JPH0693221B2

JPH0693221B2 - 音声入力装置

Info

Publication number: JPH0693221B2
Application number: JP60126029A
Authority: JP
Inventors: 義光大島; 正博阿部; 繁薮内; 義典北原
Original assignee: Hitachi Ltd
Current assignee: Hitachi Ltd
Priority date: 1985-06-12
Filing date: 1985-06-12
Publication date: 1994-11-16
Anticipated expiration: 2009-11-16
Also published as: JPS61285570A

Description

【発明の詳細な説明】〔発明の利用分野〕本発明は音声を利用した文章入力装置、特に音声による
句読点入力方式に関する。

〔発明の背景〕

文章をキーボードを用いて入力する場合は、通常キーボ
ード上にに句点、読点のキーが用意されているので、こ
れまで問題となることはなかつた。これに対して、通常
の会話音声では句読点に対応するものがないので、音声
によつて文章を入力する場合、新たに句読点の入力方式
を設定する必要が生じてくる。

一つの方法として、読点に対して「テン」、句点に対し
て「マル」と発声して入力する方法があるが、意識的に
行なわなくてはならず、特に原稿なしで音声によつて直
接文章する場合には、入力作業者の思考を乱すので、適
切ではない。

〔発明の目的〕

本発明は、このような句読点入力のためのの不自然さを
解消し、音声による自然な文章入力方式を提供すること
を目的とし、具体的には、発声の間、声調、前後の構文
・意味などの情報を利用して、自動的に句読点を入力す
る方式を提供することを目的とする。

〔発明の概要〕

句点と読点に分けて説明する。

「。」は文末につけるのが原則である。そして文とは一
定の意味的なまとまりを持つた陳述であり、音響的に見
ると一定の特徴を持つている。

まず、音声のポーズ（無音区間）の観点で見ると、文内
でも文節の境界を示すポーズが現われるが、ポーズ長は
文節間の意味的な結合により決定され、結合が弱いほど
ポーズ長は長くなる。そして最も弱い結合の場はポーズ
長（to）が経験的に300msec以上になるとされてる（参
考文献：箱田他「文音声のポーズ挿入規則」，日本音響
学会音声研究会資料,S74−64,1975年）。そこでまず、3
00msec以上のポーズがあれば、そこが文末の候補にな
る。

次にイントネーシヨン（抑揚）の観点で見る。イントネ
ーシヨンは音声の基本周波数によつて表現される。基本
周波数から単語アクセントなどによるアクセント成分を
除いたものを考えると、これは、文頭で立上り、その後
文末に向つて緩やかに低くなつていき、ある一定の周波
数に近づく（参考文献：日本放送協会編「日本語発音ア
クセント辞典」解説の部「共通語の発音とアクセント」
第３章）。これを図示すると、第１図のようになる。収
束の極限の周波数（Fmin）は、話者の最低周波数と考え
られるので、事前に話者の最低周波を音声認識部内に記
憶しておいて、この周波数と入力音声の基本周波数を比
べることにより、文末に近いところにいるかどうかを推
定することができる。第１図にはポーズの例示も示して
あるが、ポーズとイントネーシヨンの情報を併用すれ
ば、処理の精度をより高くすることができる。

以上の音響情報だけでは、しかし、確実な処理は望め
ず、文の途中で似たような音響パターンが現れた場合に
は、判定を誤る可能性がある。これを補償するために
は、文の持つ言語的情報も併用する必要がある。

日本語の文では、特殊な表現（倒置法による表現など）
を除くと、文末の形態を品詞ないし活用の観点で分類す
ると次のようになる。

（１）用言（動詞，形容詞，形容動詞），助動詞，補助
用言（補助動詞，補助形容詞）の終止形。

（２）同じく命令形。

（３）終助詞。

（４）名詞単独。（体言止めの場合）（５）サ変動詞語幹，形容動詞語幹。

このうち圧倒的に多く現れるのが（１）である。（２）
は話言葉的な表現であり、小説などで用いられるか、
「少年よ大志を抱け」などの格言で用いられるのみであ
る。（３）は通常の文章でも疑問文や反語的な表現で用
いられる。（「か」など）。（４）も通常の文章で用い
られるが、「春は曙」「花はさくらぎ」「酒は灘」など
限られた表現で用いられるが、新聞などで限られた紙面
にできるだけたくさんの記事をつめ込むために用いられ
るのみである。通常の文章では、タイトル、箇条書き文
の中で用いられることもあるが、数は少ない。（５）も
上と同様の理由で新聞などで用いられるが、通常の文章
で用いられることは少ない。したがつて、通常の文章で
は、（１）（３）についての処理を用意しておけばよ
い。

