JPH06118988A - 音声対話処理装置 - Google Patents
音声対話処理装置Info
- Publication number
- JPH06118988A JPH06118988A JP4265196A JP26519692A JPH06118988A JP H06118988 A JPH06118988 A JP H06118988A JP 4265196 A JP4265196 A JP 4265196A JP 26519692 A JP26519692 A JP 26519692A JP H06118988 A JPH06118988 A JP H06118988A
- Authority
- JP
- Japan
- Prior art keywords
- voice
- input
- likelihood
- unit
- recognition
- 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
Links
Abstract
(57)【要約】
【目的】 最初の音声入力ならびに音声再入力時におい
て、より精度の高い認識結果を得るとともに、音声認識
に関する処理時間の削減が図れ、さらに、不要な区間を
認識対象としないことにより湧き出しを減少する。 【構成】 最初の音声入力時には、第１の尤度計算部１
１ａによって、分析フレームごとの特徴パラメータの参
照を音声信号の後方から前方に向けて行なう。一方、処
理誤り後の第２回目の音声入力の場合には、再入力時に
おいてはキーワードは発声文の始端付近に存在するとい
う傾向を反映して、第２の尤度計算部１１ｂによって、
最初の音声入力時と同様の処理を、音声信号の前方から
後方に向けて行なう。
て、より精度の高い認識結果を得るとともに、音声認識
に関する処理時間の削減が図れ、さらに、不要な区間を
認識対象としないことにより湧き出しを減少する。 【構成】 最初の音声入力時には、第１の尤度計算部１
１ａによって、分析フレームごとの特徴パラメータの参
照を音声信号の後方から前方に向けて行なう。一方、処
理誤り後の第２回目の音声入力の場合には、再入力時に
おいてはキーワードは発声文の始端付近に存在するとい
う傾向を反映して、第２の尤度計算部１１ｂによって、
最初の音声入力時と同様の処理を、音声信号の前方から
後方に向けて行なう。
Description
【０００１】
【産業上の利用分野】本発明は人間からの音声入力を認
識・理解し、合成音声を出力することにより機械と人間
との対話を行なう音声対話処理において、機械側の認識
精度を向上させる音声対話処理装置に関する。
識・理解し、合成音声を出力することにより機械と人間
との対話を行なう音声対話処理において、機械側の認識
精度を向上させる音声対話処理装置に関する。
【０００２】
【従来の技術】従来より、音声対話処理装置における連
続音声からの認識対象単語の抽出には、入力音声信号の
全音声区間を対象に、前方から後方、または後方から前
方のいずれか一方向（以下、”認識処理の方向”と呼
ぶ）の順に認識対象単語との尤度を計算し、尤度の高い
単語を認識結果とする方式が採られていた。また、認識
誤り後の音声再入力の際の認識においても、最初の音声
入力と同様の”認識処理の方向”に従って、認識対象単
語の尤度計算を行なうといった方式が採られていた。
続音声からの認識対象単語の抽出には、入力音声信号の
全音声区間を対象に、前方から後方、または後方から前
方のいずれか一方向（以下、”認識処理の方向”と呼
ぶ）の順に認識対象単語との尤度を計算し、尤度の高い
単語を認識結果とする方式が採られていた。また、認識
誤り後の音声再入力の際の認識においても、最初の音声
入力と同様の”認識処理の方向”に従って、認識対象単
語の尤度計算を行なうといった方式が採られていた。
【０００３】ここで、従来の音声対話処理装置につい
て、図２に示すブロック図を参照して説明する。アナロ
グ入力音声ＡＳは、ＡＤ変換部１において帯域制限され
た上でディジタル音声信号Ｓ１に変換される。ディジタ
ル音声信号Ｓ１は音声分析部２において音声分析され、
その結果として分析フレームごとに特徴パラメータＳ２
が抽出される。抽出された特徴パラメータＳ２は、ベク
トル量子化コードブック蓄積部３に蓄積されているコー
ドブックに基づいて、量子化部４により、ベクトル量子
化され、その結果として量子化された特徴パラメータ時
系列（以下、”符号時系列”と略す）Ｓ３が得られる。
上記符号時系列Ｓ３は、尤度計算部５では、学習データ
蓄積部６に予め蓄積されている認識対象単語ごとのベク
