JPH021318B2 - - Google Patents

Description

【発明の詳細な説明】 本発明は音声を認識る事のできる音声認識装置
に関する。

一般に、同一話者であつても発声の毎に発声時
間が異なるばかりか、アクセントにも多少の変動
があり、更に、話者が異なれば、上述の変動に個
人差が加わる事が知られている。従つて、これ等
の音声の変動成分を統計的手法を用いる事に依つ
て補なう事が提案され、近年では、この様な統計
的手法を導入して認識率の向上をざした音声認識
装置が開発されつつある。

この種従来の音声認識装置の構成を第１図に示
す。同図に於いて、１は音声を電気的な音声信号
に変換するマイクロフオンである。２は該マイク
ロフオン１に依つて得られる音声信号から音声の
特徴パラメータを抽出するパラメータ抽出回路で
あり、一つの認識音声の音声信号について音声帯
域（100Hz〜4KHz）を８分割した８個の周波数ス
ペクトル値が16サンプル配列する行列構成の特徴
パラメータ〔xij〕、（ｉ＝１、…、８；ｊ＝１、
…、16）が出力される。３は関数メモリであり、
特定多数ｎの認識音声について予じめ複数話者か
ら抽出た特徴パラメータ〔xij⁽ⁿ⁾〕に基づき、これ
等が正規分布を為すとして導出した話者の相違に
関する特徴パラメータの値の分布関数〔fij⁽ⁿ⁾〕が
複数の認識音声毎に貯えられている。この認識音
声を５つの母音（ア、イ、ウ、エ、オ）とした場
合、関数メモリ３の第１乃至第５関数メモリ３
１、〜、３５に夫々ア、イ、ウ、エ、オ順に
〔fij⁽¹⁾〕、〜、〔fij⁽⁵⁾〕が格納されている。４は確
率計
算回路であり、上記関数メモリ３の各分布関数
〔fij⁽ⁿ⁾〕、ｎ＝１、２、３、４、５に基づいて上記
パラメータ抽出回路２から得られる入力音声の特
徴パラメータ〔xij〕の５つの母音に対する存在
確率〔fij⁽ⁿ⁾（xij）〕、ｎ＝１、２、３、４、５を導
出して、これ等を出力する。５はこれ等の存在確
率〔fij⁽ⁿ⁾（xij）〕、を貯える確率メモリであり、そ
の第１乃至第５確率メモリ５１〜５５の夫々に
〔fij（xij）〕、ｎ＝１、２、３、４、５が貯えられ
る。６は認識音声決定回路であり、上記確率メモ
リ５の各存在確率〔fij⁽ⁿ⁾（xij）〕の成分の和、即ち ｄ（ｎ）＝₈ 〓ⁱ⁼¹ ₁₆ 〓^j=1 fij⁽ⁿ⁾（xij） ｎ＝１、２、３、４、５ を求めて、ｄ（ｎ）が最大となる時のｎを検出す
る事に依つて、この時の入力音声が第ｎ番目の認
識音声と決定される。即ち、ｎ＝４なら(エ)である
と決定される。

第２図は、上記関数メモリ３に貯えられた５つ
の母音に対する1KHzの周波数（ｉ＝Ｉ）の特定
サンプル（ｊ＝Ｊ）の周波数スペクトル値のの存
在確率を示した分布関数fIJ⁽ⁿ⁾（xIJ）を図示したも
のである。同図に基づいて、x〓_IJなる入力音声の
特徴パラメータの周波数スペクトル値に注目して
もると、このx〓IJと母音(イ)、(エ)、(オ)の各平均値

IJ⁽²⁾、IJ⁽⁴⁾、IJ⁽⁵⁾の夫々との誤差が等しくなつ
てい
るが、上述の関数メモリ３と確率計算回路４とに
依つて、夫々の確率fIJ⁽²⁾（x〓IJ）、fIJ⁽⁴⁾（x〓IJ）
、fIJ⁽⁵⁾
（x〓IJ）を求めると、同図から明らかな如く、fIJ⁽⁴⁾
（x〓IJ）が最大であつて、母音(エ)に属する確率が最
も高い事がわかる。この様に、第１図の如き従来
装置に於いては、音声の特徴パラメータである周
波数スペクトル値の分布の度合いを加味した認識
処理を行なう事に依つて、多少とも認識率の向上
が為されている。

