JPH0816197A - 音声データ圧縮方法およびその方法を用いた音声データ圧縮装置ならびにその装置を用いた音声データ処理装置 - Google Patents

Abstract

(57)【要約】 【目的】 音声データの量を大幅に削減して効率の良い
データ処理を行う。 【構成】 アナログ量の音声信号がマイクロフォン１を
介してサンプリング回路３へと入力され、所定の時間間
隔毎にデジタル量の音声データが抽出される。音声デー
タ処理部４は、この音声データを順次読み込んで、所定
のピッチ周期を有する音声波形を抽出する。さらに音声
データ処理部４は、類似する音声波形が周期的に繰り返
される期間について、先頭の音声波形の音声データをテ
ンプレートとして設定し、後続の各音声波形の音声デー
タについては、このテンプレートに対する類似度を算出
する。このテンプレートおよび各類似度は前記期間内の
音声データの圧縮データとして音声データ記憶部５に記
憶される。

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】この発明は、音声データを圧縮処
理するための方法およびその方法を実施するための音声
データ圧縮装置、ならびにこの圧縮方法を用いて音声デ
ータを圧縮した後所定の処理を行う音声データ処理装置
に関連する。

【０００２】

【従来の技術】近年、人の音声を入力して種々の処理を
行うための装置が開発されている。これらの装置では、
入力されたアナログ量の音声信号を所定の時間間隔でサ
ンプリングして量子化した後、このデジタル量の音声デ
ータについて、各サンプリングデータの変化や類似度か
ら所定の音声波形を抽出し、認識処理などを行ってい
る。

【０００３】前記の音声波形は、音素単位の波形であっ
て、その音素に特有の波形とピッチ周期とを有してい
る。一般に音声には、発声者のイントネーションの特徴
や長音の発音などに起因して同じ音素が繰り返し発音さ
れる冗長な部分が存在しており、この冗長な部分は、音
声データ上、類似する音声波形が周期的に繰り返される
形で反映される。

【０００４】

【発明が解決しようとする課題】上述した方法では、こ
のような類似する音声波形が繰り返される期間について
もすべてのサンプリングデータを記憶するため、データ
が増し、ハードウエア構成を大型化しなければならない
という問題がある。

【０００５】そこで、サンプリングされた各音声データ
と先行のデータとの類似性を求め、隣合う類似データを
まとめてデータ圧縮を行う方法が提案されている。しか
しながら、この方法を用いても、前記した類似する各音
声波形のデータを１つずつ記憶しなければならないとい
う問題を解決できず、充分にデータを圧縮できない。

【０００６】この発明は上記問題に着目してなされたも
ので、類似する音声波形が周期的に繰り返される期間の
音声データをひとまとめにして圧縮処理することによ
り、データ量を大幅に削減して効率の良いデータ処理を
行うことができる音声データ圧縮方法、およびその方法
を用いた音声データ圧縮装置、ならびにその装置を用い
た音声データ処理装置を提供することを目的とする。

【０００７】

【課題を解決するための手段】請求項１の音声データ圧
縮方法は、類似する音声波形が周期的に繰り返される期
間を求めてその期間の音声データを抽出し、先頭周期の
音声データをテンプレートとして後続の各周期毎の音声
データを前記テンプレートに対する類似度により表現す
ることにより、音声データの圧縮を行うことを特徴とす
る。

【０００８】請求項２の音声データ圧縮装置は、連続す
る音声波形の音声データを入力する入力手段と、前記入
力手段より入力された音声データについて、類似する音
声波形が周期的に繰り返される期間を抽出する抽出手段
と、前記抽出手段により抽出された期間の先頭周期の音
声データをテンプレートとして設定する設定手段と、後
続の音声データについて各周期毎に前記テンプレートに
対する類似度を算出する類似度算出手段と、前記テンプ
レートと前記類似度算出手段により各周期毎に算出され
た類似度とにより前記期間の音声データを圧縮するデー
タ圧縮手段とを備えて成るものである。

【０００９】請求項３の音声データ処理装置は、請求項
２の発明の構成に加えて、圧縮された音声データを記憶
する記憶手段を備えており、請求項４の音声データ処理
装置は、さらに記憶手段に記憶された音声データを送信
する音声データ送信手段を備えている。

