JPS61107399A - 音声認識装置 - 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】 Ｅ発明の技術分野］ 本発明は、電話回線を利用した音声認識応答システムに
使用される音声認識装置に関する。

［発明の技術的背景とその問題点〕 近年、電話回線を通じてユーザから入力された音声を認
識し、この認識結果に応じて所定の内容の音声応答を行
なうシステムが開発されている。

このような音声認識応答システムでは、最初に発声者に
対して発声を促すための勧誘音を発生し、この後に発声
者から入力された音声を認識するように構成されている
。

ところで、システム側からの勧誘音が鳴り終わる以前に
、音声を発声する発声者が多数見られる。

このため、勧誘音と発声者の音声の両方が、同時にシス
テムに入力されることになる。この場合、発声された音
声が勧誘音より短時間であると、システムには音声入力
がされない状態と同様になり、リジェクト処理が行われ
る。また、発声された音声が勧誘音より長時間であると
、勧誘音が鳴り終わった後の音声部分だけが認識処理さ
れて、結果的に発声者の音声が誤認識されることになる
。即ち、従来のシステムでは、発声者が勧誘音の発生後
に発声されない場合、音響分析処理が不完全となること
があり、このためシステムの処理効率が著しく低下する
問題があった。

［発明の目的］ 本発明の目的は、音声認識応答システムにおいて、発声
者が肋誘音の鳴り終わる以前に発声した場合でも、発声
者の音声を確実に認識することができ、システム全体の
処理効率を大幅に向上できる音声認識装置を提供するこ
とにある。

［発明の概要］ 本発明は、発声者の発声した音声及び勧誘音の両方を同
時に取込み、勧誘音を除去した音声のみを認識する音声
！ｉｌｌ！識手段を偏手段いる。この音声認識手段は、
予め勧誘音のスペクトル情報を記憶・しており、入力し
た音声及び勧誘音からなる音声信号のスペクトルから上
記勧誘音のスペクトルを除去する手段を備えている。音
声認識手段は勧誘音が除去された音声信号に対する認識
処理を行なう。

このような音声認識手段により、勧誘音が鳴り終わる以
前に発声された音声を確実に認識することができる。こ
のため、音声認識応答システムの音声認識応答処理の効
率を高めることが可能となる。

［発明の実施例］ 以下図面を参照して本発明の一実施例を説明する。第１
図は一実施例に係わる音声認識応答システムの構成を示
すブロック図である。第１図において、回線制御装置１
０は、電話回線系と音声認識応答システム間の入出力制
御を行なう。電話回線系は、電話機１１．電話回線１２
及び電話交換Ｒ１３からなる。システム側の音声認識装
［１４は、音響分析装置１５．スペクトル情報減算装置
（以下単に減算装置１）１６．音声区間装置１７及び識
別装置１８を備えている。音響分析装置１５は、回線制
御装置１０から出力される音声をデジタル信号に変換し
、音響分析処理（音声パラメータ系列に変換するなどの
処理）を行なう。減算装置１６は、音響分析袋［１５か
ら出力される音声信号のスペクトル情報から勧誘音のス
ペクトル情報を減算する減算処理を行なう。勧誘音のス
ペクトル情報は、予めレジスタ１９′に格納されている
。音声区間装置ｆ１７は、減算装置１Ｇから出力される
音声信号の始端及び終端を検出する。識別装置１８は、
音声区間装置１７で検出された区間の音声信号に対して
、辞書メモリ２０に予め記憶されている標準パターンと
のマツチング処理を実行して認識処理を行なう。

システム制御装置２１は、通常ではホストコンピュータ
からなり、識別装置１８から認識結果Ａを受信すると、
予め決定された応答処理を実行して応答データＢを音声
応答装置１２２に出力する。またシステム制御装置２１
は、システム全体の動作を制御し、発声者から音声を受
信する際に発声を促すための制御信号Ｃを勧誘音発生装
置２３に出力する。

音声応答装＠２２は、システム制御装置２１から出力さ
れた応答データＢに応じた音声応答信号Ｒを回線制御装
置１０に出力する。勧誘音発生装置２３は、システム制
御装置２１の制御信号Ｃに応じて、勧誘音信号Ｉを回線
料ｍ装置１０に出力する。

このような構成の音声認識応答システムにおいて、同実
施例の動作を説明する。先ず、ユーザが電話機１１を操
作して、電話回線系とシステムとが回線制御装置１０を
通じて接続されたとする。システム制御表［２１は、発
声者に対して発声を促すためのメツセージを発生するよ
うに音声応答装置２２の動作を制御する。音声応答装置
２２は、例えば「サービスコードをどうぞ」のような音
声信号を回線制御袋［１０に出力する。これにより、回
線制御袋＠１０を通じて、上記のような最初のメツセー
ジが電話回線１２を介してユーザに伝達される。この後
、システム制御装置２１の制御により、回線制御袋ｊｉ
ｉ１０は音声認識装置１４と電話回線系を接続させる。

