JP2000010586A - 音声認識応答装置及び認識結果確認方法 - Google Patents

Abstract

(57)【要約】 【課題】 短時間でかつ容易に音声認識確認を行うこと
ができる方法を提供する。 【解決手段】 音声認識部１によって音声認識された認
識結果は、認識結果蓄積部２に蓄積されるとともに、音
声合成部３により合成されて発声される。入力者が合成
音を確認した結果、認識誤りが発生している場合には、
誤認した部分のみを再入力し、元の認識結果に、再入力
した認識結果を添付して、認識訂正アルゴリズム部５へ
送出する。認識訂正アルゴリズム部５では、元の認識結
果と再入力した認識結果を参照することによって、入力
音声の認識結果を訂正する。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は、任意の音声入力に
対して音声認識を行い、認識結果を合成音声によって出
力する音声認識応答装置における認識結果確認方法に関
する。

【０００２】

【従来の技術】従来、音声入力装置において、入力され
た音声がどのように認識されたのかを確認する方法とし
て、認識結果から音声を合成し、合成された音声によっ
て入力者が入力内容を確認する方法が採用されている。
そして、入力誤りや認識誤りが発生した場合には、合成
音声によって再入力を促して入力を再度行う方式や、認
識率の高い単語や文節に区切って入力−認識−合成−確
認を常に繰り返す方法（特開昭60-98494号公報）等によ
り誤認識を防いでいる。

【０００３】図６は、従来の音声認識応答装置における
認識結果確認方法における、認識誤りのあった場合に再
度初めから入力する例を示す処理フロー図である。図６
の方法においては、音声入力がすべて終了した時点で、
入力者が入力内容の確認の指示を出すと、音声応答装置
は、認識結果を合成音声によって出力する。認識誤りが
なければ、それを確認して終了するが、認識誤りがあれ
ば、再度始めから音声入力を行い、認識誤りがなくなる
まで繰り返す。

【０００４】図７は、従来の他の処理フローの例を示す
図であり、音声を単語や文節に区切って入力し、一語毎
に確認し、誤りがあった場合に再入力するものであっ
て、図６の場合と比較して、認識効率をあげることがで
きる。

【０００５】図８は、従来の音声認識結果を蓄積する認
識結果蓄積部の一例を示すものであり、図８（ａ）で
は、初めの認識結果に誤認があった場合には、同じ音声
入力の音声認識結果が再度蓄積される例を示しており、
メモリ容量が小さい場合には、図８（ｂ）のように、初
めに蓄積した認識結果に誤認があった場合には、再度入
力された認識結果によって認識結果蓄積部を更新する。

【０００６】図９及び図１０は、従来の音声認識応答装
置における認識結果確認方法における、正常時及び認識
誤り発生時の処理シーケンスを示している。

【０００７】

【発明が解決しようとする課題】図６に示した従来の方
法によれば、入力音声の大部分には認識誤りがなく、一
部にのみ認識誤りがある場合であっても、再度すべての
音声を入力し直す必要があり、入力から確認までの時間
がかかる為、例えば、電話回線経由で音声入力を行った
場合には、入力から確認までにかかった時間に対しても
課金されるため、入力者に対する負担が大きくなるとい
う問題がある。また、図７のように、認識効率をあげる
ために、単語や短い文節に区切って発音し入力する方法
では、入力者の手間がかかる上に、不自然に区切られた
場合や、類似語句が多い場合のときには逆に認識効率が
低くなるという問題点がある。

【０００８】本発明の目的は、上記の問題点に鑑み、短
時間でかつ容易に音声認識確認を行うことができる方法
を提供することにある。

【０００９】

【課題を解決するための手段】本発明の音声認識確認方
法は、音声認識応答装置によって音声認識された認識結
果を、入力者が確認した結果、認識誤りが発生している
場合には、誤認した部分のみを再入力し、元の認識結果
に、再入力した認識結果を添付して、認識訂正アルゴリ
ズム部へ送出し、認識訂正アルゴリズム部において、元
の認識結果と再入力した認識結果を参照することによっ
て、入力音声の認識結果を訂正することを特徴としてい
る。

【００１０】具体的には、入力音声の認識結果は、逐次
認識結果蓄積バッファに蓄積される。入力終了や認識終
了を意味するＤＴＭＦ（Dual Tone Multifrequency）を
入力者が入力すると、解析処理部は、認識結果蓄積バッ
ファに対して蓄積内容を音声合成部に出力するための制
御信号を出力する。

