JPS60182497A - 音節標準パタンを用いた音声認識方式 - Google Patents
音節標準パタンを用いた音声認識方式Info
- Publication number
- JPS60182497A JPS60182497A JP59038413A JP3841384A JPS60182497A JP S60182497 A JPS60182497 A JP S60182497A JP 59038413 A JP59038413 A JP 59038413A JP 3841384 A JP3841384 A JP 3841384A JP S60182497 A JPS60182497 A JP S60182497A
- Authority
- JP
- Japan
- Prior art keywords
- syllable
- standard
- probability
- distance
- unit
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
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。
め要約のデータは記録されません。
Description
【発明の詳細な説明】
（Ａ）発明の技術分野
本発明は、音節標準バタンを用いた音声認識方式、特に
各音節標準バタンを多数の音声データから最適化を図っ
て抽出して置いて、当該音節標準バタンと入力バタンを
構成する音節との距離計算を行うと共に、上記音節標準
バタンに該当するものである確率（事後確率）を得るよ
うにし、その結果得られた所の入力バタンについての音
節確率時系列情報にもとづいて９ｍ語辞書の内容と照合
するようにした音声認識方式に関するものである。
各音節標準バタンを多数の音声データから最適化を図っ
て抽出して置いて、当該音節標準バタンと入力バタンを
構成する音節との距離計算を行うと共に、上記音節標準
バタンに該当するものである確率（事後確率）を得るよ
うにし、その結果得られた所の入力バタンについての音
節確率時系列情報にもとづいて９ｍ語辞書の内容と照合
するようにした音声認識方式に関するものである。
（Ｂ）技術の背景と問題点
従来から例えば日本語についての音声認識などにおいて
は、いわゆるＣＶやＶＣｖなどの音節につい一〇バタン
照合することが行われている。このような音節を認識の
単位とする場合、音節標準バタンか不正確なものでは未
知人力音声に対する識別精度が低下する。このため、音
節標準バタンをどのようにして作成するかということは
重要な問題となる。
は、いわゆるＣＶやＶＣｖなどの音節につい一〇バタン
照合することが行われている。このような音節を認識の
単位とする場合、音節標準バタンか不正確なものでは未
知人力音声に対する識別精度が低下する。このため、音
節標準バタンをどのようにして作成するかということは
重要な問題となる。
一般に音節標準バタンとして望まれる性質は。
音節標準バタンと同じ音節の入力に対して距離が小さく
、異なる音節の入力に対して距離が大きくなることであ
る。このような音節標準バタンを作成する方法としては
次のような手順に基づく方法を２本発明者等は先に提案
している。即ち、（１）用意した音声試料の中から１つ
を選んで音節標準バタン候補とする。このとき、この音
節標準バタン候補と同一の音節のバタン群をＡ群とする
。
、異なる音節の入力に対して距離が大きくなることであ
る。このような音節標準バタンを作成する方法としては
次のような手順に基づく方法を２本発明者等は先に提案
している。即ち、（１）用意した音声試料の中から１つ
を選んで音節標準バタン候補とする。このとき、この音
節標準バタン候補と同一の音節のバタン群をＡ群とする
。
例えば／ＫＥ／の音節標準バタンを作成するとき。
／Ｋ Ｅ／を含む音節バタン群／ＡＫＥ／、／ＩＫＥ／
、／ＵＫＥ／、／ＥＫＥ／、１０ＫＥ／等がＡ群となる
。他方、／ＫＥ／を含まない音節バタン群をＢ群とする
。例えば、／ＫＢ／を含まない音節バタン群／ＡＳＡ／
、／ＩＳＥ／、／ＵＳＥ／、／ＢＳＥ／、１０ＳＥ／、
／ＴＡＢ Ｉ／、／ＴＵＴＥ／等がＢ群となる。Ｂ群は
複数の音節から成っているのでその１つ１つをＢｉ群と
する。
、／ＵＫＥ／、／ＥＫＥ／、１０ＫＥ／等がＡ群となる
。他方、／ＫＥ／を含まない音節バタン群をＢ群とする
。例えば、／ＫＢ／を含まない音節バタン群／ＡＳＡ／
、／ＩＳＥ／、／ＵＳＥ／、／ＢＳＥ／、１０ＳＥ／、
／ＴＡＢ Ｉ／、／ＴＵＴＥ／等がＢ群となる。Ｂ群は
複数の音節から成っているのでその１つ１つをＢｉ群と
する。
（２）音節標準バタン候補に対して、始点、終点。
パワーの重み係数を仮に設定し、Ａ群およびＢｉ群の各
バタンとの距離を計算する。これにより。
バタンとの距離を計算する。これにより。
第１図に示すようにＡ群とＢｉ群との距離分布が得られ
る。これらが第１図に示すように正規分布をなすものと
仮定すると、各分布の平均および標準偏差が得られ、こ
れらの値から各分布の確率密度を次式のように計算する
