JPS6118199B2 - - Google Patents
Info
- Publication number
- JPS6118199B2 JPS6118199B2 JP51061984A JP6198476A JPS6118199B2 JP S6118199 B2 JPS6118199 B2 JP S6118199B2 JP 51061984 A JP51061984 A JP 51061984A JP 6198476 A JP6198476 A JP 6198476A JP S6118199 B2 JPS6118199 B2 JP S6118199B2
- Authority
- JP
- Japan
- Prior art keywords
- section
- signal
- recognition
- pause
- input
- 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.)
- Expired
Links
Landscapes
- Machine Translation (AREA)
Description
【発明の詳細な説明】
本発明は音声認識装置の改良に関するものであ
る。
る。
人間によつて発声された音声を自動的に認識す
る装置である音声認識装置は人間から計算機や各
種機械へデータや指令を入力するための新しい手
段として非常に有効であると考えられている。た
とえば、数字音声を認識する装置を電子計算機に
接続して用いると伝票などの数字データを入力す
ることができるが、音声信号は安価な電話回線を
経由して容易に伝送できるので遠隔地からデータ
を入力するという新しくかつ有用な使用形態が可
能になる。また、各種産業機械の運転に必用な各
種命令語を認識する装置を用いると人間が発声す
るだけで機械を制御することができて手や足さら
には目を他の目的に使用できるので同時に複数の
作業を実行でき従来にない高い作業能率が実現で
きることになる。
る装置である音声認識装置は人間から計算機や各
種機械へデータや指令を入力するための新しい手
段として非常に有効であると考えられている。た
とえば、数字音声を認識する装置を電子計算機に
接続して用いると伝票などの数字データを入力す
ることができるが、音声信号は安価な電話回線を
経由して容易に伝送できるので遠隔地からデータ
を入力するという新しくかつ有用な使用形態が可
能になる。また、各種産業機械の運転に必用な各
種命令語を認識する装置を用いると人間が発声す
るだけで機械を制御することができて手や足さら
には目を他の目的に使用できるので同時に複数の
作業を実行でき従来にない高い作業能率が実現で
きることになる。
しかし現在までに開発されている音声認識装置
は周囲雑音が入つた場合や発声が不明確であつた
場合には正常な動作ができず誤認識を生じる恐れ
がある。したがつて誤りが絶対に許されない使用
目的の場合には、使用者が発声し終り判定結果が
確定した時点でこの判定結果を表示して使用者に
確認を求めるような構成が必要とされる。この場
合には使用者は発声と判定結果認識を次々に繰返
し、誤りがない限り順次先のデータを入力し続
け、確認の段階で誤りが発見された場合にはその
データを再び発声して入力するという作業手順を
実行することになる。この作業手順を高速に実行
するためには、認識装置が高速に動作して判定結
果を早く表示して使用者が確認できるようにする
必要がある。ここで問題になるのは実際に発声が
終了していても数百ミリ秒の間は認識結果を確定
できないという事実がある。すなわち現在までの
ほとんどの認識装置は入力された音声の終端の検
出を音声の振幅レベルを検定することによつて行
なつているが、振幅レベルが瞬時的に０（実際に
は充分小な値）になつてもその時点を入力音声の
終端であると判定することはできず、振幅レベル
０の時間が、たとえば250ミリ秒継続して始めて
終端であると確定できるのである。仮に、振幅レ
ベルが０になつた時点を直ちに終端であると決定
すると次のような不都合が生じる。いま、数字
“６”（／roku／）を発声したとすると、普
通、／ro／と／ku／の間に休止区間が表われ、
振幅レベルは０になつてしまう（以下ではこの休
止区間を単語中の休止区間と呼ぶ）。したがつ
て、パワーレベルが０になつた時点を単語の終端
であるとすると、／ro／が１個の単語とされ、恐
らく“５”（／go／）と判定されてしまうであろ
う。このような不都合を避けるためには振幅レベ
ルがｏになつた区間すなわち休止区間が単語中の
休止区間であるか、あるいは真に単語終端の休止
区間であるかを正確に判別する必要がある。単語
中の休止区間は、通常200ミリ秒程度以下の長さ
しかない。この事実を利用して、振幅レベルｏの
休止区間があらかじめ定められた長さ、例えば
250ミリ秒以下であると単語中の休止区間である
とし、たとえば250ミリ秒を超えると単語終端の
休止区間であると判別する方法がとられる。した
がつて発声し終つてたとえば250ミリ秒は単語終
端が確定しないので判定結果を表示できないこと
になる。
は周囲雑音が入つた場合や発声が不明確であつた
場合には正常な動作ができず誤認識を生じる恐れ
がある。したがつて誤りが絶対に許されない使用
目的の場合には、使用者が発声し終り判定結果が
確定した時点でこの判定結果を表示して使用者に
確認を求めるような構成が必要とされる。この場
合には使用者は発声と判定結果認識を次々に繰返
し、誤りがない限り順次先のデータを入力し続
け、確認の段階で誤りが発見された場合にはその
データを再び発声して入力するという作業手順を
実行することになる。この作業手順を高速に実行
するためには、認識装置が高速に動作して判定結
果を早く表示して使用者が確認できるようにする
必要がある。ここで問題になるのは実際に発声が
終了していても数百ミリ秒の間は認識結果を確定
