JPH0355837B2

JPH0355837B2 -

Info

Publication number: JPH0355837B2
Application number: JP61065030A
Authority: JP
Priority date: 1986-03-25
Filing date: 1986-03-25
Publication date: 1991-08-26
Also published as: JPS62231993A; EP0243009A1; EP0243009B1; US4829577A; CA1256562A; DE3773039D1

Description

【発明の詳細な説明】Ａ産業上の利用分野この発明はマルコフ・モデルを利用した音声認
識方法に関し、とくに話者適応を簡易に行えるよ
うにしたものである。

Ｂ従来の技術マルコフ・モデルを利用した音声認識は確率的
な観点から音声の認識を行おうとするものであ
る。たとえばそのうちの１つの手法では単語ごと
にマルコフ・モデルが設定される。通常このマル
コフ・モデルには複数の状態と、これら状態の間
の遷移が規定され、これら遷移にはその生起確率
と、その遷移においてラベル（シンボル）を出力
する確率とが割り当てられる。未知入力音声はラ
ベルの系列に変換され、こののち単語マルコフ・
モデルの各々がこのラベル系列を生成する確率
を、上述の遷移生起確率およびラベル出力確率
（以下これらをパラメータと呼ぶ）に基づいて決
定し、ラベル生成確率が最大となる単語マルコ
フ・モデルを求める。そしてこの結果に基づいて
認識を行う。このマルコフ・モデルを利用した音
声認識では、パラメータを統計的に推定すること
ができ、このため認識精度を向上させることがで
きる。

なお、この認識手法については以下の論文に詳
細が記載されている。

(1) “Ａ Maximum Likelihood Approach to
Continuous Speech Recognition”（IEEE
Transactions on Pattern Analysis and
Machine Intelligence、PAMI−５巻、２号、
pp.179−190、1983、Lalit Ｒ Bahl、
Frederick JelinekおよびRobert L.Mercer） (2) “Continuous Speech Recognition by
Statistical Methods”（Proceedings of the
IEEE 64巻、1976、pp.532−556、Frederick
Jelinek） (3) “An Introduction to the Application of
the Theory of Probabilistic Functions of
ａ Markov Process to Automatic Speech
Recognition”（The Bell System Technical
Journal 64巻、４号、1983、４月、S.E.
Levinson、L.R.RabinerおよびM.M.Sondhi）ところでマルコフ・モデルを利用した音声認識
では学習用に膨大な量の音声データが必要であ
り、また学習を行うのにも多くの時間を必要とす
る。しかも所定の話者の音声データで学習を行つ
たシステムでは他の話者の認識精度が十分でない
場合が多い。また、同一話者であつても、学習時
と認識時との間にかなりの時間を置き、そのため
環境が異なつてしまうと、認識精度が低下する。

Ｃ発明が解決しようとする問題点この発明は以上の事情を考慮してなされたもの
であり、一旦学習を行つたシステムを、学習時と
異なる環境に適応化させることができ、しかもそ
の適応化を比較的簡易に行うことができる音声認
識方法を提供することを目的としている。

Ｄ問題点を解決するための手段この発明では、以上の目的を達成するために、
初期の学習時にマルコフ・モデルのパラメータを
推定するのに用いたイベントの頻度を保持してお
く。つぎに適応化用データについてマルコフ・モ
デルのパラメータを参照して適応化用データのイ
ベントの頻度を求める。そして以上の２種類のイ
ベントの頻度の双方を利用して新しいパラメータ
を推定するようにしている。

