JP2015132777A - 音声処理装置、音声処理方法および音声処理プログラム - Google Patents
音声処理装置、音声処理方法および音声処理プログラム Download PDFInfo
- Publication number
- JP2015132777A JP2015132777A JP2014005465A JP2014005465A JP2015132777A JP 2015132777 A JP2015132777 A JP 2015132777A JP 2014005465 A JP2014005465 A JP 2014005465A JP 2014005465 A JP2014005465 A JP 2014005465A JP 2015132777 A JP2015132777 A JP 2015132777A
- Authority
- JP
- Japan
- Prior art keywords
- section
- speech
- vowel
- transition point
- unit
- 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.)
- Ceased
Links
Landscapes
- Telephone Function (AREA)
Abstract
音響モデルを必要としない音声処理装置を提供する。
【解決手段】
音声処理装置は、入力音声を取得する取得部と、入力音声に含まれる音響特徴量の変化量の第1遷移点と第2遷移点に基づいて、少なくとも一つの母音区間長を推定する推定部を備える。更に当該音声処理装置は、母音区間長に基づいて入力音声の速度を制御する制御部を備える。
【選択図】図1
Description
図1は、第1の実施形態による音声処理装置1の機能ブロック図である。音声処理装置1は、取得部2、検出部3、推定部4、制御部5を有する。
(数1)
但し、上述の(数1)において、nは、入力音声に含まれる音響フレームの入力開始から各フレームに連続して付されるフレーム番号(nは0以上の整数)、Mは1フレームの時間長、tは時間、c(t)は、入力音声の振幅(電力)を示す。
雑音推定部11は、フレームnにおける雑音の大きさ(電力)N(n)を、フレームnにおける音量S(n)、前フレーム(n−1)における音量S(n−1)ならびに、雑音の大きさN(n−1)に基づいて、次式を用いて推定することが出来る。
(数2)
但し、上述の(数2)において、α、βは、定数であり、実験的に決定されれば良い。例えば、α=0.9、β=2.0であれば良い。また、雑音電力の初期値N(−1)も、実験的に決定されれば良い。上述の(数2)において、フレームnの音量S(n)が、1つ前のフレームn−1の音量S(n−1)に対して一定値β以上変化しない場合には、フレームnの雑音電力N(n)が更新される。一方、フレームnの音量S(n)が、1つ前のフレームn−1の音量S(n−1)に対して一定値β以上変化する場合には、1つ前のフレームn−1の雑音電力N(n−1)をフレームnの雑音電力N(n)とする。なお、雑音電力N(n)を上述の雑音推定結果と称しても良い。
雑音推定部11は、雑音の大きさの更新を、次式の(数3)を用いて、フレームnの音量S(n)と、1つ前のフレームn−1の雑音電力N(n−1)との比に基づいて実施しても良い。
(数3)
但し、上述の(数3)において、γは定数であり、実験的に決定されれば良い。例えば、γ=2.0であれば良い。また、雑音電力の初期値N(−1)も、実験的に決定されれば良い。上述の(数3)において、フレームnの音量S(n)が、1つ前のフレームn−1の雑音電力N(n−1)に対して一定値γ倍以下である場合には、フレームnの雑音電力N(n)を更新する。一方、フレームnの音量S(n)が、1つ前のフレームn−1の雑音電力N(n−1)に対して一定値γ倍以上である場合には、1つ前のフレームn−1の雑音電力N(n−1)をフレームnの雑音電力N(n)とする。
(数4)
但し、上述の(数4)において、Lは促音の一般的な長さよりも大きな値に規定すれば良く、例えば、0.5msecに相当するフレーム数を規定すれば良い。
(数5)
tb=n×M
(if n_breath=有音区間ではない、かつ、SNR(n)>THSNR)
(数6)
te=n×M−1
(if n_breath=有音区間、かつ、SNR(n)<THSNR)
ここで、THSNRは、区間決定部13による処理フレームnが雑音ではないと看做すための閾値であり、実験的に規定されれば良い。また、区間決定部13は、入力音声において有音区間以外の区間を無音区間として検出することが出来る。
始めに、推定部4は、自己相関を用いて、入力音声の基本周期を算出する。なお、自己相関とは、入力信号(入力音声)がそれ自身を時間シフトした信号と、どの程度、良く整合するかを測る尺度であり、サンプリングした入力信号の自己相関係数が最大値となる周期を求めることで、入力音声の基本周期を算出することができる。なお、自己相関R(τ)は次式を用いて算出することが出来る。
