JPS60184297A - 日本語音声入力装置 - 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】 〈発明の技術分野〉 氷見ＦＩＡＦｉ入力された音声を音節単位に認識する日
本語音声入力装置の改良に関し、更に詳細には入力時に
発声された音声の特徴パターンを所定の音節の特徴標準
パターンとして登録せしめるように成したものである。

〈発明の技術的背景とその問題点〉 従来の音声認識装置においては、音声の特徴標準パター
ンを登録する登録モードと、入力音声を認識する認識モ
ード（入力モード）とを分け、認識モードで入力された
音声を分析して得られた特徴パターンを特徴標準パター
ンとして登録することが出来なかった。このことは単語
を認識の単位とする場合にはあまり問題とならないが、
音節を単位とする場合には、各音節が前後の音節の影響
を受け（調音結合）、また単語あるいは文節内の音節位
置による音声の強弱、高低の差もはげしくこの結果認識
性能の低下が生じるという問題点があった。

このような問題点を解決するため、従来は登録時に一つ
の音節を数回登録して、多くの特徴標準パターンを持つ
ことによって対応していたが、調音結合や声の強弱、高
低は人により様々であり。

総ての場合の音節環境についての特徴標準パターンを予
め登録することは不可能であった。

〈発明の目的〉 本発明は上記の点に鑑みて成されたものであり一つの音
節に対して複数の特徴標準パターンを備えるようにした
音声入力装置において、予め登録した特徴標準パターン
に対して入力時に取り込んだ音声の特徴パターンを追加
、あるいは入れ換えを行なうことによって認識性能を向
上させることを目的とし、この目的を達成するため、本
発明の日本語音声入力装置は、人力時に発声された音声
を分析して得られた特徴パターンを所定の音節の特徴標
準パターンとして登録する登録手段を備えるように構成
されている。

また、本発明の実施例によれば、特徴標準パターンとし
ての登録を指示された音声の認識結果を用いることによ
って登録可能な特徴標準パターンの音節を限定し、極端
に異なった音声特徴パターンが特徴標準パターンになら
ないように成されており、更に入力した音声を記憶して
おくことにより、特徴標準パターンとしての登録を指示
した音節に対応する部分の音声を再生出力して、正確に
音節として切り出されたか否かを入力者自身が確Ｊ忍で
きるように成されている。

〈発明の実施例〉 以下、図面を参照して本発明を、連続的に発声された音
声を音節単位に認識し、この認識結果をキーボード等の
入力装置で修正した後に、単語等の単位で外部装置に転
送する機能を有する日本語音声入力装置を一例として説
明する。

第１図は本発明の一実施例装置の構成を示すブロック図
である。

第１図において１発声され入力された音声はマイクロホ
ン１等を介してアナログ入力部２に入力され、該アナロ
グ入力部２内の増幅器３によって増幅された後、アナロ
グ／デジタル変換部４によってデジタル信号に変換さｈ
、そのデジタル信号が音声分析部５及び音節セグメンテ
ーション部６に入力される。

音声分析部５では入力音声を１６ｍ５程度のフレームに
分け、スペクトル分析を行ない、８ｍｓ程度の間隔で音
節セグメンテーション部６に特徴パターンと、音節のセ
グメンテーションに必要な情報（パワー、零交差数等）
を転送する。

音節セグメンテーション部６では、音声分析部５からの
種々の情報を用いて、入力音声から音節を切り出す。そ
の切り出した部分の特徴パターンと、その区間の音声波
形を波形・特徴パターン一時メモリ７にだくわえる。そ
して、音節を切り出したことをＣＰＵ８に伝達すると共
に波形・特徴パターン一時メモリ７内のアドレスも同時
に伝達する。

