JPS6070496A - 音声認識処理方式 - 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】 （５）発明の技術分野 本発明は音声認識処理方式、特に未知入力音声を細かい
フレーム周期で分析して、特徴パラメーパラメータ時系
列の部分時系列を抽出して登録しておくようにし、認識
率を向上させるとともに。

メモリおよび照合時間の削減を可能にした音声認識処理
方式に関するものである。

（ト）　従来技術と問題点 未知入力音声の認識にあたっては、一般に、登録用音声
から抽出した特徴パラメータ時系列を。

単語（単音節を含む）毎に登録した辞書を用意しておき
、未知入力音声から同じ手法により抽出−した特徴パラ
メータ時系列と上記辞書の各特徴パラメータ時系列との
距離を演算して、最も小さい距離のものを認識結果とＴ
るようにされている。特徴パラメータ時系列を抽出する
場合、ある時間間隔で分析するようにされるが、一般に
１時間分解能があがれば、認識率は向上Ｔるのに対し、
情報量の増加によって、辞書等のためのメモリ量および
照合時間が増大することとなる。

すなわち、従来方式によれば、標準パターンとして用意
される辞書中の特徴パラメータ時系列のフレーム周期と
、未知入力音声から抽出される特徴パラメータ時系列の
フレーム周期とは１通常。

等しくなるよ′うされていた。そのため、メモリ量およ
び照合時間を増大せずに認識率を向上させることは困難
であり、一方、認識率を劣化させずに。

メモリ量および照合時間を削減することも困難であった
。

（ｑ　発明の目的と構成 本発明は上記問題点の解決を図り１分析フレーム位置の
違いによるパラメータの値の差を、入力音声に対するフ
レーム周期を細かくすることによって少なくシ、認識率
を向上させ、また、辞書に登録する特徴パラメータ時系
列は、相対的に粗くして、メモリ量および照合時間を削
減可能にすることを目的としている。そのため９本発明
の音声認識処理方式は、未知入力音声を音響分析して得
られる特徴パラメータ時系列と、予め辞書中（＝格納さ
れた特徴パラメータ時系列との照合によって。

音声認識を行う音声認識システムにおいて、上記辞書中
の特徴パラメータ時系列は登録用音声を粗いフレーム周
期で分析格納されるよう構成され。

未知入力音声を細かいフレーム周期で分析し特徴パラメ
ータ時系列を算出する音響分析部と、該音響分析部が算
出した特徴パラメータ時系列を上記辞書中の特徴パラメ
ータ時系列のフレーム周期にそれぞれ対応する周期の複
数の入力特徴パラメータ時系列に分割する分割部と、該
分割部が分割した入力特徴パラメータ時系列を各々上記
辞書中の特徴パラメータ時系列と照合し、そのうち最も
小さい距離を入力音声と辞書中の候補音声との距離とし
て照合判定する照合判定部とをそなえたことを特徴とし
ている。

もう１つの本発明の音声認識処理方式は、未知入力音声
を音響分析して得られる特徴パラメータ時系列と、予め
辞書中に格納された特徴パラメータ時系列との照合によ
って、音声認識を行う音声認識処理方式において、上記
辞書中の特徴パラメータ時系列は登録用音声を粗いフレ
ーム周期で分析格納されるよう構成され、未知入力音声
を細かいフレーム周期で分析し特徴パラメータ時系列を
算出する音響分析部と、該音響分析部が算出した特徴パ
ラメータ時系列と上記辞書中の各特徴パラメータ時系列
とについて時間軸伸縮の割合を入力音声側について大き
くした非線形時間軸圧縮による照合を行う照合判定部と
をそなえたことを特徴としている。以下図面を参照しつ
つ説明する。

（ト）　発明の実施例 第１図は本発明の一実施例処理を説明するための図、第
２図は本発明の一実施例ブロック図を示す。

本発明の場合９例えば第１図図示の如く、辞書に標準パ
ターンとして登録される登録パラメータ時系列のフレー
ム周期は、入力音声から抽出される入力パラメータ時系
列のフレーム周期に対して。

