JPH02226300A - 音韻区間情報形成装置 - 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〕 この発明は、音韻区間情報形成装置、特に入力音声の音
韻区間を分割するための音韻区間情報を形成する音韻区
間情報形成装置に関する。

〔発明の概要〕

この発明は、音韻区間情報形成装置において、入力音声
の音響分析を行い、音韻区間用パラメータとして、ホル
マントの時間方向の変化を求める音響分析手段と、ホル
マントの時間方向の変化について、定常部と、過渡部と
の境界を特徴点として抽出する手段と、特徴点の情報を
用いて音韻区間情報を求める手段とから構成したことに
より、セグメンテーションの精度を、より一層高めるこ
とができるようにしたものである。

〔従来の技術〕

連続音声、大語霊音声認識の場合には、音韻認識が基本
となる。この音韻認識に当たっては、認識対象となる入
力音声を音韻区間毎に分割する、いわゆるセグメンテー
ションを行う必要がある。

例えば、［ス（ＳＵ）Ｊという語を発音した時、音声波
形は、子音「Ｓ」と、母音「Ｕ」とに音韻分割できる。

このセグメンテーションの方法としては、従来から音声
のパワー或いはゼロクロスレートをスレッシュホールド
値と比較して分割点（区間境界）を求める方法がある。

しかしながら、このような方法で音韻区間のセグメンテ
ーションを正確に行うことは、スレッシュホールド値の
設定の難しさと相俟って困難であった。

そこで、本願出願人は、音韻区間のセグメンテーション
を正確に行うための技術を特願昭６２−３２３３０７号
明細書にて提案している。

〔発明が解決しようとする課題〕

ところで音声認識に於いてホルマントは一般的に有用な
パラメータであることが知られている。

しかしながら、上述の先願の技術ではセグメンテーショ
ンを行うための音韻区間用パラメータとしてホルマント
を用いていないため、セグメンテーションを高い精度で
行えない場合があるという問題点があり、その改善が望
まれていた。

従ってこの発明の目的は、ホルマントを音韻区間用パラ
メータに加えることで、より正確なセグメンテーション
を行える音韻区間情報形成装置を提供することにある。

〔課題を解決するための手段〕 この発明は、入力音声の音響分析を行い、音萌区間用パ
ラメータとして、ホルマントの時間方向の変化を求める
音響分析手段と、ホルマントの時間方向の変化について
、定常部と、過渡部との境界を特徴点として抽出する手
段と、特徴点の情報を用いて音韻区間情報を求める手段
とからなる構成としている。

〔作用〕

入力音声の音響分析でホルマントの時間方向の変化を求
める。

次いで、ホルマントの時間方向の変化について、定常部
と、過渡部との境界を特徴点として抽出する。ホルマン
トの変化点が、従来のパラメータから求められる音韻境
界候補と略同じ位置に検出された時は、従来の音韻境界
候補をそのまま採用する。もし、ホルマントの変化点が
、従来のパラメータで検出されていない位置に検出され
た場合には、ホルマントの変化点を新たな音韻境界候補
として採用し、音韻境界特徴を付する。

このように、ホルマントを音韻区間用パラメータとして
用いることで、−層、正確なセグメンテーションを行う
ことが可能となる。

〔実施例〕

以下、この発明の一実施例について第１図乃至第５図を
参照して説明する。

第１図は、この発明に係る音声認識、装置の例を示す。

マイクロホン１からの音声信号が、アンプ２及びロー・
パスフィルタ３を介して、Ａ／Ｄ変換回路４に供給され
る。上述の音声信号は、Ａ／Ｄ変換回路４にて、例えば
、１２．５　Ｋ１１ｚのサンプリング周波数で１２ビツ
トのデジタル音声信号に変換される。

このデジタル音声信号は、音響分析手段５に供給される
。

音響分析手段５は、バンドパスフィルタバンクを有する
過渡検出パラメータ生成手段５１と、音声パワーを検出
する対数パワー検出手段５２と、ゼロクロスレート演算
手段５３と、隣接サンプルの相関関係をみるための１次
のパーコール係数の演算手段５４と、パワースペクトル
の傾きの演算手段５５と、図示せぬもののバンドパスフ
ィルタバンクを有しホルマントの時間方向の変化を求め
るホルマント検出手段５６と、音声の基本周期の検出手
段５７を備える。

