JPH06186995A - ヒドン・マルコフ・モデルの学習方法 - Google Patents
ヒドン・マルコフ・モデルの学習方法Info
- Publication number
- JPH06186995A JPH06186995A JP4339171A JP33917192A JPH06186995A JP H06186995 A JPH06186995 A JP H06186995A JP 4339171 A JP4339171 A JP 4339171A JP 33917192 A JP33917192 A JP 33917192A JP H06186995 A JPH06186995 A JP H06186995A
- Authority
- JP
- Japan
- Prior art keywords
- hmm
- learning
- environment
- word
- phoneme
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 63
- 230000001419 dependent effect Effects 0.000 claims abstract description 39
- 238000000354 decomposition reaction Methods 0.000 claims abstract description 13
- 230000008569 process Effects 0.000 claims description 33
- 238000002360 preparation method Methods 0.000 abstract 1
- 230000007704 transition Effects 0.000 description 8
- MQJKPEGWNLWLTK-UHFFFAOYSA-N Dapsone Chemical compound C1=CC(N)=CC=C1S(=O)(=O)C1=CC=C(N)C=C1 MQJKPEGWNLWLTK-UHFFFAOYSA-N 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000001228 spectrum Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 2
- 238000010168 coupling process Methods 0.000 description 2
- 238000005859 coupling reaction Methods 0.000 description 2
- 238000002372 labelling Methods 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 238000007619 statistical method Methods 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000005236 sound signal Effects 0.000 description 1
- 230000001755 vocal effect Effects 0.000 description 1
Abstract
(57)【要約】
【目的】 連結学習の利点を維持しながら、環境独立型
音素ＨＭＭ辞書を要しない、環境依存型音素ＨＭＭの学
習方法を提供する。 【構成】 連結学習における最初の連結では、環境独立
型音素ＨＭＭ（ヒドン・マルコフ・モデル）を使わず、
ステップ５で、直接に環境依存型音素ＨＭＭの状態数か
ら単語（又は文節もしくは文）ＨＭＭの状態数を計算す
る。ステップ６で、ダミーの単語（又葉文節もしくは
文）ＨＭＭを生成して学習を行い、ステップ７での分解
生成と、ステップ９での連結学習を繰り返すことによっ
て環境依存型音素ＨＭＭを学習する。
音素ＨＭＭ辞書を要しない、環境依存型音素ＨＭＭの学
習方法を提供する。 【構成】 連結学習における最初の連結では、環境独立
型音素ＨＭＭ（ヒドン・マルコフ・モデル）を使わず、
ステップ５で、直接に環境依存型音素ＨＭＭの状態数か
ら単語（又は文節もしくは文）ＨＭＭの状態数を計算す
る。ステップ６で、ダミーの単語（又葉文節もしくは
文）ＨＭＭを生成して学習を行い、ステップ７での分解
生成と、ステップ９での連結学習を繰り返すことによっ
て環境依存型音素ＨＭＭを学習する。
Description
【０００１】
【産業上の利用分野】本発明は、音声認識方法に用いら
れるヒドン・マルコフ・モデル（以下、ＨＭＭという）
の学習方法に関するものである。
れるヒドン・マルコフ・モデル（以下、ＨＭＭという）
の学習方法に関するものである。
【０００２】
【従来の技術】従来、このような分野の技術としては、
