JPS63236094A - 音声認識方法 - 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、音韻表記の単語辞書と入力音声をフレーム毎
に各音韻の信頼性の系列から、ＤＰにより単語の類似度
を求め、その際に各音韻の継続時間を考慮しながら、単
語を認識する単語認識方法に関する。

〔従来の技術〕

従来の音声認識法を大きくわけると以下の２種類になる
。

１）単語を単位とした認識法 ２）単語より小さい単位、例えば音韻を単位とした認識
法 第１の方式は、単語全体の特徴パラメータを標準パタン
として持ち、入力音声とのパタンマツチングをＤＰを用
いて行うことで認識し、〜数百語程度の単語認識におい
て、高い認識率を得ている。しかし、この方法では認識
する単語全てを、発生による登録が必要であり、手間が
かかり、単語を標準パタンとしているため、単語辞書の
容量が大きくなるなどの点で１０００語以上の人語量の
認識には適さない。第２の方式は音韻毎に標準パタンを
持つため、単語辞書は音韻表記て登録すればよいので登
録の手間もかからず容量も小さくて済むので、第１の方
式に対して人語量に向いている。

第２の方式では、まずセグメンテーションをして各音韻
の存在区間を定めた後に、音韻の認識を行うのが一般的
である。一方、これに対し、認識する単語を仮定し、こ
の単語に含まれる音韻の標準パタンを用いて入力音声の
特徴パラメータとマツチングを行い、各音韻のフレーム
毎の信頼性・（得点）を計算する。更に各音韻の得点を
基に単語全体の得点をＤＰにより求める認識方式がある
。

後者の方法においては、単語に必要な音韻の標準パタン
しか用いないため、セグメンテーションを先に行う方法
に比べて、音韻の付加、脱落が起りに＜＜、認識の精度
は上がる。ここで用いるＤＰマツチングを以下に示す。

この方法での類似度の計算式は例えば以下の漸下式によ
って求めることができる。

Ｓ　（Ｖ、　Ｘ）　−ｇ　（Ｉ＋１．　Ｊ＋１）　／Ｊ
　　　　　　　　　　　　■ここで　Ｉ　：　音韻記号
列の長さ Ｊ　：　入力音声のフレーム数 ■＝　音韻記号列（ｖｌ、・・・、■２．・・・７厘）
Ｘ：　特徴時系列（Ｘｌ、・・・＋Ｘｌ＋・・・、ＸＪ
）ｇ（ｉ、Ｄ　　：　　ＤＰの累積距離 Ｓ（Ｖ、Ｘ）：ＶとＸの類似度 ｄ（ｉｌｊ）：ｖｌとＸｊノ類似度 この結果、得られた類似度を基に単語の認識を行う。

〔発明が解決しようとしている問題点〕上記の漸下式の
ように各音韻毎の継続時間を全く考慮しないＤＰにおけ
る類似度計算により単語認識をおこなうと、第４図に示
す様に、発声されたデータが／　ａ　ｚ　ａ　ｂ　ｕ　
／であり、辞書内には［ａｚａｂｕＪとｒａｂｕｊが存
在して、音韻の得点をフレーム毎に計算したら図のよう
になったと仮定すると、ｒａｚａｂｕＪと［ａｂｕ］の
得点は等しくなり、誤認識の可能性がでて（る。又、辞
書中に「ＯｉＪと「ＯＯｌ」の２単語が存在する場合も
同様、継続時間を考慮しなければ、全く２つの差は表わ
れない。これらの問題を解決する手段として、ＤＰ計算
の窓制限を厳しくする方法もあるが、−単語が長く、ア
クセントのある単語などの場合、単語内での音韻の時間
変化が大きく、画一的な窓で制限するのは危険を伴う。

従って、窓制限はあまり厳しくすることはできなくなり
、前述した従来のＤＰによる類似度計算法の欠点の根本
的解決にはなっていない。

〔問題点を解決するための手段（及び作用）〕本発明に
よれば、各音韻の長さを考慮したＤＰのパスに加減点の
操作を加えて、単語の類似度を計算し、前述の問題点を
解決する単語認識率の向上を目的とした音声認識方法を
提案する。

〔作用〕

これによって、各音韻の継続時間を考慮したＤＰを行う
ことを可能にし、類似度計算を、より精密に行うことが
できる。

〔実施例〕

第１−１図は本発明の構成図、第１−２図は本発明の制
御フローチャートである。１は音声を入力する音声入力
部で、２は音響処理部である。音声入力部ｌで入力され
た（ＳＬ）音声は、Ｓ２において音響処理部２において
一定時間（フレーム）毎に分析を行い、音響パラメータ
を出力する（Ｓ３）。４は音韻識別部で、上記音響パラ
メータを入力し、５のＲＡＭＩに記憶された音韻標準パ
タンを用いてフレーム毎に各音韻側の信頼性を示す音韻
スコアを求める（Ｓ４）。

６のＲＡＭ２に格納された単語辞書は、音韻記号列によ
って登録されていて、Ｓ４で求めた音韻スコアとの類似
度計算を行う（Ｓ５）ことにより単語スコアを求める（
Ｓ６）。類似度計算部７は単語辞書６と音韻スコア（Ｓ
４）のＤＰにより実現され、従来のマツチングに音韻継
続時間加減点テーブル（類似度計算部７のＲＡＭＩＩ等
ζ′こ格納されている）を用いることにより、ＤＰの累
積計算中に、各音韻の継続時間長を考慮に入れることを
可能にしている。

