聲音數(shù)據(jù)檢索系統(tǒng)及用于該系統(tǒng)的程序技術(shù)方案

在聲音數(shù)據(jù)檢索系統(tǒng)中，使得能夠容易地進(jìn)行檢索結(jié)果的正解/非正解的判斷。在聲音數(shù)據(jù)檢索系統(tǒng)中，具備：輸入裝置（112），輸入關(guān)鍵字；音素變換部（106），將輸入的上述關(guān)鍵字變換為音素標(biāo)音；聲音數(shù)據(jù)搜索部（105），基于音素標(biāo)音的關(guān)鍵字，在聲音數(shù)據(jù)中檢索講出該關(guān)鍵字的部分；對(duì)照關(guān)鍵字生成部（107），基于音素標(biāo)音的關(guān)鍵字，生成用戶有可能聽(tīng)取混淆的與該關(guān)鍵字不同的對(duì)照關(guān)鍵字的集合；以及檢索結(jié)果提示部（110），向用戶提示來(lái)自上述聲音數(shù)據(jù)搜索部（105）的檢索結(jié)果及來(lái)自上述對(duì)照關(guān)鍵字生成部（107）的上述對(duì)照關(guān)鍵字。

【技術(shù)實(shí)現(xiàn)步驟摘要】
聲音數(shù)據(jù)檢索系統(tǒng)及用于該系統(tǒng)的程序
本專(zhuān)利技術(shù)涉及檢索聲音數(shù)據(jù)的系統(tǒng)。
技術(shù)介紹
隨著近年來(lái)的存儲(chǔ)設(shè)備的大容量化，能夠儲(chǔ)存大量的聲音數(shù)據(jù)。在以往的許多聲音數(shù)據(jù)庫(kù)中，為了管理聲音數(shù)據(jù)而賦予對(duì)聲音進(jìn)行錄音的時(shí)刻的信息，并基于該信息檢索希望的聲音數(shù)據(jù)。但是，在基于時(shí)刻信息的檢索中，需要預(yù)先知道講出希望的聲音的時(shí)刻，不適合于檢索講話中包含指定的關(guān)鍵字的聲音的用途。在檢索講話中包含指定的關(guān)鍵字的聲音的情況下，需要將聲音從頭到尾進(jìn)行聽(tīng)取。所以，開(kāi)發(fā)了自動(dòng)地檢測(cè)講出聲音數(shù)據(jù)庫(kù)中的指定的關(guān)鍵字的時(shí)刻的技術(shù)。在作為代表性的方法之一的子字檢索法中，首先通過(guò)子字識(shí)別（Sub-wordrecognition）處理將聲音數(shù)據(jù)變換為子字串。這里，所謂子字，是指音素（Phoneme）或音節(jié)（Syllable）等比單詞更小的單位的名稱。如果輸入關(guān)鍵字，則將該關(guān)鍵字的子字表現(xiàn)與聲音數(shù)據(jù)的子字識(shí)別結(jié)果進(jìn)行比較，檢測(cè)子字的一致度高的部分，由此在聲音數(shù)據(jù)中檢測(cè)講出該關(guān)鍵字的時(shí)刻（專(zhuān)利文獻(xiàn)1、非專(zhuān)利文獻(xiàn)1）。此外，在非專(zhuān)利文獻(xiàn)2所示出的字定位（wordspotting）法中，通過(guò)將音素單位的聲學(xué)模型（Acousticmodel）組合而生成該關(guān)鍵字的聲學(xué)模型，通過(guò)進(jìn)行該關(guān)鍵字聲學(xué)模型與聲音數(shù)據(jù)的對(duì)照，在聲音數(shù)據(jù)中檢測(cè)講出該關(guān)鍵字的時(shí)刻。但是，哪種技術(shù)都受到講話的變動(dòng)（方言或說(shuō)話者不同等）或噪聲的影響，檢索結(jié)果中包含錯(cuò)誤，有時(shí)實(shí)際上沒(méi)有講出該關(guān)鍵字的時(shí)刻會(huì)出現(xiàn)在檢索結(jié)果中。因此，用戶為了將錯(cuò)誤的檢索結(jié)果去除，需要從通過(guò)檢索得到的關(guān)鍵字的講話時(shí)刻起將聲音數(shù)據(jù)再現(xiàn)、通過(guò)聽(tīng)取來(lái)判斷該關(guān)鍵字是否真正被講出。還提出了用來(lái)輔助如上所述的正解/非正解判斷的技術(shù)。在專(zhuān)利文獻(xiàn)2中公開(kāi)了為了通過(guò)聽(tīng)取來(lái)判斷該關(guān)鍵字是否真正被講出而強(qiáng)調(diào)該關(guān)鍵字的檢測(cè)時(shí)刻來(lái)進(jìn)行再現(xiàn)的技術(shù)。