JPH0720889A - 不特定話者の音声認識装置および方法 - Google Patents
不特定話者の音声認識装置および方法Info
- Publication number
- JPH0720889A JPH0720889A JP5183561A JP18356193A JPH0720889A JP H0720889 A JPH0720889 A JP H0720889A JP 5183561 A JP5183561 A JP 5183561A JP 18356193 A JP18356193 A JP 18356193A JP H0720889 A JPH0720889 A JP H0720889A
- Authority
- JP
- Japan
- Prior art keywords
- word
- pattern
- partial feature
- extracted
- standard pattern
- 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】 識別精度の高い不特定話者の音声認識を行
う。 【構成】 単語ｎをＩ人の話者がそれぞれＪ回発声した
単語音声ＷｎをＬｎ個のフレームに分割してそのフレー
ム毎に部分特徴パターンが特徴パターン抽出部11により
抽出される。抽出された部分特徴パターンを各単語のフ
レーム毎に振り分け、振り分けられた部分特徴パターン
についてＭ個のクラスタに分類するとともにその部分特
徴パターンが当該クラスタに属する度合いが算出され
る。クラスタを類似するもの同志を統合して類似クラス
タが作成され、その類似クラスタに属する部分特徴パタ
ーンと、その部分特徴パターンが類似クラスタに属する
度合いとに基づいて単語ｎの標準パターンを標準パター
ン作成部12により作成され、標準パターン辞書13に登録
される。不特定話者が発声した単語音声Ｗｘについて同
様に部分特徴パターンを抽出し、標準パターン辞書13に
登録された標準パターンを参照して識別が行われる。
う。 【構成】 単語ｎをＩ人の話者がそれぞれＪ回発声した
単語音声ＷｎをＬｎ個のフレームに分割してそのフレー
ム毎に部分特徴パターンが特徴パターン抽出部11により
抽出される。抽出された部分特徴パターンを各単語のフ
レーム毎に振り分け、振り分けられた部分特徴パターン
についてＭ個のクラスタに分類するとともにその部分特
徴パターンが当該クラスタに属する度合いが算出され
る。クラスタを類似するもの同志を統合して類似クラス
タが作成され、その類似クラスタに属する部分特徴パタ
ーンと、その部分特徴パターンが類似クラスタに属する
度合いとに基づいて単語ｎの標準パターンを標準パター
ン作成部12により作成され、標準パターン辞書13に登録
される。不特定話者が発声した単語音声Ｗｘについて同
様に部分特徴パターンを抽出し、標準パターン辞書13に
登録された標準パターンを参照して識別が行われる。
Description
【発明の詳細な説明】
【０００１】
【技術分野】この発明は、不特定話者の単語音声を認識
する不特定話者の単語音声認識装置および方法に関す
る。
する不特定話者の単語音声認識装置および方法に関す
る。
【０００２】
【従来技術とその問題点】不特定話者の音声認識の手法
の一つにマルチテンプレート（標準パターン）によるも
のがある。この場合、標準パターンを作成するには、ク
ラスタリングの手法が用いられるのが一般的である。し
かしながら、従来の手法では、通常のクラスタリング手
法（ハード・クラスタリング）が用いられているので、
以下のような問題点がある。
の一つにマルチテンプレート（標準パターン）によるも
のがある。この場合、標準パターンを作成するには、ク
ラスタリングの手法が用いられるのが一般的である。し
かしながら、従来の手法では、通常のクラスタリング手
法（ハード・クラスタリング）が用いられているので、
以下のような問題点がある。
【０００３】その一は、通常のクラスタリングを行った
場合には、あるクラスタ（グループ）に属している単語
音声の特徴パターンが、そのクラスタにどの程度の重要
性で存在しているのかが評価できないので、標準パター
ンはそのクラスタ内の特徴パターンの単純平均用いてし
か作成できない。したがって、このような標準パターン
は、そのクラスタ内の劣化特徴パターンの影響を除去す
ることができない（クラスタ内の変動を吸収できな
い）。
場合には、あるクラスタ（グループ）に属している単語
音声の特徴パターンが、そのクラスタにどの程度の重要
性で存在しているのかが評価できないので、標準パター
ンはそのクラスタ内の特徴パターンの単純平均用いてし
か作成できない。したがって、このような標準パターン
は、そのクラスタ内の劣化特徴パターンの影響を除去す
ることができない（クラスタ内の変動を吸収できな
い）。
【０００４】その二は、通常のクラスタリング手法は、
単語毎の単語音声の特徴パターンに対して行われるが、
単語毎の単語音声の特徴パターンでは、その特徴パター
ンに含まれる要素の数が多いので、そのまま通常のクラ
