JP2007142840A - 情報処理装置及び情報処理方法 - Google Patents

Abstract

【課題】 音声認識による番組選択で音声認識結果であるＮ個のチャンネル候補の映像をすぐに並べて提示するために、限られた数のチューナーに対して各チャンネル候補を割り当てる。
【解決手段】 音声を認識し、認識結果によりチャンネル候補を取得し、取得したチャンネル候補を、番組情報を受信するための複数の受信手段に対して割り当て、受信手段が割り当てに従って受信した、割り当てられたチャンネルに対応する番組情報を表示するよう制御する。
【選択図】 図１

Description

本発明は、音声認識によって番組情報を選択する情報処理装置に関する。

近年、テレビの多チャンネル化が進み、リモコンのボタンで番組を選択することが煩わしくなっている。これを解決する方法として音声認識により、ユーザの発声で所望の番組に切り替える方法がある。しかし音声認識にはボタンでの選択とは異なり、誤認識という問題がある。音声認識がユーザの発声とは異なる単語に誤認識し、ユーザの所望の操作と異なる操作をしてしまうと、ユーザビリティは悪くなる。音声認識による機器操作ではこのような状況を減らすために、音声認識結果の解候補上位Ｎ位を表示しその中からユーザに選択させるという方式が、特許文献１に開示されているように従来から用いられている。例えば図８のように、認識結果をリスト表示して最終的にユーザにカーソルなどのＧＵＩで選択させ、番組を切り替える方法がある。
特開２００１−０２２３７４号公報

しかしながら、テレビはその時間に放送局から流れているストリーム情報であり、急いでいるときは一刻も早く切り替えたい。音声認識したあと、認識結果の解候補をリスト表示し、カーソルで選択などとしていたら、所望の番組を見るまでに時間がかかり、番組の重要な情報を逃してしまう可能性がある。

ところで、音声認識による静止画像検索などでは、上記のように音声認識の解候補をリスト表示して選択させるのではなく、解候補に含まれる画像を全て表示させることがある。もしテレビにおいて同様のことができれば、番組をすぐに見ることができるよう、解候補に含まれる番組を全て表示し、その後でゆっくりユーザが所望していた番組を選択して全画面表示することが望ましい。しかし、テレビに格納できるチューナー数には限りがあり、解候補Ｎ個の番組を同時に表示することはできない。

本発明は、限られた数のチューナーに対して、音声認識結果であるＮ個のチャンネル候補を割り当て、それぞれのチャンネル候補について受信した映像をユーザに提供することを目的とする。

上記課題を解決するために、本発明の情報処理装置は、番組情報を受信するための複数の受信手段と、入力された音声情報を認識する音声認識手段と、前記音声認識手段の認識結果によりチャンネル候補を取得する取得手段と、前記取得手段で取得したチャンネル候補を、前記各受信手段に対して割り当てる割り当て手段と、前記各受信手段が前記割り当てに従って受信した、割り当てられたチャンネルに対応する番組情報を表示するよう制御する表示制御手段とを有することを特徴とする。

また、本発明の情報処理装置は、番組情報を受信するための受信手段と、入力された音声情報を認識する音声認識手段と、前記音声認識手段の認識結果によりチャンネル候補を取得する取得手段と、前記取得手段で取得したチャンネル候補を、所定の時間に切り替わるように前記受信手段に対して割り当てる割り当て手段と、前記受信手段が受信した、割り当てられたチャンネルに対応する番組情報を表示するよう制御する表示制御手段とを有することを特徴とする。

また、本発明の情報処理装置は、映像情報を出力する情報処理装置であって、入力された音声情報を認識する音声認識手段と、前記音声認識手段の認識結果により一つ以上の映像情報候補を決定する候補決定手段と、前記映像情報候補の出力方法として、映像情報をそのまま出力する第１の方法、映像情報を所定の時間間隔ごとに得て出力する第２の方法、映像情報を所定の時間に得て出力する第３の方法のいずれかを映像情報候補ごとに決定する決定手段と、表示領域を分割し、前記映像情報候補の映像情報を前記出力方法に基づいて前記表示領域に表示するよう制御する表示制御手段とを有することを特徴とする。

本発明によれば、限られた数の番組情報受信手段に対して、音声認識結果のＮ個のチャンネル候補を割り当てて得られた番組情報を提供することで、音声認識後すぐに各候補の番組情報を視聴でき音声認識を用いた番組選択の利便性が向上する。

