JPS62235992A

JPS62235992A - 音声認識方式

Info

Publication number: JPS62235992A
Application number: JP61078823A
Authority: JP
Inventors: 外川　文雄; 徹上田
Original assignee: Sharp Corp
Current assignee: Sharp Corp
Priority date: 1986-04-05
Filing date: 1986-04-05
Publication date: 1987-10-16
Anticipated expiration: 2009-01-26
Also published as: JPH067349B2

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
語音声認識装置などに有利に用いられる音声認識方式に
関する。

背景技術入力された音声を音節単位に認識する日本語音声認識入
力装置などに用いられる従来からの音声認識方式で曇は
、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
などによる音節認識率の低下を、各音節に複数個の特徴
線糸パターンを持たせることで防いでいる。また、それ
らの特徴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、各音節の標準パターン数が設定され
ておらず、したがって入力される音節の頻度に応じて学
習が進行していくと、各１７節のパターン数に偏りが生
じて、入力頻度の低い音部の認識が極端に悪（なる。

本発明の目的は、上述の技術的課題を解決し、特徴標準
パターンの音節が占めるパターン配分が入力頻度に依存
して偏ることの無いようにして、認識率の変動を可及的
に小さくし、認識精度が向上するようにした音声認識方
式を提供することである。

問題点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ｒ＆種類
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
１…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捏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、音節毎に特徴標準パターンの最大パターン数を設定し、認識に最小限必要な特徴標準パターンを初期に登録した
後、入力時に各音節の前記最大パターン数を越えない範
囲で、入力された特徴パターンを自動登録して特徴標準
パターンを更新するようにしたことを特徴とする音声認
識方式である。

作　　用本発明に従えば、調音結合による直後の音韻からの影響
を受けやすく統計的に認識率の悪い音節で、入力の頻度
が高い音節　（たとえば単母音、有声破裂音、う打音な
ど）は最大パターン数を高い値に設定し、逆の場合に当
てはまる音節　（たとえば「じゃ」などのよう音からな
る摩擦音、「びや」などの破裂音）は低い値を設定して
効率良く特徴標準パターンを構成し、各音節に固有に与
えられｒこ数を越えない範囲で入力時の自動登録によっ
て１、テ徴標帛パターンの追加・更新・削除が行なわれ
る。

これによって特徴標式−パターンの音節が占めるパター
ン配分が入力頻度によって偏ることなく、したがって認
識率の変動を可及的に小さく抑えることができ、安定し
た音声認識状態を得ることができる。

実施例第１図は本発明の一実施例の日本語音声人力装ｒａ１の
構成を示すブロック図であり、第２図は日本語音声入力
装置１における音声認識処理の手順を示すフローチャー
トである。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、この認識結果を辞書に
よって修正した後、単語などの単位で外部装置に転送す
る機能を有している。

先ず、ステップｎ１からステップｎ２に移り、音声信号
が入力される。すなわち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
のアナログ人力ｇ３内の増幅器４によって増幅された後
、アナログ／デフタル変換器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。

次にステップ１１２からステップｎ３に移り、音ツ処理
および音節の切り出し処理が行なわれる。すなわち音声
分析部６では、入力音声を１６１１Ｉｓ程度のフレーム
に分はスペクトル分析を社ない、８Ｉｏｓ程度の間隔で
音節セグメンテーシシン部７に音節のセグメンテーシヨ
ンに必要な特徴パラメータを転送する。音節セグメンテ
ーシθン部７では、音声分析部６からの種々の特徴パラ
メータをリング状の特徴パターンバッファ８に一時記憶
しながら音節を切り出して各音節の特徴をパターン化し
て特徴パターンメモリ９に記憶ｒる。特徴パターンバッ
ファ８は複数の音節を記憶することができるように構成
され、でいる。音節セグノンテーシタン部７の処理は、
中央路ｌ！！装置（以下ＣＰＵと言う）１０からの命令
により開始・停止が制御１１されるように構成されてい
る。

次にステップｎ４で音節の認識処理が行なわれ、ステッ
プｎ５　　では認識結果候補が選ばれる。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に予め記憶されているすべてのｖｆ
ｍ　標準パターンとのパターン距離計算を行ない、類似
頻度の高い順に候補を出す、同種の音部名を持つ候補を
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。

次にステップｎ６　　で音ｆｆｒＪ認識結果の誤りを修
正処理し、ステップｎ７　　で確定された音節認識結果
を導き出す、すなわち音節認識部１１内の修正処理部１
１ａでは、言語処理用評言メモリ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（１正する。ある
いは操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、漢字に変換されて文字列として出力
される。

次にステップｎ８で学習処理が行なわ紅、ステップｎ９
　　で処理が終了する。すなわち音節認：！＃、部１１
内の学習制御１ｆｆｌＳ１１ｂ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９報、具体的には認
識貢献度カウンタ１６のカウント値と、メモリ１７に記
憶されている最近の認識ｑ況とに基づいて、入力された
各音節の特徴パターンを学習するか杏かを判定ｒる。学
習すると判定された音節については、入力された音節の
特徴パターンを特徴標準パターンとして追加するが、あ
るいは人力音節と同−音部名の特徴標準パターンの中で
最も悪いパターンすなわち認ｎ貢献度カウンタ１６のカ
ウント値が最小である認ａｊｔ献度が最も低いパターン
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行なうなどしてその特徴Ｐ
ｊ、Ｒヘパターンを更新する。また、認識貢献度が極端
に低い特徴標準パターンは削除する場合もある。

