JP2000305595A

JP2000305595A - 音声認識装置

Info

Publication number: JP2000305595A
Application number: JP11112775A
Authority: JP
Inventors: Kazuyuki Nogi; 和行野木
Original assignee: Mitsubishi Electric Corp
Current assignee: Mitsubishi Electric Corp
Priority date: 1999-04-20
Filing date: 1999-04-20
Publication date: 2000-11-02

Abstract

(57)【要約】【課題】誤認識が少なく、かつ安価な音声認識装置を
得る。【解決手段】認識処理可能な語彙数に制限のある認識
処理方式と、認識処理可能な語彙数に制限のない認識処
理方式の両者を切り替え得るようにし、抽出した語彙の
語彙数または語彙データ容量を測定し、その測定結果が
判定しきい値以下であれば認識処理可能な語彙数に制限
のある認識処理方式を使用し、語彙数が判定しきい値以
上であれば認識処理可能な語彙数に制限のない認識処理
方式を使用するようにした。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】この発明は、例えば画面に表
示された地図上に車両の現在位置を表示する車載用ナビ
ゲーション装置などの車載情報機器に音声によって与え
る入力指示の語彙を認識する音声認識装置に関するもの
である。

【０００２】

【従来の技術】従来の音声認識装置においては、認識処
理可能な語彙数に制限のある処理方式（以下制限方式と
呼ぶ）と、認識処理可能な語彙数に制限のない処理方式
（以下非制限方式と呼ぶ）が存在する。制限方式では、
認識対象となる語彙データを認識辞書生成手段に入力す
ることで認識処理に使用する音声認識辞書に登録する。
この登録された認認辞書は、音声認識処理においてマイ
クロホンから入力された音声との一致度を見る照合処理
を行う場合に、入力音声に対して音声認識辞書に登録さ
れた語彙全てと照合処理を行うようなデータ構成とな
る。このため、音声認識辞書に登録する語彙数が増加し
た場合、認識処理に必要なメモリ容量や認識結果応答時
間が語彙数に依存して増加する。これが認識処理可能な
語彙数の制限となる。

【０００３】これに対し非制限方式では、制限方式と同
様に、認識対象となる語彙データを認識辞書生成手段に
入力することで認識処理に使用する音声認識辞書に登録
する。この登録された音声認識辞書は、音声認識処理に
おいてマイクロホンから入力された音声との一致度を見
る照合処理を行う場合に、入力音声に対して音声認識辞
書に登録された語彙全てと照合処理を行う訳ではなく、
照合処理を行いながら順次不要な語彙に対しては照合処
理を省くような処理を行うデータ構成となる。このた
め、認識語彙数が増加した場合においても、制限方式の
ように認識処理に必要なメモリ容量や認識結果応答時間
が語彙数に依存して増加することはなく一定となる。

【０００４】従来の制限方式を使用した音声認識装置を
搭載したナビゲーション装置にあっては、図１０に示す
ように、音声が入力されるマイクロホン１と、検索内容
に係わる語彙として、例えば地名などが格納された認識
語彙データベース２と、この認識語彙データベース２を
記憶するＣＤ−ＲＯＭやＤＶＤあるいはメモリなどの記
憶媒体３と、認識処理に必要な語彙データ、例えば地名
における指定した市区町村名の中にある大字名の文字列
データを認識語彙データベース２から抽出する認識語彙
抽出部４と、抽出部４により抽出された語彙を音声認識
可能な形態に変換する認識辞書生成部５と、認識辞書生
成部５により音声認識可能な形態に変換された音声認識
辞書データを格納する音声認識辞書ＲＡＭ６と、マイク
ロホン１からの音声による入力信号を分析し、音声認識
辞書ＲＡＭ６の内容の語彙との一致度をみることによっ
て入力語を認識する認識処理部７と、認識処理部７の出
力結果Ｋ１により、実際の場所の地図を検索するナビゲ
ーション処理部８と、ナビゲーション処理部８により生
成された画面を表示する表示部９と、音声認識の認識結
果を出力するための合成音声を生成する音声合成処理部
１０と、音声合成処理部１０にて生成された音声を出力
するためのスピーカ１１と、ナビゲーション装置を操作
する操作部１２とからなっている。

