JP2964881B2 - 音声認識装置 - Google Patents

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】本発明は、入力された音声を認識
する音声認識装置に係わり、特に認識結果の応答時間を
短縮する技術に関する。

【０００２】

【従来の技術】従来、音声を認識する方法の一例とし
て、電子情報通信学会論文誌Ｄ Ｖｏｌ．Ｊ７１−Ｄ
Ｎｏ．９（１９８８年９月）の１６５０項から１６５９
項に「フレーム同期化、ビームサーチ、ベクトル量子化
の統合によるＤＰマッチングの高速化」と題して発表さ
れている論文（以下「引用文献１」と称す）に、ＤＰマ
ッチングを用いた方法が示されている。

【０００３】また、電子情報通信学会刊、中川聖一著
「確率モデルによる音声認識」（１９８８年７月）（以
下「引用文献２」と称す）には、隠れマルコフモデル
（以下「ＨＭＭ」と称す）を用いた音声認識方法が示さ
れている。ＨＭＭを用いた方法は確率モデルを用いた方
法であるが、特に、ＨＭＭを用いた音声認識方法の一例
であるビダビアルゴリズムを用いた音声認識の処理法
は、基本的に引用文献１に示されている方法と同じであ
る。よって、以下では引用文献１に述べられている方法
を用いて説明する。

【０００４】文献１で示されるような方法では、入力さ
れた音声はフレームごとに分けられ、各々の特徴の時系
列パターンでなる入力パターンＡに変換される。

【０００５】 Ａ＝ａ１，ａ２，．．．，ａｉ，．．．，ａＩ （１） 一方、入力パターンＡの認識対象となる標準パターンＢ
があらかじめ用意されている。

【０００６】 Ｂ＝ｂ１，ｂ２，．．．，ｂｉ，．．．，ｂＩ （２） パターンＡとパターンＢとのパターン間距離Ｄ（Ａ、
Ｂ）は以下のＤＰマッチングの手続きにより求められ
る。

【０００７】〔初期設定〕 ｇ（１，１）＝ｄ（１，１） （３） ｇ（ｉ，０）＝∞ （４） ｉ＝１，．．．，Ｉ 〔漸化式〕 ｇ（ｉ，ｊ）＝ｄ（ｉ，ｊ）＋ｍｉｎ〔ｇ（ｉ−１，ｊ），ｇ（ｉ−１，ｊ− １）〕 （５） ｉ＝１，．．．，Ｉ，ｊ＝１，．．．，Ｊ 〔パターン間距離〕 Ｄ（Ａ，Ｂ）＝ｇ（Ｉ，Ｊ） （６） ここで、ｄ（ｉ，ｊ）は、入力パターンのａｉと標準パ
ターンｂｊの距離を表わし、また、式（５）は引用文献
１に記載されている漸化式の代表的な例である。 図４
は、漸化式計算における（ｉ，ｊ）平面を示す図であ
る。

【０００８】式（５）の計算は、図４に示されているよ
うな（ｉ，ｊ）平面上で（１，１）の初期値をもとにし
て各格子点に累積値ｇ（ｉ，ｊ）の値をうめていくとい
う形で実行されるが、通常、発声が終わった後すぐに認
識結果を得るために、入力パターンａｉが入力されるご
とに標準パターンのフレームｊ＝１，．．．，Ｊに対す
る計算が行なわれる。この場合、累積値ｇを保持するメ
モリ（以下「累積値メモリ」と称す）は、入力パターン
ａｉのフレームｉごとに、Ｊ回の読み出し、書き込みが
行なわれる。

【０００９】多くの単語を短い時間で認識するために
は、累積値メモリのアクセスを高速に行なうことが必要
である。特に認識対象単語数が多い場合、Ｊの数が多く
なるため、累積値メモリの量が多くなり、高価な高速メ
モリが多量に必要になる。

【００１０】この問題を解決するため、例えば特開昭５
８−２３９３０３公報（以下「引用文献３と称す）に
は、（ｉ，ｊ）平面における漸化式の計算を方形ブロッ
クごとに計算する方法が示されている。

