JPS63153596A - 音声文章入力装置 - 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 本発明は音声で文章を作成する音声文章入力装置に関す
るものである。

従来の技術 従来の音声文章入力装置としては、例えば「連続音声認
識における頻出単語スポツティングの併用効果」（日本
音響学会昭和６１年度秋季研究発表会講演論文集２−３
−１０）に示されている。

第７図はこの従来の音声文章入力装置の構成図を示すも
の↑あり、１は入力された音声を分析して音響的特徴パ
ラメータを出力する音響分析部、２３ページ は音声の音韻単位の音響的特徴パラメータを貯えている
音韻標準パタン辞書、８は音韻標準パタン辞書２の音韻
標準パタンを音響分析部１から得られた音響的特徴パラ
メータに順次照合して似通った音韻標準パタンに対応す
る文字記号及び照合時の信頼度を対にして出力する音韻
パタン照合部、４は音韻パタン照合部３から得られた信
頼度を基に対になっている文字記号を並び替えて入力音
声の認識候補文字列を出力する文字列生成部、５は音声
の単語単位の音響的特徴パラメータを貯えている単語標
準パタン辞書、６は単語標準パタン辞書５の単語標準パ
タンを音響分析部１から得られた音響的特徴パラメータ
に順次照合して似通った単語標準パタンに対応する文字
記号及び照合時の信頼度を対にして出力する単語照合部
、９は文字列生成部４および単語照合部６から得られた
文字記号から最終的な認識文字記号を決定し出力する認
識候補決定部である。第８図は認識候補決定部９の詳細
な構成図であり、９１は形態素情報等の日本語文法情報
を登録した文法辞書、９２は文字列生成部４および単語
照合部６から出力された文字列から文法辞書９１を用い
て最終的な認識結果を決定する文法チェック部である。

以上のように構成された従来の音声文章入力装置の動作
を以下に説明する。

入力された音声は音響分析部１で線形予測分析されＬＰ
Ｃケプストラム等の音響的特徴パラメータに変換される
。音響分析部１で得られた音響的特徴パラメータは音韻
パタン照合部３と単語照合部６とに送られ、各々の照合
単位で認識される。

初めに音韻パタン照合を行う処理系の説明を行う。音韻
標準パタン辞書２には音響分析部１の分析に使われてい
る音響的特徴パラメータを音韻単位に貯えられている。

具体的には子音部（Ｃ）と母音部（Ｖ）とを組み合わせ
たＣ■パタンやＶＣ■パタンとして貯えられている。音
韻パタン照合部３は音韻標準パタン辞書２の音韻標準パ
タンを音響分析部１から得られた音響的特徴パラメータ
に順次照合して似通った音韻標準パタンに対応する文字
記号及び照合時の信頼度を対にして出力す５ページ る。この照合方法としては、例えば、音声認識の分野で
よく知られた５ＰＬＩＴ形の連続ＤＰ法等が知られてい
る。この照合の結果、最も似通っている順に照合結果を
出力する。照合結果は音韻標準パタンに対応する文字記
号と照合の確からしさを表わす信頼度との対（ラティス
）になっている。

この信頼度は、ＤＰマツチングの過程で得られる。

文字列生成部４は音韻パタン照合部３から得られた照合
結果を貯える。次に、各認識結果を組み合わせた時の累
積信頼度を基に文字記号を並び替え、入力された音声の
認識候補文字列を生成する。

この具体的方法の例として、音声で「磁石の」と発声し
た場合を見てみよう。音韻パタン照合部３は例えば、表
１のような認識結果を出力する。

（以下余白） ６ページ 表１ 各照合結果には照合時の信頼度が付けられている。

文字列生成部４は各認識結果を組合わせて入力音声に対
応する文字列候補を作成する。この際、各認識結果に付
けられている信頼度を加算して文字列全体としての信頼
度を算出し、この総合信頼度の高い順に文字列候補順位
を付けて出力する。こうして得られた文字列生成部４の
出力の例を表２に示す。

（以下余白） ７ページ 表２ 次に、単語照合を行う処理系の説明を行う。前述したよ
うに音韻パタン単位に照合する処理系に並行して、単語
単位に同様な照合を行う系が単語照合部６である。音韻
標準パタン辞書２にＣ■や■ＣＶの形で標準パタンが登
録されていたように、単語標準パタン辞書５には音声の
単語単位の音響的特徴パラメータを貯えている。この単
語は予め予備調査で使用頻度が高い単語を選び出してお
く。

