トップ :: G 物理学 :: G10 楽器;音響




【発明の名称】 単語列探索装置、音声認識装置及び単語列探索方法並びに記録媒体
【発明者】 【氏名】阿部 芳春

【氏名】丸田 裕三

【氏名】伍井 啓恭
【要約】 【課題】単語列探索に膨大な処理量を要するという課題があった。

【解決手段】入力音声に対応する単語列の探索途中の部分列を表す仮説を格納する複数の仮説格納手段と、これら複数の仮説格納手段に格納される全ての仮説の中から上記入力音声に対する尤度が最大の部分列を表す仮説を選択して、この仮説を基に単語列の探索を行う単語列探索手段とを備えた。
【特許請求の範囲】
【請求項１】 入力音声に対応する単語列の探索途中の部分列を表す仮説を格納する複数の仮説格納手段と、これら複数の仮説格納手段に格納される全ての仮説の中から上記入力音声に対する尤度が最大の部分列を表す仮説を選択して、この仮説を基に単語列の探索を行う単語列探索手段とを備えた単語列探索装置。
【請求項２】 仮説格納手段は、入力音声に対応する複数の基本音節列の個数分設けられ、上記基本音節列に対応する単語列の探索における仮説を格納することを特徴とする請求項１記載の単語列探索装置。
【請求項３】 仮説格納手段は、単語列探索に使用する単語が登録された単語辞書を含んでなる複数の言語モデルの個数分設けられ、上記各言語モデルをそれぞれ使用した単語列探索における仮説を格納することを特徴とする請求項１記載の単語列探索装置。
【請求項４】 仮説格納手段は、標準音節列及びその入力音声に対応する基本音節列に対する尤度からなる複数の差分モデルの個数分設けられ、上記各差分モデルをそれぞれ使用した単語列探索における仮説を格納することを特徴とする請求項１記載の単語列探索装置。
【請求項５】 入力音声に対応する基本音節列、単語列探索に使用する単語が登録された単語辞書を含んでなる言語モデル、及び標準音節列及びその基本音節列に対する尤度からなる差分モデルのうちのいずれかを複数組み有し、仮説格納手段を上記複数組分設けて、上記基本音節列、上記言語モデル及び上記差分モデルの各組み合わせに基づいた単語列探索における仮説を格納することを特徴とする請求項１記載の単語列探索装置。
【請求項６】 仮説格納手段は、仮説の格納・取り出しが自在のスタックとして機能することを特徴とする請求項１から請求項５のうちのいずれか１項記載の単語列探索装置。
【請求項７】 認識対象の音声を入力する音声入力手段と、入力音声に対応する基本音節列を取得する音節列取得手段と、この音節列取得手段が取得した基本音節列に基づいて上記入力音声に対応する単語列を探索する請求項１から請求項６のうちのいずれか１項記載の単語列探索装置とを備えた音声認識装置。
【請求項８】 入力音声に対応する単語列の探索途中の部分列を表す仮説を複数の仮説格納手段にそれぞれ格納する仮説格納ステップと、これら複数の仮説格納手段に格納される全ての仮説の中から上記入力音声に対する尤度が最大の部分列を表す仮説を選択して、この仮説を基に単語列の探索を行う単語列探索ステップとを備えた単語列探索方法。
【請求項９】 入力音声に対応する基本音節列を取得する基本音節列取得ステップを備え、仮説格納ステップにて、上記基本音節列の個数分設けた仮説格納手段に上記基本音節列に対応する単語列の探索における仮説を格納することを特徴とする請求項８記載の単語列探索方法。
【請求項１０】 仮説格納ステップにて、仮説格納手段を単語列探索に使用する単語が登録された単語辞書を含んでなる複数の言語モデルの個数分設けて、上記各言語モデルをそれぞれ使用した単語列探索における仮説を格納することを特徴とする請求項８記載の単語列探索方法。
【請求項１１】 仮説格納ステップにて、仮説格納手段を標準音節列及びその入力音声に対応する基本音節列に対する尤度からなる複数の差分モデルの個数分設けて、上記各差分モデルをそれぞれ使用した単語列探索における仮説を格納することを特徴とする請求項８記載の単語列探索方法。
【請求項１２】 入力音声に対応する基本音節列を取得する基本音節列取得ステップを備え、仮説格納ステップにて、上記基本音節列、単語列探索に使用する単語が登録された単語辞書を含んでなる言語モデル、及び標準音節列及びその基本音節列に対する尤度からなる差分モデルのうちのいずれかを複数組み有し、仮説格納手段を上記複数組分設けて、上記基本音節列、上記言語モデル及び上記差分モデルの各組み合わせに基づいた単語列探索における仮説を格納することを特徴とする請求項８記載の単語列探索方法。
【請求項１３】 仮説格納手段は、仮説の格納・取り出しが自在のスタックとして機能することを特徴とする請求項８から請求項１２のうちのいずれか１項記載の単語列探索方法。
【請求項１４】 入力音声に対応する単語列の探索途中の部分列を表す仮説を複数の仮説格納手段にそれぞれ格納する仮説格納ステップと、これら複数の仮説格納手段に格納される全ての仮説の中から上記入力音声に対する尤度が最大の部分列を表す仮説を選択して、この仮説を基に単語列の探索を行う単語列探索ステップとを実現させるための単語列探索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。
【発明の詳細な説明】【０００１】
【発明の属する技術分野】この発明は連続音声認識に用いる単語列探索装置に係り、特にそれぞれ異なる音節列、言語モデル、及び差分モデルに対してスタックを用意して最大の評価値の仮説を展開することで、これらの探索を効率的に行うことができる単語列探索装置、音声認識装置及び単語列探索方法並びに記録媒体に関するものである。
【０００２】
【従来の技術】連続音声認識は音声の書き起しやディクテーションなどに用いられる。従来の連続音声認識方法として、基本単位の認識の誤り傾向を考慮した二段階の探索法がある。具体的に説明すると、一段目は音素ＨＭＭ（Ｈｉｄｄｅｎ Ｍａｒｋｏｖ Ｍｏｄｅｌ）を連結して基本単位の認識を行い、最適な基本単位の列を求める。二段目は最適な基本単位の列を入力として基本単位の認識の誤り傾向を表す差分モデルと、単語の連鎖しやすさを表す言語モデルを用いて単語列を探索し、尤度が最大となる単語列を認識結果として出力するものである。上記基本単位としては、音素、音節、サブワードが用いられる。以下、音節を基本単位として説明する。
【０００３】上記二段階の探索法における認識性能を改善する一つの方法として、基本単位としての音節認識の曖昧さを残す方法がある。これは一段目において複数の音節列の候補を求め、二段目において各音節列候補について単語列探索を行って尤度が最大となる単語列をそれぞれ求め、これら各音節列候補から探索された単語列の中でさらに尤度が最大の単語列を求めて、認識結果の単語列として出力する。この方法では、単語列探索を行う音節列の数分だけ１つのスタックを複数回使用して、各音節列の尤度を計算する。
【０００４】また、認識性能を向上させる別の方法として、一段目で最適な音節列を１つ求める一方、二段目ではトピックの異なる複数の言語モデルを適用して各言語モデルについて単語列をそれぞれ探索し、それぞれの尤度を比較して複数の言語モデルにわたって尤度が最大となる単語列を認識結果とするものである。この方法においても、単語列探索を言語モデルの数分だけ１つのスタックを複数回使用して、各言語モデルについての尤度を計算する。
【０００５】さらに、認識性能を向上させる上記の他の方法として、一段目で最適な音節列を１つ求める一方、二段目で話者クラスタの異る複数の差分モデルを適用して各差分モデルについて単語列をそれぞれ探索し、それぞれの尤度を比較して複数の差分モデルにわたって尤度が最大となる単語列を認識結果とするものである。この方法も上記と同様に、単語列探索を差分モデルの数分だけ１つのスタックを複数回使用して、各差分モデルについての尤度を計算する。
【０００６】図２３は、例えば特開２０００−９９０８９号公報に開示された従来の音声認識装置の構成（従来例１）を示す図である。図において、２０は音節ネットワーク３０に従ってオートマトン制御１パスＤＰアルゴリズムに基づいて特徴ベクトル時系列１０３に対応する音節列の中で尤度の大きい上位Ｎ個の音節列４０１〜４０Ｎを得る音節列取得手段、３０は音節ネットワークであって、基本単位としての音節の接続をネットワーク表現したものであり、各音節間を接続するためのノードと音節を表すアークから構成される。また、この音節のアークは基本隠れマルコフモデル（ＨＭＭ）の連鎖によって表される。基本ＨＭＭとしては、音節内あるいは音節間の調音結合の影響を考慮するため、音素環境依存のＨＭＭを用いている。５２は単語列８０１〜８０Ｎの中から尤度が最大となる単語列を選択して認識結果の単語列８０として出力する選択手段である。６０は標準音節列と対応する入力音節列及び標準音節列が入力音節列に変換される尤度が記述されている差分モデルで、上記尤度は標準音節列が入力音節列に対応づけられる確率の対数値として求められる。７０は単語の文字表記と発音を含む単語辞書及び単語辞書に存在する単語連鎖についての尤度が記憶されている言語モデルである。８０は認識結果の単語列、１０１は認識対象の入力音声、１０２は入力音声１０１を分析して特徴ベクトル時系列１０３に変換する音声分析手段、４０１〜４０Ｎは音節ネットワーク３０に従って特徴ベクトル時系列１０３から取得される音節列で、５０１〜５０Ｎは音節列４０１〜４０Ｎをそれぞれ入力し差分モデル６０と言語モデル７０とを参照して単語列８０１〜８０Ｎをそれぞれ探索する単語列探索装置である。
【０００７】次に動作について説明する。先ず、音声分析手段１０２は入力音声１０１を分析して特徴ベクトル時系列１０３に変換する。音節列取得手段２０はオートマトン制御１パスＤＰアルゴリズムに基づいて、音声分析手段１０２に変換された特徴ベクトル時系列１０３を入力し音節ネットワーク３０に従う経路の中で、尤度の高い上位Ｎ個の最適な音節列４０１〜４０Ｎを出力する。
【０００８】図２４は図２３中の単語列探索装置による単語列探索動作を示すフロー図であり、以下の説明はこのフローに沿って行う。単語列探索装置５０１は音節列取得手段２０から音節列４０１を入力すると、差分モデル６０と言語モデル７０とを参照して音節列４０１について尤度が最大となる単語列の探索を行い（ステップＳＴ１００）、最大の尤度を有する単語列８０１をその尤度とともに選択手段５２に出力する（ステップＳＴ１０１）。
【０００９】単語列探索装置５０２は音節列取得手段２０から音節列４０２を入力すると、差分モデル６０と言語モデル７０とを参照して音節列４０２について尤度が最大となる単語列の探索を行い（ステップＳＴ１０２）、最大の尤度を有する単語列８０２をその尤度とともに選択手段５２に出力する（ステップＳＴ１０３）。
【００１０】上記の動作を順次行ってゆき、最後に、単語列探索装置５０Ｎが音節列取得手段２０から音節列４０Ｎを入力すると、差分モデル６０と言語モデル７０とを参照して音節列４０Ｎについて尤度が最大となる単語列の探索を行い（ステップＳＴ１０４）、最大の尤度を有する単語列８０Ｎをその尤度とともに選択手段５２に出力する（ステップＳＴ１０５）。
【００１１】選択手段５２は上記各ステップで取得した単語列８０１〜８０Ｎの尤度を比較して、最大の尤度を有する単語列８０を認識結果として出力する（ステップＳＴ１０６）。
