JPS61285570A - 音声入力装置 - 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】 〔発明の利用分野〕 本発明は音声を利用した文章入力装置、特に音声による
句読点入力方式に関する。

〔発明の背景〕

文章をキーボードを用いて入力する場合は、通常キーボ
ード上に句点、読点のキーが用意されているので、これ
まで問題となることはなかった。

これに対して、通常の会話音声では句読点に対応するも
のがないので、音声によって文章を入力する場合、新た
に句読点の入力方式を設定する必要が生じてくる。

一つの方法として、読点に対して「テン」、句点に対し
て「マル」と発声して入力する方法があるが、意識的に
行なわなくてはならず、特に原稿なしで音声によって直
接文章する場合には、入力作業者の思考を乱すので、適
切ではない。

〔発明の目的〕

本発明は、このような句読点入力のための不自然さを解
消し、音声による自然な文章入力方式を提供することを
目的とし、具体的には、発声の間。

声調、前後の構文・意味などの情報を利用して、自動的
に句読点を入力する方式を提供することを目的とする。

〔発明の概要〕

句点と読点に分けて説明する。

「、」は文末につけるのが原則である。そして文とは一
定の意味的なまとまりを持った陳述であり、音響的に見
ると一定の特徴を持っている。

まず、音声のポーズ（無音区間）の観点で見ると、文内
でも文節の境界を示すポーズが現われるが、ポーズ長は
文節間の意味的な結合により決定され、結合が弱いほど
ポーズ長は長くなる。そして最も弱い結合の場はポーズ
長（ｔｏ）が経験的に３００ｍ５ｅｃ以上になるとされ
ている（参考文献：箱田他「文音声のポーズ挿入規則」
２日本音響学会音声研究会資料、５７４−６４．１９７
５年）。

そこでまず、３００■ｓｅｃ以上のポーズがあれば、そ
こが文末の候補になる。

次に、イントネーション（抑揚）の観点で見る。

イントネーションは音声の基本周波数によって表現され
る。基本周波数から単語アクセントなどによるアクセン
ト成分を除いたものを考えると、これは１文頭で立上り
、その後文末に向って緩やかに低くなっていき、ある一
定の周波数に近づく（参考文献：日本放送協会編「日本
語発音アクセント辞典」解説の部「共通語の発音とアク
セント」第３章）、これを図示すると、第１図のように
なる。収束の極限の周波数（Ｆｍｉｎ）は、話者の最低
周波数と考えられるので、事前に話者の最低周波を音声
認識部内に記憶しておいて、この周波数と入力音声の基
本周波数を比べることにより、文末に近いところにいる
かどうかを推定することができる。第１図にはポーズの
例も示しであるが、ポーズとイントネーションの情報を
併用すれば、処理の精度をより高くすることができる。

以上の音響情報だけでは、しかし、確実な処理は望めず
、文の途中で似たような音響パターンが現れた場合には
、判定を誤る可能性がある。これを補償するためには、
文の持つ言語的情報も併用する必要がある。

日本語の文では、特殊な表現（倒置法による表現など）
を除くと１文末の形態を品詞ないし活用の観点で分類す
ると次のようになる。

（１）用言（動詞、形容詞、形容動詞）、助動詞。

補助用言（補助動詞、補助形容詞）の終止形。

（２）同じく命令形。

（３）終助詞。

（４）名詞単独、（体言止めの場合） （５）す変動詞語幹、形容動詞語幹。

このうち圧倒的に多く現れるのが（１）である。

（２）は話言葉的な表現であり、小説などで用いられる
か、「少年よ大志を抱け」なとの格言で用いられるのみ
である。（３）は通常の文章でも疑問文や反語的な表現
で用いられる。（「か」など）。

（４）も通常の文章で用いられるが、「春は曙」「花は
さくらぎ」　ｒ酒は灘」など限られた表現で用いられる
が、新聞などで限られた紙面にできる、たけたくさんの
記事をつめ込むために用いられるのみである１通常の文
章では、タイトル、箇条書き文の中で用いられることも
あるが、数は少ない。

（５）も上と同様の理由で新聞などで用いられるが、通
常の文章で用いられることは少ない。したがって、通常
の文章では、（１）（３）についての処理を用意してお
けばよい。