(数7)
但し、上述の(数7)において、x(n)は入力音声をサンプリングした信号、Lは自己相関を算出する長さ(例えば100サンプル)、τは時間シフトのサンプル数である。
(数8)
但し、上述の(数8)において、nはフレーム番号を表す。
(数9)
Pit(n) = Fs / fp(n)
但し、上述の(数9)において、Fsはサンプリング周波数(例えば、8000Hz)を表す。
(数10)
但し、上述の(数10)において、Lは平均化フレーム数(例えば、4フレーム。80msに相当)を表す。次に、推定部4は、入力音声のフレーム毎のピッチ周波数を算出する。推定部4は、例えば、特開昭63−155200号公報に開示される、入力音声の音声波形の自己相関を用いてピッチ周波数を算出することが可能である。
(数11)
但し、上述の(数11)において、Pit(n)は、nフレームのピッチ周波数(Hz)であり、Lは、平均化フレーム数(例えば、10フレーム(200ms相当))である。
始めに、推定部4は、入力音声のフレーム毎のパワーを算出する。推定部4は、例えば、次式に従って入力音声のフレーム毎のパワーを算出することが出来る。
(数12)
但し、上述の(数12)において、Pow(n)は、nフレームのパワー(単位はdB)であり、Lは、1フレームのサンプル数(160サンプル)であり、フレーム単位の入力音声(信号)である。
(数13)
但し、上述の(数13)において、Pow(n)は、nフレームのパワー(単位はdB)であり、Lは、平均化フレーム数(例えば、25フレーム(500ms相当))である。
(数14)
但し、上述の(数14)において、Nは有音区間に含まれる母音の総数であり、Ts(i)は、i番目の有音区間の開始フレームであり、Te(i)は、i番目の有音区間の終了フレームである。制御部5は、母音区間長に基づいて、有音区間を伸長または短縮させる制御を行う。換言すると、制御部5は、母音区間長と入力音声の速度を反比例させて、当該入力音声の速度を制御する。
(数15)
但し、上述の(数15)において、sは有音区間または無音区間の開始フレームを示し、nは現フレーム(n>s)を示す。また、diff(i)は、i番目のフレームで増減したサンプル数を示し、Mは1フレームのサンプル数(例えば、80サンプル)を示す。また、上述の(数15)において、分母は伸縮前の過去フレームの合計サンプル数を表し、分子は伸縮後の過去フレームの合計サンプル数を表す。制御部5は、入力音声の速度を制御した制御信号を出力音声として外部へ出力する。制御部5は、出力音声を、例えば、音声処理装置1に接続または配置される、図示しないスピーカへ出力すること出来る。
図10は、第2の実施形態による音声処理装置1の機能ブロック図である。音声処理装置1は、取得部2、検出部3、推定部4を有する。図10に示す、音声処理装置1の各機能ブロック図は、少なくとも実施例1と同様の機能を有する為、実施例1と異なる処理についてのみ説明する。
図11は、一つの実施形態による携帯端末装置30として機能するハードウェア構成図である。携帯端末装置30は、アンテナ31、無線部32、ベースバンド処理部33、制御部21、端末インタフェース部34、マイク35、スピーカ36、主記憶部22、補助記憶部23を有する。
信号を受信する。無線部32は、ベースバンド処理部33で拡散された送信信号をD/A変換し、直交変調により高周波信号に変換し、その信号を電力増幅器により増幅する。無線部32は、受信した無線信号を増幅し、その信号をA/D変換してベースバンド処理部33に伝送する。
タ端末とのインタフェース処理を行う。
図12は、一つの実施形態による音声処理装置1として機能するコンピュータのハードウェア構成図である。図12に示す通り、音声処理装置1は、コンピュータ100、およびコンピュータ100に接続する入出力装置(周辺機器)を含んで構成される。
(付記1)
入力音声を取得する取得部と、
前記入力音声に含まれる音響特徴量の変化量の第1遷移点と第2遷移点に基づいて、少なくとも一つの母音区間長を推定する推定部と、
前記母音区間長に基づいて前記入力音声の速度を制御する制御部と
を備えることを特徴とする音声処理装置。
(付記2)
前記推定部は、前記音響特徴量の単位時間あたりの正の値の前記変化量が、所定の第1閾値以上を満たす点を前記第1遷移点または前記第2遷移点として検出し、
前記第1遷移点と前記第2遷移点の区間を前記母音区間長として推定することを特徴とする付記1記載の音声処理装置。
(付記3)
前記音響特徴量は、前記入力音声のピッチ周波数またはパワーであることを特徴とする付記1または付記2記載の音声処理装置。
(付記4)
前記入力音声に含まれる有音区間を検出する検出部を更に有し、
前記推定部は、前記有音区間の始端または終端から所定の範囲にある区間を除いた区間から前記母音区間長を推定することを特徴とする付記1ないし付記3の何れか一つに記載の音声処理装置。
