JPS6266300A - 音声認識方法及びその装置 - Google Patents
音声認識方法及びその装置Info
- Publication number
- JPS6266300A JPS6266300A JP60207131A JP20713185A JPS6266300A JP S6266300 A JPS6266300 A JP S6266300A JP 60207131 A JP60207131 A JP 60207131A JP 20713185 A JP20713185 A JP 20713185A JP S6266300 A JPS6266300 A JP S6266300A
- Authority
- JP
- Japan
- Prior art keywords
- pattern
- similarity
- speech
- degree
- power
- 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
Landscapes
- Image Analysis (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
扱批氷乱
本発明は、音声認識方式に関する。
丈來技！
音声を２値化処理して特徴パターンを求め、この２値化
処理して求めた入カバターンと辞書パターンを線形マツ
チングして認識する所１１ＢＴｓＰ（Ｂｉｎａｒｙ Ｔ
ｉｍｅ−３ｐｅｃｔｒｕｍ Ｐａｔｔｅｒｎ）方式によ
る音声認識は本出願人において既に種々提案されている
。 しかし、このＢＴＳＰ方式では音声を２値処理するため
に音声の大きさを表わすエネルギーやパワーの情報が失
われ誤認識となることがある。例えば、子音部が急速に
立ち上る破裂音である／Ｐ／と比較的緩かに立ち上る／
に／の差が区別しにくい。そこで音声のパワー情報を通
常の方法で２値化して２値のＴＳＰ（ＢＴＳＰ）パター
ンと共に保持しておくことが考えられるが、この場合、
ＢＴＳＰとパワ一部の演算方式が異なるため、パワ一部
の類似性を求める専用の演算部が必要となり、装置が複
雑化し折角のＢＴＳＰ方式の高速演算性が失われてしま
うことになる。 目 的 本発明は、上述のごとき実情に鑑みてなされたもので、
特に、２値化パターンによる認識システムに音声のエネ
ルギー又はパワー情報を加えながらも高精度、高速認識
の可能な認識方式を提供することを目的としてなされた
ものである。 構成 本発明は、上記目的を達成するため、音声の特徴量を抽
出して、標準パターンとして保持しておき、未知入力音
声の音声パターンと照合することによって認識結果を決
定する音声認識方式において、音声のエネルギー又はパ
ワー形状を示す位置又はその近傍をそれ以外の部分と異
なる符号によって２値化して音声パターンを作り、同様
の手順によって作った一つ以上のパターンを重ね合わせ
て加算したものを標準パターンとし、未知入力音声も同
様に２値化し、標準パターンと重ね合わせて類似性を判
別し、最大類似の標準パターンを認識結果とすることを
特徴としたものである。以下、本発明の実施例に基づい
て説明する。 第１図は１本発明の一実施例を説明するための電気的ブ
ロック線図で２図中、１はマイク、２はパワー検出部、
３は音声区間検出部、４は２値化部、５はレジスタ、６
は加算部、７は標準パターン、８は重ね合わせ部、９は
類似度判定部、１０は認識結果出力部で、まず、マイク
１から入った音声のパワー検出し、音声区間を求め、音
声区間に関する部分だけパワーを２値化する。パワー検
出は例えば音声波形の振幅の包絡を検波するなどして求
めれば良いし、音声区間の検出はパワー検出部２で求め
たパワーが一定値以上である部分として求められる。又
、２値化部は第２図（Ａ）に示すパワー信号から（Ｂ）
に示す２値化情報の如く、音声パワーの形状が示される
部分を「１」、他を「０」で表わす方法で良い。この例
ではパワーの大きさを５段階に量子化しており（Ｂ）か
ら（Ａ）の波形を連想することは容易である。標準パタ
ーン作成時にはスイッチＳを
処理して求めた入カバターンと辞書パターンを線形マツ
チングして認識する所１１ＢＴｓＰ（Ｂｉｎａｒｙ Ｔ
ｉｍｅ−３ｐｅｃｔｒｕｍ Ｐａｔｔｅｒｎ）方式によ
る音声認識は本出願人において既に種々提案されている
。 しかし、このＢＴＳＰ方式では音声を２値処理するため
に音声の大きさを表わすエネルギーやパワーの情報が失
われ誤認識となることがある。例えば、子音部が急速に
立ち上る破裂音である／Ｐ／と比較的緩かに立ち上る／
に／の差が区別しにくい。そこで音声のパワー情報を通
常の方法で２値化して２値のＴＳＰ（ＢＴＳＰ）パター
ンと共に保持しておくことが考えられるが、この場合、
ＢＴＳＰとパワ一部の演算方式が異なるため、パワ一部
の類似性を求める専用の演算部が必要となり、装置が複
雑化し折角のＢＴＳＰ方式の高速演算性が失われてしま
うことになる。 目 的 本発明は、上述のごとき実情に鑑みてなされたもので、
特に、２値化パターンによる認識システムに音声のエネ
ルギー又はパワー情報を加えながらも高精度、高速認識
の可能な認識方式を提供することを目的としてなされた
