JPH10171488A

JPH10171488A - 音声認識方法及び装置及び記憶媒体

Info

Publication number: JPH10171488A
Application number: JP8330741A
Authority: JP
Inventors: Hiroki Yamamoto; 寛樹山本
Original assignee: Canon Inc
Current assignee: Canon Inc
Priority date: 1996-12-11
Filing date: 1996-12-11
Publication date: 1998-06-26

Abstract

(57)【要約】【課題】音声認識結果の棄却処理を、認識候補の認識
対象語に応じて適切に行うこと。【解決手段】認識対象語の尤度を導出し（Ｓ３０
０）、未知語モデルの尤度計算の際に、その認識対象語
に設定されている重みをその未知語モデルの尤度にかけ
（Ｓ４１０）、その重みをかけた尤度と認識対象語の尤
度を比較して棄却すべきか否かを判断する（Ｓ５０
０）。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は、音声認識方法及び
装置及び記憶媒体に関するものである。

【０００２】

【従来の技術】音声認識は、入力された音声を音響分析
し、分析結果と事前に用意している認識対象語のモデル
との類似度をあらわす尤度を計算し、もっとも高い尤度
になったモデルを認識結果として出力するものである。
したがって、認識対象としてない発話が認識対象の音声
として入力されたり、使用者が咳をしたりした場合で
も、それらの入力音声の尤度を計算して最も尤度の高い
認識対象語を認識結果として出力してしまう。これらに
対処する技術として、咳や認識対象外の語など想定して
ない発話(未知語) が入力された時に、その発話の認識
結果を棄却するため、未知語のモデルを作成してその未
知語モデルの尤度に重みをかけた値が認識結果の尤度よ
り大きい場合に、認識結果を棄却する方法が一般に知ら
れている。図2を用いて音声入力から認識処理をし、認
識結果を出力する従来の方法を説明する。まず、音声が
入力されると音声取り込みを行ない(S100)、S100で取り
込んだ音声の音響分析をし(S200)、S200で分析した結果
に対する事前に用意している認識対象語のモデルの尤度
を計算する(S300)。次にS200の分析結果に対する未知語
モデルの尤度を(未知語に対する重みが予め設定されて
いる場合はその重みを考慮して) 計算する(S410)。(S30
0とS410のステップの順番は入れ変わっても良いし、同
時に行なっても良い)。求まった認識結果の尤度と未知
語モデルの尤度を比較し、未知語のモデルの尤度が大き
い場合は認識結果を棄却し(S601)、認識結果の尤度が大
きい場合はその認識結果を出力する(S600)。

【０００３】

【発明が解決しようとする課題】音声で計算機等を操作
する場合、誤認識した場合にその後の処理に悪影響を及
ぼす場合がある。例えば、『消去』という言葉に計算機
の記憶装置上のデータを消去するという操作が対応して
いる時に、未知語(例えば『賞金』『証拠』 )が入力
された時に誤って『消去』と認識された場合には、オ
ペレータの意思と関係なくデータが消去されてしまい、
その後の処理に悪影響が出てしまう。このような状況が
起こる可能性は減らさなければならない。また、逆に、
誤認識してもそれほど影響が出ない場合は、棄却処理に
より正しい発話を棄却される回数は少ない方が良い。

【０００４】しかし、例えば未知語モデルの精度が良く
ない場合、未知語でない本来認識されるべき発話を棄却
したり(誤棄却)、棄却するべき発話が棄却されなかった
り(棄却洩れ)、棄却処理に誤りが生じる。S400で計算さ
れる未知語モデルの尤度にかける重みを大きく設定した
場合、棄却洩れが減るが誤棄却が増える。逆に重みを小
さくした場合は、誤棄却が減るが棄却洩れが増える。

【０００５】従来は、認識対象語や認識結果にかかわら
ず、一定の重みが未知語モデルの尤度にかけられ、ま
た、尤度の大小のみで棄却するかどうかを判断してい
た。

【０００６】したがって、未知語モデルにかける重みが
大きい場合、棄却すべき語が棄却できずに誤認識されて
は困る語に誤認識するなどの棄却処理誤りの問題があっ
た。また、重みを小さく設定した場合棄却しなくて良い
語が棄却されるという棄却処理誤りの問題があった。

