JP4276716B2

JP4276716B2 - 音声データ記録再生装置

Info

Publication number: JP4276716B2
Application number: JP15164798A
Authority: JP
Inventors: 裕二大上
Original assignee: Olympus Corp
Current assignee: Olympus Corp
Priority date: 1998-06-01
Filing date: 1998-06-01
Publication date: 2009-06-10
Anticipated expiration: 2018-06-01
Also published as: JPH11344995A

Description

【０００１】
【発明の属する技術分野】
本発明は、音声データ記録再生装置、詳しくは、記録媒体に音声データを記録するあるいは記録媒体に記録された音声データを再生する音声データ記録再生装置に関する。
【０００２】
【従来の技術】
従来、音声記録再生装置に録音した音声を認識する音声認識装置は種々のものが知られている。たとえば、特開昭５８−１５８７３６号公報には、入力音声の時間、場所等に制約されず、また処理装置への入力時における操作が発生者以外の者でも可能とする音声認識装置が提案されている。
【０００３】
一方、近年、音声認識技術は急速に進歩しており、たんに単語のみの認識だけにとどまらず、連続する発声音に対してもその内容を認識できる技術手段も知られるところにある。
【０００４】
また、このような音声認識技術も、たとえばパーソナルコンピュータ上のソフトウェアで手軽に使用できるようになり、このようなソフトウェアを用いて音声データをテキストデータに変換して文書化する技術手段もまた可能となっている。
【０００５】
さらに、音声記録再生装置のライン出力をパーソナルコンピュータのライン入力に接続し、上述したような音声認識用ソフトウェアを用いて該音声記録再生装置から出力される音声に基づいて文書化を行うことが可能となっている。
【０００６】
ところで、上述した音声認識用ソフトウェアにおいては、認識率を高めるためにはパーソナルコンピュータで入力する音声レベルが適正であることが必要となる。しかしながら、低レベルから高レベルまでの広い範囲にわたる入力レベルに対して高い認識率を保証することは現状では困難であり、パーソナルコンピュータ側のハードウェアあるいはソフトウェアにおいて特別な初期設定を行わなければならなかった。
【０００７】
すなわち、所定の音声レベルで最大の認識率を得るために、あらかじめ使用者に所定の言葉を発声させ、そのときの入力音声レベルが適正な値になるようパーソナルコンピュータ内のサウンドボード等の入力感度を調整する必要があった（第１の例）。
【０００８】
あるいは、例えば特開平５−２３１９２２号公報に開示されるが如く、パーソナルコンピュータの表示画面に音声レベルの高さを示すレベルメータを表示することによって、使用者に音声レベルが適正な値になるように声の大きさを調整する必要があった（第２の例）。
【０００９】
なお、ここで、図５のフローチャートに基づいて、パーソナルコンピュータに音声を出力する従来のデジタル音声記録再生装置における再生処理動作の一例について触れておく。
【００１０】
当該デジタル音声記録再生装置の制御を司るシステム制御部は、再生ボタンが押されたことを検出すると、再生処理を実行し現在選択されているファイルを開く（ステップＳ１０１）。この後、システム制御部は所定のデジタル信号処理部（ＤＳＰ）に再生処理を行わせるためのコマンドを送信する（ステップＳ１０２）。次に、システム制御部は、所定の表示器に表示を行うために現在位置を更新し（ステップＳ１０３）、表示を更新する（ステップＳ１０４）。
【００１１】
次に、システム制御部は、所定の操作入力部における何れかの操作ボタンが押されたかどうかを検出し（ステップＳ１０５）、何れかの操作ボタンを押されていなければ、現在開いているファイルの終端まで上記ステップＳ１０３〜Ｓ１０５の動作を繰り返す。
【００１２】
