JPS6138480B2 - - Google Patents
Info
- Publication number
- JPS6138480B2 JPS6138480B2 JP55110628A JP11062880A JPS6138480B2 JP S6138480 B2 JPS6138480 B2 JP S6138480B2 JP 55110628 A JP55110628 A JP 55110628A JP 11062880 A JP11062880 A JP 11062880A JP S6138480 B2 JPS6138480 B2 JP S6138480B2
- Authority
- JP
- Japan
- Prior art keywords
- digits
- time length
- utterance
- uttered
- digit
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired
Links
- 238000000034 method Methods 0.000 description 9
- 238000010586 diagram Methods 0.000 description 4
- 238000005259 measurement Methods 0.000 description 3
- 230000005236 sound signal Effects 0.000 description 3
- 238000013479 data entry Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Description
【発明の詳細な説明】
本発明は音声認識装置、特に連続に発声された
単語の認識性能を改善した音声認識装置に関す
る。
単語の認識性能を改善した音声認識装置に関す
る。
人間の話す言葉をそのまま理解する音声認識装
置は、マン・マシンインターフエースの究極の手
段として最近にわかに脚光を浴びて来た。特に
DP法（DYNAMIC PROGRAMING法）を用いて
連続して発声した音声を認識出来るいわゆる連続
認識可能な音声認識装置（特許出願公開昭55−
29803“連続音声認識装置”）が出現して以来コン
ピユータへのデータエントリ，オーダーエントリ
用としての期待が高まりつつある。
置は、マン・マシンインターフエースの究極の手
段として最近にわかに脚光を浴びて来た。特に
DP法（DYNAMIC PROGRAMING法）を用いて
連続して発声した音声を認識出来るいわゆる連続
認識可能な音声認識装置（特許出願公開昭55−
29803“連続音声認識装置”）が出現して以来コン
ピユータへのデータエントリ，オーダーエントリ
用としての期待が高まりつつある。
複数の単語を連続的に発声して認識させる場
合、その単語数をあらかじめ補助情報として与え
ておくか否かによつて認識性能に大きな差が生ず
ることが実験的に確認された。第１図の表はその
データの一例であり、連続単語として４個の数
字、すなわち４桁数字の場合について補助情報と
してあらかじめ単語数すなわち桁数が４であると
云う情報を与えておき、認識結果は指定された桁
数に限るとした場合（以降これを桁数指定の場合
と称する）とそうでない場合（以降これを桁数無
指定の場合と称する）との２通りについて任意抽
出した複数人の被検査人、Ａ、Ｂ、Ｃ、Ｄについ
て各々の認識率の結果を示したものである。ここ
で認識率（正答率）は150個の４桁数字列のうち
の全桁正答数字列個数のここである。よく知られ
ている如く、音声認識装置の認識結果は個人差や
発声の仕方に負うところが大きい。したがつて表
の結果は必ずしも認識性能の絶対値を示すものと
は限らないが、少なくとも同一人について云え
ば、連続数字認識においては、桁数指定により方
法が桁数無指定による方法よりも優れていると云
える。したがつて発声される数字の桁数があらか
じめ定まつていれば桁数指定による認識方法が用
いられている。そして桁数を指定して連続音声認
識を行う技術としては特願昭50−132004号に示さ
れている。
合、その単語数をあらかじめ補助情報として与え
ておくか否かによつて認識性能に大きな差が生ず
ることが実験的に確認された。第１図の表はその
データの一例であり、連続単語として４個の数
字、すなわち４桁数字の場合について補助情報と
してあらかじめ単語数すなわち桁数が４であると
云う情報を与えておき、認識結果は指定された桁
数に限るとした場合（以降これを桁数指定の場合
と称する）とそうでない場合（以降これを桁数無
指定の場合と称する）との２通りについて任意抽
出した複数人の被検査人、Ａ、Ｂ、Ｃ、Ｄについ
て各々の認識率の結果を示したものである。ここ
で認識率（正答率）は150個の４桁数字列のうち
の全桁正答数字列個数のここである。よく知られ
ている如く、音声認識装置の認識結果は個人差や
発声の仕方に負うところが大きい。したがつて表
の結果は必ずしも認識性能の絶対値を示すものと
は限らないが、少なくとも同一人について云え
ば、連続数字認識においては、桁数指定により方
法が桁数無指定による方法よりも優れていると云