トル量子化された特徴パラメータ時系列と、ベクトル量
子化コードブック蓄積部３において得られた符号時系列
Ｓ３とを比較することにより、認識対象単語に対する尤
度が計算される。なお、従来の技術では、分析フレーム
単位の入力音声信号の参照を、時系列の前方から後方、
または後方から前方のいずれか一方向に限定されてい
る。
て、図２に示すブロック図を参照して説明する。アナロ
グ入力音声ＡＳは、ＡＤ変換部１において帯域制限され
た上でディジタル音声信号Ｓ１に変換される。ディジタ
ル音声信号Ｓ１は音声分析部２において音声分析され、
その結果として分析フレームごとに特徴パラメータＳ２
が抽出される。抽出された特徴パラメータＳ２は、ベク
トル量子化コードブック蓄積部３に蓄積されているコー
ドブックに基づいて、量子化部４により、ベクトル量子
化され、その結果として量子化された特徴パラメータ時
系列（以下、”符号時系列”と略す）Ｓ３が得られる。
上記符号時系列Ｓ３は、尤度計算部５では、学習データ
蓄積部６に予め蓄積されている認識対象単語ごとのベク
トル量子化された特徴パラメータ時系列と、ベクトル量
子化コードブック蓄積部３において得られた符号時系列
Ｓ３とを比較することにより、認識対象単語に対する尤
度が計算される。なお、従来の技術では、分析フレーム
単位の入力音声信号の参照を、時系列の前方から後方、
または後方から前方のいずれか一方向に限定されてい
る。
【０００４】以上の処理によって、入力音声信号に対す
る認識対象単語の存在位置とその尤度が求められ、これ
らの結果は対話処理制御部９へ逐次、入力される。入力
音声の発話内容を決定するための処理は、認識対象単語
ごとの尤度に関する閾値が蓄積された認識尤度蓄積部
７、対話を進める上での制約条件が蓄積された対話制約
条件データ蓄積部８および対話処理制御部９を用いて行
なわれる。対話処理制御部９は、尤度計算部５からの対
象単語の尤度と、認識尤度蓄積部７に蓄積されている尤
度とを逐次比較し、認識尤度蓄積部７に蓄積されていた
値よりも大きな尤度を持ついくつかの単語が検出された
時点で認識処理を終了し、対話制約条件データ蓄積部８
に蓄積されている制約条件を参照しながら入力音声の発
話内容を同定する。すなわち、音韻的特徴が類似した認
識対象単語で上記制約条件に該当しないものを、入力音
声信号に対する認識結果から削除する。最後に対話処理
制御部９は、決定された入力音声の発話内容と、対話の
進行状況から出力合成音声の発話内容を決定する。音声
出力部１０は、対話処理制御部９において決定された発
話内容に基づき、従来より利用されている規則による音
声合成方式、録音編集方式等の音声合成方式を用いて合
成音声の出力波形を生成する。
る認識対象単語の存在位置とその尤度が求められ、これ
らの結果は対話処理制御部９へ逐次、入力される。入力
音声の発話内容を決定するための処理は、認識対象単語
ごとの尤度に関する閾値が蓄積された認識尤度蓄積部
７、対話を進める上での制約条件が蓄積された対話制約
条件データ蓄積部８および対話処理制御部９を用いて行
なわれる。対話処理制御部９は、尤度計算部５からの対
象単語の尤度と、認識尤度蓄積部７に蓄積されている尤
度とを逐次比較し、認識尤度蓄積部７に蓄積されていた
値よりも大きな尤度を持ついくつかの単語が検出された
時点で認識処理を終了し、対話制約条件データ蓄積部８
に蓄積されている制約条件を参照しながら入力音声の発
話内容を同定する。すなわち、音韻的特徴が類似した認
識対象単語で上記制約条件に該当しないものを、入力音
声信号に対する認識結果から削除する。最後に対話処理
制御部９は、決定された入力音声の発話内容と、対話の
進行状況から出力合成音声の発話内容を決定する。音声
出力部１０は、対話処理制御部９において決定された発
話内容に基づき、従来より利用されている規則による音
声合成方式、録音編集方式等の音声合成方式を用いて合
成音声の出力波形を生成する。
【０００５】
【発明が解決しようとする課題】ところで、上述のよう
な従来の方式では、認識対象単語の増加に伴い、実際に
は発声されてはいない単語であっても、尤度が高くなっ
てしまう、いわゆる「認識対象単語の湧き出し」が生じ
ることが多く、任意の入力音声に対して高い認識率を維
持することが困難であった。
な従来の方式では、認識対象単語の増加に伴い、実際に
は発声されてはいない単語であっても、尤度が高くなっ
てしまう、いわゆる「認識対象単語の湧き出し」が生じ
ることが多く、任意の入力音声に対して高い認識率を維
持することが困難であった。
【０００６】また、音声の再入力の際に見られる発話様
