JPH04254896A - 音声認識訂正装置 - 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】

【０００１】

【産業上の利用分野】音声認識装置に係わる。

【０００２】

【従来の技術】従来の音声認識訂正装置について図９を
用いて説明する。

【０００３】従来の音声認識訂正装置では、音響分析部
１において入力された音声の分析を行い、特徴を出力す
る。音響分析部１からの出力に基づいて、音声認識部２
において入力音声の認識を行う。音声認識部２にて認識
された結果は操作者が確認できるように出力される。入
力音声を分析した特徴抽出の結果は、記憶部３に記憶さ
れる。音声認識結果に変更を施す必要がない場合には次
音声入力の操作に移行する。しかし、音声認識結果を変
更したい場合には、カーソル指示部４を操作し変更する
部分の先頭部と、同じく変更部分の終了部にカーソルを
移動させてマークし変更部分を指定する。従来の音声認
識訂正装置では、操作者がカーソル指示部４を操作して
、誤認識等により変更する必要がある部分を指示するの
である。カーソル指示部４の操作によって指示された部
分を変更するため、操作者は変更部５において、キー入
力装置を用いて変更したり、音声認識結果の候補がいく
つか表示されているような場合にはその中から候補を選
ぶ等の方法によって音声認識結果を変更する。

【０００４】

【発明が解決しようとする課題】音声による入力は、キ
ー入力操作をすることなくデータ入力を行うことができ
、キー入力装置のキー配置位置、キー操作方法等を知る
必要がなく、誰でもが簡便に使用できる入力方法である
。しかし、音声入力方法は、キー操作による入力方法と
異なり、操作者が正確に入力をしても入力データが正確
に認識される確率はやや低くなる傾向がある。そこで、
音響学会誌中の文章を構成する単語について、１単語を
構成している音素の数を調べたところ、１単語当りの平
均音素数は約９音素であった。ここで、音素認識率が９
５％以上である音声認識装置を用いても、１単語中に１
文字の認識誤りは予想される。また、音素認識率が９８
％以上である音声認識装置を考えた場合でも、１単語中
に１文字の認識誤りが発生することは、そう稀なことで
はないと考えられる。また、同じく音響学会誌中文章に
ついて、１文を構成している音素数を調べたところ、１
文当りの平均音素数は約４７音素であった。ここで、音
素認識率が９５％以上である音声認識装置を用いても、
１文中に２〜３音素の認識誤りは避けられないことにな
る。また、音素認識率が９８％以上である音声認識装置
を考えた場合でも、一文の中に１音素の認識誤りが発生
することは充分に考えられる。以上の事実からみても、
入力された音声の認識結果を変更する必要が生じるのは
、そう稀なことではないことが分かる。音声認識装置を
考えた場合には、音声認識訂正装置の役割はきわめて大
きいと思われる。また、音声認識の誤りを正す場合だけ
ではなく、入力データの一部を変更したい場合にも音声
認識訂正装置が用いられる。

【０００５】音声認識結果に変更を加える必要が生じた
場合には、まず変更部分を正しく指定することが重要で
ある。しかし、前述の従来技術を用いた音声認識訂正装
置では、操作者は自ら図９カーソル指示部４を操作し認
識誤りや変更が発生した区間の指定をしなければならな
い。このようなキー入力装置を用いたカーソル操作を頻
繁にしなければならないことは、操作者にとって非常に
負担である。このような視線が頻繁に移動する作業は、
操作者の視神経を非常に疲労させ作業効率を低下させる
ばかりか、視力の著しい低下を招く恐れがある。また、
音声による入力という優れた入力方法を用いておきなが
ら、変更部分の指定を手動でカーソルを移動することに
よってする従来技術では、音声認識装置の特徴である「
誰にでも操作が簡便に出来る。」、「キー入力やその他
の方法に比べ、データ入力スピードが速い。」という利
点を充分に発揮することが出来ないのである。つまり、
データ入力操作は速やかに行えたとしても、従来技術を
用いた音声認識訂正装置は、誰でもが簡単に迅速に変更
操作を行うことは非常に困難である。このように従来技
術を用いた音声認識訂正装置では、変更操作に非常に時
間がかかり、極めて作業効率が悪いのである。従来技術
には、以上述べてきたような問題点があった。

【０００６】

【課題を解決するための手段】本発明の音声認識訂正装
置は、入力された第１の音声の特徴を出力する音響分析
部と、前記音響分析部の出力を符号列に変換する音声認
識部と、前記音響分析部の出力を記憶する音響分析記憶
部と、前記音声認識部の出力を記憶する音声認識記憶部
と、入力された第２の音声を前記音響分析記憶部及び前
記音声認識記憶部内のデータと対比して前記第１の音声
のデータから、前記第２の音声に該当する部分を検出す
るスポッティング部と、前記符号列のうち前記該当する
部分に対応する部分を変更する変更部とからなることを
特徴とする。

