JP2000227799A - 音声認識装置、音声認識システム及び通信装置 - Google Patents

Abstract

(57)【要約】 【課題】 人間の音声応答以外の言葉の誤認識を比較的
低コストで防止できる音声認識装置、音声認識システム
及び通信装置を提供する。 【解決手段】 音声再生装置１０から再生出力される音
声データが入力される接続部３０と、音声が入力される
マイクロホン２８と、マイクロホン２８にて入力された
音声から、接続部３０にて入力された音声データに基づ
いて、音声再生装置１０から再生出力されてマイクロホ
ン２８に入力された音声を除去する雑音除去部２６と、
雑音除去部２６から入力された音声を音声認識する音声
認識部２４と、を備えたことを特徴とする音声認識装置
１０。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は、音声認識装置、音
声認識システム及び通信装置に関し、特に、人間の音声
応答以外の言葉の誤認識を比較的低コストで防止できる
音声認識装置、音声認識システム及び通信装置を提供す
ることにある。

【０００２】

【背景技術】近年、外部から回線を通じて発呼信号を受
信した場合に、受話器等を手で取ることなく、音声応答
により回線を自動的に閉結することができる通信装置が
開発されている。このような通信装置は、一般的に、マ
イクロホンにて入力された言葉を音声認識装置が認識
し、この認識結果に基づいて制御装置が所定の制御動作
を行う仕組みになっている。

【０００３】

【発明が解決しようとする課題】しかしながら、人間が
居住する空間内には、例えばテレビ、ラジオ、ステレオ
等のように、言葉を含む音声を発生する装置が設置され
る場合が多い。このため、このような装置が設置された
環境で音声認識装置を備える通信装置が設置されると、
テレビ等の装置から発せられる音声中の言葉を誤認識し
て、通信装置が誤動作してしまう場合が生じ得る。

【０００４】この問題を解決するため、人間の肉声と、
機械を通じて発せられる人間の声とを区別し得るほど高
性能な音声認識装置を使用することも考えられる。しか
し、その場合には、音声認識装置自体のコストがかさむ
ため、通信装置がかなり高価なものとなってしまう。

【０００５】本発明は、上記課題に鑑みてなされたもの
であり、その目的は、人間の音声応答以外の言葉の誤認
識を比較的低コストで防止できる音声認識装置、音声認
識システム及び通信装置を提供することにある。

【０００６】

【課題を解決するための手段】上記課題を解決するた
め、請求項１記載の音声認識装置は、音声再生手段から
再生出力される音声データが入力される第１の入力手段
と、音声が入力される第２の入力手段と、前記第２の入
力手段にて入力された音声から、前記第１の入力手段に
入力された音声データに基づいて、前記音声再生手段か
ら再生出力されて前記第２の入力手段に入力された音声
を除去する除去手段と、前記除去手段から入力された音
声を音声認識する音声認識手段と、を備えるものであ
る。

【０００７】また、請求項２記載の音声認識システム
は、音声データに基づいて音声を再生出力する音声再生
手段と、マイクロホンにて入力された音声に含まれる所
定の雑音を除去する雑音除去手段と、前記雑音除去手段
から入力された音声を音声認識する音声認識手段と、を
含み、前記雑音除去手段は、前記音声再生手段に接続さ
れて該音声再生手段から出力される前記音声データを取
得し、この音声データに基づいて、該音声再生手段から
再生出力されて前記マイクロホンに入力された音声を除
去するものである。

【０００８】請求項１記載の音声認識装置及び請求項２
記載の音声認識システムによれば、人間の音声応答以外
の言葉の誤認識を比較的低コストで防止することが可能
となる。つまり、第１の入力手段及び除去手段があるこ
とから、音声再生手段にて再生出力された音声が、第２
の入力手段にて入力された音声の中から除去される。そ
して、除去手段から入力された音声が音声認識手段にて
音声認識されることから、音声再生手段から言葉を含む
音声が出力されている場合に、その言葉が誤って音声認
識されることがない。つまり、着信に対し応答する人間
の音声を確実に認識することができるのである。また、
音声再生手段から出力された音声を予め除去した上で音
声認識処理が行われることから、人間の肉声と機械を通
して発せられる人間の声を判別できるほど精密な音声認
識手段を用いる必要がなく、コストを低く押さえること
ができる。

