JPS6039699A - 音声認識方法 - Google Patents
音声認識方法Info
- Publication number
- JPS6039699A JPS6039699A JP58147307A JP14730783A JPS6039699A JP S6039699 A JPS6039699 A JP S6039699A JP 58147307 A JP58147307 A JP 58147307A JP 14730783 A JP14730783 A JP 14730783A JP S6039699 A JPS6039699 A JP S6039699A
- Authority
- JP
- Japan
- Prior art keywords
- phoneme
- section
- voiceless
- distance
- recognized
- 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.)
- Pending
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
【発明の詳細な説明】
産業上の利用分野
本発明は、入力音声の音素認識を行ない、その結果を用
いて音節、単語、文章等を認識する音声認識方法、特に
無声破擦音、無声破裂音の認識方法に関するものである
。
いて音節、単語、文章等を認識する音声認識方法、特に
無声破擦音、無声破裂音の認識方法に関するものである
。
従来例の構成とその問題点
第１図は、従来の無声破擦音及び無声破裂音（以下／Ｕ
Ｃ／と略記する）の認識方法を実施する装置を示してい
る。以下にこの従来例の構成について第１図と共に説明
する。第１図において１は音声分析部であシ、この音声
分析部１の出力を利用してＳ／ＵＶ／Ｖ判別部２で無音
／無声／有声判別（以下Ｓ／ＵＶ／Ｖと略記する）を行
ないさらに無音区間検出部３で破裂時点直前の無音区間
を検出し次に／ＵＣ／の後端をセグメンテーション部４
で検出する。最後にセグメンテーションされた区間を音
素の標準／４’タンとの距離を使って音素の判定を行な
う。
Ｃ／と略記する）の認識方法を実施する装置を示してい
る。以下にこの従来例の構成について第１図と共に説明
する。第１図において１は音声分析部であシ、この音声
分析部１の出力を利用してＳ／ＵＶ／Ｖ判別部２で無音
／無声／有声判別（以下Ｓ／ＵＶ／Ｖと略記する）を行
ないさらに無音区間検出部３で破裂時点直前の無音区間
を検出し次に／ＵＣ／の後端をセグメンテーション部４
で検出する。最後にセグメンテーションされた区間を音
素の標準／４’タンとの距離を使って音素の判定を行な
う。
次に上記従来例の動作について第２図と共に説明する。
第２図は” １ （ｉｃｉ ７”と発声した時の無声破
擦音／Ｃ／付近の音声パワー、Ｓ／Ｕｖ／ｖ判別結果及
び音素標準バタンが最も近い音素の各々の時間変化を表
わしている。音声分析部１において入力した音声を１フ
レーム（１０ｍ５ｅｃ ）毎に分析し特徴パラメータを
抽出する。このパラメータを使ってＳ／ＵＶ／Ｖ判別部
２においてＳ／Ｕｖ／■判別を行ナイ、さらに無音区間
検出部３において音声・やワーを利用して無音区間を検
出する。次にセグメンテーション部４で音声パワーのデ
ィップを使ってセグメンテーションを行ない、／Ｃ／の
後端を決める。最後にセグメントされた区間内で、特徴
ｉ＋ラメータを使って、音素標準バタンとの距離計算を
行ない、最も距離が近い音素をフレーム毎に識別し、こ
の区間において最もフレーム数々；多い音素を認識音素
と判定する。第２図において／Ｃ／区間のフレーム毎の
音素判定は全て／Ｃ／であるので／ｉｃｉ／の／Ｃ／は
正しく認識された。しかしながら上記従来例においては
、セグメントされた区間の音素を判定する時、／Ｃ／と
識別された音素のフレーム数が多い場合はよいが、第３
図に示すように／Ｔ／や／に／等のフレーム数が多い場
合は／Ｃ／区間を他の音素に誤認識する欠点があった。
擦音／Ｃ／付近の音声パワー、Ｓ／Ｕｖ／ｖ判別結果及
び音素標準バタンが最も近い音素の各々の時間変化を表
わしている。音声分析部１において入力した音声を１フ
レーム（１０ｍ５ｅｃ ）毎に分析し特徴パラメータを
抽出する。このパラメータを使ってＳ／ＵＶ／Ｖ判別部
２においてＳ／Ｕｖ／■判別を行ナイ、さらに無音区間
検出部３において音声・やワーを利用して無音区間を検
出する。次にセグメンテーション部４で音声パワーのデ
ィップを使ってセグメンテーションを行ない、／Ｃ／の
後端を決める。最後にセグメントされた区間内で、特徴
ｉ＋ラメータを使って、音素標準バタンとの距離計算を
行ない、最も距離が近い音素をフレーム毎に識別し、こ
の区間において最もフレーム数々；多い音素を認識音素
と判定する。第２図において／Ｃ／区間のフレーム毎の
音素判定は全て／Ｃ／であるので／ｉｃｉ／の／Ｃ／は
正しく認識された。しかしながら上記従来例においては
、セグメントされた区間の音素を判定する時、／Ｃ／と
識別された音素のフレーム数が多い場合はよいが、第３
図に示すように／Ｔ／や／に／等のフレーム数が多い場
合は／Ｃ／区間を他の音素に誤認識する欠点があった。
破裂音（／ＵＣ／）を精度よく認識することを目的とす
るものである。
