JPH02118699A - 音声認識装置 - Google Patents
音声認識装置Info
- Publication number
- JPH02118699A JPH02118699A JP63273560A JP27356088A JPH02118699A JP H02118699 A JPH02118699 A JP H02118699A JP 63273560 A JP63273560 A JP 63273560A JP 27356088 A JP27356088 A JP 27356088A JP H02118699 A JPH02118699 A JP H02118699A
- Authority
- JP
- Japan
- Prior art keywords
- spectrum
- time
- memory
- speech
- series
- 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
本発明は話者の声を予め登録しておく登録型音声認識装
置に関するものである。
置に関するものである。
従来の技術
近年、登録型音声認識装置が産業界において徐々に利用
されるようになってきた。
されるようになってきた。
以下図面を参照しながら、従来の登録型音声認識装置に
つい−Ｃ説明する。第２図は従来の登録型音声認識装置
を示すブロック図である。第２図においてスペクトル計
算部１′の出力は分析部２′に接続され、分析部２′の
出力はスイッチ５′を経てテンプレートメモリ３′と照
合部４′とに接続されている。またテンプレートメモリ
３”の出力は照合部４′に接続されている。
つい−Ｃ説明する。第２図は従来の登録型音声認識装置
を示すブロック図である。第２図においてスペクトル計
算部１′の出力は分析部２′に接続され、分析部２′の
出力はスイッチ５′を経てテンプレートメモリ３′と照
合部４′とに接続されている。またテンプレートメモリ
３”の出力は照合部４′に接続されている。
以−トのように構成された登録型音声認識装置に関し、
以下にその動作について説明する。
以下にその動作について説明する。
スペクトル計算部１′は使用者の発した音声から時系列
スペクトルを計算し、この結果を分析部２′に入力する
。分析部２′はこの入力を受けでｆめ定められた分析を
行い、得られた特徴パラメータをスイッチ５′に出力す
る。スイッチ５゛は、上記発声音声が登録時のものであ
れば、上記特徴パラメータを第１の出力としてテンプレ
ートメモリ３゛ここ入力し、上記発声音声が認識時のも
のであれは、−１−記特徴パラメータを第２の出力とし
て照合部４′に出力する。照合部４′は、認識時にはテ
ンプレートメモリ３′の出力とスイッチ５′の第２の出
力とを受けてテンプレートマツチングを行い、複数の登
録単語テンプレートの中から最適な認識結果を決定する
。
スペクトルを計算し、この結果を分析部２′に入力する
。分析部２′はこの入力を受けでｆめ定められた分析を
行い、得られた特徴パラメータをスイッチ５′に出力す
る。スイッチ５゛は、上記発声音声が登録時のものであ
れば、上記特徴パラメータを第１の出力としてテンプレ
ートメモリ３゛ここ入力し、上記発声音声が認識時のも
のであれは、−１−記特徴パラメータを第２の出力とし
て照合部４′に出力する。照合部４′は、認識時にはテ
ンプレートメモリ３′の出力とスイッチ５′の第２の出
力とを受けてテンプレートマツチングを行い、複数の登
録単語テンプレートの中から最適な認識結果を決定する
。
発明が解決しようとする課題
テンプレートマツチング型の音声認識においては、テン
ブレー１・登録時の背景雑音条件と認識対象音声入力時
の背景雑音条件とか同一であることが望ましい。しかし
ながら」−記のような構成では、背景雑音が変動してい
るような場合には、テンプレート登録時の背景雑音条件
と認識対象音声入力時の背景雑音条件とが同一でなくな
り、しはしば認識率の大幅な低Ｆを招くという問題点が
あった。
ブレー１・登録時の背景雑音条件と認識対象音声入力時
の背景雑音条件とか同一であることが望ましい。しかし
