞書、２３は語
学抽出部をそれぞれ示す。

Claims (1)

1. 【特許請求の範囲】 入力単音節音声の特徴パラメータを抽出するパラメータ
   抽出手段と、抽出された特徴パラメータを記憶する記憶
   手段と、前記記憶手段により記憶された特徴パラメータ
   とその後に入力される単音節會声の特徴パラメータとの
   類似度を照合する照合手段と、同類の単音節の単語同志
   を諸量として築めて複数の倍量群として格納した諸量辞
   書と。 前記照合手段の結果により前記講堂辞書より単音節を含
   む同類の諸量を抽出する倍量抽出手段と。 抽出された語堂をメソセージ表示する表示手段とを有す
   る日本語音声入力による単音節音声認識装置であって、
   入力音声の単音節音声学習において。 入力される単音節音声を前記抽出手段により特徴パラメ
   ータとして抽出し、抽出された特徴パラメータを前記記
   憶手段により記憶し、前記記憶手段により記憶された特
   徴パラメータとその後に入力される単音節音声の特徴パ
   ラメータとを前記照合手段で照合し、前記照合手段によ
   る照合結果がある類似度以下の場合に、前記照合手段に
   よる照合結果を前記」ル党抽出手段に入力し、前記諸量
   抽出手段により前記超電辞書より単音節を含む有意味な
   同類の語堂を抽出し、抽出された超電を前記表示手段に
   よりメツセージ表示するよう構成したことを特徴とする
   単音節音声学習方式。