JP2010078979A

JP2010078979A - Voice recording device, recorded voice retrieval method, and program

Info

Publication number: JP2010078979A
Application number: JP2008247882A
Authority: JP
Inventors: Shuji Koretsune; 修二是恒
Original assignee: NEC Infrontia Corp
Current assignee: NEC Platforms Ltd
Priority date: 2008-09-26
Filing date: 2008-09-26
Publication date: 2010-04-08

Abstract

<P>PROBLEM TO BE SOLVED: To speedily retrieve a desired voice from recorded voices. <P>SOLUTION: A voice recognition unit 50 converts a voice input through a microphone 11 and a voice recording unit 10 into character information. The voice input through the microphone 11 and voice recording unit 10 is stored as voice recording data 61, character information converted by the voice recognition unit 50 is stored as voice recognition data 62, and the character information and the voice converted into the character information are associated with each other and managed as voice management data 63. When a retrieval key is designated, a voice made to correspond to the character information is retrieved from the voice recording data 61 with the retrieval key, and reproduced and output through a voice reproduction unit 20 and a speaker 21. <P>COPYRIGHT: (C)2010,JPO&INPIT

Description

本発明は、音声を録音する音声録音装置に関し、特に、録音した音声の検索技術に関する。 The present invention relates to a voice recording apparatus for recording voice, and more particularly to a technique for retrieving recorded voice.

近年、コンピュータや携帯電話機の急速な普及に伴い、音声によってメールを送受信するボイスメールが利用されている（例えば、特許文献１参照。）。このようなボイスメール等、音声がやりとりされるシステムにおいては、録音された通話内容のうち必要な内容のみ聴取したいという要求がある。 In recent years, with the rapid spread of computers and mobile phones, voice mail that transmits and receives mail by voice is used (for example, see Patent Document 1). In a system in which voice is exchanged, such as voice mail, there is a demand for listening to only the necessary contents of the recorded call contents.

そこで、録音した通話音声の中から、指定した通話宛の録音のみを検出する技術が考えられている（例えば、特許文献２参照。）。
特開２００１−３０６４６２号公報特開２００８−７２６１４号公報 Therefore, a technique for detecting only a recording addressed to a designated call from the recorded call voice has been considered (see, for example, Patent Document 2).
JP 2001-306462 A JP 2008-72614 A

しかしながら、上述したように、録音した通話音声の中から、指定した通話宛の録音のみを検出するものにおいては、指定した通話宛の音声を検出することができるものの、所望の内容の音声がその通話宛の音声の途中に存在する場合、早送りなどの機能で所望の通話内容を探すことになるため、録音時間が長い場合においては、所望の通話内容を迅速に見つけることができないという問題点がある。 However, as described above, in the case of detecting only the recording addressed to the designated call out of the recorded call voice, the voice addressed to the designated call can be detected, but the desired content of the voice is When the voice addressed to the call is in the middle, the desired call content is searched for by a function such as fast-forwarding. Therefore, when the recording time is long, the desired call content cannot be found quickly. is there.

本発明は、上述した技術が有する問題点に鑑みてなされたものであって、録音された音声の中から所望の音声を迅速に検索することができる音声録音装置、録音音声検索方法及びプログラムを提供することを目的とする。 The present invention has been made in view of the problems of the above-described technology, and provides a voice recording device, a recorded voice search method, and a program capable of quickly searching for a desired voice from recorded voices. The purpose is to provide.

上記目的を達成するために本発明は、
音声が入力される音声入力手段と、前記音声入力手段を介して入力された音声が録音される記憶手段と、前記記憶手段に録音された音声が出力される音声出力手段とを有してなる音声録音装置において、
前記音声入力手段を介して入力された音声を文字情報に変換する音声認識手段を有し、
前記記憶手段は、前記音声認識手段にて変換された文字情報を記憶するとともに、該文字情報と該文字情報に変換された音声とを対応づけて管理し、
検索キーが指定された場合、該検索キーによる文字情報に対応づけられた音声を前記記憶手段から検索し、前記音声出力手段から出力することを特徴とする。 In order to achieve the above object, the present invention provides:
Voice input means for inputting voice, storage means for recording voice input through the voice input means, and voice output means for outputting voice recorded in the storage means In voice recording equipment,
Voice recognition means for converting voice input through the voice input means into character information;
The storage means stores the character information converted by the voice recognition means, manages the character information and the voice converted to the character information in association with each other,
When a search key is designated, the voice associated with the character information by the search key is searched from the storage means and output from the voice output means.

