JPH0367279B2 - - Google Patents
Info
- Publication number
- JPH0367279B2 JPH0367279B2 JP60225212A JP22521285A JPH0367279B2 JP H0367279 B2 JPH0367279 B2 JP H0367279B2 JP 60225212 A JP60225212 A JP 60225212A JP 22521285 A JP22521285 A JP 22521285A JP H0367279 B2 JPH0367279 B2 JP H0367279B2
- Authority
- JP
- Japan
- Prior art keywords
- section
- speech
- word
- voice
- sections
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired
Links
Description
【発明の詳細な説明】
［概要］
入力音声の音声パワーから予め設定した閾値に
より音声区間を検出し、音声特徴パラメータを抽
出して、予め登録してある単語の音声特徴パラメ
ータとの比較・照合により音声認識する音声認識
装置において、予め設定した複数の音声パワー閾
値により複数の音声区間を求め、各区間の始端と
終端の位置の違いを調べ、両方の違いが小さい場
合には一方の区間についてのみ、登録単語音声パ
ターンとの比較・照合を行うよう構成したもの
で、これにより、複数閾値による有利さを保持し
て処理量を削減することができる。
より音声区間を検出し、音声特徴パラメータを抽
出して、予め登録してある単語の音声特徴パラメ
ータとの比較・照合により音声認識する音声認識
装置において、予め設定した複数の音声パワー閾
値により複数の音声区間を求め、各区間の始端と
終端の位置の違いを調べ、両方の違いが小さい場
合には一方の区間についてのみ、登録単語音声パ
ターンとの比較・照合を行うよう構成したもの
で、これにより、複数閾値による有利さを保持し
て処理量を削減することができる。
［産業上の利用分野］
本発明は、音声認識装置における単語認識方式
に係わり、特に音声区間の認識方式に関するもの
である。
に係わり、特に音声区間の認識方式に関するもの
である。
［従来の技術］
単語ごとに音声を登録しておき、入力された音
声の単語の音声特徴パラメータを各登録単語の特
徴パラメータと比較して最も類似度の高いものを
認識結果として認識する形式の音声認識装置にお
いては、まず入力音声から単語の音声区間を検出
する必要がある。
声の単語の音声特徴パラメータを各登録単語の特
徴パラメータと比較して最も類似度の高いものを
認識結果として認識する形式の音声認識装置にお
いては、まず入力音声から単語の音声区間を検出
する必要がある。
単語音声が入力されたことを検出し、単語音声
区間として抽出するためには、入力音声のパワー
を一定の閾値で切り、閾値を超えた区間を１つの
単語区間として検出し、その音声パラメータを抽
出して登録音声のそれと比較し、最近似のものを
認識結果単語とするものである。
区間として抽出するためには、入力音声のパワー
を一定の閾値で切り、閾値を超えた区間を１つの
単語区間として検出し、その音声パラメータを抽
出して登録音声のそれと比較し、最近似のものを
認識結果単語とするものである。
例えば、入力音声のパワーが第４図に示すよう
な形であつた場合、一定の閾値を超える区間を単
語区間として検出し、これの音声特徴パラメータ
を抽出する。
な形であつた場合、一定の閾値を超える区間を単
語区間として検出し、これの音声特徴パラメータ
を抽出する。
音声特徴パラメータの抽出は、例えば帯域濾波
器１，２，３，…を用意し、入力単語の10ｍｓ
（フレーム）ごとの帯域濾波器１，２，３，…の
出力を、第５図に示すような形式で記憶するもの
で、これを単語パターンと称する。
器１，２，３，…を用意し、入力単語の10ｍｓ
（フレーム）ごとの帯域濾波器１，２，３，…の
出力を、第５図に示すような形式で記憶するもの
で、これを単語パターンと称する。
この入力音声パターンを、同様な形式で格納し
てある各登録単語の単語パターンと比較、照合し
て最も類似度の高いものを求めるのである。
てある各登録単語の単語パターンと比較、照合し
て最も類似度の高いものを求めるのである。