【０００７】

【課題を解決するための手段】上記従来の課題を解決す
る為に、本発明は、予め定められている認識対象語を用
いて入力音声を認識し、入力音声に対する未知語モデル
の尤度を導出し、前記導出された尤度に前記認識された
認識対象語に対応付けて記憶されている重みをかけた尤
度を導出し、前記導出された、重みをかけた尤度に従っ
て前記入力音声の認識結果を決定する音声認識方法及び
装置及び記憶媒体を提供する。

【０００８】上記従来の課題を解決する為に、本発明
は、好ましくは前記尤度の計算は、ＨＭＭモデルを用い
て行う。

【０００９】上記従来の課題を解決する為に、本発明
は、好ましくは前記認識対象語を用いた入力音声の認識
は、入力音声の認識対象語との尤度を計算し、前記尤度
が最大の認識対象語を認識結果と判断する処理とする。

【００１０】上記従来の課題を解決する為に、本発明
は、好ましくは前記認識において得た認識対象語の尤度
と、前記重みをかけた未知語モデルの尤度とを比較し、
前記比較により、認識対象語の尤度が大きい場合には、
該認識対象語を前記入力音声の認識結果として出力す
る。

【００１１】上記従来の課題を解決する為に、本発明
は、好ましくは前記認識において得た認識対象語の尤度
と、前記重みをかけた未知語モデルの尤度とを比較し、
前記比較により、重みをかけた未知語モデルの尤度が大
きい場合には、前記認識対象語を棄却する。

【００１２】上記従来の課題を解決する為に、本発明
は、好ましくは前記認識対象語に、棄却対象語であるか
否かを示す属性を付与して記憶し、前記記憶されている
属性に従って、前記未知語モデルに重みをかける処理を
するか否かを切り替えるよう制御する。

【００１３】上記従来の課題を解決する為に、本発明
は、好ましくは前記入力音声を入力する項目ごとに棄却
処理が必要か否かを示す属性を付与して記憶し、前記記
憶されている属性に従って、前記未知語モデルに重みを
かける処理をするか否かを切り替えるよう制御する。

【００１４】上記従来の課題を解決する為に、本発明
は、好ましくは前記認識対象語に対応する重み情報は、
認識対象語に対応付けたテーブルとして記憶する。

【００１５】上記従来の課題を解決する為に、本発明
は、好ましくは前記認識対象語に対応する重み情報は、
認識対象語の音声認識文法に盛り込んで記憶する。

【００１６】上記従来の課題を解決する為に、本発明
は、好ましくは前記認識対象語に対応する重み情報を、
未知語モデルの尤度計算処理に先立って行う。

【００１７】上記従来の課題を解決する為に、本発明
は、好ましくは前記認識対象語に対応する重み情報の計
算を、認識対象語が更新される度に行う。

【００１８】上記従来の課題を解決する為に、本発明
は、好ましくは前記認識結果を表示手段に表示する。

【００１９】上記従来の課題を解決する為に、本発明
は、好ましくは前記音声をマイクロフォンより入力す
る。

【００２０】上記従来の課題を解決する為に、本発明
は、認識対象語ごとに未知語モデルの尤度にかける重み
を決定し、入力音声の認識対象語との尤度を計算し、前
記入力音声の未知語モデルとの尤度を計算し、前記尤度
を計算した認識対象語に対して決定されている重みを、
前記計算して求められた未知語モデルの尤度にかけて、
未知語モデルの重み計上尤度を求め、前記認識対象語の
尤度及び未知語モデルの重み計上尤度とを比較し、前記
比較結果に応じて前記入力音声に対する認識結果を棄却
するか否かを決定する音声認識方法及び装置及び記憶媒
体を提供する。

【００２１】

【発明の実施の形態】以下、図面を参照しながら本発明
の一実施の形態を説明する。図1は本発明に係わる音声
認識装置の概略構成の一例を表すブロック図である。図
3は本発明にかかわる音声認識処理のフローチャートで
ある。

