JPH0833741B2 - 音声認識装置 - Google Patents

Description

【発明の詳細な説明】 （産業上の利用分野） この発明は音声認識装置に関し、更に詳細には、認識
結果が誤っている誤認識あるいは認識できないリジェク
ト時の訂正処理に関する。

（従来の技術） 第２図は従来の音声認識装置の構成例を示す図であ
る。この種の装置としては、例えば特開昭57-62097号公
報又は特開昭57-191698号公報に記載がある。第２図に
おいて、102は音声入力用のマイク、103はマイク102か
ら入力された音声の音声区間を検出する検出部である。
104は検出部103で検出された音声区間から特徴パラメー
タを抽出する特徴抽出部,106は特徴パラメータを蓄積す
る辞書部,105は辞書部に蓄積された特徴パラメータと入
力音声から抽出された特徴パラメータとのマッチングを
実行し、マッチング距離を算出するマッチング部，及び
107はマッチング部から算出されたマッチング距離を判
定し認識結果を出力する判定部である。100はディスプ
レイ装置,101は修正，登録等の動作を指示，入力する補
助入力装置,108はディスプレイ装置や入力装置をコント
ロールし、判定部107からの判定結果と併せて最終認識
結果を端子109に出力するコントローラである。このよ
うな構成の従来の音声認識装置では、音声入力に対する
認識結果が誤っている誤認識，あるいはリジェクト（認
識不可能判定）時の訂正方法として、再音声入力により
正しい認識結果が得られるまで繰り返す方法と、補助入
力装置から訂正情報を入力する方法をもつものが一般的
である。

さて、音声認識時に発声する誤認識又はリジェクトの
原因としては、種々の要因が考えられる。誤認識は一般
的にオペレータより発声された音声から抽出した特徴パ
ラメータと、辞書部に蓄積されている二つ以上の分類の
異なる特徴パラメータに対するマッチング距離が接近し
ている場合に発生する傾向がある。他方、リジェクトの
原因は一般的に、オペレータより発声された音声から抽
出した特徴パラメータが辞書部に蓄積されているすべて
の特徴パラメータとのマッチング距離が非常に大きい場
合、又は入力音声が弱く不確実であった場合の二通りが
あげられる。

この誤認識，リジェクトをオペレータ側から考える
と、特定の分類の入力音声データに対してのみ誤認識が
頻繁に発生するといった場合、訂正処理として、再度音
声入力を行ない、正しい認識結果を得るまでには数回の
再発声を強いられる事が多い。この現象は前述の辞書部
に蓄積された分類の異なる特徴パラメータに対するマッ
チング距離の差が小さい場合に相当する。もし、このよ
うなデータを頻繁に入力しなければならない場合には、
音声認識装置内の辞書部の特徴パラメータを変更して、
前述の現象を発生しなくしてしまう方が効率的であると
考えられる。この操作は再登録と呼ばれており、辞書部
内の特徴パラメータの一部、又は全体を変更する処理で
ある。しかしながら、一般に再登録処理は単純な訂正処
理に比べて操作手数が多くかかる。従って誤認識が頻繁
に発生するようなタイプの入力データの入力頻度が低い
場合、再発声による訂正法や、再登録処理を行なうより
も、当該データを入力して、誤認識が発生した時点で補
助入力装置等の音声によらないデータ入力方法で訂正処
理を実行したほうが操作は少ない。もう一つの誤認識，
リジェクトの起こる原因として、オペレータの発声があ
いまいであったり弱い場合がある。このような原因から
くる誤認識，リジェクトに対してはオペレータが強く、
明瞭に発声さえすれば正しく認識される場合が非常に多
い。オペレータが音声認識装置に多少なりとも習熟すれ
ばオペレータの発声の不備による誤認識，リジェクトは
簡単に判別できる。この場合の最も能率的な訂正手段
は、再発声による訂正処理であろう。

以上述べたように、性能の異なる原因で発生する誤認
識，リジェクトに対する最も効率的な訂正法は異なって
いる。従って、実際に音声認識装置を用いてデータを入
力する際には誤認識，リジェクトの発生に対する効率的
な訂正法はその時々によって変化することが非常に多
い。