一例として第２図に示すトレリスを考えよう。
第２図においては横軸は時間経過を示し、縦軸は
マルコフ・モデルの状態を示す。入力ラベル系列
は時間軸に沿うw₁、w₂……w_lである。マルコ
フ・モデルの状態は時間の経過にともなつて初期
状態Ｉから最終状態Ｆへと種々のパスに沿つて変
化していく。図の破線はパスの全体を示す。この
場合ｉからｊへ状態が遷移し、しかもこの際ラベ
ルｋを出力する頻度C^*（ｉ、ｊ、ｋ）、すなわち
第２図の矢印で示すパスを通つてｋを出力する頻
度をパラメータＰ（ｉ、ｊ、ｋ）から求めること
ができる。ただしＰ（ｉ、ｊ、ｋ）はｉからｊへ
遷移し、しかもｋを出力する確率である。他方マ
ルコフ・モデルが状態ｉにある頻度S^*(i)すなわ
ち括孤で示す時点で状態ｉにある頻度はC^*（ｉ、
ｊ、ｋ）の和をｊおよびｋについて求めれば得る
ことができる。そして頻度C^*（ｉ、ｊ、ｋ）およ
びS^*(i)の性質から、新たなパラメータP′（ｉ、
ｊ、ｋ）を P′（ｉ、ｊ、ｋ）＝C^*（ｉ、ｊ、ｋ）／S^*(i) の推定式から得ることができる。

このような推定を繰り返していけば、学習デー
タを正確に反映したパラメータP₀（ｉ、ｊ、ｋ）
を得ることができる。なおゼロのサフイツクスは
学習完了時の値であることを示す。したがつて
S₀ ^*、C₀ ^*は学習完了時の頻度を表わす。

この発明では適応化を行うのに、パラメータ
P₀（ｉ、ｊ、ｋ）を用いて適応化用音声データに
関する頻度C₁ ^*（ｉ、ｊ、ｋ）およびS₁ ^*(i)を求め
る。そしてつぎの式を用いて適応化後の新たなパ
ラメータP₁（ｉ、ｊ、ｋ）を得るようにする。

P₁（ｉ、ｊ、ｋ）＝（１−λ）C₀ ^*（ｉ、
ｊ、ｋ）＋λC₁ ^*（ｉ、ｊ、ｋ）／（１−λ）S₀ ^*(i)＋
λS₁ ^* ただし０λ１すなわち推定を行うのに必要な頻度を補間によ
り求めているのである。このようにすると初期学
習で得たパラメータP₀（ｉ、ｊ、ｋ）を異なる環
境下の認識に適応化させることができる。

またこの発明ではC₀☆ （ｉ、ｊ、ｋ）＝P₀（ｉ、
ｊ、ｋ）・S₀☆ (i)であることを利用して P₁（ｉ、ｊ、ｋ）＝（１−λ）P₀（ｉ、ｊ、ｋ
）・S₀☆ (i)＋λC₁☆ （ｉ、ｊ、ｋ）／（１−λ）S₀ ^*(i)＋λS₁☆ (i) の推定を行うようにしてもよい。この場合頻度
C₀ ^*（ｉ、ｊ、ｋ）を保持しておく必要がなくな
る。

また初期学習データと適応化用データとが大幅
に異なる場合にはP₀（ｉ、ｊ、ｋ）にかえてつぎ
のものを利用するとよい。

（１−μ）P₀（ｉ、ｊ、ｋ）＋μe ０≦μ≦１ここでｅは所定の小さな定数であり、実際は
１／（ラベルの数）×（分岐の数）である。

なお以下の実施例ではマルコフ・モデルの確率
パラメータとして１の状態から１の状態に遷移す
るときに１のラベルを出力する確率を用いる場合
につき説明するが、状態遷移生起確率と、ラベル
出力確率とを個別のパラメータとして用いる場合
にもこの発明を適用できる。

