JPS5917596A - 音声認識方式 - 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】 本発明は、認識対象の各単語に対応して複数組の標準音
声バタンを内蔵（格納、記憶）している音声認識装置に
おいて、リジェクト（認識結果として出力するには当該
類似度が充分に高くないので繰返し認識を行うべきであ
るとされる認識状態）が少なくなるようにし、認識率を
向上させるとともにリジェクトに伴なう手数を減少させ
るだめの音声認識方式に関するものである。

この種の音声認識装置における従来の音声認識方式は、
例えば、認識対象となる全単語に対して同一のりジエク
ト定数（例えば、認識結果として出力するのに相応であ
るとすることができる類似度の所定値）を設定し、一連
の音声認識処理を行うようにしていた。

しかしながら、認識結果として採用しうる類似度の値は
、個々の単語によって相当に大きな差があシ、入力音声
が正しく認識されているにもかかわらず、その類似度が
所定の一定値のりジエクト定数よりも低いためにリジェ
クトとなってしまうというおそれがある。

したがって、このような場合には、相当に多くの発声を
繰シ返さなければならない可能性が大きいので、認識に
要する時間が長くなるとともに、発声者に対する負担も
大きくなるという問題があった。

本発明の目的は、上記した従来技術の欠点をなくし、必
要以」二のリジェクトを防止して認識率を向」ニさせる
とともに、その訂正処理の手数を減少させることができ
る音声認識方式を提供することにある。

本発明に係る音声認識方式の構成は、認識対象の各単語
に対応して複数組の標準音声バタンデータを記憶してお
き、入力音声の特徴抽出を行い、その特徴データと上記
標準バタンデータとの類似度計算処理を行い、その類似
度が最上位となる標準音声パターンを認識結果として判
定・出力する機能を有する音声認識装置において、認識
対象の各単語または所定の単語群ごとに各所定のりジエ
クト定数を設定しておき、これに基づいて各単語の認識
結果のりジエクトをするか否かを決定せしめるように制
御・処理するものである。

これを要するに、認識結果として確からしいものとなし
うるのに必要な類似度の数値は、一般に単語によって異
なるので、各単語または同一程度のレベルの類似度が要
求される単語群ごとに、認識結果が確からしいものとみ
なしうろ最低類似度（リジェクト定数）を設定しておき
、必要以−にのりジエクトを発生せしめないようにする
ものである。

ここで、１は、認識対象の各単語について複数組の標準
音声バタンデータを格納（記憶）している標準音声バタ
ンメモリ、２は、その選択制御をする標準音声バタン選
択部、３は、音声入力に係るマイクロフォン、４は、そ
の入力音声の特徴抽出をする分析部、５は、その特徴デ
ータと標準音声バタンデータとの類似度計算処理（バタ
ンマツチング処理）を行う音声認識部、６は、その処理
結果に基づき入力音声に対する類似度が高い標準音声バ
タンの組を判定する判定部、７は、認識結果の表示に係
る音声合成部、８は、同スピーカ、９は、認識結果の確
認および繰返し音声入力の指示に係るコンソール部、１
０は、上記各部に対する制御その他所要の処理を行う制
御部、１１は、認識結果に基づいて所Ｉ望の処理をする
ホスト装置である。

まず、マイクロフォン３からの入力音声の認識に先立ち
、制御部１０は、音声入力に対する準備を分析部４．音
声認識部５に指示し、また、その時の認識対象となるべ
き単語の標準音声バタンデータを標準音声バタンメモリ
１から選択するように標準音声バタン選択部２に指示す
る（第２図の処理２１）。

次いで、認識対象となるべき単語または単語群のりジエ
クト定数を指定する（処理２２）。これは、例えば、制
御部ｌＯ内に用意されたテーブルを用いて行うことがで
きる。

これらの準備が完了すると、発声者に対して音声入力を
促すべき入力催告メツセージを出力するよう音声合成部
７に指示し、スピーカ８から同メツセージを放声せしめ
る（処理２３）。

