JPS63305397A - 不特定話者音声認識装置 - 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】 〈産業上の利用分野〉 本発明は各カテゴリに対して複数の標準パタンを用いる
マルチテンプレート方式の不特定話者音声認識装置に関
する。

〈従来の技術〉 不特定話者音声認識装置では、予め各単語の標準パタン
を用意し、未知音声が入力されると各標準パタンとマツ
チング処理を行い、マツチング距離の最小値を与える標
準パタンを求めこれを認識結果とする方式が採られてい
る。

一般に音声は同一単語の発声でも、周波数方向。

振幅方向９時間方向に複雑に変化する。ところが同一発
声者の場合、時間方向の歪は大きいが振幅および周波数
の方向は比較的安定している。そのため、時間方向の歪
を整合するだけでパタンはよく一致するようＫなる。し
かし時間方向の歪は発声者の発声速度の変動によるもの
で、変動は子音では小さく母音では大きいため歪は複雑
な非線形なものとなる。この非線形な歪を最適に整合す
る方法として考え出されたアルゴリズムＫＤＰ（ダイナ
ミック・プログラミング）マツチング法があシ、大きな
効果を得ている。これによシ時間方向の非睨形歪は解決
された。

一方、話者が複数の場合は、同一単語の発声でも歪は時
間方向に限らず周波数方向にも及び、非常に複雑なもの
となるため同一単語の標準パタンか一つでは話者に対応
できなく表ってしまう。そこで不特定話者用の音声認識
装置では話者によるバラツキを吸収するため、同一単語
に対して稼準パタンを複数個持つマルチテンプレート方
式が一般的に用いられている。従って、不特定話者用の
音声認識装置では良い標準パタンを作成することが重要
になっている。標準パクンは、数十人から数千人におよ
ぶ話者の発声データを収集してそこからクラスタリング
の技術を用いてカテゴリ（この場合単語が一般的）毎に
数個から数十個求められている。

しかし、話者によっては単語Ａの発声が、別の単語例え
ばＢのひとつの標準パタンと最も距離が小さいこと釦な
る場合もあシ、この場合その話者（Ｘ）が単語Ａを発声
するとＢと認識されることになる。その原因がその話者
の発声に近い標準パタンかＡになく、むしろＢのひとつ
の標準パタンに近いことだとすると、この誤認識はしば
しば起こってしまうことになる。標準パタンを作成する
際に、話者Ｘの単語Ａ、　　Ｂの発声に近いものがなか
った場合にこの誤認識は起きやすい。誰が使うかわから
ない不特定話者音声認識装置では従来の方式では避けら
れない問題である。

〈発明が解決しようとする問題点〉 以上説明ｌ、たよりに、従来のマルチテンプレート方式
の不特定話者音声認識装置では、話者に対して適合性が
なく、特定の話者には認識率が向上しないという欠点を
有している。

上述した従来のマルチテンプレート方式の不特定話者音
声認識装置に対し、本発明はマルチテンプレート方式の
記憶装置において、標準パタン毎に認識対象であるか否
かを指定するレジスタを設け、認識結果が正しいか否か
に従ってこのレジスタを設定することによって誤認識し
た標準パタンを認識対象からはずすようにし、これによ
って認識率の低下を防ぐという独創的内容を有する。

従来に本認識対象であるか否かを指定するレジスタを設
けた音声認識装置はあるが、これはシンタックス制御の
ために用いられ、同一カテゴリに対しては同一値となる
ものであった。これでは話者のバラツキによる認識率の
低下を防ぐことに用いることはできない。

〈問題点を解決するための手段〉 本発明の不特定話者音声認識装置は、同一カテゴリーに
対してあらかじめ複数の標準パタンを用意し、前記標準
パタンと未知入力パタンとのパタンマツチング処理を実
行し各カテゴリーの標準パタンととのマツチングによシ
得られるマツチング距離によって前記未知入力パタンの
カテゴリーを推定するマルチテンプレート方式の不特定
話者音声認識装置において、標準パタン毎に認識対象で
あるか否かを指定する記憶手段と、認識結果が正しいか
否かを入力する手段と、前記入力手段によって前記レジ
スタの書込制御を行々う制御回路とを有することを特徴
とする。

〈実施例１〉 次に本発明について図面を参照して説明する。

第１図は、本発明の一実施例のブロック図である。第１
図に於いて、１は標準パタンを格納する標準パタンメモ
リ、２は未知入力パタンと標準パタンとのマツチング処
理を行なうマツチング処理部、３は各標準パタンに対し
て認識対象であるか否かを指定するメモリ、４は外部か
ら認識結果が正しいか否かを入力する手段、５は外部入
力手段４に従りてメモリ３に書込制御を行なう制御回路
である。第２図に、メモリ１，３の構成例を示す。

例として、認識対象の単語（カテゴリ）として、Ａ、　
Ｂ、　Ｃ・・・・・・、標準パタンの数として各単語に
つき４ケという場合を挙げる。第２図（ｂ）は標準パタ
ンメモリの構成を示し、ＰＡＩ、ＰＡ２．ＰＡ３．ＰＡ
４は単語Ａの標準パタンを、ＰＢｌ、　ＰＨ２，ＰＨ１
，ＰＨ４は単語Ｂの標準パタンを表している。以下同様
である。第２図（ａ）は認識対象指定メモリの構成を示
し、几Ａｌ、ＲＡ２．ＲＡ３．ＲＡ４．ＲＢＩ、ＲＢ２
．・・・・・・・・・は各標準パタンに対応し認識対象
であるか否かを表している。例えばパタンＰＡＩは、Ｒ
Ａｌ＝Ｑでは認識対象となｌ：＞、ＲＡ１＝１では認識
対象とならないとする。このとき、制御回路５は次のよ
うに制御する。即ち、パタンマツチング処理終了後、そ
の認識結果（この場合どの標準パタンか最短距離を与え
たか）を保持し、これに対して認識結果が正しくないと
入力手段５から入力された場合は認識対象指定メモリの
認識結果に対応する番地内容を％１１に、認識結果が正
しかった場合は何も処理しないのである。但し、本装置
を起動するとき認識対象指定メモリの内容をすべて％Ｑ
ｌにするものとする。

