JPH08179792A

JPH08179792A - 音声処理装置

Info

Publication number: JPH08179792A
Application number: JP6335410A
Authority: JP
Inventors: Masami Miura; 雅美三浦
Original assignee: Sony Corp
Current assignee: Sony Corp
Priority date: 1994-12-22
Filing date: 1994-12-22
Publication date: 1996-07-12
Anticipated expiration: 2021-06-28
Also published as: JP3789503B2

Abstract

(57)【要約】【目的】即時性を確保するとともに、より聞きやすい
音声出力を行なうことができる音声処理装置を実現す
る。【構成】音声信号に対して振幅抑圧回路を設ける。振
幅抑圧動作は、音声信号についてまとまった音声部分
（連続音声）の区切りとなる部分を予測し、それに応じ
て振幅を抑圧していくようにする。また連続音声の開始
部分を判別したら振幅抑圧を解除していくようにする。
これにより、即時性を損なうことなく、まとまった音声
部分の区切りの部分で振幅を抑え、各まとまった音声部
分の認識のための明瞭度を向上させる。

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】本発明は、例えば補聴器、電話、
拡声器、音声通信などの各種分野に利用できる音声処理
装置に関するものである。

【０００２】

【従来の技術】音響再生装置や通信装置その他の各種の
音声信号伝送系を有する機器において、音声信号につい
ての残響成分やエコー成分が多いと、出力される音声が
聞き取りにくくなることがある。このような場合、出力
音声について速度を遅くしたり、音声波形が比較的連続
した状態となる発声語音成分を細かく分解して、できる
だけ音声単位で区切りをつけて出力するような処理を行
なうことがある。

【０００３】例えば難聴者や老人のための補聴器につい
ては、難聴者や老人は発声語音として各連続発声音がつ
ながってしまうと健聴者に比べて語音認識がかなり困難
になるということもあり、補聴器において連続発声語音
を細かく分解して出力するという処理は聞き取り易さを
向上させる有効な手段となる。また健聴者が使用する機
器であっても、ノイズの多い環境下で用いる通信機など
の場合、このような処理は有効である。

【０００４】

【発明が解決しようとする課題】ところが、このような
発話速度を遅くしたり連続音声語音を分解する音声処理
については、次のような各種問題があった。まず、発話
速度を遅くする場合は、当然ながら原音声と処理後の出
力音声について時間のずれが生じ、即時性が無くなる。
また聞き終えるまでの時間が長くなってしまう。

【０００５】また連続音声語音を分解する場合について
は、連続音声の区切りを検出し、その出力タイミングで
出力レベルのアッテネートを行なうという方法を実行す
ることになる。従って、まず区切りタイミングを検出し
てから、遅延させておいた出力信号について区切りとな
る部分でレベルを減衰させるということになるため、こ
の場合も遅延分だけ原音声と処理後の出力音声について
時間のずれが生じ、即時性が無くなる。このように即時
性が無くなることは、会話等に使用する場合、特に補聴
器等では大きな問題となってしまう。また、入力音声と
出力音声に数ミリ秒以上の遅れがあり、さらに出力され
た音声がマイクロホン（入力系）にフィードバックされ
るような音響結合を持つ場合には、残響やエコーのよう
な状態で知覚されてしまい、逆に聞き取りにくくなって
しまう場合もある。

【０００６】また、語音の知覚判断には、音声成分の変
化速度も重要な手掛かりとなっている。このため、音声
の速度を遅くする処理を行なうと、変化速度情報が損な
われ、別の語音に知覚されてしまうことが発生する場合
もある。

【０００７】また、語音をばらばらにしてゆっくり出力
するような処理を行なうと、語音のまとまりとしての情
報や、過渡的変化部分の情報が失われてしまうため、出
力される音声の明瞭度が悪くなる場合も発生する。

【０００８】

【課題を解決するための手段】本発明はこのような問題
点に鑑みて、入力−出力系での時間ずれをなくし即時性
を確保するとともに、より聞きやすい音声出力を行なう
ことができる音声処理装置を提供することを目的とす
る。

