JPH01112298A - 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、発声された音声を高速で認識する音声認識装
置の改良に関する。

（従来の技術） 音声認識は、優れたマンマシンインターフェースを実現
する技術として重要であり、すでにさまざまな分野で音
声認識装置が使われている。現在の装置のほとんどは、
パターンマツチング法による認識方式を採用している。

この方式は、発声された認識対象の単語をあらかじめ標
準パターンとして保持しておき、入力された発声のパタ
ーン（以下、入力パターンとする）と保持された標準パ
ターンとの比較を行い、最も類似した標準パターンの単
語名を認識結果とするものである。この時、２つのパタ
ーンの時間軸を対応づけてパターン間距離を求める方法
としては、動的計画法により非線形な対応付けを行うＤ
Ｐマツチング法が使用されている。Ｄｒマツチングにつ
いては「連続発声した単語音声を効率的に認識する２段
ＤＰマツチング」２日計エレクトロニクス、　１９８３
年１１月７日号の１７１頁より２０８頁（以下、文献１
とする）に詳しく記述されている。この文献によると、
７：　タフ　Ａ　＋　８間の距ｗＥＤ（Ａ、Ｂ）は、以
下のように定義されている。

Ｄ　（Ａ　、　Ｂ　）　＝、ｍ、ｉｎ［Σｄ（ｉ　、ｊ
）］１　＄１（ｉ）　　　２二１ ｄ（ｉ、ｊ）はａｌとす、のベクトル間距離である。パ
ターン間距離りは、たとえば以下の漸化式計算により求
めることができる。

・・・（１）弐 ｇ（ｉ、ｊ）は１＋Ｊにより張られるｉｊ平面中の点（
１，１）から（ｉ　、　ｊ）までのベクトル間距離ｄの
累積値の最小値であり、以下、累積距離と呼ぶことにす
る。Ｄ（Ａ、Ｂ）はこの漸化式計算をｉ＝１・・・Ｉ、
ｊ＝１・・・Ｊまで行って得られるｇ（Ｉ　、Ｊ）とし
て求められる。

ここで、第２図に示すようなｉ、ｊ平面を考える。上記
漸化式は、第２図に示すように、（ｉ−１、ｊ）、（ｉ
−１，ｊ−１）、（ｉ−１，ｊ−２）から（ｉ　、　ｊ
）に至る３木のパス（イ）。

（ロ）、（ハ）を許して、格子点（１，１）から（Ｉ、
Ｊ）に至るベクトル間距＠ｄ（ｉ、ｊ）の−３＝ 総和が最小を与える（ｉ、ｊ）の経路（以下、最適パス
という）を求めるものである。最適パスは、（１）式の
計算の際に（イ）、（ロ）。

（ハ）のうちどのパスが選ばれたかのパス情報ｈ（ｆ　
、　ｊ）をすべての（ｉ、ｊ）に対して保持しておき、
Ｄが求められた後に（Ｉ、Ｊ）より保持されたパスを（
１，１）まで遡るバックトラックを行うことにより得ら
れる。バックトラックにより最適パスを求める方法につ
いては、「音声認識ニオケル動的計画法の応用Ｊ　、　
ｂｉｔ、　Ｖｏｌ、　１５゜Ｎｏ、８の１３１頁より１
４２頁に詳しく述べられている。

以上述べたＤＰマツチングによる認識アルゴリズムには
、多くの改良があるが、その１つとして特開昭５８−９
８７９６号に記載されているクロックワイズＤＰ法があ
る。この方法は、入力パターンの時間軸ｉを最も外側の
ループにしてｇｎ（ｉ、ｊ）の計算を行うことにより、
特徴ベクトルａｉの入力と同期したマツチング処理を実
現し、実時間性を高める方法である。すなわち、この方
法では、入力パターンの時刻ｉにおいて、全ての単語ｎ
と単語ｎの標準パターン上の時刻ｊに対してｇｆｉ　（
ｉ。

ｊ）を求める。

また、上記のクロックワイズＤｒ法に枝刈の考えを導入
することにより処理を高速化したものが特願昭６２−６
１７３２号、特願昭６２−２１９４６０号に述べられて
いる。以下、これらの方法について簡単に説明する。

