JPS6177900A - 音声区間検出装置 - 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、音声認識技術などで用いられる入力音声の存
在範囲全検出する音声区間検出装置に関するものである
。

（従来技術） 従来の音声区間検出装置としては、種々の方式疋よるも
のが試みられている。それらのうち代表的な方法として
、パワーや零交差数などの特徴パラメータの閾値をあら
かじめ設定し、入力信号のパワーや零交差数、あるいは
、単位時間内のパワーから求められるエネルギー唸どが
ある閾値を超えるかどうかで音声区間の検出を行うもの
がある。

以下に図面を用いて従来の音声区間検出装置の原理を説
明する。

第１図は従来の音声検出装置の原理を示すプ日ツク図で
ある。

マイク１から入力された音声は音声パラメータ抽出部２
においてパワーを含む特徴パラメータの時系列に変換さ
れる。

次に、あらかじめｄ閾値記憶部３に設定された閾値に従
い、音声区間検出部４において検出が行われる。この方
法は固定、あるいは、ノイズレベルに適応し几閾値と入
力音声の特徴パラメータを時間ごとに比較することによ
う実行される。音声検出部４における処理はたとえば特
願昭５８−１５６０９８号明細書「可変閾値型音声検出
器」に記載されている方式が知られている。

この方式は、入力信号中の雑音信号の平均電力を求め、
その値からパワー、パワーの累積などの閾値を設定し、
入力信号との比較により求めた、それぞれの閾値に対す
る結果から始端、終端を決定するものである。

音声区間検出後、入力音声が登録パタンの場合はＳ工ｔ
−Ａに切り換えｔ後、登録パタンバッファメモリ５に、
認識パタンの場合はスイッチＳＩをＢに切り換え几後、
認識パタンバッファメモリ６にそれぞれのパタンか記憶
される。

（従来技術の問題点） しかし、以上説明してきたような音声区間検出装置では
、音声区間検出のための閾値が、発声の個人差に適応し
ないため、発声者によっては、語頭１語尾の誤検出が起
こる場合がちる。このことは認識時に認識エラーが発生
することを意味する。

特に登録時にこのような誤検出が起こると、どのようく
すぐれｆｃ認識方式に用いたとしても認識エラーが大幅
に増加してしまうという問題が発生することになる。

（発明の目的） 本発明の目的は、登録パタンの音声区間検出が正確であ
シ、しかも１発声者ごとに、反適な閾値を学習する機能
を備えた音声区間検出装置を提供することにある。

（発明の構成） 本発明による音声区間検出装置は次のような缶部を必要
とする。すなわち、入力された？−ｆ市からパワーを含
むパラメータ時系列全抽出する音声パラメータ抽出部と
、前記音声パラメータ抽出部で得られた音声パラメータ
を記憶する、パタンバックアメモリと、人力された登録
パタンごとにあらかじめ定められたルールを記憶するル
ール記憶部と、前記パターンバッファメモリ内の登録パ
タンとルール記憶部のルールにより、最適の閾値を学習
する最適閾値学習部と、そこで得られ几最適閾値を用い
て、前記パタンバックアメモリ内の登録パタンおよび音
声パラメータ抽出部で得られた認識パタンの音声区間の
検出を行う音声区間検出部と、前記音声区間検出部によ
り音声検出された登録パタンを記憶する登録パタンバッ
ファメモリと、同じく前記音声区間検出部により音声検
出された認識パタンを記憶する認識パタンバッファメモ
リの各部である。

（本発明の作用・原理） 本発明の原理は、以下の：３つのステップに分けて考え
る事ができる。まず第１ステツプでは、複数個の登録パ
タンに対して求められた複数個の閾値から最適な閾値を
学習する。

十なわち登録ノζタンごとに音声区間検出が正確【求め
られる集注をルールとして与え、そのルールを満足する
閾値を各登録パタンに対してそれぞれ求める。このよう
に求められ７Ｊｑ数個の閾値は登録・Ｚタンに対して求
められたものであり、これらの中から最適のｒ１５値を
得ることにより、発声者の音声に適し比閾位を得ること
ができる。第２のステップは、第１ステツプで得られ次
最適間値を周込て、登録パタンの音声・滲出を行う。こ
こでは最適閾値が登録パタンから得られたものである几
め音声検出の確実性が期待できる。第３のステップ社登
録パタンの音声検出後、認識パタンに対して第２ステツ
プと同様に音声検出を行う。