【００１１】認識結果蓄積バッファより読み出された内
容は、音声合成部において音声合成され、出力音声とし
て出力される。

【００１２】入力者は、この出力音声を確認し、認識誤
りがない場合には、確認完了を意味するＤＴＭＦを制御
信号として入力する。もし、認識誤りがある場合には、
入力者は、訂正したい部分のみを再度入力し、再入力し
た訂正部分に対して、同様の認識確認動作を行う。

【００１３】認識結果蓄積バッファには、先の認識結果
と再入力された訂正部分の認識結果の両方が記憶され、
この両方の認識結果が認識訂正アルゴリズム部によって
読み出される。

【００１４】認識訂正アルゴリズム部では、認識結果蓄
積バッファに記憶された最初の認識結果と再入力された
訂正部分の認識結果を照合し、例えば、両者の各文節の
類似度からその訂正個所を判定し、訂正を行って次処理
部へ出力する。

【００１５】なお、制御信号は、必ずしもＤＴＭＦで入
力する必要はなく、仮に、入力者との明確なインタフェ
ースの中で、制御信号を出力する手段が別にあれば、そ
の手段を採用することができる。

【００１６】

【発明の実施の形態】図１は、本発明の音声認識確認装
置の実施の形態を示すブロック図である。図１におい
て、音声認識部１は、入力音声を認識し、認識結果を認
識結果蓄積部２に出力する機能を有している。

【００１７】認識結果蓄積部２は、音声認識部１から入
力された認識結果を蓄積し、解析処理部４からの制御信
号により、蓄積結果を音声合成部３あるいは認識訂正ア
ルゴリズム部５へ出力する機能と、訂正分を先の蓄積結
果に添付して認識訂正アルゴリズム部５あるいは音声合
成部３へ出力する機能を有している。

【００１８】音声合成部３は、認識結果蓄積部２から出
力された情報に基づいて音声合成を行い、出力音声とし
て合成音声を出力する機能と、解析処理部４からの制御
信号によっては合成音声を認識結果蓄積部２に蓄積する
機能を有している。

【００１９】解析処理部４は、入力信号を解析し、認識
結果蓄積部２、音声合成部３及び認識訂正アルゴリズム
部５に対して、それぞれ所定の制御信号を出力する機能
を有している。

【００２０】認識訂正アルゴリズム部５は、認識結果蓄
積部２から入力された認識結果を参照して、所定の認識
結果訂正処理を行う機能を有している。

【００２１】次に、本発明の音声入力動作について、図
１及び図２を参照して説明する。音声入力が開始されて
から入力終了信号が入力されるまでに入力された音声
は、音声認識部１で認識され、その認識結果は、認識結
果識別部２に蓄積される。

【００２２】入力終了信号が解析処理部４に入力される
と、解析処理部４からの制御信号により、認識結果蓄積
部２に蓄積されている認識結果が音声合成部３に読み出
され、音声合成部３によって音声合成され、合成された
音声が出力される。

【００２３】音声入力者は、この合成音声を確認し、出
力結果に認識誤りがない場合には確認完了制御信号を入
力する。その結果、この認識結果が認識訂正アルゴリズ
ム部５で訂正されることなく次処理部に出力される。

【００２４】一方、出力結果に誤りが確認されたとき
は、入力者は、誤っていた文節のみを再度音声入力す
る。音声認識部１では、再入力された音声を認識し、そ
の認識結果を認識結果蓄積部２に蓄積する。そして、入
力終了信号が入力された時点で、音声合成部３により再
入力部分を認識結果蓄積部２から読み出し、音声合成し
て出力する。

【００２５】音声入力者は、この合成音声を確認し、出
力結果に認識誤りがない場合は、解析処理部４へ確認完
了制御信号を入力する。解析処理部４は、この確認完了
制御信号を受けると、認識訂正アルゴリズム部５に対し
て、認識結果蓄積部２から、最初の認識結果及び訂正さ
れた文節部分の認識結果の両方を読み出すことを指示す
る。

【００２６】認識訂正アルゴリズム部５では、認識結果
蓄積部２から読み出した、最初の認識結果と訂正された
文節部分とを照合して、訂正された文節部分を、最初の
認識結果の該当部分と置き換えることにより、認識結果
を訂正して次処理部へ出力する。

