JPH11242496A - 情報再生装置 - Google Patents
情報再生装置Info
- Publication number
- JPH11242496A JPH11242496A JP10044151A JP4415198A JPH11242496A JP H11242496 A JPH11242496 A JP H11242496A JP 10044151 A JP10044151 A JP 10044151A JP 4415198 A JP4415198 A JP 4415198A JP H11242496 A JPH11242496 A JP H11242496A
- Authority
- JP
- Japan
- Prior art keywords
- information
- storage medium
- stored
- hidden markov
- character information
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 claims description 6
- 238000003780 insertion Methods 0.000 abstract description 2
- 230000037431 insertion Effects 0.000 abstract description 2
- 239000000203 mixture Substances 0.000 abstract 2
- 230000007613 environmental effect Effects 0.000 description 4
- 238000001514 detection method Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000014509 gene expression Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 239000012634 fragment Substances 0.000 description 1
- 230000005236 sound signal Effects 0.000 description 1
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Indexing, Searching, Synchronizing, And The Amount Of Synchronization Travel Of Record Carriers (AREA)
Abstract
(57)【要約】
【課題】 記憶媒体に複数記憶された楽曲等の情報を，
音声によって選曲して再生を行う従来の再生装置では，
予め楽曲名等を使用者の音声によって該記憶媒体に登録
しておく必要があり，曲数が多い場合に登録作業が煩わ
しいものとなったり，書き込み不可の記憶媒体を用いて
再生する装置には適用できない等の問題があった。 【解決手段】 本発明は，記憶媒体に記憶されている文
字情報を利用して音声認識用のＨＭＭを構成することに
より，使用者が検索用の情報を登録する必要をなくし
て，所望の情報の検索を速やか且つ容易に行うことを図
ったものである。
音声によって選曲して再生を行う従来の再生装置では，
予め楽曲名等を使用者の音声によって該記憶媒体に登録
しておく必要があり，曲数が多い場合に登録作業が煩わ
しいものとなったり，書き込み不可の記憶媒体を用いて
再生する装置には適用できない等の問題があった。 【解決手段】 本発明は，記憶媒体に記憶されている文
字情報を利用して音声認識用のＨＭＭを構成することに
より，使用者が検索用の情報を登録する必要をなくし
て，所望の情報の検索を速やか且つ容易に行うことを図
ったものである。
Description
【０００１】
【発明の属する技術分野】本発明は，情報再生装置に係
り，例えば音楽や映像等の情報を再生する情報再生装置
に関するものである。
り，例えば音楽や映像等の情報を再生する情報再生装置
に関するものである。
【０００２】
【従来の技術】例えばＭＤ，ＣＤ，半導体メモリ等の記
憶媒体に記憶された音楽情報を再生する音楽情報再生装
置では，該記憶媒体に複数記憶された音楽情報のいずれ
かを選択するのに，スキップボタンを用いて一曲づつ確
認しながら検索を行ったり，多数設けられた数字ボタン
により曲番を入力して音楽情報の指定を行う場合が多
い。ところで，近年の記憶媒体の大容量化，情報圧縮技
術の進歩により，１つの記憶媒体に記憶することのでき
る楽曲数は増える傾向にあり，ボタンによる操作だけで
は選曲に時間と手間を要するようになった。また，再生
装置自体も，ますます小型化する傾向にあり，特に携帯
用の装置では，スペース的な制約により多くの操作ボタ
ンを設けることが困難になり，選曲のための操作が複雑
化した。このため，ボタンによる操作に加えて，音声認
識により選曲操作を行う装置も開発されてきた。例えば
特開昭５９−３８９８７号公報には，音声入力により指
定楽曲の自動演奏を行う技術が記載されている。この公
報に記載の装置では，予め使用者により音声で入力され
た楽曲タイトルのパラメータが楽曲等の実データと共に
上記記憶媒体に記憶され，検索時に上記楽曲タイトルが
音声発声されれば，一致したインデックスに対応した実
データが再生される。
憶媒体に記憶された音楽情報を再生する音楽情報再生装
置では，該記憶媒体に複数記憶された音楽情報のいずれ
かを選択するのに，スキップボタンを用いて一曲づつ確
認しながら検索を行ったり，多数設けられた数字ボタン
により曲番を入力して音楽情報の指定を行う場合が多
い。ところで，近年の記憶媒体の大容量化，情報圧縮技
術の進歩により，１つの記憶媒体に記憶することのでき
る楽曲数は増える傾向にあり，ボタンによる操作だけで
は選曲に時間と手間を要するようになった。また，再生
装置自体も，ますます小型化する傾向にあり，特に携帯
用の装置では，スペース的な制約により多くの操作ボタ
ンを設けることが困難になり，選曲のための操作が複雑
化した。このため，ボタンによる操作に加えて，音声認
識により選曲操作を行う装置も開発されてきた。例えば
特開昭５９−３８９８７号公報には，音声入力により指
定楽曲の自動演奏を行う技術が記載されている。この公
報に記載の装置では，予め使用者により音声で入力され