ものである。 構成 本発明は、上記目的を達成するため、音声の特徴量を抽
出して、標準パターンとして保持しておき、未知入力音
声の音声パターンと照合することによって認識結果を決
定する音声認識方式において、音声のエネルギー又はパ
ワー形状を示す位置又はその近傍をそれ以外の部分と異
なる符号によって２値化して音声パターンを作り、同様
の手順によって作った一つ以上のパターンを重ね合わせ
て加算したものを標準パターンとし、未知入力音声も同
様に２値化し、標準パターンと重ね合わせて類似性を判
別し、最大類似の標準パターンを認識結果とすることを
特徴としたものである。以下、本発明の実施例に基づい
て説明する。 第１図は１本発明の一実施例を説明するための電気的ブ
ロック線図で２図中、１はマイク、２はパワー検出部、
３は音声区間検出部、４は２値化部、５はレジスタ、６
は加算部、７は標準パターン、８は重ね合わせ部、９は
類似度判定部、１０は認識結果出力部で、まず、マイク
１から入った音声のパワー検出し、音声区間を求め、音
声区間に関する部分だけパワーを２値化する。パワー検
出は例えば音声波形の振幅の包絡を検波するなどして求
めれば良いし、音声区間の検出はパワー検出部２で求め
たパワーが一定値以上である部分として求められる。又
、２値化部は第２図（Ａ）に示すパワー信号から（Ｂ）
に示す２値化情報の如く、音声パワーの形状が示される
部分を「１」、他を「０」で表わす方法で良い。この例
ではパワーの大きさを５段階に量子化しており（Ｂ）か
ら（Ａ）の波形を連想することは容易である。標準パタ
ーン作成時にはスイッチＳを
【標】側に倒し、一つの音
声例えば／ Ｐ ａ ／を３回発声する。まず、１回目
発声パターンをレジスタ５に入れ、２回目のパターンと
重ね合わせ加算し、再びレジスタ５に入れる。次いで、
３回目のパターンとレジスタ５の内容が加算されて標準
パターンとして登録される。つまり第２図の（Ｂ）、（
Ｃ）、（Ｄ）のパターンの加算により標準パターン（Ｅ
）が作成されることになり、登録すべき各音声について
これをくり返した後認識に入る。認識の場合、未知の音
声がマイク１から入力され、標準パターン作成時と同じ
過程を経て２値化されたパターンが先に作られたいくつ
かの標準パターンと照合される。 照合は２値化されたパターンと標準パターンの一つが重
ね合わされて類似度を計算することになる。 この時の２値化された未知音声パターンは第２図（Ｂ）
と同じ形をしており、両者が類似の波形なら標準パター
ン（Ｅ）と重ね合わせることによって（Ｂ）のパターン
の「１」のエレメントは（Ｅ）の大きな値を示すエレメ
ントに重なることになる。 そこで類似度として両者の重ね合わせによって対応づい
たエレメント同士の積をとりそれらの和として定義して
も良い。こうして登録されている全ての標準パターンと
未知のパターンの類似度を求め、最大の類似度を得たも
のを認識結果として出力する。これによって２値化処理
した中にパワー情報を加えて類似度の計算ができるよう
になった。 しかし、パワーの情報だけによって音声を認識すること
は難しい。 第３図は、上記欠点を解消した他の実施例を示す電気的
ブロック線図で、この実施例は、前記実施例で作成した
パターンと他の特徴量により作成したパターンを合わせ
て用い、両方のパターン間で類似度を求め、一方の類似
度を他方の類似度に作用させて最終的な類似度を求める
ようにしたもので、ここでは、併用する他の方法として
従来技術として説明した２値のＴＳＰを用いる方法を選
んだ。これは２値のＴＳＰパワーパターンと共に２値化
処理されたもので、同じ演算が可能であるからであるが
勿論これ以外の方式と併用しても差し支えない、第３図
においては、音声区間検出部３で音声区間が切り出され
た後、パワー検出部２でパワー検出がなされ、一方では
同じ信号を特徴量変換部１１にて特徴量変換を行なう、
特徴量は。 この実施例では、スペクトルが適している。パワーとス
ペクトルの形状を２値化部４で２値化する。この２値化
パターンではスペクトルパターンとパワーパターンを結
合して一つのパターンとする方が後の演算が容易である
。２値化部４でのパターンの例は第４図の如くなり、通
常のＢＴＳＰがＦ、第２図（Ｂ）のパターンに相当する
のがＧである。これを第１図の例と同じ手順で類似度計
算して結果を引き出せば良い。この場合、類似度判定部
９ではパターンの大きさが大きくなったと考えれば手順
は何ら変る部分がなく、両者のパターンの和の類似度に
より結果を求めることになる。 これにより、第１図の例に比べ精度は最終的に向上する
。この場合、パワーかスペクトルのどちらかのパターン
にウェイトを置いて他を補助的手段として用いることが
できる。 第５図は、上述のごとき観点に立ってなされた実施例を
説明するための電気的ブロック線図で、この実施例によ
ると類似度を求める際、一方の類似度が特定の条件を満
たす或いは満たさない時のみ、他方の類似度も計算して
認識結果を決定することができる。この実施例は、第３
図に示した実施例と同様にスペクトルとパワーを結合し
た第４図の如きパターンを作り、これを何回か重ねて登
録しておく。認識時には２値化部４でできた未知入力パ
ワーのパワ一部とパワーパターン照合部１２で照合して
