JPH11288293A - 音声認識装置および記憶媒体 - Google Patents

Abstract

(57)【要約】 【課題】 認識精度を高めることができる音声認識装置
および記憶媒体を実現する。 【解決手段】 認識開始時点設定部１４は、認識開始時
点を入力信号の開始時点以後であり、かつ、有音区間の
開始時点以前の範囲内の所定の時点に設定する。これに
より、有音区間開始時点を認識開始時点とする手法のよ
うに、呼吸音やリップノイズなどの雑音の影響を受けて
有音区間開始時点と認識開始時点とが一致しないことに
起因して誤認識するという問題を解決できる。また、識
別部１６は、有音隠れマルコフモデルのパラメータ２２
および無音隠れマルコフモデルのパラメータ２４を参照
しながら、隠れマルコフモデル法によって識別を行う。
これにより、呼吸音やリップノイズなどによって認識精
度に影響を受けることがない。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は、音声を認識する音
声認識装置、およびその音声認識装置が音声認識を行う
ためのコンピュータプログラムが記憶された記憶媒体に
関し、音声認識の精度を高めることができるものであ
る。

【０００２】

【従来の技術】従来、上記音声認識装置として、たとえ
ば図４に示す構成のものが知られている。この音声認識
装置４０は、有音区間開始時点検出部４２と、有音区間
終了時点検出部１２と、記憶部４６と、識別部４４とを
備える。有音区間開始時点検出部４２は、音声入力装置
３０によって入力され、デジタル化された信号を入力信
号として入力し、この入力した入力信号のパワーなどを
検出して有音区間の開始時点（以後、有音区間開始時点
と称する）を設定する。また、有音区間終了時点検出部
１２は、上記入力信号のパワーなどを検出して有音区間
の終了時点（以後、有音区間終了時点と称する）を設定
する。さらに、記憶部４６は、各識別対象の有音区間に
対応する有音隠れマルコフモデルの参照パラメータ２２
を記憶しており、識別部４４は、有音区間開始時点検出
部４２によって検出された有音区間開始時点から、有音
区間終了時点検出部１２によって検出された有音区間終
了時点までを認識区間とし、その認識区間内の入力信号
を、記憶部４６に記憶されている有音隠れマルコフモデ
ルの参照パラメータ２２を参照しながら識別する。

【０００３】ここで、隠れマルコフモデルとは、音声を
統計的手法によって記述したモデルであり、遷移確率・
出力確率などのパラメータにより構成されている。ま
た、有音区間とは、図５に示すように、入力信号におい
て識別対象の音声が存在する区間を指し、無音区間と
は、有音区間以外の識別対象とは無関係な区間を指す。
また、有音隠れマルコフモデルとは、学習データの有音
区間の信号を用いて各識別対象ごとに予め学習された隠
れマルコフモデルを指し、これは各音節ごとに用意され
上記記憶部４６に記憶されている。

【０００４】

【発明が解決しようとする課題】ところで、有音区間終
了時点は、たとえば特開昭６２−２３７４９８号公報に
記載されている手法を用いて検出することが可能である
が、無声子音で始まる音声を認識する場合において、無
声子音などの中には、呼吸音やリップノイズなどの雑音
との区別がつきにくいものがあるため、実際には無声子
音であるのに雑音と判断してしまい、有音区間開始時点
の検出を誤るという問題があった。そしてそのような有
音区間開始時点の検出誤りが、上記識別部４４が識別処
理を行う際の誤認識の原因となることがあった。

