JP5293329B2 - 音声信号評価プログラム、音声信号評価装置、音声信号評価方法 - Google Patents

Description

本発明は、音声信号の評価を行う音声信号評価プログラム、音声信号評価装置、音声信号評価方法に関するものである。

雑音無しの原音声信号と評価対象音声信号とを用いる客観音声品質評価技術にはＰＥＳＱ（Perceptual Evaluation of Speech Quality）をはじめとする従来技術が存在する（例えば、特許文献１，２参照）。

特開２００１−３０９４８３号公報 特開平７−８４５９６号公報

しかしながら、従来の評価試験は、音声信号処理結果である処理音に対して、比較対象とする原音を必要とする。音声区間に関しては、評価試験を行う際の原音が存在するケースが多い。しかし、非音声区間（雑音等）に関しては、原音が存在しない場合が多い。その場合、原音と比較する評価方式は、非音声区間の品質を評価することはできないという問題がある。

本発明は上述した問題点を解決するためになされたものであり、音声信号における非音声の評価を行う音声信号評価プログラム、音声信号評価装置、音声信号評価方法を提供することを目的とする。

上述した課題を解決するため、本発明の一態様は、記憶部に記憶された音声信号から所定長のフレームを複数取得し、フレームに音声が存在することを示す音声条件に基づいて、複数のフレームから、音声条件を満たすフレームである音声フレームと音声条件を満たさないフレームである非音声フレームとを夫々複数検出し、複数の非音声フレームの夫々のスペクトルを算出し、複数の非音声フレームの夫々である第１非音声フレームのスペクトルと第１非音声フレームより過去の第２非音声フレームのスペクトルとに基づいて、第１非音声フレームにおけるスペクトルの変化を示すスペクトル変化量を算出し、変化量により非音声フレームが非定常であることを示す非定常条件に基づいて、複数の非音声フレームから、変化量が非定常条件を満たす非音声フレームである非定常フレームを検出することをコンピュータに実行させる。

また、本発明の一態様は、記憶部に記憶された音声信号から所定長のフレームを複数取得する取得部と、フレームに音声が存在することを示す音声条件に基づいて、複数のフレームから、音声条件を満たすフレームである音声フレームと音声条件を満たさないフレームである非音声フレームとを夫々複数検出する第１検出部と、複数の非音声フレームの夫々のスペクトルを算出するスペクトル算出部と、複数の非音声フレームの夫々である第１非音声フレームのスペクトルと第１非音声フレームより過去の第２非音声フレームのスペクトルとに基づいて、第１非音声フレームにおけるスペクトルの変化を示すスペクトル変化量を算出するスペクトル変化量算出部と、変化量により非音声フレームが非定常であることを示す非定常条件に基づいて、複数の非音声フレームから、変化量が非定常条件を満たす非音声フレームである非定常フレームを検出する第２検出部とを有する。

また、本発明の一態様は、記憶部に記憶された音声信号から所定長のフレームを複数取得し、フレームに音声が存在することを示す音声条件に基づいて、複数のフレームから、音声条件を満たすフレームである音声フレームと音声条件を満たさないフレームである非音声フレームとを夫々複数検出し、複数の非音声フレームの夫々のスペクトルを算出し、複数の非音声フレームの夫々である第１非音声フレームのスペクトルと第１非音声フレームより過去の第２非音声フレームのスペクトルとに基づいて、第１非音声フレームにおけるスペクトルの変化を示すスペクトル変化量を算出し、変化量により非音声フレームが非定常であることを示す非定常条件に基づいて、複数の非音声フレームから、変化量が非定常条件を満たす非音声フレームである非定常フレームを検出することを実行する。

開示の音声信号評価プログラム、音声信号評価装置、音声信号評価方法によれば、音声信号における非音声の評価を行うことができる。

本実施の形態における音声信号評価装置の機能を示すブロック図である。 本実施の形態における音声信号評価装置の構成を示すブロック図である。 本実施の形態における音声信号評価装置の動作を示すフローチャートである。 音声信号波形及びラベルデータを示す図である。 第３の非定常判定閾値設定処理におけるスペクトル時間変化率差分を示す図である。 第３の非定常判定閾値設定処理を用いる場合の音声信号評価装置の動作を示すフローチャートである。 Ｌｏｎｇ区間とＳｈｏｒｔ区間の一例を示す波形図である。 時系列として表示されたスペクトル時間変化率の一例を示す波形図である。 本発明が適用されるコンピュータシステムの一例を示す図である。