波形・特徴パターン一時メモリ７け複数の音節をたくわ
えることができるように構成されている。

音節セグメンテーション部６の処理ＨＣＰＵ８からの命
令により、開始・停止がコントロールされるように構成
されている。

９は単音節認識部であり、該単音節認識部９では、ＣＰ
Ｕ８からの命令によりパターンメモリ１０内の特徴パタ
ーンメモリ１０ａと標準パターンメモリ１０ｂ及び１０
ｃとの間で距離計算等を行ない、その結果をＣＰＵ８に
戻す。そして、ＣＰＵ８はその結果を、認識結果格納メ
モリ１１にだくわえ１表示装置１２に表示する。認識結
果格納メモリ１１には、複数の音節に対する認識結果を
たくわえることができるように構成されている。

１３は音声出力制御部であり、該音声出力側ｊｌ１１部
１３では、ＣＰＵ８の命令により、波形拳特徴パターン
一時メモリ７の任意の部分に記憶された情報をアナログ
出力部１４に送る。そしてアナログ出力部１４では音声
のデジタル信号をデジタルアナログ変換部１４ａ及び増
幅器１４ｂによって音声波形に再生し出力するよ“うに
構成されている。

なお、上記パターンメモ！Ｊ１０Ｉｆｉ三つの部分に分
かれており、１０ａは特徴パターンメモリであり入力さ
れた音節に対応する特徴パターンを一個分だけ記憶でき
る。後の二つの１０ｂ及び１０’ｃは特徴標準パターン
用メモリであり、１０ｂのエリアは登録モードで登録す
る音節の特徴パターン用のメモリであり、１０ｃのエリ
アは本特許で実現される認識（入力）モードで登録され
る音節の特徴パターン用のメモリである。

上記音節の特徴パターン用メモ！Ｊ１０ｂ及び１０ｃは
後述するようにそれぞれ各音節名をコードで記憶するエ
リア、登録の有無を記憶するフラグエリア及び特徴標準
パターンデータを記憶する特徴標準パターンエリアより
構成されている。

捷た１５はキーボード等により構成された入力部であり
、例えば第２図に示すようにカナキー１５ａ、登録モー
ドキー１５ｂ、認識モードキー１５ｃ、音節登録キー１
５ｄ等が備えられている。

また１６は認識結果を外部装置に転送する際のデータの
送受信の制御を行なう搭部である。

２５次に、上記の如く構成された装置の動作を登録モー
ド及び認識モードについて説明する。

１、登録モードの説明 第３図は登録モードにおけるＣＰＵ８の処理フローを示
したものである。

第３図において、装置本体が登録モードキー１５ｂの操
作によって登録モードに設定されるとまずステップｎｌ
においてパターンメモリ１０が初期化され、標準パター
ンが総て消去される。第１表は標準パターンメモリ１０
ｂの構成を示したものであり、標準パターンメモリ１０
ｃも同様に構成されている。

表１表　標準パターン１０ｂの構成例 ステップｎ１における初期化の処理は標準パターンメモ
！７１０ｂ及び１０ｃの登録の有無のフラグエリアに「
Ｏ」を入れることで実現される。次にステ・ンプｎ２に
移行して発声すべき単音節が表示装置１２に次のように
表示される。

「あ１」 ここで添字のｒｌＪＨｒあ」のパターンの中の一番目で
あることを示している。

オペレータはこの表示装置１２の表示を見て、所定の単
音節の音声を発声して入力する。

この音声入力に応じてステップｎ３に移行して音節セグ
メンテーション部６に音声の切り出しの開始の指示を行
々い、音節セグメンション部６は単音節を切り出し、そ
の区間の波形及び音声分析部５で得られた特徴パターン
を波形・特徴パターン一時メモリ７に記憶させる。

ステップｎ４では音節セグメンテーション部６で単音節
が切り出されたかどうかのチェックを行ない、切り出さ
れると次のステ・ンプｎ５に移行する。

ステップｎ５では音節、セグメンテーション部６に切り
出し処理の停止を命令し登録の処理を継続音声部分を波
形Φ特徴パターン一時メモリ７より読み出して音声出力
制御部１３を介してアナログ出力部１４より再生出力さ
せる。

