JPS61281298A - 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】 （イ）産業上の利用分野 本発明は音声認識装置に関し、特に連続的に入力さｔま
た音声を認識する事のできる音声認識装置に関する。

（ロ）　従来の技術 近年、音声認識技術に関する研究が活発になっておシ、
１９８２年１月２８日発行の日経エレクトロニクスの記
事「文章や大語集を対象とした音声認識の研究が活発化
」Ｋ示されているように、各種の音声認識装置が開発さ
れ、実用化されつつある。

第５図に一般的な音声認識技術の構成を示す。

同図の音声認識装置は、マイクロフォン（１）、音声分
析部（２＋、バラメータバッファ（３）、パターン作成
部（４）、パターンバッファ（５）、及びパターン認識
部（胆とからなり、マイクロフォン（１）から得られる
例えば基本単位としての単音節毎の音声信号を音声分析
部（２）にて分析し゛て例えば周波数スペクトル値の如
き特徴パラメータ時系列を得て、パラメータバッフ１（
３）に貯える。この１単位を構成する例えば１００サン
プル程度の特徴パラメータ時系列をパターン作成部（４
）にて特定数例えば１６サンプルに正規化する事に依シ
、入力音声パターンを得てバルーンバラ７ｙ（５）に貯
える。そしてこの場合、パターン認識部ωの参照パター
ンメモリ曽には標準的な各単音節の参照パターンが格納
されておフ、該パターン認識部ｍの比較処理部のυはこ
れ等各参照パターンと上記パターンバッフ１（５）の入
力音声パターンとを比較し、最も誤差の小さい即ち類似
度の高い参照パターンを見い出す事に依シこの時の入力
音声を認識するのである。

この様に、音声認識装置に於いては、音声分析部（２）
での分析処理、パターン作成部（４）での正規化処理、
パターン認識部■でのパターン認識処理に大別され、従
来の斯る装置では、第６図の処理過程図に示す如く′、
例えば、「あ」　「さ」「ひ」なる単音節列を音声認識
させる場合、先ず「あ」の入力に対しての分析処理、無
音検出による入力終了検知、正規化処理、パターン認識
処理、及び認識結果の出力が順次完了した後に、次の「
さ」の入力に対応でき、又、この「さ」の処理が順次完
了した後に、「ひ」の入力に対応できる事となる。

而して、上述の各処理の内、パターン認識部間でのパタ
ーン認識処理としては、認識率の向上の為に通常ダイナ
ミックプロゲラ嵩ミング（一般にＤｒと称す）の手法を
用いたパターンマツチングが行なわれるので、この処理
演算量が大きくなシ、この為の処理時間も長くなる。従
って、第５図の如き従来装置では、第６図の如く、各音
声の入力の毎に％各動作を時間的に直列処理していたの
で、「あ」の入力の後、次の「さ」の入力を開七台する
までの待ち時間が、長くなり、「あ」　「さ」　「ひ」
なる各音声の発声と発声の間の無音区間を長くとる事が
必要となるので、スムーズな音声入力ができず、斯る装
置の操作性の低下を来たす欠点があった。

そこで、斯る欠点を解消する為には、各処理部（２）、
（４）、輸の動作を司どるプロセッサとして高速のもの
を採用しｌ）、特開昭５８−１９２０９６号公報並びに
特開昭５８−２２４３９５号公報に示されている如く、
各処理部（２）、（４）、鴎を複数のプロセッサにて分
担させて並列処理する様にすればよいが、いずれの場合
でも構成が複雑になったシ、コスト高を招く新たな問題
が生じる事となる。

又、これとは異なる対策としては、第７図に示す如く、
第５図のパラメータバッフｙ　（３１を増設した第１乃
至第ｎパラメータバッフｙ（ｌυ〜（３ｎ）からなるパ
ラメータバッフ１メモリ回路■を備えた音声認識装置が
実現可能である。同図の装置の処理動作は、第８図に示
す如く、「あ」　「さ」　「ひ」の一連の単音声を認識
させる場合、音声分析部（２）は、「あ」の分析処理の
後、直ちＫ「さ」の分析処理が行なえ、そして次に直ち
Ｋ「ひ」の分析処理が行なえるのである。これ等の処理
結果である各特徴パラメータ時系列は、パラメータバッ
フ１メモリ回路頭の各入力スイッチＰｉ、Ｐ２、Ｐ３の
閉成動作により、夫々順次第１、第２、第６バラ°メー
タバツフｙｃ３１）、（支）、Ｃ（３）Ｋ格納されてお
シ、これら一連の単音声の入力が終了した後で、パラメ
ータバララフメモリ回路■の各出力スイッチＱ１、Ｑ２
、Ｑ３、の閉成動作にょフ、先ず第１パラメータバツフ
ｙｃ１１１の「あ」の特徴パラメータ時系列がパターン
作成部（４）に導入されて、ここで正規化処理された後
パターン認識部＋６０１　Ｋでパターン認識処理され、
その認識結果が出力される。

