JPH10312194A

JPH10312194A - 認識対象音声検出方法およびその装置

Info

Publication number: JPH10312194A
Application number: JP9280670A
Authority: JP
Inventors: Mitsuhiro Inazumi; 満広稲積; Sunao Aizawa; 直相澤
Original assignee: Seiko Epson Corp
Current assignee: Seiko Epson Corp
Priority date: 1997-03-12
Filing date: 1997-10-14
Publication date: 1998-11-24
Anticipated expiration: 2017-10-14
Also published as: JP3726448B2

Abstract

(57)【要約】【課題】認識対象音声の待ち状態における消費電流を
小さくする。【解決手段】音入力手段１を間欠駆動する間欠駆動制
御手段６と、間欠駆動される音入力手段１が動作状態の
間に入力された音レベルを検出し、そのレベルの大きさ
から音の有無を判定し、音が無いと判定した場合は、非
動作状態に戻る入力レベル判定手段２と、この入力レベ
ル判定手段２で音が有りと判定された以降に動作を開始
し、その音が雑音であるか音声らしき音であるかを大ま
かに判定し、音声らしき音でないと判定した場合は、非
動作状態に戻る音判定手段３と、この音判定手段で音が
音声らしき音と判定された以降に動作を開始し、その音
声らしき音が音声か否かを判定し、音声であると判断し
た場合は、その特徴データを音声認識手段５に渡し、音
声でないと判断した場合には、非動作状態に戻る音声判
定手段４とを有する。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は、入力音声を認識し
てその認識結果に基づいて何らかの動作を行う音声認識
装置において、装置側が入力音声を常に待つ状態となっ
ている場合、入力音声を効率よく検出して消費電流を少
なくする認識対象音声検出方法およびその装置に関す
る。

【０００２】

【従来の技術】最近、音声認識を用いた機器が様々な分
野で実用化されてきている。この種の機器は、スイッチ
を入れて初めて認識動作を開始することで十分な機能を
果たすものもあるが、音声が入力されると、直ちに入力
音声を認識してその認識結果に基づいた動作を行うとい
うように、常に、入力音声を待ち状態としておく必要の
あるものもある。

【０００３】後者の例としては、たとえば、ユーザが時
刻を問い合わせると現在時刻を応答する時計などがあ
る。この種の機器は、乾電池で動作するものが殆どであ
り、また、機器の小型、軽量化を考えたとき、乾電池は
小容量のものを使用することが望ましく、かつ、長時
間、電池交換をしないで済むことが望まれる。

【０００４】しかし、この種の機器は、常に音声入力を
待ち状態にしておく必要があるため、待ち状態において
も、常に電流が消費されることになり、その消費電流を
如何に小さく抑えるかが大きな課題である。

【０００５】音声を常に待つ状態としておくには、マイ
クロホンやアンプなどの音声検出回路を常に動作可能状
態としておく必要がある。この種の機器に一般的に用い
られているコンデンサマイクロホンの消費電流は、５０
０μＡ程度であり、マイクロホンで入力した音声信号を
処理するアンプの消費電流も同様に５００μＡ程度であ
る。

【０００６】したがって、これらの音声検出回路の消費
電流は１ｍＡ程度となる。この状態を保持するとすれ
ば、一年間に8.76ＡＨｒ．を消費することになる。この
値は、単１のアルカリ電池に相当するものであり、安価
な単１マンガン電池の２本分に相当する。

【０００７】機器の小型化、軽量化さらには価格を考え
たとき、電池は単３以下を用いるのが望ましいが、上述
した例では、電池の寿命はごく短いものとなってしまう
という問題があった。

【０００８】これに対処するには、必要なときだけスイ
ッチをオンして音声入力を可能とすることも考えられる
が、動作を行わせるためにその都度スイッチを入れるの
では、この種の音声認識を用いた装置としてのメリット
が全く失われることになり、現実的な方法ではない。ま
た、他の方法として、特公昭６１−５４１９１がある。
この従来技術は、アラーム付き電子時計において、アラ
ームセット時刻が到達した以降のアラーム装置の動作
を、音声入力によって制御可能としたものである。

【０００９】

【発明が解決しようとする課題】しかしながら、前述の
特公昭６１−５４１９１で示される技術は、アラーム信
号などで音声入力のタイミングを制御するものであり、
任意のタイミングで音声入力を行うことができないの
で、使い勝手が悪い問題があった。

【００１０】そこで、本発明は、入力音声を効率よく検
出することで、認識対象音声の入力待ち状態における機
器の消費電流を小さく抑え、乾電池を使用する機器にお
いては、小容量の電池で長時間使用することができる認
識対象音声検出方法およびその装置を実現することを目
的としている。

【００１１】

【課題を解決するための手段】本発明の認識対象音声検
出方法は、音入力手段に入力された音声を認識して、そ
の認識結果に対して何らかの動作を行う音声認識装置に
おける認識対象音声検出方法において、前記音入力手段
を間欠駆動し、間欠駆動される音入力手段が動作状態の
間に入力された音に対し、その音が認識対象の音である
かを判定する処理を、複数段階の工程に分けて段階的に
行い、現在処理中の工程での処理結果がその工程に設定
された条件を満たした以降に次の段階の工程が動作し、
段階を経るに従って、消費電流が大きく、かつ、認識す
べき音声か否かの判定確度の上がる処理に移行し、それ
ぞれの工程における処理において、その工程に設定され
た条件が満たされない場合は、それぞれの工程を非動作
状態に戻すことを特徴としている。

