JPH096384A - 音声認識装置 - Google Patents

Abstract

(57)【要約】 【目的】 発声中から特定単語を検出するワードスポッ
ティング装置において、候補単語の尤度の経時変化の不
安定さを低減し、より頑健な単語検出を行う。 【構成】 音声検出部１０１で入力音声の周波数分析を
行い、フレーム毎の特徴ベクトルを抽出する。尤度計算
部１０２で特徴ベクトルの時系列と音韻辞書１０４，単
語辞書１０５とのマッチングを行い、各フレーム毎の各
候補単語の尤度を算出する。オートマトン部１０６で各
フレーム毎の尤度を修正する。この場合、現フレームと
過去のフレームの少なくとも１つのフレームとの尤度に
従って、現フレーム尤度を修正する。これにより、尤度
の経時変化の不安定性が解消される。

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】本発明は音声認識装置に関し、特
に発声中から一定時間（フレーム）毎の特定単語の尤度
を算出してこの算出尤度を基準としてこの特定単語の検
出を行うワードスポッティング装置に関するものであ
る。

【０００２】

【従来の技術】従来、発声中から特定単語を検出する技
術として、電子通信学会論文誌，‘８４／１０，Ｖｏ
ｌ．Ｊ６７−Ｄ Ｎｏ．１０のｐ．１２４２〜１２４９
の「拡張連続ＤＰ法による連続音声認識アルゴリズム」
（中川 聖一）に記載の方法があり、ワードスポッティ
ング装置として知られている。

【０００３】図８はこのワードスポッティング装置の概
要を示すブロック図であり、発声中から音声分析部１０
１にて音声分析を行い、フレーム毎の特定単語の尤度を
そのまま検出基準値として用い結果出力部１０３にて検
出閾値との比較により検出を行うようになっている。
尚、尤度計算部１０２は音韻辞書１０４や単語辞書１０
５等を参照して各フレーム毎の尤度算出を行う。

【０００４】この方式では、フレーム毎の独立に算出さ
れる尤度をそのまま用いて検出基準値とし、所定の検出
閾値との比較により検出を行うようになっている。

【０００５】

【発明が解決しようとする課題】この様な従来の方式で
は、フレーム単位の尤度をそのまま検出値として用いる
ようになっているので、尤度が不安定な経時変化をする
様な単語に対しては、尤度が検出閾値の周辺で上下を繰
返す場合に同一単語が続けて複数回検出されてしまう恐
れがあり、また、一瞬の尤度上昇により誤検出を引起こ
してしまうという問題もある。

【０００６】本発明の目的は、フレーム単位の尤度をそ
のまま検出基準値として用いることによる弊害を少なく
して候補単語の尤度の経時変化の不安定さを低減し、よ
り頑健な単語検出が行えるようにした音声認識装置を提
供することである。

【０００７】

【課題を解決するための手段】本発明によれば、発声中
から一定時間（フレーム）毎の特定単語の尤度を算出し
てこの算出尤度を基準として前記特定単語の検出を行う
音声認識装置であって、各フレーム毎の尤度を、現在フ
レームにおける尤度と過去の少なくとも１つのフレーム
の尤度とに基づき修正して導出する尤度修正手段を含む
ことを特徴とする音声認識装置が得られる。

【０００８】

【作用】各フレーム毎の尤度を独立に用いるのではな
く、現在フレームの尤度と過去の少なくとも１つのフレ
ームの尤度とを参照して尤度の経時変化の不安定さを低
減するものである。

【０００９】

【実施例】以下、図面を用いて本発明の実施例を説明す
る。

【００１０】図１は本発明の実施例の概略ブロック図で
あり、図８と同等部分は同一符号にて示している。図１
において、音声分析部１０１は入力された音声の周波数
分析を行い、その一定時間（フレーム同期）毎の特徴ベ
クトルの抽出を行う。尤度計算部１０２は音声分析部１
０１からの特徴ベクトルの時系列と、音韻辞書１０４及
び単語辞書１０５とのマッチングを行うことにより、各
フレーム周期毎の各候補単語の尤度を計算し、オートマ
トン部１０６へ出力する。

【００１１】オートマトン部１０６は尤度計算部１０２
より出力された尤度を受け取り、各フレーム周期毎の各
候補単語の尤度を修正し、出力部１０３へ出力する。こ
の出力部１０３は各候補単語の尤度を受け取り、予め定
められた閾値との比較を行って各フレーム周期毎に閾値
を越える尤度を有する単語の検出単語として出力するも
のである。

