JPH02105200A - 音声認識装置 - Google Patents
音声認識装置Info
- Publication number
- JPH02105200A JPH02105200A JP63257328A JP25732888A JPH02105200A JP H02105200 A JPH02105200 A JP H02105200A JP 63257328 A JP63257328 A JP 63257328A JP 25732888 A JP25732888 A JP 25732888A JP H02105200 A JPH02105200 A JP H02105200A
- Authority
- JP
- Japan
- Prior art keywords
- identification
- label
- speech
- identification label
- similarity
- 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.)
- Pending
Links
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。
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、入力音声をその音声の発声を示す識別ラベル
に変換する音声認識装置に関する。
に変換する音声認識装置に関する。
（従°来の技術）
音声認識装置は、一般に、予め音声から抽出した特徴パ
ラメータにその音声の発声を示す識別ラベルを付加して
記憶しておき、入力音声と、特徴パラメータが最も類似
する識別ラベルを抽出し、音声認識結果として出力して
いる。従来のこの種の音声認識装置の中で、一定時間毎
に音声認識を行い、その音声認識結果を用いて音韻を認
識する装置が知られている。ところが、音声の中には、
ある１つの音韻から次の音韻に発声が８行する場合にそ
の境界部分（遷移領域と称する）では音声の特徴が変化
する音韻があり、従来のこの種の音声認識装置はこの遷
移領域での識別ラベルの誤りこ識が音韻の認識に対して
悪影響を与えるという問題点があった。
ラメータにその音声の発声を示す識別ラベルを付加して
記憶しておき、入力音声と、特徴パラメータが最も類似
する識別ラベルを抽出し、音声認識結果として出力して
いる。従来のこの種の音声認識装置の中で、一定時間毎
に音声認識を行い、その音声認識結果を用いて音韻を認
識する装置が知られている。ところが、音声の中には、
ある１つの音韻から次の音韻に発声が８行する場合にそ
の境界部分（遷移領域と称する）では音声の特徴が変化
する音韻があり、従来のこの種の音声認識装置はこの遷
移領域での識別ラベルの誤りこ識が音韻の認識に対して
悪影響を与えるという問題点があった。
この点について詳しく説明する。
（発明が解決しようとする課題）
第７図は従来装置の一般的な音声認識処理手順を示す。
第７図において、例えば°°アオ°′とマイクロホンに
発声された音声は、マイクロホンからの音声信号の周波
数分析により、非常に短い一定時間毎に、入力音声の周
波数帯毎の強さ（特徴パラメータと称する）に変換され
る。この特徴パラメータと上述したように予め記憶しで
ある標準の特徴パラメータ各々との距離が計算され、こ
の特徴パラメータと各標準の特徴パラメータとの類似度
を比較することによって、その時点において最もよく類
似している識別記号（ラベルと称する）が抽出される。
発声された音声は、マイクロホンからの音声信号の周波
数分析により、非常に短い一定時間毎に、入力音声の周
波数帯毎の強さ（特徴パラメータと称する）に変換され
る。この特徴パラメータと上述したように予め記憶しで
ある標準の特徴パラメータ各々との距離が計算され、こ
の特徴パラメータと各標準の特徴パラメータとの類似度
を比較することによって、その時点において最もよく類
似している識別記号（ラベルと称する）が抽出される。
上述の”アオ′°という音声は、記号で表わすと、 “
へへへＵへＵＬＩＡ１１ＵＯＯＯＯＯＯ・・・”のラベ
ル列か得られる。ところが、音韻°ア°°および°゛オ
°°遷移部分では、特徴パラメータが変化するため、”
Ａ”を°“ＩＪ ”と誤認識する場合が生しる。
