JPH01217399A - 文節音声認識方式 - 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】 ［ｍ要］ 文節ごとに区切って発声した音声を認識する文節音声認
識方式に関し、 自立語と付属語が連続して発声される文節音声の認識の
際に、辞書に基づいて生成される仮説文節の数を削減し
て、照合に要する時間を短縮する文節音声認識方式を提
供することを目的とし、文節毎に区切って入力された音
声を認識する文節音声認識方式において、自立語の読み
情報、品詞情報および特徴データを含む自立語辞書と付
属語の読み情報と接続情報および特徴データを含む付属
語辞書と、品詞入力部と、品詞入力部から入力される品
詞情報により前記自立語辞書と付属語辞書から対応する
品詞を含む自立語と付属語を組み合わせた文節の読みと
特徴データとからなる複数の仮説文節を生成する品詞別
文節生成部とを備え、文節毎に入力される音声を分析部
により分析し、該分析結果と上記品詞別文節生成部から
の各仮説文節の特徴データとを照合部において照合して
最も近位する分析データに対応する文節の読み□を出力
するよう構成する。

［産業上の利用分野］ 本発明は文節ごとに区切って発声した音声を認識する文
節音声認識方式に関する。

音声認識の技術においては辞書に登録したパターンと入
力した音声のパターンの照合（マツチング）をとる方式
が従来から知られている。その場合、入力した音声と照
合される語数は辞書内に膨大な数存在するので、マツチ
ングをとるための処理量が増加し、時間もかかるので、
その改善が望まれている。

［従来の技術］ 第６図（ａｌに従来例１の構成図を示し、第６図（ｂｌ
に従来例の２の構成図を示す。

第６図（ａｌにおいて文節生成手段６０は、与えられた
辞書に基づいて、作り得る全ての語の組み合わせにより
文節を作って認識対象となる文節の仮説（以下、仮説文
節という）を生成する。

ここで、文節とは自立語＋付属語とするものであり、そ
の場合、自立語は活用語の語幹または非活用語である。

さらに、ここでいう付属語は形容詞、動詞、形容動詞等
の活用語尾を含み、これらの活用語尾、助詞、助動詞等
の連鎖も一つの付属語として扱う。例えば、「走らない
」という文節は、自立語１走」と付属語「らない」とし
て扱う。

次に、照合手段６１において入力された音声と一生成さ
れた全ての仮説文節と照合を行い、照合の結果が最も良
い文節を出力する。

次に第６図（ｂｌに示す従来例２について説明すると、
同図の６３は自立語辞書、６４は付属語辞書、６５は切
換えスイッチ、６６は特徴抽出手段、６７は照合手段を
表す。

この例では日本語の１文節を自立語と付属語の２つの部
分に分割したものを発声・認識の単位としている。すな
わち、自立語辞書６３と付属語辞書６４とを備え、自立
語辞書には自立語の読み（綴り）と照合用の特徴が認識
単位として格納され、付属語辞書６４には付属語の読み
（綴り）と照合用の特徴が認識単位として格納されてい
る。

その動作は、初めに切換スイッチ６５を操作して自立語
辞書６３と照合手段６７とを接続する。

この状態で自立語を発声すると、特徴抽出手段６６によ
り入力音声の特徴が抽出される。照合手段６７において
入力音声の特徴と自立語辞書６３内の各認識単位の特徴
が照合される。最も照合が良好に行われた（良くマツチ
ングがとれた）認識単位の読みを認識自立語として出力
する。　□次に、切換えスイッチ６５を切換えて付属語
辞書６４と照合手段６７とを接続して、その状態で付属
語を発声すると、特徴抽出手段６６により入力音声の特
徴が抽出される。照合手段６７で入力音声の特徴と付属
語辞書６４内の各認識単位の特徴を照合し、最も良くマ
ツチングがとれた認識単位の読みを認識した付属語とし
て出力する。このように、１文節を２つに分けて発声す
ることにより文節を認識する。

［発明が解決しようとする課題］ 従来例１の技術によれば、文節生成手段６゛０で生成さ
れる文節数が膨大であり、照合結果が得られるまでに長
時間かかる。例えば、自立語と付属語の間の接続情報を
用いない場合には、自立語数をＮ、付属語数をＭとする
と、生成される仮説文節数はＮＸＭとなり、自立語と付
属語の接続情報を用いた場合は、一つの自立語に対して
平均り語の付属語が接続されるとしてＮＸＬとなる。（
但しＬ＜Ｍである。） また、従来例２の技術によれば、１文節を入力するため
に自立語と付属語の分類を識別した上で２回発声する必
要があり、しかも自立語と付属語を分けて発声するので
、使用者はかなり不自然な発声を要求される。

