JPH0438357B2 - - Google Patents

Description

【発明の詳細な説明】 （産業上の利用分野） この発明は音が未知である未知音声データと音
声が既知である既知音声データを照合して未知音
声データの音を決定する音声決定装置に係り、詳
しくはそれぞれ時間の経過に応じて多数個の値が
列をなしてなる１つの音の未知音声データ及び既
知音声データをそれぞれ予め定めた区間データに
区切りその両区間を互いに照合することによつて
その未知音声データの音を決定する音声決定装置
に関するものである。

（従来の技術） 従来、この種の音声決定装置は音が未知である
未知音声データと音が既知である既知音声データ
とを照合して未知音声データの音を決定する方式
として、まず、未知音声データと既知音声データ
とを比較するための照合区間を単音節（子音、母
音）ごとに区切（単音節切り出し）り設定し、次
に、動的計画法（DP法：Dynamic
Programming）を応用して時間軸の整合を行な
つた後、その互いに照合する照合区間における類
似度の基準として、例えば、WLR（Weighted
Likelihood Ratio）距離を算出した。

そして、そのWLR距離を他の既知音声データ
についても同様に算出し、その算出した各WLR
距離の最も短い距離の既知音声データの音を当該
未知音声データのものであると判断して未知音を
決定するようにしていた。

従つて、精度の高い音声認識を行なう上で前記
未知音声データの単音節（子音、母音）の照合区
間を正確に切り出し選定することが非常に重要と
なつていた。

（発明が解決しようとする問題点） ところが、認識率の高い音声認識を行なう上で
前記未知音声データ及び既知音声データの照合区
間の切り出しが非常に重要な要素となつているに
もかかわらず、子音及び母音区間の境界付近は極
めて複雑であり、単純に一義的に各区間を決定す
ることはできない。従つて、実際にはその音声デ
ータの音の特徴が良く現れている最適な照合区間
を設定することは非常に難しく、精度の高い照合
が望めないのが現状であつた。

（発明の目的） この発明は前記問題点を解決するためになされ
たものであつて、その目的は照合区間の切り出し
の精度を上げることなく認識率の向上を図ること
ができ、しかも音声の決定に要する処理量及び処
理時間を短縮できる音声決定装置を提供するにあ
る。

（問題点を解決するための手段） 第１図は本発明の全体構成を示すブロツク図で
あつて、本発明の音声決定装置は未知音声データ
及び既知音声データの２つの音声データのうち一
方の音声データに第１の照合区間を設定する第１
の照合区間設定手段１０１と、前記２つの音声デ
ータのうち他方の音声データに前記第１の照合区
間より長い区間を有する第２の照合区間を設定す
る第２の照合区間設定手段１０２と、前記第１の
照合区間と等しい長さを有し互いに位置の異なる
対象区間を第２の照合区間の一端から他端に向つ
て順次設定する対象区間設定手段１０３と、前記
第１の照合区間及び前記各対象区間において対応
するそれぞれの時点の値の距離に基づいた代表値
を前記各対象区間を設定した順序に従つて設定し
て行く代表値設定手段１０４と、前記代表値を設
定する毎に、先に設定した代表値と、その時設定
した第１の代表値との大小を比較する比較手段
と、前記先に設定した代表値に、前記第１の代表
値より小さい第２の代表値があり、且つ、前記第
１の代表値と第２の代表値との差が所定値以上あ
る場合には、前記代表値設定手段１０４による代
表値の設定を終了する終了手段１０５と、前記各
代表値のうち前記距離が最も短いことを示す代表
値を前記第１の照合区間と前記第２の照合区間と
の間の基準値として設定する基準値設定手段106
とを有し、 １つの前記未知音声データについて複数の前記
既知音声データに対する前記基準値をそれぞれ算
出し、前記基準値に基づいて未知音声データの音
を決定する。

