[go: up one dir, main page]

JPS58143394A - 音声区間の検出・分類方式 - Google Patents

音声区間の検出・分類方式

Info

Publication number
JPS58143394A
JPS58143394A JP57024388A JP2438882A JPS58143394A JP S58143394 A JPS58143394 A JP S58143394A JP 57024388 A JP57024388 A JP 57024388A JP 2438882 A JP2438882 A JP 2438882A JP S58143394 A JPS58143394 A JP S58143394A
Authority
JP
Japan
Prior art keywords
detection
parameters
voice section
voice
speech
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.)
Granted
Application number
JP57024388A
Other languages
English (en)
Other versions
JPH0376472B2 (ja
Inventor
中田　和男
宮本　宜則
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hitachi Ltd
Original Assignee
Hitachi Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Hitachi Ltd filed Critical Hitachi Ltd
Priority to JP57024388A priority Critical patent/JPS58143394A/ja
Priority to US06/462,015 priority patent/US4720862A/en
Publication of JPS58143394A publication Critical patent/JPS58143394A/ja
Publication of JPH0376472B2 publication Critical patent/JPH0376472B2/ja
Granted legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
    • G10L25/93—Discriminating between voiced and unvoiced parts of speech signals

Landscapes

  • Engineering & Computer Science (AREA)
  • Computational Linguistics (AREA)
  • Signal Processing (AREA)
  • Health & Medical Sciences (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Human Computer Interaction (AREA)
  • Physics & Mathematics (AREA)
  • Acoustics & Sound (AREA)
  • Multimedia (AREA)
  • Transmission Systems Not Characterized By The Medium Used For Transmission (AREA)

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】 本発明は音声の分析における音声区間の検出と検出され
た区間が有声音か無声音かの判定分類を行う方式に係り
、特に入力音声のレベルに依存しない上記検出と分類の
確実な実行に好適な方式に関する。
音声の合成または認識のための分析において、もつとも
基本的な処理として、音声区間の検出と検出された区間
が有声区間か、無声区間かの判定（分類）がある。これ
が正確かつ確実に行われないと、合成音声の音質が劣化
したり、音声認識の誤シ率が増加したりする。
一般に、これらの検出、分類には入力音声の強度（分析
フレーム別の平均エネルギー）が重要な決定因子となる
。しかし入力音声の強度の絶対値を使うことは、結果が
入力条件に依存することとなり望壕しくない。従来のオ
フラインでの分析（たとえば合成のための分析）では、
ある長時間区間（たとえば−個の単語の全発声区間）に
おけるフレーム別平均エネルギーの最大値で正規化した
強度を用いることでこの対策としているが、実時間音声
分析合成や認識ではこうした対策がとれないという欠点
があった。
本発明は、上記問題点を解決するためになされたもので
、実時間分析においても確実に機能し、かつ入力音声の
強度の相対的な変動に依存しない音声区間の検出と検出
された区間での有声、無声の判定分類方式を提供するこ
とを目的とする。
この目的を達成するため本発明においては、入力音声信
号の相対レベル変動に依存しない３種のパラメータを入
力音声信号より抽出し、これらパラメータのもっている
物理的意味にもとづき、音声区間の検出とその区間での
有声、無声の判定分類をおこなう点に特徴がある。
音声の分析は通常２０〜３０ミリ秒間のデータを１ブロ
ツクとし、１０〜２０ミリ秒間隔で行われる。１ブロツ
クのデータから抽出される正規化主要パラメータの中で
、とくに本発明に関連して重要なパラメータは次の３つ
である。
１）　　ｋ１＝ｌ’、／γ０；正規化１次偏自己相関係
数（γＯ＋　ｒｔは０次および１ 次の自己相関係数） ２）　　Ｅｗ＝ｕ　（１−に？）；正規化残差パワー（
ｐは分ｔ、１ 析次数） ３）φ；正規化残差相関のピーク値 これらの諸量はいずれも正規化されており、原理的ＶＣ
は入力音声信号の相対レベル変動には依存しない。これ
らのパラメータの値が実際にどのような慎をとるかの１
例を、第１図（男声の場合）と第２図（女声の場合）に
示す。
これら多数の分析結果およびその各パラメータがもって
いる物理的な意味から、第３図のような検出分類アルゴ
リズムが考えられる。
こ＼でＶは有声音、Ｕは無声音、Ｓは無音を示す。
第３図でαｌとα２はパラメータＥＮに関し、またβｌ
とβ２はパラメータｋｌに関してあらかじめ設定してお
く判定いき値であり、たとえば、次のような値とする。
α１−α２　　　、　α、＝０．６ β１＝０．４　　　　、　　β２”０．２この処理をフ
ローの形で第４図に示す。
以下、実施例にもとづき本発明の詳細な説明する。
第５図は本発明の方式を用いた音声合成装置の一実施例
のブロック構成図である。
ｌブロン２分の音声波形１が、２つの分析回路２と３に
与えられる。２は偏自己相関係数による偏自己相関係数
Ｊ＋１（２＋・・・Ｉｋｌｌおよび正規化残差パワーｐ
ｏを求める分析回路であり、その処理内容についＣは公
知である。
（中田和男二「音声」　（コロナ社）、１９７７、第３
章、　３．２．５および３．２．６または、安居院。
中高；「コンピュータ音声処理」　（産報出版）。
１９８０、第２章参照） その出力４として、ｋｌおよびｐｏが判定回路６に入力
される。
一方３は音源分析回路であシ、正規化残差相関φを求め
る。その処理内容についても公知である（上記２文献参
照）。その出力５としてφが判定回路６に入力される。
判定回路６においては第３図の論理、すなわち第４図の
フローにしたがって所定のいき値１ｏ。
１１．１２にもとづき検出分類を行う。これらの処理は
、たとえばマイクロプロセッサを使って容易に実現でき
る。判定回路６の出力はＶ（有声音）、Ｕ（無声音）ま
たばＳ（無音）に応じてそれぞれ端子７，８．９から得
られる。
１ブロツクのデータの処理が終れば次のブロックの処理
が開始され、以下これがくりかえされる。
第６図は本発明の方法に従って時間軸ｔにたいして実時
間で入力音声の音声区間（Ｓ＝Ｕ、Ｖ又はＳ）の検出と
、検出された各区間（Ｓ）における音声の判定分類（Ｕ
又はＶ）をおこなった実験の結果であり、第７図は別の
音声についての同様の結果を要因別の変化とそれにもと
づく総合分類結果として示したものであるが、この結果
によれば上記検出と判定分類が正しくおこなわれており
本発明の方法が有効なことがわかる。
以上説明したごとく、本発明によれば、音声区間の検出
、その有声音、無声音での分類が、その信号の入力レベ
ルの変動に関係なく、かつそのフレームだけで正確かつ
確実に行われるので、実時間分析の必要な音声の分析合
成伝送系や、音声認識において音質を改善し、誤シを減
少させる効果がある。
【図面の簡単な説明】
第１図と第２図は本発明の基本となる正規化パラメータ
（ｋ　Ｉ　ＨＩ！ＩＮ　１　φ）の分析抽出結果の一例
を示す図、第３図は本発明にもとづく検出、分類の原理
を示す図、第４図は第３図の原理に従って検出、分類を
おこなう処理のフローを示す図、第５図は本発明の一実
施例のブロック構成図、第６゜７図は本発明による検出
と分類の実験結果の一例を示す図である。 第　３　　図 Ａｗ。 第　　４　　図

