JPS63236094A - 音声認識方法 - Google Patents
音声認識方法Info
- Publication number
- JPS63236094A JPS63236094A JP62070922A JP7092287A JPS63236094A JP S63236094 A JPS63236094 A JP S63236094A JP 62070922 A JP62070922 A JP 62070922A JP 7092287 A JP7092287 A JP 7092287A JP S63236094 A JPS63236094 A JP S63236094A
- Authority
- JP
- Japan
- Prior art keywords
- phoneme
- duration
- word
- addition
- similarity
- 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
- 238000000034 method Methods 0.000 claims description 17
- 238000004364 calculation method Methods 0.000 claims description 12
- 238000010586 diagram Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 230000007704 transition Effects 0.000 description 3
- 230000001186 cumulative effect Effects 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 230000007423 decrease Effects 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
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】
〔産業上の利用分野〕
本発明は、音韻表記の単語辞書と入力音声をフレーム毎
に各音韻の信頼性の系列から、ＤＰにより単語の類似度
を求め、その際に各音韻の継続時間を考慮しながら、単
語を認識する単語認識方法に関する。
に各音韻の信頼性の系列から、ＤＰにより単語の類似度
を求め、その際に各音韻の継続時間を考慮しながら、単
語を認識する単語認識方法に関する。
従来の音声認識法を大きくわけると以下の２種類になる
。
。
１）単語を単位とした認識法
２）単語より小さい単位、例えば音韻を単位とした認識
法 第１の方式は、単語全体の特徴パラメータを標準パタン
として持ち、入力音声とのパタンマツチングをＤＰを用
いて行うことで認識し、〜数百語程度の単語認識におい
て、高い認識率を得ている。しかし、この方法では認識
する単語全てを、発生による登録が必要であり、手間が
かかり、単語を標準パタンとしているため、単語辞書の
容量が大きくなるなどの点で１０００語以上の人語量の
認識には適さない。第２の方式は音韻毎に標準パタンを
持つため、単語辞書は音韻表記て登録すればよいので登
録の手間もかからず容量も小さくて済むので、第１の方
式に対して人語量に向いている。
法 第１の方式は、単語全体の特徴パラメータを標準パタン
として持ち、入力音声とのパタンマツチングをＤＰを用
いて行うことで認識し、〜数百語程度の単語認識におい
て、高い認識率を得ている。しかし、この方法では認識
する単語全てを、発生による登録が必要であり、手間が
かかり、単語を標準パタンとしているため、単語辞書の
容量が大きくなるなどの点で１０００語以上の人語量の
認識には適さない。第２の方式は音韻毎に標準パタンを
持つため、単語辞書は音韻表記て登録すればよいので登
録の手間もかからず容量も小さくて済むので、第１の方
式に対して人語量に向いている。
第２の方式では、まずセグメンテーションをして各音韻
の存在区間を定めた後に、音韻の認識を行うのが一般的
である。一方、これに対し、認識する単語を仮定し、こ
の単語に含まれる音韻の標準パタンを用いて入力音声の
特徴パラメータとマツチングを行い、各音韻のフレーム
毎の信頼性・（得点）を計算する。更に各音韻の得点を