このように、従来例の技術では結果を得るのに時間を要
したり、音声の発声時に使用者に負担がかかる等の点が
問題であった。

本発明は、自立語と付属語が連続して発声される文節音
声の認識の際に、辞書に基づいて生成される仮説文節の
数を削減して、照合に要する時間を短縮する文節音声認
識方式を提イバすることを目的とする。

［課題を解決するための手段］ 本発明の原理的構成図を第１図に示す。

第１図において、１０は品詞入力部、１１は自立語辞書
、１２は付属語辞書、１３は品詞別文節生成部、１４は
う）折部、１５は照合部を表す。

本発明は、文節音声を発声する時に品詞入力部１０によ
り当該自立語の品詞を入力することにより、自立語辞書
から対応品詞の自立語を取り出し、付属語辞書からその
接続情報に含まれた品詞が入力した品詞と一致するもの
を取り出しで、自立語と付属語を組み合わせることによ
り仮説文節を生成し、照合部において照合される仮説文
節の数を辞書全体の一部に限定することにより照合の対
象となる仮説文節の数を削減し、照合時間を短縮するも
のである。

［作用］ 自立語辞書１１には、多数の自立語がそれぞれの品詞情
報や特徴データ等とともに格納され、付属語辞書１２に
は各付属語がそれぞれの接続情報（その付属語がどのよ
うな品詞の自立語に接続するかを表す情報）や特徴デー
タとともに格納されている。この特徴データは、各語の
読みの標準音声の特徴を表す分析データである。

音声入力を行う場合には、入力音声の自立語の品詞を品
詞入力部１０から入力する。例えば、音声で「自動車の
」と入力し、品詞入力部１ｏがら品詞として「名詞」と
入力する。

品詞別文節生成部１３ではこの品詞の入力により、上記
の自立語辞書１１からその品詞に対応する自立語を取り
出す一方、付属語辞書１２からその中の上記接続情報を
用いて入力された品詞の付属語を取り出して、両者を組
み合わせて仮説文節を生成する。この組み合わされた仮
説文節は、自立語と付属語の読みと特徴データが含まれ
る。

一方、音声が発声されると音声入力が分析部１４に供給
され分析した結果は照合部１５に入力される。

照合部１５においてその分析データと品詞別文節生成部
１３で生成された品詞に対応する仮説文節の特徴データ
との照合が各仮説文節に対して行われて、最もよくマツ
チングがとれた仮説文節に対応する読みを認識結果とし
て出力する。

この場合、入力した品詞に相当する自立語がｎ語、その
品詞に接続可能な付属語をｍ語とすると、ｎｘｍの仮説
文節が生成される。そして、自立語と付属語の各辞書中
に自立語がＮ語、付属語がＭ語、格納されている時には
、ｎ＜Ｎ、ｍ＜Ｍであるから、品詞の入力により生成さ
れる仮説文節の数がＮＸＭからｎｘｍへと大幅に削減さ
れる。

例えば、ｎ＝Ｎ／４、ｍ　＝　Ｍ　／　４とすると、ｎ
Ｘｍ＝ＮＸＭ／１６となり、自立語と付属語の接続情報
を用いない場合に比べ、仮説文節数が１桁以上削減され
る。また、自立語と付属語の接続情報を用いた場合と比
べると、、ｍの平均がＬと老えられるから、ｎ　Ｘ　ｍ
　＝　Ｎ　／　４　Ｘ　ｍ　＃　Ｎ　／　４　Ｘ　Ｌ　
＝Ｎ　ｘ　Ｌとなり、１／４に削減される。

［実施例コ 本発明の実施例１の構成図を第２図に、実施例２の構成
図を第３図に示す。

初めに実施例１の構成について説明すると、第２図の２
０は品詞キーボード、２１は自立語辞書、２２は付属語
辞書、２３．２４は品詞照合回路、２５は一時自立語辞
書、２６は一時付属語辞書、２７は組み合わせ回路、２
８は帯域パワー時系列接続回路、２９は読み接続回路、
３ｏは１６チヤンネルのバンドパスフィルタ（Ｂ　Ｐ　
Ｆで表示）群、３１はバッファ、３２は照合を実行する
ＤＰ回路、３３は照合結果記憶回路、３４は最小値検索
回路を表す。

第２図の実施例１の構成の各部の作用を第４図に示す実
施例の各部の説明図を参照しつつ以下に説明する。

品詞キーボード２０により品詞が入力されると、品詞付
の自立語辞書２１と品詞付の付属語辞書２２から品詞付
き自立語と品詞付き付属語がそれぞれ第１の品詞照合回
路２３と第２の品詞照合回路２４に入力され、キーボー
ドから入力された品詞と照合される。

品詞照合の結果、自立語の辞書２１から品詞が一致した
自立語の内容を一時自立語辞書２５に格納され、同様に
品詞が一致した付属語辞書２２の付属語の内容は一時付
属語辞書２６に格納される。