Ｅ実施例以下この発明を単語音声認識に適用した一実施
例について図面を参照しながら説明しよう。

第１図はこの実施例を全体として示すものであ
り、この第１図において、入力音声データはマイ
クロホン１および増幅器２を介してアナログ・デ
ジタル（Ａ／Ｄ）変換器３に供給され、ここでデ
ジタル・データとされる。デジタル化された音声
データは特徴量抽出装置４に供給される。特徴量
抽出装置４はたとえばフローテイング・ポイン
ト・システムズ社製のアレイプロセスサとするこ
とができる。この特徴量抽出装置４においては、
まず音声データが離散10ｍ秒ごとに20ｍ秒のウイ
ンドウを介してフーリエ変換されたのち20チヤネ
ル分のバンド・パス・フイルタのそれぞれの出力
として取り出される。この出力は次段のラベル付
け装置５に送出される。ラベル付け装置５はラベ
ル・プロトタイプ辞書６を参照して順次ラベル付
けを行つていく。なお辞書６のラベル・プロトタ
イプはクラスタリングにより生成されたものであ
り、その個数は128である。

ラベル付けはたとえば第３図に示すように行わ
れる。第３図においてＸは入力の特徴量、Y_iは第
ｉ番目のプロトタイプの特徴量、Ｎはプロトタイ
プの個数（＝128）、dist（Ｘ、Y_i）はＸとY_iとの
ユークリツド距離、ｍは各時点までのdist（Ｘ、
Y_i）の最小値である。なおｍは非常に大きな値Ｖ
に最初設定される。図から明らかなように入力の
特徴量Ｘはプロトタイプの特徴量と各々と順次比
較されていき、最も似ている、すなわち距離の小
さいものが観測されたラベル（ラベル番号）Ｐと
して出力されていく。

このようにしてラベル付け装置５からは、ラベ
ル間の間隔が10ｍ秒のラベル系列が出力されてい
く。

ラベル付け装置５からのラベル系列は切換装置
７を介して学習装置８、適応化装置９および認識
装置１０のいずれか１つに供給される。学習装置
８および適応化装置９の動作の詳細についてはの
ちに第４図以降の図を参照して説明する。初期学
習時には切化装置７が学習装置８がわに切り換わ
つてラベル系列を学習装置８に供給する。学習装
置８はラベル系列を利用してマルコフ・モデルの
学習を行いパラメータ・テーブル１１のパラメー
タ値を決定する。適応化を行う際には切換装置７
が適応化装置９がわに切り換わり、適応化装置９
がラベル系列を利用してパラメータ・テーブル１
１のパラメータ値を適応化する。認識を行う際に
は切換装置７が認識装置１０がわに切り換わり、
認識装置１０はラベル系列とパラメータ・テーブ
ルとに基づいて入力音声の認識を行う。この認識
装置１０はフオワード計算またはビタービ・アル
ゴリズムに基づくものとすることができる。これ
らアルゴリズム詳細については前述の論文(2)を参
照されたい。

認識装置１０の出力はワークステーシヨン１２
に供給され、たとえばその表示装置に表示され
る。

なお第１図において破線のブロツクで囲まれた
部分は実際にはホストコンピユータ上にソフトウ
エアとして実現されている。ホストコンピユータ
としてはIBM社の3083処理装置、オペレーシヨ
ン・システムとしてはCMS、言語としてはPL／
１を用いた。もちろん、ハードウエアで実現して
もよい。

つぎに学習装置８の動作の詳細について説明す
る。

第４図は初期学習の手順を示すものであり、こ
の図において、まず単語マルコフ・モデルの各々
について規定を行う（ステツプ13）。この例では
単語の個数を200としている。単語マルコフ・モ
デルは第５図に示すようなものである。この図で
は黒のドツトが状態の各々を示し、矢印が遷移の
各々を示している。状態の個数は初期状態Ｉおよ
び最終状態Ｆを含めて８である。遷移の種類とし
ては、隣りの状態への遷移tN、１つ状態をスキ
ツプする遷移tSおよび同一の状態をループする遷
移tLの３つがある。単語のラベル数は約40〜50
個であり、単語のラベル系列はループやスキツプ
を加味しながら初期状態Ｉから最終状態Ｆへとマ
ツチングさせられていく。

