JPS6078494A - パタンマツチング装置 - 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】 産業上の利用分野 本発明は、日本ｉｉｔ！最小発声単位であるＣＶ音節も
しくはＶ１ＣＶ２””節を前もって登録しておき、登録
した話者が発声し／こ、単語や文節傷・よび文章を認識
する登録型の連続１°？声認識装置等におけるｖ１Ｃｖ
２（母音−１’　ｆ’ｔ−Ｉ：Ｊ：音）音１４′Ｉのバ
タンマツチング装置に関する。。

従来例の構成とその問題点 従来の連続音声１．Ｊ識装置等におけるｖ１Ｃｖ２音節
のマツチング方式ににＬ１人力音声の＠接した母音定常
部中心間の１１１１四にｖ１Ｃ■２音節標準パタ／をマ
ツチングする方式であり、辞鳶数の低減等を考慮しない
初期の・ものでは、７０７部分にすべての子音（無声摩
擦ｆ−ｊ’ｔ　／　８　／／　Ｃ／／ｈ／　、無声破裂
子音／ｐ／／ｌ／／に／、有声摩擦子音／２／、有声破
裂子音／ｂ／／ｄ／／（Ｊ／、半母音／Ｚ／／Ｗ／、鼻
子音／ｍ／／ｎ／、破擦子γ７’　／　ｒ　／　）　を
含んだ状態でマツチングを行うものであった。しかしこ
のよう・な方式では、辞書数が多くなる事や、無音区間
を含みやすい、破裂性の子音では無音区間の／こめに誤
認識を生じ認識率が低下する原因となった。そこで辞書
数の低減と認識率の改善を目指す方式においては、例え
ばほとんど前に無音区間が含まれる無声破裂子音（／ｐ
／／ｌ／／に／）については、ｖ１ＣＶ２標準パタンは
登録しないでおいて、無音区間の検出を入力音声に対し
て別処理を行い、例えば無音区間終了からＣＶ標準バタ
ンマツチングを行う方法があった。しかしこのような方
式においても、無声破裂子音の場合でなくても、ｖ１Ｃ
■２標準バタン作成時の発声状態によって無声区間が含
まれる場合もあり必ずしも最良の方式ではなく認識率の
改善のだめには、やはり限界があった。

発明の目的 本発明は前記従来の問題点を解消し、波列性の子音等を
含むＶＣＶ間における音節認識率を改善したバタンマツ
チング装置を提供することを目的とする。

発明の構成 本発す」は、入力ｉ’ｉ”　Ｊ　’・ヲ・ｑ！Ｊ徴ベク
トル（Ｘｔ□）と電力値（ｐｔ□）の１１．５系列に変
換したパラメータによって、電力値系列のレベル判定と
！＃！Ｊ徴ベクトル（Ｘｔ工）のフレームｍのｆＵ、音
識別結果から、母音定常部中心（ｉＶ、、、　、Ｖ２．
・・・・・・、□ＶＮ）を検出し、また隣接した母音定
常布中心間（〔、■］、□ｖｊ＋ｉ〕）−の範囲におい
て、前のＩＵ：　ｉ’ｆ中心の電力値ｐｔ（、ｖ・）ｌ
　］ と後の母音中心の電力値ｐｔ（□Ｖ、十ｉ）に対する比
率によって無音区間［１ｓｓｎ、１ｓＥＲ）ｌ　を検出
し、この処理をｌυ）゛１１定部中心の範囲を７ノトシ
て全区間についてス＋（（７５区間（［１ＳＳ１　、１
ｓＥ１　〕［１ＳＳ２，１ｓＥ２］・・・・・・［１５
５Ｍ、ｉＳＥＭＩｌを検出する。またｖ１ｃｖ２４′、
；＋Ｈｙｔしぐタンについても前の母音定常部中心（ｉ
Ｖｒ、ｌと後の初音定常部中心１１ＶＢ）ノミ力値（Ｐ
ｔｉＶＦｌ、ｆＰｔ、ＶＢＩＩｃ対し　チー　定比率倍
したレベルと、前もって定めたレベルの３つのレベルの
最大レベル無音区間（［１ＳＳＶ、１ＳＥＶ月の検出を
行う。ぞして人力音声の＠接した初音定常部中心（□Ｖ
ｊ、１ｖｊ１．）の範囲トｖ１Ｃ■２標準バタンドパタ
ンマツチングを行う際に、入力音声側および標準バタン
側双方について、無Ｎ区間が検出されている場合には、
無音区間を除いた範囲でバタンマツチングを行うことに
よって、破裂性の子音／ｐ／／ｌ／／に／、／ｂ／／ｄ
／／ｑ／、／ｒ／を含むｖ１Ｃ■２区間における音節認
識率を改善するものである。