（３）については、入力文の形態素解析を行なつて、そ
れが終助詞であることを認識できれば、それにより文末
であることが判別できるので、「。」を打つことができ
る。

（１）の場合、現代の日本語では問題点が一つある。す
なわち、現代語では、形容動詞と一部の助動詞（「だ」
「ようだ」「そうだ」「みたいだ」）を除いて、終止形
と連体形が同形なので、活用形だけからでは文末である
か否かを判定できない。これを解決するには、前記の音
響情報による処理を併用すればいいと考えられる（連体
形は通常後続の名詞を修飾するのに用いられるので、後
続の名詞と一続きに発声されることが多い。）が、次の
ように入力文の持つ構文や意味の情報を利用すれば、よ
り確度高く［。］を打つ位置を判定することができる。

まず、用言の直後に、通常文頭に置いて用いられる接続
詞（「そこで」「したがつて」「すると」など）が来て
いる場合、その用言は終止形であると判定することがで
きる。したがつて、その用言の直後に［。］を付与する
ことができる。

次に用言が連体形のとき、後続の名詞を修飾するわけで
あるが、この場合、その名詞は用言の格になつている場
合が多い。そこで、入力文の構文意味解析を行なつて用
言に係つている名詞文節（連用名名詞文節）と用言が連
体修飾している名詞文節の格をチエツクし、連体修飾さ
れている名詞文節の格に対応するものが連用名詞文節側
にない場合は、その名詞が用言に連体修飾されている推
定することができ、したがって用言は終止形ではなく連
体形であると推定することができる。このことは連用修
飾側の名詞文節にその用言の必須格にあたるものがな
く、連体修飾されている名詞が欠けている必須格の対応
している場合には、推定の確度がより高くなる。逆に、
構文的には連体修飾されていると仮定できる名詞に対応
する格が用言の格フレーム中にないときは、その用言は
名詞を連体修飾しているのではない。すなわち、用言は
連体形ではなく終止形であると推定することができる。

なお、前記（２）の活用語の命令形の場合、終止形と違
つて紛れがないので、簡単に検知でき、文末であると判
定することができる。

次に、読点（［、］：テン）について説明する。読点に
ついては、それがある場合とない場合とについて音声的
に明確な差を認めることは難しい。そこで読点の付与は
主に構文的に決定することになる。

日本語では読点のうちかたについて、英語のコンマのよ
うに明確なルールは設定されていないが、通常よく読点
がうたれる部分を箇条書きにしてみると、次のようにな
る。

（１）複文・重文の境界例：「〜し，〜した。」「〜したので，〜した。」（２）並立表現例：「りんご，みかん，およびバナナ」（３）飛び越し係りの文節直後の用言を越えてより後方の文節にかかる連用修飾文
節など。

例：「渡辺刑事は、逃げ出した賦を追いかけた。」この場合、「渡辺刑事は」は「逃げ出した」に係かるの
ではなく、「追かけた」に係かる。

（４）文と文または節と節を結ぶ接続詞のうしろ例：「しかし」「そこで」「さらに」以上の場所に読点を付与すれば、通常の文章では大むね
妥当な文章が得られると考えられる。

次に各々の場合、の自動付与の方法について述べる。

まず（１）の場合複文については用言のうしろの接続助
詞を検知することにより簡単に判定できる。重文の場合
は用言が連用形（連用中止の形）かうしろに接続助詞
「て」がついた場合であるから、この場合も判定は簡単
にできる。

