JP2000250593A

JP2000250593A - 話者認識装置及び方法

Info

Publication number: JP2000250593A
Application number: JP11055756A
Authority: JP
Inventors: Shoji Hayakawa; 昭二早川
Original assignee: Fujitsu Ltd
Current assignee: Fujitsu Ltd
Priority date: 1999-03-03
Filing date: 1999-03-03
Publication date: 2000-09-14
Anticipated expiration: 2019-03-03
Also published as: JP3735209B2

Abstract

(57)【要約】【課題】従来の物理的特性に基づいた話者認識に加え
て、話者固有の統計的特性に基づいて話者認識すること
で、連続音声についての話者認識精度をより高めた話者
認識装置及び方法を提供することを目的とする。【解決手段】話者を認識すべき連続音声パターンを入
力し、入力された連続音声パターンの有する物理的特性
に基づいて、話者認識確率順に一又は複数の第１の認識
話者候補を選択する話者認識装置であって、入力された
連続音声パターンを連続音声文字列として認識し、認識
された連続音声文字列に基づいて統計的特性を算出し、
算出された統計的特性に基づいて、話者認識確率順に一
又は複数の第２の認識話者候補を選択し、第１の認識話
者候補と第２の認識話者候補を対比して、一致する認識
話者候補のうち、両者の話者認識確率の積が最大である
第３の認識話者候補を特定する。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は、連続音声パターン
の物理的な特性に基づく認識結果に加えて、話者が使用
する語彙の頻度等の統計的な特性に基づく認識結果も考
慮して話者を特定する話者認識装置に関する。

【０００２】

【従来の技術】近年の電子計算機におけるＣＰＵ高速化
に伴う計算速度の向上や連続音声認識技術の発展によ
り、従来は単語単位で行われていた連続音声認識が、連
続して単語が発生する会話文等においても正しく認識で
きるようになってきた。

【０００３】特に、図１に示すように音素単位の音響モ
デルと統計的な情報である言語モデルとを併用すること
により、話者の連続音声の認識精度は格段の向上を見せ
ている。

【０００４】例えば図１において、連続音声パターンＸ
が連続音声パターン入力部１から入力されると、連続音
声パターン認識部２が連続音声文字列認識用データベー
ス３を照会して、音響モデル３１及び言語モデル３３か
らそれぞれ確率値Ｐ（Ｘ｜Ｗ）とＰ（Ｗ）を取得する。
ここで、確率値Ｐ（Ｘ｜Ｗ）とは、入力された連続音声
ＸがＷである確率を示し、確率値Ｐ（Ｗ）とは、Ｗの出
現確率を示す。

【０００５】一般に言語モデル３３には、サンプルデー
タから一般に使用されている言葉について統計的な確率
推定を行って得られた統計的言語モデルを用いている。
これは、音響的な情報だけを用いて認識すると、認識結
果として例えば、「行く」、「山」、「は」、「へ」、
「私」という結果を得られたとしても、日本語として何
を意味するのか理解できないからである。そこで、単語
の前後の共起関係を用いて日本語の文章らしく「私」、
「は」、「山」、「へ」、「行く」等に整列させるべ
く、統計的言語モデルを用いているのである。また、言
語モデル３３に登録されている単語についてローマ字表
記によって単語辞書３２に登録しておく。こうすること
で、音響モデル３１を用いた認識の際に、ある程度の絞
り込みが可能となる。

【０００６】一方、音響モデル３１は、音素単位、すな
わち、／ａ／、／ｉ／、／ｕ／、…／ｐ／、／ｐｙ／、
／ｑ／といった音素単位で構成されている。したがっ
て、単語辞書３２から音素表記「ＡＩＣＨＩ」を受け取
った場合には、「ａ」、「ｉ」、「ｃｈ」、「ｉ」の４
つの音響モデルを連結することで、連続音声パターンの
認識を可能ならしめている。

【０００７】そして、音声認識プログラム２４によって
言語モデル３３と音響モデル３１で求められる確率値Ｐ
（Ｘ｜Ｗ）とＰ（Ｗ）の積を求め、かかる積が最大とな
る文字列を認識文字列Ｗとして、認識文字列出力部２２
へ出力することで、連続音声の認識を可能としている。

