JPS61180297A - 話者照合装置 - 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】 ［発明の技術分野］ 本発明は音声によって話者を識別する話者照合装置に関
する。

［発明の技術的背景］ 従来、音声によって話者を識別する話者照合装置として
第２図に示すようなものが知られている。

この装置では、音声はマイクロフォン１から入力され、
音声信号として音声分析部２に入る。音声分析部２°で
は、音声の特徴パラメータが計算され、その中で適当な
゛部分または全体から照合用サンプルパターンを作成す
る。一方、個人辞書部３にはあらかじめ登録されである
照合のための個人に対応するパターンが格納されており
、照合マツチング部４においぞ、上記サンプルパターン
と上記個人辞書部３内のパターンとの照合計算を行ない
、その結果により話者の照合判定を行なっていた。

［背景□技術の問題点］ しかるに、このような従来の装置では、サンプルパター
ンを一意的に決定するため、使用する単語や発声のし方
により得られるパターンのばらつきが大きく、このため
著しく不安定で、十分な照合率は得にくいという問題が
あった。

［発明の目的］ 本発明は上記事情に鑑みてなされたもので、その目的と
するところは、使用する単語の種類や発声のし方などの
外部変動要因の影響を受けずに、常に安定して充分に高
い照合率が得られる話者照合装置を提供することにある
。

［発明の概要］ 本発明は上記目的を達成するために、発声された単語、
音素、文書などの内容を認識し、発声内容に対応するあ
らかじめ指定された照合用音韻切出位置情報により複数
の音韻を切出して照合を行なうように構成したものであ
る。

［発明の実施例］ 以下、本発明の一実施例について図面を参照して説明す
る。

第１図において、１１は音声を入力するためのマイクロ
フォンであり、このマイクロフォン１１から出力される
音声信号は音声分析部１２に入力される。音声分析部１
２では、入力される音声信号からその特徴パラメータを
抽出する。これは、入力される音声信号に対しディジタ
ル・バンドパス・フィルタ・バンクによる処理や、ディ
ジタル・フーリエ変換処理、線形予測分析、ケプストラ
ム分析などを施すことにより、入力音声の特徴パラメー
タの時系列を求めるものである。これらの特徴パラメー
タは、音声分析部１２内の特徴パラメータメモリ（図示
しない）に一時的に格納され、音声認識部１３および照
合音韻決定部１４へ送られる。音声認識部１３では、こ
の特徴パラメータを用いて入力された音声の認識処理を
行なう。すなわち、あらかじめ登録される単語辞書との
類似度を、たとえば複合類似度法や動的計画法などを用
いることにより計綽し、最も類似度の高いカテゴリを認
識結果として照合音韻決定部１４へ出力する。

照合音韻決定部１４では、音声認識部１３から出力され
た認識結果により、前記特徴パラメータメモリに格納さ
れた特徴パラメータの時系列の中から複数の特徴パラメ
ータを抽出する。すなわち、認識された単語中で話者照
合に適していると思われる音韻をあらかじめ設定してお
き、たとえば音韻切出しテーブルなどのメモリに格納し
ておくことにより、特徴パラメータ系列中の対応する時
点の特徴パラメータを照合用音韻情報として出力する。

この方法を第２図を用いて更に詳しく説明する。音声認
識部１３では、認識処理と同時に音声の始端と終端を求
める。照合音韻決定部１４では、音声認識部１３で求め
られた始端および終端から、たとえば等間隔に１０〜２
０点をリサンプルする。

そして、認識結果から対応するカテゴリについてあらか
じめ設定されであるリサンプル点を照合用音韻情報とし
て出力する。第２図では、たとえば−単語を１６点にリ
サンプルし、認識結果が「イチ」であったので、その音
韻切出しテーブルを参照すると３／１６と９／１６であ
った。結果としてはリサンプルした第３番目と第９番目
の特徴パラメータを出力する。他にこの方法は、たとえ
ば動的計画法において、標準パターンに照合用音韻情報
として印を付けておき、マツチングの時に入カバターン
中の照合用音韻情報とマツチングしたフレームを出力す
るようにしてもよい。また、出力する照合用音韻情報は
一時間点に限る必要がなく、複数フレームをまとめて一
音韻情報として扱ってもよい。要は、照合用音韻情報を
単語に応じてあらかじめ用意しておき、それに対する音
韻情報を入カバターンから複数個切出して出力すればよ
い。

しかして、音韻照合部１５では、照合音韻決定部１４か
ら出力される複数の特徴パラメータを、音韻辞書部１６
にあらかじめ登録しである音声を入力した使用者に対応
する音韻情報とそれぞれ照合計算し、その照合結果を照
合判定部１７へ送る。

照合判定部１７では、音韻照合部１５で得られた各音韻
に対する照合結果を総合的に判断することにより、音声
を入力した話者の照合を判定し、その照合結果を出力す
る。

このように構成することにより、発声された単語ごとに
複数の照合用音韻情報を抽出し、それぞれについて照合
計算を行ない、それらについて総合的に判断することに
より、詳しい照合が行なえ、常に安定した高い照合率が
得られるものである。

なお、前記実施例において、照合に使用する音声は単語
に限らず、音素レベルの認識を行なうことでも可能であ
るのは言うまでもない。

［発明の効果］ 以上詳述したように本発明によれば、使用する単語の種
類や発声のし方などの外部変動要因の影響を受けずに、
常に安定して充分に高い照合率が得られる話者照合装置
を提供できる。

【図面の簡単な説明】

第１図は本発明の一実施例を示すブロック図、第２図は
同実施例おける照合音韻決定部を説明するための図、第
３図は従来の話者照合装置を示すブロック図である。 １１・・・・・・マイクロフォン、１２・・・・・・音
声分析部、１３・・・・・・音声認識部、１４・・・・
・・照合音韻決定部、１５・・・・・・音韻照合部、１
６・・・・・・音韻辞書部、　　　　　　１７・・・・
・・照合判定部。 出願人代理人　　弁理士　鈴　江　武　彦Ａ１／１ 提脅、桔呆

Claims (2)

【特許請求の範囲】
1. （１）入力される音声信号からその特徴パラメータを抽
   出する音声分析手段と、この音声分析手段で抽出された
   特徴パラメータを用いて入力された音声の内容を認識す
   る音声認識手段と、この音声認識手段の認識結果により
   前記音声分析手段で抽出された特徴パラメータの中から
   複数の特徴パラメータを決定し照合用音韻情報として出
   力する音韻決定手段と、あらかじめ登録される個人に対
   応した音韻情報を格納する音韻辞書部と、この音韻辞書
   部内の音韻情報と前記音韻決定手段から出力される複数
   の音韻情報とをそれぞれ照合する音韻照合手段と、この
   音韻照合手段で得られた個々の音韻に対する照合結果を
   総合的に判断して音声を入力した話者の照合を判定する
   照合判定手段とを具備したことを特徴とする話者照合装
   置。
2. （２）前記入力される音声信号はマイクロフォンから出
   力される音声信号である特許請求の範囲第１項記載の話
   者照合装置。