【０００９】請求項３記載の通信装置は、マイクロホン
にて入力された外部音声を音声認識手段が音声認識し、
この音声認識結果に基づいて所定の制御動作を自動的に
実行可能な通信装置において、外部の音声出力源からス
ピーカを通して音声出力される前の音声データを取得す
るため、該音声出力源に接続される接続手段と、前記接
続手段を通じて取得した前記音声データに基づいて、前
記マイクロホンにて入力された外部音声から、前記スピ
ーカより出力されて前記マイクロホンに入力された音声
を除去し、除去処理後の外部音声を前記音声認識手段に
入力する雑音除去制御手段と、を有するものである。

【００１０】請求項３記載の通信装置によれば、人間の
音声応答以外の言葉を誤認識することにより生ずる通信
装置の誤動作を、比較的低コストで防止することが可能
となる。

【００１１】つまり、言葉を含む音声が外部の音声出力
源からスピーカを通して出力された場合でも、その音声
は、雑音除去制御手段によって、マイクロホンに入力さ
れた全外部音声中から除去され、除去処理後の外部音声
が音声認識手段により音声認識される。そのため、外部
の音声出力源から出力される音声を音声応答として誤認
識することがなく、誤認識に基づく誤動作が防止される
と共に、除去処理後の音声の中に応答音声があれば、確
実に認識することができる。特に、接続手段を有し、こ
の接続手段を通じて、音声出力源から音声出力される前
の音声データを取得できることから、雑音除去制御手段
における雑音除去処理の精度を高めることができる。ま
た、音声再生手段から出力された音声を予め除去した上
で音声認識処理が行われることから、人間の肉声と機械
を通して発せられる人間の声を判別できるほど精密な音
声認識手段を用いる必要がなく、コストを低く押さえる
ことができる。

【００１２】請求項４記載の通信装置は、マイクロホン
にて入力された外部音声を音声認識手段が音声認識し、
この音声認識結果に基づいて所定の制御動作を自動的に
実行可能な通信装置において、音声メッセージを再生す
るための音声データを記憶する音声データ記憶手段と、
前記音声データを再生してスピーカから出力する音声再
生手段と、前記音声データに基づいて、前記マイクロホ
ンにて入力された外部音声から、前記スピーカより出力
されて前記マイクロホンに入力された音声を除去し、除
去処理後の外部音声を前記音声認識手段に入力する雑音
除去制御手段と、を有するものである。

【００１３】請求項４記載の通信装置によれば、自ら出
力した音声メッセージを、マイクロホンにて入力された
外部音声中から除去することができるため、音声メッセ
ージの再生中に、例えば着信があった場合に、該音声メ
ッセージを音声応答と誤認識して誤動作することを防止
することができる。また、人間の肉声と機械を通して発
せられる人間の声を判別できるほど精密な音声認識手段
を用いる必要がないため、コストを低く押さえることが
できる。

【００１４】請求項５記載の通信装置は、請求項３また
は請求項４に記載の通信装置において、前記雑音除去制
御手段は、前記音声データを前記マイクロホンにて入力
された外部音声から減算して結果を出力する減算手段
と、前記音声データに基づいて、前記スピーカから出力
された音声が前記マイクロホンに入力されるまでに生ず
る遅延時間及び減衰量の少なくとも一方を計算する計算
手段と、前記計算手段の計算結果に基づいて、前記音声
データを前記減算手段に入力する際のタイミング及び入
力レベルの少なくとも一方を調整する調整手段と、を有
するものである。

【００１５】請求項５記載の通信装置によれば、スピー
カから出力された音声がマイクロホンに入力されるまで
の遅延時間・減衰量が計算手段にて自動的に計算され、
この計算手段の計算結果に基づいて、調整手段が、音声
データを減算手段に入力する際のタイミング・入力レベ
ルを自動的に調整することから、ユーザーにとって、精
度の高い除去処理が極めて簡単で、使いやすい通信装置
が得られる。

【００１６】請求項６記載の通信装置は、請求項３また
は請求項４に記載の通信装置において、手動入力を可能
とするキー入力手段を有し、前記雑音除去制御手段は、
前記音声データを前記マイクロホンにて入力された外部
音声から減算して結果を出力する減算手段と、前記キー
入力手段からの入力に基づいて、前記音声データを前記
減算手段に入力する際のタイミング及び入力レベルの少
なくとも一方を調整する調整手段と、を有するものであ
る。

