JPH03160499A - 音声認識装置 - Google Patents

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。

Description

【発明の詳細な説明】 （イ）産業上の利用分野 本発明は音声や音楽などの音響を出力する音響機器、例
えばＴＶ、ステレオなどの周囲雑音源の近傍でも有効な
音声認識を可能とできる音声認識装置に関する。

（ロ）従来の技術 従来の音声認識装置は、ステレオなどの音響機器の近傍
では、この機器の出力音響が周囲雑音となり、誤認識を
多発する危惧があった。特に、このような機器自体を音
声認識装置で操作使用とする場合は、音響機器が発する
音声や音楽で音声認識装置が勝手に動作する危惧を免れ
ることはでさなかった。

従って、このような誤動作防止の為に、例えば音声入力
を行う場合には、その音声入力期間だけ音響機器の出力
音を小さくするようになした音声認識装置が提案されて
いる［特開昭６３−２９７５５号公報］。しかしながら
、このような装置では、音響機器からの音声や音楽の中
断を強いられる不都合があるばかりか、以下の問題が残
る。

即ち、上述の装置では、音声入力期間を指定するための
スイッチ操作が必要であり、また、このスイッチ操作を
回避してマイクロホンへの音声入力の音圧レベルにて音
声入力期間を検出するようにしても、やはり音響機器か
らの音響がこの検出動作を妨げる危惧を完全には回避で
きない。

（ハ）発明が解決しようとする課題 本発明は、雑音源たる音響機器の音量制御を行うことな
しにこの雑音による誤認識を回避できる音声認識装置を
提供するものである。

（二）課題を解決するための手段 本発明の音声認識装置は、入力された音声を分折する音
声分析部と該音声分析部で分析された音声から音声パタ
ンを作成する第１パタン作成部、該第１パタン作底部で
作威された音声パタンをあらかじめ用意された標準的な
音声パタンと比較して認識結果を出力する識別部を有す
るものであって、更に、上記音声分析部とは別に周囲音
響を分析する音響分析部と該音響分析部で分析された周
囲音響から音響パタンを作成する第２パタン作成部、該
第２パタン作成部で作威された音響パタンと上記第１パ
タン作成部で作成された音声パタンとの一致を判定する
判定部を設け、該判定部にて第１パタン作成部で作成さ
れた音声パタンと第２パタン作成部で作成された音響パ
タンとか一致すると判定した場合には、上記識別部の比
較処理を禁止あるいはその出力を無効にするものである
。

（ホ）作用 本発明の音声認識装置によれば、音声認識用の音声分析
部とは別に周囲音響音響を分析する音響分析部を設け、
音声認識用の音声と音響機器から出力される音響との一
致の度合いにより、音声分析部に入力された音が周囲音
響であるかどうかを判定する手段を設け、この判定手段
により上記音声分析部が音声でなくて周囲雑音を分析し
ていると見做せる場合には、この時の音声パタンに対す
る音声認識を行わないようにしたので、音声の誤認識を
回避することができる。

（へ）実施例 第１図に、本発明の音声認識装置の構戊のブロック図を
示す。同図に於で、１は音声分析部であり、話者に向け
られてセットされたマイク９によって入力された音響信
号から音声時間領域を切り出し、この領域の音声信号を
周波数分析してスペクトル分析あるいはケプスドラム分
析などの音声分析を行う。２は第１パタン作成部であり
、音声分析部ｌでの分析結果をサンプリング正規化して
ベクトルパタンあるいはケプストラムパタンなどで表さ
れる音声パタンを得る。３は音声パタン格納部であり、
あらかじめ標準的な特定あるいは不特定の音声を分析し
て抽出した複数の音声パタンを認識時の標準パタンとし
て格納している。４は識別部であり、第１パタン作成部
２で作成された音声パタンをあらかじめ音声パタン格納
部３に格納されている複数の標準パタンと順番にマッチ
ングを行い、最も類似しているものを認識結果として出
力するところである。

以上の溝或は従来装置の構戊と同じであり、本発明装置
が特徴とするところは、以下の構戒を付設した点にある
。

同図の５は音響分析部であり、カーステレオなどの音響
機器８で出力された音声あるいは音楽を分析するところ
であり、その分析手法は上記音声分析部５と同一のスペ
クトル分析あるいはケプストラム分析が採用される。

６は第２パタン作成部であり、該音響分析部５で分析さ
れた音響に対して上記第１パタン作成部２と同様のサン
プリング正規化によって音響パタンを得る。

７は音声判定部であり、第１パタン作成部２と第２パタ
ン作成部６で同時に作成された両パタンを比較して上記
識別部４の識別処理を行うかどうかを判定するところで
ある。

