JP3004883B2 - 終話検出方法及び装置並びに連続音声認識方法及び装置 - Google Patents

終話検出方法及び装置並びに連続音声認識方法及び装置

Info

Publication number
JP3004883B2
JP3004883B2 JP6251773A JP25177394A JP3004883B2 JP 3004883 B2 JP3004883 B2 JP 3004883B2 JP 6251773 A JP6251773 A JP 6251773A JP 25177394 A JP25177394 A JP 25177394A JP 3004883 B2 JP3004883 B2 JP 3004883B2
Authority
JP
Japan
Prior art keywords
standard pattern
matching
sentence
speech
word
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.)
Expired - Lifetime
Application number
JP6251773A
Other languages
English (en)
Other versions
JPH08115093A (ja
Inventor
正樹 内藤
眞吾 黒岩
一哉 武田
誠一 山本
Original Assignee
ケイディディ株式会社
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by ケイディディ株式会社 filed Critical ケイディディ株式会社
Priority to JP6251773A priority Critical patent/JP3004883B2/ja
Priority to US08/534,805 priority patent/US5740318A/en
Publication of JPH08115093A publication Critical patent/JPH08115093A/ja
Application granted granted Critical
Publication of JP3004883B2 publication Critical patent/JP3004883B2/ja
Anticipated expiration legal-status Critical
Expired - Lifetime legal-status Critical Current

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
    • G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
    • G10L25/78—Detection of presence or absence of voice signals
    • G10L25/87—Detection of discrete points within a voice signal
    • 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
    • G10L15/08—Speech classification or search
    • G10L15/18—Speech classification or search using natural language modelling
    • G10L15/183—Speech classification or search using natural language modelling using context dependencies, e.g. language models
    • G10L15/19—Grammatical context, e.g. disambiguation of the recognition hypotheses based on word sequence rules
    • G10L15/193—Formal grammars, e.g. finite state automata, context free grammars or word networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Computational Linguistics (AREA)
  • Signal Processing (AREA)
  • Health & Medical Sciences (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Human Computer Interaction (AREA)
  • Physics & Mathematics (AREA)
  • Acoustics & Sound (AREA)
  • Multimedia (AREA)
  • Machine Translation (AREA)
  • Telephonic Communication Services (AREA)

