JPH09265300A

JPH09265300A - 音声処理装置および音声処理方法

Info

Publication number: JPH09265300A
Application number: JP8075715A
Authority: JP
Inventors: Koji Asano; 康治浅野
Original assignee: Sony Corp
Current assignee: Sony Corp
Priority date: 1996-03-29
Filing date: 1996-03-29
Publication date: 1997-10-07
Anticipated expiration: 2016-03-29
Also published as: JP3531342B2

Abstract

(57)【要約】【課題】装置が利用される場所における環境雑音に対
する対策を容易に施すことができるようにする。【解決手段】コードブック記憶部３１には、複数の異
なる雑音環境における雑音を含む学習用の音声それぞれ
に基づいて作成されたコードブックＣ₁，Ｃ₂，・・・が
記憶されており、選択部３４では、コードブック記憶部
３１に記憶されているコードブックの中から、装置が利
用される場所における雑音に対応するものが選択され、
ベクトル量子化部３３に供給される。一方、特徴ベクト
ル抽出部３２では、ユーザの発話に対応する、雑音を含
む音声信号から、特徴ベクトルが抽出され、ベクトル量
子化部３３に供給される。ベクトル量子化部３３では、
選択部３４によって選択されたコードブックを用いて、
特徴ベクトル抽出部３２からの特徴ベクトルがベクトル
量子化される。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は、音声処理装置およ
び音声処理方法に関する。特に、入力音声に含まれる雑
音に対する対策を施すための、複数種類の雑音対策デー
タのうちのいずれかを選択し、その雑音対策データを用
いて、入力音声を、例えば音声認識処理や符号化処理な
どすることにより、装置の耐雑音性能を向上させること
ができるようにした音声処理装置および音声処理方法に
関する。

【０００２】

【従来の技術】例えば、音声認識装置や、携帯電話機な
どの、音声入力を利用した実用的な音声処理装置では、
雑音環境中で入力される音声（入力音声）を対象とし
て、音声認識処理や、符号化処理などの音声処理が行わ
れるため、入力音声に含まれる雑音に対する対策は重要
である。

【０００３】雑音対策の１つの方法としては、例えば、
あらかじめ雑音環境での音声のデータを集めて、音声処
理装置を、雑音環境化での音声に適応させるようにする
方法がある。このような方法を利用して、雑音環境下で
の性能の改善を図るものとしては、例えば、保坂他「周
囲雑音下におけるＣＥＬＰ符号化の品質改善」（日本音
響学会講演論文集、1-5-17, pp.265-266, 1994年10,11
月）などに記載されているような、ＣＥＬＰ（Code Exc
ided Linear Prediction）方式による音声符号化におい
て、ベクトル量子化処理を行う際に用いるコードブック
の作成に雑音を付加した音声を用いるものなどがある。

【０００４】また、別の雑音対策の方法としては、上述
の、いわば静的な対策に対して、音声処理を行う時点の
周囲雑音環境を推定して、それに動的に適応しようとい
うものがあり、例えばスペクトルサブトラクション法な
どが挙げられる。これは、周囲雑音を取り込む専用のマ
イクからの入力や、ユーザが発話を行ってない無音声区
間におけるマイクからの入力に基づいて、周囲の雑音環
境を推定して、この推定された雑音を、入力音声から差
し引くことによって、入力音声に含まれる周囲雑音の影
響を低減しようというものである。スペクトルサブスト
ラクション法については、例えば「Steven F. Boll, "S
uppression of Acoustic Noise in Speech Using Spect
ral Subtraction" IEEE Transaction of Acoustics, Sp
eech andSignal Processing, ASSP-27, pp.113-120, 19
79」などに、その詳細が開示されている。

【０００５】

【発明が解決しようとする課題】ところで、音声処理装
置が、持ち運びが可能な、例えば携帯型の場合には、様
々な雑音環境で利用されることが予想され、従って、こ
の場合、音声処理装置では、様々な雑音環境下で入力さ
れた音声を処理する必要がある。

【０００６】しかしながら、あらかじめ所定の雑音環境
において音声のデータを集めて、音声処理装置を、その
雑音環境下における音声に適応させる方法では、装置が
利用される場所の雑音環境が、装置を適応させた雑音環
境に一致（または類似）している場合には、雑音に対処
することができるが、適応させた雑音環境と一致してい
ない場合には、雑音に対処することが困難であった。

【０００７】そこで、スペクトルサブトラクション法な
どの動的に周囲の雑音環境に適応する方法によれば、環
境雑音が推定されるので、装置が利用される場所、即
ち、雑音環境が変化しても、その環境における雑音に対
処することができる。しかしながら、スペクトルサブト
ラクション法を用いる場合において、ユーザの音声を入
力するためのマイクとは別に、周囲雑音を取り込むため
のマイクを用いるときには、即ち、マイクを２つ用いる
ときには、装置が大型化、高コスト化することになる。
また、ユーザの音声を入力するためのマイクを、環境雑
音の推定にも兼用した場合には、音声区間と無音声区間
とを正確に区別する必要が生じる。そして、この区別を
正確に行うことは困難であった。

【０００８】本発明は、このような状況に鑑みてなされ
たものであり、場所に応じた環境雑音に対する対策を、
容易に行うことができるようにするものである。

【０００９】

【課題を解決するための手段】請求項１に記載の音声処
理装置は、入力音声に含まれる雑音に対する対策を施す
ための、複数種類の雑音対策データを記憶している記憶
手段と、記憶手段に記憶されている雑音対策データのう
ちのいずれかを選択する選択手段と、選択手段により選
択された雑音対策データを用いて、入力音声を処理する
処理手段とを備えることを特徴とする。

【００１０】請求項１２に記載の音声処理方法は、入力
音声に含まれる雑音に対する対策を施すための、複数種
類の雑音対策データを記憶している記憶手段から、いず
れかの雑音対策データを選択するステップと、その選択
された雑音対策データを用いて、入力音声を処理するス
テップとを備えることを特徴とする。

【００１１】請求項１に記載の音声処理装置おいては、
記憶手段は、入力音声に含まれる雑音に対する対策を施
すための、複数種類の雑音対策データを記憶している。
選択手段は、記憶手段に記憶されている雑音対策データ
のうちのいずれかを選択し、処理手段は、選択手段によ
り選択された雑音対策データを用いて、入力音声を処理
するようになされている。