える。したがつて発声される数字の桁数があらか
じめ定まつていれば桁数指定による認識方法が用
いられている。そして桁数を指定して連続音声認
識を行う技術としては特願昭50−132004号に示さ
れている。
しかしながら桁数は必ずしも常にあらかじめ定
まつているとは限らず例えばオーダーエントリに
おける注文数量，検査システムに於ける測定値な
どは一般に桁数は定まつていない。この場合桁数
が少ない場合は上位に零を付して無理に桁数を指
定の値に統一出来ないこともない。例えば21を
0021として４桁に統一するなどである。しかしな
がらこれでは音声認識装置にデータを入力すると
きの発声の仕方に制約を生じかつ本来は不必要を
上位桁の零を読み込まねばならず作業時間の無駄
を生じる結果となる。また前述の特願昭50−
132004号では桁指定をそのつど行つてやらねばな
らず、実際上の認識動作においては不便なもので
あつた。
まつているとは限らず例えばオーダーエントリに
おける注文数量，検査システムに於ける測定値な
どは一般に桁数は定まつていない。この場合桁数
が少ない場合は上位に零を付して無理に桁数を指
定の値に統一出来ないこともない。例えば21を
0021として４桁に統一するなどである。しかしな
がらこれでは音声認識装置にデータを入力すると
きの発声の仕方に制約を生じかつ本来は不必要を
上位桁の零を読み込まねばならず作業時間の無駄
を生じる結果となる。また前述の特願昭50−
132004号では桁指定をそのつど行つてやらねばな
らず、実際上の認識動作においては不便なもので
あつた。
したがつて、本発明の目的は、特別な桁数指定
手段を設けることなく、連続音声を正確に認識で
きる連続音声認識装置を提供することである。
手段を設けることなく、連続音声を正確に認識で
きる連続音声認識装置を提供することである。
第２図は任意に抽出された被検査人に対して数
字の１桁、２桁、３桁、４桁の乱数を多数囲発声
させたときの平均的な発声時間長（横軸）と出現
頻度（縦軸）との関係を示す実験結果のグラフで
ある。同図に於て曲線ａ〜ｄはそれぞれ１桁〜４
桁の場合の数字発声の分布を示している。同図か
ら明らかなように多数桁の数字を発声するに要す
る発声時間長は発声対象となる数字の種類及び被
検査によるバラツキはあるものの、それぞれ桁数
の発声時間長の発生頻度の分布は異なる桁数の発
声時間長のそれとほぼ明確に区別し得ることであ
る。
字の１桁、２桁、３桁、４桁の乱数を多数囲発声
させたときの平均的な発声時間長（横軸）と出現
頻度（縦軸）との関係を示す実験結果のグラフで
ある。同図に於て曲線ａ〜ｄはそれぞれ１桁〜４
桁の場合の数字発声の分布を示している。同図か
ら明らかなように多数桁の数字を発声するに要す
る発声時間長は発声対象となる数字の種類及び被
検査によるバラツキはあるものの、それぞれ桁数
の発声時間長の発生頻度の分布は異なる桁数の発
声時間長のそれとほぼ明確に区別し得ることであ
る。
したがつて発声時間長を知ることによつて発声
された数字の桁数を判定することが出来る。すな
わち第２図の例で云えば発声時間長がt1より短か
ければ発声された数字は１桁でありt1とt2との間
であればそれは２桁とみなすことが出来る。３桁
と４桁の場合には一部オーバーラツプしているの
で、発声時間長によつて直接桁数を判定するのに
は無理がある。したがつて、とりあえず発声を３
桁以下に限定すれば発声時間長がt2より長い場合
には、３桁とみなすことが出来る。かくして３桁
以下の場合に限定すれば発声時間長から発声され
た数字の桁数を予測することが出来、それを補助
特徴として桁数指定による方法を用い認識性能を
向上せしめることが出来る。
された数字の桁数を判定することが出来る。すな
わち第２図の例で云えば発声時間長がt1より短か
ければ発声された数字は１桁でありt1とt2との間
であればそれは２桁とみなすことが出来る。３桁
と４桁の場合には一部オーバーラツプしているの
で、発声時間長によつて直接桁数を判定するのに
は無理がある。したがつて、とりあえず発声を３
桁以下に限定すれば発声時間長がt2より長い場合
には、３桁とみなすことが出来る。かくして３桁
以下の場合に限定すれば発声時間長から発声され
た数字の桁数を予測することが出来、それを補助
特徴として桁数指定による方法を用い認識性能を
向上せしめることが出来る。
本発明によれば、連続数字の認識率は桁数を
指定することで改善することができること。３
桁までの数字の場合、桁数は発声時間によつて検
知することができること、という２つの結果にも
とづき、発声時における発声時間長から発声され
た数字の桁数を自動的に検知し、これにより連続
音声の桁数を指定して連続音声認識を行う連続音
声認識装置が得られる。尚、桁数を４以上にして
本発明を実施することも可能であり、これについ
ては後で説明する。
指定することで改善することができること。３
桁までの数字の場合、桁数は発声時間によつて検
知することができること、という２つの結果にも
とづき、発声時における発声時間長から発声され
た数字の桁数を自動的に検知し、これにより連続
音声の桁数を指定して連続音声認識を行う連続音
