JPS581198A - 音声による検索装置 - 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】 本発明は、キーワードによって必要な情報を検索する情
報検索装置に関するものである。

従来の情報検索装置においては、キーワードはコード化
されたディジタル情報として記憶されているのが常であ
る。従って、情報を検索する場合には、検索用のキーワ
ードもコード化したディジタル情報に変換し、記憶され
ているキーワードとの完全一致を取ることにより、検索
を行なっている。

従来の情報検索装置においては、コード化されたキーワ
ードが用いられるため、このキーワード入力としてテー
ブルによって数字に変換してキー人力するか、またはカ
ナ表記してカナ鍵盤にて入力する必要がある。この前者
ではテーブルを引く作業が余分に必要であるし、後者で
はシフト段数の多いカナ鍵盤を打つ必要があり、素人に
とっては非常に面倒な作業である。また、両者共に数字
あるいはカナ文字の鍵盤が必ず必要であり、鍵盤を装備
していない装置に検索の機能を持たせるためには、鍵盤
を追加装備する必要がある。

本発明の目的は情報検索装置のキーワードを音声情報に
よって構成することにより、記憶装置に格納しておくキ
ーワードを音声によって容易に登録し、また音声によっ
てキーワードを発声することにより容易に検索が実行で
きるようになしたことである。

そして、その特徴とするところは、情報検索装置のキー
ワードとして設定が容易な音声情報を採用したことと、
音声情報のキーワードによって検索する場合にキーワー
ドの照合に音声情報間の類似度を用いることである。

以下本発明の一実施例として本発明をカセットテープレ
コーダの自動選曲に適用した場合について説明する。

すなわち、曲名を音声にて発声したものをキーワードと
し、そのキーワードに対応する情報として、録音された
曲を検索するものとする。したがって、聴きたい曲名を
音声にて発声すれば、自動的にその曲名の曲が選択され
、自動演奏することができる。

従来の自動選曲機構では単にカセットテープ上の無音区
間を検出し、その無音区間の数を数えることにより選曲
を行なっていた。したがって、曲名とその曲が録音され
ている順番を対応付け、その順番を指定することで間接
的に選曲を行なっていた。

本発明では第１図に示すように、曲名を表わす音声と曲
（音楽）そのものを対にして録音することにより、音声
で直接自動選曲しようとするものである。

すなわち、第１図の１０１〜１０５は従来と同様無音区
間を表わし、また１０６，１０８の区間は曲名を音声に
て発声した音声波・形がアナログ信号またはディジタル
化した信号で記録される音声情報の記録区間であり、更
に１０７，１０９の区間にはそれぞれ１０６および１０
７の区間に録音された曲名に対応する曲（音楽）が録音
されている。

□　第１図では曲名と曲の２つの対が録音されている所
を示しているが、一般には、もっと多数の曲名と曲の対
が録音されている。

第２図は音声による自動選曲機構を示すもので、自動選
曲の手順に沿って説明を行なう。

第１段階として、聴きたい曲名を音声にて登録するため
に、まず検索制御部２０８は特徴レジスタ２０５および
特徴抽出部２０６に対して曲名の登録モードを示す制御
信号を出す。操作者は聴きたい曲名を音声にて発声する
と、音声はマイクロホン２０７によって電気信号に変換
され、前記特徴抽出部２０６に送られる。

該特徴抽出部２０６では音声信号のパワーにより音声区
間の切り出しを行ない、その音声区間内の信号について
音声の特徴量を抽出する。

音声の特徴を効果的に表わす特徴量としては自己相関係
数、スペクトル包絡、線形予測係数などがあるが、ここ
では自己相関係数を使った場合について説明する。

音声信号はサンプ、リングを行ない、ＡＩＤ変換器によ
ってディジタル値に変換する。ここでサンプル時間【に
おける値をＶ（υとすると、時間ｔＱにおける第１次の
自己相関Ｘ；（ｔＯ）は次式で表わされる。

前記Ｔは特徴量の抽出周期を表わすフレーム周期と呼ば
れるもので、サンプル周期ｘＴは大体５〜２０ｍ５に設
定されるものである。したがって、ｔｏ＝ｎＴ　（ｎ＝
ｏ　ｌ　’　＋　２　＋”’）で表わされる。また、ｉ
＝１，２．・・、■で最大次数Ｉは、大体１＝８位に設
定される。