【００１２】また、上述した単語列探索装置５０１〜５０Ｎにおける単語列の探索は、スタックデコーダに基づいて行われる。このスタックデコーダのアルゴリズムは、空の単語列を初期仮説として評価値が最大となる仮説をスタックから取り出して、仮説の展開を進めるアルゴリズムである。ここで、評価値とは仮説の単語列の尤度とその単語列に対応する音節列の尤度、及び探索を制御するヒューリスティクス関数から計算される。さらに、単語列の尤度は言語モデルに基づいて計算される。加えて、音節列の尤度とは単語列の標準的発音に対応する標準的な音節列が入力の音節列に認識される尤度であり、差分モデルから計算される。上記ヒューリスティクス関数としては入力音節列の終端時刻で０となる関数が用いられる。
【００１３】ここで、単語列探索装置５０１〜５０Ｎについて詳細に説明する。図２５は図２３中の単語列探索装置の内部構成を示す図である。図において、２５ａは入力した音節列４０１〜４０Ｎを一時記憶する制御手段５００が実行する単語列探索プログラムにおける音節列一時記憶機能で、制御手段５００内の不図示のメモリを使用して実現される。２５ｂは単語列探索プログラムにおけるスタックＫ２５の内容を初期化する制御手段５００が実行する単語列探索プログラムのスタック初期化機能で、２５ｃは制御手段５００が実行する単語列探索プログラムの初期仮説を生成する初期仮説生成機能である。ここで、仮説とは入力音節列４０１〜４０Ｎの始端から途中までをカバーする単語列候補をいい、属性として音節列４０１〜４０Ｎの始端から途中までにおける単語列、終端時刻、及び評価値を有するものとする。また、空の単語列からなるものを初期の仮説とする。さらに、終端時刻とは、その仮説がカバーしている音節列の長さであり、入力音節列の長さをＴとすると、終端時刻は０〜Ｔの範囲の整数値である。以降では、説明の簡単のために入力音節列４０１〜４０Ｎの長さを全てＴとする。２５ｄは制御手段５００が実行する単語列探索プログラムにおけるスタックＫ２５に格納された仮説のうち評価値が最大の仮説を選択して取り出す仮説選択機能で、２５ｅは制御手段５００が実行する単語列探索プログラムによる単語列探索を終了させる終了処理機能である。
【００１４】２５ｆは制御手段５００が実行する単語列探索プログラムにおける仮説展開機能で、スコア計算機能２５ｇで算出した評価値や言語モデル７０から取り出した単語Ｗなどを用いて、仮説選択機能２５ｄで取り出した仮説に対して新たな仮説を展開する。２５ｇは言語モデル７０から取り出した仮説の単語列に後続する単語の尤度や入力音節列が後続する単語の標準音節列として認識される尤度を算出し、これらから上記仮説の単語列とこれに後続する単語からなる単語列の評価値を算出するスコア計算機能、２５ｈは仮説展開機能２５ｆで求めた新たな仮説をスタックＫ２５に格納する仮説格納機能で、２５ｉは認識結果の単語列８０１〜８０Ｎを一時記憶する単語列一時記憶機能であり、制御手段５００内の不図示のメモリを使用して実現される。２５ｊは差分モデル６０を一時記憶する差分モデル一時記憶機能で、制御手段５００内の不図示のメモリを使用して実現される。２５ｋは言語モデル７０を一時記憶する言語モデル一時記憶機能で、制御手段５００内の不図示のメモリを使用して実現される。Ｋ２５は制御手段５００が実行する単語列探索プログラムにおけるスタックで、不図示のメモリから構成され、Ｎ個の入力音節列４０１〜４０Ｎの各単語列探索における仮説が出し入れされる。５００は単語列探索装置５０１〜５０Ｎ内の制御手段で、この制御手段５００が実行する単語列探索プログラムによって単語列探索が制御される。また、制御手段５００としては単語列探索プログラムを実行するコンピュータ装置などが考えられる。なお、図２３と同一構成要素には同一符号を付して重複する説明を省略する。
【００１５】次に動作について説明する。図２６は図２３中の単語列探索装置による単語列探索動作を示すフロー図であり、このフロー図に沿って動作の説明を行う。なお、ここでは音節列４０１を単語列探索装置５０１が入力した場合について説明する。先ず、単語列探索装置５０１が音節列４０１を入力すると、音節列一時記憶機能２５ａにより不図示のメモリに一時記憶される。制御手段５００は音節列４０１が音節列一時記憶機能２５ａによって一時記憶されると、スタック初期化機能２５ｂによりスタックＫ２５の内容を初期化する（ステップＳＴ２６−１）。
【００１６】スタックＫ２５が初期化されると、初期仮説生成機能２５ｃによって空の単語列からなる初期仮説が作成される。初期仮説が生成されると、仮説格納機能２５ｈによって初期仮説がスタックＫ２５に格納される（ステップＳＴ２６−２）。
【００１７】次に、仮説選択機能２５ｄによってスタックＫ２５から最大の評価値の仮説が取り出される（ステップＳＴ２６−３）。ここでは、ステップＳＴ２６−２で生成された初期仮説は単語列がなく評価値の選択の余地がないので、直ちに選択されてスタックＫ２５から取り出される。
【００１８】ステップＳＴ２６−３で取り出された仮説は、仮説展開機能２５ｆによって仮説の終端時刻Ｔｈと音節列４０１の終端時刻Ｔとの比較が行われる（ステップＳＴ２６−４）。ここで、仮説展開機能２５ｆによって、仮説の終端時刻Ｔｈが入力音節列の終端時刻Ｔに到達していると判断されると、ステップＳＴ２６−１０に進み、展開した仮説の単語列は入力音節列４０１の認識結果の単語列として単語列一時記憶機能２５ｉによって不図示のメモリに記憶される。この単語列一時記憶機能２５ｉによって認識結果の単語列が記憶されると、終了処理機能２５ｅにより認識処理が終了する。
【００１９】一方、仮説展開機能２５ｆによって仮説の終端時刻Ｔｈが音節列４０１の終端時刻Ｔに到達していないと判断されると、ステップＳＴ２６−５に進む。ステップＳＴ２６−５では、仮説展開機能２５ｆによって上記仮説の単語列Ｗｈに後続する単語が言語モデル７０の単語辞書から１つ取り出される。ここでは、上記後続する単語をＷとする。以下、ステップＳＴ２６−６〜ステップＳＴ２６−９の処理を言語モデル７０の単語辞書の任意の単語Ｗについて行う。
【００２０】ステップＳＴ２６−５で言語モデル７０の単語辞書から単語Ｗが取り出されると、言語モデル一時記憶機能２５ｋによって不図示のメモリに一時記憶する。この言語モデル一時記憶機能２５ｋで一時記憶された内容を適宜取り出して、スコア計算機能２５ｇによって仮説の単語列Ｗｈと取り出した単語Ｗとの間で言語モデルの尤度ｌｏｇＰ（Ｗ｜Ｗｈ）が計算される（ステップＳＴ２６−６）。
【００２１】続いて、スコア計算機能２５ｇによって時刻Ｔｈ＋１からＴまでの終端時刻Ｔ１について時刻をカウントし（ステップＳＴ２６−７）、ステップＳＴ２６−８からステップＳＴ２６−９までの処理が実行される。具体的には、ステップＳＴ２６−８において、差分モデル６０から単語Ｗに対応する標準音節列を取り出し、差分モデル一時記憶機能２５ｊによって不図示のメモリに一時記憶する。この差分モデル一時記憶機能２５ｊで記憶された内容を適宜取り出して、スコア計算機能２５ｇによって以下に示す演算が行われる。先ず、入力音節列４０１の時刻Ｔｈ＋１から時刻Ｔ１までの音節の列を下記式で表す。
Ｘ＝［Ｘ（Ｔｈ＋１），Ｘ（Ｔｈ＋２），・・・，Ｘ（Ｔ１）］・・・（１）
但し、Ｔ１はＴｈ＋１〜Ｔの範囲の整数である。また、Ｘ（ｔ）は、入力音節列の第ｔ番目の音節である。また、単語Ｗの標準音節列を下記式で表す。
Ｙ＝［Ｙ（１），Ｙ（２），・・・，Ｙ（Ｊ（Ｗ））］ ・・・（２）
但し、Ｙ（ｔ）は標準音節列の第ｔ番目の音節であり、Ｊ（Ｗ）は単語Ｗの標準音節列長である。
【００２２】これら式（１）、式（２）を用いて、スコア計算機能２５ｇによって差分モデル６０が参照され、標準音節列Ｙが音節列Ｘとして認識される差分モデル６０の尤度ｌｏｇＰ（Ｘ｜Ｙ）が計算される。ここで、上述した差分モデル６０の尤度の計算はＤＰマッチングに基づいて行われる。
【００２３】ステップＳＴ２６−８にて差分モデル６０の尤度が算出されると、仮説展開機能２５ｆによって、単語列Ｗｈと単語Ｗとが連結した単語列、終端時刻をＴ１、及び、差分モデルの尤度と言語モデルの尤度とから求めた評価値ｇ（Ｔ１）＝ｌｏｇＰ（Ｘ｜Ｙ）＋ｌｏｇＰ（Ｗ｜Ｗｈ）＋ｆ（Ｔ１）を有する新たな仮説が生成される。この新たな仮説は、仮説格納機能２５ｈによってスタックＫ２５に格納される（ステップＳＴ２６−９）。ここで、ｆ（ｔ）はヒューリスティクス関数であり、具体的にはｆ（ｔ）＝−（Ｔ−ｔ）である。
【００２４】ステップＳＴ２６−８からステップＳＴ２６−９までの処理は、ステップＳＴ２６−４にて仮説の終端時刻Ｔｈが入力音節列４０１の終端時刻Ｔに到達したと仮説展開機能２５ｆによって判断され、ステップＳＴ２６−１０にて単語列８０１が出力されるまで繰り返される。
【００２５】次に上記以外の従来の音声認識装置を示す。図２７は従来の音声認識装置の他構成（従来例２）を示す図である。図において、２０ａは音節列取得手段であって、音節ネットワーク３０に従ってオートマトン制御１パスＤＰアルゴリズムに基づいて特徴ベクトル時系列１０３に対応する音節列の中で尤度の最も大きい音節列４０を得る。４０は音節列取得手段２０ａが取得した特徴ベクトル時系列１０３に対応する音節列の中で最も尤度の大きい音節列で、各単語列探索装置５０１〜５０Ｎにそれぞれ入力されて単語列探索が行われる。７０１〜７０Ｎは単語の文字表記と発音を含む単語辞書及び単語辞書に存在する単語連鎖についての尤度が記憶されている言語モデルで、各単語列探索装置５０１〜５０Ｎによる単語列探索の際にそれぞれにトピックの異なる言語モデルを出力する。なお、図２３と同一構成要素には同一符号を付して重複する説明を省略する。
【００２６】次に動作について説明する。先ず、音声分析手段１０２は入力音声１０１を分析して特徴ベクトル時系列１０３に変換する。音節列取得手段２０ａは音声分析手段１０２によって入力音声１０１から変換された特徴ベクトル時系列１０３を入力し音節ネットワーク３０に従う経路の中で、オートマトン制御１パスＤＰアルゴリズムに基づいて、尤度の最も大きい最適な音節列４０を出力する。
【００２７】図２８は図２７中の単語列探索装置による単語列探索動作を示すフロー図であり、以下の説明はこのフローに沿って行う。単語列探索装置５０１は音節列取得手段２０ａから音節列４０を入力すると、差分モデル６０の差分モデルと言語モデル７０１の言語モデルとを参照して音節列４０について尤度が最大となる単語列の探索を行い（ステップＳＴ２００）、最大の尤度を有する単語列８０１をその尤度とともに選択手段５２に出力する（ステップＳＴ２０１）。
【００２８】単語列探索装置５０２は音節列取得手段２０ａから音節列４０を入力すると、差分モデル６０の差分モデルと言語モデル７０２の言語モデル７０１とはトピックの異なる言語モデルとを参照して音節列４０について尤度が最大となる単語列の探索を行い（ステップＳＴ２０２）、最大の尤度を有する単語列８０２をその尤度とともに選択手段５２に出力する（ステップＳＴ２０３）。
【００２９】上記の動作を順次行ってゆき、単語列探索装置５０Ｎが音節列取得手段２０ａから音節列４０を入力すると、差分モデル６０の差分モデルと言語モデル７０Ｎの言語モデル７０１，７０２，・・・とはトピックの異なる言語モデルとを参照して音節列４０について尤度が最大となる単語列の探索を行い（ステップＳＴ２０４）、最大の尤度を有する単語列８０Ｎをその尤度とともに選択手段５２に出力する（ステップＳＴ２０５）。
