JPH0769713B2 - 音声認識応答装置 - Google Patents
音声認識応答装置Info
- Publication number
- JPH0769713B2 JPH0769713B2 JP62095616A JP9561687A JPH0769713B2 JP H0769713 B2 JPH0769713 B2 JP H0769713B2 JP 62095616 A JP62095616 A JP 62095616A JP 9561687 A JP9561687 A JP 9561687A JP H0769713 B2 JPH0769713 B2 JP H0769713B2
- Authority
- JP
- Japan
- Prior art keywords
- voice
- recognition
- unit
- frame
- detecting
- 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、人間の声を機械に認識させ、機械が応答する
音声認識応答装置に関するものである。
音声認識応答装置に関するものである。
従来の技術 近年、電話等を利用した音声認識応答装置の開発が活発
に行なわれている。このような不特定話者を対象とした
音声認識においては、ノイズを含んだ音声信号や語頭、
語尾における発声が不明瞭な音声信号についても認識す
る必要があるが、本出願人は先にこれら不明瞭な音声信
号に対して高い認識率を得ることができるようにした音
声認識方法について特願昭60−251360号として提案し
た。以下、この方法を用いて音声により機械と対話を行
なう音声認識応答装置について図面を参照しながら説明
する。
に行なわれている。このような不特定話者を対象とした
音声認識においては、ノイズを含んだ音声信号や語頭、
語尾における発声が不明瞭な音声信号についても認識す
る必要があるが、本出願人は先にこれら不明瞭な音声信
号に対して高い認識率を得ることができるようにした音
声認識方法について特願昭60−251360号として提案し
た。以下、この方法を用いて音声により機械と対話を行
なう音声認識応答装置について図面を参照しながら説明
する。
第４図は従来の音声認識応答装置の構成を示す機能ブロ
ック図である。同図に示すようにAD変換部１は入力音声
をディジタル信号に変換する。音響分析部２は音声を分
析区画（フレーム）毎に分析し、スペクトル情報（線形
予測係数）を求める。特徴パラメータ抽出部３は線形予
測係数を用いてLPCケプトラム係数、正規化対数残差パ
ワーC0および帯域通過フィルタ値などを求める。フレー
ム同期信号発生部４はフレーム毎に同期信号を発生す
る。標準パターン選択部９はパターンマッチングを行な
う際、認識対象語句の標準パターンを順次選択する。区
画候補設定部６は選択された標準パターン毎に複数の候
補の音声区間長を設定する。時間軸正規化部５は設定さ
れた複数の候補の音声区間に対する特徴パラメータの時
系列パターンを一定フレーム長に伸縮する。類似度計算
部７は標準パターン選択部９で選ばれた標準パターン格
納部８中の各標準パターンとの類似度を計算する。類似
度比較部11はフレーム毎に１次記憶10に蓄積されている
最大類似度値を比較し、最大の類似度の認識対象語句を
選択する。１次記憶10に得られた最大類似度の語句を更
新する。一次記憶10に残った語句は認識結果として類似
度比較部11よりタスク制御部12に出力される。タスク制
御部12は認識結果に対する応答文音声を選択し、音声合
成部13に指令を与える。音声合成部13は音声データ格納
部14から指定された文の音声データを取り出し、音声を
合成する。この合成されたディジタルの音声をDA変換部
15でアナログに変換して出力する。
ック図である。同図に示すようにAD変換部１は入力音声
をディジタル信号に変換する。音響分析部２は音声を分
析区画（フレーム）毎に分析し、スペクトル情報（線形
予測係数）を求める。特徴パラメータ抽出部３は線形予
測係数を用いてLPCケプトラム係数、正規化対数残差パ
ワーC0および帯域通過フィルタ値などを求める。フレー
ム同期信号発生部４はフレーム毎に同期信号を発生す
る。標準パターン選択部９はパターンマッチングを行な
う際、認識対象語句の標準パターンを順次選択する。区
画候補設定部６は選択された標準パターン毎に複数の候
補の音声区間長を設定する。時間軸正規化部５は設定さ
れた複数の候補の音声区間に対する特徴パラメータの時
系列パターンを一定フレーム長に伸縮する。類似度計算
部７は標準パターン選択部９で選ばれた標準パターン格
納部８中の各標準パターンとの類似度を計算する。類似
度比較部11はフレーム毎に１次記憶10に蓄積されている
最大類似度値を比較し、最大の類似度の認識対象語句を
選択する。１次記憶10に得られた最大類似度の語句を更
新する。一次記憶10に残った語句は認識結果として類似
度比較部11よりタスク制御部12に出力される。タスク制
