JPH11143496A - 音声録音再生装置 - Google Patents

Abstract

(57)【要約】 【課題】 模範音声と学習者の録音音声との聞き比べを
しやすくすること。 【解決手段】 本発明の音声録音再生装置は、１つ以上
の語句から成る文に対応した音声を記憶するＲＯＭ１１
と、ＲＯＭ１１に記憶された音声と対応する外部音声を
入力して記憶するＲＡＭ１２と、ＲＡＭ１２に記憶され
た外部音声の有音部分を検出し、検出した外部音声の有
音部分の再生タイミングと、ＲＯＭ１１に記憶されたそ
の外部音声と対応する音声の有音部分の再生タイミング
とを制御するＣＰＵ１０とを備えている。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は、内部に記憶された
音声と、外部から録音した音声との再生タイミングを制
御する音声録音再生装置に関する。

【０００２】

【従来の技術】従来より、外国語の学習において発音は
重要な課題であるが、この発音練習における有効な手段
として、学習者の発音と模範発音（ネイティブ発音）と
を聞き比べることがよく行われている。

【０００３】図１４は、この音声の聞き比べ操作の手順
を説明するフローチャートである。すなわち、先ず機械
の電源を入れ、操作者は自分の練習したい文例を選択す
る（ステップＳ７０１）。次に、操作者は、ＩＣメモリ
等に記憶されたネイティブ等の模範音声を音声再生機器
で発音させ（ステップＳ７０２）、その音声を真似しな
がら自分で発音して、それをテープレコーダー等の音声
録音機器に録音する（ステップＳ７０３）。

【０００４】次に、再度ネイティブの発音を音声再生機
器で再生し、その発音を覚え（ステップＳ７０４）、先
に録音した自分の発音を再生してアクセント等を聞き比
べる（ステップＳ７０５）。

【０００５】このような発音の練習を行う装置として
は、特開昭６０−１２３８８４号公報、特開平７−２１
９４１８号公報、特開平８−１９５０６７号公報、特開
平８−２７８７４３号公報などがある。

【０００６】特開昭６０−１２３８８４号公報では、音
声合成ＬＳＩ、録音再生ＬＳＩを用いて、学習者が自分
の音声を録音・再生する機能を持った英語学習機が開示
されている。

【０００７】また、特開平７−２１９４１８号公報で
は、２つ以上の別個の音声再生プレーヤにより再生され
た相互に異なる音声信号に基づいて、各音声信号に対応
する２つの音声を同時に発生する携帯用音声発生装置等
が開示されている。

【０００８】また、特開平８−１９５０６７号公報で
は、音声プログラムを再生および入力音声データを蓄積
再生可能とした記録再生装置等が開示されている。

【０００９】さらに、特開平８−２７８７４３号公報で
は、模範音声の直後にこれに倣って学習者が発音した音
声を記録して、再生時には模範音声と記録された学習者
の音声を同時に再生して発音確認する記録再生装置等が
開示されている。

【００１０】

【発明が解決しようとする課題】しかしながら、いずれ
の装置においても、学習者の音声を録音して再生した
り、その録音した音声と模範音声とを同時に再生するこ
とはできるものの、各々の音声の頭が揃わなかったり、
発音速度が一致しないことから比較しずらいという問題
が生じている。

【００１１】

【課題を解決するための手段】本発明はこのような課題
を解決するために成された音声録音再生装置である。す
なわち、本発明の音声録音再生装置は、１つ以上の語句
から成る文に対応した音声を記憶する第１記憶手段と、
第１記憶手段に記憶された音声と対応する外部音声を入
力して記憶する第２記憶手段と、第２記憶手段に記憶さ
れた外部音声の有音部分を検出する検出手段と、検出手
段で検出した外部音声の有音部分の再生タイミングと、
第１記憶手段に記憶されたその外部音声と対応する音声
の有音部分の再生タイミングとを制御する制御手段とを
備えている。

【００１２】このような本発明では、入力した外部音声
の有音部分を検出手段で検出し、その有音部分の再生タ
イミングと、第１記憶手段に記憶されたその外部音声と
対応する音声の有音部分の再生タイミングとを制御手段
で制御していることから、予め第１記憶手段に記憶され
ている音声に同期して、入力した外部音声を再生するこ
とができ、各音声の比較を行いやすいような再生を行う
ことができるようになる。

【００１３】

【発明の実施の形態】以下に、本発明の音声録音再生装
置における実施の形態を図に基づいて説明する。図１は
本実施形態における音声録音再生装置のハードウェア構
成図である。すなわち、本実施形態における音声録音再
生装置１は、ＣＰＵ１０、ＲＯＭ１１、ＲＡＭ１２、操
作ＳＷ（スイッチ）１３、ＡＤＣ（アナログ／デジタル
変換器）１４、ビットマップＬＣＤ（液晶表示装置）１
５、Ｓｐｅｅｃｈ．ＩＣ−Ｌ１６、Ｓｐｅｅｃｈ．ＩＣ
−Ｒ１７がＢｕｓ（バス）によって接続された構成とな
っている。