【００３０】選択手段５２は上記各ステップで取得した単語列８０１〜８０Ｎの尤度を比較して、最大の尤度を有する単語列８０を認識結果として出力する（ステップＳＴ２０６）。
【００３１】さらに、上記以外の従来の音声認識装置を示す。図２９は従来の音声認識装置の他構成（従来例３）を示す図である。図において、６０１〜６０Ｎは標準音節列と対応する入力音節列及び標準音節列が入力音節列に変換される尤度が記述されている差分モデルで、各単語列探索装置５０１〜５０Ｎによる単語列探索の際に話者クラスタが異なる差分モデルをそれぞれに出力する。なお、図２３及び図２７と同一構成要素には同一符号を付して重複する説明を省略する。
【００３２】次に動作について説明する。先ず、音声分析手段１０２は入力音声１０１を分析して特徴ベクトル時系列１０３に変換する。音節列取得手段２０ａは音声分析手段１０２によって入力音声１０１から変換された特徴ベクトル時系列１０３を入力し音節ネットワーク３０に従う経路の中で、オートマトン制御１パスＤＰアルゴリズムに基づいて、尤度の最も大きい最適な音節列４０を出力する。ここまでは上記構成と同様である。
【００３３】図３０は図２９中の単語列探索装置による単語列探索動作を示すフロー図であり、以下の説明はこのフローに沿って行う。単語列探索装置５０１は音節列取得手段２０ａから音節列４０を入力すると、差分モデル６０１の差分モデルと言語モデル７０の言語モデルとを参照して音節列４０について尤度が最大となる単語列の探索を行い（ステップＳＴ３００）、最大の尤度を有する単語列８０１をその尤度とともに選択手段５２に出力する（ステップＳＴ３０１）。
【００３４】単語列探索装置５０２は音節列取得手段２０ａから音節列４０を入力すると、差分モデル６０２の差分モデル６０１とは話者クラスタが異なる差分モデルと言語モデル７０の言語モデルとを参照して音節列４０について尤度が最大となる単語列の探索を行い（ステップＳＴ３０２）、最大の尤度を有する単語列８０２をその尤度とともに選択手段５２に出力する（ステップＳＴ３０３）。
【００３５】上記の動作を順次行ってゆき、単語列探索装置５０Ｎが音節列取得手段２０ａから音節列４０を入力すると、差分モデル６０Ｎの差分モデル６０１，６０２，・・・とは話者クラスタが異なる差分モデルと言語モデル７０の言語モデルとを参照して音節列４０について尤度が最大となる単語列の探索を行い（ステップＳＴ３０４）、最大の尤度を有する単語列８０Ｎをその尤度とともに選択手段５２に出力する（ステップＳＴ３０５）。
【００３６】選択手段５２は上記各ステップで取得した単語列８０１〜８０Ｎの尤度を比較して、最大の尤度を有する単語列８０を認識結果として出力する（ステップＳＴ３０６）。
【００３７】
【発明が解決しようとする課題】従来の単語列探索装置、音声認識装置及び単語列探索方法は以上のように構成されているので、単語列探索に膨大な処理量を要するという課題があった。
【００３８】上記課題を具体的に説明すると、上述した従来例１では、複数の基本単位列（音節列４０１〜４０Ｎ）のそれぞれに対して単語列探索を行うため、基本単位列数倍の処理量を要する。
【００３９】また、従来例２では、１つの基本単位列（音節列４０）に対して言語モデル７０１〜７０Ｎからの複数の言語モデルによる単語列探索を行うため、言語モデル数倍の処理量を要していた。
【００４０】さらに、従来例３においても、同様に１つの基本単位列（音節列４０）に対して差分モデル６０１〜６０Ｎからの複数の差分モデルによる単語列探索を行うため、差分モデル数倍の処理量を要していた。
【００４１】加えて、単語列探索の入力の基本単位列、あるいは、単語列探索で参照する言語モデル、差分モデルの少なくともいずれかが複数存在するときに、これらの組合わせ数倍の処理量を要していた。
【００４２】この発明は上記のような課題を解決するためになされたもので、それぞれ異なる音節列、言語モデル、及び差分モデルに対して、スタックを用意して最大の評価値の仮説を展開することで、単語列探索を効率的に行うことができる単語列探索装置を得ることを目的とする。
【００４３】また、この発明は上記単語列探索装置を用いることで、単語列探索を効率的に行い、効率的に入力音声の認識をすることができる音声認識装置を得ることを目的とする。
【００４４】さらに、この発明はそれぞれ異なる音節列、言語モデル、及び差分モデルに対して、スタックを用意して最大の評価値の仮説を展開することで、処理量を低減することができる単語列探索法を得ることを目的とする。
【００４５】
【課題を解決するための手段】この発明に係る単語列探索装置は、入力音声に対応する単語列の探索途中の部分列を表す仮説を格納する複数の仮説格納手段と、これら複数の仮説格納手段に格納される全ての仮説の中から上記入力音声に対する尤度が最大の部分列を表す仮説を選択して、この仮説を基に単語列の探索を行う単語列探索手段とを備えるものである。
【００４６】この発明に係る単語列探索装置は、仮説格納手段が入力音声に対応する複数の基本音節列の個数分設けられ、基本音節列に対応する単語列の探索における仮説を格納するものである。
【００４７】この発明に係る単語列探索装置は、仮説格納手段が単語列探索に使用する単語が登録された単語辞書を含んでなる複数の言語モデルの個数分設けられ、各言語モデルをそれぞれ使用した単語列探索における仮説を格納するものである。
【００４８】この発明に係る単語列探索装置は、仮説格納手段が標準音節列及びその入力音声に対応する基本音節列に対する尤度からなる複数の差分モデルの個数分設けられ、各差分モデルをそれぞれ使用した単語列探索における仮説を格納するものである。
【００４９】この発明に係る単語列探索装置は、入力音声に対応する基本音節列、単語列探索に使用する単語が登録された単語辞書を含んでなる言語モデル、及び標準音節列及びその基本音節列に対する尤度からなる差分モデルのうちのいずれかを複数組み有し、仮説格納手段を上記複数組分設けて、基本音節列、言語モデル及び差分モデルの各組み合わせに基づいた単語列探索における仮説を格納するものである。
【００５０】この発明に係る単語列探索装置は、仮説格納手段が、仮説の格納・取り出しが自在のスタックとして機能するものである。
【００５１】この発明に係る音声認識装置は、認識対象の音声を入力する音声入力手段と、入力音声に対応する基本音節列を取得する音節列取得手段と、この音節列取得手段が取得した基本音節列に基づいて入力音声に対応する単語列を探索する上記単語列探索装置とを備えるものである。
【００５２】この発明に係る単語列探索方法は、入力音声に対応する単語列の探索途中の部分列を表す仮説を複数の仮説格納手段にそれぞれ格納する仮説格納ステップと、これら複数の仮説格納手段に格納される全ての仮説の中から入力音声に対する尤度が最大の部分列を表す仮説を選択して、この仮説を基に単語列の探索を行う単語列探索ステップとを備えるものである。
【００５３】この発明に係る単語列探索方法は、入力音声に対応する基本音節列を取得する基本音節列取得ステップを備え、仮説格納ステップにて、基本音節列の個数分設けた仮説格納手段に基本音節列に対応する単語列の探索における仮説を格納するものである。
【００５４】この発明に係る単語列探索方法は、仮説格納ステップにて、仮説格納手段を単語列探索に使用する単語が登録された単語辞書を含んでなる複数の言語モデルの個数分設けて、各言語モデルをそれぞれ使用した単語列探索における仮説を格納するものである。
【００５５】この発明に係る単語列探索方法は、仮説格納ステップにて、仮説格納手段を標準音節列及びその入力音声に対応する基本音節列に対する尤度からなる複数の差分モデルの個数分設けて、各差分モデルをそれぞれ使用した単語列探索における仮説を格納するものである。
【００５６】この発明に係る単語列探索方法は、入力音声に対応する基本音節列を取得する基本音節列取得ステップを備え、仮説格納ステップにて、基本音節列、単語列探索に使用する単語が登録された単語辞書を含んでなる言語モデル、及び標準音節列及びその基本音節列に対する尤度からなる差分モデルのうちのいずれかを複数組み有し、仮説格納手段を複数組分設けて、基本音節列、言語モデル及び差分モデルの各組み合わせに基づいた単語列探索における仮説を格納するものである。
【００５７】この発明に係る単語列探索方法は、仮説格納手段が、仮説の格納・取り出しが自在のスタックとして機能するものである。
【００５８】この発明に係る記録媒体は、入力音声に対応する単語列の探索途中の部分列を表す仮説を複数の仮説格納手段にそれぞれ格納する仮説格納ステップと、これら複数の仮説格納手段に格納される全ての仮説の中から入力音声に対する尤度が最大の部分列を表す仮説を選択して、この仮説を基に単語列の探索を行う単語列探索ステップとをコンピュータに実現させる単語列探索プログラムを記録するものである。
【００５９】
【発明の実施の形態】以下、この発明の実施の一形態を説明する。
実施の形態１．図１はこの発明の実施の形態１による音声認識装置の構成を示す図である。図において、２は入力音声１０に対応する音節列４１〜４Ｎを得る音節列取得手段で、音声分析手段１１からの特徴ベクトル時系列１２を入力し、音節ネットワーク３に従って、オートマトン制御１パスＤＰアルゴリズムに基づいて特徴ベクトル時系列１２に対応する音節列の中で尤度の大きい上位Ｎ個の音節列４１〜４Ｎを得る。３は音節ネットワークであって、基本単位列としての音節列を構成する音素の接続をネットワーク表現するもので、音素を接続するためのノードと音節を表すアークとから構成される。上記音節のアークは基本ＨＭＭの連鎖によって表される。また、音素間の調音結合の影響を考慮して、基本ＨＭＭとして音素環境依存のｌｅｆｔ−ｔｏ−ｒｉｇｈｔ型３状態音素ＨＭＭを用いる。５は入力した音節列４１〜４Ｎに対して差分モデル６と言語モデル７とを参照して単語列８を探索する単語列探索装置である。
【００６０】６は差分モデルで、標準音節列と対応する音節列４１〜４Ｎ及び標準音節列が音節列４１〜４Ｎとして認識される尤度が記述されている。この尤度は標準音節列が音節列４１〜４Ｎに対応づけられる確率の対数値としてある。７は言語モデルで、単語検索に用いられる単語の文字表記と標準的な発音を表す標準音節列との組みからなる単語辞書及びこの単語辞書に記述された単語が先行２単語を条件として出現する尤度値、即ち単語トライグラムが記憶されている。この単語トライグラムとは、上記単語辞書にある単語Ｗ１，Ｗ２，Ｗ３に対して尤度ｌｏｇＰ（Ｗ３｜Ｗ１Ｗ２）の推定値を与える言語モデルである。８は入力音声１０の認識結果として出力される単語列、１０は認識対象である入力音声で、１１は入力音声１０を分析して特徴ベクトル時系列１２に変換する音声分析手段である。４１〜４Ｎは音節列取得手段２が取得した入力音声１０に対応する音節列（基本音節列）である。
【００６１】図２は実施の形態１による音声認識装置で使用されるデータ例を示す図であり、（ａ）は入力音声、（ｂ）は（ａ）の入力音声に対応する音節列、（ｃ）は差分モデル、（ｄ）言語モデルに含まれる単語辞書である。図２（ａ）に示した入力音声「稲を刈る」に対して、音声分析手段１１及び音節列取得手段２を介して得られる音節列の内容例が図２（ｂ）である。また、図２（ｂ）に示した音節列に対応する差分モデル６の内容例が図２（ｃ）に示すものであり、標準音節列と標準音節列が図２（ｂ）の音節列として認識される尤度とが記述されている。さらに、図２（ｂ）に示した音節列に対応する単語辞書の内容例が図２（ｄ）に示すものであり、入力音声「稲を刈る」に関連する単語の文字表記とその標準的な発音を表す標準音節列との組みからなる。