た楽曲タイトルのパラメータが楽曲等の実データと共に
上記記憶媒体に記憶され，検索時に上記楽曲タイトルが
音声発声されれば，一致したインデックスに対応した実
データが再生される。
【０００３】
【発明が解決しようとする課題】しかしながら，上記従
来の技術では，音声認識動作を行わせるために，使用者
が予め音声登録を行う必要があった。特に全ての楽曲に
ついて音声認識検索しようとすれば，曲数だけの音声登
録を行わなければならず，曲数が多くなるにつれて使用
者の負担が増大した。また，記憶媒体毎に音声登録を行
う必要があり，音声未登録の記憶媒体を用いる場合に
は，その記憶媒体に対して新たに音声登録を行わなけれ
ばならない等の問題もあった。さらに，記憶媒体に検索
用音声のパラメータを記憶させるため，ＣＤやＬＤ等の
書き込みできない記憶媒体を用いた再生装置では使用す
ることができないという問題もあった。また，検索用音
声を登録する際と検索時の発声音声を入力する際との背
景雑音の相違等のために，常に確実な音声認識を行うこ
とは困難であり，認識率を向上させるために何回も音声
登録を行う作業は使用者にとって煩わしいものであっ
た。本発明は，このような従来の技術における課題を解
決するために，情報再生装置を改良し，記憶媒体に記憶
されている文字情報を利用して音声認識用のＨＭＭを構
成することにより，使用者が検索用音声を登録する必要
をなくして，使用者の手を煩わせることなく，所望の情
報の検索を速やか且つ容易に行う情報再生装置を提供す
ることを目的とするものである。また，他の目的は，Ｃ
Ｄ等の読み込み専用の記憶媒体を用いた場合でも，音声
操作を行うことが可能な情報再生装置を提供することで
ある。さらに，他の目的は，認識動作を何回もやり直す
必要がない情報再生装置を提供することである。
来の技術では，音声認識動作を行わせるために，使用者
が予め音声登録を行う必要があった。特に全ての楽曲に
ついて音声認識検索しようとすれば，曲数だけの音声登
録を行わなければならず，曲数が多くなるにつれて使用
者の負担が増大した。また，記憶媒体毎に音声登録を行
う必要があり，音声未登録の記憶媒体を用いる場合に
は，その記憶媒体に対して新たに音声登録を行わなけれ
ばならない等の問題もあった。さらに，記憶媒体に検索
用音声のパラメータを記憶させるため，ＣＤやＬＤ等の
書き込みできない記憶媒体を用いた再生装置では使用す
ることができないという問題もあった。また，検索用音
声を登録する際と検索時の発声音声を入力する際との背
景雑音の相違等のために，常に確実な音声認識を行うこ
とは困難であり，認識率を向上させるために何回も音声
登録を行う作業は使用者にとって煩わしいものであっ
た。本発明は，このような従来の技術における課題を解
決するために，情報再生装置を改良し，記憶媒体に記憶
されている文字情報を利用して音声認識用のＨＭＭを構
成することにより，使用者が検索用音声を登録する必要
をなくして，使用者の手を煩わせることなく，所望の情
報の検索を速やか且つ容易に行う情報再生装置を提供す
ることを目的とするものである。また，他の目的は，Ｃ
Ｄ等の読み込み専用の記憶媒体を用いた場合でも，音声
操作を行うことが可能な情報再生装置を提供することで
ある。さらに，他の目的は，認識動作を何回もやり直す
必要がない情報再生装置を提供することである。
【０００４】
【課題を解決するための手段】上記目的を達成するため
に，請求項１に係る発明は，記憶媒体に記憶された情報
を入力された音声に基づいて選択し再生する情報再生装
置であり，上記記憶媒体に記憶された情報を指定するた
めの文字情報を入手する文字情報入手手段と，上記文字
情報入手手段により入手された文字情報に対応する隠れ
マルコフモデルを構成する隠れマルコフモデル構成手段
と，上記隠れマルコフモデル構成手段により構成された
隠れマルコフモデルを用いて上記入力された音声に対応
する上記文字情報を認識し，上記記憶媒体に記憶された
情報を選択する音声認識情報選択手段とを具備してなる
情報再生装置として構成されている。また，請求項２に
係る発明は，上記請求項１に記載の情報再生装置におい
て，上記隠れマルコフモデル構成手段が，上記文字情報
の文字単位に対応する所定の音声単位毎の音声単位隠れ
マルコフモデルが格納された音声単位隠れマルコフモデ
ル記憶手段を具備し，上記音声単位隠れマルコフモデル
を用いて上記文字情報に対応する上記隠れマルコフモデ
ルを構成してなることをその要旨とする。また，請求項
３に係る発明は，上記請求項１又は２に記載の情報再生
装置において，上記文字情報入手手段が，上記情報に対
応して予め上記記憶媒体に記憶されたインデックス情報
から上記文字情報を入手してなることをその要旨とす
る。また，請求項４に係る発明は，上記請求項１又は２
に記載の情報再生装置において，上記文字情報入手手段
が，上記情報が上記記憶媒体に記憶されている順番を基
に上記文字情報を設定することにより，上記文字情報を
入手してなることをその要旨とする。また，請求項５に
係る発明は，上記請求項１〜４のいずれか１項に記載の
情報再生装置において，上記隠れマルコフモデルと入力
音声との類似度の大きい順に上記情報が再生されてなる
ことをその要旨とする。また，請求項６に係る発明は，
上記請求項１〜４のいずれか１項に記載の情報再生装置
において，上記隠れマルコフモデルと入力音声との類似
度が所定のしきい値以上の上記情報が，順次再生されて
なることをその要旨とする。上記請求項１〜６のいずれ
か１項に記載の情報再生装置によれば，上記記憶媒体に
記憶されている上記文字情報を利用して音声認識用のＨ
ＭＭが構成されるため，使用者が，記憶媒体に検索用音
声を新たに登録する必要がなく，何度も登録をやり直し
たり，記憶媒体を交換する度に検索用音声を登録する等
の煩雑な作業を行う必要がなくなる。このため，使用者
の手を煩わせることなく，所望の情報の検索を速やか且
つ容易に行うことが可能となる。その結果，再生，早送
り等の基本的なボタンに加えて，新たに検索用のボタン
を設ける必要がなくなるため，多くのボタンを設けるこ
とが困難な小型の装置に対しても利便性の高い検索環境
を提供することができる。また，上記情報が上記記憶媒
体に記憶されている順番を基に上記文字情報を設定する
ことにより，ＣＤ等の読み込み専用の記憶媒体を用いる
ことも可能となる。さらに，類似度の高い順に情報を順
次再生すれば，環境条件等が悪く誤認識が行われた場合
