JPH01112299A

JPH01112299A - 音声認識装置

Info

Publication number: JPH01112299A
Application number: JP63176754A
Authority: JP
Inventors: Futai Kimura; 木村　普太
Original assignee: Fujitsu Ltd
Current assignee: Fujitsu Ltd
Priority date: 1987-07-16
Filing date: 1988-07-15
Publication date: 1989-04-28
Anticipated expiration: 2012-06-04
Also published as: JP2617527B2

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】〔目次〕概要産業上の利用分野従来の技術（第２５図、第２６図）発明が解決しようとする課題課題を解決するだめの手段（第１図）作用実施例（第２図〜第２４図）（１）第１実施例（２）第２実施例（３）第３実施例（４）第４実施例発明の効果Ｃ概要〕音声認識装置に関し、不要な音声入力があってもその後に正しい音声を入力す
ることにより不要な音声入力に対して認識処理を行わな
いようにすることを目的とし、入力音声を分析して特徴
部分を抽出し辞書との比較によって認識を行う音声認識
装置において、入力音声を一旦記憶保持する保持手段と
、この保持手段に記憶された音声を認識することを指示
する認識指示手段を設け、認識すべき音声を入力して前
記認識指示手段を操作したときその操作の直前の音声入
力部分を抽出して認識するようにしたものである。

〔産業上の利用分野〕

この発明は音声認識装置に係り、特に音声により文書を
直接入力するとき、咳などの不所望な入力を認識対象範
囲外とすることができるようにしたものに関する。

音声を単音節、単語、文節あるいは文章単位に区切って
入力する音声認識装置では、音声入力の区切りの直後に
認、織結果の最有力候補を一つ表示出力し、次に認識結
果の候補選択あるいは同音異義語の選択をする必要があ
り、また、他の人との会話、咳あるいは周囲の雑音など
文書作成に不要な音がマイクに入らないようにする必要
があり、このようなことが実現できる音声認識装置が要
望されている。

〔従来の技術〕

例えば音声入力文書作成装置における音声認識装置にお
いて、音声を単音節、単語、文節あるいは文章単位に区
切って人力するために、従来では、第２５図に示すよう
に、マニアル操作するスイッチを用いていた。

第２５図において、６１は入力部であり、マイクからの
音声入力を受けて必要な強さにまで増幅し、デジタル信
号に変換する。

６２は音声区間検出部であり、音声入力の区切りによっ
て、単音節、単語、文節あるいは文章単位を検出する。

６３は認識部であり、図示省略した辞書を参照して、音
声入力信号を認識する。６４は候補選択・同音異義選択
部であり、最初の認識の結果が同音異義語であり、目的
とするものでなかった時に、他の候補を選択するもので
ある。

６５は表示部であり、認識部６３の認識結果、あるいは
、候補選択・同音異義選択部で選択された他候補を表示
する。スイッチＳＷＩ、ＳＷ２、ＳＷ３は操作者が操作
するマニアルスイッチである。ＳＷＩは音声入力モード
切換スイッチであり、他の人との会話、咳あるいは周囲
の雑音など文書作成に不要な音がマイクから入らないよ
うに、音声を人力できる音声人力モードと音声を入力で
きない音声非入力モードとに切換えるスイッチである。

ＳＷ２は、候補選択・同音異義選択スイッチであり、認
識された結果が目的のものでなかった場合に、このスイ
ッチを押下げて他候補を表示させるためのものであり、
ＳＷ３は言い間違いや咳等により、不所望の入力を行っ
た時にその入力を取消すためのものである。

第２６図は、第２５図に示す従来例の音声人力文書作成
装置の動作説明のための流れ図である。

図に示すとおり、第１の音声入力がなされると、音声区
間検出部６２は、その区切りによって、区間検出を行い
、認識部６３において辞書と比較して認識を行う。その
認識結果を表示部６５に表示する。この認識結果を見て
、それが正しければさらに第２の音声入力を行う。する
と、先の認識結果を正しいものとして、次の第２の音声
人力の認、識処理に入る。

もし、第１の音声入力の結果の認識が正しくない場合に
は、候補選択・同音異義選択スイッチＳＷ２を押下げる
。これにより、新しい候補が表示されるので、これが所
望のものであれば、次の音声入力を行う。

〔発明が解決しようとする課題〕

ところが、このような従来例では、音声入力モードの場
合、常に音声区間検出処理を行っているため、余計なお
しゃべりや周囲の雑音などは許されなく、発声者に過度
の緊張感を与えてしまうという問題点を有している。

また、発声の度に認識結果の候補選択スイッチを押した
り、押さなかったりするため発声タイミングが一定せず
マン・マシン・インターフェースの観点から操作性およ
び使用感が良くないという問題点を有している。また、
単語や文節などの発声単位毎に明確に区切って発声する
のは非常に困難なことであり、次々に音声入力を続ける
と発声が段々速くなってしまいついには、２つの発声単
位が連続してしまい、誤認識に原因となることがある等
の問題点を有している。