ことができる。
る。これらが第１図に示すように正規分布をなすものと
仮定すると、各分布の平均および標準偏差が得られ、こ
れらの値から各分布の確率密度を次式のように計算する
ことができる。
２）
Ａ群とＢ群の分布の重なりを表す評価指標をＰｅとする
と、Ｐｅは次式によって与えられる。
と、Ｐｅは次式によって与えられる。
Ｐｓｉｄｘ （３）
ここでｔば次式で与えられる。
ｐ（ｘｌＡ）ＰＡ−Σｐ（Ｘ Ｉ Ｂ； ｌ’ ・Ｐ
ｅｉ ＝ ０ （４１（３）始点、終点、パワーの重み
係数のすべての組み合わせに対して、評価指標Ｐｅを計
算し、、Ｐｅの最小値を与える組み合わせをめる。
ｅｉ ＝ ０ （４１（３）始点、終点、パワーの重み
係数のすべての組み合わせに対して、評価指標Ｐｅを計
算し、、Ｐｅの最小値を与える組み合わせをめる。
（４）以上の手順を、その音節のすべての標準バタン候
補に対して行い、評価指標Ｐｅの最小値を与える標準バ
タン候補を選択して音節標準バタンとする。
補に対して行い、評価指標Ｐｅの最小値を与える標準バ
タン候補を選択して音節標準バタンとする。
このように標準バタン毎に最適化を行って標車バタンを
作成するのでＡ群、Ｂ群の分布が最もよく分離している
標準バタンを得ることができる。
作成するのでＡ群、Ｂ群の分布が最もよく分離している
標準バタンを得ることができる。
例えば９以上のようにして作成された音節標準バタンを
認識の単位とする従来の音声認識方式を。
認識の単位とする従来の音声認識方式を。
第２図に示す。図中、１は特徴抽出部、２は距離計算部
、３は音節標準バタン登録部、４は判別部である。この
従来方式によれば、未知入力音声の特定部分が特徴抽出
部１に供給されると、抽出部は特徴を抽出して距離計算
部２に送る。音節標準バタン登録部３には、すべての音
節標準バタンか登録されており、距離計算部２において
、前記特徴のバタンと登録部３に登録されている全部の
音節標準バタンとの間の距離を個々に計算する。その計
算結果は１判別部４に送られる。判別部４では距離の最
も小さい音節標準バタンか入力バタンに相当しているも
のと判別し１判別結果を出力する。すなわち、距離の大
小によってのめ音節の判別を行っている。
、３は音節標準バタン登録部、４は判別部である。この
従来方式によれば、未知入力音声の特定部分が特徴抽出
部１に供給されると、抽出部は特徴を抽出して距離計算
部２に送る。音節標準バタン登録部３には、すべての音
節標準バタンか登録されており、距離計算部２において
、前記特徴のバタンと登録部３に登録されている全部の
音節標準バタンとの間の距離を個々に計算する。その計
算結果は１判別部４に送られる。判別部４では距離の最
も小さい音節標準バタンか入力バタンに相当しているも
のと判別し１判別結果を出力する。すなわち、距離の大
小によってのめ音節の判別を行っている。
以上の手順を、未知入力音声の音節を単位として連続的
に行えば未知入力音声を認識することができる。
に行えば未知入力音声を認識することができる。
しかし、この従来の音声認識方式のみでは次のよ・うな
欠点がある。すなわち、前述したような音節標準バタン
の作成の方法では、他のバタンとの距離が全体的に小さ
いもの、あるいは全体的に大きいものが生ずることがあ
り、このため華純に距離の大小だけによって音節の判別
を行うと、距離の全体的に小さい方に判別結果が偏り、
誤識別が多くなる。−例を第３図に基づいて説明する。
欠点がある。すなわち、前述したような音節標準バタン
の作成の方法では、他のバタンとの距離が全体的に小さ
いもの、あるいは全体的に大きいものが生ずることがあ
り、このため華純に距離の大小だけによって音節の判別
を行うと、距離の全体的に小さい方に判別結果が偏り、
誤識別が多くなる。−例を第３図に基づいて説明する。
第３図（ａｌは／Ｋ Ｅ／の最適音節標準バタンに対す
るＡ−Ｂ群の分布である。第３図（ｂ）は／Ｓ Ｕ／の
最適音節標準バタンに対するＡ−Ｂ群の分布である。
るＡ−Ｂ群の分布である。第３図（ｂ）は／Ｓ Ｕ／の
最適音節標準バタンに対するＡ−Ｂ群の分布である。
ある人力バタン／Ｓ Ｕ／がある場合に、 ／ＫＦ、／
の音節標準バタンとの距離がｘｌで、／ＳＵ／の音節標
準バタンとの距離がｘ２である場合に、第３図（ａｌの
分布を見れば明らかなように、距離がＸ。
の音節標準バタンとの距離がｘｌで、／ＳＵ／の音節標
準バタンとの距離がｘ２である場合に、第３図（ａｌの
分布を見れば明らかなように、距離がＸ。
のとき／ Ｋ Ｅ、 ／である確率はほぼ０であり、ま
た第３図（ｂ）の分布を見れば明らかなように、距離が
ｘ２のとき／ＳＩＪ／である確率はほぼ１であることが
わかり、正確に判別することができる。しかし、華純に
距離を比較した場合には＋ ｘＩ 〈ｘ２であるから人
力バタン／Ｓ Ｕ／は／ＫＥ／であると誤って判別され
ることとなる。
た第３図（ｂ）の分布を見れば明らかなように、距離が
ｘ２のとき／ＳＩＪ／である確率はほぼ１であることが
わかり、正確に判別することができる。しかし、華純に
距離を比較した場合には＋ ｘＩ 〈ｘ２であるから人
