JPS6377095A - 音声区間の始端検出装置 - 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、音声認識装置へ音声を入力するたに用いられ
る音声区間検出装置に関するものである。

従来の技術 近年、音声認識等の音声情報処理、およびＬＳＩの技術
の発達に伴い、音声認識装置は民生機器、産業機器等に
利用され始め、この音声認識装置への入力に用いられる
音声区間検出装置も種々研究されてきた（例えば、特公
昭５５８−１２０２９７号公報）。

以下図面を参照しながら、上述した従来の音声区間検出
装置の一例について説明する。

第３図は従来の音声区間検出装置の一例のブロック図を
示すものである。

第３図において、２は入力音声の始端を検出する始端判
定部、３は入力音声の終端を検出する終端判定部である
。

以上のように構成された音声区間検出装置について、以
下その動作を説明する。

まず、始端判定部２は入力音声のエネルギーをあらかじ
め与えられた閾値と比較して、始端を決定する。次に終
端判定部３は入力音声のエネルギーをあらかじめ与えら
れた閾値と比較して、終端を決定する。

発明が解決しようとする問題点 しかしながら、上記のような構成では、入力音声のレベ
ルのばらつきに対して検出された始端。

終端にも、ばらつきがあり、高品質の音声認識装置を実
現する障害になるという問題点を有していた。

本発明は上記問題点に鑑み、入力音声のレベルのばらつ
きによる区間検出のばらつきを補正して、高品質の音声
区間検出装置を提供するものである。

問題点を解決するための手段 上記問題点を解決するために本発明の音声区間検出装置
は、入力音声を常時蓄えるメモリバッファと、入力音声
の最大エネルギーを検出する最大音声検出部と、入力音
声の最大エネルギーによって音声検出の閾値を設定する
閾値設定部と、設定された閾値により音声の始端、終端
を検出する始端判定部、終端判定部とを備えた構成とな
っている。

作　　用 本発明は上記した構成によって、まず入力音声データを
全てメモリバッファに蓄える。一方、同時に始端判定部
は音声区間の始端を、終端判定部は紙端を判定する。ま
た最大音声検出部は、入力音声をこれまでの最大値かつ
極大値だと判定すると閾値設定部は、新しい音声検出の
閾値を設定し、また以前に判定された始端から現時点ま
で、新しい音声検出の閾値によって始端の判定を行ない
直し、および終端の判定を行う。

実施例 以下本発明の一実施例の音声区間検出装置について、図
面を参照しながら説明する。

第１図は本発明の一実施例音声区間検出装置のブロック
図、第２図は同動作を示すフローチャートである。

第１図において、１はメモリバッファであり、入力音声
を常時記憶する。なお、メモリバッファ１は、ループ状
になっており、メモリサイズは、認識装置の認識対象単
語長の最大のものが格納できる大きさである。終端が検
出されるまで、このメモリバッフ１１に入力音声は記憶
され続けられる。２は始端判定部であり、入力音声のエ
ネルギー、あるいは―メモリバッファ１に蓄えられてい
る音声のエネルギーを閾値と比較して入力音声の始端を
決定する。３は終端判定部であり、入力音声のエネルギ
ー、あるいはメモリバッファに蓄えられている音声のエ
ネルギーを閾値と比較して終端を決定し、メモリバッフ
ァ１から、始端から終端までの音声データを出力させる
。４は最大音声検出部であり、入力音声のその時点まで
の最大かつ極大エネルギー全検出して、閾値設定部５へ
最大エネルギーを送り、始端判定部２．終端判定部３で
は、新しく設定された閾値により、以前に始端判定部２
で決められた始端以降、現時点までの音声エネルギーを
バック７メモリ１より読み込み始端検出あるいは終端検
出を行う。

以上のように構成された音声区間検出装置について、以
下第１図および第２図を用いてその動作を説明する。

尚、第２図においては、ステップ番号（以下Ｓという）
を用いて説明する。

１フレーム音声入力があると（Ｓ１１）、この入力音声
をメモリバッファ１に書き込む（Ｓ１２）。

また同時にこの入力音声の音声エネルギーを最大音声検
出部４で判定して（Ｓｌ　３　）、入力音声エネルギー
が最大であれば、閾値設定部６で閾値の設定を行う（３
１５）。そして、始端判定部２、終端判定部３では始端
、終端の判定を行ない（Ｓ１ｅ）、終端であれば、音声
区間検出は終了し、終端でない場合は（Ｓ１１）に戻り
１次のフレームの入力を待つ（３１７）。