単語マルコフ・モデルの規定は第１図のパラメ
ータ・テーブルを暫定的に確立することである。
具体的には第６図に示すようなテーブル・フオー
マツトを各単語ごとに割り当て、そののちパラメ
ータＰ（ｉ、ｊ、ｋ）の初期設定を行う。なおパ
ラメータＰ（ｉ、ｊ、ｋ）はマルコフ・モデルに
おいて状態ｉからｊへの遷移が起こり、かつこの
遷移時にラベルｋが出力される確率を表わす。ま
た初期設定では隣りへの遷移、ループ遷移および
スキツプ遷移がそれぞれ0.9：0.05：0.05で起こ
り、かつ各遷移でラベルは均等にすなわち１／
128の割合で出力されるものとして、各パラメー
タを設定している。

単語マルコフ・モデルの規定ののち、初期学習
用データを入力する（ステツプ14）。この初期学
習用データは認識対象語彙の200個の単語をそれ
ぞれ５回ずつ発声して得たものである。同一の単
語についての５回の発声は１まとめにされてお
り、かつ発声の各々はどの単語の何番目のものか
がわかるようにされている。ここでは具体的な１
つの単語の発声の集合をＵ＝｛u₁、u₂、…、u₅｝
で表わし、発声の各々u_oをu_o＝w_o1、w_o2…w_oloで
表わすことにしよう。なおw_o1…は観測ラベルを
表わす。

初期学習用データの入力が終了すると、つぎに
フオワード計算およびバツクワード計算を行う
（ステツプ15）。以下の手順はすべての単語につい
て行われるが、ここでは便宜上１つの単語の発声
の集合Ｕについてのみ考えることとする。フオワ
ード計算およびバツクワード計算はつぎのような
フオワード値ｆ（ｉ、ｘ、ｎ）およびバツクワー
ド値ｂ（ｉ、ｘ、ｎ）を計算するものである。

ｆ（ｉ、ｘ、ｎ）：ラベル系列u_oに対し時刻０で初
期状態Ｉから始まつて時刻ｘに状態ｉに到る頻
度ｂ（ｉ、ｘ、ｎ）：ラベル系列u_oに対し時刻l_oで最
終状態Ｆから始まつて時刻ｘに状態ｉに戻る頻
度フオワード計算およびバツクワード計算はつぎ
のような式により順次簡易に求めることができ
る。

フオワード計算ｘ＝０の場合ｆ（ｉ、ｏ、ｎ）＝｛ｉ＝１のとき１その他の
とき０１≦ｘ≦l_oの場合ｆ（ｉ、ｘ、ｎ）＝₂ 〓〓^k=0 ｛ｆ（ｉ−ｋ、ｘ−１、ｎ）・P_t-1（ｉ−ｋ、ｉ、w
_ox）｝ただし、P_t-1はそのときパラメータ・テーブル
にストアされているパラメータであり、ｋはマル
コフ・モデルにより決まり、ここではｋ＝０、
１、２である。

バツクワード計算ｘ＝l_oの場合ｂ（ｉ、l_o、ｎ）＝｛ｉ＝Ｅ（この例では８）のと
き１その他のとき００≦ｘ＜l_oの場合ｂ（ｉ、ｘ、ｎ）＝₂ 〓〓^k=0 ｛ｂ（ｉ＋ｋ、ｘ＋１、ｎ）・P_t-1（ｉ、ｉ＋ｋ、w
_ox+1）｝ただしＥはマルコフ・モデルの状態数である。

