JPH0656558B2 - 単語検出方式 - 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、音声入力装置等において用いら
れ、入力音声中に含まれる単語とその単語の音声中での
位置とを検出する単語検出方式に関する。

（従来の技術） 音声認識装置、音声入力装置等において入力音声中の単
語とその位置を検出する方法に、音節、音素、音素クラ
ス等のカテゴリの列である入力音声から各カテゴリとそ
れらの入力音声中での位置情報とを抽出し、抽出された
カテゴリから作成したカテゴリ列がある単語のカテゴリ
列に対応すれば、その単語と入力音声中でのカテゴリ列
の位置とを検出結果として出力する方法がある。

一般に上記のカテゴリは、その時間長が短かく、また類
似するカテゴリが存在することなどから、入力音声中の
カテゴリを完全に誤りなく抽出することは困難である。
このため、従来は、入力音声中の各カテゴリの区間に対
して複数個のカテゴリ候補を抽出しておき、入力音声の
端から順にカテゴリ候補を用いて、部分的なカテゴリ候
補列を生成しては単語のカテゴリ列との照合を行なうと
いう処理を繰り返すことによって、その単語に対応する
カテゴリ候補列を見つけていた。この方法の詳細は、例
えば、文献１「特願昭58−214544号、パタン認識装置」
に述べられているので、ここでは省略する。

しかしながら、特に入力が連続音声の場合は発声のなま
け音や隣接するカテゴリ（例えば音節）どうしの調音結
合などによる変形が生じやすく、カテゴリ候補抽出の段
階では、複数個のカテゴリ候補の中にも但しいカテゴリ
候補が含まれない場合もある。このように、あるカテゴ
リに対して正しいカテゴリ候補が検出できず、誤ったカ
テゴリ候補に置き換わることを、以後、カテゴリの置換
誤りと呼ぶ。

カテゴリ置換誤りに対処するために、従来は次の方法を
用いていた。すなわち、どのようなカテゴリの並びのと
きにカテゴリ置換誤りが起こりやすいかということをあ
らかじめ調査し、その結果から比較的頻度の高いカテゴ
リ置換誤りについてカテゴリ列訂正規則を用意する。カ
テゴリ列訂正規則は、カテゴリ列置換誤りの起こってい
るカテゴリ候補列に対して適用された場合、誤っている
カテゴリ候補を正しいカテゴリ候補に起き換えたカテゴ
リ候補列に変換する。この規則を、単語検出時に、カテ
ゴリ候補列に適用することによって、比較的頻度の高い
カテゴリ置換誤りは、訂正することができる。この方法
は、例えば文献２「松永昭一、好田正紀“Branch ＆ Bo
und法の効果とBottom−Up音韻認識を利用した候補選
択”、日本音響学会音声研究会資料Ｓ85−79、1986年１
月」の616頁右側15行目から18行目に述べられている。
また、訂正規則の例は同文献617頁、表４に示されてい
る。

（発明が解決しようとしている問題点） 上記従来の方法では、入力音声から抽出されたカテゴリ
候補を用いてカテゴリ候補列を生成したのちに、単語の
カテゴリ列との照合を行なっていたために、最終的に無
駄になるカテゴリ候補列が多数生成されてしまい、その
ために多大な計算量を必要としていた。

また、検出すべき単語の区間が入力音声の一部分しか占
めない場合でも、従来は、その単語の存在しない区間を
含め、入力音声の端からすべてのカテゴリ候補について
等しく単語中のカテゴリとの照合を行なわねばならず、
無駄な計算時間を必要とし、単語の検出まで長い時間を
必要としていた。

さらに、前記のカテゴリ列訂正規則は、カテゴリ列置換
誤りの起こっているカテゴリ候補列だけではなくて、起
こっていないカテゴリ候補列にも等しく適用される。ま
た、一つのカテゴリ候補列に対しては、多くの場合複数
個の訂正規則が個別に適用される。このため、一つのカ
テゴリ候補列から多くのカテゴリ候補列が生成されてし
まい、単語のカテゴリ列との照合を行なうべきカテゴリ
候補列の数が増加する。しかもそのカテゴリ候補列のほ
とんどは、検出すべき単語のカテゴリ列とは一致しない
ために拒絶されるものである。

また、訂正規則で訂正できるカテゴリ置換誤りは比較的
頻繁に起こるものに限られ、まれに起こる誤りを訂正す
ることはできない。訂正できる誤りの種類を増やすため
には訂正規則の数を増加させなければならないが、この
結果、生成されるカテゴリ候補列はますます増加する。