第ｎフレームの第１次（ｉ＝１．２．・・・、■）の自
己相関係数Ｘ１（ｎ）は次式で表わされる。

さらに特徴ベクトルをＸ　（ｎ）＝（Ｘ＋（ｎ）、　Ｘ
２（ｎ）＋　−、Ｘｔ　（ｎ））。

で表わす。

以上示した特徴量は１フレ一ム分の音声信号を保持する
バッファメモリ、乗算器、加算器によって容易に計算す
ることができる。

上記のように、特徴抽出部２０６で抽出された特徴量（
自己相関係数）は曲名の音声情報に対応する特徴ヘクト
ル系列ｘ＝　（Ｘ（０）　、　Ｘ（１）　、　Ｘ（２）
　、　・＝Ｘ（Ｎｘ　　ｌ））として特徴レジスタ２０
５に格納され、曲名の登録が完了する。

曲名の登録が完了すると、検索制御部２０８は検索モー
ドに入り、記憶制御部２０２に対して早送り指令を出す
と同時にカセットテープレコーダの機構部２０１の駆動
に基づいて無音区間の検出を開始する。

無音区間が検出されると、再生指令を出して無音区間の
次に録音されている内容を次の無音区間が現われるかあ
るいは最大許容時間（曲名の音声として許されている最
大時間）まで再生し、再生信号を特徴抽出部２０３に供
給する。ここで最大許容時間が来ても無音区間が現われ
ない場合は、曲の録音部分と見做して早送り指令を出し
、次の無音区間の検出を行なう。特徴抽出部２０３に送
られて来た音声信号は登録時と同様、音声区間か検出さ
れ、その音声区間について特徴量（ここでは自己相関係
数）に変換される。

変換された特徴量は類似計算部２０４に供給される。こ
の類似度計算部２０４は特徴抽出部２０３から供給され
る特徴量と、特徴レジスタ２０５に格納されている特徴
量との整合を取り、２つの特徴量の間の類似度を計算す
る。整合は特徴量の時系列に対して行なうが、一般に発
声速度の変化により、時系列の長さが異なる。

この時系列の長さの相異を補正する方法として、再サン
プリングによる線形伸縮の方法とダイナミック・プログ
ラミングを用いた非線形伸縮の方法がある。ここでは簡
単のため、線形伸縮の方法について説明する。

特徴レジスタに登録されている音声の特徴ベクトル系列
をＸ−（Ｘ（０）、Ｘ（１）、・・、Ｘ（Ｎｘ−１））
とし、特徴抽出部２０３により供給される特徴べ”クト
ル系列をＹ＝　（Ｙ（０）　、　Ｙ（＋）、・・・、Ｙ
（ＮＹ−１））とすると、線形伸縮による整合は次式に
よって類似度を表わす距離ｄ　（Ｘ　、　Ｙ）が計算さ
れる。

ここて、〔〕はガウス記号を表わす。

上記の距離は類似性が大きいと小さくなり、類似性が小
さくなると大きくなる性質を持っている。

したがって、この距離は次式によって類似度Ｓ（Ｘ、Ｙ
）に変換される。

以上述べた類似度の計算は加減算器、乗除算機を用いた
マイクロプロセッサ−によってプログラムすることによ
り容易に実現することができる。

類似度計算部２０４によって計算された類似度は検索制
御部２０８に送られ、もし類似度がある闇値以下であれ
ば演奏モードになり、記憶制御部２０２に対して再生指
令を縦続し、再生された曲（音楽）の信号は増幅器２０
９に供給することにより増幅され、スピーカ２１０によ
り音波に変換されて曲の演奏が行なわれる。

一方、類似度がある閾値より大きければ、検索制御部２
０８は検索モードを継続し、記憶制御部２０２に対して
早送り指令を出して無音区間の検出を開始する。この検
索動作は同じ曲名か見つかるかあるいはテープの終りま
で継続される。

第２図におい゛Ｃ１特徴抽出部か２０３と２０６の２ケ
所にあるが、これは第３図に示すように１ケの特徴抽出
部３０４の入出力を切換えて使用することができる。す
なわち、登録モードにおいてはマイクロホン３０２の信
号を入力し、特徴量は特徴レジスタ３０７に出力する。

一方、検索モードでは記憶制御部−３−８１からの音声
信号を入力とし、特徴量は類似度計算部３０６に出力す
る。

８０８は検索制御部を示す。

なお、上述の例ではテープとして示された記憶部に記憶
されている音声情報を特徴抽出部２０３に供給して特徴
量に変換させていたが、前記音声情報として音声の特徴
量に変換したものを記憶させておいて、検索モード時に
特徴量への変換を行うことなしに整合、類似度を計算さ
せるようにすることもできる。

また、前記記憶部に記憶された音声情報（キーワード）
に対応付けて記憶される情報として曲（行楽）などのア
ナログ情報以外に、種々ディジタル情報を記憶させてあ
らゆる用途の情報検索に適応させることができる。