まず過渡検出パラメータの生成を説明する。

過渡検出パラメータは、入力音声の過渡性及び定常性を
検出するためのもので、この過渡検出パラメータは、音
声スペクトルの変化量を各チ十ンネル（周波数）の時間
方向のブロック内の分散の和として定義される。即ち、
音声スペクトル５ｔ（ｎ）を周波数方向の以下に示す平
均値Ｓ　ａｖｇ　（ｎ）でゲインを正規化する。

ここで、ｉはチャンネル番号、ｑはチャンネル数（バン
ドパスフィルタ数）を示す。また、ｑチヤンネルの各チ
ャンネルの情報は時間方向にサンプリングされるが、同
一時点のｑチャンネルの情報のブロックをフレームとい
い、ｎは認識に使用されるフレームの番号を示している
。

ゲイン正規化の行われた音声スペクトルＳ　ｉ　（ｎ）
は、 Ｓ　ｉ　（ｎ）　−Ｓ　ｉ　（ｎ）　−Ｓ　ａｖｇ　（
ｎ）−−−−−−−（２）となる。

過渡検出パラメータＴ　（ｎ）は、そのフレームの前後
のＨフレームの合計（２Ｍ＋１）である〔ｎ−門、ｎ＋
河〕ブロック内の各チャンネルの時間方向の分散の和と
して定義される。

ここで、 であり、各チャンネルのブロック内の時間方向の平均値
である。

実際的には、（ｎ−Ｍ＋ｎ＋Ｍ　）ブロック中心付近の
変化は、音の揺らぎ或いはノイズを拾い易いので、過渡
検出パラメータＴ　（ｎ）の計算から取り除くことよし
、第（３）式は次のように変形される。

Ｔ　（ｎ）　＝ ２ｑ（Ｍ−ｍ＋１） そして、第（５）式において、ａ＝１、Ｈ＝２８、ｍ＝
３、ｑ−３２として過渡検出パラメータＴ（ｎ）が求め
られる。例えば、［あさ（ａｓａ）　Ｊという入力音声
の場合、第２図Ａのような過渡検出パラメータＴ　（ｎ
）が得られる。

他のパラメータ、例えば、第２図Ｂに示される対数パワ
ー、第２図Ｃに示されるゼロクロスレート、第２図りに
示される１次のパーコール係数、第２図已に示されるパ
ワースペクトルの傾きの検出、第２図Ｈに示される基本
周期の傾きの検出等のパラメータの演算も、過渡検出パ
ラメータＴ（ｎ）と同様に、成る時点（フレーム）を中
心としてその前後に門フレーム分の時間幅を有するライ
・−一一一・（５） ンドーを考え、このウィンドーを順次、１サンプル点ず
つ時間方向に移動させ、各ウィンドー内で夫々演算を行
うことにより得られる。尚、第２図Ｆ及びＪには入力音
声［あさ（ａｓａ）　Ｊの音声波形、第２図１にはホル
マントの遷移、そして第２図Ｇ及びＫには上述のパラメ
ータに基づいて得られた音韻境界候補の例を示す。第２
図中、Ｆ及びＪ、Ｇ及びＫは、他のパラメータとの比較
の便宜上、同一内容のものを重複して示している。

次いで、パラメータとしてのホルマントの時間方向にお
ける変化の検出について説明する。

第３図に示される母音／ａ／の周波数スペクトルからホ
ルマントＦ１、Ｆ２、Ｆ３が抽出され、第４図及び第５
図に示されるようにホルマントの時間方向の変化が検出
され、パラメータとして出力される。尚、第４図には母
音／ａ／から母音／ｉ／へ変化する際のホルマントの遷
移が示され、第５図には母音／ａ／から子音／ｍ／を経
て母音／ａ／へ変化する際のホルマントの遷移が示され
ている。

音響分析手段５から得られた各パラメータは認識処理用
パラメータとして、音韻認識手段８に供給される。また
、手段５１〜５６から出力される各パラメータは、セグ
メンテーション用パラメータとして第１セグメンテーシ
ョン手段６の特徴点抽出手段６１に供給される。