力バタン／Ｓ Ｕ／は／ＫＥ／であると誤って判別され
ることとなる。
この点を解決するために成る種の対策を講することが必
要であり、また当該対策をとった場合においてデータ処
理量か適正な範囲におさまることが望まれる。
要であり、また当該対策をとった場合においてデータ処
理量か適正な範囲におさまることが望まれる。
（Ｃ）発明の目的と構成
本発明は上記の対策をとった音声認識処理方式を提供す
ることを目的とし、入力バタン上の音節と上記音節標準
バタンｉとの距離が計算されたとき、当該入力バタン上
の音節がその音節標準バタンｉである確率を表す事後確
率を用い、４４語辞書の内容と照合するようにした音声
認識処理方式を提供することを目的としている。そして
そのため。
ることを目的とし、入力バタン上の音節と上記音節標準
バタンｉとの距離が計算されたとき、当該入力バタン上
の音節がその音節標準バタンｉである確率を表す事後確
率を用い、４４語辞書の内容と照合するようにした音声
認識処理方式を提供することを目的としている。そして
そのため。
本発明の音節標準バタンを用いた音声認識処理方式は、
音節標準バタン候補と当該音節標準バタン候補の音節に
同じ同一音節を含む多数の音声データとのバタン間距離
の分布に対して、上記音節標準バタン候補と上記同一音
節を含まない多数の音声データとのバタン間距離の分布
がより大きい隔たりを生じるように上記音節標準バタン
候補を区切ることにより作成した音節標準バタンか登録
される音節標準バタン登録部。
音節標準バタン候補と当該音節標準バタン候補の音節に
同じ同一音節を含む多数の音声データとのバタン間距離
の分布に対して、上記音節標準バタン候補と上記同一音
節を含まない多数の音声データとのバタン間距離の分布
がより大きい隔たりを生じるように上記音節標準バタン
候補を区切ることにより作成した音節標準バタンか登録
される音節標準バタン登録部。
上記音節標準バタンを作成する際に抽出される確率パラ
メータを格納する確率パラメータ格納部。
メータを格納する確率パラメータ格納部。
入力バタンと上記音節標準バタン登録部に登録されてい
る各音節標準バタンとの間の距離を計算する距離計算部
。
る各音節標準バタンとの間の距離を計算する距離計算部
。
該距離計算部によって計算された上記距離と上記確率パ
ラメータ格納部に格納されている確率パラメータとから
、上記−人力バタンか上記距離の計算された音節標準バ
タンである確率を表す事後確率を上記個々の距離につい
て計算する事後確率計算部。
ラメータ格納部に格納されている確率パラメータとから
、上記−人力バタンか上記距離の計算された音節標準バ
タンである確率を表す事後確率を上記個々の距離につい
て計算する事後確率計算部。
該事後確率計算部において上記入力バタンを構成する各
音節候補について得られた確率ラティスをデータ圧縮し
て、当該入力バタンを構成する音節確率時系列情報を得
るデータ圧縮部。
音節候補について得られた確率ラティスをデータ圧縮し
て、当該入力バタンを構成する音節確率時系列情報を得
るデータ圧縮部。
標準単語についての音節情報が格納されている単語辞書
部。
部。
および上記入力バタンから抽出された音節確率時系列情
報と上記単語辞書部から読み出された標準単語について
の音節情報との照合を行う単語マツチング処理部。
報と上記単語辞書部から読み出された標準単語について
の音節情報との照合を行う単語マツチング処理部。
をそなえ１人カバタンについて音節照合を行って認識処
理を行うようにしたことを特徴としている。
理を行うようにしたことを特徴としている。
以下図面を参照しつつ説明する。
（Ｄ）発明の実施例
第４図（ａ） ｆｂ）は入力バタン上の音節が成る音節
標準バタンｉである確率を表す事後確率について説明す
る説明図、第５図は本発明の音声認識処理方式の一実施
例を示すブロック図、第６図（ａｌは本願にいう確率ラ
ティスを表す説明図、第６図（ｂ）は当該確率ラティス
から抽出されたシラブル・パラメータを表す説明図、第
７図は本発明に用いられる単語辞書部の内容を説明する
説明図を示す。
標準バタンｉである確率を表す事後確率について説明す
る説明図、第５図は本発明の音声認識処理方式の一実施
例を示すブロック図、第６図（ａｌは本願にいう確率ラ
ティスを表す説明図、第６図（ｂ）は当該確率ラティス
から抽出されたシラブル・パラメータを表す説明図、第
７図は本発明に用いられる単語辞書部の内容を説明する
説明図を示す。
本発明の音声認識処理方式の場合には、第３図（ａ）や
第３図ｆｂ１図示の如きＡ−８分布が上述の音節標準バ
タンを作成したときに得られていることを利用し５本発
明にいう事後確率を入力バタンに対する認識モート時に
簡単に得られるようにしている。即ち事後確率ば（１１
，（２１式で定義されるｐ （ｘＩＡ）、ｐ （ｘ １
Ｂｉ）を用いて次式で表される。
第３図ｆｂ１図示の如きＡ−８分布が上述の音節標準バ
タンを作成したときに得られていることを利用し５本発
明にいう事後確率を入力バタンに対する認識モート時に
簡単に得られるようにしている。即ち事後確率ば（１１