例えば次のような文献に記載されるものがあった。 文献１；ザ・ベル・システム・テクニカル・ジャーナル
（The Bell System Technical Journal)、６２「４」
（１９８３−４）American Telephoneand Telegraph Co
mpany，（米）、エス・イー・レビンソン(S．E ．Levin
son）、エル・アール・ラビナー(L．R ．Rabiner)、エ
ム・エム・ソンディ(M．M ．Sondhi）共著「An Introdu
ction to the Application of the Theory of Probabil
istic Functions of a Markov Process to Automatic S
peech Recognition 」Ｐ．１０３５−１０７４ 文献２；中川聖一著「確率モデルによる音声認識」（昭
６３−７）、電子情報通信学会、Ｐ．５５−６１ 音声認識技術として、古典的なパターン・マッチング手
法から、近年では統計的な手法に変わり、後者が主流に
なりつつある。後者の統計的な手法では、確率的な有限
状態を持つマルコフ・モデルが提案されており、通常、
ＨＭＭと呼ぶ。一般に、ＨＭＭは、複数の状態（例え
ば、音声の特徴等）と状態間の遷移からなる。さらに、
ＨＭＭは、状態間の遷移を表す遷移確率と、遷移する際
に伴うラベル（音声の特徴パラメータの典型的なもの
で、通常数十から数千種類がある）を出力する出力確率
を有している。このようなＨＭＭを用いた音声認識方法
が前記文献１に記載されており、その単語音声認識の例
を図２に示す。図２は、従来の音声認識方法に用いられ
る単語ＨＭＭの構造例を示す図である。
例えば次のような文献に記載されるものがあった。 文献１；ザ・ベル・システム・テクニカル・ジャーナル
（The Bell System Technical Journal)、６２「４」
（１９８３−４）American Telephoneand Telegraph Co
mpany，（米）、エス・イー・レビンソン(S．E ．Levin
son）、エル・アール・ラビナー(L．R ．Rabiner)、エ
ム・エム・ソンディ(M．M ．Sondhi）共著「An Introdu
ction to the Application of the Theory of Probabil
istic Functions of a Markov Process to Automatic S
peech Recognition 」Ｐ．１０３５−１０７４ 文献２；中川聖一著「確率モデルによる音声認識」（昭
６３−７）、電子情報通信学会、Ｐ．５５−６１ 音声認識技術として、古典的なパターン・マッチング手
法から、近年では統計的な手法に変わり、後者が主流に
なりつつある。後者の統計的な手法では、確率的な有限
状態を持つマルコフ・モデルが提案されており、通常、
ＨＭＭと呼ぶ。一般に、ＨＭＭは、複数の状態（例え
ば、音声の特徴等）と状態間の遷移からなる。さらに、
ＨＭＭは、状態間の遷移を表す遷移確率と、遷移する際
に伴うラベル（音声の特徴パラメータの典型的なもの
で、通常数十から数千種類がある）を出力する出力確率
を有している。このようなＨＭＭを用いた音声認識方法
が前記文献１に記載されており、その単語音声認識の例
を図２に示す。図２は、従来の音声認識方法に用いられ
る単語ＨＭＭの構造例を示す図である。
【０００３】図２において、Ｓ1 ，Ｓ2 ，Ｓ3 ，Ｓ4 は
ＨＭＭにおける音声の特徴等の状態を表す。ａ11，
ａ12，ａ22，ａ23，ａ33，ａ34，ａ44は状態遷移確率、
ｂ1 （ｋ），ｂ2 （ｋ），ｂ3 （ｋ），ｂ4 （ｋ）はラ
ベル出力確率を表す。ＨＭＭでは、状態遷移確率ａ
ij（但し、ｉ＝１，…，４、ｊ＝１，…，４）で状態遷
移が行われる際、ラベル出力確率ｂj （ｋ）でラベルを
出力する。発声された単語をＨＭＭを用いて認識するに
は、まず、各単語に対して用意された学習データを用い
て、その単語のラベル列を最も高い確率で出力するよう
にＨＭＭを学習する。次に、発声された未知単語のラベ
ル列を入力し、最も高い出力確率を与えた単語ＨＭＭを
認識結果とする。
ＨＭＭにおける音声の特徴等の状態を表す。ａ11，
ａ12，ａ22，ａ23，ａ33，ａ34，ａ44は状態遷移確率、
ｂ1 （ｋ），ｂ2 （ｋ），ｂ3 （ｋ），ｂ4 （ｋ）はラ
ベル出力確率を表す。ＨＭＭでは、状態遷移確率ａ
ij（但し、ｉ＝１，…，４、ｊ＝１，…，４）で状態遷
移が行われる際、ラベル出力確率ｂj （ｋ）でラベルを
出力する。発声された単語をＨＭＭを用いて認識するに
は、まず、各単語に対して用意された学習データを用い
て、その単語のラベル列を最も高い確率で出力するよう
にＨＭＭを学習する。次に、発声された未知単語のラベ
ル列を入力し、最も高い出力確率を与えた単語ＨＭＭを
認識結果とする。