【０００９】このため音声処理装置として、入力された
音声信号に対して振幅抑圧を行なうことができる振幅抑
圧手段を設ける。そして振幅抑圧手段に対する制御系と
して、入力音声信号についてまとまった音声部分である
連続音声の区切りとなる終端を予測する終端予測判定手
段と、入力音声信号について連続音声の開始部分を判別
する開始判別手段と、振幅制御手段を設ける。この振幅
制御手段は終端予測判定手段による終端予測に応じて振
幅抑圧手段に対して振幅を抑圧するための制御信号を供
給し、また開始判別手段による開始判別に応じて振幅抑
圧手段に対して振幅抑圧を解除するための制御信号を供
給することができるようにする。これにより、即時性を
損なうことなく、まとまった音声部分の区切りの部分で
振幅を抑え、各まとまった音声部分の認識のための明瞭
度を向上させる。

【００１０】ここで終端予測判定手段は、入力音声の信
号レベルが設定されているしきい値より小さくなり、か
つ信号レベルが減少傾向にあることが検出されたら、連
続音声が終端に至る過程に入ったとして終端を予測する
ようにする。

【００１１】また終端予測判定手段は、音声信号存在期
間中の音声レベルピーク値を判別するとともに、終端予
測のためのしきい値としては、検出された音声レベルピ
ーク値に応じて設定するように構成する。

【００１２】また終端予測判定手段における音声レベル
ピーク値の判別動作としては、まず判別される音声レベ
ルピーク値の上限及び下限が設定されているものとす
る。そして、この上限から下限の範囲内において、入力
音声の信号レベルがしきい値より小さい場合は、信号レ
ベルが増加傾向に入ってから減少傾向に入るまでの期間
の信号レベルの最大値を音声レベルピーク値と判別す
る。また入力音声の信号レベルがしきい値より大きい場
合は、信号レベルの最大値を音声レベルピーク値と判別
するようにする。

【００１３】上記構成の音声処理装置における開始判別
手段としては、入力音声の信号レベルが増加傾向にある
ことが検出されたら、連続音声が開始されたと判別する
ように構成する。

【００１４】また音声処理装置としては上記構成に加
え、入力音声信号から音声ピッチ成分とフォルマント成
分を抽出するフィルタ手段を備え、このフィルタ手段の
出力を終端予測判定手段及び開始判別手段に供給して終
端予測及び開始判別を実行させるようにする。

【００１５】また音声処理装置としては、入力音声信号
から音声ピッチ成分とフォルマント成分を抽出する第１
のフィルタ手段と、入力音声信号から子音成分を抽出す
る第２のフィルタ手段とを備え、この第１のフィルタ手
段の出力と、第２のフィルタ手段の出力の一方又は両方
が処理対象信号として振幅抑圧手段に供給されるように
構成する。

【００１６】もしくは音声処理装置としては、入力音声
信号から音声ピッチ成分とフォルマント成分を抽出する
第１のフィルタ手段と、入力音声信号から子音成分を抽
出する第２のフィルタ手段とを備え、第１のフィルタ手
段の出力のみが処理対象信号として振幅抑圧手段に供給
されるように構成する。

【００１７】また上記各構成の音声処理装置において、
出力音声信号について周波数特性を補正する特性補正フ
ィルタ手段を設るようにする。

【００１８】

【作用】このような構成の音声処理装置では、会話音声
波形に対して各まとまった語音の間に振幅の小さい区間
又は無音区間を作ることになる。これは継時マスキング
を生じにくくさせたり、音声言語理解に大切な聴者の短
時間音声記憶を助けたりして、音声明瞭度を向上させる
ことにつながる。これらの作用による、音声言語認識上
の有用性ついてここで簡単に説明しておく。

【００１９】通常の会話音声は、ある程度のまとまりを
もって発音されており、人間の音声言語知覚も各音の知
覚と、まとまった語音の特徴知覚の両方から行なわれて
いるといわれている。ここで、健聴者に関しては、雑音
が少なく受聴環境が良いという条件さえ整っていれば、
音声伝送機器において特別な音声処理を行なわなくても
十分に出力音声を聞き取ることができる。ところが雑音
環境下であったり、もしくは難聴者の場合は、音声言語
の知覚が難しくなり、この原因としては継時マスキング
の影響や、短時間音声記憶がスムースに実行できないと
いうことが考えられている。