（実施例） 以下に本発明の実施例について図面を参照しながら詳細
に説明する。

第３図は本発明のｆ声区間検出装置の一実施例を示すブ
ロック図であり、マイク１、竹串パラメータ抽出部２．
パタンバッファメモリ７、ルール記憶部８、最適閾値学
習部９、音声区間検出部４、登録パタンバッファメモリ
５％認識パタンバッフ７メモリ６とからなる。

ここでは入力音声を数字に限り、登録パタンとして「ゼ
ロＩ「イチＪｒニイ」・・・・・「キエー」を１回ずつ
計１０パタン、シ識パタンとして「ニイサンＪの１パタ
ンを用いた場合を例にとって説明する。

第１ステツプで吋、まずスイッチＳ２’ｉＡに切り換え
た後マイクｌから入力されたデータ「ゼロ」〜「キュー
」が音声パラメータ抽出部２においてパワーを含む特徴
パラメータの時系列に変換される。

そこで求められｔパラメータはパタンバッファメモリ７
に収納される。ルール記憶部８には「ゼロ」〜「キュー
」それぞれのデータごとに音声区間が確実に検出できる
ような条件が定めである。

たとえば「【１り」に対しては Ｅ’ＲＯＫＵくｈ”ｉｎ・・・・・・・・・・・・・・
・・・（１）ＮＰ＝　２　・・・・・・・・・・・・・
・・・・・・−・・（２）が考えられる。ＥＲＯＫＣｒ
けパタン「ロク」に対してあらかじめ定めたエネルギー
閾値であり、Ｅｉ　ａは人力音声に対して仮に検出され
た音声区間に対するパワーの積分である。ま次、ＮＰは
極大値をとるＸの数、Ｐ　ｌ）は時刻ｔにおけるパワー
、Ｔは入力音声の時間長であるう すなわち、ここでの条件とけ「パワーの積分がＥ　ＲＯ
ＫＩＴより大きく、かつ極大値を２つ持つ」と言い閏え
ることがでへる。

「ロク」の後半部分「り」は、無声化する′と、パワー
のレベルがかなり下がるため、標準的な音声検出レベル
では「り」は検出できない。そこでそのような場合を防
ぐために“極大値を２つ持つ゛という条件をルールとし
て与えるわけである。

次の処理はこのような全登録パタンに対するルールと登
録パタンとから最適閾値学習部９にお込て最適な閾値を
求めることである。最適閾値学習部９の構成は第２図（
１）に示される通りである。登録パタン「ロク」を例に
とって以下にその処理を説明する。低閾値記憶部９１に
記憶されている閾値を初期値とし、入力された登録デー
タ「ロク」Ｋ対するルールを用いて、そのルールを満足
する閾値を閾値決定部９２において求める。第２図（２
）は閾値決定部９２における「ロク」の音声検出の様子
を示している。Ｌｓは仮閾値Ｌｙはルールを満足する閾
値であり、閾値は極の数ＮＰ＝２になるまで徐々に下げ
られる。

閾値決定部９２の構成は第２図（３）に示す通りである
。

マイクロプロセッサ９２１は第２図（４）に示すフロー
チャートに従って動作し、最終的に「ロク」Ｋ対する閾
値ＬＦが決定される。

第２図（４）中のブロック（８）では、従来の方法、た
とえば、前記の特願昭５８−１５６０９８号明細書に記
載されている方法、によって音声検出を行い始端（Ｔｓ
）と終端（Ｔ、）を求める処理を行う。

また、ＬＶは一度に下げられる閾値の値である。

このようにして求められた閾値は閾値記憶部９３に記憶
される。同様にして全登録パタンにつｂてそれぞれのル
ールを満足する閾値が閾値記憶部９３に記憶される。

全登録データに対して閾値が決定すると１次に最適閾値
決定部９４において最適の閾値を決定する。

ここでは１．たとえば、閾値記憶部９３における閾値の
最小値をとることが考えられる。最適閾値決定部９４は
最小値検出回路により構成され、ここで得られた最適閾
値は音声区間検出部４に記憶される。

以上説明したように、第１ステツプでは入力された登録
データに対して閾値を適応させる機能を持ち、従来方法
に比べ、より話者に適し７を閾値が得られる。

第２ステツプでは、スイッチ８３．Ｓ４を　Ａに切り換
えた彼、ｗＥ１ステップで求められｆｃ最適閾値を用い
て登録パタンの音声検出を音声区間検出部４において行
う。登録パタンバックアメモリ７には各登録データのパ
ラメータが既に記憶されているためそれを利用すること
ができる。