專(zhuān)利文獻(xiàn)1：特開(kāi)2002－221984號(hào)公報(bào)專(zhuān)利文獻(xiàn)2：特開(kāi)2005－38014號(hào)公報(bào)非專(zhuān)利文獻(xiàn)1：巖田耕平等，“語(yǔ)彙フリー音聲文書(shū)検索手法における新しいサブワードモデルとサブワード音響距離の有効性の検証（無(wú)詞匯約束的聲音文件檢索方法中的新子字模型和子字聲學(xué)距離的有效性的驗(yàn)證）”信息處理學(xué)會(huì)論文雜志，Vol.48，No.5，2007非專(zhuān)利文獻(xiàn)2：河原達(dá)也，宗續(xù)敏彥，堂下修司，“ヒューリスティックな言語(yǔ)モデルを用いた會(huì)話音聲中の単語(yǔ)スポッティング（使用啟發(fā)式語(yǔ)言模型的會(huì)話聲音中的單詞定位）”，信學(xué)論.D－II，信息系統(tǒng)，II－信息處理，vol.78，no.7，pp.1013－1020，1995.在專(zhuān)利文獻(xiàn)2中公開(kāi)了為了通過(guò)聽(tīng)取來(lái)判斷該關(guān)鍵字是否真正被講出而強(qiáng)調(diào)該關(guān)鍵字的檢測(cè)時(shí)刻來(lái)進(jìn)行再現(xiàn)的技術(shù)。但是，在用戶不能充分理解作為檢索對(duì)象的聲音數(shù)據(jù)的語(yǔ)言的狀況下，經(jīng)常有難以通過(guò)聽(tīng)取來(lái)進(jìn)行如上所述的正解/非正解的判斷的問(wèn)題。例如，用戶用“play”這樣的關(guān)鍵字進(jìn)行檢索的結(jié)果，有時(shí)會(huì)檢測(cè)出實(shí)際上講出“pray”的時(shí)刻。在此情況下，不充分理解英語(yǔ)的日本人用戶有可能將其判斷為說(shuō)了“play”。通過(guò)如專(zhuān)利文獻(xiàn)2提出的將該關(guān)鍵字的檢測(cè)位置強(qiáng)調(diào)再現(xiàn)的技術(shù)不能解決上述問(wèn)題。
技術(shù)實(shí)現(xiàn)思路
本專(zhuān)利技術(shù)的目的是解決這樣的問(wèn)題，使得在聲音數(shù)據(jù)檢索系統(tǒng)中能夠容易地進(jìn)行檢索結(jié)果的正解/非正解的判斷。本專(zhuān)利技術(shù)為了解決上述問(wèn)題，例如采用技術(shù)方案中所記載的結(jié)構(gòu)。如果舉出本專(zhuān)利技術(shù)的聲音數(shù)據(jù)檢索系統(tǒng)的一例，則是一種聲音數(shù)據(jù)檢索系統(tǒng)，具備：輸入裝置，輸入關(guān)鍵字；音素變換部，將輸入的上述關(guān)鍵字變換為音素標(biāo)音；聲音數(shù)據(jù)搜索部，基于音素標(biāo)音的關(guān)鍵字，在聲音數(shù)據(jù)中檢索講出該關(guān)鍵字的部分；對(duì)照關(guān)鍵字生成部，基于音素標(biāo)音的關(guān)鍵字，生成用戶有可能聽(tīng)取混淆的與該關(guān)鍵字不同的對(duì)照關(guān)鍵字的集合；以及檢索結(jié)果提示部，向用戶提示來(lái)自上述聲音數(shù)據(jù)搜索部的檢索結(jié)果及來(lái)自上述對(duì)照關(guān)鍵字生成部的上述對(duì)照關(guān)鍵字。此外，如果舉出本專(zhuān)利技術(shù)的程序的一例，則是一種用來(lái)使計(jì)算機(jī)作為聲音數(shù)據(jù)檢索系統(tǒng)發(fā)揮功能的程序，所述聲音數(shù)據(jù)檢索系統(tǒng)具備：音素變換部，將輸入的上述關(guān)鍵字變換為音素標(biāo)音；聲音數(shù)據(jù)搜索部，基于音素標(biāo)音的關(guān)鍵字，在聲音數(shù)據(jù)中檢索講出該關(guān)鍵字的部分；對(duì)照關(guān)鍵字生成部，基于音素標(biāo)音的關(guān)鍵字，生成用戶有可能聽(tīng)取混淆的與該關(guān)鍵字不同的對(duì)照關(guān)鍵字的集合；以及檢索結(jié)果提示部，向用戶提示來(lái)自上述聲音數(shù)據(jù)搜索部的檢索結(jié)果及來(lái)自上述對(duì)照關(guān)鍵字生成部的上述對(duì)照關(guān)鍵字。