JP2002101203A - 音声処理システム、音声処理方法およびその方法を記憶した記憶媒体 - Google Patents
音声処理システム、音声処理方法およびその方法を記憶した記憶媒体Info
- Publication number
- JP2002101203A JP2002101203A JP2000285838A JP2000285838A JP2002101203A JP 2002101203 A JP2002101203 A JP 2002101203A JP 2000285838 A JP2000285838 A JP 2000285838A JP 2000285838 A JP2000285838 A JP 2000285838A JP 2002101203 A JP2002101203 A JP 2002101203A
- Authority
- JP
- Japan
- Prior art keywords
- voice
- word
- conversion
- voice signal
- data
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Landscapes
- Telephone Function (AREA)
- Telephonic Communication Services (AREA)
Abstract
(57)【要約】
【課題】 話者の特有な言い回しや独特な表現方法、口
癖など様々な特徴を含む言葉を特徴のない一般的な言葉
に変換することにより、話者が誰であるかわからなくで
きる音声処理システムを提供する。 【解決手段】 通信手段を介して音声信号を通信する音
声処理システムにおいて、話者の発した音声信号につい
て音声認識を行う音声認識部２、変換前の単語と変換後
の単語の対を記憶しておく単語変換テーブル６、音声認
識部２により認識された単語が単語変換テーブルの変換
前の単語として登録されていた場合に対応する変換後の
単語に変換する変換部３、変換された単語から合成音声
信号を生成する音声合成部４を備え、音声合成部４によ
り合成音声信号が生成されたとき、音声送信部５が、登
録されていた前記変換前の単語の音声信号を変換後の単
語の音声合成信号に置換する構成にした。
癖など様々な特徴を含む言葉を特徴のない一般的な言葉
に変換することにより、話者が誰であるかわからなくで
きる音声処理システムを提供する。 【解決手段】 通信手段を介して音声信号を通信する音
声処理システムにおいて、話者の発した音声信号につい
て音声認識を行う音声認識部２、変換前の単語と変換後
の単語の対を記憶しておく単語変換テーブル６、音声認
識部２により認識された単語が単語変換テーブルの変換
前の単語として登録されていた場合に対応する変換後の
単語に変換する変換部３、変換された単語から合成音声
信号を生成する音声合成部４を備え、音声合成部４によ
り合成音声信号が生成されたとき、音声送信部５が、登
録されていた前記変換前の単語の音声信号を変換後の単
語の音声合成信号に置換する構成にした。
Description
【０００１】
【発明の属する技術分野】本発明は、ネットワークを介
した会議や電話や音声メッセージ討論など複数の話者が
対話する環境を提供する音声処理システムに係わり、特
に、話者が誰であるかを秘匿にすることができる音声処
理システムに関する。
した会議や電話や音声メッセージ討論など複数の話者が
対話する環境を提供する音声処理システムに係わり、特
に、話者が誰であるかを秘匿にすることができる音声処
理システムに関する。
【０００２】
【従来の技術】コンピュータネットワークの普及によ
り、ネットワーク上で複数の話者が会話することにより
作業を進めたり、会議をしたり、生活情報を交換したり
することができる音声対話システムが普及しつつある。
また、このようなネットワークを用いた音声対話システ
ムにおいて、複数の話者が対話する場における対話に係
わるサービスのひとつとして、話者が誰であるかを秘匿
にすることができる音声対話システムが従来より提供さ
れている。例えば、特開平9−83655号公報に示された音
声対話システムは、このような音声対話システムのひと
つであり、音声を音声信号に変換する音声入力手段、お
よび音声信号を音声に変換する音声出力手段を備えると
ともに、通信回線に接続される複数の端末装置と、通信
回線を介してこれら複数の端末装置と接続され、その端
末装置との間で音声信号の収集、配信を行なうサーバと
を備え、さらに、音声をエフェクタを通すことにより音
響的な特徴を変化させて話者を特定できないようにす
る。
り、ネットワーク上で複数の話者が会話することにより
作業を進めたり、会議をしたり、生活情報を交換したり
することができる音声対話システムが普及しつつある。
また、このようなネットワークを用いた音声対話システ
ムにおいて、複数の話者が対話する場における対話に係
わるサービスのひとつとして、話者が誰であるかを秘匿
にすることができる音声対話システムが従来より提供さ
れている。例えば、特開平9−83655号公報に示された音
声対話システムは、このような音声対話システムのひと
つであり、音声を音声信号に変換する音声入力手段、お
よび音声信号を音声に変換する音声出力手段を備えると
ともに、通信回線に接続される複数の端末装置と、通信
回線を介してこれら複数の端末装置と接続され、その端
末装置との間で音声信号の収集、配信を行なうサーバと
を備え、さらに、音声をエフェクタを通すことにより音
響的な特徴を変化させて話者を特定できないようにす
る。
