JPH0376472B2 - - Google Patents

Info

Publication number
JPH0376472B2
JPH0376472B2 JP57024388A JP2438882A JPH0376472B2 JP H0376472 B2 JPH0376472 B2 JP H0376472B2 JP 57024388 A JP57024388 A JP 57024388A JP 2438882 A JP2438882 A JP 2438882A JP H0376472 B2 JPH0376472 B2 JP H0376472B2
Authority
JP
Japan
Prior art keywords
sound
normalized
detected
speech
parameters
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.)
Expired - Lifetime
Application number
JP57024388A
Other languages
English (en)
Other versions
JPS58143394A (ja
Inventor
Kazuo Nakada
Yoshinori Myamoto
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hitachi Ltd
Original Assignee
Hitachi Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Hitachi Ltd filed Critical Hitachi Ltd
Priority to JP57024388A priority Critical patent/JPS58143394A/ja
Priority to US06/462,015 priority patent/US4720862A/en
Publication of JPS58143394A publication Critical patent/JPS58143394A/ja
Publication of JPH0376472B2 publication Critical patent/JPH0376472B2/ja
Granted legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
    • G10L25/93—Discriminating between voiced and unvoiced parts of speech signals

Landscapes

  • Engineering & Computer Science (AREA)
  • Computational Linguistics (AREA)
  • Signal Processing (AREA)
  • Health & Medical Sciences (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Human Computer Interaction (AREA)
  • Physics & Mathematics (AREA)
  • Acoustics & Sound (AREA)
  • Multimedia (AREA)
  • Transmission Systems Not Characterized By The Medium Used For Transmission (AREA)

