JPH05224696A

JPH05224696A - 音声情報検索再生装置

Info

Publication number: JPH05224696A
Application number: JP4024065A
Authority: JP
Inventors: Yasuhisa Kato; 泰久加藤; Katsumi Hosoya; 克美細谷
Original assignee: Nippon Telegraph and Telephone Corp
Current assignee: Nippon Telegraph and Telephone Corp
Priority date: 1992-02-10
Filing date: 1992-02-10
Publication date: 1993-09-03
Anticipated expiration: 2017-12-16
Also published as: JP3358163B2

Abstract

(57)【要約】【目的】多くの音声情報の中から希望の情報を迅速に
聴取音声情報検索再生装置を提供する【構成】音声ファイル蓄積部１に蓄積される原音声フ
ァイルから特定のキーワードの位置情報を抽出するワー
ド・スポッティング部３を具備し、キーワードの位置情
報と聴取者の指示とに基づいてスキップ／バック再生を
行なう再生位置ポインタの計算を行なう再生位置制御部
５１を具備し、再生位置ポインタと音声ファイルから音
声を再生する再生制御部５４を具備する音声情報検索再
生装置、および音声情報検索再生装置に更に音声ファイ
ルに対してワード・スポッティングを行なうに先だって
一定時間の無音部分を区切りとしてこれを幾つかのファ
イルに分割する有音／無音検出部を具備せしめた音声情
報検索再生装置。

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】この発明は、音声情報検索再生装
置に関し、特に、蓄積された音声情報を情報聴取希望者
の操作に基づいて検索再生する音声情報を高速に検索再
生する音声情報検索再生装置に関する。

【０００２】

【従来の技術】音声情報を高速に検索再生するのに、従
来、種々の技術が採用されているが、これらについて簡
単に説明する。１. メニューの階層化技術について。図１に示されるごとく、音声ファイルを階層化し、ガイ
ダンスを聴取者に聞かせて（あるいは印刷物によるメニ
ューを聴取者に提示して）メニューを選択させる方式で
ある。

【０００３】図１は３階層の場合の例を示す。聴取者は
大項目、中項目、小項目の順に選んで、音声ファイル１
から順に聞いて希望する音声情報を得る。２. 再生速度制御技術について。入力された音声情報はディジタル信号に変換され、音声
ファイルとして蓄えられている。この蓄えられた音声フ
ァイルを再生する速度を制御する技術である。この技術
として種々のものが提案されている。

【０００４】（ａ）再生時のディジタル信号をアナログ
信号に変換する時の基準信号（以下、サンプリング周波
数、と称す）を大きくする技術。この技術は最も簡単に再生速度を変えることができ、録
音時の２倍のサンプリング周波数で再生すれば、録音速
度の２倍の速度で再生することができる。（ｂ）長さ数十mm秒程の基準音声ファイル片（以下、フ
レーム、と称す）を適宜に間引く技術。

【０００５】この技術はフレームを適宜に間引くもので
あるから、周波数を変えずに再生速度を速くすることが
できる。（ｃ）隣合うフレームを重みづけをした上で足し合わせ
る技術。フレーム間のつなぎ目を連続的にするために重みづけを
した上で足し合わせるものである（１９８９年電子情報
通信学会技術研究報告（ＥＡ８９−９４）「音声速度変
換処理方式の一検討：三崎、鈴木」参照）。

【０００６】（ｄ）スキップ再生技術。この技術は、聴取者の指示により音声ファイル中を一定
時間スキップしたり、次の音声ファイルの先頭にスキッ
プするものであり、伝言ダイヤルおよびオーディオテッ
クス・システムにおいて採用されている。ここで、上述の１.のメニューの階層化技術によりメニ
ューの階層化をする場合は、階層数は３階層が限度であ
ることが報告されている（１９９０年電子通信情報学会
秋期全国大会「検索型音声情報提供サービスのメニュー
構成の検討：細谷、多田、原口」参照）。それ故に、こ
のメニューの階層化技術により検索時間を大幅に短縮さ
せることは困難である。

【０００７】上述の２. の（ａ）〜（ｃ）の技術は物理
的に聴取できる再生速度には限界があり、実時間の２〜
３倍程度までしか再生速度を上げることはできない。
２. の（ｄ）のスキップ再生技術は、音声ファイルに対
して一定時間先送り或は後戻り、次の或は前の音声ファ
イルの先頭にスキップする技術であるが、希望する内容
を検索するためには一通り全ての音声ファイルを聞く必
要があり、大幅な検索時間の短縮は不可能なものであ
る。

