JPS6352200A - 音声認識装置 - Google Patents
音声認識装置Info
- Publication number
- JPS6352200A JPS6352200A JP61195386A JP19538686A JPS6352200A JP S6352200 A JPS6352200 A JP S6352200A JP 61195386 A JP61195386 A JP 61195386A JP 19538686 A JP19538686 A JP 19538686A JP S6352200 A JPS6352200 A JP S6352200A
- Authority
- JP
- Japan
- Prior art keywords
- section
- vowel
- vowels
- input
- voice
- 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
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〕
本発明は音声認識装置に係り、特に音声の言語的環境に
よる音響的特ｇＬ変動（例えば、無声化母音、鼻音化母
音、長母音、！＠音、促音等）・Ｄ個所を検出するのに
好適な音声のセグメンテーション方式に関する。
よる音響的特ｇＬ変動（例えば、無声化母音、鼻音化母
音、長母音、！＠音、促音等）・Ｄ個所を検出するのに
好適な音声のセグメンテーション方式に関する。
連続的に音節（主として子音と母音で構成されている）
を発声した音声（例えば単語２文節２文章等）は、孤立
に音節を発声した場合に比べて。
を発声した音声（例えば単語２文節２文章等）は、孤立
に音節を発声した場合に比べて。
前後の音議（母音、子音。音素とも呼ばれる）々どの言
語的な環境により音磯・固有の音響的な特徴が様々に変
化している。例としては、無声破裂音（ｐ、 ｔ、
ｋ）や無声摩擦音（Ｓ＞を子音に持つ母音ｉ、ｕの無
声化現象や鼻音（ｎ、ｍなど）を子音に持つ母音の鼻音
化現象などがある。機械による自動音声認識では、これ
らの音響的な変動現象を検出、認識することは非常に難
しい技術となっている。
語的な環境により音磯・固有の音響的な特徴が様々に変
化している。例としては、無声破裂音（ｐ、 ｔ、
ｋ）や無声摩擦音（Ｓ＞を子音に持つ母音ｉ、ｕの無
声化現象や鼻音（ｎ、ｍなど）を子音に持つ母音の鼻音
化現象などがある。機械による自動音声認識では、これ
らの音響的な変動現象を検出、認識することは非常に難
しい技術となっている。
従来の無声化等・Ｄ変動対処技術としては、α子通信学
会論文誌り、Ｊ６２−Ｄ、ノＭ１． ｐｐ、２４〜３
１ （１９７９−１’） ｒ単語音声自！ｄＪ認識に
おける言語清報の一利用法」に記載のように音素認識の
結果得られる音素系列に無声化処理規則を適用して、無
声化母音を検出するもの、日本音響学会講演、−向文果
２−７−１７（昭和５７年１０月）「音素認識を用いた
単語音声認識における無声化母音対策」に記載のように
無声化現象と起こしうるとみられる音１環境を持つ単語
をあらかじめ単語辞書上で分離表記し１人力音声の音素
系列と単語辞書との［） ｐ （Ｄｙｎａｍｉｃ ｐｒ
ｏｇｒａｍｉｎｇ 、動的計向法）マツチングで対処す
るもの１日本音響学会音声研究会資料ｓ ８５−６０
（１９８５−１２）「連続音声認識システムにおける母
音標準パターンの自動作成」に記載のように無声化等の
音響的変動を持った標準音声パターンを用意するものな
どが矧られている。
会論文誌り、Ｊ６２−Ｄ、ノＭ１． ｐｐ、２４〜３
１ （１９７９−１’） ｒ単語音声自！ｄＪ認識に
おける言語清報の一利用法」に記載のように音素認識の
結果得られる音素系列に無声化処理規則を適用して、無
声化母音を検出するもの、日本音響学会講演、−向文果
２−７−１７（昭和５７年１０月）「音素認識を用いた
単語音声認識における無声化母音対策」に記載のように
無声化現象と起こしうるとみられる音１環境を持つ単語
をあらかじめ単語辞書上で分離表記し１人力音声の音素
系列と単語辞書との［） ｐ （Ｄｙｎａｍｉｃ ｐｒ
ｏｇｒａｍｉｎｇ 、動的計向法）マツチングで対処す
るもの１日本音響学会音声研究会資料ｓ ８５−６０
（１９８５−１２）「連続音声認識システムにおける母
音標準パターンの自動作成」に記載のように無声化等の
音響的変動を持った標準音声パターンを用意するものな
どが矧られている。
上記従来技術の無声化処理規則と適用する方法と無声化
現象を表記した単語辞書とのＤＰマツチングを用いる方
法は有効な方式ではあるが、いずれも音素認識の結果得
られる音素系列を用いるので、音素認識性能に大きく依
存するものとなっていること、さらに前者は無声化処理
規則が複雑なものとなること、後者の方法は単語辞−ｊ
ｌＦを必要とするので認識語濾に性能が依存し、かつ語
