JPS63247799A - 音声認識装置 - 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、各単語もしくは音節、音韻につき、単数また
は複数個の標準パターンテンプレートを持つ音声認識装
置に関するものである。

従来の技術 不特定話者に対応させるために、各単語もしくは音節、
音韻につき、複数個の標準パターンを用いる方法は有効
な方法であり、標準パターンを作成する際に、より多数
の音声パターンを母集団として橋準パターンを選択した
方が、より多くの話者に対応できる。しかしながら、母
集団となる音声データが多数に′、五！しばなるほど、
より膨大なデータ収集時間、標準パターン作成時間が必
要となることから、不特定話者に充分対応する標準パタ
ーンを作成することは事実上困難である。

従来の音声認識装置では、上記問題点を解決するため、
必要最小限数の母集団音声より標準パターンを作成して
おき、認識装置使用中に対応しない話者が存在した場合
に、その話者に対応するパターンを標準パターンとして
追加する方法がとられた。以上の方法により、使用状況
に合わせて多くの話者に対応する認識装置を実現するこ
とが可能となる。（例えば、飯塚、森戸、山田（沖電気
（株）基盤研究所）「不特定話者単語音声認識」、音響
学会音蜘研究会資料５８３−５４（１２・２２・１９８
３）　）。

以下、図面を参照しながら、上述したような従来の音声
認識装置について説明を行う。第３図は、従来の音声認
識装置のブロック図である。１は音声入力端子、２は特
徴抽出部、９はパターン照合部、６は認識結果出力端子
、１１は追加パターン決定部、１３は保管パターンテン
プレート、１２は標準パターンテンプレート、１ｏはス
イッチである。以上のように構成された音声認識装置に
ついて、その動作を説明する。

まず、話者が標準パターンを更新する学習の際には、音
声入力端子１より入力された学習用音声信号を特徴抽出
部２で分析し、特徴パラメータを抽出する。学習用音声
信号としては、標準パターンテンプレート１２に含まれ
ている単語音声信号を用いる。また、分析方法には、た
とえばＬＰＣケプストラム法を用いれば、単位時間ごと
に所定の個数のケプストラム係数が算出される。

標準パターンテンプレート１２には、音声区間分のケプ
ストラム係数を１単語分とする標準パターンが各単語に
つき複数個含まれており、パターン照合部９で標準パタ
ーンを入力し、特徴抽出部２で分析された学習音声パタ
ーンと標準パターンとの距離を算出し、最短距離の標準
パターンを認識結果とする。結果が誤認識した場合には
誤認識単語の１回分のパターンを保管パターンテンプレ
ート１３に保管し、以上の処理を、単数もしくはまれる
パターンが一定個数以上になった際に、追加パターン決
定部１１で、保管パターンテンプレート１３より読み込
んだ保管パターンを対象に追加パターンを決定する。決
定方法は、最も誤認識の多かった単語の保管パターンを
対象に、類似度の高いパターンを同クラスと見なしたク
ラス分けを行い、クラス内のパターンが一定数以上であ
るクラスのセントロイドパターンを標準パターンに追加
する方法である。

次に認識時には、音声信号を音声信号入力端子１より入
力し、信号を特徴抽出部２で分析し、特徴パラメータを
抽出する。信号の種類、分析条件は、学習時と同様であ
る。

次にパターン照合部９で、学習時に更新した標準パター
ンテンプレート１２の標準パターンと入力パターンとの
距離を算出し、出力端子６より認識結果を出力する。

なお、スイッチ１０は、学習時には追加パターン決定部
１１に、認識時には結果出力端子５に認識結果を出力す
るように動作する。

発明が解決しようとする間雇点 しかしながら、上記のような構成では、まず、標準パタ
ーンの保管容量を越えて学習ができないこと、次にＪご
く少数の話者に対応するためにパターンが追加され、追
加パターン数が増加する割には認識率の改善度が低くな
る場合があり、このような場合は、パターン保管容量の
使用効率が悪くなるという間雇点を有していた。また上
記の場合は、学習回数が増加する程、多くなる傾向があ
ると思われる。

