JPH0760319B2 - 音声認識における単語予備選択方式 - Google Patents
音声認識における単語予備選択方式Info
- Publication number
- JPH0760319B2 JPH0760319B2 JP60173422A JP17342285A JPH0760319B2 JP H0760319 B2 JPH0760319 B2 JP H0760319B2 JP 60173422 A JP60173422 A JP 60173422A JP 17342285 A JP17342285 A JP 17342285A JP H0760319 B2 JPH0760319 B2 JP H0760319B2
- Authority
- JP
- Japan
- Prior art keywords
- key
- phoneme
- classes
- class
- length
- 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.)
- Expired - Lifetime
Links
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、入力音声に出現している可能性の高い単語を認識
用単語辞書等から効率よく選択する音声認識における単
語予備選択方式に関する。
られ、入力音声に出現している可能性の高い単語を認識
用単語辞書等から効率よく選択する音声認識における単
語予備選択方式に関する。
（従来技術とその問題点） 音声認識装置、音声入力装置では、通常、認識対象の語
彙をあらかじめ定めておき、入力音声をその語彙中のひ
とつの単語あるいは単語の並びとみなして認識処理を行
なう。認識処理とは例えば、入力音声と語彙中の各単語
の標準パターンとマッチング、あるいは入力音声の音素
候補系列と語彙中の各単語の音素系列とのマッチングを
行ない、入力音声にもっとも似ている単語または単語の
並びを求めることである。通常、この認識処理には多大
の計算量が必要である。しかも現在、認識対象の語彙の
大きさはますます増加しており、それに従って認識処理
に必要な計算量もますます増加している。
彙をあらかじめ定めておき、入力音声をその語彙中のひ
とつの単語あるいは単語の並びとみなして認識処理を行
なう。認識処理とは例えば、入力音声と語彙中の各単語
の標準パターンとマッチング、あるいは入力音声の音素
候補系列と語彙中の各単語の音素系列とのマッチングを
行ない、入力音声にもっとも似ている単語または単語の
並びを求めることである。通常、この認識処理には多大
の計算量が必要である。しかも現在、認識対象の語彙の
大きさはますます増加しており、それに従って認識処理
に必要な計算量もますます増加している。
そこで、音声が入力されたとき、その入力音声に出現し
ている可能性の高い単語のみを認識対象の語彙から容易
に予備的に選択することができならば、選択された単語
にたいしてのみ認識処理を行なえばよく、認識処理に必
要な計算量を減少させることが可能となる。
ている可能性の高い単語のみを認識対象の語彙から容易
に予備的に選択することができならば、選択された単語
にたいしてのみ認識処理を行なえばよく、認識処理に必
要な計算量を減少させることが可能となる。
通常、予備選択は入力音声中で安定に検出できる音素ク
ラスによって行なわれる。すなわち、入力音声中にいく
つかのそのような安定な音素クラスが検出されれば、認
識対象の語彙中の単語のうち、少なくともそれらの検出
された音素クラスをまったく含まない単語がその入力音
声中に含まれている確率は非常に小さいという原理を用
いる。
ラスによって行なわれる。すなわち、入力音声中にいく
つかのそのような安定な音素クラスが検出されれば、認
識対象の語彙中の単語のうち、少なくともそれらの検出
された音素クラスをまったく含まない単語がその入力音
声中に含まれている確率は非常に小さいという原理を用
いる。
安定に検出できる音素クラスとしては、５母音、摩擦音
および撥音を各クラスとしたり、摩擦音、破裂音等の子
音のおおまかな分類を各クラスとすることなど、あるい
は各音素を精度良く検出できるならば各音素をそのまま
音素クラスとすることなどが考えられる。
および撥音を各クラスとしたり、摩擦音、破裂音等の子
音のおおまかな分類を各クラスとすることなど、あるい
は各音素を精度良く検出できるならば各音素をそのまま
音素クラスとすることなどが考えられる。
ところで、入力音声中に検出された個々の音素クラスを
それぞれ予備選択のキーとし、これらのキーのいずれか
を含む単語を予備選択の結果とすると、多くの単語が予
備選択結果として出力されてしまい、予備選択の有効性
は小さくなる。従って通常は、入力音声中に検出された
音素クラスの数個を組み合わせて、それぞれを予備選択
のキーとする。この結果、キーの種類は多くなり、予備
選択される単語の数は少なくなり、予備選択はより有効
になる。
それぞれ予備選択のキーとし、これらのキーのいずれか
を含む単語を予備選択の結果とすると、多くの単語が予
備選択結果として出力されてしまい、予備選択の有効性
は小さくなる。従って通常は、入力音声中に検出された
音素クラスの数個を組み合わせて、それぞれを予備選択
のキーとする。この結果、キーの種類は多くなり、予備
選択される単語の数は少なくなり、予備選択はより有効
になる。
