JPS63220295A - 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〉 この発明は、音声認識装置における音声区間検出方式に
関する。

〈従来の技術〉 従来、音声認識装置における音声区間検出方式としては
次のようなものがある。この方式は、入力信号レベルに
適当な２つのしきい値を設定し、その１つは入力信号に
含まれる音声区間を確実に検出できるように低いレベル
のしきい値としており、他の１つは高いレベルのしきい
値としている。

そして、入力信号のレベルが低いレベルのしきい値を越
えた時刻を音声区間の始端候補とし、その後、入力信号
のレベルが高いレベルのしきい値を越えることなく、あ
るいは高いレベルのしきい値を越えた状態が所定の時間
続くことなく低いレベルのしきい値を下まわったときは
、上記始端候補を取消し、次に入力信号のレベルが低い
レベルのしきい値を越えた時刻を新たに音声区間の始端
候補とする。音声区間の始端候補を求めたのち、入力信
号のレベルが低いレベルのしきい値を越えた状態が継続
し、かつ高いレベルのしきい値を越えた状態が所定の時
間以上継続したときに、上記始端候補を音声区間の始端
と決定する。その後、入力信号のレベルが低いレベルの
しきい値を下まわっ１こ時刻を音声区間の終端候補とし
たあと、入力信号のレベルが高いレベルのしきい値を下
まわる状唇が所定時間以上継続したときに、上記終端候
補を音声区間の終端と決定し、上記決定した始端と終端
の間の区間を音声区間としていた。

〈発明が解決しようとする問題点〉 しかしながら、上記従来の音声区間検出方式においては
、音声区間の始端候補を求めたのらに入力信号のレベル
が高いレベルのしきい値を越えることなく、あるいは高
いレベルのしきい値を越えた状態が所定時間続くことな
く低いレベルのしきい値を下まわったときは、上記始端
候補を取り消すようにしている。そのため、高いレベル
のしきい値を越えた状態が上記所定時間継続しない継続
時間の短い音素や低いレベルのしきい値を越えるが高い
レベルのしきい値以下である音素で、かつその後に低し
ルベルのしきい値以下の無音区間が続く音素を、音声区
間から取り除くという問題がある。また、音声区間の終
端候補を求めたのちに入力信号のレベルが高いレベルの
しきい値を下まわる状態が所定時間以上継続したときに
、上記終端区間を音声区間の終端と決定しているので、
低いレベルのしきい値以下の無音区間に続く低いレベル
のしきい値以上で高いレベルのしきい値以下のレベルの
音素を音声区間から取り除くという問題がある。

さらにまた、高いレベルのしきい値を越える突発性の雑
音が入力信号に含まれたとき、その継続時間によっては
この雑音の始端を音声区間の始端として検出する。そし
て終端検出時の上記所定時間以内に本当の音声信号が入
力されると、結果的に音声区間の先頭に雑音を含め、し
かも終端検出時の上記所定時間は通常発声での促音の無
音部の最大時間に設定するので、上記雑音を含む誤った
音声区間の時間長は本当の音声区間の時間長よりかなり
長くなるという問題がある。また、高いレベルのしきい
値を越える突発性の雑音が終端検出時の上記所定時間以
内に現れたとき、この雑音を音声区間の後部に含め、し
かもこの雑音を含む誤った音声区間の時間長は本当の音
声区間の時間長より長くなるという問題らある。

そこで、この発明の目的は、明らかに音声区間として検
出される打音部の前や後にある、高いレベルのしきい値
を越えた状態が所定時間継続しない継続時間の短い有音
部や低いレベルのしきい値を越えるが高いレベルのしき
い値以下である有音部が音声成分であるか雑音成分であ
るかを判定し、音声信号を音声区間から取り除くことな
く、また音声区間に雑音成分を含めることなく正確に音
声区間を検出することにある。

