JPH0155480B2 - - Google Patents

Description

【発明の詳細な説明】 産業上の利用分野 本発明は入力音声の音素認識を行ない、その結
果を用いて音節、単語、文章等を認識する音声認
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図は従来の方法を実施するための音声認識
装置を示している。以下この従来例の構成につい
て第１図とともに説明する。第１図において、音
声は単位時間（以後フレームと称す）毎に音素識
別を行う音素識別処理部１、高域帯域フイルタ
２、低域帯域フイルタ３へ入力される。音素識別
処理部１は10ms単位に母音第１候補、母音第２
候補、子音第１候補を出力する。一方高域帯域フ
イルタ２、低域帯域フイルタ３の出力はパワーデ
イツプ検出部４，５へ送られる。

パワーデイツプ検出部４，５では各々パワーの
時間的変化からパワーの凹部（以後パワーデイツ
プと表記する）を検出し出力する。

次いで、パワーデイツプ検出部４，５の出力を
判別図６とセグメント判定部７で比較し、パワー
デイツプの位置から子音区間を検出する。

上記の如く検出された子音区間と前述したフレ
ーム毎の音素識別処理部１の出力を用いて音素認
識部８で最終的な音素認識を行う。

この方法の原理は母音―子音―母音とつながる
単語が発声された場合、一般に、子音区間におい
ては母音区間に比してパワーが小さくなるために
生じるパワーデイツプに着目して子音区間を検出
しようとするものであるが、音声はそのパワーの
変動様態が多様なために、同一音素中に生じる小
さなパワーデイツプを誤つて検出してしまうため
に生ずる音素の付加（１つの音素を２つ以上の音
素と誤認識する）又はパワーデイツプの大きさが
小さいために子音音素の存在を見落してしまうた
めに生じる音素の脱落等の誤りが生じる場合があ
る。

これらの誤りを最小限に押えるためにパワーデ
イツプの大きさに関する閾値を設け、その閾値の
範囲内に属するパワーデイツプにより子音区間を
検出する方法がとられる。

本従来例では、その閾値に対応するものとして
２次元判別図を使用している。

第２図に２次元判別図の例を示す。

この判別図の作成は、種々の音素を含む多数の
音声データの分析から統計的に求めた各種子音の
平均的なパワーデイツプの大きさをもとにして行
なわれるのが一般的である。

しかしながら、上記した従来例では以下に述べ
る欠点がある。

即ち、判別図が各種音素で生じる平均的なパワ
ーデイツプの大きさで作成されているために、あ
る音素では前後の音素の条件によつて、その判別
図との整合性が悪くなり、検出誤りが生じやすく
なる場合が生ずる。

たとえば「サツポロ（／SAQPORO／）」と発
声した場合の／ORO／の部分の／Ｒ／では他の
音素に比してデイツプの大きさが小さいために／
Ｒ／の脱落が生じ／ORO／の部分が／Ｏ／又は
長母音／OO／と誤認識される場合が多い。

発明の目的 本発明は上記従来例の欠点を除去し、音素のセ
グメンテーシヨン精度を向上させ、音素誤認識を
減少させるものである。

発明の構成 本発明は上記目的を達成するために、セグメン
ト判定及び音素認識を２回以上くり返して行なう
ものであり、セグメント判定に使用するパワーデ
イツプ判別図をあらかじめ多数用意しておき、前
段の音素認識結果に応じて後段で使用する判別図
を選択するものである。これにより認識すべき音
素、コンテキスト（音素の並び型）に応じた最適
なセグメンテーシヨンを行ない音素誤認識を減少
させるものである。

実施例の説明 以下に本発明の一実施例の構成について、図面
とともに説明する。第３図は本発明の一実施例の
方法を実行する装置のブロツク図であり、フレー
ム毎の音素識別処理部１、高域帯域フイルタ２、
低域帯域フイルタ３、パワーデイツプ検出部４，
５は第１図の従来例と同じである。セグメント判
定部、音素認識部は各々２個設定されており、前
段が第１次セグメント判定部７、第１次音素認識
部８、後段が第２次セグメント判定部１０、第２
次音素認識部１１である。判別図６―１、判別
図６―２，…判別図６―ｎは認識すべき音素
又はコンテキストに応じて設定した高域のデイツ
プ、低域のデイツプの２次元の判別図である。判
別図選択論理は第１次音素認識結果に応じて判別
図を選択するための処理を行う。

次に上記実施例の動作について説明する。第３
図において第１次セグメント判定は第１図従来例
と全く同じであり、第１次判別図１２は全音素に
ついて大量データから作成した最適判別図であ
る。従つて音素又はコンテキストによつては不適
用になる場合がある。

判別図６―２は同一母音にはさまれた／Ｒ／
のセグメンテーシヨン用の判別図とする。第４図
に判別図の例を示し、第６図に判別図６―２を
選択するための論理を示す。第５図に「サツポ
ロ」と発声した場合の／ORO／の部分の適用例
を示す。同一母音にはさまれた／Ｒ／は第５図の
「高域パワー」、「低域パワー」に示すようにパワ
ーの変化が少ない。従つて第４図に示す判別図も
第２図の例に比べて子音区間とみなすデイツプの
大きさの範囲を大きくとつておく。判別図６―
２を適用するための論理は第６図に示すように、
まず第１次音素認識結果が母音で、音素長が15フ
レーム以上の場合、上記母音区間内に子音第１候
補が／Ｒ／のフレームが存在する時は判別図６
―２を適用して第２次セグメント判定及び第２次
音素認識を行う。第５図の例では第１次セグメン
ト判定では子音区間と判定されないため音素認識
結果は／Ｏ／となつているが第２次セグメント判
定では判別図６―２を適用することによりフレ
ームNO55からフレームNO59までを子音区間と
判定している。従つてその区間における子音第１
候補から／Ｒ／を認識し、従来／Ｏ／又は／
OO／と区別できなかつた／ORO／が認識された
ことになる。

発明の効果 本発明によれば音素やコンテキストに応じた精
密な音素のセグメンテーシヨンができ、音声認識
誤まりの減少に有効である。

【図面の簡単な説明】

第１図は従来の音声認識方法を実施する装置の
ブロツク図、第２図は従来例における２次元のセ
グメンテーシヨン判別図、第３図は本発明の一実
施例における音声認識方法を実施する装置のブロ
ツク図、第４図は本発明における同一母音にはさ
まれた／Ｒ／のセグメンテーシヨンを行う判別図
の例、第５図は本発明の動作説明図、第６図は本
発明における判別図選択論理の動作例を示すフロ
ーチヤートである。

Claims (1)

【特許請求の範囲】
1. １ 入力音声を単位時間毎に音素識別を行うと共
   に、音声スペクトルの複数の帯域パワーを求め、
   その時間変化によつて生じるデイツプの大きさを
   各帯域毎の多次元判別図に適用して音素のセグメ
   ンテーシヨンを行ない、音素識別結果とセグメン
   テーシヨン結果を併用して音素認識を行う方法に
   おいて、セグメンテーシヨン及び音素認識を複数
   回行ない、前回の音素認識結果に応じて、次回の
   セグメンテーシヨンに適用する判別図又は判別条
   件を選択することを特徴とする音声認識方法。