JPS59166999A - 音声過渡点検出方法 - 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】 産業上の利用分野 本発明は音声認識に使用して好適な音声過渡点検出方法
に関する。

背景技術とその問題点 音声認識においては、特定話者に対する単語認識による
ものがずでに実用化されている。これは認識対象とする
全ての単語につい一ζ特定話者にごれらを発音させ、バ
ンドパスフィルタバンク等によりその音響パラメータを
検出し−ζ記憶（登録）しておく。そして特定話者が発
声したときその音響パラメータを検出し、登録された各
単語の音響パラメータと比較し、これらが一致したとき
その単語であるとの認識を行う。

このような装置において、話者の発声の時間軸が登録時
と異なっている場合には、一定時間（５〜２０ｍ　５ｅ
ｃ）毎に抽出される音響パラメータの時系列を伸縮して
時間軸を整合させる。これによって発声速度の変動に対
処させるようにしている。

ところがこの装置の場合、認識対象とする全ての単語に
ついてその’Ｒ＝％の全体の音響パラメータをあらかじ
め登録格納しておかなければならず、膨大な記憶容量と
演算を必要とする。このため認識語い数に限界があった
。

一方音韻（日本語でいえはローマ字表記したとき）Ａ、
　　Ｉ、　Ｕ、　Ｅ、　Ｏ，Ｋ、　Ｓ、　Ｔ等）あるい
は音節（ＫＡ、Ｋ　１．ＫＵ、等）単位での認識を行う
ことが提案されている。しかしこの場合に、母音等の準
定雷部を有する音韻の認識は容易であ、）でも、破裂音
（Ｋ、Ｔ、Ｐ等）のように音韻的特徴が非電に矩いもの
を音響パラメータのみで一つの音韻に特定することば極
めて困難である。

そごで従来は、各音節ごとに離散的に発音された音声を
登録し、離散的に発声された音声を単語認識と同様に時
間軸整合させて認識を行っており、特殊な発声を行うた
めに限定された用途でしか利用できなかった。

さらに不特定話者を認識対象とした場合には、音響パラ
メータに個人差による大きな分散かあり、−上述のよう
に時間軸の整合だけでは認識をＩＩうことかできない。

そごで例えば一つの単語について複数の音響パラメータ
を登録して近似の音響バラメークを認識する方法や、単
語全体を固定υ＜７Ｇのパラメータに変換し、識別函数
によって判別よる方法が提案されているが、いづれも膨
大な記憔容量を必要としたり、演算量が多く、認識語い
数が極めて少くなってしまう。

これに対して本発明者は先に、不特定話者にス・［して
も、容易かつ確実に音声認識を行えるようにした新規な
音声認識方法を提案した。以１・にまずその−例につい
て説明しよう。

とごろで音韻の発声現象を観察すると、母音や摩擦音（
Ｓ、Ｈ等）等の音韻は長く伸して発声することができる
。例えば“はい゛という発声を考えた場合に、この音韻
は第１図Ａに示すように、［無音→１１→Ａ→Ｉ−無音
」に変化する。これに対して同じ“はい′の発声を第１
図Ｂのように行つごともできる。ここでＨ，Ａ、Ｉの準
定常部の長さは発声ことに変化し、これによって時間軸
の変動を生じる。ところがこの場合に、各音韻間の過渡
部（斜線でボず）は比鮫的時間軸の変動が少いことか判
明した。

そごで第２図において、マイクしＩフォノ（１１にイ共
給された音声信号がマイクアンプ（２）、５．５　ｋｌ
ｌｚＪＪドのローパスフィルタ（３）を通し’（Ａ　−
Ｄ変換回路（４）に供給される。またクロック発生器（
５）からの１２．５　ＫＨｚ　（８０μｓｅｃ間隔）の
サンプリングク１ｍ＋　７りがＡ−Ｄ変換回路（４）に
供給され、ごのクィミングで音声信号がそれぞれ所定ビ
ット数（−１ワード）のデジタル信号に変換される。こ
の変換された音声信号が５×６４ワードのレジスタ（６
）にイＪ（給される。またクロック発生器（５）からの
５．１２ｒｎ　ｓｅｃ間隔のフレームクロックが５進カ
ウンタ（７）に供給され、このカウント値がレジスタ（
６）に供給され゛ζ音声信号が６４ワードずつシフトさ
れ、シフ１〜された４×６４ワードの信号がレジスタ（
６）から取り出される。

