JP2000284793A

JP2000284793A - 音声要約装置及び音声要約プログラムを記録した記録媒体

Info

Publication number: JP2000284793A
Application number: JP11092705A
Authority: JP
Inventors: Masayuki Nakazawa; 正幸中沢; Ryuichi Oka; 隆一岡
Original assignee: Sharp Corp; Real World Computing Partnership
Current assignee: Sharp Corp; Real World Computing Partnership
Priority date: 1999-03-31
Filing date: 1999-03-31
Publication date: 2000-10-13
Anticipated expiration: 2019-03-31
Also published as: JP4344418B2

Abstract

(57)【要約】【課題】音声中から抽出された部分的な音声を音声認
識し、要約記述を生成することにより、音声中に含まれ
る話題を要約し、利用者が音声内容を短時間で把握・利
用することを可能にする音声要約装置を提供すること。【解決手段】音声入力部１から取り込まれた音声信号
を特徴パラメータに変換する特徴抽出部２と、この特徴
パラメータを音素片記号系列として認識する音素片認識
部３と、該音素片認識部３によって得られた音素片記号
系列より話題を反映する重要区間を抽出する重要区間抽
出部４と、重要区間の出現分布を用いて話題境界を検出
する話題区間検出部６と、それぞれの話題区間に含まれ
る重要区間を意味分類し、話題情報を生成及び出力する
話題情報生成部８及び話題情報出力部９と、を備える。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は、音声要約装置及び
音声要約プログラムを記録した記録媒体に関し、詳しく
は、音声中に含まれる話題を要約し、利用者が音声内容
を短時間で把握・利用することを可能にする音声要約装
置及び音声要約プログラムを記録した記録媒体に関す
る。

【０００２】

【従来の技術】音声波形中から話題を反映する重要な音
声区間を抽出する手法として、特開平３−８０７８２号
公報、特開平１０−３９８９０号公報、特開平９−６３
８５号公報に開示されている技術がある。特開平３−８
０７８２号公報には、重要と思われる音声特徴系列をあ
らかじめ指定しおき、入力音声を解析して得られた特徴
系列と前記音声特徴系列とを比較して、類似する特徴系
列区間を自動的に切り出し、この切り出した特徴系列区
間に相当する音声区間を音声中から抽出し、これらをつ
なぎ合わせて再生し出力する技術が開示されている。

【０００３】図１１は、特開平１０−３９８９０号公報
に開示された音声要約装置の構成を示すブロック図であ
る。この音声要約装置は、音声入力部１の音声中から重
要区間を抽出する重要区間抽出部（特徴抽出部２、重要
区間抽出部４、重要区間インデックス格納部５）と、該
重要区間を処理して要約データを得るデータ処理部（時
間分布評価部１５、再生区間インデックス格納部１６）
と、要約データに基づいて音声を出力する出力手段（音
声波形格納部１７、音声波形再生部１８、音声出力部１
９）と、を有し、前記データ処理部は、重要区間の時間
的分布を評価してその評価結果に基づいて決定された要
約データを得、前記出力手段は音声を再生し出力できる
ようにするものである。特開平９−６３８５号公報に
は、音声波形の中から類似している波形部分を検出する
手法が開示されている。

【０００４】

【発明が解決しようとする課題】特開平３−８０７８２
号公報の技術は、時間的に連続していない短い音声区間
が抽出されてしまい、再生音が途切れがちになり、利用
者にとっては聞きづらく、内容の判断が困難であるとい
う問題がある。特開平１０−３９８９０号公報では、こ
の問題を解決するために、抽出された音声特徴系列区間
の時間的分布を評価し、その評価結果に基づいて要約デ
ータを得るように改良を行っている。抽出された音声区
間のまとまった単位を優先的に再生し出力することで、
利用者により聞き取りやすい形で要約音声を提供してい
る。しかしながら、この技術では、対象とする特徴量
が、話者の特性を強く受けたものであり、不特定話者同
士が会話する内容については適応が困難なものとなって
いる。また、出力は、再生された音声波形であるため人
間が聞くことを前提としており、コンピュータを用いた
検索など二次的利用への汎用性が乏しい。利用者が音声
内容をより短時間で把握することや二次的利用を行うた
めには、再生された音声だけではなく、話題毎に分割さ
れたテキストによる記述結果が必要である。テキストに
よる要約記述があることで、音声内容の把握がしやすい
だけでなく、単語をキーに検索を行うなど、コンピュー
タ等の装置との連携が柔軟に行える。