【０００８】一方、音声認識の精度を向上させる他の手
段として、話者を特定する方法が考えられている。音響
モデルにおける音素が話者固有である場合が多く、話者
固有の音声ピッチや周波数等の物理的特性に基づいた話
者の連続音声パターンを事前に分析しておき、かかる物
理的特性を話者認識用のデータベースとして登録してお
く。このようにすることで、連続音声パターンが入力さ
れた場合にかかる物理的特性を検出し、話者認識用のデ
ータベースを照会することで、話者を特定することがで
き、ひいては連続音声パターンの認識精度を向上させる
ことが期待できる。

【０００９】

【発明が解決しようとする課題】しかし、上述したよう
な連続音声パターンのピッチや周波数等の音響的な物理
的特性のみに基づいて話者が誰であるのかを判定する方
法では、よく似た声や、音声合成等による人工的に生成
された音声等については、物理的な特性が酷似している
ために、正確な話者の特定が困難な場合が生じるという
問題点があった。

【００１０】また、たとえ音響的な物理特性を酷似させ
たとしても、その話者特有の言い回しや息継ぎの癖、話
の間等については容易に模倣することは困難であり、音
響的な物理的特性による話者判断に加えて、かかる統計
的な特性についても判断基準に加えることで、話者認識
の精度が向上するものと期待される。

【００１１】本発明は、上記事情に鑑み、会話における
連続音声パターンに使用された語彙の種類と、会話中に
現れる特定の語彙の出現頻度等に表出する話者固有の統
計的特性に着目して、従来の物理的特性に基づいた話者
認識に加えて、統計的な話者認識のための情報を付加す
ることで、連続音声パターンについての話者認識精度を
より高めた話者認識装置及び方法を提供することを目的
とする。

【００１２】

【課題を解決するための手段】上記目的を達成するため
に本発明にかかる話者認識装置は、話者を認識すべき連
続音声パターンを入力する連続音声パターン入力部と、
一又は複数の第１の認識話者候補を選択するべく参照す
る、物理的特性を格納した物理的話者認識用データベー
スと、連続音声パターン入力部において入力された連続
音声パターンの有する物理的特性に基づいて、物理的話
者認識用データベースを参照して、話者認識確率順に一
又は複数の第１の認識話者候補を選択する物理的話者選
択部とを含む話者認識装置であって、一又は複数の第２
の認識話者候補を選択するべく参照する、統計的特性を
格納した統計的話者認識用データベースを含み、連続音
声パターン入力部において入力された連続音声パターン
を連続音声文字列として認識する連続音声文字列認識部
と、連続音声文字列認識部において認識された連続音声
文字列に基づいて統計的特性を算出する統計的特性算出
部と、算出された統計的特性に基づいて、統計的話者認
識用データベースを参照して、話者認識確率順に一又は
複数の第２の認識話者候補を選択する統計的話者選択部
と、第１の認識話者候補と第２の認識話者候補を対比し
て、一致する認識話者候補のうち、両者の話者認識確率
の積が最大である第３の認識話者候補を特定する統合話
者特定部を含むことを特徴とする。

【００１３】かかる構成により、連続音声パターンの物
理的な特性だけではなく、話者固有の統計的な特性も判
断基準に含めた上で話者を認識することができるので、
従来は困難であった音声の良く似ている話者との誤認
や、人工的に作り出された音声による話者の誤認等を回
避することが可能となる。

【００１４】また、本発明にかかる話者認識装置は、統
計的特性算出部において算出された統計的特性を登録す
る統計的特性登録部をさらに含むことが好ましい。統計
的話者認識用データベースを生成するためである。

【００１５】また、本発明にかかる話者認識装置は、統
計的特性算出部において、不要語として表出する語彙に
着目して統計的特性を算出することが好ましい。話を始
める前の「あー」という語彙であるとか、話の途中に表
出する「えー」というつなぎ言葉等の語彙は、話者に固
有の統計的特性を有することが経験的に明らかであるの
で、その出現頻度等を用いて話者を判断することで、よ
り話者認識の精度を向上することができるからである。