貞が限定されること、無声化標準パターンを用いる方法
は無声化標準パターン決定自体が容易でないことなどの
問題があった。
現象を表記した単語辞書とのＤＰマツチングを用いる方
法は有効な方式ではあるが、いずれも音素認識の結果得
られる音素系列を用いるので、音素認識性能に大きく依
存するものとなっていること、さらに前者は無声化処理
規則が複雑なものとなること、後者の方法は単語辞−ｊ
ｌＦを必要とするので認識語濾に性能が依存し、かつ語
貞が限定されること、無声化標準パターンを用いる方法
は無声化標準パターン決定自体が容易でないことなどの
問題があった。
本発明の目的は上記従来の問題を解決して、処理が簡単
でかつ確実な方法で音声の音響的変動部を検出し、誤認
識である母音の脱落（本来入力されたのに認識結果では
現われてこない誤り）や付加（脱落とは逆であり１本来
入力されていｉい個所に不要な音節等が認識結果として
出力される誤り）を軽減した音声認識装置を提供するこ
とにある。
でかつ確実な方法で音声の音響的変動部を検出し、誤認
識である母音の脱落（本来入力されたのに認識結果では
現われてこない誤り）や付加（脱落とは逆であり１本来
入力されていｉい個所に不要な音節等が認識結果として
出力される誤り）を軽減した音声認識装置を提供するこ
とにある。
上記目的は、音声の足常部と無音部などの持続時間長や
これらの時系列上での規則から音響的な変動部（区間）
を検出することにより達成される。
これらの時系列上での規則から音響的な変動部（区間）
を検出することにより達成される。
本発明で使われる音声の定常部や無音部は比較的単純な
処理で碍らｎ、また本発明はこれらの時系列上でつ単純
な規則？用いるので他の処理への誤動作などはない。
処理で碍らｎ、また本発明はこれらの時系列上でつ単純
な規則？用いるので他の処理への誤動作などはない。
さらに本発明は無声化現象げかりでなく、鼻音化現夫、
長母音現象（例えば音声１０ｎｓｅｉ／の／ｅｌ／が／
ｅｅ／となること）、そして認識の難しい撥音（／ん／
、音声１０ｇ５ｅｉ／や促音（／）／。
長母音現象（例えば音声１０ｎｓｅｉ／の／ｅｌ／が／
ｅｅ／となること）、そして認識の難しい撥音（／ん／
、音声１０ｇ５ｅｉ／や促音（／）／。
学校／ ｇａｋｋｏｕ ／ ）の区間等を検出する方式
としても有効である。
としても有効である。
以ド１本発明の一実施例を第１図により説明する。第１
図は本発明と用いた音声認識装置の一実施例？示すブロ
ック図である。アナログ入力音声１はＬＰＦ Ｉ低域通
過フィルタ）、ＡＤＣ（アナログ−ディジタル変換器）
２で、サンプリングでの折り返し雑音？除去さｎなから
ディジタル値へ変換される。次に、音声分析部３で音声
の特徴パラメータが所定時間（フレーム）ごとに計算さ
れ、入力音声の特徴パターンが抽出される。音声の特徴
パラメータとしては、ＢＰＦ’ （帯域通過フィルタ）
出力値やＬＰＧ分析（線形予測分析）結果Ｏパラメータ
などが用いられる。距離計算部４では人力音声の特徴パ
ターンと標準パターンメモリ９から読み込まれた標準音
声の特徴パターンのファーム１司距離が算出され乙。セ
グメンテーション部５では、人力音声の定常部区間、遷
移部区間、そして無音部区間が検出される。さらに定常
部区間は母音性とそれ以外とに分離される。セグメンテ
ーション決定部６は本発明の主点であり、上記セグメン
テーション部５の結果から、音声の音響的な変！ＪＪ個
所（例えば、無声化、鼻音化、長音化等の区間）や撥音
、促音区間等の検出も含めて、最終的な母音区間などの
セグメンテーションが決定される。次に、照合部７では
入力音声と標準音声（例えば音節）との照合がなさｎる
。この際、セグメンテーション部で得られた結果をもと
て時間構造も含めた全体での照合値（痣距離）が算出さ
れる。判定部８では標準パターンごとのａ距離値の大小
関係から、入力音声がどの標準音声に最も似ているかの
判定がなされ、認識結果を出力する。
図は本発明と用いた音声認識装置の一実施例？示すブロ
ック図である。アナログ入力音声１はＬＰＦ Ｉ低域通
過フィルタ）、ＡＤＣ（アナログ−ディジタル変換器）
２で、サンプリングでの折り返し雑音？除去さｎなから
ディジタル値へ変換される。次に、音声分析部３で音声
の特徴パラメータが所定時間（フレーム）ごとに計算さ
れ、入力音声の特徴パターンが抽出される。音声の特徴
パラメータとしては、ＢＰＦ’ （帯域通過フィルタ）
出力値やＬＰＧ分析（線形予測分析）結果Ｏパラメータ
などが用いられる。距離計算部４では人力音声の特徴パ
ターンと標準パターンメモリ９から読み込まれた標準音
声の特徴パターンのファーム１司距離が算出され乙。セ
グメンテーション部５では、人力音声の定常部区間、遷
移部区間、そして無音部区間が検出される。さらに定常
部区間は母音性とそれ以外とに分離される。セグメンテ
