JPS605960B2 - 音声認識方式 - Google Patents

Description

【発明の詳細な説明】 本発明は、音声認識方式、特に文章を含む単語および該
単語を発した話者のいずれか一方または両方を認識する
音声認識において、声道に関する特徴係数（音素）が複
数個組合わせられた標準音素組および声帯に関する特徴
係数（ピッチ）の両方の標準時間系列パターンを用いて
または標準音素および声帯に関する特徴係数（ピッチ）
の両方の標準時間系列パターンを用いて音声認識を行な
うようにし、単語の認識にあわせて話者の認識をも行な
い得るようにした音声認識方式に関するものである。

ここで、音声合成または音声伝送帯城圧縮のため、音声
分析方式の１つとして、入力音声を一定区間例えば３０
肌ｓｅｃ毎に区切り、それらから既知手段によってｋパ
ラメータを抽出することは、「第８回東北大学電気通信
研究所シンポジューム論文集 板倉又忠“統計的手法に
よる音声の特徴抽出”」で提案されており、又、ｋパラ
メータよりピッチを抽出することは、「昭和４９三電子
通信学会全国大会講演論文集Ｓ−３一９、板倉文忠他“
ＰＡＲＣＯＲ型音声合成”」で提案されている。

一方、音声認識方法としては、Ｑパラメータを使用し、
最尤法を用いて類似度を定義して、類似度和（尤度和）
をとることにより認識することが、「電子通信学会論文
誌ｖｏ１５５一ＤＮｏ．３（１９７２年３月）好田正紀
他“数学音声の機械認識系”」に提案されている。上記
提案は音声認識のために有効な手法の１つであるが、単
語の認識のみでなく該単語を発した話者の認識をあわせ
決定しようとしたり、話者による発音の違いを考慮して
単語の認識を行なわせようとする場合、上記単一の標準
音素による時間系列パターンに代えて複数の標準音素を
組合わせた標準音素組を用いることがより有効な手段と
なることが考慮された。

それは例えば同じ数字“４”を発音するに当っても、話
者によって可成り発音に差異があるからである。また上
記単一の標準音素による時間系列パターンによる認識に
加えて話者の声帯に関する特徴係数則ちピッチの時間系
列パターンを利用することがより有効な手段であること
が見出された。

これは定性的には上記音素はいわば声道に関する特徴で
あり、これに話者の特徴を大きく含むと考えられる声帯
に関する特徴を加味することが有効であると考え得るこ
とから理解されよう。本発明は、上述の如く標準音素組
を用いたり「ピッチに関する情報を利用することによっ
て、より有効な音声認識を行なうことを目的としている
。

そしてそのため本発明の音声認識方式は文章を含む単語
および該単語を発した話者のいずれか一方または両方を
認識する音声認識方式において、標準音素の複数の時間
系列パターンおよび該各標準音素の声帯に関する標準特
徴係数の複数の時間系列パターンをそなえると共に、入
力音声を予め定めた時間間隔で区分した当該時間間隔内
の音素と上記標準音素との類似度を演算する手段および
上記当該時間間隔内の声帯に関する特徴係数と上記標準
特徴係数との類似度を演算する手段をそなえ、上記入力
音声の上記音素の時間系列についての上記標準音素の時
間系列パタ−ンに対する類似度と上記入力音声の上記声
帯に関する特徴係数の時間系列についての上記標準特徴
係数の時間系列パターンに対する類似度との関数値にも
とづいて上記認識を行なうことを、特徴とし同じく、文
章を含む単語および該単語を発した話者のいずれか一方
または両方を認識する音声認識方式において「標準音素
が複数個分組合わせられた標準音素組を単位とし該複数
個の標準音素組を時系列に配列した複数の時間系列パタ
ーンおよび該各標準音素組の声帯に関する標準特徴係数
の複数の時間系列パターンをそなえると共に、入力音声
を予め定めた時間間隔で区分した当該時間間隔内の音素
と上記複数の標準音素組との類似度を演算する手段およ
び上記当該時間間隔内の声帯に関する特徴係数と上記標
準特徴係数との類似度を演算する手段をそなえ、上記入
力音声の上記音素の時間系列についての上記標準音素組
の時間系列パターンに対する類似度と上記入力音声の上
記声帯に関する特徴係数の時間系列についての上記標準
特徴係数の複数の時間系列パターンに対する類似度との
関数値にもとづいて上記認識を行なうことを特徴として
いる。以下具体的に説明する。本発明では、入力音声を
例えば３０ｍｓｅｃの一定区間に区切りｋパラメータを
抽出し、該抽出された各ｋパラメータにもとずし、て例
えばｌａｌ、ｌｉ ｌ、ｌｕｌ・・・・・・等の標準音
素との類似度Ｓを計算し、入力音声の入力音素の時間系
列がいずれの標準音素の時間系列パターンともっともよ
く類似するかによって音声認識を行なう。

