JPH08248975A - 標準パターン学習装置およびこの装置を使用した音声認識装置 - Google Patents
標準パターン学習装置およびこの装置を使用した音声認識装置Info
- Publication number
- JPH08248975A JPH08248975A JP7050195A JP5019595A JPH08248975A JP H08248975 A JPH08248975 A JP H08248975A JP 7050195 A JP7050195 A JP 7050195A JP 5019595 A JP5019595 A JP 5019595A JP H08248975 A JPH08248975 A JP H08248975A
- Authority
- JP
- Japan
- Prior art keywords
- unit
- recognition
- learning
- standard pattern
- 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.)
- Pending
Links
- 238000013500 data storage Methods 0.000 claims abstract description 22
- 238000000034 method Methods 0.000 claims description 27
- 239000013598 vector Substances 0.000 claims description 12
- 230000001186 cumulative effect Effects 0.000 claims description 5
- 239000000284 extract Substances 0.000 claims description 4
- 230000003247 decreasing effect Effects 0.000 abstract description 2
- 230000007704 transition Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 241000965481 Darksidea alpha Species 0.000 description 1
- 230000001771 impaired effect Effects 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
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
- G10L15/00—Speech recognition
- G10L15/06—Creation of reference templates; Training of speech recognition systems, e.g. adaptation to the characteristics of the speaker's voice
- G10L15/063—Training
-
- 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
- G10L15/187—Phonemic context, e.g. pronunciation rules, phonotactical constraints or phoneme n-grams
Landscapes
- Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Computational Linguistics (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- Acoustics & Sound (AREA)
- Multimedia (AREA)
- Image Analysis (AREA)
- Character Discrimination (AREA)
Abstract
(57)【要約】
【目的】 記憶容量および処理量を少くでき、かつ、高
い認識性能を得ることができる標準パターン学習装置お
よび音声認識装置を提供することである。 【構成】 学習単位選択部１３が、認識単語辞書部１０
および学習用単語辞書部１１それぞれから記憶された各
認識単位の音素環境情報を取り出して比較し、認識単語
辞書部１０に記憶された認識対象単語に含まれる各認識
単位と類似した環境を持つ認識単位を、学習用単語辞書
部１１に記憶された認識単位学習単語から学習単位とし
て選び出して、認識単位標準パターン作成部１４に送出
している。また、認識単位標準パターン作成部１４は、
認識対象単語に存在し、学習単位選択部１３により選択
された認識単位に関して、学習データ記憶部１２に記憶
される学習データの中から最もよく音素環境が一致する
認識単位を利用している。
い認識性能を得ることができる標準パターン学習装置お
よび音声認識装置を提供することである。 【構成】 学習単位選択部１３が、認識単語辞書部１０
および学習用単語辞書部１１それぞれから記憶された各
認識単位の音素環境情報を取り出して比較し、認識単語
辞書部１０に記憶された認識対象単語に含まれる各認識
単位と類似した環境を持つ認識単位を、学習用単語辞書
部１１に記憶された認識単位学習単語から学習単位とし
て選び出して、認識単位標準パターン作成部１４に送出
している。また、認識単位標準パターン作成部１４は、
認識対象単語に存在し、学習単位選択部１３により選択
された認識単位に関して、学習データ記憶部１２に記憶
される学習データの中から最もよく音素環境が一致する
認識単位を利用している。
Description
【０００１】
【産業上の利用分野】本発明は、前後の音素環境を考慮
した、単語より小さい認識単位を作成する標準パターン
学習装置およびこの装置を使用した音声認識装置に関
し、特に、音素環境の範囲を拡張する反面、記憶量の減
少を図り、かつ、高い認識性能を得ることができる標準
パターン学習装置およびこの装置を使用した音声認識装
置に関する。
した、単語より小さい認識単位を作成する標準パターン
学習装置およびこの装置を使用した音声認識装置に関
し、特に、音素環境の範囲を拡張する反面、記憶量の減
少を図り、かつ、高い認識性能を得ることができる標準
パターン学習装置およびこの装置を使用した音声認識装
置に関する。
【０００２】
【従来の技術】従来、この種の標準パターン学習装置を
備える音声認識装置では、図５に示されるように、標準
パターン学習装置９に対して、単語標準パターン作成部
２が接続され、、分析部３が音声を入力して認識部４が
認識した単語を出力する。
備える音声認識装置では、図５に示されるように、標準
パターン学習装置９に対して、単語標準パターン作成部
２が接続され、、分析部３が音声を入力して認識部４が
認識した単語を出力する。
【０００３】また、標準パターン学習装置９は、認識単
語辞書部１０、学習用単語辞書部１１、学習データ記憶
部９２、および、認識単位標準パターン作成部９３を有
している。
語辞書部１０、学習用単語辞書部１１、学習データ記憶
部９２、および、認識単位標準パターン作成部９３を有
している。
【０００４】即ち、単語標準パターン作成部２は、標準
パターン学習装置９の認識単語辞書部１０の記憶情報を
得て、標準パターン学習装置９の認識単位標準パターン
作成部９３により学習結果として出力された認識単位の
標準パターンを順次連結し、対象単語となる単語標準パ
ターンを作成して出力する。また、分析部３は入力音声
を分析して特徴ベクトル系列を抽出して出力する。更
に、認識部４は、単語標準パターン作成部２により出力
された単語標準パターンと、分析部３により出力された
特徴ベクトル系列とを入力し、入力した単語標準パター
ンを用いて特徴ベクトル系列を認識し、単語として出力
している。
パターン学習装置９の認識単語辞書部１０の記憶情報を