ーション決定部６は本発明の主点であり、上記セグメン
テーション部５の結果から、音声の音響的な変！ＪＪ個
所（例えば、無声化、鼻音化、長音化等の区間）や撥音
、促音区間等の検出も含めて、最終的な母音区間などの
セグメンテーションが決定される。次に、照合部７では
入力音声と標準音声（例えば音節）との照合がなさｎる
。この際、セグメンテーション部で得られた結果をもと
て時間構造も含めた全体での照合値（痣距離）が算出さ
れる。判定部８では標準パターンごとのａ距離値の大小
関係から、入力音声がどの標準音声に最も似ているかの
判定がなされ、認識結果を出力する。
以上の処理は制御部１０で制御されながら実行される。
次に上記各部の詳細な実施例を説明する前に本発明の原
理を詳細に説明する。
理を詳細に説明する。
日本放送協会編「日本語発音アクセント辞典」によれば
、母音の無声化現象は方言やアクセントなどによって少
し特徴を異にしてはいるが、一般に次の４つの無声化法
則に従っていると報告されている。
、母音の無声化現象は方言やアクセントなどによって少
し特徴を異にしてはいるが、一般に次の４つの無声化法
則に従っていると報告されている。
（例）菊／ｋｉｋｕ／、学者／ ｇａｋｕｓｙａ ／
（ｏ印が無声化個所） 但し、す行、ハ行等の摩擦音の直前では無声化しにくい
ことや無声化する狛が２つ続くときは、無声化の度合い
の弱い一方の拍の母音を無声化させｉい等の例外がある
。
（ｏ印が無声化個所） 但し、す行、ハ行等の摩擦音の直前では無声化しにくい
ことや無声化する狛が２つ続くときは、無声化の度合い
の弱い一方の拍の母音を無声化させｉい等の例外がある
。
〔法則■〕息の段落の直前（語尾等）Ｋ＠た上記但し、
アクセントの関係で強く発音される場合などが例外とな
っている。
アクセントの関係で強く発音される場合などが例外とな
っている。
上記無声化法則と同様に、母音の鼻音化、長音化等も一
般に法則に従っている。これらの現壕は発声器管の性質
に起因するものが多いが、言葉（！ｆｊに日本語。仏語
母音の鼻音化もある）の聞き易さの面から起こった現象
とみられている。
般に法則に従っている。これらの現壕は発声器管の性質
に起因するものが多いが、言葉（！ｆｊに日本語。仏語
母音の鼻音化もある）の聞き易さの面から起こった現象
とみられている。
しかし、機械による自動音声認識という立場から上記の
無声化、鼻音化等ととらえた場合、これらの音響的特徴
が本来の母音の特徴から大福に変動することから、こｎ
らの変動個所（区間）を検出、認知することは非常に難
しい技術となっている。その結果、致命的な誤認識であ
る音節等の脱落が大きな問題となっている。
無声化、鼻音化等ととらえた場合、これらの音響的特徴
が本来の母音の特徴から大福に変動することから、こｎ
らの変動個所（区間）を検出、認知することは非常に難
しい技術となっている。その結果、致命的な誤認識であ
る音節等の脱落が大きな問題となっている。
第２図は音声（ａｉｋｕｒｕｓｈｉｉ ／の定常部（母
音性とそれ以外とに概略的に分離）と無音部区間の検出
結果の一例を示す図である。本発明はこれら定常部と無
音部の時系列上に上記無声化等の法則を考黒した簡単な
検出規則と役けることで、音響的な特徴変動個所（区間
）を検出することに特徴がある。
音性とそれ以外とに概略的に分離）と無音部区間の検出
結果の一例を示す図である。本発明はこれら定常部と無
音部の時系列上に上記無声化等の法則を考黒した簡単な
検出規則と役けることで、音響的な特徴変動個所（区間
）を検出することに特徴がある。
検出規則の例は次のようになっている。
矢音舎的な特徴変動検出規則０例
〔規則Ｉ〕無音部直前のだ常部区間で母音性からはずれ
たものは無声化母音区間。（Ａ付けは上記無声化法則１
．部ち、／無声化母音／＋／無音部／＋／ｐ、 ｔ、
ｋ行／） 部 〔規則■〕語尾の定態区間で母音性以外と判定されたも
のは無声化、鼻音化母音。（上記無声化法則■） 〔規則■〕定常都区間で２つ連続して母音性以外と判定
された場合、どちらかが無声化、鼻音化母音。（上記無
声化法則Ｉの例外と子音定常部の関係） 〔規則■〕ひとつの定常部区間の持続時：′Ｂ′Ｊ長が
ある閾値よりも長い場合、長母音とする。
たものは無声化母音区間。（Ａ付けは上記無声化法則１
．部ち、／無声化母音／＋／無音部／＋／ｐ、 ｔ、
ｋ行／） 部 〔規則■〕語尾の定態区間で母音性以外と判定されたも
のは無声化、鼻音化母音。（上記無声化法則■） 〔規則■〕定常都区間で２つ連続して母音性以外と判定
された場合、どちらかが無声化、鼻音化母音。（上記無
声化法則Ｉの例外と子音定常部の関係） 〔規則■〕ひとつの定常部区間の持続時：′Ｂ′Ｊ長が
ある閾値よりも長い場合、長母音とする。
以下、第１図で示した各処理部について詳細Ｌ′ｃ説明
する。
する。
第３図は音声分析部３の一実施例を詳細に示したもので
