JP3474071B2 - 音声認識装置および標準パターン登録方法 - Google Patents

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は、音声認識装置およ
び標準パターン登録方法に関する。

【０００２】

【従来の技術】一般に、音声認識装置では、１つの単語
音声についての標準パターンを生成，登録するのに、話
者に複数回(例えば３回)発声させ、それぞれの発声に対
して特徴抽出を行ない、それぞれの発声について得られ
た特徴量で各発声についての音声パターンを生成し、各
音声パターンを時間軸で正規化し、重ね合わせることに
よって、１つの標準パターンを生成し、登録するように
なっている。また、標準パターンを再登録する際には、
上述したと同じ手順で、新しい標準パターンを生成し、
これを古い標準パターンと入れ替えることによって、標
準パターンの再登録を行なっている。

【０００３】ところで、従来では、このような標準パタ
ーンの再登録の際に、標準パターンの品質を保つため
に、または他の標準パターンへの悪影響を軽減させるた
めに、新しい標準パターンを古い標準パターンと入れ替
えるに先立って、新しい標準パターンの類似度および他
の標準パターンの類似度を算出し、新しい標準パターン
の類似度が他の標準パターンの類似度よりもある値以上
大きくなった時のみ、標準パターンの入れ替えを行な
い、ある値よりも小さいときには標準パターンの入れ替
えは行なわず、登録のやり直しを促す表示または警報等
を出している。

【０００４】

【発明が解決しようとする課題】しかしながら、上記の
方法において、再登録の際の複数回の発声にノイズ等が
混入し、悪影響が及ぶことがある。例えば、再登録のた
めに３回発声したが、２回目の発声をしたときにノイズ
が混入したような場合、類似度が所定値より大きくなら
ず登録が拒否され、再び再登録の操作を行なわなければ
ならない。また、上記の方法のように他の標準パターン
との類似度の差だけに着目する場合、ノイズの混入した
標準パターンでも登録される可能性があり、認識率の低
下を招く。また、ノイズの混入した標準パターンが多く
登録されると類似度の差は小さくなり、新規登録や再登
録の際に類似度の差が所定値より大きくならず登録不可
能となる場合もある。

【０００５】本発明は、音声の標準パターンの登録時ま
たは再登録時に、登録のやり直し等を行なう必要なく、
最適な標準パターンを得ることが可能な音声認識装置お
よび標準パターン登録方法を提供することを目的として
いる。

【０００６】

【課題を解決するための手段】上記目的を達成するため
に、請求項１記載の発明は、入力された音声の特徴量を
抽出する特徴抽出手段と、抽出した音声の特徴量を音声
パターンとして記憶する音声パターン記憶手段と、音声
パターン記憶手段に記憶された各音声パターンに基づい
て標準パターンを生成する標準パターン生成手段と、標
準パターン生成手段で生成された標準パターンを記憶す
る標準パターン記憶手段と、環境ノイズのレベルを検知
するノイズレベル検知手段と、選択手段とを備え、前記
音声パターン記憶手段は、複数の音声パターン記憶部か
らなり、前記選択手段は、特徴抽出手段で抽出した音声
の特徴量を音声パターンとして記憶するときに、ノイズ
レベル検知手段によって検知された環境ノイズのレベル
に応じて複数の音声パターン記憶部のうちの１つの音声
パターン記憶部を選択し、選択した音声パターン記憶部
に特徴抽出手段で抽出した音声の特徴量を音声パターン
として記憶するようになっており、また、前記標準パタ
ーン生成手段は、選択手段によって選択された音声パタ
ーン記憶部に記憶された各音声パターンに基づいて標準
パターンを生成することを特徴としている。

【０００７】また、請求項２記載の発明は、請求項１記
載の音声認識装置において、前記標準パターン生成手段
は、前記選択手段によって選択された音声パターン記憶
部に記憶されている音声パターンを任意に組み合わせた
仮の標準パターンと入力された音声パターンとの類似度
を計算し、最大の類似度が得られる仮の標準パターンを
標準パターンとして生成することを特徴としている。

【０００８】また、請求項３記載の発明は、入力された
音声の特徴量を抽出し、抽出した音声の特徴量を音声パ
ターン記憶手段に音声パターンとして記憶し、記憶され
た各音声パターンに基づいて標準パターンを生成して登
録する標準パターン登録方法であって、前記音声パター
ン記憶手段として、複数の音声パターン記憶部を用意
し、入力された音声の特徴量を音声パターンとして記憶
するときに、環境ノイズのレベルに応じて複数の音声パ
ターン記憶部のうちの１つの音声パターン記憶部を選択
し、選択した音声パターン記憶部に音声の特徴量を音声
パターンとして記憶し、選択された音声パターン記憶部
に記憶された各音声パターンに基づいて標準パターンを
生成して登録することを特徴としている。

