JPH0261700A

JPH0261700A - 音声認識装置

Info

Publication number: JPH0261700A
Application number: JP63213405A
Authority: JP
Inventors: Takeshi Nishibe; 西部　毅; Seiko Ishikawa; 石川　せい子
Original assignee: Brother Industries Ltd
Current assignee: Brother Industries Ltd
Priority date: 1988-08-27
Filing date: 1988-08-27
Publication date: 1990-03-01

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］本発明は、音声ワープロなどに用いられる音声認識装置
に関する。

［従来の技術］音声認識装置において、音素単位で認識を行う場合、各
音素の認識結果の第１位候補を単につなげただけでは、
正しく語句を音声認識できる可能性は低い。なぜなら、
例えば、各音素の認識率が９５％であったとしても、そ
れから計算した音節の認識率は（０，９５）　２＝０．
９０となり、更に、４音節発生したとすると、全体の認
識率は、　（（０，９５）”　）’　＝０．６６となり
、かなり低いものとなってしまうからである。

そこで、従来各音素毎の候補を一つに紋らず、複数個出
力することによって、正解率をあげるようにしている。

［発明が解決しようとする課題］しかしながら、そのように、各音素毎の候補を複数個出
力することにすると、その各候補同士の組合せ数は膨大
な数にのぼることになり、その後のかな漢字変換などの
処理に使う際、事実上処理時間が掛かりすぎるという課
題がある。

更に、発生が連続音声の場合には、調音結合などの影響
により各音素毎に複数の候補をあげても、その中に正解
がない場合があり、また各音素の切り出し自体が正しく
できない場合もあるので、そのままでは正確なかな漢字
変換が出来ないという課題もある。

本発明は、このような従来の音声認識装置の課題を解決
した音声認識装置を提供することを目的とする。

［課題を解決するための手段］請求項１の本発明は、音声を入力する入力手段と、音素
毎に作成された標準パターンを記憶した標準パターン記
憶手段と、前記入力手段から入力された音声と前記標準
パターン記憶手段に記憶された標準パターンとを比較し
、標準パターンとのマツチング度を計算し、音素毎の候
補を選び出す音声認識部と、過去の音声認識経験から導
かれた認識ルールを集めたルール辞書記憶手段と、その
ルール辞書記憶手段のルールを参照しながら、前記音声
認識部により選び出された音素毎の候補に、更に他の候
補を追加する音素処理部とを備えたものである。

請求項２の本発明は、音声を入力する入力手段と、音素
毎に作成された標準パターンを記憶した標準パターン記
憶手段と、前記入力手段から入力された音声と前記標準
パターン記憶手段に記憶された標準パターンとを比較し
、標準パターンとのマツチング度を計算し、音素毎の候
補を選び出す音声認識部と、その音声認識部により選び
出された候補を組合せ、その組み合わされた種々の単語
と予め用意された単語辞書の毛語とを比較し、単語辞書
内に、対応する単語がある場合はその単語を出力するク
ラスタリング部と、航記音声認識部で計算された少なく
とも音素毎のマツチング度に基づき、前記クラスタリン
グ部により選ばれた候補単語から更に適切な単語を選択
する単語ＤＰマツチング部とを備えたものである。

［作用］請求項１の本発明は、標準パターン記憶手段に予め音素
毎に作成された標準パターンを記憶し、入力手段によっ
て音声を入力し、音声認識部によって、入力された音声
と前記標準パターンとを比較して標準パターンとのマツ
チング度を計算して音素毎の候補を選び出し、音素処理
部によって、過去の音声認識経験から導かれた認識ルー
ルを集めたルール辞書記憶手段を参照しながら、前記音
声認識部により選び出された音素毎の候補に、更に他の
候補を特徴する請求項２の本発明は、標準パターン記憶手段に予め音素
毎に作成された標準パターンを記憶し、入力手段によっ
て音声を入力し、音声認識部によって、入力された音声
と前記標準パターンとを比較して標準パターンとのマツ
チング度を計算し、音素毎の候補を選び出し、クラスタ
リング部によって、音声認識部により選び出された候補
を組合せ、その組み合わされた種々の単語と予め用意さ
れた単語辞書の単語とを比較し、一致する場合は、その
単語を出力し、単語ＤＰマツチング部によって、前記音
声認識部で計算された少なくとも音素毎マツチング度に
基づき、前記クラスタリング部により選ばれた候補単語
から更に適切な単語を選択する。