【００１７】請求項６記載の通信装置によれば、音声デ
ータを減算手段に入力する際のタイミング・入力レベル
を、キー入力部を用いてユーザーが任意に設定できる。
また、構成の一層の簡易化によるコストの低減化を図る
ことが可能となる。

【００１８】

【発明の実施の形態】次に、本発明の実施の形態を、図
面を参照して説明する。

【００１９】図１は、本発明に係る音声認識装置及び音
声認識システムの概略的構成を示すブロック図である。

【００２０】図１において、１０は音声再生装置であ
り、音声データを再生出力する音声再生部２０と、この
音声再生部２０にて再生出力された音声データを実際の
音声として外部に出力するスピーカ２２と、を有する。
音声再生部２０にて再生出力される音声データは、カセ
ットテープ、レコード、ＣＤ、ＭＤ、ＦＤ、ＭＯ、メモ
リ等の情報記憶媒体に記憶されているものでもよいし、
テレビやラジオの音声のように、有線又は無線で随時受
信するものであってもよい。また、音声データの種類
は、アナログデータ、ディジタルデータのいずれでもよ
い。

【００２１】一方、１２は音声認識装置であって、音声
認識部２４と、雑音除去部２６と、マイクロホン２８
と、接続部３０と、を有する。

【００２２】ここで、マイクロホン２８は、周囲の外部
音声を取り込むためのものであり、接続部３０は、雑音
除去部２６と音声再生部２０を接続して、音声再生手段
２０にて再生出力された音声データを雑音除去部２６に
入力する。本実施形態では、この接続部３０として接続
コードを用い、音声再生部２０の図示しない２次外部出
力端子と、雑音除去部２６の図示しない外部入力端子を
接続しているが、音声再生手段２０にて再生出力される
音声データを雑音除去部２６に確実に入力できるもので
あれば、他の構成によることもできる。具体的には、例
えば、無線送受信装置や赤外線送受信装置等によること
が可能である。さらに、雑音除去部２６は、マイクロホ
ン２８にて入力された外部音声の中から、接続部３０を
通じて取得した音声データに基づいて、スピーカ２２か
ら出力された音声を除去し、音声認識部２４は、入力さ
れた音声中に含まれる言葉を音声認識する。この音声認
識部２４及び雑音除去部２６は、それぞれ、例えばＬＳ
Ｉを用いて構成することができる。

【００２３】そして、音声認識装置１２は、音声再生装
置１０のスピーカ２２から出力された音声をマイクロホ
ン２８で捕捉し得る位置に設置されている。

【００２４】なお、Ｕはユーザーを示す。また、矢印ａ
は音声再生部２０にて再生出力された音声データ（以
下、「音声データａ」）、矢印Ａは、スピーカ２２にて
音声として出力され、マイクロホン２８に回りこんで入
力された音声（以下、「音声Ａ」）、矢印Ｂは、ユーザ
ーＵが発した音声（以下「音声Ｂ」）を示す。

【００２５】このような音声認識装置１２及び音声認識
システムにおける音声認識は、図２のフローチャートに
示すような手順で行われる。なお、図２の説明において
は、適宜図１を参照する。

【００２６】まず、音声再生部２０にて音声データａが
再生出力されると、その音声データａは、接続部３０を
通じて雑音除去部２６に入力される（Ｓ１）。また、マ
イクロホン２８にて、周囲の外部音声が入力される（Ｓ
１）。この外部音声には、音声Ａ及び音声Ｂが含まれ
る。

【００２７】次いで、雑音除去部２６にて、マイクロホ
ン２８にて入力された外部音声の中から音声Ａが除去さ
れる（Ｓ２）。より詳しくは、雑音除去部２６は、ま
ず、音声データａ及び音声Ａに基づいて、音声データａ
に基づきスピーカ２２から出力された音声がマイクロホ
ン２８に到達するまでの回りこみ時間や減衰量を計算
し、この計算結果に基づいて、減算処理を行うタイミン
グや、音声データａを音声Ａのレベルに等しくするため
の減衰量・増幅量等を決定する。この減衰量・増幅量等
が、レベル調整量となる。また、この決定作業は、予め
トレーニング工程を設けて、音声Ｂの入力がない状態で
行っておく。そして、この決定結果に従って、音声デー
タａを減衰又は増幅した後、外部音声から減算する。こ
れにより、マイクロホン２８にて入力された外部音声中
から音声Ａに相当する分の音声が除去される。

