JPS61219099A - 音声認識装置 - Google Patents
音声認識装置Info
- Publication number
- JPS61219099A JPS61219099A JP60059880A JP5988085A JPS61219099A JP S61219099 A JPS61219099 A JP S61219099A JP 60059880 A JP60059880 A JP 60059880A JP 5988085 A JP5988085 A JP 5988085A JP S61219099 A JPS61219099 A JP S61219099A
- Authority
- JP
- Japan
- Prior art keywords
- phoneme
- similarity
- symbol
- symbols
- phonetic
- 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
Classifications
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
Landscapes
- Engineering & Computer Science (AREA)
- Acoustics & Sound (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- Multimedia (AREA)
- Document Processing Apparatus (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Telephonic Communication Services (AREA)
- Telephone Function (AREA)
- Machine Translation (AREA)
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】
〔発明の技術分野〕
本発明は連続発声された入力音声を精度良く認識するこ
との出来る音声認識装置に関する。
との出来る音声認識装置に関する。
音声の自動認識は、人間から機械への直接的な情報入力
を可能とするインターフェイス技術として非常に重要で
ある。この音声の自動認識は、例えば音素・音節等の言
語的記号の系列を連続発声してなる音声パターンを、離
散的な言語的記号に変換し、これらの各言語的記号をそ
れぞれ認識する過程として考えることが出来る。
を可能とするインターフェイス技術として非常に重要で
ある。この音声の自動認識は、例えば音素・音節等の言
語的記号の系列を連続発声してなる音声パターンを、離
散的な言語的記号に変換し、これらの各言語的記号をそ
れぞれ認識する過程として考えることが出来る。
ところでこの種の音声認識において認識単位を音韻とす
る方法は、音声認識の基礎研究として古くから行われて
いる。その方法は、■入力音声波を音韻の単位に分割（
セグメンテーション）し、これらの各音韻の内容を判定
（ラベリング）するものと、■入力音声波に一定時間（
音声分析のフレーム）毎に音韻ラベルを割当て、その後
音声ラベルの繋りを判定するものとに大別される。前者
■は、音声パワーやスペクトル等の時間的な変化を利用
し、その音声内容の変化が大きい箇所を手掛りとして音
韻の境界を検出するものである。然し乍ら、上記音声パ
ワーやスペクトル等の時間的変化は、その発声速度や発
声態度等によって大きな影響を受は易い為、音声認識の
高精度化が望めなかった。
る方法は、音声認識の基礎研究として古くから行われて
いる。その方法は、■入力音声波を音韻の単位に分割（
セグメンテーション）し、これらの各音韻の内容を判定
（ラベリング）するものと、■入力音声波に一定時間（
音声分析のフレーム）毎に音韻ラベルを割当て、その後
音声ラベルの繋りを判定するものとに大別される。前者
■は、音声パワーやスペクトル等の時間的な変化を利用
し、その音声内容の変化が大きい箇所を手掛りとして音
韻の境界を検出するものである。然し乍ら、上記音声パ
ワーやスペクトル等の時間的変化は、その発声速度や発
声態度等によって大きな影響を受は易い為、音声認識の
高精度化が望めなかった。
また、一定時間毎にラベリングを行う後者■の方法にあ
っては、順次出力される音韻記号を如何にしてまとめる
かが大きな問題となる。この為、従来では思い付きの所
謂場当り的な規則を構成して上記問題に対処しているの
が実状であった。これ故、そのｗＡ識処理過程が徒に複
雑化し、その割には認識精度の向上が望めないと云う不
具合を有していた。
っては、順次出力される音韻記号を如何にしてまとめる
かが大きな問題となる。この為、従来では思い付きの所
謂場当り的な規則を構成して上記問題に対処しているの
が実状であった。これ故、そのｗＡ識処理過程が徒に複
雑化し、その割には認識精度の向上が望めないと云う不
具合を有していた。
本発明はこのような事情を考慮してなされたもので、そ
の目的とするところは、連続発声された入力音声を高精
度に認識するべく、上記入力音声を高精度に音韻単位に
分割し、且つそのラベル付けを行うことのできる実用性
の高い音声認識装置を提供することにある。
の目的とするところは、連続発声された入力音声を高精
度に認識するべく、上記入力音声を高精度に音韻単位に
分割し、且つそのラベル付けを行うことのできる実用性
の高い音声認識装置を提供することにある。
本発明は、入力音声を分析して一定時間毎に得られる特
徴パラメータの系列について各音韻記号に対する類似度
をそれぞれ求め、これらの類似度の系列に対して、■各
音韻記号毎に指定される音韻として許される継続時間長