【０００５】そこで、そのような問題を解決するため
に、図６に示す構成の音声認識装置５０が提案されてい
る。この音声認識装置５０は、記憶部５４と、識別部５
２とを備えている。記憶部５４には、各識別対象の有音
部分に対応する有音隠れマルコフモデルの参照パラメー
タ２２の他に、無音区間に対応する無音隠れマルコフモ
デルの参照パラメータ２４と、隠れマルコフモデル・ネ
ットワーク５６とが記憶されている。ここで、無音隠れ
マルコフモデルとは、学習データの無音区間の信号を用
いて予め学習された隠れマルコフモデルを指す。また、
隠れマルコフモデル・ネットワーク５６は、単音節を識
別する場合の一例であり、この例では、有音隠れマルコ
フモデルが各音節ごとに用意されており、無音隠れマル
コフモデル＋有音隠れマルコフモデル＋無音隠れマルコ
フモデルの順に結合されている。さらに、識別部５２
は、上記隠れマルコフモデル・ネットワーク５６に基づ
いて各有音隠れマルコフモデルの参照パラメータ２２お
よび無音隠れマルコフモデルの参照パラメータ２４を参
照しながら、公知のＶｉｔｅｒｂｉスコアを算出し、こ
の算出されたＶｉｔｅｒｂｉスコアを最大にするネット
ワーク・パスを検出し、その検出されたパス上の有音隠
れマルコフモデルに対応する発生内容を認識結果として
表示装置３２などに出力する。つまり、図６に示す音声
認識装置５０は、有音区間の検出を行わないで発生内容
を認識することにより、有音区間開始時点の検出誤りよ
って生じていた前述の問題を解決しようとするものであ
る。

【０００６】ところで、図７に示すように、入力信号に
は、有音区間の後に呼吸音やリップノイズによる信号が
含まれている場合がある。そこで、そのような入力信号
の音声認識を上述の図６に示した音声認識装置５０を用
いて行うと、Ｖｉｔｅｒｂｉスコアを最大にするネット
ワーク・パスを検出する際に、有音隠れマルコフモデル
から無音隠れマルコフモデルへの遷移時点が、図７上の
Ｐに示す時点になることがあった。これは、リップノイ
ズや呼吸音を含めた区間を有音隠れマルコフモデルを用
いて識別処理をしていることと等しく、真の有音区間に
対する識別が行われていないことを意味する。つまり、
図６に示す音声認識装置５０では、真の有音区間に対す
る識別が行われないことにより、誤認識する場合がある
という問題がある。以上のように、特開昭６２−２３７
４９８号公報に記載の手法および図６に示す音声認識装
置５０では、いずれも認識精度が低いという問題があ
る。

【０００７】そこで、本発明は、認識精度を高めること
ができる音声認識装置、およびその音声認識装置によっ
て音声認識を行うためのコンピュータプログラムが記憶
された記憶媒体を実現することを目的とする。

【０００８】

【課題を解決するための手段】本発明は、上記目的を達
成するため、請求項１に記載の発明では、音声信号の無
音区間内の信号に対応する無音参照パラメータと、前記
音声信号の有音区間内の信号に対応する有音参照パラメ
ータとが記憶された記憶手段と、入力信号の有音区間の
終了時点を有音区間終了時点として検出する有音区間終
了時点検出手段と、前記入力信号の開始時点以後であ
り、かつ、有音区間の開始時点以前の範囲内における所
定の時点を音声認識を開始する認識開始時点に設定する
認識開始時点設定手段と、この認識開始時点設定手段に
よって設定された認識開始時点から、前記有音区間終了
時点検出手段によって検出された有音区間終了時点まで
の入力信号に対して、前記記憶手段に記憶された無音参
照パラメータおよび有音参照パラメータを参照しなが
ら、時間正規化識別手法によって前記入力信号の発声内
容を識別する識別手段と、が備えられたという技術的手
段を採用する。

【０００９】また、請求項２に記載の発明では、請求項
１に記載の音声認識装置において、前記時間正規化識別
手法は、隠れマルコフモデル法であるという技術的手段
を採用する。

