JPS62235991A - 音声認識方式 - 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、入力されなた音声を音節単位に認識する日本
語音声入力装置などに有利に用いられる音声認識方式に
関する。

１デ　景　Ｉ支　術 入力された音声を音節単位に認識する日本語音声入力装
置などに用いられる従来がらの音声認識方式では、連続
音声を音節に分解して切り出された音節を主としてパタ
ーンマツチングによって認識する場合、発声のばらつき
や調音結合と呼ばれる前後の音の影響による変形などに
よる音ｆ！ｌ！認識率の低下を、各音節に複数個の特徴
標準パターンを持たせることで防いでいる。また、それ
らの特ｒＩｉ標準パターンを入力された新しいパターン
で更新することにより認識率を向上させている。

発明が解決しようとする問題点 上記先行技術では、入力環境の急変、２名の生埋的要因
に基づく音質の変化、音声ピックアップ系の設定の変化
などに起因して音声信号波形の変化により同一カテゴリ
の特徴パターンの不整合が起った場合に対処することが
できず、急激に音声認識率が低下する。

本２明の目的は、上述の技術的課題を解決し、同一カテ
ゴリの特徴パターンの不整合が起った場合でも常時安定
して高い認識率を維持できるようにした音声認識方式を
提供することである。

問題、αを解決するための手段 本発明は、入力された音声を予め登録された複数種の音
節の特徴標準パターンとの類似度計算によって音節単位
に認識し、その結果を辞書との照合らしくはキーボード
などの外部指示操作によって修正して最終的な入力を得
るようにした音声認識方式において、 認識基本単位である音節についてａ節別に入力毎の正解
あるいは誤りの時系列を記憶するｔｊＳ１バッファと、
音節全体の正解あるいは誤りの時系列を５己ｆ之する第
２バッファとを備え、 入力時に入力された′ｔＩ節を用いて特徴標準パターン
を自動的に更新する場合、第１および第２バッファの内
容を読み取って入力時点からさかのぼった最近の各音節
の認識情況と音節全体の認識情況を求め、 各音節の認識情況と音節全体の３Ｘ識情況とを用いて音
節の学習の促進／抑制の制御を段階的に行うようにした
音声認識方式である。

作　　用 本発明に従えば、たとえば１１１種の各音節についての
認識情況に加えて音節全体の認識情況を求めて、音節全
体の認識率が低下してきたときは学習を促進し、認識率
が高くなったときは学習を抑制するように音節の学習を
段階的に制御する。

これによって、入力環境の急変、話者の生理的要因に基
づ＜’１ｆｆｆｆの変化、音声ピックアップ系の設定の
変化などに起因した急激な音声認識率の低下などの音節
認識情況の変化を、音節全体と各音節について検知して
学習を制御して、この種の変動に対して比較的認識率の
回復を早めることができ、かつ認識率が高い場合には学
習を抑制して安定して高い認識率を維持できる。

実施例 先ず本発明の概要について説明する。本発明では、音節
別に入力毎の正解あるいは誤りの時系列を記憶する第１
のリングバッフｙＬと、音節全体の正解あるいは誤りの
ｒＵ！ｆ系列を記憶する！＠２のリングパン７ア１１　
　とを設ける。これらのリングバッファＬ、ｌｉは、メ
モリが当間隔に分割されて各部分が一つの認識結果を記
憶し、時系列に沿ってリング状に連なって構成されたも
ので、その部分数が１１個あれば過去電１個の認識結果
の時系列を記憶できることになる。これらは入力が確定
される毎に更新される。

これＣ）の２種類のリングバッファＬ、ｌｉの内容に基
づき、リングバッファＬから最近の音節全体の認ａ率Ｒ
を、またリングバッフ７１１から最近の音節１の認識率
「ｉを算出する。次に音節全体の認′：＆ＩＦ　Ｒを複
数のランクに別けて、各ランク毎に各ｒｆ節の認識率１
１に応した学習条件を設定する。

音ｆｆｆｉ全体の認ａ率Ｒは第１式で示され、各音節（
音節ｉ）の認識率は第２式で示される。

Ｒ（ｕ）＝　ｎｅ／　ｎ　　−（１） ただし、ｎ＝ｎｅ＋ｎｃである。ここで１１は過去＋１
回の入力回数を示し、ｎｅは誤り数を示し、ＩＣは正解
数を示す。

ｒｉ（＋＋＋）＝　ｍｅ／　ｔｍ　　−（２）ただし、
ｍ＝　ａ＋ｅ＋　ｍｅである。ここでＩは過去１回の音
ｍｉの入力回数を示し、ｍｅはａ節ｉの誤り数を示し、
晶は音節ｉの正解数を示す。