【００１１】図３は、（ｉ，ｊ）平面における漸化式の
計算を方形ブロックごとに計算する計算手順を（ｉ，
ｊ）平面上に示した概念図を示す。図３に示すように、
ある一定のフレーム長ＩＬの入力パターンがそろった時
点で、累積値計算開始フレームｉｓからｉｓ＋ＩＬ−１
のフレームｉに対して式（５）に示す漸化式計算をｊ＝
１，．．．，Ｊにわたって行なう。１つの方形ブロック
１の計算終了後、ｉｓ＋ＩＬを次の方形ブロックの累積
値計算開始フレームｉｓとする。

【００１２】漸化式の計算を行なうため、容量がＪの累
積値メモリと、容量がＩＬのワークメモリを用意する。
漸化式の計算では、まず、ｇ（ｉｓ−１，ｊ）を累積値
メモリから読み込み、式（５）を用いてｇ（ｉｓ，ｊ）
を計算する。算出されたｇ（ｉｓ，ｊ）からｇ（ｉｓ＋
１，ｊ）を計算する。このようにｉ＝ｉｓ，．．．，ｉ
ｓ＋ＩＬにわたって計算を行なう。ここで、ｉ＝ｉ
ｓ，．．．，ｉｓ＋ＩＬ−１における計算は、ワークメ
モリを用いて行なう。そして、最後にｇ（ｉｓ＋ＩＬ−
１，ｊ）から算出されたｇ（ｉｓ＋ＩＬ，ｊ）は累積値
メモリに書き込む。以上の一連の動作をｊ＝１からＪま
で繰り返す。

【００１３】これにより、累積値ｇの読み書きの操作
は、ｊ１つ当り累積値メモリに対するものが１回に対
し、ワークメモリに対するものが（ＩＬ−１）回とな
る。

【００１４】すなわち、引用文献１における方法に比べ
引用文献３における方法では、入力パターンを方形ブロ
ックに分け、各ブロック内の複数のフレームに対するア
クセスを、ｊ１つ当り累積値メモリに対して１回のみと
し、ワークメモリに対してその残り分としたことによ
り、音声認識が高価な高速メモリを多量に用いることな
く短時間でできる。

【００１５】例えば、Ｊ＝１００００（１単語あたり１
０フレームの標準パターンを１０００単語分）に対し、
ＩＬを１００とし、ＩＬ−１＝９９ワードの高速メモリ
によるワークメモリを用意すれば、ワークメモリより１
０倍アクセスが遅いメモリを累積値メモリに使用した場
合でも、メモリアクセス時間は１割増しにしかすぎな
い。また、引用文献３における高速メモリが必要なワー
クメモリは、引用文献１における累積値メモリの約１／
１００の量があればよい。

【００１６】

【発明が解決しようとする課題】しかしながら、上述引
用文献３等に示される従来の音声認識装置では、累積値
計算開始フレームｉｓからブロックＩＬの入力パターン
が入力されないと、その方形ブロックに対する漸化式の
の計算を実行することができない。そのため、発声が終
わった時点でブロック長ＩＬ分の漸化式の計算が残って
いることになる。

【００１７】例えば、方形ブロック内の計算が入力に対
し実時間で実行可能な場合、フレーム周期１０ｍｓｅ
ｃ、ＩＬ＝１００とすれば、認識結果が得られるまで約
１秒の遅れが生じることになる。

【００１８】このように従来の音声認識方法では、１ブ
ロックの発声終了後、そのブロックの計算を行なってい
るため、認識の応答時間が長くなるという問題点があっ
た。

【００１９】また、認識の応答時間を短くするためには
多量の高速メモリを使用しなければならないという問題
点があった。

【００２０】そこで本発明は、上述したような従来の技
術が有する問題点に鑑みてなされたものであって、高価
な高速メモリの使用量を増やさずに、音声の認識時間を
短くすることができる音声認識装置を提供することを目
的とする。