【００１２】具体的には、前記音入力手段を間欠駆動
し、間欠駆動される音入力手段が動作状態の間に入力さ
れた音のレベルを検出し、そのレベルの大きさから音の
有無を判定し、音が無いと判定した場合は、非動作状態
に戻る第１の処理工程と、この第１の処理工程で音が有
りと判定された以降に動作を開始し、その音が雑音であ
るか音声らしき音であるかを大まかに判定し、音声らし
き音ではないと判定した場合は、非動作状態に戻る第２
の処理工程と、この第２段階の処理工程で音声らしき音
と判定された以降に動作を開始し、その音声らしき音が
音声であるか否かを判定し、音声であると判断した場合
は、その音声特徴データを認識部側に渡し、音声でない
と判断した場合には、非動作状態に戻る第３の処理工程
とを有する。

【００１３】そして、前記第１の処理工程は、前記音入
力手段が動作状態の間に入力された音の平均パワーを求
め、この平均パワーと基準レベルとを比較して音の有無
を判定し、音が無いと判定した場合は、非動作状態に戻
るようにしてもよく、また、前記音入力手段が動作状態
の間に入力された音を、人間の音声の周波数帯域を含む
周波数帯域とそれ以外の周波数帯域に分けて少なくとも
一方の周波数帯域の平均パワーを求め、その平均パワー
の値を基に音を判定し、少なくとも人間の音声ではない
と判定した場合は、非動作状態に戻るようにしてもよ
い。さらに、これらを組み合わせてもよい。

【００１４】また、前記第２の処理工程は、前記第１の
処理工程での設定条件を満たした音信号に対し、その音
信号の継続時間を計測し、その継続時間を基に音声らし
き音か否かを判定し、音声らしき音ではないと判定した
場合は、非動作状態に戻るようにしてもよく、また、前
記第１の処理工程での設定条件を満たした音信号に対
し、その音信号の所定時間内における零交差数を計測
し、その零交差数を基に音声らしき音か否かを判定し、
音声らしき音ではないと判定した場合は、非動作状態に
戻るようにしてもよい。さらに、これらを組み合わせる
ようにしてもよい。また、前記第３の処理工程は、前記
第２の処理工程での設定条件を満たした音信号に対し、
音声特徴抽出処理を行い、これにより抽出された音声特
徴データを基に、入力音が音声であるか否かを判断して
音声であると判断した場合に、その特徴データを認識部
側に渡し、音声でないと判断した場合は、非動作状態に
戻るようにしている。

【００１５】さらに、前記認識部では、予め設定された
キーワードを含む音声特徴データのみを認識処理するよ
うにしてもよい。

【００１６】また、本発明の認識対象音声検出装置は、
音入力手段に入力された音声を認識してその認識結果に
対して何らかの動作を行う音声認識装置における認識対
象音声検出装置において、前記音入力手段を間欠駆動す
る間欠駆動制御手段と、この間欠駆動手段により間欠駆
動される音入力手段が動作状態の間に入力された音に対
し、その音が認識対象の音であるかを判定する処理を、
複数段階に分けて段階的に行うそれぞれの処理手段を有
し、現在処理中の処理手段による処理結果が、その処理
手段に設定された条件を満たした以降に、次の段階の処
理手段が動作し、段階を経るに従って、消費電流が大き
く、かつ、認識すべき音声か否かの判定確度の上がる処
理に移行し、それぞれの処理手段におけるそれぞれの処
理において、その処理手段に設定された条件が満たされ
ない場合は、それぞれの処理手段を非動作状態に戻すこ
とを特徴としている。

【００１７】具体的には、前記音入力手段を間欠駆動す
る間欠駆動制御手段と、この間欠駆動制御手段により間
欠駆動される音入力手段が動作状態の間に入力された音
のレベルを検出し、そのレベルの大きさから音の有無を
判定し、音が無いと判定した場合は、非動作状態に戻る
入力レベル判定手段と、この入力レベル判定手段で入力
音が有りと判定された以降に動作を開始し、その音が雑
音であるか音声らしき音であるかを大まかに判定し、音
声らしき音でないと判定した場合は、非動作状態に戻る
音判定手段と、この音判定手段で音が音声らしき音と判
定された以降に動作を開始し、その音声らしき音が音声
であるか否かを判定し、音声であると判断した場合は、
その音声特徴データを認識部側に渡し、音声でないと判
断した場合には、非動作状態に戻る音声判定手段とを有
した構成としている。

【００１８】そして、前記入力レベル判定手段は、前記
音入力手段が動作状態の間に入力された音の平均パワー
を求め、この平均パワーと基準レベルとを比較して音の
有無を判定し、音が無いと判定した場合は、非動作状態
に戻るようにしてもよく、前記音入力手段が動作状態の
間に入力された音を、人間の音声の周波数帯域を含む周
波数帯域とそれ以外の周波数帯域に分けて少なくとも一
方の周波数帯域の平均パワーを求め、その平均パワーの
値を基に音を判定し、少なくとも人間の音声ではないと
判定した場合は、非動作状態に戻るようにしてもよい。
さらに、これらを組み合わせるようにしてもよい。

【００１９】また、前記音判定手段は、前記入力レベル
判定手段での設定条件を満たした音信号に対し、その音
信号の継続時間を計測し、その継続時間を基に音声らし
き音か否かを判定し、音声らしき音ではないと判定した
場合は、非動作状態に戻るようにしてもよく、また、前
記入力レベル判定手段での設定条件を満たした音信号に
対し、その音信号の所定時間内における零交差数を計測
し、その零交差数を基に音声らしき音か否かを判定し、
音声らしき音ではないと判定した場合は、非動作状態に
戻るようにしてもよい。さらに、これらを組み合わせる
ようにしてもよい。