【００１０】請求項５の発明では、前記入力手段、設定
手段、類似度算出手段、データ圧縮手段、記憶手段、お
よび音声データ送信手段は、携帯可能な通信端末機を構
成している。

【００１１】

【作用】類似する音声波形が周期的に繰り返されている
とき、先頭周期の音声データをテンプレートとして設定
し、後続する音声データについては各周期毎の音声デー
タのテンプレートに対する類似度を求める。このテンプ
レートと各類似度とにより、類似する音声波形が繰り返
される期間全体の音声データの圧縮がなされる。

【００１２】請求項３の発明では、圧縮された音声デー
タが装置内部に記憶され、さらに請求項４の発明では、
この圧縮された音声データが外部に送信される。さらに
請求項５の発明では、携帯可能な通信端末機において、
上記と同様の音声データの圧縮処理が行われた後、この
圧縮された音声データの記憶や送信が行われる。

【００１３】

【実施例】図１は、この発明の一実施例である音声デー
タ処理装置の全体構成を示す。この音声データ処理装置
は、音声信号の入力部であるマイクロフォン１，マイク
ロフォン１からアナログ量の音声信号を入力して所定の
処理を行う制御部２，処理された音声信号を出力するた
めのスピーカー７から構成される。

【００１４】前記制御部２は、サンプリング回路３，音
声データ処理部４，音声データ記憶部５，復調回路６を
有する。前記サンプリング回路３は、マイクロフォン１
からのアナログ量の音声信号を所定の時間間隔（通常８
０００回／秒）でサンプリングして各サンプリング時点
でのデシベル単位の音の強さを量子化し、デジタル量の
音声データを生成する。

【００１５】音声データ処理部４は、前記の音声データ
を圧縮処理してデータ量を削減するためのもので、前記
音声データより所定のピッチ周期を有する音声波形を順
次抽出し、さらに類似する音声波形が周期的に連続して
いる期間を抽出してこの期間内の音声データを圧縮す
る。圧縮された音声データ（以下単に「圧縮データ」と
いう）は、音声データ記憶部５に記憶される。

【００１６】復調回路６は、前記音声データ記憶部５に
記憶された圧縮データをアナログ量の音声信号に復調す
るためのもので、復調された音声信号はスピーカー７か
ら出力される。

【００１７】図２（１）（２）は、音声データの抽出例
を示す。図２（１）は、アナログ量の音声信号を示すも
ので、この信号を所定の時間間隔ｔ毎にサンプリングす
ることにより、図２（２）に示すような多数個のサンプ
リングデータＳＰから成るデジタル量の音声データが得
られる。

【００１８】前記音声データ処理部４は、この音声デー
タにより各音素の音声波形とそのピッチ周期を検出す
る。各音声波形は、音素の発声時点で高いレベルにはね
あがった後所定の時間変動する形をとり、音素毎に特有
の形やピッチ周期を有している。

【００１９】図２（１）の例では、５つの音素の音声波
形Ｒ₁ 〜Ｒ₅ が連続した音声信号が入力されている。図
中、Ｐ₁ 〜Ｐ₅ は各音声波形のピッチ周期を示すもの
で、第１の音声波形Ｒ₁ および第２の音声波形Ｒ₂ は、
他の音声波形と異なる形，異なるピッチ周期を有してい
る。第３〜第５の３つの音声波形Ｒ₃ ，Ｒ₄ ，Ｒ₅ につ
いては、各ピッチ周期Ｐ₃ ，Ｐ₄ ，Ｐ₅ の長さおよび波
形が類似しており、したがって同じ音素が３個連続して
いることになる。

【００２０】音声データ処理部４は、音声データから類
似する音声波形が連続している期間（以下単に「連続期
間」という）を抽出し、先頭の音声波形のデータをテン
プレートとして設定する。また後続の各音声波形の音声
データについては、テンプレートに対する類似度を順次
算出し、連続期間内の音声データを、テンプレートと２
番目以降の各音声波形の類似度により圧縮する。