ある。実施例ではＢＰＦ分析をあげている。ディジタル
値に変換された登録音ＩＸ、は中心局仮数と帯域幅の違
うに個のＢＰＦ群３１゜３２に人力される。本実施例で
：は周波数分解能？あげるために２段のＢＰＦ＃ｉｌ成
としている。
ある。実施例ではＢＰＦ分析をあげている。ディジタル
値に変換された登録音ＩＸ、は中心局仮数と帯域幅の違
うに個のＢＰＦ群３１゜３２に人力される。本実施例で
：は周波数分解能？あげるために２段のＢＰＦ＃ｉｌ成
としている。
ＢＰＦ３１．３２は２次のバターワース型フィルタとな
っており、ガロ算器２１固２乗算器４１固、遅延器２個
から構成されている。ＢＰＦ出力の波形は絶対値（ＡＢ
Ｓ）３３にてｇ流され、ＬＰＦ’３４゜サンプリング器
３５さらにＬＰＦ３６にて高域周波数成分をカットされ
ながら登録音声パタンＸＩ（ｉ；フレーム）が求められ
て、ＬＰＦ’ｉ″１ＢＰＦ’同様に周波数分ｗ４能をめ
げるために２段構成となっており、ＬＰＦ３４，３６は
ＢＰＦ３１，３２同様の処理規模のバターワース型とな
っている。
っており、ガロ算器２１固２乗算器４１固、遅延器２個
から構成されている。ＢＰＦ出力の波形は絶対値（ＡＢ
Ｓ）３３にてｇ流され、ＬＰＦ’３４゜サンプリング器
３５さらにＬＰＦ３６にて高域周波数成分をカットされ
ながら登録音声パタンＸＩ（ｉ；フレーム）が求められ
て、ＬＰＦ’ｉ″１ＢＰＦ’同様に周波数分ｗ４能をめ
げるために２段構成となっており、ＬＰＦ３４，３６は
ＢＰＦ３１，３２同様の処理規模のバターワース型とな
っている。
尚、ＬＰＦの２段構成については、特願昭５５−１３５
９８１号「ディジタル低域通過濾波回路」に詳細に説明
されている。本発明では音声分析部３の構成をＢＰＦ分
析としたが、ＬＰＣ分析とすることも可能である。この
場合の詳細な実施例は文献「音声波形の、線形予測分析
ＶＣよる音声分析と合成（３ｐｅｅｃｈ Ａｎａｌｙｓ
ｉｓ ａｎｄ ５ｙｎｔｈｅｓｉｓ ｂｙＩ、１ｎｅａ
ｒ ｐｒｅｄｉｃｔｉｏｎ ｏｆ ｔｈｅ ５
ｐｅｅｃｈ Ｖｌｌ／ａｖｅ）Ｊｂｙ Ｂ、 ３．Ａ
ｔａｌ ｅｔ ａｌ、 Ｊｏｕｒｎａｌ ｏｆ Ａｃｏ
ｕｓｔｉｃＳｏｃｉｅｔｙ ｏｆ Ａｍｅｒｉｃａ、
Ｖｏｌ、 ５０． ｐ、 ｐ、 ６３７〜６５５ ．１
９７１に詳細に説明されている。
９８１号「ディジタル低域通過濾波回路」に詳細に説明
されている。本発明では音声分析部３の構成をＢＰＦ分
析としたが、ＬＰＣ分析とすることも可能である。この
場合の詳細な実施例は文献「音声波形の、線形予測分析
ＶＣよる音声分析と合成（３ｐｅｅｃｈ Ａｎａｌｙｓ
ｉｓ ａｎｄ ５ｙｎｔｈｅｓｉｓ ｂｙＩ、１ｎｅａ
ｒ ｐｒｅｄｉｃｔｉｏｎ ｏｆ ｔｈｅ ５
ｐｅｅｃｈ Ｖｌｌ／ａｖｅ）Ｊｂｙ Ｂ、 ３．Ａ
ｔａｌ ｅｔ ａｌ、 Ｊｏｕｒｎａｌ ｏｆ Ａｃｏ
ｕｓｔｉｃＳｏｃｉｅｔｙ ｏｆ Ａｍｅｒｉｃａ、
Ｖｏｌ、 ５０． ｐ、 ｐ、 ６３７〜６５５ ．１
９７１に詳細に説明されている。
第４図はフレーム間ｄｉ雌計Ｘ部Ｄ−実施例を詳細に示
すものである。本実施例では絶対値距ａを用いた場合と
示す。２つの音声の特徴バタンＸｉとｙＪとの絶対１直
距離ｄ目は ｄＩｌ＝ｌＸｔ ｙ＋Ｉ＝ Σｌ Ｘｈ＋ ｙｉ＋
＋ｌとして求まる。ここでｉ、Ｊはフレーム、にはＢＰ
Ｆのチャネル数である。従って、実施例では、２つの特
徴バタンＸｌ、 ｙ」とが各々フレームノζタンレジ
スタ４１．４２を介しながら人力され。
すものである。本実施例では絶対値距ａを用いた場合と
示す。２つの音声の特徴バタンＸｉとｙＪとの絶対１直
距離ｄ目は ｄＩｌ＝ｌＸｔ ｙ＋Ｉ＝ Σｌ Ｘｈ＋ ｙｉ＋
＋ｌとして求まる。ここでｉ、Ｊはフレーム、にはＢＰ
Ｆのチャネル数である。従って、実施例では、２つの特
徴バタンＸｌ、 ｙ」とが各々フレームノζタンレジ
スタ４１．４２を介しながら人力され。
減算器４３でＸｋＩ−ｙｋＪの計算、絶対値変換器４４
でｌ ＸｋＩ−Ｙｂｊ ｌの計算がされ、加算器４５で
に＝１からＫまでの累積が計算されることになる。結果
ｄｌ、は距離レジスタ４６に格納される。本発明の実施
例では絶対１直距離としたが、ＬＰＧ分析で得られる特
徴バタンの相関尺度なども考えられる。この場合の具体
的実施例は文献［音声認識に適用した最小予測誤差原理
（ＭｉｎｉｍｕｍＰｒｅｄｉｃｔｉｏｎ Ｒｅ５ｉｄｕ
ａｌ ｐｒｉｎｃｉｐｌｅ Ａｐｐｌｉｅｄｔｏ ３ｐ
ｅｅｃｈ ｌ（ｅｃｏｇｎｉｔｉｏｎ ） Ｊ ｂｙ
Ｆ、■ｔａｋｕｒａｅｔ ａｌ、 ＩＢＥＥＴｒａｎｓ
ｏｎ Ａｃｏｕｓｔｉｃｓ、 ５ｐｅｅｃｈａｎｄ
Ｓｉｇｎａｌ Ｐｒｏｃｅｓｓｉｎｇ、 ｖｏｌ、ＡＳ
ＳＰ−２３゜ｐ、 ｐ、 ５７〜７２． Ｆｅｂ、’
７５ に詳細に説明されている。
でｌ ＸｋＩ−Ｙｂｊ ｌの計算がされ、加算器４５で
に＝１からＫまでの累積が計算されることになる。結果
ｄｌ、は距離レジスタ４６に格納される。本発明の実施