ながら」−記のような構成では、背景雑音が変動してい
るような場合には、テンプレート登録時の背景雑音条件
と認識対象音声入力時の背景雑音条件とが同一でなくな
り、しはしば認識率の大幅な低Ｆを招くという問題点が
あった。
本発明は上記従来の音声認識装置の課題に鑑み、背景雑
音が変動しているような場合にも、音声登録時にさえ背
景雑音が十分に小さいことが仮定できさえすれは良好な
認識率を確保することのできる音声認識装置を提供する
ことを目的とするものある。
音が変動しているような場合にも、音声登録時にさえ背
景雑音が十分に小さいことが仮定できさえすれは良好な
認識率を確保することのできる音声認識装置を提供する
ことを目的とするものある。
課題を解決するための手段
本発明の登録型音声認識装置は、入力信号から時系列ス
ペクトルを求めるスペクトル計算部と、前記スペクトル
計算部から得られた登録音声の時系列スペクトルを記憶
する第１のスペクトルメモリと、前記スペクトル計算部
から得られた雑音の時系列スペクトルを記憶する第２の
スペクトルメモリと、前記第１のスペクトルメモリの内
容と前記第２のスペクトルメモリの内容とを加算する加
算部と、前記加算部から出力された時系列スペクトル加
算結果を分析して第１の特徴パラメータを抽出し、或は
前記スベク）・ル計算部から得られた認識対象音声の時
系列スペクトルを分析して第２の特徴パラメータを抽出
する分析部と、前記第１の特徴パラメータを記憶するテ
ンプレートメモリと、前記テンプレートメモリの内容と
前記第２の特徴パラメータとを入力し音声の類似度を算
出する音声照合部とから構成されでいる。
ペクトルを求めるスペクトル計算部と、前記スペクトル
計算部から得られた登録音声の時系列スペクトルを記憶
する第１のスペクトルメモリと、前記スペクトル計算部
から得られた雑音の時系列スペクトルを記憶する第２の
スペクトルメモリと、前記第１のスペクトルメモリの内
容と前記第２のスペクトルメモリの内容とを加算する加
算部と、前記加算部から出力された時系列スペクトル加
算結果を分析して第１の特徴パラメータを抽出し、或は
前記スベク）・ル計算部から得られた認識対象音声の時
系列スペクトルを分析して第２の特徴パラメータを抽出
する分析部と、前記第１の特徴パラメータを記憶するテ
ンプレートメモリと、前記テンプレートメモリの内容と
前記第２の特徴パラメータとを入力し音声の類似度を算
出する音声照合部とから構成されでいる。
作用
本発明では上記した構成によって、前記第１のスペクト
ルメモリには背景雑音が十分に小さい時に登録された登
録音声の時系列スペクＩ・ルを記憶し、前記第２のスペ
クトルメモリには認識対象音声入力時点の直前における
雑音の時系列スペクトルを記憶し、音声と背景雑音とが
統計的に独立でスペクトルの次元で両者の間に加法性が
成立しており、かつ背景雑音が認識対象単語長に比へＣ
上り大きな時定数で変動している場合にはこれら二つの
時系列スペクトルな加算することによって認識対象音声
入力時点における真の時系列スペクトルを模擬し、この
様にして模擬された時系列スペクトルをテンプレートと
して使用することによりテンプレート作成時の背景雑音
条件と認識対象音声入力時の背景雑音条件とを近似させ
ることができ、認識率の大幅な低下を防ぐことができる
。
ルメモリには背景雑音が十分に小さい時に登録された登
録音声の時系列スペクＩ・ルを記憶し、前記第２のスペ
クトルメモリには認識対象音声入力時点の直前における
雑音の時系列スペクトルを記憶し、音声と背景雑音とが
統計的に独立でスペクトルの次元で両者の間に加法性が
成立しており、かつ背景雑音が認識対象単語長に比へＣ
上り大きな時定数で変動している場合にはこれら二つの
時系列スペクトルな加算することによって認識対象音声
入力時点における真の時系列スペクトルを模擬し、この
様にして模擬された時系列スペクトルをテンプレートと
して使用することによりテンプレート作成時の背景雑音
条件と認識対象音声入力時の背景雑音条件とを近似させ
ることができ、認識率の大幅な低下を防ぐことができる