以下に、これら音響分析部５、第２パタン作成部６、音
声判定部７の処理を中心に本発明装置の動作について解
説する。

まず、音声分析部１及び音響分析部５について説明する
。

これら音声分析部１及び音響分析部５は同一構或であり
、同時に一定時間毎（例えば５　ｍｓｅｃ）にサンプリ
ングされる。これらの分析部１．５の構戊は、従来装置
の分析部と同様に、第２図に示す如く、アンブ１０１、
ブリエンファシス１０２、バンドバスフィルタ１０３、
ＡＤコンハータｌＯ４、音声検出回路１０５、バツファ
１０６などで構或される。即ち、音声分析部１ではマイ
ク９から入力された音はこのアンプ１０１で増幅され、
プリエンファシス１０２で高城強調がかけられ、バンド
パスフィルタ１０３によりフィルタ分析されＡＤコンバ
ータ１０４でデイジタル値に変換される。一方の音声検
出回路１０５ではＡＤコンバータ１０４でデイジタル値
に変換されたデータから音声の語頭をチェックし、切り
出しのしきい値を越えた場合には、データをバツファ１
０６に貯える。これと同時に音響分析部５に音声の取り
組みの開始を伝達する。

基本的に音声分析部１と同溝戊の音響分析部５では、上
記音声分析部ｌから音声の取り組みの開始の伝達を受け
ると音響出力装置１０から出力された音響信号を受信し
て、これを上述と同様に分析した分析データをそのバッ
ファ１０６に取り込む。

続いて、音声分析部１は分析を継続しながら音声検出回
路１０５において語尾の検出を行い、語尾と判定される
までそのバッファ１０６にデータを取り込み、語尾と判
定されると取り込みを終了するとともに音響分析部５に
取り込みの終了を伝達する。このように音声分析部１か
ら取り込みの終了の伝達をうけた音響分析部５はカース
テレオからの音の分析を終了し、そのバツファ１０６の
取り込みを終了する。

上述の如くして、音声分析部ｌと音響分析部５との分析
時間を同期せしめることができる。

なお、これら両分析部は、個別の７）一ド構或で示した
が、ディジタル回路部分は時分割的に共通使用できる。

次に、第１パタン作成部２及び第２ノ｛タン作成部６に
ついて説明する。

これらのパタン作成部２，６もまた、従米装置のパタン
作底部を採用でき、ともに同一構戊で実現できる。該第
１パタン作成部２では、上記音声分析部ｌで分析された
分析結果を音声認識に適する音声パタンに変換される。

一方、音響分析部５で分析された分析結果は第２パタン
作成部６で、第１パタン作成部２と同じ手法で音響ノく
タンに変換される。従って、これらのパタン作成部もま
た同一ハードを時分割使用しても良ｂ）。

更に、音声判定部７について説明する。この音声判定部
７では、第１パタン作成部２で作成された音声パタンと
第２パタン作成部６で作成された音響パタンのマッチン
グを行う。このマ・ノチングは通常は線形マッチングを
行い、二つのノく夕冫の類似度を計算する。この類似度
とあらかじめ定められたしきい値により音声であるかど
うかの判定を行う。

即ち、類似度がしきい値より小さく両者が類似している
時、これを一致と判定し、音声パタンがカーステレオか
らの音響によるものと見做せるので、この場合は識別部
４の処理動作を禁止する。

あるいは、この場合識別部４からの識別結果の出力を遮
断して無効にしてもよい。一方、これとは逆に、類似度
がしきい値より大きく両者が類似していない時は、これ
を不一致と判定し、話者がマイクに音声入力したものと
見做せるので、この場合は識別部４にその胸の信号が伝
達され、該識別部４は識別動作を行う。従って、この識
別部４の動作禁止、あるいは出力無効によって、音響機
唇８がどんなに大出力でマイク９への音響の回り込みが
あっても、これとは別のマイク９への入力があるまでは
、音声認識しないことになる。

府して、該識別部４は上記判定部７の結果が、音声入力
を表しているという判断を受けて初めて音声パタン格納
部３から順次パタンを取り出しマッチングを行い、最も
類似しているパタンを認識結果として出力する。

更に、具体例を挙げて、説明を加える。

該実施例の場合の前提条件としては、音声認識による操
作制御の対称が周囲雑音を発する音響機器８であるカー
ステレオそのちとする。この場合カーステレオからの音
響信号の音響分析部５への送信は、カーステレオのスピ
ーカ付近に設けたマイクを用いてもよいが、直接カース
テレオのオーディオ出力端子から音響分析部５の入力に
結線するすれば、上記のマイクは不要になる。

まず、カーステレオ（８）からの音楽により音声分析部
１が音声の切り出しを行った場合について説明する。

ここで音声分析部ｌのアンプは、通常の音楽の音圧に対
しては音声分析部１が音声時間領域をしてそれを切り出
さないようなレベルに設定しておけば、音楽を分析して
しまう可能性を低減できることになる。斯して、カース
テレオ（８）から大きな音が出力されるとドライバー用
にセットされたマイク９にこれが入力され、音声分析部
ｌは、カーステレオ（８）からの音声の取り込みを開始
して、音響分析部５に於ても同時に取り込みを開始する
。

