JPH0352058A - 音声入力の文書処理装置 - Google Patents

Abstract

(57)【要約】本公報は電子出願前の出願データであるた
め要約のデータは記録されません。

Description

【発明の詳細な説明】 ［概要］ 音声入力により文書等を作成する音声入力の文書処理装
置に係り、特に文字表示される際の文字の濃さ、大きざ
、字体等を音声の大きさ、音声の高さ、音声の長さによ
り指示する音声入力の文書処理装置に関し、 表示される文字の属性を音声の特徴により判定して決定
し、操作性の優れた文書処理装置を提供することを目的
とし、 入力音声を電気信号に変換する信号変換手段と、変換さ
れた電気信号を分析する音声分析手段と、分析結果にし
たがって音声区間を切り出す音声区間切り出し手段と、
切り出された音声区間の音声を認識する！！識手段と、
！！ｔＡ結果を文字コードに変換する文字コード発生手
段と、変換された文字コードより文書を編集する編集手
段と、変換された電気信号から入力音声の特徴を抽出す
る音声特徴抽出手段と、抽出された音声の特徴を判定し
て文字コードで示される文字の属性を決定する判定手段
と、を備えて構成されている． ［産業上の利用分野］ 本発明は音声入力により文書等を作成する音声入力の文
書処理装置に間するものである．［従来の技術］ 従来の音声入力の文書処理装置は、第６図に示す様に発
声された音声は電気信号変換部３０（例えばマイク）に
より音声電気信号に変換される．電気信号は音声分析部
３２においーで十数〜数十ｍｓ毎にその音声のスペクト
ルと音声のパワー（音量）が分析され、ベクトル量のス
ペクトルとスカラ量パワーの時系列が出力される． 音声区間切り出し部３４では、特に分析されたパワー時
系列を用いて、音声区間の切り出しが行われる．すなわ
ち、音声パワー時系列上で、音声の始端と終端が求めら
れる．この始端と終端はスペクトル時系列上の音声の始
端と終端と一致することになる． 認識部３６では音声区間切り出し部３４で求まった始端
と終端の間のスペクトルを用いて認識を行う．認識方式
については各種方式が間発されており、たとえば、動的
計画法（ＤＰ法）を用いた方式、ヒドゥンマルコフモデ
ル（ＨＭＭ）を用いた方式、判別分析を用いた方式、ニ
ューラルネットワークを用いた方式がある．又認識単位
としては、単音節、文字、単語、文節及び文章がある．
何れの認識単位であっても、言！！（日本語や英語など
）には同音異義語があるために仮名漢字変換の候補選択
を行う必要がある． よって認識部３６としては音素の記号列（子音と母音の
列であって、日本語の場合はほぼローマ字表記）を出力
するにとどまるものが多い．仮名漢字変換の候補選択は
文字コード発生部３８および第一の指示部４０によって
行われる．すなわち、まず認識部３６より送られてきた
音素記号列を漢字列に変換し、その第一候補を編集部４
２を通して表示部４４に表示する． 次に使用者は、表示された漢字候補が望ましくない場合
は第一の指示部４０（具体的には次候補キー）を押す．
文字コード発生部３８では、第一の指示部４０が押され
た場合には、漢字候補の次の候補を表示する． ここで使用者は正しい漢字が表示された場合には、次の
発声を行う．その時点で前の漢字候補は確定する． 編集ｇ４２では入力されたく表示された）文章の編集を
、第二の指示部４６（スイッチ等で構成される）からの
指示により行う． 編集の具体的内容は、文字の太き・さの変更、字体（明
朝などやゴシック体など）の変更、文字の濃さの変更、
誤り入力の削除などがある．表示部４４は文字列（文章
など）を例えばＣＲＴディスプレイに表示し、縞集する
． そして印刷部４８は＆Ｗ集された文字列（文章など）を
用紙に印刷する． ［発明が解決しようとする譚題］ しかし、このような従来の装置であると、例えば文字の
大きざを変更するためには第二の指示部４６からの指示
が必要となり、このため音声入力を中断してスイッチ操
作を行う必要があり、極めて使い勝手が悪いものであっ
た． 本発明は上記従来の課題に対処するために創案されたも
のであり、表示される文字の属性を音声の特徴により判
定して決定できる操作性の優れた音声入力の文書処理装
置を提供することを目的とする． ［課題を解決するための手段］ 上記目的を達成するために、本発明にかかる装置は第１
ｔ！！Ｉのように構成ざれている．同図において、音声