【００１６】また、本発明にかかる話者認識装置は、統
計的特性算出部において、語尾に表出する語彙に着目し
て統計的特性を算出することが好ましい。話の語尾に顕
著に現れやすい方言等についても、話者に固有の統計的
特性を有することが経験的に明らかであるので、その出
現頻度等を用いて話者を判断することで、より話者認識
の精度を向上することができるからである。

【００１７】また、本発明にかかる話者認識装置は、統
計的特性算出部において、接続語として表出する語彙に
着目して統計的特性を算出することが好ましい。話を繋
ぐ場合に、例えば「しかし」を良く用いるのか、「とこ
ろが」を良く用いるのか、「が」を良く用いるのか、と
いった話者の癖に着目し、その出現頻度等を用いて話者
を判断することで、より話者認識の精度を向上すること
ができるからである。

【００１８】また、本発明にかかる話者認識装置は、統
計的特性算出部において、連続音声パターン認識部で誤
認されたために修正が行われた語彙に着目して統計的特
性を算出することが好ましい。音声認識において、誤認
されやすい連続音声パターンは話者ごとに固有であるの
で、その誤認された語彙の傾向を統計的に把握すること
で、より話者認識の精度を向上することができるからで
ある。

【００１９】また、本発明は、上記のような話者認識装
置の機能をコンピュータの処理ステップとして実行する
ソフトウェアを特徴とするものであり、具体的には、話
者を認識すべき連続音声パターンを入力する工程と、入
力された連続音声パターンの有する物理的特性に基づい
て、話者認識確率順に一又は複数の前記第１の認識話者
候補を選択する工程とを含む話者認識方法であって、入
力された連続音声パターンを連続音声文字列として認識
する工程と、認識された連続音声文字列に基づいて統計
的特性を算出する工程と、算出された統計的特性に基づ
いて、話者認識確率順に一又は複数の第２の認識話者候
補を選択する工程と、第１の認識話者候補と第２の認識
話者候補を対比して、一致する認識話者候補のうち、両
者の話者認識確率の積が最大である第３の認識話者候補
を特定する工程を含む話者認識方法並びにそのような工
程をプログラムとして記録したコンピュータ読み取り可
能な記録媒体であることを特徴とする。

【００２０】かかる構成により、連続音声の物理的な特
性だけではなく、話者固有の統計的な特性も判断基準に
含めた上で話者を認識することができるので、従来は困
難であった音声の良く似ている話者との誤認や、人工的
に作り出された音声による話者の誤認等を回避すること
が可能となる。

【００２１】

【発明の実施の形態】以下、本発明の実施の形態にかか
る話者認識装置について、図面を参照しながら説明す
る。図２は本発明の実施の形態１にかかる話者認識装置
の構成図である。図２において、１は連続音声パターン
入力部を、２は連続音声文字列認識部を、３は連続音声
文字列認識用データベースを、４は統計的特性登録部
を、５は統計的話者認識用データベースを、６は物理的
話者選択部を、７は物理的話者認識用データベースを、
８は統計的特性算出部を、９は統計的話者選択部を、１
０は統合話者特定部を、それぞれ示す。

【００２２】図２において、連続音声パターン入力部１
から認識の対象となる連続音声を、マイクロフォン等の
音声入力媒体を通じて入力する。話者を認識する場合の
みならず、話者の統計的な特性を求める場合において
も、同様に入力する。

【００２３】なお、連続音声における話者固有の統計的
特性については、事前に統計的話者認識用データベース
５に登録しておく必要がある。この場合、まず連続音声
文字列認識部２において、入力された連続音声パターン
を連続音声文字列として認識する。一般に、連続音声パ
ターンに含まれる語彙数は非常に多く、連続的でない離
散音声における単語認識に比べて、その認識は困難では
あるが、図１に示すような音響モデル３１と言語モデル
３３を併用することで、より精度良く文字列として音声
認識をすることが可能である。

【００２４】そして、統計的話者認識用データベース５
への登録時には、統計的特性登録部４において、統計的
特性算出部８において算出された統計的特性、例えば出
現頻度や出現するタイミング等に関する統計的特性を統
計的話者認識用データベース５に登録する。