基に単語全体の得点をＤＰにより求める認識方式がある
。
の存在区間を定めた後に、音韻の認識を行うのが一般的
である。一方、これに対し、認識する単語を仮定し、こ
の単語に含まれる音韻の標準パタンを用いて入力音声の
特徴パラメータとマツチングを行い、各音韻のフレーム
毎の信頼性・（得点）を計算する。更に各音韻の得点を
基に単語全体の得点をＤＰにより求める認識方式がある
。
後者の方法においては、単語に必要な音韻の標準パタン
しか用いないため、セグメンテーションを先に行う方法
に比べて、音韻の付加、脱落が起りに＜＜、認識の精度
は上がる。ここで用いるＤＰマツチングを以下に示す。
しか用いないため、セグメンテーションを先に行う方法
に比べて、音韻の付加、脱落が起りに＜＜、認識の精度
は上がる。ここで用いるＤＰマツチングを以下に示す。
この方法での類似度の計算式は例えば以下の漸下式によ
って求めることができる。
って求めることができる。
Ｓ （Ｖ、 Ｘ） −ｇ （Ｉ＋１． Ｊ＋１） ／Ｊ
■ここで Ｉ ： 音韻記号
列の長さ Ｊ ： 入力音声のフレーム数 ■＝ 音韻記号列（ｖｌ、・・・、■２．・・・７厘）
Ｘ： 特徴時系列（Ｘｌ、・・・＋Ｘｌ＋・・・、ＸＪ
）ｇ（ｉ、Ｄ ： ＤＰの累積距離 Ｓ（Ｖ、Ｘ）：ＶとＸの類似度 ｄ（ｉｌｊ）：ｖｌとＸｊノ類似度 この結果、得られた類似度を基に単語の認識を行う。
■ここで Ｉ ： 音韻記号
列の長さ Ｊ ： 入力音声のフレーム数 ■＝ 音韻記号列（ｖｌ、・・・、■２．・・・７厘）
Ｘ： 特徴時系列（Ｘｌ、・・・＋Ｘｌ＋・・・、ＸＪ
）ｇ（ｉ、Ｄ ： ＤＰの累積距離 Ｓ（Ｖ、Ｘ）：ＶとＸの類似度 ｄ（ｉｌｊ）：ｖｌとＸｊノ類似度 この結果、得られた類似度を基に単語の認識を行う。
〔発明が解決しようとしている問題点〕上記の漸下式の
ように各音韻毎の継続時間を全く考慮しないＤＰにおけ
る類似度計算により単語認識をおこなうと、第４図に示
す様に、発声されたデータが／ ａ ｚ ａ ｂ ｕ
／であり、辞書内には［ａｚａｂｕＪとｒａｂｕｊが存
在して、音韻の得点をフレーム毎に計算したら図のよう
になったと仮定すると、ｒａｚａｂｕＪと［ａｂｕ］の
得点は等しくなり、誤認識の可能性がでて（る。又、辞
書中に「ＯｉＪと「ＯＯｌ」の２単語が存在する場合も
同様、継続時間を考慮しなければ、全く２つの差は表わ
れない。これらの問題を解決する手段として、ＤＰ計算
の窓制限を厳しくする方法もあるが、−単語が長く、ア
クセントのある単語などの場合、単語内での音韻の時間
変化が大きく、画一的な窓で制限するのは危険を伴う。
ように各音韻毎の継続時間を全く考慮しないＤＰにおけ
る類似度計算により単語認識をおこなうと、第４図に示
す様に、発声されたデータが／ ａ ｚ ａ ｂ ｕ
／であり、辞書内には［ａｚａｂｕＪとｒａｂｕｊが存
在して、音韻の得点をフレーム毎に計算したら図のよう
になったと仮定すると、ｒａｚａｂｕＪと［ａｂｕ］の
得点は等しくなり、誤認識の可能性がでて（る。又、辞
書中に「ＯｉＪと「ＯＯｌ」の２単語が存在する場合も
同様、継続時間を考慮しなければ、全く２つの差は表わ
れない。これらの問題を解決する手段として、ＤＰ計算
の窓制限を厳しくする方法もあるが、−単語が長く、ア
クセントのある単語などの場合、単語内での音韻の時間
変化が大きく、画一的な窓で制限するのは危険を伴う。
従って、窓制限はあまり厳しくすることはできなくなり
、前述した従来のＤＰによる類似度計算法の欠点の根本
的解決にはなっていない。
、前述した従来のＤＰによる類似度計算法の欠点の根本
的解決にはなっていない。
〔問題点を解決するための手段（及び作用）〕本発明に
よれば、各音韻の長さを考慮したＤＰのパスに加減点の
操作を加えて、単語の類似度を計算し、前述の問題点を
解決する単語認識率の向上を目的とした音声認識方法を
提案する。
よれば、各音韻の長さを考慮したＤＰのパスに加減点の
操作を加えて、単語の類似度を計算し、前述の問題点を
解決する単語認識率の向上を目的とした音声認識方法を
提案する。
これによって、各音韻の継続時間を考慮したＤＰを行う
ことを可能にし、類似度計算を、より精密に行うことが
できる。
ことを可能にし、類似度計算を、より精密に行うことが
できる。
第１−１図は本発明の構成図、第１−２図は本発明の制
御フローチャートである。１は音声を入力する音声入力
部で、２は音響処理部である。音声入力部ｌで入力され
