JPS62291700A - 連続数字音声認識方式 - Google Patents
連続数字音声認識方式Info
- Publication number
- JPS62291700A JPS62291700A JP61134460A JP13446086A JPS62291700A JP S62291700 A JPS62291700 A JP S62291700A JP 61134460 A JP61134460 A JP 61134460A JP 13446086 A JP13446086 A JP 13446086A JP S62291700 A JPS62291700 A JP S62291700A
- Authority
- JP
- Japan
- Prior art keywords
- digits
- distance
- digit
- normalized
- input
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 claims description 13
- 238000012795 verification Methods 0.000 claims description 4
- 230000001186 cumulative effect Effects 0.000 claims description 2
- 238000010586 diagram Methods 0.000 description 11
- 238000007796 conventional method Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
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。
め要約のデータは記録されません。
Description
【発明の詳細な説明】
３、発明の詳細な説明
〔概要〕
単純に桁数による正規化距離をもって入力桁数の決定を
行うのではなく、その前後の認識結果のセグメンテーシ
ョンと距離を比較し、それぞれの共通しない部分のみを
対象にして正規化を行い、桁数を決定する連続数字音声
認識方式である。
行うのではなく、その前後の認識結果のセグメンテーシ
ョンと距離を比較し、それぞれの共通しない部分のみを
対象にして正規化を行い、桁数を決定する連続数字音声
認識方式である。
本発明は連続数字認識時の桁数誤りを減少させる連続数
字音声認識方式に関するものである。
字音声認識方式に関するものである。
従来の連続数字音声認識では、最初に終端レベルＤ Ｐ
（Ｄｙｎａｍｉｃ Ｐｒｏｇｒａｍｍｉｇ ：動的計
画法）を行い、次に始終端レベルＤＰを行い、最後に文
レベルＤＰを行っている。第４図は終端レベルＤＰを説
明する図である。終端レベルＤＰにおいては、入カバタ
ーンＡと登録パターンＢ （ｎ）との照合を行う。照合
終了時に入力側の各フレームを終端とする最適なマツチ
ング・ルートを通ったＤＰ距離ＤＣ（ｍ、ｎ）が計算さ
れる。但し、ｍは入カバターンのフレーム位置、ｎは登
録語を指す。このＤＣ（ｍ、 ｎ）を登録パタージ長の
２倍で割って時間正規化した距離Ｄ Ｒ（ｍ、 ｎ）を
闇値により削減する。これにより終端候補を限定する方
法である。なお、フレームとは入力音声をサンプリング
する時間間隔を意味しており、時間間隔は例えば１０ｍ
秒である。第５図は始終端レベルＤＰを説明する図であ
る。始終端レベルＤＰでは、終端レベルＤＰで限定され
た終端から登録パターンと始端方向にＤＰ照合を行う。
（Ｄｙｎａｍｉｃ Ｐｒｏｇｒａｍｍｉｇ ：動的計
画法）を行い、次に始終端レベルＤＰを行い、最後に文
レベルＤＰを行っている。第４図は終端レベルＤＰを説
明する図である。終端レベルＤＰにおいては、入カバタ