【０００３】
【発明が解決しようとする課題】しかしながら、実際に
人間が話者を特定する場合、ピッチ周波数（声帯の振動
周波数）など音響的な特徴だけから特定するのではな
い。話者の特有な言い回しや独特な表現方法、口癖など
も含む様々な特徴を利用して話者が誰であるかを特定す
るのである。したがって、特開平9−83655号公報に示さ
れているようにエフェクタにより周波数軸上の変換を行
なうだけでは、例えばポーズ時間、呼気段落の割合や長
さ、単語の継続時間など継続時間的特徴、つまり時間軸
上の特徴や、話者の特有な言い回しや独特な表現方法、
口癖なども含む様々な特徴から、話者が誰であるか容易
に推定されてしまう場合がある。本発明の目的は、この
ような従来技術の問題を解決し、話者の特有な言い回し
や独特な表現方法、口癖など様々な特徴を含む言葉を特
徴のない一般的な言葉に変換することにより、話者が誰
であるかわからなくできる音声処理システムを提供する
ことにある。
人間が話者を特定する場合、ピッチ周波数（声帯の振動
周波数）など音響的な特徴だけから特定するのではな
い。話者の特有な言い回しや独特な表現方法、口癖など
も含む様々な特徴を利用して話者が誰であるかを特定す
るのである。したがって、特開平9−83655号公報に示さ
れているようにエフェクタにより周波数軸上の変換を行
なうだけでは、例えばポーズ時間、呼気段落の割合や長
さ、単語の継続時間など継続時間的特徴、つまり時間軸
上の特徴や、話者の特有な言い回しや独特な表現方法、
口癖なども含む様々な特徴から、話者が誰であるか容易
に推定されてしまう場合がある。本発明の目的は、この
ような従来技術の問題を解決し、話者の特有な言い回し
や独特な表現方法、口癖など様々な特徴を含む言葉を特
徴のない一般的な言葉に変換することにより、話者が誰
であるかわからなくできる音声処理システムを提供する
ことにある。
【０００４】
【課題を解決するための手段】前記の課題を解決するた
めに、請求項１記載の発明では、通信手段を介して音声
信号または音声データを通信する音声処理システムにお
いて、話者の発した音声信号について音声認識を行う音
声認識手段と、前記音声認識手段により認識された少な
くとも一部の音声データを記憶されている音声データに
変換する変換手段と、前記変換手段により変換された音
声データから合成音声信号を生成する音声合成手段と、
前記音声信号中の対応する部分を前記音声合成手段によ
り生成された合成音声信号に置換する音声置換手段とを
備えた。また、請求項２記載の発明では、請求項１記載
の発明において、変換前の単語と変換後の単語の対を記
憶しておく単語変換テーブルを備え、音声認識手段によ
り認識された音声信号中の単語が前記単語変換テーブル
に変換前の単語として登録されていた場合に、登録され
ていた前記単語を対応する変換後の単語に変換する構成
にした。また、請求項３記載の発明では、請求項１また
は請求項２記載の発明において、置換された合成音声信
号を含む音声信号を公衆電話回線へ送出する公衆回線通
信手段を備えた。また、請求項４記載の発明では、請求
項１または請求項２記載の発明において、置換された合
成音声信号を含む音声信号をデータ通信ネットワークへ
送出するデータ通信手段を備えた。また、請求項５記載
の発明では、通信手段を介して音声信号または音声デー
タを通信する音声処理方法において、話者の発した音声
信号について音声認識を行い、認識された音声データが
登録されていたならば、その音声データを対応づけて記
憶されている他の音声データに変換し、変換された音声
データから合成音声信号を生成し、前記音声信号中の対
応する部分を生成された合成音声信号に置換する方法に
した。また、請求項６記載の発明では、プログラムを記
憶した記憶媒体において、請求項５記載の音声処理方法
を実施するためのプログラムを記憶した。
めに、請求項１記載の発明では、通信手段を介して音声
信号または音声データを通信する音声処理システムにお
いて、話者の発した音声信号について音声認識を行う音
声認識手段と、前記音声認識手段により認識された少な
くとも一部の音声データを記憶されている音声データに
変換する変換手段と、前記変換手段により変換された音
声データから合成音声信号を生成する音声合成手段と、
前記音声信号中の対応する部分を前記音声合成手段によ
り生成された合成音声信号に置換する音声置換手段とを
備えた。また、請求項２記載の発明では、請求項１記載
の発明において、変換前の単語と変換後の単語の対を記
憶しておく単語変換テーブルを備え、音声認識手段によ
り認識された音声信号中の単語が前記単語変換テーブル
に変換前の単語として登録されていた場合に、登録され
ていた前記単語を対応する変換後の単語に変換する構成
にした。また、請求項３記載の発明では、請求項１また
は請求項２記載の発明において、置換された合成音声信
号を含む音声信号を公衆電話回線へ送出する公衆回線通
信手段を備えた。また、請求項４記載の発明では、請求
項１または請求項２記載の発明において、置換された合
成音声信号を含む音声信号をデータ通信ネットワークへ
送出するデータ通信手段を備えた。また、請求項５記載
の発明では、通信手段を介して音声信号または音声デー
タを通信する音声処理方法において、話者の発した音声
信号について音声認識を行い、認識された音声データが
登録されていたならば、その音声データを対応づけて記
憶されている他の音声データに変換し、変換された音声
データから合成音声信号を生成し、前記音声信号中の対
応する部分を生成された合成音声信号に置換する方法に