【００２０】継時マスキングとしては、特に前の母音音
声が次の音の子音部分をマスクしてしまうということが
あり、これによって子音の聴覚的感度が悪くなり、聞き
取りにくいものとなる。また人間が音声を知覚判断する
ときには、まとまった音声を短時間、一時的に記憶して
おき、その間に分析識別を行なうといわれている。この
ときに雑音があった場合や、または難聴者の場合では、
まとまった音声の区切りがはっきりしなくなる。このた
め短時間音声記憶と分析識別がスムースに実行できず、
明瞭度が悪くなると考えられている。これに似た例とし
ては、健聴者でも外国語の聞き取りが難しい原因の一つ
として、短時間音声記憶と分析識別がスムースに実行で
きないためであるといわれている。

【００２１】一方、まとまって発声された音の最後部の
１０数ミリ秒は音声情報としては冗長であることが多
い。つまり、この最後部の１０数ミリ秒については音声
情報が失われても明瞭度の悪化には殆どつながらない。
そこで、上記構成の本発明では、音声のまとまりの終端
をみつけて、その直前の数ミリ〜数１０ミリ秒の間の振
幅を抑圧するようにすることで、音声のまとまり（連続
音声）毎の区切りをはっきりさせるようにしている。即
ちこれによって、継時マスキングを減少させて子音に対
する聴覚的感度を向上させるとともに、短時間音声記憶
を助けることになる。

【００２２】そしてさらに、音声のまとまりの終端をみ
つける処理として、終端を予測するという処理を実行す
るようにすることにより、入力から出力までの系におい
て遅延処理を不要とし、即時性を保持する。また即時性
を保持することにより、出力系から入力系までの音響結
合状態に関わらず、残響やエコーとして聞こえてしまう
ことも解消する。また、音声出力をゆっくり行なう処理
ではないため、音声成分の変化速度の情報も損なわれ
ず、さらに音声情報の過渡的変化部分の情報も失われな
い。

【００２３】

【実施例】以下、図１〜図５を用いて本発明の実施例を
説明する。図１は実施例の音声処理装置のブロック図で
ある。１は音声信号の入力端子を示す。入力端子１から
入力された音声信号は子音成分分離フィルタ２及びフォ
ルマント成分分離フィルタ３に供給される。子音成分分
離フィルタ２では音声信号から子音成分を抽出して出力
する。またフォルマント成分分離フィルタ３は例えば１
５０〜１０００Ｈｚの通過帯域が設定されることで、音
声信号からピッチ成分とフォルマント成分を抽出して出
力する。

【００２４】４は振幅抑圧回路であり、例えばアッテネ
ータ回路として形成される。振幅抑圧回路４にはフォル
マント成分分離フィルタ３の出力が供給されており、こ
の出力を制御係数ｗに基づいて減衰させて出力すること
ができる。５は音声レベル算出部であり、フォルマント
成分分離フィルタ３の出力が供給されて音声レベル検出
を行なう。音声レベル算出部５は例えばフォルマント成
分分離フィルタ３の出力に対して全波整流したのち、例
えば６０Ｈｚ以下を通過帯域とする低域通過フィルタで
処理を行なえばよい。音声レベル算出部に供給される音
声信号がピッチ成分とフォルマント成分のみであること
により、音声レベル算出部５のレベル検出出力ｅはノイ
ズの影響を受けにくいものとすることができる。

【００２５】音声レベル算出部５によるレベル検出出力
ｅは振幅制御信号発生部６に供給される。振幅制御信号
発生部６は例えばマイクロコンピュータで構成され、レ
ベル検出出力ｅをデジタルデータに変換して取り込む。
そしてレベル検出データに応じて所要の演算処理を行な
い、振幅抑圧回路４に対する制御係数ｗを発生させる。

【００２６】子音分離フィルタ２の出力と振幅抑圧回路
４の出力は、周波数特性補正フィルタ７に供給され、混
合処理されるとともに所要の周波数特性補正処理（イコ
ライジング処理）が施されて、出力端子８から出力され
る。周波数特性補正フィルタ７は、この音声処理装置を
搭載する機器、考えられる使用状況、使用者の状況（例
えば補聴器に搭載する場合の使用者の聴覚周波数特性
等）などに応じてフィルタ係数や処理帯域が設定され
る。また、このフィルタ特性は使用に際して設定を可変
調整できるようにしておいてもよい。

