【課題】話者の判別を簡易かつ正確に行うことを課題とする。
【解決手段】話者判別装置５０は、２人の話者に配置されるマイクから２つの音声データを取得する。さらに、話者判別装置５０は、２つの音声データの各々をフレーム化する。さらに、話者判別装置５０は、第１の確率モデルに基づいて、フレームが有声音領域又は無声音領域のいずれであるかを識別する。さらに、話者判別装置５０は、有声音領域であると識別されたフレームの識別結果を有効又は無効とするかを決定する。このとき、話者判別装置５０は、２つの音声データのエネルギー比を複数の確率分布が混合するモデルにモデル化した上でフレーム間のエネルギー比が複数の確率分布のうちいずれに属するかに応じて先の決定を行う。さらに、話者判別装置５０は、第２の確率モデルに基づいて、有効又は無効が決定された後のフレームの識別結果から２つの音声データにおける発話領域及び沈黙領域を識別する。 （もっと読む）

【課題】現在の騒音状況に適した入力ゲインを設定することができる「音声認識装置」を提供する。
【解決手段】第１騒音振幅分布検出部１１と第２騒音振幅分布検出部１２は、音声認識エンジン７が音声認識処理中に発声音声を検出している時間区間である発声音声区間以外の時間区間において、騒音の振幅分布ｇｂ（ｎ）を繰り返し算出する。音声振幅分布検出部１４は、発声音声区間の発声音声の平均の振幅分布ｆ（ｎ）を算出する。入力ゲイン制御部１０は、音声認識処理開始時に、最後に算出された騒音の振幅分布と、発声音声の平均の振幅分布の双方を考慮し、音声認識エンジン７に入力する入力音声データのレンジが、音声認識エンジン７の規格レンジに対して適正なレンジを持つように入力アンプ５の入力ゲインＧを制御する。 （もっと読む）

【課題】発話音声及び騒音が混在する環境において得られる音声信号を適正に処理することのできる「音声処理装置」を提供することである。
【解決手段】利用者の発話に応答してマイクから出力される音声信号を設定されたゲイン値に基づいて増幅する増幅手段１２と、増幅手段１２での増幅を経た音声信号を処理する音声処理手段１２０とを有する音声処理装置であって、利用者の発話に際して増幅手段１３での増幅を経た音声信号のピーク値を検出する音声ピーク値検出手段１３０と、ピーク値検出手段１３０にて検出される音声信号のピーク値の統計的分布を表わす音声ピーク値分布情報を生成する手段１４０と、前記音声ピーク値分布情報と予め定めた基準ピーク値範囲内とに基づいて増幅手段１２に設定すべきゲイン値を決定するゲイン値決定手段１５０とを有する構成となる。 （もっと読む）

【課題】発話において突発的な音量変化が生じた場合であっても、確実に認識漏れなく音声認識を行う。
【解決手段】受付端末２０は、来訪者Ｍの発話音声により音声情報を入力するマイク２０７と、マイク２０７で入力された音声情報を増幅するオペアンプ２１７とを有し、互いに異なる複数の値Ｎ１，Ｎ２，Ｎ３が時系列的に順次繰り返されるようにオペアンプ２１７の増幅率を切替制御し、この切替制御に連動し、複数の値Ｎ１，Ｎ２，Ｎ３に制御された増幅率を用いてオペアンプ２１７で増幅された音声情報を所定周期でサンプリングし、音声データＳＤを取得し、この取得された音声データＳＤを、切替制御された増幅率の複数の値Ｎ１，Ｎ２，Ｎ３それぞれに対応させた複数のデータ群に分類して抽出し、この抽出された複数のデータ群のうち、特定のデータ群を選択し、この選択されたデータ群を用いて音声認識を行う。 （もっと読む）

【課題】専用のセンサやマイクを新たに設ける必要がなく操作者までの距離検出を行い、適切なゲインで対話処理を行う。
【解決手段】受付端末２０は、音声を入力するためのマイク２０７と、音声を出力するためのスピーカ２０８と有し、マイク２０７を介し入力された雑音により対応する雑音情報を取得し、取得した雑音情報に基づき生成された疑似雑音をスピーカ２０８を介し出力し、マイク２０７を介し入力された疑似雑音の対象物での反射音により対応する反射音情報を取得し、取得された反射音情報に基づき所定の演算処理を行い対象物が来訪者Ｍであると推測して来訪者Ｍまでの距離を検出し、この検出結果に基づき、マイク２０７のゲインを調整する。 （もっと読む）