【０００５】また、特開平９−６３８５号公報の技術で
用いている音響特徴量は固定次元のベクトルであり、可
変次元のベクトルを用いる際の留意点については述べら
れていない。また、得られた重要区間出現頻度のヒスト
グラムから話題の境界を推定する手法を提案している
が、単純な閾値によりヒストグラムを分割するという手
法を用いているため、不要に多くの話題境界を検出する
という問題点がある。また、不特定話者の音声への対応
という点には触れていない。本発明は、かかる実情に鑑
みてなされたもので、音声中から抽出された部分的な音
声を音声認識し、要約記述を生成することにより、音声
中に含まれる話題を要約し、利用者が音声内容を短時間
で把握・利用することを可能にする音声要約装置及び音
声要約プログラムを記録した記録媒体を提供することを
目的とする。

【０００６】

【課題を解決するための手段】本発明の音声要約装置
は、音声中から重要区間を抽出する重要区間抽出部と、
重要区間の出現分布を用いて話題区間の境界を検出する
話題境界検出部と、それぞれの話題区間に含まれる重要
区間を意味分類して話題情報を生成する話題情報生成部
と、を備えるものである。また、前記重要区間抽出部
は、重要区間を抽出するための特徴量として、話者に依
存しない音響特徴量を用いることで、不特定話者の音声
波形を対象とすることができ、複数話者の音声対話から
話題を推定することが可能になる。

【０００７】また、前記話題境界検出部は、抽出された
話題を反映する複数の重要区間から話題の境界を推定す
る推定手段を備えることで、音声波形中に含まれる複数
の話題を話題毎に分割することが可能になる。また、前
記話題情報生成部は、前記話題区間に含まれる単語から
シソーラス又は共起データを用いて意味分類すること
で、同音異義語を判定し、語義の曖昧性を解消すること
ができる。

【０００８】また、前記話題情報生成部は、共起データ
を用いて語義の曖昧性解消を行うことで、音声波形中に
含まれる語義を正しく推定することができると同時に、
対象となる語義以外の意味を棄却することができる。ま
た、前記話題情報生成部は、共起データを用いて語義の
曖昧性解消を行う際、共起する関係の順序を考慮せず、
組合せのみを考慮することで、共起データの組合せを増
やすことができる。

【０００９】また、前記話題情報生成部は、共起データ
を用いて語義の曖昧性解消を行う際、共起する単語見出
し及び意味情報を利用することで、同音異義語の判定が
行えるようになり、語義の推定精度の向上を計ることが
できる。また、前記話題情報生成部は、意味のクラスの
違いに応じた分類である話題スロットを用いて意味分類
することで、音声波形中に含まれる話題について必要十
分な情報とともに推定することが可能になる。

【００１０】また、本発明は、コンピュータを、音声中
から重要区間を抽出する重要区間抽出部と、重要区間の
出現分布を用いて話題区間の境界を検出する話題境界検
出部と、それぞれの話題区間に含まれる重要区間を意味
分類して話題情報を生成する話題情報生成部、として機
能させるための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である。

【００１１】

【発明の実施の形態】以下、添付図面を参照しながら本
発明の好適な実施の形態について詳細に説明する。な
お、図１１と同一機能のものは同一符号で示して説明を
省略する。図１は、本発明の音声要約装置の一実施の形
態の構成を示すブロック図である。図１１の特徴抽出部
２と重要区間抽出部４の間に音素片認識部３を追加する
と共に、重要区間インデックス格納部５以降を、話題境
界検出部６、単語認識部７、話題情報生成部８、話題情
報出力部９に置き換えている点が図１１の装置と異な
る。

