JP2006317768A

JP2006317768A - 話速変換装置、及びこの話速変換装置を制御する話速変換プログラム

Info

Publication number: JP2006317768A
Application number: JP2005141147A
Authority: JP
Inventors: Yuichiro Aso; 裕一郎麻生
Original assignee: Toshiba Corp
Current assignee: Toshiba Corp
Priority date: 2005-05-13
Filing date: 2005-05-13
Publication date: 2006-11-24

Abstract

【課題】話速が途中で変化する音声データに対して、聞き取りやすい話速に変化させることのできる話速変換装置を提供する。
【解決手段】話速変換装置は、変換する音声データを、所定量毎にバッファリングする（Ｓ２０１）。このバッファリングした所定量の音声データに対して、音節数をカウントする等により話速を測定し（Ｓ２０２）、この話速と、ユーザの設定した所望の話速とを比較して（Ｓ２０３）、バッファに格納された音声データの話速変換処理を行う（Ｓ２０４）。この音声データがまだ終了していなければ（Ｓ２０５のＮｏ）、さらなる音声データのバッファリングを行うべく、Ｓ２０１の処理へ戻る。
【選択図】図２

Description

本発明は、音声データの再生速度を変換するために用いられる話速変換装置と、この話速変換装置を制御する話速変換プログラムに関する。

テープレコーダ等のオーディオや映像機器において、再生時に早送りをすると、その速度に比例して再生音の周波数が高くなり、音声の聞き取りが困難となる。また、再生速度を遅くした場合にも、再生音の周波数が低くなって同様に聞き取りが困難となる。近年このような課題に対し、再生速度を変化させたとしても、音声の周波数を変化させずに、話し方をゆっくりとしたり、早口としたりするのみで自然に聞こえる話速変換手法が考えられている。

さらに、このような話速変換手法を使用し、ユーザの望む話速で話速変換を行うことが考えられている（例えば、特許文献１参照）。特許文献１では、再生音声の単位時間当たりの単語数を、ユーザの望む値とすることのできる装置が記載されている。
特開平１１−００７２９５号公報

しかしながら特許文献１は、音声データ全体の速度をユーザの設定した話速に変化させるものであり、音声データの途中で話速が変化する場合については考慮されていない。例えばお年寄りが複数のパーソナリティが出演するラジオ番組を所定の聞き取りやすい話速で聴きたいと思う場合や、複数の参加者が参加する会議を録音し、これを所定の話速で再生して議事録を作成するような場合には、通常其々の発言者によって話速が異なるため、音声データ全体に対して一律に話速を変化させるような手法は適当ではない。

また、特許文献１記載の手法は、予め音声データの単位時間当たりの再生速度がわかっているものについてしか考慮されていないが、通常の音声データは、単位時間当たりの再生速度や、その音声データに含まれる単語数等を知ることはできない。

そこで本発明は、話速が途中で変化する音声データに対して、聞き取りやすい話速に変化させることのできる話速変換装置を提供することを目的とする。

上記目的を達成するために、本発明の話速変換装置は、周波数の変化を抑制しつつ音声の再生速度を変換する機能を有する話速変換装置において、前記話速変換装置で話速を変換する音声データの一部である部分音声データを記憶する記憶手段と、前記記憶手段により記憶された前記部分音声データの話速を算出する話速算出手段と、前記話速算出手段により算出された前記部分音声データの話速、及び予め定められた所定の希望話速を比較する話速比較手段と、前記話速比較手段による比較結果に基づき、前記部分音声データの話速を前記希望話速に変換する話速変換手段とを備えることを特徴とする。

本発明の話速変換プログラムは、周波数の変化を抑制しつつ音声の再生速度を変換する機能を有する話速変換装置を制御する話速変換プログラムにおいて、前記話速変換プログラムで話速を変換する音声データの一部である部分音声データをバッファに格納する記憶機能と、前記バッファに格納された前記部分音声データの話速を算出する話速算出機能と、前記話速算出機能により算出された前記部分音声データの話速、及び予め定められた所定の希望話速を比較する話速比較機能と、前記話速比較機能による比較結果に基づき、前記部分音声データの話速を前記希望話速に変換する話速変換機能とを備えることを特徴とする。

本発明によれば、話速が途中で変化する音声データに対して、聞き取りやすい話速に変化させることのできる話速変換装置を提供することを目的とする。

以下、本発明の話速変換装置及び話速変換プログラムについて、図面を参照しながら説明する。

図１は、本発明の実施例に係る話速変換装置の構成を示す図である。話速変換装置１は、ラジオチューナ１０１と、記憶媒体１０２と、ラジオチューナ１０１から受信する音声データ若しくは記憶媒体１０２に格納された音声データの話速を変換する制御部１０３と、音声データを一時的に格納するバッファ１０４と、ユーザが好みの話速を設定する話速設定部１０５と、話速を変換した音声を出力するスピーカ１０６とを備える。