【００２２】以下で説明するユーザの発話に対する音声
認識などの処理は記憶装置(400) に記憶されたプログラ
ムに沿ってCPU(200) が処理する。後述するフローチャ
ートのプログラムも記憶装置４００に記憶される。ま
た、記憶装置４００に記憶されるプログラムは、着脱可
能な外部記憶媒体であるＦＤやＣＤＲＯＭ等、或は公衆
回線やＬＡＮを介して他の装置からダウンロードしても
良い。

【００２３】まず、ステップS020で、認識対象語ごと
に、その語のモデルと未知語モデルの尤度を比較する時
にその語のモデルに対して未知語モデルにかける重みを
決定する。即ち、ここで決定される重みは認識対象語と
同数である。または、認識対象語ごとに予め定められて
いる属性（例えばその語の危険度等）によりグループ分
けされるグループごとに重みを決定しても良い。

【００２４】S020で決定された認識対象語ごとの重みの
値は、単語と対応づけてテーブルとして記憶装置４００
に記憶しても良いし、S300での尤度計算処理において用
いる音声認識の為の文法情報に盛り込んでも良い。こう
して棄却処理に先立って認識対象語ごとの重みを決定
し、予め記憶しておくことにより、S410での未知語モデ
ルの尤度計算ではこの重みを読み出して、認識対象語ご
とに適切な重みをかけた尤度が求められる。

【００２５】また、このS020の重み決定処理は、棄却処
理に先立って行われれば良く、図３のフローチャートに
示されるようにS100の前でも良いし、例えばS300の後に
行っても良い。

【００２６】S020での重み決定及び記憶処理が行われた
後は、音声が入力される度にS100〜S601が繰り返される
が、例えば認識対象語が増加した場合、或はユーザの指
示により、随時S020を実行しても良い。

【００２７】マイクロフォンや電話などの音声入出力装
置(500) から音声が入力されると、ステップS100で音声
を取り込み、A/D変換などを行なう。

【００２８】次に、A/D変換された音声をステップS200
で音響分析する。

【００２９】次に、ステップS300で音響分析結果と記憶
装置(400) 上に記憶された認識対象語をHMMなどで表現
したモデルとの類似度を表す尤度をCPU(200) で計算
し、最も尤度の高いモデルを認識結果とする。

【００３０】次に、ステップS410で、音響分析結果と記
憶装置(400) 上に記憶された未知語をHMMなどで表現し
たモデルとの類似度を表す尤度をCPU(200) で計算す
る。この際、ステップS300の認識結果の語に対応する重
みを記憶装置４００に記憶されているテーブル或は文法
から読み出すことにより、ステップS020で決定した認識
対象語ごとに適切だと判断された重みを未知語モデルの
尤度にかける。

【００３１】次に、ステップS500でステップS300で計算
した認識結果の尤度とステップS410で計算した未知語モ
デルの尤度を比較する。

【００３２】ステップS500で認識結果の尤度が未知語モ
デルの尤度と等しいかそれより大きい場合は、ステップ
S600に進み、認識結果を表示装置(300) に表示する。

【００３３】ステップS500で認識結果の尤度が未知語モ
デルの尤度より小さい場合は、ステップS601に進み、認
識結果を棄却する。

【００３４】ステップS601において、棄却したことを表
示装置(300) に表示しても良い。ステップS600におい
て、認識結果は記憶装置(400) に記憶しても良い。

【００３５】先の説明における、ステップS020とステッ
プS300での処理を変更した例を図４のフローチャートを
用いて説明する。他のステップは先の図３のフローチャ
ートとほぼ等しいので、同じステップ番号を付し、ここ
での説明は省略する。以下、変更したステップについて
説明する。

【００３６】ステップＳ０２０で認識対象語ごとに未知
語モデルの尤度にかける重みを決定する際に、認識対象
語を棄却の対象とする語と棄却の対象としない語に分類
し、棄却の対象としない語に対する未知語処理モデルの
尤度にかける重みを0とする(S040)。このS040は、S020
が行われるタイミングと同じタイミングで行なわれ、ま
た、記憶装置４００への記憶方法も同じである。

【００３７】実施例1におけるステップS300において、
認識結果が出力された後に、S300で出力された認識結果
の語が棄却の対象かどうか(未知語のモデルの尤度にか
ける重みが0かどうか)記憶装置400を調べる(S350)。