例えば、「オンセイニンシキワ（音声認識は）」と発音
された音声が入力され、その中の音節候補を抽出した場
合、音節“シ”に対して、“チ”、“イ”の２個の音節
候補しか得られない場合がある。この場合、他の音節に
対して正しい音節候補が得られた場合でも、抽出された
音節候補から生成される音節候補列は“オンセイニンチ
キワ”あるいは“オンセイニンイキワ”となり、この中
には正しい単語候補「認識」の音列例“ニンシキ”に一
致する部分がないため、単語「認識」を検出することは
できない。しかも、このような音節の置換誤りは比較的
まれな種類のものであり、この誤りを訂正する規則が用
意されていることは少ない。

本発明の目的は、無駄なカテゴリ候補列を生成せず、ま
た、検出すべき単語の区間が入力音声全体のごく一部で
ある場合や、さらに入力音声中のカテゴリ候補検出時に
いくつかのカテゴリ候補が誤った音節候補に置換された
場合でも、効率よく入力音声から正しい単語とその位置
とを検出することを可能にする単語検出方式を提供する
ことにある。

（問題点を解決するための手段） 前述の問題点を解決し上記目的を達成するために本発明
が提供する手段は、音節、音素、音素クラス等のカテゴ
リの列である入力音声から抽出した複数個のカテゴリ候
補とそれらの位置情報とを用いて、単語のカテゴリ列に
対応するカテゴリ候補列を生成することによって、入力
音声中の単語とその出現位置を検出する単語検出方式に
おいて、入力音声から得た複数個のカテゴリ候補とそれ
らの位置情報のそれぞれをそのカテゴリ名で分類して記
憶し、単語中のカテゴリの並びの順に従って各カテゴリ
に対応するカテゴリ候補とその位置情報をそのカテゴリ
と同じ名前に分類されて記憶されているカテゴリ候補の
中から選ぶとともに、単語中の隣接する３個のカテゴリ
の両端のカテゴリのそれぞれが、入力音声中の連続する
３個のカテゴリ候補の並びの両端のカテゴリ候補に対応
するときには、その３個のカテゴリの並びと３個のカテ
ゴリ候補の並びとを対応させて、カテゴリ候補列の生成
を行なうことを特徴とする。

（作用） 本発明の方式では、入力音声から抽出されたカテゴリ候
補のうち、検出すべき単語に含まれるカテゴリと同じ名
前のカテゴリ候補だけを用いて、かつ単語中のカテゴリ
の並びを辿りながら対応するカテゴリ候補列を生成す
る。このことによって、単語のカテゴリ列あるいはその
部分列に対応するカテゴリ候補列だけが生成されること
になり、無駄なカテゴリ列を生成することを避けること
が可能となる。

また、入力音声中のカテゴリ候補のうち、単語中のカテ
ゴリに対応するカテゴリ候補からカテゴリ候補列を生成
してゆくために、検出すべき単語の区間が入力音声の全
体のごく一部の場合であっても、また、その区間が入力
音声中のどの位置にあっても、素早くその単語を検出す
ることが可能となる。

また、カテゴリの置換誤りが生じた場合でも、以下の原
理で単語を検出することが可能となる。いま、カテゴリ
列がＣ₁...Ｃ_i-1Ｃ_iＣ_i+1...Ｃ₁である単語Ｗが含まれ
る入力音声中のカテゴリ候補を抽出した結果、カテゴリ
Ｃ₁に対して正しいカテゴリ候補が抽出できなかったと
する。すなわち、入力音声中での単語Ｗに対応する部分
のカテゴリ候補列はＫ₁...Ｋ_i-1Ｋ_XＫ_i+1...Ｋ₁とな
る。ここで、カテゴリ候補Ｋ_i-1およびＫ_i+1はそれぞカ
テゴリＣ_i-1およびＣ_i+1の正しいカテゴリ候補であり、
カテゴリ候補Ｋ_XはカテゴリＣ_iの誤ったカテゴリ候補で
あるとする。そこで、検出すべき単語中のカテゴリの並
びを辿りながら、その単語に対応するカテゴリ候補列を
生成するときに、単語中の連続する３個のカテゴリの並
びＣ_i-1Ｃ_iＣ_i+1の両端のカテゴリ、すなわちＣ_i-1およ
びＣ_i+1に対応するカテゴリ候補がそれぞれ、入力音声
中での連続する３個のカテゴリ候補の並びの両端のカテ
ゴリ候補であるなら、その３個のカテゴリ候補の並びを
単語中のカテゴリ列Ｃ_i-1Ｃ_iＣ_i+1に対応させる。この
ことによって、カテゴリＣ_iに対するカテゴリ候補が誤
ったカテゴリ候補Ｋ_Xによって置換されていたとして
も、カテゴリ候補列とカテゴリ列との正し対応をとるこ
とが可能になる。また、単語のカテゴリ列に対応するカ
テゴリ候補列だけが生成されることになるため、無駄な
カテゴリ候補列の生成を避けることができる。

