JPS59148098A - 音声認識装置 - Google Patents

Abstract

(57)【要約】本公報は電子出願前の出願データであるた
め要約のデータは記録されません。

Description

【発明の詳細な説明】 （イ）産業上の利用分野 本発明に音声を認識する音声認識装置に関する。

（ロ）従来技術 音声を認識して伺等かの機器を制御せんとし１こ場合、
その殆どが認識動作に咳当する応答時間が常に問題１ｃ
なって来る。応答時間馨早めるにに間遠動作の可能なＣ
ＰＵやメモリ或いばその周辺回路を用いる・のが一般に
考えられる事であるが、システム全体が高価になる上に
、そＴＬ程の高速化が果さｎ、ｙ’ｚい。

ここで現存Ｔる音声認識動作娶第１図に示す。

認識丁べき音声が入力される音声入力期間（工１）、ｊ
、、の入力音）声の終了乞意味下る無音期間（Ｎ１）、
入力音声の認誠馨行う認識期間（Ｒ１）ン一つのサイク
ルとし、この認識サイクル（工１”）（Ｎ１）（Ｒ１）
に７ｉｌ！続して次の音声認識サイクル（Ｉ２　）（Ｎ
２　）（Ｒ２）が始まる。従って音声入力期間（１）、
無音期間（Ｎ）、認識期間恒）′ｃｒ−直列的に待つ限
り、Ｌ述した如く認識動作の高速化には限度がある。

このような点に鑑みて、本発明者等は疑似連続認識シス
テムと呼ぶ高速化娶図つｆＣ認識装置に提案した（特願
昭５７−７４９３２号）、こｎは第２図に示Ｔ如＜、ｆ
声の入力（ＩＩＨＩ２）（Ｉｇ）・・・とその入力音声
の認識（Ｒ１）（Ｒ２）（Ｒ３）・・・と乞個別のプロ
セッサを用いて並列的に行わしめんとするものである。

ところがこの第２図からも明らかな如く、一般に音声の
入力（１１）（Ｉ’２　）（Ｉ５）・・・動作時間とＶ
職（Ｒ１）（Ｒ２）（Ｒ５）・・・動作時間とン比較し
た場合、認識（Ｒ１）（Ｒ２）（Ｒｓ　）・・・動作時
間の方が長く、結果的に入力動作乞担当するプロセッサ
１１１１に待ち時間（Ｔ）が生じてしまいこｎ、が時間
的な無駄となる。この現象げ線形マツチングに依る認識
の場合は認識時間が短かかったのでそ１を程問題となら
なη為ったが、ｇ能率の向上の為に開発されたＤＰマツ
チング法等暑用いて認識する場合、相補な時間が掛り、
この待ち時間（Ｔ）の無駄が大きくなる。

（ハ）発明の目的 本発明はこのような新１ｃな問題点に着目して為さ几た
ものであり、認識処理の為の無駄な待ち時間になくして
認ｆｉ＆率の向上乞図った音声認識装置ン提供するもの
である。

に）発明の構成 Ｘ発明の音ｐ認ｌｌ＋Ｔ１！装置に、入力動作の為の第
１のプロセッサ部と認識動作の為の第２のプロセッサ部
とから成り、第１のプロセッサ部にも認識動作の一部を
担当せしめて、双方のプロセッサ部の動作時間馨略等し
く設定したものである。

（ホ）実施例 謁６図に本発明装置の具体的な構成を示す。同図に於い
て％（財）は予じめ複数の音声の特徴パターンを夫々番
地付けし又格納しである参照パターンメモリであり、例
えば音声帯域を８分割した各周波数に於ける周波数スペ
クトル値ｚ　１（ｔ）、　ｘ　２　（ｔ）。

