JPH11212595A - 音声処理装置、音声認識プログラムを記録した記録媒体、処理プログラムを記録した記録媒体 - Google Patents

Abstract

(57)【要約】 【課題】 記録された音声データのレベルによらず安定
した音声認識を行うことができるディクテーションシス
テムを提供する。 【解決手段】 音声メモリ１１から音声データを読み出
して復号化処理１２を行い、該音声データ中の有音／無
音判定処理１３を行って、有音部分についてサンプル絶
対値平均値計算処理１４を行うことによりレベルを判定
し、そのレベルに基づいてゲイン計算処理１５を行い、
上記復号化処理１２された音声データにゲイン乗算処理
１６を行って音声認識を行うに適したレベルに調整し、
レベル調整された音声データに基づいて音声認識処理１
７を行って表示１８をするディクテーションシステム。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は、音声処理装置、音
声認識プログラムを記録した記録媒体、処理プログラム
を記録した記録媒体、より詳しくは、音声データの処理
を行う音声処理装置、コンピュータによって音声認識を
するための音声認識プログラムを記録した記録媒体、コ
ンピュータによって音声認識プログラムに対して音声デ
ータを渡す処理をするための処理プログラムを記録した
記録媒体に関する。

【０００２】

【従来の技術】いわゆる音声ワードプロセッサ、あるい
は、口述することにより音声データを入力すると、該音
声データに基づいて自動的に文書を作成し、それを画面
等に表示するディクテーションシステムの実現は、従来
からの音声認識システム開発における一つの目標であ
り、現在、活発に研究や開発が進められている。

【０００３】こうした近年の音声認識技術の進歩に伴っ
て、パーソナルコンピュータにマイクロフォンを接続
し、このマイクロフォンを用いて入力した音声を、該パ
ーソナルコンピュータ上で文書化して画面に表示させる
装置が開発されていて、一般に市販されている。

【０００４】一方、従来より、文書を作成するにあた
り、作成したい文書の内容を一旦テープレコーダ等の録
音装置に口述録音して、後で秘書やタイピスト等がその
口述内容を再生しながら、タイプライタやワードプロセ
ッサ等の文書作成装置により文書化する、といった形態
をとることが、テープレコーダ等の録音装置の有効な利
用形態の１つとして一般化している。

【０００５】このような録音装置を用いて口述する利用
形態においては、以前から、録音内容を自動的に文書に
変換する技術の実現が強く望まれている。

【０００６】また、近年のコンピュータ技術やディジタ
ル信号処理技術などの発展により、録音内容をディジタ
ルデータ化して、フラッシュメモリ等の書込みや消去が
可能な記録媒体に記録する、いわゆるディジタルレコー
ダが開発されるようになり、さらに、そのディジタル化
された録音内容をパーソナルコンピュータに転送して、
該パーソナルコンピュータにおいて録音内容を再生する
ことが可能となっている。

【０００７】本出願人は、このようなディジタルレコー
ダから転送された録音データを、パーソナルコンピュー
タ上において簡単な操作で扱うことを可能とする音声デ
ータの処理制御装置を開発しており、特願平９−１４９
７２８号において提案している。

【０００８】さらに本出願人は、ディジタル記録された
音声データを、上記音声データの処理制御装置から音声
認識装置に渡して音声認識させ、文書として画面に表示
させるディクテーションシステムを開発しており、特願
平９−１４９７２９号において提案している。

【０００９】このようなディクテーションシステムによ
れば、コンピュータの前に座って直接音声入力をする必
要がなく、一旦ディジタルレコーダに録音して、後でコ
ンピュータにその録音データを転送して文書を作成させ
ることが可能となる。

【００１０】ところで、音声認識の性能を高めるために
は、入力音声レベルが適正であることが必要である。低
レベルから高レベルまでの広い範囲にわたって高い認識
率を保証することは現状では困難であり、結局、装置と
しては、平均的な音声レベルで最大の認識率を得ること
ができるような設定とせざるを得ない。

【００１１】そこで、上述したようなマイクロフォンか
ら音声入力を行う形態の音声認識装置においては、例え
ば画面等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、音声レベルが適正な状態となるよう
に発話者に自己管理をさせている。