でも，認識動作を何回もやり直す必要がなく，再生動作
の円滑化を図ることができる。また，類似度の高い順に
情報を順次再生する代わりに，上記類似度が所定のしき
い値以上の上記情報を，例えば検索した順番に再生する
ようにしてもよい。
に，請求項１に係る発明は，記憶媒体に記憶された情報
を入力された音声に基づいて選択し再生する情報再生装
置であり，上記記憶媒体に記憶された情報を指定するた
めの文字情報を入手する文字情報入手手段と，上記文字
情報入手手段により入手された文字情報に対応する隠れ
マルコフモデルを構成する隠れマルコフモデル構成手段
と，上記隠れマルコフモデル構成手段により構成された
隠れマルコフモデルを用いて上記入力された音声に対応
する上記文字情報を認識し，上記記憶媒体に記憶された
情報を選択する音声認識情報選択手段とを具備してなる
情報再生装置として構成されている。また，請求項２に
係る発明は，上記請求項１に記載の情報再生装置におい
て，上記隠れマルコフモデル構成手段が，上記文字情報
の文字単位に対応する所定の音声単位毎の音声単位隠れ
マルコフモデルが格納された音声単位隠れマルコフモデ
ル記憶手段を具備し，上記音声単位隠れマルコフモデル
を用いて上記文字情報に対応する上記隠れマルコフモデ
ルを構成してなることをその要旨とする。また，請求項
３に係る発明は，上記請求項１又は２に記載の情報再生
装置において，上記文字情報入手手段が，上記情報に対
応して予め上記記憶媒体に記憶されたインデックス情報
から上記文字情報を入手してなることをその要旨とす
る。また，請求項４に係る発明は，上記請求項１又は２
に記載の情報再生装置において，上記文字情報入手手段
が，上記情報が上記記憶媒体に記憶されている順番を基
に上記文字情報を設定することにより，上記文字情報を
入手してなることをその要旨とする。また，請求項５に
係る発明は，上記請求項１〜４のいずれか１項に記載の
情報再生装置において，上記隠れマルコフモデルと入力
音声との類似度の大きい順に上記情報が再生されてなる
ことをその要旨とする。また，請求項６に係る発明は，
上記請求項１〜４のいずれか１項に記載の情報再生装置
において，上記隠れマルコフモデルと入力音声との類似
度が所定のしきい値以上の上記情報が，順次再生されて
なることをその要旨とする。上記請求項１〜６のいずれ
か１項に記載の情報再生装置によれば，上記記憶媒体に
記憶されている上記文字情報を利用して音声認識用のＨ
ＭＭが構成されるため，使用者が，記憶媒体に検索用音
声を新たに登録する必要がなく，何度も登録をやり直し
たり，記憶媒体を交換する度に検索用音声を登録する等
の煩雑な作業を行う必要がなくなる。このため，使用者
の手を煩わせることなく，所望の情報の検索を速やか且
つ容易に行うことが可能となる。その結果，再生，早送
り等の基本的なボタンに加えて，新たに検索用のボタン
を設ける必要がなくなるため，多くのボタンを設けるこ
とが困難な小型の装置に対しても利便性の高い検索環境
を提供することができる。また，上記情報が上記記憶媒
体に記憶されている順番を基に上記文字情報を設定する
ことにより，ＣＤ等の読み込み専用の記憶媒体を用いる
ことも可能となる。さらに，類似度の高い順に情報を順
次再生すれば，環境条件等が悪く誤認識が行われた場合
でも，認識動作を何回もやり直す必要がなく，再生動作
の円滑化を図ることができる。また，類似度の高い順に
情報を順次再生する代わりに，上記類似度が所定のしき
い値以上の上記情報を，例えば検索した順番に再生する
ようにしてもよい。
【０００５】
【発明の実施の形態】以下，添付図面を参照して，本発
明の実施の形態につき説明し，本発明の理解に供する。
この実施の形態では，本発明を例えばＭＤ，ＣＤ等の記
憶媒体に記憶された音楽情報を再生する音楽情報再生装
置に適用した例を示すが，これによって本発明の技術的
範囲が限定されるものではない。本実施の形態に係る音
楽情報再生装置は，上記記憶媒体に記憶された音声，楽
器演奏等の音楽情報のうちのいずれかを，使用者の音声
でもって指定して，聴取や検索のために再生するもので
あり，上記使用者の音声の認識には隠れマルコフモデル
（以下，ＨＭＭと記す）が用いられる。また，上記音楽
情報再生装置では，上記隠れマルコフモデルが，上記記
憶媒体の各音楽情報に付加された楽曲順，楽曲名等の文
字情報（インデックス情報）を基に構成される。まず，
図１に上記音楽情報再生装置の概略構成を示す。上記音
楽情報再生装置は，図１に示す如く，上記音楽情報が記
憶された記憶媒体１が格納される記憶媒体格納部２と，
再生，早送り等の動作に対応するボタン３の操作を検出
するボタン操作検出部４と，上記記憶媒体格納部２，ボ
タン操作検出部４等に接続され上記記憶媒体１に記憶さ
れた上記インデックス情報の検索，ＨＭＭの構成等の制
御を行う制御部５と，上記記憶媒体１に記憶された音楽
情報を指定するための音声が入力されるマイク等の音声
入力部６と，上記制御部５により制御されて上記音声入
力部６から入力された音声に対応する上記音楽情報を認
識する音声認識部７と，上記音声認識部７により認識さ
れ上記制御部５により選択された音楽情報を再生する情
報再生部８と，上記情報再生部８により再生される音楽
情報を出力するヘッドフォン，スピーカ等の音声出力部
９とを具備する。
明の実施の形態につき説明し，本発明の理解に供する。
この実施の形態では，本発明を例えばＭＤ，ＣＤ等の記
憶媒体に記憶された音楽情報を再生する音楽情報再生装
置に適用した例を示すが，これによって本発明の技術的
範囲が限定されるものではない。本実施の形態に係る音
楽情報再生装置は，上記記憶媒体に記憶された音声，楽
器演奏等の音楽情報のうちのいずれかを，使用者の音声
でもって指定して，聴取や検索のために再生するもので
あり，上記使用者の音声の認識には隠れマルコフモデル
（以下，ＨＭＭと記す）が用いられる。また，上記音楽
情報再生装置では，上記隠れマルコフモデルが，上記記
憶媒体の各音楽情報に付加された楽曲順，楽曲名等の文
字情報（インデックス情報）を基に構成される。まず，
図１に上記音楽情報再生装置の概略構成を示す。上記音
楽情報再生装置は，図１に示す如く，上記音楽情報が記
憶された記憶媒体１が格納される記憶媒体格納部２と，
再生，早送り等の動作に対応するボタン３の操作を検出
するボタン操作検出部４と，上記記憶媒体格納部２，ボ
タン操作検出部４等に接続され上記記憶媒体１に記憶さ
れた上記インデックス情報の検索，ＨＭＭの構成等の制
