JP2001056696A - 音声蓄積再生方法および音声蓄積再生装置 - Google Patents
音声蓄積再生方法および音声蓄積再生装置Info
- Publication number
- JP2001056696A JP2001056696A JP11230972A JP23097299A JP2001056696A JP 2001056696 A JP2001056696 A JP 2001056696A JP 11230972 A JP11230972 A JP 11230972A JP 23097299 A JP23097299 A JP 23097299A JP 2001056696 A JP2001056696 A JP 2001056696A
- Authority
- JP
- Japan
- Prior art keywords
- voice
- speech
- speed
- input
- stored
- 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.)
- Granted
Links
Landscapes
- Telephone Function (AREA)
- Telephonic Communication Services (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
(57)【要約】
【課題】 音声スイッチを用いる音声通信システム等に
おいて，話頭切断による会話の不明瞭さを防止するとと
もに，音声遅延による会話の不自然さを防止することを
目的とする。 【解決手段】 入力された音声をリングバッファ２に蓄
積し，音声検出部１によって音声区間が検出されたと
き，話速変換器５は，話速制御部４の制御のもとに，あ
る時間さかのぼった時点の蓄積された音声から再生を開
始し，蓄積された音声のうち話頭部分を速く再生し，入
力音声に追いついたところで等速度再生するように話速
を変換する。
おいて，話頭切断による会話の不明瞭さを防止するとと
もに，音声遅延による会話の不自然さを防止することを
目的とする。 【解決手段】 入力された音声をリングバッファ２に蓄
積し，音声検出部１によって音声区間が検出されたと
き，話速変換器５は，話速制御部４の制御のもとに，あ
る時間さかのぼった時点の蓄積された音声から再生を開
始し，蓄積された音声のうち話頭部分を速く再生し，入
力音声に追いついたところで等速度再生するように話速
を変換する。
Description
【０００１】
【発明の属する技術分野】本発明は，音声通信システム
等において，自然な通話の実現を可能とした音声蓄積再
生方法および音声蓄積再生装置に関する。
等において，自然な通話の実現を可能とした音声蓄積再
生方法および音声蓄積再生装置に関する。
【０００２】
【従来の技術】音声通信を半２重通信路やネットワーク
上で行うときなど効率的に音声を伝送するために，いわ
ゆるボイス（音声）スイッチを用い，音声を送るときに
は音声回線を開いて音声を送り，無音時には音声回線を
閉じて他のユーザが音声を送信できるようにしたり，他
のデータを送受できるようにしたシステムがある。この
システムでは，送信側において，音声パワー計測によっ
て音声パワーがある閾値を越えたときに，語頭と判断し
て音声回線を開くようにしたり，音素認識技術を用いる
ことにより語頭検出精度を高め，語頭（話頭）切断を防
止していた。
上で行うときなど効率的に音声を伝送するために，いわ
ゆるボイス（音声）スイッチを用い，音声を送るときに
は音声回線を開いて音声を送り，無音時には音声回線を
閉じて他のユーザが音声を送信できるようにしたり，他
のデータを送受できるようにしたシステムがある。この
システムでは，送信側において，音声パワー計測によっ
て音声パワーがある閾値を越えたときに，語頭と判断し
て音声回線を開くようにしたり，音素認識技術を用いる
ことにより語頭検出精度を高め，語頭（話頭）切断を防
止していた。
【０００３】しかしながら，背景雑音が大きなときに
は，語頭における音声パワーは背景雑音に対し小さく，
また，音声認識率も低くなることから，語頭検出誤りに
よる欠落が生じやすくなり，音声通話は非常に不自然か
つ不明瞭になり易いという問題点があった。
は，語頭における音声パワーは背景雑音に対し小さく，
また，音声認識率も低くなることから，語頭検出誤りに
よる欠落が生じやすくなり，音声通話は非常に不自然か
つ不明瞭になり易いという問題点があった。
【０００４】図５に「北見」と発声したときの波形と音
声パワー，および音声スイッチがＯＮしている期間の例
を示す。図５の例から明らかなように，語頭の「ｋ」の
部分は音声パワーが閾値に達していないため，音声スイ
ッチのＯＮが遅れ，これにより話頭の「き」の「ｋ」の
部分が欠落することがわかる。このように，話頭切断
は，話頭が子音部のような音声パワーの小さいときに生
じ易く，母音など音声パワーの大きなときには生じにく
い。日本語を考えると，通常，音声は子音＋母音の組合
せが多い。そこで，上記問題点を解決するために，常に
音声を一旦蓄積しておき，音声パワーの大きな母音部等
で語頭が検出されたときに，ある一定期間さかのぼった
時点から音声を再生し語頭欠落を防止する方法がある。
声パワー，および音声スイッチがＯＮしている期間の例
を示す。図５の例から明らかなように，語頭の「ｋ」の
部分は音声パワーが閾値に達していないため，音声スイ
ッチのＯＮが遅れ，これにより話頭の「き」の「ｋ」の
部分が欠落することがわかる。このように，話頭切断
は，話頭が子音部のような音声パワーの小さいときに生
じ易く，母音など音声パワーの大きなときには生じにく
い。日本語を考えると，通常，音声は子音＋母音の組合
