JPS60202494A - 単語音声認識方法 - Google Patents
単語音声認識方法Info
- Publication number
- JPS60202494A JPS60202494A JP59058173A JP5817384A JPS60202494A JP S60202494 A JPS60202494 A JP S60202494A JP 59058173 A JP59058173 A JP 59058173A JP 5817384 A JP5817384 A JP 5817384A JP S60202494 A JPS60202494 A JP S60202494A
- Authority
- JP
- Japan
- Prior art keywords
- phoneme
- word
- dictionary
- segmented
- probability density
- 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
- 238000000034 method Methods 0.000 claims description 7
- 230000011218 segmentation Effects 0.000 description 12
- 238000000605 extraction Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 238000007796 conventional method Methods 0.000 description 2
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 2
- 206010062717 Increased upper airway secretion Diseases 0.000 description 1
- 241000282898 Sus scrofa Species 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 208000026435 phlegm Diseases 0.000 description 1
- 230000002940 repellent Effects 0.000 description 1
- 239000005871 repellent Substances 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
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】
（産業上の利用分野）
本発明は入力音声と、音素表記された単語辞書を照合し
て単語を認識する単語音声認識方法に関するものである
。
て単語を認識する単語音声認識方法に関するものである
。
（従来例の構成とその問題点）
第１図は従来の単語音声認識方法の一例及び本発明の単
語音声認識方法の実施例を実行するための装置の機能ブ
ロック図である。従来例を第１図。
語音声認識方法の実施例を実行するための装置の機能ブ
ロック図である。従来例を第１図。
第２図及び第３図とともに説明する。第１図において、
１は入力音声から・母うメータの時系列を作成するｉ４
ラメータ抽出部、２は音素標準ノ４タンを照合して、音
素の確率密度を算出する確率密度計算部、３は音素毎の
セグメンテーション、尤度計算、単語類似度計算を行な
う単語認識部である。
１は入力音声から・母うメータの時系列を作成するｉ４
ラメータ抽出部、２は音素標準ノ４タンを照合して、音
素の確率密度を算出する確率密度計算部、３は音素毎の
セグメンテーション、尤度計算、単語類似度計算を行な
う単語認識部である。
また、４は各音素毎の各種パラメータにおける分布を各
音素毎の平均値（μｉ）、及び各種・母うメータ間の共
分散行列（Σｉ）の形で表わした音素標準パタンを記憶
する音素標準バタン部、５は認識すべき全単語を音素単
位の記号列で表記した単語辞書が記憶されている単語辞
書部である。その単語辞書は、例えば単語「サラポロ」
、「カンテイ」はｒ ５ＡＱＰＯＲＯＪ 、 ｒ ＫＡ
Ｎ＝ＮＡＩ Ｊ等と表記されている。
音素毎の平均値（μｉ）、及び各種・母うメータ間の共
分散行列（Σｉ）の形で表わした音素標準パタンを記憶
する音素標準バタン部、５は認識すべき全単語を音素単