ｎ対１の関係があるようにされる。換言すれば。

辞書に登録パラメータ時系列を登録するとき、登録用音
声から認識時における場合と同様に入力パラメータ時系
列を生成し、この入力パラメータ時系列を間引いた部分
時系列を、登録パラメータ時系列として登録する。こう
すると、入力パラメータ時系列は、相対的に細かいフレ
ーム周期、登録パラメータ時系列は粗いフレーム周期と
なる。

登録パラメータ時系列と入力パラメータ時系列とを照合
して、認識を行う場合、照合に先立って。

入力パラメータ時系列を、登録パラメータ時系列のフレ
ーム周期と等しい周期の複数のパラメータ時系列（二分
割する。第１図図示の場合、入力パラメータ時系列は、
白丸の列で表わされた第１の入力分割パラメータ時系列
と、黒丸の列で表わされた第２の入力分割パラメータ時
系列とに分割されることとなる。このようにして生成さ
れた入力分割パラメータ時系列の各々について、登録パ
ラメータ時系列と照合し、それぞれマツチング距離を演
ｔ１．Ｔる。そして、その中の最短距離のものを入力音
声と辞書中の候補音声との距離とする。

単に分析フレーム周期を粗くした場合には１分析フレー
ム位置の違い（二よる各パラメータの値の差が大きくな
り、認識率が悪くなるが、上記のようにすると１分割さ
れた複数のパラメータ時系列のいずれかが、辞書中のパ
ラメータ時系列の分析フレーム位置に近くなるため１位
置のずれによる誤差が除去されて、実質的な距離の精度
がよくなる。第１図図示の場会、登録パラメータ時系列
は。

白丸の列による入力分割パラメータ時系列に近似するた
め、その距離が候補音声の選択に用いられる０ 次に、上記処理構成を、第２図図示ブロック図に従って
説明する。図中、１はマイクロホン、２は音響分析部、
３は分割部、４は切替部、５はパラメータ登録部、６は
辞書、７−１および７−２は入力分割パラメータバッフ
ァ、８は照合判定部、９は辞書入力部、１０−１および
１０−２は距離演算部、１１は選択部、１２は判定部を
表わす。

マイクロホン１から入力された音声信号は、音響分析部
２において周波数分析される。音響分析部２は１例えば
帯域フィルタ群、パラメータ抽出回路等を有しており、
入力音声の特微量（パラメータ）１例えば第１ホルマン
ト周波数に相当するモーメントＭ、や、第２ホルマント
周波数に相当するモーメントＭ、や、さらには、低域電
力や高域電力などを抽出し、これらの特微量に関するサ
ンプル点を決定して１％微量の時系列情報を生成する。

これから得られた入力パラメータ時系列の情報は。

分割部３へ供給される。

分割部３は１例えば第１図に入力分割パラメータ時系列
として示す如く、入力パラメータ時系列を複数に分割す
る。切替部４は、認識モード時と登録モード時とのデー
タの流れを切り替えるものであって、登録モードのとき
には、入力分割パラメータ時系列の一方を、パラメータ
登録部５へ転送する。パラメータ登録部５は、指定され
た項目名に対応させて、この入力分割パラメータ時系列
を辞書６に登録する。辞書６は１例えば磁気ディスク装
置等の外部記憶装置であって、認識対象の項目名と上記
パラメータ時系列とを対応させて記憶し保持する。

認識モードのときには１分割部３によって分割された入
力分割パラメータ時系列は、それぞれ入力分割パラメー
タバッファ７−１．７−２へ格納される。そして、照合
判定部８が起動される。照合判定部８は、まず、辞書入
力部９によって、辞書６に登録された各パラメータ時系
列を読み出し。