【００２５】次に、話者を特定する場合には、まず連続
音声パターン入力部１から入力された連続音声パターン
について、物理的話者選択部６において連続音声パター
ンの物理的特性に基づいて認識話者を選択する。この場
合、連続音声パターンの物理的特性についても同様に、
事前に物理的話者認識用データベース７に登録しておく
必要がある。例えば、話す言葉の音声ピッチや、声の周
波数特性等についての話者ごとのデータを登録しておく
必要がある。そして、物理的話者認識用データベース７
を照会することで、物理的特性が近似している度合いを
確率値として算出して、確率値の高いものから順に認識
話者候補として選択する。

【００２６】一方、統計的特性からも話者を特定すべ
く、統計的特性算出部８において、連続音声文字列認識
部２で認識された連続音声文字列に基づいて、着目して
いる統計的特性に関する特徴量、例えば出現頻度や出現
するタイミング等に関する統計的特性を算出する。そし
て、統計的話者選択部９において、算出した統計的特性
に基づいて統計的話者認識用データベース５を照会す
る。

【００２７】この場合、統計的特性が統計的話者認識用
データベース５に登録されている特性と一致するケース
はほとんど無いものと考えられるので、一定の範囲内に
含まれている確率を求め、かかる確率値の高い話者から
順に認識話者候補として選択する。

【００２８】最後に、統合話者特定部１０において、物
理的話者選択部６において選定された認識話者候補と、
統計的話者選択部９において選定された認識話者候補と
を対比する。双方の認識話者候補に共通する話者が含ま
れている場合には、物理的話者選択部６において算出さ
れた確率値と統計的話者選択部９において算出された確
率値との積が最大である話者を認識話者として出力す
る。双方に共通する話者が含まれていない場合には、認
識不十分として、再度連続音声パターンの入力を促すも
のとする。

【００２９】なお、統計的特性算出部８において、着目
すべき統計的特性については、特に限定されるものでは
なく、話者を特定するのに有用な指標でありさえすれ
ば、どのような指標でも良い。

【００３０】例えば、いわゆる不要語に着目することも
有用であろう。ここで不要語とは、不要語として表出す
る語彙一般を意味しており、例えば話を始める前の「あ
ー」という語彙であるとか、話の途中に表出する「え
ー」というつなぎ言葉等の語彙である。かかる語彙は、
話者に固有の特徴を有することが経験的に明らかだから
である。

【００３１】図３は本発明の実施の形態にかかる話者認
識装置において、不要語に着目する場合の構成図であ
る。図３において、１１は不要語検出部を、１２は不要
語統計的特性登録部を、１３は不要語統計的特性算出部
を、それぞれ示す。

【００３２】図３において、不要語検出部１１で不要語
の存在を確認・検出する。そして、不要語統計的特性登
録部１２において、不要語が言葉の最初に付く傾向にあ
るのか、最後に付く傾向にあるのか、あるいは、単語数
に対して出現確率はどの程度か、等の統計的特性を算出
して、統計的話者認識用データベース５へ登録してお
く。

【００３３】実際の話者認識時においては、不要語統計
的特性算出部１３において、認識された連続音声パター
ンの不要語に関する統計的特性を算出し、統計的話者認
識用データベース５を照会することで、不要語の用い方
等の統計的特性に基づいた認識話者候補を選択すること
ができる。

【００３４】また、会話の語尾に着目することも考えら
れる。会話の語尾に顕著に現れやすい抑揚の特徴や方言
が比較的語尾に現れやすい等の特徴を利用しようとする
ものである。

【００３５】図４は本発明の実施の形態にかかる話者認
識装置において、語尾に着目する場合の構成図である。
図４において、４１は語尾検出部を、４２は語尾統計的
特性登録部を、４３は語尾統計的特性算出部を、それぞ
れ示す。

【００３６】図４において、語尾検出部４１で不要語の
存在を確認・検出する。そして、語尾統計的特性算出部
４３において、語尾に方言特有の言い回しがどの程度の
確率で付いているのか、等の統計的特性を算出して、語
尾統計的特性登録部４２において統計的話者認識用デー
タベース５へ登録しておく。

【００３７】実際の話者認識時においては、語尾統計的
特性算出部４３で入力された連続音声パターンの語尾に
関する統計的特性を算出し、統計的話者認識用データベ
ース５を照会することで、語尾に用いる語彙等の統計的
特性に基づいた認識話者候補を選択することができる。