〈問題点を解決するための手段〉 上記目的を達成するため、この発明は、高いレベルのし
きい値と低いレベルのしきい値を設定し、これらのしき
い値と入力信号レベルを比較して音声区間を検出する音
声区間検出方式において、上記高いレベルのしき１１値
を越えた状態が所定時間以上継続する有音部を明らかに
音声区間として検出し、上記明らかに音声区間として検
出される有音部の市や後の上記低いレベルのしきい値以
下の無音部を挾んで存在する上記高いレベルのしきい値
を越えた状態が上記所定時間継続しない継続時間の短い
有音部や、上記低いレベルのしきい値を越えるか上記高
いレベルのしきい値以下である低いレベルの有音部につ
いて、上記低いレベルを越えた状態が継続する時間長を
検出すると共に、上記明らかに音声区間として検出され
る有音部の前後の無音部の時間長を検出し、上記継続時
間の短い有音部や低いレベルの有音部の時間長あるいは
無音部の時間長に基づいて基準時間長を規定し、その基
準時間長と、上記無音部の時間長あるいは上記継続時間
の短い有音部や低いレベルの有音部の時間長とを比較し
て、上記継続時間の短い有音部や低いレベルの有音部が
音声成分であるか雑音成分であるかを判定して、上記継
続時間の短い有音部や低いレベルの有音部が音声成分で
ある場合に上記継続時間の短い有音部や低いレベルの有
音部と上記無音部を、上記の明らかに音声区間として検
出される有音部に付加して、音声区間を検出することを
特徴としている。

〈実施例〉 以下、この発明を図示の実施例により詳細に説明する。

第１図はこの発明の実施例を示すブロック図である。音
声人力部ｌから出力された入力信号は前処理部２でフィ
ルタを通過して高域強調され、さらにＡ／Ｄ変換される
。この前処理部２でデジタル信号に変換された入力信号
はレベル抽出部３に入力される。上記レベル抽出部３は
上記デジタル信号からレベル抽出を行ない、その抽出し
たデジタル信号のレベルを音声区間検出部４に出力する
。

上記音声区間検出部４は演算処理装置からなり、上記入
力信号のレベルを高いレベルのしきい値ＬＴＨおよび低
いレベルのしきい値ＬＴＬと比較し、さらに後述の処理
を行なって、入力信号の音声区間の始端と終端を検出し
、その音声区間の始端と終端を特徴量抽出部５に出力す
る。一方、上記特徴量抽出部５は上記前処理部２が出力
したデジタル信号をうけ、上記音声区間検出部４で検出
された音声区間について入力信号の特徴量を求め、その
特徴量を認識部６に出力する。上記認識部６は上記特徴
量をうけて音声認識を行う。

上記音声区間検出部４における音声区間の始端と終端の
検出方式を第２図に示す。

第２図において、（ａ）と（ｂ）は音声区間の始端検出
方法を示し、（Ｃ）は音声区間の終端検出方法を示した
もので、夫々、横軸に時間ｔをとり、入力信号のレベル
と２つのしきい値の関係を示している。ここで、入力信
号のレベルは時間【の関数Ｌ　（Ｌ）として示している
。また始端検出や終端検出において、Ｌ（Ｌ）＞ＬＴＬ
である場合を条件ＩＳＬ、（Ｌ）≦ＬＴＬである場合を
条件２　、Ｌ　（ｔ）＞　Ｌ　Ｔ　Ｉ−１である場合を
条件３とし、条件！を満たしている区間を有音区間、条
件２を満たしている区間を無音区間とする。上記入力信
号のレベルＬ（ｔ）は時刻ｔＬ。

ｔＬ、・・・・・、ｔ１２＋ｔにおいて低いレベルのし
きい値ＬＴＬと交差し、時刻ｔｈ、、（ｈ、、・・・・
・・ｔｈｅにおいて高いレベルのしきい値ＬＴＴ（と交
差している。

