JPS63306497A - Voice section detecting system - Google Patents
Voice section detecting systemInfo
- Publication number
- JPS63306497A JPS63306497A JP62143664A JP14366487A JPS63306497A JP S63306497 A JPS63306497 A JP S63306497A JP 62143664 A JP62143664 A JP 62143664A JP 14366487 A JP14366487 A JP 14366487A JP S63306497 A JPS63306497 A JP S63306497A
- Authority
- JP
- Japan
- Prior art keywords
- power
- section
- speech
- word
- voice
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000001514 detection method Methods 0.000 claims description 22
- 238000000034 method Methods 0.000 claims description 5
- 238000005070 sampling Methods 0.000 claims description 4
- 238000000605 extraction Methods 0.000 description 4
- 230000007423 decrease Effects 0.000 description 3
- 230000001755 vocal effect Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
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。(57) [Summary] This bulletin contains application data before electronic filing, so abstract data is not recorded.
Description
【発明の詳細な説明】 技術分野 本発明は、音声認識装置の音声区間検出方式に関する。[Detailed description of the invention] Technical field The present invention relates to a speech segment detection method for a speech recognition device.
鴛]θえ4
従来の音声区間検出においては、語尾の音声区間は、音
声パワーがある値より小さくなる点を終端としていた。雛]θE4 In conventional voice section detection, the end of the voice section at the end of a word is defined as the point where the voice power becomes smaller than a certain value.
しかし、この方式では1語尾のパワーが急に小さくなる
母音などでは誤差は少ないが語尾のパワーがゆっくりと
小さくなる「ん」音に関しては、音声の途中で終端と見
なされることが多い、また、「ん」音はパワーが小さい
ため場合によっては、「ん」音が欠落することもあった
。However, with this method, there is little error for vowels where the power at the end of the first word suddenly decreases, but for the "n" sound where the power at the end of the word slowly decreases, it is often considered to be the end in the middle of the voice. Because the "n" sound has low power, in some cases, the "n" sound was missing.
1−一煎
本発明は、上述のごとき実情に鑑みてなされたもので、
特に、音声区間検出方式において、語尾が「ん」で終了
する単語について正しく区間を検出することを目的とし
てなされたものである。1-1 The present invention was made in view of the above-mentioned circumstances.
In particular, this method was developed for the purpose of correctly detecting a segment of a word ending in "n" in a speech segment detection method.
構 成
本発明は、上記目的を達成するために、入力された音声
をあるサンプル周期で特徴抽出する手段と、パワーを用
いて音声区間を決定する手段と、周波数の高い成分のパ
ワーと低い成分のパワーを比較して「ん」の音声部分を
検出する手段とを有する音声区間検出方式において1語
尾が「ん」で終了しているか否かを上記「ん」の音声部
分を検出する・手段を用いて判断し、「ん」で終了して
いる場合には区間終了後の音声を検索し、「ん」の状態
が継続しておりかつパワーが単語内母音パワーの1/2
〜1/16のある定められた値より大きい場合には音声
区間とすることを特徴としたものである。以下1本発明
の実施例に基づいて説明する。Configuration In order to achieve the above object, the present invention provides means for extracting features of input speech at a certain sampling period, means for determining a speech section using power, and means for extracting features of input speech at a certain sampling period, means for determining a speech section using power, and a means for extracting features of input speech at a certain sampling period. and a means for detecting the vocal part of "n" by comparing the power, and a means for detecting the vocal part of "n" to determine whether the end of one word ends with "n". If the sound ends with "n", the voice after the end of the section is searched and the state of "n" continues and the power is 1/2 of the vowel power in the word.
This feature is characterized in that if it is larger than a predetermined value of ~1/16, it is considered a voice section. An explanation will be given below based on one embodiment of the present invention.
第1図は1本発明の一実施例を説明するためのタイムチ
ャートで、例えシ、入力音声が「はん」である場合、そ
の音声パワーは第1図(a)に示すように、母音部分は
安定したレベルを示し、「ん」ではパワーが小さく、か
つ、徐々にパワーが小さくなっていく傾向がある。その
ためにある値の以上のパワーを持つ部分を音声区間とす
れば、第1図(b)に示すようになり、[ん」の部分が
大半無くなってしまう、また、「ん」の部分を区間と見
なすように閾値を小さくした場合、ノイズが加わると区
間切り出しが不可能となる。よって、本発明では語尾が
「ん」で終了する単語のみ音声区間を補正することによ
り正しく区間を切り出すことにする。「ん」であること
は高周波数成分パワーH(約800Hz)と低周波成分
パワーL(約800)1z以下)を比較することにより
検出される。FIG. 1 is a time chart for explaining one embodiment of the present invention. For example, when the input voice is ``han'', the voice power is as shown in FIG. The part shows a stable level, and the power of "n" is small, and the power tends to gradually decrease. Therefore, if we define the part with power above a certain value as a vocal section, it will become as shown in Figure 1 (b), where most of the part ``n'' will disappear; If the threshold value is set small so that it is considered as , section extraction becomes impossible if noise is added. Therefore, in the present invention, only words whose endings end in "n" are corrected to correct the speech interval, thereby correctly cutting out the interval. ``H'' is detected by comparing the high frequency component power H (approximately 800 Hz) and the low frequency component power L (approximately 800 1z or less).