できないという事実がある。すなわち現在までの
ほとんどの認識装置は入力された音声の終端の検
出を音声の振幅レベルを検定することによつて行
なつているが、振幅レベルが瞬時的に０（実際に
は充分小な値）になつてもその時点を入力音声の
終端であると判定することはできず、振幅レベル
０の時間が、たとえば250ミリ秒継続して始めて
終端であると確定できるのである。仮に、振幅レ
ベルが０になつた時点を直ちに終端であると決定
すると次のような不都合が生じる。いま、数字
“６”（／roku／）を発声したとすると、普
通、／ro／と／ku／の間に休止区間が表われ、
振幅レベルは０になつてしまう（以下ではこの休
止区間を単語中の休止区間と呼ぶ）。したがつ
て、パワーレベルが０になつた時点を単語の終端
であるとすると、／ro／が１個の単語とされ、恐
らく“５”（／go／）と判定されてしまうであろ
う。このような不都合を避けるためには振幅レベ
ルがｏになつた区間すなわち休止区間が単語中の
休止区間であるか、あるいは真に単語終端の休止
区間であるかを正確に判別する必要がある。単語
中の休止区間は、通常200ミリ秒程度以下の長さ
しかない。この事実を利用して、振幅レベルｏの
休止区間があらかじめ定められた長さ、例えば
250ミリ秒以下であると単語中の休止区間である
とし、たとえば250ミリ秒を超えると単語終端の
休止区間であると判別する方法がとられる。した
がつて発声し終つてたとえば250ミリ秒は単語終
端が確定しないので判定結果を表示できないこと
になる。
以上述べた理由によつて、従来の音声認識装置
の使用者は発声が終つた後数百ミリ秒間無為に時
間を費やさないと認識結果を知ることができず、
また認識結果が表示されてから確認を行なつた後
でないと次のデータを発声できなかつた。このた
め従来の音声認識装置では高速にデータを入力す
ることは不可能であつた。
の使用者は発声が終つた後数百ミリ秒間無為に時
間を費やさないと認識結果を知ることができず、
また認識結果が表示されてから確認を行なつた後
でないと次のデータを発声できなかつた。このた
め従来の音声認識装置では高速にデータを入力す
ることは不可能であつた。
本発明は、従来の音声認識装置が有している上
記欠点すなわち発声終了から数百ミリ秒も経過し
ないと認識結果を知ることもできず、したがつて
データ入力速度が低いという欠点を改良し、発声
が終了すると速やかに判定経過が表示され、した
がつてデータ入力速度が高い音声認識装置を実現
することを目的としている。
記欠点すなわち発声終了から数百ミリ秒も経過し
ないと認識結果を知ることもできず、したがつて
データ入力速度が低いという欠点を改良し、発声
が終了すると速やかに判定経過が表示され、した
がつてデータ入力速度が高い音声認識装置を実現
することを目的としている。
本発明による音声認識装置は、入力音声の休止
区間が検出された時点で休止区間検出信号を発生
し、休止区間の継続長があらかじめ定められた閾
値を超えた時点で終端検出信号を発生する機能を
有する終端検出部と、前記の休止区間検出信号が
発生された時点で入力音声が終了したものとして
認識動作を行ない速やかに認識結果信号を出力す
る機能を有する認識部と、前記認識結果信号を表
示するための認識結果表示部と、前記の終端検出
信号が発生された時点で前記認識結果信号を通過
出力せしめる出力部とにより構成されている。
区間が検出された時点で休止区間検出信号を発生
し、休止区間の継続長があらかじめ定められた閾
値を超えた時点で終端検出信号を発生する機能を
有する終端検出部と、前記の休止区間検出信号が
発生された時点で入力音声が終了したものとして
認識動作を行ない速やかに認識結果信号を出力す
る機能を有する認識部と、前記認識結果信号を表
示するための認識結果表示部と、前記の終端検出
信号が発生された時点で前記認識結果信号を通過
出力せしめる出力部とにより構成されている。
かくのごとき構成によると発声が終了した時点
で速やかに認識結果が表示され確認を高速に実行
できる。また認識結果の出力は休止区間が充分に
長時間継続して終端であることが確定してから行
なわれるので単語中の休止区間で誤つた認識結果
が出力されることはない。
で速やかに認識結果が表示され確認を高速に実行
できる。また認識結果の出力は休止区間が充分に
長時間継続して終端であることが確定してから行
なわれるので単語中の休止区間で誤つた認識結果
が出力されることはない。
第１図は本発明の一実施形態を示すブロツク図
であり、第２図はその動作の１例を示すタイムチ
ヤートである。図において、１はマイクロホンで
あつて入力音声波を電気信号に変換し信号線ｉを
経由して分析部１０に送る。分析部１０は信号線
ｉを経由して送り込まれる入力音声波形を分析し
て認識パラメタａと振幅レベルｌを抽出し、それ
ぞれを認識部１３と始端検出部１１および終端検
出部１２に送出する機能を有する。分析部は、要
するに、入力音声波形から認識のために必要なパ
ラメタを抽出する回路であつて、たとえばバンド
パスフイルタ分析器，自己相関分析器，あるいは
線形予測分析器等によつて構成することができ
る。第３図はバンドパスフイルタ分析器を中心に
して構成される分析部の一例を示している。破線
のブロツク１１０はよく知られているバンドパス
フイルタ分析器であつて入力信号ｉを、一例とし
て10個の周波数帯域に分析して各テヤンネルの出
力振幅をα１〜α10のアナログ信号として出力す
る。これらの信号はアナログマルチプレクサ１２
０によつて時分割多重化され、さらにＡ／Ｄ変換
器１３０によつてデイジイタル信号ａに変換され
認識部１３に送られる。一方、入力信号ｉは直接
に整流回路１４０に与えられ整流された後にロー
パスフイルタ１５０によつて平滑され、さらに
Ａ／Ｄ変換器１６０によつてデイジイタル信号に
変換され振幅レベル信号ｌとして出力される。マ
ルチプレクサ１２０とＡ／Ｄ変換器１６０は別途