第２図（ａ）において、Ｌ　（Ｌ）は時刻ｔＣ＋におい
てＬ　Ｔ　Ｌと交差したあとＬ（ｔ）＞ＬＴＬ（条件Ｉ
）となる。時刻ｔＬ以前に始端候補が定まっていなけれ
ば、この時刻ｔ４＋を始端候補ｔｓ’と定める。その後
、Ｌ　（ｔ）はＬ　（ｔ）≦ＬＴＬ（条件２）となるこ
となく時刻ｔｈ、においてＬ　Ｔ　Ｉ（と交差したあと
Ｌ　（ｔ）　＞　Ｌ　ＴＨ（条件３）となる。この時刻
ｔＴｏ以降、Ｌ（ｔ）＞ＬＴＨ（条件３）を満たす状態
が始端決定条件の基準継続時間（ＴＣＢ）続いた時、す
なわち時刻（ｔＤＳ＝ｔｈ＋　＋　Ｔ　ＣＢ　）に、始
端候補ｔｓ’と定めた時刻ｔＬを始端【Ｓとする。

第２図（ｂ）の場合においては、Ｌ　（ｔ）は時刻ｔＬ
においてＬＴＬと交差したあとＬ（ｔ）＞ＬＴｔ、（条
件りとなる。時刻ｔ４を以前に始端候補が定まっていな
ければ、この時刻ｔ（ｉｔを始端候補ｔｓ’と定める。

その後、１．　（１）はＬ　（ｔ）≦Ｌ、ＴＬ（条件２
）となることなく時刻ｔｈ２においてＬＴＨと交差した
あと、Ｌ（ｔ）＞ＬＴＨ（条件３）となる。この時刻ｔ
Ｌ以降Ｌ（ｔ）＞ｔ、ＴＨ（条件３）を満たす状態が、
上記始端決定条件の基準継続時間（ＴＣＢ）続くことな
く、Ｌ　（ｔ）は時刻ｔｈｚにおいて再びＬＴＨと交差
したあとＬ　（ｔ）＜　Ｌ　Ｔ　Ｈとなる。Ｌ　（ｔ）
　＞　Ｌ　Ｔ　Ｈ（条件３）の状態が継続した時間（Ｔ
　ＯＴ　Ｈ＝　ｔＬ３−　ｔＬ２）が基準継続時間（Ｔ
ＣＢ）未満であるので、始端候補ＬＳ’と定めた時刻ｔ
Ｃｔを始端とすることを保留する。

その後Ｌ（ｔ）は時刻Ｌ（ｂにおいてＬＴＬと交差しＬ
（ｔ）≦ＬＴＬ（条件２）となる。

ここで、Ｌ（ｔ）＞ＬＴＬ（条件ｌ）である時刻ｔσ。

から［ρ３までの有音区間にある有音部が音声成分であ
るか雑音成分であるかを、上記有音区間の時間長（Ｔ　
ＯＴ　Ｌ　＝　ｔｆ２ｓ　　ｔ（！ｔ）と時刻ｔ（３以
降Ｌ（ｔ）≦ＬＴＬ（条件２）となる無音区間の時間長
とから判断する。すなわち、上記有音区間の時間長（Ｔ
。

ＴＬ）をもとにそれに続く無音区間の基準時間長（ＴＣ
Ｕ）を規定し、上記時刻ｔＱｓ以降Ｌ　（ｔ）≦Ｌ、Ｔ
Ｌ（条件２）となる無音区間の時間長が上記の規定され
た無音区間の基準時間長（Ｔ、Ｃ，Ｕ）より長い場合に
上記有音部を雑音成分とみなし、短い場合には上記有音
部を音声成分とみなす。

上記無音区間の基準時間長（ＴＣＵ）は次のように設定
する。。

■上記有音区間の時間長（ＴＯＴＬ）が所定の値より短
い場合は、この有音部は無声破裂音（例えば／に／、／
ｌ／）の破裂部である可能性があり、それに続く無音部
は気者部の可能性がある。そこで、ＴＯＴＬか無声破裂
音の破裂部の一般的な時間長の範囲内のとき、基準時間
長（Ｔ　ＣＵ）は無声破裂音の破裂部の直後の気者部の
一般的な継続時間に設定する。