スタリングを行うと、各要素間の相互作用で特徴パター
ンの分類要因が消滅することになり、特徴パターンをう
まく分類できない場合が多い。
単語毎の単語音声の特徴パターンに対して行われるが、
単語毎の単語音声の特徴パターンでは、その特徴パター
ンに含まれる要素の数が多いので、そのまま通常のクラ
スタリングを行うと、各要素間の相互作用で特徴パター
ンの分類要因が消滅することになり、特徴パターンをう
まく分類できない場合が多い。
【０００５】
【発明の開示】この発明は、識別精度の高い不特定話者
の音声認識装置および方法を提供することを目的として
いる。
の音声認識装置および方法を提供することを目的として
いる。
【０００６】この発明による不特定話者の音声認識装置
は、複数の単語について複数人の話者によってそれぞれ
複数回数発声されたそれぞれの単語音声を所定数のフレ
ームに分割し、分割されたそれぞれのフレームから部分
特徴パターンを抽出し、抽出された部分特徴パターンを
上記単語音声毎にまとめて単語音声の特徴パターンを作
成する特徴パターン抽出手段、上記特徴パターン抽出手
段により抽出された部分特徴パターンを所定数のクラス
タに分類するとともに上記部分特徴パターンが当該クラ
スタに属する度合いを算出し、上記クラスタを類似する
もの同志を統合することにより類似クラスタを生成し、
生成された類似クラスタに含まれる部分特徴パターンと
上記部分特徴パターンが当該類似クラスタに属する度合
いとに基づいて上記単語の標準パターンを上記類似クラ
スタ毎に作成する標準パターン作成手段、上記標準パタ
ーン作成手段により作成された標準パターンを登録する
標準パターン辞書、および不特定話者が発声した単語音
声を上記所定数のフレームに分割し、分割されたそれぞ
れのフレームから部分特徴パターンを抽出し、抽出され
たすべての部分特徴パターンの集合と上記標準パターン
辞書に登録された標準パターンとの類似度を上記複数の
単語のすべてについて算出し、算出された上記類似度が
最大となる単語を上記不特定話者が発声した単語と識別
する単語認識手段を備えている。
は、複数の単語について複数人の話者によってそれぞれ
複数回数発声されたそれぞれの単語音声を所定数のフレ
ームに分割し、分割されたそれぞれのフレームから部分
特徴パターンを抽出し、抽出された部分特徴パターンを
上記単語音声毎にまとめて単語音声の特徴パターンを作
成する特徴パターン抽出手段、上記特徴パターン抽出手
段により抽出された部分特徴パターンを所定数のクラス
タに分類するとともに上記部分特徴パターンが当該クラ
スタに属する度合いを算出し、上記クラスタを類似する
もの同志を統合することにより類似クラスタを生成し、
生成された類似クラスタに含まれる部分特徴パターンと
上記部分特徴パターンが当該類似クラスタに属する度合
いとに基づいて上記単語の標準パターンを上記類似クラ
スタ毎に作成する標準パターン作成手段、上記標準パタ
ーン作成手段により作成された標準パターンを登録する
標準パターン辞書、および不特定話者が発声した単語音
声を上記所定数のフレームに分割し、分割されたそれぞ
れのフレームから部分特徴パターンを抽出し、抽出され
たすべての部分特徴パターンの集合と上記標準パターン
辞書に登録された標準パターンとの類似度を上記複数の
単語のすべてについて算出し、算出された上記類似度が
最大となる単語を上記不特定話者が発声した単語と識別
する単語認識手段を備えている。
【０００７】この発明による不特定話者の音声認識方法
は、複数の単語について複数人の話者によってそれぞれ
複数回数発声されたそれぞれの単語音声を所定数のフレ
ームに分割し、分割されたそれぞれのフレームから部分
特徴パターンを抽出し、抽出された部分特徴パターンを
上記単語音声毎にまとめて単語音声の特徴パターンを作
成し、抽出された部分特徴パターンを所定数のクラスタ
に分類するとともに上記部分特徴パターンが当該クラス
タに属する度合いを算出し、上記クラスタを類似するも
の同志を統合することにより類似クラスタを生成し、生
成された類似クラスタに含まれる部分特徴パターンと上
記部分特徴パターンが当該類似クラスタに属する度合い
とに基づいて上記単語の標準パターンを上記類似クラス
タ毎に作成し、作成された標準パターンを標準パターン
辞書に登録し、不特定話者が発声した単語音声を上記所
定数のフレームに分割し、分割されたそれぞれのフレー
ムから部分特徴パターンを抽出し、抽出されたすべての
部分特徴パターンの集合と上記標準パターン辞書に登録
された標準パターンとの類似度を上記複数の単語のすべ
てについて算出し、算出された上記類似度が最大となる
単語を上記不特定話者が発声した単語と識別するもので
ある。
は、複数の単語について複数人の話者によってそれぞれ
複数回数発声されたそれぞれの単語音声を所定数のフレ
ームに分割し、分割されたそれぞれのフレームから部分
特徴パターンを抽出し、抽出された部分特徴パターンを
上記単語音声毎にまとめて単語音声の特徴パターンを作
成し、抽出された部分特徴パターンを所定数のクラスタ
に分類するとともに上記部分特徴パターンが当該クラス