（３）については、入力文の形態素解析を行なって、そ
れが終助詞であることを認識できれば、それにより文末
であることが判別できるので。

「、」を打つことができる。

（１）の場合、現代の日本語では問題点が一つある。す
なわち、現代語では、形容動詞と一部の助動詞（「だ」
　「ようだ」　「そうだ」ｒみたいだ」）を除いて、終
止形と連体形が同形なので、活用形だけからでは文末で
あるか否かを判定できない。

これを解決するには、前記の音響情報による処理を併用
すればいいと考えられる（連体形は通常後続の名詞を修
飾するのに用いられるので、後続の名詞と−続きに発声
されることが多い、）が、次のように入力文の持つ構文
や意味の情報を利用すれば、より確度高＜［、］を打つ
位置を判定することができる。

まず、用言の直後に、通常文頭に置いて用いられる接続
詞（［そこで」「シたがって」　ｒすると」など）が来
ている場合、その用自は終止形であると判定することが
できる。したがって、その用言の直後に［、］を付与す
ることができる。

次に用言が連体形のとき、後続の名詞を修飾するわけで
あるが、この場合、その名詞は用言の格になっている場
合が多い、そこで、入力文の構文意味解析を行なって用
言に係っている名詞文節（連用名詞文節）と用言が連体
修飾している名詞文節の格をチェックし、連体修飾され
ている名詞文節の格に対応するものが連用名詞文節側に
ない場合は、その名詞が用言に連体修飾されてしする推
定することができ、したがって用言は終止形で１士なく
連体形であると推定することができる。このことは連用
修飾側の名詞文節にその用言の必須格にあたるものがな
く、連体修飾されている名詞が欠けている必須格の対応
している場合には、推定の確度がより高くなる。逆に、
構文的には連体修飾されていると仮定できる名詞に対応
する格が用言の格フレーム中にないときは、その用言は
名詞を連体修飾しているのではない、すなわち、用言は
連体形ではなく終止形であると推定することができる。

なお、前記（２）の活用語の命令形の場合、終止形と違
って紛れがないので、簡単に検知でき、文末であると判
定することができる。

次に、読点（［、］：テン）について説明する。

読点については、それがある場合とない場合とについて
音声的に明確な差を認めることは難しい。

そこで読点の付与は主に構文的に決定することになる。

日本語では読点のうちかたについて、英語のコンマのよ
うに明確なルールは設定されていないが。

通常よく読点がうたれる部分を箇条書きにしてみると、
次のようになる。

（１）複文・重文の境界 例：　「〜し、〜した。」 ｒ〜したので、〜した。」 （２）並立表現 例：　「りんご、みかん、およびバナナ」（３）飛び越
し係りの文節 直後の用言を越えてより後方の文節にかかる連用修飾文
節など。

例：　「渡辺刑事は、逃げ出した賊を追いかけた。」 この場合、「渡辺刑事は」は「逃げ出した」に係かるの
ではなく、「追かけた」に係かる。

（４）文と文または節と節を結ぶ接続詞のうしろ例：「
シかし」　「そこで」　「さらに」以上の場所に読点を
付与すれば、通常の文章では大むね妥当な文章が得られ
ると考えられる。

次に各々の場合、の自動付与の方法について述べる。

まず（１）の場合複文については用言のうしろの接続助
詞を検知することにより簡単に判定できる０重文の場合
は用言が連用形（連用中止の形）かうしろに接続助詞「
て」がついた場合であるから、この場合も判定は簡単に
できる。

（２）の場合１通常の文の他の名詞文節（連用文節、連
体文節）には助詞がついているのが普通であるが、並立
表現中の名詞文節には助詞がついていないので、これを
検知することにより判定することができる。ただし、「
インドリんご」のように複合語となる場合にも名詞に助
詞がつかないので区別が問題となるが、これは、発声の
間を調べ、並立表現では名詞と名詞（または接続詞）の
あいだで−拍間が置かれるのに対し、複合語では両者の
あいだに間が置かれず続けて発声されることを利用して
、判別することができる。

（３）の場合、入力文の構文意味解析を行ない、各文節
の係り受は関係を明らかにすることにより、「テン」を
うつべきか否かを判定することができる。

（４）の場合、接続詞を検知することにより、簡単に判
定できる。

〔発明の実施例〕

以下、本発明の実施例により説明する。

第２図に本発明の一実施例を示す、第２図で。

１は音声認識部、２は形態素解析部、３は構文意味解析
部、４は句読点処理部である。１の音声認識部より順に
各部の動作を説明する。

第３図に音声認識部ｌの内部構成を示す、１１は音韻認
識部で入力音声５を解析して、音韻情報に分解し、カナ
文字コードの系列１１１を出力する。音韻認識部の詳細
はここでは示さないが、例えば、伊福部達著「音声タイ
プライタの設計」ＣＱ出版社発行（１９８３年）の第２
章、第３章記載の内容にのっとり構成することができる
。

