JPH0431115B2 - - Google Patents
Info
- Publication number
- JPH0431115B2 JPH0431115B2 JP59003586A JP358684A JPH0431115B2 JP H0431115 B2 JPH0431115 B2 JP H0431115B2 JP 59003586 A JP59003586 A JP 59003586A JP 358684 A JP358684 A JP 358684A JP H0431115 B2 JPH0431115 B2 JP H0431115B2
- Authority
- JP
- Japan
- Prior art keywords
- phoneme
- word
- dictionary
- likelihood
- probability density
- 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
- 238000000034 method Methods 0.000 claims description 7
- 238000000605 extraction Methods 0.000 description 4
- 230000011218 segmentation Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 230000002123 temporal effect Effects 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000013518 transcription Methods 0.000 description 1
- 230000035897 transcription Effects 0.000 description 1
Description
【発明の詳細な説明】
（産業上の利用分野）
本発明は、入力音声と、音表表記された単語辞
書を照合して単語を認識する単語音声認識方法に
関するものである。
書を照合して単語を認識する単語音声認識方法に
関するものである。
（従来例の構成とその問題点）
第１図は従来の単語音声認識方法の一例及び本
発明の単語音声認識方法の実施例等を実行するた
めの装置の機能ブロツク図である。従来例を第１
図〜第３図とともに説明する。第１図において、
１は入力音声からパラメータの時系列を作成する
パラメータ抽出部、２は音素標準パタンを照合し
て、音素の確率密度を算出する確率密度計算部、
３は音素毎のセグメンテーシヨン、尤度計算、単
語類似度計算等を行なう単語認識部である。ま
た、４は予め予備実験等により作成された、各音
素毎の各種パラメータにおける分布を各音素毎の
平均値（〓i）、及び各種パラメータ間の共分散行
列（〓i）の形で表わした音素標準パタンを記憶
する音素標準パタン部、５は認識すべき全単語を
音素単位の記号列で表記した単語辞書が記憶され
ている単語辞書部である。その単語辞書は、例え
ば「サツポロ」、「アサヒカワ」は、それぞれ
「SAQPORO」、「ASAHIKAWA」等と表記され
ている。
発明の単語音声認識方法の実施例等を実行するた
めの装置の機能ブロツク図である。従来例を第１
図〜第３図とともに説明する。第１図において、
１は入力音声からパラメータの時系列を作成する
パラメータ抽出部、２は音素標準パタンを照合し
て、音素の確率密度を算出する確率密度計算部、
３は音素毎のセグメンテーシヨン、尤度計算、単
語類似度計算等を行なう単語認識部である。ま
た、４は予め予備実験等により作成された、各音
素毎の各種パラメータにおける分布を各音素毎の
平均値（〓i）、及び各種パラメータ間の共分散行
列（〓i）の形で表わした音素標準パタンを記憶
する音素標準パタン部、５は認識すべき全単語を
音素単位の記号列で表記した単語辞書が記憶され
ている単語辞書部である。その単語辞書は、例え
ば「サツポロ」、「アサヒカワ」は、それぞれ
「SAQPORO」、「ASAHIKAWA」等と表記され
ている。
次に上記従来例の動作について説明する。入力
音素をパラメータ抽出部１により10msのフレー
ム毎に分析しパラメータを抽出して、パラメータ
時系列を作成する。確率密度計算部２はフレーム
毎に得られたパラメータと音素標準パタンを照合
し、そのパラメータの値から生成される音素の確
率密度を算出する。次に、単語認識部３におい
て、各辞書項目毎に、その辞書項目を構成する辞
書音素系列に従つて音素のセグメンテーシヨンを
行ない、下記式に従いその音素の種類と、その
音素に対応してセグメンテーシヨンされた区間の
尤度ｌを計算し、その辞書項目における、各音素
の尤度の平均として類似度を求める。ここで、そ
の音素をＸとし、Ｘに対応してセグメンテーシヨ
ンされた区間の始端と終端のフレーム番号をNs，
Neとし、第ｎフレームにおける各パラメータの
値をCnとすると音素Ｘの尤度lxは下式で定義され
る。
音素をパラメータ抽出部１により10msのフレー
ム毎に分析しパラメータを抽出して、パラメータ
