JPS617895A - 音声認識方法 - Google Patents
音声認識方法Info
- Publication number
- JPS617895A JPS617895A JP59129855A JP12985584A JPS617895A JP S617895 A JPS617895 A JP S617895A JP 59129855 A JP59129855 A JP 59129855A JP 12985584 A JP12985584 A JP 12985584A JP S617895 A JPS617895 A JP S617895A
- Authority
- JP
- Japan
- Prior art keywords
- likelihood
- phoneme
- dictionary
- speech
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 description 12
- 206010002953 Aphonia Diseases 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 239000011159 matrix material Substances 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 1
- 230000001755 vocal effect Effects 0.000 description 1
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】
産業上の利用分野
本発明は、入力音声と、音素表記された単語辞書を照合
して単語を認識する音声認識方法に関するものである。
して単語を認識する音声認識方法に関するものである。
従来例の構成とその問題点
従来の音声認識方法を図面とともに説明する。
図において、単語辞書は認識すべき全単語を音素で表記
したものであり、例えばサッポロ、トーキヨー、フクオ
カ、タカオカは５ＡＱＰＯＲＯ，ＴＯＯＫＪＯＯ，ＨＵ
ＫＵＯＫＡ、ＴＡＫＡＯＫＡ等と表記されている。音素
の標準パタンは、各音素の各種パラメータにおける分布
を、各音素毎の平均値。
したものであり、例えばサッポロ、トーキヨー、フクオ
カ、タカオカは５ＡＱＰＯＲＯ，ＴＯＯＫＪＯＯ，ＨＵ
ＫＵＯＫＡ、ＴＡＫＡＯＫＡ等と表記されている。音素
の標準パタンは、各音素の各種パラメータにおける分布
を、各音素毎の平均値。
及び各種パラメータ間の共分散行列の形で表わしたもの
であり、予め予備実験等によシ作成しておく。
であり、予め予備実験等によシ作成しておく。
次に、上記従来例の動作について説明する。入力音声を
１０ｍ５のフレーム毎に分析し、パラメータを抽出して
パラメータ時系列を作成する。フレーム毎に、得られた
パラメータと音素標準パタンを照合し、そのパラメータ
の値が各音素から生成される確率密度を算出する。ここ
で確率密度の計算は以下の（１）式による。１つのフレ
ームにおけるＮ個のパラメータＣ１，Ｃ２，・・・ＣＮ
をベクトルＣで表わす。ある音素Ｘのそれらパラメータ
における平均値をμゆ、共分散行列をΣ、と表わすと、
Ｘに対するＣの確率密度φｘ（Ｑは、 （Ｃ−μｘ）） ・・・・・・（１）で表わさｉす
る。ここで分布形はガウス分布を仮定している。なお、
確率密度は通常の距離の概念とは大小関係が逆になるが
、本従来例において、確率密度を距離尺度としている。
１０ｍ５のフレーム毎に分析し、パラメータを抽出して
パラメータ時系列を作成する。フレーム毎に、得られた
パラメータと音素標準パタンを照合し、そのパラメータ
の値が各音素から生成される確率密度を算出する。ここ
で確率密度の計算は以下の（１）式による。１つのフレ
ームにおけるＮ個のパラメータＣ１，Ｃ２，・・・ＣＮ
をベクトルＣで表わす。ある音素Ｘのそれらパラメータ
における平均値をμゆ、共分散行列をΣ、と表わすと、
Ｘに対するＣの確率密度φｘ（Ｑは、 （Ｃ−μｘ）） ・・・・・・（１）で表わさｉす
る。ここで分布形はガウス分布を仮定している。なお、
確率密度は通常の距離の概念とは大小関係が逆になるが
、本従来例において、確率密度を距離尺度としている。
