１　／　２　／　３



発話の開始・終了の同定のために
分析法と機器の選定
日本学術振興会・京都大学
長岡千賀

1-1


発表者の背景


　・大阪大学人間科学研究科
　・感性情報心理学講座（中村敏枝教授）出身（04年03月まで）


　・キーワード：音声対話・対話の「間」（反応潜時）

1-2


発話開始・終了の同定
　　　　手順
　　　　　１．声の大きさ・強さを分析する
　　　　　２．分析データを手がかりに発話の開始・終了を同定する

1-3


声の大きさ・強さの分析方法
■　音圧レベル（Sound Pressure Level: dB）
　　・比較的一般的なソフトで分析できる
　　・これまで多くの研究で基準として使用されている
　デメリット：物理量である・人間の聴覚特性に忠実とはいえない

■　騒音レベル（A-weighted Sound Pressure Level： dB(A) ）
　　・人間の聴覚特性に合わせて補正されている
　デメリット：これまで騒音レベルを分析できる機器が高価だった
　SA-29（１チャネルタイプ）
　大きさ：約21×30×8 cm
　価格：100万前後

1-4


音圧レベルの分析：
例えば，音声処理ソフトウェア「音声工房」を用いて
http://www.sp4win.com/
・表示された音声データに対し
・パワーの時間変化を表示する。
・テキストデータを出力する。

・２チャネルの音声ファイルを扱える。
・長時間の音声ファイルを扱える。

・ピッチ、ほかを分析できる。

　　標準価格 ￥60,900（税込み）
　　NTTアドバンステクノロジ（株）
　SugiSpeechAnalyzer（（株）アニモ）は対話データには不向き
　　　・・・テキストデータに出力できない
　　　・・・長時間の音声ファイルを扱えない
　　　・・・扱えるのは１チャネルのみ

1-5


騒音レベルの分析
・音響測定分析システム DSSF3（吉正電子株式会社：YMEC ）を用いて

http://www.ymec.com/store/jp/		 DSSF3 Full-system
Version \78,000

　この会社のサイトでは音響計測の事例を多数紹介
　また、メールでの問い合わせにも丁寧に答えてくれる

1-6


DSSF3を用いた分析法
・対話の「間」の検討では、
　時定数10msec*で、
　10msec*ごとに分析する
　(*時間分解能が高い例．研究目的により変える）
１．　リアルタイムアナライザ(RA)の
　　　ランニングＡＣＦ測定　（右図）
　　　　　　　　　　　↓
２．　サウンドアナライザ(SA)　（下図）
○の数値を測定

1-7


分析データ中に発話開始と終了をマークする
最大レベルマイナス30dB(A)*，或いは60dB(A)*† を
　　発話ON・OFFの基準としてマークする
　*ヘッドホンで聴取して分析した場合とよくフィットする
　†絶対的な値を分析するためには
　†収録時に基準音の収録と測定が必要

1-8
１　／　２　／　３