(付記5)
前記推定部は、前記音響特徴量の単位時間あたりの負の値の前記変化量が、所定の第2閾値未満を満たす区間の始端を、前記母音区間長の終端として推定することを特徴とする付記2ないし付記4の何れか一つに記載の音声処理装置。
(付記6)
前記制御部は、前記母音区間長と前記速度を反比例させて前記入力音声の前記速度を制御することを特徴とする付記1ないし付記5の何れか一つに記載の音声処理装置。
(付記7)
前記推定部は、前記母音区間長から前記入力音声の話速を推定することを特徴とする付記1ないし付記6の何れか一つに記載の音声処理装置。
(付記8)
入力音声を取得する取得部と、
前記入力音声に含まれる音響特徴量の変化量の第1遷移点と第2遷移点に基づいて、少なくとも一つの母音区間長を推定し、前記母音区間長から前記入力音声の話速を推定する推定部と、
を備えることを特徴とする音声処理装置。
(付記9)
入力音声を取得し、
前記入力音声に含まれる音響特徴量の変化量の第1遷移点と第2遷移点に基づいて、少なくとも一つの母音区間長を推定し、
前記母音区間長に基づいて前記入力音声の速度を制御する
を含むことを特徴とする音声処理方法。
(付記10)
前記推定することは、前記音響特徴量の単位時間あたりの正の値の前記変化量が、所定の第1閾値以上を満たす点を前記第1遷移点または前記第2遷移点として検出し、
前記第1遷移点と前記第2遷移点の区間を前記母音区間長として推定することを特徴とする付記9記載の音声処理方法。
(付記11)
前記音響特徴量は、前記入力音声のピッチ周波数またはパワーであることを特徴とする付記9または付記10記載の音声処理方法。
(付記12)
前記入力音声に含まれる有音区間を検出する検出することを更に含み、
前記推定することは、前記有音区間の始端または終端から所定の範囲にある区間を除いた区間から前記母音区間長を推定することを特徴とする付記9ないし付記11の何れか一つに記載の音声処理方法。
(付記13)
前記推定することは、前記音響特徴量の単位時間あたりの負の値の前記変化量が、所定の第2閾値未満を満たす区間の始端を、前記母音区間長の終端として推定することを特徴とする付記10ないし付記12の何れか一つに記載の音声処理方法。
(付記14)
前記制御することは、前記母音区間長と前記速度を反比例させて前記入力音声の前記速度を制御することを特徴とする付記9ないし付記13の何れか一つに記載の音声処理方法。
(付記15)
コンピュータに
入力音声を取得し、
前記入力音声に含まれる音響特徴量の変化量の第1遷移点と第2遷移点に基づいて、少なくとも一つの母音区間長を推定し、
前記母音区間長に基づいて前記入力音声の速度を制御する
を実行させることを特徴とする音声処理プログラム。
(付記16)
発話者の音声を入力音声として入力するマイクと、
前記マイクから前記入力音声を入力する入力部と、
前記入力音声を取得する取得部と、
前記入力音声に含まれる音響特徴量の変化量の第1遷移点と第2遷移点に基づいて、少なくとも一つの母音区間長を推定する推定部と、
前記母音区間長に基づいて前記入力音声の速度を制御する制御部と、
前記入力音声を制御した出力音声を出力するスピーカ
を備えることを特徴とする携帯端末装置。
2 取得部
3 検出部
4 推定部
5 制御部
Claims (10)
- 入力音声を取得する取得部と、
前記入力音声に含まれる音響特徴量の変化量の第1遷移点と第2遷移点に基づいて、少なくとも一つの母音区間長を推定する推定部と、
前記母音区間長に基づいて前記入力音声の速度を制御する制御部と
を備えることを特徴とする音声処理装置。 - 前記推定部は、前記音響特徴量の単位時間あたりの正の値の前記変化量が、所定の第1閾値以上を満たす点を前記第1遷移点または前記第2遷移点として検出し、
前記第1遷移点と前記第2遷移点の区間を前記母音区間長として推定することを特徴とする請求項1記載の音声処理装置。 - 前記音響特徴量は、前記入力音声のピッチ周波数またはパワーであることを特徴とする請求項1または請求項2記載の音声処理装置。
- 前記入力音声に含まれる有音区間を検出する検出部を更に有し、
前記推定部は、前記有音区間の始端または終端から所定の範囲にある区間を除いた区間から前記母音区間長を推定することを特徴とする請求項1ないし請求項3の何れか一項に記載の音声処理装置。 - 前記推定部は、前記音響特徴量の単位時間あたりの負の値の前記変化量が、所定の第2閾値未満を満たす区間の始端を、前記母音区間長の終端として推定することを特徴とする請求項2ないし請求項4の何れか一項に記載の音声処理装置。
- 前記制御部は、前記母音区間長と前記速度を反比例させて前記入力音声の前記速度を制御することを特徴とする請求項1ないし請求項5の何れか一項に記載の音声処理装置。
- 前記推定部は、前記母音区間長から前記入力音声の話速を推定することを特徴とする請求項1ないし請求項6の何れか一項に記載の音声処理装置。
