JPS58130395A - 音声区間検出装置 - Google Patents
音声区間検出装置Info
- Publication number
- JPS58130395A JPS58130395A JP57012795A JP1279582A JPS58130395A JP S58130395 A JPS58130395 A JP S58130395A JP 57012795 A JP57012795 A JP 57012795A JP 1279582 A JP1279582 A JP 1279582A JP S58130395 A JPS58130395 A JP S58130395A
- Authority
- JP
- Japan
- Prior art keywords
- audio
- time series
- section
- speech
- tentative
- 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.)
- Granted
Links
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。
め要約のデータは記録されません。
Description
【発明の詳細な説明】
〔発明の技術分野〕
本発明は孤立発声された単語音声の音声区間を安定確実
に検出し得る音声区間検出装、置に関する。
に検出し得る音声区間検出装、置に関する。
孤立発声された単語音声の全体的な音声パターンを用い
て上記単Ｉ音声を認識する場合、その音声区間・の検出
精度が認識率に大きく影響する。％４ここの音声区間の
検出に際しては、雑音響を音声区間の一部として敗込む
ことによる所請付加誤りを未然に防ぐこと、才た音声の
一部が欠落した状態で音声区間を定めたことｌこよる所
調脱落誤りを未然に防ぐことが重要な課題となる。
て上記単Ｉ音声を認識する場合、その音声区間・の検出
精度が認識率に大きく影響する。％４ここの音声区間の
検出に際しては、雑音響を音声区間の一部として敗込む
ことによる所請付加誤りを未然に防ぐこと、才た音声の
一部が欠落した状態で音声区間を定めたことｌこよる所
調脱落誤りを未然に防ぐことが重要な課題となる。
しかして一般に音声がエネルギーにして３０ｄＢ以上確
保される静かな環境下で与えられるような、会話型の認
識システムにあっては、上述した問題は比較的簡単に解
決される。即ち、この種のシステムでは、話者に対して
積極的に発声促進が行われるので、発声前の無音区間が
ある程度保証される。従ってこの区間におけるエネルギ
ーや零交差数の平均値、更には分散等を求めておけば背
景雑音レベルに応じて音声区間検出の閾値を設定できる
ので、正確な音声区間検出が可能となる。
保される静かな環境下で与えられるような、会話型の認
識システムにあっては、上述した問題は比較的簡単に解
決される。即ち、この種のシステムでは、話者に対して
積極的に発声促進が行われるので、発声前の無音区間が
ある程度保証される。従ってこの区間におけるエネルギ
ーや零交差数の平均値、更には分散等を求めておけば背
景雑音レベルに応じて音声区間検出の閾値を設定できる
ので、正確な音声区間検出が可能となる。
然し乍ら音声入力がなされる環境が必ずしも靜かＪある
とは伺ら保証されず、一般的には上述した無音区間を？
に実に設定することはできなＧ）。しかも発声環境によ
っては、周囲メ雑音レベルが高かったり、雑音レベル自
体が変動していることもある。この為、従来システムで
はこのような背景雑音に対して何ら対処することができ
ず、その音声区間を正確に、且つ安定に検出することが
蓋だ困難であった。この為、付加・脱落誤りにより、ｇ
ｗＩｋ率を十分１こ高くすることができなかった。
とは伺ら保証されず、一般的には上述した無音区間を？
に実に設定することはできなＧ）。しかも発声環境によ
っては、周囲メ雑音レベルが高かったり、雑音レベル自
体が変動していることもある。この為、従来システムで
はこのような背景雑音に対して何ら対処することができ
ず、その音声区間を正確に、且つ安定に検出することが
蓋だ困難であった。この為、付加・脱落誤りにより、ｇ
ｗＩｋ率を十分１こ高くすることができなかった。
また精度の高い音声認識を行う為ｌこは、音声区間の始
端および終端位置の安定化を図ることが必要である。例
えば始端を単一の最初の音素の母音の開始点として定義
するならば、音声のレベルや背景雑音レベルに無関係に
上記開始点を検出することが必要である。然し、これら
の要求を、単一の音声パラメータのみを用いて、あるい
は単一のアルゴリズムだけで満たすことは非常に困難で
あり、実用性の点でも問題があった。