【００２８】そして、音声Ａが除去された外部音声につ
いて、音声認識部２４にて音声認識処理が行われる（Ｓ
３）。

【００２９】このように、本実施形態の音声認識装置１
２及び音声認識システムでは、マイクロホン２８にて入
力された外部音声から音声Ａを除去した上で音声認識処
理するため、音声再生装置１０にて音声が出力されてい
る場合でも、その音声が誤認識されることがない。よっ
て、音声再生装置１０における言葉を含む音声の再生中
に、ユーザーＵが発した音声Ｂを精度よく音声認識する
ことが可能となる。また、音声Ａを予め除去してから音
声認識処理を行うため、音声認識部２４を、人間の肉声
による言葉と機械を通して発せられる言葉とを判別でき
るほど精密に構成する必要がない。このため、コストを
低く押さえることができる。

【００３０】なお、音声再生部２０から雑音除去部２６
に音声データａを入力する代わりに、雑音除去部２６に
接続されるマイクロホンを別途設け、このマイクロホン
をスピーカ２２の極近傍に設置して、回りこみや減衰が
生ずる前のスピーカ出力音声を取得し、このスピーカ出
力音声に基づいて、雑音除去部２６における処理を行う
ように構成することも可能である。この場合には、回り
こみや減衰が生ずる前のスピーカ出力音声が音声データ
に相当する。

【００３１】また、本実施形態では、音声再生装置１０
が音声再生手段に相当し、音声認識部２４が音声認識手
段に相当する。また、接続部３０が第１の入力手段に相
当し、マイクロホン２８が第２の入力手段に相当する。
さらに、雑音除去部２６が、除去手段及び雑音除去手段
に相当する。

【００３２】図３は、本実施形態に係る通信装置を電話
装置に適用した場合の例を示すブロック図である。

【００３３】図３において、電話装置１００は、外部音
声を取り込むマイクロホン１０２と、鳴動音や音声メッ
セージを出力するスピーカ１０４と、外部に設置される
図示しない音声再生装置から再生出力される音声データ
を取得するための音声データ入力端子１０６と、テンキ
ー及び機能キーを含むキー入力部１０８と、入力された
音声中に含まれる言葉を音声認識する音声認識部１１０
と、マイクロホン１０２にて入力された音声から所定の
雑音を除去し、雑音除去後の外部音声を音声認識部１１
０に入力する雑音除去部１１２と、電話装置１００の全
体を制御する全体制御部１１４と、短縮ダイヤル情報や
音声メッセージデータや制御プログラム等を記憶する記
憶部１１６と、記憶部１１６に記憶された音声メッセー
ジデータを再生出力する音声再生部１１７と、回線との
間でデータの送受信を行うＮＣＵ１２０と、このＮＣＵ
１２０にて送受信されるデータの変調・復調を行うモデ
ム１１８と、送受話器１２２と、を含んで構成される。

【００３４】また、雑音除去部１１２は、計算部２００
と、調整部２０２と、減算部２０４と、を含む。ここ
で、計算部２００は、音声データ入力端子１０６又は音
声再生部１１７の少なくとも一方から入力された音声デ
ータ（以下「音声データａ'」）と、音声再生装置にて
音声データａ'に基づいて出力されマイクロホン１０２
に入力された音声（以下「音声Ａ'」）と、に基づい
て、音声再生装置にて出力された音声がマイクロホン１
０２に到達するまでの遅延時間及び減衰量を計算し、計
算結果に基づいて、音声データａ'を減算部２０４に入
力するタイミングと、入力時の音声データａ'のレベル
を音声Ａ'のレベルに等しくするための入力レベル調整
量を算出する。具体的には、入力レベルの調整量とし
て、減衰量又は増幅量が算出される。ここで算出された
タイミング及び入力レベル調整量は、タイミングデータ
及び入力レベル調整量データとして、記憶部１１６に格
納される。

【００３５】なお、計算部２００における作業は、例え
ばトレーニング作業として、電話装置１００の設置時
や、図示しない音声再生装置の設置時等に、独立して行
われることが好ましいが、音声データａ'等が雑音除去
部１１２に入力される度に行うようにしてもよい。

