JPH01170998A - 音韻区間情報形成装置 - Google Patents

Abstract

(57)【要約】本公報は電子出願前の出願データであるた
め要約のデータは記録されません。

Description

【発明の詳細な説明】 〔産業上の利用分野〕 この発明は、音声認識の特に音ｗＬ認識において入力音
声の音韻区間を分割するために重要な音韻区間情報の形
成装置に関する。

〔発明の概要〕

この発明は入力音声の音響分析を行なって得た複数種の
音韻区間用パラメータのそれぞれの立ち上がり、立ち下
がり、ピーク点などの特徴点の情報から音韻区間境界候
補と、無音から立上り、子音→母音、母音→母音等の各
境界候補の音韻境界特徴を求め、これらを音韻区間情報
とするものであって、特に、音韻区間用パラメータの１
つとして過渡検出パラメータを用い、この過渡検出パラ
メータのピーク特徴点を基準として音韻区間の判定を正
確かつ効率良くなすことができるようにしたものである
。

〔従来の技術〕

連続音声、大語量音声認識の場合には、音韻認識が基本
となる。この音韻認識に当たっては認識対象の入力音声
を音韻区間毎に分割する必要がある。

例えば「す」という語を発音したとき、音声波形は、子
音ｒ３ｊと母音ｒ　ＴＪ　Ｊとに音韻分割することがで
きる。

この音韻区間に分割（以下セグメンテーションという）
する方法としては、従来は音声のパワーやゼロクロスレ
ートなどをスレッショールド値ト比較して分割点（区間
境界）を求める方法が用いられている。

〔発明が解決しようとする問題点〕

ところが、音韻のセグメンテーションを音声パワーやゼ
ロクロスレートとスレッショールド値との単なる比較に
より行なうときは、音韻区間のセグメンテーションを正
確に行なうことは、スレッショールド値の設定〜の困難
さと相俟って、むすパしかった。

この発明は、より正しく音韻区間のセグメンテーション
を行なうことのできる情報を提供できる装置を提案しよ
うとするものである。

〔問題点を解決するための手段〕

この発明においては音響分析手段と、特徴点抽出手段と
、音韻区間情報出力手段とを設ける。

〔作用〕

音響分析手段は入力音声の音響分析を行ない、過渡検出
パラメータ及びその他の複数の音韻区間用パラメータを
求める。

特徴点抽出手段は過渡検出パラメータについてピーク特
徴点を抽出するとともにその他の音韻区間用パラメータ
について立ち上がり、立ち下がり、ゼロクロス等の特徴
点を抽出する。

音韻区間情報出力手段は上記各パラメータの特徴点の情
報から過渡検出パラメータのピーク特徴点の情報を基準
として音韻区間境界候補と、各境界候補の音韻境界特徴
（例えば子音→母音、母音→母音、無音からの立ち上が
り等）を求め、これら音韻区間境界候補及び音韻境界特
徴を音韻区間情報として出力する。

〔実施例〕

この発明は音韻区間情報を過渡検出パラメータのピーク
特徴点を基準として求める。そこで、先ず過渡検出パラ
メータについて説明する。

例えば「す」という語を発音したとき、音声波形は第２
図Ａに示すようになり、子音「Ｓ」と母音「Ｕ」とに音
韻分割することができる。この場合に、この音声波形か
ら明らかなように、音韻が変化する部分すなわち過渡部
内に音韻境界が存在すること明らかであり、また１つの
音韻区間内の定常性を有する部分、すなわち定常部で音
Ｂ認識をすれば認識を正しく行なうことができる。

この過渡性及び定常性を計る手段としては過渡検出パラ
メータを用いる方法が有益である。

この過渡検出パラメータは、音声スペクトルの変化量を
各チャンネル（周波数）の時間方向のブロック内の分散
の和として定義される。

すなわち、先ず、音声スペクトルＳ　ｉ　（ｎ）を周波
数方向の以下に示す平均値Ｓａｖｇ（ｎ）でゲインを正
規化する。

Ｓａｖｇ（ｎ）　＝Σ５ｌ（ｎ）／ｑ・・・・・・（１
）ｉ＝１ ここで、ｉはチャンネル番号、ｑはチャンネル数を示す
。また、ｑチャンネルの各チャンネルの情報は時間方向
にサンプリングされるが、同一時点のｑチャンネルの情
報のブロックをフレームといい、ｎは認識に使用される
フレームの番号を示している。