与えられるフレーム周期信号Clのパルスに同期
して動作する。このフレーム周期信号のパルス間
隔は一例として10ミリ秒に設定されている。それ
ゆえ、分析部１０よりの出力信号ａは ai＝（α1i，α2i，…，αxi，…，α10i）(1) なる入力ベクトルの時系列となり、出力信号ｌは ｌi (2) なる振幅信号の時系列となる。ここに、αxiは時
間標本点における第ｘチヤネルの分析出力、すな
わち信号αx（デイジタル化したもの）である。
であり、第２図はその動作の１例を示すタイムチ
ヤートである。図において、１はマイクロホンで
あつて入力音声波を電気信号に変換し信号線ｉを
経由して分析部１０に送る。分析部１０は信号線
ｉを経由して送り込まれる入力音声波形を分析し
て認識パラメタａと振幅レベルｌを抽出し、それ
ぞれを認識部１３と始端検出部１１および終端検
出部１２に送出する機能を有する。分析部は、要
するに、入力音声波形から認識のために必要なパ
ラメタを抽出する回路であつて、たとえばバンド
パスフイルタ分析器，自己相関分析器，あるいは
線形予測分析器等によつて構成することができ
る。第３図はバンドパスフイルタ分析器を中心に
して構成される分析部の一例を示している。破線
のブロツク１１０はよく知られているバンドパス
フイルタ分析器であつて入力信号ｉを、一例とし
て10個の周波数帯域に分析して各テヤンネルの出
力振幅をα１〜α10のアナログ信号として出力す
る。これらの信号はアナログマルチプレクサ１２
０によつて時分割多重化され、さらにＡ／Ｄ変換
器１３０によつてデイジイタル信号ａに変換され
認識部１３に送られる。一方、入力信号ｉは直接
に整流回路１４０に与えられ整流された後にロー
パスフイルタ１５０によつて平滑され、さらに
Ａ／Ｄ変換器１６０によつてデイジイタル信号に
変換され振幅レベル信号ｌとして出力される。マ
ルチプレクサ１２０とＡ／Ｄ変換器１６０は別途
与えられるフレーム周期信号Clのパルスに同期
して動作する。このフレーム周期信号のパルス間
隔は一例として10ミリ秒に設定されている。それ
ゆえ、分析部１０よりの出力信号ａは ai＝（α1i，α2i，…，αxi，…，α10i）(1) なる入力ベクトルの時系列となり、出力信号ｌは ｌi (2) なる振幅信号の時系列となる。ここに、αxiは時
間標本点における第ｘチヤネルの分析出力、すな
わち信号αx（デイジタル化したもの）である。
始端検出部１１は前記信号ｌとして与えられる
(2)式のｌiを検定して入力音声の始端を検出し、
その時点で始端検出信号パルスＳを発生する。始
端検出の方法としては種々のものが考えられる
が、一例としてはあらかじめ定められた閾値θb
と前記ｌiを比較して最初に ｌi＞θb (3) となつた時点ｌ＝ｂを始端であるとするのが最も
簡単な方法である。いずれにしても、入力音声の
始端が検出されると始端検出信号パルスＳが発生
される。このパルスＳは認識部１３に対して送ら
れる。
(2)式のｌiを検定して入力音声の始端を検出し、
その時点で始端検出信号パルスＳを発生する。始
端検出の方法としては種々のものが考えられる
が、一例としてはあらかじめ定められた閾値θb
と前記ｌiを比較して最初に ｌi＞θb (3) となつた時点ｌ＝ｂを始端であるとするのが最も
簡単な方法である。いずれにしても、入力音声の
始端が検出されると始端検出信号パルスＳが発生
される。このパルスＳは認識部１３に対して送ら
れる。
終端検出部１２は休止区間および終端の検出動
作を実行する。休止区間は振幅レベルがあらかじ
め定められた閾値θeより小な区間として定義さ
れる。また、終端とは休止区間があらかじめ定め
られた時間長Ｌより長く継続した時、その休止区
間の直前の時間点ｉ＝ｅとして定義される。第４
図に休止区間と終端の定義を図示している。第４
図の上段にはたとえば“３”（／san／）と単語
を発声した時の振幅レベルｌiの時間変化の様子
を図示したものである。ｌiがあらかじめ定めら
れた閾値θeより小となる時間点、すなわち参照
数字４０で示した時間点以後が休止区間であり、
休止区間があらかじめ定められた時間長Ｌを超え
た場合、この休止区間は単語の終了を意味するも
のと見なされる。この場合には参照数字４０の直
前、すなわち参照数字４１で示す時間点が入力音
声の終端ｉ＝ｅとなる。
作を実行する。休止区間は振幅レベルがあらかじ
め定められた閾値θeより小な区間として定義さ
れる。また、終端とは休止区間があらかじめ定め
られた時間長Ｌより長く継続した時、その休止区
間の直前の時間点ｉ＝ｅとして定義される。第４
図に休止区間と終端の定義を図示している。第４
図の上段にはたとえば“３”（／san／）と単語
を発声した時の振幅レベルｌiの時間変化の様子
を図示したものである。ｌiがあらかじめ定めら
れた閾値θeより小となる時間点、すなわち参照
数字４０で示した時間点以後が休止区間であり、
休止区間があらかじめ定められた時間長Ｌを超え
た場合、この休止区間は単語の終了を意味するも
のと見なされる。この場合には参照数字４０の直
前、すなわち参照数字４１で示す時間点が入力音
声の終端ｉ＝ｅとなる。
第５図は終端検出部の一構成例を示す図であ
る。分析部５１よりの振幅レベル信号ｌiは比較
回路５１によつてあらかじめ設定されている閾値
θeと比較される。ｌi＞θeであると比較回路の出
力はｙ＝０，＝１となる。前者の信号ｙはその
まま休止区間検出信号e2として出力される。後者
の信号は計数回路５３にリセツト信号として与
えられるゆえ、ｌi＞θeであるかぎり計数回路５
３の出力ｍは０である。このカウンタの内容とし
て出力される信号ｍは比較回路５４によつて、あ
らかじめ設定された閾値Ｌと比較される。一例と
して、この閾値Ｌは前記のフレーム周期10ミリ秒
で計数して250ミリ秒となるべくＬ＝25とする。
閾値回路５４の出力e1はｍ≧ｌのときのみe1＝１
