JPS61140999A - 音声区間検出方式 - 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） 本発明は音声認識装置における音声区間検出方式に関す
るものである。

（従来の技術） 従来の音声区間検出方式として、音声入力時の雑音レベ
ル、入力音声レベル等よりレベル閾値を設定しその閾値
と比較して入力レベル信号が大である状態が定められた
一定時間以上継続した時音声区間始端とし、その後入力
レベル信号が前記設定された閾値と比較して小である状
態が定められた一定時間以上継続した時音声区間終端と
し、上記判定により決定された始端から終端までを音声
区間として検出していた。

第２図は横軸を時刻として入力レベル信号変化の一例を
示したものである。第２図により上記動作を説明する。

入力レベル信号を時刻ｔの関数５（１）とし、雑音レベ
ル、入力音声レベル等より設定される音声区間検出用レ
ベル閾値をＬＴＨ１音声区間始端を決定する条件 ５（ｔ）＞ＬＴＨ なる状態の最低継続時間である音声区間始端決定高レベ
ル入力最低継続時間をＴＳとし、音声区間終端を決定す
る条件 Ｓ　（ｔ）≦ＬＴＨ なる状態の最低継続時間である音声区間終端決定低レベ
ル入力最低継続時間をＴＥする。第２図において入力レ
ベル信号５（ｔ）に対し前記閾値ＬＴＨと交差する時刻
をそれぞれｔｌ、ｔ２．・・・ｔ８とする。まず始端の
検出を行ない、該閾値ＬＴＨを前記継続時間７３以上越
える区間の始端を音声区間始端と決定し、次に終端検出
を行ない前記閾値ＬＴＨを前記継続時間ＴＥ以上下回る
区間の始端を音声区間終端と決定する０本例の場合、音
声区間始端はｔ３、音声区間終端はｔ８と決定される。

（発明が解決しようとする問題点） しかしながら電話機あるいはマイク等により入力される
音声において、音声発声終了直後の入力レベル信号は一
般的に呼吸音等の残留音の影響により音声レベルの減衰
率が発声時間に対して小さく、更にばらつきが大きいた
め、前記継続時間ＴＥを大きく設定した場合、音声終端
の検出が遅れるという欠点が生じ、またこれを避けるた
め前記ＴＥを小さく設定するとばらつきが大きく更に雑
音等の影響を受は易くいずれにしても音声区間終端が安
定かつ正確に検出できず更に終端検出が遅れるという欠
点があった。

音声区間の検出の誤差は音声認識の精度に直接影響する
０本発明は以上述べた欠点を除去するため、音声発声直
後の入力レベル信号が、前記残留音の影響によりばらつ
きが発生し、あるいは雑音が混入しても安定かつ正確に
検出し、更に音声の終端をも遅延なく検出する音声区間
検出方式を提供することを目的とする。

（問題点を解決するための手段） 上記目的を達成するための本発明の特徴は、音声の終端
検出用のレベル閾値を、始端検出用のレベル閾値よりも
高く設定することにある。

（作用） 音声区間の終端検出用レベル閾値が高いので、音声発声
終了直後の、呼吸音等の残留音の影響による音声レベル
の減衰率のパーラツキの影響をうけずに、雑音等に妨害
されずに正確に音声区間を検出することができる。更に
終端検出のための継続時間を短く設定することが出来る
ので、終端検出が遅れることもない、従って上記目的が
達成される。

（実施例） 第１図は本発明の実施例を示すブロック図である。第１
図おいてｌは入力信号、２は入力信号ｌを入力しその入
力信号ｌからレベルの抽出を行なうレベル抽出部であり
、入力信号ｌを入力レベル信号４に変換する。制御部３
は音声発声中でないと想定される時刻において閾値設定
部６へ閾値設定指令信号５を出力する。閾値設定部６は
閾値設定指令信号５を入力した時刻における入力レベル
信号４を入力として、音声区間始端検出に際し使用する
比較的低い音声区間始端検出用レベル閾値８と、音声区
間終端検出に際し使用する始端検出用レベル閾値８より
高い音声区間終端検出用レベル閾値９を設定し、音声区
間検出部１０へ出力するとともに、閾値設定終了信号７
を制御部３へ出力する。制御部３は閾値設定部６より閾
値設定終了信号７を入力後、音声区間検出指令信号１０
を音声区間検出部１１へ出力する。音声区間検出部１１
は制御部３より音声区間検出指令信号４ｏを入力後、入
力レベル信号４、音声区間始端検出用レベル閾値８、及
び音声区間終端検出用レベレ閾値９を入力として音声区
間検出を行ない、音声区間始端時刻１２と音声区間終端
時刻１３を制御部３へ出力する。