た（ＳＬ）音声は、Ｓ２において音響処理部２において
一定時間（フレーム）毎に分析を行い、音響パラメータ
を出力する（Ｓ３）。４は音韻識別部で、上記音響パラ
メータを入力し、５のＲＡＭＩに記憶された音韻標準パ
タンを用いてフレーム毎に各音韻側の信頼性を示す音韻
スコアを求める（Ｓ４）。
御フローチャートである。１は音声を入力する音声入力
部で、２は音響処理部である。音声入力部ｌで入力され
た（ＳＬ）音声は、Ｓ２において音響処理部２において
一定時間（フレーム）毎に分析を行い、音響パラメータ
を出力する（Ｓ３）。４は音韻識別部で、上記音響パラ
メータを入力し、５のＲＡＭＩに記憶された音韻標準パ
タンを用いてフレーム毎に各音韻側の信頼性を示す音韻
スコアを求める（Ｓ４）。
６のＲＡＭ２に格納された単語辞書は、音韻記号列によ
って登録されていて、Ｓ４で求めた音韻スコアとの類似
度計算を行う（Ｓ５）ことにより単語スコアを求める（
Ｓ６）。類似度計算部７は単語辞書６と音韻スコア（Ｓ
４）のＤＰにより実現され、従来のマツチングに音韻継
続時間加減点テーブル（類似度計算部７のＲＡＭＩＩ等
ζ′こ格納されている）を用いることにより、ＤＰの累
積計算中に、各音韻の継続時間長を考慮に入れることを
可能にしている。
って登録されていて、Ｓ４で求めた音韻スコアとの類似
度計算を行う（Ｓ５）ことにより単語スコアを求める（
Ｓ６）。類似度計算部７は単語辞書６と音韻スコア（Ｓ
４）のＤＰにより実現され、従来のマツチングに音韻継
続時間加減点テーブル（類似度計算部７のＲＡＭＩＩ等
ζ′こ格納されている）を用いることにより、ＤＰの累
積計算中に、各音韻の継続時間長を考慮に入れることを
可能にしている。
第１−１図中、３は前述した類似度に基づいて得られた
単語認識結果を出力する出力部である。８は装置（シス
テム）全体を制御する制御部である。
単語認識結果を出力する出力部である。８は装置（シス
テム）全体を制御する制御部である。
９は各制御用データを記憶するＲＡＭ、１０は装置の立
ち上げ等に必要なプログラムを格納したディスクである
。
ち上げ等に必要なプログラムを格納したディスクである
。
次に、類似度計算（Ｓ５）の方法を以下に説明する。簡
単のため、第２図に示す最も簡単なりＰで説明を行う。
単のため、第２図に示す最も簡単なりＰで説明を行う。
Ｓ （Ｖ、 Ｘ） ＝ ｇ （１＋１． Ｊ＋１） ／
Ｊ （１）ｇ （ｉ、 Ｄ −ｄ
（ｉ、 Ｄ ここで ｉｆ （ｇ （ｉ−１，ｊ−１）２ｇ （ｉ、 ｊ
−１）十Ｐ（Ｖｉ、 Ｃ１）） （３）ｔｈｅｎ
Ｃｉ ＝ φ ： １ｓｅ Ｃｉ二Ｃｉ＋１ ＋ ｇ （０，Ｏ）−φ
（４）ｇ （ｉ、 Ｏ） −ｇ （０，Ｄ
＝−■ （５）０＜ｉ≦Ｉ
、 Ｏ＜ｊ≦Ｊ 但し、 Ｉ ： 音韻記号列の長さ Ｊ ： 入力音声のフレーム数 ■＝ 音韻記号列（ｖｒ ＋ Ｖ ２ ＋ ・・’＋
ｖｌ、 ”・、 Ｖｌ）Ｘ： 入力音声の特徴時系列（
Ｘ＋ ＋ Ｘ ２ ＋・・・、Ｘ２．・・・、 ＸＪ）
ｇ（ｉ、Ｄ ： ＤＰの累積距離 Ｓ（Ｖ、Ｘ）：ＶとＸの類似度 ｄ（’、Ｊ） ： ＶｌとＸ、の類似度Ｃ＋ ：
Ｖｌの継続長カウンタ（初期状態は全てφ）Ｐ （
Ｃｉ、 Ｖｉ） ：音韻■１の継続長によって決まる加
減点上述の漸化式によりＤＰの計算を行う。このＤＰを
第２図にて説明を行う。
Ｊ （１）ｇ （ｉ、 Ｄ −ｄ
（ｉ、 Ｄ ここで ｉｆ （ｇ （ｉ−１，ｊ−１）２ｇ （ｉ、 ｊ
−１）十Ｐ（Ｖｉ、 Ｃ１）） （３）ｔｈｅｎ
Ｃｉ ＝ φ ： １ｓｅ Ｃｉ二Ｃｉ＋１ ＋ ｇ （０，Ｏ）−φ
（４）ｇ （ｉ、 Ｏ） −ｇ （０，Ｄ
＝−■ （５）０＜ｉ≦Ｉ
、 Ｏ＜ｊ≦Ｊ 但し、 Ｉ ： 音韻記号列の長さ Ｊ ： 入力音声のフレーム数 ■＝ 音韻記号列（ｖｒ ＋ Ｖ ２ ＋ ・・’＋
ｖｌ、 ”・、 Ｖｌ）Ｘ： 入力音声の特徴時系列（
Ｘ＋ ＋ Ｘ ２ ＋・・・、Ｘ２．・・・、 ＸＪ）
ｇ（ｉ、Ｄ ： ＤＰの累積距離 Ｓ（Ｖ、Ｘ）：ＶとＸの類似度 ｄ（’、Ｊ） ： ＶｌとＸ、の類似度Ｃ＋ ：
Ｖｌの継続長カウンタ（初期状態は全てφ）Ｐ （
Ｃｉ、 Ｖｉ） ：音韻■１の継続長によって決まる加
減点上述の漸化式によりＤＰの計算を行う。このＤＰを
第２図にて説明を行う。
図中のフレーム毎音韻スコアは第１−２図の８４に当り
、式中のｄ（ｉ、Ｄである。■は単語辞書から仮定され