【００１４】また、ＡＤＣ１４にはマイク（ＭＩＣ）１
９から入力された外部音声を増幅するマイクアンプ（Ａ
ＭＰ−ＭＩＣ）１８が接続されている。さらに、Ｓｐｅ
ｅｃｈ．ＩＣ−Ｌ１６にはＡＭＰ−Ｌ（左出力アンプ）
２０が接続され、ヘッドホンスピーカー（Ｌ）３１から
音声を出力するようになっている。また、Ｓｐｅｅｃ
ｈ．ＩＣ−Ｒ１７にはＡＭＰ−Ｒ（右出力アンプ）２１
が接続され、ヘッドホンスピーカー（Ｒ）３２から音声
を出力するようになっている。

【００１５】ＣＰＵ１０は、Ｂｕｓを介してＲＯＭ１１
から所定のプログラムをフェッチし、そのプログラムに
従って音声の録音、再生等の処理を行う。

【００１６】また、ＲＯＭ１１には、システム全体を制
御するためのプログラムの他、少なくとも１つ以上の語
句から成る文例（サンプル文章）をビットマップＬＣＤ
１５に表示するための文字フォントデータ、および発音
の手本となる模範音声の音声データが記憶されている。

【００１７】ＲＡＭ１２は、例えばマイク１９から入力
された学習者の音声に基づくデータを記憶する部分であ
る。また、操作Ｓ／Ｗ１３は、学習者の所望する動作
（例えば、録音や再生の選択、サンプル文章の表示、選
択）を行う。ＡＤＣ１４は、マイク１９から入力され、
マイクアンプ１８で増幅されたアナログの音声データを
デジタル音声に変換する部分である。

【００１８】この変換されたデジタル音声データはＢｕ
ｓを介して一旦ＲＡＭ１２に蓄積され、ＣＰＵ１０によ
ってＬＰＣデータに変換され、再びＲＡＭ１２に記憶さ
れる。このＬＰＣデータとは、音声の強弱を表すＥｎｅ
ｒｇｙ、音声の高低を表すＰｉｔｃｈ、反射係数である
Ｋパラメータの３つで構成されている音声圧縮データで
ある。なお、ＲＯＭ１１に記憶される模範音声もこのＬ
ＰＣ形式となっている。

【００１９】ビットマップＬＣＤ１５は、操作Ｓ／Ｗ１
３によって選択した所望の操作内容や、サンプル文章を
ビットマップ形式で表示する部分である。

【００２０】Ｓｐｅｅｃｈ．ＩＣ−Ｌ１６およびＳｐｅ
ｅｃｈ．ＩＣ−Ｒ１７は、ＬＰＣデータをアナログ音声
信号に変換する集積回路である。

【００２１】ＲＯＭ１１に記録されている模範音声を出
力する場合は、ＲＯＭ１１から模範音声のＬＰＣデータ
をＢｕｓを介して例えばＳｐｅｅｃｈ．ＩＣ−Ｌ１６に
転送し、ここでアナログ音声データに変換した後、ＡＭ
Ｐ−Ｌ２０で増幅してヘッドホンスピーカー（Ｌ）３１
から出力する。

【００２２】また、記録した音声を出力する場合は、Ｒ
ＡＭ１２に録音蓄積されたＬＰＣデータをＢｕｓを介し
て例えばＳｐｅｅｃｈ．ＩＣ−Ｒ１７に転送し、ここで
アナログ音声データに変換した後、ＡＭＰ−Ｒ２１で増
幅してヘッドホンスピーカー（Ｒ）３２から出力する。

【００２３】なお、本実施形態では模範音声を出力する
場合にはＳｐｅｅｃｈ．ＩＣ−Ｌ１６、ＡＭＰ−Ｌ２
０、ヘッドホンスピーカー（Ｌ）３１から成る左側回路
を用い、記録した音声を出力する場合にはＳｐｅｅｃ
ｈ．ＩＣ−Ｒ１７、ＡＭＰ−Ｒ２１、ヘッドホンスピー
カー（Ｒ）３２から成る右側回路を用る場合を例とする
が、各々左右反対の回路を用いるようにしてもよい。

【００２４】また、記録媒体として、ＲＯＭ１１やＲＡ
Ｍ１２を用いているが、ほかの記録媒体（ＩＣメモリや
磁気記録媒体、光磁気記録媒体等）を用いてもよい。

【００２５】図２は本実施形態における音声録音再生装
置の外観図である。音声録音再生装置１の外観として
は、サンプル文章（例えば、「Ｉｓ ｔｈｉｓ ｍｏｔ
ｈｅｒｔｈｅｒｅ？」）を表示するビットマップＬＣＤ
１５、各種操作スイッチ、マイク１９、再生モード表示
ランプ１５ａが設けられている。