Description

【発明の詳細な説明】
【０００１】
【産業上の利用分野】本発明は連続に発声された音声を
認識するための技術に関し、特に、音声言語によるマン
・マシン・インタフェースにおける音声認識の精度向上
に有用な終話時点の検出技術に関する。
【０００２】
【従来の技術】従来の連続音声認識装置では、音声信号
が入力された際に、入力音声のパワーを基にして音声区
間を検出し、その結果得られた音声区間において、単語
標準パタンを文法規則に基づいて、連続的に入力音声と
照合することにより、連続に発声された音声を認識する
ようになっている。
【０００３】図９に示すように、この種の従来の連続音
声認識装置は、音響分析部１と、音響分析結果遅延部２
と、発話検出部３と、終話検出部４と、文法規則格納部
５と、単語予測部６と、単語照合部７と、単語標準パタ
ン格納部８と、部分文生成部９と、認識結果出力部１０
と、音声区間検出用スイッチ１１と、音声パワー計算部
１２から構成され、主として中央処理装置（ＣＰＵ）と
ソフトウェアにより実現されている。
【０００４】図９において、連続音声認識装置の文法規
則格納部５には認識に用いる各種の文法規則を予め格納
し、また単語標準パタン格納部８には各種単語の標準パ
タンを予め格納し、更にスイッチ１１は予め発話検出部
３側に接続しておく。このような前提の下で、連続音声
認識装置は、以下に示す手順に従って認識を行う。
【０００５】（１）音声パワー計算部１２は入力音声の
パワーを時々刻々に計算し、その結果１２Ａをスイッチ
１１を通して発話検出部３に送る。ここでスイッチ１１
は、前述の如く最初発話検出部３に接続しておくものと
し、以後発話検出部３から発話検出信号３Ａを受け取っ
た時点で終話検出部４側に接続し、終話検出部４から終
話検出信号４Ａを受け取った時点で発話検出部３側に接
続を戻し、それぞれ接続された側に音声パワーの計算結
果１２Ａを送る。
【０００６】（２）発話検出部３は音声パワー計算部１
２から送られてくる音声パワーを図７に示すようにしき
い値ＴＨ1 と比較し、しいき値ＴＨ1 を越えた状態が予
め定めた時間ｔ1 以上継続した時点で、発話検出信号３
Ａをスイッチ１１及び単語予測部６に送る。
【０００７】（３）一方、終話検出部４は音声パワー計
算部１２から送られてくる音声パワーを図１０に示すよ
うにしきい値ＴＨ2 と比較し、しきい値ＴＨ2 以下の値
をとる状態が予め定めた時間ｔ2 以上継続した時点で、
音声パワーが最初にしきい値以下となった時点までの照
合を行うように、終話検出信号４Ａをスイッチ１１，単
語予測部６及び認識結果出力部１０に送る。
【０００８】（４）音響分析部１は入力音声の特徴パラ
メータを抽出するための音響分析を時々刻々に行い、そ
の結果１Ａを音響分析結果遅延部２に送る。
【０００９】（５）音響分析結果遅延部２は音響分析部
１から送られてくる音響分析結果１Ａを、発話検出部３
において実際にユーザが発話してから発話検出信号３Ａ
が送出されるまでに要する時間ｔ1 分だけ遅延させ、そ
の結果２Ａを単語照合部７に送る。
【００１０】（６）単語予測部６は部分文生成部９から
送られてくる部分文照合結果（部分文とその照合スコ
ア）９Ａと、文法規則格納部５に格納されている文法規
則５Ａとから、次に単語照合部７で照合すべき単語即ち
照合単語６Ａを１つまたは複数求め、単語照合部７に送
る。この単語予測部６の処理は、発話検出部３より発話
検出信号３Ａを受け取った時点から開始され、終話検出
部４より終話検出信号４Ａを受け取るまで継続する。
【００１１】（７）単語照合部７は単語予測部６から受
け取った照合単語６Ａに対応する単語標準パタン即ち照
合単語標準パタン８Ａを単語標準パタン格納部８から読
み出して、遅延された音響分析結果２Ａと得られた照合
単語標準パタン８Ａとを照合し、単語標準パタンの終り
まで照合を行った単語についてその単語照合結果７Ａ
を、部分文生成部９に送る。
【００１２】なお、単語照合部７において照合の際に用
いる照合スコアの計算法としては、周知の如くＤＰマッ
チング法や、隠れマルコフモデル（ＨＭＭ）を用いる方
法等がある。（中川聖一著「確率モデルによる音声認
識」（社団法人 電子情報通信学会）参照）
【００１３】（８）部分文生成部９は、単語照合部７よ
り送られてくる単語照合結果７Ａから各部分文とその照
合スコアを求め、その結果９Ａを単語予測部６及び認識
結果出力部１０に送る。
【００１４】（９）認識結果出力部１０は終話検出部４
から終話検出信号４Ａを受け取った後に、部分文生成部
９から送られてきた全ての部分文照合結果９Ａのうち
で、照合スコアの最も高い文を認識結果１０Ａとして出
力する。
【００１５】
【発明が解決しようとする課題】しかし、上述した従来
の技術では音声区間を音声パワーのしきい値により決定
しているため、入力音声のレベルが低い場合には音声区
間の検出誤りが生じ易くなり、これにより音声認識の性
能が低下する。
【００１６】また、音声パワーがしきい値以下の値をと
る状態が予め定めた一定時間ｔ2 以上継続した場合に発
声が終了したと判断して終話検出信号を出力するため、
発声した文中に長い無音区間が生じると、文の途中であ
っても音声区間が終了したと判断してしまい、入力した
文の一部を誤って文全体の標準パタンと照合することと
なり、音声の認識性能が低下する。
【００１７】本発明は上記問題点を解決した終話検出方
法及び終話検出装置並びに連続音声認識方法及び装置を
提供することを目的とする。
【００１８】
【課題を解決するための手段】上記目的を達成する第１
の発明に係る終話検出方法は、入力音声と単語標準パタ
ンとの照合結果より得られる、部分文の照合スコア及び
構文解析結果と、無音の標準パタンに一致すると判断さ
れる入力音声の継続時間とを用いて、構文解析の結果、
文法規則で受理された部分文の照合スコアが全ての部分
文の照合スコアの内で最大であるという条件が満たさ
れ、かつ、無音の標準パタンに一致すると判断される入
力音声の継続時間が予め定めた所定時間以上であるとい
う条件が満たされたとき、発声の終了であると判断する
ことを特徴とするものである。また、第２の発明に係る
終話検出方法は、文法規則に受理される部分文の照合ス
コアが全ての部分文の照合スコアのうちで最大であると
いう第１の条件が満たされるか否かを調べること；無音
の標準パタンと一致すると判断される入力音声の継続時
間が予め定めた所定時間以上であるという第２の条件が
満たされるか否かを調べること；及び、前記第１の条件
と第２の条件がともに満たされた時点を発声の終了時点
と判断すること；を特徴とする。
【００１９】次に、第３の発明に係る終話検出装置は、
入力音声と単語標準パタンとの照合結果より得られる部
分文から、文法規則で受理される部分文を探索する構文
解析手段と；入力音声と単語標準パタンとの照合結果よ
り得られる部分文の照合スコアから、文法規則で受理さ
れる部分文の照合スコアが全ての部分文の照合スコアの
うちで最大であるか否かを判定する照合スコア比較手段
と；入力音声と単語標準パタンとの照合結果より、無音
の標準パタンに一致すると判断される入力音声の継続時
間が予め定めた所定時間以上か否かを判定する無音継続
時間判定手段と；文法規則で受理される部分文の照合ス
コアが全ての部分文の照合スコアのうちで最大であると
判定され、且つ、無音継続時間が所定時間以上であると
判定されたとき、発声が終了したと判断する発声終了判
断手段とを具備することを特徴とするものである。これ
に対し、第４の発明に係る終話検出装置は、入力音声と
単語標準パタンとの照合結果より得られる部分文とその
照合スコアから、照合スコアが最大の部分文を探索する
照合スコア比較手段と；照合スコアが最大の部分文が文
法規則に受理される文か否かを解析する構文解析手段
と；入力音声と単語標準パタンとの照合結果より、無音
の標準パタンに一致すると判断される入力音声の継続時
間が予め定めた所定時間以上か否かを判定する無音継続
時間判定手段と；照合スコアが最大の部分文が文法規則
に受理される文であると判定され、且つ、無音継続時間
が所定時間以上であると判定されたとき、発声が終了し
たと判断する発声終了判断手段と；を具備することを特
徴とする。
【００２０】一方、第５の発明に係る連続音声認識方法
は、入力音声の音声パワーがしきい値を越えた状態が予
め定めた一定時間以上継続したときに、音声認識を開始
すること；入力音声と単語標準パタンとの照合結果より
得られる各部分文とその照合スコアから、前記文法規則
に受理される部分文の照合スコアが全ての部分文の照合
スコアのうちで最大であるという第１の条件が満たされ
るか否かを調べること；入力音声と単語標準パタンとの
照合結果から、無音の標準パタンに一致すると判断され
る入力音声の継続時間が予め定めた所定時間以上である
という第２の条件が満たされるか否かを調べること；及
び、第１の条件と第２の条件が満たされた時点で、音声
認識を終了すること；を特徴とするものである。また、
第６の発明に係る連続音声認識方法は、連続音声認識装
置が起動したときに、音声認識を開始すること；入力音
声と単語標準パタンとの照合結果より得られる各部分文
とその照合スコアから、前記文法規則に受理される部分