ここで言う類似度Ｓは次式で定義される。

但し ｉ組についてのｉ番目の標準ｋパラメータ又、本発明の
場合、単語の認識にあわせて話者が誰であるかを認識す
るために、上記標準ｋパラメータにもとずし、た類似度
を演算するがト未知入力音声から抽出された音素が少な
くとも２つ以上の標準音素を組合わせたいずれかの標準
音素組の１つともっとも類似するかを調べて行くように
する。

これは、話者によって同じ例えば数字１‘４”を発音す
る場合にも発音にあいまいさがあり、該あいまいさが話
者認識のための特徴を担っていると考えられるからであ
る。このため、本発明の場合例えば標準音素組として（
ｌｉ，ｌ ｌｉ２ｌ）、（ｌｉ２ｌ、ｌｅｌ）、（ｌｕ
ｌｌｏｌ）・・・・・・等を用意し、例えば数字“０”
ないし“９”の発音に含まれる上記標準音素組の時間系
列を、各話者毎に用意しておくようにする。

そして、今特定の１人の話者による数字“４”について
の標準音素組の時間系列として（ｌｉ，ｌ ｌｉ２ｌ）
（ｌｉ２ｌ ｌｅｌ）（ｌｕｌ ｌｏｌ）（ｌｎ，ｌ
ｌ■ｌ）が用意されているものとして、禾知入力との類
似度を調べるために次のようにされる。なお標準音素組
（ｌらｌ ｌｉ２ｌ）におけるｌｉ，ｌは一般に数字‘
‘１”を発音する場合に生ずる音素ｌ ｉｌでありｌｉ
２ｌは一般に数字“２’’を発音する場合に生ずる音素
ｌｉｌと考えてよく、上記標準音素組（ｌｉ，ｌ ｌｉ
２ｌ）は上記２つの音素を組合わせたものを表わしてい
る。また標準音素組（ｌｉ２ｌ ｌｅｌ）は２つの音素
ｉｉ２ｌとｌｅｌとの組合わせたものを表わしている。
標準音素組（ｌｕｌｌｏｌ）または（！ｎ，ｌ ｌ〜！
）についても同様である。第１表は未知入力音声を一定
時間毎に区切ってら、ｔ，…・・・ｔ７の各区間におけ
る各音素が上記ある話者が数字“４”を発音したときの
標準音素組とどの程度類似するかを調べる過程を表わし
ている。

第１表 第１表において類似度ｓｉｊ例えばｓ，。

として値１．８１を得る計算は次のように行なわれてい
る。即ち、未知入力の時間帯ｔｏにおけるｋパラメータ
を抽出し、標準ｋパラメータにもとずし、て、標準音素
ｌｉ，ｌとの類似度を求めると共に標準音素ｌｉ２！と
の類似度を求め両者を加算するようにしている。このた
め一般に類似度Ｓは１より小さい値であるが、両者の和
をとる場合最大２となる。未知入力を時間帯ｔｏ、ｔ．
・・…・らと区分して各時間帯毎に各標準音素組との類
似度を求めておいて、上記表中の□で囲んだ類似度の和
をとって行き、この類似度和が他の標準音素組の時間系
列パターンによる類似度和にくらべてより大きいか小さ
いかを調べるようにする。この類似度和の計算処理は次
のように行なわれる。即ちｍ 先ずＳ，ｏをセットする
。