そして、システム制御ｌ装置２１が制御信号Ｃを出力す
ることにより、勧誘音発生装置２３から勧誘音信号Ｉが
回線制御１１装置１０へ出力される。

ここで、ユーザである発声者が、勧誘音信号Ｉが鳴り終
わる以前に音声を発声したとする。この結果、音声認識
装置１４の音響分析装置１５には、回線料ｍ装置１０を
通じて発声者からの音声及び勧誘音信号Ｉが混在した状
態で入力される。音響分析装置１５は、入力された音声
に対して音響分析処理を実行し、デジタル信号である音
声信号を出力する。この音声信号は、第２図（ａ）に示
すように、勧誘音信号■と発声者の音声の各スペクトル
が混在した信号である。このような音声信号は、減算装
ｊｉ１１６に出力される。減算装置１６では、予めレジ
スタ１９に記憶された勧誘音信号Ｉのスペクトル情報（
第２図（ｂ）を参照）を使用して、音響分析装置１５か
ら出力される音声信号のスペクトル情報から勧誘音信号
Ｉの°スペクトル情報が減算される。

これにより、同図（Ｃ）に示すように、勧誘音信号Ｉの
スペクトルを除去したスペクトルの音声信号Ｓが、減算
装置１６から出力される。音声区間装置１７は、減算装
置１６から出力される音声信号Ｓの始端及び終端を検出
する。識別装置１８は、音声区間装置１７で検出された
区間（始端から終端）の音声信号Ｓに対する認識処理を
行なう。この認識処理では、辞書メモリ２０に予め記憶
された標準パターンとのマツチング処理がなされて、最
大類似度ｉ　　　　を示す認識結果Ａがシステム制御装
置２１に出力される。

システム制御装置２７では、認識結果Ａに応じた応答処
理を実行して、所定の応答データＢを音声応答装置２２
に出力する。音声応答装置２２は、応答データ８に応じ
て、例えば銀行の預金残高照会のメツセージである音声
応答信号Ｒを回線制御ｌＩｌ装置１０に出力する。

このようにして、勧誘音信号が発生する以前に音声！８
１！識装置の音声入力動作を開始し、発声者から発声さ
れた音声及び勧誘音信号の両方を同時に入力させる。音
声Ｗ＆識装置では、勧誘音信号を除去した発声者からの
音声に対してのみ、音声認識処理が実行される。このた
め、発声者が勧誘音信号の鳴り終わる以前に発声した場
合でも、発声された音声を確実に認識処理することがで
き、音声の認識率を大幅に高めることができる。

［発明の効果］ 以上詳述したように本発明によれば、音声認識応答シス
テムにおいて、発声者が勧誘音の鳴り終わる以前に発声
した場合でも、発声者の音声を確実に認識することがで
きる。したがつ゛て、発声者の発声動作の影響により、
音声！Ｉｌｉ動作におけるリジェクトまたは誤認識を大
幅に減少することができる。このため、結果的にシステ
ム全体の処理効率を大幅に向上できるものである。

【図面の簡単な説明】

第１図は本発明の一実施例に係わる音声！！！識応答シ
ステムの構成を示すブロック図、第２図（ａ）〜（Ｃ）
はそれぞれ同実施例の動作を説明するための波形図であ
る。 １０・・・回線制御装置、１５・・・音響分析装置、１
６・・・減算装置、１７・・・音声区間装置、１８・・
・識別装置、１９・・・レジスタ、２０・・・辞書メモ
リ、２１・・・システム制御装置、２２・・・音声応答
装置、２３・・・勧誘音発生装置。

Claims (1)

【特許請求の範囲】
1. 電話回線を通じて音声入力を行なう発声者に対して勧誘
   音を出力する勧誘音発生手段と、この勧誘音発生手段か
   ら出力された勧誘音及び上記発声者が発声した音声を同
   時に取込み音響分析処理を行なう音響分析手段と、予め
   記憶した上記勧誘音に対応するスペクトル情報を使用し
   て上記音響分析手段から出力される音声信号から上記勧
   誘音信号を除去するスペクトル情報減算手段と、このス
   ペクトル情報減算手段から出力される音声信号に対して
   音声認識処理を行なう音声認識手段とを具備してなるこ
   とを特徴とする音声認識装置。