でｍ＜ｌの時はe1＝０となるようになつている。
それゆえ、ｌi＞θeであるかぎり終端検出信号e1
は０である。入力音声の終端の休止区間に入りｌ
i＜θLとなつた時点では比較回路５１の出力はｙ
＝１、＝０となる。前者の信号は前記休止区間
検出信号e2として出力されるゆえe2＝１となる。
また、この信号ｙと前記フレーム周期信号パルス
Clとの論理積Ｚが論理回路５２によつて計算さ
れ、計数回路５３に与えられる。この時は、信号
は１になつているので信号Ｚのパルスがこの計
数回路５３によつて計数される。それゆえ、計数
回路５３の内容ｍはｌi＜θeである間、すなわち
休止区間の間、フレーム周期信号パルスClに同
期して１ずつ加算され増加を続ける。かくして記
数回路５３の内容が定数Ｌ以上になると比較回路
５４の出力すなわち終端検出信号e1は１になる。
る。分析部５１よりの振幅レベル信号ｌiは比較
回路５１によつてあらかじめ設定されている閾値
θeと比較される。ｌi＞θeであると比較回路の出
力はｙ＝０，＝１となる。前者の信号ｙはその
まま休止区間検出信号e2として出力される。後者
の信号は計数回路５３にリセツト信号として与
えられるゆえ、ｌi＞θeであるかぎり計数回路５
３の出力ｍは０である。このカウンタの内容とし
て出力される信号ｍは比較回路５４によつて、あ
らかじめ設定された閾値Ｌと比較される。一例と
して、この閾値Ｌは前記のフレーム周期10ミリ秒
で計数して250ミリ秒となるべくＬ＝25とする。
閾値回路５４の出力e1はｍ≧ｌのときのみe1＝１
でｍ＜ｌの時はe1＝０となるようになつている。
それゆえ、ｌi＞θeであるかぎり終端検出信号e1
は０である。入力音声の終端の休止区間に入りｌ
i＜θLとなつた時点では比較回路５１の出力はｙ
＝１、＝０となる。前者の信号は前記休止区間
検出信号e2として出力されるゆえe2＝１となる。
また、この信号ｙと前記フレーム周期信号パルス
Clとの論理積Ｚが論理回路５２によつて計算さ
れ、計数回路５３に与えられる。この時は、信号
は１になつているので信号Ｚのパルスがこの計
数回路５３によつて計数される。それゆえ、計数
回路５３の内容ｍはｌi＜θeである間、すなわち
休止区間の間、フレーム周期信号パルスClに同
期して１ずつ加算され増加を続ける。かくして記
数回路５３の内容が定数Ｌ以上になると比較回路
５４の出力すなわち終端検出信号e1は１になる。
以上のように終端検出部が入力音声終端の検出
動作を行なつている間に認識部１３は以下のごと
き動作をする。始端検出部１１よりの始端検出信
号Ｓ（パルス）が与えられた時点、すなわちｉ＝
ｂ以後、分析部１０より入力される入力ベクトル
ａi（(1)式）を受け取り認識動作を実行する。始
端が検出されて以後、前記入力ベクトルはフレー
ム周期信号Clのパルスに同期して次々に入力さ
れる。休止区間検出信号e2が与えられるまでの間
は、主として認識のための前処理を実行している
ものとして最終的な判定は行なわない。休止区間
検出信号e2が与えられた時点では、認識部１３に
は次のような入力ベクトル系列が入力され保持さ
れている。
動作を行なつている間に認識部１３は以下のごと
き動作をする。始端検出部１１よりの始端検出信
号Ｓ（パルス）が与えられた時点、すなわちｉ＝
ｂ以後、分析部１０より入力される入力ベクトル
ａi（(1)式）を受け取り認識動作を実行する。始
端が検出されて以後、前記入力ベクトルはフレー
ム周期信号Clのパルスに同期して次々に入力さ
れる。休止区間検出信号e2が与えられるまでの間
は、主として認識のための前処理を実行している
ものとして最終的な判定は行なわない。休止区間
検出信号e2が与えられた時点では、認識部１３に
は次のような入力ベクトル系列が入力され保持さ
れている。
Ａ＝ａb，ａb+1，…，ａi，…，ａe (4)
以下ではこの入力ベクトル系列を入力パタンＡ
と呼ぶ。認識部１３はこの入力パタンＡを１個の
入力音声と見なして（すなわち、入力音声は休止
区間検出信号e2が１になつた時点で終了したもの
と仮定して）判定を行なう。
と呼ぶ。認識部１３はこの入力パタンＡを１個の
入力音声と見なして（すなわち、入力音声は休止
区間検出信号e2が１になつた時点で終了したもの
と仮定して）判定を行なう。
実際には、認識部１３に採用される認識原理に
よつて、この間の動作は種々の形態をとることに
なるが、本発明で特徴とし主張する処の１は振幅
レベルの低い区間（休止区間）が検出されると、
すなわち休止区間検出信号e2を受け取るとその時
点で入力音声が完結したものと仮定して直ちに判
定を行なうものである。認識部１３の認識原理と
しては種々のものが考えられ一種のものに特定す
るものではないが、一例としては、音響学会研究
委員会資料S73―22（1973年12月発行）に“音声
認識における各種DPマツチング法の比較”と題
して発表された論文に記載されているDPマツチ
ング法が考えられる。すなわち、必要なすべての
単語ｎ（ｎ＝１〜Ｎ）に対して標準パタン Ｃn＝Ｃｎ １，Ｃｎ ２，… …，Ｃｎ Ｊｏ (5) を内蔵しておき、前記の休止区間検出信号が１に
なつた時点で入力パタンＡと各標準パタンＣnと
の間でDPマツチングを実行して類似度 Ｓ（Ａ，Ｃn） (6) を算出する。次に、各標準パタンＣnとの間に算
出された前記類似度を比較して最大となる単語名
ｎ＝ｒを定めることによつて入力パタンＡは単語
ｒであると判定する。この認識部の具体的構成
は、本発明の権利として主張する処ではないので
省略する。
よつて、この間の動作は種々の形態をとることに
なるが、本発明で特徴とし主張する処の１は振幅
レベルの低い区間（休止区間）が検出されると、
すなわち休止区間検出信号e2を受け取るとその時
点で入力音声が完結したものと仮定して直ちに判
定を行なうものである。認識部１３の認識原理と
しては種々のものが考えられ一種のものに特定す