類似性をみる。この類似性が大きく違っているものはス
ペクトル部の類似度を計算しないと判断部１３で判断し
、次の標準パターンとの照合に移る。もし判断部１３で
スペクトルパターンの類似度計算をすると判断されたも
のは第３図と同様にパターン間の類似度を求めることに
なる。この場合の類似度はパワ一部を含めて計算しても
含めずに計算しても良い。ここでの例はパターン全体の
パワーの比較になっているが、これは一つの音声パター
ン全体でなくパターン中のフレーム毎に行なっても良い
ことは勿論である。 肱−一来 以上の説明から明らかなように、本発明によると２値化
されたスペクトルパターンにもパワー情報が添加され音
声認識の精度を向上させることができる。
声例えば／ Ｐ ａ ／を３回発声する。まず、１回目
発声パターンをレジスタ５に入れ、２回目のパターンと
重ね合わせ加算し、再びレジスタ５に入れる。次いで、
３回目のパターンとレジスタ５の内容が加算されて標準
パターンとして登録される。つまり第２図の（Ｂ）、（
Ｃ）、（Ｄ）のパターンの加算により標準パターン（Ｅ
）が作成されることになり、登録すべき各音声について
これをくり返した後認識に入る。認識の場合、未知の音
声がマイク１から入力され、標準パターン作成時と同じ
過程を経て２値化されたパターンが先に作られたいくつ
かの標準パターンと照合される。 照合は２値化されたパターンと標準パターンの一つが重
ね合わされて類似度を計算することになる。 この時の２値化された未知音声パターンは第２図（Ｂ）
と同じ形をしており、両者が類似の波形なら標準パター
ン（Ｅ）と重ね合わせることによって（Ｂ）のパターン
の「１」のエレメントは（Ｅ）の大きな値を示すエレメ
ントに重なることになる。 そこで類似度として両者の重ね合わせによって対応づい
たエレメント同士の積をとりそれらの和として定義して
も良い。こうして登録されている全ての標準パターンと
未知のパターンの類似度を求め、最大の類似度を得たも
のを認識結果として出力する。これによって２値化処理
した中にパワー情報を加えて類似度の計算ができるよう
になった。 しかし、パワーの情報だけによって音声を認識すること
は難しい。 第３図は、上記欠点を解消した他の実施例を示す電気的
ブロック線図で、この実施例は、前記実施例で作成した
パターンと他の特徴量により作成したパターンを合わせ
て用い、両方のパターン間で類似度を求め、一方の類似
度を他方の類似度に作用させて最終的な類似度を求める
ようにしたもので、ここでは、併用する他の方法として
従来技術として説明した２値のＴＳＰを用いる方法を選
んだ。これは２値のＴＳＰパワーパターンと共に２値化
処理されたもので、同じ演算が可能であるからであるが
勿論これ以外の方式と併用しても差し支えない、第３図
においては、音声区間検出部３で音声区間が切り出され
た後、パワー検出部２でパワー検出がなされ、一方では
同じ信号を特徴量変換部１１にて特徴量変換を行なう、
特徴量は。 この実施例では、スペクトルが適している。パワーとス
ペクトルの形状を２値化部４で２値化する。この２値化
パターンではスペクトルパターンとパワーパターンを結
合して一つのパターンとする方が後の演算が容易である
。２値化部４でのパターンの例は第４図の如くなり、通
常のＢＴＳＰがＦ、第２図（Ｂ）のパターンに相当する
のがＧである。これを第１図の例と同じ手順で類似度計
算して結果を引き出せば良い。この場合、類似度判定部
９ではパターンの大きさが大きくなったと考えれば手順
は何ら変る部分がなく、両者のパターンの和の類似度に
より結果を求めることになる。 これにより、第１図の例に比べ精度は最終的に向上する
。この場合、パワーかスペクトルのどちらかのパターン
にウェイトを置いて他を補助的手段として用いることが
できる。 第５図は、上述のごとき観点に立ってなされた実施例を
説明するための電気的ブロック線図で、この実施例によ
ると類似度を求める際、一方の類似度が特定の条件を満
たす或いは満たさない時のみ、他方の類似度も計算して
認識結果を決定することができる。この実施例は、第３
図に示した実施例と同様にスペクトルとパワーを結合し
た第４図の如きパターンを作り、これを何回か重ねて登
録しておく。認識時には２値化部４でできた未知入力パ
ワーのパワ一部とパワーパターン照合部１２で照合して
類似性をみる。この類似性が大きく違っているものはス
ペクトル部の類似度を計算しないと判断部１３で判断し
、次の標準パターンとの照合に移る。もし判断部１３で
スペクトルパターンの類似度計算をすると判断されたも
のは第３図と同様にパターン間の類似度を求めることに
なる。この場合の類似度はパワ一部を含めて計算しても
含めずに計算しても良い。ここでの例はパターン全体の
パワーの比較になっているが、これは一つの音声パター
ン全体でなくパターン中のフレーム毎に行なっても良い
ことは勿論である。 肱−一来 以上の説明から明らかなように、本発明によると２値化
されたスペクトルパターンにもパワー情報が添加され音
声認識の精度を向上させることができる。
第１図は１本発明の一実施例を説明するための電気的ブ
ロック線図、第２図は、本発明の動作説明をするための
２値化パターンを示す図、第３図は、本発明の他の実施