第、４図の仁と口、に自立語辞書２１の内容の一例と付
属語辞書２２の内容の一例を示す。

すなわち、自立語辞書２１には第４図のイ、に示すよう
に、読み情報と品詞情報および各読みに対応する１６チ
ヤンネルの標準の帯域パワー時系列情報が順次多数登録
されている。同様に付属語辞書には第４図の口、に示す
ように、各付属語の読み情報と、その付属語がどのよう
な自立語の品詞に接続可能かを表す品詞（接続情報）、
およびその読み情報の１６チヤンネルの標準の帯域パワ
ー時系列情報が登録されている。

１６チヤンネルの帯域パワー時系列情報の例を第４図の
二、に示し、この二、の例では自立語の「太き」と言う
自立語の帯域パワー時系列信号が示されている。この図
には各チャンネル（ｃ−ｈｌ〜ｃｈ１６）のＢＰＦによ
り出力された帯域別のパワー（縦軸）が時間（横軸）に
対してどのように変化するかがアナログ的に示されてい
るが、実際の各辞書にはそれぞれの語の帯域パワー時系
列情報がディジタル情報（ＰＣＭ符号）として登録され
ている。

組み合わせ回路２７は一時自立語辞書２５と一時付属語
辞書２６から全ての自立語＋付属語を組み合わせて仮説
文節を生成し、この組み合わせを１つずつ出力する。第
４図ハ、に組み合わせ回路２７により生成された仮説文
節の例を示す。

帯域パワー時系列接続回路２８は組み合わせ回路２７か
、ら出力された自立語の読みの帯域パワー時系列情報と
付属語の読みの帯域パワー時系列情報を合成する。この
合成された仮説文節の１６チヤンネルの帯域パワー時系
列情報がＤＰ回路３２に供給される。

他方、利用者が発声する音声は文節単位（短時間）で入
力され、１６チヤンネルのＢＰＦ群３０で各フィルタに
より規定された帯域毎のパワーの変化をサンプリングと
量子化により時系列情報として出力され、−時メモリで
あるバッファ３１に蓄積される。

この１６チヤンネルの帯域パワー時系列データがバッフ
ァ３１からＤＰ回路３２に供給され仮説文節の有する１
６チヤンネルの帯域パワー時系列情報とＤＰ照合される
。

このＤＰ照合は、非線形マツチングの代表的手法である
ＤＰ法（ダイナミック・プログラミング法の略称）によ
りマツチングをとる従来から行われている照合方式であ
り、人カバターン（バッファ３１から供給さ、れるＢＰ
Ｆ群３０の出力）と標準パターン（前記の帯域パワー時
系列接続回路２８の出力）との距離を算出する際に両者
の時系列情報を１対１に対応付けることなく、２つのパ
ターン間の距離が最、も小さくなるように入力側を部分
的にずらしながら対応付ける方式である。

このＤＰ回路３２において入力音声と仮説文節の１つ１
つと照合が行われて、それぞれの照合による距離が計算
される。この距離と読み接続回路２９から出力される仮
説文節の「読み」の組みが照合結果記憶回路３３に格納
される。

照合結果記憶回路３３に格納された内容は最小値検索回
路３４により検索されて、最小の距離を検索してその距
離を備えた読み情報を、認識した文節として出力する。

具体例による動作を説明すると、例えば、品詞キーボー
ド２０で「形容詞」と入力すると、品詞照合回路２３．
２４で品詞の照合が行われ、第４図イ、の自立語辞書か
ら「太き」、「小さ」が選択され、−時自立語辞書２５
に読みと帯域パワー時系列が複写される。第４図口、の
付属語辞書からは接続情報の品詞から「い」、「＜」、
「さ」が選択され、−時付属語辞書２６に読みと帯域パ
ワー時系列が複写される。

組み合わせ回路２７で、−時自立語辞書２５内の自立語
「太き」、「小さ」と−時付属語辞書２６内の付属語「
い」、「＜」、「さ」の組み合わせが生成され、第４図
ハ、に示す６種の仮説文節が生成され、各４反派交沖に
ついて入力音声と照合が行われる。

ちなみに、第４図のイ、と口、に示す辞書（図示の単語
のみを用いる）から従来技術により品詞を指定せずに文
節を合成すると、自立語５種×付属語１１種で計５５種
の仮説文節が生成されてしまい、品詞を指定せず自立語
と付属語の接続情報（形容詞同士、名詞同士、動詞同士
の組み合わせ）を用いると２Ｘ３＋２Ｘ７＋ｌＸ１＝２
１種の仮説文節が生成されてしまう。このように入力音
声に対して品詞を指定することにより生成される仮説文
節の数が減り（この例では５５種または２１種から６種
に減った）、ＤＰ回路３２での処理量が削減され、した
がって入力音声の照合に要する時間を短縮できる。

