JPH0642154B2 - 音声認識装置 - Google Patents

Description

【発明の詳細な説明】 (イ) 産業上の利用分野 本発明は音声認識装置、特に不特定話者を対象とした装
置に関する。

(ロ) 従来の技術 一般に音声は、話者毎に発声器官の形状や発声速度、ア
クセント等が異なる為、同じ語を発声したとしても話者
毎に異なった特徴をもっている事が知られている。この
為、不特定多数の話者の音声を認識する場合は、話者毎
の音声の特徴に於ける差違を吸収する認識手法が必要と
されている。

斯様な認識手法として従来の音声認識装置に最も多く採
用されているものとして、同一語について、話者の相違
に対応する複数の標準的な音声パターンをＲＯＭ（リー
ドオンリ−メモリ）に格納しておき、同一の入力音声パ
ターンに対して上記ＲＯＭ内の複数の音声パターンを参
照してパターン認識を行なうマルチテンプレート法があ
る。

然るに、マルチテンプレート法に於いて用意される複数
の標準的な音声パターンは、多数話者の音声に基づい
て、話者の相違に依る代表的な音声パターンを複数個選
択したものであるが、全ての話者の音声パターンに完全
に対応できるとは限らず、特異な音質を有する話者の入
力音声に対しては認識率が低下し、誤認識が多発する惧
れがあった。

また、１９８３年６月６日発行の日径エレクトロニクス
第６６頁乃至第６９頁には不特定話者単語の認識部と特
定話者単音節の認識部を備えた「音声入力の日本語ワー
ド・プロセッサ」についての記載がある。

しかしながら、斯様な音声認識処理に於いても、特異な
音質を有する話者に対しては、単音節音声の登録処理に
依って特定話者単音節の認識部での認識率は低下する事
はないが、不特定話者単語の認識部での認識率はやはり
低下してしまう欠点があった。

(ハ) 発明が解決しようとする問題点 本発明は上述の点に鑑みてなされたものであり、不特定
話者を対象とした音声認識装置に於いて、特異な音質の
話者の音声をも認識率の低下を招く事なく認識せしめよ
うとするものである。

(ニ) 問題点を解決するための手段 本発明の音声認識装置は標準的な音声パターンが格納さ
れたＲＯＭ（リードオンリーメモリ）と特定の話者の音
声パターンを格納可能なＲＡＭ（ランダムアクセスメモ
リ）とからなる参照パターンメモリ手段を備えたもので
ある。

(ホ) 作用 本発明の音声認識装置に於いては、音声の登録時には、
入力された話者の音声を分析して得た音声パターンを参
照パターンメモリ手段のＲＡＭに格納し、音声の認識時
には、入力された話者の音声を分析して得た音声パター
ンを参照パターンメモリ手段の予め標準的な音声パター
ンが格納されたＲＯＭと上記ＲＡＭとの両方の音声パタ
ーンに基づいてパターン認識が行なわる。

(ヘ) 実施例 第１図に本発明の音声認識装置の一実施例を示す。同図
に於いて、(1)は音声を入力するマイクロフォン、(2)は
該マイクロフォン(1)から得られる音声信号を分析して
音声パターンを作成する分析回路であり、例えばフィル
ターバンク方式に依る音声のスペクトル値の時系列パタ
ーンからなる音声パターンが出力される。(3)は該分析
回路(2)からの音声パターンが一時的に貯えられるＲＡ
Ｍ構成の入力パターンメモリである。

(4)はＲＯＭ(41)とＲＡＭ(42)とからなる参照パターン
メモリ手段であり、ＲＯＭ(41)には標準的な音声パター
ンが格納されており、ＲＡＭ(42)には特定の話者の音声
パターンが格納され得るのである。即ち、ＲＯＭ(41)に
ついては第２図に示す如く、例えば数字音声の音声パタ
ーン「ゼロ」、「イチ」、「ニ」、……「キュー」が夫
々＃０領域、＃１領域、＃２領域、…＃９領域に対応せ
しめるのであるが、発音、アクセント等話者個有の音質
の相違が存在する例えば３種類の代表的な同一数字音声
の音声パターンを予め選択して各＃領域を更に３分割し
たＡ、Ｂ、Ｃ領域に格納している。一方ＲＡＭ(42)も又
上記ＲＯＭ(41)の各＃領域と対応して＃０領域、＃１領
域、＃２領域、…＃９領域が設けられており、この各＃
領域にはやはり、「ゼロ」、「イチ」、「ニ」、…「キ
ュー」なる音声パターンが必要に応じて書き込まれるの
である。

（Ｓｗ）はモード設定スイッチであり、このスイッチ
（Ｓｗ）をｔ側に接続する事に依って登録モードが選択
され、このモード時にマイクロフォン(1)に入力された
話者の数字音声が分析(2)されて得られた入力パターン
メモリ(3)の音声パターンを参照パターンメモリ手段(4)
のＲＡＭ(42)の各＃領域に第２図に示す如く順次格納せ
しめる。

