JPS6069700A - 音声認識装置 - Google Patents
音声認識装置Info
- Publication number
- JPS6069700A JPS6069700A JP58178467A JP17846783A JPS6069700A JP S6069700 A JPS6069700 A JP S6069700A JP 58178467 A JP58178467 A JP 58178467A JP 17846783 A JP17846783 A JP 17846783A JP S6069700 A JPS6069700 A JP S6069700A
- Authority
- JP
- Japan
- Prior art keywords
- analysis
- phoneme
- recognition
- unit
- speech
- 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.)
- Pending
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
本発明は音韻を認識単位として入力音声を認識する方式
の音声認識装置に関する。
の音声認識装置に関する。
（ｂ）技術の背景
音声認識装置は、認識単位によって、単音節音声認識装
置・単語音声認識装置あるいは連続音声認識装置に類別
され、特定話者を対象とする単音節音声認識装置および
単語音声認識装置ならびに不特定話者を対象とする少数
単語音声認識装置等がすでに実用化てされている。
置・単語音声認識装置あるいは連続音声認識装置に類別
され、特定話者を対象とする単音節音声認識装置および
単語音声認識装置ならびに不特定話者を対象とする少数
単語音声認識装置等がすでに実用化てされている。
しかし電子針算機システムに対する情報入力手段として
は連続音声認識装置が最も望ましい装置であり、その実
用化のため、近時、音韻を認識単位とする音声認識装置
の開発が進められている。
は連続音声認識装置が最も望ましい装置であり、その実
用化のため、近時、音韻を認識単位とする音声認識装置
の開発が進められている。
（Ｃ）従来技術と問題点
前記音韻を認識単位とする音声認識装置は、入力音声を
分析し特徴を抽出する分析部２音韻毎の標準特徴を記憶
する音韻辞書、および前記分析部によって得られた入力
音声の特徴を前記音韻辞書に記憶する標準特徴と照合す
ることによって入力音声の音韻を認識する音韻認識部と
を主要な構成要素として備えている。
分析し特徴を抽出する分析部２音韻毎の標準特徴を記憶
する音韻辞書、および前記分析部によって得られた入力
音声の特徴を前記音韻辞書に記憶する標準特徴と照合す
ることによって入力音声の音韻を認識する音韻認識部と
を主要な構成要素として備えている。
前記分析部には高速フーリエ変換（ＦＦＴ） ・フィル
タ分析・線形予測法（Ｌ Ｐ Ｇ）等の技術が用いられ
１例えばＦＦＴによる分析法では、一般に、ＡＤ変換後
の入力音声データに対して、ある一定の分析フレーム長
と分析フレーム周期で分析を行い１分析フレーム毎の対
数スペクトラムをめ、これを予め音韻辞書に記憶する音
韻毎の標準特徴と照合するという方法が多く用いられて
いる。
タ分析・線形予測法（Ｌ Ｐ Ｇ）等の技術が用いられ
１例えばＦＦＴによる分析法では、一般に、ＡＤ変換後
の入力音声データに対して、ある一定の分析フレーム長
と分析フレーム周期で分析を行い１分析フレーム毎の対
数スペクトラムをめ、これを予め音韻辞書に記憶する音
韻毎の標準特徴と照合するという方法が多く用いられて
いる。
このように、従来、前記分析フレーム長および分析フレ
ーム周期など分析条件を一定としていた。
ーム周期など分析条件を一定としていた。
このため例えば無声破裂音（））−Ｔ−Ｋ）のように持
続時間が母音等に比べて非常に短い音韻は。
続時間が母音等に比べて非常に短い音韻は。
その前後の音韻の影響を受け易く認識が困難であるとい
う欠点があった。
う欠点があった。
（ｄ）発明の目的
本発明の目的は、音韻を認識単位として入力音声を認識
する方式の音声認識装置における認識率の向上にある。
する方式の音声認識装置における認識率の向上にある。
（ｅ）発明の構成
すなわち１本発明になる音声認識装置は、大男音声を分
析し特徴を抽出する分析部と音韻毎の標準特徴を記憶す
る音韻辞書と前記分析部によって得られた入力音声の特
徴を前記音韻辞書に記憶する標準特徴と照合して入力音
声の音韻を認識する音韻認識部を備え音韻を認識単位と
して人力音声を認識する音声認識装置において、前記分
析部における分析条件を前記音韻認識部における認識結
果に応じて設定する分析条件設定部を設け、前記音韻認
識部における認識結果に応じて入力音声の分析条件を変
更して設定し再分析することによって認識するようにし
たものである。
析し特徴を抽出する分析部と音韻毎の標準特徴を記憶す
る音韻辞書と前記分析部によって得られた入力音声の特
徴を前記音韻辞書に記憶する標準特徴と照合して入力音
声の音韻を認識する音韻認識部を備え音韻を認識単位と
して人力音声を認識する音声認識装置において、前記分
析部における分析条件を前記音韻認識部における認識結
果に応じて設定する分析条件設定部を設け、前記音韻認
識部における認識結果に応じて入力音声の分析条件を変
更して設定し再分析することによって認識するようにし
たものである。
（ｆ）発明の実施例
以下２本発明の要旨を実施例によって具体的に説明する
。
。
図は本発明一実施例の構成を示すブロック図であり、１
は入力音声をＱ、１ｍｓ毎にザンプリングして１２ビツ
ト多値デジタルデータに変換するＡＤ変換器、２はＡＤ
変換器１の出力を一時記憶するへソファ、３はバッファ
２の内容を読み取り分析フレーム長毎に入力音声を分析
し、その特徴として対数スペクトルとピンチ周波数とを
抽出する分析部。
は入力音声をＱ、１ｍｓ毎にザンプリングして１２ビツ
ト多値デジタルデータに変換するＡＤ変換器、２はＡＤ
変換器１の出力を一時記憶するへソファ、３はバッファ
２の内容を読み取り分析フレーム長毎に入力音声を分析
し、その特徴として対数スペクトルとピンチ周波数とを