した。また、請求項６記載の発明では、プログラムを記
憶した記憶媒体において、請求項５記載の音声処理方法
を実施するためのプログラムを記憶した。
【０００５】
【発明の実施の形態】以下、図面により本発明の実施の
形態を詳細に説明する。図１は本発明の第１の実施例を
示す音声処理システムの構成ブロック図である。図示し
たように、この実施例の音声処理システムは、話者が発
生した音声信号を公衆電話回線を介して受信する音声受
信部１、その音声受信部１により受信された音声信号に
について音声認識を行う音声認識部２、その音声認識部
２により認識された少なくとも一部の受信音声データ
（文字列）を記憶されている対応する音声データに変換
する変換部３、変換された音声データから合成音声信号
を生成する音声合成部４、受信された音声信号の一部を
合成音声信号に置換した音声信号を公衆電話回線を介し
て他の話者へ送信する音声送信部５、変換前の単語と変
換後の単語の対を記憶しておく単語変換テーブル６を備
える。なお、この実施例では、請求項記載の音声認識手
段、変換手段、音声合成手段、音声置換手段は、それぞ
れその順に、音声認識部２、変換部３、音声合成部４、
音声送信部５により実現され、公衆回線通信手段は音声
受信部１および音声送信部５により実現される。なお、
この音声処理システムは、データやプログラムを一時的
に記憶するメモリ、そのプログラムに従って動作するＣ
ＰＵ、データやプログラムを記憶しておくハードディス
ク装置を備え、前記変換部３はＣＰＵやメモリから構成
され、音声受信部１および音声送信部５はＣＰＵ、メモ
リ、および専用回路から構成され、音声認識部２および
音声合成部４はＣＰＵ，メモリ、専用回路、およびハー
ドディスク装置などから構成される。図２に、第１の実
施例の動作フローを示す。以下、図２などに従って、こ
の実施例の動作を説明する。この実施例の音声処理シス
テムでは、まず対話に先立って、対話に参加するすべて
の電話機などが公衆電話回線を介してこの音声処理シス
テムに接続される。例えば、ひとつの電話機からこの音
声処理システムに発呼してその電話機とこの音声処理シ
ステムとの間に回線が接続された後、その電話機からプ
ッシュボタンによりひとつまたは複数の対話相手の電話
番号を指定させる。これにより、その電話機から相手先
電話番号を示すＤＴＭＦ信号が送られてくると、音声受
信部１内のＤＴＭＦ信号検出手段がその相手先電話番号
を検出し、検出した電話番号を音声送信部５に渡す。そ
うすると、音声送信部５がその電話番号の相手先に発呼
して回線を接続させるのである。続いて、この音声処理
システムに回線が接続されている複数の電話機中のひと
つから話者秘匿を示すＤＴＭＦ信号に続いて音声信号が
送られてくると、音声受信部１がその音声信号を受信し
て先頭から順に音声認識部２に渡す。そうすると、音声
認識部２は、ハードディスク装置内の構文辞書や単語辞
書などを参照して当業者には公知の方法により文（音
声）の冒頭から順に単語（または単語+助詞）を切り出
して取得し（Ｓ１）、取得した単語について音声認識を
行う。そして、音声認識部２により認識された単語Ａを
変換部３が取得すると、変換部３は取得した単語Ａを単
語変換テーブルの変換前の複数の特定単語と照合し、単
語Ａと同じ文字列の特定単語が登録されているか否かを
調べる（Ｓ２）。
形態を詳細に説明する。図１は本発明の第１の実施例を
示す音声処理システムの構成ブロック図である。図示し
たように、この実施例の音声処理システムは、話者が発
生した音声信号を公衆電話回線を介して受信する音声受
信部１、その音声受信部１により受信された音声信号に
について音声認識を行う音声認識部２、その音声認識部
２により認識された少なくとも一部の受信音声データ
（文字列）を記憶されている対応する音声データに変換
する変換部３、変換された音声データから合成音声信号
を生成する音声合成部４、受信された音声信号の一部を
合成音声信号に置換した音声信号を公衆電話回線を介し
て他の話者へ送信する音声送信部５、変換前の単語と変
換後の単語の対を記憶しておく単語変換テーブル６を備
える。なお、この実施例では、請求項記載の音声認識手
段、変換手段、音声合成手段、音声置換手段は、それぞ
れその順に、音声認識部２、変換部３、音声合成部４、
音声送信部５により実現され、公衆回線通信手段は音声
受信部１および音声送信部５により実現される。なお、
この音声処理システムは、データやプログラムを一時的
に記憶するメモリ、そのプログラムに従って動作するＣ
ＰＵ、データやプログラムを記憶しておくハードディス
ク装置を備え、前記変換部３はＣＰＵやメモリから構成
され、音声受信部１および音声送信部５はＣＰＵ、メモ
リ、および専用回路から構成され、音声認識部２および
音声合成部４はＣＰＵ，メモリ、専用回路、およびハー
ドディスク装置などから構成される。図２に、第１の実
施例の動作フローを示す。以下、図２などに従って、こ
の実施例の動作を説明する。この実施例の音声処理シス
テムでは、まず対話に先立って、対話に参加するすべて
の電話機などが公衆電話回線を介してこの音声処理シス
テムに接続される。例えば、ひとつの電話機からこの音
声処理システムに発呼してその電話機とこの音声処理シ
ステムとの間に回線が接続された後、その電話機からプ
ッシュボタンによりひとつまたは複数の対話相手の電話
番号を指定させる。これにより、その電話機から相手先
電話番号を示すＤＴＭＦ信号が送られてくると、音声受
信部１内のＤＴＭＦ信号検出手段がその相手先電話番号
を検出し、検出した電話番号を音声送信部５に渡す。そ