【００１２】請求項１２に記載の音声処理方法において
は、入力音声に含まれる雑音に対する対策を施すため
の、複数種類の雑音対策データを記憶している記憶手段
から、いずれかの雑音対策データを選択し、その選択さ
れた雑音対策データを用いて、入力音声を処理するよう
になされている。

【００１３】

【発明の実施の形態】以下に、本発明の実施例を説明す
るが、その前に、特許請求の範囲に記載の発明の各手段
と以下の実施例との対応関係を明らかにするために、各
手段の後の括弧内に、対応する実施例（但し、一例）を
付加して、本発明の特徴を記述すると、次のようにな
る。

【００１４】即ち、請求項１に記載の音声処理装置は、
入力音声に、所定の処理を施す音声処理装置であって、
入力音声に含まれる雑音に対する対策を施すための、複
数種類の雑音対策データを記憶している記憶手段（例え
ば、図４に示すコードブック記憶部３１や、図５に示す
標準パターン記憶部４１、図６に示す確率モデル記憶部
５１、図７に示すネットワークモデル記憶部６１など）
と、記憶手段に記憶されている雑音対策データのうちの
いずれかを選択する選択手段（例えば、図４に示す選択
部３４や、図５に示す選択部４４、図６に示す選択部５
４、図７に示す選択部６４など）と、選択手段により選
択された雑音対策データを用いて、入力音声を処理する
処理手段（例えば、図４に示すベクトル量子化部３３
や、図５に示すＤＰマッチング部４２、図６に示す出力
確率計算部５２、図７に示す出力値計算部６２など）と
を備えることを特徴とする。

【００１５】請求項３に記載の音声処理装置は、場所を
入力するときに操作される操作手段（例えば、図１や図
２に示すファンクションキー７など）をさらに備え、選
択手段が、操作手段によって入力された場所に対応し
て、雑音対策データを選択することを特徴とする。

【００１６】請求項４に記載の音声処理装置は、入力音
声に基づいて、場所を認識する場所認識手段（例えば、
図９に示すプログラムの処理ステップＳ１３や、図１１
に示すプログラムの処理ステップＳ２５など）をさらに
備え、選択手段が、場所認識手段により認識された場所
に対応して、雑音対策データを選択することを特徴とす
る。

【００１７】請求項１２に記載の音声処理方法は、入力
音声に、所定の処理を施す音声処理方法であって、入力
音声に含まれる雑音に対する対策を施すための、複数種
類の雑音対策データを記憶している記憶手段（例えば、
図４に示すコードブック記憶部３１や、図５に示す標準
パターン記憶部４１、図６に示す確率モデル記憶部５
１、図７に示すネットワークモデル記憶部６１など）か
ら、いずれかの雑音対策データを選択するステップと、
その選択された雑音対策データを用いて、入力音声を処
理するステップとを備えることを特徴とする。

【００１８】なお、勿論この記載は、各手段を上記した
ものに限定することを意味するものではない。

【００１９】図１は、本発明を適用した音声処理装置の
一実施例の構成を示している。なお、この音声処理装置
は、例えば、日本語で入力された音声を、英語に翻訳し
て出力する音声翻訳装置を構成している。また、この音
声翻訳装置は、例えば、持ち運びに便利なように携帯型
とされている。

【００２０】この音声翻訳装置の正面パネルには、スピ
ーカ１、ＬＣＤ（液晶ディスプレイ）２、マイク３、電
源スイッチ４、確定キー５、カーソルキー６、およびフ
ァンクションキー７が設けられている。

【００２１】スピーカ１は、各種の情報を音声（合成
音）で出力するようになされている。即ち、スピーカ１
からは、例えば、マイク３に入力された音声の音声認識
結果や、それを英語に翻訳したものなどが、合成音で出
力されるようになされている。なお、スピーカ１から
は、例えばユーザに対し、注意を促すためのビープ音な
ども出力されるようになされている。

【００２２】ＬＣＤ２には、各種の情報が表示されるよ
うになされている。即ち、ＬＣＤ２には、例えばマイク
３に入力された音声の音声認識結果や、それを英語に翻
訳したものなどが表示されるようになされている。

【００２３】マイク３は、そこに入力された、空気の波
である音声（音声波形）を、電気信号（電気的な波）で
ある音声信号に変換するようになされている。電源スイ
ッチ４は、装置の電源をオン、オフする場合に操作され
る。確認キー５は、例えば、スピーカ１やＬＣＤ２から
出力された音声認識結果や、その翻訳結果が正しい場合
に操作される。さらに、確認キー５は、例えば、ＬＣＤ
２に表示された複数の項目のうちのいずれかを、カーソ
ルキー６を操作することにより選択した場合に、その選
択を確定するときなどにも操作される。

【００２４】カーソルキー６は、上キー６ａ、下キー６
ｂ、左キー６ｃ、および右キー６ｄから構成されてい
る。上キー６ａ、下キー６ｂ、左キー６ｃ、または右キ
ー６ｄは、ＬＣＤ２に表示されるカーソル（図示せず）
を上、下、左、または右にそれぞれ移動させる場合や、
ＬＣＤ２の表示画面を下、上、右、または左にそれぞれ
スクロールさせる場合などに操作される。ファンクショ
ンキー７については、後述する。

【００２５】次に、図２は、図１の音声翻訳装置の電気
的構成例を示している。制御部１１は、電源スイッチ
４、確定キー５、カーソルキー６、およびファンクショ
ンキー７の操作に対応して、ＬＣＤ２、音声認識部１
２、機械翻訳部１３、および音声合成部１４を制御する
ようになされている。さらに、制御部１１は、音声認識
部１２、機械翻訳部１３、および音声合成部１４とデー
タのやりとりをしながら、種々の処理を行うようにもな
されている。

【００２６】音声認識部１２には、マイク３が出力する
音声信号が供給されるようになされており、その音声信
号を音響分析することで、マイク３に入力された音声
を、例えば連続音声認識などし、その音声認識の結果得
られる、例えば単語（または単語列）を、テキストデー
タなどの形で出力するようになされている。機械翻訳部
１３は、音声認識部１２からが出力する、音声認識結果
としての単語列（日本語の単語列（文章））を、英語に
機械翻訳し、その結果得られる翻訳文を、ＬＣＤ２およ
び音声合成部１４に出力するようになされている。音声
合成部１４は、そこに入力される入力文に対応する合成
音を生成し、スピーカ１に供給するようになされてい
る。