へへへＵへＵＬＩＡ１１ＵＯＯＯＯＯＯ・・・”のラベ
ル列か得られる。ところが、音韻°ア°°および°゛オ
°°遷移部分では、特徴パラメータが変化するため、”
Ａ”を°“ＩＪ ”と誤認識する場合が生しる。
このような誤認識を考慮して、同一の２個のラベルでは
さまれるラベルをそのラベルに変換する補正処理が行な
われた後、一定時間内に識別された連続するラベル列の
個数が最も多いラベルを音韻結果として抽出する。この
結果、第７図に示す例では、遷移部分の誤認識結果の影
響を受け“アオ”という発声に対し“ＵＯ”という誤認
識となる。
さまれるラベルをそのラベルに変換する補正処理が行な
われた後、一定時間内に識別された連続するラベル列の
個数が最も多いラベルを音韻結果として抽出する。この
結果、第７図に示す例では、遷移部分の誤認識結果の影
響を受け“アオ”という発声に対し“ＵＯ”という誤認
識となる。
このように連続音声を認識する従来の音声認識装置では
、１つの音韻と次の音韻の遷移部分の特徴パターンが変
化することにより音韻の誤認識を行うことが多いという
問題点があった。
、１つの音韻と次の音韻の遷移部分の特徴パターンが変
化することにより音韻の誤認識を行うことが多いという
問題点があった。
そこで、本発明の目的は、このような問題点を解決し、
より確実に連続音声を認識することが可能な音声認識装
置を提供することにある。
より確実に連続音声を認識することが可能な音声認識装
置を提供することにある。
（課題を解決するための手段）
このような目的を達成するために、本発明は、連続音声
を入力する入力手段と、入力手段から入力された連続音
声を一定時間毎に特徴パラメータ化し、特徴パラメータ
と、音声の識別ラベルが予め判明している複数の標準特
徴パラメータの各々との距離計算を行い、計算結果に基
いて連続音声に対する複数の識別ラベルの類似度をそれ
ぞれ決定する第１演算手段と、第１演算手段により定め
られた現時点から、過去まで連続する一定個数の類似度
を識別ラベル毎に合計する第２演算手段と、第２演算手
段により合計された識別ラベル毎の類似度の合計結果に
基いて、最も類似度の高い合計結果と対応する識別ラベ
ルを抽出し、抽出された識別ラベルを、現時点における
音声認識結果として出力する抽出手段とを具えたことを
特徴とする。
を入力する入力手段と、入力手段から入力された連続音
声を一定時間毎に特徴パラメータ化し、特徴パラメータ
と、音声の識別ラベルが予め判明している複数の標準特
徴パラメータの各々との距離計算を行い、計算結果に基
いて連続音声に対する複数の識別ラベルの類似度をそれ
ぞれ決定する第１演算手段と、第１演算手段により定め
られた現時点から、過去まで連続する一定個数の類似度
を識別ラベル毎に合計する第２演算手段と、第２演算手
段により合計された識別ラベル毎の類似度の合計結果に
基いて、最も類似度の高い合計結果と対応する識別ラベ
ルを抽出し、抽出された識別ラベルを、現時点における
音声認識結果として出力する抽出手段とを具えたことを
特徴とする。
本発明では、各時点毎に得られる類似度から始まる過去
の所定個数の類似度を識別ラベル毎に第２演算手段によ
り合計し、その合計結果の中の最も類似度の高い識別ラ
ベルを抽出手段により順次に抽出する。この結果、各時
点で得られる類似度が時系列的に平滑化されるので、例
えば入力音声に雑音が部分的に混入したり、入力音声の
一部の発声が変化したり、入力音声の音韻が変化する場
合においても、その音声の変化部分がこれまでに認識さ
れたラベルと同じラベルと認識され、以て音声の認識確
率が高くなる。
の所定個数の類似度を識別ラベル毎に第２演算手段によ
り合計し、その合計結果の中の最も類似度の高い識別ラ
ベルを抽出手段により順次に抽出する。この結果、各時
点で得られる類似度が時系列的に平滑化されるので、例
えば入力音声に雑音が部分的に混入したり、入力音声の
一部の発声が変化したり、入力音声の音韻が変化する場
合においても、その音声の変化部分がこれまでに認識さ
れたラベルと同じラベルと認識され、以て音声の認識確
率が高くなる。
以下、図面を参照して本発明実施例を詳細に説明する。
本願出願人は、連続音声の中の特に音声の遷移部分の特
徴パターンが、前時点までにサンプリングした音声の特