（作用） 音が未知である未知音声データ及び音がわかつ
ている既知音声データのうち一方を入力する第１
の照合区間設定手段１０１はその入力された音声
データに第１の照合区間を設定する。音が未知で
ある未知音声データ及び予め音のわかつている既
知音声データのうち他方の音声データを入力する
第２の照合区間設定手段１０２はその入力された
音声データに前記第１の照合区間より長い区間と
なる第２の照合区間を設定する。

対象区間設定手段１０３は前記第２の照合区間
設定手段１０２にて設定された第２の照合区間に
おいて前記第１の照合区間と等しい長さを有し互
いに位置の異なる対象区間を第２の照合区間の一
端から他端へ向つて順次設定する。

そして、代表値設定手段１０４は前記第１の照
合区間設定手段１０１で設定した一方の音声デー
タの照合区間と前記対象区間設定手段１０３で設
定した他方の音声データの第２の照合区間におけ
る各対象区間において対応するそれぞれの時点の
値の距離に基づいた代表値をその各対象区間を設
定した順序に従つて設定して行く。一方、比較手
段は前記代表値設定手段１０４により代表値を設
定する毎に、先に設定した代表値と、その時設定
した第１の代表値との大小を比較する。そして、
終了手段１０５は前記比較手段による比較に基づ
き、先に設定した代表値に、第１の代表値より小
さい第２の代表値があり、且つ、前記第１の代表
値と第２の代表値との差が所定値以上ある場合に
は、前記代表値設定手段１０４による代表値の設
定処理動作を終了させる。

基準値設定手段１０６は前記各代表値のうち前
記距離が最も短いことを示す代表値を前記第１の
照合区間と第２の照合区間における基準値として
設定する。

そして、１つの未知音声データについてこのよ
うに設定した既知音声データに対する前記基準値
を他の複数の既知音声データに対してもそれぞれ
算出し、そのそれぞれの基準値に基づいて未知音
声データの音を決定するようにしたものである。

（実施例） 以下、この発明を具体化した好適な一実施例を
図面に従つて説明する。

第２図はこの発明を具体化した音声決定装置の
電気ブロツク回路図を示し、マイクロホン１はそ
のスイツチがオンされることにより、音声入力の
開始を示す信号を後記するCPU４に出力するよ
うになつている。そして、話者の発音した音声を
集音し、その集音した音声信号を増幅器２にて以
後の処理に適するレベルに増幅した後次段のＡ／
Ｄ変換器３に出力する。そして、Ａ／Ｄ変換器３
はこの所定のレベルに増幅された音声信号を4K
Hzまでの音声波形の情報を得るために8KHzのサ
ンプリング周波数でサンプリングしその時刻にお
ける振幅レベルを量子化してなる離散信号に変換
して中央処理装置（以下、CPUという）４に出
力するようになつている。

CPU４は読み出し専用のメモリ（ROM）より
なるプログラムメモリ５に記憶された制御プログ
ラムに従つて動作され、そのプログラムに従つて
各演算処理動作によつて得られた各演算処理結果
を読み出し及び書き込み可能なメモリ（RAM）
よりなるワークメモリ６に一時記憶するようにな
つている。

前記プログラムメモリ５は制御プログラムの他
にマイクロホン１から入力された未知の音声を認
識する処理に使用するための多数個の既知音声の
離散信号データ（既知音声が8KHzでサンプリン
グされ、その時刻における振幅レベルを量子化し
てなるデータ）が予め記憶されている。

又、前記ワークメモリ６は多数の記憶領域を有
し、振幅記憶領域６ａ、２乗記憶領域６ｂ、エネ
ルギー記憶領域６ｃ、未知音声及び既知音声デー
タ記憶領域６ｄ，６ｅ、第１及び第２の照合区間
記憶領域６ｆ，６ｇ、対象区間記憶領域６ｈ、平
均値記憶領域６ｉ、基準値記憶領域６ｊ等を有し
ている。

前記CPU４は前記Ａ／Ｄ変換器３から出力さ
れてくる未知音声の振幅レベルが量子化された離
散信号を離散信号データとして前記ワークメモリ
６の振幅記憶領域６ａに順次記憶していく。従つ
て、CPU４はサンプリングされた音声波形の離
散信号データを１秒間に8000個（125マイクロ秒
毎に１個）振幅記憶領域６ａに記憶させていくこ
とになる。