°本発明は、上記問題点に鑑み、照合結果の下位Ｎ候補
の単語もしくは音節、音韻名を第１候補の単語もしくは
音節、音韻別にグループ化して非照合パターン管理テー
ブルに記録し、照合結果の上位候補パターンと現在まで
に非照合パターン管理テーブルに記録されたパターンと
を上記単語もしくは音節、音韻別グループごとに比較し
、最も一致するパターンが少ないグループの単語もしく
は音節、音韻を認識結果として出力することで標準パタ
ーン保管容量に無関係に学習ができ、また、標準パター
ンを有効に使用して認識率を向上させることできる音声
認識装置を提供するものである。

問題点を解決するだめの・手段 この目的を達成するために本発明の音声認識装置は、各
単語もしくは音節、音韻についての単数または複数個の
標準パターンを有する標準パターンテンプレートと、上
記標準パターンと入力パターンの照合を行い、下位候補
標準パターン名をテーブルに記録するパターン照合部と
、上記下位候補標準パターン名を保管しておく非照合パ
ターン管理テーブルと、上記下位候補の情報より認識結
果を決定する認識結果決定部とから構成されている。

作　　用 この構成によって、パターン照合部で、照合結果の下位
候補の単語もしくは音節、音韻基を第１候補の単語もし
くは音節、音韻別にグループ化して非照合パターン管理
テーブルに記録し、認識決定部で、照合結果の上位候補
パターンと現在までに非照合パターン管理テーブルに記
録されたパターンとを上記単語もしくは音節、音韻別グ
ループごとに比較し、最も一致するパターンが少ないグ
ループの単語もしくは音節、音韻を認識結果として出力
する。

実施例 以下、本発明の単語音声認識における実施例について第
１図を参照しながら説明する。第１図において、１は音
声入力端子、２は特徴抽出部、３はパターン照合部、４
はスイッチ、６は認識結果出力端子、６は認識結果決定
部、７は標準パターンテンプレート、７は非照合パター
ン管理テーブルであシ、従来例と同じものは同一の番号
を付与している。

以上のように構成された音声認識装置について以下その
動作について第１図、第２図を用いて説明する。

まず、話者が学習する際には、音声入力端子１より入力
（処理２１）された学習用音声信号を特徴抽出部２で分
析しく処理２２）、特徴パラメータを抽出する。学習用
音声信号としては、標準パターンテンプレート７に含ま
れている単語音声信号を用いる。また、分析方法には、
たとえばＬＰＣケプストラム法を用いれば、単位時間ご
とに所定の個数のケプストラム係数が算出される。標準
パターンテンプレート７には、音声区間分のケプストラ
ム係数を１単語分とする標準パターンが各単語につき単
数または複数個含まれており、パターン照合部３で標準
パターンを入力し、学習音声パターンと標準パターンと
の距離を算出しく処理２３）。

距離の遠い下位Ｎ候補の単語番号を、第１候補の単語番
号別に非照合パターン管理テーブル８に記録する（処理
２４）。（以下、上記処理によりグループ化された各々
の単語の集まりを単語グループと呼ぶ。） 学習用音声信号を入力してから後の以上の課程を、標準
パターンテンプレート７に含まれる全単語について複数
大分で複数回繰り返す。

次に認識時には、認識すべき音声信号を音声入力端子１
より入力しく処理２１）、信号を特徴抽出部２で分析し
、特徴パラメータを抽出しく処理２２）、パターン照合
部３で、標準パターンと入力パターンの距離を算出する
（処理２３）。認識結果決定部６で、照合した結果の第
１候補単語距、離と第２候補単語距離を比較しく処理２
５）、距離差が一定値以上であれば、従来通り第１候補
単語を認識結果として認識結果出力端子６より出力する
（処理２６）（処理３７）。距離差が一定値以下であれ
ば、第１候補と第２候補が同単語がどうかを調べ、同単
語であれば、従来通り第１候補単語を認識結果として結
果出力端子６より出力する（処理２６）（処理３７）。

しかしながら、異単語であれば、まず単語グループごと
に非照合パターンとして多く記録された単語を複数個選
出し、選出された単語と第１候補単語とを比較しく処理
３ｏ）、一致した単語があれば、その単語グループの非
照合カウンターに１を追加する（処理３１）。以上の比
較処理を第Ｎ候補単語と比較するまで繰シ返す。