。
実施例
以下に、本発明の実施例について、図面を参照しながら
説明する。
説明する。
第１図は本発明の一実施例における登録型音声認識装置
を示すブロック図である。第１図において、ｌは入力信
号から時系列スペクトルを求めるスペクトル計算部であ
り、２は第１のスペクトルメモリであり、３は第２のス
ペクトルメモリであり、スペクトル計算部１の出力は第
１のスペクトルメモリ２と第２のスペクトルメモリ３と
スイッチ８の第１の入力端子とに入力されている。第１
のスペクトルメモリ２の出力と第２のスペクトルメモリ
３の出力とは加算部４に入力され、加算部４から出力さ
れた時系列スペクトル加算結果はスイッチ８の第２の入
力端子に入力されている。スイッチ８の出力は分析部５
に入力され、分析部５の出力はスイッチ９０入力となっ
ている。また、スイッチ９の第１の出力はテンプレート
メモリ６に入力され、テンプレートメモリ６の出力とス
イッチ９の第２の出力とは、いずれも照合部７へ入力さ
れている。
を示すブロック図である。第１図において、ｌは入力信
号から時系列スペクトルを求めるスペクトル計算部であ
り、２は第１のスペクトルメモリであり、３は第２のス
ペクトルメモリであり、スペクトル計算部１の出力は第
１のスペクトルメモリ２と第２のスペクトルメモリ３と
スイッチ８の第１の入力端子とに入力されている。第１
のスペクトルメモリ２の出力と第２のスペクトルメモリ
３の出力とは加算部４に入力され、加算部４から出力さ
れた時系列スペクトル加算結果はスイッチ８の第２の入
力端子に入力されている。スイッチ８の出力は分析部５
に入力され、分析部５の出力はスイッチ９０入力となっ
ている。また、スイッチ９の第１の出力はテンプレート
メモリ６に入力され、テンプレートメモリ６の出力とス
イッチ９の第２の出力とは、いずれも照合部７へ入力さ
れている。
以１−のように構成された登録型音声認識装置について
、以下にその動作について説明する。
、以下にその動作について説明する。
背景雑音が十分に小さいときに発声された登録音声はス
ペクトル計算部１て時系列スペクトルに変換され、第１
のスペクトルメモリ２に記憶される。音声認識時には、
スペクトル計算部ｌは背凌雑音の統計的性質が変化する
毎に背景雑音の時系列スペクトルを計算し直し、第２の
スペクトルメモリ３を更新する。加算部４は前記更新が
行われる毎に第１のスペクトルメモリ２の出力と第２の
スペクトルメモリ３の出力とを加算し直して前記登録音
声に背景雑音が重畳した場合を模擬した時系列スペクト
ル（この時系列スペクトルを今後模擬登録時系列スペク
トルと呼称する）を算出し、この信号をスイッチ８への
第２の入力とする。スイッチ８は認識対象音声が入力さ
れるとき以外は常に第２の入力を出力するように動作し
、分析部５はこのスイッチ８の働きにより認識対象音声
が入力されるとき以外は常に前記模擬登録時系列スペク
トルを分析する。スイッチ９では認識対象音声が入力さ
れる時以外は常に第１の出力端子が選択され、スイッチ
８およびスイッチ９の働きによりテンプレートメモリ６
には認識対象音声が入力される時以外は常に更新された
前記模擬登録時系列スペクトルが入力される。
ペクトル計算部１て時系列スペクトルに変換され、第１
のスペクトルメモリ２に記憶される。音声認識時には、
スペクトル計算部ｌは背凌雑音の統計的性質が変化する
毎に背景雑音の時系列スペクトルを計算し直し、第２の
スペクトルメモリ３を更新する。加算部４は前記更新が
行われる毎に第１のスペクトルメモリ２の出力と第２の
スペクトルメモリ３の出力とを加算し直して前記登録音
声に背景雑音が重畳した場合を模擬した時系列スペクト
ル（この時系列スペクトルを今後模擬登録時系列スペク
トルと呼称する）を算出し、この信号をスイッチ８への
第２の入力とする。スイッチ８は認識対象音声が入力さ
れるとき以外は常に第２の入力を出力するように動作し
、分析部５はこのスイッチ８の働きにより認識対象音声
が入力されるとき以外は常に前記模擬登録時系列スペク
トルを分析する。スイッチ９では認識対象音声が入力さ