例を説明するための電気的ブロック線図、第４図は、２
値化パターンの例を示す図、第５図は、本発明の他の実
施例を示す電気的ブロック線図である。 １・・・マイク、２・・・パワー検出部、３・・・音声
区間検出部、４・・・２値化部、５・・・レジスタ、６
・・・加算部、７・・・標準パターン、８・・・重ね合
わせ部、９・・・類似度判定部、１ｏ・・・認識結果出
力部、１１・・・特徴量変換部、１２・・・パワーパタ
ーン照合部、１３・・・判断部。 特許出願人 株式会社 リコー 第 １ 図 第３図 第４図 Ｆ Ｇ
ロック線図、第２図は、本発明の動作説明をするための
２値化パターンを示す図、第３図は、本発明の他の実施
例を説明するための電気的ブロック線図、第４図は、２
値化パターンの例を示す図、第５図は、本発明の他の実
施例を示す電気的ブロック線図である。 １・・・マイク、２・・・パワー検出部、３・・・音声
区間検出部、４・・・２値化部、５・・・レジスタ、６
・・・加算部、７・・・標準パターン、８・・・重ね合
わせ部、９・・・類似度判定部、１ｏ・・・認識結果出
力部、１１・・・特徴量変換部、１２・・・パワーパタ
ーン照合部、１３・・・判断部。 特許出願人 株式会社 リコー 第 １ 図 第３図 第４図 Ｆ Ｇ
Claims (3)
- （１）、音声の特徴量を抽出して、標準パターンとして
保持しておき、未知入力音声の音声パターンと照合する
ことによつて認識結果を決定する音声認識方式において
、音声のエネルギー又はパワー形状を示す位置又はその
近傍をそれ以外の部分と異なる符号によつて２値化して
音声パターンを作り、同様の手順によつて作つた一つ以
上のパターンを重ね合わせて加算したものを標準パター
ンとし、未知入力音声も同様に２値化し、標準パターン
と重ね合わせて類似性を判別し、最大類似の標準パター
ンを認識結果とすることを特徴とする音声認識方式。 - （２）、上記パターンを他の特徴量により作成したパタ
ーンと合わせて用い、各々の種類のパターン間で類似度
を求め、一方の類似度と他方の類似度を作用させて最終
的な類似性を判別して認識結果を決定することを特徴と
する特許請求の範囲第（１）項に記載の音声認識方式。 - （３）、前記パターンを他の特徴量により作成したパタ
ーンと合わせて用い、各々の種類のパターン間で類似度
を求める際、一方の類似度が特定の条件を満たす時、又
は満たさない時のみ他方の類似度も計算して認識結果を
決定することを特徴とする特許請求の範囲第（１）項に
記載の音声認識方式。
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP60207131A JP2601448B2 (ja) | 1985-09-19 | 1985-09-19 | 音声認識方法及びその装置 |
| US06/908,681 US4827519A (en) | 1985-09-19 | 1986-09-17 | Voice recognition system using voice power patterns |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP60207131A JP2601448B2 (ja) | 1985-09-19 | 1985-09-19 | 音声認識方法及びその装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPS6266300A true JPS6266300A (ja) | 1987-03-25 |
| JP2601448B2 JP2601448B2 (ja) | 1997-04-16 |
Family
ID=16534704
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP60207131A Expired - Fee Related JP2601448B2 (ja) | 1985-09-19 | 1985-09-19 | 音声認識方法及びその装置 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP2601448B2 (ja) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH01159697A (ja) * | 1987-12-17 | 1989-06-22 | Matsushita Electric Ind Co Ltd | 音声認識装置 |
| JPH04220699A (ja) * | 1990-12-21 | 1992-08-11 | Matsushita Electric Ind Co Ltd | 音声認識方法 |
| JPH04293095A (ja) * | 1991-03-22 | 1992-10-16 | Matsushita Electric Ind Co Ltd | 音声認識方法 |