るものである。
発明の構成
本発明は、上記目的を達成するために、／ＵＣ／区間に
おけるケプストラム係数の各次数毎の隣接フレーム簡距
離をめ、その時間変化バタンの特徴を検出することによ
シ、／ＵＣ／の認識を精度よく行なうものである。
おけるケプストラム係数の各次数毎の隣接フレーム簡距
離をめ、その時間変化バタンの特徴を検出することによ
シ、／ＵＣ／の認識を精度よく行なうものである。
実施例の説明
以下に本発明の一実施例の構成について図面と共に説明
する。第１図の音素判定部５における／ＵＣ／区間の音
素の判定に際し次式に示す、ケプストラム係数の次数毎
の隣接フレーム間圧１１＃（以下ＣＤと略記する）の時
間変化を利用する。
する。第１図の音素判定部５における／ＵＣ／区間の音
素の判定に際し次式に示す、ケプストラム係数の次数毎
の隣接フレーム間圧１１＃（以下ＣＤと略記する）の時
間変化を利用する。
ＣＤ （Ｉ、Ｊ）＝２（ＣＰ（Ｉ、Ｊ）−ＣＰ（Ｉ−１
、Ｊ））２■ ：フレーム番号 Ｊ ：ケグストラム分析の第５次の次数Ｊ＝１〜ＮＰ、
ＮＰは分析次数 ＣＤ（１，Ｊ） 第１フレームめの第５次の隣接フレー
ム間のケシストラム距離 ｃｐ（工、Ｊ） 第１フレームめの第５次のケプストラ
ム係数 第４図は１ （ｉｃｉ ）と発声した時の／Ｃ／付近の
第１次と２次または３次の距離、音声ノヤワー、Ｓ／Ｕ
Ｖ／Ｖ判別結果及び音素標準ノやタンとの距離に最も近
い音素の各々の時間変化を表わしている。
、Ｊ））２■ ：フレーム番号 Ｊ ：ケグストラム分析の第５次の次数Ｊ＝１〜ＮＰ、
ＮＰは分析次数 ＣＤ（１，Ｊ） 第１フレームめの第５次の隣接フレー
ム間のケシストラム距離 ｃｐ（工、Ｊ） 第１フレームめの第５次のケプストラ
ム係数 第４図は１ （ｉｃｉ ）と発声した時の／Ｃ／付近の
第１次と２次または３次の距離、音声ノヤワー、Ｓ／Ｕ
Ｖ／Ｖ判別結果及び音素標準ノやタンとの距離に最も近
い音素の各々の時間変化を表わしている。
今、／Ｃ／区間の１次と２次または３次の距離の時間変
化パタンに着目すると１次の距離は谷形であり２次また
は３次の距離は山形をしている。たとえ標準バタンとの
距離に最も近い音素が／に／であっても次数によるＣＤ
の時間変化／ｆメタン利用してこの区間を／Ｃ／と認識
できる。
化パタンに着目すると１次の距離は谷形であり２次また
は３次の距離は山形をしている。たとえ標準バタンとの
距離に最も近い音素が／に／であっても次数によるＣＤ
の時間変化／ｆメタン利用してこの区間を／Ｃ／と認識
できる。
発明の効果
次表は従来方法と本発明方法による／Ｃ／の認識率を示
したものである。複数の話者を入力データとした認識実
験において従来方法では／Ｃ／の認識が７３％であった
ものが本発明の方法を用いるこ上記に一例を示すように
、本発明によれば無声破擦音、無声破裂音（／ ＵＣ／
）の検出に次数にょるＣＤの時間変化パタンの特徴を
利用することにょシ、従来方法に比べ精度よ＜／ＵＣ／
を検出できる利点を有する。
したものである。複数の話者を入力データとした認識実
験において従来方法では／Ｃ／の認識が７３％であった
ものが本発明の方法を用いるこ上記に一例を示すように
、本発明によれば無声破擦音、無声破裂音（／ ＵＣ／
）の検出に次数にょるＣＤの時間変化パタンの特徴を
利用することにょシ、従来方法に比べ精度よ＜／ＵＣ／
を検出できる利点を有する。
第１図は従来の無声破擦音、無声破裂音を認識する装置
のブロック図、第２図、第３図は同認識方法の説明図、
第４図は本発明の一実施例における音声認識装置の説明
図である。 １・・・音声分析部、２・・・無音／無声／有声判別部
（Ｓ／ＵＶ／Ｖ判別部）、３・・・無音区間検出部、４
・・・セグメンテーション部、５・・・音素判定部。 第３図 フ ｖｖ ｖｖ ｓ ｓｓ ｓ ｓｕｖｕｖｕｖｗｖｖ ｖ
ｌｌｌＩ ＴＴＣＫＣＩＩＩＩ −１ぐフＩ Ｓ／ＵＶ／Ｖ刺別純泉 考（懺１′１８釆
のブロック図、第２図、第３図は同認識方法の説明図、
第４図は本発明の一実施例における音声認識装置の説明
図である。 １・・・音声分析部、２・・・無音／無声／有声判別部
（Ｓ／ＵＶ／Ｖ判別部）、３・・・無音区間検出部、４
・・・セグメンテーション部、５・・・音素判定部。 第３図 フ ｖｖ ｖｖ ｓ ｓｓ ｓ ｓｕｖｕｖｕｖｗｖｖ ｖ
ｌｌｌＩ ＴＴＣＫＣＩＩＩＩ −１ぐフＩ Ｓ／ＵＶ／Ｖ刺別純泉 考（懺１′１８釆
Claims (1)
- 入力音声に対し単位時間毎に音素認識を有なって認識音
素系列を得る際に、各無声破擦音および無声破裂音区間
内のケシストラム係数の各次数毎の隣接フレーム間距離
をめ、その時間変化の・やタンの特徴を検出することに
よシ無声破擦音および無声破裂音の認識を行なうことを
特徴とする音声認識方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP58147307A JPS6039699A (ja) | 1983-08-13 | 1983-08-13 | 音声認識方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP58147307A JPS6039699A (ja) | 1983-08-13 | 1983-08-13 | 音声認識方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JPS6039699A true JPS6039699A (ja) | 1985-03-01 |