この実施例において、認識処理全体の処理フローは以下
のようＫなる。

（１）認識対象指定メモリの内容をすべて％Ｑｌとする
。

（２）音声入力部から音声を入力し、音声の発声区間を
検出して入力パタンを生成する。

（３）入力パタンと認識対象指定メモリの値ｄ１％ＱＩ
である標準パタンとのマツチング処理を行ない、最短距
離を与える標準パタンを求める。これを認識候補とする
。

（４）認識候補を外部に出力する。

（５）外部よシ認識結果についての評価が入力されるま
で待つ。

（６）評価が正しければ（２）へ移行し、正しくなけれ
ば（力へ移行する。

（７）　　（３）で求まった認識候補に対応する認識指
定メモリの内容を１１１にし、（２）へ移行する。

この実施例の動作をさらに具体的に説明する。

本装置起動直後、（１）の処理によシ認識対象指定メモ
リの内容はすべて％ＱＩＫなっているので、マツチング
処理の対象になるのはすべての標準パタンである。さて
、いま未知音声が入力されてすべての標準パタンとマツ
チング処理を行ないその結果標準パタンＰＢ２が最短距
離を与えたとする。

制御回路５はこれを保持する。認識装置はこの結果から
ＰＨ１の属するカテゴリすなわちＢを認識候補として外
部に対し出力する。ところが外部入力手段４からこの結
果が間違っていると入力されたとしよう。すると、制御
回路５はマツチング結果ＰＢ２に対応する認識対象指定
メモリの番地内容ＲＢ２を１１１にセットする。このよ
うになった後はＲＢ２＝％１１であるから、ＰＨ１はパ
タンマツチングの対象にはならず、ＰＨ１がマツチング
結果になることはな（なる。同様に、また別の誤認識が
入力されたならその標準パタンに対応する認識対象指定
メモリの内容が％１１にセットされる。

これを続けるととくよシ、誤認識を与える標準パタンを
削ることができるのである。

〈実施例２〉 次に本発明の第二の実施例について述べる０本例におい
ても構成は同じであるが、認識対象指定メモリのとシ得
る値と制御回路の動作が異なる。

認識対象指定メモリのとり得る値は例えば１０１゜％１
１．％２１で、１２１になると初めて認識対象から除外
するものである。また、制御回路は誤認識を与えた標準
パタンにたいしてその認識対象指定値を＋１するものと
する。例えばマツチング結果ではＦＢＩが最も小さいマ
ツチング距離を与えてＢという認識結果を出力したが、
入力手段から誤認識であると入力された場合ＲＢ１の値
を＋１し、％ＱＩを１１１にする。％１１ではまだ認識
対象になっている。その後マツチング結果でＰＢｌが最
も小さいマツチング距離を与えてしかも誤認識だった場
合ＲＢ１を＋１すると％２１になる。以降はＦＢＩさす
、２回の誤認識ではじめて外すのである。これによって
不用意に認識対象を減らすことを防ぐことができる。

尚、認識対象指定メモリのとシ得る値を０〜ｎ（３以上
の整数）とし、ｎになったら認識対象から除外するよう
に変更できることは明白である。

この場合も制御回路は誤認識を与えた標準パタンに対す
る認識対象指定値を＋１する制御となる。

また、以上の例では認識対象指定メモリの内容の初期値
を％Ｏｌとしたが、逆にｍ　（ｍは自然数）として％Ｏ
ｌになったら認識対象から除外するようにも容易に変更
できる。この場合制御回路は誤認識を与えた標準パタン
に対する認識対象指定値を−１する制御となる。

〈発明の効果〉 以上説明したように、本発明ではマルチテンプレート方
式の不特定話者音声認識装置において誤認識を与える標
準パタンを削除していくので、特定の話者に対しての認
識率の劣化を防ぐことができる。

【図面の簡単な説明】

第１図は、本発明の実施例のブロック図、第２図は本発
明の第１の実施例に於ける標準パタンメモリ及び認識対
象指定メモリの構成図である。 １・・・・・・標準パタンメモリ、２・・・・・・マツ
チング処理部、３・・・・・・認識対象指定メモリ、４
・・・・・・外部入力手段、５・・・・・・制御回路。 茅　／Ｉ！ｒ 滞　２　門

Claims (1)

【特許請求の範囲】
1. 同一カテゴリーに対してあらかじめ複数の標準パタンを
   用意し、前記標準パタンと未知入力パタンとのパタンマ
   ッチング処理を実行し各カテゴリーの標準パタンごとの
   マッチングにより得られるマッチング距離によって前記
   未知入力パタンのカテゴリーを推定するマルチテンプレ
   ート方式の不特定話者音声認識装置において、標準パタ
   ン毎に認識対象であるか否かを指定する記憶手段と、認
   識結果が正しいか否かを入力する手段と、前記入力手段
   によって前記レジスタの書込制御を行なう制御回路とを
   有することを特徴とする不特定話者音声認識装置。