【００３６】また、音声再生部１１７にて再生出力され
た音声メッセージデータに基づいてスピーカ１０４から
出力されマイクロホン１０２に入力された音声（以下
「音声Ａ"」）を除去する場合に、音声メッセージデー
タを減算部２０４に入力するタイミングと、音声メッセ
ージデータのレベルを音声Ａ"に等しくするための入力
レベル調整量は、電話装置１００の製造段階で予め求め
られ、既知データとして、予め記憶部１１６に記憶され
ている。

【００３７】調整部２０２は、記憶部１１６に格納され
たタイミングデータ、入力レベル調整量データ、あるい
は既知データに基づいて、音声データａ'及び音声メッ
セージデータのそれぞれを減算部２０４に入力する際の
タイミング及び入力レベルを調整する。

【００３８】そして、減算部２０４は、調整部２０２に
て調整され入力された音声データａ'及び音声メッセー
ジデータを、マイクロホン１０２にて入力された外部音
声から減算処理する。

【００３９】この雑音除去部１１２や音声認識部１１０
は、ＩＣやＬＳＩにて構成することができる。また、全
体制御部１１４はＣＰＵで構成することができ、記憶部
１１６は、ＲＯＭ、ＥＥＰＲＯＭ、ＲＡＭ、メモリ等に
より構成することができる。

【００４０】このような電話装置１００においては、マ
イクロホン１０２からユーザーが音声を入力することに
より、所定の制御動作を自動的に行わせることができ
る。この場合、図４のフローチャートに示すような手順
で処理が行われる。この図４の説明においては、図３を
適宜参照する。

【００４１】つまり、図４において、マイクロホン１０
２にて外部音声が入力されると（Ｓ１０：ＹＥＳ）、音
声データ入力端子１０６又は音声再生部１１７の少なく
とも一方から、音声データａ'又は音声メッセージデー
タの入力があったか否かが判断される（Ｓ１１）。この
判断は、雑音除去部１１２で行うが、全体制御部１１４
で行ってもよい。なお、音声データ入力端子１０６に
は、回りこみや減衰が生じる前の音声が入力される。

【００４２】ここで、音声データａ'及び音声メッセー
ジデータの少なくとも一方の入力があったと判断された
場合には（Ｓ１１：ＹＥＳ）、雑音除去部１１２にて雑
音除去処理が行われ、マイクロホン１０２にて入力され
た外部音声の中から、音声データａ'又は音声メッセー
ジデータに基づいて、音声Ａ'又は 音声Ａ"に相当する
分の音声が除去される。

【００４３】その後、雑音除去後の外部音声が音声認識
部１１０に入力されて、音声認識処理が行われる（Ｓ１
３）。音声認識処理の結果は、全体制御部１１４に入力
される。そして、音声認識の結果、外部音声の中から所
定の言葉が音声認識された場合には（Ｓ１４：ＹＥ
Ｓ）、記憶部１１６に格納されたプログラムに基づい
て、所定の制御動作が全体制御部１１４により自動的に
実行される（Ｓ１５）。

【００４４】例えば、音声再生部１１７にて再生出力さ
れた音声メッセージがスピーカ１０４から出力されてい
る間に、ユーザーが、マイクロホン１０２にて「再生ス
トップ」と音声入力した場合を考えてみる。この場合、
マイクロホン１０２にて入力された外部音声には（Ｓ１
０：ＹＥＳ）、再生中の音声メッセージとユーザーの音
声が含まれている。一方、雑音除去部１１２には、音声
再生部１１７から音声メッセージデータが入力されてい
ることから（Ｓ１１：ＹＥＳ）、音声メッセージデータ
分の音声を外部音声から除去する処理が行われる（Ｓ１
２）。その後、音声認識部１１０にて「再生ストップ」
という言葉が音声認識され（Ｓ１３，Ｓ１４：ＹＥ
Ｓ）、この認識結果に基づいて、全体制御部１１４によ
り、音声再生部１１７における再生出力が停止制御され
る（Ｓ１５）。

【００４５】一方、マイクロホン１０２から外部音声の
入力があったにも拘らず（Ｓ１０：ＹＥＳ）、音声デー
タａ'又は音声メッセージデータのいずれも雑音入力部
１１２に入力されていない場合には（Ｓ１１：ＮＯ）、
雑音除去処理（Ｓ１２）を行うことなく、外部音声がそ
のまま音声認識部１１０に入力されて音声認識処理され
る（Ｓ１３）。また、音声認識処理（Ｓ１３）の結果、
所定の言葉が音声認識されなかったと判断された場合に
は（Ｓ１４：ＮＯ）、プログラムが終了する。

