JPH07225593A

JPH07225593A - 音処理装置

Info

Publication number: JPH07225593A
Application number: JP6036347A
Authority: JP
Inventors: Kenji Chiba; 健司千葉; Isao Uesawa; 功上澤
Original assignee: Fuji Xerox Co Ltd
Current assignee: Fujifilm Business Innovation Corp
Priority date: 1994-02-10
Filing date: 1994-02-10
Publication date: 1995-08-22
Also published as: US5727121A

Abstract

(57)【要約】【目的】音信号をディジタル音データに変換して処理
する場合に、音信号から所望の意味のあるまとまりの区
間データを効率的にかつ正確に抽出することができる音
処理装置を提供する。【構成】音信号を入力する入力手段（１０２）と、入
力された音信号をディジタル音データとするディジタル
化手段（１０４）と、音信号が持つ特徴量を抽出する分
析手段（１０６）と、前記分析手段により抽出された特
徴量により、入力信号の有為区間および無為区間を判定
する判定手段（１０８）と、前記判定手段による判別結
果を有為区間または無為区間にの長さ応じて補正する補
正手段（１１０）とを備える。

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】本発明は、音処理装置に関し、特
に、音信号をディジタル音データに変換して処理する場
合に、音信号から所望のデータ部分を効率的にかつ正確
に抽出することができる音処理装置に関するものであ
る。

【０００２】

【従来の技術】電子的に音を扱い、その音信号のデータ
処理を行う技術は、近年、いろいろと発展しており、例
えば、次に示すような文献［１］，文献［２］，文献
［３］などにおいて紹介され、論じられている。文献
［１］：新居康彦，大崎正巳著「音声処理とＤＳＰ」，
啓学出版株式会社，１９８９年５月３１日第１刷発行、
文献［２］：古井貞煕著「ディジタルテクノロジーシリ
ーズディジタル音声処理」，東海大学出版会，１９
８５年９月２５日第１刷発行、文献［３］：特開昭６３
−３０６４５号公報、

【０００３】この文献［３］の特公昭６３−３０６４５
号公報に記載されている「情報処理システム」は、音声
成分とテキスト成分との両方を有するドキュメントを処
理する情報処理システムの提案であり、ここでは、表示
装置において、音声成分の表示が、テキスト成分に対す
る音声成分の相対的位関係を指示するので、それらの成
分の表示中にカーソルを置き、編集指令を与えることに
より、音声成分とテキスト成分の両方の編集が可能とな
る。

【０００４】次に、具体的に従来における音処理装置に
ついて説明する。まず、構成について説明する。図５は
従来における音処理装置の一例を示すブロック図であ
る。図５において、５０１は入力音信号を示している。
入力音信号５０１は、マイクロフォン５０２によって、
入力アナログ音信号５０３に変換される。更に、入力ア
ナログ音信号５０３は、アナログ・ディジタル変換器
（以下、ＡＤ変換器と略称する）５０４によって、入力
ディジタル音データ５０５に変換される。入力ディジタ
ル音データ５０５は、分析部５０６により分析されて、
所定の特徴量５０７が抽出される。抽出された音信号の
特徴量５０７は、判定部５０８に供給され、判定部５０
８は、抽出された音信号の特徴量５０７に基づいて、入
力音声の有為または無為を判定し、判定結果５０９を出
力する。音データ処理部５１２は、この判定結果５０９
に基づいて、入力ディジタル音データの有為区間を処理
し、処理済の出力ディジタル音データ５１３を出力す
る。

【０００５】このような音処理装置において、判定部５
０８が音信号の特徴量５０７から有為区間を判定する場
合、その有為区間の判定手法としては、例えば、音の波
形情報である振幅やパワーを特徴量として用いる手法
が、一般的には利用される。すなわち、この有為区間の
判定手法に関しては、上述の文献［１］において「音声
検出器の方式として、信号のパワー検出、信号のスペク
トル分析と判定がある。さらにこの２つの方式を複合的
に組合せたものや、入力信号に応じて、２つ方式を適応
的に動作させるものもある」と記載されているように、
音声検出により制御を行う場合の音声検出では、音の波
形情報である振幅やパワーが特徴量として用いられる。