ただし実際の連続音声認識装置等に対する応用としては
、入力音声１１１１１の母音定常部中心（１Ｖ、。

、ｖｊ＋１）　の範囲では、無音区間が検出された」場
合は無音区間終了から後の母音定常部中心（ｉ　ｖ３−
＋、１）１では、破裂音（／ｐ／／ｌ／／に／等）のＣ
Ｖ音節標準バタンとマツチングし、無音区間が無い場合
には破砕子音を含まない■、Ｃｖ２音節標準・ぐタンと
マツチングし、この際■１Ｃ■２音節標準ノぐタン（＋
１！ｌでは、無音区間を圧縮したものを使用することに
よって辞書数低減と認識率の改善を同時に行える。

実施例の説明 本発明の実施例について以下に説明する。

第１図は、本発明における一実施例を示しており、入力
部は、Δ／Ｄ変換器１、電力系列変換手段２、特徴系列
変換Ｊｔｌｉ３からなる。４は入力音声の電力系列に、
１．９で長い無音を検出して音声区間を検出する音声区
間検出手段である。５は汗声区間検出手段４に、１．っ
て切り出される音声区間において電力系列に４にって短
い無音を検出して無音区間を検出する無１°制本間検出
手段である。６は入力音声のピーク箱、力を・検出する
ピーク電力検出手段６ａと特徴ベクトル系列のベクトル
毎に母音識別を行う／Ｕ音識別り段６ｂからなり、ピー
ク電力の前後のフレーｌ、に、１；−ける母音識別結果
の同一母音中心から、旬ｊ′？定常部中心を検出するＰ
Ｊ音定常部中心検出部である。

７は入力Ｈ３−声を！１！Ｊ漱ベクトルの形でＣＶ音節
７ａもしくは、Ｖ１Ｃ■２１“？°節７ｂの単位で記憶
する標準バタン記憶部であり、■１Ｃ■２音節標準パタ
ンでＣに破裂子音ｐ、ｔ、にはａ−ｔぜないようにする
。

８は平均発声長（Ｌｌ　１６７レ一ム分だけ、母音認識
結果の系列を記１．ホするＬＵ音系列記憶部旦ａと特徴
ベクトルの系列を記憶する特徴系列記憶部８ｂ′−から
なる、記憶部である。９は特徴系列記憶部８ｂにおける
特徴ベクトルの、系列が、語頭４ａもしくは無音区間終
了５ｂから直後の母音定常部中心６Ｃまでの区間の場合
には、Ｃｖ標準パタン７ａとバタンマツチングを行い、
平均発声長［Ｌ１１６フレーム以内の母音定常部中心６
Ｃ−母音定常部中心６Ｃの区間の場合には、ｖ１Ｃ■２
標準パタン７ｂとバタンマツチングを行うバタンマツチ
ング手段である。

１０は音声区間検出手段４、無音区間検出手段５、母音
定常部中心検出部６、記憶部８および、バタンマツチン
グ手段９を全体的に制御して、入力音声の母音定常部中
心毎に、語頭や無音区間の情報を使用して、ＣＶ音節と
ｖ１Ｃｖ２音節とのバタンマツチング結果を接続して、
ＣＶ音節のストリンゲスとして認識結果を出力する総合
制御手段である。