【００２７】以上のように構成される音声翻訳装置にお
いては、電源スイッチ４が操作されると、制御部１１に
おいて、装置の電源がオンにされる。そして、マイク３
に日本語の音声が入力されると、その音声は、マイク３
により電気信号としての音声信号とされ、音声認識部１
２に供給される。音声認識部１２では、マイク３に入力
された音声が音声認識され、その音声認識結果が、制御
部１１および機械翻訳部１３に出力される。

【００２８】制御部１１は、音声認識部１２より音声認
識結果を受信すると、それを、ＬＣＤ２に供給して表示
させる。これにより、ＬＣＤ２には、マイク３に入力さ
れた日本語の音声認識結果が表示される。同時に、制御
部１１は、音声認識部１２からの音声認識結果を、音声
合成部１４にも出力する。音声合成部１４では、制御部
１１からの音声認識結果に対応する合成音が生成され、
スピーカ１に供給される。これにより、スピーカ１から
は、マイク３に入力された日本語の音声認識結果が、合
成音で出力される。

【００２９】ユーザは、スピーカ１の出力を聞いて、ま
たはＬＣＤ２の表示を見て、その音声認識結果が正しけ
れば、確定キー５を操作する。制御部１１は、確定キー
５が操作されると、音声認識部１２が出力する音声認識
結果を翻訳するように、機械翻訳部１３を制御する。こ
れに対応して、機械翻訳部１３では、音声認識部１２か
らの音声認識結果が英語に翻訳され、その翻訳文が、Ｌ
ＣＤ２および音声合成部１４に出力される。これによ
り、ＬＣＤ２には、マイク３に入力された日本語の音声
を英語に翻訳した翻訳文が表示される。

【００３０】一方、音声合成部１４は、機械翻訳部１３
から翻訳文を受信すると、その翻訳文に対応する合成音
を生成し、スピーカ１に供給する。これにより、スピー
カ１からは、マイク３に入力された日本語の音声を英語
に翻訳した翻訳文が、合成音で出力される。

【００３１】なお、音声認識結果の確定は、確定キー５
を操作することによってではなく、例えば、マイク３に
所定の音声を入力することによって行うようにすること
も可能である。

【００３２】次に、図３は、図２の音声認識部１２の構
成例を示している。音声入力部２０は、例えばアンプな
どで構成され、マイク３より供給される音声信号を、適
正なレベルに増幅して、ＡＤ変換器２１に出力するよう
になされている。ＡＤ変換器２１は、音声入力部２０か
らのアナログの音声信号を、所定のサンプリングクロッ
クにしたがってサンプリングし、さらに量子化すること
で、ディジタルの音声信号に変換するようになされてい
る。このディジタル信号とされた音声信号は、ＡＤ変換
部２１から分析部２２に供給されるようになされてい
る。

【００３３】分析部２２は、ＡＤ変換部２１からの音声
信号を、音響分析することで、例えば所定の帯域ごとの
音声のパワーや、線形予測係数（ＬＰＣ）、ケプストラ
ム係数などの、マイク３に入力された音声の特徴ベクト
ルを抽出するようになされている。即ち、分析部２２
は、例えば複数のバンドパスフィルタでなるフィルタバ
ンクにより、音声信号を所定の帯域ごとにフィルタリン
グし、そのフィルタリング結果を、整流、平滑化するこ
とで、所定の音声の帯域ごとのパワーを求めるようにな
されている。あるいは、分析部２２は、音声信号に対
し、例えば線形予測分析処理を施すことで、線形予測係
数を求め、また、その線形予測係数からケプストラム係
数（ＬＰＣケプストラム）を求めるようになされてい
る。

【００３４】分析部２２は、音声の特徴ベクトルを抽出
した後、その特徴ベクトルを、そのまま、あるいは、ベ
クトル量子化することによりスカラ量であるコードにし
て、認識部２３に出力するようになされている。即ち、
分析部２２において、ベクトル量子化が行われる場合に
は、あらかじめ収集した学習用の音声に基づいて作成さ
れた所定数のセントロイドを有するコードブックから、
特徴ベクトルとの距離が最も近いセントロイドが検出さ
れ、そのセントロイドに割り当てられたコードが出力さ
れる。

【００３５】なお、分析部２２では、音声信号が、所定
の微小区間であるフレーム単位で音響分析されるように
なされており、従って、音声の特徴ベクトルは、フレー
ム単位で得られるようになされている。

【００３６】ここで、以下、適宜、特徴ベクトルおよび
それをベクトル量子化して得られるコードを、両方含め
て、特徴量という。

【００３７】認識部２３は、分析部２２からの特徴量に
基づき、例えばＤＰ（Dynamic Proguramming）マッチン
グ法や、ＨＭＭ（Hidden Markov Model）法、ニューラ
ルネットワークを用いる方法（以下、適宜、ニューラル
ネットワーク法という）などの所定の音声認識アルゴリ
ズムにしたがって、マイク３に入力された音声を、単語
辞書記憶部２４に記憶された単語を対象として、文法規
則記憶部２５に記憶された文法規則を参照しながら、音
声認識するようになされている。

【００３８】ここで、ＤＰマッチング法は、音声の特徴
量を入力パターンとし、この入力パターンと、テンプレ
ートと呼ばれる標準パターンとを、時間軸伸縮を行いな
がらマッチングすることによって音声認識を行うもので
あり、例えば、入力パターンとの距離を最も短くする標
準パターンに対応する文字（文字列）が音声認識結果と
される。

【００３９】ＨＭＭ法は、幾つかの状態からなる確率モ
デル（ＨＭＭ）によって音声認識を行うものであり、例
えば、音声の特徴量の系列が観測される確率が最も高い
確率モデルに対応する単語（文字列）が音声認識結果と
される。

【００４０】ニューラルネットワーク法は、人間の脳を
模倣するネットワークモデルによって音声認識を行うも
のであり、ネットワークモデルに対して音声の特徴量を
与えたときに、そこから出力されるデータに基づいて、
音声認識結果が決定される。

【００４１】単語辞書記憶部２４には、認識部２３にお
いて音声認識の対象とする単語が登録された単語辞書が
記憶されている。文法規則記憶部２５には、単語辞書記
憶部２４に記憶された単語の並びを制限するための文法
規則が記憶されている。