上記ステップＳ１０５において、システム制御部は、何れかの操作ボタンが押されたことを検出した場合には、デジタル信号処理部に対して停止コマンドを送信する（ステップＳ１０６）。この後システム制御部は、現在位置情報を更新し（ステップＳ１０７）、表示を更新してから（ステップＳ１０８）、当該再生処理から抜ける。
【００１３】
【発明が解決しようとする課題】
しかしながら、上記第１の例では、音声記録再生装置の全ての再生ボリューム値に対してパーソナルコンピュータ内のサウンドボード等の入力感度を調整する必要があるが、これは該サウンドボードの性能の点で限界があり、結局使用者が適当なボリュームに設定しなければならず煩わしいという問題点があった。
【００１４】
また上記第２の例においても、使用者が適正な音声レベル値を設定しなければならず、やはり煩わしいものであった。
【００１５】
さらに、音声記録再生装置のライン出力をパーソナルコンピュータのライン入力に接続して音声認識を行う場合、入力感度の初期設定に設定された再生ボリュームレベルを予め記憶しておく必要があり、そのボリュームレベルを忘れてしまった場合等は認識率が低下するか、または入力感度の初期設定をやり直さなければならないという問題点があった。
【００１６】
本発明はかかる問題点に鑑みてなされたものであり、外部音声認識装置と接続する際において、音声認識に適した増幅度を自動的に設定して音声再生を行い、安定した音声認識を実現する音声データ記録再生装置を提供することを目的とする。
【００１７】
【課題を解決するための手段】
上記の目的を達成するために本発明の音声データ記録再生装置は、音声認識ソフトウエアが動作する音声入力装置と接続可能な音声データ記録再生装置であって、記録媒体に対して音声データを記録するあるいは該記録媒体に記録された音声データを再生する記録再生手段と、上記音声データを再生する再生モードあるいは上記音声データを記録する記録モードの何れかに設定するモード設定手段と、上記音声データにかかる音声を外部に出力するための外部音声出力端子と、上記外部音声出力端子の接続状態を検出する接続状態検出手段と、上記モード設定手段により再生モードが設定され、上記接続状態検出手段により上記音声入力装置との接続が検出された際、上記外部音声出力端子から出力される上記音声のゲイン値を調整する制御手段と、を具備し、上記制御手段は、再生される音声データの平均エネルギー値を演算し、該平均エネルギー値と上記音声認識ソフトウエアが動作する音声入力装置で設定された音声サンプルデータの平均エネルギー値とが等しくなるように上記音声のゲイン値を調整することを特徴とする。
【００２０】
【発明の実施の形態】
以下、図面を参照して本発明の実施の形態を説明する。
【００２１】
図１は、本発明の第１の実施形態であるデジタル音声記録再生装置の構成を示したブロック構成図である。
【００２２】
本実施形態のデジタル音声記録再生装置は、音声を電気信号に変換するマイクロホン１を具備し、該マイクロホン１からの音声出力は接続されたマイクアンプ（ＡＭＰ）２によって増幅されるようになっている。このマイクアンプ２の出力はローパスフィルタ（ＬＰＦ）３を介してＡ／Ｄ変換器（Ａ／Ｄ）４に入力されるようになっており、マイクアンプ２で増幅されたアナログの音声信号は、ローパスフィルタ３でエリアシングノイズの発生を防止するため不要な周波数帯域をカットされ該Ａ／Ｄ変換器４に入力される。
【００２３】
上記Ａ／Ｄ変換器４においてアナログ信号である音声信号はデジタル信号に変換された後、デジタル信号処理部（ＤＳＰ）５に入力されるようになっている。
【００２４】
また、上記デジタル信号処理部５には、該デジタル信号処理部５の動作を制御する、図示しない制御回路が接続されているとともに、符号化されたデータを一時的に記憶するデータＩ／Ｏバッファが制御されている。なお、上記制御回路は後述するシステム制御部６に接続され、制御されるようになっている。
【００２５】
上記デジタル信号処理部５は、録音時には、システム制御部６に制御されて上記Ａ／Ｄ変換器４でデジタル信号に変換された音声信号を一定のフォーマットてのデータに圧縮変換（符号化）し、符号化されたデータは一時的に上記データＩ／Ｏバッファに記録され、この後、システム制御部６に対して伝送されるようになっている。
【００２６】