文の照合スコアが全ての部分文の照合スコアのうちで最
大であるという第１の条件が満たされるか否かを調べる
こと；入力音声と単語標準パタンとの照合結果から、無
音の標準パタンに一致すると判断される入力音声の継続
時間が予め定めた所定時間以上であるという第２の条件
が満たされるか否かを調べること；及び、第１の条件と
第２の条件が満たされた点で、音声認識を終了するこ
と；を特徴とする。
【００２１】次に、第７の発明に係る連続音声認識装置
は、入力音声の音声パワーがしきい値を越えた状態が予
め定めた一定時間以上継続するか否かを判定し、一定時
間以上継続したときに発話検出信号を出力する発話検出
手段と；入力音声と単語標準パタンとの照合結果より得
られる部分文から、文法規則で受理される部分文を探索
する構文解析手段と；入力音声と単語標準パタンとの照
合結果より得られる部分文の照合スコアから、文法規則
で受理される部分文の照合スコアが全ての部分文の照合
スコアのうちで最大であるか否かを判定する照合スコア
比較手段と；入力音声と単語標準パタンとの照合結果よ
り、無音の標準パタンに一致すると判断される入力音声
の継続時間が予め定めた所定時間以上か否かを判定する
無音継続時間判定手段と；文法規則で受理される部分文
の照合スコアが全ての部分文の照合スコアのうちで最大
であると判定され、且つ、無音継続時間が所定時間以上
であると判定されたとき、終話検出信号を出力する発声
終了判断手段と；を具備し、発話検出信号の出力により
音声認識を開始し終話検出信号の出力により音声認識を
終了することを特徴とするものである。これに対し、第
８の発明に係る連続音声認識装置は、入力音声の音声パ
ワーがしきい値を越えた状態が予め定めた一定時間以上
継続するか否かを判定し、一定時間以上継続したときに
発話検出信号を出力する発話検出手段と；入力音声と単
語標準パタンとの照合結果より得られる部分文とその照
合スコアから、照合スコアが最大の部分文を探索する照
合スコア比較手段と；照合スコアが最大の部分文が文法
規則に受理される文か否かを解析する構文解析手段と；
入力音声と単語標準パタンとの照合結果より、無音の標
準パタンに一致すると判断される入力音声の継続時間が
予め定めた所定時間以上か否かを判定する無音継続時間
判定手段と；照合スコアが最大の部分文が文法規則に受
理される文であると判定され、且つ、無音継続時間が所
定時間以上であると判定されたとき、終話検出信号を出
力する発声終了判断手段と；を具備し、発話検出信号の
出力により音声認識を開始し終話検出信号の出力により
音声認識を終了することを特徴とする。
【００２２】一方、第９の発明に係る連続音声認識装置
は、入力音声と単語標準パタンとの照合結果より得られ
る部分文から、文法規則で受理される部分文を探索する
構文解析手段と；入力音声と単語標準パタンとの照合結
果より得られる部分文の照合スコアから、文法規則で受
理される部分文の照合スコアが全ての部分文の照合スコ
アのうちで最大であるか否かを判定する照合スコア比較
手段と；入力音声と単語標準パタンとの照合結果より、
無音の標準パタンに一致すると判断される入力音声の継
続時間が予め定めた所定時間以上か否かを判定する無音
継続時間判定手段と；文法規則で受理される部分文の照
合スコアが全ての部分文の照合スコアのうちで最大であ
ると判定され、且つ、無音継続時間が所定時間以上であ
ると判定されたとき、終話検出信号を出力する発声終了
判断手段と；を具備し、装置が起動したときから終話検
出信号が出力されるまでの間音声認識を行うことを特徴
とするものである。これに対し、第１０の発明に係る連
続音声認識装置は、入力音声と単語標準パタンとの照合
結果より得られる部分文とその照合スコアから、照合ス
コアが最大の部分文を探索する照合スコア比較手段と；
照合スコアが最大の部分文が文法規則に受理される文か
否かを解析する構文解析手段と；入力音声と単語標準パ
タンとの照合結果より、無音の標準パタンに一致すると
判断される入力音声の継続時間が予め定めた所定時間以
上か否かを判定する無音継続時間判定手段と；照合スコ
アが最大の部分文が文法規則に受理される文であると判
定され、且つ、無音継続時間が所定時間以上であると判
定されたとき、終話検出信号を出力する発声終了判断手
段と；を具備し、装置が起動したときから終話検出信号
が出力されるまでの間音声認識を行うことを特徴とす
る。
【００２３】
【作用】ユーザの発声が終了すると無音状態が続くの
で、文末に無音を有する文法規則を用いて、単語標準パ
タンを連続的に入力音声と照合すると、単語の予測と照
合が進むにつれて各時刻で部分文とその照合スコアが得
られ、ユーザの発声が終了した時は、文法規則に受理さ
れる部分文の照合スコアが全ての部分文の照合スコアの
うちで最大となり、且つ無音の標準パタンと一致すると
判断される入力音声が所定時間以上継続する。
【００２４】そこで、入力音声と単語標準パタンとの照
合結果より得られる、部分文の照合スコア及び構文解析
結果と、無音の標準パタンに一致すると判断される入力
音声の継続時間とを用いて、発声の終了を判断すること
ができる。これにより、発声した文の途中に長い無音区
間があっても、音声区間の終了と誤検出することが減
る。また、具体的には、文法規則に受理される部分文の
照合スコアが全ての部分文の照合スコアのうちで最大で
あるという第１の条件が満たされるか否かを調べ、且
つ、無音の標準パタンと一致すると判断される入力音声
の継続時間が予め定めた所定時間以上であるという第２
の条件が満たされるか否かを調べることにより、第１の
条件と第２の条件がともに満たされた時点を発声の終了
時点と判断することができる。第１の条件が満たされか
否かは、入力音声と単語標準パタンとの照合結果より得
られる部分文から、文法規則で受理される部分文を探索
し、次いで、入力音声と単語標準パタンとの照合結果よ
り得られる部分文の照合スコアから、文法規則で受理さ
れる部分文の照合スコアが全ての部分文の照合スコアの
うちで最大であるか否かを判定することによっても、あ
るいは入力音声と単語標準パタンとの照合結果より得ら
れる部分文とその照合スコアから、照合スコアが最大の
部分文を探索し、次いで照合スコアが最大の部分文が文
法規則に受理される文か否かを解析することによっても
調べることができ、両者は等価であると言える。
【００２５】上述した終話検出方法または装置を連続音
声認識に適用することにより、文中に長い無音区間があ
っても音声認識を継続できるので、連続音声認識の性能
が向上する。なお、音声パワーに基づく従来の発話検出
は行っても良く、あるいは行わずに装置が起動された時
点から単語の予測や照合等の音声認識処理を開始しても
良い。後者の発話検出を行わない場合は、入力音声のレ
ベルが低い場合に従来生じていた発話検出誤りによる認
識性能の劣化を回避することができる。
【００２６】
【実施例】以下、図面を参照して本発明をその実施例と
ともに説明する。図面中、図１には本発明の第１実施例
に係る連続音声認識装置の構成が示され、図２には文法
規則の一例が示され、図３と図４にはそれぞれ終話検出
装置の構成例が示され、図５には本発明の第２実施例に
係る連続音声認識装置の構成が示され、図６には部分文
の照合スコア計算の説明が示され、図７には部分文と照
合スコアの関係が示され、図８には無音継続時間計算の
説明が示されている。
【００２７】＜第１実施例＞図１に示された連続音声認
識装置は、発話は入力音声のパワーを用いて検出する
が、発声の終了（終話）は、入力音声と単語標準パタン
と照合結果より得られる、部分文の照合スコア及び構文
解析結果と、無音の標準パタンに一致すると判断される
入力音声の継続時間とを利用して判断する音声区間検出
方法を適用したものである。即ち、同装置は音響分析部
１と、音響分析結果遅延部２と、発話検出部３と、終話
検出部１３と、文法規則格納部５と、単語予測部６と、
単語照合部７と、単語標準パタン格納部８と、部分文生
成部９と、認識結果出力部１０と、音声区間検出用スイ
ッチ１１と、音声パワー計算部１２から構成され、主と
してＣＰＵとソフトウェアにより実現される。
【００２８】図１に示された連続音声認識装置におい
て、文法規則格納部５には認識に用いる各種の文の末尾
に無音部分を有する文法規則が予め用意されて格納され
る。例えば、内線電話受付システムであれば、図２に示
すような「総務部の矢野さんお願いします（無音）」を
表わす文法規則が種々用意される。なお、図２の例では
文法規則がネットワークを用いて示されている。
【００２９】単語標準パタン格納部８には従来と同様、
各種文法規則に表われる全単語（図２の例では「総務
部」，「の」，「矢野」，「さん」，「お願いします」
及び「（無音）」の標準パタンが予め用意されて格納さ
れる。
【００３０】また、スイッチ１１は最初、即ち装置の起
動時に予め発話検出部３に接続しておくものとし、発話
検出部３より発話検出信号３Ａを受け取った時点で発話
検出部３との接続を断ち、終話検出部１３より終話検出
信号１３Ａを受け取った時点で発話検出部３に接続する
ものである。
【００３１】音声認識の手順に沿って、図１に示された