【０００６】つまり、図５に示した音処理装置の例で説
明すると、分析部５０６で分析した特徴量５０７を振幅
値やパワーとする場合、その特徴量５０７から有為区間
の判定を行うため、判定部５０８で、その特徴量５０７
を所定の値と比較して、その有為または無為を判定す
る。すなわち、ここでの所定の値をＶthとすると、その
判定式は「ＩＦ（入力された特徴量の値）＞Ｖth ＴＨＥＮ（有為）ＥＬＳＥ（無為）」となる。ここでの判定部５０８により判定された判定結
果５０９が「有為」である場合のみ、音データ処理部５
１２において、入力ディジタル音データ５０５の中から
処理済み出力ディジタル音データが出力される。

【０００７】

【発明が解決しようとする課題】ところで、音のデータ
中の音声部分のうち、無声音の子音や促音の部分は、信
号波形上で観測した場合、振幅が著しく小さい。実際、
音信号の波形の振幅のダイナミックレンジが、３０ｄＢ
を越えることもありうることが知られている。

【０００８】従って、従来においては、例えば、音処理
装置が図５に示したように構成されていると、無声音の
子音部分や促音部分のように振幅の小さい信号区間は、
無音区間と判定され、無為の区間であると判定されてし
まうという問題があった。このため、音データ中の音声
部分において、文や文節など本来的には一つの論理的な
まとまりである考えられる音データの区間の中で、切れ
目が生ずる可能性があり、音データ中の音声部分のうち
から、意味のあるまとまりの区間を精度良く、抽出する
ことが困難であるという問題があった。

【０００９】本発明は、上記のような問題を解決するた
めになされたものであり、本発明の目的は、音信号をデ
ィジタル音データに変換して処理する場合に、音信号か
ら所望の意味のあるまとまりの区間データを効率的にか
つ正確に抽出することができる音処理装置を提供するこ
とにある。

【００１０】

【課題を解決するための手段】上述のような目的を達成
するため、本発明による音処理装置（請求項１）は、音
信号を入力する入力手段（１０２）と、入力された音信
号をディジタル音データとするディジタル化手段（１０
４）と、音信号が持つ特徴量を抽出する分析手段（１０
６）と、前記分析手段により抽出された特徴量により、
入力信号の有為区間および無為区間を判定する判定手段
（１０８）と、前記判定手段による判別結果を有為区間
または無為区間にの長さ応じて補正する補正手段（１１
０）とを備えたことを特徴とする。

【００１１】また、本発明による音処理装置（請求項
２）は、前記の構成において、前記判定手段（１０８）
が、有為区間および無為区間の判定と共にその区間の長
さを抽出し、抽出した区間情報を付加する処理手段（２
０７）を有することを特徴とする。また、更に本発明に
よる音処理装置（請求項３）は、前記の構成において、
前記補正手段（１１０）が、有為区間および無為区間の
長さを単一または複数の所定値と比較し、その比較結果
に応じて有為区間および無為区間の判別結果を補正する
処理手段（４０２）を有することを特徴とする。

【００１２】

【作用】このような特徴を有する本発明の音処理装置
（請求項１）においては、入力手段（１０２）が音信号
を入力すると、ディジタル化手段（１０４）が、入力さ
れた音信号をディジタル音データとする。分析手段（１
０６）は、ディジタル音データから、音信号が持つ特徴
量を抽出する。判定手段（１０８）が、前記分析手段に
より抽出された特徴量により、入力信号の有為区間およ
び無為区間を判定する。そして、補正手段（１１０）
が、前記判定手段による判別結果を有為区間または無為
区間の長さに応じて補正する。