■上記有音部のレベルがＬＴＨより低い場合は、この有
音部はレベルの低い母音の可能性があり、それに続く無
音部は破裂音や破擦音の前の無音部の可能性がある。そ
こで上記有音区間の時間長（ＴＯＴＬ）が低いレベルの
母音の継続時間の最小値より大きい場合は、無音部の基
準時間長（ＴＣＵ）は破裂音の前の無音部の一般的な時
間長に設定する。

■上記有音区間の時間長（ＴＯＴＬ）が上記の■や■の
範囲外のときは、この有音部は明らかに雑音成分である
ため、基準時間長（ＴＣＵ）を零に設定する。すなわち
この場合は、無音部の時間長に関係なく、雑音成分と判
断される。

時刻ｔＩ２．から始まる無音区間の時間長と上記規定し
た無音区間の基準時間長（ＴＣＵ）を比較し、時刻ｔ１
２３＋（ＴＣＵ）においてＬ　（ｔ）≦Ｉ、ＴＬ（条件
２）であるので、つまり有音区間に続く無音区間が基準
時間長（Ｔ　ＣＵ）より長くなるので時刻１（１からｔ
（３までの有音区間の有音部を雑音成分とみなし、時刻
ｔＬに定めた始端候補ｔｓ’を取消して、雑音成分を誤
検出することを防止する。その後、Ｌ　（ｔ）は時刻ｔ
Ｑ４で再びＬＴＬと交差したあとＬ（【）＞ＬＴＬ（条
件１）となるので、時刻１（、を新たに始端候補ｉｓ’
と定める。Ｌ（ｔ）はその後Ｌ　（ｔ）　＞　Ｌ　ＴＨ
（条件３）となることなく時刻ｔρ５においてＬ　（ｔ
）≦ＬＴＬとなるので、時刻ｔ（１，からｔ’、まで有
音区間の有音部が音声成分であるが雑音成分であるかを
判定するため、この有音区間（Ｔ　ＯＴ　Ｌ　＝　ｔ（
２ｓ−【ａ４）をもとにそれに続く無音区間の基準時間
長（ＴＣＵ）を規定する。この基準時間長（ＴＣＵ）と
時刻Ｌρ、からｔＱｌｌまでの無音区間の基準時間長（
ＴＵＴ　Ｌ　＝　ｔ４ａ　　ｔ１２ｓ）を比較すると、
ＴＵＴＬ＜ＴＣＵであるので時刻ｔＬからｔｆｆｓまで
の有音部を音声成分と判定する。その後、Ｌ　Ｑ）は時
刻ｔｈ、においてＬＴＨと交差したあとＬ（ｔ）＞ＬＴ
Ｉ−１（条件３）となり、この状態が始端決定条件のＪ
ＪＭ継続時間（ＴＣＢ）続いた時刻（ｔＤｓ＝ｔｈ、＋
ＴｃＢ）において、先に時刻１＆、に定めた始端候補ｔ
ｓ’を始端ｔｓと決定する。

以上述べた始端検出の条件をまとめると次のようになる
。

表　　１ 上記表１において、入力信号のレベルが高いレベルのし
きい値（Ｌ　Ｔ　Ｈ）を越えた状態が始端決定条件の所
定の継続時間（ＴＣＢ）続かない場合や入力信号のレベ
ルがＬＴＨ以下でかつ低いレベルのしきい値（ＬＴＬ）
を越える場合は、始端候補を始端と決定することを保留
し、入力信号のレベルがＬ　Ｔ　Ｈを越える状態がＴＣ
Ｂ以上以上続場合は始端候補を始端と決定する。また、
入力信号のレベルがＬＴＬ以下の状態（無音部）が、有
音部の時間長をらとに規定された無音区間の基準時間長
（ＴＣＵ）続かない場合は、この無音部の前にある有音
部を音声とみなし、無音部が基準時間長（ＴＣＵ）以上
続く場合は、この無音部の前にある有音部を雑音とみな
し始端候補を取消す。