得て、標準パターン学習装置９の認識単位標準パターン
作成部９３により学習結果として出力された認識単位の
標準パターンを順次連結し、対象単語となる単語標準パ
ターンを作成して出力する。また、分析部３は入力音声
を分析して特徴ベクトル系列を抽出して出力する。更
に、認識部４は、単語標準パターン作成部２により出力
された単語標準パターンと、分析部３により出力された
特徴ベクトル系列とを入力し、入力した単語標準パター
ンを用いて特徴ベクトル系列を認識し、単語として出力
している。
【０００５】ここで、認識単位標準パターン作成部９３
は、学習用単語辞書部１１に記述された各学習単語中の
認識単位の持つ前後音素環境情報と、学習データ記憶部
９２に記憶された認識単位学習データとを用いて、１つ
の音素の前後の音素環境に依存した認識単位の標準パタ
ーンを作成し、出力する。音素は、単語の音声を認識単
位に分解したものであり、ある音素の前後の状況が音素
環境情報である。
は、学習用単語辞書部１１に記述された各学習単語中の
認識単位の持つ前後音素環境情報と、学習データ記憶部
９２に記憶された認識単位学習データとを用いて、１つ
の音素の前後の音素環境に依存した認識単位の標準パタ
ーンを作成し、出力する。音素は、単語の音声を認識単
位に分解したものであり、ある音素の前後の状況が音素
環境情報である。
【０００６】前後の音素環境を考慮した認識単位を用い
る方法は、従来から音声の高い認識率を達成するために
提案されている。この方法では、例えば、音素を認識単
位とした場合に、この音素の先行音素および後続音素に
より複数の認識単位を用意している。このようにするこ
とにより、同じ音素であっても、先行音素および後続音
素に依存した聴音結合の影響を認識単位中に取り込むこ
とが可能となり、より高い音声認識率が得られる。
る方法は、従来から音声の高い認識率を達成するために
提案されている。この方法では、例えば、音素を認識単
位とした場合に、この音素の先行音素および後続音素に
より複数の認識単位を用意している。このようにするこ
とにより、同じ音素であっても、先行音素および後続音
素に依存した聴音結合の影響を認識単位中に取り込むこ
とが可能となり、より高い音声認識率が得られる。
【０００７】例えば、文献１（K.F.Lee,“ Context-Dep
endent Phonetic Hidden Markov Models for Speeker-I
ndependent continuous speech recognition”, pp347-
365,readings in Seech Recognition, MorganKaufmann,
ISBN 1-55810-124 ）では、トライフォンと呼ぶ、１つ
の音素の前後各１つずつの音素を考慮した音素モデルが
提案されており、前後の音素を考慮しないモデルに比
べ、音声の認識に良好な結果が得られている。
endent Phonetic Hidden Markov Models for Speeker-I
ndependent continuous speech recognition”, pp347-
365,readings in Seech Recognition, MorganKaufmann,
ISBN 1-55810-124 ）では、トライフォンと呼ぶ、１つ
の音素の前後各１つずつの音素を考慮した音素モデルが
提案されており、前後の音素を考慮しないモデルに比
べ、音声の認識に良好な結果が得られている。
【０００８】次に、図４を参照し、音素環境について説
明する。
明する。
【０００９】図示されるように、異なるＮ個の音素から
なる単語があり、各音素を認識単位にするものとする。
先頭からｉ番目の音素ｉの認識単位を生成する場合、こ
の音素ｉの左側には（ｉ−１）個の音素があり、左側の
音素を考慮しない、音素ｉのみの場合を含めて左音素環
境を考慮する長さはｉ個になる。同様に、右側について
は、（Ｎ−ｉ＋１）個の長さが存在する。
なる単語があり、各音素を認識単位にするものとする。
先頭からｉ番目の音素ｉの認識単位を生成する場合、こ
の音素ｉの左側には（ｉ−１）個の音素があり、左側の
音素を考慮しない、音素ｉのみの場合を含めて左音素環
境を考慮する長さはｉ個になる。同様に、右側について
は、（Ｎ−ｉ＋１）個の長さが存在する。
【００１０】即ち、左および右の両側で考慮する環境の
長さは独立しているので、ｉ番目の音素の認識単位とし
ては、“ｉ×（Ｎ−ｉ＋１）”個が生成される。この結
果、単語全体では、下記数式１により算出される数の認
識単位を生成する必要がある。例えば、“Ｎ＝１０”の
場合、［（１０３＋３×１０２＋２×１０）／６＝］２
２０個の認識単位を生成する必要がある。
長さは独立しているので、ｉ番目の音素の認識単位とし
ては、“ｉ×（Ｎ−ｉ＋１）”個が生成される。この結
果、単語全体では、下記数式１により算出される数の認
識単位を生成する必要がある。例えば、“Ｎ＝１０”の
場合、［（１０３＋３×１０２＋２×１０）／６＝］２
２０個の認識単位を生成する必要がある。
【００１１】
【数１】
【００１２】
【発明が解決しようとする課題】上述した従来の標準パ
ターン学習装置およびこの装置を使用した音声認識装置
では、上記文献１に示されるように、考慮する音素環境
の範囲を予め限定して認識単位を作成しているので、設
計時に考慮した以上の音素環境を反映することができな
いという問題点がある。また、語彙の登録・変更を自由
に行うためには音素環境を広く考慮する必要があるの
で、音素の認識単位が増加し、この結果、膨大な記憶容
量が必要になるという問題点がある。
ターン学習装置およびこの装置を使用した音声認識装置
では、上記文献１に示されるように、考慮する音素環境
の範囲を予め限定して認識単位を作成しているので、設
計時に考慮した以上の音素環境を反映することができな
いという問題点がある。また、語彙の登録・変更を自由
に行うためには音素環境を広く考慮する必要があるの
で、音素の認識単位が増加し、この結果、膨大な記憶容
量が必要になるという問題点がある。
【００１３】一方、考慮した音素環境の範囲が狭い場
合、学習データ中に同一の単語が含まれている場合で
も、予め考慮した範囲で同じ音素環境をもつ他の学習デ
ータと一緒に学習されてしまう恐れがある。この結果、
同一の単語から得られる情報が損なわれてしまい、同一
単語のみを用いて学習を行った場合ほど高い音声認識性
能は得られないという問題点がある。
合、学習データ中に同一の単語が含まれている場合で
も、予め考慮した範囲で同じ音素環境をもつ他の学習デ
ータと一緒に学習されてしまう恐れがある。この結果、
同一の単語から得られる情報が損なわれてしまい、同一
単語のみを用いて学習を行った場合ほど高い音声認識性
能は得られないという問題点がある。
【００１４】他方、音素環境を単純に拡大すると、認識
単位の数が増し、生成された認識単位には認識対象単語
を表現するためには不必要な認識単位まで含まれること
になり、効率が悪い。
単位の数が増し、生成された認識単位には認識対象単語
を表現するためには不必要な認識単位まで含まれること
になり、効率が悪い。
【００１５】更に、語彙の登録が自由に行えるようにす
るためには、種々な音素環境をもつ認識単位を予め用意
する必要がある。このため、学習用データに含まれる認
識単位を様々な音素環境毎にもつ必要があるが、このた
めには多量の記憶量を必要とするという問題点がある。
るためには、種々な音素環境をもつ認識単位を予め用意
する必要がある。このため、学習用データに含まれる認
識単位を様々な音素環境毎にもつ必要があるが、このた
めには多量の記憶量を必要とするという問題点がある。
【００１６】本発明の課題は、音素環境の範囲を拡張す
る反面、記憶量の減少を図り、かつ、高い認識性能を得
ることができるできる標準パターン学習装置およびこの
装置を使用した音声認識装置を提供することである。
る反面、記憶量の減少を図り、かつ、高い認識性能を得