この発明は、このような点に鑑みてなされたものであり
、スイッチの操作の必要が少なく、また、雑音、発音誤
り等を気にせずに人力作業ができる音声認識装置を提供
することを目的とする。

〔課題を解決するための手段〕

第１図は、この発明の原理図であり、図において、１は
マイク、２は入力部、３はバッファ、４は音声区間検出
部、１０は認識・候補選択部、８は表示部、ＳＷは候補
選択スイッチである。

発声された音声はマイク１において電気信号に変換され
、入力部２において分析され、その１ｋ　−時的にバッ
ファ３に格納される。バッファ３の容量は、最小限人力
される音声の最大長のものか記憶される容量が必要であ
る。音声区間検出部４では、候補選択スイッチＳＷが押
された時点でバッファのデータを参照し、現時点に最も
近い音声区間部分を検出する。認識・候補選択部１０で
は、この現時点に最も近い音声区間部分の認識を行い、
また、その認識結果の候補から、正しい結果を選択する
。認識の結果は表示部８に表示し、この表示を見ながら
正しい結果を選択する。バッファはリングバッファを構
成しており、古いデータは新しいデータに順次置き換え
られる。

〔作用〕

この発明では、人力部２の後に、バッファ３を設け、音
声入力を一旦ハソファ３内に保持するように構成し、か
つ、候補選択スイッチＳＷを押下げたときに、バッファ
３内に保持された音節、文節或いは文章のうち現時点に
最も近い音節、文節或いは文章のみの認識を行うように
しているので、音声入力が雑音や発音誤り或いは余計な
お喋りでないことを確認した後、必要な音節、文節或い
は文章のみの認識を行わせることが可能となる。

〔実施例〕

（１）第１実施例本発明の第１実施例を第２図〜第６図にもとづき説明す
る。

第２図は本発明を使用した文書作成装置の要部構成図、
第３図は音声区間検出部の構成例、第４図は音声パワー
曲線図、第５図は第１実施例の動作説明図、第６図は従
来例と第１実施例の操作比較図である。

第２図において、第１図の原理図と同じ部分には、同じ
番号を付与しであるので、その部分についての詳細な説
明は省略する。この実施例においては、認識部６、候補
選択・同音異義選択部７を各々別に設けている外、音声
区間検出部４を第３図に示すように、パワー計算部３１
、高検出部３２、メモリ３３、判定部３４によって構成
している。

第３図において、パワー計算部３１は、バッファ３に記
憶された音声のパワーを計算する部分であり、その出力
には第４図に示すように、時間に応じた音声パワー曲線
が得られる。

高検出部３２は、第４図に示す音声パワー曲線のうち、
所定の閾値２１以上の領域ａ、ｂ、ｃを検出する部分で
ある。この領域ａ、ｂ、ｃは、島領域と呼ばれ、何らか
の音声入力があった個所に対応している。

メモリ３３は、島検出部３２で検出された各島領域のス
タートとエンド時間をそれぞれ記憶している。例えば、
島領域ａのスタートＳＩとエンドＥｌ（以下ａ　　（Ｓ
ｌ、　Ｅｌ）と略記する）、ｂ（３２、Ｅ２）　、ｃ　
（ｓ３、Ｅｉ）をそれぞれ記憶しておく。

判定部３４は、音声パワー曲線で示される音声入力から
、１つの入力単位である単音節、文節或いは文章等の音
声区間を判定し、さらに、この発明に従ってスイッチＳ
界押下げ時点に最も近い音声区間を判定する。例えば、
時刻ｔ２において、スイッチＳＷを押下げるものとする
。島領域ａ、ｂ、ｃに間隔ｊ！、、Ｉ１２が共に予じめ
決められた閾値Ｔｈ／より大のときは、各島領域ａ、ｂ
、ｃはそれぞれ独立した音声区間であると判定し、スイ
ッチＳ界押下げ時点ｔ２に最も近い島領域である音声区
間Ｃのみを認識すべき音声区間として、認識部６に送る
。ｌ５．１２、が共に闇値ＴＨＥより小の時は、島領域
ａ、ｂ、ｃを合わせた領域（ａ＋ｂ＋Ｃ）を１つの音声
区間と判定し、しかも、これがスイッチＳ界押下げ時点
ｔ２に最も近いことが明らかであるから、この音声区間
（ａ　＋　ｂ　＋Ｃ）を認識すべき音声区間として認識
部６に送る。

また、１２が閾値Ｔｈｌより小で、１１が閾値Ｔｈｚよ
り大のときは、音声区間は島領域ａと島領域（ｂ＋ｃ）
であると判定され、さらに時刻ｔ２に最も近い領域（ｂ
　十ｃ）が、認識すべき音声区間として判定されて、そ
のアドレス情報が認識部６に送られる。この音声区間情
報にもとづき、バッファ３より必要な領域を読出し、認
識する。

