JPH02212897A

JPH02212897A - 音声認識方式

Info

Publication number: JPH02212897A
Application number: JP1034766A
Authority: JP
Inventors: Junichiro Fujimoto; 潤一郎藤本
Original assignee: Ricoh Co Ltd
Current assignee: Ricoh Co Ltd
Priority date: 1989-02-13
Filing date: 1989-02-13
Publication date: 1990-08-24

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】投夏分災本発明は、音声認識、より詳細には、音声認識装置にお
ける音声の再生に関するものである。

に来１権利用者があらかじめ音声を登録してから使う、いわゆる
特定話者音声認識装置ではトレーニングによって、でき
た標準パターンの質が認識能力を左右する。標準パター
ンの作成時と認識時では発声の違いがないか、Ｗ準パタ
ーンにノイズ等がついて異常なパターンとして！１０さ
れているのではないかということが非常に重要である。

例えば、特開昭５９−２０１１４１号公報に示されるよ
うに、登録する時に、自分が登録の為に発声した声を聞
返しながら正常かどうかを判断するものもある。この方
法は正常な標準パターンを登録するのには有効である。

しかし、長い単語をそのまま登録する場合や、それを短
く省略して登録しておく場合がある。例えば、「ムステ
ィスラフ・ロストロボーヴイッチ」という単語を「ムス
ティス」とか「ロスドロ」のように登録した場合。

何日か後にはどのような登録の仕方をしたのか分からな
くなってしまうことが多い。仮に、「ムスティスラフ・
ロストロポーヴイッチ」と言ってみて、正確に認識しな
い時は標準パターンとしての登録の仕方が違っているの
か、それとも、登録の仕方は合っているが誤ｔ１！！ｍ
したものかの判断がつかず、利用者が正確にＢ！！させ
る為にはどのようにしたらよいのかがわからなくなって
しまう。

そこで特開昭５７−８６９７９号公報のように音声をｔ
ｈ１汗しておく方法もあるが、音声認識の目的以外に大
きなメモリーや再生の為の装置が必要となってくる。

また１次に考えられることは、音声認識ｍの標準パター
ンを使って登録時の音を再現することであるが、標準パ
ターンのデータ量を少なくする為に２値化処理したデー
タを使う方法（第１０回。

ｉａ　報ＪＩ、ａとその応用シンポジウム、Ｎｏ、１９
−２１．１９８７．ｐｐ、４７５−４８０）で！！！諏
するような場合、このパターンから音声を再現するには
データ量が少なすぎるという欠点があった。

且−一匁本発明は、上述のごとき実情に鑑みてなされたもので、
音声認識装置において登録時の音声を示し、利用者に登
録時の発声を思い出させることにより認ｍ精度を向上さ
せることを目的とするものであり、特に、ｆ声認識方式
として、２値化処理したデータを使う方法が使われてい
る場合に、登録されているデータに音声の情報量を付加
するような方法を提供することを目的とするものであ机豫−一双本発明は、上記目的を達成するために、音声を周波数分
析して、それを２値化し、標準パターンを作成し、さら
に、２値化する前のデータから周波数の高域、低域の成
分の分布情報を付加して特徴パターンとして用いる音声
認識方式において。

パルス音源と１！！音性の音源を持ち、前記周波数の高
域、低域の成分の分布情報に従ってこれらの音源を選択
して使用するようにしたうえで、音源からの信号を周波
数成分の低い部分が再生音にケえる影響が大きくなるよ
うに変調して可＠音を合成する部分を備えたことを特徴
としたものであり、更には、上記音声認識方式において
、雑音性の音源が周波数の高い領域で低い領域よりレベ
ルが低くなるような周波数特性を持つようなものを使用
することを特徴としたものである。以下１本発明の実＃
ｉｆｓに基づいて説明する。