【０００４】この種の音声認識方法では、発声された単
語そのものにＨＭＭを与えて学習し、尤度（即ち、ラベ
ル列の出力確率）によって認識結果を判断している。こ
のような単語ＨＭＭは、優れた認識精度を保証するが、
認識語い数が増大することによって膨大な学習データが
必要となることや、学習対象語以外の音声が全く認識で
きないことなどの欠点がある。一方、音声学では通常、
音素と呼ばれる声学的要素の系列で単語を表している。
従って、音素ごとにＨＭＭを用意し、これらのＨＭＭを
連結して単語ＨＭＭを生成し、単語認識を行う方法もあ
る。しかし、実際に発声された単語音声においては、各
々の音素は隣同士の音素の影響を受け、特徴パラメータ
（例えば、スペクトル）がかなり変形してしまう。この
ような調音結合によるスペクトルの変形は、音素ＨＭＭ
で表現しきれないことがある。そのため、このような単
純に音素ＨＭＭを連結して単語を認識する方法では、認
識率の低下が免れない。
語そのものにＨＭＭを与えて学習し、尤度（即ち、ラベ
ル列の出力確率）によって認識結果を判断している。こ
のような単語ＨＭＭは、優れた認識精度を保証するが、
認識語い数が増大することによって膨大な学習データが
必要となることや、学習対象語以外の音声が全く認識で
きないことなどの欠点がある。一方、音声学では通常、
音素と呼ばれる声学的要素の系列で単語を表している。
従って、音素ごとにＨＭＭを用意し、これらのＨＭＭを
連結して単語ＨＭＭを生成し、単語認識を行う方法もあ
る。しかし、実際に発声された単語音声においては、各
々の音素は隣同士の音素の影響を受け、特徴パラメータ
（例えば、スペクトル）がかなり変形してしまう。この
ような調音結合によるスペクトルの変形は、音素ＨＭＭ
で表現しきれないことがある。そのため、このような単
純に音素ＨＭＭを連結して単語を認識する方法では、認
識率の低下が免れない。
【０００５】このような調音結合による影響を除去する
ため、前後の音韻環境に依存する音素モデル、つまり、
ダイフォン（diphone)とトライフォン(triphoen)が提案
されている。ここで言うダイフォンは、対象音素に対し
て、先行音素もしくは後続音素のどれかが既知である音
素を指し、トライフォンは先行音素と後続音素両方とも
既知である音素を指す。音声認識を行う際、ダイフォン
あるいはトライフォンＨＭＭを用意し、これらのＨＭＭ
の連接によって単語ＨＭＭを構成し、単語認識を行うよ
うにしている。音韻環境依存型音素ＨＭＭは、音韻環境
独立型音素ＨＭＭに比べ、調音結合によるスペクトル変
形に伴う認識率の低下が回避できるが、モデル数が多い
ため、ＨＭＭを学習するには大量な学習データを用意し
なければならない。その上、学習データに各々のトライ
フォンあるいはダイフォンが存在する区間を示す情報、
即ちラベル情報も用意しなければならない。しかし、ラ
ベル付け作業を行う場合、例えばコンピュータによる自
動作業は満足のゆく精度が得られず、ほとんど手作業で
ラベル付けを行っている。
ため、前後の音韻環境に依存する音素モデル、つまり、
ダイフォン（diphone)とトライフォン(triphoen)が提案
されている。ここで言うダイフォンは、対象音素に対し
て、先行音素もしくは後続音素のどれかが既知である音
素を指し、トライフォンは先行音素と後続音素両方とも
既知である音素を指す。音声認識を行う際、ダイフォン
あるいはトライフォンＨＭＭを用意し、これらのＨＭＭ
の連接によって単語ＨＭＭを構成し、単語認識を行うよ
うにしている。音韻環境依存型音素ＨＭＭは、音韻環境
独立型音素ＨＭＭに比べ、調音結合によるスペクトル変
形に伴う認識率の低下が回避できるが、モデル数が多い
ため、ＨＭＭを学習するには大量な学習データを用意し
なければならない。その上、学習データに各々のトライ
フォンあるいはダイフォンが存在する区間を示す情報、
即ちラベル情報も用意しなければならない。しかし、ラ
ベル付け作業を行う場合、例えばコンピュータによる自
動作業は満足のゆく精度が得られず、ほとんど手作業で
ラベル付けを行っている。
【０００６】そこで、従来、ラベル情報を要しない学習
法が提案されている。この方法では、まず学習しやすい
環境独立型音素ＨＭＭを用意する。そして、発声内容が
既知でラベルが付かない単語（又は文節もしくは文、以
下同様）発声の学習データに対して、先の環境独立型音
素ＨＭＭを連結して単語ＨＭＭを構築し、これらの単語
ＨＭＭを学習する。単語ＨＭＭの学習なので、単語境
界、即ち単語の始端と終端が分かれば、学習プロセスが
実現できる。さらに、連結と逆の手続きで、これらの単
語ＨＭＭを分解し、環境依存型音素ＨＭＭを生成する。
学習精度を良くするため、前記の連結学習、及び分解生
成を繰り返すことによって、近似的に環境依存型音素Ｈ
ＭＭを生成する。この方法は連結学習法とも言う。
法が提案されている。この方法では、まず学習しやすい