次に、この発明の動作を第５図の動作流れ図を参照しな
がら説明する。

この発明では、マイク１からの音声の入力直後には、認
識結果の最有力候補を表示せずに、音声入力を入力部２
で分析し、それを−旦バソファ３に記憶しておき、バッ
ファ３への蓄積完了の表示のみを表示部８にて行う。即
ち、第５図の動作流れ図を参照して、動作を説明すると
、音声入力がなされ（ステップ１）、完了するとその旨
を表示する（ステップ２）。この表示は、例えば表示部
８における＊印のブリンク等で良い。

次にスイッチＳＷが押下げられると、音声区間検出部４
にて、最新の音声区間の検出が行われることになる（ス
テップ４）が、スイッチＳＷが押下げられないで再び音
声入力があると、ステップ４には進まず、始めのステッ
プ１に戻る。従って、例えば、始めに誤って発音した場
合或いは咳ばらいをした場合等には、スイッチＳＷを押
下げることなく、音声区間の判定に十分なだけの時間を
あけて、その後に正しい発音で音声を入力すれば良い。

第４図において、誤入力の音声区間ａ、ｂの後に、正し
い音声を入力すると、これは音声区間Ｃとなってバッフ
ァ３に記憶されることとなるので、ここでスイッチＳＷ
を押下げると、音声区間検出部４においてこの時点での
最新の音声区間であるＣを認識部６に送ることとなる。

認識部６はこの音声区間情報によりバッファ３より音声
区間を読出し認識を行う。なお、単一の音声のみが入力
された後、直ちに、スイッチＳＷが押下げられ１またときには、その単一の音声が、認識部６に送られ、認
識されることはいうまでもない。なお、バッファ３がい
っばいになった時には、次々に古い入力音声データから
順に書きかえれば良い。

認識部６に送られた音声は、辞書と比較され、最優先候
補から出力される（ステップ５）。そして、その結果が
表示部８に表示される（ステップ６）。この結果の表示
をみて、それが、正しいものであるときには、次の音声
入力を行うと（ステップ７）、ステップ１に戻ることに
なる。結果が同音ではあるが異義語であって、所望のも
のでなかったときには、スイッチＳＷを押下げる。する
と、次の候補が表示されることになる（ステップ８、ス
テップ６）。

この操作を繰り返し、自分の望んでいる結果が得られた
時に、スイッチＳＷを押下げることなく、次の音声人力
を行えば、ステップ１に戻り、次の音声の入力処理に移
行することとなる。

この発明によれば、音声入力後直に認識を行い、その認
識結果を表示せずに、−旦音声入力をバソファに入力し
、スイッチ操作をした時点での最新の音声区間のみを認
識部に送り、認識を行うこととしているので、誤発声等
をしたときには、その後、所定の時間経過後に正しい音
声入力をし、スイッチを押すことで正しい音声のみを認
識させることができる。このため、誤発声のみでなく雑
音や咳ばらい等にこだわることなく、入力できる。

また、単語や文節等発声単位毎のスイッチ操作によって
入力に一定のタイミングを与えることができ、発声単位
毎に明確に区切って発声し易くなるため、２つの発声単
位が結合してしまうこともなく、このための誤認識がな
くなる。

また、使用者は、雑音や発音誤りなどは無視して、とに
かく正しい発声をした直後にスイッチを操作するのみで
良く、操作も簡単である。

第６図に本発明と従来例の操作を比較して示しであるよ
うに、発声１、発声２を入力する場合で、途中に雑音、
発声誤り、咳ばらいがあった時には、本発明のスイッチ
操作が、きわめて少なくて良いことがわかる。従ってこ
のような音声入力認識装置により文書作成を行えば、正
確に音声入力文書作成を行うことができる。

（２）第２実施例本発明の第２実施例を第７図および第８図により説明す
る。第７図は第２実施例の原理説明図であり第８図はそ
の実施例構成図である。第７図、第８図において第１図
〜第２図と同一部分には同一記号を付与している。

ＳＷＩは音声区間検出指示用のスイッチ、ＳＷ２は候補
選択用のスイッチ、ＳＷ３は削除用のスイッチである。

発声された音声はマイク１において電気信号に変換され
、入力部２においてデジタル変換され、その後−時的に
バッファ３に格納される。バッファ３の容量は、最小限
入力される音声の最大長のものが記憶される容量が必要
である。音声区間検出部４では、スイッチＳＷＩが押さ
れた時点でバッファのデータを参照し、現時点に最も近
い音声区間部分を検出する。認識・候補選択部１０では
、この現時点に最も近い音声区間部分の認識を行い、ま
た、その認識結果の候補から、正しい結果を選択する。

認識の結果は表示部８に表示し、この表示をみながら正
しい結果を選択する。

ここでスイッチＳＷＩは発声直後に音声区間の切り出し
を指示するためのものであり、スイッチＳＷ２は認識結
果の候補選択または同音異義選択を行うためのものであ
り、スイッチＳＷ３は誤った認識結果を削除するための
ものである。