次に第３図に示す本発明の実施例２の構成図について説
明する。

第３図の構成において、４１〜５４の各構成要素はそれ
ぞれ第２図の２１〜３４と同一であるからそれらの説明
は省略する。

第３図の実施例２の構成の中で実施例１と異な−るのは
実施例１において品詞キーボード２０の代わりに言語処
理回路４０を備える点であり、その構成と動作について
説□明する。

言語処理回路４０は言語処理により品詞を自動的に入力
する回路である。具体的には、言語処理は文脈を用いる
等の種々の方式が考えられるが、例えば、定型の文章を
入力する音声認識の場合には容易に実現できる。

すなわち、［東京から、大阪まで、４時の、新幹線を、
予約する。」という文章、あるいは、これに類する文章
（「札幌から、東京までの、２時の、航空券を、欲しい
。」等）を、句読点で区切って文節入力する場合には、
文節音声が入力される度に［名詞・名詞・名詞・名詞・
動詞］の順で品詞を入力することにより実現できる。

その場合、第３図の言語処理−回路４０の品詞順列辞書
４０２にこのような品詞の順列を辞書の先頭から順に格
納しておく。順次出力回路４０１はこの品詞順列辞書４
０２から順に品詞を取り出して品詞照合回路４３．４４
に出力する。品詞順列辞書４０２の最後の品詞を出力し
終えたら、またその辞書の先頭から品詞を順に出力する
。上記の例では、文節音声が入力される度に、名詞、名
詞、名詞、名詞、動詞・・・名詞、名詞、名詞、名詞、
動詞・・・という順に出力をし続ける。

次に第５図に示す実施例の動作フロー図について説明す
る。

この動作フローは第２図と第３図に示す実施例。

１、実施例２の両方の構成における動作フローを示す。

その内容は第５図に示すとおりであるが、概略を説明す
る。なお第２図と第３図と同じ回路構成の時は第２図の
番号だけを引用し、括弧内の数字は第５図のフローの番
号を表す。

初めに文節音声を入力する（４００）と、ＢＰＦ群３０
で帯域パワー時系列に変換され、ハソファ３１に格納さ
れる。他方、品詞入力が品詞キーボード２０または言語
処理回路４０から入力され、品詞照合回路２３．２４に
おいて、品詞照合が行われて一時自立語辞書２５、−時
付属語辞書２６が作成される（４３０）。次に組み合わ
せ回路２７に一時自立語辞書の中の１つを入力しく４７
０）、さらに−時付属語辞書の中の１つを入力しく４９
０）で、両者の読みと帯域パワー時系列を接続して、Ｄ
Ｐ回路３２に帯域パワー時系列を出力して、ハソファ３
１の入力音声の帯域パワー時系列と照合する（５１０）
。照合結果は読み接続回路２９からの読み情報とともに
照合結果記憶口・　　路３３に記憶される（５２０）。

−時自立語辞書と一時付属語辞書の全ての組み合わせに
ついて、照合が終了すると（４４０でＹＥＳの場合）、
照合結果（距離）の最小値を最小値検索回路３４で検索
して最小値を有する読みを出力して終了する。

［発明の効果］ 本発明によれば、文節音声認識において坂説文皆の量を
大幅に削減することができるので、照合の処理量を削減
できるので、照合に要する時間を短縮することができる
。

【図面の簡単な説明】

第１図は本発明の原理的構成図、第２図は本発明の実施
例１の構成図、第３図は本発明の実施例２の構成図、第
４図は実施例の各部の説明図、第５図は実施例の動作フ
ロー図、第６図ｆａｌは従来例１の構成図、第６図（ｂ
）は従来例２の構成図である。 第１図中、 １０：品詞入力部 １１：自立語辞書 １２：付属語辞書 １３：品詞別文節生成部 １４：分析部 １５：照合部

Claims (1)

1. 【特許請求の範囲】 文節毎に区切って入力された音声を認識する文節音声認
   識方式において、 自立語の読み情報、品詞情報および特徴データを含む自
   立語辞書（１１）と付属語の読み情報と接続情報および
   特徴データを含む付属語辞書（１２）と、品詞入力部（
   １０）と、品詞入力部（１０）から入力される品詞情報
   により前記自立語辞書（１１）と付属語辞書（１２）か
   ら対応する品詞を含む自立語と付属語を組み合わせた文
   節の読みと特徴データとからなる複数の仮説文節を生成
   する品詞別文節生成部（１３）とを備え、文節毎に入力
   される音声を分析部（１４）により分析し、該分析結果
   と上記品詞別文節生成部（１３）からの各仮説文節の特
   徴データとを照合部（１５）において照合して最も近似
   する分析データに対応する文節の読みを出力することを
   特徴とする文節音声認識方式。