に関する情報を用いて音韻として許される音韻記号系列
の候補を求め、また■各音韻間の接続可能情報に従って
音韻として許される音韻系列の候補を求め、これらの条
件を満たす音韻系列の候補の内で、その音韻系列に対応
した前記類似度の系列の類似度用が最も大きいものを選
択し、この音韻系列から連続した同一音韻ラベルの区間
位置とそのラベル名を求めてその認識結果を得るように
したものである。尚、上記条件判定手段■■のいずれか
一方だけを音韻記号系列の候補選択の判定条件として用
いるようにしても良い。
徴パラメータの系列について各音韻記号に対する類似度
をそれぞれ求め、これらの類似度の系列に対して、■各
音韻記号毎に指定される音韻として許される継続時間長
に関する情報を用いて音韻として許される音韻記号系列
の候補を求め、また■各音韻間の接続可能情報に従って
音韻として許される音韻系列の候補を求め、これらの条
件を満たす音韻系列の候補の内で、その音韻系列に対応
した前記類似度の系列の類似度用が最も大きいものを選
択し、この音韻系列から連続した同一音韻ラベルの区間
位置とそのラベル名を求めてその認識結果を得るように
したものである。尚、上記条件判定手段■■のいずれか
一方だけを音韻記号系列の候補選択の判定条件として用
いるようにしても良い。
（発明の効果）
かくして本発明によれば、入力音声を一定時間毎に分析
して求められた各フレームデータの音韻ラベルとしての
類似度をもとにして、少なくとも各音韻の継続時間長の
情報、または音韻間の接続可能情報によって音韻記号系
列の候補を選択するので、上記入力音声の最適な区分化
を行うことが可能となる。
して求められた各フレームデータの音韻ラベルとしての
類似度をもとにして、少なくとも各音韻の継続時間長の
情報、または音韻間の接続可能情報によって音韻記号系
列の候補を選択するので、上記入力音声の最適な区分化
を行うことが可能となる。
即ち一般的には、連続音声中の各音韻は、その典型的な
スペクトルパターンを持つフレームデータから順次後続
音韻へと変化していく、つまり各音韻は、その中心位置
を基準にしてみると、その・音韻記号に対する類似度が
その中心に向けて徐々に大きくなり、また中心から離れ
るに従って徐々に小さくなる。従ってこのような類似度
の動きの中から最大の類似度用を持つ音韻ラベル系列を
求めれば、その音韻区分を求めることができる。然し乍
ら、１フレームのスペクトルデータだけを捕えた場合、
偶然的に他の音韻に似ていることがある。また特に音韻
間の過渡部（音韻結合部）では、入力音声のスペクトル
がその典型的な音韻のスペクトルとは全く異なる場合が
ある。故に、上述した類似度の動きの中から最大の類似
度用を持つ音韻ラベル系列を求めるだけでは、その認識
処理に誤りが生じ易い。
スペクトルパターンを持つフレームデータから順次後続
音韻へと変化していく、つまり各音韻は、その中心位置
を基準にしてみると、その・音韻記号に対する類似度が
その中心に向けて徐々に大きくなり、また中心から離れ
るに従って徐々に小さくなる。従ってこのような類似度
の動きの中から最大の類似度用を持つ音韻ラベル系列を
求めれば、その音韻区分を求めることができる。然し乍
ら、１フレームのスペクトルデータだけを捕えた場合、
偶然的に他の音韻に似ていることがある。また特に音韻
間の過渡部（音韻結合部）では、入力音声のスペクトル
がその典型的な音韻のスペクトルとは全く異なる場合が
ある。故に、上述した類似度の動きの中から最大の類似
度用を持つ音韻ラベル系列を求めるだけでは、その認識
処理に誤りが生じ易い。
この点本発明では、音韻の継続時間長に関する上下限値
、あるいは異なる音韻間の接続可能性の条件を満す音韻
系列の候補を求め、その音韻系列の候補の中で上述した
ようにその類似度和から最適音韻区分を求めるので、連
続音声の個々の言語的記号をそれぞれ精度良く認識する
ことが可能となる。
、あるいは異なる音韻間の接続可能性の条件を満す音韻
系列の候補を求め、その音韻系列の候補の中で上述した
ようにその類似度和から最適音韻区分を求めるので、連
続音声の個々の言語的記号をそれぞれ精度良く認識する
ことが可能となる。
しかも語粟の制約や文法情報を全く用いることなしに、
音声の音韻記号を高精度に分割・認識するので、音声認
識処理における実用性が極めて高い等の多大なる効果が
奏せられる。
音声の音韻記号を高精度に分割・認識するので、音声認
識処理における実用性が極めて高い等の多大なる効果が
奏せられる。
以下、図面を参照して本発明の一実施例につき説明する
。
。
尚、ここでは音韻記号として音素を例にとり説明するが
、音節を音韻記号として取提うことも勿論可能である。
、音節を音韻記号として取提うことも勿論可能である。
第１図は実施例Ｂｉｔの概略構成図であり、第２図は実
施例装置における最適記号列計算部の処理シーケンスを
示す図である。連続発声して入力される音声は音響分析
部１に導かれ、所定の分析時間毎に音響分析されて特徴
パラメータ（フレーム）に変換される。この音響分析部
１は、スペクトル分析の手法として知られているような
、例えば複数の帯域通過フィルターからなるフィルター
バンクにより構成されるもので、その各チャネル出力値
のエネルギーを特徴パラメータとして計算している。そ
してこれらの各データは入力音声パターンとして該音響
分析部１内の入カバターンメモリ（図示せず）に記憶さ
れるようになっている。
施例装置における最適記号列計算部の処理シーケンスを
示す図である。連続発声して入力される音声は音響分析
部１に導かれ、所定の分析時間毎に音響分析されて特徴
パラメータ（フレーム）に変換される。この音響分析部
１は、スペクトル分析の手法として知られているような