【００６２】図３は図１中の単語列探索装置の構成を示す図である。図において、３ａ−１〜３ａ−Ｎは入力した音節列４１〜４Ｎをそれぞれ一時記憶する制御手段５００ａが実行する単語列探索プログラムにおける音節列一時記憶機能で、制御手段５００ａ内の不図示のメモリを使用して実現される。３ｂは単語列探索プログラムにおけるスタックＫ５０１〜Ｋ５０Ｎの内容を初期化する単語列探索プログラムのスタック初期化機能で、３ｃは単語列探索プログラムにおける初期仮説を生成する初期仮説生成機能である。ここで、仮説とは入力音節列４１〜４Ｎの始端から途中までをカバーする単語列候補をいい、属性として各音節列４１〜４Ｎの始端から途中までに対応する単語列、終端時刻、及び評価値を有するものとする。また、空の単語列からなるものを初期の仮説とする。さらに、終端時刻とは、その仮説がカバーしている音節列の長さであり、入力音節列の長さをＴとすると、終端時刻は０〜Ｔの範囲の整数値である。以降では説明の簡単のために入力音節列４１〜４Ｎの長さを全てＴとする。３ｄは単語列探索プログラムにおけるスタックＫ５０１〜Ｋ５０Ｎに格納された仮説のうち評価値が最大の仮説を選択して取り出す仮説選択機能で、３ｅは単語列探索プログラムにおける単語列探索を終了させる終了処理機能である。
【００６３】３ｆは制御手段５００ａが実行する単語列探索プログラムにおける仮説展開機能で、スコア計算機能３ｇで算出した評価値や言語モデル７から取り出した単語Ｗなどを用いて、仮説選択機能３ｄで取り出した仮説に対して新たな仮説を展開する。３ｇは言語モデル７から取り出した仮説の単語列に後続する単語の尤度や入力音節列が後続する単語の標準音節列として認識される尤度を算出し、これらから上記仮説の単語列とこれに後続する単語からなる単語列の評価値を算出するスコア計算機能、３ｈは仮説展開機能３ｆで求めた新たな仮説を、それを取り出したスタックＫ５０１〜Ｋ５０Ｎのいずれかに格納する仮説格納機能で、３ｉは認識結果の単語列８を一時記憶する単語列一時記憶機能であり、制御手段５００ａ内の不図示のメモリを使用して実現される。３ｊは差分モデル６を一時記憶する差分モデル一時記憶機能で、制御手段５００ａ内の不図示のメモリを使用して実現される。３ｋは言語モデル７を一時記憶する言語モデル一時記憶機能で、制御手段５００ａ内の不図示のメモリを使用して実現される。Ｋ５０１〜Ｋ５０Ｎは単語列探索プログラムにおけるスタック（仮説格納手段）で、不図示のメモリによって実現されて、Ｎ個の入力音節列４１〜４Ｎのそれぞれに対して設けられており、音節列４１〜４Ｎの各単語列探索における仮説をそれぞれ出し入れする。５００ａは単語列探索装置５内の制御手段（単語列探索手段）で、この制御手段５００ａが実行する単語列探索プログラムによって単語列探索が制御される。また、制御手段５００ａとしては単語列探索プログラムを実行するコンピュータ装置などが考えられる。なお、図１と同一構成要素には同一符号を付して重複する説明を省略する。
【００６４】次に動作について説明する。図４は図３中の単語列探索装置による単語列探索動作を示すフロー図であり、このフロー図に沿って単語列探索装置５の動作をより詳しく説明する。先ず、図４に示す動作に入る前に、音声分析手段１１は入力音声１０を分析して特徴ベクトル時系列１２に変換する。音節列取得手段２はオートマトン制御１パスＤＰアルゴリズムに基づいて、音声分析手段１１に変換された特徴ベクトル時系列１２を入力し音節ネットワーク３に従う経路の中で、尤度の高い上位Ｎ個の最適な音節列４１〜４Ｎを出力する。単語列探索装置５が音節列４１〜４Ｎを入力すると、これらを音節列一時記憶機能３ａ−１〜３ａ−Ｎによって不図示のメモリにそれぞれ一時記憶する。
【００６５】制御手段５００ａは音節列４１〜４Ｎが音節列一時記憶機能３ａ−１〜３ａ−Ｎによってそれぞれ一時記憶されると、スタック初期化機能３ｂによりスタックＫ５０１〜Ｋ５０Ｎの内容を初期化する（ステップＳＴ１）。図５は初期化後のスタックの内容を示す図である。図において、スタックの深さとは単語列探索処理において各スタックＫ５０１〜Ｋ５０Ｎに逐次格納される仮説の個数を示している。このように、スタック初期化機能３ｂによって各スタックＫ５０１〜Ｋ５０Ｎには仮説がない状態になっている。
【００６６】スタックＫ５０１〜Ｋ５０Ｎが初期化されると、初期仮説生成機能３ｃによって空の単語列からなる初期の仮説が作成される。初期仮説が生成されると、仮説格納機能３ｈによって初期仮説がスタックＫ５０１〜Ｋ５０Ｎにそれぞれ格納される（ステップＳＴ２、仮説格納ステップ）。図６は初期仮説を格納したスタックの内容を示す図である。図において、［Ｋ５０１，［］，０，ｆ（０）］〜［Ｋ５０Ｎ，［］，０，ｆ（０）］は仮説を［スタック番号，単語列，終端時刻，評価値］の４つのパラメータで表した際の初期仮説であり、空の単語列（図６中の［］で表す）、各仮説の終端時刻を０、評価値ｆ（０）（＝−５；音節列４１〜４Ｎの各終端時刻Ｔを５とした場合）で構成されている。図６に示すように、この時点で各スタックＫ５０１〜Ｋ５０Ｎには初期仮説がそれぞれひとつ存在する状態になる。なお、ｆ（ｔ）は探索を制御するヒューリスティクス関数で、具体的にはｆ（ｔ）＝−（Ｔ−ｔ）（但し、Ｔは入力音節列の終端時刻（入力音節列の長さ））である。
【００６７】次に、仮説選択機能３ｄによってスタックＫ５０１〜Ｋ５０Ｎの中から最大の評価値の仮説が取り出される（ステップＳＴ３、単語列探索ステップ）。具体的には、仮説選択機能３ｄによってスタックＫ５０１〜Ｋ５０Ｎに格納されている仮説の評価値を順番に調べて、スタックＫ５０１〜Ｋ５０Ｎの中で評価値が最大の仮説を取り出す。この実施の形態１では、同一評価値の場合はスタック番号の若い方のスタックの仮説を選択する。図６に示すように、初期仮説では全て評価値が同一であるので、スタック番号の若いスタックＫ５０１に格納された初期仮説［Ｋ５０１，［］，０，−５］（以降、仮説ｈとする）が選択される。
【００６８】ステップＳＴ３で取り出された仮説は、仮説展開機能３ｆによって仮説ｈの終端時刻Ｔｈと入力音節列の終端時刻Ｔとの比較が行われる（ステップＳＴ４、単語列探索ステップ）。このとき、選択された仮説ｈの終端時刻Ｔｈは０、入力音節列の終端時刻Ｔは５であり、仮説ｈの終端時刻Ｔｈが入力音節列の終端時刻Ｔに到達していないため、ステップＳＴ５に進む。
【００６９】次に、ステップＳＴ５以下で選択された仮説ｈの展開を行う。ステップＳＴ５では、仮説展開機能３ｆによって上記仮説の単語列Ｗｈ（＝［］）に後続する単語が言語モデル７の単語辞書から１つ取り出される。ここで、取り出した単語をＷ１とする。以降、ステップＳＴ６からステップＳＴ９までの処理を単語辞書の任意の単語Ｗについて行う（なお、ここでは単語Ｗ１のみが後続し得る単語Ｗであるとして説明する）。
【００７０】ステップＳＴ５で言語モデル７の単語辞書から単語Ｗ１が取り出されると、言語モデル一時記憶機能３ｋによって不図示のメモリに一時記憶する。この言語モデル一時記憶機能３ｋで一時記憶された内容を適宜取り出して、スコア計算機能３ｇによって仮説の単語列Ｗｈと取り出した単語Ｗ１との間で言語モデル７の尤度ｌｏｇＰ（Ｗ１｜Ｗｈ）（＝ｌｏｇＰ（Ｗ１｜［］））が計算される（ステップＳＴ６、単語列探索ステップ）。
【００７１】続いて、スコア計算機能３ｇによって時刻Ｔｈ＋１からＴまでにおける仮説ｈの終端時刻Ｔ１について時刻をカウントし（ステップＳＴ７、単語列探索ステップ）、ステップＳＴ８からステップＳＴ９までの処理が実行される。具体的には、仮説ｈの終端時刻Ｔ１を、スタックＫ５０１に関係付けられている入力音節列４１の終端時刻Ｔを上限として、Ｔ１＝Ｔｈ＋１，Ｔｈ＋２，・・・，Ｔの範囲で、ステップＳＴ８からステップＳＴ９までの処理を実行する。
【００７２】ステップＳＴ８（単語列探索ステップ）において、差分モデル６から単語Ｗ１に対応する標準音節列を取り出し、差分モデル一時記憶機能３ｊによって不図示のメモリに一時記憶する。この差分モデル一時記憶機能３ｊで記憶された内容を適宜取り出して、スコア計算機能３ｇによって以下に示す演算が行われる。先ず、入力音節列４１の時刻Ｔｈ＋１から時刻Ｔ１までの音節の列を、上述したものと同様に式（１）で表す。
Ｘ＝［Ｘ（Ｔｈ＋１），Ｘ（Ｔｈ＋２），・・・，Ｘ（Ｔ１）］・・・（１）
但し、Ｔ１はＴｈ＋１〜Ｔの範囲の整数で、Ｘ（ｔ）は入力音節列の第ｔ番目の音節とする。また、単語Ｗ１の標準音節列を式（２）に基づいて下記式で表す。
Ｙ＝［Ｙ（１），Ｙ（２），・・・，Ｙ（Ｊ（Ｗ１））］ ・・・（３）
但し、Ｙ（ｔ）は標準音節列の第ｔ番目の音節であり、Ｊ（Ｗ１）は単語Ｗ１の標準音節列長である。
【００７３】これら式（１）、式（３）を用いて、スコア計算機能３ｇによって差分モデル６が参照されて、標準音節列Ｙが音節列Ｘとして認識される差分モデル６の尤度ｌｏｇＰ（Ｘ｜Ｙ）が計算される。ここで、上記差分モデル６の尤度の計算はＤＰマッチングに基づいて行われる。
【００７４】ステップＳＴ８にて差分モデル６の尤度が算出されると、仮説展開機能３ｆによって、単語列［Ｗ１］、終端時刻Ｔ１、評価値ｇ（Ｔ１）＝ｌｏｇＰ（Ｘ｜Ｙ）＋ｌｏｇＰ（Ｗ１｜［］）＋ｆ（Ｔ１）からなる新たな仮説［Ｋ５０１，［Ｗ１］，Ｔ１，ｇ（Ｔ１）］が生成される。この新たな仮説は、仮説格納機能３ｈによってスタックＫ５０１に格納される（ステップＳＴ９、単語列探索ステップ）。ここで、ｆ（ｔ）は単語列探索を制御するヒューリスティクス関数であり、具体的には、ｆ（ｔ）＝−（Ｔ−ｔ）である。また、この関数は入力音節列の終端時刻ｔ＝Ｔで値０をとるため、時刻ｔ＝Ｔでの評価値ｆ（Ｔ）は差分モデル６による尤度と言語モデル７による尤度の和（即ち、ｌｏｇＰ（Ｘ｜Ｙ）＋ｌｏｇＰ（Ｗ１｜［］））と一致する。
【００７５】以上の処理にて、ステップＳＴ７からステップＳＴ９までの繰り返し部分の実行を終了する。図７は仮説の展開が進んだ段階におけるスタックの内容を示す図である。図に示すように、ステップＳＴ７からステップＳＴ９までの繰り返し部分が実行された段階で、スタックＫ５０１には、単語Ｗ１を後続させた仮説ｈの終端時刻Ｔ１が入力音節列４１の終端時刻Ｔに一致するまでの仮説［Ｋ５０１，［Ｗ１］，Ｔｈ＋１，ｇ（Ｔｈ＋１）］、［Ｋ５０１，［Ｗ１］，Ｔｈ＋２，ｇ（Ｔｈ＋２）］、・・・、［Ｋ５０１，［Ｗ１］，Ｔ，ｇ（Ｔ）］が格納される。
【００７６】上記ステップＳＴ５からステップＳＴ９までのループが終了すると、ステップＳＴ３に戻って、仮説選択機能３ｄによってスタックＫ５０１〜Ｋ５０Ｎに置かれた仮説（図７参照）の中から、評価値が最大の仮説が選択される。このとき、スタックＫ５０１に格納される仮説［Ｋ５０１，［Ｗ１］，３，−１］が選択される（これを仮説ｈとする）。