【００２０】また、前記音声判定手段は、前記音判定手
段での設定条件を満たした音信号に対し、音声特徴抽出
処理を行い、その音声特徴データを基に入力音が音声で
あるか否かを判断して音声であると判断した場合に、そ
の特徴データを認識部側に渡し、音声でないと判断した
場合は、非動作状態に戻るようにしている。

【００２１】さらに、前記認識部では、予め設定された
キーワードを含む音声特徴データのみを認識対象音声と
して認識処理するようにしてもよい。

【００２２】本発明は、認識対象の音声を常に待ち受け
る状態にしておき、認識対象音声が入力されると、認識
結果に対応した動作を行う音声認識装置に適用されるこ
とで効果を発揮するものである。この種の装置にあって
は、音声を常に待ち状態としておくために消費電流が大
きく、乾電池を電源として用いるものにあっては、消費
電流を如何に小さく抑えるかということが大きな課題で
あった。

【００２３】これを解決するために本発明は、まず、音
入力手段を間欠駆動する。具体例としては、たとえば、
0.1 秒間を動作状態として音声入力を可能とし、その後
の0.4 秒間を非動作状態とするというように動作状態と
非動作状態を繰り返す間欠的な音声入力動作を行う。こ
のような間欠駆動を行うことにより、待ち状態における
消費電流を小さく抑えることができる。

【００２４】ただし、間欠駆動することによる問題点も
ある。たとえば、消費電流を小さく抑えるために、たと
えば、駆動時間をごく短い時間（たとえば0.1 秒程度）
としたとき、マイクロホンの特性上、正常な音声入力動
作を行うことができない。これに対処するために、ま
ず、第１段階の処理として、処理時間が短く、しかも電
流消費が小さくて済む音の有無検出だけを行い、この第
１段階の処理を通過した音信号に対し、第２段階の処理
として、その音がどのような音であるかの判定を行い、
音声らしいと判定された場合に、第３段階の処理とし
て、人間の音声であるか否かの判定処理を行うというよ
うに、幾つかの工程に分けて段階的な処理を行うように
している。しかも、工程を経るにしたがって、処理時間
と消費電流を要する処理とし、それぞれの工程での条件
を満たされない場合は、音声入力手段を非動作状態に戻
すようにすることで、無駄な電流消費を抑えることがで
きる。また、第１の工程は平均パワーを算出する手段、
基準レベルを記憶する手段、比較手段、さらに、場合に
よっては、周波数フィルタを加える程度で構成でき、簡
単に実現可能である。また、第２の工程も、計時手段、
継続時間を測定する手段、さらには、零交差数を計測す
る手段程度で構成でき、第１の工程同様簡単に実現でき
る。

【００２５】なお、第１の工程において、音声の有無を
判定する場合、周波数フィルタを用いた処理を行うこと
により、人間の音声とは異なる音を、早い処理段階で除
去することも可能となる。つまり、まず、人間の音声の
周波数範囲内に一定のパワーを有する音が有るか否かを
判定することで、人間の音声とは異なった周波数帯域に
大きな平均パワーを有する音を処理対象外とすることが
でき、処理の効率化が図れる。また、入力レベルの大き
さから音の有無を判定する処理と、この周波数フィルタ
を用いた処理とを組み合わせることにより、より一層、
処理の効率化が図れる。

【００２６】また、第２の工程において、零交差数を計
測する処理を行うことで、効率よく人間の音声らしき音
かそれ以外の音かを判定することができる。また、この
零交差数を計測する処理と、所定レベル以上の信号の継
続時間を判定する処理を組み合わせることにより、より
一層、高精度で効率的な音判定が可能となる。

【００２７】また、第３の工程は、認識装置がもともと
持っている音声特徴抽出手段を用いることで実現でき、
この処理により人間の音声であるか否かの判定を高精度
に行うことができる。

【００２８】さらに、予め設定されたキーワードを含む
音声特徴データのみを認識対象音声として受け付けるよ
うにすることにより、無駄な認識動作を行わなくて済
み、これによっても消費電流を小さく抑えることができ
る。

【００２９】

【発明の実施の形態】以下、本発明の実施の形態につい
て図面を参照しながら説明する。

【００３０】図１は本発明の実施の形態を説明するブロ
ック図であり、たとえばコンデンサマイクロホンなどの
音入力手段１、音入力手段１から入力された音のレベル
が一定以上あるか否かを判定する入力レベル判定手段
２、入力レベル判定手段２で一定以上のレベルがあると
判定された音が音声らしきものであるかそれ以外の雑音
であるか否かを判定する音判定手段３、音判定手段３で
音声らしきものであると判定された場合、それが音声で
あるか否かを判定する音声判定手段４、音声判定手段４
で音声であると判定された場合、その音声に対して認識
動作を行う音声認識手段５、間欠駆動制御手段６などか
ら構成されている。なお、この間欠駆動制御手段６は、
前記音入力手段１に対しては、間欠駆動信号（これにつ
いては後述する）を与えるとともに、他の手段に対して
はそれぞれの手段が動作を行うときに動作電圧を与え
る。

【００３１】このような構成において、その動作を説明
する。間欠駆動制御手段６は、音入力手段１に対して間
欠駆動信号を与え、これにより、音入力手段１は周期的
に動作状態と非動作状態となる。このように、音声入力
手段１が間欠駆動する場合、幾つかの問題点がある。