ることができるできる標準パターン学習装置およびこの
装置を使用した音声認識装置を提供することである。
【００１７】
【課題を解決するための手段】本発明による標準パター
ン学習装置は、前後の音素環境を考慮した、単語より小
さい認識単位を作成する標準パターン学習装置におい
て、認識対象単語、該認識対象単語に含まれる各認識単
位、および、該認識単位毎の音素環境情報を記憶する認
識単語辞書部と、認識単位学習単語、該認識単位学習単
語に含まれる各認識単位、および該認識単位毎の音素環
境情報を記憶する学習用単語辞書部と、認識単位学習デ
ータを記憶する学習データ記憶部と、前記認識単語辞書
部および前記学習用単語辞書部それぞれから記憶された
各認識単位の音素環境情報を取り出して比較し、前記認
識単語辞書部に記憶された認識対象単語に含まれる各認
識単位と類似した環境を持つ認識単位を、前記学習用単
語辞書部に記憶された認識単位学習単語から学習単位と
して選び出す学習単位選択部と、該学習単位選択部によ
り選択された学習単位と前記学習データ記憶部に記憶さ
れた認識単位学習データとから認識対象単語に含まれる
各認識単位の学習を行う、音素環境に依存した認識単位
標準パターン作成部とを備えて構成されている。
ン学習装置は、前後の音素環境を考慮した、単語より小
さい認識単位を作成する標準パターン学習装置におい
て、認識対象単語、該認識対象単語に含まれる各認識単
位、および、該認識単位毎の音素環境情報を記憶する認
識単語辞書部と、認識単位学習単語、該認識単位学習単
語に含まれる各認識単位、および該認識単位毎の音素環
境情報を記憶する学習用単語辞書部と、認識単位学習デ
ータを記憶する学習データ記憶部と、前記認識単語辞書
部および前記学習用単語辞書部それぞれから記憶された
各認識単位の音素環境情報を取り出して比較し、前記認
識単語辞書部に記憶された認識対象単語に含まれる各認
識単位と類似した環境を持つ認識単位を、前記学習用単
語辞書部に記憶された認識単位学習単語から学習単位と
して選び出す学習単位選択部と、該学習単位選択部によ
り選択された学習単位と前記学習データ記憶部に記憶さ
れた認識単位学習データとから認識対象単語に含まれる
各認識単位の学習を行う、音素環境に依存した認識単位
標準パターン作成部とを備えて構成されている。
【００１８】また、本発明による標準パターン学習装置
に追加される手段の１つは、音素環境間の距離を記憶す
る環境間距離記憶部を更に備え、前記学習単位選択部
が、該環境間距離記憶部に記憶される情報を加味した範
囲で前記認識単位を学習単位として選択することであ
る。
に追加される手段の１つは、音素環境間の距離を記憶す
る環境間距離記憶部を更に備え、前記学習単位選択部
が、該環境間距離記憶部に記憶される情報を加味した範
囲で前記認識単位を学習単位として選択することであ
る。
【００１９】更に、音声認識装置は、上記のいずれか１
つの標準パターン学習装置を備えて構成されている。
つの標準パターン学習装置を備えて構成されている。
【００２０】
【実施例】次に、本発明について図面を参照して説明す
る。
る。
【００２１】図１は本発明の一実施例を示す機能ブロッ
ク図である。図１に示された音声認識装置は、基本的に
は従来と同様、標準パターン学習装置１、単語標準パタ
ーン作成部２、分析部３、および、認識部４により構成
されている。また、標準パターン学習装置１は、認識単
語辞書部１０、学習用単語辞書部１１、学習データ記憶
部１２、学習単位選択部１３、および、認識単位標準パ
ターン作成部１４を備えている。
ク図である。図１に示された音声認識装置は、基本的に
は従来と同様、標準パターン学習装置１、単語標準パタ
ーン作成部２、分析部３、および、認識部４により構成
されている。また、標準パターン学習装置１は、認識単
語辞書部１０、学習用単語辞書部１１、学習データ記憶
部１２、学習単位選択部１３、および、認識単位標準パ
ターン作成部１４を備えている。
【００２２】図１において、従来例における図５との相
違点は、標準パターン学習装置１に学習単位選択部１３
を加え、かつ、学習データ記憶部１２の機能を補充し、
これらの変更に伴い、認識単位標準パターン作成部１４
に機能を追加している。
違点は、標準パターン学習装置１に学習単位選択部１３
を加え、かつ、学習データ記憶部１２の機能を補充し、
これらの変更に伴い、認識単位標準パターン作成部１４
に機能を追加している。
【００２３】標準パターン学習装置１の認識単語辞書部
１０には、認識対象単語の音素環境を考慮しない場合の
認識単位の系列と、これらの各認識単位の前後音素環境
とが用意され、記憶格納されている。学習用単語辞書部
１１には、認識単位学習単語の音素環境を考慮しない場
合の認識単位の系列と、これらの各認識単位の前後音素
環境とが用意され、記憶格納されている。また、学習デ
ータ記憶部１２には、学習データとして各学習単語の各
認識単位毎に標準パターンを構成するパラメータを学習
するために必要な特徴量が用意され、記憶格納されてい
る。
１０には、認識対象単語の音素環境を考慮しない場合の
認識単位の系列と、これらの各認識単位の前後音素環境
とが用意され、記憶格納されている。学習用単語辞書部
１１には、認識単位学習単語の音素環境を考慮しない場
合の認識単位の系列と、これらの各認識単位の前後音素
環境とが用意され、記憶格納されている。また、学習デ
ータ記憶部１２には、学習データとして各学習単語の各
認識単位毎に標準パターンを構成するパラメータを学習
するために必要な特徴量が用意され、記憶格納されてい
る。
【００２４】ここで、図１に図２を併せ参照して、標準
パターン学習装置１が認識単位を作成するに当たって認
識対象単語および学習単語を構成する認識単位の音素環
境を考慮した手法について手順を追って説明する。
パターン学習装置１が認識単位を作成するに当たって認
識対象単語および学習単語を構成する認識単位の音素環
境を考慮した手法について手順を追って説明する。
【００２５】まず、学習単位選択部１３は、認識単語辞
書部１０を介して受けた認識対象単語を認識単位に分析
し（手順Ｓ１１）、認識単位の１つを抽出する（手順Ｓ
１２）。次いで、学習単位選択部１３は、抽出した認識
単位と同じ認識単位前後の音素環境が類似した認識単位
を、学習用単語辞書部１１に記憶される学習単語の中か
ら少くとも１つ、選択し（手順Ｓ１３）、既に選択され
ている標準パターンの中で照合チェックする（手順Ｓ１
４）。
書部１０を介して受けた認識対象単語を認識単位に分析
し（手順Ｓ１１）、認識単位の１つを抽出する（手順Ｓ
１２）。次いで、学習単位選択部１３は、抽出した認識
単位と同じ認識単位前後の音素環境が類似した認識単位
を、学習用単語辞書部１１に記憶される学習単語の中か
ら少くとも１つ、選択し（手順Ｓ１３）、既に選択され
ている標準パターンの中で照合チェックする（手順Ｓ１
４）。
【００２６】この照合の結果、受けた認識単位と同一の
音素環境を持つ認識単位がなく、不一致の場合（手順Ｓ
１５のＮＯ）、学習単位選択部１３は、生成すべき標準
パターンとしてこの音素環境を持つ認識単位を追加して
列挙する（手順Ｓ１６）と共に、一致した音素環境を持
つ学習単語中の認識単位を、この標準パターンの学習サ
ンプルとして記憶する（手順Ｓ１７）。
音素環境を持つ認識単位がなく、不一致の場合（手順Ｓ
１５のＮＯ）、学習単位選択部１３は、生成すべき標準
パターンとしてこの音素環境を持つ認識単位を追加して
列挙する（手順Ｓ１６）と共に、一致した音素環境を持
つ学習単語中の認識単位を、この標準パターンの学習サ
ンプルとして記憶する（手順Ｓ１７）。
【００２７】この手順１７が終了した後、または、前述
の手順Ｓ１５が“ＹＥＳ”で、既に存在する標準パター
ンと一致する場合、学習単位選択部１３は、次の認識単
位をチェックする（手順Ｓ２０）。このチェックの際、
次の認識単位として残りがある場合（手順Ｓ２１のＹＥ
Ｓ）、この認識単位を抽出して（手順Ｓ２２）、手順は
手順Ｓ１３に戻り、手順Ｓ２１が“ＮＯ”で、認識単位