【００７７】次に、ステップＳＴ４で、仮説選択機能３ｄによって選択された仮説ｈの終端時刻ＴｈがスタックＫ５０１に関連付けられている音節列４１の終端時刻Ｔに到達しているかを仮説展開機能３ｆによって調べる。この場合、選択された仮説ｈの終端時刻Ｔｈ（＝３）は、音節列４１の終端時刻Ｔ（＝５）に到達していないので、ステップＳＴ５に進み、仮説ｈの展開が行なわれる。ステップＳＴ５では、仮説展開機能３ｆによって上記仮説の単語列Ｗｈ（＝［Ｗ１］）に後続する単語が言語モデル７の単語辞書から１つ取り出される。ここで、取り出した単語をＷ２とする。以降、ステップＳＴ６〜ステップＳＴ９までの処理を単語辞書の任意の単語Ｗについて行う（なお、ここでは単語Ｗ２のみが後続し得る単語Ｗであるとして説明する）。
【００７８】ステップＳＴ５で言語モデル７の単語辞書から単語Ｗ２が取り出されると、言語モデル一時記憶機能３ｋによって不図示のメモリに一時記憶する。この言語モデル一時記憶機能３ｋで一時記憶された内容を適宜取り出して、スコア計算機能３ｇによって仮説の単語列Ｗ１と取り出した単語Ｗ２との間で言語モデル７の尤度ｌｏｇＰ（Ｗ２｜Ｗｈ）（＝ｌｏｇＰ（Ｗ２｜［Ｗ１］））が計算される（ステップＳＴ６、単語列探索ステップ）。
【００７９】続いて、スコア計算機能３ｇによって時刻Ｔｈ＋１からＴまでにおける仮説ｈの終端時刻Ｔ１について時刻をカウントし、スタックＫ５０１に関係付けられている入力音節列４１の終端時刻Ｔを上限として、Ｔ１＝Ｔｈ＋１，Ｔｈ＋２，・・・，Ｔ（＝４、５）の範囲で、ステップＳＴ８からステップＳＴ９までの処理を実行する（ステップＳＴ７、単語列探索ステップ）。
【００８０】ステップＳＴ８では、上記と同様に入力音節列の時刻Ｔｈ＋１から時刻Ｔ１までの音節列を式（１）で表す。
Ｘ＝［Ｘ（Ｔｈ＋１），Ｘ（Ｔｈ＋２），・・・，Ｘ（Ｔ１）］・・・（１）
また、単語Ｗ２の標準音節列も式（２）に基づいて下記式（４）で表す。
Ｙ＝［Ｙ（１），Ｙ（２），・・・，Ｙ（Ｊ（Ｗ２））］ ・・・（４）
【００８１】これら式（１）、式（４）を用いて、スコア計算機能３ｇによって差分モデル６が参照されて、標準音節列Ｙが音節列Ｘとして認識される差分モデル６の尤度ｌｏｇＰ（Ｘ｜Ｙ）が計算される。ここで、上記差分モデル６の尤度の計算はＤＰマッチングに基づいて行われる。但し、Ｊ（Ｗ２）は単語Ｗ２の標準音節列長であり、照合尤度の計算はＤＰマッチングに基づいて行われる。
【００８２】ステップＳＴ８にて差分モデル６の尤度が算出されると、仮説展開機能３ｆによって、単語列［Ｗ１Ｗ２］、終端時刻Ｔ１、評価値ｇ（Ｔ１）＝ｌｏｇＰ（Ｘ｜Ｙ）＋ｌｏｇＰ（Ｗ２｜［Ｗ１］）＋ｆ（Ｔ１）からなる新たな仮説［Ｋ５０１，［Ｗ１Ｗ２］，Ｔ１，ｇ（Ｔ１）］が生成される。この新たな仮説は、仮説格納機能３ｈによってスタックＫ５０１に格納される（ステップＳＴ９、単語列探索ステップ）。
【００８３】以上の処理にて、ステップＳＴ７からステップＳＴ９までの繰り返し部分の実行を終了する。図８は仮説の展開が図７より進んだ段階におけるスタックの内容を示す図である。図に示すように、ステップＳＴ７からステップＳＴ９までの繰り返し部分が実行された段階で、スタックＫ５０１には、仮説［Ｋ５０１，［Ｗ１Ｗ２］，Ｔｈ＋１，ｇ（Ｔｈ＋１）］、［Ｋ５０１，［Ｗ１Ｗ２］，Ｔｈ＋２，ｇ（Ｔｈ＋２）］、・・・、［Ｋ５０１，［Ｗ１Ｗ２］，Ｔ，ｇ（Ｔ）］が格納される。
【００８４】上記ステップＳＴ５からステップＳＴ９までのループが終了すると、ステップＳＴ３に戻って、仮説選択機能３ｄによってスタックＫ５０１〜Ｋ５０Ｎに置かれた仮説（図８参照）の中から、評価値が最大の仮説が選択される。このとき、図８に示すように、スタックＫ５０１に格納される２つの仮説［Ｋ５０１，［Ｗ１］，４，−２］と［Ｋ５０１，［Ｗ１Ｗ２］，５，−２］の評価値がそれぞれ−２で同一の最大値をとっている。このような場合、実施の形態１では、同一スタック内に同一評価値の仮説が存在すると、終端時刻の大きい方を選択する。これにより、仮説［Ｋ５０１，［Ｗ１Ｗ２］，５，−２］（以降、仮説ｈとする）がスタックＫ５０１から選択される。
【００８５】次に、ステップＳＴ４で、仮説選択機能３ｄによって選択された仮説ｈの終端時刻ＴｈがスタックＫ５０１に関連付けられている音節列４１の終端時刻Ｔに到達しているかを仮説展開機能３ｆによって調べる。この場合は、図８に示すように仮説ｈの終端時刻Ｔｈが５であり、スタックＫ５０１に関連づけられた音節列４１の終端時刻Ｔに到達しているので、この仮説ｈは探索の一つの解となる。このようにして、仮説ｈの終端時刻Ｔｈが音節列４１の終端時刻Ｔに到達すると、ステップＳＴ１０に進む。
【００８６】ステップＳＴ１０では、この仮説ｈの単語列Ｗｈ（＝［Ｗ１Ｗ２］）を入力音声に対する認識結果の単語列８として単語列一時記憶機能３ｉによって不図示のメモリに記憶される。この単語列一時記憶機能３ｉによって認識結果の単語列が記憶されると、終了処理機能３ｅにより認識処理が終了する。
【００８７】上記実施の形態１では、音節列４１について仮説の選択及び展開が進行する場合について説明した。この場合、仮説の展開回数は、音節列４１だけの展開回数で済んでいる。一方、従来では、音節列数をＮとすると、Ｎ個の音節列の１つの音節列について、それぞれ単語列探索を適用して、尤度最大の単語列を求めているため、仮説の展開回数は１つの音節列の展開回数のほぼＮ倍となる。従って、この実施の形態１によれば、従来のほぼ１／Ｎの仮説の展開回数で済むことがわかる。
【００８８】以上のように、この実施の形態１によれば、入力音声１０に対応する複数の音節列４１〜４Ｎに対してスタックＫ５０１〜Ｋ５０Ｎをそれぞれ設け、これらスタックＫ５０１〜Ｋ５０Ｎに格納される仮説のうち、評価値が最大となる部分列を有する仮説を選択、展開し、展開された仮説をもとのスタックに戻すようにしているので、従来のように単語列ごとにスタックを用いて単語列探索を行う場合に比べて、少ない時間で単語列を探索することができる。
【００８９】実施の形態２．上記実施の形態１では複数の音節列の候補に対してスタックをそれぞれ設け、尤度最大の仮説を優先的に展開するものを示したが、この実施の形態２は１つの音節列に対して複数の言語モデルを用い、それぞれの言語モデルに対応してスタックを設けるものである。
【００９０】図９はこの発明の実施の形態２による音声認識装置の構成を示す図である。図において、２ａは入力音声１０に対応する音節列４を得る音節列取得手段で、音声分析手段１１からの特徴ベクトル時系列１２を入力し、音節ネットワーク３に従って、オートマトン制御１パスＤＰアルゴリズムに基づいて特徴ベクトル時系列１２に対応する音節列の中で尤度が最も大きい音節列４を得る。４は音節列取得手段２が取得した入力音声１０に対応する尤度が最も大きい音節列（基本音節列）である。５ａは入力した音節列４に対して差分モデル６と言語モデル７１〜７Ｎとを参照して単語列８を探索する単語列探索装置である。７１〜７Ｎはそれぞれ異なるトピックの解析済コーパスを用いて学習された言語モデルである。なお、図１と同一構成要素には同一符号を付して重複する説明を省略する。
【００９１】図１０は図９中の単語列探索装置の構成を示す図である。図において、３ａは入力した音節列４を一時記憶する制御手段５００ｂが実行する単語列探索プログラムにおける音節列一時記憶機能で、制御手段５００ｂ内の不図示のメモリを使用して実現される。３ｆ−１は制御手段５００ｂが実行する単語列探索プログラムにおける仮説展開機能で、スコア計算機能３ｇ−１で算出した評価値や言語モデル７１〜７Ｎから取り出した単語Ｗなどを用いて、仮説選択機能３ｄで取り出した仮説に対して新たな仮説を展開する。３ｇ−１は言語モデル７１〜７Ｎから取り出した仮説の単語列に後続する単語の尤度や入力音節列が後続する単語の標準音節列として認識される尤度を算出し、これらから上記仮説の単語列とこれに後続する単語からなる単語列の評価値を算出するスコア計算機能である。３ｋ−１〜３ｋ−Ｎは言語モデル７１〜７Ｎを一時記憶する言語モデル一時記憶機能で、制御手段５００ｂ内の不図示のメモリを使用して実現される。５００ｂは単語列探索装置５ａ内の制御手段（単語列探索手段）で、この制御手段５００ｂが実行する単語列探索プログラムによって単語列探索が制御される。また、制御手段５００ｂとしては単語列探索プログラムを実行するコンピュータ装置などが考えられる。なお、図３と同一構成要素には同一符号を付して重複する説明を省略する。
【００９２】次に動作について説明する。図１１は図１０中の単語列探索装置による単語列探索動作を示すフロー図であり、このフロー図に沿って単語列探索装置５ａの動作をより詳しく説明する。先ず、図１１に示す動作に入る前に、音声分析手段１１は入力音声１０を分析して特徴ベクトル時系列１２に変換する。音節列取得手段２ａはオートマトン制御１パスＤＰアルゴリズムに基づいて、音声分析手段１１に変換された特徴ベクトル時系列１２を入力し音節ネットワーク３に従う経路の中で、尤度の最も高い音節列４を出力する。単語列探索装置５ａが音節列４を入力すると、これらを音節列一時記憶機能３ａによって不図示のメモリにそれぞれ一時記憶する。
【００９３】制御手段５００ｂは音節列４が音節列一時記憶機能３ａによってそれぞれ一時記憶されると、スタック初期化機能３ｂにより言語モデル７１〜７Ｎに対してスタックＫ５０１〜Ｋ５０Ｎの内容を初期化する（ステップＳＴ１ａ）。図１２は初期化後のスタックの内容を示す図である。図において、スタックの深さとは単語列探索処理において各スタックＫ５０１〜Ｋ５０Ｎに逐次格納される仮説の個数を示している。このように、スタック初期化機能３ｂによって各スタックＫ５０１〜Ｋ５０Ｎには仮説がない状態になっている。
【００９４】スタックＫ５０１〜Ｋ５０Ｎが初期化されると、初期仮説生成機能３ｃによって空の単語列からなる初期の仮説が作成される。初期仮説が生成されると、仮説格納機能３ｈによって初期仮説がスタックＫ５０１〜Ｋ５０Ｎにそれぞれ格納される（ステップＳＴ２ａ、仮説格納ステップ）。図１３は初期仮説を格納したスタックの内容を示す図である。図において、［Ｋ５０１，［］，０，ｆ（０）］〜［Ｋ５０Ｎ，［］，０，ｆ（０）］は仮説を［スタック番号，単語列，終端時刻，評価値］の４つのパラメータで表した際の初期仮説であり、空の単語列（図１３中の［］で表す）、各仮説の終端時刻を０、評価値ｆ（０）（＝−５；音節列４の各終端時刻Ｔを５とした場合）で構成されている。図１３に示すように、この時点で各スタックＫ５０１〜Ｋ５０Ｎには初期仮説がそれぞれひとつ存在する状態になる。なお、ｆ（ｔ）は探索を制御するヒューリスティクス関数で、具体的にはｆ（ｔ）＝−（Ｔ−ｔ）（但し、Ｔは入力音節列の終端時刻（入力音節列の長さ））である。
【００９５】次に、仮説選択機能３ｄによってスタックＫ５０１〜Ｋ５０Ｎの中から最大の評価値の仮説が取り出される（ステップＳＴ３ａ、単語列探索ステップ）。具体的には、仮説選択機能３ｄによってスタックＫ５０１〜Ｋ５０Ｎに格納されている仮説の評価値を順番に調べて、スタックＫ５０１〜Ｋ５０Ｎの中で評価値が最大の仮説を取り出す。この実施の形態２では、同一評価値の場合はスタック番号の若い方のスタックの仮説を選択する。図１３に示すように、初期仮説では全て評価値が同一であるので、スタック番号の若いスタックＫ５０１に格納された初期仮説［Ｋ５０１，［］，０，−５］（以降、仮説ｈとする）が選択される。