【００３８】さらに、接続語に着目することも考えられ
る。話をつなげる場合に、例えば「しかし」を良く用い
るのか、「ところが」を良く用いるのか、「が」を良く
用いるのか、といった話者の癖に着目し、その出現頻度
等を用いて話者を判断することで、より話者認識の精度
を向上することができるからである。

【００３９】図５は本発明の実施の形態にかかる話者認
識装置において、接続語に着目する場合の構成図であ
る。図５において、５１は接続語検出部を、５２は接続
語統計的特性登録部を、５３は接続語統計的特性算出部
を、それぞれ示す。

【００４０】図５において、接続語検出部５１で接続語
の存在を確認・検出する。そして、接続語統計的特性算
出部５３において、接続語として、逆接語としては
「が」を用いるのか、「しかし」を用いるのか、「とこ
ろが」を用いるのか、あるいは、各々の接続語の単語数
に対する出現確率はどの程度か、等の統計的特性を算出
して、接続語統計的特性登録部５２において統計的話者
認識用データベース５へ登録しておく。

【００４１】実際の話者認識時においては、接続語統計
的特性算出部５３で入力された連続音声パターンの接続
語に関する統計的特性を算出し、統計的話者認識用デー
タベース５を照会することで、接続語の用い方等の統計
的特性に基づいた認識話者候補を選択することができ
る。

【００４２】一方、誤認傾向に着目して話者を認識する
こともできる。連続音声文字列認識部２において誤認さ
れやすい連続音声パターンは話者ごとに固有であること
が経験的に明らかであるので、その誤認傾向を統計的に
把握することで、より話者認識の精度を向上することが
できるからである。

【００４３】図６は本発明の実施の形態にかかる話者認
識装置において、誤認傾向に着目した場合の構成図であ
る。図６において、６１は誤認傾向検出部を、６２は誤
認傾向登録部を、６３は誤認傾向算出部を、それぞれ示
す。

【００４４】図６において、誤認傾向検出部６１で連続
音声文字列認識部２において誤認されたと判断して、ユ
ーザの手で修正を加えた語彙を確認・検出する。そし
て、誤認傾向算出部６３において、当該語彙が誤認され
る確率や、誤認される場合の周囲の他の語彙の条件、あ
るいは、誤認が生じるのは単語数に対してどの程度の確
率か、等の統計的特性を算出して、誤認傾向登録部６２
において統計的話者認識用データベース５へ登録してお
く。

【００４５】実際の話者認識時においては、誤認傾向算
出部６３で入力された連続音声パターンの誤認傾向に関
する統計的特性を算出し、統計的話者認識用データベー
ス５を照会することで、誤認傾向に基づいた認識話者候
補を選択することができる。

【００４６】上述したような本発明の実施の形態にかか
る話者認識装置によって話者を認識することで、例えば
音声電子メール装置等においては、送付されてきた相手
方を自動的に特定する等の応用ができ、また、会議内容
の録音テープ等を用いて、正確な会議議事録を作成する
ことも可能となる。また、話者が事前に特定されていな
い音声ディクテーションにおいても、話者を特定するこ
とでより適当な音響モデルを用いることができ、認識精
度の向上が期待できる。

【００４７】以上のように本実施の形態によれば、連続
音声パターンの物理的な特性だけではなく、話者固有の
統計的な特性も判断基準に含めた上で話者を認識するこ
とができるので、従来は困難であった音声の良く似てい
る話者との誤認や、人工的に作り出された音声による話
者の誤認等を回避することが可能となる。

【００４８】次に、本発明の実施の形態にかかる話者認
識装置を実現するプログラムの処理の流れについて説明
する。図７に本発明の実施の形態にかかる話者認識装置
において、統計的特性を事前登録する場合のプログラム
処理流れ図を示す。また、図８に本発明の実施の形態に
かかる話者認識装置において、話者を認識する場合のプ
ログラム処理流れ図を示す。

【００４９】まず図７において、連続音声パターンが入
力されたら（ステップＳ７１）、連続音声パターンを認
識して（ステップＳ７２）、当該連続音声パターンに特
有の統計的特性を算出する（ステップＳ７３）。