使用頻度が高い単語は個人に依存するため、音声文章入
力装置の認識性能を高めるためには、個人毎に標準単語
を替えることが望ましい。これらの単語を発声した時の
音響分析部１の出力を単語標準パタンとして、単語標準
パタン辞書５に登録しておく。単語照合部６は単語標準
パタン辞書５の単語標準パタンを音響分析部１から得ら
れた音響的特徴パラメータに順次照合して似通った単語
標準パタンに対応する文字記号及び照合時の信頼度を対
にして出力する。この照合方法も、前述の連続ＤＰマツ
チングが利用できる。

こうして得られた音韻パタン照合および単語照合の二系
統からの照合結果は、最終的な認識文字記号を決定し出
力する認識候補決定部９へ送られる。認識候補決定部９
は、初めに単語照合部６から入力した文字列に対になっ
ている信頼度が一定値以上に高い場合は、この文字列を
優先し、単語マツチングできなかった音声区間は文字列
生成部４の出力から補って文字列を作り、最終的な出力
を決定する。逆に信頼度が一定値以下に低い場合は入力
音声中には単語標準パタン辞書に登録した９ページ 標準単語が含まれていないと判断し、文字列生成部４か
らの文字列候補から最終出力を決定する。

これらの最終決定には例えば、ワードプロセッサで用い
られているかな漢字変換技術を利用する。

文法チェック部９２は文法辞書９１を検索しながら文字
列を形態素解析し、正しく解析できた場合、文法的に正
しいと判断し出力する。この出力が、入力音声の認識結
果である。

先程の表２を例に、この様子を具体的に説明する。

１）単語標準パタン辞書５に「じしやく」の音響的特徴
バタメータが登録されており、単語照合部６から「じし
忙０が出力された場合二文字列の初め３音節は「じしや
く」を優先する。

残りの１音節分を表２の文字列生成部４から出力された
文字列から補う。本例の場合「の」「は」順に候補とす
る。その後、形態素解析を行ない、正しく解析されれば
正しい認識結果として出力される。従って、「じしやく
の」が出力される。

２）単語照合部６からの出力の信頼度が一定値以１０ペ
ージ 下の場合： 文字列生成部４からの出力（表２）を順次形態素解析す
る。その結果、第５位文字列候補の「じしやくの」が最
終認識結果として出力される。

発明が解決しようとする問題点 一般に、長時間発声したり体調・気分によって音声に変
化があることは知られており、このような音声の継時変
化に対応することが音声認識の実用化の上で重要である
。しかしながら上記のような構成では、初めに音声単語
の特徴パラメータを登録してしまえば変更することがで
きず、単語標準パタンの継時変化対応が問題となってい
た。本発明はかかる点に鑑み、単語標準パタン辞書に学
習機能を持たせた音声文章入力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、単語照合部で単語標準パタン辞書の単語と照
合された単語区間を切出しその音響的特徴パラメータを
前記単語標準パタン辞書に追加・書き換えを行う単語切
出し部と、文字列生成部お１１ページ よび前記単語照合部から得られた文字記号から最終的な
認識文字記号を決定する認識候補決定部とを備えた音声
文章入力装置である。

作用 本発明では、単語切出し部が単語照合部で照合された単
語区間に相当する音響分析部の出力を切出して一時保持
しておき、単語照合結果の信頼度が高い時はこの切出し
た音響分析部の出力を単語標準パタン辞書に追加・修正
させることによって、単語標準パタン辞書に学習機能を
持たすことができる。

実施例 第１図は本発明の第１の実施例における音声文章入力装
置の構成図を示すものである。第１図において、７は単
語照合部６で単語標準パタン辞書５の単語と似通った音
響分析部１の単語区間を切出しその音響的特徴パラメー
タを単語標準パタン辞書５に追加・修正を行う単語切出
し部、８は文字列生成部４および単語照合部６から得ら
れた文字記号を入力して最終的な認識文字記号を決定す
る認識候補決定部で、単語照合部６の照合結果の信頼度
が高い場合は単語切出し部７へ制御信号を送って単語切
出し部７が切出し保持している音響パラメータを単語標
準パタン辞書５に追加・修正させる。