、例えば複数の帯域通過フィルターからなるフィルター
バンクにより構成されるもので、その各チャネル出力値
のエネルギーを特徴パラメータとして計算している。そ
してこれらの各データは入力音声パターンとして該音響
分析部１内の入カバターンメモリ（図示せず）に記憶さ
れるようになっている。
類似度計算部２は、前記音響分析部１から前記所定の分
析時間間隔毎に出力されるスペクトルデータ（フレーム
）に対して、音韻辞書３に予め登録された各音韻の標準
的パターンとの間で類似度をそれぞれ計算し、各音韻記
号としての類似度を求めている。この音韻記号の類似度
計算は、例えばパターンの変形の吸収能力の高い複合類
似度法を用いて行われる。この複合類似度法を用いる場
合、前述したように音韻辞書３として各音韻のクラス毎
に互いに直交した数種のベクトルを各音韻の標準パター
ンとして持つ必要がめるが、音素の種類は高々３０種で
あるので、メモリ容量や処理時間の点での問題は無い。
析時間間隔毎に出力されるスペクトルデータ（フレーム
）に対して、音韻辞書３に予め登録された各音韻の標準
的パターンとの間で類似度をそれぞれ計算し、各音韻記
号としての類似度を求めている。この音韻記号の類似度
計算は、例えばパターンの変形の吸収能力の高い複合類
似度法を用いて行われる。この複合類似度法を用いる場
合、前述したように音韻辞書３として各音韻のクラス毎
に互いに直交した数種のベクトルを各音韻の標準パター
ンとして持つ必要がめるが、音素の種類は高々３０種で
あるので、メモリ容量や処理時間の点での問題は無い。
また複合類似度でなくとも、パターン認識技術として周
知の統計的距離や、単純類似度、ユークリッド距離等を
用いることも可能である。但し、上記ユークリッド距離
等の距離を類似度の代りに用いる場合には、以下の説明
における最適記号列を求めるアルゴリズムの中で最大値
を求める操作を、全てその最小値を求める操作として置
換する必要がある。
知の統計的距離や、単純類似度、ユークリッド距離等を
用いることも可能である。但し、上記ユークリッド距離
等の距離を類似度の代りに用いる場合には、以下の説明
における最適記号列を求めるアルゴリズムの中で最大値
を求める操作を、全てその最小値を求める操作として置
換する必要がある。
類似度計算部２はこのようにして各フレームの音韻記号
に対する類似度を求め、例えば第３図のように各フレー
ム毎の類似度を出力することになる。尚、第３図は「音
；（オド）」なる音声を入力したときの音声パワーの時
間的変化と、各フレーム毎に音韻記号（ａ、ｉ、ＬＪ、
ｅ、Ｏ，Ｎ、ｒ）。
に対する類似度を求め、例えば第３図のように各フレー
ム毎の類似度を出力することになる。尚、第３図は「音
；（オド）」なる音声を入力したときの音声パワーの時
間的変化と、各フレーム毎に音韻記号（ａ、ｉ、ＬＪ、
ｅ、Ｏ，Ｎ、ｒ）。
ｔ・・・・・・）に対してそれぞれ求められた類似度と
を示している。
を示している。
最適記号列計算部４は、基本的には類似度記憶部５、最
大類似度系列計算部６、接続情報テーブル記憶部７、お
よび継続時間長テーブル記憶部８とを備えて構成される
。そして前記類似度計算部２にて類似度計算された前記
第３図に示す如き類似度の情報から、音韻記号毎に定ま
る継続時間長、および音韻記号の接続関係をそれぞれ満
たす音韻記号の系列を求め、その音韻記号系列の中で類
似度和が最大となる系列を選択し、これを出力している
。
大類似度系列計算部６、接続情報テーブル記憶部７、お
よび継続時間長テーブル記憶部８とを備えて構成される
。そして前記類似度計算部２にて類似度計算された前記
第３図に示す如き類似度の情報から、音韻記号毎に定ま
る継続時間長、および音韻記号の接続関係をそれぞれ満
たす音韻記号の系列を求め、その音韻記号系列の中で類
似度和が最大となる系列を選択し、これを出力している
。
即ち最適記号列計算部４は、その類似度記憶部５に前記
第３図に示す如き各フレーム毎に求められた音韻記号に
対する類似度をそれぞれ格納している。一方、前記接続
情報テーブル記憶部７には、各音韻に関して次に出現す
る音韻記号との間で接続可能か否かの情報がテーブルと
して格納されており、また継続時間長テーブル記憶部８
には各音韻記号が取り得る時間長の制限情報（上下限値
）が格納されている。最大類似度系列計算部６はこのよ
うな音韻記号に関する情報を入力し、前記類似度記憶部
５に格納された類似度の系列に対して、音韻記号として
の制限条件を判定し、基本的には不適切な音韻記号候補
を排除して入力音声を表現するに適切な音韻記号系列の
候補を見出だしている。概念的には第２図に示すように
、先ず前記類色度記憶部５から各フレーム毎に求められ
た音韻に関する情報（音購ラベル）とその類似度値の情
報を入力しくステップａ）、音韻毎に定まる継続時間長
の情報すを利用して不適切な音韻記号を排除する（ステ
ップＣ）。また接続可能情報ｄを用いて、接続が不可能
な音韻記号の繋りを検出し、これを音韻記号の系列から
排除する （ステップｅ）。そして残された音韻記号を
用いて、入力音声を表現する音韻記号系列の候補を求め
（ステップｆ）、これらの各音韻記号系列の候補をなす
類似度の系列、つまり音韻記号系列候補の各音韻毎につ
いてそれぞれ求められた類似度の系列の類似度和を求め
（ステップＱ）、その類似度和が最大となる類似度系列
の音韻記号系列を選択（ステップｈ＞している。
第３図に示す如き各フレーム毎に求められた音韻記号に
対する類似度をそれぞれ格納している。一方、前記接続
情報テーブル記憶部７には、各音韻に関して次に出現す
る音韻記号との間で接続可能か否かの情報がテーブルと
して格納されており、また継続時間長テーブル記憶部８
には各音韻記号が取り得る時間長の制限情報（上下限値