【００２７】なお、再入力された文節部分の合成音声の
出力結果にも誤りが確認されたときは、誤っていた文節
の音声入力を再度行い、認識誤りがなくなるまで同様の
動作を繰り返す必要があるが、一般的には、その回数が
２回以上となることは希である。

【００２８】また、音声入力者が本発明の認識結果確認
方法を有する音声認識確認装置の近傍に位置する場合に
は、解析処理部４への入力は、例えばスイッチによる入
力であってもかまわない。また、解析処理部４は、ＤＴ
ＭＦ受信部を有することができ、電話回線を経由した音
声入力の場合には、これを用いる様に設定することがで
きる。

【００２９】図３は、本発明の認識結果蓄積部２におけ
る認識結果の蓄積状態の例を示しており、初めの認識結
果を記憶している領域の次の領域に、１度目の誤認部分
を再入力した認識結果が記憶され、更にその次の領域
に、１度目の誤認部分を再入力した認識結果に対する誤
認部分を再入力した認識結果が記憶される。

【００３０】図４及び図５は、本発明の実施例の動作を
示すに処理シーケンスを表しており、図４は出力結果に
誤りがなかった場合、図５は出力結果に誤りが確認され
た場合の処理シーケンスを示している。

【００３１】以下、図５を参照して本発明の実施例の動
作について説明する。音声入力が開始されると、音声識
別部１に対して、音声「住所変更のお知らせをします」
が入力されて音声認識が行われ、認識結果は、認識結果
蓄積部２に蓄積される。

【００３２】続いて解析処理部４に入力終了制御信号が
入力されると、認識結果蓄積部２に蓄積された認識結果
が音声合成部３に読み出され、音声合成されて合成され
た音声「ジュウショヘンコウノオシラセヲシマス」が出
力される。

【００３３】音声入力者は、この合成された音声に誤り
がないことを確認すると、解析処理部４に確認完了制御
信号を入力する。確認完了信号を受けた解析処理部４
は、認識結果蓄積部２に蓄積されている認識結果を、そ
のまま次処理部へ出力するように制御する。

【００３４】次に、音声識別部１に対して、音声「千葉
県市原市」が入力され、同様に音声認識が行われ、認識
結果は、同様に認識結果蓄積部２に蓄積される。続いて
解析処理部４に入力終了制御信号が入力されると、認識
結果蓄積部２に蓄積された認識結果が音声合成部３に読
み出され、音声合成される。

【００３５】このとき、合成された音声は「チバケンイ
チカワシ」と出力されているので、出力結果に誤りがあ
ることが確認され、音声入力者は、誤りのある文節「イ
チカワシ」に対して、音声にて「イ・チ・ハ・ラ・シ」
と再度入力した後、解析処理部４に入力終了制御信号を
出力する。

【００３６】音声認識部１により認識された再入力音声
の認識結果は、同様にして認識結果蓄積部２に蓄積され
る。続いて解析処理部４に入力終了制御信号が入力され
ると、この蓄積された認識結果は音声合成部３に読み出
され、音声合成されて「イ・チ・ハ・ラ・シ」と出力さ
れる。

【００３７】音声入力者は、この合成音声に誤りがない
ことを確認すると、解析処理部４に確認完了制御信号を
入力する。確認完了信号を受けた解析処理部４は、認識
結果蓄積部２に蓄積されている、元の認識結果「チバケ
ンイチカワシ」と再入力された認識結果「イ・チ・ハ・
ラ・シ」の両方を、認識訂正アルゴリズム部５へ出力す
るように制御する。

【００３８】認識訂正アルゴリズム部５では、この両方
の認識結果「チバケンイチカワシ」と「イ・チ・ハ・ラ
・シ」を照合し、各文節の類似性を判断することによ
り、認識結果を「チバケンイチハラシ」と訂正して次処
理部へ出力する。

【００３９】以上説明したように、本発明の確認方法
は、誤った文節の訂正のみを行えばよく、再入力する音
声が少なくてすむので、訂正が容易であり、また処理時
間も短縮される。

【００４０】なお、前記実施の形態においては、認識結
果の確認を、音声合成部から出力した合成音声により行
っているが、次処理部に渡した結果を参照して認識結果
を確認することも可能である。例えば、次処理部にテキ
スト変換部を用意し、次処理部の出力として、テキスト
変換した結果をディスプレイ表示することによって確認
してもよい。

