JPS58108590A - 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】 〈発明の技術分野〉 本発明は入力された音声信号の音韻をその特徴・母うメ
ータから認識する音声認識装置に関する。

〈従来技術〉 近時、情報入力の一つの手段として、音声入力が注目さ
れている。例えば数十単語を対象として学習を行い、入
力された音声を一旦音韻系列に変換して認識処理を行う
所ｉ＋１１　ｒ特定話者限定単語認識装置」ではかな９
高い認識率が得られ、従来のキー人力装置に代る情報入
力装置として期待されている。

しかして従来装置では数１００語程度の大語業を対象と
する場合、入力された音声信号を一旦音韻系列に置き換
えて認識をする方式が採られておシ、この場合は子音と
母音との分離と共に母音を精度良く識別することが要求
されている。母音識別の方法としては入力音声から音響
パラメータを求め、この音＠　ａ’ｌ？ラメータの時間
的に安定な点とその前後若しくは一方の音響ｚｌラメー
タとの類似度を検討することによって音韻を分離し、そ
の音韻単位の母音候補ノ母ターン中からその差分が小さ
な即ち時間的に安定な複数点のノ譬うメータを平均して
これを母音ノ母ターンとして抽出して母音を認識するこ
とが行われている。

〈従来の問題点〉 ところがこのような従来の音韻分割して音声認識を行う
装置にあっては、例えば半母音を含む音韻のようＫ　／
ｌワースベクトルの変化がなだらかなものでは、その音
節中の母音Ａワースベクトルの変化が小さく、この結果
母音ノ４ターンの切出し位置に誤シが生じ易いと云う不
具合があった。この為、信頼性の高い確実な音韻認識が
できず、実用性の点で問題が残されていた。

〈発明の目的〉 本発明はこのような事情を考慮してなされたもので、そ
の目的とするところは、半母音を含む音節のように／譬
ワース（クトルの変化の少ない音節に対しても正確に信
頼性良く母音認識を行い、かつ子音区間との分離も安定
に行い得る実用性の高い音声認識装置を提供することに
ある。

〈発明の要約〉 本発明は入力された音声信号を音韻単位に分割して認識
するに際し、上記音声信号の音響／彎うメータと母音辞
書・母ターンとの類似度を逐次計算して母音を認識する
と共に、母音類似度から求められる母音定常・母ターン
と入力・臂ターンとの類似度から子音候補区間を分離し
て上記母音類似度結果に従りてその段（ア段、イ段、つ
段、二段、オ段）に属する子音候補区間中の子音を認識
することによって上述した目的を効果的に達成したもの
である。

つまシ母音認識に供した母音類似度結果を有効に利用し
て子音候補区間を分離して子音認識することＫよってそ
の音韻を信頼性良く正確に認識し得るようにしたもので
ある。

〈発明の実施例〉 以下、図面を参照して本発明の一実施例につき説明する
。

第１図は実施例装置の概略構成を示す図である。第１図
において、広帯域マイクロホン等ヲ通じて入力される音
声信号は音声入力部１にて例えばディジタル化されて取
込まれ、音響パラメータ抽出部２に送られる。音響パラ
メータ抽出部２では上記入力音声信号の特徴を示す音響
パラメータを、例えばノ譬ワースベクトルや相関値、更
にはケグス）ラム等から求めて時系列に出力している。

しかして、この音響ノ＃２メータの時系列からなる入力
音声信号の特徴ノ母ターン系列は一方においてノ母ワー
計算部３に送られると共に１他方において母音類似度計
算部４に送られる。この母音類似度計算部４では、母音
辞書・譬ターン部ｊＫ予め登侮された［ｔｅ・、１゜ｏ
、ｕ）および（Ｎ）なる撥音を含む母音辞書ノ奢ターン
と上記入力された音声信号の入カッ譬ターンとの類似度
を個々に逐次計算しておシ、その母音類似度結果を母音
認識部６に与えている。

母音認識部ｅでは、各母音辞書パターンに対するＷＡ供
度が成る閾値を越えて連続するものを抽出すると共に後
述するノ母ワー計算部１からの区間指定に従うて、その
区間内の最大類似度を有する母音を抽出することによシ
母音を認識し、その認識結果と共に上記の如く計算して
求められた母音類似度の情報をＣＶ境界検出部１に送シ
出している。