うすると、音声送信部５がその電話番号の相手先に発呼
して回線を接続させるのである。続いて、この音声処理
システムに回線が接続されている複数の電話機中のひと
つから話者秘匿を示すＤＴＭＦ信号に続いて音声信号が
送られてくると、音声受信部１がその音声信号を受信し
て先頭から順に音声認識部２に渡す。そうすると、音声
認識部２は、ハードディスク装置内の構文辞書や単語辞
書などを参照して当業者には公知の方法により文（音
声）の冒頭から順に単語（または単語+助詞）を切り出
して取得し（Ｓ１）、取得した単語について音声認識を
行う。そして、音声認識部２により認識された単語Ａを
変換部３が取得すると、変換部３は取得した単語Ａを単
語変換テーブルの変換前の複数の特定単語と照合し、単
語Ａと同じ文字列の特定単語が登録されているか否かを
調べる（Ｓ２）。
【０００６】図３に、単語変換テーブルを示す。図３に
おいて、左欄は変換前の単語で、例えば話者特有の言い
回しや独特な表現方法、口癖などを含む特定単語であ
る。また、右欄は変換後の単語で一般的な表現方法が対
応づけられている。なお、図３の例で、「シープラプ
ラ」に対応づけられた「シープラスプラス」とは「Ｃ+
+」（Ｃ言語の改良版）のことである。その結果、一致
する変換前の単語Ａが登録されていないと判定されたな
らば（Ｓ２でno）、変換部３は単語Ａの置換を行なわな
い旨を音声送信部５に通知し、その通知を受けた音声送
信部５はその部分の単語の置換を行なうことなく、音声
受信部１から渡されたその部分の音声信号をそのまま話
者の電話機以外の電話機（話者の電話番号は音声受信部
１から取得することにより知る）へ送出する（Ｓ３）。
それに対して、取得された単語Ａに一致する変換前の単
語が登録されていると判定されたならば（Ｓ２でye
s）、変換部３は単語Ａに対応づけて（対として）登録
されている変換後の単語Ｂを取得し、その単語を音声合
成部４に渡す。これにより、音声合成部４はハードディ
スク装置などに予め記憶してある所定のモデル情報に従
って、当業者には公知の方法により渡された変換後の単
語であるかな文字に対応した合成音声信号を生成し、そ
れを音声送信部５に渡す。そうすると、音声送信部５は
受信音声信号中の、渡された合成音声信号に対応した部
分をその合成音声信号に置換し、置換された音声信号を
ステップＳ３の場合と同様に出力する（Ｓ４）。例え
ば、「私はシープラプラには慣れています」という受信
音声中の「シープラプラ」を「シープラスプラス」に置
換して出力するのである。取り出された１単語分（ある
いは１単語+助詞）の音声送出手続きが終了すると（こ
の時点ではこの分の送出は始まったばかりである）、音
声認識部２は文末（一連の音声信号の最後）まで達した
かどうかを判定し（Ｓ５）、達していないと判定された
ならば（Ｓ５でno）、受信音声信号中から次の単語を取
り出し（Ｓ６）、ステップＳ２から繰り返す。そして、
ステップＳ５において、文末に達したと判定されたなら
ば（Ｓ５でyes）、この動作フローを終了させる。ま
た、この実施例では、ポーズ時間や呼気段落の長さ、単
語（または単語+助詞）または音節の継続時間などをこ
の音声処理システム内にあるタイマを用いて測定するこ
とにより、予め設定した所定の時間との誤差を求め、誤
差が所定値以上であれば、予め設定した所定の時間に置
換するようにする。なお、単語（助詞を含む）の継続時
間については設定する所定の時間を音節の数から求めら
れるようにしておく。こうして、この実施例によれば、
話者の特有な言い回しや独特な表現方法、口癖などが一
般的な言葉や表現に置換されるので、話者が誰であるか
わからなくできる。
おいて、左欄は変換前の単語で、例えば話者特有の言い
回しや独特な表現方法、口癖などを含む特定単語であ
る。また、右欄は変換後の単語で一般的な表現方法が対
応づけられている。なお、図３の例で、「シープラプ
ラ」に対応づけられた「シープラスプラス」とは「Ｃ+
+」（Ｃ言語の改良版）のことである。その結果、一致
する変換前の単語Ａが登録されていないと判定されたな
らば（Ｓ２でno）、変換部３は単語Ａの置換を行なわな
い旨を音声送信部５に通知し、その通知を受けた音声送
信部５はその部分の単語の置換を行なうことなく、音声
受信部１から渡されたその部分の音声信号をそのまま話
者の電話機以外の電話機（話者の電話番号は音声受信部
１から取得することにより知る）へ送出する（Ｓ３）。
それに対して、取得された単語Ａに一致する変換前の単
語が登録されていると判定されたならば（Ｓ２でye
s）、変換部３は単語Ａに対応づけて（対として）登録
されている変換後の単語Ｂを取得し、その単語を音声合
成部４に渡す。これにより、音声合成部４はハードディ
スク装置などに予め記憶してある所定のモデル情報に従
って、当業者には公知の方法により渡された変換後の単
語であるかな文字に対応した合成音声信号を生成し、そ
れを音声送信部５に渡す。そうすると、音声送信部５は
受信音声信号中の、渡された合成音声信号に対応した部
分をその合成音声信号に置換し、置換された音声信号を
ステップＳ３の場合と同様に出力する（Ｓ４）。例え
ば、「私はシープラプラには慣れています」という受信
音声中の「シープラプラ」を「シープラスプラス」に置
換して出力するのである。取り出された１単語分（ある
いは１単語+助詞）の音声送出手続きが終了すると（こ
の時点ではこの分の送出は始まったばかりである）、音
声認識部２は文末（一連の音声信号の最後）まで達した
かどうかを判定し（Ｓ５）、達していないと判定された
ならば（Ｓ５でno）、受信音声信号中から次の単語を取