根據(jù)本專(zhuān)利技術(shù)，在聲音數(shù)據(jù)檢索系統(tǒng)中，基于用戶輸入的關(guān)鍵字，生成用戶有可能聽(tīng)取混淆的對(duì)照關(guān)鍵字集合并向用戶提示，由此能夠容易地進(jìn)行檢索結(jié)果的正解/非正解的判斷。附圖說(shuō)明圖1是表示采用本專(zhuān)利技術(shù)的計(jì)算機(jī)系統(tǒng)的結(jié)構(gòu)的模塊圖。圖2是將本專(zhuān)利技術(shù)的構(gòu)成要素按照處理的流程配置的圖。圖3是表示本專(zhuān)利技術(shù)的處理的流程的流程圖。圖4是表示生成對(duì)照關(guān)鍵字候選的處理的流程的流程圖。圖5是表示單詞辭典的一例的圖。圖6是表示音素混淆矩陣的一例的圖。圖7是表示對(duì)照關(guān)鍵字候選的檢查的處理的流程的流程圖。圖8是表示向用戶提示信息的畫(huà)面的一例的圖。圖9是表示音素混淆矩陣的其他例的圖。圖10是表示編輯距離的計(jì)算過(guò)程的一例的圖。圖11是表示編輯距離的計(jì)算過(guò)程的其他例的圖。圖12是表示用戶能夠理解多種語(yǔ)言的情況下的音素混淆矩陣的一例的圖。圖13是表示編輯距離計(jì)算的偽代碼的圖。附圖標(biāo)記說(shuō)明101計(jì)算機(jī)102聲音數(shù)據(jù)儲(chǔ)存裝置103音素混淆矩陣104單詞辭典105聲音數(shù)據(jù)搜索部106音素變換部107對(duì)照關(guān)鍵字生成部108對(duì)照關(guān)鍵字檢查部109聲音合成部110檢索結(jié)果提示部111顯示裝置112輸入裝置113聲音輸出裝置114語(yǔ)言信息輸入部115音素混淆矩陣生成部具體實(shí)施方式以下，基于附圖說(shuō)明本專(zhuān)利技術(shù)的實(shí)施方式。［實(shí)施例1］圖1表示第1實(shí)施方式，是表示采用本專(zhuān)利技術(shù)的計(jì)算機(jī)系統(tǒng)的結(jié)構(gòu)的模塊圖。此外，圖2是將圖1的構(gòu)成要素按照處理的流程配置的圖。本實(shí)施方式的計(jì)算機(jī)系統(tǒng)包括計(jì)算機(jī)101、顯示裝置111、輸入裝置112及聲音輸出裝置113。在計(jì)算機(jī)101的內(nèi)部中具有聲音數(shù)據(jù)儲(chǔ)存裝置102、音素混淆矩陣（phonemeconfusionmatrix）103、單詞辭典104，此外，具有聲音數(shù)據(jù)搜索部105、音素變換部106、對(duì)照關(guān)鍵字（comparisonkeyword）生成部107、對(duì)照關(guān)鍵字檢查部108、聲音合成部109、檢索結(jié)果提示部110、語(yǔ)言信息輸入部114及音素混淆矩陣生成部115。聲音數(shù)據(jù)檢索系統(tǒng)可以通過(guò)在計(jì)算機(jī)（computer）中由CPU將規(guī)定的程序裝載到存儲(chǔ)器上、并且由CPU執(zhí)行裝載到存儲(chǔ)器上的規(guī)定的程序來(lái)實(shí)現(xiàn)。該規(guī)定的程序雖然沒(méi)有圖示，但只要經(jīng)由讀取裝置從存儲(chǔ)該程序的存儲(chǔ)介質(zhì)、或者經(jīng)由通信裝置從網(wǎng)絡(luò)輸入而直接裝載到存儲(chǔ)器上、或者先保存到外部存儲(chǔ)裝置中后裝載到存儲(chǔ)器上就可以。本專(zhuān)利技術(shù)的程序的專(zhuān)利技術(shù)是如此裝入到計(jì)算機(jī)中并使計(jì)算機(jī)作為聲音數(shù)據(jù)檢索系統(tǒng)動(dòng)作的程序。通過(guò)將本專(zhuān)利技術(shù)的程序裝入到計(jì)算機(jī)中，構(gòu)成圖1及圖2的模塊圖所示的聲音數(shù)據(jù)檢索系統(tǒng)。以下，對(duì)各構(gòu)成要素的處理的流程進(jìn)行記述。在圖3中表示處理的流程圖。［關(guān)鍵字輸入及向音素表現(xiàn)的變換］如果用戶從輸入裝置112以文本輸入關(guān)鍵字（處理301），則首先音素變換部106將該關(guān)鍵字變換為音素表現(xiàn)（處理302）。例如，在用戶作為輸入而輸入了關(guān)鍵字“p本文檔來(lái)自技高網(wǎng)...