，（２１式で定義されるｐ （ｘＩＡ）、ｐ （ｘ １
Ｂｉ）を用いて次式で表される。
第４図ｆａｒおよび（ｂ）に−例として、Ａ−Ｂ群の分
布と、そのときの事後確率Ｐ（Ａ ｌ ｘ）をそれぞれ
示す。第４図ｆｂｌにおいて距離がｘ３より大きい場合
には、入力バタンか第４図（ａｌの音節標準バタンであ
る確率はＯであり、距離がｘ３より小さくなるに従って
確率は増大する。したがって、第４［Ｆ（ｂｌの事後確
率に基ついて大カバタンの判別を行えば。
布と、そのときの事後確率Ｐ（Ａ ｌ ｘ）をそれぞれ
示す。第４図ｆｂｌにおいて距離がｘ３より大きい場合
には、入力バタンか第４図（ａｌの音節標準バタンであ
る確率はＯであり、距離がｘ３より小さくなるに従って
確率は増大する。したがって、第４［Ｆ（ｂｌの事後確
率に基ついて大カバタンの判別を行えば。
少なくとも距離がｘ３より大きい場合には、第４図（ａ
ｌの標準バタンであるとするような誤った判別をされる
おそれはなくなる。このため未知入力音声の認識率が非
常に高くなる。
ｌの標準バタンであるとするような誤った判別をされる
おそれはなくなる。このため未知入力音声の認識率が非
常に高くなる。
第５図図示の一実施例ブロック図において、５は音節標
準バタン作成モード時の人力音声に対する特徴抽出部で
あって入力音声から特徴パラメータを抽出するもの、６
はセグメンテーション部であって上記（３１，＋４１式
に示した如き評価指標Ｐｅを用いて音節標準バタンを抽
出するもの、７は音節標準バタン登録部であって上述の
如く抽出された複数個の音節標準バタンか格納されるも
の、８は確率パラメータ格納部であって各音節標準バタ
ンｔこ対応して上記（１）式、（２）式に関連するｐ
（ｘ ｌ Ａ）やｐ （ｘ ｌ Ｂｉ）を得るためのデ
ータや上記（５）式に関連するパラメータＰ （Ａ）と
Ｐ（Ｂｉ） とＮなどが格納されるもの、９ば入力バタ
ンに対する認識モード時の入力音声に対する特徴抽出部
であって入力バタンから特徴パラメータを時系列に抽出
するもの。
準バタン作成モード時の人力音声に対する特徴抽出部で
あって入力音声から特徴パラメータを抽出するもの、６
はセグメンテーション部であって上記（３１，＋４１式
に示した如き評価指標Ｐｅを用いて音節標準バタンを抽
出するもの、７は音節標準バタン登録部であって上述の
如く抽出された複数個の音節標準バタンか格納されるも
の、８は確率パラメータ格納部であって各音節標準バタ
ンｔこ対応して上記（１）式、（２）式に関連するｐ
（ｘ ｌ Ａ）やｐ （ｘ ｌ Ｂｉ）を得るためのデ
ータや上記（５）式に関連するパラメータＰ （Ａ）と
Ｐ（Ｂｉ） とＮなどが格納されるもの、９ば入力バタ
ンに対する認識モード時の入力音声に対する特徴抽出部
であって入力バタンから特徴パラメータを時系列に抽出
するもの。
１０は距離計算部であって後述する如く音節連続照合を
行って入力バタン上の各フレーム毎に音節標準バタンと
の距離計算を行うもの、１１は事後確率計算部であって
上記（５）弐に対応する事後確率を逐次計算して本発明
にいう確率ラティスを得るもの、１２ばデータ圧縮部で
あって上記確率ラティスから例えば第６図（ｂ１図示の
如きシラブル・パラメータ（本発明にいう音節確率時系
列情報の１実施例）を得るもの、１３は単語辞書部であ
って各標準単語についての音節情報が格納されているも
の、１４は単語マツチング処理部を表している。
行って入力バタン上の各フレーム毎に音節標準バタンと
の距離計算を行うもの、１１は事後確率計算部であって
上記（５）弐に対応する事後確率を逐次計算して本発明
にいう確率ラティスを得るもの、１２ばデータ圧縮部で
あって上記確率ラティスから例えば第６図（ｂ１図示の
如きシラブル・パラメータ（本発明にいう音節確率時系
列情報の１実施例）を得るもの、１３は単語辞書部であ
って各標準単語についての音節情報が格納されているも
の、１４は単語マツチング処理部を表している。
上記音節標準バタン登録部７においては一ト述した如き
形で得られた各音節標準バタンか登録されており、また
確率パラメータ格納部８においては各音節標準バタンに
対応した形で上記（１）式や（２）式に示すｐ （ｘ
ｌ Ａ）とｐ （ｘ ｌ Ｂｉ） とを得るに必要なパ
ラメータや上記（５）式に関連するパラメータＰ （Ａ
）とＰ（Ｂｉ）とＮとなどが登録されている。この状態
の下で、未知入力バタンか例えば１６ＫＨｚ精度、１２
ヒントでサンプリングされ、プリエンファシスの後に２
０ｍ５ｅｃのハミング窓で切り出され、１５次のＬＰＣ
ケプストラム係数に変換される。ケプストラムＯ次項は
、パワー成分として利用される。フレーム間隔は５ ｍ
５ｅｃとなっている。
形で得られた各音節標準バタンか登録されており、また
確率パラメータ格納部８においては各音節標準バタンに
対応した形で上記（１）式や（２）式に示すｐ （ｘ
ｌ Ａ）とｐ （ｘ ｌ Ｂｉ） とを得るに必要なパ
ラメータや上記（５）式に関連するパラメータＰ （Ａ
）とＰ（Ｂｉ）とＮとなどが登録されている。この状態
の下で、未知入力バタンか例えば１６ＫＨｚ精度、１２