り出し（Ｓ６）、ステップＳ２から繰り返す。そして、
ステップＳ５において、文末に達したと判定されたなら
ば（Ｓ５でyes）、この動作フローを終了させる。ま
た、この実施例では、ポーズ時間や呼気段落の長さ、単
語（または単語+助詞）または音節の継続時間などをこ
の音声処理システム内にあるタイマを用いて測定するこ
とにより、予め設定した所定の時間との誤差を求め、誤
差が所定値以上であれば、予め設定した所定の時間に置
換するようにする。なお、単語（助詞を含む）の継続時
間については設定する所定の時間を音節の数から求めら
れるようにしておく。こうして、この実施例によれば、
話者の特有な言い回しや独特な表現方法、口癖などが一
般的な言葉や表現に置換されるので、話者が誰であるか
わからなくできる。
【０００７】図４は、本発明の第２の実施例を示す構成
ブロック図である。この実施例の音声処理システムは例
えばデータ通信ネットワークに接続されたパーソナルコ
ンピュータなど端末装置内に実施され、図示したよう
に、図１に示した音声受信部１および音声送信部５の代
わりに、他の端末装置（クライアント装置）やサーバと
の間でデータ通信を行なうデータ通信制御部７を備え、
さらに、マイクロフォンなどを有した音声入力部８、ス
ピーカなどを有した音声出力部９などを備える。なお、
請求項記載のデータ通信手段は、この実施例では、デー
タ通信制御部７により実現される。このような構成で、
この実施例の音声処理システムでは、例えば、音声入力
部６により入力した音声信号について音声認識部２が音
声認識を行い、第１の実施例と同様にして一部の音声信
号を合成音声信号に置換し、一部が合成音声信号に置換
された音声信号を符号化し、符号化された音声データを
単独または文字データや画像データなどと一緒にデータ
通信制御部７およびデータ通信ネットワークを介して他
の端末装置やサーバへ送信する。また、他の端末装置や
サーバからの音声データをデータ通信制御部７により受
信すると、音声出力部９によりアナログの音声信号に変
換し、スピーカに出力する。こうして、この実施例によ
れば、データ通信手段を用いた音声による対話や討論、
投稿などにおいても第１の実施例と同様の効果を得るこ
とができる。以上、図１に示した音声処理システムの場
合について説明したが、説明したような音声処理方法に
従ってプログラミングしたプログラムを例えば着脱可能
な記憶媒体に記憶し、その記憶媒体をこれまで本発明の
音声処理を行えなかったパーソナルコンピュータなど情
報処理装置に装着することにより、その情報処理装置に
おいても本発明の音声処理を行うことができる。
ブロック図である。この実施例の音声処理システムは例
えばデータ通信ネットワークに接続されたパーソナルコ
ンピュータなど端末装置内に実施され、図示したよう
に、図１に示した音声受信部１および音声送信部５の代
わりに、他の端末装置（クライアント装置）やサーバと
の間でデータ通信を行なうデータ通信制御部７を備え、
さらに、マイクロフォンなどを有した音声入力部８、ス
ピーカなどを有した音声出力部９などを備える。なお、
請求項記載のデータ通信手段は、この実施例では、デー
タ通信制御部７により実現される。このような構成で、
この実施例の音声処理システムでは、例えば、音声入力
部６により入力した音声信号について音声認識部２が音
声認識を行い、第１の実施例と同様にして一部の音声信
号を合成音声信号に置換し、一部が合成音声信号に置換
された音声信号を符号化し、符号化された音声データを
単独または文字データや画像データなどと一緒にデータ
通信制御部７およびデータ通信ネットワークを介して他
の端末装置やサーバへ送信する。また、他の端末装置や
サーバからの音声データをデータ通信制御部７により受
信すると、音声出力部９によりアナログの音声信号に変
換し、スピーカに出力する。こうして、この実施例によ
れば、データ通信手段を用いた音声による対話や討論、
投稿などにおいても第１の実施例と同様の効果を得るこ
とができる。以上、図１に示した音声処理システムの場
合について説明したが、説明したような音声処理方法に
従ってプログラミングしたプログラムを例えば着脱可能
な記憶媒体に記憶し、その記憶媒体をこれまで本発明の
音声処理を行えなかったパーソナルコンピュータなど情
報処理装置に装着することにより、その情報処理装置に
おいても本発明の音声処理を行うことができる。
【０００８】
【発明の効果】以上説明したように、本発明によれば、
請求項１記載の発明では、話者の発した音声信号につい
て音声認識が行われ、認識された少なくとも一部の音声
データが記憶されている音声データに変換され、変換さ
れた音声データから合成音声信号が生成され、前記音声
信号中の対応する部分が生成された合成音声信号に置換
されるので、話者の特有な言い回しや独特な表現方法、
口癖など様々な特徴を含む言葉を特徴のない一般的な言
葉に変換することができ、したがって、話者が誰である
かわからなくできる。また、請求項２記載の発明では、
請求項１記載の発明において、変換前の単語と変換後の
単語の対が登録しておかれ、認識された音声信号中の単
語が変換前の単語として登録されていた場合、登録され
ていた前記単語が対応する変換後の単語に変換されるの
で、話者の特有な言い回しや独特な表現方法、口癖など
様々な特徴を含む言葉を特徴のない一般的な言葉に対応
づけて登録しておくことにより、請求項１記載の発明の
効果を容易に実現することができる。また、請求項３記
載の発明では、請求項１または請求項２記載の発明にお
いて、置換された合成音声信号を含む音声信号が公衆電