次に各辞書項目毎に類似度を求めるのであるが、この類
似度計算時にその辞書項目を構成する辞書音素系列に従
って音素のセグメンテーションを行ない、下記（２）式
に従いその音素と、その音素に対応シてセグメンテーシ
ョンされた区間の尤度りを計算し、その辞書項目におけ
る各音素の尤度２の平均として類似度を求める。この類
似度が最大となる辞書項目をもって、認識単語とする。
似度計算時にその辞書項目を構成する辞書音素系列に従
って音素のセグメンテーションを行ない、下記（２）式
に従いその音素と、その音素に対応シてセグメンテーシ
ョンされた区間の尤度りを計算し、その辞書項目におけ
る各音素の尤度２の平均として類似度を求める。この類
似度が最大となる辞書項目をもって、認識単語とする。
ここで、前記尤度−〇はその音素をＸとし、Ｘに対応し
てセグメンテーションされた区間の始端と終端のフレー
ム猶をＮｓ、Ｎｅとし、第ルフンームにおける各パラメ
ータの値をＣｎとすると、 として計算する。ここで確率密度φは（１）式により求
められる。まだ、（２）式の確率密度の割り算における
分母のザメンションの範囲は、音素Ｘが何であるかによ
り異なり、例えばＸが母音Ａ（７）の時は、乙の範囲は
５母音、Ａ、Ｅ、Ｉ、Ｏ，Ｕとしている。
てセグメンテーションされた区間の始端と終端のフレー
ム猶をＮｓ、Ｎｅとし、第ルフンームにおける各パラメ
ータの値をＣｎとすると、 として計算する。ここで確率密度φは（１）式により求
められる。まだ、（２）式の確率密度の割り算における
分母のザメンションの範囲は、音素Ｘが何であるかによ
り異なり、例えばＸが母音Ａ（７）の時は、乙の範囲は
５母音、Ａ、Ｅ、Ｉ、Ｏ，Ｕとしている。
しかしながら、上記従来例においては下記のような欠点
があった。図に示す例を用いて説明する。
があった。図に示す例を用いて説明する。
入力単語がＩ（ＵＫＵＯＫＡである時、ＨＵＫのＵはし
ばしば無声化する。無声化した［Ｊの音声の性質は通常
のＵとは著しく性質が異なシ、Ｕの標準・くタンに対す
る（１）式で計算された確率密度は著しく低く、また、
Ｕ以外の母音の標準パタンに対する確率密度も著しく低
くなり、それらの値の相対的大小関係は不安定なものと
なる。この入力例において、Ａの標準パタンに対する確
率密度が、絶対値は低いながら、相対的にはＵ及び他の
母音より明らかに大きな値となった。このため、このＨ
ＵＫ Ｕ Ｏｉ（Ａの入力と辞書項目ＴＡＫＡＯＫＡ
の類似度を求めた時、１） Ａ ＫのＡにおいて（２）
式で求めた尤度は、辞書項目ＨｔＪ Ｋ Ｕ ＯＫ Ａ
の］−１Ｕ ＫのＴＪにおいて求めた尤度よりもはるか
に大きい値とな−うだ。
ばしば無声化する。無声化した［Ｊの音声の性質は通常
のＵとは著しく性質が異なシ、Ｕの標準・くタンに対す
る（１）式で計算された確率密度は著しく低く、また、
Ｕ以外の母音の標準パタンに対する確率密度も著しく低
くなり、それらの値の相対的大小関係は不安定なものと
なる。この入力例において、Ａの標準パタンに対する確
率密度が、絶対値は低いながら、相対的にはＵ及び他の
母音より明らかに大きな値となった。このため、このＨ
ＵＫ Ｕ Ｏｉ（Ａの入力と辞書項目ＴＡＫＡＯＫＡ
の類似度を求めた時、１） Ａ ＫのＡにおいて（２）
式で求めた尤度は、辞書項目ＨｔＪ Ｋ Ｕ ＯＫ Ａ
の］−１Ｕ ＫのＴＪにおいて求めた尤度よりもはるか
に大きい値とな−うだ。
また、この入力例において辞書項目Ｔ、（ＴＪ Ｋ Ｕ
ＯＫＡとＴＡ’ＫＡＯＫＡにおける各音素毎の尤度を
見ると語頭のＨと’］’、ＫＵＯのＵとＫ Ａ ＯのＡ
における（２）式による尤度の差は小さかったため、結
局Ｔ ＡＫ Ａ、 ＯＫ ＡのＴ Ａ ＫのＡの尤度が
大きいことが原因となって’Ｉ’ＡＫＡＯＫＡの方がＩ
（Ｕ Ｋ Ｕ ＯＫ Ａよりも類似度が大きくなり、単
語認識結果はＴＡＫＡＯＫ八に誤った。なお、この時辞
書項目１−Ｉ Ｕ Ｋ Ｕ ＯＫ Ａにおける類似度計
算において、ｌ−Ｉ Ｕ ＫのＵが無声化しやすいこと
に対応し、とのＨＵ Ｋに対してはＵが無声化した場合
の尤度計算ルールを適用し３； 妥当な尤度の値を得て
いるが、Ｔ Ａ Ｋ Ａ、 ＯＫ ＡのＡが（２）式に
より大きい尤度を得たため、無声化母音用のルールによ