【００４２】以上のように構成される音声認識部１２で
は、マイク３から出力されたアナログの音声信号は、音
声入力部２０、さらにはＡＤ変換部２１を介すること
で、ディジタルの音声信号とされ、分析部２２に供給さ
れる。分析部２２では、ＡＤ変換部２１からの音声信号
が音響分析され、これにより、音声の特徴量が抽出され
て、認識部２３に供給される。認識部２３では、分析部
２２からの特徴量に基づき、マイク３に入力された音声
が、単語辞書記憶部２４に記憶された単語を対象とし
て、文法規則記憶部２５に記憶された文法規則により単
語の並びを制限しながら音声認識され、その音声認識結
果が出力される。

【００４３】次に、以上のようにして音声認識を行う音
声認識部１２においては、マイク３に入力される音声
（入力音声）に含まれる、種々の環境雑音に対する対策
が、例えば、以下のような方法で施されるようになされ
ている。

【００４４】即ち、第１の方法では、分析部２２におい
てベクトル量子化が行われる場合に、そのベクトル量子
化に用いるコードブックを、複数の異なる雑音環境にお
ける雑音を含む学習用の音声それぞれに基づいて作成す
ることにより、複数の雑音環境ごとに用意し、ベクトル
量子化の際には、装置が利用される場所の環境雑音に対
応するコードブックを選択して用いるようにする。

【００４５】なお、学習用の音声としては、各雑音環境
において発話されたものの他、例えば、防音室などで発
話された、雑音が含まれない音声に、各雑音環境におけ
る雑音を重畳したものなどを用いることが可能である。

【００４６】第２の方法では、認識部２３において、Ｄ
Ｐマッチング法にしたがって音声認識が行われる場合
に、その音声認識に用いる標準パターンのセットを、複
数の異なる雑音環境における雑音を含む学習用の音声そ
れぞれに基づいて作成することにより、複数の雑音環境
ごとに用意し、音声認識の際には、装置が利用される場
所の環境雑音に対応する標準パターンのセットを選択し
て用いるようにする。

【００４７】第３の方法では、認識部２３において、Ｈ
ＭＭ法にしたがって音声認識が行われる場合に、その音
声認識に用いる確率モデル（ＨＭＭ）のセットを、複数
の異なる雑音環境における雑音を含む学習用の音声それ
ぞれに基づいて作成することにより、複数の雑音環境ご
とに用意し、音声認識の際には、装置が利用される場所
の環境雑音に対応する確率モデルのセットを選択して用
いるようにする。

【００４８】なお、この場合は、例えば、F.Martin他:"
Recognition of Noisy Speech by using the Compositi
on of Hidden Markov Models" （日本音響学会講演論文
集、1-7-10, pp.65-66, 1992年10月）などに開示されて
いるように、無雑音環境で収録した音声を用いて学習を
行うことにより得られた確率モデルと、様々な環境雑音
を用いて学習を行うことにより得られた確率モデルとか
ら、各雑音環境に対応した確率モデルを合成するように
することも可能である。

【００４９】第４の方法では、認識部２３において、ニ
ューラルネットワーク法にしたがって音声認識が行われ
る場合に、その音声認識に用いるネットワークモデルの
セットを、複数の異なる雑音環境における雑音を含む学
習用の音声それぞれに基づいて作成することにより、複
数の雑音環境ごとに用意し、音声認識の際には、装置が
利用される場所の環境雑音に対応するネットワークモデ
ルのセットを選択して用いるようにする。

【００５０】図４は、第１の方法により、環境雑音に対
処する場合の、図３の分析部２２の構成例を示してい
る。コードブック記憶部３１には、複数の異なる雑音環
境における雑音を含む学習用の音声それぞれに基づいて
作成されたコードブックＣ₁，Ｃ₂，・・・が記憶されて
いる。なお、コードブック記憶部３１には、雑音を含ま
ない音声から作成されたコードブックも含めるようにす
ることが可能である。

【００５１】特徴ベクトル抽出部３２は、マイク３より
供給された音声信号から、特徴ベクトルを抽出し、ベク
トル量子化部３３に供給するようになされている。ベク
トル量子化部３３は、コードブック記憶部３１から、後
述する選択部３４を介して供給されるコードブックを用
い、特徴ベクトル抽出部３２より供給される特徴ベクト
ルをベクトル量子化し、その結果得られるコードを出力
するようになされている。選択部３４には、制御部１１
（図２）から制御信号が供給されるようになされてお
り、選択部３４は、その制御信号にしたがって、コード
ブック記憶部３１に記憶されている、いずれかのコード
ブックを選択し、ベクトル量子化部３３に供給するよう
になされている。

【００５２】以上のように構成される分析部２２では、
選択部３４において、制御部１１からの制御信号にした
がって、コードブック記憶部３１に記憶されているコー
ドブックのうちのいずれか１つが選択され、ベクトル量
子化部３３に供給される。一方、特徴ベクトル抽出部３
２では、マイク３より供給された音声信号から、特徴ベ
クトルが抽出され、ベクトル量子化部３３に供給され
る。ベクトル量子化部３３では、選択部３４によって選
択されたコードブックを用いて、特徴ベクトル抽出部３
２からの特徴ベクトルがベクトル量子化され、その結果
得られるコードが出力される。

【００５３】次に、図５は、第２の方法により、環境雑
音に対処する場合の、図３の認識部２３の構成例を示し
ている。標準パターン記憶部４１には、複数の異なる雑
音環境における雑音を含む学習用の音声それぞれに基づ
いて作成された標準パターンのセットＰ₁，Ｐ₂，・・・
が記憶されている。なお、標準パターン記憶部４１に
は、雑音を含まない音声から作成された標準パターンの
セットも含めるようにすることが可能である。

【００５４】ＤＰマッチング部４２は、分析部２２より
供給される、例えば特徴ベクトルの系列を、入力パター
ンとし、この入力パターンと、標準パターン記憶部４１
から、後述する選択部４４を介して供給される標準パタ
ーンそれぞれとの距離を、時間軸正規化を行いながら計
算し、判定部４３に出力するようになされている。判定
部４３は、ＤＰマッチング部４２より供給される距離の
中の最も短いものを検出し、その距離が得られた標準パ
ターンに対応する単語を、音声認識結果として出力する
ようになされている。