又、CPU４はこの離散信号データを２乗しそ
の２乗値を前記２乗記憶領域６ｂに順次記憶させ
る。CPU４はこの２乗値の64個（８ミリ秒）ご
との和を順次とることにより短時間エネルギー値
を算出しその短時間エネルギー値を前記ワークメ
モリ６のエネルギー記憶領域６ｃに順次書き込ん
で行く。そして、時間を横軸にし、この短時間エ
ネルギー値を縦軸にし、その最大値を基準にして
隣接する値を直線で結んで表示すれば第３図に示
すようになる。

一方、CPU４は前記プログラムメモリ５から
既知音声の離散信号データを読み出し、前記未知
音声の場合と同様にその離散信号データに基づい
て２乗値、短時間エネルギー値を算出し、既知音
声用の記憶領域へやはり前記未知音声の場合と同
様に順次書き込んでいく。

又、CPU４は未知音声及び既知音声のそれぞ
れの離散信号データに対し、まず、１次差分値を
とつて高域強調し、続いて各分析を行なうための
各フレームの切り出し点における不連続性の影響
によるスペクトル漏れを低減すべくハミング窓
（ウィンド）関数を１フレーム毎に乗じる。ここ
で、フレーム長は32ミリ秒であり、隣接するフレ
ームは８ミリ秒ずつ時間的に移動している。

次に、自己相関分析により10次の自己相関係数
を算出し、ラグ窓（ウィンド）関数を乗じてスペ
クトルの局部的な鋭いピークを抑えて平滑にす
る。

そして、このラグ窓（ウィンド）関数を乗じた
自己相関係数を用いて線形予測分析（LPC分析）
をして10次の線形予測係数を求め、これら値に基
づいてWLR距離の算出のためにそれぞれ24次の
LPC相関係数、LPCケプストラムを算出し、こ
れを当該マイクロホン１で集音した１つの未知音
声に対する未知音声データ及び前記プログラムメ
モリ５に記憶されている既知音声の離散信号デー
タに対する既知音声データとして未知音声データ
記憶領域６ｄ及び既知音声データ記憶領域６ｅに
それぞれ記憶するようになつている。

又、CPU４は前記作成した未知音声データの
子音と既知音声データの子音とを照合するために
未知音声データの未知側照合区間Ｘ（第４図を参
照）と既知音声データの既知側照合区間Ｙ（第５
図参照）を設定するようになつている。

この設定では、未知音声データの場合、前述し
た未知音声の短時間エネルギー値の列において音
声が発せられる前の雑音のみの区間のレベルの２
倍のレベルE1に達する時点t1からその音声の短
時間エネルギー値の最大値の30％のレベルE2に
達する時点t2までを未知側子音対象区間Ｘとして
いる。

又、既知音声データの既知側照合区間Ｙの設定
については、まず、前記未知音声の場合と同様
に、既知側照合区間Ｙのの終端（右端）を求め
る。次に前記未知側照合区間Ｘのフレーム数を算
出しその未知側照合区間Ｘのフレーム数より４フ
レーム多い区間となるように前記終端を基点に時
間的に遡つて既知側照合区間Ｙの始端（左端）を
決めている。

既知側照合区間Ｙを設定すると、CPU４は前
記既知音声データの既知側照合区間Ｙにおいて未
知側照合区間Ｘと等しい長さの複数個の既知側対
象区間yn（ｎは１からｍまでの整数）を既知側照
合区間Ｙの始端側から終端側に向つて１フレーム
ずつ時間経過方向へ移動しながら順次設定する機
能を有している。従つて、第６図に示すように未
知側照合区間Ｘに対する複数個の既知側対象区間
y1〜ymが設定されることになる。

