音声情報処理装置、およびプログラム
【課題】従来の音声情報処理装置においては、アクセント位置の判断の精度が低い、という課題があった。
【解決手段】単語または文章の音声情報であり、１以上の音節の集合である音声情報を受け付ける音声情報受付部と、前記受け付けた音声情報から基本周波数を取得する基本周波数取得部と、前記受け付けた音声情報から当該音声情報の強さを示す情報であるパワー情報を取得するパワー情報取得部と、前記基本周波数取得部が取得した基本周波数と、前記パワー情報取得部が取得したパワー情報を用いて、第一アクセントの位置またはアクセントの順位を決定するアクセント決定部と、前記アクセント決定部が決定した第一アクセントの位置またはアクセントの順位に応じた処理を行う処理部を具備する音声情報処理装置により、第一アクセントの位置またはアクセントの順位が精度高く判断できる。
【解決手段】単語または文章の音声情報であり、１以上の音節の集合である音声情報を受け付ける音声情報受付部と、前記受け付けた音声情報から基本周波数を取得する基本周波数取得部と、前記受け付けた音声情報から当該音声情報の強さを示す情報であるパワー情報を取得するパワー情報取得部と、前記基本周波数取得部が取得した基本周波数と、前記パワー情報取得部が取得したパワー情報を用いて、第一アクセントの位置またはアクセントの順位を決定するアクセント決定部と、前記アクセント決定部が決定した第一アクセントの位置またはアクセントの順位に応じた処理を行う処理部を具備する音声情報処理装置により、第一アクセントの位置またはアクセントの順位が精度高く判断できる。
【発明の詳細な説明】
【技術分野】
【０００１】
本発明は、英会話等の語学訓練を行う場合に、学習者が発音した音声情報のアクセント位置などを評価する音声情報処理装置等に関するものである。
【背景技術】
【０００２】
従来の音声情報処理装置において、学習者が発声した音声はマイクから受け入れられ、その音声波形から強勢位置と弱勢位置とを検出する。そして、音声情報処理装置は、学習者の発音した単語のどの位置に強勢があり、どの位置が弱勢になっているかを区別して、ディスプレイに表示する（例えば、特許文献１参照）。その結果、学習者に、英単語の強勢（アクセント）を意識させることができ、英語らしい発音の学習に役立ち、また、学習者は、強勢弱勢のバランスを考慮した学習を効果的に行える。
【特許文献１】特開２０００−０１９９４１号公報（第１頁、第１図等）
【発明の開示】
【発明が解決しようとする課題】
【０００３】
しかしながら、従来の音声情報処理装置においては、音声周波数のみに基づいて、強勢位置、弱勢位置の判断を行っていた。したがって、アクセント位置の判断の精度が低かった。具体的には、例えば、同一の音声周波数の音節が存在する場合に、どちらにアクセントが存在するか分からない、という課題があった。
【０００４】
また、従来の音声情報処理装置においては、文章や長い単語など、受け付けた音声情報に３以上の音節が存在する場合、アクセントの順位を判断することができなかった。したがって、文章や長い単語などの抑揚について学習することができなかった。
【０００５】
さらに、従来の音声情報処理装置においては、強勢位置と弱勢位置を区別して表示するだけであったので、正解のアクセント位置に基づいて、正しいアクセントで発音されているか否かが、学習者に分かりにくかった。
【課題を解決するための手段】
【０００６】
本第一の発明の音声情報処理装置は、単語または文章の音声情報であり、１以上の音節の集合である音声情報を受け付ける音声情報受付部と、前記音声情報受付部が受け付けた音声情報から基本周波数を取得する基本周波数取得部と、前記音声情報受付部が受け付けた音声情報から当該音声情報の強さを示す情報であるパワー情報を取得するパワー情報取得部と、前記基本周波数取得部が取得した基本周波数と、前記パワー情報取得部が取得したパワー情報を用いて、第一アクセントの位置またはアクセントの順位を決定するアクセント決定部と、前記アクセント決定部が決定した第一アクセントの位置またはアクセントの順位に応じた処理を行う処理部を具備する音声情報処理装置である。
【０００７】
かかる構成により、第一アクセントの位置またはアクセントの順位が判断できる。また、本構成により、学習者が発音した音声情報について、３以上の音節のアクセントの順位を取得できる。その結果、文章や長い単語における抑揚についても学習できる。
【０００８】
また、本第二の発明の音声情報処理装置は、第一の発明に対して、前記アクセント決定部は、前記音声情報を構成する２以上の音節の基本周波数の大小を比較する基本周波数比較手段と、前記基本周波数比較手段が、前記２以上の音節の基本周波数が略同じであると判断した場合に、少なくとも当該略同じ基本周波数である２以上の音節のパワー情報を比較するパワー比較手段と、前記２以上の音節の基本周波数の比較結果、および当該２以上のパワー情報が示す音声の強弱の比較結果により、第一アクセントの位置またはアクセントの順位を決定するアクセント位置決定手段を具備する音声情報処理装置である。
【０００９】
かかる構成により、第一アクセントの位置またはアクセントの順位が精度高く判断できる。また、本構成により、学習者が発音した音声情報について、３以上の音節のアクセントの順位を取得できる。その結果、文章や長い単語における抑揚についても学習できる。
【００１０】
また、本第三の発明の音声情報処理装置は、第一の発明に対して、前記アクセント決定部は、前記音声情報を構成する２以上の音節のパワー情報が示すパワーの大小を比較するパワー比較手段と、前記パワー比較手段が、前記２以上の音節のパワー情報が略同じであると判断した場合に、少なくとも当該略同じパワー情報である２以上の音節の基本周波数の大小を比較する基本周波数比較手段と、前記２以上の音節のパワー情報が示す音声の強弱の比較結果、および当該２以上の基本周波数の比較結果により、第一アクセントの位置またはアクセントの順位を決定するアクセント位置決定手段を具備する音声情報処理装置である。
【００１１】
かかる構成により、第一アクセントの位置またはアクセントの順位が精度高く判断できる。また、本構成により、学習者が発音した音声情報について、３以上の音節のアクセントの順位を取得できる。その結果、文章や長い単語における抑揚についても学習できる。
【００１２】
また、本第四の発明の音声情報処理装置は、第一から第三いずれかの発明に対して、前記処理部は、単語または文章のアクセント位置またはアクセントの順位に関する情報であるアクセント情報を格納しているアクセント情報格納手段と、前記アクセント決定部が決定した第一アクセントの位置またはアクセントの順位と、前記アクセント情報を用いて、前記音声情報受付部が受け付けた音声情報における第一アクセントの位置またはアクセントの順位が正しいか否かを判断する判断手段と、前記判断手段における判断結果を出力する出力手段を具備する音声情報処理装置である。
【００１３】
かかる構成により、学習者は、高速に、第一アクセントの位置またはアクセントの順位が容易に学習できる。
【００１４】
また、本第五の発明の音声情報処理装置は、第一から第三いずれかの発明に対して、前記処理部は、第一アクセントの位置またはアクセントの順位が正しいか否かを判断するための比較対象の音声情報である教師データを格納している教師データ格納手段と、前記アクセント決定部が決定した第一アクセントの位置またはアクセントの順位と、前記教師データを用いて、前記音声情報受付部が受け付けた音声情報における第一アクセントの位置またはアクセントの順位が正しいか否かを判断する判断手段と、前記判断手段における判断結果を出力する出力手段を具備する音声情報処理装置である。
【００１５】
かかる構成により、学習者は、例えば、ネイティブ話者が発声した音声をそのまま利用して、第一アクセントの位置またはアクセントの順位が容易に学習できる。
【００１６】
また、本第六の発明の音声情報処理装置は、第四、第五いずれかの発明に対して、前記判断手段は、前記アクセント決定部が決定した第一アクセントの位置またはアクセントの順位と、重み情報を有するアクセント情報、または、重み情報を有するアクセント情報および教師データを用いて、アクセントの位置またはアクセントの順位が正しいか否かを判断する音声情報処理装置である。
【００１７】
かかる構成により、アクセントの正誤の判断が精度高く行え、かつ、人の感覚に合致した判断が可能となる。
【００１８】
また、本第七の発明の音声情報処理装置は、第一から第六いずれかの発明に対して、前記音声情報受付部が受け付けた音声情報と、格納している教師データとのアラインメントを行うアラインメント部をさらに具備し、前記基本周波数取得部は、前記アラインメント部が行ったアラインメントの結果得られた前記音声情報の母音区間の基本周波数を取得し、前記パワー情報取得部は、前記アラインメント部が行ったアラインメントの結果得られた前記音声情報の母音区間のパワー情報を取得する音声情報処理装置である。
【００１９】
かかる構成により、第一アクセントの位置またはアクセントの順位が精度高く判断できる。
【発明の効果】
【００２０】
本発明による音声情報処理装置によれば、精度高くアクセントの位置やアクセントの順位が判断できる。
【発明を実施するための最良の形態】
【００２１】
以下、音声情報処理装置等の実施形態について図面を参照して説明する。なお、実施の形態において同じ符号を付した構成要素は同様の動作を行うので、再度の説明を省略する場合がある。
（実施の形態１）
【００２２】
図１は、本実施の形態における音声情報処理装置のブロック図である。
【００２３】
音声情報処理装置は、音声情報受付部１０１、基本周波数取得部１０２、パワー情報取得部１０３、アクセント決定部１０４、処理部１０５を具備する。
【００２４】
アクセント決定部１０４は、基本周波数比較手段１０４１、パワー比較手段１０４２、アクセント位置決定手段１０４３を具備する。
【００２５】
処理部１０５は、アクセント情報格納手段１０５１、判断手段１０５２、出力手段１０５３を具備する。
【００２６】
音声情報受付部１０１は、単語または文章の音声情報を受け付ける。音声情報は、１以上の音節の集合である。音声情報受付部１０１は、マイクにより音声情報を受け付けても良いし、記録媒体から音声情報を読み出しても良いし、通信手段や放送受信手段により音声情報を受信しても良い。単語または文章の音声情報は、ユーザが単語または文章を発声して構成された音声情報である。音声情報のデータ構造は問わない。音声情報受付部１０１は、例えば、マイクとそのデバイスドライバー等で実現され得る。
【００２７】
基本周波数取得部１０２は、音声情報受付部１０１が受け付けた音声情報から基本周波数を取得する。音声情報から基本周波数を取得する技術は公知技術であるので説明を省略する。基本周波数取得部１０２は、通常、ＭＰＵやメモリ等から実現され得る。基本周波数取得部１０２の処理手順は、通常、ソフトウェアで実現され、当該ソフトウェアはＲＯＭ等の記録媒体に記録されている。但し、ハードウェア（専用回路）で実現しても良い。
【００２８】
パワー情報取得部１０３は、音声情報受付部１０１が受け付けた音声情報から当該音声情報の強さを示す情報であるパワー情報を取得する。音声情報からパワー情報を取得する技術は公知技術であるので説明を省略する。パワー情報取得部１０３は、通常、ＭＰＵやメモリ等から実現され得る。パワー情報取得部１０３の処理手順は、通常、ソフトウェアで実現され、当該ソフトウェアはＲＯＭ等の記録媒体に記録されている。但し、ハードウェア（専用回路）で実現しても良い。
【００２９】
アクセント決定部１０４は、基本周波数取得部１０２が取得した基本周波数と、パワー情報取得部１０３が取得したパワー情報を用いて、第一アクセントの位置またはアクセントの順位を決定する。アクセント決定部１０４は、通常、ＭＰＵやメモリ等から実現され得る。アクセント決定部１０４の処理手順は、通常、ソフトウェアで実現され、当該ソフトウェアはＲＯＭ等の記録媒体に記録されている。但し、ハードウェア（専用回路）で実現しても良い。
【００３０】
基本周波数比較手段１０４１は、音声情報を構成する２以上の音節の基本周波数の大小を比較する。
【００３１】
パワー比較手段１０４２は、音声情報を構成する２以上の音節のパワー情報の大小を比較する。具体的には、パワー比較手段１０４２は、基本周波数比較手段１０４１が、２以上の音節の基本周波数が略同じであると、判断した場合に、当該略同じ基本周波数である２以上の音節のパワー情報を比較することが好適である。略同じであるとは、多少、異なる場合でも同じ基本周波数であるとみなしても良いことを示す。
【００３２】
アクセント位置決定手段１０４３は、２以上の音節の基本周波数の比較結果、および当該２以上のパワー情報が示す音声の強弱の比較結果により、第一アクセントの位置またはアクセントの順位を決定する。アクセント位置決定手段１０４３は、例えば、２以上の音節の基本周波数を比較し、最も基本周波数が大きい音節を第一アクセントの音節と決定する。そして、アクセント位置決定手段１０４３は、２以上の音節の基本周波数が略同じである場合、パワー情報が示す音声の強弱の比較結果により、強い方の音節を、アクセント順位を高いものとして決定する。また、アクセント位置決定手段１０４３は、例えば、２以上の音節の基本周波数を比較し、基本周波数の大きい音節の順にアクセント順位を決定する。そして、アクセント位置決定手段１０４３は、２以上の音節の基本周波数が略同じである場合、パワー情報が示す音声の強弱の比較結果により、強い方の音節を、アクセント順位を高いものとして決定する。「基本周波数が略同じ」とは、全く同一でなくても良い、という趣旨であり、例えば、１０％の差しかない場合に、ほぼ同じである、と判断しても良い。また、音節の基本周波数とは、音節内の母音区間の最大の基本周波数の値でも良いし、音節内の母音区間の基本周波数の値の平均値でも良いし、音節内の母音区間の基本周波数の値の中央値等でも良い。また、音節の基本周波数とは、音節の区間の基本周波数の値の中央値等でも良い。また、音節のパワー情報とは、音節内の母音区間の最大のパワーの値でも良いし、音節内の母音区間のパワーの値の平均値でも良いし、音節内の母音区間のパワーの値の中央値等でも良い。また、音節のパワー情報とは、音節の区間のパワーの値の中央値等でも良い。
【００３３】
基本周波数比較手段１０４１、パワー比較手段１０４２、およびアクセント位置決定手段１０４３は、通常、ＭＰＵやメモリ等から実現され得る。基本周波数比較手段１０４１の処理手順は、通常、ソフトウェアで実現され、当該ソフトウェアはＲＯＭ等の記録媒体に記録されている。但し、ハードウェア（専用回路）で実現しても良い。
【００３４】
処理部１０５は、アクセント決定部１０４が決定した第一アクセントの位置またはアクセントの順位に応じた処理を行う。処理部１０５が行う処理は、第一アクセントの位置を示す情報を出力する処理でも良いし、第一アクセントの位置が正解であるか否かを出力する処理でも良い。また、処理部１０５が行う処理は、２以上のアクセント順位を示す情報を出力する処理でも良いし、２以上のアクセントの順位が正解であるか否かを出力する処理でも良い。処理部１０５は、通常、ＭＰＵやメモリ等から実現され得る。処理部１０５の処理手順は、通常、ソフトウェアで実現され、当該ソフトウェアはＲＯＭ等の記録媒体に記録されている。但し、ハードウェア（専用回路）で実現しても良い。
【００３５】
処理部１０５を構成するアクセント情報格納手段１０５１は、単語または文章のアクセント位置または順位に関する情報であるアクセント情報を格納している。アクセント情報のデータ構造は問わない。アクセント情報は、例えば、アクセント順位と音節の情報（音節の情報とは、例えば、音声を識別する音節ＩＤ）の対を１以上有する情報である。また、アクセント情報は、例えば、第一アクセントの位置の音節の最初の音節からの位置（オフセット）を示す情報である。アクセント情報格納手段１０５１は、不揮発性の記録媒体が好適であるが、揮発性の記録媒体でも実現可能である。
【００３６】
判断手段１０５２は、アクセント決定部１０４が決定した第一アクセントの位置または順位と、アクセント情報を用いて、音声情報受付部１０１が受け付けた音声情報におけるアクセントの位置または順位が正しいか否かを判断する。判断手段１０５２は、通常、ＭＰＵやメモリ等から実現され得る。判断手段１０５２の処理手順は、通常、ソフトウェアで実現され、当該ソフトウェアはＲＯＭ等の記録媒体に記録されている。但し、ハードウェア（専用回路）で実現しても良い。
【００３７】
出力手段１０５３は、判断手段１０５２における判断結果を出力する。出力とは、ディスプレイへの表示、プリンタへの印字、音出力、外部の装置への送信等を含む概念である。出力手段１０５３は、ディスプレイやスピーカー等の出力デバイスを含むと考えても含まないと考えても良い。出力手段１０５３は、出力デバイスのドライバーソフトまたは、出力デバイスのドライバーソフトと出力デバイス等で実現され得る。
【００３８】
次に、音声情報処理装置の動作について図２から図４のフローチャートを用いて説明する。
【００３９】
（ステップＳ２０１）音声情報受付部１０１は、単語または文章の音声情報を受け付けたか否かを判断する。音声情報を受け付ければステップＳ２０２に行き、音声情報を受け付けなければステップＳ２０３に行く。
【００４０】
（ステップＳ２０２）音声情報受付部１０１は、受け付けた音声情報を、図示しないバッファ（メモリやディスクなど）に一時蓄積する。ステップＳ２０１に戻る。
【００４１】
（ステップＳ２０３）音声情報受付部１０１は、音声情報の受け付けを終了したか否かを判断する。音声情報の受け付けを終了すればステップＳ２０４に行き、音声情報の受け付けを終了しなければステップＳ２０１に戻る。受け付けの終了時は、ユーザからの指示を、図示しない受付手段が受け付けた時でも良いし、所定時間以上、音声情報を受け付けなかった（無音区間であった）ことを判断した時でも良い。
【００４２】
（ステップＳ２０４）基本周波数取得部１０２は、ステップＳ２０２で一時蓄積された音声情報を読み出す。
【００４３】
（ステップＳ２０５）基本周波数取得部１０２は、読み出した音声情報から、音声波形データを得る。音声情報から、音声波形データを得る処理は公知技術であるので、説明を省略する。
【００４４】
（ステップＳ２０６）基本周波数取得部１０２は、ステップＳ２０５で得た音声波形データから基本周波数（Ｆ０）を抽出する。音声波形データから基本周波数（Ｆ０）を抽出する処理も公知技術であるので、説明を省略する。
【００４５】
（ステップＳ２０７）パワー情報取得部１０３は、ステップＳ２０５で得た音声波形データから音の強さを示す情報であるパワー情報を取得する。音声波形データからパワー情報を取得する処理も公知技術であるので、説明を省略する。
【００４６】
（ステップＳ２０８）アクセント決定部１０４は、基本周波数取得部１０２が取得した基本周波数と、パワー情報取得部１０３が取得したパワー情報を用いて、第一アクセントの位置または／およびアクセントの順位を決定する。アクセントの位置や順位を決定する処理の例の詳細は、図３のフローチャートを用いて説明する。
【００４７】
（ステップＳ２０９）処理部１０５は、ステップＳ２０８で決定した第一アクセントの位置や順位に応じた処理を行う。処理を終了する。
【００４８】
次に、ステップＳ２０８のアクセントの位置を決定する処理について図３のフローチャートを用いて説明する。
【００４９】
（ステップＳ３０１）アクセント決定部１０４は、音声情報の音節境界を取得する。なお、音節境界を取得する技術は公知技術であるので説明を省略する。また、音節境界を取得するアルゴリズムは問わない。
【００５０】
（ステップＳ３０２）アクセント決定部１０４は、カウンタｉに１を代入する。
【００５１】
（ステップＳ３０３）アクセント決定部１０４は、ｉ番目の音節が存在するか否かを判断する。ｉ番目の音節が存在すればステップＳ３０４に行き、ｉ番目の音節が存在しなければステップＳ３０７に行く。
【００５２】
（ステップＳ３０４）基本周波数比較手段１０４１は、基本周波数取得部１０２が得た基本周波数（Ｆ０）から、ｉ番目の音節内の母音区間の代表的な基本周波数である代表Ｆ０を取得する。代表Ｆ０は、例えば、ｉ番目の音節の区間の最大のＦ０である。また、代表Ｆ０は、例えば、ｉ番目の音節内の母音区間の平均のＦ０である。また、代表Ｆ０は、例えば、ｉ番目の音節内の母音区間のＦ０の中間値である。
【００５３】
（ステップＳ３０５）基本周波数比較手段１０４１は、ｉ番目の音節を識別するＩＤである音節ＩＤ（例えば、「ｉ」）と、代表Ｆ０の対を、メモリ等に一時格納する。
【００５４】
（ステップＳ３０６）基本周波数比較手段１０４１は、カウンタｉを１、インクリメントし、ステップＳ３０３に戻る。
【００５５】