【００１３】また、本発明の音処理装置（請求項２）に
おいては、判定手段（１０８）が入力信号の有為区間お
よび無為区間を判定する場合に、その中で、処理手段
（２０７）が、有為区間および無為区間の判定と共にそ
の区間の長さを抽出し、抽出した区間情報を付加する。
そして、本発明の音処理装置（請求項３）においては、
前記補正手段（１１０）が判別結果を有為区間または無
為区間の長さに応じて補正する場合に、上述のようにし
て付加された区間情報を用いて、その中で、処理手段
（４０２）が、有為区間および無為区間の長さを単一ま
たは複数の所定値と比較し、その比較結果に応じて有為
区間および無為区間の判別結果を補正する。

【００１４】これにより、音信号をディジタル音データ
に変換して処理する場合、音信号から所望の意味のある
まとまりを１つの区間として、その音データを正確に抽
出することができる。このため、音処理を行う場合に
も、意味のあるまとまりの区間データは、１つのデータ
として処理することができ、全体的にも音信号の処理を
効率よく行うことができる。具体的な数値例で説明する
と、例えば、日本語音声中の子音部の時間長は５〜１３
０ｍｓ程度であり、子音と母音からなる音節でも最大２
００ｍｓ程度である。文あるいは文節は複数の音節から
構成されるので、これに対応する音データ区間は、子音
に対応する音データ区間よりも長い。したがって、文，
文節を取り出したい場合には、１３０ｍｓ以下の区間で
区切られることは無いので、このような判定がなされた
区間データが存在する場合、初期には無為区間と判定さ
れていても、その区間データを有為区間の判定結果に補
正する。

【００１５】つまり、本発明による音処理装置において
は、判定部で判定された有為区間あるいは無為区間の継
続長を抽出し、その継続長を所定値と比較して判定結果
の補正を行う。このような継続長の比較による有為区間
あるいは無為区間の区間の補正により、文や文節などに
代表される音データ区間、つまり、本来は一つの論理的
なまとまりであるとされる音データの区間データを、必
要な情報を欠落させることなく、対応する一つの区間と
して、音データの中から抽出することができることにな
る。このため、音情報の編集や利用を効率よく行うこと
が可能となる。

【００１６】

【実施例】以下、本発明の実施例を図面を用いて具体的
に説明する。図１は、本発明の一実施例にかかる音処理
装置の全体構成を示すブロック図である。図１におい
て、１０２はマイクロフォン、１０４はＡＤ変換器、１
０６は分析部、１０８は判定部、１１０は補正部、１１
２は音データ処理部の各々の処理ブロックである。

【００１７】次に、これらの処理ブロックの動作を音信
号処理の流れに沿って説明する。音情報１０１は、マイ
クロフォン１０２によって、アナログ音信号１０３にな
り、更に、アナログ音信号１０３は、ＡＤ変換器１０４
によりアナログ・ディタル変換の処理が行われ、入力デ
ィジタル音データ１０５に変換される。入力ディジタル
音データ１０５は、音データ処理部１１２に供給され
て、音データ処理が行なわれる。その際、音データ処理
の前処理として、分析部１０６で分析され、音情報の特
徴量１０７が抽出される。そして、次に、判定部１０８
において、この特徴量１０７から有為区関または無為区
間の判定が行なわれる。この結果、判定部１０８から判
定結果１０９が出力される。判定結果１０９は、補正部
１１０に入力され、判定結果の補正がなされて、補正済
判定結果１１１が出力される。補正済判定結果１１１
は、音データ処理部１１２に入力され、補正済判定結果
１１１の内容に基づいて、音データ処理部１１２が音信
号の処理を効率よく行う。