第２図はバタンマツチング手段を説明するだめの構成図
である。

バタンマツチング手段９は、距離１−ｔＮ部９ａ。

■Ｉ　Ｃ”２　’ａ準バタン圧ａｉ□ｉ　ｔｓ３９　ｂ
　、　Ｖ１ＣＶ２標準バタン無音区間検出部９Ｃ，ｌニ
ジ成る。無音区間が、隣接するＧＪ音定常部中心間に存
在しない入力音声については、先に述べ／Ｃようにｖ１
Ｃ■２標準バタンとバタンマツチングを行う。乙の場合
に第２図に示したように、′８漱系列記憶部８ｂＫ記憶
さ、／した、入力音声のｌ：、Ｊ、　７’５定常部中心
（ｉ■ρと母音定常部中心（、Ｖ、、１）の範囲を、標
準バタン記憶部７の■１Ｃｖ２音節標準パタン７ｂとの
距離計算を、バタンマツチング手段９によって行う。こ
の際に、バタンマツチング手段９においては、ｖ１ＣＶ
２標準バタン無音区間険出部９ｃによってｖ１Ｃ■２標
準バタン内の無ン）区間を検出し、無音区間が存在しな
い場合は、その−：Ｌ７１、ノｖ１Ｃ■２イエ；Ｉ；ｖ
（ｌτバタント距離割算手段９ａに、１．って距π目１
算を行い、無音区間が存在する場合に１（Ｊｌ、■１Ｃ
ｖ２標準バタン圧縮部９　ｂによっ−Ｃ、Ｊ’！［：　
ｔｒｉ’区間を圧縮した標準バタンを作成し、距離Ｗ１
！；）一手段９ａによって距離計算を行う。Ｖ、１ＣＶ
２標準パタンにおける無音区間は純粋な破裂音でなくと
も破裂性子音／ｂ／／／／ｄ／／／／ｑ／−に特に現わ
れやすく、他の子音の場合においても、登録話者の発声
いかんによっては、生じる場合がある。この無音区間の
検出方法は第３図に示すように、前の母音中心（、ＶＦ
）の電力値Ｐ、（１ＶＦ）と後の母音中心（ｉｖＢ）の
電力値Ｐｔ（ｉｖＢ）を一定比率（Ｃ）倍したもの（Ｐ
θ１−Ｐｔ（、ｖＦ）×Ｃ１Ｐθ２　＝　Ｐ　ｔ　（、
ＶＢ　）　ｘ　Ｃ）と前もって定められ／こ閾値（ｐｃ
）の３つのレベルのうちの最大値のレベルを閾値（Ｐθ
−ｍａｘ（Ｐθ１．Ｐθ２．Ｐθ３））としてその閾値
以下の区間を無音区間として検出する。

第４図は、本発明の具体的な実施例としての連続音声認
識装置の動作Ｗ、理を示しており、図において、１１は
入力音声が、／ヒバリが空に／と発声された場合を示し
ており、語頭４ａ〜語尾４ｂは、音声区間検出手段４に
よって検出される。母音定常部中心検出部６は入力音声
に対して語頭４ａから順次、ピーク電力検出手段６ａに
よって一定の閾値以上となる電力系列が一定フレーム長
以上連続しさらに母音識別手段６ｂによって識別された
母音が同一種類で一定フレーム長以」二連続する場合に
、そのＪυ１゛１系列の中心とじ−Ｃ検出する〔□Ｖ１
゜□ｖ２．・・・・・・、□ｖ６］　＜　ＩＪ：　ｉ：
ｆ−系列が２種類連続する場合は２重母音とし２てｈノ
ｚの中心を検出する）。

そして母音定常部中心が検出さＪｚる４ＪＪに、その前
の母音定常部中心との間に無）；？区間が存在するか否
かを、無音区間（０ユ出「段５によって検出して、無音
区間開始、終」−［１ＳＳ１　５ａ、１ＳＥ１　６ｂ：
］［１ＳＳ２　５ａ、ｊｓＥ２　５ｂ：］　として検出
する。／Ｕ音定常部中心（□■　）が検出されると、＋
、Ｖ、１から乎均発声長＋Ｌｌフレーム１６手前に、語
頭４ａもしくは、無音１メ間、終了５ｂ　（ｉｓＥｌ　
、１ｓＥ２）が検出されている４、らｐ、ｒ、語頭もし
くはス１！（音区間終了から（□ｖ、１′？ｔでの区間
に対してＣＶ標準バタン７ａとバタンマツチング手段９
によってマツチングを行ない認識＃ｌ’ｌ果とする。＋
ｉＶ、ｌから平均発声長Ｌフレーｌ、１６１′＝前に語
頭も力（（音区間も検出されないなら１１；Ｊ：　、平
均発声長（Ｌ）ンレーノ、１６手前丑で含寸れる、１υ
１゛？定常部中心（□ｖ、−ｐ）から処理中の母音定常
ｊ１１Ｘ中心ｆ、Ｖ、ｉｔでをＶＣＶマツチング区間１
４として、１ｕ音定常部中心のすべての組合せ（Ｃ１Ｖ
Ｈ−ｐ　、ｉ”］”〔］１ＶＦ−ｐ＋１’、ｖ、・・・
・・・Ｃｉｖｊ　−１’　ｔ■ｊ月の区間に対して特徴
系列記憶部８ｂと■Ｃ■標準パターン了すとの距離を、
バタンマツチング手段９によって計算し、最適なマンナ
ング範囲とＶＣＶ認識結果を決定する。さらに音声区間
検出手段４によって、発声語′ヒバリが空に７１１の語
尾４ｂが検出されると、総合制御手段１０は、最終母音
定常部中心１３ｆｉＶ７）から語頭４ａ方向に母音定常
部中心をバックトレースする。つまり（ｉｖ７）では（
１Ｖ６１が最適区間で認識結果は［ＡＮｉ］、同様に（
ｉｖ６１はｆ、Ｖ５１で［ＯＲＡ］　、　ｔ　ｉｖｅｓ
　）では無音区間終了（ｊ、ＳＥ）が最適範囲で認識結
果は〔ＳＯ〕、（１■３）ｕ　（１Ｖ２）　テ［ＡＲｉ
　）、　（ｉｖ、２）Ｔハ（ｔ”ｉ　）　−ｃＣｉＢＡ
）、（、ｖｌ）では語頭４ａが最適範囲で［Ｈｉ］が認
識された１７とすると、総合制御手段１０は認識結果１
６とシテ、ＨｉＢＡＲｉ　ＧＡ　５ＯＲＡＮｉを出力す
る。