【０００９】

【発明の実施の形態】以下、本発明の実施形態を図面に
基づいて説明する。図１は本発明に係る音声認識装置の
構成例を示す図である。図１を参照すると、この音声認
識装置は、入力音声を電気信号(音声信号)に変換するマ
イクロホン等の入力部１と、入力部１からの音声信号に
対して前処理(増幅，フィルタおよびＡ／Ｄ変換)を施す
前処理部２と、前処理部２から出力される音声信号の特
徴量を抽出する特徴抽出部３と、登録時あるいは再登録
時にオンとなる切替スイッチＳＷ₁と、特徴抽出部３で
抽出された例えば所定の単語についての音声信号の特徴
量を音声パターンとして記憶する音声パターン記憶手段
４と、音声パターン記憶手段４に記憶された所定の単語
についての各音声パターンに基づいて所定の単語につい
ての標準パターンを生成する標準パターン生成部５と、
標準パターン生成部５で生成された単語毎の標準パター
ンを記憶する標準パターン記憶部６と、認識時にオンと
なる切替スイッチＳＷ₂と、特徴抽出部３で抽出された
音声信号の特徴量(音声パターン)と標準パターン記憶部
６に記憶されている各単語の標準パターンとの類似度を
計算する類似度計算部７と、類似度計算部７で算出され
た音声パターンと各単語の標準パターンの類似度から、
最も高い類似度を与える単語候補を認識結果として選択
する認識結果選択部８とを備えている。

【００１０】ここで、特徴抽出部３は、例えば、音声帯
域(２５０Ｈｚ〜６．３５ｋＨｚ)に１５チャネルのバン
ドパスフィルタを１／３オクターブごとに配置し、それ
ぞれのフィルタのパワー値を、特徴量として求めるよう
になっている。この場合、この特徴量は、ある一定間隔
ごとにサンプルするものとし、この特徴量をパターン化
したものを音声パターンとして出力する。

【００１１】また、類似度計算部７，認識結果選択部
８，標準パターン記憶部６は、認識時に用いられ、ま
た、音声パターン記憶手段４，標準パターン生成部５，
標準パターン記憶部６は、登録時，再登録時に用いられ
るようになっている。

【００１２】ここで、標準パターン生成部５は、音声パ
ターン記憶手段４に記憶されている音声パターンを任意
に組み合わせた仮の標準パターンと入力された音声パタ
ーンとの類似度を計算し最大の類似度が得られる仮の標
準パターンを標準パターンとして生成するようになって
いても良い。

【００１３】すなわち、例えば、入力された音声パター
ンを記憶しておき、標準パターンの登録時または再登録
時には、これまでに記憶された音声パターンから標準パ
ターンを再構築することによって最適な標準パターンを
作成し、登録または再登録するようになっていても良
く、この場合には、登録のやり直し等の必要がなく、最
適な標準パターンを作成し、登録または再登録すること
ができ、高い認識率を得ることができる。

【００１４】なお、標準パターンの再登録は、登録と同
じものであり、標準パターン記憶部６に、ある単語の標
準パターンが登録されていない状態でこれから登録する
ときに、“登録”と称し、また、標準パターン記憶部６
に、ある単語の標準パターンが登録されている状態で、
これを登録し直すことを“再登録”と称す。

【００１５】上記のようにして、標準パターンの登録，
再登録を行なうことができるが、この場合、環境ノイズ
はほぼ定常的に発生しており、環境ノイズが大きい所
(例えば、走行中の車内等)ではノイズを含んだ音声パタ
ーンしか入力されてこない。すなわち、環境ノイズが大
幅に変動すると、入力される音声パターンも変動する。
これら異なるノイズレベルを含んだ音声パターンを一緒
に再構築すると、最適な標準パターンが作成できない場
合がある。また、音声パターン記憶手段４が１つの音声
パターン記憶部からなる場合には、この１つの音声パタ
ーン記憶部に記憶する音声パターンの数を増やせば増や
すほど処理時間が大幅に増えていく。このような問題を
回避するため、本願の発明者は、音声パターン記憶手段
４として、音声パターンを記憶する音声パターン記憶部
を複数用意し、環境ノイズのレベルに応じて、複数の音
声パターン記憶部のうちの１つの音声パターン記憶部を
選択して、これに音声パターンを記憶することを案出し
た。