（２）の場合、通常の文の他の名詞文節（連用文節，連
体文節）には助詞がついているのが普通であるが、並立
表現中の名詞文節には助詞がついていないので、これを
検知することにより判定することができる。ただし、
「インドりんご」のように複合語となる場合にも名詞に
助詞がつかないので区別が問題となるが、これは、発声
の間を調べ、並立表現では名詞と名詞（または接続詞）
のあいだで一拍間が置かれるのに対し、複合語では両者
のあいだに間が置かれず続けて発声されることを利用し
て、判別することができる。

（３）の場合、入力文の構文意味解析を行ない、各文節
の係り受け関係を明らかにすることにより、「テン」を
うつべきか否かを判定することができる。

（４）の場合、接続詞を検知することにより、簡単に判
定できる。

〔発明の実施例〕

以下、本発明の実施例により説明する。

第２図に本発明の一実施例を示す。第２図で、１は音声
認識部、２は形態素解析部、３は構文意味解析部、４は
句読点処理部である。１の音声認識部より順に各部の動
作を説明する。

第３図に音声認識部１の内部構成を示す。11は音韻認識
部で入力音声５を解析して、音韻情報に分解し、カナ文
字コードの系列111を出力する。音韻認識部の詳細はこ
こでは示さないが、例えば、伊福部達著「音声タイプラ
イタの設計」CQ出版社発行（1983年）の第２章，第３章
記載の内容にのつとり構成することができる。

12はピツチ抽出部で、入力音声の基本周波数を抽出す
る。その出力121は、第１図上段のグラフのようにな
る。このピツチ抽出部は、例えば、新美康永著「音声認
識」共立出版発行（1979年）の第２章2,4節に記されれ
ている音声の分析法、同じく2,6節Ｂに記されているピ
ツチ抽出法を用い、さらにアクセント依存の要素除去に
は広瀬啓吉・藤崎博也・山口幹雄「基本周波数パタンの
特徴の自動抽出」日本音響学会音声研究会資S83−35（1
983年）のアクセント推定アルゴリズム，フレーズ推定
アルゴリズムを利用することにより、構成することがで
きる。具体的にはアナログデジタル変換器、マイクロプ
ロセッサ、読出し専用メモリ，ランダムアクセスメモリ
などを用い、上記の各アルゴリズを読出し専用メモリに
格納したものとして構成される。

13はパワー検出部で、入力音声のパワーを検出する。そ
の出力131は、第１図下段のグラフのようになる。パワ
ー検出部13の詳細はここでは示さなが、既知の整流回路
および積分回路などで構成することができる。

14は音声データ処理部で、各部の出力111〜131を受けて
データ処理を行ない、区切り記号（の候補）を含んだカ
ナ文字系列を出力する。この音声データ処理部は、市販
のマイクロコンピユータ，ランダムアクセスメモリ，お
よびアナログデイジタル変換回路などを用いて構成する
ことができる。

第４図に、音声データ処理部14における句点情報抽出の
ための処理フローを示す。第A1ステツプ，第A2ステツプ
で音声入力の基本周波数データとパワーを監視し、Foに
はパワーが０となる直前の基本周波数が保持されるよう
にする。音声入力のパワーが０となつたら次へ進み、パ
ワー０の時間をはかる（第A3ステツプ）。そして、パワ
ー０の時間長が300msec以上であれば（第A4ステツ
プ），第A5ステツプへ進む。第A5ステツプでは、パワー
が０となる直前の周波数Foと話者の最低周波数Fminとの
差（ΔＦ）をとり、これがある一定値Ｓ以下ならば（第
A6ステツプ），文末であると見なして、句点候補を出力
する。この句点候補のデータは音韻情報（カナコード
列）と混合されて、出力線６に出力される。出力線６上
のデータの形式を第５図に示す。「。」で示してあるの
が句点候補である。ここでカギカツコをつけているの
は、句点の候補の意を示すためである（以下同様）。

なお、話者の声の最低周波数Fminは、予じめ登録してお
くか、前記音声データ処理装置内に学習機能を設け、第
４図のフローチヤートで句点候補を出力したときの基本
周波数FoをFminとして保存し、Fminより低いFoが入力さ
れたときはこれを更新するというような方法で設定する
ことが可能である。