１２はピッチ抽出部で、入力音声の基本周波数を抽出す
る。その出力１２１は、第１図上段のグラフのようにな
る。このピッチ抽出部は、例えば、新美康永著「音声認
識」共立出版発行（１９７９年）の第２章２，４節に記
されれている音声の分析法、同じく２，６節Ｂに記され
ているピッチ抽出法を用い、さらにアクセント依存の要
素除去には広瀬啓吉・藤崎博也・山口幹雄「基本周波数
パタンの特徴の自動抽出」日本音響学会音声研究合資８
８３−３５　（１９８３年）のアクセント推定アルゴリ
ズム、フレーズ推定アルゴリズムを利用することにより
、構成することができる。具体的にはアナログデジタル
変換器、マイクロプロセッサ、読出し専用メモリ、ラン
ダムアクセスメモリなどを用い、上記の各アルゴリズを
読出し専用メモリに格納したものとして構成される。

１３はパワー検出部で、入力音声のパワーを検出する。

その出力１３１は、第１図下段のグラフのようになる。

パワー検出部１３の詳細はここでは示さないが、既知の
整流回路および積分回路などで構成することができる。

１４は音声データ処理部で、各部の出力１１１〜１３１
を受けてデータ処理を行ない、区切り記号（の候補）を
含んだカナ文字系列を出力する。

この音声データ処理部は、市販のマイクロコンピュータ
、ランダムアクセスメモリ、およびアナログディジタル
変換回路などを用いて構成することができる。

第４図に、音声データ処理部１４における句点情報抽出
のための処理フローを示す、第Ａ１ステップ、第Ａ２ス
テップで音声入力の基本周波数データとパワーを監視し
、Ｆｏにはパワーが０となる直前の基本周波数が保持さ
れるようにする。音声入力のパワーが０となったら次へ
進み、パワー〇の時間をはかる（第Ａ３ステップ）、そ
して、パワーＯの時間長が３００ｍ５ｅｃ以上であれば
（第Ａ４ステップ）、第Ａ５ステップへ進む、第Ａ５ス
テップでは、パワーが０となる直前の周波数Ｆｏと話者
の最低周波数Ｆｍ１ｎとの差（ΔＦ）をとり、これがあ
る一定値Ｓ以下ならば（第Ａ６ステップ）２文末である
と見なして、句点候補を出力する。この句点候補のデー
タは音韻情報（カナコード列）と混合されて、出力線６
に出力される。

出力線６上のデータの形式を第５図に示す、「、」で示
しであるのが句点候補である。ここでカギカッコをつけ
ているのは、句点の候補の意を示すためである（以下同
様）。

なお１話者の声の最低周波数Ｆ■ｉｎは、予じめ登録し
ておくか、前記音声データ処理装置内に学習機能を設け
、第４図のフローチャートで句点候補を出力したときの
基本周波数ＦｏをＦｍ１ｎとして保存し、Ｆｍ１ｎより
低いＦＯが入力されたときはこれを更新するというよう
な方法で設定することが可能である。

また、閾値Ｓは、実験的に適切な値に設定しておく。

なお、第３図において、ピッチ抽出部１２．パワー検出
部１３．音声データ処理部１４を独立の回路゛としてい
るが、音韻認識内でもそれぞれ１２〜１４と類似の回路
が必要であり、両者を兼用することも可能である。

次に第２図の形態素解析部２は、カナ文字列と句点情報
からなる音声認識部の出力６を受けとり、形態素解析を
行なう。形態素解析は単語辞書および形態素列の連接可
否を記した接続表などを用いて、入力カナ文字列を形態
素単位に分割する処理である。形態素解析部の具体的構
成法に関しては、和訳・江原［計算機によるカナ漢字変
換Ｊ　ＮＨＫ技術研究第２５巻第５号頁２３〜６０（１
９７３年）、あるいは特願昭５９−４４０２５などを参
照することにより構成可能である。第５図のカナ文字列
入力に対応する形態素解析部２の処理結果を第６図に示
゛す、各形態素の読み、表記、品詞、活用、および形態
素解析は文節の区切りも認識するので、文節端の位置に
マークを記している。