位の記号列で表記した単語辞書が記憶されている単語辞
書部である。その単語辞書は、例えば単語「サラポロ」
、「カンテイ」はｒ ５ＡＱＰＯＲＯＪ 、 ｒ ＫＡ
Ｎ＝ＮＡＩ Ｊ等と表記されている。
次に上記従来例の動作について説明する。パラメータ抽
出部１において、入力音素をｌ０ｍ５のフレーム毎に分
析し・ぐラメータを抽出して、・ぐラメータ時系列を作
成する。次に確率密度計算部２において、フレーム毎に
得られたパラメータと音素標準・モタン部４の音素標準
・やタンを照合し、音素の確率密度を算出する。次に、
単語認識部３において、各辞書項目毎に、その辞書項目
を構成する辞書音素系列に従って音素のセグメンテーシ
ョンを行ない、下記０式に従いその音素の種類と、その
音素に対応してセグメンテーションされた区間の尤度ｔ
を計算し、その辞書項目における、各音素の尤度の平均
として類似度をめる。ここで、その音素をＸとし、Ｘに
対応してセグメンテーションされた区間の始端と終端の
フレーム番号をＮｓ ＊ Ｎｅとし、第ｎフレームにお
ける各／４’ラメータの値をＣｎとすると、音素Ｘの尤
度ｔＸは下式で定義される。
出部１において、入力音素をｌ０ｍ５のフレーム毎に分
析し・ぐラメータを抽出して、・ぐラメータ時系列を作
成する。次に確率密度計算部２において、フレーム毎に
得られたパラメータと音素標準・モタン部４の音素標準
・やタンを照合し、音素の確率密度を算出する。次に、
単語認識部３において、各辞書項目毎に、その辞書項目
を構成する辞書音素系列に従って音素のセグメンテーシ
ョンを行ない、下記０式に従いその音素の種類と、その
音素に対応してセグメンテーションされた区間の尤度ｔ
を計算し、その辞書項目における、各音素の尤度の平均
として類似度をめる。ここで、その音素をＸとし、Ｘに
対応してセグメンテーションされた区間の始端と終端の
フレーム番号をＮｓ ＊ Ｎｅとし、第ｎフレームにお
ける各／４’ラメータの値をＣｎとすると、音素Ｘの尤
度ｔＸは下式で定義される。
φ、 （Ｃｎ）はある音素ｉの確率密度を表わし、■式
のように定義される。
のように定義される。
一■
０式において、確率密度の割シ算における分母のサメン
ションの１の範囲は、音素Ｘが何であるかによって異な
り、例えばＸが音素Ａ（７）の時はｉの範囲は５母音、
Ａ、Ｅ、１．０．Ｕ、としている。
ションの１の範囲は、音素Ｘが何であるかによって異な
り、例えばＸが音素Ａ（７）の時はｉの範囲は５母音、
Ａ、Ｅ、１．０．Ｕ、としている。
以上により得られる単語類似度しＭを■式に従って各辞
書項目毎にめ、ＬＭが最大となる辞書項目をもって、認
識単語としていた。
書項目毎にめ、ＬＭが最大となる辞書項目をもって、認
識単語としていた。
ＬＭ＝、’暮ｔｊ／ＮＰ −■
Ｊ＝１
第２図は／ ＫＡＮ＝ＮＡ Ｉ／ （閣内）と発声した
時の／ＡＮ＝ＮＡ／の部分の各音素の確率密度の時間変
化を表わしている。この場合の／ＡＮ＝ＮＡ／の部分の
セグメンテーション及び尤度計算は、各音素／Ａ／ 、
／Ｎ＝／、 ／Ｎ／ 、 ／Ａ／の確率密度の値φ□
。
時の／ＡＮ＝ＮＡ／の部分の各音素の確率密度の時間変
化を表わしている。この場合の／ＡＮ＝ＮＡ／の部分の
セグメンテーション及び尤度計算は、各音素／Ａ／ 、
／Ｎ＝／、 ／Ｎ／ 、 ／Ａ／の確率密度の値φ□
。
φ、−１φ８．φえの時間変化に従ってセグメンテーシ
ョンを行なう。／ＡＮ＝ＮＡ／の場合は第１番目の／Ａ
／に対してセグメンテーションした区間（ａ−ｈ）を対
応させ、■弐に従い、φ□を用いてＬＡを計算し、／Ｎ
＝／、／Ｎ／、／Ａ／についても同様にｔＮ＝。
ョンを行なう。／ＡＮ＝ＮＡ／の場合は第１番目の／Ａ
／に対してセグメンテーションした区間（ａ−ｈ）を対
応させ、■弐に従い、φ□を用いてＬＡを計算し、／Ｎ
＝／、／Ｎ／、／Ａ／についても同様にｔＮ＝。
ｔＮ ＊ ｔＡを計算する。
第３図は同じ単ｙｇ ／ＫＡＮ ＝ ＮＡ Ｉ ／を別
の話者が発声した場合の各音素の確率密度の時間変化を
示している。第３図において、／ＡＮ＝ＮＡ／の部分の
セグメンテーション及び尤度計算はφ、、φ、−１（５
） φ９．φえの時間変化によって行なうが、／Ｎ＝／のセ
グメンテーションをする場合／Ｎ＝／の次に来る音素／
Ｎ／の確率密度φ、が／Ｎ／の区間で十分大きくならず
φ、＝が／Ｎ／の区間に大きな値を持ち、次の音素／Ａ
／の区間の始まりまできている。従って／Ｎ−／のセグ
メンテーション区間は区間（ｇ−ｈ）となり、／Ｎ／の