例では絶対１直距離としたが、ＬＰＧ分析で得られる特
徴バタンの相関尺度なども考えられる。この場合の具体
的実施例は文献［音声認識に適用した最小予測誤差原理
（ＭｉｎｉｍｕｍＰｒｅｄｉｃｔｉｏｎ Ｒｅ５ｉｄｕ
ａｌ ｐｒｉｎｃｉｐｌｅ Ａｐｐｌｉｅｄｔｏ ３ｐ
ｅｅｃｈ ｌ（ｅｃｏｇｎｉｔｉｏｎ ） Ｊ ｂｙ
Ｆ、■ｔａｋｕｒａｅｔ ａｌ、 ＩＢＥＥＴｒａｎｓ
ｏｎ Ａｃｏｕｓｔｉｃｓ、 ５ｐｅｅｃｈａｎｄ
Ｓｉｇｎａｌ Ｐｒｏｃｅｓｓｉｎｇ、 ｖｏｌ、ＡＳ
ＳＰ−２３゜ｐ、 ｐ、 ５７〜７２． Ｆｅｂ、’
７５ に詳細に説明されている。
第５図はセグメンテーション部５の一実施例を詳細に示
したものである。本発明では、定常部。
したものである。本発明では、定常部。
無音部区間の検出方法として特願昭６０−１８９６５３
号「音声認識装置」に詳細に記載されている方式を用い
る。即ち、入力音声自身のフレーム間距離の累積値が小
さい範囲（区間）を定常部区間とする。さらに、特定の
母音（例えば離散発声された５母音）と入力音声とのフ
レーム間距離の累積値が小さい区間を母音性と判定する
。具体的な実施例は、距離レジスタ４６から読み込まれ
た距離行列ｄ１がＮグレードバタン抽出部５１罠入力さ
れる。ここでは、比較器５１１で距離閾値θとの大小関
係が比較され、ＮグレードバタンｎＩＩがＮグレードバ
タンレジスタ５１２に一旦格納される。次に、定常部区
間検出部５２ではＮグレードバタン（Ｊ淡バタ／）の値
が加算器５２１で累積され、比ＩＩ２器５２２にてその
値と変化の度合が判定定数α、βと比較されて、入カフ
Ｖ−ム１を固定した場合の定常部区間候補が求められ。
号「音声認識装置」に詳細に記載されている方式を用い
る。即ち、入力音声自身のフレーム間距離の累積値が小
さい範囲（区間）を定常部区間とする。さらに、特定の
母音（例えば離散発声された５母音）と入力音声とのフ
レーム間距離の累積値が小さい区間を母音性と判定する
。具体的な実施例は、距離レジスタ４６から読み込まれ
た距離行列ｄ１がＮグレードバタン抽出部５１罠入力さ
れる。ここでは、比較器５１１で距離閾値θとの大小関
係が比較され、ＮグレードバタンｎＩＩがＮグレードバ
タンレジスタ５１２に一旦格納される。次に、定常部区
間検出部５２ではＮグレードバタン（Ｊ淡バタ／）の値
が加算器５２１で累積され、比ＩＩ２器５２２にてその
値と変化の度合が判定定数α、βと比較されて、入カフ
Ｖ−ム１を固定した場合の定常部区間候補が求められ。
レジスタ５２３に格納される。比較器５２４では最終の
定常部区間が区間長の長いＩＡに決定され、定常部区間
検出結果が定常部区間レジスタに格納される。一方、入
力音声と５母音とのブンーム間距離行列のＮグレードバ
タンか同様に抽出され。
定常部区間が区間長の長いＩＡに決定され、定常部区間
検出結果が定常部区間レジスタに格納される。一方、入
力音声と５母音とのブンーム間距離行列のＮグレードバ
タンか同様に抽出され。
母音区間噴出部５３では、グロ算器５３１．比収器５３
２において母音区間が抽出され＆結果が母音区間レジス
タ５３３に格納される３次に、定、ｑ部区間検出部５２
と母音区間検出部５３で得られた定常部区間情報ＬＬと
母音区１間候補情報ＬｖＩとが区間統合処理部５４に入
力され、比較器５４１でＬ＋とＬｖＩとの共通部分とし
て最終の母音区間が抽出され、結果が人力フレームバタ
ンコードレジスタ５４２に格納される。入力フレームバ
タンコードレジスタＬ、は定常部情報（母音性とそれ以
外に分離されている）と無音部情報とを持っている。無
音部の庚出は入力音声の短時間エネルギー（パワー）の
値がある設定されたパワー閾値よりも小さい個所として
求められる。乗算器、加耳器と比較器により構成される
。
２において母音区間が抽出され＆結果が母音区間レジス
タ５３３に格納される３次に、定、ｑ部区間検出部５２
と母音区間検出部５３で得られた定常部区間情報ＬＬと
母音区１間候補情報ＬｖＩとが区間統合処理部５４に入
力され、比較器５４１でＬ＋とＬｖＩとの共通部分とし
て最終の母音区間が抽出され、結果が人力フレームバタ
ンコードレジスタ５４２に格納される。入力フレームバ
タンコードレジスタＬ、は定常部情報（母音性とそれ以
外に分離されている）と無音部情報とを持っている。無
音部の庚出は入力音声の短時間エネルギー（パワー）の
値がある設定されたパワー閾値よりも小さい個所として
求められる。乗算器、加耳器と比較器により構成される
。
第６図は本発明の主点であるセグメ／チージョン決定部
の一実施例を詳細に説明したものである。
の一実施例を詳細に説明したものである。
原理は既に述べた二うに、定濱部と無音部の時系列上で
無声化等の検出規則を用いる。入力フレームパターンコ
ードレジスタ５４２から読み込まれた入力フレームパタ
ーンコードＬ、を入力として。