【００１２】音声入力部１から取り込まれた音声信号
は、特徴抽出部２において、音素片認識部３で処理でき
る特徴パラメータに変換されたあと、音素片認識部３に
おいて音素片記号系列として認識される。この特徴パラ
メータの変換方法は、例えば、「部分整合法」（岡隆
一、“連続ＤＰを用いた部分整合法フレーム特徴の音韻
認識”、電子情報通信学会誌、DVo1.J70-DNo.5、pp.917
-924、1997-07）による音素片認識手法の中で詳しく述
べられている。また、音素片については、「音声の音素
片ネットワーク表現と時系列のセグメント化法を用いた
自動ラベリング手法」（田中和世、速水悟、大田耕三、
日本音響学会誌、42巻11号pp.860-868、1986）で詳しく
述べられている。図２は、音素片認識部３での出力結果
例を示す図である。フレーム番号２０、音響パワー２
１、音素片候補数２２、音素片シンボル２３、音素片認
識指数２４の５つフィールドから構成されている。な
お、この図２での音素片認識指数２４は、各音素片の認
識頻度を列挙している。

【００１３】次に音素片認識部３によって得られた音素
片記号系列は、重要区間抽出部４により話題を反映する
重要区間の抽出が行われる。これは、例えば、特開平９
−６３８５号公報、特開平１０−３９８９０号公報、ま
たは「類似区間抽出手法」（木山次郎、伊藤慶明、岡隆
一、“Incrementa1 Reference Interva1-free 連続ＤＰ
を用いた任意話題音声の要約”、電子情報通信学会技
報、SP95-35、1995-06)に詳しく述べられている。しか
し、上記各文献に述べられている手法には、各フレーム
毎に出力される音響特徴量は固定次元のベクトル（ＬＰ
Ｃケプストラムなど）を想定しているため、音素片認識
部３からの出力である可変次元のベクトルをそのまま適
用することはできない。この問題を解決するための手法
を以下に説明する。

【００１４】例えば、連続ＤＰ（Dynamic Programmin
g）よる２つのパターンｐ_i、ｑ_jのマッチングを行う場
合、局所距離計算は式（１）及び式（２）で以下のよう
に計算できる。２つ音素片系列が持つ音素片要素をそれ
ぞれｐ_i（１≦ｉ≦Ｎ）、ｑ_j（１≦ｊ≦Ｍ）とする。音
素片要素の認識指数（図２では認識頻度）をρ(ｐ_i)、
ρ(ｑ_j) とする。２つ音素片要素ｐ_i、ｑ_jに対する音素
片距離をε(ｐ_i,ｑ_j) とする。また、認識指数に応じた
重みをρ1(ｐ_i)、ρ1(ｑ_j) とし、式（１）及び式
（２）に示すように定義する。なお、Ｎ，Ｍはそれぞれ
の音素片系列の要素数である。

【００１５】

【数１】

【００１６】図９は、重要区間抽出のための局所距離算
出の動作を説明するフロー図である。ステップＳ１で、
局所距離が初期化（local distance＝０）され、ステッ
プＳ２で、２つのパターンの音素片要素ｐ_i、ｑ_jが一致
するか否かを判断し、同じ音素片が現れた段階で、ステ
ップＳ３において変数local distanceに値ｄが設定され
る。そして、ステップＳ４でＮ×Ｍ回ループの中で変数
ｄが更新される。ｄ＝ｄ＋ε(ｐ_i,ｑ_j)・ρ1(Ｐ_i)・ρ1(ｑ_j)

【００１７】変数local distanceが０の時は、局所距離
値が０であるということを示し、音素片系列の最初の候
補同士が同じことを示している。この局所距離算出フロ
ーによる手法を用いることで、音素片などの可変ベクト
ル特徴量を利用した局所距離計算が可能になり、連続Ｄ
Ｐにおける累積距離計算値を得ることができ、最終的に
は２つのパターンにおけるマッチング距離の算出が可能
になる。

