JPS58129499A - 音声認識方法 - Google Patents
音声認識方法Info
- Publication number
- JPS58129499A JPS58129499A JP1087582A JP1087582A JPS58129499A JP S58129499 A JPS58129499 A JP S58129499A JP 1087582 A JP1087582 A JP 1087582A JP 1087582 A JP1087582 A JP 1087582A JP S58129499 A JPS58129499 A JP S58129499A
- Authority
- JP
- Japan
- Prior art keywords
- unvoiced
- phoneme
- voiceless
- word
- recognized
- 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.)
- Granted
Links
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。
め要約のデータは記録されません。
Description
【発明の詳細な説明】
行ない、この認識音素系列を単語辞書と照合して単語を
認識する音声認識方法に関し、無声破裂音の音素認識率
を高めることによって単語認識率を向上させることを目
的とするものである。
認識する音声認識方法に関し、無声破裂音の音素認識率
を高めることによって単語認識率を向上させることを目
的とするものである。
先ず、従来のこの種の単語音声認識方法について、第１
図とともに説明する。第１図に示すように、入力単語音
声を分析し、この入力単語音声の特徴を抽出して入力単
語音声を構成する音素をＢ４識し、この認識された音素
系列をコンフユーノヨンマトリクスを用いて単語辞書中
の各単語と照合し、尤度（ユウド）の大きい単語を認識
単語とするものである。
図とともに説明する。第１図に示すように、入力単語音
声を分析し、この入力単語音声の特徴を抽出して入力単
語音声を構成する音素をＢ４識し、この認識された音素
系列をコンフユーノヨンマトリクスを用いて単語辞書中
の各単語と照合し、尤度（ユウド）の大きい単語を認識
単語とするものである。
第１図における音素認識段について説明すると、入力音
声をｌ Ｑｍｓずつのフレームに分割し、フレーム単位
の音素認識を行なった上で、これを音素単位にまとめ、
認識音素系列を得る。この段階において、無声子音には
さまれた母音のうちＵとＩは無声化しやすいため、通常
の母音認識手段では認識できず両側の無声子音と一体と
なり、３個の音素が１個の無声子音として認識されるこ
とが多い。よってこれを修正するために、認識音素系列
の各音素毎に第２図に示した処理を行なう。即ち、その
音素が無声子音である場合、その無声子音が真に一個の
音素であるか、あるいは無声子音，無声化母音，無声子
音が連続して一体となったものかどうか、音素継続時間
、・やワの時間変化等によりチェックし、３音素が連続
したものであると判断されたならば、その無声子音を前
後に２分割し、間に母音音素Ｕｌ（Ｕ（つ）と■（イ）
の中間音）を挿入する。
声をｌ Ｑｍｓずつのフレームに分割し、フレーム単位
の音素認識を行なった上で、これを音素単位にまとめ、
認識音素系列を得る。この段階において、無声子音には
さまれた母音のうちＵとＩは無声化しやすいため、通常
の母音認識手段では認識できず両側の無声子音と一体と
なり、３個の音素が１個の無声子音として認識されるこ
とが多い。よってこれを修正するために、認識音素系列
の各音素毎に第２図に示した処理を行なう。即ち、その
音素が無声子音である場合、その無声子音が真に一個の
音素であるか、あるいは無声子音，無声化母音，無声子
音が連続して一体となったものかどうか、音素継続時間
、・やワの時間変化等によりチェックし、３音素が連続
したものであると判断されたならば、その無声子音を前
後に２分割し、間に母音音素Ｕｌ（Ｕ（つ）と■（イ）
の中間音）を挿入する。
ところで、従来例において認識される無声子音の種類に
は、無声摩擦音Ｓ（す、シ、ス、セ、ソの子声部）、無
声破擦音Ｃ（チ、ソの子音部）、無声破裂音Ｐ（力、キ
、り、ケ、コ、り、テ、ト。
は、無声摩擦音Ｓ（す、シ、ス、セ、ソの子声部）、無
声破擦音Ｃ（チ、ソの子音部）、無声破裂音Ｐ（力、キ
、り、ケ、コ、り、テ、ト。
・母、ピｊ ” ＰＫ、ポの子音部）の３種類がある。
第２図に示す処理において、先ず無声子音（以下ｃｏと
表わす）が検出され、それが３個の無声音の連続と見な
された時、第１の無声子音を０１、第２の無声子音をＣ
２で表わせば、ＣＩ 、Ｃ２の音素認識結果として、ｃ
ｏの音素認識結果をそのまま用いていた。このことを音
素認識率で評価した場合、ｃｏの認識結果は事実上Ｃ１
の認識結果であることが多いので、Ｃ１にｃｏをあては
めることは問題ないが、Ｃ２にｃｏをあてはめた場合の
認識率は低かった。一般にＣ１とＣ２の音素は一致しな
いことが多いのであって、Ｃ２の音素認識はＣ１と別に
行なうべきであるが、Ｃ２区間及びその直前における音
声の物理的性質が不安定なため、Ｃ２の認識が困難であ
った。そのだめ、このことが単語認識率低下の一原因と
なるという欠点があった。
表わす）が検出され、それが３個の無声音の連続と見な
された時、第１の無声子音を０１、第２の無声子音をＣ