式の変化を利用した音声認識方式においても、最初の音
声入力時と同様の”認識処理の方向”に従って再入力さ
れた音声を認識していたため、再入力時の認識精度が向
上しないという問題があった。
式の変化を利用した音声認識方式においても、最初の音
声入力時と同様の”認識処理の方向”に従って再入力さ
れた音声を認識していたため、再入力時の認識精度が向
上しないという問題があった。
【０００７】この発明は上述した事情に鑑みてなされた
もので、最初の音声入力ならびに音声再入力時におい
て、より精度の高い認識結果を得ることができるととも
に、音声認識に関する処理時間の削減が図れ、さらに、
不要な区間を認識対象としないことにより湧き出しを減
少できる音声対話処理装置を提供することを目的として
いる。
もので、最初の音声入力ならびに音声再入力時におい
て、より精度の高い認識結果を得ることができるととも
に、音声認識に関する処理時間の削減が図れ、さらに、
不要な区間を認識対象としないことにより湧き出しを減
少できる音声対話処理装置を提供することを目的として
いる。
【０００８】
【課題を解決するための手段】上述した問題点を解決す
るために、本発明では、入力されたアナログ音声信号を
ディジタル音声信号に変換するＡＤ変換部と、ディジタ
ル音声信号を分析し特徴パラメータを抽出する音声分析
部と、前記音声分析部において抽出された特徴パラメー
タをベクトル量子化するためのコードブックを蓄積した
ベクトル量子化コードブック蓄積部と、ベクトル量子化
された特徴パラメータを認識対象単語ごとに予め蓄積し
ている学習データ蓄積部と、入力音声の任意の部分的音
声区間を前記学習データ蓄積部に蓄積された認識対象単
語と比較することにより認識対象単語の尤度計算部と、
入力音声の発話内容決定、対話の進行状況の管理ならび
に出力合成音声の発話内容の決定を行なう対話処理制御
部と、前記対話処理制御部において決定された発話内容
に基づいて合成音声の生成・出力を行なう音声出力部と
から構成されることを特徴とする音声対話処理装置にお
いて、前記尤度計算部は、第１回目の音声入力の場合に
は認識対象単語の尤度数計算を入力音声信号の後方から
前方に向けて処理する第１の尤度計算部と、処理誤り後
の第２回目の音声入力の場合には尤度計算を入力音声信
号の前方から後方に向けて処理する第２の尤度計算部と
から構成されることを特徴とする。
るために、本発明では、入力されたアナログ音声信号を
ディジタル音声信号に変換するＡＤ変換部と、ディジタ
ル音声信号を分析し特徴パラメータを抽出する音声分析
部と、前記音声分析部において抽出された特徴パラメー
タをベクトル量子化するためのコードブックを蓄積した
ベクトル量子化コードブック蓄積部と、ベクトル量子化
された特徴パラメータを認識対象単語ごとに予め蓄積し
ている学習データ蓄積部と、入力音声の任意の部分的音
声区間を前記学習データ蓄積部に蓄積された認識対象単
語と比較することにより認識対象単語の尤度計算部と、
入力音声の発話内容決定、対話の進行状況の管理ならび
に出力合成音声の発話内容の決定を行なう対話処理制御
部と、前記対話処理制御部において決定された発話内容
に基づいて合成音声の生成・出力を行なう音声出力部と
から構成されることを特徴とする音声対話処理装置にお
いて、前記尤度計算部は、第１回目の音声入力の場合に
は認識対象単語の尤度数計算を入力音声信号の後方から
前方に向けて処理する第１の尤度計算部と、処理誤り後
の第２回目の音声入力の場合には尤度計算を入力音声信
号の前方から後方に向けて処理する第２の尤度計算部と
から構成されることを特徴とする。
【０００９】
【作用】最初の音声入力時には、第１の尤度計算部によ
って、分析フレームごとの特徴パラメータの参照を音声
信号の後方から前方に向けて行なうとともに、認識対象
単語の尤度が予め設定された閾値以上である区間が同定
された場合には、当該区間を認識対象単語の存在区間と
決定すれば、当該区間より前方の音声信号に対する認識
処理を行なわずに済ませる。一方、処理誤り後の第２回
目の音声入力の場合には、再入力時においてはキーワー
ドは発声文の始端付近に存在するという傾向を反映し
て、第２の尤度計算部によって、最初の音声入力時と同
様の処理を、音声信号の前方から後方に向けて行なう。
って、分析フレームごとの特徴パラメータの参照を音声
信号の後方から前方に向けて行なうとともに、認識対象
単語の尤度が予め設定された閾値以上である区間が同定
された場合には、当該区間を認識対象単語の存在区間と
決定すれば、当該区間より前方の音声信号に対する認識
