JPH07219579A - 音声認識装置 - Google Patents
音声認識装置Info
- Publication number
- JPH07219579A JPH07219579A JP6008079A JP807994A JPH07219579A JP H07219579 A JPH07219579 A JP H07219579A JP 6008079 A JP6008079 A JP 6008079A JP 807994 A JP807994 A JP 807994A JP H07219579 A JPH07219579 A JP H07219579A
- Authority
- JP
- Japan
- Prior art keywords
- word
- subword
- distance
- unit
- voice
- 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
Classifications
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/08—Speech classification or search
- G10L15/18—Speech classification or search using natural language modelling
- G10L15/183—Speech classification or search using natural language modelling using context dependencies, e.g. language models
- G10L15/187—Phonemic context, e.g. pronunciation rules, phonotactical constraints or phoneme n-grams
Landscapes
- Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Computational Linguistics (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- Acoustics & Sound (AREA)
- Multimedia (AREA)
- Machine Translation (AREA)
Abstract
(57)【要約】
【目的】本発明は、音声信号の示す単語の認識処理を実
行する音声認識装置に関し、高い認識率の実現を目的と
する。 【構成】単語のサブワード列を管理する単語辞書１０
と、各サブワードの持つ音響的な特徴パターンの標準値
を管理する管理部１１と、単語辞書１０に格納される単
語を順次読み出し、管理部１１の管理データを使って、
この読み出した単語の持つ音響的な特徴パターンを生成
していく生成部１２と、単語音声の持つ音響的な特徴パ
ターンと、生成部１２の生成する特徴パターンとの距離
を算出することで単語音声の認識処理を実行する照合部
１３とを備える音声認識装置において、単語辞書１０
が、重要なサブワードと、重要でないサブワードとを区
別する情報を付加しつつ各単語を管理する構成を採り、
かつ、照合部１３は、この付加情報を考慮しつつ、２つ
の特徴パターンの距離を算出していくように構成する。
行する音声認識装置に関し、高い認識率の実現を目的と
する。 【構成】単語のサブワード列を管理する単語辞書１０
と、各サブワードの持つ音響的な特徴パターンの標準値
を管理する管理部１１と、単語辞書１０に格納される単
語を順次読み出し、管理部１１の管理データを使って、
この読み出した単語の持つ音響的な特徴パターンを生成
していく生成部１２と、単語音声の持つ音響的な特徴パ
ターンと、生成部１２の生成する特徴パターンとの距離
を算出することで単語音声の認識処理を実行する照合部
１３とを備える音声認識装置において、単語辞書１０
が、重要なサブワードと、重要でないサブワードとを区
別する情報を付加しつつ各単語を管理する構成を採り、
かつ、照合部１３は、この付加情報を考慮しつつ、２つ
の特徴パターンの距離を算出していくように構成する。
Description
【０００１】
【産業上の利用分野】本発明は、音声信号の示す単語の
認識処理を実行する音声認識装置に関し、特に、高い認
識率を実現する音声認識装置に関する。
認識処理を実行する音声認識装置に関し、特に、高い認
識率を実現する音声認識装置に関する。
【０００２】様々な分野で、音声信号の示す単語の認識
処理を実行する音声認識装置が利用されつつある。この
ような音声認識装置を実用的なものとするためには、高
い認識率を実現する構成を構築していく必要がある。
処理を実行する音声認識装置が利用されつつある。この
ような音声認識装置を実用的なものとするためには、高
い認識率を実現する構成を構築していく必要がある。
【０００３】
【従来の技術】単語音声を認識対象とする従来の音声認
識装置では、音節又は音素を認識単位（以下、サブワー
ドと称する）として、入力されてくる可能性のある単語
のサブワード列を管理する単語辞書を用意するととも
に、各サブワードの持つ音響的な特徴パターンの標準値
を管理する構成を採っている。
識装置では、音節又は音素を認識単位（以下、サブワー
ドと称する）として、入力されてくる可能性のある単語
のサブワード列を管理する単語辞書を用意するととも
に、各サブワードの持つ音響的な特徴パターンの標準値
を管理する構成を採っている。
【０００４】そして、認識対象となる単語音声が入力さ
れてくると、単語辞書から順次単語を読み出して、この
読み出した単語を構成する各サブワードの持つ標準的な
音響特徴パターンを連結することで、辞書登録の単語の
音響的な特徴パターンを生成していって、このようにし
て生成していく特徴パターンと、入力されてくる単語音