（発明が解決しようとする問題点） しかしながら、上記従来の音声認識装置では何らかの
モード設定により、誤認識，リジェクトの訂正法はどち
らか一方のみ有効であった。例えば、訂正情報は補助入
力装置から入力するか、又は再発声による方法とすると
いう具合である。そしてその訂正法の変更は訂正処理操
作とは別に訂正モード切り換えなどの別操作を必要とし
た。従って、従来の音声認識装置においては誤認識，リ
ジェクトの発生時かなり頻繁に訂正モード変更を行なわ
なければならない。特に、音声認識装置に習熟したオペ
レータにおいては誤認識，リジェクトの性質より瞬時に
して最適な訂正方法を判定して訂正モード変更の作業を
的確に行なっているが、その変更操作の手間により著し
く作業効率が低下しており、十分に音声認識装置の特徴
を発揮出来ない。

この発明は、以上述べた誤認識，リジェクトに対する
訂正処理を改善して音声認識装置における操作性の効率
化を図ることを目的とする。

（問題点を解決するための手段） この発明は前記問題点を解決するために、音声を入力
してその音声区間を検出する検出部と、前記音声区間の
特徴パラメータを抽出する特徴抽出部と、予め決められ
た特徴パラメータを蓄積する辞書部と、前記特徴抽出部
により抽出された入力音声の特徴パラメータと前記辞書
部に蓄積された特徴パラメータとのマッチング距離を比
較、判定して認識結果を出力する判定部とを有する音声
認識装置において、前記認識結果が誤認識又は認識不能
の場合の訂正処理として再発声入力による第１の訂正手
段と、訂正情報を入力する補助入力装置による第２の訂
正手段とを設け、前記第１の訂正手段による訂正処理が
行われた時刻から所定時間が経過する時までに前記第２
の訂正手段による訂正処理が行われない場合にのみ、前
記１の訂正手段による訂正処理を有効とすることを特徴
とする。

（作用） このような構成を有する本発明によれば、第１の訂正
による訂正処理が行われ、その行われた時刻から所定時
間が経過する時までに第２の訂正手段による訂正処理が
行われない場合にのみ、第１の訂正手段による訂正処理
を有効とする。よって、オペレータの発声が曖味であっ
たり、発声が弱いために誤認識、リジェクトが起こった
時に、習熟したオペレータは即座に当該の不備を判断し
て適切な訂正処理を施す際、オペレータの行う訂正処置
を装置側で監視することにより適切な訂正モードの選択
を行い、余分な走査を簡略化できる。従って、前記問題
点を解決することができる。

（実施例） 以下、この発明を実施例に基づき図面を参照して説明
する。

第１図はこの発明の一実施例を示すブロック図であ
る。第１図において、200はディスプレイ装置、201は補
助入力装置、202は音声入力用のマイクである。又、203
はマイクから入力された音声の音声区間を検出する検出
部、204は検出部203で検出された音声区間から特徴パラ
メータを抽出する特徴抽出部、206は特徴パラメータを
蓄積する辞書部、205は辞書部206に蓄積された特徴パラ
メータと入力音声から抽出された特徴パラメータとのマ
ッチングを実行し、マッチング距離を算出するマッチン
グ部、及び207はマッチング部206から算出されたマッチ
ング距離を判定し、認識結果を出力する判定部である。
208はディスプレイ装置200及び補助入力装置201を制御
するとともに、音声区間検出信号線210から、入力され
る音声区間検出信号と判定部207からの認識結果に基づ
き最終的に音声認識装置に入力されたデータを出力する
コントローラである。209はその出力端子である。