以下、本発明の実施の形態について図面を参照しつつ説明する。

本実施の形態における音声信号評価装置の構成について以下に説明する。

図１は、本実施の形態における音声信号評価装置の機能を示すブロック図である。この音声信号評価装置１は、取得部１０、区間判定部１１、区間振幅比算出部１２、ＦＦＴ（Fast Fourier Transform）１３、振幅スペクトル算出部１４、時間変化率算出部１５、非定常率算出部１６、時間変化率表示部１７、非定常率表示部１８を有する。

図２は、本実施の形態における音声信号評価装置の構成を示すブロック図である。コンピュータ８００は、ＣＰＵ（Central Processing Unit）８０１、記憶部８０２、表示部８０３、操作部８０４を有する。

記憶部８０２は、音声信号評価装置１の機能が表された音声信号評価プログラムを記憶する。ＣＰＵ８０１は、記憶部８０２に記憶された音声信号評価プログラムを実行する。この動作により、コンピュータ８００は、音声信号評価装置１として機能する。

操作部８０４は、ユーザからの指示を取得する。表示部８０３は、音声信号評価プログラムによる評価結果を表示する。記憶部８０２は、更に、予め収録された音声信号である評価対象データを記憶する。

音声信号評価装置１の動作について以下に説明する。

図３は、本実施の形態における音声信号評価装置１の動作を示すフローチャートである。

取得部１０は、記憶部８０２内の評価対象データを所定の長さのフレーム毎に読み出し、区間判定部１１は、音声条件に基づいて、各フレームが音声区間と非音声区間のいずれかの区間であるかを判定し、判定結果をラベルデータとして記憶部８０２へ書き込む（Ｓ１１）。音声条件の具体例として、区間判定部１１は、評価対象データの波形を読み込み、波形の振幅が所定の有声閾値以上の場合は（音声が存在する）音声区間と判定し、波形の振幅が有声閾値を超えない場合を非音声区間と判定する。フレームの長さは、ＦＦＴ１３のＦＦＴ長であり、例えば２のＮ乗（Ｎは整数）である。

図４は、音声信号波形及びラベルデータを示す図である。この図において、横軸は時間を示し、縦軸は振幅を示す。ラベルデータとしてＶとＵを示す。Ｖ（Voiced）が付された区間は音声区間を示し、Ｕ（Unvoiced）が付された区間は非音声区間を示す。なお、音声区間は音声と雑音の両方を含み、非音声区間は雑音のみを含む。

取得部１０は、記憶部８０２内の評価対象データから１つのフレームを読み出し、ＦＦＴ１３は、読み出したフレームのＦＦＴを行って周波数領域信号に変換して記憶部８０２へ書き込む（Ｓ２１）。以下、ここで読み出したフレームを現フレームとする。次回の処理Ｓ２１において、取得部１０は、現フレームの次のフレームを読み出して新たな現フレームとする。

振幅スペクトル算出部１４は、記憶部８０２内の周波数領域信号を読み出し、読み出した周波数領域信号から振幅スペクトルを算出して記憶部８０２へ書き込む（Ｓ２２）。

時間変化率算出部１５は、記憶部８０２内の現フレームのラベルデータを読み出し、読み出したラベルデータにより現フレームが音声区間であるか否かの判定を行う（Ｓ２３）。現フレームが音声区間である場合（Ｓ２３，Ｙ）、時間変化率算出部１５は、このフローを処理Ｓ２１へ移行させ、次のフレームに対する処理を行う。現フレームが非音声区間である場合（Ｓ２３，Ｎ）、時間変化率算出部１５は、このフローを次の処理へ移行させる。

時間変化率算出部１５は、記憶部８０２内の現フレームの振幅スペクトルと現フレーム（第１非音声フレーム）の直前の非音声フレームである前フレーム（第２非音声フレーム）の振幅スペクトルとを読み出し、読み出した振幅スペクトルに基づいてスペクトル時間変化量を算出して記憶部８０２へ書き込む（Ｓ２４）。スペクトル変化量の具体例として、ここではスペクトル時間変化率を用いる。スペクトル時間変化率は、現フレームの振幅スペクトルから前フレームの振幅スペクトルへの変化量に基づく値である。

区間振幅比算出部１２は、音声区間と非音声区間の振幅比を算出して区間振幅比とし、区間振幅比に基づいて非定常性を判定する非定常判定閾値を決定する（Ｓ３１）。非音声区間の音量が全体的に小さく、音声区間と非音声区間の振幅比が大きい場合にスペクトル時間変化率に対する感度が高くなりすぎてしまうため、区間振幅比算出部１２は非定常判定閾値を設定する。

