JPH0449719B2 - - Google Patents

Description

【発明の詳細な説明】 産業上の利用分野 本発明は音声認識装置、特に単音節音声と単語
音声の両方を認識できる音声認識装置に関する。

従来例の構成とその問題点 仮名漢字変換機能付のワードプロセツサの仮名
キーボードの代りに区切つて発生した単音節を認
識する単音節音声認識装置を用いた音声入力ワー
ドプロセツサが既に製品化されている。

この場合、音声認識は、使用者が予め自分の声
を標準パターンとして登録しておかねばならない
いわゆる特定話者向のものである。このとき、
「改行」、「削除」、「変換」等のフアンクシヨン機
能や、その他頻出単語を単語音声として音声入力
で行うためには、単語節についての標準パターン
のみならず単語についても標準パターンとして特
徴ベクトルの系列を登録しておかなければならな
い。このため、単語の数が増加すると記憶容量が
増加し、また、計算量も、入力パターンの特徴の
ベクトルと、単音節および単語の特徴ベクトル系
列との距離計算を行なわねばならないため、非常
に増加するという問題があつた。

発明の目的 本発明は以上の問題を解消し、記憶容量および
計算量の増大を抑えつつ、単音節および単語の認
識を行うことができる音声認識装置を提供するこ
とを目的とする。

発明の構成 本発明の音声認識装置は、単音節標準パターン
を予め登録しておき、区切つて発声された単音節
の認識を行うとともに単語標準パターンを単音節
標準パターンの結合パターンとし、単音節毎に求
めたベクトル間距離を用いて単語認識を行うよう
に構成し、単音節の認識と単語の認識をともに行
えるようにしたものである。

実施例の説明 以下、本発明の実施例について説明するがその
前にパターンマツチングによる単語音声認識装置
について説明する。この装置の一般的な構成は次
のようなものである。

入力音声信号を、フイルタバンク、周波数分析
LPC分析等によつて特徴ベクトルの系列に変換
する特徴抽出手段と、予め発声され、この特徴抽
出手段により抽出された特徴ベクトルの系列を認
識単語全部について標準パターンとして登録して
おく標準パターン記憶手段と、認識させるべく発
生され、前記特徴抽出手段により抽出された入力
パターンと前記標準パターン記憶手段に記憶され
ている標準パターンの全てと特徴ベクトルの系列
としての類似度あるいは距離を計算するパターン
比較手段と、パターン比較の結果、最も類似度の
高かつた（距離の小さかつた）標準パターンに対
応する単語を認識結果として判定出力する判定手
段からなる。

このとき、同一話者が同一の単語を発声しても
発声の都度、その発声時間長が異るので、前記パ
ターン比較手段で標準パターンと入力パターンの
比較を行う際には、両者の時間軸を伸縮させ、両
者のパターン長を揃えて比較する必要がある。そ
の際、発声時間長の変化は、発声単語の各部で一
様に生じているのではないので、各部を不均一に
伸縮する必要がある。

これを図で表現したのが第１図である。第１図
ａにおいて横軸は入力パターンＴ＝a₁a₂…a_I（a_iは
入力パターンの第ｉフレームの特徴ベクトル）に
対応するｉ座標、縦軸は標準パターンRⁿ＝bⁿ ₁bⁿ ₂
…bⁿ _Jｎ（bⁿ _jは標準パターンRⁿの第ｊフレームの特
徴ベクトル）に対応するｊ座標を表す。入力パタ
ーンＴと標準パターンRⁿとを時間軸を非線形に
伸縮してマツチングするとはこの格子グラフ上に
おいて、両パターンの各特徴ベクトルの対応関係
を締す径路１を、両パターンの、系列としての距
離が最小になるという評価基準のもとで見出し、
そのときの距離を両パターンの距離とする。この
計算を効率的に行う方法として動的計画法を用い
る方法が良く知られており、DPマツチングと呼
ばれている。

この径路を決める際には音声の性質を考慮して
制限条件を設ける。第１図ｂは傾斜制限と呼ばれ
る径路選択の条件の一例である。即ち、この例で
は点（ｉ，ｊ）へ径る径路は、点（ｉ−２，ｉ−
１）から点（ｉ−１，ｊ）を通る径路が、点（ｉ
−１，ｊ−１）からの径路か、点（ｉ−１，ｊ−
１）から点（ｉ，ｊ−１）を通る径路かの何れか
の径路しか取り得ないことを意味しており、入力
パターンと標準パターンの始端と終端は必ず対応
させるという条件をつければ、前記マツチングの
径路は第１図ａの斜線の部分に制限される。この
制限は、いかに時間軸が伸縮するとはいつても、
同一単語に対してはそれ程極端に伸縮するはずは
ないという事実からあまり極端な対応づけが生じ
ないようにするためである。