せが多い。そこで，上記問題点を解決するために，常に
音声を一旦蓄積しておき，音声パワーの大きな母音部等
で語頭が検出されたときに，ある一定期間さかのぼった
時点から音声を再生し語頭欠落を防止する方法がある。
【０００５】
【発明が解決しようとする課題】しかしながら，音声の
蓄積により，音声遅延が生じ通話は非常に不自然なもの
になってしまう。通常人間が会話するときには，相手の
発言が終ってから発声することが多いと考えられる。例
えば，１００msecの音声蓄積を行うことを考えると，発
声者が，発声し終ってから相手に発声の終了がわかるま
でに，回線遅延がなかったとして１００msecかかり，そ
の後，相手が発声し最初の発声が相手の発声開始を知る
までに１００msecかかることになる。そのため，会話間
の無音部分は，合計２００msecとなり，スムーズな会話
が阻害される。
蓄積により，音声遅延が生じ通話は非常に不自然なもの
になってしまう。通常人間が会話するときには，相手の
発言が終ってから発声することが多いと考えられる。例
えば，１００msecの音声蓄積を行うことを考えると，発
声者が，発声し終ってから相手に発声の終了がわかるま
でに，回線遅延がなかったとして１００msecかかり，そ
の後，相手が発声し最初の発声が相手の発声開始を知る
までに１００msecかかることになる。そのため，会話間
の無音部分は，合計２００msecとなり，スムーズな会話
が阻害される。
【０００６】本発明は，以上のような音声スイッチを実
現するときに問題となる話頭切断を防止し，かつ音声遅
延を生じさせないで自然な通話を可能とすることを目的
とする。
現するときに問題となる話頭切断を防止し，かつ音声遅
延を生じさせないで自然な通話を可能とすることを目的
とする。
【０００７】
【課題を解決するための手段】本発明は，上記課題を解
決するため，話頭部分では，音声蓄積部から過去の音声
を話速変換することにより速く再生し，音声蓄積部に過
去の音声データがなくなったところで，入力されている
音声データを等速度で再生し，語尾において音声遅延が
生じないようにする。上記方法により，先に示した音声
を蓄積しておいて話頭切断を防止するだけのシステムを
用いたときの会話間の無音部分は，多くても１００msec
となり，スムーズに会話することが可能となる。
決するため，話頭部分では，音声蓄積部から過去の音声
を話速変換することにより速く再生し，音声蓄積部に過
去の音声データがなくなったところで，入力されている
音声データを等速度で再生し，語尾において音声遅延が
生じないようにする。上記方法により，先に示した音声
を蓄積しておいて話頭切断を防止するだけのシステムを
用いたときの会話間の無音部分は，多くても１００msec
となり，スムーズに会話することが可能となる。
【０００８】これにより，話頭切断による会話の不明瞭
さを防止し，音声遅延による会話の不自然さを防止する
ことができる。
さを防止し，音声遅延による会話の不自然さを防止する
ことができる。
【０００９】ところで，話速を変換する装置として，特
開平８−８３０９５号公報「話速変換方法および装置」
や，特開平８−２０２３９１号公報「話速変換装置」に
記載されているものがある。これらは，受聴者の聞き取
り能力に合った話速度で入力音声信号を出力する装置で
あり，主に話速度を下げる制御を行う。また，話速度
は，音素や音声処理フレームに対しては変動するが，一
つの文といった大枠で，話速度が設定されるので，本発
明のように，話頭部分で速く再生し，途中から等速再生
し語尾において遅延をなくすことはできない。
開平８−８３０９５号公報「話速変換方法および装置」
や，特開平８−２０２３９１号公報「話速変換装置」に
記載されているものがある。これらは，受聴者の聞き取
り能力に合った話速度で入力音声信号を出力する装置で
あり，主に話速度を下げる制御を行う。また，話速度
は，音素や音声処理フレームに対しては変動するが，一
つの文といった大枠で，話速度が設定されるので，本発
明のように，話頭部分で速く再生し，途中から等速再生
し語尾において遅延をなくすことはできない。
【００１０】
【発明の実施の形態】図１は，本発明の構成例を示すブ
ロック図である。図１において，１は音声を入力し，入
力音声が音声区間かどうかを判別する音声検出部，２は
入力された音声を蓄積する音声蓄積部であるリングバッ
ファ，３は入力音声をリングバッファ２に格納し入力ポ
インタおよび出力ポインタを更新する制御を行うリング
バッファ制御部，４は音声検出部１において音声が検出
されたときに，どのくらい時間をさかのぼった時点の蓄
積された音声から再生するかを決め，リングバッファ２
に蓄積された音声のうち話頭部分を速く再生し，入力音
声に追いついたところで等速度再生する制御を行う話速
制御部，５は話速制御部４の制御のもとにリングバッフ
ァ２に蓄積された音声の話速を変換する話速変換器を表
す。
ロック図である。図１において，１は音声を入力し，入
力音声が音声区間かどうかを判別する音声検出部，２は
入力された音声を蓄積する音声蓄積部であるリングバッ
ファ，３は入力音声をリングバッファ２に格納し入力ポ
インタおよび出力ポインタを更新する制御を行うリング
バッファ制御部，４は音声検出部１において音声が検出
されたときに，どのくらい時間をさかのぼった時点の蓄
積された音声から再生するかを決め，リングバッファ２
に蓄積された音声のうち話頭部分を速く再生し，入力音
声に追いついたところで等速度再生する制御を行う話速
制御部，５は話速制御部４の制御のもとにリングバッフ
ァ２に蓄積された音声の話速を変換する話速変換器を表
す。
【００１１】図１の装置に入力された音声は，音声検出
部１において音声パワー等が計測され，リングバッファ