【００５０】算出対象となっている話者に関する統計的
特性算出データが、統計的話者認識用データベースに既
に登録されている場合には（ステップＳ７４）、統計的
特性算出データを置換するか否かを選択することになる
（ステップＳ７５）。置換する場合には、統計的話者認
識用データベースに新たに算出した統計的特性算出デー
タを登録する（ステップＳ７６）。

【００５１】次に図８において、連続音声パターンが入
力されると（ステップＳ８１）、以後２つの処理に分岐
される。すなわち、物理的な特性に基づいて話者を認識
する処理と、統計的特性に基づいて話者を認識する処理
である。

【００５２】まず、物理的な特性に基づいて話者を認識
する処理においては、入力された連続音声パターン自体
の物理的な特性を抽出して、かかる特徴について物理的
話者認識用データベースと照会する（ステップＳ８
２）。そして、認識話者である確率値の高い話者から順
に認識話者候補として抽出する（ステップＳ８３）。

【００５３】一方、統計的特性に基づいて話者を認識す
る処理においては、入力された連続音声パターンを認識
して、当該連続音声パターンに特有の統計的特性を算出
する（ステップＳ８５）。そして、かかる統計的特性に
基づいて統計的話者認識用データベースを照会する（ス
テップＳ８６）。そして、認識話者である確率値の高い
話者から順に認識話者候補として抽出する（ステップＳ
８７）。

【００５４】最後に、求められた２つの認識話者候補を
比較して（ステップＳ８８）、両者に共通する認識話者
候補が存在する場合には、確率値の積が最大である話者
を認識話者として出力し、共通する認識話者候補が存在
しない場合には認識不十分として再認識対象とする（ス
テップＳ８９）。

【００５５】なお、本発明の実施の形態にかかる話者認
識装置を実現するプログラムを記憶した記録媒体は、図
９に示す記録媒体の例に示すように、ＣＤ−ＲＯＭやフ
ロッピーディスク等の可搬型記録媒体だけでなく、通信
回線の先に備えられた他の記憶装置や、コンピュータの
ハードディスクやＲＡＭ等の記録媒体のいずれでも良
く、プログラム実行時には、プログラムはローディング
され、主メモリ上で実行される。

【００５６】また、本発明の実施の形態にかかる話者認
識装置により生成された統計的特性値等を記録した記録
媒体も、図９に示す記録媒体の例に示すように、ＣＤ−
ＲＯＭやフロッピーディスク等の可搬型記録媒体だけで
なく、通信回線の先に備えられた他の記憶装置や、コン
ピュータのハードディスクやＲＡＭ等の記録媒体のいず
れでも良く、例えば本発明にかかる話者認識装置を利用
する際にコンピュータにより読み取られる。

【００５７】

【発明の効果】以上のように本発明にかかる話者認識装
置によれば、連続音声パターンの物理的な特性だけでは
話者を特定することが困難な場合であっても、話者を特
定することができる。

【図面の簡単な説明】

【図１】従来からの連続音声認識の例示図

【図２】本発明の実施の形態にかかる話者認識装置の
構成図

【図３】本発明の実施の形態にかかる話者認識装置に
おける一実施例の構成図

【図４】本発明の実施の形態にかかる話者認識装置に
おける他の実施例の構成図

【図５】本発明の実施の形態にかかる話者認識装置に
おける他の実施例の構成図

【図６】本発明の実施の形態にかかる話者認識装置に
おける他の実施例の構成図

【図７】本発明の実施の形態にかかる話者認識装置に
おける処理の流れ図

【図８】本発明の実施の形態にかかる話者認識装置に
おける処理の流れ図

【図９】記録媒体の例示図

【符号の説明】

１連続音声パターン入力部２連続音声文字列認識部３連続音声文字列認識用データベース４統計的特性登録部５統計的話者認識用データベース６物理的話者選択部７物理的話者認識用データベース８統計的特性算出部９統計的話者選択部１０統合話者特定部１１不要語検出部１２不要語統計的特性登録部１３不要語統計的特性算出部２４音声認識プログラム２５認識単語列出力部３１音響モデル３２単語辞書３３言語モデル４１語尾検出部４２語尾統計的特性登録部４３語尾統計的特性算出部５１接続語検出部５２接続語統計的特性登録部５３接続語統計的特性算出部６１誤認傾向検出部６２誤認傾向登録部６３誤認傾向算出部９１回線先の記憶装置９２ＣＤ−ＲＯＭやフロッピーディスク等の可搬型記
録媒体９２−１ＣＤ−ＲＯＭ９２−２フロッピーディスク９３コンピュータ９４コンピュータ上のＲＡＭ／ハードディスク等の記
録媒体