Claims (1)

  1. 【特許請求の範囲】 １、音声波形を含むことを検出された入力信号を所定間
    隔ごとにブロック化し、各ブロックにおける信号から該
    信号のレベル変動に依存しないパラメータを抽出し、該
    パラメータにもとづき上記信号区間が音声区間であるか
    否かを検出し、該検出された音声区間における音声の分
    類をおこなうことを特徴とする音声区間の検出・分類方
    式。 ２、上記パラメータは正規化１次偏自己相関係数、正規
    化残差パワーおよび正規化残差相関係数のピーク値であ
    ることを特徴とする特許請求の範囲第１項の音声区間の
    検出・分類方式。
JP57024388A 1982-02-19 1982-02-19 音声区間の検出・分類方式 Granted JPS58143394A (ja)

Priority Applications (2)

Application Number Priority Date Filing Date Title
JP57024388A JPS58143394A (ja) 1982-02-19 1982-02-19 音声区間の検出・分類方式
US06/462,015 US4720862A (en) 1982-02-19 1983-01-28 Method and apparatus for speech signal detection and classification of the detected signal into a voiced sound, an unvoiced sound and silence

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP57024388A JPS58143394A (ja) 1982-02-19 1982-02-19 音声区間の検出・分類方式

Publications (2)

Publication Number Publication Date
JPS58143394A true JPS58143394A (ja) 1983-08-25
JPH0376472B2 JPH0376472B2 (ja) 1991-12-05

Family

ID=12136776

Family Applications (1)

Application Number Title Priority Date Filing Date
JP57024388A Granted JPS58143394A (ja) 1982-02-19 1982-02-19 音声区間の検出・分類方式

Country Status (2)