また、音声を録音し、該録音された音声を検索する録音音声検索方法であって、
入力された音声を文字情報に変換する処理と、
前記入力された音声と前記変換された文字情報とを記憶するとともに、前記文字情報と該文字情報に変換された音声とを対応づけて管理する処理と、
検索キーが指定された場合、該検索キーによる文字情報に対応づけられた音声を検索する処理とを有する。 Also, a recorded voice search method for recording voice and searching for the recorded voice,
A process of converting the input speech into text information;
Storing the input voice and the converted character information, and managing the character information and the voice converted to the character information in association with each other;
When a search key is designated, a process for searching for a voice associated with character information by the search key is included.

また、コンピュータに、
入力された音声を文字情報に変換する手順と、
前記入力された音声と前記変換された文字情報とを記憶するとともに、前記文字情報と該文字情報に変換された音声とを対応づけて管理する手順と、
検索キーが指定された場合、該検索キーによる文字情報に対応づけられた音声を検索する手順とを実行させるためのプログラム。 Also on the computer,
The procedure to convert the input voice into text information,
Storing the input voice and the converted character information, and managing the character information and the voice converted to the character information in association with each other;
A program for executing, when a search key is designated, a procedure for searching for a voice associated with character information by the search key.

本発明は以上説明したように構成されているので、録音された音声の中から所望の音声を迅速に検索することができる。 Since the present invention is configured as described above, a desired voice can be quickly searched from recorded voices.

以下に、本発明の実施の形態について図面を参照して説明する。 Embodiments of the present invention will be described below with reference to the drawings.

図１は、本発明の音声録音装置の実施の一形態を示すブロック図である。 FIG. 1 is a block diagram showing an embodiment of a voice recording apparatus of the present invention.

本形態は図１に示すように、音声が入力される音声入力手段である音声録音部１０及びマイク１１と、マイク１１及び音声録音部１０を介して入力された音声が録音される記憶手段である保存用メモリ部６０と、保存用メモリ部６０に録音された音声が出力される音声出力手段である音声再生部２０及びスピーカ２１と、表示部３０と、キー入力部４０と、マイク１１及び音声録音部１０を介して入力された音声を文字情報に変換する音声認識部５０と、制御部７０とを有し、保存メモリ部６０には、音声録音データ６１、音声認識データ６２及び音声管理データ６３が記録される。 As shown in FIG. 1, the present embodiment is a voice recording unit 10 and a microphone 11 which are voice input means for inputting voice, and a storage means for recording voices input via the microphone 11 and the voice recording unit 10. A certain storage memory unit 60, a sound reproduction unit 20 and a speaker 21, which are sound output means for outputting sound recorded in the storage memory unit 60, a display unit 30, a key input unit 40, a microphone 11, and The voice recognition unit 50 that converts voice input through the voice recording unit 10 into character information and a control unit 70 are provided. The storage memory unit 60 includes voice recording data 61, voice recognition data 62, and voice management. Data 63 is recorded.

以下に、上記のように構成された音声録音装置を用いた録音音声検索方法について説明する。 Hereinafter, a recorded voice search method using the voice recording apparatus configured as described above will be described.

図１に示した音声録音装置１に対して、マイク１１及び音声録音部１０を介して音声が入力されると、制御部７０の制御によって、入力された音声が保存用メモリ部６０に音声録音データ６１として録音される。 When voice is input to the voice recording apparatus 1 shown in FIG. 1 via the microphone 11 and the voice recording unit 10, the input voice is recorded in the storage memory unit 60 under the control of the control unit 70. Recorded as data 61.