端および終端位置の安定化を図ることが必要である。例
えば始端を単一の最初の音素の母音の開始点として定義
するならば、音声のレベルや背景雑音レベルに無関係に
上記開始点を検出することが必要である。然し、これら
の要求を、単一の音声パラメータのみを用いて、あるい
は単一のアルゴリズムだけで満たすことは非常に困難で
あり、実用性の点でも問題があった。
本発明はこのような事情を考慮してなされたもので、そ
の目的とする心ころは、音声信号と背景雑音とのＳ／Ｎ
が悪く、シかも背景雑音レベルが大きく変動する環境下
で発声された音声の始端と終端を正確に検出して、その
音声区間を安定に、且つ高精度に検出することのできる
実用性の高い音声区間検出装置を提供することにある。
の目的とする心ころは、音声信号と背景雑音とのＳ／Ｎ
が悪く、シかも背景雑音レベルが大きく変動する環境下
で発声された音声の始端と終端を正確に検出して、その
音声区間を安定に、且つ高精度に検出することのできる
実用性の高い音声区間検出装置を提供することにある。
本発明は入力音声の成る音声パラメータを抽出し、この
抽出された音声パラメータを用いて上記入力音声の大略
的な音声区間を検出したのち、この音声区間の仮始端か
ら数フレーム前、および上記音声区間の仮終端から数フ
レーム後までの区間を検出区間として定めて、この検出
区間の音声を前記入力音声の別の特徴パラメータを用い
て検出して音声区間の始端とＰ：端とをそれぞれａ度艮
く足めるようにしたものである。
抽出された音声パラメータを用いて上記入力音声の大略
的な音声区間を検出したのち、この音声区間の仮始端か
ら数フレーム前、および上記音声区間の仮終端から数フ
レーム後までの区間を検出区間として定めて、この検出
区間の音声を前記入力音声の別の特徴パラメータを用い
て検出して音声区間の始端とＰ：端とをそれぞれａ度艮
く足めるようにしたものである。
（発明の効果〕
従って本発明によれば、雑音ζこ対して比較的耐性のあ
る音声パラメータを用いて仮りに音声区間を定めたのち
、別の特徴パラメータを用いて高精度に音声の一意的暑
こ定まる始端と終端とをそれぞれ検出するので、正確に
音声１メ間を検出することが可能となる。しかも雑音に
対して耐性のあるパラメータを用いて音声区間を板検出
し、この板検出区間を含む前後に所定フレーム数付加さ
れた区間を検出対象として軸度の渦い音声検出を行うの
で、背景雑音の大きな影響を受けることなしに安定に音
声区間検出を行うことが可能となる。従って、発声環境
に左右されることなく音声区間検出を正確に行い得るの
て、音声認識率の向上を図り得る等の実用上、絶大なる
効果が奏せられる。
る音声パラメータを用いて仮りに音声区間を定めたのち
、別の特徴パラメータを用いて高精度に音声の一意的暑
こ定まる始端と終端とをそれぞれ検出するので、正確に
音声１メ間を検出することが可能となる。しかも雑音に
対して耐性のあるパラメータを用いて音声区間を板検出
し、この板検出区間を含む前後に所定フレーム数付加さ
れた区間を検出対象として軸度の渦い音声検出を行うの
で、背景雑音の大きな影響を受けることなしに安定に音
声区間検出を行うことが可能となる。従って、発声環境
に左右されることなく音声区間検出を正確に行い得るの
て、音声認識率の向上を図り得る等の実用上、絶大なる
効果が奏せられる。
以下、図面を参照して本発明の一実施例につＩｊ！説明
する。
する。
第１図は実施例装置の概略栴成図で、第２図は実施例装
置の作用を説萌する為の図である。
置の作用を説萌する為の図である。
マイクロホンから入力増幅器を介して入力された音声信
号は、音声パラメータ抽出部′１に導ひかれる。この音
声パラメータ抽出部ｌは、短時間幅Ｔ＝に、上記入力音
声信号の全帯域エネルギーの実効値Ｅと、例えば４チヤ
ンネルの広帯域チャンネルフィルタを介して抽出された
入力音声信号の各チャンネル員力の実効１１ｔＢ１゜Ｂ
ｌ、３３１．３４を求め、これを音声パラメータとして
時系列に出力している。このようにして求められるＥ、
Ｂｌ、Ｂ２．Ｂｌ、Ｂ４の音声パラメータ時系列は所定
時間幅着こ亘って、一旦バツファメモリ２に格納される
。第２図に示す信号Ｅは、エネルギーを音声パラメータ
とした音声パターンの例を示すものである０しかして、
第１段音声区間検出部３は、エネルギーＥの音声パラメ
ータ時系列を入力し、そのエネルギーと予め設定された
閾値Ｅｌとを比較して、上記閾値Ｅ１を越える時点ａ１
を音声の仮始端として検出している。この仮始１７ｉ！
ａ＋の検出アルゴリズムは、入力音声エネルギーＥが閾
値Ｅｌを越え、所定時間継続したときに上記閾値Ｅｌを
越えた時点を仮始端ａｌとして定めることにより行われ