声の持つ音響的な特徴パターンとの距離を算出して、最
も距離の小さい辞書登録の単語、すなわち、最も類似度
の高い辞書登録の単語を認識結果として出力するという
構成を採っている。
れてくると、単語辞書から順次単語を読み出して、この
読み出した単語を構成する各サブワードの持つ標準的な
音響特徴パターンを連結することで、辞書登録の単語の
音響的な特徴パターンを生成していって、このようにし
て生成していく特徴パターンと、入力されてくる単語音
声の持つ音響的な特徴パターンとの距離を算出して、最
も距離の小さい辞書登録の単語、すなわち、最も類似度
の高い辞書登録の単語を認識結果として出力するという
構成を採っている。
【０００５】
【発明が解決しようとする課題】しかしながら、従来の
音声認識装置では、各単語の持つ固有の特徴を全く考慮
せずに認識処理を実行していることから、高い認識率が
得られないという問題点があった。
音声認識装置では、各単語の持つ固有の特徴を全く考慮
せずに認識処理を実行していることから、高い認識率が
得られないという問題点があった。
【０００６】すなわち、各単語は、例えば、語尾の音節
の発音が弱いとか、語頭の音節にアクセントがあるとか
いったような固有の特徴を持つのであるが、従来の音声
認識装置では、このような単語の持つ固有の特徴を全く
考慮せずに認識処理を実行していることから、高い認識
率が得られないという問題点があったのである。
の発音が弱いとか、語頭の音節にアクセントがあるとか
いったような固有の特徴を持つのであるが、従来の音声
認識装置では、このような単語の持つ固有の特徴を全く
考慮せずに認識処理を実行していることから、高い認識
率が得られないという問題点があったのである。
【０００７】本発明はかかる事情に鑑みてなされたもの
であって、音声信号の示す単語の認識処理を実行する構
成を採るときにあって、高い認識率を実現する新たな音
声認識装置の提供を目的とする。
であって、音声信号の示す単語の認識処理を実行する構
成を採るときにあって、高い認識率を実現する新たな音
声認識装置の提供を目的とする。
【０００８】
【課題を解決するための部】図１に本発明の原理構成を
図示する。図中、１は、本発明を具備する音声認識装置
である。
図示する。図中、１は、本発明を具備する音声認識装置
である。
【０００９】この音声認識装置１は、単語辞書１０と、
管理部１１と、生成部１２と、照合部１３とを備える。
単語辞書１０は、入力されてくる可能性のある単語のサ
ブワード列をサブワードの重要性を表示する情報ととも
に管理する。管理部１１は、各サブワードの持つ音響的
な特徴パターンの標準値を管理する。生成部１２は、単
語辞書１０に格納される単語の持つ音響的な特徴パター
ンの標準値を生成していく。
管理部１１と、生成部１２と、照合部１３とを備える。
単語辞書１０は、入力されてくる可能性のある単語のサ
ブワード列をサブワードの重要性を表示する情報ととも
に管理する。管理部１１は、各サブワードの持つ音響的
な特徴パターンの標準値を管理する。生成部１２は、単
語辞書１０に格納される単語の持つ音響的な特徴パター
ンの標準値を生成していく。
【００１０】照合部１３は、算出部１４／補正部１５／
特定部１６を備えて、これらの処理に従って、認識対象
となる単語音声の持つ音響的な特徴パターンが与えられ
るときに、サブワードの重要性を考慮しつつ、その特徴
パターンと、生成部１２の生成する特徴パターンとの距
離を算出して評価することで、単語音声の認識処理を実
行する。
特定部１６を備えて、これらの処理に従って、認識対象
となる単語音声の持つ音響的な特徴パターンが与えられ
るときに、サブワードの重要性を考慮しつつ、その特徴
パターンと、生成部１２の生成する特徴パターンとの距
離を算出して評価することで、単語音声の認識処理を実
行する。
【００１１】
【作用】本発明では、単語辞書１０は、例えば、アクセ
ントのあるサブワードを重要と表示し、アクセントのな
いサブワードを非重要と表示する情報（２段以上の段階
的な数値情報等）や、無声化しにくいサブワードを重要
と表示し、無声化しやすいサブワードを非重要と表示す
る情報（２段以上の段階的な数値情報等）を付加しつ
つ、入力されてくる可能性のある各単語のサブワード列
を管理する。
ントのあるサブワードを重要と表示し、アクセントのな
いサブワードを非重要と表示する情報（２段以上の段階
的な数値情報等）や、無声化しにくいサブワードを重要
と表示し、無声化しやすいサブワードを非重要と表示す
る情報（２段以上の段階的な数値情報等）を付加しつ
つ、入力されてくる可能性のある各単語のサブワード列
を管理する。
【００１２】単語辞書１０がこの単語情報を管理すると
きにあって、認識対象となる単語音声の持つ音響的な特
徴パターンが与えられると、生成部１２は、単語辞書１
０に格納される単語を順次読み出し、管理部１１の管理
データを使って、この読み出した単語の持つ標準的な音
響特徴パターンを生成していくことで、単語辞書１０に
格納される単語の持つ音響的な特徴パターンの標準値を
生成していく。
きにあって、認識対象となる単語音声の持つ音響的な特
徴パターンが与えられると、生成部１２は、単語辞書１
０に格納される単語を順次読み出し、管理部１１の管理
データを使って、この読み出した単語の持つ標準的な音
響特徴パターンを生成していくことで、単語辞書１０に
格納される単語の持つ音響的な特徴パターンの標準値を
生成していく。
【００１３】一方、照合部１３の算出部１４は、認識対
象となる単語音声の持つ音響的な特徴パターンが与えら
れると、この特徴パターンと、生成部１２の生成する特
徴パターンとの距離を算出していくことになるが、この
とき、補正部１５を起動していくことで、サブワードの
重要性を表示する情報を使い、２つの特徴パターンの距
離の構成要素となるサブワード間の距離を重要なもの程
大きなものとなるようにと補正しつつ、２つの特徴パタ