は信号変換手段１０によって電気信号に変換される． 変換された電気信号は音声分析手段ｌ２によって分析さ
れる． 分析結果にしたがって音声区間切り出し手段１４により
音声区間が切り出される． 切り出された音声区間の音声は認識手段１６によりＬ！
識され、その認識結果は文字コード発生手段１８により
文字コードに変換される．さらに、変換された文字コー
ドから編集手段２０により文書が編集される． ここで、音声特徴抽出手段２２により電算信号から入力
音声の特徴が抽出され、判定手段２４により抽出された
音声の特徴が判定ざれ、文字コードで示される文字の属
性が決定される．［作用］ 本発明では、音声特徴抽出手段２・２は音声区間内の音
声パワー、音声ピッチ、また音声区間長などの音声の特
徴を抽出する． 判定手段２４は音声特徴抽出手段２２で得られた音声の
各特徴を判定し、表示文字の大きさ、濶さ、字体などを
決定して編集手段２０に伝える．すなわち、判定手段２
４は音声の情報から、従来装置における第二の指示部４
６の代わりを行なう． よって使用者は従来のようにスイッチ等により指示を与
える必要はなく、たとえば、大きな声で喋れば潔い文字
で表示され、ゆっくり喋れば倍角文字で表示される等の
操作が可能となる．［実施例］ 以下、図面に基づいて本発明にかかる装置の好適な実施
例を説明する． 第２Ｅ！Ｉには第一実施例の全体構成が示されており、
同図において従来例と同一符号のブロックは同一の機能
を有する． ここで、ピッチ計算部５０は音声区間切り出し部３４で
得られた音声区間（始端から終端）内の音声の平均ビッ
チＦを計算する． パワー計算部５２は音声区間切り出し部３４で得られた
音声区間（始端から終端〉内の音声の平均パワーＰを計
算する． さらに区間長計算部５４は音声区間切り出し部３４で得
られた始端と終端から音声区間の長さ（時間長）Ｌを計
算する． そして音素数計算部５６は認識部３６で得られた認識候
補のうち、一位の候補（最も允もらしい候補）の音素数
Ｃをカウントする． 判定部５８ではピッチ計算部５０、パワー計算部５２、
区間長計算部５４、音素数計算部５６で得られたｆｌｉ
Ｆ．Ｐ．Ｌ．およびＣに基づいて総合的な判断をくだし
、その結果をＩ！集部４２に通知する．編集部４２では
これら結果に基づいて決定された文字の属性で表示部４
４に表示し、また印刷８４Ｂでは印字する． ここで、判定の基準としては、たとえば第４図に示す基
準が用いられる． すなわち、第４図から理解されるようにピッチ計算部５
０、パワー計算部５２で得られた値Ｆ．Ｐが、判定［５
８であらかじめ決められたｉｌｌｌ［Ｆｔｈ，ｐｔｈよ
り大なるときは濃い文字で、またイタリック文字で表示
するよう判定される．次に区間長計算部５４、音素数計
算［５Ｂで得られた値Ｌ．　ＣにおいてそのＬ／Ｃなる
罐が判定部５８であらかじめ決められた閾［Ｔ｝｛より
大なるときは倍角文字で表示するよう判定される．次に
、第３図に本発明の第二実施例を示す．第一実施旌で使
用される判定基準（第４１！Ｉ参ｗｉ）の閾値Ｐｔｈ．
Ｆｔｈ．ＴＨは不特定多数を前提にして決定されたもの
であり、現実に音声入力する操作者の微妙な音声の違い
まで考慮されたものではない． そこで本実施例では、現実に音声入力する操作者の音声
特徴を記憶し、当該音声を判定基準の閾値として使用す
るものである． そして、本実施例では例えば第５図に示す判定基準が使
用され、パワー計算部５２で得られた値Ｐが前回特徴記
憶部６０で記憶された一発声前の罐ｐｂより５０％以上
大なるときには濃い文字で表示するように判定される． また、ピッチ計算部５０で得られた値Ｆが前回特徴記憶
部６０で記憶された一発声前の［Ｆｂより５０％以上大
なるときはイタリック文字で表示するように判定される
． さらに、区間長計算部５４、音素計算部５６で得られた
ＭＬ．ＣにおいてＬ／Ｃの値が前回特徴記憶部６０で記
憶ざれた一発声前のｆｌｌＬ　ｂ　／Ｃ　ｂより５０％
以上大なるときは倍角文字で表示するよう判定される． このように本実施例によれば、現実に音声入力を行う操
作者の微妙な音声の違いまで把握することができ、本装
置の操作性をより向上させることができる． ［発明の効果コ 以上説明したように、本発明によれば、表示される文字
の大きさ、濃さおよび字体・等の変換を、音声入力する
際の音声の大きさやピッチあるいは発声の速さを変える
だけで行うことができ、操作性の優れた音声入力の文書
処理装置を提供できることになる，