区間を含むため、／Ｎ−／の次の音素／Ｎ／のセグメン
テーションを誤り、尤度ｔＮも低くなるため、撥音、鼻
音の連続２音素を含む単語は誤認識し易い欠点があった
。
の話者が発声した場合の各音素の確率密度の時間変化を
示している。第３図において、／ＡＮ＝ＮＡ／の部分の
セグメンテーション及び尤度計算はφ、、φ、−１（５
） φ９．φえの時間変化によって行なうが、／Ｎ＝／のセ
グメンテーションをする場合／Ｎ＝／の次に来る音素／
Ｎ／の確率密度φ、が／Ｎ／の区間で十分大きくならず
φ、＝が／Ｎ／の区間に大きな値を持ち、次の音素／Ａ
／の区間の始まりまできている。従って／Ｎ−／のセグ
メンテーション区間は区間（ｇ−ｈ）となり、／Ｎ／の
区間を含むため、／Ｎ−／の次の音素／Ｎ／のセグメン
テーションを誤り、尤度ｔＮも低くなるため、撥音、鼻
音の連続２音素を含む単語は誤認識し易い欠点があった
。
（発明の目的）
本発明は、上記従来例の欠点を除去するものであり、尤
度計算の精度を向上させ、それにより単語認識率を向上
させることを目的とする。
度計算の精度を向上させ、それにより単語認識率を向上
させることを目的とする。
（発明の構成）
本発明は、上記目的を達成するために、撥音。
鼻音が連続する音素系列のセグメンテーション及び尤度
計算を行なう際、撥音、鼻音の連続２音素ケまとめてセ
グメンテーションし尤度計算ヲ行なうことにより、セグ
メンテーション及び尤度計算の精度を向上させる効果を
得るものである。
計算を行なう際、撥音、鼻音の連続２音素ケまとめてセ
グメンテーションし尤度計算ヲ行なうことにより、セグ
メンテーション及び尤度計算の精度を向上させる効果を
得るものである。
（６）
（実施例の説明）
以下に本発明の一実施例について第１図及び第３図とと
もに説明する。第１図において、音素標準・やタンは従
来例と同様である。単語辞書は、認識すべき単＠を音素
の記号列で表記しである。またノやラメータ抽出により
得られる・やラメータ時系列は従来例と同様である。本
実施例の動作について説明する。先ず、ノヤラメータ抽
出部１で入力音声からフレーム毎の・母うメータを得、
さらに確率密度計算部２でその・やラメータの値及び、
各音素標準ｉｊメタンら得られる確率密度を計算する。
もに説明する。第１図において、音素標準・やタンは従
来例と同様である。単語辞書は、認識すべき単＠を音素
の記号列で表記しである。またノやラメータ抽出により
得られる・やラメータ時系列は従来例と同様である。本
実施例の動作について説明する。先ず、ノヤラメータ抽
出部１で入力音声からフレーム毎の・母うメータを得、
さらに確率密度計算部２でその・やラメータの値及び、
各音素標準ｉｊメタンら得られる確率密度を計算する。
次に、単語認識部３において、単語辞書部５内の各辞書
項目毎にその辞書項目を構成する辞書音素系列に従って
音素Ｘのセグメンテーションを行ない、その音素Ｘとそ
の音素Ｘに対応してセグメンテーションされた区間の尤
度ｔｘを計算するのであるが、辞書音素系列中に撥音、
鼻音の２連続音素系列がある場合、第１番目の音素であ
る撥音の確率密度の値が、次の鼻音の終りまで優勢であ
る。従って撥音、鼻音の連続２音素をまとめてセグメン
テーションし、そのセグメンテーションした区間に対し
て尤度を計算する。第３図の／ＡＮ＝ＮＡ／の部分の各
音素／Ａ／、／Ｎ−／、／Ｎ／、／に／の確率密度φ６
．φ、−１φ８．φ□をみると、φ、−は／Ｎ／の部分
でφ、よりも大きな値を持ち／Ａ／の始１す（ｈ）まで
続いている。従って、φ、−の値を用いて、／Ｎ＝Ｎ／
の連続２音素をまとめてｇからｈまでセグメンテーショ
ンを行ない、セグメンテーションした区間（ｇ−ｈ）に
対してφ、−の値を用いて０式に従って２音素分の尤度
ｔＮ−Ｎヲ求める。ここで０式と対比して普通の音素の
場合は従来同様０式を用いて尤度計算を行なう。
項目毎にその辞書項目を構成する辞書音素系列に従って
音素Ｘのセグメンテーションを行ない、その音素Ｘとそ
の音素Ｘに対応してセグメンテーションされた区間の尤
度ｔｘを計算するのであるが、辞書音素系列中に撥音、
鼻音の２連続音素系列がある場合、第１番目の音素であ
る撥音の確率密度の値が、次の鼻音の終りまで優勢であ
る。従って撥音、鼻音の連続２音素をまとめてセグメン
テーションし、そのセグメンテーションした区間に対し
て尤度を計算する。第３図の／ＡＮ＝ＮＡ／の部分の各
音素／Ａ／、／Ｎ−／、／Ｎ／、／に／の確率密度φ６