第２図（ｃ）は音声区間の終端検出方法を示す。

時刻ｔＩ２７を始端候補と定め、時刻（ｔＤＳ　＝ｔｈ
ｓ＋　ＴＣＢ）で時刻ｔｉ７を始端と決定した後、Ｌ　
（ｔ）が初めてＬ　（ｔ）≦ＬＴＬ（条件２）を満たず
時刻ｔ（ｅを終端候補ｔＥ’と定める。その後、Ｌ　（
Ｌ）≦ＬＴＬ（条件２）を満足する状態が終端決定条件
の基準継続時間（ＴＣＥ）続いた時刻（ｔＤＥ＝ｔ１２
．＋ＴｃＥ）において終端候補ｔＥ’であるｔＱｍを終
端ｔＥとする。

上記基準継続時間（ＴＣＥ）は始端ｔｓと終端候補ｔＥ
’の間の音声区間候補の時間長（ＴＰＶ）をもとに設定
する。すなわち、上記基準継続時間（ＴＣＥ）は通常発
声の促音の無音部の最大時間（ＴＳＭＸ）に設定する。

しかし、上記音声区間の候補の時間長（ＴＰＶ）が短く
、この音声区間の候補に続く無音区間の時間長（ＴＵＴ
Ｌ）が長い場合は、この音声区間候補の有音部は雑音成
分である可能性がある。このため、上記ＴＰＶがある所
定の時間（Ｔ　ＣＶ　Ｎ）以下のときは上記基準継続時
間（ＴＣＥ）をＴ　Ｓ　Ｍ　Ｘ　（１’）　５０〜８０
　％ｉ：設定して、雑音成分の可能性がある音声区間の
終端を早期に設定している。こうすることによって、上
記無音区間のあとに入力された音声について、始端を適
格に設定することができる。換言すれば、而の雑音成分
の可能性がある音声区間を不必要に長くすることがない
ので、次に来る音声区間が前の雑音成分の可能性のある
音声区間に重なることがないのである。

時刻（ｔＤＥ＝ｔσ８＋ＴＣＥ）において終端ｔＥを決
定したとき、音声区間候補の時間長（ＴＰＶ＝ｔ（！ａ
　　ｔｌｂ）が音声区間の所定の最小時間長（ＴＣＶＭ
ＩＮ）より短いので、この音声区間候補の有音部を雑音
成分とみなし、すでに決めた始端および終端を取消して
新たに始端候補を求める。

Ｌ　（ｔ）が次にＬＴＬ、と交差する時刻ｔｉｅを始端
候補と定め、時刻（ｔＤｓ＝ｔｈｔ＋ＴｃＢ）において
時刻ｔＱＳを始端と決定する。その後時刻ｔＬ。におい
てＬ（ｔ）≦ＬＴＬ（条件２）となるので時刻ｔ（１＋
ｏを終端候補ｔＥ’と定める。そして、時刻ｔ（ｓから
ｔ（！＋ｏの間の音声区間候補の時間長（Ｔ　Ｐ　Ｖ　
＝ｔｉ２．。−ｔ１２Ｓ）をもとに上述した手順により
終端決定条件の基準継続時間（ＴＣＥ）を設定する。こ
の設定したＴＣＥと時刻ｔＱ＋ｏから時刻ｔσ、まで続
く無音区間の時間長（ＴＵＴＬ）を比較すると、ＴＵＴ
Ｌ＜ＴＣＰとなるので上記終端候補ＬＥ’を保留する。

その後、上記無音区間に続き時刻ＬＩ２＋１からＬＬｔ
の間のｔ、　（［）　＞　Ｌ　Ｔ　Ｌ　（条件ｌ）を満
たす有音区間が音声成分であるか雑音成分であるかを、
この有音区間の時間長（ＴＯＴＬ）と時刻ｔ１２＋ｏか
らｔＱｘまでの無音区間の時間長（ＴＵＴＬ）とから判
定する。

