[发明专利]语音识别装置和语音识别方法

说明书

技术领域

本发明涉及语音识别技术，并且更具体地涉及用于使用诸如音调 (tone)(语调，voice tone)之类的韵律的语言的语音识别技术。

背景技术

存在使用韵律的各种语言。例如，汉语使用称为音调的韵律。音调是 用来在含义之间进行区分的音高(sound pitch)模式，并且主要地，元音 (vowel)具有诸如升调和降调之类的特有音调。因此，对于汉语语音识 别，识别出音调是很重要的。

在日本专利No.3162994(参考文献1)中公开的技术被称为使用音调 的语音识别技术。在参考文献1中描述的汉语语音识别技术将音节 (syllable)划分为第一半部分和第二半部分，仅将音节的第二半部分与音 调相关联，并且利用经关联的音调来识别语音。由于语音识别是利用音调 来执行的，因此，与未使用音调的技术相比，这种技术可以使语调语音识 别更准确。

发明内容

本发明解决的问题

然而，参考文献1的技术简单地将音节划分为第一半部分和第二半部 分，并且第二半部分可以包括辅音(consonant)。因此，即使对于没有语 调的辅音也可以进行音调识别。在此情况中，音调识别结果可能不准确， 并且语音识别精度可能降低。

本发明的一个示例性目的是提高对于具有诸如音调之类的韵律的语言 的语音识别精度。

解决问题的手段

根据本发明一个示例性方面的语音识别装置包括：单词搜索装置，用 于基于音素模型与输入语音的特征量之间的声音距离以及包括单词的音素 和韵律标记的语言模型中的单词的音素来执行单词搜索，将单词假说和表 示所述单词假说的似然度(likelihood)的第一分数输出为单词搜索结果， 并且在假设所述输入语音的识别结果为所述单词假说时，输出所述输入语 音中的韵律间隔以及所述韵律间隔的韵律标记；韵律识别装置，用于基于 所述输入语音的特征量中与从所述单词搜索装置输出的所述韵律间隔相对 应的一个特征量，来输出表示从所述单词搜索装置输出的所述韵律标记的 似然度的第二分数；以及重判装置，用于利用从所述韵律识别装置输出的 所述第二分数来校正从所述单词搜索装置输出的所述单词假说的第一分 数。

根据本发明另一示例性方面的语音识别方法包括以下步骤：基于音素 模型与输入语音的特征量之间的声音距离以及包括单词的音素和韵律标记 的语言模型中的单词的音素来执行单词搜索，将单词假说和表示所述单词 假说的似然度的第一分数输出为单词搜索结果，并且在假设所述输入语音 的识别结果为所述单词假说时，输出所述输入语音中的韵律间隔以及所述 韵律间隔的韵律标记；基于所述输入语音的特征量中与所输出的韵律间隔 相对应的一个特征量，来输出表示所输出的韵律标记的似然度的第二分 数；并且利用所输出的第二分数来校正所输出的单词假说的第一分数。

本发明的效果

根据本发明，能够提高对具有诸如音调之类的韵律的语言的语音识别 精度。

附图说明

图1是示出根据本发明第一示例性实施例的语音识别装置的总体布置 示例的框图；

图2是图示出根据第一示例性实施例的操作示例的流程图；

图3是示出第一示例性实施例的示例的框图；

图4A和图4B是示出单词的示例的示图；

图5是示出词典的内容示例的示图；

图6是用于说明第一示例性实施例的示例的操作的示图；

图7是用于说明音调建模方法的曲线图；

图8是根据本发明第二示例性实施例的语音识别装置的框图；

图9是示出第二示例性实施例的示例的总体布置的示例的框图；

图10A和图10B是示出连续单词的示例的示图；

图11是用于说明第二示例性实施例的示例的操作的示图；以及

图12是根据本发明第三示例性实施例的语音识别装置的框图。

具体实施方式

现在将参考附图详细描述本发明的示例性实施例。

[本发明的第一示例性实施例]

将描述根据本发明第一示例性实施例的语音识别装置。

[对本发明第一示例性实施例的布置的说明]

图1是示出根据本发明第一示例性实施例的语音识别装置的总体布置 的示例的框图。