ーンＡと登録パターンＢ （ｎ）との照合を行う。照合
終了時に入力側の各フレームを終端とする最適なマツチ
ング・ルートを通ったＤＰ距離ＤＣ（ｍ、ｎ）が計算さ
れる。但し、ｍは入カバターンのフレーム位置、ｎは登
録語を指す。このＤＣ（ｍ、 ｎ）を登録パタージ長の
２倍で割って時間正規化した距離Ｄ Ｒ（ｍ、 ｎ）を
闇値により削減する。これにより終端候補を限定する方
法である。なお、フレームとは入力音声をサンプリング
する時間間隔を意味しており、時間間隔は例えば１０ｍ
秒である。第５図は始終端レベルＤＰを説明する図であ
る。始終端レベルＤＰでは、終端レベルＤＰで限定され
た終端から登録パターンと始端方向にＤＰ照合を行う。
照合終了後に入力側の各フレームを始端とするＤＰ距離
Ｄ ｒ （ｍ＋ ｔｔｎ）が計算される。
Ｄ ｒ （ｍ＋ ｔｔｎ）が計算される。
但し、ｍは部分パターンの終端、ｌは始端、ｎは登録語
である。このＤＩ（ｍ＋ １１ ｎ）を登録パターン長
と部分パターン長の和で時間正規化した距離ＤＩ （
ｍ、Ｌｎ）を求める。これにより、部分パターンｍｗｌ
を求める方法である。第６図は文レベルＤＰを説明する
図である。文レベルＤＰでは、始終端ＤＰにより求めら
れた部分パターンを用いて、最適な単語の結合を求める
。文レベルＤＰを行い、音声の入力終端における各桁毎
の累積距離をその桁数で正規化した距離が最小のものを
認識結果としている。第６図の場合には、２桁として認
識される。
である。このＤＩ（ｍ＋ １１ ｎ）を登録パターン長
と部分パターン長の和で時間正規化した距離ＤＩ （
ｍ、Ｌｎ）を求める。これにより、部分パターンｍｗｌ
を求める方法である。第６図は文レベルＤＰを説明する
図である。文レベルＤＰでは、始終端ＤＰにより求めら
れた部分パターンを用いて、最適な単語の結合を求める
。文レベルＤＰを行い、音声の入力終端における各桁毎
の累積距離をその桁数で正規化した距離が最小のものを
認識結果としている。第６図の場合には、２桁として認
識される。
この方法であると、入力桁数の前後桁での桁数正規化距
離が殆ど等しい場合があり、単純にその距離の大小で桁
数を決定しているため入力桁数の前後桁へバラつく傾向
があった。中でも、音声辞書のパターンと入力数字列の
一部の数字パターンとが特に良くマツチングし、その認
識距離が小さくなった場合など、実際の入力桁数より小
さい桁数として認識されてしまうものが見られた。
離が殆ど等しい場合があり、単純にその距離の大小で桁
数を決定しているため入力桁数の前後桁へバラつく傾向
があった。中でも、音声辞書のパターンと入力数字列の
一部の数字パターンとが特に良くマツチングし、その認
識距離が小さくなった場合など、実際の入力桁数より小
さい桁数として認識されてしまうものが見られた。
本発明は、この点に鑑みて創作されたものであって、連
続数字認識時の桁数誤りを減少させて、可能な限り桁数
既知時の認識率に近づけることを目的としている。
続数字認識時の桁数誤りを減少させて、可能な限り桁数
既知時の認識率に近づけることを目的としている。
従来の方法で求めた桁数の前後桁において認識結果のセ
グメンテーションと距離とを比較し、共通部分のパスは
充分信用できるパスとして外し、その他の共通しない部
分のパスは曖昧なパスと見做し、その部分のみを対象と
して残りの桁で正規化距離を求め、その値が小さい方の
桁数を最適桁数として選択する。第１図の例においては
、従来の方法では正規化距離がそれぞれ１３８，１３７
で３桁となるが、本発明を適用すると、１７５゜１８０
となり、４桁であると認識される。
グメンテーションと距離とを比較し、共通部分のパスは
充分信用できるパスとして外し、その他の共通しない部
分のパスは曖昧なパスと見做し、その部分のみを対象と