．φ、−１φ８．φ□をみると、φ、−は／Ｎ／の部分
でφ、よりも大きな値を持ち／Ａ／の始１す（ｈ）まで
続いている。従って、φ、−の値を用いて、／Ｎ＝Ｎ／
の連続２音素をまとめてｇからｈまでセグメンテーショ
ンを行ない、セグメンテーションした区間（ｇ−ｈ）に
対してφ、−の値を用いて０式に従って２音素分の尤度
ｔＮ−Ｎヲ求める。ここで０式と対比して普通の音素の
場合は従来同様０式を用いて尤度計算を行なう。
本実施ににおいては、撥音、鼻音の音素系列を１つにま
とめてセグメンテーション及び尤度計算を行なうため、
撥音、鼻音の連続２音素を含む単語の認識率が向上する
利点がある。
とめてセグメンテーション及び尤度計算を行なうため、
撥音、鼻音の連続２音素を含む単語の認識率が向上する
利点がある。
但し、記号の使用は■、■式に準する。
（発明の効果）
本発明は上記のように撥音、鼻音の連続２音素をまとめ
てセグメンテーションし、尤度計算を行なうことにより
、従来法に比べ精度よくセグメンテーション及び尤度計
算を行うことができる。
てセグメンテーションし、尤度計算を行なうことにより
、従来法に比べ精度よくセグメンテーション及び尤度計
算を行うことができる。
第１図は従来及び本発明の一実施例における単語音声認
識方法を説明するための図、第２図は／ＫＡＮ＝ＮＡ１
／（カンナイ）と発声した場合の／ＡＮ＝ＮＡ／の部
分の各要素／Ａ／、／Ｎ＝／、／Ｎ／、／Ａ／の確率密
度φ６．φ、−９φ８．φえ の時間変化を示す図、第
３図は第２図の場合とは別の話者が／ＫＡＮ＝ＮＡＩ
／と発声した場合φえ、φ、−１φ、。 φ、の時間変化を示す図である。 １・・・パラメータ抽出部 ２・・・確率密度計算部、 ３・・・単語認識部 ４・・・音素標準バタン部 ５・・・単語辞書部 （９） 第１図 入〃會声 訴戚早猪
識方法を説明するための図、第２図は／ＫＡＮ＝ＮＡ１
／（カンナイ）と発声した場合の／ＡＮ＝ＮＡ／の部
分の各要素／Ａ／、／Ｎ＝／、／Ｎ／、／Ａ／の確率密
度φ６．φ、−９φ８．φえ の時間変化を示す図、第
３図は第２図の場合とは別の話者が／ＫＡＮ＝ＮＡＩ
／と発声した場合φえ、φ、−１φ、。 φ、の時間変化を示す図である。 １・・・パラメータ抽出部 ２・・・確率密度計算部、 ３・・・単語認識部 ４・・・音素標準バタン部 ５・・・単語辞書部 （９） 第１図 入〃會声 訴戚早猪
Claims (1)
- 認識すべき単語を音素単位の記号列で表記した単語辞書
と、各音素の音響パラメータの分布形で表わされた各音
素の標準・ぞタンを用いて、入力音声の単語認識を行々
う単語音声認識方法において、入力音声を単語辞書の各
辞書項目と照合し、各辞書項目を構成する辞書音素系列
に従い各音素毎に入力音声をセグメンテーションし、そ
の音素の標準ノ母タンを用いて、そのセグメンテーショ
ンされた音声の区間がその音素から生成さ扛る確率密度
を計算し、セグメンテーションされた音声の区間に対し
て、上記確率密度の値を用いて各辞書項目と入力音声の
類似度をめて、単語を認識する際、辞書単語中の撥音、
鼻音が連続した音素系列に対しては、撥音と鼻音の連続
２音素をまとめてセグメンテーションし、尤度計算を行
なうことを特徴とする単語音声認識方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP59058173A JPS60202494A (ja) | 1984-03-28 | 1984-03-28 | 単語音声認識方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP59058173A JPS60202494A (ja) | 1984-03-28 | 1984-03-28 | 単語音声認識方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPS60202494A true JPS60202494A (ja) | 1985-10-12 |
| JPH045391B2 JPH045391B2 (ja) | 1992-01-31 |
Family
ID=13076606
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP59058173A Granted JPS60202494A (ja) | 1984-03-28 | 1984-03-28 | 単語音声認識方法 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPS60202494A (ja) |