るものではないが、一例としては、音響学会研究
委員会資料S73―22（1973年12月発行）に“音声
認識における各種DPマツチング法の比較”と題
して発表された論文に記載されているDPマツチ
ング法が考えられる。すなわち、必要なすべての
単語ｎ（ｎ＝１〜Ｎ）に対して標準パタン Ｃn＝Ｃｎ １，Ｃｎ ２，… …，Ｃｎ Ｊｏ (5) を内蔵しておき、前記の休止区間検出信号が１に
なつた時点で入力パタンＡと各標準パタンＣnと
の間でDPマツチングを実行して類似度 Ｓ（Ａ，Ｃn） (6) を算出する。次に、各標準パタンＣnとの間に算
出された前記類似度を比較して最大となる単語名
ｎ＝ｒを定めることによつて入力パタンＡは単語
ｒであると判定する。この認識部の具体的構成
は、本発明の権利として主張する処ではないので
省略する。
認識部１３で決定された認識結果ｒは第１図の
信号線ｒを経由して出力部１６と認識結果表示制
御部１４に送られる。出力部１６は終端検出部１
２よりの終端検出信号e1が１である時にのみ前記
の認識結果信号ｒを出力信号ｘとして出力する機
能を有する。したがつて前記の終端検出信号e1が
０である間は出力ｘは生じない。認識結果表示制
御部１４は終端検出部１２より与えられる休止区
間検出信号e2が１である間、認識結果信号ｒを信
号線ｄを経由して認識結果表示部１７に送出し表
示せしめる。この認識結果表示部１７は、たとえ
ば発光ダイオードのキヤラクタデイスプレーで構
成されていて信号線ｄで指定される文字を表示す
ることによつて前記の認識結果ｒを発声者に速や
かに知らしめる。
信号線ｒを経由して出力部１６と認識結果表示制
御部１４に送られる。出力部１６は終端検出部１
２よりの終端検出信号e1が１である時にのみ前記
の認識結果信号ｒを出力信号ｘとして出力する機
能を有する。したがつて前記の終端検出信号e1が
０である間は出力ｘは生じない。認識結果表示制
御部１４は終端検出部１２より与えられる休止区
間検出信号e2が１である間、認識結果信号ｒを信
号線ｄを経由して認識結果表示部１７に送出し表
示せしめる。この認識結果表示部１７は、たとえ
ば発光ダイオードのキヤラクタデイスプレーで構
成されていて信号線ｄで指定される文字を表示す
ることによつて前記の認識結果ｒを発声者に速や
かに知らしめる。
休止区間が継続してやがて終端検出信号e1が１
となると出力部１６は認識結果信号ｒを出力信号
ｘとして出力する。この出力信号ｘは以上の音声
認識装置に接続され制御される別の装置（以下で
は目的装置と呼ぶ）に送られる。
となると出力部１６は認識結果信号ｒを出力信号
ｘとして出力する。この出力信号ｘは以上の音声
認識装置に接続され制御される別の装置（以下で
は目的装置と呼ぶ）に送られる。
入力可能状態表示部１５と表示ランプ１８は、
入力音声を発声してよい時期を発声者に対して知
らせるためのものである。終端検出信号e1が１で
ある信号線ｔに電流を流して表示ランプ１８を点
灯させる。e1が０であると信号線ｔに電流を流さ
ないで表示ランプ１８を消灯させる。それゆえ、
表示ランプ１８は音声の始端が検出されて以後終
端が検出されるまで消灯されていることになる。
終端が検出された時点で再び点灯され次の入力音
声を発声してよいことが表示される。
入力音声を発声してよい時期を発声者に対して知
らせるためのものである。終端検出信号e1が１で
ある信号線ｔに電流を流して表示ランプ１８を点
灯させる。e1が０であると信号線ｔに電流を流さ
ないで表示ランプ１８を消灯させる。それゆえ、
表示ランプ１８は音声の始端が検出されて以後終
端が検出されるまで消灯されていることになる。
終端が検出された時点で再び点灯され次の入力音
声を発声してよいことが表示される。
以上の動作によると最終的な認識結果は第２図
に参照数字２１で示す時間点で決定されるが、実
際には参照数字２０で示す時間点で表示されるこ
とになる。休止区間が検出された時間点２２から
認識結果が表示される時間点２０までの時間は認
識部１３の動作を高速化することによつて充分短
かくできるので発声者は実際には発声が終るほと
んど同時に認識結果を知つて確認ができる。しか
も目的装置に対する認識結果の出力は休止区間が
充分長く継続した後の時間点２１においてなされ
るので、最初述べたように単語中の休止区間と単
語終端の休止区間との判別を誤ることはない。
に参照数字２１で示す時間点で決定されるが、実
際には参照数字２０で示す時間点で表示されるこ
とになる。休止区間が検出された時間点２２から
認識結果が表示される時間点２０までの時間は認
識部１３の動作を高速化することによつて充分短
かくできるので発声者は実際には発声が終るほと
んど同時に認識結果を知つて確認ができる。しか
も目的装置に対する認識結果の出力は休止区間が
充分長く継続した後の時間点２１においてなされ
るので、最初述べたように単語中の休止区間と単
語終端の休止区間との判別を誤ることはない。
第６図は単語中の休止区間がある場合の動作を
明らかにするためのタイムチヤートである。数字
“６”（／roku／）を発声した場合には／ｏ／
と／ｋ／の間に参照数字６１で示す休止区間があ
るために、休止区間検出信号e2が１になり、これ
に応じて認識結果ｒが発生されｄとして表示され
る。この時点で認識部１３に入力されている(4)式
の入力パタンは／ro／の部分までであるので
“５”（／go／）と誤つて表示されているかも知
れない。しかし、この休止区間は前記の終端検出
部に設定されているＬ（たとえば250ミリ秒の時
間長）よりも短かいので終端検出信号e1が１にな
ることはないから出力信号ｘとして出力される恐
れはない。／ku／の部分まで発声が終了すると
参照数字６２で示す単語終端の休止区間が検出さ
れるので、上記と同様の動作によつて認識結果ｒ
が決定されｄとして表示される。今度は“６”の
単語全体が入力された後であるので正しく“６”