一方、音声の発声時の調音変化や音素クラス検出部の検
出性能などのために、一般に、入力音声中の音素クラス
の検出時には、含まれているはずの音素クラスが脱落し
たり、あるいは逆に本来存在しない音素クラスが挿入さ
れたりという検出誤りの生ずることが多い。さらに、入
力音声の同一区間に複数個の音素クラスが検出されるこ
ともある。従って、上記の予備選択方法においては、検
出された音素クラスの並びのなかの連続する一部の並び
だけを予備選択のキーとして用い、それらのキーのいず
れかと同じ並びを含む単語を予備選択結果とするので
は、入力された単語が正しく選択されない場合が多く生
ずることになり、不十分である。
出性能などのために、一般に、入力音声中の音素クラス
の検出時には、含まれているはずの音素クラスが脱落し
たり、あるいは逆に本来存在しない音素クラスが挿入さ
れたりという検出誤りの生ずることが多い。さらに、入
力音声の同一区間に複数個の音素クラスが検出されるこ
ともある。従って、上記の予備選択方法においては、検
出された音素クラスの並びのなかの連続する一部の並び
だけを予備選択のキーとして用い、それらのキーのいず
れかと同じ並びを含む単語を予備選択結果とするので
は、入力された単語が正しく選択されない場合が多く生
ずることになり、不十分である。
そこで、従来は、たとえば文献１「板橋、横山“語中部
分音素系列の指定による語彙の減少について”昭和58年
日本音響学会講演論文集１−１−3,昭和58年10月」ある
いは文献２「沢井、義永、中川“大語彙単語音声認識の
ための予備選択法の検討”日本音響学会音声研究会資料
S84−14,昭和59年６月」に示されているように、入力音
声中に検出された音素クラスの並びのなかの必ずしも連
続しない音素クラスのすべての可能な並びをそれぞれ予
備選択のキーとして取り出し、それらのキーのいずれか
と同じ音素クラスを必ずしも連続せずに含む単語を選択
することにより、音素クラスの検出誤りに対処してい
た。
分音素系列の指定による語彙の減少について”昭和58年
日本音響学会講演論文集１−１−3,昭和58年10月」ある
いは文献２「沢井、義永、中川“大語彙単語音声認識の
ための予備選択法の検討”日本音響学会音声研究会資料
S84−14,昭和59年６月」に示されているように、入力音
声中に検出された音素クラスの並びのなかの必ずしも連
続しない音素クラスのすべての可能な並びをそれぞれ予
備選択のキーとして取り出し、それらのキーのいずれか
と同じ音素クラスを必ずしも連続せずに含む単語を選択
することにより、音素クラスの検出誤りに対処してい
た。
しかしながらこの方法では、入力音声中に検出された音
素クラスの並びから必ずしも連続せずに取り出せるすべ
ての可能な音素クラスの並びをそれぞれキーとするため
に、キーの数が非常に多くなる。そのため、各単語とキ
ーの比較の回数が増加するほか、選択される単語の数も
増加し、予備選択の有効性が減少する。
素クラスの並びから必ずしも連続せずに取り出せるすべ
ての可能な音素クラスの並びをそれぞれキーとするため
に、キーの数が非常に多くなる。そのため、各単語とキ
ーの比較の回数が増加するほか、選択される単語の数も
増加し、予備選択の有効性が減少する。
（発明の目的） 本発明の目的は、前記従来技術の欠点を取りのぞいて、
予備選択のための必要最小限のキーを入力音声から検出
し、予備選択に必要な計算量を減少させ、かつ選択され
る単語の数も少なくすることが可能な音声認識における
単語予備選択方式を提供することにある。
予備選択のための必要最小限のキーを入力音声から検出
し、予備選択に必要な計算量を減少させ、かつ選択され
る単語の数も少なくすることが可能な音声認識における
単語予備選択方式を提供することにある。
（発明の構成） 前述の問題点を解決するために提供する本願の第１の発
明は、入力音声中の必ずしも連続しない２個の音素クラ
スの並びをキーとし、前記入力音声から少なくとも１個
のキーを取り出し、これらのキーのいずれかと同じ音素
クラスの並びを必ずしも連続せずに含む単語を予備選択
結果として出力する音声認識における単語予備選択方式
において、 入力音声中の音素クラスの並びＰ（１）,P（２），…,P
（ｍ）を検出する音素クラス検出部と、 前記音素クラス検出部によって検出された任意の２個の
音素クラスＰ（ｑ）,P（ｒ）（ただし、１≦ｑ≦ｒ≦
ｍ）について、あらかじめ用意した標準パターンのそれ
ぞれと前記入力音声中の音素クラスＰ（ｑ）,P（ｒ）の
間の区間との類似度の最大値があらかじめ定めたしきい
値より大ならば、音素クラスＰ（ｑ）,P（ｒ）の並びを
前記キーとして検出するキー検出部とを有し、 前記キー検出部によって検出された少なくとも１個のキ
ーにより予備選択を行なうことを特徴とする。
明は、入力音声中の必ずしも連続しない２個の音素クラ
スの並びをキーとし、前記入力音声から少なくとも１個
のキーを取り出し、これらのキーのいずれかと同じ音素
クラスの並びを必ずしも連続せずに含む単語を予備選択
結果として出力する音声認識における単語予備選択方式
において、 入力音声中の音素クラスの並びＰ（１）,P（２），…,P
（ｍ）を検出する音素クラス検出部と、 前記音素クラス検出部によって検出された任意の２個の
音素クラスＰ（ｑ）,P（ｒ）（ただし、１≦ｑ≦ｒ≦
ｍ）について、あらかじめ用意した標準パターンのそれ
ぞれと前記入力音声中の音素クラスＰ（ｑ）,P（ｒ）の