無声化等の検出規則を用いる。入力フレームパターンコ
ードレジスタ５４２から読み込まれた入力フレームパタ
ーンコードＬ、を入力として。
区間及び区間長検出部６１では、検出規則メモリ６０か
ら与えられた母音コードｉｖ（例えば／ａ／。
ら与えられた母音コードｉｖ（例えば／ａ／。
／ｉ／、／ｕ／、／ｅ／、１０／に対応）、定常部で母
音性以外と判定された区間／？／コード。
音性以外と判定された区間／？／コード。
無音部／弄／コードとの比較により、比較器６１１で入
力の各区間の探索が行なわれる。その結果。
力の各区間の探索が行なわれる。その結果。
各区間の時系列情報が時系列レジスタ６１２に。
持続時間長が持続時間レジスタ６１３に格納される。検
出規則判定部６２で検出規則メモリ６０から与えらｎた
規則を満たしているかの判定が時系列比較器６２１．持
続時間比較器６２２の結果をもとに判定器６２３で実行
される。時系列比較器では既に述べた音響的な特徴変動
検出規則Ｉから■までの比較が、持続時間比較器では持
続時間長の閾値θＭ（語中ン、θＬ（語尾）を用いて同
規則■の比較が行なわれる。判定器は各規則で設定され
ている条件を満たしているかの判定が実行される。この
結果、無声化等の可能ユのある母音区間をも含めた最終
の母音始点ｒｓＪ点１ｅｋ（ｋは入力始点からに番目の
母音）と母音コードｉｖｋの谷嘴報が母音情報レジスタ
６３に格納される。これらの情報は照合部８と判定部９
で母音探索区間の設定に用いられる。
出規則判定部６２で検出規則メモリ６０から与えらｎた
規則を満たしているかの判定が時系列比較器６２１．持
続時間比較器６２２の結果をもとに判定器６２３で実行
される。時系列比較器では既に述べた音響的な特徴変動
検出規則Ｉから■までの比較が、持続時間比較器では持
続時間長の閾値θＭ（語中ン、θＬ（語尾）を用いて同
規則■の比較が行なわれる。判定器は各規則で設定され
ている条件を満たしているかの判定が実行される。この
結果、無声化等の可能ユのある母音区間をも含めた最終
の母音始点ｒｓＪ点１ｅｋ（ｋは入力始点からに番目の
母音）と母音コードｉｖｋの谷嘴報が母音情報レジスタ
６３に格納される。これらの情報は照合部８と判定部９
で母音探索区間の設定に用いられる。
第７図は照合部７の一実施例を詳細に示したものである
。原理は特開昭５５−２２０５号「連続ＤＰ法」を改良
したものである。人力音声のｉフレームト標準ハターン
のｊフレームとのフレーム間距離ｄＩｊをもとに、累積
距離Ｄ ＋ １が次の順化式を更って算出される。
。原理は特開昭５５−２２０５号「連続ＤＰ法」を改良
したものである。人力音声のｉフレームト標準ハターン
のｊフレームとのフレーム間距離ｄＩｊをもとに、累積
距離Ｄ ＋ １が次の順化式を更って算出される。
以上の順化式から、入力音声の谷フレーム１ごとに、標
準パターンｍに対する最適照合値Ｄ″″ｌＪ。
準パターンｍに対する最適照合値Ｄ″″ｌＪ。
が求められる（Ｊ、は標準パター７ｍのフレーム１゜
照会部７の具体的々実施例は、入力音声と標準パターン
との）Ｖ−ム間距離ｄＩＩがフレーム距離レジスタ７１
を介して入力され、遅延メモリ７２と中間累積距離格納
メモリ７７を用いて、（１）式のｄｌ−１１＋−１やＤ
ｌ−１１１−１１Ｄ Ｉ−１＋ １−１１ Ｄ Ｉ−
２＋ １−１ が記憶される。各々の距離値ともとに
加算器７３ではパス■のＤ ｌ−１＋ Ｉ−２＋ ｄｌ
−１＋ ｌ−亀、加算器７４ではパス■のＤ Ｉ−２＋
１−１ ＋ ｄｌ−１ｓ １−１が算出され、パス■
のＤ ＋−１ｔ １−１とともに比較器７５で最小値が
探索される。さらに加算器７６で２ｄ、、が最小値に加
算され、中間累積距離ＤＩｊが新たに求められる。この
結果は中間累積距離格納メモリ７７に格納され、Ｄ Ｉ
＋１＋ ｊ＋１の算出の情報となる。照合部では入力音
声のｉフレームごとに標準パターンｍとの最適照合値Ｄ
ｉＪ、を出力しくｉフレームは母音区間情報ｉ ｓ ｋ
％ ｉ ｅ ｙの範囲内）５判定部９の入力となる。
との）Ｖ−ム間距離ｄＩＩがフレーム距離レジスタ７１
を介して入力され、遅延メモリ７２と中間累積距離格納
メモリ７７を用いて、（１）式のｄｌ−１１＋−１やＤ
ｌ−１１１−１１Ｄ Ｉ−１＋ １−１１ Ｄ Ｉ−
２＋ １−１ が記憶される。各々の距離値ともとに
加算器７３ではパス■のＤ ｌ−１＋ Ｉ−２＋ ｄｌ
−１＋ ｌ−亀、加算器７４ではパス■のＤ Ｉ−２＋
１−１ ＋ ｄｌ−１ｓ １−１が算出され、パス■
のＤ ＋−１ｔ １−１とともに比較器７５で最小値が
探索される。さらに加算器７６で２ｄ、、が最小値に加
算され、中間累積距離ＤＩｊが新たに求められる。この
結果は中間累積距離格納メモリ７７に格納され、Ｄ Ｉ
＋１＋ ｊ＋１の算出の情報となる。照合部では入力音
声のｉフレームごとに標準パターンｍとの最適照合値Ｄ
ｉＪ、を出力しくｉフレームは母音区間情報ｉ ｓ ｋ