Claims

【特許請求の範囲】

【請求項１】話者を認識すべき連続音声パターンを入
力する連続音声パターン入力部と、一又は複数の第１の認識話者候補を選択するべく参照す
る、物理的特性を格納した物理的話者認識用データベー
スと、前記連続音声パターン入力部において入力された前記連
続音声パターンの有する物理的特性に基づいて、前記物
理的話者認識用データベースを参照して、話者認識確率
順に一又は複数の前記第１の認識話者候補を選択する物
理的話者選択部とを含む話者認識装置であって、一又は複数の第２の認識話者候補を選択するべく参照す
る、統計的特性を格納した統計的話者認識用データベー
スを含み、前記連続音声パターン入力部において入力された前記連
続音声パターンを連続音声文字列として認識する連続音
声文字列認識部と、前記連続音声文字列認識部において認識された前記連続
音声文字列に基づいて統計的特性を算出する統計的特性
算出部と、算出された前記統計的特性に基づいて、前記統計的話者
認識用データベースを参照して、話者認識確率順に一又
は複数の前記第２の認識話者候補を選択する統計的話者
選択部と、前記第１の認識話者候補と前記第２の認識話者候補を対
比して、一致する認識話者候補のうち、両者の話者認識
確率の積が最大である第３の認識話者候補を特定する統
合話者特定部を含むことを特徴とした話者認識装置。
【請求項２】前記統計的特性算出部において算出され
た前記統計的特性を登録する統計的特性登録部をさらに
含む請求項１記載の話者認識装置。
【請求項３】前記統計的特性算出部において、不要語
として表出する語彙に着目して前記統計的特性を算出す
る請求項１記載の話者認識装置。
【請求項４】前記統計的特性算出部において、語尾に
表出する語彙に着目して前記統計的特性を算出する請求
項１記載の話者認識装置。
【請求項５】前記統計的特性算出部において、接続語
として表出する語彙に着目して前記統計的特性を算出す
る請求項１記載の話者認識装置。
【請求項６】前記統計的特性算出部において、前記連
続音声パターン認識部で誤認されたために修正が行われ
た語彙に着目して前記統計的特性を算出する請求項１記
載の話者認識装置。
【請求項７】話者を認識すべき連続音声パターンを入
力する工程と、入力された前記連続音声パターンの有する物理的特性に
基づいて、話者認識確率順に一又は複数の前記第１の認
識話者候補を選択する工程とを含む話者認識方法であっ
て、入力された前記連続音声パターンを連続音声文字列とし
て認識する工程と、認識された前記連続音声文字列に基づいて統計的特性を
算出する工程と、算出された前記統計的特性に基づいて、話者認識確率順
に一又は複数の前記第２の認識話者候補を選択する工程
と、前記第１の認識話者候補と前記第２の認識話者候補を対
比して、一致する認識話者候補のうち、両者の話者認識
確率の積が最大である第３の認識話者候補を特定する工
程を含むことを特徴とする話者認識方法。
【請求項８】話者を認識すべき連続音声パターンを入
力するステップと、入力された前記連続音声パターンの有する物理的特性に
基づいて、話者認識確率順に一又は複数の前記第１の認
識話者候補を選択するステップとを含むコンピュータに
実行させるプログラムを記録したコンピュータ読み取り
可能な記録媒体であって、入力された前記連続音声パターンを連続音声文字列とし
て認識するステップと、認識された前記連続音声文字列に基づいて統計的特性を
算出するステップと、算出された前記統計的特性に基づいて、話者認識確率順
に一又は複数の前記第２の認識話者候補を選択するステ
ップと、前記第１の認識話者候補と前記第２の認識話者候補を対
比して、一致する認識話者候補のうち、両者の話者認識
確率の積が最大である第３の認識話者候補を特定するス
テップを含むことを特徴としたコンピュータに実行させ
るプログラムを記録したコンピュータ読み取り可能な記
録媒体。