【００１８】次に、判定部について詳細に説明する。図
２は、判定部の要部の構成を示すブロック図である。図
２において、２０１は閾値処理部、２０３は比較部、２
０５は記憶部、２０７は制御処理部、２０９はカウンタ
である。この判定部１０８において、閾値処理部２０１
は、前述の分析部１０６から入力された特徴量１０７を
所定の値と比較し、閾値処理結果２０２を出力する。閾
値処理部２０１から出力された閾値処理結果２０２は、
比較部２０３と記憶部２０５に入力される。記憶部２０
５は閾値処理結果２０２を一時的に記憶し、次回の閾値
処理結果２０２の入力時に、記憶していた前回の閾値処
理結果を過去の閾値処理結果２０４として、比較部２０
３に供給する。比較部２０３は、閾値処理部２０１から
入力された今回の閾値処理結果２０２と、記憶部２０５
に記憶されている過去の閾値処理結果２０４とを比較す
る。そして、比較結果２０６は、制御処理部２０７に出
力する。制御処理部２０７は、比較部２０３からの比較
結果２０６により、カウンタ２０９の制御を行い、比較
結果２０６が同じである区間長（継続長）を判定して、
判定結果１０９として出力する。

【００１９】更に続いて、判定部の動作を具体例で詳細
に説明する。分析部１０６で抽出された特徴量１０７に
対し、閾値処理部２０１では、閾値処理を行う。すなわ
ち、入力される特徴量をparaとし、閾値処理を行う場合
の所定の閾値をthとし、更に閾値処理の結果をoutとす
ると、「ＩＦ（ para ＞ th ）ＴＨＥＮ（ out = 1 ；有為を表わす）ＥＬＳＥ（ out = 0 ；無為を表わす）」となる。この閾値処理の結果のoutの値“１”または
“０”が、比較部２０３および記憶部２０５に入力され
ることになる。

【００２０】比較部２０３では、入力された今回の閾値
処理結果２０２と過去の閾値処理結果２０４とを比較
し、相違を判定して、比較結果２０６として出力する。
この比較結果２０６に基づき、制御処理部２０７では、
カウンタ２０９の制御と判定結果の処理を行う。つま
り、ここでは比較結果２０６が同じ場合には、その間、
カウンタ２０９をインクリメントし続ける。今回と過去
の比較結果２０６が異なる場合を検出すると、その時に
は、カウンタ２０９の値と、その時の過去の閾値処理結
果２０４を合わせて、判定結果１０９として出力する。

【００２１】ここでの判定で、有為を“１”として、無
為を“０”として表記すると、判定部１０８から出力さ
れる判定結果１０９は（“０”または“１”，区間の長
さ）というデータ形式のデータにより表現され、これが
１つの判定結果のデータとなり、順次に系列データとし
て出力される。例えば、のように、有為また無為の判定結果の“０”または
“１”と、その判定結果が続く継続長（区間）とのデー
タとなる。

【００２２】図３は、判定部における比較部および制御
処理部の一連の動作例を示すフローチャートである。次
に、図３を参照して、比較部２０３および制御処理部２
０７の一連の動作を説明する。処理を開始すると、ま
ず、ステップ３１において、カウンタリセットを行い、
次に、ステップ３２において、カウンタをインクリメン
トする。次に、ステップ３３において、今回に入力され
た特徴量の閾値処理結果は、前回の特徴量の閾値処理結
果と同じである否かを判定する。今回と前回の閾値処理
結果が同じである場合には、ステップ３２に戻り、カウ
ンタのインクリメントを継続して行う。また、今回の特
徴量の閾値処理結果が、前回の閾値処理結果と異なる場
合、ステップ３４に進み、カウンタの値と、比較部によ
る閾値処理結果を出力する。これにより、前述たような
データ形式の「閾値処理結果とその継続長」の組の区間
データが出力される。そして、次にステップ３５におい
て、特徴量の入力が続いているか否かを判定し、次の入
力がある場合には、ステップ３１に戻り、ステップ３１
からの処理を繰り返す。また、入力がない場合には、処
理を終了する。