特願昭６２−６１７３２号の方法は、クロックワイズＤ
Ｐ法において、時刻ｉでの累積距離ｇｎ（ｉ、ｊ）があ
るしきい値θ（ｉ）以上のｎ、ｉ、ｊに対しては、時刻
ｉ＋１以降の漸化式計算を省略するものである。これは
、ｇ″（ｉ　、　ｊ）が大きい（ｎ。

ｉ、ｊ）は最適パス上にある可能性が低いとみなして漸
化式計算を省略するものである。これにより計算すべき
漸化式計算回数が大幅に減少し、認識処理が高速化され
る。θ（ｉ）の設定法としては以下のものがある。

（イ）　θ（ｉ）＝αｉ＋β （ロ）　θ（ｉ　）＝ｇｍｉｎ（ｉ）＋α（α、βは定
数） （イ）は最適累積距離が増加するとしてθ（ｉ）をｉの
一次単調増加関数として定めるもの、（ロ）は各ｉにお
ける累積距離ｇ″（ｉ、ｊ）。

Ｊ　＝　ｉ　、−−・Ｊｎ、　ｎ＝　１、−、　Ｎの最
小値ｇ　ｍ１ｎ（ｉ）にαの余裕を持たせてθを定める
ものである。しかし、この方法において、しきい値を求
めるためのしきい値パラメータα、βは一定値であった
ため、適切でないしきい値θ（ｉ）による認識エラーや
計算量が低減されない場合があった。

特願昭６２−２１９４６０号の方法は、特願昭６２−６
１７３２号におけるこのような問題に対処できるもので
あり、過去の発声よりしきい値パラメータを学習する機
能を有する。しきい値パラメータは以下の手順で学習す
る。まず、認識結果出力後、入力パターンと認識結果を
与えた標準パターンとの間でマツチングを行い、バック
トラックによって最適パスを求める。次に、最適パス上
の累積距離ｇａｐ＋（ｉ）、ｉ＝１．・・・、１を求め
、しきい値θ（ｉ）が全てのｉにおいてｇ−ｐ＋’：’
ｘ）＜θ（ｆ）を満足するようにしきい値パラメータα
゛、β′を求める。次の認識処理に使用するα、βは、
過去１回収上Ｘ回の発声に対するしきい値パラメータα
′（Ｘ）、β’（ｘ）、ｘ＝１．・・・、Ｘより求める
。

（発明が解決しようとする問題点） 従来法における枝刈では、認識結果が正解でもエラーで
も同様の方法でパラメータα、βの学Ｗを行っていた。

しかし、誤認識の場合には最適パスを求める際に、発声
された単語とは異なる標準パターンとのマツチングが行
われるため、正解単語との正解パスは求められない。従
って、誤認識が起きると、適切でないしきい値パラメー
タα。

βが学習されることがあり、さらに誤認識を生むことに
つながっていた。

本発明の目的は、上記の問題点をなくし、常に適切な枝
刈のしきい値θを定めることのできる音声認識装置を提
供することである。

（問題点を解決するための手段） 本発明による音声認識装置は次の各部を必要とする。す
なわち、各単語ｎの音声の特徴ベクトル時系列Ｂ”　＝
　ｂ”、・・・ｂａｉ・・・ｂ″Ｔｍを標準パターンと
して保持する標準パターン格納部と、枝刈のしきい値を
求めるパラメータであるしきい値パラメータを格納する
しきい値パラメータ格納部と、時刻ｉの入力音声の特徴
ベクトルａｉを逐次読み込み時系列パターンＡ＝ａｌ・
・・ａｉ・・・ａｏとして保持する入力パターン格納部
と、各時刻ｉにおいて入力音声の特徴ａｉと前記標準パ
ターン格納部の標準パターンｂ″。