尚、第４図乃至第６図には説明の都合上、離散
信号データを示したが、照合に使用する各区間の
データは前記処理動作により得られた未知及び既
知音声データである。

CPU４はこの未知側照合区間Ｘに対して複数
個の既知側対象区間ynを設定すると、その未知
側対象区間Ｘに対する各既知側対象区間yn毎に
WLR距離を算出するとともに、その既知側対象
区間において求められたWLR距離の平均値Ｐ
（ｎ）を代表値として算出し平均値記憶領域６ｉ
に記憶するようになつている。

この未知側対象区間Ｘに対してｎ≧２の各対象
区間ynにおける平均値Ｐ（ｎ）を算出するたび毎
に、CPU４はその時算出した平均値Ｐ（ｎ）と先
に算出した各平均値Ｐ(1)〜Ｐ（ｎ−１）と大小を
比較する。そして、各平均値Ｐ(1)〜Ｐ（ｎ−１）
が全てその時の平均値Ｐ（ｎ）より大きく、且つ
２≦ｎ≦ｍであるときには次の対象区間yn＋１
における平均値Ｐ（ｎ＋１）を算出するための動
作を行なう。

反対に、各平均値Ｐ(1)〜Ｐ（ｎ−１）のうち少
なくとも１つがその時の平均値Ｐ（ｎ）より小さ
い場合には、CPU４はその時の平均値Ｐ（ｎ）よ
り予め定めた所定値ｋ以上小さい値のものが前記
各平均値Ｐ(1)〜Ｐ（ｎ−１）の中にあるかどうか
判別るするようになつている。本実施例では平均
値Ｐ(1)〜Ｐ（ｎ−１）における最小値をｐとする
とｋ＝0.3pとなつている。

そして、所定値ｋ以上小さい平均値が存在する
場合には、CPU４は今までに算出した各平均値
Ｐ(1)〜Ｐ（ｎ−１）のうち最も小さな値の平均値
ｐを当該既知音声データの基準値Ｚ（ｑ）として
前記ワークメモリ６の基準値記憶領域６ｊに記憶
する。

前記所定値ｋは基準値Ｚ（ｑ）が得られた後も
必要以上に平均値Ｐ（ｎ）の算出を続行していく
ことを防止するために設定したものである。従つ
て、ｋが小さ過ると平均値Ｐ（ｎ＋１）以降にお
いて最小値が現われる可能性が生じるため、ｋは
余裕を持つて大きめに設定する必要がある。

そして、CPU４はその既知音声データに対す
る基準値Ｚ（ｑ）を選定すると、次の新たな既知
音声の離散信号データをプログラムメモリ５から
読み出し前記と同様に算出した新たな既知音声デ
ータと前記未知音声データにおける基準値Ｚ（ｑ）
を前記と同様に算出するようになつている。

そして、この未知音声データに対するプログラ
ムメモリ５に記憶した全ての既知音声の離散信号
データをもとに算出した既知音声データについて
基準値Ｚ（ｑ）を算出すると、CPU４はその全て
の既知音声について算出した各基準値Ｚ（ｑ）の
中から最小の基準値を選定し、その選定した最小
の基準値Ｚ（ｑ）の既知音声データの子音をこの
未知音声データの子音と決定するようになつてい
る。ここで、ｑはプログラムメモリ５に記憶され
ている既知音声の総数までの自然数をとりＺ（ｑ）
はｑ番目の既知音声に対応する基準値を示す。

一方、前記CPU４がその時の平均値Ｐ（ｎ）よ
り予め定めた所定値ｋ以上小さい値のものが前記
各平均値Ｐ(1)〜Ｐ（ｎ−１）の中にあるかどうか
判別する場合において、所定値ｋ以上小さい平均
値が存在しない場合には、CPU４は当該照合区
間Ｙにおける全ての対象区間ynについて照合し
たかどうかを判別し、照合していないときには次
の対象区間yn＋１について平均値Ｐ（ｎ＋１）を
求め前記と同様に判別処理動作を行なう。反対
に、全ての照合区間について照合を行なつた場合
には、CPU４は当該既知音声データと未知音声
データの子音は異なるものと判断して、次の新た
な既知音声の離散信号データをプログラムメモリ
５から読み出し前記と同様に算出した新たな既知
音声データと前記未知音声データにおける基準値
Ｚ（ｑ）を前記と同様に算出するようになつてい
る。