御部12は認識結果に対する応答文音声を選択し、音声合
成部13に指令を与える。音声合成部13は音声データ格納
部14から指定された文の音声データを取り出し、音声を
合成する。この合成されたディジタルの音声をDA変換部
15でアナログに変換して出力する。
タスク制御部12は類似度比較部11に認識指令を出力し、
認識を開始させて認識結果を得ることと、音声合成部13
に対する合成指令で応答文の音声を再生することとを繰
返して行ない、目的のタスク全体の流れを制御する。
認識を開始させて認識結果を得ることと、音声合成部13
に対する合成指令で応答文の音声を再生することとを繰
返して行ない、目的のタスク全体の流れを制御する。
発明が解決しようとする問題点 しかし、上記のような従来例の構成では、第５図（ａ）
〜（ｄ）に示すように認識開始以前から発声され始めた
音声、いわゆる頭切れの音声に対してもパターンマッチ
ングを行ない、候補の中から最も尤度の高いものを選ぶ
誤認を行なったり、あるいは尤度が低いため認識できず
（リジェクト）という結果となったりする。そしてリジ
ェクトと判定されれば再発声を促す合成音声や合図音が
発せられ、使用者はこれを受けて同じ語句や文を発声し
直さなければならない。また誤認識の場合には、認りで
ある事を装置に指示し、再度、認識させたい語句等を発
生する必要がある。このため、スムーズな対話処理が行
なわれず、使用者にとっては使い勝手の悪いという問題
があった。
〜（ｄ）に示すように認識開始以前から発声され始めた
音声、いわゆる頭切れの音声に対してもパターンマッチ
ングを行ない、候補の中から最も尤度の高いものを選ぶ
誤認を行なったり、あるいは尤度が低いため認識できず
（リジェクト）という結果となったりする。そしてリジ
ェクトと判定されれば再発声を促す合成音声や合図音が
発せられ、使用者はこれを受けて同じ語句や文を発声し
直さなければならない。また誤認識の場合には、認りで
ある事を装置に指示し、再度、認識させたい語句等を発
生する必要がある。このため、スムーズな対話処理が行
なわれず、使用者にとっては使い勝手の悪いという問題
があった。
本発明の目的は、認識開始時点で音声が頭切れか、認識
可能かを判定し、頭切れの場合にはリジェクトによる処
理の流れを中断させることなく、誤りに気付いた発声者
が自発的に続けて再発声することを可能とし、これを認
識処理することができ、スムーズで自然な対話を行なう
ことができるようにした音声認識応答装置を提供するも
のである。
可能かを判定し、頭切れの場合にはリジェクトによる処
理の流れを中断させることなく、誤りに気付いた発声者
が自発的に続けて再発声することを可能とし、これを認
識処理することができ、スムーズで自然な対話を行なう
ことができるようにした音声認識応答装置を提供するも
のである。
問題点を解決するための手段 本発明は上記目的を達成するもので、入力音声の有無を
検出する手段と、音声の認識処理手段とを備え、上記認
識処理手段による音声の認識開始時点で、上記検出手段
により有音が検出された場合には認識処理を停止し、上
記検出手段により無音区間が検出された後に発声し直さ
れた入力音声に対し認識処理を開始させるように構成し
たものである。
検出する手段と、音声の認識処理手段とを備え、上記認
識処理手段による音声の認識開始時点で、上記検出手段
により有音が検出された場合には認識処理を停止し、上
記検出手段により無音区間が検出された後に発声し直さ
れた入力音声に対し認識処理を開始させるように構成し
たものである。
作 用 本発明は上記構成により、認識開始時点において、音声
が発声されているか否かを判断し、発声している場合に
は認識処理を開始せず、無音区間検出後に初めて認識処
理を開始する。発声者は自身の発声を誤まると、即座に
発声し直すが、上記のように頭切れの音声によるリジェ
クト、または誤認識による処理の流れを中断することな
く、発声者が即座に発声し直した正しい入力音声を認識
処理することができる。
が発声されているか否かを判断し、発声している場合に
は認識処理を開始せず、無音区間検出後に初めて認識処
理を開始する。発声者は自身の発声を誤まると、即座に
発声し直すが、上記のように頭切れの音声によるリジェ
クト、または誤認識による処理の流れを中断することな
く、発声者が即座に発声し直した正しい入力音声を認識
処理することができる。
実施例 以下、本発明の実施例について図面を参照しながら詳細
に説明する。
に説明する。
まず、本発明の第１実施例について説明する。第１図は
本発明の第１実施例における音声認識応答装置の構成を
示す機能ブロック図である。
本発明の第１実施例における音声認識応答装置の構成を
示す機能ブロック図である。
同図において、符号１〜15で示す各部は第４図で説明し
た従来例の構成と同様であるので、その説明を省略し、
異なる構成についてのみ説明する。
た従来例の構成と同様であるので、その説明を省略し、
異なる構成についてのみ説明する。
