JPH075799A - 音声情報処理装置 - Google Patents

Abstract

(57)【要約】 【目的】 音声入力から認識出力を簡易な構成で得るこ
とのできる音声情報処理装置を提供する。 【構成】 距離計算手段４により、音声情報記録再生装
置５１で得られる音声圧縮符号化データＭ１と標準パタ
ーン記憶回路３から読みだした標準パターンとを比較し
て整合距離を計算し、最小検索手段５により、上記計算
された整合距離結果に基づき、最も整合距離の短い標準
パターンを認識出力Ｒ１として出力する。この場合、音
声情報記録再生装置５１は、ミニディスク記録再生装置
等の既存の装置が使用できるので、音声入力Ｓ１から認
識出力Ｒ１を得る装置を簡易に構成できる。語学の先生
の発音による単語・文章等を標準パターンにしておけ
ば、学習者の音声入力Ｓ１が先生の発音に対して基準距
離ＲＤを超えるほど良い発音をした場合にのみ認識出力
Ｒ１が得られるという語学学習機を構築できる。

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】本発明は、例えば、語学学習機に
適用して好適な音声情報処理装置に関する。

【０００２】

【従来の技術】まず、本発明に関連する一般的な（１）
音声認識技術、（２）適応変換符号化・複号化技術及び
（３）帯域分割符号化・複号化技術について説明する。
なお、これらの技術は、「デジタル音声処理 東海大学
出版会（１９８５年第１刷）古井貞煕 著」または「音
声・画像工学 昭晃堂（平成５年初版２刷） 中田和
男，南敏 共著」に記載されている。

【０００３】（１）音声認識技術 この音声認識技術は、音声入力を分析して対応する認識
出力（単語）を得る技術である。

【０００４】図２に、一般的な音声認識技術の構成を示
す。図２において、端子１を通じてスペクトル分析回路
２に供給された音声入力Ｓ１から、そのスペクトル分析
回路２によってスペクトルパターンが抽出される。

【０００５】次に、抽出されたスペクトルパターンと標
準パターン記憶回路３から取り込まれた標準（スペクト
ル）パターンとの間の整合距離が距離計算回路４によっ
て計算される。

【０００６】最後に、最小検索回路５は、距離計算回路
４によって計算された整合距離のうち、最小値が得られ
たときの標準パターン、言い換えれば、上記抽出された
スペクトルパターンに最も整合距離の近い標準パターン
を標準パターン記憶回路３から読み出し、端子６に認識
出力Ｒ１として供給する。

【０００７】（２）適応変換符号化・複号化技術 適応変換符号化技術は、音声入力を一定周波数帯域毎に
分割し、データと補助情報とに符号化して符号出力を得
る圧縮符号化技術である。一方、適応変換複号化技術
は、圧縮符号化技術で得られた符号出力からデータと補
助情報とを分配し、これらを基に上記音声入力に対応し
た音声出力を得る圧縮複号化技術である。

【０００８】図３に、一般的な適応変換符号化・複号化
技術の構成を示す。図３において、符号１０は音声圧縮
符号化回路を示し、符号２０は音声圧縮複号化回路を示
している。

【０００９】図３Ａに示す音声圧縮符号化回路１０にお
いて、端子１１を通じて周波数領域への変換手段１２に
供給された音声入力Ｓ１が、その周波数領域への変換手
段１２によって、例えば、ＤＣＴ（離散コサイン変換）
係数に変換される。

【００１０】得られたＤＣＴ係数は、補助情報の算出と
量子化手段１３によって、一定の分割数の帯域に分けら
れた後、各帯域毎の平均パワーが求められ、この各帯域
毎の平均パワーの符号化されたものが補助情報としてマ
ルチプレクサ１６の一方の入力端子と補間手段１４に供
給される。

【００１１】補間手段１４は、これらの補助情報からそ
の間の周波数のパワーを補間により求めてスペクトル包
絡を再生する。ビット配分と量子化幅の算出手段１５
は、上記スペクトル包絡を用いて上記ＤＣＴ係数の量子
化ビットを波形歪が最小になるように配分するととも
に、量子化幅の適応制御を行う。