［実施例］以下に、本発明をその実施例を示す図面に基づいて説明
する。

第１図は、本発明にかかる音声認識装置の一実施例を示
すブロック図である。

標準パターン記憶手段３は、各種音素の標準パターン波
形を記憶したＲＯＭ　（読み取り専用メモリ）等の手段
である。

音声認識部２は、入力手段１のマイクから入力された音
声と、前記標準パターン記憶手段３の標準パターンを比
較して照合し、音素毎に標準パターンとのマツチング度
（距離）を計算し、マツチング度の高いものを音素候補
とする手段である。

例えば、子音については第４位まで、母音については第
１位又は第２位までを候補とする。更に、母音について
は曖昧さを示すフラグも候補に付す。

ルール辞書記憶手段５は、過去の音声認識における分析
経験から得られたルールを記憶したＲＯＭである。

音素処理部４は、前記ルール辞書記憶手段５の各種ルー
ルを参照しながら、前記音声認識部２によって選ばれた
音素毎の候補に、他の候補を必要に応じて追加する手段
である。

クラスタリング部６は、前記音素処理部４で選択された
音素毎の候補について、互いに組み合わせる。更にその
組み合わせた各音素候補列（単語）が、後述するかな漢
字変換辞書から抽出された単語辞１１（単語辞書記憶手
段７に記憶されている）の中の単語に該当するかどうか
を調べ、該当する単語がある場合は、その単語を音素候
補列として出力する手段である。

単語間ＤＰ部８は、前記母音候補についている曖昧フラ
グの状態と、前記標準パターンのマツチング度（距離）
とを用いて、前記クラスタリング部から出力された候補
単語のマツチング度を計算する手段である。そして、マ
ツチング度が高いと判断された単語は、次のかな漢字変
換部９に渡される。

かな漢字変換部９は、かな漢字変換辞書を用いて、単語
間ＤＰ部８から送られてきたかなについて、かな漢字変
換を行うと共に、入力音声に対する出力結果としての妥
当性（コスト）の計算を行い、妥当性の高いと判断され
たものを出力する手段である。

次に１、Ｌ記実施例の動作を、　「こうばの」という文
節を音声入力した場合を例にとって説明する。

第２図は、入力手段ｌから「こうばの」という文節を音
声入力した場合、前記音声認識部２から出力されたもの
である。　「こうばの」の「こう」の部分は実際にはｒ
ｋｏ−ＪとｒＯＪ母音を長く延ばして発音しているので
連母音フラグ「４」がつけられている。即ち、その曖昧
フラグ「４」の意味は、第３図に示す通り、連母音の可
能性ありという意味である。また、　「の」の部分のｒ
ｎＪ子音は、　「ン」と誤認識されることがあるため、
この場合は、　「の」ｌ音節外が［零Ｎｇｏ］の様に２
音節分に分かれて認識されている。しかし、この［零Ｎ
］については曖昧フラグ「２」がつけられている。その
意味は、付加の可能性があるという意味である。

第２図に示す音素候補の表記法の意味は次の通りである
。

即ち、音素候補は、日本語をローマ字表示した場合の各
子音・母音の表記に原則として準じている。但し、　「
ン」については、大文字「Ｎ」で示し、またア行及び「
ン」の子音部分に当たる箇所には「木」が記入されてい
る。

音素処理部４は、第２図に示すような音素毎の候補を入
力し、ルール辞書に基づいて、処理する。

第４図は、その結果を示すものである。過去の音声分析
経験からみて、連母音フラグのついたｒＯＪ音にはｒｏ
＊ｕ」、　「０本０」という候補が追加され、また、付
加フラグのついたｒＪＪ］音と次の母音候補から考えて
、音声認識では２音節分と判断されている部分に対して
、　ｒ　ｍ　ｏ　］、　ｒｎＯＪというｌ音節外の候補
が追加される。このほか、子音は、連続発声した場合、
前後の母音の影響を受けて変化し易く、４つの候補の中
に、正解が入っていない場合もあるので、図のように子
音候補の追加も行う。