以下、図面を参照しながら本発明の好適な実施例について説明していく。

図１に、本発明の実施例１における情報処理装置の機能構成を表すブロック図を示す。同図において、１０１は、ユーザの発声した音声を認識する音声認識部である。１０２は、音声認識部１０１による音声認識結果を基にチャンネル候補を得るチャンネル候補取得部である。１０３は、設定されたチャンネルの放送を受信するチューナーであり、情報処理装置に一つ以上の所定数存在する。１０４は、チャンネル候補取得部１０２によって得た一つ以上のチャンネル候補をチューナー１０３に割り当てるチューナー割り当て部である。１０５は、チューナー１０３が受信した、チャンネルに対応する番組情報を表示する表示部である。

図２は、チューナー割り当ての動作の様子を表す図である。同図において、２０１は、音声認識部１０１がユーザの音声を認識した認識結果である。２０２は、音声認識結果を基に得たチャンネル候補である。２０３は、所定数のチューナーに対してチャンネル候補２０２を割り当てたタイムテーブルである。本実施例はチューナー数を２として説明する。

図１、図２を用いて本実施例における情報処理装置の動作の一例を説明する。まず、ユーザが音声認識部１０１を用いて所望のチャンネルを発声する。発声内容はチャンネル番号でも良いし放送局の名称でも良い。２０１はユーザがチャンネル番号を発声した場合の認識結果の例である。これを基にチャンネル候補取得部１０２が音声認識のスコアを基準に１位からＮ位（図２においては４位）までのチャンネル候補を得る。この４つのチャンネル候補をチューナー割り当て部１０４が、二つのチューナー１０３に割り当てる。本実施例では１位の“３４”が最もユーザの発声らしい音声認識結果なので、チューナー１を専有して割り当て、２位〜４位のチャンネルをチューナー２で均等な時間配分で切り替えている。

２０３に示すように、１位のチャンネル“３４”の番組はチューナー１が専有しているので、番組情報を全て受信できる。それに対して２位〜４位のチャンネルは、１つのチューナーで３つのチャンネルを次々に切り替えて受信するので、それぞれのチャンネルの番組情報はチューナーが割り当てられた時間にのみコマ飛ばしで受信する。従って１位のチャンネルは動きの滑らかな完全な映像となるのに対して２位〜４位のチャンネルの映像は時間間隔が空き、コマ落ちした滑らかさの粗い映像となる。

図３は、上記のようにして得られた１位〜４位までの番組情報を表示部１０５が画面を分割して表示する例である。本実施例では、同図（Ａ）のように１位の番組情報を大きく表示してその他の番組情報を小さく並べても良いし、同図（Ｂ）のように順位に限らず均等に画面を割って表示しても構わない。また本発明はこれに限るものではなく、複数の番組情報に対してどのように画面を割ってどのように配置しても良い。

このように、限られた数のチューナーに対して音声認識結果の複数のチャンネル候補を、時間配分を割り当てて番組を受信し、画面上に並べて表示することにより、ユーザが急いでチャンネルを変えたい時もすぐに番組情報を提供でき、番組情報の見逃しを削減できる。ユーザは複数のチャンネル候補のうち自分が所望していたものを、表示されたあとに落ち着いて選択して一画面表示して視聴できる。

上記実施例では、チューナー数２における実施形態として説明したが、本発明はこれに限るものではなく、さらに多いチューナー数でも良いし、１つのチューナーでも構わない。また、上記実施例では１位の結果に１つのチューナーを専有させ、２位〜４位で１つのチューナーを均等の時間配分で割り当てたが、本発明はこれに限るものではない。１位の番組情報にチューナーを専有させずに１位〜Ｎ位まで同等に扱って時間配分を均等割りしても良いし、各順位に応じて時間配分を変えても良い。また番組情報中のある時間だけチューナーを割り当て、その時間に取得した画像を静止画像として表示させても良い。

図４は１つのチューナーに対して１位から４位までのチャンネルを割り当てた一例である。同図では、１位から４位までのどの映像もコマ落ちになるが、１位のみ割り当ての頻度が高くなっているため、２位〜４位に比べてコマ落ちを少なく映像を受信する。

上記実施例では、チューナーが取得したチャンネル候補の番組情報を表示部１０５が画面分割して同時に表示しているが、本発明はこれに限るものではない。例えば１つのチャンネル候補の番組情報を一画面に表示して自動もしくは手動でチャンネル候補を切り替えても良い。