■ ついで時間帯ｔ，においてｓ，．Ｓｓ２，なるばｓ
２，をＳＩ・＞Ｓ２１ならばＳ・・を加える。

表の場合ｓ，．を加える。潮 時間帯ら‘こおいてｓ，
２Ｓｓ２２であるのでＳ２２を加える。

‘４｝ 以下同様にｓ２３、ｓ３４、ｓ濁、ｓ４６、ｓ
４７を加える。

この場合、未知入力音声が特定の話者よる数字“４”に
ついての発音でれば、該類似度和は他の標準音素組の時
間系列パターンとの類似度を代表する類似度和に〈らべ
てより大きい値をとるだろうことが推察されよう。

そして標準音素組による時間系列をとっているので、話
者の発音上の“なまり”のような特徴をとらえている。
本発明の場合、上記標準音素組の時間系列による類似度
和処理の外に、さらに話者の声帯に関する特徴をとらえ
るピッチ軌条を導入している。

特定の話者による上記（ｌｉ，ｌ ｌｉ２ｌ）、（ｌｉ
２ｌｌｅｌ）、（ｌｕｌｌｏｌ）、（ｌｎ，ｌｌ〜ｌ）
の時間系列に対応して標準ピッチの時間系列を用意し、
未知入力ピッチと該標準ピッチとの差をとる相違度を考
慮するようにしている。なお一般に相違度と類似度とは
定義の上での差であり、本願特許請求の範囲に関連する
記載においては「類似度」や「相違度」を包含する言葉
として「類似度」を用いている。第２表 第２表は上述の相違度をとる過程を表にしたものである
。

そして表中の□で囲んだ相違度の和をとり、この相違度
和の絶対値を上記第１表で得た類似度和から差引くよう
にしている。そして該 （類似度和）−Ｑｌ（相違度和ｌ ■但しＱ‘ま重
み が他に〈らべて大きい値をとるか否かによって、単語の
認識と話者の認識とをあわせ行なうようにしている。

以下図面を参照して説明する。第１図は本発明による音
声認識方式の一実施例を表わす全体構成図、第２図は第
１図においてブロックＡとして表わした−実施例の類似
度計算回路、第３図は第１図においてブロックＣとして
表わした一実施例の類似度和計算回路で予め単語毎およ
び話者毎に用意された標準時間系列パターンにしたがっ
て類似度和を計算するもの、第４図は第１図においてブ
ロックＢおよびＤとして表わした−実施例の相違度計算
回路および相違度和計算回路で予め単語毎および話者毎
に用意された標準時間系列パターンにしたがって相違度
和を計算するもの、第５図は第１図においてブロックＥ
として表わした一実施例の相違度和絶対値化回路、第６
図は第１図においてブロックＧとして表わした一実施例
の最大検出回路を夫々示している。

第１図において１はｋパラメータ抽出・ピッチ抽出装置
、２，４，６，８，１０・・・・”はある話者によるあ
る単語（短文章）の標準ｋパラメータ格納部、３，５，
７，９，１１・・・・・・は対応する標準ピッチ格納部
、Ａは類似度計算回路、Ｂは相違度計算回路、Ｃは類似
度和計算回路、Ｄは相違度知計算回路、Ｅは相違和絶対
値化回路、Ｗは重み付け回路、Ｆは加算回路、Ｇは最大
検出回路を夫々表わしている。上記標準ｋパラメータ格
納部２や４や６・・・・・・には夫々、格納部２を例に
とって言えば、或る特定の１人の話者による例えば標準
音素ｌｉ，ｌを構成する標準ｋパラメータｋ，（ＳＩ）
、ｋ２（ＳＩ）、ｋ３（ＳＩ）．．．．．．が格納され
る如く、或る話者による或る標準音素に対応した標準ｋ
パラメータが格納されている。