ステップｎ７では再生出力された音声にもとすいてオペ
レータが正確に切り出されたかどうかを判定し、その結
果のキーボード１５による指示に従い、再切り出しか登
録の実行かを決定する。こ行手−１５ｉを操作すること
になってステップｎ８に移行し、オペレータが再切り出
しを指示する場合には、解除キー１５−ｈの操作に応じ
て、ステップｎ３に戻ることになる。

ステップｎ８では表示装置１２に表示されている音節に
対応する特徴標準パターンメモ！Ｊ１０ｂの位置に特徴
標準パターンを記憶させると共に対応する登録の有無を
示すフラグに「１」をセットする。

どうかの判断を行ない、終了していなけれ耀２に戻り２
次の単音節の表示１例えば「あ２」を表示し、同様の処
理を行なう。

このようにして、登録が終了すると標準パターンメモ！
Ｊ１１ｂＫＩ″ｉ総ての単音節の特徴標準パターンが数
個ずつ登録されることになる。

次に認識モードの動作を説明する。

■、認識モードの説明 第４図は、認識モードにおけるＣＰＵ８の処理フローを
示したものである。

まず、認識モードキー１５ｃの操作によって装置が認識
モードに設定され、オペレータが認識すべき音声を発声
すると、この入力音声に応じてステップｎｉｌでは音節
セグメンテーション部６に音節の切り出し開始の命令を
与える。

そして、音節セグメンテーション部６は波形・特徴パタ
ーン一時メモリ７を初期化し、以後切り出した音節に対
応する特徴パターンと波形を先頭番地から入れていき、
各音節の波形及び特徴パターンの始−と終端番地の情報
をＣＰＵ８に与える。

ステップｎ１２では音節が切り出されたかどうかのチェ
ックを行ない、切り出されるとステップｎ１３に移る。

ステップｆｉ１３では、波形・特徴パターン一時メモリ
７の特徴パターンをパターンメモリ１０の特徴パターン
メモ！Ｊ１０ａの領域に転送して認識を行なう。即ち単
音節認識部９に認識の命令を与えることにより特徴パタ
ーンメモリ１０ａの内容と標準パターンメモ！ｊｌＯ’
ｂ、１０ｃの内容の照合により認識が行なわれ、その結
果を認識結果格納メモリ７に入れるとともに、表示装置
１２に表示する（ステップｎ１４）。

例えば、入力音声として「かいもの」と発声したときの
認識結果の第１位が「かぎもも」であ７Ｌは表示装置１
２には かぎもも− と表示され、また認識結果格納メモリ１１には、各音節
に対する複数の認識結果候補が例えば第２表に示すよう
に格納される。

第２表 上記の「かいもの」といった単語の入力が終わると、オ
ペレータはキーボード入力部１５の「終了」キー１５ｇ
’（ｉ−人力する。そうすると、音節セグメンテーショ
ン部６に切り出しの停止が命令される（ステップ＋１１
５　、ｎ１６）。そして、全文字列が正解であれば「転
送」のキー１５ｊを入力することにより５４部１６を介
して外部装置にカナ文字を出力することができる（ステ
′・ンプｆｉ１８、．１９）。

また認識結果の表示を見て、はとんとの文字が間違って
いたり、言い間違いをしたときには「取消」キー１５ｆ
を入力することにより、ステ・ンプｎ１７の判断により
、初期状態に戻すことができる。

また、一部の認識結果が違っている場合には。

ステップｎ２０に示すように、オペレータがキーによる
修正を行なうことになる。

キーによる修正には二種類の方法がある。

まず、修正したい位置にカーソル移０１キー１５ｋ。

１５ノ「→」「←」を用いて、修正したい文字のところ
にカーーンルを持っていく。例えば第２文字目の「ぎ」
を修正したい場合には、カーソル移動キー「←」１５ｉ
の操作により表示は次のようになる。