環境独立型音素ＨＭＭを用意する。そして、発声内容が
既知でラベルが付かない単語（又は文節もしくは文、以
下同様）発声の学習データに対して、先の環境独立型音
素ＨＭＭを連結して単語ＨＭＭを構築し、これらの単語
ＨＭＭを学習する。単語ＨＭＭの学習なので、単語境
界、即ち単語の始端と終端が分かれば、学習プロセスが
実現できる。さらに、連結と逆の手続きで、これらの単
語ＨＭＭを分解し、環境依存型音素ＨＭＭを生成する。
学習精度を良くするため、前記の連結学習、及び分解生
成を繰り返すことによって、近似的に環境依存型音素Ｈ
ＭＭを生成する。この方法は連結学習法とも言う。
【０００７】
【発明が解決しようとする課題】しかしながら、従来の
連結学習法では、次のような問題があった。最初に単語
ＨＭＭを構築する際、環境独立型音素ＨＭＭを用いるこ
ととしているが、実際に学習の過程では、常に環境独立
型音素ＨＭＭ辞書を用意しなければならず、それはかな
り面倒なことである。即ち、アプリケーションの学習プ
ログラムには、環境独立型音素ＨＭＭ辞書というデータ
ファイルを作ることが必須である。しかも、学習データ
が発声様式、収録環境、発話者によって性質が変化する
ので、予め学習データの性質にあった環境独立型音素Ｈ
ＭＭ辞書を用意するのが難しい。本発明は、前記従来技
術が持っていた課題として、連結学習の利点を維持しな
がら、環境独立型音素ＨＭＭ辞書を要しない学習方法を
得ることが困難な点について解決し、環境依存型音素Ｈ
ＭＭの学習方法を提供するものである。
連結学習法では、次のような問題があった。最初に単語
ＨＭＭを構築する際、環境独立型音素ＨＭＭを用いるこ
ととしているが、実際に学習の過程では、常に環境独立
型音素ＨＭＭ辞書を用意しなければならず、それはかな
り面倒なことである。即ち、アプリケーションの学習プ
ログラムには、環境独立型音素ＨＭＭ辞書というデータ
ファイルを作ることが必須である。しかも、学習データ
が発声様式、収録環境、発話者によって性質が変化する
ので、予め学習データの性質にあった環境独立型音素Ｈ
ＭＭ辞書を用意するのが難しい。本発明は、前記従来技
術が持っていた課題として、連結学習の利点を維持しな
がら、環境独立型音素ＨＭＭ辞書を要しない学習方法を
得ることが困難な点について解決し、環境依存型音素Ｈ
ＭＭの学習方法を提供するものである。
【０００８】
【課題を解決するための手段】本発明は、前記課題を解
決するために、環境依存音素ＨＭＭを学習するに際し
て、予め用意しておいた環境独立音素ＨＭＭを連結して
単語（又は文節もしくは文）ＨＭＭを構築する。そし
て、前記単語（又は文節もしくは文）ＨＭＭを学習する
学習処理と、前記学習処理後にその学習結果を環境依存
音素ＨＭＭに分解する分解処理と、前記分解された環境
依存音素ＨＭＭを再連結して単語（又は文節もしくは
文）ＨＭＭを作る連結処理とを用い、前記学習処理、分
解処理及び連結処理を繰り返すことによって前記環境依
存音素ＨＭＭを学習するＨＭＭの学習方法において、次
のような手段を講じている。即ち、本発明では、前記環
境独立音素ＨＭＭを用意せず、直接、単語（又は文節も
しくは文）ＨＭＭを学習し、前記学習処理、分解処理及
び連結処理を繰り返すことによって前記環境依存音素Ｈ
ＭＭを学習するようにしている。
決するために、環境依存音素ＨＭＭを学習するに際し
て、予め用意しておいた環境独立音素ＨＭＭを連結して
単語（又は文節もしくは文）ＨＭＭを構築する。そし
て、前記単語（又は文節もしくは文）ＨＭＭを学習する
学習処理と、前記学習処理後にその学習結果を環境依存
音素ＨＭＭに分解する分解処理と、前記分解された環境
依存音素ＨＭＭを再連結して単語（又は文節もしくは
文）ＨＭＭを作る連結処理とを用い、前記学習処理、分
解処理及び連結処理を繰り返すことによって前記環境依
存音素ＨＭＭを学習するＨＭＭの学習方法において、次
のような手段を講じている。即ち、本発明では、前記環
境独立音素ＨＭＭを用意せず、直接、単語（又は文節も
しくは文）ＨＭＭを学習し、前記学習処理、分解処理及
び連結処理を繰り返すことによって前記環境依存音素Ｈ
ＭＭを学習するようにしている。
【０００９】
【作用】本発明によれば、以上のようにＨＭＭの学習方
法を構成したので、例えば、個々の環境依存型音素ＨＭ
Ｍの状態数を予め決めておいて、単語（又は文節もしく
は文）ＨＭＭを構成する個々の環境依存型音素ＨＭＭの
状態数から前記単語ＨＭＭの状態数を計算し、ダミーの
前記単語ＨＭＭを生成する。そして、このダミーの前記
単語ＨＭＭを学習データで学習し、分解して環境依存型
音素ＨＭＭを生成する。さらに、連結学習、分解生成の
過程を繰り返して精度良く環境依存型音素ＨＭＭの学習
が行われる。これにより、予め環境独立型音素ＨＭＭ辞
書を用意する手間が省け、学習データのみから環境依存