【０００５】従来の制限方式を使用した音声認識装置に
おける住所検索では、住所を「都道府県」、「市区町
村」、「大字」と３段階に分けて検索する。この場合、
図１３のフローチャートに示す手順にて処理が行われ
る。まずステップＶ１において、オペレータが例えば操
作部１２に存在する音声認識開始スイッチを押すことに
より、ナビゲーション処理部８は認識処理を行うべき語
彙データである都道府県名の抽出命令を認識語彙抽出部
４に対して発行し、認識語彙抽出部４が、大分類である
都道府県名を認識語彙データベース２から抽出する。ス
テップＶ２において、認識語彙抽出部４が抽出した語彙
データを認識辞書生成部５が変換処理し、音声認識辞書
を生成し、音声認識辞書ＲＡＭ６に格納する。ステップ
Ｖ３において、オペレータが発声した音声をマイクロホ
ン１にて入力し、その音声信号を認識処理部７に出力す
る。認識処理部７は、入力された音声信号を分析し、入
力された音声の特徴パラメータを生成し、生成された特
徴パラメータと音声認識辞書ＲＡＭ６の内容とをパター
ンマッチングする。ステップＶ４において、パターンマ
ッチングの結果、一定値以上の一致度をもつ認識結果が
存在しない場合は、ステップＶ３に戻り、一定値以上の
一致度をもつ認識結果が存在する場合は、認識結果をナ
ビゲーション処理部８に出力しステップＶ５に進む。ス
テップＶ５において、認識処理部７の出力した認識結果
を表示部９に簡易的に文字表示し、音声出力処理部１０
にて認識結果を音声信号に変換し、スピーカ１１から出
力する。

【０００６】次にステップＶ６において、ナビゲーショ
ン処理部８は大分類の認識結果に対応する中分類の語彙
データである市区町村名の抽出命令を認識語彙抽出部４
に対して発行し、認識語彙抽出部４が認識語彙データベ
ース２から抽出する。ステップＶ７において、認識語彙
抽出部４が抽出した語彙データを、認識辞書生成部５が
変換処理し音声認識辞書を生成し、音声認識辞書ＲＡＭ
６に格納する。ステップＶ８において、オペレータが発
声した音声をマイクロホン１にて入力し、その音声信号
を認識処理部７に出力する。認識処理部７は、入力され
た音声信号を分析し、入力された音声の特徴パラメータ
を生成し、生成された特徴パラメータと音声認識辞書Ｒ
ＡＭ６の内容とをパターンマッチングする。ステップＶ
９において、パターンマッチングの結果、一定値以上の
一致度をもつ認識結果が存在する場合は認識結果をナビ
ゲーション処理部８に出力し、ステップＶ１０に進み、
認識結果を表示部９に簡易的に文字表示し、音声出力処
理部１０にて認識結果を音声信号に変換し、スピーカ１
１から出力する。

【０００７】次にステップＶ１１において、ナビゲーシ
ョン処理部８は中分類の認識結果に対応する小分類の語
彙データである大字名の抽出命令を認識語彙抽出部４に
対して発行し、認識語彙抽出部４が認識語彙データベー
ス２から抽出する。ステップＶ１２において、認識語彙
抽出部４が抽出した語彙データを認識辞書生成部５が変
換処理し音声認識辞書を生成し、音声認識辞書ＲＡＭ６
に格納する。ステップＶ１３において、オペレータが発
声した音声をマイクロホン１にて入力し、その音声信号
を認識処理部７に出力する。認識処理部７は、入力され
た音声信号を分析し、入力された音声の特徴パラメータ
を生成し、生成された特徴パラメータと音声認識辞書Ｒ
ＡＭ６の内容とをパターンマッチングする。ステップＶ
１４において、パターンマッチングの結果、一定値以上
の一致度をもつ認識結果が存在する場合は、認識結果を
ナビゲーション処理部８に出力しステップＶ１５に進
む。ステップＶ１５において、認識処理部７の認識結果
を基に、ナビゲーション処理部８が、地図データ記憶媒
体を参照し、実際の場所を表示部９にて表示し、音声出
力処理部１０にて認識結果を音声信号に変換し、スピー
カ１１から出力する。以上の手順にて、制限方式を使用
した音声認識装置による住所名検索が行われる。