そしてこの後直ちに第２パラメータバツフｙＣ＠の「さ
」Ｋついての同様の処理がなされ、その後さらに第３パ
ラメータバッファ国の「ひ」についての同様の処理がな
される。

斯様な装置に於いては、「あ」　「さ」　「ひ」なる一
連の単音節の入力分析処理のみを先に行なった後で、処
理時間の長いパーターン認識処理を各単音節について実
行できるので、各単音節の発声と発声との間の待ち時間
が短かくて済み話者にとってはスムーズで自沿：な発声
が可能であるが、以下の如き新たな欠点が生じる事とな
る。即ち、パラメータ３７７１回路（１）に複数個貯え
られる特徴パラメータ時系列は各°単語毎Ｋ例えばサン
プリング周波数が５ｍｇＩＣの場合１００サンプル程度
にも及ぶので、パラメータバッファ回路嬢全体のメモリ
容量が大巾に増大し、構成の複雑化やコスト高を招く慣
れがあった。

ｅ→　発明が解決しようとする問題点 本発明は上述の点に鑑みてなされ、一連の基本音声を連
続的にスムーズに入力でき、しかもメモリ容量の大巾な
増加を超〈事のない音声認識装置を提供するものである
。

に）問題点を解決する為の手段 本発明の音声認識装置は、入力された基本単位毎の音声
を分析して特徴パラメータ時系列を基本単位毎に抽出す
る音声分析部、該音声分析部からの基本単位毎の特徴パ
ラメータ時系列を夫々特定サンプル数に正規化して複数
の入力基本音声パターンを順次得るパターン作成部、該
パターン作成部から順次得られる複数の入力基本音声パ
ターンを同時に格納可能なバッフ１メモリ、該バッフ１
メそりから格納順に順次読み出される入力基本音声パタ
ーンを順次認識処理するパターン認識部とからなる。

快）作　用 本発明の音声認識装置によれば、連続的に入力される各
基本単位の入力音声に対して、夫々の入力基本音声パタ
ーンの段階で、これ等一連の入力基本音声パターンが全
てバッフ１メそりに貯えられ＋ｉ、このバッフ１メモリ
の各入力基本音声パターンに対して順次認識処理を施す
事となる。

（へ）実施例 第１図に本発明の音声認識装置の構成を示す。

同図に於いて、（１）、（２）、（３）、（４）、田は
第５図の従来装置と同様にマイクロフォン、音声分析部
、パラメータバッフ１メモリ、パターン作成部、パター
ン認識部を示しており、本実施例装置が第５図の従来装
置と異なる所は、パターンバッフ７（５１を増設した第
１乃至第ｎパターンバッファ（５１１〜（５ｎ）からな
るパターンバッフ１メモリ回路［株］を備えた点ＩＣあ
る。

又、同図の本発明実施例装置が第７図の装置と異なる所
は、複数の基本音声のデータ量の大きな特徴パラメータ
時系列の格納が可能なパラメータバッフ１メそり回路缶
を設ける代シに複数の基本音声のデータ量の小さな入力
基本音声パターンを斯様な本発明装置の動作を第２図の
処理過程図に基づいて次に説明する。例えば「あ」　「
さ」　「ひ」なる一連の単音節列を認識させる場合、話
者は各音声間に区切りをつける程度の連続発声を行なう
。これ等の音声はマイクロフォン（１）から音声分析部
（２）に入力され、該分析部（２）で先ず「あ」の音声
の入力時間中（約３００ｍ５［ｌＣ）に実時間で周波数
スペクトル値の如き特徴バラメータ時系列（サンプリン
グ周期３ｍ５ｅｃ）を抽出しつつ、これをパラメータバ
ッフ１（３）に貯える。そして、「あ」の音声入力が終
了した時の区切り期間（約１００ｍ５ｅｃ）、即ち無音
期間を検出した時に特徴パラメータ時系列のパラメータ
バッフ　７　（３１への格納を中止するのである。その
後、直ちにパラメータバッフｙ（３１の「あ」なる特徴
パラメータ時系列はパターン作成部（４）にて正規化処
理（約１０ｍ５ＥＣ）されて入カバターンを得、この入
カバターンがパターンバッファメモリ回路団の入力スイ
ッチＲ１が閉成された第１パターンバツフｙ（５１）に
格納される。

このように区切り期間に対して、その１／１０程度の時
間で完了する正規化処理期間を原えただけの短かい待ち
時間を置いて、直ちに次の「さ」の音声入力が可能とな
り、この「さ」についても「あ」と同様に処理してその
入カバターンがパターンバッフ１メモリ回路■の入力ス
イッチＲ２が閉成すれた第２パターンバツフ１＠に格納
され、続いて、同様に「ひ」の入カバターンがパターン
バッフ１メそり回路ωの入力スイッチＲ３が閉成された
第６パターンパツ７１−［株］に格納されるのである。