距離演算部１０−１．１０−２へ送出する。距離演算部
１０−１においては、入力分割パラメータバッファ７−
１の内容と、登録パラメータ時系列とを９例えばダイナ
ミック・プログラミング（Ｄｒ）・マツチングにより照
合し、それらの距離をめる。同様に距離演算部１０−２
においては、入力分割パラメータバッファ７−２の内容
と、登録パラメータ時系列との距離をめる。なお、距離
演算部１０−１と距離演算部１０−２とは、並列的に処
理をしてもよいし、また時間的にシリアルに処理をして
もよい請求められた距離は、それぞれ選択部１１へ送ら
れる。選択部１１は、その中で最も小さい距離を、入力
音声のパターンと当該登録パターンとの距離として１判
定部に通知する。上記距離の演算と選択とは、辞書中の
すべての登録パラメータ時系列について行われ１判定部
１２は。

選択部１１が７選択した距離の中で最も小さい距離をも
つ登録パラメータ時系列に対応する項目を認識結果とす
る。

第３図はもう１つの本発明の一実施例ブロック図、第４
図はＤＰ整合窓の説明図、第５図は傾斜制限についての
説明図を示す。

図中、符号工ないし６，８，９．１２は第２図に対応し
、１０は距離演算部、１５は制限チェック部、２０はＤ
Ｐ整合窓、２１はマツチング経路を表わす。

第２の本発明の場合にも、入力パラメータ時系列に対し
て、辞書６に登録される登録パラメータ時系列のフレー
ム周期が、相対的に粗くなるようにされる。すなわち、
音響分析部２によって、音響分析され抽出された入力パ
ラメータ時系列は。

切替部４へ送られる。登録モードの場合には、切替部４
は１分割部３へ入力パラメータ時系列を送り１分割部３
は、入力パラメータ時系列を所定の個数に分割して、そ
の部分時系列を抽出する。パラメータ登録部５は、こう
して作成されたパラメータ時系列を、標準の登録パラメ
ータ時系列として、その項目名に対応させて辞書６へ登
録する。

認識モードのとき、には、音響分析部２で生成された未
知入力音声の入力パラメータ時系列は、切替部４を経由
して、そのまま照合判定部８へ伝達される。照合にあた
って、辞書入力部９は、順次。

各登録パラメータ時系列を辞書６から読み出し。

距離演算部１０に通知する。距離演算部１０においては
、入力パラメータ時系列と各登録パラメータ時系列との
距離の演算が行われる。ところで。

本発明の場合、入力パラメータ時系列のパラメータ数は
、第１図に示したような分割を登録時に行うとすれば、
登録パラメータ時系列のパラメータ数の約２倍になる。

そこで、このパラメータ数の違いを１発声入力の時間の
相違であるかのように。

例えばＤＰマツチング等の非線形時間軸圧縮による照合
によって吸収する。分析フレニムの位置の違いによるパ
ラメータの値の差は、これによって少なくなることにな
る。

ところで、一般に、照合を行うにあたって、明らかに候
補とならないものを早期に検出して排除し、全体の照合
時間を短縮するために、いわゆるＤＰ整合窓や、各種傾
斜制限等によ束照合条件を予め定めることが行われてい
る。ＤＰ整合窓の場合１例えば第４図図示の如く、マツ
チング経路２１が一定の幅でのみ選択されるようＣ二さ
れ、もしＤＰＷ合窓２０から外れるようなマツチング経
路２１をとる場合、マツチングしないものとして演算が
打ち切られる。

同様に経路の傾きを一定範囲に限る条件を課し。

無意味なマツチングを避けるのが、いわゆる傾斜制限で
ある。第５図（イ）図示のものは、その１つの例であっ
て、マツチング経路が横方向または縦方向に２回連続し
て選択されることがないように定められている。

本実施例の場合１作為的に入力パターンのパラメータ数
が、登録パターンのパラメータ数よりも多くなるように
されていることに注意が必要である。従って、マツチン
グ経路の選択条件を、従来と同様に対称的に定めること
は、妥当ではない。