【００２１】図３は、圧縮データを作成する原理を示
す。図示例は、類似する２つの音声波形ｒ₁ ，ｒ₂ が連
続した状態を示すもので、第１の音声波形ｒ₁ のピッチ
周期ｐ₁ は時刻ｔ₁ からｔ_N までとなり、第２の音声波
形ｒ₂ のピッチ周期ｐ₂ は時刻ｔ_N+1 から時刻ｔ_M （図
示例ではＭ＞２Ｎ）となっている。

【００２２】いま第１の音声波形ｒ₁ の音声データとし
て、時刻ｔ₁ ，ｔ₂ ，・・・，ｔ_Nの各時点におけるＮ
個のサンプリングデータｘ₁ ，ｘ₂ ，・・・，ｘ_N が取
り出されているものとすると、この音声波形ｒ₁ は、各
サンプリングデータから成るＮ次元のベクトル｛ｘ₁ ，
ｘ₂ ，・・・，ｘ_N ｝で表現できる。音声データ処理部
４は、このＮ次元のベクトルを前述したテンプレートと
して設定し、前記音声データ記憶部５へ格納する。

【００２３】さらに音声データ処理部４は、つぎの音声
波形ｒ₂ の音声データとして同様にＭ次元のべクトル
｛ｘ_N+1 ，ｘ_N+2 ，・・・，ｘ_2N，・・・，ｘ_M ｝を抽
出し、このベクトルについてつぎの（１）式を用いて前
記テンプレート、すなわち第１の音声波形ｒ₁ の音声デ
ータとの相関値Ｖを求める。なお、この（１）式におい
て、ｘ（ｎ）は時刻ｔ_n におけるサンプリングデータの
値を示す。またａｖ₁ は音声波形ｒ₁ のＮ個のサンプリ
ングデータの平均値を、ａｖ₂ は音声波形ｒ₂ のＭ個の
サンプリングデータの平均値を、それぞれ示す。

【００２４】

【数１】

【００２５】この（１）式により、求められた相関値Ｖ
が所定の値（例えば０. ７以上）であれば、この第２の
音声波形ｒ₂ は第１の音声波形ｒ₁ に類似するものと判
断される。音声データ処理部４は、さらにつぎの（２）
式を実行して、第２番目の音声波形ｒ₂ のテンプレート
に対する類似度Ａを算出する。

【００２６】

【数２】

【００２７】なお、前記のテンプレートは必ずしもベク
トルの形をとる必要はなく、例えば第１の音声波形ｒ₁
の各サンプリングデータによるスカラー値であってもよ
い。この場合、つぎの音声波形ｒ₂ のテンプレートに対
する類似度は、音声波形ｒ₂のＭ個のサンプリングデー
タのスカラー値を前記テンプレートの値で除算した値に
より求められる。

【００２８】上記の処理により、後続の類似する音声波
形それぞれについて、先頭のテンプレートに対する類似
度が算出され、このテンプレートと各類似度とから成る
データが前記連続期間内の圧縮データとして前記音声デ
ータ記憶部５に格納される。前記復調回路６は、適宜こ
の圧縮データを読み出して、各類似度毎にテンプレート
との乗算演算を行うことにより各音声波形の音声データ
を復元し、テンプレートおよび復元された音声データを
アナログ量の音声信号に変換する。

【００２９】図４には、音声データ記憶部５のデータ構
成と復調回路６の構成とを両者の関係と共に示してあ
る。

【００３０】前記音声データ記憶部５は、音声データ処
理部４により抽出された各音声波形についての可変長の
データを記憶するための複数の領域を有する。領域Ｓ₀
〜Ｓ_L は、第１番目に生成された圧縮データを記憶する
ためのもので、第１番目の領域Ｓ₀ には前記したテンプ
レートについてのデータが格納され、続く領域Ｓ₁ 〜Ｓ
_L には、後続するＬ個の音声波形についてのテンプレー
トに対する類似度Ａ₁ 〜Ａ_L がそれぞれ格納される。な
お、図中、領域Ｓ_L のつぎの領域Ｔ₀ には、つぎの圧縮
データのテンプレートに関するデータが記憶される。