次に上記のように構成した音声の認識装置の作
用について説明する。

今、話者が１つの音を発すると、マイクロホン
１にてその音が集音される。そして、その音声信
号は増幅器２及びＡ／Ｄ変換器３を介して8KHz
でサンプリングされ振幅レベルが量子化された離
散信号に変換されてCPU４に出力される。

CPU４は離散信号を離散信号データとして順
次ワークメモリ６の振幅記憶領域６ａに記憶する
とともに、その離散信号データを２乗してその２
乗値をワークメモリ６の２乗領域６ｂに順次記憶
させる。次にCPU４はこの２乗値に基づいて短
時間エネルギー値を算出し、その短時間エネルギ
ー値を前記ワークメモリ６のエネルギー記憶領域
６ｃに記憶させる。又、離散信号データに対して
自己相関分析、線形予測分析等を行ない、LPC
相関係数、LPCケプストラムよりなる未知音声
データを作成する（ステツプ１）。

このように、未知音声データを作成すると、次
にCPU４はこの未知音声データの未知側照合区
間Ｘを設定して切り出す（ステツプ２）ととも
に、その未知側照合区間Ｘのフレーム数を算出す
る（ステツプ３）。

次に、CPU４はプログラムメモリ５に記憶さ
れた多数個の既知音声の離散信号データの中から
第１の既知音声の離散信号データを読み出す（ス
テツプ４）。

未知音声データと同様に当該既知音における短
時間エネルギー値の算出及び算出した短時間エネ
ルギー値の所定記憶領域への記憶やLPC相関係
数、LPCケプストラムよりなる既知音声データ
の作成を行なう（ステツプ５）。

次に、CPU４は前記作成した既知音声データ
の既知側照合区間Ｙを未知側照合区間Ｘのフレー
ム数に基づいて同区間Ｘより４フレーム多い区間
となるように設定する（ステツプ６）。CPU４は
この既知側照合区間Ｙにおいて、第６図に示すよ
うに前記未知側照合区間Ｘと等しい長さを有し互
いに位置の異なる複数個の既知側対象区間ynを
順次設定する（ステツプ７）。

次に、CPU４はこの未知側照合区間Ｘに対す
る最初の既知側対象区間y1との間で対応するフ
レーム毎にWLR距離を算出し（ステツプ８）、そ
の距離の平均値Ｐ(1)を算出し、ワークメモリ６の
平均値記憶領域６ｉに記憶する（ステツプ９）。

CPU４はその算出した平均値Ｐ(1)と先に算出
した平均値と大小を比較する（ステツプ10）。こ
の時、まだ最初の平均値Ｐ(1)なので比較するもの
がないので、CPU４は次の既知側対象区間y2を
読み出す（ステツプ11）。そして、この既知側対
象区間y2と未知側照合区間Ｘとの間でWLR距離
を算出する（ステツプ８）。次に、前記同様にそ
の距離の平均値Ｐ(2)を算出する（ステツプ９）。

CPU４はその算出した平均値Ｐ(2)と先に算出
した平均値Ｐ(1)と大小を比較する（ステツプ10）。
この時、平均値Ｐ(2)の方がＰ(1)より小さい場合
は、CPU４は次の既知側対象区間y3を読み出し
（ステツプ11）、この既知側対象区間y3と未知側
照合区間Ｘとの間でWLR距離を算出し（ステツ
プ８）、前記同様にその距離の平均値Ｐ(3)を算出
する（ステツプ９）。

そして、CPU４は以後同様に各対象区間につ
いての平均値Ｐ（ｎ）を求め、その時におけるそ
の算出した平均値Ｐ（ｎ）と先に算出した各平均
値Ｐ(1)〜Ｐ（ｎ−１）と大小を比較する。