（ステップＳ３０７）基本周波数比較手段１０４１は、代表Ｆ０をキーとして、降順に音節ＩＤをソートする。つまり、代表Ｆ０が大きい順に、音節ＩＤを得る。
【００５６】
（ステップＳ３０８）基本周波数比較手段１０４１は、略同一の代表Ｆ０が２以上存在するか否かを判断する。略同一の代表Ｆ０が２以上存在すればステップＳ３０９に行き、存在しなければ上位関数にリターンする。
【００５７】
（ステップＳ３０９）パワー比較手段１０４２は、２以上の略同一の代表Ｆ０の２以上の音節ＩＤが示す音節のパワー情報を取得する。パワー情報は、音節ＩＤが示す音節の区間の最大の音の強さでも良いし、音節ＩＤが示す音節の区間の音の強さの平均値でも良いし、音節ＩＤが示す音節の区間の音の強さの中間値でも良い。
【００５８】
（ステップＳ３１０）パワー比較手段１０４２は、パワー情報が示す音の強さが大きい順に、２以上の音節ＩＤを並び替える。以上の処理で、アクセントの順に、音節ＩＤがソートされた。上位関数にリターンする。
【００５９】
なお、図３のフローチャートにおいて、略同一の代表Ｆ０を有する音節のパワー情報のみを取得したが、全音節のパワー情報を取得しても良い。
【００６０】
また、音節のアクセントの順位を決定するアルゴリズムは、図３のフローチャートにおけるアルゴリズムに限られない。アクセント決定部１０４は、各音節の基本周波数の値と、パワーの値を用いて、アクセントの順位を決定すれば良い。アクセント決定部１０４は、例えば、音節ごとに、「ｆ（基本周波数の値，パワーの値）」を演算することにより、アクセントの評価値を得て、当該評価値が大きい順に、アクセントの順位を決定するなどの処理を行っても良い。なお、関数「ｆ」は、基本周波数の値、およびパワーの値をパラメータとする増加関数である。
【００６１】
次に、アクセントの位置に応じた処理について図４のフローチャートを用いて説明する。
【００６２】
（ステップＳ４０１）判断手段１０５２は、アクセント情報格納手段１０５１から、アクセント情報を読み出す。
【００６３】
（ステップＳ４０２）判断手段１０５２は、ステップＳ４０１で読み出したアクセント情報が有するアクセントの順位をキーとして、音節ＩＤをソートする。
【００６４】
（ステップＳ４０３）判断手段１０５２は、ソートした音節ＩＤの列と、アクセントの位置を決定する処理の結果、得られた音節ＩＤの列が同一か否かを判断する。同一であればステップＳ４０４に行き、同一でなければステップＳ４０５に行く。
【００６５】
（ステップＳ４０４）判断手段１０５２は、判断結果として、「正解」の旨の情報を得る。そして、ステップＳ４０６に行く。
【００６６】
（ステップＳ４０５）判断手段１０５２は、判断結果として、「不正解」の旨の情報を得る。
【００６７】
（ステップＳ４０６）出力手段１０５３は、判断手段１０５２における判断結果を出力する。
【００６８】
なお、図４のフローチャートにおいて、アクセントの順位に基づいてソートされた２つの音節ＩＤ列を比較したが、単語や文章を構成する音節の並び順に、アクセント順位を保持しており、かかるアクセント順位を比較して、ユーザが発声した音声のアクセントが正しいか否かを判断しても良いことは言うまでもない。かかる場合、アクセント情報格納手段１０５１のアクセント情報は、音節の順に並べられたアクセント順位の列である。
【００６９】
以下、本実施の形態における音声情報処理装置の具体的な動作について説明する。
【００７０】
図５は、アクセント情報格納手段１０５１に格納されているアクセント情報管理表である。図５のアクセント情報管理表の各レコードは、アクセント情報レコードの一例である。ここで、アクセント情報レコードは、「入力情報」と「アクセント情報」を有するレコードである。「入力情報」は、ユーザに発音してもらう単語や文章の情報である。「アクセント情報」は、音節の文字列と、アクセント順位の情報（アクセント順位列）を有する。アクセント順位の情報において、「１」が第一アクセントのある音節であることを示す。アクセント順位の情報において、「２」が第二アクセントのある音節であることを示す。
【００７１】
そして、音声情報処理装置は、図示しない手段により、アクセントのテストを開始する指示を受け付けた、とする。また、音声情報処理装置は、アクセントのテストを開始する指示を受け付けた場合、アクセント情報管理表の「入力情報」を順に読み出し、ユーザの音声入力を受け付け、アクセントの位置が正解か、不正解かを判断し、判断結果を出力するもの、とする。
【００７２】
アクセントのテストを開始する指示を受け付けた後、まず、音声情報処理装置は、アクセント情報管理表の一つ目の「入力情報」を、アクセント情報格納手段１０５１から読み出し、図６（ａ）の画面を構成し、出力する。図６（ａ）の画面は、ユーザに、「入力情報」で示される単語または文章の発声を促す画面である。
【００７３】
次に、ユーザは、画面の表示にしたがって、「ｃｏｎｄｕｃｔ」という単語を発声する、とする。
【００７４】
次に、音声情報受付部１０１は、単語「ｃｏｎｄｕｃｔ」の音声情報を受け付ける。そして、音声情報受付部１０１は、受け付けた音声情報を、図示しないバッファ（メモリやディスクなど）に一時蓄積する。そして、基本周波数取得部１０２は、一時蓄積された音声情報を読み出し、当該読み出した音声情報から、図７に示す音声波形データを得る。
【００７５】
次に、基本周波数取得部１０２は、音声波形データに対して、特徴分析を行い、基本周波数（Ｆ０）を抽出する。抽出したＦ０が図８（ａ）である。
【００７６】
また、パワー情報取得部１０３は、図７の音声波形データから音の強さを示す情報であるパワー情報を取得する。得たパワー情報が図８（ｂ）である。
【００７７】
次に、アクセント決定部１０４は、基本周波数取得部１０２が取得した基本周波数と、パワー情報取得部１０３が取得したパワー情報を用いて、以下の処理により、アクセントの位置を決定する。
【００７８】
まず、アクセント決定部１０４は、音声情報の音節境界または音素境界を取得する。
【００７９】
次に、基本周波数比較手段１０４１は、１番目の音節の基本周波数の代表Ｆ０（ここで、代表Ｆ０は、例えば、音節内の母音区間の基本周波数の中央値である「１８３Ｈｚ」）を取得する。そして、基本周波数比較手段１０４１は、１番目の音節を識別するＩＤである音節ＩＤと、代表Ｆ０の対（１，１８３）を、メモリ等に一時格納する。
【００８０】
次に、基本周波数比較手段１０４１は、２番目の音節の基本周波数の代表Ｆ０「１４８Ｈｚ」を取得する。そして、基本周波数比較手段１０４１は、２番目の音節を識別するＩＤである音節ＩＤと、代表Ｆ０の対（２，１４８）を、メモリ等に一時格納する。
【００８１】
次に、基本周波数比較手段１０４１は、代表Ｆ０をキーとして、降順に音節ＩＤをソートし、「１，２」を得る。なお、上記において、音節の基本周波数の代表Ｆ０を音節内の母音区間の基本周波数の中央値としたが、音節内の母音区間の基本周波数の最大値などでも良い。
【００８２】
次に、基本周波数比較手段１０４１は、略同一の代表Ｆ０が２以上存在するか否かを判断する。略同一の代表Ｆ０が２以上存在しないので、最終的な音節ＩＤ列を「１，２」と決定する。
【００８３】
次に、判断手段１０５２は、図５のアクセント情報管理表から、入力情報「ｃｏｎｄｕｃｔ」に対応するアクセント情報「１，２」を読み出す。そして、判断手段１０５２は、読み出したアクセント情報が有するアクセントの順位の情報を用いて、音節ＩＤ列「１，２」を得る。アクセント情報「１，２」は、音節ＩＤ「１」のアクセント順位が「１」、音節ＩＤ「２」のアクセント順位が「２」であることを示す。
【００８４】
そして、判断手段１０５２は、ソートした音節ＩＤの列と、アクセントの位置を決定する処理の結果、得られた音節ＩＤの列が同一か否かを判断する。ここで、音節ＩＤ列「１，２」は、アクセント情報「１，２」から得られる音節ＩＤ列「１，２」と同一である。
ので、判断手段１０５２は、判断結果として、「正解」の旨の情報を得る。
【００８５】
次に、処理部１０５の出力手段１０５３は、判断結果を出力する。図６（ｂ）が、その出力結果の例である。
【００８６】
次に、同様に、音声情報処理装置は、アクセント情報管理表の二つ目の入力情報「ｃｏｎｃｅｎｔｒａｔｅ」を、アクセント情報格納手段１０５１から読み出し、画面を構成し、出力する。そして、ユーザは、単語「ｃｏｎｃｅｎｔｒａｔｅ」を発声し、上記と同様に、音声情報処理装置は、処理する。
【００８７】
次に、音声情報処理装置は、アクセント情報管理表の三つ目の入力情報「Ａ ｗｉｎｄｏｗ ｓｅａｔ，ｐｌｅａｓｅ」を、アクセント情報格納手段１０５１から読み出し、画面を構成し、出力する。そして、ユーザは、画面の表示にしたがって、「Ａ ｗｉｎｄｏｗ ｓｅａｔ，ｐｌｅａｓｅ」という文章を発声する、とする。
【００８８】
次に、音声情報受付部１０１は、文章「Ａ ｗｉｎｄｏｗ ｓｅａｔ，ｐｌｅａｓｅ」の音声情報を受け付ける。そして、音声情報受付部１０１は、受け付けた音声情報を、図示しないバッファ（メモリやディスクなど）に一時蓄積する。そして、基本周波数取得部１０２は、一時蓄積された音声情報を読み出し、当該読み出した音声情報から、音声波形データを得る。
【００８９】
次に、基本周波数取得部１０２は、音声波形データに対して、特徴分析を行い、基本周波数（Ｆ０）を抽出する。抽出したＦ０が、例えば、図９（ａ）である。
【００９０】
また、パワー情報取得部１０３は、音声波形データから音の強さを示す情報であるパワー情報を取得する。得たパワー情報が図９（ｂ）である。
【００９１】
次に、アクセント決定部１０４は、基本周波数取得部１０２が取得した基本周波数と、パワー情報取得部１０３が取得したパワー情報を用いて、以下の処理により、アクセントの位置を決定する。
【００９２】
まず、アクセント決定部１０４は、音声情報の音節境界を取得する。音節境界は、図９（ａ）の９１である。
【００９３】
次に、基本周波数比較手段１０４１は、１番目から５番目の音節内の母音の基本周波数の最大値である代表Ｆ０を取得する。そして、基本周波数比較手段１０４１は、１番目から５番目の音節を識別するＩＤである音節ＩＤと、代表Ｆ０の対を、メモリ等に一時格納し、図１０に示す情報を得る。
【００９４】
次に、基本周波数比較手段１０４１は、代表Ｆ０をキーとして、降順に音節ＩＤをソートし、音節ＩＤ列「２，４，１，３，５」を得る。
【００９５】
次に、基本周波数比較手段１０４１は、略同一の代表Ｆ０が２以上存在するか否かを判断する。ここで、同一の代表Ｆ０が存在するので、アクセント順位を決定する場合に、パワー情報を用いる。
【００９６】
具体的には、パワー比較手段１０４２は、同一の代表Ｆ０「３９０」の２つの音節ＩＤ「２」「４」が示す音節のパワー情報を取得する。ここで、パワー比較手段１０４２は、音節ＩＤ「２」が示す音節のパワー情報「７８」、音節ＩＤ「４」が示す音節のパワー情報「７０」と取得した、とする。
【００９７】
次に、パワー比較手段１０４２は、パワー情報が示す音の強さが大きい順に、２つの音節ＩＤを並び替え、音節ＩＤ列「２，４，１，３，５」を得る。
【００９８】
また、パワー比較手段１０４２は、同一の代表Ｆ０「３８２」の２つの音節ＩＤ「１」「３」が示す音節のパワー情報を取得する。ここで、パワー比較手段１０４２は、音節ＩＤ「１」が示す音節のパワー情報「６５」、音節ＩＤ「３」が示す音節のパワー情報「７０」と取得した、とする。
【００９９】
次に、パワー比較手段１０４２は、パワー情報が示す音の強さが大きい順に、２つの音節ＩＤを並び替え、音節ＩＤ列「２，４，３，１，５」を得る。この音節ＩＤ列「２，４，３，１，５」が、ユーザが発声した文章における、最終的なアクセント順位を示す音節ＩＤ列である。
【０１００】
次に、判断手段１０５２は、図５のアクセント情報管理表から、入力情報「Ａ ｗｉｎｄｏｗ ｓｅａｔ，ｐｌｅａｓｅ」に対応するアクセント情報「５，１，３，４，２」を読み出す。そして、判断手段１０５２は、アクセント情報「５，１，３，４，２」から、音節ＩＤ列「２，５，３，４，１」を得る。そして、判断手段１０５２は、音節ＩＤ列「２，５，３，４，１」と、ユーザの音声情報から取得した音節ＩＤ列「２，４，３，１，５」とを比較する。２つの音節ＩＤ列は同じではないので、判断手段１０５２は、判断結果として、「不正解」の旨の情報を得る。
【０１０１】
次に、処理部１０５の出力手段１０５３は、判断結果「不正解」を出力する。
【０１０２】
以上、本実施の形態によれば、第一アクセントの位置をはじめ、２以上の音節のアクセント順位が精度高く判断できる。また、本実施の形態によれば、３以上の音節のアクセントの順位を取得できる。したがって、単語だけではなく、文章中のアクセント順位が精度高く判断できる。つまり、ユーザは、単語のアクセントだけではなく、文章の抑揚を正しく行うように訓練できる。
【０１０３】
また、本実施の形態によれば、ユーザが発声した音声に対して、アクセント位置や順位が正しいか否かを判断し、判断結果（正しい／正しくない）を出力するので、正しいアクセントで発音されているか否かが、学習者に分かりやすい。
【０１０４】
なお、本実施の形態の具体例によれば、２以上の音節の代表Ｆ０が略同じ場合のみ、当該代表Ｆ０が略同じ２以上の音節のパワー情報を用いて、アクセント位置、アクセント順位を判断した。しかし、代表Ｆ０とパワー情報の両方をパラメータとする関数により、演算を行い、当該演算結果により２以上の音節のアクセント位置、アクセント順位を判断しても良い。さらに、具体的には、２以上の音節のパワー情報が示す音の強弱が略同じ場合のみ、当該パワー情報が略同じ２以上の音節の代表Ｆ０を用いて、アクセント位置、アクセント順位を判断しても良い。また、かかる関数は、通常、代表Ｆ０が大きいほど、アクセント順位が上がり、パワー情報が大きいほど、アクセント順位が上がるという、代表Ｆ０とパワー情報の両方をパラメータとする増加関数である。
【０１０５】
また、本実施の形態によれば、音節境界を求めてから各音節の基本周波数やパワー情報を取得した。しかし、実施の形態２で述べるように、教師データと音声情報とのアラインメント（通常、フォーストアラインメント）を行い、母音区間を特定し、母音区間内での各フレームの代表基本周波数や代表パワー情報を、それぞれ基本周波数やパワー情報として取得しても良い。代表基本周波数とは、例えば、母音区間内での各フレームの基本周波数の中央値や平均値などである。また、代表パワー情報とは、例えば、母音区間内での各フレームのパワー情報の中央値や平均値などである。
【０１０６】
また、本実施の形態において、実施の形態２で述べるアラインメント処理を行っても良いことは言うまでもない。
【０１０７】
さらに、本実施の形態における処理は、ソフトウェアで実現しても良い。そして、このソフトウェアをソフトウェアダウンロード等により配布しても良い。また、このソフトウェアをＣＤ−ＲＯＭなどの記録媒体に記録して流布しても良い。なお、このことは、本明細書における他の実施の形態においても該当する。なお、本実施の形態における音声情報処理装置を実現するソフトウェアは、以下のようなプログラムである。つまり、このプログラムは、コンピュータに、単語または文章の音声情報であり、１以上の音節の集合である音声情報を受け付ける音声情報受付ステップと、前記音声情報受付ステップで受け付けた音声情報から基本周波数を取得する基本周波数取得ステップと、前記音声情報受付ステップで受け付けた音声情報から当該音声情報の強さを示す情報であるパワー情報を取得するパワー情報取得ステップと、前記基本周波数取得ステップで取得した基本周波数と、前記パワー情報取得ステップで取得したパワー情報を用いて、第一アクセントの位置またはアクセントの順位を決定するアクセント決定ステップと、前記アクセント決定ステップで決定した第一アクセントの位置またはアクセントの順位に応じた処理を行う処理ステップを実行させるためのプログラム、である。
【０１０８】
また、上記プログラムにおいて、前記アクセント決定ステップは、前記音声情報を構成する２以上の音節の基本周波数の大小を比較する基本周波数比較ステップと、前記基本周波数比較ステップで、前記２以上の音節の基本周波数が略同じであると判断した場合に、少なくとも当該略同じ基本周波数である２以上の音節のパワー情報を比較するパワー比較ステップと、前記２以上の音節の基本周波数の比較結果、および当該２以上のパワー情報が示す音声の強弱の比較結果により、第一アクセントの位置またはアクセントの順位を決定するアクセント位置決定ステップを具備することは好適である。
【０１０９】
また、上記プログラムにおいて、前記アクセント決定ステップは、前記音声情報を構成する２以上の音節のパワー情報が示すパワーの大小を比較するパワー比較ステップと、前記パワー比較ステップで、前記２以上の音節のパワー情報が略同じであると判断した場合に、少なくとも当該略同じパワー情報である２以上の音節の基本周波数の大小を比較する基本周波数比較ステップと、前記２以上の音節のパワー情報が示す音声の強弱の比較結果、および当該２以上の基本周波数の比較結果により、第一アクセントの位置またはアクセントの順位を決定するアクセント位置決定ステップを具備することは好適である。
【０１１０】
また、上記プログラムにおいて、前記処理ステップは、前記アクセント決定ステップで決定した第一アクセントの位置または順位と、格納しているアクセント情報を用いて、前記音声情報受付ステップで受け付けた音声情報における第一アクセントの位置または順位が正しいか否かを判断する判断ステップと、前記判断ステップにおける判断結果を出力する出力ステップを具備することは好適である。
（実施の形態２）
【０１１１】
本実施の形態において、教師データを保持しており、当該教師データを用いて、アクセント位置の正誤等を出力する音声情報処理装置について説明する。
【０１１２】
図１１は、本実施の形態における音声情報処理装置のブロック図である。
【０１１３】
音声情報処理装置は、音声情報受付部１０１、アラインメント部１１０１、基本周波数取得部１１０２、パワー情報取得部１１０３、アクセント決定部１１０４、処理部１１０５を具備する。
【０１１４】
処理部１１０５は、教師データ格納手段１１０５１、判断手段１１０５２、出力手段１０５３を具備する。
【０１１５】
アラインメント部１１０１は、音声情報受付部１０１が受け付けた音声情報と、格納している教師データとのアラインメントを行う。教師データは、教師データ格納手段１１０５１におけるデータであって、音声情報と同じ音韻のデータである。ここで、アラインメントとは、通常、フォーストアラインメント（フォースアラインメントともいう）である。フォーストアラインメントは、強制的に、音声情報が有する音韻と、教師データが有する音韻を対応付ける処理であり、公知技術である。
【０１１６】
基本周波数取得部１１０２は、アラインメント部１１０１が行ったアラインメントの結果得られた音声情報の母音区間の基本周波数を取得する。基本周波数取得部１１０２は、アラインメント部１１０１におけるアラインメントの結果、母音区間の１以上のフレームを得ることができる。基本周波数取得部１１０２が基本周波数を取得する処理は、基本周波数取得部１０２の処理と同様である。基本周波数取得部１１０２は、通常、ＭＰＵやメモリ等から実現され得る。基本周波数取得部１１０２の処理手順は、通常、ソフトウェアで実現され、当該ソフトウェアはＲＯＭ等の記録媒体に記録されている。但し、ハードウェア（専用回路）で実現しても良い。
【０１１７】
パワー情報取得部１１０３は、アラインメント部１１０１が行ったアラインメントの結果得られた音声情報の母音区間のパワー情報を取得する。パワー情報取得部１１０３は、アラインメント部１１０１におけるアラインメントの結果、母音区間の１以上のフレームを得ることができる。パワー情報取得部１１０３がパワー情報を取得する処理は、パワー情報取得部１０３の処理と同様である。パワー情報取得部１１０３は、通常、ＭＰＵやメモリ等から実現され得る。パワー情報取得部１１０３の処理手順は、通常、ソフトウェアで実現され、当該ソフトウェアはＲＯＭ等の記録媒体に記録されている。但し、ハードウェア（専用回路）で実現しても良い。
【０１１８】
アクセント決定部１１０４は、基本周波数取得部１１０２が取得した基本周波数と、パワー情報取得部１１０３が取得したパワー情報を用いて、第一アクセントの位置またはアクセントの順位を決定する。ここでは、例えば、アクセント決定部１１０４は、母音区間ごとに、母音区間のスコアを算出し、スコアの高い順にアクセント順位を決定する。さらに、具体的には、例えば、アクセント決定部１１０４は、スコアを算出する演算式であり、基本周波数取得部１１０２が取得した基本周波数とパワー情報取得部１１０３が取得したパワー情報をパラメータとする増加関数の情報を格納している。そして、かかる増加関数の情報を読み出し、基本周波数とパワー情報を用いて、母音区間のスコアを算出する。