また前記・やワー計算部３は、前記音声信号の特徴ノ９
ラメータの１つである・臂ワー特性を計算し、一定の閾
値を越えた時点ｔ、、一定の閾値よシ下りた時点ｔ、ｌ
さらに音声パワーの大きい区間でパワーが最大となる時
点１ｍを求めて、（ｔ＠＊ｔｖ）を母音認識部へ、また
（　ｔ、　、　ｔｍ　）をｃｖ境界検出部へ転送してい
る。この区間情報と前記母音認識部６にて求められた母
音類似度の情報がＣＶ境界検出部７に与えられ、入力音
声／母メーンに対する子音候補区間Ｃと子音候補区間Ｖ
との境界分離に供されている。そしてＣｖ境界検出部１
では母音認識結果の母音の最大類似度から母音定常ノ母
ターンを抽出し、これと入カッｆターンとの類似度を逐
次計算することから、音声入力Ｉり一ン中の子音候補区
間Ｃと母音候補区間Ｖを分離している。

子音類似度計算部９は、前記母音類似度の計算結果に従
い、Ｃｖ境界検出部１にて分離された子音候補区間中の
子音を、子音辞書ノ臂ターン部９に予め登録された子音
辞書、ｐ４ターンとの照合によシ認識している。この子
音認識は、ｃ■単位あるいＨｖｃｖ単位で予め用意され
た子音辞書パターンと子音候補区間の入カッ中ターンと
の類似度を計算し、その最大の類似度を与える子音辞書
ノ母ターンのカテｆ　１７−を子音（Ｄｇ識結果として
得る。

このようＫして得られた子音認識結果と母音認識結果か
ら入力された音声信号の音節が認識され、認識結果出力
部１１ｆ介してグリントアウトされる等して出力される
。

尚、このような装置における音声認識の処理フローは、
例えば第２図の如く示される。

このように構成された本装置に対して、今、例えば「東
京」なる音声を入力した場合、その音韻ｒ　Ｔｏｋｊ・
」が入力部１にてディジタル化されて第３図（ａ）に、
示す時系列データとして取込まれる。この信号を受けて
、音響ノやラメータ抽出部２は、そのノ譬ワースベクト
ル・９ターンを第３図（ｂ）に示すように抽出している
。このノ４ワースベクトルノ母ターンは、音声入力信号
の各周波数成分の・母ワーの時間的な変化を示すもので
、入力音声の一つの特徴・母うメータを示すものである
。第３図（、）に示す音声信号のパワー特性は、音響ノ
量うメータ抽出部２でノ母ワースペクトルノ譬ターンと
共に抽出することもできる。このような特徴ノ奢うメー
タからなる特徴ノ母ターン系列は前述したように、パワ
ースイクトルや入力音声の相関値を計算する等して求め
られるものである。

このような特徴ノ４ラメータ系列に対して母音類似度計
算部４は、母音辞書パターン部に登録された複数の母音
辞書ノ臂ターンと個々に逐次比較してその類似度を第３
図（ｄ）〜（％）にそれぞれ示すように求めている＝こ
れらの類似度は、母音パターン（１１・＄１９０Ｉｕ）
および（Ｎ）に対する入力／母ターンの類似度計算結果
である。