【００１２】このような技術の一例としては、特開平５
−２３１９２２号公報に、音声信号受信用の第１の受音
器と、該第１の受音器の近傍の雑音信号を受信する第２
の受音器と、前記第１の受音器に入力される音圧レベル
と第２の受音器に入力される音圧レベルの比を求める音
圧レベル比算出手段と、該音圧レベル比算出手段で求め
られた音圧レベルの比を表示する表示手段とを有する音
声認識装置用音圧レベル表示器が記載されている。

【００１３】

【発明が解決しようとする課題】しかしながら、上述し
たような、ディジタル記録された音声データを処理制御
装置から音声認識装置に渡して音声認識をさせ、認識し
た結果を文書として画面に表示させるディクテーション
システムにおいては、すでに記録された音声データが音
声認識装置への入力となる。そのために、すでに記録さ
れている音声データが音声認識装置への入力レベルとし
て適正であるかを判別することができず、また、自動的
に音声レベルを調整する機能も備えてはいなかった。こ
のために、記録された音声データのレベルによって、音
声認識の認識率が大きく変化してしまうことがあった。

【００１４】本発明は上記事情に鑑みてなされたもので
あり、記録された音声データのレベルによらず安定した
音声認識を行うことが可能となる、音声処理装置、音声
認識プログラムを記録した記録媒体、処理プログラムを
記録した記録媒体を提供することを目的としている。

【００１５】

【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、第１の発明による音声処理装置は、音声データが
記録された記録媒体から音声データを読み出す読出手段
と、上記読出手段で読み出した音声データのレベルを所
定の方法で調整するレベル調整手段と、上記レベル調整
手段でレベルを調整した後の音声データを音声認識をす
る音声認識手段と、上記音声認識手段の認識結果を出力
する出力手段とを備えたものである。

【００１６】また、第２の発明による音声処理装置は、
音声データが記録された記録媒体から音声データを読み
出す読出手段と、上記読出手段で読み出した音声データ
を有音部分と無音部分に判定する音声判定手段と、上記
音声判定手段で有音部分と判定された音声データの絶対
値に基づき上記読出手段で読み出した音声データのレベ
ルを所定の方法で調整するレベル調整手段と、上記レベ
ル調整手段で調整した後の音声データを入力して音声認
識をする音声認識手段と、上記音声認識手段の認識結果
を出力する出力手段とを備えたものである。

【００１７】さらに、第３の発明による音声処理装置
は、上記第２の発明による音声処理装置において、所定
区間の音声データのエネルギーの最小値を計算する最小
値計算手段をさらに具備し、上記音声判定手段の判定基
準が、上記最小値計算手段で計算した最小値に基づいて
設定されるものである。

【００１８】そして、第４の発明による音声認識プログ
ラムを記録した記録媒体は、コンピュータによって音声
認識をするための音声認識プログラムを記録した記録媒
体であって、上記音声認識プログラムは、コンピュータ
に、音声データが記録された記録媒体から音声データを
読み出させ、上記読み出した音声データのレベルを調整
させ、上記レベルを調整した後の音声データを音声認識
をさせ、上記音声認識結果を出力させるものである。

【００１９】加えて、第５の発明による処理プログラム
を記録した記録媒体は、コンピュータによって音声認識
プログラムに対して音声データを渡す処理をするための
処理プログラムを記録した記録媒体であって、上記処理
プログラムは、コンピュータに、音声データが記録され
た記録媒体から音声データを読み出させ、上記読み出し
た音声データのレベルを調整させ、上記レベルを調整し
た後の音声データを音声認識プログラムに対して渡させ
るものである。

【００２０】従って、第１の発明による音声処理装置
は、読出手段が音声データが記録された記録媒体から音
声データを読み出し、レベル調整手段が上記読出手段で
読み出した音声データのレベルを所定の方法で調整し、
音声認識手段が上記レベル調整手段でレベルを調整した
後の音声データを音声認識をし、出力手段が上記音声認
識手段の認識結果を出力する。

【００２１】また、第２の発明による音声処理装置は、
読出手段が音声データが記録された記録媒体から音声デ
ータを読み出し、音声判定手段が上記読出手段で読み出
した音声データを有音部分と無音部分に判定し、レベル
調整手段が上記音声判定手段で有音部分と判定された音
声データの絶対値に基づき上記読出手段で読み出した音
声データのレベルを所定の方法で調整し、音声認識手段
が上記レベル調整手段で調整した後の音声データを入力
して音声認識をし、出力手段が上記音声認識手段の認識
結果を出力する。