第３図は横軸を時刻として入力レベル信号変化の一例と
本発明の実施例を示したものである。入力レベル信号を
時刻ｔの関数５（ｔ）、音声区間始端検出用レベル閾値
をＬＴＨ３、音声区間終端検出用レベル閾値をＬＴＨＥ
、とする、また音声区間始端を決定する条件 ５（ｔ）＞ＬＴＨ３ なる状態の最低継続時間である音声区間始端決定高レベ
ル入力最低継続時間をＴＳ、音声区間終端を決定する条
件 ５（ｔ）＜ＬＴＨＥ なる状態の最低継続時間である音声区間終端決定低レベ
ル入力最低継続時間をＴＥとする。第３図において、入
力レベル信号Ｓ　（ｔ）に対しまず始端の検出を行ない
、前記閾値ＬＴＨ３を前記継続時間７３以上越える区間
の始端を音声区間始端と決定し、次に前記閾値ＬＴＨＥ
を前記粛続時間ＴＥ以上下興る区間の始端を音声区間終
端と決定される０本実施例の場合、音声区間始端はｔｌ
、音声区間終端はｔ２と決定される。第３図による実施
例において、音声発声終了前後に斜線部の如き残留音成
分の影響により入力レベル信号の減衰率が小さくなるこ
との影響を軽減するために、前記終端検出用閾値ＬＴＨ
Ｅを前記始端検出用閾値ＬＴＨ３に比較して高く設定す
る。これにより、残留音の有無等による発声音量のばら
つきに対する音声区間終端時刻のずれの大きさく図中Ａ
の範囲）は、音声区間検出検出用レベル閾値ＬＴＨＥを
前記閾値ＬＴＨ３と同じ値としたときの音声区間終端時
刻のずれ（図のＢの範囲）よりも極めて小さくなる。従
って終端決定継続時間ＴＥを短かく設定しても安定かつ
正確で終端検出の遅れることのない音声区間の検出が可
能となる。

なお、ＬＴＨ５とＴＨＥのレベル値はノイズレベルに関
係し、例えばノイズレベルがディジタル値で３００〜４
００のとき、前者はこれより１００高い４００〜５００
、後者はノイズレベルより２００だけ高い５００〜８０
０とする。つまり、後端検出用レベル閾値のノイズレベ
ルとの差は、始端検出用レベル閾値のノイズレベルとの
差の２倍又はそれ以上とするとよい。

（発明の効果） 以上詳細に説明したように本発明によれば音声区間始端
検出に使用するレベル閾（ａと音声区間終端検出に使用
するレベル閾値を別個に設定を行なう音声区間検出方式
としたので一般的に発声し易い呼吸音等の残留による音
声発声開始直前と音声発声終了直後における入力レベル
信号値の相違の影響を受けることなく正常に音声区間検
出を行なうことができ、音声認識装置における認識率の
向上が期待できる。

【図面の簡単な説明】

第１図は本発明に係る音声区間検出方式の実施例を示す
ブロック図、第２図は従来技術に係る音声区間検出方式
による実施例の説明図、第３図は本発明に係る音声区間
検出方式による実施例の説明図である。 （第３図の符合） ＬＴＨ３；音声区間始端検出用レベル閾値、ＬＴＨＥ　
；音声区間終端検出用レベル閾値、ＴＳ；音声区間始端
決定高レベル 入力最低継続時間、 ＴＥ；音声区間終端決定低レベル 入力最低継続時間、

Claims (1)

【特許請求の範囲】
1. 音声信号を所定のレベル閾値と比較し、音声信号のレベ
   ルがレベル閾値より高い区間を音声区間として検出する
   音声区間検出方式において、音声区間の終端の検出のた
   めのレベル閾値が、音声区間の始端の検出のためのレベ
   ル閾値より高く設定されることを特徴とする音声区間検
   出方式。