と認識され表示される。かくして休止区間６２が
前記Ｌ以上継続して参照数字６３で示す時間点に
至つてはじめて終端検出信号e1が１となり出力信
号ｘが目的装置に対して送られる。この動作によ
ると、発声途中で一度誤つた認識結果が表示され
るが、発声者は発声途中であることを知つている
ので途中表示された結果を無視すれば特に問題は
生じない。
明らかにするためのタイムチヤートである。数字
“６”（／roku／）を発声した場合には／ｏ／
と／ｋ／の間に参照数字６１で示す休止区間があ
るために、休止区間検出信号e2が１になり、これ
に応じて認識結果ｒが発生されｄとして表示され
る。この時点で認識部１３に入力されている(4)式
の入力パタンは／ro／の部分までであるので
“５”（／go／）と誤つて表示されているかも知
れない。しかし、この休止区間は前記の終端検出
部に設定されているＬ（たとえば250ミリ秒の時
間長）よりも短かいので終端検出信号e1が１にな
ることはないから出力信号ｘとして出力される恐
れはない。／ku／の部分まで発声が終了すると
参照数字６２で示す単語終端の休止区間が検出さ
れるので、上記と同様の動作によつて認識結果ｒ
が決定されｄとして表示される。今度は“６”の
単語全体が入力された後であるので正しく“６”
と認識され表示される。かくして休止区間６２が
前記Ｌ以上継続して参照数字６３で示す時間点に
至つてはじめて終端検出信号e1が１となり出力信
号ｘが目的装置に対して送られる。この動作によ
ると、発声途中で一度誤つた認識結果が表示され
るが、発声者は発声途中であることを知つている
ので途中表示された結果を無視すれば特に問題は
生じない。
このように認識結果の表示と出力を行なうこと
によつて発声者は認識結果を速やかに知り確認を
行なうことができ、しかも単語途中の休止区間を
単語終端の休止区間と誤つて判別し誤認識を行な
うことはない。この効果によつて音声認識装置を
高速かつ円滑に使用できることになる。
によつて発声者は認識結果を速やかに知り確認を
行なうことができ、しかも単語途中の休止区間を
単語終端の休止区間と誤つて判別し誤認識を行な
うことはない。この効果によつて音声認識装置を
高速かつ円滑に使用できることになる。
以上、本発明の原理を実施例をもとに説明した
が、こられの記載は本発明の範囲を限定するもの
ではなく、特に終端検出部における終端検出の方
法には種々の変形が考えられる。例えば、過去
250ミリ秒程度の時間幅をもつ時間窓 ｋ−Ａ ≦ ｉ ≦ ｋ を設定し、この中の振幅レベルの総和、すなわち ｌk-A＋ｌk-A+1＋… …ｌk があらかじめ定められた閾値θ′eより大となる時
点ｋで終端検出信号を発生する方法が考えられ
る。この方法によると総和をとることによつて瞬
時的なノイズの影響をある程度弱めることができ
るので先の実施例に述べた方法に比して安定な動
作が期待できる。この他にも、入力音声波の零交
差数が休止区間では低い性質を利用して、振幅レ
ベルと零交差数を合せて総合的に判定を行ない、
休止区間と終端の検出を行なう方法も有効であ
る。
が、こられの記載は本発明の範囲を限定するもの
ではなく、特に終端検出部における終端検出の方
法には種々の変形が考えられる。例えば、過去
250ミリ秒程度の時間幅をもつ時間窓 ｋ−Ａ ≦ ｉ ≦ ｋ を設定し、この中の振幅レベルの総和、すなわち ｌk-A＋ｌk-A+1＋… …ｌk があらかじめ定められた閾値θ′eより大となる時
点ｋで終端検出信号を発生する方法が考えられ
る。この方法によると総和をとることによつて瞬
時的なノイズの影響をある程度弱めることができ
るので先の実施例に述べた方法に比して安定な動
作が期待できる。この他にも、入力音声波の零交
差数が休止区間では低い性質を利用して、振幅レ
ベルと零交差数を合せて総合的に判定を行ない、
休止区間と終端の検出を行なう方法も有効であ
る。
また、先の実施例では終端検出信号e1や休止区
間検出信号e2などを断続される直流信号とした
が、これをパルス信号としても同様な動作を実現
できる。また振幅レベル信号ｌiなどをアナログ
信号のままで処理しても本発明の原理を実行でき
ることは明白である。
間検出信号e2などを断続される直流信号とした
が、これをパルス信号としても同様な動作を実現
できる。また振幅レベル信号ｌiなどをアナログ
信号のままで処理しても本発明の原理を実行でき
ることは明白である。
第１図は本発明の一実施例を示すブロツク図
で、１はマイクロホン、１０は分析部、１１は始
端検出部、１２は終端検出部、１３は認識部、１
４は認識結果表示制御部、１５は入力可能状態表
示部、１６は出力部、１７は認識結果表示部、１
８は表示ランプである。 第２図は第１図に示した実施例の動作を説明す
るためのタイムチヤートであり、第３図は分析部
の一構成例を示すブロツク図である。第３図にお
いて破線で示すブロツク１１０はバンドパスフイ
ルタ分析器、ブロツク１２０はアナログマルチプ
レクサ、１３０はＡ／Ｄ変換器、１４０は整流
器、１５０はローパスフイルタ、１６０はＡ／Ｄ
変換器である。 第４図は終端検出部１２の動作を説明するため
の図であり、第５図は終端検出部１２の一構成例
を示すブロツク図である。第５図において５１は
比較回路、５２は論理積回路、５３は計数回路、
５４は比較回路である。第６図は第１図の実施例
の装置の動作の一部を示すタイムチヤートであ
る。
で、１はマイクロホン、１０は分析部、１１は始
端検出部、１２は終端検出部、１３は認識部、１
４は認識結果表示制御部、１５は入力可能状態表
示部、１６は出力部、１７は認識結果表示部、１
８は表示ランプである。 第２図は第１図に示した実施例の動作を説明す
るためのタイムチヤートであり、第３図は分析部
の一構成例を示すブロツク図である。第３図にお
いて破線で示すブロツク１１０はバンドパスフイ
ルタ分析器、ブロツク１２０はアナログマルチプ