ヒントでサンプリングされ、プリエンファシスの後に２
０ｍ５ｅｃのハミング窓で切り出され、１５次のＬＰＣ
ケプストラム係数に変換される。ケプストラムＯ次項は
、パワー成分として利用される。フレーム間隔は５ ｍ
５ｅｃとなっている。
開示実施例において、入力バタンは音節毎にセグメンテ
ーションすることなく入力バタン全体にわたって、距離
計算部１０において、各フレーム時点で、音節標準バタ
ンとの距離が計算される。
ーションすることなく入力バタン全体にわたって、距離
計算部１０において、各フレーム時点で、音節標準バタ
ンとの距離が計算される。
この状態を音節連続照合と呼んでいる。各フレーム毎に
行われる距離計算は次の如き式にしたがって行われる。
行われる距離計算は次の如き式にしたがって行われる。
Ｄ（×、に、Ｓ） −ΣΣ（Ｘｉ ＋ｌｌ＋ ｊ −３
ｉ ｊ） ２・ω；＝ −＋６）更に上記（６）式にお
いてω、Ｊは次の如く与えられる。
ｉ ｊ） ２・ω；＝ −＋６）更に上記（６）式にお
いてω、Ｊは次の如く与えられる。
上述の如く連続照合が行われ距離計算が行われるとき、
事後確率計算部１１において上記（５）式に示した如き
事後確率が計算される。当該事後確率は、入カバクンの
音節Ｘが成る１つの音節標準バタンに対応する上述のＡ
群に属する確率を表している。
事後確率計算部１１において上記（５）式に示した如き
事後確率が計算される。当該事後確率は、入カバクンの
音節Ｘが成る１つの音節標準バタンに対応する上述のＡ
群に属する確率を表している。
このような事後確率が計算されると、事後確率計算部１
１においては、第６図（ａ）図示の如き確率ラティスが
抽出される。即ち、今人力バタ′ンが／ ｔ ａ ｋａ
ｍａ ｔｓｕ 、／であったとしたとき、入力バタン
の始点から。
１においては、第６図（ａ）図示の如き確率ラティスが
抽出される。即ち、今人力バタ′ンが／ ｔ ａ ｋａ
ｍａ ｔｓｕ 、／であったとしたとき、入力バタン
の始点から。
ＣＩ） 約２００ｍ５ｅｃ近傍において、 （１）音節
標準バタン／ｐａ／に対して値ｒ ０． Ｉ Ｊ程度の
確率をもち、（ｉｉ）音節標準バタン／Ｌａ７に対して
値ｒ Ｏ，３Ｊ程度の確率をもち、（ｉｉｉ）音節標準
バタン／ｋａ／に対して値ｒ Ｏ，Ｉ Ｊ程度の確率を
もつ音節が存在していること。
標準バタン／ｐａ／に対して値ｒ ０． Ｉ Ｊ程度の
確率をもち、（ｉｉ）音節標準バタン／Ｌａ７に対して
値ｒ Ｏ，３Ｊ程度の確率をもち、（ｉｉｉ）音節標準
バタン／ｋａ／に対して値ｒ Ｏ，Ｉ Ｊ程度の確率を
もつ音節が存在していること。
（ＩＩ） 約５００ｍ５ｅｃ近傍において３ （ｉ）音
節標準バタン／ｋａ／に対して値ｒ Ｏ，６Ｊ程度の確
率をもち、（ｉｉ）音節標準バタン／ｓａ／に対して値
ｒＯ，０８Ｊ程度の確率をもつ音節が存在していること
。
節標準バタン／ｋａ／に対して値ｒ Ｏ，６Ｊ程度の確
率をもち、（ｉｉ）音節標準バタン／ｓａ／に対して値
ｒＯ，０８Ｊ程度の確率をもつ音節が存在していること
。
（Ｉｌｌ） 約７５０ｍ５ｅｃ近傍において、 （ｉ）
音節標準バタン／ｍａ／に対して値ｒｏ、０８Ｊ程度の
確率をもち、（ｉｉ）音節標準バタン／ｒａ／に対して
値ｒＯ，０５Ｊ程度の確率をもつ音節が存在しているこ
と。
音節標準バタン／ｍａ／に対して値ｒｏ、０８Ｊ程度の
確率をもち、（ｉｉ）音節標準バタン／ｒａ／に対して
値ｒＯ，０５Ｊ程度の確率をもつ音節が存在しているこ
と。
〔■〕 約１０００ ｍ５ｅｃ近傍において、 （ｉ）
音節標準バタン／ｌｓｕ／に対して値ｒ Ｏ，９Ｊ程度
の確率をもち、（ｉｉ）音節標準バタン／ ｓ ｕ ／
に対して値ｒ Ｏ，４Ｊ程度の確率をもつ音節が存在し
ていること。
音節標準バタン／ｌｓｕ／に対して値ｒ Ｏ，９Ｊ程度
の確率をもち、（ｉｉ）音節標準バタン／ ｓ ｕ ／
に対して値ｒ Ｏ，４Ｊ程度の確率をもつ音節が存在し
ていること。
が確率ラティス上に示される形となる。なお第６図（ａ
ｌにおいて各音節標準バタンに対する確率が時間を横軸
として誤差関数的になっているのは各時点毎の確率をプ
ロットしたとき誤差関数的なものとなっているごとによ
る。
ｌにおいて各音節標準バタンに対する確率が時間を横軸
として誤差関数的になっているのは各時点毎の確率をプ
ロットしたとき誤差関数的なものとなっているごとによ
る。
第６図（ａ）図示の如き確率ラティスが抽出されると、
当該確率ラティスを利用して１人カバタンか属する単語
を認識することができる。即ち、今。
当該確率ラティスを利用して１人カバタンか属する単語
を認識することができる。即ち、今。
認識対象の単語として第７図図示の如く地名を表す単語
が存在し、単語辞書部１３上に格納されているものとす
るとき、上記人ツノパタンの確率ラティスにもとづいて
。
が存在し、単語辞書部１３上に格納されているものとす
るとき、上記人ツノパタンの確率ラティスにもとづいて
。
（ｉ） ／ｋａ／−／ｓａ／−／ｍａ／ ／ｌｓｕ ／
である確率 （ｉｉ） ／ｋａ／ ／ｒａ／−／ｌｓｕ ／である確