【００１８】重要区間インデックス格納部５では、重要
区間抽出部４から得られる重要区間の出現頻度を用い
て、出現頻度ヒストグラムが作成される。図３は、重要
区間出現頻度の概念図である。横軸は時間、縦軸は類似
区間の出現頻度を表す。図中の３０, ３０'および３
１、３１'は互いに類似した区間を示しており、対応関
係を示すため互いに便宜上水平な線で結んでいる。図中
の出現頻度ヒストグラム３２は、区間３０の開始時刻、
３０'の終了時刻の間に重み１が加算されている様子を
表している。区間３１、３１'についても同様に、区間
３１の開始時刻、３１’の終了時刻の間に重み１が加算
されている。出現頻度ヒストグラム３２の中央部の谷の
部分３２’は、その時刻で話題が分割されることを示し
ている。これは、ある特定の話題には、その話題を特徴
付けるキーワードが出現し、違う他の話題では、違うキ
ーワードが出現するという仮定に基づいている。

【００１９】図５は、実際の音声波形（８９秒）を解析
した結果を示す図である。図５の横軸、縦軸は時間であ
り、グラフ中に検出された類似区間が黒い四角として表
示されている。たとえば、図中央のＳＴＡＹ（宿泊）
は、音声波形の約６３秒と約４９秒を開始時刻として重
要区間があったことを示している。なお、図中の矢印に
より該当する単語見出しを注釈として加えている。

【００２０】話題境界検出部６では、重要区間インデッ
クス格納部５から得られたヒストグラムを基に話題境界
の検出を行う。話題境界の検出には、このヒストグラム
に移動平均による平滑化処理を施したあと、その変化量
を求め、その変化量がある閾値を超えた時刻を基準に、
直前に負から正に変化した時刻として検出している。こ
の方法は、以下に述べる音響パワーによる音声区間の初
期推定区間抽出方法と似ているが、ヒストグラム（音響
パワーのグラフ）をそのまま用いるのではなく、そのヒ
ストグラムの変化量に対して適用している点が異なる。

【００２１】図４は、音響パワー４０とその変化量４１
との関係を示す図である。音響パワーによる音声区間の
初期推定区間抽出方法は、入力音声フレームごとの音響
パワー４０に対する２つの閾値Ｅ1、Ｅ2（Ｅ2＜Ｅ1）を
用いて、音声区間（ｎ₁,ｎ₂）を推定する。音響パワー
の値が、Ｅ2を越え、かつその後Ｅ2より小さくなること
なくＥ1を越えるとき、Ｅ2を越えたフレームをｎ₁と
し、音声区間の開始フレームとする。音声区間の終了フ
レームは、時間軸を反転し同様の方法でｎ₂を定める。
ここでの閾値Ｅ1、Ｅ2は、実験などにより決まる値とな
る。

【００２２】本実施の形態で用いる方法は、音響パワー
４０に相当する累積頻度をそのまま用いず、重要区間の
累積頻度の変化量４１（微分）を求め、その値に対し
て、音声区間の初期推定区間抽出方法を用いる。この方
法は、累積頻度が急激に増加し始めるポイントの推定が
可能であるため、１つの話題の中で特に累積頻度の高い
部分の切りだしが行え、話題の細分化が可能である。累
積頻度が減少し終わったポイントは、時間軸を逆にし
て、同様の方法で調べることができる。ｎ₁、ｎ₂は、音
響パワー４０による音声区間の初期推定区間抽出方法に
よる区間を示し、ｎ₁'、ｎ₂'は、音響パワーの変化量４
１を用いた方法による区間を示す。次に、平滑化のため
の式（３）と、話題分割のための式（４）を示す。

【００２３】

【数２】

【００２４】上式において、ｈ(ｔ)：時刻ｔに対する音韻的に類似した区間のペアの
累積頻度ｍ：平滑化処理のための移動平均量ｈ1(ｔ)：平滑化後の累積頻度ｖ(ｔ)：時刻ｔに対する累積頻度の変化量 α：累積頻度変化量を正規化するための定数ｅ：話題を分割するための閾値Ｈ：分割された時刻の集合音声区間検出の閾値Ｅ1がｅに、Ｅ2が０に相当する。こ
の閾値ｅを満たす時刻の集合Ｈが話題の境界となる。

【００２５】図６は、実際の音声波形（図５に示した音
声と同じ）を解析した結果を示す図である。図６（ａ）
は、重要区間インデックス格納部５より得られた重要区
間のヒストグラム、図６（ｂ）は、図６（ａ）に対して
式（３）による平滑化処理を施した結果である。図６
（ｃ）は、図６（ｂ）のグラフの変化状態を示したもの
で、話題境界の時刻６０が検出されたことを示してい
る。なお、６１は、人手によって確認した話題境界の正
解時刻である。時刻６０、６１ともほぼ同じ時刻を示し
ており、本実施の形態装置による効果が表れている。