一方、再生時には、上記デジタル信号処理部５は、システム制御部６に制御されて該システム制御部６からのデータを伸長変換（復号化）する処理を行い、復号化されたデジタル信号は、Ｄ／Ａ変換器（Ｄ／Ａ）９に入力されるようになっている。
【００２７】
上記Ｄ／Ａ変換器９でアナログ信号に変換された音声信号は、不要な周波数帯域をカットして量子化雑音を軽減する図示しないローパスフィルターを介して、一方で、該音声信号を増幅してスピーカを駆動するパワーアンプ（ＡＭＰ）１０に入力されるようになっている。該パワーアンプ１０で増幅された音声信号は音声に変換して放音するスピーカ１１より発音されるようになっている。
【００２８】
また、上記Ｄ／Ａ変換器９でアナログ信号に変換された音声信号は、他方で、不要な周波数帯域をカットして量子化雑音を軽減する図示しないローパスフィルターを介して、パワーアンプ２０に入力されるようになっている。該パワーアンプ２０の出力端には外部のイヤホン等の再生装置（図示せず）に音声を出力するためのイヤホン端子２１が接続されている。
【００２９】
このイヤホン端子２１は、いわゆるミニプラグに対応するミニジャックで構成されるが、本実施形態のデジタル音声記録再生装置は、このイヤホン端子２１に種々の接続コードにかかる接続プラグを挿脱可能とすることを特徴とする。そして、後述する接続状態検出手段２２により、接続されるコード等の種別が判別されるようになっている。
【００３０】
すなわち、本実施形態のデジタル音声記録再生装置は、上記イヤホン端子２１に何らかの接続コードにかかるプラグが挿通されたこと、あるいは挿通されたプラグが如何なる種別の接続コードにかかるものであるかを検出する接続状態検出手段２２を備えている。なお、該接続状態検出手段２２による接続コードの種別の検出は、イヤホン端子２１に挿通されたプラグの形状の違いによりなされる。
【００３１】
また、この接続状態検出手段２２の検出結果はシステム制御部６に入力される。そして、該システム制御部６は、接続状態検出手段２２の検出結果に基づいて後述する所定の制御を行う。
【００３２】
以下、イヤホン端子２１に接続されうる接続コードにかかるプラグの態様について説明する。
【００３３】
第１に、本実施形態のデジタル音声記録再生装置には、たとえば３２オーム程度の負荷インピーダンスを有するイヤホン、ヘッドホン等の音声再生装置が接続可能となっている。近年、イヤホン等の接続コードの先端には、いわゆるミニプラグと称されるプラグが配設されていることが多い。当該デジタル音声記録再生装置もこのミニプラグに対応してイヤホン端子２１は、いわゆるミニジャックで構成する。
【００３４】
そして、イヤホン端子２１に上記通常のミニプラグが接続された場合、接続状態検出手段２２は通常のイヤホン等が接続された旨を検出する。また、この検出結果を受けたシステム制御部６は通常の音声再生機能を果たすべく各種回路を制御する。
【００３５】
第２に、当該デジタル音声記録再生装置には、所定の音声入力処理装置、すなわち、音声認識ソフトウェアが作動するパーソナルコンピュータ等との接続を可能とする。この場合パーソナルコンピュータは、所定音声を入力した後かかる音声に適宜処理を施し、音声認識等の処理を行う音声入力装置としての機能を果たすものを想定している。
【００３６】
当該デジタル音声記録再生装置とパーソナルコンピュータとの接続は、該パーソナルコンピュータのライン入力端子と上記イヤホン端子２１とを所定の接続コードで接続することで実現する。なお、この接続コードは、イヤホン端子２１との接続側に配設されたプラグが通常のミニプラグとは異なる形状であることを特徴とする。とはいえかかるプラグは、当然に、ミニジャックで構成されるイヤホン端子２１に接続可能であり、所定の信号等の送受には何等支障を来さない程度の形状の差異を有するものである。
【００３７】
上記接続状態検出手段２２はこのプラグ形状の違いにより、接続されたコードが通常のイヤホン等にかかるものか、所定のパーソナルコンピュータのライン入力端子と接続されたものかを検出する。
【００３８】
上記システム制御部６は、マイクロプロセッサ（ＣＰＵ）で構成され、当該デジタル音声記録再生装置の各部の動作を制御する手段としての役目を果たすと共に、記録媒体７に対して音声データを記録するあるいは該記録媒体７に記録された音声データを再生する記録再生手段としての構成要素、上記接続状態検出手段２２の検出結果に応じて上記イヤホン端子２１から出力される音声のゲイン値を制御する制御手段の構成要素、としての役目を果たすようになっている。