れる時以外は常に第１の出力端子が選択され、スイッチ
８およびスイッチ９の働きによりテンプレートメモリ６
には認識対象音声が入力される時以外は常に更新された
前記模擬登録時系列スペクトルが入力される。
一方、認識対象音声が入力された時にはスイッチ８ては
第１の入力端ｒが選択されスイッチ９では第２の出力端
子が選択され、この動作によって認識対象音声の時系列
スペクトルは照合部７へ入力される。照合部７はスイッ
チ９の第２の出力とテンプレートメモリ６の出力とを受
け、認識対象音声の時系列スベクＩ・ルから分析された
特徴パラメータと複数の前記模擬登録時系列スペクトル
から分析された複数の特徴パラメータとの間でテンプレ
ートマツチングを行い、最適な認識結果を出力する。
第１の入力端ｒが選択されスイッチ９では第２の出力端
子が選択され、この動作によって認識対象音声の時系列
スペクトルは照合部７へ入力される。照合部７はスイッ
チ９の第２の出力とテンプレートメモリ６の出力とを受
け、認識対象音声の時系列スベクＩ・ルから分析された
特徴パラメータと複数の前記模擬登録時系列スペクトル
から分析された複数の特徴パラメータとの間でテンプレ
ートマツチングを行い、最適な認識結果を出力する。
なお、スペクトルとしては加法性が成立しさえずれば本
発明の効果に変わりはないが、本実施例ではフーリエ・
オートパワースペクトルを用いるものとする。また分析
部５における処理内容としても種々の方法が考えられる
が、本実施例では聴覚特性を考慮したものとして最も−
・船釣なスペクトルパワーの対数化を行なう。ＨＨ＜合
部７てはチエビシエフ距離を用いたＤＰマツチング法を
用いる。
発明の効果に変わりはないが、本実施例ではフーリエ・
オートパワースペクトルを用いるものとする。また分析
部５における処理内容としても種々の方法が考えられる
が、本実施例では聴覚特性を考慮したものとして最も−
・船釣なスペクトルパワーの対数化を行なう。ＨＨ＜合
部７てはチエビシエフ距離を用いたＤＰマツチング法を
用いる。
ところて５ｔｅｖｅｎ Ｂｏｌｔ （スｊイーフーン＊
−ル）氏によっａｎｓ’ａ’ｃ’ｔ、ｉｏ”ｎｓ ；＝
； ／ｒｃ’ｏ’ｕ”ｓｔ！’ｃｓ、 岸ｅ５ｈ、
論’ Ｓ’Ｔ２０、 Ａｐｒｉｌ １９７９ ）はノ
イズ除去の方法として良く知られているところであり、
スペクトルの処理過程において線形性が保たれている限
りにおいては、Ｂｏｌｔ氏のスペクトル減算法と本発明
のスペクトル加算法とは等価になる。他方、スペクトル
の処理過程において非線形性が存在する場合には、この
両者の間には相違が生じる。一般に音声認識装置におい
ては聴覚特性を考慮した分析法が採用されることが多く
、本実施例においても分析部５で対数化処理を行なって
いるため、前記スペクトル減算法に基づく処理と本発明
におけるスペクトル加算法に基づく処理とは非等価であ
る。スペクトル減算法を用いた場合には、ノイズの混入
した入力音声信号から推定ノイズを減算する際に減算結
果が負となることがあり、この結果を対数化する場合に
問題が発生ずる。前述の文献中ではこのような場合の対
策として負となった周波数領域のスペクトルを強制的に
ゼロとしているが、これはあくまでも便法に過ぎず、処
理後のスペクトルには歪が生じている。他方、本発明に
おけるスペクトル加算法においてはＬ記のような負数の
対数化の問題は発生せず、歪のないスペクトルが以降の
処理に利用できる。
−ル）氏によっａｎｓ’ａ’ｃ’ｔ、ｉｏ”ｎｓ ；＝
； ／ｒｃ’ｏ’ｕ”ｓｔ！’ｃｓ、 岸ｅ５ｈ、
論’ Ｓ’Ｔ２０、 Ａｐｒｉｌ １９７９ ）はノ
イズ除去の方法として良く知られているところであり、
スペクトルの処理過程において線形性が保たれている限
りにおいては、Ｂｏｌｔ氏のスペクトル減算法と本発明
のスペクトル加算法とは等価になる。他方、スペクトル
の処理過程において非線形性が存在する場合には、この
両者の間には相違が生じる。一般に音声認識装置におい
ては聴覚特性を考慮した分析法が採用されることが多く
、本実施例においても分析部５で対数化処理を行なって
いるため、前記スペクトル減算法に基づく処理と本発明