時系列を作成する。確率密度計算部２はフレーム
毎に得られたパラメータと音素標準パタンを照合
し、そのパラメータの値から生成される音素の確
率密度を算出する。次に、単語認識部３におい
て、各辞書項目毎に、その辞書項目を構成する辞
書音素系列に従つて音素のセグメンテーシヨンを
行ない、下記式に従いその音素の種類と、その
音素に対応してセグメンテーシヨンされた区間の
尤度ｌを計算し、その辞書項目における、各音素
の尤度の平均として類似度を求める。ここで、そ
の音素をＸとし、Ｘに対応してセグメンテーシヨ
ンされた区間の始端と終端のフレーム番号をNs，
Neとし、第ｎフレームにおける各パラメータの
値をCnとすると音素Ｘの尤度lxは下式で定義され
る。
φi（Cn）はある音素ｉの確率密度を表わし、式
のように定義される。
のように定義される。
φi（Cn）＝１／（2π）j/2｜〓i｜1/2exp
〔−１／２（Cn−〓i）T -1
〓
i（Cn−〓i〕
Ｃ：１つのフレームにおけるｊ個のパラメータ
（ベクトル） 〓i：ある音素ｉのパラメータの平均値（ベク
トル） Σi：共分散行列 式において、確率密度の割り算における分母の
サメンシヨンｉの範囲は、音素Ｘが何であるかに
よつて異なり、例えばＸが音素Ｚの時はｉの範囲
は５母音及び12種類の子音としている。以上によ
り得られる単語類似度LMを式に従つて各辞書
項目毎に求め、LMが最大となる辞書項目をもつ
て、認識単語としていた。
（ベクトル） 〓i：ある音素ｉのパラメータの平均値（ベク
トル） Σi：共分散行列 式において、確率密度の割り算における分母の
サメンシヨンｉの範囲は、音素Ｘが何であるかに
よつて異なり、例えばＸが音素Ｚの時はｉの範囲
は５母音及び12種類の子音としている。以上によ
り得られる単語類似度LMを式に従つて各辞書
項目毎に求め、LMが最大となる辞書項目をもつ
て、認識単語としていた。
LM＝NP
〓i=1
li／NP
LM：辞書中のＭ番目の単語の類似度
li：辞書音素系列中の音素ｉの尤度
NP：辞書音素数
第２図は／ZAMA／（座間）と発声したとき
の各音素／Ｚ／，／Ａ／，／Ｍ／，／Ａ／の確率
密度の値φZ，φA，φM，φAの時間変化を表わして
いる。この例のように辞書項目に対応する各音素
の確率密度の値が、セグメンテーシヨンされた区
間に対応し、かつセグメンテーシヨンされた区間
内で、他の音素と比べ大きければ問題ないが、セ
グメンテーシヨンされた区間内で、対応した音素
の確率密度の値よりも他の音素の確率密度の値が
大きくなる場合がある。
の各音素／Ｚ／，／Ａ／，／Ｍ／，／Ａ／の確率
密度の値φZ，φA，φM，φAの時間変化を表わして
いる。この例のように辞書項目に対応する各音素
の確率密度の値が、セグメンテーシヨンされた区
間に対応し、かつセグメンテーシヨンされた区間
内で、他の音素と比べ大きければ問題ないが、セ
グメンテーシヨンされた区間内で、対応した音素
の確率密度の値よりも他の音素の確率密度の値が
大きくなる場合がある。
第３図は、第２図の場合と同様に／ZAMA／
と発声した時の各音素の確率密度の値の時間変化
を表わしている。語頭の／Ｚ／の区間内で／Ｚ／
の確率密度の値よりも／Ｂ／，／Ｓ／の確率密度
の値φB，φSの方が大きくなつている。従つて、
上記従来例においては、／Ｚ／の確率密度の値が
小さいため、／Ｚ／の十分な尤度が得られず、結
果として単語誤認識の要因となる欠点があつた。
と発声した時の各音素の確率密度の値の時間変化
を表わしている。語頭の／Ｚ／の区間内で／Ｚ／
の確率密度の値よりも／Ｂ／，／Ｓ／の確率密度
の値φB，φSの方が大きくなつている。従つて、
上記従来例においては、／Ｚ／の確率密度の値が
小さいため、／Ｚ／の十分な尤度が得られず、結
果として単語誤認識の要因となる欠点があつた。
（発明の目的）
本発明は上記従来例の欠点を除去するものであ
り、尤度計算の精度を向上させ、それにより単語
認識率を向上させることを目的とする。
り、尤度計算の精度を向上させ、それにより単語
認識率を向上させることを目的とする。
（発明の構成）
本発明は、認識すべき単語を音素単位の記号列
で表記した単語辞書と、各音素の音響パラメータ
の分布形表わされた各音素の標準パタンを用い、
入力音声を単語認識を行なうにあたり、入力音声
を前記単語辞書の各辞書項目と照合し、各辞書項
目を構成する辞書音素系列に従い各音素毎に入力
音声をセグメンテーシヨンし、その音素の前記標
準パタンを用いてそのセグメンテーシヨンされた
音声の区間に対して尤度計算を行なう単語音声認
識方法において、有声破裂音／Ｚ／については、
セグメンテーシヨンされた／Ｚ／の区間内におい
て、有声破裂音、及び無声摩擦音の確率密度の値
の時間変化パタンにより尤度を求め、この尤度の
値を用いて、辞書項目と入力音声の類似度を求め
て単語を認識を行なうことを特徴とする。
で表記した単語辞書と、各音素の音響パラメータ
の分布形表わされた各音素の標準パタンを用い、
入力音声を単語認識を行なうにあたり、入力音声
を前記単語辞書の各辞書項目と照合し、各辞書項
目を構成する辞書音素系列に従い各音素毎に入力
音声をセグメンテーシヨンし、その音素の前記標