レクサ、１３０はＡ／Ｄ変換器、１４０は整流
器、１５０はローパスフイルタ、１６０はＡ／Ｄ
変換器である。 第４図は終端検出部１２の動作を説明するため
の図であり、第５図は終端検出部１２の一構成例
を示すブロツク図である。第５図において５１は
比較回路、５２は論理積回路、５３は計数回路、
５４は比較回路である。第６図は第１図の実施例
の装置の動作の一部を示すタイムチヤートであ
る。
Claims (1)
- １ 入力音声の休止区間が検出されたことを意味
する休止区間検出信号と入力音声の終端が検出さ
れたことを意味する終端検出信号とを発生する機
能を有する終端検出部と、前記の休止区間検出信
号が発生された時点で入力音声が終了したものと
見なして認識動作を行ない認識結果信号を出力す
る機能を有する認識部と、前記認識結果信号を表
示するための認識結果表示部と、前記の終端検出
信号が発生された時点で前記認識結果信号を出力
せしめる出力部とを備えたことを特徴とする音声
認識装置。
Priority Applications (4)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP6198476A JPS52144205A (en) | 1976-05-27 | 1976-05-27 | Voice recognition unit |
| GB20717/77A GB1569450A (en) | 1976-05-27 | 1977-05-17 | Speech recognition system |
| NLAANVRAGE7705734,A NL189159C (nl) | 1976-05-27 | 1977-05-25 | Spraakherkenningsstelsel. |
| US05/800,819 US4158750A (en) | 1976-05-27 | 1977-05-26 | Speech recognition system with delayed output |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP6198476A JPS52144205A (en) | 1976-05-27 | 1976-05-27 | Voice recognition unit |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPS52144205A JPS52144205A (en) | 1977-12-01 |
| JPS6118199B2 true JPS6118199B2 (ja) | 1986-05-10 |
Family
ID=13186948
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP6198476A Granted JPS52144205A (en) | 1976-05-27 | 1976-05-27 | Voice recognition unit |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPS52144205A (ja) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS62213786A (ja) * | 1986-03-13 | 1987-09-19 | 石井 要司 | リモコンヘリコプタ−の運転操縦方法 |
Families Citing this family (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS562041A (en) * | 1979-06-20 | 1981-01-10 | Fujitsu Ltd | Audio input system |
| JPS56143497A (en) * | 1980-04-09 | 1981-11-09 | Nippon Electric Co | Syllable voice recognizing device |
| JPS5792495A (en) * | 1980-11-28 | 1982-06-09 | Toshiba Corp | Information recorder |
| JPS5717081A (en) * | 1981-05-25 | 1982-01-28 | Noriko Ikegami | Electronic interpreter |
| JPS5794884A (en) * | 1981-10-15 | 1982-06-12 | Noriko Ikegami | Electronic interpreter |
| JPS58191070A (ja) * | 1982-07-05 | 1983-11-08 | Noriko Ikegami | 通信装置 |
| JPS59119397A (ja) * | 1982-12-25 | 1984-07-10 | 富士通株式会社 | 音声認識装置 |
| JPS59186040A (ja) * | 1983-04-06 | 1984-10-22 | Nec Corp | 音声ワ−ドプロセツサ |
| JPS6324360A (ja) * | 1987-06-29 | 1988-02-01 | Ikegami Kenzo | 音声入力装置 |
| WO2019246562A1 (en) | 2018-06-21 | 2019-12-26 | Magic Leap, Inc. | Wearable system speech processing |
| WO2020180719A1 (en) | 2019-03-01 | 2020-09-10 | Magic Leap, Inc. | Determining input for speech processing engine |