【０００７】

【実施例】以下、本発明について実施例に基づいて詳細
に説明する。 （実施例１）図１は本発明の音声認識訂正装置の原理ブ
ロック図、図２は本発明の一実施例である単語毎に区切
って発生した音声認識訂正装置のブロック図である。図
２に破線によって示した処理経路は、第２の音声のもの
である。単語毎に区切って発声された第１の音声は、図
１音響分析部１１の構成要素であるマイク、高域強調フ
ィルタ、ＡＤ変換器より構成される図２音声入力部２１
によって８ＫＨｚ、１２ｂｉｔｓのデジタル信号として
サンプリングされる。さらに同じく図１音響分析部１１
の構成要素である図２特徴抽出回路２２において、デジ
タル信号に変換された音声信号を１６ｍｓ区間を１フレ
ームとして１フレーム毎に周波数変換し、周波数領域で
の特徴パラメータを抽出し、発声された単語の特徴パラ
メータ列として表される。図１音響分析部１１で抽出さ
れた第１の音声の特徴パラメータ列は、図２特徴パラメ
ータ列記憶回路２７に記憶される。図２特徴パラメータ
記憶回路２７は図１音響分析記憶部１６を構成する。さ
らに、第１の音声の特徴パラメータ列は、図１音声認識
部１２を構成する図２ＤＰマッチング回路２３において
、図２音素記憶辞書２４とマッチングされる。図１音声
認識部１２において認識判定された音素ラティスは、図
２音素ラティス記憶回路３２に記憶され、図２表示部制
御回路２５の制御によって図２表示部２６に表示される
。図２音素ラティス記憶回路３２は図１音声認識記憶部
１３を構成している。図２表示部２６に表示された音声
認識結果に誤りがあった場合、または変更したい部分が
生じた場合には、操作者は訂正キーに触れる等の行為に
よって認識結果変更の必要を知らせる。音声認識訂正装
置は、図２訂正キー制御回路２８からの発信によって第
２の音声入力に備える。図２に破線で示されているのは
、第２の入力音声の処理を示したものである。入力され
た第２の音声である音素は、第１の音声と同様に、図２
音声入力部２１、図２特徴抽出回路２２を経て特徴パラ
メータ列に変換される。まず、その第２の音声の特徴パ
ラメータ列は、図２特徴パラメータ列記憶回路２７に記
憶されている第１の入力音声の特徴パラメータ列と、図
２ＤＰマッチング回路２９においてＤＰマッチングされ
る。誤って認識されてしまった音素、または変更を施す
必要のある音素を第２の音声として入力することによっ
て、変更部分を確実にスポッティングしているのである
。この処理により得られた変更部分をスポッティング１
とする。さらに、変更部分のスポッティングを確実にす
るために、第２の音声も第１の音声と同様に図２ＤＰマ
ッチング回路２３において、図２音素記憶辞書２４とＤ
Ｐマッチングし、音声認識する。この第２の音声を音声
認識した結果と、図２音素ラティス記憶回路３２に記憶
されている第１の音声の音声認識結果とを、図２ＤＰマ
ッチング回路３３において、ＤＰマッチングする。これ
は、音声認識結果を用いて変更部分のスポッティングを
する処理である。この処理により得られた変更部分をス
ポッティング２とする。次に、図２スポッティング結果
比較回路３４において、図２特徴パラメータ列記憶回路
２７に記憶されている第１の音声の特徴パラメータ列と
第２の音声の特徴パラメータ列を用いて変更部分をスポ
ッティングした結果、スポッティング１と、図２音素ラ
ティス記憶回路３２に記憶されている第１の音声の音声
認識結果と第２の音声の音声認識結果を用いて変更部分
をスポッティングした結果、スポッティング２とを比較
する。図２スポッティング結果比較回路３４において比
較した結果、スポッティング１とスポッティング２が同
一ならば、確実に変更部分がスポッティングされたとし
て、次の処理に移る。もし、スポッティング１とスポッ
ティング２が一致していない場合には、スポッティング
１、スポッティング２をそれぞれＤＰマッチングにより
マッチングした際のＤＰ値の大きい方を変更部と決定す
る。もし変更部分が誤ってスポッティングされてしまっ
た場合には、操作者は変更された結果が図２表示部２６
に表示されるのを見て、知ることが出来る。そのような
場合には、直ちに図２訂正キー制御回路２８に制御され
ている訂正キーを操作して、先に図２スポッティング結
果比較回路３４において他のスポッティング結果よりも
、ＤＰ値が小さいために変更部分の候補に選ばれなかっ
たもう一方のスポッティング結果を変更部分として、変
更部分の変更操作は再び進められる。図２ＤＰマッチン
グ回路２９、図２ＤＰマッチング回路３３、図２スポッ
ティング結果比較回路３４は、図１スポッティング部１
４を構成する。以上の処理によりスポッティングされた
変更部分について、図２音素ラティス記憶回路３２の中
に記憶されている第２候補の音素を図２音素ラティス入
れ替え回路３０によって、第１候補の音素として順位入
れ替えし、図２表示部制御回路２５の制御によって図２
表示部２６に表示する。この操作により変更部が変更を
希望する音素に変更されたならば、図２確定キー制御回
路３１に制御されている確定キーを操作して音声認識結
果を確定する。変更部分の第２候補の音素が変更を希望
する音素でない場合には、確定キーが操作されないこと
を図２確定キー制御回路３０は認識し、図２音素ラティ
ス入れ替え回路３０はさらに下位の優先順位を持った候
補を第１の候補として順位入れ替えし、図２表示部２６
に表示する。操作者は、希望の音素を見つけたところで
、確定キーを操作して音声認識結果を確定する。表示さ
れた第２、第３、それ以下の候補の中に希望する音素が
存在しなければ、改めて音声の入力を行い、最初に音声
を入力した際と同様な経路にて音声認識を行う。図２音
素ラティス入れ替え回路３０、図２確定キー制御回路３
１は図１変更部１５を構成する。