両系列間の距離は、入力ベクトルa_iと標準パタ
ーンベクトルbⁿ _jのベクトル間距離dⁿ（ｉ，ｊ）の
前記径路に沿う重み付平均として定義される。

このとき径路に沿う重みの和が径路の選ばれ方
に依らず一定になるようにしておけばDPマツチ
ングの手法が使える。

第２図は端音節音声標準パターンを結合するこ
とによつて構成した単語標準パターンと入力パタ
ーンのマツチングの様子を図示したものである。
同図において、R^q(1)、R^q(2)、R^q(3)は単音節ｑ(1)、
ｑ(2)、ｑ(3)の標準パターンを意味し、この例は単
音節ｑ(1)、ｑ(2)、ｑ(3)から成る単語の標準パター
ンと入力パターンをマツチングする場合を示して
いる。前記説明に従つてマツチング径路は、例え
ば２のようになる。

以下、前記したパターンマツチングの手法を用
いた本発明の実施例について説明する。

第３図は本発明の一実施例を示すブロツク図で
ある。図において、３は音声信号の入力端子、４
はフイルタバンク等で構成された、入力音声信号
を特徴ベクトルの系列に変換する特徴抽出部であ
る。５は単音節標準パターン記憶部であつて、各
単音節の特徴ベクトルの系列に変換されたパター
ンが記憶される。６はベクトル間距離計算部であ
つて、単音節標準パターン記憶部５の標準パター
ンRⁿを構成するベクトルbⁿ _jと入力パターンを構
成するベクトルa_iの距離dⁿ（ｉ，ｊ）を計算する。
a_i＝（a_i1、a_i2、…、a_il）、bⁿ _j＝（bⁿ _j1、bⁿ _j2、…、
bⁿ _jl）
とするとき、dⁿ（ｉ，ｊ）は最も簡単には、 dⁿ（ｉ，ｊ）＝_l 〓^k=1 ｜a_ik−bⁿ _jk｜ で与えられる。

７はベクトル間距離記憶部であつて、ベクトル
間距離計算部６で計算された結果を記憶してい
る。

８は単音節累積距離計算部であつて、各単音節
について第１フレームから現フレームまでの累積
距離（dⁿ（ｉ，ｊ）のマツチング径路に沿う重み
付和）を求める。マツチング径路の拘束条件とし
て第１図ｂを採用し、各径路に沿う重み係数を同
図の径路上に付した数値とすると、座標（ｉ，
ｊ）における標準パターンRⁿに対する累積距離
Dⁿ（ｉ，ｊ）は次のように与えられる。

Dⁿ（ｉ，ｊ）＝minDⁿ（ｉ−２，ｊ−１）＋ｄ（ｉ−
１，ｊ）＋ｄ（ｉ，ｊ） Ｄ（ｉ−１，ｊ）＋ｄ（ｉ，ｊ） Ｄ（ｉ−１，ｊ）＋ｄ（ｉ，ｊ） Dⁿ（ｉ−１，ｊ−２）＋0.5d（ｉ−１，ｊ）＋0.5d（ｉ
，ｊ）……(1) ９は単音節判定部であつて、Dⁿ（Ｉ，Jⁿ）が最
小になるｎをn^とするときRⁿに対応する単音節を
認識する結果とする。

１０は単語辞書であつて、認識単語がそれを表
わす単音節の記号の列としてキーボード等で入力
することにより準備されている。１１は単語累積
距離計算部であつて、マツチングさせたい単語に
対し、単語辞書１０で指定される単音節の順序に
従つて、ベクトル間距離記憶部７に記憶されてい
る。既に計算済のベクトル間距離を読み出してき
て、単語としての点（ｉ，ｊ）までの累積距離を
計算する。即ち、例えば第２図において、第ｉフ
レームにおいて、ｎ＝１、２、…Ｎ（Ｎは単音節
数）に対して単音節標準パターンRⁿ＝bⁿ ₁bⁿ ₂…bⁿ _Jo
のそれぞれのベクトルbⁿ _jと入力パターンＴ＝a₁a₂
…a_Iの第ｉフレームのベクトルa_iとのベクトル間
距離dⁿ（ｉ，ｊ）は既に単音節認識の際に計算済
であるから、R^q(1)、R^q(2)、R^q(3)の結合パターン
R^q(1)R^q(2)R^q(3)＝b^q(1) ₁b^q(1) ₂…b^q(1) _Jq(1)b^q(2)
₁b^q(2) ₂…b^q(2) _Jq(2)
b^q(3)b^q(3)…b^q(3) _Jq(3)とa_iとのベクトル間距離は新た
に
計算する必要はない。単語判定部１２は入力が完
了した後、単語累積距離計算部１１で得られたそ
れぞれの単語に対する最終累積距離のうち、最小
値を与えるものを単語の認識結果として判定す
る。１３は単音節・単語識別部であつて、入力さ
れた音声が単音節であつたか、単語であつたかを
識別する。これは、キーボードから指定すること
もできるが、自動的に行うには音声区間の長さに
より判定することもできる。即ち、単音節よりも
単語の方が発生時間が長いので、入力信号の電力
から通常の方法で求められた音声区間が予め定め
られた閾値を越えるか否かにより単語か単音節か
を判定できる。１４は、認識結果切換部であつ
て、単音節・単語識別部１３の結果に応じて単音
節判定部９か、単語判定部１２の出力を切り換え
るものである。１５は認識結果の出力端子であ
る。