（３）第３実施例第９図に示す本発明の第３実施例では、第８図に示す第
２実施例において、スイッチＳＷ１とＳＷ２を共通化し
てＳＷＩとしたものであり、煩雑なスイッチ操作を簡単
化している。すなわち単一の音声のみが入力された後、
直ちにスイッチＳＷ１が押下げられたとき音声がバッフ
ァ３内にあるため音声区間検出部４により音声区間が検
出され認識が開始されるので、このとき認識結果の候補
はまだないので認識候補の選択処理は行われない。

また音声の発声がなく認識結果候補のみがありその選択
をスイッチＳＷＩで行うときは、バッファ３内に音声が
ないため音声区間検出部４は動作せず候補の選択のみが
行われる。このような理由によりスイッチＳＷＩとＳＷ
２の共通化を行うことができる。

（４）第４実施例第１０図に示す本発明の第４実施例は、第９図に示す第
３実施例とほぼ同じであるが、スイッチＳＷＩにより候
補選択を行っているときに、入力部２′の動作を一時的
に停止する機能を付加したところが異なる。

各実施例において各構成要素で異なるのは、入力部であ
る。第１実施例〜第３実施例の入力部２は同じものであ
り、その内部構成を第１１図に示す。第４実施例の入力
部２′は他のものと異なり、その内部構成を第１２図に
示す。

第１１図において、マイクより入力された音声信号はア
ナログフィルタ２０に入力される。アナログフィルタ２
０は、次段のサンプルホールド２１でのサンプリング周
波数の半分の周波数より若干低いカットオフ周波数を持
つローバスフィルタである。サンプルホールド２１では
、次段のＡＤ変換より供給されるクロックに従って、ア
ナログフィルタ２０を通過した音声信号の時間軸を量子
化する。ＡＤ変換２２では、時間軸量子化された音声信
号の振幅を量子化し、音声デジタル信号の時系列Ｄｊを
そのクロックｃｋｌと共に次段に出力し、またサンプル
ホールドに必要なりロックをサンプルホールド２１に出
力する。クロック２３は、ＡＤ変換２２に必要なりロッ
クを水晶発振子などにより生成する。

第１２図において、２０．２１．２２．２３の構成要素
は第１１図と同じである。ただし、２４．２５、及び２
６の構成要素によりスイッチＳＷ１からの信号により、
一定時間だけＡＤ変換２２へのクロックの入力を停止し
ている。２４はトリガ回路であり、ワンショトトリガ回
路で実現されている。２５はＮＯＴ回路である。２６は
ＡＮＤ回路であり、ＮＯＴ回路２５の出力力月の時のみ
ＡＤ変換用クロックをＡＤ変換２２に供給するゲートの
役割を果たす。

第１３図に第１２図の回路図の信号タイミング図を示す
。まず、スイッチＳＷＩからの信号Ｘがトリガ２４に入
力されると、トリガ２４では数秒幅のパルス信号ｙを発
生する。この数秒間において入力部の動作が停止するこ
とになる。この数秒幅のパルスの否定２がＮＯＴ回路２
５で得られ、ゲート回路であるＡＮＤ回路２６に供給さ
れる。

ゲートされたＡＤ変換用クりックＷと各信号の関係を第
１３図に示す。

第１４図はバッファの構成を説明する図である。

入力部からのＤｊはそのまま音声区間検出部へ転送され
るとともにメモリ部３０１の書き込みデータとして供給
される。また入力部からのｃｌｋはそのまま音声区間検
出部へ転送されるとともにカウンタ３００のカウントア
ツプクロックとして供給される。カウンタ３００はメモ
リ部３０１の書き込みアドレスをカウントする。一方ア
ドレス制御部３０２は認識部よりｉｓｓ、ｆｅｅ、５ｔ
ｂ２を得ている。アドレス制御部３０２は５ｔｂ２信号
が１になった直後からｉｓｓからｉｃｅにいたるアドレ
スをクロックｃｌｋｄと共に順次発生する。発生したア
ドレスはメモリ部３０１の読み出しアドレスとして使わ
れる。メモリ部３０１から読み出されたデータＤｋおよ
びｃｌｋｄは認識部６へ送られる認識に用いられる。

第１５図は音声区間検出部４を説明する図であり、各実
施例で共通のものである。まず、パワー計算部４０にお
いてバッファから読み出されたデジタル音声信号の数ミ
リ秒毎のパワー計算が行われ、得られたパワー時系列を
一時記憶する。島検出部４１ではスイッチＳＷＩからの
音声区間検出指示に従って、パワー時系列をパワー計算
部４０から読み出して、島の検出を行う。判定部４２で
は得られた名品の間隔を判定し、最終的な音声区間を決
定する。