話回線へ送出されるので、例えば公衆電話回線を介した
匿名の討論などを行なう際に、請求項１記載の発明の効
果を実現することができる。また、請求項４記載の発明
では、請求項１または請求項２記載の発明において、置
換された合成音声信号を含む音声信号がデータ通信ネッ
トワークへ送出されるので、音声メールなどによる匿名
の討論などを行なう際に、請求項１記載の発明の効果を
実現することができる。また、請求項５記載の発明で
は、話者の発した音声信号について音声認識が行われ、
認識された音声データが登録されていたならば、その音
声データが対応づけて記憶されている他の音声データに
変換され、変換された音声データから合成音声信号が生
成され、前記音声信号中の対応する部分が生成された合
成音声信号に置換されるので、請求項２記載の発明と同
様の効果を得ることができる。また、請求項６記載の発
明では、請求項５記載の音声処理方法を実施するための
プログラムが例えば着脱可能な記憶媒体に記憶されるの
で、その記憶媒体をこれまで請求項５記載の発明の音声
処理を行えなかったパーソナルコンピュータなど情報処
理装置に装着することにより、その情報処理装置におい
ても請求項５記載の発明の効果を得ることができる。
請求項１記載の発明では、話者の発した音声信号につい
て音声認識が行われ、認識された少なくとも一部の音声
データが記憶されている音声データに変換され、変換さ
れた音声データから合成音声信号が生成され、前記音声
信号中の対応する部分が生成された合成音声信号に置換
されるので、話者の特有な言い回しや独特な表現方法、
口癖など様々な特徴を含む言葉を特徴のない一般的な言
葉に変換することができ、したがって、話者が誰である
かわからなくできる。また、請求項２記載の発明では、
請求項１記載の発明において、変換前の単語と変換後の
単語の対が登録しておかれ、認識された音声信号中の単
語が変換前の単語として登録されていた場合、登録され
ていた前記単語が対応する変換後の単語に変換されるの
で、話者の特有な言い回しや独特な表現方法、口癖など
様々な特徴を含む言葉を特徴のない一般的な言葉に対応
づけて登録しておくことにより、請求項１記載の発明の
効果を容易に実現することができる。また、請求項３記
載の発明では、請求項１または請求項２記載の発明にお
いて、置換された合成音声信号を含む音声信号が公衆電
話回線へ送出されるので、例えば公衆電話回線を介した
匿名の討論などを行なう際に、請求項１記載の発明の効
果を実現することができる。また、請求項４記載の発明
では、請求項１または請求項２記載の発明において、置
換された合成音声信号を含む音声信号がデータ通信ネッ
トワークへ送出されるので、音声メールなどによる匿名
の討論などを行なう際に、請求項１記載の発明の効果を
実現することができる。また、請求項５記載の発明で
は、話者の発した音声信号について音声認識が行われ、
認識された音声データが登録されていたならば、その音
声データが対応づけて記憶されている他の音声データに
変換され、変換された音声データから合成音声信号が生
成され、前記音声信号中の対応する部分が生成された合
成音声信号に置換されるので、請求項２記載の発明と同
様の効果を得ることができる。また、請求項６記載の発
明では、請求項５記載の音声処理方法を実施するための
プログラムが例えば着脱可能な記憶媒体に記憶されるの
で、その記憶媒体をこれまで請求項５記載の発明の音声
処理を行えなかったパーソナルコンピュータなど情報処
理装置に装着することにより、その情報処理装置におい
ても請求項５記載の発明の効果を得ることができる。
【図１】本発明の第１の実施例を示す音声処理システム
の構成ブロック図である。
の構成ブロック図である。
【図２】本発明の第１の実施例を示す音声処理システム
の動作フロー図である。
の動作フロー図である。
【図３】本発明の第１の実施例を示す音声処理システム
要部のデータ構成図である。
要部のデータ構成図である。
【図４】本発明の第２の実施例を示す音声処理システム
の構成ブロック図である。
の構成ブロック図である。
１ 音声受信部 ２ 音声認識部 ３ 変換部 ４ 音声合成部 ５ 音声送信部 ６ 単語変換テーブル ７ データ通信制御部 ８ 音声入力部 ９ 音声出力部
───────────────────────────────────────────────────── 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 13/04 Ｇ１０Ｌ 3/00 ５５１Ａ ５Ｋ１０１ Ｈ０４Ｍ 1/00 ５６１Ｄ 3/50 ５６１Ｈ 11/00 ３０２ 5/02 Ｊ
Claims (6)
- 【請求項１】 通信手段を介して音声信号または音声デ
ータを通信する音声処理システムにおいて、話者の発し
た音声信号について音声認識を行う音声認識手段と、前
記音声認識手段により認識された少なくとも一部の音声
データを記憶されている音声データに変換する変換手段
と、前記変換手段により変換された音声データから合成
音声信号を生成する音声合成手段と、前記音声信号中の
対応する部分を前記音声合成手段により生成された合成
音声信号に置換する音声置換手段とを備えたことを特徴
とする音声処理システム。 - 【請求項２】 請求項１記載の音声処理システムにおい
て、変換前の単語と変換後の単語の対を記憶しておく単
語変換テーブルを備え、音声認識手段により認識された
音声信号中の単語が前記単語変換テーブルに変換前の単
語として登録されていた場合に、登録されていた前記単
語を対応する変換後の単語に変換する構成にしたことを
