JPS6120879B2 - - Google Patents

Description

【発明の詳細な説明】 この発明は、音声認識装置に係り、殊に音韻単
位の認識を可能とする音声認識装置に関する。

現在、単語単位の音声認識を目的とする装置
は、数多くの実用に供され自動区分・配送業務な
どの分野で成果をあげ始めている。しかし、これ
ら単語を単位とする装置には限界があり、50〜60
単語程度以上を対象とする装置は、現実には用い
られていないのが実情である。この原因として
は、認識速度と共に類似単語に対する認識率の低
下が挙げられる。

こうした現状に対して、音韻を単位とする音声
認識装置が研究されている。即ち、現用の単語認
識装置は、単語（複数の音韻から構成される）の
持つ穴長性を利用しており、単語を構成する各音
韻を忠実に認識しているわけではないため、上記
の如く類似単語に対しては、認別が悪くなる。
我々の会話音声では、必らずしも、各単語を構成
している音韻を忠実に発声しているわけではない
が、類似単語間では差異を意識した発声をしてい
ると考えられる。即ち、混同の生じる恐れの少な
い単語（又は状況）では、音韻はかなり変形が許
されているが、そうでない場合は、意識して（あ
るいは長い言語生活環境から無意識に）混同を避
けた発声をしていると考えられる。こうした点を
考慮すると、音声認識においては、まず可能な限
り精度の高い音韻識別を行なうべきであり、次に
音韻の変形規側、言語レベルの諸規則を適用する
べきであると考えられる。

次に音韻認識に当つては、現在研究されている
方法の多くは、一定の時間窓（通常10〜
20msec）を通して得た静的な情報（例えば、パ
ワースペクトル、線形予測係数など）をもつて音
韻認識を行なつており、音韻のうち子音に関する
識別率は高々50％程度とされている。これに対し
て、最近研究され始めた単音節認識等で使用され
始めた音韻認識技術では、より多くの時間窓で、
連続した情報（通常100〜200msec）を扱つてい
るため、大幅に識別率を向上できる。この際、問
題となるのは、連続した音声の中から、如何にし
て必要な情報（母音、あるいは子音）を抽出する
かという点と、発生器管の生理的拘束から生じる
子音情報の殊に時間軸に関するゆらぎを如何にし
て減らすかという点である。

音声中の子音情報の時間方向に生じるゆらぎと
は、破裂音発声における破裂時点の変動や、半母
音発声における音響パラメータの遷移速度の変動
などを指す。こうした音韻単位の時間軸変動に対
しては、前記の単語認識の際にも用いられる時間
軸の正規化が有効となる。時間軸の正規化法とし
ては、線形に時間伸縮を行なう方法と非線形に時
間伸縮をする方法があり、後者には、音響パラメ
ータの変化を観測しながらサンプル点を選択する
方法と、動的計画法を用いて、あらかじめ学習し
たパターンと整合させてゆく方法がある。しか
し、現在のところこれ等のどの方法を用いた研究
においても、上記の子音情報の時間方向に生ずる
ゆらぎの持つ特長を利用していないため、高い識
別率を得ることができなかつた。

この発明の目的は、子音の時間方向に生ずる変
動を効果的に吸収し、子音識別率を向上させた音
声認識方式を提供するにある。

単語単位の認識の場合、その都度発声される単
語の時間方向の変動は通常、単語中の母音の長・
短が原因となるため、単語のどの部分が時間的に
伸縮するのかを、あらかじめ知ることは不可能で
あり、一定単語中のある母音が統計的にとり得る
継続時間の範囲を、あらかじめ知ることができる
にとゞまる。

他方、音韻認識の場合は、子音の時間方向の変
動を多数のデータから観測すると、一定の傾向が
見出されることがなかつた。即ち、子音（もしく
は母音への過渡）部分の継続時間長は、従来同一
人の発声では比較的安定しているとされている
が、殊に破裂音の破裂時点などは発声毎に変動が
観測され、他方母音への遷移部分は安定している
ことが知られた。

本発明は、こうした事実に鑑みて為されたもの
で、その根幹は、子音の特徴パターンに対して、
母音に近い部分の伸縮を子音の先頭部分の伸縮よ
りも制限することにある。このような制限を時間
伸縮に設けることにより、効率良く、安定した子
音の識別を達成できた。

第１図に本発明の一実施例を示す。

音声信号は、マイクロホン１を通して電気信号
に変換された後、音響処理部２で４〜10msec毎
に分折、正規化等の処理がされる。分折として
は、帯域フイルターや線形予測分折等が多く用い
られる。次に、この出力である特徴パターンは、
母音パターン抽出部３と子音パターン切り出し部
４へ送られる。音声中の母音候補区間は母音パタ
ーン抽出部３で検出された後、その中から安定し
た母音パターンが抽出され次の音韻認識部５へ転
送される。また、子音パターン切り出し部４で
は、母音パターン抽出部３からの母音位置情報を
利用して、子音−母音の境界候補点を推定し、子
音候補パターンを音韻認識部５へ転送する。

音韻認識部では、あらかじめ登録された母音辞
書パターンを参照して母音の識別を行なつた後、
子音候補パターンと同じく音韻辞書６に登録され
た子音パターンとの時間軸正規化を伴なう照合を
行なつた後、結果を表示部７で出力表示する。

第２図及び第３図でこの子音パターン照合を説
明する。図は簡単のため、子音パターンを１次元
で表わした。第２図において、子音候補パターン
区間１〜を登録子音パターン区間１〜Ｊに両端
を固定して直線で補間した場合が、よく用いられ
る線形伸縮に対応する。この実施例では、先に子
音切り出し部で推定された子音−母音境界候補点
を登録子音パターンの端点Ｊと対応させた後、
図に斜線内即ち、子音の頭に近いほどパターンの
伸縮を許す条件で二つのパターン間の距離を計算
している。伸縮を伴なう類似度計算は、所謂動的
計画法を用いる方法が最もよく知られているが、
音韻認識では、伸縮をあらかじめ定められた関数
に沿つて行なつてもよい。同図では、こうして得
られた最小距りが、子音−母音境界点を前後（
−１および＋１）に並行移動して別々に求めら
れ、その中で各音韻毎に求められた最小距りが認
識結果となる。

第３図では、入力子音パターンの子音−母音境
界点と登録子音パターンの端点Ｊを対応させた
点（図の黒丸）から出発した子音パターンの先頭
に向けて動的計画法を用いて類似度を計算したと
きの最適パスの例を示した。

以上のように本発明によれば子音識別率を向上
することができる。

【図面の簡単な説明】

第１図は、本発明の実施例を示すブロツク図、
第２図及び第３図は、本発明の説明図である。 １……マイクロホン、２……音響処理部、３…
…母音抽出部、４……子音切り出し部、５……認
識部、６……辞書パターン蓄積部、７……表示
部。

Claims (1)

【特許請求の範囲】
1. １ 音韻単位の認識を行なう音声認識方式におい
   て、入力音声から抽出された子音パターンとあら
   かじめ登録された子音パターンとの時間伸縮を伴
   なう照合を行なう際、子音パターンの後方の伸縮
   範囲を前方よりも狭くすることを特徴とする音声
   認識方式。