JPS6057899A - 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〉 本発明は入力された音声を音節毎に認識する日本語音声
入力装置の改良に関し、更に詳細には音節等のより細分
化された単Ｗの特徴を装置に登録するとき、語句を発声
することによシ音声中に含まれる特定の音節の特徴を抽
出して装置に登録する音声登録方式の改良に関するもの
である。

〈発明の技術的背景とその問題点〉 一般に音鮨を単位に入力音声を認識する方式の日本語音
声入力装置においては、入力音声を音節単位にセグメン
ト化して音節のセグメンテーションを行ない、次に各音
節から抽出した特徴パターンを予め登録している音節標
準パターンと比較照合（パターンマツチング）して最も
類似した標準パターンが属する音節を識別結果とするよ
うに成されている。また、このような装置において、従
来は孤立で発声した単音節、或いは母音と単音節を組み
にして発声した音声から抽出した単音節から抽出した特
徴パターンを標準パターンとして予め登録していた。

このような方法で登録された標準パターンを用いた音声
入力装置にあっては、入力する音声が離散的な発声であ
る場合には充分な音節識別確度を得ることが出来るが、
より連続的な発声である場合には満足な音節識別確度を
得ることが出来ないという問題点があった。

即ち、入力する音声がよシ連続的な発声である場合、調
音結合と呼ばれる前後の音節の影響を受けて音節の特徴
パターンが変形し、音節識別確度が低下することになる
。

したがって、入力する音声が連続的になれば、変形した
より入力音声に近い特徴パターンを登録する方が音節識
別確度を向上させる上で、よシ有利であると考えられる
。

〈発明の目的〉 本発明は上記諸点に鑑みて成されたものであシ、連続音
声の認識に適した音節標準パターンを作成することが出
来る音声登録方式を提供することを目的とし、この目的
を達成するため、本発明の音声登録方式は、語句を発声
することにより音声中に含まれる特定の音節の特徴を抽
出して音節等のよシ細分化された単位の特徴を装置に登
録するに際し、登録すべき音節を他の音節と区別するよ
う明示した音節系列を表示して発声語句を発声者（オペ
レータ）に視覚的に指示し、発声された音声中から登録
を指示した音節の特徴パターンを登録せしめるように構
成されている。

〈発明の実施例〉 以下・本発明の一実施例を図面を参照して詳細に説明す
る。

第１図は本発明の音声登録方式を実施した日本語音声入
力装置の構成を示すブロック図である。

第１図において、１は登録すべき入力音声及び認識すべ
き入力音声をピックアップして電気信号に変換するマイ
クであシ、このマイク１の出力はアンプ２で増幅された
後、アナログ・ディジクル変換手段３によってＡ−Ｄ変
換し、とのＡ−Ｄ変換された信号は音響処理部４に入力
されて、この音響処理部４で分析されて音節のセグメン
テーションが行なわれて音節が抽出され、また韻律情報
及び各音節の特徴パターンｌＰｉが検出される。

５は発声すべき語句群を語句とその語句に含まれる音節
のうち登録する音節を指示して記憶した語句集メモリ、
６けこの語句集メモリ５から読出された一つの語句デー
タを記憶する語句バッフ７．７は音節番号と文字コード
との対応関係を記憶した音節テーブルメモリ、８は標準
パターンテーブルメモリ、９は音節標準パターンメモリ
、１ｏは音ｔｆＪ特徴バッファ、１１け音声信号波形バ
ッファ、１２／／′ｉ中央処理装置（ＣＰＵ）、１３／
／ｉキーボード、１４は周波数発止器、１５はディジタ
ル・アナログ変換手段、１６はアンプ、１７はスピーカ
、１８はディスプレイである。

次に上記の様に構成された装置の動作を説明する０ 第２図は本発明の音声登録方式の処理動作を示すフロー
図である。

装置の語句集メモリ５には上記したように予め語句とそ
の語句に含まれる音節のうち登録する音節を指示した形
で記憶している。

今、装置に音節標準パターンを登録するため、キーボー
ド１３を操作して装置を登録モードにすると、ステップ
ｎｌ（第２図）においてＣＰＵ１２は語句集メモリ５よ
り発声語句を読み出して登録＋／−”−４７ｆｙ−Ｒ８
櫓１イギ、ツブｌ／　ｌ　Ｉ　Ｑ　Ｉ−Ｉｒａ　千１て
発声する語句をオペレータに指示する。