【００２６】操作スイッチの中の電源スイッチ１３ａ
は、装置全体の電源を入切するためのスイッチである。
すなわち、電源ＯＦＦの状態で電源スイッチ１３ａを押
すと電源ＯＮとなり、電源ＯＮの状態で電源スイッチ１
３ａを押すと電源ＯＦＦとなる。

【００２７】画面操作スイッチ１３ｂは上下左右４個の
スイッチから構成され、これを用いてビットマップＬＣ
Ｄ１５に表示させるサンプル文章をスクロールさせ、目
的の文例を選択する。

【００２８】モード選択スイッチ１３ｃは、後述する各
種の再生モードを選択するスイッチであり、１回押す毎
に再生モードを順次切り換えられるようになっている。
また、このモード選択スイッチ１３ｃを押す動作に連動
して、再生モード表示ランプ１５ａが順次切り換わり、
選択された再生モードを確認できるようになっている。

【００２９】録音スイッチ１３ｄは、マイク１９から外
部の音声を録音する際に押すものであり、この録音スイ
ッチ１３ｄが押下されている期間にマイク１９から学習
者の発音した音声を録音することができる。

【００３０】音声再生スイッチ１３ｅは、画面操作スイ
ッチ１３ｂで選択され、ビットマップＬＣＤ１５に表示
されている文例をヘッドホン３０のヘッドホンスピーカ
ー（Ｌ）３１から出力して、模範となる音声だけを聞く
ためのスイッチである。

【００３１】音声同時再生スイッチ１３ｆは、モード選
択スイッチ１３ｃで選択された再生モードに従って、ヘ
ッドホン３０のヘッドホンスピーカー（Ｌ）３１からは
模範音声を出力させ、ヘッドホンスピーカー（Ｒ）３２
からは録音した学習者の音声を出力させるためのスイッ
チである。

【００３２】このような音声録音再生装置１では、ヘッ
ドホンスピーカー（Ｌ）３１から模範音声を出力し、ヘ
ッドホンスピーカー（Ｒ）３２から学習者が録音した音
声を出力して発音の練習（聞き比べ）を行うにあたり、
ＣＰＵ１０で実行されるプログラムによって各々の語句
における出力タイミングを制御し、比較しやすいように
する点に特徴がある。

【００３３】次に、本実施形態の音声録音再生装置１で
聞き比べを行う場合の各種再生モードの動作例を説明す
る。本実施形態の音声録音再生装置１では、主として
頭合わせ再生モード、データ長合わせ再生モード、
有音時間合わせ再生モード、有音交互再生モードを選
択できるようになっている。

【００３４】ここで、各再生モードに入る前の共通の動
作を説明する。先ず、学習者は音声再生スイッチ１３ｅ
を押すことで、ビットマップＬＣＤ１５に表示されてい
る文例の模範音声を聞く。続いて、録音スイッチ１３ｄ
を押し、先程聞いた模範音声を参考にして自ら発声し、
その音声をマイク１９から取り込み録音する。

【００３５】図３はこの録音動作を説明するフローチャ
ートである。なお、以下の説明で図３に示されない符号
は図１、２を参照するものとする。先ず、録音スイッチ
１３ｄが押されると、ＣＰＵ１０は外部からの音声デー
タを記憶するＲＡＭ１２の記憶開始アドレス（Save＿ad
ress）をセットする（ステップＳ１０１）。

【００３６】次に、所定のサンプリング時間を制御する
ためサンプリングタイマー（Sample＿Timer ）をセット
する（ステップＳ１０２）。そして、学習者の発音はマ
イク１９を通してＡＤＣ１４に送られ、ここでアナログ
の音声データをデジタルに変換し（ステップＳ１０
３）、ＲＡＭ１２のSave＿adressにセーブされる（ステ
ップＳ１０４）。

【００３７】音声データをセーブした後は、ＲＡＭ１２
のSave＿adressをインクリメント（加算）する（ステッ
プＳ１０５）。次に、サンプリングタイマー（Sample＿
Timer ）が所定の時間になったか否かを調べ、所定の時
間が来るまで待機する（ステップＳ１０６）。

【００３８】所定の時間になると処理が進み、録音スイ
ッチ１３ｄがまだ押されているか否かを判定し（ステッ
プＳ１０７）、押されている場合にはステップＳ１０２
へ戻って録音を継続する。一方、録音スイッチ１３ｄが
押されていない場合には録音が終了し、今まで録音され
た音声データ（ＰＣＭ形式）がＬＰＣ形式へ変換される
（ステップＳ１０８）。ＬＰＣ形式に変換された音声デ
ータはＲＡＭ１２に記憶されることになる。