徴パターンから少しずつ変化して行くという連続音声の
性質に着目し、各時点毎に計算した各標準特徴パラメー
タの類似度を時系列に一定時間（窓と称する）の範囲で
集計し、その集計結果に基き、最も類似度の高い識別ラ
ベルを各時点の認識結果として定めるようにしたもので
ある。
徴パターンが、前時点までにサンプリングした音声の特
徴パターンから少しずつ変化して行くという連続音声の
性質に着目し、各時点毎に計算した各標準特徴パラメー
タの類似度を時系列に一定時間（窓と称する）の範囲で
集計し、その集計結果に基き、最も類似度の高い識別ラ
ベルを各時点の認識結果として定めるようにしたもので
ある。
第１図は本発明実施例の基本構成を示す。
第１図において、１００は連続音声を入力する入力手段
である。
である。
２００は該入力手段から入力された前記連続音声を一定
時間毎に特徴パラメータ化し、該特徴パラメータと音声
の識別ラベルが予め判明している複数の標準特徴パラメ
ータの各々との距離計算を行い、該計算結果に基いて前
記連続音声に対する複数の前記識別ラベルの類似度をそ
れぞれ訣定する第１演算手段である。
時間毎に特徴パラメータ化し、該特徴パラメータと音声
の識別ラベルが予め判明している複数の標準特徴パラメ
ータの各々との距離計算を行い、該計算結果に基いて前
記連続音声に対する複数の前記識別ラベルの類似度をそ
れぞれ訣定する第１演算手段である。
３００は、該第１演算手段により定められた現時点から
過去まで連続する一定個数の前記類似度を前記識別ラベ
ル毎に合計する第２演算手段である。
過去まで連続する一定個数の前記類似度を前記識別ラベ
ル毎に合計する第２演算手段である。
４００は、該第２演算手段により合計された前記識別ラ
ベル毎の類似度の合計結果に基いて、最も類似度の高い
合計結果と対応する識別ラベルを抽出し、抽出された当
該識別ラベルを、前記現時点における音声認識結果とし
て出力する抽出手段である。
ベル毎の類似度の合計結果に基いて、最も類似度の高い
合計結果と対応する識別ラベルを抽出し、抽出された当
該識別ラベルを、前記現時点における音声認識結果とし
て出力する抽出手段である。
第２図は本発明実施例の具体的な構成を示す。
第２図において、１０は音声を入力する入力手段として
のマイクロフォンである。１１はアンプであり、マイク
ロフォンの出力を増幅する。１２はＡ／Ｄ変換器であり
、アンプ１１の増幅出力をＡ／Ｄ変換する。１３は第１
演算手段の一部を構成するフーリエ変換器であり、Ａ／
Ｄ変換器１２の出力をフーリエ変換し、周波数帯域毎の
音声の強さ（パワースペクトラム）を音声の特徴パラメ
ータとして出力する。フーリエ変換器１３はＬＳＩ （
大規模集積回路）になっているものが知られているが、
コンピュータによりフーリエ変換を実行してもよい。フ
ーリエ変換器に代わりバンドパスフィルタを用いること
も可能である。
のマイクロフォンである。１１はアンプであり、マイク
ロフォンの出力を増幅する。１２はＡ／Ｄ変換器であり
、アンプ１１の増幅出力をＡ／Ｄ変換する。１３は第１
演算手段の一部を構成するフーリエ変換器であり、Ａ／
Ｄ変換器１２の出力をフーリエ変換し、周波数帯域毎の
音声の強さ（パワースペクトラム）を音声の特徴パラメ
ータとして出力する。フーリエ変換器１３はＬＳＩ （
大規模集積回路）になっているものが知られているが、
コンピュータによりフーリエ変換を実行してもよい。フ
ーリエ変換器に代わりバンドパスフィルタを用いること
も可能である。
１４は第１．第２演算手段および抽出手段に相当するコ
ンピュータシステムであり、コンピュータシステム１４
はキーボード１５、フロッピディスク等を用いた外部記
憶装置（ＦＤＤ）１６ 、プリンタ１７および陰極管表
示装置（ＣＲＴ） １８に接続している。１５は情報を
入力可能なキーボードであり、キーボード１５からは、
音声認識モードの指示や標準特徴パラメータ作・成のた
めの情報の入力認識結果の修正等を行う。ＦＤＤ１６に
は、作成された標準特徴パラメータと、この標準特徴パ
ラメータと対応する識別ラベルのコード番号がテーブル
（音韻マツプと称する）として記憶されている。また、
ＦＤＤ１６には後述の本発明に関わる確率テーブル１６
−１が設けられている。
ンピュータシステムであり、コンピュータシステム１４