率（ｉｉｉ ） ／ ｔａ／ −７ｋａ／ −／ ｔｓ
ｕ ／であるモ′「率の如く、第５図図示の単語マツチ
ング処理部１４においてそれぞれの確率を計算して、所
望の単語認識を行えば足りる。しかし、第６図ｆａ１図
示の確率ラティスの場合には、入力バタンの全時点にお
ける確率値が盛り込まれていて、辞書照合の対象としで
は冗長性が大で処理量を増大させる原因となる。このた
めに、第５図図示実施例の場合には。
である確率 （ｉｉ） ／ｋａ／ ／ｒａ／−／ｌｓｕ ／である確
率（ｉｉｉ ） ／ ｔａ／ −７ｋａ／ −／ ｔｓ
ｕ ／であるモ′「率の如く、第５図図示の単語マツチ
ング処理部１４においてそれぞれの確率を計算して、所
望の単語認識を行えば足りる。しかし、第６図ｆａ１図
示の確率ラティスの場合には、入力バタンの全時点にお
ける確率値が盛り込まれていて、辞書照合の対象としで
は冗長性が大で処理量を増大させる原因となる。このた
めに、第５図図示実施例の場合には。
データ圧−１６部１２において、第６図（ａ１図示の如
き確率ラティスから第６図（ｂ１図示の如き音節確率時
系列情報にデータ圧縮を行うようにしている。第６図（
ｂ）図示の場合には、第６図（ａ１図示の確率ラティス
において、各可能性のある音節標準バタンに対しての確
率のピーク点の時点と確率値とのみを抽出し、他の情報
を切り捨てるようにしている。
き確率ラティスから第６図（ｂ１図示の如き音節確率時
系列情報にデータ圧縮を行うようにしている。第６図（
ｂ）図示の場合には、第６図（ａ１図示の確率ラティス
において、各可能性のある音節標準バタンに対しての確
率のピーク点の時点と確率値とのみを抽出し、他の情報
を切り捨てるようにしている。
第６図（ｂ１図示の如きデータ圧縮された情報を１本明
細書において５ シラブル・パラメータと呼んでいる。
細書において５ シラブル・パラメータと呼んでいる。
第５図図示実施例において、単語辞書部１３上には第７
図図示の如き形で各単語が登録されている。そして、第
５図図示の単語マツチング処理部１４は、上記シ、ラブ
ル・パラメータを用いて１図示の場合には合計９つの時
点についての確率εＦ算処理を行って、単語認識を行う
ようにする。上記単語辞書部の内容と上記シラブル・パ
ラメータとを用いて単語認識を行う態様は任意に考える
ことができるが、最も簡単には１例えば単語／ｋａ／−
／ ｓａ ／ −／ｍａ／ −／ ｔｓｕ ／に対して
、上記シラブル・パラメータにおける第１音節が、／ｋ
ａ／である確率と第２音節が／ｓａ／である確率と第３
音節が／ｍａ／である確率と第４音節が／ｌｓｕ／であ
る確率との相乗平均値を調べるようにすればよい。
図図示の如き形で各単語が登録されている。そして、第
５図図示の単語マツチング処理部１４は、上記シ、ラブ
ル・パラメータを用いて１図示の場合には合計９つの時
点についての確率εＦ算処理を行って、単語認識を行う
ようにする。上記単語辞書部の内容と上記シラブル・パ
ラメータとを用いて単語認識を行う態様は任意に考える
ことができるが、最も簡単には１例えば単語／ｋａ／−
／ ｓａ ／ −／ｍａ／ −／ ｔｓｕ ／に対して
、上記シラブル・パラメータにおける第１音節が、／ｋ
ａ／である確率と第２音節が／ｓａ／である確率と第３
音節が／ｍａ／である確率と第４音節が／ｌｓｕ／であ
る確率との相乗平均値を調べるようにすればよい。
しかし、この方式の場合に例えば辞書部の内容が単語／
ｌｓｕ／であったときには、上記シラブル・パラメータ
中の第４音節における／ｌｓｕ／の確率値ｒ ０．９
Ｊが上記相乗平均値となり、木来車語／−− ｔａ／−／ｋａ／二／ｍａ／ ／ｌｓｕ／と認識すべき
なのに単語／ｌｓｕ／と認識され、誤認識を生しる危険
性が大きい。このために、上記第６図（ｂ１図示のシラ
ブル・パラメータにおりる音節出現時間間隔。
ｌｓｕ／であったときには、上記シラブル・パラメータ
中の第４音節における／ｌｓｕ／の確率値ｒ ０．９
Ｊが上記相乗平均値となり、木来車語／−− ｔａ／−／ｋａ／二／ｍａ／ ／ｌｓｕ／と認識すべき
なのに単語／ｌｓｕ／と認識され、誤認識を生しる危険
性が大きい。このために、上記第６図（ｂ１図示のシラ
ブル・パラメータにおりる音節出現時間間隔。
例えば音節／ｐａ／や／Ｌａ／や／ｋａ／が現れてから
音節／ｋａ／や／ｓａ／が現れるまでの時間間隔を考慮
するなどの処理が行われるか、詳細は省略する。
音節／ｋａ／や／ｓａ／が現れるまでの時間間隔を考慮
するなどの処理が行われるか、詳細は省略する。
（Ｅ）発明の詳細
な説明した如く１本発明によれは、第６図図示のシラブ
ル・パラメータの如き効果的に圧縮された音節確率時系
列情報にもとづいて、単語認識処理を行うようにしてお
り。
ル・パラメータの如き効果的に圧縮された音節確率時系
列情報にもとづいて、単語認識処理を行うようにしてお
り。
（ｉ）音節標準バタンとして多数の音声データから最適
化されたものが用いられる。
化されたものが用いられる。
（１１）当該音節標準バタンを得る際に抽出できる確率
パラメータを利用して、認識モード時に。
パラメータを利用して、認識モード時に。