第１セグメンテーション手段６では、七゛グメンテーシ
ョン用パラメータから音韻境界候補を求めるために、−
船釣な特徴点を抽出する。この例では、特徴点として次
の７種を用いる。

■立上がり点−平坦な部分から増加方向に変化する点 ■立下がり点−減少方向に変化した後、平坦になる部分
の点 ■増加変化点−増加率が変化する点 ■減少変化点−減少率が変化する点 ■ピーク点−ピークの位置 ■正のゼロクロス点−増加方向で零レベルと交差する点 ■負のゼロクロス点−減少方向で零レベルと交差する点 特徴点抽出手段６１では、特徴点情報記憶手段６２から
の特徴点情報を参照して各パラメータ毎に特徴点を抽出
する。

ｆｉｌＮ区間用パラメータとしてのホルマントの変化点
を特徴点として抽出する例を、第４図及び第５図を参照
して説明する。尚、ホルマントの遷移は、以下のように
表記される。

（１）母音性の区間でホルマントの変化点が検出された
時 ｖｏｗｅｌ−ｖｏｗｅｌ、ｔ　　（母音の定常部からホ
ルマント変化の始まる点、以下、ｌ−Ｖ、Ｔと略す）ｖ
ｏｗｅｌ、ｔ−ｖｏｗｅｌ　　（ホルマント変化が終了
し、定常部の始まる点、以下、Ｖ、Ｔ−Ｖと略す）（２
）子音性の区間でホルマントの変化点が検出された時 ｃｏｎｓｏｎａｎｔ−ｃｏｎｓｏｎａｎｔ、ｔ　　（子
音の定常部からホルマント変化の始まる点、以下、Ｃ−
Ｃ０Ｔと略す） ｃｏｎｓｏｎａｎｔ、ｔ−ｃｏｎｓｏｎａｎｔ　　（ホ
ルマント変化が終了し、子音の定常部の始まる点、以下
、Ｃ，ＴＣと略す） 第４図に於いて、時点ｔＯ〜ｔ１の間ではホルマントＦ
ｌ〜Ｆ３の周波数には殆ど変化がなく定常部と判断され
る。

時点ｔ１を経過すると、ホルマン）Ｆ２の周波数が上昇
し、ホルマン１−Ｆｌの周波数が下降する。

従って、時点ｔ１に於けるホルマン１−Ｆ２、Ｆｌの周
波数が変化点ＰＦＩＯ，ＰＰ２０と判断される。この変
化点ＰＦＩＯ１ＰＦ２０は前述の表記に基づいてＶ−Ｖ
。

Ｔと表記される。この状態は時点ｔ１〜ｔ２の間継続す
る。従って、時点ｔ１〜ｔ２の期間は、過渡部と判断さ
れる。

時点ｔ２を経過すると、ホルマントＦ２、Ｆｌの周波数
が安定する。従って、時点ｔ２に於けるホルマントＦ２
、Ｆｌの周波数が変化点ＰＦＩＩ、ＰＰ２１と判断され
る。この変化点ＰＦＩＩ、ＰＰ２１は前述の表記に基づ
いてＶ、Ｔ−Ｖと表記される。この状態は時点ｔ２以後
、継続する。従って、時点ｔ２以後は定常部と判断され
る。

次いで、第５図に於いて、時点１０〜時点ｔｌＯ間では
ホルマント、Ｆ　１、Ｆ２の周波数には変化が殆どなく
定常部と判断される。

時点ｔ１を経過すると、ホルマン）Ｆ２の周波数が上昇
し、ホルマン）Ｆｌの周波数が下降する。

従って、時点ｔ１′に於けるホルマントＦ２、Ｆｌの周
波数が変化点ＰＦＩＯ１ＰＦ２０と判断される。この状
態は時点ｔ１〜ｔ２の間継続する。従って、時点ｔｌ〜
ｔ２の間は過渡部と判断される。

