JPH04199198A - 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】 産業上の利用分野 本発明は音声を用いて電子機器を制御する音声認識装置
に関するものである。

従来の技術 近年、マン／マシン・インターフェースの実現手段とし
て音声認識が注目を浴びている。

以下図面を参照しながら、上述した従来の音声認識装置
の一例について説明する。

第４図は従来の音声認識装置の一構成例である。

第４図において、１３は特徴抽出回路、１４は第一のメ
モリ、１５は類似度演算回路、１６は第二のメモリ、１
７は最大値検出回路、１８は制御回路である。

以上の様に構成された音声認識装置について、以下第４
図をもとにその動作を説明する。

特徴抽出回路１３は入力音声信号より有限個の特徴パラ
メータデータを抽出する。特徴パラメータとしては、た
とえばケプストラム分析により求めた音声のスペクトル
包絡とその時間変化等が用いられる。第一のメモリ１４
には前もって用意されたｎ種類の登録単語のそれぞれに
対応するｎ個の標準特徴パラメータデータが蓄えられて
いる。類似度演算回路１５は、前記の入力音声信号の特
徴パラメータデータと前記第一のメモリ１４に保持され
たｎ個の標準特徴パラメータデータのそれぞれの類似度
を求めｎ個の１８２度データを出力し、第二のメモ１月
６にこの類似度データが蓄えられる。最大値検出回路１
７は前記第二のメモリ１６内のｎ個の類似度データの中
で一番類領度の大きなデータを検出することにより、入
力された音声信号がｎ個の登録単語の内のどれに一番像
でいるかを判別することができる。最大値検出回路１７
が入力音声信号に一番類イ以している登録単語の種類を
示す認識結果データを出力することで音声認識動作が完
結する。尚、制御回路１８は認識開始要求パルスをトリ
ガー入力とし、特徴抽出回路１３と第一のメモ１月４と
類似度演算回路１５と第二のメモリ１６と最大値検出回
路１７の動作制御をを行う。

発明が解決しようとする課題 しかしながら上記のような構成では、特徴が似ている２
つの単語を識別する場合、まりだ（認識できないという
事態が発生しえる。たとえば、母音の特徴をよく表すと
言われている声道の共鳴特徴を示すホルマントを特徴パ
ラメータとして用いたとしよう。さらに、数字の「１」
〜「１０」までを登録単語とし、これらを認識する場合
、「９：きゅう：　ｋｙｕ」と［１０ニジゆう：ｊｙｔ
ｚは非常に似通った特徴パラメータを示し、これら２単
語の認識率は低いものとなる。さらに、標準特徴パラメ
ータが不特定多数話者の平均により作られており、話者
の音声の特徴パラメータが平均よりかなりずれている場
合、何度認識を行っても［９」もしくは「１０」のどち
らか一方がまったく認識できなくなる場合がある、とい
う課題を有していた。

本発明は前記課題に鑑み、特徴が偵た２つの単語を識別
する場合において、誤認識が発生しても、再度の認識に
おいては高い認識率を得ることができ、何度音声認識を
行っても誤認識するという不都合が生じにくい音声認識
装置を提供するものである。