上記実施例では、チャンネル番号を認識してチャンネル候補を決定したが、本発明はこれに限るものではない。放送局名を認識しても良いし、またＥＰＧなどの番組関連情報を利用して、番組関連情報に含まれる番組名、出演者名、キーワード、カテゴリなどを認識してチャンネル候補を決定しても良い。

図５は、番組カテゴリを認識してチャンネル候補にチューナーを割り当てる実施例である。同図において、５０１は、ＥＰＧなどの番組関連情報である。５０２は、音声認識部１０１が認識した認識結果であり番組関連情報５０１に含まれる番組カテゴリである。５０３は、認識した番組カテゴリに属する番組を放映している該当チャンネルである。５０４は、該当チャンネル５０３からチャンネル候補取得手段１０２が得るチャンネル候補である。

ユーザは“ニュース”、“スポーツ”、“経済”など番組の分野をあらわすカテゴリを発声する。音声認識部１０１がこれを認識し、認識結果カテゴリ５０２を得る。次にチャンネル候補取得部１０２が、ユーザが発声した時刻に放映中であってそれぞれの認識結果カテゴリ５０２を有する番組を番組関連情報５０１より検索し、そのチャンネルを該当チャンネル５０３として得て、この中からチャンネル候補５０４を得る。チャンネル候補５０４を得るときの基準は、表示部１０５で表示可能なチャンネル数や、所定数や、認識結果の尤度などが考えられる。同図では表示部における表示可能数を４チャンネルとし、音声認識結果上位のカテゴリから順にチャンネルを選んでいる（１〜３位までに３チャンネル選ばれているため、４位のバラエティでは３つのチャンネル候補のうち、任意の１チャンネルを選んでいる）。このチャンネル候補を、上記実施例と同様に所定数のチューナーに所定の時間配分で割り当てる。同図では４つのチャンネル候補を均等な時間配分で二つのチューナーに割り振っている。

このようにしてカテゴリやキーワード、番組名、出演者名などを用いて番組を探す場合においても、音声認識結果を基に選んだ各チャンネル候補をチューナーに割り当てて表示することにより、すぐにチャンネル候補の映像を提供できる。

上記実施例では、チャンネル候補取得部１０２が音声認識結果からチャンネル候補を得るが、この際に、音声認識の信頼度スコアを基にチャンネル候補数を変えても良い。音声認識の信頼度スコアは、認識結果の確からしさを表すスコアとして音声認識部１０１が求めることができる。信頼度スコアの算出方法は様々な方法が有り、例えば認識結果１位と２位の尤度の差分を取る方法があるが、本発明はこれに限るものではない。図６に、信頼度スコアを用いてチューナーへの割り当て数を変える例を示す。信頼度スコアが所定値よりも高い場合（同図（Ａ））は、音声認識結果が十分信頼できるものとし、チャンネル候補としてただひとつ、１位のチャンネル“３４”を得る。チューナー割り当て手段はチューナー１にただひとつのチャンネル候補“３４”を割り当て、このチャンネルのみを受信して表示手段よりユーザに提供する。また一方、信頼度スコアが所定値よりも低い場合（同図（Ｂ））は、音声認識結果が十分信頼できないものとして、実施例１のようにチャンネル候補をチューナーに割り当てる。つまり、Ｎ位（同図では４位）までの認識結果をチャンネル候補として得て、チューナー割り当て手段がこれらのチャンネル候補を各チューナーに割り当てて、それぞれ受信された映像を表示手段よりユーザに提供する。

上記実施例では、限られた数のチューナーにチャンネル候補を割り当て、その割り当て方によって、完全な映像、コマ落ちした映像、静止画などの部分映像を切り替えていた。本実施例ではチューナーによるチャンネル受信に限らず、複数の映像情報を表示する手段として、上記実施例のように完全な映像情報、コマ落ちした映像情報、部分映像情報のいずれかを映像情報ごとに決定して取得し、画面に分割表示する。本実施例は音声認識後瞬時に複数の映像を同時出力したい場合に有効である。

図７は本実施例による映像出力装置の機能構成を表すブロック図である。同図において、７０１は、ユーザの発声した音声を認識する音声認識部である。７０２は、音声認識結果を基に映像情報候補を得る候補決定部である。７０３は、映像情報を取得するタイプを映像候補ごとに決定する映像タイプ決定部である。７０４は、それぞれ取得した映像情報を表示する表示部である。