例えば読み出された発声語句Ｗｉが「山脈」で／さ／、
／みゃ／、　／＜／の３音節を登録する場合について説
明する。

第３図は上記第２図に示したステップｎ１の発声語句の
指示の動作を詳ａＫ示した処理フローであり、ステップ
ｎ１０１においてまず発声語句Ｗｉが語句集メモリ５か
ら語句バッファ６に読み出される。語句集メモＩＪ５に
は第４図（ａ）に示すように複数の語句Ｗｉ（ｉ＝ｔ〜
ｎ）が記憶されており、この語句の内部７オーマソトは
第４図（ｂ）に示すように音節数領域Ａ、登録音節明示
領域Ｂ、音節番号領域Ｃｉ構成されておシ、発声語句ｗ
ｊ「山脈」で／さ／、／みゃ／、／＜／の３音節を登録
する場合には音節数Ａが「４コ、登録音節は第１゜第３
．第４音節であることをビットの１で表わしたデータＢ
　−（１０１１００００）及び語句を音節番号で表現し
たデータＣ−ｒｌｌ、６８，８３，８゜０、・・・」が
続いて記憶されている。

語句バッファ６に記憶された発声語句の藷句内部コード
Ｗｉがロードされ（ｎ１０２．ｎ１０３）、その内容が
ＣＰＵＩ　２において判別される。まずステップｎ１０
４においてＪ＝１にセントされ、次ニステップｎ１０５
においてデータＢの第Ｊビットが１であるか否かが判定
され、判定結果が１であればシンボル記号、例えば括孤
（１）が附加され（ステップｎｌ　０６　）、次傾ステ
ップｎ１０７に移行して音節番号データＣ（Ｊ）の音節
文字変換が実行される。このステップｎ１０７の動作は
第５図に示す如き音節テーブルメモリ７に記憶された音
節番号と文字コードの対応データにもとすいて音節番号
を文字コードに変換する。次にステップ“ｎ１０８にお
いてＪの値が＋１され、ステップ。

ｎ１０９においてＪの値が音節数Ａの値を越えたか否か
が判定され、Ｊ）Ａになるまでｎ１０５〜ｎ１０９のス
テップが繰返され、上記した一連の動作によって登録す
る音節を明示するシンボル記号を附加したかな文字コー
ド列が作成され、そのかな文字コード列が出力されて（
ｎｌｌｏ、１１１）ディスプレイ１８に表示されること
になる。このようにして語句集メモリ５から読み出され
た発声語句の内部情報Ｗｉに従って音節テーブルメモリ
７を使って音節番号を文字コードに変換し、またデータ
Ｂにしたがって登録する音節を記号（１）でくくって第
６図に示すようにディスプレイ１８上に表示する。

なお、上記の例では登録する音節を明示する記号りは括
孤としているが、これに限定されるものではなく、鍵括
孤、アンダーライン等の他の記号、または登録音節をグ
イレ表示または異在るカラーで表示する更には点滅表示
等、登録する音節を他の音節と区別して明示し得るもの
であれば良い１Ｊ次にオペレータ（発声者）はディスプ
レイ１８上の表示を見て／さんみゃく／と発声する（ｎ
２）。

この音声はマイク１によって電気信号に変換され（第７
図（ａ）参照）、アンプ２で増幅された後、アナログ・
ディジタル変換手段３でＡ−Ｄ変換されて音響処理部４
に入力される。

