JPH02240700A - 音声処理装置 - 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】 〔産業上の利用分野］ この発明は、音声認識装置、特に音韻知識ベースと推論
手段を備えた音声認識装置に関する。

〔発明の概要〕

この発明は、音声ＵＷ　識装置において、母音、子音、
ホルマントの定常部、遷移部等で音声を音韻のセグメン
トに分割し、このセグメント単位で記述された音韻認識
ベースを備え、入力音声信号から抽出された音韻セグメ
ントの特徴と、音韻知識ベースの音韻セグメントの特徴
とを比較、照合し、この比較、照合の結果に基づいて音
韻候補を得るようにしたことにより、精度の高い音韻認
識を行え、人語霊、連続音声認識をできるようにしたも
のである。

〔従来の技術〕

従来の音韻認識では、入力音声のスペクトルパターンを
、標準的な音韻のスペクトルパターンと比較、照合して
認識する、いわゆるパターンマツチング〔特開昭５０−
９６１０４号公報参照〕が参照的に行われていた。しか
し、パターンマツチングでは、子音の微妙な差、例えば
＾ＴＡとＡＰＡ　、を検出することが困難であった。

そこで、これを改善するため、音韻の特徴、音韻の識別
規則等を音韻知識ベースとするエキスパートシステムに
よって音韻認識を行なう試みがなされている。

〔発明が解決しようとする課題〕

しかしながら、エキスパートシステムに於ける音韻認識
では、音韻知識ベースに対し音韻の特徴、音韻の識別規
則等をどのように記述したらよいかという問題点があっ
た。

従ってこの発明の目的は、知識ベースに対する音韻の特
徴、音韻の識別規則等の記述に改善を加えた音声認識装
置を提供することにある。

〔課題を解決するための手段〕

この発明は、母音、子音、ホルマントの定常部、遷移部
等で音声を音韻のセグメントに分割し、このセグメント
単位で記述された音韻知識ベースを備え、入力音声信号
から抽出された音韻セグメントの特徴と、音韻知識ベー
スの音韻セグメントの特徴とを比較、照合し、この比較
、照合の結果に基づいて音韻候補を得るようにした構成
としている。

〔作用〕

所定の条件に基づいて音声を音韻セグメントに分割し、
次いで、各音韻セグメント毎に特徴を求め、それを推論
手段に入力する。

一方、音韻知識ベースには、音韻セグメント単位で各音
韻の特徴が、例えば、ｉｆ−・−ｔｈｅｎ・−型のルー
ルで記述されている。推論手段では、音韻セグメント毎
の特徴と、音韻知識ベースの音韻セグメントの特徴とを
比較、照合し、これに基づいて音韻候補を得、音韻が特
定される。

この結果、精度の高い音韻認識が行え、大語粟、連続音
声認識が可能となる。

〔実施例〕

以下、この発明の一実施例について第１図乃至第８図を
参照して説明する。

第１図は、この発明に係る音声認識装置の例を示す。

入力音声がマイクロホンｌで音声信号に変換され、アン
プ２及びローパスフィルタ３を介して、Ａ／Ｄ変換回路
４に供給される。音声信号は、Ａ／Ｄ変換回路４にて、
例えば、１２．５にＨｚのサンプリング周波数で１２ビ
ツトのデジタル音声信号に変換される。このデジタル音
声信号は、音響分析回路５に供給される。

音響分析回路５は、バンドパスフィルタバンクを有する
過渡検出パラメータ生成回路５１と、音声パワーを検出
する対数パワー検出回路５２と、ゼロクロスレート演算
回路５３と、隣接サンプルの相関関係をみるための１次
のパーコール係数の演算回路５４と、パワースペクトル
の傾きの演算回路５５と、ホルマントの時間方向の変化
を求めるホルマント検出回路５６と、音声の基本周期の
検出回路５７を備える。