【００９６】ステップＳＴ３ａで取り出された仮説は、仮説展開機能３ｆ−１によって仮説ｈの終端時刻Ｔｈと入力音節列の終端時刻Ｔとの比較が行われる（ステップＳＴ４、単語列探索ステップ）。このとき、選択された仮説ｈの終端時刻Ｔｈは０、入力音節列の終端時刻Ｔは５であり、仮説ｈの終端時刻Ｔｈが入力音節列の終端時刻Ｔに到達していないため、ステップＳＴ５ａに進む。
【００９７】次に、ステップＳＴ５ａ以下で選択された仮説ｈの展開を行う。ステップＳＴ５ａでは、仮説展開機能３ｆ−１によって上記仮説の単語列Ｗｈ（＝［］）に後続する単語が言語モデル７１の単語辞書から１つ取り出される。ここで、取り出した単語をＷ１とする。以降、ステップＳＴ６ａからステップＳＴ９ａまでの処理を単語辞書の任意の単語Ｗについて行う（なお、ここでは単語Ｗ１のみが後続し得る単語Ｗであるとして説明する）。
【００９８】ステップＳＴ５ａで言語モデル７１の単語辞書から単語Ｗ１が取り出されると、言語モデル一時記憶機能３ｋ−１によって不図示のメモリに一時記憶する。この言語モデル一時記憶機能３ｋ−１で一時記憶された内容を適宜取り出して、スコア計算機能３ｇ−１によって仮説の単語列Ｗｈと取り出した単語Ｗ１との間で言語モデル７１の尤度ｌｏｇＰ（Ｗ１｜Ｗｈ）（＝ｌｏｇＰ（Ｗ１｜［］））が計算される（ステップＳＴ６ａ、単語列探索ステップ）。
【００９９】続いて、スコア計算機能３ｇ−１によって時刻Ｔｈ＋１からＴまでにおける仮説ｈの終端時刻Ｔ１について時刻をカウントし（ステップＳＴ７ａ、単語列探索ステップ）、ステップＳＴ８ａからステップＳＴ９ａまでの処理が実行される。具体的には、仮説ｈの終端時刻Ｔ１を音節列４の終端時刻Ｔを上限として、Ｔ１＝Ｔｈ＋１，Ｔｈ＋２，・・・，Ｔ（＝０，１，２，３，４，５）の範囲で、ステップＳＴ８ａからステップＳＴ９ａまでの処理を実行する。
【０１００】ステップＳＴ８ａ（単語列探索ステップ）において、差分モデル６から単語Ｗ１に対応する標準音節列を取り出し、差分モデル一時記憶機能３ｊによって不図示のメモリに一時記憶する。この差分モデル一時記憶機能３ｊで記憶された内容を適宜取り出してスコア計算機能３ｇ−１によって以下に示す演算が行われる。先ず、入力音節列４の時刻Ｔｈ＋１から時刻Ｔ１までの音節の列を、上述したものと同様に式（１）で表す。
Ｘ＝［Ｘ（Ｔｈ＋１），Ｘ（Ｔｈ＋２），・・・，Ｘ（Ｔ１）］・・・（１）
但し、Ｔ１はＴｈ＋１〜Ｔの範囲の整数で、Ｘ（ｔ）は入力音節列の第ｔ番目の音節とする。また、単語Ｗ１の標準音節列を式（２）に基づいて下記式で表す。
Ｙ＝［Ｙ（１），Ｙ（２），・・・，Ｙ（Ｊ（Ｗ１））］ ・・・（５）
但し、Ｙ（ｔ）は標準音節列の第ｔ番目の音節であり、Ｊ（Ｗ１）は単語Ｗ１の標準音節列長である。
【０１０１】これら式（１）、式（５）を用いて、スコア計算機能３ｇ−１によって差分モデル６が参照されて、標準音節列Ｙが音節列Ｘとして認識される差分モデル６の尤度ｌｏｇＰ（Ｘ｜Ｙ）が計算される。ここで、上記差分モデル６の尤度の計算はＤＰマッチングに基づいて行われる。
【０１０２】ステップＳＴ８ａにて差分モデル６の尤度が算出されると、仮説展開機能３ｆ−１によって、単語列［Ｗ１］、終端時刻Ｔ１、評価値ｇ（Ｔ１）＝ｌｏｇＰ（Ｘ｜Ｙ）＋ｌｏｇＰ（Ｗ１｜［］）＋ｆ（Ｔ１）からなる新たな仮説［Ｋ５０１，［Ｗ１］，Ｔ１，ｇ（Ｔ１）］が生成される。この新たな仮説は、仮説格納機能３ｈによってスタックＫ５０１に格納される（ステップＳＴ９ａ、単語列探索ステップ）。ここで、ｆ（ｔ）は単語列探索を制御するヒューリスティクス関数であり、具体的には、ｆ（ｔ）＝−（Ｔ−ｔ）である。また、この関数は入力音節列の終端時刻ｔ＝Ｔで値０をとるため、時刻ｔ＝Ｔでの評価値ｆ（Ｔ）は差分モデル６による尤度と言語モデル７１による尤度の和（即ち、ｌｏｇＰ（Ｘ｜Ｙ）＋ｌｏｇＰ（Ｗ１｜［］））と一致する。
【０１０３】以上の処理にて、ステップＳＴ７ａからステップＳＴ９ａまでの繰り返し部分の実行を終了する。図１４は仮説の展開が進んだ段階におけるスタックの内容を示す図である。図に示すように、ステップＳＴ７ａからステップＳＴ９ａまでの繰り返し部分が実行された段階で、スタックＫ５０１には、単語Ｗ１を後続させた仮説ｈの終端時刻Ｔ１が入力音節列４の終端時刻Ｔに一致するまでの仮説［Ｋ５０１，［Ｗ１］，Ｔｈ＋１，ｇ（Ｔｈ＋１）］、［Ｋ５０１，［Ｗ１］，Ｔｈ＋２，ｇ（Ｔｈ＋２）］、・・・、［Ｋ５０１，［Ｗ１］，Ｔ，ｇ（Ｔ）］が格納される。
【０１０４】上記ステップＳＴ５ａからステップＳＴ９ａまでのループが終了すると、ステップＳＴ３ａに戻って、仮説選択機能３ｄによってスタックＫ５０１〜Ｋ５０Ｎに置かれた仮説（図１４参照）の中から、評価値が最大の仮説が選択される。このとき、スタックＫ５０１に格納される仮説［Ｋ５０１，［Ｗ１］，３，−１］（これを仮説ｈとする）が選択される。
【０１０５】次に、ステップＳＴ４ａで、仮説選択機能３ｄによって選択された仮説ｈの終端時刻Ｔｈが音節列４の終端時刻Ｔに到達しているかを仮説展開機能３ｆ−１によって調べる。この場合、選択された仮説ｈの終端時刻Ｔｈ（＝３）は、音節列４の終端時刻Ｔ（＝５）に到達していないので、ステップＳＴ５ａに進み、仮説ｈの展開が行なわれる。
【０１０６】ステップＳＴ５ａでは、仮説展開機能３ｆ−１によって上記仮説の単語列Ｗｈ（＝［Ｗ１］）に後続する単語が言語モデル７１の単語辞書から１つ取り出される。ここで、取り出した単語をＷ２とする。以降、ステップＳＴ６ａ〜ステップＳＴ９ａまでの処理を単語辞書の任意の単語Ｗについて行う（なお、ここでは単語Ｗ２のみが後続し得る単語Ｗであるとして説明する）。
【０１０７】ステップＳＴ５ａで言語モデル７１の単語辞書から単語Ｗ２が取り出されると、言語モデル一時記憶機能３ｋ−１によって不図示のメモリに一時記憶する。この言語モデル一時記憶機能３ｋ−１で一時記憶された内容を適宜取り出して、スコア計算機能３ｇ−１によって仮説の単語列Ｗ１と取り出した単語Ｗ２との間で言語モデル７１の尤度ｌｏｇＰ（Ｗ２｜Ｗｈ）（＝ｌｏｇＰ（Ｗ２｜［Ｗ１］））が計算される（ステップＳＴ６ａ、単語列探索ステップ）。
【０１０８】続いて、スコア計算機能３ｇ−１によって時刻Ｔｈ＋１からＴまでにおける仮説ｈの終端時刻Ｔ１について時刻をカウントし、音節列４の終端時刻Ｔを上限として、Ｔ１＝Ｔｈ＋１，Ｔｈ＋２，・・・，Ｔの範囲で、ステップＳＴ８ａからステップＳＴ９ａまでの処理を実行する（ステップＳＴ７ａ、単語列探索ステップ）。
【０１０９】ステップＳＴ８ａでは、上記と同様に入力音節列の時刻Ｔｈ＋１から時刻Ｔ１までの音節列を式（１）で表す。
Ｘ＝［Ｘ（Ｔｈ＋１），Ｘ（Ｔｈ＋２），・・・，Ｘ（Ｔ１）］・・・（１）
また、単語Ｗ２の標準音節列も式（２）に基づいて下記式（６）で表す。
Ｙ＝［Ｙ（１），Ｙ（２），・・・，Ｙ（Ｊ（Ｗ２））］ ・・・（６）
【０１１０】これら式（１）、式（６）を用いて、スコア計算機能３ｇ−１によって差分モデル６が参照されて、標準音節列Ｙが音節列Ｘとして認識される差分モデル６の尤度ｌｏｇＰ（Ｘ｜Ｙ）が計算される。ここで、上記差分モデル６の尤度の計算はＤＰマッチングに基づいて行われる。但し、Ｊ（Ｗ２）は単語Ｗ２の標準音節列長であり、照合尤度の計算はＤＰマッチングに基づいて行われる。
【０１１１】ステップＳＴ８ａにて差分モデル６の尤度が算出されると、仮説展開機能３ｆ−１によって、単語列［Ｗ１Ｗ２］、終端時刻Ｔ１、評価値ｇ（Ｔ１）＝ｌｏｇＰ（Ｘ｜Ｙ）＋ｌｏｇＰ（Ｗ２｜［Ｗ１］）＋ｆ（Ｔ１）からなる新たな仮説［Ｋ５０１，［Ｗ１Ｗ２］，Ｔ１，ｇ（Ｔ１）］が生成される。この新たな仮説は、仮説格納機能３ｈによってスタックＫ５０１に格納される（ステップＳＴ９ａ、単語列探索ステップ）。
【０１１２】以上の処理にて、ステップＳＴ７ａからステップＳＴ９ａまでの繰り返し部分の実行を終了する。図１５は仮説の展開が図１４より進んだ段階におけるスタックの内容を示す図である。図に示すように、ステップＳＴ７ａからステップＳＴ９ａまでの繰り返し部分が実行された段階で、スタックＫ５０１には、仮説［Ｋ５０１，［Ｗ１Ｗ２］，Ｔｈ＋１，ｇ（Ｔｈ＋１）］、［Ｋ５０１，［Ｗ１Ｗ２］，Ｔｈ＋２，ｇ（Ｔｈ＋２）］、・・・、［Ｋ５０１，［Ｗ１Ｗ２］，Ｔ，ｇ（Ｔ）］が格納される。
【０１１３】上記ステップＳＴ５ａからステップＳＴ９ａまでのループが終了すると、ステップＳＴ３ａに戻って、仮説選択機能３ｄによってスタックＫ５０１〜Ｋ５０Ｎに格納された仮説（図１５参照）の中から、評価値が最大の仮説が選択される。このとき、図１５に示すように、スタックＫ５０１に格納される２つの仮説［Ｋ５０１，［Ｗ１］，４，−２］と［Ｋ５０１，［Ｗ１Ｗ２］，５，−２］の評価値がそれぞれ−２で同一の最大値をとっている。このような場合、実施の形態２では、同一スタック内に同一評価値の仮説が存在すると、終端時刻の大きい方を選択する。これにより、仮説［Ｋ５０１，［Ｗ１Ｗ２］，５，−２］（以降、仮説ｈとする）がスタックＫ５０１から選択される。
【０１１４】次に、ステップＳＴ４ａで、仮説選択機能３ｄによって選択された仮説ｈの終端時刻ＴｈがスタックＫ５０１に関連付けられている音節列４の終端時刻Ｔに到達しているかを仮説展開機能３ｆ−１によって調べる。この場合は、図１５に示すように仮説ｈの終端時刻Ｔｈが５であり、音節列４の終端時刻Ｔに到達しているので、この仮説ｈは探索の一つの解となる。このようにして、仮説ｈの終端時刻Ｔｈが音節列４の終端時刻Ｔに到達すると、ステップＳＴ１０ａに進む。
【０１１５】ステップＳＴ１０ａでは、この仮説ｈの単語列Ｗｈ（＝［Ｗ１Ｗ２］）を入力音声に対する認識結果の単語列８として単語列一時記憶機能３ｉによって不図示のメモリに記憶される。この単語列一時記憶機能３ｉによって認識結果の単語列が記憶されると、終了処理機能３ｅにより認識処理が終了する。
【０１１６】上記実施の形態２では、言語モデル７１についての仮説だけに対して、仮説の選択及び展開が進行する場合について説明した。この場合、仮説の展開回数は、言語モデル７１だけの展開回数で済んでいる。一方、従来では、言語モデルの数をＮとすると、Ｎ個の言語モデルのそれぞれについて、単語列探索を適用して、尤度が最大となる単語列を求めているため、仮説の展開回数は言語モデル１つ当りの展開回数のほぼＮ倍となる。従って、この実施の形態２によれば、従来のほぼ１／Ｎの仮説の展開回数で済むことがわかる。
【０１１７】以上のように、この実施の形態２によれば、複数の言語モデル７１〜７Ｎに対してスタックＫ５０１〜Ｋ５０Ｎをそれぞれ設け、これら複数のスタックＫ５０１〜Ｋ５０Ｎに格納される仮説のうち、評価値が最大となる部分列を有する仮説を選択、展開し、展開された仮説をもとのスタックに戻すようにしているので、従来のように単語列ごとにスタックを用いて単語列探索を行う場合に比べて、少ない処理で単語列を探索することができる。
【０１１８】実施の形態３．この実施の形態３は、複数の差分モデルに対してスタックをそれぞれ設け、これら差分モデルに渡る尤度最大の単語列を探索するものである。
【０１１９】図１６はこの発明の実施の形態３による音声認識装置の構成を示す図である。図において、５ｂは入力した音節列４に対して差分モデル６１〜６Ｎと言語モデル７とを参照して単語列８を探索する単語列探索装置である。６１〜６Ｎは差分モデルであって、不特定話者を対象とするため１つの音節列に対して学習音声の認識傾向で分類した異なる話者クラスタからそれぞれ作成される。なお、図１及び図９と同一構成要素には同一符号を付して重複する説明を省略する。