特徴とする音声処理システム。 - 【請求項３】 請求項１または請求項２記載の音声処理
システムにおいて、置換された合成音声信号を含む音声
信号を公衆電話回線へ送出する公衆回線通信手段を備え
たことを特徴とする音声処理システム。 - 【請求項４】 請求項１または請求項２記載の音声処理
システムにおいて、置換された合成音声信号を含む音声
信号をデータ通信ネットワークへ送出するデータ通信手
段を備えたことを特徴とする音声処理システム。 - 【請求項５】 通信手段を介して音声信号または音声デ
ータを通信する音声処理方法において、話者の発した音
声信号について音声認識を行い、認識された音声データ
が登録されていたならば、その音声データを対応づけて
記憶されている他の音声データに変換し、変換された音
声データから合成音声信号を生成し、前記音声信号中の
対応する部分を生成された合成音声信号に置換すること
を特徴とする音声処理方法。 - 【請求項６】 プログラムを記憶した記憶媒体におい
て、請求項５記載の音声処理方法を実施するためのプロ
グラムを記憶したことを特徴とする記憶媒体。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2000285838A JP2002101203A (ja) | 2000-09-20 | 2000-09-20 | 音声処理システム、音声処理方法およびその方法を記憶した記憶媒体 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2000285838A JP2002101203A (ja) | 2000-09-20 | 2000-09-20 | 音声処理システム、音声処理方法およびその方法を記憶した記憶媒体 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JP2002101203A true JP2002101203A (ja) | 2002-04-05 |
Family
ID=18769844
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2000285838A Pending JP2002101203A (ja) | 2000-09-20 | 2000-09-20 | 音声処理システム、音声処理方法およびその方法を記憶した記憶媒体 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP2002101203A (ja) |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2005029815A2 (en) * | 2003-09-24 | 2005-03-31 | Honda Motor Co., Ltd. | System and method for formatting and displaying numbers |
| WO2007015319A1 (ja) * | 2005-08-02 | 2007-02-08 | Matsushita Electric Industrial Co., Ltd. | 音声出力装置、音声通信装置および音声出力方法 |
| JP2010103751A (ja) * | 2008-10-23 | 2010-05-06 | Yahoo Japan Corp | 禁止語発信防止方法、禁止語発信防止電話、禁止語発信防止サーバ |
| JP2010193391A (ja) * | 2009-02-20 | 2010-09-02 | Oki Networks Co Ltd | 通話システム、通話方法、通話プログラム、電話端末及び交換機 |
| JP2012213048A (ja) * | 2011-03-31 | 2012-11-01 | Saxa Inc | 電話制御装置、電話システム、および着信制御方法 |
| JP2018055022A (ja) * | 2016-09-30 | 2018-04-05 | 株式会社リコー | 音声認識システム、情報処理装置、プログラム |
| JP2018072578A (ja) * | 2016-10-31 | 2018-05-10 | パナソニックＩｐマネジメント株式会社 | 辞書修正方法、辞書修正プログラム、音声処理装置及びロボット |
-
2000
- 2000-09-20 JP JP2000285838A patent/JP2002101203A/ja active Pending
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2005029815A2 (en) * | 2003-09-24 | 2005-03-31 | Honda Motor Co., Ltd. | System and method for formatting and displaying numbers |
| WO2005029815A3 (en) * | 2003-09-24 | 2005-05-06 | Honda Motor Co Ltd | System and method for formatting and displaying numbers |
| US7555316B2 (en) | 2003-09-24 | 2009-06-30 | Honda Motor Co., Ltd. | System and method for formatting and displaying numbers |