処理を行なわずに済ませる。一方、処理誤り後の第２回
目の音声入力の場合には、再入力時においてはキーワー
ドは発声文の始端付近に存在するという傾向を反映し
て、第２の尤度計算部によって、最初の音声入力時と同
様の処理を、音声信号の前方から後方に向けて行なう。
【００１０】
【実施例】次に図面を参照してこの発明の実施例につい
て説明する。図１は本発明の一実施例の構成を示すブロ
ック図である。図１において、１はＡＤ変換部、２は音
声分析部、３はベクトル量子化コードブック蓄積部、６
は学習データ蓄積部、７は認識尤度蓄積部、８は対話制
約条件データ蓄積部、１０は音声出力部、１１は尤度計
算部、１２は入力有無検出部、１３は対話処理制御部で
ある。なお、本実施例において、前述した図２に示す構
成と同一の機能のものには同一の符号を付けて説明を省
略する。
て説明する。図１は本発明の一実施例の構成を示すブロ
ック図である。図１において、１はＡＤ変換部、２は音
声分析部、３はベクトル量子化コードブック蓄積部、６
は学習データ蓄積部、７は認識尤度蓄積部、８は対話制
約条件データ蓄積部、１０は音声出力部、１１は尤度計
算部、１２は入力有無検出部、１３は対話処理制御部で
ある。なお、本実施例において、前述した図２に示す構
成と同一の機能のものには同一の符号を付けて説明を省
略する。
【００１１】尤度計算部１１は、第１の尤度計算部１１
ａならびに第２の尤度計算部１１ｂからなり、これら第
１の尤度計算部１１ａならびに第２の尤度計算部１１ｂ
においては、学習データ蓄積部６に予め蓄積されている
認識対象単語ごとのベクトル量子化された特徴パラメー
タ時系列と、ベクトル量子化コードブック蓄積部３にお
いて得られた符号時系列Ｓ３とを比較することにより、
認識対象単語に対する尤度が計算される。次に、入力有
無検出部１２は、音声入力の有無を監視しており、監視
の結果を対話処理制御部１３へ供給する。また、対話処
理制御部１３は、入力有無検出部１２からの検出結果に
従って、過去に入力がなかった場合には、第１の尤度計
算部１１ａを用いるように尤度計算部へ指示し、一方、
過去に入力があった場合には、第２の尤度計算部１１ｂ
を用いるように尤度計算部へ指示するようになってい
る。
ａならびに第２の尤度計算部１１ｂからなり、これら第
１の尤度計算部１１ａならびに第２の尤度計算部１１ｂ
においては、学習データ蓄積部６に予め蓄積されている
認識対象単語ごとのベクトル量子化された特徴パラメー
タ時系列と、ベクトル量子化コードブック蓄積部３にお
いて得られた符号時系列Ｓ３とを比較することにより、
認識対象単語に対する尤度が計算される。次に、入力有
無検出部１２は、音声入力の有無を監視しており、監視
の結果を対話処理制御部１３へ供給する。また、対話処
理制御部１３は、入力有無検出部１２からの検出結果に
従って、過去に入力がなかった場合には、第１の尤度計
算部１１ａを用いるように尤度計算部へ指示し、一方、
過去に入力があった場合には、第２の尤度計算部１１ｂ
を用いるように尤度計算部へ指示するようになってい
る。
【００１２】上述した構成によれば、アナログ入力音声
ＡＳは、ＡＤ変換部１において帯域制限された上でディ
ジタル音声信号Ｓ１に変換され、さらに、音声分析部２
において音声分析され、その結果として分析フレームご
とに特徴パラメータＳ２が抽出される。抽出された特徴
パラメータＳ２は、ベクトル量子化コードブック蓄積部
３に蓄積されているコードブックに基づいてベクトル量
子化され、その結果として量子化された特徴パラメータ
時系列（符号時系列）Ｓ３が得られる。該符号時系列Ｓ
３は尤度計算部１１へ供給される。
ＡＳは、ＡＤ変換部１において帯域制限された上でディ
ジタル音声信号Ｓ１に変換され、さらに、音声分析部２
において音声分析され、その結果として分析フレームご
とに特徴パラメータＳ２が抽出される。抽出された特徴
パラメータＳ２は、ベクトル量子化コードブック蓄積部
３に蓄積されているコードブックに基づいてベクトル量
子化され、その結果として量子化された特徴パラメータ
時系列（符号時系列）Ｓ３が得られる。該符号時系列Ｓ
３は尤度計算部１１へ供給される。
【００１３】一方、入力有無検出部１２においては、上
記入力音声ＡＳが初めて（第１回目）の入力であるか、
それ以降の入力であるかが検出され、その検出結果が対
話処理制御部１３へ供給される。そして、上記入力音声
ＡＳが第１回目の音声入力の際には、上記符号時系列Ｓ
３は第１の尤度計算部１１ａに入力され、時系列の後方
から前方に向かって分析フレームごとの特徴パラメータ