る０仮りに、上記−ｉ Ｅ ｌを越える期間が所定時間
（所定フレーム数：５０〜７０ｍ５Ｉｌｅ）継続しない
場合には、これを雑音と着像し、仮始端検出をし直す。
号は、音声パラメータ抽出部′１に導ひかれる。この音
声パラメータ抽出部ｌは、短時間幅Ｔ＝に、上記入力音
声信号の全帯域エネルギーの実効値Ｅと、例えば４チヤ
ンネルの広帯域チャンネルフィルタを介して抽出された
入力音声信号の各チャンネル員力の実効１１ｔＢ１゜Ｂ
ｌ、３３１．３４を求め、これを音声パラメータとして
時系列に出力している。このようにして求められるＥ、
Ｂｌ、Ｂ２．Ｂｌ、Ｂ４の音声パラメータ時系列は所定
時間幅着こ亘って、一旦バツファメモリ２に格納される
。第２図に示す信号Ｅは、エネルギーを音声パラメータ
とした音声パターンの例を示すものである０しかして、
第１段音声区間検出部３は、エネルギーＥの音声パラメ
ータ時系列を入力し、そのエネルギーと予め設定された
閾値Ｅｌとを比較して、上記閾値Ｅ１を越える時点ａ１
を音声の仮始端として検出している。この仮始１７ｉ！
ａ＋の検出アルゴリズムは、入力音声エネルギーＥが閾
値Ｅｌを越え、所定時間継続したときに上記閾値Ｅｌを
越えた時点を仮始端ａｌとして定めることにより行われ
る０仮りに、上記−ｉ Ｅ ｌを越える期間が所定時間
（所定フレーム数：５０〜７０ｍ５Ｉｌｅ）継続しない
場合には、これを雑音と着像し、仮始端検出をし直す。
しかるのち、このようにして検出された仮始ｆ４ｍｌの
情報は閾値計算部４に与えられる。閾値計算部４では、
例えば音声入力開始時点から上記仮始端ａｌまでの入力
音声エネルギーＥの平均値を求め、これに所定の値を加
える等して、仮縫端検出の為の閾値Ｅ雪を設定し、これ
を前記第１段音声区間検出部３に与えている。第１段音
声区間検出＠３では、この新た１こ与えられた閾値Ｅ！
に従い、今度は入力音声エネルギーＥが上記閾値Ｅ！を
下まわり、且つ所定時間（所定フレーム数：２５０〜３
００ｍ１ＩＩｅｅ程度）継続しタトき、上記エネルギー
Ｅが閾値Ｙ：、２を下まわった時点ｂ１を仮終端として
検出している。従って、この仮終端ｂ１の検出は、仮始
端ａｔの検出に比して、成る程度背景雑音レベルを考慮
したものとなる０このようにして、第１段音声区間検出
部３により、入力音声に対する仮りの音声区間が、エネ
ルギーＥを音声パラメータとした閾値Ｅｌ、Ｅ２との比
較により仮始端ａｌｌ、仮終端ｂｔが求められて検出さ
れている。そして、上記仮始端ａｌおよび仮縫４ｂｔに
よって示される音声区間は、パルス性雑音によりエネル
ギーが高くなった区間や、プレストによって短時間に音
の途切れが生じた区間尋の影響を受けないものとなって
いる。
情報は閾値計算部４に与えられる。閾値計算部４では、
例えば音声入力開始時点から上記仮始端ａｌまでの入力
音声エネルギーＥの平均値を求め、これに所定の値を加
える等して、仮縫端検出の為の閾値Ｅ雪を設定し、これ
を前記第１段音声区間検出部３に与えている。第１段音
声区間検出＠３では、この新た１こ与えられた閾値Ｅ！
に従い、今度は入力音声エネルギーＥが上記閾値Ｅ！を
下まわり、且つ所定時間（所定フレーム数：２５０〜３
００ｍ１ＩＩｅｅ程度）継続しタトき、上記エネルギー
Ｅが閾値Ｙ：、２を下まわった時点ｂ１を仮終端として
検出している。従って、この仮終端ｂ１の検出は、仮始
端ａｔの検出に比して、成る程度背景雑音レベルを考慮
したものとなる０このようにして、第１段音声区間検出
部３により、入力音声に対する仮りの音声区間が、エネ
ルギーＥを音声パラメータとした閾値Ｅｌ、Ｅ２との比
較により仮始端ａｌｌ、仮終端ｂｔが求められて検出さ
れている。そして、上記仮始端ａｌおよび仮縫４ｂｔに
よって示される音声区間は、パルス性雑音によりエネル
ギーが高くなった区間や、プレストによって短時間に音
の途切れが生じた区間尋の影響を受けないものとなって
いる。
さて、ラベリング部６には、上記第１段音声区間検出部
３によって検出された仮始端ａｌおよび仮終端ｂ１の情
報が与えられる。また、前記閾値計算部４では、上記仮
始端ａｔから仮終端ｂ１７での区間の音声パラメータＥ
、Ｂｌ。
３によって検出された仮始端ａｌおよび仮終端ｂ１の情
報が与えられる。また、前記閾値計算部４では、上記仮
始端ａｔから仮終端ｂ１７での区間の音声パラメータＥ
、Ｂｌ。
Ｂｘ、Ｂｓ、Ｂ４を前記バッファメモリ２から読出し、
エネルギーＥが最大値をとる時点Ｍにおける最大工ネル
キー値ＥＭおよびこの時点Ｍにおける各チャンネル出力
１３１Ｍ、Ｂ！Ｍ、Ｂ３Ｍ。
エネルギーＥが最大値をとる時点Ｍにおける最大工ネル
キー値ＥＭおよびこの時点Ｍにおける各チャンネル出力
１３１Ｍ、Ｂ！Ｍ、Ｂ３Ｍ。
Ｂ４Ｍを求め、各パラメータ毎に上記各値からそれぞれ