【００２３】次に、補正部の構成について説明する。図
４は、本発明の要部の補正部の構成の一例を示すブロッ
ク図である。図４において、４０１は補正記憶部、４０
２は補正処理部、４０３は補正制御部である。補正記憶
部４０１は、先に説明した判定部１０８からの判定結果
１０９を一時的に記憶する。補正処理部４０２は、この
判定結果１０９のデータ（「閾値処理結果とその継続
長」の組の区間データ）に対して補正処理を行う。ま
た、補正制御部４０３は、補正制御信号に従って補正処
理の制御を行う。

【００２４】続いて、このような構成の補正部１１０の
動作を説明する。補正処理部４０２では、判定部１０８
から入力された判定結果１０９のデータ（区間データ）
に対して、その継続長を所定の値と比較する。その比較
の結果、所定の値よりも継続長が大きければ、そのまま
出力するが、そうでない場合、つまり継続長が所定の値
よりも小さい場合は、判定結果の有為または無為の判定
結果を反転して、その継続長を直前のデータの継続長お
よび直後のデータの継続長と合せ、１つの判定結果のデ
ータ（区間データ）に補正して出力する。これが補正済
判定結果１１１となる。すなわち、短かい継続長の区間
データは、その前後の区間データ（有為または無為の判
定結果が共に同じ）の判定結果に合せて、更に前後の区
間データに含ませて、前後の区間データと共に１つの区
間データとする補正を行い、補正済判定結果１１１とし
て出力する。

【００２５】例えば、判定結果のある時点のデータと、
その直前のデータと、その直後のデータとが、それぞれ
に次のようであったとすると、（“０”，Ｌf ）（“１”，Ｌc ）（“０”，Ｌl ）このとき、所定の値をＶとすると「Ｌc ＜Ｖ」の場合
に補正がなされ、補正済判定結果のデータは、その前後
のデータの有為または無為の判定の結果に合せるための
反転を行い、更に、３つのデータの継続長を加算して、
補正済判定結果のデータは、（“０”，Ｌf ＋Ｌc ＋Ｌl ）となる。以下、このような補正の処理を入力がなくなる
まで処理を続ける。

【００２６】つまり、有為“１”または無為“０”と判
定された各々の区間のデータに対して、その区間（継続
長）の長さが、特に短いような部分の区間のデータに対
しては、その有為または無為の判定の結果を誤判定と見
なし、その前後の判定結果の区間に含めてしまう補正処
理を行う。これにより、ノイズ等の影響を除外して、論
理的にまとまりのある音信号の有為“１”または無為
“０”と判定される区間が得られることになる。

【００２７】図６は音声波形のパワー値による判定結果
の一例を示す信号波形図である。図６においては、時間
軸に対して、音号波形と、その音号波形の短時間パワー
値の閾値処理による判定結果と、特徴量として抽出した
音号波形の短時間パワー値の波形とを示している。図６
に示した例は、音信号処理の有為区間または無為区間を
判定するための特徴量として、音号波形の短時間パワー
値を用いる場合の一例である。この場合、音号波形から
順次に短時間パワー値が求められ、この短時間パワー値
が、判定部において閾値処理され、その判定結果が出力
される。

【００２８】このように判定結果が出力された場合、そ
の判定結果は、図６に示すように、本来的には有為区間
（有音区間）と判定されるベき区間でありながら、非常
に短時間の区間で無為区間（無音区間）と判定され、補
正が行われるベき区間（補正１，補正２，補正３）が生
じている。したがって、前述のように、この補正が行わ
れるベき区間（補正１，補正２，補正３）は、その継続
長が、通常の場合に無為区間と判定される無音区間に比
ベて、著しく短い区間となっているので、ここでは、補
正部によって、これを判断して有音区間とする補正を行
う。