御を行う制御部５と，上記記憶媒体１に記憶された音楽
情報を指定するための音声が入力されるマイク等の音声
入力部６と，上記制御部５により制御されて上記音声入
力部６から入力された音声に対応する上記音楽情報を認
識する音声認識部７と，上記音声認識部７により認識さ
れ上記制御部５により選択された音楽情報を再生する情
報再生部８と，上記情報再生部８により再生される音楽
情報を出力するヘッドフォン，スピーカ等の音声出力部
９とを具備する。
【０００６】次に，上記音楽情報再生装置の詳細につい
て，初期設定である検索用ＨＭＭモデルの構成と，音声
による音楽情報の検索動作という項目に分けて説明す
る。 （検索用ＨＭＭモデルの構成）上記音楽情報再生装置で
は，音楽情報が記憶された例えばＭＤ，ＣＤ等の記憶媒
体１が上記記憶媒体格納部２に挿入されると，ＣＰＵ等
の演算手段により実現される制御部５により記憶媒体挿
入が検知され，上記記憶媒体１から文字情報が読み出さ
れる。この文字情報には，例えば上記記憶媒体１に記憶
されている楽曲名，アーティスト名，楽曲番号等のヘッ
ダ，又はインデックス情報が利用される。読み出された
文字情報は，制御部５を介して，検索用単語ＨＭＭ記憶
メモリ１０に記憶される。この検索用単語ＨＨＭ記憶メ
モリ１０は，音素，音節等の音声単位毎に予め構成され
たＨＭＭモデルが記憶される音素／音節ＨＭＭ記憶メモ
リ１１と共に，上記音声認識部７による音声認識の際に
用いられる。例えば図２に示すように，記憶媒体１から
「あかとんぼ」，「たきび」，「ちいさいあき」のよう
な楽曲名が上記文字情報として読み出されると，音素／
音節ＨＭＭ記憶メモリ１１に各音声単位毎に記憶された
ＨＭＭに対応する形で，音節ＨＭＭの例では，「A KA T
O N BO」，「TA KI BI」，「TI I SA I A KI」というよ
うに，上記検索用単語ＨＭＭ記憶メモリ１０に楽曲名が
記憶される。そして，上記音声認識部７による音声認識
の際には，上記検索用単語ＨＭＭメモリ１０に記憶され
た楽曲名と，上記音素／音節ＨＭＭ記憶メモリ１１（音
声単位隠れマルコフモデル記憶手段）に各音声単位毎に
記憶されたＨＭＭが制御部５により組み合わされて，楽
曲名に対応するＨＭＭモデルが各音楽情報毎に複数構成
される。この制御部５及び音素／音節ＨＭＭ記憶メモリ
１１による音声単位毎のＨＭＭと検索用単語との組み合
わせ動作が，本発明の隠れマルコフモデル構成手段に相
当する。尚，上記記憶媒体１にヘッダ，又はインデック
ス情報が登録されていない場合には，例えば制御部５に
よって記憶媒体１に格納されている順番に音楽情報に番
号を割り振り，この割り振りに用いた数字についてＨＭ
Ｍを構成すればよい。即ち，上記記憶媒体１の一曲目に
格納されている楽曲に対しては，「いち」という文字情
報が作成され，これから「I TI」という形で，上記検索
用単語ＨＭＭメモリ１０に記憶される。作成される文字
情報は，もちろん，「いち」という表現に限らず，「い
ちばんめ」，「いっきょくめ」，又は番号に対応づけら
れた単語等，順序を表す他の表現を用いてもよい。この
制御部５による曲番からの文字情報設定動作，又は上記
した記憶媒体１からの文字情報読み出し動作が，本発明
の文字情報入手手段に相当する。このように，上記音楽
情報再生装置では，上記記憶媒体１に記憶されている上
記文字情報を利用して音声認識用のＨＭＭが構成される
ため，使用者が，記憶媒体１等に検索用音声を新たに登
録する必要がなく，何度も登録をやり直したり，記憶媒
体１を交換する度に検索用音声を登録する等の煩雑な作
業を行う必要がなくなる。このため，使用者の手を煩わ
せることなく，音声による検索に必要な音響モデルを作
成することができる。また，ＨＭＭでは，確率モデルに
より音声特徴量が表現されるため，話者の変動に対して
柔軟な対応が可能である。また，検索用の音声を予め登
録しておく必要がないので，音声登録用のメモリ等がな
い場合でも，ＣＤ等の読み込み専用の記憶媒体を用いる
ことが可能である。
て，初期設定である検索用ＨＭＭモデルの構成と，音声
による音楽情報の検索動作という項目に分けて説明す
る。 （検索用ＨＭＭモデルの構成）上記音楽情報再生装置で
は，音楽情報が記憶された例えばＭＤ，ＣＤ等の記憶媒
体１が上記記憶媒体格納部２に挿入されると，ＣＰＵ等
の演算手段により実現される制御部５により記憶媒体挿
入が検知され，上記記憶媒体１から文字情報が読み出さ
れる。この文字情報には，例えば上記記憶媒体１に記憶
されている楽曲名，アーティスト名，楽曲番号等のヘッ
ダ，又はインデックス情報が利用される。読み出された
文字情報は，制御部５を介して，検索用単語ＨＭＭ記憶
メモリ１０に記憶される。この検索用単語ＨＨＭ記憶メ
モリ１０は，音素，音節等の音声単位毎に予め構成され
たＨＭＭモデルが記憶される音素／音節ＨＭＭ記憶メモ
リ１１と共に，上記音声認識部７による音声認識の際に
用いられる。例えば図２に示すように，記憶媒体１から
「あかとんぼ」，「たきび」，「ちいさいあき」のよう
な楽曲名が上記文字情報として読み出されると，音素／
音節ＨＭＭ記憶メモリ１１に各音声単位毎に記憶された
ＨＭＭに対応する形で，音節ＨＭＭの例では，「A KA T
O N BO」，「TA KI BI」，「TI I SA I A KI」というよ
うに，上記検索用単語ＨＭＭ記憶メモリ１０に楽曲名が
記憶される。そして，上記音声認識部７による音声認識
の際には，上記検索用単語ＨＭＭメモリ１０に記憶され
た楽曲名と，上記音素／音節ＨＭＭ記憶メモリ１１（音
声単位隠れマルコフモデル記憶手段）に各音声単位毎に
記憶されたＨＭＭが制御部５により組み合わされて，楽
曲名に対応するＨＭＭモデルが各音楽情報毎に複数構成
される。この制御部５及び音素／音節ＨＭＭ記憶メモリ
１１による音声単位毎のＨＭＭと検索用単語との組み合
わせ動作が，本発明の隠れマルコフモデル構成手段に相
当する。尚，上記記憶媒体１にヘッダ，又はインデック
ス情報が登録されていない場合には，例えば制御部５に
よって記憶媒体１に格納されている順番に音楽情報に番
号を割り振り，この割り振りに用いた数字についてＨＭ
Ｍを構成すればよい。即ち，上記記憶媒体１の一曲目に
格納されている楽曲に対しては，「いち」という文字情
報が作成され，これから「I TI」という形で，上記検索
用単語ＨＭＭメモリ１０に記憶される。作成される文字
情報は，もちろん，「いち」という表現に限らず，「い