連続音声認識装置の各部の機能を以下に説明する。
【００３２】音声パワー計算部１２は従来と同様入力音
声のパワーを時々刻々に計算し、その結果１２Ａをスイ
ッチ１１に送る。
【００３３】スイッチ１１は前述の如く最初発話検出部
３に接続されており、音声パワー計算部１２より送られ
てくる音声パワーの計算結果１２Ａを発話検出部３に送
る。以後、発話検出部３より発話検出信号３Ａを受け取
った時点で発話検出部３との接続を断ち、終話検出部１
３より終話検出信号１３Ａを受け取った時点で発話検出
部３に接続し同発話検出部３に再び音声パワーの計算結
果１２Ａを送る。
【００３４】発話検出部３は従来と同様、スイッチ１１
を通して音声パワー計算部１２から送られてくる音声パ
ワーを図１０に示したようにしきい値ＴＨ1 と比較し、
しきい値ＴＨ1 を越えた状態が予め定めた一定時間ｔ1
以上継続した時点で、発話検出信号３Ａをスイッチ１１
と単語予測部６に送る。
【００３５】音響分析部１は入力音声の特徴パラメータ
を抽出するための音響分析を時々刻々に用い、その結果
１Ａを音響分析結果遅延部２に送る。
【００３６】音響分析結果遅延部２は認識開始時点を発
話時点に一致させるように、音響分析部１から送られて
くる音響分析結果１Ａを、発話検出部３において実際に
ユーザが発話してから発話検出信号３Ａが送出されるま
でに要する時間ｔ1 だけ遅延させて、その結果２Ａを単
語照合部７に送る。
【００３７】単語予測部６は部分文生成部９から送られ
てくる部分文照合結果（部分文とその照合スコア）９Ａ
と、文法規則格納部５に格納されている文法規則５Ａと
から、単語照合部７で次に照合すべき単語、即ち照合単
語６Ａを１つまたは複数個予測して求め、単語照合部７
に送る。なお、単語には無音も含まれる。この照合単語
６Ａを求める処理は、発話検出信号３Ａを受け取った時
点から開始され、終話検出部１３より終話検出信号１３
Ａを受け取るまで継続し、終了する。
【００３８】単語照合部７は単語予測部６より受け取っ
た照合単語６Ａに対応する単語標準パタン即ち照合単語
標準パタン８Ａを単語標準パタン格納部８から取り出し
て、遅延された音響分析結果２Ａと照合単語標準パタン
８Ａとを照合し、照合単語標準パタン８Ａの終りまで照
合を行った照合単語６Ａについて、その単語照合結果７
Ａを部分文生成部９に送る。
【００３９】なお、単語照合部７において照合の際に用
いる照合スコア計算法としては、従来と同様、周知のＤ
Ｐマッチング法や隠れマルコフモデル（ＨＭＭ）を用い
た方法等がある。
【００４０】照合スコアの計算に隠れマルコフモデルを
用いた場合は、照合スコアは数１（式（１））により計
算される。
【００４１】
【数１】
【００４２】照合スコアの計算にＤＰマッチング法を用
いた場合は、照合スコアは数２（式（２））により計算
される。
【００４３】
【数２】
【００４４】部分文生成部９では、単語照合部７より送
られてくる単語照合結果７Ａから、各部分文とその照合
スコアを求め、その結果９Ａを単語予測部６，終話検出
部１３及び認識結果出力部１０に送る。ここで、図２に
例示した文法規則について言えば、部分文として、「総
務部」，「総務部の」，「総務部の矢野」，「総務部の
矢野さん」，「総務部の矢野さんお願いします」及び
「総務部の矢野さんお願いします（無音）」の６つの文
があり、それぞれについて照合スコアが求められる。
【００４５】ここで、ＨＭＭ（隠れマルコフモデル）を
用いた場合を例にとって部分文の生成とその照合スコア
の計算について説明する。まず、照合スコアについて
は、例えば部分文「総務部の」から「矢野」が予測され
た場合には、各単語のＨＭＭ「総務部」「の」「矢野」
を接続して部分文「総務部の矢野」のＨＭＭを作り、数
１の計算を行うことにより、当該部分文「総務部の矢
野」の照合スコアが求めることができる。また、「総務
部」「の」「矢野」という単語列を記憶しておくことに
より、部分文「総務部の矢野」を生成することができ
る。
【００４６】数１では、上述した照合スコアの計算処理
を単語別に書いてある。つまり、図６（ａ）において例
えば「総務部の矢野」という部分文のＨＭＭを単語ＨＭ
Ｍを繋いで作る代りに、図６（ｂ）の如く３つの単語Ｈ
ＭＭを使って書くと、単語間では、例えば単語「の」と
「矢野」との間では、各時間ｔで単語「の」の終了状態
Ｂに遷移した際のスコアと、単語「矢野」の先頭状態Ｃ
か同状態Ｃに自己遷移した際のスコアとを比べて大きい
方を単語「矢野」の先頭状態Ｃの照合スコアとする。こ
の処理は時刻ｔ＋１，ｔ＋２，ｔ＋３…と何度も行われ
るので、再び単語「矢野」の照合が要求される都合、ス
コアの比較により大きい方がとられる。
【００４７】但し、最初に単語「矢野」の照合が要求さ
れた場合は、その先頭状態Ｃはまだ照合されていないの
で、無条件に単語「の」の終了状態Ｂのスコアを単語
「矢野」の先頭状態Ｃのスコアとして与える。また、単
語「矢野」の他の状態Ｄ，Ｅ，Ｆのスコアは初期化のた
め、−∞とする。
【００４８】このようにスコアの計算を行うことによ
り、部分文「総務部」のスコアは単語ＨＭＭ「総務部」
の終了状態Ａにおける照合スコアとなり、部分文「総務
部の」の照合スコアは単語ＨＭＭ「の」の終了状態Ｂに
おける照合スコアとなり、部分文「総務部の矢野」の照
合スコアは単語ＨＭＭ「矢野」の終了状態Ｆにおける照
合スコアとなる。
【００４９】上述した照合スコアの計算を行うことによ
り、部分文生成部９が実際に行う必要があるのは、部分
文とその照合スコアとの対応付けだけで十分であり、例
えば図７に示す例では、部分文「総務部の矢野」とその
照合スコアの対応付け、部分文「総務部矢野」とその照
合スコアの対応付けを行う。
【００５０】但し、部分文は必ずしも実際の単語列とし
て保持する必要はなく、単語予測に用いるのに使い易い
形で保持するのが好ましい。単語予測に用いられる手法
としては、「Ｅａｒｌｙ法」、「ＬＲ法」、「参考文
献：野村浩郷著、自然言語処理の基礎技術、電子情報通
信学会編」などが一般に広く用いられている。
【００５１】上述した説明はＨＭＭを用いた場合の処理
についてであるが、ＤＰマッチング法を用いた数２によ
る照合スコアの計算においても、同様に部分文の生成と
その照合スコアの計算が行われる。
【００５２】終話検出部１３は、入力音声と単語標準パ
タンとの照合結果より得られる、部分文の照合スコア及
び構文解析結果と、無音の標準パタンに一致すると判断
される入力音声の継続時間とを用いて、発声の終了を判
断するものであり、具体的には以下に示す２つの条件を
定め、これら２つの条件が満たされるか否かを常時調
べ、満たされた時点でユーザの発声が終了したものと判
断して、終話検出信号１３Ａを単語予測部６及び認識結
果出力部１０に送る。
【００５３】第１の条件：この条件は、認識用文法規則
で受理される部分文（例えば図２の例では「総務部の矢
野さんお願いします（無音）」）の照合スコアが、全て
の部分文の照合スコアのうちで最大であること。
【００５４】第２の条件：この条件は、無音の標準パタ
ンに一致すると判断される入力音声の継続時間が、予め
定めた所定時間以上であること。
【００５５】終話検出部１３の具体的な装置構成として
は、図３または図４に例示するものがあり、図３の例で
は構文解析部１４と、照合スコア比較部１５と、無音継
続時間判定部１６と、発声終了判断部１７から構成さ
れ、図４の例では照合スコア比較部１８と、構文解析部
１９と、無音継続時間判定部１６と、発声終了判断部１
７から構成される。
【００５６】図３に例示した終話検出部１３では、入力
音声と照合単語標準パタンとの単語照合結果７Ａより部
分文生成部９で得た部分文照合結果９Ａの各部分文を、
まず構文解析部１４が解析して、文法規則５Ａで受理さ
れる部分文（図２の例では、「総務部の矢野さんお願い
します（無音）」）を常時探索し、その結果１４Ａを照
合スコア比較部１５に送る。次に、照合スコア比較部１
５が構文解析部１４の探索により文法規則で受理される
と判定された部分文について、当該部分文の照合スコア
が部分文照合結果９Ａの全ての部分文の照合スコアのう
ちで最大であるか否かを、照合スコアどうしを比較して
判定し、その結果１５Ａを発声終了判断部１７に送る。
これら構文解析部１４と照合スコア比較部１５により、
前述した第１の条件が満たされたか否かが調べられる。
【００５７】図４に例示した終話検出部１３では、入力
音声と照合単語標準パタンとの単語照合結果７Ａより部
分文生成部９で得た部分文照合結果９Ａの各部分文とそ
の照合スコアから、まず照合スコア比較部１８が照合ス
コアどうしを比較して、全ての部分文のうちで最大の照
合スコアを持つ部分文を常時探索し、その結果１８Ａを
構文解析部１９に送る。次に、構文解析部１９が照合ス
コア比較部１８により探索された最大の照合スコアを持
つ部分文が文法規則５Ａで受理される文（図２の例では
「総務部の矢野さんお願いします（無音）」）であるか
否かを解析し、その結果１９Ａを発声終了判断部１７に
送る。これら照合スコア比較部１８と構文解析部１９に
より、前述した第１の条件が満たされるか否かが調べら
れる。即ち、照合スコアが最大の部分文が文法規則に受
理されるものであれば、第１の条件が満たされる。