非定常率算出部１６は、非定常条件に基づいて現フレームが非定常フレームであるか否かの判定を行う。非定常条件の具体例として、非定常率算出部１６は、現フレームのスペクトル時間変化率が非定常判定閾値を超えたか否かの判定を行う（Ｓ４１）。現フレームのスペクトル時間変化率が非定常判定閾値を超えた場合（Ｓ４１，Ｙ）、現フレームが非定常フレームであると判定し（Ｓ４２）、そうでない場合（Ｓ４１，Ｎ）、現フレームが定常フレームであると判定する（Ｓ４３）。ここで、非定常フレームは、フレーム内の音声信号が非定常的であるフレームである。定常フレームは、フレーム内の音声信号が定常的であるフレームである。

非定常率算出部１６は、全てのフレームに対する処理が終了したか否かの判定を行う（Ｓ４４）。全てのフレームに対する処理が終了していない場合（Ｓ４４，Ｎ）、非定常率算出部１６は、このフローを処理Ｓ２１へ移行させ、次のフレームに対する処理を行わせる。全てのフレームに対する処理が終了した場合（Ｓ４４，Ｙ）、非定常率算出部１６は、このフローを次の処理へ移行させる。

非定常率算出部１６は、非音声区間で非定常であると判定されたフレーム数を、非音声区間の全フレーム数で割った値を算出して非定常率とする（Ｓ５１）。あるいは、非定常率算出部１６は、非音声区間で定常であると判定されたフレーム数を、非音声区間の全フレーム数で割った値を定常率としても良い。

時間変化率表示部１７は、記憶部８０２内のスペクトル時間変化率を読み出し、スペクトル時間変化率を時系列とし、非定常率表示部１８は、評価値として非定常率を表示する（Ｓ５２）。

以上で、音声信号評価装置１の動作のフローは終了する。

上述の時間変化率算出部１５の動作の詳細について以下に説明する。

時間変化率算出部１５の動作の具体例として、第１のスペクトル時間変化率算出処理、第２のスペクトル時間変化率算出処理、第３のスペクトル時間変化率算出処理、の３種類を挙げて説明する。ここで、時間ｔ、周波数を示すサンプル番号をｉとし、角周波数ω（ｉ）における振幅スペクトルをＡ（ｔ，ｉ）とする。

第１のスペクトル時間変化率算出処理において、時間変化率算出部１５は、現フレームの振幅スペクトルと前フレームの振幅スペクトルとの間の周波数毎の差分を算出して差分スペクトルとし、差分スペクトルの全周波数にわたる総和を算出してＦ１１とし、現フレームの振幅スペクトルの全周波数にわたる総和を算出してＦ１２とし、Ｆ１１をＦ１２で除した値をスペクトル時間変化率とする。時間ｔにおけるスペクトル時間変化率は、次式（１）で表される。

第２のスペクトル時間変化率算出処理において、時間変化率算出部１５は、現フレームの振幅スペクトルと前フレームの振幅スペクトルとの間の周波数毎の差分を算出して差分スペクトルとし、差分スペクトルの全周波数にわたる最大値にフレーム数を乗じた値を算出してＦ２１とし、現フレームの振幅スペクトルの全周波数にわたる総和を算出してＦ２２とし、Ｆ２１をＦ２２で除した値をスペクトル時間変化率とする。最大値を求める関数をＭａｘ（）とすると、時間ｔにおけるスペクトル時間変化率は、次式（２）で表される。

第３のスペクトル時間変化率算出処理において、時間変化率算出部１５は、現フレームの振幅スペクトルと前フレームの振幅スペクトルとの間の周波数毎の差分を算出して差分スペクトルとし、聴覚特性に基づく重み係数αを差分スペクトルに乗じた値を算出して重み付け差分スペクトルとし、重み付け差分スペクトルの全周波数にわたる総和を算出してＦ３１とし、現フレームの振幅スペクトルの全周波数にわたる総和を算出してＦ３２とし、Ｆ３１をＦ３２で除した値を算出してスペクトル時間変化率とする。時間ｔにおけるスペクトル時間変化率は、次式（３）で表される。

上述の区間振幅比算出部１２の動作の詳細について以下に説明する。

区間振幅比算出部１２による非定常判定閾値の設定方法の具体例として、第１の非定常判定閾値設定処理、第２の非定常判定閾値設定処理、第３の非定常判定閾値設定処理、の３種類を挙げて説明する。

第１の非定常判定閾値設定処理において、区間振幅比算出部１２は、区間振幅比と所定の区間振幅比閾値との比較により、非定常判定閾値を決定する。例えば、区間振幅比算出部１２は、区間振幅比が区間振幅比閾値より大きい場合、非定常判定閾値を１００とし、区間振幅比が区間振幅比閾値より小さい場合、非定常判定閾値を７０とする。