【００１０】さらに、請求項３に記載の発明では、音声
信号の無音区間内の信号から学習して作成された無音参
照パラメータと、前記音声信号の有音区間内の信号を学
習して作成された有音参照パラメータとが格納されてお
り、さらに、入力信号の有音区間の終了時点を有音区間
終了時点として検出し、前記入力信号の開始時点以後で
あり、かつ、有音区間の開始時点以前の範囲内における
所定の時点を音声認識を開始する認識開始時点に設定
し、その設定された認識開始時点から、前記有音区間終
了時点検出手段によって検出された有音区間終了時点ま
での入力信号に対して、前記記憶手段に記憶された無音
参照パラメータおよび有音参照パラメータを参照しなが
ら、時間正規化識別手法によって前記入力信号の発声内
容を識別するためのコンピュータプログラムを含むコン
ピュータプログラムが格納されたという技術的手段を採
用する。

【００１１】

【作用】請求項１および請求項２に記載の発明では、上
記記憶手段は、音声信号の無音区間内の信号に対応する
無音参照パラメータと、上記音声信号の有音区間内の信
号に対応する有音参照パラメータとを記憶し、上記有音
区間終了時点検出手段は、入力信号の有音区間の終了時
点を有音区間終了時点として検出し、上記認識開始時点
設定手段は、上記入力信号の開始時点以後であり、か
つ、有音区間の開始時点以前の範囲内における所定の時
点を音声認識を開始する認識開始時点に設定し、識別手
段は、上記認識開始時点設定手段によって設定された認
識開始時点から、上記有音区間終了時点検出手段によっ
て検出された有音区間終了時点までの入力信号に対し
て、上記記憶手段に記憶された無音参照パラメータおよ
び有音参照パラメータを参照しながら、時間正規化識別
手法によって上記入力信号の発声内容を識別する。つま
り、上記認識開始時点設定手段は、認識開始時点を上記
入力信号の開始時点以後であり、かつ、有音区間の開始
時点以前の範囲内の所定の時点に設定する構成であるた
め、つまり認識開始時点は上記範囲内の任意の時点に設
定できる構成であるため、認識開始時点と有音区間開始
時点とを一致させる必要がない。したがって、従来の、
有音区間開始時点を認識開始時点として認識を行う手法
（特開昭６２−２３７４９８号公報）のように、リップ
ノイズなどの雑音と無声子音とを誤って判断することな
どに原因して認識開始時点と有音区間開始時点とが一致
せず、誤認識するという問題が生じることがない。

【００１２】また、上記識別手段は、認識開始時点設定
手段によって設定された認識開始時点から、上記有音区
間終了時点検出手段によって検出された有音区間終了時
点までの入力信号に対して、上記記憶手段に記憶された
無音参照パラメータおよび有音参照パラメータを参照し
ながら、時間正規化識別手法によって上記入力信号の発
声内容を識別することから、リップノイズなどの雑音と
無性子音とを識別することができる。つまり、上記認識
開始時点設定手段によれば、有音区間開始時点以前から
認識を開始することになるため、その認識範囲にリップ
ノイズなどの雑音が含まれる場合が考えられるが、上記
識別手段によってそれらの雑音を無音として識別するこ
とができる。したがって、有音区間開始時点および有音
区間終了時点を検出する手段を備えず、Ｖｉｔｅｒｂｉ
スコアを最大にするネットワーク・パスを検出して認識
を行う従来の音声認識装置５０（図６）のように、呼吸
音やリップノイズなどにより誤認識する場合が生じにく
いため、認識精度を高めることができる。

【００１３】特に、請求項２に記載の発明では、上記時
間正規化識別手法は、隠れマルコフモデル法であるとい
う技術的手段を採用するため、つまり、統計処理手法を
用いるため、他の時間正規化識別手法を用いた場合より
も識別精度の高い音声認識装置を実現できる。