はキーボード１５、フロッピディスク等を用いた外部記
憶装置（ＦＤＤ）１６ 、プリンタ１７および陰極管表
示装置（ＣＲＴ） １８に接続している。１５は情報を
入力可能なキーボードであり、キーボード１５からは、
音声認識モードの指示や標準特徴パラメータ作・成のた
めの情報の入力認識結果の修正等を行う。ＦＤＤ１６に
は、作成された標準特徴パラメータと、この標準特徴パ
ラメータと対応する識別ラベルのコード番号がテーブル
（音韻マツプと称する）として記憶されている。また、
ＦＤＤ１６には後述の本発明に関わる確率テーブル１６
−１が設けられている。
第３図は本発明実施例のコンピュータシステム１４の構
成の一例を示す。
成の一例を示す。
本実施例は高速演算処理を行うために、演算処理を複数
個の中央演算処理装置で行うようにしている。第３図に
おいて、 １４−１はマイクロプロセッサ（ＭＰＵ）で
あり、ＭＰＵ１４−１は入力音声のラベル付け（音声認
識）を行う、 １４−２はメモリであり、メモリ１４−
２にはＭＰＵ１４−１が実行する制御手順が格納されて
いる。１４−３は高速デジタルシグナルプロセッサ（ｏ
ｓｐ）でありＤＳＰ１４−３は入力音声の特徴パラメー
タと、音韻マツプ中の標準特徴パラメータとの類似度の
計算（距離計算）を行う、 １４−４はメモリであり、
ＤＳＰ１４−３が実行する制御手順を格納する。１４−
５はパーソナルコンピュータであり、認識モードの設定
や認識結果の表示を含む全システムの動作を続開する役
割を果たす。
個の中央演算処理装置で行うようにしている。第３図に
おいて、 １４−１はマイクロプロセッサ（ＭＰＵ）で
あり、ＭＰＵ１４−１は入力音声のラベル付け（音声認
識）を行う、 １４−２はメモリであり、メモリ１４−
２にはＭＰＵ１４−１が実行する制御手順が格納されて
いる。１４−３は高速デジタルシグナルプロセッサ（ｏ
ｓｐ）でありＤＳＰ１４−３は入力音声の特徴パラメー
タと、音韻マツプ中の標準特徴パラメータとの類似度の
計算（距離計算）を行う、 １４−４はメモリであり、
ＤＳＰ１４−３が実行する制御手順を格納する。１４−
５はパーソナルコンピュータであり、認識モードの設定
や認識結果の表示を含む全システムの動作を続開する役
割を果たす。
なお、コンピュータシステム１４には大型コンピュータ
を用いてもよく、装置の大きさ、演算処理程度に応じて
構成すればよい。
を用いてもよく、装置の大きさ、演算処理程度に応じて
構成すればよい。
第４図は、第２図に示す、確率テーブル１６−１のメモ
リ構成を示す。
リ構成を示す。
第４図において、確率テーブル１６−１は各識別ラベル
毎に、音声入力の開始時点ＴＯから一定時間間隔で算出
される確率情報を記憶する。
毎に、音声入力の開始時点ＴＯから一定時間間隔で算出
される確率情報を記憶する。
この確率情報は、入力音声の特徴パラメータと標準特徴
パラメータとの距離計算結果を各識別ラベル毎に百分率
で表わしたものである。なお、この確率情報に、距離計
算結果そのものを用いてもよい。
パラメータとの距離計算結果を各識別ラベル毎に百分率
で表わしたものである。なお、この確率情報に、距離計
算結果そのものを用いてもよい。
この確率情報の示す値が高いほど入力音声の特徴パラメ
ータとそのラベルの特徴パラメータが類似していること
を示す。
ータとそのラベルの特徴パラメータが類似していること
を示す。
第５図は第３図に示すＭＰＵ１４−１が実行する制御手
順を示す。本発明実施例の動作を第５図のフローチャー
トを参照しながら説明する。
順を示す。本発明実施例の動作を第５図のフローチャー
トを参照しながら説明する。
第５図において、マイクロホン１０から入力された音声
は入力開始時点ＴＯからＴＩ、Ｔ２・・・と一定時間間
隔でフーリエ変換器１３により各時点毎の特徴パラメー
タに変換される。
は入力開始時点ＴＯからＴＩ、Ｔ２・・・と一定時間間
隔でフーリエ変換器１３により各時点毎の特徴パラメー
タに変換される。
ＭＰＵ１４−１はこの入力特徴パラメータを入力すると
、ＤＳＰ１４−３により各標準パラメータとの距離計算
を指示する （ステップＳｌ〜３）。ＭＰＵ１４−１は
ＤＳＰ１４−３から識別ラベルおよびこのラベルに対す
る距離計算結果を受は取ると、確率情報に変換し、確率