【００２２】さらに、第３の発明による音声処理装置
は、最小値計算手段が所定区間の音声データのエネルギ
ーの最小値を計算し、上記音声判定手段の判定基準が、
上記最小値計算手段で計算した最小値に基づいて設定さ
れる。

【００２３】そして、第４の発明による音声認識プログ
ラムを記録した記録媒体は、コンピュータによって音声
認識をするためのものであって、上記音声認識プログラ
ムは、コンピュータに、音声データが記録された記録媒
体から音声データを読み出させ、上記読み出した音声デ
ータのレベルを調整させ、上記レベルを調整した後の音
声データを音声認識をさせ、上記音声認識結果を出力さ
せる。

【００２４】加えて、第５の発明による処理プログラム
を記録した記録媒体は、コンピュータによって音声認識
プログラムに対して音声データを渡す処理をするための
ものであって、上記処理プログラムは、コンピュータ
に、音声データが記録された記録媒体から音声データを
読み出させ、上記読み出した音声データのレベルを調整
させ、上記レベルを調整した後の音声データを音声認識
プログラムに対して渡させる。

【００２５】

【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。図１から図６は本発明の一実施形
態を示したものであり、図１は本発明が適用されるディ
クテーションシステムの概念的な全体構成図である。

【００２６】このディクテーションシステムは、図１に
示すように、音声を電気信号に変換して音声データ化す
るディジタルレコーダ１と、このディジタルレコーダ１
に着脱可能に装着して用いられるものであって上記音声
データを記録する記録媒体たるミニチュアカード２と、
このミニチュアカード２を後述するＰＣカードスロット
４０（図２参照）に挿入して接続可能とするためのＰＣ
カードアダプタ３と、出力手段たるディスプレイ５やキ
ーボード６，マウス７等を備え、上記ＰＣカードスロッ
ト４０を介して上記ミニチュアカード２から得た音声デ
ータに、制御プログラム８や音声認識プログラム９によ
る処理を施す音声処理装置としてのパーソナルコンピュ
ータ４とを有して構成されている。

【００２７】次に、図２は上記パーソナルコンピュータ
４の電気的な構成を示すブロック図である。

【００２８】このパーソナルコンピュータ４は、上記制
御プログラム８に従って音声再生や情報表示等を行い、
また上記音声認識プログラム９に従って文書作成等を行
うとともに、その他の各種のプログラムに応じて様々な
処理を行うものであって、読出手段、レベル調整手段、
音声認識手段、音声判定手段、最小値計算手段、ゲイン
値計算手段、乗算手段、平均値計算手段を兼ねたＣＰＵ
３１と、このＣＰＵ３１の作業領域となる記録媒体たる
メインメモリ３２と、例えばハードディスクやフロッピ
ーディスク等でなり上記制御プログラム８や音声認識プ
ログラム９が記録されている記録媒体たる内部記録媒体
３３と、各種の外部機器に接続するための外部ポート３
４と、上記ディスプレイ５を接続するインターフェース
（以下、ＩＦと略す）３５と、上記キーボード６やマウ
ス７を接続するＩＦ３６と、音声データに基づいて音声
を発するスピーカ３８と、このスピーカ３８を接続する
ＩＦ３７と、上記ＰＣカードアダプタ３に装着されたミ
ニチュアカード２が挿入されるＰＣカードスロット４０
と、このＰＣカードスロット４０を接続するためのＩＦ
３９と、を有して構成されていて、上記ＣＰＵ３１、メ
インメモリ３２、内部記録媒体３３、外部ポート３４、
ＩＦ３５，３６，３７，３９は、バスを介して互いに接
続されている。

【００２９】なお、音声データは、上記ＰＣカードスロ
ット４０を介してミニチュアカード２から直接読み込む
ようにしても良いが、一旦、上記内部記録媒体３３に記
録して、この内部記録媒体３３から読み出すようにして
も良いし、あるいは、ディジタルレコーダ１から通信手
段等を介して直接読み込むようにしても構わない。