すなわち、上記無音区間の時間長（ＴＵＴＬ）をもとに
この無音区間に続く有音区間の基準時間長（ＴＣＳ）を
規定し、時刻ｔＬ＋からｔＬｔの間のＬ（ｔ）＞ＬＴＬ
（条件１）を満たす有音区間の時間長（Ｔ。

ＴＬ）が上記の規定された有音区間の基準時間長（ＴＣ
Ｓ）より長い場合はこの有音区間の有音部を音声成分と
みなし、時刻ｔＬｏに定めた終端候補ｔＥ’を取消して
、音声成分を誤って音声区間から除くことを防止する。

また、上記ＴＯＴＬが上記ＴＣ８より短い場合はこの有
音区間の有音部を雑音成分とみなし、この有音区間をＬ
　（ｔ）≦ＬＴＬ（条件２）である無音区間牛みなして
処理し、雑音成分を誤検出することを防止する。

上記有音区間の基準時間長（ＴＣＳ）は次のように規定
する。すなわち、通常の発声の終端部でＬ（ｔ）≦ＬＴ
Ｌ（条件２）を満たす無音区間の継続時間が通常発声で
の破裂音の曲の無音部の時間長より長い場合、この無音
区間のあとにＬ（ｔ）＞ＬＴＬ（条件ｌ）を満たす有音
区間として継続時間の短い音素群が存在する例は少ない
ため、この無音区間に続く有音区間の有音部は雑音成分
とみなすことができる。そこで、無音区間の時間長（Ｔ
ＵＴＬ）が破裂音の前の無音部の時間長より長いときは
、この無音区間に続く有音区間の基準時間長（ＴＣＳ）
を一般的な音素の継続時間に規定する。また、無音区間
の時間長（ＴＵＴＬ）が破裂音の前の無音部の時間長よ
り短いときは、パルス性の継続時間の短い雑音に対処す
べく音声区間の基準時間長（ＴＣＳ）を規定する。

第２図（Ｃ）において、時刻ｔ１２＋ｏを終端候補ｔＥ
’に定めたあと、時刻ｔＬｏからｔｌＬ＋まで続く無音
区間の時間長（ＴＵＴＬ）をもとに規定した有音区間の
基準時間長（ＴＣＳ）と時刻ｔＬ＋からｔＬｔまでの有
音区間の時間長（ＴＯＴＬ）を比較すると、Ｔ。

ＴＬ＜ＴＣＳとなるのでこの有音区間の有音部を雑音成
分とみなし、この有音区間を無音区間として処理する。

そして、時刻ｔ１２＋ｏに始まり時刻ｔ１２ｚからｔ１
２＋２を含めてＬ　（ｔ）≦ＬＴＬ（条件２）を満たす
状態が継続する継続時間と終端決定条件の基準継続時間
（ＴＣＥ）を比較する。ここで、時刻（ｔＤＥ＝を乙。

＋ＴＣＥ）においてＬ　Ｑ）≦ＬＴＬ（条件２）を満た
す状態の継続時間が上記基準継続時間（ＴＣＥ）と等し
くなるので、時刻ｔ１２＋。に定めた終端候補ｔＥ’を
終端ｔＥと決定する。また、始端ｔσ９から終端ｔＬｏ
までの音声区間候補の時間長（ＴＰＶ）が音声区間の所
定の最小時間長（ＴＣＶＭ［Ｎ）より長いので、この音
声区間候補を音声区間と決定する。

以上述べた終端検出の条件をまとめると次のようになる
。

一以下余白一 表２ ＊＊＊始端から終端候補までの時間長により基準時間長
（ＴＣＥ）を規定 上記表２において、入力信号のレベルが低いレベルのし
きい値（ＬＴＬ）を越える有音部の時間長が、それに先
行する無音部の時間長によって規定された音声区間の基
準時間長（ＴＣＳ）より短い場合は、この有音部を雑音
とみなし無音部として扱う。また上記有音部の時間長が
上記基準時間長（ＴＣＳ）より長い場合は、この有音部
を音声とみなし終端候補を取消す。また、終端候補に設
定した時刻に始まる入力信号のレベルが低いレベルのし
きい値（ＬＴＬ）以下の無音部の時間長が、それに先行
する有音部の時間長（始端から終端候補までの時間長）
をもとに規定された終端決定条件の基準継続時間（ＴＣ
Ｅ）より短い場合は、終端候補を終端と決定することを
保留する。また上記無音部の時間長が上記基準継続時間
（ＴＣＥ）より長い場合は終端候補を終端と決定する。