【００３９】
また、上記システム制御部６には上述した記録媒体７、図示しないアドレス制御回路が接続されており、操作入力部１９の操作に応じて、該アドレス制御回路に適当なアドレス信号を与え、上記データＩ／Ｏバッファから供給された音声データのほか、録音日時、インデックス情報等を所定のフォーマットに基づいて記録媒体７に記録、あるいは該記録媒体７に記録されているデータを読み出して上記データＩ／Ｏバッファを介してデジタル信号処理部５に供給するようになっている。
【００４０】
上記記録媒体７は半導体メモリで構成されており、その内部は一時記録媒体部と主記録媒体部とで構成されている。この一時記録媒体部と比較して比較的高速で読み書きが行えるものが用いられる。一方、主記録媒体部は、例えばフラッシュメモリや光磁気ディスク、磁気ディスクや磁気テープ等が用いられる。本実施形態のデジタル音声記録再生装置では、この内、一時記録媒体部、主記録媒体部ともにフラッシュメモリを用いている。
【００４１】
なお、ここで音声情報の記録位置を示す情報であるアドレスは、当該音声記録再生装置に対して着脱自在な半導体メモリで構成された、たとえばメモリカードで構成された記録媒体７に記憶させても良く、記録再生装置側に設けられているアドレス制御回路に付随する不図示の半導体メモリ（内部記憶部）に記憶させるようにしても良い。
【００４２】
また、上述したように上記システム制御部６には操作入力部１９が接続されており、さらに、動作モード等を表示する表示器１３が駆動回路１２を介して接続されている。
【００４３】
上記操作入力部１９は、当該デジタル音声記録再生装置を、音声データを再生する再生モードあるいは音声データを記録する記録モードの何れかに設定するモード設定手段の役目を果たし、各種操作ボタン、すなわち、録音ボタンＲＥＣ、再生ボタンＰＬＡＹ、停止ボタンＳＴＯＰ、早送りボタンＦＦ、早戻しボタンＲＥＷ等で構成されている。
【００４４】
さらに、上記システム制御部６には、当該デジタル音声記録再生装置全体に電源電圧を供給する電池（図示せず）を制御する電源制御部１４が接続されており、該電源を制御するようになっている。
【００４５】
次に、このような構成をなす本実施形態のデジタル音声記録再生装置における再生処理の動作について図２のフローチャートを参照して説明する。
【００４６】
上記システム制御部６は、再生ボタンＰＬＡＹが押されたことを検出すると、この再生処理を実行し現在選択されているファイルを開く（ステップＳ１）。この後、接続状態検出手段２２からの検出結果を入力する。すなわち、イヤホン端子２１に所定の接続コードが接続されたか否かを検出する（ステップＳ２）。ここで所定の接続コードとは、パーソナルコンピュータ等の音声入力処理装置との接続コードである。
【００４７】
このステップＳ２においてイヤホン端子２１に所定の接続コードが接続されていると判定されたら、該イヤホン端子２１から出力される音声のゲイン値を適正な値に更新する（ステップＳ３）。
【００４８】
ここで、ステップＳ３における出力音声の適正ゲイン値の更新手法について説明する。
まず、システム制御部６は、予め音声認識ソフトウェアが作動するパーソナルコンピュータで設定された音声サンプルデータの平均エネルギー値を取得し、記憶しておく。そして、当該ファイルにおける音声データの平均エネルギー値を演算し、上記音声サンプルデータの平均エネルギー値と等しくなるように出力音声のゲイン値を調整する。
【００４９】
上記ステップＳ３の後、次に、システム制御部６はデジタル信号処理部５（ＤＳＰ）に再生処理を行わせるためのコマンドを送信する（ステップＳ４）。次に、システム制御部６は、表示器１３に表示を行うために現在位置を更新し（ステップＳ５）、表示を更新する（ステップＳ６）。
【００５０】
次に、システム制御部６は、上記操作入力部１９における何れかの操作ボタンが押されたかどうかを検出し（ステップＳ７）、何れかの操作ボタンを押されていなければ、現在開いているファイルの終端まで上記ステップＳ５〜Ｓ７の動作を繰り返す。
【００５１】