| US12327573B2 (en) | 2019-04-19 | 2025-06-10 | Magic Leap, Inc. | Identifying input for speech recognition engine |
| US11328740B2 (en) | 2019-08-07 | 2022-05-10 | Magic Leap, Inc. | Voice onset detection |
| US11917384B2 (en) | 2020-03-27 | 2024-02-27 | Magic Leap, Inc. | Method of waking a device using spoken voice commands |
| US12417766B2 (en) | 2020-09-30 | 2025-09-16 | Magic Leap, Inc. | Voice user interface using non-linguistic input |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US3742143A (en) * | 1971-03-01 | 1973-06-26 | Bell Telephone Labor Inc | Limited vocabulary speech recognition circuit for machine and telephone control |
-
1976
- 1976-05-27 JP JP6198476A patent/JPS52144205A/ja active Granted
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS62213786A (ja) * | 1986-03-13 | 1987-09-19 | 石井 要司 | リモコンヘリコプタ−の運転操縦方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| JPS52144205A (en) | 1977-12-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JPS6118199B2 (ja) | ||
| US4811399A (en) | Apparatus and method for automatic speech recognition | |
| JP3180655B2 (ja) | パターンマッチングによる単語音声認識方法及びその方法を実施する装置 | |
| US4284846A (en) | System and method for sound recognition | |
| US6216103B1 (en) | Method for implementing a speech recognition system to determine speech endpoints during conditions with background noise | |
| US4181813A (en) | System and method for speech recognition | |
| US6321197B1 (en) | Communication device and method for endpointing speech utterances | |
| US9202463B2 (en) | Voice-activated precision timing | |
| US4087632A (en) | Speech recognition system | |
| US7050978B2 (en) | System and method of providing evaluation feedback to a speaker while giving a real-time oral presentation | |
| EP3039678B1 (en) | Method and apparatus for voiced speech detection | |
| US6718302B1 (en) | Method for utilizing validity constraints in a speech endpoint detector | |
| WO1990011593A1 (en) | Method and apparatus for speech analysis | |
| US3198884A (en) | Sound analyzing system | |
| JP5039879B2 (ja) | スピーチエネーブル装置のユーザインターフェースの完全性をテストする方法および装置 | |
| CN115331670A (zh) | 一种家用电器用离线语音遥控器 | |
| JPH0797279B2 (ja) | 音声認識装置 | |
| RU2174714C2 (ru) | Способ выделения основного тона | |
| JPH07191696A (ja) | 音声認識装置 | |
| CN114267339B (zh) | 语音识别处理方法及系统、设备以及存储介质 | |
| JP3008593B2 (ja) | 音声認識装置 | |
| KR20080065775A (ko) | 구화 교육용 발성 시각화 시스템 | |
| JP2017068153A (ja) | 半導体装置、システム、電子機器、及び、音声認識方法 | |
| Tran et al. | New wavelet-based pitch detection method for human-robot voice interface | |
| JPS58130394A (ja) | 音声認識装置 |