（実施例） 以下、図面を参照しつつ、実施例に従って本発明を一層
詳細に説明する。

第１図は本発明の一実施例を示すブロック図である。

本実施例では日本語の音声の入力がされるものとし、ま
たカテゴリとして音節を用いる。音節抽出部101は入力
音声中の音節候補を検出し、その候補を音節候補記憶部
102に記憶する。

音節抽出部101の一例をブロック図で第２図に示す。第
２図において、入力音声は音声バッファ201に一旦格納
される。まず、母音候補検出部202が、音声バッファ201
に格納された音声中の母音候補を検出し、母音候補記憶
部203に格納する。母音候補の検出は母音パタン記憶部2
04にあらかじめ格納されている各母音の音声標準パタン
と入力音声の各区間とを照合することによって行なわれ
る。母音の音声信号は比較的定常であるので検出は容易
である。各母音候補は少なくとも母音名、入力音声中で
の位置の情報を保持している。母音候補の検出が終了し
た後、子音候補検出部205によって子音候補が次に述べ
るようにして検出される。日本語においては、音節は子
音（Ｃ）−母音（Ｖ）の組である。従って入力音声中で
は、２個の母音に挾まれた区間のうちのある時間長以下
の区間（これをＶＣＶ区間）および入力音声の始端から
ある時間長以内にある母音までの区間（これをＣＶ区
間）のそれぞれに、１個の子音が存在すると言える。子
音候補検出部204は母音候補記憶部203に記憶されている
母音候補から作られるすべてのＶＣＶ区間およびＣＶ区
間のそれぞれに対して、あらかじめ子音パタン記憶部20
6に記憶されているＶＣＶおよびＣＶ標準音声パタンと
の照合を行ない、類似度の高い複数個の音声パタンの名
前を子音候補とする。以上で決定された母音候補と子音
候補とを組み合わせて音節候補とし、入力音声中での位
置と共に音節候補記憶部102に記憶する。

例として、“オンセイニンシキワ”（音声認識は）とい
う音声が入力されたとすると、音節認識の結果として例
えば第３図に示されるような音節候補が抽出される。第
３図において、矢印の線が各音節候補の区間であり、各
区間に複数個の音節に候補が抽出されている。これらの
音節候補は、音節名で分類されて、音節候補記憶部102
に記憶される。この結果、音節候補記憶部102の内容は
第４図に示されるようになる。この図では、各音節候補
を“音節名／始端時刻：終端時刻”の形式で表現してい
る。

単語記憶部103には検出すべき単語の音節列が記憶され
ている。その中の１個の単語を単語バッファ104に取り
出した後、入力音声にこの単語が含まれるかどうか調べ
られる。今、単語バッファ104には単語「認識」の音節
列“ニンシキ”が記憶されているとする。

音節候補列生成部105は単語バッファ104に記憶されてい
る単語中の音節の並びの順に、音節候補記憶部102中の
音節候補から音節候補列を作成し、その結果の音節候補
列と対応する音節列とを音節候補列記憶部106に記憶す
る。本実施例では、単語の先頭の音節から順に音節列を
作成してゆく。

まず、単語バッファ104先頭の音節は“ニ”であるか
ら、音節候補列生成部105は音節候補記憶部102中で
“ニ”に分類されて記憶されている音節候補を取り出
し、それぞれを長さ１の音節候補列として、音節“ニ”
とともに音節候補列記憶部106に記憶する。この結果、
音節候補列記憶部106には、 ニ／０：２ （ニ） ニ／２：４ （ニ） ニ／10：12 （ニ） ニ／14：16 （ニ） の４個の音節候補列が記憶される。ここで、括弧の中が
対応する音節列である。