間の区間との類似度の最大値があらかじめ定めたしきい
値より大ならば、音素クラスＰ（ｑ）,P（ｒ）の並びを
前記キーとして検出するキー検出部とを有し、 前記キー検出部によって検出された少なくとも１個のキ
ーにより予備選択を行なうことを特徴とする。
同様に、前述の問題点を解決するために提供する本願の
第２の発明は、入力音声中の必ずしも連続しないｎ個
（ただし、ｎ≧３）の音素クラスの並びを長さｎのキー
とし、前記入力音声から少なくとも１個の長さｎのキー
を取り出し、これらのキーのいずれかと同じ音素クラス
の並びを必ずしも連続せずに含む単語を予備選択結果と
して出力する音声認識における単語予備選択方式におい
て、 入力音声中の音素クラスの並びＰ（１）,P（２），…,P
（ｍ）を検出する音素クラス検出部と、 前記音素クラス検出部によって検出された任意の２個の
音素クラスＰ（ｑ）,P（ｒ）（ただし、１≦ｑ≦ｒ≦
ｍ）について、あらかじめ用意した標準パターンのそれ
ぞれと前記入力音声中の音素クラスＰ（ｑ）,P（ｒ）の
間の区間との類似度の最大値があらかじめ定めたしきい
値より大ならば、音素クラスＰ（ｑ）,P（ｒ）の並びを
長さ２のキーとして検出するキー検出部と、 長さｉの第１のキーの最後部の音素クラスと長さｊの第
２のキー最前部の音素クラスとが前記入力音声中での同
一音素クラスであったときに、第１のキーの後尾に第２
のキーの２番目以降の音素クラスを接続して長さｉ＋ｊ
−１のキーを作成するという処理を繰り返し行なうこと
によって、前記キー検出部によって検出された複数個の
長さ２のキーから少なくとも１個の前記長さｎのキーを
作成するキー接続部を有し、 前記キー接続部によって作成された少なくとも１個の長
さｎのキーにより予備選択を行なうことを特徴とする。
第２の発明は、入力音声中の必ずしも連続しないｎ個
（ただし、ｎ≧３）の音素クラスの並びを長さｎのキー
とし、前記入力音声から少なくとも１個の長さｎのキー
を取り出し、これらのキーのいずれかと同じ音素クラス
の並びを必ずしも連続せずに含む単語を予備選択結果と
して出力する音声認識における単語予備選択方式におい
て、 入力音声中の音素クラスの並びＰ（１）,P（２），…,P
（ｍ）を検出する音素クラス検出部と、 前記音素クラス検出部によって検出された任意の２個の
音素クラスＰ（ｑ）,P（ｒ）（ただし、１≦ｑ≦ｒ≦
ｍ）について、あらかじめ用意した標準パターンのそれ
ぞれと前記入力音声中の音素クラスＰ（ｑ）,P（ｒ）の
間の区間との類似度の最大値があらかじめ定めたしきい
値より大ならば、音素クラスＰ（ｑ）,P（ｒ）の並びを
長さ２のキーとして検出するキー検出部と、 長さｉの第１のキーの最後部の音素クラスと長さｊの第
２のキー最前部の音素クラスとが前記入力音声中での同
一音素クラスであったときに、第１のキーの後尾に第２
のキーの２番目以降の音素クラスを接続して長さｉ＋ｊ
−１のキーを作成するという処理を繰り返し行なうこと
によって、前記キー検出部によって検出された複数個の
長さ２のキーから少なくとも１個の前記長さｎのキーを
作成するキー接続部を有し、 前記キー接続部によって作成された少なくとも１個の長
さｎのキーにより予備選択を行なうことを特徴とする。
（作用） 前述の問題点は、入力音声中に検出された音素クラスの
並びから必ずしも連続せずに取り出すことのできるすべ
ての可能な音素クラスの並びをそれぞれキーとしたこと
に起因する。
並びから必ずしも連続せずに取り出すことのできるすべ
ての可能な音素クラスの並びをそれぞれキーとしたこと
に起因する。
これに対して本発明では、これらの音素クラスの並びの
うちで、実際に発声された可能性の高い音素クラスの並
びだけをキーとする。ただし、「続けて発声された」と
は、予備選択のキーの構成要素として使用する音素クラ
ス、すなわち安定に検出できる音素クラスに関してのみ
のことであり、それらのあいだに他の音素が存在してい
るのはかまわない。このような本発明のキーは、前記従
来技術のキー、すなわち必ずしも連続せずに取り出すこ
とのできるすべての可能な音素クラスの並びの部分集合
であり、従って、その数は少ない。
うちで、実際に発声された可能性の高い音素クラスの並
びだけをキーとする。ただし、「続けて発声された」と
は、予備選択のキーの構成要素として使用する音素クラ
ス、すなわち安定に検出できる音素クラスに関してのみ
のことであり、それらのあいだに他の音素が存在してい
るのはかまわない。このような本発明のキーは、前記従
来技術のキー、すなわち必ずしも連続せずに取り出すこ
とのできるすべての可能な音素クラスの並びの部分集合
であり、従って、その数は少ない。
一方、続けて発声された可能性が高いということは、そ
れらの音素クラスは単語中でも続いている可能性が高い
と言える。従って、従来のように単語中の音素クラスの
並びについてもすべての可能性を調べる、という必要は
なく、音素クラスの検出誤りによる数個の音素クラスの
脱落を考慮するだけでよい。
れらの音素クラスは単語中でも続いている可能性が高い
と言える。従って、従来のように単語中の音素クラスの
並びについてもすべての可能性を調べる、という必要は
なく、音素クラスの検出誤りによる数個の音素クラスの
脱落を考慮するだけでよい。
（実施例） 以下では、図面を参照しつつ、実施例に従って本発明を
詳細に説明する。
詳細に説明する。
第１図は、本願の第２の発明の一実施例を示すブロック