しかしながら、第２図に於いて、今x〓IJ⁽¹⁾なる周
波数スペクトル値に注目してみると、このx¨IJ⁽⁴⁾は
母音(ア)に属し、その確率fIJ（x¨IJ）が前述のx〓IJ
が
母音(エ)に属する確率fIJ（xIJ）と等しくなつてい
るが、実際には、x¨IJが母音(ア)以外の母音(イ)、(ウ
)、
(エ)、(オ)に属する確率がほとんど無いのに比べて、
x〓IJが母音(エ)以外の母音(イ)、(オ)に属する確率が
充
分にある事がわかる。この様に音声を識別するの
に重要なx¨IJが母音(ア)に属する確率fIJ⁽¹⁾（x¨IJ）
と
音声を識別するのに重要でないx〓IJが母音(エ)に属
する確率fIJ⁽⁴⁾（x¨IJ）とを同等に取り扱う事、即
ち、各認識音声個別の分布関数に依る確率を直接
類似度の得点として取り扱う事、には不都合があ
り、この不都合に依つて、従来の音声認識装置で
は、認識率の大巾な向上を期待する事はできなか
つた。

本発明は上述の不都合を解消する事を目的とし
て為されたものであり、以下に詳述する。

第３図に本発明の音声認識装置の一実施例を示
す。同図に於いて１〜５は第１図と同様にマイク
ロフオン〜確率メモリを示しており、マイクロフ
オン１に入力された音声の特徴パラメータの周波
数スペクトル値〔xij〕がパラメータ抽出回路２
に依つて得られ、この特徴パラメータ〔xij〕の
各成分について、関数メモリ３に貯えられた各認
識音声の分布関数〔fij⁽ⁿ⁾〕、ｎ＝１、２、３、４、
５（アイウエオ順）に従い、確率計算回路４に依
り各認識音声毎の存在確率〔fij⁽ⁿ⁾（xij）〕、ｎ＝１
、
２、３、４、５が算出され、夫々確率メモリ５に
貯えられる。７は比率メモリであり、予じめ、上
記関数メモリ３の各母音（ア、イ、ウ、エ、オ）
の分布関数（fij⁽ⁿ⁾（xij）〕に基づいて、夫々の分布
関数を最大とする周波数スペクトル値の各平均値
ｘij⁽¹⁾、〜ij⁽⁵⁾に於ける全ての音声についての存在
確率〔fij⁽¹⁾（ij⁽ⁿ⁾）、〜、〔fij⁽⁵⁾（ij⁽ⁿ⁾）〕
、ｎ＝
１、２、３、４、５を計算し、更に、これ等存在
確率間の相対的な比率 を求めておき、これ等認識音声毎の比率
（gij⁽ⁿ⁾〕、ｎ＝１、２、３、４、５が各第１乃至
第５比率メモリ７１、〜、７５に夫々格納されて
いる。８は類似度計算回路であり、上記確率メモ
リ５の各存在確率〔fij（xij）〕と、上記比率メモ
リ７の各比率〔gij⁽ⁿ⁾〕と、の各積〔gij⁽ⁿ⁾ fij⁽ⁿ⁾
（xij）〕、ｎ＝１、２、３、４、５が類似度として
計算される。９は類似度メモリであり、上記類似
度計算回路８から得られる各母音についての類似
度〔gijfij（xij⁽ⁿ⁾）〕、が第１乃至第５類似度メモリ
９
１、〜、９５に貯えられる。６′は認識音声決定
回路であり、上記類似度メモリ９の各類似度
〔gijfij⁽ⁿ⁾（xij）〕の成分の和、即ち d′（ｎ）＝₈ 〓ⁱ⁼¹ ₁₆ 〓^j=1 gij⁽ⁿ⁾ fij⁽ⁿ⁾（xij） ｎ＝１、２、３、４、５ を求めて、d′（ｎ）が最大となる時のｎを検出す
る事に依つて、この時の入力音声が第２番目の認
識音声と決定される。即ち、ｎ＝２なら(イ)である
と決定される。

