JPS62204299A - 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、各単語もしくは音節、音韻につき、複数個の
標準パターンテンプレートを持つ音声認識装置に関する
ものである。

従来の技術 不特定話者に対応させるために、各単語もしくは音節、
音韻につき、複数個の標準パターンを用いる方法は有効
な方法である。上記方法では、より多くの話者に対応し
たり、同話者であっても話者の発声状態が時間の経過と
共に変化した場合に対応するためには、話者の数２発声
状態の変化に応じて、標準パターンテンプレートに最適
なパターンを追加する必要があり、追加パターンは、誤
認識パターンから選択すると効率が良い。しかしながら
、追加したパターンが他の単語もしくは音節、音韻との
類似度が高い場合は、追加した単語もしくは音節、音韻
の認識率が向上しても、他の単語もしくは音節、音韻の
認識率が逆に低下する場合がある。従来の音声認識装置
では、上記問題点を解決するため、更新する前の標準パ
ターンを使用した場合の全単語もしくは音節、音韻の認
識率と、更新後の認識率を比較し、後者の方が高認識率
であった場合のみ、更新後の標準パターンテンプレート
を採用し、後者の方が低認識率であった場合には、標準
パターンテングレートを更新前の状態に戻すという方法
がとられた。以上の方法により、標準パターンを更新す
ることで、必ず認識率が向上することが可能になり、よ
り話者に適したテンプレートを使用することが可能とな
る。

（たとえば、飯塚、森戸、山田、（沖電気（株）基盤研
究所）、「不特定話者単語音声認識」、音響学会音声研
究会資料、　８８３−５４（１２，２２，１９８３））
以下、図面を参照しながら、上述したような従来の音声
認識装置について説明を行う。第２図は、従来の音声認
識装置のブロック図である。１は音声入力端子、２は特
徴抽出部、１１はパターン照合部、１ｏは認識結果出力
端子、１５は追加パターン判定部、１４Ｆｉ保管パター
ンテンプレート、１３は標準パターンテンプレート、１
２はスイッチである。以上のように構成された音声認識
装置について、その動作を説明する。

まず、話者が最初に使用する際には、音声入力端子１よ
り入力された学習用音声信号を特徴抽出部２で分析し、
特徴パラメータを抽出する。学習用音声信号としては、
標準パターンテンプレート１３に含まれている単語音声
信号を用いる。また、分析方法には、たとえばＬＰＧケ
プヌトラム法を用いれば、単位時間ごとに所定の個数の
ケダスト５・、 ラム係数が算出される。

標準パターンテンプレート１３には、音声区間分のケプ
ヌトラム係数を１単語分とする標準パターンが各単語に
つき複数個含まれており、パターン照合部１１で標準パ
ターンを入力し、特徴抽出部２で分析された学習音声パ
ターンと標準パターンとの距離を算出し、最短距離の標
準パターンを選ぶ。学習用音声信号を入力してから後の
以上の過程を標準パターンテンプレートに含まれる全単
語について複数回繰り返し、パターン照合部１１で、認
識の可、不可を判断し、全単語の認識率と誤認識単語の
１回分のパターンを保管パターンテンプレート１４に保
管する。

次に、再度学習用音声信号を音声入力端子１よシ入力し
、音声信号を特徴抽出部２で分析し、特徴パラメータを
抽出する。信号の種類２分析条件は、最初の学習時と同
様である。

次ニ、パターン照合部１１で、標準パターンテンプレー
ト１３と保管パターンテンプレート１４より、それぞれ
標準パターンと最初の学習時に保６・−・−′ 管した誤認識パターンを入力し、以上の全てのパターン
を標準パターンとみなし、学習用入力音声パターンと標
準パターンとの距離を算出する。

学習用音声信号を入力してから後の以上の課程を標準パ
ターンに含まれている全単語について複数回繰り返しパ
ターン追加判定部１５で、最初の学習時の認識率と、再
学習時の認識率を比較する。