すなわち、入カバターンの見かけ上の時間軸圧縮を大き
くすることが許される条件を与える。第４図図示ＤＰ整
合窓のような条件の場合、整合窓は４５°の傾きではな
く、より入カバターン軸側に傾くような範囲をもつよう
にされる。また１例えば第５図（イ）図示のような傾斜
制限は、第５図（ロ）図示のような横方向に伸びた非対
称傾斜制限に修正される。第３図図示制限チェック部１
５は９以上のような時間軸伸縮の割合についての所定の
制限条件をチェックするものである。

距離演算部１０によって、所定の制限条件に合格した経
路でもって距離の演算が行われると、その結果は判定部
１２へ通知される。判定部工２は通知された距離のうち
最も小さいものに対応する項目を認識結果と判定する。

このように１本実施例の場合、パラメータ時系列の長さ
１間隔の違いは９例えば非対称傾斜制限・整合窓による
ＤＰ照合等により吸収されることとなる。

上記各実施例においては、入力パラメータ時系列を２つ
に分割する例を説明したが、もちろん３組以上に分割し
てもよい。フレーム周期および分割数については、必要
とする認識精度、照合時間やメモリ量の制限等を考慮し
９例えば実験によって最適なもρを容易に選択すること
ができる。

■　発明の詳細 な説明した如く本発明によれば、入力音声に対するフレ
ーム周期を細かくして９分析フレーム位置の違いによる
パラメータの値の差を小さくシ。

認識率を向上させることができる。一方、登録用フレー
ム周期を粗くすることができるので、辞書等のメモリ量
を削減することができ、また照合する時系列中のパラメ
ータ数が少なくなることから。

照合時間の短縮が可能となる。

【図面の簡単な説明】

第１図は本発明の一実施例処理を説明するための図、第
２図は本発明の一実施例ブロック図、第３図は他の本発
明の一実施例ブロック図、第４図はＤＰ整合窓の説明図
、第５図は傾斜制限についての説明図を示す。 図中、２は音響分析部、３は分割部、５はパラメータ登
録部、６は辞書、８は照合判定部を表わす。 特許出願人　富士通株式会社 代理人弁理士　森　１）　寛　（外１名）千１図 閂熾＃累 入力）望ターレ　１

Claims (2)

【特許請求の範囲】
1. （１）未知入力音声を音響分析して得られる特徴パラメ
   ータ時系列と、予め辞書中に格納された特徴パラメータ
   時系列との照合によって、音声認識を行う音声認識シス
   テムにおいて、上記辞書中の特徴パラメータ時系列は登
   録用音声を粗いフレーム周期で分析格納されるよう構成
   され、未知入力音声を細かいフレーム周期で分析し特徴
   パラメータ時系列を算出する音響分析部と、該音響分析
   部が算出した特徴パラメータ時系列を上記辞書中の特徴
   パラメータ時系列のフレーム周期にそれぞれ対応する周
   期の複数の入力特徴パラメータ時系列に分割する分割部
   と、該分割部が分割した入力特徴パラメータ時系列を各
   々上記辞書中の特徴パラメータ時系列と照合し、そのう
   ち最も小さい距離な入力音声と辞書中の候補音声との距
   離として照合判定する照合判定部とをそなえたことを特
   徴とする音声認識処理方式。
2. （２）　未知入力音声を音響分析して得られる特徴パラ
   メータ時系列と、予め辞書中に格納された特徴パラメー
   タ時系列との照合によって、音声認識を行う音声認識処
   理方式におり、Ｘて、上記辞書中の特徴パラメータ時系
   列は登録用音声を狙いフレーム周期で分析格納されるよ
   う構成され、未知入力音声を細かいフレーム周期で分析
   し特徴パラメータ時系列を算出する音響分析部と、該音
   響分析部が算出した特徴パラメータ時系列と上記辞書中
   の谷′ｉ８徴パラメータ時系列とについて時間軸伸縮の
   割合を入力音声側について大きくした非線形時間軸圧縮
   による照合を行う照合判定部とをそなえたことを特徴と
   する音声認識処理方式。