【００５５】以上のように構成される認識部２３では、
選択部４４において、制御部１１からの制御信号にした
がって、標準パターン記憶部４１に記憶されている標準
パターンのセットのうちのいずれか１つが選択され、Ｄ
Ｐマッチング部４２に供給される。そして、ＤＰマッチ
ング部４２では、分析部２２より供給される特徴ベクト
ルの系列が、入力パターンとされ、この入力パターン
と、選択部４４から供給される標準パターンそれぞれと
の距離が計算されて、判定部４３に出力される。判定部
４３では、ＤＰマッチング部４２より供給される距離の
うち、値の最も小さいものが検出され、その距離が得ら
れた標準パターンに対応する単語が出力される。

【００５６】次に、図６は、第３の方法により、環境雑
音に対処する場合の、図３の認識部２３の構成例を示し
ている。確率モデル記憶部５１には、複数の異なる雑音
環境における雑音を含む学習用の音声それぞれに基づい
て作成された確率モデルのセットＭ₁，Ｍ₂，・・・が記
憶されている。なお、確率モデル記憶部５１には、雑音
を含まない音声から作成された確率モデルのセットも含
めるようにすることが可能である。

【００５７】出力確率計算部５２は、後述する選択部５
４を介して供給される確率モデルそれぞれにおいて、分
析部２２より供給される、例えばコードの系列が観測さ
れる確率（以下、適宜、出力確率という）を計算し、判
定部５３に出力するようになされている。判定部５３
は、出力確率計算部５２より供給される出力確率のう
ち、最も確率の高いものを検出し、その出力確率が得ら
れた確率モデルに対応する単語を、音声認識結果として
出力するようになされている。

【００５８】以上のように構成される認識部２３では、
選択部５４において、制御部１１からの制御信号にした
がって、確率モデル記憶部５１に記憶されている確率モ
デルのセットのうちのいずれか１つが選択され、出力確
率計算部５２に供給される。そして、出力確率計算部５
２では、分析部２２より供給されるコードの系列が、選
択部５４から供給される確率モデルから観測（出力）さ
れる出力確率が計算され、判定部５３に出力される。判
定部５３では、出力確率計算部５２より供給される出力
確率のうち最も値の大きいものが検出され、その出力確
率が得られた確率モデルに対応する単語が出力される。

【００５９】次に、図７は、第４の方法により、環境雑
音に対処する場合の、図３の認識部２３の構成例を示し
ている。ネットワークモデル記憶部６１には、複数の異
なる雑音環境における雑音を含む学習用の音声それぞれ
に基づいて作成されたネットワークモデルのセット
Ｎ₁，Ｎ₂，・・・が記憶されている。なお、ネットワー
クモデル記憶部６１には、雑音を含まない音声から作成
されたネットワークモデルのセットも含めるようにする
ことが可能である。

【００６０】出力値計算部６２は、後述する選択部６４
を介して供給される各ネットワークモデルに対し、分析
部２２より供給される、例えばコードの系列を与え、こ
れにより各ネットワークモデルから得られる出力値を、
判定部６３に出力するようになされている。判定部６３
は、出力値計算部６２より供給される出力値に基づい
て、音声認識結果としての単語を決定するようになされ
ている。

【００６１】以上のように構成される認識部２３では、
選択部６４において、制御部１１からの制御信号にした
がって、ネットワークモデル記憶部６１に記憶されてい
るネットワークモデルのセットのうちのいずれか１つが
選択され、出力値計算部６２に供給される。そして、出
力値計算部６２では、分析部２２より供給されるコード
の系列が、選択部６４から供給されるネットワークモデ
ルに対して、入力値として与えられ、その結果得られる
出力値が、判定部６３に出力される。判定部６３では、
出力値計算部６２より供給される出力値に基づいて、音
声認識結果が決定される。

【００６２】ところで、以上のような方法により、音声
認識部１２において有効な雑音対策が施されるようにす
るためには、装置が利用される環境雑音に適合するコー
ドブックや、標準パターンのセット、確率モデルのセッ
ト、ネットワークモデルのセット（このように雑音に対
処するためのデータ（雑音に対する対策を施すためのデ
ータ）を、以下、適宜、雑音対策データという）を、選
択部３４や、４４，５４，６４に選択させるようにする
必要がある（装置が利用される環境雑音（あるいはそれ
に類似する雑音）を含む音声を用いて作成された雑音対
策データ）を選択させるようにする必要がある）。

【００６３】そこで、制御部１１は、装置が利用される
場所を、例えば以下のようにして認識し、その認識した
場所における環境雑音に適合する雑音対策データを選択
するための制御信号を、選択部３４や、４４，５４，６
４に供給するようになされている。なお、複数の雑音対
策データそれぞれには、それに対応する場所（雑音環
境）が対応付けられており、選択部３４，４４，５４，
６４では、制御部１１からの制御信号に対応する場所と
対応付けられている雑音対策データが選択されるように
なされている。

【００６４】即ち、図１（図２）に示したファンクショ
ンキー７は、例えば「飛行機」や、「列車」、「レスト
ラン」、「空港」、「ホテル」などの種々の場所を表す
キーで構成されており、そのようなキーのうち、装置を
利用する場所に対応するものが、ユーザにより操作され
ると、そのキー操作に対応する操作信号が、ファンクシ
ョンキー７から制御部１１に出力される。制御部１１で
は、この操作信号に基づいて、装置が利用される場所が
認識される。

【００６５】次に、図８のフローチャートを参照して、
ファンクションキー７が上述したように構成される場合
の、図２の音声翻訳装置の動作について説明する。この
場合、まず最初に、ステップＳ１において、ファンクシ
ョンキー７が操作されたかどうかが、制御部１１によっ
て判定される。ステップＳ１において、ファンクション
キー７が操作されていないと判定された場合、ステップ
Ｓ１に戻る。

【００６６】また、ステップＳ１において、ファンクシ
ョンキー７が操作されたと判定された場合、ステップＳ
２に進み、制御部１１は、その操作に対応した雑音対策
データを選択させるための制御信号を、音声認識部１２
に出力する。即ち、制御部１１では、ファンクションキ
ー７からの操作信号に基づいて、装置が利用される場所
が認識され、その場所における雑音に適合する雑音対策
データを選択するための制御信号が出力される。その
後、ステップＳ３に進み、音声翻訳装置では、上述した
ような、日本語の入力音声を英語に翻訳する音声翻訳処
理が行われる。