【００１６】図２は音声パターンを記憶する音声パター
ン記憶部を複数用意し、環境ノイズのレベルに応じて音
声パターン記憶部を選択する機能を備えた音声認識装置
の構成例を示す図である。図２を参照すると、この音声
認識装置では、図１の音声認識装置において、抽出した
音声の特徴量を音声パターンとして記憶する音声パター
ン記憶手段４として、複数の音声パターン記憶部４−１
〜４−ｎが設けられている。また、環境ノイズのレベル
を検知するノイズレベル検知部９と、選択部１０とが設
けられている。

【００１７】ここで、選択部１０は、特徴抽出部３で抽
出した音声の特徴量を音声パターンとして記憶するとき
に、ノイズレベル検知部９によって検知された環境ノイ
ズのレベルに応じて、複数の音声パターン記憶部４−１
〜４−ｎのうちの１つの音声パターン記憶部を選択し、
選択した音声パターン記憶部に特徴抽出部３で抽出した
音声の特徴量を音声パターンとして記憶するようになっ
ており、また、標準パターン生成部５は、選択部１０に
よって選択された音声パターン記憶部に記憶された各音
声パターンに基づいて標準パターンを生成するようにな
っている。

【００１８】次に、図１あるいは図２の構成の音声認識
装置の動作について説明する。なお、以下では、ある単
語音声の標準パターンの登録時あるいは再登録時には、
３つの音声パターンを組み合わせることによって標準パ
ターンを生成するものとする。すなわち、音声パターン
が３つ以上存在するときには、３つ以上の音声パターン
から任意の３つの音声パターンを選び、選んだ３つの音
声パターンにより仮の標準パターンを生成し、仮の標準
パターンと入力された音声パターンとの類似度を計算
し、最大の類似度が得られる仮の標準パターンを標準パ
ターンとして生成するものとする。

【００１９】先ず、標準パターンの登録時には、スイッ
チＳＷ₂をオフにし、スイッチＳＷ₁をオンにする。次い
で、例えば、Ａという単語を新規に登録する場合、話者
はＡを発声する。特徴抽出部３は、例えば、音声帯域
(２５０Ｈｚ〜６．３５ｋＨｚ)に１５チャネルのバンド
パスフィルタを１／３オクターブごとに配置し、それぞ
れのフィルタのパワー値を、特徴量として求める。この
場合、この特徴量は、ある一定間隔ごとにサンプルする
ものとし、この特徴量をパターン化したものを音声パタ
ーンとして出力する。

【００２０】また、これと同時に、ノイズレベル検知部
９により環境ノイズのレベルを検知させる。なお、環境
ノイズのレベルを検知するには種々の方法がある。例え
ば、音声が検出された前後のある一定時間のパワーの平
均値などをノイズレベルとして検知することができる。
ノイズレベル検知部９は、このようにして検知されたノ
イズのレベルを所定の閾値により複数の段階に分け、そ
の結果を選択部１０に出力する。

【００２１】これにより、選択部１０は、特徴抽出部３
から出力される音声パターンを記憶すべき音声パターン
記憶部を、ノイズレベルに応じて、複数の音声パターン
記憶部４−１〜４−ｎの中から選択する。すなわち、選
択部１０の選択によって、特徴抽出部３から出力された
音声パターンは、複数の音声パターン記憶部４−１〜４
−ｎのいずれか１つの音声パターン記憶部に記憶され
る。例えば、複数の音声パターン記憶部４−１〜４−ｎ
として、２つの音声パターン記憶部４−１，４−２(ｎ
＝２)が設けられているとし、また、上記所定の閾値と
して１つの閾値だけが設定されている場合、ノイズレベ
ルがこの閾値より小さいときには音声パターン記憶部４
−１を選択し、また、ノイズレベルがこの閾値より大き
いときには音声パターン記憶部４−２を選択するという
ように、環境ノイズのレベルに応じて複数の音声パター
ン記憶部のうちの１つの音声パターン記憶部を選択する
ことができる。

