JPH02287398A - 音声認識方式及び音声認識装置 - 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】 致夏公立 本発明は、音声認識方式及び音声認識装置に関する。

従ＪＪＩ 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、標準パタ
ーンにノイズ等がついて、異常なパターンとして登録さ
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である。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」と言う単語を「ムス
テイス」とか「ロスドロ」のように登録した場合、何日
か後にはどの様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
ロポーヴイッチノと言ってみて。

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、誤認識したものかの判断がつかず、利用者が正確に
認識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録
音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、次に考えられることは、音声認識用の標準パター
ンを使って登録時の音を再現することであるが、ａ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「ファジィパターンマツチングを用いた不
特定話者単語音声認識」　（第１０回　情報理論とその
応用シンポジウム　予稿集　１９８７　　Ｎｏｖ、１９
−２１．ｐ。

４７５〜４８０）で認識するような場合にこのパターン
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−一孜 本発明は、上述のごとき欠点を解決するためになされた
もので、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識精度を向上させることにあ
る。

特に、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
るような音声認識方法及び音声認識装置を提供すること
を目的としてなされたものである。

復−一或 本発明は、上記目的を達成するために、（１）音声を周
波数分析して２値化し１次に、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１周波数分析器のインパルス応答
波形を保持する部分を有し、該波形を音声認識に用いる
ために保持したデータの分布情報に従って各周波数成分
のレベルを補正した後、それらの和を出力して可聴音と
なす部分を備えた音声認識方式であること。

或いは、（２）前記請求項１項に記載の音声認識方式を
用いた音声認識装置であ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づいて説明する。

第１図は、本発明による音声認識方式及びその方式を用
いた音声認識装置の一実施例を説明するための構成図で
、図中、１は音響／１を気信号変換器、２は音声分析部
、３は辞書部、４は認識部。

５は出力部、６は再生部、７は電気／音響信号変換器で
ある。

第１図は、音響／電気信号変換器１と、音声分析部２と
、標準パターンが格納されている辞書部３と、認識部４
と、再生部６と、出力部５と、電気／音響信号変換器７
とからなり、スイッチによって辞書の登録モードと認識
モード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音声認識
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、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について説明する。

第２図は、音１１Ｉ！／電気信号変換器と、音声分析部
を示す図で１図中、８はマイクアンプ、９はフィルタ、
１０は整流器、１１は最小自乗直線化装置、１２は２値
化装置である。音響／電気信号変換器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８にて増幅し、フィルタ群９へ
印加せしめる。このフィルタ群９は共振先鋭度のゆるや
かなバンドパスフィルタが１５個並入られているが、そ
の共振先鋭度や個数、特性には大した意味はない。通常
、１５０〜１５０００Ｈｚ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１０により整流して周波数ｊｌ＠にレベ
ルの大きさとして記録してパターンを作っていく。

次に、このパターンから周波数の高域、低域の成分の分
布情報をとって２値化するやり方を第３図（ａ）〜（ｃ
）に従って説明する。整流して周波数順に並べたパター
ンは（ａ）のようになっている。ただし、（３）では１
５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
ータで最小自乗直線を引いて直線分を各データから差引
くことで、（ｂ）が得られる。音声データに音源特性を
補正する為に最小自乗直線を引くやり方は、「音響学会
音声研究会資料」　（三輪、城戸著　５７９−２４．１
９７９）その他に詳しく述べられている。（ｂ）の中の
正側の山のピークを中心にして「１」とし、他をｒＱＪ
として２値化パターンを作ると（ｃ）が得られる。つま
り、２値化した１５個のデータとなるわけである。この
時の最小自乗直線の傾きが正であるか負であるかをそれ
ぞれｒＱＪ、「１」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図は再生部を示す図である。メモリー１からメモリ
ー１５には先に周波数分析した時の１５個のバンドパス
フィルターのインパルス応答波形がサンプルされて格納
されている。図の上方の１ａｈから１５　ｃ　ｈは音声
認識用のデータの信号に対応しており、これを掛けるこ
とによってこのバンドパスフィルターに音声認識用にデ
ータに示される大きさのインパルスが入力された時の出
力を得ることができる。このような１５個のバンドパス
フィルターの出力の和をとることによって認識用のデー
タに記録された音声を再現することができ、これを聞取
ることができる。メモリー１からメモリー１５のデータ
は一定の時間長しかないので、これを繰返して掛は算器
に印加せしめると良い。

このほか！３！識部、出力部はとくに本発明では限定す
るものではなく、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、前述の文献「ファジィパターンマツ
チングを用いた不特定話者単語音声認識」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。

効二一−スー 以上の説明から明らかなように１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、音声認識用の辞書に登録された声を聞直すことが
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出すことができ、認識させ
やすいＬ！２ｍ装置を実現することができるようになっ
た。

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本発明を述べてきたが、これは発声
を思いだす為だけではなく、認識装置が認識した結果を
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１本発明による音声認識方式及びその方式を用
いた音声認識装置の一実施例を説明するための構成図、
第２図は、音響／電気信号変換器と音声分析部を示す図
、第３図（ａ）〜（Ｑ）は、２値化の方法を説明するた
めの図、第４図は、再生部を示す図である。 １・・・音響／電気信号変換器、２・・・音声分析部、
３・・・辞書部、４・・・認識部、５・・・出力部、６
・・・再生部、７・・・電気／音響信号変換器。

Claims (1)

1. 【特許請求の範囲】 １、音声を周波数分析して２値化し、次に、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、周波数分析器のイ
   ンパルス応答波形を保持する部分を有し、該波形を音声
   認識に用いるために保持したデータの分布情報に従って
   各周波数成分のレベルを補正した後、それらの和を出力
   して可聴音となす部分を備えたことを特徴とする音声認
   識方式。 ２、前記請求項１項に記載の音声認識方式を用いたこと
   を特徴とする音声認識装置。