JPS62191894A - 連続音声認識装置 - 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】 産業上の利用分野 本発明は、特徴ベクトルの系列で表わされた複数種類の
標準パターンと入力パターンとの比較を行ない、入力音
声の識別を行なう音声認識装置に関し、特に連続して発
声した単語音声の認識などに適用可能な音声認識装置に
関する。

従来の技術 従来、音声認識装置としては特定話者登録方式によるも
のが実用化されている。ＩＩＮＩＪち、認識装置を使用
しようとする話者が、予め、認識すべきすべての単語を
自分の声で特徴ベクトルの系列に変換し、単語辞書に標
準パターンとして登録しておき、認識時に発声された音
声を、同様に特徴ベクトルの系列に変換し、前記単語辞
書中のどの単語に最も近いかを予め定められた規則によ
って計算し、最も類似している単語を認識結果とするも
のである。

ところが、この方法によると、認識単語数が少ないとき
は良いが、数百、数千単語といったように増加してくる
と、主として次の三つの問題が無視し得なくなる。

（１）登録時における話者の負担が著しく増大する。

（２）認識時に発声された音声と標準パターンとの類似
度あるいは距離を計算するのに要する時間が著しく増大
し、認識装置の応答速度が遅くなる。

（３）前記単語辞書のために要するメモリが非常に大き
くなる。

以上の欠点を回避するための方法として認識の単位を子
音＋母音の単音節（以後それぞれＣＶ。

■で表わす。Ｃは子音、■は母音を意味する。）とする
方法がある。即ち、標準パターンとして単音節を特徴ベ
クトルの系列として登録しておき、認識時に特徴ベクト
ルの系列に変換された入力音声を、前記単音節の標準パ
ターンとマツチングすることにより、単音節の系列に変
換するものである。日本語の場合、単音節は高々１０１
種類であり、単音節は仮名文字に対応しているから、こ
の方法によれば、日本語の任意の単語あるいは文章を単
音節列に変換する（認識する）事が出来、前記（１）〜
（３）の問題はすべて解決されることになる。

しかし、この場合の問題の一つとしてセグメンテーショ
ンがある。即ち、セグメンテーションは連続して発声さ
れた音声を単音節単位に区切ることであるが、これを確
実に行なう決定的な方法は未だ見出されていない。この
問題を解決するために、現在のところ各単音節を区切っ
て発声することが行なわれており、実用化されている装
置もある。

発明が解決しようとする問題点 しかし、単音節の離散発声により日本語の文章を入力す
るのは、話者にとって緊張を強いるものであり、連続発
声により入力出来ることが望ましい。

本発明は、前記連続発声により入力された音声に対する
前記セグメンテーションの問題を解決した音声認識装置
を提供することを目的とする。

問題点を解決するための手段 本発明は、音節を連続発声して得られる単語・文節等の
入力音声信号を特徴ベクトルの系列に変換する特徴抽出
手段と、音節のそれぞれに対応した特徴ベクトルの系列
を前記音節名に対応すけて記憶する標準パターン記憶手
段と、１音節発声する毎にそれに同期した信号であるセ
グメント・マーカを発生するセグメント・マーカ発生手
段と、前記標準パターンのそれぞれと前記入力パターン
に対して得られた前記それぞれのセグメント・マーカの
近傍のそれぞれのフレームから次のセグメント・マーカ
の近傍のそれぞれのフレームまでの入力パターンの部分
区間とのマツチングを行って両者の距離（類似度）を計
算するマツチング手段と、認識されるべき各単語・文節
等を前記音節名の系列として表現した単語・文節等を記
憶する単語・文節辞書と、この認識されるべき単語・文
節と前記入力パターンとの距離を、前記単語・文節辞書
によって指定される音節名の系列に対応するように、前
記分区間群を隣合う区間が連続するように最適に定める
ことにより、前記各部分区間の始点と終点およびその音
節名に対応する距離（類似度）の総和を最小（最大）と
なし、得られる最小値（最大値）を前記各単語・文節に
対する前記入力パターンの距離として出力する単語・文
節マツチング手段と、前記最小値（最大値）のなかで最
小値（最大値）を与える前記単語・文節を認識結果とし
て判定する判定手段とを含むことを特徴とする連続音声
認識装置である。