所定値を差引いて、ラベリング用の閾値８丁、ＢＩＴ、
ＢＩＴ、Ｂ！ＪＴ、Ｂ４丁の情報が前記ラベリング部５
に与えられている。
所定値を差引いて、ラベリング用の閾値８丁、ＢＩＴ、
ＢＩＴ、Ｂ！ＪＴ、Ｂ４丁の情報が前記ラベリング部５
に与えられている。
ラベリング部５では、前記仮始ｍａｌの情報から、この
仮始ＷａＳより数フレーム前の時点（ａｔ−ＮＦ）を区
間検出用の始端ａ！とじて定め、また前記仮終端ｂ１の
情報から、この仮始端ｂ１より数フレーム後の時点（ｂ
１−ＮＩＣ）を区間検出用の終端ｂ２として足めてい
る。そして、この始熾ａ！から終端ｂ！によって示され
る区間について前記バッファメモリ２から音声パラメー
タを順次続出し、先に設定されたラベリング用のｗ４（
ＪＥＴ、ＢＩＴ、ｆ１２Ｔ、ＢｎＴ、Ｂ４Ｔとそれぞれ
比較している。そして、第２図にそのテーブルを示すよ
うに、各時点毎に、上記各音声パラメータとその閾値と
の比較結果を順次登録している。この比較結果の登録は
、例えば音声パラメータが閾値より大なるとき、音声要
素が強いとして「１」なるデータを、また音声パラメー
タが閾値より小なるときには音声要素が弱いとして「０
」なるデータをそれぞれ登録することｌこより行われる
。そして、このようにして求められたテーブルを各時点
毎に、例えば論理和処理する等して、その結果ｒＱＪ
ｒＶＪの時系列を得ている。このＱ−Ｖテーブルは、
ｒＶＪを音声区間の４Ｊ素、「Ｑ」を無音区間の要素と
して示すものである。
仮始ＷａＳより数フレーム前の時点（ａｔ−ＮＦ）を区
間検出用の始端ａ！とじて定め、また前記仮終端ｂ１の
情報から、この仮始端ｂ１より数フレーム後の時点（ｂ
１−ＮＩＣ）を区間検出用の終端ｂ２として足めてい
る。そして、この始熾ａ！から終端ｂ！によって示され
る区間について前記バッファメモリ２から音声パラメー
タを順次続出し、先に設定されたラベリング用のｗ４（
ＪＥＴ、ＢＩＴ、ｆ１２Ｔ、ＢｎＴ、Ｂ４Ｔとそれぞれ
比較している。そして、第２図にそのテーブルを示すよ
うに、各時点毎に、上記各音声パラメータとその閾値と
の比較結果を順次登録している。この比較結果の登録は
、例えば音声パラメータが閾値より大なるとき、音声要
素が強いとして「１」なるデータを、また音声パラメー
タが閾値より小なるときには音声要素が弱いとして「０
」なるデータをそれぞれ登録することｌこより行われる
。そして、このようにして求められたテーブルを各時点
毎に、例えば論理和処理する等して、その結果ｒＱＪ
ｒＶＪの時系列を得ている。このＱ−Ｖテーブルは、
ｒＶＪを音声区間の４Ｊ素、「Ｑ」を無音区間の要素と
して示すものである。
第２段音声区間検出部６では、上記の如く求められたラ
ベリング結果ｒＱＪ 、ｒＶＪを基にして、入力音声に
対する区間検出を行う。即ち、この区間検出における始
端および終端の検出は、ルゴリズムとばば同様なもので
あるが、Ｑ−Ｖテーブルを参照して時間方向（こ音声要
−＄ ｒＶＪとラベリング用 とにより行われる。そして、最初にｒＶＪとラベリング
されたフレームａを検出し、ぞの恢ｒＶＪなるラベリン
グか所定フレーム数、レリえば４０〜５Ｑｍｓｅｃ継続
するか沓かを調べる。そして、この条件が満たされたと
き、上記フレームａを入力音声の始端であるとＭＱする
。その体、最初にｒＱＪとラベリングされたフレームｂ
を検出し、そのあとに所定フレーム数、例えば２５０〜
３００ｍ５＝＋ｅに亘ってｒＱＪなるラベリングが継続
するか否かを検出する。この検出で否と判定された場合
には、上記フレームｂをパルス性雑音によるものと着樹
２シ、次にＩ Ｑ’Ｊなるラベリングがなされたフレー
ムを慣出し°ｃ１同様に終端であるか否かの判定を行っ
ている。
ベリング結果ｒＱＪ 、ｒＶＪを基にして、入力音声に
対する区間検出を行う。即ち、この区間検出における始
端および終端の検出は、ルゴリズムとばば同様なもので
あるが、Ｑ−Ｖテーブルを参照して時間方向（こ音声要
−＄ ｒＶＪとラベリング用 とにより行われる。そして、最初にｒＶＪとラベリング
されたフレームａを検出し、ぞの恢ｒＶＪなるラベリン
グか所定フレーム数、レリえば４０〜５Ｑｍｓｅｃ継続
するか沓かを調べる。そして、この条件が満たされたと
き、上記フレームａを入力音声の始端であるとＭＱする
。その体、最初にｒＱＪとラベリングされたフレームｂ
を検出し、そのあとに所定フレーム数、例えば２５０〜
３００ｍ５＝＋ｅに亘ってｒＱＪなるラベリングが継続
するか否かを検出する。この検出で否と判定された場合
には、上記フレームｂをパルス性雑音によるものと着樹
２シ、次にＩ Ｑ’Ｊなるラベリングがなされたフレー
ムを慣出し°ｃ１同様に終端であるか否かの判定を行っ