| WO2007015319A1 (ja) * | 2005-08-02 | 2007-02-08 | Matsushita Electric Industrial Co., Ltd. | 音声出力装置、音声通信装置および音声出力方法 |
| JP2010103751A (ja) * | 2008-10-23 | 2010-05-06 | Yahoo Japan Corp | 禁止語発信防止方法、禁止語発信防止電話、禁止語発信防止サーバ |
| JP2010193391A (ja) * | 2009-02-20 | 2010-09-02 | Oki Networks Co Ltd | 通話システム、通話方法、通話プログラム、電話端末及び交換機 |
| JP2012213048A (ja) * | 2011-03-31 | 2012-11-01 | Saxa Inc | 電話制御装置、電話システム、および着信制御方法 |
| JP2018055022A (ja) * | 2016-09-30 | 2018-04-05 | 株式会社リコー | 音声認識システム、情報処理装置、プログラム |
| JP2018072578A (ja) * | 2016-10-31 | 2018-05-10 | パナソニックＩｐマネジメント株式会社 | 辞書修正方法、辞書修正プログラム、音声処理装置及びロボット |
| CN108022582A (zh) * | 2016-10-31 | 2018-05-11 | 松下知识产权经营株式会社 | 辞典修正方法、辞典修正程序、声音处理装置以及机器人 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP3237566B2 (ja) | 通話方法、音声送信装置及び音声受信装置 | |
| US6618704B2 (en) | System and method of teleconferencing with the deaf or hearing-impaired | |
| US20050226398A1 (en) | Closed Captioned Telephone and Computer System | |
| JP2023022150A (ja) | 双方向音声翻訳システム、双方向音声翻訳方法及びプログラム | |
| JP2006528804A (ja) | 電話ユーザがインスタント・メッセージングベースの会議に参加できるようにするための方法、システム、およびコンピュータ・プログラム（テレチャット・システムを使用する拡張会議サービスへのアクセス） | |
| US6941269B1 (en) | Method and system for providing automated audible backchannel responses | |
| US20070050188A1 (en) | Tone contour transformation of speech | |
| TW200304638A (en) | Network-accessible speaker-dependent voice models of multiple persons | |
| US6671354B2 (en) | Speech enabled, automatic telephone dialer using names, including seamless interface with computer-based address book programs, for telephones without private branch exchanges | |
| JPH10136327A (ja) | ディスクトップ会議システム | |
| KR100450319B1 (ko) | 가상 환경에서 참여자간의 의사전달 장치 및 방법 | |
| JP2002101203A (ja) | 音声処理システム、音声処理方法およびその方法を記憶した記憶媒体 | |
| US6501751B1 (en) | Voice communication with simulated speech data | |
| KR102605178B1 (ko) | 가족 관계에 기초하여 음성 데이터를 생성하는 장치, 방법 및 컴퓨터 프로그램 | |
| Westall et al. | Speech technology for telecommunications | |
| US20220157316A1 (en) | Real-time voice converter | |
| CN114143401A (zh) | 一种电话客服应答适配方法和装置 | |
| JPWO2007015319A1 (ja) | 音声出力装置、音声通信装置および音声出力方法 | |
| JP2007259427A (ja) | 携帯端末装置 | |
| CN111179943A (zh) | 一种对话辅助设备及获取信息的方法 | |
| KR100553437B1 (ko) | 음성 합성을 이용한 음성 메시지 전송 기능을 가지는무선통신 단말기 및 그 방법 | |
| WO2022254809A1 (ja) | 情報処理装置、信号処理装置、情報処理方法、及びプログラム | |
| KR20200081925A (ko) | 음성인식 교감형 로봇, 교감형 로봇 음성인식 시스템 및 그 방법 | |
| WO2019071541A1 (zh) | 语音翻译方法、装置和终端设备 | |
| JPH0194398A (ja) | 音声標準パターンの作成方法 |