）が格納されている。最大類似度系列計算部６はこのよ
うな音韻記号に関する情報を入力し、前記類似度記憶部
５に格納された類似度の系列に対して、音韻記号として
の制限条件を判定し、基本的には不適切な音韻記号候補
を排除して入力音声を表現するに適切な音韻記号系列の
候補を見出だしている。概念的には第２図に示すように
、先ず前記類色度記憶部５から各フレーム毎に求められ
た音韻に関する情報（音購ラベル）とその類似度値の情
報を入力しくステップａ）、音韻毎に定まる継続時間長
の情報すを利用して不適切な音韻記号を排除する（ステ
ップＣ）。また接続可能情報ｄを用いて、接続が不可能
な音韻記号の繋りを検出し、これを音韻記号の系列から
排除する （ステップｅ）。そして残された音韻記号を
用いて、入力音声を表現する音韻記号系列の候補を求め
（ステップｆ）、これらの各音韻記号系列の候補をなす
類似度の系列、つまり音韻記号系列候補の各音韻毎につ
いてそれぞれ求められた類似度の系列の類似度和を求め
（ステップＱ）、その類似度和が最大となる類似度系列
の音韻記号系列を選択（ステップｈ＞している。
この最適記号列計算部４の動作（処理）について更に詳
しく説明すると、最適記号列計算部４は、類似度記憶部
５に格納された第３図に示すような類似度の列に基づい
て、その音韻記号系列の中でその類似度の和が最大とな
る系列を入力音声を表現する最適な音韻記号系列である
として求めている。ここで類似度の和の最大化は、加算
関係で表現できるのであり、最大の類似度和のものを求
める効率の良い方法として、例えば動的計画法を利用す
ることが有用でおる。
しく説明すると、最適記号列計算部４は、類似度記憶部
５に格納された第３図に示すような類似度の列に基づい
て、その音韻記号系列の中でその類似度の和が最大とな
る系列を入力音声を表現する最適な音韻記号系列である
として求めている。ここで類似度の和の最大化は、加算
関係で表現できるのであり、最大の類似度和のものを求
める効率の良い方法として、例えば動的計画法を利用す
ることが有用でおる。
第４図はその過程を説明する為の図である。今、各フレ
ームｔに応じて得られる音韻記号ｐ（１≦ｐ≦Ｐ）に対
する類似度をＳ （ｔ ： ｐ）とする。
ームｔに応じて得られる音韻記号ｐ（１≦ｐ≦Ｐ）に対
する類似度をＳ （ｔ ： ｐ）とする。
そして計算部６には累積類似度の記憶領域Ｔ （ｔ）と
、ラベル名の記憶領域Ｌ（ｔ）、および最適な結果を求
める為に用いられるポインタ記憶領域Ｆ （ｔ）を用意
する。尚、これらの各記憶領域の初期値はそれぞれ零（
０）に設定される。
、ラベル名の記憶領域Ｌ（ｔ）、および最適な結果を求
める為に用いられるポインタ記憶領域Ｆ （ｔ）を用意
する。尚、これらの各記憶領域の初期値はそれぞれ零（
０）に設定される。
ここで第ｔフレームについて考えると、前記継与えられ
るものとすると、次のような処理が実行される。即ち、 ｔ −Ｌ ｍａ繁≦ｔ’≦ｔ −Ｌ ｍｒ’＆’１≦ｐ
≦Ｐ なるフレームｔ′、および音韻記＠ｐについて、を求め
る。この処理を全てのフレーム１ Ｆ、および各音韻記
＠ｐについてそれぞれ実行して８（ｔ’；ｐ）をそれぞ
れ求め、そのなかの最大のものを選ぶ。このＢ（ｔ’：
ｐ）の最大値Ｂ （ｔ’ ｍａｘ；ｐ ｍａｘ）、およ
びそれを与えるｔ ’ ｍａｘとＤ ｍａｘを前記各記
憶領域Ｔ （ｔ）、 Ｌ （ｔ）、 Ｆ （ｔ）にそれ
ぞれ格納する。
るものとすると、次のような処理が実行される。即ち、 ｔ −Ｌ ｍａ繁≦ｔ’≦ｔ −Ｌ ｍｒ’＆’１≦ｐ
≦Ｐ なるフレームｔ′、および音韻記＠ｐについて、を求め
る。この処理を全てのフレーム１ Ｆ、および各音韻記
＠ｐについてそれぞれ実行して８（ｔ’；ｐ）をそれぞ
れ求め、そのなかの最大のものを選ぶ。このＢ（ｔ’：
ｐ）の最大値Ｂ （ｔ’ ｍａｘ；ｐ ｍａｘ）、およ
びそれを与えるｔ ’ ｍａｘとＤ ｍａｘを前記各記
憶領域Ｔ （ｔ）、 Ｌ （ｔ）、 Ｆ （ｔ）にそれ
ぞれ格納する。
この処理を入力音声の区間の間だけ繰返すと、音声入力
が終了した時点（そのフレームをｔ ｅｎｄとする）で
、最大類似反相としてＴ（ｔｅｎｄ）が求まることにな
る。
が終了した時点（そのフレームをｔ ｅｎｄとする）で
、最大類似反相としてＴ（ｔｅｎｄ）が求まることにな
る。
最後に音韻記号の対応付けを行うべく、フレームｋ ＠
ｔ ｅｎｄとして、Ｌ （ｋ）が入力音声の最後の音
韻、Ｆ（ｋ）＋１がその開始位置、ｋがその終了位置と
して求めることができる。
ｔ ｅｎｄとして、Ｌ （ｋ）が入力音声の最後の音
韻、Ｆ（ｋ）＋１がその開始位置、ｋがその終了位置と
して求めることができる。
続いて、フレームｋにＦ （ｋ）の値をセットして、順
にに＝ｏになるまで繰返すと、音韻記号、その開始およ
び終了位置が順次逆順に求まることになる。
にに＝ｏになるまで繰返すと、音韻記号、その開始およ
び終了位置が順次逆順に求まることになる。
このようにして音韻記号が取り得る継続時間長の情報を
利用して、音韻記号の区切りが見出だされ、その区切り
によって結合された音韻記号の系列の中の、最大の類似
度和を得る音韻記号系列が見出だされることになる。
利用して、音韻記号の区切りが見出だされ、その区切り
によって結合された音韻記号の系列の中の、最大の類似
度和を得る音韻記号系列が見出だされることになる。
次に音韻間の接続関係について説明すると、接続関係と
は音韻記号の並びの可能性に関する情報として定義され
る。具体的には、例えば拗音（Ｙ）の後には、母音（Ｉ
）や（Ｅ）は後続せず、また逆に半母音（Ｗ）の後には
母音（Ａ）しか続かない等の音声学レベルの情報が接続
関係の情報である。これらは前述したように接続情報テ
ーブル記憶部７に、例えば第５図に示すようにテーブル