作用 本発明は以上の構成により、特徴抽出手段により、音節
を連続発声して得られる単語・文節等の入力音声信号を
特徴ベクトルの系列に変換し、セグメント・マーカ発生
手段により、１音節発声する毎にそれに同期した信号、
即ち、セグメント・マーカを発生し、マツチング手段に
より、標準パターン記憶手段にそれぞれの音節基に対応
すけて記憶されている特徴ベクトルの系列のそれぞれと
、前記入力パターンに対して得られた前記それぞれのセ
グメント・マーカの近傍のそれぞれの７レームから次の
セグメント・マーカの近傍のそれぞれのフレームまでの
入力パターンの部分区間とのマツチングを行って両者の
距離（類似度）を計算し、単語・文節辞書に音節基の系
列として記憶された認識されるべき各単語・文節等と前
記入力パターンとの距離を、単語・文節マツチング手段
により、前記単語・文節辞書によって指定される音節基
の系列に対応するように、前記部分区間群を隣合う区間
が連続するように最適に定めることにより、前記各部分
区間の始点と終点およびその音節基に対応する距離（類
似度）の総和を最小（最大）となし、得られる最小値（
最大値）を前記各単語・文節に対する前記入力パターン
の距離として出力し、判定手段により、前記最小値（最
大値）のなかで最小値（最大値）を与える前記単語・文
節を認識結果として判定する。

実施例 第２図〜第３図は本発明の詳細な説明する図である。以
後、誤解のない限り、「単語」という言葉は「文節」も
含むものとして説明する。

第２図は、標準パターンＲｎと入力パターンとのマツチ
ングの方法を示す格子グラフである。即ち、横軸は入力
パターン、縦軸は標準パターンＨｎ（音節ｎに対する特
徴ベクトルの系列）であって、入力パターンは、連続し
て発声された音節列を特徴ベクトルの系列に変換して得
られるものであり、標準パターンｕｆｌは、音節ｎを発
声して得られる特徴ベクトルの系列である。工は入力パ
ターンのフレーム数、Ｊｎは標準パターンＨｎのフレー
ム数である。ｉｋは入力パターンの第に番と第に＋１番
の音節の境界を示すフレームである。ｒ、。

ｒ２は入力パターンの部分パターンに対するマツチング
の始終端の自由区間を規定するものであって、入力パタ
ーンの第に音節に相当する部分パターンは始端点は’に
−＋　　”１〜’に−１＋”２、終端点はｌ　ｋｒ　＋
〜ｉｋ＋ｒ２に存在するものとしている。

入力パターンに対して検出された音節境界が確かな場合
は、１〜ｉｋフレ゛−ムの入力パターンの部分パターン
に最も良く整合する標準パターンに対応する音節列は、
式（１）によって求められる。

＊　−ａｒ””ｎ［Ｄ”（ｔｋ、　＋１：　’ｋ　）］
　−＝　（１１ｎｋ−。

ここに、ｎ−は入力パターンに対して検出されたに番目
の音節に対応する部分パターンと最も良く整合する標準
パターンの音節基である。Ｄ”（ｓ：ｔ）は入力パター
ンの第８フレームから第８フレームまでの部分パターン
と標準パターンＲｎトノＤＰマツチングによる距離であ
る。また、式（１）にオケルａｒｇｍ”　［ｆ　（ｘｉ
　〕（ｄ　ｆ　（ｘ）　ヲＥｋ小Ｋｆ　ルｘのことを意
味する。

第４図は、Ｄ”　（ｓ　：　ｔ　）を計算するときの格
子グラフにおける径路の拘束条件の一実施例であって、
Ｄ”（Ｂ：ｔ）は次の漸化式により計算される。

即ち、 ｉ　＝　ｓ〜ｔ、ｊ＝１〜Ｊ　について・・・・・・・
・・　（２） 初期値Ｄ０（ｓ、１）＝ｄｎ（ｓ、１）を計算すれば ”（Ｂ：　ｔ）＝”（ｔＩＩ”　） となる。

タタＬ、ｄ”（ｉ　、　ｊ　）は入力パターンのフレー
ムｉと標準パターンのフレームｊとのベクトル間距離で
あり、Ｄ”（ｔ＝）は、入力パターンのフレーム８〜ｉ
の部分パターンと標準パターンＲｒ１のフレーム１〜Ｊ
の部分パターンとの累積距離ということになる。

式（１）は第２図における各桟が音節境界として確かな
ものであり、固定して考えることができる場合であるが
、一般には入力パターンにおける音節境界は不明確であ
り、位置的に確定することは困難である。そこで、本発
明は、音節境界はへの前後数フレームの範囲にあるとい
う場合に適用して効果のある方法を提供するものである
。実際、入力パターンから音節の境界を精密に検出する
のは困難な場合が多く、入力信号の波形やスペクトルか
ら視察により境界を決定する場合でも、その境界は明確
でない。