【００２２】いま、Ａという単語を新規に登録する場
合、話者がＡを３回発声するとすると、単語Ａについて
のそれぞれの発声に対して入力部１から音声パターン記
憶部までの動作が行なわれ、３回の発声が完了すると、
単語Ａについてそれぞれの発声に対する音声パターン
(Ａ_V1，Ａ_V2，Ａ_V3)が生成される。なお、生成されたそ
れぞれの音声パターンはその発声時間により時間軸の長
さは一定ではない。このように生成された音声パターン
(Ａ_V1，Ａ_V2，Ａ_V3)は、選択部１０によって選択された
１つの音声パターン記憶部に記憶される。

【００２３】例えば、ノイズレベル検知部９により検知
されたノイズレベルが所定の閾値よりも小さく、選択部
１０で音声パターン記憶部４−１が選択されたときに
は、特徴抽出部３で生成された音声パターン(Ａ_V1，Ａ
_V2，Ａ_V3)は、音声パターン記憶部４−１に例えば図３
のように記憶される。なお、図３には、単語Ａ以外の単
語Ｂ，Ｃについての音声パターンもすでに記憶されてい
る状態が示されている。このようにして、選択部１０に
よって、ノイズレベル検知部９で検知されたノイズレベ
ルに基づき、音声パターン記憶部が選択されると、特徴
抽出部３からの音声パターン(Ａ_V1，Ａ_V2，Ａ_V3)は、選
択部１０で選択された音声パターン記憶部に記憶され
る。

【００２４】その後、単語Ａについての標準パターンの
作成を行なう。すなわち、標準パターン生成部５では、
選択部１０で選択されて単語Ａについての３つの音声パ
ターン(Ａ_V1，Ａ_V2，Ａ_V3)が記憶された音声パターン記
憶部(上記例では、４−１)から、単語Ａについての音声
パターンを読み出して単語Ａについての標準パターンの
作成を行なう。いまの場合(図３の例では)、音声パター
ン記憶部４−１に記憶されている単語Ａについて音声パ
ターンは、３つ(１組)しかないので、標準パターン生成
部５は、無条件で、３つの(１組の)音声パターンＡ_V1，
Ａ_V2，Ａ_V3を重ね合せて標準パターンＡ_Sを生成する。
なお、重ね合わせの際に時間長の異なるパターンは、時
間長を正規化してから重ね合わせを行なうものとする。
このようにして生成された標準パターンＡ_Sは標準パタ
ーン記憶部６に例えば図４に示すように記憶される。す
なわち、単語Ａの標準パターンとして登録される。な
お、図４には、単語Ａ以外の単語Ｂ，Ｃについての標準
パターンＢ_S，Ｃ_Sもすでに登録されている状態が示され
ている。

【００２５】このようにして、単語Ａについて標準パタ
ーンの登録がなされた後、音声認識動作を行なうことが
できる。認識時には、スイッチＳＷ₁をオフにし、スイ
ッチＳＷ₂をオンにする。次いで、話者が音声を発声す
ると、この音声は、入力部１で電気信号に変換され、前
処理部２で前処理され、特徴抽出部３で特徴量(音声パ
ターン)が抽出される。次いで、特徴抽出部３から出力
される音声パターンは、類似度計算部７に入力し、類似
度計算部７では、入力された特徴量(音声パターン)と標
準パターン記憶部６に記憶されている各単語Ａ，Ｂ，
Ｃ，…の標準パターンＡ_S，Ｂ_S，Ｃ_S，…との類似度を
それぞれ算出し、認識結果選択部８に与える。認識結果
選択部８では、最も高い類似度を与えた標準パターンの
単語を認識結果として選択し、出力する。

【００２６】このようにして、図１あるいは図２の音声
認識装置では、標準パターンの登録，および話者音声認
識を行なうことができる。

【００２７】また、上述の登録処理によって、例えばＡ
という単語の標準パターンが標準パターン記憶部６にす
でに登録されているとき(例えば図４のような状態にあ
るとき)、標準パターン記憶部６に登録されている単語
Ａの標準パターンを更新，変更したい場合がある。この
ような場合、図１あるいは図２の音声認識装置では、標
準パターンの再登録を行なうことができる。

【００２８】標準パターンの再登録を行なう場合、例え
ば、Ａという単語を再登録する場合、話者はＡをＮ回発
声する。Ｎ回の発声音声のそれぞれは、登録時の場合と
同様にして、入力部１で電気信号に変換され、前処理部
２で前処理され、特徴抽出部３で特徴量(音声パターン)
が音声パターン(Ａ_V4，…，Ａ_VN+3)として抽出される。