２に蓄えられる。また，音声検出部１は，常に背景雑音
パワーを計測し，音声区間検出のための閾値を動的に変
化させる。
部１において音声パワー等が計測され，リングバッファ
２に蓄えられる。また，音声検出部１は，常に背景雑音
パワーを計測し，音声区間検出のための閾値を動的に変
化させる。
【００１２】発声者が発声しないときには，入力音声は
常に過去のデータを保持しながら次々とリングバッファ
２に蓄えられる。音声検出部１で音声が検出されると通
知がリングバッファ制御部３および話速制御部４へ送ら
れる。リングバッファ制御部３では，今現在書き込まれ
ている音声データの格納されているポインタ，および過
去の音声データが書き込まれているポインタを把握して
いるので，過去の音声データが存在していること，また
どのくらい過去のデータが蓄えられているかを話速制御
部４に通知する。
常に過去のデータを保持しながら次々とリングバッファ
２に蓄えられる。音声検出部１で音声が検出されると通
知がリングバッファ制御部３および話速制御部４へ送ら
れる。リングバッファ制御部３では，今現在書き込まれ
ている音声データの格納されているポインタ，および過
去の音声データが書き込まれているポインタを把握して
いるので，過去の音声データが存在していること，また
どのくらい過去のデータが蓄えられているかを話速制御
部４に通知する。
【００１３】話速制御部４では，リングバッファ制御部
３から受け取ったデータにより，話速変換器５に話速度
を通知し，ある特定の時間内に過去のデータを全て再生
し，今現在書き込まれている入力音声データのポインタ
に過去の入力音声データのポインタが追いつくようにす
る。
３から受け取ったデータにより，話速変換器５に話速度
を通知し，ある特定の時間内に過去のデータを全て再生
し，今現在書き込まれている入力音声データのポインタ
に過去の入力音声データのポインタが追いつくようにす
る。
【００１４】例えば，蓄積されている過去のデータが，
１００msec分あり，１００msecで追いつくようにしよう
と考えると，再生速度は２倍ということになり，この情
報を話速変換器５に通知する。逆に，目標とする時間を
設定せず，話速変換器５に通知する話速度は，常に２倍
とすることも考えられる。
１００msec分あり，１００msecで追いつくようにしよう
と考えると，再生速度は２倍ということになり，この情
報を話速変換器５に通知する。逆に，目標とする時間を
設定せず，話速変換器５に通知する話速度は，常に２倍
とすることも考えられる。
【００１５】ところで，通常人間が話速を調整すると
き，無音部や母音部の長さが大きく変化するが，子音部
の速度は変化しない。逆に子音部の速度を変化させずに
ポーズ部や母音部の速度を変化させても，聞き取りに大
きな劣化は生じない。つまり，音素により認知できる最
小の継続時間が違うので，音声検出部１に音素認識を用
いたときには，再生データの音素によって細かく動的に
話速度を変化させることで，さらに違和感のない通話が
可能となる。
き，無音部や母音部の長さが大きく変化するが，子音部
の速度は変化しない。逆に子音部の速度を変化させずに
ポーズ部や母音部の速度を変化させても，聞き取りに大
きな劣化は生じない。つまり，音素により認知できる最
小の継続時間が違うので，音声検出部１に音素認識を用
いたときには，再生データの音素によって細かく動的に
話速度を変化させることで，さらに違和感のない通話が
可能となる。
【００１６】そこで，音素認識を用いたときには，蓄積
されている音声データのどこからどこまでがどの音素な
のかという情報も蓄積されているので，それぞれの区間
における音素に対する最小継続時間が保証される再生速
度を話速変換器５に通知する。ただし，あまりにも大き
な速度になると違和感が増大するので，もし，あらかじ
め定められた最大速度を越えるようなときには，最大速
度を話速変換器５に通知する。例えば，「おーがき」と
発声したときに，「おがき」と再生されることを防ぐ役
割を持たせる。
されている音声データのどこからどこまでがどの音素な
のかという情報も蓄積されているので，それぞれの区間
における音素に対する最小継続時間が保証される再生速
度を話速変換器５に通知する。ただし，あまりにも大き
な速度になると違和感が増大するので，もし，あらかじ
め定められた最大速度を越えるようなときには，最大速
度を話速変換器５に通知する。例えば，「おーがき」と
発声したときに，「おがき」と再生されることを防ぐ役
割を持たせる。
【００１７】加えて，先に説明した認知できる最小の継
続時間は，ポーズ部，無音摩擦音，破裂音，母音等，あ
る似通った音素間での違いは小さいので，厳密に，処理
量が大きな音素認識をせず，ポーズ部，無声摩擦音，破
裂音，母音等といった処理量の小さな音素の大分類を用
いて，再生速度を決定することも考えられる。
続時間は，ポーズ部，無音摩擦音，破裂音，母音等，あ
る似通った音素間での違いは小さいので，厳密に，処理
量が大きな音素認識をせず，ポーズ部，無声摩擦音，破
裂音，母音等といった処理量の小さな音素の大分類を用
いて，再生速度を決定することも考えられる。
【００１８】話速変換器５は，リングバッファ２から音
声フレームデータを取り出し，話速制御部４から指定さ
れた速度に応じてフレームデータを圧縮することで，フ
レームデータ数を減少させる。音声出力では，定期的な
周期でフレームデータの１サンプル毎に再生されるの
で，フレームデータの削減により，話速度が大きくな
る。入力音声データに追いついたところで，話速度を入
力音声と同じとする。
声フレームデータを取り出し，話速制御部４から指定さ
れた速度に応じてフレームデータを圧縮することで，フ
レームデータ数を減少させる。音声出力では，定期的な
周期でフレームデータの１サンプル毎に再生されるの