っても正しい認識結果は得られなかった。
ＯＫＡとＴＡ’ＫＡＯＫＡにおける各音素毎の尤度を
見ると語頭のＨと’］’、ＫＵＯのＵとＫ Ａ ＯのＡ
における（２）式による尤度の差は小さかったため、結
局Ｔ ＡＫ Ａ、 ＯＫ ＡのＴ Ａ ＫのＡの尤度が
大きいことが原因となって’Ｉ’ＡＫＡＯＫＡの方がＩ
（Ｕ Ｋ Ｕ ＯＫ Ａよりも類似度が大きくなり、単
語認識結果はＴＡＫＡＯＫ八に誤った。なお、この時辞
書項目１−Ｉ Ｕ Ｋ Ｕ ＯＫ Ａにおける類似度計
算において、ｌ−Ｉ Ｕ ＫのＵが無声化しやすいこと
に対応し、とのＨＵ Ｋに対してはＵが無声化した場合
の尤度計算ルールを適用し３； 妥当な尤度の値を得て
いるが、Ｔ Ａ Ｋ Ａ、 ＯＫ ＡのＡが（２）式に
より大きい尤度を得たため、無声化母音用のルールによ
っても正しい認識結果は得られなかった。
発明の目的
本発明は、上記従来例の欠点を除去するものであり、類
似度計算の精度を向上きせ、それにより単語認識率を向
上させることを目的とする。
似度計算の精度を向上きせ、それにより単語認識率を向
上させることを目的とする。
発明の構成
本発明は、上記目的を達成するために、辞書音素系列に
おける母音等、鳴声の音素の尤度計算時に、先ず標準パ
タンとの距離尺度に基づく尤度を計算し、その音素に対
応してセグメンテーションされた音声の区間中に無音性
または無声性を示す部分がある時に前記尤度を減じ、そ
れによシ辞書の音素に対しての音素の性質と著しく異な
る入力音声の区間が対応した時に高い尤度が算出される
゛ことを防ぎ、類似度計算の精度を向上させる
効果を持つものである。
おける母音等、鳴声の音素の尤度計算時に、先ず標準パ
タンとの距離尺度に基づく尤度を計算し、その音素に対
応してセグメンテーションされた音声の区間中に無音性
または無声性を示す部分がある時に前記尤度を減じ、そ
れによシ辞書の音素に対しての音素の性質と著しく異な
る入力音声の区間が対応した時に高い尤度が算出される
゛ことを防ぎ、類似度計算の精度を向上させる
効果を持つものである。
実施例の説明
本実施例の基本構成は、前記従来例と同様である。また
、単語辞書、音素の標準パタンも前記従来例と同様であ
る。
、単語辞書、音素の標準パタンも前記従来例と同様であ
る。
次に、本実施例の動作について説明する。本実施例の前
記従来例と異なる所は、母音の尤度計算法であり、他の
部分は同様であるので、母音の尤度計算法について述べ
る。入力音声を辞書音素系列に従って、セグメンテーシ
ョンｊ７、先ず従来例の動作と同様に（１）式、（２）
式により尤度ｐを計算する。次に、ここで母音の尤度計
算の場合にはその母音ニ対応し７てセグメンテーション
された区間、つまり（２）式におけるフレームｌ’４Ｎ
ｓからＮｅ迄の間に無声性または無音性を示すフレーム
があるかどうか検定し、あった場合には（２）式で求め
た尤度ｐの値を減じ、この減じた後の尤度の値を類似度
清算に用いる。本実施例において、無声性、無音性の検
定は、予め定められた無声性、無音性の条件を、検定す
べきフレームが満たすかどうかで行なう。これら条件は
、スレツシヨルドの異なる複数の条件を設け、厳しい条
件を満たす場合程、尤度の減点を大きくしている。
記従来例と異なる所は、母音の尤度計算法であり、他の
部分は同様であるので、母音の尤度計算法について述べ
る。入力音声を辞書音素系列に従って、セグメンテーシ
ョンｊ７、先ず従来例の動作と同様に（１）式、（２）
式により尤度ｐを計算する。次に、ここで母音の尤度計
算の場合にはその母音ニ対応し７てセグメンテーション
された区間、つまり（２）式におけるフレームｌ’４Ｎ
ｓからＮｅ迄の間に無声性または無音性を示すフレーム
があるかどうか検定し、あった場合には（２）式で求め
た尤度ｐの値を減じ、この減じた後の尤度の値を類似度
清算に用いる。本実施例において、無声性、無音性の検
定は、予め定められた無声性、無音性の条件を、検定す
べきフレームが満たすかどうかで行なう。これら条件は
、スレツシヨルドの異なる複数の条件を設け、厳しい条
件を満たす場合程、尤度の減点を大きくしている。
本実施例の効果の例を述べる。前記従来例と同じ図に示
す、入力単語ＨＵＫＵＯＫＡの場合を述べる。この入力
例において、辞書項目ＴＡＫＡＯＫＡのＴＡＫのＡにお
