JPS61267099A

JPS61267099A - 音声フアイル装置

Info

Publication number: JPS61267099A
Application number: JP60108119A
Authority: JP
Inventors: 邦晃田畑; 樋野　匡利; 哲夫町田
Original assignee: Hitachi Ltd
Current assignee: Hitachi Ltd
Priority date: 1985-05-22
Filing date: 1985-05-22
Publication date: 1986-11-26
Anticipated expiration: 2011-11-20
Also published as: JP2555009B2

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】〔発明の利用分野〕本発明は、音声によるメツセージの蓄積・転送が可能な
音声ファイル装置に関する。

〔発明の背景〕

音声によるメツセージの蓄積・輯送が可能な音声ファイ
ル装置は、例えば、文献（日経エレクトロニクス、１９
８３．８．１５．　ｐｐ、　１９９〜２０８）Ｋ記載さ
れるような各植システムが既に実用化されている。これ
らの音声ファイル装置は、利用者が通話中ないしは不在
の場合にもメツセージ伝達を可能にするなど、オフィス
業務の生産性向上に貢献する機能を有している。しかし
、従来の音声ファイル装置では、蓄積した音声メツセー
ジの内容を知るためには、個々のメツセージを逐一、音
声再生して聴覚で確認する必要がめった。つまシ、複数
のメツセージの概略内容を利用者が瞬時に理解できるよ
うな「−荒性」や「視覚性」に欠けていた。このため、
利用者にとって関心度や重要度の高いメツセージから順
に選択して音声再生するといった臨機の対応が困難であ
シ、また、メツセージを逐一再生して内容確認するシー
ケンシャルな作業を余儀なくされるために大きな時間的
損失をともなうという問題があったっ〔発明の目的〕本発明の目的は、メツセージ内容やファイルの−を表示
機能を有する音声ファイル装置を提供することにある。

〔発明の概要〕

＃積された音声メツセージの中から抽出すべきキーワー
ド（単語）を、利用者が事前に設定し、これをキーワー
ド・テーブルに登録しておく。この登録の方法は、想定
するメツセージ発信者が発声したキーワードの音声波形
を周波数分析等の処理を施し、単語音声としての特徴量
に変換して登録するものである。各キーワードには、文
字符号等の識別名や属性データを付する。キーワード・
テーブルに登録する特徴量は可能な限シ、話者依存度の
少ないパラメータが望ましいが、場合によっては、同一
キーワードに対して、性別・年代別または何らかの分類
基準にもとづく話者群別に、複数の特徴量ｔ−登録して
もよい。

このようにして作成したキーワード・テーブルの特徴量
が、音声ファイル装置に到着する音声メツセージに含ま
れるか否かを照合する。ここで１音声メツセージは、連
続発声あるいは離散発声された音声パターンでアシ、キ
ーワード・テーブルへの登録データを語案とする単語認
識の技術を用いて、上記の照合処理を行なう。音声ファ
イル装置に蓄積された音声メツセージのなかから、抽出
されたキーワードの識別名や属性等を−ｆ表形式で表示
（可視化）する。このようか表示によって、利用者は、
各メツセージの概略内容を知シ、あるいは、利用者にと
って関心度や重要度の高いメツセージから順に音声再生
するための選択判断が可能になる。

以上のように、本発明は単語音声認識技術を応用したキ
ーワード抽出機能と音声ファイル機能を結合することに
よって、音声メツセージを可視化したところに特徴があ
る。さらに本発明は音声キーワードを認識した結果と同
じデータを一般のファイルのキーワードとして使用し、
各ファイルのキーワードを一覧表にして可視化表示し各
ファイルの索引とすることも可能であシ、本発明は音声
キーワードによるファイル索引方式をも提供するもので
あろうなお、本発明では、到着する音声メッセーージを構成す
る全ての単語を認識することを必要とするわけではない
。事前に登録した特定のキーワードのみを音声メツセー
ジから抽出できればよいのであシ、また、登録するキー
ワードの特徴量は、特定の話者に関するデータに限定し
てよい。すなわち、限定話者・限定倍型の単語認識を行
なえばよいので、当面本発明を実用化する上での大きな
技術的困難はない。

〔発明の実施例〕

本発明の基本原理を第１図に示す。図中、ｌはキーワー
ド・テーブル、２は音声認識部、３は管理テーブル、４
は表示部、５はメツセージの入力音声、６は音声入力部
、７はデータ圧縮部、８は音声記憶部、９はデータ伸長
部、ｌＯは音声出力部、１１はメツセージの出力音声、
１２は再生指示部である。