しかしてこれらの類似度結果のうち、所定の閾値を越え
る類似度値が一定期間以上継続し、かつ最大の類似度を
有する母音辞書・ぐターンのカテゴリーが、入力音声ノ
ｆターン中に含まれる母音として認識される。従りてこ
の例では前半部の母音（ｏ）と後半部における母音（、
）とがそれぞれ認識される０次に母音認識部では〔ｏ〕
の類似＆（第３図（ｇ））中の最大値（図中矢印で示し
た）を与える時刻ｔｐ、ｔｐ′の母音定常・母ターンを
ＣＶ墳外界検出部転送する。なお母音定常ノ譬ターンの
抽出時刻は、ノ母ワーの最大位置ｔｍ、　ｔｍ’を基準
として定めたり、さらＫ　ｔｐと組み合わせて決定する
など他の手段を用いることも考えられる。しかるのちＣ
Ｖ墳外界検出部１は、この母音定常パターンと音声信号
の入力−４ターンとの類似度を相関値などを用いて計算
し、その類似度が一定の閾値Ｖ！を横切る時刻を基準と
して子音候補区間および母音候補区間を分離する（第３
図（ｊ））と同時に、子音候補区間に対応する子音・々
ターン（周波数一時間パターン）を子音類似度計算部ｒ
へ転送する。子音類似度計算部１では上記母音類似度結
果と対応させ乍ら入カッ臂ターンを子音辞書ノ臂ターン
と照合して子音を認識し、こζにｒＴｏＪ−ｒｋＪｏ」
なる音韻認識結果を得る。

このように本装置によれば、入力された音声信号の特徴
・譬うメータを苺音辞書・リーンと逐次比較し、その類
似度から母音をｍＲし、この認識された母音の類似度計
算結果から求められる母音定常パターンと音声信号の入
カッ青ターンとの類似度に従って音声信号の子音候補区
間Ｃと母音候補区間とを分離している。そして、母音類
似度の計算結果に対応させて子音候補区間中の子音を認
識して上記音声信号の音韻を認識している。従って、母
音辞書／４ターンとの逐次照合を行って入力／母ターン
中の母音を認識したのち、そのｍａｉｌｌ’結果に従っ
て子音候補区間を分離するので、例え音韻のＩ？ワース
ベクトルがなだらかに変化するものであっても正確にそ
の認識が可能となる。故に「東京」等、半母音を含む音
韻をも信頼性良く、効果的に且つ正確に認識することが
可能となる。このように音韻認識率の向上を図ることが
できるため、実用的利点は極めて大きい。また上述した
ように認識の処理グロセスが簡単であシ、その信頼性が
高い等の効果を奏する。

尚、本発明は上記実施例に限定されるものではない０例
えば類似度計算のアルがリズムは縁形子側残差ノ譬ワー
を用いる等その目的に応じて種々変形することができる
。また抽出する特徴パラメータも、他の種類のものであ
ってもよい。

要するに本発明はその要旨を逸脱しない範囲で種々変形
して実施することができる。

〈発明の効果〉 以上説明したように本発明によれば入力音声信号の特徴
・母２メータと母音辞書・り一ンとの類似度を逐次計算
し、その類似度結果から母音を認識したのち、この認識
された母音の定常ｔ４ターンの音声信号の入カバターン
との類似度から子音候補区間を分離して子音を認識する
ので、音！！！ｓ号の・ｆワースイクトルの変化がなだ
らかな半母音を含む音韻であってもい信頼性良く正確に
認拳することができる。故に認識率の向上を図シ得、実
用的利点が極めて大きい。

【図面の簡単な説明】

第１図は本発明の一実施例を示す装置の概略構成図、第
２図は音声認識の処理７０−の一例を示す図、第３図（
、）〜（ｊ）は実施例装置の作用を示す図である。 ２・・・音響ノ母２メータ抽出部、３・・・ノヤワー針
算部、４・・・母音類似度計算部、５・・・母音辞書パ
ターン部、６・・・母音認識部、１・・・ＣＶ境界検出
部、８・・・子音類似度計算部、９・・・子音辞書・譬
ターン部。 出願人代理人　　弁理士　鈴　江　武　彦第１図 第２図

Claims (1)

【特許請求の範囲】
1. 入力され九音声信号の音響／臂うメータを抽出する手段
   と、上記音響パラメータと母音辞書に予め登録された母
   音辞書パターンとの類似度を逐次計算してその計算結果
   から母音を認識する手段と、この認識結果のカテゴリー
   の母音類似度から求められる前記入力音声／臂ターン中
   の母音定常ノ臂り−ンと入力音声パターンとの類似度を
   求め、その類似度に従って上記音声信号の子音候補区間
   を母音候補区間から分離する手段と、前記母音類似度の
   計算結果を用いて上記子音候補区間中の子音をｍｉｓす
   る手段とを具備し九ことを特徴とする音声認識装置。