課題を解決するための手段 前記課題を解決するために本発明の音声認識装置は、入
力された音声信号の特徴パラメータデータを求めて出力
する特徴抽出回路と、あらかじめ用意されたｎ１ｌｌ！
の登録単語のそれぞれに対応するｎ個の標準特徴パラメ
ータデータを保持する第一のメモリと、前記特徴抽出回
路出力の前記特徴パラメータデータと前記第一のメモリ
内に保持された前記ｎ個の標準特徴パラメータデータと
の類似度を求め前記登録単語のそれぞれに対応するｎ個
の類似データよりなる第一の類似度データ群を出力する
１！像度演算回路と、前記類似度演算回路出力の前記第
一の１！憤度データ群を保持する第二のメモリと、前回
認識時の前記類僚度演算回路出力である第二の類似度デ
ータ群を保持する第三のメモリと、前記第三のメモリに
保持された前記第二のＲｍ度データ群のｎ個のデータそ
れぞれに重み付け係数を乗算し第三の類似度データ群と
して出力する重み付け回路と、前記第一の類似度データ
群のｎ個のデータと前記第三の類似度データ群のｎ個の
データの同一の登録単語に対応するものどうしを加算し
第四のＩ！位度データ群として出力する加算回路と、前
記第四の類似度データ群の中から類似度が最大である最
大！！僚変度データ検出し前記最大類似度データに対応
する前記登録単語の種類を示す認識結果データを出力す
る最大値検出回路と、前回認識時の前記最大値検出回路
出力の認識結果データを保持し前回認識結果データとし
て出力するレジスタと、認識開始要求パルスをトリガー
入力とし前記特徴抽出回路と前記第一のメモリと前記類
似度演算回路と前記第二のメモリと前記第三のメモリと
前記重み付け回路と前記加算回路と前記最大値検出回路
と前記レジスタの動作制御を行いかつ認識終了パルスと
認識開始パルスを出力する制御回路と、前記認識終了パ
ルスから前記認識開始パルスまでの時間を計測し時間デ
ータを出力する時間計測回路と、前記時間データと前記
前回認識結果データとを入力とし前記重み付け係数を演
算し出力する係数演算回路とより構成したものである。

作用 本発明は上述した構成により、認識装置が誤認識動作し
た場合に話者が言い直すことを利用して、前回の認識結
果が誤りであるために話者が再音声入力したという確率
を前回の認識終了から再音声入力までの時間で近領し、
この確率を用いて前回認識時のＩ！（１１度データのそ
れぞれに重みを付け今回の認識における類（２度データ
に加算することで、前回の認識結果が誤りであるという
情報を今回の認識に用いることとなり、再音声入力時の
認識率を改善でき、何度音声入力しても誤認識するとい
う不都合が生じにくくなる。

実施例 以下本発明の一実施例の音声認識装置について、図面を
参照しながら説明する。第１図は本発明の実施例におけ
る音声認識装置のブロック図を示すものである。

第１図において、１は特徴抽出回路、２は第一のメモリ
、３は類似度演算回路、４は第二のメモリ、５は第三の
メモリ、６は重み付け回路、７は加算回路、８は最大値
検出回路、９はレジスタ、１０は制御回路、１１は時間
計測回路、１２は係数演算回路である。

以上のように構成された音声認識装置について、以下第
１図を用いてその動作を説明する。

まず、音声信号入力から第二のメモリ４までの動作は従
来例と同様なので省略する。第三のメモＵ　５は音声認
識動作が終了し認識終了パルスが発生した時に、第二の
メモリ４に保持されている第一の類似度データ群が転送
される。よって認識終了前の時点で第三のメモリ５には
前回認識時の類似度演算回路３の出力データである第二
の類似度データ群が保持されることになる。

重み付け回路６は、第三のメモリ５に保持された前記第
二の類似度データ群のｎ個のデータのそれぞれに、重み
付け係数（Ｋｉ：ｉ＝１・・・・・・ｎ）を乗算して第
三の類似度データ群として出力する。