ラジオチューナ１０１は、放送局からラジオ放送を受信し、デジタル音声データを出力する機能を有する。記憶媒体１０２は、より具体的にはＤＶＤ（ＤｉｇｉｔａｌＶｅｒｓａｔｉｌｅＤｉｓｋ）やＣＤ（ＣｏｍｐａｃｔＤｉｓｃ）、ＨＤＤ（ＨａｒｄＤｉｓｋＤｒｉｖｅ）等であり、音声データ１０２ａを格納している。ラジオチューナ１０１及び記憶媒体１０２は、其々制御部１０３に対して、話速を変換する対象である音声データを出力する。以下の説明では、ラジオチューナ１０１から出力された音声データを制御部１０３で変換する場合を例に説明を行う。

制御部１０３は、ラジオチューナ１０１からの音声データの話速を変換する。制御部１０３は、ラジオチューナ１０１から所定量のデータをバッファ１０４に読み込んで話速を算出する話速算出部２１と、話速算出部２１で算出された話速とユーザの設定した話速とを比較する話速調節部２２と、話速調節部２２での比較結果に基づき、音声データの話速を変換する話速変換部２３とを備える。

話速算出部２１は、ラジオチューナ１０１から出力される音声データを所定時間毎にバッファ１０４に読み込み、このバッファ１０４に保存された音声データを解析してこの中に含まれる音節数を数える。

話速調節部２２は、ユーザが話速設定部１０５で設定した話速に対応する音節数と、話速算出部２１で算出した、バッファ１０４内に格納した音声データの音節数とを比較し、話速変換部２３で話速を変換する際に必要な話速比率等の速度パラメータを決定する。話速変換部２３は、話速調節部２２で決定した速度パラメータに基づいて、バッファ１０４内の音声データの話速を変換し、変換後の音声データをスピーカ１０６から出力する。

話速設定部１０５は、ユーザが話速を設定するためのつまみやスライダである。ユーザは、例えば、サンプル音声を流しながら、このつまみやスライダを使用して、所望の話速を設定する。

次に、ラジオチューナ１０１から入力された音声データの話速変換処理の流れについて説明する。図２は、制御部１０３の処理の流れを示すフローチャートである。
まず、話速算出部２１は、ラジオチューナ１０１から出力される音声データを、所定量バッファ１０４に格納する（Ｓ２０１）。このときバッファ１０４にバッファリングする時間は任意であるが、長期間バッファリングを行うと話速を変化させる際の応答性が悪くなるので、あまり長すぎない方が好ましい。

バッファ１０４に読み込んだ音声データが予め定められた所定量に達すれば、バッファ１０４に格納された音声データ内に含まれる音節数をカウントする（Ｓ２０２）。これにより、単位時間（即ちバッファ１０４でバッファリングを行う時間）に対する音節数がわかるので、これが話速に相当するものとみなす。

さらに、話速調節部２２は、話速算出部２１で算出された話速を、ユーザが話速設定部１０５で設定した話速と比較して、話速を変換する際に必要となる話速比率等の速度パラメータを決定する（Ｓ２０３）。話速変換部２３は、話速調節部２２で決定された速度パラメータに従って、バッファ１０４内に格納された音声データの話速を変更した後、これをスピーカ１０６から出力する（Ｓ２０４）。

さらに、話速算出部２１は、ラジオチューナ１０１からまだ音声データが入力されているか否かを判断し（Ｓ２０５）、音声データがまだラジオチューナ１０１から入力されていれば(Ｓ２０５のＮｏ)、Ｓ２０１の処理へ戻る。音声データの入力が終了していれば（Ｓ２０５のＹｅｓ）、話速変換処理を終える。

以上説明したように、本実施例によれば、ラジオチューナ１０１から入力される、若しくは記憶媒体１０２に格納される音声データを、所定量毎に区切って読出し、この所定量の音声データに対する話速を算出して話速を変換する。これにより、たとえばラジオチューナ１０１から受信するラジオ番組が、話速の異なる複数人によるものである場合であっても、ラジオ番組全体を通して、ユーザにとって聞き取りやすい話速に変換することができる。

本実施例の話速変換装置１は、スピーカ１０６を有しているので、ユーザは音声を出力しながら話速設定部１０５で所望の話速を設定することができる。さらに、話速を変換後のデータを一度記憶媒体１０２に格納しなおすような場合と比して、記憶媒体の記憶容量を消費せずに済む。