フオワード計算およびバツクワード計算が終了
すると、つぎにラベル列u_oのフオワード値ｆ（ｉ、
ｘ、ｎ）およびバツクワード値ｂ（ｉ、ｘ、ｎ）
に基づいてラベル列u_oにおいて状態ｉからｊに遷
移して、しかもラベルｋを出力する頻度count
（ｉ、ｊ、ｋ、ｎ）を求める（ステツプ16）。頻度
count（ｉ、ｊ、ｋ、ｎ）はつぎの式から求める
ことができる。

count（ｉ、ｊ、ｋ、ｎ）＝₂ 〓^k=0 （δ（w_ox、ｋ）・ｆ（ｉ、ｘ−１、ｎ）・ｂ（ｊ、ｘ、ｎ）・P_t-1（ｉ、ｊ、w_ox））ただしδ（w_ox、ｋ）＝｛w_ox＝ｋのとき１ w_ox
≠ｋのとき０上式は第７図を参照して容易に理解することが
できる。第７図はこの実施例の単語マルコフ・モ
デルにラベル列u_o（＝w_o1w_o2…w_olo）をマツチン
グさせた際のトレリスを示す。時間に沿つてu_o
（w_ox）も表示されている。丸で囲まれたw_oxは
w_ox＝ｋすなわちδ（w_ox、ｋ）＝１の場合を示す。
そして矢印の付されたラベルw_oxの観測時点ｘ
で、状態ｉ（第７図では状態３）からｊ（同４）に
遷移するパスを考えることにする。第７図ではこ
のパスｐの両端の格子点を黒丸で示した。この場
合パスｐでマルコフ・モデルがｋ＝w_oxを出力す
る確率はP_t-1（ｉ、ｊ、w_ox）である。また破線ｆ
で示すように初期状態Ｉから状態ｉ、時刻（ｘ−
１）の黒丸の格子点まで到る頻度はフオワード値
ｆ（ｉ、ｘ−１、ｎ）で表わされ、他方破線ｂで
示すように最終状態Ｆから状態ｊ、時刻ｘの黒丸
の格子まで戻る頻度はバツクワード値ｂ（ｊ、ｘ、
ｎ）で表わされる。したがつてパスｐでｋ＝w_ox
を出力する頻度はｆ（ｉ、ｘ−１、ｎ）・ｂ（ｊ、ｘ、ｎ
）・P_t-1（ｉ、ｊ、w_ox）である。count（ｉ、ｊ、ｋ、ｎ）は丸印の付さ
れたラベルについて頻度の和をとつたものであり
（δ（w_ox、ｋ）の操作がこれに対応する）、上述
の式で表わされることがわかる。すなわち count（ｉ、ｊ、ｋ、ｎ）＝_1o 〓^x=0 （δ（w_ox、ｋ）・ｆ（ｉ、ｘ−１、ｎ）・ｂ（ｊ、ｘ、ｎ）・P_t-1（ｉ、ｊ、w_ox））である。

ラベル系列u_o（ｎ＝１〜５）のそれぞれの頻度
count（ｉ、ｊ、ｋ、ｎ）を得たら、つぎにラベ
ル系列の集合Ｕすなわち所定単語の学習用データ
全体にわたる頻度C_t（ｉ、ｊ、ｋ）を求める（ス
テツプ17）。なお、ラベル系列u_oはそれぞれ異な
り、ラベル系列u_oの各々が生起する頻度（総合確
率T_o）も異なる。したがつて頻度count（ｉ、ｊ、
ｋ、ｎ）を総合確率T_oで正規化しておく必要が
ある。なおT_o＝ｆ（Ｅ、l_o、ｎ）である（ただし
Ｅ＝８）。

対象単語の学習用データにわたる頻度C_t（ｉ、
ｊ、ｋ）は ₅ 〓ⁿ⁼⁰ １／T_ocount（ｉ、ｊ、ｋ、ｎ）で求める。

つぎに頻度count（ｉ、ｊ、ｋ、ｎ）に基づい
て、対象単語の学習用データにわたつて状態ｉに
ある頻度S_t(i)を、同様にして求める（ステツプ
18） S_t(i)＝₅ 〓ⁿ⁼⁰ １／T_o（〓^f 〓^k count(i、j、k、n)）頻度C_t（ｉ、ｊ、ｋ）およびS_t(i)からつぎのパ
ラメータP_t+1（ｉ、ｊ、ｋ）をつぎのように推定
する（ステツプ19）。