Description

【発明の詳細な説明】 本発明は音声の分析における音声区間の検出と
検出された区間が有声音か無声音かの判定分類を
行う方式に係り、特に入力音声のレベルに依存し
ない上記検出と分類の確実な実行に好適な方式に
関する。
音声の合成または認識のための分析において、
もつとも基本的な処理として、音声区間の検出と
検出された区間が有声区間か、無声区間かの判定
（分類）がある。これが正確かつ確実に行われな
いと、合成音声の音質が劣化したり、音声認識の
誤り率が増加したりする。
一般に、これらの検出、分類には入力音声の強
度（分析フレーム別の平均エネルギー）が重要な
決定因子となる。しかし入力音声の強度の絶対値
を使うことは、結果が入力条件に依存することと
なり望ましくない。従来のオフラインでの分析
（たとえば合成のための分析）では、ある長時間
区間（たとえば一個の単語の全発声区間）におけ
るフレーム別平均エネルギーの最大値で正規化し
た強度を用いることでこの対策としているが、実
時間音声分析合成や認識ではこうした対策がとれ
ないという欠点があつた。
本発明は、上記問題点を解決するためになされ
たもので、実時間分析においても確実に機能し、
かつ入力音声の強度の相対的な変動に依存しない
音声区間の検出と検出された区間での有声、無声
の判定分類方式を提供することを目的とする。
この目的を達成するため本発明においては、入
力音声信号の相対レベル変動に依存しない３種の
パラメータを入力音声信号より抽出し、これらパ
ラメータのもつている物理的意味にもとづき、音
声区間の検出とその区間での有声、無声の判定分
類をおこなう点に特徴がある。
音声の分析は通常20〜30ミリ秒間のデータを１
ブロツクとし、10〜20ミリ秒間隔で行われる。１
ブロツクのデータから抽出される正規化主要パラ
メータの中で、とくに本発明に関連して重要なパ
ラメータは次の３つである。
(1) k1＝γ1／γ0；正規化１次偏自己相関係数
（γ0、γ1は０次および１次の自己相関係数） (2) EN＝P 〓i=1 （１−k2 1）； 正規化残差パワー（ｐは分析次数） (3) φ；正規化残差相関のピーク値 これらの諸量はいずれも正規化されており、原
理的には入力音声信号の相対レベル変動には依存
しない。これらのパラメータの値が実際にどのよ
うな値をとるかの１例を、第１図（男声の場合）
と第２図（女声の場合）に示す。
これら多数の分析結果およびその各パラメータ
がもつている物理的な意味から、第３図のような
検出分類アルゴリズムが考えられる。
こゝでＶは有声音、Ｕは無声音、は無音を示
す。
第３図でα1とα2はパラメータENに関し、また
β1とβ2はパラメータk1に関してあらかじめ設定し
ておく判定いき値であり、たとえば、次のような
値とする。
α1＝0.2、α2＝0.6 β1＝0.4、β2＝0.2 この処理をフローの形で第４図に示す。
以下、本発明にもとづき本発明を詳細に説明す
る。
第５図は本発明の方式を用いた音声合成装置の
一実施例のブロツク構成図である。
１ブロツク分の音声波形１が、２つの分析回路
２と３に与えられる。２は偏自己相関分析による
偏自己相関係数k1、k2、…、kpおよび正規化残差
パワーp0を求める分析回路であり、その処理内容
については公知である。（中田和男：「音声」（コ
ロナ社）、1977、第３章、3.2.5および3.2.6また
は、安居院、中島：「コンピユータ音声処理」（産
報出版）、1980、第２章参照） その出力４として、k1およびp0が判定回路６に
入力される。
一方３は音源分析回路であり、正規化残差相関
φを求める。その処理内容についても公知である
（上記２文献参照）。その出力５としてφが判定回
路６に入力される。
判定回路６においては第３図の論理、すなわち
第４図のフローにしたがつて所定のいき値10、
11、12にもとづき検出分類を行う。これらの処理
は、たとえばマイクロプロセツサを使つて容易に
実現できる。判定回路６の出力はＶ（有声音）、Ｕ
（無声音）または（無音）に応じてそれぞれ端
子７，８，９から得られる。
１ブロツクのデータの処理が終れば次のブロツ
クの処理が開始され、以下これがくりかえされ
る。
第６図は本発明の方法に従つて時間軸ｔにたい
して実時間で入力音声の音声区間（Ｓ＝Ｕ、Ｖ又
は）の検出と、検出された各区間（Ｓ）におけ
る音声の判定分類（Ｕ又はＶ）をおこなつた実験
の結果であり、第７図は別の音声についての同様
の結果を要因別の変化とそれにもとづく総合分類
結果として示したものであるが、この結果によれ
ば上記検出と判定分類が正しくおこなわれており
本発明の方法が有効なことがわかる。
以上説明したごとく、本発明によれば、音声区
間の検出、その有声音、無声音での分類が、その
信号の入力レベルの変動に関係なく、かつそのフ
レームだけで正確かつ確実に行われるので、実時
間分析の必要な音声の分析合成伝送系や、音声認
識において音質を改善し、誤りを減少させる効果
がある。
【図面の簡単な説明】
第１図と第２図は本発明の基本となる正規化パ
ラメータ（k1、EN、φ）の分析抽出結果の一例
を示す図、第３図は本発明にもとづく検出、分類
の原理を示す図、第４図は第３図の原理に従つて
検出、分類をおこなう処理のフローを示す図、第
５図は本発明の一実施例のブロツク構成図、第
６，７図は本発明による検出と分類の実験結果の
一例を示す図である。 ３……音源分析回路。

Claims (1)

    【特許請求の範囲】
  1. １ 音声波形を含むことを検出された入力信号を
    所定間隔ごとにブロツク化し、全て音声パワーで
    正規化することによつて得られるパラメータであ
    つて、各ブロツクにおける信号から該信号の相対
    レベル変動に依存しない正規化１次偏自己関数係
    数、正規化残差パワー及び正規化残差相関係数の
    ピーク値からなる３つのパラメータを抽出し、該
    パラメータに算術的な閾値判定をおこなうことに
    より、上記信号区間が音声区間であるか否かを検
    出し、該検出された音声区間における音声の分類
    をおこなうことを特徴とする音声区間の検出・分
    類方式。
JP57024388A 1982-02-19 1982-02-19 音声区間の検出・分類方式 Granted JPS58143394A (ja)

Priority Applications (2)

Application Number Priority Date Filing Date Title
JP57024388A JPS58143394A (ja) 1982-02-19 1982-02-19 音声区間の検出・分類方式
US06/462,015 US4720862A (en) 1982-02-19 1983-01-28 Method and apparatus for speech signal detection and classification of the detected signal into a voiced sound, an unvoiced sound and silence