・・・、ｘ　ｓ　［ｔ）￥成分と下るベクトルパラメー
タ１　（１）の時系列を音声の時間領域に対して１６サ
ンプルに正規化した時系列：＊　ｒ　（１）、　’＊　
ｒ　（２）、・−ｊ　１　（１（１）η）らなる特徴パ
ターンＸｒが各音声毎に多数格納されている。（１）は
音声乞電気的な音声信号に変換Ｔ６マイクロフオン、１
２１［このマイクロフォン１１）からの音声イぎ号の特
徴音抽出する特徴抽出回路であｐ１上記参照パターンメ
モリ（ロ）に格納されている多数の特徴パターンＸｒ・
・・と同形式のベクトルパラメータからなる特徴パター
ン、　：）（＝（×（１）、ｘ　：２）　、・・・、ｘ
　（１６））が得られる。（３）はこの特徴抽出回路（
２）で抽出した入力音声の特徴パターンｘ乞記憶する第
１のバッファメモＩＪ　、＋４１に第１の認識回路であ
’）−、ｈ　紀Ｍ１のバッファメモリ（３）の入力音声
の特徴パターンＸＹ上記参照パターンメモリレ）の多数
の参照パターンｘｒ・・・に基づいて予備的な認識動作
７行ない、多数の参照パターンＸｒ・・・のうちから入
力音声の特徴パターンＸＩＣ最も類似した特定のパター
ンを選び出すのでになく、比較的類似している複数個の
パターンＸｒ・・・を選び出すもので、比較的その認識
時間が短い線形マツチング法等が採用さ几る。即ち、こ
の線形マツチング法に依れば入力音声の特徴パターンＸ
の各ベクトルパラメータ×（１）、ｘ（２）、・・・、
ｘ　（１６）と参照パターンＸｒの各ベクトルパラメー
タ１ｘｒ（１＞、Ｘｒ（２）、・・・、ｘ　ｒ（１６）
とを第５図に示す如く線形に対比せしめ、両パターン間
の誤差として。

？算出し、この誤差が比較的小さいと判定できる適数の
参照パターンを選出する事になる。（５）に上記第１の
認識回路（４）での認識の結果、選び出さ几た入力音声
の特徴パターンに比較的類似している　、参照パターン
Ｘｒ・・・の参照パターンメモＩＪ　（Ｍ）に於ける番
地乞記憶Ｔる第１の番地メモＩＪ　、＋６１に上記音声
抽出回路（２）での特徴抽出動作や抽出した特徴パター
ンＸのバッファメモリ（３）への取り込み、入力音声の
無音の状態から音声の終端ビ検出する検出動作、或いは
第１の認識回路（４）での予備認識動作とて一’に司ど
る第１のＣＰＵで、こ几等のマイクロフォン（１）〜第
１のＣ！ＰＵ１６１で第１のプロセッサ（Ｐｌ）が構成
されている。

またＩｌ■は上記第１のプロセッサ（Ｐｌ）のバッファ
メモ＋Ｊｔ３１に貯えら７′Ｌ、た入力音声の特徴パタ
ーンＸが転送記、憶さ几る第２のバッファメモリ、！１
１１に上記参照パターンメモリン）内の参照パターンＸ
ｒ・・・のうち第１のプロセッサ（Ｐｌ）に於ける予備
比較認識の結果予備的に選択された第１の番地メモ１月
５）しである複数の参照パターンＸｒ・・・の番地が転
送記憶さ八る第２の番地メモリ、α２］にこの第２の番
地メモＩＪ　１１．１１で指定さｎ、た参照パターンメ
モリ（財）の＃照パターンＸｒ・・・と第２のバッファ
メモ’）［ｌＶＣ貯えらＩＬｆｃ、入力音声の特徴パタ
ーンＸとの本格的な比較認識動作をする第２の認識回路
で、多少その認識動作に時間が掛るが、厳密な認識動作
が行ねｒ、るＤＰ法（ダイナミックプログラミング法）
音用いての認識動作ン行なう。即ら、このＤＰ法に漬し
ば、人力音声の特徴パターンＸの各ベクトルパラメータ
ｘ（１）、ｘ（２）、・・・、友（１６）と選択さＴＬ
７ｆ−参照パターンＸｒの各ベクトルパラメータ耳ｒ（
１）、Ｘｒ（２）、・・・、ｘｒ（１６）とが、第６図
に示Ｔ如く、始点０から終点Ｅに至る経路Ｆに従ってパ
ターンマツチングされる事となる。具体的には対応する
両パラメータＸｒ（１）、Ｘ　（ｊ）との誤差ｄ（’ｉ
、ｊ）　＝　ｌｘ　ｒ（ｉｌ−ｘ（ｊ）まただし、１＝
１．２、・・・、１６：ｊ＝１．２゜・・・、１６ 乞順次積算する漸化式 を用いて、ｊ−’５＜ｉ＜ｊ　＋５で示される非線形許
容範囲で始点０から終点Ｅまでの演算処理を実行し、こ
の終ＡＥでの値Ｄ（１６，１６）が両パラーンＸｒ、Ｘ
間の誤差として算出さ几、この誤差Ｄ（１６，１６）が
最少となる時の参照パターンＸｒの音声が入力音声であ
ると認識される。ｕ３はこの第２の認識回路けっでの認
識動作の結果、特定さｎた音声Ｙ外部回路に出力する出
力ボート、（１４１μこれ等の第２の認識回路（１２１
での認識動作や出力ボートＩＪ３１での出力動作を司ど
る第２のＣ’ＰＵで。