第１６図はパワー計算部４０の内部構成を説明する図で
あり、全実施例に共通するものである。

パワー計算部では、バッファから読み出したｎ個の音声
デジタルデータの二乗値を累積し、その累積値を音声パ
ワーとする。入力部２または２′から得られ、バッファ
３に記憶された音声デジタルデータＤｊは二乗ＲＯＭ　
（４００）のアドレス部に入力される。二乗ＲＯＭの各
アドレスにはアドレス値の二乗の値が記憶されているた
め、ＲＯＭ（４００）の出力データとしては音声デジタ
ルデータの二乗が得られる。加算器４０２およびセレク
タ４０３は累算器を構成しており、二乗ＲＯＭ（４００
）で得られた音声デジタルデータの二乗値の累積を行う
。累積値は対数値ＲＯＭ（４’０４）のアドレスに供給
される。累積値の対数値がＲＯＭ　（４０４）のデータ
として得られる。対数値データは一時メモリ　（４０６
）に順次記憶される。−時記憶されたデータＰｉは、島
検出部４１からアドレスｉが指定され読み出される。バ
ッファ３から得られるクロックｃｋｌは、クロック分周
部４０１に人力され、その周波数が１　／　ｎに分周さ
れる。

第１７図にバッファ３からのクロックｃｋｌと分周され
たクロックｃｋ２の関係を示す。分周されたクロックＣ
ｋ２は、まず累積器のクリアのために用いられる。すな
わちセレクタ４０３が加算器４０２の出力の累積値を選
択せずに設定値０を選択するための信号として供給され
る。また、クロックｃｋ２は、−時メモリのアドレスを
決定するカウンタのクロックとして用いられるとともに
、−時メモリの書き込み信号としても用いられる。

次に第１８図、第１９図および第２０図を用いて島検出
部４１の機能および構成を説明する。

第１８図は、島検出の原理を説明する図であり、パワー
計算部４０内の一時メモリ４０６の内容を示している。

第１８図において、横軸はアドレスｉを示しており、縦
軸はデータＰｉを示している。

アト”レスｌは音声の時間軸に対応している。島検出部
４１では、データＰｉが連続して大きい部分（島）を以
下のような方式で検出する。閾値ｐｔｈ１およびＰ　ｔ
ｈ２（〈Ｐ　ｔｈｌ）が予め与えられている。

まず、Ｐ　ｔｈ２より大きい部分（■■■）を暫定島と
する。こうすることによりイの部分は雑音部分として除
去される。暫定島■■■から両側にｐｔｈ２を下回る直
前まで検索を行う。検索の結果、アの部分とつの部分が
島として得られる。以上述べた方式は、−時メモリの内
容（Ｐｉ）をランダムにアクセスするためハードウェア
向きではない。

−時メモリの内容（Ｐｉ）をシーケンシャルにアクセス
する等価な方式を次に説明する。

まず、Ｐｉ≦Ｐ　ｔｈ２という事象をα、Ｐｔｈ２＜Ｐｉ≦Ｐｔ旧という事象をβ、ｐｔｈｉ＜ｐ
ｉという事象をＴ１と定義する。

次に第１９図に示すように、４つの状態５ｏ１Ｓ１、Ｂ
２、Ｂ３を考える。Ｐｉのアクセスは本方式ではｉの大
きいほうから小さいはうヘシーケンシャルに行うとする
。第１９図で、まずスタート時点では、状態ＳＯに入る
。順次ｉを減らしＰｉに関する事象α、βおよびγが発
生する度に状態遷移を繰り返す。状態遷移のアークに処
理内容が付与されている場合はその処理を同時に行うも
のとする。以下、第１７図のパワーデータの例で状態遷
移図を説明する。

第１８図の＊印の点から前に向かって処理を行う。本発
明では、スイッチＳＷＩがこの時点で押されたと考える
。状態はまずＳＯに入る。＊印の点ではＰｉはＰ　ｔｈ
２より小さいためこの場合の事象はαである。すなわち
状態はＳＯにとどまる。

ｌを減らしていくと事象βが発生し、状態はＳＯから８
１に遷移する。このときのｉをＳＴＭＰという内部変数
に一時的に記憶する。しばらくβの区間が続くため状態
はＳｌにとどまる。次に事象γが発生し、状態はＢ３に
遷移する。このとき先に記憶したＳＴＭＰの内容を内部
記憶ＳＲに記憶する。そのあと暫くγの区間が続き（■
の暫定島の部分）、状態はＢ３にとどまる。次に事象β
が発生し、状態はＢ２に遷移する。次にγが発生し状態
はＢ３に戻る（■の暫定島の部分）。そのあとでまた事
象βが発生し、状態が８２に遷移し、さらに事象αが発
生し、状態がＳＯに戻る。ここでｉの値を内部変数ＥＨ
に記憶する。この時点でＳＲとＥＲには島（ア）の両端
のアドレスが得られる。さらに進むと事象βが発生し、
状態がＳ１に遷移し、ｉの値がＳＴＭＰに記憶される（
イの部分）。しかし、次に事象αが発生するため状態が
ＳＯに戻ってしまうため、島（イ）を求めるには到らな
い。暫定島■、島（つ）の部分についても同様に処理が
続く。