［発明が解決しようとする問題点］
上記のように、単一のパワー閾値によつて単語
区間の検出を行う際には、その入力音声のパワー
と閾値との関係によつて、 (1) ノイズの区間も音声区間に含まれてしまう場
合、 (2) 無声化音節等のパワーの弱い音声が区間に含
まれない場合、 があり、誤認識、或いはリジエクトの原因になつ
ていた。
区間の検出を行う際には、その入力音声のパワー
と閾値との関係によつて、 (1) ノイズの区間も音声区間に含まれてしまう場
合、 (2) 無声化音節等のパワーの弱い音声が区間に含
まれない場合、 があり、誤認識、或いはリジエクトの原因になつ
ていた。
そこで、複数のパワー閾値を用いて、単語区間
を検出し、その各々について単語パターンを抽出
して登録単語パターンとの類似度を求めることに
よつて、検出した複数の音声区間のうちに、正し
い音声区間が含まれる可能性が高く、高い認識率
が得られることが確認されている。（例えば、日
本音響学会講演論文集、昭和59年10月、神田、桜
庭、佐藤：複数閾値を用いた簡易型単語音声認識
方式。） 第６図は、この複数閾値を用いる音声区間検出
方式の効果を示すものでる。
を検出し、その各々について単語パターンを抽出
して登録単語パターンとの類似度を求めることに
よつて、検出した複数の音声区間のうちに、正し
い音声区間が含まれる可能性が高く、高い認識率
が得られることが確認されている。（例えば、日
本音響学会講演論文集、昭和59年10月、神田、桜
庭、佐藤：複数閾値を用いた簡易型単語音声認識
方式。） 第６図は、この複数閾値を用いる音声区間検出
方式の効果を示すものでる。
第６図のａ，ｂ，ｃは、登録されてある３つの
単語パターンを示す。
単語パターンを示す。
同図ｄは入力Ａの場合のパワーパターンを示
し、最も高い閾値L1によ…閾値L2，L3ではノイ
ズ区間が音声区間に含まれて音声区間、と検
出され、同図ｂの登録単語と誤認識される可能性
があることを示している。
し、最も高い閾値L1によ…閾値L2，L3ではノイ
ズ区間が音声区間に含まれて音声区間、と検
出され、同図ｂの登録単語と誤認識される可能性
があることを示している。
第６図ｅは入力Ｂの場合のパワーパターンを示
し、最も低い閾値L3により正しい音声区間が
検出されて、同図ｂの登録単語と類似度最も高く
正しく認識され、高い閾値L1、L2では同図ｃの
登録単語と誤認識される可能性のあることを示し
ている。
し、最も低い閾値L3により正しい音声区間が
検出されて、同図ｂの登録単語と類似度最も高く
正しく認識され、高い閾値L1、L2では同図ｃの
登録単語と誤認識される可能性のあることを示し
ている。
しかし、この複数閾値を用いる方法では、第６
図ｄで示す入力Ａの場合には、の区間が殆ど
同じであるにも拘らず、また同図ｅで示す入力Ｂ
の場合には、の区間が殆ど同じであるにも拘
わらず、それぞれ単語パターンを求めて登録パタ
ーンと照合しなければらなかつた。
図ｄで示す入力Ａの場合には、の区間が殆ど
同じであるにも拘らず、また同図ｅで示す入力Ｂ
の場合には、の区間が殆ど同じであるにも拘
わらず、それぞれ単語パターンを求めて登録パタ
ーンと照合しなければらなかつた。
このため処理にかなりの時間を要するものであ
つた。
つた。
本発明は、この問題点を解消した新規の単語音
声認識装置を提供しようとするものである。
声認識装置を提供しようとするものである。
［問題点を解決するための手段］
第１図は本発明の単語音声認識装置の原理ブロ
ツク図を示す。
ツク図を示す。
第１図において、１1，１2，…，１nはｍ個の
音声パワー閾値によつて音声区間を検出する区間
検出部である。
音声パワー閾値によつて音声区間を検出する区間
検出部である。
２はｍ個の区間検出部１1，１2，…，１nで検
出されたｍ個の音声区間から必要なもののみを選
択する区間選択部である。
出されたｍ個の音声区間から必要なもののみを選
択する区間選択部である。
区間検出部１1，１2，…，１nはそれぞれの閾
値L1、L2，…、Lnを超える最初の点S1、S2、…、
Snを検出する始端検出部１１1，１１2，…，１１
ｎ、および最後の点E1、E2、…、Enを検出する終
端検出部１２1，１２2，…，１２nから成る。
値L1、L2，…、Lnを超える最初の点S1、S2、…、
Snを検出する始端検出部１１1，１１2，…，１１
ｎ、および最後の点E1、E2、…、Enを検出する終