この場合、一般に順次算出されてくる平均値Ｐ
（ｎ）は順次小さくなつて行きやがて最小限に達
した後次第に大きな値となる傾向を有している。

やがて、先に算出した各平均値のうち少なくと
も１つがその時の平均値Ｐ（ｎ）より小さい値の
平均値があると、CPU４はその時の平均値より
予め定めた所定値ｋ以上小さい値の平均値が前記
各平均値の中にあるかどうかチエツクする（ステ
ツプ12）。

そして、所定値ｋ以上小さい平均値が存在する
場合には、CPU４は以後の当該既知音声データ
における平均値算出処理動作を中止して今までに
算出した各平均値Ｐ（ｎ）のうち最も小さな値の
平均値Ｐ（ｎ）を当該既知音声データの基準値Ｚ
１として認定しワークメモリ６の基準値記憶領域
６ｊに記憶する（ステツプ13）。

そして、CPU４はその第１の既知音声データ
に対す基準値Ｚ(1)を選定すると、プログラムメモ
リ５に記憶されている全ての既知音声の離散信号
データについて基準値Ｚ（ｎ）の算出が完了した
か否かをチエツクする（ステツプ14）。ここで、
完了していない場合は、次の新たな既知音声の離
散信号データをプログラムメモリ５から読み出し
（ステツプ15）、前記と同様に算出した新たな既知
音声データと前記未知音声データにおける基準値
Ｚ(2)を前記と同様に算出するようになつている。

そして、この未知音声データに対するプログラ
ムメモリ５に記憶した全ての既知音声の離散信号
データについて既知音声データを算出し、それぞ
れに対応する基準値Ｚ（ｑ）を算出すると、CPU
４はこの各基準値Ｚ（ｑ）の中から最小の基準値
を選定し、その選定した最小の基準値Ｚ（ｑ）に
対応するの既知音声データの子音をこの未知音声
データの子音と決定する（ステツプ16）。

なお、前記ステツプ12において、所定値ｋ以上
小さい平均値Ｐ（ｎ）が存在しない場合には、
CPU４は当該照合区間Ｙにおける全ての対象区
間ynについて照合したかどうかをチエツクして
（ステツプ17）、照合していない対象区間yn＋１
〜ymがあるときには前記ステツプ11に移り次の
対象区間yn＋１について平均値Ｐ（ｎ＋１）を求
め前記と同様に判別処理動作を行なう。反対に、
全ての照合区間y1〜ymについて照合を行なつた
場合には、CPU４は当該既知音声データと未知
音声データの子音は異なるものと判断して（ステ
ツプ18）、次の新たな既知音声の離散信号データ
をプログラムメモリ５から読み出し前記と同様に
算出した新たな既知音声データと前記未知音声デ
ータにおける基準値Ｚ（ｑ）を前記と同様に算出
するようになつている。

このように、本実施例においては未知音声デー
タの未知側照合区間Ｘに対して既知音声データの
前記未知側照合区間Ｘより長い既知側照合区間Ｙ
を設定するとともに、同既知側照合区間Ｙにおい
て未知側照合区間Ｘと同じ長さを有し互いに位置
の異なる対象区間ynを既知側照合区間Ｙの始端
から終端に向つて順次設定し、未知側照合区間Ｘ
に対する各既知側対象区間ynの平均値Ｐ（ｎ）を
算出して行く。そして、その各平均値Ｐ（ｎ）を
算出する毎に最も短いWLR距離の平均値が得ら
れたかどうかをチエツクし、得られた時には以後
の対象区間における平均値の算出処理動作を終了
して今までに求めた平均値の中から最小ものを基
準値Ｚ（ｑ）とするようにしたので、未知音声デ
ータ及び既知音声データの両照合区間を厳密に設
定する必要がなくラフに設定でき照合区間の設定
の精度に影響を受けることなく音声の認識率の向
上を図ることができる。