【００１２】量子化と符号化手段１７では、これらビッ
ト配分と量子化幅とに基づいて、ＤＣＴ係数を符号化
し、マルチプレクサ１６の他方の入力端子にデータとし
て供給する。

【００１３】そして、マルチプレクサ１６から端子１８
に、符号出力Ｍ１としてデータと補助情報とが供給され
る。

【００１４】符号出力Ｍ１は、端子１８，１９を通じて
図３Ｂに示す音声圧縮複号化回路２０を構成するデマル
チプレクサ２１に供給される。デマチプレクサ２１で符
号出力Ｍ１はデータと補助情報とに分配される。補助情
報は補間回路２２とビット配分と量子化幅の算出回路２
３を通じて複号化用のデータとされ、複号化回路２４で
この複号化用データに基づき上記データが複号化された
後、波形への逆変換化回路２５により複号化データが音
声出力Ｓ２とされる。この音声出力Ｓ２が端子２６に得
られる。

【００１５】（３）帯域分割符号化・複号化技術 帯域分割符号化技術は、音声入力を一定の周波数帯域毎
に分割して符号化し、符号出力を得る圧縮符号化技術で
あり、一方、帯域分割複号化技術は、圧縮符号化技術に
よって得られた符号出力を上記音声入力に対応した音声
出力にする圧縮複号化技術である。図４に、一般的な帯
域分割符号化・複号化技術の構成を示す。図４におい
て、符号３０は、音声圧縮符号化回路を示し、符号４０
は、音声圧縮複号化回路を示している。

【００１６】図４Ａに示す音声圧縮符号化回路３０にお
いて、端子３１を通じて帯域通過フィルタ３２₁ 〜３２
_N に供給された音声入力Ｓ１が、それら帯域通過フィル
タ３２₁ 〜３２_N によって、例えば、各主要ホルマント
が１個ずつ平均的に入る程度の帯域毎に分割される。

【００１７】帯域分割された音声入力は、適応符号化手
段３３₁ 〜３３_N によって、それぞれ符号化され、マル
チプレクサ３４に供給される。

【００１８】そして、マルチプレクサ３４から端子３５
に符号出力Ｍ２が供給される。

【００１９】符号出力Ｍ２は、端子３５，３６を通じて
図４Ｂに示す音声圧縮複号化回路４０を構成するデマル
チプレクサ４１に供給される。このデマルチプレクサ４
１で符号出力Ｍ２が分配される。分配された符号出力Ｍ
２は適応複号化回路４２₁ 〜４２_N で複号化された後、
帯域通過フィルタ４３₁ 〜４３_N によって、例えば、各
主要ホルマントが１個ずつ平均的に入る程度の帯域毎に
分割される。帯域通過フィルタ４３₁ 〜４３_N の出力信
号が総和回路４４で加算されることで、音声出力Ｓ２が
端子４５に得られる。

【００２０】

【発明が解決しようとする課題】ところで、上記（２）
で示した適応変換符号化・複号化技術に基づいて、音声
信号の記録再生装置であるミニディスク（以下、ＭＤと
いう）装置が製品化されている。また、上記（３）で示
した帯域分割符号化・複号化技術に近い技術を用いて音
声信号の記録再生装置であるデジタル・コンパクトカセ
ット（以下、ＤＣＣという）装置が製品化されている。

【００２１】本発明はこのような技術を考慮してなされ
たものであり、音声入力から認識出力を簡易な構成で得
ることのできる音声情報処理装置を提供することを目的
とする。

【００２２】

【課題を解決するための手段】本発明は、例えば、図１
に示すように、音声入力Ｓ１を音声圧縮符号化データＭ
１に変換する音声圧縮符号化手段１０と、音声圧縮符号
化データＭ１に対する記録・再生が行われる記録媒体５
４と、記録媒体５４から再生された音声圧縮符号化デー
タＭ１を複号化して音声出力Ｓ２を出力する音声圧縮複
号化手段２０とを有する音声情報記録再生装置５１と、
音声圧縮符号化データＭ１と標準パターンとを比較して
整合距離を計算する距離計算手段４と、上記計算された
整合距離結果に基づき、最も整合距離の短い標準パター
ンを認識出力Ｒ１として出力する最小検索手段５とを備
えるものである。