例えば、誤り率については、第３式、第４式およびｆｊ
Ｓ５式のように段階的に設定する。これらの条件が満た
されたとき、その入力音節は学習される。

Ｉｔ（ｔｏ）＜　０．２　　のとさ１≦ｒｉ（１）・・
・（３）０．２≦Ｒ（１０）＜　０．３　　のとき１／
２≦ｒｉ（２）　　・＝　（４）０．３≦Ｒ（１０）　
　　のとき１／３≦ｒｉ（３）　　−（５）たとえばリ
ングバッフ７Ｌにおける音節全体の認識結果の時系列が
第１表に示されるものであり、リングバッフ７１ｉにお
ける音節毎の認識結果の時系列が第２表に示されるもの
であるとき、ｍ３表に示される学習処理が行なわれる。

（以下余白） ｍｌ　　表　　　　　　　　　　　　　第　２　及第　
　３　　表 ここで第１の学習方式は上記第３式〜第５式に基づく音
節全体の認識情況と個々の音節の認識情況を用いたもの
であり、Ｐｔ５２の学習方式は１／２＜ｒ（２）に基づ
く個々の音節の認識情況だけを用いた場合である６第３
表から明らかなようにｆｊＳｌの方式は、認ａ率の変動
に良く追従している。

第１図は本発明の一実施例の日本語音声入力装置１の構
成を示すブロック図であり、第２図は日本語音声人力Ｖ
ｃｆ？ｔｌにおける自動学習の処Ｊｊｌ系を示す図であ
る。この日本語音声入力装置１は、連続的に発声された
音声を音節単位に認識し、この認識結果を辞さによって
修正した後、単語などの単位で外部ｖｃ置に転送する＋
ｆｉ　ｆｆｆｉを有している。

発声され入力された音声は、マイクロホン２を介してア
ナログ入力部３に入力され、このアナログ入力部３内の
増幅器４によって増幅された後、アナログ／デジタル変
換器５によってデジタル信号に変換され、そのデジタル
信号が音声分析部６および音節セグメンテーション部７
に入力される。

次に音響処理および音節の切り出し処理Ｔ１が行なわれ
る。すなわち音声分析部６では、入力音声を１６ｍ５程
度の７レームに分はスペクトル分析を行ない、８麹Ｓ程
度の間隔で音節セグメンテーションｓ７に音節のセグメ
ンテーション（二必要な特徴パラメータを転送する。音
節セグメンテーション部７では、音声分析部６からの種
々の持金パラメータをリング状の特徴パターンバッフ７
８に一時記憶しながら音節を切出して各ｔｆｎの特徴を
パターン化して特徴パターンメモリ９に記憶する。特徴
パターンバッファ８は成敗の音節を記憶ｒることができ
るように構成されζいる。音節セグメンテーション部７
の処理は、中央処理装置（以下ＣＰＵと言う）１０がら
の命令によりＩｎＥ始・停止りが前御されるように構成
されている。

次に音節の認識処理Ｔ２が行なわれ、処理Ｔ３で認識結
果が選ばれる。すなわち、音節認識部１１では、各音節
の特徴パターンと、特徴標準パターンメモリ１２に予め
標準として記憶されているすべての特徴標準パターンと
のパターン距離計算を行ない、５３′ｌ似頻度の高い順
に候補を出す、同種のａ部名を持つ候補を統合し音節認
識結果として認識結果メモリ１３に記憶する。

次に処理Ｔ４で音節認識結果の誤りを修正処理し、処理
Ｔ５で音節認識結果を導き出す。すなわちｔｆ節認ｎ　
ｕ　１１内のイ１正処理部１１ａでは、言３ｎ　％埋用
辞書メモリ１４に記憶した辞書を用いて音節認識結果の
誤りを自動的に修正する。あるいは揉作者自身がキーボ
ード１５によって、入力音声に対する認識候補から正し
い候補を選択したり、また誤り箇所を直接修正する場合
もある。このようにして確定された正しい結果は、処Ｐ
Ｉ！Ｔ６で漢字に変換されて文字列として出力される。

犬１こ処理Ｔ７で自動学習処理が行なわれる。

すなわち音ｆｆ５３Ｘ識部１１内の学習処理制御部１１
ｂでは、確定文字列により認識結果を分析して更新され
る学習情報（処Ｊ工′ｒ８）を用いて、入力された各音
節の特徴パターンを学習　（特徴パターンを用いて特徴
標準パターンを更新することを言う）するか否かを次の
ように判定して学習の制御を行なう。

学習情報としては、■音節正誤リングバッフ７１６に記
憶されｒ：、音節毎の最近（たとえば過去３回の入力に
対しての）正／誤の時系列と、■音節全体止ｉ　１Ｊン
グパツ７Ｔ１７に記憶された最近（たとえば過去１２８
回の音節の人力に対して）の正／誤の時系列とが用いら
れる。

次１こ認識情況に基づく制御が行なわれる。すなわち最
近の正Ｍ音節平均認Ｗ＆率Ｒに応じて、［Ｓ　１　］、
［Ｓ　２　］、［Ｓ　３　］の３段階的に条件を設定し
、条件が満たされた場合学習される。

