JPH04280299A - 音声認識装置 - Google Patents

音声認識装置

Info

Publication number
JPH04280299A
JPH04280299A JP3068855A JP6885591A JPH04280299A JP H04280299 A JPH04280299 A JP H04280299A JP 3068855 A JP3068855 A JP 3068855A JP 6885591 A JP6885591 A JP 6885591A JP H04280299 A JPH04280299 A JP H04280299A
Authority
JP
Japan
Prior art keywords
dictionary
stored
buffer
word number
speech
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.)
Pending
Application number
JP3068855A
Other languages
English (en)
Inventor
Keiichi Miyamoto
恵一 宮本
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Ricoh Co Ltd
Original Assignee
Ricoh Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Ricoh Co Ltd filed Critical Ricoh Co Ltd
Priority to JP3068855A priority Critical patent/JPH04280299A/ja
Publication of JPH04280299A publication Critical patent/JPH04280299A/ja
Pending legal-status Critical Current

Links

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】
【技術分野】本発明は、音声認識装置、より詳細には、
不特定話者音声認識装置の認識率の向上に関するもので
ある。
【0002】
【従来技術】音声認識装置は、各種制御機器、パソコン
、ワープロ等の入力装置として実用化されつつある。 これらの装置の認識対象とするのは、一般に、離散発声
された単語で制御コマンドや制御オブジェクトを表すも
のが主である。これらの機能を実現する音声認識装置は
、大別して、特定話者方式と不特定話者方式とにわける
ことができる。特定話者方式とは、認識の対象となる単
語音声をその認識装置を使うユーザー自らの声で登録し
ておく方法であり、語彙の選択もある程度自由である。 また、認識時に入力される音声とほぼ同じ音声で認識辞
書が構成できるため、比較的高い認識率を得ることがで
きる。しかしながら、この方法ではユーザーの音声登録
が必要であり、単語数が増加するとその負担が大きくな
る。これに対して不特定話者方式とは、認識対象単語音
声辞書をあらかじめ認識装置の提供者(メーカー)側で
用意しておく方法である。ユーザーはこの辞書を用いて
認識するため、音声登録の必要はない。メーカーでは多
数の音声を収録し、平均的な音声によって辞書を構成す
る。しかし、この方法では、話者固有の癖や、方言のた
めに比較的高い認識率を得ることは難しい。このような
、不特定音声認識装置の持つ登録の手間がいらないと言
う使い勝手の良さと、特定話者音声認識装置の高い認識
率を合わせ持つ手法として、不特定辞書と特定辞書を合
わせ持つという方法が考えられた。上記方法は、基本的
には不特定話者音声認識装置であるが、ユーザーが使っ
ているうちに認識しずらい単語を選び、特定話者方式の
辞書として登録することにより、その単語の認識率を上
げるというものである。
【0003】図2は、上述のごとき従来の音声認識装置
の一例を説明するための構成図で、認識時には、入力さ
れた音声の特徴量が特徴抽出部1によって抽出され、類
似度計算部2に送られる。一方、不特定辞書3および特
定辞書4に登録された特徴量は順次、類似度計算部2に
送られて、先の入力音声との類似度が計算される。一通
り類似度計算が終わると、類似度のもっとも高いものが
認識結果として、結果出力部5から出力される。この認
識装置を使い初める当初は、特定辞書4には1件も登録
されておらず、ユーザーは認識しずらい単語をこの特定
辞書4に登録することができる。これは、キースイッチ
6の入力によって制御部7を登録モードにし、登録した
い単語の番号などを指定し、その後発声することにより
、特定辞書4に登録されるように構成すればよい。その
具体的な例としては、例えば、特願平1−261097
号、特願平1−261098号、特願平1−28679
0号等に詳しいので、ここでの説明は省略する。
【0004】上述のように特定辞書に登録された音声は
、その認識率が改善されている。単語番号やその他の属
性(認識したことによって起こる動作など)を、不特定
辞書の対応する単語のものを継承するようにすれば、問
題なく使用できるようになる。この方法によって、不特
定音声認識装置の持つ登録の手間がいらないと言う使い
勝手の良さと、特定話者音声認識装置の高い認識率とを
合わせ持つ、より良い音声認識装置が得られる。しかし
ながら、前述のように、特定辞書の登録には「登録」と
言う動作が必要であり、また、「認識しずらい単語」を
ユーザー自身がメモするなどして覚えておかなければな
らないため、まだまだ不特定音声認識装置が本来持つ使
い勝手の良さには及ばない。
【0005】
【目的】本発明は、上述のごとき実情に鑑みてなされた