の残りがなくなるまで、手順は繰り返される。
の手順Ｓ１５が“ＹＥＳ”で、既に存在する標準パター
ンと一致する場合、学習単位選択部１３は、次の認識単
位をチェックする（手順Ｓ２０）。このチェックの際、
次の認識単位として残りがある場合（手順Ｓ２１のＹＥ
Ｓ）、この認識単位を抽出して（手順Ｓ２２）、手順は
手順Ｓ１３に戻り、手順Ｓ２１が“ＮＯ”で、認識単位
の残りがなくなるまで、手順は繰り返される。
【００２８】全ての認識単位について処理が終了した
際、学習単位選択部１３は、列挙した標準パターンを認
識単位標準パターン作成部１４に出力する（手順Ｓ３
０）。認識単位標準パターン作成部１４は、受け取った
各標準パターンの学習サンプルに対応する特徴量を用い
て認識単位標準パターンの学習を、学習データ記憶部１
２を使用して行う。
際、学習単位選択部１３は、列挙した標準パターンを認
識単位標準パターン作成部１４に出力する（手順Ｓ３
０）。認識単位標準パターン作成部１４は、受け取った
各標準パターンの学習サンプルに対応する特徴量を用い
て認識単位標準パターンの学習を、学習データ記憶部１
２を使用して行う。
【００２９】単語標準パターン作成部２は、認識単位標
準パターン作成部１４により作成された認識単位の標準
パターンを連結して単語としての標準パターンを作成
し、この標準パターンを認識部４が単語に認識して出力
する。
準パターン作成部１４により作成された認識単位の標準
パターンを連結して単語としての標準パターンを作成
し、この標準パターンを認識部４が単語に認識して出力
する。
【００３０】即ち、学習データに存在する認識単位の中
から、認識対象単語を構成する認識単位と音素環境とが
より広い範囲で類似した認識単位を選択して認識単位が
作成され、この認識単位を用いて単語の認識が行われて
いる。
から、認識対象単語を構成する認識単位と音素環境とが
より広い範囲で類似した認識単位を選択して認識単位が
作成され、この認識単位を用いて単語の認識が行われて
いる。
【００３１】この結果、認識対象単語を表現するために
不必要な認識単位を生成する必要がなく、また、予め考
慮する音素環境の範囲を決定しないため、認識対象単語
と類似した学習データが存在した場合、より長い音素環
境を考慮した認識単位を用いることができるのでより高
い認識率が得られる。
不必要な認識単位を生成する必要がなく、また、予め考
慮する音素環境の範囲を決定しないため、認識対象単語
と類似した学習データが存在した場合、より長い音素環
境を考慮した認識単位を用いることができるのでより高
い認識率が得られる。
【００３２】ここで、考慮する音素環境としては、音素
の音響的特徴に影響を与える要因、例えば、音素、音素
カテゴリ、アクセントの有無、アクセント中心からの位
置、ピッチ、発生速度等の中の少くとも１つが用いられ
ている。
の音響的特徴に影響を与える要因、例えば、音素、音素
カテゴリ、アクセントの有無、アクセント中心からの位
置、ピッチ、発生速度等の中の少くとも１つが用いられ
ている。
【００３３】また、上記手順Ｓ１３において、類似した
音素環境を有する認識単位を選択するに当っては、各音
素環境間の類似度を定義することによって、より幅広い
選択が可能になる。例えば、音素環境ｅｉ，ｅｊの類似
度ｄ（ｅｉ，ｅｊ）を規定し、選択する際に類似度の大
きい環境を有する認識単位を選択する場合、“ｉ＝ｊ”
の条件でのみ、値を持つように規定することにより、通
常の音素環境が一致する認識単位のみを選択することが
できる。
音素環境を有する認識単位を選択するに当っては、各音
素環境間の類似度を定義することによって、より幅広い
選択が可能になる。例えば、音素環境ｅｉ，ｅｊの類似
度ｄ（ｅｉ，ｅｊ）を規定し、選択する際に類似度の大
きい環境を有する認識単位を選択する場合、“ｉ＝ｊ”
の条件でのみ、値を持つように規定することにより、通
常の音素環境が一致する認識単位のみを選択することが
できる。
【００３４】また、上記説明において、学習データ記憶
部１２の標準パターンを構成するパラメータを学習する
ために必要な特徴量について、および、認識単位標準パ
ターン作成部１４が各標準パターンの学習サンプルに対
応する特徴量を用いて認識単位標準パターンを学習する
方法については、認識手法に依存しており、種々の場合
が考えられる。
部１２の標準パターンを構成するパラメータを学習する
ために必要な特徴量について、および、認識単位標準パ
ターン作成部１４が各標準パターンの学習サンプルに対
応する特徴量を用いて認識単位標準パターンを学習する
方法については、認識手法に依存しており、種々の場合
が考えられる。
【００３５】例えば、マルチテンプレートを用いたＤＰ
マッチング法（古井、「ディジタル音声処理」、pp.186
-187、東海出版）（以下文献２）を用いる場合には、学
習データ記憶部１２に各認識単位を構成する音響的特徴
量の時系列が用意され、記憶格納されており、上記手順
Ｓ１３では、これら時系列のクラスタリングを行って、
所望の個数の時系列を生成して求められた標準パターン
が出力されている。
マッチング法（古井、「ディジタル音声処理」、pp.186
-187、東海出版）（以下文献２）を用いる場合には、学
習データ記憶部１２に各認識単位を構成する音響的特徴
量の時系列が用意され、記憶格納されており、上記手順
Ｓ１３では、これら時系列のクラスタリングを行って、
所望の個数の時系列を生成して求められた標準パターン
が出力されている。
【００３６】更に、隠れマルコフモデルを用いた認識手
法［中川、「確立モデルによる音声認識」、電子情報通
信学会（以下文献３）、または、“readings in Speech
Recognition”,Morgan Kaufmann, ISBN 1-55860-124
（以下文献４）］を用いる場合には、学習データ記憶部
１２に各認識単位を構成する音響的特徴量の時系列が、
上記同様、用意され、記憶格納されており、上記手順Ｓ
１３では、これら時系列を用いてパラメータの再推定を
行い、この結果として求められた標準パターンが出力さ
れている。
法［中川、「確立モデルによる音声認識」、電子情報通
信学会（以下文献３）、または、“readings in Speech
Recognition”,Morgan Kaufmann, ISBN 1-55860-124
（以下文献４）］を用いる場合には、学習データ記憶部
１２に各認識単位を構成する音響的特徴量の時系列が、
上記同様、用意され、記憶格納されており、上記手順Ｓ
１３では、これら時系列を用いてパラメータの再推定を
行い、この結果として求められた標準パターンが出力さ
れている。
【００３７】また、学習過程の特徴量として、例えば、
状態遷移確立ａijを学習するためには、話者υの発声す
る単語ωの特徴ベクトル時系列｛Ｏυω｝が観測され、
時刻ｔに状態ｉｐから状態ｊｐへの遷移が起きる確率γ
υω（ｉｐ，ｊｐ，ｔ）を記憶しておき、この確率を学
習に必要な特徴量γυω（ｉｐ，ｊｐ，ｔ）として用い
る。
状態遷移確立ａijを学習するためには、話者υの発声す
る単語ωの特徴ベクトル時系列｛Ｏυω｝が観測され、
時刻ｔに状態ｉｐから状態ｊｐへの遷移が起きる確率γ
υω（ｉｐ，ｊｐ，ｔ）を記憶しておき、この確率を学
習に必要な特徴量γυω（ｉｐ，ｊｐ，ｔ）として用い
る。
【００３８】また、上記以外の認識手法を用いる場合で
あっても、単語より小さい認識単位の連結により認識対
象を表現する場合には、本発明が適用可能である。
あっても、単語より小さい認識単位の連結により認識対
象を表現する場合には、本発明が適用可能である。
【００３９】更に、不特定話者を認識対象とする場合、
この標準パターンは、複数の学習話者が発声した学習単
語を用いて学習を行う。この際、上記のように、各話者
の各認識単位を構成する音響的特徴量の時系列をそのま
ま記憶すると、大量の記憶容量が必要になる。このよう
な場合には、学習単語毎に時系列を束ねておくことも可