ーンの距離を算出していくよう処理する。
象となる単語音声の持つ音響的な特徴パターンが与えら
れると、この特徴パターンと、生成部１２の生成する特
徴パターンとの距離を算出していくことになるが、この
とき、補正部１５を起動していくことで、サブワードの
重要性を表示する情報を使い、２つの特徴パターンの距
離の構成要素となるサブワード間の距離を重要なもの程
大きなものとなるようにと補正しつつ、２つの特徴パタ
ーンの距離を算出していくよう処理する。
【００１４】この算出部１４の算出処理を受けて、照合
部１３の特定部１６は、生成部１２の生成する特徴パタ
ーンの内、最も小さい距離を示す特徴パターン、すなわ
ち、認識対象となる単語音声の持つ特徴パターンに最も
類似する特徴パターンを特定して、その特定した特徴パ
ターンに対応する単語辞書１０に登録される単語を認識
結果として出力する。
部１３の特定部１６は、生成部１２の生成する特徴パタ
ーンの内、最も小さい距離を示す特徴パターン、すなわ
ち、認識対象となる単語音声の持つ特徴パターンに最も
類似する特徴パターンを特定して、その特定した特徴パ
ターンに対応する単語辞書１０に登録される単語を認識
結果として出力する。
【００１５】このようにして、本発明では、重要性の高
いサブワードの一致に重きを置きつつ単語音声の認識処
理を実行していくので、従来よりも高い認識率でもって
単語音声を認識できるようになる。
いサブワードの一致に重きを置きつつ単語音声の認識処
理を実行していくので、従来よりも高い認識率でもって
単語音声を認識できるようになる。
【００１６】
【実施例】以下、実施例に従って本発明を詳細に説明す
る。図２に、本発明の一実施例を図示する。
る。図２に、本発明の一実施例を図示する。
【００１７】図中、２０は音声入力部であり、使用者が
発声した単語音声を入力する。２１は周波数分析部であ
り、入力された単語音声に対して規定の周期毎にＦＦＴ
等の周波数分析を施すことで、入力された単語音声の示
す周波数パワーの時系列データである特徴パターンを求
める。例えば２０ｍｓ毎に、例えば１６個の周波数帯域
のパワー値を求めることで、入力された単語音声の持つ
音響的な特徴パターンを求めるのである。
発声した単語音声を入力する。２１は周波数分析部であ
り、入力された単語音声に対して規定の周期毎にＦＦＴ
等の周波数分析を施すことで、入力された単語音声の示
す周波数パワーの時系列データである特徴パターンを求
める。例えば２０ｍｓ毎に、例えば１６個の周波数帯域
のパワー値を求めることで、入力された単語音声の持つ
音響的な特徴パターンを求めるのである。
【００１８】２２は重要度付き単語辞書であって、入力
されてくる可能性のある各単語のサブワード列と、これ
らの各サブワードの重要度を表示する重要度値を管理す
る。このとき管理される重要度値は、例えば、アクセン
トの有無に従って割り付けられるものであって、例え
ば、図３に示すように、「あいち」という単語では、
「あい」の部分が比較的はっきりと発声され、「ち」の
部分があいまいに発声される傾向があるので、「あ」／
「い」のサブワードについては“１.2”、「ち」のサブ
ワードについては“０.8”が割り付けられるというよう
に、重要度の大きなもの程大きな値が割り付けられるこ
とになる。なお、重要度付き単語辞書２２が重要度値を
直接管理するのではなくて、重要か否かだけを管理する
構成を採って、それに対応付けられる具体的な重要度値
については、重要度付き単語辞書２２とは別に管理する
構成を採ることも可能である。
されてくる可能性のある各単語のサブワード列と、これ
らの各サブワードの重要度を表示する重要度値を管理す
る。このとき管理される重要度値は、例えば、アクセン
トの有無に従って割り付けられるものであって、例え
ば、図３に示すように、「あいち」という単語では、
「あい」の部分が比較的はっきりと発声され、「ち」の
部分があいまいに発声される傾向があるので、「あ」／
「い」のサブワードについては“１.2”、「ち」のサブ
ワードについては“０.8”が割り付けられるというよう
に、重要度の大きなもの程大きな値が割り付けられるこ
とになる。なお、重要度付き単語辞書２２が重要度値を
直接管理するのではなくて、重要か否かだけを管理する
構成を採って、それに対応付けられる具体的な重要度値
については、重要度付き単語辞書２２とは別に管理する
構成を採ることも可能である。
【００１９】２３はサブワード標準パターン管理部であ
って、周波数分析部２１と同様の手段で求めた各サブワ
ードの持つ音響的な特徴パターンの標準値を管理する。
すなわち、図４に示すように、「あ」の持つ音響的な特
徴パターンの標準値、「い」の持つ音響的な特徴パター
ンの標準値というように、各サブワードの持つ音響的な
特徴パターンの標準値を管理するのである。
って、周波数分析部２１と同様の手段で求めた各サブワ
ードの持つ音響的な特徴パターンの標準値を管理する。
すなわち、図４に示すように、「あ」の持つ音響的な特
徴パターンの標準値、「い」の持つ音響的な特徴パター
ンの標準値というように、各サブワードの持つ音響的な
特徴パターンの標準値を管理するのである。
【００２０】２４は単語標準パターン生成部であって、
周波数分析部２１が単語音声の特徴パターンを求める
と、重要度付き単語辞書２２に格納される単語を順次読
み出し、サブワード標準パターン管理部２３の管理デー
タを使って、この読み出した単語の持つ標準的な音響特
徴パターンを生成していくことで、重要度付き単語辞書
２２に格納される単語の持つ音響的な特徴パターンの標
準値を生成していく。例えば、重要度付き単語辞書２２
から「あいち」を読み出すときには、サブワード標準パ
ターン管理部２３から、「あ」／「い」／「ち」の持つ
標準的な音響特徴パターンを読み出して、これらを連結
することで、「あいち」の持つ音響的な特徴パターンの