【０１１９】
処理部１１０５は、アクセント決定部１１０４が決定したアクセントの位置またはアクセントの順位に応じた処理を行う。処理部１１０５は、通常、ＭＰＵやメモリ等から実現され得る。処理部１１０５の処理手順は、通常、ソフトウェアで実現され、当該ソフトウェアはＲＯＭ等の記録媒体に記録されている。但し、ハードウェア（専用回路）で実現しても良い。
【０１２０】
教師データ格納手段１１０５１は、アクセント位置または順位が正しいか否かを判断するための比較対象の音声情報である教師データを格納している。教師データ格納手段１１０５１は、不揮発性の記録媒体が好適であるが、揮発性の記録媒体でも実現可能である。不揮発性の記録媒体でも、揮発性の記録媒体でも良い。
【０１２１】
判断手段１１０５２は、アクセント決定部１１０４が決定したアクセントの位置または順位と、教師データ格納手段１１０５１の教師データを用いて、音声情報受付部１０１が受け付けた音声情報におけるアクセントの位置または順位が正しいか否かを判断する。判断手段１１０５２は、さらに具体的には、例えば、以下の処理を行う。判断手段１１０５２は、教師データの音節境界を取得し、音節ごとに、基本周波数とパワー情報を取得する。そして、判断手段１１０５２は、音節ごとの基本周波数とパワー情報から、教師データの音節のアクセント順位を決定する。そして、判断手段１１０５２は、メモリ上、または、教師データ格納手段１１０５１等に、音節を識別する情報と、アクセント順位を示す情報を対にして蓄積する。そして、アクセント決定部１１０４が決定したアクセントの位置または順位の情報と、教師データのアクセント順位を示す情報から、音声情報受付部１０１が受け付けた音声情報におけるアクセントの位置または順位が正しいか否かを判断する。なお、音声情報である教師データから、教師データの音節のアクセント順位を決定した後の処理は、実施の形態１で説明した処理と同様である。また、教師データの音節のアクセント順位を決定する処理は、実施の形態１で説明した処理であり、音声情報受付部１０１が受け付けた音声情報のアクセント順位を決定する処理と同様であるので、詳細な説明は省略する。
【０１２２】
判断手段１１０５２は、通常、ＭＰＵやメモリ等から実現され得る。判断手段１１０５２の処理手順は、通常、ソフトウェアで実現され、当該ソフトウェアはＲＯＭ等の記録媒体に記録されている。但し、ハードウェア（専用回路）で実現しても良い。
【０１２３】
次に、本音声情報処理装置の動作について、図１２から図１４のフローチャートを用いて説明する。図１２において、図２と同一のステップについて、説明を省略する。
【０１２４】
（ステップＳ１２０１）アラインメント部１１０１は、教師データ格納手段１１０５１の教師データであり、音声情報受付部１０１が受け付けた音声情報に対応する教師データを読み出す。
【０１２５】
（ステップＳ１２０２）アラインメント部１１０１は、音声情報と教師データとのアラインメントを行う。
【０１２６】
（ステップＳ１２０３）アクセント決定部１１０４は、予め記録媒体（図示しない）に格納されているスコアを決定する演算式の情報を読み出す。
【０１２７】
（ステップＳ１２０４）アクセント決定部１１０４は、平均・分散算出処理を行う。平均・分散算出処理とは、音声情報の母音区間の全フレームにおける対数基本周波数の平均値「Ｅ（Ｆ０）」、対数基本周波数の分散値「Ｖ（Ｆ０）」、および音声情報の母音区間の全フレームにおける対数パワーの平均値「Ｅ（Ｐ）」、対数パワーの分散値「Ｖ（Ｐ）」を算出する処理である。平均・分散算出処理について、図１３のフローチャートを用いて説明する。
【０１２８】
（ステップＳ１２０５）アクセント決定部１１０４は、カウンタｉに、１を代入する。
【０１２９】
（ステップＳ１２０６）アクセント決定部１１０４は、ステップＳ１２０２でのアラインメント結果を用いて、ｉ番目の母音区間が存在するか否か、判断する。ｉ番目の母音区間が存在すればステップＳ１２０７に行き、ｉ番目の母音区間が存在しなければステップＳ１２１０に行く。
【０１３０】
（ステップＳ１２０７）アクセント決定部１１０４は、ｉ番目の母音区間のスコアを算出する。スコア算出の詳細は、図１４のフローチャートを用いて後述する。
【０１３１】
（ステップＳ１２０８）アクセント決定部１１０４は、ｉ番目の母音区間とステップＳ１２０７で算出したスコアを対応付けて、メモリに一時格納する。
【０１３２】
（ステップＳ１２０９）アクセント決定部１１０４は、カウンタｉを１、インクリメントし、ステップＳ１２０６に戻る。
【０１３３】
（ステップＳ１２１０）アクセント決定部１１０４は、ステップＳ１２０７で算出した各母音区間のスコアを用いて、アクセント順位を決定する。アクセント決定部１１０４は、例えば、スコアの順に降順に母音区間の情報をソートし、上位からアクセント順位「１」として、アクセント順位を決定する。アクセント決定部１１０４は、アクセント順位と母音区間を識別する情報を対にして、メモリ上に一時格納する。
【０１３４】
（ステップＳ１２１１）処理部１１０５は、ステップＳ１２１０で得たアクセント順位に基づいた処理を行う。具体的には、例えば、処理部１１０５は、母音区間の上側にアクセント順位を記載した単語をディスプレイに表示し、処理を終了する。
【０１３５】
次に、ステップＳ１２０４の平均・分散算出処理について図１３を用いて説明する。
【０１３６】
（ステップＳ１３０１）アクセント決定部１１０４は、カウンタｊに１を代入する。
【０１３７】
（ステップＳ１３０２）アクセント決定部１１０４は、母音区間において、ｊ番目のフレームが存在するか否かを判断する。ｊ番目のフレームが存在すればステップＳ１３０３に行き、ｊ番目のフレームが存在しなければステップＳ１３０７に行く。なお、アクセント決定部１１０４は、通常、まず、ｊ番目のフレームが母音区間内のフレームか否かを判断し、子音の区間であれば、母音の区間のフレームを検知するまでフレームを進める。既にアラインメントを行っているので、アクセント決定部１１０４は、フレームが母音の区間のフレームか否かの判断は可能である。
【０１３８】
（ステップＳ１３０３）アクセント決定部１１０４は、ｊ番目のフレームにおける対数基本周波数（Ｆ０（ｔ））を算出する。なお、ｔは、音声情報の全区間に対して、第１フレームから数え上げたフレーム番号である。また、ｊは、音声情報のうち、母音区間に対して、第１フレームから数え上げたフレーム番号である。
【０１３９】
（ステップＳ１３０４）アクセント決定部１１０４は、ｊ番目のフレームにおける対数パワー（Ｐ（ｔ））を算出する。
【０１４０】
（ステップＳ１３０５）アクセント決定部１１０４は、ステップＳ１３０３、およびステップＳ１３０４で算出した対数基本周波数（Ｆ０（ｔ））、対数パワー（Ｐ（ｔ））を、フレームを識別する情報（例えば、「ｊ」）と対応付けて、メモリ上に一時格納する。
【０１４１】
（ステップＳ１３０６）アクセント決定部１１０４は、カウンタｊを１、インクリメントし、ステップＳ１３０２に戻る。
【０１４２】
（ステップＳ１３０７）アクセント決定部１１０４は、一時格納した母音区間の全フレームの対数基本周波数の情報を読み出し、対数基本周波数の平均値（Ｅ（Ｆ０））、分散値（Ｖ（Ｆ０））を算出する。
【０１４３】
（ステップＳ１３０８）アクセント決定部１１０４は、一時格納した母音区間の全フレームの対数パワーの情報を読み出し、対数パワーの平均値（Ｅ（Ｐ））、分散値（Ｖ（Ｐ））を算出する。
【０１４４】
（ステップＳ１３０９）アクセント決定部１１０４は、ステップＳ１３０７、ステップＳ１３０８で算出した、対数基本周波数の平均値（Ｅ（Ｆ０））、分散値（Ｖ（Ｆ０））、および対数パワーの平均値（Ｅ（Ｐ））、分散値（Ｖ（Ｐ））を、メモリ上に一時格納し、上位関数にリターンする。
【０１４５】
次に、ステップＳ１２０７のスコアを算出する動作について図１４を用いて説明する。
【０１４６】
（ステップＳ１４０１）アクセント決定部１１０４は、カウンタｊに１を代入する。
【０１４７】
（ステップＳ１４０２）アクセント決定部１１０４は、処理対象の母音区間に、ｊ番目のフレームが存在するか否かを判断する。ｊ番目のフレームが存在すればステップＳ１４０３に行き、ｊ番目のフレームが存在しなければステップＳ１４１０に行く。
【０１４８】
（ステップＳ１４０３）アクセント決定部１１０４は、ｊ番目のフレームにおける対数基本周波数（Ｆ０（ｔ））を読み出す。
【０１４９】
（ステップＳ１４０４）アクセント決定部１１０４は、ｊ番目のフレームにおける対数パワー（Ｐ（ｔ））を読み出す。
【０１５０】
（ステップＳ１４０５）アクセント決定部１１０４は、対数基本周波数の平均値（Ｅ（Ｆ０））、分散値（Ｖ（Ｆ０））、対数パワーの平均値（Ｅ（Ｐ））、分散値（Ｖ（Ｐ））を読み出す。
【０１５１】
（ステップＳ１４０６）アクセント決定部１１０４は、ｊ番目のフレームの対数基本周波数の偏差値（Ｘ１（ｔ））を算出し、メモリ上に一時格納する。
【０１５２】
（ステップＳ１４０７）アクセント決定部１１０４は、ｊ番目のフレームの対数パワーの偏差値（Ｘ２（ｔ））を算出し、メモリ上に一時格納する。
【０１５３】
（ステップＳ１４０８）アクセント決定部１１０４は、偏差値（Ｘ１（ｔ））、偏差値（Ｘ２（ｔ））を用いて、ｊ番目のフレームのスコアを算出し、メモリ上に一時格納する。このスコアを算出する算出式は、偏差値（Ｘ１（ｔ））、偏差値（Ｘ２（ｔ））をパラメータとする増加関数である。
【０１５４】
（ステップＳ１４０９）アクセント決定部１１０４は、カウンタｊを１、インクリメントし、ステップＳ１４０２に戻る。
【０１５５】
（ステップＳ１４１０）アクセント決定部１１０４は、処理対象の母音区間の全スコア（ステップＳ１４０８で一時格納）を読み出し、当該全スコアからスコアの代表値を算出する。スコアの代表値とは、例えば、全スコアの中央値や、平均値や、最大値などである。
【０１５６】
なお、図１３、図１４のフローチャート等において、何らかの値を算出する処理において、算出式の情報は、図示しない記録媒体に格納されており、アクセント決定部１１０４は、当該算出式の情報を読み込んで、パラメータを算出式に代入し、当該算出式を実行し、結果を得る。
【０１５７】
また、アクセント決定部１１０４は、例えば、数式１に示す算出式で、スコアを算出する。数式１において、ｆα（ｔ）は、ｔ番目音声分析フレームにおけるスコアである。「α」は、「０＜＝α＜＝１」を満たす実数であり、スコア算出の際の、基本周波数と、パワーの重みを示す。また、「Ｘ１（ｔ）」および「Ｘ２（ｔ）」はそれぞれ、ｔ番目音声分析フレームにおける対数基本周波数および対数パワーの偏差値である。「Ｘ１（ｔ）」および「Ｘ２（ｔ）」は、数式２で示される。
【０１５８】
数式２において、「Ｅ（Ｆ０）」および「Ｖ（Ｆ０）」はそれぞれ，すべての母音区間における（または、アクセント順位に寄与すると認められるすべての区間における）対数基本周波数の平均値・分散を示す。また、「Ｅ（Ｐ）」および「Ｖ（Ｐ）」は、対数パワーの平均値・分散を示す。数式２において、図１５に示すように、母音区間のフレームから、「Ｅ（Ｆ０）」、「Ｖ（Ｆ０）」、「Ｅ（Ｐ）」および「Ｖ（Ｐ）」を算出する。
【０１５９】
数式３において、νを処理対象の母音区間に対応するフレーム番号の集合、｜ν｜その要素数、Τを入力発話全区間に対するフレーム総数、および「ｌ」を引数の命題が真である場合に１、偽である場合に０を返す定義関数である。
【数１】
【数２】
【数３】
【０１６０】
また、アクセント決定部１１０４は、各々の母音区間においてｆα（ｔ）の代表値を求め、それに基づいてアクセント順位付けを行なう。ｆα（ｔ）の代表値とは、例えば、１以上の各フレームのｆα（ｔ）の平均値や、ｆα（ｔ）の中央値などである。ｆα（ｔ）の平均値や、ｆα（ｔ）の中央値を算出する技術は公知技術であるので説明を省略する。
【０１６１】
また、数式１によれば、ｆα（ｔ）は，α＝１の場合においては、基本周波数のみでの順位付けに、α＝０の場合においては、パワーのみでの順位付けに対応する。αが１より小さいが１に近い値の場合、基本的に基本周波数の値に基づいて順位付けが行なわれるが，２以上の基本周波数の値がほぼ同じである場合、それらについてはパワー情報に基づいて順位付けが行なわれる。逆に、αが０より大きいが０に近い値の場合、基本的にパワー情報に基づいて順位付けが行なわれるが，２以上のパワー値がほぼ同じである場合，それらについては基本周波数に基づいて順位付けが行なわれる。
【０１６２】
以上、本実施の形態によれば、第一アクセントの位置をはじめ、２以上の音節のアクセント順位が精度高く判断できる。また、本実施の形態によれば、３以上の音節のアクセントの順位を取得できる。したがって、単語だけではなく、文章中のアクセント順位が精度高く判断できる。つまり、ユーザは、単語のアクセントだけではなく、文章の抑揚を正しく行うように訓練できる。また、学習者は、例えば、ネイティブ話者が発声した音声をそのまま利用して、第一アクセントの位置またはアクセントの順位が容易に学習できる。
【０１６３】
また、本実施の形態によれば、アラインメントを行ってから母音区間の基本周波数、パワーから、アクセント順位を決定するので、アクセント順位決定の精度が極めて高くなる。
【０１６４】
さらに、本実施の形態における音声情報処理装置を実現するソフトウェアは、以下のようなプログラムである。つまり、このプログラムは、コンピュータに、単語または文章の音声情報であり、１以上の音節の集合である音声情報を受け付ける音声情報受付ステップと、前記音声情報受付ステップで受け付けた音声情報から基本周波数を取得する基本周波数取得ステップと、前記音声情報受付ステップで受け付けた音声情報から当該音声情報の強さを示す情報であるパワー情報を取得するパワー情報取得ステップと、前記基本周波数取得ステップで取得した基本周波数と、前記パワー情報取得ステップで取得したパワー情報を用いて、第一アクセントの位置またはアクセントの順位を決定するアクセント決定ステップと、前記アクセント決定ステップで決定した第一アクセントの位置またはアクセントの順位に応じた処理を行う処理ステップを実行させるためのプログラム、である。
【０１６５】
また、上記プログラムにおいて、前記アクセント決定ステップは、前記音声情報を構成する２以上の音節の基本周波数の大小を比較する基本周波数比較ステップと、前記基本周波数比較ステップで、前記２以上の音節の基本周波数が略同じであると判断した場合に、少なくとも当該略同じ基本周波数である２以上の音節のパワー情報を比較するパワー比較ステップと、前記２以上の音節の基本周波数の比較結果、および当該２以上のパワー情報が示す音声の強弱の比較結果により、第一アクセントの位置またはアクセントの順位を決定するアクセント位置決定ステップを具備することは好適である。
【０１６６】
また、上記プログラムにおいて、前記アクセント決定ステップは、前記音声情報を構成する２以上の音節のパワー情報が示すパワーの大小を比較するパワー比較ステップと、前記パワー比較ステップで、前記２以上の音節のパワー情報が略同じであると判断した場合に、少なくとも当該略同じパワー情報である２以上の音節の基本周波数の大小を比較する基本周波数比較ステップと、前記２以上の音節のパワー情報が示す音声の強弱の比較結果、および当該２以上の基本周波数の比較結果により、第一アクセントの位置またはアクセントの順位を決定するアクセント位置決定ステップを具備することは好適である。
【０１６７】
また、上記プログラムにおいて、前記処理ステップは、前記アクセント決定ステップで決定した第一アクセントの位置または順位と、格納している教師データを用いて、前記音声情報受付ステップで受け付けた音声情報における第一アクセントの位置または順位が正しいか否かを判断する判断ステップと、前記判断ステップにおける判断結果を出力する出力ステップを具備することは好適である。
【０１６８】
また、上記プログラムにおいて、コンピュータに、前記音声情報受付部が受け付けた音声情報と、格納している教師データとのアラインメントを行うアラインメントステップをさらに実行させ、前記基本周波数取得ステップにおいて、前記アラインメント部が行ったアラインメントの結果得られた前記音声情報の母音区間の基本周波数を取得し、前記パワー情報取得ステップにおいて、前記アラインメント部が行ったアラインメントの結果得られた前記音声情報の母音区間のパワー情報を取得することは好適である。
（実施の形態３）
【０１６９】
本実施の形態において、アクセントのスコアを算出したり、アクセントの正誤を判断したりする場合に、音節または母音区間に対する重み付けについての情報である重み情報を利用する音声情報処理装置について説明する。
【０１７０】
図１６は、本実施の形態における音声情報処理装置のブロック図である。
【０１７１】
音声情報処理装置は、音声情報受付部１０１、アラインメント部１１０１、基本周波数取得部１１０２、パワー情報取得部１１０３、アクセント決定部１１０４、処理部１６０５を具備する。
【０１７２】
処理部１６０５は、教師データ格納手段１１０５１、アクセント情報格納手段１６０５１、判断手段１６０５２、出力手段１０５３を具備する。
【０１７３】
処理部１６０５を構成するアクセント情報格納手段１６０５１は、単語または文章のアクセント位置またはアクセント順位に関する情報であるアクセント情報を格納している。ここでのアクセント情報は、音節または母音区間のアクセントに影響を及ぼす度合いを示す重み情報を含む。重み情報は、アクセントの正誤を判断したり、アクセントのスコアを算出したりする場合に使用される。アクセント情報は、例えば、アクセント順位と、音節の情報（音節の情報とは、例えば、音声を識別する音節ＩＤ）と、重み付けの情報である重み情報の組を１以上有する情報である。アクセント情報のデータ構造は問わない。アクセント情報格納手段１０５１は、不揮発性の記録媒体が好適であるが、揮発性の記録媒体でも実現可能である。
【０１７４】
判断手段１６０５２は、アクセント決定部１１０４が決定した第一アクセントの位置または順位と、アクセント情報を用いて、音声情報受付部１０１が受け付けた音声情報におけるアクセントの位置または順位が正しいか否かを判断したり、アクセントの良し悪しを示すスコアを算出したりする。判断手段１６０５２は、アクセント情報が有する重み情報を用いて、アクセントの位置または順位が正しいか否かを判断したり、アクセントの良し悪しを示すスコアを算出したりする。判断手段１０５２は、通常、ＭＰＵやメモリ等から実現され得る。判断手段１０５２の処理手順は、通常、ソフトウェアで実現され、当該ソフトウェアはＲＯＭ等の記録媒体に記録されている。但し、ハードウェア（専用回路）で実現しても良い。
【０１７５】
次に、本音声情報処理装置の動作について、説明する。本音声情報処理装置の動作は、実施の形態２の音声情報処理装置の動作と比較して、ステップＳ１２１１の処理部１１０５の処理のみが異なる。以下、本音声情報処理装置のアクセント順位に基づいた処理について、図１７のフローチャートを用いて説明する。なお、本音声情報処理装置の動作において、図１２のステップＳ１２０１からステップＳ１２１０までのステップは実行される。
【０１７６】
（ステップＳ１７０１）判断手段１６０５２は、初期化処理を行う。初期化処理とは、カウンタｉに１を代入し、変数「スコア」に０を代入する処理である。変数「スコア」は、ユーザのアクセントの確かさを示すスコアを格納する変数である。
【０１７７】
（ステップＳ１７０２）判断手段１６０５２は、ユーザが発声した音声情報において、ｉ番目の音節が存在するか否かを判断する。ｉ番目の音節が存在すればステップＳ１７０３に行き、ｉ番目の音節が存在しなければステップＳ１７０８に行く。
【０１７８】
（ステップＳ１７０３）判断手段１６０５２は、アクセント情報格納手段１６０５１からｉ番目の音節のアクセント情報を読み出す。
【０１７９】
（ステップＳ１７０４）判断手段１６０５２は、ステップＳ１２１０で決定したアクセント順位であり、ｉ番目の音節のアクセント順位を読み出す。なお、このアクセント順位に関する情報は、メモリ上に一時格納されている。また、音節のアクセント順位は、当該音節に対応する母音区間のアクセント順位と同じである。
【０１８０】
（ステップＳ１７０５）判断手段１６０５２は、ステップＳ１７０３で読み出したアクセント情報が有する、ｉ番目の音節の正解のアクセント順位を取得し、当該正解のアクセント順位と、ステップＳ１７０４で読み出したユーザの解答のアクセント順位を比較し、合致するか否かを判断する。両アクセント順位が合致すればステップＳ１７０６に行き、合致しなければステップＳ１７０７に行く。
【０１８１】
（ステップＳ１７０６）判断手段１６０５２は、ステップＳ１７０３で読み出したアクセント情報が有する、ｉ番目の音節の重み情報を取得し、当該重み情報をスコアに加算する。
【０１８２】