また、入力された音声は、制御部７０を介して音声認識部５０に渡され、音声認識部５０において、例えばテキスト等の文字情報に変換され、保存用メモリ部６０に音声認識データ６２として記憶される。なお、音声認識部５０における音声の文字情報への変換は、マイク１１及び音声録音部１０を介して音声が入力されてから一定時間が経過した後に制御部７０にて自動で行ってもよいし、キー入力部４０を介してその旨の指示が入力された後に制御部７０にて行ってもよい。 The input voice is passed to the voice recognition unit 50 via the control unit 70, converted into character information such as text, for example, and stored as voice recognition data 62 in the storage memory unit 60. Is done. The voice recognition unit 50 may convert the voice into character information automatically by the control unit 70 after a predetermined time has elapsed since the voice was input via the microphone 11 and the voice recording unit 10. Alternatively, after the instruction to that effect is input via the key input unit 40, the control unit 70 may perform the operation.

図２は、図１に示した保存用メモリ部６０における音声録音データ６１及び音声認識データ６２の録音、記憶状態を示す図であり、（ａ）は音声録音データ６１の録音状態を示す図、（ｂ）は音声認識データ６２の記憶状態を示す図、（ｃ）は音声録音データ６１にポインタが付与された状態を示す図、（ｂ）は音声認識データ６２にポインタが付与された状態を示す図である。また、図３は、図１に示した音声管理データ６３の構造を示す図である。 FIG. 2 is a diagram showing recording and storage states of the voice recording data 61 and the voice recognition data 62 in the storage memory unit 60 shown in FIG. 1, and (a) is a diagram showing a recording state of the voice recording data 61. (B) is a diagram showing a storage state of the voice recognition data 62, (c) is a diagram showing a state where a pointer is added to the voice recording data 61, and (b) is a state where a pointer is added to the voice recognition data 62. FIG. FIG. 3 is a diagram showing the structure of the voice management data 63 shown in FIG.

保存用メモリ部６０に録音、記憶された音声録音データ６１及び音声認識データ６２は、図２（ａ），（ｂ）に示すように、音声録音データ６１及び音声認識データ６２をそれぞれ特定可能な管理番号が付与されて保存用メモリ部６０に録音、記憶される。また、音声録音データ６１には、その音声が録音された年月日及び時間が記録される。 The voice recording data 61 and the voice recognition data 62 recorded and stored in the storage memory 60 can identify the voice recording data 61 and the voice recognition data 62, respectively, as shown in FIGS. A management number is assigned and recorded and stored in the storage memory unit 60. The voice recording data 61 records the date and time when the voice was recorded.

また、図２（ｃ），（ｄ）に示すように、保存用メモリ部６０に録音、記憶された音声録音データ６１及び音声認識データ６２には、保存用メモリ部６０に音声録音データ６１として録音される音声の記憶領域を示す番地情報がポインタとして付与される。 As shown in FIGS. 2C and 2D, the voice recording data 61 and voice recognition data 62 recorded and stored in the storage memory unit 60 are stored in the storage memory unit 60 as voice recording data 61. Address information indicating the storage area of the sound to be recorded is given as a pointer.

そして、音声管理データ６３においては、図３に示すように、文字情報による音声認識データ６２毎に、ポインタによって特定される音声録音データ６１の音声が録音されている番地情報となるアドレスが対応づけて管理されている。すなわち、音声管理データ６３においては、音声録音データ６１と音声認識データ６２とがポインタによって対応づけて管理されていることになる。 In the voice management data 63, as shown in FIG. 3, for each voice recognition data 62 based on character information, an address serving as address information where the voice of the voice recording data 61 specified by the pointer is recorded is associated. Are managed. That is, in the voice management data 63, the voice recording data 61 and the voice recognition data 62 are managed in association with each other by the pointer.

図４は、図１に示した音声録音データ６１と音声認識データ６２との対応づけを示す図である。 FIG. 4 is a diagram showing the correspondence between the voice recording data 61 and the voice recognition data 62 shown in FIG.