【００２７】この実施例の音声処理装置は、特に振幅制
御信号発生部６が、音声レベル算出部５からのレベル演
出出力ｅを用いて、連続音声（まとまって発声された
音）の終端が近づいていることを予測し、また連続音声
が開始されたことを検出する。そして、これらの判断に
応じて振幅抑圧回路４の制御を行なう。つまり、連続音
声の終端間際のタイミングで振幅抑圧が行なわれるよう
にして、各連続音声の間の区切りが明確となるようにす
るものである。

【００２８】この動作を図３で説明する。図３（ａ）は
入力端子１から入力された音声信号とし、この音声信号
がフォルマント成分分離フィルタ３を介して音声レベル
検出部３に供給され、図３（ｂ）のようなレベル検出信
号ｅが得られたとする。

【００２９】このレベル検出信号ｅに対して、振幅制御
信号発生部６は所定のサンプリング周期でＡ／Ｄ変換し
て取り込んでいくことになる。そして振幅制御信号発生
部６の演算処理としては、概略的に述べれば、取り込ん
だレベル検出信号ｅについてまずピーク値ＰＫを判別
し、そのピーク値ＰＫからしきい値ｔｈを設定する。例
えばピーク値ＰＫに対して係数を乗算し、ピーク値ＰＫ
のｎ％となるしきい値ｔｈを設定する。そして、取り込
んだレベル検出信号ｅ_(i) （ｉは或るサンプルタイミン
グを示す）について逐次しきい値ｔｈと比較し、また前
回のレベル検出信号ｅ_(i-1) と比較して、音声レベルが
増加傾向にあるか減少傾向にあるかを判別する。

【００３０】このような判別動作を行なっていて、或る
時点でレベル検出信号ｅ_(i) が、しきい値ｔｈより小さ
くなり、かつ減少傾向にあると判別されたら、連続音声
の終端が近づいていると予測判断を行なう。例えば図３
（ｂ）に示すようにｔ₀ 時点で連続音声の終端が近づい
ているという予測判断が行なわれることになる。このよ
うな終端予測が行なわれたら、振幅抑圧回路４に対する
制御係数を変化させ、図３（ｃ）から分かるように利得
レベルを下げていく。つまりアッテネーション量を徐々
に大きくしていく。

【００３１】また、図３の場合ｔ₁ 時点で音声レベルが
増加傾向に転じることになる。このような場合、連続音
声の発声が開始されたと判断し、振幅抑圧回路４に対す
る制御係数を変化させ、図３（ｃ）から分かるように利
得レベルを上げていく。つまりアッテネーション量を徐
々に小さくしていく。このような処理を行なうことで、
出力端子８から出力される音声信号は、例えば図３
（ｄ）のようになり、つまり音声波形に対して、各まと
まった語音の間に振幅の小さい区間又は無音区間を作る
ことになる。

【００３２】なお図３はあくまで説明のための概略的な
波形であり、実際には振幅制御信号発生部６では、音声
レベル検出値として取り込んだｅ_(i) に対して図２で示
す演算処理が行なわれて振幅抑圧回路４に対する制御係
数ｗが設定されるものとなる。図２に示す振幅制御信号
発生部６の処理は、音声レベル検出出力ｅがデジタルデ
ータｅ_(i) としてに取り込まれる毎に、ステップF101に
進む。

【００３３】まずステップF101では音声レベルｅ_(i) と
しきい値ｔｈを比較する。しきい値ｔｈは、それ以前に
おいて、ステップF110又はF117で設定された値である。
そしてステップF101でｅ_(i) ＞ｔｈと判断されればステ
ップF111に進み、ダウンフラグＤＷを１とする。ダウン
フラグＤＷとは、それ以前は音声レベルが減少傾向にあ
った場合、もしくは減少傾向にあったと見なす場合に
『１』とセットされるフラグである。

【００３４】続いてステップF112でフラグＢＹを確認す
る。フラグＢＹは、前回入力された音声レベルｅ_(i-1)
がしきい値ｔｈより小さかった場合にステップF102で
『０』とされるフラグである。従って、しきい値ｔｈよ
り高い音声レベルｅ_(i) がはじめて入力された場合は、
そのときフラグＢＹは『０』であり、従ってステップF1
12からF118に進む。また前回の音声レベルｅ_(i-1) もし
きい値ｔｈより高いレベルであった場合は、ステップF1
12からF113に進むことになる。