％ ｉ ｅ ｙの範囲内）５判定部９の入力となる。
判定部では照合値Ｄ７Ｊ、の大小関係から、入力音声が
どの標準音声に最も似ているかの判定がなされる。判定
部は単純な大小比較器で構成される。
どの標準音声に最も似ているかの判定がなされる。判定
部は単純な大小比較器で構成される。
本発明によれば、入力音声の音響的特徴の変動個所（例
えば無声化母音、鼻音化母音等、）が容易に検出できる
ので、致命的な誤認識である音節等の脱落？＠滅する効
果がある。さらに脱落とトンードオフの関係にらる不要
な音節等の湧き出しく付加）も結果として軽減できる効
果がある。
えば無声化母音、鼻音化母音等、）が容易に検出できる
ので、致命的な誤認識である音節等の脱落？＠滅する効
果がある。さらに脱落とトンードオフの関係にらる不要
な音節等の湧き出しく付加）も結果として軽減できる効
果がある。
第１図は本発明の一実施例を示す音声認識装置のブロッ
ク図、４２図は本発明の原理を示す図。 第３図から第７図は本発明の一実施例である音声認識装
置の各処理部の一災南例？示すブロック図である。 ６・・・セグメンテーション決定部、６０・・・検出規
則メモリ、６１・・・区間及び区間長検出部、６２・・
・検出規則判定部。
ク図、４２図は本発明の原理を示す図。 第３図から第７図は本発明の一実施例である音声認識装
置の各処理部の一災南例？示すブロック図である。 ６・・・セグメンテーション決定部、６０・・・検出規
則メモリ、６１・・・区間及び区間長検出部、６２・・
・検出規則判定部。
Claims (1)
- １、音声を入力する手段と、所定時間ごとに入力音声の
特徴パターンを抽出する特徴パターン抽出手段と、入力
音声を少なくとも定常部と無音部の区間に分割するセグ
メンテーシヨン手段と、該セグメンテーシヨンの結果に
基づき上記入力音声の特徴パターンと予め格納されてい
る標準音声の特徴パターンとを照合する手段と、該照合
結果の判定を行う手段とを有し、上記セグメンテーシヨ
ン手段は得られた定常部と無音部の時間的な位置関係お
よび／または持続時間長から、音声の言語的環境による
音響的変動（例えば、無声化母音、鼻音化母音、長母音
等）区間を検出する手段を備えていることを特徴とする
音声認識装置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP61195386A JP2594916B2 (ja) | 1986-08-22 | 1986-08-22 | 音声認識装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP61195386A JP2594916B2 (ja) | 1986-08-22 | 1986-08-22 | 音声認識装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPS6352200A true JPS6352200A (ja) | 1988-03-05 |
| JP2594916B2 JP2594916B2 (ja) | 1997-03-26 |
Family
ID=16340296
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP61195386A Expired - Lifetime JP2594916B2 (ja) | 1986-08-22 | 1986-08-22 | 音声認識装置 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP2594916B2 (ja) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7647224B2 (en) | 2004-11-24 | 2010-01-12 | Kabushiki Kaisha Toshiba | Apparatus, method, and computer program product for speech recognition |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS6073598A (ja) * | 1983-09-30 | 1985-04-25 | 株式会社日立製作所 | 音声認識方式 |
-
1986
- 1986-08-22 JP JP61195386A patent/JP2594916B2/ja not_active Expired - Lifetime