【００２９】この際、登録時と同様に、ノイズレベル検
知部９は環境ノイズのレベルを検知し、選択部１０は、
ノイズレベル検知部９で検知されたノイズレベルに応じ
て、音声パターン記憶部を選択し、特徴抽出部３で抽出
された音声パターン(Ａ_V4，…，Ａ_VN+3)を選択された音
声パターン記憶部に記憶する。

【００３０】例えば、登録時と再登録時とで環境ノイズ
のレベルが同程度であり、登録時と同じ音声パターン記
憶部が選択されたときには(例えば登録時と再登録時と
で環境ノイズのレベルがいずれも低く、音声パターン記
憶部４−１が選択されたときには)、この音声パターン
記憶部４−１には、図５に示すように、音声パターン
(Ａ_V1，…，Ａ_VN+3)が記憶されることになる。

【００３１】これに対し、例えば、登録時と再登録時と
で環境ノイズのレベルが大きく異なり、登録時と異なる
音声パターン記憶部が選択されたときには(例えば登録
時には環境ノイズのレベルが低く音声パターン記憶部４
−１が選択されたが再登録時には環境ノイズのレベルが
高く音声パターン記憶部４−２が選択されたときに
は)、この音声パターン記憶部４−２には、音声パター
ン(Ａ_V4，…，Ａ_VN+3)が記憶されることになる。

【００３２】次いで、選択された音声パターン記憶部に
記憶されている音声パターンで標準パターンの再構築を
行ない、標準パターン記憶部６に記憶する。例えば、登
録時と同じ音声パターン記憶部(例えば、４−１)に記憶
された場合は、Ａ_V1からＡ_VN+3までで標準パターンの再
構築を行なって、標準パターン記憶部６に記憶する。

【００３３】なお、この再登録時の動作において、例え
ば、登録時と同じ音声パターン記憶部４−１が選択さ
れ、これに音声パターン(Ａ_V4，…，Ａ_VN+3)が記憶され
たときには、この音声パターン記憶部４−１に記憶され
ている音声パターンの個数は所定個数(例えば３個)以上
となるので、この場合、標準パターン生成部５は、標準
パターンを構築(再構築)する際、仮の標準パターンの作
成を先ず行なう。ここで、Ａ_V4を入力パターンとする
と、Ａ_V4を除くＡ_V1からＡ_VN+3までの音声パターンか
ら、仮の標準パターンは_N+3-1Ｃ₃通りできる。次いで、
標準パターン生成部５は、_N+3-1Ｃ₃通りの仮の標準パタ
ーンに対しての入力パターンＡ_V4の類似度を算出し、さ
らに入力パターンをＡ_V4からＡ_VN+3まで変えていった場
合も同様に類似度を算出する。ここで最も高い類似度を
示す仮の標準パターンを最適の標準パターンとみなし、
これを標準パターン記憶部６に記憶(再登録)する。図６
にはこの状態が示されており、この再登録によって、図
４の標準パターンＡ_Sは新たな標準パターンＡ_S’に入れ
替わる。

【００３４】このように、音声の標準パターンを登録す
る際に最大の類似度が得られる音声パターンの組合せで
標準パターンを生成することにより、音声の標準パター
ンの登録時または再登録時に、登録のやり直し等の必要
がなく最適な標準パターンを得ることが可能となる。

【００３５】また、登録時とは異なる音声パターン記憶
部(例えば、４−２)に記憶された場合は、Ａ_V4からＡ
_VN+3までで標準パターンの再構築を行なう。この場合に
も、Ｎが所定個数(例えば３個)以上のときには、上述し
たと同様に、この中から_N-1Ｃ₃通りの仮の標準パターン
を作成し、この仮の標準パターンと入力された音声パタ
ーンとの類似度を計算し、最大の類似度が得られる仮の
標準パターンを標準パターンとして生成する。

【００３６】いずれにしろ、上記のような処理動作(登
録や再登録の動作)を続けていくと、例えば、音声パタ
ーン記憶部４−１にはノイズの少ない音声パターンのみ
が蓄積され、音声パターン記憶部４−２にはノイズの多
い音声パターンのみが蓄積されていく。従って、ノイズ
の少ない環境で再登録したときには音声パターン記憶部
４−１に蓄積されている音声パターンで標準パターンを
再構築し、ノイズの多い環境で再登録したときには音声
パターン記憶部４−２に蓄積されている音声パターンで
標準パターンを再構築する。これにより、環境ノイズの
レベルに応じた標準パターンが作成でき、環境ノイズに
よる標準パターンの劣化を低減でき、処理時間の低減も
できる。