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP57024388A JPS58143394A (ja) 1982-02-19 1982-02-19 音声区間の検出・分類方式

Publications (2)

Publication Number Publication Date
JPS58143394A JPS58143394A (ja) 1983-08-25
JPH0376472B2 true JPH0376472B2 (ja) 1991-12-05

Family

ID=12136776

Family Applications (1)

Application Number Title Priority Date Filing Date
JP57024388A Granted JPS58143394A (ja) 1982-02-19 1982-02-19 音声区間の検出・分類方式

Country Status (2)

Country Link
US (1) US4720862A (ja)
JP (1) JPS58143394A (ja)

Families Citing this family (31)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4920568A (en) * 1985-07-16 1990-04-24 Sharp Kabushiki Kaisha Method of distinguishing voice from noise
JP2707564B2 (ja) * 1987-12-14 1998-01-28 株式会社日立製作所 音声符号化方式
JP2656069B2 (ja) * 1988-05-13 1997-09-24 富士通株式会社 音声検出装置
EP0381507A3 (en) * 1989-02-02 1991-04-24 Kabushiki Kaisha Toshiba Silence/non-silence discrimination apparatus
JP2573352B2 (ja) * 1989-04-10 1997-01-22 富士通株式会社 音声検出装置
US5146502A (en) * 1990-02-26 1992-09-08 Davis, Van Nortwick & Company Speech pattern correction device for deaf and voice-impaired
JP2758688B2 (ja) * 1990-03-08 1998-05-28 日本電気株式会社 音声合成器
JPH0467200A (ja) * 1990-07-09 1992-03-03 Matsushita Electric Ind Co Ltd 有音区間判定方法
JPH04223497A (ja) * 1990-12-25 1992-08-13 Oki Electric Ind Co Ltd 有音区間の検出方法
JP2746033B2 (ja) * 1992-12-24 1998-04-28 日本電気株式会社 音声復号化装置
BE1007355A3 (nl) * 1993-07-26 1995-05-23 Philips Electronics Nv Spraaksignaaldiscriminatieschakeling alsmede een audio-inrichting voorzien van een dergelijke schakeling.
US6708146B1 (en) 1997-01-03 2004-03-16 Telecommunications Research Laboratories Voiceband signal classifier
US5949864A (en) * 1997-05-08 1999-09-07 Cox; Neil B. Fraud prevention apparatus and method for performing policing functions for telephone services
US6574321B1 (en) 1997-05-08 2003-06-03 Sentry Telecom Systems Inc. Apparatus and method for management of policies on the usage of telecommunications services
US6134524A (en) * 1997-10-24 2000-10-17 Nortel Networks Corporation Method and apparatus to detect and delimit foreground speech
US6424938B1 (en) * 1998-11-23 2002-07-23 Telefonaktiebolaget L M Ericsson Complex signal activity detection for improved speech/noise classification of an audio signal
US6795807B1 (en) * 1999-08-17 2004-09-21 David R. Baraff Method and means for creating prosody in speech regeneration for laryngectomees
US6535843B1 (en) * 1999-08-18 2003-03-18 At&T Corp. Automatic detection of non-stationarity in speech signals
JP2002032096A (ja) 2000-07-18 2002-01-31 Matsushita Electric Ind Co Ltd 雑音区間／音声区間判定装置
JP4201470B2 (ja) * 2000-09-12 2008-12-24 パイオニア株式会社 音声認識システム
US7472059B2 (en) * 2000-12-08 2008-12-30 Qualcomm Incorporated Method and apparatus for robust speech classification
JP4548953B2 (ja) * 2001-03-02 2010-09-22 株式会社リコー 音声自動利得制御装置、音声自動利得制御方法、音声自動利得制御用のアルゴリズムを持つコンピュータプログラムを格納する記憶媒体及び音声自動利得制御用のアルゴリズムを持つコンピュータプログラム
US6847930B2 (en) * 2002-01-25 2005-01-25 Acoustic Technologies, Inc. Analog voice activity detector for telephone
US7295976B2 (en) 2002-01-25 2007-11-13 Acoustic Technologies, Inc. Voice activity detector for telephone
US6754337B2 (en) 2002-01-25 2004-06-22 Acoustic Technologies, Inc. Telephone having four VAD circuits
FI118704B (fi) * 2003-10-07 2008-02-15 Nokia Corp Menetelmä ja laite lähdekoodauksen tekemiseksi
CN101197130B (zh) * 2006-12-07 2011-05-18 华为技术有限公司 声音活动检测方法和声音活动检测器
CN101256772B (zh) * 2007-03-02 2012-02-15 华为技术有限公司 确定非噪声音频信号归属类别的方法和装置
TWI403304B (zh) 2010-08-27 2013-08-01 Ind Tech Res Inst 隨身語能偵知方法及其裝置
US9454976B2 (en) 2013-10-14 2016-09-27 Zanavox Efficient discrimination of voiced and unvoiced sounds
CN110838296B (zh) * 2019-11-18 2022-04-29 锐迪科微电子科技（上海）有限公司 录音过程的控制方法、系统、电子设备和存储介质