型音素ＨＭＭの学習が行え、かつ環境独立型音素ＨＭＭ
の性質に左右されることなく、精度の良い環境依存型音
素ＨＭＭの学習が行える。従って、前記課題を解決でき
るのである。
法を構成したので、例えば、個々の環境依存型音素ＨＭ
Ｍの状態数を予め決めておいて、単語（又は文節もしく
は文）ＨＭＭを構成する個々の環境依存型音素ＨＭＭの
状態数から前記単語ＨＭＭの状態数を計算し、ダミーの
前記単語ＨＭＭを生成する。そして、このダミーの前記
単語ＨＭＭを学習データで学習し、分解して環境依存型
音素ＨＭＭを生成する。さらに、連結学習、分解生成の
過程を繰り返して精度良く環境依存型音素ＨＭＭの学習
が行われる。これにより、予め環境独立型音素ＨＭＭ辞
書を用意する手間が省け、学習データのみから環境依存
型音素ＨＭＭの学習が行え、かつ環境独立型音素ＨＭＭ
の性質に左右されることなく、精度の良い環境依存型音
素ＨＭＭの学習が行える。従って、前記課題を解決でき
るのである。
【００１０】
【実施例】図１は本発明の実施例を示すＨＭＭの学習方
法の処理内容のフローチャート、及び図３は図１におけ
る単語ＨＭＭの状態数決定の様子を示す図であり、これ
らの図を参照しつつ、本実施例のＨＭＭの学習方法を説
明する。本実施例のＨＭＭ学習方法では、例えば、プロ
グラム制御されるコンピュータを用いて図１のステップ
１〜１１の処理が実行される。先ず、図１のステップ１
において、学習が開始されると、ステップ２で、学習デ
ータの音声信号（例えば、単語音声）が入力され、ステ
ップ３の前処理へ進む。
法の処理内容のフローチャート、及び図３は図１におけ
る単語ＨＭＭの状態数決定の様子を示す図であり、これ
らの図を参照しつつ、本実施例のＨＭＭの学習方法を説
明する。本実施例のＨＭＭ学習方法では、例えば、プロ
グラム制御されるコンピュータを用いて図１のステップ
１〜１１の処理が実行される。先ず、図１のステップ１
において、学習が開始されると、ステップ２で、学習デ
ータの音声信号（例えば、単語音声）が入力され、ステ
ップ３の前処理へ進む。
【００１１】ステップ３の前処理では、例えば、入力さ
れたアナログ音声信号をアナログ／デジタル変換（Ａ／
Ｄ変換という）によってデジタル信号に変換し、ＬＰＣ
（Linear Predictive Coding、線形予測符号化）分析に
よるＬＰＣケプストラムの抽出等により、音声特徴パラ
メータを抽出し、ステップ５へ進む。ステップ５では、
入力された単語の音素列表現と、予め決めておいた環境
依存型音素ＨＭＭの状態数テーブル４を参照しながら、
単語ＨＭＭの状態数を決定する。図３には、その一例と
して単語ａｋａｉ（赤い）が入力された場合の単語ＨＭ
Ｍの状態数決定の様子が示されている。図３において、
入力単語ａｋａｉに対するトライフォンの連結による表
現は、（ ）ａ（ｋ）＋（ａ）ｋ（ａ）＋（ｋ）ａ
（ｉ）＋（ａ）ｉ（ ）となる。環境依存型音素ＨＭＭ
の状態数テーブル４を参照して、（ ）ａ（Ｋ）は状態
数が４、（ａ）ｋ（ａ）は状態数が３、（ｋ）ａ（ｉ）
は状態数が４、（ａ）ｉ（）は状態数が４であるから、
それらの状態数を合計すると、単語ａｋａｉのＨＭＭの
状態数が１５となる。
れたアナログ音声信号をアナログ／デジタル変換（Ａ／
Ｄ変換という）によってデジタル信号に変換し、ＬＰＣ
（Linear Predictive Coding、線形予測符号化）分析に
よるＬＰＣケプストラムの抽出等により、音声特徴パラ
メータを抽出し、ステップ５へ進む。ステップ５では、
入力された単語の音素列表現と、予め決めておいた環境
依存型音素ＨＭＭの状態数テーブル４を参照しながら、
単語ＨＭＭの状態数を決定する。図３には、その一例と
して単語ａｋａｉ（赤い）が入力された場合の単語ＨＭ
Ｍの状態数決定の様子が示されている。図３において、
入力単語ａｋａｉに対するトライフォンの連結による表
現は、（ ）ａ（ｋ）＋（ａ）ｋ（ａ）＋（ｋ）ａ
（ｉ）＋（ａ）ｉ（ ）となる。環境依存型音素ＨＭＭ
の状態数テーブル４を参照して、（ ）ａ（Ｋ）は状態
数が４、（ａ）ｋ（ａ）は状態数が３、（ｋ）ａ（ｉ）
は状態数が４、（ａ）ｉ（）は状態数が４であるから、
それらの状態数を合計すると、単語ａｋａｉのＨＭＭの
状態数が１５となる。
【００１２】このようなステップ５における単語ＨＭＭ
の状態数の決定後、ステップ６において、入力された単
語音声を使用してその単語のＨＭＭパラメータを推定す
る。ＨＭＭパラメータの推定には、例えば、前記文献２
に記載されたBaum-Welch(B-W）アルゴリズムを用いる。
このＢ−Ｗアルゴリズムでは、例えば、観測ラベル系列
Ｏ＝ｏ1 ，ｏ2 ，…，ｏT 及び状態系列Ｉ＝ｉ1 ，
ｉ2 ，…，ｉT に対して、次式（１）のような前向き変
数αt （ｉ）と後向き変数βt （ｉ）を定義する。 αt （ｉ）＝Ｐｒ（ｏ1 ，ｏ2 ，…，ｏT ，ｉT ＝ｓi ） ・・・（１） βt （ｉ）＝Ｐｒ（ｏt+1 ，ｏt+2 ，…，ｏT ｜ｉt ＝ｓi ） そして、状態遷移確率ａijとラベル出力確率ｂj （ｋ）