【００１４】さらに、請求項３に記載の発明では、音声
信号の無音区間内の信号から学習して作成された無音参
照パラメータと、上記音声信号の有音区間内の信号を学
習して作成された有音参照パラメータとが格納されてお
り、さらに、入力信号の有音区間の終了時点を有音区間
終了時点として検出し、上記入力信号の開始時点以後で
あり、かつ、有音区間の開始時点以前の範囲内における
所定の時点を音声認識を開始する認識開始時点に設定
し、その設定された認識開始時点から、上記有音区間終
了時点検出手段によって検出された有音区間終了時点ま
での入力信号に対して、上記記憶手段に記憶された無音
参照パラメータおよび有音参照パラメータを参照しなが
ら、時間正規化識別手法によって上記入力信号の発声内
容を識別するためのコンピュータプログラムを含むコン
ピュータプログラムが格納された記憶媒体という構成で
あるため、その記憶媒体を用いることにより、上記請求
項１に記載の音声認識装置を実現できる。つまり、上記
音声認識装置は、たとえば、後述する発明の実施の形態
に記載するように、音声認識装置に内蔵されたＣＰＵ、
あるいは、音声認識装置に接続されたコンピュータによ
って制御されることから、上記記憶媒体としての記憶部
を音声認識装置に設け、もしくは、上記記憶媒体に格納
されているコンピュータプログラムをコンピュータにイ
ンストールすることによって、請求項１に記載の発明を
実施できるからである。

【００１５】

【発明の実施の形態】以下、本発明の音声認識装置の一
実施形態について図１ないし図３を参照して説明する。
図１は、本実施形態の音声認識装置の概略構成をブロッ
クで示す説明図であり、図２は、認識開始時点および有
音区間終了時点を示す説明図であり、図３は、本実施形
態の音声認識装置の処理の流れを示すフローチャートで
ある。なお、従来と同一の構成には同一の符号を用いて
その説明を省略する。

【００１６】最初に、本実施形態の音声装置の主な構成
について図１および図２を参照して説明する。本実施形
態の音声認識装置は、図１に示すように、本発明の有音
区間終了時点検出手段を構成する有音区間終了時点検出
部１２と、記憶手段を構成する記憶部２０と、認識開始
時点設定手段を構成する認識開始時点設定部１４と、識
別手段を構成する識別部１６とを備える。有音区間終了
時点検出部１２は、音声入力装置３０に入力され、デジ
タル化されて出力される信号を入力信号として入力し、
この入力した入力信号のパワーなどを用いて図２に示す
有音区間終了時点を検出する。ここで有音区間とは、従
来技術の欄で述べたように、入力信号において識別対象
の音声が存在する区間を指し、無音区間とは、有音区間
以外の識別対象とは無関係な区間を指す。

【００１７】記憶部２０は、各識別対象の有音部分に対
応する有音隠れマルコフモデルのパラメータ２２と、無
音区間に対応する無音隠れマルコフモデルのパラメータ
２４と、隠れマルコフモデル・ネットワーク２６とを記
憶している。有音隠れマルコフモデルのパラメータ２２
が、本発明の有音参照パラメータを構成し、無音隠れマ
ルコフモデルのパラメータ２４が無音参照パラメータを
構成する。ここで、隠れマルコフモデルとは、音声を統
計的手法により記述した公知のモデルであり、遷移確
率、出力確率などのパラメータにより構成されている。

【００１８】また、有音隠れマルコフモデルとは、学習
データの有音区間の信号を用いて各識別対象ごとに予め
学習されたマルコフモデルを指し、本実施形態では、各
音節ごとの隠れマルコフモデルが記憶部２６に記憶され
ている。さらに、無音隠れマルコフモデルとは、学習デ
ータの無音区間の信号を用いて予め学習された隠れマル
コフモデルを指す。また、図１に示す隠れマルコフモデ
ル・ネットワーク２６は、単音節を認識する場合の一例
であり、本実施形態では、有音隠れマルコフモデルが各
音節ごとに用意されており、無音隠れマルコフモデル＋
有音隠れマルコフモデルの順に結合されたものである。
認識開始時点設定部１４は、入力信号の開始時点以後か
ら有音区間の開始時点以前までの区間内の適当な時点を
認識開始時点として設定する。本実施形態では、隠れマ
ルコフモデル・ネットワークを用いるため、認識開始時
点と有音区間開始時点とを一致させる必要はなく、認識
開始時点以降に有音区間開始時点があればよく、図２に
示すように、有音区間終了時点検出部１２により検出さ
れた有音区間終了時点ｔ３から単音節の有音区間より充
分長い時間ａ、たとえば、本実施形態では、約５００ｍ
秒だけ戻った時点ｔ１を認識開始時点として設定する。