【０００８】本発明について実施例に基づいて、図３、
図４を用いてさらに説明する。

【０００９】図３は本発明の音声認識訂正装置の一実施
例である単語毎に区切って発声した音声認識訂正装置を
構成する図１音声認識記憶部１３に記憶された音素ラテ
ィス構造、図１音響分析記憶部１６に記憶された特徴抽
出結果の一部である音声パワーを示す図である。

【００１０】単語毎に区切って発声された音声を認識す
る音声認識訂正装置において、操作者が「電子計算機」
という単語を第１の音声として入力したと仮定する。こ
の入力を受けた際の図２音素ラティス記憶回路３２に記
憶された音素ラティスは図３に示した通り、「で」の音
素ラティス構造は第一候補は「で」、第二候補は「て」
である。「ん」の音素ラティス構造は第一候補は「ん」
、第二候補は「む」、第三候補は「う」である。 「し」の音素ラティス構造は第一候補が「ち」、第二候
補は「し」である。「け」の音素ラティス構造は第一候
補が「け」、第二候補、第三候補はない。「い」の音素
ラティス構造は第一候補が「い」、第二候補は「ひ」、
第三候補は「し」である。「さ」音素ラティス構造は第
一候補が「さ」、第二候補が「は」、第三候補が「あ」
である。「ん」の音素ラティス構造は第一候補が「ん」
、第二候補は「む」である。「き」の音素ラティス構造
は第一候補が「き」、第二候補、第三候補はない。また
、図３に音素ラティス構造と共に示したのは、「でんし
けいさんき」と入力した際に、図１音響分析部１１によ
って分析された音声特徴の一部である音声パワーである
。以上の結果から、各音素認識結果の第一候補をつなげ
ると、認識結果は「でんちけいさんき」である。この場
合、入力音声は「でんしけいさんき」であるから、三番
目の文字「し」が「ち」と誤認識されてしまったことに
なる。操作者は図２表示部２６に表示された音声認識結
果を確認し、音声認識結果に変更の必要があることを、
訂正キーを用いて知らせる。図２訂正キー制御回路２８
は音声認識結果に誤りがあったことを認識し、直ちに第
２の音声として変更音素の入力を求める。

【００１１】図４は本発明の音声認識訂正装置の一実施
例である単語毎に区切って発声した音声を認識する音声
認識訂正装置を構成する図１音素スポッティング部１４
の処理を説明する図である。図４では、第１の音声の特
徴パラメータ列の一つである音声パワーと音素ラティス
、第２の音声の特徴パラメータ列の一つである音声パワ
ーと音素ラティスを示して説明している。