を次式（２）のように推定する。
の状態数の決定後、ステップ６において、入力された単
語音声を使用してその単語のＨＭＭパラメータを推定す
る。ＨＭＭパラメータの推定には、例えば、前記文献２
に記載されたBaum-Welch(B-W）アルゴリズムを用いる。
このＢ−Ｗアルゴリズムでは、例えば、観測ラベル系列
Ｏ＝ｏ1 ，ｏ2 ，…，ｏT 及び状態系列Ｉ＝ｉ1 ，
ｉ2 ，…，ｉT に対して、次式（１）のような前向き変
数αt （ｉ）と後向き変数βt （ｉ）を定義する。 αt （ｉ）＝Ｐｒ（ｏ1 ，ｏ2 ，…，ｏT ，ｉT ＝ｓi ） ・・・（１） βt （ｉ）＝Ｐｒ（ｏt+1 ，ｏt+2 ，…，ｏT ｜ｉt ＝ｓi ） そして、状態遷移確率ａijとラベル出力確率ｂj （ｋ）
を次式（２）のように推定する。
【００１３】
【数１】 このように単語ＨＭＭを学習し終えると、ステップ７に
おいて、各環境依存型音素ＨＭＭの状態数に従って、単
語ＨＭＭを環境依存型音素ＨＭＭに分解し、環境依存型
音素ＨＭＭ辞書８を生成する。そして、ステップ１０に
おいて、環境依存型音素ＨＭＭが収束したかどうかを検
査し、もし収束しておれば（即ち、環境依存型音素ＨＭ
Ｍパラメータの前回の値と今回の値との差が充分に小さ
ければ）、ステップ１１で学習を終了する。これに対
し、ステップ１０の検査の結果、収束していなければ、
ステップ９において、ステップ７で分解した環境依存型
音素ＨＭＭを連結して単語ＨＭＭを再構成し、ステップ
６の単語ＨＭＭの学習へ戻り、前記の学習処理と分解処
理を繰り返す。
おいて、各環境依存型音素ＨＭＭの状態数に従って、単
語ＨＭＭを環境依存型音素ＨＭＭに分解し、環境依存型
音素ＨＭＭ辞書８を生成する。そして、ステップ１０に
おいて、環境依存型音素ＨＭＭが収束したかどうかを検
査し、もし収束しておれば（即ち、環境依存型音素ＨＭ
Ｍパラメータの前回の値と今回の値との差が充分に小さ
ければ）、ステップ１１で学習を終了する。これに対
し、ステップ１０の検査の結果、収束していなければ、
ステップ９において、ステップ７で分解した環境依存型
音素ＨＭＭを連結して単語ＨＭＭを再構成し、ステップ
６の単語ＨＭＭの学習へ戻り、前記の学習処理と分解処
理を繰り返す。
【００１４】以上のように、本実施例では、次のような
利点がある。連結学習における最初の連結では、環境独
立型音素ＨＭＭを使わず、ステップ５において、直接に
環境依存型音素ＨＭＭの状態数から単語ＨＭＭの状態数
を計算し、ステップ６で、ダミーの単語ＨＭＭを生成し
て学習を行う。そして、ステップ７の分解生成とステッ
プ９の連結学習を繰り返すことにより、環境依存型音素
ＨＭＭを学習する。そのため、環境独立型音素ＨＭＭ辞
書を用いないで、学習データのみで学習ができ、その
上、環境独立型音素ＨＭＭに影響されずに、精度の良い
環境依存型音素ＨＭＭを学習することができる。なお、
上記実施例では、入力された単語音声に対するＨＭＭの
学習方法について説明したが、文節や文の音声が入力さ
れた場合にも、上記実施例と同様にして環境依存型音素
ＨＭＭの学習が行える。
利点がある。連結学習における最初の連結では、環境独
立型音素ＨＭＭを使わず、ステップ５において、直接に
環境依存型音素ＨＭＭの状態数から単語ＨＭＭの状態数
を計算し、ステップ６で、ダミーの単語ＨＭＭを生成し
て学習を行う。そして、ステップ７の分解生成とステッ
プ９の連結学習を繰り返すことにより、環境依存型音素
ＨＭＭを学習する。そのため、環境独立型音素ＨＭＭ辞
書を用いないで、学習データのみで学習ができ、その
上、環境独立型音素ＨＭＭに影響されずに、精度の良い
環境依存型音素ＨＭＭを学習することができる。なお、
上記実施例では、入力された単語音声に対するＨＭＭの
学習方法について説明したが、文節や文の音声が入力さ
れた場合にも、上記実施例と同様にして環境依存型音素
ＨＭＭの学習が行える。
【００１５】
【発明の効果】以上詳細に説明したように、本発明によ
れば、連結学習処理における最初の連結では、環境独立
音素ＨＭＭを使わず、直接に、例えば環境依存音素ＨＭ
Ｍの状態数から単語ＨＭＭの状態数を計算し、ダミーの
単語（又は文節もしくは文）ＨＭＭを生成して学習を行
い、分解処理と連結学習処理を繰り返すことによって環
境依存音素ＨＭＭを学習するようにしている。そのた
め、環境独立音素ＨＭＭ辞書を用いることなく、学習デ
ータのみで、環境依存音素ＨＭＭが学習でき、その上、
環境独立音素ＨＭＭに影響されずに、精度の良い環境独
立音素ＨＭＭを学習することができる。
れば、連結学習処理における最初の連結では、環境独立
音素ＨＭＭを使わず、直接に、例えば環境依存音素ＨＭ
Ｍの状態数から単語ＨＭＭの状態数を計算し、ダミーの