との距離”（１１ｊ）の累計距離ｇｎ（ｓ　ｌ　３　）
を前記しきい値パラメータ格納部のパラメータで定めら
れる枝刈条件を満足する（ｎ、ｊ）の値に対して求める
マツチング部と、マツチング部にて時刻工に求められた
累積距離ｇｎ（ｒ、Ｊ）の最小値を与える単語ｎを認識
結果として出力する判定部と、認識結果の正否を与える
結果確認部と、結果が正解である場合に入力パターン格
納部における入力パターンＡと認識結果の標準パターン
Ｂｎを読み込み最適パスを求める最適パス計算部と、結
果が正解である場合には前記最適パス計算部にて得−８
＝ られた最適パス上の累積距離の値を用いてしきい値パラ
メータを更新し結果が誤りである場合にはしきい値パラ
メータ格納部のしきい値パラメータをしきい値を高くす
るように更新するしきい値パラメータ決定部の各部であ
る。

（作用） 本発明による音声認識装置は、過去に発声された音声と
、認識結果の正否の情報を用いてしきい値を学習するこ
とにより、話者や環境の変化に対応して、枝刈を効率よ
く行い高速に認識処理を行うことを特徴とする。

上述したように、枝刈は入力パターンの各時刻ｉにおけ
るしきい値θ（ｉ）を用いて行う。従って、θ（ｉ）は
正解の単語の最適パス上の累積距離を下回らず、かつ、
高すぎないように設定することが望ましい。本発明の特
徴は、過去の発声に対して最適パス上の累積距離を求め
、それらの値から適切なしきい値θ（ｉ）を求めるパラ
メータを学習することにある。さらに、最適パス上の累
積距離を用いた学習は認識結果が正解であるときのみ行
い、認識結果がエラーである場合には、枝刈のしきい値
を上げることにより連続したエラーを防ぐことを特徴と
する。以下に、その動作原理を説明する。

従来方式による認識処理が行われ、結果が出力された後
、認識結果が正解か否かの入力を促すプロンプトに従っ
て、利用者が結果の正否を入力する。認識結果が正解で
ある場合には、認識結果の単語ｎの標準パターンＢ”と
保持されている基カバターンとの間で前記文献１に述べ
られているＤＰマツチングを行う。マツチングでは、漸
化式計算において選択されたパスの情報ｈ（ｚ、ｊ）と
累積距離ｇ（ｉ、ｊ）を全ての（ｉ　、　ｊ）に対して
保持しておき、バックトラックにより最適パスを得る。

最適パス上の累積距離ｇ−ｐｔ（ｔ　）は、最適パスｂ
−ｐ＋　（ｓ　）　＝Ｊ　（１）・・・ｊ（ｆ）・・・
ｊ（Ｉ）における累積距離ｇ（ｉ　、ｊ（ｉ））として
得られる。

このようにして得られた各ｉにおける最適パス上の累積
距離ｇ−ｐ＋　（１）は、直前の入力音声の時刻ｉにお
ける枝刈のしきい値θ（ｉ）の最適値と考えることがで
きる。そのため、これらの情報を用いて、現在のしきい
値パラメータを補正することで、次回の認識処理ではよ
り適切なしきい値を設定することができる。さらに、話
者や環境が変化した場合、それ以前と同じパラメータで
は不適切なしきい値θが設定される場合があるが、その
ような場合にも、上記の原理によって、発声ごとにより
適切なθが設定できるようになる。

以上は、認識結果が正解である場合の処理であるが、誤
認識の場合は正解単語に対する最適パスが枝刈きれてし
まった可能性が強いとみなして、現在のしきい値θより
高いしきい値が設定されるようにしきい値パラメータα
、βを更新する。

（実施例） 以下に、本発明の実施例について図面を参照しながら詳
細に説明する。第１図は、本発明の一実施例を示すブロ
ック図である。

第１図における標準バクーン格納部２には、あらかじめ
発声された認識対象単語ｎの各時系列デ一夕が標準パタ
ーンＢ、とじて格納されており、しきい値パラメータ格
納部３には、枝刈のしきい値θ（ｉ）を求めるためのし
きい値α、βがあらかじめ格納されている。発声された
基カバターンＡは実時間で分析され、特徴ベクトルａｉ
の時系列のデータとして逐次マツチング部４に入力され
る。