の参照がなされ、認識対象単語との比較がなされる。ま
た、上記入力音声ＡＳが第２回目の音声入力の際には、
上記符号時系列Ｓ３は第２の尤度計算部１１ｂに入力さ
れ、時系列の前方から後方に向かって分析フレームごと
の特徴パラメータの参照がなされる。このように、第１
の尤度計算部１１ａと第２の尤度計算部１１ｂは、認識
処理の方向が異なるだけであるので、同一のハードウェ
アを利用することも可能である。
記入力音声ＡＳが初めて（第１回目）の入力であるか、
それ以降の入力であるかが検出され、その検出結果が対
話処理制御部１３へ供給される。そして、上記入力音声
ＡＳが第１回目の音声入力の際には、上記符号時系列Ｓ
３は第１の尤度計算部１１ａに入力され、時系列の後方
から前方に向かって分析フレームごとの特徴パラメータ
の参照がなされ、認識対象単語との比較がなされる。ま
た、上記入力音声ＡＳが第２回目の音声入力の際には、
上記符号時系列Ｓ３は第２の尤度計算部１１ｂに入力さ
れ、時系列の前方から後方に向かって分析フレームごと
の特徴パラメータの参照がなされる。このように、第１
の尤度計算部１１ａと第２の尤度計算部１１ｂは、認識
処理の方向が異なるだけであるので、同一のハードウェ
アを利用することも可能である。
【００１４】すなわち、第１の尤度計算部１１ａならび
に第２の尤度計算部１１ｂにおいては、学習データ蓄積
部６に予め蓄積されている認識対象単語ごとのベクトル
量子化された特徴パラメータ時系列と、ベクトル量子化
コードブック蓄積部３において得られた符号時系列Ｓ３
とを、音声入力の回数に応じて時系列の方向を変えて比
較することにより、認識対象単語に対する尤度が計算さ
れる。
に第２の尤度計算部１１ｂにおいては、学習データ蓄積
部６に予め蓄積されている認識対象単語ごとのベクトル
量子化された特徴パラメータ時系列と、ベクトル量子化
コードブック蓄積部３において得られた符号時系列Ｓ３
とを、音声入力の回数に応じて時系列の方向を変えて比
較することにより、認識対象単語に対する尤度が計算さ
れる。
【００１５】以上の処理によって、入力音声信号に対す
る認識対象単語の存在位置とその尤度が求められ、これ
らの結果は対話処理制御部１３へ逐次、入力される。す
なわち、対話処理制御部１３においては、第１の尤度計
算部１１ａおよび第２の尤度計算部１１ｂにおいて求め
られた認識対象単語の尤度と、認識尤度蓄積部７に蓄積
されている尤度とが逐次比較される。対話処理制御部１
３は機械が出力した質問の内容、人間からの応答内容、
対話によって達成されるべき目的などといった対話の進
行状況を常時、監視しており、対話制約条件データ蓄積
部８に蓄積されている複数の制約条件を適宜、選択・利
用する。
る認識対象単語の存在位置とその尤度が求められ、これ
らの結果は対話処理制御部１３へ逐次、入力される。す
なわち、対話処理制御部１３においては、第１の尤度計
算部１１ａおよび第２の尤度計算部１１ｂにおいて求め
られた認識対象単語の尤度と、認識尤度蓄積部７に蓄積
されている尤度とが逐次比較される。対話処理制御部１
３は機械が出力した質問の内容、人間からの応答内容、
対話によって達成されるべき目的などといった対話の進
行状況を常時、監視しており、対話制約条件データ蓄積
部８に蓄積されている複数の制約条件を適宜、選択・利
用する。
【００１６】対話処理制御部１３は、認識処理により得
られた認識対象単語で、認識尤度蓄積部７に蓄積されて
いた値よりも大きな尤度を持ついくつかの単語が検出さ
れた時点で認識処理を終了し、対話制約条件データ蓄積
部８に蓄積されている制約条件を参照しながら入力音声
の発話内容を同定する。すなわち、音韻的特徴が類似し
た認識対象単語で上記制約条件に該当しないものを、入
力音声信号に対する認識結果から削除する。そして、決
定された入力音声の発話内容と、対話の進行状況から出
力合成音声の発話内容を決定する。音声出力部１０で
は、前述同様に、対話処理制御部１３において決定され
た発話内容に基づき、従来より利用されている規則によ
る音声合成方式、録音編集方式等の音声合成方式を用い
て合成音声の出力波形を生成する。
られた認識対象単語で、認識尤度蓄積部７に蓄積されて
いた値よりも大きな尤度を持ついくつかの単語が検出さ
れた時点で認識処理を終了し、対話制約条件データ蓄積
部８に蓄積されている制約条件を参照しながら入力音声
の発話内容を同定する。すなわち、音韻的特徴が類似し
た認識対象単語で上記制約条件に該当しないものを、入
力音声信号に対する認識結果から削除する。そして、決
定された入力音声の発話内容と、対話の進行状況から出