ゲイン正規化の行われた音声スペクトルＳ　ｉ　（ｎ）
は ５ｉ（ｎ）＝　　５ｉ（ｎ）−Ｓａｖｇ（ｎ）　　　　
　　　＋＋　・１２）となる。

過渡検出パラメータＴ　（ｎ）は、そのフレームの前後
のＭフレームの合計（２Ｍ＋１）である（ｎ−Ｍ、ｎ＋
Ｍ）ブロック内の各チャンネルの時間方向の分散の和と
して定義する。

ここで、 で各チャンネルのブロック内の時間方向の平均値である
。

なお、実際的には（ｎ−Ｍ、ｎ＋Ｍ）ブロック中心付近
の変化は、音のゆらぎやノイズを拾いやすいので、過渡
検出パラメータＴ　（ｎ）の計算から取り除くことにし
、第（３）式は次のように変更される。

そして、第（５）式において、例えばａ＝ｌ、Ｍ＝２８
、ｍ＝３．ｑ＝３２としてパラメータＴ　（ｎ）が求め
られ、前述したｒＳＵ、の入力音声の場合、第２図Ｂの
ようになる。゛ この過渡検出パラメータＴ　（ｎ）のピーク点は過渡部
内の安定した特徴であり、これを基準に音韻境界候補を
決定するようにすれば、誤った音韻境界候補を選択する
ことを回避することができる。この発明はこの点に特に
注目したものである。

次に、この発明の一実施例を図を参照しながら説明する
。第１図はこ６発明による装置の一実施例を備えた音Ｂ
認識装置の一例を示す。

すなわち、マイクロホン（１）からの音声信号がアンプ
（２）及び帯域制限用のローパスフィルタ（３）を介し
てＡ／Ｄコンバータ（４）に供給され、例えば１２．５
ｋ）Ｉｚ　のサンプリング周波数で１２ビツトのデジタ
ル音声信号に変換される。このデジタル音声信号は音響
分析手段（５）に供給される。

この音響分析手段（５）はバンドパスフィルタバンク（
５１）およびその他の音響分析手段（５４〉からなって
いる。バンドパスフィルタバンク（５１）は、例えば３
２チヤンネルのデジタルバンドパスフィルタ（５１１，
）　（５１１，）　（５１１゜）−・・・（５１１３，
）　　を備える。このデジタルバンドパスフィルタ（５
１１，）　（５１１，）・・・・（５１ｈ、）　　は例
えばバターワース４次のデジタルフィルタにて構成され
、２５０Ｈｚから５．５ｋｌｌｚまでの帯域が対数軸上
で等間隔で分割された各帯域が各フィルタの通過帯域と
なるようにされている。そしテ、各デジタルバンドパス
フィルタ（５１１，）　（５１１、）・・・・（５１１
３，）の出力信号はそれぞれ整流回路（５１２゜）（５
１２，＞　（５１２□）・・・・（５１２３，）　　に
供給され、これら整流回路（５１２ｏ）〜（５１２ｓ、
）　　の出力はそれぞれデジタルローパスフィルタ（５
１３，）　（５１３，）　（５１３，）・・・・（５１
３−＋）に供給される。これらデジタルローパスフィル
タ（５１３，）　（５１３，）　（５１３□）・・・・
（５１３ｓ、）　　は例えば力・ソトオフ周波数５２．
８ＨｚのＦＩＲローパスフィルタにて構成される。各デ
ジタルローパスフィルタ（５１３゜）（５１３，）　（
５１３２）・・・・（５１３８，）　　の出力信号はサ
ンプラー　（５２）に供給される。このサンプラー（５
２）ではデジタルローパスフィルタ（５１３゜）（５１
３，）・・・・（５１３，、）の出力信号をフレーム周
期５．１２ｍ５ｅｃ毎にサンプリングする。したがって
、これよりはサンプル時系列（音声スヘク）　ル）　５
ｉ（ｎ）（ｉ　＝１．２．　　・・＝３２　；ｎはフレ
ーム番号でｎ＝１．２．　　・・・・Ｎ）が得られる。