【００３８】棄却の対象としない語であるとS350で判断
された場合(重みが0の場合) は、未知語モデルの尤度計
算(S410) と認識結果と未知語モデルの尤度比較を行な
わずにステップS600に進み、認識結果としてS300で出力
した語を表示する。

【００３９】棄却の対象の語であるとS350で判断された
場合(重みが0以外の場合) は、ステップS410に進み、未
知語モデルの尤度の計算を行ない、以降は図３のフロー
チャートと同じ処理をする。

【００４０】次に、図5のフローチャートを用いて発話
内容が棄却対象であるか否かを尤度計算の前に判断し、
その結果によって棄却処理を行うか否かを切り替える処
理について説明する。

【００４１】図３のフローチャートにおけるステップS0
20の後に発話内容が棄却の対象か否かを判断するステッ
プS050を設け、発話内容が棄却の対象である場合は図３
のフローチャートと同様に棄却処理を用いた音声認識(S
100〜S601)を行なう。ステップS050で発話が棄却の対象
でないと判断した場合はステップS400、S500の棄却処理
を行なわず、S100〜S300のみ行い、通常の音声認識と同
じように認識結果を表示する。

【００４２】これは例えば、複数の項目のデータを音声
で入力するシステムなどで、項目ごとに棄却処理が必要
であるか否かを予め記憶装置４００に記憶しておき、音
声入力対象となっている項目が棄却処理が必要な項目で
あるのか、或は必要ではない項目であるのかを記憶装置
４００を参照することにより使い分けすることに利用で
きる。

【００４３】

【発明の効果】以上説明したように、本発明によれば、
予め定められている認識対象語を用いて入力音声を認識
し、入力音声に対する未知語モデルの尤度を導出し、前
記導出された尤度に前記認識された認識対象語に対応付
けて記憶されている重みをかけた尤度を導出し、前記導
出された、重みをかけた尤度に従って前記入力音声の認
識結果を決定することにより、棄却誤りの少ない音声認
識が実現でき、音声認識による情報の入力を行う場合に
おける操作性を向上させることができる。

【００４４】以上説明したように、本発明によれば、前
記尤度の計算は、ＨＭＭモデルを用いて行うことによ
り、精度の良い音声認識において棄却誤りの少ない音声
認識を可能とする。

【００４５】以上説明したように、本発明によれば、前
記認識対象語を用いた入力音声の認識は、入力音声の認
識対象語との尤度を計算し、前記尤度が最大の認識対象
語を認識結果と判断する処理とすることにより、尤度が
最大の認識対象語に適した重みを考慮した棄却処理を可
能とする。

【００４６】以上説明したように、本発明によれば、前
記認識において得た認識対象語の尤度と、前記重みをか
けた未知語モデルの尤度とを比較し、前記比較により、
認識対象語の尤度が大きい場合には、該認識対象語を前
記入力音声の認識結果として出力することにより、認識
対象語の各々に適した重みを考慮した棄却処理をした上
で適切だと判断された認識対象語を認識結果として得る
ことが出来る。

【００４７】以上説明したように、本発明によれば、前
記認識において得た認識対象語の尤度と、前記重みをか
けた未知語モデルの尤度とを比較し、前記比較により、
重みをかけた未知語モデルの尤度が大きい場合には、前
記認識対象語を棄却することにより、棄却の判断を、認
識対象語の各々に適切なレベルで判断することが出来
る。

【００４８】以上説明したように、本発明によれば、前
記認識対象語に、棄却対象語であるか否かを示す属性を
付与して記憶し、前記記憶されている属性に従って、前
記未知語モデルに重みをかける処理をするか否かを切り
替えるよう制御することにより、必要に応じて棄却処理
を行うので、音声認識の処理能率を向上させられる。

【００４９】以上説明したように、本発明によれば、前
記入力音声を入力する項目ごとに棄却処理が必要か否か
を示す属性を付与して記憶し、前記記憶されている属性
に従って、前記未知語モデルに重みをかける処理をする
か否かを切り替えるよう制御することにより、必要な場
合に応じて棄却処理を行うので、音声認識の処理能率を
向上させられる。