加算回路７は前記第一の類似度データ群のｎ個のデータ
と前記第三の［１度データ群のｎ個のデータの同一の登
録単語に対応するものどうしを加算し第四の類似度デー
タ群として出力する。最大値検出回路８は前記第四の類
似度データ群の中から類似度が最大である最大類似度デ
ータを検出し前記最大１！僚度データに対応する登録単
語の種類を示す認識結果データを出力する。レジスタ９
は前回認識時の最大値検出回路８出力の認識結果データ
を保持し前回認識結果データとして出力する、制御回路
１０は、認識開始要求パルスをトリガー入力とし特徴抽
出回路１と第一のメモリ２と類似度演算回路３と第二の
メモリ４と第三のメモリ５と重み付け回路６と加算回路
７と最大値検出回路８とレジスタ９の動作制御を行いか
つ認識終了パルスと認識開始パルスを出力する。時間計
測回路１１は、前記認識終了パルスから前記認識開始パ
ルスまでの時間Ｔを計測し時間データを出力する。認識
終了パルスと認識開始パルスのタイミングチャートを第
２図に示す。係数演算回路１２は、前記時間データと前
記前回認識結果データとを入力とし重み付け係数Ｋｉを
演出し出力する。ただし、前回認識結果であるレジスタ
９の出力の単語に対応した重み付け係数は常にゼロとし
、前記のゼロである係数以外はすべて同一の値にとする
。時間Ｔと重み付け係数にの関係を第３図に示す。

ここで例として、「Ａ」、１Ｂ」、）ＣＪの３つの登録
単語を用いて、音声認識を行う場合を考える。

今、２回の音声を行ったとする。１回目の認識での第二
のメモリ４の出力の第１のＲ４Ｗ４ｍを（ａｌ、ｂｌ、
ＣＩ）とし、２回目の認識での第二のメモリ４の出力の
第１の類似度群を（ａ２、ｂ２、ｃ２１　とする。よっ
て、２回目の１ｍでの第三のメモリ５出力の第２の類似
度群は（ａｌ、ｂｌ、ｃｌｌとなる。また、１回目の認
識終了がら２回目の認識開始までの時間Ｔ＝ｔ２としこ
れに対応する重み付け係数に＝に２とする。さらに、１
回目の認識結果がＩＡＩであったとすると、単語ＩＡＪ
に対応した重み付け係数はゼロとなるため、２回目の認
識での加算回路７の出力の第四の類似度群は（ａ２、ｂ
２＋ｂｌ＊に２　　ｃ２＋ｃ］、＊に２１となる。すな
わち、２回目の認識においては１回目のｉｆｆ！Ｉｉ結
果単語が認識結果として出力される可能性が小さくなり
、さらに１回目の認識結果以外の単語については１回目
の認識情報が加わえられるために認識率が向上する。ま
た、重み付け係数を時間的に除々に変化させていること
より、ある時間は前回の認識結果単語をまった＜　Ｌ’
２識しないというような特殊な状態がなく、さらに状態
の移り変わりがなめらかで、時間的な動作の変化を使用
者に感じさせないという長所をも持ち合わせている。

発明の効果 以上のように本発明によれば、入力された音声信号の特
徴パラメータデータを求めて出力する特徴抽出回路と、
あらかじめ用意されたｎ種類の登録単語のそれぞれに対
応するｎ個の標準特徴パラメータデータを保持する第一
のメモリと、前記特徴抽出回路出力の前記特徴パラメー
タデータと前記第一のメモ１ノ内に保持された前記ｎ個
の標準特徴パラメータデータとの類似度を求め前記登録
単語のそれぞれに対応するｎ個の類似度データよりなる
第一の類似度データ群を出力するｌｌ像度演算回路と、
前記類似度演算回路出力の前記第一の類似度データ群を
保持する第二のメモリと、前回認識時の前記類似度演算
回路出力である第二の類似度データ群を保持する第三の
メモリと、前記第三のメモリに保持された前記第二の類
似度データ群のｎ個のデータのそれぞれに重み付け係数
を乗算し第三の類似度データ群として出力する重み付け
回路と、前記第一の類似度データ群のｎ個のデータと前
記第三の類似度データ群のｎ個のデータの同一の登録単
語に対応するものどうしを加算し第四の類似度データ群
として出力する加算回路と、前記第四の類（２度データ
群の中からＷ４似度が最大である最大類似度データを検
出し前記最大１ｓ似度データに対応する前記登録単語の
種類を示す認識結果データを出力する最大値検出回路と
、前回認識時の前記最大値検出回路出力の認識結果デー
タを保持し前回認識結果データとして出力するレジスタ
と、認識開始要求パルスをトリガー入力とし前記特徴抽
出回路と前記第一のメモリと前記類似度演算回路と前記
第二のメモリと前記第三のメモリと前記重み付け回路と
前記加算回路と前記最大値検出回路と前記レジスタの動
作制御を行いかつ認識終了パルスと認識開始パルスを出
力する制御回路と、前記認識終了パルスから前記認識開
始パルスまでの時間を計測し時間データを出力する時間
計測回路と、前記時間データと前記前回認識結果データ
とを入力とし前記重み付け係数を演算し出力する係数演
算回路とを設けることにより、何度音声認識を行っても
誤認識するという不都合が生じにくい音声認識装置を提
供することができる。

