JPS61236598A

JPS61236598A - 単語音声登録方式

Info

Publication number: JPS61236598A
Application number: JP60078047A
Authority: JP
Inventors: 沢井　秀文
Original assignee: Ricoh Co Ltd
Current assignee: Ricoh Co Ltd
Priority date: 1985-04-12
Filing date: 1985-04-12
Publication date: 1986-10-21

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】仮土分■ 本発明は、音声認識装置の標準パターン登録方式に関す
るものであり、音韻または音節の連結で単語音声を合成
する音声の規則合成方式に応用可能なものである。

従来技血音声認識装置における単語音声を登録する場合、語数の
増加に伴って発声者の負担が大きくなったり、認識処理
量やメモリー量が増加したり、認識率の低下等を招くた
め、単語より小さい音韻や音節単位を標準パターンとし
て登録したり、これを認識単位に用いる研究が進んでい
る。しかし、音韻や音節単位の連結で単語音声を合成す
る場合には、調音結合を考慮して連結することが難しい
点や、連結部分での不整合等により不自然な合成パター
ンとなり、質の良いパターンを作成することが困難であ
るという欠点があった。

皿本発明は、上述のごとき実情に鑑みてなされたもので、
特に、音韻または音節等の連結で単語音声を合成する単
語音声登録方式において、連結パターンが自然に発声さ
れた単語音声パターンに類似するような高品質の合成パ
ターンを提供することを目的とするものである。

１底本発明は、上記目的を達成するため、音韻又は音節の連
結で単語音声を合成する単語音声認識の合成装置におい
て、音韻又は音節連結部での一定フレーム内で、パワー
パターンの形状が最も類似するように連結して単語を合
成した後、予め他人の発声した同一名称の単語パターン
の時間構造に類似するように動的計画法（ＤＰマツチン
グ）により連結パターンを時間伸縮して自然な発声に近
いパターンを得ることを特徴としたものである。

以下、本発明の実施例に基づいて説明する。

第１図は、本発明の一実施例を説明するためのシステム
ブロック図で、図中、１は単語音声入力部、２は特徴量
変換部、３は音韻（音節）セグメント抽出部、４は音韻
（音節）分類部、５は音韻（音節）辞書登録部、６は単
語の音ｆＩＪＩ（音節）構成テーブル格納部、７は連結
単語合成部、８は単語標準パターン登録部である。

まず、単語音声入力部１で入力された単語音声は、特徴
量変換部２で特徴分析され、パワースペクトラムや、Ｌ
ＰＧ係数、ＬＰＣケプストラム係数等の特徴量に変換さ
れる。音韻（音節）セグメント抽出部３で単語音声中か
ら視察ないしは自動的なセグメンテーション法により音
ｆｉｔ（音節）の境界が決定され、各音韻（音節）がセ
グメントとして抽出される。これらのセグメントを各種
類別に、音Ｉ１Ｍ（音節）辞書登録部５に音韻（音節）
辞書として登録する。したがって、単語音声入力部１で
入力する単語音声は全ての種類の音韻（音節）を含んだ
複数の単語音声である必要がある。

次に、音韻（音節）辞書登録部５で登録済みの音韻（音
節）セグメントの連結で任意の単語を合成するが、予め
作成したい単語のリストは単語の音１１！（音節）構成
テーブル格納部６の単語の音韻（音節）構成テーブルで
表現しておく。このテーブルに従って連結単語合成部７
で音韻（音節）連結辞書を合成する。合成辞書は後述す
る種々のパターン改良を加えた後に単語標準パターン登
録部８で登録された単語標準パターンとして格納される
。

第２図は、第１図で説明した音韻（音節）のセグメンテ
ーション及び単語の合成・登録の具体例を説明するため
の図であり、第２図の特徴量変換部２の２種の発声用単
語「山水画」と「絵葉書」から、１０種の音韻（音節）
　＊ＳＡ、　　＊Ｓｕ。

ｕ＊Ｉ、ＩＧＡ、ＡＩ、＊Ｅ、ＥＨＡ、ＡＧＡ。

ＡＫｌ、ＴＩを音韻（音節）セグメント抽出部３にてセ
グメンテーションにして抽出し、アルファベットや５０
音等の順序で、音韻（音節）分類部４で分類する。音韻
（音節）分類部４の分類から未登録の音韻　（音節）の
みを選択し音韻（音節）辞書登録部５に登録する。単語
構成テーブル６には例えば「札幌」や「佐賀」等の都市
名とそれらの音韻（音節）構成テーブルが格納されてお
り、今「佐賀」なる単語を連結単語合成部７で１１ＩＳ
Ａ。

ＡＧＡ、ＡＩなる音ｔｉｌｌ（音節）から合成すること
ができる。このようにして３種の音韻（音節）パターン
の連結で単語標準パターンｒ＊５ＡＧＡ＊Ｊが単語標準
パターン登録部８で合成できる。

しかしながら、音韻（音節）を単に連結した場合には、
連結部でのパターンのギャップによる不整合や、連結単
語内での音韻（音節）位置が通常の発声単語に比べて時
間構造の異なりが生じるため、自然なパターンとはなら
ない欠点が生じる。

そこで、以下には、これらの欠点を解消し、高品質で自
然な単語パターンを合成する方法について述べる。

第３図は、自然な単語パターンを作成するための音韻（
音節）連結法を説明するための図であり、（ａ）図に示
すように各音韻（音節）の連結部（斜線部）で一定長の
フレーム（通常３〜７フレーム）を重ね合わせて平均を
とり、連結部をスムースに連絡する。また（ｂ）図では
連結部（斜線部）で台形で表わされる関数で重み付けし
て重ね合わせ、（ａ）図の場合と同様にスムースに連絡
できる。また、（ｃ）図では連結部（斜線部）をずらし
ながら各フレーム毎に相互相関係数を計算し、この係数
が極大となるように重ね合わせて平均化している。