ている。
これにより、入力音声に対する始端ａと軒端すとがそれ
ぞれ検出され、その音声区間が検出法定さ、れることに
なる。
ぞれ検出され、その音声区間が検出法定さ、れることに
なる。
かくして本装置による上述した音声区間検出によれば、
背景雑音の渉影響を受けることなしに安ｗｂこ、且つ確
実に入力音声の音声区間を精度良く検出することができ
る。即ち、音声区間の始端および？Ｐ、端は、背景雑音
のレベルとは無関係であり、従って背景雑音のレベルに
左右されることなく決定されるべきものである。ただ、
背景雑音のレベルが商い場合には、音声信号とのＳ／Ｎ
が患い為にその識別が困難となる。しかるに本装置では
、入力音声の成人レベルを基準として閾値を定め、この
閾値に従って各音声パラメータについてそれぞれラベリ
ング用ている。従って、音声レベルが背景雑音に埋もれ
ているような場合であっても、これを音声要素として検
出することが９舵となる。しかも、複数の音声パラメー
タに亘ってラベリング判定しているので、例え成る帯域
にエネルギーが集中し、全体的にエネルギーレベルが低
くなっている音素であっても、これを確実に検出するこ
とができる。従って、入力音声の各フレームにおける音
素をそれぞれ確芙ｌこ検出することかでき、音声区間を
正確に検出することが口」舵となる。これ故、発戸譲境
に左右されることなく、しかも背量雑音レベルが変動し
ている〕相合であっても安だに且つ正確に音声区間検出
かでき、その実用的利点は肥大である。
背景雑音の渉影響を受けることなしに安ｗｂこ、且つ確
実に入力音声の音声区間を精度良く検出することができ
る。即ち、音声区間の始端および？Ｐ、端は、背景雑音
のレベルとは無関係であり、従って背景雑音のレベルに
左右されることなく決定されるべきものである。ただ、
背景雑音のレベルが商い場合には、音声信号とのＳ／Ｎ
が患い為にその識別が困難となる。しかるに本装置では
、入力音声の成人レベルを基準として閾値を定め、この
閾値に従って各音声パラメータについてそれぞれラベリ
ング用ている。従って、音声レベルが背景雑音に埋もれ
ているような場合であっても、これを音声要素として検
出することが９舵となる。しかも、複数の音声パラメー
タに亘ってラベリング判定しているので、例え成る帯域
にエネルギーが集中し、全体的にエネルギーレベルが低
くなっている音素であっても、これを確実に検出するこ
とができる。従って、入力音声の各フレームにおける音
素をそれぞれ確芙ｌこ検出することかでき、音声区間を
正確に検出することが口」舵となる。これ故、発戸譲境
に左右されることなく、しかも背量雑音レベルが変動し
ている〕相合であっても安だに且つ正確に音声区間検出
かでき、その実用的利点は肥大である。
同、本発明は上ｍｅＶｊ４施例（こ限定されるものでは
ない。例えば入力音声から抽出する１＃戸パラメータと
しては、各捕次数でのＬＰＣｆ６４１１１Ａ＆や、音声
信号の相関係数等の％似パラメータを法用することもで
きる。またチャンネルフィルタの各出力の関連性を特徴
パラメータとすることも有用であり、このチャンネルフ
ィルタのチャンネル数は仕様に応じて足めればよい。資
するに本発明は、その要旨を逸脱しｔよい範囲で檀々変
形して実施することができる。
ない。例えば入力音声から抽出する１＃戸パラメータと
しては、各捕次数でのＬＰＣｆ６４１１１Ａ＆や、音声
信号の相関係数等の％似パラメータを法用することもで
きる。またチャンネルフィルタの各出力の関連性を特徴
パラメータとすることも有用であり、このチャンネルフ
ィルタのチャンネル数は仕様に応じて足めればよい。資
するに本発明は、その要旨を逸脱しｔよい範囲で檀々変
形して実施することができる。
第１図は本発明の一実施例装置の似略噂成図、第２図は
夷尻例装置の作用を説明する為の１μ・パラメータとラ
ベリングテーブルを示す図である。 １・・・音声パラメータ抽出部、２・・・バッファメモ
リ、３・・・第１段１声区間慎出部、４・・・閾値計算
部、５・・・ラベリング部、６・・・第２段音声区間検
出部。 出細人代理人 弁理士 鈴 江 武 彦１、事件の表７
１＜ ”１％、！！ 日’Ｂ Ｓ”ｒ−１２−’ｒ９ｓ
−−５２，４６β目ｃＰｌ兄オも １声区南検出貰１ ３、袖山をする各 π件との関係 特寵午出］殉人 （ヨー７）東！￥傭電気Ｕ式へ１１ ４、代理人 ５ 白発淳所ミ ７、籟゛１仇内島 （１） ｅ＠ ｇｍ−Ｌ −＞Ｂｅ Ｉｔ−ｒもＱ
目１＝ ”：Ｌ４＋レギー１：Ｌ？Ｊ’ｃ ７．ａ
ｔｅ ”ｘ４ル＋’−ｅｒｒ ５ｙ ＩＺ Ｌ？ Ｊ
ヒｉｒＺ’ｌ。 （ン） １町、牙７）斗１４釘自１ｚｒチャ〕ネ１しλ
１υり」ヒあコ（「バードへ〇ｌフィＩＩ−タ」 盲