第1図(c)は「はん」の場合のそれぞれのパワーを示
しており、第1図(d)に示すように低周波成分パワー
Lが高周波成分パワーHより大きい区間が「ん」の区間
と考えられる。そこで、第1図(b)の音声区間終端よ
り約100+s程度戻った点Cから終端までの間を検索
q、50%以上「ん」の区間がある場合には区間の補正
を行なう。図では末尾が「ん」で終了しているため区間
補正を行なう、もし、語尾が「ん」でなければこの条件
にあてはまらないため第1図(b)に示した音声区間(
1)が音声区間となる。補正は次の2つの条件が共にみ
たされている区間を付加することにより行なわれる。Figure 1 (c) shows the respective powers for "han", and as shown in Figure 1 (d), the section where the low frequency component power L is greater than the high frequency component power H is for "n". It can be considered as an interval. Therefore, search q from point C, which is about 100+s back from the end of the voice section in FIG. In the figure, since the end of the word ends with "n", section correction is performed.If the ending of the word does not end with "n", this condition does not apply, so the phonetic section shown in Figure 1 (b)
1) is the voice section. Correction is performed by adding an interval where the following two conditions are both satisfied.
(1)、第1図(d)に示すように、「ん」区間が継続
していること。(1) As shown in FIG. 1(d), the "n" section continues.
(2)、第1図(e)に示すように、母音パワーを検出
しく(E)の時点で終了)、その後音声パワー5と比較
して母音レベルの約1/8のパワー(■)より大なるこ
と(値は1/2〜l/16の決められた値)。(2), as shown in Figure 1 (e), the vowel power is detected (ends at point (E)), and then the power (■) is about 1/8 of the vowel level compared to the voice power 5. A large thing (value is determined from 1/2 to 1/16).
上記(1)はノイズ等により特徴量が不正確になってい
る区間は省くためであり、(2)はあまり小さなレベル
では特徴量が不正確になるためである。第1図の(d)
と(e)のAND条件を満たした区間を第1rJ!1(
b)に付加することにより。The reason for (1) above is to omit sections where the feature amount is inaccurate due to noise etc., and the reason for (2) is that the feature amount becomes inaccurate if the level is too small. (d) in Figure 1
The section that satisfies the AND condition of (e) is the 1st rJ! 1(
By adding to b).
補正された音声区間(2)が(第2図(f))作られ、
通常の区間第2図(b)の音声区間(1)より「ん」の
区間が正しく検出されている。A corrected speech section (2) is created (Fig. 2(f)),
The "n" section is correctly detected from the voice section (1) in the normal section of FIG. 2(b).
第2図は、上記本発明の音声区間検出方式を実現するた
めの一実施例を説明するための構成図で。FIG. 2 is a block diagram for explaining an embodiment for realizing the voice section detection method of the present invention.
図中、1はマイクロフォン、2はアンプ、3は特微量抽
出部、4は音声パワー検出部、5は高周波成分パワー検
出部、6は低周波パワー検出部、7は母音パワー検出部
、8は音声区間閾値部、9〜11はコンパレータ、12
は語尾[ん」検出部。In the figure, 1 is a microphone, 2 is an amplifier, 3 is a feature extraction unit, 4 is a voice power detection unit, 5 is a high frequency component power detection unit, 6 is a low frequency power detection unit, 7 is a vowel power detection unit, and 8 is a vowel power detection unit. Voice section threshold section, 9 to 11 are comparators, 12
is the word ending [n] detection part.
13は区間補正部で、マイク1より入力された音声はア
ンプ2で増幅され、特徴抽出部3.音声パワー検出部4
、高周波成分パワー検出部5.低周波成分パワー検出部
6、母音パワー検出部7に入力される0通常の音声区間
(音声区間(1))は音声パワーと音声区間閾値をコン
パレータ9により比較して得られる。また「ん」区間(
第1図(d))は高周波と低周波の成分パワーをコンパ
レータ10により比較して得られる。この音声区間信号
と「んJ区間信号より語尾が「ん」で終了しているかを
語尾「ん」検出部12により検出し。Reference numeral 13 denotes a section correction section, in which audio input from the microphone 1 is amplified by an amplifier 2, and a feature extraction section 3. Audio power detection section 4
, high frequency component power detection section 5. The 0 normal speech section (speech section (1)) input to the low frequency component power detection section 6 and the vowel power detection section 7 is obtained by comparing the speech power and the speech section threshold value by the comparator 9. Also, the “n” section (
FIG. 1(d)) is obtained by comparing the high frequency and low frequency component powers using the comparator 10. The ending "n" detection unit 12 detects whether the ending of the word ends with "n" from this voice section signal and the "n J section signal.