抽出する分析部。
４は分析部３によって得られるピンチ周波数の有無によ
って前記分析フレーム長毎の音声が有声音か無声音かを
判定する判定部、５は音韻毎の標準の対数パワ７スベク
トルを記憶する音韻辞書、６は分析部３によって得られ
る対数パワースペクトルを音韻辞書５に記憶する標準の
音韻の対数パワースペクトルと照合することによって入
力音声の音韻を認識する音韻認識部、７は分析部３にお
ける分析条件を設定する分析条件設定部である。
って前記分析フレーム長毎の音声が有声音か無声音かを
判定する判定部、５は音韻毎の標準の対数パワ７スベク
トルを記憶する音韻辞書、６は分析部３によって得られ
る対数パワースペクトルを音韻辞書５に記憶する標準の
音韻の対数パワースペクトルと照合することによって入
力音声の音韻を認識する音韻認識部、７は分析部３にお
ける分析条件を設定する分析条件設定部である。
分析部３は２通常は後記第一の分析条件によって入力音
声を分析し、音！ｌ！認識部６において認識不能が生し
た場合には１判定部４の判定結果に応して後記第二の分
析条件または第三の分析条件のいずれかによって入力音
声を分析する。
声を分析し、音！ｌ！認識部６において認識不能が生し
た場合には１判定部４の判定結果に応して後記第二の分
析条件または第三の分析条件のいずれかによって入力音
声を分析する。
すなわち２第一の分析条件では１分析フレーム長を１２
・３ ｍｓまた分析フレーム周期を６．４ｍｓと設定し
、ＦＦＴによって対数パワースペクトルをめ、その１ｌ
ＦＦＴとして得られるケプストラムからピッチ周波数を
める。
・３ ｍｓまた分析フレーム周期を６．４ｍｓと設定し
、ＦＦＴによって対数パワースペクトルをめ、その１ｌ
ＦＦＴとして得られるケプストラムからピッチ周波数を
める。
このあと、音韻認識部６において認識不能が生じ且つ判
定部４によって無声音として判定された場合には、第二
の分析条件として分析フレーム長を６．４貼また分析フ
レーム周期を３．２ｍ３と設定し。
定部４によって無声音として判定された場合には、第二
の分析条件として分析フレーム長を６．４貼また分析フ
レーム周期を３．２ｍ３と設定し。
ＦＦＴによって対数パワースペクトルをめ、その逆ＦＦ
Ｔとして得られるケプストラムからピッチ周波数をめる
。第二の分析条件は第一の分析条件に比し分析フレーム
長および分析フレーム周期が共に短いために前後に隣接
する音韻の影響を受け難＜、シたがって、持続時間の短
い無声破裂音に対する認識率を向上することができる。
Ｔとして得られるケプストラムからピッチ周波数をめる
。第二の分析条件は第一の分析条件に比し分析フレーム
長および分析フレーム周期が共に短いために前後に隣接
する音韻の影響を受け難＜、シたがって、持続時間の短
い無声破裂音に対する認識率を向上することができる。
また音韻認識部６において認識不能が生じ且つ判定部４
によって有声音として判定された場合には、第三の分析
条件として分析フレーム長を２５．６ｍｓまた分析フレ
ーム周期を３Ｊｍａと設定し、ＦＦＴによって対数パワ
ースペクトルをめ、その逆ＦＦＴとして得られるケプス
トラムからピッチ周波数をめる。第三の分析条件は第一
の分析条件に比し分析フレーム長が長＜、シたがって持
続時間の長い母音の認識に適するほか、とくに２分析フ
レーム周期を短くすることによって認識精度を向上する
ことができる。
によって有声音として判定された場合には、第三の分析
条件として分析フレーム長を２５．６ｍｓまた分析フレ
ーム周期を３Ｊｍａと設定し、ＦＦＴによって対数パワ
ースペクトルをめ、その逆ＦＦＴとして得られるケプス
トラムからピッチ周波数をめる。第三の分析条件は第一
の分析条件に比し分析フレーム長が長＜、シたがって持
続時間の長い母音の認識に適するほか、とくに２分析フ
レーム周期を短くすることによって認識精度を向上する
ことができる。
（ｇ）発明の効果
以」二説明したように２本発明によれば音韻を認識単位
として入力音声を認識する方式の音声認識装置において
認識率を向上する効果がある。
として入力音声を認識する方式の音声認識装置において
認識率を向上する効果がある。
図は本発明一実施例の構成を示すブロック図である。
図中、３は分析部、５は音韻辞書、６は音韻認識部２７
は分析条件設定部である。
は分析条件設定部である。
Claims (1)
- 入力音声を分析し特徴を抽出する分析部と音韻毎の標準
特徴を記憶する音韻辞書と前記分析部によって得られた
入力音声の特徴を前記音韻辞書に記憶する標準特徴と照
合して入力音声の音韻を認識する音Ｂ認識部とを備え、
音韻を認識単位として入力音声を認識する音声認識装置
において、前記分析部における分析条件を前記音韻認識
部における認識結果に応じて設定する分析条件設定部を
設け、前記音韻認識部における認識結果に応じて入力音
声の分析条件を変更して設定し再分析することを特徴と
する音声認識装置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP58178467A JPS6069700A (ja) | 1983-09-27 | 1983-09-27 | 音声認識装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP58178467A JPS6069700A (ja) | 1983-09-27 | 1983-09-27 | 音声認識装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JPS6069700A true JPS6069700A (ja) | 1985-04-20 |
Family
ID=16049020
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP58178467A Pending JPS6069700A (ja) | 1983-09-27 | 1983-09-27 | 音声認識装置 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPS6069700A (ja) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2006350090A (ja) * | 2005-06-17 | 2006-12-28 | Nippon Telegr & Teleph Corp <Ntt> | クライアント・サーバ音声認識方法、サーバ計算機での音声認識方法、音声特徴量抽出・送信方法、これらの方法を用いたシステム、装置、プログラムおよび記録媒体 |