タに属する度合いを算出し、上記クラスタを類似するも
の同志を統合することにより類似クラスタを生成し、生
成された類似クラスタに含まれる部分特徴パターンと上
記部分特徴パターンが当該類似クラスタに属する度合い
とに基づいて上記単語の標準パターンを上記類似クラス
タ毎に作成し、作成された標準パターンを標準パターン
辞書に登録し、不特定話者が発声した単語音声を上記所
定数のフレームに分割し、分割されたそれぞれのフレー
ムから部分特徴パターンを抽出し、抽出されたすべての
部分特徴パターンの集合と上記標準パターン辞書に登録
された標準パターンとの類似度を上記複数の単語のすべ
てについて算出し、算出された上記類似度が最大となる
単語を上記不特定話者が発声した単語と識別するもので
ある。
【０００８】この発明によると、複数の単語を複数人の
話者がそれぞれ複数回数発声した単語音声が所定数のフ
レームに分割され、分割されたフレームから部分特徴パ
ターンが抽出される。抽出された部分特徴パターンが単
語音声毎にまとめてられて特徴パターンが作成される。
抽出された部分特徴パターンをフレーム毎に振分られて
所定数のクラスタに分類されるともにその部分特徴パタ
ーンが当該クラスタに属する度合いが算出される。これ
らのクラスタが類似するもの同志が統合されて類似クラ
スタが作成される。作成された類似クラスタに属する部
分特徴パターンと、その部分特徴パターンが当該類似ク
ラスタに属する度合いとに基づいて単語の標準パターン
が類似クラスタ毎に作成され、標準パターン辞書に登録
される。その後不特定話者が発声した単語音声を所定数
のフレームに分割し、分割されたそれぞれのフレームか
ら部分特徴パターンが抽出される。抽出された部分特徴
パターンと標準パターン辞書に登録された標準パターン
との類似度が単語のすべてについて算出される。算出さ
れた類似度が最大となる単語を不特定話者が発声した単
語と識別される。
話者がそれぞれ複数回数発声した単語音声が所定数のフ
レームに分割され、分割されたフレームから部分特徴パ
ターンが抽出される。抽出された部分特徴パターンが単
語音声毎にまとめてられて特徴パターンが作成される。
抽出された部分特徴パターンをフレーム毎に振分られて
所定数のクラスタに分類されるともにその部分特徴パタ
ーンが当該クラスタに属する度合いが算出される。これ
らのクラスタが類似するもの同志が統合されて類似クラ
スタが作成される。作成された類似クラスタに属する部
分特徴パターンと、その部分特徴パターンが当該類似ク
ラスタに属する度合いとに基づいて単語の標準パターン
が類似クラスタ毎に作成され、標準パターン辞書に登録
される。その後不特定話者が発声した単語音声を所定数
のフレームに分割し、分割されたそれぞれのフレームか
ら部分特徴パターンが抽出される。抽出された部分特徴
パターンと標準パターン辞書に登録された標準パターン
との類似度が単語のすべてについて算出される。算出さ
れた類似度が最大となる単語を不特定話者が発声した単
語と識別される。
【０００９】したがって、クラスタに分類されるとき、
特徴パターン毎ではなく所定数のフレームに分割された
部分特徴パターン毎に行われるので、単語音声の分類要
因を消滅させることなく分類作業が効率的に行える。ま
た、類似クラスタに分類された部分特徴パターンとその
類似クラスタに属する度合いとによって標準パターンが
作成されるので、類似クラスタに属する部分特徴パター
ン中でその類似クラスタに属する度合いが小さい部分特
徴パターンの影響を低減するという効果が得られる。こ
れによって、識別精度高い音声認識を行うことができ
る。
特徴パターン毎ではなく所定数のフレームに分割された
部分特徴パターン毎に行われるので、単語音声の分類要
因を消滅させることなく分類作業が効率的に行える。ま
た、類似クラスタに分類された部分特徴パターンとその
類似クラスタに属する度合いとによって標準パターンが
作成されるので、類似クラスタに属する部分特徴パター
ン中でその類似クラスタに属する度合いが小さい部分特
徴パターンの影響を低減するという効果が得られる。こ
れによって、識別精度高い音声認識を行うことができ
る。
【００１０】
【実施例の説明】図１は、不特定話者の音声認識装置の
全体的構成を示す機能ブロック図である。
全体的構成を示す機能ブロック図である。
【００１１】この不特定話者の音声認識装置は、その全
てをハードウェア・アーキテクチャにより実現できる
し、プログラムされたコンピュータ・システムにより実
現することもできる。また、不特定話者の音声認識装置
の一部をハードウェアにより、他の一部をソフトウェア
により実現することもできる。
てをハードウェア・アーキテクチャにより実現できる
し、プログラムされたコンピュータ・システムにより実
現することもできる。また、不特定話者の音声認識装置
の一部をハードウェアにより、他の一部をソフトウェア
により実現することもできる。
【００１２】詳細については後述するが、この不特定話
者の音声認識装置は、Ｎ個の単語ｎ（ｎ＝１〜Ｎ）のそ