ちばんめ」，「いっきょくめ」，又は番号に対応づけら
れた単語等，順序を表す他の表現を用いてもよい。この
制御部５による曲番からの文字情報設定動作，又は上記
した記憶媒体１からの文字情報読み出し動作が，本発明
の文字情報入手手段に相当する。このように，上記音楽
情報再生装置では，上記記憶媒体１に記憶されている上
記文字情報を利用して音声認識用のＨＭＭが構成される
ため，使用者が，記憶媒体１等に検索用音声を新たに登
録する必要がなく，何度も登録をやり直したり，記憶媒
体１を交換する度に検索用音声を登録する等の煩雑な作
業を行う必要がなくなる。このため，使用者の手を煩わ
せることなく，音声による検索に必要な音響モデルを作
成することができる。また，ＨＭＭでは，確率モデルに
より音声特徴量が表現されるため，話者の変動に対して
柔軟な対応が可能である。また，検索用の音声を予め登
録しておく必要がないので，音声登録用のメモリ等がな
い場合でも，ＣＤ等の読み込み専用の記憶媒体を用いる
ことが可能である。
【０００７】（音声による音楽情報の検索動作）図３に
音声による音楽情報の検索動作を模式的に示す。尚，音
声認識部７の構成については上記図１に示されている。
上記音楽情報を指定するための音声は，マイク等の音声
入力部６により上記音楽情報再生装置内に電気信号とし
て取り込まれ，音声認識部７に出力される。入力された
音声信号はＡ／Ｄ変換器７１によってディジタル信号に
変換される。上記Ａ／Ｄ変換器７１の後段には，音声検
出器７２が設けられている。この音声検出器７２は，デ
ィジタル化された信号の中に発声された音声が含まれて
いるか否かを検出する。上記音声検出器７２における音
声の有無の検出は，例えば音量変動のパターンに基づい
て行われる。この他，信号のゼロクロッシング，信号の
周期性等，信号から抽出されるパターンに基づいた検出
を行うものを用いることも，もちろん可能である。上記
音声検出器７２によって音声が検出されると，その後段
にある音声パラメータ変換部７３によって，上記音声に
ついて５〜５０ｍＳ程度のフレーム単位で音響分析が行
われ，音声認識に有効な周波数パラメータが抽出され
る。このパラメータとしては，例えばＬＰＣケプストラ
ムやメル・ケプストラム等が用いられる。そして，音声
類似度計算部７４において，ＨＭＭ毎に入力音声との類
似度（尤度）の計算が行われる。このＨＭＭが，上記検
索用単語ＨＭＭ記憶メモリ１０に記憶された例えば楽曲
名と，音素／音節ＨＭＭ記憶メモリ１１に記憶された各
音声単位毎のＨＭＭとを組み合わせることにより複数作
成される，楽曲名のＨＭＭである。各音楽情報に対応す
る類似度の値は，類似度の高いものから順序づけられて
検索履歴記憶メモリ１２に格納される。そして，例えば
上記類似度が最も高い音楽情報が，上記制御部５により
選択されて上記記憶媒体１から読み出され，上記情報再
生部８によって再生され，Ｄ／Ａ変換器８１を介してヘ
ッドフォン，スピーカ等の音声出力部９から出力され
る。尚，この音声認識部７による文字情報認識動作と制
御部５による音楽情報選択動作が，音声認識情報選択手
段に相当する。また，上記類似度が最も高い音楽情報だ
けを再生するのではなく，例えば上記類似度が高い順に
上記音楽情報を順次再生し，再生，早送り，巻戻し，ス
キップ等に対応するボタンを用いて，所望の音楽情報を
最終的に使用者が選択するようにしてもよい。この場
合，環境条件等が悪く音声認識部で誤認識が行われた場
合でも，次々に類似度が高い音楽情報が選択され，音声
による再生動作をより安定にすることができる。このよ
うに，上記音楽情報再生装置によれば，上記記憶媒体に
記憶されている上記文字情報を利用して音声認識用のＨ
ＭＭが構成されるため，各音楽情報毎に検索用音声を登
録する必要もなく，さらに記憶媒体を交換しても速やか
にＨＭＭが構成される等，使用者の手を煩わせることな
く，音声による再生音楽情報の検索が容易に行うことが
できる。また，複雑化する音楽情報検索のために再生，
早送り等の基本的なボタンに加えて，新たに検索用のボ
タンを設ける必要がなくなるため，多くのボタンを設け
ることが困難な小型の情報再生装置でも良好な検索環境
を提供することができる。さらに，類似度の高い順に音
楽情報を順次再生すれば，環境条件等が悪く音声認識部
における誤認識が行われるような場合でも，音声の認識
動作を何回もやり直す必要がなく，音声による再生動作
の円滑化を図ることができる。
音声による音楽情報の検索動作を模式的に示す。尚，音
声認識部７の構成については上記図１に示されている。
上記音楽情報を指定するための音声は，マイク等の音声
入力部６により上記音楽情報再生装置内に電気信号とし
て取り込まれ，音声認識部７に出力される。入力された
音声信号はＡ／Ｄ変換器７１によってディジタル信号に
変換される。上記Ａ／Ｄ変換器７１の後段には，音声検
出器７２が設けられている。この音声検出器７２は，デ
ィジタル化された信号の中に発声された音声が含まれて
いるか否かを検出する。上記音声検出器７２における音
声の有無の検出は，例えば音量変動のパターンに基づい
て行われる。この他，信号のゼロクロッシング，信号の
周期性等，信号から抽出されるパターンに基づいた検出
を行うものを用いることも，もちろん可能である。上記
音声検出器７２によって音声が検出されると，その後段
にある音声パラメータ変換部７３によって，上記音声に
ついて５〜５０ｍＳ程度のフレーム単位で音響分析が行
われ，音声認識に有効な周波数パラメータが抽出され
る。このパラメータとしては，例えばＬＰＣケプストラ
ムやメル・ケプストラム等が用いられる。そして，音声
類似度計算部７４において，ＨＭＭ毎に入力音声との類
似度（尤度）の計算が行われる。このＨＭＭが，上記検
索用単語ＨＭＭ記憶メモリ１０に記憶された例えば楽曲
名と，音素／音節ＨＭＭ記憶メモリ１１に記憶された各
音声単位毎のＨＭＭとを組み合わせることにより複数作
成される，楽曲名のＨＭＭである。各音楽情報に対応す
る類似度の値は，類似度の高いものから順序づけられて
検索履歴記憶メモリ１２に格納される。そして，例えば
上記類似度が最も高い音楽情報が，上記制御部５により
選択されて上記記憶媒体１から読み出され，上記情報再
生部８によって再生され，Ｄ／Ａ変換器８１を介してヘ
ッドフォン，スピーカ等の音声出力部９から出力され
る。尚，この音声認識部７による文字情報認識動作と制
御部５による音楽情報選択動作が，音声認識情報選択手