【００２９】また、逆に、本来的には無為区間（無音区
間）と判定されるベき区間でありながら、非常に短時間
の区間で有為区間（有音区間）と判定され、逆の補正が
行われるベき区間（補正４）も生じている。この場合に
も、同様に、その継続長が他に比ベて著しく短い区間と
なっており、補正部によりこれを判定して、この区間
（補正４）に対しては、無音区間とする補正を行う。

【００３０】ここでの図６に示した音信号波形の処理の
例では、特徴量として音号波形の短時間パワー値を用い
る場合を示したが、このような特徴量として、音声波形
の零交差数，自己相間係数などの波形パラメータ，ＬＰ
Ｃ係数，ケプストラム係数，ＬＰＣケプストラム係数な
どの周波数パラメータなどが、同様に用いられる。ある
いは、分析部の前段階において、フィルターバンクによ
って、帯域分割処理を行ってから、特徴量の抽出による
有為区間および無為区間の判定を行うようにしても良
い。

【００３１】また、ここでの補正部における閾値（区間
の継続長を判定する閾値）は、判定部における閾値（特
徴量による有為または無為を判定する閾値）に対応させ
て、変化させるように構成しても良い。例えば、判定部
での閾値を高くすると、補正部における閾値も高くする
ように構成する。あるいは、単一または複数の最適な閾
値の組合せを記憶しておき、適宜に読み出して使用する
ようにしても良い。これにより、それぞれの特徴量によ
応じて適切に補正処理を行うことができる。

【００３２】

【発明の効果】以上に述べたように、本発明の音処理装
置によれば、音データの中から所定のデータ区切りを精
度よく効率的に抽出することができ、音情報の再利用が
容易になる。また、音声認識の前処理として用いれば、
処理の負荷低減や精度の向上が可能となる。

【図面の簡単な説明】

【図１】図１は本発明の一実施例にかかる音処理装置
の全体構成を示すブロック図、

【図２】図２は判定部の要部の構成を示すブロック
図、

【図３】図３は判定部における比較部および制御処理
部の一連の動作例を示すフローチャート、

【図４】図４は本発明の要部の補正部の一構成例を示
すブロック図、

【図５】図５は従来の音処理装置の構成を示すブロッ
ク図である。

【図６】図６は音声波形のパワー値による判定結果の
一例を示す信号波形図である。

【符号の説明】

１０１…入力音信号、１０２…マイク、１０３…入力ア
ナログ音信号、１０４…アナログ・ディジタル変換器
（ＡＤ変換器）、１０５…入力ディジタル音データ、１
０６…分析部、１０７…特徴量、１０８…判定部、１０
９…判定結果、１１０…補正部、１１１…補正済判定結
果、１１２…音処理部、１１３…処理済の出力ディジタ
ル音データ、２０１…閾値処理部、２０３…比較部、２
０５…記憶部、２０７…制御処理部、２０９…カウン
タ、４０１…補正記憶部、４０２…補正処理部、４０３
…補正制御部。

Claims

【特許請求の範囲】

【請求項１】音信号を入力する入力手段と、入力された音信号をディジタル音データとするディジタ
ル化手段と、音信号が持つ特徴量を抽出する分析手段と、前記分析手段により抽出された特徴量により、入力信号
の有為区間および無為区間を判定する判定手段と、前記判定手段による判別結果を有為区間または無為区間
の長さに応じて補正する補正手段とを備えたことを特徴
とする音処理装置。
【請求項２】請求項１に記載の音処理装置において、
前記判定手段は、有為区間および無為区間の判定と共にその区間の長さを
抽出し、抽出した区間情報を付加する処理手段を有する
ことを特徴とする音処理装置。
【請求項３】請求項１または請求項２に記載の音処理
装置において、前記補正手段は、有為区間および無為区間の長さを単一
または複数の所定値と比較し、その比較結果に応じて有
為区間および無為区間の判別結果を補正する処理手段を
有することを特徴とする音処理装置。