れぞれについて、単語ｎをＩ人の話者がそれぞれＪ回ず
つ発声することによって得られる単語音声Ｗｎ（＝Ｗn,
i,j （ｉ＝１〜Ｉ，ｊ＝１〜Ｊ））に基づいて単語ｎの
標準パターンＲn,m （ｍ＝１〜Ｍ）をあらかじめ作成す
る。Ｍは、クラスタリング処理によって得られるクラス
タの総数である。したがって、一つの単語について標準
パターンはＭ個得られる。その後、不特定話者が発声し
た単語音声Ｗｘを、あらかじめ作成した標準パターンＲ
n,m （ｎ＝１〜Ｎ，ｍ＝１〜Ｍ）に基づいて認識するも
のである。
者の音声認識装置は、Ｎ個の単語ｎ（ｎ＝１〜Ｎ）のそ
れぞれについて、単語ｎをＩ人の話者がそれぞれＪ回ず
つ発声することによって得られる単語音声Ｗｎ（＝Ｗn,
i,j （ｉ＝１〜Ｉ，ｊ＝１〜Ｊ））に基づいて単語ｎの
標準パターンＲn,m （ｍ＝１〜Ｍ）をあらかじめ作成す
る。Ｍは、クラスタリング処理によって得られるクラス
タの総数である。したがって、一つの単語について標準
パターンはＭ個得られる。その後、不特定話者が発声し
た単語音声Ｗｘを、あらかじめ作成した標準パターンＲ
n,m （ｎ＝１〜Ｎ，ｍ＝１〜Ｍ）に基づいて認識するも
のである。
【００１３】特徴パターン抽出部11は、話者が発声した
単語音声に基づいて特徴パターンＦn,i,j を抽出するも
のである。特徴パターンＦn,i,j の抽出は次のようにし
て行われる。
単語音声に基づいて特徴パターンＦn,i,j を抽出するも
のである。特徴パターンＦn,i,j の抽出は次のようにし
て行われる。
【００１４】図２に、単語ｎについて第ｉ番の話者の第
ｊ回目の発声における単語音声Ｗn,i,j を表す信号Ｓ
(t) の一例が示されている。
ｊ回目の発声における単語音声Ｗn,i,j を表す信号Ｓ
(t) の一例が示されている。
【００１５】同一の単語を一人の話者が発声した場合ま
たは同一の単語を同一の話者がＪ回発声した場合、それ
ぞれの発声で単語音声の長さが異なる。したがって、各
発声における単語音声Ｗn,i,j が一定時間間隔Ｔｎに正
規化される。
たは同一の単語を同一の話者がＪ回発声した場合、それ
ぞれの発声で単語音声の長さが異なる。したがって、各
発声における単語音声Ｗn,i,j が一定時間間隔Ｔｎに正
規化される。
【００１６】時間間隔Ｔｎに正規化された単語音声Ｗn,
i,j は、時間間隔（Ｔｎ／Ｌｎ）で区切られ、Ｌｎ個の
フレームに分割される。Ｌｎはフレームの個数を表す。
Ｌｎ個に分割されたフレームのそれぞれについて音響分
析が行われ、各フレームから部分特徴パターンｆn,i,j
(r)が抽出される。ここで、ｒはフレームの番号である
（ｒ＝１〜Ｌｎ）。音響分析には、フーリエ変換、バン
ド・パス・フィルタ等の周波数分析を用いることができ
る。音響分析にフーリエ変換を用いた場合に、第ｉ番の
話者が第ｊ回に発声した単語音声Ｗn,i,j の第ｒフレー
ムをフーリエ変換したパワー・スペクトルの一例が図３
に示されている。
i,j は、時間間隔（Ｔｎ／Ｌｎ）で区切られ、Ｌｎ個の
フレームに分割される。Ｌｎはフレームの個数を表す。
Ｌｎ個に分割されたフレームのそれぞれについて音響分
析が行われ、各フレームから部分特徴パターンｆn,i,j
(r)が抽出される。ここで、ｒはフレームの番号である
（ｒ＝１〜Ｌｎ）。音響分析には、フーリエ変換、バン
ド・パス・フィルタ等の周波数分析を用いることができ
る。音響分析にフーリエ変換を用いた場合に、第ｉ番の
話者が第ｊ回に発声した単語音声Ｗn,i,j の第ｒフレー
ムをフーリエ変換したパワー・スペクトルの一例が図３
に示されている。
【００１７】フーリエ変換して得られたパワー・スペク
トルにおいてパワーが極大を示す周波数を、周波数が低
い順にｆn,i,j(r,1)，ｆn,i,j(r,2)，…，ｆn,i,j(r,K)
とする。したがって、単語ｎについて第ｉ番の話者が発
声した第ｊ回の単語音声Ｗn,i,j の第ｒフレームの部分
特徴パターンｆn,i,j(r)は、次式で表される（ベクトル
表現）。
トルにおいてパワーが極大を示す周波数を、周波数が低
い順にｆn,i,j(r,1)，ｆn,i,j(r,2)，…，ｆn,i,j(r,K)
とする。したがって、単語ｎについて第ｉ番の話者が発
声した第ｊ回の単語音声Ｗn,i,j の第ｒフレームの部分
特徴パターンｆn,i,j(r)は、次式で表される（ベクトル
表現）。
【００１８】
【数１】
【００１９】このようにして、単語ｎについて第ｉ番の
話者が第ｊ回に発声した単語音声Ｗn,i,j の各フレーム
が音響分析されて、部分特徴パターンｆn,i,j(r)（ｒ＝
１〜Ｌｎ）が抽出される。したがって、単語ｎについて
第ｉ番の話者が発声した第ｊ回の単語音声Ｗn,i,j の特
徴パターンＦn,i,j は、次式で表される。
話者が第ｊ回に発声した単語音声Ｗn,i,j の各フレーム
が音響分析されて、部分特徴パターンｆn,i,j(r)（ｒ＝
１〜Ｌｎ）が抽出される。したがって、単語ｎについて
第ｉ番の話者が発声した第ｊ回の単語音声Ｗn,i,j の特
徴パターンＦn,i,j は、次式で表される。
【００２０】
【数２】