【００３０】図３はディクテーションシステムにおいて
音声メモリから音声データを読み出して音声認識すると
きの全体の流れを示す図、図４はディクテーションシス
テムにおける音声認識の処理を示すフローチャートであ
る。

【００３１】図４に示すように、処理を開始すると、上
記ミニチュアカード２または上記内部記録媒体３３等の
音声メモリ１１からファイル単位で記録されている音声
データを読み込み、復号化処理１２を行う（ステップＳ
１）。

【００３２】この復号化処理１２の結果は、有音／無音
判定処理１３およびサンプル絶対値平均値計算処理１４
に送られる。

【００３３】そして次に、有音／無音判定処理１３によ
り、有音／無音判定しきい値の計算処理を行うとともに
（ステップＳ２）、計算されたしきい値に基づいて有音
／無音の判定処理を行う（ステップＳ３）。これらの処
理については後述する図５において詳しく説明する。こ
の有音／無音判定処理１３の結果は、上記サンプル絶対
値平均値計算処理１４に送られる。

【００３４】続いて、上記サンプル絶対値平均値計算処
理１４およびゲイン計算処理１５により、ゲインを計算
する処理を行う（ステップＳ４）。この処理について
は、後述する図６において詳しく説明する。上記ゲイン
計算処理１５で計算されたゲイン値に基づき、ゲイン乗
算処理１６において上記復号化処理１２の出力が増幅さ
れる（ステップＳ５）。

【００３５】このゲイン乗算処理１６により適切なレベ
ルに調整された音声データは、音声認識処理１７に送ら
れて、音声認識が行われる（ステップＳ６）。

【００３６】そしてこの音声認識の結果をキャラクタコ
ードに変換するなどの文字変換を行い（ステップＳ
７）、変換された文字コードが出力されて上記ディスプ
レイ５等の画面に表示１８される（ステップＳ８）。

【００３７】なお、ここでは音声認識結果をディスプレ
イ５に文字として表示させているが、本発明はこれに限
定されるものではない。

【００３８】図５は、上記図４のステップＳ２およびス
テップＳ３における有音／無音の判定に係る処理の内容
を示すフローチャートである。

【００３９】この処理が始まると、まず、フレーム番号
のカウント値を示す変数ｆを０に初期化しておく（ステ
ップＳ１１）。

【００４０】次に、変数ｆをインクリメントした後に
（ステップＳ１２）、図示の数式によりフレームエネル
ギーｅ（ｆ）を計算する（ステップＳ１３）。なお、数
式中、ｓ（ｉ）は１フレーム中の（ｉ−１）番目のサン
プルにおける入力信号、Ｎは１フレームを構成するフレ
ーム数を示している。

【００４１】次に、変数ｆの値が１であるか否か、すな
わち、初期のフレームであるか否かを判定し（ステップ
Ｓ１４）、ｆが１である場合には、最小フレームエネル
ギーを示す変数ｍｉｎの値をｅ（１）にセットする（ス
テップＳ１６）。

【００４２】また、上記ステップＳ１４においてｆが１
でない場合には、フレームエネルギーｅ（ｆ）が変数ｍ
ｉｎより小さいか否かを判定し（ステップＳ１５）、小
さい場合には変数ｍｉｎにフレームエネルギーｅ（ｆ）
をセットし（ステップＳ１７）、一方、小さくない場合
にはそのまま何もせずに次のステップＳ１８に行く。

【００４３】そして、ファイルが終端に達したか否かを
判定し（ステップＳ１８）、まだ終端でない場合には上
記ステップＳ１２に戻って上述した処理を繰り返す。

【００４４】また、このステップＳ１８においてファイ
ルの終端に達したと判断された場合は、しきい値ｔｒｓ
として、上記変数ｍｉｎに所定の値α（例えば１．８）
を積算した値をセットして（ステップＳ１９）、この処
理を抜ける。

【００４５】このようなしきい値設定の処理方法は、す
でに音声データが記録されていることを有効に利用した
ものであり、ファイル全体の最小エネルギーに基づいて
しきい値を決定することができるために、誤りの少ない
有音／無音判定に資することが可能となる。