検出部４における処理は前述と同様に特願昭５８−１５
６０９８号明細書に記載されている音声検出器を用いる
事ができる。

第３ステツプでは、８２，８３．８４をＢに切り換え几
後、認識パタンの音声区間検出を行う。

マイク１よフ発声入力された「エイサン」は登録−時と
同様に音声パラメータ抽出部２で特徴パラメータが抽出
される。

次に第１ステツプど求められた最適闇値を用いて、音声
区間検出部４に訃いて第２ステツプと同様に検出を行う
。

以上、本発明による一実施例を説明しかが、扱うデータ
は、数字に限る必要はなく、音声ならば何でも適用でき
ることは自明である。また、説明中でルールの一例ｔ−
あげ比が、ルールは閾値を決定するための条件であると
いう意味において、ルールの記述内容、記述法は本発明
の本質を何らかえる吃のではない。し念がって、本発明
に含まれる。

また、最適閾値は全登録データの閾値すべてを用いて決
める必要はなく、そのうちの１個、あるいは複数個の登
録データに対する閾値のみを用いて決める事も考えられ
る。

さらに最適閾値決定部９４において複数個の閾値から最
適閾値を求める方法ｔｉ最小値の他に平均値をとる方法
、重み付は平均値をとる方法などが考えられる。

（発明の効果） 今まで述べてきたように、本発明による音声区間検出装
置では、発声の回数が従来とまったく変わら々いにもか
かわらず、以下の利点を生じる。

まず第１Ｋ、発声の個人性に対応できる。すなわち登録
パタンから最適の閾値を学習する究め、固定閾値製音声
検出装置に比べると、より発声者の音声に適応した閾値
を検出に使うことができる。

第２に、登録パタンに対する閾値から求めた最適閾値に
よりて再び登録パタンの音声区間検出を行うという点で
、従来の方法より登録パタンの誤検出が減るといえる。

このことは登録パタンの質の悪さ忙起因する認識エラー
を大幅に減少させることを示している。

【図面の簡単な説明】

第１図は従来の音声区間検出装置を示すブロック図、第
２図（１）は最適閾値学習部９を示すブロック図、第２
図（２）＃ｉ登録パタン「６」に対する閾値決定法を示
す図、第２図（３）は閾値決定部９２０回路図、第２図
（４）は閾値決定部９２１の７０−チャート、第３図は
、本発明による音声区間検出装置’に示すブロック図で
ある。 図において、 ｌ・・・・・・マイク、２・・・・・・音声パラメータ
抽出部、３・・・・・・閾値記憶部、４・・・・・・音
声検出部、５・・・・・・登録パタンバッファメモリ、
６・・・・・・認識パタンバッファメモリ、７・・・・
・・パタンバッファメモリ、８・・・・・・ルール記憶
部、９・・・・・・最適閾値学習部、９１　・・・・・
・仮閾値記憶部、９２・・・・・・閾値決定部、９３　
　・・・・・・閾値記憶部、９４・・・・・・最適閾値
決定部、９２１・・・・・・マイクロプロセッサ、９２
２・・団・Ｉ１０ボート、９２３・・・・・・メモリ、
８１．８２．８３．８４　　・・・・・・スイッチ。 ＥＦ？ＯＫυ＜　Ｅ、ｎ ＮＰ＝１ 」　　　　　（２） Ｅ＜Ｅ、ｎ ＲＯＫυ ＮＰ＝２ 手続補正書（■

Claims (1)

【特許請求の範囲】
1. 入力された音声からパワーを含むパラメータ時系列を抽
   出する音声パラメータ抽出部と、前記音声パラメータ抽
   出部で得られた音声パラメータを記憶するパタンバッフ
   ァメモリと、登録パタンごとにあらかじめ定められた判
   定条件を記憶する判定条件記憶部と、前記パタンバッフ
   ァメモリ内の登録パタンと判定条件記憶部出力とに適合
   する閾値を定める閾値決定部と、前記閾値決定部におい
   て得られた閾値を用いて、前記パタンバッファメモリ内
   の登録パタンおよび音声パラメータ抽出部で得られた認
   識パタンの音声区間の検出を行う音声区間検出部と、前
   記音声区間検出部により音声検出された登録パタンを記
   憶する登録パタンバッファメモリと、同じく前記音声区
   間検出部により音声検出された認識パタンを記憶する認
   識パタンバッファメモリとを有することを特徴とする音
   声区間検出装置。