【００２１】以上のようにして、単語音声Ｗn,i,j から
特徴パターンＦn,i,j が抽出される。同様にして全ての
単語音声（ｎとｉとｊのすべての組み合わせ）について
特徴パターンの抽出が行われる。抽出された特徴パター
ンは、特徴パターン抽出部11から標準パターン作成部12
に与えられる。
特徴パターンＦn,i,j が抽出される。同様にして全ての
単語音声（ｎとｉとｊのすべての組み合わせ）について
特徴パターンの抽出が行われる。抽出された特徴パター
ンは、特徴パターン抽出部11から標準パターン作成部12
に与えられる。
【００２２】標準パターン作成部12は、特徴パターン抽
出部11から与えられる特徴パターンに基づいて標準パタ
ーンを作成するものである。単語ｎの標準パターンＲn,
m （ｍ＝１〜Ｍ）の作成は次のようにして行われる。
出部11から与えられる特徴パターンに基づいて標準パタ
ーンを作成するものである。単語ｎの標準パターンＲn,
m （ｍ＝１〜Ｍ）の作成は次のようにして行われる。
【００２３】特徴パターン抽出部11から与えられた、単
語ｎについてＩ人の話者がそれぞれＪ回発声した単語音
声Ｗｎの特徴パターンＦn,i,j （ｉ＝１〜Ｉ，ｊ＝１〜
Ｊ）から、単語ｎについてＩ人の話者がそれぞれＪ回発
声した単語音声Ｗｎの特徴パターン・セットＦｎが作成
される。特徴パターン・セットＦｎは、次式で表され
る。
語ｎについてＩ人の話者がそれぞれＪ回発声した単語音
声Ｗｎの特徴パターンＦn,i,j （ｉ＝１〜Ｉ，ｊ＝１〜
Ｊ）から、単語ｎについてＩ人の話者がそれぞれＪ回発
声した単語音声Ｗｎの特徴パターン・セットＦｎが作成
される。特徴パターン・セットＦｎは、次式で表され
る。
【００２４】
【数３】
【００２５】単語ｎについての単語音声Ｗｎの特徴パタ
ーン・セットＦｎが、単語音声Ｗｎのフレーム毎に部分
化され、部分特徴パターン・セットＰn(r)（ｒ＝１〜Ｌ
ｎ）が作成される。したがって、単語ｎについての単語
音声Ｗｎの第ｒフレームの部分特徴パターン・セットＰ
n(r)は、次式で表される。
ーン・セットＦｎが、単語音声Ｗｎのフレーム毎に部分
化され、部分特徴パターン・セットＰn(r)（ｒ＝１〜Ｌ
ｎ）が作成される。したがって、単語ｎについての単語
音声Ｗｎの第ｒフレームの部分特徴パターン・セットＰ
n(r)は、次式で表される。
【００２６】
【数４】
【００２７】単語音声Ｗｎのフレーム毎に部分化された
部分特徴パターン・セットＰn(r)に含まれるｆn,i,j(r)
（ｉ＝１〜Ｉ，ｊ＝１〜Ｊ）について、部分特徴パター
ン・セット毎にクラスタリング処理が行われる。クラス
タリング処理にはたとえば、Fuzzy c-means 法、Fuzzy
k-means 法等のファジィ・クラスタリング手法が用いら
れる。
部分特徴パターン・セットＰn(r)に含まれるｆn,i,j(r)
（ｉ＝１〜Ｉ，ｊ＝１〜Ｊ）について、部分特徴パター
ン・セット毎にクラスタリング処理が行われる。クラス
タリング処理にはたとえば、Fuzzy c-means 法、Fuzzy
k-means 法等のファジィ・クラスタリング手法が用いら
れる。
【００２８】たとえば、クラスタリング処理にFuzzy c-
means 法を用いた場合、部分特徴パターン・セットに含
まれる部分特徴パターンｆn,i,j(r)（ｉ＝１〜Ｉ，ｊ＝
１〜Ｊ）がＭ個のクラスタＣn,r,m （ｍ＝１〜Ｍ）に分
類されるとともに各部分特徴パターンｆn,i,j(r)が分類
された各クラスタＣn,r,m に属する度合いｇn,r,m(i,j)
が算出される。ｇn,r,m(i,j)は、０〜１の値である。
means 法を用いた場合、部分特徴パターン・セットに含
まれる部分特徴パターンｆn,i,j(r)（ｉ＝１〜Ｉ，ｊ＝
１〜Ｊ）がＭ個のクラスタＣn,r,m （ｍ＝１〜Ｍ）に分
類されるとともに各部分特徴パターンｆn,i,j(r)が分類
された各クラスタＣn,r,m に属する度合いｇn,r,m(i,j)
が算出される。ｇn,r,m(i,j)は、０〜１の値である。
【００２９】Ｍ個のクラスタに分類された部分特徴パタ
ーンは、クラスタＣn,r,m （ｒ＝１〜Ｌ）のすべてにつ
いて統合され、類似クラスタ￣Ｃn,m （ｍ＝１〜Ｍ）
（一般に、￣ＣはＣにオーバ・バーが付されるが、この
明細書中においては上記のように表す）が生成される。
各クラスタにおける類似クラスタの生成（統合処理）
は、次式を用いて行われる。
ーンは、クラスタＣn,r,m （ｒ＝１〜Ｌ）のすべてにつ
いて統合され、類似クラスタ￣Ｃn,m （ｍ＝１〜Ｍ）
（一般に、￣ＣはＣにオーバ・バーが付されるが、この
明細書中においては上記のように表す）が生成される。
各クラスタにおける類似クラスタの生成（統合処理）
は、次式を用いて行われる。
【００３０】
【数５】
【００３１】統合された一つの類似クラスタ￣Ｃn,m に
属するすべての特徴パターンＦn,i,j の加重平均パター
ン、すなわち標準パターンＲn,m を動的計画法（ＤＰ）
によって求める。標準パターンＲn,m は、次式で算出さ
れる。