P_t（ｉ、ｊ、ｋ）＝C_t（ｉ、ｊ、ｋ）／S_t(i) 以上の推定プロセスすなわちステツプ14〜19ま
では予定回数たとえば５回繰り返して対象単語の
学習を終了する（ステツプ20）。他の単語につい
ても同様の学習が行われる。

学習が終了すると、以降の音声認識用に最終的
なパラメータP₀（ｉ、ｊ、ｋ）がパラメータ・テ
ーブル（第１図）に確定され、また最終回の推定
に用いた頻度S₀(i)もストアされる。この頻度S₀(i)
は以下述べる適応化に用いるものである。

つぎに適応化装置９の動作について第８図を参
照しながら説明しよう。なお第８図において第４
図と対応する箇所には対応する符号を付してそれ
ぞれの詳細に説明は省略することにする。

第８図においては、まず適応化用のデータを入
力する（ステツプ14A）。この適応化用データは、
これから音声を入力しようとしている話者が認識
対象語彙について１語に１回発生を行つて得たも
のである。こののちステツプ15A〜18Aに示すよ
うに前述の学習時と同様の操作を行つていく。そ
して最後に、推定に用いる２つの頻度をそれぞれ
補間により求め、つぎのようにして新たなパラメ
ータP₁（ｉ、ｊ、ｋ）を得る（ステツプ21）。

P₁（ｉ、ｊ、ｋ）＝（１−λ）C₀（ｉ
、ｊ、ｋ）＋λC₁（ｉ、ｊ、ｋ）／（１−λ）S₀(i)＋
λS₁(i) ただし０≦λ≦１この例では適応化のための推定のプロセスを一
度としたが複数回行つてもよい。なお、実際には
C₀（ｉ、ｊ、ｋ）＝P₀（ｉ、ｊ、ｋ）・S₀(i)である
からP₁（ｉ、ｊ、ｋ）の推定にはつぎの式を用い
る。

P₁（ｉ、ｊ、ｋ）＝（１−λ）Ｐ（ｉ、ｊ、ｋ
）・S₀(i)＋λC₁（ｉ、ｊ、ｋ）／（１−λ）S₀(i)＋λ
S₁(i) なお第８図のcount（ｉ、ｊ、ｋ、ａ）のａは
適応化用データのラベル系列に関するものである
ことを示す。

以上で適応化を終了する。こののち適応化の対
象となつた話者の音声は高精度に認識される。

この実施例によれば少ないデータのみでしかも
短かい学習時間でシステムを異なる環境に適応化
させることができる。

また適応化用のデータの性質（信頼度等）に応
じて補間の内分比λを調整することにより、シス
テム最適化を実現することができる。

なお、マルコフ・モデルの状態数をＸ、分岐数
をＹ、ラベル数をＺとするとＳ(i)によるデータの
増加量はＸ個である。他方P₀（ｉ、ｊ、ｋ）のデ
ータの量はXYZである。したがつてこの適応化
によるデータ量の増加はＸ／XYZ＝１／YZと極めて小さい。

また適応化のプロセスは初期学習のプロセスと
同一の部分が多いのでプログラムまたはハードウ
エアの一部を両プロセスで共用できる利点があ
る。

また単語単位に適応化を行うことができるの
で、たとえば誤認識のあつた単語について再度適
応化を行うようにできる。もちろん誤認識があつ
てはじめてその単語の適応化を行うようにしても
よい。

つぎに上述実施例の変形例について説明しよ
う。この変形では初期学習用データと適応化用デ
ータの性質が大幅に異なる場合に対処することが
できる。

第９図はこの変形例における適応化プロセスを
示すものである。なお、この図において第８図と
対応する箇所には対応する番号を付してそれぞれ
の詳細な説明を省略する。

第９図の変形例では、適応化用データで新たな
頻度C₁（ｉ、ｊ、ｋ）およびS₁(i)を求める際にパ
ラメータP₀（ｉ、ｊ、ｋ）をつぎのように補間す
るようにしている（ステツプ22）。