第２０図は、以上説明した島検出方式を実現したハード
ウェア構成図である。

第２０図において、４１１１はクロック発生器であり、
スイッチＳＷ１が押された瞬間からクロックが発生する
。４１工２はカウンタであり、ＳＷｌが押された瞬間に
パワー計算部４ｏの内部のカウンタ４０５の値ｉ′が初
期値としてロードされ、クロック発生器４１１１のクロ
ックに従ってダウンカウントされる。カウンタ４１１２
の値は第１８図横軸のｉの値を示し、＊印の点から始ま
って次第に小さくなる。この値ｉによりパワー計算部４
０の一時メモリ４０６の内容Ｐｉを順番に読み出し、比
較器４１００のＢＯｌおよび４１．０１のＢ１に供給す
る。比較器４１００のＡＯには閾値Ｐ　ｔｈ２が供給さ
れ、Ｐｉとの比較が行われる。

比較器４１０１のＡＩには閾値Ｐ　ｔｈｌが供給されＰ
ｉとの比較が行われる。比較器４１００のＢＯ≦ＡＯの
出力は、事象αに対応する。比較器４１０１のＢｌ＞Ａ
ｌの出力は、事象γに対応する。

ＡＮＤ回路４１０２では、比較器４１００のＢＯ＞ＡＯ
の出力と比較器４１０１のＢ１≦ＡＩの出力の論理積が
演算され、すなわち事象βに対応する出力が得られる。

ここで、α、βおよびγが同時に１になることはない。

４１０３および４１０４はフリップフロップであり、表
１のように状態のＳＯへ・Ｓ３を記憶するために使われ
る。

表１　状態とフリップフロップの関係４１０５．４１０６．４１０７．４１０８．４１０９、
及び４１１０の各要素により第１９図の状態遷移を実現
している。

４１０３及び４１０４はスイッチＳＷＩからパルスがき
た時にまずリセットされ（図中には図示していない）、
状態がＳＯとなる。状態遷移図より、事象αが発生した
時にはどの状態からも必ずＳＯに遷移するため、αはＯ
Ｒ回路４１０８を通して４１０３のリセット入力に接続
されるとともに、４１０４のリセット入力に接続されて
いる。

状態遷移図より、γが１の時にはどの状態からも必ずＳ
３に遷移するため、γは４１０４のセット入力に接続さ
れるとともに、ＯＲ回路４１０７を通して４１０３のセ
ット入力に接続されている。

また、状態ＳＯにおいてβが１になった時はＳｌに遷移
するため、まずＡＮＤ回路４１０９で現在の状態ＳＯを
検出し、さらにβと４１０９の出力の論理積をＡＮＤ回
路４１０５で検出し、ＡＮＤ回路４１０５の出力でＯＲ
回路４１０７を通して４１０３をセットする。これによ
りＳＯから８１への遷移を実現している。また、状態Ｓ
３においてβが１になった時は状態Ｓ２に遷移するため
、ＡＮＤ回路４１１０で現在の状態Ｓ３を検出し、さら
にβと４１１０の出力の論理積をＡＮＤ回路４１０６で
検出し、ＡＮＤ回路４１０６の出力でＯＲ回路４１０８
を通して４１０３をリセットする。これにより状態Ｓ３
から状態Ｓ２への遷移を実現している。

４１１３．４１１４．４１１７．４１１９及び４１２１
は３人力のＡＮＤ回路であり、各々状態遷移図第１９図
の■〜■の遷移を検出している。

ＡＮＤ回路４１１３は遷移■を検出し、ＡＮＤ回路４１
１４は遷移■を検出する。■または■の遷移をＯＲ回路
４１１５で検出する。■または■の遷移が検出された場
合は、ｉの値をレジスタ４１１６（ＥＲ）に記憶する。

ＡＮＤ回路４１１７は遷移■を検出する。■が検出され
た場合は、ｉの値をレジスタ４１１８　　（ＳＴＭＰ）
に記憶する。

ＡＮＤ回路４１１９は遷移■を検出する。■が検出され
た場合は、セレクタ４１２０によりレジスタ（ＳＴＭＰ
）の内容を選択し、それをレジスタ４１２３（ＳＲ）に
記憶する。ＡＮＤ回路４１２１は遷移■を検出する。■
が検出された場合は、セレクタ４１２０によりｉの値を
選択し、それをレジスタ４１２３（ＳＲ）に記憶する。

ＯＲ回路４１２２はＡＮＤ回路４１１９または４１２１
の出力をフリップフロップ４１２３に供給する。フリッ
プフロップ４１２３はスイッチＳＷＩの信号によりリセ
ットされ、ＯＲ回路４Ｉ２２の出力によりセントされる
。４１２３の出力はワンショットトリガ４１２４に接続
されている。４１２３及び４１２４によりスイッチＳＷ
Ｉが押される直前の４１２２の出力の一回のみがレジス
タ４１２５の書き込み信号となる。