属するすべての特徴パターンＦn,i,j の加重平均パター
ン、すなわち標準パターンＲn,m を動的計画法（ＤＰ）
によって求める。標準パターンＲn,m は、次式で算出さ
れる。
【００３２】
【数６】 ここで、nＦn,i,jはＦn,i,j をＤＰにより正規化された
ものであり、ｇn,i はＦn,i,j がその類似クラスタ￣Ｃ
n,m に属する度合いである。
ものであり、ｇn,i はＦn,i,j がその類似クラスタ￣Ｃ
n,m に属する度合いである。
【００３３】式（６）を用いてｍ＝１〜Ｍについて標準
パターンＲn,m （ｍ＝１〜Ｍ）が算出される。
パターンＲn,m （ｍ＝１〜Ｍ）が算出される。
【００３４】以上のようにして、単語ｎについて特徴パ
ターンＦn,i,j （ｉ＝１〜Ｉ，ｊ＝１〜Ｊ）から標準パ
ターンＲn,m （ｍ＝１〜Ｍ）が作成される。
ターンＦn,i,j （ｉ＝１〜Ｉ，ｊ＝１〜Ｊ）から標準パ
ターンＲn,m （ｍ＝１〜Ｍ）が作成される。
【００３５】作成された単語ｎの標準パターンＲn,m
（ｍ＝１〜Ｍ）は、標準パターン辞書13に格納される。
（ｍ＝１〜Ｍ）は、標準パターン辞書13に格納される。
【００３６】同様に全ての単語ｎ（ｎ＝１〜Ｎ）につい
て標準パターンＲn,m （ｍ＝１〜Ｍ）が作成され、標準
パターン辞書13に格納される。
て標準パターンＲn,m （ｍ＝１〜Ｍ）が作成され、標準
パターン辞書13に格納される。
【００３７】以下、不特定話者の単語認識について説明
する。
する。
【００３８】不特定話者が発声した単語音声Ｗｘの部分
特徴パターンＸ(r) が、特徴パターン抽出部11により単
語音声Ｗｎと同様の方法により得られ、さらにこれに基
づいて特徴パターンＸが抽出される。すなわち、不特定
話者が発声した単語音声Ｗｘの部分特徴パターンＸ(r)
は、
特徴パターンＸ(r) が、特徴パターン抽出部11により単
語音声Ｗｎと同様の方法により得られ、さらにこれに基
づいて特徴パターンＸが抽出される。すなわち、不特定
話者が発声した単語音声Ｗｘの部分特徴パターンＸ(r)
は、
【数７】 で表される。単語音声Ｗｘの特徴パターンＸは、
【数８】 で表される。
【００３９】不特定話者が発声した単語音声Ｗｘの特徴
パターンＸは、特徴パターン抽出部11から単語認識部14
に与えられる。
パターンＸは、特徴パターン抽出部11から単語認識部14
に与えられる。
【００４０】単語音声認識部14は、不特定話者が発声し
た単語音声を認識するものである。単語音声Ｗxの単語
認識は、次のようにして行われる。
た単語音声を認識するものである。単語音声Ｗxの単語
認識は、次のようにして行われる。
【００４１】不特定話者が発声した単語音声Ｗｘの特徴
パターンＸと、単語ｎ（ｎ＝１〜Ｎ）の標準パターンＲ
n,m （ｍ＝１〜Ｍ）との類似度μn,m （Ｘ，Ｒn,m ）
（ｎ＝１〜Ｎ，ｍ＝１〜Ｍ）が算出される。類似度μn,
m （Ｘ，Ｒn,m ）は、次式で算出される。
パターンＸと、単語ｎ（ｎ＝１〜Ｎ）の標準パターンＲ
n,m （ｍ＝１〜Ｍ）との類似度μn,m （Ｘ，Ｒn,m ）
（ｎ＝１〜Ｎ，ｍ＝１〜Ｍ）が算出される。類似度μn,
m （Ｘ，Ｒn,m ）は、次式で算出される。
【００４２】
【数９】 ここで、Ｄ（Ｘ，Ｒn,m ）は、特徴パターンＸと標準パ
ターンＲn,m との距離である。
ターンＲn,m との距離である。
【００４３】特徴パターンＸと標準パターンＲn,m との
類似度μn,m （Ｘ，Ｒn,m ）が算出されると、その中で
類似度が最大になるｘを、
類似度μn,m （Ｘ，Ｒn,m ）が算出されると、その中で
類似度が最大になるｘを、
【数10】 を用いて求める。このｘが、不特定話者が発声した単語
となる。
となる。
【００４４】以上のようにして、不特定話者が発声した
単語音声Ｗｘの単語認識が行われる。
単語音声Ｗｘの単語認識が行われる。
【００４５】単語認識部14において認識された単語ｘが
出力部15に与えられ、その単語ｘが出力部15から単語認
識結果として出力される。
出力部15に与えられ、その単語ｘが出力部15から単語認
識結果として出力される。
【図１】不特定話者の音声認識装置の全体的構成を示す
機能ブロック図である。
機能ブロック図である。
【図２】単語ｎについて第ｉ番の話者の第ｊ回目の発声
における単語音声Ｗn,i,j を表す信号の一例を示す。
における単語音声Ｗn,i,j を表す信号の一例を示す。
【図３】第ｉ番の話者が第ｊ回に発声した単語音声Ｗｎ
の第ｒフレームをフーリエ変換したパワー・スペクトル
の一例を示す。
の第ｒフレームをフーリエ変換したパワー・スペクトル
の一例を示す。
11 特徴パターン抽出部 12 標準パターン作成部 13 標準パターン辞書 14 単語認識部 15 出力部
Claims (2)
- 【請求項１】 複数の単語について複数人の話者によっ
てそれぞれ複数回数発声されたそれぞれの単語音声を所
定数のフレームに分割し、分割されたそれぞれのフレー
ムから部分特徴パターンを抽出し、抽出された部分特徴
パターンを上記単語音声毎にまとめて単語音声の特徴パ