【００５８】図３，図４いずれの場合も、無音継続時間
判定部１６は入力音声と照合単語標準パタンとの単語照
合結果７Ａより部分文生成部９で得た部分文照合結果９
Ａから、第２の条件が満たされるか否か、即ち無音の標
準パタンに一致すると判断される入力音声（図２の例で
は、文末の「（無音）」に相当するもの）の継続時間が
所定時間以上であるか否かを常時判定し、その結果１６
Ａを発声終了判断部１７に送る。なお、無音の継続時間
の求め方については、後で説明する。
【００５９】発声終了判断部１７は、図３と図４いずれ
の場合も、第１の条件と第２の条件がともに満たされた
時に、ユーザの発話が終了したと判断し、終話検出信号
１３Ａを出力する。
【００６０】次に、無音の継続時間の求め方を説明す
る。まず、単語照合部７において隠れマルコフモデル
（ＨＭＭ）を用いて照合スコアを計算する場合は（数１
参照）、数３（式（３））と数４（式（４））により無
音の標準パタンに一致する入力音声の継続時間を計算す
ることができる。
【００６１】
【数３】
【００６２】
【数４】
【００６３】単語照合部７においてＤＰマッチング法を
用いて照合スコアを計算する場合は（数２参照）、数５
（式（５））と数６（式（６））により無音の標準パタ
ンに一致する入力音声の継続時間を計算することができ
る。
【００６４】
【数５】
【００６５】
【数６】
【００６６】なお、数４（式（４））には無音の標準パ
タンの「終了状態」、数６（式（６））には無音の標準
パタン列の「最後」なる文言があるが、無音モデルは単
一の状態または単一のパタンで表わすだけでなく、「複
数状態」や「複数個のパタン」で表わすこともあるか
ら、このような式となっている。
【００６７】ここで、図８の例でＨＭＭを用いた場合の
無音継続時間の計算例を説明する。図９に示す経路２０
で照合したスコアが一番高かったとすると、この場合
は、時刻ｔ＋５で無音ＨＭＭの状態４までの照合が、何
時開始されたかを求めれば良い。
【００６８】まず、無音の先頭状態１を考えると、前単
語からの遷移Ａのスコアが自分自身からの遷移Ｂのスコ
アより高い場合には、その時刻ｔ＋１を記憶する。即
ち、ｂｅｇｉｎ（ｔ＋１，状態１）＝ｔ＋１である。
【００６９】先頭状態１以外については、一番高い照合
スコアを与える状態遷移元に保持されている時刻を引き
継ぐ。例えば、ｂｅｇｉｎ（ｔ＋３，状態２）＝ｂｅｇ
ｉｎ（ｔ＋２，状態２）となる。
【００７０】この処理を繰り返すことにより、各時刻で
無音ＨＭＭの状態４まで照合を行った場合の一番高い照
合スコアを与える経路２０で何時照合を開始したかを知
ることができる。このことから、図８の例では、時刻ｔ
＋５における無音の継続時間は〔ｔ＋５−ｂｅｇｉｎ
（ｔ＋５，状態４）〕となる。
【００７１】上述した無音継続時間の計算例はＨＭＭを
用いた場合の処理についてであるが、ＤＰマッチング法
を用いた場合の数５，数６による計算においても同様の
考えで処理される。
【００７２】認識結果出力部１０は終話検出部１３から
終話検出信号１３Ａを受け取った後例えば受信時点に、
部分文生成部９から送られてきた全ての部分文照合結果
９Ａのうちで、照合スコアの最も高い文を認識結果１０
Ａとして出力する。
【００７３】以上説明した第１実施例では、発話の検出
には音声パワーのしきい値を利用しているが、終話の検
出には音声パワーのしきい値ではなく、入力音声と単語
標準パタンとの照合結果より得られる、部分文の照合ス
コア及び構文解析結果と、無音の標準パタンに一致する
と判断される入力音声の継続時間とを利用しているの
で、文中に長い無音区間が生じる場合に音声区間が終了
したと判断する検出誤りを削減することが可能となり、
これにより連続音声認識の性能が向上する。
【００７４】ここで、図２に示した文法規則を例にとっ
て、第１実施例（図１）の連続音声認識装置の動作を説
明する。前述の通り、図２は「総務部の矢野さんお願い
します（無音）」を表わす文法規則をネットワークを用
いて示したものである。
【００７５】装置起動後、入力音声の音声パワーが一定
時間しきい値を継続して越えると、発話検出信号３Ａが
単語予測部６とスイッチ１１に送られ、図２の文法規則
を用いて照合単語の予測が行われる。この文法規則を用
いた場合、文頭では単語「総務部」が予測され、続い
て、部分文「総務部」からそれに続く単語「の」、部分
文「総務部の」からそれに続く単語「矢野」、部分文
「総務部の矢野」からそれに続く単語「さん」、部分文
「総務部の矢野さん」からそれに続く単語「お願いしま
す」が順次予測され、最終的には、部分文「総務部の矢
野さんお願いします」から「（無音）」が予測される。
また、図２の文法規則では、部分文「総務部の矢野さん
お願いします（無音）」のみが、受理可能となってい
る。
【００７６】そして、図２の文法規則を用いて連続音声
認識を行った場合、単語の予測と照合が進むと、各時刻
で部分文生成部９にて、部分文「総務部」、「総務部
の」、「総務部の矢野」、「総務部の矢野さん」、「総
務部の矢野さんお願いします」、「総務部の矢野さんお
願いします（無音）」と、それぞれの照合スコアが得ら
れる。
【００７７】部分文とその照合スコアが得られる各時刻
で、終話を検出するために、 ＜第１の条件＞ 文法規則で受理される部分文「総務部
の矢野さんお願いします（無音）」の照合スコアが全部
分文の照合スコアのうちで最大になっているか、更に、 ＜第２の条件＞ 部分文「総務部の矢野さんお願いしま
す（無音）」の文末の「（無音）」の標準パタンと一致
すると判断される入力音声の継続時間が予め定めた所定
時間以上であるか、 という２つの条件を調べ、ともに条件が満たされた場合
にユーザの発声が終了したものと判断し、終話検出信号
１３Ａが出力されて単語予測部６，認識結果出力部１０
及びスイッチ１１に送られる。
【００７８】終話検出信号１３Ａが出力されると、単語
予測及び単語照合が終了され、且つ、認識結果出力部１
０にて部分文照合結果９Ａのうちで照合スコアの最も高
い部分文が認識結果１０Ａとして出力される。これによ
り、連続音声認識が終了する。また、同時にスイッチ１
１が発話検出部３に接続し、次の入力音声に対する連続
音声認識開始を待機する。
【００７９】＜第２の実施例＞図５に示された連続音声
認識装置は、発話検出は行わず、その代りに装置起動時
から単語の予測や照合などの音声認識処理を開始し、終
話検出を入力音声と単語標準パタンとの照合結果より得
られる、部分文の照合スコア及び構文解析結果と、無音
の標準パタンに一致すると判断される入力音声の継続時
間とを利用して行い、終話検出が行れた時点で処理中の
音声認識を終了すると共に、次の入力音声に対する音声
認識処理を開始するようにしたものである。
【００８０】そのため図１に示した第１実施例の連続音
声認識装置と比較すると、図５に示した第２実施例の装
置は音声区間検出用スイッチ１１，発話検出部３及び音
響分析結果遅延部２が無く、音響分析部１で得た音響分
析結果１Ａがそのまま単語照合部７に送られる。
【００８１】即ち、図５において連続音声認識装置は、
音響分析部１と、終話検出部１３と、文法規則格納部５
と、単語予測部６と、単語照合部７と、単語標準パタン
格納部８と、部分文生成部９と、認識結果出力部１０か
ら構成され、主としてＣＰＵとソフトウェアにより実現
される。
【００８２】図５において、第１実施例と同様、文法規
則格納部５には認識に用いる各種の文の末尾に無音部分
を有する文法規則が予め用意されて格納する。また、単
語標準パタン格納部８には従来と同様、各種文法規則に
表われる全単語の標準パタンが予め用意されて格納され
る。
【００８３】音声認識の手順に沿って、図５に示された
連続音声認識装置の各部の機能を以下に説明する。
【００８４】音響分析部１は入力音声の特徴パラメータ
を抽出するための音響分析を時々刻々に用い、その結果
１Ａを単語照合部７に送る。
【００８５】単語予測部６は装置の起動と同時に単語の
予測を開始し、部分文生成部９から送られてくる部分文
照合結果（部分文とその照合スコア）９Ａと、文法規則
格納部５に格納されている文法規則５Ａとから、単語照
合部７で次に照合すべき単語、即ち照合単語６Ａを１つ
または複数個予測して求め、単語照合部７に送る。な
お、終話検出部１３より終話検出信号１３Ａを受け取る
と、今までの単語予測を終了し、次の入力音声について
単語予測を開始する。単語には無音も含まれる。
【００８６】単語照合部７は第１実施例と同様、単語予
測部６より受け取った照合単語６Ａに対応する単語標準
パタン即ち照合単語標準パタン８Ａを単語標準パタン格
納部８から取り出して、音響分析結果１Ａと照合単語標
準パタン８Ａとを照合し、照合単語標準パタン８Ａの終
りまで照合を行った照合単語６Ａについて、その単語照
合結果７Ａを部分文生成部９に送る。
【００８７】なお、単語照合部７において照合の際に用
いる照合スコア計算法としては、従来と同様、周知のＤ
Ｐマッチング法や隠れマルコフモデル（ＨＭＭ）を用い
た方法等がある。照合スコアの計算に隠れマルコフモデ
ルを用いた場合は、照合スコアは前述の数１（式
（１））により計算される。また、照合スコアの計算に