このレジスタ（６）から取り出された４　Ｘ　６４−２
５６ワードの信号が向速フーリエ変換（ＦＦＴ）回路（
８）に供給される。ここでこのＦ　Ｆ　Ｔｌ路（８）に
おいて、例えばＴの時間長に含まれるｎｆｌｌｌＩｌの
ザンプリングデータによって表される波形函数をＵｎｆ
Ｔ（ｆ）　　　　　　　　　　　町−ｉｌ＋としたとき
、ごれをフーリエ変換して、の信号が得られる。

さらにこのＦＦＴ回路（８）からの（１，ｙ３−かパワ
ースペクトルの検出回ゼ８（９）に供給され、ＩＵ２１
＝Ｕｉ、、（ｆ）＋０２ｎ、（ｆ）　　　　、旧−・（
３）ツバワースベクトル信号が取り出される。ごごでフ
ーリエ変換された信号は周波数軸上で対称になっている
ので、フーリエ変換によって取り出されるｒｌ　（個の
データの半分は冗長データである。そこで半分のデータ
を排除して４−　ｒｒ　（個のデータが取り出される。

すなわち上述のＦ　ＦＴＴｌＩ８．　［８１に供給され
た　２５６ワートの信捗か変換されて　１２８ワードの
パワースペクトル信号が取り出される。

このパワースペクトル信号かエンファシス回路α０）に
供給されて聴感上の補止を行うだめの中み付げか行われ
る。ごごで止ミ付けとしζは、例えは周波数の面域成分
を増強する補ｉにが１ｒねれる。

この重み付けされた信−ぢが帯域分割回１？ｇ、（１１
）に供給され、聴感特性に合せた周波数メルスケールに
応して例えば３２の帯域に分割される。ごごでパワース
ペクトルの分割点と異なる場合にはその信号が各帯域に
按分されてそれぞれの帯域の信号の量に応じた信号が取
り出される。これによって上述の１２８ワードのパワー
スペクトル信号が、音響的特徴を保存したまま３２ワー
ドに圧縮される。

この信号が対数回路（１２）に供給され、各信号の対数
値に変換される。これによって上述のエンファシス回路
αＯ）での重み付は等による冗長度が排除される。ここ
でこの対数パワースペクトル１０ｇ、　ｌ　Ｕｎ　ｘ　
Ｔ　（ｆ）　ｌ　　　　　　　　・・・・・・（４）を
スペクトルパラメータｘ（＋＋　　（ｉ　＝　０　、　
１−３１）と称する。

このスペクトルパラメータｘ（１）力情１１敗的フーリ
エ変換（ＤＦＴ）回路（１３）に供給される。ここでこ
のＤＦＴ回路（１３）において、例えば分割された帯域
の数をＭとすると、このＭ次元スペクトルパラメータｘ
ａ＋　　（ｉ＝ｏ、１−Ｍ−１）を２Ｍ点の実数対称パ
ラメータとみなしてＤ　Ｆ　Ｔを行う。

ｉ足っ゛で ２Ｍ ｍ＝ｏ　、　１−−−２Ｍ−１ となる。さらにこのＤＦＴを行う函数は遇函数とみなさ
れるため となり、これらより となる。このＤＦＴによりスペクトルの包絡特性を表現
する音響パラメータが抽出される。

このようにしてＤＦＴされたスペクトルパラメータＸ　
（ｉ）について、０〜Ｐ−１（例えはＰ−８）次までの
Ｐ次元の値を取り出し、これをローカルパラメータＬ（
Ｐ）（ｐ−０，１・・・Ｐ−１）とすると・・・・・・
（７） となり、ここでスペクトルパラメータが対称であること
を考慮して ｘ（Ｉ）−’　ｘ（２Ｍ−１−１）　　　　　　　　　
　・・−・・（８１とおくと、ローカルパラメータＬω
）は但し、ｐ＝０．１・・・ｐ−ｉ となる。このようにして３２ワードの信号がＰ（例えば
８）ワードに圧縮される。

