JPH0155477B2 - - Google Patents
Info
- Publication number
- JPH0155477B2 JPH0155477B2 JP58183695A JP18369583A JPH0155477B2 JP H0155477 B2 JPH0155477 B2 JP H0155477B2 JP 58183695 A JP58183695 A JP 58183695A JP 18369583 A JP18369583 A JP 18369583A JP H0155477 B2 JPH0155477 B2 JP H0155477B2
- Authority
- JP
- Japan
- Prior art keywords
- phoneme
- word
- dictionary
- likelihood
- speech
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired
Links
- 238000000034 method Methods 0.000 claims description 6
- 230000011218 segmentation Effects 0.000 claims description 6
- 238000000605 extraction Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 238000007796 conventional method Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
Description
【発明の詳細な説明】
（産業上の利用分野）
本発明は、入力音声と、音素表記された単語辞
書を照合して単語を認識する単語音声認識方法に
関するものである。
書を照合して単語を認識する単語音声認識方法に
関するものである。
（従来例の構成とその問題点）
第１図は従来の単語音声認識方法の一例及び本
発明の単語音声認識方法の実施例等を実行するた
めの装置の機能ブロツク図である。従来例を第１
図及び第２図とともに説明する。第１図におい
て、１は入音声からパラメータの時系列を作成す
るパラメータ抽出部、２は音素標準パタンを照合
して、音素の確率密度を算出する確率密度計算
部、３は音素毎のセグメンテーシヨン、尤度計
算、単語類似度計算等を行なう単語認識部であ
る。また、４は各音素毎の各種パラメータにおけ
る分布を各音素毎の平均値（〓i）、及び各種パラ
メータ間の共分散行列（Σi）の形で表わした音素
標準パタンを記憶する音素標準パタン部、５は認
識すべき全単語を音素単位の記号列で表記した単
語辞書が記憶されている単語辞書部である。その
単語辞書は、例えば単語「サツポロ」、「アサヒカ
ワ」は「SAQPORO」、「ASAHIKAWA」等と
表記されている。
発明の単語音声認識方法の実施例等を実行するた
めの装置の機能ブロツク図である。従来例を第１
図及び第２図とともに説明する。第１図におい
て、１は入音声からパラメータの時系列を作成す
るパラメータ抽出部、２は音素標準パタンを照合
して、音素の確率密度を算出する確率密度計算
部、３は音素毎のセグメンテーシヨン、尤度計
算、単語類似度計算等を行なう単語認識部であ
る。また、４は各音素毎の各種パラメータにおけ
る分布を各音素毎の平均値（〓i）、及び各種パラ
メータ間の共分散行列（Σi）の形で表わした音素
標準パタンを記憶する音素標準パタン部、５は認
識すべき全単語を音素単位の記号列で表記した単
語辞書が記憶されている単語辞書部である。その
単語辞書は、例えば単語「サツポロ」、「アサヒカ
ワ」は「SAQPORO」、「ASAHIKAWA」等と
表記されている。
第２図はXYZの音素系列から音声を発声した
場合に生ずる各音素の尤度値の動きを例示したも
のである。
場合に生ずる各音素の尤度値の動きを例示したも
のである。
次に上記従来例の動作について説明する。パラ
メータ抽出部１において、入力音素を10msのフ
レーム毎に分析しパラメータを抽出して、パラメ
ータ時系列を作成する。次に確率密度計算部２に
おいて、フレーム毎に得られたパラメータと音素
標準パタン部４の音素標準パタンを照合し、その
パラメータの値から生成される音素の確率密度を
算出する。次に、単語認識部３において、各辞書
項目毎に、その辞書項目を構成する辞書音素系列
に従つて音素のセグメンテーシヨンを行ない、下
記式に従いその音素の種類と、その音素に対応