【００６７】ここで、提示された文例を選択すると、そ
の文例に対応する対訳が表示されるようになされている
翻訳装置の中には、どのような場面（例えば、「泊ま
る」や、「食べる」など）で用いられる文例の対訳を得
たいのかを、ユーザに選択させるようになされているも
のがあり（例えば、富士ゼロックス社製の電子翻訳機
「流暢」など）、このようにした場合、ユーザに提示す
る文例数が少なくなり、ユーザによる文例の選択の容易
化を図ることができる。

【００６８】そこで、制御部１１には、ファンクション
キー７からの操作信号に基づいて認識した、装置が利用
される場所を、機械翻訳部１３に報知させるようにし、
また、機械翻訳部１３には、その場所を考慮した翻訳を
行わせるようにすることができる。この場合、有効な雑
音対策により、音声認識部１２における音声の認識率を
向上させることができる他、機械翻訳部１３における翻
訳の精度も向上させることができる。

【００６９】次に、以上においては、ファンクションキ
ー７の操作に対応して、装置が利用される場所を認識す
るようにしたが、その他、装置が利用される場所は、例
えば、マイク３に入力される音声に基づいて認識するよ
うにすることも可能である。

【００７０】即ち、例えばレストランなどにおいては、
ユーザにより、例えば、食べ物の名称などが発話される
ことが予想される。そこで、このような食べ物の名称を
表す単語をキーワードとしておき、キーワードと、その
キーワードが発話されることが予想される場所とを、あ
らかじめ対応付けておくことで、マイク３に入力された
音声から、場所を認識（推定）することが可能となる。

【００７１】いま、キーワードと、そのキーワードが発
話されることが予想される場所とを、あらかじめ対応付
けて記憶させたデータベースを、キーワードデータベー
スとし、このキーワードデータベースが、制御部１１に
内蔵されているとした場合の音声翻訳装置の動作につい
て、図９のフローチャートを参照して説明する。

【００７２】この場合、マイク３に音声が入力される
と、ステップＳ１１において、音声認識部１２により、
その音声が音声認識される。この音声認識結果は、制御
部１１に供給され、制御部１１は、音声認識部１２から
音声認識結果を受信すると、ステップＳ１２において、
キーワードデータベースを参照して、音声認識結果に含
まれる単語から、キーワードを検出する。そして、ステ
ップＳ１３に進み、制御部１１は、再度、キーワードデ
ータベースを参照することで、検出したキーワードと対
応付けられている場所を検出し、その場所を、装置が利
用されている場所として認識（推定）する。さらに、制
御部１１は、ステップＳ１４において、認識された場所
における雑音に適合する雑音対策データを選択するため
の制御信号を出力する。その後、ステップＳ１５に進
み、音声翻訳装置では、上述したような、日本語の入力
音声を英語に翻訳する音声翻訳処理が行われる。

【００７３】この場合、ユーザは、ファンクションキー
７を操作する必要がないので、装置が利用される場所に
応じての、雑音対策データの選択を、ユーザに意識させ
ずに、容易に行うことが可能となる。さらに、この場
合、ファンクションキー７を設ける必要がなくなるの
で、装置の小型化を図ることが可能となる。

【００７４】なお、音声認識部１２では、上述したよう
に連続音声認識が行われるので、その音声認識結果から
は、複数のキーワードが検出され、それぞれに対応付け
られた場所が異なることがあるが、このような場合に
は、例えば、多数決などによって、装置が利用されてい
る場所を決定するようにすることが可能である。

【００７５】また、音声認識部１２には、連続音声認識
ではなく、孤立単語音声認識を行わせるようにすること
が可能であり、この場合、音声認識部１２から出力され
る音声認識結果は単語あるから、その単語がキーワード
となっているときには、そのキーワードと対応付けられ
ている場所を、そのまま、装置が利用されている場所と
認識するようにすれば良い。

【００７６】ところで、音声認識部１２の音声認識結果
に、キーワードとなっている単語が１つしか含まれない
場合には、装置が利用される場所の認識が困難なことが
ある。即ち、例えば単語「チェックイン」などは、ホテ
ルのフロントにおいて発話される場合もあるし、空港の
カウンタにおいて発話される場合もある。従って、単語
「チェックイン」がキーワードとされている場合におい
て、音声認識部１２の音声認識結果に含まれるキーワー
ドが、「チェックイン」だけのときには、装置が利用さ
れている場所が、ホテルまたは空港のうちのいずれであ
るのか判断するのが困難である。

【００７７】そこで、制御部１１には、装置が利用され
ている場所の特定が可能となるまで、ユーザの発話か
ら、単語を検出させる（複数の単語を検出させる）よう
にすることができる。

【００７８】即ち、例えば図１０に示すように、ホテル
におけるチェックインであれば、カテゴリ「部屋の種
類」や、「料金」、「宿泊日数」などを表す単語を含む
音声が発話されることが予想される。また、例えば、空
港（飛行機）におけるチェックインであれば、カテゴリ
「搭乗ゲート」や「出発時刻」などを表す単語を含む音
声が発話されることが予想される。

【００７９】そこで、このような各場所で発話されるこ
とが予想される単語のカテゴリの集合（上述したよう
に、ホテルであれば、「部屋の種類」、「料金」、およ
び「宿泊日数」などの集合、また、空港であれば、「搭
乗ゲート」および「出発時刻」などの集合）（以下、適
宜、対話テンプレートという）を、その場所と対応付け
ておき、いずれかの対話テンプレートにおけるすべての
カテゴリに属する単語が、ユーザの発話から検出された
場合に、その対話テンプレートに対応付けられた場所
を、装置が利用されている場所として認識（推定）する
ようにする。

【００８０】いま、上述のような対話テンプレートと場
所とが対応付けられたものをテンプレートデータベース
とし、このテンプレートデータベースが、制御部１１に
内蔵されているとした場合の音声翻訳装置の動作につい
て、図１１のフローチャートを参照して説明する。

【００８１】この場合、マイク３に音声が入力される
と、ステップＳ２１において、音声認識部１２により、
その音声が音声認識される。この音声認識結果は、制御
部１１に供給され、制御部１１は、音声認識部１２から
音声認識結果を受信すると、ステップＳ２２において、
その音声認識結果を単語単位にし、さらに、ステップＳ
２３において、その単語を、内蔵する単語記憶部（図示
せず）に記憶させる。