有音検出部17は特徴パラメータ抽出部３で得られた帯域
通過フィルタのパワー値と、ある一定閾値との比較を行
ない、閾値を越えたフレームを検出する。認識結果生成
部16はタスク制御部12からの認識指令を受けて認識を開
始した時点で上記有音検出部17によりフィルタパワー値
が閾値を越えたことを検出した場合は認識処理をすぐに
は開始しない。その後、無音検出部19は上記の帯域通過
フィルタのパワー値がある一定閾値以下になるフレー
ム、すなわち無音区間を検出する。認識結果生成部16は
この無音区間が検出された後に認識処理を開始する。
通過フィルタのパワー値と、ある一定閾値との比較を行
ない、閾値を越えたフレームを検出する。認識結果生成
部16はタスク制御部12からの認識指令を受けて認識を開
始した時点で上記有音検出部17によりフィルタパワー値
が閾値を越えたことを検出した場合は認識処理をすぐに
は開始しない。その後、無音検出部19は上記の帯域通過
フィルタのパワー値がある一定閾値以下になるフレー
ム、すなわち無音区間を検出する。認識結果生成部16は
この無音区間が検出された後に認識処理を開始する。
一般に発声者は自身の発声に誤りを気付くと、即度に発
声し直すが、この場合、上記のようにリジェクト等によ
る処理の流れを中断することなく、無音区画検出後に認
識処理を開始すれば、発声者が即座に発声し直した正し
い入力音声を続いて認識処理することができる。
声し直すが、この場合、上記のようにリジェクト等によ
る処理の流れを中断することなく、無音区画検出後に認
識処理を開始すれば、発声者が即座に発声し直した正し
い入力音声を続いて認識処理することができる。
第２図（ａ）〜（ｅ）は以上の処理の様子を示した図で
ある。同図に示すように認識開始以前に発声された入力
音声は認識せず、発声し直された音声について認識処理
を行なう。
ある。同図に示すように認識開始以前に発声された入力
音声は認識せず、発声し直された音声について認識処理
を行なう。
次に本発明の第２実施例について説明する。第３図は本
発明の第２実施例の構成を示す機能ブロック図である。
発明の第２実施例の構成を示す機能ブロック図である。
上記第１実施例では、認識開始時点で語頭切れの音声か
否かを判定するため、音声以外の瞬時のノイズに対して
誤って認識を停止してしまう恐れがある。また認識停止
中に音声中の促音やパワーの小さい無声子音部で無音を
検出し、誤って認識処理を開始する危険性もある。そこ
で、本実施例では瞬時のノイズや促音などに対し、誤っ
て認識を停止し、または誤って認識処理を開始しないよ
うに考慮したものである。
否かを判定するため、音声以外の瞬時のノイズに対して
誤って認識を停止してしまう恐れがある。また認識停止
中に音声中の促音やパワーの小さい無声子音部で無音を
検出し、誤って認識処理を開始する危険性もある。そこ
で、本実施例では瞬時のノイズや促音などに対し、誤っ
て認識を停止し、または誤って認識処理を開始しないよ
うに考慮したものである。
同図において、符号１〜17及び19で示す各部は第１図に
示した第１実施例の構成と同様であるので、その説明を
省略し、異なる構成についてのみ説明する。有声フレー
ム計数部18は有音検出部17から出力される帯域通過フィ
ルタパワー値がある閾値を越えたフレームの個数を認識
開始指令時点よりカウントし、ある一定フレーム以上の
有音フレームが連続した場合に認識停止要求を認識結果
生成部16及び無音フレーム計数部20に出力する。無音フ
レーム計数部20は無音検出部19から出力される無音フレ
ームを認識停止要求以降、ある一定フレーム以上連続す
る時点を検出し、認識処理再開要求を認識結果生成部16
に出力する。
示した第１実施例の構成と同様であるので、その説明を
省略し、異なる構成についてのみ説明する。有声フレー
ム計数部18は有音検出部17から出力される帯域通過フィ
ルタパワー値がある閾値を越えたフレームの個数を認識
開始指令時点よりカウントし、ある一定フレーム以上の
有音フレームが連続した場合に認識停止要求を認識結果
生成部16及び無音フレーム計数部20に出力する。無音フ
レーム計数部20は無音検出部19から出力される無音フレ
ームを認識停止要求以降、ある一定フレーム以上連続す
る時点を検出し、認識処理再開要求を認識結果生成部16
に出力する。
以降、第１実施例と同様の処理を行なう。
なお、上記各実施例では、帯域通過フィルタパワーによ
り音声の有無を検出しているが、全域パワーを用いても
同様の検出は可能である。
り音声の有無を検出しているが、全域パワーを用いても
同様の検出は可能である。
発明の効果 以上述べたように本発明によれば、音声の認識処理手段
による音声の認識開始時点で、入力音声の有無を検出す
る手段により有音が検出された場合には認識処理を停止
し、検出手段により無音区間が検出された後に発声し直
された入力音声に対し認識処理を開始するようにしてい
る。すなわち、認識開始時点で音声の有無を判定し、音