また上記標準ピッチ格納部３や５や７・・・・・・には
夫々、格納部３を例にとつて言えば、或る特定の１人の
話者による例えば標準音素組（ｌｉ，ｌ ｌｉ２ｌ）に
対応する標準ピッチＰ総く標準音素ｌｉ，ｌのピッチと
標準音素ｌｉ２ｌのピッチとの平均値）が格納される如
く、或る話者による或る標準音素組についての標準ピッ
チが格納されている。即ち、標準ｋパラメータ格納部２
，４，６・・・・・・には或る話者による個々の「標準
音素」に対応した標準ｋパラメータが格納されるが、標
準ピッチ格納部３，５，７・・・・・・には或る話者に
よる「標準音素組」に対応した標準ピッチが格納されて
いる。未知入力音声デー外ま公知の如く抽出装置１に導
びかれ、各時間帯毎に未知入力のｋパラメー外ま類似度
計算回路Ａによって標準ｋパラメータｋ（ＳＩ）、ｋ（
ＳＩ）・・・・・・と類似度を計算される。また一方未
知入力のピッチは相違度計算回路Ｂによって標準ピッチ
Ｐ（ＳＩ）、Ｐ（Ｓ２）……と相違度を計算される。そ
して類似度和計算回路Ｃ（第３図）は第１表に示した如
き類似度和を計算し、相違度和計算回路Ｄ（第４図）は
第２表に示した如き相違度和を計算する。

得られた相違度和は絶対値化回路（第５図）によって絶
対値をとられ加算回路Ｆによって上記第‘２｝式による
計算が行なわれる。そして最大検出回路Ｇによって最大
値をとるものを抽出し、こを認識出力即ちある話者によ
るある単語の発音であることを出力する。なお第１図図
示において、図示ａ，ｂ，ｃ，・・・・・・などの出力
は個々の話者による数字‘‘４”などの夫々の数字に対
応した第２）式に示す関数値を与えている。また上述の
如く、図示出力ａが或る特定の話者よる数字“４”に対
応した第■式に示す関数値を与えているとすると、第１
図図示最上位に位置する計算回路Ｃに対しては、（ｉ）
該当する話者による標準音素ｌｉ，ｌに対応する標準ｋ
パラメータを与えている格納部の内容例えば格納部２の
内容を利用して得た類似度（第｛１）式によって与えら
れる類似度Ｓ）が、対応する１つの計算回路Ａから、（
ｉｉ）該当する話者による標準音素ｌｉ２ｌに対応する
標準ｋパラメータを与えている格納部例えば格納部４の
内容を利用して得た類似度が、対応する計算回路Ａから
、（ーｉｉ）該当する話者による標準音素ｌｅｌに対応
する標準ｋパラメータを与えている格納部例えば格納部
６の内容を利用して得た類似度が、対応する計算回路Ａ
から、ＮＤ……の如く夫々導びかれる。

これらの状態は第２図および第３図を参照して後述され
る。一方第１図図示計算回路○として最上位に位置する
計算回路Ｄに対しては、（ｉ）該当する話者による標準
音素組（ｌｉ，ｌ ｌｉ２ｌ）に対応する標準ピッチＰ
益峯を与えている格納部の内容例えば格納部３の内容を
利用して得た相違度が、対応する１つの計算回路Ｂから
、（ｉｉ）該当する話者による標準音素組（ｌｉ２ｌ
ｌｅｌ）に対応する標準ピッチＰ鎚を与えている格納部
の内容例えば格納部５の内容を利用して得た相違度が、
対応する計算回路Ｂから、（ｌｉｉ）……の如く夫々導
びかれる。