【００１２】従来の図８との差異は、オートマトン部１
０６により尤度計算部１０２で算出された尤度を修正す
る点であり、以下にこのオートマトン部１０６における
尤度修正の実施例について説明する。ここで示すオート
マトン部１０６は尤度計算部１０２から出力されるフレ
ーム毎の尤度を入力尤度として受け取り、尤度を受け取
る毎に各件判定により状態遷移を行い、続いて各件成立
時の処理を行うものとする。

【００１３】図２は第１の実施例を示す図であり、この
例のオートマトンは初期状態がｓ１であるオートマトン
で、状態ｓ１において入力された尤度はそのまま出力さ
れる。この時、尤度がＢ（検出閾値）以上ならば、状態
ｓ２に遷移し、そうでない時は状態ｓ１にとどまる。状
態ｓ２は直前フレームの尤度がＢ以上である状態で、こ
こで入力尤度がＢ以上のうちは状態ｓ２にとどまりＢ未
満の修正尤度を出力し続ける。そうでない時は、入力尤
度をそのまま修正尤度とし出力し、状態ｓ１に戻る。

【００１４】このオートマトンでは、現在フレームにお
ける尤度とその直前のフレームにおける尤度が共に検出
閾値を越える時のみ、検出閾値未満のある値を修正尤度
として出力する。それ以外の場合は現在フレームの尤度
をそのまま出力する。このオートマトンを用いて出力さ
れる修正尤度は、入力尤度が検出閾値未満から検出閾値
以上へ上昇したフレームに限り、検出閾値以上となる。
また、最初のフレームの尤度が検出閾値以上の場合は、
この尤度を出力する。

【００１５】この様な修正尤度を用いることにより、同
一の単語が連続する数フレームの間検出され続けるとい
う現象が起こるのを防ぐことができる。

【００１６】尚、図２の遷移２における修正尤度として
のＢ未満の値は、Ｂより小なる値であれば、極端にいえ
ば−∞でも良いが、実際的ではないので、例えば“Ｂ−
１，０”の値を修正尤度として出力するようにしても良
い。

【００１７】この図２に示したオートマトンを用いる場
合、検出回数を下げる目的で検出閾値を図３に示す如く
ＢからＢ′（Ｂ′＞Ｂ）へ上げると、Ｂの時は検出回数
がｔ１のみであったのが、Ｂ′の時はｔ２〜ｔ４と逆に
検出回数が増えることがある。そこで、図４に示す第２
の実施例が考えられる。

【００１８】図４に示すオートマトンにおいては図２の
オートマトンの状態ｓ２における動作が異なっている。
本オートマトンの状態ｓ２では、入力尤度がＢ２（Ｂ２
＜Ｂ）以上の時はそのままｓ２にとどまり、Ｂ未満の値
を修正尤度として出力する。そうでない時は、入力尤度
をそのまま修正尤度とし出力、状態ｓ１に戻る。Ｂ２は
検出有効化閾値である。

【００１９】このオートマトンでは、検出閾値の他に検
出閾値未満の検出有効化閾値を定め、一度検出閾値を下
回っても、一旦検出有効化閾値を下回るまでは、検出閾
値を越える尤度を出力しない。これにより、尤度が検出
有効化閾値以上に留まっているうちは、複数回の検出は
行われない。よって、図５に示す如く検出閾値を上げて
も、検出有効化閾値を元の検出閾値と同一値に設定する
ことにより、検出回数が増える現象を防ぐことができ
る。

【００２０】換言すれば、現在フレームの算出尤度が検
出閾値Ｂ以上であり、過去のフレームにおいてＢ以上の
尤度が出力されていない場合であってＢよりも小なる検
出有効化閾値Ｂ２を下回る尤度を出力したフレームが直
前のフレーム以前に存在してそれ以降直前のフレームま
でＢ以上の尤度を出力したフレームが存在しない限りＢ
以上の値を修正尤度（例えば、現フレームの尤度Ｌｆ）
とし、それ以外の場合はＢ未満の値を修正尤度として導
出するようにしたものである。

【００２１】図６は第３の実施例を示すものであり、図
６のオートマトンは初期状態がｓ１であるオートマトン
で、入力尤度がＢ未満の時は状態ｓ１にとどまり、検出
閾値未満の値（本例ではＬｆ）を修正尤度として検出閾
値未満の値を出力する。

【００２２】状態ｓ２においては、入力尤度がＢ以上の
場合にはそのままとどまる。この時、状態ｓ２に過去ｎ
フレーム以上とどまっている場合に限り、検出閾値以上
の値（本例ではＬｆ）を修正尤度として出力し、そうで
ない場合には検出閾値未満の値を修正尤度として出力す
る。状態ｓ２において入力尤度がＢ未満の場合には、状
態ｓ１に戻り、検出閾値未満の値を修正尤度として出力
する。

