JP5532880B2 - 音声認識装置 - Google Patents
音声認識装置 Download PDFInfo
- Publication number
- JP5532880B2 JP5532880B2 JP2009277698A JP2009277698A JP5532880B2 JP 5532880 B2 JP5532880 B2 JP 5532880B2 JP 2009277698 A JP2009277698 A JP 2009277698A JP 2009277698 A JP2009277698 A JP 2009277698A JP 5532880 B2 JP5532880 B2 JP 5532880B2
- Authority
- JP
- Japan
- Prior art keywords
- command
- speech
- voice
- value
- utterance speed
- 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 - Fee Related
Links
Images
Description
本発明は、上記課題に鑑みて為されたものであり、電子機器に対するコマンド入力を目的として発せられたものではない音声がコマンド入力を意図したものであると誤認識されることを回避しつつ、連続音声から認識対象音声を切り出してコマンド制御を行うことを可能にする技術を提供することを目的とする。
(A:構成)
図1は、本発明の一実施形態である音声認識装置30を含むコマンド制御装置1の構成例を示すブロック図である。このコマンド制御装置1は、電子機器(本実施形態では、音楽プレイヤ)に組み込まれ、その電子機器のコマンド入力インタフェースの役割を果たす。図1に示すようにコマンド制御装置1は、マイクロホン10、A/D変換器20、音声認識装置30、およびコマンドインタプリタ40を含んでいる。
以下、本実施形態の特徴を顕著に示す音声認識装置30を中心に説明する。
図2に示すように音声認識装置30は、制御部310、インタフェース群320、記憶部330、および、これら各構成要素間のデータ授受を仲介するバス340を含んでいる。制御部310は、例えばCPU(Central Processing Unit)である。制御部310は、記憶部330(より正確には、不揮発性記憶部334)に記憶されている音声認識プログラム334bを実行することにより、音声認識装置30の制御中枢として機能する。
Cepstrum Coefficient)が採用されている。各コマンド識別子に対応付けてコマンドデータベース334aに格納されているMFCCは、そのコマンド識別子の表わすコマンドの発話音声の波形データを所定の時間単位(例えば、500ms)分ずつに分割し、それら所定単位時間分の波形データの各々に対してFFTを施してパワースペクトルを算出し、そのパワースペクトルの対数値にメル尺度に基づく窓関数を乗算する等して算出されたものである。なお、本実施形態では、特徴量としてMFCCを用いたが、パワースペクトルの対数値(以下、対数パワースペクトル)やケプストラム(対数パワースペクトルに逆フーリエ変換を施して得られる値)を用いても勿論良く、また、これらのうちの複数種を組み合わせて用いても良い。
以上が音声認識装置30の構成である。
次いで、音声認識装置30の動作を説明する。
図3は、音声認識装置30の制御部310が音声認識プログラム334bにしたがって実行する音声認識処理の流れを示すフローチャートである。図3に示すように、この音声認識処理には、波形切り出し処理3100、特徴量算出処理3110、コマンド候補選択処理3120、発話速度算出処理3130、コマンド候補絞込み処理3140が含まれる。
以上、本発明の一実施形態について説明したが、かかる実施形態に以下に述べる変形を加えても良い。
(1)上述した実施形態では、音楽プレイヤに本実施形態のコマンド制御装置1を組み込んだ場合について説明した。しかし、本実施形態のコマンド制御装置1の組み込み対象の電子機器は、音楽プレイヤに限定されるものではなく、パーソナルコンピュータや家庭用ゲーム機、カーナビゲーション装置などであっても良い。要は、何らかのコマンド入力を要する電子機器であれば、本実施形態のコマンド制御装置1を組み込むことによってそのコマンド入力を音声で行わせることが可能になる。また、上述した実施形態では、コマンドデータベース334aに5種類のコマンドが予め登録されていたが、1〜4種類のコマンドが予め登録されている態様であっても良く、また、6種類以上のコマンドが予め登録されている態様でも良い。要は、1または複数種類のコマンドが登録されている態様であれば良い。
Claims (4)
- 1または複数のコマンドの各々に対応付けてそのコマンドの発話音声の特徴を示す特徴量が格納されたコマンドデータベースと、
マイクロホンの出力信号を解析し、当該出力信号の表わす音声についての特徴量を算出する特徴量算出手段と、
前記特徴量算出手段により算出される特徴量とコマンド毎に前記コマンドデータベースに格納されている特徴量との類似度に基づいて音声認識を行い、尤度を示すスコア値をコマンド毎に算出し、そのスコア値が高い上位N(Nは、1以上の整数)個のコマンドをコマンド候補として選択するコマンド候補選択手段と、
前記マイクロホンの出力信号の示す音声の単位時間当たりの音素数を当該音声の発話速度として算出する発話速度算出手段と、
前記コマンド候補選択手段により選択されたコマンド候補の各々のスコア値を前記発話速度が予め定められた上限値に近い値であるほど小さな値に補正し、補正後のスコア値が所定の閾値を下回っているものをコマンド候補から除外するコマンド候補絞込み手段と、を有し、
前記上限値は、電子機器に対してコマンド入力を行う際の発話音声の発話速度の出現頻度の分布と人同士の会話音声の発話速度の出現頻度の分布とから定められる
ことを特徴とする音声認識装置。 - 前記発話速度算出手段は、前記コマンド候補選択手段により選択されたコマンド候補の各々について単位時間当たりの音素数をそのコマンド候補の発話速度として算出し、
前記コマンド候補絞込み手段は、前記各コマンド候補についてその発話速度と前記マイクロホンの出力信号の示す音声の発話速度との一致度が低いほどそのスコア値を小さな値に補正し、補正後のスコア値が所定の閾値を下回っているものをコマンド候補から除外する
ことを特徴とする請求項1に記載の音声認識装置。 - 前記発話速度算出手段は、発話速度の算出対象となる音声の変調スペクトルを算出し、当該変調スペクトルが最大となる周波数を当該音声の発話速度として出力することを特徴とする請求項1または2の何れかに記載の音声認識装置。
- 前記マイクロホンの出力信号の表す音声の発話速度が前記上限値を超えている場合には、当該音声は前記1または複数のコマンドの何れの発話音声でもないと判定する判定手段をさらに有することを特徴とする請求項1から3の何れか1に記載の音声認識装置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2009277698A JP5532880B2 (ja) | 2009-12-07 | 2009-12-07 | 音声認識装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2009277698A JP5532880B2 (ja) | 2009-12-07 | 2009-12-07 | 音声認識装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2011118290A JP2011118290A (ja) | 2011-06-16 |
JP5532880B2 true JP5532880B2 (ja) | 2014-06-25 |
Family
ID=44283675