本装置に到着した音声メツセージ５は、連続発声あるい
は離散発声された音声パターンであシ、これを音声入力
部６でＡ／Ｄ　（Ａｎａｌｏｇｕｅ　　ｔ。

Ｄｉｇｉｔａｌ　）変換し、データ圧縮の後、音声記憶
部８に格納する。到着した音声メツセージ５は、また、
音声認識部２にも送出され、キーワード・テーブルｌに
事前に登録された特徴量と照合される。

キーワード・テーブル１には、通常、単語音声を単位に
して、複数のキーワードの４Ｉ微量が登録されているが
、このうち、入力音声の特徴量と合致するキーワードが
あれば、その識別名と属性等を管理テーブル３に登録す
る。管理テーブル３は、第２図の構造をもち、到着した
メツセージ単位に、メツセージ識別子、到着時刻、終了
時刻、抽出したキーワードの識別名とその出現頻度等を
記憶する。

キーワード・テーブル１は第３図の構造をもち、各キー
ワードごとに、識別子、記述文、話者群コード、優先度
、特徴量の格納アドレス３１等を記憶する。ここに、話
者群コードとは、音声メツセージの話者を特定するため
の符号であり、性別・年代別または何らかの基準にもと
づいて分類した話者＃を表す。勿論、各個人の話者に対
応して話者群コードを定めてもよい。なお、特徴量を示
すデータは全て同一の長さくＬ）をもつと仮定する。

また、記述文とは、各キーワードが意味する内容を表わ
した文字列である。例えば、「シキュク」と離散発声し
た単語音声をキーワードとして登録する場合、「至急」
という文字列を記述文として登録する。第３図の例では
、キーワード・テーブル１に登録された第１番目のキー
ワードは、識別子が°ＡＢＣ″で、記述文が「至急」、
話者群コードが″Ｇ″、優先度が°Ｏ″であることを示
す。

また、第２番目のキーワードは、識別子が“ＢＣＤ″で
、記述文が「連絡」、話者群コードが“Ｇ″、優先度が
“１＃であることを示す。

−例として、上記のようにキーワード・テーブルが設定
されている時、第ｎ番目に到着した音声メツセージ（到
着時刻が１０＝０７、終了時刻が１０：０９）が、メツ
セージ中の６ケ所に、キーワード−ＡＢＣ″を含み、３
ケ所にキーワードＢＣＤ”を含むものとすれば、このメ
ツセージは音声認識部２の処理の結果、ｆ理テーブル３
に第２図に示すように、抽出したキーワードの識別子（
“ＡＢＣ″と“ＢＣＤ″）および頻度、到着時刻、終了
時刻が登録される。

この管理テーブル３とキーワード・テーブルｌの情報を
もとくい到着した音声メツセージの概略内容を一覧表示
する。第４図は表示内容の一例を示したもので、到着時
刻の早い順あるいは優先度の高い順に、音声メツセージ
の識別子（項番）、抽出したキーワードの記述文と出現
頻度、話者群コード等ｔ−表示する。１つの音声・メツ
セージから複数個のキーワードを抽出した場合は、出現
頻度あるいは優先度の高い順に、キーワードの記述文を
表示してもよい。

また、到着した音声メツセージのなかから、優先度がＯ
（最高の優先度）をもつキーワード（例えば、第３図の
”ＡＢＣ″）ｔ−抽出した場合は、アラーム等により、
轟該メツセージが到着したことを利用者に通知する。

第４図の表示画面によって、利用者は音声メツセージの
概要や緊急度を推定できるので、このうち、重要度が高
いと判断した音声メッセ７ジの識別子（項番）を指定し
て、音声メツセージを再生する。音声記憶部８に蓄積さ
れた音声メツセージはデータ伸長の後、音声出力部ｌＯ
でＤ／Ａ（Ｄｉｇｉｔａｌ　ｔｏ　ｉｎａｌｏｇｕｅ）
変換して再生する。

音声認識部２は連続発声あるいは離散発声の音声パター
ンを単語認識する機能を有する。この単語認識の処理は
、基本的には、特徴抽出、パターンの類似度計算、参照
パターンと入カバターンの時間補正、判定からなる。各
処理の内容と実現方法については、文献（例えば、日経
エレクトロニクス、１９８３．８．１５．　ｐｐ、１９
９〜２０８）に詳しいので説明を省略するが、単語認識
装置は既に各種の方式が実用済（例えば、テキサス・イ
ンスツルメント社製のディジタル信号処理ボード“５Ｂ
ＳＰ−ａＯｏ１″　は、最大約５０個の語粱を登録でき
、１回の発声で最大２１個の単語を連続発声した音声パ
ターンのなかから単語を認識する）であるのが本発明は
これらの技術を自在に適用して実現することが可能であ
る。なお、キーワード・テーブル１に登録する特徴量と
は、例えば、ホルマント抽出や線形予測符号化の手法を
用いて音声パターンから抽出したものでちゃ、何を特徴
量とするかは、採用する音声認識方式に依存する。