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS6073598A (ja) * | 1983-09-30 | 1985-04-25 | 株式会社日立製作所 | 音声認識方式 |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7647224B2 (en) | 2004-11-24 | 2010-01-12 | Kabushiki Kaisha Toshiba | Apparatus, method, and computer program product for speech recognition |
Also Published As
| Publication number | Publication date |
|---|---|
| JP2594916B2 (ja) | 1997-03-26 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US7013276B2 (en) | Method of assessing degree of acoustic confusability, and system therefor | |
| US5333275A (en) | System and method for time aligning speech | |
| US7676365B2 (en) | Method and apparatus for constructing and using syllable-like unit language models | |
| JP3762327B2 (ja) | 音声認識方法および音声認識装置および音声認識プログラム | |
| Arora et al. | Automatic speech recognition: a review | |
| US5220639A (en) | Mandarin speech input method for Chinese computers and a mandarin speech recognition machine | |
| US5218668A (en) | Keyword recognition system and method using template concantenation model | |
| EP2048655B1 (en) | Context sensitive multi-stage speech recognition | |
| US7181395B1 (en) | Methods and apparatus for automatic generation of multiple pronunciations from acoustic data | |
| JPS6336676B2 (ja) | ||
| Lee et al. | Using tone information in Cantonese continuous speech recognition | |
| US20020116192A1 (en) | Speech recognizer | |
| Ravinder | Comparison of hmm and dtw for isolated word recognition system of punjabi language | |
| Jaradat et al. | A novel human-vehicle interaction assistive device for Arab drivers using speech recognition | |
| KR101122591B1 (ko) | 핵심어 인식에 의한 음성 인식 장치 및 방법 | |
| Hirose et al. | Detection of prosodic word boundaries by statistical modeling of mora transitions of fundamental frequency contours and its use for continuous speech recognition | |
| JPS6138479B2 (ja) | ||
| JPH0558553B2 (ja) | ||
| Abdo et al. | MFC peak based segmentation for continuous Arabic audio signal | |
| JPH0950288A (ja) | 音声認識装置及び音声認識方法 | |
| JP2594916B2 (ja) | 音声認識装置 | |
| JP3110025B2 (ja) | 発声変形検出装置 | |
| CN120431913B (zh) | 一种人员密集环境下语音的语义解析方法 | |
| KR100608644B1 (ko) | 가변 길이의 연결숫자음 인식방법 | |
| Huang et al. | Spellmode recognition based on vector quantization |