時点ｔ２を経過すると子音性の区間に入り、ホルマント
Ｆ１に対応する低域の周波数にパワーの集中する傾向が
見られ、子音／ｍ／の定常部であることが判る。従って
、時点ｔ２に於けるホルマントＦ２、Ｆｌの周波数が変
化点ＰＦＩＩ、ＰＰ２１と判断される。この変化点ｐｐ
ｉ１、ＰＰ２１は前述の表記に基づい、て、Ｃ，Ｔ−Ｃ
と表記される。この状態は時点ｔ２〜ｔ３まで継続する
。従って、時点ｔ２〜Ｌ３の間は子音の定常部と判断さ
れる。

時点ｔ３を経過すると、ホルマン）Ｆ２の周波数が下降
し、ホルマン）Ｆｌの周波数が上昇する。

従って、時点ｔ３におけるホルマン）Ｆ２、Ｆｌの周波
数が変化点ＰＦ１２、ＰＰ２２と判断される。この状態
は時点ｔ３〜ｔ４の間継続する。従って、時点ｔ３〜ｔ
４の間は過渡部と判断される。この変化点ＰＦ１２、Ｐ
Ｐ２２は上述の表記に基づいて、Ｃ−Ｃ０Ｔと表記され
る。

時点ｔ４を経過すると、ホルマン）Ｆ２、Ｆｌの周波数
が安定する。従って、時点ｔ４に於けるホルマントＦ２
、Ｆｌの周波数が変化点ＰＦ１３、ＰＰ２３と判断され
る。この状態は時点ｔ４以後、継続する。

従って、時点ｔ４以後は定常部と判断される。

第２図１には、このようにして検出されるホルマントＦ
１〜Ｆ４の変化点が示されている。

このように、ホルマントを音韻区間用パラメータとし、
特徴点を抽出できるので、より精度の高いセグメンテー
ションが可能となる。

第２図Ａ−Ｂ、Ｉの各パラメータ中、時間軸方向に縦線
で示す位置が各特徴点の位置である。

第１セグメンテーション手段６から得られ、特徴点の付
された各パラメータは、第２セグメンテーション手段７
に供給される。

第２セグメンテーション手段７は、特徴点統合処理手段
７１と、音韻境界特徴検出手段７２と、特徴点統合情報
記憶手段７３と、音韻境界特徴情報記憶手段７４とから
なる。

第１セグメンテーション手段６で求めた特徴点はパラメ
ータ毎に位置ズレ、未検出等があるので、特徴点統合処
理手段７１にて、特徴点統合情報記憶手段７３からの特
徴点統合情報を参照して各パラメータの特徴点をまとめ
音韻境界候補を決定する。尚、特徴点統合情報は、どの
パラメータの特徴点を優先するかについての情報である
。

特徴点統合処理手段７１では、ホルマントの検出で得ら
れた変化点ＰＦが他のパラメータで得られた音韻境界候
補と略同じ位置に検出された時には、他のパラメータで
得られた音韻境界候補を採用する。一方、ホルマントの
検出で得られた変化点ＰＦが、他のパラメータからは検
出されていない音韻境界候補である時は、ホルマントか
ら得られた変化点ＰＦを新たな音韻境界候補として採用
し、セグメンテーションを行う。

音韻境界特徴検出手段７４では、各音韻境界候補の音韻
境界特徴を求める。この例では音韻境界特徴として、次
の１２種類が用いられている。

■無音からの立上がり（Ｓ−Ｒ） ■子音性→母音性（Ｃ−Ｖ） ■母音性→母音性（Ｖ−Ｖ） ■母音性→母音の過渡部（Ｖ−Ｖ、Ｔ）■母音の過渡部
→子音性（Ｖ、Ｔ−Ｃ）■子音性→母音の過渡部（Ｃ−
Ｖ、Ｔ）■母音の過渡部→母音性（Ｖ、Ｔ−Ｖ）■無音
への立下がり（Ｆ−３） ［相］有音→無音（Ｓ−Ｓ） ［相］子音性→子音性（Ｃ−Ｃ） ■子音性→子音の過渡部（Ｃ−Ｃ，Ｔ）＠子音の過渡部
→子音性（Ｃ，Ｔ−Ｃ）音韻境界特徴情報記憶手段７４
には、これら１２種類の音韻境界特徴情報が記憶されて
おり、音韻境界特徴検出手段７２では、音韻境界特徴情
報記憶手段７４からの情報を参照して各音韻境界候補の
音韻境界特徴を検出する。この結果、第２図Ｇ、Ｋに示
されるように、上述の■〜■の９種類の音韻境界特徴が
、■〜■の順序にて音韻境界候補の縦線の近傍に示され
ている。