におけるスペクトル加算法に基づく処理とは非等価であ
る。スペクトル減算法を用いた場合には、ノイズの混入
した入力音声信号から推定ノイズを減算する際に減算結
果が負となることがあり、この結果を対数化する場合に
問題が発生ずる。前述の文献中ではこのような場合の対
策として負となった周波数領域のスペクトルを強制的に
ゼロとしているが、これはあくまでも便法に過ぎず、処
理後のスペクトルには歪が生じている。他方、本発明に
おけるスペクトル加算法においてはＬ記のような負数の
対数化の問題は発生せず、歪のないスペクトルが以降の
処理に利用できる。
以−にのように本実施例によれは、入力信号から時系列
スペクトルを求めるスペクトル計算部１と、スペクトル
計算部ｌから得られた登録音声の時系列スペクトルを記
憶する第１のスペクトルメモリ２と、スペクトル計算部
１から得られた雑音の時系列スペクトルを記憶する第２
のスペクトルメモリ３と、第１のスペクトルメモリ２の
内容と第２のスペクトルメモリ３の内容とを加算する加
算部４と、スペクトル計算部ｌの出力を第１の入力とし
加算部４の出力を第２の入力とするスイッチ８と、スイ
ッチ８の出力を分析して特徴パラメータを抽出する分析
部５と、分析部５の出力を入力とし第１及び第２の出力
をもつスイッチ９と、スイッチ９の第１の出力である模
擬登録時系列スペクトルを入力とするテンプレートメモ
リ６と、スイッチ９の第２の出力である認識対象音声の
時系列スペクトルとテンプレートメモリ６の出力とを入
力とする音声照合部７とを設けることにより、第１のス
ペクトルメモリ２には背景雑音が十分に小さい時に登録
された登録音声の時系列スペクトルを記憶し、第２のス
ペクトルメモリ３には認識対象音声入力時点の直前にお
ける雑音の時系列スペクトルを記憶し、音声と背景雑音
とが統計的に独立でスペクトルの次元で両者の間に加法
性が成立しており、かつ背景雑音が認識対象単語長に比
へてより大きな時定数で変動している場合にはこれ＋１
− ら二つの時系列スペクトルを加算することによって認識
対象音声入力時点における真の時系列スペクトルを模擬
し、この様にして模擬された時系列スペクトルをテンプ
レートとして使用することによりテンプレート作成時の
背景雑音条件と認識対象音声入力時の背景雑音条件とを
近似させることができ、認識率の大幅な低下を防ぐこと
ができる。
スペクトルを求めるスペクトル計算部１と、スペクトル
計算部ｌから得られた登録音声の時系列スペクトルを記
憶する第１のスペクトルメモリ２と、スペクトル計算部
１から得られた雑音の時系列スペクトルを記憶する第２
のスペクトルメモリ３と、第１のスペクトルメモリ２の
内容と第２のスペクトルメモリ３の内容とを加算する加
算部４と、スペクトル計算部ｌの出力を第１の入力とし
加算部４の出力を第２の入力とするスイッチ８と、スイ
ッチ８の出力を分析して特徴パラメータを抽出する分析
部５と、分析部５の出力を入力とし第１及び第２の出力
をもつスイッチ９と、スイッチ９の第１の出力である模
擬登録時系列スペクトルを入力とするテンプレートメモ
リ６と、スイッチ９の第２の出力である認識対象音声の
時系列スペクトルとテンプレートメモリ６の出力とを入
力とする音声照合部７とを設けることにより、第１のス
ペクトルメモリ２には背景雑音が十分に小さい時に登録
された登録音声の時系列スペクトルを記憶し、第２のス
ペクトルメモリ３には認識対象音声入力時点の直前にお
ける雑音の時系列スペクトルを記憶し、音声と背景雑音
とが統計的に独立でスペクトルの次元で両者の間に加法
性が成立しており、かつ背景雑音が認識対象単語長に比
へてより大きな時定数で変動している場合にはこれ＋１
− ら二つの時系列スペクトルを加算することによって認識
対象音声入力時点における真の時系列スペクトルを模擬
し、この様にして模擬された時系列スペクトルをテンプ
レートとして使用することによりテンプレート作成時の
背景雑音条件と認識対象音声入力時の背景雑音条件とを
近似させることができ、認識率の大幅な低下を防ぐこと
ができる。
また、登録音声と背景雑音との情報を時間波形でなくス