【００１２】操作者は誤って認識されてしまった音素そ
のもの、ここでは「ち」を第２の音声として入力する。 これは、変更部分をカーソルなどで指定せずにスポッテ
ィングするためである。入力された「ち」は、図２音声
入力部２１、図２特徴抽出回路２２を経て特徴パラメー
タに変換される。特徴パラメータ列に変換された第２の
音声は、図２ＤＰマッチング回路２９において図２特徴
パラメータ列記憶回路２７に記憶されている第１の音声
の特徴パラメータとＤＰマッチングされる。第１の入力
音声の特徴パラメータ列と、第２の入力音声の特徴パラ
メータ列をＤＰマッチングすることで、第２の音声が第
１の音声の「ち」の部分であることが分かり、変更部分
の候補としてスポッティングされる。この結果をスポッ
ティング１とする。ここに示したように、一度特徴抽出
し音声認識した音素「ち」をスポッティングすることは
それほど困難なことではない。第２の入力音声を図２Ｄ
Ｐマッチング回路２３において、図２音素記憶辞書２４
とＤＰマッチングし、音声認識する。ここで、第２の音
声は「ち」と認識される。第２の音声の音声認識結果「
ち」を図２ＤＰマッチング回路３３において、図２音素
ラティス記憶回路３２とＤＰマッチングする。このＤＰ
マッチングの結果、「でんちけいさんき」の「ち」がス
ポッティングされる。これをスポッティング２とする。 図２スポッティング結果比較回路３４において、変更部
分の候補としてスポッティング１とスポッティング２と
比較される。ここでは、スポッティング１が「ち」、ス
ポッティング２も「ち」で一致するので、変更部分とし
て「でんちけいさんき」の「ち」がスポッティングされ
る。このようにして、誤認識部分「ち」が変更必要な音
素として検出される。この結果を受け図２音素ラティス
入れ替え回路３０では、図２音素ラティス記憶回路３２
を操作し、変更部分としてスポッティングされた「ち」
の音声認識結果の第２候補である「し」を第１の候補に
順位入れ替えし、図２表示部制御回路２５の制御により
、図２表示部２６に表示する。幸い第二候補に正しい音
素「し」が存在するので、操作者は確定キーを用いて確
定し、音声認識結果を訂正する。以上の操作によって音
声認識結果の訂正を終了し、「でんしけいさんき（電子
計算機）」を得ることができる。

【００１３】図８、図２、図３、図４を参照しながら本
発明の一実施例である（実施例１）の処理過程を詳細に
説明する。図８は本発明の一実施例である単語毎に区切
って発声された音声を認識する音声認識訂正装置の処理
例を示したフローチャートである。

【００１４】まず、操作者によって第１の音声が入力さ
れる。音声データの入力に係わるのは図２音声入力部２
１である。入力された音声は直ちに図２特徴抽出回路２
２において、分析、特徴抽出される。抽出された特徴は
、図２特徴パラメータ列記憶回路２７に記憶される。 さらに、第１の音声の特徴パラメータ列は、図２ＤＰマ
ッチング回路２３において、図２音素辞書２４とＤＰマ
ッチングされ、符号列として音声認識される。この結果
は図２音素ラティス記憶回路３２に記憶される。第１の
音声が音声認識された結果は図２音素ラティス記憶回路
３２に記憶されるとともに、操作者が確認できるように
図２表示部２６に表示される。この表示に係わるのは図
２表示制御回路２５、および図２表示部２６である。表
示された音声認識結果の例は、図３に示してあるとおり
である。図２表示部２６に表示された音声認識結果に誤
りや変更の必要が生じた場合には、操作者は訂正キーを
用いて変更の必要があることを伝える。ここで用いられ
る訂正キーは、図２訂正キー制御回路２８によって制御
されているものである。変更の必要があった場合には、
直ちに変更部分を検出する必要があある。音声認識結果
の中から、変更部分をスポッティングするために第２の
音声として変更部分そのものを音声により入力する。第
２の音声として入力された変更部分は直ちに特徴抽出さ
れ特徴パラメータ列となり、図２ＤＰマッチング回路２
９において、図２特徴パラメータ列記憶回路２７に記憶
されている第１の音声の特徴パラメータ列とＤＰマッチ
ングされる。ＤＰマッチングにより変更部分の候補とし
てスポッティング１がスポッティングされる。さらに、
変更部のスポッティングを確実に行うために、第２の音
声を音声認識した結果と、図２音素ラティス記憶回路３
２に記憶されている第１の音声の音声認識結果とを、図
２ＤＰマッチング回路３３においてＤＰマッチングする
。その結果、変更部の候補としてスポッティング２がス
ポッティングされる。ようすは図４に示すとおりである
。そして、図２スポッティング結果比較回路３４におい
て、スポッティング１とスポッティング２が比較される
。この結果が一致していれば変更部分が正確にスポッテ
ィングされたとして、速やかに変更部分を変更する処理
に移行する。しかし、第１の音声と第２の音声の特徴抽
出した結果である特徴パラメータ列を用いて変更部分を
スポッティングしたスポッティング１と、第１の音声と
第２の音声の音声認識結果を用いて変更部をスポッティ
ングしたスポッティング２が異なっている場合には、図
２スポッティング結果比較回路３４において、スポッテ
ィング１とスポッティング２が検出された際のＤＰ値の
大きさを比較し、ＤＰ値のより大きい方を変更部分とし
て処理を進める。しかし、もし変更部分のスポッティン
グに誤りがあり、変更を希望する音素以外が変更されて
しまった場合には、操作者は表示部に表示された結果に
より確認し、訂正キーを用いて知らせる。すると、先ほ
ど、ＤＰ値が小さいために変更部分とならなかったもう
一方のスポッティング結果を変更部分として、変更処理
を進める。図２ＤＰマッチング回路２９、図２ＤＰマッ
チング回路３３、図２スポッティング結果比較回路３４
は、図１スポッティング部１４を構成する。スポッティ
ングされた変更部分について、図２音素ラティス記憶回
路３２の中に記憶されている第２候補の音素を図２音素
ラティス入れ替え回路３０によって、第１候補の音素と
して順位入れ替えし、その結果を図２表示部制御回路２
５の制御により、図２表示部２６に表示する。この処理
によって変更部が変更を希望する音素に変更されたなら
ば、図２確定キー制御回路３１に制御されている確定キ
ーを操作して音声認識結果を確定する。変更部分の第２
候補の音素が変更を希望する音素でない場合には、確定
キーが操作されないことを図２確定キー制御回路３１は
認識し、図２音素ラティス入れ替え回路３０はさらに下
位の優先順位を持った候補を第１の候補として順位入れ
替えし、先ほどと同様に表示する。操作者は、希望の音
素を見つけたところで、確定キーを操作して音声認識結
果を確定する。表示された第２、第３、それ以下の候補
の中に希望する音素が存在しなければ、改めて音声の入
力を行い、最初に音声を入力した際と同様な経路にて音
声認識を行う。この変更操作に係わるのは、図２音素ラ
ティス入れ替え回路３０と図２確定キー制御回路３１、
音素ラティス記憶回路３２、図２表示部制御回路２５、
図２表示部２６である。 （実施例２）図５は本発明の一実施例である単語毎に区
切らずに連続して発声した音声を認識する連続音声認識
訂正装置のブロック図である。破線によって示した処理
経路は、第２の音声のものである。