【００３７】すなわち、図２の音声認識装置では、環境
ノイズのレベルに応じて、音声パターンを記憶する音声
パターン記憶部を選択することによって、環境ノイズに
よる標準パターンの劣化を低減し、また、処理時間を低
減することができる。

【００３８】なお、上述した処理において、Ａという単
語について上記のような再登録処理を何回か行なうと、
音声パターン記憶部(例えば４−１)に記憶される音声パ
ターンの個数が音声パターン記憶部(例えば４−１)の容
量によって定められる制限値(音声パターンの数または
記憶部の容量等で制限できるが、ここでは音声パターン
の数を制限値としてた場合の説明をする。)を超えてし
まうことがある。音声パターン記憶部４−１に既に記憶
されている音声パターンの数がＹであり、今回の再登録
時に話者がＡをＮ回(ＮはＮ＜Ｘ)発声した場合、音声パ
ターン記憶部４−１の容量の制限値がＸであるとする
と、音声パターン記憶部４−１から、Ｙ＋Ｎ−Ｘ個の音
声パターンを削除する必要がある。

【００３９】図７は音声パターンがある数以上になると
性能の低い音声パターンを削除する機能を備えた音声認
識装置の構成例を示す図である。図７を参照すると、こ
の音声認識装置では、図２の音声認識装置において、さ
らに、選択された音声パターン記憶部(例えば、４−１)
に記憶されている所定の単語についての各音声パターン
と標準パターン記憶部６に記憶されている該単語の標準
パターンとの類似度をそれぞれ算出し、所定の単語の各
音声パターンについての標準パターンとの類似度を音声
パターン情報として生成する音声パターン情報生成部１
２と、音声パターン情報生成部１２で生成された音声パ
ターン情報が単語毎に記憶される音声パターン情報記憶
部１３とが設けられている。

【００４０】ここで、所定の単語について、音声パター
ン情報生成部１２で生成され音声パターン情報記憶部１
３に記憶される各音声パターン情報は、所定の単語につ
いての標準パターンの登録時，特に再登録時に、この単
語について、選択された音声パターン記憶部(例えば、
４−１)に記憶される音声パターンの個数が所定の制限
値を越える場合に、これに対処するために用いられるよ
うになっている。すなわち、所定の単語についての標準
パターンの登録時，特に再登録時に、この単語について
音声パターン記憶部４−１に記憶される音声パターンの
個数が所定の制限値を越える場合に、この単語について
音声パターン情報記憶部１３に記憶されている各音声パ
ターン情報に基づいて、音声パターン記憶部４−１に現
在記憶されている音声パターンのうち、性能の低い音声
パターンを判断して、これを音声パターン記憶部４−１
から削除し、再登録時において、この単語について音声
パターン記憶部４−１に記憶される音声パターンの個数
が所定の制限値以内に収まるようにしている。

【００４１】この場合、Ｎ回の発声についての音声パタ
ーンが(Ａ_VY+1，…Ａ_VY+N)であるとき、音声パターン記
憶部４−１に記憶されているＹ個の音声パターン
(Ａ_V1，…Ａ_VY)をも含めた音声パターンの個数Ｙ＋Ｎ
が、Ｙ＋Ｎ＞Ｘのときには、新たなＮ個の音声パターン
が音声パターン記憶部４−１に記憶される前に、音声パ
ターン記憶部４−１から性能の低い音声パターンを削除
することができる。すなわち、音声パターン情報記憶部
１３から、音声パターン記憶部４−１にすでに記憶され
ているＹ個の音声パターンのそれぞれに対応した各音声
パターン情報を読み取り、それらの音声パターン情報の
うち、最も性能が低いと判断された音声パターンから順
に、(Ｙ＋Ｎ−Ｘ)個の音声パターンを音声パターン記憶
部４−１から削除する。これによって、音声パターン記
憶部４−１に記憶される音声パターンの数をＸ個に制限
することができる。そして、この場合、音声パターン記
憶部４−１内のＸ個の音声パターンに基づいて、上記と
同様に標準パターンを作成してこれを再登録し、また、
音声パターン情報の作成を行なうことができる。

【００４２】なお、上述の例では、音声パターン情報と
しては、音声パターン記憶部(例えば、４−１)に記憶さ
れている各音声パターンと標準パターンとの類似度を用
いているが、これのかわりに、音声パターン記憶部に記
憶された順番、または、標準パターンに使用された頻度
等、または、これらの組合せを音声パターン情報として
用いることもできる。