力合成音声の発話内容を決定する。音声出力部１０で
は、前述同様に、対話処理制御部１３において決定され
た発話内容に基づき、従来より利用されている規則によ
る音声合成方式、録音編集方式等の音声合成方式を用い
て合成音声の出力波形を生成する。
【００１７】このように、本発明では、音声入力に見ら
れる発話様式の特徴を利用し、音声入力の回数に依存し
て、認識処理を音声信号の前方から後方、並びに後方か
ら前方に向けて行なうことにより、任意の入力音声に対
する認識精度を向上させるものである。具体的には、機
械が質問のために出力した合成音声に対する人間の入力
音声には、下記に示すように、応答内容の焦点となる単
語（キーワード）以外にさまざまな単語が含まれてい
る。 機械1：お名前をどうぞ。 人間1：えーっと、総務部、経理課の、えー、『佐々
木』さんお願いします。 機械2：『高木』でございますか。 人間2：『佐々木』さんです。 （『』のある単語が対話において焦点となる単語、キー
ワードである。） ところが、最初の音声入力ではキーワードは発声文の終
端付近に依存する場合が多く（上記人間1の発声文）、
また認識誤り後の第２回目の音声入力では、キーワード
は発声文の始端付近に存在する場合が多い（上記人間2
の発話文）。
れる発話様式の特徴を利用し、音声入力の回数に依存し
て、認識処理を音声信号の前方から後方、並びに後方か
ら前方に向けて行なうことにより、任意の入力音声に対
する認識精度を向上させるものである。具体的には、機
械が質問のために出力した合成音声に対する人間の入力
音声には、下記に示すように、応答内容の焦点となる単
語（キーワード）以外にさまざまな単語が含まれてい
る。 機械1：お名前をどうぞ。 人間1：えーっと、総務部、経理課の、えー、『佐々
木』さんお願いします。 機械2：『高木』でございますか。 人間2：『佐々木』さんです。 （『』のある単語が対話において焦点となる単語、キー
ワードである。） ところが、最初の音声入力ではキーワードは発声文の終
端付近に依存する場合が多く（上記人間1の発声文）、
また認識誤り後の第２回目の音声入力では、キーワード
は発声文の始端付近に存在する場合が多い（上記人間2
の発話文）。
【００１８】したがって、上述したように、最初の音声
入力時には、分析フレームごとの特徴パラメータの参照
を音声信号の後方から前方に向けて行ない、認識対象単
語の尤度が予め設定された閾値以上である区間が同定さ
れた場合には、当該区間を認識対象単語の存在区間と決
定すれば、当該区間より前方の音声信号に対する認識処
理を行なわないで済ませることができる。上記の方式を
用いることにより、最初の音声入力においてはキーワー
ドが発声文の終端付近に存在するという傾向を反映し
た、より精度の高い認識結果を得ることができると同時
に、音声認識に関する処理時間の削減が図れ、更に不要
な区間を認識対象としないことにより湧き出しを減少で
きる。
入力時には、分析フレームごとの特徴パラメータの参照
を音声信号の後方から前方に向けて行ない、認識対象単
語の尤度が予め設定された閾値以上である区間が同定さ
れた場合には、当該区間を認識対象単語の存在区間と決
定すれば、当該区間より前方の音声信号に対する認識処
理を行なわないで済ませることができる。上記の方式を
用いることにより、最初の音声入力においてはキーワー
ドが発声文の終端付近に存在するという傾向を反映し
た、より精度の高い認識結果を得ることができると同時
に、音声認識に関する処理時間の削減が図れ、更に不要
な区間を認識対象としないことにより湧き出しを減少で
きる。
【００１９】また、音声再入力時における音声認識処理
においては、最初の音声入力時と同様の処理を、音声信
号の前方から後方に向けて行なう。この結果、再入力時
においてはキーワードは発声文の始端付近に存在すると
いう傾向を反映した、より精度の高い認識結果を得るこ
とができると同時に、音声認識に関する処理時間の削減
が図れ、更に不要な区間を認識対象としないことによ
り、湧き出しを減少できる。
においては、最初の音声入力時と同様の処理を、音声信
号の前方から後方に向けて行なう。この結果、再入力時
においてはキーワードは発声文の始端付近に存在すると
いう傾向を反映した、より精度の高い認識結果を得るこ
とができると同時に、音声認識に関する処理時間の削減
が図れ、更に不要な区間を認識対象としないことによ
り、湧き出しを減少できる。
【００２０】
【発明の効果】本発明の音声対話処理装置は音声入力に
おける発話特性と考慮しており、最初の音声入力におい
てはキーワードが発声文の終端付近に、また、誤認識後