【００４１】

【発明の効果】本発明の音声認識結果確認方法によれ
ば、従来のように認識率を向上させ、誤認識を低下させ
るべく単語毎に入力と確認を行っていく方法と比較し
て、はるかに短時間で認識確認を終了することができ
る。また、認識パターンの比較をおこない、確からしい
ものから順に出力して入力者に確認させる方法と比較し
て、誤認識の発生の有無によらず認識の度に確からしい
ものを数種類蓄積し誤認識に備えた処理を行わずにすむ
ため、余分な蓄積処理部を持たずにすみ、かつ、より高
速に認識を終了することができる。

【図面の簡単な説明】

【図１】本発明の構成を示す図である。

【図２】本発明の処理フローを示す図である。

【図３】本発明の認識結果蓄積部の一例を示す図であ
る。

【図４】本発明の処理シーケンス（正常時）を示す図で
ある。

【図５】本発明の処理シーケンス（認識誤り発生時）を
示す図である。

【図６】従来の処理フロー（認識誤りのあった場合に再
度初めから入力する例）を示す図である。

【図７】従来の処理フロー（一語毎確認し、誤りがあっ
た場合に再入力する例）を示す図である。

【図８】従来の認識結果蓄積部の一例を示す図である。

【図９】従来の処理シーケンス（正常時）を示す図であ
る。

【図１０】従来の処理シーケンス（認識誤り発生時）を
示す図である。

【符号の説明】

１ 音声認識部 ２ 認識結果蓄積部 ３ 音声合成部 ４ 解析処理部 ５ 認識訂正アルゴリズム部

Claims (6)

【特許請求の範囲】
1. 【請求項１】 音声入力を認識する音声認識手段と、前
   記音声認識手段によって認識された認識結果を蓄積する
   認識結果蓄積手段と、前記認識結果を確認する認識結果
   確認手段と、前記認識結果蓄積手段から読み出された認
   識結果に対して、所定の訂正処理を行う認識結果訂正処
   理手段と、入力信号を解析し前記認識結果蓄積手段、前
   記認識結果確認手段及び前記認識結果訂正手段に対して
   所定の制御信号を出力する解析処理手段とを備えた音声
   認識応答装置において、 前記認識結果蓄積手段は、最初に入力された音声の認識
   結果と、前記認識結果の訂正部分を蓄積する機能を有
   し、前記認識結果訂正手段は、前記認識結果蓄積手段に
   蓄積された前記最初に入力された音声の認識結果及び前
   記認識結果の訂正部分を基にして訂正された認識結果を
   出力する機能を有していることを特徴とする音声認識応
   答装置。
2. 【請求項２】 前記認識結果確認手段は、前記認識結果
   蓄積手段から読み出された認識結果に基づいて音声合成
   を行い、合成音声を出力する音声合成手段によって構成
   されていることを特徴とする請求項１記載の音声認識応
   答装置。
3. 【請求項３】 前記認識結果確認手段は、前記認識結果
   蓄積手段から読み出された認識結果をテキスト変換し、
   該テキスト変換された結果をディスプレイ表示する手段
   によって構成されていることを特徴とする請求項１記載
   の音声認識応答装置。
4. 【請求項４】 前記認識結果訂正手段は、前記認識結果
   蓄積手段に蓄積された前記最初に入力された音声の認識
   結果及び前記認識結果の訂正部分を読み出し、両者を照
   合して、前記訂正部分を、前記最初に入力された音声の
   認識結果の該当部分と置き換えることにより、認識結果
   を訂正する機能を有していることを特徴とする請求項１
   記載の音声認識応答装置。
5. 【請求項５】 入力者が発声する音声を入力して音声認
   識を行い、該音声認識した結果を確認して訂正する音声
   認識応答装置における認識結果確認方法において、 前記認識結果に認識誤りが確認されたときには、誤認し
   た部分のみを再音声入力して音声認識を行い、元の認識
   結果の前記誤認した部分を、前記再音声入力した認識結
   果により置き換えることを特徴とする音声認識応答装置
   における認識結果確認方法。
6. 【請求項６】 前記元の認識結果及び前記再音声入力し
   た認識結果を照合することにより、前記元の認識結果を
   訂正することを特徴とする請求項５記載の音声認識応答
   装置における認識結果確認方法。