過渡検出パラメータは、入力音声の過渡性及び定常性を
検出するためのもので、音声スペクトルの変化量を各チ
ャンネル（周波数）の時間方向のブロック内の分散の和
として定義される。即ち、音声スペクトル５ｉ（ｎ）を
周波数方向の以下に示す平均値Ｓ　ａｖｇ　（ｎ）でゲ
インを正規化する。

ここで、ｉはチャンネル番号、ｑはチャンネル数（バン
ドパスフィルタ数）を示す。また、ｑチャンネルの各チ
ャンネルの情報は時間方向にサンプリングされるが、同
一時点のｑチャンネルの情報のブロックをフレームとい
い、ｎは認識に使用されるフレームの番号を示している
。

ゲイン正規化の行われた音声スペクトル５ｉ（ｎ）は、 Ｓ　ｉ　（ｎ）　＝　Ｓ　ｉ　（ｎ）　　Ｓ　ａｖｇ　
（ｎ）　・−−−−−（２）となる。

過渡検出パラメータＴ　（ｎ）は、そのフレームの前後
のＨフレームの合計（２Ｍ＋１）である（ｎ−Ｍ、ｎ＋
門〕ブロック内の各チャンネルの時間方向の分散の和と
して定義される。

ここで、 であり、各チャンネルのブロック内の時間方向の平均値
である。

実際的には、（ｎ　−Ｍ　＋　ｎ　＋　Ｍ　）ブロック
中心付近の変化は、音の揺らぎ或いはノイズを拾い易い
ので、過渡検出パラメータＴ　（ｎ）の計算から取り除
くこととし、第（３）式は次のように変形される。

そして、第（５）式において、−例として、ａ・１．Ｍ
・２Ｂ、　ｍ＝３．４＝３２の場合の過渡検出パラメー
タＴ　（ｎ）が求められる。例えば、「あきよ（ａｋｙ
ｏ）　Ｊという入力音声の場合、第２図Ａのような過渡
検出パラメータＴ　（ｎ）が得られる。

他のパラメータ、例えば、第２図Ｂに示される対数パワ
ー、第２図Ｃに示されるゼロクロスレート、第２図りに
示される１次のパーコール係数、第２図已に示されるパ
ワースペクトルの傾きの検出、第２図Ｈに示される基本
周期等のパラメータの演算も、過渡検出パラメータＴ　
（ｎ）　と同様に、成る時点（フレーム）を中心として
その前後にｈフレーム分の時間幅を有するウィンドーを
考え、このウィンドーを順次、１サンプル点ずつ時間方
向に移動させ、各ウィンドー内で夫々演算を行うことに
より得られる。尚、第２図Ｆ及びＪには入力音声「あき
よ（ａｋｙｏ）　Ｊの波形、第２図■にはホルマントの
遷移、そして第２図Ｇ及びＫには上述のパラメータに基
づいて得られた音韻境界候補の例を示す。第２図中、Ｆ
及びＪ、Ｇ及びＫは、他のパラメータとの比較の便宜上
、同一内容のものを重複して示している。

音響分析回路５で得られた各パラメータは、認識処理用
パラメータとして音韻認識回路８に供給され、回路５１
〜５６から出力される各パラメータはセグメンテーショ
ン用パラメータとして第１セグメンテーシゴン回路６の
特徴点抽出回路６１に供給される。

第１セグメンテーション回路６では、セグメンテーショ
ン用パラメータから音韻境界候補を求めるために、−船
釣な特徴点を抽出する。この例では、特徴点として次の
１５種類を用いる。