で，フレームデータの削減により，話速度が大きくな
る。入力音声データに追いついたところで，話速度を入
力音声と同じとする。
【００１９】図２に「北見」と発声したときの話速の変
化再生される音声の例を示す。図２（ａ）は，音素認識
せずにパワーのみで音声を検出し，一定速度で現在の音
声データに追いつくように再生をしたとき，図２（ｂ）
は，音素認識を行い，音素の種類によって再生速度を変
化させる可変速度で再生をしたときの様子を示してい
る。便宜上，音声データの単位をフレームと呼ぶ。ま
た，簡単のため速度変化を音声フレーム数を間引くこと
により表現している。「＊」は無音部を表す。
化再生される音声の例を示す。図２（ａ）は，音素認識
せずにパワーのみで音声を検出し，一定速度で現在の音
声データに追いつくように再生をしたとき，図２（ｂ）
は，音素認識を行い，音素の種類によって再生速度を変
化させる可変速度で再生をしたときの様子を示してい
る。便宜上，音声データの単位をフレームと呼ぶ。ま
た，簡単のため速度変化を音声フレーム数を間引くこと
により表現している。「＊」は無音部を表す。
【００２０】図２（ａ）のとき，１５フレームの「ａ」
で入力音声に再生音声が到達するが，そこに到達するま
で，再生速度を２倍にして再生し，その後は，入力音声
に対し等速度で再生する。図２（ｂ）のとき，１〜２フ
レーム目の「＊」は，破裂音に先行する無音部なので，
フレームを１つ飛ばした速度で再生する。３〜４フレー
ムの「ｋ」は，子音部なので，そのまま再生する。５〜
８フレームの「ｉ」は，人間が母音を認知するのに必要
なフレーム数を確保するために，例えば３フレームにし
て再生する。９〜１０フレームの「＊」は，１フレーム
にする。１１〜１２フレームの「ｔ」は，子音部なので
そのまま再生する。１３〜１７フレームの「ａ」は，
「ｉ」と同様の理由により５フレームを３フレームにし
て再生する。これ以降過去の音声データはなくなるの
で，そのまま再生する。
で入力音声に再生音声が到達するが，そこに到達するま
で，再生速度を２倍にして再生し，その後は，入力音声
に対し等速度で再生する。図２（ｂ）のとき，１〜２フ
レーム目の「＊」は，破裂音に先行する無音部なので，
フレームを１つ飛ばした速度で再生する。３〜４フレー
ムの「ｋ」は，子音部なので，そのまま再生する。５〜
８フレームの「ｉ」は，人間が母音を認知するのに必要
なフレーム数を確保するために，例えば３フレームにし
て再生する。９〜１０フレームの「＊」は，１フレーム
にする。１１〜１２フレームの「ｔ」は，子音部なので
そのまま再生する。１３〜１７フレームの「ａ」は，
「ｉ」と同様の理由により５フレームを３フレームにし
て再生する。これ以降過去の音声データはなくなるの
で，そのまま再生する。
【００２１】図２からわかるように，語尾において入力
音声フレームと再生音声フレームとは一致しているの
で，語尾において音声遅延はなくなる。また，語尾にお
いては，音声区間終端が検出されたときには，リングバ
ッファ制御部３は，出力音声データのポインタ（以下，
出力ポインタという）を停止させる。入力音声データの
ポインタ（以下，入力ポインタという）が，出力ポイン
タに追いついた時点で，出力ポインタを進ませる。これ
により，音声終端が検出され再生が終った後に，すぐに
音声区間が検出されたときに，２重に音声が再生される
ことを防ぐ。
音声フレームと再生音声フレームとは一致しているの
で，語尾において音声遅延はなくなる。また，語尾にお
いては，音声区間終端が検出されたときには，リングバ
ッファ制御部３は，出力音声データのポインタ（以下，
出力ポインタという）を停止させる。入力音声データの
ポインタ（以下，入力ポインタという）が，出力ポイン
タに追いついた時点で，出力ポインタを進ませる。これ
により，音声終端が検出され再生が終った後に，すぐに
音声区間が検出されたときに，２重に音声が再生される
ことを防ぐ。
【００２２】音素認識せずにパワーのみで音声検出をす
る場合の制御例を図３に，音素認識をして，音素の種類
により再生速度を変化させる場合の制御例を図４に示
す。
る場合の制御例を図３に，音素認識をして，音素の種類
により再生速度を変化させる場合の制御例を図４に示
す。
【００２３】音素認識をせずに，音声（音響）パワーの
みで音声検出をする場合，まず，音声検出部１では，音
声区間を音声パワーと閾値との大小比較により検出する
（Ｓ１）。リングバッファ２には，リングバッファ制御
部３によって常時入力音声が蓄積される。話速制御部４
は，音声検出部１から通知を受け，話速変換器５が参照
する話速レジスタ（図示省略）に目標話速度を設定する
（Ｓ２）。
みで音声検出をする場合，まず，音声検出部１では，音
声区間を音声パワーと閾値との大小比較により検出する
（Ｓ１）。リングバッファ２には，リングバッファ制御
部３によって常時入力音声が蓄積される。話速制御部４
は，音声検出部１から通知を受け，話速変換器５が参照
する話速レジスタ（図示省略）に目標話速度を設定する
（Ｓ２）。
【００２４】話速変換器５は，話速制御部４の制御のも
とにリングバッファ２から音声フレームデータを取り込
み（Ｓ３），話速レジスタ値に準じた話速変換を行う
（Ｓ４）。その変換した音声フレームデータを出力バッ
ファ（図示省略）へ書き出し（Ｓ５），リングバッファ
２の出力ポインタをインクリメントする（Ｓ６）。
とにリングバッファ２から音声フレームデータを取り込
み（Ｓ３），話速レジスタ値に準じた話速変換を行う
（Ｓ４）。その変換した音声フレームデータを出力バッ
ファ（図示省略）へ書き出し（Ｓ５），リングバッファ
２の出力ポインタをインクリメントする（Ｓ６）。
【００２５】リングバッファ２の入力ポインタが出力ポ