このサンプラー（５２）からの出力、つまりサンプル時
系列Ｓ　ｉ　（ｎ）は正規化回路（５３）に供給され、
これより正規化された音声スペクトルの時系列Ｓ　ｉ　
（ｎ）が得られる。

正規化回路（５３）からの音声スペクトルのサンプル時
係数Ｓ　ｉ　（ｎ）は過渡検出パラメータ演算手段（６
）に供給され、前述の第（５）式の演算がなされて、過
渡検出パラメータＴ　（ｎ）が求められる。この場合、
第（５）式において、例えばＭ＝５．ｍ＝２とし、前述
の従前の場合の値、Ｍ＝２８．ｍ＝３に比べて小さくし
て、過渡部、定常部検出のためと、計算量削減を図って
いる。

この過渡検出パラメータＴ　（ｎ）は、例えば「あさ（
ａｓａ）　Ｊという入力音声の場合、第５図Ａのように
なる。なお、同図Ｇはこのときの入力音声波形である。

一方、他の音響分析手段（５４）では、この例では入力
音声の対数パワー、ゼロクロスレート、前後のサンプル
間の相関の強さを示す１次のパーコール（ＰＡＲＣＯＲ
）係数、パワースペクトルの傾きが求められる。また、
入力音声の基本周期（ピッチ）も求められる。この基本
周期の情報は音韻認識部に供給される。

これら他のパラメータである対数パワー、ゼロクロスレ
ート、１次のパーコール係数、パワースペクトルの傾き
、及び基本周期の演算も、過渡検出パラメータの演算と
同様に、ある時点（フレーム）を中心としてその前後に
Ｍフレーム分の８０間幅を有するウィンドーを考え、こ
のウィンドーを順次ｌサンプル点ずつ時間方向に移動さ
せ、各ウィンドー内でそれぞれ演算を行なって、各パラ
メータを生成する。

第５図Ｂはこうして得られた対数パワーを、同図Ｃは同
じくゼロクロスレートを、同図りは同じく１次のパーコ
ール係数を、同図Ｅは同じくパワースペクトルの傾きを
、それぞれ示している。

また、同図Ｆは音声ピッチ、つまり音声の基本周期を示
している。

音響分析手段（５）から、上記のようにして得られた各
パラメータは認識処理用パラメータとして音韻認識部に
供給される。また、演算手段（６）からの過渡検出パラ
メータＴ　（ｎ）及び他の音響分析手段（５４）からの
基本ピッチ周期を除く他のパラメータは特徴点抽出手段
（７）に供給される。

この特徴点抽出手段（７）ではセグメンテーション用パ
ラメータから音韻境界候補を求めるために、−船釣な特
徴点を抽出する。この例では、特徴点として第３図に示
すように■〜■の次の７種を用いる。

■立ち上がり点 ■立ち下がり点 ■増加変化点 ■減少変化点 ■ピーク点 ■正のゼロクロス点 ■負のゼロクロス点 特徴点抽出手段（７）ではこれらの特徴点情報記憶手段
（７１）からの特徴点情報を参照して各パラメータにつ
いて特徴点を抽出する。第５図Ａ−Ｅの各パラメータに
おいて時間軸方向について縦線で示す位置が各特徴点位
置である。

例えば、過渡検出パラメータＴ　（ｎ）については■ピ
ーク点が特徴として抽出され、対数パワー、ゼロクロス
レートのパラメータについては■立ち上がり点、■立ち
下がり点、■増加変化点、■減少変化点等が特徴点とし
て抽出される。

この特徴点抽出手段（７）から得られる特徴点の情報は
音韻境界か候補形成手段（９）に供給され、後述するよ
うに過渡検出パラメータＴ　（ｎ）を基準として音韻境
界候補が定められるとともにその音韻境界候補の特徴が
抽出される。

この音韻境界候補形成手段（９）では過渡部、定常部、
不確定部判定手段（８）からの判定出力が参照される。

この判定手段（８）には演算手段（６）からの過渡検出
バメラータＴ　（ｎ）と、特徴点抽出手段（７）からの
この過渡検出パラメータＴ　（ｎ）のピーク特徴点の情
報が供給され、これらから、入力音声の過渡部、定常部
、そのどちらにも属しない不確定部の判定がなされる。