-
1984
- 1984-03-28 JP JP59058173A patent/JPS60202494A/ja active Granted
Also Published As
| Publication number | Publication date |
|---|---|
| JPH045391B2 (ja) | 1992-01-31 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP6501260B2 (ja) | 音響処理装置及び音響処理方法 | |
| US20080281593A1 (en) | Apparatus for Reducing Spurious Insertions in Speech Recognition | |
| US7181395B1 (en) | Methods and apparatus for automatic generation of multiple pronunciations from acoustic data | |
| JPH11191000A (ja) | テキストを音声信号と整列する方法 | |
| JP4666129B2 (ja) | 発声速度正規化分析を用いた音声認識装置 | |
| JP3081108B2 (ja) | 話者分類処理装置及び方法 | |
| CN111640423B (zh) | 一种词边界估计方法、装置及电子设备 | |
| JP2012053218A (ja) | 音響処理装置および音響処理プログラム | |
| JP4779239B2 (ja) | 音響モデル学習装置、音響モデル学習方法、およびそのプログラム | |
| JP2003345388A (ja) | 音声認識装置、音声認識方法、および、音声認識プログラム | |
| Shokri et al. | A robust keyword spotting system for Persian conversational telephone speech using feature and score normalization and ARMA filter | |
| Bayya | Rejection in speech recognition systems with limited training. | |
| Seman et al. | Hybrid methods of Brandt’s generalised likelihood ratio and short-term energy for Malay word speech segmentation | |
| JPH0534679B2 (ja) | ||
| Gereg et al. | Semi-automatic processing and annotation of meeting audio recordings | |
| Kalantari et al. | Incorporating visual information for spoken term detection | |
| CN118072717A (zh) | 语音识别方法、装置、设备及存储介质 | |
| JPS60149096A (ja) | 単語音声認識方法 | |
| JPS60149095A (ja) | 単語音声認識方法 | |
| Kleynhans et al. | A channel normalization technique for speech recognition in mismatched conditions | |
| JPH045391B2 (ja) | ||
| Al-Haddad | An automatic Malay speech recognition system for dysathric | |
| JPS59211096A (ja) | 音声認識装置 | |
| Kosaka et al. | Discrete-Mixture HMMs-based Approach for Noisy Speech Recognition | |
| Al-Haddad | Speech disorder Malay speech recognition system |