【００３２】すなわち、音入力手段１が動作状態となる
頻度が少ないと、認識すべき音声を入力し損なう可能性
がある。逆に、頻度が高すぎると電流消費が大きくな
り、低消費電流化に支障がでることになる。これらの点
に対しては、ある程度の頻度を有し、かつ、動作状態の
時間を短くすることで対処できる。

【００３３】しかし、動作状態の時間を短くしすぎる
と、音入力手段１の特性上の問題点がある。たとえば、
音入力手段１としてコンデンサマイクロホンを用いた場
合、入力した音信号を安定した音信号（たとえば認識処
理を行うための特徴抽出が可能な音信号）として取り出
すには、通常、秒単位の時間を要する。

【００３４】これらの点を考慮して、本発明では、音入
力手段１を間欠駆動させ、かつ、音入力手段１が動作状
態のときに取り込んだ音信号に対して複数段階の工程に
分けて、順次、消費電流が大きく、認識対象音声か否か
の判定確度の上がる処理時間の長い処理を行うようにす
る。以下、この具体的な処理について説明する。

【００３５】この実施の形態においては、前述した点を
考慮して、音入力手段１に対し、たとえば、0.1 秒間動
作可能状態とし、その後の0.4 秒は動作を休み、その
後、再び、0.1 秒間動作可能状態とし、その後の0.4 秒
は動作を休むというような間欠駆動信号を間欠駆動制御
手段６から出力する。

【００３６】したがって、音声入力手段１は、間欠駆動
制御手段６によって間欠的に設定されるる0.1 秒間の動
作可能状態のときにのみ音の入力を可能とし、それ以外
では音声入力動作やその他の動作を行わない状態（これ
をここではスリープ状態という）となる。

【００３７】そして、たとえば、ある時刻において音信
号が存在し、このとき、音入力手段１が動作可能状態と
なっていれば、その音は音入力手段１により取り込まれ
る。この音入力手段１に入力された音信号は、入力レベ
ル判定手段２で、入力レベルの判定が行われる。つま
り、この段階では音の有無だけの判定を行う。

【００３８】この入力レベル判定手段２による音の有無
検出は、様々な手法により行うことができる。たとえ
ば、図２に示すような例がある。この図２で示す例は、
平均パワー算出部２１１、基準レベル記憶部２１２、比
較部２１３、入力音判定結果出力部２１４で構成され、
音入力手段１で入力された音信号から平均パワーを算出
して、その平均パワーを基準レベルと比較し、その比較
結果に基づいて入力音判定結果を出力する。

【００３９】なお、音入力手段１としてコンデンサマイ
クロホンを用いた場合、前述したように、入力した音信
号を安定した音信号とするには、通常、秒単位の時間を
要するが、このように、単に音があるか無いかを判定す
るだけの処理を行うには、0.1 秒程度の時間で実用的に
は十分である。

【００４０】以上の処理は、本発明の第１段階の処理で
あり、図３のフローチャートのステップｓ１〜ｓ３の処
理である。つまり、スリープ状態（ステップｓ１）にお
いて、間欠駆動制御手段６から動作開始信号が入ると、
音入力手段１が動作状態となり、所定レベル以上の音信
号があるか否かを判定する（ステップｓ２，ｓ３）。そ
して、所定レベル以上の音信号が存在すると判定された
ときは、次の第２段階の処理に移り、もし、所定レベル
以上の音信号が無ければ、音は無しと判断してスリープ
状態に戻る。

【００４１】音が有りと判断された場合は、第２段階の
処理として、音判定手段３によりその音が音声らしき音
であるか雑音であるかを判定する。この音声らしき音で
あるか雑音であるかを判定する手段としては幾つかの考
えられるが、ここでは、その一例として図４に示すよう
に、所定以上のレベルの音の継続時間を調べて突発的な
雑音であるか否かを判定する。

【００４２】図４に示す音判定手段３は継続時間判定部
３１、計時部３２、継続時間記憶部３３、音判定結果出
力部３４などから構成されている。このような構成にお
いて、入力レベル判定手段２にて所定レベル以上と判定
された信号がどの程度継続しているかを計時部３２から
の時間信号を用いて計時し、継続時間記憶部３３に記憶
されている時間に基づいてその入力音が音声らしき音か
それ以外の突発的な雑音かを判定する。

【００４３】つまり、所定レベル以上の入力音の継続時
間が継続時間記憶部３３に記憶されている時間より短い
場合は、少なくとも音声ではなく、たとえば、ドアを閉
めたときの音などの突発的な雑音であると判定する。

【００４４】以上の第２段階の処理は、図３のフローチ
ャートのステップｓ４，ｓ５の処理である。つまり、第
１段階の処理（音が有るか否かの判定処理）において、
音が有りと判定された場合、まず、音判定処理として、
前述したような所定レベル以上の音の継続時間を調べ
（ステップｓ４）、その時間にもとづいて入力音は雑音
であるか否かを判定する（ステップｓ５）。ここで、突
発的な雑音でない、つまり、音声の可能性があると判定
された場合は、次の第３段階に処理に移り、もし、突発
的な雑音であると判定された場合はスリープ状態に戻
る。

【００４５】この第２段階の処理において、入力音声が
突発的な雑音ではなく、音声である可能性があると判定
された場合、第３段階の処理として、音声判定手段４に
よりその音声らしき音が人間の音声であるか否かを判定
する。この音声判定手段４による音声判定処理について
以下に説明する。