第４図はこの過渡部、定常部、不確定部判定手段（８）
の一実施例で、この例では判定手段（８）は差分値演算
手段（８０）、パラメータメモＩＪ（８１）、差分値メ
モリ（８２）、定常部判定部（８３）、過渡点検出部（
８４）、過渡部判定部（８５）、不確定部判定部（８６
）からなる。

演算手段（６）からの過渡検出パラメータＴ　（ｎ）は
、差分値演算手段（８０）に供給され、過渡検出パラメ
ータの差分値ｄ　Ｔ　（ｎ）が ｄＴ（ｎ）＝Ｔ（ｎ＋１）−Ｔ（ｎ）　　　　　−−−
−Ｃ６）として求められる。

パラメータメモリ（８１）には演算手段（６）からの過
渡検出パラメータＴ　（ｎ）がストアされ、また、差分
値メモリ（８２）には差分値ｄＴ（ｎ）がストアされる
。

以下、判定の動作を順次説明する。

（ｉ）定常部判定部（８３）はメモリ（８１）および（
８２）にサーチ信号を送り、順次パラメータＴ　（ｎ）
およびｄ　Ｔ　（ｎ）をメモリ（８１）　（８２）　カ
ら読み出し、Ｔ　（ｎ）≦’ｒｓ＋　　　　　・・・・
Ｃ’ｔ）または Ｔ　（ｎ）≦ＴＳ２（ＴＳＩ　＜　Ｔｉｚ）かつｄ　Ｔ
　（ｎ）≦ｌｄ、　　ｌ　　・・・−（８）を満足する
区間を定常部として判定する。ここで、ＴＳＩ、　ＴＳ
２１　ｄｏ　は設定されたスレッショールド値であり、
例えば、Ｔｓ＋　＝１．０．　ＴＳ２　＝１．５゜ｄｏ
　　＝ｏ、ｔ　　とされる。

（１１）過渡点検出手段（８４）では特徴点抽出手段（
７）からの過渡検出パラメータＴ　（ｎ）のピーク点（
第５図Ｂ参照）を受け、このピーク点を過渡部の中心で
ある過渡点とし、この過渡点の位置情報（フレーム番号
）を過渡部判定部（８５）に供給する。

（ｉｉｉ　）過渡部判定部（８５）は、差分値メモリ（
８２）に過渡点を基点としたサーチ信号を送り、差分値
ｄ　Ｔ　（ｎ）を読み出す。この場合に先ず過渡点を基
点として時間的に過去にサーチ（以下後方サーチという
）し、差分値ｄ　Ｔ　（ｎ）が、ｄ　Ｔ　（ｎ）≧ｄｔ
（ｄｔはスレー）シＢ−ルド値）・・・・（９）を満足
する区間を判定し、後方過渡部とする。

例えばｄｌ　　＝０．．２　とする。

（ｉｖ　）この後方サーチにおいて、上記（９）式を満
足する区間が定常部判定部（８３）で判定された定常部
と重なるときは、その定常部と重なる手前までを過渡部
とする。

（ｖ）次に、過渡部判定８１Ｂ（８５）は過渡点を基点
として時間的に未来にサーチ（以下前方サーチという）
　し、 ｄ　Ｔ　（ｎ）≦−ｄ　、　　　　　　　　　・−・−
（１０）を満足する区間を判定し、前方過渡部とする。

（ｖｉ）この前方サーチにおいても、上記（１０）式を
満足する区間が定常部と重なったときは、その手前まで
を過渡部とする。

（ｖｉ）後方過渡部と前方過渡部とで、一つの過渡点を
中心とした過渡部が検出される。以上が各過渡点につい
て行なわれ、過渡部のすべての判定がなされる。

（ｖｉｉ）次に、定常部判定部（８３）の判定出力と、
過渡部判定部（８５）の判定出力とから、不確定部判定
部（８６）では、定常部および過渡部のどちらにも決定
されなかった区間を不確定部とする。第５図Ａで、実線
の太線で示す部分は過渡部、実線の細点線で示す部分は
定常部、点線で示す部分は不一定部をそれぞれ示してい
る。

この不確定部判定部（８６）の判定出力は、定常部判定
部（８３）の判定出力および過渡部判定部（８５）の判
定出力とともに、前述したように音韻境界候補形成手段
（９）に供給される。