ける尤度は、（２）式の段階では前記従来例と同様、高
い値となる。しかし、この人力ＨＵ Ｋ Ｕ ＯＫ Ａ
のＨＵ ＫのＵは無声化しているため、本実施例の場合
、光度の減点が働きその結果、単語の類似度も低くなる
。一方、辞書項目ＨＵＫＵ ＯＫ ＡのＨＵ ＫのＵに
おける尤度は、ＴＡＫＡＯＫ Ａのへの場合と同様な方
法で求めた尤度は同様に低くなる。しかし、本実施例に
おいて前記従来例と同様に、ＨＵＫの［Ｊが無声化した
場合に対応した尤度計算ルールを適用するだめ、このル
ールにより得られだ尤度は、前記従来例と変わらない。
す、入力単語ＨＵＫＵＯＫＡの場合を述べる。この入力
例において、辞書項目ＴＡＫＡＯＫＡのＴＡＫのＡにお
ける尤度は、（２）式の段階では前記従来例と同様、高
い値となる。しかし、この人力ＨＵ Ｋ Ｕ ＯＫ Ａ
のＨＵ ＫのＵは無声化しているため、本実施例の場合
、光度の減点が働きその結果、単語の類似度も低くなる
。一方、辞書項目ＨＵＫＵ ＯＫ ＡのＨＵ ＫのＵに
おける尤度は、ＴＡＫＡＯＫ Ａのへの場合と同様な方
法で求めた尤度は同様に低くなる。しかし、本実施例に
おいて前記従来例と同様に、ＨＵＫの［Ｊが無声化した
場合に対応した尤度計算ルールを適用するだめ、このル
ールにより得られだ尤度は、前記従来例と変わらない。
よって、本人力例において、トｒ Ｕ Ｋ、 Ｕ ＯＫ
Ａにおける類似度は前記従来例の場合と比べ変わらな
い。
Ａにおける類似度は前記従来例の場合と比べ変わらな
い。
また、Ｔ Ａ Ｋ Ａ ＯＫ、 Ａに対してはこの無声
化母音用の尤度計算ルールは適用されない。この結果、
ＨＵＫＵＯＫＡの入力は、正しくＨＵＫＵＯＫＡと認識
された。
化母音用の尤度計算ルールは適用されない。この結果、
ＨＵＫＵＯＫＡの入力は、正しくＨＵＫＵＯＫＡと認識
された。
本実施例においては、母音の尤度計算時にその母音に対
応してセグメンテーションされた音声の区間に無声性、
無音性を示す部分が存在する時に尤度の値を減じて、た
とえ確率密度の相対値が大きくても、音声の性質が本来
その母音が持つべき性質と異なる時には高い尤度となら
ないようにできる利点がある。
応してセグメンテーションされた音声の区間に無声性、
無音性を示す部分が存在する時に尤度の値を減じて、た
とえ確率密度の相対値が大きくても、音声の性質が本来
その母音が持つべき性質と異なる時には高い尤度となら
ないようにできる利点がある。
なお、本実施例では音素の近さ、確からしさを示す尺度
を用いているが、計算上、遠大の尺度を用いても値の大
小関係が反転するだけで同じことである。
を用いているが、計算上、遠大の尺度を用いても値の大
小関係が反転するだけで同じことである。
発明の効果
本発明は、上記のような構成であシ、母音等の有声音の
尤度計算時に、単に標準パタンとの距離尺度だけでなく
、無声性、無音性による尤度の減点を行なうことにより
、類似′度計算の精度を向上させ、高い単語認識率を得
ることができる。
尤度計算時に、単に標準パタンとの距離尺度だけでなく
、無声性、無音性による尤度の減点を行なうことにより
、類似′度計算の精度を向上させ、高い単語認識率を得
ることができる。
図は従来例および本発明の一実施例における音声認識方
法を示す図である。
法を示す図である。
Claims (1)
- 認識すべき単語を音素で表記した単語辞書と、各音素の
標準パタンを有し、入力音声を単語辞書の各辞書項目と
照合し、各辞書項目を構成する辞書音素系列に従い、各
１音素毎に入力音声をセグメンテーションし、そのセグ
メンテーションされた音声の区間がその音素を発声した
ものである確からしさを示す尺度である尤度を計算し、
この尤度の値を用いて各辞書項目と入力音声の類似度を
求めて入力単語を認識するにあたり、母音等の有声音の
尤度計算時に、その音素に対応してセグメンテーション
された音声の区間と、その音素の標準パタンとの距離を
計算して距離に基づく尤度を計算し、一方その音声の区
間中に無音性または無声性を示す部分があるかどうか検
定し、あれば前記尤度を減ずることを特徴とする音声認