各部の信号ｃｌｋ、ｓｔｂ及びレジスタの値ＥＲ３及び
ＳＲを次段の判定部４２に供給する。

第２１図は判定部の内部構成である。４２０はカウンタ
であり、島検出部４１のｃｌｋ信号でカウントアツプさ
れ、ｓｔｂ信号とｉｅ倍信号論理和でクリアされる。ｓ
ｔｂ信号とｉｅ倍信号論理和はＯＲ回路４２４で演算さ
れる。カンウタ４２０ば一つの島の終点が検出されてか
ら次の島の始点までの長さ（第１８図のβφ）をカウン
トすることになる。この長さがＴＨＥ以上になった場合
に比較器４２１の出力が１となる。ただし、一つの島の
終点が検出される以前に比較器４２１の不要な出力が認
識部６への５ｔｂｌ信号（ストローブ信号）として出力
されないように、フリップフロップ４２５とＡＮＤ回路
４２６が設けられている。フリップフロップ４２５はス
イッチＳＷＩからの信号でリセットされ、ｉｅ倍信号島
の検出信号）でセットされる。すなわちフリップフロッ
プ４２５の出力は少な（とも一つの島を検出しているこ
とを示す。ＡＮＤ回路４２６はフリップフロップ４２５
の出力により、比較器４２１の出力をゲートしている。

乗算器４２２はＳＲの値を、間引く前のアドレスに戻す
ため０倍することにより一時メモリ４０６のアドレスを
バッファ３のアドレスに変換し、それをｉｓｒとして認
識部６に送る。同様に乗算器４２３はＥＲＯ値を０倍す
ることにより一時メモリ４０６のアドレスをバッファ３
のアドレスに変換し、それをｉｅｒとして認識部６に送
る。ｉｅｒはバッファ３内の音声の始点アドレスであり
、ｉｓｒはバッファ３内の音声の終点アドレスである。

認識部６は５ｔｂｌが１に成ったときにｉｓｒ及びｉｅ
ｒを取り込み認識を開始する。

第２２図は認識部６の内部構成を示した図である。

音声区間検出部４からのｉｓｒ、ｉｅｒ、５ｔｂ１は各
々ｉｅｅ、ｉｓｓ、５ｔｂ２としてそのままバッファ部
３へ転送される。ｉｅｅ、ｉｓｓ、５ｔｂ２に各信号に
よりバッファ部３から読み出された音声データＤｋ及び
クロックｃ　ｌｋｄは音声認識ユニット６００へ転送さ
れる。音声認識ユニット６００では音声データＤｋを認
識する。音声認識ユニット６００では認識時に音声テン
ブレヒトメモリ６０１に記憶された音声テンプレートを
参照する。音声認識ユニット６００で得られた認識結果
は１位から数位までの候補として得られる。認識結果の
候補は、候補選択・同音異義選択部７へ転送される。

次に、この発明の第２実施例の動作を第２３図の動作流
れ図を参照しながら説明する。

この発明では、マイク１からの音声の入力直後には、認
識結果の最有）ｊ候補を表示せずに、音声入力を入力部
２でデジタル変換し、それを−旦バソファ３に記憶して
おき、バッファ３への蓄積完了の表示のみを表示部８に
て行う。即ち、第５図の動作流れ図を参照して、動作を
説明すると、音声入力がなされ（ステップ１）、完了す
るとその旨を表示する（ステップ２）。この表示は、例
えば表示部８における＊印のブリンク等で良い。

次にスイッチＳＷＩが押下げられるとき、音声区間検出
部４にて、最新の音声区間の検出が行われることになる
（ステップ４）が、ＳＷｌが押下げられないで再び音声
入力があると、ステップ４には進まず、始めのステップ
１に戻る。従って、例えば、始めに誤って発音した場合
或いは咳ばらいをした場合等には、スイッチＳＷ１を押
下げることなく、音声区間の判定に十分なだけの時間Ｔ
ＨＮをあけて、その後に正しい発音で音声を入力すれば
良い。第１８図において、誤入力の音声区間（つ）の後
に、正しい音声を入力すると、これは音声区間（ア）と
なるので、ここでスイッチＳＷ１を押下げると、音声区
間検出部４においてこの時点での最新の音声区間である
（ア）を認識部６に送ることとなる（βφ＞ＴＨβの場
合）。なお、単一の音声のみが入力された後、直ちに、
スイッチＳＷ１が押下げられたときには、その単一の音
声が、認識部６に送られ、認識されることはいうまでも
ない。なお、バッファ３及び−時メモＩＪ　４．０６が
いっばいになった時には、次々に古い入力音声データか
ら順に書きかえれば良い。

認識部６に送られた音声は、辞書と比較され、最優先候
補から出力される（ステップ５）。そして、その結果が
表示部８に表示される（ステップ６）。この結果の表示
をみて、それが、正しいものであるときには、次の音声
入力を行うと（ステップ７）、ステップ１に戻ることに
なる。結果が同音ではあるが異義語であって、所望のも
のでなかったときには、スイッチＳＷ２を押下げる。す
ると、次の候補が表示されることになる（ステップ８、
ステップ６）。

