JPS58205196A - 音声処理装置における音声情報の自動編集方法 - 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】 〔発明の技術分野〕 本発明は音声応答、音声認識等の音声処理装置において
電気信号に変換された音声情報を所定の処理に供するた
め音声信号から有効な語句成分のみを抽出し出力記録媒
体に格納する際の音声情報の自動編集方法に関するもの
である。

〔発明の技術的背景〕

例えば、音声応答装置においては、予め各種の断片的な
語句を記憶装置に格納しておき、音声応答させる際に前
記語句のうちいくつかを選択しそれらを所定の順序で順
次再生することによシ、意味のある応答文を適宜合成し
出力するようにしていた。この場合、記憶装置に格納す
る各語句の前後に不要な無音部分が付いていると記憶装
置における情報記憶効率の低下を招くはかりか、合成再
生時に不自然な応答文となる場合があり、また無音部分
は必要ならば合成再生時に適宜付加できるため記憶装置
への語句の格納に際しては極力不要な無音部分を排除し
語句のみを格納することが望ましい。

従来、この種の装置において語句情報を記憶装置に格納
するに際しては、予め各稲語句を適宜間隔で発声しこれ
を磁気テープ等の記録媒体に一旦記録し、これを再生し
ながら操作者が語句の最初と最後を判定し、語句を読出
す際に必要なアドレス、検索用識別符号等の付加情報を
付加しつつ他の記録媒体に再度記録するようにして編集
していた。

すなわち第１図に編集前の音声波形を模式的に示すよう
に、語句Ｗｌ、Ｗ２の前後に無音区間Ｓｚ、Ｓ２．Ｓ３
が存在するが、この無音区間Ｓ１〜５ｓｋｋ作者か聴き
取り、認識して語句の最初と最後を判断し語句の編集を
行なっていた。このため胸巣に長時間を要し、また操作
者の肉体的、精神的負担も少なくなかった。

これに対し、簡易に編集を行なうには、例えは操作者の
指示により発声者が予定の語句を発声し、この語句のみ
を操作者が記録媒体に記録しつつ語句の前後の処理（付
加情報の付加等）を行なうようにすることが考えられる
。しかしながら、この場合編集作業自体は若干簡略化さ
れるが、編集に際し必ず発声者と操作者が同時に存在し
なけれはならないこと、その場所は編集のための記録装
置が存在し且つ周囲の騒音等の少ない録音スタジオ等の
ごとき場所でなければならないことなど付帯的条件か増
加し、結果的に編集が一層煩雑となる。

〔発明の目的〕

本発明は音声情報の編集に際し全く人手を介さずに語句
情報を自動編集することを可能とする音声処理装置にお
ける音声情報の自動編集方法を提供することを目的とし
ている。

〔発明の概要〕

本発明は無音区間を認定する友めの基準レベルと基準時
間を予め任意に設定し、これらを入力音声信号と比較し
、認定された無音区間と無音区間の間のレベルの高い部
分のみを語句音声と認定しこの部分のみを付加情報を付
して出力媒体に格納することを特徴としている。

〔発明の実施列〕

第２図は本発明の一実施例を適用した装置の構成を示す
ものであり、第３図は同実施例の処理の流れを示すもの
である。

第２図において、ｌは被編集音声信号か入力される入力
端子でめり、編集格納すべき音声情報が電気信号の杉で
且つ語句毎にある程夏以上の時間間隔を存して入力され
る。２は入力端子１に入力されたアナログ音声信号をｒ
イジタル情報に変換するＡ／１：＋（アナログ／ディジ
タル）変換装置、３￥′ｉ無音区間を認定するたのの基
準レベルおよび基準時間を設定人力する入力装置である
。

ここで、基準レベルとは無音でないとみなす最低レベル
であって、入力音声信号中の雑音等と音声を弁別するた
めの情報であり、この基準レベル未満を音声無しすなわ
ち無音状態とみな丁。また基準時間とは語句中であると
みなす最低の無音状態持続時間であって、語句中の短時
間の無音状態と語句間の無音状態とを弁別するための情
報であり、この基準時間以上無音状態が待伏したとき、
それｔ−語句間の無音区間とみなす。したがって、この
基準時間は前述し友人力音声信号の語句の時間間隔に基
づいて設定する。

４はバッファメモＩＪ　４　ｍを有する編集処理装置で
あり、例えは電子計算恢等を用いて構成され、Ａ／Ｄ　
ｆ換装置２から入力されるアイソタル化された入力音声
信号について前述の入力装置３により入力設定された基
準レベルおよび基準時間に基づいて語句間の無音区間と
語句とを弁別し語句部分のみを抽出する。５は編集処理
装置４で抽出された語句の音声情報を出刃記録媒体に格
納する出力記録装置である。

このような構成における動作を第３図全参照して説明す
る 本来の編集処理に先立ち、予備処理として入力装置３に
よって、先に述べた基準レベルお↓ひ基準時間の設定入
力を行なう（処理Ｐ’Ｊ）と、こｔしらの情報が編集処
理装置４内のバッファメモ’）４ｈに格納される（処理
Ｐ２）。次に本来の編集処理が開始されると、まず入力
端子１からの入力被編集音声信号が入力さｆ”Ｌ（処理
ＰＪ）、い変換装＃２でＡ／Ｄ変換されｒイノタル情報
にコード化される（処理Ｐ４）。このようにしてディノ
タル化さｎた入力音声信号か編集処理ａａ、４内でバッ
ファメモリ４＆に律持さｒた基準レベルと比較さｎ（処
理Ｐ５）、基準レベル以上の場合フラグＡかセットされ
ているか否か全一へ（処理Ｐ６）、セットざルていない
場合には該人力桶Ｐ＠号ケ出力記録装置５？こ与えて出
力記憶媒体に格納しく処理Ｐ７）、その後、次の音声１
と汚入力処理（処理Ｐ３）に移行する。