【００４６】この音声判定手段４が行う処理は、まず、
音声らしき音が人間の音声かそれ以外の音かを区別する
ことが必要であるが、これに対しては、入力音を特徴抽
出処理（たとえばＬＰＣ分析）し、その分析結果に基づ
いて人間の音声であるか否かを判定する。具体的には、
人間の音声生成機構のモデル化による特徴抽出処理を行
って、その誤差を求め、誤差の大きさから人間の音声か
否かを判定する。たとえば、第２段階の処理で突発的な
雑音ではなく音声らしき音と判定された場合でも、音信
号をＬＰＣ分析による誤差を求めることで明確に判断で
きる。なお、この音声判定手段４は、音声認識装置がも
ともと持っている特徴分析手段により行うことができる
ことは勿論である。

【００４７】以上の第３段階の処理は、図３のフローチ
ャートのステップｓ６，ｓ７の処理である。つまり、第
２段階の処理（音声らしい音か否かの判定処理）におい
て、音声らしいと判定された場合、音声判定処理とし
て、特徴抽出を行い（ステップｓ６）、その結果に基づ
いて人間の音声であるか否かを判定し、人間の音声であ
ると判定した場合は認識対象音声として（ステップｓ
７）、音声認識手段５にその特徴データを送り、認識処
理に移る。もし、ステップｓ７で、人間の音声でないと
判定された場合は、認識対象音声でないとしてスリープ
状態に戻る。また、音声認識手段５により認識処理を行
い（ステップｓ８）、認識処理が終了するとスリープ状
態に戻る。

【００４８】以上のように本発明は、第１〜第３の三段
階の処理を経て、入力された音が人間の音声であると判
定された場合に初めて認識処理に入るようにしている。

【００４９】つまり、第１段階では、間欠的に入力音を
検出してレベルの大きさから入力音が有るか否かだけの
処理を行い、所定レベル以上の入力音が存在した場合
に、第２段階の処理を行う。そして、第２段階では、所
定レベル以上の入力音が突発的な雑音であるのか音声ら
しき音であるのかを判定し、音声らしき音である場合に
のみ第３段階の処理に入る。この第３段階の処理では、
音声らしき音が人間の音声であるか否かを判定し、人間
の音声である場合にそれを認識対象として音声認識手段
５に特徴データを渡すようにする。

【００５０】なお、第１〜第３の三段階の処理に要する
時間は、たとえば「今、何時」というような認識対象音
声の発話時間に比べると、ごく短い時間であるので、認
識対象音声に対して認識処理を行う上で、実用的には殆
ど支障はない。

【００５１】以上説明したように、本発明では、第１段
階の動作における音の待ち状態は、この実施の形態で
は、0.５秒間のうち、0.1 秒の動作を行う間欠動作であ
るので、常に入力音声を待つ状態としておく場合に比
べ、１／５の消費電流ですむ。

【００５２】ちなみに、単１の乾電池は単３の乾電池の
4.5倍ほどの容量があるので、消費電流が１／５となれ
ば、単１と同じ電池寿命を得ようとした場合、単３電池
で可能となる。

【００５３】また、第１段階から順に段階を経るごと
に、消費電流が大きく、動作時間の長い処理に移るよう
にし、１つの段階に設定された条件を満たしたとき、次
の段階に移り、ある段階で条件が満たされないときはス
リープ状態に戻るので、無駄な処理を行わなくて済み、
これによっても消費電流を抑えることができる。特に、
第３段階以降の処理は、実質的な音声認識処理であり、
装置としてフル稼働に近い状態となるが、この第３段階
に達するまでに、条件が満たされないときは、スリープ
状態に戻るため、無駄な認識動作を行わなくて済む。

【００５４】なお、以上説明した例は１つの実施の形態
であり、この実施の形態に限定されるものではない。た
とえば、間欠駆動制御手段６による音入力手段１に対す
る駆動はは、上述の実施の形態では、0.1 秒間を動作状
態とし0.４秒休むというように、0.5 秒間のうち0.1 秒
の動作を行うようにしているが、この動作頻度は任意に
設定できるものであり、その装置の特性などを考慮して
最も適当と思われる動作間隔を設定できるものである。
ただし、頻度が少なすぎると、入力音の検出ミスが発生
しやすいので、ある程度の頻度は必要である。

【００５５】また、第１段階の処理における入力レベル
判定手段２は、図２で示したものでなく、たとえば、図
５（ａ）あるいは図５（ｂ）のような構成としてもよ
い。

【００５６】図５（ａ）は、低域通過フィルタ２１５、
平均パワー算出部２１６、基準レベル記憶部２１７、比
較部段２１８、入力レベル判定結果出力部２１９から構
成されている。低域通過フィルタ２１５は、ここでは、
４ＫＨｚ以下の周波数成分を通過させるもので、４ＫＨ
ｚ以下の周波数成分の平均パワーを平均パワー算出部２
１６で算出し、その平均パワーと、基準レベル記憶部２
１７に記憶されている基準レベルとを比較部２１８で比
較し、その比較結果をもとに入力レベル判定結果を出力
する。

【００５７】ここで、周波数の基準を４ＫＨｚとしたの
は、人間の音声は殆どが４ＫＨｚ以下であるためであ
る。これにより、４ＫＨｚ以下の周波数成分の平均パワ
ーが、基準レベルより大きい場合には、人間の声である
可能性もあると判定できる。言い換えれば、４ＫＨｚ以
上に大きな値の平均パワーを有する音は人間の音声とは
異なる音であるとみなすことができるので、このような
音は処理対象から除去する。したがって、まず、人間の
音声の周波数範囲内に一定のパワーを有する音を判定結
果として取り出し、この音に対して第２段階以降の処理
を行う。

