JPS5987500A - 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】 〔発明の利用分野〕 本発明は音声認識装置に係シ、特に標準音声パターン（
以下、標準パターンと略す）の登録を簡便化するのに好
適な音声認識装置に関する。

〔従来技術〕

最近のオフィスコンピュータや産業用ロボットの目覚ま
しい普及にともない、人間−機械系を円滑にするための
技術、とくに音声の合成と認識に関する技術かにわかに
注目されてきている。日常使っている音声で答えてくれ
るようになれば、コンピュータやロボットはまずます身
近なものになり、普及にも拍車がかかることになろう。

音声認識装置には、利用者の制約条件の程度により、特
定話者方式と不特定話者方式とがめる。

特定話者の音声のみ全認識する特定話者方式は、特定話
者の音声の標準パターンをあらかじめ登録し、それとの
類似度を判定の尺度としたり、登録された標準パターン
に基づいてその人に最適な分析・Ｗｌ別の条件設定を行
なったりすることにより、音声認識の最もやっかいな問
題の一つである個人差正規化の問題を免れている。その
結果、比較的簡単な装置で高い認識能力を得ている。し
かし利用者毎に標準パターンを登録する必要があり煩雑
である。一方、不特定話者方式では、利用者毎の標準パ
ターン全登録する必要はないが、認識能力に限界がある
。認識能力を商めるために、不特定話者方式では複数個
の標準パターンを常に用意しておかなければならないた
め、認識処理量が増力口する。

棟だ、音韻やＭ節しベルでの認識では、パターン当りの
情報量が少ないため、一般にｉり、識能力が不安定であ
り、特定話者方式では、たまたま登録した標準パターン
の片寄りが認識能力を低下させるため、複数回の登録を
行ないその平均Ｉくターンや中心パターンを作ることに
より対処しているが、登録が煩雑で実用的ではない。捷
だ、不特定話者方式も、情＠量が少ない入力に対しては
認識能力が不足している。

このように、特定話者方式と不特定話者方式とはそれぞ
れ一長一短を有しているが、音声認識装置は文字萌ｇ識
装置と異なり、一定時間、特定の使用者が装＠全専有し
てオンラインで使用する、換言すれば、１つの装置に対
して、ある時間帯では複数の話者からの入力が混在しな
いのが（伜準的使用法である。

また、音声認識装置は、使用開始直後ｔよ、認識能力が
相当高いものでも、使用者の不慣れなどのため装置本来
の認識能力を十分に発揮することができない。このよう
な状況では、特定話者方式として標準パターンを登録し
ても艮好な標準）くターンを得ることは困難であり、再
登録が必要となるのが普通である。初期の状況において
は、たとえ特定話者方式であってもその認識能力の昼さ
を十分利用できない。

〔発明の目的〕

本発明の目的は、上記の如き従来の欠点を改善するため
、特定話者方式の標準・（ターン登録の煩雑さを回避し
、かつ実質的に特定話者方式の認識能力を筒めることが
できる音声認識装置を提供することにある。

〔発明の概要〕

上記目的を達成するため、本発明は、あらかじめ不特定
話者向きの標準Ｉくターン全登録しておき、使用を進め
るに従って、使用の際の入力音声、＜ターン（以下、入
力／（ターンと略す）の認識結果の正誤により標準パタ
ーンを入カバターンで修正して行き、使用回数の増加に
つれて標準・くターフを徐々にその利用者特有のパター
ンの平均ノ（ターンに近づけて行くことを特徴とする。

〔発明の実施例〕

以下、本発明の一実施例を図面を用いて説明する。

第１図は本発明の一実施例の構成金示す。１は制御部で
ありブイクロコンピユータなどのプロセッサで構成され
る。２は音声認識部であり、入カバターンの特徴全分析
する特微分析部３、特微分析部３で分析された特徴に基
づいた入力・（ターン全ストアしておく特徴バッファメ
モリ４、特徴）（ソファメモリ４にストアされている入
力・くターンの特徴と標準パターンと全照合するマツチ
ング部５を有する。６は第２の標準・シターンメモリで
第１の標準パターンメモリ７から転送された標準・くタ
ーンが入カバターンにより修正される。７は第１の標準
パターンメモリで、複数種の標準・くターンをストアし
ている。８は第３の標準・（ター／メモリで、修正され
た第２０停準・（ターンメモリ６内の標準ハターン全ス
トアする。９はコンソールで最も照合度の良い標準パタ
ーンヲ表示したり、第２の標準パターンメモリ６と第３
の障壁・（夕一ンメモリ８間でのメモリ内容の転送を指
示する。