【課題】
音声認識精度を向上させるために利用者の発話に適した領域を推定することのできる対話型ロボットを提供する。
【解決手段】
音声認識可能な音声対話型ロボット100であって、音声認識部302で認識された語彙に対応する処理を実行する。利用者音声強度DB306に記憶された利用者201の音声の特性から、必要なS/N比を満たす推奨距離範囲を推定し、推奨距離範囲提示部309へ出力する。推奨距離範囲提示部309は、推奨距離範囲推定部307から通知された対話型ロボット100と利用者201との音声に適した距離範囲である推奨距離範囲を利用者201に対して提示する。それによって利用者が音声認識精度を満たす発話に適した推奨距離範囲から発話が可能なように支援することが可能な対話型ロボットを提供することが出来る。 （もっと読む）

【課題】周波数等の音の所定の特徴量をなるべく変化させないようにしつつ、音量調整を行う技術を提供する。
【解決手段】入力された音を一定の時間長のフレームで分割する。フレームに含まれる音の大きさを表す特徴量である外形値をフレームごとに求める。予め定められた数Ｂ_１以上連続する無音フレームに挟まれ、予め定められた数Ｂ_２以上のフレームから構成された音区間を第一音区間として、第一音区間を構成する複数のフレームの外形値から、外形値が大きい方から複数の外形値を除外して、除外されずに残った外形値の最大値をその第一音区間の外形値として求める。求まった第一音区間の外形値が予め定められた範囲に入るように、入力された音の音量を調整するための情報（以下、第一音量調整情報とする。）を決定して、出力する第一音量調整指示手段と、出力された第一音量調整情報を用いて入力された音の音量を調整する。 （もっと読む）

【課題】入力信号の波形の振幅を正確に過大、過小であるかを判断できる。
【解決手段】入力信号のレベルＬを算出し（１０２、Ｓ２）、レベルＬが予め定められた第１閾値Ａ_ｍａｘ以上／より大きいか否かを判定し（１０４、Ｓ４）、レベルＬが第１閾値Ａ_ｍａｘ以上／より大きいと判定されると、過去の予め定められた判定時間Ｔ_ｆ内で、レベルＬが第１閾値Ａ_ｍａｘ以上／より大きい時間の合計時間である閾値大時間Ｔ_Ｈを算出し（１０８、Ｓ８）、閾値大時間Ｔ_Ｈを用いて、第１閾値Ａ_ｍａｘ以上／より大きいレベルについての相加平均である閾値大平均レベルＭ_Ｈを算出し（１１２、Ｓ１０）、閾値大平均レベルが予め定められた第２閾値Ｂ_ｍａｘ以上／より大きいか否かを判定し（１１６、Ｓ１２）、この判定結果に応じた入力信号のレベルを調整するための調整命令信号を生成、出力する（１２４、Ｓ１４、Ｓ１６）。 （もっと読む）

【課題】内線電話端末として利用可能としつつ、音声認識処理に適した符号化を行う。
【解決手段】ＩＰ電話機能を備え、当該ＩＰ電話機能を用いて構内に敷設されたネットワークを介して内線電話端末として利用可能な電話端末装置１であって、ＩＰ電話機能の利用時に通信データの符号化を行うＩＰ電話用コーデック１０と、ユーザから入力された音声データの音声認識処理に適した符号化を行う音声認識用コーデック１１と、ＩＰ電話用コーデック１０と音声認識用コーデック１１とを切り替えるコーデック切替部９とを備える。 （もっと読む）

【課題】本発明は、音声合成部と音声認識部の設定およびセリフとなる文字列を自動的に適切に調整し、ユーザの作業を簡易化することができるロボットを提供する。
【解決手段】出力音声を合成する音声合成部３と、入力音声の認識を行う音声認識部４と、前記音声合成部３および前記音声認識部４の設定を調整する調整部５とを備えたロボット１において、前記調整部５は、前記出力音声を前記音声認識部４の入力音声とした認識結果を基に調整するものである。 （もっと読む）

【課題】 ユーザが特定のオブジェクトに音声を登録し、その音声を発声することでオブジェクトを呼び出すことができる音声操作において、前記オブジェクトが表現しにくい概念（操作マクロ、検索クエリ等）であった場合を考える。登録したオブジェクトを発声で呼び出した際には、呼び出したオブジェクトがユーザが求める内容であるかどうかを効果的に確認する手段がない。
【解決手段】 オブジェクトへの音声登録時に、識別情報データベースから識別情報を選択する。そして、オブジェクト、登録音声、選択された識別情報からなる登録情報を登録データベースに格納する。音声呼び出し時は、呼び出された登録情報に含まれる識別情報をユーザに提示する。 （もっと読む）

