JPH0719158B2 - 音素変形ル−ルの話者適応方式 - Google Patents

Description

【発明の詳細な説明】 〔概要〕 連続音声中の音素変形に対処するのに、少なくとも文章
や，単語や，形態素の音素遷移ネットワークを前以て与
えられた音素変形ルールを用いて作成する音素認識装置
において、多数話者の話者特有の音素変形ルール辞書を
音素ネットワーク作成部に接続し、単語辞書に学習デー
タのみを登録しておき、未知話者による該学習データに
対する発声結果の認識を行う際に、この時使用された音
素変形ルールの使用頻度を、上記多数話者の音素変形ル
ール辞書毎に計数して、使用頻度の高い特定話者の音素
変形ルール辞書を統合して、該学習話者に特有な音素変
形ルール辞書とするようにしたものである。

〔産業上の利用分野〕

本発明は、音声認識装置に係り、特に各話者に特有な音
素変形ルールを、音素変形ルール学習用の膨大な音声デ
ータの登録なしに学習する音素変形ルールの話者適応方
式に関する。

音声学で云う音素変形ルールは、音声を構成する複数の
音素を発声した時、各話者によって、どのように変形す
るかを示す規則で、万人に共通な音素変形ルールと、各
話者に特有な音素変形ルールがあるが、従来から、各話
者に特有な音素変形ルールを自動的に学習する方式が開
発されておらず、音声認識装置の設計者が、未知の各話
者毎の学習（登録）音声データから目視で音素変形ルー
ルを抽出している。

又、不特定話者に対応できる音素変形ルール辞書の構築
も考えられるが、この方式では、ルール数が多くて処理
時間が膨大となり現実的ではなく、又、ある話者にとっ
て有効であるが、別の話者にとっては有害な音素変形ル
ールもあり、識別性能として個人用の音素変形ルールよ
り劣るのが普通である。

現状では、高性能で、高速認識が可能な音声認識装置が
使用できる迄に長時間を要し、使用者に対して不便をか
けると共に、設計者の労力は大変なものとなっており、
音声認識装置の普及に対する大きな障害となっているこ
とから、未知話者用の音素変形ルールを効果的に生成す
る方式が求められるようになってきた。

〔従来の技術と発明が解決しようとする問題点〕

第３図は、従来の一般的な音声認識装置の例を示した図
である。

先ず、共通音素変形ルール辞書，特有音素変形ルール
辞書に格納されている音素変形ルールについて説明す
る。

前述のように、音素変形ルールは、各音声を構成する複
数の音声を、ある話者が発声した時に、どのように変形
するかを示す法則（ルール）であって、各話者（万人）
に共通なルールと，各話者に特有なルールの２種類があ
る。

各話者に共通なルールは、各言語（日本語，英語等）毎
の音声学として広く知られているが、各話者に特有なル
ールは実際に発声された音声データから学習する必要が
ある。

＊話者に共通したルールの例： ｉ 無声子音に挟まれた母音のイ，又はウは無声化する
可能性がある。

ii 語中の/G/は鼻濁音化する可能性がある。

iii 鼻子音に隣接する母音は鼻音化する可能性がある。

iv 母音のイが後続する子音は口蓋化する。

＊話者に特有なルールの例： ｖ 調音点が唇にある子音に続く母音のウは円唇化す
る。

vi /G/は鼻濁音化しない。

vii 鼻音は口蓋化しない。

等がある。

音声認識装置内においては、上記話者に特有な音素変形
ルールが話者に共通したルールに優先して使用される。
例えば、上記のルールの例においては、viが優先されて
iiは無視されることになる。

次に音素変形ルールの学習方式について説明する。

音声認識装置は、音声認識に先立って音声発声者に特有
な音素変形ルールを学習する必要がある。従来において
は、未知の話者が発声する学習用の音声データを読み取
り、該話者に特有な音素変形ルールを抽出して、目視で
上記特有音素変形ルール辞書を作成していた。

次に、このような音声認識装置での音声認識方式を説明
する。

上記の音素変形ルールが出来上がると、音声認識装置，
例えば、都道府県名を認識する装置においては、全ての
都道府県名を格納している単語辞書から、各文字列
（即ち、都道府県名）が読み出され、上記共通音素変形
ルール辞書と，特有音素変形ルール上記とに基づい
て、第４図に示す音素変遷ネットワークが作成される。