【００４６】このように、電話装置１００では、音声認
識処理前に、マイクロホン１０２にて入力された外部音
声中から音声Ａ'又は 音声Ａ"に相当する分の音声が除
去されることから、外部の音声再生装置や音声再生部１
１７にて音声データａ'等を再生出力している最中で
も、ユーザーの発する音声を精度よく音声認識すること
が可能となる。また、音声Ａ'又は 音声Ａ"に言葉が含
まれている場合に、その言葉を音声認識部１１０が誤認
識する事態の発生を防止することが可能となる。このた
め、音声認識部１１０の誤認識に基づく電話装置１００
の誤動作の発生を確実に防止することができる。

【００４７】そして、音声データａ'等を減算部２０４
に入力する際のタイミングや入力レベルの調整量が、自
動的に計算・調整されるため、ユーザーにとって、除去
処理が極めて簡単で、使いやすい電話装置１００とな
る。

【００４８】さらに、機械を通して発せられた言葉と、
人間が直に発した言葉とを判別できるほど精密な音声認
識部を用いる必要がないことから、コストを低く押さえ
つつ、音声認識精度の高い電話装置１００を得ることが
できる。

【００４９】なお、電話装置１００においては、記憶部
１１６が音声データ記憶手段に相当し、音声再生部１１
７が音声再生手段に相当する。また、雑音除去部１１２
が雑音除去制御手段に相当し、計算部２００、調整部２
０２、減算部２０４が、それぞれ、計算手段、調整手
段、減算手段に相当する。そして、キー入力部１０８が
キー入力手段に相当し、音声データ入力端子１０６が接
続手段に相当する。

【００５０】また、本発明の実施の形態は、上述の例に
限定されるものではなく、種々の変形が可能である。例
えば、電話装置１００において、音声データａ'を減算
部２０４に入力するタイミング及び音声データａ'のレ
ベルを音声Ａ'のレベルに等しくするための入力レベル
調整量の少なくとも一方を、計算部２００で算出せず、
キー入力部１０８からの入力によって決定するように構
成することもできる。この場合には、入力タイミングや
入力レベルの調整量を、ユーザーが任意に設定すること
ができる。また、雑音除去部の構成を簡易化できるた
め、構成の簡易化によるコストの一層の低減化を図るこ
とが可能となる。

【００５１】

【発明の効果】以上説明したように、請求項１記載の音
声認識装置及び請求項２記載の音声認識システムによれ
ば、人間の音声応答以外の言葉の誤認識を比較的低コス
トで防止することが可能となる。また、請求項３記載の
通信装置によれば、人間の音声応答以外の言葉を誤認識
することにより生ずる通信装置の誤動作を、比較的低コ
ストで防止することが可能となる。

【００５２】請求項４記載の通信装置によれば、自ら出
力した音声メッセージを、マイクロホンにて入力された
外部音声中から除去することができるため、音声メッセ
ージの再生中に、該音声メッセージを音声応答と誤認識
して誤動作することを防止することができる。また、人
間の肉声と機械を通して発せられる人間の声を判別でき
るほど精密な音声認識手段を用いる必要がないため、コ
ストを低く押さえることができる。

【００５３】請求項５記載の通信装置によれば、スピー
カから出力された音声がマイクロホンに入力されるまで
の遅延時間・減衰量が計算手段にて自動的に計算され、
この計算手段の計算結果に基づいて、調整手段が、音声
データを減算手段に入力する際のタイミング・入力レベ
ルを自動的に調整することから、ユーザーにとって、除
去処理が極めて簡単で、使いやすい通信装置が得られ
る。

【００５４】請求項６記載の通信装置によれば、音声デ
ータを減算手段に入力する際のタイミング・入力レベル
を、キー入力部を用いてユーザーが任意に設定できる。
また、構成の一層の簡易化によるコストの低減化を図る
ことが可能となる。