図４に示すように、図１に示した音声録音データ６１と音声認識データ６２とは、上述したようなポインタの付与によって互いに対応づけられている。 As shown in FIG. 4, the voice recording data 61 and the voice recognition data 62 shown in FIG. 1 are associated with each other by providing the pointer as described above.

その後、保存用メモリ部６０に音声録音データ６１として録音された音声のうち、所望の音声を再生する場合は、キー入力部４０を介して検索キーとなる所望の音声のキーワードをキー入力すると、まず、制御部７０において、保存用メモリ部６０に音声認識データ６２として記憶された文字情報の中から、入力されたキーワードに対応する文字情報が検索される。また、キー入力部４０を介して入力されたキーワードは、表示部３０に表示される。なお、検索キーとなるキーワードをキー入力部４０を介して入力するのではなく、マイク１１を介して音声として入力することも考えられ、その場合、マイク１１を介して入力された音声によるキーワードは、音声認識部５０にて文字情報に変換されることになる。 After that, when reproducing the desired voice among the voices recorded as the voice recording data 61 in the storage memory unit 60, when a desired voice keyword serving as a search key is key-inputted via the key input unit 40, First, the control unit 70 searches for character information corresponding to the input keyword from the character information stored as the speech recognition data 62 in the storage memory unit 60. Further, the keyword input via the key input unit 40 is displayed on the display unit 30. In addition, it is conceivable that a keyword serving as a search key is not input via the key input unit 40 but is input as a voice via the microphone 11. In this case, the keyword based on the voice input via the microphone 11 is The voice recognition unit 50 converts the information into character information.

次に、制御部７０において、検索された文字情報に付与されたポインタによって特定される番地に録音された音声、すなわち、検索された文字情報に音声管理データ６３によって対応づけられた音声が音声録音データ６１から検索される。 Next, in the control unit 70, the voice recorded at the address specified by the pointer added to the retrieved character information, that is, the voice associated with the retrieved character information by the voice management data 63 is recorded as a voice. Retrieved from data 61.

図５は、図１に示した音声録音装置１において録音された音声が検索される際の詳細な動作を説明するための図である。 FIG. 5 is a diagram for explaining the detailed operation when the recorded voice is searched in the voice recording apparatus 1 shown in FIG.

図４に示したように、図１に示した音声録音データ６１と音声認識データ６２とは、上述したようなポインタの付与によって互いに対応づけられているため、図５に示すように、音声認識データ６２の中からキーワードと一致する文字情報が検索されると、音声録音データ６１のうち、その文字情報に付与されたポインタによって特定される番地に録音されている音声が検索されることになる。 As shown in FIG. 4, since the voice recording data 61 and the voice recognition data 62 shown in FIG. 1 are associated with each other by the addition of the pointer as described above, as shown in FIG. When the character information matching the keyword is searched from the data 62, the voice recorded at the address specified by the pointer assigned to the character information is searched from the voice recording data 61. .

そして、音声録音データ６１から検索された音声が音声再生部２０及びスピーカ２１を介して再生出力される。 Then, the audio retrieved from the audio recording data 61 is reproduced and output via the audio reproducing unit 20 and the speaker 21.

以下に、上述した音声録音装置の利用形態について説明する。 Below, the utilization form of the audio | voice recording apparatus mentioned above is demonstrated.

図６は、図１に示した音声録音装置１を組み込んだボイスメール装置の一例を示す図である。 FIG. 6 is a diagram showing an example of a voice mail apparatus incorporating the voice recording apparatus 1 shown in FIG.

本例におけるボイスメール装置は図６に示すように、内線電話機１０２と主装置部１０１とからなる。 As shown in FIG. 6, the voice mail apparatus in this example includes an extension telephone 102 and a main apparatus unit 101.

内線電話機１０２は、インタフェース部１２１と、音声処理部１２２と、送受器１２３と、スピーカ／マイク１２４と、ダイヤルボタン１２５と、機能ボタン１２６と、制御部１２７と、記憶部１２８と、表示部１２９とから構成されている。 The extension telephone 102 includes an interface unit 121, a voice processing unit 122, a handset 123, a speaker / microphone 124, a dial button 125, a function button 126, a control unit 127, a storage unit 128, and a display unit 129. It consists of and.