斯る構成の音声認識装置は類似度計算回路８に
於いて、その比率メモリ７に予じめ格納されてい
る比率〔gij⁽ⁿ⁾〕、に依つて、確率メモリ５に貯えら
れた入力音声の特徴パラメータに対する各認識音
声毎の存在確率に重み付けを行なうものである。
例えば第２図の周波数スペクトル値x〓IJに注目し
てみると、このx〓IJが母音(エ)に属する存在確率fIJ^(4
)
（x〓IJ）については、この母音(エ)の周波数スペクト
ル値の平均値IJ⁽⁴⁾における各母音（ア、イ、ウ、
エ、オ）の存在確率fIJ⁽ⁿ⁾（IJ⁽⁴⁾）〕、ｎ＝１、２
、
３、４、５の値の比率が約０：０：０：７：３と
なつているので、この母音(エ)に於ける存在確率の
比率gIJ⁽⁴⁾は約70％となる。これに対して周波数ス
ペクトル値x¨IJの場合は、同図から明らかな如く
母音(ア)に於ける存在確率gIJは約100％となる。従
つて、類似度計算回路８に依つて、このx〓IJの母
音(エ)に対する類似度｛0.7fIJ⁽⁴⁾（x〓IJ）｝及びx¨I
J⁽¹⁾の
母音(ア)に対する類似度｛1.0fIJ（x¨IJ）｝が得られ
、
各認識音声の特徴パラメータの存在確率が重なり
合つて認識音声の識別があいまいとなる存在確率
に低い重み付けが為される。

この様に有効な重み付けが為されて得られた類
似度に基づいて、認識音声決定回路６′に依り、
入力音声との類似度が最も高い認識音声が決定さ
れる。

本発明の音声認識装置は以上の説明から明らか
な如く、特定の認識音声の特徴パラメータの値の
分布関数に基づくその存在確率の最大値とこの特
定の認識音声の特徴パラメータの値の存在在確率
を最大とする特徴パラメータの値に於ける全ての
認識音声の分布関数に基づく各存在確率の和との
比率を全ての認識音声につおて予じめ格納した比
率メモリを備え、類似度計算回路に依つて、上記
比率メモリの各認識音声についての比率と入力音
声の特徴パラメータに対する各認識音声毎の存在
確率との積を計算してこの存在確率に重みづけを
行なつた類似度を得るものであるので、各認識音
声の特徴パラメータの存在確率の内認識音声を識
別する為の重要度が低いものにはその存在確率に
対する重みづけを小さくする事ができる。従つ
て、認識音声を識別する為の重要度が高い認識音
声の存在確率を用いて入力音声を認識する事が可
能となり、特定話者ばかりか不特定話者に対して
もその音声の変動成分を充分補い、認識率の向上
を計る事ができる。

【図面の簡単な説明】

第１図は従来の音声認識装置の構成を示すブロ
ツク図、第２図は音声の周波数スペクトル値の存
在確率を示す分布関数曲線図、第３図は本発明の
音声認識装置の一実施例を示すブロツク図、を示
している。 ２…パラメータ抽出回路、３…関数メモリ、４
…確率計算回路、５…確率メモリ、６，６′…認
識音声決定回路、７…比率メモリ、８…類似度計
算回路、９…類似度メモリ。

Claims (1)

【特許請求の範囲】
1. １ 入力された音声からその音声の特徴パラメー
   タを抽出するパラメータ抽出回路と、複数の同一
   認識音声の特徴パラメータに基づいて抽出した同
   一認識音声の特徴パラメータの値の分布関数を特
   定多数の認識音声毎に貯えた関数メモリと、該関
   数メモリに貯えられた特定の認識音声の特徴パラ
   メータの値の分布関数に基づくその存在確率の最
   大値とこの特定の認識音声の特徴パラメータの値
   の存在確率を最大とする特徴パラメータの値に於
   ける全ての認識音声の分布関数に基づく各存在確
   率の和との比率を全ての認識音声について予じめ
   格納した比率メモリと、上記関数メモリの各音声
   の分布関数に基づいて上記パラメータ抽出回路か
   ら得られる入力音声の特徴パラメータの値が示す
   各認識音声の存在確率を夫々算出する確率計算回
   路と、該確率計算回路に依つて得られる各音声の
   存在確率と上記比率メモリの各認識音声の比率と
   の積を類似度として計算する類似度計算回路と、
   からなり、該類似度計算回路から得られる類似度
   が最大となる認識音声をこの時の入力音声と認識
   する事を特徴とした音声認識装置。