音響処理部４は公知のものよく、ディジタル変換された
音声入力を分析してステップｎ３において音節のセグメ
ンテーションによって音節を抽出口（８７図（ｂ）参照
）、また各音節の特徴パターンｌＰｉ及び音節数１発声
速度、音程等の韻律情報を検出しくｎ４，５）、それら
の特徴量を音節特徴バッフｙ　１０　ｆｃ一時記憶す、
る。同時に各音節の信号波形を音声信号波形バッフ７１
１に一時記憶する０ 次にステップｎ６に移行して正しい韻律であるか否かを
判定する。即ち上記ステップｎ５において検出したモー
ラ数（音節数）、テンポ（発声速度）についてモーラ数
は正しいか、テンポは規定範囲かを判定して、もし、規
定範囲外の音声であれば、その語句（山脈）の正しい韻
律情報（正しいモーラ数、標準のテンポ）をＤ７．変換
手段１５でＤ／Ａ変換してスピーカ１７等によりブザー
音で出力する（ｎ７）。これによって、オペレータ如普
告すると同時に正しい発声方法を報知して言い直しを指
示することになる。

語句の韻律情報は例えば上記語句集メモリ５に音節番号
列と共に記憶されており、発声語句Ｗｉが「山脈」の場
合、第４図（ｂ）に示したようにＡ領域にモーラ数Ｍ＝
４が記憶されており、音節番号列Ｃに続いてテンポ情報
５ｉ（０，３，０，３，０，３，０，３）が記憶されて
いる。一方オペレータの廃声入カに対してステップｎ５
において韻律情報モーラ数Ｍ及びテンポ数Ｓｉが検出さ
れ、この検出内容と語句集メモリ５に記憶された標準韻
律情報を比較して、発声した音声入力が正しい韻律であ
ったが否かを判定する。

この判定の結果、規定範囲内の音声であれば、登録する
音節／さ／、／みゃ／、／＜／の音声信号を音声信号波
形バッフ７１１から読み出してＤ／Ａ変換手段１５によ
ってＤ／、変換して出力する（ｎ８）。オペレータは、
このエコーバック音を聴いて音節の音韻情報の良否を判
定して音節特徴パラン７１０に記憶している良質音節の
特徴パターン（ｌＰｒ　、ＩＦ３　、　ＩＦ５　）を音
節標準パターンメモリ９に登録する（ｎｌｏ）。この時
標準パターンテーブルメモリ８には第９図に示すように
語句番号Ｗｉの第ｊ音節の音節であること（第４音節の
／＜／、第１音節の／さン、第３音節の／みゃ／）を音
節標準パターンと対応して記述する。

なお、ステップｎ９においてオペレータが不良音声であ
ると判定したときにはキーボード１３上の特定のキーを
操作してステップｎ２に戻らせ、再び言い直すことにな
る。

また上記音節特徴パターンの登録（ｎｌＯ）が終了すれ
ばステップｎ１に戻り、装置は次の発声語句を上記した
同じ動作ステップでディスプレイ１０上に表示する。

第８図は上記第２図に示したステップ１１８のエコーバ
ックによる音節波形出力の動作及びステップｎｌｏの音
節特徴パターンの登録の動作を詳細に示した動作フロー
であシ、ステップｎ６において正しい韻律と判定される
と、まずステップｎ８１においてＪ＝１にセットされ、
次にステップｎ８２においてデータＢの第Ｊビットが１
であるか否かが判定され、判定結果が１であれば音声信
号波形バッファ１１よシ第Ｊ音節の音節波形が出力され
（ｎ８３　）、該音節波形出力はシリ、変換手段１５に
よって音声アナログ信号に変換されてスピーカ１７等よ
シ出力される。次にステップｎ８４においてＪの値が＋
１され、ステップｎ８５においてＪの値が音節数Ａを越
えたか否かが判定され、Ｊ〉Ａになるまでｎ８２〜８５
のステップが繰返され、この一連した動作によって登録
する音節を明示した／さ／、／みゃ／、　／＜／のみが
第７図（ｃ）に示すようにエコーバックされる。

オペレータは、このエコーバノ、り音を聴いて音節の音
韻情報の良否を判定し、ステップｎ９において良質音節
と判断した場合には、次のステップｎ９１においてＪ＝
１にセントされ、次にステップ９２においてデータＢの
第Ｊビットが１であるか否かが判定され、判定結果が１
であれば音節特徴バッファ１０よシ第Ｊ音節の音節特徴
パターンを読み出して音節標準パターンメモリ９へ登録
し、次にステップｎ９４に移行してＣ（Ｊ）　＋　ｉ＋
　Ｊ　ｆベアーとして音節標準パターンの番地と対応し
た標準パターンテーブルメモリ８の番地に書込む。