なお、前記実施例では１つの未知側照合区間に
対して既知側対象区間を順次設定し平均値を算出
したが、これを反対にして未知側照合区間を既知
側照合区間より長く設定し、１つの既知側照合区
間に対して未知側の対象区間を順次設定し平均値
を算出して基準値を求めて音声認識を行なうよう
にしてもよい。又、前記実施例では各音声データ
の子音区間を照合区間とする場合について説明し
たが、これを母音を照合として応用してもよい。
又、子音区間を照合区間とした場合であつても、
母音についてはその前半を子音区間と同様なもの
とみなして照合区間とすれば、同様な処理による
認識が可能である。

（発明の効果） 以上詳述したように、この発明によれば未知音
声データ及び既知音声データの照合区間の切り出
しの精度を上げることなく認識率の向上を図るこ
とができる効果を有する。又、当該未知音声デー
タと当該既知音声データとの距離に基づいた代表
値を設定する処理の途中で、当該既知音声データ
の音が当該未知音声データの音であるか否かを決
定する基準値が得られたことを確認できるため、
前記代表値を認定する処理を途中で中止すること
ができ、音声の決定に要する処理量及び処理時間
を短縮できる効果を有する。

【図面の簡単な説明】

第１図は本発明の構成を示すブロツク図、第２
図は本発明を具体化した一実施例の電気ブロツク
回路図、第３図は音声の短時間エネルギー値を示
す図、第４図は未知側照合区間を示す図、第５図
は既知側照合区間を示す図、第６図は未知側照合
区間と既知側照合区間の各対象区間との関係を示
す説明図、第７図はこの音声の認識装置の作用を
説明するためのフローチヤートである。 図中、１はマイクロホン、２は増幅器、３は
Ａ／Ｄ変換器、４はCPU、５はプログラムメモ
リ、６はワークメモリ、１０１は第１の照合区間
設定手段、１０２は第２の照合区間設定手段、１
０３は対象区間設定手段、１０４は代表値設定手
段、１０５は終了手段、１０６は基準値設定手段
である。

Claims (1)

1. 【特許請求の範囲】 １ 音が未知である未知音声データと音が既知で
   ある既知音声データとを照合して未知音声データ
   の音を決定する音声決定装置において、 前記未知音声データ及び前記既知音声データの
   ２つの音声データのうち一方の音声データに第１
   の照合区間Ｘを設定する手段１０１と、 前記２つの音声データのうち他方の音声データ
   に前記第１の照合区間Ｘより長い区間を有する第
   ２の照合区間Ｙを設定する手段１０２と、 前記第１の照合区間Ｘと等しい長さを有し互い
   に位置の異なる対象区間ynを第２の照合区間Ｙ
   の一端から他端に向つて順次設定する手段１０３
   と、 前記第１の照合区間Ｘ及び前記各対象区間yn
   において対応するそれぞれの時点の値の距離に基
   づいた代表値（Ｐ（ｎ））を前記各対象区間ynを
   設定した順序に従つて設定して行く代表値設定手
   段１０４と、 前記代表値（Ｐ（ｎ））を設定する毎に、先に設
   定した代表値（Ｐ(1)〜Ｐ（ｎ−１））と、その時設
   定した第１の代表値（Ｐ（ｎ））との大小を比較す
   る手段と、 前記先に設定した代表値（Ｐ(1)〜Ｐ（ｎ−１））
   に、前記第１の代表値（Ｐ（ｎ））より小さい第２
   の代表値があり、且つ、前記第１の代表値（Ｐ
   （ｎ））と第２の代表値との差が所定値(k)以上ある
   場合には、前記代表値設定手段１０４による代表
   値（Ｐ（ｎ））の設定を終了する手段１０５と、 前記各代表値（Ｐ（ｎ））のうち前記距離が最も
   短いことを示す代表値（Ｐ（ｎ））を前記第１の照
   合区間Ｘと前記第２の照合区間Ｙとの間の基準値
   （Ｚ（ｑ））として設定する手段１０６と を有し、 １つの前記未知音声データについて複数の前記
   既知音声データに対する前記基準値（Ｚ（ｑ））を
   それぞれ算出し、前記基準値（Ｚ（ｑ））に基づい
   て未知音声データの音を決定することを特徴とす
   る音声決定装置。