テーブル１６−１ （第４図参照）に書き込む（ステッ
プＳ４）。従来例の記述で説明した発声゛アオ″と同じ
例を考えた場合、識別ラベル” Ａ ” として例えば
０．７”、“ｉ”として°゛０２”・・・というように
確率情報が得られる。
、ＤＳＰ１４−３により各標準パラメータとの距離計算
を指示する （ステップＳｌ〜３）。ＭＰＵ１４−１は
ＤＳＰ１４−３から識別ラベルおよびこのラベルに対す
る距離計算結果を受は取ると、確率情報に変換し、確率
テーブル１６−１ （第４図参照）に書き込む（ステッ
プＳ４）。従来例の記述で説明した発声゛アオ″と同じ
例を考えた場合、識別ラベル” Ａ ” として例えば
０．７”、“ｉ”として°゛０２”・・・というように
確率情報が得られる。
本実施例ではＭＰＵ１１４−１が入力音声の特徴パラメ
ータを入力した時点Ｔから過去４つの時点までの確率情
報の値を識別ラベル毎に合計し、最も犬ぎい合計結果を
有する識別ラベルを時点Ｔの音素識別結果として定める
。すなわち、計算式で表わすと下記の通りとなる。
ータを入力した時点Ｔから過去４つの時点までの確率情
報の値を識別ラベル毎に合計し、最も犬ぎい合計結果を
有する識別ラベルを時点Ｔの音素識別結果として定める
。すなわち、計算式で表わすと下記の通りとなる。
ここで、
Ｐｊ（ｔ）：識別ラベルｊの時刻ｔにおける確率合計、
（：ｔ、ｊ ：時刻ｔにおける音素Ｊの確率、Ｂｋ：確
率の合計個数に対する重み係数、ａｔ：時刻ｔにおける
正規化係数、 ！ ＝合計すべき°確率の個数−１（時間幅の長さ）
、 本例においてはＩ−４、Ｂｋ−１、八ｔ−１と設定した
例を説明している。
（：ｔ、ｊ ：時刻ｔにおける音素Ｊの確率、Ｂｋ：確
率の合計個数に対する重み係数、ａｔ：時刻ｔにおける
正規化係数、 ！ ＝合計すべき°確率の個数−１（時間幅の長さ）
、 本例においてはＩ−４、Ｂｋ−１、八ｔ−１と設定した
例を説明している。
したがって、この合計結果も第６図に示すように、識別
ラベル“Ａ”、”Ｉ”、“０“の順に“０．７ ”、”
０．２ ” ”０．０ ” とＦＤＤ１６に、ＭＰｌ
＋１４−１により書き込む（ステップＳ５）。
ラベル“Ａ”、”Ｉ”、“０“の順に“０．７ ”、”
０．２ ” ”０．０ ” とＦＤＤ１６に、ＭＰｌ
＋１４−１により書き込む（ステップＳ５）。
このようにして全ての識別ラベルに対して、時刻ＴＯで
の確率情報の値の合計が終了すると、ＭＰＵ１４−１は
合計値が最も高い識別ラベルを抽出し、ＦＤ０１６ に
記憶する（ステップ５６〜５７）。
の確率情報の値の合計が終了すると、ＭＰＵ１４−１は
合計値が最も高い識別ラベルを抽出し、ＦＤ０１６ に
記憶する（ステップ５６〜５７）。
本例においては確率の°″０．７”を有する識別ラベル
“Ａ′″が識別結果として記憶される。
“Ａ′″が識別結果として記憶される。
ＭＰＩ＋１４−１はこのような手順を繰り返し実行し、
確率情報および確率の情報合計値をＦＤ０１６に記憶し
て行くが、時刻Ｔ５においては、時刻Ｔ１〜Ｔ５までの
５個の確率値を合計する。以下、第６図に示すように合
計対象となる範囲（窓と称する）を順次移動させる。
確率情報および確率の情報合計値をＦＤ０１６に記憶し
て行くが、時刻Ｔ５においては、時刻Ｔ１〜Ｔ５までの
５個の確率値を合計する。以下、第６図に示すように合
計対象となる範囲（窓と称する）を順次移動させる。
また、このように得られる識別ラベルの中で最も多いラ
ベルを音韻認識結果として出力する。このための制御手
順は従来から周知のものを使用することができる（ステ
ップＳ８）。
ベルを音韻認識結果として出力する。このための制御手
順は従来から周知のものを使用することができる（ステ
ップＳ８）。
連続音声では発声（音Ｍ）が変化すると、音韻毎の特徴
パターンも少しずつ変化するので、従来では発声と対応
する真の標準特徴パラメータの音韻ラベルは第２番目や
第３番目の識別候補として現われることが多い。
パターンも少しずつ変化するので、従来では発声と対応
する真の標準特徴パラメータの音韻ラベルは第２番目や
第３番目の識別候補として現われることが多い。
本発明は、音声の特徴パラメータ入力時点より過去の所
定時間内での距離計算結果をも音声認識処理に用いるの
で、たとえ、ある時点Ｔにおいて、識別結果が従来の方