そして分析を続けて語尾のチェックを行い語尾を検出す
ると音声判定部７により音声の判定を行う。この場合に
は、音声分析部１の入力もカーステレオ８のみであるた
め、第１パタン作成部２で作威された音声パタンと第２
パタン作成部６で作成された音響パタンは一致するため
類似度は大きくなり、音声判定部７は、音声認識の為の
ドライバーの音声ではないと判断する。ここでカーステ
レオ（８）の出力がマイク９に入力されるまでの時間的
な誤差により完全には一致しないが、音響分析部５に時
ｒｒＩ遅れの回路を付加することによりこの誤差を少な
くすることが可能である。

また音声判定部７のマッチングに線形シフトマッチング
などを用いることにより誤差を吸収することも可能であ
る。

次に、カーステレオ（８）が音響を出力中に音声により
制御を行う場合について説明する。

音声パタン格納部３には「イジエクト」、「ブレイ」、
「停止」、ｒ巻戻し」、「早送りｊ等があらかじめカー
ステレオの音声制御用に分析されたパタンが格納されて
いるとする。ドライバーがマイク９に「停止」と発声す
ると音声分析部１はカーステレオ（８）からの例えば音
楽とマイク９からのドライバーの音声「停止」が混在し
たものの分析を行う。音声分析部ｌの音声検出回路ｌ０
５は、「停止」の語頭を検出して音声の取り込みを開始
すると同時に、音響分析部５に取り込み開始を伝達する
。これを受けた音響分析部５はカーステレオ（８）の出
力音を音声分析部１の音声検出回路１０５が語尾の検出
するまで分析し、これを取り込む。

このようにして音声分析部ｌと音響分析部５での分析が
終了すると第１パタン作成部２及び第２パタン作成部６
でそれぞれパタンに変換される。

変換されたパタンは音声判定部７により音声であるかど
うかが判定されるが、音声分析部１で分析されたパタン
はドライバーの音声とカーステレオ（８）の音響とが混
在されているので、音響分析部５で分析されたパタンと
は一致せず、ドライバーの音声入力があったと判断し、
識別部４に識別動作の開始を実行させる信号を伝達する
。識別部４は音声パタン格納部３からまず”イジエクト
”のパタンを取り込んでマッチングを行い、続いて「プ
レイ」、「停止」と順次パタンの最後までマッチングを
行い、最も類似度が大きい「停止」を認識結果として出
力する。この結果、ドライバーの意図どおり、カーステ
レオ（８）の動作を停止させることができる。

ここでは、第１パタン作成部２で作成されたパタンをそ
のまま用いたが、第１パタン作成部２で作處されたパタ
ンから第２パタン作成部で作成されたパタンを引いたも
のを識別部４の処理に用いると雑音戊分が相殺された音
声底分だけのパタンか得られ、これによって更に高い認
識性能が得られる。

上述の説明では、音声認識装置の音声制御対象自身が周
囲音響雑音源である場合を示したが、本発明はこれに限
定されるのもでなく、例えば、カーステレオの音響下で
パワーウィンドの開閉動作を音声制御する場合であって
も本発明を採用できる。

（ト）発明の効果 本発明の音声認識装置によれば、話者の音声入力がない
かぎり、周囲雑音を認識する不都合を回避でき、誤認識
の低減が図れる。

【図面の簡単な説明】

第１図は本発明の音声認識装置の構戊を示すブロック図
、第２図は第１図の本発明装置の要部の構戊図である。 １・・・音声分析部、２・・・第１パタン作成部、３・
・・音声パタン格納部、４・・・識別部、５・・・音響
分析部６・・・第２パタン作成部、７・・・音声判定部
、８・・・音響出力装置、９・・・マイク。

Claims (3)

【特許請求の範囲】
1. （１）入力された音声を分析する音声分析部と該音声分
   析部で分析された音声から音声パタンを作成する第１パ
   タン作成部、該第１パタン作成部で作成された音声パタ
   ンをあらかじめ用意された標準的な音声パタンと比較し
   て認識結果を出力する識別部を有する音声認識装置に於
   て、 上記音声分析部とは別に周囲音響を分析する音響分析部
   と該音響分析部で分析された周囲音響から音響パタンを
   作成する第２パタン作成部、該第２パタン作成部で作成
   された音響パタンと上記第１パタン作成部で作成された
   音声パタンとの一致を判定する判定部を設け、該判定部
   にて第１パタン作成部で作成された音声パタンと第２パ
   タン作成部で作成された音響パタンとが一致すると判定
   した場合には、上記識別部の比較処理を禁止あるいはそ
   の出力を無効にすることを特徴とした音声認識装置。
2. （２）上記音響分析部の分析時間領域を上記音声分析部
   の分析時間領域に同期せしめることを特徴とした請求項
   １記載の音声認識装置。
3. （３）上記音響分析部は、第１音声分析部に入力される
   音声に影響を及ぼす音響機器の出力信号が直接入力され
   ることを特徴とした音声認識装置。