声が未だ入力されていない場合には以降認識処理を行な
い、音声が既に発声開始されている場合には頭切れの音
声と判断して認識せず、その後、無音区間以降に発声さ
れる語句に対して認識処理を行なう。したがって、発声
者が発声の誤りに気付き、自発的に発声し直した場合、
頭切れによる誤認識やリジェクトにより人と装置との対
話の流れを中断することなく、発声し直した正しい入力
音声を続いて認識処理するので、スムーズで自然な対話
を実現できる。
による音声の認識開始時点で、入力音声の有無を検出す
る手段により有音が検出された場合には認識処理を停止
し、検出手段により無音区間が検出された後に発声し直
された入力音声に対し認識処理を開始するようにしてい
る。すなわち、認識開始時点で音声の有無を判定し、音
声が未だ入力されていない場合には以降認識処理を行な
い、音声が既に発声開始されている場合には頭切れの音
声と判断して認識せず、その後、無音区間以降に発声さ
れる語句に対して認識処理を行なう。したがって、発声
者が発声の誤りに気付き、自発的に発声し直した場合、
頭切れによる誤認識やリジェクトにより人と装置との対
話の流れを中断することなく、発声し直した正しい入力
音声を続いて認識処理するので、スムーズで自然な対話
を実現できる。
第１図は本発明の第１実施例における音声認識応答装置
の構成を示す機能ブロック図、第２図は本発明の実施例
における対話の様子を示すタイミング図、第３図は本発
明の第２実施例の構成を示す機能ブロック図、第４図は
従来の音声認識応答装置の構成を示す機能ブロック図、
第５図は従来例における対話の様子を示すタイミング図
である。 １……AD変換部、２……音響分析部、３……特徴パラメ
ータ抽出部、４……フレーム同期信号発生部、５……時
間軸正規化部、６……区間候補設定部、７……類似度計
算部、８……標準パターン格納部、９……標準パターン
選択部、10……１次記憶、11……類似度比較部、12……
タスク制御部、13……音声合成部、14……音声データ格
納部、15……DA変換部、16……認識結果生成部、17……
有音検出部、18……有音フレーム計数部、19……無音検
出部、20……無音フレーム計数部。
の構成を示す機能ブロック図、第２図は本発明の実施例
における対話の様子を示すタイミング図、第３図は本発
明の第２実施例の構成を示す機能ブロック図、第４図は
従来の音声認識応答装置の構成を示す機能ブロック図、
第５図は従来例における対話の様子を示すタイミング図
である。 １……AD変換部、２……音響分析部、３……特徴パラメ
ータ抽出部、４……フレーム同期信号発生部、５……時
間軸正規化部、６……区間候補設定部、７……類似度計
算部、８……標準パターン格納部、９……標準パターン
選択部、10……１次記憶、11……類似度比較部、12……
タスク制御部、13……音声合成部、14……音声データ格
納部、15……DA変換部、16……認識結果生成部、17……
有音検出部、18……有音フレーム計数部、19……無音検
出部、20……無音フレーム計数部。
Claims (3)
- 【請求項１】入力音声の有無を検出する手段と、音声の
認識処理手段とを備え、上記認識処理手段により音声の
認識開始時点で、上記検出手段により有音が検出された
場合には認識処理を停止し、上記検出手段により無音区
間が検出された後に発声し直された入力音声に対し認識
処理を開始するように構成したことを特徴とする音声認
識応答装置。 - 【請求項２】検出手段が音声信号のパワー値とある一定
閾値との比較を行ない、閾値を越えたフレームを検出す
る有音検出部と、閾値以下となるフレームを検出する無
音検出部とより構成されている特許請求の範囲第１項記
載の音声認識応答装置。 - 【請求項３】検出手段が音声信号のパワー値とある一定
閾値との比較を行ない、閾値を越えたフレームを検出す
る有音検出部と、閾値以下となるフレームを検出する無
音検出部と、各検出部から出力されるフレームの個数を
計算する有音フレーム計数部、無音フレーム計数部とよ
り構成されている特許請求の範囲第１項記載の音声認識
応答装置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP62095616A JPH0769713B2 (ja) | 1987-04-17 | 1987-04-17 | 音声認識応答装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP62095616A JPH0769713B2 (ja) | 1987-04-17 | 1987-04-17 | 音声認識応答装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPS63259688A JPS63259688A (ja) | 1988-10-26 |
| JPH0769713B2 true JPH0769713B2 (ja) | 1995-07-31 |
Family
ID=14142480
