JPS60201396A - 音声辞書の学習方式 - 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】 （ａ）　発明の技術分野 本発明は音声認識装置における不特定話者の登録単語に
対する学習方式に関する。

（ｂ）　技術の背景 近年音声認識はデータ処理技術の発達と普及に伴いデー
タ処理システムにおけるデータ入出力手段の一端として
、従来困難とされていた大量の情報を高速処理する音声
認識アルゴリズムを高集積化回路素子（ＬＳＩ）による
論理回路あるいは高速大容量メモリによって実現すると
共に該ＬＳＩが小形且低コストで提供されるようになり
、日本語による音声入力手段の持つ対話形式に通し操作
者に他のデータ入力装置に見られるような特別な習熟訓
練を負担させることなく操作容易な音声認識装置が利用
されるようＫなりた。

（ｅ）　従来技術と問題点 通常音声認識装置における音声データの処理動作は登録
／学習および認識の３モードに分けられる。登録／学習
モードは音声間ｌ１ＩＩｌ！における比較基準とする情
報の蓄積／修正動作であり、認識モードは未知人力音声
デー°夕を該蓄積／修正データと比較照合ｊ７音声入力
による単語を認識して確認出力する動作である。

第１の登録モードでは操作者の発声に従って入力する登
録単語の音声信号を該装置の分析機能によって得られる
スペクトラム時系列による％ｔａ量パタンを蓄積してお
き、その特徴量バタンを音声認識の基準として第１記憶
手段の音声辞書に記憶保持させる。

第２の学習モードでは音声の特徴量パタンのバラツキに
対処するため入力音声毎に得られる音声特徴楚バタンが
先に登録した特徴量パタ／より別の特徴量パタンの方が
距離ないし類似度の点で操作者についてより標準物微量
バタンとして望ましいとき別の特徴量バタンとして追カ
ロの蓄積したり、既存性微量パタンをより類似度の高い
特徴量パタンに修正するための処理作業である。第３の
認識モードでは未知入力音声を分析機能により先の２モ
ードと同様の手法で得るスペクトラム時系列による特徴
量を前記２モードで得られた音声辞書の特徴量バタンと
比較して類似度を算出し、類似度に従いその上位より単
数または複数の候補を選択保持せしめ、操作者が該候補
を表示手段例えばディスプレイの画面に表示確認するこ
とによって音声認識を行っている。即ち画面に表示され
る第１候補が入力音声に一致していれば該単語の認識を
終了して次の音声入力を実行し、入力音声と一致が得ら
れなければ操作釦等により候補を変更表示し正解候補が
得られた時点で次の音声入力を実行する音声認識を繰返
す。

と＼で認識モードにおいて単語の内容によっては類似度
が他の単語に誤る可能性の高いものが存在する一方全く
他の単語に誤る可能性の低いもの等広範囲に亘る。

従って登録／学習モードにおいて一律に実行して音声辞
書を）１に成すると特定の単語においては低い認識率し
か得られない問題点があった。

（ｄ）　発明の目的 本発明の目的は上記の問題点を除去するため記憶手段の
別領域に登録する単語毎に類似度が他の単語に誤る可能
性の出現率とその順位を配列する統計テーブルを具備し
、学習モードの実行に際しては誤り可能性の高い単語に
ついての学習を優先または／および重点的に実行し、場
合によって誤り可能性の極めて低い単語については省略
するよう疋して効率の良い学習モードの実行によって効
率の良い認識率が得られる音声辞書の学習方式を提供し
ようとするものである。

（ｅ）　発明の構成 この目的は、未知音声入力信号信号を分析して得るスペ
クトラム時系列による特徴量を予め辞書に登録された特
徴量バタンと照合して該人力音声を認識する音声認識装
置において、音声認識装置は入力音声を分析する手段、
単語人力音声におけ入特宇話者の特徴量パタンを蓄積す
る第１の記憶手段、分析手段の出力する入力音声の特徴
量バタンと第１記憶手段における特徴量パタンを照合し
類似度を算出しその上位より単数まだは複数の候補を得
る照合手段、照合手段の送出する候補をディスプレイに
表示しつ＼操作者の判定に従い正解候補を得る選択手段
および照合手段における両特微量パタンの照合において
その類似度が他の単語に誤る可能性の出現率値を登録し
単語毎に配列する統計テーブルを蓄積する＠２記憶手段
を具備し、音声認識装置の制御部は単語学習モードに際
し該第２記憶手段におけるデータに従い誤り可能性の高
い登録単語について優先的または／および重点的に発声
指示を行い単語学習を実行せしめることを特徴とする音
声認識における音声辞書の学習方式を提供することによ
って達成することが出来る。

（ｆ）　発明の実施例 以下図面を参照しつ＼本発明の一実施例について説明す
る。

第１図は本発明の一実施例における単語辞書の学習方式
によるＭＲ装置のブロック図および第２図はその統計テ
ーブルの構成例図である。

図において１は制御部、２は記憶部、３は認識部、２１
ａは制御プログラム、２１ｂは制御データ、２２は音声
辞書、２３は統計テーブル、３１は分析手段、３２は照
合手段、３３は候補選択手段および３４はディスプレイ
である。