【００１９】識別部１６は、認識開始時点設定部１４が
設定した認識開始時点ｔ１から、有音区間終了時点検出
部１２が検出した有音区間終了時点ｔ３までの入力信号
に対して、記憶部２０に記憶された隠れマルコフモデル
・ネットワーク２６に基づいて有音隠れマルコフモデル
のパラメータ２２および無音隠れマルコフモデルのパラ
メータ２４を参照しながら、公知のＶｉｔｅｒｂｉ法に
よりＶｉｔｅｒｂｉスコアを算出し、この算出されたＶ
ｉｔｅｒｂｉスコアを最大にするネットワーク・パスを
検出し、その検出されたネットワーク・パス上の有音隠
れマルコフモデルに対応する識別対象を認識結果として
表示装置３２などに出力する。

【００２０】次に、本実施形態の音声認識装置１０の処
理内容について、それを示す図３のフローチャートを参
照して説明する。なお、本実施形態の音声認識装置１０
が図３に示す処理を実行するためのコンピュータプログ
ラムは、記憶部２０に記憶されている。まず、有音区間
終了時点検出部１２が、入力信号のパワーなどを用いて
入力信号の有音区間終了時点を検出する（ステップ
２）。その検出は、たとえば、前述の特開昭６２−２３
７４９８号公報に記載されている技術を用いて行う。続
いて、認識開始時点設定部１４が、上記ステップ２で検
出された有音区間終了時点ｔ３から５００ｍ秒戻った時
点を認識開始時点ｔ１として設定する（ステップ４）。

【００２１】続いて、識別部１６が、上記ステップ４で
設定された認識開始時点ｔ１から、上記ステップ２で検
出された有音区間終了時点ｔ３までの範囲における入力
信号に対して、公知の線形予測やフィルターバンクを用
いて特徴量を抽出し（ステップ６）、記憶部２０に記憶
されている隠れマルコフモデル・ネットワーク２６を読
込み（ステップ８）、この読込んだ隠れマルコフモデル
・ネットワーク２６に基づいて、記憶部２０に記憶され
ている有音隠れマルコフモデルのパラメータ２２および
無音隠れマルコフモデルのパラメータ２４を参照しなが
ら、公知のＶｉｔｅｒｂｉ法により、隠れマルコフモデ
ル・ネットワーク２６のＶｉｔｅｒｂｉスコアを最大に
するネットワーク・パスを抽出し（ステップ１０）、そ
の抽出されたネットワーク・パス上の有音隠れマルコフ
モデルに対応する識別対象を認識結果として出力する
（ステップ１２）。この出力された認識結果は、表示装
置３２などによって表示される。

【００２２】以上のように、本実施形態の音声認識装置
１０を使用すれば、認識開始時点ｔ１を入力信号の開始
時点以後であり、かつ、有音区間開始時点ｔ２以前の範
囲内における所定の時点に設定することができる。した
がって、従来の手法（特開昭６２−２３７４９８号公
報）のように、有音区間開始時点と認識開始時点とを一
致させることができないことに原因して誤認識をすると
いうことがない。また、隠れマルコフモデル・ネットワ
ーク２６に基づいて、有音隠れマルコフモデルのパラメ
ータ２２および無音隠れマルコフモデルのパラメータ２
４を参照しながら、公知のＶｉｔｅｒｂｉ法により、隠
れマルコフモデル・ネットワーク２６のＶｉｔｅｒｂｉ
スコアを最大にするネットワーク・パスを抽出し、その
抽出されたネットワーク・パス上の有音隠れマルコフモ
デルに対応する識別対象を認識結果として出力すること
から、従来の音声認識装置５０（図４）のように、呼吸
音やリップノイズなどを音声と誤認識する確率を低くで
きるため、認識精度を高めることができる。