’ｔｒａｉ３゜（３＞ Ｉｎ、斗’７ 申”ｒ ＋６
〜１７野口に １五ンバラメータヒしこＢｑ ％ ？ｌ
Ｊ ｌｉ」 ヒあ３ Ｔｅ ”壱％”パラメータ峙ル
・旬ヒしらヒ許１１３゜ 性）回、＞ゴな＞６３〒９１＝ ｔ−下さｈ 、 Ｔ−
＝昨り苧、」ヒムふｔｅｒＴｌわ、Ｈｐ前ｏ、 ’Ｂ？
ｙ Ａ 」ヒｔｒ ２３ Ａ。 （５） ｌｉ、＞’ｅ申％ ＋で〜ｉ Ｓｔ ＠ ＋＝
ｒ−ｊ’しｚト〜’ｒＣｒ＝区向」ＶあＪ ￥’蹄話
印の濃壱巨向うとｔ石７３゜ ６）１句、矛１ユゆ 矛ａミ了６♂・よ０゛゛矛１Ｒ１
７目１ｚ芝μ杯″ｆｆ ’ ％９４ＱＪ ｋ：、、ｉ
、３ ＝％＋ｚ ’２Ｎ”ｌ ’３ｊ ７Ｌ−−４−
１’」）３な句モ加入了コ。 け） １司、；Ｆ１２φ 矛１９〜１８１口＋−ｓ
Ｖ二層と２し一６〜官）？賦３ ヒ淑Ｊ発下」隨の
遜γｈとＪ、３ｐ」 を己 ｒＶ」ヒラΔ゛゛リー２パ″！東上フレー４功＼−所気
暑丸廊１ミ１番゛４０′ゝ０霜鈎Ｃ１ミ杢目も Ｖ３７
し一乙、婁ス随Ｆ芝にカ＼杏力゛−墾７１粕へ′３゜
ミし７’ｌ：Ｉ７Ｉよイ＋力＼−鳴盲りさしｈｚ％与
１： ｌ；Ｊ 、蹄謎中の７１１め上声ｍ向功１゛現わ
東Ｒ上もΔ攻し２ ど愛釣？Ｊ：言こ外云島倹亀偽譜４
賞塾壮ら。文。 上艶考４十カー ｉ？＠ ｈご小ないヒさ＋１よ、≧中
５１／４ス゛に多コもの辷り盪准文し７１Ｖ」とライ゛
シシグＪ東札フレー４般１１α」）力う〉トに加ミａ９ ＣＥ＞ ｌｑ、＋＋３Ｓ＞ｒｇ〒目＋＝ 「ｔ’ｒ５
２ ヒ；！ｉ−，３”ｅ ’ヒ１３の＋ａＪ Ｌ酊走３
ム。 （３） 同、矛］３小才δ〜Ｉ１ｇ〒０１＝ 「孔ｒ、
〜を乃３゜しか３に、ヒ養コヘ 芝ミＺＪヒＹＴ正了＆
。 （ｔｏ）＋Ｊ、 、ｈａｈｔ 〜１７ｆｉｆｆｌ ｌ：
’５１ｓｐ、〜’Ｗｆｌｈｂ札ヒ五コ処を肯１３゜ （＋＋）ＩＪｌ、ｉ＋４”；ｙ Ｇ ＋χ〜１ヨ １
ミ口 １ミ 「フ十ｚ’＋＋し７１．ｌＬ９’）洛ぬ力
」 ヒ以３も １ハ５゛レドハ２スフ、Ｉレタの一各ヲ
輌シ耳１し出力、し針止Ｊ五。 （ｎ） ＩＪ、 ＞Ｉ’）！ ＞１４１〒１ｆｆ
ｉ ｔｚ 「ｆヤ＞−Ｈｖ＞、、し＞−」旨訊Ｊ％
ｒバニドハ＠ス３レジ」 しｔｒ−とｊム。
夷尻例装置の作用を説明する為の１μ・パラメータとラ
ベリングテーブルを示す図である。 １・・・音声パラメータ抽出部、２・・・バッファメモ
リ、３・・・第１段１声区間慎出部、４・・・閾値計算
部、５・・・ラベリング部、６・・・第２段音声区間検
出部。 出細人代理人 弁理士 鈴 江 武 彦１、事件の表７
１＜ ”１％、！！ 日’Ｂ Ｓ”ｒ−１２−’ｒ９ｓ
−−５２，４６β目ｃＰｌ兄オも １声区南検出貰１ ３、袖山をする各 π件との関係 特寵午出］殉人 （ヨー７）東！￥傭電気Ｕ式へ１１ ４、代理人 ５ 白発淳所ミ ７、籟゛１仇内島 （１） ｅ＠ ｇｍ−Ｌ −＞Ｂｅ Ｉｔ−ｒもＱ
目１＝ ”：Ｌ４＋レギー１：Ｌ？Ｊ’ｃ ７．ａ
ｔｅ ”ｘ４ル＋’−ｅｒｒ ５ｙ ＩＺ Ｌ？ Ｊ
ヒｉｒＺ’ｌ。 （ン） １町、牙７）斗１４釘自１ｚｒチャ〕ネ１しλ
１υり」ヒあコ（「バードへ〇ｌフィＩＩ−タ」 盲
’ｔｒａｉ３゜（３＞ Ｉｎ、斗’７ 申”ｒ ＋６
〜１７野口に １五ンバラメータヒしこＢｑ ％ ？ｌ
Ｊ ｌｉ」 ヒあ３ Ｔｅ ”壱％”パラメータ峙ル
・旬ヒしらヒ許１１３゜ 性）回、＞ゴな＞６３〒９１＝ ｔ−下さｈ 、 Ｔ−
＝昨り苧、」ヒムふｔｅｒＴｌわ、Ｈｐ前ｏ、 ’Ｂ？
ｙ Ａ 」ヒｔｒ ２３ Ａ。 （５） ｌｉ、＞’ｅ申％ ＋で〜ｉ Ｓｔ ＠ ＋＝
ｒ−ｊ’しｚト〜’ｒＣｒ＝区向」ＶあＪ ￥’蹄話
印の濃壱巨向うとｔ石７３゜ ６）１句、矛１ユゆ 矛ａミ了６♂・よ０゛゛矛１Ｒ１
７目１ｚ芝μ杯″ｆｆ ’ ％９４ＱＪ ｋ：、、ｉ
、３ ＝％＋ｚ ’２Ｎ”ｌ ’３ｊ ７Ｌ−−４−
１’」）３な句モ加入了コ。 け） １司、；Ｆ１２φ 矛１９〜１８１口＋−ｓ
Ｖ二層と２し一６〜官）？賦３ ヒ淑Ｊ発下」隨の
遜γｈとＪ、３ｐ」 を己 ｒＶ」ヒラΔ゛゛リー２パ″！東上フレー４功＼−所気
暑丸廊１ミ１番゛４０′ゝ０霜鈎Ｃ１ミ杢目も Ｖ３７
し一乙、婁ス随Ｆ芝にカ＼杏力゛−墾７１粕へ′３゜
ミし７’ｌ：Ｉ７Ｉよイ＋力＼−鳴盲りさしｈｚ％与
１： ｌ；Ｊ 、蹄謎中の７１１め上声ｍ向功１゛現わ
東Ｒ上もΔ攻し２ ど愛釣？Ｊ：言こ外云島倹亀偽譜４
賞塾壮ら。文。 上艶考４十カー ｉ？＠ ｈご小ないヒさ＋１よ、≧中
５１／４ス゛に多コもの辷り盪准文し７１Ｖ」とライ゛
シシグＪ東札フレー４般１１α」）力う〉トに加ミａ９ ＣＥ＞ ｌｑ、＋＋３Ｓ＞ｒｇ〒目＋＝ 「ｔ’ｒ５
２ ヒ；！ｉ−，３”ｅ ’ヒ１３の＋ａＪ Ｌ酊走３
ム。 （３） 同、矛］３小才δ〜Ｉ１ｇ〒０１＝ 「孔ｒ、
〜を乃３゜しか３に、ヒ養コヘ 芝ミＺＪヒＹＴ正了＆
。 （ｔｏ）＋Ｊ、 、ｈａｈｔ 〜１７ｆｉｆｆｌ ｌ：
