JPH07210186A

JPH07210186A - 音声登録装置

Info

Publication number: JPH07210186A
Application number: JP6001241A
Authority: JP
Inventors: Yasushi Yamazaki; 泰山崎
Original assignee: Fujitsu Ltd
Current assignee: Fujitsu Ltd
Priority date: 1994-01-11
Filing date: 1994-01-11
Publication date: 1995-08-11

Abstract

(57)【要約】【目的】音声登録装置に関し、音声の登録の際、音声以
外の雑音が付加されたり、音声の一部が欠落した状態で
登録されることを防止することを目的とする。【構成】音声入力部から入力された音声を、音声区間検
出部によって音声区間を検出し、音声記憶部に登録する
音声登録装置において、入力音声を一時記憶する音声一
時記憶部（４）と、音声長を計算する音声長計算部
（５）と、音声長に応じて提示音を出力する提示音出力
部（６）と、登録を行うか否かを確認する登録確認入力
部（７）を有することを特徴とする音声登録装置を構成
する。

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】本発明は、音声登録装置に関す
る。近年、音声認識装置を利用することが多くなり、装
置構成の簡素化と装置利用者の操作容易性が求められて
いる。それに対する一つの回答として、画像情報を用い
ないで、もっぱら音声によって音声の登録確認が可能な
シンプルなユーザインタフェースが期待されている。本
願発明は、かかるシンプルなユーザインタフェースを実
現するために有効な音声登録装置に関する。

【０００２】

【従来の技術】従来の音声登録装置を図８に示す。音声
入力部（１）から入力された音声から、区間検出部
（２）で音声区間を検出し、音声記憶部（３）に登録す
る。

【０００３】登録された音声は、音声認識の際の辞書
や、蓄積再生型の音声合成のデータとして利用されるた
め、入力音声からその音声パターンだけを抽出すること
が非常に重要である。音声区間を誤認して、その検出結
果に従って音声パターンを抽出してこれを音声認識の際
の辞書や、蓄積再生型の音声合成のデータとして利用し
た場合を想定すると、その後の音声認識における誤認
や、不自然な音声合成の原因となる。

【０００４】このため、音声区間の検出の方法として、
入力音声レベルに対して一定の閾値を設定して音声区間
と無音声区間を区別する等の方法が採られている。具体
的には、登録音声の区間検出は、入力音声のパワーを逐
次計算し、予め定めた閾値を上回った区間を音声とする
方法が採られている。この場合、音声区間検出部によっ
て音声区間を決定する際に、前後に雑音が付加された
り、あるいは音声の先頭・語尾が脱落してしまうことが
ある。図９には「愛知」と登録した場合の音声の例を示
している。同図(1) の例は正しく区間検出が行われてい
るが、同図(2) の例では音声の後ろに雑音が付加され、
又、同図(3) の例では「愛知」の「チ」の発音が小さか
ったため脱落してしまっている。

【０００５】このように、閾値によっては、入力音声と
雑音等の不要レベルとの完全な識別は困難でり、音声入
力のみによる音声の登録確認は不可能であった。

【０００６】

【発明が解決しようとする課題】このように、従来の方
法では入力音声の音声区間の検出精度が充分でなく、従
って、正しく音声が登録される保障がないため、これを
音声認識の際の辞書として使用することができなかっ
た。

【０００７】本願発明はかかる問題点を解決すべくなさ
れたもので、音声の登録の段階で雑音の付加や音声の脱
落がなく、必要とする音声のみを登録をする手段を提供
することを目的とするものである。

【０００８】

【課題を解決するための手段】図１は本願発明の原理説
明図である。図中、１は音声入力部で、図示していない
が、マイクロホン、増幅器、濾波器等を含み、音声信号
を所定のレベルにするもの、２は音声区間検出部で、入
力された音声信号の音声区間を検出するもの、３は音声
記憶部で、音声を登録するもの、４は音声一時記憶部
で、音声を確認して登録するまで一時的に記憶しておく
もの、５は音声長計算部で、検出した音声長を計算する
もの、６は提示音出力部で音声長に応じて提示音を出力
するもの、７は登録確認入力部で、登録利用者が提示音
により登録するか否かを確認するもの、８は登録者が登
録すべき旨の確認をした場合に、一時記憶部に記憶され
た音声を音声記憶部に登録するものである。