【００５８】また、図６（ｂ）は、４ＫＨｚ以下の周波
数成分を通過させる低域通過フィルタ２１５と、４ＫＨ
ｚより高い周波数成分を通過させる高域通過フィルタ２
２０と、４ＫＨｚ以下の周波数成分の平均パワーを算出
する平均パワー算出部２２１、４ＫＨｚより高い周波数
成分の平均パワーを算出する平均パワー算出部２２２、
これらの平均パワーの差あるいは比をとる比較部２２
３、入力レベル判定結果出力部２２４から構成されてい
る。

【００５９】このように、高域と低域の２種類の周波数
帯域フィルタを設け、その差あるいは比を求めることに
より、人間の音声とその他の雑音とをさらに精度よく区
別することができる。たとえば、４ＫＨｚより高い周波
数成分の平均パワーが、４ＫＨｚ以下の周波数成分の平
均パワーよりきわめて大きければ、それは人間の音声で
はなく雑音の可能性が高いと判定でき、また、逆に、４
ＫＨｚ以下の周波数成分の平均パワーが４ＫＨｚより高
い周波数成分の平均パワーよりきわめて大きければ、人
間の音声である可能性が有ると判定できる。また、低周
波成分と高周波成分の両方にまんべんなくパワーが存在
する場合は、両者の比は小さくなり、この場合も、人間
の音声以外の雑音であると判定できる。

【００６０】このように、２種類の周波数帯域のフィル
タを設け、それぞれのフィルタを通過する周波数成分の
平均パワーの大きさに基づいた判定を行うことにより、
この第１段階の処理においても、人間の音声かそれ以外
の音声かを大まかに判定することができ、その後の処理
を、より一層、効率的に行うことが可能となる。

【００６１】なお、入力レベル判定手段２としては、図
２で示した手段と図５（ａ），（ｂ）のいずれかの手段
とを組み合わせるようにしてもよい。たとえば、図２で
示したものと図５（ａ）のものとを組み合わせた場合、
まず、入力音声の平均パワーを算出して基準レベルと比
較し、基準レベル以上の場合に、低域通過フィルタを通
して、４ＫＨｚ以下の周波数成分の平均パワーを算出
し、その平均パワーと、基基準レベルとを比較し、その
比較結果をもとに入力レベル判定結果を出力するように
してもよい。

【００６２】また、音判定手段３は、前述の実施の形態
では、入力レベル判定手段２からの入力レベル判定結果
を受けて、所定以上のレベルの音の継続時間を調べて、
突発的な雑音を処理対象外とすることで、音声らしき音
を検出するようにしたが、この音判定手段３は、たとえ
ば、図６に示すような零交差数計測を行うことで、音声
らしき音を検出するようにしてもよい。図６は零交差数
計測部３５、計時部３６、音判定結果出力部３７で構成
され、音入力手段１に入力される音信号の零交差数を調
べることにより、その音が人間の音声であるかそれ以外
の音で有るかを大まかに判定する。

【００６３】つまり、ある一定時間における人間の音声
の零交差数は予めわかっているので、入力音に対してあ
る一定時間内の零交差数をカウントし、その零交差数を
基に音判定を行う。これにより、第１段階における設定
条件を満たした音であっても、たとえば、電話の呼び出
し音、チャイムの音、楽器の音、機械音などの音を人間
の音声と区別することができ、より人間の音声らしき音
のみを判定することができる。

【００６４】また、音判定手段３としては、前述の継続
時間を調べて突発的な雑音を除去する手段と、図６で示
した手段とを併用するようにしてもよい。たとえば、ま
ず最初に、継続時間を判定し、所定の時間以上継続する
音であると判定した場合に、入力音声の零交差数を調
べ、その零交差数により音声らしき音か雑音かの判定を
行うようにする。これにより、入力音が人間の音声らし
き音であるか否かを高い精度で判定できる。

【００６５】また、第３段階の処理として、音声判定手
段４が行う処理は、ＬＰＣ分析などの音声特徴抽出によ
り非音声を除去する処理であるが、たとえば、テレビジ
ョンやラジオから流れてくる人間の音声は認識対象の音
声と判断してしまうことになる。このような認識対象で
はない人間の音声特徴データが音声認識部５に与えられ
ると、音声認識部５ではその音声に反応して訳の分から
ない応答をすることがある。このような認識対象音声以
外の音声を排除するために、その後の音声認識手段５に
おける認識処理をキーワードを用いて認識を行うように
してもよい。

【００６６】つまり、音声認識手段５における認識可能
な登録単語の１つとしてキーワードを予め登録してお
き、そのキーワードを含んだ音声を入力することで認識
動作が可能とするような設定としておく。

【００６７】たとえば、時刻を問い合わせると現在時刻
を応答する時計を考えた場合、キーワードとしてたとえ
ば「太郎」を予め登録しておき、時刻を問い合わせると
きに、単に「今何時」というのではなく、たとえば、
「太郎、今何時」というように、キーワードを含んだ内
容の問いかけを行うようにする。装置側では、キーワー
ドが含まれている場合だけ認識対象音声として受け付け
るようにする。これにより、キーワードを含まない音声
は、認識対象音声として受け付けないので、前述したよ
うに、テレビジョンやラジオから流れてくる人間の音声
に装置が反応して訳の分からない応答をするというよう
なことがなくなり、これによっても、無駄な電流消費を
抑えることができる。