また、ａｉは同時に、入力パターン格納部１に逐次格納
され、次の入力があるまで保持される。マツチング部４
では入力されたａｉごとにｎ、ｊに対して漸化式計算を
行いｇｎ（ｉ＋　ｊ）を求める。マツチングには、従来
方式におけるクロックワイズＤＰ法に枝刈の考えを導入
した方式（特願昭６２−６１７３２号）を用いる。枝刈
のしきい値θの求め方としては、ここでは、−次車調増
加関数（θ（ｉ）＝αｉ十β）を用いることとする。マ
ツチング部４は、ｉにおける累積距離計算後、しきい値
パラメータ格納部３のα、βを読み込みθ（ｉ）を計算
し、ｇ’（ｉ、ｊ）＜θ（ｉ）を満足する（ｎ、ｊ）を
求める。ａｌ＋１が入力されると、時刻ｉで求められた
枝刈基準を満足する（ｎ、ｊ）に対して漸化式計算を行
う。マツチング部４ではこのように枝刈をしながら時刻
Ｉまでの処理を行い基カバターンＡと全ての標準パター
ンＢｎとのパターン間距離を求める。

判定郡５では、マツチング部４にて得られた基カバター
ンＡと全ての標準パターンＢｎ、ｎ＝１・・Ｎとのパタ
ーン間距離のうち最小距離を与えた標準パターンを結果
として出力する。引続き、利用者によってこの認識結果
の正否が結果確認部８より入力される。結果確認部８は
、正否を入力する手段を有し、例えば正否に対応する２
つのキーよりなる装置を用いることができる。このよう
に、結果の正否が入力されると、正否に応じてしきい値
パラメータの学習処理が行われる。

まず、結果が正解である場合について説明する。この場
合の学習には、従来方法（特願昭６２−６１７３２号）
と同様に、基カバターンと認識結果を与えた標準パター
ンとのマツチングにおける最適パス上の累積距離を用い
る。最適パス計算部６は、利用者から結果が正解である
という入力を得ると、入力パターンＡを入力パターン格
納部１より、結果を与えた標準パターンＢｎを標準パタ
ーン格納部２より読み込み、文献１に示されているよう
なりＰマツチング法を用いて１対１のマツチングを行う
。マツチングの際には、（ｉ、ｊ）における累積距離ｇ
（ｉ、ｊ）と（ｉ　、　ｊ）に至るパスｈ（ｉ、ｊ）を
全ての（ｉ　、　ｊ）に対して保持しておく。最適パス
は、（１，Ｊ）より、パスの情報りを遡るバックトラッ
クにより得られる。このようにして得られた最適パス上
の累積距離をｇ、ｐｔ（ｉ）　、　ｉ　＝　１　、・・
・、■とする。その後、パラメータ決定部７においてし
きい値パラメータα。

βの学習を行う。乙。、１は、最適パス上の累積距離で
あるから、マツチング時の枝刈のしきい値は常にこの値
以上である必要がある。パラメータα。

βの値は例えば、ｇｏ、の最小自乗近似直線の係数とし
て求めることができる。第３図は、ｇ＊ｐ＋と求められ
たα、βによるθ（ｉ）を示している。図におけるβは
最小自乗近似直線の係数として求められた値より余裕分
Δβだけ大きくなっている。

パラメータ決定部７には、このようにして求められたα
、βを過去の発声Ｘ回分（Ｘ≧０）が格納されている。

これらの値から、新たなしきい値パラメータを求め、し
きい値パラメータ格納部３に格納する。しきい値パラメ
ータの求め方としては、Ｘ回のα、βの値の最大値をと
る方法を用いる。しきい値パラメータα、βの求め方と
しては、過去Ｘ回の最大値をとる方法の他に、過去Ｘ回
の平均値をとる方法などを用いることができる。

次に、認識結果が誤認識の場合について説明する。利用
者により、認識結果がエラーと入力された場合は、しき
い値パラメータ格納部３より現在設定されているしきい
値パラメータα、βを読み込み、それらをしきい値θ（
ｉ）が増加するように更新する。αの更新値は例えば、
α、、＝ｋ・α、１４．α。、、＝α−＋ａ＋ＴまたＢ
の更新値も同様に、β。、、−ｋ・β。４．β０．、＝
β。、＋Ｔなどの方法を用いることができる。θの求め
方として一次単調増加関数を用いる上記の例では、ｋと
して１以上の値、または、正の値を持っＴを与えること
によりθ１．．〉θ。＋４となるα、βを設定すること
ができる。