声認識装置が得られる。尚、桁数を４以上にして
本発明を実施することも可能であり、これについ
ては後で説明する。
次に本発明の一実施例の図面を参照して本発明
を詳細に説明する。第３図は本発明の一実施例を
示すブロツク図で連続単語として３桁までの数字
の認識を行う場合を示す。図で、マイクロホン１
より入力された音声信号Ｓが連続音声識別部２０
と、発声時間長測定部１０へ送られる。発声時間
長測定部１０は、発声された音声信号の時間長ｔ
xを測定して、その値ｔxを発声時間弁別信号Stと
して、３個の比較器３１，３２及び３３から成る
単語数判定部３０へ送る。各々の比較器３１〜３
３では、発声時間長測定部１０より送られてきた
発声時間長弁別信号Stの発声時間長の値ｔxが弁
別され、そのｔxの値を包含する桁指定出力信号
N1〜N3のいずれかがオンとなり、連続音声識別
部２０へ送られる。図中では、各々の比較器３１
〜３３における閾値t1，t2，t3は任意に設定可能
としている。例えば発声時間長測定部１０より出
力された発声時間弁別信号Stの値ｔxが、ｔx＜t1
の範囲であつた場合は比較器３１の桁指定出力信
号N1がオンとなり、連続音声識別部２０へ送ら
れ、そこで連続音声識別部２０は、“発声された
数字の桁数は１桁である”との情報を得る。そこ
で連続音声識別部２０は、この情報を補助特徴と
してマイクロホン１より入力された音声信号Ｓを
識別し、その結果、認識結果信号Ａを出力する。
この様にして、発声時間長測定部１０を設けて、
その出力としての発声時間長ｔxより桁数を割り
出し、その桁数を認識手段の補助的手段として用
いることにより、前述の桁数指定による寸法が自
動的に行われることにより従来の連続音声認識装
置の性能を大きく改善することが出来る。
を詳細に説明する。第３図は本発明の一実施例を
示すブロツク図で連続単語として３桁までの数字
の認識を行う場合を示す。図で、マイクロホン１
より入力された音声信号Ｓが連続音声識別部２０
と、発声時間長測定部１０へ送られる。発声時間
長測定部１０は、発声された音声信号の時間長ｔ
xを測定して、その値ｔxを発声時間弁別信号Stと
して、３個の比較器３１，３２及び３３から成る
単語数判定部３０へ送る。各々の比較器３１〜３
３では、発声時間長測定部１０より送られてきた
発声時間長弁別信号Stの発声時間長の値ｔxが弁
別され、そのｔxの値を包含する桁指定出力信号
N1〜N3のいずれかがオンとなり、連続音声識別
部２０へ送られる。図中では、各々の比較器３１
〜３３における閾値t1，t2，t3は任意に設定可能
としている。例えば発声時間長測定部１０より出
力された発声時間弁別信号Stの値ｔxが、ｔx＜t1
の範囲であつた場合は比較器３１の桁指定出力信
号N1がオンとなり、連続音声識別部２０へ送ら
れ、そこで連続音声識別部２０は、“発声された
数字の桁数は１桁である”との情報を得る。そこ
で連続音声識別部２０は、この情報を補助特徴と
してマイクロホン１より入力された音声信号Ｓを
識別し、その結果、認識結果信号Ａを出力する。
この様にして、発声時間長測定部１０を設けて、
その出力としての発声時間長ｔxより桁数を割り
出し、その桁数を認識手段の補助的手段として用
いることにより、前述の桁数指定による寸法が自
動的に行われることにより従来の連続音声認識装
置の性能を大きく改善することが出来る。
図中の連続音声識別部２０はパタンマツチング
等種々の識別方式による構成が考えられ本発明
は、識別方式については限定されるものではな
い。又図中の比較器３１〜３３は、周知のコンパ
レータを用いる事により容易に構成する事が可能
である。
等種々の識別方式による構成が考えられ本発明
は、識別方式については限定されるものではな
い。又図中の比較器３１〜３３は、周知のコンパ
レータを用いる事により容易に構成する事が可能
である。
第４図は、第３図の時間長測定部１０の一構成
例を示すブロツク図である。図で１１は整流器で
音声信号Ｓを整流し、音声エネルギー信号に変
換して、コンパレーター１２に印加する。コンパ
レーター１２は整流器１１の出力が、ある一定の
エネルギー値以上であるとき論理“１”となる音
声弁別信号ｇを出力する公知のコンパレーターで
ある。１３は時間計数器でコンパレーター１２の
出力ｇが論理“１”である時間長を計測しその時
間長＝ｔxを音声時間弁別信号Stとして出力する
ものである。整流器１１，コンパレーター１２，
時間計数器１３はいずれも公知の回路あるいは部
品を用いていかよりにも実現出来、ここであらた
めて、その詳細を説明するまでもないし、かつ、
これらの回路を実現する手段そのものは本発明の
要旨と直接は関係がない。
例を示すブロツク図である。図で１１は整流器で
音声信号Ｓを整流し、音声エネルギー信号に変
換して、コンパレーター１２に印加する。コンパ
レーター１２は整流器１１の出力が、ある一定の
エネルギー値以上であるとき論理“１”となる音
声弁別信号ｇを出力する公知のコンパレーターで
ある。１３は時間計数器でコンパレーター１２の
出力ｇが論理“１”である時間長を計測しその時
間長＝ｔxを音声時間弁別信号Stとして出力する
ものである。整流器１１，コンパレーター１２，