Family
ID=15427232
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP58147307A Pending JPS6039699A (ja) | 1983-08-13 | 1983-08-13 | 音声認識方法 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPS6039699A (ja) |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS58147306A (ja) * | 1982-02-25 | 1983-09-02 | 研器工業株式会社 | 鉉及びその製造方法 |
-
1983
- 1983-08-13 JP JP58147307A patent/JPS6039699A/ja active Pending
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS58147306A (ja) * | 1982-02-25 | 1983-09-02 | 研器工業株式会社 | 鉉及びその製造方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Zhu et al. | On the use of variable frame rate analysis in speech recognition | |
| Ruinskiy et al. | An effective algorithm for automatic detection and exact demarcation of breath sounds in speech and song signals | |
| JP2006171750A (ja) | 音声認識のための特徴ベクトル抽出方法 | |
| JP3069531B2 (ja) | 音声認識方法 | |
| Kaur et al. | Analysis of feature extraction methods for speaker dependent speech recognition | |
| JPS60200300A (ja) | 音声の始端・終端検出装置 | |
| JPS6138479B2 (ja) | ||
| JPS60114900A (ja) | 有音・無音判定法 | |
| Lertwongkhanakool et al. | An automatic real-time synchronization of live speech with its transcription approach | |
| JPS6039699A (ja) | 音声認識方法 | |
| Jijomon et al. | An offline signal processing technique for accurate localisation of stop release bursts in vowel-consonant-vowel utterances | |
| JPH07295588A (ja) | 発話速度推定方法 | |
| JP2006010739A (ja) | 音声認識装置 | |
| Seman et al. | Evaluating endpoint detection algorithms for isolated word from Malay parliamentary speech | |
| Gulzar et al. | An improved endpoint detection algorithm using bit wise approach for isolated, spoken paired and Hindi hybrid paired words | |
| JP2798919B2 (ja) | 音声区間検出方式 | |
| JPH034918B2 (ja) | ||
| Waardenburg et al. | The automatic recognition of stop consonants using hidden Markov models | |
| Sahu et al. | Odia isolated word recognition using DTW | |
| JPH0640274B2 (ja) | 音声認識装置 | |
| Ruinskiy et al. | A multistage algorithm for fricative spotting | |
| JPH0413719B2 (ja) | ||
| JPS5925240B2 (ja) | 音声区間の語頭検出方式 | |
| JPS59170894A (ja) | 音声区間の切り出し方式 | |
| Ruinskiy et al. | An algorithm for accurate breath detection in speech and song signals |