【００１５】第１の音声として入力された音声は、図１
音響分析部１１の構成要素であるマイク、高域強調フィ
ルタ、ＡＤ変換器より構成される図５音声入力部４１に
よって８ＫＨｚ、１２ｂｉｔｓのデジタル信号としてサ
ンプリングされる。更に同じく図１音響分析部１１の構
成要素である図５特徴抽出回路４２において、デジタル
信号に変換された音声信号を１６ｍｓ区間を１フレーム
として１フレーム毎に周波数変換し、周波数領域での特
徴パラメータを抽出し、発声された単語の特徴パラメー
タ列として表される。図５特徴抽出回路４２で抽出され
た入力音声の特徴パラメータ列は、図５特徴パラメータ
列記憶回路４７に記憶される。図５特徴パラメータ列記
憶回路４７は図１音響分析記憶部１６を構成する。第１
の音声の特徴パラメータ列は、図５連続ＤＰマッチング
回路４３において、図５単語記憶辞書４４と連続ＤＰマ
ッチングされ、符号列として音声認識され、図５単語ラ
ティス記憶回路５２に記憶される。第１の音声の音声認
識結果を符号列として記憶する図５単語ラティス記憶回
路５２は、図１音声認識記憶部１３を構成している。第
１の音声の音声認識結果は図５単語ラティス記憶回路５
２に記憶されるとともに、図５音声合成回路４５によっ
て音声合成され、図５音声出力制御回路４６の制御によ
りスピーカーから出力される。操作者は、音声により出
力された第１の音声の音声認識結果を聞き、音声認識結
果に誤りがあった場合、または変更したい部分が生じた
場合には、操作者は訂正キーに触れる等の行為によって
認識結果変更の必要を知らせる。図５に破線で示されて
いるのは、第２の入力音声の処理を示したものである。 第２の音声として入力された単語は、第１の音声と同様
に、図５音声入力部４１、図５特徴抽出回路４２を経て
特徴パラメータ列に変換される。変更が必要な部分とし
て入力された第２の音声の特徴パラメータ列は、図５連
続ＤＰマッチング回路４９において、図５特徴パラメー
タ列記憶回路４７に記憶されている第１の音声の特徴パ
ラメータ列と連続ＤＰマッチングされる。誤って認識さ
れてしまった部分や、変更を施す部分を第２の音声とし
て入力することによって、第１の音声の特徴パラメータ
列と比較し、一致する部分を探すことで、音声認識結果
の変更部分をスポッティングしているのである。この結
果を変更部分の候補としてスポッティング１とする。さ
らに、変更部分のスポッティングを確実にするために、
第２の音声も第１の音声と同様に第５連続ＤＰマッチン
グ回路４３において、図５単語記憶辞書４４と連続ＤＰ
マッチングし、音声認識する。この第２の音声を音声認
識した結果と、図５単語ラティス記憶回路５２に記憶さ
れている第１の音声の音声認識結果とを、図５連続ＤＰ
マッチング回路５３において、連続ＤＰマッチングする
。これは、音声認識結果を用いて変更部分のスポッティ
ングをする処理である。この処理により得られた変更部
分をスポッティング２とする。次に、図５スポッティン
グ結果比較回路５４において、先に図５特徴パラメータ
列記憶回路４７に記憶されている第１の音声の特徴パラ
メータ列と第２の音声の特徴パラメータ列を用いて変更
部分をスポッティングした結果、スポッティング１と、
図５音素ラティス記憶回路５２に記憶されている第１の
音声の音声認識結果と第２の音声の音声認識結果を用い
て変更部分をスポッティングした結果、スポッティング
２とを比較する。図５スポッティング結果比較回路５４
において比較した結果、スポッティング１とスポッティ
ング２が同一ならば、確実に変更部分がスポッティング
されたとして、次の処理に移る。もし、スポッティング
１とスポッティング２が一致していない場合には、スポ
ッティング１、スポッティング２が検出された際のＤＰ
値の大きい方を変更部と決定する。もし変更部分が誤っ
てスポッティングされてしまった場合には、操作者は変
更された結果がスピーカーから流れるのを聞き、知るこ
とが出来る。そのような場合には、直ちに図５訂正キー
制御回路４８に制御されている訂正キーを操作して、先
に図５スポッティング結果比較回路５４において他のス
ポッティング結果よりも、ＤＰ値が小さいために変更部
分の候補に選ばれなかったもう一方のスポッティング結
果を変更部分として、変更部分の変更操作は再び進める
ことが出来る。図５連続ＤＰマッチング回路４９、図５
連続ＤＰマッチング回路５３、図５スポッティング５４
は、図１スポッティング部１４を構成する。スポッティ
ングされた変更部分について、図５単語ラティス記憶回
路５２の中に記憶されている第２候補の単語を図５単語
ラティス入れ替え回路５０によって、第１候補の単語と
して順位入れ替えし、その結果を図５音声合成回路４５
において音声合成し図５音声出力制御回路４６の制御に
よってスピーカーから音声出力する。この処理によって
変更部が変更を希望する単語に変更されたならば、図５
確定キー制御回路５１に制御されている確定キーを操作
して音声認識結果を確定する。変更部分の第２候補の単
語が変更を希望する単語でない場合には、確定キーが操
作されないことを図５確定キー制御回路５０は認識し、
図５単語ラティス入れ替え回路５０はさらに下位の優先
順位を持った候補を第１の候補として順位入れ替えし、
先ほどと同様に音声出力する。操作者は、希望の単語を
見つけたところで、確定キーを操作して音声認識結果を
確定する。表示された第２、第３、それ以下の候補の中
に希望する単語が存在しなければ、改めて音声の入力を
行い、最初に音声を入力した際と同様な経路にて音声認
識を行う。図５単語ラティス入れ替え回路５０、図５確
定キー制御回路５１は図１変更部１５を構成する。