の再入力においてはキーワードが発声文の始端付近に存
在するという傾向を反映した認識処理方式であり、より
精度の高い認識結果を得ることができるとともに、音声
認識に関する処理量並びに処理時間の削減が図れ、更
に、不要な区間を認識対象としないことにより湧き出し
を減少できるという効果がある。
おける発話特性と考慮しており、最初の音声入力におい
てはキーワードが発声文の終端付近に、また、誤認識後
の再入力においてはキーワードが発声文の始端付近に存
在するという傾向を反映した認識処理方式であり、より
精度の高い認識結果を得ることができるとともに、音声
認識に関する処理量並びに処理時間の削減が図れ、更
に、不要な区間を認識対象としないことにより湧き出し
を減少できるという効果がある。
【図１】本発明の一実施例の構成を示すブロック図であ
る。
る。
【図２】従来の音声対話処理装置の構成を示すブロック
図である。
図である。
１ ＡＤ変換部 ２ 音声分析部 ３ ベクトル量子化コードブック蓄積部 ６ 学習データ蓄積部 ７ 認識尤度蓄積部 ８ 対話制約条件データ蓄積部 １０ 音声出力部 １１ａ 第１の尤度計算部 １１ｂ 第２の尤度計算部 １２ 入力有無検出部 １３ 対話処理制御部
───────────────────────────────────────────────────── フロントページの続き (72)発明者 北井 幹雄 東京都千代田区内幸町一丁目１番６号 日 本電信電話株式会社内
Claims (1)
- 【請求項１】 入力されたアナログ音声信号をディジタ
ル音声信号に変換するＡＤ変換部と、ディジタル音声信
号を分析し特徴パラメータを抽出する音声分析部と、前
記音声分析部において抽出された特徴パラメータをベク
トル量子化するためのコードブックを蓄積したベクトル
量子化コードブック蓄積部と、ベクトル量子化された特
徴パラメータを認識対象単語ごとに予め蓄積している学
習データ蓄積部と、入力音声の任意の部分的音声区間を
前記学習データ蓄積部に蓄積された認識対象単語と比較
することにより認識対象単語の尤度計算部と、入力音声
の発話内容決定、対話の進行状況の管理ならびに出力合
成音声の発話内容の決定を行なう対話処理制御部と、前
記対話処理制御部において決定された発話内容に基づい
て合成音声の生成・出力を行なう音声出力部とから構成
されることを特徴とする音声対話処理装置において、 前記尤度計算部は、第１回目の音声入力の場合には認識
対象単語の尤度数計算を入力音声信号の後方から前方に
向けて処理する第１の尤度計算部と、処理誤り後の第２
回目の音声入力の場合には尤度計算を入力音声信号の前
方から後方に向けて処理する第２の尤度計算部とから構
成されることを特徴とする音声対話処理装置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP4265196A JPH06118988A (ja) | 1992-10-02 | 1992-10-02 | 音声対話処理装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP4265196A JPH06118988A (ja) | 1992-10-02 | 1992-10-02 | 音声対話処理装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JPH06118988A true JPH06118988A (ja) | 1994-04-28 |
Family
ID=17413879
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP4265196A Pending JPH06118988A (ja) | 1992-10-02 | 1992-10-02 | 音声対話処理装置 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPH06118988A (ja) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH08234789A (ja) * | 1995-02-27 | 1996-09-13 | Sharp Corp | 統合認識対話装置 |
-
1992
- 1992-10-02 JP JP4265196A patent/JPH06118988A/ja active Pending