その結果、最初の学習時の認識率が高い場合には、保管
パターンテンプレート１４にある誤認識パターンを消去
し、再学習時の認識率が高い場合には、保管パターンテ
ンプレート１４にある誤認識パター７を標準パターンテ
ンプレート１３に追加する。

次に認識時には、音声信号を音声信号入力端子１より入
力し、信号を特徴抽出部２で分析し、特徴パラメータを
抽出する。信号の種類２分析条件は、学習時と同様であ
る。

次にパターン照合部１１で、学習時に更新した標準パタ
ーンテンプレート１３の標準パターンと入力パターンと
の距離を算出し、出力端子１ｏより認識結果を出力する
。

なお、スイッチ１２は、学習時にはパターン追加判定部
１５へ、認識時には結果出力端子１０に認識結果を出力
するように動作する。

発明が解決しようとする問題点 しか１．なから、上記のような構成では、標準パターン
テンプレートを更新するまでに、同種の学習を２回行な
わなければならず、話者への負担が大きくなる。しかも
、認識率を比較した結果、更新する前のテンプレートを
採用すると判断された場合は、学習が無駄になり、特定
の単語に関しては、何回学習を行なっても認識率が向上
せず、学習速度が遅くなるという問題点を有していた。

本発明は、上記問題点に鑑み、話者に負担をかけるが学
習速度が速く、しかも学習を無駄にせずに話者に対して
確実に認識率を向上させる学習と、学習速度は遅いが話
者に負担をかけることなく認識率を向上させる学習とを
組み合わせたシステム構成を用い、学習時には、話者自
身が、状況に応じて、負担を許容できるかとうかまたは
、学習速度は遅くても良いかを判断して上記２つの学習
方法を使い分けることにより、不都合な話者の負担を軽
減し、かつ、不都合な学習の無駄をも軽減して学習速度
を速くシ、効率良く認識率を向上させることのできる音
声認識装置を提供するものである。

問題点を解決するための手段 この目的を達成するために本発明の音声認識装置は、各
単語もしくは音節、音韻についての複数個の標準パター
ンを有する標準パターンテンプレートと、標準パターン
の更新に必要なパターンを保管する保管パターンテンプ
レートト、標準パターンと認識されるべき入力パターン
とを照合するパターン照合部と、入力パターンの中より
標準パターンテンプレートに追加するべきパターンを決
定する追加パターン決定部と、複数個の保管パターンに
対し類似度の高いパターンを同クラスとみなしたクラス
分けを行い、各クラスのセントロイドを決定するセント
ロイド決定部と、上記クラス分けの結果から、各セント
ロイドのパターンを標準パターンテンプノートに追加す
るかどうかを判定する追加パターン判定部とから構成さ
れている。

作用 この構成によって、標準パターンを更新するための学習
時に、話者に負担を許容できるが学習速度は速くなけれ
ばいけない際には、話者が認識するべき音声をまとめて
入力し、前記追加パターン決定部で、上記入力パターン
の中より追加するべきパターンを決定するように動作し
、学習速度は遅くても良いが話者に負担を許容できない
際には、認識時に、前記パターン照合部で誤認識パター
ンを前記保管パターンテーブルに保管しておき、標準パ
ターンを更新するための学習時に、前記セントロイド決
定部で、保管された誤認識パターンを対象にクラス分け
を行い、セントロイドを決定し、前記追加パターン判定
部で、上記セントロイドパターンを追加するべきである
と判定された場合に、相当するパターンを追加するよう
に動作する。認識時には、更新された標準パターンテン
プレートを用いて認識する。

実施例 １０　　　。

以下、本発明の単語音声認識における一実施例について
第１図を参照しながら説明する。

第１図において、１は音声入力端子、２は特徴抽出部、
３はパターン照合部、４はスイッチ、５は追加パターン
決定部、６はセントロイド決定部、７は追加パターン判
定部、８は標準パターンテンプレート、９は保管パター
ンテンプレート、１゜は認識結果出力端子であり、前記
従来例と同じものは、同一の番号を付与している。