能である。例えば、マルチテンプレートを用いる場合に
は、上記手順Ｓ１３における標準パターン作成時の時系
列のクラスタリング手法と同じ手法を用いて、各話者の
特徴量の時系列を話者数より少いクラスタ数にクラスタ
リングすることで、記憶容量を話者数分のクラスタ数に
削減が可能である。
この標準パターンは、複数の学習話者が発声した学習単
語を用いて学習を行う。この際、上記のように、各話者
の各認識単位を構成する音響的特徴量の時系列をそのま
ま記憶すると、大量の記憶容量が必要になる。このよう
な場合には、学習単語毎に時系列を束ねておくことも可
能である。例えば、マルチテンプレートを用いる場合に
は、上記手順Ｓ１３における標準パターン作成時の時系
列のクラスタリング手法と同じ手法を用いて、各話者の
特徴量の時系列を話者数より少いクラスタ数にクラスタ
リングすることで、記憶容量を話者数分のクラスタ数に
削減が可能である。
【００４０】次に、図１に示される学習データ記憶部１
２の詳細について説明する。
２の詳細について説明する。
【００４１】ここで、例えば、ある学習単語ωのｐ番目
の認識単位を表すＨＭＭ（ HiddenMarkov Model）の状
態ｉｐから他の状態ｊｐへの遷移確率αｐを例にとる
と、学習データ記憶部１２には、前述による学習に必要
な特徴量γυω（ｉｐ，ｊｐ，ｔ）の累積値Ｎαｐ（下
記数式２）および累積回数Ｄαｐ（下記数式３）が記憶
格納されている。
の認識単位を表すＨＭＭ（ HiddenMarkov Model）の状
態ｉｐから他の状態ｊｐへの遷移確率αｐを例にとる
と、学習データ記憶部１２には、前述による学習に必要
な特徴量γυω（ｉｐ，ｊｐ，ｔ）の累積値Ｎαｐ（下
記数式２）および累積回数Ｄαｐ（下記数式３）が記憶
格納されている。
【００４２】
【数２】
【００４３】
【数３】 また、特徴ベクトル時系列を構成する特徴量としては、
例えば、上記文献２に示される、ＦＦＴ分析（高速フー
リエ変換分析）、ＬＰＣ分析（線形予測分析）等により
得られるケプストラム、ＬＰＣ計数、これらの時間変化
量等が利用可能である。このように、遷移確率を学習す
るために必要な特徴量γυω（ｉｐ，ｊｐ，ｔ）を記憶
するのではなく、その累積値Ｎαｐおよび累積回数Ｄα
ｐとして記憶することで必要な記憶量が少くてすむ。
例えば、上記文献２に示される、ＦＦＴ分析（高速フー
リエ変換分析）、ＬＰＣ分析（線形予測分析）等により
得られるケプストラム、ＬＰＣ計数、これらの時間変化
量等が利用可能である。このように、遷移確率を学習す
るために必要な特徴量γυω（ｉｐ，ｊｐ，ｔ）を記憶
するのではなく、その累積値Ｎαｐおよび累積回数Ｄα
ｐとして記憶することで必要な記憶量が少くてすむ。
【００４４】話者数Ｎ、学習単語を構成するモデルの平
均状態数Ｓ、および、学習単語の平均時間長Ｔを規定し
た場合、特徴量γυω（ｉｐ，ｊｐ，ｔ）を記憶する場
合に比較して、必要な記憶量は“２Ｓ／ＮＴ”の割合に
なる。通常、“Ｎ＞＞１”および“Ｔ＞Ｓ”であり、例
えば、Ｎ＝１００、Ｔ＝１００、およびＳ＝５０とした
場合、必要な記憶量は、１／１００になる。
均状態数Ｓ、および、学習単語の平均時間長Ｔを規定し
た場合、特徴量γυω（ｉｐ，ｊｐ，ｔ）を記憶する場
合に比較して、必要な記憶量は“２Ｓ／ＮＴ”の割合に
なる。通常、“Ｎ＞＞１”および“Ｔ＞Ｓ”であり、例
えば、Ｎ＝１００、Ｔ＝１００、およびＳ＝５０とした
場合、必要な記憶量は、１／１００になる。
【００４５】ここでは、遷移確率を例にあげたが、ＨＭ
Ｍの他のパラメータについても同様に、学習可能であ
る。また、離散ＨＭＭ、半連続ＨＭＭ等の特徴ベクトル
のセントロイドまたは出力確率分布が認識単位に依存し
ない場合には、これらを学習し直すための特徴量を記憶
しておく必要がないため、学習データ記憶部１２の記憶
量は少くてすむ。もちろん、連続ＨＭＭにおいても出力
確率分布を学習しないようにすることで、記憶すべき特
徴量を削減することができる。
Ｍの他のパラメータについても同様に、学習可能であ
る。また、離散ＨＭＭ、半連続ＨＭＭ等の特徴ベクトル
のセントロイドまたは出力確率分布が認識単位に依存し
ない場合には、これらを学習し直すための特徴量を記憶
しておく必要がないため、学習データ記憶部１２の記憶
量は少くてすむ。もちろん、連続ＨＭＭにおいても出力
確率分布を学習しないようにすることで、記憶すべき特
徴量を削減することができる。
【００４６】次に、図１に示される学習単位選択部１３
の詳細について説明する。
の詳細について説明する。
【００４７】学習単位選択部１３は、学習用単語辞書部
１１に記憶格納されている認識単位の系列および各認識
単位の前後音素環境、並びに、認識単語辞書部１０に記
憶格納されている認識単位の系列および各認識単位の前
後音素環境を用いて、学習単語の認識単位の中から、こ
の認識単位と同じ認識単位であって、前後音素環境が類
似した認識単位の最低１つを選択している。
１１に記憶格納されている認識単位の系列および各認識
単位の前後音素環境、並びに、認識単語辞書部１０に記
憶格納されている認識単位の系列および各認識単位の前
後音素環境を用いて、学習単語の認識単位の中から、こ
の認識単位と同じ認識単位であって、前後音素環境が類
似した認識単位の最低１つを選択している。
【００４８】この際、既に存在する標準パターンの中に
認識単位が同じで、かつ、選択された認識単位と同一の
音素環境を持つものがなければ、生成すべき標準パター
ンとして、祖の音素環境を持つ認識単位を加え、その標
準パターンの学習サンプルとして一致した音素環境を持
つ学習単語中の認識単位を記憶する。
認識単位が同じで、かつ、選択された認識単位と同一の
音素環境を持つものがなければ、生成すべき標準パター
ンとして、祖の音素環境を持つ認識単位を加え、その標
準パターンの学習サンプルとして一致した音素環境を持
つ学習単語中の認識単位を記憶する。
【００４９】ここで、ある音素環境を持つ認識単位ｑと
一致した音素環境を持つ認識単位がＮｑ個の学習単語中
に存在したものとし、この認識単位を含む単語ω
ｑ（ｉ）、および、認識単位の位置Ｐｑ（ｉ）（１≦ｉ
≦Ｎｑ）が定義されているものとする。
一致した音素環境を持つ認識単位がＮｑ個の学習単語中
に存在したものとし、この認識単位を含む単語ω
ｑ（ｉ）、および、認識単位の位置Ｐｑ（ｉ）（１≦ｉ
≦Ｎｑ）が定義されているものとする。
【００５０】次に、図１に示される認識単位標準パター
ン作成部１４の詳細について説明する。
ン作成部１４の詳細について説明する。
【００５１】認識単位標準パターン作成部１４は、学習
単位選択部１３で選択された各認識単位標準パターンの
学習サンプルの学習データ記憶部１２に記憶格納された
特徴量を読みだし、音素環境に依存した認識単位標準パ
ターンの学習を行う。
単位選択部１３で選択された各認識単位標準パターンの
学習サンプルの学習データ記憶部１２に記憶格納された
特徴量を読みだし、音素環境に依存した認識単位標準パ
ターンの学習を行う。
【００５２】例えば、ある音素環境をもつ認識単位ｑの
状態ｉｑから他の状態ｊｑへの遷移確率αｑは下記数式
４として学習される。
状態ｉｑから他の状態ｊｑへの遷移確率αｑは下記数式
４として学習される。
【００５３】
【数４】 次に、音声認識装置を標準パターン学習装置１と共に構
成する単語標準パターン作成部２、分析部３、および認
識部４について説明する。
成する単語標準パターン作成部２、分析部３、および認
識部４について説明する。
【００５４】単語標準パターン作成部２は、認識単語辞
書部１０から認識単位の系列と各認識単位の前後音素環
境とを読みだし、認識単位標準パターン作成部１４によ
り作成された、音素環境に依存した認識単位標準パター
ンを連結し、単語標準パターンを作成する。分析部３
は、入力した音声の分析を行い、特徴ベクトルの時系列
に変換する。特徴ベクトルとしては、例えば、上記文献
２に説明されているように、ＦＦＴ分析、ＬＰＣ分析等
により得られるケプストラム、ＬＰＣ計数、これらの時
