[發(fā)明專利]語音識別方法、程序、語音識別裝置和機器人

在審

• 申請?zhí)枺?/td>: 201810674290.6
• 申請日: 2018-06-27
• 公開（公告）號: CN109215631A
• 公開（公告）日: 2019-01-15
• 發(fā)明（設(shè)計）人: 國武勇次;太田雄策
• 申請（專利權(quán)）人: 松下知識產(chǎn)權(quán)經(jīng)營株式會社
• 主分類號: G10L15/02
• 分類號: G10L15/02;G10L15/22;G10L15/26;G10L21/0208
• 代理公司: 北京市中咨律師事務(wù)所 11247
• 代理人: 劉靜;段承恩

本公開涉及語音識別方法、程序、語音識別裝置和機器人。在語音識別方法中，從由與所述語音處理裝置對應(yīng)的麥克風(fēng)拾取的語音中提取第一話語，計算所述第一話語的識別結(jié)果和所述第一話語的可信度，基于計算出的所述第一話語的可信度，實施反問話語，由所述麥克風(fēng)提取通過所述反問得到的第二話語，計算所述第二話語的識別結(jié)果和所述第二話語的可信度，基于計算出的所述第二話語的可信度，根據(jù)所述第一話語的識別結(jié)果和所述第二話語的識別結(jié)果，生成識別結(jié)果。

技術(shù)領(lǐng)域

本公開涉及語音識別的技術(shù)。

背景技術(shù)

近年來，提出了根據(jù)說出的語音數(shù)據(jù)來推定表示說話內(nèi)容的單詞串的各種語音識別方法。

例如，在專利文獻1中，公開了下述語音識別方法。即，將說出的語音數(shù)據(jù)劃分為多個音素區(qū)間x，對各音素區(qū)間x分配音素模型，求出對第n個音素區(qū)間x分配的音素模型p的似然度(Likelihood)Psn以及似然度Psn與除音素模型p之外的音素模型的音素區(qū)間x的似然度的最高值Pmaxn之間的差分似然度Pdn。進而，分別將似然度Psn和差分似然度Pdn輸入到正解音素區(qū)間似然度模型和非正解音素似然度模型，求出正解音素區(qū)間似然度模型的似然度Lnc和非正解音素似然度模型的似然度Lni。進而，求出似然度Lnc與似然度Lni的差分似然度cn，求出差分似然度cn的全部音素區(qū)間的相加值作為單詞可信度WC，如果單詞可信度WC為閾值以上，則輸出對該語音數(shù)據(jù)分配的音素串，如果單詞可信度WC小于閾值，則放棄該音素串。

但是，在專利文獻1中，僅考慮了音素似然度，沒有考慮語言似然度，因此存在不能再現(xiàn)作為語言而具有自然感的音素串這樣的問題。

因此，在非專利文獻1中，公開了如下方法：使用音響(聲學(xué))似然度和語言似然度，對話語進行語音識別，推定單詞串。具體而言，在非專利文獻1中，選擇使式(1)的右邊所示的概率之積最大的單詞串W來作為識別結(jié)果。此處，w是任意單詞串，P(O|w)是單詞串w的音素串為O的概率(音響似然度)，通過音響模型來計算。P(w)是表示作為w的語言的最大可能性的概率(語言似然度)，基于n-gram(n元語法)等連續(xù)單詞的出現(xiàn)頻度信息，通過語言模型來計算。

另外，在該方法中，將該音響似然度和語言似然度之積作為識別結(jié)果的可信度(文章的可信度)，與識別結(jié)果一同輸出。

現(xiàn)有技術(shù)文獻

專利文獻1：日本特開平11-249688號公報

非專利文獻1：堀貴明·塚田元著、情報処理學(xué)會誌45巻10號PP.1020－1026、音聲情報処理技術(shù)の最先端：3.重み付き有限狀態(tài)トランスデューサによる音聲認識、2004年10月

發(fā)明內(nèi)容

發(fā)明要解決的問題

但是，在非專利文獻1中，在輸入話語模糊或輸入話語受噪聲等影響較大的情況下，文章的可信度會成為低值。進而，在文章的可信度低的情況下，存在識別結(jié)果中包含錯誤的可能性升高這樣的問題。

本公開是為了解決這樣的問題而完成的。

用于解決問題的手段