これにより、発声者がマイクロフォン３から音声入力を
すると（処理２４）、分析部４は、その入力音声の音声
分析をして特徴抽出を行う（処理制御により標準バタン
選択部２が選択・指示する標準音声バタン全組のデータ
と上記入力音声の特徴データとの間で類似度計算処理（
バタンマツチング処理）を行い何番埋喜坩噂、」二記各
組の中から入力音声との類似度が最上位のものを認識結
果の候補とするとともに、すべての認識結果、類似度を
判定部６に伝える（処理２６）。

判定部６は、類似度が最上位の標準音声バタンの組を判
定し、そのデータを制御部１０へ報告する（処理２７）
。

制御部１０は、認識結果の類似度が当該単語または単語
群に対する所定のりジエクト定数よりも低く、認識結果
として出力するには疑わしいものとみなすべきもの（リ
ジェクト）に該当するかどうかを判断しく判断２８〕、
リジェクトの場合には、標準音声バタン選択部２に対し
て再び同一の標準音声バタンを選択するように指示しく
処理３２）、更に音声合成部に対して再び同一内容の入
力催告メツセージを出力するよう指示し、同メツセージ
をスピーカ８から放声せしめる（処理３３）。これによ
り、」二連の処理２４以降と同様な丙認識（繰返し認識
）処理が行われる。

一方、リジェクトでなかった場合には、制御部１０は、
正しく認識されたか否かの確認が終了しているかどうか
を判断しく判断２９）、確認単語（例えば、°゛ハイ″
、イイエ゛′のみ）を対象とした認識を行うために、そ
の確認用の標準音声バタンを選択するように標準音声バ
タン選択部２に指示した後（処理３４）、当該リジェク
ト定数を指定しく処理３５）、前述の処理２３．３３と
同様に入力催告の放声をせしめる。これにより、処理２
４以降の音声認識処理で確認が行われる。なお、この確
認は、コンソール部９からの操作入力によって行うよう
にしてもよい。

その確認終了の結果、正認識であったか否かの判ＩＩａ
１が行われ（判断３０）、誤認識であった場合は、リジ
ェクトの場合と同様に処理３２．３３を行うようにし、
正認識であった場合は、一連のサーピヌ動作が終了した
か否かを判断しく判断３１）終了していないときは、再
び前述の処理２１へ戻つて次の入力音声の認識処理を行
い、終了しているときは、全認識結果をホスト装置１１
へ送出し、１つの入力音声に対する認識処理を終了し、
次の入力に備える。

このようにして、各単語または単語群に応じて適切な必
要最低限のりジェクト定数を設定しておくことができる
ので、必要以上にリジェクトとなるおそれがなくなって
認識率を向上することができる。

以上、詳細に説明したように、本発明によれば、必要以
上のりンエクトを防止して認識率を向−ヒさせるととも
に、その訂正処理の手段を減少させることができるので
、この種の音声認識システムにおける信頼性、サービス
性、効率の向上に顕著な効果が得られる。

【図面の簡単な説明】

第１図は、本発明に係る音声認識方式の一実施例の方式
構成図、第２図は、その処理フローチャートである。 １・・・標準音声バタンメモリ、２・・・標準音声バタ
ン選択部、３・・・マイクロフォン、４・・・分析部、
訃・・音声認識部、６・・・判定部、７・・・音声合成
部、８・・・スピーカ、９・・・コンソール部、１ｏ・
・・制御部、１１・・・ホスト装置。 代理人　弁理士　福田幸作 （ほか１名） 芽　Ｉ　目

Claims (1)

【特許請求の範囲】
1. １、認識対象の各単語に対応して複数組の標準音声バタ
   ンデータを記憶しておき、入力音声の特徴抽出を行い、
   その特徴データと上記標準バタンデータとの類似度計算
   処理を行い、その類似度が最上位となる標準音声バタン
   を認識結果として判定・出力する機能を有する音声認識
   装置において、認識対象の各単語または所定の単語群ご
   とに各所定のりジエクト定数を設定しておき、これに基
   づいて各単語の認識結果のりジエクトをするか否かを決
   定せしめるように制御・処理することを特徴とする音声
   認識方式。