Country Link
US (1) US4720862A (ja)
JP (1) JPS58143394A (ja)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH01286643A (ja) * 1988-05-13 1989-11-17 Fujitsu Ltd 音声検出装置
JPH02267599A (ja) * 1989-04-10 1990-11-01 Fujitsu Ltd 音声検出装置
JPH03259197A (ja) * 1990-03-08 1991-11-19 Nec Corp 音声合成器
JPH0467200A (ja) * 1990-07-09 1992-03-03 Matsushita Electric Ind Co Ltd 有音区間判定方法
JPH04223497A (ja) * 1990-12-25 1992-08-13 Oki Electric Ind Co Ltd 有音区間の検出方法
JP2002261553A (ja) * 2001-03-02 2002-09-13 Ricoh Co Ltd 音声自動利得制御装置、音声自動利得制御方法、音声自動利得制御用のアルゴリズムを持つコンピュータプログラムを格納する記憶媒体及び音声自動利得制御用のアルゴリズムを持つコンピュータプログラム
US6952670B2 (en) 2000-07-18 2005-10-04 Matsushita Electric Industrial Co., Ltd. Noise segment/speech segment determination apparatus

Families Citing this family (24)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4920568A (en) * 1985-07-16 1990-04-24 Sharp Kabushiki Kaisha Method of distinguishing voice from noise
JP2707564B2 (ja) * 1987-12-14 1998-01-28 株式会社日立製作所 音声符号化方式
EP0381507A3 (en) * 1989-02-02 1991-04-24 Kabushiki Kaisha Toshiba Silence/non-silence discrimination apparatus
US5146502A (en) * 1990-02-26 1992-09-08 Davis, Van Nortwick & Company Speech pattern correction device for deaf and voice-impaired
JP2746033B2 (ja) * 1992-12-24 1998-04-28 日本電気株式会社 音声復号化装置
BE1007355A3 (nl) * 1993-07-26 1995-05-23 Philips Electronics Nv Spraaksignaaldiscriminatieschakeling alsmede een audio-inrichting voorzien van een dergelijke schakeling.
US6708146B1 (en) 1997-01-03 2004-03-16 Telecommunications Research Laboratories Voiceband signal classifier
US6574321B1 (en) 1997-05-08 2003-06-03 Sentry Telecom Systems Inc. Apparatus and method for management of policies on the usage of telecommunications services
US5949864A (en) * 1997-05-08 1999-09-07 Cox; Neil B. Fraud prevention apparatus and method for performing policing functions for telephone services
US6134524A (en) * 1997-10-24 2000-10-17 Nortel Networks Corporation Method and apparatus to detect and delimit foreground speech
US6424938B1 (en) * 1998-11-23 2002-07-23 Telefonaktiebolaget L M Ericsson Complex signal activity detection for improved speech/noise classification of an audio signal
US6795807B1 (en) * 1999-08-17 2004-09-21 David R. Baraff Method and means for creating prosody in speech regeneration for laryngectomees
US6535843B1 (en) * 1999-08-18 2003-03-18 At&T Corp. Automatic detection of non-stationarity in speech signals
JP4201470B2 (ja) * 2000-09-12 2008-12-24 パイオニア株式会社 音声認識システム
US7472059B2 (en) * 2000-12-08 2008-12-30 Qualcomm Incorporated Method and apparatus for robust speech classification
US7295976B2 (en) 2002-01-25 2007-11-13 Acoustic Technologies, Inc. Voice activity detector for telephone
US6847930B2 (en) * 2002-01-25 2005-01-25 Acoustic Technologies, Inc. Analog voice activity detector for telephone
US6754337B2 (en) 2002-01-25 2004-06-22 Acoustic Technologies, Inc. Telephone having four VAD circuits
FI118704B (fi) * 2003-10-07 2008-02-15 Nokia Corp Menetelmä ja laite lähdekoodauksen tekemiseksi
CN101197130B (zh) * 2006-12-07 2011-05-18 华为技术有限公司 声音活动检测方法和声音活动检测器
CN101256772B (zh) * 2007-03-02 2012-02-15 华为技术有限公司 确定非噪声音频信号归属类别的方法和装置
TWI403304B (zh) 2010-08-27 2013-08-01 Ind Tech Res Inst 隨身語能偵知方法及其裝置
US9454976B2 (en) 2013-10-14 2016-09-27 Zanavox Efficient discrimination of voiced and unvoiced sounds
CN110838296B (zh) * 2019-11-18 2022-04-29 锐迪科微电子科技（上海）有限公司 录音过程的控制方法、系统、电子设备和存储介质

