JPH0558552B2 - - Google Patents

Description

【発明の詳細な説明】 ［産業上の利用分野］ 本発明は音声会話文（単に会話文と略す）の理
解方式に係り、特に複数の文が連続して発声され
る会話文を分割し、さらに、会話文の文構造推定
に必要な基本周波数形状を決定する音声会話文の
基本周波数形状推定装置に関する。

［従来の技術］ 会話文の基本周波数形状を求める方式は、従
来、日本語アクセントの基本周波数パタンとその
生成機構のモデル（日本音響学会誌27−９、445
頁から453頁、1971）やピツチパタンの直線近似
の一手法（音声研究会資料S47−11、1974）で論
じられている。

［発明が解決しようとする問題点］ 上記従来技術は、音声合成の分野における基本
周波数形状の分析・解析用に開発されたものであ
り、人間がパラメータの設定等に関与すれば高精
度の推定が可能である。しかし、認識・理解の分
野においては、基本周波数形状を自動的に推定す
る必要があるが、従来技術では、自動推定を行な
う場合は精度が悪くなつてしまう。また、処理量
が多いという欠点もある。

本発明の目的は、音声会話文の基本周波数形状
を精度よく、自動推定することにある。

［問題点を解決するための手段］ 基本周波数は、発話開始点で上昇を示し、その
後徐々に低くなるため、三角形又は「へ」の字形
を示す。このため、基本周波数の極小点を求める
ことにより、１まとまりの基本周波数形状を切り
出すことができる。しかし、発話的のゆらぎによ
り、１まとまりの基本周波数内でも極小点が生じ
る問題点がある。

また、実際の会話文は、１まとまりとして切出
された形状も、三角形や「へ」の字形だけではな
く、間投詞や単語の１拍目が低く生成された場合
は、三角形などの前に短かく、低い周波数が接続
した形となる。更に、起伏型アクセントの文節の
後に平板型アクセント文節が接続し、両者がアク
セント結合を起こすと、三角形の後に低く平坦な
基本周波数が接続する。

したがつて、上記目的は、(1)間投詞やアクセン
ト結合を考慮した標準基本周波数形状を規定し、
(2)検出される基本周波数の極小点を分割侯補点と
して、各侯補点が分割点である時または分割点で
ない時を仮定した分割仮説を立てる。そして、各
仮説において、仮定した分割点間の基本周波数形
状が全て、標準形状のいづれかに該当する仮説を
真の仮説として選ぶことにより達成される。

［作用］ 単語より小さなレベルにおいて休止（ポーズ）
は生成されない。このため、第一に、ポーズを検
出し、そこで会話文を分割する。第二に、分割さ
れた区間の基本周波数の極小位置を検出し、そこ
を分割候補点とする。そして、各分割点が分割点
である時または分割点でない時を仮定した分割仮
説を立て、各仮説の、分割点と仮定した点間の基
本周波数形状が、全て標準形状のいづれかに該当
する仮説を選択する。もし、複数の仮説が選ばれ
たならば、最も信頼度の高い仮説を真の仮説とす
る。それによつて、選ばれた仮説の分割点および
得られた標準形状により、会話文の分割および形
状の決定が可能となる。

［実施例］ 以下、本発明の一実施例を第１〜３図により説
明する。

第１図は音声会話文の基本周波数形状推定装置
のブロツク図を示したものである。会話音声は、
マイクロホン（図示しない）で電気信号に変換さ
れた後、音響処理部１で音声パワーと基本周波数
を抽出する。ポース検出処理部２は、音声パワー
からポーズ（例えば300msec以下の無音区間）を
検出し、ポーズ前後の位置で会話文を分割する。
次に、基本周波数極小点検出部３は、基本周波数
の谷の位置を検出し、この位置を分割候補点とす
る。ここで、基本周波数は摩擦音などの子音区間
では生じない。このため、会話文より抽出される
基本周波数は歯抜けになる。したがつて、本基本
周波数極小点検出部３では、基本周波数を直線で
近似する。この近似としては、例えば、何点か隔
れた基本周波数の間を直線で近似し、その近似直
線とその間の抽出された基本周波数の誤差が一定
閾値以下となる長さが最大の近似直線を求めるこ
とにより実現できる。本基本周波数極小点検出部
３は、このようにして求められた近似直線の谷の
位置を検出する。