式で第２番目候補となっても、連続する過去において複
数回識別結果が第１番目の候補となっていれば、その時
点Ｔにおいては第１番目の候補として決定される。
定時間内での距離計算結果をも音声認識処理に用いるの
で、たとえ、ある時点Ｔにおいて、識別結果が従来の方
式で第２番目候補となっても、連続する過去において複
数回識別結果が第１番目の候補となっていれば、その時
点Ｔにおいては第１番目の候補として決定される。
例えば、従来例で説明した“アオ”という発声に対して
第１番目候補だけを選択する従来装置では“＾ＡＡｔｌ
ＡｔｌｌＪＡＵＩＩ００・・・”というように部分的に
異なる音素ラベルの識別結果が得られるが、本発明では
このラベル列“ＡＡＡＡＡＡ八八ＡＵＵへへ・・°°と
し）うように同一ラベルが複数個毎につながる、すなわ
ち、平滑化されたラベル列として得られる。
第１番目候補だけを選択する従来装置では“＾ＡＡｔｌ
ＡｔｌｌＪＡＵＩＩ００・・・”というように部分的に
異なる音素ラベルの識別結果が得られるが、本発明では
このラベル列“ＡＡＡＡＡＡ八八ＡＵＵへへ・・°°と
し）うように同一ラベルが複数個毎につながる、すなわ
ち、平滑化されたラベル列として得られる。
この結果、音韻の認識処理に対して従来例で説明した、
識別ラベルの補正処理を行う必要もなくなり、音声認識
確率が高まることは明らかである。
識別ラベルの補正処理を行う必要もなくなり、音声認識
確率が高まることは明らかである。
本発明の応用形態としては次のことが考えられる。
１）本実施例では標準特徴パラメータと入力音声の特徴
パラメータとの類似度として距離計算結果から変換した
認識確率を用いているが、確率以外にも類似の順位を類
似度の指標として用いてもよい。したがって、この場合
は、識別ラベル毎に各時点での順位の値を合計し、最も
値の小さい識別ラベルが識別結果となる。
パラメータとの類似度として距離計算結果から変換した
認識確率を用いているが、確率以外にも類似の順位を類
似度の指標として用いてもよい。したがって、この場合
は、識別ラベル毎に各時点での順位の値を合計し、最も
値の小さい識別ラベルが識別結果となる。
２）本実施例においては、音声認識に用いる類似度を全
てＦＤＤ１６に記憶する例を示しているが、加算すべき
類似度の個数のみのレジスタやメモリを用意し、新しい
類似度が得られる毎にメモリ内容を更新十れば、音声認
識装置のメモリ容量を減じることが可能となる。
てＦＤＤ１６に記憶する例を示しているが、加算すべき
類似度の個数のみのレジスタやメモリを用意し、新しい
類似度が得られる毎にメモリ内容を更新十れば、音声認
識装置のメモリ容量を減じることが可能となる。
３）本実施例においては過去の複数の類似度合計結果を
指標として識別ラベルを抽出しているが合計結果の他、
複数の類似度の平均値や統計的に平滑化した値を指標と
することができる。
指標として識別ラベルを抽出しているが合計結果の他、
複数の類似度の平均値や統計的に平滑化した値を指標と
することができる。
（発明の効果〕
以上説明したように、本発明では、各時点毎に得られる
類似度から始まる過去の所定個数の類似度を識別ラベル
毎に第２演算手段により合計し、その合計結果の中の最
も類似度の高い識別ラベルを抽出手段により順次に抽出
する。この結果、各時点で得られる類似度が時系列的に
平滑化されるので、例えは入力音声に雑音が部分的に混
入したり、入力音声の一部の発生が変化したり、入力音
声の音韻が変化する場合においても、その音声の変化部
分が生じる悪影響が除去されて全体として正しいラベル
が認識され、以て音声の認識確率が高くなる。
類似度から始まる過去の所定個数の類似度を識別ラベル
毎に第２演算手段により合計し、その合計結果の中の最
も類似度の高い識別ラベルを抽出手段により順次に抽出
する。この結果、各時点で得られる類似度が時系列的に
平滑化されるので、例えは入力音声に雑音が部分的に混
入したり、入力音声の一部の発生が変化したり、入力音
声の音韻が変化する場合においても、その音声の変化部
分が生じる悪影響が除去されて全体として正しいラベル
が認識され、以て音声の認識確率が高くなる。
第１図は本発明実施例の基本構成を示すブロック図、
第２図は本発明実施例の具体的な構成を示すブロック図