このローカルパラメータＬ■がメモリ装置（１４）に供
給される。このメモリ装置（１４）は１行Ｐワードの記
憶部が例えば１６行マトリクス状に配されたもので、ロ
ーカルパラメータＬω）が各次元ごとに順次記憶される
と共に、上述のクロック発生器（５）からの５．１２ｍ
５ｅｃ間隔のフレームクロックが供給されて、各行のパ
ラメータが順次横方向ヘシフトされる。これによってメ
モリ装置（１４）には５．１２ｍ５ｅｃ間隔のＰ次元の
ローカルパラメータＬ　’　（Ｐ）が１６フレーム（、
８１，９２ｍ　ｓｅｃ　）分記憶され、フレームクロッ
クごとに順次新しいパラメータに更新される。

さらに例えはエンファシス回路（［ｌ）からの信号が音
声過渡点検出回路（２０）に供給されて音韻間の過渡点
が検出される。

この過渡点検出信号Ｔ　（１）がメモリ装置（１４）に
供給され、この検出信号のタイミンクに相当するローカ
ルパラメータＬＣＰ）が８番目の行にシフトされた時点
でメモリ装置（１４）の読み出しが行われる。ここでメ
モリ装置（１４）の読み出しは、各次７ＣＰごとに１６
フレ一ム分の信号か横方向に読み出される。そして読み
出された信号がＤ　Ｆ　Ｔ回路（１５）に供給される。

このＤＦＴ回路（１５）において上述と同様にＤＦＴが
行われ、音響パラメータの字系列変化の包絡特性が抽出
される。このＤＦＴされた信号の内から０−Ｑ−１（例
えばＱ＝３）次までのＱ次ノ乙の値を取り出す。このＤ
　Ｆ　Ｔを各次元Ｐごとに行い、全体でＰｘＱ（＝２４
）ワードの過渡点パラメータＫ（Ｐ、（１）（ｐ＝０．
１・・・Ｐ−１）（ｑ＝０゜１・・・Ｑ−１）が形成さ
れる。ごごで、Ｋ　（０，０）は定Ｖ！なので、ｐ−０
のときにｑ＝１−Ｑとしてもよい。

すなわち第３図において、第３図Ａのような人力音声信
号（ＩＡＩ）に対し゛ζζ第３已Ｂような過渡点が検出
されている場合に、この信号の全体のパワースペクトル
は第３図Ｃのようになっている。そして例えば１−Ｈ−
ＡＪの過渡点のパワースペクトルが第３図りのようであ
ったとすると、この信号かエンファシスされて第３図Ｅ
のようになり、メルスケールで圧縮されて第３図Ｆのよ
っになる。この信号がＤ　Ｆ　Ｔされて第３図Ｇのよう
になり、第３図■１のように前後の１６フレ一ム分がマ
トリックされ、この信号か順へ時間軸を方向にＤ　Ｆ　
Ｔされて過渡点パラメータＫ　Ｏ＋、　Ｑ）が形成され
る。

この過渡点パラメータＫ　（Ｐ、　Ｑ）かマハラノビス
距離算出回路（１６）に供給されると共に、メモリ装置
（１７）からのクラスタ糸数が回路（１６）に供給され
て各クラスタ系数とのマハラノビス距離が算出される。

ここでクラスタ系数は複数の話者の発音から上述と同様
に過渡点パラメータを抽出し、これを音韻の内容に応じ
て分類し統計解析して得られたものである。

そしてこの算出されたマハラノビス距離が判定回路（１
８）に供給され、検出された過渡点が、何の音韻から何
の音韻への過渡点であるかが判定され、出力端子（１９
）に取り出される。

ずなわぢ例えば“はい”いいえ”パ０　（ゼロ）〜“９
　（キュウ）”の１２車語について、あらかじめ多数（
６Å以上）の話者の音声を前述の装置に供給し、過渡点
を検出し過渡点パラメータを抽出する。この過渡点パラ
メータを例えば第４図に示すようなテーブルに分類し、
この分類（クラスタ）ごとに統計解析する。図中＊は無
音を示す。

これらの過渡点パラメータについて、任意のザ標で例え
ばａ＝ｌは＊−＋Ｈ，ａ＝２はＨ→Ａに対応する。ｎは
話゛者番号）として、共分散マトリクス Ｅはアンサンプル平均 を計数し、この逆マトリクス を求める。

ここで任意の過渡点パラメータＫｒとクラスタａとの距
離が、マハラノビスの距離 を求めて記憶しておくことにより、マハラノビス距離算
出回路（１６）にて人力音声の過渡点パラメータとのマ
ハラノビス距離が算出される。