【００３９】録音が終了すると、次に学習者はモード選
択スイッチ１３ｃで所望の再生モードを選択し、音声同
時再生スイッチ１３ｆを押して今録音した音声と模範音
声との聞き比べを行うことになる。

【００４０】図４は再生モード選択処理を説明するフロ
ーチャートである。先ず、モード選択（ステップＳ２０
１）で頭合わせ再生（モード）が選択された場合には
ステップＳ２０２へ進み、頭合わせデータ変換処理を実
行する。また、モード選択（ステップＳ２０１）でデー
タ長合わせ再生（モード）が選択された場合にはステ
ップＳ２０３へ進み、データ長合わせデータ変換処理を
実行する。また、モード選択（ステップＳ２０１）で有
音声時間合わせ再生（モード）が選択された場合には
ステップＳ２０４へ進み、有音声時間合わせデータ変換
処理を実行する。また、モード選択（ステップＳ２０
１）で有音交互再生（モード）が選択された場合には
ステップＳ２０５へ進み、有音交互再生データ変換処理
を実行する。

【００４１】各再生モードに対応したデータ処理を行っ
た後はステップＳ２０６へ進み、模範音声と学習者の録
音音声とを同時に再生する処理を行う。

【００４２】以下、〜の各再生モードの動作を順に
説明する。

【００４３】先ず、モードの動作を図５のフローチャ
ートおよび図６の音声データ例を示す図に基づいて説明
する。なお、以下の説明で図５、６に示されない符号は
図１、２を参照するものとする。

【００４４】ここでは、図６（ａ）に示す模範音声と、
図６（ｂ）に示す学習者の録音した音声との頭（最初の
有音部分の開始時点）を合わせをして再生できるよう処
理を行っている。

【００４５】先ず、ステップＳ３０１に示す処理とし
て、ＲＯＭ１１に記憶されている模範音声の音声データ
における各フレームのｅｎｅｒｇｙ（音の大きさ）を最
初から順に参照していき、ｅｎｅｒｇｙが０より大きく
なるまでのフレーム数（データ数）すなわち無効データ
領域のデータ数をカウントする。図６（ａ）の例ではデ
ータ数ｎとなっている。

【００４６】次に、ステップＳ３０２に示す処理とし
て、先と同様なカウントで、ＲＡＭ１２に記憶されてい
る学習者の録音音声における各フレームのｅｎｅｒｇｙ
（音の大きさ）を最初から順に参照していき、ｅｎｅｒ
ｇｙが０より大きくなるまでのフレーム数（データ数）
をカウントする。図６（ｂ）に示す例ではデータ数ｍと
なっている。

【００４７】次いで、ステップＳ３０３に示す処理で、
先にカウントした模範音声のデータ数ｎと録音音声のデ
ータ数ｍとを比較し、ｎ＞ｍならステップＳ３０４へ進
み、録音音声の頭のｅｎｅｒｇｙ＝０の部分をｎ−ｍ個
増やすようにする。

【００４８】つまり、この場合は、録音音声の方が模範
音声よりｎ−ｍ個分だけ早く始まるよう録音されている
ことから、その分だけ録音音声の始まりを遅くすること
で模範音声の頭と揃えることができるようになる。

【００４９】一方、ｎ＞ｍにならない場合はステップＳ
３０５へ進み、録音音声の頭のｅｎｅｒｇｙ＝０の部分
をｍ−ｎ個減らすようにする。すなわち、この場合は、
録音音声の方が模範音声よりｍ−ｎ個分遅く嵌まるよう
録音されていることから、その分だけ録音音声の始まり
を早くすることで模範音声の頭と揃えることができるよ
うになる。

【００５０】図６（ｃ）は上記の処理を行って、録音音
声の頭が模範音声の頭と揃った状態を示している。これ
により、模範音声と録音音声とを同時に再生すると、各
々の頭が揃って出力され、模範音声と録音音声との比較
を行いやすくなる。

【００５１】次に、モードの動作を図７のフローチャ
ートおよび図８、９の音声データ例を示す図に基づいて
説明する。なお、以下の説明で図７、図８および図９に
示されない符号は図１、２を参照するものとする。

【００５２】ここでは、図８（ａ）および図９（ａ）に
示す模範音声と、図８（ｂ）および図９（ｂ）に示す学
習者の録音した音声との有効データ長を合わせる処理す
なわち各々の音声の先頭位置と終了位置とを合わせるて
再生できる処理を行っている。

【００５３】先ず、ステップＳ４０１に示す処理とし
て、先に説明したモードと同様に模範音声の頭と録音
音声の頭とを合わせる処理を行う。これにより、図８
（ｃ）および図９（ｃ）に示すように録音音声の頭が模
範音声の頭に揃えられるようになる。

