JPS61137200A - 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】 〔発明の利用分野〕 本発明は音声認識方式に係り、特に認識性能をあげるの
に好適な音声認識方式に関する。

〔発明の背景〕

従来の音声認識装置は一般に入力音声と標準音声との単
純なバタンマツチング（照合）の結果、照合度が最も良
い（あるいは距離が最も小さい）標準音声を認識結果と
する方式がとられていた。

しかし、従来の単純なバタンマツチング方式では、第１
図（同一内容音声／ｉ／の発声の違いによるスペクトラ
ムバタンの変動）で示されるように同一内容音声でもバ
タン間に差が生じるという問題があった。これは主とし
て、発声レベルとスペクトルの傾きが発声ごとに変動す
ることに起因している。

〔発明の目的〕

本発明の目的は、上記従来の音声認識装置の欠点を改良
し、認識性能を向上する音声認識方式を提供することに
ある。

〔発明の概要〕

上記目的を達成するために、本発明では音声（特に母音
）を特徴づけているホルマント（優勢な周波数成分、低
い方から第１ホルマン）（Ｆ＋）、第２ホルマント（Ｆ
２）、・・・・・・と言う。第１図参照）情報を使い、
入力音声と標準音声とのホルマントの合致度から照合度
（距離）を補正し、認識性能をあげることに第１の特徴
があり、さらに連続音声中の子音認識性能の向上をはか
るためにホルマント遷移情報を使うことに第２の特徴が
ある。

〔発明の実施例〕

以下、本発明の原理を詳細に説明する。

第１図に示されるように、同一内容音声でも発声レベル
とスペクトルの傾きが発声ごとに変動する結果、同一内
容音声バタン間に差が生じることはすでに述べた。しか
し、ホルマント周波数の値（ピークの位置）の変動は少
々く、かつ５母音のスペクトルバタンを表わす第２図か
ら、ホルマント周波数は５母音ごとに異なることがわか
る。以上から音声ごとに特有の値を持ち、かつ変動の少
々いホルマント情報を検出し、伺らかの形で認識処理の
中に組み入れられれば、認識性能の向上と安定化がはか
れると考えられる。しかし、一方ではホルマント周波数
を安定に抽出することの難しさから、ホルマント周波数
情報を単独では便えＡいことが柚々の実験から判明して
いる。従って本発明では、従来の単純なバタンマツチン
グ方式の中に、照合値（距離値）の補正あるいは対判定
という形で組み入れ、認識性能の向上と安定化をはかつ
ている。具体的表処理は、入力音声と標準音声とのホル
マント周波数（帯域通過フィルタではピークを与えるチ
ャネル）との合致度をカウントして、入力音声と標準音
声との照合度や認識結果を補正する。この結果、発声レ
ベルやスペクトルの傾きに変動があっても、バタン差の
補正がなされる。

次に、第３図は子音の調音形態（調音位置と調音方法１
文献；斎藤、中国共著［音声情報処理の基礎ｊｐ、ｐ３
８〜３９．オーム社参照）と周波数スペクトルの対応を
示すものである。この図から、調音方法による差は第１
ホルマントの時間変動特性に、また調音位置による差は
主に第２ホルマントの時間変動特性に反映していること
がわかる。これらの子音の変動特性（正確には調音結合
による子音と母音間の渡υ部の特性）は、後続する母音
が変わると、その影響を受けて変化するが、子音と母音
の組み合わせで決まる特異なホルマント遷移（渡り）を
呈する（この特徴は連続音声中での母音と子音の渡り部
にも表われる）。従って、本発明の第２の特徴は、連続
音声中の子音認識性能の向上と安定化をはかるだめに、
ホルマント周波数の遷移状態の情報を使うことにちる。

次に本発明の具体的実施例を詳細に説明する。

第４図は本発明を用いた音声認識装置の一実施例を構成
を示すブロック図である。入力音声１は低域ν波器（Ｌ
ＰＦ）、アナログ−ディジタル変換器（ＡＤＣ）２で折
り返し雑音を除去されながらアナログ値からディジタル
値にサンプリングされる。その後、音声分析部３にて入
力音声が分析され、認識に必要な特徴パラメータが求め
られる。