インタに追いついたかどうかをチェックし（Ｓ７），追
いついていない場合，ステップＳ３へ戻って，同様に目
標話速度の速い速度による音声再生出力を繰り返す。入
力ポインタが出力ポインタに追いついた場合には，話速
レジスタに等速度を設定して（Ｓ８），ステップＳ３へ
戻り，入力音声の速度と同じ速度で音声を再生する。以
上の処理を音声区間が終了するまで繰り返す。
インタに追いついたかどうかをチェックし（Ｓ７），追
いついていない場合，ステップＳ３へ戻って，同様に目
標話速度の速い速度による音声再生出力を繰り返す。入
力ポインタが出力ポインタに追いついた場合には，話速
レジスタに等速度を設定して（Ｓ８），ステップＳ３へ
戻り，入力音声の速度と同じ速度で音声を再生する。以
上の処理を音声区間が終了するまで繰り返す。
【００２６】音素認識を行い，音素の種類により再生速
度を変化させる場合の制御は，図４に示すように行われ
る。この方法では，あらかじめ音素に対する最小継続時
間が格納されたテーブル１０を用意しておく。
度を変化させる場合の制御は，図４に示すように行われ
る。この方法では，あらかじめ音素に対する最小継続時
間が格納されたテーブル１０を用意しておく。
【００２７】まず，音声検出部１では，入力音声につい
て音素認識を行い，その認識結果によって音声区間を検
出する（Ｓ１０）。このとき音声パワーも考慮し，音声
パワーによる音声区間の検出を併用してもよい。リング
バッファ２には，リングバッファ制御部３によって，常
時入力音声が蓄積され，入力ポインタがその都度更新さ
れる。また，音声検出部１による音素認識の結果も併せ
てリングバッファ２に蓄積される。
て音素認識を行い，その認識結果によって音声区間を検
出する（Ｓ１０）。このとき音声パワーも考慮し，音声
パワーによる音声区間の検出を併用してもよい。リング
バッファ２には，リングバッファ制御部３によって，常
時入力音声が蓄積され，入力ポインタがその都度更新さ
れる。また，音声検出部１による音素認識の結果も併せ
てリングバッファ２に蓄積される。
【００２８】音声区間が検出されると，リングバッファ
２から音声フレームデータを取り込み（Ｓ１１），それ
に対応する音素認識結果を話速制御部４に取り込む。話
速制御部４は，先に処理していた音声フレームデータの
音素と今から処理しようとしている音声フレームデータ
の音素は同じかどうかを判定する（Ｓ１２）。同じ場合
には，ステップＳ１４へ進む。違う音素であれば，ステ
ップＳ１３へ進み，音素の継続時間を調べ，音素に対す
る最小継続時間テーブル１０から最小継続時間を読み出
し，所定の最高話速度を越えないように求められた話速
度を話速レジスタに設定する（Ｓ１３）。その後，ステ
ップＳ１４へ進む。
２から音声フレームデータを取り込み（Ｓ１１），それ
に対応する音素認識結果を話速制御部４に取り込む。話
速制御部４は，先に処理していた音声フレームデータの
音素と今から処理しようとしている音声フレームデータ
の音素は同じかどうかを判定する（Ｓ１２）。同じ場合
には，ステップＳ１４へ進む。違う音素であれば，ステ
ップＳ１３へ進み，音素の継続時間を調べ，音素に対す
る最小継続時間テーブル１０から最小継続時間を読み出
し，所定の最高話速度を越えないように求められた話速
度を話速レジスタに設定する（Ｓ１３）。その後，ステ
ップＳ１４へ進む。
【００２９】話速変換器５は，リングバッファ２から取
り込まれた音声フレームデータについて，話速レジスタ
値に準じた話速変換を行う（Ｓ１４）。その変換した音
声フレームデータを出力バッファ（図示省略）へ書き出
し（Ｓ１５），リングバッファ２の出力ポインタをイン
クリメントする（Ｓ１６）。
り込まれた音声フレームデータについて，話速レジスタ
値に準じた話速変換を行う（Ｓ１４）。その変換した音
声フレームデータを出力バッファ（図示省略）へ書き出
し（Ｓ１５），リングバッファ２の出力ポインタをイン
クリメントする（Ｓ１６）。
【００３０】リングバッファ２の入力ポインタが出力ポ
インタに追いついたかどうかをチェックし（Ｓ１７），
追いついていない場合，ステップＳ１１へ戻って，同様
に可変速度による音声再生出力を繰り返す。入力ポイン
タが出力ポインタに追いついた場合には，話速レジスタ
に等速度を設定して（Ｓ１８），リングバッファ２から
次の音声フレームデータを取り込み，ステップＳ１４へ
戻って，入力音声の速度と同じ速度で音声を再生する。
以上の処理を音声区間が終了するまで繰り返す。
インタに追いついたかどうかをチェックし（Ｓ１７），
追いついていない場合，ステップＳ１１へ戻って，同様
に可変速度による音声再生出力を繰り返す。入力ポイン
タが出力ポインタに追いついた場合には，話速レジスタ
に等速度を設定して（Ｓ１８），リングバッファ２から
次の音声フレームデータを取り込み，ステップＳ１４へ
戻って，入力音声の速度と同じ速度で音声を再生する。
以上の処理を音声区間が終了するまで繰り返す。
【００３１】
【発明の効果】以上のとおり，本発明により，音声スイ
ッチを実現するときの問題となる話頭切断を防止し，な
おかつ音声遅延を生じさせず，自然な通話を実現するこ
とができるようになる。
ッチを実現するときの問題となる話頭切断を防止し，な
おかつ音声遅延を生じさせず，自然な通話を実現するこ
とができるようになる。
【図１】本発明の構成例を示すブロック図である。
【図２】話速変換の様子を示す図である。
【図３】音素認識せずにパワーのみで音声検出をする場
合の制御フローを示す図である。
合の制御フローを示す図である。
【図４】音素の種類により再生速度を変化させる場合の
制御フローを示す図である。
制御フローを示す図である。
【図５】音声波形と音声パワー，および音声スイッチの
動作の関係を説明する図である。