【課題】 アナログ音声信号の増幅とデジタル音声信号の増幅が可能な音声処理装置において、入力される音声信号が所望の音量になるような最適なアナログ音声信号の増幅値とデジタル音声信号の増幅値を設定する。
【解決手段】 目標増幅値に対するアナログ増幅値とデジタル増幅値を設定する際に、アナログ増幅とデジタル増幅を組み合わせて得られる増幅値が目標増幅値と等しく、かつアナログ増幅値が設定可能な範囲で最大になるようにアナログ増幅値とデジタル増幅値とを設定することを特徴とする。 （もっと読む）

【課題】 音声信号を受け取って処理する側の装置が負う音声信号の解析のための負担を軽減する。
【解決手段】 抽出部２０−ｋ（ｋ＝１〜ｍ）は、マイクロフォン１１−ｋ（ｋ＝１〜ｍ）により得られたデジタルオーディオ信号Ｓ−ｋ（ｋ＝１〜ｍ）から音声強度信号Ｅｓ−ｋ（ｋ＝１〜ｍ）と雑音強度信号Ｅｎ−ｋ（ｋ＝１〜ｍ）を各々抽出する。Ｓ／Ｎ比信号生成部５０は、音声強度信号Ｅｓ−ｋ（ｋ＝１〜ｍ）と雑音強度信号Ｅｎ−ｋ（ｋ＝１〜ｍ）からＳ／Ｎ比信号を演算する。出力部６０は、デジタルオーディオ信号Ｓ−ｋ（ｋ＝１〜ｍ）から合成されたデジタルオーディオ信号ＳＳとＳ／Ｎ比信号とを出力する。 （もっと読む）

【課題】音声認識の精度をより向上することのできる「音声入力装置」を提供する。
【解決手段】ゲイン制御部１０は、オーディオ信号のスピーカ３への出力を増幅する出力調整アンプ２２のゲインを、発話音声抽出部７で推定されるＡ／Ｄ変換器６が出力するデジタル信号中のオーディオ信号成分のレベルの大きさが、発話音声抽出部７が過去に推定した、Ａ／Ｄ変換器６が出力するデジタル信号中の発話音声信号成分のレベルの大きの最小値よりも小さくなるように設定する。また、Ａ／Ｄ変換器６へ入力する信号を増幅する入力調整アンプ５のゲインを、発話音声抽出部７が推定した、Ａ／Ｄ変換器６が出力するデジタル信号中の発話音声信号成分のレベルの大きさと、Ａ／Ｄ変換器６の出力可能な最大レベルとの比率が、１：２となるように設定する。 （もっと読む）

【課題】 ユーザが発声した音声を分析し、音声認識期間で音声として認識することができるように、音声入力レベルを自動的及び能動的に調整することができる音声認識システム等を提供する。
【解決手段】 本発明の音声認識システムは、外部から話者の音声を読み取る音声読み取り部２２０と、読み取られた音声を、音声認識部３００から供給される音声入力レベルで受信し、音声認識部３００に出力する音声レベル制御部２４０と、 音声レベル制御部２４０で出力される音声から音声認識に必要な音声信号期間を検出する音声検出部３１０と、検出した音声信号期間内の音声信号の有無を、閾値を基準にして判定する音声飽和検出部３５０と、音声信号期間の音声信号が飽和したと判定されると、音声レベル制御部２４０が音声を飽和しない状態で受信するように、新たな音声入力レベルを決定し、該新たな音声入力レベル情報を音声レベル制御部２４０に出力する音声レベル決定部３７０と、を含む。 （もっと読む）

【課題】携帯型情報端末装置の使用状態に応じて入力した音声レベルを適切な音声レベルに増幅し、認識率低下の防止を行う。
【解決手段】マイクロフォンに入力する音声を認識する音声認識装置に、マイクロフォンから出力される音声信号を増幅する増幅器１０８と、増幅された音声レベルを検出する音声レベル検出部１０３Ａと、送話ゲイン、適正音声レベル、送話ゲイン更新用の時定数を記憶する送話ゲイン情報記憶部１０６Ａと、送話ゲイン、適正音声レベル、時定数を読み出し、増幅器に送話ゲインを設定し、検出された音声レベルを適正音声レベルにすべきゲインに時定数を乗じた値を送話ゲインに加算して送話ゲインを更新し、更新した送話ゲインを送話ゲイン情報記憶部に記憶させる送話ゲイン設定制御部１０３Ｂと、増幅された音声信号を入力して音声認識を行う音声認識部１１１とを備える。 （もっと読む）