また本発明の第１の実施例において、第２図は認識候補
決定部８の第１の実施例における詳細構成図であり、８
１は形態情報を主とした文法情報を記述した文法辞書、
８２は文字列生成部４から得られた認識候補文字列と単
語照合部６から得られた単語標準パタンに対応する文字
記号とを基に最終的な入力音声の認識候補の文字列を生
成する文法チェック部で、単語照合部６からの出力があ
る場合はこの出力を優先して最終候補とし、かつ単語切
出し部７に制御信号を送って単語切出し部７で切りださ
れた音響的特徴パラメータを単語標準パタン辞書５に追
加・修正させる。単語照合部６からの出力の信頼度が一
定値以下の場合は、文字列生成部４の出力文字列から文
法辞書８１を使って日本語文法を満足する文字列が捜し
出されるま１３ページ で文法チェックを行う。

以上のように構成された第１の実施例の音声文章入力装
置について、以下その動作を説明する。

単語切出し部７は単語照合部６で標準単語が照合された
区間を検出し、この区間の音響分析部１からの音響的特
徴パラメータを一時記憶に貯えておく。認識候補決定部
８では初めに単語照合部６から入力した文字列に対にな
っている信頼度が一定値以上に高い場合は、この文字列
を優先し、単語マツチングできなかった音声区間を文字
列生成部４からの入力で補って文字列を作る。そして最
終的な出力を決定する。逆に信頼度が一定値以下に低い
場合は入力音声中には単語標準パタン辞書に登録した標
準単語が含まれていないと判断し、文字列生成部４から
入力した文字列候補から最終出力を決定ザる。これらの
最終決定にはかな漢字変換技術を利用する。文法チェッ
ク部８２は文法辞書８１を検索しながら文字列を形態素
解析し、正しく解析できた場合、文法的に正しいと判断
し出力する。この出力が、入力音声の認識結果であ１４
ページ る。

この時、単語照合部からの信頼度が一定値以上で最終認
識結果に反映され、かつ、最終出力が形態素解析に成功
して文法的に正しいと判断された場合、文法チェック部
８１は単語切出し部７へ制御信号を送る。単語切出し部
７がこの制御信号を受信すると、一時記憶に貯えていた
特徴パラメータを単語標準パタン辞書５へ送って、標準
単語の学習を行う。学習方法は色々考えられる。最も簡
単な方法は、辞書内容を単語切出し部７の一時記憶内容
と入れ換えることである。また別の方法としては、加算
平均して徐々に学習する方法である。

また別の方法としては、単語標準パタン辞書５内のパタ
ンを一単語当たり複数用意し、非常に近いパタンがあれ
ばそのパタンに学習し、いずれのパタンにも遠ければ、
新規に登録する方法も考えられる。照合回数を単語標準
パタン辞書５内の各パタン毎に持っておれば、照合回数
の少ないものがら順次削除することで単語標準パタン辞
書５のサイズを一定に保つことができる。

１５ページ また、本発明第１の実施例において、第３図は認識候補
決定部８の第２の実施例における詳細構成図である。第
３図において、８３は本発明の音声文章入力装置からの
出力を見て操作者が正しい認識結果を選択するキーボー
ド、８４は最終認識結果を作成して出力する認識候補選
択部で、キーボード８３から正しい認識結果が選ばれ、
かつ、単語照合部６からの出力がその認識結果に反映さ
れていれば制御を単語切出し部７に送る。

以上のように構成された本発明の実施例における音声文
章入力装置の認識候補決定部８では、文法チェック部８
２のように形態素解析を利用して文法的に正しい文字列
を選択できないので、そのまま出力して操作者に正しさ
の判定を委ねる。操作者がキーボード８３を介して正し
い文字列を選択した後は、文法チェック部８２が文法的
に正しい文字列を検出した時と同様に機能する。第３図
の構成を持つ本発明の音声文章入力装置は、文法処理の
ための辞書が不要になるため、操作性の低下と引き替え
に低コスト化が実現できる。

以上のように本実施例によれば、単語切出し部７と、単
語切出し部７へ制御信号を送る認識候補決定部８とを設
けることにより、単語標準パタン辞書５に学習機能を持
たせることができる。

また、第４図は本発明の第２の実施例における音声文章
入力装置の構成図を示すものである。第４図において、
単語切出し部７は単語照合部６から照合時の信頼度を入
力し、この信頼度が一定以上の場合、切出した音響分析
部１からの音響的特徴パラメータで単語標準パタン辞書
５へ追加・修正する。第５図は認識候補決定部９の第１
の実施例における詳細構成図である。