端検出部１２1，１２2，…，１２nから成る。
終端検出部１２1，１２2，…，１２nは、始端
検出の後、入力音声パワーが低下し閾値を割つて
も予め定めた時間以内に再び上昇して閾値を超え
るときは終端とせず音声区間の継続とみなす処理
も行う。
検出の後、入力音声パワーが低下し閾値を割つて
も予め定めた時間以内に再び上昇して閾値を超え
るときは終端とせず音声区間の継続とみなす処理
も行う。
区間選択部２は、区間検出部１1，１2，…，１
ｎの検出した始端S1、S2、…、Snおよび終端E1、
E2、…、Enについて、次の検査を行う。
ｎの検出した始端S1、S2、…、Snおよび終端E1、
E2、…、Enについて、次の検査を行う。
｜Si−Sj｜＜l1
｜Ei−Ej｜＜l2
ただし、l1、l2は予め定めてある閾値であつて、
ｉ、ｊは、ｉ＝１，２，…，ｍ−１；ｊ＝２，
３，…，ｍ（ｉ＜ｊ）なる総ての組合せについて
行う。
ｉ、ｊは、ｉ＝１，２，…，ｍ−１；ｊ＝２，
３，…，ｍ（ｉ＜ｊ）なる総ての組合せについて
行う。
上記の２式が共に成立するときは、音声区間
（Sj，Ej）を候補区間から除外して、残された音
声区間のみを候補区間として出力する。
（Sj，Ej）を候補区間から除外して、残された音
声区間のみを候補区間として出力する。
区間選択部２から出力された候補区間の各々に
ついて単語音声パターンを生成し、登録単語音声
パターンと比較・照合する。
ついて単語音声パターンを生成し、登録単語音声
パターンと比較・照合する。
上記の式に替えて、次式により検査を行つても
よい。
よい。
｜Si−Sj｜＋｜Ei−Ej｜＜l3
いずれの場合でも、始端位置差と終端位置差が
共に或る値より小さいときは一方を除外するもの
である。
共に或る値より小さいときは一方を除外するもの
である。
［作用］
上記の構成により、複数閾値を使用する有利さ
を保持しつつ、殆ど同一の音声区間を除外して、
処理量を削減することができる。
を保持しつつ、殆ど同一の音声区間を除外して、
処理量を削減することができる。
［実施例］
以下第２図および第３図に示す実施例により、
本発明をさらに具体的に説明する。
本発明をさらに具体的に説明する。
第２図は本発明の実施例のブロツク図である。
第２図において、１1，１2，…，１nは区間検
出部であり、２は区間選択部であつて、第１図と
同一の対象物である。
出部であり、２は区間選択部であつて、第１図と
同一の対象物である。
３はパワー計算部であつて、入力音声のパワー
を計算し、各区間検出部１1，１2，…，１nに入
力する。
を計算し、各区間検出部１1，１2，…，１nに入
力する。
４は音声入力用のマイクであり、５は音声増幅
器であつて、増幅出力をパワー計算部３および６
１，６2，６3，…，６oの帯域濾波器に入力する。
器であつて、増幅出力をパワー計算部３および６
１，６2，６3，…，６oの帯域濾波器に入力する。
６1，６2，６3，…，６oは帯域濾波器（BPF）
であつて、音声帯域をｎ個に分割した各々の周波
数帯域を通過する濾波器である。
であつて、音声帯域をｎ個に分割した各々の周波
数帯域を通過する濾波器である。
７1，７2，７3，…，７oは整流・平滑器であつ
て、それぞれの帯域濾波器６1，６2，６3，…，
６oからの出力を整流し、平滑化して、包絡出力
を出す。
て、それぞれの帯域濾波器６1，６2，６3，…，
６oからの出力を整流し、平滑化して、包絡出力
を出す。
８は単語音声パターン生成部であつて、整流・
平滑器７1，７2，７3，…，７oの出力により、区
間選択部２の出力した区間について、第５図に示
したような単語音声パターンを生成する。
平滑器７1，７2，７3，…，７oの出力により、区
間選択部２の出力した区間について、第５図に示
したような単語音声パターンを生成する。
９は登録パターン格納部であつて、最初に所要
の単語について、単語音声パターン生成部８にお
いて生成した音声パターンを格納しておく記憶装
置である。
の単語について、単語音声パターン生成部８にお
いて生成した音声パターンを格納しておく記憶装
置である。
１０は照合部であつて、単語音声パターン生成
部８から入力された音声パターンを、登録パター
ン格納部９の各パターンと比較・照合して、類似
度の最も高い単語を認識結果として出力する。
部８から入力された音声パターンを、登録パター
ン格納部９の各パターンと比較・照合して、類似