第１図は、本発明の詳細な説明するための構成図で１図
中、１は音響／を気信号変換器、２は音声分析部、３は
スイッチ、４は＃置部、５は認識部、６は再生部、７は
出力、８は電気信号／音響変換器で、スイッチ３によっ
て辞書の登録モード（ａ側）と！！識モード（ｂ側）が
選択できるようになっている。この方式は特定話者方式
と呼ばれている認識装置の利用者があらかじめ自分の音
声で装置をトレーニングしてから使うものを想定してお
り、トレーニングが不用な不特定話者認識装置では辞書
の登録モードはいらない、どちらの方式であっても１本
発明は使えるが、ここでは先に述べたように特定話者音
声認識方式で話を進める。

第２図は、第１図に示した音響／ｆｉ！気信号変換器１
と音声分析部２の詳細図で１本発明の中心は再生部６に
あるが、まず、第２図を参照して音響／電気信号変換器
と音声分析部を詳しく説明−する。

音’！Ｆ／ｆ！！気信号変換器１として一般的なのはマ
イクロフォンである。その出力をマイクアンプＡにて増
ギし、フィルタ群Ｆ１〜Ｆ！ｓへ印加せしめる。

このフィルタ群は共振先鋭度のゆるやかなバンドパスフ
ィルタが１５個並べら九でいるが、その共振先鋭度や個
数、特性には大した。意味はない、３１１常１５０〜１
５０００Ｈｚがカバーされる程度の帯域を持つように配
置しておくことが望ましい。

各フィルターの出力を整流器Ｒ工〜Ｒ工、にて整流して
周波数順にレベルの大きさとして記録パターンを作って
いく。

次に、第３図を参照しながらこのパターンから周波数の
高域、低域の成分の分布情ｆｕをとって２値化するやり
方について説明する。整流して周波数順に並べたパター
ンは、第３図（’　ａ　）のようになっている、ただし
、第３図（ａ）では１５個のデータがディスクリートに
並ぶべきであるが、ここでは便宜上１５個を連続量とし
て表しである。

このデータで最小２乗直線部９にて最小２東直線を引い
て直線部を各データから差グ１〈ことで第３図（ｂ）が
得られる。音声データに音源特性を補正する為に最小２
乗直線を引くやり方は、三輪。

城戸著音響学会音声研究会資料５７９−２４（１９７９
）その他に詳しく述べられている。第３図（ｂ）の中の
正側の山のピークを中心にして「１」とし、他を「０」
として２値化部１０にて２値化パターンを作ると、第３
図（ｃ）が得られる。つまり、２値化した１５個のデー
タとなるれけである。この時の最小２乗直線の傾きが正
であるか負であるかをそれぞれｒＯＪ、ｒｌＪで表現し
て１５個のデータのつぎに１６番目のデータとしてつけ
る。

第４図は、第１図に示した再生部の詳細図で。

１５個のデータを周波数の低い方から順に１チヤンネル
（ｌｃｈ）、２チヤンネル（２ｃｈ）、・＝ｎチャンネ
ル（ｎ　　ｃｈ）のデータと呼ぶことにする。音源はパ
ルスが３〜５ミリ秒間隔で発生されるパルス音源１２と
白色雑音に近い雑音を発生する雑音ｉ！！１３にフィル
タＦ、で特性づけしたものを用い、スイッチＳ０によっ
てどちらかの音源が選択され、その音源からの信号がス
イッチＳ工〜Ｓ　ｘｓを通過後フィルタＦ工〜Ｆよ、に
印加される。

この１５個のフィルタは第２図に示した音声の分析時に
使ったものをそのまま使うか、あるいは同等のものを別
に用意しておいてもよい、フィルタの後段には各チャン
ネルに掛は算器Ｍ１〜Ｍ１．をつけ、標準パターンの各
チャンネルの値が積算される。その後にアンプがつけら
れており、これらのアンプは夫々増幅率が高い周波数は
ど大きく設定されている。設定の仕方は例えば６ｄＢ１
０ｃｔ、位にすればよい、これらのアンプの出力は加算
器で加え合わせられて音声再生出力信号として出力され
る。