【００３５】最初にしきい値ｔｈより高い音声レベルｅ
_(i) が入力され、ステップF112からF118に進んだ場合
は、音声レベルｅ_(i) がピーク値ＰＫの下限として設定
されている下限値ＬｉｍＬと比較する。ピーク値ＰＫに
ついては上限値ＬｉｍＨと下限値ＬｉｍＬが設定されて
おり、入力された音声レベルのピーク値ＰＫをこの間に
おいて可変設定するものとなる。もし、入力された音声
レベルのピーク値ＰＫが上限値ＬｉｍＨ又は下限値Ｌｉ
ｍＬをこえた場合は、その上限値ＬｉｍＨ又は下限値Ｌ
ｉｍＬがピーク値ＰＫと設定される。

【００３６】ステップF118では音声レベルｅ_(i) が下限
値ＬｉｍＬを越えて小さいものとなっているか否かを判
断することになる。下限値ＬｉｍＬを越えていなけれ
ば、しきい値ｔｈをピーク値ＰＫとして設定する(F12
0)。一方、下限値ＬｉｍＬを越えていた場合は、ピーク
値ＰＫを下限値ＬｉｍＬより小さいものとはしないよう
にするため下限値ＬｉｍＬをピーク値ＰＫとして設定す
る(F119)。ステップF119又はF120でピーク値ＰＫを設定
したら、フラグＢＹを１にセットする(F120)。つまり、
今回の音声レベルｅ_(i) は、それまでしきい値ｔｈより
小さかったものが、しきい値を越えたものになるため、
次回の音声レベルｅ_(i) の入力時の処理に備えて、音声
レベルがしきい値ｔｈを越えていたことを識別するフラ
グＢＹをオンとする。

【００３７】続いて、ステップF122で音声レベルｅ_(i)
と前回の音声レベルｅ_(i-1) を比較し、つまり現在音声
レベルが増加傾向にあるか減少傾向にあるかを判別す
る。これまでのステップをたどった場合、つまり最初に
しきい値ｔｈを越えた時点では、当然増加傾向にあるた
め、ステップF123に進んで制御係数ｗをｗ＋ｄ２の値に
更新する。ｄ２とは制御係数ｗを増加させる場合、つま
り振幅抑圧回路４において減衰量を少なくしていく場合
のステップ幅である。ただし、制御係数ｗの値は、０≦
ｗ≦１の範囲内となる。従って、例えばｗ＝１であった
場合は（減衰量０の場合）、ステップF123に進んでも制
御係数ｗは更新されない。

【００３８】続いて次のタイミングで音声レベルｅ_(i)
が入力され、これも音声レベルｅ_(i ₎ はしきい値ｔｈよ
り大きかったとする。するとステップF111,F112 と進む
が、この時点、つまり最初にしきい値ｔｈを越えた場合
以外ではフラグＢＹ＝１であるため、ステップF113に進
む。ここで、ピーク値ＰＫと音声レベルｅ_(i) を比較
し、音声レベルｅ_(i) がピーク値ＰＫを越えていなけれ
ば、そのままステップF122に進む。

【００３９】一方、音声レベルｅ_(i) がピーク値ＰＫを
越えていれば、ピーク値ＰＫの更新処理を行なう。まず
ステップF114で音声レベルｅ_(i) と、ピーク値ＰＫの上
限値ＬｉｍＨと比較する。もし音声レベルｅ_(i) が上限
値ＬｉｍＨを越えていた場合は、ピーク値ＰＫを上限値
ＬｉｍＨより大きいものとはしないようにするため上限
値ＬｉｍＨをピーク値ＰＫとして設定する(F115)。

【００４０】また音声レベルｅ_(i) がピーク値ＰＫを越
えており、さらに音声レベルｅ_(i)が上限値ＬｉｍＨを
越えていない場合は、新たなピーク値ＰＫが検出された
ことになるため、ピーク値ＰＫの値を音声レベルｅ_(i)
にセットする(F116)。ステップF115又はF116でピーク値
ＰＫを更新したら、ステップF117でしきい値ｔｈを更新
する。本実施例では、しきい値ｔｈはピーク値ＰＫに基
づいて、その何％という値に設定されているものとして
おり、このためピーク値ＰＫが更新された場合は、ピー
ク値ＰＫに所定の値に設定されている係数ＲＴを乗算し
てを新たなしきい値を設定する。係数ＲＴは例えば、し
きい値ｔｈがピーク値ＰＫの数〜数１０パーセントの値
となるようなある係数値に設定されている。