そうであれば[ん」区間と、コンパレータ11の出力で
ある母音の1/8以上のパワーを持つ区間とのAND条
件で、音声区間を補正して第1図(f)に示した音声区
間(2)を得る0語尾が「ん」でなければ音声区間の補
正は行なわない。If so, the speech section is corrected using the AND condition of the [n] section and the section having a power of 1/8 or more of the vowel output from the comparator 11, and the speech section shown in FIG. 1(f) is created. If the ending of the zero word to obtain (2) is "n", no correction of the speech interval is performed.
羞−一米
以上の説明から明らかなように、本発明によると1語尾
が「ん」で終了する単語の正しい音声区間の検出が可能
となる。As is clear from the above explanation, according to the present invention, it is possible to detect the correct speech section of a word whose first word ends in "n".
第1図は、本発明の一実施例を説明するためのタイムチ
ャート、第2図は、本発明を実現するための一実施例を
説明するための構成図である。
1・・・マイクロフォン、2・・・アンプ、3・・・特
徴量抽出部、410.音声パワー検出部、5・・・高周
波成分パワー検出部、6・・・低周波パワー検出部、7
・・・母音パワー検出部、8・・・音声区間閾値部、9
〜11・・・コンパレータ、12・・・語尾「ん」検出
部、13・・・区間補正部。
第 1 図
音声パワーFIG. 1 is a time chart for explaining an embodiment of the present invention, and FIG. 2 is a configuration diagram for explaining an embodiment for realizing the present invention. 1...Microphone, 2...Amplifier, 3...Feature quantity extraction unit, 410. Audio power detection section, 5... High frequency component power detection section, 6... Low frequency power detection section, 7
...Vowel power detection section, 8...Speech interval threshold section, 9
~11... Comparator, 12... Word ending "n" detection unit, 13... Section correction unit. Figure 1 Sound power
Claims (1)
と、パワーを用いて音声区間を決定する手段と、周波数
の高い成分のパワーと低い成分のパワーを比較して「ん
」の音声部分を検出する手段とを有する音声区間検出方
式において、語尾が「ん」で終了しているか否かを上記
「ん」の音声部分を検出する手段を用いて判断し、「ん
」で終了している場合には区間終了後の音声を検索し、
「ん」の状態が継続しておりかつパワーが単語内母音パ
ワーの1/2〜1/16のある定められた値より大きい
場合には音声区間とすることを特徴とする音声区間検出
方式。A method for extracting features of input speech at a certain sampling period, a method for determining speech sections using power, and a method for detecting the speech part of "n" by comparing the power of high frequency components and the power of low frequency components. In a voice section detection method having a means for detecting a sound, it is determined whether a word ends with "n" using the above-mentioned means for detecting the sound part of "n", and if it ends with "n". Search for the audio after the end of the section,
A voice section detection method characterized in that if the state of "n" continues and the power is greater than a predetermined value of 1/2 to 1/16 of the intra-word vowel power, it is determined as a voice section.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP62143664A JPS63306497A (en) | 1987-06-08 | 1987-06-08 | Voice section detecting system |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP62143664A JPS63306497A (en) | 1987-06-08 | 1987-06-08 | Voice section detecting system |
Publications (1)
Publication Number | Publication Date |
---|---|
JPS63306497A true JPS63306497A (en) | 1988-12-14 |
Family
ID=15344061
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP62143664A Pending JPS63306497A (en) | 1987-06-08 | 1987-06-08 | Voice section detecting system |
Country Status (1)
Country | Link |
---|---|
JP (1) | JPS63306497A (en) |
-
1987
- 1987-06-08 JP JP62143664A patent/JPS63306497A/en active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JPS59139099A (en) | Voice section detector | |
JP2008083375A (en) | Voice interval detecting apparatus and program | |
JPH0713584A (en) | Speech detecting device | |
JPS63306497A (en) | Voice section detecting system | |
JPH021317B2 (en) | ||
JP3031081B2 (en) | Voice recognition device | |
JPS61233791A (en) | Voice section detection system for voice recognition equipment | |
JPH0376471B2 (en) | ||
JPS60101598A (en) | Voice section detector | |
JPS63306498A (en) | Voice section detecting system | |
JP2712176B2 (en) | Voice detection device | |
JPS5984300A (en) | Voice section detecting circuit | |
JPS6039691A (en) | Voice recognition | |
JPS61259296A (en) | Voice section detection system | |
JPS6023899A (en) | Voice uttering system for voice recognition equipment | |
JPS5911920B2 (en) | Audio waveform automatic extraction device | |
JPS60216400A (en) | Voice section detecting circuit | |
JPS59228300A (en) | Voice section detecting system | |
JPS61140999A (en) | Voice section detection system | |
JPS6267598A (en) | Voice section detection system | |
JPS62258499A (en) | Voice start point detection | |
JPS61233792A (en) | Voice recognition equipment | |
JPS59219797A (en) | Voice section starting system | |
JPS63220295A (en) | Voice section detecting system | |
JPS5969798A (en) | Extraction of pitch |