時間計数器１３はいずれも公知の回路あるいは部
品を用いていかよりにも実現出来、ここであらた
めて、その詳細を説明するまでもないし、かつ、
これらの回路を実現する手段そのものは本発明の
要旨と直接は関係がない。
第２図の実験結果より同図の曲線Ｃと曲線ｄと
が発声時間長t3によつて明確に区分できないの
で、前述した本発明の一実施例においては、３桁
までの場合を示したが、本発明に３桁までのもの
に限定されず、４桁以上の場合にも実施できる。
例えば発音の仕方に若干の注意をはらうことによ
り、４桁のみならず、それ以上の桁数の場合でも
明確に区別することができるようになる。また第
２図のような場合でも、発声時間長がt3の近傍t3
±εのとき、桁数の判別が困難として、桁数指定
を行なわず、例えば特願昭50−29891号に示すよ
うな連続音声認識を行つてもよい。更にはつきり
と桁数が指定できないとき、例えば第２図の３桁
と４桁のときは、３桁と４桁とでそれぞれ認識を
行つて、類似度の高い結果を採用してもよい。ま
た、第３図において、単語数判定部３０は３個の
比較器で構成されているが、これをｎ個とすれば
ｎ桁迄までの桁指定できる。
が発声時間長t3によつて明確に区分できないの
で、前述した本発明の一実施例においては、３桁
までの場合を示したが、本発明に３桁までのもの
に限定されず、４桁以上の場合にも実施できる。
例えば発音の仕方に若干の注意をはらうことによ
り、４桁のみならず、それ以上の桁数の場合でも
明確に区別することができるようになる。また第
２図のような場合でも、発声時間長がt3の近傍t3
±εのとき、桁数の判別が困難として、桁数指定
を行なわず、例えば特願昭50−29891号に示すよ
うな連続音声認識を行つてもよい。更にはつきり
と桁数が指定できないとき、例えば第２図の３桁
と４桁のときは、３桁と４桁とでそれぞれ認識を
行つて、類似度の高い結果を採用してもよい。ま
た、第３図において、単語数判定部３０は３個の
比較器で構成されているが、これをｎ個とすれば
ｎ桁迄までの桁指定できる。
以上の説明では発声される単語として数字の場
合について述べたが本発明は、限ずしも数字に限
定されず１単語の発声時間長が大略同程度の単語
群であれば発声時間長から発声された単語の数を
想定することが出来、本発明を応用出来ることは
以上述べた本発明の原理から明らかである。
合について述べたが本発明は、限ずしも数字に限
定されず１単語の発声時間長が大略同程度の単語
群であれば発声時間長から発声された単語の数を
想定することが出来、本発明を応用出来ることは
以上述べた本発明の原理から明らかである。
第１図は連続的に発声される単語として４桁の
数字のとき、桁指定を行つた場合と行なわない場
合の認識率を示す表、第２図は１桁〜４桁の乱数
数字を多数回発声させたときの平均的な発声時間
長（横軸）と出現頻度（縦軸）との関係を示す
図、第３図は本発明の一実施例を示す図、第４図
は第３図の発声時間長測定部の構成を示す図。 図において、１……マイクロホン、１０……発
声時間長測定部、２０……連続音声識別部、３０
……単語数判定部、３１〜３３……比較器、１１
……整流器、１２……比較器、１３……時間計数
器。
数字のとき、桁指定を行つた場合と行なわない場
合の認識率を示す表、第２図は１桁〜４桁の乱数
数字を多数回発声させたときの平均的な発声時間
長（横軸）と出現頻度（縦軸）との関係を示す
図、第３図は本発明の一実施例を示す図、第４図
は第３図の発声時間長測定部の構成を示す図。 図において、１……マイクロホン、１０……発
声時間長測定部、２０……連続音声識別部、３０
……単語数判定部、３１〜３３……比較器、１１
……整流器、１２……比較器、１３……時間計数
器。
Claims (1)
- １ 連続発声された単語列の認識を行う連続音声
認識装置であつて、入力音声信号を受け発声時間
長を測定する測定手段と、前記測定手段からの出
力を受け発声された単語数を判定する単語数判定
手段と、前記単語数判定手段の出力を受けて入力
音声信号を認識する連続音声認識部とを具備する
ことを特徴とする連続音声認識装置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP11062880A JPS5734599A (en) | 1980-08-12 | 1980-08-12 | Continuous voice recognizing device |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP11062880A JPS5734599A (en) | 1980-08-12 | 1980-08-12 | Continuous voice recognizing device |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPS5734599A JPS5734599A (en) | 1982-02-24 |
| JPS6138480B2 true JPS6138480B2 (ja) | 1986-08-29 |
Family
ID=14540583