段に相当する。また，上記類似度が最も高い音楽情報だ
けを再生するのではなく，例えば上記類似度が高い順に
上記音楽情報を順次再生し，再生，早送り，巻戻し，ス
キップ等に対応するボタンを用いて，所望の音楽情報を
最終的に使用者が選択するようにしてもよい。この場
合，環境条件等が悪く音声認識部で誤認識が行われた場
合でも，次々に類似度が高い音楽情報が選択され，音声
による再生動作をより安定にすることができる。このよ
うに，上記音楽情報再生装置によれば，上記記憶媒体に
記憶されている上記文字情報を利用して音声認識用のＨ
ＭＭが構成されるため，各音楽情報毎に検索用音声を登
録する必要もなく，さらに記憶媒体を交換しても速やか
にＨＭＭが構成される等，使用者の手を煩わせることな
く，音声による再生音楽情報の検索が容易に行うことが
できる。また，複雑化する音楽情報検索のために再生，
早送り等の基本的なボタンに加えて，新たに検索用のボ
タンを設ける必要がなくなるため，多くのボタンを設け
ることが困難な小型の情報再生装置でも良好な検索環境
を提供することができる。さらに，類似度の高い順に音
楽情報を順次再生すれば，環境条件等が悪く音声認識部
における誤認識が行われるような場合でも，音声の認識
動作を何回もやり直す必要がなく，音声による再生動作
の円滑化を図ることができる。
【０００８】
【実施例】上記実施の形態では，本発明を例えばＭＤ，
ＣＤ等の記憶媒体１に記憶された音楽情報を再生する音
楽情報再生装置に適用したが，これに限らず，ＬＤ，Ｄ
ＶＤ，半導体メモリ等他の記憶媒体に記憶された音楽情
報を再生する装置に適用してもよいし，音楽情報だけで
なく，静止画像，ビデオ，文字情報等の他の情報を再生
する装置に適用してもよい。このような情報再生装置も
本発明における情報再生装置の一例である。また，上記
実施の形態では，楽曲名や音楽情報が記憶されている順
番に従って文字情報を入手しＨＭＭを構成したが，この
他，曲名，アーティスト名等の他の文字情報からＨＭＭ
を構成するようにしてもよい。この場合，例えば所望の
アーティストの音楽情報が同じ記憶媒体１に複数記憶さ
れていれば，アーティスト名に基づくＨＭＭにより複数
の音楽情報が選択されることになるが，ボタン操作によ
って実際に再生する音楽情報を選択することも可能であ
るし，これらを連続して再生するようにしてもよい。こ
のような情報再生装置も本発明における情報再生装置の
一例である。また，上記実施の形態では，最も類似度の
高い音楽情報のみを，又は類似度の高い順番に音楽情報
を順次再生するようにしたが，これに限らず，例えば類
似度が所定のしきい値以上の音楽情報を，検索で見つか
った順番に再生するようにしてもよい。さらに，これら
を組み合わせて，使用者が必要に応じて切り替えるよう
に構成してもよい。また，上記実施の形態では，全ての
情報の類似度の値を検索履歴記憶メモリに記憶するよう
にしたが，常に最も類似度の高い情報だけを記憶するよ
うにしてもよい。このような情報再生装置も本発明にお
ける情報再生装置の一例である。また，上記実施の形態
では，検索用のＨＭＭを構成するために音素，音節毎に
構成されたＨＭＭを用いたが，音声単位としては，音声
片（母音＋子音＋母音）等任意の単語列を形成できる他
のものを用いてもよい。また，ＨＭＭ自体にも様々な方
式があるが，通常のＨＭＭの他に，例えばＡＴＲにおい
て提案されたＨＭｎｅｔ等の方式を用いてもよい。この
ような情報再生装置も本発明における情報再生装置の一
例である。尚，音声認識の方法としてＨＭＭの代わり
に，ＤＰマッチングによる方法を用いることも原理的に
は可能であるが，ＤＰマッチングでは音声特徴量が直接
的に比較されるため，不特定話者の変動を吸収し得る柔
軟性がなく，装置を購入した使用者が数十〜数百の音節
・音素等を発声して登録する必要があり，現実的ではな
い。
ＣＤ等の記憶媒体１に記憶された音楽情報を再生する音
楽情報再生装置に適用したが，これに限らず，ＬＤ，Ｄ
ＶＤ，半導体メモリ等他の記憶媒体に記憶された音楽情
報を再生する装置に適用してもよいし，音楽情報だけで
なく，静止画像，ビデオ，文字情報等の他の情報を再生
する装置に適用してもよい。このような情報再生装置も
本発明における情報再生装置の一例である。また，上記
実施の形態では，楽曲名や音楽情報が記憶されている順
番に従って文字情報を入手しＨＭＭを構成したが，この
他，曲名，アーティスト名等の他の文字情報からＨＭＭ
を構成するようにしてもよい。この場合，例えば所望の
アーティストの音楽情報が同じ記憶媒体１に複数記憶さ
れていれば，アーティスト名に基づくＨＭＭにより複数
の音楽情報が選択されることになるが，ボタン操作によ
って実際に再生する音楽情報を選択することも可能であ
るし，これらを連続して再生するようにしてもよい。こ
のような情報再生装置も本発明における情報再生装置の
一例である。また，上記実施の形態では，最も類似度の
高い音楽情報のみを，又は類似度の高い順番に音楽情報
を順次再生するようにしたが，これに限らず，例えば類
似度が所定のしきい値以上の音楽情報を，検索で見つか
った順番に再生するようにしてもよい。さらに，これら
を組み合わせて，使用者が必要に応じて切り替えるよう
に構成してもよい。また，上記実施の形態では，全ての
情報の類似度の値を検索履歴記憶メモリに記憶するよう
にしたが，常に最も類似度の高い情報だけを記憶するよ
うにしてもよい。このような情報再生装置も本発明にお
ける情報再生装置の一例である。また，上記実施の形態
では，検索用のＨＭＭを構成するために音素，音節毎に
構成されたＨＭＭを用いたが，音声単位としては，音声
片（母音＋子音＋母音）等任意の単語列を形成できる他
のものを用いてもよい。また，ＨＭＭ自体にも様々な方
式があるが，通常のＨＭＭの他に，例えばＡＴＲにおい
て提案されたＨＭｎｅｔ等の方式を用いてもよい。この
ような情報再生装置も本発明における情報再生装置の一
例である。尚，音声認識の方法としてＨＭＭの代わり
に，ＤＰマッチングによる方法を用いることも原理的に
は可能であるが，ＤＰマッチングでは音声特徴量が直接
的に比較されるため，不特定話者の変動を吸収し得る柔
軟性がなく，装置を購入した使用者が数十〜数百の音節
・音素等を発声して登録する必要があり，現実的ではな
い。
【０００９】
【発明の効果】上記のように上記請求項１〜６のいずれ
か１項に記載の情報再生装置によれば，上記記憶媒体に