識方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP59129855A JPS617895A (ja) | 1984-06-22 | 1984-06-22 | 音声認識方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP59129855A JPS617895A (ja) | 1984-06-22 | 1984-06-22 | 音声認識方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JPS617895A true JPS617895A (ja) | 1986-01-14 |
Family
ID=15019925
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP59129855A Pending JPS617895A (ja) | 1984-06-22 | 1984-06-22 | 音声認識方法 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPS617895A (ja) |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS6041095A (ja) * | 1983-08-16 | 1985-03-04 | 株式会社リコー | 音声認識装置 |
-
1984
- 1984-06-22 JP JP59129855A patent/JPS617895A/ja active Pending
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS6041095A (ja) * | 1983-08-16 | 1985-03-04 | 株式会社リコー | 音声認識装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP3114468B2 (ja) | 音声認識方法 | |
| US5907826A (en) | Speaker-independent speech recognition using vowel/consonant segmentation based on pitch intensity values | |
| JP2003514260A (ja) | スピーチ認識のための音調特徴 | |
| JPS62232691A (ja) | 音声認識装置 | |
| WO2018173270A1 (ja) | 音声認識装置および音声認識方法 | |
| JP2006171750A (ja) | 音声認識のための特徴ベクトル抽出方法 | |
| JPS617895A (ja) | 音声認識方法 | |
| JP2004133477A (ja) | 音声認識方法、音声認識方法のためのコンピュータプログラム、及びそのコンピュータプログラムが記録された記憶媒体 | |
| JPS60114900A (ja) | 有音・無音判定法 | |
| JP4677548B2 (ja) | パラ言語情報検出装置及びコンピュータプログラム | |
| JP3605011B2 (ja) | 音声認識方法 | |
| JPS63161499A (ja) | 音声認識装置 | |
| JP2534244B2 (ja) | 標準パタ―ン作成方法 | |
| Takahashi et al. | Isolated word recognition using pitch pattern information | |
| JPH0413719B2 (ja) | ||
| JPS60147799A (ja) | 音声認識方法 | |
| JPH0155476B2 (ja) | ||
| JPS60149095A (ja) | 単語音声認識方法 | |
| JPH0635494A (ja) | 音声認識装置 | |
| JPH0431116B2 (ja) | ||
| JPH0289098A (ja) | 音節パターン切り出し装置 | |
| JPH0333280B2 (ja) | ||
| JPH0431118B2 (ja) | ||
| JPS617894A (ja) | 音声認識方法 | |
| JPS6033599A (ja) | 音声認識装置 |