して残りの桁で正規化距離を求め、その値が小さい方の
桁数を最適桁数として選択する。第１図の例においては
、従来の方法では正規化距離がそれぞれ１３８，１３７
で３桁となるが、本発明を適用すると、１７５゜１８０
となり、４桁であると認識される。
第２図は本発明のハードウェア構成の１例を示す図であ
る。第２図において、■はマイクロプロセッサ、２はフ
ィルタ、３はＤＰ処理装置、４は音声出力アダプタ、５
は直列インタフェース、６はフロッピィ・ディスク装置
をそれぞれ示している。マイクロプロセッサ１は、イン
テル８０８６２ （８ＭＨｚ）を使用しており、処理速
度−命令平均３μ秒、メモリ容量７６８ＫＢ（音声出力
情報、認識辞書各２５６ＫＢ）である。フィルタ２は、
２００ Ｈｚ 〜５ Ｋ Ｈｚの周波数帯を１６に分割
し、各チャネル１２ｂｉｔの値をサンプリングして１０
ｍ秒毎に割り込みを発生するものである。ＤＰ処理装置
３は、パターン照合によって近似度を求めるものである
。音声出力アダプタ４は、ＰＡＣＯＲ方式により最大４
００秒の音声合成を行うものである。フロッピィ・ディ
スク装置６は、５１７４インチ２ＨＤフロツピイ・ディ
スクであり、音声出力情報や認識単語情報、個人辞書を
保持する。
る。第２図において、■はマイクロプロセッサ、２はフ
ィルタ、３はＤＰ処理装置、４は音声出力アダプタ、５
は直列インタフェース、６はフロッピィ・ディスク装置
をそれぞれ示している。マイクロプロセッサ１は、イン
テル８０８６２ （８ＭＨｚ）を使用しており、処理速
度−命令平均３μ秒、メモリ容量７６８ＫＢ（音声出力
情報、認識辞書各２５６ＫＢ）である。フィルタ２は、
２００ Ｈｚ 〜５ Ｋ Ｈｚの周波数帯を１６に分割
し、各チャネル１２ｂｉｔの値をサンプリングして１０
ｍ秒毎に割り込みを発生するものである。ＤＰ処理装置
３は、パターン照合によって近似度を求めるものである
。音声出力アダプタ４は、ＰＡＣＯＲ方式により最大４
００秒の音声合成を行うものである。フロッピィ・ディ
スク装置６は、５１７４インチ２ＨＤフロツピイ・ディ
スクであり、音声出力情報や認識単語情報、個人辞書を
保持する。
次に本発明の詳細について説明する。終端レベルＤＰ、
始終端レベルＤＰ及び文レベルＤＰを行い、複数の候補
が得られたとする。今、ｋを桁数で正規化した距離比較
で最も近いと見做されたものの桁数とし、Ｂ （Ｋ）を
桁数にの候補数字列とした場合、Ｂ （Ｋ）とＢ（Ｋ＋
１） 、 Ｂ（Ｋ）とＢ （Ｋ−１）についてそれぞ
れ、候補と位置が共に一致する部分があった場合に限り
、そこを除いた部分を再照合対象として再度距離の正規
化を行い、照合する。
始終端レベルＤＰ及び文レベルＤＰを行い、複数の候補
が得られたとする。今、ｋを桁数で正規化した距離比較
で最も近いと見做されたものの桁数とし、Ｂ （Ｋ）を
桁数にの候補数字列とした場合、Ｂ （Ｋ）とＢ（Ｋ＋
１） 、 Ｂ（Ｋ）とＢ （Ｋ−１）についてそれぞ
れ、候補と位置が共に一致する部分があった場合に限り
、そこを除いた部分を再照合対象として再度距離の正規
化を行い、照合する。
再照合対象部分は、現候補削減方法においては終端と候
補テンプレートが一致する部分を除いた部分であり、ま
た、単語区間中点による候補削減方法においては単語区
間中点と候補テンプレートが一致する部分を除いた部分
である。次に正規化方法を説明する。Ｂ （Ｋ）のＢ（
ｊ）に対する再照合距離Ｄｋ１、を次のように定義する
。
補テンプレートが一致する部分を除いた部分であり、ま
た、単語区間中点による候補削減方法においては単語区
間中点と候補テンプレートが一致する部分を除いた部分
である。次に正規化方法を説明する。Ｂ （Ｋ）のＢ（
ｊ）に対する再照合距離Ｄｋ１、を次のように定義する
。
ｉ＝１
但し、
ｎ （ｋ、ｊ）はＢ（Ｄに対するＢ （ｋ）の再照合対