なお、判定手段（８）の判定出力を音韻認識部に供給し
、認識に当たって定常部を特に注目するとともに、不確
定部は変動要因となるので、この区間を認識時には無視
するようにすることにより、より正しい認識を行なうこ
とができる。

な右、以上はコンピュータを用いて演算処理することが
できる。

次に、音韻境界候補形成手段（９〕について説明する。

第６図にこの音韻境界候補形成手段（９）の−例を示す
。

この場合、この手段（９）では音韻境界候補を定めると
ともに、各音韻境界候補の音韻境界特徴を求める。この
例ではこの音韻境界特徴として、次の８種類が用いられ
る。

無音からの立ち上がり　（Ｓ−Ｒ） 子音性→母音性　　　　（Ｃ−Ｖ） 子音性−子音性　　　　（Ｃ−Ｃ） 母音性→母音性　　　　（Ｖ−Ｖ） 母音性への立ち下がり　（Ｖ−Ｆ） 母音性→子音性　　　　（Ｖ−Ｃ） 無音への立ち下がり　　　（Ｆ−５） 有音→無音　　　　　　（Ｓ−５） 音韻境界特徴情報記憶手段（９１）には、これら８種類
の音韻境界特徴情報が記憶されている。この場合、音韻
境界特徴情報は、第７図に示すように各音韻境界特徴を
上述したＳ−Ｒ，ｃ−ｃ、ｃ−Ｖなどの記号で表し、そ
の音韻境界を構成する音響パラメータと、特徴点抽出手
段（７）で抽出される特徴点の第３図に示した■、■、
■等の番号で記述されており、音響パラメータと特徴点
は複数とることができる。

（９２）は各音響パラメータの参照優先順位情報の記憶
手段で、これには例えば第８図に示すような右側に記述
されるパラメータはど優先順位が高くなる優先順位情報
が記憶されている。

（９３）は音韻境界候補及び特徴の識別手段で、特徴点
抽出手段（６）で求めた特徴点はパラメータ毎に位置ず
れ、未検出などがあるため、この識別手段（９３）では
、各パラメータの特徴点をまとめて音韻境界候補を決定
し、また、その各音韻境界候補の音韻境界特徴を求める
。

このとき、この識別手段（９３）では判定手段（８）か
らの過渡部判定出力を参照する。また、この過渡′　部
内の過渡点、すなわち過渡検出パラメータのピーク特徴
点を音韻境界の第１候補として、この過渡点の近傍の他
の音響パラメータの特徴点を調べ、音韻境界候補を求め
る。その際、記憶手段（９２）からの参照優先順位情報
を参照しながら各パラメータの参照優先順位を決定する
。また、記憶手段（９１）からの音韻境界特徴情報を参
照して、境界候補とされた音響パラメータの特徴点に対
応する音韻境界特徴を識別する。

以上により、この識別手段（９３）ではＣ−Ｖ、Ｃ−Ｃ
，Ｖ−Ｖ、Ｖ−Ｆ、Ｖ−Ｃ，Ｆ−３の各音韻境界特徴を
識別する。

そして、他の特徴識別手段（９４）では、判定手段〔８
〕からの過渡部判定出力を参照し、過渡部内で識別手段
（９３）で調べた音韻境界候補以外に過渡点より前に他
の特徴点がないか探し、存在するとき、その特徴点によ
りｃ−ｖ、ｃ−ｃの音韻境界特徴を識別する。この識別
手段（９４）は次のような場合に対処するためのもので
ある。

例えば「バラ」のような有声破裂音の場合、過渡部と過
渡部間の定常部が殆どなくなり、２つの過渡部が近づき
、ピーク特徴点は１つしか検出されなくなる。そこで、
本来、手前にあるべきピーク特徴点のところを、他のパ
メラータの特徴点から検出するのである。過渡点より後
ろの特徴点を探さないのは、日本語の場合には、母音の
前に子音があり、母音の方がピークが大であるからであ
る。

また、判定手段（８）からの定常部判定出力は有音、無
音の識別手段’（９５）に与えられ、対数パワー及びゼ
ロクロスレートの特徴点情報から、有音の定常部か、無
音の定常部かが識別される。