ＤＰマッチング法を用いた場合は、照合スコアは前述の
数２（式（２））により計算される。
【００８８】部分文生成部９では、第１実施例と同様、
単語照合部７より送られてくる単語照合結果７Ａから、
各部分文とその照合スコアを求め、その結果９Ａを単語
予測部６，終話検出部１３及び認識結果出力部１０に送
る。
【００８９】終話検出部１３は、第１実施例と同様、入
力音声と単語標準パタンとの照合結果より得られる、部
分文の照合スコア及び構文解析結果と、無音の標準パタ
ンに一致すると判断される入力音声の継続時間とを用い
て、発声の終了を判断するものであり、具体的には以下
に示す２つの条件を定め、これら２つの条件が満たされ
るか否かを常時調べ、満たされた時点でユーザの発声が
終了したものと判断して、終話検出信号１３Ａを単語予
測部６及び認識結果出力部１０に送る。
【００９０】第１の条件：この条件は、認識用文法規則
で受理される部分文（例えば図２の例では「総務部の矢
野さんお願いします（無音）」）の照合スコアが、全て
の部分文の照合スコアのうちで最大であること。
【００９１】第２の条件：この条件は、無音の標準パタ
ンに一致すると判断される入力音声の継続時間が、予め
定めた所定時間以上であること。
【００９２】終話検出部１３の具体的な装置構成として
は、図３または図４に例示するものがあり、これらの構
成及び作用は第１実施例にて説明した通りである。
【００９３】無音の継続時間の求め方も第１実施例と同
様である。まず、単語照合部７において隠れマルコフモ
デル（ＨＭＭ）を用いて照合スコアを計算する場合は
（数１参照）、前述した数３（式（３））と数４（式
（４））により無音の標準パタンに一致する入力音声の
継続時間を計算することができる。単語照合部７におい
てＤＰマッチング法を用いて照合スコアを計算する場合
は（数２参照）、前出の数５（式（５））と数６（式
（６））により無音の標準パタンに一致する入力音声の
継続時間を計算することができる。
【００９４】認識結果出力部１０は第１実施例と同様、
終話検出部１３から終話検出信号１３Ａを受け取った後
に、部分文生成部９から送られてきた全ての部分文照合
結果９Ａのうちで、照合スコアの最も高い文を認識結果
１０Ａとして出力する。
【００９５】以上説明したように第２実施例では、音声
パワーを基にした発話検出を行わず、装置が起動された
時点から単語の予測、照合等の認識処理を開始するの
で、第１実施例に比較すると、入力音声のレベルが低い
場合に生じる発話検出誤りによる認識性能の劣化を回避
することができ、認識性能がより向上する。そのうえ、
第１実施例と同様、第２実施例でも、入力音声と単語標
準パタンとの照合結果より得られる、部分文の照合スコ
ア及び構文解析結果と、無音の標準パタンに一致すると
判断される入力音声の継続時間とを利用しているので、
文中に長い無音区間が生じる場合に音声区間が終了した
と判断する検出誤りを削減することが可能となり、これ
により連続音声認識の性能が向上する。なお、発話検出
を行わないので、文の発声開始前に、咳、息あるいは雑
音等が低レベルで入力された場合にも、その音声の照合
を行い誤った認識結果を出力する可能性があり得る。
【００９６】ここで、図２に示した文法規則を例にとっ
て、第２実施例（図５）の連続音声認識装置の動作を説
明する。前述の通り、図２は「総務部の矢野さんお願い
します（無音）」を表わす文法規則をネットワークを用
いて示したものである。
【００９７】装置起動後の時点から、図２の文法規則を
用いて照合単語の予測が行われる。この文法規則を用い
た場合、文頭では単語「総務部」が予測され、続いて、
部分文「総務部」からそれに続く単語「の」、部分文
「総務部の」からそれに続く単語「矢野」、部分文「総
務部の矢野」からそれに続く単語「さん」、部分文「総
務部の矢野さん」からそれに続く単語「お願いします」
が順次予測され、最終的には、部分文「総務部の矢野さ
んお願いします」から「（無音）」が予測される。ま
た、図２の文法規則では、部分文「総務部の矢野さんお
願いします（無音）」のみが、受理可能となっている。
【００９８】そして、図２の文法規則を用いて連続音声
認識を行った場合、単語の予測と照合が進むと、各時刻
で部分文生成部９にて、部分文「総務部」、「総務部
の」、「総務部の矢野」、「総務部の矢野さん」、「総
務部の矢野さんお願いします」、「総務部の矢野さんお
願いします（無音）」と、それぞれの照合スコアが得ら
れる。
【００９９】部分文とその照合スコアが得られる各時刻
で、終話を検出するために、 ＜第１の条件＞ 文法規則で受理される部分文「総務部
の矢野さんお願いします（無音）」の照合スコアが全部
分文の照合スコアのうちで最大になっているか、更に、 ＜第２の条件＞ 部分文「総務部の矢野さんお願いしま
す（無音）」の文末の「（無音）」の標準パタンと一致
すると判断される入力音声の継続時間が予め定めた所定
時間以上であるか、 という２つの条件を調べ、ともに条件が満たされた場合
にユーザの発声が終了したものと判断し、終話検出信号
１３Ａが出力されて単語予測部６及び認識結果出力部１
０に送られる。
【０１００】終話検出信号１３Ａが出力されると、単語
予測及び単語照合が終了され、且つ、認識結果出力部１
０にて部分文照合結果９Ａのうちで照合スコアの最も高
い部分文が認識結果１０Ａとして出力される。これによ
り、連続音声認識が終了する。また、同時に単語予測部
６が、次の入力音声に対する連続音声認識のための予測
を開始する。
【０１０１】
【発明の効果】請求項１及び２の終話検出方法並びに請
求項３及び４の終話検出装置によれば、入力音声の音声
パワーによらず、入力音声と単語標準パタンとの照合結
果を利用してユーザの発声が終了したと判断することに
より終話を検出するので、従来入力音声のレベルが低い
場合に生じ易い音声区間の検出誤り、特に文中に長い音
声区間が生じると文の途中であっても音声区間が終了し
たと判断する終話検出誤りを削減することができる。
【０１０２】また、請求項５の連続音声認識方法並びに
請求項７及び８の連続音声認識装置によれば、入力音声
の音声パワーに基づき発話を検出して音声認識処理を開
始し、入力音声と単語標準パタンとの照合結果を利用し
て終話を検出するので、発声した文中に長い無音区間が
あっても、従来入力した文の一部を文全体の標準パタン
と照合する誤りがなくなり、連続音声認識の性能が向上
する。
【０１０３】更に、請求項６の連続音声認識方法並びに
請求項９及び１０の連続音声認識装置によれば、入力音
声の音声パワーに基づく発話検出は行わず、装置が起動
された時点から音声認識を開始し、入力音声と単語標準
パタンを利用して終話を検出するまで音声認識を続ける
ので、従来入力音声のレベルが低い場合に生じる発話検
出誤りにより音声認識性能の劣化を回避することがで
き、しかも、発声した文中に長い無音区間があっても、
従来入力した文の一部を文全体の標準パタンと照合する
誤りがなくなり、連続音声認識の性能が一層向上する。
【図面の簡単な説明】
【図１】本発明の第１実施例に係る連続音声認識装置の
構成を示す図。
【図２】文法規則の一例をネットワークを用いて示す
図。
【図３】終話検出装置の構成の一実施例を示す図。
【図４】終話検出装置の構成の他の実施例を示す図。
【図５】本発明の第２実施例に係る連続音声認識装置の
構成を示す図。
【図６】部分文と照合スコア計算の説明図。
【図７】部分文と照合スコアの関係を示す図。
【図８】無音継続時間計算の説明図。
【図９】従来の連続音声認識装置の構成を示す図。
【図１０】音声パワーを用いた発話検出及び終話検出の
例を示す図。
【符号の説明】
１ 音響分析部 １Ａ 音響分析結果 ２ 音響分析結果遅延部 ２Ａ 遅延された音響分析結果 ３ 発話検出部 ３Ａ 発話検出信号 ５ 文法規則格納部 ５Ａ 文法規則 ６ 単語予測部 ６Ａ 照合単語 ７ 単語照合部 ７Ａ 単語照合結果 ８ 単語標準パタン格納部 ８Ａ 照合単語標準パタン ９ 部分文生成部 ９Ａ 部分文照合結果 １０ 認識結果出力部 １０Ａ 認識結果 １１ 音声区間検出用スイッチ １２ 音声パワー計算部 １２Ａ 音声パワー計算結果 １３ 終話検出部 １３Ａ 終話検出信号 １４，１８ 構文解析部 １５，１９ 照合スコア比較部 １６ 無音継続時間判定部 １７ 発声終了判断部
───────────────────────────────────────────────────── フロントページの続き (72)発明者 山本 誠一 東京都新宿区西新宿二丁目３番２号 国 際電信電話株式会社内 (56)参考文献 特開 平６−43895（ＪＰ，Ａ) 特開 平５−197389（ＪＰ，Ａ) 特開 平７−261782（ＪＰ，Ａ) 特開 平８−83091（ＪＰ，Ａ) 特開 平６−180592（ＪＰ，Ａ) 特公 昭62−50837（ＪＰ，Ｂ２) 特公 平６−32003（ＪＰ，Ｂ２) 日本音響学会平成６年度秋季研究発表 会講演論文集 ２−８−９「文仮設の尤 度を用いた音声区間検出法の検討」ｐ. 55−56（平成６年11月１日国会図書館受 入) (58)調査した分野(Int.Cl.7，ＤＢ名) G10L 3/00 - 9/20 ＪＩＣＳＴファイル（ＪＯＩＳ)