映像タイプ決定部７０３は、映像全てである完全映像情報、所定の時間間隔で得るコマ落ち映像情報、所定の時間のみ得る部分映像情報のいずれかに映像タイプを、それぞれの映像情報候補に割り振る。割り振る基準には音声認識結果の順位などを用いても良い。決まった映像タイプに基づいて表示部７０４が図３と同様に画面分割して表示する。

なお本発明の目的は、前述の実施例の機能を実現するソフトウェアのプログラムコードを記録した記憶媒体をシステムや装置に供給し、そのシステムや装置のコンピュータ（又はＣＰＵやＭＰＵ）がプログラムコードを読み出し実行することによっても達成される。この場合、記憶媒体から読み出されたプログラムコード自体が前述の実施形態の機能を実現することになり、そのプログラムコードを記憶した記憶媒体は本発明を構成することになる。

プログラムコードを供給するための記憶媒体としては、例えば、フレキシブルディスク、ハードディスク、光ディスク、光磁気ディスク、ＣＤ−ＲＯＭ、ＣＤ−Ｒ、磁気テープ、不揮発性のメモリカード、ＲＯＭなどを用いることができる。また、ＬＡＮ（ローカル・エリア・ネットワーク）やＷＡＮ（ワイド・エリア・ネットワーク）等のコンピュータネットワークを、プログラムコードを供給するために用いることができる。

またコンピュータが読み出したプログラムコードの指示に基づき、コンピュータ上で稼働しているＯＳ（オペレーティングシステム）等が実際の処理の一部又は全部を行い、該処理によって前述の実施形態の機能が実現される場合も含まれることは言うまでもない。

さらに、次のような場合も考えられる。まず、記憶媒体から読み出されたプログラムコードを、コンピュータに挿入された機能拡張ボードやコンピュータに接続された機能拡張ユニットに備わるメモリに書き込む。そしてそのプログラムコードの指示に基づき、その機能拡張ボードや機能拡張ユニットに備わるＣＰＵなどが実際の処理の一部又は全部を行い、その処理によって前述の実施形態の機能を実現する。

本発明の実施例１における映像出力装置の機能構成を表すブロック図である。 本発明の実施例１におけるチューナー割り当ての様子を表す図である。 本発明の実施例１の表示部におけるチャンネル候補の分割表示を表す図である。 本発明の実施例２における本発明におけるチューナー割り当ての様子を表す図である。 本発明の実施例４におけるチューナー割り当て部の動作の一例を表す図である。 本発明の実施例５におけるチューナー割り当て部の動作の一例を表す図である。 本発明の実施例６における映像出力装置の機能構成を表すブロック図である。 従来方法において音声認識後に複数のチャンネル候補からユーザがチャンネルを選択する様子を表す図である。

符号の説明

１０１ 音声認識部
１０２ チャンネル候補取得部
１０３ チューナー
１０４ チューナー割り当て部
１０５ 表示部

Claims (18)