動作の関係を説明する図である。
１ 音声検出部 ２ リングバッファ ３ リングバッファ制御部 ４ 話速制御部 ５ 話速変換器
───────────────────────────────────────────────────── フロントページの続き (51)Int.Cl.7 識別記号 ＦＩ テーマコート゛(参考） Ｈ０４Ｂ 7/26 Ｇ１０Ｌ 3/02 Ａ ５Ｋ０６７ Ｈ０４Ｍ 1/60 9/18 Ｊ 3/42 Ｈ０４Ｂ 7/26 Ｚ 3/50 (72)発明者 井上 みづほ 東京都千代田区大手町二丁目３番１号 日 本電信電話株式会社内 (72)発明者 鈴木 義武 東京都千代田区大手町二丁目３番１号 日 本電信電話株式会社内 Ｆターム(参考） 5D015 BB02 DD03 DD04 5D045 BA02 DB02 5K015 AA00 AA07 AF00 GA00 JA05 JA10 JA11 5K024 AA00 AA72 BB01 BB05 CC01 EE09 FF06 HH00 5K027 BB03 DD18 HH01 5K067 AA23 AA34 BB01 BB02 DD51 EE02 EE10 FF02 FF40 GG01 GG11
Claims (4)
- 【請求項１】 音声を入力する過程と，入力された音声
が音声区間かどうかを判別する過程と，入力された音声
を蓄積する過程と，音声区間が検出されたとき，ある時
間さかのぼった時点の蓄積された音声から再生を開始
し，蓄積された音声のうち話頭部分を速く再生し，入力
音声に追いついたところで等速度再生する過程とを有す
ることを特徴とする音声蓄積再生方法。 - 【請求項２】 音声を入力し，入力音声が音声区間かど
うかを判別する音声検出手段と，入力された音声を蓄積
する音声蓄積手段と，前記音声蓄積手段への入力音声の
蓄積を制御する音声蓄積制御手段と，前記音声検出手段
において音声が検出されたときに，ある時間さかのぼっ
た時点の蓄積された音声から再生を開始し，前記音声蓄
積手段に蓄積された音声のうち話頭部分を速く再生し，
入力音声に追いついたところで，等速度再生する制御を
行う話速変換制御手段と，前記話速変換制御手段の制御
のもとに前記音声蓄積手段に蓄積された音声の話速を変
換する話速変換手段とを備えることを特徴とする音声蓄
積再生装置。 - 【請求項３】 前記音声区間の検出を音声パワーに基づ
いて行い，蓄積された音声のうち話頭部分の再生を，入
力音声の速度より速い一定の速度で行うことを特徴とす
る請求項１記載の音声蓄積再生方法。 - 【請求項４】 入力された音声の音素認識を行い，蓄積
された音声のうち話頭部分の再生を，前記音素認識結果
に基づいて決められた速度で行うことを特徴とする請求
項１記載の音声蓄積再生方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP23097299A JP3553828B2 (ja) | 1999-08-18 | 1999-08-18 | 音声蓄積再生方法および音声蓄積再生装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP23097299A JP3553828B2 (ja) | 1999-08-18 | 1999-08-18 | 音声蓄積再生方法および音声蓄積再生装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2001056696A true JP2001056696A (ja) | 2001-02-27 |
| JP3553828B2 JP3553828B2 (ja) | 2004-08-11 |
Family
ID=16916219
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP23097299A Expired - Fee Related JP3553828B2 (ja) | 1999-08-18 | 1999-08-18 | 音声蓄積再生方法および音声蓄積再生装置 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP3553828B2 (ja) |
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2006077626A1 (ja) * | 2005-01-18 | 2006-07-27 | Fujitsu Limited | 話速変換方法及び話速変換装置 |
| JP2007534225A (ja) * | 2003-11-24 | 2007-11-22 | テレフオンアクチーボラゲット エル エム エリクソン（パブル） | Ｐｔｔ及び他のリアルタイム対話型通信交換処理に関連する遅延を減少又は補償する方法 |
| JP2009021923A (ja) * | 2007-07-13 | 2009-01-29 | Yamaha Corp | 音声通信装置 |
| US7509255B2 (en) | 2003-10-03 | 2009-03-24 | Victor Company Of Japan, Limited | Apparatuses for adaptively controlling processing of speech signal and adaptively communicating speech in accordance with conditions of transmitting apparatus side and radio wave and methods thereof |
