JPS6075897A - 不特定話者用音声認識方式 - 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】 技１蔓υ頭 本発明は、パターンマツチング技術を用いた音声認識方
式に関する。

従来技術 単語音声を認識するための新しいパターンマツチング方
式として、本出願人は、先に、周波数と時間を変数とす
るスペクトルグラフを基本として２種類の２次元パター
ン（ローカルピークの軌跡を表わす細線化パターンと２
値化されたブロードパターン）の重なり具合を用いて類
似度を算出する方式について種々提案した。

更に詳、？コに説明すると、単語の音声認識を目的とし
て、マイクロホンから取り入れた単語の音声信号を特徴
抽出部に導き、何らかの方法によって数ｍ　ｒｍ　”Ｃ
〜数＋ｍ５ｅｃ程度の時間間隔で周波数分析し、音声信
号の短時間パワースペクトルをめ、こ］ｔを特徴量とし
た場合、これ等の特徴量を周波数と時間を２軸として２
次元平面上に表示したパターンは音声のタイムスペクト
ルパターンとして知られている。本発明は、このタイム
スペクトルパターンを基本として、そのローカルピーク
を連ねた細線化パターン（第１図）と、ある閾値を設け
、これによって２値化したブロードパターン（第２図）
との２種類のパターンの重畳比較により類似度を算出し
、認識をおこなう方式に係わるものである。面して、上
記２種類のパターンのマツチング処理をおこなう場合、
上記２種類のパターンの内いづれか一方を標準パターン
として予め登録しておくのが一般的である。これを辞書
パターンと称し、マツチングに際しては、入力のパター
ンをこの辞書パターンと照合する処理をおこなう。しか
しながら辞書パターンを登録した話者と認識時において
入力音声の発話者が異る場合には、声道特性の個人的バ
ラツキにより」二記タイムスペク１へルパターンの周波
数方向にヅレを生し、そのままマツチングをおこなって
も辞書パターンとの整合性が悪く認識率が劣化すること
ばすでに明らかである。

目　的 本発明は、上記欠点を解決するためになされたもので、
特に、数人〜数十人程度の限られた話者を対象に適用可
能な音声認識方式を提供することを目的としてなされた
ものである。

璽−一處 本発明の構成について、以下、実施例に基づいて説明す
る。

第３図は１本発明の一実施例を説明するための電気的ブ
ロック線図で、図中、１はマイク、２は特徴抽出部、３
はローカルピーク抽出（２値化）部、４はマツチング回
路、５はブロードパターン抽出（２値化）部、６は加重
平均辞書部、７は認識結果表示部で、まず、スイッチＳ
を辞書側にして、２“種のパターンの内、２値化された
ブロードパターンを辞書パターンとして用いることにし
て予め標準パターンを登録する。この場合、同一単語に
対して使用を予想される話者全員の音声の２値ＴＳＰの
ブロードパターンを線形伸縮等により時間軸の長さを揃
えて加算し、その結果のパターンを標準パターンとして
辞書に登録する。この場合Ｎ人の話者髪考えると、Ｎ個
の２値ブロードパターンを加算することになり、その結
果得られたパターンはＮ段階のレベルを有することにな
る。

この辞書パターンは話者が異なっても変動しにくい部分
は大きな値を持つのに対して話者毎に変動しやすい部分
は小さな値となり周波数方向に且つて重み付けされたパ
ターンとなる。この場合、入カバターンとしてはローカ
ルピークの軌跡である細線化パターンを用いるので１周
波数方向に幅を持って重みイ］けされた辞書パターンと
マツチングをおこなった場合、タイムスペクトルパター
ン上で話者変動に対してスペクトル変質が少ない部分で
は大きなマツチングスコアーが得られ、一方、話者変動
に対してスペクトル変動の大きな部分ではマツチングス
コアーは小さくなる。したがって。