- 入力音声を取得する取得部と、
前記入力音声に含まれる音響特徴量の変化量の第1遷移点と第2遷移点に基づいて、少なくとも一つの母音区間長を推定し、前記母音区間長から前記入力音声の話速を推定する推定部と、
を備えることを特徴とする音声処理装置。 - 入力音声を取得し、
前記入力音声に含まれる音響特徴量の変化量の第1遷移点と第2遷移点に基づいて、少なくとも一つの母音区間長を推定し、
前記母音区間長に基づいて前記入力音声の速度を制御する
を含むことを特徴とする音声処理方法。 - コンピュータに
入力音声を取得し、
前記入力音声に含まれる音響特徴量の変化量の第1遷移点と第2遷移点に基づいて、少なくとも一つの母音区間長を推定し、
前記母音区間長に基づいて前記入力音声の速度を制御する
を実行させることを特徴とする音声処理プログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2014005465A JP2015132777A (ja) | 2014-01-15 | 2014-01-15 | 音声処理装置、音声処理方法および音声処理プログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2014005465A JP2015132777A (ja) | 2014-01-15 | 2014-01-15 | 音声処理装置、音声処理方法および音声処理プログラム |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2015132777A true JP2015132777A (ja) | 2015-07-23 |
Family
ID=53900004
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2014005465A Ceased JP2015132777A (ja) | 2014-01-15 | 2014-01-15 | 音声処理装置、音声処理方法および音声処理プログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP2015132777A (ja) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH09146575A (ja) * | 1995-11-27 | 1997-06-06 | Sanyo Electric Co Ltd | 発声速度検出方法 |
JPH1070790A (ja) * | 1996-05-22 | 1998-03-10 | Yamaha Corp | 話速検出方法、話速変換方法および話速変換機能付補聴器 |
JP2008185911A (ja) * | 2007-01-31 | 2008-08-14 | Arcadia:Kk | 音声合成装置 |
JP2012145802A (ja) * | 2011-01-13 | 2012-08-02 | Fujitsu Ltd | 音声合成装置および音声合成プログラム |
JP2013008471A (ja) * | 2011-06-22 | 2013-01-10 | Kobe Steel Ltd | ガスイオン源 |
-
2014
- 2014-01-15 JP JP2014005465A patent/JP2015132777A/ja not_active Ceased
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH09146575A (ja) * | 1995-11-27 | 1997-06-06 | Sanyo Electric Co Ltd | 発声速度検出方法 |
JPH1070790A (ja) * | 1996-05-22 | 1998-03-10 | Yamaha Corp | 話速検出方法、話速変換方法および話速変換機能付補聴器 |
JP2008185911A (ja) * | 2007-01-31 | 2008-08-14 | Arcadia:Kk | 音声合成装置 |
JP2012145802A (ja) * | 2011-01-13 | 2012-08-02 | Fujitsu Ltd | 音声合成装置および音声合成プログラム |
JP2013008471A (ja) * | 2011-06-22 | 2013-01-10 | Kobe Steel Ltd | ガスイオン源 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6263868B2 (ja) | 音声処理装置、音声処理方法および音声処理プログラム | |
KR100305455B1 (ko) | 연속 음성 인식시에 구두점들을 자동으로 발생시키기 위한 장치및 방법 | |
US8204747B2 (en) | Emotion recognition apparatus | |