第２の非定常判定閾値設定処理において、区間振幅比算出部１２は、区間振幅比と所定の区間振幅比閾値との比較により、非定常判定閾値を決定する。例えば、区間振幅比をｘとするとき、非定常判定閾値ｙは、次式（４）で表される。
ｙ ＝ ｆ（ｘ） （４）

関数ｆ（ｘ）は、例えば、比例定数αを用いて、次式（５）で表される。
ｙ ＝ α × ｘ （５）

第３の非定常判定閾値設定処理について説明する。雑音種により、定常状態のスペクトル時間変化率のばらつきの大きさ（変化幅）に違いがある。スペクトル時間変化率のばらつきが大きい雑音種とスペクトル時間変化率のばらつきが小さい雑音種とでは、同じスペクトル時間変化率であっても聴感上の違いが生じる。それを反映するために、区間振幅比算出部１２は、スペクトル時間変化率のばらつきの大きさに基づいて非定常判定閾値を設定する。

まず、区間振幅比算出部１２は、非音声区間の全フレームにわたるスペクトル時間変化率の平均値を算出して平均スペクトル時間変化率とする。各フレームのスペクトル時間変化率と平均スペクトル時間変化率との差分を算出してスペクトル時間変化率差分とし、非音声区間の全フレームにわたるスペクトル時間変化率差分の平均値を算出して差分平均値ｚとする。

図５は、第３の非定常判定閾値設定処理におけるスペクトル時間変化率差分を示す図である。この図において、横軸は時間を表し、縦軸はスペクトル時間変化率を表す。更に、この図は、平均スペクトル時間変化率とある時点Ｔ１におけるスペクトル時間変化率差分Ｄ１と別の時点Ｔ２におけるスペクトル時間変化率差分Ｄ２とを示す。

非定常判定閾値ｙは、次式（６）で表される。
ｙ ＝ ｆ（ｚ） （６）

関数ｆ（ｚ）は、例えば、比例定数βを用いて、次式（７）で表される。
ｙ ＝ β × ｚ （７）

第３の非定常判定閾値設定処理を用いる場合の音声信号評価装置１の動作について以下に説明する。

図６は、第３の非定常判定閾値設定処理を用いる場合の音声信号評価装置１の動作を示すフローチャートである。

処理Ｓ１１〜Ｓ２４は、図３のフローと同様である。

区間振幅比算出部１２は、全てのフレームに対する処理が終了したか否かの判定を行う（Ｓ２５）。全てのフレームに対する処理が終了していない場合（Ｓ２５，Ｎ）、区間振幅比算出部１２は、このフローを処理Ｓ２１へ移行させ、次のフレームに対する処理を行わせる。全てのフレームに対する処理が終了した場合（Ｓ２５，Ｙ）、区間振幅比算出部１２は、このフローを次の処理へ移行させる。

区間振幅比算出部１２は、上述した第３の非定常判定閾値設定処理により非定常判定閾値を決定する（Ｓ３２）。

処理Ｓ４１〜Ｓ４３は、図３のフローと同様である。

非定常率算出部１６は、全てのフレームに対する処理が終了したか否かの判定を行う（Ｓ４５）。全てのフレームに対する処理が終了していない場合（Ｓ４５，Ｎ）、非定常率算出部１６は、このフローを処理Ｓ４１へ移行させ、次のフレームに対する処理を行わせる。全てのフレームに対する処理が終了した場合（Ｓ４５，Ｙ）、非定常率算出部１６は、このフローを次の処理へ移行させる。

処理Ｓ５１〜Ｓ５２は、図３のフローと同様である。

上述の第１の非定常判定閾値設定処理と第３の非定常判定閾値設定処理、第２の非定常判定閾値設定処理と第３の非定常判定閾値設定処理は、それぞれ組み合わせることも可能である。

上述の非定常率算出部１６の動作の詳細について以下に説明する。

非音声区間には、文と文の間の長い非音声区間（Ｌｏｎｇ区間）と、呼気段落間や無声破裂音の短い非音声区間（Ｓｈｏｒｔ区間）がある。図７は、Ｌｏｎｇ区間とＳｈｏｒｔ区間の一例を示す波形図である。非定常と判定されたフレームがＬｏｎｇ区間にある場合、人間の聴感は、そのフレームを雑音区間の非定常性と認識する。一方、非定常と判定されたフレームがＳｈｏｒｔ区間にある場合、聴感は、そのフレームを音声区間の非定常性と認識する。