してセグメンテーシヨンされた区間の尤度ｌを計
算し、その辞書項目における、各音素の尤度の平
均として類似度を求める。ここで、その音素をＸ
とし、Ｘに対してセグメンテーシヨンされた区間
の始端と終端のフレーム番号をNs、Neとし、第
ｎフレームにおける各パラメータの値をCoとす
ると、音素Ｘの尤度lXは下式で定義される。
メータ抽出部１において、入力音素を10msのフ
レーム毎に分析しパラメータを抽出して、パラメ
ータ時系列を作成する。次に確率密度計算部２に
おいて、フレーム毎に得られたパラメータと音素
標準パタン部４の音素標準パタンを照合し、その
パラメータの値から生成される音素の確率密度を
算出する。次に、単語認識部３において、各辞書
項目毎に、その辞書項目を構成する辞書音素系列
に従つて音素のセグメンテーシヨンを行ない、下
記式に従いその音素の種類と、その音素に対応
してセグメンテーシヨンされた区間の尤度ｌを計
算し、その辞書項目における、各音素の尤度の平
均として類似度を求める。ここで、その音素をＸ
とし、Ｘに対してセグメンテーシヨンされた区間
の始端と終端のフレーム番号をNs、Neとし、第
ｎフレームにおける各パラメータの値をCoとす
ると、音素Ｘの尤度lXは下式で定義される。
φi（Co）ある音素ｉの確率密度を表わし、式の
ように定義される。
ように定義される。
Ｃ：１つのフレームにおけるｎ個のパラメータ
（ベクトル） 〓i：ある音素ｉのパラメータの平均値（ベク
トル） Σi：共分散行列 式において、確率密度の割り算における分母
のサメンシヨンのｉの範囲は、音素Ｘが何である
かによつて異なり、例えばＸが音素Ａ（ア）の時
はｉの範囲は５母音、Ａ、Ｅ、Ｉ、Ｏ、Ｕ、とし
ている。以上により得られる単語類似度LMを
式に従つて各辞書項目毎に求め、LMが最大とな
る辞書項目をもつて、認識単語としていた。
（ベクトル） 〓i：ある音素ｉのパラメータの平均値（ベク
トル） Σi：共分散行列 式において、確率密度の割り算における分母
のサメンシヨンのｉの範囲は、音素Ｘが何である
かによつて異なり、例えばＸが音素Ａ（ア）の時
はｉの範囲は５母音、Ａ、Ｅ、Ｉ、Ｏ、Ｕ、とし
ている。以上により得られる単語類似度LMを
式に従つて各辞書項目毎に求め、LMが最大とな
る辞書項目をもつて、認識単語としていた。
LM＝NP
〓i=1
li／NP …
LM 辞書中のＭ番目の単語の類似度
li 辞書音素系列中の音素ｉの尤度
NP 辞書音素数
上記従来例においては、セグメンテーシヨンさ
れた区間において第２図に示すように、辞書音素
系列において音素Ｘの前の音素Ｙ及び後ろの音素
Ｚとの調音結合により、渉りの部分にＸ，Ｙ，Ｚ
以外の音素j1，j2がＸの確率密度の値と同程度の
値で出現するため、式に従つて音素Ｘの尤度計
算をする場合、分子には音素Ｘの確率密度の値し
か考慮していないので、十分な尤度が得られず、
結果として単語誤認識の要因となつていた。
れた区間において第２図に示すように、辞書音素
系列において音素Ｘの前の音素Ｙ及び後ろの音素
Ｚとの調音結合により、渉りの部分にＸ，Ｙ，Ｚ
以外の音素j1，j2がＸの確率密度の値と同程度の
値で出現するため、式に従つて音素Ｘの尤度計
算をする場合、分子には音素Ｘの確率密度の値し
か考慮していないので、十分な尤度が得られず、
結果として単語誤認識の要因となつていた。
（発明の目的）
本発明は上記従来例の欠点を除去するものであ
り、尤度計算の精度を向上させ、それにより単語
認識率を向上させることを目的とする。
り、尤度計算の精度を向上させ、それにより単語
認識率を向上させることを目的とする。
（発明の構成）
本発明は、上記目的を達成するために、音素Ｘ
の尤度計算を行なう際、渉りの部分に出現する、
音素Ｘ以外の音素の確率密度の値をとり入れた尤
度計算を行なうことにより、尤度計算の精度を向
上させる効果を持つものである。
の尤度計算を行なう際、渉りの部分に出現する、
音素Ｘ以外の音素の確率密度の値をとり入れた尤
度計算を行なうことにより、尤度計算の精度を向
上させる効果を持つものである。
（実施例の説明）
以下に本発明の実施例について説明する。本実
施例における音素標準パタン、及び単語辞書は従
来例と同様である。またパラメータ抽出のステツ
プにより得られるパラメータ時系列も従来例と同
様である。
施例における音素標準パタン、及び単語辞書は従
来例と同様である。またパラメータ抽出のステツ
プにより得られるパラメータ時系列も従来例と同
様である。
先ず入力音声からパラメータ抽出部１でフレー