の形で準備される。しかしてこのような音韻接続の制限
を満す最大類似反相の音韻記号系列を得るべく、各音韻
記号毎に記憶領域Ｔ （ｐ）、 Ｌ （ｔ ； ｐ）を
準備する。そして第５図に示すように、前記Ｂ （ｔ
： ｌ））の計算の代りにＢ（ｐ）を用意して、全ての
（１≦ｐ≦Ｐ）なる音韻記号ｐについて、音議列“ｑ−
ｐ”が許されるときには Ｂ（Ｑ）＝ Ｔ（ｑ）＋Ｓ（ｔ；ｐ）を計算し、その
他の場合には上記Ｂ （ｑ）を零（０）として求める。
は音韻記号の並びの可能性に関する情報として定義され
る。具体的には、例えば拗音（Ｙ）の後には、母音（Ｉ
）や（Ｅ）は後続せず、また逆に半母音（Ｗ）の後には
母音（Ａ）しか続かない等の音声学レベルの情報が接続
関係の情報である。これらは前述したように接続情報テ
ーブル記憶部７に、例えば第５図に示すようにテーブル
の形で準備される。しかしてこのような音韻接続の制限
を満す最大類似反相の音韻記号系列を得るべく、各音韻
記号毎に記憶領域Ｔ （ｐ）、 Ｌ （ｔ ； ｐ）を
準備する。そして第５図に示すように、前記Ｂ （ｔ
： ｌ））の計算の代りにＢ（ｐ）を用意して、全ての
（１≦ｐ≦Ｐ）なる音韻記号ｐについて、音議列“ｑ−
ｐ”が許されるときには Ｂ（Ｑ）＝ Ｔ（ｑ）＋Ｓ（ｔ；ｐ）を計算し、その
他の場合には上記Ｂ （ｑ）を零（０）として求める。
ここで、ｑは音韻記号の並びとしてｐに先行できる音韻
記号でおる。そして最大のＢ （Ｑ）を与えるｑ ｍａ
ｘを検索し、これを前記記憶領域Ｌ （ｔ ： Ｉ））
に記憶する。またＢ（ｃ＋ｍａｘ）は全ての音韻記号ｐ
についての処理が終了するまで、前記記憶領域Ｔ’（ｐ
）に一時的に格納する。これを全てのｐについて繰返し
た後に、Ｔ （ｐ）にＴ’（ｐ）をセットし、次のフレ
ームに進む。その後、入力音声が終了を以て、前記Ｔ
（ｐ）中の最大値を与えるｐ ｍａｘを選ぶと、その結
果がＬ （ｔ ： ｐ ｍａｘ）で与えられ、ここに音
韻記号の継続条件を満し、且つその類似度用が最大とな
る音韻記号系列が求められることになる。
記号でおる。そして最大のＢ （Ｑ）を与えるｑ ｍａ
ｘを検索し、これを前記記憶領域Ｌ （ｔ ： Ｉ））
に記憶する。またＢ（ｃ＋ｍａｘ）は全ての音韻記号ｐ
についての処理が終了するまで、前記記憶領域Ｔ’（ｐ
）に一時的に格納する。これを全てのｐについて繰返し
た後に、Ｔ （ｐ）にＴ’（ｐ）をセットし、次のフレ
ームに進む。その後、入力音声が終了を以て、前記Ｔ
（ｐ）中の最大値を与えるｐ ｍａｘを選ぶと、その結
果がＬ （ｔ ： ｐ ｍａｘ）で与えられ、ここに音
韻記号の継続条件を満し、且つその類似度用が最大とな
る音韻記号系列が求められることになる。
しかしてこの音韻記号間の接続関係に関する制限処理と
、前述した継続時間長に関する制限処理とを組合せる場
合には、その中間結果を保持する領域として、Ｔ（ｔ：
ｐ）、Ｌ（ｔ；ｐ）、Ｆ（ｔ：ｐ）を用意する。そして を前記音韻記号ｐを固定した状態で全てのフレームｔ′
について計算する。そして各フレームｔ′についての最
大値を求め、そのｔ′を記憶領域Ｆ （ｔ ； ｌ））
に、ｑを記憶領域Ｌ （ｔ ； Ｉ））に、またＢ（ｔ
’；ｐ）を記憶領域Ｔ（ｔ：Ｉ））にそれぞれ格納する
。
、前述した継続時間長に関する制限処理とを組合せる場
合には、その中間結果を保持する領域として、Ｔ（ｔ：
ｐ）、Ｌ（ｔ；ｐ）、Ｆ（ｔ：ｐ）を用意する。そして を前記音韻記号ｐを固定した状態で全てのフレームｔ′
について計算する。そして各フレームｔ′についての最
大値を求め、そのｔ′を記憶領域Ｆ （ｔ ； ｌ））
に、ｑを記憶領域Ｌ （ｔ ； Ｉ））に、またＢ（ｔ
’；ｐ）を記憶領域Ｔ（ｔ：Ｉ））にそれぞれ格納する
。
これらの手順を全ての音韻記号ｐについて実行し、続い
て全てのフレームｔについて実行すれば、上記２つの条
件を満足する音韻記号系列の中のその類似度用が最大と
なる音韻記号の系列が求められることになる。
て全てのフレームｔについて実行すれば、上記２つの条
件を満足する音韻記号系列の中のその類似度用が最大と
なる音韻記号の系列が求められることになる。
第６図はこのような計算処理を行うルートの例を示すも
のである。第６図では、Ｘ点に至る類似度用を計算する
際のルートを示しており、図中各○印で示されるポイン
トからの各ルートの類似度用を計算することになる。
のである。第６図では、Ｘ点に至る類似度用を計算する
際のルートを示しており、図中各○印で示されるポイン
トからの各ルートの類似度用を計算することになる。
このように本装置によれば、入力された音声を、一定時
間毎に計算される音韻記号の類似度に基づき、継続時間
長や接続関係の知識を導入して最適な区分を求め、入力
音声を音韻記号系列化することができる。故にその実用
的利点が極めて高く、連続音声の認識処理において絶大
なる効果を得ることができる。
間毎に計算される音韻記号の類似度に基づき、継続時間
長や接続関係の知識を導入して最適な区分を求め、入力
音声を音韻記号系列化することができる。故にその実用
的利点が極めて高く、連続音声の認識処理において絶大
なる効果を得ることができる。
尚、本発明は上述した実施例に限定されるものではない
。例えば、ここでは音韻記号を音素として説明したが、
これは音節であっても同様の装置を構成することにより
、全く同じ効果が得られる。
。例えば、ここでは音韻記号を音素として説明したが、
これは音節であっても同様の装置を構成することにより
、全く同じ効果が得られる。
また良く知られた連続ＤＰマツチング等の方法により一
定時間毎に得られる音節の距離に対しても、上述した処
理方式を同様に適用することができ、実施例と同様な効
果を期待することができる。その他、本発明はその要旨
を逸脱しない範囲で種々変形して実施することができる