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP62095616A Expired - Lifetime JPH0769713B2 (ja) | 1987-04-17 | 1987-04-17 | 音声認識応答装置 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPH0769713B2 (ja) |
-
1987
- 1987-04-17 JP JP62095616A patent/JPH0769713B2/ja not_active Expired - Lifetime
Also Published As
| Publication number | Publication date |
|---|---|
| JPS63259688A (ja) | 1988-10-26 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP3180655B2 (ja) | パターンマッチングによる単語音声認識方法及びその方法を実施する装置 | |
| JP2963142B2 (ja) | 信号処理方法 | |
| EP0077194B1 (en) | Speech recognition system | |
| US4829578A (en) | Speech detection and recognition apparatus for use with background noise of varying levels | |
| US6470315B1 (en) | Enrollment and modeling method and apparatus for robust speaker dependent speech models | |
| US5025471A (en) | Method and apparatus for extracting information-bearing portions of a signal for recognizing varying instances of similar patterns | |
| EP0757342A2 (en) | User selectable multiple threshold criteria for voice recognition | |
| CA2366892C (en) | Method and apparatus for speaker recognition using a speaker dependent transform | |
| EP2048655A1 (en) | Context sensitive multi-stage speech recognition | |
| JPH09500223A (ja) | 多言語音声認識システム | |
| US7072750B2 (en) | Method and apparatus for rejection of speech recognition results in accordance with confidence level | |
| JP3069531B2 (ja) | 音声認識方法 | |
| JP5201053B2 (ja) | 合成音声判別装置、方法及びプログラム | |
| JP2002236494A (ja) | 音声区間判別装置、音声認識装置、プログラム及び記録媒体 | |
| KR101992955B1 (ko) | 정규화를 이용한 음성 구간 판단 방법 및 이를 위한 음성 구간 판단 장치 | |
| JPH0222960B2 (ja) | ||
| JPH08263092A (ja) | 応答音声生成方法および音声対話システム | |
| JPH11231895A (ja) | 音声認識方法及びその装置 | |
| JPH0950288A (ja) | 音声認識装置及び音声認識方法 | |
| JP3513030B2 (ja) | データ再生装置 | |
| JP4449380B2 (ja) | 話者正規化方法及びそれを用いた音声認識装置 | |
| JPH0769713B2 (ja) | 音声認識応答装置 | |
| JPH0769712B2 (ja) | 音声認識応答装置 | |
| JP2000122678A (ja) | 音声認識機器制御装置 | |
| JP2001042889A (ja) | 音声認識入力音声の音程正規化装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| EXPY | Cancellation because of completion of term | ||
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20070731 Year of fee payment: 12 |