２で表わせば、ＣＩ 、Ｃ２の音素認識結果として、ｃ
ｏの音素認識結果をそのまま用いていた。このことを音
素認識率で評価した場合、ｃｏの認識結果は事実上Ｃ１
の認識結果であることが多いので、Ｃ１にｃｏをあては
めることは問題ないが、Ｃ２にｃｏをあてはめた場合の
認識率は低かった。一般にＣ１とＣ２の音素は一致しな
いことが多いのであって、Ｃ２の音素認識はＣ１と別に
行なうべきであるが、Ｃ２区間及びその直前における音
声の物理的性質が不安定なため、Ｃ２の認識が困難であ
った。そのだめ、このことが単語認識率低下の一原因と
なるという欠点があった。
本発明は、上記従来技術の欠点を解消するものであり、
以下に本発明の一実施例について説明する。
以下に本発明の一実施例について説明する。
本実施例と前記従来例の相異点は、無声子音ｃｏをＣ１
とＣ２に分割した後、第３図に示すように、ｃｏが無声
摩擦音Ｓ１又は無声破擦音Ｃであった場合、ｃｏ区間中
に音声パワレベルの著しく低い区間、すなわち無音区間
Ｑが存在し、がっＱ区間の後端と、Ｃ２に後続する母音
の前端との間の時間ｔ（Ｃｚ）が予め定められたスレッ
ンユホールド値’ｒｐより短かい時、Ｃ２を破裂音Ｐに
書き換えるものである。
とＣ２に分割した後、第３図に示すように、ｃｏが無声
摩擦音Ｓ１又は無声破擦音Ｃであった場合、ｃｏ区間中
に音声パワレベルの著しく低い区間、すなわち無音区間
Ｑが存在し、がっＱ区間の後端と、Ｃ２に後続する母音
の前端との間の時間ｔ（Ｃｚ）が予め定められたスレッ
ンユホールド値’ｒｐより短かい時、Ｃ２を破裂音Ｐに
書き換えるものである。
第４図は単語「クラシキ」のうの尾部よりキの途中迄の
、フレーム（１Ｑｍｓ ）毎の音素認識結果、及びパワ
レベルを、時間をそろえて表示したものである。第４図
において、ｃｏはＳと認識された。
、フレーム（１Ｑｍｓ ）毎の音素認識結果、及びパワ
レベルを、時間をそろえて表示したものである。第４図
において、ｃｏはＳと認識された。
従って従来はＣ１、Ｃ２共にＳとなり、Ｃ２は誤まりで
あったが、本実施例では、ｔ（Ｃｚ）≦ＴＰである限り
Ｃ２は正しくＰと認識される。なお、本実施例ではピと
キの識別は行なっていないので、キはＫＩではなく、Ｐ
■で表わされる。
あったが、本実施例では、ｔ（Ｃｚ）≦ＴＰである限り
Ｃ２は正しくＰと認識される。なお、本実施例ではピと
キの識別は行なっていないので、キはＫＩではなく、Ｐ
■で表わされる。
本実施例においては、Ｔｐ ＝ ６ Ｑｍｓであるが、
この値は外部条件により変化し得るものであり、５ Ｑ
ｍｓに限定するものではない。
この値は外部条件により変化し得るものであり、５ Ｑ
ｍｓに限定するものではない。
第４図のフレーム毎の音素認識においてＱとＳが重複し
て認識されているのは、単語中のＱ区間は、発声の不安
定によりたまたまパワレベルが低下したものか、音節の
境界である真の無音部なのか、ただちには判別できない
ためである。また、ｃｏの両端でＳと母音が重複して認
識されているのは、現在、音素境界は重複認識すること
にしているためであり、特別な理由はない。
て認識されているのは、単語中のＱ区間は、発声の不安
定によりたまたまパワレベルが低下したものか、音節の
境界である真の無音部なのか、ただちには判別できない
ためである。また、ｃｏの両端でＳと母音が重複して認
識されているのは、現在、音素境界は重複認識すること
にしているためであり、特別な理由はない。
本発明は上記のような構成であり、Ｃ１がＳ又はＣであ
り、Ｃ２がＰである場合のＣ２の音素認識率は、従来は
とんど０％、であったものが、本発明により８０〜９０
％に向上した。不発゛明による音素並びを持つ単語は、
「クラシキ」（本実施例における正解認識音素系列はＰ
ＵＲＡＳ Ｉ Ｐ Ｉ ）、「タカツキ」（同じ（ＴＡ
ＫＡＣＵＰＩ）等多数有り、これら単語が正しく音素認
識されることにより、単語認識率も向上するものである
。
り、Ｃ２がＰである場合のＣ２の音素認識率は、従来は
とんど０％、であったものが、本発明により８０〜９０
％に向上した。不発゛明による音素並びを持つ単語は、
「クラシキ」（本実施例における正解認識音素系列はＰ
ＵＲＡＳ Ｉ Ｐ Ｉ ）、「タカツキ」（同じ（ＴＡ
ＫＡＣＵＰＩ）等多数有り、これら単語が正しく音素認
識されることにより、単語認識率も向上するものである
。
第１図は、単語音声認識アルゴリズムの概略図、第２図
は、従来方法の無声音処理ルーチンを示す図、第３図は
、本発明の一実施例の無声音処理ルーチンを示す図、第
４図は、本発明の一実施例におけるフレーム毎の音素認
識を示す図である。 特許出願人 電子計算機基本技術研究組合） 代 理 人 星 野 恒 司、→１
’、、、＋ＬＪシ 第１図 第３図
は、従来方法の無声音処理ルーチンを示す図、第３図は
、本発明の一実施例の無声音処理ルーチンを示す図、第
４図は、本発明の一実施例におけるフレーム毎の音素認
識を示す図である。 特許出願人 電子計算機基本技術研究組合） 代 理 人 星 野 恒 司、→１
’、、、＋ＬＪシ 第１図 第３図
Claims (1)
- 無声摩擦音または無声破擦音に後続する母音が無声化し
、さらに無声破裂音が後続して３個の無声音音素が一つ
ながりの無声音区間となっている場合、この無声音区間
中にパワレベルの低い部分が存在し、かつそのパワレベ
ルの低い部分の後端と後続する最初の有声音の前端との
間の時間が予メ設定されたスレッシュホールド値より短
かい時に、その区間を無声破裂音の区間として無声破裂