このように、高いレベルのしきい値を越えた状態が所定
時間以上継続する有音部を明らかに音声区間として検出
すると共に、上記明らかに音声区間として検出される有
音部の前後の無音部を挾んで存在する継続時間の短い有
音部や低いレベルの有音部が音声成分であるか雑音成分
であるかを基準時間と比較して判定して、上記継続時間
の短い有音部や低いレベルの有音部が音声成分である場
合に、この音声成分を上記明らかに音声区間として検出
される有音部に付加するので正確に音声区間を検出する
ことができる。

〈発明の効果〉 以上より明らかなように、この発明の音声区間検出方式
は、高いレベルのしきい値を滓えた状態が所定時間以上
継続する明らかに音声区間として検出される有音部の前
や後の低いレベルのしきい値以下の無音部を挾んで存在
する、上記高いレベルのしきい値を越えた状態が上記所
定時間継続しない継続時間の短い有音部や上記低いレベ
ルしきい値を越えるが上記高いレベルのしきい値以下で
ある低いレベルの有音部を、上記継続時間の短い有音部
の時間や低いレベルの有音部の時間長あるいは無音部の
時間長をもとに規定した基準時間長と、上記無音部の時
間長あるいは上記継続時間の短い有音部の時間長や低い
レベルの有音部の時間長とを比較することにより、音声
成分であるか雑音成分であるかを判定して、上記継続時
間の短い有音部や低いレベルの有音部が音声成分である
場合に上記継続時間の短い有音部や低いレベルの有音部
と上記無音部を、上記明らかに音声区間として検出され
る有音部に付加して音声区間を検出するので、正確に音
声区間の検出を行なうことができる。

【図面の簡単な説明】

第１図は、この発明の一実施例である音声区間検出方式
における信号処理の流れを示すブロック図、第２図は上
記実施例における音声区間の始端と終端の検出方式を示
す図である。

Claims (1)

【特許請求の範囲】
1. （１）高いレベルのしきい値と低いレベルのしきい値を
   設定し、これらのしきい値と入力信号レベルを比較して
   音声区間を検出する音声区間検出方式において、 上記高いレベルのしきい値を越えた状態が所定時間以上
   継続する有音部を明らかに音声区間として検出し、上記
   明らかに音声区間として検出される有音部の前や後の上
   記低いレベルのしきい値以下の無音部を挾んで存在する
   上記高いレベルのしきい値を越えた状態が上記所定時間
   継続しない継続時間の短い有音部や、上記低いレベルの
   しきい値を越えるが上記高いレベルのしきい値以下であ
   る低いレベルの有音部について、上記低いレベルを越え
   た状態が継続する時間長を検出すると共に、上記明らか
   に音声区間として検出される有音部の前後の無音部の時
   間長を検出し、上記継続時間の短い有音部や低いレベル
   の有音部の時間長あるいは無音部の時間長に基づいて基
   準時間長を規定し、その基準時間長と、上記無音部の時
   間長あるいは上記継続時間の短い有音部や低いレベルの
   有音部の時間長とを比較して、上記継続時間の短い有音
   部や低いレベルの有音部が音声成分であるか雑音成分で
   あるかを判定して、上記継続時間の短い有音部や低いレ
   ベルの有音部が音声成分である場合に上記継続時間の短
   い有音部や低いレベルの有音部と上記無音部を、上記の
   明らかに音声区間として検出される有音部に付加して、
   音声区間を検出することを特徴とする音声区間検出方式
   。