以上のように構成された第２の実施例の音声文章入力装
置では、単語切出し部７は単語照合部６で標準単語が照
合された区間を検出し、この区間の音響分析部１の音響
的特徴パラメータを一時記憶に貯えておく。この時、単
語照合部６から照合時の信頼度も同時に入力する。この
信頼度が一定値以上に高い場合は、一時記憶に貯えてい
た特徴パラメータを単語標準パタン辞書５へ送って、標
１７ページ 準単語の学習を行う。

また、本発明第２の実施例において、第６図は認識候補
決定部９の第２の実施例における詳細構成図である。第
６図において、９３は本発明の音声文章入力装置からの
出力を見て操作者が正しい認識結果を選択するキーボー
ド、９４は最終認識結果を作成して出力する認識候補選
択部である。

以上のように構成された本発明の実施例における音声文
章入力装置の認識候補決定部９では、文法チェック部９
２のように形態素解析を利用して文法的に正しい文字列
を選択できないので、そのまま出力して操作者に正しさ
の判定を委ねる。第６図の構成を持つ本発明の音声文章
入力装置は、文法処理のための辞書が不要になるため、
操作性の低下と引き替えに低コスト化が実現できる。

以上のように本実施例によれば、単語切出し部７を設け
ることにより、単語標準パタン辞書５に学習機能を持た
せることができる。

発明の詳細 な説明したように、音韻パタン照合・単語バ１８ページ タン照合を組み合わせる方式の音声文章入力装置におい
て、本発明によれば、単語標準パタン辞書に学習機能を
持たせることによって、音声の継時変化に適応できるた
め、認識率を高めることがことができ、その実用的価値
には大なるものがある。

【図面の簡単な説明】

第１図は本発明における第１の実施例における音声文章
入力装置の構成図、第２図は第１の実施例における認識
候補決定部の第１の構成図、第３図は第１の実施例にお
ける認識候補決定部の第２の構成図、第４図は本発明に
おける第２の実施例における音声文章入力装置の構成図
、第５図は第２の実施例における認識候補決定部の第１
の構成図、第６図は第２の実施例における認識候補決定
部の第２の構成図、第７図は従来の音声文章入力装置に
おける構成図、第８図は従来の音声文章入力装置におけ
る認識候補決定部の構成図である。 １　・・・音響分析部、２・・・音韻標準パタン辞書、
３　・・・音韻パタン照合部、４　・・・文字列生成部
、５　・・・単語標準パタン辞書、６　・・・単８照合
部、１９ペー ７・・・単語切出し部、８　・・・認識候補決定部、９
・・・認識候補決定部、８１　・・・文法辞書、８２・
・・文法チェック部、８３　・・・キーボード、８４・
・・認識候補選択部、９１　・・・文法辞書、９２　・
・・文法チェック部、９３　・・・キーボード、９４　
・・・認識候補選択部。 代理人の氏名　弁理士　中尾敏男はか１名ン

Claims (1)

【特許請求の範囲】
1. 入力された音声を分析して音響的特徴パラメータを出力
   する音響分析部と、音声の音韻単位の音響的特徴パラメ
   ータを貯えている音韻標準パタン辞書と、前記音韻標準
   パタン辞書の音韻標準パタンを前記音響分析部から得ら
   れた音響的特徴パラメータに順次照合して似通った音韻
   標準パタンに対応する文字記号及び照合時の信頼度を対
   にして出力する音韻パタン照合部と、前記音韻パタン照
   合部から得られた信頼度を基に対になっている文字記号
   を並び替えて入力音声の認識候補文字列を出力する文字
   列生成部と、音声の単語単位の音響的特徴パラメータを
   貯えている単語標準パタン辞書と、前記単語標準パタン
   辞書の単語標準パタンを前記音響分析部から得られた音
   響的特徴パラメータに順次照合して似通った単語標準パ
   タンに対応する文字記号及び照合時の信頼度を対にして
   出力する単語照合部と、前記単語照合部で前記単語標準
   パタン辞書の単語と照合された単語区間を切出しその音
   響的特徴パラメータを前記単語標準パタン辞書に追加・
   書き換えを行う単語切出し部と、前記文字列生成部およ
   び前記単語照合部から得られた文字記号から最終的な認
   識文字記号を決定する認識候補決定部とを備えたことを
   特徴とする音声文章入力装置。