象の数字の個数、 Ｄ ｋｌ ｊｌ五はＢ（ｊ）に対するＢ （ｋ）の再照
合対象のｉ番目の数字に対する正規化距離、 Ｌｋ＋ｊ＋ｉ はその数字の入力側のフレーム数である
。判定方法は下記のようものである。
象の数字の個数、 Ｄ ｋｌ ｊｌ五はＢ（ｊ）に対するＢ （ｋ）の再照
合対象のｉ番目の数字に対する正規化距離、 Ｌｋ＋ｊ＋ｉ はその数字の入力側のフレーム数である
。判定方法は下記のようものである。
＋ｌ） Ｂ （ｋ）とＢ（ｋｌ１） 、 Ｂ（ｋ）
とＢ （ｋ−１）とが一致部分を持たない場合には、ｋ
桁を最終桁数とする。
とＢ （ｋ−１）とが一致部分を持たない場合には、ｋ
桁を最終桁数とする。
（２） Ｂ（ｋ）とＢ （ｋｌ１）は一致部分を持つ
けれども、Ｂ （ｋ）とＢ （ｋ−１）は一致部分を持
たない場合は、次のようにする。
けれども、Ｂ （ｋ）とＢ （ｋ−１）は一致部分を持
たない場合は、次のようにする。
（ａ） Ｄｋ、、、に≧Ｄ１１１１１４１ならばに桁
を最終桁数トする。
を最終桁数トする。
（ｂ） Ｄ、、、、に≦Ｄ＋ｔ、ｍ＊＋ならばに桁を
最終桁数とする。
最終桁数とする。
（３１Ｂ（ｋ） とＢ （ｋ−１）は一致部分を持つけ
れども、Ｂ （ｋ）とＢ （ｋｌ１）は一致部分を持た
ない場合は、次のようにする。
れども、Ｂ （ｋ）とＢ （ｋｌ１）は一致部分を持た
ない場合は、次のようにする。
（ａ） Ｄｋ、＊−＋ ≦Ｄｋ−１ｎｋならばに桁を
最終桁数とする。
最終桁数とする。
（ｂ） Ｄ １１＋ ｋ−１≧Ｄｊ＋−１＋にならば
に一１桁を最終指数とする。
に一１桁を最終指数とする。
＋４） Ｂ（ｋ）とＢ（ｋｌ１） 、 Ｂ（ｋ）とＢ
（ｋ−１）とが共に一致部分を持つ場合は次のように
する。
（ｋ−１）とが共に一致部分を持つ場合は次のように
する。
（ａ） Ｄｋ−＋、ｍ≧Ｄ１＋＋Ｉｌ＋＋且つＤｍ＋
＋＋−＋ ＞ Ｄｋ−１＋１１ならばに一１桁を最終
桁数とする。
＋＋−＋ ＞ Ｄｋ−１＋１１ならばに一１桁を最終
桁数とする。
ｆｂｌ Ｄｍ−＋、ｍ≧Ｄｋ、に＊＋且つＤ ｋｌ
ｖ−１≦Ｄｋ−６にならばに桁を最終桁数とする。
ｖ−１≦Ｄｋ−６にならばに桁を最終桁数とする。
（Ｃ）Ｄｋ、ｌ、ｋ＜百１１＋Ｉｌ＋１且つＤｋ、に−
１≦Ｄつ−１，。
１≦Ｄつ−１，。
ならばに＋１を最終桁数とする。
（ｄ） Ｄｋ−＋、ｈ ＜ Ｄ、Ｍ、ｍ。１且つＤｌ
ｌ＋Ｉ＋−１＞ Ｉ）＋−＋＋ｈならばに桁を最終桁数
とする。
ｌ＋Ｉ＋−１＞ Ｉ）＋−＋＋ｈならばに桁を最終桁数
とする。
第３図は第２図のマイクロプロセッサの処理を説明する
図である。
図である。
■ フィルタからフィルタ・パラメータを読み出す。
■ フィルタ・パラメータから音声パラメータを計算す
る。
る。
■ ＤＰＰに人力音声パラメータと登録パラメータを書
き込み、ＤＰＰハードをスタートさせる。
き込み、ＤＰＰハードをスタートさせる。
■ ＤＰＰからＤＰ距離を読み出し、距離を正規化し、
終端候補を限定する。
終端候補を限定する。
■ ＤＰＰに入力音声パラメータと終端候補の登録パラ
メータを書き込み、ＤＰＰハードをスタートさせる。
メータを書き込み、ＤＰＰハードをスタートさせる。
■ ＤＰＰからＤＰ距離を読み出し、距離を正規化し、
始端を求める。
始端を求める。
■ 部分パターンを用いて最適な結合を求める。
■ 全ての終端候補について終了したか否かを調べ、Ｙ
ｅＳのときは■の処理を行い、ＮＯのときは■の処理に
戻る。
ｅＳのときは■の処理を行い、ＮＯのときは■の処理に
戻る。
■ 桁数を決定する。
［相］ 桁数の再正規化を行う。
■ 得られた結果を送信する。
０ 音声出力ありか否かを調べる。Ｙｅｓのときは０の
処理を行う。
処理を行う。
■ 音声を出力する。
以上の説明から明らかなように、本発明によれば、認識