間変化量等が利用可能である。認識部４は、分析部３か
ら受け取った特徴ベクトル時系列を、単語標準パターン
作成部２で作成された単語標準パターンを用いて認識
し、認識結果を出力する。
書部１０から認識単位の系列と各認識単位の前後音素環
境とを読みだし、認識単位標準パターン作成部１４によ
り作成された、音素環境に依存した認識単位標準パター
ンを連結し、単語標準パターンを作成する。分析部３
は、入力した音声の分析を行い、特徴ベクトルの時系列
に変換する。特徴ベクトルとしては、例えば、上記文献
２に説明されているように、ＦＦＴ分析、ＬＰＣ分析等
により得られるケプストラム、ＬＰＣ計数、これらの時
間変化量等が利用可能である。認識部４は、分析部３か
ら受け取った特徴ベクトル時系列を、単語標準パターン
作成部２で作成された単語標準パターンを用いて認識
し、認識結果を出力する。
【００５５】次に、図３を参照して第２の実施例につい
て説明する。
て説明する。
【００５６】図３で図１と同一の機能ブロックには同一
の番号符号を付与して説明を省略する。ここで説明する
部分は、環境間距離記憶部１５、学習単位選択部１６、
および、認識単位標準パターン作成部１７である。
の番号符号を付与して説明を省略する。ここで説明する
部分は、環境間距離記憶部１５、学習単位選択部１６、
および、認識単位標準パターン作成部１７である。
【００５７】環境間距離記憶部１５には、予め定められ
た音素環境ｅｉ、ｅｊの類似度Ｄ（ｅｉ，ｅｊ）が記憶
格納されている。学習単位選択部１６は、学習用単語辞
書部１１に記憶格納されている認識単位の系列および各
認識単位の前後音素環境、並びに、認識単語辞書部１０
に記憶格納されている認識単位の系列および各認識単位
の前後音素環境、更に、環境間距離記憶部１５に記憶格
納されている音素環境間距離ｄ（ｅｉ，ｅｊ）を用い
て、学習単語の認識単位の中からこの認識単位と同じ認
識単位であって、前後音素環境が類似した認識単位を少
くとも１つ選択する。即ち、認識対象単語中の１つの認
識単位が持つ音素環境ｅｇ（ｋ）（１≦ｋ≦Ｋ）と、学
習用単語中の同じ認識単位が持つ同一の長さの音素環境
ｅｈ（ｋ）（１≦ｋ≦Ｋ）との条件により、これらの認
識単位間の距離を下記数式５により求め、この認識単位
間距離が小さい学習単語中の認識単位が、環境の類似し
たものとして選択される。
た音素環境ｅｉ、ｅｊの類似度Ｄ（ｅｉ，ｅｊ）が記憶
格納されている。学習単位選択部１６は、学習用単語辞
書部１１に記憶格納されている認識単位の系列および各
認識単位の前後音素環境、並びに、認識単語辞書部１０
に記憶格納されている認識単位の系列および各認識単位
の前後音素環境、更に、環境間距離記憶部１５に記憶格
納されている音素環境間距離ｄ（ｅｉ，ｅｊ）を用い
て、学習単語の認識単位の中からこの認識単位と同じ認
識単位であって、前後音素環境が類似した認識単位を少
くとも１つ選択する。即ち、認識対象単語中の１つの認
識単位が持つ音素環境ｅｇ（ｋ）（１≦ｋ≦Ｋ）と、学
習用単語中の同じ認識単位が持つ同一の長さの音素環境
ｅｈ（ｋ）（１≦ｋ≦Ｋ）との条件により、これらの認
識単位間の距離を下記数式５により求め、この認識単位
間距離が小さい学習単語中の認識単位が、環境の類似し
たものとして選択される。
【００５８】
【数５】 この選択の際、既に存在する標準パターンの中に、認識
単位が同じで、かつ、選択された認識単位と同一の音素
環境とを持つものがなければ、生成すべき標準パターン
としてその音素環境を持つ認識単位を加え、この標準パ
ターンの学習サンプルとして一致した音素環境を持つ学
習単語中の認識単位を記憶する。
単位が同じで、かつ、選択された認識単位と同一の音素
環境とを持つものがなければ、生成すべき標準パターン
としてその音素環境を持つ認識単位を加え、この標準パ
ターンの学習サンプルとして一致した音素環境を持つ学
習単語中の認識単位を記憶する。
【００５９】また、認識単位標準パターン作成部１７
は、学習単位選択部１３で求められた認識単位ｑと、こ
の認識単位ｑに一致した音素環境を持つ学習用単語ωｑ
（ｉ）のｐｑ（ｉ）番目の認識単位との認識単位間距離
Ｄ［（ｑ，ωｑ（ｉ），ｐｑ（ｉ）］に関して単調減少
である関数ω（Ｄ）を用いて重み付けを行い、下記数式
６により学習することで、より類似した環境を持つ学習
データの情報を、より多く取り込むことができる。
は、学習単位選択部１３で求められた認識単位ｑと、こ
の認識単位ｑに一致した音素環境を持つ学習用単語ωｑ
（ｉ）のｐｑ（ｉ）番目の認識単位との認識単位間距離
Ｄ［（ｑ，ωｑ（ｉ），ｐｑ（ｉ）］に関して単調減少
である関数ω（Ｄ）を用いて重み付けを行い、下記数式
６により学習することで、より類似した環境を持つ学習
データの情報を、より多く取り込むことができる。
【００６０】
【数６】 上記説明では、機能ブロックが図示されているが、ブロ
ック機能の分離・併合等、また、例えば、標準パターン
を作成中に平行して次の認識単位を抽出する平行処理も
可能であり、即ち、手順の平行処理、前後移動等も、上
記機能を損なわない限り自由であり、上記説明が本発明
を限定するものではない。
ック機能の分離・併合等、また、例えば、標準パターン
を作成中に平行して次の認識単位を抽出する平行処理も
可能であり、即ち、手順の平行処理、前後移動等も、上
記機能を損なわない限り自由であり、上記説明が本発明
を限定するものではない。
【００６１】
【発明の効果】以上説明したように本発明によれば、学
習単位選択部が、認識単語辞書部および学習用単語辞書
部それぞれから記憶された各認識単位の音素環境情報を
取り出して比較し、認識単語辞書部に記憶された認識対
象単語に含まれる各認識単位と類似した環境を持つ認識
単位を、学習用単語辞書部に記憶された認識単位学習単
語から学習単位として選び出して、認識単位標準パター
ン作成部に送出している。この構成によって、認識対象
単語に含まれない余分な認識単位を生成しないため、単
語標準パターンを作成するための記憶容量および処理量
を少くできる音声認識装置を得ることができる。
習単位選択部が、認識単語辞書部および学習用単語辞書
部それぞれから記憶された各認識単位の音素環境情報を
取り出して比較し、認識単語辞書部に記憶された認識対
象単語に含まれる各認識単位と類似した環境を持つ認識
単位を、学習用単語辞書部に記憶された認識単位学習単
語から学習単位として選び出して、認識単位標準パター
ン作成部に送出している。この構成によって、認識対象
単語に含まれない余分な認識単位を生成しないため、単
語標準パターンを作成するための記憶容量および処理量
を少くできる音声認識装置を得ることができる。
【００６２】また、認識単位標準パターン作成部が、学
習単位選択部により選択された、認識対象単語に存在す
る認識単位に関して学習データに存在する中から最もよ
く音素環境が一致する認識単位を利用することができる
ので、高い認識性能を得ることができる。例えば、認識
単語と同一の学習単語が存在する場合には、この単語を
用いて認識単位が学習され、かつ、この認識単位が使用
されるので、高精度の認識度が期待できる。
習単位選択部により選択された、認識対象単語に存在す
る認識単位に関して学習データに存在する中から最もよ
く音素環境が一致する認識単位を利用することができる
ので、高い認識性能を得ることができる。例えば、認識
単語と同一の学習単語が存在する場合には、この単語を
用いて認識単位が学習され、かつ、この認識単位が使用
されるので、高精度の認識度が期待できる。
【００６３】更に、学習データ記憶部が、学習データそ
のままではなく、認識単位を学習するために必要な情報
のみの状態で記憶格納するため、語彙の登録、変更等の
処理による処理量および記憶容量が少くてよい音声認識
装置を得ることができる。
のままではなく、認識単位を学習するために必要な情報
のみの状態で記憶格納するため、語彙の登録、変更等の
処理による処理量および記憶容量が少くてよい音声認識
装置を得ることができる。