こ几等の第２のバッファメモリｔＨζ〜第２のＣＰＵ（
１４１で第２のプロセッサ（Ｐｌ）が僕成さ７１．てい
る。

次にこの第６図で示した本発明装置に於ける動作につい
て第４図ヲ診照しつつ説明Ｔる。

先ス、第１のプロセッサ（Ｐｌ）に於テ、マイクロフォ
ン（１）から入力さ１また音声に特徴抽出回路＋２１　
Ｋ順次取り込まれて行くが、その入力音声（工１）が途
切ｒしてから一定期間の無音期間（Ｎ１）が続くと第１
のＣＰ　１３　ｉ６１に入力音声（工１）の終端音検出
してそ几までに特徴抽出回路（２）に取り込ま几た入力
音声の特徴パターンＸを該特徴抽出回路（２）で抽出し
、第１のバッファメモ１月３に貯える。

−万、第１の認識回路（４１ニ参照パターンメモリ（功
に貯えらオｔている参照パターンＸｌ・・・・と第１の
バッファメモ旧３）に貯えらルた特徴パターンＸとの予
備比較認識（ＳＲ１）を行い、特徴パターンＸと比較的
Ｍ似している参照パターンＸｒ・・・のいくつかを選択
し、その選択した参照パターンのパターンメモリ（ロ）
に於ける番地を第１の番地メモリ（５）に記憶せしめる
。この第１の認識回路（４）に依る予備比較認識（８Ｒ
１）動作に先にも述べた如く、必ずしも厳密な認識動作
に必要としないので、その認識動作が比較的短時間に遂
行さオする線形マツチング法が採用さ几ている。尚、こ
の第１のプロセッサ（Ｐｌ）に於ける全ての動作の制御
は第１のＣＰＵ（５１に依って司どら几る。

この予備認識（ＳＲ１）動作が完了下ると、第２のプロ
セッサ（Ｐｌ）に於いてに、第１の番地メモ１Ｊｔ５１
に導入された予備認識（ＳＲ１）結果である番地情報が
第２のプロセッサ（Ｐｌ）の第２の番地メモＩＪＩＩＩ
Ｉに転送され、その番地情報に基づいて、参照パターン
メモリ（２）のうち予備認識（ＳＲ１）で選択した参照
パターンＸｒ・・・のみ乞第２の認識回路圓に読み出し
、該認識回路ｕｚで予め第１のバッファメモ！Ｊｔ３１
Ｅ−ら第２のバックアメモリけυに転送さルている入力
音声の特徴パターンとの本格的な比較認Ｍ（ＭＲｌ）が
行われる・ここで行なわれる比較認識（ＭＲｌ　）動作
は、参照パターンＸｒ・・・と特徴パターンＸとの厳密
な比較認識が遂行さ１し、その為にＤＢ法が採用さ几て
いる。

先にも述べた如く、この本格的比較認識（ＭＲｌ）動作
は本来であ几は第１のプロセッサ（Ｐｌ）に於ける予備
認識（ＳＲＩ）に比して時間が掛るのであるが、この認
識回路（１ｚで特徴パターンＸと比較さｎる参照パター
ンＸｒ・・・は第１のプロセッサ（Ｐｌ）に於て予め選
択さｎてその数が少なくなっているので、参照パターン
メモリ（紛に貯えられている全ての参照パターンとの比
較音する場合に比してその認識に要する時間は短く、結
果的に第４図に示Ｔように第１のプロセッサ（Ｐｌ）に
於ける入力音声取り込み期間（Ｉ）と予備認識期間（Ｓ
Ｒ）並びに無音期間困）の合計期間と略等しくなる。