これによって回路（１６）から人力音声の過渡点ごとに
各クラスタとの最小距離と過渡点の順位が取り出される
。これらが判定回！！ｔ（１８）に供給され、人力音声
が無声になった時点において認識判定を行う。例えば各
単語ごとに、各過渡点パラメータとクラスタとの最小距
離の平均値による単語距離を求める。なお過渡点の一部
脱落を考慮して各単語は脱落を想定した複数のタイプに
ついて単語距離を求める。ただし過渡点の順位関係がテ
ーブルと異なっているものはリジェクトする。そしてこ
の単語距離が最小になる単語を認識判定する。

従ってこの装置によれば音声の過渡点の音韻の変化を検
出しているので、時間軸の変動がなく、不特定話者につ
いて良好な認識を行うことができる。

また過渡点において上述のようなパラメータの抽出を行
ったことにより、一つの過渡点を例えば２４次元で認識
することができ、認識を極めて容易かつロー確に行うこ
とができる。

なお上述の装置におい４１２０名の話者にて学習を行い
、この１２０名以外の話＃にて上述１２単語について実
験を行、った結果、９８．２％の平均認識率が得られた
。

さらに上述の例で“はい゛のｌ　Ｈ−Ａ　ｊと　８（ハ
ナ）”のｆ　Ｈ−Ａ　Ｊは同しクラスタに分１＋’ｉ　
１１Ｊ１１シＣある・従って認識すべき言倍の音韻数を
αとし゛（ａＰν（固のクラスタをあら力・し、めｄ１
労゛シ（＝クラスタ係数をメモリ装置（１７）に記憶さ
ゼご、１′、′ＧＪは、種何１の単語の認識番こ通用で
き、多くの語いの認識を容易に行うことができる。

とごろで従来の過渡点検出としては例えば８饗パラメー
タ■、（ロ）の変化量の総和を用いる方法がある。すな
わちフレームごとにＰ次のバラメークが抽出されている
場合に、ＧフレームのパラメータをＬω）（Ｇ）　　（
ｐ−０，１・・・Ｐ−１）としたときのような差分量の
絶対値の総和を利用して検出を行う。

ここでＰ１次元のときには、第５図Ａ、１３に示すよう
にパラメータＬ　（Ｐ）　　（Ｇ　）の変化点において
パラメータＴ６つのピークが（２＃らｈる。ところが例
えばＰ＝２次元の場合に、第５図Ｃ，ＤにンＪＭ　’Ｊ
’０次、１次のパラメータ１．（＋１）（（ン）　、Ｌ
ｔｌ）（Ｇ）がＦ述と同様の変化であっても、それぞれ
の差分量の変化が第５図Ｅ、Ｆのようごあ、、た場合に
、パラメータＴ　（Ｉｊｌのピークが２つになっ゛（過
渡点を一点に定めることができなくなってしまう。これ
は２次元以上のパラメータを取った場合に一般的に起こ
りうる。

また上述の説明ではｔｃｐ＋ＣＧ）の変化は第５図Ｈの
ようになり、これから検出されたパラメータＴ（Ｇ）に
は第５図■に不すように多数の凹凸が生じてしまう。

このため上述の方法では、検出か不正確であると共に、
検出のレベルも不安定であるなど、種々の欠点があった
。

発明の目的 本発明はこのような点に鑑の、容易かつ安定な音声過渡
点検出方法を提供するものである。

発明の１ｌｌｌｌ要 本発明は人力音声信号を人間の聴覚特性に応じて等しく
重み付けして音響パラメータを抽出する手段と、この音
響パラメータのレベルに対して正規化を行う手段とを有
し、この正規化された音響パラメータを複数フレームに
亘って監視し、この複数フレームの平均値を求め、この
平均値よりのこの複数フレームの夫々の差を求めこれに
より、この音響バラメークのピークを検出するようにし
たもので、斯る本発明に依れば容易かつ安定な音声過渡
点を検出することができる。