標準値を生成するのである。
周波数分析部２１が単語音声の特徴パターンを求める
と、重要度付き単語辞書２２に格納される単語を順次読
み出し、サブワード標準パターン管理部２３の管理デー
タを使って、この読み出した単語の持つ標準的な音響特
徴パターンを生成していくことで、重要度付き単語辞書
２２に格納される単語の持つ音響的な特徴パターンの標
準値を生成していく。例えば、重要度付き単語辞書２２
から「あいち」を読み出すときには、サブワード標準パ
ターン管理部２３から、「あ」／「い」／「ち」の持つ
標準的な音響特徴パターンを読み出して、これらを連結
することで、「あいち」の持つ音響的な特徴パターンの
標準値を生成するのである。
【００２１】２５は重み付き照合部であって、周波数分
析部２１が単語音声の特徴パターンを求めると、ダイナ
ミックプログラミング手法（ＤＰ手法）に従い、サブワ
ードの重要性を考慮しつつ、その特徴パターンと、単語
標準パターン生成部２４の生成する特徴パターンとの距
離を算出して評価することで、単語音声の認識処理を実
行する。この単語認識処理を実行するために、重み付き
照合部２５は、局所距離算出部２６と、局所距離補正部
２７と、ＤＰ照合部２８と、単語特定部２９とを備える
構成を採る。
析部２１が単語音声の特徴パターンを求めると、ダイナ
ミックプログラミング手法（ＤＰ手法）に従い、サブワ
ードの重要性を考慮しつつ、その特徴パターンと、単語
標準パターン生成部２４の生成する特徴パターンとの距
離を算出して評価することで、単語音声の認識処理を実
行する。この単語認識処理を実行するために、重み付き
照合部２５は、局所距離算出部２６と、局所距離補正部
２７と、ＤＰ照合部２８と、単語特定部２９とを備える
構成を採る。
【００２２】３０は認識結果出力部であって、重み付き
照合部２５の認識した単語情報を外部に出力する。次
に、重み付き照合部２５の実行する処理について詳細に
説明する。
照合部２５の認識した単語情報を外部に出力する。次
に、重み付き照合部２５の実行する処理について詳細に
説明する。
【００２３】周波数分析部２１が入力された単語音声の
特徴パターン（以下、入力パターンと称することがあ
る）を求めると、重み付き照合部２５の局所距離算出部
２６は、各時間位置での、この入力パターンと、単語標
準パターン生成部２４の生成する特徴パターン（以下、
単語標準パターンと称することがある）との間の局所距
離を算出する。
特徴パターン（以下、入力パターンと称することがあ
る）を求めると、重み付き照合部２５の局所距離算出部
２６は、各時間位置での、この入力パターンと、単語標
準パターン生成部２４の生成する特徴パターン（以下、
単語標準パターンと称することがある）との間の局所距
離を算出する。
【００２４】このとき、この局所距離の算出処理にあた
って、重み付き照合部２５の局所距離補正部２７は、重
要度付き単語辞書２２から与えられる重要度値を乗算し
ていくことで、その算出される局所距離の各距離部分を
補正する。例えば、重要度付き単語辞書２２から与えら
れる重要度値が“１.2”を示すサブワード部分の距離部
分については、局所距離算出部２６の算出値を“１.2”
倍し、重要度付き単語辞書２２から与えられる重要度値
が“０.8”を示すサブワード部分の距離部分について
は、局所距離算出部２６の算出値を“０.8”倍するとい
うように補正するのである。
って、重み付き照合部２５の局所距離補正部２７は、重
要度付き単語辞書２２から与えられる重要度値を乗算し
ていくことで、その算出される局所距離の各距離部分を
補正する。例えば、重要度付き単語辞書２２から与えら
れる重要度値が“１.2”を示すサブワード部分の距離部
分については、局所距離算出部２６の算出値を“１.2”
倍し、重要度付き単語辞書２２から与えられる重要度値
が“０.8”を示すサブワード部分の距離部分について
は、局所距離算出部２６の算出値を“０.8”倍するとい
うように補正するのである。
【００２５】このようにして、局所距離算出部２６及び
局所距離補正部２７の処理に従い、各時間位置での、入
力パターンと単語標準パターンとの間の補正された局所
距離が算出されると、ＤＰ照合部２８は、ダイナミック
プログラム手法に従って、入力パターンと単語標準パタ
ーンのＤＰ照合を実行することで、図５に示すようなＤ
Ｐパスを求めて、そのときの２つのパターンの距離を求
める。すなわち、ダイナミックプログラム手法に従い、
入力パターンと単語標準パターンとの間の時間的対応を
とることで、図５の左下の格子点（パターン開始点）か
ら、図５の右上の格子点（パターン終了点）に到るパス
の中で、補正された局所距離の総和が最も小さなものと
なるＤＰパスを求めて、そのときの補正された局所距離
の総和を求めるのである。
局所距離補正部２７の処理に従い、各時間位置での、入
力パターンと単語標準パターンとの間の補正された局所
距離が算出されると、ＤＰ照合部２８は、ダイナミック
プログラム手法に従って、入力パターンと単語標準パタ
ーンのＤＰ照合を実行することで、図５に示すようなＤ
Ｐパスを求めて、そのときの２つのパターンの距離を求
める。すなわち、ダイナミックプログラム手法に従い、
入力パターンと単語標準パターンとの間の時間的対応を
とることで、図５の左下の格子点（パターン開始点）か
ら、図５の右上の格子点（パターン終了点）に到るパス
の中で、補正された局所距離の総和が最も小さなものと
なるＤＰパスを求めて、そのときの補正された局所距離
の総和を求めるのである。
【００２６】このようにして、単語標準パターン生成部
２４の生成する各単語標準パターン毎に、ＤＰパス上で
の距離が求められると、単語特定部２９は、その距離の
中で、最も小さな値を示すものを特定して、その特定し
た距離に対応付けられる単語名を認識結果出力部３０に
出力し、この出力を受けて、認識結果出力部３０は、単
語特定部２９の特定した単語名を認識結果として外部に