一万、これと並行して第１のプロセッサ（Ｐｌ）に於て
は、予備認識（ｆ３Ｒ１）が終了すると。

矢の入力音声の取り込み（工２）が開始される。

上述し友ようにこの取り込み（Ｉ２）動作とその後の無
音期間（Ｎ２）及び予備認識（ＳＲ２）とが先行Ｔる入
力音声の第２のプロセッサ（Ｐ２）に於ける本格認識（
ＭＲｌ）期間と略等しい、従って第１のプロセッサ（Ｐ
ｌ）に於ける２番目の入力音声の収り込み（工２）及び
予備認識（ＳＲ２）が完了した時点で４２のプロセッサ
（Ｐ２）も１番目の入力音声に対する本格認識動作（Ｍ
Ｒｌ）Ｙ５を了しており、両プロセッサ（Ｐｌ）、（Ｐ
２）に全くの待ち時間なしに夫々次の音声に対する所定
の動作、即ち第１のプロセッサ（Ｐｌ　）ｒｊ６番目の
入力音声の取り込み動作（Ｉ５）’Ｙ、また第２のプロ
セッサ（Ｐ２）は２番目の入力音声の本格認識動作（Ｍ
Ｒ２）に移行する。

（へ）発明の効果 本発明は以上の説明から明らかな如く、入力音声に対す
る認識動作音予備認識と本格認識とに２分すると共に夫
々独立して動作Ｔる２個のプロセッサを用意し、入力音
声の取り込み動作と予備認識動作と乞−万のプロセッサ
で実行し、本格認識動作ン他方のプロセッサで実行せし
めているので。

両プロセッサでの各々の実行時間が略等しくなり、各プ
ロセッサに於ける待時間？皆無とする事が出来、結果的
に音声認識動作の高速化乞果し得ると共に認識率の向上
が図れる。

【図面の簡単な説明】

第１図、第２図に夫々現存Ｔる音声認識動作乞示す模式
図、第６図に本発明装置の構成ｔ・示すブロック図、第
４図は本発明に依る音声認識動作乞示す模式図、第５図
及び第６拶は本発明の音声認識動作の具体例乞示すパタ
ーン対応図であって。 （Ｐｌ）（Ｐ２）にプロセッサ、ｍ）に参照パターンメ
モリ、　ｆ３１ｔｌαはバッファメモリ、　＋４１（１
３１ｉ１識回路％１５１１１１１に番地メモリ、（６）
αんにＣＰＵ、を夫々示している。 出願人三洋′４機株式会社 第１図 第２図 第４図 ／”ｌへ’　　　　　　　　　ＭＲｔ　　　　　　　Ｍ
Ｒ３第３図

Claims (1)

1. 【特許請求の範囲】 １）予じめ音声の特徴パターン乞貯えた参照パターンメ
   モリ馨備え。 音声を゛嘔気的な音声信号に変換するマイクロフォンと
   、該音声信号を取り込んでその特徴を抽出Ｔる特徴抽出
   回路と、この特徴抽出回路で抽出きｒｔた特徴パターン
   と上記参照パターンメモリの参照パターンとの予備的な
   比較認識を行なう第１の認識回路と、これ等特徴抽出動
   作並びに予備比較認識動作を司どる第１のＣＰＵと、か
   ら成る第１のプロセッサ部、 及び上記参照パターンメモリのうち上記第１のプロセッ
   サ部で予備的に認識された参照パターンと特徴パターン
   との本格的な比較認識を行なう第２の認識回路と、この
   ｇＲ回路でのｇ識結果乞外部回路に出力Ｔる工１０ボー
   トと、この本格比較認識動作並びにＩ１０ボート動作を
   司どる第２のＣＰＵと、から成る第２のプロセッサ部と
   、に依って構成さＴＬ、上記第１のプロセッサ部での音
   声信号取り込み動作及び予備比較認識動作に要Ｔる時間
   と、上記第２のプロセッサ部での本格比較認識動作に要
   する時間と？略等しく設定した争馨特徴とする音声認識
   装置。