その為、非定常率算出部１６は、Ｌｏｎｇ区間とＳｈｏｒｔ区間に分けて、非定常率を算出しても良い。この場合、非定常率算出部１６は、非音声区間の長さを元にＬｏｎｇ区間とＳｈｏｒｔ区間の判定を行い、Ｌｏｎｇ区間とＳｈｏｒｔ区間のそれぞれについて非定常率を算出する。ここで、非定常率算出部１６は、長さが所定の非音声区間長閾値以上の非音声区間をＬｏｎｇ区間と判定し、長さが非音声区間長閾値より短い非音声区間をＳｈｏｒｔ区間と判定する。

上述の時間変化率表示部１７の動作の詳細について以下に説明する。

図８は、時系列として表示されたスペクトル時間変化率の一例を示す波形図である。この図において、横軸は時間を示す。上段の波形Ｗ１において、縦軸は評価対象データの振幅を示す。下段の波形Ｗ２において、縦軸はスペクトル時間変化率を示す。Ｗ１とＷ２における横軸は共通の時間軸であり、Ｗ１とＷ２は対応付けて表示される。更に、この図は、Ｗ２において、非定常判定閾値と３箇所の非定常フレームとを示す。上述したように、非定常フレームは、スペクトル時間変化率が非定常判定閾値を超えた非音声フレームである。

なお、時間変化率表示部１７は、非定常率算出部１６により判定された各フレーム毎の定常または非定常の判定結果を、時系列として表示しても良い。例えば、非定常と判定された場合は１、定常と判定された場合は０を、時系列として表示する。

上述の非定常率表示部１８の動作の詳細について以下に説明する。

非定常率表示部１８による評価値の表示形式は、１つの評価対象データに対して１つの評価値であっても良いし、Ｌｏｎｇ区間及びＳｈｏｒｔ区間のそれぞれの評価値であっても良い。

非定常率表示部１８は、評価値として非定常率そのものを表示しても良いが、非定常率を「よい／普通／悪い」等のような言葉に変換した値を評価値として表示しても良い。この場合も、１つの評価対象データに対して１つの評価値であっても良いし、Ｌｏｎｇ区間及びＳｈｏｒｔ区間のそれぞれの評価値であっても良い。

また、非定常率表示部１８がＬｏｎｇ区間及びＳｈｏｒｔ区間のそれぞれの非定常率を「よい／普通／悪い」等のような言葉に変換する場合、聴感上の結果と合致させるために、非定常率の変換の基準がＬｏｎｇ区間及びＳｈｏｒｔ区間において異なることが有効である。例えば、Ｌｏｎｇ区間において、非定常率が１．０％未満のケースは「よい」に、非定常率が１．０％以上２．０％未満のケースは「普通」に、非定常率が２．０％以上のケースは「悪い」にそれぞれ変換される。また、Ｓｈｏｒｔ区間において、非定常率が４．０％未満のケースは「よい」に、４．０％以上８．０％未満のケースは「普通」に、８．０％以上の場合のケースは「悪い」にそれぞれ変換される。

なお、音声信号評価装置１は、上述の振幅スペクトルの代わりにパワースペクトルを用いても良い。

本実施の形態によれば、様々な雑音交じりの原音声信号に対して指向性受音処理や雑音抑圧処理等の音声信号処理を行う場合に、非音声区間のスペクトル時間変化率を算出し、このスペクトル時間変化率に基づいて非音声区間の非定常性を算出することにより、非音声区間の品質を評価することができる。本実施の形態によれば、主観評価とマッチした定量的な評価値（客観評価値）を求めることができる。本実施の形態によれば、比較対象とする原音がなくても、様々な雑音交じりの音声信号のみで、非音声区間の品質を定量化することができる。

本実施の形態によれば、周波数領域で表される振幅スペクトルの変化率を算出することで、非音声区間の非定常性を検出することができる。これにより、非音声区間の非定常ノイズや、音響処理によって生じたミュージカルノイズ等、これまで聞かないと分からなかった非定常雑音の箇所の特定が可能となる。また、本実施の形態において評価対象データとなる音声信号は、音声信号処理された音声信号に限らず、雑音混じりの音声信号全般である。

また、本実施の形態における音声信号品質評価方法は、評価試験のみならず、音声信号処理における雑音抑圧量の向上や音質向上を目指す場合のチューニングツール、リアルタイムで学習しながらパラメータを変更する雑音抑圧装置、雑音環境測定評価ツール、雑音環境測定した結果を基に、最適な雑音抑圧処理を選択する雑音抑圧装置、等に利用することが可能である。