■立上がり点−平坦な部分から増加方向に変化する点 ■立下がり点−減少方向に変化した後、平坦になる部分
の点 ■増加変化点−増加率が変化する点 ■減少変化点−減少率が変化する点 ■ピーク点−ピークの位置 ■正のゼロクロス点−増加方向で零レベルと交差する点 ■負のゼロクロス点−減少方向で零レベルと交差する点 ０語頭、語尾（無音からの立上がり、無音への立下がり
） 、０語頭、語尾の不安定な部分から安定になる点［相］
語中の休止による無音区間への立上がりと立下がり ■子音区間←→母音区間での変化点 ＠母音区間内でホルマントの定常区間から遷移区間の始
点、または遷移区間の終点 ■子音区間内でホルマントの定常区間から遷移区間の始
点、または遷移区間の終点 ［相］ホルマントの発生する点、消失する点■ボイスバ
ーの区間の始点と終点、尚、この明細書中、ボイスバー
とは、有声子音の前に唇が閉じている状態で声帯の振動
が有る時に発生する低域の周波数成分のみからなる音声
信号をいう。

特徴点抽出回路６１では、特徴点情報記憶回路６２から
の特徴点情報を参照して各パラメータ毎に特徴点を抽出
する。第２図Ａ−Ｅの各パラメータ中、時間軸方向に幕
線で示す位置が各特徴点の位置である。

第１セグメンテーション回路６から得られ、特徴点の付
された各パラメータは、第２セグメンテーシツン回路７
に供給される。

第２セグメンテーシジン回路７は、特徴点統合処理回路
７１と、音韻境界特徴検出回路７２と、特徴点統合情報
記憶回路７３と、音韻境界特徴情報記憶回路７４とから
なる。

第１セグメンテーション回路６で求めた特徴点はパラメ
ータ毎に位置ズレ、未検出等があるので、特徴点統合処
理回路７１にて特徴点統合情報記憶回路７３からの特徴
点統合情報を参照して各パラメータの特徴点をまとめ音
韻境界候補を決定する。

尚、特徴点統合情報は、どのパラメータの特徴点を優先
するかについての情報である。

音韻境界特徴検出回路７２では、各音韻境界候補の音韻
境界特徴を求める。この例では以下の音韻境界特徴が用
いられている。

■無音からの立上がり（ＳＩＬ−Ｒ） ■子音性→母音性（Ｃ−Ｖ） ■母音性→母音性（Ｖ−Ｖ） ■母音性→母音の過渡部（Ｖ−Ｖ、Ｔ）■母音の過渡部
→子音性（Ｖ、Ｔ−Ｃ）■子音性→母音の過渡部（Ｃ−
Ｖ、Ｔ）■母音の過渡部→母音性（Ｖ、Ｔ−Ｖ）■無音
への立下がり（Ｆ　−Ｓ　ＩＬ）■有音→無音（ＳＮＤ
−３ＩＬ） ［相］子音性→子音性（Ｃ−Ｃ） ■子音性→子音の過渡部（Ｃ−Ｃ，Ｔ）■子音の過渡部
→子音性（Ｃ，Ｔ−Ｃ）音韻境界特徴情報記憶回路７４
には、これら１２種類の音韻境界特徴情報が記憶されて
おり、音韻境界特徴検出回路７２では、音韻境界特徴情
報記憶回路７４からの情報を参照して各音韻境界候補の
音韻境界特徴を検出する。

第２セグメンテーション回路７からは、音韻区間情報と
して、音韻境界候補情報と、その音韻境界特徴情報が得
られる。そして、この音韻区間情報が音韻認識回路８に
供給される。

音韻認識回路８では、音響分析回路５からの認識処理用
パラメータと、第２セグメンテーション回路７からの音
韻区間情報に基づいて音韻認識を実行する。

音韻認識回路８では、認識処理用パラメータから抽出さ
れる各音韻セグメントの音韻特徴を、音韻知識ベース〔
以下、単に知識ベースと称する〕に蓄えられている音韻
セグメントの音韻特徴と比較、照合する。そして、この
結果に基づいて音韻候補列が出力される。この過程を第
３図のフローチャートに基づいて説明する。