次にステップｎ９５に移行してＪの値が＋１され、ステ
ップｎ９６においてＪの値が音節数Ａを越えたか否かが
判定され、Ｊ）Ａになるまでｎ９２〜、ｎ９６のステッ
プが繰返され、この一連した動作によって登録する音節
を明示した／さ／、／みや／。

／＜／に対する音節特徴パターン（ＩＲ＋　、　ｌＰ３
　。

！Ｐ４）が第７図（ｄ）に示すように音節特徴バッファ
１０よシ読み出されて音節標準・、（ターンメモリ９に
登録される。

以上のようにして登録すべき音節が他の音節と区別して
明示され、また発声された音声中よシ登録の予め明示さ
れた音節の特徴パターンが音節標準パターンとして登録
されるＯ なお、上記した実施例においては、語句集メモリ５に予
め記憶した語句を表示して発声を指示するようにしたが
、本発明はこれに限定されるものではなく、例えば第３
図のステップｎ１１２゜ｎ１１３に示すように、発声し
たい語句を登録すべき音節を記号（１）等２′区別して
キーボード１３上よりかガ文字コード列で入力し、この
データをかな文字コード／語句内部コード変換して語句
ノくッファ６に入力し、以下上記したステップｎ２以後
を実行せしめるように成してもよい。

また装置が入力した音声を認識するモードであるとき、
入力し麹い音節を表示上で指示して、その音節の特徴パ
ターンを標準パターンとして登録してもよい。即ち例え
ば「文脈」と発声したときの識別結果が／ふんみゃく／
とディスプレイに出力されたとき、キーボードから表示
上の／ふ／を／ぶ／に変更してカーソル等で指示し、第
１音節の音節パターンをカテゴリー／ぶ／の標準パター
ンとして登録するように成してもよい。

〈発明の効果〉 以上の様に本発明によれば語句を発声することにより音
声中に含まれる特定の音節の特徴を抽出して音節等のよ
シ細分化された単位の特徴を音節毎に認識する日本語音
声入力装置に登録するに際し、登録すべき音節を他の音
節と区別するように明示した音節系列を表示して発声語
句を指示し、発声された音声中から予め登録の明示され
た音節の特徴パターンを登録せしめるように成している
ため、連続音声の認識に適した音節標準パターンを確度
高く効率的に作成することが出来る。

【図面の簡単な説明】

第１図は本発明を実施した日本語音声入力装置の構成を
示すブロック図、第２図は本発明の音声登録方式の処理
動作を示す動作フロー図、第３図は発声語句の指示の動
作を詳ａ１ｃ示す処理ンロー図、第４図（ａ）は語句集
メモリの記憶状ｆＡ’ｃ示す図、第４図（ｂ）は発声語
句Ｗｉの内部フ」−マントを示す図、第５図は音節テー
ブルメモリの記憶状態を示す図、第６図は発声語句の表
示例を示す図、第７図は各信号の出力状態を示す図、第
８図はエコーバンクによる音節波形出力及び音勅″ｉ特
徴パターンの登録の動作を詳細に示す動作ンロー図、第
９図は標準パターンテーブルメモリ及び音節標準パター
ンメモリの記憶状態を示す図である。 １・・・マイク、　４・・・音響処理部、５・・・語句
集メモリ、　６・・・語句バッファ、８・・・標準パタ
ーンテーブルメモリ、９・・・音節標準パターンメモリ
、 １０・・音節特徴バッファ、　１８・・・ディスプレイ
、Ｄ・・・登録する音節を明示する記号。

Claims (1)

1. 【特許請求の範囲】 １、入力された音声を音節毎に認識する日本語音声入力
   装置において、 語句を発声することによシ音声中に含まれる特定の音節
   の特徴を抽出して音節等のよシ細分化された単位の特徴
   を装置に登録するに際し、登録すべき音節を他の音節と
   区別するよう明示した音節系列を表示して発声語句を指
   示し、発声された音声中から登録を指示した音節の特徴
   パターンを登録せしめるように成したことを特徴とする
   音声登録方式。