ペクトルの次元で保持しているため、分析部５が予め定
められた分析を行うには第１のスペクトルメモリ２、第
２のスペクトルメモリ３共に少量で済む。１０ｋＨｚで
信号を標本化し、２５６標本毎に２０次のスペクトル分
析を行うという平均的な分析条件を例示すると、時間波
形で登録音声あるいは背景雑音を保持するには一時点当
り２５６語のメモリを必要とするが、スペクトルの場合
には２０詔で済む。
ペクトルの次元で保持しているため、分析部５が予め定
められた分析を行うには第１のスペクトルメモリ２、第
２のスペクトルメモリ３共に少量で済む。１０ｋＨｚで
信号を標本化し、２５６標本毎に２０次のスペクトル分
析を行うという平均的な分析条件を例示すると、時間波
形で登録音声あるいは背景雑音を保持するには一時点当
り２５６語のメモリを必要とするが、スペクトルの場合
には２０詔で済む。
さらに、スペクトル計算部１における計算量は分析部５
における計算量に比較して通常多大であることが多く、
時間波形で登録音声を保持すると、背景雑音の統計的性
質が変動する毎に複数の登録音声に対してそれぞれ時系
列スペクトルを計算し直す必要が生じ、装置全体の動作
速度が低下する。
における計算量に比較して通常多大であることが多く、
時間波形で登録音声を保持すると、背景雑音の統計的性
質が変動する毎に複数の登録音声に対してそれぞれ時系
列スペクトルを計算し直す必要が生じ、装置全体の動作
速度が低下する。
これに対し時系列スペクトルによる保持を行うと、背景
雑音の統計的性質が変動する毎に計算し直す必要のある
ものはその時点の背景雑音の時系列スペクトルのみであ
り、装置全体の動作速度が低下することがない。
雑音の統計的性質が変動する毎に計算し直す必要のある
ものはその時点の背景雑音の時系列スペクトルのみであ
り、装置全体の動作速度が低下することがない。
発明の効果
以」二のように本発明は、入力音声から時系列スペクト
ルを求めるスペクトル計算部と、前記スペクトル計算部
から得られた登録音声の時系列スペクトルを記憶する第
１のスペクトルメモリと、前記スペクトル計算部から得
られた雑音の時系列スペクトルを記憶する第２のスペク
トルメモリと、前記第１のスペクトルメモリの内容と前
記第２のスペクトルメモリの内容とを加算する加算部と
、前記加算部から出力された時系列スペクトル加算結果
を分析して第１の特徴パラメータを抽出し、或は前記ス
ペクトル計算部から得られた認識対象音声の時系列スペ
クトルを分析して第２の特徴パラメータを抽出する分析
部と、前記第１の特徴パラメータを記憶するテンプレー
トメモリと、前記テンプレートメモリの内容と前記第２
の特徴パラメータとを入力し音声の類似度を算出する音
声照合部とを備えているので、背景雑音の統計的性質が
変動する場合でもテンプレート作成時の背景雑音条件と
認識対象音声入力時の背景雑音条件とを近似させること
ができ認識率の大幅な低下を防ぐことができるばかりで
なく、登録音声及び背景雑音の情報をスペクトルの形で
保持することにより、これら両者を時間波形で保持する
場合に比較してより少ないメモリ容量とより少ない計算
量とで所望の目的を達成することができる優れた登録型
音声認識装置を提供することができるものである。
ルを求めるスペクトル計算部と、前記スペクトル計算部
から得られた登録音声の時系列スペクトルを記憶する第
１のスペクトルメモリと、前記スペクトル計算部から得
られた雑音の時系列スペクトルを記憶する第２のスペク
トルメモリと、前記第１のスペクトルメモリの内容と前
記第２のスペクトルメモリの内容とを加算する加算部と
、前記加算部から出力された時系列スペクトル加算結果
を分析して第１の特徴パラメータを抽出し、或は前記ス
ペクトル計算部から得られた認識対象音声の時系列スペ
クトルを分析して第２の特徴パラメータを抽出する分析
部と、前記第１の特徴パラメータを記憶するテンプレー
トメモリと、前記テンプレートメモリの内容と前記第２
の特徴パラメータとを入力し音声の類似度を算出する音
声照合部とを備えているので、背景雑音の統計的性質が