【００２３】また、本発明は、上記標準パターンを語学
学習機における先生の発音に対応する標準パターンとし
たものである。

【００２４】さらに、本発明は、最小検索手段５の出力
を印字用信号として利用するものである。

【００２５】さらにまた、本発明は、上記標準パターン
中に、記録媒体５４に記録される音声圧縮符号化データ
Ｍ１のうち固有の標準パターンを記録するようにしたも
のである。

【００２６】

【作用】本発明によれば、距離計算手段４により、音声
情報記録再生装置５１で得られた音声圧縮符号化データ
Ｍ１と標準パターンとを比較して整合距離を計算し、最
小検索手段５により、上記計算された整合距離結果に基
づき、最も整合距離の短い標準パターンを認識出力Ｒ１
として出力するようにしている。この場合、音声情報記
録再生装置５１は既存の装置が使用できるので、音声入
力Ｓ１から認識出力Ｒ１を得る装置を簡易に構成するこ
とができる。

【００２７】また、本発明によれば、上記標準パターン
を語学学習機における先生の発音に対応する標準パター
ンとしたときには、学習者の発音が先生の発音に近いと
きにのみ認識出力Ｒ１が得られるので、学習者の発音能
力の評価ができる。

【００２８】さらに、本発明によれば、上記最小検索手
段の認識出力を印字用信号として利用したときには、い
わゆる自動書記装置を容易に構成することができる。

【００２９】さらにまた、本発明によれば、上記標準パ
ターン中に、上記記録媒体に記録される音声圧縮符号化
データのうち固有の標準パターンを記録するようにした
ときには、記録媒体に記録される音声圧縮符号化データ
のうち、上記固有の標準パターンに対応する認識出力を
得る機能が付加される。

【００３０】

【実施例】以下、本発明音声情報処理装置の一実施例に
ついて図面を参照して説明する。なお、以下に参照する
図面において、上記の図２〜図４に示したものに対応す
るものには同一の符号を付け、その詳細な説明は省略す
る。

【００３１】図１は、全体として本実施例による音声情
報処理装置５０の構成を示している。図１例による音声
情報処理装置５０は、音声情報記録再生装置５１とパタ
ーン認識装置６１とを有している。なお、音声情報記録
再生装置５１としては、既存のミニディスク（ＭＤ）記
録再生装置またはデジタルコンパクトカセット（ＤＣ
Ｃ）記録再生装置を利用することができる。なお、これ
らＭＤ記録再生装置またはＤＣＣ記録再生装置は音楽専
用ではなく、データ記録再生用としても使用できる。

【００３２】図１において、端子１から供給された音声
入力Ｓ１は、音声圧縮符号化回路１０により音声圧縮符
号化データである符号出力Ｍ１に変換されて出力され
る。ここで、音声圧縮符号化回路１０は、上記図３Ａに
示したものを用いてもよく、上記図４Ａに示した音声圧
縮符号化回路２０を用いてもよい。音声圧縮符号化回路
２０を用いた場合、符号出力Ｍ２が得られる。

【００３３】符号出力Ｍ１は、記録再生回路５３を通じ
て記録媒体５４に音声圧縮符号化データとして記録され
るとともに、パターン認識装置２０を構成する距離計算
回路４に供給される。

【００３４】記録媒体５４としては、記録再生可能なミ
ニディスク（ＭＤ）またはデジタルコンパクトカセット
（ＤＣＣ）を用いることができる。

【００３５】記録媒体５４から記録再生回路５３を通じ
て再生された音声圧縮符号化データである符号出力Ｍ１
は距離計算回路４に供給されるとともに、音声圧縮複号
化回路２０に供給される。音声圧縮複号化回路２０で符
号出力Ｍ１が音声出力Ｓ２に変換され、端子５６に音声
出力Ｓ２が得られる。

【００３６】音声圧縮複号化回路２０は、音声圧縮符号
化回路１０に対して上記図３Ｂに示したものを用い、音
声圧縮符号化回路３０（図４Ａ参照）に対して、上記図
４Ｂに示した音声圧縮複号化回路４０を用いる。