【０００８】

【発明が解決しようとする課題】この発明は、多くの音
声情報の中から希望の情報を迅速に聴取する上述された
通りの欠点を解決した音声情報検索再生装置を提供する
ものである。

【０００９】

【課題を解決するための手段】蓄積された音声情報であ
る音声ファイルを蓄積する音声ファイル蓄積部１を具備
し、音声ファイルと予め与えられた単語、句その他の音
声断片に対応する音声情報であるキーワードとを照合す
ることにより音声ファイル中におけるキーワードが含ま
れる位置の時間情報であるキーワード位置情報を出力す
るワード・スポッティング部３を具備し、音声ファイル
の再生中現在の再生位置を記憶する再生位置ポインタ記
憶部５２を具備し、外部から入力される先送り指示信号
および後戻り指示信号を検出してこれとキーワード位置
情報とにより再生位置ポインタ記憶部５２の内容を更新
する再生位置制御部５１を具備し、先送り指示信号或は
後戻り指示信号を検出した場合に以後の再生位置を先送
り或は後戻りさせる構成を具備する音声情報検索再生装
置、を提供し、更に請求項１に記載される音声情報検索
再生装置において、音声ファイル中の予め与えられた長
さを超える無音部を検出する有音／無音検出部２を具備
し、無音部の位置を区切りとして音声ファイルを分割す
る構成を具備し、分割された音声ファイル部分を各別に
ワードスポッティング部３に供給してキーワード位置情
報を抽出する構成を具備する音声情報検索再生装置を提
供する。

【００１０】

【実施例】この発明の実施例を図２を参照して説明す
る。図２はこの発明の第１の実施例を説明する図であ
り、１は再生されるべき音声ファイルが多数蓄積されて
いる音声ファイル蓄積部である。２は音声ファイル中の
予め決められた長さ以上の無音部を検出する有音／無音
検出部である。３はワード・スポッティング部である。
ここで、ワード・スポッティングとは、現在対象とされ
ている単語を含む音声について、単語標準パターンとの
照合を連続的に行なうことによりキーワードの検出及び
認識を行なう技術である（１９８８年電子情報通信学会
技術研究報告（ＳＰ８８−１８）「ワードスポッティン
グ手法を用いた不特定話者・少数語向け音声認識装置：
平岡、二矢田、木村」参照）。音声情報の検索を希望す
る聴取者は、ワード・スポッティング部３に検索のキー
となるキーワードを予め設定しておく。ワード・スポッ
ティング部３は、音声ファイル中から、設定されたキー
ワードがどこに含まれているかのキーワード位置情報を
取り出す。４はキーワード位置蓄積部であり、ワード・
スポッティング部３により取り出されたキーワード位置
情報を蓄積しておくものである。５は再生制御部であ
る。ここで、音声情報の検索を希望する聴取者が再生制
御部５に希望する指示を送ることにより、この指示とキ
ーワード位置蓄積部４に蓄積されているキーワード位置
情報とに基づいて音声ファイルの再生位置ポインタを計
算し、希望する音声を再生聴取するのであるが、これを
以下において詳述する。

【００１１】図４を参照するに、聴取者は操作入力部５
３に希望する指示、例えば前或は後にスキップし或はバ
ックする旨の指示をする。ワード・スポッティング部３
により得られたキーワード位置情報と操作入力部５３を
介して送り出される指示情報とに基づいて再生位置制御
部５１は音声ファイルの再生位置ポインタを計算し、こ
れを再生位置ポインタ記憶部５２に記憶する。音声再生
部５４は再生位置ポインタにより指示される音声ファイ
ルの音声再生をすることができる。

【００１２】ここで、聴取者が再生制御部５に指示を送
るには次の２通りの仕方が考えられる。リアルタイム指示。これは、聴取者が音声情報を聞いている最中に前或は後
にスキップ／バックしたい場合、ボタンを押すなどの操
作を行ない、再生制御部に指示を送る。

【００１３】事前指示。これは、聴取者が音声ファイルを再生する前に指示をし
ておき、当該キーワード部分の再生が終了すると自動的
に次のキーワード部分にスキップする。両者何れの指示
の仕方の場合においても、スキップ／バックの処理は以
下のように行なわれる。