図である。本実施例では、予備選択のキーの長さをｎ＝
３とし、また、予備選択のキーに使用する音素クラスと
して、a,i,u,e,oの５母音および撥声Ｘの６種類を用い
る。これらの音素クラスは入力音声の中では比較的定常
状態にあり、現在の技術レベルで比較的安定に検出でき
る。
図である。本実施例では、予備選択のキーの長さをｎ＝
３とし、また、予備選択のキーに使用する音素クラスと
して、a,i,u,e,oの５母音および撥声Ｘの６種類を用い
る。これらの音素クラスは入力音声の中では比較的定常
状態にあり、現在の技術レベルで比較的安定に検出でき
る。
入力音声はいったん、音声メモリ101に記憶される。音
素クラス検出部102は、音声メモリ101の入力音声から、
予備選択のキーの構成要素となる音素クラスを複数個検
出し、音素クラスメモリ103に各音素クラスとそれらの
入力音声中での位置とを記憶する。音素クラス検出部10
2において入力音声からこれらの音素クラスを検出する
ためには、例えば、あらかじめ各音素クラスの１音声フ
レームあたりの標準パターンを用意しておき、入力音声
の各フレームとそれらの標準パターンとの類似度を調
べ、ある音素クラスの標準パターンが数フレームにわた
って連続して高い類似度を示す区間があれば、その音素
クラスをその音声区間の音素クラスとして検出する、と
いう方法が知られている。
素クラス検出部102は、音声メモリ101の入力音声から、
予備選択のキーの構成要素となる音素クラスを複数個検
出し、音素クラスメモリ103に各音素クラスとそれらの
入力音声中での位置とを記憶する。音素クラス検出部10
2において入力音声からこれらの音素クラスを検出する
ためには、例えば、あらかじめ各音素クラスの１音声フ
レームあたりの標準パターンを用意しておき、入力音声
の各フレームとそれらの標準パターンとの類似度を調
べ、ある音素クラスの標準パターンが数フレームにわた
って連続して高い類似度を示す区間があれば、その音素
クラスをその音声区間の音素クラスとして検出する、と
いう方法が知られている。
例えば、「コウチョーセンセー」という入力音声に対し
ては、第２図に示すような、 Ｐ（１）＝ｏ Ｐ（２）＝ｕ Ｐ（３）＝ｏ Ｐ（４）＝ｅ Ｐ（５）＝ｕ Ｐ（６）＝Ｘ Ｐ（７）＝ｅ の７個の音素クラスが検出され、それぞれ入力音声中の
位置情報とともに音素クラスメモリ103に記憶される。
ては、第２図に示すような、 Ｐ（１）＝ｏ Ｐ（２）＝ｕ Ｐ（３）＝ｏ Ｐ（４）＝ｅ Ｐ（５）＝ｕ Ｐ（６）＝Ｘ Ｐ（７）＝ｅ の７個の音素クラスが検出され、それぞれ入力音声中の
位置情報とともに音素クラスメモリ103に記憶される。
キー検出部104は、音素クラスメモリ103の任意の２個の
音素クラスのすべての組み合わせのそれぞれについて、
あらかじめ用意しておいた標準パターンのそれぞれと入
力音声中の前記２個の音素クラスの間の区間との類似度
を計算し、その最大値があらかじめ定めたしきい値より
も大であれば、前記２個の音素クラスの並びを長さ２の
キーとしキーメモリ105に記憶する。ここで、２個の音
素クラスをＰ（ｑ）,P（ｒ）（ただし、ｑ＜ｒ）とする
と、Ｐ（ｑ）とＰ（ｒ）の間の区間とは、入力音声中で
のＰ（ｑ）,P（ｒ）それぞれの音声区間の中心のあいだ
の音声区間である。また、類似度を計算するための標準
パターンは、“「音素クラスＰ（ｑ）の後半」〜「予備
選択のキーに使用しない音素」〜「音素クラスＰ（ｒ）
の前半」”という音声パターンのすべてと“「音素クラ
スＰ（ｑ）の後半」〜「音素クラスＰ（ｒ）の後半」”
という音声パターンである。ただし、これらの標準パタ
ーンをあらかじめすべて用意する必要は必ずしもなく、
類似度の計算時にこれらのすべての標準パターンを等価
的に用意できればよい。
音素クラスのすべての組み合わせのそれぞれについて、
あらかじめ用意しておいた標準パターンのそれぞれと入
力音声中の前記２個の音素クラスの間の区間との類似度
を計算し、その最大値があらかじめ定めたしきい値より
も大であれば、前記２個の音素クラスの並びを長さ２の
キーとしキーメモリ105に記憶する。ここで、２個の音
素クラスをＰ（ｑ）,P（ｒ）（ただし、ｑ＜ｒ）とする
と、Ｐ（ｑ）とＰ（ｒ）の間の区間とは、入力音声中で
のＰ（ｑ）,P（ｒ）それぞれの音声区間の中心のあいだ
の音声区間である。また、類似度を計算するための標準
パターンは、“「音素クラスＰ（ｑ）の後半」〜「予備
選択のキーに使用しない音素」〜「音素クラスＰ（ｒ）
の前半」”という音声パターンのすべてと“「音素クラ
スＰ（ｑ）の後半」〜「音素クラスＰ（ｒ）の後半」”
という音声パターンである。ただし、これらの標準パタ
ーンをあらかじめすべて用意する必要は必ずしもなく、
類似度の計算時にこれらのすべての標準パターンを等価
的に用意できればよい。
第２図に示した入力音声を例にとりキー検出部104の動
作を詳しく説明する。まず、音素クラスメモリ103から
２個の音素クラス、Ｐ（１）とＰ（２）とを取り出す。
つぎに、入力音声メモリ101の入力音声のＰ（１）とＰ
（２）のあいだの区間に対して、すべての子音のそれぞ
れについて“「母音ｏの後半」〜「子音」〜「母音ｕの
前半」”の標準パターン、および“「母音ｏの後半」〜
「母音ｕの前半」”の標準パターンのそれぞれの類似度
を計算する。いまの場合、Ｐ（１）とＰ（２）のあいだ
の区間は「コウ」と発声された区間であるから、“「母