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US3979557A (en) * 1974-07-03 1976-09-07 International Telephone And Telegraph Corporation Speech processor system for pitch period extraction using prediction filters
US4074069A (en) * 1975-06-18 1978-02-14 Nippon Telegraph & Telephone Public Corporation Method and apparatus for judging voiced and unvoiced conditions of speech signal
JPS6051720B2 (ja) * 1975-08-22 1985-11-15 日本電信電話株式会社 音声の基本周期抽出装置
US4301329A (en) * 1978-01-09 1981-11-17 Nippon Electric Co., Ltd. Speech analysis and synthesis apparatus
CA1123955A (en) * 1978-03-30 1982-05-18 Tetsu Taguchi Speech analysis and synthesis apparatus
CH635695A5 (de) * 1978-08-31 1983-04-15 Landis & Gyr Ag Detektor zur feststellung der anwesenheit mindestens eines elektrischen signals mit einer vorbestimmten charakteristik.
JPS5648688A (en) * 1979-09-28 1981-05-01 Hitachi Ltd Sound analyser
JPS56104399A (en) * 1980-01-23 1981-08-20 Hitachi Ltd Voice interval detection system

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
IEEE TRANSACTIONS ON ACOUSTICS SPEECH AND SIGNAL PROCESSING=1976 *

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH01286643A (ja) * 1988-05-13 1989-11-17 Fujitsu Ltd 音声検出装置
JPH02267599A (ja) * 1989-04-10 1990-11-01 Fujitsu Ltd 音声検出装置
JPH03259197A (ja) * 1990-03-08 1991-11-19 Nec Corp 音声合成器
JPH0467200A (ja) * 1990-07-09 1992-03-03 Matsushita Electric Ind Co Ltd 有音区間判定方法
JPH04223497A (ja) * 1990-12-25 1992-08-13 Oki Electric Ind Co Ltd 有音区間の検出方法
US6952670B2 (en) 2000-07-18 2005-10-04 Matsushita Electric Industrial Co., Ltd. Noise segment/speech segment determination apparatus
JP2002261553A (ja) * 2001-03-02 2002-09-13 Ricoh Co Ltd 音声自動利得制御装置、音声自動利得制御方法、音声自動利得制御用のアルゴリズムを持つコンピュータプログラムを格納する記憶媒体及び音声自動利得制御用のアルゴリズムを持つコンピュータプログラム
JP4548953B2 (ja) * 2001-03-02 2010-09-22 株式会社リコー 音声自動利得制御装置、音声自動利得制御方法、音声自動利得制御用のアルゴリズムを持つコンピュータプログラムを格納する記憶媒体及び音声自動利得制御用のアルゴリズムを持つコンピュータプログラム

Also Published As

Publication number Publication date
US4720862A (en) 1988-01-19
JPH0376472B2 (ja) 1991-12-05

Similar Documents

Publication Publication Date Title
JPS58143394A (ja) 音声区間の検出・分類方式
JPS5876899A (ja) 音声区間検出装置
JPH0352640B2 (ja)
Bandela et al. Emotion recognition of stressed speech using teager energy and linear prediction features
Weintraub A computational model for separating two simultaneous talkers
Adiga et al. Detection of glottal activity using different attributes of source information
Poorna et al. Emotion recognition using multi-parameter speech feature classification
Seppänen et al. Prosody-based classification of emotions in spoken finnish.
Sharma et al. Automatic identification of silence, unvoiced and voiced chunks in speech
Sakaguchi et al. The effect of polarity inversion of speech on human perception and data hiding as an application
Song et al. Feature extraction and classification for audio information in news video
JP3031081B2 (ja) 音声認識装置
Niederjohn et al. Computer recognition of the continuant phonemes in connected English speech
Sun et al. Unsupervised speaker segmentation framework based on sparse correlation feature
Gulzar et al. An improved endpoint detection algorithm using bit wise approach for isolated, spoken paired and Hindi hybrid paired words
Zhang et al. Speech endpoint detection in noisy environments using EMD and teager energy operator
Mahgoub et al. Voicing-state classification of co-channel speech using nonlinear state-space reconstruction
Kim et al. Histogram equalization using centroids of fuzzy C-means of background speakers’ utterances for speaker identification
Yusof et al. Speech recognition application based on malaysian spoken vowels using autoregressive model of the vocal tract
Fujisaki et al. Automatic recognition of voiced stop consonants in CV and VCV utterances
Väyrynen et al. An experiment in emotional content classification of spoken Finnish using prosodic features
JPS62194299A (ja) 有声無声判定方式
Prathosh Temporal processing for event-based speech analysis with focus on stop consonants
JPS62183500A (ja) 音声のピツチ抽出装置
Li et al. Discrimination of Speech and Ship-radiated Noise Based on Frequency Spectrum Similarity