また、閾値Ｓは、実験的に適切な値に設定しておく。

なお、第３図において、ピツチ抽出部12,パワー検出部1
3,音声データ処理部14を独立の回路としているが、音韻
認識内でもそれぞれ12〜14と類似の回路が必要であり、
両者を兼用することも可能である。

次に第２図の形態素解析部２は、カナ文字列と句点情報
からなる音声認識部の出力６を受けとり、形態素解析を
行なう。形態素解析は単語辞書および形態素列の連設可
否を記した接続表などを用いて、入力カナ文字列を形態
素単位に分割する処理である。形態素解析部の具体的構
成法に関しては、相沢・江原「計算機によるカナ漢字変
換」NHK技術研究第25巻第５号頁23〜60（1973年）、あ
るいは特願昭59−44025などを参照することにより構成
可能である。第５図のカナ文字列入力に対応する形態素
解析部２の処理結果を第６図に示す。各形態素の読み、
表記、品詞、活用、および形態素解析は文節の区切りも
認識するので、文節端の位置にマークを記している。

構文意味解析部３は、上記の形態素解析部２の出力７を
入力として、入力文の構文と意味を利用した解析を行な
い、構成文節の係り受け関係をもとめる。構文意味解析
は格フレーム辞書、日本語の構文規則を利用して係り受
け関係をもとめる処理で、具体的には発明特願59−1191
8記載の内容などを参照して構成することができる。

「ワタシハサクラガサイタノデコウエンヘデカケ
タ」という音声入力が音声認識部、形態素解析部，構文
意味解析部を次々に通過してくると、第７図に示すよう
な処理結果が得らる。」第６図の品詞、活用および、文
節端の情報に加えて、係り先の情報が付加されている。
係り先欄の数字は、表の左端の形態素に付与した数字に
対応している。「なし」とあるのは、構文意味解析で文
末と認定した文節である。

句読点処理部は、第７図のような処理結果をもとに句読
点の位置を推定し、自動的に付与する。句読点抽出部
は、具体的には、市販のマイクロプロセツサ，メモリ等
により構成することができる。

次に、句読点処理部４の処理内容を句点、読点それぞれ
に分けて説明する。

第８図に、音声認識部１で出力された句読点候補のデー
タを、形態素解析部２、構文意味解析部３の処理結果を
利用して判定するための処理手順を示す。

第B1ステツプおよび第B2ステツプで、構文意味解析部３
の出力８を走査し、句点候補のデータを探す。句点候補
が見つかつたら（第７図では14行目の「。」印）、次
に、さらにその次の文接のデータが、文頭位置して用い
られる接続詞ならば、その手前が文の境界と推定される
ので、句読候補を句点と認定して出力する（第B3ステツ
プ，第B4ステツプ）。

次の文節が接続詞でないならば、次に、直前の文節の文
節末の形態をチエツクする（第B5ステツプ，第B6ステツ
プ）。その品詞が活用語か否かをチエツクし、活用語で
なければ、次に終助詞かどうかチエツクし、終助詞なら
ば文の終りと推定し、句点候補を句点と認定し出力する
（第B7ステツプ，第B8ステツプ）。さもなければ何もせ
ず（句点候補を句句点の認定せず、無視する）、次の句
点候補探索ループへ再度進む。

直前の文節末が活用語ならば、さらにそれが形容動詞ま
たは形容動詞型活用の助動詞かどうかをチエツクする
（第B9ステツプ）。そうであれば、その活用形をチエツ
クし、活用形が終止形ならば文の終りと判定できるの
で、句点候補を句点と認定し出力する（第B10ステツ
プ，第B11ステツプ）。終止形でなければ、文の終りで
ないので、何もしない。

直前の文節末が、形容動詞または形容動詞型活用の助動
詞以外の活用語ならば活用形をチエツクし（第B12ステ
ツプ）、終止形（または連体形）ならば、それが連体形
か終止形かを判定するために構文意味解析部３の処理結
果８の係り先欄（第７図参照）を参照する（第B15,B16
ステツプ）。係り先欄に係り先なしと配されていれば、
そこが文の終りであると推定できるので、句点候補を句
点と認定し出力する（第B17ステツプ）。さもなければ
何もしない。