単語（又は文節もしくは文）ＨＭＭを生成して学習を行
い、分解処理と連結学習処理を繰り返すことによって環
境依存音素ＨＭＭを学習するようにしている。そのた
め、環境独立音素ＨＭＭ辞書を用いることなく、学習デ
ータのみで、環境依存音素ＨＭＭが学習でき、その上、
環境独立音素ＨＭＭに影響されずに、精度の良い環境独
立音素ＨＭＭを学習することができる。
【図１】本発明の実施例を示すＨＭＭの学習方法の処理
内容のフローチャートである。
内容のフローチャートである。
【図２】従来の音声認識方法に用いられる単語ＨＭＭの
構造例を示す図である。
構造例を示す図である。
【図３】図１のＨＭＭの学習方法における単語ＨＭＭ状
態数の決定の様子を示す図である。
態数の決定の様子を示す図である。
４ 環境依存型音素ＨＭＭの状態数テーブル ５ 単語ＨＭＭの状態数の決定処理のステップ ６ 単語ＨＭＭの学習処理のステップ ７ 単語ＨＭＭを環境依存型音素ＨＭＭに分解する
分解処理のステップ ８ 環境依存型音素ＨＭＭ辞書 ９ 環境依存型音素ＨＭＭを連結して単語ＨＭＭを
再構成する連結学習処理のステップ
分解処理のステップ ８ 環境依存型音素ＨＭＭ辞書 ９ 環境依存型音素ＨＭＭを連結して単語ＨＭＭを
再構成する連結学習処理のステップ
Claims (1)
- 【請求項１】 環境依存音素ヒドン・マルコフ・モデル
を学習するに際して、予め用意しておいた環境独立音素
ヒドン・マルコフ・モデルを連結して単語、文節又は文
のうちのいずれか１つのヒドン・マルコフ・モデルを構
築し、 前記いずれか１つのヒドン・マルコフ・モデルを学習す
る学習処理と、前記学習処理後にその学習結果を環境依
存音素ヒドン・マルコフ・モデルに分解する分解処理
と、前記分解された環境依存音素ヒドン・マルコフ・モ
デルを再連結して単語、文節又は文のうちのいずれか１
つのヒドン・マルコフ・モデルを作る連結処理とを用
い、前記学習処理、分解処理及び連結処理を繰り返すこ
とによって前記環境依存音素ヒドン・マルコフ・モデル
を学習するヒドン・マルコフ・モデルの学習方法におい
て、 前記環境独立音素ヒドン・マルコフ・モデルを用意せ
ず、直接、単語、文節又は文のうちのいずれか１つのヒ
ドン・マルコフ・モデルを学習し、前記学習処理、分解
処理及び連結処理を繰り返すことによって前記環境依存
音素ヒドン・マルコフ・モデルを学習することを特徴と
するヒドン・マルコフ・モデルの学習方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP4339171A JP2912513B2 (ja) | 1992-12-18 | 1992-12-18 | ヒドン・マルコフ・モデルの学習方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP4339171A JP2912513B2 (ja) | 1992-12-18 | 1992-12-18 | ヒドン・マルコフ・モデルの学習方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPH06186995A true JPH06186995A (ja) | 1994-07-08 |
| JP2912513B2 JP2912513B2 (ja) | 1999-06-28 |
Family
ID=18324915
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP4339171A Expired - Fee Related JP2912513B2 (ja) | 1992-12-18 | 1992-12-18 | ヒドン・マルコフ・モデルの学習方法 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP2912513B2 (ja) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6868382B2 (en) | 1998-09-09 | 2005-03-15 | Asahi Kasei Kabushiki Kaisha | Speech recognizer |
-
1992
- 1992-12-18 JP JP4339171A patent/JP2912513B2/ja not_active Expired - Fee Related
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6868382B2 (en) | 1998-09-09 | 2005-03-15 | Asahi Kasei Kabushiki Kaisha | Speech recognizer |
Also Published As
| Publication number | Publication date |
|---|---|