た単語で、Ｃは単語中の各音韻毎の継、続時間のカウン
タである。このカウンタＣｉはｇ（ｉ、ｊ）を求める際
に、ｇ（ｉ、ｊ−１）よりのパスが選ばれた時Ｃｉに１
を加える。ｇ（ｉ−１゜ｊ−１）よりのパスが選ばれた
時は、Ｃ１＝Ｏを代入する。ｇ（ｉ、Ｄを求める時の距
離は、音韻スコアのｊフレームにおける音韻Ｖｉのスコ
アｄ （ｉ、 ｊ）で求める。式（２）におけるＰ （
Ｃｉ、 Ｖｉ）の求め方について第３図で示す。各音
韻毎に、最小継続時間、最大継続時間、平均継続時間な
どは、統計的に求めることができる。そこで、各音韻毎
に第３図のような加減点テーブル（類似度計算部７、Ｒ
ＡＭＩＩ内）を作成し、Ｐ （Ｃｉ、 Ｖｉ）を決定す
る。
、式中のｄ（ｉ、Ｄである。■は単語辞書から仮定され
た単語で、Ｃは単語中の各音韻毎の継、続時間のカウン
タである。このカウンタＣｉはｇ（ｉ、ｊ）を求める際
に、ｇ（ｉ、ｊ−１）よりのパスが選ばれた時Ｃｉに１
を加える。ｇ（ｉ−１゜ｊ−１）よりのパスが選ばれた
時は、Ｃ１＝Ｏを代入する。ｇ（ｉ、Ｄを求める時の距
離は、音韻スコアのｊフレームにおける音韻Ｖｉのスコ
アｄ （ｉ、 ｊ）で求める。式（２）におけるＰ （
Ｃｉ、 Ｖｉ）の求め方について第３図で示す。各音
韻毎に、最小継続時間、最大継続時間、平均継続時間な
どは、統計的に求めることができる。そこで、各音韻毎
に第３図のような加減点テーブル（類似度計算部７、Ｒ
ＡＭＩＩ内）を作成し、Ｐ （Ｃｉ、 Ｖｉ）を決定す
る。
本音細別の加減点テーブルを用いれば、ある音韻に関し
て、最大継続時間を越えると大きく減点され、ＤＰのパ
スが次の音韻に選択され、ある音韻は、できるだけ平均
的な時間長だけＤＰのパスで継続しようと選択される。
て、最大継続時間を越えると大きく減点され、ＤＰのパ
スが次の音韻に選択され、ある音韻は、できるだけ平均
的な時間長だけＤＰのパスで継続しようと選択される。
第３図のテーブルはｄ（＋、 Ｄが最大ｌＯを取る場合
の加減点の例である。
の加減点の例である。
前実施例においては、最も簡単なりＰパスにおいて説明
をおこなったが、同音韻への遷移のあるＤＰパスが存在
すれば、本発明は用いることができ、同音韻への遷移の
パスの場合、カウンタに１を加え、その他の音韻への遷
移のパスであればカウンタに０を代入する。又、音声の
自動ラベリングシステムの１部に用いることができるも
のである。
をおこなったが、同音韻への遷移のあるＤＰパスが存在
すれば、本発明は用いることができ、同音韻への遷移の
パスの場合、カウンタに１を加え、その他の音韻への遷
移のパスであればカウンタに０を代入する。又、音声の
自動ラベリングシステムの１部に用いることができるも
のである。
本発明を用いることにより、各音韻の継続時間を考慮し
たＤＰを行うことを可能にし、類似度計算をより精密に
行える効果がある。
たＤＰを行うことを可能にし、類似度計算をより精密に
行える効果がある。
第１−１図は本発明適用の構成ブロック図、第１−２図
は制御フローチャート、 第２図はＤＰの例を示す図、 第３図はある音韻の継続長を考慮した加減点のテーブル
の説明図、 第４図は従来例の説明図、 ８はＣＰＵ。 ７は類似度計算部、 ６は単語辞書。
は制御フローチャート、 第２図はＤＰの例を示す図、 第３図はある音韻の継続長を考慮した加減点のテーブル
の説明図、 第４図は従来例の説明図、 ８はＣＰＵ。 ７は類似度計算部、 ６は単語辞書。
Claims (2)
- （１）一定時間（フレーム）毎に分析され、特徴パラメ
ータの時系列に変換された入力音声から、フレーム毎に
各音韻毎に音韻の信頼性を求める各音韻の標準パタンと
音韻記号によって表記された単語辞書を持ち、入力音声
と登録単語との類似度を計算するに当って、入力単語を
仮定し、その単語に含まれる音韻の標準パタンを用いて
単語を認識する方法において、ダイナミックプログラミ
ング（ＤＰ）により類似度を計算する際、音韻毎の継続
時間長を考慮し、ＤＰのパス毎に加減点を設ける手段を
有する音声認識方法。 - （２）ＤＰのパス毎の加減点を設けるために、仮定され
た入力単語の音韻毎にフレーム継続カウンタを設け、各
音韻のカウンタの値により、ＤＰにより同音韻の継続長
を判断し、各音韻の継続長による加減点を示したテーブ
ルよりＤＰのパス毎の加減点を与え、ＤＰ計算を進めて
いくことを特徴とした特許請求の範囲第１項に記載の音