、 第３図は第２図に示すコンピュータシステムの回路構成
を示す回路図、 第４図は第２図に示す確率テーブル１６−１のメモリ構
成を示すメモリマツプ、 第５図は第３図に示すＭＰＵＩ４−１が実行する制御手
順を示すフローチャート、 第６図は本発明実り色例の類似度の計算過程を示す説明
図、 第７図は従来例の音声認識過程を示す説明図である。 ！０ ・・・ マイクロホン、 １４ ・・・ コンピュータシステム、１４−１
・・・ マイクロプロセッサ（ＭＰＩＪ）、１６
・・・ フロッピディスク装置（ＦＤＤ）、１６−１
・・・ 確率テーブル。 不ン警甲ト芙方セイ列のコンじ°、−クシステム）４の
困−が、乞ホ１１日本麿ゾ旧藁庁使１の石！畢シブル；
６−；乞示Ｔ〆ｔリマップフ公１し Ｔｏ 丁Ｏ〜
Ｔ１ ＴＯ〜Ｔ２ Ｔｏ−Ｔ３ 丁Ｏ〜工４Ａ
Ｏ，７１５２，３２，４３，２＋ ０．２ ０．
３ ０．４ ０．４ ０．４Ｕ Ｏ，０
０，００，００，６０，８未発明芙片渭１）め計算色程
を７ 第６図 丁１〜Ｔ５ Ｔ２ダ６−−一 ２．６ ２．１ ０．２ ０． ＋ １．４２・Ｏ ；す祝明詔
、 第３図は第２図に示すコンピュータシステムの回路構成
を示す回路図、 第４図は第２図に示す確率テーブル１６−１のメモリ構
成を示すメモリマツプ、 第５図は第３図に示すＭＰＵＩ４−１が実行する制御手
順を示すフローチャート、 第６図は本発明実り色例の類似度の計算過程を示す説明
図、 第７図は従来例の音声認識過程を示す説明図である。 ！０ ・・・ マイクロホン、 １４ ・・・ コンピュータシステム、１４−１
・・・ マイクロプロセッサ（ＭＰＩＪ）、１６
・・・ フロッピディスク装置（ＦＤＤ）、１６−１
・・・ 確率テーブル。 不ン警甲ト芙方セイ列のコンじ°、−クシステム）４の
困−が、乞ホ１１日本麿ゾ旧藁庁使１の石！畢シブル；
６−；乞示Ｔ〆ｔリマップフ公１し Ｔｏ 丁Ｏ〜
Ｔ１ ＴＯ〜Ｔ２ Ｔｏ−Ｔ３ 丁Ｏ〜工４Ａ
Ｏ，７１５２，３２，４３，２＋ ０．２ ０．
３ ０．４ ０．４ ０．４Ｕ Ｏ，０
０，００，００，６０，８未発明芙片渭１）め計算色程
を７ 第６図 丁１〜Ｔ５ Ｔ２ダ６−−一 ２．６ ２．１ ０．２ ０． ＋ １．４２・Ｏ ；す祝明詔
Claims (1)
- 【特許請求の範囲】 １）連続音声を入力する入力手段と、 該入力手段から入力された前記連続音声を一定時間毎に
特徴パラメータ化し、該特徴パラメータと、音声の識別
ラベルが予め判明している複数の標準特徴パラメータの
各々との距離計算を行い、該計算結果に基いて前記連続
音声に対する複数の前記識別ラベルの類似度をそれぞれ
決定する第１演算手段と、 該第１演算手段により定められた、現時点から過去まで
連続する一定個数の前記類似度を前記識別ラベル毎に合
計する第２演算手段と、 該第２演算手段により合計された前記識別ラベル毎の類
似度の合計結果に基いて、最も類似度の高い合計結果と
対応する識別ラベルを抽出し、当該抽出された識別ラベ
ルを、前記現時点における音声認識結果として出力する
抽出手段と を具えたことを特徴とする音声認識装置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP63257328A JPH02105200A (ja) | 1988-10-14 | 1988-10-14 | 音声認識装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP63257328A JPH02105200A (ja) | 1988-10-14 | 1988-10-14 | 音声認識装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JPH02105200A true JPH02105200A (ja) | 1990-04-17 |
Family
ID=17304836
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP63257328A Pending JPH02105200A (ja) | 1988-10-14 | 1988-10-14 | 音声認識装置 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPH02105200A (ja) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP0742546A3 (en) * | 1995-05-12 | 1998-03-25 | Nec Corporation | Speech recognizer |