’５１ｓｐ、〜’Ｗｆｌｈｂ札ヒ五コ処を肯１３゜ （＋＋）ＩＪｌ、ｉ＋４”；ｙ Ｇ ＋χ〜１ヨ １
ミ口 １ミ 「フ十ｚ’＋＋し７１．ｌＬ９’）洛ぬ力
」 ヒ以３も １ハ５゛レドハ２スフ、Ｉレタの一各ヲ
輌シ耳１し出力、し針止Ｊ五。 （ｎ） ＩＪ、 ＞Ｉ’）！ ＞１４１〒１ｆｆ
ｉ ｔｚ 「ｆヤ＞−Ｈｖ＞、、し＞−」旨訊Ｊ％
ｒバニドハ＠ス３レジ」 しｔｒ−とｊム。
Claims (1)
- 【特許請求の範囲】 入力音声の複数種類の音声パラメータ時系列をそれぞれ
抽出する手段と、これらの抽出された音声パラメータ時
系列を記憶するメモリと、上記音声パラメータ時系列の
うちの特定された１つの音声パラメータ時系列から音声
区間の仮始端および仮終端をそれぞれ検出する手段と、
上記仮始端の所定フレーム数前から前記仮終端の所定フ
レーム数後までの区間をラベリング対象区間として設定
する手段と、この設定されたラベリング対象区間につい
て少なくとも前記仮始端および仮終端検出に用いた音声
パラメータ時系列以外の前記記憶された音声パラメータ
時系列を用いて各フレームが無音か否かのラベリングを
行う手段と、このラベリング結果に従って前記入力音声
の音声区間の始端および終端をそれぞれ決定する手段と
を具備したことを特徴とする音声区間検出装置。 （２）仮始端および仮終端の検出に用いられる音声パラ
メータ時系列は、入力音声エネルギーを特徴パラメータ
としたものである特許請求の範囲第１項記載の音声区間
検出装置。 （３） 仮始端の検出は、音声エネルギーを特徴パラ
メータとした音声パラメータ時系列のレベルが所定の閾
値を越えて所定フレーム数継続した時点を検出して行わ
れ、仮終端は、音声入力時点から上記仮始端までの区間
の音声パラメータの分布に従って定められた閾値を前記
音声パラメータ時系列のレベルが下値わって所定フレー
ム数継続した時点を検出して行われるものである特許請
求の範囲第１項記載の音声区間検出装置。 （４）始端および終端の検出は、無音を示すラベリング
が所定フレーム継続した直後および直前を検出して行わ
れるものである特許請求の範囲第１項記載の音声区間検
出装置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP57012795A JPS58130395A (ja) | 1982-01-29 | 1982-01-29 | 音声区間検出装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP57012795A JPS58130395A (ja) | 1982-01-29 | 1982-01-29 | 音声区間検出装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPS58130395A true JPS58130395A (ja) | 1983-08-03 |
| JPH0376471B2 JPH0376471B2 (ja) | 1991-12-05 |
Family
ID=11815326
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP57012795A Granted JPS58130395A (ja) | 1982-01-29 | 1982-01-29 | 音声区間検出装置 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPS58130395A (ja) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US4696041A (en) * | 1983-01-31 | 1987-09-22 | Tokyo Shibaura Denki Kabushiki Kaisha | Apparatus for detecting an utterance boundary |
| DE4126902A1 (de) * | 1990-08-15 | 1992-02-20 | Ricoh Kk | Sprachintervall - feststelleinheit |
| US6236970B1 (en) | 1997-04-30 | 2001-05-22 | Nippon Hoso Kyokai | Adaptive speech rate conversion without extension of input data duration, using speech interval detection |
-
1982
- 1982-01-29 JP JP57012795A patent/JPS58130395A/ja active Granted