【００３７】再び、図１において、音声圧縮符号化回路
１０から出力される符号出力Ｍ１または記録媒体５４か
ら記録再生回路５３を通じて出力される符号出力Ｍ１が
パターン認識装置６１を供給する距離計算回路４に供給
される。

【００３８】距離計算回路４は、この符号出力Ｍ１と標
準パターン記憶回路３から取り込まれた標準パターンと
の間の整合距離を計算する。計算された整合距離結果
は、最小検索回路５に供給される。

【００３９】最小検索回路５には、端子６５を通じて基
準距離ＲＤが供給されている。最小検索回路５は、上記
整合距離結果が基準距離ＲＤ以下であって、かつ最も短
い値（最小値）が得られたときの標準パターンを標準パ
ターン記憶回路１３から読み出し、それを端子６に認識
出力Ｒ１として供給する。もし、基準距離ＲＤ以下の整
合距離結果が得られなかった場合、最小検索回路５は、
認識不能を意味する認識出力Ｒ１を出力する。

【００４０】このように上記の実施例によれば、既存の
音声情報記録再生装置５１にパターン認識装置６１を付
加して音声情報処理装置５０を構成しているので、音声
入力Ｓ１から認識出力Ｒ１が得られる音声情報処理装置
５０を簡易に構成することができる。そして、パターン
認識装置６１を構成する距離計算回路４により、音声圧
縮符号化データである符号出力Ｍ１と標準パターンとの
整合距離を計算し、最小検索回路５により、上記計算さ
れた整合距離が基準距離ＲＤ以下であって最小の標準パ
ターンを認識出力Ｒ１（認識結果）として出力し、基準
距離ＲＤ以下になる標準パターンがなかった場合には、
認識不能を意味する認識出力Ｒ１を出力するようにして
いるので、誤った標準パターンを認識出力Ｒ１として出
力してしまうという、いわゆる誤認識が回避される。

【００４１】なお、標準パターン記憶回路３に記憶され
る標準パターンを、語学学習機における先生の発音に対
応する単語・文章等の標準パターンとしておくことによ
り、音声情報処理装置５０は、いわゆるＬＬ機能に加え
て、学習者（生徒）の音声入力Ｓ１による発音を評価す
ることができる。具体的に説明すると、学習者の発音が
先生の発音に比較して基準距離ＲＤ以下である場合に
は、認識出力Ｒ１が認識不能を意味する認識出力Ｒ１に
なるので、学習者の発音の良否や問題点の評価を行うこ
とができる。基準距離ＲＤを可変することにより、学習
者の発音能力を判断することができる。言い換えれば、
語学の先生の発音による単語・文章等を標準パターンに
しておけば、学習者の音声入力Ｓ１が先生の発音に対し
て近いとき、すなわち、基準距離ＲＤを超えるほど良い
発音をした場合にのみ認識出力Ｒ１が得られるという語
学学習機を構築できる。

【００４２】また、最小検索回路５からの認識出力Ｒ１
を印字用信号として利用したときには、、ワードプロセ
ッサやパーソナルコンピュータに接続することにより、
会議記録機（自動書記装置）として議事録をリアルタイ
ムに作成することもできる。すなわち、音声入力ワード
プロセッサを容易に構築することができる。

【００４３】さらに、記録媒体５４にすでに記録されて
いる音声圧縮符号化データに対応する符号出力Ｍ１（Ｍ
２）から目的とする音声の（例えば、特定の話者とか単
語または楽器の音）のパターンを固有の標準パターンと
して標準パターン記憶回路３の中に記憶しておくことに
より、音声検索が可能になる。なお、このような固有の
標準パターンは、予め、マイクで録音した音声から作成
することができる。