【００２１】

【課題を解決するための手段】上記目的を達成するため
に本発明は、入力する音声を一定長のフレームに分けて
各フレーム毎にその特徴を示す時系列な入力パターンを
求める分析部と、前記分析部にて求めた前記入力パター
ンと標準パターンとの間の距離を順次計算する距離計算
部と、前記距離計算部にて計算した距離の累積値を前記
入力パターンの所定のフレーム数分、格納するワークメ
モリと、前記所定のフレーム数分の累積値に加えて、更
に分割した標準パターン分だけ前期入力パターンと比較
したフレーム分をまとめたブロック毎の最終的な累積値
を記憶する累積値メモリと、前記ワークメモリおよび累
積値メモリにアクセスを行ない前記ワークメモリの格納
内容と累積値メモリの格納内容に基づいて累積値メモリ
の格納内容を更新する漸化式計算部と、前期漸化式計算
部により更新された累積値メモリの格納内容から認識結
果を出力する認識結果決定部と、前期ブロック単位に前
期累積値メモリの内容が更新されたときに前記ワークメ
モリの内容を所定量シフトするワークメモリシフタとを
有することを特徴とする。

【００２２】また、前記距離計算部は、複数の入力パタ
ーンおよび標準パターンにより、複数の距離の計算を同
時に行なうことを特徴とする

【００２３】

【作用】上記のとおりに構成された本発明では、入力パ
ターンと標準パターンとの距離が距離計算部にて求めら
れ、さらに漸化式計算部にて距離の累積値が計算されて
入力された音声が認識される。

【００２４】ここで、漸化式の計算は入力パターンを一
定長に分割されたフレーム単位で計算されるが、ｉ方向
を複数のフレーム毎のブロックにまとめ、標準パターン
ｊ方向もいくつかのブロックに分割される。１つのブロ
ックの計算終了後、ｉ方向をｉが増える方向にシフトし
て次のブロックの計算が行なわれる。

【００２５】したがって、発声と平行して順次漸化式計
算が行なわれることにより発声終了時に残される漸化式
計算が従来よりも少なくなるため、音声を認識するまで
の遅れ時間が短縮される。

【００２６】また、距離計算部が複数の入力パターンお
よび標準パターンにより複数の計算を同時に行なう場合
は、さらに計算量が少なくなり音声を認識するまでの遅
れ時間が短縮される。

【００２７】

【実施例】以下に本発明による音声認識装置の実施例に
ついて図面を参照して説明する。図１は本発明の音声認
識装置の構成を示すブロック図である。また図２は、本
発明による音声認識装置における計算手順を（ｉ，ｊ）
平面上に示した概念図である。ここで、分割ブロックの
ｉ方向の長さをＩＬ、ｊ方向の長さをＪＬとする。 本
実施例の音声認識装置は、図１に示すように、入力され
た音声から入力パターンを抽出する分析部１０と、入力
パターンの認識対象となる標準パターンがあらかじめ格
納されている標準パターンメモリ３０と、入力パターン
と標準パターンとの距離を計算する距離計算部２０と、
距離計算部４０にて計算された累積値を入力パターンの
一定のフレーム毎に対応して一時格納するワークメモリ
６０と、フレーム毎の最終的な累積値を記憶する累積値
メモリ５０と、ワークメモリ６０および累積値メモリ５
０にアクセスを行ない、ワークメモリ６０の格納内容と
累積値メモリ５０の格納内容に基づいて累積値メモリ５
０の格納内容を更新する漸化式計算部４０と、漸化式の
計算において使用するｇ１レジスタ８０、ｇ２レジスタ
９０と、ワークメモリ６０の内容を所定量シフトするワ
ークメモリシフタ７０と、累積値メモリ５０の格納内容
から認識単語を出力する結果決定部１００とから構成さ
れる。

【００２８】上記のように構成された音声認識装置で
は、まず、入力された音声が分析部１０で、東海大学出
版会、古井貞煕著「ディジタル音声処理」に記載されて
いるメルケプストラム分析が実施され、音声の特徴が抽
出されて入力パターンａｉが出力される。

【００２９】次に距離計算部２０では、分析部１０から
出力された入力パターンａｉと、標準パターンメモリ３
０に格納されている標準パターンＢ＝ｂ１，．．．，ｂ
Ｊとのユークリッド距離ｄ（ｉ，ｊ）〔ｊ＝
１，．．．，Ｊ〕が計算される。