実施例 以ドに図面を参照しながら本発明音声過渡点検出方法の
一実施例について説明しよう。

第６図において、第２１図のエンファシス回路（Ｉωか
らの重め付けされた信号が帯域分割回路（２］）に供給
され、上述と同様にメルスケールに応じてＮ（例えば２
０）の帯域に分割され、それぞれの帯域の信号の量に応
じた信号Ｖ（１１）　（ｎ＝０．　１・・・Ｎ−１）が
取り出される。この信号がバイアス付き対数回路（２２
）に供給されて ｖ’（ｎ＞　−１ｏｇ　（Ｖ＋ｎ＋　十Ｂ　）　　　　
　　　−＝ｕωが形成される。また信号Ｖ　（ｎ）が累
算回路（２３）に供給されて が形成され、この信号Ｖａが対数回路（２２）にイノ（
給されて Ｖ’ａ　”＝　　ｌｏｇ（Ｖａ　＋　Ｂ）　　　　　　
−”’　（１１）が形成される。そしてこれらの信号が
演算回路（２４）に供給されて ■（〜−−ＶＢ　−Ｖ（れ）　　　　　　　・・・・・
・（工２）が形成される。

ここで上述のような信号Ｖ〔ｎ）を用いるごとにより、
この信号は音韻から音韻への変化に対して各次（ｎ−０
，１・・・Ｎ−１）の変化が同程度となり、音韻の種類
による変化量のばらつきを回避できる。

また対数をとり演算を行って正規化パラメータＶ　（ｎ
）を形成したことにより、人力音声のレベルの変化によ
るパラメータ■（旧の変動が排除される。さらにバイア
スＢを加算して演算を行−２たことにより、仮りにＢ→
鈴とするとパラメータＶ＋ｎ）”Ｏとなることから明ら
かなように、入力音声の微少成分（ノイズ等）に対する
感度を士げるごとができる。

このパラメータＶ　（ｎ＋がメモリ装置（２５）に供給
されて２ｗ＋１　（、例えば９）フレーム分か記憶され
る。この記憶された信号が平均値を求める演算回路（２
６）に供給されて、平均値信号が形成され、この平均値
信号Ｙｎ、＋とパラメータＶθυが演算回路（２７）に
供給されてイｌ、１．ａ：≧　１ が形成される。このＴｃｏが過渡点検出パラメータであ
って、ごのＴり１）がピーク判別回路（２８）に供給さ
れて、人力音声信号の音韻の過渡点が検出され、出力端
子（２９）に取り出されて例えば第２図のメモリ装置（
１４）の出力回路に供給される。

ここでパラメータＴ　（＋）が、フレームｔを挾んで前
後Ｗフレームずつで定義されているので、不要な凹凸や
多極を生じるおそれがない。更に複数フレームの平均値
を求め、この平均値よりのこの複数フレームの夫々の巻
を求めこれより音響パラメータＴ　（ｈ＋のピークを検
出するようにしているのでより安定し過渡点を検出でき
る。なお第７図は例えば″ゼロ″という発音を、ザンブ
リング周波数１２．５　ｋｌｌｚ、１２ビツトデジタル
デークとし、５．１２ｍ５ｅｃフレ一ム周期で２５６点
のＦ　ＦＴを行い、帯域数Ｎ−２０、バイアスＢ−０、
検出フレーム数２Ｗ十１−９で上述の検出を行った場合
を示している。

第７図Ａは音声波形、第７図Ｂは音韻、第７図工は検出
信号であって、［無音→ＺＪ　　１−Ｚ−＋ＥｌｒＥ−
Ｒｊ　　ｒＲ−ＯＪ　　ｒ〇−無音」の各過渡部で顕著
なピークを発生ずる。ここで無音部にノイズによる多少
の凹凸が形成されるがこれはバイアスＢを大きくするこ
とにより破線図不のように略０になる。

こうして音声過渡点が検出されるわけであるが、本発明
によれば音韻の種類や入力音声のレベルの変化による検
出パラメータの変動が少＜、富に安定な検出を行うこと
ができる。

なお本発明は上述の新規な音声認識方法に限らず、検出
された過渡点と過渡点の間の定−７１部を検出したり、
検出された過渡点を用い゛Ｃ定當部の時間軸を整合する
場合にも適用できる。また音声合成において、過渡点の
解析を行う場合などにも有効に利用できる。又本発明は
上述実施例に限らず本発明の要旨を逸脱することなくそ
の他種々の構成が取り得ることは勿論である。