音ｏの後半」〜「母音ｕの前半」”の標準パターンがし
いき値よりも大きな類似度を示すはずであり、従って、
キー検出部104は音素クラスＰ（１）とＰ（２）の並
び、Ｐ（１）−Ｐ（２）を長さ２のキーとみなし、キー
メモリ105に記憶する。
作を詳しく説明する。まず、音素クラスメモリ103から
２個の音素クラス、Ｐ（１）とＰ（２）とを取り出す。
つぎに、入力音声メモリ101の入力音声のＰ（１）とＰ
（２）のあいだの区間に対して、すべての子音のそれぞ
れについて“「母音ｏの後半」〜「子音」〜「母音ｕの
前半」”の標準パターン、および“「母音ｏの後半」〜
「母音ｕの前半」”の標準パターンのそれぞれの類似度
を計算する。いまの場合、Ｐ（１）とＰ（２）のあいだ
の区間は「コウ」と発声された区間であるから、“「母
音ｏの後半」〜「母音ｕの前半」”の標準パターンがし
いき値よりも大きな類似度を示すはずであり、従って、
キー検出部104は音素クラスＰ（１）とＰ（２）の並
び、Ｐ（１）−Ｐ（２）を長さ２のキーとみなし、キー
メモリ105に記憶する。
同様に、Ｐ（１）とＰ（３）については、入力音声メモ
リ101の入力音声のＰ（１）とＰ（３）のあいだの区間
に対して、すべての子音のそれぞれについての“「母音
ｏの後半」〜「子音」〜「母音ｏの前半」”の標準パタ
ーン、および“「母音ｏの後半」〜「母音ｏの前半」”
の標準パターンのそれぞれについての類似度を計算す
る。ところが、Ｐ（１）とＰ（２）ののあいだは実際に
は「コウチョー」と発声された区間であるために、この
区間に対してしきい値より大きな類似度を示す標準パタ
ーンはない。したがって、Ｐ（１）とＰ（３）の並びは
長さ２のキーとはみなされない。
リ101の入力音声のＰ（１）とＰ（３）のあいだの区間
に対して、すべての子音のそれぞれについての“「母音
ｏの後半」〜「子音」〜「母音ｏの前半」”の標準パタ
ーン、および“「母音ｏの後半」〜「母音ｏの前半」”
の標準パターンのそれぞれについての類似度を計算す
る。ところが、Ｐ（１）とＰ（２）ののあいだは実際に
は「コウチョー」と発声された区間であるために、この
区間に対してしきい値より大きな類似度を示す標準パタ
ーンはない。したがって、Ｐ（１）とＰ（３）の並びは
長さ２のキーとはみなされない。
以下同様に、音素クラスメモリ103の任意の２個の音素
クラスのすべての組み合わせについて、それぞれ長さ２
のキーとみなすか否かの判定を行なうと、キーメモリ10
5には最終的に、 Ｐ（１）−Ｐ（２）:o−ｕ Ｐ（２）−Ｐ（３）:u−ｏ Ｐ（３）−Ｐ（４）:o−ｅ Ｐ（４）−Ｐ（５）:e−ｕ Ｐ（４）−Ｐ（６）:e−Ｘ Ｐ（６）−Ｐ（７）:X−ｅ の６個の長さ２のキーが記憶される。ここで、コロ
ン“:"の右に示したものは、それぞれのキーが表わす音
素クラス名の並びである。
クラスのすべての組み合わせについて、それぞれ長さ２
のキーとみなすか否かの判定を行なうと、キーメモリ10
5には最終的に、 Ｐ（１）−Ｐ（２）:o−ｕ Ｐ（２）−Ｐ（３）:u−ｏ Ｐ（３）−Ｐ（４）:o−ｅ Ｐ（４）−Ｐ（５）:e−ｕ Ｐ（４）−Ｐ（６）:e−Ｘ Ｐ（６）−Ｐ（７）:X−ｅ の６個の長さ２のキーが記憶される。ここで、コロ
ン“:"の右に示したものは、それぞれのキーが表わす音
素クラス名の並びである。
続いて、キー接続部106はキーメモリ105の任意の２個の
長さ２のキーを接続して長さ３のキーを作成し、キーメ
モリ107に記憶する。２個のキーが接続できるために
は、第１のキーの最後部の音素クラスと第２のキー最前
部の音素クラスが入力音声中で同一のものでなければな
らない。
長さ２のキーを接続して長さ３のキーを作成し、キーメ
モリ107に記憶する。２個のキーが接続できるために
は、第１のキーの最後部の音素クラスと第２のキー最前
部の音素クラスが入力音声中で同一のものでなければな
らない。
上記キーメモリ105の内容を例にとると、キーの最後
部の音素クラスとキーの最前部の音素クラスはどちら
もＰ（２）で同一であるから、キーとキーとは接続
され、長さ３のキーＰ（１）−Ｐ（２）−Ｐ（３）がキ
ーメモリ107に記憶される。一方、キーとキーとは
接続できない。以下同様に、キーメモリ105の２個のキ
ーすべての組について接続を試みると、最終的にキーメ
モリ107には、 −Ｐ（１）−Ｐ（２）−Ｐ（３）:o−ｕ−ｏ −Ｐ（２）−Ｐ（３）−Ｐ（４）:u−ｏ−ｅ −Ｐ（３）−Ｐ（４）−Ｐ（５）:o−ｅ−ｕ −Ｐ（３）−Ｐ（４）−Ｐ（６）:o−ｅ−Ｘ −Ｐ（４）−Ｐ（６）−Ｐ（７）:e−Ｘ−ｅ の５個の長さ３のキーが記憶される。
部の音素クラスとキーの最前部の音素クラスはどちら
もＰ（２）で同一であるから、キーとキーとは接続
され、長さ３のキーＰ（１）−Ｐ（２）−Ｐ（３）がキ
ーメモリ107に記憶される。一方、キーとキーとは
接続できない。以下同様に、キーメモリ105の２個のキ
ーすべての組について接続を試みると、最終的にキーメ
モリ107には、 −Ｐ（１）−Ｐ（２）−Ｐ（３）:o−ｕ−ｏ −Ｐ（２）−Ｐ（３）−Ｐ（４）:u−ｏ−ｅ −Ｐ（３）−Ｐ（４）−Ｐ（５）:o−ｅ−ｕ −Ｐ（３）−Ｐ（４）−Ｐ（６）:o−ｅ−Ｘ −Ｐ（４）−Ｐ（６）−Ｐ（７）:e−Ｘ−ｅ の５個の長さ３のキーが記憶される。
最後に、単語選択部109が、認識対象の語彙の単語を記
憶する単語辞書108の中のそれぞれの単語について、キ