【００８２】そして、制御部１１は、ステップＳ２４に
おいて、テンプレートデータベースに記憶されている各
対話テンプレートにおけるカテゴリ（以下、適宜、テン
プレートカテゴリという）と、単語記憶部に記憶された
単語とを比較し、いずれかの対話テンプレートにおける
テンプレートカテゴリに属する単語すべてが、単語記憶
部に記憶されたかどうかを判定する。ステップＳ２４に
おいて、いずれかの対話テンプレートにおけるテンプレ
ートカテゴリに属する単語すべてが、単語記憶部に記憶
されていないと判定された場合、ステップＳ２１に戻
り、ユーザからの音声の入力を待って、再び、ステップ
Ｓ２１からの処理を繰り返す。

【００８３】一方、ステップＳ２４において、いずれか
の対話テンプレートにおけるテンプレートカテゴリに属
する単語すべてが、単語記憶部に記憶されたと判定され
た場合、即ち、いずれかの対話テンプレートにおけるす
べてのカテゴリに属する単語が、ユーザの発話から検出
された場合、ステップＳ２５に進み、制御部１１におい
て、その対話テンプレートと対応付けられた場所が、装
置が利用されている場所として認識（推定）される。そ
して、制御部１１は、ステップＳ２６において、認識さ
れた場所における雑音に適合する雑音対策データを選択
するための制御信号を出力する。その後、ステップＳ２
７に進み、音声翻訳装置では、上述したような、日本語
の入力音声を英語に翻訳する音声翻訳処理が行われる。

【００８４】この場合、例えば、場所「ホテルのフロン
ト」に対応付けられた対話テンプレートにおけるカテゴ
リが、「部屋の種類」、「料金」、および「宿泊日数」
であれば、ユーザの発話から、部屋の種類（例えば、
「スイートルーム」など）、料金（例えば、「○○円」
など）、および宿泊日数（例えば、「××日」など）を
表す単語が検出された場合、装置が利用されている場所
が、ホテルのフロントであると認識されることになる。

【００８５】従って、装置が利用されている場所を、正
確に認識することが可能となる。

【００８６】なお、上述の場合においては、いずれかの
対話テンプレートにおけるテンプレートカテゴリに属す
る単語すべてが、単語記憶部に記憶された場合に、その
対話テンプレートに対応付けられた場所を、装置が利用
されている場所として認識するようにしたが、その他、
例えば、いずれかの対話テンプレートにおけるテンプレ
ートカテゴリに属する単語のうちの所定数以上が、単語
記憶部に記憶された場合に、その対話テンプレートに対
応付けられた場所を、装置が利用されている場所として
認識するようにすることも可能である。

【００８７】また、上述の場合においては、単語が発話
された順番は考慮するようにしなかったが、この順番
を、何らかの形で考慮するようにすることなども可能で
ある。

【００８８】次に、図１２は、本発明を適用したディジ
タル携帯電話機の一実施例の構成を示している。この携
帯電話機は、マイク７１、スピーカ７２、音声信号処理
回路７３、時分割多重回路７４、変復調回路７５、無線
回路７６、アンテナ７７から構成されている。

【００８９】ユーザが、マイク７１に対して発話を行っ
た場合、その音声は、マイク７１において電気信号であ
る音声信号とされ、音声信号処理回路７３に供給され
る。音声信号処理回路７３では、マイク７１からの音声
信号がＡ／Ｄ変換され、さらに、そのデータ量を低減さ
せるために、例えば、ＶＳＥＬＰ（Vector Sum Excited
Linear Prediction）方式などで音声符号化が行われ、
その結果得られる符号化データが、時分割多重回路７４
に出力される。時分割多重回路７４は、同一搬送波周波
数で複数のチャンネルを使用することができるようにす
るため、ディジタルデータを短い期間のデータ（スロッ
ト）に区切り、変復調回路７５との間で、このスロット
を他のスロットと衝突しないように時間をずらして送受
信するようになされており、従って、音声信号処理回路
７３からの符号化データは、時分割多重回路７４を介す
ることで、スロット単位で、変復調回路７５に供給され
る。

【００９０】変復調回路７５では、時分割多重回路７４
からの符号化データが、例えば、ＱＰＳＫ（Quadrature
Phase Shift Keying）変調方式などで変調される。そ
の結果得られる変調信号は、変復調回路７５から無線回
路７６に供給される。無線回路７６では、変復調回路７
５からの変調信号が増幅され、アンテナ７７より放射さ
れる。

【００９１】一方、相手方から送信されてきた電波は、
アンテナ７７で受信され、その受信信号は、無線回路７
６を介することにより増幅され、変復調回路７５に供給
される。変復調回路７５は、無線回路７６からの信号
を、例えばＱＰＳＫ復調し、その結果得られる復調信号
を、時分割多重回路７４に出力する。この復調信号は、
スロット単位となっているので、時分割多重回路７４
は、そのスロット単位の復調信号を、元の状態に戻し、
音声信号処理回路７３に出力する。音声信号処理回路７
３では、時分割多重回路７４からの信号が復号化され、
さらに、その結果得られるディジタルの音声信号がＤ／
Ａ変換されることによりアナログの音声信号とされ、ス
ピーカ７２に供給される。これにより、スピーカ７２か
らは、相手方の音声が出力される。

【００９２】以上のようなディジタル携帯電話機では、
上述したように、音声信号処理回路７３において、音声
のデータ量を圧縮するために、音声符号化処理が行われ
る。ここでは、ＶＳＥＬＰ方式による音声符号化が行わ
れるものとしたが、このＶＳＥＬＰ方式では、ベクトル
量子化が行われる。従って、音声信号処理回路７３にお
いて、上述した第１の方法にしたがって、例えば、自動
車や、電車、オフィスなどの、携帯電話を利用する場所
に応じて、ベクトル量子化に用いるコードブックを作成
し、これを選択するようにすることで、有効な雑音対策
を施すことが可能となる。

【００９３】以上、本発明を、音声翻訳装置およびディ
ジタル携帯電話機に適用した場合について説明したが、
本発明は、この他にも、音声入力が可能なあらゆる装置
に適用可能である。

【００９４】また、本発明は、携帯型でない装置にも適
用可能であるが、携帯されることにより、様々な環境雑
音下で利用される携帯型の装置に、特に有用である。

【００９５】なお、本実施例においては、音声認識部１
２において、ＤＰマッチング法、ＨＭＭ法、またはニュ
ーラルネットワーク法にしたがって音声認識を行うよう
にしたが、音声認識部１２において用いる音声認識アル
ゴリズムは、これらに限定されるものではない。