【００４４】さらにまた、ＭＤ記録再生装置、ＤＣＣ記
録再生装置または８ｍｍ記録再生装置等において、アド
レスまたはタイムコード等の副次情報が記録可能である
ようになっていれば、標準パターン記憶回路３中に予め
特定パターン（上記特定の話者、単語または楽器の音
等）を標準パターン（例えば、社長の声に対応する標準
パターン）として記憶しておく。次に、上記社長を含む
人たちの会議音声に対応する音声入力Ｓ１の音声圧縮符
号化回路１０による符号出力Ｍ１とこの社長の声に対応
する標準パターンとの距離計算を距離計算回路４で逐次
行い、符号出力Ｍ１中にこの標準パターンに対応する符
号出力Ｍ１を検出したとき、その符号出力Ｍ１と上記副
次情報とを併せて上記記録媒体５４に記録するようにし
ておくことにより、上記、例えば、社長の声のみを特定
のアドレスまたは特定のタイムコード位置に記憶してお
くことができる。この特定のアドレスまたは特定のタイ
ムコード位置を、いわゆるインデックスとして活用する
ことができる。このようにして作成された記録媒体５４
は、以降、パターン認識装置６１の付属していない音声
情報記録再生装置５１においても、このインデックスを
用いて音声検索が可能になる。

【００４５】なお、本発明は上記の実施例に限らず本発
明の要旨を逸脱することなく種々の構成を採り得ること
はもちろんである。

【００４６】

【発明の効果】以上説明したように、本発明によれば、
距離計算手段により、音声情報記録再生装置で得られる
音声圧縮符号化データと標準パターンとを比較して整合
距離を計算し、最小検索手段により、上記計算された整
合距離結果に基づき、最も整合距離の短い標準パターン
を認識出力として出力するようにしている。この場合、
音声情報記録再生装置は既存の装置が使用できるので、
音声入力から認識出力を得る装置を簡易に構成すること
ができるという効果が得られる。

【００４７】また、本発明によれば、上記標準パターン
を語学学習機における先生の発音に対応する標準パター
ンとしたときには、学習者の発音が先生の発音に近いと
きにのみ認識出力が得られるので、学習者の発音能力の
評価ができるという効果が得られる。

【００４８】さらに、本発明によれば、最小検索手段の
認識出力を印字用信号として利用したときには、いわゆ
る自動書記装置を容易に構成することができるという効
果が得られる。

【００４９】さらにまた、本発明によれば、上記標準パ
ターン中に記録媒体に記録される音声圧縮符号化データ
のうち固有の標準パターンを記録するようにしたときに
は、記録媒体に記録されている音声圧縮符号化データの
うち、固有の標準パターンに対応する認識出力を得る機
能が付加されるという効果が得られる。

【図面の簡単な説明】

【図１】本発明による音声情報処理装置の一実施例の構
成を示すブロック図である。

【図２】一般的な音声認識技術の説明に供されるブロッ
ク図である。

【図３】一般的な適応変換符号化・複号化技術の説明に
供されるブロック図である。

【図４】一般的な帯域分割符号化・複号化技術の説明に
供されるブロック図である。

【符号の説明】

３ 標準パターン記憶回路 ４ 距離計算回路 ５ 最小検索回路 １０ 音声圧縮符号化回路 ２０ 音声圧縮複号化回路 ５１ 音声情報記録再生装置 ６１ パターン認識装置 Ｓ１ 音声入力 Ｓ２ 音声出力 Ｒ１ 認識出力 ＲＤ 基準距離

Claims (4)

【特許請求の範囲】
1. 【請求項１】 音声入力を音声圧縮符号化データに変換
   する音声圧縮符号化手段と、上記音声圧縮符号化データ
   に対する記録・再生が行われる記録媒体と、上記記録媒
   体から再生された音声圧縮符号化データを複号化して音
   声出力を出力する音声圧縮複号化手段とを有する音声情
   報記録再生装置と、 上記音声圧縮符号化データと標準パターンとを比較して
   整合距離を計算する距離計算手段と、 上記計算された整合距離結果に基づき、最も整合距離の
   短い標準パターンを認識出力として出力する最小検索手
   段とを備える音声情報処理装置。
2. 【請求項２】 上記標準パターンが語学学習機における
   先生の発音に対応する標準パターンである請求項１記載
   の音声情報処理装置。
3. 【請求項３】 上記最小検索手段の出力が印字用信号と
   して利用される請求項１記載の音声情報処理装置。
4. 【請求項４】 上記標準パターン中に、上記記録媒体に
   記録される音声圧縮符号化データのうち固有の標準パタ
   ーンを記録するようにした請求項１記載の音声情報処理
   装置。