[发明专利]语音识别系统、语音识别程序及语音识别方法

说明书

技术领域

本发明涉及输入包含用户话语的声音信号来进行语音识别处理，并 输出话语中包含的识别单词串的语音识别处理、语音识别程序及语音识 别方法。

背景技术

以往，大多数语音识别系统都具有根据输入的语音数据来判断语音 区间(话语区间)在时间轴上位于何处的功能。这种语音识别系统针对 被判定为语音区间的区间的帧来计算特征量，并将该特征量与声学模型 和语言模型进行对照而输出识别结果。为了判断语音区间存在于何处， 例如语音识别系统可以在输入语音的功率持续一定时间(一定帧数)高 于基准值(＝背景噪声级别+α(阈值))的情况下，判定为语音区间开始。 并且，语音识别系统可以在输入语音的功率持续一定时间低于基准值的 情况下，判定为语音区间结束。

在上述语音区间判断方法中，有时在背景噪声级别超过阈值α而变 动时，会将噪声区间错误地判定为语音区间而导致错误识别。因此，提 出了根据输入语音的最大能量来动态地判断语音区间始端的语音区间始 端检测装置(例如参照专利文献1)。该始端检测装置在从检测到语音区 间的始端到检测到终端的过程中，将所输入的语音数据存储在缓存中， 在所输入的语音数据中检测到语音能量的最大值和极大值的时刻，重新 设定新的阈值，并根据该阈值来重新判断新的始端。之后，在检测到终 端时，输出始端与终端之间的语音数据。

但是，在上述始端判断装置中，构成为只有确定了语音区间的终端 才能开始对照处理等，因此存在响应时间延长的问题。

专利文献1：日本特许第2625682号公报

发明内容

因此，本发明的目的在于，提供能够进行基于适当语音区间的语音 识别，同时能够抑制响应时间延迟的语音识别系统、语音识别程序及语 音识别方法。

本发明的语音识别系统具有：特征量计算部，其将输入的声音信号 转换成每个帧的特征量；声音级别计算部，其计算由各帧的所述声音信 号的功率或振幅表示的输入声音级别；对照部，其接受特征量计算部计 算出的各帧的特征量，与预先存储的声学模型和语言模型进行对照，并 根据相应对照结果来确定要输出的识别单词串，所述声学模型是对语音 容易成为什么样的特征量进行建模而得的数据，所述语言模型是关于识 别单词的数据；始点判断部，其通过将所述声音级别计算部计算出的所 述输入声音级别与基准值进行比较，来确定作为语音区间始点的始点帧 并通知给所述对照部；终点判断部，其通过将所述声音级别计算部计算 出的所述输入声音级别与基准值进行比较，来确定作为语音区间终点的 终点帧并通知给所述对照部；以及基准值更新部，其根据所述始点帧以 后的输入声音级别的变动来更新所述基准值，所述始点判断部在所述基 准值更新部更新了基准值时，使用该更新后的基准值来更新始点帧并通 知给所述对照部，所述对照部在接受了特征量计算部计算出的各帧的特 征量而开始对照后，在从所述终点判断部接收到终点帧的通知之前，从 所述始点判断部接收到始点帧的通知的情况下，根据所通知的始点帧来 修正所述对照结果。

根据上述结构，基准值更新部根据始点帧以后的输入声音级别的变 动来更新基准值，始点判断部根据更新后的基准值来更新始点帧。由此， 根据输入声音信号中包含的语音的输入声音级别来更新始点帧。因此， 能够自动更正例如由不稳定噪声、输入声音级别的偏差等引起的语音区 间始点的错误判断。此外，终点判断部也根据输入声音级别来确定终点 帧。像这样由始点判断部更新的始点帧和由终点判断部确定的终点帧被 通知给对照部。对照部在开始对照处理后，在接收到终点帧的通知之前 更新了始点帧时，根据该始点帧来修正对照结果。即，对照部可构成为 不等待终点帧而进行对照处理。因此，抑制了响应时间的延迟。此外， 对照部根据更新后的始点帧来修正对照结果，因此能够输出基于更正了 始点判断错误的适当语音区间的识别结果。此外，即使更新了始点帧， 对照部也不会从开始重新进行对照处理，而是修正对照结果，因此能够 利用已经进行了对照处理的对照结果而不会浪费。结果，改善了响应时 间。进而，能够进行基于适当语音区间的语音识别，并抑制响应时间延 迟。

另外，输入声音级别可以由各帧的声音信号的功率或其对数值表示， 或者由各帧的声音信号的振幅或其对数值表示。