波形の形状分析に基づく音素セグメンテーションの一検討

摘要

話者により一旦発話された音声を音素毎に仕分けしていくことをセグメンテーションと言う。 もし、これが正確になされれば、音声合成においては、単語や文章にさえも、既にセグメンテーションされ、一時、保存されていた各音素を繋ぎ合わせて、自然性·了解性のある音声に仕上げていくことも可能であるし、音声認識においても、形状発秀でかつ小容量辞書を利用した音素単位認識への活路も広がる。実際、語彙としての一部である音素を観測することにより、関数の周期性や、極大値振幅のリダンダントな変化の逸脱性や、定時閣内のポール（極大値、極小値）の発生数、等、視覚的に、音素種を見分けられる、工学者·医学者も多い。 本稿では、どのような形状パラメータを抽出し、それらをどうマージして、形状特化の、いわゆる形状揺らぎ関数を構築じ、それをどうスレッシュホールディングしていけば、精密な音素ごとの仕分けがなされるかを、ランダムに選んだ20語、150実音素を持つ実音声から、検討する。