【００５４】次に、ステップＳ４０２に示す処理とし
て、模範音声の音声データ終了位置Ｎから、先頭方向へ
順にｅｎｅｒｇｙを参照していき、ｅｎｅｒｇｙが０よ
り大きくなるまでのデータ数を確認する。図８（ａ）お
よび図９（ａ）の例ではデータ数ｋ（先頭からのフレー
ム数）となっている。この位置が模範音声の有音部分の
最後となる。

【００５５】これと同様に、ステップＳ４０３に示す処
理では、録音音声の音声データ終了位置Ｍから、先頭方
向へ順にｅｎｅｒｇｙを参照していき、ｅｎｅｒｇｙが
０より大きくなるまでのデータ数を確認する。図８
（ｂ）および図９（ｂ）の例ではデータ数ｉ（先頭から
のフレーム数）となっている。この位置が録音音声の有
音部分の最後となる。

【００５６】次に、ステップＳ４０４において各々の有
音部分の最後であるデータ数ｉとｋとを比較する。ここ
で、録音音声におけるデータ数ｉと模範音声におけるデ
ータ数ｋとが一致している場合（ｉ＝ｋ）には、そのま
ま終了する。

【００５７】また、録音音声におけるデータ数ｉが模範
音声におけるデータ数ｋより大きい場合（ｉ＞ｋ）、ス
テップＳ４０５へ進む。ステップＳ４０５では、録音音
声の有効音声データ部を（ｉ−ｋ）等分し、区切られた
場所の音声データフレームを消去する。

【００５８】図８（ｃ）は頭が揃った状態で録音音声に
おけるデータ数ｉの方が模範音声におけるデータ数ｋよ
り６個分多い場合を示している。この場合は、図８
（ｄ）に示すように録音音声の有効音声データを６等分
し、各区切り（図中×印参照）の音声データフレームを
消去して図８（ｅ）に示すようにする。これによって、
模範音声に対して長い分だけデータが均等に間引かれ、
録音音声の有音部分の最後と模範音声の有音部分の最後
とが揃うようになる。

【００５９】一方、録音音声におけるデータ数ｉが模範
音声におけるデータ数ｋより小さい場合（ｉ＜ｋ）、ス
テップＳ４０６へ進む。ステップＳ４０６では、録音音
声の有効音声データ部を（ｋ−ｉ）等分し、区切られた
場所の音声データフレームを増やすようにする。

【００６０】図９（ｃ）は頭が揃った状態で録音音声に
おけるデータ数ｉの方が模範音声におけるデータ数ｋよ
り６個分短い場合を示している。この場合は、図９
（ｄ）に示すように録音音声の有効音声データを６等分
し、各区切り（図中×印参照）の音声データフレームを
２度書きして図９（ｅ）に示すようにする。これによっ
て、模範音声に対して短い分だけデータが均等に増やさ
れ、録音音声の有音部分の最後と模範音声の有音部分の
最後とが揃うようになる。

【００６１】このように、録音音声の有音部分における
先頭位置と終了位置とを模範音声に合わせる処理を行
い、この状態で模範音声と録音音声とを同時に再生する
と、各々の頭と終わりとが揃って出力され、模範音声と
録音音声との比較を行いやすくなる。

【００６２】次に、モードの動作を図１０のフローチ
ャートおよび図１１の音声データ例を示す図に基づいて
説明する。なお、以下の説明で図１０、１１に示されな
い符号は図１、２を参照するものとする。

【００６３】ここでは、図１１（ａ）に示す模範音声
と、図１１（ｂ）に示す学習者の録音した音声との各有
音データの長さを合わせる処理すなわち各々の音声の対
応する語句の出力時間を合わせて再生できる処理を行っ
ている。

【００６４】先ず、ステップＳ５０１に示す処理とし
て、先に説明したモードと同様に模範音声の頭と録音
音声の頭とを合わせる処理を行う。これにより、図１１
（ｂ）に示すように録音音声の頭が模範音声の頭に揃え
られるようになる。

【００６５】次に、ステップＳ５０２の処理へ進み、模
範音声の有音データのフレーム数ｇを無音フレームが出
るまでカウントする。同様に、次のステップＳ５０３で
は、学習者の録音音声データに対して有音データのフレ
ーム数ｈを無音フレームが出るまでカウントする。

【００６６】次いで、ステップＳ５０４において、先に
カウントしたフレーム数ｇとフレーム数ｈとの比較を行
う。この比較でフレーム数ｇ＜フレーム数ｈならステッ
プＳ５０５へ進み、フレーム数ｇ＞フレーム数ｈならス
テップＳ５０６へ進み、フレーム数ｇ＝フレーム数ｈな
らステップＳ５０７へ進む。

【００６７】ステップＳ５０５では、録音音声の最初の
有音データの方が模範音声の最初の有音データより長い
ことから、この長い部分を削除する処理を行う。すなわ
ち、学習者の録音音声の有音データを（ｇ−ｈ）等分
し、区切られた場所の音声データフレームを削除する。