1. 番組情報を受信するための複数の受信手段と、
   入力された音声情報を認識する音声認識手段と、
   前記音声認識手段の認識結果によりチャンネル候補を取得する取得手段と、
   前記取得手段で取得したチャンネル候補を、前記各受信手段に対して割り当てる割り当て手段と、
   前記各受信手段が前記割り当てに従って受信した、割り当てられたチャンネルに対応する番組情報を表示するよう制御する表示制御手段とを有することを特徴とする情報処理装置。
2. 前記受信手段は、チューナーであることを特徴とする請求項１記載の情報処理装置。
3. 前記割り当て手段は、前記チャンネル候補を所定の時間に切り替えるように割り当てることを特徴とする請求項１記載の情報処理装置。
4. 前記割り当て手段は、前記音声認識手段による音声認識結果の順位に応じて、前記チャンネル候補を割り当てることを特徴とする請求項１記載の情報処理装置。
5. 前記割り当て手段は、前記音声認識結果の順位が上位であるチャンネル候補の時間配分を多くして割り当てることを特徴とする請求項３記載の情報処理装置。
6. 前記割り当て手段は、所定の受信手段に対して前記音声認識結果の上位のチャンネル候補を時間で切り替えずに割り当て、その他の受信手段に対して前記音声認識結果の下位のチャンネル候補を所定の時間に切り替えるように割り当てることを特徴とする請求項１記載の情報処理装置。
7. 前記音声認識手段は、音声認識結果に対する信頼度スコアをさらに取得し、前記取得手段は、前記チャンネル候補の数を前記信頼度スコアに基づいて決定することを特徴とする請求項１記載の情報処理装置。
8. 前記表示制御手段は、前記チャンネル候補の数に応じて表示領域を分割し、前記受信手段から受信した各チャンネル候補に対応する番組情報を前記表示領域にそれぞれ表示することを特徴とする請求項１記載の情報処理装置。
9. 前記表示制御手段は、前記音声認識結果の順位が上位であるチャンネル候補には表示領域が大きくなるよう表示領域を分割することを特徴とする請求項８記載の情報処理装置。
10. 前記音声認識手段で認識する語彙は各チャンネルを表す単語であり、前記取得手段は、前記音声認識結果の単語に対応するチャンネルを前記チャンネル候補とすることを特徴とする請求項１記載の情報処理装置。
11. 番組関連情報を取得する関連情報取得手段をさらに有し、
    前記音声認識手段で認識する語彙は前記番組関連情報に含まれる単語であり、前記取得手段は、前記音声認識結果の単語を前記番組関連情報に含む番組のチャンネルを前記チャンネル候補とすることを特徴とする請求項１記載の情報処理装置。
12. 番組情報を受信するための受信手段と、
    入力された音声情報を認識する音声認識手段と、
    前記音声認識手段の認識結果によりチャンネル候補を取得する取得手段と、
    前記取得手段で取得したチャンネル候補を、所定の時間に切り替わるように前記受信手段に対して割り当てる割り当て手段と、
    前記受信手段が前記割り当てに従って受信した、割り当てられたチャンネルに対応する番組情報を表示するよう制御する表示制御手段とを有することを特徴とする情報処理装置。
13. 映像情報を出力する情報処理装置であって、
    入力された音声情報を認識する音声認識手段と、
    前記音声認識手段の認識結果により一つ以上の映像情報候補を決定する候補決定手段と、
    前記映像情報候補の出力方法として、映像情報をそのまま出力する第１の方法、映像情報を所定の時間間隔ごとに得て出力する第２の方法、映像情報を所定の時間に得て出力する第３の方法のいずれかを映像情報候補ごとに決定する決定手段と、
    表示領域を分割し、前記映像情報候補の映像情報を前記出力方法に基づいて前記表示領域に表示するよう制御する表示制御手段とを有することを特徴とする情報処理装置。
14. 前記決定手段は、前記音声認識手段による音声認識結果の順位に応じて、前記映像候補に対する出力方法を決定することを特徴とする請求項１３記載の情報処理装置。
15. 入力された音声情報を認識する音声認識ステップと、
    前記音声認識ステップの認識結果によりチャンネル候補を取得する取得ステップと、
    前記取得ステップで取得したチャンネル候補を、番組情報を受信するための複数の受信手段に対して割り当てる割り当てステップと、
    前記受信手段が前記割り当てに従って受信した、割り当てられたチャンネルに対応する番組情報を受信する受信ステップと、
    前記受信ステップ手段で受信した番組情報を表示するよう制御する表示制御ステップとを有することを特徴とする情報処理方法。
16. 入力された音声情報を認識する音声認識ステップと、
    前記音声認識ステップの認識結果によりチャンネル候補を取得する取得ステップと、
    前記取得ステップで取得したチャンネル候補に対応する番組情報を、所定の時間に切り替えて受信する受信ステップと、
    前記受信ステップが受信した番組情報を表示するよう制御する表示制御ステップとを備えたことを特徴とする情報処理方法。
17. 映像情報を出力する情報処理方法であって、
    入力された音声情報を認識する音声認識ステップと、
    前記音声認識ステップの認識結果により一つ以上の映像情報候補を決定する候補決定ステップと、
    前記映像情報候補の出力方法として、映像情報をそのまま出力する第１の方法、映像情報を所定の時間間隔ごとに得て出力する第２の方法、映像情報を所定の時間に得て出力する第３の方法のいずれかを映像情報候補ごとに決定する決定ステップと、
    表示領域を分割し、前記映像情報候補の映像情報を前記出力方法に基づいて前記表示領域に表示するよう制御する表示制御ステップとを有することを特徴とする情報処理方法。
18. 請求項１５乃至１７のいずれか１項に記載の情報処理方法をコンピュータに実行させるための制御プログラム。
    

Images