上記結果、最も非照合カウンター値の小さい単語を認識
結果として出力端子６より出力する。また、最小値を持
つカウンターが複数個存在した場合には、より上位候補
の単語を認識結果として出力する（処理３６）（処理３
７）。

なお、スイッチ４は、学習時及び認識時に非照合パター
ン管理テーブル８を使用しない際には結果を出力端子６
へ、認識時た非照合パターン管理テーブル８を使用する
場合には結果を認識結果決定部６へ出力するように動作
する。

以上のように、本実施例によれば、話者が最初に使用す
る際に、パターン照合部３で、照合結果の下位Ｎ候補の
単語を第１候補の単語別にグループ化して非照合パター
ン管理テーブル８に記録し、認識時に認識決定部６で、
照合結果の上位候補パターンと現在までに非照合パター
ン管理テーブル８に記録されたパターンとを上記単語ご
とに比較し、最も一致するパターンが少ないグループの
単語もしくは音節、音韻を認識結果として出力すること
により、標準パターン保管容量に無関係に学習ができ、
また、標準パターンを有効に使用して認識率を向上させ
ることできる。

発明の効果 本発明は、話者が最初に使用する際に、パターン照合部
で、照合結果の下位Ｎ候補の単語もしくは音節、音韻基
を第１候補の単語もしくは音節、音韻別にグループ化し
て非照合パターン管理テーブルに記録し、認識決定部で
、照合結果の上位候補パターンと現在までに非照合パタ
ーン管理テーブルに記録されたパターンとを上記単語も
しくは音節、音韻別グループごとに比較し、最も一致す
るパターンが少ないグループの単語もしくは音節、音韻
を認識結果として出力するにより、標準パターン保管容
量に無関係に学習ができ、また、標準パターンを有効に
使用して認識率を向上させることが可能となる優れた音
声認識装置を実現するものである。

【図面の簡単な説明】

第１図は本発明の一実施例における音声認識装置のブロ
ック図、第２図は本発明の一実施例における音声認識処
理のフローチャート、第３図は従来例における音声認識
装置のブロック図である。 １・・・・・・音声入力端子、２・・・・・・特徴抽出
部、３・・・・・・パターン照合部、４・・・・・・ス
インｔ、６・・・・・・認識結果出力端子、６・・・・
・・認識結果決定部、７・・・・・・標準パターンテン
プレート、８・・・・・・非照合パターン管理テーブル
。 代理人の氏名　弁理士　中　尾　敏　男　ほかう名第１
図 第２図 第３図

Claims (2)

【特許請求の範囲】
1. （１）各単語もしくは音節、音韻についての単数または
   複数個の標準パターンを有する標準パターンテンプレー
   トと、上記標準パターンと入力パターンの照合を行い、
   照合した結果、距離の遠かった下位Ｎ個の下位候補標準
   パターン名をテーブルに記録するパターン照合部と、上
   記下位候補標準パターン名を保管しておく非照合パター
   ン管理テーブルと、上記下位候補の情報より認識結果を
   決定する認識結果決定部とを具備し、上記パターン照合
   部で、照合結果の下位候補の単語もしくは音節、音韻名
   を第１候補の単語もしくは音節、音韻別にグループ化し
   て上記非照合パターン管理テーブルに記録し、上記認識
   決定部で、照合結果の上位候補パターンと現在までに上
   記非照合パターン管理テーブルに記録されたパターンと
   を単語もしくは音節、音韻別グループごとに比較し、最
   も一致するパターンが少ないグループの単語もしくは音
   節、音韻を認識結果として出力することを特徴とする音
   声認識装置。
2. （２）認識決定部で、パターン照合の結果、第１候補の
   信頼性が高い場合には第１候補を認識結果として出力し
   、第１候補の信頼性が低い場合のみ上位候補とテーブル
   内の単語もしくは音節、音韻との比較結果を認識結果と
   して出力することを特徴とする特許請求の範囲第１項記
   載の音声認識装置。