一方、雑音源の所に付けたフィルターの特性は先のアン
プの逆特性になるようにしておくことが望ましく、この
例では第５図に示すごとく、−６ｄ　Ｂ　／　ｏ　ｃ　
ｔ　、程度の傾斜の直線上に乗るようにすればよい、こ
九はもとのパターンで説明するなら第６図（ａ）のよう
な２値化される時に失った音源特性の情報を各アンプの
増幅率を音源特性に近いものに合わせることによって（
ｂ）のようなもとに近い波形を作りだすことになる。し
かしこうすることで他方の雑音性音源も周波数の低い方
が高域より持上がってしまう為これをフィルタＦ０．に
よって、第７図に示すように、あらかじめ補正する。ま
た、この音源の選択はスイッチＳＸＳによってル制御し
ており、スイッチＳＬ、は１６チヤンネル目のデータに
よって＃御する。１６チヤンネル目のデータが「１」の
場合はパルス音１１２を、「０」の場合には雑音ｇ１３
を利用する。これによって２１化する際に失われていた
音源の特性を元に近い状態に戻すことができる。

このほかα識部、Ｈ！ｌ力部はとくに本発明では限定す
るものではなく１例えば認識にはＤＰマツチングのよう
なものでもよい、しかし、２値化データの情報付加に有
効であることから、先にあげた第１０回、情報理論とそ
の応用シンポジウム・。

Ｎｏ、１９−２１，１９８７．ｐｐ、４７５−４８０に
述べられている方法に従うと、さらに有効である。出力
部は信号増幅の為のアンプとスピーカ等で構成されるの
が普通である。

夏−一来以上の説明から明らかなように、本発明によると、−度
失った音源の情報を近似的に付加して音声を再生できる
ため、音声認識用の１９書に登録された声をｕＦＪ直す
ことができるようになった。このため音声の登録時の自
分の発声のしかたや登録内容を思いだすことができ、認
識させやすい！ｚ識装置を実現することができるように
なった。

なお、ここでは認識精度を向上させる為に登録時の発声
を思いだすことを例にして述べてきたが。

これは発声を思いだす為だけではなく、ｔｖｍ装置が認
識したＮ果を可聴な信号として出力させて。

利用者に提供する為にも使える。

【図面の簡単な説明】

第１図は、本発明の詳細な説明するための構成図、第２
図は、第１図に示した音ＩＩＩ／電気信号変換部１及び
音声分析部２の詳ＨＪ図、第３図は、２値化の一例を説
明するための図、第４図は、第１図に示した再生部６の
詳細図、第５図は、各アンプに固有のＪＶ幅率を与える
与え方を説明するための図、第６図は、２値化信号の再
生の仕方の例を説明するための図で、第７１１は、フィ
ルターＦ□の特性例を示す図である。１・・・音？／電気信号変換器、２・・・音声分析部、
３・・・スイッチ、４・・・辞書部、５・・・認識部、
６・・・再生部、７・・・出力、８・・・電気信号／音
響変換器、９・・・最小２乗直線部、１０・・・２値化
部、１１・・・加算部。１２・・・パルス音源、１３・・・雑音源。特許出願人　　株式会社　リコー蔦図第図Ｅ墳１１２

Claims

【特許請求の範囲】

１、音声を周波数分析し、２値化して標準パターンを作
成し、さらに、２値化する前のデータから周波数の高域
、低域の成分の分布情報を付加して特徴パターンとして
用いる音声認識方式において、パルス音源と雑音性の音
源を持ち、前記周波数の高域、低域の成分の分布情報に
従ってこれらの音源を選択して使用するようにしたうえ
で、音源からの信号を周波数成分の低い部分が再生音に
与える影響が大きくなるように変調して可聴音を合成す
る部分を備えたことを特徴とする音声認識方式。