音声認識部２により出力された第２図の音素候補と、音
素処理部４により出力された第４図の音素候補とを比較
すると、第２図の候補は、どのように組み合わせたとし
ても、入力された「こうばの」の正しいかな列は得られ
ない。しかし、第４図の候補は、組合せ次第では「こう
ばの」が得られうろことになる。

第５図は、前記クラスタリング部６において、音素処理
部４から出力された音素候補について、あらゆる組合せ
を作り、単語辞書中に含まれるものを捜す。同図に於て
、抽出された単語の左側に記された数字は、その組合せ
の仕方を示すもので、音声認識部２により得られた結果
の同音節目から同音節目に当たる部分から抽出した単語
であることを示すためのものである。本実施例において
は、音声入力は文節毎に行われるので、入力音声中の単
語数は一定ではなく、又文節中で同音節目から単語が始
まるのかを限定できるものでもない。このため、クラス
タリング部６は、文節中の単語数、及び各単語の文字数
及び各単語の位置については制限を与えずに、単語を抽
出するようにしている。

その左側に示された数字は、単語間ＤＰ部８及びかな漢
字変換部９において、使用される。

第６図は、単語間ＤＰ部８でのＤＰＰマツチング様子を
、クラスタリング部６から候冨として出力される第５図
に示す種々の言葉のうち、　「こうば」という単語を例
に取って図示したものである。

「こうば」は、認識結果の第１．２音節目（第５図の１
−２参照）に相当する部分から出て来た一つのｍ語候補
であるので、ＤＰＰマツチング使用するマツチング度も
この部分のマツチング度を用いる。即ち、前記音声認識
部２より渡された音素毎の各標準パターンとのマツチン
グ度（距離）を第６図に示すＤＰマツチング用子テーブ
ル各空欄に入れ、ＤＰＰマツチング行う。同様のＤＰＰ
マツチング、第！、２音節の他の単語候補「こうぼ」、
　「こな」、　「こま」　・・・についても行う。

そして、得られたマツチング度の最も高い単語候補をそ
の１−２音節に関する代表とする。この場合は「こうば
」となる。

このようにして、　１１音節、１−２音節、１３音節、
・・・　２−２音節、２−３音節・・・についてそれぞ
れ最大５個までの代表晰語候補を選ぶ。

なお、母音に曖昧フラグがついている場合は、前記ＤＰ
マツチング用子テーブル各空欄に上述したマツチング度
を入れず、それに代えて、特殊な値を入れる場合がある
。− 第７図及び第８図はその特殊処理の流れを示すフローチ
ャートである。

第７図は、脱落フラグと付加フラグと連母音フラグの曖
昧フラグ位置の吠況を判断するためのフローチャートで
ある。

例えば、脱落フラグｒｌＪの処理を例にとって説明する
。

そもそも脱落フラグ「１」は、次のような場合に付加さ
れる。

第９図（ａ）に示すように、例えば「ふそく」と発声し
た場合の音声波形がマイク１から入力されたとする。

音声認識部２においては、第９図（ｂ）に示す様に、先
ず音声区間（Ａ）を検出し、次に母音区間（Ｂ）を検出
し、その母音を認識する。入力された「ふそく」につい
ては、　「ふ」の”Ｕ′が母音として検出できなかった
とする。

次に、母音区間（Ｂ）の残りの区間を子音（Ｃ）とし、
子音認識を行う。そのようにして母音、子音候補が、第
９図（Ｃ）に示すようにあげられる（第２図参照）。と
ころで、子音区間（Ｃ）のうち、☆部分の区間は一つの
子音としては長すぎる。

そこで、間に母音があるのかも知れないので、脱落フラ
グ「１」をオンとする。脱落区間の子音をＣ１母音を■
で示す。また、この区間の子音は、前半は”ｈ′で、後
半は′ｓ′であるため、子音候補として、この両方がで
る可能性がある。

このようにして、脱落フラグ「１」が付加された音声認
識結果について、単語間ＤＰ部８により、第７図に示す
ように、脱落フラグ「ｌ」がオンであるので（ステップ
Ｓｌ）、次に「フラグの位置に文字が無い可能性」を調
べる（ステップＳ２）。