ーメモリ107のキーによる予備選択を行なう。単語辞書1
08中のそれぞれの単語には、予備選択のキーに使用する
音素クラスの単語中での並びが付与されている。予備選
択は、単語に付与されている音素クラスの並びと、キー
メモリ107のそれぞれのキーが表わす音素クラスの並び
とを比較することによって行なわれる。すなわち、キー
メモリ107のいずれかのキーの音素クラスの並びを含む
単語を予備選択候補として出力する。このとき例えば、
音素クラス検出部102における音素クラスの検出誤りが
生じても、それにより２個以上の音素クラスが連続して
脱落する確率が非常に小さいとすると、キーの音素クラ
スの並びの中に他の音素クラスが続けて１個までなら挿
入されていてもよいとする。
憶する単語辞書108の中のそれぞれの単語について、キ
ーメモリ107のキーによる予備選択を行なう。単語辞書1
08中のそれぞれの単語には、予備選択のキーに使用する
音素クラスの単語中での並びが付与されている。予備選
択は、単語に付与されている音素クラスの並びと、キー
メモリ107のそれぞれのキーが表わす音素クラスの並び
とを比較することによって行なわれる。すなわち、キー
メモリ107のいずれかのキーの音素クラスの並びを含む
単語を予備選択候補として出力する。このとき例えば、
音素クラス検出部102における音素クラスの検出誤りが
生じても、それにより２個以上の音素クラスが連続して
脱落する確率が非常に小さいとすると、キーの音素クラ
スの並びの中に他の音素クラスが続けて１個までなら挿
入されていてもよいとする。
キーメモリ107に記憶されている前記５個の長さ３のキ
ーを例にとって説明する。例えば、単語辞書108の単語
「seXsei（センセイ）」が単語選択部109にわたされた
とすると、この単語の音素クラスの並びはｅ−Ｘ−ｅ−
ｉである。この並びと前記５個の長さ３のキーとを比較
すると、キー−のＰ（４）−Ｐ（６）−Ｐ（７）の
表わすｅ−Ｘ−ｅが単語の音素クラスの並びに含まれる
ことがわかり、従って単語「seXsei（センセイ）」が予
備選択結果として出力される。同様に、単語「Koucyou
（コウチョウ）」の音素クラスの並びはｏ−ｕ−ｏ−ｕ
であり、キー−のＰ（１）−Ｐ（２）−Ｐ（３）の
ｏ−ｕ−ｏが含まれるから、予備選択結果として出力さ
れる。単語「koueX（コウエン）」はその音素クラスの
並びがｏ−ｕ−ｅ−Ｘであり、これにはキー−のＰ
（３）−Ｐ（４）−Ｐ（６）のｏ−ｅ−Ｘがｏとｅのあ
いだにｕをただ１個挿入すれば一致するため、この単語
も予備選択結果として出力される。一方、単語「oXsei
（オンセイ）」は、その音素クラスの並びｏ−Ｘ−ｅ−
ｉに前記５個のキーのいずれも含まれないため、予備選
択結果としては出力されない。以下、単語辞書108の他
のすべての単語についても同様にキーとの比較が行わ
れ、いくつかの単語が予備選択結果として出力される。
ーを例にとって説明する。例えば、単語辞書108の単語
「seXsei（センセイ）」が単語選択部109にわたされた
とすると、この単語の音素クラスの並びはｅ−Ｘ−ｅ−
ｉである。この並びと前記５個の長さ３のキーとを比較
すると、キー−のＰ（４）−Ｐ（６）−Ｐ（７）の
表わすｅ−Ｘ−ｅが単語の音素クラスの並びに含まれる
ことがわかり、従って単語「seXsei（センセイ）」が予
備選択結果として出力される。同様に、単語「Koucyou
（コウチョウ）」の音素クラスの並びはｏ−ｕ−ｏ−ｕ
であり、キー−のＰ（１）−Ｐ（２）−Ｐ（３）の
ｏ−ｕ−ｏが含まれるから、予備選択結果として出力さ
れる。単語「koueX（コウエン）」はその音素クラスの
並びがｏ−ｕ−ｅ−Ｘであり、これにはキー−のＰ
（３）−Ｐ（４）−Ｐ（６）のｏ−ｅ−Ｘがｏとｅのあ
いだにｕをただ１個挿入すれば一致するため、この単語
も予備選択結果として出力される。一方、単語「oXsei
（オンセイ）」は、その音素クラスの並びｏ−Ｘ−ｅ−
ｉに前記５個のキーのいずれも含まれないため、予備選
択結果としては出力されない。以下、単語辞書108の他
のすべての単語についても同様にキーとの比較が行わ
れ、いくつかの単語が予備選択結果として出力される。
以下、本願の第２の発明の実施例を示したが、本願の第
１の発明を実施するためには、例えば、上述の実施例に
おけるキーメモリ105に記憶されている長さ２のキーを
単語選択部109の入力として予備選択を行えばよい。
１の発明を実施するためには、例えば、上述の実施例に
おけるキーメモリ105に記憶されている長さ２のキーを
単語選択部109の入力として予備選択を行えばよい。
本願の第１の発明、第２の発明とも実施例に限定される
ものではない。
ものではない。
予備選択のキーに使用する音素クラスとしては、実施例
で示したものに限らず、例えば摩擦音、破裂音等の子音
のおおまかなクラスなど、安定に検出できるものであれ
ばよい。また、各音素を精度よく検出できるならば、そ
れらをそのまま音素クラスとしてもよい。
で示したものに限らず、例えば摩擦音、破裂音等の子音
のおおまかなクラスなど、安定に検出できるものであれ
ばよい。また、各音素を精度よく検出できるならば、そ
れらをそのまま音素クラスとしてもよい。
また、キーの長さは、実施例の３や２に限らず、さら
に、例えば入力音声の長さに依存する変数としてもよ
い。
に、例えば入力音声の長さに依存する変数としてもよ
い。
キー検出部104における類似度のしきい値は、必ずしも