この操作を繰り返し、自分の望んでいる結果が得られた
時に、スイッチＳＷ２を押下げることなく、次の音声入
力を行えば、ステップ１に戻り、次の音声の入力処理に
移行することとなる。

第２４図に本発明と従来例の操作を比較して示しである
ように、発声１、発声２を入力する場合で、途中に雑音
、発声誤り、咳ばらいがあった時には、本発明のスイッ
チ操作が、きわめて少なくて良いことがわかる。なおこ
の第２４図は客がＡＢＣ航空株式会社の大阪行×××便
の航空券を申込んだとき、オペレータが−度ＥＦＧ航空
株式会社と間違えた例を示す。そしてスイッチを操作し
ないことにより、不必要な文言「の」、「発」、「ゆき
」、ｒＥＦＧＪ、「失礼しました。」、「便ですね。」
、「お客さまのお名前をどうぞ。

」、「様ですね。」、「しばらくおまちください。

」−・−を認識処理しないように操作する例を示してい
る。

〔発明の効果〕

この発明によれば、音声入力後直に認識を行い、その認
識結果を表示せずに、−旦音声入力をバッファに入力し
、スイッチ操作をした時点での最新の音声区間のみを認
識部に送り、認識を行うこととしているので、誤発声等
をしたときには、その後、所定の時間経過後に正しい音
声入力をし、スイッチを押すことで正しい音声のみを認
識させることができる。このため、誤発声のみでなく雑
音や咳ばらい等にこだわることなく、入力できる。

また、単語や文節等発声単位毎のスイッチ操作によって
入力に一定のタイミングを与えることができ、発声単位
毎に明確に区切って発声し易（なるため、２つの発声単
位が結合してしまうこともな（、このための誤認識がな
くなる。

【図面の簡単な説明】

第１図は本発明の原理説明図、第２図は本発明の第１実施例構成図、第３図は第１実施例における音声区間検出部の構成例、第４図は音声パワーの曲線図、第５図は第１実施例の動作流れ図、第６図は従来例と本発明の操作比較図、第７図は本発明
の第２実施例の原理説明図、第８図は本発明の第２実施
例構成図、第９図は本発明の第３実施例構成図、第１０図は本発明の第４実施例構成図、第１１図は第１
実施例〜第３実施例の入力部の構成例、第１２図は第４実施例の入力部の構成例、第１３図は第
４実施例の入力部のタイミング図、第１４図はハソファ
部の構成例、第１５図は音声区間検出部の構成例、第１６図はパワー計算部の構成例、第１７図はパワー計算部のクロック説明図、第１８図は
島検出状態説明図、第１９図は島検出部の状態遷移図、第２０図は島検出部の構成例、第２１図は判定部の構成例、第２２図は認識部の構成例、第２３図は第２実施例の動作説明図、第２４図は第２実施例〜第４実施例と従来例との操作比
較図、第２５図は従来例構成図、第２６図は従来例の動作流れ図である。 ■−マイク　　　　　２−人力部３−バッファ　　　　４−音声区間検出部６−認識部７−候補選択・同音異義選択部８−表示部特許出願人　　　富士通株式会社代理人弁理士　　山　谷　晧　榮＼、７〜・、「Ｉｙくう　　く◇ ＼−Ｉ〜＼マレ１’Ｙ′−″ 宥年玉歇イ

Claims

【特許請求の範囲】

（１）入力音声を分析して特徴部分を抽出し辞書との比
較によって認識を行う音声認識装置において、入力音声を一旦記憶保持する保持手段（３）と、この保
持手段（３）に記憶された音声を認識することを指示す
る認識指示手段（ＳＷ）を設け、認識すべき音声を入力
して前記認識指示手段（ＳＷ）を操作したときその操作
の直前の音声入力部分を抽出して認識するようにしたこ
とを特徴とする音声認識装置。
（２）前記保持手段（３）に記憶された音声から島領域
を抽出する音声区間検出手段（４）を設け、前記認識指
示手段（ＳＷ）を操作したときその操作の直前の島領域
を抽出して認識するようにしたことを特徴とする請求項
１記載の音声認識装置。
（３）表示手段（８）を設け、前記認識指示手段（ＳＷ
）を操作してその認識結果を表示させ、正しい入力音声
の認識確認を行うようにしたことを特徴とする請求項１
記載の音声認識装置。
（４）前記表示手段（８）で確認した結果にもとづき文
書を作成するようにしたことを特徴とする請求項１およ
び３記載の音声入力文書作成装置。
（５）認識指示手段と認識候補の選択手段を共通にした
ことを特徴とする請求項１、２、３記載の音声認識装置
。
（６）認識候補選択時に入力部の動作を一時停止するよ
うに構成したことを特徴とする請求項１、２、３、５項
記載の音声認識装置。