JPH02178728A - 音声認識方式 - Google Patents

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。

Description

【発明の詳細な説明】 挟１立駄 本発明は、音声認識方式、より詳細には、ニュラルネッ
トワーク技術の応用、および音声認識システムの動作を
改善するためのポスト・プロセッシングに関する。

鴛】１丸毀 音声テンプレートパターンのマツチングは、多くの音声
認識システムに用いられる大変良く知られた技術である
。

入力音声信号は、テンプレートに変換され、認識辞書の
中に予め貯えられた音声辞書と比較される。類似の値が
比較用に用いられ各々のテンプレートに割り当てられ、
そして最も高い類似性をもった語が、話された語を表わ
す。この種のシステムにおいては、類似のサウンデイン
グ語用のテンプレートは、それら自体類似しており、そ
してこの事はれ認識エラーにつながることを示している
。

それ故に、極めて近い類似したスコアは可能な誤認識エ
ラーを指示することが知られている。一般的に、類似性
スコアは異なった語に対してユニークなパターンを含む
ものであろう、神経系のニューラルネットワークはしば
しばパターン抽出のために用いられる。それ故に、これ
らの技術は起こりうる誤認識エラーを検出するために用
いることができる。

Ｕ−咋 本発明は、上述のごとき実情に鑑みてなされたもので、
特に、パターンマツチングの技術を使用した音声認識シ
ステムの精度を改善するために設計されたものであり、
さらに、その設計は本発明には音声認識システムがほと
んどもしくは全く適合性を必要としないようになされた
ものである。

且−一双 本発明は、上記目的を達成するために、（１）、音声認
識装置の出力をポストプロセッシングすることによって
音声認識システムの性能を改善すること、 （２）、ポストプロセッシングが音声認識アルゴリズム
において何らの変更を必要とせず、かつ、システムに対
して何らの変更をも必要としないこと。

（３）、音声認識装置の出力中にパターンを抽出するニ
ューラルネットワークを用いること、（４）、前記（３
）のパターンを抽出するために音声認識装置の類似コア
を使用すること、（５）、前記（４）のパターンが音声
認識辞書中の各語間の類似性差異のマトリックス中に記
憶されていること、 （６）、前記（５）のパターンを含むように前記ユトリ
ックスをトレーニングし、前記類似性差異のパターンが
正しい認識を誤った認識に関する情報を含むようにした
こと、 （７）、音声認識装置の出力を前記ユトリックスに入力
し、実際に設けられた語を抽出することにより、音声認
識装置の性能を改善するようにしたこと、 （８）、多くの人の声を使用したユトリックスをトレー
ニングすることにより、音声従属認識システムを音声独
立認識システムに変えること、を特徴としたものである
。以下１本発明の実施例に基いて説明する。

第１図は、本発明の一実施例を説明するための構成図で
、図中、１は音声認識システム、２は類似性スコアの７
レイ、３はポストプロセッサで、要求される音声認識の
出力はＩＲ似性スコアのアレイである。ポスト・プロセ
ッサーはこれらのスコアからの情報を抽出して１つのマ
トリクスを形成する。その際に、このマトリクスは過ぎ
去ったエクスビリエンス（トレーニング・シーケンス）
に基づいて入力された語を決定するために用いられる。

このマトリクスを処理するアルゴリズムは。

いつ認識が行なわれたかを検出し、そしてこのエラーを
反転するように設計されている。そのシステム出力は話
されたワードナンバーである。これは、この際、前記イ
ンプットで前記入力と関連付けされているテキストを見
い出すために用いることができる。

第１図の音声認識システムにおいて、おこりうるインプ
ットの辞書は音声テンプレートの形で貯えられる。各々
のテンプレートはそれと関連づけられたワードナンバー
を有している０話される入力テンプレートは各々の辞書
テンプレートおよび割り当てられた類似スコアと比較さ
れる０本システムにおいては、Ａ１も高い類似性をもっ
た語は。

話された入力として戻される。このタイプのシステムに
おいては、同様に発音される語はしばしば混乱を招く、
一方、異なって発音される語は、非常に低い類似性を持
つであろう、一般的に、同じように発音される２つの語
は高い類似性を持つであろう、しかし、他の辞書テンプ
レートに対する類似性は各々の語に対して異なっている
であろう。