【技術(shù)保護(hù)點(diǎn)】
一種聲音數(shù)據(jù)檢索系統(tǒng)，其特征在于，具備：輸入裝置，輸入關(guān)鍵字；音素變換部，將輸入的上述關(guān)鍵字變換為音素標(biāo)音；聲音數(shù)據(jù)搜索部，基于音素標(biāo)音的關(guān)鍵字，在聲音數(shù)據(jù)中檢索講出該關(guān)鍵字的部分；對(duì)照關(guān)鍵字生成部，基于音素標(biāo)音的關(guān)鍵字，生成用戶有可能聽(tīng)取混淆的與該關(guān)鍵字不同的對(duì)照關(guān)鍵字的集合；以及檢索結(jié)果提示部，向用戶提示來(lái)自上述聲音數(shù)據(jù)搜索部的檢索結(jié)果及來(lái)自上述對(duì)照關(guān)鍵字生成部的上述對(duì)照關(guān)鍵字。

【技術(shù)特征摘要】
2011.11.18 JP 2011-2524251.一種聲音數(shù)據(jù)檢索系統(tǒng)，其特征在于，具備：輸入裝置，輸入關(guān)鍵字；音素變換部，將輸入的上述關(guān)鍵字變換為音素標(biāo)音；聲音數(shù)據(jù)搜索部，基于音素標(biāo)音的關(guān)鍵字，在聲音數(shù)據(jù)中檢索講出該關(guān)鍵字的部分；對(duì)照關(guān)鍵字生成部，基于音素標(biāo)音的關(guān)鍵字，生成用戶有可能聽(tīng)取混淆的與該關(guān)鍵字不同的對(duì)照關(guān)鍵字的集合；檢索結(jié)果提示部，向用戶提示來(lái)自上述聲音數(shù)據(jù)搜索部的檢索結(jié)果及來(lái)自上述對(duì)照關(guān)鍵字生成部的上述對(duì)照關(guān)鍵字，以供用戶參考上述對(duì)照關(guān)鍵字來(lái)判斷上述檢索結(jié)果是否正確；以及對(duì)照關(guān)鍵字檢查部，將由上述對(duì)照關(guān)鍵字生成部生成的對(duì)照關(guān)鍵字與上述聲音數(shù)據(jù)搜索部的檢索結(jié)果進(jìn)行比較，并將不需要的對(duì)照關(guān)鍵字除去。2.如權(quán)利要求1所述的聲音數(shù)據(jù)檢索系統(tǒng)，其特征在于，具備每個(gè)用戶的音素混淆矩陣；上述對(duì)照關(guān)鍵字生成部基于上述音素混淆矩陣進(jìn)行對(duì)照關(guān)鍵字生成。3.如權(quán)利要求2所述的聲音數(shù)據(jù)檢索系統(tǒng)，其特征在于，具備：語(yǔ)言信息輸入部，輸入關(guān)于用戶能夠理解的語(yǔ)言的信息；以及音素混淆矩陣生成部，基于從語(yǔ)言信息輸入部得到的信息，生成上述音素混淆矩陣。4.如權(quán)利要求1所述的聲音數(shù)據(jù)檢索系統(tǒng)，其特征在于，上述對(duì)照關(guān)鍵字生成部計(jì)算被進(jìn)行上述音素標(biāo)音后的關(guān)鍵字與登錄在單詞辭典中的單詞的音素標(biāo)音之間的編輯距離，將編輯距離為閾值以下的單詞作為對(duì)照關(guān)鍵字。5.如權(quán)利要求1所述的聲音數(shù)據(jù)檢索系統(tǒng)，其特征在于，具備聲音合成部，該聲音合成部將用戶輸入的上述關(guān)鍵字和由上述對(duì)照關(guān)鍵字生成部生成的上述對(duì)照關(guān)鍵字的某一方或雙方進(jìn)行聲音合成；上述檢索結(jié)果提示部向用戶提示來(lái)自上述聲音合成部的合成聲音。6.如權(quán)利要求1所述的聲音數(shù)據(jù)檢索系統(tǒng)，其特征在于，上述對(duì)照關(guān)鍵字檢查部將由上述對(duì)照關(guān)鍵字生成部生成的上述對(duì)照關(guān)鍵字與上述聲音數(shù)據(jù)搜索部的檢索結(jié)果進(jìn)行比較，并將不需要的聲音數(shù)據(jù)檢索結(jié)果除去。7.一種聲音...

【專(zhuān)利技術(shù)屬性】
技術(shù)研發(fā)人員：神田直之，
申請(qǐng)(專(zhuān)利權(quán))人：株式會(huì)社日立制作所，
類(lèi)型：發(fā)明
國(guó)別省市：