簡単に音節確率時系列情報を得ることができる５（ｉｉ
ｉ ）また音節確率時系列情報を用いて認識処理を行う
に当たっての処理量が比較的少なくて足りる。
ｉ ）また音節確率時系列情報を用いて認識処理を行う
に当たっての処理量が比較的少なくて足りる。
（１ｖ）シラブル・パラメータと単語辞書との照合を行
うため、予め音節を決定する場合に比して認識率が良い
。
うため、予め音節を決定する場合に比して認識率が良い
。
などの利点をもっている。
第１図はＡ群およびＢ、群の距離分布を示す図。
第２図は従来の音声認識方式を示すブロック図。
第３図は従来の音声認識方式の欠点を説明するためのＡ
−Ｂ群の距離分布を示す図、第４図（ａ） ｆｂ）は入
力バタン上の音節が成る音節標準バタンｌである確率を
表す事後確率について説明する説明図。 第５図は本発明の音声認識処理方式の一実施例を示すブ
ロック図、第６図（ａｌは本願にいう確率ラティスを表
す説明図、第６図（ｂｌば当該確率ラティスから抽出さ
れたシラブル・パラメータを表す説明図、第７図は本発
明に用いられる単語辞書部の内容を説明する説明図を示
す。 図、中、５は特徴抽出部、６はセグメンテーション部、
７ば音節標準バタン登録部１８は確率パラメータ格納部
、９は特徴抽出部、１０は距離計算部、１１は事後確率
計算部、１２はデータ圧縮部。 １３は単語辞書部、１４は単語マツチング処理部を表す
。 特許出願人 藤 崎 博 也（外１名）代理人弁理士
森 １） 寛（外１名）距惰１ ℃ 第 １ 図 距蛛 ア ′″ｐｃ 図 オフ 品 第１頁の続き ＠発明者 花１）章夫 用崎市 ＠発明者 杉１）忠端 用崎市
−Ｂ群の距離分布を示す図、第４図（ａ） ｆｂ）は入
力バタン上の音節が成る音節標準バタンｌである確率を
表す事後確率について説明する説明図。 第５図は本発明の音声認識処理方式の一実施例を示すブ
ロック図、第６図（ａｌは本願にいう確率ラティスを表
す説明図、第６図（ｂｌば当該確率ラティスから抽出さ
れたシラブル・パラメータを表す説明図、第７図は本発
明に用いられる単語辞書部の内容を説明する説明図を示
す。 図、中、５は特徴抽出部、６はセグメンテーション部、
７ば音節標準バタン登録部１８は確率パラメータ格納部
、９は特徴抽出部、１０は距離計算部、１１は事後確率
計算部、１２はデータ圧縮部。 １３は単語辞書部、１４は単語マツチング処理部を表す
。 特許出願人 藤 崎 博 也（外１名）代理人弁理士
森 １） 寛（外１名）距惰１ ℃ 第 １ 図 距蛛 ア ′″ｐｃ 図 オフ 品 第１頁の続き ＠発明者 花１）章夫 用崎市 ＠発明者 杉１）忠端 用崎市
Claims (1)
- 【特許請求の範囲】 音節標準バタン候補と当該音節標準バタン候補の音節に
同じ同一音節を含む多数の音声データとのバタン間距離
の分布に対して、上記音節標準バタン候補と上記同一音
節を含まない多数の音声データとのバタン間距離の分布
がより大きい隔たりを生じるように上記音節標準バタン
候補を区切ることにより作成した音節標準バタンか登録
される音節標準バタン登録部。 上記音節標準バタンを作成する際に抽出される確率パラ
メータを格納する確率パラメータ格納部。 入力バタンと上記音節標準バタン登録部に登録されてい
る各音節標準バタンとの間の距離を計算する距離計算部
。 該距離計算部によって計算された上記距離と上記確率パ
ラメータ格納部に格納されている確率パラメータとから
、上記入力バタンか上記距離の１算された音節標準バタ
ンである確率を表１事後６育率を上記個々の距離につい
て計算する事後確率計算部。 該事後確率計算部において上記人カバクンを構成する各
音節候補について得られた確率ラティスをデータ圧縮し
て、当該入力バタンを構成する音節確率時系列情報を得
るデータ圧縮部。 標準単語についての音節情報か格納されている単語辞書
部。 および上記人力バタンから抽出された音節確率時系列情
報と上記単語辞書部から読め出された標準単語について
の音節情報との照合を行う卑語マツチング処理部。 をそなえ、入力バタンについて音節照合を行って認識処
理を行うようにしたことを特徴とする音節標準バタンを
用いた音声認識方式。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP59038413A JPS60182497A (ja) | 1984-02-29 | 1984-02-29 | 音節標準パタンを用いた音声認識方式 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP59038413A JPS60182497A (ja) | 1984-02-29 | 1984-02-29 | 音節標準パタンを用いた音声認識方式 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPS60182497A true JPS60182497A (ja) | 1985-09-18 |
| JPH0331277B2 JPH0331277B2 (ja) | 1991-05-02 |