（ステップＳ１７０７）判断手段１６０５２は、カウンタｉを１、インクリメントし、ステップＳ１７０２に戻る。
【０１８３】
（ステップＳ１７０８）判断手段１６０５２は、判断手段１６０５２が予め保持している閾値と、変数「スコア」の値を比較し、「スコア＞＝閾値」を満たすか否かを判断する。「スコア＞＝閾値」を満たせばステップＳ１７０９に行き、「スコア＞＝閾値」を満たさなければステップＳ１７１０に行く。
【０１８４】
（ステップＳ１７０９）判断手段１６０５２は、変数「結果」に「正解」を示す値を代入する。
【０１８５】
（ステップＳ１７１０）判断手段１６０５２は、変数「結果」に「不正解」を示す値を代入する。
【０１８６】
（ステップＳ１７１１）出力手段１０５３は、変数「結果」に基づいて、アクセントの正誤の結果を出力し、位関数にリターンする。
【０１８７】
次に、本実施の形態における音声情報処理装置の具体的な動作について説明する。
【０１８８】
図１８は、アクセント情報格納手段１６０５１に格納されているアクセント情報管理表である。図１８のアクセント情報管理表の各レコードは、アクセント情報レコードの一例である。ここで、アクセント情報レコードは、「入力情報」と「アクセント情報」を有するレコードである。「入力情報」は、ユーザに発音してもらう単語や文章の情報である。「アクセント情報」は、音節の文字列と、アクセント順位の情報（アクセント順位列）と、重み情報を有する。アクセント順位の情報において、「１」が第一アクセントのある音節であることを示す。アクセント順位の情報において、「２」が第二アクセントのある音節であることを示す。重み情報は、ここでは「０」から「１」の値を採りえる。
【０１８９】
そして、音声情報処理装置は、図示しない手段により、アクセントのテストを開始する指示であり、アクセントのテストを行う入力情報の指示を受け付けた、とする。また、音声情報処理装置は、アクセントのテストを開始する指示であり、アクセントのテストを行う入力情報の指示を受け付けた場合、当該指示を受けた「入力情報」を読み出し、ユーザの音声入力を受け付け、アクセントの位置が正解か、不正解かを判断し、判断結果を出力するもの、とする。アクセントの位置が正解か、不正解について、重み情報を利用して判断する。具体的には、音声情報処理装置は、閾値「０．９」以上であれば、正解とし、閾値「０．９」未満であれば不正解とする、とする。
【０１９０】
ここで、音声情報処理装置は、アクセントのテストを開始する指示であり、アクセントのテストを行う入力情報の指示（「Ａ ｗｉｎｄｏｗ ｓｅａｔ ，ｐｌｅａｓｅ」の指示）を受け付けた、とする。
【０１９１】
次に、音声情報処理装置は、ユーザに、「Ａ ｗｉｎｄｏｗ ｓｅａｔ ，ｐｌｅａｓｅ」の文章の発声を促す画面を出力する。
【０１９２】
次に、ユーザは、画面の表示にしたがって、「Ａ ｗｉｎｄｏｗ ｓｅａｔ ，ｐｌｅａｓｅ」という文章を発声する、とする。
【０１９３】
次に、音声情報受付部１０１は、文章「Ａ ｗｉｎｄｏｗ ｓｅａｔ ，ｐｌｅａｓｅ」の音声情報を受け付ける。そして、音声情報受付部１０１は、受け付けた音声情報を、図示しないバッファ（メモリやディスクなど）に一時蓄積する。そして、実施の形態２で説明した処理により、図１９に示すアクセント順位を得て、当該アクセント順位の情報を、一時メモリに記憶した、とする。
【０１９４】
次に、判断手段１６０５２は、初期化処理（変数「スコア」に０を代入など）を行う。
【０１９５】
次に、判断手段１６０５２は、１番目の音節「Ａ」についての音節のアクセント情報「５」（図１８参照）を読み出す。また、判断手段１６０５２は、１番目の音節「Ａ」のユーザ発声のアクセント順位「４」（図１９参照）を読み出す。
【０１９６】
次に、判断手段１６０５２は、１番目の音節の両アクセント順位は合致しない、と判断し、２番目の音節の処理に移行する。ここでの変数「スコア」の値は「０」である。
【０１９７】
そして、判断手段１６０５２は、２番目の音節「ｗｉｎ」についての音節のアクセント情報「１」（図１８参照）を読み出す。また、判断手段１６０５２は、２番目の音節「ｗｉｎ」のユーザ発声のアクセント順位「１」（図１９参照）を読み出す。
【０１９８】
次に、判断手段１６０５２は、２番目の音節の両アクセント順位は合致する、と判断し、２番目の音節の重み情報「０．９」を取得し、当該重み情報「０．９」をスコア「０」に加算し、新しいスコア「０．９」を得る。
【０１９９】
次に、３番目以降の音節についても同様の処理を行い、最終的にユーザのアクセントのスコア「０．９」を得る。
【０２００】
次に、判断手段１６０５２は、判断手段１６０５２が予め保持している閾値「０．９」を読み出し、変数「スコア」の値「０．９」と比較し、「スコア＞＝閾値」を満たすと、判断する。そして、判断手段１６０５２は、変数「結果」に「正解」（例えば、「１」）を示す値を代入する。なお、「不正解」の値は、例えば、「０」である。
【０２０１】
次に、出力手段１０５３は、変数「結果」の値「正解」に基づいて、ユーザが発声した「Ａ ｗｉｎｄｏｗ ｓｅａｔ ，ｐｌｅａｓｅ」のアクセントが正解である旨の出力を行う。出力は、例えば、「あなたは、「Ａ ｗｉｎｄｏｗ ｓｅａｔ ，ｐｌｅａｓｅ」のアクセントを正しく発声されていました。」とディスプレイに表示する。
【０２０２】
以上、本実施の形態によれば、重み情報を利用してアクセントの正誤の判断を行うことにより、アクセントの正誤の判断が精度高く行え、かつ、人の感覚に合致した判断が可能となる。また、本実施の形態によれば、第一アクセントの位置をはじめ、２以上の音節のアクセント順位が精度高く判断できる。また、本実施の形態によれば、３以上の音節のアクセントの順位を取得できる。したがって、単語だけではなく、文章中のアクセント順位が精度高く判断できる。つまり、ユーザは、単語のアクセントだけではなく、文章の抑揚を正しく行うように訓練できる。また、学習者は、例えば、ネイティブ話者が発声した音声をそのまま利用して、第一アクセントの位置またはアクセントの順位が容易に学習できる。また、本実施の形態によれば、アラインメントを行ってから母音区間の基本周波数、パワーから、アクセント順位を決定するので、アクセント順位決定の精度が極めて高くなる。
【０２０３】
なお、本実施の形態において、アクセントの正確度のスコアを出力しても良い。したがって、上述した具体例において、ユーザの発声の「Ａ ｗｉｎｄｏｗ ｓｅａｔ ，ｐｌｅａｓｅ」のアクセントのスコアを「０．９」、または「９０点」などと出力しても良い。
【０２０４】
また、本実施の形態において、重み情報を用いて、アクセントの正誤やスコアを算出した。この処理を実施の形態１における音声情報処理装置に用いても良い。つまり、判断手段は、アクセント決定部が決定した第一アクセントの位置または順位と、重み情報を有するアクセント情報、または、重み情報を有するアクセント情報および教師データを用いて、アクセントの位置または順位が正しいか否かを判断したり、スコアを算出したりする。
【０２０５】
また、本実施の形態における音声情報処理装置を実現するソフトウェアは、以下のようなプログラムである。つまり、このプログラムは、コンピュータに、単語または文章の音声情報であり、１以上の音節の集合である音声情報を受け付ける音声情報受付ステップと、前記音声情報受付ステップで受け付けた音声情報から基本周波数を取得する基本周波数取得ステップと、前記音声情報受付ステップで受け付けた音声情報から当該音声情報の強さを示す情報であるパワー情報を取得するパワー情報取得ステップと、前記基本周波数取得ステップで取得した基本周波数と、前記パワー情報取得ステップで取得したパワー情報を用いて、第一アクセントの位置またはアクセントの順位を決定するアクセント決定ステップと、前記アクセント決定ステップで決定した第一アクセントの位置またはアクセントの順位に応じた処理を行う処理ステップを実行させるためのプログラム、である。
【０２０６】
また、上記プログラムにおいて、前記アクセント決定ステップは、前記音声情報を構成する２以上の音節の基本周波数の大小を比較する基本周波数比較ステップと、前記基本周波数比較ステップで、前記２以上の音節の基本周波数が略同じであると判断した場合に、少なくとも当該略同じ基本周波数である２以上の音節のパワー情報を比較するパワー比較ステップと、前記２以上の音節の基本周波数の比較結果、および当該２以上のパワー情報が示す音声の強弱の比較結果により、第一アクセントの位置またはアクセントの順位を決定するアクセント位置決定ステップを具備することは好適である。
【０２０７】
また、上記プログラムにおいて、前記アクセント決定ステップは、前記音声情報を構成する２以上の音節のパワー情報が示すパワーの大小を比較するパワー比較ステップと、前記パワー比較ステップで、前記２以上の音節のパワー情報が略同じであると判断した場合に、少なくとも当該略同じパワー情報である２以上の音節の基本周波数の大小を比較する基本周波数比較ステップと、前記２以上の音節のパワー情報が示す音声の強弱の比較結果、および当該２以上の基本周波数の比較結果により、第一アクセントの位置またはアクセントの順位を決定するアクセント位置決定ステップを具備することは好適である。
【０２０８】
また、上記プログラムにおいて、前記処理ステップは、前記アクセント決定ステップで決定した第一アクセントの位置または順位と、格納しているアクセント情報を用いて、前記音声情報受付ステップで受け付けた音声情報における第一アクセントの位置または順位が正しいか否かを判断する判断ステップと、前記判断ステップにおける判断結果を出力する出力ステップを具備することは好適である。
【０２０９】
また、上記プログラムにおいて、前記処理ステップは、前記アクセント決定ステップで決定した第一アクセントの位置または順位と、格納している教師データを用いて、前記音声情報受付ステップで受け付けた音声情報における第一アクセントの位置または順位が正しいか否かを判断する判断ステップと、前記判断ステップにおける判断結果を出力する出力ステップを具備することは好適である。
【０２１０】
また、上記プログラムにおいて、判断ステップは、前記アクセント決定ステップで決定した第一アクセントの位置または順位と、重み情報を有するアクセント情報、または、重み情報を有するアクセント情報および教師データを用いて、アクセントの位置または順位が正しいか否かを判断したり、スコアを算出する。
【０２１１】
また、上記各実施の形態において、各処理（各機能）は、単一の装置（システム）によって集中処理されることによって実現されてもよく、あるいは、複数の装置によって分散処理されることによって実現されてもよい。
【０２１２】
また、図２０は、本明細書で述べたプログラムを実行して、上述した種々の実施の形態の音声情報処理装置を実現するコンピュータの外観を示す。上述の実施の形態は、コンピュータハードウェア及びその上で実行されるコンピュータプログラムで実現され得る。図２０は、このコンピュータシステム３４０の概観図であり、図２１は、コンピュータシステム３４０のブロック図である。
【０２１３】
図２０において、コンピュータシステム３４０は、ＦＤ（Ｆｌｅｘｉｂｌｅ Ｄｉｓｋ）ドライブ、ＣＤ−ＲＯＭ（Ｃｏｍｐａｃｔ Ｄｉｓｋ Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）ドライブを含むコンピュータ３４１と、キーボード３４２と、マウス３４３と、モニタ３４４と、マイク３４５とを含む。
【０２１４】
図２１において、コンピュータ３４１は、ＦＤドライブ３４１１、ＣＤ−ＲＯＭドライブ３４１２に加えて、ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）３４１３と、ＣＰＵ３４１３、ＣＤ−ＲＯＭドライブ３４１２及びＦＤドライブ３４１１に接続されたバス３４１４と、ブートアッププログラム等のプログラムを記憶するためのＲＯＭ（Ｒｅａｄ−Ｏｎｌｙ Ｍｅｍｏｒｙ）３４１５と、ＣＰＵ３４１３に接続され、アプリケーションプログラムの命令を一時的に記憶するとともに一時記憶空間を提供するためのＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）３４１６と、アプリケーションプログラム、システムプログラム、及びデータを記憶するためのハードディスク３４１７とを含む。ここでは、図示しないが、コンピュータ３４１は、さらに、ＬＡＮへの接続を提供するネットワークカードを含んでも良い。
【０２１５】
コンピュータシステム３４０に、上述した実施の形態の音声情報処理装置の機能を実行させるプログラムは、ＣＤ−ＲＯＭ３５０１、またはＦＤ３５０２に記憶されて、ＣＤ−ＲＯＭドライブ３４１２またはＦＤドライブ３４１１に挿入され、さらにハードディスク３４１７に転送されても良い。これに代えて、プログラムは、図示しないネットワークを介してコンピュータ３４１に送信され、ハードディスク３４１７に記憶されても良い。プログラムは実行の際にＲＡＭ３４１６にロードされる。プログラムは、ＣＤ−ＲＯＭ３５０１、ＦＤ３５０２またはネットワークから直接、ロードされても良い。
【０２１６】
プログラムは、コンピュータ３４１に、上述した実施の形態の音声情報処理装置の機能を実行させるオペレーティングシステム（ＯＳ）、またはサードパーティープログラム等は、必ずしも含まなくても良い。プログラムは、制御された態様で適切な機能（モジュール）を呼び出し、所望の結果が得られるようにする命令の部分のみを含んでいれば良い。コンピュータシステム３４０がどのように動作するかは周知であり、詳細な説明は省略する。
【０２１７】
また、上記プログラムを実行するコンピュータは、単数であってもよく、複数であってもよい。すなわち、集中処理を行ってもよく、あるいは分散処理を行ってもよい。
【０２１８】
本発明は、以上の実施の形態に限定されることなく、種々の変更が可能であり、それらも本発明の範囲内に包含されるものであることは言うまでもない。
【産業上の利用可能性】
【０２１９】
以上のように、本発明にかかる音声情報処理装置は、精度高くアクセントの位置や順位が判断できるという効果を有し、アクセントの教育に用いる語学学習装置等として有用である。
【図面の簡単な説明】
【０２２０】
【図１】実施の形態１における音声情報処理装置のブロック図
【図２】同音声情報処理装置の動作について説明するフローチャート
【図３】同アクセントの位置や順位を決定する動作について説明するフローチャート
【図４】同音声情報処理装置の出力処理について説明するフローチャート
【図５】同アクセント情報管理表を示す図
【図６】同画面例示す図
【図７】同音声波形データを示す図
【図８】同抽出した基本周波数、およびパワーを示す図
【図９】同抽出した基本周波数、およびパワーを示す図
【図１０】同アクセント順位を決定する場合にメモリに配置されるデータ例を示す図
【図１１】実施の形態２における音声情報処理装置のブロック図
【図１２】同音声情報処理装置の動作について説明するフローチャート
【図１３】同平均・分散算出処理について説明するフローチャート
【図１４】同母音区間のスコアを算出する動作について説明するフローチャート
【図１５】同対数基本周波数の平均値・分散等の処理の概念を説明する図
【図１６】実施の形態３における音声情報処理装置のブロック図
【図１７】同アクセント順位に基づいた処理について説明するフローチャート
【図１８】同アクセント情報管理表を示す図
【図１９】同算出したアクセント順位の例を示す図
【図２０】同音声情報処理装置を実現するコンピュータの外観図
【図２１】同音声情報処理装置を実現するコンピュータシステムのブロック図
【符号の説明】
【０２２１】
１０１ 音声情報受付部
１０２ 基本周波数取得部
１０３ パワー情報取得部
１０４ アクセント決定部
１０５、１１０５，１６０５ 処理部
１０４１ 基本周波数比較手段
１０４２ パワー比較手段
１０４３ アクセント位置決定手段
１０５１、１６０５ アクセント情報格納手段
１０５２、１１０５２、１６０５２ 判断手段
１０５３ 出力手段
１１０５１ 教師データ格納手段
【技術分野】
【０００１】
本発明は、英会話等の語学訓練を行う場合に、学習者が発音した音声情報のアクセント位置などを評価する音声情報処理装置等に関するものである。
【背景技術】
【０００２】
従来の音声情報処理装置において、学習者が発声した音声はマイクから受け入れられ、その音声波形から強勢位置と弱勢位置とを検出する。そして、音声情報処理装置は、学習者の発音した単語のどの位置に強勢があり、どの位置が弱勢になっているかを区別して、ディスプレイに表示する（例えば、特許文献１参照）。その結果、学習者に、英単語の強勢（アクセント）を意識させることができ、英語らしい発音の学習に役立ち、また、学習者は、強勢弱勢のバランスを考慮した学習を効果的に行える。
【特許文献１】特開２０００−０１９９４１号公報（第１頁、第１図等）
【発明の開示】
【発明が解決しようとする課題】
【０００３】
しかしながら、従来の音声情報処理装置においては、音声周波数のみに基づいて、強勢位置、弱勢位置の判断を行っていた。したがって、アクセント位置の判断の精度が低かった。具体的には、例えば、同一の音声周波数の音節が存在する場合に、どちらにアクセントが存在するか分からない、という課題があった。
【０００４】
また、従来の音声情報処理装置においては、文章や長い単語など、受け付けた音声情報に３以上の音節が存在する場合、アクセントの順位を判断することができなかった。したがって、文章や長い単語などの抑揚について学習することができなかった。
【０００５】
さらに、従来の音声情報処理装置においては、強勢位置と弱勢位置を区別して表示するだけであったので、正解のアクセント位置に基づいて、正しいアクセントで発音されているか否かが、学習者に分かりにくかった。
【課題を解決するための手段】
【０００６】
本第一の発明の音声情報処理装置は、単語または文章の音声情報であり、１以上の音節の集合である音声情報を受け付ける音声情報受付部と、前記音声情報受付部が受け付けた音声情報から基本周波数を取得する基本周波数取得部と、前記音声情報受付部が受け付けた音声情報から当該音声情報の強さを示す情報であるパワー情報を取得するパワー情報取得部と、前記基本周波数取得部が取得した基本周波数と、前記パワー情報取得部が取得したパワー情報を用いて、第一アクセントの位置またはアクセントの順位を決定するアクセント決定部と、前記アクセント決定部が決定した第一アクセントの位置またはアクセントの順位に応じた処理を行う処理部を具備する音声情報処理装置である。
【０００７】
かかる構成により、第一アクセントの位置またはアクセントの順位が判断できる。また、本構成により、学習者が発音した音声情報について、３以上の音節のアクセントの順位を取得できる。その結果、文章や長い単語における抑揚についても学習できる。
【０００８】
また、本第二の発明の音声情報処理装置は、第一の発明に対して、前記アクセント決定部は、前記音声情報を構成する２以上の音節の基本周波数の大小を比較する基本周波数比較手段と、前記基本周波数比較手段が、前記２以上の音節の基本周波数が略同じであると判断した場合に、少なくとも当該略同じ基本周波数である２以上の音節のパワー情報を比較するパワー比較手段と、前記２以上の音節の基本周波数の比較結果、および当該２以上のパワー情報が示す音声の強弱の比較結果により、第一アクセントの位置またはアクセントの順位を決定するアクセント位置決定手段を具備する音声情報処理装置である。
【０００９】
かかる構成により、第一アクセントの位置またはアクセントの順位が精度高く判断できる。また、本構成により、学習者が発音した音声情報について、３以上の音節のアクセントの順位を取得できる。その結果、文章や長い単語における抑揚についても学習できる。
【００１０】
また、本第三の発明の音声情報処理装置は、第一の発明に対して、前記アクセント決定部は、前記音声情報を構成する２以上の音節のパワー情報が示すパワーの大小を比較するパワー比較手段と、前記パワー比較手段が、前記２以上の音節のパワー情報が略同じであると判断した場合に、少なくとも当該略同じパワー情報である２以上の音節の基本周波数の大小を比較する基本周波数比較手段と、前記２以上の音節のパワー情報が示す音声の強弱の比較結果、および当該２以上の基本周波数の比較結果により、第一アクセントの位置またはアクセントの順位を決定するアクセント位置決定手段を具備する音声情報処理装置である。
【００１１】
かかる構成により、第一アクセントの位置またはアクセントの順位が精度高く判断できる。また、本構成により、学習者が発音した音声情報について、３以上の音節のアクセントの順位を取得できる。その結果、文章や長い単語における抑揚についても学習できる。
【００１２】