上述したように第１及び第２セグメンテーション回路６
．７にて音韻セグメントが形成される（ステップ１０１
）。

次いで、音韻認識回路８にて、各音韻セグメントの音韻
特徴が抽出される。具体的には、音響分析回路５からの
認識処理用パラメータの統計量に従い、ホルマントが定
常区間である音韻セグメントに於いて、調音方法が、母
音性／子音性、有声／無声、摩擦音／破裂音／鼻音等に
分類される（ステップ１０２）。

更に、音韻認識回路８内に設けられている音韻特徴ディ
テクタによって、破裂点、ボイスバー、摩擦性のエネル
ギーの集中している周波数帯域のカットオフ周波数、そ
してホルマント遷移方法等の情報が求められる（ステッ
プ１０３　）　。

以上の処理によって、各音韻セグメント毎の音韻特徴が
求められる。これに基づきｉｆ・−・−ｔｈｅｎ型の推
論が以下のような手順で行なわれる〔ステップ１０４〕
。尚、この推論に用いられる知識ベースには、ステップ
１０５にてｉｆ−・ｔｈｅｎ型のルールが記述されてい
る。また、以下の推論では必要に応じて音韻セグメント
の特徴抽出〔ステップ１０２］へ戻り、再処理を実行す
る。

■、第１の推論 ホルマント遷移方法により、先行、後続の各子音セグメ
ントの調音位置（例えば、口唇、＠茎、口蓋）を決定す
る。

ルール（１１）後続母音／ａ／に対するホルマント遷移
が、第４図に示されるような状態ならば、両唇音である
。尚、図中、Ｆｌ、Ｆ２は夫々第１ホルマント、第２ホ
ルマントを表す。

ルール（１２）後続母音／ａ／に対するホルマント遷移
が、第５図に示されるような状態ならば、歯茎台である
。

ルール（１３）後続母音／ａ／に対するホルマント遷移
が、第６図に示されるような状態ならば、口蓋音である
。尚、その他のルールは省略する。

■、第２の推論 調音方法と調音位置で子音セグメントの音韻を決定する
。

ルール（２１）調音方法が無声摩擦音で後続のホルマン
ト遷移から求まる調音位置が両唇音ならば、／ｆ／であ
る。

ルール（２２）調音方法が無声摩擦音で調音位置が歯茎
音ならば、／ｓ／である。

ルール（２３）調音方法が無声摩擦音で調音位置が口蓋
台ならば、／ｓｈ／である。

ルール（２４）調音方法が無声破裂音で調音位置が口蓋
台ならば、／に／である。

ルール（２５）調音方法が有声破裂音で調音位置が口唇
台ならば、／ｂ／である。尚、その他のルールは省略す
る。

■、第３の推論 調音方法と調音位置で音韻が特定できない時、バースト
、ボイスバー、カットオフ周波数等の音韻特徴を用いて
子音セグメントの音韻を決定する。

ルール（３１）無声破裂音でバーストが二か所以上あれ
ば、／に／である。

ルール（３２）破裂区間の長さは、／ｐ／　＜／ｌ／　
＜八／の順になる。尚、その他のルールは省略する。

■、第４の推論 母音性区間でホルマント遷移の長い区間に対して半母音
の決定を行う。

ルール（４１）後続母音１０／でホルマント遷移が、第
７図に示されるような状態ならば、子音／ｙ／である。

尚、その他のルールは省略する。

上述のｉ　ｆ−ｔ　ｈ　ｅ　ｎ型の推論によって求まっ
た音韻候補列の矛盾性のチエツク〔ステップ１０６　）
が、ステップ１０７で記述されている音韻接続知識ベー
スに基づいて行なわれる。ステップ１０６では、音韻候
補列が日本語音曲として正しく接続されているか否かの
チエツクを行う。尚、このチエツクによっても音韻候補
列を特定できない時は、前段階のステップ１０２、ステ
ップ１０４へ戻り、再処理が行なわれる。