| JP2009122598A (ja) * | 2007-11-19 | 2009-06-04 | Pioneer Electronic Corp | 電子機器、電子機器の制御方法、音声認識装置、音声認識方法及び音声認識プログラム |
| JP2016092679A (ja) * | 2014-11-07 | 2016-05-23 | 沖電気工業株式会社 | 音声処理装置、プログラム及び方法 |
| WO2019111810A1 (ja) | 2017-12-05 | 2019-06-13 | Ｎｅｃプラットフォームズ株式会社 | 通信装置、通信データ記録システム、通信方法、およびプログラム |
| JP2021039652A (ja) * | 2019-09-05 | 2021-03-11 | ヤマハ株式会社 | 会話支援装置、及び会話支援システム |
| JP2021525903A (ja) * | 2018-05-31 | 2021-09-27 | シュアー アクイジッション ホールディングス インコーポレイテッドＳｈｕｒｅ Ａｃｑｕｉｓｉｔｉｏｎ Ｈｏｌｄｉｎｇｓ，Ｉｎｃ． | 自動ミキシング用のインテリジェント音声起動のためのシステムおよび方法 |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP5176391B2 (ja) * | 2007-05-24 | 2013-04-03 | ヤマハ株式会社 | 音声送信装置 |
-
1999
- 1999-08-18 JP JP23097299A patent/JP3553828B2/ja not_active Expired - Fee Related
Cited By (17)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7509255B2 (en) | 2003-10-03 | 2009-03-24 | Victor Company Of Japan, Limited | Apparatuses for adaptively controlling processing of speech signal and adaptively communicating speech in accordance with conditions of transmitting apparatus side and radio wave and methods thereof |
| JP4728251B2 (ja) * | 2003-11-24 | 2011-07-20 | テレフオンアクチーボラゲット エル エム エリクソン（パブル） | Ｐｔｔ及び他のリアルタイム対話型通信交換処理に関連する遅延を減少又は補償する方法 |
| JP2007534225A (ja) * | 2003-11-24 | 2007-11-22 | テレフオンアクチーボラゲット エル エム エリクソン（パブル） | Ｐｔｔ及び他のリアルタイム対話型通信交換処理に関連する遅延を減少又は補償する方法 |
| WO2006077626A1 (ja) * | 2005-01-18 | 2006-07-27 | Fujitsu Limited | 話速変換方法及び話速変換装置 |
| JP4630876B2 (ja) * | 2005-01-18 | 2011-02-09 | 富士通株式会社 | 話速変換方法及び話速変換装置 |
| JPWO2006077626A1 (ja) * | 2005-01-18 | 2008-06-12 | 富士通株式会社 | 話速変換方法及び話速変換装置 |
| US7912710B2 (en) | 2005-01-18 | 2011-03-22 | Fujitsu Limited | Apparatus and method for changing reproduction speed of speech sound |
| JP2009021923A (ja) * | 2007-07-13 | 2009-01-29 | Yamaha Corp | 音声通信装置 |
| JP2009122598A (ja) * | 2007-11-19 | 2009-06-04 | Pioneer Electronic Corp | 電子機器、電子機器の制御方法、音声認識装置、音声認識方法及び音声認識プログラム |
| JP2016092679A (ja) * | 2014-11-07 | 2016-05-23 | 沖電気工業株式会社 | 音声処理装置、プログラム及び方法 |
| WO2019111810A1 (ja) | 2017-12-05 | 2019-06-13 | Ｎｅｃプラットフォームズ株式会社 | 通信装置、通信データ記録システム、通信方法、およびプログラム |
| US11064069B2 (en) | 2017-12-05 | 2021-07-13 | Nec Platforms, Ltd. | Communication apparatus, communication data recording system, communication method, and program |
| JP2021525903A (ja) * | 2018-05-31 | 2021-09-27 | シュアー アクイジッション ホールディングス インコーポレイテッドＳｈｕｒｅ Ａｃｑｕｉｓｉｔｉｏｎ Ｈｏｌｄｉｎｇｓ，Ｉｎｃ． | 自動ミキシング用のインテリジェント音声起動のためのシステムおよび方法 |
| US11798575B2 (en) | 2018-05-31 | 2023-10-24 | Shure Acquisition Holdings, Inc. | Systems and methods for intelligent voice activation for auto-mixing |