また、本第四の発明の音声情報処理装置は、第一から第三いずれかの発明に対して、前記処理部は、単語または文章のアクセント位置またはアクセントの順位に関する情報であるアクセント情報を格納しているアクセント情報格納手段と、前記アクセント決定部が決定した第一アクセントの位置またはアクセントの順位と、前記アクセント情報を用いて、前記音声情報受付部が受け付けた音声情報における第一アクセントの位置またはアクセントの順位が正しいか否かを判断する判断手段と、前記判断手段における判断結果を出力する出力手段を具備する音声情報処理装置である。
【００１３】
かかる構成により、学習者は、高速に、第一アクセントの位置またはアクセントの順位が容易に学習できる。
【００１４】
また、本第五の発明の音声情報処理装置は、第一から第三いずれかの発明に対して、前記処理部は、第一アクセントの位置またはアクセントの順位が正しいか否かを判断するための比較対象の音声情報である教師データを格納している教師データ格納手段と、前記アクセント決定部が決定した第一アクセントの位置またはアクセントの順位と、前記教師データを用いて、前記音声情報受付部が受け付けた音声情報における第一アクセントの位置またはアクセントの順位が正しいか否かを判断する判断手段と、前記判断手段における判断結果を出力する出力手段を具備する音声情報処理装置である。
【００１５】
かかる構成により、学習者は、例えば、ネイティブ話者が発声した音声をそのまま利用して、第一アクセントの位置またはアクセントの順位が容易に学習できる。
【００１６】
また、本第六の発明の音声情報処理装置は、第四、第五いずれかの発明に対して、前記判断手段は、前記アクセント決定部が決定した第一アクセントの位置またはアクセントの順位と、重み情報を有するアクセント情報、または、重み情報を有するアクセント情報および教師データを用いて、アクセントの位置またはアクセントの順位が正しいか否かを判断する音声情報処理装置である。
【００１７】
かかる構成により、アクセントの正誤の判断が精度高く行え、かつ、人の感覚に合致した判断が可能となる。
【００１８】
また、本第七の発明の音声情報処理装置は、第一から第六いずれかの発明に対して、前記音声情報受付部が受け付けた音声情報と、格納している教師データとのアラインメントを行うアラインメント部をさらに具備し、前記基本周波数取得部は、前記アラインメント部が行ったアラインメントの結果得られた前記音声情報の母音区間の基本周波数を取得し、前記パワー情報取得部は、前記アラインメント部が行ったアラインメントの結果得られた前記音声情報の母音区間のパワー情報を取得する音声情報処理装置である。
【００１９】
かかる構成により、第一アクセントの位置またはアクセントの順位が精度高く判断できる。
【発明の効果】
【００２０】
本発明による音声情報処理装置によれば、精度高くアクセントの位置やアクセントの順位が判断できる。
【発明を実施するための最良の形態】
【００２１】
以下、音声情報処理装置等の実施形態について図面を参照して説明する。なお、実施の形態において同じ符号を付した構成要素は同様の動作を行うので、再度の説明を省略する場合がある。
（実施の形態１）
【００２２】
図１は、本実施の形態における音声情報処理装置のブロック図である。
【００２３】
音声情報処理装置は、音声情報受付部１０１、基本周波数取得部１０２、パワー情報取得部１０３、アクセント決定部１０４、処理部１０５を具備する。
【００２４】
アクセント決定部１０４は、基本周波数比較手段１０４１、パワー比較手段１０４２、アクセント位置決定手段１０４３を具備する。
【００２５】
処理部１０５は、アクセント情報格納手段１０５１、判断手段１０５２、出力手段１０５３を具備する。
【００２６】
音声情報受付部１０１は、単語または文章の音声情報を受け付ける。音声情報は、１以上の音節の集合である。音声情報受付部１０１は、マイクにより音声情報を受け付けても良いし、記録媒体から音声情報を読み出しても良いし、通信手段や放送受信手段により音声情報を受信しても良い。単語または文章の音声情報は、ユーザが単語または文章を発声して構成された音声情報である。音声情報のデータ構造は問わない。音声情報受付部１０１は、例えば、マイクとそのデバイスドライバー等で実現され得る。
【００２７】
基本周波数取得部１０２は、音声情報受付部１０１が受け付けた音声情報から基本周波数を取得する。音声情報から基本周波数を取得する技術は公知技術であるので説明を省略する。基本周波数取得部１０２は、通常、ＭＰＵやメモリ等から実現され得る。基本周波数取得部１０２の処理手順は、通常、ソフトウェアで実現され、当該ソフトウェアはＲＯＭ等の記録媒体に記録されている。但し、ハードウェア（専用回路）で実現しても良い。
【００２８】
パワー情報取得部１０３は、音声情報受付部１０１が受け付けた音声情報から当該音声情報の強さを示す情報であるパワー情報を取得する。音声情報からパワー情報を取得する技術は公知技術であるので説明を省略する。パワー情報取得部１０３は、通常、ＭＰＵやメモリ等から実現され得る。パワー情報取得部１０３の処理手順は、通常、ソフトウェアで実現され、当該ソフトウェアはＲＯＭ等の記録媒体に記録されている。但し、ハードウェア（専用回路）で実現しても良い。
【００２９】
アクセント決定部１０４は、基本周波数取得部１０２が取得した基本周波数と、パワー情報取得部１０３が取得したパワー情報を用いて、第一アクセントの位置またはアクセントの順位を決定する。アクセント決定部１０４は、通常、ＭＰＵやメモリ等から実現され得る。アクセント決定部１０４の処理手順は、通常、ソフトウェアで実現され、当該ソフトウェアはＲＯＭ等の記録媒体に記録されている。但し、ハードウェア（専用回路）で実現しても良い。
【００３０】
基本周波数比較手段１０４１は、音声情報を構成する２以上の音節の基本周波数の大小を比較する。
【００３１】
パワー比較手段１０４２は、音声情報を構成する２以上の音節のパワー情報の大小を比較する。具体的には、パワー比較手段１０４２は、基本周波数比較手段１０４１が、２以上の音節の基本周波数が略同じであると、判断した場合に、当該略同じ基本周波数である２以上の音節のパワー情報を比較することが好適である。略同じであるとは、多少、異なる場合でも同じ基本周波数であるとみなしても良いことを示す。
【００３２】
アクセント位置決定手段１０４３は、２以上の音節の基本周波数の比較結果、および当該２以上のパワー情報が示す音声の強弱の比較結果により、第一アクセントの位置またはアクセントの順位を決定する。アクセント位置決定手段１０４３は、例えば、２以上の音節の基本周波数を比較し、最も基本周波数が大きい音節を第一アクセントの音節と決定する。そして、アクセント位置決定手段１０４３は、２以上の音節の基本周波数が略同じである場合、パワー情報が示す音声の強弱の比較結果により、強い方の音節を、アクセント順位を高いものとして決定する。また、アクセント位置決定手段１０４３は、例えば、２以上の音節の基本周波数を比較し、基本周波数の大きい音節の順にアクセント順位を決定する。そして、アクセント位置決定手段１０４３は、２以上の音節の基本周波数が略同じである場合、パワー情報が示す音声の強弱の比較結果により、強い方の音節を、アクセント順位を高いものとして決定する。「基本周波数が略同じ」とは、全く同一でなくても良い、という趣旨であり、例えば、１０％の差しかない場合に、ほぼ同じである、と判断しても良い。また、音節の基本周波数とは、音節内の母音区間の最大の基本周波数の値でも良いし、音節内の母音区間の基本周波数の値の平均値でも良いし、音節内の母音区間の基本周波数の値の中央値等でも良い。また、音節の基本周波数とは、音節の区間の基本周波数の値の中央値等でも良い。また、音節のパワー情報とは、音節内の母音区間の最大のパワーの値でも良いし、音節内の母音区間のパワーの値の平均値でも良いし、音節内の母音区間のパワーの値の中央値等でも良い。また、音節のパワー情報とは、音節の区間のパワーの値の中央値等でも良い。
【００３３】
基本周波数比較手段１０４１、パワー比較手段１０４２、およびアクセント位置決定手段１０４３は、通常、ＭＰＵやメモリ等から実現され得る。基本周波数比較手段１０４１の処理手順は、通常、ソフトウェアで実現され、当該ソフトウェアはＲＯＭ等の記録媒体に記録されている。但し、ハードウェア（専用回路）で実現しても良い。
【００３４】
処理部１０５は、アクセント決定部１０４が決定した第一アクセントの位置またはアクセントの順位に応じた処理を行う。処理部１０５が行う処理は、第一アクセントの位置を示す情報を出力する処理でも良いし、第一アクセントの位置が正解であるか否かを出力する処理でも良い。また、処理部１０５が行う処理は、２以上のアクセント順位を示す情報を出力する処理でも良いし、２以上のアクセントの順位が正解であるか否かを出力する処理でも良い。処理部１０５は、通常、ＭＰＵやメモリ等から実現され得る。処理部１０５の処理手順は、通常、ソフトウェアで実現され、当該ソフトウェアはＲＯＭ等の記録媒体に記録されている。但し、ハードウェア（専用回路）で実現しても良い。
【００３５】
処理部１０５を構成するアクセント情報格納手段１０５１は、単語または文章のアクセント位置または順位に関する情報であるアクセント情報を格納している。アクセント情報のデータ構造は問わない。アクセント情報は、例えば、アクセント順位と音節の情報（音節の情報とは、例えば、音声を識別する音節ＩＤ）の対を１以上有する情報である。また、アクセント情報は、例えば、第一アクセントの位置の音節の最初の音節からの位置（オフセット）を示す情報である。アクセント情報格納手段１０５１は、不揮発性の記録媒体が好適であるが、揮発性の記録媒体でも実現可能である。
【００３６】
判断手段１０５２は、アクセント決定部１０４が決定した第一アクセントの位置または順位と、アクセント情報を用いて、音声情報受付部１０１が受け付けた音声情報におけるアクセントの位置または順位が正しいか否かを判断する。判断手段１０５２は、通常、ＭＰＵやメモリ等から実現され得る。判断手段１０５２の処理手順は、通常、ソフトウェアで実現され、当該ソフトウェアはＲＯＭ等の記録媒体に記録されている。但し、ハードウェア（専用回路）で実現しても良い。
【００３７】
出力手段１０５３は、判断手段１０５２における判断結果を出力する。出力とは、ディスプレイへの表示、プリンタへの印字、音出力、外部の装置への送信等を含む概念である。出力手段１０５３は、ディスプレイやスピーカー等の出力デバイスを含むと考えても含まないと考えても良い。出力手段１０５３は、出力デバイスのドライバーソフトまたは、出力デバイスのドライバーソフトと出力デバイス等で実現され得る。
【００３８】
次に、音声情報処理装置の動作について図２から図４のフローチャートを用いて説明する。
【００３９】
（ステップＳ２０１）音声情報受付部１０１は、単語または文章の音声情報を受け付けたか否かを判断する。音声情報を受け付ければステップＳ２０２に行き、音声情報を受け付けなければステップＳ２０３に行く。
【００４０】
（ステップＳ２０２）音声情報受付部１０１は、受け付けた音声情報を、図示しないバッファ（メモリやディスクなど）に一時蓄積する。ステップＳ２０１に戻る。
【００４１】
（ステップＳ２０３）音声情報受付部１０１は、音声情報の受け付けを終了したか否かを判断する。音声情報の受け付けを終了すればステップＳ２０４に行き、音声情報の受け付けを終了しなければステップＳ２０１に戻る。受け付けの終了時は、ユーザからの指示を、図示しない受付手段が受け付けた時でも良いし、所定時間以上、音声情報を受け付けなかった（無音区間であった）ことを判断した時でも良い。
【００４２】
（ステップＳ２０４）基本周波数取得部１０２は、ステップＳ２０２で一時蓄積された音声情報を読み出す。
【００４３】
（ステップＳ２０５）基本周波数取得部１０２は、読み出した音声情報から、音声波形データを得る。音声情報から、音声波形データを得る処理は公知技術であるので、説明を省略する。
【００４４】
（ステップＳ２０６）基本周波数取得部１０２は、ステップＳ２０５で得た音声波形データから基本周波数（Ｆ０）を抽出する。音声波形データから基本周波数（Ｆ０）を抽出する処理も公知技術であるので、説明を省略する。
【００４５】
（ステップＳ２０７）パワー情報取得部１０３は、ステップＳ２０５で得た音声波形データから音の強さを示す情報であるパワー情報を取得する。音声波形データからパワー情報を取得する処理も公知技術であるので、説明を省略する。
【００４６】
（ステップＳ２０８）アクセント決定部１０４は、基本周波数取得部１０２が取得した基本周波数と、パワー情報取得部１０３が取得したパワー情報を用いて、第一アクセントの位置または／およびアクセントの順位を決定する。アクセントの位置や順位を決定する処理の例の詳細は、図３のフローチャートを用いて説明する。
【００４７】
（ステップＳ２０９）処理部１０５は、ステップＳ２０８で決定した第一アクセントの位置や順位に応じた処理を行う。処理を終了する。
【００４８】
次に、ステップＳ２０８のアクセントの位置を決定する処理について図３のフローチャートを用いて説明する。
【００４９】
（ステップＳ３０１）アクセント決定部１０４は、音声情報の音節境界を取得する。なお、音節境界を取得する技術は公知技術であるので説明を省略する。また、音節境界を取得するアルゴリズムは問わない。
【００５０】
（ステップＳ３０２）アクセント決定部１０４は、カウンタｉに１を代入する。
【００５１】
（ステップＳ３０３）アクセント決定部１０４は、ｉ番目の音節が存在するか否かを判断する。ｉ番目の音節が存在すればステップＳ３０４に行き、ｉ番目の音節が存在しなければステップＳ３０７に行く。
【００５２】
（ステップＳ３０４）基本周波数比較手段１０４１は、基本周波数取得部１０２が得た基本周波数（Ｆ０）から、ｉ番目の音節内の母音区間の代表的な基本周波数である代表Ｆ０を取得する。代表Ｆ０は、例えば、ｉ番目の音節の区間の最大のＦ０である。また、代表Ｆ０は、例えば、ｉ番目の音節内の母音区間の平均のＦ０である。また、代表Ｆ０は、例えば、ｉ番目の音節内の母音区間のＦ０の中間値である。
【００５３】
（ステップＳ３０５）基本周波数比較手段１０４１は、ｉ番目の音節を識別するＩＤである音節ＩＤ（例えば、「ｉ」）と、代表Ｆ０の対を、メモリ等に一時格納する。
【００５４】
（ステップＳ３０６）基本周波数比較手段１０４１は、カウンタｉを１、インクリメントし、ステップＳ３０３に戻る。
【００５５】
（ステップＳ３０７）基本周波数比較手段１０４１は、代表Ｆ０をキーとして、降順に音節ＩＤをソートする。つまり、代表Ｆ０が大きい順に、音節ＩＤを得る。
【００５６】
（ステップＳ３０８）基本周波数比較手段１０４１は、略同一の代表Ｆ０が２以上存在するか否かを判断する。略同一の代表Ｆ０が２以上存在すればステップＳ３０９に行き、存在しなければ上位関数にリターンする。
【００５７】
（ステップＳ３０９）パワー比較手段１０４２は、２以上の略同一の代表Ｆ０の２以上の音節ＩＤが示す音節のパワー情報を取得する。パワー情報は、音節ＩＤが示す音節の区間の最大の音の強さでも良いし、音節ＩＤが示す音節の区間の音の強さの平均値でも良いし、音節ＩＤが示す音節の区間の音の強さの中間値でも良い。
【００５８】
（ステップＳ３１０）パワー比較手段１０４２は、パワー情報が示す音の強さが大きい順に、２以上の音節ＩＤを並び替える。以上の処理で、アクセントの順に、音節ＩＤがソートされた。上位関数にリターンする。
【００５９】
なお、図３のフローチャートにおいて、略同一の代表Ｆ０を有する音節のパワー情報のみを取得したが、全音節のパワー情報を取得しても良い。
【００６０】
また、音節のアクセントの順位を決定するアルゴリズムは、図３のフローチャートにおけるアルゴリズムに限られない。アクセント決定部１０４は、各音節の基本周波数の値と、パワーの値を用いて、アクセントの順位を決定すれば良い。アクセント決定部１０４は、例えば、音節ごとに、「ｆ（基本周波数の値，パワーの値）」を演算することにより、アクセントの評価値を得て、当該評価値が大きい順に、アクセントの順位を決定するなどの処理を行っても良い。なお、関数「ｆ」は、基本周波数の値、およびパワーの値をパラメータとする増加関数である。
【００６１】
次に、アクセントの位置に応じた処理について図４のフローチャートを用いて説明する。
【００６２】
（ステップＳ４０１）判断手段１０５２は、アクセント情報格納手段１０５１から、アクセント情報を読み出す。
【００６３】
（ステップＳ４０２）判断手段１０５２は、ステップＳ４０１で読み出したアクセント情報が有するアクセントの順位をキーとして、音節ＩＤをソートする。
【００６４】
（ステップＳ４０３）判断手段１０５２は、ソートした音節ＩＤの列と、アクセントの位置を決定する処理の結果、得られた音節ＩＤの列が同一か否かを判断する。同一であればステップＳ４０４に行き、同一でなければステップＳ４０５に行く。
【００６５】
（ステップＳ４０４）判断手段１０５２は、判断結果として、「正解」の旨の情報を得る。そして、ステップＳ４０６に行く。
【００６６】
（ステップＳ４０５）判断手段１０５２は、判断結果として、「不正解」の旨の情報を得る。
【００６７】
（ステップＳ４０６）出力手段１０５３は、判断手段１０５２における判断結果を出力する。
【００６８】
なお、図４のフローチャートにおいて、アクセントの順位に基づいてソートされた２つの音節ＩＤ列を比較したが、単語や文章を構成する音節の並び順に、アクセント順位を保持しており、かかるアクセント順位を比較して、ユーザが発声した音声のアクセントが正しいか否かを判断しても良いことは言うまでもない。かかる場合、アクセント情報格納手段１０５１のアクセント情報は、音節の順に並べられたアクセント順位の列である。
【００６９】
以下、本実施の形態における音声情報処理装置の具体的な動作について説明する。
【００７０】
図５は、アクセント情報格納手段１０５１に格納されているアクセント情報管理表である。図５のアクセント情報管理表の各レコードは、アクセント情報レコードの一例である。ここで、アクセント情報レコードは、「入力情報」と「アクセント情報」を有するレコードである。「入力情報」は、ユーザに発音してもらう単語や文章の情報である。「アクセント情報」は、音節の文字列と、アクセント順位の情報（アクセント順位列）を有する。アクセント順位の情報において、「１」が第一アクセントのある音節であることを示す。アクセント順位の情報において、「２」が第二アクセントのある音節であることを示す。
【００７１】
そして、音声情報処理装置は、図示しない手段により、アクセントのテストを開始する指示を受け付けた、とする。また、音声情報処理装置は、アクセントのテストを開始する指示を受け付けた場合、アクセント情報管理表の「入力情報」を順に読み出し、ユーザの音声入力を受け付け、アクセントの位置が正解か、不正解かを判断し、判断結果を出力するもの、とする。
【００７２】
アクセントのテストを開始する指示を受け付けた後、まず、音声情報処理装置は、アクセント情報管理表の一つ目の「入力情報」を、アクセント情報格納手段１０５１から読み出し、図６（ａ）の画面を構成し、出力する。図６（ａ）の画面は、ユーザに、「入力情報」で示される単語または文章の発声を促す画面である。
【００７３】
次に、ユーザは、画面の表示にしたがって、「ｃｏｎｄｕｃｔ」という単語を発声する、とする。
【００７４】
次に、音声情報受付部１０１は、単語「ｃｏｎｄｕｃｔ」の音声情報を受け付ける。そして、音声情報受付部１０１は、受け付けた音声情報を、図示しないバッファ（メモリやディスクなど）に一時蓄積する。そして、基本周波数取得部１０２は、一時蓄積された音声情報を読み出し、当該読み出した音声情報から、図７に示す音声波形データを得る。
【００７５】
次に、基本周波数取得部１０２は、音声波形データに対して、特徴分析を行い、基本周波数（Ｆ０）を抽出する。抽出したＦ０が図８（ａ）である。
【００７６】
また、パワー情報取得部１０３は、図７の音声波形データから音の強さを示す情報であるパワー情報を取得する。得たパワー情報が図８（ｂ）である。
【００７７】
次に、アクセント決定部１０４は、基本周波数取得部１０２が取得した基本周波数と、パワー情報取得部１０３が取得したパワー情報を用いて、以下の処理により、アクセントの位置を決定する。
【００７８】
まず、アクセント決定部１０４は、音声情報の音節境界または音素境界を取得する。
【００７９】
次に、基本周波数比較手段１０４１は、１番目の音節の基本周波数の代表Ｆ０（ここで、代表Ｆ０は、例えば、音節内の母音区間の基本周波数の中央値である「１８３Ｈｚ」）を取得する。そして、基本周波数比較手段１０４１は、１番目の音節を識別するＩＤである音節ＩＤと、代表Ｆ０の対（１，１８３）を、メモリ等に一時格納する。
【００８０】