【図面の簡単な説明】

第ｌ図は本発明の原理説明図、第２１！Ｉは本発明の第
１実施例構成図、第３図は本発明の第２実施例構成図、
第４図は３１１１実ｊｖ例で用いられる判定基準の具体
例、第５図は第２実施例で用いられる判定基準の具体例
、第６ｖ；！ｉは従来例の構成説明図である． １０・・・信号変換手段、 １２・・・音声分析手段、 １４・・・音声区間切り出し手段、 Ｉ６・・・認識手段、 １８・・・文字コード発生手段、 ２０・・・編集手段、 ２２・・・音声特徴抽出手段、 ２４・・・判定手段、 本発明の原理説明図 第　１ｒＥＪ 第 ２ 図 ｐ　＞　ｐ　ｔｈ Ｆ＞Ｆｔｈ Ｌ／Ｃ＞ＴＨ ならば ならば ならば 濃い文字 イタリック体文字 倍角文字 ここで、 ｐｔｈ， Ｆｔｈ， ＴＨは予め決められたａ値 Ｐ＞１．５ＸＰｂ　　　　ならば　　　濃い文字（ボー
ルド文字）Ｆ＞１．５ＸＦｂ　　　　ならば　　　イタ
リック体文字Ｌ／Ｃ＞　１．５ＸＬｂ／Ｃｂならば　　
　倍角文字ここで、Ｐｂ，Ｆｂ，Ｌｂ，Ｃｂは一発声前
の各々の値である．第 ６ 図

Claims (1)

1. 【特許請求の範囲】 入力音声を電気信号に変換する信号変換手段（１０）と
   、 変換された電気信号を分析する音声分析手段（１２）と
   、 分析結果にしたがって音声区間を切り出す音声区間切り
   出し手段（１４）と、 切り出された音声区間の音声を認識する認識手段（１６
   ）と、 認識結果を文字コードに変換する文字コード発生手段（
   １８）と、 変換された文字コードより文書を編集する編集手段（２
   ０）と、 変換された電気信号から入力音声の特徴を抽出する音声
   特徴抽出手段（２２）と、 抽出された音声の特徴を判定して文字コードで示される
   文字の属性を決定する判定手段（２４）と、 を備えたことを特徴とする音声入力の文書処理装置。