変動する場合でもテンプレート作成時の背景雑音条件と
認識対象音声入力時の背景雑音条件とを近似させること
ができ認識率の大幅な低下を防ぐことができるばかりで
なく、登録音声及び背景雑音の情報をスペクトルの形で
保持することにより、これら両者を時間波形で保持する
場合に比較してより少ないメモリ容量とより少ない計算
量とで所望の目的を達成することができる優れた登録型
音声認識装置を提供することができるものである。
第１図は本発明の一実施例における登録型音声認識装置
のブロック図、第２図は、従来の登録型音声認識装置の
ブロック図である。 １・・・スペクトル計算部、２・・・第１のス＋４− ペクＩ・ルメモリ、３・・・第２のスペクトルメモリ、
４・・・加算部、５・・・分析部、６・・・テンプレー
トメモリ、７・・・照合部、８・・・スイッチ、９・・
・スイッチ、１′・・・スペクトル計算部、２′・・・
分析部、３′・・・テンプレートメモリ、４′・・・照
合部、５′・・・メイツ汎
のブロック図、第２図は、従来の登録型音声認識装置の
ブロック図である。 １・・・スペクトル計算部、２・・・第１のス＋４− ペクＩ・ルメモリ、３・・・第２のスペクトルメモリ、
４・・・加算部、５・・・分析部、６・・・テンプレー
トメモリ、７・・・照合部、８・・・スイッチ、９・・
・スイッチ、１′・・・スペクトル計算部、２′・・・
分析部、３′・・・テンプレートメモリ、４′・・・照
合部、５′・・・メイツ汎
Claims (1)
- 入力信号から時系列スペクトルを求めるスペクトル計算
部と、前記スペクトル計算部から得られた登録音声の時
系列スペクトルを記憶する第１のスペクトルメモリと、
前記スペクトル計算部から得られた雑音の時系列スペク
トルを記憶する第２のスペクトルメモリと、前記第１の
スペクトルメモリの内容と前記第２のスペクトルメモリ
の内容とを加算する加算部と、前記加算部から出力され
た時系列スペクトル加算結果を分析して第１の特徴パラ
メータを抽出し、或は前記スペクトル計算部から得られ
た認識対象音声の時系列スペクトルを分析して第２の特
徴パラメータを抽出する分析部と、前記第１の特徴パラ
メータを記憶するテンプレートメモリと、前記テンプレ
ートメモリの内容と前記第２の特徴パラメータとを入力
し音声の類似度を算出する音声照合部とから成る音声認
識装置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP63273560A JPH02118699A (ja) | 1988-10-28 | 1988-10-28 | 音声認識装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP63273560A JPH02118699A (ja) | 1988-10-28 | 1988-10-28 | 音声認識装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JPH02118699A true JPH02118699A (ja) | 1990-05-02 |
Family
ID=17529507
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP63273560A Pending JPH02118699A (ja) | 1988-10-28 | 1988-10-28 | 音声認識装置 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPH02118699A (ja) |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS612960A (ja) * | 1984-05-24 | 1986-01-08 | ホエルマン カーゲー アントリープス ウント シユトイエルングステヒニク | 回転運動を直線運動に変換するギア装置 |
| JPS6265088A (ja) * | 1985-09-17 | 1987-03-24 | 株式会社リコー | 不特定話者用音声認識装置 |