出力する。
２４の生成する各単語標準パターン毎に、ＤＰパス上で
の距離が求められると、単語特定部２９は、その距離の
中で、最も小さな値を示すものを特定して、その特定し
た距離に対応付けられる単語名を認識結果出力部３０に
出力し、この出力を受けて、認識結果出力部３０は、単
語特定部２９の特定した単語名を認識結果として外部に
出力する。
【００２７】すなわち、重み付き照合部２５は、ベクト
ルｘとベクトルｙとの間のユークリッド距離をｄ（ｘ，
ｙ）で表すならば、入力パターン（α1,α2,・・・・)
と、単語標準パターン（β11, β12, ・・β21, β22,
・・β31, β32, ・・）との距離Ｌを、従来のように、 Ｌ＝ｄ（α1,β11）＋ｄ（α2,β12）＋・・・ ＋ｄ（αa,β21）＋・・・＋ｄ（αb,β31）＋・・・ の式に従って算出してＤＰパスを求めていくのではなく
て、単語標準パターン（β11, β12, ・・β21, β22,
・・β31, β32, ・・）に対応付けられる各サブワード
の重要度値をｋi で表すならば、 Ｌ＝ｋ1 ｄ（α1,β11）＋ｋ1 ｄ（α2,β12）＋・・・ ＋ｋ2 ｄ（αa,β21）＋・・・＋ｋ3 ｄ（αb,β31）＋・・・ の式に従い、重要なサブワードについての距離について
は大きな値となるように補正するとともに、重要でない
サブワードについての距離については小さな値となるよ
うにと補正しつつ、ＤＰパスを求めていくよう処理する
のである。
ルｘとベクトルｙとの間のユークリッド距離をｄ（ｘ，
ｙ）で表すならば、入力パターン（α1,α2,・・・・)
と、単語標準パターン（β11, β12, ・・β21, β22,
・・β31, β32, ・・）との距離Ｌを、従来のように、 Ｌ＝ｄ（α1,β11）＋ｄ（α2,β12）＋・・・ ＋ｄ（αa,β21）＋・・・＋ｄ（αb,β31）＋・・・ の式に従って算出してＤＰパスを求めていくのではなく
て、単語標準パターン（β11, β12, ・・β21, β22,
・・β31, β32, ・・）に対応付けられる各サブワード
の重要度値をｋi で表すならば、 Ｌ＝ｋ1 ｄ（α1,β11）＋ｋ1 ｄ（α2,β12）＋・・・ ＋ｋ2 ｄ（αa,β21）＋・・・＋ｋ3 ｄ（αb,β31）＋・・・ の式に従い、重要なサブワードについての距離について
は大きな値となるように補正するとともに、重要でない
サブワードについての距離については小さな値となるよ
うにと補正しつつ、ＤＰパスを求めていくよう処理する
のである。
【００２８】この構成を採ることで、従来よりも認識率
を高められることになる。例えば、使用者が「あいち」
と発声したが、「ち」の部分をはっきり発声しなかった
ことを想定してみる。このとき、「ち」の部分をはっき
り発声しなかったことで、従来技術に従っていると、辞
書に登録されている「あいち」との間の各サブワードに
対応する部分の距離が「１０，１０，６０」で、距離の
総和が“８０”、辞書に登録されている「あいつ」との
間の各サブワードに対応する部分の距離が「１０，１
０，５０」で、距離の総和が“７０”となるようなこと
が起こる。すなわち、「あい」の部分ははっきり発声さ
れたために距離が小さいのに対して、「ち」の部分はは
っきり発声されなかったために距離が大きくなって、単
語音声「あいち」を「あいつ」と誤認識することが起こ
るのである。
を高められることになる。例えば、使用者が「あいち」
と発声したが、「ち」の部分をはっきり発声しなかった
ことを想定してみる。このとき、「ち」の部分をはっき
り発声しなかったことで、従来技術に従っていると、辞
書に登録されている「あいち」との間の各サブワードに
対応する部分の距離が「１０，１０，６０」で、距離の
総和が“８０”、辞書に登録されている「あいつ」との
間の各サブワードに対応する部分の距離が「１０，１
０，５０」で、距離の総和が“７０”となるようなこと
が起こる。すなわち、「あい」の部分ははっきり発声さ
れたために距離が小さいのに対して、「ち」の部分はは
っきり発声されなかったために距離が大きくなって、単
語音声「あいち」を「あいつ」と誤認識することが起こ
るのである。
【００２９】このような場合、本発明を用いると、「あ
いち」について、「あ」／「い」が重要なサブワード、
「ち」が重要でないサブワードとして登録され、「あい
つ」について、「あ」が重要でないサブワード、「い」
／「つ」が重要なサブワードとして登録されているとす
るならば、重要なサブワードの距離部分については
“１.2”倍され、重要でないサブワードの距離部分につ
いては“０.8”倍されることから、従来であれば「１
０，１０，６０」と求められていた「あいち」との距離
が、「１２，１２，４８」と補正されて距離の総和が
“７２”となり、一方、従来であれば「１０，１０，５
０」と求められていた「あいつ」との距離が、「８，１
２，６０と補正されて距離の総和が“８０”となるよう
なことが起こって、単語音声「あいち」を正しく認識す
ることが実現される。
いち」について、「あ」／「い」が重要なサブワード、
「ち」が重要でないサブワードとして登録され、「あい
つ」について、「あ」が重要でないサブワード、「い」
／「つ」が重要なサブワードとして登録されているとす
るならば、重要なサブワードの距離部分については
“１.2”倍され、重要でないサブワードの距離部分につ
いては“０.8”倍されることから、従来であれば「１
０，１０，６０」と求められていた「あいち」との距離
が、「１２，１２，４８」と補正されて距離の総和が
“７２”となり、一方、従来であれば「１０，１０，５
０」と求められていた「あいつ」との距離が、「８，１
２，６０と補正されて距離の総和が“８０”となるよう
なことが起こって、単語音声「あいち」を正しく認識す
ることが実現される。
【００３０】すなわち、本発明では、重要性の高いサブ