率の高い人には大した効果が期待できないが、認識率の
低い人（大抵の場合、桁数未知時と桁数既知時の認識率
の差は大きい）の場合には、可なりの認識率の向上が期
待できる。
率の高い人には大した効果が期待できないが、認識率の
低い人（大抵の場合、桁数未知時と桁数既知時の認識率
の差は大きい）の場合には、可なりの認識率の向上が期
待できる。
第１図は本発明の詳細な説明する図、第２図は本発明の
ハードウェア構成例を示す図、第３図はマイクロプロセ
ッサの処理を示す図、第４図は終端レベルＤＰを説明す
る図、第５図は始終端レベルＤＰを説明する図、第６図
は文レベルＤ Ｐを説明する図である。 １・・・マイクロプロセッサ、２・・・フィルタ、３・
・・ＤＰ処理装置、４・・・音声出力アダプタ、５・・
・直列インタフェース、６・・・フロッピィ・ディスク
装置。 特許出願人 富士通株式会社 代理人弁理士 京 谷 四 部 上前−ｆｌＷ棉゛ ３お１瀕１闇゛ 木登ａ月の亨既瞥 ハード゛ウェア環へ例 躬２図 （ＩＩＬ） （し） ｙ−鳩しＲ１し’ＤＰ 第斗図 ６婢り 軸＃も魂しベ゛ルＤＰ 文レベルつＰ 第６図
ハードウェア構成例を示す図、第３図はマイクロプロセ
ッサの処理を示す図、第４図は終端レベルＤＰを説明す
る図、第５図は始終端レベルＤＰを説明する図、第６図
は文レベルＤ Ｐを説明する図である。 １・・・マイクロプロセッサ、２・・・フィルタ、３・
・・ＤＰ処理装置、４・・・音声出力アダプタ、５・・
・直列インタフェース、６・・・フロッピィ・ディスク
装置。 特許出願人 富士通株式会社 代理人弁理士 京 谷 四 部 上前−ｆｌＷ棉゛ ３お１瀕１闇゛ 木登ａ月の亨既瞥 ハード゛ウェア環へ例 躬２図 （ＩＩＬ） （し） ｙ−鳩しＲ１し’ＤＰ 第斗図 ６婢り 軸＃も魂しベ゛ルＤＰ 文レベルつＰ 第６図
Claims (1)
- 終端レベル動的計画法で得られた終端候補について始終
端レベル動的計画法及び文レベル動的計画法を行って音
声の入力終端における各桁毎の累積距離をその桁数で正
規化して距離を求める連続数字音声認識方式において、
正規化した距離が最小である桁数にの候補数字列をＢ（
ｋ）とするとき、Ｂ（ｋ）とＢ（ｋ＋１）又はＢ（ｋ）
とＢ（ｋ−１）についてそれぞれ候補と位置が共に一致
する部分があった場合に限り、そこを除いた部分を再照
合対象として再度距離の正規化を行って再照合距離＠Ｄ
＠＿ｋ＿＋＿１、＿ｋ、＠Ｄ＠＿ｋ、＿ｋ＿＋＿１、＠
Ｄ＠＿ｋ、＿ｋ＿−＿１、＠Ｄ＠＿ｋ＿−＿１、＿ｋを
求め、これらの再照合距離をも参照して、入力された連
続数字音声の認識結果を求めることを特徴とする連続数
字音声認識方式。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP61134460A JPS62291700A (ja) | 1986-06-10 | 1986-06-10 | 連続数字音声認識方式 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP61134460A JPS62291700A (ja) | 1986-06-10 | 1986-06-10 | 連続数字音声認識方式 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPS62291700A true JPS62291700A (ja) | 1987-12-18 |
| JPH0443600B2 JPH0443600B2 (ja) | 1992-07-17 |
Family
ID=15128849