上記ステップＳ７において、システム制御部６は、何れかの操作ボタンが押されたことを検出した場合には、デジタル信号処理部５に対して停止コマンドを送信する（ステップＳ８）。この後システム制御部６は、現在位置情報を更新し（ステップＳ９）、表示器１３に表示された情報を更新してから（ステップＳ１０）当該再生処理から抜ける。
【００５２】
なお、以上の動作は、例えば専用の操作ボタンを設けたり、または、操作ボタンの２重押し等により使用者により任意に設定することを可能とするものであってもよい。
【００５３】
このように、本第１の実施形態のデジタル音声記録再生装置によると、外部音声認識装置であるパーソナルコンピュータと接続した場合、音声を再生する際に、音声認識に適した増幅度を自動的に設定し、安定した音声認識を実現することができる。
【００５４】
次に、本発明の第２の実施形態のデジタル音声記録再生装置について説明する。
この第２の実施形態のデジタル音声記録再生装置は、その構成は上記第１の実施形態と同様であり、再生処理にかかる動作のみを異にしている。したがって、ここではこの再生処理の動作のみを、図３のフローチャートを参照して説明する。
【００５５】
上記システム制御部６は、再生ボタンＰＬＡＹが押されたことを検出すると、この再生処理を実行し現在選択されているファイルを開く（ステップＳ２１）。この後、接続状態検出手段２２からの検出結果を入力する。すなわち、イヤホン端子２１に所定の接続コードが接続されたか否かを検出する（ステップＳ２２）。ここで所定の接続コードとは、パーソナルコンピュータ等の音声入力処理装置との接続コードである。
【００５６】
このステップＳ２２においてイヤホン端子２１に所定の接続コードが接続されていると判定されたら、システム制御部６は該ファイルを復号化し出力レベルを判定するようデジタル信号処理部５の制御を行う（ステップＳ２３）。このステップＳ２３において判定した音声データの平均エネルギー値に基づいて音声認識率が最も良くなるよう出力音声のゲイン値を決定する（ステップＳ２４）。
【００５７】
この後システム制御部６は、上記ステップＳ２４で求めたゲイン値をイヤホン端子２１から出力する出力音声のゲイン値として更新する（ステップＳ２５）。
【００５８】
ここで、上記ステップＳ２４におけるゲイン値の決定手法について説明する。
図４は、本実施形態におけるゲイン計算処理の内容を示すフローチャートである。
【００５９】
この処理が始まると、フレーム番号のカウント値を示す変数ｆ、サンプル絶対値の加算値を示す変数ＳｕｍＡｂｓ、加算回数を示す変数Ｃｎｔを、各々０に初期化しておく（ステップＳ４１）。
【００６０】
次に、変数ｆをインクリメントして（ステップＳ４２）、所定のフレームエネルギーｅ（ｆ）が、しきい値ｔｒｓより大きいか否かを判定する（ステップＳ４３）。ここでフレームエネルギーｅ（ｆ）がしきい値ｔｒｓよりも大きい場合には、フレームのサンプル絶対値の合計を、変数ＳｕｍＡｂｓ自身に加算して（ステップＳ４４）、変数Ｃｎｔをインクリメントする（ステップＳ４５）。
【００６１】
また、上記ステップＳ４３においてフレームエネルギーｅ（ｆ）がしきい値以下である場合には、そのまま次のステップＳ４６に行く。
【００６２】
次に、ファイルが終端に達したか否かを判定し（ステップＳ４６）、まだ終端でない場合には上記ステップＳ４２に戻って上述した処理を繰り返す。
【００６３】
また、このステップＳ４６においてファイルの終端に達したと判断された場合は、上記変数ＳｕｍＡｂｓを変数Ｃｎｔで割ることにより、フレームのサンプル絶対値の平均値ａｖｅｒａｇｅを計算する（ステップＳ４７）。
【００６４】
そして、所定の値ＬＥＶをこの平均値ａｖｅｒａｇｅで割ることにより、ゲインｇａｉｎを計算する（ステップＳ４８）。ここに、この所定値ＬＥＶは、想定したサンプル絶対値の平均値に設定されていて、例えば音声認識部における学習音声データに使用した音声サンプル絶対値の平均値を用いる。
【００６５】
図３に戻って、上記ステップＳ２５の後、次に、システム制御部６はデジタル信号処理部５（ＤＳＰ）に再生処理を行わせるためのコマンドを送信する（ステップＳ２６）。次に、システム制御部６は、表示器１３に表示を行うために現在位置を更新し（ステップＳ２７）、表示を更新する（ステップＳ２８）。