なお、本発明は以下に示すようなコンピュータシステムにおいて適用可能である。図９は、本発明が適用されるコンピュータシステムの一例を示す図である。この図に示すコンピュータシステム９００は、ＣＰＵやディスクドライブ等を内蔵した本体部９０１、本体部９０１からの指示により画像を表示するディスプレイ９０２、コンピュータシステム９００に種々の情報を入力するためのキーボード９０３、ディスプレイ９０２の表示画面９０２ａ上の任意の位置を指定するマウス９０４及び外部のデータベース等にアクセスして他のコンピュータシステムに記憶されているプログラム等をダウンロードする通信装置９０５を有する。通信装置９０５は、ネットワーク通信カード、モデムなどが考えられる。

上述したような、音声信号評価装置を構成するコンピュータシステムにおいて上述した各ステップを実行させるプログラムを、音声信号評価プログラムとして提供することができる。このプログラムは、コンピュータシステムにより読み取り可能な記録媒体に記憶させることによって、音声信号評価装置を構成するコンピュータシステムに実行させることが可能となる。上述した各ステップを実行するプログラムは、ディスク９１０等の可搬型記録媒体に格納されるか、通信装置９０５により他のコンピュータシステムの記録媒体９０６からダウンロードされる。また、コンピュータシステム９００に少なくとも音声信号評価機能を持たせる音声信号評価プログラムは、コンピュータシステム９００に入力されてコンパイルされる。このプログラムは、コンピュータシステム９００を、音声信号評価機能を有する音声信号評価システムとして動作させる。また、このプログラムは、例えばディスク９１０等のコンピュータ読み取り可能な記録媒体に格納されていても良い。ここで、コンピュータシステム９００により読み取り可能な記録媒体としては、ＲＯＭやＲＡＭ等のコンピュータに内部実装される内部記憶装置、ディスク９１０やフレキシブルディスク、ＤＶＤディスク、光磁気ディスク、ＩＣカード等の可搬型記憶媒体や、コンピュータプログラムを保持するデータベース、或いは、他のコンピュータシステム並びにそのデータベースや、通信装置９０５のような通信手段を介して接続されるコンピュータシステムでアクセス可能な各種記録媒体を含む。

本体部９０１は、上述のＣＰＵ８０１及び記憶部８０２に対応する。

第１検出部は、実施の形態における区間判定部１１に対応する。スペクトル算出部は、実施の形態におけるＦＦＴ１３及び振幅スペクトル算出部１４に対応する。スペクトル変化量算出部は、実施の形態における時間変化率算出部１５に対応する。第２検出部は、実施の形態における非定常率算出部１６に対応する。

本発明は、その精神または主要な特徴から逸脱することなく、他の様々な形で実施することができる。そのため、前述の実施の形態は、あらゆる点で単なる例示に過ぎず、限定的に解釈してはならない。本発明の範囲は、特許請求の範囲によって示すものであって、明細書本文には、何ら拘束されない。更に、特許請求の範囲の均等範囲に属する全ての変形、様々な改良、代替および改質は、全て本発明の範囲内のものである。