即ち、候補となるかな文字列を作り出すときに、脱落フ
ラグの文字位置に、文字がある場合と、ない場合の両方
について処理を行う。従って、　「ふそく」に対する候
補としては、２文字のものと３文字のものが上がる。候
補が２文字のときは、脱落フラグの文字位置に文字はな
いと判断して処理したときなので、判断はＹＥＳとなり
、ｃｈｋに１が代入される（ステップＳ３）。

「次の文字の子音は、この位置の子音に対するもの」　
（ステップＳ４）では、「ふそく」の第１文字の正しい
認識結果′ｈ゛は、脱落フラグの次の文字に現れる可能
性がある。このような場合、辞書引きによフて得られた
単語候補の第１文字目の子音が、第２文字目の子音の音
声認識結果の中で上位にくる。このときこの判断はＹＥ
Ｓとなり（ステップＳ４）、ｃ　ｈ　ｋには２が代入さ
れる（ステップＳ５）。

「フラグの位置は促音の可能性」　（ステップＳ６）で
は、促音は無音区間であり、母音と母音の間にかなり長
い時間間隔があるので、脱落フラグがつくこともある（
促音は専用のフラグを持っているが、脱落として判断さ
れる場合もある）。ルール辞書には、この事実も登録さ
れているので脱落フラグの位置に当たるところに、　「
ツ」が入った単語も候補としてあがる。小さい「ツ」の
後の子音は限られている（１（、ＳＳ　　ｔ、　　ｐ）
ので、脱落フラグのついている次の文字の候補にこれら
の子音があり、フラグの位置に対する文字が小さい「ツ
」のとき、この判断はＹＥＳとなり（ステップＳ６）、
ｃｈｋには３が代入される（ステップＳ７）。

このようにして、付加フラグや連母音フラグについても
、その位置の状況が判断され、その結果がｃｈｋに代入
される。

第８図は、このようにして、フラグ位置の状況が判断さ
れた結果ｃｈｋを利用して、ＤＰマツチングテーブルの
各欄を補正する様子を示す。

同図において、脱落フラグｒｌＪがオンであるので（ス
テップＳｔ）、次にステップ８２〜Ｓ５において、ｃ　
ｈ　ｋの内容がチエツクされ、各々に応じた前記ＤＰマ
ツチングテーブルの補正が行われる（ステップ８６〜Ｓ
９）。

なお、ステップＳ６において、子、母は、辞書よりの単
語の子音、母音を意味し、Ｃ９■は、脱落フラグの位置
の子音、母音である。Ｃ，Ｖはフラグのついていない認
識結果であり、Ｃは子音、■は母音である。１．０１０
．５は、この処理によって入れられるマツチング度の値
である。１．０又は０．５の一値が入れられる。

ステップＳ７において、Ｃ−子１は、脱落フラグの次の
文字の認識結果の中の子１に対するもの。Ｃ−子２は、
脱落フラグ用の子音のスコアの中の子２に対するものく
脱落位置については認識結果がないので、予め数（ｌσ
を子音、母音とも用意しておく）。

ステップＳ８において、子、母は、小さな「ツ」である
。

ステップＳ９において、　（ｃ）、　　（ｖ）は、ＤＰ
マツチングには直接関与しない位置の子音、母音、　（
ｃ）−子は、次の文字の認ｌ結果の中の子に対するもの
である。太線は、実際のＤＰマツチングのときのマトリ
ックスの終端（単語候補が発声の途中までに対するもの
であるとき）を示す。

ステップＳＩＯにおいて、　（Ｃ）、　（Ｖ）は、ＤＰ
マツチングに直接関与しない位置の脱落フラグのついた
子音、母音、　（Ｃ）−子は、脱落フラグ用の子音のス
コアの中で子に対するものである。

太線は、実際のＤＰマツチングのときの始端（単語候補
が発声の途中からに対するものであるとき）である。

ステップＳｌｌにおいて、　「Ｖ付」とは、付加フラグ
オンの母音候補、１．３☆は、１．３をＤＰマツチング
テーブルに入れた後この前後の子音の認識結果から判断
した補正を行う意味である。