【図１】本発明の一実施例を示す機能ブロック図であ
る。
る。
【図２】本発明の主要動作手順の一実施例を示す流れ図
である。
である。
【図３】本発明の別の一実施例を示す機能ブロック図で
ある。
ある。
【図４】音素環境を考慮した認識単位の説明図である。
【図５】従来の一例を示す機能ブロック図である。
１、５ 標準パターン学習装置 ２ 単語標準パターン作成部 ３ 分析部 ４ 認識部 １０ 認識単語辞書部 １１ 学習用単語辞書部 １２ 学習データ記憶部 １３、１６ 学習単位選択部 １４、１７ 認識単位標準パターン作成部 １５ 環境間距離記憶部
Claims (10)
- 【請求項１】 前後の音素環境を考慮した、単語より小
さい認識単位を作成する標準パターン学習装置におい
て、認識対象単語、該認識対象単語に含まれる各認識単
位、および、該認識単位毎の音素環境情報を記憶する認
識単語辞書部と、認識単位学習単語、該認識単位学習単
語に含まれる各認識単位、および該認識単位毎の音素環
境情報を記憶する学習用単語辞書部と、認識単位学習デ
ータを記憶する学習データ記憶部と、前記認識単語辞書
部および前記学習用単語辞書部それぞれから記憶された
各認識単位の音素環境情報を取り出して比較し、前記認
識単語辞書部に記憶された認識対象単語に含まれる各認
識単位と類似した環境を持つ認識単位を、前記学習用単
語辞書部に記憶された認識単位学習単語から学習単位と
して選び出す学習単位選択部と、該学習単位選択部によ
り選択された学習単位と前記学習データ記憶部に記憶さ
れた認識単位学習データとから認識対象単語に含まれる
各認識単位の学習を行う、音素環境に依存した認識単位
標準パターン作成部とを備えて構成されることを特徴と
する標準パターン学習装置。 - 【請求項２】 請求項１において、前記音素環境には、
音素、音素カテゴリ、アクセントの有無、アクセント中
心からの位置、ピッチ、および発声速度の少くとも１つ
を含むことを特徴とする標準パターン学習装置。 - 【請求項３】 請求項１において、前記学習単位選択部
は、比較した結果、前後に最長範囲で一致する音素環境
を有する認識単位を学習単位として選択することを特徴
とする標準パターン学習装置。 - 【請求項４】 請求項１において、音素環境間の距離を
記憶する環境間距離記憶部を更に備え、前記学習単位選
択部が、該環境間距離記憶部に記憶される情報を加味し
た範囲で前記認識単位を学習単位として選択することを
特徴とする標準パターン学習装置。 - 【請求項５】 請求項１、２、３、および請求項４にお
いて、音素環境の範囲を予め定めた環境範囲規定を設
け、前記学習単位選択部は、該環境範囲規定を満たす認
識単位が認識単位学習単語に存在する限り、前後に長く
なる所定の範囲を有する認識単位を学習単位として選択
することを特徴とする標準パターン学習装置。 - 【請求項６】 請求項５において、前記所定の範囲に
は、選択される認識単位の前後環境長と、認識単位学習
単語中に存在する認識単位の個数との、少くとも一方を
用いることを特徴とする標準パターン学習装置。 - 【請求項７】 請求項１、２、３、４、５、および請求
項６において、前記学習データ記憶部は、標準パターン
を作成するために必要な特徴量を各認識単位学習単語の
各認識単位毎に記憶することを特徴とする標準パターン
学習装置。 - 【請求項８】 請求項７において、前記学習データ記憶
部は、標準パターンを作成するために必要な特徴量の累
積値と累積回数とを記憶することを特徴とする標準パタ
ーン学習装置。 - 【請求項９】 請求項１、２、３、４、５、６、７、お
よび請求項８に記載のいずれか１つの標準パターン学習
装置を備えて構成されることを特徴とする標準パターン
学習装置。 - 【請求項１０】 請求項１、２、３、４、５、６、７、
および請求項８に記載のいずれか１つの標準パターン学
習装置と、該標準パターン学習装置の認識単語辞書部の
記憶情報を得て、該標準パターン学習装置の認識単位標
準パターン作成部により学習結果として出力された認識
単位の標準パターンを順次連結し、対象単語となる単語
標準パターンを作成して出力する単語標準パターン作成
部と、入力音声を分析して特徴ベクトル系列を抽出して
出力する分析部と、前記単語標準パターンと前記特徴ベ
クトル系列とを入力し、該単語標準パターンを用いて該
特徴ベクトル系列を認識し、単語として出力する認識部
とを備えることを特徴とする音声認識装置。
Priority Applications (4)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP7050195A JPH08248975A (ja) | 1995-03-09 | 1995-03-09 | 標準パターン学習装置およびこの装置を使用した音声認識装置 |
| EP96103690A EP0731447B1 (en) | 1995-03-09 | 1996-03-08 | Reference pattern training system and speech recognition system using the same |
| DE69621674T DE69621674T2 (de) | 1995-03-09 | 1996-03-08 | Trainingssystem für Referenzmuster und dieses Trainingssystem benutzendes Spracherkennungssystem |
| US08/613,887 US5774848A (en) | 1995-03-09 | 1996-03-11 | Reference pattern training system and speech recognition system using the same |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP7050195A JPH08248975A (ja) | 1995-03-09 | 1995-03-09 | 標準パターン学習装置およびこの装置を使用した音声認識装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JPH08248975A true JPH08248975A (ja) | 1996-09-27 |
Family
ID=12852375
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP7050195A Pending JPH08248975A (ja) | 1995-03-09 | 1995-03-09 | 標準パターン学習装置およびこの装置を使用した音声認識装置 |
Country Status (4)
| Country | Link |
|---|---|
| US (1) | US5774848A (ja) |
| EP (1) | EP0731447B1 (ja) |
| JP (1) | JPH08248975A (ja) |
| DE (1) | DE69621674T2 (ja) |
Families Citing this family (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP3061114B2 (ja) * | 1996-11-25 | 2000-07-10 | 日本電気株式会社 | 音声認識装置 |
| JP2001075964A (ja) * | 1999-08-31 | 2001-03-23 | Sony Corp | 情報処理装置および情報処理方法、並びに記録媒体 |
| US6546387B1 (en) * | 1999-11-15 | 2003-04-08 | Transcom Software Inc. | Computer network information management system and method using intelligent software agents |