記憶されている上記文字情報を利用して音声認識用のＨ
ＭＭが構成されるため，使用者が，記憶媒体に検索用音
声を新たに登録する必要がなく，何度も登録をやり直し
たり，記憶媒体を交換する度に検索用の情報を登録する
等の煩雑な作業を行う必要がなくなる。このため，使用
者の手を煩わせることなく，所望の情報の検索を速やか
且つ容易に行うことが可能となる。その結果，再生，早
送り等の基本的なボタンに加えて，新たに検索用のボタ
ンを設ける必要がなくなるため，多くのボタンを設ける
ことが困難な小型の装置に対しても利便性の高い検索環
境を提供することができる。また，上記情報が上記記憶
媒体に記憶されている順番を基に上記文字情報を設定す
ることにより，ＣＤ等の読み込み専用の記憶媒体を用い
ることも可能となる。さらに，類似度の高い順に，又は
所定のしきい値以上の情報を順次再生すれば，環境条件
等が悪く誤認識が行われるような場合でも，認識動作を
何回もやり直す必要がなく，再生動作の円滑化を図るこ
とができる。
か１項に記載の情報再生装置によれば，上記記憶媒体に
記憶されている上記文字情報を利用して音声認識用のＨ
ＭＭが構成されるため，使用者が，記憶媒体に検索用音
声を新たに登録する必要がなく，何度も登録をやり直し
たり，記憶媒体を交換する度に検索用の情報を登録する
等の煩雑な作業を行う必要がなくなる。このため，使用
者の手を煩わせることなく，所望の情報の検索を速やか
且つ容易に行うことが可能となる。その結果，再生，早
送り等の基本的なボタンに加えて，新たに検索用のボタ
ンを設ける必要がなくなるため，多くのボタンを設ける
ことが困難な小型の装置に対しても利便性の高い検索環
境を提供することができる。また，上記情報が上記記憶
媒体に記憶されている順番を基に上記文字情報を設定す
ることにより，ＣＤ等の読み込み専用の記憶媒体を用い
ることも可能となる。さらに，類似度の高い順に，又は
所定のしきい値以上の情報を順次再生すれば，環境条件
等が悪く誤認識が行われるような場合でも，認識動作を
何回もやり直す必要がなく，再生動作の円滑化を図るこ
とができる。
【図１】 本発明の一実施の形態に係る情報再生装置の
概略構成を示す図。
概略構成を示す図。
【図２】 上記情報再生装置における初期設定を模式的
に示す図。
に示す図。
【図３】 上記情報再生装置における検索動作を模式的
に示す図。
に示す図。
１…記憶媒体 ５…制御部 ７…音声認識部 １１…音素／音節ＨＭＭ記憶メモリ（音声単位隠れマル
コフモデル記憶手段）
コフモデル記憶手段）
───────────────────────────────────────────────────── フロントページの続き (51)Int.Cl.6 識別記号 ＦＩ Ｇ１１Ｂ 27/10 Ｇ１１Ｂ 27/10 Ａ // Ｇ０６Ｆ 17/30 Ｇ０６Ｆ 15/40 ３７０Ｅ
Claims (6)
- 【請求項１】 記憶媒体に記憶された情報を入力された
音声に基づいて選択し再生する情報再生装置であり，上
記記憶媒体に記憶された情報を指定するための文字情報
を入手する文字情報入手手段と，上記文字情報入手手段
により入手された文字情報に対応する隠れマルコフモデ
ルを構成する隠れマルコフモデル構成手段と，上記隠れ
マルコフモデル構成手段により構成された隠れマルコフ
モデルを用いて上記入力された音声に対応する上記文字
情報を認識し，上記記憶媒体に記憶された情報を選択す
る音声認識情報選択手段とを具備してなる情報再生装
置。 - 【請求項２】 上記隠れマルコフモデル構成手段が，上
記文字情報の文字単位に対応する所定の音声単位毎の音
声単位隠れマルコフモデルが格納された音声単位隠れマ
ルコフモデル記憶手段を具備し，上記音声単位隠れマル
コフモデルを用いて上記文字情報に対応する上記隠れマ
ルコフモデルを構成してなる請求項１に記載の情報再生
装置。 - 【請求項３】 上記文字情報入手手段が，上記情報に対
応して予め上記記憶媒体に記憶されたインデックス情報
から上記文字情報を入手してなる請求項１又は２に記載
の情報再生装置。 - 【請求項４】 上記文字情報入手手段が，上記情報が上
記記憶媒体に記憶されている順番を基に上記文字情報を
設定することにより，上記文字情報を入手してなる請求
項１又は２に記載の情報再生装置。 - 【請求項５】 上記隠れマルコフモデルと入力音声との
類似度の大きい順に上記情報が再生されてなる請求項１
〜４のいずれか１項に記載の情報再生装置。 - 【請求項６】 上記隠れマルコフモデルと入力音声との
類似度が所定のしきい値以上の上記情報が，順次再生さ
れてなる請求項１〜４のいずれか１項に記載の情報再生
装置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP10044151A JPH11242496A (ja) | 1998-02-26 | 1998-02-26 | 情報再生装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP10044151A JPH11242496A (ja) | 1998-02-26 | 1998-02-26 | 情報再生装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JPH11242496A true JPH11242496A (ja) | 1999-09-07 |
Family
ID=12683640
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP10044151A Pending JPH11242496A (ja) | 1998-02-26 | 1998-02-26 | 情報再生装置 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPH11242496A (ja) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20010099450A (ko) * | 2001-09-28 | 2001-11-09 | 오진근 | 음악파일 재생장치 |
| JP2004265376A (ja) * | 2002-09-30 | 2004-09-24 | Mitsubishi Electric Research Laboratories Inc | メモリに格納されたデータベースから録音物を選択する方法及び装置 |