。
定時間毎に得られる音節の距離に対しても、上述した処
理方式を同様に適用することができ、実施例と同様な効
果を期待することができる。その他、本発明はその要旨
を逸脱しない範囲で種々変形して実施することができる
。
第１図は本発明の一実施例装置を示す概略構成図、第２
図は実施例の処理概念を示す図、第３図は入力音声に対
する類似度系列の例を示す図、第４図は継続時間情報を
利用する方法の原理を示す図、第５図は音韻記号間の接
続可能情報を利用する方法の原理を示す図、第６図は継
続時間情報と接続関係を併用する場合の計算ルートの例
を示す図である。 １・・・音響分析部、２・・・類似度計算部、３・・・
音韻辞書、４・・・最適記号列計算部、５・・・類似度
記憶部、６・・・最大類似度系列計算部、７・・・接続
情報テーブル記憶部、８・・・継続時間長テーブル記憶
部。 出願人代理人 弁理士 鈴江武彦 第１図 第３ｊｉ！Ｑ ｄ −−−−“ −ｍ− 第４図 第５図 會 第６５！ｌ 手続補正書
図は実施例の処理概念を示す図、第３図は入力音声に対
する類似度系列の例を示す図、第４図は継続時間情報を
利用する方法の原理を示す図、第５図は音韻記号間の接
続可能情報を利用する方法の原理を示す図、第６図は継
続時間情報と接続関係を併用する場合の計算ルートの例
を示す図である。 １・・・音響分析部、２・・・類似度計算部、３・・・
音韻辞書、４・・・最適記号列計算部、５・・・類似度
記憶部、６・・・最大類似度系列計算部、７・・・接続
情報テーブル記憶部、８・・・継続時間長テーブル記憶
部。 出願人代理人 弁理士 鈴江武彦 第１図 第３ｊｉ！Ｑ ｄ −−−−“ −ｍ− 第４図 第５図 會 第６５！ｌ 手続補正書
Claims (4)
- （１）入力音声を分析し、該入力音声の一定時間毎に得
られる特徴パラメータの系列を求める手段と、辞書登録
された複数の音韻記号に対する上記各特徴パラメータの
類似度をそれぞれ計算する手段と、これらの音韻記号に
対する各特徴パラメータの類似度と上記各音韻記号毎に
指定される音韻の継続時間長に関する情報とに従って音
韻として許される音韻記号系列の候補を求める手段と、
これらの音韻記号系列にそれぞれ対応した前記類似度の
系列の中でその類似度和が最大となる音韻記号系列を求
める手段とを具備したことを特徴とする音声認識装置。 - （２）音韻記号系列の最大類似度和は、動的計画法を用
いて計算されるものである特許請求の範囲第１項記載の
音声認識装置。 - （３）入力音声を分析し、該入力音声の一定時間毎に得
られる特徴パラメータの系列を求める手段と、辞書登録
された複数の音韻記号に対する上記各特徴パラメータの
類似度をそれぞれ計算する手段と、これらの音韻記号に
対する各特徴パラメータの類似度と上記各音韻記号間の
接続可能情報とに従って音韻として許される音韻記号系
列の候補を求める手段と、これらの音韻記号系列にそれ
ぞれ対応した前記類似度の系列の中でその類似度和が最
大となる音韻記号系列を求める手段とを具備したことを
特徴とする音声認識装置。 - （４）音韻記号系列の最大類似度和は、動的計画法を用
いて計算されるものである特許請求の範囲第３項記載の
音声認識装置。
Priority Applications (4)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP60059880A JPH0632012B2 (ja) | 1985-03-25 | 1985-03-25 | 音声認識装置 |
| EP86302171A EP0200347B1 (en) | 1985-03-25 | 1986-03-25 | Knowledge-guided automatic speech recognition apparatus and method |
| DE8686302171T DE3673857D1 (de) | 1985-03-25 | 1986-03-25 | Auf einem erworbenen wissensgut basierte einrichtung und verfahren zur automatischen spracherkennung. |
| US07/546,709 US4987596A (en) | 1985-03-25 | 1990-06-29 | Knowledge-guided automatic speech recognition apparatus and method |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP60059880A JPH0632012B2 (ja) | 1985-03-25 | 1985-03-25 | 音声認識装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPS61219099A true JPS61219099A (ja) | 1986-09-29 |
| JPH0632012B2 JPH0632012B2 (ja) | 1994-04-27 |
Family
ID=13125899
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP60059880A Expired - Lifetime JPH0632012B2 (ja) | 1985-03-25 | 1985-03-25 | 音声認識装置 |
Country Status (4)
| Country | Link |
|---|---|
| US (1) | US4987596A (ja) |
| EP (1) | EP0200347B1 (ja) |
| JP (1) | JPH0632012B2 (ja) |