【００４３】また、上述の例において、再登録時の発声
回数Ｎは重ね合わせの回数に関係なく任意の発声回数で
よい。従来は重ね合わせの回数と同じ回数の発声が必要
であった。ただし、Ｎ＜Ｘの条件はある。

【００４４】このように、本発明では、音声パターン記
憶部(例えば、４−１)に記憶されている音声パターンか
ら最適な組合せの標準パターンを再構築することによっ
て、登録のやり直しの必要性がない登録処理を実現する
ことができ、さらに、音声パターン記憶部(例えば、４
−１)に記憶する音声パターンの数を制限することによ
って、コストの低減および処理時間の低減を図ることが
でき、また、音声パターン記憶部(例えば、４−１)に記
憶する音声パターンの数を制限する場合にも、精度の高
い標準パターンを作成でき(標準パターンの最適化を図
ることができ)、認識率の低下を防止することができ
る。

【００４５】図８は図１，図２あるいは図７の音声認識
装置のハードウェア構成例を示す図である。図８を参照
すると、この音声認識装置は、例えばパーソナルコンピ
ュータ等で実現され、全体を制御するＣＰＵ２１と、Ｃ
ＰＵ２１の制御プログラム等が記憶されているＲＯＭ２
２と、ＣＰＵ２１のワークエリア等として使用されるＲ
ＡＭ２３と、音声を入力する入力装置(マイクなど)２４
と、操作装置(スイッチ等)２５と、音声認識結果を出力
する結果出力装置(例えば、ディスプレイやプリンタ)２
６とを有している。

【００４６】ここで、ＣＰＵ２１は、図１，図２あるい
は図７の前処理部２，特徴抽出部３，標準パターン生成
部５，類似度計算部７，認識結果選択部８，ノイズレベ
ル検知部９，選択部１０，音声パターン情報生成部１２
などの機能を有している。

【００４７】なお、ＣＰＵ２１におけるこのような前処
理部２，特徴抽出部３，標準パターン生成部５，類似度
計算部７，認識結果選択部８，ノイズレベル検知部９，
選択部１０，音声パターン情報生成部１２等としての機
能は、例えばソフトウェアパッケージ(具体的には、Ｃ
Ｄ−ＲＯＭ等の情報記録媒体)の形で提供することがで
き、このため、図８の例では、情報記録媒体３０がセッ
トさせるとき、これを駆動する媒体駆動装置３１が設け
られている。

【００４８】換言すれば、本発明の音声認識装置は、汎
用の計算機システムにＣＤ−ＲＯＭ等の情報記録媒体に
記録されたプログラムを読み込ませて、この汎用計算機
システムのマイクロプロセッサに音声認識処理，標準パ
ターン登録処理を実行させる装置構成においても実施す
ることが可能である。この場合、本発明の音声認識処
理，特に標準パターン登録処理を実行するためのプログ
ラム(すなわち、ハードウェアシステムで用いられるプ
ログラム)は、媒体に記録された状態で提供される。プ
ログラムなどが記録される情報記録媒体としては、ＣＤ
−ＲＯＭに限られるものではなく、ＲＯＭ，ＲＡＭ，フ
レキシブルディスク，メモリカード等が用いられても良
い。媒体に記録されたプログラムは、ハードウェアシス
テムに組み込まれている記憶装置、例えばハードディス
ク装置にインストールされることにより、このプログラ
ムを実行して、上述した本発明の音声認識処理，標準パ
ターン登録処理機能を実現する音声認識装置の構築に寄
与する。

【００４９】また、本発明の音声認識処理，標準パター
ン登録処理機能を実現するためのプログラムは、媒体の
形で提供されるのみならず、通信によって(例えばサー
バによって)提供されるものであっても良い。

【００５０】

【発明の効果】以上に説明したように、請求項１乃至請
求項３記載の発明によれば、入力された音声の特徴量を
抽出する特徴抽出手段と、抽出した音声の特徴量を音声
パターンとして記憶する音声パターン記憶手段と、音声
パターン記憶手段に記憶された各音声パターンに基づい
て標準パターンを生成する標準パターン生成手段と、標
準パターン生成手段で生成された標準パターンを記憶す
る標準パターン記憶手段と、環境ノイズのレベルを検知
するノイズレベル検知手段と、選択手段とを備え、前記
音声パターン記憶手段として、複数の音声パターン記憶
部を用意し、入力された音声の特徴量を音声パターンと
して記憶するときに、環境ノイズのレベルに応じて複数
の音声パターン記憶部のうちの１つの音声パターン記憶
部を選択し、選択した音声パターン記憶部に音声の特徴
量を音声パターンとして記憶し、選択された音声パター
ン記憶部に記憶された各音声パターンに基づいて標準パ
ターンを生成して登録するようになっているので、音声
の標準パターンの登録時または再登録時に、登録のやり
直し等の必要がなく最適な標準パターンを得ることが可
能となり、さらに、環境ノイズによる標準パターンの劣
化を低減し、また、処理時間を低減することができる。