次に、基本周波数分割／ラベル付け処理部４で
は、まず、各ポーズにより分割された区間毎に分
割仮説をたてる。すなわち、分割された区間内の
分割点候補が分割点である時と、そうでない時を
想定した仮説を生成する。（例えば、分割候補点
が１つの場合は、ポーズで分割された区間全体が
１まとまりの形状とした仮説と、分割候補点前と
後の２つの１まとまりの形状から構成される仮説
の２つの分割仮説を生成する。）次に、標準基本
周波数形状辞書５を用いて、仮説において１まと
まりの形状とされた区間の基本周波数形状が、辞
書５に格納される。標準形状のいづれかに該当す
るかどうかを検証する。そして、各々分割仮説の
全ての１まとまりの形状が標準形状のいづれかに
該当する分割仮説を真の仮説とする。ここで、複
数の分割仮説が選択された場合は、確信度の最も
高い仮説を選択する。確信度とは、例えば、１ま
とまりの形状と標準形状の間の誤差を用いる。

標準基本周波数形状辞書５に格納する標準形状
としては、例えば第２図に示すものが考えられ
る。単語や文節の基本周波数は、上昇＋平坦＋下
降の形状が基本的に生成される。平坦部は頭高型
アクセント文節などでは生じないため、基本型と
しては、三角または台形の形状を示す。次に、下
降としては、起伏型アクセント文節では急竣な下
降を示し、平板型アクセント文節では、フレーズ
成分の緩やかな下降として観測される。このた
め、下降の勾配により基本型は更に２分割され
る。更に、単語の１拍目の基本周波数が低く生成
される場合、および、２つの文節がアクセント結
合を起こす場合は、基本型の前および後に、基本
型の上昇または下降勾配以下の基本周波数が接続
する。また、疑間文の文末では、上昇で終わる基
本型周波数が生成される。これらの形状を直線に
より近似したものが第２図に示すものである。

基本周波数分割／ラベル付け処理部４では、第
２図の標準形状を用いて１まとまりの形状の検証
を行なうが、この検証に際しては、標準形状の上
昇や下降直線の形状を規定する必要がある。第３
図は、標準形状の各直線の形状を、その持続時間
基本周波数変動およびその勾配により規定した例
である。

以上、本実施例によれば、自動的に音声会話文
の１まとまりの基本周波数形状位置の検出および
その形状を同時に決定することが可能となる。

〔発明の効果〕

本発明のよれば、間投詞やアクセント結合をも
考慮した基本周波数形状を推定できるので次のよ
うな効果がある。まず、標準形状の基本型の前に
低く接続する単語の１拍目と推定される区間に２
以上の音節がある場合は、最後の音節以外は必ず
間投詞であるため、この間投詞を削除できる。ま
た、アクセント結合形状と推定された区間では、
その位置で分割することにより、文節境界を検出
できる。このため、推定された形状を音声認識に
用いれば、単語の存在位置を限定することが可能
となり、性能を向上できる。

また、形状の自動推定ができることから、音声
合成などの分野のアクセント作成においても利用
可能である。

【図面の簡単な説明】

第１図は、本発明の一実施例を示すブロツク
図、第２図は、形状推定に必要な標準基本周波数
形状の例を示す図、第３図は、標準形状の各要素
（直線の条件を示した図である。 １は音響処理部、２はポーズ検出処理部、３は
基本周波数極小点検出部、４は基本周波数分割／
ラベル付け処理部、５は標準基本周波数形状辞書
である。

Claims (1)

1. 【特許請求の範囲】 １ 音声会話文を分割し、上記音声会話文の文構
   造推定に必要な基本周波数形状を推定する音声会
   話文の基本周波数形状推定装置において、 入力される音声会話文から音声パワーおよび基
   本周波数を抽出する手段と、 抽出された音声パワーからポーズを検出し、ポ
   ーズ前後の位置で音声会話文を分割する手段と、 抽出された基本周波数の谷の位置を分割侯補点
   として検出する手段と、 上記音声会話文の間投詞およびアクセント結合
   を少なくとも考慮した標準基本周波数形状を予め
   格納する手段と、 格納された標準基本周波数形状に基づき、上記
   分割侯補点の検証を行ない、上記会話文の基本周
   波数形状を推定する手段と、 を備えたことを特徴とする音声会話文の基本周波
   数形状推定装置。