音音素を認識することを特徴とする音声認識方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP1087582A JPS58129499A (ja) | 1982-01-28 | 1982-01-28 | 音声認識方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP1087582A JPS58129499A (ja) | 1982-01-28 | 1982-01-28 | 音声認識方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPS58129499A true JPS58129499A (ja) | 1983-08-02 |
| JPH021320B2 JPH021320B2 (ja) | 1990-01-11 |
Family
ID=11762502
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP1087582A Granted JPS58129499A (ja) | 1982-01-28 | 1982-01-28 | 音声認識方法 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPS58129499A (ja) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107666381B (zh) * | 2011-10-14 | 2020-08-07 | 索尼公司 | 用于无线电通信***中的设备和方法以及计算机存储介质 |
-
1982
- 1982-01-28 JP JP1087582A patent/JPS58129499A/ja active Granted
Also Published As
| Publication number | Publication date |
|---|---|
| JPH021320B2 (ja) | 1990-01-11 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US20070203700A1 (en) | Speech Recognition Apparatus And Speech Recognition Method | |
| Vorstermans et al. | Automatic segmentation and labelling of multi-lingual speech data | |
| Ponting et al. | The use of variable frame rate analysis in speech recognition | |
| Derouault | Context-dependent phonetic Markov models for large vocabulary speech recognition | |
| JPS58129499A (ja) | 音声認識方法 | |
| Yang | Contextual effects on syllable duration | |
| Fujimura et al. | A duration modeling technique with incremental speech rate normalization. | |
| Saravari et al. | A demisyllable approach to speech synthesis of Thai A tone language | |
| JPS58129498A (ja) | 音声認識方法 | |
| Derouault | Context-dependent phone Markov models for speech recognition | |
| JPS6039691A (ja) | 音声認識方法 | |
| JPS5872995A (ja) | 単語音声認識方法 | |
| Ruske et al. | Syllable-based stochastic models for continuous speech recognition | |
| JPS60216394A (ja) | 音声合成方式 | |
| JPS63217399A (ja) | 音声区間検出装置 | |
| Coker | Articulatory Timing in Speech Production; Articulatory Distinctive Features | |
| JPS5969798A (ja) | ピツチ抽出方法 | |
| JPS6073598A (ja) | 音声認識方式 | |
| JPS61270800A (ja) | 無声化音声合成方法 | |
| JPS5925240B2 (ja) | 音声区間の語頭検出方式 | |
| JPS6225796A (ja) | 音声認識装置 | |
| JPH0635494A (ja) | 音声認識装置 | |
| JPS5849996A (ja) | 平均音素パターン作成装置 | |
| Vayrynen et al. | Enhancing Phoneme recognizer performance with a simple rule based language model | |
| JPH0235500A (ja) | 音声認識方式 |