【００１６】本発明について、本発明の（実施例２）に
基づいて、図６、図７を用いて更に説明する。

【００１７】図６は本発明の音声認識訂正装置の一実施
例である単語毎に区切らずに発生した音声を認識する認
識訂正装置を構成する図１音声認識記憶部内の単語ラテ
ィス構造および、図１音響分析記憶部内の一部のデータ
として音声の音声パワーを示す図である。

【００１８】操作者が第１の音声として「今日の天気は
晴れです。」という文章を入力したと仮定する。この入
力を受けた際の図５単語ラティス記憶回路５２における
単語タティス構造は図６に示したとおり、「今日」の単
語ラティス構造は第一候補「今日」、第二候補第三候補
はない。「の」の単語ラティス構造は第一候補「の」、
第二候補「も」である。「天気」の単語ラティス構造は
第一候補「天気」、第二候補「天使」である。また、「
は」の単語ラティス構造は第一候補「は」、第二候補「
あ」である。また、「晴れ」の単語ラティス構造は、第
一候補「針」第二候補「晴れ」、第三候補「橋」である
。同様に「です」についての単語ラティス構造は、第一
候補「です」、第二候補「でぶ」である。この第１の入
力音声「今日の天気は晴れです。」の抽出された特徴の
一種である音声パワーは、図６に示した通りである。 この場合、「晴れ」が「針」に誤認識されてしまったこ
とになる。音声認識結果は図５音声合成回路４５により
音声合成され、図５音声出力制御回路４６の制御により
スピーカーから出力される。操作者は音声によって伝え
られる「今日の天気は針です。」という音声認識結果を
聞き、音声認識結果に変更の必要があることを知り、訂
正キーを用いて知らせる。図５訂正キー制御回路４８は
音声認識結果に変更の必要があることを認識し、直ちに
第２の音声として変更部分の入力を求める体制を整える
。

【００１９】図７は本発明の音声認識訂正装置の一実施
例である（実施例２）に基づき、単語毎に区切らずに発
生した音声を認識する音声認識訂正装置を構成する図１
音素スポッティング部１４の処理を説明する図である。 図７では、第１の音声の特徴パラメータ列の一つである
音声パワーと単語ラティスおよび、第２の音声の特徴パ
ラメータ列の一つである音声パワーと音声認識結果を示
して説明している。