第２セグメンテーション手段７からは、音韻区間情報と
して、音韻境界候補情報と、その音韻境界特徴情報が得
られる。そして、この音韻区間情報が音韻認識手段８に
供給される。

音韻認識手段８では、音響分析手段５からの各パラメー
タを認識処理用パラメータとして、第２セグメンテーシ
ョン手段７からの音韻区間情報を参照しながら音韻認識
を実行する。これによって、例えば、第２図Ｆ、Ｊに示
されるように各音韻区間の音韻認識が行われ、その結果
が表示される。

この音韻区間の表記は以下のような意味とされる。

（１）−（ａ）母音／ａ／の定常部 （２）−（ａｓ）母音／ａ／の子音／ｓ／への遷移部（
３）−（ｓ）摩擦子音へ／の定常部 （４）−（ｓａ）母音／ａ／の子音／ｓ／からの遷移部
（５）−（ａ）母音／ａ／の定常部 そして、音韻認識手段８からは、認識された音韻記号が
得られ、これが後段の連続音声、大語案音声認識手段に
供給される。

このように、ホルマントを音韻区間用パラメータとし、
特徴点を抽出しているので、ホルマントの遷移から音韻
境界候補情報、音韻境界特徴情報を抽出でき、ホルマン
トがゆっくりと変化している半母音の音韻区間を正確に
検出でき、また、パワー変化の少ない母音から母音の遷
移区間を、正確に検出することができる。

この実施例では、ハードウェアで構成する例について説
明しているが、第１、第２セグメンテーション手段６．
７、音響分析手段５の演算部分、音韻認識手段８等はコ
ンピュータにより実現してもよい。

〔発明の効果〕

この発明によれば、音韻区間用パラメータとしてホルマ
ントを用い、ホルマントの時間方向の変化を求め、定常
部と過渡部の境界を特徴点として抽出しているので、セ
グメンテーションの精［−１より一層高くできるという
効果がある。また、ホルマントがゆっくりと変化してい
る半母音〔や、ゆ、よ、きゃ等〕の音韻区間を正確に検
出でき、音韻認識率を向上させることができるという効
果がある。更に、パワー変化の少ない母音から母音の遷
移区間を、正確に検出することができ、母音連鎖の認識
率を向上させることができるという効果がある。

【図面の簡単な説明】

第１図はこの発明の一実施例を示すブロック図、第２図
は夫々実施例を説明するための波形図、第３はホルマン
トを示す説明図、第４図及び第５図は夫々ホルマント遷
移を示す説明図である。 図面における主要な符号の説明 ５：音響分析手段、５６：ホルマント検出手段、６：第
１セグメンテーション手段、７：第２セグメンテーショ
ン手段。 属 堀クー− ￥− ｂノ 手続補正書（ヵ式、 平成　元年　６月　辺１ 特許庁長官　吉　１）文　毅　殿 １、事件の表示 平成１年特許願第４６９６９号 ２、発明の名称 音韻区間情報形成装置 ３、補正をする者 事件との関係　　特許出願人 住所　東京部品用区北品用６丁目７番３５号名称（２１
８）ソ　ニー株式会社 代表取締役　　大　賀　典　雄 ４、代理人　〒１７０ 住所　東京都豊島区東池袋１丁目４８番１０号平成１年
５月３０日（発送臼） ６、補正の対象 明細書の図面の簡単な説明の欄 ７、補正の内容 明細書中箱１９頁第１１行目から第１２行目にかけて、
「第３はホルマント」とあるを、［第３図はホルマント
」と補正する。

Claims (1)

1. 【特許請求の範囲】 入力音声の音響分析を行い、音韻区間用パラメータとし
   て、ホルマントの時間方向の変化を求める音響分析手段
   と、 上記ホルマントの時間方向の変化について、定常部と、
   過渡部との境界を特徴点として抽出する手段と、 上記特徴点の情報を用いて音韻区間情報を求める手段と
   からなる音韻区間情報形成装置。