定数でなくてもよく、例えば標準パターンに依存する変
数としてもよい。
定数でなくてもよく、例えば標準パターンに依存する変
数としてもよい。
さらに、キー検出部104においては、２個の音素クラス
間の区間と標準パターンとの類似度を計算するまえにそ
の区間長を調べ、それがあるしきい値以上なら類似度の
計算を行わずにキーとはしない、との判定を行なうよう
にしてもよい。
間の区間と標準パターンとの類似度を計算するまえにそ
の区間長を調べ、それがあるしきい値以上なら類似度の
計算を行わずにキーとはしない、との判定を行なうよう
にしてもよい。
（発明の効果） 以上説明したように、本発明によると、例えば実施例の
入力音声の場合には、予備選択のキーの数は、長さ２の
ものが６個、長さ２のものが５個となる。これに対し、
前述の従来技術の方法では、検出された音素クラスＰ
（１）,P（２），…,P（６）から得られる長さ２のキー
はｏ−u,o−o,o−e,u−o,u−e,u−u,e−u,e−ｅの８
個、長さ３のキーは、ｏ−ｕ−o,o−ｕ−e,o−ｕ−u,o
−ｏ−e,o−ｏ−u,o−ｅ−u,o−ｅ−e,e−ｕ−ｅの８個
と多い。しかも、本発明によると、キーを単語の音素ク
ラスの並びとの比較の際は、音素クラス検出部による音
素クラスの数個の脱落の可能性を考慮するだけでよい
が、従来技術では、単語の音素クラスの並びについても
必ずしも連続しない音素クラスの並びのすべての組み合
わせを調べる必要がある。
入力音声の場合には、予備選択のキーの数は、長さ２の
ものが６個、長さ２のものが５個となる。これに対し、
前述の従来技術の方法では、検出された音素クラスＰ
（１）,P（２），…,P（６）から得られる長さ２のキー
はｏ−u,o−o,o−e,u−o,u−e,u−u,e−u,e−ｅの８
個、長さ３のキーは、ｏ−ｕ−o,o−ｕ−e,o−ｕ−u,o
−ｏ−e,o−ｏ−u,o−ｅ−u,o−ｅ−e,e−ｕ−ｅの８個
と多い。しかも、本発明によると、キーを単語の音素ク
ラスの並びとの比較の際は、音素クラス検出部による音
素クラスの数個の脱落の可能性を考慮するだけでよい
が、従来技術では、単語の音素クラスの並びについても
必ずしも連続しない音素クラスの並びのすべての組み合
わせを調べる必要がある。
従って、本発明によれば、予備選択のための必要最小限
のキーを入力音声から検出することが可能で、その結
果、予備選択に必要な計算量が少なく、かつ、選択され
る単語の数も少ない、音声認識における単語予備選択方
式を提供することができる。
のキーを入力音声から検出することが可能で、その結
果、予備選択に必要な計算量が少なく、かつ、選択され
る単語の数も少ない、音声認識における単語予備選択方
式を提供することができる。
第１図は、本発明の実施例を示すブロック図、第２図は
その実施例における音素クラスの検出例を示す図であ
る。 101……音声メモリ、102……音素クラス検出部、 103……音素クラスメモリ、104……キー検出部、 105……キーメモリ、106……キー接続部、 107……キーメモリ、108……単語辞書、 109……単語選択部。
その実施例における音素クラスの検出例を示す図であ
る。 101……音声メモリ、102……音素クラス検出部、 103……音素クラスメモリ、104……キー検出部、 105……キーメモリ、106……キー接続部、 107……キーメモリ、108……単語辞書、 109……単語選択部。
Claims (2)
- 【請求項１】入力音声中の必ずしも連続しない２個の音
素クラスの並びをキーとし、前記入力音声から少なくと
も１個のキーを取り出し、これらのキーのいずれかと同
じ音素クラスの並びを必ずしも連続せずに含む単語を予
備選択結果として出力する音声認識における単語予備選
択方式において、 入力音声中の音素クラスの並びＰ（１）,P（２），…,P
（ｍ）を検出する音素クラス検出部と、 前記音素クラス検出部によって検出された任意の２個の
音素クラスＰ（ｑ）,P（ｒ）（ただし、１≦ｑ≦ｒ≦
ｍ）について、あらかじめ用意した標準パターンのそれ
ぞれと前記入力音声中の音素クラスＰ（ｑ）,P（ｒ）の
間の区間との類似度の最大値があらかじめ定めたしきい
値より大ならば、音素クラスＰ（ｑ）,P（ｒ）の並びを
前記キーとして検出するキー検出部とを有し、 前記キー検出部によって検出された少なくとも１個のキ
ーにより予備選択を行なうことを特徴とする、音声認識
における単語予備選択方式。 - 【請求項２】入力音声中の必ずしも連続しないｎ個（た
だし、ｎ≧３）の音素クラスの並びを長さｎのキーと
し、前記入力音声から少なくとも１個の長さｎのキーを
取り出し、これらのキーのいずれかと同じ音素クラスの
並びを必ずしも連続せずに含む単語を予備選択結果とし
て出力する音声認識における単語予備選択方式におい
て、 入力音声中の音素クラスの並びＰ（１）,P（２），…,P
（ｍ）を検出する音素クラス検出部と、 前記音素クラス検出部によって検出された任意の２個の
音素クラスＰ（ｑ）,P（ｒ）（ただし、１≦ｑ≦ｒ≦
ｍ）について、あらかじめ用意した標準パターンのそれ
ぞれと前記入力音声中の音素クラスＰ（ｑ）,P（ｒ）の
間の区間との類似度の最大値があらかじめ定めたしきい
値以下ならば、音素クラスＰ（ｑ）,P（ｒ）の並びを長
さ２のキーとして検出するキー検出部と、 長さｉの第１のキーの最後部の音素クラスと長さｊの第