次に本実施例の動作を説明する。

第１の標準パターンメモリ７にストアされている複数棟
の標準パターンメモリは、制御部１の制御により第２の
標準パターンメモリ６に複写転送され、マツチング部５
で１％徴バッファメモリ４にストアされている入カバタ
ーンとそれぞれ照合される。なお、マツチング部５の動
作については後に詳しく述べる。各照合結果は、制御部
１に送うレる。入カバターンと複数種の標準パターンと
の各聞合結果が制御部１で比較され、そのうち最も闇合
度の良いものが認識結果としてコンソール９の表示部に
表示される。入カバターンを発生させた話者は、表示結
果を見て、その認識結果の正誤を判断し、判定結果をコ
ンソール９の入力部より入力する。

今、特徴バッファメモリ４にストアされている入カバタ
ーンの特徴ベクトルをＸ、第１の標準パターンメモリ７
からの標準パターンを￥１第２の標準パターンメモリ６
中の標準＜ターンをＺ、修正後の標準パターンをＺ′と
する。ある話者が最初に使用を開始する時、未だ修正さ
れていないのでＺ＝Ｙである。入カバターンの特徴ベク
トルＸが正しく認識されたと判定された場合。

・・・・・・・・・・・・・・・　（υのように、第２
卿準パターンメモリ６の内容を制御部１により修正する
。

認識結果が誤りであると判定された場合Ｖま、制御部１
は第２標準パターンメモリ６の内容全、・・・・・・・
・・・・・・・・　（２）と修正する。

尚、Ｗｌ　とＷ、の値は、認識の単位が単相か音韻か等
により其なるが、おおむね１／１０８２の値を設定すｔ
しばよい。又、標準パターンの修正には、硬準パターン
の物理的性質を考慮した他の手法もあることは明らかで
ある。しかし、本発明の懸想はこの修正内容自体にある
のではなく、入カバターンにより標準パターンを修正す
るということにあるので、この修正手順自体の内容いか
んが本発明を左右するものでないことは明らかである。

上記した一連の入力・修正処理が終了すると、使用者は
コンソール９から指示し、第２の標準／くターンメモリ
６の内容を第３の標準・（ターンメモリ８に退避させる
。２回目以降入力・修正処理を行なう場合は、コンソー
ル９からの指示により、第１回目の場合の未修正の第１
の標準）ζターンメモリ７の代りに、修正された第３の
標準ノくターンメモリ８の内容全第２の標準・くターン
メモリ６に転送し、入力・修正処理を再開する。

ここで、マツチング部５の動作を第２図を参照しながら
説明する。

第２図（ａｌ　ｆｄ単単記認識場合を示している。入カ
バターンＸは、原音声から一定フレーム周期ごとに特徴
を抽出したものの時系列であり、特徴バッファメモリ４
にストアされている。を番目の周期における特徴（多次
元ベクトル）ｉｘ、　　とすると、Ｘ＝ｘ１　Ｘ、・・
・・・・Ｘｊ・・・・・・ＸＭと表すことができる。単
語特徴辞１には、やはりＸと同様の形式で表した標準パ
ターンＡＩ、１１　、・・・・・・Ａし・・・・・が入
っている。単語マツチング部２０１；ｊＸとＡＩ。