発明の効果 本発明は、入力音声を特徴ベクトル（Ｘｔｉ）と電力値
Ｐｔ１　の１１．′ｌ系列に変換したパラメータによっ
て、入力音声のＧＪ高定常中心と無音区間を検出し、入
力音声側で、無ｉ′１区間の検出されていない隣接した
母音定？；；部中心間にＶ１Ｃｖ２標準パタンをマツチ
ングさせる場合に、ｖ１Ｃｖ２標準パタンについても前
のＮ１゛１中心＋ｉｖｒ、＋と後の母音中心（ｉＶＢ）
の電力値Ｉ　Ｐ【ｉ”　Ｆｌ　＋　（”　ｔ　ｌ”　Ｂ
　Ｉ　Ｋ　／ＪＥ比率をＪＪＩ）けたレベルと前もりて
定めたレベルのうちの最大値のレベルを用いて無音区間
を検出し、無音区間が存在する場合には、無音区間を圧
縮し７’ｉＨ，Ｖ１ＣＶ２標準パタンに」：って、マツ
チングを行って認識することにＪ７りて、破裂性の子音
（／ｂ／／　ｄ／／　ｑ／／　ｒ／）　竹４）７ＪＪ’
”　Ｃｖ区間における音節認識率を改善するものである
。

【図面の簡単な説明】

第１図は本発明に、１．・ける一実施例のバタンマツチ
ング手段のブロック図、第２図は同実施例におけるバタ
ンマツチング手段の構成を示す図、第３図は同実施例に
おける■１Ｃ■２標準パタンの無音区間検出方法と無音
区間圧縮の概念図、第４図は同実Ｍ！１例の動作ろ一説
ｊＪｌするための図である。 ２・・・・・電力系列液ｉ！′！”’Ｊ”段、３・・・
・特徴系列変換手段、４・・・・・・１巧；・１７間検
出手段、５・・・・・・無音区間検出手段、６・・・・
ｈＪｊ昌ｊＺ常部中心検出部、了・・・・・・標準バタ
ン記憶部、８・・・・・記憶部、９・・・・・・バタン
マツチング手段、１

Claims (1)

【特許請求の範囲】
1. 入力音声を特徴ベクトルの時系列（Ｘｔ、）（ｉ＝１．
   ２．・・・・・・、Ｎ）に変換する特徴ベクトル系列変
   換手段と、入力音声を電力値の時系列（Ｐｔ１１（ｉ＝
   １．２．・・・・・・、Ｎ）に変換する電力値系列変換
   手段と、前記電力値系列（ｐｔ、）のレベル検出と前記
   特徴ベクトル（Ｘｔ　、　）のフレーム毎の句す識別結
   果から母音定常部中心を検出する母音定常部中心検出手
   段とより成り、入力音声の隣接した母音定常部中心の範
   囲と、前もって登録したＶ１Ｃｖ２（ｖｌ：母音、Ｃ：
   子音、■２：母音）標準バタンをマツチングする際に、
   入力音声およびｖ１Ｃ■２標準バタンの母音定常部中心
   間の範囲内に、無音区間が存在するか否かを、前記電力
   値系列（ｐｔ□１のレベル判定によって検出しておき、
   無音区間が存在する場合には、無音区間を除いた範囲に
   ついてバタンマツチングを行う事を特徴とするバタンマ
   ツチング装置。