【００２０】操作者は誤って認識されてしまった単語そ
のもの、「針」を第２の音声として入力する。これは、
変更部分をスポッティングするためである。入力された
第２の音声「針」は図５音声入力部４１、図５特徴抽出
回路４２を経て特徴パラメータ列に変換され、図５特徴
パラメータ列記憶回路４７に記憶されている第１の入力
音声の特徴パラメータ列と図５連続ＤＰマッチング回路
４９において連続ＤＰマッチングされる。その結果は、
図７に示したように「針」が変更部分の候補としてスポ
ッティングされたのである。「針」をスポッティング１
とする。ここに示したように、一度特徴抽出し音声認識
した単語「針」をスポッティングすることはそれほど困
難なことではない。第２の入力音声を図５連続ＤＰマッ
チング回路４３において、図５音素記憶辞書４４と連続
ＤＰマッチングし音声認識する。こここ、仮に第２の音
声は「天気」と認識されたとする。第２の音声の音声認
識結果「天気」を図５連続ＤＰマッチング回路５３にお
いて、図５単語ラティス記憶回路５２と連続ＤＰマッチ
ングする。この連続ＤＰマッチングの結果、「今日の天
気は針です。」の「天気」がスポッティングされる。こ
れをスポッティング２とする。図５スポッティング結果
比較回路５４において、変更部分の候補としてスポッテ
ィング１とスポッティング２と比較される。ここでは、
スポッティング１が「針」、スポッティング２は「天気
」で一致しないので、スポッティング１とスポッティン
グ２が連続ＤＰマッチングによりスポッティングされた
際のＤＰマッチング値を比較する。するとスポッティン
グ１のＤＰ値はスポッティング２のＤＰ値より大きいこ
とが分かる。ここで、スポッティング１が変更部分の候
補となり、「今日の天気は針です。」の「針」がスポッ
ティングされる。このようにして、誤認識部分「針」が
変更必要な単語として検出される。この結果を受け図５
単語ラティス入れ替え回路５０では、図５単語ラティス
記憶回路５２を操作し、変更部分としてスポッティング
された「針」の音声認識結果の第２候補である「晴れ」
を第１の候補に順位入れ替えし、その結果は図５音声合
成回路４５において、音声合成され、図５音声出力制御
部４６の制御によりスピーカーから音声出力される。幸
い第二候補に正しい単語「晴れ」が存在して、スピーカ
ーより「晴れ」という音声出力を聞き、操作者は確定キ
ーを用いて確定し、音声認識結果を訂正する。以上の操
作によって音声認識結果の訂正を終了し、「今日の天気
は晴れです。」を得ることができる。仮に、図５スポッ
ティング結果比較回路５４において、スポッティング１
（針）とスポッティング２（天気）のＤＰ値を比較した
際に、スポッティング２の方がＤＰ値が大きければ、変
更部分としてスポッティング２８天気）が選ばれる。変
更部分スポッティング以降の変更処理は、「天気」につ
いて行われる。この場合を引用して、変更部分のスポッ
ティングが誤ってしまった場合の例を説明する。図５単
語ラティス入れ替え回路５０は、図５単語ラティス記憶
回路５２に記憶されている「天気」の第２候補は「天使
」を順位入れ替えし第１の候補として、図５音声合成回
路４５に出力し、図５音声合成回路４５において音声合
成され、図５音声出力制御回路４６の制御によりスピー
カーから「天使」と流れたのを聞き、変更部分のスポッ
ティングに失敗したことを知る。そこで、変更部分のス
ポッティングに誤りがあったことを、図５訂正キー制御
回路４８によって制御されている訂正キーを用いて知ら
せる。そこで、図５スポッティング結果比較回路５４に
おけるＤＰ値の比較で、ＤＰ値が小さいとして変更部分
の候補になれなかった「針」を、変更部分として図５単
語ラティス入れ替え回路５０に送る。図５単語ラティス
入れ替え回路５０では、図５単語ラティス記憶回路５２
に記憶されている「針」の第２候補である「晴れ」第１
の候補として順位入れ替えを行う。図５音声合成回路４
５では「晴れ」を音声合成し、図５音声出力制御回路４
６の制御により「晴れ」と音声出力する。 操作者は「晴れ」という音声を聞き、希望していた変更
部分が希望していた認識結果に変更されたことを認識し
、図５確定キー制御回路５１に制御されている確定キー
を用い結果を訂正する。以上の操作によって、変更部分
のスポッティングを誤ってしまったとしても、希望する
音声認識結果「今日の天気は晴れです。」を得ることが
できる。