【００６８】図１１（ｂ）では、ｈ−ｇ＝２であり、図
１１（ｃ）の×印で示すように２等分した位置の有音デ
ータフレームを削除して、図１１（ｄ）に示すように録
音音声の最初の有音データの長さを図１１（ａ）に示す
模範音声の最初の有音データの長さと一致させる。

【００６９】一方、ステップＳ５０６では、録音音声の
最初の有音データの方が模範音声の最初の有音データよ
り短いことから、この短い部分を追加する処理を行う。
すなわち、学習者の録音音声の有音データを（ｇ−ｈ）
等分し、区切られた場所の音声データフレームを２度書
きして追加する。

【００７０】次に、ステップＳ５０７では、学習者の録
音音声データが終了したか否かを判断し、終了している
場合にはステップＳ５０８へ進み、ここで模範音声デー
タが終了したか否かを判断する。模範音声データが終了
している場合には処理を終了する。模範音声データが終
了していない場合にはステップＳ５０９へ進み、有音時
間合わせが出来ない旨（例えば、「有音時間合わせが不
可能です！」）をビットマップＬＣＤ１５に表示する。

【００７１】ステップＳ５０７で、学習者の録音音声デ
ータが終了していない場合にはステップＳ５１０へ進
む。ステップＳ５１０では、模範音声データが終了して
いるか否かの判断を行い、終了している場合にはステッ
プＳ５０９へ進んで有音時間合わせが出来ない旨の表示
を行う。

【００７２】模範音声データが終了していない場合はス
テップＳ５１１へ進む。ステップＳ５１１では、模範音
声データの、先程カウントした有音部分の次の無音部分
フレームから次の有音フレームが出てくるまでの無音領
域のフレーム数ｉをカウントする。

【００７３】次に、ステップＳ５１２では、同様に学習
者の録音音声データの、先程カウントした有音部分の次
の無音部分フレームから次の有音フレームが出てくるま
での無音領域のフレーム数ｊをカウントする。

【００７４】そして、次のステップＳ５１３では、学習
者の録音音声データにおける無音領域のフレーム数と模
範音声データにおける無音領域のフレーム数とを合わせ
る処理を行う。この処理は、先に説明したステップＳ５
０４、Ｓ５０５、Ｓ５０６と同様な手順でデータ長合わ
せを行う。

【００７５】すなわち、先ずフレーム数ｉとフレーム数
ｊとを比較し、学習者の録音音声データのフレーム数ｊ
の方が模範音声データのフレーム数ｉより長い場合に
は、その長いフレーム数だけ無音データを削除し、反対
に学習者の録音音声データのフレーム数ｊの方が模範音
声データのフレーム数ｉより短い場合には、その短いフ
レーム数だけ無音データを追加する。これにより、図１
１（ｅ）に示すように学習者の無音領域の長さが図１１
（ａ）に示す模範音声の無音領域の長さと一致するよう
になる。

【００７６】次に、ステップＳ５１４へ進み、学習者の
録音音声データが終了したか否かの判断を行う。終了し
ていない場合はステップＳ５１５へ進み、模範音声デー
タが終了しているか否かの判断を行い、終了していない
場合はステップＳ５０２へ戻って、先に説明したステッ
プＳ５０２〜ステップＳ５１２を繰り返して行う。

【００７７】これにより、図１１（ｃ）〜図１１（ｅ）
が繰り返され（図中参照）、全ての有音データについ
て模範音声の有音データとの長さが揃えられ、図１１
（ｆ）に示すようになる。

【００７８】また、ステップＳ５１５で模範音声データ
が終了している場合はステップＳ５１７へ進み、有音時
間合わせが出来ない旨（例えば、「有音時間合わせが不
可能です！」）をビットマップＬＣＤ１５に表示する。

【００７９】また、ステップＳ５１４で学習者の録音音
声データが終了している場合にはステップＳ５１６へ進
む。ステップＳ５１６では、模範音声データが終了して
いるか否かの判断を行い、終了している場合には処理を
終了し、終了していない場合にはステップＳ５１７へ進
んで有音時間合わせが出来ない旨の表示を行う。

【００８０】このような処理によって、学習者の録音音
声の各有音部分と模範音声の各有音部分との長さが一致
するようになり、この状態で模範音声と録音音声とを同
時に再生すると、各々の有音部分が揃って出力され、模
範音声と録音音声との比較を行いやすくなる。

【００８１】なお、この例では学習者の録音音声の各有
音部分を模範音声の方に合わせるよう処理を行ったが、
反対に模範音声の各有音部分を学習者の録音音声の方に
合わせるよう処理を行っても同様の効果が得られる。

【００８２】次に、モードの動作を図１２のフローチ
ャートおよび図１３の音声データ例を示す図に基づいて
説明する。なお、以下の説明で図１０、１１に示されな
い符号は図１、２を参照するものとする。