ターンを作成する特徴パターン抽出手段、 上記特徴パターン抽出手段により抽出された部分特徴パ
ターンを所定数のクラスタに分類するとともに上記部分
特徴パターンが当該クラスタに属する度合いを算出し、
上記クラスタを類似するもの同志を統合することにより
類似クラスタを生成し、生成された類似クラスタに含ま
れる部分特徴パターンと上記部分特徴パターンが当該類
似クラスタに属する度合いとに基づいて上記単語の標準
パターンを上記類似クラスタ毎に作成する標準パターン
作成手段、 上記標準パターン作成手段により作成された標準パター
ンを登録する標準パターン辞書、および不特定話者が発
声した単語音声を上記所定数のフレームに分割し、分割
されたそれぞれのフレームから部分特徴パターンを抽出
し、抽出されたすべての部分特徴パターンの集合と上記
標準パターン辞書に登録された標準パターンとの類似度
を上記複数の単語のすべてについて算出し、算出された
上記類似度が最大となる単語を上記不特定話者が発声し
た単語と識別する単語認識手段、 を備えた不特定話者の音声認識装置。 - 【請求項２】 複数の単語について複数人の話者によっ
てそれぞれ複数回数発声されたそれぞれの単語音声を所
定数のフレームに分割し、分割されたそれぞれのフレー
ムから部分特徴パターンを抽出し、抽出された部分特徴
パターンを上記単語音声毎にまとめて単語音声の特徴パ
ターンを作成し、 抽出された部分特徴パターンを所定数のクラスタに分類
するとともに上記部分特徴パターンが当該クラスタに属
する度合いを算出し、上記クラスタを類似するもの同志
を統合することにより類似クラスタを生成し、生成され
た類似クラスタに含まれる部分特徴パターンと上記部分
特徴パターンが当該類似クラスタに属する度合いとに基
づいて上記単語の標準パターンを上記類似クラスタ毎に
作成し、 作成された標準パターンを標準パターン辞書に登録し、 不特定話者が発声した単語音声を上記所定数のフレーム
に分割し、分割されたそれぞれのフレームから部分特徴
パターンを抽出し、抽出されたすべての部分特徴パター
ンの集合と上記標準パターン辞書に登録された標準パタ
ーンとの類似度を上記複数の単語のすべてについて算出
し、算出された上記類似度が最大となる単語を上記不特
定話者が発声した単語と識別する、 不特定話者の音声認識方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP5183561A JPH0720889A (ja) | 1993-06-30 | 1993-06-30 | 不特定話者の音声認識装置および方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP5183561A JPH0720889A (ja) | 1993-06-30 | 1993-06-30 | 不特定話者の音声認識装置および方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JPH0720889A true JPH0720889A (ja) | 1995-01-24 |
Family
ID=16137963
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP5183561A Pending JPH0720889A (ja) | 1993-06-30 | 1993-06-30 | 不特定話者の音声認識装置および方法 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPH0720889A (ja) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR100435440B1 (ko) * | 2002-03-18 | 2004-06-10 | 정희석 | 화자간 변별력 향상을 위한 가변 길이 코드북 생성 장치및 그 방법, 그를 이용한 코드북 조합 방식의 화자 인식장치 및 그 방법 |
| US8423354B2 (en) | 2008-05-09 | 2013-04-16 | Fujitsu Limited | Speech recognition dictionary creating support device, computer readable medium storing processing program, and processing method |
| US8918318B2 (en) | 2007-01-16 | 2014-12-23 | Nec Corporation | Extended recognition dictionary learning device and speech recognition system |
-
1993
- 1993-06-30 JP JP5183561A patent/JPH0720889A/ja active Pending