【００４６】なお、上述では、読み込んだ全区間（つま
り、音声ファイルを構成する全フレーム）の最小値を求
めているが、本発明はこれに限定されるものではなく、
全ての区間の最小値でなくても、ある程度の長さの区間
であれば良い。

【００４７】続いて、図６は、上記図４のステップＳ４
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。

【００４８】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Ｓ２１）。

【００４９】次に、変数ｆをインクリメントして（ステ
ップＳ２２）、上述した図５において計算したフレーム
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Ｓ２３）。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ＳｕｍＡ
ｂｓ自身に加算して（ステップＳ２４）、変数Ｃｎｔを
インクリメントする（ステップＳ２５）。

【００５０】また、上記ステップＳ２３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Ｓ２６に行く。

【００５１】次に、ファイルが終端に達したか否かを判
定し（ステップＳ２６）、まだ終端でない場合には上記
ステップＳ２２に戻って上述した処理を繰り返す。

【００５２】また、このステップＳ２６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Ｓｕｍ
Ａｂｓ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Ｓ２７）。

【００５３】そして、所定の値ＬＥＶをこの平均値ａｖ
ｅｒａｇｅで割ることにより、ゲインｇａｉｎを計算す
る（ステップＳ２８）。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。

【００５４】このような実施形態によれば、すでに記録
されている音声データに対して音声認識に適したレベル
に調整することができるために、記録された音声データ
のレベルによらず安定した音声認識を行うことが可能と
なって、品質の良いディクテーションシステムとなる。

【００５５】なお、本発明は上述した各実施形態に限定
されるものではなく、発明の主旨を逸脱しない範囲内に
おいて種々の変形や応用が可能であることは勿論であ
る。

【００５６】［付記］以上詳述したような本発明の上記
実施形態によれば、以下のごとき構成を得ることができ
る。

【００５７】（１） 音声データが記録された記録媒体
から音声データを読み出す読出手段と、上記読出手段で
読み出した音声データを有音部分と無音部分に判定する
音声判定手段と、上記音声判定手段で有音部分と判定さ
れた音声データの絶対値の平均を計算する平均値計算手
段と、上記平均値に基づいてゲイン値を計算するゲイン
値計算手段と、上記ゲイン値を音声データに乗ずる乗算
手段と、上記ゲインを乗算した後の音声データを音声認
識をする音声認識手段と、上記音声認識手段の認識結果
を出力する出力手段と、を具備することを特徴とする音
声処理装置。

【００５８】（２） ディジタル化されフレーム分割さ
れた音声データがファイル単位に記録された記録媒体か
ら、所望のファイルの音声データを読み出す読出手段
と、上記読出手段で読み出した音声データをフレーム単
位に有音フレームと無音フレームに判定する音声判定手
段と、上記音声判定手段で有音フレームと判定されたフ
レームにおいて、音声データの絶対値の平均を計算する
平均値計算手段と、上記平均値に基づいて、ゲイン値を
計算するゲイン値計算手段と、上記音声データに上記ゲ
イン値を乗算する乗算手段と、上記ゲインを乗算した後
の音声データを音声認識をする音声認識手段と、上記音
声認識手段の認識結果を出力する出力手段と、を具備す
ることを特徴とする音声処理装置。

【００５９】（３） コンピュータによって音声認識を
するための音声認識プログラムを記録した記録媒体であ
って、上記音声認識プログラムは、コンピュータに、音
声データが記録された記録媒体から音声データを読み出
させ、上記読み出した音声データを有音部分と無音部分
に判定させ、上記有音部分と判定された音声データの絶
対値に基づき、上記読み出した音声データのレベルを所
定の方法で調整させ、上記レベル調整した後の音声デー
タを音声認識をさせ、上記音声認識結果を出力させるこ
とを特徴とする音声認識プログラムを記録した記録媒
体。

【００６０】（４） コンピュータによって音声認識プ
ログラムに対して音声データを渡す処理をするための処
理プログラムを記録した記録媒体であって、上記処理プ
ログラムは、コンピュータに、音声データが記録された
記録媒体から音声データを読み出させ、上記読み出した
音声データを有音部分と無音部分に判定させ、上記有音
部分と判定された音声データの絶対値に基づき、上記読
み出した音声データのレベルを所定の方法で調整させ、
上記レベル調整した後の音声データを音声認識プログラ
ムに対して渡させることを特徴とする処理プログラムを
記録した記録媒体。