【０００９】本構成において、音声入力部（１）から入
力された音声を、区間検出部（２）で音声区間を検出
し、一時記憶部（４）に記憶する。検出した音声区間長
を計算（５）し、音声長に応じて提示音を出力（６）す
る。登録利用者が提示音により登録するか否かを確認
（７）し、登録するべきと判断した場合には、登録制御
部（８）によって、一時記憶部から音声記憶部（３）に
登録する。

【００１０】

【作用】本願発明によれば、音声区間長に応じた提示音
を出力し、当該提示音によって登録者が直接登録の可否
判断を行い、登録可能の判断をした場合に限って、音声
記憶部（３）に登録される。

【００１１】従って、雑音の付加や音声の脱落のある場
合には登録を効果的に防止することができ、その結果、
音声認識の際の辞書としての信頼度を高めることができ
る。

【００１２】

【実施例】第１の実施例構成図を図２に示す。本実施構
成例は、本願発明を登録型音声認識装置の登録部に実施
したものである。図中、９は分析部で、音声の特徴を捉
えるために波形分析等を行うもの、１０は認識部で、入
力された音声と記憶されている音声との比較を行いその
同否を判別するものである。その他の部分は図１の場合
と同じである。

【００１３】以下では、図６を参照しつつ、利用者の行
動と装置の動作の関係を説明する。登録時には、利用者
が登録開始の意思表示として、例えば図２に示していな
い登録ボタンを押すことによって、登録装置は音声入力
受付状態となる。音声入力部（１）から入力された音声
は、区間検出部（２）でその音声区間が検出され、分析
部（９）で、例えば周波数帯域に分割され、一時記憶部
（４）に記憶される。検出された音声区間長が計算
（５）され、音声長に応じて提示音が出力（６）され
る。例えば、入力された音声の各音節に対応してレベル
等の異なる提示音成分を順次出力する。この間、登録利
用者は提示音を聴取している。登録利用者が提示音によ
り登録するか否かを確認（７）し、登録可能との判断を
した場合には、登録制御部（８）によって、一時記憶部
から音声記憶部（３）に登録する。

【００１４】具体的には、先に示した「愛知」なる音声
の例によると、「チ」の発音が小さかった場合には、発
生終了後の提示音が比較的短くなるため（図６の例では
Ｘ２で終わりＸ３が存在しないため）、登録利用者は入
力音声の登録が「不可」と判断して、登録確認入力部
（７）に登録の指令の入力を行わない。「チ」の発音終
了後にノイズが含まれる場合には、逆に提示音が長くな
り（図６の例ではＸ３の後にＸ４等が続くために）、登
録利用者はやはり入力音声の登録が「不可」と判断し
て、登録確認入力部（７）に登録の指令の入力を行わな
い。

【００１５】これに対して、「アイチ」と正しく区間検
出された場合には、提示音が適切な長さであるため（図
６の例ではＸ１、Ｘ２、Ｘ３のみが存在するため）、登
録利用者は入力音声の登録が「可能」と判断して、登録
確認入力部（７）に登録の指令の入力を行なう。登録の
指令が在った場合には、一時音声記憶部（４）に一時的
に記憶されていた音声の分析結果、例えば周波数帯域ご
とのパワー分布、を音声記憶部（３）に移動して正式に
登録する。