入力音声「あきよ（ａｋｙｏ）　Ｊを例にして、上述の
推論を説明する。

■、音韻セグメンテーションされた後、前述した各種パ
ラメータにて調音方法が分類される。

第２図Ｇ、Ｋに示される音韻境界候補の音韻境界特徴が
以下のように規定される。

■（ＳＩＬ−Ｒ）　〜（Ｃ−Ｖ）　　　子音性　有声■
（Ｃ−Ｖ）〜（Ｖ−Ｖ、Ｔ）　　母音性　有声■（Ｖ−
Ｖ、　Ｔ）　〜（Ｖ、Ｔ−３ＩＬ）　　母音性有声 ■（Ｖ、Ｔ−３ＩＬ）〜（ＳＮＤ−ＳＩＬ）子音性無声 ■（ＳＮＤ−３ＩＬ）〜（ＳＩＬ−Ｒ）　　無音■（Ｓ
ＩＬ−Ｒ）　〜（Ｃ−Ｖ、Ｔ）子音性　無声（破裂、バ
ースト２つ） ■（Ｃ−Ｖ、Ｔ）〜（Ｖ、Ｔ−Ｖ）母音性　有声■（Ｖ
、Ｔ−Ｖ）〜（Ｆ−３ＩＬ）母音性　有声■（Ｆ−３Ｉ
Ｌ）〜（ＳＮＤ−３ＩＬ）子音性　無声１１、　　（Ｖ
−Ｖ、Ｔ）〜（Ｖ、　Ｔ−３ＩＬ）間のホルマント遷移
の先行母音が／ａ／なので、第８図に示されるホルマン
ト遷移、及びルール（１３）から後続の子音は口蓋台と
なる。

ＩＩｌ、　　（ＳｒＬ−Ｒ−Ｃ−Ｖ、　Ｔ）の音韻セグ
メントは、ルール（２４）の破裂音と口蓋台の特徴から
７ｋｌとなる。

ＩＶ、　　（Ｃ−Ｖ、　Ｔ　〜Ｖ、　Ｔ−Ｖ）　（７）
セグメントは、ホルマントの遷移区間が長いので、半母
音のチエツクを行う、この結果、ルール（４１）のホル
マント遷移と同じなので、子音／ｙ／となる。

７０以上の推論により、音韻認識回路８からは、／ａ／
＋／に／＋／ｙ／＋１０／の音韻候補列が出力される。

このように、入力音声信号に基づいて形成される音韻セ
グメントの音韻特徴と、知識ベースに改善して記述され
ている音韻セグメントの音韻特徴とを比較、照合し音［
ｙ２識しているので、精度の高い音韻認識を行え、大語
霊、連続音声認識が可能となる。

〔発明の効果〕

この発明によれば、音韻知識ベースに対する音韻の特徴
、音韻の識別規則等の記述を改善し、入力音声信号から
抽出された音韻セグメントの特徴と、音韻知識ベースに
記述されている音韻セグメントの特徴とを比較、照合し
音ｎ認識しているので、精度の高い音ｆｌ＃Ｘ１ｌｋを
行うことができ、大語霊、連続音声認識が可能になると
いう効果がある。

【図面の簡単な説明】

第１図はこの発明の一実施例を示すブロック図、第２図
は夫々パラメータの波形図、第３図は推論の手順を示す
フローチャート、第４図乃至第８図は夫々ホルマント遷
移のパターンを示す説明図である。 図面における主要な符号の説明 ５：音響分析回路、６：第１セグメンテーション回路、
７：第２セグメンテーション回路、８：音韻認識回路。

Claims (1)

【特許請求の範囲】
1. 母音、子音、ホルマントの定常部、遷移部等で音声を音
   韻のセグメントに分割し、このセグメント単位で記述さ
   れた音韻知識ベースを備え、入力音声信号から抽出され
   た上記音韻セグメントの特徴と、上記音韻知識ベースの
   音韻セグメントの特徴とを比較、照合し、この比較、照
   合の結果に基づいて音韻候補を得る音声認識装置。