【図面の簡単な説明】

第１図は本発明の一実施例における音声認識装置のブロ
ック図、第２図は認識終了パルスと認識開始パルスのタ
イミングチャート、第３図は時間Ｔと重み付け係数にの
関係を示す特性図、第４図は従来例の音声認識装置のプ
ロ・ツク図である。 ２・・・・・・第一のメモリ、４・・・・・・第二のメ
モリ、５・・・・・・第三のメモリ、６・・・・・・重
み付け回路、７・・・・・・加算回路、８・・・・・・
レジスタ。 代理人の氏名　弁理士　小鍜治　明　ほか２老醜２図 ｉ−醍填ｊ７’４時間 Ｍ３図 ｔｔ　　　　ｔｏ丁 再１がガ阪テでのシ１噴

Claims (1)

1. 【特許請求の範囲】 入力された音声信号の特徴パラメータデータを求めて出
   力する特徴抽出回路と、 あらかじめ用意されたｎ種類（ｎは整数）の登録単語の
   それぞれに対応するｎ個の標準特徴パラメータデータを
   保持する第一のメモリと、 前記特徴抽出回路の出力の前記特徴パラメータデータ前
   記第一のメモリ内に保持された前記ｎ個の標準特徴パラ
   メータデータとの類似度を求め前記登録単語のそれぞれ
   に対応するｎ個の類似度データよりなる第一の類似度デ
   ータ群を出力する類似度演算回路と、 前記類似度演算回路の出力の前記第一の類似度データ群
   を保持する第二のメモリと、 前回認識時の前記類似度演算回路の出力である第二の類
   似度データ群を保持する第三のメモリと、前記第三のメ
   モリに保持された前記第二の類似度データ群のｎ個のデ
   ータのそれぞれに重み付け係数を乗算し第三の類似度デ
   ータ群として出力する重み付け回路と、 前記第一の類似度データ群のｎ個のデータと前記第三の
   類似度データ群のｎ個のデータの同一の登録単語に対応
   するものどうしを加算し第四の類似度データ群として出
   力する加算回路と、 前記第四の類似度データ群の中から類似度が最大である
   最大類似度データを検出し前記最大類似度データに対応
   する前記登録単語の種類を示す認識結果データを出力す
   る最大値検出回路と、前回認識時の前記最大値検出回路
   の出力の認識結果データを保持し前回認識結果データと
   して出力するレジスタと、 認識開始要求パルスをトリガー入力とし前記特徴抽出回
   路と前記第一のメモリと前記類似度演算回路と前記第二
   のメモリと前記第三のメモリと前記重み付け回路と前記
   加算回路と前記最大値検出回路と前記レジスタの動作制
   御を行いかつ認識終了パルスと認識開始パルスを出力す
   る制御回路と、前記認識終了パルスから前記認識開始パ
   ルスまでの時間を計測し時間データを出力する時間計測
   回路と、 前記時間データと前記前回認識結果データとを入力とし
   前記重み付け係数を演算し出力する係数演算回路とより
   構成される音声認識装置。