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP61134460A Granted JPS62291700A (ja) | 1986-06-10 | 1986-06-10 | 連続数字音声認識方式 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPS62291700A (ja) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH1195791A (ja) * | 1997-07-31 | 1999-04-09 | Lucent Technol Inc | 音声認識方法 |
-
1986
- 1986-06-10 JP JP61134460A patent/JPS62291700A/ja active Granted
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH1195791A (ja) * | 1997-07-31 | 1999-04-09 | Lucent Technol Inc | 音声認識方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| JPH0443600B2 (ja) | 1992-07-17 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| EP0319140B1 (en) | Speech recognition | |
| JP2002533789A (ja) | 自動音声認識システムにおけるｎベストリストに用いる知識ベース戦略 | |
| EP1141943B1 (en) | Speaker recognition using spectrogram correlation | |
| JPS61219099A (ja) | 音声認識装置 | |
| JPS62291700A (ja) | 連続数字音声認識方式 | |
| JPH0558553B2 (ja) | ||
| JP4244524B2 (ja) | 音声認証装置、音声認証方法、及びプログラム | |
| JPS6147999A (ja) | 音声認識装置 | |
| JP2655637B2 (ja) | 音声パターン照合方式 | |
| JP3031081B2 (ja) | 音声認識装置 | |
| JP3004749B2 (ja) | 標準パターン登録方法 | |
| JPH03179498A (ja) | 音声日本語変換方式 | |
| JPS6225797A (ja) | 音声認識装置 | |
| JPS58159598A (ja) | 単音節音声認識方式 | |
| WO1987003127A1 (en) | System and method for sound recognition with feature selection synchronized to voice pitch | |
| JPS61200596A (ja) | 連続音声認識装置 | |
| JP2744622B2 (ja) | 破裂子音識別方式 | |
| JP3011984B2 (ja) | パターン照合方法 | |
| JP2665543B2 (ja) | 音声認識装置 | |
| JPS6069694A (ja) | 語頭子音のセグメンテ−ション法 | |
| JPS60147797A (ja) | 音声認識装置 | |
| JPS6147994A (ja) | 音声認識方式 | |
| JPS6155680B2 (ja) | ||
| JPS63104098A (ja) | 音声認識装置 | |
| Yong-Joo et al. | A Time Reduction Algorithm Using Vowel Classification for Large-Vocabulary Speech Recognition |