P^₀（ｉ、ｊ、ｋ）＝Ｃ（１−μ）P₀（ｉ、ｊ、ｋ）＋
μe すなわちパラメータP₀（ｉ、ｊ、ｋ）と小さな
値ｅと内分比μで補間したものを用いている。適
応化の際の学習プロセスでも、パラメータが実際
の値にどの程度良好に収束するかは、初期値に大
きく依存する。初期学習時に起こることが少なか
つたパスが、適応化用データでは多数起こること
もあり得る。このような場合小さな値ｅをパラメ
ータP₀（ｉ、ｊ、ｋ）に加算しておけば、より好
ましい収束が起こる。

Ｆ発明の効果以上説明したように、この発明によれば少ない
データで、しかも短かい時間で音声認識システム
の適応化を行うことができる。またそのための記
憶容量や、プログラムのステツプ数およびハード
ウエア構造の増加は極めて小さい。また適応化の
データの性質に応じて補間の内分比を変化させる
ことによりシステムを最適化させることができ
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ツク
図、第２図はこの発明を説明するための図、第３
図は第１図例のラベル付け装置５を説明するフロ
ーチヤート、第４図は第１図例の学習装置８の動
作を説明するフローチヤート、第５図、第６図お
よび第７図は第４図の動作の流れを説明するため
の図、第８図は第１図例の適応化装置の動作を説
明するための図、第９図は第１図例の変形例を説
明するフローチヤートである。８……学習装置、９……適応化装置。

Claims

【特許請求の範囲】１複数の状態、これら状態の１つから同一また
は他の状態の１つへの遷移およびこれら遷移の
各々についてラベルの各々を出力する確率を有す
る確率モデルを、認識単位ごとに設定するステツ
プと、上記認識単位ごとに、対応する初期トレーニン
グ用音声データを入力して第１のラベルの系列を
生成するステツプと、上記第１のラベルの系列を、対応する上記確率
モデルに繰り返し入力して上記確率を順次更新す
るステツプであつて、つぎのサブ・ステツプ(a)、
(b)および(c)を含むものと、 (a) 上記第１のラベルの系列を、対応する上記確
率モデルに入力したときに上記遷移の各々にお
いて上記ラベルの各々が出力される第１の頻度
を求めるサブ・ステツプ、 (b) 上記第１のラベルの系列を、対応する上記確
率モデルに入力したとき上記状態の各々がとら
れる第２の頻度を求めるサブ・ステツプ、 (c) 上記第１の頻度を第２の頻度で割つて新たな
確率を得るステツプ、上記確率を順次更新するステツプで最後に得ら
れた上記第１の頻度および第２の頻度を保持する
ステツプと、上記認識単位ごとに、対応する適応化用音声デ
ータを入力して第２のラベルの系列を、対応する
上記確率モデルに入力したときに上記遷移の各々
において上記ラベルの各々が出力される第３の頻
度を求めるステツプと、上記第２のラベルの系列を、対応する上記確率
モデルに入力したときに上記状態の各々がとられ
る第４の頻度を求めるステツプと、上記第１の頻度および第３の頻度を補間して第
５の頻度を得るステツプと、上記第２の頻度および第４の頻度を補間して第
６の頻度を得るステツプと、上記第５の頻度を第６の頻度で割つて適応化用
音声データに適応化された確率を得るステツプと
を有する音声認識方法。２上記第１の頻度は上記確率および第２の頻度
の積として間接的に保持される特許請求の範囲第
１項記載の音声認識方法。３上記適応化用音声データが入力する上記確率
モデルの確率は平滑化処理が行われている特許請
求の範囲第１項または第２項記載の音声認識方
法。