なお、各音節の最大標準パターン数は、音節の最大パタ
ーン数テーブル１８に記ｖＬされている。

また音声分析部６以外は、すべてＣＰＵ１０によって制
御されている。

第３図は前記ステップｎ８　　の標準パターン学習処理
のさらに詳細な処理手順を示すフローチャートである。

初期のｎ声登録で満たされない空の１、）全標準パター
ン領域の認ａ貢献度カウンタ１６は、予めすべてＣｒｅ
ｓの値にセットされている。ここでＣｒｃｓは、未登録
パターンにセットされるカウンタリセット値を示す。

修正処理部１１ａで確定されたｆ’ｆ　ｆｆ１ｉ　Ｓ　
ｉ　ｎにより各音節の認識結果を分析し、ステップ＋ａ
　１　　で認、電兵献度カウンタ１６を更新する。たと
えば第１表に示すように候補順位に応じて増減量を与え
カウンタの増減を行なう、すなわち候補順位が第１位の
特徴標準パターンが分析結果により正解の場合は、該特
徴標準パターンに対応する認識貢献度カウンタの値を４
だけインクリメントし、分析結果により誤りの場合は、
該認識貢献度カウンタの値を４だけデクリメントする。

第　１　表第　２　表たとえば正解音節が１゛い」の場合の例が１２表に示さ
れζいる。すなわち正解音節「い」の認識の上位候補と
なったパターンに対して、認識貢献度カウンタｃｊの値
を増減している。ここでＣｊは、標準パターンＰｊに対
応する認２に貢献度カウンタを示す。

次にステップ１１１２　　では、更新された認ａ貢献度
カウンタＣｋの値が削除するための閾値（ｔｌ＋以下で
あるか否かが判断され、そうであるときはステップ−３
で認：ａ貢献度カウンタＣｋに対応する１、テ徴標準パ
ターンＰｋを削除する。同時にステップＩａ４で現在の
特徴標準パターン数ｎを１減らし、ステップ１１１５　
　でそのパターン領域の認ａ貢献度カウンタＣｋをＣｒ
ｃｃにリセットする。

次にステップｍ２　　で、更新された認ｎ貢献度カウン
タＣｋの値が削除するための閾値ＣＬｈ以下でないとき
はステップｍ６　　に移り、メモリ１７からの最近の認
識状況データに基づいて、入力された各音節を学習する
か否かがｔ＋＋定される。学習ｒると判定された場合、
ステップＩＩ＋７　　で確定音節Ｓ；【１と同−音部名
の特徴標準パターンのうち、最小値を示す認識貢献）文
カウンタＣωに対応する１、デ徴標鵡パターンＰ−を求
める。この特徴標準パターンＰ１１１は、同一カテゴリ
で認ａ貢献度が最も低いものである。

次にステップｌ１１８で、音節Ｓｉｎに関する現パター
ン数ｎが、予め定めた最大数Ｍ未満か否かが１゛り定さ
れる。ｎ＜Ｍの場合はステップ１９に移り、１１Ｔｉ記
ステンブ鴻７　で求めた最小値を示す認識貢献度カウン
タＣ＋ａのカウントｆ直が、空のパターン頌域をもつ認
ａ貢献度カウンタの値Ｃｒｅｓより大きいか否が判定さ
れ、大きいときにはステップｍｌ。

で入力特徴パターンＰｉｎを特徴標準パターンＰ（ｎ＋
１）として追加する。そしてステップｌ１１１１で現パ
ターン数１１を１だけインクリメントし、ステップ１０
１２で特徴標準パターンＰ（ｎ＋１）に対応する認、１
１貢献度カウンタＣｎの値をＣ５ｅｔにセットする。こ
こでＣ５ｅｔ１．を追加あるいは更新された特徴標準パ
ターンにセットされるカウンタ値を示す。

ｍｊ記スステップｍ８．１１＝Ｍの場合はステップｍ１
３で特徴標準パターンＰｕ＋を更新する。また前記ステ
ップ＋６９で、ｉｆ？ｉ記ステップｍ７で求めた最小値
を示す認識貢献度カウンタＣ＋ａの値がＣｒｅｓよりも
小さいときには、ステップ１１１１３　　でその特徴認
識パターンＰｍを更新する。更新後も前記ステップｌ１
１１２と同様にステップω１４で、その認識貢献度カウ
ンタＣｍの値をＣ５ｅＬにセットする。

最後にステップ１１１１５　　で同−音節名に属するパ
ターンの各認識貢献度カウンタの平均値がカウンタの中
央値になるように第１式によってカウンタ値をシフトし
て値のバランス化を図る。これは、累積される認識貢献
度を同一カテゴリ内で正規化するものである。