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US3979557A (en) * 1974-07-03 1976-09-07 International Telephone And Telegraph Corporation Speech processor system for pitch period extraction using prediction filters
US4074069A (en) * 1975-06-18 1978-02-14 Nippon Telegraph & Telephone Public Corporation Method and apparatus for judging voiced and unvoiced conditions of speech signal
JPS6051720B2 (ja) * 1975-08-22 1985-11-15 日本電信電話株式会社 音声の基本周期抽出装置
US4301329A (en) * 1978-01-09 1981-11-17 Nippon Electric Co., Ltd. Speech analysis and synthesis apparatus
CA1123955A (en) * 1978-03-30 1982-05-18 Tetsu Taguchi Speech analysis and synthesis apparatus
CH635695A5 (de) * 1978-08-31 1983-04-15 Landis & Gyr Ag Detektor zur feststellung der anwesenheit mindestens eines elektrischen signals mit einer vorbestimmten charakteristik.
JPS5648688A (en) * 1979-09-28 1981-05-01 Hitachi Ltd Sound analyser
JPS56104399A (en) * 1980-01-23 1981-08-20 Hitachi Ltd Voice interval detection system

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
IEEE TRANSACTIONS ON ACOUSTICS SPEECH AND SIGNAL PROCESSING=1976 *

Also Published As

Publication number Publication date
US4720862A (en) 1988-01-19
JPS58143394A (ja) 1983-08-25

Similar Documents

Publication Publication Date Title
JPH0376472B2 (ja)
US4780906A (en) Speaker-independent word recognition method and system based upon zero-crossing rate and energy measurement of analog speech signal
EP0625774B1 (en) A method and an apparatus for speech detection
US8566088B2 (en) System and method for automatic speech to text conversion
JPH0352640B2 (ja)
Sahoo et al. Silence removal and endpoint detection of speech signal for text independent speaker identification
WO1998038632A1 (en) Method and system for establishing handset-dependent normalizing models for speaker recognition
US4817159A (en) Method and apparatus for speech recognition
Weintraub A computational model for separating two simultaneous talkers
US5995924A (en) Computer-based method and apparatus for classifying statement types based on intonation analysis
KR20170073113A (ko) 음성의 톤, 템포 정보를 이용한 감정인식 방법 및 그 장치
Seppänen et al. Prosody-based classification of emotions in spoken finnish.
JP2797861B2 (ja) 音声検出方法および音声検出装置
Rathina et al. Basic analysis on prosodic features in emotional speech
Vishnubhotla et al. An algorithm for multi-pitch tracking in co-channel speech.
JPH01255000A (ja) 音声認識システムに使用されるテンプレートに雑音を選択的に付加するための装置及び方法
Drakshayini et al. Repetition detection using spectral parameters and multi tapering features
JPH04369695A (ja) 音声判別装置
JPH034918B2 (ja)
Nellore et al. Excitation Source and Vocal Tract System Based Acoustic Features for Detection of Nasals in Continuous Speech.
Fujisaki et al. Automatic recognition of voiced stop consonants in CV and VCV utterances
JPH05249987A (ja) 音声検出方法および音声検出装置
Malucha et al. Comparison of methods for determining speech voicing based on tests performed on paired consonants and continuous speech
Yusof et al. Speech recognition application based on malaysian spoken vowels using autoregressive model of the vocal tract
KR100396748B1 (ko) 유음구간추출처리장치및방법