【００２６】単語認識部７では、分割された話題区間の
時刻集合Ｈ（式（４）参照）に含まれる重要区間（音声
波形）を対象に音声波形格納部１０に保存されている音
声波形を基に単語認識が行われる。単語認識の手法は、
たとえば、「音声認識」（今井聖、共立出版社、１９９
５）等、多くの文献に記されているため、ここでの説明
は省略する。

【００２７】話題情報生成部８では、単語認識部７で得
られた単語集合とシソーラス、共起データを用いて話題
情報の生成が行われる。シソーラスは、概念の上位・下
位関係を記述したもので、検索する単語がどの概念に相
当していて、どのような概念の下位として位置づけられ
ているのかを検索するために用いたり、それぞれの単語
がシソーラスの分類によりどのようなグループを形成す
るのかを識別するために用いられる。また、共起データ
は、語と語が１つの文の中で同時に使われた単語の組合
せを列挙したデータであり、かな漢字変換等で単語見出
しを特定するために用いられる。ここでは、あらかじめ
設定された概念に含まれる情報を話題スロットと定義し
ている。

【００２８】図１０は、話題情報生成部８で行う話題情
報生成の動作を説明するフロー図である。まず、ステッ
プＳ１０で、単語集合Ｗcを初期化し、ステップＳ１１
で、単語認識部７で得られた単語Ｗi，Ｗjについてその
組合せの共起項目があるかどうかの判別を行う。ある
（ＹＥＳ）場合は、単語集合Ｗcに単語Ｗi，Ｗjを追加
する（ステップＳ１２）。この手順により語義の曖昧性
を解消する。すなわち、異なる語義（意味）を持つ単語
のその文脈における語義を特定する。次いでステップＳ
１３でＷi，Ｗjの全ての組合わせについてチェックし、
チェックが終了すればステップＳ１４に進む。

【００２９】ステップＳ１４では、単語集合Ｗcに含ま
れる単語Ｗciが属する概念を検索し、単語Ｗciの上位概
念を検索し（ステップＳ１５）、該当する話題スロット
があるかどうかの判別を行う（ステップＳ１６）。ある
（ＹＥＳ）場合は、単語Ｗciを話題スロットに追加する
（ステップＳ１７）。これは、上位概念が、最上位概念
に行き着くまで繰り返される（ステップＳ１８）。ま
た、この話題スロットヘの追加手順は、単語集合Ｗcの
すべての単語Ｗciについて行われる（ステップＳ１
９）。

【００３０】なお、Ｗi＝｛パン｝，Ｗj＝｛食べる｝の
場合、実例文の中に「パンを食べる」という文があるこ
とを示している。「食べるパンを」のような文は、解析
の対象を選ぶ文選択の作業において削除されるのが一般
的であるため、通常ありえない組合せとなるが、本実施
の形態では、共起する単語の組合せそのものを利用す
る。これは、「山と川」というような係り受け関係の場
合に、共起項目を増やすことができ効果的である。ま
た、話題情報生成部８では、単語Ｗi，Ｗjに対応する共
起項目の検索時に、該当する単語だけではなく概念も同
時に抽出することで、単語と概念両方に一致するものだ
けを結果として残す。

【００３１】話題情報生成部８で用いられる話題スロッ
トには、例えば、「時」、「位置」、「変化」、「行
為」、「移動」、「現象」、「状態」、「人間または人
間と似た振る舞いをする主体」、「もの」、「事柄」、
「さまざまな物と事柄」、「それぞれの現象や物事」、
「客観的な対象」、等が挙げられる。ここで、「変化、
行為、移動、現象、状態」は、上位概念としての「事
象」に含まれる場合、「事象」概念１つとして扱うこと
も可能である。また、意味の細分化のために下位の概念
として「変化、行為、移動、現象、状態」それぞれを１
つの項目として扱うことも可能である。これは、「もの
ごと」に対しても同様であり、下位の概念として「も
の、事柄、さまざまな物と事柄、それぞれの現象や物
事、客観的な対象」を用いて細分化することもできる。