【図面の簡単な説明】

【図１】本発明に係る音声認識装置及び音声認識システ
ムの概略的構成を示すブロック図である。

【図２】音声認識処理手順を示すフローチャートであ
る。

【図３】本実施形態に係る通信装置を電話装置に適用し
た場合の例を示すブロック図である。

【図４】音声入力に基づいて所定の制御動作が行われる
場合の処理手順を示すフローチャートである。

【符号の説明】

１０ 音声再生装置（音声再生手段） １２ 音声認識装置 ２４ 音声認識部（音声認識手段） ２６ 雑音除去部（除去手段、雑音除去手段） ２８ マイクロホン（第２の入力手段） ３０ 接続部（第１の入力手段） １００ 電話装置（通信装置） １０２ マイクロホン １０４ スピーカ １０６ 音声データ入力端子（接続手段） １０８ キー入力部（キー入力手段） １１２ 雑音除去部（雑音除去制御手段） １１６ 記憶部（音声データ記憶手段） １１７ 音声再生部（音声再生手段） ２００ 計算部（計算手段） ２０２ 調整部（調整手段） ２０４ 減算部（減算手段）

Claims (6)

【特許請求の範囲】
1. 【請求項１】 音声再生手段から再生出力される音声デ
   ータが入力される第１の入力手段と、 音声が入力される第２の入力手段と、 前記第２の入力手段にて入力された音声から、前記第１
   の入力手段に入力された音声データに基づいて、前記音
   声再生手段から再生出力されて前記第２の入力手段に入
   力された音声を除去する除去手段と、 前記除去手段から入力された音声を音声認識する音声認
   識手段と、 を備えたことを特徴とする音声認識装置。
2. 【請求項２】 音声データに基づいて音声を再生出力す
   る音声再生手段と、 マイクロホンにて入力された音声に含まれる所定の雑音
   を除去する雑音除去手段と、 前記雑音除去手段から入力された音声を音声認識する音
   声認識手段と、 を含み、 前記雑音除去手段は、前記音声再生手段に接続されて該
   音声再生手段から出力される前記音声データを取得し、
   この音声データに基づいて、該音声再生手段から再生出
   力されて前記マイクロホンに入力された音声を除去する
   ことを特徴とする音声認識システム。
3. 【請求項３】 マイクロホンにて入力された外部音声を
   音声認識手段が音声認識し、この音声認識結果に基づい
   て所定の制御動作を自動的に実行可能な通信装置におい
   て、 外部の音声出力源からスピーカを通して音声出力される
   前の音声データを取得するため、該音声出力源に接続さ
   れる接続手段と、 前記接続手段を通じて取得した前記音声データに基づい
   て、前記マイクロホンにて入力された外部音声から、前
   記スピーカより出力されて前記マイクロホンに入力され
   た音声を除去し、除去処理後の外部音声を前記音声認識
   手段に入力する雑音除去制御手段と、 を有することを特徴とする通信装置。
4. 【請求項４】 マイクロホンにて入力された外部音声を
   音声認識手段が音声認識し、この音声認識結果に基づい
   て所定の制御動作を自動的に実行可能な通信装置におい
   て、 音声メッセージを再生するための音声データを記憶する
   音声データ記憶手段と、 前記音声データを再生してスピーカから出力する音声再
   生手段と、 前記音声データに基づいて、前記マイクロホンにて入力
   された外部音声から、前記スピーカより出力されて前記
   マイクロホンに入力された音声を除去し、除去処理後の
   外部音声を前記音声認識手段に入力する雑音除去制御手
   段と、 を有することを特徴とする通信装置。
5. 【請求項５】 請求項３または請求項４に記載の通信装
   置において、 前記雑音除去制御手段は、 前記音声データを前記マイクロホンにて入力された外部
   音声から減算して結果を出力する減算手段と、 前記音声データに基づいて、前記スピーカから出力され
   た音声が前記マイクロホンに入力されるまでに生ずる遅
   延時間及び減衰量の少なくとも一方を計算する計算手段
   と、 前記計算手段の計算結果に基づいて、前記音声データを
   前記減算手段に入力する際のタイミング及び入力レベル
   の少なくとも一方を調整する調整手段と、 を有することを特徴とする通信装置。
6. 【請求項６】 請求項３または請求項４に記載の通信装
   置において、 手動入力を可能とするキー入力手段を有し、 前記雑音除去制御手段は、 前記音声データを前記マイクロホンにて入力された外部
   音声から減算して結果を出力する減算手段と、 前記キー入力手段からの入力に基づいて、前記音声デー
   タを前記減算手段に入力する際のタイミング及び入力レ
   ベルの少なくとも一方を調整する調整手段と、 を有することを特徴とする通信装置。