-
1988
- 1988-10-14 JP JP63257328A patent/JPH02105200A/ja active Pending
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP0742546A3 (en) * | 1995-05-12 | 1998-03-25 | Nec Corporation | Speech recognizer |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| TWI396184B (zh) | 一種語音辨認所有語言及用語音輸入單字的方法 | |
| US8831942B1 (en) | System and method for pitch based gender identification with suspicious speaker detection | |
| WO2019037205A1 (zh) | 语音欺诈识别方法、装置、终端设备及存储介质 | |
| US8271282B2 (en) | Voice recognition apparatus, voice recognition method and recording medium | |
| US20080082323A1 (en) | Intelligent classification system of sound signals and method thereof | |
| US8271280B2 (en) | Voice recognition apparatus and memory product | |
| Yan et al. | Optimizing MFCC parameters for the automatic detection of respiratory diseases | |
| US8942977B2 (en) | System and method for speech recognition using pitch-synchronous spectral parameters | |
| CN108847251B (zh) | 一种语音去重方法、装置、服务器及存储介质 | |
| CN111785302A (zh) | 说话人分离方法、装置及电子设备 | |
| JP5091202B2 (ja) | サンプルを用いずあらゆる言語を識別可能な識別方法 | |
| JPH02105200A (ja) | 音声認識装置 | |
| JP2871120B2 (ja) | 自動採譜装置 | |
| JP3493849B2 (ja) | 音声認識装置 | |
| JP3102089B2 (ja) | 自動採譜装置 | |
| JP2019132948A (ja) | 音声変換モデル学習装置、音声変換装置、方法、及びプログラム | |
| JPH02141800A (ja) | 音声認識装置 | |
| CN107657962B (zh) | 一种语音信号的喉声和气声识别与分离方法及系统 | |
| Li | SPEech Feature Toolbox (SPEFT) design and emotional speech feature extraction | |
| JP2560785B2 (ja) | 自己回帰モデル自動次数決定方法 | |
| JP2001109491A (ja) | 連続音声認識装置および方法 | |
| JPH03223799A (ja) | 分離しているワード、特に非常に大きい語いの認識方法と装置 | |
| JP2003022091A (ja) | 音声認識方法および音声認識装置ならびに音声認識プログラム | |
| JP4219543B2 (ja) | 音声認識用音響モデル生成装置および記録媒体 | |
| CN118506791A (zh) | 鲸鱼叫声信号分类方法及装置 |