もので、特に、特定辞書の登録に関するユーザーの負担
を軽減するために、このような特定辞書の登録を認識動
作時に自動的に行なうことを目的としてなされたもので
ある。
【0006】
【構成】本発明は、上記目的を達成するために、(1)
入力された音声の特徴を抽出する特徴抽出部と、抽出し
た複数の音声の特徴量を特定話者用辞書として記憶する
特定辞書部と、あらかじめ別途抽出した音声の特徴量を
不特定話者用辞書として記憶する不特定辞書部と、前記
抽出された音声の特徴量と前記特定辞書部及び不特定辞
書部に記憶された複数の辞書との類似度を計算する類似
度計算部と、該計算された類似度が高いものから順に一
つあるいは複数の辞書を認識結果として選択する結果選
択部とを具備する音声認識装置において、認識結果が正
解か否かを入力される認識結果入力部と、認識動作時に
入力される音声の特徴量を一時的に複数個記憶する辞書
バッファと、該音声に対する認識結果が正解であったと
きにその単語番号を前記辞書バッファに記憶された音声
に関連づけて複数個記憶する単語番号バッファとを具備
し、該単語番号バッファに同じ単語番号が所定(Th1
)の数以上記憶されたときにその単語番号に対応する辞
書バッファに記憶された音声の特徴量同士の類似度を計
算し、その類似度が所定(Th2)の閾値以上であると
きに、前記複数の辞書バッファに記憶されたいずれかの
特徴量を特定辞書として特定辞書部に記憶することを特
徴としたものであり、更には、(2)前記(1)におい
て、前記複数の辞書バッファに記憶された特徴量の平均
値又は中央値を特定辞書として特定辞書部に記憶するこ
とを特徴としたものであり、更には、前記(1)又は(
2)において、(3)入力された音声が正解の時の類似
度が所定(Th3)の閾値より高ければ、単語番号バッ
ファへの単語番号の記憶をしないで、その時記憶された
辞書バッファの内容をクリアすること、或いは、(4)
入力された音声が正解の時の類似度が所定(Th4)の
閾値より高ければ、単語番号バッファへの単語番号の記
憶をしないで、該単語番号に対応する単一もしくは複数
の辞書バッファの内容をクリアすることを特徴としたも
のである。以下、本発明の実施例に基いて説明する。
【0007】図1は、本発明の一実施例を説明するため
の構成図で、図中、図2に示した従来技術と同様の作用
をする部分には図2の場合と同一の参照番号が付してあ
る。図1において、初期状態では、特定辞書4、辞書バ
ッファ10、単語番号バッファ11は全て空である。こ
の時、この音声認識装置は純粋に不特定話者音声認識装
置として働く。認識のための音声が入力されると、その
特徴量が特徴抽出部1で抽出される。抽出された特徴量
は類似度計算部2に送られる。また、この特徴量は辞書
バッファ10に記憶される。類似度計算部2では、不特
定辞書3中の辞書と先の特徴量との類似度が計算され、
その結果に応じた認識結果(単語番号など)が、結果出
力部5によって出力される。ここで、この時の認識結果
に対する正解/不正解の応答が、正解/不正解キーを有
する認識結果入力部(ここではキースイッチを使ってい
る)12より、ユーザーによって入力される。この認識
結果が正解であり、さらにこの時の類似度が所定の閾値
以下であった場合に、正解の単語番号を辞書バッファ1
0に対応付けて単語番号バッファ11に記憶する。正解
であっても、類似度が十分高ければ(所定の閾値より高
ければ)、不特定辞書3で十分認識するので、この時の
バッファはクリアする。このように、認識がされる度に
辞書バッファ10に特徴量が記憶されていく。この後、
単語番号バッファ11に記憶された単語番号に同じもの
が所定(Th1)の数現われたときにその単語番号に対
応する辞書バッファ10に記憶された音声の特徴量同志
の類似度を計算し、その類似度が所定(Th2)の閾値
以上であるときに、前記複数の辞書バッファに記憶され
たいずれかの特徴量(または平均値、中央値など)を特
定辞書として特定辞書部4に記憶する。特定辞書4に特
徴量が登録されれば、次回からこれが認識の対象となる
。上述のように認識を重ねることによって、不特定辞書
3では認識しずらい(類似度が高くない)単語のみ、特
定辞書4に自動的に登録することができる。複数回の発
声の類似度を計算してある閾値以上のものを採用するの
は、突発的な雑音や、調子の悪いときの音声を特定辞書
に登録するのを防ぐためである。以上に本発明の一実施
例について説明したが、制御系の動作や認識装置等の本
発明に関する以外の部分については公知例などに詳しい
ので省略した。また、ユーザーの正解/不正解の入力に
関しては、不正解の入力がないときを正解としたり、認
識後起こる動作のキャンセルによって、不正解とするな
ど、色々考えられるがこれらは本発明を限定するもので
はない。さらに、音声の特徴量や、認識のアルゴリズム
についても、一切限定するものではない。
【0008】
【効果】以上の説明から明らかなように、請求項1、2
の発明によると認識時の音声を自動的に特定辞書として
登録できるので、特定辞書の登録に関するユーザーの負
担を軽減することができる。請求項3、4の発明による
と、特定辞書の登録は不特定として認識しずらい単語に
対してのみ行なわれるので、特定辞書を不要とし、容量
の肥大化を防ぐことができる。
【図面の簡単な説明】
【図1】  本発明による音声認識装置の一実施例を説
明するための構成図である。
【図2】  従来の音声認識装置の一例を説明するため
の構成図である。
【符号の説明】
1…特徴抽出部、2…類似度計算部、3…不特定辞書、
4…特定辞書、5…結果出力部、6…キースイッチ、7
…制御部、10…辞書バッファ、11…単語番号バッフ
ァ、12…認識結果入力部。