【００９６】また、図１の音声翻訳装置では、日本語の
音声を英語に翻訳するようにしたが、翻訳の対象とする
言語は、日本語や英語に限定されるものではない。

【００９７】

【発明の効果】請求項１に記載の音声処理装置および請
求項１２に記載の音声処理方法によれば、入力音声に含
まれる雑音に対する対策を施すための、複数種類の雑音
対策データを記憶している記憶手段から、いずれかの雑
音対策データが選択され、その選択された雑音対策デー
タを用いて、入力音声が処理される。従って、場所に応
じた環境雑音に対する有効な対策を施すことが可能とな
り、その結果、装置の耐雑音性能を向上させることが可
能となる。

【図面の簡単な説明】

【図１】本発明を適用した音声翻訳装置の一実施例の構
成を示す斜視図である。

【図２】図１の音声翻訳装置の電気的構成例を示すブロ
ック図である。

【図３】図２の音声認識部１２の構成例を示すブロック
図である。

【図４】図２の分析部２２の構成例を示すブロック図で
ある。

【図５】図２の認識部２３の構成例を示すブロック図で
ある。

【図６】図２の認識部２３の他の構成例を示すブロック
図である。

【図７】図２の認識部２３の、さらに他の構成例を示す
ブロック図である。

【図８】図２の音声翻訳装置の動作を説明するためのフ
ローチャートである。

【図９】図２の音声翻訳装置の動作を説明するためのフ
ローチャートである。

【図１０】対話テンプレートを示す図である。

【図１１】図２の音声翻訳装置の動作を説明するための
フローチャートである。

【図１２】本発明を適用したディジタル携帯電話機の一
実施例の構成を示すブロック図である。

【符号の説明】

１スピーカ，２ＬＣＤ，３マイク，４電
源スイッチ，５確認キー，６カーソルキー，
７ファンクションキー，１１制御部，１２音声
認識部，１３機械翻訳部，１４音声合成部，
２０音声入力部，２１ＡＤ変換部，２２分析
部，２３認識部，２４単語辞書記憶部，２５
文法規則記憶部，３１コードブック記憶部，３
２特徴ベクトル抽出部，３３ベクトル量子化部，
３４選択部，４１標準パターン記憶部，４２
ＤＰマッチング部，４３判定部，４４選択
部，５１確率モデル記憶部，５２出力確率計算
部，５３判定部，５４選択部，６１ネット
ワークモデル記憶部，６２出力値計算部，６３
判定部，６４選択部，７１マイク，７２ス
ピーカ，７３音声信号処理回路，７４時分割多
重回路，７５変復調回路，７６無線回路，７
７アンテナ

Claims

【特許請求の範囲】

【請求項１】入力音声に、所定の処理を施す音声処理
装置であって、前記入力音声に含まれる雑音に対する対策を施すため
の、複数種類の雑音対策データを記憶している記憶手段
と、前記記憶手段に記憶されている前記雑音対策データのう
ちのいずれかを選択する選択手段と、前記選択手段により選択された前記雑音対策データを用
いて、前記入力音声を処理する処理手段とを備えること
を特徴とする音声処理装置。
【請求項２】前記選択手段は、装置が利用される場所
に対応して、前記雑音対策データを選択することを特徴
とする請求項１に記載の音声処理装置。
【請求項３】前記場所を入力するときに操作される操
作手段をさらに備え、前記選択手段は、前記操作手段によって入力された前記
場所に対応して、前記雑音対策データを選択することを
特徴とする請求項２に記載の音声処理装置。
【請求項４】前記入力音声に基づいて、前記場所を認
識する場所認識手段をさらに備え、前記選択手段は、前記場所認識手段により認識された前
記場所に対応して、前記雑音対策データを選択すること
を特徴とする請求項２に記載の音声処理装置。
【請求項５】前記場所認識手段は、前記入力音声に含
まれる単語に基づいて、前記場所を認識することを特徴
とする請求項４に記載の音声処理装置。
【請求項６】前記場所認識手段は、前記入力音声に含
まれる複数の単語に基づいて、前記場所を認識すること
を特徴とする請求項４に記載の音声処理装置。
【請求項７】前記複数種類の雑音対策データは、複数
の異なる雑音環境における雑音を含む学習用の音声それ
ぞれに基づいて作成された、複数のコードブックであ
り、前記処理手段は、前記コードブックを用いて、前記入力
音声をベクトル量子化することを特徴とする請求項１に
記載の音声処理装置。
【請求項８】前記複数種類の雑音対策データは、複数
の異なる雑音環境における雑音を含む学習用の音声それ
ぞれに基づいて作成された、前記入力音声を音声認識す
るための複数の認識用のデータのセットであり、前記処理手段は、前記認識用のデータのセットを用い
て、前記入力音声を音声認識することを特徴とする請求
項１に記載の音声処理装置。
【請求項９】前記複数種類の雑音対策データは、複数
の異なる雑音環境における雑音を含む音声それぞれに基
づいて作成された、複数の標準パターンのセットであ
り、前記処理手段は、前記標準パターンのセットを用いて、
前記入力音声を、ＤＰ（Dynamic Programming）法によ
り音声認識することを特徴とする請求項８に記載の音声
処理装置。
【請求項１０】前記複数種類の雑音対策データは、複
数の異なる雑音環境における雑音を含む学習用の音声そ
れぞれに基づいて作成された、複数の確率モデルのセッ
トであり、前記処理手段は、前記確率モデルのセットを用いて、前
記入力音声を、ＨＭＭ（Hidden Markov Model）法によ
り音声認識することを特徴とする請求項８に記載の音声
処理装置。
【請求項１１】前記複数種類の雑音対策データは、複
数の異なる雑音環境における雑音を含む学習用の音声そ
れぞれに基づいて作成された、複数のネットワークモデ
ルのセットであり、前記処理手段は、前記ネットワークモデルのセットを用
いて、前記入力音声を、ニューラルネットワークを用い
る方法により音声認識することを特徴とする請求項８に
記載の音声処理装置。
【請求項１２】入力音声に、所定の処理を施す音声処
理方法であって、前記入力音声に含まれる雑音に対する対策を施すため
の、複数種類の雑音対策データを記憶している記憶手段
から、いずれかの前記雑音対策データを選択するステッ
プと、その選択された前記雑音対策データを用いて、前記入力
音声を処理するステップとを備えることを特徴とする音
声処理方法。