【００６１】（５） コンピュータによって音声認識を
するための音声認識プログラムを記録した記録媒体であ
って、上記音声認識プログラムは、コンピュータに、音
声データが記録された記録媒体から音声データを読み出
させ、上記読み出した音声データを有音部分と無音部分
に判定させ、上記有音部分と判定された音声データの絶
対値の平均を計算させ、上記平均値に基づいてゲイン値
を計算させ、上記ゲイン値を音声データに乗算させ、上
記ゲインを乗算した後の音声データを入力して、音声認
識をさせ、上記音声認識結果を出力させることを特徴と
する音声認識プログラムを記録した記録媒体。

【００６２】（６） コンピュータによって音声認識プ
ログラムに対して音声データを渡す処理をするための処
理プログラムを記録した記録媒体であって、上記処理プ
ログラムは、コンピュータに、音声データが記録された
記録媒体から音声データを読み出させ、上記読み出した
音声データを有音部分と無音部分に判定させ、上記有音
部分と判定された音声データの絶対値の平均を計算さ
せ、上記平均値に基づいてゲイン値を計算させ、上記ゲ
イン値を音声データに乗算させ、上記ゲインを乗算した
後の音声データを音声認識プログラムに対して渡させる
ことを特徴とする処理プログラムを記録した記録媒体。

【００６３】従って、付記（１）に記載の発明によれ
ば、音声データ中の有音部分の絶対値の平均に基づいて
ゲイン値を計算し、音声データのレベルを調整してから
音声認識を行うようにしたために、記録された音声デー
タのレベルによらず安定した音声認識を行うことが可能
となる。

【００６４】また、付記（２）に記載の発明によれば、
音声データ中の有音フレームの絶対値の平均に基づいて
ゲイン値を計算し、音声データのレベルを調整してから
音声認識を行うようにしたために、記録された音声デー
タのレベルによらず安定した音声認識を行うことが可能
となる。

【００６５】さらに、付記（３）に記載の発明によれ
ば、音声認識プログラムが、コンピュータに、音声デー
タ中の有音部分の絶対値に基づいて、音声認識を行う前
に音声データのレベルを調整させるために、記録された
音声データのレベルによらず安定した音声認識を行うこ
とが可能となる。

【００６６】付記（４）に記載の発明によれば、処理プ
ログラムが、コンピュータに、音声データ中の有音部分
の絶対値に基づいて、音声データのレベルを調整させて
から、音声データを音声認識プログラムに対して渡させ
るために、記録された音声データのレベルによらず安定
した音声認識を行うことが可能となる。

【００６７】付記（５）に記載の発明によれば、音声認
識プログラムが、コンピュータに、音声データ中の有音
部分の絶対値の平均に基づいてゲイン値を計算させ、音
声認識を行う前に音声データのレベルを調整させるため
に、記録された音声データのレベルによらず安定した音
声認識を行うことが可能となる。

【００６８】付記（６）に記載の発明によれば、処理プ
ログラムが、コンピュータに、音声データ中の有音部分
の絶対値の平均に基づいてゲイン値を計算させ、音声デ
ータのレベルを調整させてから、音声データを音声認識
プログラムに対して渡させるために、記録された音声デ
ータのレベルによらず安定した音声認識を行うことが可
能となる。

【００６９】

【発明の効果】以上説明したように請求項１による本発
明の音声処理装置によれば、音声認識を行う前に音声デ
ータのレベルを調整するために、記録された音声データ
のレベルによらず安定した音声認識を行うことが可能と
なる。

【００７０】また、請求項２による本発明の音声処理装
置によれば、音声データ中の有音部分の絶対値に基づい
て、音声認識を行う前に音声データのレベルを調整する
ために、記録された音声データのレベルによらず安定し
た音声認識を行うことが可能となる。

【００７１】さらに、請求項３による本発明の音声処理
装置によれば、請求項２に記載の発明と同様の効果を奏
するとともに、音声データのエネルギーの最小値を考慮
するために、より適切な音声判定を行うことができる。