準パタンを用いてそのセグメンテーシヨンされた
音声の区間に対して尤度計算を行なう単語音声認
識方法において、有声破裂音／Ｚ／については、
セグメンテーシヨンされた／Ｚ／の区間内におい
て、有声破裂音、及び無声摩擦音の確率密度の値
の時間変化パタンにより尤度を求め、この尤度の
値を用いて、辞書項目と入力音声の類似度を求め
て単語を認識を行なうことを特徴とする。
（実施例の説明）
以下に本発明の一実施例について第１図及び第
３図とともに説明する。第１図において、音素標
準パタン、及び単語辞書は従来例と同様である。
またパラメータ抽出により得られるパラメータ時
系列も従来例と同様である。
３図とともに説明する。第１図において、音素標
準パタン、及び単語辞書は従来例と同様である。
またパラメータ抽出により得られるパラメータ時
系列も従来例と同様である。
本実施例の動作について説明する。先ず入力音
声からフレーム毎のパラメータを得、さらにその
パラメータの値を使つて各音素標準パタンから得
られる確率密度を計算する。ここまでは前記従来
例と同様である。次に単語認識３において、各辞
書項目毎に、その辞書項目を構成する辞書音素系
列に従つて音素のセグメンテーシヨンを行ない、
その音素と、その音素に対応してセグメンテーシ
ヨンされた区間の尤度lxを計算するのである
が、／Ｚ／の尤度lzを計算するにあたり、式の
代りにセグメンテーシヨンされた区間に出現す
る、有声破裂音／Ｂ／の確率密度の値及び無声摩
擦音／Ｓ／の確率密度の値の時間変化をみて音
素／Ｚ／の尤度を式に従つて求める。
声からフレーム毎のパラメータを得、さらにその
パラメータの値を使つて各音素標準パタンから得
られる確率密度を計算する。ここまでは前記従来
例と同様である。次に単語認識３において、各辞
書項目毎に、その辞書項目を構成する辞書音素系
列に従つて音素のセグメンテーシヨンを行ない、
その音素と、その音素に対応してセグメンテーシ
ヨンされた区間の尤度lxを計算するのである
が、／Ｚ／の尤度lzを計算するにあたり、式の
代りにセグメンテーシヨンされた区間に出現す
る、有声破裂音／Ｂ／の確率密度の値及び無声摩
擦音／Ｓ／の確率密度の値の時間変化をみて音
素／Ｚ／の尤度を式に従つて求める。
Ns，Ne：セグメンテーシヨンされた区間の始
端と終端のフレーム番号 α：α＝１のとき有声破裂音／Ｂ／，α
＝２とき無声摩擦音／Ｓ／ Ｗ：台形上底の長さ （Ne−NS＋１）／２、φBの時〓 下底の長さ Ne−Ns＋１、φSの時〓 高さ１の重み関数 第３図の／Ｚ／のセグメンテーシヨン区間にお
いて有声破裂音／Ｂ／と無声摩擦音／Ｓ／の確率
密度の値の時間変化に着目すると、（FS−S1）間
でφBが先ず大きな値を示し、ｏ→ａ→ｂ→ｃと
台形の形をして変化するのに対して、φSはｏ→ｄ
→ｅ→ｃと、φBに対して対称な形で台形の形を
して変化する。
端と終端のフレーム番号 α：α＝１のとき有声破裂音／Ｂ／，α
＝２とき無声摩擦音／Ｓ／ Ｗ：台形上底の長さ （Ne−NS＋１）／２、φBの時〓 下底の長さ Ne−Ns＋１、φSの時〓 高さ１の重み関数 第３図の／Ｚ／のセグメンテーシヨン区間にお
いて有声破裂音／Ｂ／と無声摩擦音／Ｓ／の確率
密度の値の時間変化に着目すると、（FS−S1）間
でφBが先ず大きな値を示し、ｏ→ａ→ｂ→ｃと
台形の形をして変化するのに対して、φSはｏ→ｄ
→ｅ→ｃと、φBに対して対称な形で台形の形を
して変化する。
従つて、このような変化を把えて式に従つ
て／Ｚ／の尤度を計算する。
て／Ｚ／の尤度を計算する。
本実施例においては、／Ｚ／の尤度計算に際し
セグメンテーシヨンされた区間において、有声破
裂音／Ｂ／及び無声摩擦音／Ｓ／の時間変化パタ
ンを利用した尤度計算を行なうことにより、高い
精度の尤度が得られる利点がある。
セグメンテーシヨンされた区間において、有声破
裂音／Ｂ／及び無声摩擦音／Ｓ／の時間変化パタ
ンを利用した尤度計算を行なうことにより、高い
精度の尤度が得られる利点がある。
（発明の効果）
本発明は上記のように構成であり、以下に示す
効果が得られるものである。／Ｚ／の尤度計算を
行なうにあたり、セグメンテーシヨンされた区間
内において、有声破裂音及び無声摩擦音の確率密
度の時間変化を利用して尤度計算を行なうことに
より高い精度の尤度を得ることができる。
効果が得られるものである。／Ｚ／の尤度計算を
行なうにあたり、セグメンテーシヨンされた区間
内において、有声破裂音及び無声摩擦音の確率密
度の時間変化を利用して尤度計算を行なうことに
より高い精度の尤度を得ることができる。
第１図は従来例および本発明の実施例の単語音
声認識方法を実施するために用いる装置の機能の
概略を示すブロツク図、第２図及び第３図は／
ZAMA／と発声した場合の各音素の確率密度の
時間変化を示す図である。 １……パラメータ抽出部、２……確率密度計算
部、３……単語認識部、４……音素標準パタン
部、５……単語辞書部。
声認識方法を実施するために用いる装置の機能の
概略を示すブロツク図、第２図及び第３図は／
ZAMA／と発声した場合の各音素の確率密度の
時間変化を示す図である。 １……パラメータ抽出部、２……確率密度計算