【００５０】以上説明したように、本発明によれば、前
記認識対象語に対応する重み情報は、認識対象語に対応
付けたテーブルとして記憶することにより、認識対象語
ごとに別個に設けられた重み情報を早く、適切に得るこ
とが出来る。

【００５１】以上説明したように、本発明によれば、前
記認識対象語に対応する重み情報は、認識対象語の音声
認識文法に盛り込んで記憶することにより、認識対象語
ごとに別個に設けられた重み情報を早く、確実に得るこ
とが出来る。

【００５２】以上説明したように、本発明によれば、前
記認識対象語に対応する重み情報を、未知語モデルの尤
度計算処理に先立って行うことにより、未知語対象語ご
とに異なる重み情報の決定を適切なタイミングで行うこ
とが出来る。

【００５３】以上説明したように、本発明によれば、前
記認識対象語に対応する重み情報の計算を、認識対象語
が更新される度に行うことにより、認識対象語が変化す
る場合においても、認識対象語ごとに異なる重み情報
を、確実に用意しておくことが出来る。

【００５４】以上説明したように、本発明によれば、前
記認識結果を表示手段に表示することにより、認識結果
を正確に確認することが出来る。

【００５５】以上説明したように、本発明によれば、前
記音声をマイクロフォンより入力することにより、音声
入力が容易に行える。

【００５６】以上説明したように、本発明によれば、認
識対象語ごとに未知語モデルの尤度にかける重みを決定
し、入力音声の認識対象語との尤度を計算し、前記入力
音声の未知語モデルとの尤度を計算し、前記尤度を計算
した認識対象語に対して決定されている重みを、前記計
算して求められた未知語モデルの尤度にかけて、未知語
モデルの重み計上尤度を求め、前記認識対象語の尤度及
び未知語モデルの重み計上尤度とを比較し、前記比較結
果に応じて前記入力音声に対する認識結果を棄却するか
否かを決定することにより、棄却誤りを少なくすること
を可能とし、音声により情報を入力する場合の操作性を
向上させられる。