Family
ID=12524613
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP59038413A Granted JPS60182497A (ja) | 1984-02-29 | 1984-02-29 | 音節標準パタンを用いた音声認識方式 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPS60182497A (ja) |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS56111897A (en) * | 1980-02-08 | 1981-09-03 | Fujitsu Ltd | Ward unit voice recognizing system utilizing monoosylable voice recogniton |
| JPS5938412A (ja) * | 1982-08-24 | 1984-03-02 | Ishikawajima Constr Material Co Ltd | 水門 |
| JPS5938414A (ja) * | 1982-08-24 | 1984-03-02 | Oyo Chishitsu Kk | 孔内傾斜計ケ−シングパイプのグラウト方法 |
-
1984
- 1984-02-29 JP JP59038413A patent/JPS60182497A/ja active Granted
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS56111897A (en) * | 1980-02-08 | 1981-09-03 | Fujitsu Ltd | Ward unit voice recognizing system utilizing monoosylable voice recogniton |
| JPS5938412A (ja) * | 1982-08-24 | 1984-03-02 | Ishikawajima Constr Material Co Ltd | 水門 |
| JPS5938414A (ja) * | 1982-08-24 | 1984-03-02 | Oyo Chishitsu Kk | 孔内傾斜計ケ−シングパイプのグラウト方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| JPH0331277B2 (ja) | 1991-05-02 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JPS58130393A (ja) | 音声認識装置 | |
| US10089994B1 (en) | Acoustic fingerprint extraction and matching | |
| CN113409771B (zh) | 一种伪造音频的检测方法及其检测系统和存储介质 | |
| JPS63225300A (ja) | パタ−ン認識装置 | |
| CN121747528A (zh) | 语音合成方法、装置、计算机设备及存储介质 | |
| JPH02165388A (ja) | パターン認識方式 | |
| CN119943053B (zh) | 会议记录的生成方法和装置、存储介质及电子设备 | |
| EP3956890B1 (en) | A dialog detector | |
| JP3091537B2 (ja) | 音声パターン作成方法 | |
| JPH0331277B2 (ja) | ||
| JP2601448B2 (ja) | 音声認識方法及びその装置 | |
| Lakra et al. | Automated pitch-based gender recognition using an adaptive neuro-fuzzy inference system | |
| JP3058569B2 (ja) | 話者照合方法及び装置 | |
| JPH0331276B2 (ja) | ||
| JP2655637B2 (ja) | 音声パターン照合方式 | |
| JPH0331278B2 (ja) | ||
| JPH01185599A (ja) | 音声認識装置 | |
| JP2577891B2 (ja) | 単語音声予備選択装置 | |
| JP3199338B2 (ja) | フォルマント抽出方法 | |
| JPS6346496A (ja) | 音声認識装置 | |
| JPS6136797A (ja) | 音声セグメンテ−シヨン法 | |
| JPS6336678B2 (ja) | ||
| JPS6258515B2 (ja) | ||
| JPS63798B2 (ja) | ||
| Maka et al. | Feature contours fusion for determining segment boundaries in audio data |