【００８３】ここでは、図１３（ａ）に示す模範音声の
各有音部分と、図１３（ｂ）に示す学習者の録音音声の
各有音部分とを交互に出力する処理を行っている。

【００８４】先ず、ステップＳ６０１に示す処理とし
て、模範音声の有音データのフレーム数をカウントす
る。すなわち、図１３（ａ）に示す例では、この処理に
よって最初の有音データＤ１のフレーム数をカウントす
ることになる。

【００８５】次に、ステップＳ６０２では、次の有音デ
ータが有るか否かを判断する。有る場合にはステップＳ
６０１へ戻り、次の有音データのフレーム数をカウント
する。つまり、図１３（ａ）に示す例では、２番目の有
音データＤ２のフレーム数をカウントする。

【００８６】同様に、ステップＳ６０１〜Ｓ６０２を繰
り返すことで、模範音声の有音データＤ１〜Ｄ３の全て
において各々のフレーム数をカウントすることになる。

【００８７】次に、ステップＳ６０３では、学習者の録
音音声における有音データのフレーム数をカウントす
る。すなわち、図１３（ｂ）に示す例では、この処理に
よって最初の有音データｄ１のフレーム数をカウントす
ることになる。

【００８８】次に、ステップＳ６０４では、次の有音デ
ータが有るか否かを判断する。有る場合にはステップＳ
６０３へ戻り、次の有音データのフレーム数をカウント
する。つまり、図１３（ｂ）に示す例では、２番目の有
音データｄ２のフレーム数をカウントする。

【００８９】同様に、ステップＳ６０３〜Ｓ６０４を繰
り返すことで、学習者の録音音声における有音データｄ
１〜ｄ３の全てにおいて各々のフレーム数をカウントす
ることになる。

【００９０】次に、ステップＳ６０５では、模範音声の
最初の有音データの再生を行う。すなわち、この処理に
より、図１３（ｃ）に示す模範音声の最初の有音データ
Ｄ１が再生されることになる。

【００９１】次いで、ステップＳ６０６では、学習者の
録音音声における最初の有音データの再生を行う。この
処理により、図１３（ｄ）に示す学習者の録音音声にお
ける最初の有音データｄ１が再生される。この際、先の
ステップＳ６０５で再生した模範音声の最初の有音デー
タＤ１の再生終了から所定の時間Ｓ１だけ開けて学習者
の有音データｄ１の再生を開始するようにする。

【００９２】次に、ステップＳ６０７において次の有音
データが有るか否かの判断を行う。次の有音データが無
い場合には処理終了となる。一方、次の有音データが有
る場合にはステップＳ６０８へ進む。

【００９３】ステップＳ６０８では、模範音声の次の有
音データの再生を行う。すなわち、この処理により、図
１３（ｃ）に示す模範音声の次の有音データＤ２が再生
されることになる。この際、先のステップＳ６０６で再
生した学習者の録音音声における最初の有音データｄ１
の再生終了から所定の時間Ｓ２だけ開けて模範音声の有
音データｄ２の再生を開始するようにする。

【００９４】次いで、ステップＳ６０９では、学習者の
録音音声における次の有音データの再生を行う。この処
理により、図１３（ｄ）に示す学習者の録音音声におけ
る次の有音データｄ２が再生される。この際、先のステ
ップＳ６０８で再生した模範音声の最初の有音データＤ
２の再生終了から所定の時間Ｓ１だけ開けて学習者の有
音データｄ２の再生を開始するようにする。

【００９５】次に、ステップＳ６１０において次の有音
データが有るか否かの判断を行う。次の有音データが無
い場合には処理終了となる。一方、次の有音データが有
る場合にはステップＳ６０８〜ステップＳ６０９を繰り
返して行う。

【００９６】図１３に示す例では、（ｃ）に示す模範音
声の次の有音データＤ３が再生され、時間Ｓ１だけ開け
て（ｄ）に示す学習者の録音音声における次の有音デー
タｄ３が再生される。

【００９７】このような処理によって、図１３（ｃ）
（ｄ）に示すように、模範音声の各有音データＤ１〜Ｄ
３と、学習者の録音音声における各有音データｄ１〜ｄ
３とが、各々交互に再生されることになる。

【００９８】例えば、「Ｉｓ ｔｈｉｓ ｍｏｔｈｅｒ
ｔｈｅｒｅ？」の模範音声に対し、このモードを選
択すると、模範音声「Ｉｓ」、学習者の録音音声「Ｉ
ｓ」、模範音声「ｔｈｉｓ」、学習者の録音音声「ｔｈ
ｉｓ」、模範音声「ｍｏｔｈｅｒ」、学習者の録音音声
「ｍｏｔｈｅｒ」、模範音声「ｔｈｅｒｅ？」、学習者
の録音音声「ｔｈｅｒｅ？」という順でヘッドホンスピ
ーカー（Ｌ）３１とヘッドホンスピーカー（Ｒ）３２に
交互に出力される。