認識に必要な特徴パラメータとしては、例えば帯域フィ
ルタ（ＢＰＦ）バンク値や線形予測分析の結果書られる
各櫨パラメータなどが考えられる。

本発明では前者の帯域フィルタバンク値を一実施例とし
て用いている。その後ホルマント合致度算出部４にて、
入力音声のホルマント情報やホルマント遷移情報とが検
出され、標準音牢記ｌ型部５に格納されている標準音声
のホルマント情報との合致度が入力音声と標準音声との
時間対応で算出される。従ってホルマント合致度算出部
４は、ホルマント検出部４１、ホルマンｌ移探索部４２
および合致度計算部４３とから構成される。その後距離
部計算部６にて、標準音声記憶部５から読み込まれた標
準音声の特徴との距離がホルマント合致度算出部４で求
められた合致度を考慮した形で求められる。次に、照合
部７にて入力音声と標準音声との時間構造を含めた総距
離（照合）値が計算され、判定部８にて入力音声がどの
標準音声に最も似ているかの判定がなされ、認識結果９
を出力する。距離計算部６は簡単な加・減算器のみでも
構成され、照合部７は例えば連続ＮＬ（ＮＯｎ−：［，
１ｎｅａｒ　）マツチング法（公知例；連続ＤＰ法、特
開昭５５−２２０５号公報の改良）による回路で構成さ
れる。判定部８は単純な大小比較器で構成しうる。本発
明はホルマント検出部４１、ホルマント遷移探索部４２
、合致度計算部４３とから成るホルマント合致度算出部
４に関するものであり、ホルマント検出部、ホルマント
遷移探索部は減算器と大小比較器などで構成され、合致
度計算部は乗算器と加算器で構成される。

第５図は、ホルマント合致度算出部４でおこなわれる本
発明の処理フローの一実施例を示している。帯域通過フ
ィルタ（ＢＰＦ　）分析の結果得られた音声バタンｘ（
ｉ、ｊ）、ｉチャネル、ｊフレームを入力として、まず
ホルマントピークの検出が行なわれる。具体的には両隣
りのチャネルとのＢＰＦ出力差がどちらも閾値よシも大
きい時をピークと判定することなどが考えられる。この
結果、０／１で表わされたホルマントピーク情報ＰＥＡ
Ｋ（（ｉ、　ｊ）が得られる。次に、ホルマント遷移探
索が行なわれ、第５図に示す処理からホルマント遷移情
報ＴＲＮ５ｘ（＋、Ｊ）　　が得られる。

最後に、標準音声のホルマント遷移情報ＴＲＮ５ｇ　（
ｊ　、　ｊ　）　との合致度Ｍ　ｊ　ｘ　ｊ　ｓが次の
ように求まる。

Ｍ　ｊ　ｘ　ｊ　ｓ−ΣＴＲＮＳｘ　（ｉ、　ｊｘ）　
ＸＴＲ，ＮＳｓ　（ｔ、　ｊ　ｓ）ｊｘ＋ｊｓ；入力お
よび標準音声のフレームＮ　　　、ＢＰＦ総チャネル数 認識処理の中には、１例として次のような重み係数の形
で入力音声と標準音声の距離ｄｊｘｊｓを補正する。

ｄｊｘｊｓ＝　（１−０，２Ｍｊｘ　ｊｓ）ｄｊｘｊｓ
〔発明の効果〕 第６図は従来の方式と本発明の方式による連続音声の子
音認識結果を示すものであり、第０位内までの複数候補
を許した場合の認識率を表わしている。この結果、本発
明の方式による場合約４％゛（第１位内で）の認識率向
上がはかれた。特に、２重母音への湧き出しや破裂音ｔ
、ｂ、弾音ｒの認識改善がはかれた。

以上のように、本発明によれば、発声レベルやスペクト
ルの傾きの変動による同一内容音声のバタン差を補正し
、かつ連続音声中での子音と母音の組み合せで決まる特
異な渡シ部の特性を使うことができるので、認識性能の
向上をはかる効果がある。

【図面の簡単な説明】

第１図は発話により同一内容音声／ｉ／のスペクトルバ
タンか変動することを示す図、第２図は５母のホルマン
ト周波数が異なることを示す図、第３図は調音形態によ
って子音と母音のホルマントの時間変動を示す図、第４
図は本発明を組み入れた音声認識装置の一実施例を示す
ブロック図、第５図は本発明の処理フローの一実施例を
示す図、第６図は本発明の効果を示す認識実験結果を表
わす図である。 ４・・・ホルマント合致度算出部、４１・・・ホルマン
ト検出部、４２・・・ホルマント遷移探索部、４３・・
・合第　　１　　図 周　　リ、皮　　数　　　ζＫＨ１） ￥Ｊ　　２　　図 ／Ｚ３ｄ

Claims (1)

1. 【特許請求の範囲】 １、入力音声のホルマント（音声を特徴づける優勢な周
   波数成分）情報を検出する第１の手段と前もつて検出さ
   れ標準音声記憶部に格納されている標準音声のホルマン
   ト情報との合致度を算出する第２の手段と、その合致度
   をもとに入力音声と標準音声との照合度あるいは認識結
   果を補正する第３の手段とを有することを特徴とする音
   声認識方式。 ２、前記特許請求の範囲第１項記載の音声認識装置にお
   いて、上記第３の手段は入力音声と標準音声とのホルマ
   ント情報の合致度をホルマントの遷移状態の似具合いに
   重きを置いたことを特徴とする音声認識方式。 ３、前記特許請求の範囲第１項記載の音声認識装置にお
   いて、入力音声の分析手段を帯域通過フィルタとし、ホ
   ルマント情報を帯域通過フィルタ出力の周波数方向での
   ピーク情報としたことを特徴とする第１項または第２項
   記載の音声認識方式。