本発明による方式に基づいて作成された辞書を用いると
、ｎ書作成に関与した複数人（数人〜数十人）の不特定
な話者に対して十分良好な認識率を得ることが出来る。

〔例１〕 入カバターン（ローカルピークの軌跡）とＮ％ＷＷ荷重
平均辞書のマツチング処理の際の類似度計算を次式によ
って行う方式。

但し、■−は類似度、Ｐｏは入力と辞書のパターンの交
叉ポイント総数、Ｐｄは辞書パターンの総ポイント数、
Ｐｉは入力、ＰＯ２は入力と辞書パターンの交叉回数。

〔例２〕 荷重平均辞書作成の方法として、Ｎ人の２値ブロードパ
ターンを加算する以外に１例えば、通常の振幅レベルを
持ったタイムスペクトルパターンをＮ大分加算した後、
適当な段階に複数のスレシホールドを設けて、適当な数
のＭ段階に量子化して辞書を作成する方式。

〔例３〕 ローカルピークの軌跡の代りに２値のブロードパターン
を用いて入カバターンと荷重辞書とのマツチングをおこ
なう方式。

〔例４〕 辞書パターンとして細線化パターン（ローカルピークの
軌跡）を複数人の話者に対して加算してＮ段階に重み付
けされた辞書パターンとし、入カバターンとしては２値
ブロードパターンを用いる方式。なお、この場合の辞書
パターンの一例を次に示すが、該パターン内の数字は荷
重値を示す。

０５００００３００１０３１２０１ ０５００００１００２０３１２０２ １４００００２０１３０１２２１４ １４００００１００３０２２２０５ ３２００００１０１３０１３２１５ ４１００００１０１３０１３２１５ ４１．００００１０１３００３２１５ ４１００００１０１３００２２１５ ４１１０００１０２３００１２２５ ３２１０００２０１３００１２２５ ３２００００１０１３００１２２５ ３２００００２０１３００１２２５ ３２００００３０１２０００３２５ ３２００００３０３ＬＯＯＯ１４５ ２２１０００３０３１０００１４５ １２２０００５０４’００００２３５ １１２０００３１２００００２２５ ０２３０００２１２２０００２３５ ００５０００４００００００２３５ ００５０００４００００００２３５ ００５００１３００００００２３５ ００５００２２００００００２２５ ００５００１３００００００２３５ ００４０００３００００００２１５ ００３００３１０１００００２２５ ００３００３１００００００２２５ ００３］、０３１００００００２１５ ００１　１０４１００００００２１５ ００１１０４１０１００００２０５ ００１１１３１０１００００２０５ ０００１　１　３１００００００２０５０００１１２１
０１０００１２０５ ０００００４１０００００１２１５ ００１００４１０００００１２１５ ００１１０３１０１０００１２１５ ｏ０１１０３１０１０００］２１５ ０００］、０３１０’３０００］　２１５００００１３
１０２０００１２１５ ０００１１２１０２０００１２１５ ０００１１．２１０２０００１２１５ ｏｏｏｏｘ４ｏｏ＋６ｏｏ１２２ｓ ０００１　１２１０２０００１２２５ ００００　１　３　１０２０００１　２２５〔例５〕 例４の場合において、入カバターンにローカルピーク軌
跡を表わす２値細線化パターンを用いる方式。

紘−一果 以上の説明から明らかなように１本発明によると、話者
がかわった場合に声道特性の個人的バラツキによって生
じるタイムスペクトルパターンの周波数方向の変動が荷
重辞書を用いることにより吸収でき、良好な認識率を得
ることができる。

【図面の簡単な説明】

第１図は、細線化パターンの一例を示す図、第２図は、
ブロードパターンの一例を示す図、第３図は、本発明の
実施に使用する電気的ブロック線図の一例を示す図であ
る。 ■・・マイク、２・・特徴抽出部、３・・・ローカル−
ピーク油出（２値化）部、４・・・マツチング回路、５
・・・ブロードパターン抽出（２値化）部、６・・・加
重平均辞書部、７・・・認識結果表示部。 第　１　図　第　２　＠ 第３図 つ

Claims (1)

1. 【特許請求の範囲】 周波数と時間を変数とする２次元平面上で表わせるタイ
   ムスペクトルパターンを基本として、辞書および入力の
   タイムスペクトルパターンをそれぞれ２倍またはそれ以
   上のレベルに分割した後。 これら２種の２次元パターンの重なり具合を用いて類似
   度を算出する単語音声認識方式において、辞書作成の際
   に複数人の話者のタイムスペクトルパターンを加算して
   得た重み付けされたパターンを辞書パターンとして用い
   ることを特徴とする不特定話者用音声認識方式。