この問題の解決には、自動的にあるいは手動により指定
された音節境界に対し、その前後数フレームの区間内で
重複を生じず、かつ、連続するように標準パターンを結
合し、系列全体として最もよく入力パターンに整合する
標準パターン列を求め、それに対応する音節列を認識結
果とすることが有効である。本発明においてはこの考え
方に基づく現実的かつ効果的な装置を提供した。

本発明は、さらに、前記最適の音節列を求める際に、単
語辞書の知識を用いて拘束を加えることにより、より認
識率の向上を実現した所に特徴がある。

本発明を説明する前に、先ず、前記特願昭・・・・・・
で述べた方法を簡単に説明する。

この計算は、動的計画法によって効率的に行うことがで
きる。即ち、第２図において、ｌ　ｋｒ　。

≦ｉ≦ｉｋ＋ｒ２に対し、 ＣＤ　（ｉ’）　十Ｄ”（ｉ’＋１　：　ｉ　）〕−（
３）をに＝１〜Ｋについて計算すれば、 （イ）　１＝ｌｋ （口ｌ　　　ｎ”＝　　Ｎ（ｉ） （ハ）　Ｂ（ｉ）≠０ならｉ　＝　Ｂ　（りとして←）
へ、Ｂ　（ｆ）二〇なら終了 という手順により、ｎ＊の系列として、求めるべき音節
列が入力と逆の順序で求められる。ただし、１０＝０．
ｌｋ−工、Ｂ（０）二〇、Ｄ（０）二〇であって、ｋ＝
＝１のときは １′二〇である。

ここで、Ｄ（ｉ）は、入力パターンの第１〜ｉフレーム
の部分パターンと、それと最も良く整合する標準パター
ンの結合とのＤＰマツチング距離、Ｎ（１）ハ、入力パ
ターンのフレームｉ　ｔ［終フレームとするときの最後
尾音節名、Ｂ　（ｉ）はその一つ手前の音節名の最終フ
レーム（バック・ポインタ）ということになる。

第３図は以上の計算を具体的に行う方法を示している。

即ち、式（３）をその壕ま実行する場合は、それぞれの
ｎについてＤ（ｌ＋１：ｉ）の計算を始端点ｉ′を１ｋ
−１−ｒ１〜ｔｈｋ−１＋ｒ２の範囲で一つずつ変えて
計算をするか、終端点１を１に−ｒ１〜１に十ｒ２　　
の範囲で一つずつ変えて計算をする必要があるが、本実
施例の如き方法を用いれば、式（３）の右辺を１バスで
計算することができ、計算量は大幅に減少する。即ち、
式ン）の漸化式の計算を行う時に式（３）の計算も同時
に行うものであって、式（３）は式（２）によって先ず
Ｄ（ｌ＋１：ｉ）を求め、シカル後ニＤ（１′）＋Ｄｎ
（ｉ′＋１：１）ノｉ′ニ関スル最少値を求めようとす
るものであるが、式（２）の漸化式において、初期値を
直前のフレームまでの累積距離とすることによって、Ｄ
　（ｉ）を直接求めることが出来る。

具体的には、入力フレームｉにおける処理は次のように
なる。即ち、ｊ　＝　１〜Ｊ　について・・・・・・・
・・・・・　（４） 初期値Ｄｎ（ｉ−２，０）　＝　Ｄ”（ｉ−１，０）　
＝　Ｃ０’に−１”＋≦ｉ≦ｉｋ、　＋　ｒ２のときＤ
ｎ（ｉ−１，Ｏ）　：＝　Ｄ　（ｉ−’　）Ｂｎ（ｉ−
１，○）＝ｉ−１ ｉ　ｋ−＋　　ｒ　２　十１≦１≦ｉｋ＋　ｒ２のとき
Ｄ”（ｉ−１，○）＝（１） を計算すれば ＊　　ａｒ　ｑｍ　’　”　（Ｄ　”　（１、Ｊ　）　
〕Ｂ　（ｉ）＝　Ｂｎ＊（ｉ　、　Ｊ”）Ｎ　（ｉ）　
−ｎ＊ となる。ただし、ｄ”（ｉ、　ｊ）は入力パターンのフ
レームｉと標準パターンＲｒｌＯフレームｉと（Ｄベク
トル間距離であり、Ｄｎ（ｆ、ｆ）は入力パターンのフ
レーム１〜ｌの部分パターンと、最後尾音節基をｎとし
た場合の最適の（累積距離が最小となる）パターン列と
の累積距離（最小累積照合距離）である。