かぎもも 一つの方法としては、このカーソル位置でキーボード１
５のカナキー１５８で文字を入れることにより１次のよ
うに修正する。

もう一つの方法としては、キーボード１５の「音節次候
補」のキー１５ｅを入力することによって のように修正ができる。

ここで、この「い」の入力音声を本発明にしたがって標
準パターンとして登録を行なう場合には「音節登録」キ
ー１５ｄを入力することにより、ステップｎ２１の判断
でステップｒ１２２に移り、音声出力制御部１３に再生
すべき音節の波形の始端と終端の番地が指示され、′波
形・特徴パターン一時メモリ７より該当部分の波形が読
み出されて音声出力制御部１３を介してアナログ出力部
１４に与えられ、該アナログ出力部１４から「い」に対
応する音声が再住出力される。

オペレータはこの再生音声を聞くことにより、入力者自
身によって切り出し位置が正確かどうかの判断を下し、
「実行」キー１５ｉあるいは「解除」キー１５ｈを入力
することになるが、「実行」キー１５ｉが押されるとス
テップｎ２３からステップｎ２４に進み、「解除」キー
１５ｈが押されるとステップｎ１７に進むことになる。

ステップｎ２３からステップｎ２４に移行するとｃｐｕ
ｓは指定された音声に対応する音節特徴パターンとして
波形・特徴パターン一時メモリ７内に記憶された該当音
節の特徴パターンをパターンメモリ１０の標準パターン
メモリ１０ｃに登録する。この時、認識結果の音節候補
群以外の音節としては登録ができないように成されてい
る。即ち波獣拳特徴パターン一時メモリ７に記憶された
各音節に対する特徴パターンは認識結果の各音節候補に
対する特徴標準パターンとしてしか登録できないように
成されている。したがって、例えば今の例では第１音節
の特徴パターンは「か」。

「た」、「が」、「は」以外の特徴標準／Ｘ１１ターン
として登録できないようになされている。

第３表は標準パターンメモ！ＪＩＯＣの構成例を示した
ものである。

第３表　標準パターンＩＯＣの構成側 上記例では、入力音声を「い」として登録を行ナウので
、音節基「い」のエリアで登録の無いところ、すなわち
「い。」に特徴パターンを転送し登録の有無を「１」に
する。

もし登録の有無が総て「１」の場合、例えば第３表の「
あ」の場合には、「あ。」までが登録されているので、
一番時間的に古い「あ、」のエリアのデータを消してか
ら、その場所に登録する。

上記実施例では、標準パ、ターンメモリをｆｏｂ及びＩ
ＯＣに分けて登録したが、本発明ｔよこれに限定される
ものではなく、例えば標準パターンの良否を判定するこ
とにより最も悪い特徴標準パターンを消して、そのエリ
アに入力時の音節を登録するようになしても構わない。

標準パターンの良否の判定方法としては、例えば本発明
者等が先に特願昭５７−２１７２９６号「音声認識装置
」として提案した方法、即ち特徴標準パターン毎にカウ
ンタ手段を設け、入力音声の認識判定結果に応じて、そ
のカウンタ値を増減させ、このカウンタ値に応じて最も
悪い特徴標準パターンを判定する方法等がある。

以上のようにして、上記した実施例によれば、一つの音
節に対して複数の特徴標準パターンを持つ音声入力装置
において、その特徴標準パターンに入力時に取り込んだ
音声の特徴パターンを追加あるいは入れ換えを行々うこ
とにより、認識性能を向上きせることかできる。