【００３０】漸化式計算部４０およびワークメモリシフ
タ７０では、累積値メモリ５０、ワークメモリ６０、ｇ
１レジスタ８０、ｇ２レジスタ９０を用いて、距離計算
部２０で計算された距離ｄ（ｉ，ｊ）の累積値が以下に
示す手順で計算される。

【００３１】〔初期設定〕 音声が入力されると、最初
に以下の処理が行なわれる。 （１）累積値メモリ５０のｇ（１，１）には距離計算部
２０で計算されたｄ（１，１）がセットされ、ｊ＝２か
らＪまでのｇ（１，ｊ）には∞が初期値としてセットさ
れる。 （２）分割ブロック１開始フレームｉｂｓの初期値とし
て１をセットする。

【００３２】〔処理本体〕 （３）発声の終了時のフレームｉ＝Ｉが得られるまで、
以下の（４）〜（１７）の処理を繰り返して行なう。 （４）ワークメモリ６０全体に∞をセットする。 （５）累積値計算開始フレームｉｓの値としてｉｂｓを
セットする。 （６）ｊに初期値１をセットする。 （７）ｊ≦Ｊの間、以下の（８）〜（１６）の処理を繰
り返す。 （８）（９）〜（１５）の処理をＪＬ回繰り返す（分割
ブロック内の計算）。 （９）累積値メモリ５０からｇ（ｉｓ，ｊ）を読み込ん
で、ｇ１レジスタ８０にｇ（ｉ，ｊ）として保持する。 （１０）ｉ＝ｉｓからｉｓ＋ＩＬ−１まで（１１）、
（１３）を繰り返す。 （１１）距離計算部２０から距離ｄ（ｉ＋１，ｊ）を読
み込み、ワークメモリ６０にすでに保持されているｇ
（ｉ，ｊ−１）とｇ１レジスタ８０に保持されているｇ
（ｉ，ｊ）に対して式（５）の漸化式計算を実行し、得
られたｇ（ｉ＋１，ｊ）をｇ２レジスタ９０に保持す
る。 （１２）ワークメモリ６０にｇ１レジスタ８０の内容で
あるｇ（ｉ，ｊ）をｇ（ｉ，ｊ−１）として書き込む。 （１３）ｇ１レジスタ８０にｇ２レジスタ９０の内容で
あるｇ（ｉ＋１，ｊ）を書き込む。 （１４）累積値メモリ５０のｇ（ｉｓ，ｊ）にｇ１レジ
スタ８０の内容であるｇ（ｉ＋ＩＬ，ｊ）を書き込む。 （１５）ｊ＝ｊ＋１にカウントアップする。 （１６）ワークメモリシフタ７０は、ワークメモリ６０
の全ての内容をｇ（ｉ，ｊ）＝ｇ（ｉ＋１，ｊ）となる
ように１だけシフトする。（次の分割ブロックへの移
動） （１７）分割ブロック１開始フレームｉｂｓ＝ｉｂｓ＋
ＩＬにカウントアップする。 （１８）発声の終了時のフレームＩが入力されたら、計
算が残された累積値ｇ（ｉ，ｊ）を式（５）に従って全
て計算する。

【００３３】結果決定部１００では、累積値メモリ５０
の中の単語の終端位置の累積値から距離累積値の最も小
さい値を与える単語を認識単語として出力する。

【００３４】図２において、Ｉフレームにて発声が終了
すると残された漸化式計算は、図中斜線で示された範囲
にある格子点に対応するものである。これは、引用文献
３に示されている従来例に比べて１／２の計算量となっ
ている。例えば、既に示したような方形ブロック内の計
算が入力に対し実時間で実行可能で、フレーム周期１０
ｍｓｅｃ、ＩＬ＝１００の条件において、認識結果が得
られるまでの遅れは、従来例の１秒に対して、本発明で
は０．５秒と短縮することができる。