【００２３】なお、上記実施形態では、隠れマルコフモ
デル・ネットワークを用いて無音隠れマルコフモデルと
有音隠れマルコフモデルを連結したが、無音隠れマルコ
フモデルと有音隠れマルコフモデルとを直接連結したも
のなど、他の処理方法を用いることもできる。また、有
音隠れマルコフモデルが、さらに細かい単位、たとえば
音韻などの隠れマルコフモデルを直接連結したもの、も
しくは、それらを隠れマルコフモデル・ネットワークに
より連結したものでもよい。さらに、上記実施形態で
は、時間正規化識別手法として隠れマルコフモデル法を
用いたが、動的計画法（ＤＰマッチング法）を用いるこ
ともできる。また、上記実施形態では、本発明の音声認
識装置として、単音節認識を行うものを代表に説明した
が、本発明は、単語認識や文章認識などを行う音声認識
装置にも適用することができる。さらに、上記実施形態
では、呼吸音を無音区間として処理したが、呼吸音は有
音区間と隣接しており、リップノイズと比べるとその影
響は小さいため、有音区間として処理してもよい。

【００２４】また、上記実施形態では、コンピュータプ
ログラムが記憶部２０に記憶されている構成を用いた
が、上記コンピュータプログラムをＣＤ−ＲＯＭやフロ
ッピーディスクなどに記憶し、それらを装置に備えられ
た読取装置を用いてインストールすることによって装置
を動作させることもできる。この場合、上記ＣＤ−ＲＯ
ＭやＦＤなどが、請求項３に記載の記憶媒体として機能
する。さらに、外部情報処理装置から有線または無線の
通信手段を介してコンピュータプログラムを読み込んで
動作させることもできる。

【００２５】

【発明の効果】以上のように、請求項１および請求項２
に記載の発明によれば、入力信号の開始時点以後であ
り、かつ、有音区間の開始時点以前の範囲内における所
定の時点を音声認識を開始する認識開始時点に設定する
認識開始時点設定手段を備えるため、有音区間開始時点
と認識開始時点とが一致しなかったことにより生じる誤
認識をなくすことができる。しかも、上記認識開始時点
設定手段によって設定された認識開始時点から、有音区
間終了時点検出手段によって検出された有音区間終了時
点までの入力信号に対して、無音参照パラメータおよび
有音参照パラメータを参照しながら、時間正規化識別手
法によって上力信号の発声内容を識別する識別手段を備
えるため、リップノイズや呼吸音などによって認識精度
に影響が与えられることがない。つまり、請求項１およ
び請求項２に記載の発明によれば、認識精度の高めるこ
とができる音声認識装置を実現できる。

【００２６】特に、請求項２に記載の発明によれば、上
記時間正規化識別手法が統計処理手法である隠れマルコ
フモデル法を用いるため、他の時間正規化識別手法を用
いた場合よりも識別精度の高い音声認識装置を実現でき
る。