第４図の特徴量の一覧表は各対応するファイルごとの特
徴的キーワードを示しているものとすることも出来る。

これらのファイルは音声ファイルに限らず、音声ファイ
ルと視覚的文書や帳票のファイルまたはデータのファイ
ルの結合されたものでもよい。すなわち一般のファイル
のキーワードを音声によるキーワードとしてこれらファ
イルの検索を行うことを可能とする。この場合第４図の
一覧表は複数のファイルの音声索引（インデックス）を
与えるものであル、これによシ、音声ぺ一スでのファイ
ル検索を容易にしている。

第５図に、本発明を適用した一実施例での７〜−ドウエ
ア構成を示す。図中、２１は電話網インタ７エス、２２
は音声処理装置、２３はスピーカ、２４はＣ几Ｔディス
プレイ、２５は磁気ディスク、２６はプロセッサ、２７
はメモリ、２８はキーボードである。２１は電話網と本
装置を接続するもので、到着する音声メツセージを取込
みあるいは、蓄積した音声メツセージを他に転送する。

到着した音声メツセージは、音声処理装置２２において
、Ａ／Ｄ変換しデータ圧縮して磁気ディスク２５に格納
する。２５には音声ファイルまたは音声認識されたキー
ワードを含むファイルが格納されている。

同時に、音声処理装置２２は到着し友音声メツセージか
らキーワードを抽出する。音声処理装置２２は、音声認
識部、キーワード・テーブル、人／Ｄ、Ｄ／Ａ、データ
圧縮部、データ伸長部を内蔵する。メモリ２７は、管理
テーブル３、プログラムやデータを格納する。第４図の
画面は、ＣＲＴディスプレイに表示する。この表示され
たキーワードを索引として欲しいファイルを見出したユ
ーザはそのキーボードの入力を音声で行うことも、キー
ボード等で行なうことも可能である。

このようにして入力したキーワードによシ音声メツセー
ジを抽出することが可能である。

例えば、キーボード２８で選択した音声メツセージは磁
気ディスク２５から取出し、音声処理装置２２ｔ−経由
してスピーカ２３に再生出力するつ〔発明の効果〕本発明によれば、単語音声認識技術を応用したキーワー
ド抽出機能と音声ファイル機能を結合することによシ、
音声メツセージに含まれるキーワードの抽出と出現頻度
の定量化、話者群の特定化などと行ない、一覧表形式で
視覚的に表示するので次の効果がある。

（１）　　複数の音声メツセージやファイルの概略内容
や話者（あるいはその性別−年代別の話者群）を容易に
、かつ、瞬時に推定できる。

（２）　　到着した音声メツセージのうち、利用者にと
って関心度や重要度の高いメツセージから順に選択して
音声再生するといった臨機の対応が可能である。

（３）　　指定したキーワードや話者群を含むメツセー
ジが到着したことを、メツセージ到着時点で利用者に通
知できるので、重要度の高いメツセージやファイルに迅
速に対応できる。

（４）　　従来方式のように、メツセージを逐＝再生し
て内容確認する必要がないので、利用者の負担が軽く、
また、時間的損失が少ない。

（５）　　音声をキーワードとした音声メツセージや一
般のファイルの索引を表示し、希望するファイルやメツ
セージの検索を音声で行うことが出来る。

【図面の簡単な説明】

第１図は本発明の原理を示すデータフロー図、第２図は
本発明の管理テーブルの構成図、第３図は本発明キーワ
ード・テーブルのテーブル構成図、第４図は本発明の出
力を表示した画面の例を示す説明図、第５図は本発明の
適用実施例のノ・−ドウエア構成図である。１・・・キーワード・テーブル、２・・・音声認識部、
３・・・管理テーブル、４・・・表示部、５・・・入力
音声、６・・・音声入力部、７・・・データ圧縮部、８
・・・音声記憶■　Ｚ　図第　３　図

Claims

【特許請求の範囲】１、音声データの入力・蓄積・出力機能を有する音声フ
ァイル装置において、いくつかのキーワード音声の特徴
量を記憶する第１の手段と、音声ファイル装置に到着す
る音声メッセージから上記キーワード音声の特徴量を認
識する第２の手段と、上記の認識結果を表示する第３の
手段を設けたことを特徴とする音声ファイル装置。２、上記音声ファイルが音声以外のファイル部と結合さ
れたファイルである第１項記載の音声ファイル装置。３、上記認識結果の表示が各ファイルの特徴を示すキー
ワードの表示である第１項記載の音声ファイル装置。４、上記音声以外のファイルと結合されたファイルが音
声認識によつて変換されたデータと同じデータをキーワ
ードとして含むファイルである第２項記載の音声ファイ
ル装置。