【００２３】このオートマトンでは、過去ｎフレームの
間の尤度が全て検出閾値以上である時のみ、検出閾値以
上の値を出力する。このオートマトンにより、本来検出
すべきでない単語の一瞬の尤度上昇による誤検出を減ら
すことができる。

【００２４】図７は第４の実施例を示す図であり、この
図７に示すオートマトンは初期状態がｓ１であるオート
マトンであって、第ｎフレームに達するまではｓ１にと
どまり、現在フレームを含む過去の全フレームの尤度の
平均値を出力し続ける。第ｎフレームに達すると、現在
フレームを含む過去ｎフレームの尤度の平均値を出力
し、ｓ２に遷移する。以後ｓ２にとどまり続け、各フレ
ーム毎に現在フレームを含む過去ｎフレームの尤度の平
均値を出力するものである。

【００２５】こうすることにより、出力される修正尤度
は現在フレームを含む過去ｎフレームにおける尤度の重
み付け平均値となり、よって候補単語の尤度が平滑化さ
れ、本来検出すべきでない単語の一瞬の尤度上昇による
誤検出の確率を低減できることになる。

【００２６】

【発明の効果】以上述べた如く、本発明によれば、現フ
レームの算出尤度を現フレームと過去の少なくとも１つ
のフレームとの尤度に応じて修正して出力する様にした
ので、候補単語の尤度の経時変化の不安定さを低減し、
より頑健な単語検出を行うことが可能なワードスポッテ
ィング装置を構成できるという効果がある。

【図面の簡単な説明】

【図１】本発明の実施例のワードスポッティングの概略
システム図である。

【図２】図１のオートマトン部１０６の一実施例を説明
する図である。

【図３】図２の実施例の問題点を説明するための図であ
る。

【図４】図１のオートマトン部１０６の他の実施例を説
明する図である。

【図５】図４の実施例の効果を説明するための図であ
る。

【図６】図１のオートマトン部１０６の更に他の実施例
を説明する図である。

【図７】図１のオートマトン部１０６の別の実施例を説
明する図である。

【図８】従来のワードスポッティング装置の概略システ
ム図である。

【符号の説明】

１０１ 音声分析部 １０２ 尤度計算部 １０３ 結果出力部 １０４ 音韻辞書 １０５ 単語辞書 １０６ オートマトン部

Claims (6)

【特許請求の範囲】
1. 【請求項１】 発声中から一定時間（フレーム）毎の特
   定単語の尤度を算出してこの算出尤度を基準として前記
   特定単語の検出を行う音声認識装置であって、各フレー
   ム毎の尤度を、現在フレームにおける尤度と過去の少な
   くとも１つのフレームの尤度とに基づき修正して導出す
   る尤度修正手段を含むことを特徴とする音声認識装置。
2. 【請求項２】 前記尤度修正手段は、現在フレーム及び
   その直前のフレームの尤度が共に所定閾値以上の場合に
   は前記閾値未満の尤度を修正尤度として導出し、それ以
   外の場合には現在レームの尤度を修正尤度として導出す
   るようにしたことを特徴とする請求項１記載の音声認識
   装置。
3. 【請求項３】 最初のフレームの尤度が前記閾値以上の
   場合には当該尤度を修正尤度として導出するようにした
   ことを特徴とする請求項２記載の音声認識装置。
4. 【請求項４】 前記尤度修正手段は、現在フレームの算
   出尤度が第１の閾値以上であり、過去のフレームにおい
   て前記第１の閾値以上の尤度が出力されていない場合で
   あって前記第１の閾値よりも小なる第２の閾値を下回る
   尤度を出力したフレームが直前のフレーム以前に存在し
   てそれ以降前記直前のフレームまで前記第１の閾値以上
   の尤度を出力したフレームが存在しない限り前記第１の
   閾値以上の値を修正尤度とし、それ以外の場合は前記第
   １の閾値未満の値を修正尤度として導出するようにした
   ことを特徴とする請求項１記載の音声認識装置。
5. 【請求項５】 前記尤度修正手段は、現在フレームを含
   む過去の一定数のフレームにおける尤度が全て所定閾値
   以上の場合に限り、前記閾値以上の値を修正尤度として
   導出し、それ以外の場合は、前記閾値未満の値を修正尤
   度して導出するようにしたことを特徴とする請求項１記
   載の音声認識装置。
6. 【請求項６】 前記尤度修正手段は、現在フレームを含
   む過去の一定数のフレームにおける尤度の重み付け平均
   値を前記現在フレームの修正尤度として導出するように
   したことを特徴とする請求項１記載の音声認識装置。