次に、音節候補列生成部105は単語バッファ104中の次の
音節“ン”とその次の音節“シ”に注目する。すなわ
ち、音節候補記憶部102中で“ン”に分類されて記憶さ
れている音節候補のそれぞれについて、音節候補列記憶
部106中のいずれかの音節候補列の最後尾の音節候補の
直後に入力音声中で後続しているかどうかを調べる。ま
た、音節候補記憶部102中で“シ”に分類されて記憶さ
れている音節候補のそれぞれについて、音節候補列記憶
部106中のいずれかの音節候補列を最後尾の音節候補
に、他の１個の音節候補を介して、入力音声中で後続し
ているかどうかを調べる。そのような後続している音節
候補があれば、その音節候補を音節候補列の最後尾に連
結して新たな音節候補列を生成し音節候補列記憶部106
に記憶する。音節候補Ａが他の音節候補Ｂに後続してい
るかどうかは音節候補Ａの終端時刻と音節候補Ｂの始端
時刻とを比較することによって判定することができる。
ここでは、それらの時刻の差がプラスマイナス１以下の
ときに後続すると判定する。今の場合は“ン”に分類さ
れて記憶されている音節候補は、ン／２：４、ン／12：
14の３個である。そこで、音節候補ン／２：４が音節候
補列の最後尾の音節候補ニ／０：２の直後に後続する
ことから、音節候補列に音節候補ニ／０：２を連結し
て音節列“ニン”とする。同様に、音節候補ン／12：14
を音節候補列に連結して音節列“ニン”とする。ま
た、“シ”に分類されて記憶されている音節候補はな
い。さらに、それまで音節候補列記憶部106に記憶され
ていた音節候補列は削除する。この結果、音節候補列記
憶部106の中には、 ニ／０：２−ン／２：４ （ニン） ニ／10：12−ン／12：14 （ニン） の２個の音節候補列が残る。

続いて、音節“シ”についての処理に進む。音節候補記
憶部102中で、“シ”に分類されて記憶されている音節
候補は、ない。単語バッファ104中の“シ”の次の音節
“キ”に分類されて記憶されている音節候補はキ／17：
20の１個である。この音節候補について音節候補列と
の最後尾の音節候補に、他の１個の他の音節候補を介
して、入力音声中で後続しているかどうかを調べる。こ
の結果、キ／17：20が音節候補列の最後尾の音節候補
ン／12：14に音節候補チ／14：17を介して後続している
ことがわかり、音節候補キ／17：20が音節候補列に連
結され、音節列“ニンシキ”に対応させられる。従っ
て、音節候補列記憶部106の内容は ニ／10：12−ン／12：14−キ／17：20 （ニンシキ） となる。

ここで、単語バッファ104の中の最後の音節“キ”に達
しているため、音節候補列生成部105は、単語「認識」
が入力音声中の時刻10から時刻20に至る区間に存在する
ということを出力する。

以上、本発明の一実施例を説明した。なお、カテゴリの
置換誤りは、連続しないかぎり、１個の単語中に複数個
生じていてもよい。

（発明の効果） 以上説明したように、本発明によれば、入力音声からの
音節候補抽出の段階で、いくつかの音節候補が誤った音
節候補に置換された場合でも、その単語の存在と入力音
声中での位置を検出することが可能となり、しかも検出
処理の途中で生成される音節候補列の数が極めて少なく
て、効率の良い単語検出を行なうことが可能となる単語
検出方式を提供することができる。

【図面の簡単な説明】

第１図は本発明の一実施例を示すブロック図、第２図は
第１図実施例における音節抽出部の具体例を示すブロッ
ク図、第３図は第１図実施例における入力音声と抽出さ
れた音節候補の一例を示す図、第４図は第１図実施例に
おける音節候補記憶部の内容の一例を示す図である。 101……音節抽出部、102……音節候補記憶部、103……
単語記憶部、104……単語バッファ、105……音節列生成
部、106……音節列記憶部、201……音声バッファ、202
……母音候補検出部、203……母音候補記憶部、204……
母音パタン記憶部、205……子音候補検出部、206……子
音パタン記憶部。

Claims (1)

【特許請求の範囲】
1. 【請求項１】音節、音素、音素クラス等のカテゴリの列
   である入力音声から抽出した複数個のカテゴリ候補とそ
   れらの位置情報とを用いて、単語のカテゴリ列に対応す
   るカテゴリ候補列を生成することによって、入力音声中
   の単語とその出現位置を検出する単語検出方式におい
   て、入力音声から得た複数個のカテゴリ候補とそれらの
   位置情報のそれぞれをそのカテゴリ名で分類して記憶
   し、単語中のカテゴリの並びの順に従って各カテゴリに
   対応するカテゴリ候補とその位置情報をそのカテゴリと
   同じ名前に分類されて記憶されているカテゴリ候補の中
   から選ぶとともに、単語中の隣接する３個のカテゴリの
   両端のカテゴリのそれぞれが、入力音声中の連続する３
   個のカテゴリ候補の並びの両端のカテゴリ候補に対応す
   るときには、その３個のカテゴリの並びと３個のカテゴ
   リ候補の並びとを対応させて、カテゴリ候補列の生成を
   行なうことを特徴とする単語検出方式。