かくして各々の語は、大抵の場合にユニークなものとな
るであろう類似スコアのパターンを表わす。

以下に述べるポスト・プロセッサは抽出するために割り
あてられる。そしてＬ＆識クシステムエラー検出し、そ
して修正するためにこのパターンを用いる。

音声認識器出力およびポスト・プロセッサ入力は類似ス
コアの７レイである。これは、辞書の中の各々の語に対
する入力語の類似性を含む、以下の説明においては、４
ワード辞書を一例にして述べる。

音声認識システムは、まず、第一に通常の方法で訓練さ
れる。ポストプロセッサは、この時、辞書の中の各々の
語を何回もくり返し、そして類似性アレイを入力するこ
とによって訓練される。

第２図は、各々の入力（発言、発声）に対して。

類似性差異のマトリクスを示すが、ここではＳに示され
るように構成される。各々の語に対して、類似性スコア
を参照する。くり返し訓練のためにこれらの差分は集計
され平均化される。かくして、多くの訓練後にシステム
マトリクスは、辞書に対して平均的な類似性差異のため
のパターンを含む。

このマトリクスは第３図に示される。なお、第３図にお
いてＴは各々の語に対するトレーニングの数（回数）で
ある。

麦−一米 以上の説明から明らかなように、本発明によると、いく
つかの語は他の語よりも高いアベレージのスコアに戻る
ので、この際に標準化が得られる。

この場合に、提案された標準化はマトリクスの中の各々
の列をこの列の中の最大の類似性の差異で割ったものと
なる。

ここで、Ｅｉｊは１列５行に対するマトリクスエントリ
ーを表わし、また、　Ｍａｘｉ　（Ｘ）はｉ列における
Ｘの最大値を表わす。

誤認識が起こった場合、５ｉ−８ｊは負の値になること
に注目されたい、ここで、ｊは認識された語、ｉは正し
い語である。

認識のために、類似性の差異が再び計算され、そして、
各々の列における最大の差異で割られる。

この時、結果として生ずるマトリクスは加算され。

そして最も小さい合計値をもった列が正しい語を表わす
、この場合については、第４図に示す、結果として得ら
れたワードナンバーｉはＭｉｎ（Ｓｕｍｉ）の値から得
られる。

もし、多くの人々の音声がネットワークマトリクスをト
レーニングするために用いられるならば。

音声認識アルゴリズムを変えることなく、音声独立シス
テム（音声から独立したシステムを実現すること）が可
能となる。

【図面の簡単な説明】

第１図は１本発明の一実施例を説明するための構成図、
第２図は、類似性の差のマトリックスを示す図、第３図
は、辞書に対する平均類似差のマトリックスを示す図、
第４図は、最小類似差を説明するための図である。 １・・・音声認識システム、２・・・類似性スコアのア
レイ、３・・・ポストプロセッサ。 第 図 第 図 第 図 第 図

Claims (1)

1. 【特許請求の範囲】 １、音声認識装置の出力をポストプロセッシングするこ
   とによって音声認識システムの性能を改善することを特
   徴とする音声認識方式。 ２、ポストプロセッシングが音声認識アルゴリズムにお
   いて何らの変更を必要とせず、かつ、システムに対して
   何らの変更をも必要としないことを特徴とする音声認識
   方式。 ３、音声認識装置の出力中にパターンを抽出するニュー
   ラルネットワークを用いることを特徴とする音声認識方
   式。 ４、前記パターンを抽出するために音声認識装置の類似
   コアを使用することを特徴とする請求項第３項に記載の
   音声認識方式。 ５、前記パターンが音声認識辞書中の各語間の類似性差
   異のマトリックス中に記憶されていることを特徴とする
   請求項第４項に記載の音声認識方式。 ６、前記パターンを含むように前記マトリックスをトレ
   ーニングし、前記類似性差異のパターンが正しい認識と
   誤った認識に関する情報を含むようにしたことを特徴と
   する請求項第５項に記載の音声認識方式。 ７、音声認識装置の出力を前記マトリックスに入力し、
   実際に設けられた語を抽出することにより、音声認識装
   置の性能を改善するようにしたことを特徴とする音声認
   識方式。 ８、多くの人の声を使用したマトリックスをトレーニン
   グすることにより、音声従属認識システムを音声独立認
   識システムに変えることを特徴とする音声認識方式。