-
1988
- 1988-10-28 JP JP63273560A patent/JPH02118699A/ja active Pending
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS612960A (ja) * | 1984-05-24 | 1986-01-08 | ホエルマン カーゲー アントリープス ウント シユトイエルングステヒニク | 回転運動を直線運動に変換するギア装置 |
| JPS6265088A (ja) * | 1985-09-17 | 1987-03-24 | 株式会社リコー | 不特定話者用音声認識装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11611581B2 (en) | Methods and devices for detecting a spoofing attack | |
| EP1901285B1 (en) | Voice authentification apparatus | |
| US20220238118A1 (en) | Apparatus for processing an audio signal for the generation of a multimedia file with speech transcription | |
| CN116229987B (zh) | 一种校园语音识别的方法、装置及存储介质 | |
| WO2020261552A1 (en) | Spoofing detection apparatus, spoofing detection method, and computer-readable storage medium | |
| JPH0312319B2 (ja) | ||
| EP1376537A2 (en) | Apparatus, method, and computer-readable recording medium for recognition of keywords from spontaneous speech | |
| Jadhav et al. | Speech recognition to distinguish gender and a review and related terms | |
| TWI918178B (zh) | 音訊識別系統及其音訊分類裝置與方法 | |
| JPH01319099A (ja) | 音声認識装置 | |
| JPS61180297A (ja) | 話者照合装置 | |
| Singh et al. | A novel algorithm using MFCC and ERB gammatone filters in speech recognition | |
| Solé-Casals et al. | Score function for voice activity detection | |
| JP2602271B2 (ja) | 連続音声中の子音識別方式 | |
| JPH0389400A (ja) | フォルマント軌跡抽出方式 | |
| JPS61262798A (ja) | 音声区間検出装置 | |
| JPS60115996A (ja) | 音声認識装置 | |
| JPS63213897A (ja) | 話者認識装置における辞書更新方式 | |
| JP2006084665A (ja) | オーディオ信号分析方法、その方法を用いた音声認識方法、それらの装置、プログラムおよびその記録媒体 | |
| JPS6069696A (ja) | 音声認識装置 | |
| JPS58116595A (ja) | 単語音声認識装置 | |
| JPH0298000A (ja) | 男女声の識別方法 | |
| JPS63262695A (ja) | 音声認識方式 | |
| JPS5926796A (ja) | 音声認識装置 | |
| JPS62278597A (ja) | 音素標準パタ−ンの切り出し方法 |