【００６８】なお、以上説明した実施の形態は、本発明
の好適な実施の形態の例であるが、これに限定されるも
のではなく、本発明の要旨を逸脱しない範囲で、種々変
形実施可能である。

【００６９】なお、本発明の処理を行う処理プログラム
は、フロッピィディスク、光ディスク、ハードディスク
などの記憶媒体に記憶させておくことができ、本発明
は、それらの記憶媒体をも含むものであり、また、ネッ
トワークからデータを得る形式でもよい。

【００７０】

【発明の効果】以上説明したように、本発明によれば、
音入力手段を間欠駆動させ、音入力手段が動作状態のと
きのみに音声入力動作を行うことにより、待ち状態にお
ける消費電流を小さく抑えることができる。

【００７１】また、本発明では、音入力手段が動作状態
のときの処理を幾つかの段階に分けて行う。まず、処理
時間が短く、しかも、電流消費が小さくて済む音の有無
検出を第１段階の処理として行い、この第１段階の処理
を通過した音信号に対し、その音がどのような音である
かの判定を第２段階の処理として行い、この第２段階の
処理により音声らしいと判定された場合に、第３段階の
処理として、人間の音声であるか否かの判定処理を行う
というように、幾つかの工程に分けて処理を行うように
している。しかも、工程を経るにしたがって、処理時間
と消費電流を要する処理とし、それぞれの工程での条件
が満たされない場合は、装置を非動作状態に戻し、音声
入力手段のみが間欠駆動するモードに戻すようにしてい
る。

【００７２】このように、工程を経るにしたがって、処
理時間と消費電流を要する処理とすることにより、音入
力手段を間欠駆動することによる様々な問題点に対応す
ることができ、しかも、消費電流を大幅に抑えることが
可能となる。

【００７３】これにより、電源として電池を使用する機
器の場合、たとえば、単３電池で単１電池と同じ寿命を
得ることも可能となり、同じ寿命を得るのに、電池容量
を小さなものとすることができ、装置の小型化と軽量化
が図れる。また、電池を装置に付加して販売する場合
は、電池容量が小さい分、装置の販売価格の低廉化にも
寄与することができなど、種々の効果が得られる。

【図面の簡単な説明】

【図１】本発明の実施の形態の基本的な構成を示すブロ
ック図。

【図２】図１で示した入力レベル判定手段の一例を示す
図。

【図３】本発明の実施の形態の処理を説明するフローチ
ャート。

【図４】図１で示した音判定手段の一例を示す図。

【図５】図１で示した入力レベル判定手段の他の例を示
す図。

【図６】図１で示した音判定手段の他の例を示す図。

【符号の説明】

１音入力手段２入力レベル判定手段３音判定手段４音声判定手段５音声認識手段６間欠駆動制御手段２１１，２１６，２２１，２２２平均パワー算出部２１２，２１７基準レベル記憶部２１３，２１８，２２３比較部２１４，２１９，２２４入力レベル判定結果出力部２１５低域通過フィルタ２２０高域通過フィルタ３１継続時間判定部３２，３６計時部３３継続時間記憶部３４，３７音判定結果出力部３５零交差数計測部