【００２７】さらに、請求項３に記載の発明によれば、
音声信号の無音区間内の信号から学習して作成された無
音参照パラメータと、上記音声信号の有音区間内の信号
を学習して作成された有音参照パラメータとが格納され
ており、さらに、入力信号の有音区間の終了時点を有音
区間終了時点として検出し、上記入力信号の開始時点以
後であり、かつ、有音区間の開始時点以前の範囲内にお
ける所定の時点を音声認識を開始する認識開始時点に設
定し、その設定された認識開始時点から、上記有音区間
終了時点検出手段によって検出された有音区間終了時点
までの入力信号に対して、上記記憶手段に記憶された無
音参照パラメータおよび有音参照パラメータを参照しな
がら、時間正規化識別手法によって上記入力信号の発声
内容を識別するためのコンピュータプログラムを含むコ
ンピュータプログラムが格納された記憶媒体という構成
であるため、その記憶媒体を音声認識装置内の記憶部と
して設け、もしくは、その記憶媒体に格納されているコ
ンピュータプログラムを音声認識装置あるいは音声認識
装置に接続されたコンピュータにインストールすること
によって請求項１に記載の音声認識装置を実現すること
ができる。

【図面の簡単な説明】

【図１】本発明実施形態の音声認識装置の概略構成をブ
ロックで示す説明図である。

【図２】本発明実施形態の認識開始時点および有音区間
終了時点などを示す説明図である。

【図３】本発明実施形態の音声認識装置の処理の流れを
示すフローチャートである。

【図４】従来の音声認識装置の概略構成をブロックで示
す説明図である。

【図５】有音区間および無音区間などを示す説明図であ
る。

【図６】従来の音声認識装置の概略構成をブロックで示
す説明図である。

【図７】図６に示す音声認識装置の認識区間を示す説明
図である。

【符号の説明】

１０ 音声認識装置 １２ 有音区間終了時点検出部（有音区間終了時点検
出手段） １４ 認識開始時点設定部（認識開始時点設定手段） １６ 識別部（識別手段） ２０ 記憶部（記憶手段） ２２ 有音隠れマルコフモデルのパラメータ（有音参
照パラメータ） ２４ 無音隠れマルコフモデルのパラメータ（無音参
照パラメータ） ２６ 隠れマルコフモデル・ネットワーク

Claims (3)

【特許請求の範囲】
1. 【請求項１】 音声信号の無音区間内の信号に対応する
   無音参照パラメータと、前記音声信号の有音区間内の信
   号に対応する有音参照パラメータとが記憶された記憶手
   段と、 入力信号の有音区間の終了時点を有音区間終了時点とし
   て検出する有音区間終了時点検出手段と、 前記入力信号の開始時点以後であり、かつ、有音区間の
   開始時点以前の範囲内における所定の時点を音声認識を
   開始する認識開始時点に設定する認識開始時点設定手段
   と、 この認識開始時点設定手段によって設定された認識開始
   時点から、前記有音区間終了時点検出手段によって検出
   された有音区間終了時点までの入力信号に対して、前記
   記憶手段に記憶された無音参照パラメータおよび有音参
   照パラメータを参照しながら、時間正規化識別手法によ
   って前記入力信号の発声内容を識別する識別手段と、 が備えられたことを特徴とする音声認識装置。
2. 【請求項２】 前記時間正規化識別手法は、隠れマルコ
   フモデル法であることを特徴とする請求項１に記載の音
   声認識装置。
3. 【請求項３】 音声信号の無音区間内の信号から学習し
   て作成された無音参照パラメータと、前記音声信号の有
   音区間内の信号を学習して作成された有音参照パラメー
   タとが格納されており、さらに、入力信号の有音区間の
   終了時点を有音区間終了時点として検出し、前記入力信
   号の開始時点以後であり、かつ、有音区間の開始時点以
   前の範囲内における所定の時点を音声認識を開始する認
   識開始時点に設定し、その設定された認識開始時点か
   ら、前記有音区間終了時点検出手段によって検出された
   有音区間終了時点までの入力信号に対して、前記記憶手
   段に記憶された無音参照パラメータおよび有音参照パラ
   メータを参照しながら、時間正規化識別手法によって前
   記入力信号の発声内容を識別するためのコンピュータプ
   ログラムを含むコンピュータプログラムが格納されたこ
   とを特徴とする記憶媒体。