【００４１】以上は、音声レベルｅ_(i) がしきい値ｔｈ
より大きい場合の処理である。音声レベルｅ_(i) がしき
い値ｔｈより低いものとなっていた場合は、処理はステ
ップF101からF102に進む。そしてまず、音声レベルｅ
_(i) がしきい値ｔｈより低いこととなったために、フラ
グＢＹを『０』にする。次に、今回の音声レベルｅ_(i)
と前回の音声レベルｅ_(i-1) を比較して、音声レベルが
増加傾向にあるか減少傾向にあるかを判別する(F103)。

【００４２】減少傾向とされた場合、ステップF105でダ
ウンフラグＤＷを確認する。ダウンフラグＤＷが『０』
でない場合、つまり、これ以前が音声レベルが減少して
いたか、ステップF111で減少しているとみなされる状態
となっていた場合は、ステップF106へ進む。この場合
は、即ち、音声レベルがしきい値より低くなり、かつ減
少傾向にあることが判別されたことになるため、連続音
声の終端が近づいているという予測判断が行なわれたこ
とになる。従ってステップF106では、制御変数ｗを、ｗ
−ｄ１の値に更新する。ｄ１とは制御係数ｗを減少させ
る場合、つまり振幅抑圧回路４において減衰量を大きく
していく場合のステップ幅である。

【００４３】以降、入力されてくる音声レベルｅ_(i) が
連続音声の終端に向かって減少しつづけている場合は、
図２の処理は音声レベルｅ_(i) の入力毎にステップF106
に進むことになり、従って徐々に減衰量が大きくなって
いく。つまり図３（ｃ）にｔ₀ 時点から示すように、振
幅抑圧回路４の利得レベルが小さくされていくことにな
る。なお、この場合も制御係数ｗの値は、０≦ｗ≦１の
範囲内で更新されるものとなるため、ｗ＝０となった以
降は、ステップF106に進んでもｗ＝０の状態が維持され
る。つまり、図３（ｃ）において、利得レベルが０に達
してからｔ₁ 時点に至までの期間に相当する状態とな
る。

【００４４】一方、ステップF105でダウンフラグＤＷ＝
０と判断された場合は、それ以前は音声レベルが減少し
ている状態ではなかったことになる。この場合は、それ
まで音声レベルがしきい値より大きい状態であったの
が、最初にしきい値より下がった場合となる。この場
合、単にステップF103での減少傾向の判別がなされて
も、実際には連続音声の終端に近づいているものではな
い場合も存在すると考えられるため、まずピーク値ＰＫ
の更新処理を行なう。

【００４５】まず音声レベルｅ_(i) とピーク値ＰＫとし
ての下限値ＬｉｍＬを比較し、下限値ＬｉｍＬを越えて
いなければ、音声レベルｅ_(i) をピーク値ＰＫとして設
定する(F108)。また、音声レベルｅ_(i) が下限値Ｌｉｍ
Ｌを越えていた場合は、下限値ＬｉｍＬをピーク値ＰＫ
として設定する(F109)。そしてステップF108又はF109で
ピーク値ＰＫを更新したら、それに応じてしきい値ｔｈ
を、ピーク値ＰＫに係数ＲＴを乗算した値として更新す
る(F110)。また、処理がステップF110に進むときは、実
際に終端に近づいている場合も含まれるため、制御変数
ｗをｗ−ｄ１の値に更新する。また、このときは音声レ
ベルは減少しているものであるため、ダウンフラグＤＷ
を『１』にセットする。

【００４６】このように最初に音声レベルがしきい値ｔ
ｈより小さくなった場合は、しきい値を更新することに
より、次に入力される音声レベルｅ_(i) の処理によって
より正確な終端予測が行なわれる。例えば実際には終端
に近づいているのではない場合は、次の音声レベルｅ
_(i) はしきい値ｔｈより大きくなる確率が高くなり、そ
の場合はステップF111以降の処理となるため、終端予測
による動作は行なわれなくなる。また、実際に終端に近
づいているのであれば、次の音声レベルｅ_(i) について
の処理は再びステップF105まで進み、さらにステップF1
06に進むことになるため、上述したように連続音声の終
端付近で振幅レベルを抑圧する処理が行なわれることに
なる。