(5)は上記モード設定スイッチ（Ｓｗ）をｒ側に接続す
る事に依って認識モードを選択した時に、動作するパタ
ーン認識回路であり、マイクロフォン(1)に入力された
話者の数字音声例えば「サン」が分析(2)されて得られ
た入力パターンメモリ(3)の音声パターンを上記参照パ
ターンメモリ手段(4)のＲＯＭ(41)の各＃領域での各
Ａ、Ｂ、Ｃ領域の音声パターン及びＲＡＭ(42)の各＃領
域の音声パターン全てについて比較参照してパターン認
識が行なわれる。この時入力音声パターン「サン」がＲ
ＯＭ(41)の＃３・Ａ領域、＃３・Ｂ領域、＃３・Ｃ領
域、あるいはＲＡＭ(42)の＃３領域のいずれかの音声パ
ターンに最も類似であると判定された時、上記パターン
認識回路は入力音声が「サン」である事を示す＃３なる
コード信号を出力する事となる。

上述の如き構成の本発明音声認識装置に於いては、認識
しようとする話者の音声パターンが参照パターンメモリ
手段(4)のＲＯＭ(41)に予め格納されている不特定話者
を対象とした標準的な音声の代表的な３種類の音声パタ
ーンのいずれにも属さない特異なものの場合に、これを
補なうべく登録モードにてＲＡＭ(42)にこの話者の必要
な音声パターンを格納する事となる。従って、この話者
の音声認識については主にＲＡＭ(42)の音声パターンが
判定対象に供せられ、高い認識率が得られるのである。
又、一般的な音質の話者の音声認識については、主にＲ
ＯＭ(41)に予め用意された音声パターンが判定対象に供
せられるのである。

斯様な音声認識装置は基本的には不特定話者を対象とし
ているので、従来実用化されている特定話者専用の装置
と異なり、認識させようとする話者１人１人全てについ
て登録処理を行なう必要がなく、特に特異な音質の音声
の持ち主のみについてだけ登録処理を行なえば良く、一
般的な音声の持ち主についてはこの登録処理は必要ない
のである。

以上の説明に於いては、ＲＡＭ(42)に特定の話者の１人
分の音声パターンを格納する場合を例示したが、オペレ
ータとして不特定話者を対象としながら、例えば３人の
特定話者が主たるオペレータとなる音声入力機器例えば
音声入力ワードプロセッサの入力部を構成する音声認識
装置に於いては、ＲＡＭ(42)に３人分の音声パターンを
格納できる構成とすればよい。又、この主たるオペレー
タが変更された時には、新たなオペレータについてのみ
登録処理を行ないＲＡＭ(42)の音声パターンを書き換え
る事もできる。

(ト) 発明の効果 本発明音声認識装置は以上の説明から明らかな如く、入
力音声パターンを、不特定話者用の音声パターンが格納
されたＲＯＭと特定話者用の音声パターンが格納された
ＲＡＭとからなる参照パターンメモリ手段の全ての音声
パターンを比較参照の対象としてパターン認識するもの
であるので、必要に応じてＲＡＭに特異な音質の話者の
音声パターンを格納する事に依って、この特異な音質の
特定話者の音声に対しても一般的な音質の不特定話者と
同様に高い認識率で音声認識を行う事ができる。

【図面の簡単な説明】

第１図は本発明の音声認識装置の一実施例を示すブロッ
ク図、第２図は本発明装置に係るメモリ図である。 (2)……分析回路、(3)……入力パターンメモリ、(4)…
…参照パターンメモリ手段、(5)……パターン認識回
路、(41)……ＲＯＭ、(42)……ＲＡＭ。

───────────────────────────────────────────────────── フロントページの続き (72)発明者 飯田 正幸 大阪府守口市京阪本通２丁目18番地 三洋 電機株式会社内 (72)発明者 宮武 正典 大阪府守口市京阪本通２丁目18番地 三洋 電機株式会社内 (56)参考文献 特開 昭58−106329（ＪＰ，Ａ) 特開 昭57−41700（ＪＰ，Ａ) 特開 昭58−160994（ＪＰ，Ａ)

Claims (1)

【特許請求の範囲】
1. 【請求項１】標準的な音声パターン格納用ＲＯＭと特定
   の話者の音声パターン格納用ＲＡＭとからなる参照パタ
   ーンメモリ手段を備えた音声認識装置に於て、 上記参照パターンメモリ手段のＲＯＭには、多数の音声
   についての標準的な音声パターンが格納されており、上
   記ＲＡＭには、話者毎の音声の登録時に、上記ＲＯＭの
   音声と同一の音声について入力された音声を分析して得
   た話者固有の音声パターンが格納され、 音声の認識時には、入力された話者の音声を分析して得
   た音声パターンを上記参照パターンメモリ手段のＲＯＭ
   の多数の音声パターンと該ＲＯＭの音声パターンと同一
   音声について登録されたＲＡＭの多数の音声パターンと
   を同時に参照してパターン認識する事を特徴とした音声
   認識装置。