以上の実施の形態に関し、更に以下の付記を開示する。
（付記１）
記憶部に記憶された音声信号から所定長のフレームを複数取得し、
前記フレームに音声が存在することを示す音声条件に基づいて、複数の前記フレームから、前記音声条件を満たすフレームである音声フレームと前記音声条件を満たさないフレームである非音声フレームとを夫々複数検出し、
複数の前記非音声フレームの夫々のスペクトルを算出し、
複数の前記非音声フレームの夫々である第１非音声フレームのスペクトルと第１非音声フレームより過去の非音声フレームである第２非音声フレームのスペクトルとに基づいて、第１非音声フレームのスペクトルの変化を示すスペクトル変化量を算出し、
前記変化量により非音声フレームが非定常であることを示す非定常条件に基づいて、複数の前記非音声フレームから、前記変化量が前記非定常条件を満たす非音声フレームである非定常フレームを検出する、
ことをコンピュータに実行させる音声信号評価プログラム。
（付記２）
第１非音声フレームの変化量は、第１非音声フレームより過去の第２非音声フレームのスペクトルと前記第１非音声フレームのスペクトルとの差分の絶対値に基づいて算出される、
付記１に記載の音声信号評価プログラム。
（付記３）
第１非音声フレームの変化量は、第１非音声フレームのスペクトルと前記差分の絶対値とに基づいて算出される、
付記２に記載の音声信号評価プログラム。
（付記４）
第１非音声フレームの変化量は、前記差分の絶対値を全周波数に亘って加算した値と第１非音声フレームのスペクトルを全周波数に亘って加算した値との比率に基づいて算出される、
付記３に記載の音声信号評価プログラム。
（付記５）
第１非音声フレームの変化量は、前記差分の絶対値を全周波数に亘る最大値と第１非音声フレームのスペクトルを全周波数に亘って加算した値との比率に基づいて算出される、
付記３に記載の音声信号評価プログラム。
（付記６）
第１非音声フレームの変化量は、前記差分の絶対値に聴覚特性に基づく重み付けを行って全周波数に亘って加算した値と第１非音声フレームのスペクトルを全周波数に亘って加算した値との比率に基づいて算出される、
付記３に記載の音声信号評価プログラム。
（付記７）
更に、
前記非音声フレームの数と前記非定常フレームの数との比率である非定常率を算出する、
ことをコンピュータに実行させる
付記１に記載の音声信号評価プログラム。
（付記８）
更に、
連続した非音声フレームの期間が所定の期間閾値以上である場合に前記連続した非音声フレームを長期非音声フレームとすると共に前記連続した非音声フレームの期間が前記期間閾値より小さい場合に前記連続した非音声フレームを短期非音声フレームとし、前記長期非音声フレームの数と前記長期非音声フレームのうち非定常フレームの数との比率を算出すると共に前記短期非音声フレームの数と前記短期非音声フレームのうち非定常フレームの数との比率を算出する、
ことをコンピュータに実行させる
付記１に記載の音声信号評価プログラム。
（付記９）
前記非定常条件は、第１非音声フレームの変化量が、設定された変化量閾値を超えた場合である、
付記１に記載の音声信号評価プログラム。
（付記１０）
更に、前記音声フレームと前記非音声フレームとの振幅比を算出し、前記振幅比に基づいて前記変化量閾値を決定する、
ことをコンピュータに実行させる
付記９に記載の音声信号評価プログラム。
（付記１１）
更に、全ての前記非音声フレームの平均のスペクトルを算出し、前記平均のスペクトルに対する前記非音声フレームのスペクトルのばらつきの大きさを算出し、前記ばらつきの大きさに基づいて前記変化量閾値を決定する、
ことをコンピュータに実行させる
付記９に記載の音声信号評価プログラム。
（付記１２）
前記スペクトルは、振幅スペクトル又はパワースペクトルである、
付記１に記載の音声信号評価プログラム。
（付記１３）
記憶部に記憶された音声信号から所定長のフレームを複数取得する取得部と、
前記フレームに音声が存在することを示す音声条件に基づいて、複数の前記フレームから、前記音声条件を満たすフレームである音声フレームと前記音声条件を満たさないフレームである非音声フレームとを夫々複数検出する第１検出部と、
複数の前記非音声フレームの夫々のスペクトルを算出するスペクトル算出部と、
複数の前記非音声フレームの夫々である第１非音声フレームのスペクトルと第１非音声フレームより過去の非音声フレームである第２非音声フレームのスペクトルとに基づいて、第１非音声フレームのスペクトルの変化を示すスペクトル変化量を算出するスペクトル変化量算出部と、
前記変化量により非音声フレームが非定常であることを示す非定常条件に基づいて、複数の前記非音声フレームから、前記変化量が前記非定常条件を満たす非音声フレームである非定常フレームを検出する第２検出部と、
を備える音声信号評価装置。
（付記１４）
記憶部に記憶された音声信号から所定長のフレームを複数取得し、
前記フレームに音声が存在することを示す音声条件に基づいて、複数の前記フレームから、前記音声条件を満たすフレームである音声フレームと前記音声条件を満たさないフレームである非音声フレームとを夫々複数検出し、
複数の前記非音声フレームの夫々のスペクトルを算出し、
複数の前記非音声フレームの夫々である第１非音声フレームのスペクトルと第１非音声フレームより過去の非音声フレームである第２非音声フレームのスペクトルとに基づいて、第１非音声フレームのスペクトルの変化を示すスペクトル変化量を算出し、
前記変化量により非音声フレームが非定常であることを示す非定常条件に基づいて、複数の前記非音声フレームから、前記変化量が前記非定常条件を満たす非音声フレームである非定常フレームを検出する、
ことを実行する音声信号評価方法。

１ 音声信号評価装置
１１ 区間判定部
１２ 区間振幅比算出部
１３ ＦＦＴ
１４ 振幅スペクトル算出部
１５ 時間変化率算出部
１６ 非定常率算出部
１７ 時間変化率表示部
１８ 非定常率表示部
８００ コンピュータ
８０１ ＣＰＵ
８０２ 記憶部
８０３ 表示部
８０４ 操作部

Claims (6)