以上の実施例では、しきい値θの求め方として一次単調
増加関数を用いて説明したが、それ以外の方法として、
ｉにおける最小値を基にした場合（θ（ｉ）−ｇｍｉｎ
（ｉ　）＋α）について説明する。この場合には、以下
のようにしてパラメータαを学習するととができる。ま
ず、認識時にマツチング部４における枝刈処理に使用さ
れた各ｉの累積距離の最小値ｇ　ｍ１ｎ（１）　＋　ｉ
＝１　＋・・・。

■を、各時刻ｉにおいてパラメータ決定部７に格納して
おく。その後、上記の実施例と同様に処理し、最適パス
計算部６においてｇ−ｐｌ（ｔ）　、　ｉ　＝１、・・
・、■を求めた後、パラメータ決定部７において、ｇ□
ｒｒ（１）＝ｇ。ｐｌ　（ｉ）　−ｇｍｉｎ（ｉ）　、
　ｓ−１，・・・、■を計算しｇａ＋。の最大値を求め
る。

パラメータ決定部７には、このようにして求められたｇ
□、の最大値が過去の発声Ｘ回分（Ｘ≧０）格納されて
いる。αはこれらの値の平均、または−】６− 最大値に基づいて決定することができる。

（発明の効果） 以上に説明した本発明による高速音声認識装置では、誤
認識が起きてもそれが誤認識の多発につながることなく
、枝刈における最適なしきい値を学習することができる
。そのため、話者や環境などの変化に適応したしきい値
の設定が可能になる。それにより、しきい値が不適当で
あるために起きていた従来の問題点が解決され、認識速
度がより高速になり、また、認識率が向上する。

【図面の簡単な説明】

第１図は本発明の一実施例を示すブロック図、第２図は
従来方式におけるマツチングの様子を説明するための図
、第３図は第１図実施例におけるパラメータ決定部で行
なわれる処理を説明するための図である。 １・・・入力パターン格納部、２・・・標準パターン格
納部、３・・・しきい値パラメータ格納部、４・・・マ
ツチング部、５・・・判定部、６・・・最適パス計算部
、７・・・パラメータ決定部、８・・・結果確認部。

Claims (1)

【特許請求の範囲】
1. 各単語ｎの音声の特徴ベクトル時系列Ｂ＾ｎ＝ｂ＾ｎ、
   ・・・ｂ＾ｎ＿ｊ・・・ｂ＾ｎ＿ｊ＿ｍを標準パターン
   として保持する標準パターン格納部と、枝刈のしきい値
   を求めるパラメータであるしきい値パラメータを格納す
   るしきい値パラメータ格納部と、時刻ｉの入力音声の特
   徴ベクトルａ＿ｉを逐次読み込み時系列パターンＡ＝ａ
   ＿１・・・ａ＿ｉ・・・ａ＿Ｉとして保持する入力パタ
   ーン格納部と、各時刻ｉにおいて入力音声の特徴ａ＿ｉ
   と前記標準パターン格納部の標準パターンｂ＾ｎ＿ｊと
   の距離ｄ＾ｎ（ｉ、ｊ）の累積距離ｇ＾ｎ（ｉ、ｊ）を
   前記しきい値パラメータ格納部のパラメータで定められ
   る枝刈条件を満足する（ｎ、ｊ）の値に対して求めるマ
   ッチング部と、このマッチング部にて時刻Ｉに求められ
   た累積距離ｇ＾ｎ（Ｉ、Ｊ）の最小値を与える単語ｎを
   認識結果として出力する判定部と、認識結果の正否を与
   える結果確認部と、結果が正解である場合に前記入力パ
   ターン格納部における入力パターンＡと認識結果の標準
   パターンＢｎを読み込み最適パスを求める最適パス計算
   部と、結果が正解である場合には前記最適パス計算部に
   て得られた最適パス上の累積距離の値を用いてしきい値
   パラメータを更新し結果が誤りである場合には前記しき
   い値パラメータ格納部のしきい値パラメータをしきい値
   を高くするように更新するしきい値パラメータ決定部と
   を有することを特徴とする音声認識装置。