Claims (10)

    (57)【特許請求の範囲】
  1. 【請求項１】 単語標準パタンを文法規則に基づき、連
    続的に入力音声と照合することにより、連続に発声され
    た音声を認識する連続音声認識方法において：入力音声
    と単語標準パタンとの照合結果より得られる、部分文の
    照合スコア及び構文解析結果と、無音の標準パタンに一
    致すると判断される入力音声の継続時間とを用いて、構
    文解析の結果、文法規則で受理された部分文の照合スコ
    アが全ての部分文の照合スコアの内で最大であるという
    条件が満たされ、かつ、無音の標準パタンに一致すると
    判断される入力音声の継続時間が予め定めた所定時間以
    上であるという条件が満たされたとき、発声の終了であ
    ると判断することを特徴とする終話検出方法。
  2. 【請求項２】 単語標準パタンを文法規則に基づき、連
    続的に入力音声と照合すること；この入力音声と単語標
    準パタンとの照合結果より、各部分文とその照合スコア
    を求めること；前記文法規則に受理される部分文の照合
    スコアが全ての部分文の照合スコアのうちで最大である
    という第１の条件が満たされるか否かを調べること；無
    音の標準パタンと一致すると判断される入力音声の継続
    時間が予め定めた所定時間以上であるという第２の条件
    が満たされるか否かを調べること；及び、前記第１の条
    件と第２の条件がともに満たされた時点を発声の終了時
    点と判断すること；を特徴とする終話検出方法。
  3. 【請求項３】 単語標準パタンを文法規則に基づき、連
    続的に入力音声と照合することにより、連続に発声され
    た音声を認識する連続音声認識装置において；入力音声
    と単語標準パタンとの照合結果より得られる部分文か
    ら、文法規則で受理される部分文を探索する構文解析手
    段と；入力音声と単語標準パタンとの照合結果より得ら
    れる部分文の照合スコアから、文法規則で受理される部
    分文の照合スコアが全ての部分文の照合スコアのうちで
    最大であるか否かを判定する照合スコア比較手段と；入
    力音声と単語標準パタンとの照合結果より、無音の標準
    パタンに一致すると判断される入力音声の継続時間が予
    め定めた所定時間以上か否かを判定する無音継続時間判
    定手段と；文法規則で受理される部分文の照合スコアが
    全ての部分文の照合スコアのうちで最大であると判定さ
    れ、且つ、無音継続時間が所定時間以上であると判定さ
    れたとき、発声が終了したと判断する発声終了判断手段
    とを具備することを特徴とする終話検出装置。
  4. 【請求項４】 単語標準パタンを文法規則に基づき、連
    続的に入力音声と照合することにより、連続に発声され
    た音声を認識する連続音声認識装置において：入力音声
    と単語標準パタンとの照合結果より得られる部分文とそ
    の照合スコアから、照合スコアが最大の部分文を探索す
    る照合スコア比較手段と；照合スコアが最大の部分文が
    文法規則に受理される文か否かを解析する構文解析手段
    と；入力音声と単語標準パタンとの照合結果より、無音
    の標準パタンに一致すると判断される入力音声の継続時
    間が予め定めた所定時間以上か否かを判定する無音継続
    時間判定手段と；照合スコアが最大の部分文が文法規則
    に受理される文であると判定され、且つ、無音継続時間
    が所定時間以上であると判定されたとき、発声が終了し
    たと判断する発声終了判断手段と；を具備することを特
    徴とする終話検出装置。
  5. 【請求項５】 単語標準パタンを文法規則に基づき、連
    続的に入力音声と照合することにより、連続に発声され
    た音声を認識する連続音声認識方法において； 入力音声の音声パワーがしきい値を越えた状態が予め定
    めた一定時間以上継続したときに、音声認識を開始する
    こと； 入力音声と単語標準パタンとの照合結果より得られる各
    部分文とその照合スコアから、前記文法規則に受理され
    る部分文の照合スコアが全ての部分文の照合スコアのう
    ちで最大であるという第１の条件が満たされるか否かを
    調べること； 入力音声と単語標準パタンとの照合結果から、無音の標
    準パタンに一致すると判断される入力音声の継続時間が
    予め定めた所定時間以上であるという第２の条件が満た
    されるか否かを調べること； 及び、第１の条件と第２の条件が満たされた時点で、音
    声認識を終了すること； を特徴とする連続音声認識方法。
  6. 【請求項６】 単語標準パタンを文法規則に基づき、連
    続的に入力音声と照合することにより、連続に発声され
    た音声を認識する連続音声認識方法において； 連続音声認識装置が起動したときに、音声認識を開始す
    ること； 入力音声と単語標準パタンとの照合結果より得られる各
    部分文とその照合スコアから、前記文法規則に受理され
    る部分文の照合スコアが全ての部分文の照合スコアのう
    ちで最大であるという第１の条件が満たされるか否かを
    調べること； 入力音声と単語標準パタンとの照合結果から、無音の標
    準パタンに一致すると判断される入力音声の継続時間が
    予め定めた所定時間以上であるという第２の条件が満た
    されるか否かを調べること； 及び、第１の条件と第２の条件が満たされた時点で、音
    声認識を終了すること； を特徴とする連続音声認識方法。
  7. 【請求項７】 単語標準パタンを文法規則に基づき、連
    続的に入力音声と照合することにより、連続に発声され
    た音声を認識する連続音声認識装置において：入力音声
    の音声パワーがしきい値を越えた状態が予め定めた一定
    時間以上継続するか否かを判定し、一定時間以上継続し
    たときに発話検出信号を出力する発話検出手段と；入力
    音声と単語標準パタンとの照合結果より得られる部分文
    から、文法規則で受理される部分文を探索する構文解析
    手段と；入力音声と単語標準パタンとの照合結果より得
    られる部分文の照合スコアから、文法規則で受理される
    部分文の照合スコアが全ての部分文の照合スコアのうち
    で最大であるか否かを判定する照合スコア比較手段と；
    入力音声と単語標準パタンとの照合結果より、無音の標
    準パタンに一致すると判断される入力音声の継続時間が
    予め定めた所定時間以上か否かを判定する無音継続時間
    判定手段と；文法規則で受理される部分文の照合スコア
    が全ての部分文の照合スコアのうちで最大であると判定
    され、且つ、無音継続時間が所定時間以上であると判定
    されたとき、終話検出信号を出力する発声終了判断手段
    と；を具備し、発話検出信号の出力により音声認識を開
    始し終話検出信号の出力により音声認識を終了すること
    を特徴とする連続音声認識装置。
  8. 【請求項８】 単語標準パタンを文法規則に基づき、連
    続的に入力音声と照合することにより、連続に発声され
    た音声を認識する連続音声認識装置において：入力音声
    の音声パワーがしきい値を越えた状態が予め定めた一定
    時間以上継続するか否かを判定し、一定時間以上継続し
    たときに発話検出信号を出力する発話検出手段と；入力
    音声と単語標準パタンとの照合結果より得られる部分文
    とその照合スコアから、照合スコアが最大の部分文を探
    索する照合スコア比較手段と；照合スコアが最大の部分
    文が文法規則に受理される文か否かを解析する構文解析
    手段と；入力音声と単語標準パタンとの照合結果より、
    無音の標準パタンに一致すると判断される入力音声の継
    続時間が予め定めた所定時間以上か否かを判定する無音
    継続時間判定手段と；照合スコアが最大の部分文が文法
    規則に受理される文であると判定され、且つ、無音継続
    時間が所定時間以上であると判定されたとき、終話検出
    信号を出力する発声終了判断手段と；を具備し、発話検
    出信号の出力により音声認識を開始し終話検出信号の出
    力により音声認識を終了することを特徴とする連続音声
    認識装置。
  9. 【請求項９】 単語標準パタンを文法規則に基づき、連
    続的に入力音声と照合することにより、連続に発声され
    た音声を認識する連続音声認識装置において：入力音声
    と単語標準パタンとの照合結果より得られる部分文か
    ら、文法規則で受理される部分文を探索する構文解析手
    段と；入力音声と単語標準パタンとの照合結果より得ら
    れる部分文の照合スコアから、文法規則で受理される部
    分文の照合スコアが全ての部分文の照合スコアのうちで
    最大であるか否かを判定する照合スコア比較手段と；入
    力音声と単語標準パタンとの照合結果より、無音の標準
    パタンに一致すると判断される入力音声の継続時間が予
    め定めた所定時間以上か否かを判定する無音継続時間判
    定手段と；文法規則で受理される部分文の照合スコアが
    全ての部分文の照合スコアのうちで最大であると判定さ
    れ、且つ、無音継続時間が所定時間以上であると判定さ
    れたとき、終話検出信号を出力する発声終了判断手段
    と；を具備し、装置が起動したときから終話検出信号が
    出力されるまでの間音声認識を行うことを特徴とする連
    続音声認識装置。
  10. 【請求項１０】 単語標準パタンを文法規則に基づき、
    連続的に入力音声と照合することにより、連続に発声さ
    れた音声を認識する連続音声認識装置において：入力音
    声と単語標準パタンとの照合結果より得られる部分文と
    その照合スコアから、照合スコアが最大の部分文を探索
    する照合スコア比較手段と；照合スコアが最大の部分文
    が文法規則に受理される文か否かを解析する構文解析手
    段と；入力音声と単語標準パタンとの照合結果より、無
    音の標準パタンに一致すると判断される入力音声の継続
    時間が予め定めた所定時間以上か否かを判定する無音継
    続時間判定手段と；照合スコアが最大の部分文が文法規
    則に受理される文であると判定され、且つ、無音継続時
    間が所定時間以上であると判定されたとき、終話検出信
    号を出力する発声終了判断手段と；を具備し、装置が起
    動したときから終話検出信号が出力されるまでの間音声
    認識を行うことを特徴とする連続音声認識装置。
JP6251773A 1994-10-18 1994-10-18 終話検出方法及び装置並びに連続音声認識方法及び装置 Expired - Lifetime JP3004883B2 (ja)