| JP2912513B2 (ja) | 1999-06-28 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP4301102B2 (ja) | 音声処理装置および音声処理方法、プログラム、並びに記録媒体 | |
| JP4176169B2 (ja) | 言語合成のためのランタイムアコースティックユニット選択方法及び装置 | |
| US6910012B2 (en) | Method and system for speech recognition using phonetically similar word alternatives | |
| EP1557822B1 (en) | Automatic speech recognition adaptation using user corrections | |
| Al-Qatab et al. | Arabic speech recognition using hidden Markov model toolkit (HTK) | |
| JPH06110493A (ja) | 音声モデルの構成方法及び音声認識装置 | |
| JPH11504734A (ja) | 擬音素ユニットに自動音声分節するための方法及び装置 | |
| KR101014086B1 (ko) | 음성 처리 장치 및 방법, 및 기록 매체 | |
| US6148284A (en) | Method and apparatus for automatic speech recognition using Markov processes on curves | |
| JPH08202385A (ja) | 音声適応化装置，単語音声認識装置，連続音声認識装置およびワードスポッティング装置 | |
| JP2955297B2 (ja) | 音声認識システム | |
| JPH1039893A (ja) | ヒドン・マルコフ・モデルの学習方法 | |
| Rahmatullah et al. | Performance evaluation of Indonesian language forced alignment using Montreal forced aligner | |
| JPH09160586A (ja) | ヒドン・マルコフ・モデルの学習方法 | |
| JP2912513B2 (ja) | ヒドン・マルコフ・モデルの学習方法 | |
| El Ouahabi et al. | Amazigh speech recognition using triphone modeling and clustering tree decision | |
| JPH0229799A (ja) | 音素を単位とした音声認識装置 | |
| JPH0713588A (ja) | ヒドン・マルコフ・モデルの学習方法 | |
| JPH0713589A (ja) | ヒドン・マルコフ・モデルの学習方法 | |
| JPH08211891A (ja) | ヒドン・マルコフ・モデルの学習方法 | |
| JPH0981182A (ja) | 隠れマルコフモデルの学習装置及び音声認識装置 | |
| JP3091623B2 (ja) | ヒドン・マルコフ・モデルの学習方法 | |
| JPH07121192A (ja) | ヒドン・マルコフ・モデルの学習方法 | |
| JPH08328582A (ja) | ヒドン・マルコフ・モデルの学習方法 | |
| JPH08211893A (ja) | 音声認識装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 19990330 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20080409 Year of fee payment: 9 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20090409 Year of fee payment: 10 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20100409 Year of fee payment: 11 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20100409 Year of fee payment: 11 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20110409 Year of fee payment: 12 |
|
| LAPS | Cancellation because of no payment of annual fees |