【０１２０】図１７は図１６中の単語列探索装置の構成を示す図である。図において、３ｆ−２は制御手段５００ｃが実行する単語列探索プログラムにおける仮説展開機能で、スコア計算機能３ｇ−２で算出した評価値や差分モデル６１〜６Ｎから取り出した単語Ｗなどを用いて、仮説選択機能３ｄで取り出した仮説に対して新たな仮説を展開する。３ｇ−２は言語モデル７から取り出した仮説の単語列に後続する単語の尤度や入力音節列が後続する単語の標準音節列として認識される尤度を算出し、これらから上記仮説の単語列とこれに後続する単語からなる単語列の評価値を算出するスコア計算機能である。３ｊ−１〜３ｊ−Ｎは差分モデル６１〜６Ｎを一時記憶する言語モデル一時記憶機能で、制御手段５００ｃ内の不図示のメモリを使用して実現される。５００ｃは単語列探索装置５ｂ内の制御手段（単語列探索手段）で、この制御手段５００ｃが実行する単語列探索プログラムによって単語列探索が制御される。また、制御手段５００ｃとしては単語列探索プログラムを実行するコンピュータ装置などが考えられる。なお、図３及び図１０と同一構成要素には同一符号を付して重複する説明を省略する。
【０１２１】次に動作について説明する。図１８は図１７中の単語列探索装置による単語列探索動作を示すフロー図であり、このフロー図に沿って単語列探索装置５ｂの動作をより詳しく説明する。先ず、図１８に示す動作に入る前に、音声分析手段１１は入力音声１０を分析して特徴ベクトル時系列１２に変換する。音節列取得手段２ａはオートマトン制御１パスＤＰアルゴリズムに基づいて、音声分析手段１１に変換された特徴ベクトル時系列１２を入力し音節ネットワーク３に従う経路の中で、尤度の最も高い音節列４を出力する。単語列探索装置５ｂが音節列４を入力すると、これらを音節列一時記憶機能３ａによって不図示のメモリにそれぞれ一時記憶する。
【０１２２】制御手段５００ｃは音節列４が音節列一時記憶機能３ａによってそれぞれ一時記憶されると、スタック初期化機能３ｂにより差分モデル６１〜６Ｎに対してスタックＫ５０１〜Ｋ５０Ｎの内容を初期化する（ステップＳＴ１ｂ）。図１９は初期化後のスタックの内容を示す図である。図において、スタックの深さとは単語列探索処理において各スタックＫ５０１〜Ｋ５０Ｎに逐次格納される仮説の個数を示している。このように、スタック初期化機能３ｂによって各スタックＫ５０１〜Ｋ５０Ｎには仮説がない状態になっている。
【０１２３】スタックＫ５０１〜Ｋ５０Ｎが初期化されると、初期仮説生成機能３ｃによって空の単語列からなる初期の仮説が作成される。初期仮説が生成されると、仮説格納機能３ｈによって初期仮説がスタックＫ５０１〜Ｋ５０Ｎにそれぞれ格納される（ステップＳＴ２ｂ、仮説格納ステップ）。図２０は初期仮説を格納したスタックの内容を示す図である。図において、［Ｋ５０１，［］，０，ｆ（０）］〜［Ｋ５０Ｎ，［］，０，ｆ（０）］は仮説を［スタック番号，単語列，終端時刻，評価値］の４つのパラメータで表した際の初期仮説であり、空の単語列（図２０中の［］で表す）、各仮説の終端時刻を０、評価値ｆ（０）（＝−５；音節列４の各終端時刻Ｔを５とした場合）で構成されている。図２０に示すように、この時点で各スタックＫ５０１〜Ｋ５０Ｎには初期仮説がそれぞれひとつ存在する状態になる。なお、ｆ（ｔ）は探索を制御するヒューリスティクス関数で、具体的にはｆ（ｔ）＝−（Ｔ−ｔ）（但し、Ｔは入力音節列の終端時刻（入力音節列の長さ））である。
【０１２４】次に、仮説選択機能３ｄによってスタックＫ５０１〜Ｋ５０Ｎの中から最大の評価値の仮説が取り出される（ステップＳＴ３ｂ、単語列探索ステップ）。具体的には、仮説選択機能３ｄによってスタックＫ５０１〜Ｋ５０Ｎに格納されている仮説の評価値を順番に調べて、スタックＫ５０１〜Ｋ５０Ｎの中で評価値が最大の仮説を取り出す。この実施の形態３では、同一評価値の場合はスタック番号の若い方のスタックの仮説を選択する。図２０に示すように、初期仮説では全て評価値が同一であるので、スタック番号の若いスタックＫ５０１に格納された初期仮説［Ｋ５０１，［］，０，−５］（以降、仮説ｈとする）が選択される。
【０１２５】ステップＳＴ３ｂで取り出された仮説は、仮説展開機能３ｆ−２によって仮説ｈの終端時刻Ｔｈと入力音節列の終端時刻Ｔとの比較が行われる（ステップＳＴ４ｂ、単語列探索ステップ）。このとき、選択された仮説ｈの終端時刻Ｔｈは０、入力音節列の終端時刻Ｔは５であり、仮説ｈの終端時刻Ｔｈが入力音節列の終端時刻Ｔに到達していないため、ステップＳＴ５ｂに進む。
【０１２６】次に、ステップＳＴ５ｂ以下で選択された仮説ｈの展開を行う。ステップＳＴ５ｂでは、仮説展開機能３ｆ−２によって上記仮説の単語列Ｗｈ（＝［］）に後続する単語が言語モデル７の単語辞書から１つ取り出される。ここで、取り出した単語をＷ１とする。以降、ステップＳＴ６ｂからステップＳＴ９ｂまでの処理を単語辞書の任意の単語Ｗについて行う（なお、ここでは単語Ｗ１のみが後続し得る単語Ｗであるとして説明する）。
【０１２７】ステップＳＴ５ｂで言語モデル７の単語辞書から単語Ｗ１が取り出されると、言語モデル一時記憶機能３ｋによって不図示のメモリに一時記憶する。この言語モデル一時記憶機能３ｋで一時記憶された内容を適宜取り出して、スコア計算機能３ｇ−２によって仮説の単語列Ｗｈと取り出した単語Ｗ１との間で言語モデル７の尤度ｌｏｇＰ（Ｗ１｜Ｗｈ）（＝ｌｏｇＰ（Ｗ１｜［］））が計算される（ステップＳＴ６ｂ、単語列探索ステップ）。
【０１２８】続いて、スコア計算機能３ｇ−２によって時刻Ｔｈ＋１からＴまでにおける仮説ｈの終端時刻Ｔ１について時刻をカウントし（ステップＳＴ７ｂ、単語列探索ステップ）、ステップＳＴ８ｂからステップＳＴ９ｂまでの処理が実行される。具体的には、仮説ｈの終端時刻Ｔ１を音節列４の終端時刻Ｔを上限として、Ｔ１＝Ｔｈ＋１，Ｔｈ＋２，・・・，Ｔ（＝０，１，２，３，４，５）の範囲で、ステップＳＴ８ｂからステップＳＴ９ｂまでの処理を実行する。
【０１２９】ステップＳＴ８ｂ（単語列探索ステップ）において、差分モデル６１から単語Ｗ１に対応する標準音節列を取り出し、差分モデル一時記憶機能３ｊ−１によって不図示のメモリに一時記憶する。この差分モデル一時記憶機能３ｊ−１で記憶された内容を適宜取り出してスコア計算機能３ｇ−２によって以下に示す演算が行われる。先ず、入力音節列４の時刻Ｔｈ＋１から時刻Ｔ１までの音節の列を、上述したものと同様に式（１）で表す。
Ｘ＝［Ｘ（Ｔｈ＋１），Ｘ（Ｔｈ＋２），・・・，Ｘ（Ｔ１）］・・・（１）
但し、Ｔ１はＴｈ＋１〜Ｔの範囲の整数で、Ｘ（ｔ）は入力音節列の第ｔ番目の音節とする。また、単語Ｗ１の標準音節列を式（２）に基づいて下記式で表す。
Ｙ＝［Ｙ（１），Ｙ（２），・・・，Ｙ（Ｊ（Ｗ１））］ ・・・（７）
但し、Ｙ（ｔ）は標準音節列の第ｔ番目の音節であり、Ｊ（Ｗ１）は単語Ｗ１の標準音節列長である。
【０１３０】これら式（１）、式（７）を用いて、スコア計算機能３ｇ−２によって差分モデル６１が参照されて、標準音節列Ｙが音節列Ｘとして認識される差分モデル６１の尤度ｌｏｇＰ（Ｘ｜Ｙ）が計算される。ここで、上記差分モデル６１の尤度の計算はＤＰマッチングに基づいて行われる。
【０１３１】ステップＳＴ８ｂにて差分モデル６１の尤度が算出されると、仮説展開機能３ｆ−２によって、単語列［Ｗ１］、終端時刻Ｔ１、評価値ｇ（Ｔ１）＝ｌｏｇＰ（Ｘ｜Ｙ）＋ｌｏｇＰ（Ｗ１｜［］）＋ｆ（Ｔ１）からなる新たな仮説［Ｋ５０１，［Ｗ１］，Ｔ１，ｇ（Ｔ１）］が生成される。この新たな仮説は、仮説格納機能３ｈによってスタックＫ５０１に格納される（ステップＳＴ９ａ、単語列探索ステップ）。ここで、ｆ（ｔ）は単語列探索を制御するヒューリスティクス関数であり、具体的には、ｆ（ｔ）＝−（Ｔ−ｔ）である。また、この関数は入力音節列の終端時刻ｔ＝Ｔで値０をとるため、時刻ｔ＝Ｔでの評価値ｆ（Ｔ）は差分モデル６１による尤度と言語モデル７による尤度の和（即ち、ｌｏｇＰ（Ｘ｜Ｙ）＋ｌｏｇＰ（Ｗ１｜［］））と一致する。
【０１３２】以上の処理にて、ステップＳＴ７ｂからステップＳＴ９ｂまでの繰り返し部分の実行を終了する。図２１は仮説の展開が進んだ段階におけるスタックの内容を示す図である。図に示すように、ステップＳＴ７ｂからステップＳＴ９ｂまでの繰り返し部分が実行された段階で、スタックＫ５０１には、単語Ｗ１を後続させた仮説ｈの終端時刻Ｔ１が入力音節列４の終端時刻Ｔに一致するまでの仮説［Ｋ５０１，［Ｗ１］，Ｔｈ＋１，ｇ（Ｔｈ＋１）］、［Ｋ５０１，［Ｗ１］，Ｔｈ＋２，ｇ（Ｔｈ＋２）］、・・・、［Ｋ５０１，［Ｗ１］，Ｔ，ｇ（Ｔ）］が格納される。
【０１３３】上記ステップＳＴ５ｂからステップＳＴ９ｂまでのループが終了すると、ステップＳＴ３ｂに戻って、仮説選択機能３ｄによってスタックＫ５０１〜Ｋ５０Ｎに置かれた仮説（図２１参照）の中から、評価値が最大の仮説が選択される。このとき、スタックＫ５０１に格納される仮説［Ｋ５０１，［Ｗ１］，３，−１］（これを仮説ｈとする）が選択される。
【０１３４】次に、ステップＳＴ４ｂで、仮説選択機能３ｄによって選択された仮説ｈの終端時刻Ｔｈが音節列４の終端時刻Ｔに到達しているかを仮説展開機能３ｆ−２によって調べる。この場合、選択された仮説ｈの終端時刻Ｔｈ（＝３）は、音節列４の終端時刻Ｔ（＝５）に到達していないので、ステップＳＴ５ｂに進み、仮説ｈの展開が行なわれる。
【０１３５】ステップＳＴ５ｂでは、仮説展開機能３ｆ−２によって上記仮説の単語列Ｗｈ（＝［Ｗ１］）に後続する単語が言語モデル７の単語辞書から１つ取り出される。ここで、取り出した単語をＷ２とする。以降、ステップＳＴ６ｂ〜ステップＳＴ９ｂまでの処理を単語辞書の任意の単語Ｗについて行う（なお、ここでは単語Ｗ２のみが後続し得る単語Ｗであるとして説明する）。
【０１３６】ステップＳＴ５ｂで言語モデル７の単語辞書から単語Ｗ２が取り出されると、言語モデル一時記憶機能３ｋによって不図示のメモリに一時記憶する。この言語モデル一時記憶機能３ｋで一時記憶された内容を適宜取り出して、スコア計算機能３ｇ−２によって仮説の単語列Ｗ１と取り出した単語Ｗ２との間で言語モデル７の尤度ｌｏｇＰ（Ｗ２｜Ｗｈ）（＝ｌｏｇＰ（Ｗ２｜［Ｗ１］））が計算される（ステップＳＴ６ｂ、単語列探索ステップ）。
【０１３７】続いて、スコア計算機能３ｇ−２によって時刻Ｔｈ＋１からＴまでにおける仮説ｈの終端時刻Ｔ１について時刻をカウントし、音節列４の終端時刻Ｔを上限として、Ｔ１＝Ｔｈ＋１，Ｔｈ＋２，・・・，Ｔの範囲で、ステップＳＴ８ｂからステップＳＴ９ｂまでの処理を実行する（ステップＳＴ７ｂ、単語列探索ステップ）。
【０１３８】ステップＳＴ８ｂでは、上記と同様に入力音節列の時刻Ｔｈ＋１から時刻Ｔ１までの音節列を式（１）で表す。
Ｘ＝［Ｘ（Ｔｈ＋１），Ｘ（Ｔｈ＋２），・・・，Ｘ（Ｔ１）］・・・（１）
また、単語Ｗ２の標準音節列も式（２）に基づいて下記式（８）で表す。
Ｙ＝［Ｙ（１），Ｙ（２），・・・，Ｙ（Ｊ（Ｗ２））］ ・・・（８）
【０１３９】これら式（１）、式（８）を用いて、スコア計算機能３ｇ−２によって差分モデル６１が参照されて、標準音節列Ｙが音節列Ｘとして認識される差分モデル６１の尤度ｌｏｇＰ（Ｘ｜Ｙ）が計算される。ここで、上記差分モデル６１の尤度の計算はＤＰマッチングに基づいて行われる。但し、Ｊ（Ｗ２）は単語Ｗ２の標準音節列長であり、照合尤度の計算はＤＰマッチングに基づいて行われる。