【００３１】前記テンプレートの格納される領域Ｓ₀ に
は、前記したベクトルの形をとるテンプレートと共に、
この領域にテンプレートが格納されていることを識別す
るための識別コード（ここでは「Ｔ」とする），前記ベ
クトルの成分の数Ｎ，および後続する類似の音声波形の
数Ｌなどのデータが格納される。後続の領域Ｓ₁ 〜Ｓ_L
については、類似度Ａ₁ 〜Ａ_L のほかに、格納されてい
るデータが類似度であることを識別するための識別コー
ド（ここではＤとする）が格納されている。

【００３２】前記復調回路５は、２個のカウンタ８，
９，コンパレータ１０，１１，レジスタ１２，ゲート回
路１３，乗算回路１４，マルチプレクサ１５，Ｄ／Ａ変
換回路１６，および図示しない制御回路などから構成さ
れる。

【００３３】第１のカウンタ８には、制御回路より前記
テンプレートのベクトル成分の数Ｎが与えられ、カウン
タ８はクロック信号などによる所定のピッチ間隔で、１
からＮまでの各数値を繰り返し計数する。前記制御回路
はカウンタ８の計数値を取り込んで前記テンプレートの
各ベクトル成分値ｘ₁ ，ｘ₂ ，・・・，ｘ_N のうちの計
数値に該当するベクトル成分の値を読み出し、ゲート回
路１３および乗算回路１４に出力する。

【００３４】第２のカウンタ９は、第１のカウンタ８の
カウントアップ信号の計数を実行する。この計数値は前
記制御回路により取り込まれ、前記音声データ記憶部５
の領域Ｓ₀ 〜Ｓ_L のうちいずれかの計数値に該当する領
域のデータが読み出される。このうち領域Ｓ₁ 〜Ｓ_L に
ついては前記類似度Ａ₁ 〜Ａ_L が乗算回路１４へ出力さ
れる。乗算回路１４は、この類似度Ａ₁ 〜Ａ_N と、同時
に与えられたテンプレートの各成分値ｘ₁ 〜ｘ_N との乗
算演算を実行することにより、各音声波形の音声データ
を復元する。

【００３５】前記コンパレータ１０は、第２のカウンタ
９の計数値を前記音声波形の数Ｌと比較するためのもの
で、コンパレータ１０の出力する一致信号によりカウン
タ９の計数値はリセットされる。なお、このコンパレー
タ１０の出力は、制御回路にも与えられ、制御回路は第
１のカウンタ８に新たなＮの値を設定する。

【００３６】制御回路は、前記した各領域Ｓ₀ 〜Ｓ_L の
データ読出し時に、読み出したデータの識別コードをレ
ジスタ１２に与える。これによりレジスタ１２は、第１
番目の領域Ｓ₀ のデータの読出し時には「Ｔ」を、以降
の領域Ｓ₁ 〜Ｓ_L のデータ読出し時には「Ｄ」を、それ
ぞれ記憶する。第２のコンパレータ１１は、レジスタ１
２の記憶内容が前記識別コードＴであるか否かを判断す
るためのもので、レジスタ１２に「Ｔ」が格納されてい
るとき、ゲート回路１３に一致信号を出力して回路を開
放させる。

【００３７】前記コンパレータ１１の一致信号はマルチ
プレクサ１５にも与えられ、ゲート回路１３を通過した
テンプレートのデータが出力される。コンパレータ１１
から一致信号が出力されていないときは、ゲート回路１
３は閉鎖され、マルチプレクサ１５は、前記乗算回路１
４からの後続の音声波形に関する復元データを出力す
る。

【００３８】Ｄ／Ａ変換回路１６は、マルチプレクサ１
５から出力された音声データをアナログ量に変換するた
めのもので、変換されたアナログ量の音声信号は、前記
スピーカー７に与えられて外部へ出力される。

【００３９】図５は、上記の音声データ圧縮に関する音
声データ処理部４の制御手順をステップ１（図中ＳＴ１
で示す）〜ステップ６で示す。まず前記サンプリング回
路３からデジタル量の音声データが入力されると、音声
データ処理部４は各サンプリングデータの変化パターン
より１ピッチ周期の音声データを認識する。この認識さ
れた音声データは、前記した数次元のベクトルの形で音
声データ処理部４の内部のメモリに記憶される（ステッ
プ１）。