以上のように構成された音声認識装置について以下その
動作について説明する。

話者が負担を許容できるが学習速度が速くなければいけ
ない際には、話者が全単語音声をまとめて入力すること
で、確実に話者に適用するように標準パターンテンプレ
ートを更新するための学習を行う。この際の動作は以下
の通りである。

初めに、音声入力端子１より入力された一回分の全単語
音声信号を特徴抽出部２で分析し、特徴パラメータを抽
出し、分析されたパターンを保管パターンテンプレート
９に保管する。学習用音声信号の種類２分析条件は従来
例と同様である。

次に、再度音声信号を入力し、分析した後、パターン照
合部３で、標準パターンテンプレート８より標準パター
ン、保管パターンテンプレート９より保管パターンを入
力し、標準パターンと保管パターンを共に標準パターン
とみなして、入力パターンと標準パターンとの距離を算
出する。

次に、追加パターン決定部６で、上記で照合した結果の
第２候補までの標準パターン番号を参照しながら、次の
規則に従って追加パターンを決定する。

規則）第１候補または第２候補に使用されておυ、かつ
、それぞれ他の第２候補または第１候補が異なった単語
パターンであるような保管パターンは、標準パターンテ
ンプレートに追加する。

また、学習速度は遅くても良いが話者に負担を許容でき
ない際には、特別に話者に対して学習時を設けず、認識
時に誤認識した場合に、誤認識パターンを単語ごとに保
管パターンテンプレート９に保管しておき、その結果、
保管パターンテンプレート９内のパターンが一定個数以
上になった単語が存在した場合、以下の動作により標準
パターンテンプレートを更新する。靭めにセントロイド
決定部６で、その単語の保管パターン及び標準パターン
ヲ保管パターンテンプレート９．標準パターンテンプレ
ート８からそれぞれ入力し、以上のパターンを対象にク
ラスタリングを行い、各クラスの中心パターンを決定す
る。クラスタリングの方法は、たとえば各パターンにつ
き距離の近い上位に個のパターンを各パターンの近傍点
とし同クラスとする。そして、互いに近傍点となるパタ
ーンが存在すれば、相当するパターンのクラスを合わせ
たものを新しいクラスとする。（以上の処理を以後に−
ＮＮ法と呼ぶ。）これを式で示すと、次に、セントロイ
ドの決定法は、たとえば、同クラス内の全てのパターン
との距離の和が最も小１３　・＼− さいパターンを中心パターンとする。（以後ポテンシャ
ル法と呼ぶ。） 次に追加パターン判定部７で、各クラスに対し、次の判
定条件を満たすクラスの中心パターンを追加パターンと
して、相当する単語の標準パターンテンプレート８に追
加する。

判定条件１）各クラス内に標準パターンが半数以上ある
。

判定条件２）中心パターンは保管パターンである。

認識時には、音声信号を音声入力端子１より入力し、信
号を特徴抽出部２で分析し、特徴パラメータを抽出する
。学習用音声信号の種類９分析条件は従来例と同様であ
る。

次に、パターン照合部３で、学習時に更新した標準パタ
ーンテンプレート８より、標準パターンと入力パターン
の距離を算出し、出力端子６より認識結果を出力する。

なお、スイッチ４は、話者に負担をかける際の学習時に
は追加パターン決定部５へ９話者に負担をかけない際の
学習時にはセントロイド決定部６１４　・、−− へ、認識時には結果出力端子６へ動作結果を出力するよ
うに動作する。

以上のように、本実施例によれば、標準パターンを更新
するための学習時に、話者に負担を許容できるが学習速
度は速くなければいけない際には、話者がまとめて入力
した認識するべき全単語パターンを保管し、再度全単語
を入力し、前記パターン照合部３で、標準パターンと保
管パターンを共に標準パターンとみなして、入力パター
ンと標準パターンを照合し、その結果、追加パターン決
定部６で、第１候補または第２候補に使用されており、
かつ、それぞれ他の第２候補または第１候補が異なった
単語パターンであるような保管パターンを、標準パター
ンテンプレート８に追加する。