Ｃｉ’　＝Ｃｉ＋（Ｃｉ／Ｌ−Ｃｃｅｎ）　　　＝・（
１）Ｃｉ′　　はバランス化後の認識貢献度カウンタの
値を示し、Ｃｉはバランス化前の認ａ貢献度カウンタの
値を示し、Ｌは同−音節名の特徴標準パターン数を示し
、Ｃｃｅｎはカウンタ変数の中央値を示す。

音節Ｓｉｎが　「イ」で、ＣＬｂ＝Ｏで、Ｃｒｅｓ＝２
０で、Ｃ５ｅＬ＝５０とし、入力された音節の新しい特
徴パターンを［いｉｎＪとしたときの、特徴線糸パター
ンの追加の例が第３ａ表および第３ｂ表に示されている
。また更新の例が第４ａ表および第４ｂ表に示されてい
る。さらに削除の例が第５ａ表および第５ＩＪ表に示さ
れている。

（１）追加第３ａ表は学習前の状態を示しており、学習後は第３ｂ
表に示されるように特徴標準パターン「い５」が追加さ
れている。

（以下余白）第　　３　ａ　　表第　　　３　Ｌｌ　　表第　　４ａ　　表第　　４ｂ　　表（２）更新第４ａ表は学習前の状態を示しており、学習後は第３ｂ
表の第２列に示されるように特徴標準パターン「い、」
が更新され、がっＰｔ５３列に示されるようにバランス
化が行なわれる。

（３）削除ｆ：ｔＳＳｌＩ表は学習前の状態を示しており、学習後
は第５ｂ表のｍ２列に示されるように特徴標儂パターン
「い２」が削除され、かつ第３列に示されるようにバラ
ンス化が行なわれる。

第５ａ表第　　５ｂ　　　３次にｒｊＳＡ図を参照して、本発明によれば第４図に示
すように、たとえば、学習後の特徴標準バタ節のｊの待
像標準パターン数ｋ［ｊＪは第４図で示すように本発明
によれば、ｋ［ｊｌ＝　ｍ［ｊｌであるが、各音節に最
大数を設定しない従来の場合にはｆｍＡ図（２）で示す
よう１こ、ｋ［ｊＪ）鴎［ｊｌであった９ｋ［ｊｌ（譲
［ｊｌであったりする。

このようにして本発明では最低限必要な音節のパターン
を特徴標準パターンとして初期登録すれば、各音節毎に
設定された特徴標準パターンの最大数の範囲内で、認：
ａ貢献度の低い特徴標準パターンを優先して追加／更Ｍ
／削除の基本４作を行なうことによって特徴標準パター
ンの最適化を図ることができる。

第５図は１１種の文章（１文章は平均６５０音節からな
る）を入力したときの各文章毎の音節の平均認識率を示
すグラフであり、第６図は特徴標準パターンの総数およ
び学習された人力音節の個数の推移を示すグラフである
。ここでは、初期登録で５９０個の音節パターンを特徴
標準パターンとして登録した後、各音節の特（１ｍ標準
パターンの最大数（総数１０２０個）を設定して上記の
文章を読み上げた１名の話者について測定した。ただし
削除の処理は行なっていない。入力文章数が増すにつれ
て特徴標準パターンが成長して１０２０個に近付いてい
くようすが分かる。たとえば、第２文章を入力したとき
のパターン学習回数（第３ずのステップｍ（＋の処理を
通過した音節数）約３００回に対して追加や更新が行な
われてパターン増加数は約１００個である１文章を多く
入力してぃくと平均認ａ率が高くなって学習の効果が現
れている。

【図面の簡単な説明】

ｔｊＳｉ図は本発明の一実施例の日本語音声入力装ｒ！
１１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における音声認識処理の手順を示すフローチャー
ト、第３図はステップｎ８　　の標準パターン学習処理
のさらに詳細な処理手順を示す７０−チャート、第４図
は本発明と従来技術を比較した図、第５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
の各文章毎の音節の平均認識率を示すグラフ、第６図は
特徴標僧パターンの総数ＪＪよび学習された入力音節の
個数の推移を示すグラフである。１・・・日本語音声入力装置、２・・・マイクロホン、
６・・・ｎ声分析部、７・・・音節セグメンテーシａン
部、８・・・特徴ハパターンバッ７Ｔ、９・・・特徴パ
ターン、１０・ＣＰＵ、　１１−ｆＴｆｆｌｉ認識部、
１１　ａ　−修正処理部、１１１）・・・学習制御部、
１２・・・特徴標準パターン、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・・・認識貢献度カウンタ、１７・・・最
近の認識状況メモリ、１８・・・音節の最大パターン数
テーブル、Ｍ・・・各音節の最大パターン数

Claims

【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類の音節の特徴
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、音節毎に特徴標準パターンの最大パターン数を設定し、認識に最小限必要な特徴標準パターンを初期に登録した
後、入力時に各音節の前記最大パターン数を越えない範
囲で、入力された特徴パターンを自動登録して特徴標準
パターンを更新するようにしたことを特徴とする音声認
識方式。