一方、入力音声の音声エネルギーを最大音声検出部４で
判定して（Ｓ１３）、入力音声エネルギーが最大でない
場合、さらに最大音声検出部４で最大の次のフレームを
判定する（Ｓ１４）。ここで最大の次のフレームと判定
された場合、以前に決定された始点から現時点まで（Ｓ
１９）、メモリバッファ１から音声エネルギーを読み出
しく３１ｓ）、始端判定部２．終端判定部３により、始
端の判定を行ない直し、および終端の設定を行なう（Ｓ
２０）。最大音声検出部４で最大音量の次のフレームと
判定されなかった場合、始端判定部２．終端判定部３に
より、始端、終端の判定を行なう（Ｓ１ｅ）。

以上のように本実施例によれば、入力音声をメモリバッ
ファ１に蓄え、最大音声検出部４で検出された音声最大
エネルギーを閾値設定部５により音声検出の閾値を設定
して音声区間を検出することにより、高品質の音声区間
検出を行なうことができる。さらに最大音声検出部４で
は音声エネルギーの最大かつ極大を検出次第、始端判定
部２゜終端判定部３によりメモリバッファ１に格納され
ている音声エネルギーの判定を行なうので、リアルタイ
ムで音声区間検出を行なうことができる。

またメモリバッファ１は、ループ状に入力音声を記憶す
るため、メモリの容量が音声認識装置の認識対象単語の
なかで最長のものが格納できる大きさですみ、小さい容
量のメモリで良い。

発明の効果 本発明は、入力音声をメモリバッファに蓄え、最大音声
検出部で検出された音声最大エネルギーを閾値設定部に
より音声区間検出の閾値を設定して音声区間を検出する
ことにより、高品質の音声区間検出を行なうことができ
る。また最大音声検出部では、始端判定部、終端判定部
により、メモリバッフ１に格納されている音声エネルギ
ーの判定を行なうので、リアルタイムで音声区間検出を
行なうことができる。さらに本発明のメモリバッファは
、ループ状に入力音声を記憶するためメモリの容量が音
声認識装置の認識対象単語のなかで最長のものが格納で
きる大きさですむ等、数々の優れた効果を得ることので
きる音声区間検出装置を実現できるものである。

【図面の簡単な説明】

第１図は本発明の一実施例における音声区間検出装置の
ブロック図、第２図は本発明の一実施例における音声区
間検出装置の動作を示すフローチャート、第３図は従来
の音声区間検出装置のブロック図である。 １・・・・・・メモリバッファ、２・・・・・・始端判
定部、３・・・・・・終端判定部、４・・・・・・最大
音声検出部、５・・・・・・閾値設定部。 代理人の氏名　弁理士　中　尾　敏　男　ほか１名第１
図 第　２　図 第３図

Claims (4)

【特許請求の範囲】
1. （１）入力音声を常時蓄えるメモリバッファと、前記入
   力音声の最大エネルギーを検出する最大音声検出部と、
   前記入力音声の最大エネルギーによって音声検出の閾値
   を設定する閾値設定部と、設定された閾値により音声の
   始端、終端を判定する始端判定部、終端判定部とを備え
   たことを特徴とする音声区間検出装置。
2. （２）メモリバッファは、ループ状に入力音声を記憶す
   ることを特徴とする特許請求の範囲第１項記載の音声区
   間検出装置。
3. （３）メモリバッファは、そのメモリの容量を音声認識
   装置の認識対象単語のなかで最長のものが格納できる大
   きさであることを特徴とする特許請求の範囲第１項記載
   の音声区間検出装置。
4. （４）始端判定部および終端判定部は、入力されてくる
   音声の始端、終端を判定すると同時に、前記最大音声検
   出部が、入力されてきた音声中において、これまでの最
   大値かつ極大値を検出した時点で、閾値設定部によって
   新しく設定された閾値を用いて、以前に判定された始端
   から現時点までの範囲で、新たな始端および終端の判定
   を行ない直すことを特徴とする特許請求の範囲第１項記
   載の音声区間検出装置。