ワードの一致に重きを置きつつ単語音声の認識処理を実
行していくので、従来よりも高い認識率でもって単語音
声を認識できるようになるのである。
ワードの一致に重きを置きつつ単語音声の認識処理を実
行していくので、従来よりも高い認識率でもって単語音
声を認識できるようになるのである。
【００３１】図示実施例について説明したが、本発明は
これに限定されるものではない。例えば、実施例では、
アクセントのあるサブワードを重要とし、アクセントの
ないサブワードを非重要とする構成に従って本発明を開
示したが、本発明はこれに限られることなく、例えば、
無声化しにくいサブワードを重要とし、無声子音に挟ま
れた母音のような無声化しやすいサブワードを非重要と
するような構成を採ってもよいのである。
これに限定されるものではない。例えば、実施例では、
アクセントのあるサブワードを重要とし、アクセントの
ないサブワードを非重要とする構成に従って本発明を開
示したが、本発明はこれに限られることなく、例えば、
無声化しにくいサブワードを重要とし、無声子音に挟ま
れた母音のような無声化しやすいサブワードを非重要と
するような構成を採ってもよいのである。
【００３２】また、実施例では、ダイナミックプログラ
ム手法を用いて距離を算出していく構成に従って本発明
を開示したが、本発明はこれに限られることなく、他の
距離算出手法を用いる場合にもそのまま適用できるもの
である。そして、実施例では、サブワードの重要性とし
て重要／非重要という２段階の重要度値を使う構成に従
って本発明を開示したが、本発明はこれに限られること
なく、３段階以上の重要度値を用いるように構成しても
よいのである。
ム手法を用いて距離を算出していく構成に従って本発明
を開示したが、本発明はこれに限られることなく、他の
距離算出手法を用いる場合にもそのまま適用できるもの
である。そして、実施例では、サブワードの重要性とし
て重要／非重要という２段階の重要度値を使う構成に従
って本発明を開示したが、本発明はこれに限られること
なく、３段階以上の重要度値を用いるように構成しても
よいのである。
【００３３】
【発明の効果】以上説明したように、本発明によれば、
重要性の高いサブワードの一致に重きを置きつつ単語音
声の認識処理を実行していくので、従来よりも高い認識
率でもって単語音声を認識できるようになる。
重要性の高いサブワードの一致に重きを置きつつ単語音
声の認識処理を実行していくので、従来よりも高い認識
率でもって単語音声を認識できるようになる。
【図１】本発明の原理構成図である。
【図２】本発明の一実施例である。
【図３】重要度付き単語辞書の管理データの一実施例で
ある。
ある。
【図４】サブワード標準パターン管理部の管理データの
一実施例である。
一実施例である。
【図５】ＤＰパスの説明図である。
１ 音声認識装置 １０ 単語辞書 １１ 管理部 １２ 生成部 １３ 照合部 １４ 算出部 １５ 補正部 １６ 特定部
Claims (4)
- 【請求項１】 入力されてくる可能性のある単語のサブ
ワード列を管理する単語辞書(10)と、各サブワードの持
つ音響的な特徴パターンの標準値を管理する管理部(11)
と、該単語辞書(10)に格納される単語を順次読み出し、
該管理部(11)の管理データを使って、この読み出した単
語の持つ音響的な特徴パターンを生成していく生成部(1
2)と、認識対象となる単語音声の持つ音響的な特徴パタ
ーンが与えられるときに、該特徴パターンと、該生成部
(12)の生成する特徴パターンとの距離を算出して評価す
ることで、該単語音声の認識処理を実行する照合部(13)
とを備える音声認識装置において、 上記単語辞書(10)が、重要なサブワードと、重要でない
サブワードとを区別する情報を付加しつつ各単語を管理
する構成を採り、 かつ、上記照合部(13)は、上記付加情報を考慮しつつ、
２つの特徴パターンの距離を算出し評価することで、認
識対象となる単語音声の認識処理を実行するよう処理す
ることを、 特徴とする音声認識装置。 - 【請求項２】 請求項１記載の音声認識装置において、 単語辞書(10)は、サブワードの重要性を２段あるいはそ
れ以上の段階的な数値で表現する構成を採って、照合部
(13)は、該数値を使って、２つの特徴パターンの距離の
構成要素となるサブワード間の距離を重要なもの程大き
なものとなるようにと補正しつつ、２つの特徴パターン
の距離を算出していくよう処理することを、 特徴とする音声認識装置。 - 【請求項３】 請求項１又は２記載の音声認識装置にお
いて、 単語辞書(10)は、アクセントのあるサブワードを重要と
表示し、アクセントのないサブワードを非重要と表示す
る情報を付加することを、 特徴とする音声認識装置。 - 【請求項４】 請求項１又は２記載の音声認識装置にお
いて、 単語辞書(10)は、無声化しにくいサブワードを重要と表
示し、無声化しやすいサブワードを非重要と表示する情
報を付加することを、 特徴とする音声認識装置。
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP00807994A JP3311460B2 (ja) | 1994-01-28 | 1994-01-28 | 音声認識装置 |
| US08/377,727 US5704005A (en) | 1994-01-28 | 1995-01-25 | Speech recognition apparatus and word dictionary therefor |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP00807994A JP3311460B2 (ja) | 1994-01-28 | 1994-01-28 | 音声認識装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPH07219579A true JPH07219579A (ja) | 1995-08-18 |