Ａｔ、・・・・・・Ａし・・・・・を比較し、ＸとＡＩ
が最も似ている場合にはｉ金用力する。つまり、入力音
声Ｘは単語ｉであると認識したことになる。

第２図（ａＪが単語を単位としたマツチングであるのに
対し、第２図（１）ｌは音韻を単位としたマツチングを
まず行なう。その後、音韻認識結果舎利用して単語のマ
ツチングを行う。第２図（ａ）の場合よりも処理は複雑
になるが、太語常や不特定話者、連続発声などに向いて
いる。第２図（ｂＪでは、音韻特徴辞書２０３中の音韻
標準パターンａｌ　ｅ　ａｔ　＋・・・・・・ａｊ・・
・・・・と入カバターンＸを音韻マツチング部２０４で
照合する。音韻認識結果は、音韻記号列Ｊ＋　＋　Ｊｔ
・・・・・・（２０７）として出力される。

学語辞寝２０５には、各単語の音韻記号列が入っている
。例えば単語Ａｋは、　、（ｋ）　、　！ｋ）°°°°
°′のような形である。これと先に得た音韻記号列ＪＩ
　　Ｊ２・・・・・・（２０７）を単語マツチング部２
０６で比較する。単ｎＪ　Ａ　１　、Ａ　２　＋・・・
・・・Ａｋの中でＡｋが最もＸに近い場合には、単能認
識結果としてｋを出力する。

第１の標準パターンメモリ７と第３の標準パターンメモ
リ８はフロッピーディスクなど着脱可能な外部メモリで
構成すると実現が簡単である。コンソール９はマイクロ
コンピュータや通常のコンピュータに用いる端末で構成
することが可能である。史に認識部２ｔｊ：、既に広く
用いられている各種の音声認識装置の技術をそのまま利
用することも可能である。入力が連続音声の場合は、本
発明者らが先に出願した発明の手法によシ、標準パター
ンと対応する入カバターンの佐賀ヲ決足することができ
るので、この場合も喰準パターンの修正は可能である。

なお、第１の標準パターンメモリ７と第３の標準パター
ンメモリ８は同一装置を兼用することも。

もちろん可能である。第１の標準パターンメモリ７にス
トアする初期値Ｚは、男女別など区別して用意しておく
ことも、修正効率と認識能力の向上を図るうえで望まし
い。

また、一定回数以上使用した後は、降準パターンの修正
は十分性なわれ、認識は安定化するので、処理効率の面
から、コンソール９からの指示により、修正処理を省略
するように制御部１を構成しておくことが望ましい。

〔発明の効果〕 以上説明した如く、本発明によれば、入カバターンによ
シ標準パターンを修正することができるので、特定話者
方式の標準パターン登録のｔｉｔ雑さを回避し、かつ特
定話者方式の認識能力の縄さを維持することができる。

【図面の簡単な説明】

第１図は本発明の一実施例の構成概９を示す図、第２図
は第１図に示したマツチング部の動作を説明するための
図である。

Claims (1)

1. 【特許請求の範囲】 １、標準音声パターン’ｆ−，りらかしめ登録しておく
   第１のメモリと、該第１のメモリの内容をストアする第
   ２のメモリと、該第２のメモリ内の標準音声パターンを
   用いて入力音声を認識する手段と、該入力音声認識の結
   果を正誤判定する手段と、該正誤判定の結果と前記入力
   音声の特徴とにより前記第２のメモリ内の標準音声パタ
   ーン′（ｉｌ−修正する手段を設けたことを特徴とする
   音声認識装置。 ２、前記修正手段により修正された後の前記第２のメモ
   リ内の内容をストアする第３のメモリを設け、第２回目
   以降の入力音声に対しては、前記第２のメモリは第３の
   メモリの内容をストアすることを特徴とする特許請求の
   範囲第１項記載の音声認識装置。 ３、　　ＭｉＪ　記憶１のメモリおよび第３のメモリは
   、着脱可能なメモリであることを特徴とする特許請求の
   範囲第２項記載の音声認識装置。 ４、前記第１のメモリと第３のメモリとを同一の記憶装
   置で構成することを特徴とする特許請求の範囲第２項記
   載の音声認識装置。 ５、前記入力音声が一定回数以上入力された場合、前記
   正誤を判定する手段および前記標準音声パターンを修正
   する手段のそれぞれの動作を停止させる手段を設けたこ
   と全特徴とする特許請求の範囲第１項、第２項、第３項
   、または第４項記載の音声認識装置。