【００６６】
次に、システム制御部６は、上記操作入力部１９における何れかの操作ボタンが押されたかどうかを検出し（ステップＳ２９）、何れかの操作ボタンを押されていなければ、現在開いているファイルの終端まで上記ステップＳ２７〜Ｓ２９の動作を繰り返す。
【００６７】
上記ステップＳ２９において、システム制御部６は、何れかの操作ボタンが押されたことを検出した場合には、デジタル信号処理部５に対して停止コマンドを送信する（ステップＳ３０）。この後システム制御部６は、現在位置情報を更新し（ステップＳ３１）、表示器１３に表示された情報を更新してから（ステップＳ３２）当該再生処理から抜ける。
【００６８】
なお、以上の動作は、例えば専用の操作ボタンを設けたり、または、操作ボタンの２重押し等により使用者により任意に設定することを可能とするものであってもよい。
【００６９】
このように、本第２の実施形態のデジタル音声記録再生装置によると、外部音声認識装置であるパーソナルコンピュータと接続した場合、音声を再生する際に、音声認識に適した増幅度を自動的に設定し、安定した音声認識を実現することができる。
【００７０】
また、上述した効果を録音レベルが変化した場合でも得られる。
【００７１】
なお、上記各実施形態は何れも本発明をデジタル音声記録再生装置に適用したものだが、本発明はこのようなデジタル音声記録再生装置に限らず、テープレコーダ等のアナログ音声記録装置にも適用することができるのは言うまでもない。
【００７２】
また、上記実施形態においては、イヤホン端子２１に接続された接続コードの種別を、接続状態検出手段２２により該接続コードにかかるプラグ形状の違いに基づいて判別するとした。しかし、これに限らず、たとえば、パーソナルコンピュータとの接続に用いる接続コードとして、通常の信号やアース用の端子とは別の端子を備えたプラグを装着したものを用意し、接続状態検出手段２２においてかかる新たな端子を検出することでコード種別を判別してもよい。さらに、この新たな端子を利用して当該記録再生装置とパーソナルコンピュータとの間で所定の信号を送受し、これによりコード種別を判別するようにしてもよい。
【００７３】
【発明の効果】
以上説明したように本発明によれば、外部音声認識装置と接続する際において、音声認識に適した増幅度を自動的に設定して音声再生を行い、安定した音声認識を実現する音声データ記録再生装置を提供できる。
【図面の簡単な説明】
【図１】本発明の第１の実施形態であるデジタル音声記録再生装置の構成を示したブロック構成図である。
【図２】上記第１の実施形態のデジタル音声記録再生装置における再生処理動作を示したフローチャートである。
【図３】本発明の第２の実施形態のデジタル音声記録再生装置における再生処理動作を示したフローチャートである。
【図４】上記第２の実施形態のデジタル音声記録再生装置におけるゲイン計算処理の内容を示すフローチャートである。
【図５】従来のデジタル音声記録再生装置における一再生処理の動作を示したフローチャートである。
【符号の説明】
５…デジタル信号処理部
６…システム制御部
７…記録媒体
９…Ｄ／Ａ変換器
２０…パワーアンプ
２１…イヤホン端子
２２…接続状態検出手段

Claims

音声認識ソフトウエアが動作する音声入力装置と接続可能な音声データ記録再生装置であって、
記録媒体に対して音声データを記録するあるいは該記録媒体に記録された音声データを再生する記録再生手段と、
上記音声データを再生する再生モードあるいは上記音声データを記録する記録モードの何れかに設定するモード設定手段と、
上記音声データにかかる音声を外部に出力するための外部音声出力端子と、
上記外部音声出力端子の接続状態を検出する接続状態検出手段と、
上記モード設定手段により再生モードが設定され、上記接続状態検出手段により上記音声入力装置との接続が検出された際、上記外部音声出力端子から出力される上記音声のゲイン値を調整する制御手段と、
を具備し、
上記制御手段は、再生される音声データの平均エネルギー値を演算し、該平均エネルギー値と上記音声認識ソフトウエアが動作する音声入力装置で設定された音声サンプルデータの平均エネルギー値とが等しくなるように上記音声のゲイン値を調整する
ことを特徴とする音声データ記録再生装置。