更に上述の説明ではカセットテープの自動選曲機構に適
用した場合の実施例を示したが、本実施例と同様に、Ｖ
ＴＲ（ビデオテープレコーダ）の自動頭出し機構などに
も容易に適用することができる。この場合、ビデオテー
プ（記憶部）に音声情報によって構成されるキーワード
に対応付けて記憶される情報としては、音などの波形や
絵９画像ナトのパターンについてのアナログ情報、ある
いはコード化されたディジタル情報と共に音などの波形
、絵９画像などのパターンについてのアナログ情報を記
憶させることができる。

本発明によれば検索のためのキーワードとして音声情報
を用いることができるので、キーワードを音声によって
通常の言葉で容易に設定し得ること、および検索用キー
ワードを音声で与えることができるので手や目が使えな
い場合や移動している場合でも、容易に必要な情報を検
索することができることなどの使用上の効果がある。

一方、キーワードの照合は類似度によって行なっている
ため、閾値を変えることにより完全一致に近い照合から
類似照合まで融通性のあるキーワードの照合を行なうこ
とができる。また、整合の方法として、連続ＤＰ（ダイ
ナミック・プログラミング）マツチングを用いることに
より、検索用キーワードを部分的に含んでいるキーワー
ドを全て検索することも可能で、キーワードの照合の融
通性について大きな効果がある。

【図面の簡単な説明】

第１図はカセットテープ上の曲名および曲（音楽）の録
音フォーマットを示す図、第２図はカセットテープの音
声による自動選曲を行なうための機能ブロック図、第３
図は第２図の他の実施例を示す機能ブロック図である。 １０１〜１０５：無音区間、１０６．１０８：音声情報
区間、１０７，１０９：曲（音楽）区間、２０１：カセ
ットテープレコーダ機構部、２ｏ２：記憶制御部、２０
８及び２０６：特徴抽出部、２０４：・類似度計算部、
２０５：特徴レジスタ、２０７：マイクロホン、２０８
：検索制御部、２０９：増幅器、２１Ｏ：スピーカ。

Claims (1)

1. 【特許請求の範囲】 １、　キーワードによって情報を検索する装置において
   、 キーワードを構成する音声情報と、キーワードに対応付
   けられた情報とが複数個記憶することのできる記憶部と
   、 該記憶部からキーワードを構成する音声情報を逐次読み
   出すことのできる記憶制御部と、音声で発声された検索
   用キーワード情報を音声の特徴量に変換し保持すること
   のできる特徴量保持部と、 記憶制御部が読み出した音声情報を音声特徴量に変換し
   、その音声特徴量と特徴量保持部に保持されている音声
   特徴量との整合を取り、２つの特徴量間の類似性を計算
   する類似度計算部と、 類似度計算部によって計算された類似度がある閾値より
   大きい場合は、その音声情報によって構成されたキーワ
   ードに対応する情報を読み出すべく記憶制御部に指令を
   出し、また、類似度がある閾値より小さい場合は、次の
   音声情報によって構成されるキーワードを読み出すこと
   を記憶制御部に指令し、さらにキーワードの音声情報を
   音声の特徴量に変換し、特徴量保持部に保持されている
   特徴量との類似度を計算すべく類似度計算部に指令を出
   す検索制御部と、とから成り、音声情報により検索を可
   能とすることを特徴とする音声による検索装置。 ２、上記記憶部に記憶されているキーワードの音声情報
   として、音声波形をアナログ信号またはディジタル化し
   た信号で記憶することを特徴とする特許請求範囲第１項
   記載の音声による検索装置。 ３　上記記憶部に記憶されているキーワードの音声情報
   として音声の特徴量に変換して記憶し、類似度計算部で
   は特徴量への変換を行なうことなしに整合を取り、類似
   度を計算することを特徴とする特許請求範囲第１項記載
   の音声による検索装置。 ４４　　上記記憶部に音声情報によって構成されるキー
   ワードに対応付けて記憶されている情報として、ディジ
   タル情報を記憶することを特徴とする特許請求の範囲第
   １項、第２項、第３項記載の音声による検索装置。 ５、上記記憶部に音声情報によって構成されるキーワー
   ドに対応付けて記憶されている情報として、音などの波
   形や絵９画像などのパターンについてのアナログ情報を
   記憶することを特徴とする特許請求の範囲第１項、第２
   項、第３項記載の音声による検索装置。 ６、上記記憶部に音声情報によって構成されるキーワー
   ドに対応付けて記憶されている情報として、コード化さ
   れたディジタル情報と、音などの波形や、絵、画像など
   のパターンについてのアナログ情報とを記憶することを
   特徴とする特許請求の範囲第１項、第２項、第３項記載
   の音声による検索装置。