JP5664480B2 (ja) | 異常状態検出装置、電話機、異常状態検出方法、及びプログラム | |
US20180130462A1 (en) | Voice interaction method and voice interaction device | |
US10553240B2 (en) | Conversation evaluation device and method | |
US20190298271A1 (en) | Methods and systems for estimation of obstructive sleep apnea severity in wake subjects by multiple speech analyses | |
ES2763937T3 (es) | Procedimiento para la valoración de una calidad de un uso de la voz de un hablante | |
EP2806415B1 (en) | Voice processing device and voice processing method | |
Smorenburg et al. | The distribution of speaker information in Dutch fricatives/s/and/x/from telephone dialogues | |
JP2015068897A (ja) | 発話の評価方法及び装置、発話を評価するためのコンピュータプログラム | |
US10403289B2 (en) | Voice processing device and voice processing method for impression evaluation | |
JP6028556B2 (ja) | 対話制御方法及び対話制御用コンピュータプログラム | |
JP3673507B2 (ja) | 音声波形の特徴を高い信頼性で示す部分を決定するための装置およびプログラム、音声信号の特徴を高い信頼性で示す部分を決定するための装置およびプログラム、ならびに擬似音節核抽出装置およびプログラム | |
JP5402089B2 (ja) | 音響信号変換装置、方法、及びプログラム | |
JP6394103B2 (ja) | 音声処理装置、音声処理方法および音声処理プログラム | |
JP5621786B2 (ja) | 音声検出装置、音声検出方法、および音声検出プログラム | |
JP2014106247A (ja) | 信号処理装置、信号処理方法および信号処理プログラム | |
JP2015132777A (ja) | 音声処理装置、音声処理方法および音声処理プログラム | |
JP2015087557A (ja) | 発話様式検出装置および発話様式検出方法 | |
KR102031295B1 (ko) | 비강 에너지 변화 측정 시스템 및 그 측정 방법 | |
WO2022244627A1 (ja) | エアロゾル量推定システム、エアロゾル量推定方法、及び、プログラム | |
WO2023013402A1 (ja) | 推定方法、プログラムおよび推定装置 | |
JP2019032400A (ja) | 発話判定プログラム、発話判定方法、及び発話判定装置 | |
JP2018033540A (ja) | 舌位・舌癖判定装置、舌位・舌癖判定方法及びプログラム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
RD01 | Notification of change of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7421 Effective date: 20160401 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20160905 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20170818 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20170829 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20171027 |
|
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20180313 |
|
A045 | Written measure of dismissal of application [lapsed due to lack of payment] |
Free format text: JAPANESE INTERMEDIATE CODE: A045 Effective date: 20180731 |