| EP2161715A2 (en) | 2008-09-03 | 2010-03-10 | Sony Corporation | Music processing method, music processing apparatus and program |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS6019199A (ja) * | 1983-07-13 | 1985-01-31 | 沖電気工業株式会社 | 音声認識方法 |
-
1985
- 1985-09-19 JP JP60207131A patent/JP2601448B2/ja not_active Expired - Fee Related
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS6019199A (ja) * | 1983-07-13 | 1985-01-31 | 沖電気工業株式会社 | 音声認識方法 |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH01159697A (ja) * | 1987-12-17 | 1989-06-22 | Matsushita Electric Ind Co Ltd | 音声認識装置 |
| JPH04220699A (ja) * | 1990-12-21 | 1992-08-11 | Matsushita Electric Ind Co Ltd | 音声認識方法 |
| JPH04293095A (ja) * | 1991-03-22 | 1992-10-16 | Matsushita Electric Ind Co Ltd | 音声認識方法 |
| EP2161715A2 (en) | 2008-09-03 | 2010-03-10 | Sony Corporation | Music processing method, music processing apparatus and program |
| JP2010060836A (ja) * | 2008-09-03 | 2010-03-18 | Sony Corp | 楽曲処理方法、楽曲処理装置、及びプログラム |
| EP2161715A3 (en) * | 2008-09-03 | 2011-03-30 | Sony Corporation | Music processing method, music processing apparatus and program |
Also Published As
| Publication number | Publication date |
|---|---|
| JP2601448B2 (ja) | 1997-04-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| GB2208022A (en) | Voice interval detection system | |
| JPS6266300A (ja) | 音声認識方法及びその装置 | |
| US4060695A (en) | Speaker identification system using peak value envelop lines of vocal waveforms | |
| WO2003010934A3 (en) | Method of and means for recognizing signal edges | |
| JPH01159697A (ja) | 音声認識装置 | |
| JP2882791B2 (ja) | パターン比較方式 | |
| JPS59121099A (ja) | 音声区間検出装置 | |
| JP2844592B2 (ja) | 離散単語音声認識装置 | |
| JPS61232499A (ja) | 音声パターン照合方法 | |
| JP3031081B2 (ja) | 音声認識装置 | |
| JPS6069699A (ja) | 音声パタ−ン作成装置 | |
| JPS6126089A (ja) | 音程検出装置 | |
| JPS6064397A (ja) | 音声認識装置 | |
| JP2892004B2 (ja) | 単語音声認識装置 | |
| JP2547541B2 (ja) | 単音節音声認識装置 | |
| JPS6364099A (ja) | 音声認識装置 | |
| JPS6048100A (ja) | 音声認識装置 | |
| JPS59125800A (ja) | 音声認識装置 | |
| JPS63128400A (ja) | パターン比較方法 | |
| JPS62115498A (ja) | 無声破裂子音識別方式 | |
| JPS62217298A (ja) | 音声認識装置 | |
| JPS6193499A (ja) | 音声パタ−ン照合方式 | |
| JPS60101598A (ja) | 音声区間検出装置 | |
| JPS60125899A (ja) | 音声認識装置 | |
| JPH05290201A (ja) | 記録票読取装置の信号処理方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| LAPS | Cancellation because of no payment of annual fees |