【００３５】以上、先に示したように引用文献１のＤＰ
マッチングによる方法を用いて説明を行なってきたが、
引用文献２のＨＭＭによる方法でも、漸化式の形が変わ
るだけで、図１に示したブロック図の構成と前記の累積
値の計算の手順は同じもので実施可能である。

【００３６】距離計算においては、全ての標準パターン
と入力パターンとの距離ｄ（ｉ，ｊ）〔ｊ＝
１，．．．，Ｊ〕をあらかじめ計算して保持しておき、
漸化式計算において読み込む方法や、入力パターンを保
持しておき、漸化式計算中で距離ｄ（ｉ，ｊ）が必要と
なったときに計算する方法、プリミティブな距離をあら
かじめ計算して保持しておき、漸化式計算ではそれを距
離ｄ（ｉ，ｊ）に合成する方法など、様々な実施法が考
えられる。

【００３７】また本実施例では、標準パターンｊを１ず
つカウントアップする方法を用いたが、連続する複数の
ｊに対して式（５）の漸化式計算を行なう方法も可能で
ある。

【００３８】

【発明の効果】本発明は、以上説明したように構成され
ているので、以下に記載するような効果を奏する。

【００３９】請求項１に記載のものについては、漸化式
の計算において入力パターンを一定長に分割された複数
のフレームをｉ方向にブロックにまとめ、さらに標準パ
ターンｊ方向もいくつかのブロックに分割し、１つのブ
ロックの計算終了後、ｉ方向をｉが増える方向にシフト
して次のブロックの計算を行なう構成としたことによ
り、高価な高速メモリの使用量を増やさずに、発声終了
時に残される漸化式計算量が従来よりも少なくなり、音
声を認識するまでの遅れ時間を短縮することができる。

【００４０】請求項２に記載のものについては、距離計
算部において複数の入力パターンおよび標準パターンに
より複数の距離の計算を同時に行なう構成としたため、
さらに計算量が少なくなり、音声を認識するまでの遅れ
時間を短縮することができる。

【図面の簡単な説明】

【図１】本発明の音声認識装置の構成を示すブロック図
である。

【図２】（ｉ，ｊ）平面における漸化式の計算を方形ブ
ロックごとに計算する計算手順を（ｉ，ｊ）平面上に示
した概念図である。

【図３】従来方式である引用文献３の漸化式計算の計算
手順を（ｉ，ｊ）平面上に示した概念図である。

【図４】漸化式計算における（ｉ，ｊ）平面を示す図で
ある。

【符号の説明】

１０ 分析部 ２０ 距離計算部 ３０ 標準パターンメモリ ４０ 漸化式計算部 ５０ 累積値メモリ ６０ ワークメモリ ７０ ワークメモリシフタ ８０ ｇ１レジスタ ９０ ｇ２レジスタ １００ 結果決定部

Claims (2)

(57)【特許請求の範囲】
1. 【請求項１】 入力する音声を一定長のフレームに分け
   て各フレーム毎にその特徴を示す時系列な入力パターン
   を求める分析部と、 前記分析部にて求めた前記入力パターンと標準パターン
   との間の距離を順次計算する距離計算部と、 前記距離計算部にて計算した距離の累積値を前記入力パ
   ターンの所定のフレーム数分、格納するワークメモリ
   と、前記所定のフレーム数分の累積値に加えて、更に分割し
   た標準パターン分だけ前期入力パターンと比較したフレ
   ーム分を まとめたブロック毎の最終的な累積値を記憶す
   る累積値メモリと、 前記ワークメモリおよび累積値メモリにアクセスを行な
   い前記ワークメモリの格納内容と累積値メモリの格納内
   容に基づいて累積値メモリの格納内容を更新する漸化式
   計算部と、前期 漸化式計算部により更新された累積値メモリの格納
   内容から認識結果を出力する認識結果決定部と、前期ブロック単位に前期 累積値メモリの内容が更新され
   たときに前記ワークメモリの内容を所定量シフトするワ
   ークメモリシフタとを有することを特徴とする音声認識
   装置。
2. 【請求項２】 前記距離計算部は、複数の入力パターン
   および標準パターンにより、複数の距離の計算を同時に
   行なうことを特徴とする請求項１に記載の音声認識装
   置。