このために第１図図示の各計算回路Ａから各計算回路Ｃ
への矢印や各計算回路Ｂから各計算回路Ｄへの矢印は、
各計算回路ＡやＢが計算するものが何に対応しているも
のであるかや、各計算回路Ｃや○がどの数字（認識対象
である単語）に対応しているかによって一義的に定まっ
ている。しかし、第１図においては上記の事柄を概念的
に図示するにとどまっている。第２図に示す類似度計算
回路Ａにおいて、１２はマルチプレクサで標準ｋパラメ
ータを１つずつ順次選択するもの、１３はマルチプレク
サで未知入力ｋパラメータを１つずつ順次選択するもの
、１４はクロツク回路、１５はシーケンス制御回路、１
６は乗算器、１７は２乗器、１８，１９は加算器、２０
，２１はしジスタ、２２は除算器、２３はしジスタを表
わしている。

図の場合シーケンス制御回路の制御の下で上記第｛１拭
にしたがってｋ，ｋ，（ＳＩ）＋ｋ２ｋ２【ＳＩ）＋…
…をレジスタ２０にセットし、またｋ牢＋ｋ葦十…… をレジスタ２１にセットして、両者を除算した後に類似
度Ｓとしてレジスタ２３に轍１）式にしたがって計算し
た結果がセットされる。

即ち１つの標準音素ｌｉ，ｌ、ｌｊ２ｌ、ｌｅｌ、ｌｏ
ｌ・・・・・・などに対する類似度が各類似度計算回路
Ａ，Ａ，・・・・・・のレジスタ２３に各時間帯毎にセ
ットされる。第３図に示す類似度和計算回路Ｃにおいて
、２３はしジスタ、２４なし、し２７は加算器、２８な
いし３０‘ま比較器、３１なし、し３３はアンド回路、
３４なし、し３７はフリツプ・フロツプ、３８なし、し
４１はゲート、４２は加算器、４３はしジスタ、イ，口
，ハ，二は後述（第４図）に導びかれる信号を表わして
いる。ある特定の話者によるある単語の発音の認識のた
めに１つの類似度和計算回路Ｃが用意される。

例えばある話者の数字“４”の認識のためには「第２図
において説明した如く各回路Ａにおいて標準音素ｌｉ，
ｌとの類似度がセットされたレジスタ２３ｌｉ，ｌ、標
準音素ｌｉ２ｌとの類似度がセットされたレジスタ２３
ｌｊ２ｌ，・・・・・・標準音素ｌｎ２ｌとの類似度が
セットされたレジスタ２３ｌｎ２ｌが当該類似度和計算
回路Ｃに導びかれる。そして加算器２４なし、し２７に
よって夫々本発明による標準音素組に対する類似度ｓ，
；、ｓ２Ｉ、ｓ３Ｉ、ｓ４ｉ、（第１表参照）が計算さ
れる。第１表に示す時間帯ｔｏにおいてはフリツブ・フ
ロップ３４がセット状態にあり、先ず加算器２４の出力
ｓ，。

がゲート３８を介して加算器４２に導びかれる。そして
時間帯ｔ，において比較器２８によってｓ，．とｓ２，
とが比較され、ｓ，．Ｓｓ２，とならない限りｓ，．が
ゲート３８を介して加算器４２に導びかれる。そしてｓ
，．Ｓｓのとなったとアンド回路３１によってフリツプ
・フロツブ３４をリセットし、フリップ・フロッブ３５
をセットして、加算器２５からのその時点の類似度ｓａ
がゲート３９を介して加算器４２に導びかれる。以下同
様に第１表に関連して説明した如く第１表□で囲んだ値
が加算器４２に順に導びかれ、レジスタ４３にセットさ
れる。第４図に示す相違度計算回路Ｂ部および相違度天
０計算回路Ｄ部において、４４はしジスタで第１図に示
す抽出装置１内で得られた未知入力ピッチがセットされ
るもの、４５はしジスタで夫々対応する標準ピッチＰ滋
、Ｐもき）、Ｐも葦）、Ｐ総２がセットされているレジ
スタが特定の話者による数字“４”の認識のために用意
されるもの、４６なし、し４９は減算器、５０なし「し
６３はゲート、６４は加算器、５５はしジスタを表わし
ている。