| JP3311460B2 JP3311460B2 (ja) | 2002-08-05 |
Family
ID=11683337
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP00807994A Expired - Fee Related JP3311460B2 (ja) | 1994-01-28 | 1994-01-28 | 音声認識装置 |
Country Status (2)
| Country | Link |
|---|---|
| US (1) | US5704005A (ja) |
| JP (1) | JP3311460B2 (ja) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2006522370A (ja) * | 2003-03-31 | 2006-09-28 | ノヴォーリス テクノロジーズ リミテッド | 表音ベース音声認識システム及び方法 |
| US8165882B2 (en) | 2005-09-06 | 2012-04-24 | Nec Corporation | Method, apparatus and program for speech synthesis |
Families Citing this family (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP3581752B2 (ja) * | 1995-10-09 | 2004-10-27 | 株式会社リコー | 音声認識装置及び音声認識方法 |
| JPH10143191A (ja) * | 1996-11-13 | 1998-05-29 | Hitachi Ltd | 音声認識システム |
| JP3050180B2 (ja) * | 1997-08-08 | 2000-06-12 | 日本電気株式会社 | 音声認識装置 |
| US6321226B1 (en) * | 1998-06-30 | 2001-11-20 | Microsoft Corporation | Flexible keyboard searching |
| US6611825B1 (en) * | 1999-06-09 | 2003-08-26 | The Boeing Company | Method and system for text mining using multidimensional subspaces |
| US6701305B1 (en) | 1999-06-09 | 2004-03-02 | The Boeing Company | Methods, apparatus and computer program products for information retrieval and document classification utilizing a multidimensional subspace |
| EP1162602B1 (en) * | 2000-06-07 | 2004-12-15 | Sony International (Europe) GmbH | Two pass speech recognition with active vocabulary restriction |
| WO2009078256A1 (ja) * | 2007-12-18 | 2009-06-25 | Nec Corporation | 発音変動規則抽出装置、発音変動規則抽出方法、および発音変動規則抽出用プログラム |
| CN113468883B (zh) * | 2020-03-30 | 2024-04-30 | 株式会社理光 | 位置信息的融合方法、装置及计算机可读存储介质 |
Family Cites Families (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US4741036A (en) * | 1985-01-31 | 1988-04-26 | International Business Machines Corporation | Determination of phone weights for markov models in a speech recognition system |
| JPH03278097A (ja) * | 1990-03-27 | 1991-12-09 | Nec Corp | 音声認識装置 |
| JPH04198998A (ja) * | 1990-11-29 | 1992-07-20 | Oki Electric Ind Co Ltd | 音声認識方法 |
| JP3066920B2 (ja) * | 1991-06-11 | 2000-07-17 | キヤノン株式会社 | 音声認識方法及び装置 |
| DE4131387A1 (de) * | 1991-09-20 | 1993-03-25 | Siemens Ag | Verfahren zur erkennung von mustern in zeitvarianten messsignalen |
| US5280563A (en) * | 1991-12-20 | 1994-01-18 | Kurzweil Applied Intelligence, Inc. | Method of optimizing a composite speech recognition expert |
| US5440662A (en) * | 1992-12-11 | 1995-08-08 | At&T Corp. | Keyword/non-keyword classification in isolated word speech recognition |