第３図は本実施例の音声入力時のフローチャートを示
している。以下このフローチャートに基づいて、本実施
例の動作を説明する。

本実施例では音声入力作業開始前に、誤認識，リジェ
クト時の訂正手段の選択モードとして三つのモード即ち
再発声による訂正モード，補助入力装置のKEY入力によ
る訂正モード，および本実施例の特徴であるKEY入力・
訂正音声入力同時モードがある。訂正モード設定ではオ
ペレータがこの三つのモードの内、いづれかを選択する
（ステップ10;以下ステップをＳと略す）。ここでは本
実施例の特徴であるKEY入力・訂正音声入力同時モード
についておもに説明する。第１図のマイク202から入力
された信号は最初に検出部203へ入力される（S11）。検
出部203では信号中の音声区間を検出し、音声区間が検
出されると、特徴抽出部204での特徴を抽出する区間を
指定するとともに、210を介してコントローラ208に音声
検出信号を送出する（S12）。特徴抽出部204では音声区
間内の特徴パラメータが抽出され、マッチング部205へ
送られる（S13）。マッチング部205では辞書部206内の
特徴パラメータと特徴抽出部204で抽出された音声信号
の特徴パラメータとのマッチングを行ない、その結果算
出されたマッチング距離は判定部207に送られる（S1
4）。判定部207ではマッチング部205で算出されたマッ
チング距離に基づいて、認識処理又はリジェクトの判定
を行ない、結果をコントローラ208に送出する（S16）。
もし、結果がリジェクトであればコントローラ208は訂
正モードに変わり、ディスプレイ200等にモード変更表
示を指示する（S20）。結果がリジェクトでない場合、
コントローラ208は認識結果確認動作を行なう（S17）。
ここで、S18でオペレータからの誤認識の判定が無い場
合、コントローラ208はオペレータからの音声入力待ち
状態に戻る。ここで音声入力がすべて終了した場合はコ
ントローラ208は音声入力モードを終了させる（S19）。
逆にオペレータから誤認識であるという指示が有った場
合、コントローラ208はリジェクトの場合と同様訂正モ
ードに変わる（S21）。訂正モードの設定により処理が
三つに分れる。再発声による訂正モードが選択されてい
るならば通常の音声入力のモードと同様に音声入力，音
声区間検出，特徴抽出，パタンマッチング，判定処理の
順に処理され（S22〜S26）、リジェクト，誤認識が発生
しなかった場合には訂正処理が終了する（S27〜S29）。
補助入力装置201からのKEY入力による訂正のモードが選
択されている（S32）ならば、KEYからの訂正情報により
認識結果が訂正され（S33）、訂正のモードはこの時点
で終了する。

さて、KEY入力・訂正音声入力同時モードが選択され
ている場合、音声認識装置はマイク202,補助入力装置20
1の両方とも入力待ち状態になる（S30）。オペレータは
効率の良い訂正手段で訂正情報を入力すれば良い。コン
トローラ208は両者の入力情報のどちらを優先するかを
判定する（S31）。この判定方法は次のようなものであ
る。即ち、マイク202からの訂正入力が有ったことを検
出部203の音声区間検出信号により確認した時刻から所
定時間が経過する時までに、補助入力装置201からの訂
正入力がない場合にのみ、音声入力による訂正情報を有
効とし、それ以外の場合は補助入力装置からの訂正入
力、即ち、KEY IN入力による訂正情報を有効とするもの
である。以上述べたKEY入力・訂正音声入力同時モード
の処理は再発声による訂正や補助入力装置201からの訂
正のモードの処理手順の一部を変更すれば容易に実現で
きる。

（発明の効果） 以上、詳細に説明したように、この発明によれば音声
認識装置を用いてデータ等を入力する作業で発生する誤
認識・リジェクトの訂正手段として常に適切な入力方法
が訂正モード変更等の余分の操作なしに選択でき、作業
能率の向上を図ることができる。

【図面の簡単な説明】

第１図はこの発明の一実施例のブロック図、第２図は従
来の音声認識装置の構成例を示すブロック図、第３図は
本実施例の動作フローチャートである。 200……ディスプレイ装置、201……補助入力装置、202
……マイク、203……検出部、204……特徴抽出部、205
……マッチング部、206……辞書部、207……判定部、20
8……コントローラ、209……出力端子。

Claims (1)

【特許請求の範囲】
1. 【請求項１】音声を入力してその音声区間を検出する検
   出部と、前記音声区間の特徴パラメータを抽出する特徴
   抽出部と、予め決められた特徴パラメータを蓄積する辞
   書部と、前記特徴抽出部により抽出された入力音声の特
   徴パラメータと前記辞書部に蓄積された特徴パラメータ
   とのマッチング距離を比較、判定して認識結果を出力す
   る判定部とを有する音声認識装置において、 前記認識結果が誤認識又は認識不能の場合の訂正処理と
   して再発声入力による第１の訂正手段と、訂正情報を入
   力する補助入力装置による第２の訂正手段とを設け、 前記第１の訂正手段による訂正処理が行われた時刻から
   所定時間が経過する時までに前記第２の訂正手段による
   訂正処理が行われない場合にのみ、前記第１の訂正手段
   による訂正処理を有効とすることを特徴とする音声認識
   装置。