声認識方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP62070922A JPS63236094A (ja) | 1987-03-25 | 1987-03-25 | 音声認識方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP62070922A JPS63236094A (ja) | 1987-03-25 | 1987-03-25 | 音声認識方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JPS63236094A true JPS63236094A (ja) | 1988-09-30 |
Family
ID=13445480
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP62070922A Pending JPS63236094A (ja) | 1987-03-25 | 1987-03-25 | 音声認識方法 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPS63236094A (ja) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5444817A (en) * | 1991-10-02 | 1995-08-22 | Matsushita Electric Industrial Co., Ltd. | Speech recognizing apparatus using the predicted duration of syllables |
-
1987
- 1987-03-25 JP JP62070922A patent/JPS63236094A/ja active Pending
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5444817A (en) * | 1991-10-02 | 1995-08-22 | Matsushita Electric Industrial Co., Ltd. | Speech recognizing apparatus using the predicted duration of syllables |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JPH04362699A (ja) | 音声認識方法及び装置 | |
| JPS63236094A (ja) | 音声認識方法 | |
| JPS6147999A (ja) | 音声認識装置 | |
| JPS60164800A (ja) | 音声認識装置 | |
| JPH01138596A (ja) | 音声認識装置 | |
| JPS63161499A (ja) | 音声認識装置 | |
| JPS6312000A (ja) | 音声認識装置 | |
| JPH06149289A (ja) | 音声認識装置 | |
| JPS632100A (ja) | 音声認識装置 | |
| JPS62111295A (ja) | 音声認識装置 | |
| JPH0554678B2 (ja) | ||
| JPS6118758B2 (ja) | ||
| JPH08110797A (ja) | パターンマッチング装置 | |
| JPH07104680B2 (ja) | パタンマツチング装置 | |
| JPS62294298A (ja) | 音声入力装置 | |
| JPS607492A (ja) | 単音節音声認識方式 | |
| JPS60203993A (ja) | 音声認識方法 | |
| JPH045398B2 (ja) | ||
| JPS63236095A (ja) | 音声認識方法 | |
| JPS5975298A (ja) | 音声認識方法 | |
| JPS6140686A (ja) | 標準パタ−ン登録方式 | |
| JPS6283798A (ja) | 連続音声認識装置 | |
| JPS60229099A (ja) | 音声認識方式 | |
| JPH01253799A (ja) | 音声の認識方法 | |
| JPH0713590A (ja) | 音声認識方式 |