度の最も高い単語を認識結果として出力する。
最初に単語を登録する場合には、スイツチ１１
を上に倒して、マイク４より単語音声を入力し、
標準のパワー閾値を持つ区間検出部、例えば１2
の出力により、単語音声パターンを生成し、これ
を登録パターン格納部９に格納する。
を上に倒して、マイク４より単語音声を入力し、
標準のパワー閾値を持つ区間検出部、例えば１2
の出力により、単語音声パターンを生成し、これ
を登録パターン格納部９に格納する。
音声認識の場合は、スイツチ１１を下に倒し
て、マイク４より入力された音声を各区間検出部
１1，１2，…，１nで区間検出し、区間選択部２
により必要な区間のみを選択して、これについて
単語音声パターンを生成し、登録単語音声パター
ンと比較・照合して認識結果を出力する。
て、マイク４より入力された音声を各区間検出部
１1，１2，…，１nで区間検出し、区間選択部２
により必要な区間のみを選択して、これについて
単語音声パターンを生成し、登録単語音声パター
ンと比較・照合して認識結果を出力する。
第３図は、区間選択部の処理例を示す図であ
る。
る。
同図ａの入力Ａの場合は、３つの閾値L1、L2、
L3によつて音声区間、、が検出されたが、
区間と区間は始端差と終端差が共に小さいの
で、破線で示すように区間は除外したことを示
している。
L3によつて音声区間、、が検出されたが、
区間と区間は始端差と終端差が共に小さいの
で、破線で示すように区間は除外したことを示
している。
同図ｂの入力Ｂの場合は、３つの閾値L1、L2、
L3によつて音声区間、、が検出されたが、
区間と区間は始端差と終端差が共に小さいの
で、破線で示すように区間は除外したことを示
している。
L3によつて音声区間、、が検出されたが、
区間と区間は始端差と終端差が共に小さいの
で、破線で示すように区間は除外したことを示
している。
［発明の効果］
以上説明にように本発明によれば、複数閾値を
使用する有利さを保持しつつ、殆ど同一の音声区
間を除外して、処理量を削減することによつて処
理速度を向上することができ、その実用上の効果
はきわめて大きい。
使用する有利さを保持しつつ、殆ど同一の音声区
間を除外して、処理量を削減することによつて処
理速度を向上することができ、その実用上の効果
はきわめて大きい。
第１図は本発明の原理ブロツク図、第２図は本
発明の実施例のブロツク図、第３図は区間選択部
の処理例を示す図、第４図は単語音声のパワーパ
ターンを示す図、第５図は単語音声パターンを例
示する図、第６図は複数閾値を用いる音声区間検
出方式の効果を示す図である。 図面において、１1，１2，…，１nは区間検出
部、１１1，１１2，…，１１nは始端検出部、１
２1，１２2，…，１２nは終端検出部、２は区間
選択部、３はパワー計算部、４はマイク、５は増
幅器、６1，６2，６3，…，６oは帯域濾波器、７
１，７2，７3，…，７oは整流・平滑器、８は単語
音声パターン生成部、９は登録パターン格納部、
１０は照合部、１１はスイツチ、をそれぞれ示
す。
発明の実施例のブロツク図、第３図は区間選択部
の処理例を示す図、第４図は単語音声のパワーパ
ターンを示す図、第５図は単語音声パターンを例
示する図、第６図は複数閾値を用いる音声区間検
出方式の効果を示す図である。 図面において、１1，１2，…，１nは区間検出
部、１１1，１１2，…，１１nは始端検出部、１
２1，１２2，…，１２nは終端検出部、２は区間
選択部、３はパワー計算部、４はマイク、５は増
幅器、６1，６2，６3，…，６oは帯域濾波器、７
１，７2，７3，…，７oは整流・平滑器、８は単語
音声パターン生成部、９は登録パターン格納部、
１０は照合部、１１はスイツチ、をそれぞれ示
す。
Claims (1)
- 【特許請求の範囲】 １ 入力音声の音声パワーが予め設定した閾値を
超える区間を音声区間として検出し、該音声区間
内の音声特徴パラメータを抽出して、予め登録し
てある単語の音声特徴パラメータと比較・照合し
て最も類似度の高い単語を求めることにより音声
認識を行う単語音声認識装置において、 予め設定した複数の音声パワー閾値毎に該音声
パワー閾値を超える音声区間をそれぞれ検出する
区間検出部と、 前記区間検出部により検出した各音声区間の始
端および終端同士の位置差を予め設定した閾値と
比較し、始端位置差と終端位置差の両方が該閾値
以内であるときは、一方の音声区間を除外して残