なお上記相違度計算回路Ｂ部において、図示レジスタ４
５（Ｐける）と減算器４９との粗、レジス夕４５（Ｐ銭
））と減算器４８との絹、などが夫々第１図図示の個々
の相違度計算回路別こ相当している。また第４図図示の
レジスタ４４は第愚図図示のｋパラメータ抽出・ピッチ
抽出装置１内に位置していると考えてよい。各減算器４
６なし、し４９から夫々各相違度ｄ，ｊ、Ｑｉ、ｄ３ｉ
、ｑｉが出力されており、第２表に示す時間帯がち、ｔ
，、…・・・と進むにつれて例えば減算器４６からは相
違度ｄ，ｏ、ｄ，．、ｄ，２、……が出力されて行く。

そして、第３図に示す出力信号イ，口，ハ，二が与えら
れるとき各ゲート回路５０なし、し５３を介して加算器
５４に導ぴかれる。即ち、第２表に示した相違度ｄ，ｏ
、ｄ，．、ｄ２２、ら３、ｄ３４、ｄ３５、ｄ簿、ｑ７
が加算され、該相違度和が相違度和しジスタ５５にセッ
トされる。第５図に示す絶対値化回路Ｅをこおいて、５
５は第４図に示した相違度和しジス夕５５と同一物であ
り「 ５６は加算器も蓬霧ないし６３はアンド回路、６
４なし、し６８はオア回路も６９なし、し７３はノット
回路を表わしている。

第４図に関連して説明した如くレジスタ５５にセットさ
れた相違度和が第５図において絶対値に変換される。

即ち、レジスタ５５の内容は符号ビットと数値ビットと
で構成されているが、符号ビットの内容によって正の数
値を示している場合数値ビットの内容がそのまま「負の
数値を示している場合数値ビットの内容の補数をとって
加算器５６に導びくようにしている。第３図に示した類
似度和しジス夕４３の内容は第１図図示の加算回路日こ
導びかれ、一方第５図図示の相違度和絶対値加算器５６
の内容が第１図図示の重み付け回路Ｗを介して加算回路
Ｆ‘こ導びかれる。

そして加算回路Ｆでは上記第■式にしたがった演算が行
なわれる。第６図に示す最大検出回路Ｇにおいて、７４
ないし８川まアナログ出力化回路、８１ないし８７はア
ナログ比較回路、覇８ないし９４はダイオード、９５な
し、し１０１はアンド回路、ａ，ｂ，……ｇ・・・・・
・は第１図図示の各加算回路Ｆからの出力（デジタル）
、“Ａ”、“Ｂ”、……蝋Ｇ”、……は認識カテゴリの
名称に対応した信号で識別すべき話者がＰｉ、識別すべ
き単語（単文章）がＱ個存在し得るものとすればカテゴ
リの名称はＰ×Ｑ個存在することとなり、該最大検出回
路ＧはＰ×Ｑ個のうちの１つを例えば出力“Ａ”として
選出する。

各アナログ化回路７４なし、し函川ま第６図下方に示さ
れる如き構成をもつており「上記第｛２１式にしたがっ
た演算結果がデジタル量としてレジスタＲＥＧにセット
されたとき、各ビットに対して重み抵抗１ないしｉ′才
６が与えられ「アナログ加算器ＡＤＤＥ則こ導びかれる
。このようにアナログ量に変換した各アナログ化回路の
出力は対応するアナログ比較回路８１なし、し８７に導
びかれる。

そして各アナログ比較回路の一方の入力には、各アナロ
グ化回路７４ないし８０の出力をダイオード８８ないし
９４に導びし、た最大レベル選出手段の出力を供給され
る。なお各ダイオードの出力側端には各アナログ化回路
７４ないし８０の出力のうち最大レベルにあるもののレ
ベルよりも僅かに小さい値となる。各アナログ比較回路
８１なし「し８７は、上記最大レベル選出手段からの出
力レベルと各対応するアナログ化回路７４なし、し８０
からの出力レベルとを比較し、信号ａ，ｂ，……ｇ・・
・・・・のうち最大値をもつものに対応した１つの比較
回路から“１”出力が発生される。