ム毎のパラメータを得、さらにそのパラメータの
値を使つて確率密度計算部２で各音素標準パタン
から得られる確率密度を計算する。ここまでのス
テツプは前記従来例と同様である。次に単語認識
部３において、単語辞書部５内の各辞書項目毎
に、その辞書項目を構成する辞書音素系列に従つ
て音素Ｘのセグメンテーシヨンを行ない、その音
素Ｘと、その音素Ｘに対応してセグメンテーシヨ
ンされた区間の尤度lXを計算するのであるが、辞
書音素系列において音素Ｘの前の音素Ｙ、及び後
の音素Ｚとの調音結合によつて、渉りの部分に出
現する音素Ｘ以外の音素の確率密度（第２図にお
けるj1，j2のφi1，φj2）を考慮して、式に従つて
尤度lXを求める。
ム毎のパラメータを得、さらにそのパラメータの
値を使つて確率密度計算部２で各音素標準パタン
から得られる確率密度を計算する。ここまでのス
テツプは前記従来例と同様である。次に単語認識
部３において、単語辞書部５内の各辞書項目毎
に、その辞書項目を構成する辞書音素系列に従つ
て音素Ｘのセグメンテーシヨンを行ない、その音
素Ｘと、その音素Ｘに対応してセグメンテーシヨ
ンされた区間の尤度lXを計算するのであるが、辞
書音素系列において音素Ｘの前の音素Ｙ、及び後
の音素Ｚとの調音結合によつて、渉りの部分に出
現する音素Ｘ以外の音素の確率密度（第２図にお
けるj1，j2のφi1，φj2）を考慮して、式に従つて
尤度lXを求める。
Ns、Ne：セグメンテーシヨンされた区間の始
端と終端フレーム番号 Co：第ｎフレームにおける各パラメータの値 φ：式で定義した確率密度 ここでＷ（Ｘ、Ｙ、Ｚ、ｎ）は音素Ｘの辞書音
素系列中の前の音素Ｙ、後の音素Ｚ及び、セグメ
ンテーシヨン区間内でのフレーム位置によつて決
まる重み関数である。
端と終端フレーム番号 Co：第ｎフレームにおける各パラメータの値 φ：式で定義した確率密度 ここでＷ（Ｘ、Ｙ、Ｚ、ｎ）は音素Ｘの辞書音
素系列中の前の音素Ｙ、後の音素Ｚ及び、セグメ
ンテーシヨン区間内でのフレーム位置によつて決
まる重み関数である。
また、分子第２項の
Σi
φj（Co）のｊの範囲は
渉り部分に出現する音素に応じて設定する。Ｗ
（Ｘ、Ｙ、Ｚ、ｎ）及びｊの値は予め予備実験等
により求めておく。分母のｉの定義はの式と同
様である。以上によつて、得られる尤度の値から
単語類似度LMを従来例と同様に式に従つて各
辞書項目毎に求め、LMが最大となる辞書項目を
もつて認識単語とする。
（Ｘ、Ｙ、Ｚ、ｎ）及びｊの値は予め予備実験等
により求めておく。分母のｉの定義はの式と同
様である。以上によつて、得られる尤度の値から
単語類似度LMを従来例と同様に式に従つて各
辞書項目毎に求め、LMが最大となる辞書項目を
もつて認識単語とする。
本実施例においては、セグメンテーシヨンされ
た区間内において辞書項目中の前後の音素を考慮
して、渉りの部分に出現する音素の確率密度の値
を利用した尤度計算を行なうことにより、高い精
度の尤度が得られる利点がある。
た区間内において辞書項目中の前後の音素を考慮
して、渉りの部分に出現する音素の確率密度の値
を利用した尤度計算を行なうことにより、高い精
度の尤度が得られる利点がある。
（発明の効果）
本発明は上記のような構成であり、以下に示す
効果が得られるものである。セグメンテーシヨン
された区間内において、辞書項目中の前後の音素
を考慮して、渉りの部分に出現する音素の確率密
度の値を利用した尤度計算を行なうことにより、
高い精度の尤度を得ることができる。
効果が得られるものである。セグメンテーシヨン
された区間内において、辞書項目中の前後の音素
を考慮して、渉りの部分に出現する音素の確率密
度の値を利用した尤度計算を行なうことにより、
高い精度の尤度を得ることができる。
第１図は従来および本発明の一実施例における
単語音声認識方法を説明するための図、第２図は
前後の音素Ｙ，Ｚを含む音素Ｘ及び渉りの部分に
出現する音素j1，j2の確率密度φの時間的変化を
示す図である。 １…パラメータ抽出部、２…確率密度計算部、
３…単語認識部、４…音素標準パタン部、５…単
語辞書部。
単語音声認識方法を説明するための図、第２図は
前後の音素Ｙ，Ｚを含む音素Ｘ及び渉りの部分に
出現する音素j1，j2の確率密度φの時間的変化を
示す図である。 １…パラメータ抽出部、２…確率密度計算部、
３…単語認識部、４…音素標準パタン部、５…単
語辞書部。
Claims (1)
- １ 認識すべき単語を音素単位の記号列で表記し
た単語辞書と、各音素のパラメータの分布形で表
わされた各音素の標準パタンを用いて、入力音声