発明の効果 本発明に依れば容易かつ安定に音声過渡点を検出するご
とができる利益がある。

【図面の簡単な説明】

第１図〜第４図は音声認識装置の例の説明に供する線図
、第５図は過渡点検出の説明に供する線図、第６図は本
発明音声過渡点検出方法の一例の系統図、第７図は本発
明の説明に供する線図である。 （１）はマイクロフォン、（３）はローパスフィルタ、
（４）はＡ−Ｄ変換回路、（５）はクロック発生器、（
６）はレジスタ、（７）はカウンタ、（８）は高速フー
リエ変換回路、（９）はパワースペクトル検出回路、Ｇ
ｏ＋はエンファシス回路、（２１）は帯域分割回路、（
２２）は対数回路、（２３）　、　　（２４）　、　　
（２６）　、　　（２７）は演算回路、（２５）はメモ
リ装置、（２８）はピーク？ｌＩ別回路、（２９）は出
力端子である。 手続補正書 （特許庁審判長　　　　　　　　　　　　殿）■、小事
件表ンＪく 昭和５８年特許願第　４１２０３　　号２、発明の名称
　　音声過渡点検出方法３、補正をする者 事件トノ関係４、’１’　：ｊ’ｌ出’！ｌ！Ｉ’ｊ　
人住所　東京部品用区北品用６’Ｔ　Ｉ−１７−ｉｆ’
；３５′弓名称（２１８）　　ソニー株式会社 代表取締役　大　’１）ｊ−−１ｊｌｊ、　　力、１１
４、代　理　人　東京都新宿区西Ｊｌｉ宿ＩＴ’　１−
１８番１号ｉ′ｉ山ヒル・ＴＥ＋＋東！＋’、’（０３
）３４３　５８２＋　１代ノ、・（３３８８）　　弁理
士　伊　　　　藤　　　　貞５、補止命令の１−］ｆ・
］　　　昭１１１　　　年　　月　　１１６、袖正によ
り増加する発明の救 ７、補　正　の　ス・ｊ　象　　明細書の発明の詳細な
説明の’ＫＡＯ（１）明細書中、第７頁１５行〜第９頁
下から８行「を２Ｍ点の・・・・・・とがる。」とある
を次のように訂正する。 ［を２Ｍ−１点の実数対称パラメータとみなして（２Ｍ
−２）点のＤＦＴを行う。従ってｍ＝ｏ　、　１−’・
２Ｍ−３ となる。さらにこのＤＦＴを−行う函数は通函数とみな
されるため Ｗｍ１＝　ｃｏｓ　（Ｍ） ２Ｍ−２２Ｍ−２ となり、これらより となる。このＤＦＴによりスペクトルの包絡特性を表現
する音響パラメータが抽出される。 このようにしてＤＦＴされたスペクトルパラメータＸ（
ｉ）にライて、Ｏ−Ｐ’−１（例えハＰ　＝８）次まで
のＰ次元の値を取り出し、これをローカルパラメータＬ
（ｐ）（ｐ＝ｏ、１・・・Ｐ−１）とすると となり、ここでスペクトルパラメータが対称であること
を考慮して ｘ（ｉ）＝ｘ（２Ｎｊ−ｉ−２）°°°°°（８）とお
くと、ローカルパラメータＬ（１）は） ＋　ｘ（Ｍ−１）ωＳ↓そ　　　　　　・・・・・（９
）但し、ｐ＝Ｑ　、１・・・Ｐ−１ となる。」 （２）同、第１０頁１９行「字系列変化」とあるな「時
系列変化」に訂正する。 （３）同、第１１頁５〜６行「定数なので」とあるな「
音声波形のパワーを表現しているのでパワー正規化のた
め」（コ訂正する。 （４）同、第１２頁３行、４行及び５行に夫々「クラス
タ系数」とあるを夫々「クラスタ係数」に訂正する。 （５）同、第１５頁９行「。ＬＰｚ個」とあるを「Ｃ１
，Ｐ２個程度」に訂正する。 ０ 夫の差」に訂正する。 以　　　上

Claims (1)

【特許請求の範囲】
1. 入力音声信号を人間の聴覚特性に応じζ等しく重メ付け
   して音響パラメータを抽出する手段と、この音響パラメ
   ータのレベルに対して正規化を行う手段とを有し、この
   正規化された音響パラメータを複数フレームに亘って監
   視し、該複数フレームの平均値を求め、該平均値よりの
   上記複数フレームの夫々の差を求め、これにより上記音
   響パラメータのピークを検出するようにしたごとを特徴
   とする音声過渡点検出方法。