-
1994
- 1994-01-28 JP JP00807994A patent/JP3311460B2/ja not_active Expired - Fee Related
-
1995
- 1995-01-25 US US08/377,727 patent/US5704005A/en not_active Expired - Lifetime
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2006522370A (ja) * | 2003-03-31 | 2006-09-28 | ノヴォーリス テクノロジーズ リミテッド | 表音ベース音声認識システム及び方法 |
| US8165882B2 (en) | 2005-09-06 | 2012-04-24 | Nec Corporation | Method, apparatus and program for speech synthesis |
Also Published As
| Publication number | Publication date |
|---|---|
| JP3311460B2 (ja) | 2002-08-05 |
| US5704005A (en) | 1997-12-30 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US8315870B2 (en) | Rescoring speech recognition hypothesis using prosodic likelihood | |
| US6553342B1 (en) | Tone based speech recognition | |
| US7177810B2 (en) | Method and apparatus for performing prosody-based endpointing of a speech signal | |
| CN113744722B (zh) | 一种用于有限句库的离线语音识别匹配装置与方法 | |
| JP2003316386A (ja) | 音声認識方法および音声認識装置および音声認識プログラム | |
| JPH0352640B2 (ja) | ||
| JPH07146699A (ja) | 音声認識方法 | |
| US6401064B1 (en) | Automatic speech recognition using segmented curves of individual speech components having arc lengths generated along space-time trajectories | |
| JPH07219579A (ja) | 音声認識装置 | |
| JP2002149186A (ja) | 識別可能な適合に関する代替の単語列の選択 | |
| CN114203159B (zh) | 语音情感识别方法、终端设备及计算机可读存储介质 | |
| JP2955297B2 (ja) | 音声認識システム | |
| US20070203700A1 (en) | Speech Recognition Apparatus And Speech Recognition Method | |
| KR100404852B1 (ko) | 언어모델적응기능을가진음성인식장치및그제어방법 | |
| JP2003271185A (ja) | 音声認識用情報作成装置及びその方法と、音声認識装置及びその方法と、音声認識用情報作成プログラム及びそのプログラムを記録した記録媒体と、音声認識プログラム及びそのプログラムを記録した記録媒体 | |
| JPH0777998A (ja) | 連続単語音声認識装置 | |
| JPH067346B2 (ja) | 音声認識装置 | |
| JP3031081B2 (ja) | 音声認識装置 | |
| JP3357752B2 (ja) | パターンマッチング装置 | |
| JPH0635494A (ja) | 音声認識装置 | |
| JPH05158493A (ja) | 音声認識装置 | |
| JPH0554678B2 (ja) | ||
| JPH04125597A (ja) | 音声認識装置 | |
| JPH0651793A (ja) | 音声認識装置 | |
| JPH1097282A (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: 20020507 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20080524 Year of fee payment: 6 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20090524 Year of fee payment: 7 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20090524 Year of fee payment: 7 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20100524 Year of fee payment: 8 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20100524 Year of fee payment: 8 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20110524 Year of fee payment: 9 |
|
| LAPS | Cancellation because of no payment of annual fees |