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US4696041A (en) * | 1983-01-31 | 1987-09-22 | Tokyo Shibaura Denki Kabushiki Kaisha | Apparatus for detecting an utterance boundary |
| DE4126902A1 (de) * | 1990-08-15 | 1992-02-20 | Ricoh Kk | Sprachintervall - feststelleinheit |
| US6236970B1 (en) | 1997-04-30 | 2001-05-22 | Nippon Hoso Kyokai | Adaptive speech rate conversion without extension of input data duration, using speech interval detection |
| US6374213B2 (en) | 1997-04-30 | 2002-04-16 | Nippon Hoso Kyokai | Adaptive speech rate conversion without extension of input data duration, using speech interval detection |
| EP1944753A2 (en) | 1997-04-30 | 2008-07-16 | Nippon Hoso Kyokai | Method and device for detecting voice sections, and speech velocity conversion method and device utilizing said method and device |
Also Published As
| Publication number | Publication date |
|---|---|
| JPH0376471B2 (ja) | 1991-12-05 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| TW201830377A (zh) | 一種語音端點檢測方法及語音辨識方法 | |
| JPS58130393A (ja) | 音声認識装置 | |
| JPS5876899A (ja) | 音声区間検出装置 | |
| Gonzalez et al. | Recursive forced alignment: A test on a minority language | |
| JPS58130395A (ja) | 音声区間検出装置 | |
| JPS584198A (ja) | 音声認識装置における標準パタ−ン登録方式 | |
| WO2023047893A1 (ja) | 認証装置および認証方法 | |
| JP3020999B2 (ja) | パターン登録方法 | |
| Seman et al. | Hybrid methods of Brandt’s generalised likelihood ratio and short-term energy for Malay word speech segmentation | |
| JP2000148187A (ja) | 話者認識方法、その方法を用いた装置及びそのプログラム記録媒体 | |
| JPH02103599A (ja) | 音声認識装置 | |
| JP3058569B2 (ja) | 話者照合方法及び装置 | |
| JPS6039691A (ja) | 音声認識方法 | |
| JPS61233792A (ja) | 音声認識装置 | |
| JPS61260299A (ja) | 音声認識装置 | |
| JPS63142396A (ja) | 標準パターン作成方法 | |
| JPS59149400A (ja) | 音声入力装置 | |
| JPS5936299A (ja) | 音声認識装置 | |
| JPS63306498A (ja) | 音声区間検出方式 | |
| JPS61278896A (ja) | 話者照合装置 | |
| JPS63220199A (ja) | 音声認識装置 | |
| JPS62245295A (ja) | 特定話者音声認識装置 | |
| JPS6225796A (ja) | 音声認識装置 | |
| JPH0316038B2 (ja) | ||
| JPS62226199A (ja) | 標準パターン作成装置 |