主装置部１０１は、外線パッケージ１１１と、呼制御回路１１２と、内線パッケージ１１３と、ユニットインターフェース１１４と、呼制御部１１５と、ボイスメール部１１６と、記憶部１１７とから構成されており、図１に示した音声録音装置１は、ボイスメール部１１６に組み込まれている。 The main unit 101 includes an external package 111, a call control circuit 112, an extension package 113, a unit interface 114, a call control unit 115, a voice mail unit 116, and a storage unit 117. The voice recording apparatus 1 shown in FIG. 1 is incorporated in the voice mail unit 116.

上記のように構成されたボイスメール装置に図１に示した音声録音装置１が組み込まれる場合は、図１に示したマイク１１の代わりに、外線パッケージ１１１あるいは内線パッケージ１１３を介して送信されてくる音声が入力される音声入力手段を設けることになる。 When the voice recording apparatus 1 shown in FIG. 1 is incorporated in the voice mail apparatus configured as described above, the voice recording apparatus 1 is transmitted via the external line package 111 or the internal line package 113 instead of the microphone 11 shown in FIG. Voice input means for inputting incoming voice is provided.

このように構成されたボイスメール装置においては、外線あるいは内線を介して送信されてくるボイスメールについて、上述したような録音、検索を行うことができるようになる。なお、複数の通話録音にまたがっての検索も可能である。 In the voice mail apparatus configured as described above, the above-described recording and searching can be performed on the voice mail transmitted via the external line or the internal line. A search across a plurality of call recordings is also possible.

なお、本発明においては、音声録音装置１内の処理は上述の専用のハードウェアにより実現されるもの以外に、その機能を実現するためのプログラムを音声録音装置１にて読取可能な記録媒体に記録し、この記録媒体に記録されたプログラムを音声録音装置１に読み込ませ、実行するものであっても良い。音声録音装置１にて読取可能な記録媒体とは、フロッピーディスク、光磁気ディスク、ＤＶＤ、ＣＤなどの移設可能な記録媒体の他、音声録音装置１に内蔵されたＨＤＤ等を指す。この記録媒体に記録されたプログラムは、例えば、制御ブロックにて読み込まれ、制御ブロックの制御によって、上述したものと同様の処理が行われる。 In the present invention, the processing in the voice recording apparatus 1 is performed on a recording medium that can be read by the voice recording apparatus 1 in addition to the above-described dedicated hardware. The program may be recorded, and the program recorded on the recording medium may be read into the voice recording apparatus 1 and executed. The recording medium readable by the voice recording apparatus 1 refers to an HDD or the like built in the voice recording apparatus 1 in addition to a transferable recording medium such as a floppy disk, a magneto-optical disk, a DVD, or a CD. The program recorded on this recording medium is read by a control block, for example, and the same processing as described above is performed under the control of the control block.

本発明の音声録音装置の実施の一形態を示すブロック図である。It is a block diagram which shows one Embodiment of the audio recording apparatus of this invention. 図１に示した保存用メモリ部における音声録音データ及び音声認識データの録音、記憶状態を示す図であり、（ａ）は音声録音データの録音状態を示す図、（ｂ）は音声認識データの記憶状態を示す図、（ｃ）は音声録音データにポインタが付与された状態を示す図、（ｂ）は音声認識データにポインタが付与された状態を示す図である。It is a figure which shows the recording of the voice recording data and voice recognition data in the memory | storage part shown in FIG. 1, and a memory | storage state, (a) is a figure which shows the recording state of voice recording data, (b) is a figure of voice recognition data. The figure which shows a memory | storage state, (c) is a figure which shows the state to which the pointer was provided to voice recording data, (b) is the figure which shows the state to which the pointer was provided to voice recognition data. 図１に示した音声管理データの構造を示す図である。It is a figure which shows the structure of the audio | voice management data shown in FIG. 図１に示した音声録音データと音声認識データとの対応づけを示す図である。It is a figure which shows matching with the voice recording data shown in FIG. 1, and voice recognition data. 図１に示した音声録音装置において録音された音声が検索される際の詳細な動作を説明するための図である。It is a figure for demonstrating the detailed operation | movement when the audio | voice recorded by the audio | voice recording apparatus shown in FIG. 1 is searched. 図１に示した音声録音装置を組み込んだボイスメール装置の一例を示す図である。It is a figure which shows an example of the voice mail apparatus incorporating the audio | voice recording apparatus shown in FIG.