構文意味解析部３は、上記の形態素解析部２の出カフを
入力として、入力文の構文と意味を利用した解析を行な
い、構成文節の係り受は関係をもとめる。構文意味解析
は格フレーム辞書、日本語の構文規則を利用して係り受
は関係をもとめる処理で、具体的には発明特願５９−１
１９１８記載の内容などを参照して構成することができ
る。

「ワタシバ　サクラガ　サイタップ　コラエンへデカケ
タ」という音声入力が音声認識部、形態素解析部、構文
意味解析部を次々に通過してくると。

第７図に示すような処理結果が得られる。」第６図の品
詞、活用および、文節端の情報に加えて、係り先の情報
が付加されている。係り先欄の数字は、表の左端の形態
素に付与した数字に対応している。ｒなし」とあるのは
、構文意味解析で文末と認定した文節である。

句読点処理部は、第７図のような処理結果をもとに句読
点の位置を推定し、自動的に付与する。

句読点抽出部は、具体的には、市販のマイクロプロセッ
サ、メモリ等により構成することができる。

次に、句読点処理部４の処理内容を句点、読点それぞれ
に分けて説明する。

第８図に、音声認識部１で出力された句点候補のデータ
を、形態素解析部２、構文意味解析部３の処理結果を利
用して判定するための処理手順を示す。

第８１ステツプおよび第Ｂ２ステップで、構文意味解析
部３の出力８を走査し、句点候補のデータを探す。句点
候補が見つかったら（第７図では１４行目の「。」印）
１次に、さらにその次の交接のデータが、文頭に位置し
て用いられる接続詞ならば、その手前が文の境界と推定
されるので、句点候補を句点と認定して出力する（第Ｂ
３ステップ、第８４ステツプ）。

次の文節が接続詞でないならば、次に、直前の文節の文
節末の形態をチェックする（第Ｂ５ステップ、第Ｂ６ス
テップ）、その品詞が活用語か否かをチェックし、活用
語でなければ、次に終助詞かどうかチェックし、終助詞
ならば文の終りと推定し、句点候補を句点と認定し出力
する（第Ｂ７ステップ、第Ｂ８ステップ）、さもなけれ
ば何もせず（句点候補を句点の認定せず、無視する）、
次の句点候補探索ループへ再度進む。

直前の文節末が活用語ならば、さらにそれが形容動詞ま
たは形容動詞型活用の助動詞かどうかをチェックする（
第Ｂ９ステップ）。そうであれば、その活用形をチェッ
クし、活用形が終止形ならば文の終りと判定できるので
１句点候補を句点と認定し出力する（第０１ステツプ、
第０１ステツプ）、終止形でなければ、文の終りでない
ので、何もしない。

直前の文節末が、形容動詞または形容動詞型活用の助動
詞以外の活用語ならば活用形をチェックしく第Ｂ１２ス
テップ）、終止形（または連体形）ならば、それが連体
形か終止形かを判定するために構文意味解析部３の処理
結果８の係り先欄（第７図参照）を参照する（第８１５
．Ｂ１６ステツプ）、係り先欄に係り先なしと記されて
いれば。

そこが文の終りであると推定できるので１句点候補を句
点と認定し出力する（第８１７ステツプ）。

さもなければ何もしない。

以上の処理により、通常の多くの文で句点を振るべき位
置を検知し、付与することができる。

次に読点の処理について説明する６ 第９図に、句読点処理部４における読点の処理手順を示
す。

第０１ステツプで構文意味解析部３の出力８を走査し、
文節自立語の品詞を次々にチェックする（第Ｃ２ステッ
プ）０文節の自立語が用言ならば第０３ステツプに進み
、文節末の形態をチェックする。それが活用語の連用形
語尾（助動詞、補助用言の連用形を含む）、あるいは接
続助詞ならば、重文または複文の境界と推定されるので
、読点を付与する（第０４ステツプ）、連体形または終
止形語尾の場合は前記の句点処理時にチェックされてい
るが、終止形と認定されれば句点を付与されており、読
点を付与する必要はない、連体形の場合は通常後続の名
詞と−続きに表現されるので、読点を付与する必要はな
い。

次に、文節の自立語が接続詞ならば、それが文と文、ま
たは節と節をつなぐ接続詞（「シかし」「そして」　「
さらに」など）であるかどうかをチェックする（第Ｃ５
ステップ）、そうであれば文節のうしろに読点を付与す
る（第Ｃ６ステップ）。