| JP7422685B2 (ja) | 2018-05-31 | 2024-01-26 | シュアー アクイジッション ホールディングス インコーポレイテッド | 自動ミキシング用のインテリジェント音声起動のためのシステムおよび方法 |
| JP2021039652A (ja) * | 2019-09-05 | 2021-03-11 | ヤマハ株式会社 | 会話支援装置、及び会話支援システム |
| JP7379965B2 (ja) | 2019-09-05 | 2023-11-15 | ヤマハ株式会社 | 会話支援装置、及び会話支援システム |
Also Published As
| Publication number | Publication date |
|---|---|
| JP3553828B2 (ja) | 2004-08-11 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| NL2021308B1 (en) | Methods for a voice processing system | |
| US11232808B2 (en) | Adjusting speed of human speech playback | |
| JP4630876B2 (ja) | 話速変換方法及び話速変換装置 | |
| EP0910065B1 (en) | Speaking speed changing method and device | |
| US7469207B1 (en) | Method and system for providing automated audible backchannel responses | |
| WO2013182118A1 (zh) | 一种语音数据的传输方法及装置 | |
| JP4523257B2 (ja) | 音声データ処理方法、プログラム及び音声信号処理システム | |
| WO2016063879A1 (ja) | 音声合成装置および方法 | |
| JP6408020B2 (ja) | 遠隔会議における知覚的に連続的な混合 | |
| WO1998049673A1 (fr) | Procede et dispositif destines a detecter des parties vocales, procede de conversion du debit de parole et dispositif utilisant ce procede et ce dispositif | |
| JP3553828B2 (ja) | 音声蓄積再生方法および音声蓄積再生装置 | |
| CN116420188A (zh) | 从呼叫和音频消息中对其他说话者进行语音过滤 | |
| JP2006507530A (ja) | 音声認識装置及び方法 | |
| JPH08106296A (ja) | 単語認識システム | |
| JP2007187799A (ja) | 音声対話装置および音声対話方法 | |
| JPH05257490A (ja) | 話速変換方法および装置 | |
| JP3219892B2 (ja) | リアルタイム話速変換装置 | |
| JP3378672B2 (ja) | 話速変換装置 | |
| JP3081469B2 (ja) | 話速変換装置 | |
| JP3803302B2 (ja) | 映像要約装置 | |
| US7092884B2 (en) | Method of nonvisual enrollment for speech recognition | |
| WO2011027437A1 (ja) | 音声再生装置および音声再生方法 | |
| JPH0772896A (ja) | 音声の圧縮伸長装置 | |
| KR20200141126A (ko) | 호출어에 대한 오인식 방지를 위한 장치 및 방법 | |
| JP2001154684A (ja) | 話速変換装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| TRDD | Decision of grant or rejection written | ||
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20040427 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20040430 |
|
| R150 | Certificate of patent or registration of utility model |
Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
| RD02 | Notification of acceptance of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: R3D02 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20090514 Year of fee payment: 5 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20090514 Year of fee payment: 5 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20100514 Year of fee payment: 6 |
|
| LAPS | Cancellation because of no payment of annual fees |