【図面の簡単な説明】

【図１】本発明に関わる音声認識装置の構成のブロック
図である。

【図２】従来の音声認識方法のフローチャートである。

【図３】本発明に係る実施形態である音声認識方法のフ
ローチャートである。

【図４】本発明に係る実施形態である音声認識方法２の
フローチャートである。

【図５】本発明に係る実施形態である音声認識方法３の
フローチャートである。

Claims

【特許請求の範囲】

【請求項１】予め定められている認識対象語を用いて
入力音声を認識し、入力音声に対する未知語モデルの尤度を導出し、前記導出された尤度に前記認識された認識対象語に対応
付けて記憶されている重みをかけた尤度を導出し、前記導出された、重みをかけた尤度に従って前記入力音
声の認識結果を決定することを特徴とする音声認識方
法。
【請求項２】前記尤度の計算は、ＨＭＭモデルを用い
て行うことを特徴とする請求項1に記載の音声認識方
法。
【請求項３】前記認識対象語を用いた入力音声の認識
は、入力音声の認識対象語との尤度を計算し、前記尤度が最大の認識対象語を認識結果と判断する処理
とすることを特徴とする請求項1に記載の音声認識方
法。
【請求項４】前記認識において得た認識対象語の尤度
と、前記重みをかけた未知語モデルの尤度とを比較し、前記比較により、認識対象語の尤度が大きい場合には、
該認識対象語を前記入力音声の認識結果として出力する
ことを特徴とする請求項1に記載の音声認識方法。
【請求項５】前記認識において得た認識対象語の尤度
と、前記重みをかけた未知語モデルの尤度とを比較し、前記比較により、重みをかけた未知語モデルの尤度が大
きい場合には、前記認識対象語を棄却することを特徴と
する請求項1に記載の音声認識方法。
【請求項６】前記認識対象語に、棄却対象語であるか
否かを示す属性を付与して記憶し、前記記憶されている属性に従って、前記未知語モデルに
重みをかける処理をするか否かを切り替えるよう制御す
ることを特徴とする請求項1に記載の音声認識方法。
【請求項７】前記入力音声を入力する項目ごとに棄却
処理が必要か否かを示す属性を付与して記憶し、前記記憶されている属性に従って、前記未知語モデルに
重みをかける処理をするか否かを切り替えるよう制御す
ることを特徴とする請求項1に記載の音声認識方法。
【請求項８】前記認識対象語に対応する重み情報は、
認識対象語に対応付けたテーブルとして記憶することを
特徴とする請求項1に記載の音声認識方法。
【請求項９】前記認識対象語に対応する重み情報は、
認識対象語の音声認識文法に盛り込んで記憶することを
特徴とする請求項1に記載の音声認識方法。
【請求項１０】前記認識対象語に対応する重み情報
を、未知語モデルの尤度計算処理に先立って行うことを
特徴とする請求項1に記載の音声認識方法。
【請求項１１】前記認識対象語に対応する重み情報の
計算を、認識対象語が更新される度に行うことを特徴と
する請求項1に記載の音声認識方法。
【請求項１２】前記認識結果を表示手段に表示するこ
とを特徴とする請求項1に記載の音声認識方法。
【請求項１３】前記音声をマイクロフォンより入力す
ることを特徴とする請求項1に記載の音声認識方法。
【請求項１４】認識対象語ごとに未知語モデルの尤度
にかける重みを決定し、入力音声の認識対象語との尤度を計算し、前記入力音声の未知語モデルとの尤度を計算し、前記尤度を計算した認識対象語に対して決定されている
重みを、前記計算して求められた未知語モデルの尤度に
かけて、未知語モデルの重み計上尤度を求め、前記認識対象語の尤度及び未知語モデルの重み計上尤度
とを比較し、前記比較結果に応じて前記入力音声に対する認識結果を
棄却するか否かを決定することを特徴とする音声認識方
法。
【請求項１５】予め定められている認識対象語を用い
て入力音声を認識する認識対象語認識手段と、入力音声に対する未知語モデルの尤度を導出する未知語
モデル尤度導出手段と、前記導出された尤度に前記認識された認識対象語に対応
付けて記憶されている重みをかけた尤度を導出する未知
語モデル重み計上尤度導出手段と、前記導出された、重みをかけた尤度に従って前記入力音
声の認識結果を決定する認識結果決定手段とを有するこ
とを特徴とする音声認識装置。
【請求項１６】認識対象語ごとに未知語モデルの尤度
にかける重みを決定する重み決定手段と、入力音声の認識対象語との尤度を計算する認識対象語尤
度決定手段と、前記入力音声の未知語モデルとの尤度を計算する未知語
モデル尤度決定手段と、前記尤度を計算した認識対象語に対して決定されている
重みを、前記計算して求められた未知語モデルの尤度に
かけて、未知語モデルの重み計上尤度を求める未知語モ
デル重み計上尤度導出手段と、前記認識対象語の尤度及び未知語モデルの重み計上尤度
とを比較する尤度比較手段と、前記比較結果に応じて前記入力音声に対する認識結果を
棄却するか否かを決定する棄却判定手段とを有すること
を特徴とする音声認識装置。
【請求項１７】コンピュータが読み取り可能な記憶媒
体であって、予め定められている認識対象語を用いて入力音声を認識
する工程と、入力音声に対する未知語モデルの尤度を導出する工程
と、前記導出された尤度に前記認識された認識対象語に対応
付けて記憶されている重みをかけた尤度を導出する工程
と、前記導出された、重みをかけた尤度に従って前記入力音
声の認識結果を決定する工程のプログラムを記憶した記
憶媒体。
【請求項１８】コンピュータが読み取り可能な記憶媒
体であって、認識対象語ごとに未知語モデルの尤度にかける重みを決
定する工程と、入力音声の認識対象語との尤度を計算する工程と、前記入力音声の未知語モデルとの尤度を計算する工程
と、前記尤度を計算した認識対象語に対して決定されている
重みを、前記計算して求められた未知語モデルの尤度に
かけて、未知語モデルの重み計上尤度を求める工程と、前記認識対象語の尤度及び未知語モデルの重み計上尤度
とを比較する工程と、前記比較結果に応じて前記入力音声に対する認識結果を
棄却するか否かを決定する工程のプログラムを記憶した
記憶媒体。