【００２１】尚、（実施例１）、（実施例２）では音声
入力部として、マイク、高域強調フィルタ、ＡＤ変換器
より構成し、８ＫＨｚ、１２ｂｉｔｓのデジタル信号と
してサンプリングしたものを用いたが、迅速に入力音声
をサンプリングできるものであれば、それ以外の構成で
あってもかまわない。また、特徴抽出回路では、デジタ
ル信号に変換された音声信号を１６ｍｓ区間を１フレー
ムとして、１フレーム毎に周波数変換し、周波数領域で
の特徴パラメータを抽出し、発声された単語の特徴パラ
メータ列として表す方法を用いたが、これ以外の方法で
あっても特徴を的確に抽出できる方法であればかまわな
い。また、音声認識結果を操作者に知らせる手段として
、（実施例１）では表示部に音声認識結果を表示する方
法を用いた。また、（実施例２）では音声認識結果を音
声合成により生成し、合成音声として出力し操作者に知
らせる方法を用いたが、これら以外の方法であっても、
音声認識結果を迅速に操作者に知らせることが出来る方
法であれば構わない。また、変更希望の単語や音素を確
定するために、ここでは確定キーを用いたが、それ以外
の音声による確定等であっても、正確に確定操作が出来
る方法であれば、それ以外の方法であっても構わない。

【００２２】

【発明の効果】以上述べてきたように本発明の音声認識
訂正装置は、入力された音声認識結果の変更にあたって
、カーソルを移動して変更部分の指定をする必要がなく
、音声により変更部分を再入力することによって、極め
て速やかに変更部分の指定を行い変更することが出来る
。そのため、雑音等による音声認識装置の使用環境の悪
化や、音声認識装置に入力を行う操作者の体調等により
、音声認識結果に頻繁に誤認識が生じ得るような場合に
も、音声認識訂正のための特別な操作や知識を必要とせ
ず、音声入力操作と同様な操作では訂正が可能となり、
操作者への負担が軽減され作業効率も著しく改善された
。

【図面の簡単な説明】

【図１】本発明の音声認識訂正装置の原理ブロック図で
ある。

【図２】本発明の一実施例のブロック図である。

【図３】本発明の一実施例の音響分析記憶部内に記憶さ
れている第１の音声の特徴の一種である音声パワー及び
、音声認識記憶部内に記憶されている第１の音声の音素
ラティス構造３を示す図である。

【図４】本発明の一実施例の変更部スポッティング部及
び変更部を説明する図である。

【図５】本発明の一実施例のブロック図である。

【図６】本発明の一実施例の音響分析記憶部内に記憶さ
れている第１の音声の特徴の一種である音声パワー及び
、音声認識記憶部内に記憶されている第１の音声の単語
ラティス構造を示す図である。

【図７】本発明の一実施例の変更部スポッティング部及
び変更部を説明する図である。

【図８】本発明の一実施例の処理を説明する図である。

【図９】従来の音声認識訂正装置のブロック図である。

【符号の説明】

１　　音響分析部 ２　　音声認識部 ３　　記憶部 ４　　カーソル指示部 ５　　変更部 １１　　音響分析部 １２　　音声認識部 １３　　音声認識記憶部 １４　　音声スポッティング部 １５　　変更部 １６　　音響分析記憶部 ２１　　音声入力部 ２２　　特徴抽出回路 ２３　　ＤＰマッチング回路 ２４　　音素記憶辞書 ２５　　表示部制御回路 ２６　　表示部 ２７　　特徴パラメータ列記憶回路 ２８　　訂正キー制御回路 ２９　　ＤＰマッチング回路 ３０　　音素ラティス入れ替え回路 ３１　　確定キー制御回路 ３２　　音素ラティス制御回路 ３３　　ＤＰマッチング回路 ３４　　スポッティング結果比較回路 ４１　　音声入力部 ４２　　特徴抽出回路 ４３　　連続ＤＰマッチング回路 ４４　　単語記憶辞書 ４５　　音声合成回路 ４６　　音声出力制御回路 ４７　　特徴パラメータ列記憶回路 ４８　　訂正キー制御回路 ４９　　連続ＤＰマッチング回路 ５０　　単語ラティス入れ替え回路 ５１　　確定キー制御回路 ５２　　単語ラティス記憶回路 ５３　　連続ＤＰマッチング回路 ５４　　スポッティング結果比較回路

Claims (1)

【特許請求の範囲】
1. 【請求項１】入力された第１の音声の特徴を出力する音
   響分析部と、前記音響分析部の出力を符号列に変換する
   音声認識部と、前記音響分析部の出力を記憶する音響分
   析記憶部と、前記音声認識部の出力を記憶する音声認識
   記憶部と、入力された第２の音声を前記音響分析記憶部
   及び前記音声認識記憶部内のデータと対比して前記第１
   の音声のデータから、前記第２の音声に該当する部分を
   検出するスポッティング部と、前記符号列のうち前記該
   当する部分に対応する部分を変更する変更部とからなる
   音声認識訂正装置。