【図面の簡単な説明】

【図１】本発明に係る音声認識装置の構成例を示す図で
ある。

【図２】本発明に係る音声認識装置の他の構成例を示す
図である。

【図３】音声パターン記憶部の状態を示す図である。

【図４】標準パターン記憶部の状態を示す図である。

【図５】音声パターン記憶部の状態を示す図である。

【図６】標準パターン記憶部の状態を示す図である。

【図７】本発明に係る音声認識装置の他の構成例を示す
図である。

【図８】本発明の音声認識装置のハードウェア構成例を
示す図である。

【符号の説明】

１ 入力部 ２ 前処理部 ３ 特徴抽出部 ４ 音声パターン記憶手段 ４−１〜４−ｎ 音声パターン記憶部 ５ 標準パターン生成部 ６ 標準パターン記憶部 ７ 類似度計算部 ８ 認識結果選択部 ９ ノイズレベル検知部 １０ 選択部 １２ 音声パターン情報生成部 １３ 音声パターン情報記憶部 ２１ ＣＰＵ ２２ ＲＯＭ ２３ ＲＡＭ ２４ 入力装置 ２５ 操作装置 ２６ 結果出力装置 ３０ 情報記録媒体 ３１ 媒体駆動装置

───────────────────────────────────────────────────── フロントページの続き (58)調査した分野(Int.Cl.⁷，ＤＢ名) G10L 15/06 G10L 15/20 ＪＩＣＳＴファイル（ＪＯＩＳ)

Claims (3)

(57)【特許請求の範囲】
1. 【請求項１】 入力された音声の特徴量を抽出する特徴
   抽出手段と、抽出した音声の特徴量を音声パターンとし
   て記憶する音声パターン記憶手段と、音声パターン記憶
   手段に記憶された各音声パターンに基づいて標準パター
   ンを生成する標準パターン生成手段と、標準パターン生
   成手段で生成された標準パターンを記憶する標準パター
   ン記憶手段と、環境ノイズのレベルを検知するノイズレ
   ベル検知手段と、選択手段とを備え、前記音声パターン
   記憶手段は、複数の音声パターン記憶部からなり、前記
   選択手段は、特徴抽出手段で抽出した音声の特徴量を音
   声パターンとして記憶するときに、ノイズレベル検知手
   段によって検知された環境ノイズのレベルに応じて複数
   の音声パターン記憶部のうちの１つの音声パターン記憶
   部を選択し、選択した音声パターン記憶部に特徴抽出手
   段で抽出した音声の特徴量を音声パターンとして記憶す
   るようになっており、また、前記標準パターン生成手段
   は、選択手段によって選択された音声パターン記憶部に
   記憶された各音声パターンに基づいて標準パターンを生
   成することを特徴とする音声認識装置。
2. 【請求項２】 請求項１記載の音声認識装置において、
   前記標準パターン生成手段は、前記選択手段によって選
   択された音声パターン記憶部に記憶されている音声パタ
   ーンを任意に組み合わせた仮の標準パターンと入力され
   た音声パターンとの類似度を計算し、最大の類似度が得
   られる仮の標準パターンを標準パターンとして生成する
   ことを特徴とする音声認識装置。
3. 【請求項３】 入力された音声の特徴量を抽出し、抽出
   した音声の特徴量を音声パターン記憶手段に音声パター
   ンとして記憶し、記憶された各音声パターンに基づいて
   標準パターンを生成して登録する標準パターン登録方法
   であって、前記音声パターン記憶手段として、複数の音
   声パターン記憶部を用意し、入力された音声の特徴量を
   音声パターンとして記憶するときに、環境ノイズのレベ
   ルに応じて複数の音声パターン記憶部のうちの１つの音
   声パターン記憶部を選択し、選択した音声パターン記憶
   部に音声の特徴量を音声パターンとして記憶し、選択さ
   れた音声パターン記憶部に記憶された各音声パターンに
   基づいて標準パターンを生成して登録することを特徴と
   する標準パターン登録方法。