ここで、漸化式（４）の初期値の設定を変更することに
よって、本発明装置を実現することが出来る。

即ち、単語ＷＯｋ番目の音節をｕ（ｗ、ｋ）入力パター
ンの１〜ｉフレームの部分パターンと単語Ｗの１〜に音
節の音節標準パターン列との最小累積熱（ｗ、　ｋ） 合距離をＤ　　　（ｉ）とすれば、ｎ　＝　ｕ　（ｗ　
、　ｋ　）とおいて 初期値　Ｄｎ（ｉ　−２、Ｏ）　：　Ｄ”（ｉ−１、Ｏ
）　−０１）’に−１’＋≦ｉ≦１に−＋　＋　ｒ２の
ときＤ”（ｉ−１、Ｏ）　＝＝　Ｄ”°ｋ）（ｉ−１）
１に一４ｒ２＋　１≦ｉ≦ｉｋ　＋　ｒ２のときＤ”（
ｉ−１，ｏ）＝ω を計算し、 Ｄ（ｗ、　ｋ）　（ｇ　＝＝　ｎｎ　（ｔ　、　Ｊ　ｎ
　）を得る。この計算をｉ＝１〜工について実行すれば
、求めるべき単語Ｗ＊は Ｗ＊＝　”ｇｍｉ”　ＣＤ””ｋ）（Ｉ）］　　・・・
−−−−−−（５）となる。この場合”　（’　＋　３
　）　ｌ　Ｂ（’）等は不要である。

以上の説明において、ｊ＝１〜Ｊｎに対する”（’ＩＩ
）の計算は第４図からも明らかなように、フレームミー
１．フレームｉ　−２のそれらの値トフレーム１−１の
ベクトル間距離、即ち、ｊ＝１〜．ｒＨに対するｄｎ（
ｔ−１，ｊ）のみ記憶しておけば良いものである。また
、フレームｉにおける計算をｊ−Ｊｎ〜１の順序で行う
ことにすれば、”（Ｌ　］）の計算に用いたそれらの第
ｉ−２フレームにおける値、およびｄ”（ｉ−１、ｊ）
　（ｊ＝１〜Ｊｎ）の値は再び使うことはないから、ｎ
ｎ（ｔ　＋　ｔＬｄ”　（ｉ、　ｉ　）ノ計算結：！ｌ
ｊ：ソレｔ”；ｈＤ”（ｉ　−２、ｊ）　。

ｄ”（ｉ−１，ｊ）を記憶していた場所に記憶するコト
カ出来ル。従ッテ、”　（’　ｌ　］　）　＋　”　（
ｉ、］）に対する必要記憶容量は”　（ｉｌ　］　）に
対しては２フレ一ム分、ｄ　　（１，ｊ）に対しては１
フレ一ム分あれば良いことになる。

第１図は以上の原理による本発明の一実施例である。以
下、図面に従って本実施例を説明する。

１は音声信号の入力端子であって、認識されるべき音声
が入力される。２は特徴抽出部であって、入力された音
声をフィルタバンクやＬＰＧ分析等によって特徴ベクト
ルの系列に変換するものである。３は入カパッファ・メ
モリであって、特徴抽出部２で得られた特徴ベクトルの
系列を一時記憶するものである。４は音声区間検出部で
あって、特徴抽出部２で得られた特徴ベクトルの系列に
対して、入力音声信号のレベル等から周知の方法によっ
て音声区間の開始終了フレームを検出する。

５はセグメント・マーカ発生部であって、入力音声の音
節の発声に同期してセグメント・マーカを発生するもの
であって、最も簡単には手動スイッチを入力音声の音節
の発声に同期して押圧することによって得られる。６は
入力フレーム・カウンタであって、音声区間検出部４で
得られた音声区間の開始フレームから終了フレームまで
のフレーム数を計数するものである。入カバソファ・メ
モリ３はこの入力フレーム・カウンタ６の状態によって
アドレッシングされる。７はマーカ位置記憶部であって
、セグメント・マーカ発生部５から得られるセグメント
・マーカと入力フレーム・カウンタ６の状態から得られ
るマーカ位置を記憶するものである。８はマツチング範
囲指定部であって、マーカ位置記憶部７の出力からそれ
ぞれのセグメントに対し、入力音声信号に対してマツチ
ングすべき部分区間を指定するものである。９は標準パ
ターン記憶部であって、認識すべき音節に対する標準パ
ターンが記憶されているものである。１６は単語辞書で
あって、認識されるべき単語または文節が音節列の形で
記憶されているものである。