そうでなければ（この場合は、「または」　「および」
　「あるいは」なとの語と語、または句と句を結ぶ接続
詞）、何もしない。

文節の自立語が名詞ならば、文節の付属語をチェックす
る（第０７ステツプ）、付属語に断定の助動詞（「だ」
　「である」　「ですＪ）またはそれに準じて名詞に直
接接続する助動詞（「らしい」「みたいだ」）がある場
合、文節全体としては用言文節と同等な性格を持つので
、第Ｃ３ステツプにもどり、用言文節と同じ処理を行な
う。

文節の自立語が名詞単独で、付属語が付いていなければ
、それは他の名詞と並立関係にある名詞か複合語の要素
であるかどちらかである。これを区別するためには後続
の語とのあいだで発声の間があるかどうか調べればよい
が、これには最初に説明と音声認識部１での処理中、句
点候補として取り上げられたちの以外の発声の間を、読
点候補としてデータ中に入れておけばよい（第１０図参
照、［、コが読点候補）、これを利用して読点候補の有
無を調べ（第Ｃ８ステップ）、あれば並立文節と認定し
て読点を出力し、なければ複合語要素と見なして何もし
ない。

名詞に助詞がついているならば、次に、その文節の係り
の型をチェックする（第０１２ステツプ）。

名詞文節の係り型は文節末の助詞をチェックすることに
判定することができる。格助詞「の」ならば連体修飾、
その他の格助詞および係り助詞、副助詞ならば、連用修
飾である１文節の係り型が連体修飾のときは通常後続の
名詞と−続きに表現されるので何もしない、連用修飾の
場合はさらにその係り先のチェックを行なう（第Ｃ１ｌ
ステップ）、係り先が近く（直後）の用言ならば何もせ
ず、直後の用言を越えてより後方の用言に係かる場合は
、文節のうしろに読点を付与する（第０１２ステツプ）
、これを例で説明すると、例えば第７図の２番目の文節
「桜が」は直後の文節「咲いたので」に係っているので
読点を付さず、第１番目の文節「私は」は「咲いたので
」を越えて「出かけた」に係っているので、読点を付与
する。なおここで、直後の用言とは、用言として直後と
いう意味であり、注目している名詞文節と用言の間に他
の名詞文節や副詞文節が入ることを妨げない、ちなみに
第７図の例では、接続助詞「ので」のうしろにも読点が
付与される。

第７図に対し句読点処理を施した最終結果を第１１図に
示す。

なお、以上の発明の概要および実施例の説明において、
音声認識部１．形態素解析部２．構文意味解析部３など
の処理データをすべて利用して句読点の付与位置を判定
する方法について説明したが、これを部分的に利用して
、例えば音声認識１のみのデータ、あるいは音声認識部
１と形態素解析部２の処理結果を利用して句読点の位置
を判定するような構成にすることも可能である。

〔発明の効果〕

以上本発明によれば、音声入力された文章に自動的に句
読点を付与することが可能となる。したがって、本発明
に基づいた音声入力装置を用いて文章を入力作業者は１
句読点の入力について気を巡らす必要はなくなり、自然
な調子で入力することが可能となるので、音声による文
章入力の効率向上に寄与することもできる。

【図面の簡単な説明】

第１図は音声入力による文と文の境界における音声の基
本周波数とパワーの変化を示した図、第２図は、本発明
における実施例の全体構成を示す図、第３図は第２図の
音声認識部１の詳細を示した図、第４図は第３図の音声
データ処理部１４における句点候補判定手順を示すフロ
ーチャート、第５図は音声認識部１の処理結果の例、第
６図は同じく形態素解析部２の処理結果の例、第７図は
構文意味解析部３の処理結果の例である。第８図は句読
点処理部４における句点処理手順を示すフローチャート
、第９図は読点処理手順を示すフローチャートである。 第１０図は、並立文節があるときの句読点処理部４への
入力、第１１図は第７図のデータに正しく句読点を施し
た結果である６第　１　　図 葛　２　図 Ｙ　３　　図 ■　４　図 ■　７　図 第　ｑ　図 五　ｑ　　閃

Claims (1)

【特許請求の範囲】
1. １、音声を用いた文章入力装置において、発声の間、文
   の抑揚、語の品詞または活用、および文の構文、意味情
   報を利用して句読点を打つべき位置を推定し、句読点を
   自動的に入力する音声入力装置。