また、学習速度は遅くても良いが話者に負担を許容でき
ない際には、認識時に、前記パターン照合部３で誤認識
パターンを前記保管パターンテーブル９に保管しておき
、標準パターンを更新するための学習時に、前記セント
ロイド決定部６で、保管された誤認識パターンに標準パ
ターンを含めたパターンを対象にに−ＮＮ法によるクラ
スタリングを行い、各クラスの中心パターンをポテンシ
ャル法により決定し、前記追加パターン判定部７で、ク
ラス内のパターンの半数以上が標準パターンでありしか
も中心パターンが誤認識パターンであるクラスが存在し
た場合のみ、中心パターンを標準パターンテンプレート
８に追加する。以上により、不都合な話者の負担が軽減
され、かつ、不都合な学習の無駄も軽減されて学習速度
が速くなり、効率良く認識率を向上させることが可能と
なる。

発明の効果 本発明は、標準パターンを更新するための学習時に、話
者に負担を許容できるが学習速度は速くなければいけな
い際には、話者が認識するべき音声をまとめて入力し、
前記追加パターン決定部で、上記入力パターンの中より
追加するべきパターンを決定するように動作し、学習速
度は遅くても良いが話者に負担を許容できない際には、
認識時に、前記パターン照合部で誤認識パターンを前記
保管ハターンテーブルに保管しておき、標準パターンを
更新するための学習時に、前記セントロイド決定部で、
保管された誤認識パターンを対象にクラス分けを行い、
セントロイドを決定し、前記追加パターン判定部で、上
記セントロイドパターンを追加するべきであると判定さ
れた場合に、相当するパターンを追加することにより、
不都合な話者の負担が軽減され、かつ、不都合な学習の
無駄も軽減されて学習速度が速くなり、効率良く認識率
を向上させることが可能となる優れた音声認識装置を実
現するものである。

【図面の簡単な説明】

第１図は本発明の一実施例における音声認識装置のブロ
ック図、第２図は従来例における音声認識装置のブロッ
ク図である。 １・・・・・・音声入力端子、２・・・・・・特徴抽出
部、３・・・・・・パターン照合部、４・・・・・・ス
イッチ、６・・・・・・追加パターン決定部、６・・・
・・・セントロイド決定部、７・・・・・・追加パター
ン判定部、８・・・・・・標準パターンテンプレート、
９・・・・・・保管パターンテンプレート、１０・・・
・・・認識結果出力端子。

Claims (1)

【特許請求の範囲】
1. 各単語もしくは音節、音韻についての複数個の標準パタ
   ーンを有する標準パターンテンプレートと、標準パター
   ンの更新に必要なパターンを保管する保管パターンテン
   プレートと、標準パターンと認識されるべき入力パター
   ンとを照合するパターン照合部と、入力パターンの中よ
   り標準パターンテンプレートに追加するべきパターンを
   決定する追加パターン決定部と、複数個の保管パターン
   に対し類似度の高いパターンを同クラスとみなしたクラ
   ス分けを行い、各クラスのセントロイドを決定するセン
   トロイド決定部と、上記クラス分けの結果から、各セン
   トロイドのパターンを標準パターンテンプレートに追加
   するかどうかを判定する追加パターン判定部とを具備し
   、標準パターンを更新するための学習時に話者に負担を
   許容できる際には、話者が認識するべき音声をまとめて
   入力し、前記追加パターン決定部で、上記入力パターン
   の中より追加するべきパターンを決定し、話者に負担を
   許容できない際には、認識時に、前記パターン照合部で
   誤認識パターンを前記保管パターンテーブルに保管して
   おき、標準パターンを更新するための学習時に、前記セ
   ントロイド決定部で保管された誤認識パターンを対象に
   クラス分けを行い、セントロイドを決定し、前記追加パ
   ターン判定部で、上記セントロイドパターンを追加する
   べきであると判定された場合に、相当するパターンを追
   加することを特徴とする音声認識装置。