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2009277698A Expired - Fee Related JP5532880B2 (ja) | 2009-12-07 | 2009-12-07 | 音声認識装置 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP5532880B2 (ja) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10475448B2 (en) | 2014-09-30 | 2019-11-12 | Mitsubishi Electric Corporation | Speech recognition system |
JP6941769B2 (ja) * | 2016-04-22 | 2021-09-29 | パナソニックIpマネジメント株式会社 | 動画分割方法、動画分割装置および動画処理システム |
WO2018163378A1 (ja) | 2017-03-09 | 2018-09-13 | ヤマハ株式会社 | 操作装置、コマンド処理装置、及びコンテンツ再生システム |
WO2018228515A1 (en) | 2017-06-15 | 2018-12-20 | Beijing Didi Infinity Technology And Development Co., Ltd. | Systems and methods for speech recognition |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3532248B2 (ja) * | 1994-07-12 | 2004-05-31 | 三菱電機株式会社 | 学習音声パタンモデル使用音声認識装置 |
JP3042585B2 (ja) * | 1995-01-30 | 2000-05-15 | 富士通テン株式会社 | 音声認識装置 |
JPH1049194A (ja) * | 1996-07-30 | 1998-02-20 | Aqueous Res:Kk | 音声認識装置 |
JPH10124090A (ja) * | 1996-10-24 | 1998-05-15 | Nippon Telegr & Teleph Corp <Ntt> | 音声認識方法およびこの方法を実施する装置 |
JP4517457B2 (ja) * | 2000-06-13 | 2010-08-04 | カシオ計算機株式会社 | 音声認識装置、及び音声認識方法 |
JP2003308091A (ja) * | 2002-04-17 | 2003-10-31 | Pioneer Electronic Corp | 音声認識装置、音声認識方法および音声認識プログラム |
JP4239479B2 (ja) * | 2002-05-23 | 2009-03-18 | 日本電気株式会社 | 音声認識装置、音声認識方法、および、音声認識プログラム |
JP2007057844A (ja) * | 2005-08-24 | 2007-03-08 | Fujitsu Ltd | 音声認識システムおよび音声処理システム |
JP4752516B2 (ja) * | 2006-01-12 | 2011-08-17 | 日産自動車株式会社 | 音声対話装置および音声対話方法 |
-
2009
- 2009-12-07 JP JP2009277698A patent/JP5532880B2/ja not_active Expired - Fee Related
Also Published As
Publication number | Publication date |
---|---|
JP2011118290A (ja) | 2011-06-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6024180B2 (ja) | 音声認識装置、音声認識方法、及びプログラム | |
EP1936606B1 (en) | Multi-stage speech recognition | |
JP5621783B2 (ja) | 音声認識システム、音声認識方法および音声認識プログラム | |
CN111566729A (zh) | 用于远场和近场声音辅助应用的利用超短语音分段进行的说话者标识 | |
JP3826032B2 (ja) | 音声認識装置、音声認識方法及び音声認識プログラム | |
JP5200712B2 (ja) | 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 | |
EP1701338B1 (en) | Speech recognition method | |
JP2011033680A (ja) | 音声処理装置及び方法、並びにプログラム | |
US8731925B2 (en) | Solution that integrates voice enrollment with other types of recognition operations performed by a speech recognition engine using a layered grammar stack | |
EP2048655A1 (en) | Context sensitive multi-stage speech recognition | |
WO2007046267A1 (ja) | 音声判別システム、音声判別方法及び音声判別用プログラム | |
WO2010128560A1 (ja) | 音声認識装置、音声認識方法、及び音声認識プログラム | |
JPH11153999A (ja) | 音声認識装置及びそれを用いた情報処理装置 | |
JP2004198831A (ja) | 音声認識装置および方法、プログラム、並びに記録媒体 | |
JP5532880B2 (ja) | 音声認識装置 | |
JP3611223B2 (ja) | 音声認識装置及び方法 | |
JPH11184491A (ja) | 音声認識装置 | |
US7177806B2 (en) | Sound signal recognition system and sound signal recognition method, and dialog control system and dialog control method using sound signal recognition system | |
JP4461557B2 (ja) | 音声認識方法および音声認識装置 | |
JP5549166B2 (ja) | 音声処理装置、プログラム | |
JP2001255887A (ja) | 音声認識装置、音声認識方法及び音声認識方法を記録した媒体 | |
JP3615088B2 (ja) | 音声認識方法及び装置 | |
JP5157474B2 (ja) | 音処理装置およびプログラム | |
JP2008216618A (ja) | 音声判別装置 | |
JP4749990B2 (ja) | 音声認識装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20121022 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20130626 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20130723 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20130920 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20140401 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 5532880 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20140414 |
|
LAPS | Cancellation because of no payment of annual fees |