【００１４】再生している音声ファイルの中のキーワー
ド位置を、｛ｔ₁，ｔ₂，ｔ₃，…｝（ｔ₁＜ｔ₂＜ｔ₃＜…）とし、現在の再生位置がＴであったとする。スキップ指
示の場合は、ｔ_i≦Ｔ＜ｔ_i+1 となるｉを求め、現在の再生位置Ｔを、Ｔ←ｔ_i+1−ｄと更新する。またバック指示の場合は、ｔ_i＜Ｔ≦ｔ_i+1 となるｉを求め、現在の再生位置Ｔを、Ｔ←ｔ_i−ｄと更新する。ただし、ｄは予め与えられた時間であり、
これによりスキップ／バックしたキーワードよりｄだけ
少し前の時点から再生が再開されることとなる。

【００１５】上述の処理は現在の再生位置に最も近いキ
ーワード位置までスキップ／バック処理であるが、２つ
以上前或は後のキーワード位置までスキップ／バックす
ること、ｉを直接指定してｉ番目のキーワード位置へ再
生ポインタを更新することも同様の処理により容易に実
施することができる。キーワード位置情報を作成する時
期は以下の通りである。

【００１６】音声ファイル作成時に同時に作成する。こ
の場合、すぐに再生が可能なので音声情報の登録が再生
に比べて少ない場合に適している。音声ファイルの作成
後、再生する迄の間に作成する。この場合、バッチ処理
が可能であり、時間の制約がなく、ワード・スポッティ
ング部の使用効率が高くなる。その反面、音声ファイル
作成後すぐに再生することはできない。

【００１７】図３はこの発明の第２の実施例を示す図で
ある。この実施例は第１の実施例とは異なって、キーワ
ード位置情報を蓄積するキーワード位置蓄積部４を具備
してはいない。キーワード位置情報は、再生時に一時的
に作成されるだけである。この場合、同時に複数のファ
イルを再生する時に処理の高速化、並列化が要求され
て、同一ファイルを何度も再生する時に無駄が多い。し
かし、キーワード情報蓄積部４を具備しない分だけ装置
の構成を簡素化することができる。

【００１８】有音／無音検出部２についてであるが、こ
れを具備することにより音声ファイル中の予め決められ
た長さを越える無音部を検出し、その位置を区切りとし
て音声ファイルを分割してワード・スポッティング部に
送ることが可能となる。これにより、分割をしない場合
と比較して、ワード・スポッティング部３における処理
が軽減され、ワード・スポッティング部３の処理速度、
記憶容量の制限が緩和される。

【００１９】

【発明の効果】以上の通りであって、この発明は、音声
情報の検索再生をするに際して、蓄積された音声情報を
分析し、予め設定されたキーワードの位置情報を得るこ
とで、単なるスキップ／バック再生とは異なり、音声情
報の内容に対して検索が可能となる。更に、有音／無音
検出部を採用することによりワード・スポッティング部
における処理が軽減され、ワード・スポッティング部の
処理速度、記憶容量の制限が緩和されるに到る。

【図面の簡単な説明】

【図１】従来例におけるメニューによる階層化の一例を
示す図。

【図２】この発明の一実施例を示すブロック図。

【図３】この発明の他の実施例を示すブロック図。

【図４】再生制御部のブロック図。

【図５】有音／無音検出部の動作を説明する図。

【符号の説明】

１音声ファイル蓄積部２有音／無音検出部３ワードスポッティング部４キーワード情報蓄積部５再生制御部５１再生位置制御部５２再生位置ポインタ記憶部５３操作入力部

Claims

【特許請求の範囲】

【請求項１】蓄積された音声情報である音声ファイル
を蓄積する音声ファイル蓄積部１を具備し、音声ファイ
ルと予め与えられた単語、句その他の音声断片に対応す
る音声情報であるキーワードとを照合することにより音
声ファイル中におけるキーワードが含まれる位置の時間
情報であるキーワード位置情報を出力するワード・スポ
ッティング部を具備し、音声ファイルの再生中現在の再
生位置を記憶する再生位置ポインタ記憶部を具備し、外
部から入力される先送り指示信号および後戻り指示信号
を検出してこれとキーワード位置情報とにより再生位置
ポインタ記憶部の内容を更新する再生位置制御部を具備
し、先送り指示信号或は後戻り指示信号を検出した場合
に以後の再生位置を先送り或は後戻りさせる構成を具備
することを特徴とする音声情報検索再生装置。
【請求項２】請求項１に記載される音声情報検索再生
装置において、音声ファイル中の予め与えられた長さを
超える無音部を検出する有音／無音検出部を具備し、無
音部の位置を区切りとして音声ファイルを分割する構成
を具備し、分割された音声ファイル部分を各別にワード
スポッティング部に供給してキーワード位置情報を抽出
する構成を具備することを特徴とする音声情報検索再生
装置。