この有音、無音の識別出力は音韻境界時＠Ｓ−Ｒ，Ｓ−
５の識別手段（９６）に与えられるとともに対数パワー
及びゼロクロスレートの特徴点情報がこの識別手段（９
６）に与えられ、これにおいて、無音からの立ち上がり
の音韻境界特徴Ｓ−Ｒ及び有音から無音に変わる音韻境
界特徴Ｓ−８の識別がなされる。

そして、識別手段（９３）、　（９４）　　及び（９６
）の識別結果が音韻境界候補の決定手段（９７）に与え
られ、これより識別手段（９３）、　（９４）　　及び
（９６）で得られた音韻境界候補の位置（フレーム）と
音韻境界特徴がまとめて出力され、音韻識別部に供給さ
れる。この音韻境界候補及び音韻境界特徴の第５図例の
場合を、第５図Ｇの音声波形の下方において示した。

この例では、さらに、この決定手段（９７）からの音韻
境界特徴は過渡部の特徴出力手段（９８）に供給され、
また、判定手段（８）からの過渡部判定出力がこの特徴
出力手段（９８）に供給され、これより、その音韻境界
を含む過渡部の特徴として音韻境界特徴が出力され、音
韻認識部に供給される。

音韻認識部では、音響分析手段（５）からの各パラメー
タを認識処理用パラメータとし、音韻境界候補形成手段
（９）からの音韻区間情報を参照しながら音韻認識を実
行する。そして、この音韻認識部からは認識された音韻
記号が得られ、これが例えば後段の連続音声、人語垂音
声認識手段に供給される。

なお、以上の例はハードウェアで構成したが、特徴点抽
出手段（７）、過渡部、定常部、不確定部の判定手段（
８〕、音韻境界候補形成手段（９）、さらには音響分析
手段（５）の演算部分はコンピュータのソフトウェアに
より実現できるものである。

〔発明の効果〕

この発明によれば、音響分析して得た複数のパラメータ
について、音韻境界と予想される特徴点を抽出し、これ
ら複数のパラメータの特徴点の情報から音韻区間候補を
決定するようにしたので、より正確な音韻区間情報が得
やすくなる。しかも、音韻区間情報として音韻区間候補
の特徴も得るようにしたので、音Ｂ認識がやりやすくな
るという利益もある。

そして、この発明においては、音韻境界候補を定めるに
、入力音声の過渡部内の安定した特徴点である過渡検出
パラメータのピーク点を基準としたので、誤った音韻境
界候補を選択することを回避することができる。

【図面の簡単な説明】

第１図はこの発明装置の一例を使用した音韻認識装置の
一例のブロック図、第２図は過渡検出パラメータの説明
のための波形図、第３図は特徴点情報の例を示す図、第
４図は第１図例の一部手段の具体例の一例のブロック図
、第５図は音響パラメータ及び音韻境界候補の一例を説
明するための図、第６図はこの発明の要部の一例のブロ
ック図、第７図は音韻境界特徴情報の例を示す図、第８
図は参照優先順位情報の例を示す図である。 （５）は音響分析手段、（６）は過渡検出パラメータ演
算手段、（７）は特徴点抽出手段、（９〕は音韻境界候
補形成手段である。 代　　理　　人　　　　　伊　　藤　　　　　真向　　
　　　　　　松　　隈　　秀　　盛ガ麦鬼力 和牌虜常舒、不４友Ｖヤ１友ツ阪句例 第４図 フ）−−ラテ１２　冨？１ 第２図 第８図 蓄音１４界！Ｆ？↑柑（１骨幸メ 第７図 ４！！！優先Ｓ１費Ｉ焦 第８図

Claims (1)

1. 【特許請求の範囲】 ａ）入力音声の音響分析を行ない、過渡検出パラメータ
   及び他の複数の音韻区間用パラメータを求める音響分析
   手段と、 ｂ）上記過渡検出パラメータについてピーク特徴点を抽
   出するとともに、その他の各パラメータについて特徴点
   を抽出する手段と、 ｃ）上記各パメラータの特徴点の情報から過渡検出パラ
   メータのピーク特徴点を基準として音韻区間境界候補と
   各境界候補の音韻境界特徴を求め、これら音韻区間境界
   候補及び音韻境界特徴を音韻区間情報として出力する手
   段とからなる音韻区間情報形成装置。