【００１６】認識時には、音声入力部（１）から入力さ
れた音声を、区間検出部（２）で音声区間を検出し、分
析部（９）の分析結果と、登録音声（３）との比較を認
識部（１０）で行い、認識結果を出力する。なお、上述
の例では、利用者が登録開始の意思表示として、登録ボ
タンを押すことによって、登録装置は音声入力受付状態
となるとして説明したが、利用者の発声によって、登録
装置は音声入力受付状態となる構成も同様に可能であ
る。図７は、利用者の発声によって登録装置が音声入力
受付状態となる場合の利用者の行動と装置の動作の関係
を説明するものである。図６の例では音声入力が終了し
て後提示音が出力されるのであるが、図７の本例では発
声とほぼ同時に提示音が出力され始める。本例は、音声
入力が長い場合に有効である。

【００１７】第２の実施例構成図を図３に示す。本実施
例は、第１の実施例に加え、登録音声のパワーを計算
（１１）し、音声パワーに応じて提示音の音量を変更
（１２）する。これにより、登録された音声がはっきり
と確認することが可能となる。第３の実施例構成図を図
４に示す。本実施例は、第１の実施例に加え、登録音声
のピッチを計算（１３）し、この結果に応じて提示音の
周波数を変更（１４）するものである。これにより、登
録された音声がよりはっきりと確認することが可能とな
る。

【００１８】第４の実施例構成図を図５に示す。本実施
例は、第２の実施例、第３の実施例を組み合わせたもの
で、音声パワー及びピッチに応じて提示音を変更するこ
とにより、登録された音声がよりはっきりと確認するこ
とが可能となる。以上の実施例の説明では、音声入力と
して、マイクに向かって人が発声する場合について説明
したが、その場合に限定されることなく、その他の音声
入力手段に関しても同様の効果が期待できる。例えば、
録音された音声の比較、音声以外に何らかの障害発生に
伴って発生する音響等の登録とそれを用いた障害診断
等、広い範囲に適用可能である。

【００１９】

【発明の効果】以上説明したように、本願発明によれ
ば、登録音声の長さに応じた提示音を出力することによ
り、入力音声を過不足無く正確に登録することができ
る。又、装置からの画像出力等の補助手段を必要とせず
音声のみで装置への入出力が可能なため、シンプルなユ
ーザインタフェースを実現することができる。

【図面の簡単な説明】

【図１】本発明の原理説明図である。

【図２】本発明の第１の実施例構成図である。

【図３】本発明の第２の実施例構成図である。

【図４】本発明の第３の実施例構成図である。

【図５】本発明の第４の実施例構成図である。

【図６】利用者の行動と装置の動作の関係の第１の説明
図である。

【図７】利用者の行動と装置の動作の関係を第２の説明
図である。

【図８】従来の構成例である。

【図９】登録音声例である。

【符号の説明】

１音声入力部２音声区間検出部３音声記憶部４音声一時記憶部５音声長計算部６提示音出力部７登録確認入力部８登録制御部９分析部 10 認識部 11 音声パワー検出部 12 音量変更部 13 ピッチ計算部 14 周波数変更部

Claims

【特許請求の範囲】

【請求項１】音声入力部から入力された音声を、音声区
間検出部によって音声区間を検出し、音声記憶部に登録
する音声登録装置において、入力音声を一時記憶する音声一時記憶部（４）と、音声長を計算する音声長計算部（５）と、音声長に応じて提示音を出力する提示音出力部（６）
と、登録を行うか否かを確認する登録確認入力部（７）を有
することを特徴とする音声登録装置。
【請求項２】請求項１において、入力音声の強さを計算する音声パワー計算部（１１）
と、音声パワーに応じて提示音の大きさを変える音量変更部
（１２）を有することを特徴とする音声登録装置。
【請求項３】請求項１において、入力音声のピッチを計算するピッチ計算部（１３）と、ピッチに応じて提示音の周波数を変える周波数変更部
（１４）を有することを特徴とする音声登録装置。
【請求項４】請求項２において、入力音声のピッチを計算するピッチ計算部（１３）と、ピッチに応じて提示音の周波数を変える周波数変更部
（１４）を有することを特徴とする音声登録装置。