【００３２】図８は、「組織」という単語をシソーラス
から検索した例を示す図である。８０は、シソーラス上
の最上位の概念を示し、８１、８２、８３、８４、８５
は各々「組織」という単語が５つの意味に分類されてお
り、それぞれの意味に従って、特定の上位概念の下に分
類されている状態を示している。たとえば、８２の「組
織を作り上げる」という意味の場合は、“組織を創立す
る”という上位概念に含まれ、さらに“物事を設定する
こと”という上位概念に分類されている。最終的には、
“行為”という話題スロットに分類されていることが分
かる。もちろん、この上位概念は、シソーラスが異なれ
ば概念の名称も異なり、おのずと話題スロット名も異な
ったものとなる。

【００３３】図７は、実際の音声波形を本実施の形態に
よる手法を用いて解析した出力例を示す図である。話題
情報出力部９では、図７に示すような形式で話題情報の
出力が行われる。２つの話題が出力されており、１つ目
の話題は、３つの話題スロット（位置、主体、もの）か
ら構成され、それぞれの話題スロットは、東京、地下鉄
という単語が示されている。２つ目の話題は、３つ話題
スロット（位置、行為、主体）から構成され、ホテル、
宿泊という単語が示されている。これは人手による検証
結果と一致しており、本実施の形態の効果が表れてい
る。もちろん、この出力情報は画面に表示するだけでは
なく他の形式での表示やファイルなどの他の出力媒体に
保存することも可能である。なお、本発明の音声要約装
置は、上述の図示例のみに限定されるものではなく、本
発明の要旨を逸脱しない範囲内において種々変更を加え
得ることは勿論である。

【００３４】以上説明した音声要約装置は、この音声要
約装置を機能させるためのプログラムで実現できる。こ
のプログラムはコンピュータで読み取り可能な記録媒体
に格納されている。本発明では、この記録媒体として、
音声要約装置を実現するコンピュータのメインメモリそ
のものがプログラムメディアであってもよいし、また外
部記憶装置としてＣＤ−ＲＯＭドライバ等のプログラム
読み取り装置が設けられ、そこに挿入することで読み取
り可能なＣＤ−ＲＯＭ等のプログラムメディアであって
もよい。いずれの場合においても、格納されているプロ
グラムはＣＰＵがアクセスして実行させる構成であって
もよいし、あるいはいずれの場合もプログラムを読み出
し、読み出されたプログラムは、図示されていないプロ
グラム記憶エリアにダウンロードされて、そのプログラ
ムが実行される方式であってもよい。このダウンロード
用のプログラムは予め本体装置に格納されているものと
する。

【００３５】ここで、上記プログラムメディアは、本体
と分離可能に構成される記録媒体であり、磁気テープや
カセットテープ等のテープ系、フロッピーディスクやハ
ードディスク等の磁気ディスクやＣＤ−ＲＯＭ／ＭＯ／
ＭＤ／ＤＶＤ等の光ディスクのディスク系、ＩＣカード
／光カード等のカード系、あるいはマスクＲＯＭ、ＥＰ
ＲＯＭ、ＥＥＰＲＯＭ、フラッシュＲＯＭ等による半導
体メモリを含めた固定的にプログラムを担持する媒体で
あってもよい。

【００３６】さらに、図示されていないが、外部の通信
ネットワークとの接続が可能な手段を備えている場合に
は、その通信接続手段を介して通信ネットワークからプ
ログラムをダウンロードするように、流動的にプログラ
ムを担持する媒体であってもよい。なお、このように通
信ネットワークからプログラムをダウンロードする場合
には、そのダウンロード用プログラムは予め本体装置に
格納しておくか、あるいは別な記録媒体からインストー
ルされるものであってもよい。なお、記録媒体に格納さ
れている内容としてはプログラムに限定されず、データ
であってもよい。