Claims

【特許請求の範囲】

【請求項１】音入力手段に入力された音声を認識して
その認識結果に対して何らかの動作を行う音声認識装置
における認識対象音声検出方法において、前記音入力手段を間欠駆動し、間欠駆動される音入力手
段が動作状態の間に入力された音に対し、その音が認識
対象の音であるかを判定する処理を、複数段階の工程に
分けて段階的に行い、現在処理中の工程での処理結果が
その工程に設定された条件を満たした以降に次の段階の
工程が動作し、段階を経るに従って、消費電流が大き
く、かつ、認識すべき音声か否かの判定確度の上がる処
理に移行し、それぞれの工程における処理において、そ
の工程に設定された条件が満たされない場合は、それぞ
れの工程を非動作状態に戻すことを特徴とする認識対象
音声検出方法。
【請求項２】音入力手段に入力された音声を認識して
その認識結果に対して何らかの動作を行う音声認識装置
における認識対象音声検出方法において、前記音入力手段を間欠駆動し、間欠駆動される音入力手段が動作状態の間に入力された
音のレベルを検出し、そのレベルの大きさから音の有無
を判定し、音が無いと判定した場合は、非動作状態に戻
る第１の処理工程と、この第１の処理工程で音が有りと判定された以降に動作
を開始し、その音が雑音であるか音声らしき音であるか
を大まかに判定し、音声らしき音ではないと判定した場
合は、非動作状態に戻る第２の処理工程と、この第２段階の処理工程で音声らしき音と判定された以
降に動作を開始し、その音声らしき音が音声であるか否
かを判定し、音声であると判断した場合は、その音声特
徴データを認識部側に渡し、音声でないと判断した場合
には、非動作状態に戻る第３の処理工程と、を有したことを特徴とする認識対象音声検出方法。
【請求項３】前記第１の処理工程は、前記音入力手段
が動作状態の間に入力された音の平均パワーを求め、こ
の平均パワーと基準レベルとを比較して音の有無を判定
し、音が無いと判定した場合は、非動作状態に戻ること
を特徴とする請求項２記載の認識対象音声検出方法。
【請求項４】前記第１の処理工程は、前記音入力手段
が動作状態の間に入力された音を、人間の音声の周波数
帯域を含む周波数帯域とそれ以外の周波数帯域に分けて
少なくとも一方の周波数帯域の平均パワーを求め、その
平均パワーの値を基に音を判定し、少なくとも人間の音
声ではないと判定した場合は、非動作状態に戻ることを
特徴とする請求項２または３記載の認識対象音声検出方
法。
【請求項５】前記第２の処理工程は、前記第１の処理
工程での設定条件を満たした音信号に対し、その音信号
の継続時間を計測し、その継続時間を基に音声らしき音
か否かを判定し、音声らしき音ではないと判定した場合
は、非動作状態に戻ることを特徴とする請求項２〜４の
いずれかに記載の認識対象音声検出方法。
【請求項６】前記第２の処理工程は、前記第１の処理
工程での設定条件を満たした音信号に対し、その音信号
の所定時間内における零交差数を計測し、その零交差数
を基に音声らしき音か否かを判定し、音声らしき音では
ないと判定した場合は、非動作状態に戻ることを特徴と
する請求項２〜５のいずれかに記載の認識対象音声検出
方法。
【請求項７】前記第３の処理工程は、前記第２の処理
工程での設定条件を満たした音信号に対し、音声特徴抽
出処理を行い、これにより抽出された音声特徴データを
基に、入力音が音声であるか否かを判断して音声である
と判断した場合に、その特徴データを認識部側に渡し、
音声でないと判断した場合は、非動作状態に戻ることを
特徴とする請求項２〜６のいずれかに記載の認識対象音
声検出方法。
【請求項８】前記認識部では、予め設定されたキーワ
ードを含む音声特徴データのみを認識処理することを特
徴とする請求項７記載の認識対象音声検出方法。
【請求項９】音入力手段に入力された音声を認識して
その認識結果に対して何らかの動作を行う音声認識装置
における認識対象音声検出装置において、前記音入力手段を間欠駆動する間欠駆動制御手段と、こ
の間欠駆動手段により間欠駆動される音入力手段が動作
状態の間に入力された音に対し、その音が認識対象の音
であるかを判定する処理を、複数段階に分けて段階的に
行うそれぞれの処理手段を有し、現在処理中の処理手段による処理結果が、その処理手段
に設定された条件を満たした以降に、次の段階の処理手
段が動作し、段階を経るに従って、消費電流が大きく、
かつ、認識すべき音声か否かの判定確度の上がる処理に
移行し、それぞれの処理手段におけるそれぞれの処理に
おいて、その処理手段に設定された条件が満たされない
場合は、それぞれの処理手段を非動作状態に戻すことを
特徴とする認識対象音声検出装置。
【請求項１０】音入力手段に入力された音声を認識し
てその認識結果に対して何らかの動作を行う音声認識装
置における認識対象音声検出装置において、前記音入力手段を間欠駆動する間欠駆動制御手段と、この間欠駆動制御手段により間欠駆動される音入力手段
が動作状態の間に入力された音のレベルを検出し、その
レベルの大きさから音の有無を判定し、音が無いと判定
した場合は、非動作状態に戻る入力レベル判定手段と、この入力レベル判定手段で入力音が有りと判定された以
降に動作を開始し、その音が雑音であるか音声らしき音
であるかを大まかに判定し、音声らしき音でないと判定
した場合は、非動作状態に戻る音判定手段と、この音判定手段で音が音声らしき音と判定された以降に
動作を開始し、その音声らしき音が音声であるか否かを
判定し、音声であると判断した場合は、その音声特徴デ
ータを認識部側に渡し、音声でないと判断した場合に
は、非動作状態に戻る音声判定手段と、を有したことを特徴とする認識対象音声検出装置。
【請求項１１】前記入力レベル判定手段は、前記音入
力手段が動作状態の間に入力された音の平均パワーを求
め、この平均パワーと基準レベルとを比較して音の有無
を判定し、音が無いと判定した場合は、非動作状態に戻
ることを特徴とする請求項１０記載の認識対象音声検出
装置。
【請求項１２】前記入力レベル判定手段は、前記音入
力手段が動作状態の間に入力された音を、人間の音声の
周波数帯域を含む周波数帯域とそれ以外の周波数帯域に
分けて少なくとも一方の周波数帯域の平均パワーを求
め、その平均パワーの値を基に音を判定し、少なくとも
人間の音声ではないと判定した場合は、非動作状態に戻
ることを特徴とする請求項１０または１１記載の認識対
象音声検出装置。
【請求項１３】前記音判定手段は、前記入力レベル判
定手段での設定条件を満たした音信号に対し、その音信
号の継続時間を計測し、その継続時間を基に音声らしき
音か否かを判定し、音声らしき音ではないと判定した場
合は、非動作状態に戻ることを特徴とする請求項１０〜
１２のいずれかに記載の認識対象音声検出装置。
【請求項１４】前記音判定手段は、前記入力レベル判
定手段での設定条件を満たした音信号に対し、その音信
号の所定時間内における零交差数を計測し、その零交差
数を基に音声らしき音か否かを判定し、音声らしき音で
はないと判定した場合は、非動作状態に戻ることを特徴
とする請求項１０〜１３のいずれかに記載の認識対象音
声検出装置。
【請求項１５】前記音声判定手段は、前記音判定手段
での設定条件を満たした音信号に対し、音声特徴抽出処
理を行い、その音声特徴データを基に入力音が音声であ
るか否かを判断して音声であると判断した場合に、その
特徴データを認識部側に渡し、音声でないと判断した場
合は、非動作状態に戻ることを特徴とする請求項１０〜
１４のいずれかに記載の認識対象音声検出装置。
【請求項１６】前記認識部では、予め設定されたキー
ワードを含む音声特徴データのみを認識対象音声として
認識処理することを特徴とする請求項１５記載の認識対
象音声検出装置。