| DE (1) | DE3673857D1 (ja) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2003050595A (ja) * | 2001-08-07 | 2003-02-21 | Casio Comput Co Ltd | 音声認識装置及び方法、並びにプログラム |
Families Citing this family (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH0632012B2 (ja) | 1985-03-25 | 1994-04-27 | 株式会社東芝 | 音声認識装置 |
| US5315689A (en) * | 1988-05-27 | 1994-05-24 | Kabushiki Kaisha Toshiba | Speech recognition system having word-based and phoneme-based recognition means |
| DE4031421C2 (de) * | 1989-10-05 | 1995-08-24 | Ricoh Kk | Musteranpassungssystem für eine Spracherkennungseinrichtung |
| US5293584A (en) * | 1992-05-21 | 1994-03-08 | International Business Machines Corporation | Speech recognition system for natural language translation |
| FI97919C (fi) * | 1992-06-05 | 1997-03-10 | Nokia Mobile Phones Ltd | Puheentunnistusmenetelmä ja -järjestelmä puheella ohjattavaa puhelinta varten |
| US5832434A (en) * | 1995-05-26 | 1998-11-03 | Apple Computer, Inc. | Method and apparatus for automatic assignment of duration values for synthetic speech |
| US5825977A (en) * | 1995-09-08 | 1998-10-20 | Morin; Philippe R. | Word hypothesizer based on reliably detected phoneme similarity regions |
| US5822728A (en) * | 1995-09-08 | 1998-10-13 | Matsushita Electric Industrial Co., Ltd. | Multistage word recognizer based on reliably detected phoneme similarity regions |
| US5684925A (en) * | 1995-09-08 | 1997-11-04 | Matsushita Electric Industrial Co., Ltd. | Speech representation by feature-based word prototypes comprising phoneme targets having reliable high similarity |
| FR2769118B1 (fr) | 1997-09-29 | 1999-12-03 | Matra Communication | Procede de reconnaissance de parole |
| JP3252282B2 (ja) * | 1998-12-17 | 2002-02-04 | 松下電器産業株式会社 | シーンを検索する方法及びその装置 |
| JP3672800B2 (ja) | 2000-06-20 | 2005-07-20 | シャープ株式会社 | 音声入力通信システム |
Family Cites Families (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US4761815A (en) * | 1981-05-01 | 1988-08-02 | Figgie International, Inc. | Speech recognition system based on word state duration and/or weight |
| US4489434A (en) * | 1981-10-05 | 1984-12-18 | Exxon Corporation | Speech recognition method and apparatus |
| US4489435A (en) * | 1981-10-05 | 1984-12-18 | Exxon Corporation | Method and apparatus for continuous word string recognition |
| US4481593A (en) * | 1981-10-05 | 1984-11-06 | Exxon Corporation | Continuous speech recognition |
| JPS58100195A (ja) * | 1981-12-10 | 1983-06-14 | 日本電気株式会社 | 連続音声認識装置 |