【０１４０】ステップＳＴ８ｂにて差分モデル６１の尤度が算出されると、仮説展開機能３ｆ−２によって、単語列［Ｗ１Ｗ２］、終端時刻Ｔ１、評価値ｇ（Ｔ１）＝ｌｏｇＰ（Ｘ｜Ｙ）＋ｌｏｇＰ（Ｗ２｜［Ｗ１］）＋ｆ（Ｔ１）からなる新たな仮説［Ｋ５０１，［Ｗ１Ｗ２］，Ｔ１，ｇ（Ｔ１）］が生成される。この新たな仮説は、仮説格納機能３ｈによってスタックＫ５０１に格納される（ステップＳＴ９ｂ、単語列探索ステップ）。
【０１４１】以上の処理にて、ステップＳＴ７ｂからステップＳＴ９ｂまでの繰り返し部分の実行を終了する。図２２は仮説の展開が図２１より進んだ段階におけるスタックの内容を示す図である。図に示すように、ステップＳＴ７ｂからステップＳＴ９ｂまでの繰り返し部分が実行された段階で、スタックＫ５０１には、仮説［Ｋ５０１，［Ｗ１Ｗ２］，Ｔｈ＋１，ｇ（Ｔｈ＋１）］、［Ｋ５０１，［Ｗ１Ｗ２］，Ｔｈ＋２，ｇ（Ｔｈ＋２）］、・・・、［Ｋ５０１，［Ｗ１Ｗ２］，Ｔ，ｇ（Ｔ）］が格納される。
【０１４２】上記ステップＳＴ５ｂからステップＳＴ９ｂまでのループが終了すると、ステップＳＴ３ｂに戻って、仮説選択機能３ｄによってスタックＫ５０１〜Ｋ５０Ｎに格納された仮説（図２２参照）の中から、評価値が最大の仮説が選択される。このとき、図２２に示すように、スタックＫ５０１に格納される２つの仮説［Ｋ５０１，［Ｗ１］，４，−２］と［Ｋ５０１，［Ｗ１Ｗ２］，５，−２］の評価値がそれぞれ−２で同一の最大値をとっている。このような場合、実施の形態３では、同一スタック内に同一評価値の仮説が存在すると、終端時刻の大きい方を選択する。これにより、仮説［Ｋ５０１，［Ｗ１Ｗ２］，５，−２］（以降、仮説ｈとする）がスタックＫ５０１から選択される。
【０１４３】次に、ステップＳＴ４ｂで、仮説選択機能３ｄによって選択された仮説ｈの終端時刻ＴｈがスタックＫ５０１に関連付けられている音節列４の終端時刻Ｔに到達しているかを仮説展開機能３ｆ−２によって調べる。この場合は、図２２に示すように仮説ｈの終端時刻Ｔｈが５であり、音節列４の終端時刻Ｔに到達しているので、この仮説ｈは探索の一つの解となる。このようにして、仮説ｈの終端時刻Ｔｈが音節列４の終端時刻Ｔに到達すると、ステップＳＴ１０ｂに進む。
【０１４４】ステップＳＴ１０ｂでは、この仮説ｈの単語列Ｗｈ（＝［Ｗ１Ｗ２］）を入力音声に対する認識結果の単語列８として単語列一時記憶機能３ｉによって不図示のメモリに記憶される。この単語列一時記憶機能３ｉによって認識結果の単語列が記憶されると、終了処理機能３ｅにより認識処理が終了する。
【０１４５】上記実施の形態３では、差分モデル６１に対応する仮説だけに対して、仮説の選択及び展開が進行する場合について説明した。この場合、仮説の展開回数は、ほぼ差分モデル６１だけの展開回数で済んでいる。一方、従来では、差分モデル数をＮとすると、Ｎ個の差分モデルの一つの差分モデルについて、それぞれ単語列探索を適用して、尤度が最大となる単語列を求めていたため、仮説の展開回数は差分モデル１つ当りの展開回数のほぼＮ倍となる。従って、この実施の形態３によれば、従来のほぼ１／Ｎ回分の仮説の展開回数で済むことがわかる。
【０１４６】以上のように、この実施の形態３によれば、複数の差分モデル６１〜６Ｎに対してスタックＫ５０１〜Ｋ５０Ｎをそれぞれ設け、これら複数のスタックＫ５０１〜Ｋ５０Ｎに格納される仮説のうち、評価値が最大となる部分列を有する仮説を選択、展開し、展開された仮説をもとのスタックに戻すようにしているので、従来のように単語列ごとにスタックを用いて単語列探索を行う場合に比べて、少ない処理で単語列を探索することができる。
【０１４７】実施の形態４．上記実施の形態１から３では、それぞれ異なる複数の音節列、あるいは、それぞれ異なる複数の言語モデル、あるいは、それぞれ異なる複数の差分モデルについて複数のスタックを設けるものであるが、これら音節列、言語モデル、及び差分モデルのうちのいずれかを複数とした組み合わせについて、その複数分のスタックを設けて、これら複数のスタックに格納される仮説のうち、評価値が最大となる部分列を有する仮説を選択及び展開し、展開した仮説をもとのスタックに戻す構成としても、上記実施の形態１から３と同様の効果を得ることができる。
【０１４８】なお、上記実施の形態１から４に示した単語列探索装置を音声認識装置に適用することで、入力音声に対応する単語列を効率的に探索することができることから、音声認識の効率を向上させることができる。また、上記実施の形態１から４に示した単語列探索装置における単語列探索プログラムをコンピュータ読み取り可能な記録媒体に記録することで、上記実施の形態１から４の効果を奏する単語列探索装置をコンピュータに実現させることができる。
【０１４９】
【発明の効果】以上のように、この発明の単語列探索装置によれば、入力音声に対応する単語列の探索途中の部分列を表す仮説を格納する複数の仮説格納手段と、これら複数の仮説格納手段に格納される全ての仮説の中から上記入力音声に対する尤度が最大の部分列を表す仮説を選択して、この仮説を基に単語列の探索を行う単語列探索手段とを備えるので、単語列探索の処理量を低減することができ、効率的に単語列を探索する単語列探索装置を実現することができるという効果がある。
【０１５０】この発明の単語列探索装置によれば、仮説格納手段が入力音声に対応する複数の基本音節列の個数分設けられ、基本音節列に対応する単語列の探索における仮説を格納するので、複数の基本音節列に対して効率的に単語列探索を行う単語列探索装置を実現することができるという効果がある。
【０１５１】この発明の単語列探索装置によれば、仮説格納手段が単語列探索に使用する単語が登録された単語辞書を含んでなる複数の言語モデルの個数分設けられ、各言語モデルをそれぞれ使用した単語列探索における仮説を格納するので、複数言語モデルによる単語列探索を効率的に行う単語列探索装置を実現することができるという効果がある。
【０１５２】この発明の単語列探索装置によれば、仮説格納手段が標準音節列及びその入力音声に対応する基本音節列に対する尤度からなる複数の差分モデルの個数分設けられ、各差分モデルをそれぞれ使用した単語列探索における仮説を格納するので、複数差分モデルによる単語列探索を効率的に行う単語列探索装置を実現することができるという効果がある。
【０１５３】この発明の単語列探索装置によれば、入力音声に対応する基本音節列、単語列探索に使用する単語が登録された単語辞書を含んでなる言語モデル、及び標準音節列及びその基本音節列に対する尤度からなる差分モデルのうちのいずれかを複数組み有し、仮説格納手段を上記複数組分設けて、基本音節列、言語モデル及び差分モデルの各組み合わせに基づいた単語列探索における仮説を格納するので、単語列探索の入力の音節列、あるいは、単語列探索の参照する言語モデル、単語列探索の参照する差分モデルの少なくともいずれかが、複数存在するときに、単語列探索を効率的に行う単語列探索装置を実現することができるという効果がある。
【０１５４】この発明の単語列探索装置によれば、仮説格納手段が、仮説の格納・取り出しが自在のスタックとして機能するので、単語列探索における処理量を低減することができ、効率的に単語列を探索する単語列探索装置を実現することができるという効果がある。
【０１５５】この発明に係る音声認識装置は、認識対象の音声を入力する音声入力手段と、入力音声に対応する基本音節列を取得する音節列取得手段と、この音節列取得手段が取得した基本音節列に基づいて入力音声に対応する単語列を探索する上記単語列探索装置とを備えるので、音節認識結果から効率的に単語列の探索を行う音声認識装置を提供することができるという効果がある。
【０１５６】この発明の単語列探索方法によれば、入力音声に対応する単語列の探索途中の部分列を表す仮説を複数の仮説格納手段にそれぞれ格納する仮説格納ステップと、これら複数の仮説格納手段に格納される全ての仮説の中から入力音声に対する尤度が最大の部分列を表す仮説を選択して、この仮説を基に単語列の探索を行う単語列探索ステップとを備えるので、単語列探索の処理量を低減することができ、効率的に単語列を探索することができるという効果がある。
【０１５７】この発明の単語列探索方法によれば、入力音声に対応する基本音節列を取得する基本音節列取得ステップを備え、仮説格納ステップにて、基本音節列の個数分設けた仮説格納手段に基本音節列に対応する単語列の探索における仮説を格納するので、複数の基本音節列に対して効率的に単語列探索を行うことができるという効果がある。
【０１５８】この発明の単語列探索方法によれば、仮説格納ステップにて、仮説格納手段を単語列探索に使用する単語が登録された単語辞書を含んでなる複数の言語モデルの個数分設けて、各言語モデルをそれぞれ使用した単語列探索における仮説を格納するので、複数言語モデルによる単語列探索を効率的に行うことができるという効果がある。
【０１５９】この発明の単語列探索方法によれば、仮説格納ステップにて、仮説格納手段を標準音節列及びその入力音声に対応する基本音節列に対する尤度からなる複数の差分モデルの個数分設けて、各差分モデルをそれぞれ使用した単語列探索における仮説を格納するので、複数差分モデルによる単語列探索を効率的に行うことができるという効果がある。
【０１６０】この発明の単語列探索方法によれば、入力音声に対応する基本音節列を取得する基本音節列取得ステップを備え、仮説格納ステップにて、基本音節列、単語列探索に使用する単語が登録された単語辞書を含んでなる言語モデル、及び標準音節列及びその基本音節列に対する尤度からなる差分モデルのうちのいずれかを複数組み有し、仮説格納手段を複数組分設けて、基本音節列、言語モデル及び差分モデルの各組み合わせに基づいた単語列探索における仮説を格納するので、単語列探索の入力の音節列、あるいは、単語列探索の参照する言語モデル、単語列探索の参照する差分モデルの少なくともいずれかが、複数存在するときに、単語列探索を効率的に行うことができるという効果がある。
【０１６１】この発明の単語列探索方法によれば、仮説格納手段が、仮説の格納・取り出しが自在のスタックとして機能するので、単語列探索における処理量を低減することができ、効率的に単語列を探索することができるという効果がある。
【０１６２】この発明の記録媒体によれば、入力音声に対応する単語列の探索途中の部分列を表す仮説を複数の仮説格納手段にそれぞれ格納する仮説格納ステップと、これら複数の仮説格納手段に格納される全ての仮説の中から入力音声に対する尤度が最大の部分列を表す仮説を選択して、この仮説を基に単語列の探索を行う単語列探索ステップとをコンピュータに実現させる単語列探索プログラムを記録するので、単語列探索の処理量を低減することができ、効率的に単語列を探索する単語列探索装置をコンピュータに実現させることができるという効果がある。
【出願人】 【識別番号】０００００６０１３
【氏名又は名称】三菱電機株式会社
【出願日】 平成１２年１２月１８日（２０００．１２．１８）
【代理人】 【識別番号】１０００６６４７４
【弁理士】
【氏名又は名称】田澤 博昭 （外１名）
【公開番号】 特開２００２−１８２６８６（Ｐ２００２−１８２６８６Ａ）
【公開日】 平成１４年６月２６日（２００２．６．２６）
【出願番号】 特願２０００−３８４２９８（Ｐ２０００−３８４２９８）