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR100435440B1 (ko) * | 2002-03-18 | 2004-06-10 | 정희석 | 화자간 변별력 향상을 위한 가변 길이 코드북 생성 장치및 그 방법, 그를 이용한 코드북 조합 방식의 화자 인식장치 및 그 방법 |
| US8918318B2 (en) | 2007-01-16 | 2014-12-23 | Nec Corporation | Extended recognition dictionary learning device and speech recognition system |
| US8423354B2 (en) | 2008-05-09 | 2013-04-16 | Fujitsu Limited | Speech recognition dictionary creating support device, computer readable medium storing processing program, and processing method |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JPH0792673B2 (ja) | 認識用辞書学習方法 | |
| JP6908045B2 (ja) | 音声処理装置、音声処理方法、およびプログラム | |
| Linh et al. | MFCC-DTW algorithm for speech recognition in an intelligent wheelchair | |
| JPWO2020049687A1 (ja) | 音声処理装置、音声処理方法、およびプログラム | |
| Jeyalakshmi et al. | HMM and K-NN based automatic musical instrument recognition | |
| Kamble et al. | Emotion recognition for instantaneous Marathi spoken words | |
| JP5083951B2 (ja) | 音声処理装置およびプログラム | |
| Clemins et al. | Application of speech recognition to African elephant (Loxodonta Africana) vocalizations | |
| JP2011081324A (ja) | ピッチ・クラスター・マップを用いた音声認識方法 | |
| JPH0720889A (ja) | 不特定話者の音声認識装置および方法 | |
| Tzudir et al. | Tonal feature based dialect discrimination in two dialects in Ao | |
| CN109887495B (zh) | 声音处理装置、声音处理方法及记录介质 | |
| Krishna et al. | Emotion recognition using dynamic time warping technique for isolated words | |
| JP2020086430A (ja) | 話者識別装置、話者識別方法、及び、プログラム | |
| US7454337B1 (en) | Method of modeling single data class from multi-class data | |
| JPH0766734A (ja) | 音声コーディング装置および方法 | |
| JPH04324499A (ja) | 音声認識装置 | |
| Narendra et al. | Classification of Pitch Disguise Level with Artificial Neural Networks | |
| CN119851694B (zh) | 一种音素的筛选方法、装置、电子设备及可读存储介质 | |
| Patro et al. | Statistical feature evaluation for classification of stressed speech | |
| Sharma et al. | Eminent method of voice identification by applying pitch, intensity and pulse | |
| Higgins et al. | A multi-spectral data-fusion approach to speaker recognition | |
| Besbes et al. | Wavelet packet energy and entropy features for classification of stressed speech | |
| Adetoyi | Text Independent Speaker Identification System for Access Control | |
| JP2658426B2 (ja) | 音声認識方法 |