【００４０】つぎに音声データ処理部４は、この第１番
目に抽出された音声データを前記テンプレートとして前
記音声データ記憶部５に格納する。このときこのデータ
の記憶領域には、前記したテンプレートの識別コードＴ
やベクトル成分の数Ｎも格納される（ステップ２）。

【００４１】続くステップ３では、つぎの１ピッチ周期
の音声データが認識され、前記と同様内部のメモリに記
憶される。音声データ処理部４はこの音声データについ
て前記した（１）式を用いてテンプレートとの相関値Ｖ
を算出し、得られた相関値Ｖが所定値以上であったと
き、さらに（２）式を用いてこの周期における音声デー
タのテンプレートに対する類似度Ａを算出する（ステッ
プ４，５）。

【００４２】算出された類似度Ａは前記音声データ記憶
部５のつぎの記憶領域に格納される（ステップ６）。な
おこのとき同時に、テンプレートの記憶領域に格納され
た前記音声波形の数Ｌ（初期段階では「０」となってい
る）はインクリメントされている。

【００４３】以下、同様にして、後続するピッチ周期毎
にテンプレートとの相関がチェックされ、所定の相関値
以上であればこのピッチ周期における音声データとテン
プレートとの類似度が算出され、音声データ記憶部５に
格納される。これにより類似する音声波形が連続する期
間について、先頭の音声波形の音声データによるテンプ
レート，そのベクトル成分Ｎ，後続の類似音声波形の数
Ｌ，各音声波形のテンプレートに対する類似度Ａ₁ 〜Ａ
_N から成る圧縮データが生成される。

【００４４】一方、ステップ４の判定が「ＮＯ」のと
き、すなわち後続のピッチ周期における音声データとテ
ンプレートとの間に相関が見い出されなかったとき、音
声データ処理部４は、このピッチ周期内の音声データを
新たなテンプレートとして前記音声データ記憶部５のつ
ぎの領域に格納し、以下同様の手順で圧縮データを生成
する。

【００４５】なお、この実施例の装置は、音声データ記
憶部５内の圧縮データを復調して外部へ出力する機能を
備えているが、これに限らず、圧縮データから入力され
た音声のパターンを認識する認識処理部を設けてもよ
い。

【００４６】さらに上記の装置に送受信回路を付加して
圧縮データをオンライン回線などを介して他の装置に送
信することも可能である。

【００４７】図６は、上記のデータ圧縮方法を適用した
オンラインシステムの一例を示す。このシステムは、無
線通信により端末機２０からホストコンピュータ２１に
音声データを送信するものである。

【００４８】前記端末機２０は、図１と同様の回路構成
のほか送受信用のアンテナ２２と回路（図示せず）を備
える。ホストコンピュータ２１も同様に、アンテナ２３
と送受信回路（図示せず）とを有しており、内部の制御
部には各端末機２０からの音声データを記憶するための
大容量の音声データ記憶部２５が設けられている。

【００４９】上記のシステムによれば、端末機２０の記
憶容量が小さくとも、入力された音声データを順次圧縮
処理して記憶したり、得られた圧縮データをホストコン
ピュータ２１に送信したりすることができ、長時間にわ
たる大容量の音声データの処理が可能となる。さらに、
ホストコンピュータ２１側で受信した音声データを用い
て統合的な処理を行い、その処理結果を端末機２０側に
返送するよう構成してもよい。

【００５０】

【発明の効果】この発明は、上記の如く、類似する音声
波形が周期的に繰り返されているとき、先頭周期の音声
データをテンプレートとして設定し、後続する各周期毎
の音声データのテンプレートに対する類似度を求め、こ
のテンプレートと各類似度とにより、類似する音声波形
が繰り返される期間全体の音声データをひとまとめにし
て圧縮するようにしたので、音声データの量を大幅に削
減して効率の良いデータ処理を行うことができる。

【００５１】請求項３の発明では、圧縮された音声デー
タを装置内部に記憶するようにしたので、従来の装置よ
りメモリ容量を削減でき、ハードウエア構成が小規模化
できる。