入力音声信号が基準レベルと比較され（処理Ｐ５）、人
力音声信号力・基準レベル未満の無音状態である場合は
フラグＢがセットされているか否かを調べ（処理Ｐ８）
、セットされてい々い場合にはその継続時間が基準時間
以上か否かが判定される（処理Ｐ９）。無音継続時間が
基準時間未満である場合は入力音声信号が無音区間デー
タとしてバッファメモリ等に保存され同時に無音区間デ
ータが保存されていることを示すフラグＡがセットされ
（処理１０）、しかる後に次の音声信号入力処理（処理
Ｐ３）に移行する。

無音継続時間の判定（処理Ｐ９）の結果、無音継続時間
が基準時間以上となった場合には、語句間の無音区間が
検出された場合であるので無音継続時間の計測データを
初期化するとともに、保存され又いた無音区間データを
クリアし且つフラグＡをリセットシ（処理Ｐ１））、そ
れまでに出力記録媒体に格納され九一連の音声データを
１語としてアドレス、検索用識別符号等の付加情報を付
加しく処理Ｐ　Ｊ　２　）、次の音声データ処理用の初
期化処理（処理Ｐ１３）を行なった後、以後無音状態が
継続する場合の入力無音データを読みとばすためのフラ
グＢをセットして（処理Ｐ１４）、次の音声信号入力処
理（処理ＰＪ）に移行する。したがって、この状態で無
音データが入力された場合は、レベル゛認識処理（処理
Ｐ５）を経て、フラグＢのセットの有無が判定され（処
理Ｐ８）、フラグＢがセットされているので、直ちに次
の音声信号入力処理（処理Ｐ、？）に移行する。

入力音声信号のレベル判定（処理Ｐ５）の結果、入力音
声信号か基準レベル以上であって、フラグＡがセットさ
れていると判定（処理Ｐ６）さｔｌ、た場合、保存され
ている無音区間データは語句中の短かい無音部分である
ので、それ會そのまま出力記憶媒体に格納しく処理Ｐ１
５）、次いで保存されていた無音区間データをクリアし
フクグＡ−ｔｖセットし計測時間（無音持続時間）を初
期化しく処理ＰＩ６）、しかる後に入力音声データを出
力記録媒体に格納して（処理７）、次の音声信号の取り
込み（処理Ｐ３）に移る。

このようにして、入力音声信号のうち語句情報のみが自
動的−に弁別抽出され、所要の情報が付加されて出力記
録媒体に格納される。したがって、音声情報の編集格納
作業が飛躍的に簡素化される。

なお本発明は上述し且つ図面に示す実施例にのみ限定さ
れることなく、その要旨を変更しない範囲内で種々変形
して実施することができる。

例えば、上記実施例において、入力端子１に入力される
音声信号は記録媒体から再生され几信号でも、マイクロ
ホン等を介して直接入力さｎた信号でも良い。もちろん
、編集処理された音声データは音声応答における格納音
声データとして用いるたけでなく、音声認識等の音声処
理にめ友りても語句の弁別は必要であるので、このよう
な音声処理の入力処理として本発明は応用できる。

また、処理のアルゴリズムも第３図に示したものに限ら
ず、要は予め設定した基準レベルにより無音状態全認識
し、この無音状態がやはり予め設定した基準時間以上継
続した場合にのみ、その無音区間の開始前までの一連の
音Ｐ７″−タを１語句とみなして格納し、その無音区間
は不要データとして排除するものであればよい。

〔発明の効果〕

本発明によれは、音声情報の編集に際しての胎句情報の
自動編集処理を実現し得る音声処理装置における音声情
報の自動編集処理を提供することができる。

【図面の簡単な説明】

第１図は処理すべき音声情報波形の一鉤を示す模式的音
声波形図、第２図は本発明の一実施例の通用された自動
編集装置の構成を示すブロック図、第３図は本発明の一
実施例の処理の流れを示す７０−チャートであ、る。 ｌ・・・入力痛子、２・・・Ａ／ｌ）低摩装置、３・・
・入力装置、４・・・編集処理装置、４ａ・・・バッフ
ァメモリ、５・・・出力記碌装置。

Claims (1)

【特許請求の範囲】
1. 音声処理装置において電気信号に変換された音声情報を
   所定の処理に供するため音声信号から有効な成分のみを
   抽出し出方記録媒体に格納するにあたり、無音状態を判
   定する基準レベルおよび基準時間を外部設定により保持
   しておき、入力音声信号が前記基準レベル未満の場合に
   はその持続時間を計測するとともに該持続時間が前記基
   準時間未満ではその入力音声信号を無音区間データとし
   て保存し、前記持続時間が前記基準時間以上となるとす
   でに保存した無音区間データをクリアしそれまでに格納
   されたデータを一騎とする処理を行ない、入力音声信号
   が前記基準レベル以上で且つ無音区間データが保存され
   ている場合には該無音区間データを出方記録媒体に格納
   した後クリアしさらに前記入力音声信号を出力記録媒体
   に格納し、入力音声信号が前記基準レベル以上で且つ保
   存無音区間データがない場合にはその入力音声信号をそ
   のまま出力記録媒体に格納することを特徴とする音声処
   理装置における音声情報の自動１編集方法。