Explanation of symbols

１音声録音装置
１０音声録音部
１１マイク
２０音声再生部
２１スピーカ
３０，１２９表示部
４０キー入力部
５０音声認識部
６０保存用メモリ部
６１音声録音データ
６２音声認識データ
６３音声管理データ
７０，１２７制御部
１０１主装置部
１０２内線電話機
１１１外線パッケージ
１１２呼制御回路
１１３内線パッケージ
１１４ユニットインターフェース
１１５呼制御部
１１６ボイスメール部
１１７，１２８記憶部
１２１インタフェース部
１２２音声処理部１２２と
１２３送受器
１２４スピーカ／マイク
１２５ダイヤルボタン
１２６機能ボタン DESCRIPTION OF SYMBOLS 1 Voice recording device 10 Voice recording part 11 Microphone 20 Voice reproducing part 21 Speaker 30,129 Display part 40 Key input part 50 Voice recognition part 60 Memory | storage part 61 Voice recording data 62 Voice recognition data 63 Voice management data 70,127 Control Unit 101 Main unit 102 Extension telephone 111 External line package 112 Call control circuit 113 Extension package 114 Unit interface 115 Call control unit 116 Voice mail unit 117, 128 Storage unit 121 Interface unit 122 Voice processing unit 122 and 123 Transmitter / receiver 124 Speaker / microphone 125 Dial buttons 126 Function buttons

Claims

Voice input means for inputting voice, storage means for recording voice input through the voice input means, and voice output means for outputting voice recorded in the storage means In voice recording equipment,
Voice recognition means for converting voice input through the voice input means into character information;
The storage means stores the character information converted by the voice recognition means, manages the character information and the voice converted to the character information in association with each other,
An audio recording apparatus, wherein when a search key is designated, a voice associated with character information by the search key is searched from the storage means and output from the voice output means.

The voice recording device according to claim 1,
The storage means assigns to the character information address information for recording the voice converted into the character information, and using the address information, the character information converted by the voice recognition means and the character A voice recording device that manages the voice converted to information in association with it.

In the voice recording device according to claim 1 or 2,
The search key is input to the voice input means by voice,
The voice recording device, wherein the voice recognition means converts a search key by voice input through the voice input means into character information.

A recorded voice search method for recording voice and searching for the recorded voice,
A process of converting the input speech into text information;
Storing the input voice and the converted character information, and managing the character information and the voice converted to the character information in association with each other;
A recorded voice search method including a process of searching for a voice associated with character information by a search key when a search key is designated.

The recorded voice search method according to claim 4,
Recording to which the address information for recording the voice converted to the character information is added to the character information, and using the address information, the character information and the voice converted to the character information are associated and managed Voice search method.

In the recorded voice search method according to claim 4 or 5,
The search key is input by voice,
A process of converting the input voice search key into character information;
A recorded voice search method for searching for a voice associated with the converted character information.

On the computer,
The procedure to convert the input voice into text information,
Storing the input voice and the converted character information, and managing the character information and the voice converted to the character information in association with each other;
A program for executing, when a search key is designated, a procedure for searching for a voice associated with character information by the search key.

The program according to claim 7,
On the computer,
A procedure of assigning address information for recording the voice converted to the character information to the character information, and managing the character information and the voice converted to the character information in association with the address information A program for running

In the program according to claim 7 or 8,
On the computer,
A procedure for converting the input search key by voice into character information when the search key is input by voice;
A program for executing a procedure for searching for speech associated with the converted character information.