第１−１図中、３は前述した類似度に基づいて得られた
単語認識結果を出力する出力部である。８は装置（シス
テム）全体を制御する制御部である。

９は各制御用データを記憶するＲＡＭ、１０は装置の立
ち上げ等に必要なプログラムを格納したディスクである
。

次に、類似度計算（Ｓ５）の方法を以下に説明する。簡
単のため、第２図に示す最も簡単なりＰで説明を行う。

Ｓ　（Ｖ、　Ｘ）　＝　ｇ　（１＋１．　Ｊ＋１）　／
Ｊ　　　　　　　　　　　（１）ｇ　（ｉ、　Ｄ　−ｄ
　（ｉ、　Ｄ ここで ｉｆ　　　（ｇ　（ｉ−１，ｊ−１）２ｇ　（ｉ、　ｊ
−１）十Ｐ（Ｖｉ、　Ｃ１））　　（３）ｔｈｅｎ　　
　　Ｃｉ　＝　φ　： １ｓｅ Ｃｉ二Ｃｉ＋１　　＋ ｇ　（０，Ｏ）−φ　　　　　　　　　　　　　　　　
　　　　　（４）ｇ　（ｉ、　Ｏ）　−ｇ　（０，Ｄ　
＝−■　　　　　　　　　　　　　　（５）０＜ｉ≦Ｉ
、　　Ｏ＜ｊ≦Ｊ 但し、　Ｉ　：　音韻記号列の長さ Ｊ　：　入力音声のフレーム数 ■＝　音韻記号列（ｖｒ　＋　Ｖ　２　＋　・・’＋　
ｖｌ、　”・、　Ｖｌ）Ｘ：　入力音声の特徴時系列（
Ｘ＋　＋　Ｘ　２　＋・・・、Ｘ２．・・・、　ＸＪ）
ｇ（ｉ、Ｄ　　：　　ＤＰの累積距離 Ｓ（Ｖ、Ｘ）：ＶとＸの類似度 ｄ（’、Ｊ）　　：　　ＶｌとＸ、の類似度Ｃ＋　　：
　　Ｖｌの継続長カウンタ（初期状態は全てφ）Ｐ　（
Ｃｉ、　Ｖｉ）　：音韻■１の継続長によって決まる加
減点上述の漸化式によりＤＰの計算を行う。このＤＰを
第２図にて説明を行う。

図中のフレーム毎音韻スコアは第１−２図の８４に当り
、式中のｄ（ｉ、Ｄである。■は単語辞書から仮定され
た単語で、Ｃは単語中の各音韻毎の継、続時間のカウン
タである。このカウンタＣｉはｇ（ｉ、ｊ）を求める際
に、ｇ（ｉ、ｊ−１）よりのパスが選ばれた時Ｃｉに１
を加える。ｇ（ｉ−１゜ｊ−１）よりのパスが選ばれた
時は、Ｃ１＝Ｏを代入する。ｇ（ｉ、Ｄを求める時の距
離は、音韻スコアのｊフレームにおける音韻Ｖｉのスコ
アｄ　（ｉ、　ｊ）で求める。式（２）におけるＰ　（
Ｃｉ、　　Ｖｉ）の求め方について第３図で示す。各音
韻毎に、最小継続時間、最大継続時間、平均継続時間な
どは、統計的に求めることができる。そこで、各音韻毎
に第３図のような加減点テーブル（類似度計算部７、Ｒ
ＡＭＩＩ内）を作成し、Ｐ　（Ｃｉ、　Ｖｉ）を決定す
る。

本音細別の加減点テーブルを用いれば、ある音韻に関し
て、最大継続時間を越えると大きく減点され、ＤＰのパ
スが次の音韻に選択され、ある音韻は、できるだけ平均
的な時間長だけＤＰのパスで継続しようと選択される。

第３図のテーブルはｄ（＋、　Ｄが最大ｌＯを取る場合
の加減点の例である。

前実施例においては、最も簡単なりＰパスにおいて説明
をおこなったが、同音韻への遷移のあるＤＰパスが存在
すれば、本発明は用いることができ、同音韻への遷移の
パスの場合、カウンタに１を加え、その他の音韻への遷
移のパスであればカウンタに０を代入する。又、音声の
自動ラベリングシステムの１部に用いることができるも
のである。

〔発明の効果〕

本発明を用いることにより、各音韻の継続時間を考慮し
たＤＰを行うことを可能にし、類似度計算をより精密に
行える効果がある。

【図面の簡単な説明】

第１−１図は本発明適用の構成ブロック図、第１−２図
は制御フローチャート、 第２図はＤＰの例を示す図、 第３図はある音韻の継続長を考慮した加減点のテーブル
の説明図、 第４図は従来例の説明図、 ８はＣＰＵ。 ７は類似度計算部、 ６は単語辞書。

Claims (2)

【特許請求の範囲】
1. （１）一定時間（フレーム）毎に分析され、特徴パラメ
   ータの時系列に変換された入力音声から、フレーム毎に
   各音韻毎に音韻の信頼性を求める各音韻の標準パタンと
   音韻記号によって表記された単語辞書を持ち、入力音声
   と登録単語との類似度を計算するに当って、入力単語を
   仮定し、その単語に含まれる音韻の標準パタンを用いて
   単語を認識する方法において、ダイナミックプログラミ
   ング（ＤＰ）により類似度を計算する際、音韻毎の継続
   時間長を考慮し、ＤＰのパス毎に加減点を設ける手段を
   有する音声認識方法。
2. （２）ＤＰのパス毎の加減点を設けるために、仮定され
   た入力単語の音韻毎にフレーム継続カウンタを設け、各
   音韻のカウンタの値により、ＤＰにより同音韻の継続長
   を判断し、各音韻の継続長による加減点を示したテーブ
   ルよりＤＰのパス毎の加減点を与え、ＤＰ計算を進めて
   いくことを特徴とした特許請求の範囲第１項に記載の音
   声認識方法。