以上の処理により、通常の多く文で句点を振るべき位置
を検知し、付与することができる。

次に読点の処理について説明する。

第９図に、句読点処理部４における読点の処理手順を示
す。

第C1ステツプで構文意味解析部３の出力８を走査し、文
節自立語の品詞を次々にチエツクする（第C2ステツ
プ）。文節の自立語が用言ならば第C3ステツプに進み、
文節末の形態をチエツクする。それが活用語の連用形語
尾（助動詞，補助用言の連用形を含む）、あるいは接続
助詞ならば、重文または複文の境界と推定されるので、
読点を付与する（第C4ステツプ）。連体形または終止形
語尾の場合は前記の句点処理時にチエツクされている
が、終止形と認定されれば句点を付与されており、読点
を付与する必要はない。連体形の場合は通常後続の名詞
と一続きにに表現されるので、読点を付与する必要はな
い。

次に、文節の自立語が接続詞ならば、それが文と文、ま
たは節と節をつなぐ接続詞（「しかし」「そして」「さ
らに」など）であるかどうかをチエツクする（第C5ステ
ツプ）。そうであれば文節のうしろに読点を付与する
（第C6ステツプ）。そうでなければ（この場合は、「ま
たは」「および」「あるいは」などの語と語、または句
と句を結ぶ接続詞）、何もしない。

文節の自立語が名詞ならば、文節の付属語をチエツクす
る（第C7ステツプ）。付属語に断定の助動詞（「だ」
「である」「です」）またはそれに準じて名詞に直接接
続する助動詞（「らしい」「みたいだ」）がある場合、
文節全体としては用言文節と同等な性格を持つので、第
C3ステツプにもどり、用言文節と同じ処理を行なう。

文節の自立語が名詞単独で、付属語が付いていなけれ
ば、それは他の名詞と並立関係にある名詞が複合語の要
素であるかどちらかである。これを区別するためには後
続の語とのあいだで発声の間があるかどうか調べればよ
いが、これには最初に説明と音声認識部１での処理中、
句点候補として取り上げられたもの以外の発声の間を、
読点候補としてデータ中に入れておけばよい（第10図参
照。［、］が読点候補）。これを利用して読点候補の有
無を調べ（第C8ステツプ）、あれば並立文節と認定して
読点を出力し、なければ複合語要素と見なして何もしな
い。

名詞に助詞がついているならば、次に、その文節の係り
の型をチエツクする（第C10ステツプ）。名詞文節の係
り型は文節末の助詞をチエツクすることに判定すること
ができる。格助詞「の」ならば連体修飾、その他の格助
詞および係り助詞、副助詞ならば、連用修飾である。文
節の係り型が連体修飾のときは通常後続の名詞と一続き
に表現されるので何もしない。連用修飾の場合はさらに
その係り先のチエツクを行なう（第C11ステツプ）。係
り先が近く（直後）の用言ならば何もせず、直後の用言
を越えてより後方の用言に係かる場合は、文節のうしろ
に読点を付与する（第C12ステツプ）。これを例で説明
すると、例えば第７図の２番目の文節「桜が」は直後の
文節「咲いたので」に係つているので読点を付さず、第
１番目の文節「私は」は「咲いたので」を越えて「出か
けた」に係つているので、読点を付与する。なおここ
で、直後の用言とは、用言として直後という意味であ
り、注目している名詞文節と用言の間に他の名詞文節や
副詞文節が入ることを妨げない。ちなみに第７図の例で
は、接続助詞「ので」のうしろにも読点が付与される。

第７図に対し句読点処理を施した最終結果を第11図に示
す。

なお、以上の発明の概要および実施例の説明において、
音声認識部1,形態素解析部2,構文意味解析部３などの処
理データをすべて利利用して句読点の付与位置を判定す
る方法について説明したが、これを部分的に利用して、
例えば音声認識１のみのデータ、あるいは音声認識部１
と形態素解析部２の処理結果を利用して句読点の位置を
判定するような構成にすることも可能である。