１０はベクトル間距離計算部であって、入力バッファ・
メモリ３から読みだされたマツチング範囲指定部８で指
定される入力の部分パターンと標準パターン記憶部９に
記憶されている標準パターンのそれぞれとのベクトル間
距離を計算するものである。このとき、ベクトル間距離
の計算されるべき音節は、前記入力の部分パターンに相
当するセグメントに対応する前記単語辞書１６の任意の
単語の音節と同一の音節に限ることによって、計算量の
大幅な削減が出来る。即ち、マツチング範囲指定部８で
指定されろ入力の部分パターンが第に番のセグメントで
あったとすると、ベクトル間距離の計算されるべき音節
は、単語辞書１６に含まれるそれぞれの単語の第に音節
として現われる音節に限られる。１１はベクトル間距離
記憶部であって、ベクトル間距離計算部１０で計算され
た結果を前記説明に従って一時記憶するものである。

１２は累積距離計算部であってベクトル間距離記憶部１
１に記憶されているベクトル間距離から前記漸化式（４
）に従って累積距離およびバック・ポインタを計算する
ものである。１３は累積距離記憶部であって、累積距離
計算部１２で計算された累（ｗ、ｋ）。

積距離Ｄ　　　（１）を記憶するものである。１４は最
小値判定部であって、音声区間検出部４が音声区間の終
了を検出すると、式（５）に従って、累積路（ｗ、ｋ） 離Ｄ　　　　（Ｉ）のＷに関する最小値を求め、それを
与えるＷ　＝　Ｗ＊を認識結果と判定し、その結果を端
子１５に出力するものである。

第５図は、以上の実施例の動作をプログラムで表現した
ものであシ、ソフトウェアで実現する場合もこれに従え
ばよい。なお、第５図において、ＤＯＷＨＩＬＥ口＝Ｉ
＝コ ＫＮｆ）Ｉ）０ なる記法は、条件人が成立する間Ｂを行うと言うことを
意味する。また、 ＤＯＵＮＴＩＬ口２ ＮＤＤＯ なる記法は、条件Ａが成立するまでＢを行うと言うこと
を意味する。さらに ＩＦロ＝■＝コＴＨＥＮ ＬＳＥ ＮＤＩＦ なる記法は、条件ムが成立するときはＢを実行し、条件
ムが成立しないときはＣを実行すると言うことを意味す
る。

ステップ２０１，２０２は累積距離Ｄ　（乳ｋ　）　（
１）の初期化を行う部分である。

ステップ２０３はに番目のマーカにおける処理を示して
おシ、ステップ２０６．２０７でマツチングすべき入力
パターンの部分区間の開始フレーム８と終了フレーム化
の値を設定している。ただし、語頭（ｋ：１）において
は＄＝１、語尾（ｋ＝Ｋ）においてはｔ＝工であり、ｋ
？！！１がっに≠にのときは８　＝ｌ　ｙ−７１１，ｔ
　””　１に＋　ｒ２となる。

ステップ２０８は前記説明に従って音節ｎ＝１〜Ｎに対
する標準パターンのそれぞれと入力パターンの前記部分
区間とのマツチングを行っている。

ステップ２０９は前記説明に従って単語ｗ＝１〜Ｗに対
する標準パターンの結合と入力パターンとのマツチング
を行っている。

ステップ２１０は単語Ｗのに番目の音節ｕ（ｗ。

ｋ）と音節ｎとが一致するとき音節ｎの標準パタ−ンと
入力パターンのに番目の部分区間とのマツチングを、前
記説明に従って、セグメント・マーカ前後の数クレーム
を端点自由区間として行っている。