次に、基本周波数比較手段１０４１は、２番目の音節の基本周波数の代表Ｆ０「１４８Ｈｚ」を取得する。そして、基本周波数比較手段１０４１は、２番目の音節を識別するＩＤである音節ＩＤと、代表Ｆ０の対（２，１４８）を、メモリ等に一時格納する。
【００８１】
次に、基本周波数比較手段１０４１は、代表Ｆ０をキーとして、降順に音節ＩＤをソートし、「１，２」を得る。なお、上記において、音節の基本周波数の代表Ｆ０を音節内の母音区間の基本周波数の中央値としたが、音節内の母音区間の基本周波数の最大値などでも良い。
【００８２】
次に、基本周波数比較手段１０４１は、略同一の代表Ｆ０が２以上存在するか否かを判断する。略同一の代表Ｆ０が２以上存在しないので、最終的な音節ＩＤ列を「１，２」と決定する。
【００８３】
次に、判断手段１０５２は、図５のアクセント情報管理表から、入力情報「ｃｏｎｄｕｃｔ」に対応するアクセント情報「１，２」を読み出す。そして、判断手段１０５２は、読み出したアクセント情報が有するアクセントの順位の情報を用いて、音節ＩＤ列「１，２」を得る。アクセント情報「１，２」は、音節ＩＤ「１」のアクセント順位が「１」、音節ＩＤ「２」のアクセント順位が「２」であることを示す。
【００８４】
そして、判断手段１０５２は、ソートした音節ＩＤの列と、アクセントの位置を決定する処理の結果、得られた音節ＩＤの列が同一か否かを判断する。ここで、音節ＩＤ列「１，２」は、アクセント情報「１，２」から得られる音節ＩＤ列「１，２」と同一である。
ので、判断手段１０５２は、判断結果として、「正解」の旨の情報を得る。
【００８５】
次に、処理部１０５の出力手段１０５３は、判断結果を出力する。図６（ｂ）が、その出力結果の例である。
【００８６】
次に、同様に、音声情報処理装置は、アクセント情報管理表の二つ目の入力情報「ｃｏｎｃｅｎｔｒａｔｅ」を、アクセント情報格納手段１０５１から読み出し、画面を構成し、出力する。そして、ユーザは、単語「ｃｏｎｃｅｎｔｒａｔｅ」を発声し、上記と同様に、音声情報処理装置は、処理する。
【００８７】
次に、音声情報処理装置は、アクセント情報管理表の三つ目の入力情報「Ａ ｗｉｎｄｏｗ ｓｅａｔ，ｐｌｅａｓｅ」を、アクセント情報格納手段１０５１から読み出し、画面を構成し、出力する。そして、ユーザは、画面の表示にしたがって、「Ａ ｗｉｎｄｏｗ ｓｅａｔ，ｐｌｅａｓｅ」という文章を発声する、とする。
【００８８】
次に、音声情報受付部１０１は、文章「Ａ ｗｉｎｄｏｗ ｓｅａｔ，ｐｌｅａｓｅ」の音声情報を受け付ける。そして、音声情報受付部１０１は、受け付けた音声情報を、図示しないバッファ（メモリやディスクなど）に一時蓄積する。そして、基本周波数取得部１０２は、一時蓄積された音声情報を読み出し、当該読み出した音声情報から、音声波形データを得る。
【００８９】
次に、基本周波数取得部１０２は、音声波形データに対して、特徴分析を行い、基本周波数（Ｆ０）を抽出する。抽出したＦ０が、例えば、図９（ａ）である。
【００９０】
また、パワー情報取得部１０３は、音声波形データから音の強さを示す情報であるパワー情報を取得する。得たパワー情報が図９（ｂ）である。
【００９１】
次に、アクセント決定部１０４は、基本周波数取得部１０２が取得した基本周波数と、パワー情報取得部１０３が取得したパワー情報を用いて、以下の処理により、アクセントの位置を決定する。
【００９２】
まず、アクセント決定部１０４は、音声情報の音節境界を取得する。音節境界は、図９（ａ）の９１である。
【００９３】
次に、基本周波数比較手段１０４１は、１番目から５番目の音節内の母音の基本周波数の最大値である代表Ｆ０を取得する。そして、基本周波数比較手段１０４１は、１番目から５番目の音節を識別するＩＤである音節ＩＤと、代表Ｆ０の対を、メモリ等に一時格納し、図１０に示す情報を得る。
【００９４】
次に、基本周波数比較手段１０４１は、代表Ｆ０をキーとして、降順に音節ＩＤをソートし、音節ＩＤ列「２，４，１，３，５」を得る。
【００９５】
次に、基本周波数比較手段１０４１は、略同一の代表Ｆ０が２以上存在するか否かを判断する。ここで、同一の代表Ｆ０が存在するので、アクセント順位を決定する場合に、パワー情報を用いる。
【００９６】
具体的には、パワー比較手段１０４２は、同一の代表Ｆ０「３９０」の２つの音節ＩＤ「２」「４」が示す音節のパワー情報を取得する。ここで、パワー比較手段１０４２は、音節ＩＤ「２」が示す音節のパワー情報「７８」、音節ＩＤ「４」が示す音節のパワー情報「７０」と取得した、とする。
【００９７】
次に、パワー比較手段１０４２は、パワー情報が示す音の強さが大きい順に、２つの音節ＩＤを並び替え、音節ＩＤ列「２，４，１，３，５」を得る。
【００９８】
また、パワー比較手段１０４２は、同一の代表Ｆ０「３８２」の２つの音節ＩＤ「１」「３」が示す音節のパワー情報を取得する。ここで、パワー比較手段１０４２は、音節ＩＤ「１」が示す音節のパワー情報「６５」、音節ＩＤ「３」が示す音節のパワー情報「７０」と取得した、とする。
【００９９】
次に、パワー比較手段１０４２は、パワー情報が示す音の強さが大きい順に、２つの音節ＩＤを並び替え、音節ＩＤ列「２，４，３，１，５」を得る。この音節ＩＤ列「２，４，３，１，５」が、ユーザが発声した文章における、最終的なアクセント順位を示す音節ＩＤ列である。
【０１００】
次に、判断手段１０５２は、図５のアクセント情報管理表から、入力情報「Ａ ｗｉｎｄｏｗ ｓｅａｔ，ｐｌｅａｓｅ」に対応するアクセント情報「５，１，３，４，２」を読み出す。そして、判断手段１０５２は、アクセント情報「５，１，３，４，２」から、音節ＩＤ列「２，５，３，４，１」を得る。そして、判断手段１０５２は、音節ＩＤ列「２，５，３，４，１」と、ユーザの音声情報から取得した音節ＩＤ列「２，４，３，１，５」とを比較する。２つの音節ＩＤ列は同じではないので、判断手段１０５２は、判断結果として、「不正解」の旨の情報を得る。
【０１０１】
次に、処理部１０５の出力手段１０５３は、判断結果「不正解」を出力する。
【０１０２】
以上、本実施の形態によれば、第一アクセントの位置をはじめ、２以上の音節のアクセント順位が精度高く判断できる。また、本実施の形態によれば、３以上の音節のアクセントの順位を取得できる。したがって、単語だけではなく、文章中のアクセント順位が精度高く判断できる。つまり、ユーザは、単語のアクセントだけではなく、文章の抑揚を正しく行うように訓練できる。
【０１０３】
また、本実施の形態によれば、ユーザが発声した音声に対して、アクセント位置や順位が正しいか否かを判断し、判断結果（正しい／正しくない）を出力するので、正しいアクセントで発音されているか否かが、学習者に分かりやすい。
【０１０４】
なお、本実施の形態の具体例によれば、２以上の音節の代表Ｆ０が略同じ場合のみ、当該代表Ｆ０が略同じ２以上の音節のパワー情報を用いて、アクセント位置、アクセント順位を判断した。しかし、代表Ｆ０とパワー情報の両方をパラメータとする関数により、演算を行い、当該演算結果により２以上の音節のアクセント位置、アクセント順位を判断しても良い。さらに、具体的には、２以上の音節のパワー情報が示す音の強弱が略同じ場合のみ、当該パワー情報が略同じ２以上の音節の代表Ｆ０を用いて、アクセント位置、アクセント順位を判断しても良い。また、かかる関数は、通常、代表Ｆ０が大きいほど、アクセント順位が上がり、パワー情報が大きいほど、アクセント順位が上がるという、代表Ｆ０とパワー情報の両方をパラメータとする増加関数である。
【０１０５】
また、本実施の形態によれば、音節境界を求めてから各音節の基本周波数やパワー情報を取得した。しかし、実施の形態２で述べるように、教師データと音声情報とのアラインメント（通常、フォーストアラインメント）を行い、母音区間を特定し、母音区間内での各フレームの代表基本周波数や代表パワー情報を、それぞれ基本周波数やパワー情報として取得しても良い。代表基本周波数とは、例えば、母音区間内での各フレームの基本周波数の中央値や平均値などである。また、代表パワー情報とは、例えば、母音区間内での各フレームのパワー情報の中央値や平均値などである。
【０１０６】
また、本実施の形態において、実施の形態２で述べるアラインメント処理を行っても良いことは言うまでもない。
【０１０７】
さらに、本実施の形態における処理は、ソフトウェアで実現しても良い。そして、このソフトウェアをソフトウェアダウンロード等により配布しても良い。また、このソフトウェアをＣＤ−ＲＯＭなどの記録媒体に記録して流布しても良い。なお、このことは、本明細書における他の実施の形態においても該当する。なお、本実施の形態における音声情報処理装置を実現するソフトウェアは、以下のようなプログラムである。つまり、このプログラムは、コンピュータに、単語または文章の音声情報であり、１以上の音節の集合である音声情報を受け付ける音声情報受付ステップと、前記音声情報受付ステップで受け付けた音声情報から基本周波数を取得する基本周波数取得ステップと、前記音声情報受付ステップで受け付けた音声情報から当該音声情報の強さを示す情報であるパワー情報を取得するパワー情報取得ステップと、前記基本周波数取得ステップで取得した基本周波数と、前記パワー情報取得ステップで取得したパワー情報を用いて、第一アクセントの位置またはアクセントの順位を決定するアクセント決定ステップと、前記アクセント決定ステップで決定した第一アクセントの位置またはアクセントの順位に応じた処理を行う処理ステップを実行させるためのプログラム、である。
【０１０８】
また、上記プログラムにおいて、前記アクセント決定ステップは、前記音声情報を構成する２以上の音節の基本周波数の大小を比較する基本周波数比較ステップと、前記基本周波数比較ステップで、前記２以上の音節の基本周波数が略同じであると判断した場合に、少なくとも当該略同じ基本周波数である２以上の音節のパワー情報を比較するパワー比較ステップと、前記２以上の音節の基本周波数の比較結果、および当該２以上のパワー情報が示す音声の強弱の比較結果により、第一アクセントの位置またはアクセントの順位を決定するアクセント位置決定ステップを具備することは好適である。
【０１０９】
また、上記プログラムにおいて、前記アクセント決定ステップは、前記音声情報を構成する２以上の音節のパワー情報が示すパワーの大小を比較するパワー比較ステップと、前記パワー比較ステップで、前記２以上の音節のパワー情報が略同じであると判断した場合に、少なくとも当該略同じパワー情報である２以上の音節の基本周波数の大小を比較する基本周波数比較ステップと、前記２以上の音節のパワー情報が示す音声の強弱の比較結果、および当該２以上の基本周波数の比較結果により、第一アクセントの位置またはアクセントの順位を決定するアクセント位置決定ステップを具備することは好適である。
【０１１０】
また、上記プログラムにおいて、前記処理ステップは、前記アクセント決定ステップで決定した第一アクセントの位置または順位と、格納しているアクセント情報を用いて、前記音声情報受付ステップで受け付けた音声情報における第一アクセントの位置または順位が正しいか否かを判断する判断ステップと、前記判断ステップにおける判断結果を出力する出力ステップを具備することは好適である。
（実施の形態２）
【０１１１】
本実施の形態において、教師データを保持しており、当該教師データを用いて、アクセント位置の正誤等を出力する音声情報処理装置について説明する。
【０１１２】
図１１は、本実施の形態における音声情報処理装置のブロック図である。
【０１１３】
音声情報処理装置は、音声情報受付部１０１、アラインメント部１１０１、基本周波数取得部１１０２、パワー情報取得部１１０３、アクセント決定部１１０４、処理部１１０５を具備する。
【０１１４】
処理部１１０５は、教師データ格納手段１１０５１、判断手段１１０５２、出力手段１０５３を具備する。
【０１１５】
アラインメント部１１０１は、音声情報受付部１０１が受け付けた音声情報と、格納している教師データとのアラインメントを行う。教師データは、教師データ格納手段１１０５１におけるデータであって、音声情報と同じ音韻のデータである。ここで、アラインメントとは、通常、フォーストアラインメント（フォースアラインメントともいう）である。フォーストアラインメントは、強制的に、音声情報が有する音韻と、教師データが有する音韻を対応付ける処理であり、公知技術である。
【０１１６】
基本周波数取得部１１０２は、アラインメント部１１０１が行ったアラインメントの結果得られた音声情報の母音区間の基本周波数を取得する。基本周波数取得部１１０２は、アラインメント部１１０１におけるアラインメントの結果、母音区間の１以上のフレームを得ることができる。基本周波数取得部１１０２が基本周波数を取得する処理は、基本周波数取得部１０２の処理と同様である。基本周波数取得部１１０２は、通常、ＭＰＵやメモリ等から実現され得る。基本周波数取得部１１０２の処理手順は、通常、ソフトウェアで実現され、当該ソフトウェアはＲＯＭ等の記録媒体に記録されている。但し、ハードウェア（専用回路）で実現しても良い。
【０１１７】
パワー情報取得部１１０３は、アラインメント部１１０１が行ったアラインメントの結果得られた音声情報の母音区間のパワー情報を取得する。パワー情報取得部１１０３は、アラインメント部１１０１におけるアラインメントの結果、母音区間の１以上のフレームを得ることができる。パワー情報取得部１１０３がパワー情報を取得する処理は、パワー情報取得部１０３の処理と同様である。パワー情報取得部１１０３は、通常、ＭＰＵやメモリ等から実現され得る。パワー情報取得部１１０３の処理手順は、通常、ソフトウェアで実現され、当該ソフトウェアはＲＯＭ等の記録媒体に記録されている。但し、ハードウェア（専用回路）で実現しても良い。
【０１１８】
アクセント決定部１１０４は、基本周波数取得部１１０２が取得した基本周波数と、パワー情報取得部１１０３が取得したパワー情報を用いて、第一アクセントの位置またはアクセントの順位を決定する。ここでは、例えば、アクセント決定部１１０４は、母音区間ごとに、母音区間のスコアを算出し、スコアの高い順にアクセント順位を決定する。さらに、具体的には、例えば、アクセント決定部１１０４は、スコアを算出する演算式であり、基本周波数取得部１１０２が取得した基本周波数とパワー情報取得部１１０３が取得したパワー情報をパラメータとする増加関数の情報を格納している。そして、かかる増加関数の情報を読み出し、基本周波数とパワー情報を用いて、母音区間のスコアを算出する。
【０１１９】
処理部１１０５は、アクセント決定部１１０４が決定したアクセントの位置またはアクセントの順位に応じた処理を行う。処理部１１０５は、通常、ＭＰＵやメモリ等から実現され得る。処理部１１０５の処理手順は、通常、ソフトウェアで実現され、当該ソフトウェアはＲＯＭ等の記録媒体に記録されている。但し、ハードウェア（専用回路）で実現しても良い。
【０１２０】
教師データ格納手段１１０５１は、アクセント位置または順位が正しいか否かを判断するための比較対象の音声情報である教師データを格納している。教師データ格納手段１１０５１は、不揮発性の記録媒体が好適であるが、揮発性の記録媒体でも実現可能である。不揮発性の記録媒体でも、揮発性の記録媒体でも良い。
【０１２１】
判断手段１１０５２は、アクセント決定部１１０４が決定したアクセントの位置または順位と、教師データ格納手段１１０５１の教師データを用いて、音声情報受付部１０１が受け付けた音声情報におけるアクセントの位置または順位が正しいか否かを判断する。判断手段１１０５２は、さらに具体的には、例えば、以下の処理を行う。判断手段１１０５２は、教師データの音節境界を取得し、音節ごとに、基本周波数とパワー情報を取得する。そして、判断手段１１０５２は、音節ごとの基本周波数とパワー情報から、教師データの音節のアクセント順位を決定する。そして、判断手段１１０５２は、メモリ上、または、教師データ格納手段１１０５１等に、音節を識別する情報と、アクセント順位を示す情報を対にして蓄積する。そして、アクセント決定部１１０４が決定したアクセントの位置または順位の情報と、教師データのアクセント順位を示す情報から、音声情報受付部１０１が受け付けた音声情報におけるアクセントの位置または順位が正しいか否かを判断する。なお、音声情報である教師データから、教師データの音節のアクセント順位を決定した後の処理は、実施の形態１で説明した処理と同様である。また、教師データの音節のアクセント順位を決定する処理は、実施の形態１で説明した処理であり、音声情報受付部１０１が受け付けた音声情報のアクセント順位を決定する処理と同様であるので、詳細な説明は省略する。
【０１２２】
判断手段１１０５２は、通常、ＭＰＵやメモリ等から実現され得る。判断手段１１０５２の処理手順は、通常、ソフトウェアで実現され、当該ソフトウェアはＲＯＭ等の記録媒体に記録されている。但し、ハードウェア（専用回路）で実現しても良い。
【０１２３】
次に、本音声情報処理装置の動作について、図１２から図１４のフローチャートを用いて説明する。図１２において、図２と同一のステップについて、説明を省略する。
【０１２４】
（ステップＳ１２０１）アラインメント部１１０１は、教師データ格納手段１１０５１の教師データであり、音声情報受付部１０１が受け付けた音声情報に対応する教師データを読み出す。
【０１２５】
（ステップＳ１２０２）アラインメント部１１０１は、音声情報と教師データとのアラインメントを行う。
【０１２６】
（ステップＳ１２０３）アクセント決定部１１０４は、予め記録媒体（図示しない）に格納されているスコアを決定する演算式の情報を読み出す。
【０１２７】
（ステップＳ１２０４）アクセント決定部１１０４は、平均・分散算出処理を行う。平均・分散算出処理とは、音声情報の母音区間の全フレームにおける対数基本周波数の平均値「Ｅ（Ｆ０）」、対数基本周波数の分散値「Ｖ（Ｆ０）」、および音声情報の母音区間の全フレームにおける対数パワーの平均値「Ｅ（Ｐ）」、対数パワーの分散値「Ｖ（Ｐ）」を算出する処理である。平均・分散算出処理について、図１３のフローチャートを用いて説明する。
【０１２８】
（ステップＳ１２０５）アクセント決定部１１０４は、カウンタｉに、１を代入する。
【０１２９】
（ステップＳ１２０６）アクセント決定部１１０４は、ステップＳ１２０２でのアラインメント結果を用いて、ｉ番目の母音区間が存在するか否か、判断する。ｉ番目の母音区間が存在すればステップＳ１２０７に行き、ｉ番目の母音区間が存在しなければステップＳ１２１０に行く。
【０１３０】
（ステップＳ１２０７）アクセント決定部１１０４は、ｉ番目の母音区間のスコアを算出する。スコア算出の詳細は、図１４のフローチャートを用いて後述する。
【０１３１】
（ステップＳ１２０８）アクセント決定部１１０４は、ｉ番目の母音区間とステップＳ１２０７で算出したスコアを対応付けて、メモリに一時格納する。
【０１３２】
（ステップＳ１２０９）アクセント決定部１１０４は、カウンタｉを１、インクリメントし、ステップＳ１２０６に戻る。
【０１３３】
（ステップＳ１２１０）アクセント決定部１１０４は、ステップＳ１２０７で算出した各母音区間のスコアを用いて、アクセント順位を決定する。アクセント決定部１１０４は、例えば、スコアの順に降順に母音区間の情報をソートし、上位からアクセント順位「１」として、アクセント順位を決定する。アクセント決定部１１０４は、アクセント順位と母音区間を識別する情報を対にして、メモリ上に一時格納する。
【０１３４】
（ステップＳ１２１１）処理部１１０５は、ステップＳ１２１０で得たアクセント順位に基づいた処理を行う。具体的には、例えば、処理部１１０５は、母音区間の上側にアクセント順位を記載した単語をディスプレイに表示し、処理を終了する。
【０１３５】
次に、ステップＳ１２０４の平均・分散算出処理について図１３を用いて説明する。
【０１３６】
（ステップＳ１３０１）アクセント決定部１１０４は、カウンタｊに１を代入する。
【０１３７】
（ステップＳ１３０２）アクセント決定部１１０４は、母音区間において、ｊ番目のフレームが存在するか否かを判断する。ｊ番目のフレームが存在すればステップＳ１３０３に行き、ｊ番目のフレームが存在しなければステップＳ１３０７に行く。なお、アクセント決定部１１０４は、通常、まず、ｊ番目のフレームが母音区間内のフレームか否かを判断し、子音の区間であれば、母音の区間のフレームを検知するまでフレームを進める。既にアラインメントを行っているので、アクセント決定部１１０４は、フレームが母音の区間のフレームか否かの判断は可能である。
【０１３８】
（ステップＳ１３０３）アクセント決定部１１０４は、ｊ番目のフレームにおける対数基本周波数（Ｆ０（ｔ））を算出する。なお、ｔは、音声情報の全区間に対して、第１フレームから数え上げたフレーム番号である。また、ｊは、音声情報のうち、母音区間に対して、第１フレームから数え上げたフレーム番号である。