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP11062880A Granted JPS5734599A (en) | 1980-08-12 | 1980-08-12 | Continuous voice recognizing device |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPS5734599A (ja) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5956675A (en) * | 1997-07-31 | 1999-09-21 | Lucent Technologies Inc. | Method and apparatus for word counting in continuous speech recognition useful for reliable barge-in and early end of speech detection |
-
1980
- 1980-08-12 JP JP11062880A patent/JPS5734599A/ja active Granted
Also Published As
| Publication number | Publication date |
|---|---|
| JPS5734599A (en) | 1982-02-24 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Lamel et al. | An improved endpoint detector for isolated word recognition | |
| US7447632B2 (en) | Voice authentication system | |
| JP3337233B2 (ja) | 音声符号化方法及び装置 | |
| AU643142B2 (en) | Speech recognition employing key word modeling and non-key word modeling | |
| JP3080388B2 (ja) | 不明人物の同一性検証方法 | |
| CA2366892C (en) | Method and apparatus for speaker recognition using a speaker dependent transform | |
| JPH03501657A (ja) | パターン認識エラー低減装置 | |
| EP0121248A1 (en) | Speaker verification system and process | |
| US6308153B1 (en) | System for voice verification using matched frames | |
| US4370521A (en) | Endpoint detector | |
| KR20170073113A (ko) | 음성의 톤, 템포 정보를 이용한 감정인식 방법 및 그 장치 | |
| US5159637A (en) | Speech word recognizing apparatus using information indicative of the relative significance of speech features | |
| USRE32172E (en) | Endpoint detector | |
| JPS6138480B2 (ja) | ||
| JP2838848B2 (ja) | 標準パターン登録方式 | |
| JP3919314B2 (ja) | 話者認識装置及びその方法 | |
| JPS6147999A (ja) | 音声認識装置 | |
| JPS6336678B2 (ja) | ||
| Pol et al. | USE OF MEL FREQUENCY CEPSTRAL COEFFICIENTS FOR THE IMPLEMENTATION OF A SPEAKER RECOGNITION SYSTEM | |
| KR101195742B1 (ko) | 키워드별 필러 모델을 구비하는 키워드 검출 시스템 및 키워드별 필러 모델 구현 방법 | |
| KR100281581B1 (ko) | 동시 조음 모델을 이용한 한국어 연속 숫자 음성인식 방법 | |
| JP2002372989A (ja) | 数字音声入力方法、その装置、そのプログラム及びその記録媒体 | |
| Johnson et al. | A phrase recognizer using syllable-based acoustic measurements | |
| White | Linear predictive residual analysis compared to bandpass filtering for automatic speech recognition | |
| JPH0335297A (ja) | 有音・無音検出方式 |