本実施例の認識装置においても登録および認識動作にお
いては従来の動作と変松はなく登録モードにおいては操
作者の発声に従って入力する登録単語の音声信号を分析
手段３１に入力して得られるスペクトラム時系列による
特徴量を得てその特徴Ｍパタ／を音声辞書２２に蓄積登
録し、蛯識モードにおいては未知入力音声を分析手段３
１に入力してイｑられる特徴量バタンをＩ［４ｉ合手段
３２に送出ｌ〜、照合手段３２では音声辞書２２に登録
された特徴量バタンと逐一比較して類似度を算出し、類
似度に従ってその上位より単数または複数の候補を候補
選択手段３３に送出する。候補選択手段３３では上位候
補よりディスプレイ３４の画面に表示し操作者の判定操
作によって入力音声に一致している候補を正解候補とし
、該正解候補を入力音声の認識出力として送出する動作
に変りはない。

しかし本実施例における学習モードの実行については従
来の学習動作における全登録単語を無作為に数回ずつ発
声させる手法と異り、統計テーブル２３の内容に従りて
制御部１が登録単語の中より操作者に発声する単語の順
位、発生の回数あるいは発生の省略を指示する。即ち統
計テーブル２３は登録単語に対する不特定多数者の発声
によるデータが蓄積されており、単語毎にその平均類似
度例えば第２図の統計テーブルの構成例図に示すように
単語Ａについては平均的な操作者の発声における標準的
な類似度が８５（チ）であり、単語Ａを発声して例えば
類似度が５０であるとき、他の単語ＢＫ誤る確率が３４
であることを示している。

従って制御部１は各単語の学習動作において平均類似度
が低い単語から逐一ディスプレイ３４に表示せしめ１回
または少数回発声させ例えば操作者に単語Ａを発声させ
て類似度が単語Ａに期待される標準類似度と＼では８５
を上廻るときは単語Ａにおける特徴量パタンはＯＫとし
て音声辞書２２を修正することなく単語Ａにおける発声
を打切り次の単語Ｂに移る。逆に標準類似度を下廻る分
析手段３１による結果が得られたときは発声回数を増す
と共に該発声で得られる入力音声による特徴Ｍ°パタン
によって音声辞書２２の対応する特徴量パタンをイし正
する。

例えば制御部１の指定する複数の単語こ＼では４！’Ｉ
Ｑ狛似度の低い単０ａについて例えばある操作者の発声
がすべて少数回で標準類似度を上廻るようであれば残り
の単語については学習を実行する必要々しと判断して残
りの単語についての学習を省略しても良い。１ｆｊ３に
例えば操作者の訛が強くて各単語について標準類似度を
下廻る結果が得られる時はすべての単語について発声を
繰返し強度の学習を実行することになる。

本実施例では学習モードにおいて以上のように実行する
ので従来のように操作者の学習動作について均一的にす
べての単語に対し発声を実行させることなく、他の単語
に誤り易いものから優先的に実行し、分析手段３１の出
力内容によって標準類似度以上の結果が得られていると
きは発声回数を削減あるいは内容によっては省略しても
認識率を確保出来るような効率のよい学習方式を実行出
来る他、内容の悪い単語あるいは操作者については重点
的に学習を実行して認識率を確保する等有効な学習結果
が得られる音声認識における学習方式を実現出来る。

億）発明の詳細 な説明したように本発明によれば音声認識装置において
実行する学習モード゛動作において、従来のように発声
を対象単語について一律に適用することなく、誤り率の
高い単語等統計によって得られたデータを参照しつ＼学
習モード動作を制御するので学習効果の高い音声認識に
おける音声辞書の学習方式を提供することが出来る。

【図面の簡単な説明】

第１図は本発明の一実施例における単語辞書の学習方式
によるブロック図および第２図はその統計テーブルの構
成例図である。図において１は制御部、２は記憶部、３
け認識部、２２は音声辞書、２３け統計テーブル、３１
は分析手段、３２は照合手段、３３は候補選択手段およ
び３４はディスプレイである。 第１１ｉ２Ｉ

Claims (1)

【特許請求の範囲】
1. 未知音声人力信号を分析して得るスペクトラム時系列に
   よる特徴量を予め辞書に登録された特徴量バタンと照合
   して該入力音声を認識する音声認識装置において、音声
   認識装置は入力音声を分析する手段、単語入力音声にお
   ける特定話者の特徴部パタンを蓄積する第１の記憶手段
   、分析手段の出力する入力音声の特徴量バタンと第１記
   憶手段におけるＯＰＩ量パタンを照合し類似度を算出し
   その上位より単数または複数の候補を得る照合手段、照
   合手段の送出する候補をディスプレイに表示しつ＼操作
   者の判定に従い正解候補を得る選択手段および照合手段
   における両持微量パタンの照合においてその類似度が他
   の単語に誤る可能性の出現率値を登録し単語毎、に配列
   する統計テーブルを蓄積する＠２記憶手段を具備し、音
   声認識装置の制御部は単＾１１学習モードに際し該第２
   記憶手段におけるデータに従い誤り可能性の高い登録単
   語について優先を九は／および重点的に発声指示を行い
   単語学習を実行せしめることを特徴とするＷ債喘奉→毒
   音声辞書の、学習方式。