【００３７】

【発明の効果】以上、詳述したように、本発明によれ
ば、話者同士による対話音声などの音声波形中に含まれ
る複数の話題を分割し、かつ、話題内容を推定するため
に必要な情報を提示可能となり、対話音声などの話者の
音声中に含まれる複数の話題を推定することができ、利
用者が音声内容を短時間で把握・利用すること可能とな
る。本発明による装置を用いることで、音声波形中に含
まれる話題を推定することはもちろん、音声にテキスト
のインデックスを自動的に付与し効率的な検索を支援す
る手段を提供することも可能となる。

【図面の簡単な説明】

【図１】本発明の音声要約装置の一実施の形態の構成を
示すブロック図である。

【図２】本実施の形態において、音素片認識部での出力
結果例を示す図である。

【図３】本実施の形態において、重要区間出現頻度の概
念図である。

【図４】本実施の形態において、音響パワーとその変化
量との関係を示す図である。

【図５】本実施の形態において、実際の音声波形（８９
秒）を解析した結果を示す図である。

【図６】本実施の形態において、実際の音声波形（図５
に示した音声と同じ）を解析した結果を示す図である。

【図７】本実施の形態において、実際の音声波形を解析
した出力例を示す図である。

【図８】本実施の形態において、「組織」という単語を
シソーラスから検索した例を示す図である。

【図９】本実施の形態において、重要区間抽出のための
局所距離算出の動作を説明するフロー図である。

【図１０】本実施の形態において、話題情報生成部で行
う話題情報生成の動作を説明するフロー図である。

【図１１】従来の音声要約装置の構成を示すブロック図
である。

【符号の説明】

１音声入力部２特徴抽出部３音素片認識部４重要区間抽出部５重要区間インデックス格納部６話題境界検出部７単語認識部８話題情報生成部９話題情報出力部１０音声波形格納部

───────────────────────────────────────────────────── フロントページの続き (51)Int.Cl.⁷ 識別記号ＦＩテーマコート゛(参考）Ｇ１０Ｌ 3/00 ５５１Ｂ (72)発明者岡隆一茨城県つくば市竹園１−６−１つくば三井ビル技術研究組合新情報処理開発機構つくば研究センタ内Ｆターム(参考） 5B075 ND14 NR03 NR12 NS01 5D015 AA05 HH03 KK04

Claims

【特許請求の範囲】

【請求項１】音声中から重要区間を抽出する重要区間
抽出部と、重要区間の出現分布を用いて話題区間の境界
を検出する話題境界検出部と、それぞれの話題区間に含
まれる重要区間を意味分類して話題情報を生成する話題
情報生成部と、を備えることを特徴とする音声要約装
置。
【請求項２】前記重要区間抽出部は、重要区間を抽出
するための特徴量として、話者に依存しない音響特徴量
を用いることを特徴とする請求項１記載の音声要約装
置。
【請求項３】前記話題境界検出部は、抽出された話題
を反映する複数の重要区間から話題の境界を推定する推
定手段を備えることを特徴とする請求項１記載の音声要
約装置。
【請求項４】前記話題情報生成部は、前記話題区間に
含まれる単語からシソーラス又は共起データを用いて意
味分類することを特徴とする請求項１に記載の音声要約
装置。
【請求項５】前記話題情報生成部は、共起データを用
いて語義の曖昧性解消を行うことを特徴とする請求項４
記載の音声要約装置。
【請求項６】前記話題情報生成部は、共起データを用
いて語義の曖昧性解消を行う際、共起する関係の順序を
考慮せず、組合せのみを考慮することを特徴とする請求
項５記載の音声要約装置。
【請求項７】前記話題情報生成部は、共起データを用
いて語義の曖昧性解消を行う際、共起する単語見出し及
び意味情報を利用することを特徴とする請求項５記載の
音声要約装置。
【請求項８】前記話題情報生成部は、意味のクラスの
違いに応じた分類である話題スロットを用いて意味分類
することを特徴とする請求項１記載の音声要約装置。
【請求項９】コンピュータを、音声中から重要区間を
抽出する重要区間抽出部と、重要区間の出現分布を用い
て話題区間の境界を検出する話題境界検出部と、それぞ
れの話題区間に含まれる重要区間を意味分類して話題情
報を生成する話題情報生成部、として機能させるための
プログラムを記録したことを特徴とするコンピュータ読
み取り可能な記録媒体。