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH08234789A (ja) * | 1995-02-27 | 1996-09-13 | Sharp Corp | 統合認識対話装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US7269556B2 (en) | Pattern recognition | |
| US6260013B1 (en) | Speech recognition system employing discriminatively trained models | |
| US5822728A (en) | Multistage word recognizer based on reliably detected phoneme similarity regions | |
| US5345536A (en) | Method of speech recognition | |
| EP1355296B1 (en) | Keyword detection in a speech signal | |
| US6490555B1 (en) | Discriminatively trained mixture models in continuous speech recognition | |
| US7818174B1 (en) | Speech-recognition grammar analysis | |
| US20030200090A1 (en) | Speech recognition apparatus, speech recognition method, and computer-readable recording medium in which speech recognition program is recorded | |
| US6421641B1 (en) | Methods and apparatus for fast adaptation of a band-quantized speech decoding system | |
| EP1376537B1 (en) | Apparatus, method, and computer-readable recording medium for recognition of keywords from spontaneous speech | |
| EP1576580A1 (en) | Method of optimising the execution of a neural network in a speech recognition system through conditionally skipping a variable number of frames | |
| KR101122591B1 (ko) | 핵심어 인식에 의한 음성 인식 장치 및 방법 | |
| JP2545914B2 (ja) | 音声認識方法 | |
| JPH06118988A (ja) | 音声対話処理装置 | |
| JP3148322B2 (ja) | 音声認識装置 | |
| US7231352B2 (en) | Method for computer-supported speech recognition, speech recognition system and control device for controlling a technical system and telecommunications device | |
| US7912715B2 (en) | Determining distortion measures in a pattern recognition process | |
| JP3144203B2 (ja) | ベクトル量子化装置 | |
| JP2665543B2 (ja) | 音声認識装置 | |
| Müller et al. | Rejection and key-phrase spottin techniques using a mumble model in a czech telephone dialog system. | |
| JP2986703B2 (ja) | 音声認識装置 | |
| JP2002268677A (ja) | 統計的言語モデル生成装置及び音声認識装置 | |
| JPH0830294A (ja) | 音声認識装置及び方法 | |
| JPH0689100A (ja) | 連続音声認識方法 | |
| JPH05241592A (ja) | 連続単語認識装置 |