ステップ２１１，２１２は前記部分区間におけるマツチ
ング計算に先だって初期化を行っている。

ステップ２１３は前記入力パターンの部分区間８〜ｔと
音節標準パターンｎとのマツチング計算を行っている。

ここで、ステップ２１１，２１４においては、前記説明
に従って、Ｄ”（ｉ、ｊ）に対しては２フレ一ム分の、
ｄｎ（ｉ、ｊ）に対しては１フレ一ム分のメモリのみで
済むものであるから、このことを実際に行うために、ｉ
に対してｍ　＝　ｉ　ｍｏｄ　２なる置き換えを行って
いる。また、ｉ；５ｘｔＯ間ｎｉｄ不変テアルカｌ−＋
、Ｄｎ（Ｉ、Ｊ）、　　ｄ”　（ｉ　、　ｉ）はｎ毎に
持つ必要はなく、それらはＤ（ｉ、ｊ）。

ｄ（ｌ、ｊ）とすることができる。

ステップ２１４．１１５　、２１６は入力フレームｌに
おける処理に先だって初期化する部分である。

ステップ２１７は前記説明に従ってフレームｉにおける
漸化式の計算をｊ二りｎ〜１について計算している。

ステップ２１９は入力パターンの１　ｋ＋ｌｌ　＋　　
ｒ　、≦ｉ≦ｔのフレームについてｎ　＝　１〜ｎにつ
いての（ｗ、ｋ） Ｄ（ｍ、ｊ）の最小値をＤ（１）に代入している。

（ｗ、ｋ） ステップ２２０はＤ　　　　（Ｉ）を最小にするＷ−Ｗ
＊を求めており、Ｗ＊が求めるべき認識結果である。

発明の効果 以上述べたように、本発明においては、音節を連続して
発声する際、音節入力に伴ってセグメント・マーカを付
加するようになしたとき、このマーカの位置を基準に前
後数フレームの曖昧さを持たせて入力パターンに最も良
く整合する単語辞書のそれぞれの単語に対応する標準パ
ターン列をＤＰマツチングによシ求めるようにしたので
、セグメンテーション誤りを排除出来たばかりでなく、
高精度のセグメンテーションが可能となったものである
。

【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
本発明の基本原理を説明する基本原理図、第３図は本発
明におけるＤＰマツチング計算の詳細を説明するだめの
原理図、第４図は本発明の実施例で用いたＤＰマツチン
グの径路の拘束条件を示す説明図、第５図は前記実施例
における処理手順を詳細に説明するだめの処理手順図で
ある。 １・・・・・・音声入力端子、２・・・・・・特徴抽出
部、３・・・・・・入力バッファ・メモリ、４・・・・
・・音声区間検出部、５・・・・・・セグメント・マー
カ発生部、６・・・・・・入力フレーム・カウンタ、７
・・・・・・マーカ位置記憶部、８・・・・・・マツチ
ング範囲記憶部、・９・・・・・・標準パターン記憶部
、１Ｑ・・・・・・ベクトル間距離計算部、１１・・・
・・・ベクトル間距離記憶部、１２・・・・・・累積距
離計算部、１３・・・・・・累積距離記憶部、１４・・
・・・・最小値判定部、１６・・・・・・出力端子、１
６・・・・・・単語辞書。

Claims (1)

【特許請求の範囲】
1. 音節を連続発声して得られる単語・文節等の入力音声信
   号を特徴ベクトルの系列に変換する特徴抽出手段と、音
   節のそれぞれに対応した特徴ベクトルの系列を前記音節
   名に対応づけて記憶する標準パターン記憶手段と、１音
   節発声する毎にそれに同期した信号であるセグメント・
   マーカを発生するセグメント・マーカ発生手段と、前記
   標準パターンのそれぞれと前記入力パターンに対して得
   られた前記それぞれのセグメント・マーカの近傍のそれ
   ぞれのフレームから次のセグメント・マーカの近傍のそ
   れぞれのフレームまでの入力パターンの部分区間とのマ
   ッチングを行って両者の距離（類似度）を計算するマッ
   チング手段と、認識されるべき各単語・文節等を前記音
   節名の系列として表現した単語・文節等を記憶する単語
   ・文節辞書と、この認識されるべき単語・文節と前記入
   力パターンとの距離を、前記単語・文節辞書によって指
   定される音節名の系列に対応するように、前記部分区間
   を隣合う区間が連続するように最適に定めることにより
   、前記各部分区間の始点と終点およびその音節名に対応
   する距離（類似度）の総和を最小（最大）となし、得ら
   れる最小値（最大値）を前記各単語・文節に対する前記
   入力パターンの距離として出力する単語・文節マッチン
   グ手段と、前記最小値（最大値）のなかで最小値（最大
   値）を与える前記単語・文節を認識結果として判定する
   判定手段とを含むことを特徴とする連続音声認識装置。