【００５２】また請求項４の発明では、この圧縮された
音声データを外部に送信するようにしたから、送信され
るデータの容量が少なくなり、送信時間が大幅に削減で
きる。

【００５３】さらに請求項５の発明では、携帯可能な通
信端末機において、音声データを圧縮して圧縮された音
声データの記憶や送信を行うようにしたから、メモリ容
量の少ない小型機であっても長時間分の音声データを記
憶できる上、短時間で大量のデータの送信を行って送信
時間を大幅に短縮し得る。

【図面の簡単な説明】

【図１】この発明の一実施例である音声データ処理装置
の回路構成を示すブロック図である。

【図２】音声データの抽出方法および各音声波形の関係
を示す説明図である。

【図３】圧縮データを生成する原理を示す説明図であ
る。

【図４】音声データ記憶部のデータ構成例と復調回路の
回路構成例とを示す説明図である。

【図５】音声データの圧縮処理の手順を示すフローチャ
ートである。

【図６】この発明の音声データ圧縮方法を適用したオン
ラインシステムの概要を示す説明図である。

【符号の説明】

１ マイクロフォン ２ 制御部 ４ 音声データ処理部 ５ 音声データ記憶部 ６ 復調回路

Claims (5)

【特許請求の範囲】
1. 【請求項１】 類似する音声波形が周期的に繰り返され
   る期間を求めてその期間の音声データを抽出し、先頭周
   期の音声データをテンプレートとして後続の各周期毎の
   音声データを前記テンプレートに対する類似度により表
   現することにより、音声データの圧縮を行うことを特徴
   とする音声データ圧縮方法。
2. 【請求項２】 連続する音声波形の音声データを入力す
   る入力手段と、 前記入力手段より入力された音声データについて、類似
   する音声波形が周期的に繰り返される期間を抽出する抽
   出手段と、 前記抽出手段により抽出された期間の先頭周期の音声デ
   ータをテンプレートとして設定する設定手段と、 後続の音声データについて各周期毎に前記テンプレート
   に対する類似度を算出する類似度算出手段と、 前記テンプレートと前記類似度算出手段により各周期毎
   に算出された類似度とにより前記期間の音声データを圧
   縮するデータ圧縮手段とを備えて成る音声データ圧縮装
   置。
3. 【請求項３】 連続する音声波形の音声データを入力す
   る入力手段と、 前記入力手段より入力された音声データについて、類似
   する音声波形が周期的に繰り返される期間を抽出する抽
   出手段と、 前記抽出手段により抽出された期間の先頭周期の音声デ
   ータをテンプレートとして設定する設定手段と、 後続の音声データについて各周期毎に前記テンプレート
   に対する類似度を算出する類似度算出手段と、 前記テンプレートと前記類似度算出手段により各周期毎
   に算出された類似度とにより前記期間の音声データを圧
   縮するデータ圧縮手段と、 前記データ圧縮手段により圧縮された音声データを記憶
   する記憶手段とを備えて成る音声データ処理装置。
4. 【請求項４】 連続する音声波形の音声データを入力す
   る入力手段と、 前記入力手段より入力された音声データについて、類似
   する音声波形が周期的に繰り返される期間を抽出する抽
   出手段と、 前記抽出手段により抽出された期間の先頭周期の音声デ
   ータをテンプレートとして設定する設定手段と、 後続の音声データについて各周期毎に前記テンプレート
   に対する類似度を算出する類似度算出手段と、 前記テンプレートと前記類似度算出手段により各周期毎
   に算出された類似度とにより前記期間の音声データを圧
   縮するデータ圧縮手段と、 前記データ圧縮手段により圧縮された音声データを記憶
   する記憶手段と、 前記記憶手段に記憶された音声データを送信する音声デ
   ータ送信手段とを備えて成る音声データ処理装置。
5. 【請求項５】 前記入力手段、設定手段、類似度算出手
   段、データ圧縮手段、記憶手段、および音声データ送信
   手段は、携帯可能な通信端末機を構成する手段である請
   求項４に記載された音声データ処理装置。