【００９９】また、この交互再生において、同じ語句か
ら成る有音データの間は時間Ｓ１だけ開いて再生され、
異なる語句から成る有音データの間は時間Ｓ２だけ開い
て再生される。つまり、時間Ｓ１より時間Ｓ２をわずか
に長くすることで、同じ語句の間と異なる語句の間との
区別を付けることが可能となる。

【０１００】このような再生により、語句の単位で模範
音声と学習者の発音との違いを明確に聞き比べることが
でき、模範音声との差を細かくチェックしながら練習を
行うことが可能となる。

【０１０１】

【発明の効果】以上説明したように、本発明の音声録音
再生装置によれば次のような効果がある。すなわち、予
め記憶された文に対応する音声と、入力した外部音声と
を再生するにあたり、各々の有音部分の再生タイミング
を制御することで、２つの音声を語句単位で聞き比べる
ことができ、より正確な発音練習を行うことが可能とな
る。

【図面の簡単な説明】

【図１】 本実施形態における音声録音再生装置のハー
ドウェア構成図である。

【図２】 本実施形態における音声録音再生装置の外観
図である。

【図３】 録音動作を説明するフローチャートである。

【図４】 再生モード選択処理を説明するフローチャー
トである。

【図５】 モードの動作を説明するフローチャートで
ある。

【図６】 モードの音声データ例を示す図である。

【図７】 モードの動作を説明するフローチャートで
ある。

【図８】 モードの音声データ例を示す図（その１）
である。

【図９】 モードの音声データ例を示す図（その２）
である。

【図１０】 モードの動作を説明するフローチャート
である。

【図１１】 モードの音声データ例を示す図である。

【図１２】 モードの動作を説明するフローチャート
である。

【図１３】 モードの音声データ例を示す図である。

【図１４】 従来における音声の聞き比べ操作の手順を
説明するフローチャートである。

【符号の説明】

１…音声録音再生装置、１０…ＣＰＵ、１１…ＲＯＭ、
１２…ＲＡＭ、１３…操作Ｓ／Ｗ、１４…ＡＤＣ、１５
…ビットマップＬＣＤ、１６…Ｓｐｅｅｃｈ．ＩＣ−
Ｌ、１７…Ｓｐｅｅｃｈ．ＩＣ−Ｒ

Claims (7)

【特許請求の範囲】
1. 【請求項１】 １つ以上の語句から成る文に対応した音
   声を記憶する第１記憶手段と、 前記第１記憶手段に記憶された音声と対応する外部音声
   を入力して記憶する第２記憶手段と、 前記第２記憶手段に記憶された外部音声の有音部分を検
   出する検出手段と、 前記検出手段で検出した前記外部音声の有音部分の再生
   タイミングと、前記第１記憶手段に記憶された前記外部
   音声と対応する音声の有音部分の再生タイミングとを制
   御する制御手段とを備えていることを特徴とする音声録
   音再生装置。
2. 【請求項２】 前記制御手段は、前記外部音声の有音部
   分の先頭と、前記第１記憶手段に記憶された前記外部音
   声と対応する音声の有音部分の先頭とを合わせて再生す
   ることを特徴とする請求項１記載の音声録音再生装置。
3. 【請求項３】 前記制御手段は、前記外部音声の有音部
   分の先頭と、前記第１記憶手段に記憶された前記外部音
   声と対応する音声の有音部分の先頭とを合わせるととも
   に、前記外部音声の有音部分の終了と、前記第１記憶手
   段に記憶された前記外部音声と対応する音声の有音部分
   の終了とを合わせて再生することを特徴とする請求項１
   記載の音声録音再生装置。
4. 【請求項４】 前記制御手段は、前記外部音声の有音部
   分が複数ある場合、各有音部分の再生時間と、前記第２
   記憶手段に記憶された前記外部音声と対応する各有音部
   分の再生時間とを各々合わせることを特徴とする請求項
   １記載の音声録音再生装置。
5. 【請求項５】 前記制御手段は、前記外部音声の有音部
   分が複数ある場合、その各有音部分と、前記第１記憶手
   段に記憶された前記外部音声と対応する各有音部分とを
   交互に再生することを特徴とする請求項１記載の音声録
   音再生装置。
6. 【請求項６】 請求項１記載の構成に加え、 前記外部音声を入力する際の入力時間を計測する計測手
   段と、 前記計測手段によって計測した入力時間が所定の範囲外
   となった場合に異常処理を行う異常処理手段とを備えて
   いることを特徴とする音声録音再生装置。
7. 【請求項７】 請求項１記載の構成に加え、 前記外部音声の有音部分の塊の個数を計数する計数手段
   と、 前記計数手段によって計数した前記有音部分の塊の個数
   が所定の範囲外となった場合に異常処理を行う異常処理
   手段とを備えていることを特徴とする音声録音再生装
   置。