部、３……単語認識部、４……音素標準パタン
部、５……単語辞書部。
Claims (1)
- １ 入力音声の単語認識を行なうにあたり、入力
音声と、認識すべき単語を音素単位の記号列で表
記した単語辞書の各辞書項目とを照合し、各辞書
項目を構成する辞書音素系列に従い各音素毎に入
力音声をセグメンテーシヨンし、各音素の音響パ
ラメータの分布形で表わされた各音素の標準パタ
ンを用いてそのセグメンテーシヨンされた音声の
区間に対して尤度計算を行なう際、有声破裂音／
Ｚ／については、セグメンテーシヨンされた／
Ｚ／の区間内において、有声破裂音、及び無声摩
擦音の確立密度の値の時間変化パタンにより尤度
を求め、この尤度の値を用いて、辞書項目と入力
音声の類似度を求めて単語を認識することを特徴
とする単語音声認識方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP59003586A JPS60147794A (ja) | 1984-01-13 | 1984-01-13 | 単語音声認識方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP59003586A JPS60147794A (ja) | 1984-01-13 | 1984-01-13 | 単語音声認識方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPS60147794A JPS60147794A (ja) | 1985-08-03 |
| JPH0431115B2 true JPH0431115B2 (ja) | 1992-05-25 |
Family
ID=11561556
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP59003586A Granted JPS60147794A (ja) | 1984-01-13 | 1984-01-13 | 単語音声認識方法 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPS60147794A (ja) |
-
1984
- 1984-01-13 JP JP59003586A patent/JPS60147794A/ja active Granted
Also Published As
| Publication number | Publication date |
|---|---|
| JPS60147794A (ja) | 1985-08-03 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US8352263B2 (en) | Method for speech recognition on all languages and for inputing words using speech recognition | |
| Abdo et al. | Semi-automatic segmentation system for syllables extraction from continuous Arabic audio signal | |
| JPH07219579A (ja) | 音声認識装置 | |
| Hirose et al. | Tone recognition of Chinese continuous speech using tone critical segments. | |
| JPH0431116B2 (ja) | ||
| JPH08314490A (ja) | ワードスポッティング型音声認識方法と装置 | |
| JPH045397B2 (ja) | ||
| JPH045396B2 (ja) | ||
| JPH045392B2 (ja) | ||
| JP2760096B2 (ja) | 音声認識方式 | |
| JPH0619497A (ja) | 音声認識方法 | |
| JPH045393B2 (ja) | ||
| JPH0412480B2 (ja) | ||
| JPS60147794A (ja) | 単語音声認識方法 | |
| JPH0446398A (ja) | 音声認識装置 | |
| JPH0155477B2 (ja) | ||
| JPH045395B2 (ja) | ||
| JPH0413719B2 (ja) | ||
| JPH045394B2 (ja) | ||
| JPH0412479B2 (ja) | ||
| JPH045391B2 (ja) | ||
| JPH0573039B2 (ja) | ||
| JPH06289894A (ja) | 日本語音声認識方法 | |
| JPH0635494A (ja) | 音声認識装置 | |
| JPH0431114B2 (ja) |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| EXPY | Cancellation because of completion of term |