【０１３９】
（ステップＳ１３０４）アクセント決定部１１０４は、ｊ番目のフレームにおける対数パワー（Ｐ（ｔ））を算出する。
【０１４０】
（ステップＳ１３０５）アクセント決定部１１０４は、ステップＳ１３０３、およびステップＳ１３０４で算出した対数基本周波数（Ｆ０（ｔ））、対数パワー（Ｐ（ｔ））を、フレームを識別する情報（例えば、「ｊ」）と対応付けて、メモリ上に一時格納する。
【０１４１】
（ステップＳ１３０６）アクセント決定部１１０４は、カウンタｊを１、インクリメントし、ステップＳ１３０２に戻る。
【０１４２】
（ステップＳ１３０７）アクセント決定部１１０４は、一時格納した母音区間の全フレームの対数基本周波数の情報を読み出し、対数基本周波数の平均値（Ｅ（Ｆ０））、分散値（Ｖ（Ｆ０））を算出する。
【０１４３】
（ステップＳ１３０８）アクセント決定部１１０４は、一時格納した母音区間の全フレームの対数パワーの情報を読み出し、対数パワーの平均値（Ｅ（Ｐ））、分散値（Ｖ（Ｐ））を算出する。
【０１４４】
（ステップＳ１３０９）アクセント決定部１１０４は、ステップＳ１３０７、ステップＳ１３０８で算出した、対数基本周波数の平均値（Ｅ（Ｆ０））、分散値（Ｖ（Ｆ０））、および対数パワーの平均値（Ｅ（Ｐ））、分散値（Ｖ（Ｐ））を、メモリ上に一時格納し、上位関数にリターンする。
【０１４５】
次に、ステップＳ１２０７のスコアを算出する動作について図１４を用いて説明する。
【０１４６】
（ステップＳ１４０１）アクセント決定部１１０４は、カウンタｊに１を代入する。
【０１４７】
（ステップＳ１４０２）アクセント決定部１１０４は、処理対象の母音区間に、ｊ番目のフレームが存在するか否かを判断する。ｊ番目のフレームが存在すればステップＳ１４０３に行き、ｊ番目のフレームが存在しなければステップＳ１４１０に行く。
【０１４８】
（ステップＳ１４０３）アクセント決定部１１０４は、ｊ番目のフレームにおける対数基本周波数（Ｆ０（ｔ））を読み出す。
【０１４９】
（ステップＳ１４０４）アクセント決定部１１０４は、ｊ番目のフレームにおける対数パワー（Ｐ（ｔ））を読み出す。
【０１５０】
（ステップＳ１４０５）アクセント決定部１１０４は、対数基本周波数の平均値（Ｅ（Ｆ０））、分散値（Ｖ（Ｆ０））、対数パワーの平均値（Ｅ（Ｐ））、分散値（Ｖ（Ｐ））を読み出す。
【０１５１】
（ステップＳ１４０６）アクセント決定部１１０４は、ｊ番目のフレームの対数基本周波数の偏差値（Ｘ１（ｔ））を算出し、メモリ上に一時格納する。
【０１５２】
（ステップＳ１４０７）アクセント決定部１１０４は、ｊ番目のフレームの対数パワーの偏差値（Ｘ２（ｔ））を算出し、メモリ上に一時格納する。
【０１５３】
（ステップＳ１４０８）アクセント決定部１１０４は、偏差値（Ｘ１（ｔ））、偏差値（Ｘ２（ｔ））を用いて、ｊ番目のフレームのスコアを算出し、メモリ上に一時格納する。このスコアを算出する算出式は、偏差値（Ｘ１（ｔ））、偏差値（Ｘ２（ｔ））をパラメータとする増加関数である。
【０１５４】
（ステップＳ１４０９）アクセント決定部１１０４は、カウンタｊを１、インクリメントし、ステップＳ１４０２に戻る。
【０１５５】
（ステップＳ１４１０）アクセント決定部１１０４は、処理対象の母音区間の全スコア（ステップＳ１４０８で一時格納）を読み出し、当該全スコアからスコアの代表値を算出する。スコアの代表値とは、例えば、全スコアの中央値や、平均値や、最大値などである。
【０１５６】
なお、図１３、図１４のフローチャート等において、何らかの値を算出する処理において、算出式の情報は、図示しない記録媒体に格納されており、アクセント決定部１１０４は、当該算出式の情報を読み込んで、パラメータを算出式に代入し、当該算出式を実行し、結果を得る。
【０１５７】
また、アクセント決定部１１０４は、例えば、数式１に示す算出式で、スコアを算出する。数式１において、ｆα（ｔ）は、ｔ番目音声分析フレームにおけるスコアである。「α」は、「０＜＝α＜＝１」を満たす実数であり、スコア算出の際の、基本周波数と、パワーの重みを示す。また、「Ｘ１（ｔ）」および「Ｘ２（ｔ）」はそれぞれ、ｔ番目音声分析フレームにおける対数基本周波数および対数パワーの偏差値である。「Ｘ１（ｔ）」および「Ｘ２（ｔ）」は、数式２で示される。
【０１５８】
数式２において、「Ｅ（Ｆ０）」および「Ｖ（Ｆ０）」はそれぞれ，すべての母音区間における（または、アクセント順位に寄与すると認められるすべての区間における）対数基本周波数の平均値・分散を示す。また、「Ｅ（Ｐ）」および「Ｖ（Ｐ）」は、対数パワーの平均値・分散を示す。数式２において、図１５に示すように、母音区間のフレームから、「Ｅ（Ｆ０）」、「Ｖ（Ｆ０）」、「Ｅ（Ｐ）」および「Ｖ（Ｐ）」を算出する。
【０１５９】
数式３において、νを処理対象の母音区間に対応するフレーム番号の集合、｜ν｜その要素数、Τを入力発話全区間に対するフレーム総数、および「ｌ」を引数の命題が真である場合に１、偽である場合に０を返す定義関数である。
【数１】
【数２】
【数３】
【０１６０】
また、アクセント決定部１１０４は、各々の母音区間においてｆα（ｔ）の代表値を求め、それに基づいてアクセント順位付けを行なう。ｆα（ｔ）の代表値とは、例えば、１以上の各フレームのｆα（ｔ）の平均値や、ｆα（ｔ）の中央値などである。ｆα（ｔ）の平均値や、ｆα（ｔ）の中央値を算出する技術は公知技術であるので説明を省略する。
【０１６１】
また、数式１によれば、ｆα（ｔ）は，α＝１の場合においては、基本周波数のみでの順位付けに、α＝０の場合においては、パワーのみでの順位付けに対応する。αが１より小さいが１に近い値の場合、基本的に基本周波数の値に基づいて順位付けが行なわれるが，２以上の基本周波数の値がほぼ同じである場合、それらについてはパワー情報に基づいて順位付けが行なわれる。逆に、αが０より大きいが０に近い値の場合、基本的にパワー情報に基づいて順位付けが行なわれるが，２以上のパワー値がほぼ同じである場合，それらについては基本周波数に基づいて順位付けが行なわれる。
【０１６２】
以上、本実施の形態によれば、第一アクセントの位置をはじめ、２以上の音節のアクセント順位が精度高く判断できる。また、本実施の形態によれば、３以上の音節のアクセントの順位を取得できる。したがって、単語だけではなく、文章中のアクセント順位が精度高く判断できる。つまり、ユーザは、単語のアクセントだけではなく、文章の抑揚を正しく行うように訓練できる。また、学習者は、例えば、ネイティブ話者が発声した音声をそのまま利用して、第一アクセントの位置またはアクセントの順位が容易に学習できる。
【０１６３】
また、本実施の形態によれば、アラインメントを行ってから母音区間の基本周波数、パワーから、アクセント順位を決定するので、アクセント順位決定の精度が極めて高くなる。
【０１６４】
さらに、本実施の形態における音声情報処理装置を実現するソフトウェアは、以下のようなプログラムである。つまり、このプログラムは、コンピュータに、単語または文章の音声情報であり、１以上の音節の集合である音声情報を受け付ける音声情報受付ステップと、前記音声情報受付ステップで受け付けた音声情報から基本周波数を取得する基本周波数取得ステップと、前記音声情報受付ステップで受け付けた音声情報から当該音声情報の強さを示す情報であるパワー情報を取得するパワー情報取得ステップと、前記基本周波数取得ステップで取得した基本周波数と、前記パワー情報取得ステップで取得したパワー情報を用いて、第一アクセントの位置またはアクセントの順位を決定するアクセント決定ステップと、前記アクセント決定ステップで決定した第一アクセントの位置またはアクセントの順位に応じた処理を行う処理ステップを実行させるためのプログラム、である。
【０１６５】
また、上記プログラムにおいて、前記アクセント決定ステップは、前記音声情報を構成する２以上の音節の基本周波数の大小を比較する基本周波数比較ステップと、前記基本周波数比較ステップで、前記２以上の音節の基本周波数が略同じであると判断した場合に、少なくとも当該略同じ基本周波数である２以上の音節のパワー情報を比較するパワー比較ステップと、前記２以上の音節の基本周波数の比較結果、および当該２以上のパワー情報が示す音声の強弱の比較結果により、第一アクセントの位置またはアクセントの順位を決定するアクセント位置決定ステップを具備することは好適である。
【０１６６】
また、上記プログラムにおいて、前記アクセント決定ステップは、前記音声情報を構成する２以上の音節のパワー情報が示すパワーの大小を比較するパワー比較ステップと、前記パワー比較ステップで、前記２以上の音節のパワー情報が略同じであると判断した場合に、少なくとも当該略同じパワー情報である２以上の音節の基本周波数の大小を比較する基本周波数比較ステップと、前記２以上の音節のパワー情報が示す音声の強弱の比較結果、および当該２以上の基本周波数の比較結果により、第一アクセントの位置またはアクセントの順位を決定するアクセント位置決定ステップを具備することは好適である。
【０１６７】
また、上記プログラムにおいて、前記処理ステップは、前記アクセント決定ステップで決定した第一アクセントの位置または順位と、格納している教師データを用いて、前記音声情報受付ステップで受け付けた音声情報における第一アクセントの位置または順位が正しいか否かを判断する判断ステップと、前記判断ステップにおける判断結果を出力する出力ステップを具備することは好適である。
【０１６８】
また、上記プログラムにおいて、コンピュータに、前記音声情報受付部が受け付けた音声情報と、格納している教師データとのアラインメントを行うアラインメントステップをさらに実行させ、前記基本周波数取得ステップにおいて、前記アラインメント部が行ったアラインメントの結果得られた前記音声情報の母音区間の基本周波数を取得し、前記パワー情報取得ステップにおいて、前記アラインメント部が行ったアラインメントの結果得られた前記音声情報の母音区間のパワー情報を取得することは好適である。
（実施の形態３）
【０１６９】
本実施の形態において、アクセントのスコアを算出したり、アクセントの正誤を判断したりする場合に、音節または母音区間に対する重み付けについての情報である重み情報を利用する音声情報処理装置について説明する。
【０１７０】
図１６は、本実施の形態における音声情報処理装置のブロック図である。
【０１７１】
音声情報処理装置は、音声情報受付部１０１、アラインメント部１１０１、基本周波数取得部１１０２、パワー情報取得部１１０３、アクセント決定部１１０４、処理部１６０５を具備する。
【０１７２】
処理部１６０５は、教師データ格納手段１１０５１、アクセント情報格納手段１６０５１、判断手段１６０５２、出力手段１０５３を具備する。
【０１７３】
処理部１６０５を構成するアクセント情報格納手段１６０５１は、単語または文章のアクセント位置またはアクセント順位に関する情報であるアクセント情報を格納している。ここでのアクセント情報は、音節または母音区間のアクセントに影響を及ぼす度合いを示す重み情報を含む。重み情報は、アクセントの正誤を判断したり、アクセントのスコアを算出したりする場合に使用される。アクセント情報は、例えば、アクセント順位と、音節の情報（音節の情報とは、例えば、音声を識別する音節ＩＤ）と、重み付けの情報である重み情報の組を１以上有する情報である。アクセント情報のデータ構造は問わない。アクセント情報格納手段１０５１は、不揮発性の記録媒体が好適であるが、揮発性の記録媒体でも実現可能である。
【０１７４】
判断手段１６０５２は、アクセント決定部１１０４が決定した第一アクセントの位置または順位と、アクセント情報を用いて、音声情報受付部１０１が受け付けた音声情報におけるアクセントの位置または順位が正しいか否かを判断したり、アクセントの良し悪しを示すスコアを算出したりする。判断手段１６０５２は、アクセント情報が有する重み情報を用いて、アクセントの位置または順位が正しいか否かを判断したり、アクセントの良し悪しを示すスコアを算出したりする。判断手段１０５２は、通常、ＭＰＵやメモリ等から実現され得る。判断手段１０５２の処理手順は、通常、ソフトウェアで実現され、当該ソフトウェアはＲＯＭ等の記録媒体に記録されている。但し、ハードウェア（専用回路）で実現しても良い。
【０１７５】
次に、本音声情報処理装置の動作について、説明する。本音声情報処理装置の動作は、実施の形態２の音声情報処理装置の動作と比較して、ステップＳ１２１１の処理部１１０５の処理のみが異なる。以下、本音声情報処理装置のアクセント順位に基づいた処理について、図１７のフローチャートを用いて説明する。なお、本音声情報処理装置の動作において、図１２のステップＳ１２０１からステップＳ１２１０までのステップは実行される。
【０１７６】
（ステップＳ１７０１）判断手段１６０５２は、初期化処理を行う。初期化処理とは、カウンタｉに１を代入し、変数「スコア」に０を代入する処理である。変数「スコア」は、ユーザのアクセントの確かさを示すスコアを格納する変数である。
【０１７７】
（ステップＳ１７０２）判断手段１６０５２は、ユーザが発声した音声情報において、ｉ番目の音節が存在するか否かを判断する。ｉ番目の音節が存在すればステップＳ１７０３に行き、ｉ番目の音節が存在しなければステップＳ１７０８に行く。
【０１７８】
（ステップＳ１７０３）判断手段１６０５２は、アクセント情報格納手段１６０５１からｉ番目の音節のアクセント情報を読み出す。
【０１７９】
（ステップＳ１７０４）判断手段１６０５２は、ステップＳ１２１０で決定したアクセント順位であり、ｉ番目の音節のアクセント順位を読み出す。なお、このアクセント順位に関する情報は、メモリ上に一時格納されている。また、音節のアクセント順位は、当該音節に対応する母音区間のアクセント順位と同じである。
【０１８０】
（ステップＳ１７０５）判断手段１６０５２は、ステップＳ１７０３で読み出したアクセント情報が有する、ｉ番目の音節の正解のアクセント順位を取得し、当該正解のアクセント順位と、ステップＳ１７０４で読み出したユーザの解答のアクセント順位を比較し、合致するか否かを判断する。両アクセント順位が合致すればステップＳ１７０６に行き、合致しなければステップＳ１７０７に行く。
【０１８１】
（ステップＳ１７０６）判断手段１６０５２は、ステップＳ１７０３で読み出したアクセント情報が有する、ｉ番目の音節の重み情報を取得し、当該重み情報をスコアに加算する。
【０１８２】
（ステップＳ１７０７）判断手段１６０５２は、カウンタｉを１、インクリメントし、ステップＳ１７０２に戻る。
【０１８３】
（ステップＳ１７０８）判断手段１６０５２は、判断手段１６０５２が予め保持している閾値と、変数「スコア」の値を比較し、「スコア＞＝閾値」を満たすか否かを判断する。「スコア＞＝閾値」を満たせばステップＳ１７０９に行き、「スコア＞＝閾値」を満たさなければステップＳ１７１０に行く。
【０１８４】
（ステップＳ１７０９）判断手段１６０５２は、変数「結果」に「正解」を示す値を代入する。
【０１８５】
（ステップＳ１７１０）判断手段１６０５２は、変数「結果」に「不正解」を示す値を代入する。
【０１８６】
（ステップＳ１７１１）出力手段１０５３は、変数「結果」に基づいて、アクセントの正誤の結果を出力し、位関数にリターンする。
【０１８７】
次に、本実施の形態における音声情報処理装置の具体的な動作について説明する。
【０１８８】
図１８は、アクセント情報格納手段１６０５１に格納されているアクセント情報管理表である。図１８のアクセント情報管理表の各レコードは、アクセント情報レコードの一例である。ここで、アクセント情報レコードは、「入力情報」と「アクセント情報」を有するレコードである。「入力情報」は、ユーザに発音してもらう単語や文章の情報である。「アクセント情報」は、音節の文字列と、アクセント順位の情報（アクセント順位列）と、重み情報を有する。アクセント順位の情報において、「１」が第一アクセントのある音節であることを示す。アクセント順位の情報において、「２」が第二アクセントのある音節であることを示す。重み情報は、ここでは「０」から「１」の値を採りえる。
【０１８９】
そして、音声情報処理装置は、図示しない手段により、アクセントのテストを開始する指示であり、アクセントのテストを行う入力情報の指示を受け付けた、とする。また、音声情報処理装置は、アクセントのテストを開始する指示であり、アクセントのテストを行う入力情報の指示を受け付けた場合、当該指示を受けた「入力情報」を読み出し、ユーザの音声入力を受け付け、アクセントの位置が正解か、不正解かを判断し、判断結果を出力するもの、とする。アクセントの位置が正解か、不正解について、重み情報を利用して判断する。具体的には、音声情報処理装置は、閾値「０．９」以上であれば、正解とし、閾値「０．９」未満であれば不正解とする、とする。
【０１９０】
ここで、音声情報処理装置は、アクセントのテストを開始する指示であり、アクセントのテストを行う入力情報の指示（「Ａ ｗｉｎｄｏｗ ｓｅａｔ ，ｐｌｅａｓｅ」の指示）を受け付けた、とする。
【０１９１】
次に、音声情報処理装置は、ユーザに、「Ａ ｗｉｎｄｏｗ ｓｅａｔ ，ｐｌｅａｓｅ」の文章の発声を促す画面を出力する。
【０１９２】
次に、ユーザは、画面の表示にしたがって、「Ａ ｗｉｎｄｏｗ ｓｅａｔ ，ｐｌｅａｓｅ」という文章を発声する、とする。
【０１９３】
次に、音声情報受付部１０１は、文章「Ａ ｗｉｎｄｏｗ ｓｅａｔ ，ｐｌｅａｓｅ」の音声情報を受け付ける。そして、音声情報受付部１０１は、受け付けた音声情報を、図示しないバッファ（メモリやディスクなど）に一時蓄積する。そして、実施の形態２で説明した処理により、図１９に示すアクセント順位を得て、当該アクセント順位の情報を、一時メモリに記憶した、とする。
【０１９４】
次に、判断手段１６０５２は、初期化処理（変数「スコア」に０を代入など）を行う。
【０１９５】
次に、判断手段１６０５２は、１番目の音節「Ａ」についての音節のアクセント情報「５」（図１８参照）を読み出す。また、判断手段１６０５２は、１番目の音節「Ａ」のユーザ発声のアクセント順位「４」（図１９参照）を読み出す。
【０１９６】
次に、判断手段１６０５２は、１番目の音節の両アクセント順位は合致しない、と判断し、２番目の音節の処理に移行する。ここでの変数「スコア」の値は「０」である。
【０１９７】
そして、判断手段１６０５２は、２番目の音節「ｗｉｎ」についての音節のアクセント情報「１」（図１８参照）を読み出す。また、判断手段１６０５２は、２番目の音節「ｗｉｎ」のユーザ発声のアクセント順位「１」（図１９参照）を読み出す。
【０１９８】
次に、判断手段１６０５２は、２番目の音節の両アクセント順位は合致する、と判断し、２番目の音節の重み情報「０．９」を取得し、当該重み情報「０．９」をスコア「０」に加算し、新しいスコア「０．９」を得る。
【０１９９】
次に、３番目以降の音節についても同様の処理を行い、最終的にユーザのアクセントのスコア「０．９」を得る。
【０２００】
次に、判断手段１６０５２は、判断手段１６０５２が予め保持している閾値「０．９」を読み出し、変数「スコア」の値「０．９」と比較し、「スコア＞＝閾値」を満たすと、判断する。そして、判断手段１６０５２は、変数「結果」に「正解」（例えば、「１」）を示す値を代入する。なお、「不正解」の値は、例えば、「０」である。
【０２０１】
次に、出力手段１０５３は、変数「結果」の値「正解」に基づいて、ユーザが発声した「Ａ ｗｉｎｄｏｗ ｓｅａｔ ，ｐｌｅａｓｅ」のアクセントが正解である旨の出力を行う。出力は、例えば、「あなたは、「Ａ ｗｉｎｄｏｗ ｓｅａｔ ，ｐｌｅａｓｅ」のアクセントを正しく発声されていました。」とディスプレイに表示する。
【０２０２】
以上、本実施の形態によれば、重み情報を利用してアクセントの正誤の判断を行うことにより、アクセントの正誤の判断が精度高く行え、かつ、人の感覚に合致した判断が可能となる。また、本実施の形態によれば、第一アクセントの位置をはじめ、２以上の音節のアクセント順位が精度高く判断できる。また、本実施の形態によれば、３以上の音節のアクセントの順位を取得できる。したがって、単語だけではなく、文章中のアクセント順位が精度高く判断できる。つまり、ユーザは、単語のアクセントだけではなく、文章の抑揚を正しく行うように訓練できる。また、学習者は、例えば、ネイティブ話者が発声した音声をそのまま利用して、第一アクセントの位置またはアクセントの順位が容易に学習できる。また、本実施の形態によれば、アラインメントを行ってから母音区間の基本周波数、パワーから、アクセント順位を決定するので、アクセント順位決定の精度が極めて高くなる。
【０２０３】