捷だ、特徴標準パターンとしての登録を指示さ？１．た
音声の認識結果を用いることにより、登録可能な特徴標
準パターンの音節を限定し、極端に異なった音声特徴パ
ターンが特徴標準パターンに々らないようにすることが
できる。これは音声から音節を切り出す時に、妥当々位
置で切り出しているかどうかのチェックとなるものであ
り、例えば入力として「かいもの」と発声した時の第３
音節の「も」を登録したい時、その第１位の認識結果に
「ぎ」、第２位に「す」、以下「い」「み」という結果
になったとすると、この音声の特徴パターンを「も」の
特徴標準パターンとして登録すると不都合が生じると考
えられるが、本発明の実施例によれば、認識結果の候補
として表示される音節のみに登録可能としているため、
このような不都合は生じない。

更に、入力した音声を記憶しておくことにより前述の例
でいえば「も」を特徴標準パターンとしての登録を指示
した時に、その音節に対応する部分の音声を再生出力し
、正確に音節として切り出されたかどうかを入力者自身
が確認でき、誤った特徴標準パターンを登録することを
避けることができる。

〈発明の効果〉 以上のように、本発明によれば入力さり、た音声を予め
登録された複数種類の音節の特徴標準パターンと照合し
て音節単位に認識するロ木語音声入力装置において、入
力時に発声された音声を分析して得られた特徴パターン
を所定の音節の特徴標準パターンとして登録する登録手
段を備えるように成しているため、予め登録している特
徴標準パターンに対して、入力時に取り込んだ音声の特
徴パターンを標準パターンとして追加あるいけ入れ換え
ることが出来、その結果認識性能を向上させることが出
来る。

即ち、音声入力装置を使用していると、どうしても入力
しにくい音節が出現することがあり５例えば、単独で発
声した「い」は「い」と認識できるか、［かいもの」と
発声した時の「い」は常に「き」と誤認識されるという
ような現象が起こることがある。この「い」は前に「か
」後ろに「も」の音節を持ち、四音節からなる単語の第
二音節であり、そして単独で発声した「い」よりも高い
声で発声するというような音節環境にあるが、木兄り」
にあってはこの音節環境で発声された「い」の特徴パタ
ーンを標準パターンに八り、ることか可能となり、以降
の同一あるいはよく似た音節環境で発声された「い」を
正確に認識することができる。

【図面の簡単な説明】

第１図は本発明の一実施例装置の構成を示すブロック図
、第２図はキーボード等の入力部の一例を示す平面図、
第３図は登録モードの動作を説明するためめ処理フロー
図、第４図は認識モードの動作を説明するための処理フ
ロー図である。 ５・・・音声分析部、７・・・波形・特徴パターン一時
メモリ、８・・・ＣＰＵ、９・・・単音節認識部、１０
・・・パターンメモリ、１０ａ・・・特徴パターンメモ
リ、１０ｂ及び１０ｃ・・・標準パターンメモリ。 １１・・・認識結果格納メモリ、１５・・・キーボード
、１５ｂ・・・登録モードキー、１５ｃ・・・認識モー
ドキー、１５ｄ・・・音節登録キー。

Claims (1)

1. 【特許請求の範囲】 １　人力された音声を予め登録された複数種類の゛音節
   の特徴標準パターンと照合して音節単位に認識する日本
   語音声入力装置において、入力時に発声された音声を分
   析して得られた特徴パターンを所定の音節の特徴標準パ
   ターンとして登録する登録手段を備えるように成したこ
   とを特徴とする日本語音声入力装置。 ２、　上記登録手段は入力時に発声された音声を分析し
   て得られた特徴パターンを、誤音声が認識された候補音
   節群の特徴標準パターンとしてのみ登録されるように成
   したことを特徴とする特許請求の範囲第１項記載の日本
   語音声入力装置。 ３、上記登録手段は入力された音声を再生可能々データ
   として記憶し、特徴標準パターンとして登録する音節に
   対応する音声部分を再生出力する手段を備えるように構
   成されたことを特徴とする特許請求の範囲第１項記載の
   日本語音声入力装置。