【００４７】ところで、例えば図３のｔ₁ 時点のよう
に、連続音声が開始される時点の処理としては、入力さ
れる音声レベルｅ_(i) に対してステップF103で否定結果
が出てステップF104に進むことになる。この場合は、制
御変数ｗをｗ＋ｄ２の値に更新し、またダウンフラグＤ
Ｗを『０』とする。つまり、連続音声が開始されて音声
レベルｅ_(i) が増加している場合は、しきい値ｔｈに達
するまでの間は、ステップF104の処理に進むたびに振幅
抑圧が段階的に解除されていくことになる。また、しき
い値ｔｈを越えた場合はステップF123で振幅抑圧が段階
的に解除されていく。つまり、利得レベルは図３（ｃ）
のように回復されていく。

【００４８】以上のように振幅制御信号発生部６で、図
２の処理によって制御変数ｗが設定されることで図３で
示したような動作が実現され、音声波形に対して、各ま
とまった語音の間に振幅の小さい区間又は無音区間が作
られる。

【００４９】このような処理を行なう実施例の音声処理
装置に対する入力信号波形と、音声処理装置からの出力
信号波形の例を図４（ａ）（ｂ）に示す。この図４は、
話者が『親譲りの無鉄砲で子供のときから損ばかりして
いる』という発音を行なった場合の音声信号波形であ
る。図４（ａ）のような処理前の波形に対し、音声処理
装置から出力される波形は図４（ｂ）のようになった。
ここでは、図４（ｂ）に矢印を付した部分において、各
まとまった語音の間が小振幅とされて区間によって区切
られていることが顕著に表われている。

【００５０】本実施例では、このような処理を行なうこ
とにより、継時マスキングを生じにくくさせたり、音声
言語理解に大切な聴者の短時間音声記憶を助けたりし
て、音声明瞭度を向上させることができる。そしてさら
に音声伝送系に遅延回路等は使用しておらず、即ち即時
性は損なわれないものとしている。

【００５１】なお、以上の実施例では子音成分について
は振幅抑圧が行なわれないように構成しているが、もち
ろん子音伝送系にも同様に振幅抑圧回路を設けて制御を
行なってもよい。また回路構成や、終端予測のための処
理方式などはさらに各種変形例が考えられることはいう
までもない。

【００５２】

【発明の効果】以上説明したように本発明の音声処理装
置は、連続音声の終端を予測し、そのタイミングで振幅
を抑圧するようにしているため、出力音声は音声のまと
まり（連続音声）単位で区切られ、従って継時マスキン
グが生じにくく、また聴者の短時間音声記憶を助けるも
のとなり、聞き取りやすい音声出力が実現されるという
効果がある。また、連続音声単位での区切りであるた
め、発声音声の過渡部分に含まれる音声知覚判断のため
の情報は損なわれない。さらに連続音声の終端付近は、
音声言語認識にさほど必要ない冗長な情報が多いため、
この部分の振幅を抑圧して情報量を削っても、その悪影
響は殆どない。また、語音の知覚判断の手掛かりの１つ
となる音声成分の変化速度情報も損なわれない。これら
のことからも、出力音声の明瞭度はより向上されること
になる。

【００５３】さらに本発明では、処理音声について即時
性が損なわれないため、会話に使用する補聴器等の機器
に搭載することも好適であり、また放送などの聞き取り
に時間が余分にかかるということも解消される。さら
に、時間遅れが無いことからどのような音響結合状態で
も、処理音声出力がハウリングやエコー、残響音などの
原因となって、明瞭度を阻害するということはなくな
る。そしてこれによって音響機器でのマイクロホンやス
ピーカの配置条件などの自由度が増すことにもつなが
る。

【００５４】また終端予測判定手段においては、入力音
声の信号レベルが設定されているしきい値より小さくな
り、かつ信号レベルが減少傾向にあることを検出して終
端予測を行なうことで、終端予測を容易に実行できるこ
とになる。また、しきい値は検出された音声レベルピー
ク値に応じて設定するようにすること、音声レベルピー
ク値に上限及び下限を設定しておくこと、音声レベルピ
ーク値の判別は信号レベルがしきい値より小さい場合と
大きい場合で異なる方式で行なうこと、音声ピッチ成分
とフォルマント成分を抽出して終端予測判定及び開始判
別に用いること、などにより連続音声の終端予測や開始
判別をより正確に行なうことができる。