-
1983
- 1983-09-27 JP JP58178467A patent/JPS6069700A/ja active Pending
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2006350090A (ja) * | 2005-06-17 | 2006-12-28 | Nippon Telegr & Teleph Corp <Ntt> | クライアント・サーバ音声認識方法、サーバ計算機での音声認識方法、音声特徴量抽出・送信方法、これらの方法を用いたシステム、装置、プログラムおよび記録媒体 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11056097B2 (en) | Method and system for generating advanced feature discrimination vectors for use in speech recognition | |
| JP3162994B2 (ja) | 音声のワードを認識する方法及び音声のワードを識別するシステム | |
| Nwe et al. | Detection of stress and emotion in speech using traditional and FFT based log energy features | |
| Bezoui et al. | Feature extraction of some Quranic recitation using mel-frequency cepstral coeficients (MFCC) | |
| US8326610B2 (en) | Producing phonitos based on feature vectors | |
| Das et al. | Exploring different attributes of source information for speaker verification with limited test data | |
| CN113539239B (zh) | 语音转换方法、装置、存储介质及电子设备 | |
| Pao et al. | Combining acoustic features for improved emotion recognition in mandarin speech | |
| Priyadarshani et al. | Dynamic time warping based speech recognition for isolated sinhala words | |
| Nagaraja et al. | Mono and cross lingual speaker identification with the constraint of limited data | |
| Safavi et al. | Identification of gender from children's speech by computers and humans. | |
| CN115019775B (zh) | 一种基于音素的语种区分性特征的语种识别方法 | |
| Olive et al. | Speech resynthesis from phoneme‐related parameters | |
| Sarma et al. | Consonant-vowel unit recognition using dominant aperiodic and transition region detection | |
| Ishihara et al. | Automatic transformation of environmental sounds into sound-imitation words based on Japanese syllable structure. | |
| Deiv et al. | Automatic gender identification for hindi speech recognition | |
| Mahmood et al. | Multidirectional local feature for speaker recognition | |
| Undhad et al. | Exploiting speech source information for vowel landmark detection for low resource language | |
| Varma et al. | Segmentation algorithm using temporal features and group delay for speech signals | |
| Latha et al. | Performance Analysis of Kannada Phonetics: Vowels, Fricatives and Stop Consonants Using LP Spectrum | |
| Mengistu et al. | Text independent amharic language dialect recognition using neuro-fuzzy gaussian membership function | |
| JPS63217399A (ja) | 音声区間検出装置 | |
| CN120108382A (zh) | 一种汉语方言语音自动分割方法及装置 | |
| JPS61249099A (ja) | 音声認識装置 | |
| JPS61180300A (ja) | 音声認識装置 |