Priority Applications (2)

Application Number Priority Date Filing Date Title
JP6251773A JP3004883B2 (ja) 1994-10-18 1994-10-18 終話検出方法及び装置並びに連続音声認識方法及び装置
US08/534,805 US5740318A (en) 1994-10-18 1995-09-27 Speech endpoint detection method and apparatus and continuous speech recognition method and apparatus

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP6251773A JP3004883B2 (ja) 1994-10-18 1994-10-18 終話検出方法及び装置並びに連続音声認識方法及び装置

Publications (2)

Publication Number Publication Date
JPH08115093A JPH08115093A (ja) 1996-05-07
JP3004883B2 true JP3004883B2 (ja) 2000-01-31

Family

ID=17227712

Family Applications (1)

Application Number Title Priority Date Filing Date
JP6251773A Expired - Lifetime JP3004883B2 (ja) 1994-10-18 1994-10-18 終話検出方法及び装置並びに連続音声認識方法及び装置

Country Status (2)

Country Link
US (1) US5740318A (ja)
JP (1) JP3004883B2 (ja)

Families Citing this family (33)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP0849723A3 (en) * 1996-12-20 1998-12-30 ATR Interpreting Telecommunications Research Laboratories Speech recognition apparatus equipped with means for removing erroneous candidate of speech recognition
JP4105841B2 (ja) * 2000-07-11 2008-06-25 インターナショナル・ビジネス・マシーンズ・コーポレーション 音声認識方法、音声認識装置、コンピュータ・システムおよび記憶媒体
AU2008201023B2 (en) * 2001-04-27 2011-11-17 Accenture Global Services Limited Location-based services
US9117460B2 (en) * 2004-05-12 2015-08-25 Core Wireless Licensing S.A.R.L. Detection of end of utterance in speech recognition system
WO2006125346A1 (en) * 2005-05-27 2006-11-30 Intel Corporation Automatic text-speech mapping tool
JP4906379B2 (ja) 2006-03-22 2012-03-28 富士通株式会社 音声認識装置、音声認識方法、及びコンピュータプログラム
US7752043B2 (en) 2006-09-29 2010-07-06 Verint Americas Inc. Multi-pass speech analytics
WO2008114448A1 (ja) * 2007-03-20 2008-09-25 Fujitsu Limited 音声認識システム、音声認識プログラムおよび音声認識方法
US7970614B2 (en) * 2007-05-08 2011-06-28 Nuance Communications, Inc. Continuous adaptation in detection systems via self-tuning from target population subsets
WO2010019831A1 (en) * 2008-08-14 2010-02-18 21Ct, Inc. Hidden markov model for speech processing with training method
US8719016B1 (en) * 2009-04-07 2014-05-06 Verint Americas Inc. Speech analytics system and system and method for determining structured speech
US20110103370A1 (en) * 2009-10-29 2011-05-05 General Instruments Corporation Call monitoring and hung call prevention
JP5668553B2 (ja) * 2011-03-18 2015-02-12 富士通株式会社 音声誤検出判別装置、音声誤検出判別方法、およびプログラム
JP2013019958A (ja) * 2011-07-07 2013-01-31 Denso Corp 音声認識装置
US9595205B2 (en) 2012-12-18 2017-03-14 Neuron Fuel, Inc. Systems and methods for goal-based programming instruction
US10510264B2 (en) 2013-03-21 2019-12-17 Neuron Fuel, Inc. Systems and methods for customized lesson creation and application
KR20140147587A (ko) * 2013-06-20 2014-12-30 한국전자통신연구원 Ｗｆｓｔ를 이용한 음성 끝점 검출 장치 및 방법
US8768712B1 (en) * 2013-12-04 2014-07-01 Google Inc. Initiating actions based on partial hotwords
US9607613B2 (en) * 2014-04-23 2017-03-28 Google Inc. Speech endpointing based on word comparisons
US10121471B2 (en) * 2015-06-29 2018-11-06 Amazon Technologies, Inc. Language model speech endpointing
US10134425B1 (en) * 2015-06-29 2018-11-20 Amazon Technologies, Inc. Direction-based speech endpointing
KR101942521B1 (ko) * 2015-10-19 2019-01-28 구글 엘엘씨 음성 엔드포인팅
US10269341B2 (en) 2015-10-19 2019-04-23 Google Llc Speech endpointing
JP6447578B2 (ja) * 2016-05-27 2019-01-09 トヨタ自動車株式会社 音声対話装置および音声対話方法
US10546063B2 (en) * 2016-12-13 2020-01-28 International Business Machines Corporation Processing of string inputs utilizing machine learning
US10929754B2 (en) 2017-06-06 2021-02-23 Google Llc Unified endpointer using multitask and multidomain learning
WO2018226779A1 (en) 2017-06-06 2018-12-13 Google Llc End of query detection
US10636421B2 (en) 2017-12-27 2020-04-28 Soundhound, Inc. Parse prefix-detection in a human-machine interface
US11682416B2 (en) 2018-08-03 2023-06-20 International Business Machines Corporation Voice interactions in noisy environments
US11537853B1 (en) * 2018-11-28 2022-12-27 Amazon Technologies, Inc. Decompression and compression of neural network data using different compression schemes
CN112151073B (zh) * 2019-06-28 2024-07-09 北京声智科技有限公司 一种语音处理方法、***、设备及介质
CN112863496B (zh) * 2019-11-27 2024-04-02 阿里巴巴集团控股有限公司 一种语音端点检测方法以及装置
US11551685B2 (en) * 2020-03-18 2023-01-10 Amazon Technologies, Inc. Device-directed utterance detection

Family Cites Families (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS5997200A (ja) * 1982-11-26 1984-06-04 株式会社日立製作所 音声認識方式
US4624008A (en) * 1983-03-09 1986-11-18 International Telephone And Telegraph Corporation Apparatus for automatic speech recognition
US4821325A (en) * 1984-11-08 1989-04-11 American Telephone And Telegraph Company, At&T Bell Laboratories Endpoint detector
US4811399A (en) * 1984-12-31 1989-03-07 Itt Defense Communications, A Division Of Itt Corporation Apparatus and method for automatic speech recognition
JPS6250837A (ja) * 1985-08-30 1987-03-05 Fuji Electric Co Ltd 電子写真用感光体
JPS62169199A (ja) * 1986-01-22 1987-07-25 株式会社デンソー 音声認識装置
JPS62220998A (ja) * 1986-03-22 1987-09-29 工業技術院長 音声認識装置
US5040127A (en) * 1986-06-02 1991-08-13 Motorola, Inc. Continuous speech recognition system
US5509104A (en) * 1989-05-17 1996-04-16 At&T Corp. Speech recognition employing key word modeling and non-key word modeling
DE69128990T2 (de) * 1990-09-07 1998-08-27 Toshiba Kawasaki Kk Sprecherkennungsvorrichtung
US5293452A (en) * 1991-07-01 1994-03-08 Texas Instruments Incorporated Voice log-in using spoken name input
JPH05197389A (ja) * 1991-08-13 1993-08-06 Toshiba Corp 音声認識装置
US5444817A (en) * 1991-10-02 1995-08-22 Matsushita Electric Industrial Co., Ltd. Speech recognizing apparatus using the predicted duration of syllables
JP2996019B2 (ja) * 1992-07-22 1999-12-27 日本電気株式会社 音声認識装置
US5579431A (en) * 1992-10-05 1996-11-26 Panasonic Technologies, Inc. Speech detection in presence of noise by determining variance over time of frequency band limited energy
US5526466A (en) * 1993-04-14 1996-06-11 Matsushita Electric Industrial Co., Ltd. Speech recognition apparatus

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
日本音響学会平成６年度秋季研究発表会講演論文集 ２−８−９「文仮設の尤度を用いた音声区間検出法の検討」ｐ．５５−５６（平成６年１１月１日国会図書館受入）

Also Published As

Publication number Publication date
US5740318A (en) 1998-04-14
JPH08115093A (ja) 1996-05-07

Similar Documents

Publication Publication Date Title
JP3004883B2 (ja) 終話検出方法及び装置並びに連続音声認識方法及び装置
JP4351385B2 (ja) 連続および分離音声を認識するための音声認識システム
EP0965978B9 (en) Non-interactive enrollment in speech recognition
Ferrer et al. Is the speaker done yet? Faster and more accurate end-of-utterance detection using prosody
JP2963142B2 (ja) 信号処理方法
JP2018523156A (ja) 言語モデルスピーチエンドポインティング
CN112927683A (zh) 用于语音使能设备的动态唤醒词
US5706397A (en) Speech recognition system with multi-level pruning for acoustic matching
US20020082833A1 (en) Method for recognizing speech
JP3069531B2 (ja) 音声認識方法
KR101122591B1 (ko) 핵심어 인식에 의한 음성 인식 장치 및 방법
WO2002103675A1 (en) Client-server based distributed speech recognition system architecture
JP2007072331A (ja) 音声対話方法および音声対話システム
JP2000172294A (ja) 音声認識方法、その装置及びプログラム記録媒体
KR20050049207A (ko) 대화형 연속 음성인식 시스템 및 이를 이용한 음성끝점검출방법
JP3721948B2 (ja) 音声始端検出方法、音声認識装置における音声区間検出方法および音声認識装置
JP3428805B2 (ja) 音声認識のための音声区間始端補正方法及び装置並びに音声認識方法
JP2000250593A (ja) 話者認識装置及び方法
JPH08263092A (ja) 応答音声生成方法および音声対話システム
JP3285704B2 (ja) 音声対話のための音声認識方法及び装置
JP3104900B2 (ja) 音声認識方法
JPH07104786A (ja) 音声対話システム
JP2006010739A (ja) 音声認識装置
JP2731133B2 (ja) 連続音声認識装置
JP3766111B2 (ja) 音声認識装置

Legal Events

Date Code Title Description
A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 19991102

FPAY Renewal fee payment (event date is renewal date of database)

Free format text: PAYMENT UNTIL: 20111119

Year of fee payment: 12

FPAY Renewal fee payment (event date is renewal date of database)

Free format text: PAYMENT UNTIL: 20111119

Year of fee payment: 12

FPAY Renewal fee payment (event date is renewal date of database)

Free format text: PAYMENT UNTIL: 20121119

Year of fee payment: 13

EXPY Cancellation because of completion of term