| US4587670A (en) * | 1982-10-15 | 1986-05-06 | At&T Bell Laboratories | Hidden Markov model speech recognition arrangement |
| US4723290A (en) * | 1983-05-16 | 1988-02-02 | Kabushiki Kaisha Toshiba | Speech recognition apparatus |
| US4718092A (en) * | 1984-03-27 | 1988-01-05 | Exxon Research And Engineering Company | Speech recognition activation and deactivation method |
| US4713777A (en) * | 1984-05-27 | 1987-12-15 | Exxon Research And Engineering Company | Speech recognition method having noise immunity |
| US4718094A (en) * | 1984-11-19 | 1988-01-05 | International Business Machines Corp. | Speech recognition system |
| JPH0632012B2 (ja) | 1985-03-25 | 1994-04-27 | 株式会社東芝 | 音声認識装置 |
-
1985
- 1985-03-25 JP JP60059880A patent/JPH0632012B2/ja not_active Expired - Lifetime
-
1986
- 1986-03-25 DE DE8686302171T patent/DE3673857D1/de not_active Expired - Lifetime
- 1986-03-25 EP EP86302171A patent/EP0200347B1/en not_active Expired
-
1990
- 1990-06-29 US US07/546,709 patent/US4987596A/en not_active Expired - Lifetime
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2003050595A (ja) * | 2001-08-07 | 2003-02-21 | Casio Comput Co Ltd | 音声認識装置及び方法、並びにプログラム |
Also Published As
| Publication number | Publication date |
|---|---|
| JPH0632012B2 (ja) | 1994-04-27 |
| US4987596A (en) | 1991-01-22 |
| EP0200347A1 (en) | 1986-11-05 |
| EP0200347B1 (en) | 1990-09-05 |
| DE3673857D1 (de) | 1990-10-11 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108305634B (zh) | 解码方法、解码器及存储介质 | |
| US5884259A (en) | Method and apparatus for a time-synchronous tree-based search strategy | |
| EP0109190B1 (en) | Monosyllable recognition apparatus | |
| JP3337233B2 (ja) | 音声符号化方法及び装置 | |
| JPS63220298A (ja) | 音声認識における単語候補削減装置 | |
| JPH0632012B2 (ja) | 音声認識装置 | |
| RU2101782C1 (ru) | Способ распознавания слов в слитной речи и система для его реализации | |
| JPS6147999A (ja) | 音声認識装置 | |
| JPH06202689A (ja) | 音声認識方法および装置 | |
| JP2721341B2 (ja) | 音声認識方法 | |
| JPH05303391A (ja) | 音声認識装置 | |
| JPH0464077B2 (ja) | ||
| JPS60164800A (ja) | 音声認識装置 | |
| JPS62144200A (ja) | 連続音声認識装置 | |
| JPS632100A (ja) | 音声認識装置 | |
| JPH0415478B2 (ja) | ||
| JPS6335996B2 (ja) | ||
| JPH0554678B2 (ja) | ||
| JPH04260100A (ja) | 音声認識装置 | |
| JPS62160499A (ja) | 音声認識装置 | |
| JPS615300A (ja) | 学習機能付音声入力装置 | |
| JPH0449954B2 (ja) | ||
| JPS63148299A (ja) | 単語音声認識方法および装置 | |
| JPS63147198A (ja) | 単語音声検出方式 | |
| JPH03228100A (ja) | 音声認識装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| EXPY | Cancellation because of completion of term |