そして、これによって識別されたカテゴリに対応した出
力“Ａ”（上述の説明ではある特定の話者が数字“４”
を発したものと識別した出力）が現われる。以上説明し
た如く「本発明によれば、複数の標準音素組と入力音声
の音素との類似度をとるようにしているので、話者のな
まりなど特徴をつかむことが可能となり、また標準音素
による類似度とピッ升こよる相違度との両者を認識に利
用するようにしたので話者の声帯に関する特徴を把握し
て話者の認識をより有効に行なうことができる。

第３図および第４図に示した信号イ，口，ハ，二はピッ
チによる相違度の側を主体として音素よる類似度側の切
換えを行なってもよいことは言うまでもない。

【図面の簡単な説明】

第１図は本発明による音声認識方式の一実施例を表わす
全体構成図、第２図は第１図においてブロックＡとして
表わした一実施例の類似度計算回路、第３図は第１図に
おいてブロックＣとして表わした一実施例の類似度和の
計算回路で予め単語毎および話者毎に用意された標準時
間系列パターンにしたがって類似度和を計算するもの、
第４図は第１図においてブロックＢおよびＤとして表わ
した一実施例の相違度計算回路および相違度和計算回路
で予め単語毎および話者毎に用意された標準時間系列パ
ターンにしたがって相違度和を計算するもの、第５図は
第１図においてブロックＥとして表わした−実施例の相
違度和絶対値化回路、第６図は第１図においてブロック
Ｇとして表わした−実施例の最大検出回路を夫々示して
いる。 図中１はｋパラメータ抽出・ピッチ抽出装置、２，４，
６，８，１０，…・・・は標準ｋパラメータ格納部、３
，５，７，９，１１，・・・・・・は標準ピッチ格納部
、Ａは類似度計算回路、Ｂは相違度計算回路、Ｃは類似
度和計算回路、Ｄは相違度天０計算回路、Ｅは絶対値化
回路、Ｗは重み付け回路、Ｆは加算回路、Ｇは最大抽出
回路を表わしている。ナー図ナＺ脚 了３凶 才４凶 寸ぶ斑 ÷ｒ ６ 斑

Claims (1)

1. 【特許請求の範囲】 １ 文章を含む単語および該単語を発した話者のいずれ
   か一方または両方を認識する音声認識方式において、標
   準音素の複数の時間系列パターンおよび該各標準音素の
   声帯に関する標準特徴係数の複数の時間系列パターンを
   そなえると共に、入力音声を予め定めた時間間隔で区分
   した当該時間間隔内の音楽と上記標準音素との類似度を
   演算する手段および上記当該時間間隔内の声帯に関する
   特徴係数と上記標準特徴係数との類似度を演算する手段
   をそなえ、上記入力音声の上記音素の時間系列について
   の上記標準音素の時間系列パターンに対する類似度と上
   記入力音声の上記声帯に関する特徴係数の時間系列につ
   いての上記標準特徴係数の時間系列パターンに対する類
   似度との関数値にもとづいて上記認識を行なうことを、
   特徴とする音声認識方式。 ２ 文章を含む単語および該単語を発した話者のいずれ
   か一方または両方を認識する音声認識方式において、標
   準音素が複数個分組合わせられた標準音素組を単位とし
   該複数個の標準音素組を時系列に配列した複数の時間系
   列パターンおよび該各標準音素組の声帯に関する標準特
   徴係数の複数の時間系列パターンをそなえると共に、入
   力音声を予め定めた時間間隔で区分した当該時間間隔内
   の音素と上記複数の標準音素組との類似度を演算する手
   段および上記当該時間間隔内の声帯に関する特徴係数と
   上記標準特徴係数との類似度を演算する手段をそなえ、
   上記入力音声の上記音素の時間系列についての上記標準
   音素組の時間系列パターンに対する類似度と上記入力音
   声の上記声帯に関する特徴係数の時間系列についての上
   記標準特徴の複数係数の時間系列パターンに対する類似
   度との関数値にもとづいて上記認識を行なうことを特徴
   とする音声認識方式。