| KR100883657B1 (ko) | 2007-01-26 | 2009-02-18 | 삼성전자주식회사 | 음성 인식 기반의 음악 검색 방법 및 장치 |
| US7606830B2 (en) | 2001-08-03 | 2009-10-20 | Sony Corporation | Searching apparatus and searching method |
| JP2010009446A (ja) * | 2008-06-30 | 2010-01-14 | Internatl Business Mach Corp <Ibm> | 音声ファイルの検索システム、方法及びプログラム |
| US9171544B2 (en) | 2011-10-13 | 2015-10-27 | Hyundai Motor Company | System for providing a sound source information management service |
-
1998
- 1998-02-26 JP JP10044151A patent/JPH11242496A/ja active Pending
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7606830B2 (en) | 2001-08-03 | 2009-10-20 | Sony Corporation | Searching apparatus and searching method |
| US7962488B2 (en) | 2001-08-03 | 2011-06-14 | Sony Corporation | Searching apparatus and searching method |
| KR20010099450A (ko) * | 2001-09-28 | 2001-11-09 | 오진근 | 음악파일 재생장치 |
| JP2004265376A (ja) * | 2002-09-30 | 2004-09-24 | Mitsubishi Electric Research Laboratories Inc | メモリに格納されたデータベースから録音物を選択する方法及び装置 |
| KR100883657B1 (ko) | 2007-01-26 | 2009-02-18 | 삼성전자주식회사 | 음성 인식 기반의 음악 검색 방법 및 장치 |
| JP2010009446A (ja) * | 2008-06-30 | 2010-01-14 | Internatl Business Mach Corp <Ibm> | 音声ファイルの検索システム、方法及びプログラム |
| US9171544B2 (en) | 2011-10-13 | 2015-10-27 | Hyundai Motor Company | System for providing a sound source information management service |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US9153233B2 (en) | Voice-controlled selection of media files utilizing phonetic data | |
| US20050216257A1 (en) | Sound information reproducing apparatus and method of preparing keywords of music data | |
| JP5753769B2 (ja) | 音声データ検索システムおよびそのためのプログラム | |
| WO2007055233A1 (ja) | 音声テキスト化システム、音声テキスト化方法および音声テキスト化用プログラム | |
| EP0434006A2 (en) | Auto-playing apparatus | |
| JP2001282277A (ja) | 音声情報処理装置及びその方法と記憶媒体 | |
| US20040064306A1 (en) | Voice activated music playback system | |
| JPH11242496A (ja) | 情報再生装置 | |
| US20100222905A1 (en) | Electronic apparatus with an interactive audio file recording function and method thereof | |
| US20060084047A1 (en) | System and method of segmented language learning | |
| JP5693834B2 (ja) | 音声認識装置及び音声認識方法 | |
| JP2009288523A (ja) | 音声認識装置及びその方法 | |
| JP4631251B2 (ja) | メディア検索装置およびメディア検索プログラム | |
| JP2009204872A (ja) | 音声認識用辞書生成システム | |
| JP2009116107A (ja) | 情報処理装置及び方法 | |
| JP2018055440A (ja) | サーバ装置、情報処理端末、プログラム、システム、および方法 | |
| JP4721765B2 (ja) | コンテンツ検索装置及びコンテンツ検索方法 | |
| JP2000268545A (ja) | 音声再生装置 | |
| JP2686085B2 (ja) | 音声認識システム | |
| KR101576683B1 (ko) | 히스토리 저장모듈을 포함하는 오디오 재생장치 및 재생방법 | |
| EP2058799B1 (en) | Method for preparing data for speech recognition and speech recognition system | |
| JP2011150169A (ja) | 音声認識装置 | |
| JP5426913B2 (ja) | 音声認識辞書編集装置及び音声認識装置 | |
| KR102274275B1 (ko) | 음성파일이 연동된 텍스트 링크 생성 어플리케이션 및 방법 | |
| JP2009271258A (ja) | 情報選択装置 |