| CA2530899C (en) | 2002-06-28 | 2013-06-25 | Conceptual Speech, Llc | Multi-phoneme streamer and knowledge representation speech recognition system and method |
| US8595642B1 (en) | 2007-10-04 | 2013-11-26 | Great Northern Research, LLC | Multiple shell multi faceted graphical user interface |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS61249182A (ja) * | 1985-04-27 | 1986-11-06 | Toshiba Corp | パタ−ン認識学習装置 |
| JPH04251300A (ja) * | 1990-09-18 | 1992-09-07 | Sanyo Electric Co Ltd | 音声認識装置 |
| JPH06250686A (ja) * | 1993-02-23 | 1994-09-09 | N T T Data Tsushin Kk | 音声認識モデル学習方法 |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5033087A (en) * | 1989-03-14 | 1991-07-16 | International Business Machines Corp. | Method and apparatus for the automatic determination of phonological rules as for a continuous speech recognition system |
| GB9223066D0 (en) * | 1992-11-04 | 1992-12-16 | Secr Defence | Children's speech training aid |
| US5526466A (en) * | 1993-04-14 | 1996-06-11 | Matsushita Electric Industrial Co., Ltd. | Speech recognition apparatus |
-
1995
- 1995-03-09 JP JP7050195A patent/JPH08248975A/ja active Pending
-
1996
- 1996-03-08 DE DE69621674T patent/DE69621674T2/de not_active Expired - Fee Related
- 1996-03-08 EP EP96103690A patent/EP0731447B1/en not_active Expired - Lifetime
- 1996-03-11 US US08/613,887 patent/US5774848A/en not_active Expired - Fee Related
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS61249182A (ja) * | 1985-04-27 | 1986-11-06 | Toshiba Corp | パタ−ン認識学習装置 |
| JPH04251300A (ja) * | 1990-09-18 | 1992-09-07 | Sanyo Electric Co Ltd | 音声認識装置 |
| JPH06250686A (ja) * | 1993-02-23 | 1994-09-09 | N T T Data Tsushin Kk | 音声認識モデル学習方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| DE69621674D1 (de) | 2002-07-18 |
| EP0731447A2 (en) | 1996-09-11 |
| EP0731447A3 (en) | 1998-08-05 |
| DE69621674T2 (de) | 2003-02-06 |
| US5774848A (en) | 1998-06-30 |
| EP0731447B1 (en) | 2002-06-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP3453456B2 (ja) | 状態共有モデルの設計方法及び装置ならびにその状態共有モデルを用いた音声認識方法および装置 | |
| JP4141495B2 (ja) | 最適化された部分的確率混合共通化を用いる音声認識のための方法および装置 | |
| KR100612840B1 (ko) | 모델 변이 기반의 화자 클러스터링 방법, 화자 적응 방법및 이들을 이용한 음성 인식 장치 | |
| KR100679044B1 (ko) | 사용자 적응형 음성 인식 방법 및 장치 | |
| JP2871561B2 (ja) | 不特定話者モデル生成装置及び音声認識装置 | |
| JP4109063B2 (ja) | 音声認識装置及び音声認識方法 | |
| JP5240457B2 (ja) | 拡張認識辞書学習装置と音声認識システム | |
| JPH0772840B2 (ja) | 音声モデルの構成方法、音声認識方法、音声認識装置及び音声モデルの訓練方法 | |
| WO1996023298A2 (en) | System amd method for generating and using context dependent sub-syllable models to recognize a tonal language | |
| JPH08227298A (ja) | クラスタ化された単語間及び／又は句間の調音結合を使用した音声認識 | |
| Liu et al. | The Cambridge University 2014 BOLT conversational telephone Mandarin Chinese LVCSR system for speech translation | |
| JPH08248975A (ja) | 標準パターン学習装置およびこの装置を使用した音声認識装置 | |
| JP2001312293A (ja) | 音声認識方法およびその装置、並びにコンピュータ読み取り可能な記憶媒体 | |
| JP2982689B2 (ja) | 情報量基準を用いた標準パターン作成方式 | |
| JP2000122689A (ja) | 話者適応化装置及び音声認識装置 | |
| JP3532248B2 (ja) | 学習音声パタンモデル使用音声認識装置 | |
| JP2976795B2 (ja) | 話者適応化方式 | |
| EP0238693B1 (en) | Speech recognition system and method using statistical models for words | |
| JP2005091504A (ja) | 音声認識装置 | |
| JPH1097270A (ja) | 音声認識装置 | |
| JPH0786758B2 (ja) | 音声認識装置 | |
| JP3231365B2 (ja) | 音声認識装置 | |
| JP3003355B2 (ja) | 標準パターン作成装置 | |
| Gbaily | Automatic Database Segmentation using Hybrid Spectrum-Visual Approach | |
| JPH04271397A (ja) | 音声認識装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 19980624 |