第４図は、第３図で説明した方法によって作成した連結
パターンの時間的な伸縮法を説明するための図で、（ａ
）図において、基準パターンは、他人が単語単位で自然
に発声したパターンを用い、連結パターンとのＤＰマツ
チングを行って、連結パターンの時間伸縮を行う、この
結果、ＤＰパスＡが決定されるが、基準パターンの時間
構造に類似させるように、ＤＰパスに従って連結パター
ンを伸縮させて新たに登録する。（ｂ）図は、伸縮後の
連結パターンを示す。

第５図は、第４図の基準パターンの作成法を説明するた
めの図で、連結パターンの発声者とは異なる話者の発声
パターンを第５図のようにＭ人（通常、数人程度でよい
）分用窓する。すなわち、第５図において、ａは話者ｌ
のパターン、ｍは話者ｍのパターン、Ｍは話者Ｍのパタ
ーンであり、これらＭ個のパターンを第４図に示した方
法と同様の方法で、ＤＰマツチングを行って重ね合わせ
て平均パターンを作成すると、話者Ｍ人の平均パターン
２ができる。

また、第６図は、連結パターン作成法の他の方法を説明
するための図であり、図中、ａは話者１のパターン、ｍ
は話者ｍのパターン、Ｍは話者Ｍのパターン、ａｌは話
者ａのＤＰパス、ｍｌは話者ｍのＤＰババスＭｌは話者
ＭのＤＰパスで、各話者毎の基準パターンに従って連結
パターンをＤＰマツチングにより伸縮する。すると、話
者毎に連結パターンの伸縮状態がａＺ・・・ｍｚ・・・
Ｍ２にて示すようになり、これらは当然異なるが、これ
らＭ個の伸縮パターンを第５図で述べた基準パターンの
平均パターン作成法と全く同様にして、再び伸縮し、平
均パターンＺを作成することもできる。

以上、第３図〜第６図でのパターンの平均化、マツチン
グ等の際に用いるパターン形状としては各音声パターン
のパワー形状を用いても良いし、特徴パラメータを用い
てもよい。また、両者を併用することも勿論可能である
。

また、第１図あるいは第２図の音韻（音節）セグメント
抽出部３で音韻（音節）を抽出する際に、通常セグメン
ト位置の不確定が生じるが、これは特に母音部や２重母
音部で著しいので、連結部で母音部が重なる際には、時
間構造が不自然になり易い。したがって、この欠点を除
く為には、音韻（音節）中の母音部の継続フレーム長を
一定値ないしはある範囲（例えば３〜１０フレーム）内
に制限することにより、連結パターンをより自然な発声
パターンに近づけることもできる。

班果以上の説明から明らかなように、本発明によると、音韻
（音節）連結パターンの連結部が滑らかに結合され、且
つ単語全体としても音韻の時間構造を自然に発声された
単語パターンに類似させることが可能となるので、高品
質な単語標準パターンを合成することができる。

【図面の簡単な説明】

第１図は、本発明の一実施例を説明するためのシステム
ブロック図、第２図は、第１図に示した音韻のセグメン
テーション及び単語の合成、登録の具体例を示す図、第
３図は、音韻連結法を説明するための図、第４図は、連
結パターンの時間的な伸縮法を説明するための図、第５
図は、基準パターンの作成法を説明するための図、第６
図は、連結パターン作成法の他の例を説明するための図
である。１・・・単語音声入力部、２・・・特徴量変換部、３・
・・音韻（音節）セグメント抽出部、４・・・音ＩＩＭ
（音節）分類部、５・・・音８（音節）辞書登録部、６
・・・単語の音韻（音節）構成テーブル格納部、７・・
・連結単語合成部、８・・・単語標準パターン登録部。第　１　図第　３　図（Ｃ）第４ｒ：ＩＪ（Ｇ）　　　　　　　　　　　　　　　　（ｂ）蟇卆パ
ターン菓　５　図＊Ｓ　　Ａ　Ｇ　　静第６国

Claims

【特許請求の範囲】

（１）、音韻又は音節の連結で単語音声を合成する単語
音声認識の合成装置において、音韻又は音節連結部での
一定フレーム内で、パワーパターンの形状が最も類似す
るように連結して単語を合成した後、予め他人の発声し
た同一名称の単語パターンの時間構造に類似するように
動的計画法（ＤＰマッチング）により連結パターンを時
間伸縮して自然な発声に近いパターンを得ることを特徴
とする単語音声登録方式。
（２）、音韻又は音節のパワーパターンの形状の代わり
に、特徴パラメータの値をパターンマッチングの際に用
いることを特徴とする特許請求の範囲第（１）項に記載
の単語音声登録方式。
（３）、基準パターンとして、複数の話者の単語パター
ンをＤＰマッチングによつて時間伸縮して平均化して作
成することを特徴とする特許請求の範囲第（１）項又は
第（２）項に記載の単語音声登録方式。
（４）、基準パターンとして、複数の話者の単語パター
ン毎に連結パターンを伸縮し、これら話者毎に伸縮され
た連結パターンを、ＤＰマッチングによつて再び時間伸
縮した後に平均化して作成することを特徴とする特許請
求の範囲第（１）項又は第（２）項に記載の単語音声登
録方式。
（５）、音韻又は音節セグメント内の母音部の継続フレ
ーム長を一定値あるいは一定範囲内に固定して連結パタ
ーンを作成することを特徴とする特許請求の範囲第（１
）項又は第（２）項に記載の単語音声登録方式。