Claims (4)

    【特許請求の範囲】
  1. 【請求項1】  入力された音声の特徴を抽出する特徴
    抽出部と、抽出した複数の音声の特徴量を特定話者用辞
    書として記憶する特定辞書部と、あらかじめ別途抽出し
    た音声の特徴量を不特定話者用辞書として記憶する不特
    定辞書部と、前記抽出された音声の特徴量と前記特定辞
    書部及び不特定辞書部に記憶された複数の辞書との類似
    度を計算する類似度計算部と、該計算された類似度が高
    いものから順に1つあるいは複数の辞書を認識結果とし
    て選択する結果選択部とを具備する音声認識装置におい
    て、認識結果が正解か否かが入力される認識結果入力部
    と、認識動作時に入力される音声の特徴量を一時的に複
    数個記憶する辞書バッファと、該音声に対する認識結果
    が正解であったときにその単語番号を前記辞書バッファ
    に記憶された音声に関連づけて複数個記憶する単語番号
    バッファとを具備し、該単語番号バッファに同じ単語番
    号が所定(Th1)の数以上記憶されたときにその単語
    番号に対応する辞書バッファに記憶された音声の特徴量
    同志の類似度を計算し、その類似度が所定(Th2)の
    閾値以上であるときに、前記複数の辞書バッファに記憶
    されたいずれかの特徴量を特定辞書として前記特定辞書
    部に記憶することを特徴とする音声認識装置。
  2. 【請求項2】  請求項1に記載の音声認識装置におい
    て、前記複数の辞書バッファに記憶された特徴量の平均
    値又は中央値を特定辞書として特定辞書部に記憶するこ
    とを特徴とする音声認識装置。
  3. 【請求項3】  請求項1又は2に記載の音声認識装置
    において、入力された音声が正解の時の類似度が所定(
    Th3)の閾値より高ければ、単語番号バッファへの単
    語番号の記憶をしないで、その時記憶された辞書バッフ
    ァの内容をクリアすることを特徴とする音声認識装置。
  4. 【請求項4】  請求項1又は2に記載の音声認識装置
    において、入力された音声が正解の時の類似度が所定(
    Th4)の閾値より高ければ、単語番号バッファへの単
    語番号の記憶をしないで、該単語番号に対応する単一も
    しくは複数の辞書バッファの内容をクリアすることを特
    徴とする音声認識装置。
JP3068855A 1991-03-08 1991-03-08 音声認識装置 Pending JPH04280299A (ja)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP3068855A JPH04280299A (ja) 1991-03-08 1991-03-08 音声認識装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP3068855A JPH04280299A (ja) 1991-03-08 1991-03-08 音声認識装置