【００７２】そして、請求項４による本発明の音声認識
プログラムを記録した記録媒体によれば、音声認識プロ
グラムが、コンピュータに、音声認識を行う前に音声デ
ータのレベルを調整させるために、記録された音声デー
タのレベルによらず安定した音声認識を行うことが可能
となる。

【００７３】加えて、請求項５による本発明の処理プロ
グラムを記録した記録媒体によれば、処理プログラム
が、コンピュータに、音声データのレベルを調整させて
から、音声データを音声認識プログラムに対して渡させ
るために、記録された音声データのレベルによらず安定
した音声認識を行うことが可能となる。

【図面の簡単な説明】

【図１】本発明の一実施形態のディクテーションシステ
ムの概念的な全体構成図。

【図２】上記実施形態のパーソナルコンピュータの電気
的な構成を示すブロック図。

【図３】上記実施形態のディクテーションシステムにお
いて、音声メモリから音声データを読み出して音声認識
するときの全体の流れを示す図。

【図４】上記実施形態のディクテーションシステムにお
ける音声認識の処理を示すフローチャート。

【図５】上記図４における有音／無音の判定に係る処理
の内容を示すフローチャート。

【図６】上記図４におけるゲイン計算処理の内容を示す
フローチャート。

【符号の説明】

１…ディジタルレコーダ ２…ミニチュアカード（記録媒体） ４…パーソナルコンピュータ（音声処理装置） ５…ディスプレイ（出力手段） ８…制御プログラム ９…音声認識プログラム １１…音声メモリ １２…復号化処理 １３…有音／無音判定処理 １４…サンプル絶対値平均値計算処理 １５…ゲイン計算処理 １６…ゲイン乗算処理 １７…音声認識処理 １８…表示 ３１…ＣＰＵ（読出手段、レベル調整手段、音声認識手
段、音声判定手段、最小値計算手段、ゲイン値計算手
段、乗算手段、平均値計算手段） ３２…メインメモリ（記録媒体） ３３…内部記録媒体（記録媒体）

Claims (5)

【特許請求の範囲】
1. 【請求項１】 音声データが記録された記録媒体から音
   声データを読み出す読出手段と、 上記読出手段で読み出した音声データのレベルを所定の
   方法で調整するレベル調整手段と、 上記レベル調整手段でレベルを調整した後の音声データ
   を音声認識をする音声認識手段と、 上記音声認識手段の認識結果を出力する出力手段と、 を具備することを特徴とする音声処理装置。
2. 【請求項２】 音声データが記録された記録媒体から音
   声データを読み出す読出手段と、 上記読出手段で読み出した音声データを有音部分と無音
   部分に判定する音声判定手段と、 上記音声判定手段で有音部分と判定された音声データの
   絶対値に基づき、上記読出手段で読み出した音声データ
   のレベルを所定の方法で調整するレベル調整手段と、 上記レベル調整手段で調整した後の音声データを入力し
   て、音声認識をする音声認識手段と、 上記音声認識手段の認識結果を出力する出力手段と、 を具備することを特徴とする音声処理装置。
3. 【請求項３】 所定区間の音声データのエネルギーの最
   小値を計算する最小値計算手段をさらに具備し、 上記音声判定手段の判定基準が、上記最小値計算手段で
   計算した最小値に基づいて設定されることを特徴とする
   請求項２に記載の音声処理装置。
4. 【請求項４】 コンピュータによって音声認識をするた
   めの音声認識プログラムを記録した記録媒体であって、
   上記音声認識プログラムは、 コンピュータに、音声データが記録された記録媒体から
   音声データを読み出させ、 上記読み出した音声データのレベルを調整させ、 上記レベルを調整した後の音声データを音声認識をさ
   せ、 上記音声認識結果を出力させることを特徴とする音声認
   識プログラムを記録した記録媒体。
5. 【請求項５】 コンピュータによって音声認識プログラ
   ムに対して音声データを渡す処理をするための処理プロ
   グラムを記録した記録媒体であって、上記処理プログラ
   ムは、 コンピュータに、音声データが記録された記録媒体から
   音声データを読み出させ、 上記読み出した音声データのレベルを調整させ、 上記レベルを調整した後の音声データを音声認識プログ
   ラムに対して渡させることを特徴とする処理プログラム
   を記録した記録媒体。