の単語認識を行なう単語認識方法において、入力
音声を単語辞書の各辞書項目と照合し、各辞書項
目を構成する辞書音素系列に従い各音素毎に入力
音声をセグメンテーシヨンし、その音素の標準パ
タンを用いてそのセグメンテーシヨンされた音声
の区間に対して尤度計算を行なう際、辞書音素系
列中の隣接する前後の音素に応じて、セグメンテ
ーシヨンされた音声の区間内において、過渡部に
出現する音素の確率密度の値を含めた尤度を求
め、この尤度の値を用いて辞書項目と入力音声の
類似度を求めて単語を認識する単語音声認識方
法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP58183695A JPS6075889A (ja) | 1983-10-01 | 1983-10-01 | 単語音声認識方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP58183695A JPS6075889A (ja) | 1983-10-01 | 1983-10-01 | 単語音声認識方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPS6075889A JPS6075889A (ja) | 1985-04-30 |
| JPH0155477B2 true JPH0155477B2 (ja) | 1989-11-24 |
Family
ID=16140319
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP58183695A Granted JPS6075889A (ja) | 1983-10-01 | 1983-10-01 | 単語音声認識方法 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPS6075889A (ja) |
-
1983
- 1983-10-01 JP JP58183695A patent/JPS6075889A/ja active Granted
Also Published As
| Publication number | Publication date |
|---|---|
| JPS6075889A (ja) | 1985-04-30 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| EP0319140A2 (en) | Speech recognition | |
| Iwano et al. | Prosodic word boundary detection using statistical modeling of moraic fundamental frequency contours and its use for continuous speech recognition | |
| JP3444108B2 (ja) | 音声認識装置 | |
| JPH0155477B2 (ja) | ||
| JPH0431116B2 (ja) | ||
| JPH08314490A (ja) | ワードスポッティング型音声認識方法と装置 | |
| JPH0412479B2 (ja) | ||
| JPH0431115B2 (ja) | ||
| JPH045394B2 (ja) | ||
| JPH0627985A (ja) | 音声認識方法 | |
| JPH045397B2 (ja) | ||
| JPH0412480B2 (ja) | ||
| JPH0431114B2 (ja) | ||
| JPH0981177A (ja) | 音声認識装置および単語構成要素の辞書並びに隠れマルコフモデルの学習方法 | |
| JPH04291399A (ja) | 音声認識方法 | |
| JPH045396B2 (ja) | ||
| JPH0431117B2 (ja) | ||
| JPH0155476B2 (ja) | ||
| JPS58159598A (ja) | 単音節音声認識方式 | |
| JPH0619497A (ja) | 音声認識方法 | |
| JPS62114082A (ja) | パタ−ン認識学習方式 | |
| JP3097134B2 (ja) | Ｄｐマッチング法 | |
| JPH045391B2 (ja) | ||
| JPH045393B2 (ja) | ||
| JPH06289894A (ja) | 日本語音声認識方法 |