Publications (1)

Publication Number Publication Date
JPH04280299A true JPH04280299A (ja) 1992-10-06

Family

ID=13385706

Family Applications (1)

Application Number Title Priority Date Filing Date
JP3068855A Pending JPH04280299A (ja) 1991-03-08 1991-03-08 音声認識装置

Country Status (1)

Country Link
JP (1) JPH04280299A (ja)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6446039B1 (en) 1998-09-08 2002-09-03 Seiko Epson Corporation Speech recognition method, speech recognition device, and recording medium on which is recorded a speech recognition processing program
JP2008077099A (ja) * 2001-03-28 2008-04-03 Qualcomm Inc 話し手に暗黙的に順応する技術を用いた音声認識システム

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6446039B1 (en) 1998-09-08 2002-09-03 Seiko Epson Corporation Speech recognition method, speech recognition device, and recording medium on which is recorded a speech recognition processing program
JP2008077099A (ja) * 2001-03-28 2008-04-03 Qualcomm Inc 話し手に暗黙的に順応する技術を用いた音声認識システム
JP2008203876A (ja) * 2001-03-28 2008-09-04 Qualcomm Inc 話し手に暗黙的に順応する技術を用いた音声認識システム

Similar Documents

Publication Publication Date Title
US7058573B1 (en) Speech recognition system to selectively utilize different speech recognition techniques over multiple speech recognition passes
JP3968133B2 (ja) 音声認識対話処理方法および音声認識対話装置
US6246980B1 (en) Method of speech recognition
JPH096389A (ja) 音声認識対話処理方法および音声認識対話装置
JP2000122691A (ja) 綴り字読み式音声発話の自動認識方法
JPH0372998B2 (ja)
EP1525577B1 (en) Method for automatic speech recognition
EP1225567B1 (en) Method and apparatus for speech recognition
JPS6326700A (ja) 音声認識システム
JP2002123289A (ja) 音声対話装置
US7177806B2 (en) Sound signal recognition system and sound signal recognition method, and dialog control system and dialog control method using sound signal recognition system
JP3876703B2 (ja) 音声認識のための話者学習装置及び方法
US20020133343A1 (en) Method for speech recognition, apparatus for the same, and voice controller
de Veth et al. Comparison of hidden Markov model techniques for automatic speaker verification in real-world conditions
JP2980382B2 (ja) 話者適応音声認識方法および装置
US8688452B2 (en) Automatic generation of distractors for special-purpose speech recognition grammars
JP2002196789A (ja) 音声対話装置
JP3871774B2 (ja) 音声認識装置および音声認識方法ならびに音声認識プログラムを記録した記録媒体
JP2004062076A (ja) 本人認証装置および本人認証方法、コンピュータプログラム
JPS6239899A (ja) 会話音声理解方法
Larcher et al. From GMM to HMM for embedded password-based speaker recognition
JPH0421880B2 (ja)
JPH04167176A (ja) 音声認識装置
Stemmer et al. The utility of semantic-pragmatic information and dialogue-state for speech recognition in spoken dialogue systems
JPS58176699A (ja) 音声標準パタ−ン登録方式