ステップＳ１３において、ｃ　ｔ　、　　ｖ　ｌは、フ
ラグの付いていない認識結果である。

ステップＳ１４において、■連とは、連母音フラグオン
の母音候補、ｖ　　ｒｎｂは、連鋳音用に用意した数値
の中から母゛に対するものを入れる。

子２、母９は、上の子、母と区別するため「２」が付い
ている。

このようにして、単語間ＤＰ部８において、ＤＰマツチ
ング処理を行い、各音節部分（１音節目、ｌ音節口４２
音節目、ｌ音節口〜３音節目、・・・２音節目、２音節
目〜３音節目、・・・）において、マツチング度の高い
単語群をかな漢字譲換部９に渡す。

かな漢字変換部９では、かな漢字変換用辞書を用いてか
な漢字変換を行い、更に、クラスタリング部６で単語候
補に付された数字を用いて文節の組立を行い、前記単語
間ＤＰマツチング部８でのマツチング度と、言語的知識
を用いて、文節候補の順位付けを行い、出力する。

第１０図は、その結果を示すものである。

なお、前記ルール辞書５は、母音認識時の曖昧フラグを
考慮にいれて作成されているが、音声認識結果にこの種
のフラグがないときは、認識エラーの傾向からルール辞
書を作成することもできる。

又、単語間ＤＰマツチング部８でのマツチング度の計算
においては、上述したような方法に限らず、他の計算方
法を用いることもできることは勿論である。

［発明の効果］以上述べたところから明らかなように、請求項１の本発
明は、ルール辞書を用いて音素候補の補強を行うので、
音声認識過程においてエラーが起こっても、正しい音素
候補を用意することが出来る。

又、請求項２の本発明は、クラスタリング部、単語間Ｄ
Ｐマツチン部８により、候補の数を絞ることが出来るの
で、例えば、その後の処理である、かな漢字変換処理の
負担を軽減できるという長所を有する。

【図面の簡単な説明】

第１図は、本発明にかかる音声認識装置の一実施例を示
すブロック図、第２図は、同実施例の音声認識部の出力
例を示す構成図、第３図は、同実施例で用いられる曖昧
フラグの意味を示すフラグ構成図、第４図は、同実施例
における音素処理部の処理結果を示す構成図、第５図は
、同実施例におけるクラスタリング部による処理結果を
示す構成図、第６図は、同実施例における単語間ＤＰマ
ツチング部における処理の状態を示す構成図、第７図及
び第８図は、同実施例における単語間ＤＰマツチング部
での曖昧フラグによる処理を示すフローチャート、第９
図（ａ）、　（ｂ）、　　（ｃ）は、同実施例における
脱落フラグを説明するための構成図、第１０図は、同実
施例のかな漢字変換部の処理結果を示す構成図である。１・・・入力手段　　　３・・・標準パターン記憶手段
２・・・音声認識部　　４・・・音素処理部５・・・ル
ール辞書記憶手段６・・・クラスタリング部８・・・単
語ＤＰマツチング部出願人　　ブラザー工業株式会社

Claims

【特許請求の範囲】

（１）音声を入力する入力手段と、音素毎に作成された
標準パターンを記憶した標準パターン記憶手段と、前記
入力手段から入力された音声と前記標準パターン記憶手
段に記憶された標準パターンとを比較し、標準パターン
とのマッチング度を計算し、音素毎の候補を選び出す音
声認識部と、過去の音声認識経験から導かれた認識ルー
ルを集めたルール辞書記憶手段と、そのルール辞書記憶
手段のルールを参照しながら、前記音声認識部により選
び出された音素毎の候補に、更に他の候補を追加する音
素処理部とを備えたことを特徴とする音声認識装置。
（２）音声を入力する入力手段と、音素毎に作成された
標準パターンを記憶した標準パターン記憶手段と、前記
入力手段から入力された音声と前記標準パターン記憶手
段に記憶された標準パターンとを比較し、標準パターン
とのマッチング度を計算し、音素毎の候補を選び出す音
声認識部と、その音声認識部により選び出された候補を
組合せ、その組み合わされた種々の単語と予め用意され
た単語辞書の単語とを比較し、単語辞書内に、対応する
単語がある場合はその単語を出力するクラスタリング部
と、前記音声認識部で計算された少なくとも音素毎のマ
ッチング度に基づき、前記クラスタリング部により選ば
れた候補単語から更に適切な単語を選択する単語ＤＰマ
ッチング部とを備えたことを特徴とする音声認識装置。