つた音声区間のみを出力する処理を行う区間選択
部と、を備え、 前記区間選択部が出力した音声区間についての
音声特徴パラメータを前記登録単語の音声特徴パ
ラメータと比較・照合することにより音声認識を
行うよう構成したことを特徴とする単語音声認識
装置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP60225212A JPS6285300A (ja) | 1985-10-09 | 1985-10-09 | 単語音声認識装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP60225212A JPS6285300A (ja) | 1985-10-09 | 1985-10-09 | 単語音声認識装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPS6285300A JPS6285300A (ja) | 1987-04-18 |
| JPH0367279B2 true JPH0367279B2 (ja) | 1991-10-22 |
Family
ID=16825741
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP60225212A Granted JPS6285300A (ja) | 1985-10-09 | 1985-10-09 | 単語音声認識装置 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPS6285300A (ja) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2012036305A1 (ja) * | 2010-09-17 | 2012-03-22 | 日本電気株式会社 | 音声認識装置、音声認識方法、及びプログラム |
-
1985
- 1985-10-09 JP JP60225212A patent/JPS6285300A/ja active Granted
Also Published As
| Publication number | Publication date |
|---|---|
| JPS6285300A (ja) | 1987-04-18 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| EP0237934B1 (en) | Speech recognition system | |
| JPH0352640B2 (ja) | ||
| JPS6285300A (ja) | 単語音声認識装置 | |
| JPH01159697A (ja) | 音声認識装置 | |
| JP2644494B2 (ja) | 不特定話者音声認識装置 | |
| JP2844592B2 (ja) | 離散単語音声認識装置 | |
| JPH0535294A (ja) | 音声認識装置 | |
| JP2901976B2 (ja) | パターン照合予備選択方式 | |
| JPH02293797A (ja) | 音声認識装置 | |
| JPS59105697A (ja) | 音声認識装置 | |
| JPS61180297A (ja) | 話者照合装置 | |
| JP3474949B2 (ja) | 音声認識装置 | |
| JPH01222299A (ja) | 音声認識装置 | |
| JPH04152397A (ja) | 音声認識装置 | |
| JPH0567039B2 (ja) | ||
| JPH0316038B2 (ja) | ||
| JPS61113099A (ja) | 音声認識装置における音声区間検出方式 | |
| JPS62141595A (ja) | 音声検出方式 | |
| JPS60260096A (ja) | 音声認識装置 | |
| JP2969663B2 (ja) | 音声認識装置 | |
| JPS58159598A (ja) | 単音節音声認識方式 | |
| JPS6193499A (ja) | 音声パタ−ン照合方式 | |
| JPS62255999A (ja) | 単語音声認識装置 | |
| JPH06100918B2 (ja) | 音声認識装置 | |
| JPS6265093A (ja) | 音声認識装置 |