本図の例においては、一般の単語を例にしているが、
‘ASITAGA'（明日が）と云う文字列の単語に対して、上
記音素変形ルールを適用すると、図示のような音素変遷
ネットワークとなることが示されている。

第３図の音素遷移ネットワーク作成部においては、単
語辞書に含まれている全ての文字列について、上記の
音素変形を用いて、音素遷移ネットワークを作成する。

こうして作成された音素遷移ネットワークが、音素遷移
ネットワーク検証部に送られると、マイクから入力
されてきた特定話者の音声が音声分析部で各音素に分
解され、上記音素遷移ネットワークの何れのパスと一致
するかが検証され、受理できた場合には、該一致した音
素遷移ネットワークに対応する単語の文字列データを単
語辞書から読み出し、その文字列表記を認識結果とし
て出力するように動作する。

従って、従来方式においては、上記話者特有の音素変形
ルール辞書を、各話者についての音声データを読み取
り、各話者に特有な音素変形ルールを目視で抽出し、人
手で該音素変形ルール辞書を作成していた為、該特有
音素変形ルール辞書を作成する為の労力が膨大となり、
音声認識装置の普及に対する大きな障害となっていた。

本発明は上記従来の欠点に鑑み、各話者に特有な音素変
形ルールを自動的に学習する方式を提供することによ
り、実用的な音声認識装置を実現する方法を提供するこ
とを目的とするものである。

〔問題点を解決するための手段〕

第１図は本発明の音素変形ルールの話者適応方式の原理
ブロック図である。

本発明においては、多数の話者（Ｎ人）の音素変形ルー
ル辞書′を全て用いて、未知話者に発声内容の分かっ
ている複数の音素変形ルール学習用音声データ（単語辞
書に格納されている）を与えて発声させ、音素遷移ネ
ットワーク検証部で認識するときに用いられる音素変
形ルールの使用頻度を特定話者用辞書′毎に計数し、
使用頻度の高い方から数個〜十数個の上記特定話者用辞
書′を統合して、該未知話者用音素変形ルール辞書と
するように構成する。

〔作用〕

即ち、本発明によれば、連続音声中の音素変形に対処す
るのに、少なくとも文章や，単語や，形態素の音素遷移
ネットワークを前以て与えられた音素変形ルールを用い
て作成する音素認識装置において、多数話者の話者特有
の音素変形ルール辞書を音素ネットワーク作成部に接続
し、単語辞書に学習データのみを登録しておき、未知話
者による該学習データに対する発声結果を認識する際
に、この時使用された音素変形ルールの使用頻度を、上
記多数話者の音素変形ルール辞書毎に計数して、使用頻
度の高い特定話者の音素変形ルール辞書を統合して、該
学習話者に特有な音素変形ルール辞書とするようにした
ものであるので、話者特有の音素変形ルールを、比較的
少ない登録音声データから自動的に学習することがで
き、実用的な音声認識装置を提供することができる効果
がある。

〔実施例〕

以下本発明の実施例を図面によって詳述する。

第２図が本発声の一実施例をブロック図で示した図であ
って、辞書使用頻度カウンタ，辞書選択スイッチ制御
部，辞書選択SWが本発明を実施するのに必要な機能
ブロックである。尚、全図を通して、同じ符号は同じ対
象物を示している。

以下、第１図を参照しながら第２図によって、本発明の
音素変形ルールの話者適応方式を説明する。

先ず、話者に特有な音素変形ルールを学習するときは、
多数話者の話者特有の音素変形ルール辞書′を音素遷
移ネットワーク作成部に接続し、単語辞書に学習デ
ータの単語名のみを登録しておき、該学習データの認識
を行う。

該学習を単語で行う場合には、一単語毎の認識を行う
が、予め、該単語に対する音素遷移ネットワークが音素
遷移ネットワーク作成部で生成されているので、マイ
クから当該単語に対する発声が行われ、音声分析部
で音素単位に分析され、音素遷移ネットワーク検証部
に入力されると、該検証部においては、該ネットワー
クの何れかのパスで受理される。