ｈ＼ 斯様にして一連の入力バターへ全てパターンバッフ１メ
モリ回路印の各バッフ１（５℃、（支）、［有］に格納
された後、先ず該回路［株］の出力スイッチ８１が閉成
された第１パターンバツフア（５Ｄから「あ」の入カバ
ターンがパターン認識部ｆｌＫ導入され、従来装置と同
様にパターン認識されその認識結果が出力され、続いて
、同様にパターンバッフ１メモリ回路団の第２、第６パ
ツ７ｙ（５２）（５３）の「さ」　「ひ」の入カバター
ンに対して順次、認識、出力が行なわれるのである。

上述の本発明装置の各処理の動作タイミングは、上記音
声分析部（２）での分析処理にともなう第３図に示す如
き音声領域検知手段にて得られる第４図図示の各信号か
ら作り出されるのであり、以下にこれ等図に基づいて錘
子４該手段を詳述する。

第３図の音声区間検出回路（７）は、第４図（ａ）に示
す如き「あ」　「さ」　「ひ」なる入力音声の音声パワ
ーＶをしきい値ｖｔｈと比較し、第４図（ｂ）の如きｖ
＞ｖ　ｔ　ｈの音声区間信号が出力される。該音声区間
信号は立上シ検出回路（８）と、第１の無音タイマ（９
）と、第２の無音タイマααとに入力される。

第１の無音タイマ（９）は第４図（ｄ）に示す如く音声
区間信号の立下り時点からＴ１＝１ＱＱｍｓｅｃをカウ
ントした終端検出信号Ｅｌ、Ｅ２、Ｒ３を出力すると共
に、音声区間信号の立上り時点を検出する立上シ検出回
路（８）にリセットをかけて立上フ検出回路（８）か′
ら第４図（ｂ）に示す如き始端検出信号Ｒ１、Ｒ２、Ｉ
ｉ３を得る。又、第２の無音タイマ（１０１は第４図（
ｅ）に示す如く音声区間信号の立下）時点からＴ１＝１
％をカウントした入力終了検出信号Ｆを出力する。

従って、第２図の処理過程図に付記したように、最初の
「あ」の音声については、信号Ｒ１が発生した時点で、
音声分析部（２）が動作し、次の信号Ｅ１が発生した時
点で、この動作が停止してパターン作成部（４）が動作
すると共に、パターンバッフ７メモリ回路ωの入力スイ
ッチＲ１が閉成制御されるのである。そして次に信号Ｈ
２が発生した時点で、この入力スイッチＲ１が開成制御
されると共に次の「さ」の音声についての同様の処理が
なされ、又次の「ひ」の音声についても同じであシ、信
号Ｆの発生時点でこれ等「あ」　「さ」　「ひ」の入カ
バターンが順次各バッフｙ（５１１□□□綴に格納し終
えた事となシ、この後、各バッフ１の出方スイッチ８１
．８２、Ｓ３が順次閉開成され順次パターン認識される
。

（ト）発明の効果 本発明の音声認識装置によれば、連続的に入力される各
基本単位の入力音声に対して、夫々の入力基本音声パタ
ーンの段階で、これ等一連の入力基本音声パターンが全
てバッフ１メ七すに貯えられた後、このバッフ１メモリ
の各入力基本音声パターンに対して順次認識処理を施す
事となるので、基本音声の発声と発声の間の待ち時間が
ほとんどなくなり、スムーズな連続音声入力が可能とな
るばかりか・データ量の小さな入力基本音声パターンの
段階でバッフ１に格納できるのでメモリ容量の大巾な増
加はない。従って、斯る装置の構成の複雑化やコスト高
を招く事なく、しかも高速のプロセッサを必要とせず話
者に負担をかけない音声認識装置が実現できる。

【図面の簡単な説明】

°　　　　　　第１図は本発明の一実施例の構成を示す
ブロック図、第２図は第１図の本発明装置の動作を示す
処理過程図、第３図は本発明装置に用いられる音声領域
検知部のブロック図、第４図は第３図ブロック図の信号
波形図、第５図及び第６図は従来装置のブロック図及び
処理過程図、第７図及び第８図は従来装置の改良型のブ
ロック図及び処理過程図である。 （１）・・・・・・マイクロフォン、’（２）・・・・
・・音声分析部、（３）・・・・・・バラメータバッフ
ｙ、（４）・・・・・・パターン作成部、ω・・・・・
・パターンバッフ１メモリ回路、■・・・・・・認識処
理部。

Claims (1)

【特許請求の範囲】
1. （１）入力された基本単位毎の音声を分析して特徴パラ
   メータ時系列を基本単位毎に抽出する音声分析部、該音
   声分析部からの基本単位毎の特徴パラメータ時系列を夫
   々特定サンプル数に正規化して複数の入力基本音声パタ
   ーンを順次得るパターン作成部、該パターン作成部から
   順次得られる複数の入力基本音声パターンを同時に格納
   可能なバッファメモリ、該バッファメモリから格納順に
   順次読み出される入力基本音声パターンを順次認識処理
   するパターン認識部とからなる事を特徴とした音声認識
   装置。