本実施例では、ユーザが所望の話速を設定することができるので、其々のユーザが聞き取りやすい話速に設定することが可能となっている。
本実施例では、話速算出手段２１は、バッファ１０４に格納された音声データを音節数という音声的特長により話速を算出している。これは、テキストデータに一度変換するような場合と比して処理が容易である。また現状では、テキストデータへの変換である音声認識はあまり精度が高くないので、このような音声的特徴のみに基づいた方が、認識精度が高くなる効果も見込める。また、他の音声的特長として、例えば音素等に基づいて話速を算出することも考えられる。

本実施例では、ラジオチューナ１０１からのラジオ放送を受信した音声データ若しくは記憶媒体１０２に予め格納された音声データを元に説明を行ったが、本実施形態に限定されるものではなく、例えばマイクロフォンからユーザが入力する音声データ等であることも考えられる。

また、他の実施形態として、入力された音声データをテキストデータに変換して話速を算出することが考えられる。この場合、話速変換装置１の構成は図１と同様な構成となるが、話速算出部２１は、ラジオチューナ１０１から入力を受け、バッファ１０４に格納する音声データを順次テキストデータに変換する機能を有する。話速算出部２１は、変換したテキストデータの例えば単語の個数を順次数えることにより、バッファ１０４に格納された音声データの話速を算出する。尚この場合、バッファ１０４でバッファリングするテキスト量が小さければ認識率が下がるため、バッファ１０４にバッファリングする時間は、ある程度長めの時間とすることが望ましい。尚言語的特長としては、単語数の他に、形態素数、文節数等を用いることも考えられる。

このような言語的特長に基づいて話速を算出する場合には、テキストの区切れに応じた話速を算出することとなるので、ユーザがより意味的に理解しやすい話速となる効果が見込める。また、ユーザは、話速設定部１０５において、１分間に何語の単語を話すスピードで、といった話速設定方法が可能となる。

本発明の実施例１に係る話速変換装置の構成を示す図。本発明の実施例１に係る話速変換装置を制御する制御部の処理の流れを示す図。

符号の説明

１・・・話速変換装置
２１・・・話速算出部
２２・・・話速調節部
２３・・・話速変換部
１０１・・・ラジオチューナ
１０２・・・記憶媒体
１０２ａ・・・音声データ
１０４・・・バッファ
１０５・・・話速設定部
１０６・・・スピーカ

Claims

周波数の変化を抑制しつつ音声の再生速度を変換する機能を有する話速変換装置において、
話速を変換する音声データの一部である部分音声データを記憶する記憶手段と、
前記記憶手段により記憶された前記部分音声データの話速を算出する話速算出手段と、
前記話速算出手段により算出された前記部分音声データの話速、及び予め定められた所定の希望話速を比較する話速比較手段と、
前記話速比較手段による比較結果に基づき、前記部分音声データの話速を前記希望話速に変換する話速変換手段と
を備えることを特徴とする話速変換装置。
請求項１記載の話速変換装置において、
前記話速変換手段により話速が変換された前記音声データによる音声を出力する音声出力手段
をさらに備えることを特徴とする話速変換装置。
請求項１記載の話速変換装置において、
前記希望話速を設定する話速設定手段
をさらに備えることを特徴とする話速変換装置。
前記話速算出手段は、前記部分音声データに含まれる音素数、音節数等の音声的特長に基づいて前記部分音声データの話速を算出すること
を特徴とする請求項１記載の話速変換装置。
前記話速算出手段は、前記部分音声データを順次テキストデータに変換し、前記部分音声データに含まれる単語数、文節数等の言語的特長に基づいて話速を算出すること
を特徴とする請求項１記載の話速変換装置。
周波数の変化を抑制しつつ音声の再生速度を変換する機能を有する話速変換装置を制御する話速変換プログラムにおいて、
話速を変換する音声データの一部である部分音声データをバッファに格納する記憶機能と、
前記バッファに格納された前記部分音声データの話速を算出する話速算出機能と、
前記話速算出機能により算出された前記部分音声データの話速、及び予め定められた所定の希望話速を比較する話速比較機能と、
前記話速比較機能による比較結果に基づき、前記部分音声データの話速を前記希望話速に変換する話速変換機能と
を備えることを特徴とする話速変換プログラム。
前記話速算出機能は、前記部分音声データに含まれる音素数、音節数等の音声的特長に基づいて前記部分音声データの話速を算出すること
を特徴とする請求項６記載の話速変換プログラム。
前記話速算出機能は、前記部分音声データを順次テキストデータに変換し、前記部分音声データに含まれる単語数、文節数等の言語的特徴に基づいて話速を算出すること
を特徴とする請求項６記載の話速変換プログラム。