【図面の簡単な説明】

【図１】本発明の実施例の音声処理装置のブロック図で
ある。

【図２】実施例の振幅制御信号発生処理のフローチャー
トである。

【図３】実施例の振幅抑圧動作の説明図である。

【図４】実施例による連続音声の区切り部分の振幅抑圧
状態の説明図である。

【符号の説明】

１入力端子２子音成分分離フィルタ３フォルマント成分分離フィルタ４振幅抑圧回路５音声レベル算出部６振幅制御信号発生部７周波数特性補正フィルタ８出力端子

Claims

【特許請求の範囲】

【請求項１】入力された音声信号に対して振幅抑圧を
行なうことができる振幅抑圧手段と、入力音声信号について連続音声の区切りとなる終端を予
測する終端予測判定手段と、入力音声信号について連続音声の開始部分を判別する開
始判別手段と、前記終端予測判定手段による終端予測に応じて前記振幅
抑圧手段に対して振幅を抑圧するための制御信号を供給
し、また前記開始判別手段による開始判別に応じて前記
振幅抑圧手段に対して振幅抑圧を解除するための制御信
号を供給することができる振幅制御手段と、を備えて構成されることを特徴とする音声処理装置。
【請求項２】前記終端予測判定手段は、入力音声の信
号レベルが設定されているしきい値より小さくなり、か
つ信号レベルが減少傾向にあることが検出されたら、連
続音声が終端に至る過程に入ったとして終端を予測する
ように構成されていることを特徴とする請求項１に記載
の音声処理装置。
【請求項３】前記終端予測判定手段は、音声信号存在
期間中の音声レベルピーク値を判別するとともに、前記
しきい値を、検出された音声レベルピーク値に応じて設
定するように構成されていることを特徴とする請求項２
に記載の音声処理装置。
【請求項４】前記終端予測判定手段における音声レベ
ルピーク値の判別動作として、判別される音声レベルピ
ーク値の上限及び下限が設定されているとともに、この
上限から下限の範囲内において、入力音声の信号レベル
が前記しきい値より小さい場合は、信号レベルが増加傾
向に入ってから減少傾向に入るまでの期間の信号レベル
の最大値を音声レベルピーク値と判別し、また入力音声
の信号レベルが前記しきい値より大きい場合は、信号レ
ベルの最大値を音声レベルピーク値と判別することを特
徴とする請求項３に記載の音声処理装置。
【請求項５】前記開始判別手段は、入力音声の信号レ
ベルが増加傾向にあることが検出されたら、連続音声が
開始されたと判別するように構成されていることを特徴
とする請求項１、請求項２、請求項３、又は請求項４に
記載の音声処理装置。
【請求項６】入力音声信号から音声ピッチ成分とフォ
ルマント成分を抽出するフィルタ手段を備え、このフィ
ルタ手段の出力を前記終端予測判定手段及び前記開始判
別手段に供給するように構成されていることを特徴とす
る請求項１、請求項２、請求項３、請求項４、又は請求
項５に記載の音声処理装置。
【請求項７】入力音声信号から音声ピッチ成分とフォ
ルマント成分を抽出する第１のフィルタ手段と、入力音
声信号から子音成分を抽出する第２のフィルタ手段とを
備え、この第１のフィルタ手段の出力と、第２のフィル
タ手段の出力の一方又は両方が処理対象信号として前記
振幅抑圧手段に供給されるように構成されていることを
特徴とする請求項１、請求項２、請求項３、請求項４、
請求項５、又は請求項６に記載の音声処理装置。
【請求項８】入力音声信号から音声ピッチ成分とフォ
ルマント成分を抽出する第１のフィルタ手段と、入力音
声信号から子音成分を抽出する第２のフィルタ手段とを
備え、前記第１のフィルタ手段の出力のみが処理対象信
号として前記振幅抑圧手段に供給されるように構成され
ていることを特徴とする請求項１、請求項２、請求項
３、請求項４、請求項５、又は請求項６に記載の音声処
理装置。
【請求項９】出力音声信号について周波数特性を補正
する特性補正フィルタ手段が設けられていることを特徴
とする請求項１、請求項２、請求項３、請求項４、請求
項５、請求項６、請求項７、又は請求項８に記載の音声
処理装置。