第１段階［Ｓ１１は、Ｒ（１２８）＜８０％のとき過去
３回（現在の結果も含む）の人力に対し１回以上誤りが
ある音節の場合（誤’）＄ｒｉ（３）≧１／３）である
。

第２段階［Ｓ２１は、８０％≦Ｒ（１２８）＜８５％の
とき、過去３回の入力に対し１回以上誤りがある場合（
誤り率ｒｉ（２）≧１／２）である。

第３段階［Ｓ３１は、Ｒ（１２８）≧８５％のとき、現
在誤った場合のみ（誤り率ｒｉ（１）≧１）である。

このような条件の下で、学習処理の更Ｔｒ部１１Ｃでは
、学、習すると１′す定された音節について特徴標準パ
ターン１２の中で最も悪いパターンすなわち認識貢献度
が最も低いパターンを検索し　（処理Ｔｌ０）を、その
音節の特徴パターンで置換するかその特徴パターンを用
いて平均化の操作を（テっでその特徴標準パターンの更
新（処理Ｔ９）を終了する。

なお、音声分析部６以外は、総てＣＰＵ　１０で制御さ
れている。

第３図は、１１８１の文章（１文章は平均６５０１″ｆ
ｆｆＩｉからなる）を人力したとき、各文章毎の音節の
Ｖ均認ａ率と、学習された入力音節の個数の推移を示し
たグラフである。ここでは２名の話者Ａ１Ｂについて測
定した。ライン！１は話者へに関する音節の認識率を示
し、ラインノ２は話者Ｂｌ：関する音節の認ａ率を示し
ている。またラインノ３は話者Ｂに関するパターン学習
回数を示し、ラインノ４はフ者Ａに関するパターン学習
回数を示している。認識率がＡに比べて低いＢの場合は
、学習した音節の個数が多い１文章を多く人力していく
と平均認識率が高くなって学習音節数ら減っており学習
の効果が現れている。また、ｆｊＩＪ４文章を入力した
ときの平均認識が非常に高いが学習は抑制され、第５文
章のときは平均認識率が低下して学習が促進されている
様子が分かる。このように学習を抑制して入力の情況に
追従して高認＆ｆｌ＆’Ｆを維持していることが理解さ
れる。

効　　果 以上のように本発明によれば、入力環境の急変、コ者の
生理的要因に基づく音質の変化、音声ピックアップ系の
設定の変化などに起因して音声イボ９波形の変化により
同一カテゴリの特徴パターンの不整合が起こり、３激に
音声語ａ率が低下する場合があっても、このような音ｆ
ｆＩ′ｉ認識情況の変化を音節全体と各音節について検
知して学習を制御するため、この種の変動に対して比較
的認識率の回復が早く、一方十分認識率が高い場合には
学習を抑制するため、安定して高い認識率を維持できる
。

【図面の簡単な説明】

第１図は本発明の一実施例の日本語音声入力装置１の構
成を示すブロック図、第２図は日本語音声入力装置１に
おける自動学習の処理系を示す図、第３図は１１種の文
章（１文章は平均６５０音節からなる）を入力したとき
、各文章毎の音節の平均認識率と、学習された入力ｔｆ
ｆｆｌｉの個数の推移を示したグラフである。 １・・・日本語音声入力装置、２・・・マイクロホン、
６・・・音声分析部、７・・・音節セグメンテーション
部、８・・・特徴パターンバッフ７．９・・・ｇ徴パタ
ーンメモリ、１０−ＣＰＵ１１１・・・音声認Ｗ＆部、
ｌｌａ・・・イ１正処理部、ｌｌｂ・・・学習制御部、
ｌｌｃ・・・更新部、１２・・・特徴標準パターンメモ
リ、１３・・・認識結果メモリ、１４・・・言語処理用
辞書メモリ、１５・・・キーボード、１６・・・音節正
誤リングバッファ、１７・・・音節全体正誤リングパン
７ア代理人　　弁理士　西教　圭一部 ２面の浄書（内容に変更なと） 第１図 第３図 手続補正書（方式）

Claims (1)

1. 【特許請求の範囲】 入力された音声を予め登録された複数種の音節の特徴標
   準パターンとの類似度計算によって音節単位に認識し、
   その結果を辞書との照合もしくはキーボードなどの外部
   指示操作によって修正して最終的な入力を得るようにし
   た音声認識方式において、 認識基本単位である音節について音節別に入力毎の正解
   あるいは誤りの時系列を記憶する第１バッファと、音節
   全体の正解あるいは誤りの時系列を記憶する第２バッフ
   ァとを備え、 入力時に入力された音節を用いて特徴標準パターンを自
   動的に更新する場合、第１および第２バッファの内容を
   読み取って入力時点からさかのぼった最近の各音節の認
   識情況と音節全体の認識情況を求め、 各音節の認識情況と音節全体の認識情況とを用いて音節
   の学習の促進／抑制の制御を段階的に行うようにした音
   声認識方式。