２のキー最前部の音素クラスとが前記入力音声中での同
一音素クラスであったときに、第１のキーの後尾に第２
のキーの２番目以降の音素クラスを接続して長さｉ＋ｊ
−１のキーを作成するという操作を繰り返し行なうこと
によって、前記キー検出部によって検出された複数個の
長さ２のキーから少なくとも１個の前記長さｎのキーを
作成するキー接続部を有し、 前記キー接続部によって作成された少なくとも１個の長
さｎのキーにより予備選択を行なうことを特徴とする、
音声認識における単語予備選択方式。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP60173422A JPH0760319B2 (ja) | 1985-08-06 | 1985-08-06 | 音声認識における単語予備選択方式 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP60173422A JPH0760319B2 (ja) | 1985-08-06 | 1985-08-06 | 音声認識における単語予備選択方式 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPS6232499A JPS6232499A (ja) | 1987-02-12 |
| JPH0760319B2 true JPH0760319B2 (ja) | 1995-06-28 |
Family
ID=15960154
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP60173422A Expired - Lifetime JPH0760319B2 (ja) | 1985-08-06 | 1985-08-06 | 音声認識における単語予備選択方式 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPH0760319B2 (ja) |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS5887599A (ja) * | 1981-11-20 | 1983-05-25 | 株式会社ピーエフーユー | 音声単語認識装置 |
| JPS599080A (ja) * | 1982-07-07 | 1984-01-18 | Alps Electric Co Ltd | プリンタ |
-
1985
- 1985-08-06 JP JP60173422A patent/JPH0760319B2/ja not_active Expired - Lifetime
Also Published As
| Publication number | Publication date |
|---|---|
| JPS6232499A (ja) | 1987-02-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| EP0109190B1 (en) | Monosyllable recognition apparatus | |
| JP2739945B2 (ja) | 音声認識方法 | |
| US5799274A (en) | Speech recognition system and method for properly recognizing a compound word composed of a plurality of words | |
| JPS61219099A (ja) | 音声認識装置 | |
| EP0103258B1 (en) | Pattern matching apparatus | |
| EP0987681B1 (en) | Speech recognition method and apparatus | |
| JP3039453B2 (ja) | 音声認識装置 | |
| JP3460723B2 (ja) | 音声認識方式 | |
| JP3128251B2 (ja) | 音声認識装置 | |
| JPS6232499A (ja) | 音声認識における単語予備選択方式 | |
| JP2979912B2 (ja) | 音声認識装置 | |
| JPS62206597A (ja) | 音声認識用単語予備選択方式 | |
| US20070271096A1 (en) | Voice Recognition Method And System Based On The Contexual Modeling Of Voice Units | |
| JPH0464077B2 (ja) | ||
| JPH0575120B2 (ja) | ||
| JPS61200596A (ja) | 連続音声認識装置 | |
| JPH03214198A (ja) | ワードスポッティング音声認識方法 | |
| JPH0632014B2 (ja) | 単語検出方式 | |
| JPH0415960B2 (ja) | ||
| JPH067359B2 (ja) | 音声認識装置 | |
| JPS5926800A (ja) | 音声認識装置 | |
| JPS6344698A (ja) | 単語検出方式 | |
| JPS62118398A (ja) | 単語認識装置 | |
| JPS6335996B2 (ja) | ||
| JPH0570839B2 (ja) |