本実施例のように、入力のフレーム毎にすべて
の単音節、単語毎にベクトル間距離、累積距離の
計算を完了させてゆけば、入力が終了すると同時
に認識結果が得られるようになる。このとき径路
選択の拘束条件を第１図ｂとすれば、式(1)からも
明らかなように、ベクトル間距離記憶部７は、フ
レームｉの処理において必要とされるベクトル間
距離記憶しておけばよいのであつて第ｉフレーム
第ｉ−１フレームのものだけ記憶していればよ
い。また、累積距離については、単音節に対する
もの、単語に対するものに共に、第ｉ−１フレー
ムと第ｉ−２フレームのものだけ記憶していれば
よい。また、累積距離については、単音節に対す
るもの、単語に対するもの共に、第ｉ−１フレー
ムと第ｉ−２フレームのものだけ記憶していれば
よい。なお、これら累積距離の記憶部は単音節累
積距離計算部８、単語累積距離計算部１１に含ま
れており、図示していない。

なお、本実施例では、単音節判定部９と単語判
定部１２のように判定部を単音節と単語の場合に
ついて分け、単音節・単語識別部９により入力音
声が単音節か単語の何れであつたかを識別し、認
識結果切換部１４で前記両判定部の何れかの判定
結果を出力する構成としたが、他の実施例とし
て、判定部を１つだけ設け、単音節累積距離計算
部８と単語累積距離計算部１１の出力を区別する
ことなく距離が最も小さくなる標準パターンに対
応する単音節あるいは単語を認識結果として出力
するようにも構成できる。その場合は単音節・単
語識別部１３、認識結果切換部１４は不要とな
る。

なお、以上説明した実施例の各構成要素は、ソ
フトウエア手段によりその機能を実現することも
可能である。

発明の効果 本発明の音声認識装置は、単音節標準パターン
を予め登録しておき、区切つて発生された単音節
の認識を行うとともに単語標準ハターンを単音節
標準パターンの結合パターンとし、単音節毎に求
められたベクトル間距離を用いて単語累積距離を
求めるように構成したので、単音節音声認識と単
語音声認識の両方が可能となり、日本語ワードプ
ロセサや音声タイプライタを実現する場合、わざ
わざ単音節音声の他に単語音声を標準パターンと
して登録する必要はなく、単音節音声を登録して
おくだけでフアクシヨンキーに相当する単語や、
頻出する単語等は単語認識でも入力可能とするこ
とができ、その価値は高い。

【図面の簡単な説明】

第１図ａ，ｂはDPマツチングの原理を説明す
る図、第２図は本発明の原理を説明する図、第３
図は本発明における一実施例の音声認識装置の構
成を示すブロツク図である。 ４……特徴抽出部、５……単音節標準パターン
記憶部、６……ベクトル間距離計算部、７……ベ
クトル間距離記憶部、８……単音節累積距離計算
部、９……単音節判定部、１０……単語辞書、１
１……単語累積距離計算部、１２……単語判定
部。

Claims (1)

【特許請求の範囲】
1. １ 入力音声信号を特徴ベクトルの系列a₁a₂…a_i
   …a_Iよりなる入力パターンＴに変換する特徴抽出
   手段と、第ｎ単音節の単音節音声信号を特徴ベク
   トルの系列bⁿ ₁bⁿ ₂…bⁿ _Jｎ（ただし、ｎ＝１、２、…、
   Ｎ）に変換した標準パターンRⁿを記憶する標準
   パターン記憶手段と、この標準パターン記憶手段
   の各標準パターンRⁿ（ｎ＝１、２、…、Ｎ）を構
   成する特徴ベクトルbⁿ _j（ｊ＝１、２、…、Jⁿ）の
   それぞれと前記入力パターンＴの第ｉフレームの
   特徴ベクトルa_iとのベクトル間距離dⁿ（ｉ、ｊ）
   を計算するベクトル間距離計算手段と、前記ベク
   トル間距離dⁿ（ｉ、ｊ）から前記入力パターンＴ
   と前記標準パターンRⁿの系列間の距離を計算す
   る単音節累積距離計算手段と、前記単音節標準パ
   ターンの結合として表わされた単語標準パターン
   と前記入力パターンの系列間の累積距離を求める
   単語累積距離計算手段と、前記単音節累積距離計
   算手段または単語累積距離計算手段の結果から、
   前記入力パターンＴに最も距離的に近い単音節ま
   たは単語標準パターンを判定する判定手段とを備
   えたことを特徴とする音声認識装置。