なお、本実施の形態において、アクセントの正確度のスコアを出力しても良い。したがって、上述した具体例において、ユーザの発声の「Ａ ｗｉｎｄｏｗ ｓｅａｔ ，ｐｌｅａｓｅ」のアクセントのスコアを「０．９」、または「９０点」などと出力しても良い。
【０２０４】
また、本実施の形態において、重み情報を用いて、アクセントの正誤やスコアを算出した。この処理を実施の形態１における音声情報処理装置に用いても良い。つまり、判断手段は、アクセント決定部が決定した第一アクセントの位置または順位と、重み情報を有するアクセント情報、または、重み情報を有するアクセント情報および教師データを用いて、アクセントの位置または順位が正しいか否かを判断したり、スコアを算出したりする。
【０２０５】
また、本実施の形態における音声情報処理装置を実現するソフトウェアは、以下のようなプログラムである。つまり、このプログラムは、コンピュータに、単語または文章の音声情報であり、１以上の音節の集合である音声情報を受け付ける音声情報受付ステップと、前記音声情報受付ステップで受け付けた音声情報から基本周波数を取得する基本周波数取得ステップと、前記音声情報受付ステップで受け付けた音声情報から当該音声情報の強さを示す情報であるパワー情報を取得するパワー情報取得ステップと、前記基本周波数取得ステップで取得した基本周波数と、前記パワー情報取得ステップで取得したパワー情報を用いて、第一アクセントの位置またはアクセントの順位を決定するアクセント決定ステップと、前記アクセント決定ステップで決定した第一アクセントの位置またはアクセントの順位に応じた処理を行う処理ステップを実行させるためのプログラム、である。
【０２０６】
また、上記プログラムにおいて、前記アクセント決定ステップは、前記音声情報を構成する２以上の音節の基本周波数の大小を比較する基本周波数比較ステップと、前記基本周波数比較ステップで、前記２以上の音節の基本周波数が略同じであると判断した場合に、少なくとも当該略同じ基本周波数である２以上の音節のパワー情報を比較するパワー比較ステップと、前記２以上の音節の基本周波数の比較結果、および当該２以上のパワー情報が示す音声の強弱の比較結果により、第一アクセントの位置またはアクセントの順位を決定するアクセント位置決定ステップを具備することは好適である。
【０２０７】
また、上記プログラムにおいて、前記アクセント決定ステップは、前記音声情報を構成する２以上の音節のパワー情報が示すパワーの大小を比較するパワー比較ステップと、前記パワー比較ステップで、前記２以上の音節のパワー情報が略同じであると判断した場合に、少なくとも当該略同じパワー情報である２以上の音節の基本周波数の大小を比較する基本周波数比較ステップと、前記２以上の音節のパワー情報が示す音声の強弱の比較結果、および当該２以上の基本周波数の比較結果により、第一アクセントの位置またはアクセントの順位を決定するアクセント位置決定ステップを具備することは好適である。
【０２０８】
また、上記プログラムにおいて、前記処理ステップは、前記アクセント決定ステップで決定した第一アクセントの位置または順位と、格納しているアクセント情報を用いて、前記音声情報受付ステップで受け付けた音声情報における第一アクセントの位置または順位が正しいか否かを判断する判断ステップと、前記判断ステップにおける判断結果を出力する出力ステップを具備することは好適である。
【０２０９】
また、上記プログラムにおいて、前記処理ステップは、前記アクセント決定ステップで決定した第一アクセントの位置または順位と、格納している教師データを用いて、前記音声情報受付ステップで受け付けた音声情報における第一アクセントの位置または順位が正しいか否かを判断する判断ステップと、前記判断ステップにおける判断結果を出力する出力ステップを具備することは好適である。
【０２１０】
また、上記プログラムにおいて、判断ステップは、前記アクセント決定ステップで決定した第一アクセントの位置または順位と、重み情報を有するアクセント情報、または、重み情報を有するアクセント情報および教師データを用いて、アクセントの位置または順位が正しいか否かを判断したり、スコアを算出する。
【０２１１】
また、上記各実施の形態において、各処理（各機能）は、単一の装置（システム）によって集中処理されることによって実現されてもよく、あるいは、複数の装置によって分散処理されることによって実現されてもよい。
【０２１２】
また、図２０は、本明細書で述べたプログラムを実行して、上述した種々の実施の形態の音声情報処理装置を実現するコンピュータの外観を示す。上述の実施の形態は、コンピュータハードウェア及びその上で実行されるコンピュータプログラムで実現され得る。図２０は、このコンピュータシステム３４０の概観図であり、図２１は、コンピュータシステム３４０のブロック図である。
【０２１３】
図２０において、コンピュータシステム３４０は、ＦＤ（Ｆｌｅｘｉｂｌｅ Ｄｉｓｋ）ドライブ、ＣＤ−ＲＯＭ（Ｃｏｍｐａｃｔ Ｄｉｓｋ Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）ドライブを含むコンピュータ３４１と、キーボード３４２と、マウス３４３と、モニタ３４４と、マイク３４５とを含む。
【０２１４】
図２１において、コンピュータ３４１は、ＦＤドライブ３４１１、ＣＤ−ＲＯＭドライブ３４１２に加えて、ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）３４１３と、ＣＰＵ３４１３、ＣＤ−ＲＯＭドライブ３４１２及びＦＤドライブ３４１１に接続されたバス３４１４と、ブートアッププログラム等のプログラムを記憶するためのＲＯＭ（Ｒｅａｄ−Ｏｎｌｙ Ｍｅｍｏｒｙ）３４１５と、ＣＰＵ３４１３に接続され、アプリケーションプログラムの命令を一時的に記憶するとともに一時記憶空間を提供するためのＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）３４１６と、アプリケーションプログラム、システムプログラム、及びデータを記憶するためのハードディスク３４１７とを含む。ここでは、図示しないが、コンピュータ３４１は、さらに、ＬＡＮへの接続を提供するネットワークカードを含んでも良い。
【０２１５】
コンピュータシステム３４０に、上述した実施の形態の音声情報処理装置の機能を実行させるプログラムは、ＣＤ−ＲＯＭ３５０１、またはＦＤ３５０２に記憶されて、ＣＤ−ＲＯＭドライブ３４１２またはＦＤドライブ３４１１に挿入され、さらにハードディスク３４１７に転送されても良い。これに代えて、プログラムは、図示しないネットワークを介してコンピュータ３４１に送信され、ハードディスク３４１７に記憶されても良い。プログラムは実行の際にＲＡＭ３４１６にロードされる。プログラムは、ＣＤ−ＲＯＭ３５０１、ＦＤ３５０２またはネットワークから直接、ロードされても良い。
【０２１６】
プログラムは、コンピュータ３４１に、上述した実施の形態の音声情報処理装置の機能を実行させるオペレーティングシステム（ＯＳ）、またはサードパーティープログラム等は、必ずしも含まなくても良い。プログラムは、制御された態様で適切な機能（モジュール）を呼び出し、所望の結果が得られるようにする命令の部分のみを含んでいれば良い。コンピュータシステム３４０がどのように動作するかは周知であり、詳細な説明は省略する。
【０２１７】
また、上記プログラムを実行するコンピュータは、単数であってもよく、複数であってもよい。すなわち、集中処理を行ってもよく、あるいは分散処理を行ってもよい。
【０２１８】
本発明は、以上の実施の形態に限定されることなく、種々の変更が可能であり、それらも本発明の範囲内に包含されるものであることは言うまでもない。
【産業上の利用可能性】
【０２１９】
以上のように、本発明にかかる音声情報処理装置は、精度高くアクセントの位置や順位が判断できるという効果を有し、アクセントの教育に用いる語学学習装置等として有用である。
【図面の簡単な説明】
【０２２０】
【図１】実施の形態１における音声情報処理装置のブロック図
【図２】同音声情報処理装置の動作について説明するフローチャート
【図３】同アクセントの位置や順位を決定する動作について説明するフローチャート
【図４】同音声情報処理装置の出力処理について説明するフローチャート
【図５】同アクセント情報管理表を示す図
【図６】同画面例示す図
【図７】同音声波形データを示す図
【図８】同抽出した基本周波数、およびパワーを示す図
【図９】同抽出した基本周波数、およびパワーを示す図
【図１０】同アクセント順位を決定する場合にメモリに配置されるデータ例を示す図
【図１１】実施の形態２における音声情報処理装置のブロック図
【図１２】同音声情報処理装置の動作について説明するフローチャート
【図１３】同平均・分散算出処理について説明するフローチャート
【図１４】同母音区間のスコアを算出する動作について説明するフローチャート
【図１５】同対数基本周波数の平均値・分散等の処理の概念を説明する図
【図１６】実施の形態３における音声情報処理装置のブロック図
【図１７】同アクセント順位に基づいた処理について説明するフローチャート
【図１８】同アクセント情報管理表を示す図
【図１９】同算出したアクセント順位の例を示す図
【図２０】同音声情報処理装置を実現するコンピュータの外観図
【図２１】同音声情報処理装置を実現するコンピュータシステムのブロック図
【符号の説明】
【０２２１】
１０１ 音声情報受付部
１０２ 基本周波数取得部
１０３ パワー情報取得部
１０４ アクセント決定部
１０５、１１０５，１６０５ 処理部
１０４１ 基本周波数比較手段
１０４２ パワー比較手段
１０４３ アクセント位置決定手段
１０５１、１６０５ アクセント情報格納手段
１０５２、１１０５２、１６０５２ 判断手段
１０５３ 出力手段
１１０５１ 教師データ格納手段
【特許請求の範囲】
【請求項１】
単語または文章の音声情報であり、１以上の音節の集合である音声情報を受け付ける音声情報受付部と、
前記音声情報受付部が受け付けた音声情報から基本周波数を取得する基本周波数取得部と、
前記音声情報受付部が受け付けた音声情報から当該音声情報の強さを示す情報であるパワー情報を取得するパワー情報取得部と、
前記基本周波数取得部が取得した基本周波数と、前記パワー情報取得部が取得したパワー情報を用いて、第一アクセントの位置またはアクセントの順位を決定するアクセント決定部と、
前記アクセント決定部が決定した第一アクセントの位置またはアクセントの順位に応じた処理を行う処理部を具備する音声情報処理装置。
【請求項２】
前記アクセント決定部は、
前記音声情報を構成する２以上の音節の基本周波数の大小を比較する基本周波数比較手段と、
前記基本周波数比較手段が、前記２以上の音節の基本周波数が略同じであると判断した場合に、少なくとも当該略同じ基本周波数である２以上の音節のパワー情報を比較するパワー比較手段と、
前記２以上の音節の基本周波数の比較結果、および当該２以上のパワー情報が示す音声の強弱の比較結果により、第一アクセントの位置またはアクセントの順位を決定するアクセント位置決定手段を具備する請求項１記載の音声情報処理装置。
【請求項３】
前記アクセント決定部は、
前記音声情報を構成する２以上の音節のパワー情報が示すパワーの大小を比較するパワー比較手段と、
前記パワー比較手段が、前記２以上の音節のパワー情報が略同じであると判断した場合に、少なくとも当該略同じパワー情報である２以上の音節の基本周波数の大小を比較する基本周波数比較手段と、
前記２以上の音節のパワー情報が示す音声の強弱の比較結果、および当該２以上の基本周波数の比較結果により、第一アクセントの位置またはアクセントの順位を決定するアクセント位置決定手段を具備する請求項１記載の音声情報処理装置。
【請求項４】
前記処理部は、
単語または文章のアクセント位置または順位に関する情報であるアクセント情報を格納しているアクセント情報格納手段と、
前記アクセント決定部が決定した第一アクセントの位置またはアクセントの順位と、前記アクセント情報を用いて、前記音声情報受付部が受け付けた音声情報における第一アクセントの位置またはアクセントの順位が正しいか否かを判断する判断手段と、
前記判断手段における判断結果を出力する出力手段を具備する請求項１から請求項３いずれか記載の音声情報処理装置。
【請求項５】
前記処理部は、
第一アクセントの位置またはアクセントの順位が正しいか否かを判断するための比較対象の音声情報である教師データを格納している教師データ格納手段と、
前記アクセント決定部が決定した第一アクセントの位置またはアクセントの順位と、前記教師データを用いて、前記音声情報受付部が受け付けた音声情報における第一アクセントの位置またはアクセントの順位が正しいか否かを判断する判断手段と、
前記判断手段における判断結果を出力する出力手段を具備する請求項１から請求項３いずれか記載の音声情報処理装置。
【請求項６】
前記判断手段は、
前記アクセント決定部が決定した第一アクセントの位置またはアクセントの順位と、重み情報を有するアクセント情報、または、重み情報を有するアクセント情報および教師データを用いて、アクセントの位置またはアクセントの順位が正しいか否かを判断する請求項４または請求項５記載の音声情報処理装置。
【請求項７】
前記音声情報受付部が受け付けた音声情報と、格納している教師データとのアラインメントを行うアラインメント部をさらに具備し、
前記基本周波数取得部は、
前記アラインメント部が行ったアラインメントの結果得られた前記音声情報の母音区間の基本周波数を取得し、
前記パワー情報取得部は、
前記アラインメント部が行ったアラインメントの結果得られた前記音声情報の母音区間のパワー情報を取得する請求項１から請求項６いずれか記載の音声情報処理装置。
【請求項８】
コンピュータに、
単語または文章の音声情報であり、１以上の音節の集合である音声情報を受け付ける音声情報受付ステップと、
前記音声情報受付ステップで受け付けた音声情報から基本周波数を取得する基本周波数取得ステップと、
前記音声情報受付ステップで受け付けた音声情報から当該音声情報の強さを示す情報であるパワー情報を取得するパワー情報取得ステップと、
前記基本周波数取得ステップで取得した基本周波数と、前記パワー情報取得ステップで取得したパワー情報を用いて、第一アクセントの位置またはアクセントの順位を決定するアクセント決定ステップと、
前記アクセント決定ステップで決定した第一アクセントの位置またはアクセントの順位に応じた処理を行う処理ステップを実行させるためのプログラム。
【請求項１】
単語または文章の音声情報であり、１以上の音節の集合である音声情報を受け付ける音声情報受付部と、
前記音声情報受付部が受け付けた音声情報から基本周波数を取得する基本周波数取得部と、
前記音声情報受付部が受け付けた音声情報から当該音声情報の強さを示す情報であるパワー情報を取得するパワー情報取得部と、
前記基本周波数取得部が取得した基本周波数と、前記パワー情報取得部が取得したパワー情報を用いて、第一アクセントの位置またはアクセントの順位を決定するアクセント決定部と、
前記アクセント決定部が決定した第一アクセントの位置またはアクセントの順位に応じた処理を行う処理部を具備する音声情報処理装置。
【請求項２】
前記アクセント決定部は、
前記音声情報を構成する２以上の音節の基本周波数の大小を比較する基本周波数比較手段と、
前記基本周波数比較手段が、前記２以上の音節の基本周波数が略同じであると判断した場合に、少なくとも当該略同じ基本周波数である２以上の音節のパワー情報を比較するパワー比較手段と、
前記２以上の音節の基本周波数の比較結果、および当該２以上のパワー情報が示す音声の強弱の比較結果により、第一アクセントの位置またはアクセントの順位を決定するアクセント位置決定手段を具備する請求項１記載の音声情報処理装置。
【請求項３】
前記アクセント決定部は、
前記音声情報を構成する２以上の音節のパワー情報が示すパワーの大小を比較するパワー比較手段と、
前記パワー比較手段が、前記２以上の音節のパワー情報が略同じであると判断した場合に、少なくとも当該略同じパワー情報である２以上の音節の基本周波数の大小を比較する基本周波数比較手段と、
前記２以上の音節のパワー情報が示す音声の強弱の比較結果、および当該２以上の基本周波数の比較結果により、第一アクセントの位置またはアクセントの順位を決定するアクセント位置決定手段を具備する請求項１記載の音声情報処理装置。
【請求項４】
前記処理部は、
単語または文章のアクセント位置または順位に関する情報であるアクセント情報を格納しているアクセント情報格納手段と、
前記アクセント決定部が決定した第一アクセントの位置またはアクセントの順位と、前記アクセント情報を用いて、前記音声情報受付部が受け付けた音声情報における第一アクセントの位置またはアクセントの順位が正しいか否かを判断する判断手段と、
前記判断手段における判断結果を出力する出力手段を具備する請求項１から請求項３いずれか記載の音声情報処理装置。
【請求項５】
前記処理部は、
第一アクセントの位置またはアクセントの順位が正しいか否かを判断するための比較対象の音声情報である教師データを格納している教師データ格納手段と、
前記アクセント決定部が決定した第一アクセントの位置またはアクセントの順位と、前記教師データを用いて、前記音声情報受付部が受け付けた音声情報における第一アクセントの位置またはアクセントの順位が正しいか否かを判断する判断手段と、
前記判断手段における判断結果を出力する出力手段を具備する請求項１から請求項３いずれか記載の音声情報処理装置。
【請求項６】
前記判断手段は、
前記アクセント決定部が決定した第一アクセントの位置またはアクセントの順位と、重み情報を有するアクセント情報、または、重み情報を有するアクセント情報および教師データを用いて、アクセントの位置またはアクセントの順位が正しいか否かを判断する請求項４または請求項５記載の音声情報処理装置。
【請求項７】
前記音声情報受付部が受け付けた音声情報と、格納している教師データとのアラインメントを行うアラインメント部をさらに具備し、
前記基本周波数取得部は、
前記アラインメント部が行ったアラインメントの結果得られた前記音声情報の母音区間の基本周波数を取得し、
前記パワー情報取得部は、
前記アラインメント部が行ったアラインメントの結果得られた前記音声情報の母音区間のパワー情報を取得する請求項１から請求項６いずれか記載の音声情報処理装置。
【請求項８】
コンピュータに、
単語または文章の音声情報であり、１以上の音節の集合である音声情報を受け付ける音声情報受付ステップと、
前記音声情報受付ステップで受け付けた音声情報から基本周波数を取得する基本周波数取得ステップと、
前記音声情報受付ステップで受け付けた音声情報から当該音声情報の強さを示す情報であるパワー情報を取得するパワー情報取得ステップと、
前記基本周波数取得ステップで取得した基本周波数と、前記パワー情報取得ステップで取得したパワー情報を用いて、第一アクセントの位置またはアクセントの順位を決定するアクセント決定ステップと、
前記アクセント決定ステップで決定した第一アクセントの位置またはアクセントの順位に応じた処理を行う処理ステップを実行させるためのプログラム。
【図１】
【図２】
【図３】
【図４】
【図５】
【図６】
【図９】
【図１０】
【図１１】
【図１２】
【図１３】
【図１４】
【図１６】
【図１７】
【図１８】
【図１９】
【図２０】
【図２１】
【図７】
【図８】
【図１５】
【図２】
【図３】
【図４】
【図５】
【図６】
【図９】
【図１０】
【図１１】
【図１２】
【図１３】
【図１４】
【図１６】
【図１７】
【図１８】
【図１９】
【図２０】
【図２１】
【図７】
【図８】
【図１５】
【公開番号】特開２００７−２４１０５２（Ｐ２００７−２４１０５２Ａ）
【公開日】平成１９年９月２０日（２００７．９．２０）
【国際特許分類】
【出願番号】特願２００６−６５６９４（Ｐ２００６−６５６９４）
【出願日】平成１８年３月１０日（２００６．３．１０）
【国等の委託研究の成果に係る記載事項】（出願人による申告）平成１７年度独立行政法人情報通信研究機構、研究テーマ「人間情報コミュニケーションの研究開発」に関する委託研究、産業活力再生特別措置法第３０条の適用を受ける特許出願
【出願人】（３９３０３１５８６）株式会社国際電気通信基礎技術研究所 (905)
【Ｆターム（参考）】
【公開日】平成１９年９月２０日（２００７．９．２０）
【国際特許分類】
【出願日】平成１８年３月１０日（２００６．３．１０）
【国等の委託研究の成果に係る記載事項】（出願人による申告）平成１７年度独立行政法人情報通信研究機構、研究テーマ「人間情報コミュニケーションの研究開発」に関する委託研究、産業活力再生特別措置法第３０条の適用を受ける特許出願
【出願人】（３９３０３１５８６）株式会社国際電気通信基礎技術研究所 (905)
【Ｆターム（参考）】
[ Back to top ]