若し、受理されない場合には、新しいルールが必要であ
り、従来方式の手作業によって音素変形ルールを登録す
るか，或いはその学習データを無視し、次の学習データ
の認識処理に移る。

本発明においては、上記各話者の特有音素変形ルール辞
書′に対して、辞書使用頻度カウンタが設けられて
いるので、上記受理した音素遷移ネットワークのパスの
作成に関与した音素変形ルールが、ある話者の特有音素
変形ルール辞書′から採用されている時、その対応す
るカウンタをカウントアップする。

同じ音素変形ルールが複数の話者の特有音素変形ルール
辞書′にあるときは、その音素変形ルールの存在する
全ての話者の特有音素変形ルール辞書′のカウンタ
をカウントアップするように機能する。

全ての学習データの処理が終了した時点において、全話
者の音素変形ルール辞書′に対応して設けられている
辞書使用頻度カウンタのカウント値を参照し、値の大
きいＭ個の各話者の特有音素変形ルール辞書′を、辞
書選択スイッチ制御部の制御信号によって、辞書選択
SWを動作させることにより統合し、上記学習話者の特
有音素変形ルール辞書とする。上記Ｍの値は、予め，装
置設計者が与えておいても良いし、操作者がキーボー
ド，スイッチ等によって指定しても良い。

未知話者用の音素変形ルールを作成する為の学習が終了
すると、上記のように統合された音素変形ルール辞書に
よって、通常の音声認識動作が行われる。

このように、本発明においては、予め内容が分かってい
る学習データについて、未知話者に発声させて認識する
時、多数の特定話者用音素変形ルール辞書の何れが多く
使用されるかを計数し、使用頻度の多い音素変形ルール
辞書を選択して統合し、当該未知の話者の音素変形ルー
ル辞書とするようにした所に特徴がある。

〔発明の効果〕

以上、詳細に説明したように、本発明の音素変形ルール
の話者適応方式は、連続音声中の音素変形に対処するの
に、少なくとも文章や，単語や，形態素の音素遷移ネッ
トワークを前以て与えられた音素変形ルールを用いて作
成する音声認識装置において、多数話者の話者特有の音
素変形ルール辞書を音素ネットワーク作成部に接続し、
単語辞書に学習データのみを登録しておき、未知話者に
よる該学習データに対する発声の認識を行う際に、この
時使用された音素変形ルールの使用頻度を、上記多数話
者の音素変形ルール辞書毎に計数して、使用頻度の高い
特定話者の音素変形ルール辞書を統合して、該学習話者
に特有な音素変形ルール辞書とするようにしたものであ
るので、話者特有の音素変形ルールを、比較的少ない登
録音声データから自動的に学習することができ、実用的
な音声認識装置を提供することができる効果がある。

【図面の簡単な説明】

第１図は本発明の音素変形ルールの話者適応方式の原理
ブロック図， 第２図は本発明の一実施例をブロック図で示した図， 第３図は一般的な音声認識装置の例を示した図， 第４図は音素遷移ネットワークの例を示した図， である。 図面において、 はマイク，は音声分析部，は音素遷移ネットワー
ク検証部，は音素遷移ネットワーク作成部，，′
は特有音素変形ルール辞書，は共通音素変形ルール辞
書，は単語辞書，は辞書選択SW,は辞書選択スイ
ッチ制御部，は辞書使用頻度カウンタ， をそれぞれ示す。

Claims (1)

【特許請求の範囲】
1. 【請求項１】連続音声中の音素変形に対処するのに、少
   なくとも文章や，単語や，形態素の音素遷移ネットワー
   クを前以て与えられた音素変形ルールを用いて作成する
   音声認識装置において、 多数の特定話者用音素変形ルール辞書′を全て用い
   て、未知話者の発声内容の分かっている複数のルール学
   習用音声データを認識し、 そのときに用いられた音素変形ルールの使用頻度を、特
   定話者用音素変形ルール辞書′毎に、辞書使用頻度カ
   ウンタで計数し、 使用頻度の高い方から数個〜十数個の特定話者用音素変
   形ルール辞書を統合して、当該未知話者用の音素変形ル
   ール辞書とすることを特徴とする音素変形ルールの話者
   適応方式。