〔発明の効果〕

以上本発明によれば、音声入力された文章に自動的に句
読点を付与することが可能となる。したがつて、本発明
に基づいた音声入力装置を用いて文章を入力作業者は、
句読点の入力について気を巡らす必要はなくなり、自然
な調子で入力することが可能となるので、音声による文
章入力の効率向上に寄与することもできる。

【図面の簡単な説明】

第１図は音声入力による文と文の境界における音声の基
本周波数とパワーの変化を示した図、第２図は、本発明
における実施例の全体構成を示す図、第３図は第２図の
音声認識部１の詳細を示した図、第４図は第３図の音声
データ処理部14における句点候補判定手順を示すフロー
チヤート、第５図は音声認識部１の処理結果の例、第６
図は同じく形態素解析部２の処理結果の例、第７図は構
文意味解析部３の処理結果の例である。第８図は句読点
処理部４における句点処理手順を示すフローチヤート、
第９図は読点処理手順を示すフローチヤートである。第
10図は、並立文節があるときの句読点処理部４への入
力、第11図は第７図のデータに正しく句読点を施した結
果である。

───────────────────────────────────────────────────── フロントページの続き (72)発明者北原義典東京都国分寺市東恋ヶ窪１丁目280番地株式会社日立製作所中央研究所内 (56)参考文献特開昭56−114041（ＪＰ，Ａ)

Claims

【特許請求の範囲】

【請求項１】入力音声を認識する手段と、認識された音声が表す文字列を複数の形態素に分割する
手段と、該複数の形態素の属性を利用して、文章の末尾に位置す
る形態素（文末形態素）を検出する手段と、検出された文末形態素の後に句点を挿入する手段とを有
する音声入力装置。
【請求項２】該複数の形態素の属性は、それぞれの形態
素の品詞と活用の情報である請求項１記載の音声入力装
置。
【請求項３】該検出手段は、該複数の形態素のそれぞれ
の品詞と活用の情報に基づいて、該複数の形態素のう
ち、文末形態素を一意に決定出来ないとき、文末形態素
となりうる形態素（文末形態素候補）を検出し、他の情
報を使用してとかその文末形態素候補が文末形態素か否
かを判別する手段をさらに有する請求項２記載の音声入
力装置。
【請求項４】該判別手段は、文末形態素候補に続く形態
素の属性を更に利用して、その文末形態素候補が、文末
形態素か否かを判別する手段である請求項３記載の音声
入力装置。
【請求項５】文末形態素候補を含む文字列の構文と意味
を解析する手段をさらに有し、該判別手段は、その構文と意味の解析結果をさらに利用
してその判別を行う手段からなる請求項３記載の音声入
力装置。
【請求項６】入力音声を認識する手段と、認識された音声が表す文字列を複数の形態素に分割する
手段と、該複数の形態素の属性を利用して、読点を付すべき文節
末に相当する形態素（読点付き文節末形態素）を検出す
る手段と、検出された読点付き文節末形態素の後に読点を挿入する
手段とを有する音声入力装置。
【請求項７】該複数の形態素の属性は、それぞれの形態
素の品詞と活用の情報である請求項６記載の音声入力装
置。
【請求項８】該検出手段は、該複数の形態素のそれぞれ
の品詞と活用の情報に基づいて、該複数の形態素のう
ち、文節末形態素を一意に決定出来ないとき、文末形態
素となりうる形態素（文節末形態素候補）を検出する手
段と、他の情報を使用してその文節末形態素候補が文節末形態
素か否かを判別する手段をさらに有する請求項７記載の
音声入力装置。
【請求項９】文節末形態素候補を含む文字列の構文と意
味を解析する手段をさらに有し、該判別手段は、その構文と意味に関する解析結果を利用
してその判別を行う手段を有する請求項８記載の音声入
力装置。
【請求項１０】該判別手段は、文節末形態素候補に続く
入力音声のパワーの大きさを利用してその判別を行う手
段を有する請求項８記載の音声入力装置。