1. 記憶部に記憶された音声信号から所定長のフレームを複数取得し、
   前記フレームに音声が存在することを示す音声条件に基づいて、複数の前記フレームから、前記音声条件を満たすフレームである音声フレームと前記音声条件を満たさないフレームである非音声フレームとを夫々複数検出し、
   複数の前記非音声フレームの夫々のスペクトルを算出し、
   複数の前記非音声フレームの夫々である第１非音声フレームのスペクトルと第１非音声フレームより過去の非音声フレームである第２非音声フレームのスペクトルとに基づいて、第１非音声フレームのスペクトルの変化を示すスペクトル変化量を算出し、
   前記変化量により非音声フレームが非定常であることを示す非定常条件に基づいて、複数の前記非音声フレームから、前記変化量が前記非定常条件を満たす非音声フレームである非定常フレームを検出し、
   連続した非音声フレームの期間が所定の期間閾値以上である場合に前記連続した非音声フレームを長期非音声フレームとすると共に前記連続した非音声フレームの期間が前記期間閾値より小さい場合に前記連続した非音声フレームを短期非音声フレームとし、前記長期非音声フレームの数と前記長期非音声フレームのうち非定常フレームの数との比率を算出すると共に前記短期非音声フレームの数と前記短期非音声フレームのうち非定常フレームの数との比率を算出する、
   ことをコンピュータに実行させる音声信号評価プログラム。
2. 第１非音声フレームの変化量は、第１非音声フレームより過去の第２非音声フレームのスペクトルと前記第１非音声フレームのスペクトルとの差分の絶対値に基づいて算出される、
   請求項１に記載の音声信号評価プログラム。
3. 更に、
   前記非音声フレームの数と前記非定常フレームの数との比率である非定常率を算出する、
   ことをコンピュータに実行させる
   請求項１または請求項２に記載の音声信号評価プログラム。
4. 前記非定常条件は、第１非音声フレームの変化量が、設定された変化量閾値を超えた場合である、
   請求項１乃至請求項３のいずれかに記載の音声信号評価プログラム。
5. 記憶部に記憶された音声信号から所定長のフレームを複数取得する取得部と、
   前記フレームに音声が存在することを示す音声条件に基づいて、複数の前記フレームから、前記音声条件を満たすフレームである音声フレームと前記音声条件を満たさないフレームである非音声フレームとを夫々複数検出する第１検出部と、
   複数の前記非音声フレームの夫々のスペクトルを算出するスペクトル算出部と、
   複数の前記非音声フレームの夫々である第１非音声フレームのスペクトルと第１非音声フレームより過去の非音声フレームである第２非音声フレームのスペクトルとに基づいて、第１非音声フレームのスペクトルの変化を示すスペクトル変化量を算出するスペクトル変化量算出部と、
   前記変化量により非音声フレームが非定常であることを示す非定常条件に基づいて、複数の前記非音声フレームから、前記変化量が前記非定常条件を満たす非音声フレームである非定常フレームを検出する第２検出部と、
   連続した非音声フレームの期間が所定の期間閾値以上である場合に前記連続した非音声フレームを長期非音声フレームとすると共に前記連続した非音声フレームの期間が前記期間閾値より小さい場合に前記連続した非音声フレームを短期非音声フレームとし、前記長期非音声フレームの数と前記長期非音声フレームのうち非定常フレームの数との比率を算出すると共に前記短期非音声フレームの数と前記短期非音声フレームのうち非定常フレームの数との比率を算出する非定常率算出部と、
   を備える音声信号評価装置。
6. 記憶部に記憶された音声信号から所定長のフレームを複数取得し、
   前記フレームに音声が存在することを示す音声条件に基づいて、複数の前記フレームから、前記音声条件を満たすフレームである音声フレームと前記音声条件を満たさないフレームである非音声フレームとを夫々複数検出し、
   複数の前記非音声フレームの夫々のスペクトルを算出し、
   複数の前記非音声フレームの夫々である第１非音声フレームのスペクトルと第１非音声フレームより過去の非音声フレームである第２非音声フレームのスペクトルとに基づいて、第１非音声フレームのスペクトルの変化を示すスペクトル変化量を算出し、
   前記変化量により非音声フレームが非定常であることを示す非定常条件に基づいて、複数の前記非音声フレームから、前記変化量が前記非定常条件を満たす非音声フレームである非定常フレームを検出し、
   連続した非音声フレームの期間が所定の期間閾値以上である場合に前記連続した非音声フレームを長期非音声フレームとすると共に前記連続した非音声フレームの期間が前記期間閾値より小さい場合に前記連続した非音声フレームを短期非音声フレームとし、前記長期非音声フレームの数と前記長期非音声フレームのうち非定常フレームの数との比率を算出すると共に前記短期非音声フレームの数と前記短期非音声フレームのうち非定常フレームの数との比率を算出する、
   ことを実行する音声信号評価方法。

Images