【０００８】また、従来の非制限方式では、住所検索に
おける大分類である都道府県名と、中分類である市区町
村名と、小分類である大字名を一つの音声認識辞書と
し、同時に発声することが可能である。

【０００９】

【発明が解決しようとする課題】従来の構成による制限
方式を使用した音声認識装置においては、小分類である
大字名の認識処理を行う場合、認識処理に必要なメモリ
容量や認識結果応答時間が語彙数に依存して増加するた
め、一部の大字名、例えば北海道旭川市内の大字名に対
しては、その語彙数が２０００地名以上と多いために認
識処理に必要なメモリ容量が多く必要となり、認識結果
の応答時間に数秒の遅れが発生し、この時間遅れにより
使用者に負担をかけるなどの問題があった。また、上記
時間遅れを削減するために、従来は認識対象となる大字
名の語彙数を制限するなどの対応がなされているが、認
識語彙数を制限することによりオペレータが発声した大
字名が認識語彙の中にないために誤認識が発生したり、
あるいは検索の精度が低下するなどの弊害が発生するこ
とがあった。

【００１０】これに対し、従来の非制限方式を採用した
音声認識装置においては、大分類である都道府県名と、
中分類である市区町村名と、小分類である大字名を一つ
の音声認識辞書として同時に認識する構成の大語彙音声
認識装置となるため、認識処理に必要なメモリ容量は一
定であり、認識結果応答時間も一定であるが、音声認識
辞書記憶装置は大分類である都道府県名と、中分類であ
る市区町村名と、小分類である大字名の全てを含む１０
万語を超える語を格納するために膨大な認識辞書メモリ
容量を必要とする。これに加え住所名などの情報は住所
名の新設や削除などが行われるため刻々と変化してい
る。このため音声認識処理に使用する認識語彙データを
順次更新する必要があり、このため音声認識辞書の記憶
装置は書き換え可能である必要がある。これは記憶装置
のコスト上昇を招く結果となる。

【００１１】また、従来の音声認識処理は、認識処理の
終了を検出する手段として使用者の発声の終端である一
定時間の無音期間を検出することにより行っている。こ
のため使用者が言いよどんだ場合などは途中で認識処理
が終了してしまい、中途半端な入力音声から認識処理を
行うため誤認識が発生する。以上により、特に１０万語
を超える大語彙の認識処理を行う場合はスムーズな発声
が困雑となるために認識率が低下するという問題があっ
た。

【００１２】この発明は上記の問題を解決するためにな
されたもので、誤認識が少なく、かつ安価な音声認識装
置を得ようとするものである。

【００１３】

【課題を解決するための手段】この発明に係る音声認識
装置は、大規模な認識語彙データベース例えば住所名の
内から必要な語彙例えば特定地区の大字名だけを抽出し
音声認識処理可能な辞書データ構成に変換するものにお
いて、認識処理対象となる語彙を大規模な認識語彙デー
タベースから抽出する語彙抽出部と、この語彙抽出部に
より抽出した語彙のデータ量を測定する所定情報測定部
と、上記語彙抽出部が抽出した語彙を音声認識辞書デー
タに変換する複数の認識辞書生成部と、これら認識辞書
生成部により生成された複数の音声認識辞書を上記所定
情報測定部により測定された所定情報に応じて切り替え
る使用辞書判定部と、上記音声認識辞書のデータと入力
音声とを照合する認識処理部とを備えたものである。

【００１４】また、所定情報測定部は、語彙抽出部が抽
出した語彙の数を測定するようにしたものである。

【００１５】また、所定情報測定部は、語彙抽出部が抽
出した語彙のデータ容量を測定するようにしたものであ
る。

【００１６】また、音声認識処理部の出力が、地図表示
および音声表示を制御するナビゲーション処理部に供給
されるようになされているものである。

【００１７】また、辞書生成部切り替えの基準となる判
定部の判定しきい値が、現在の装置全体の状態に応じて
変更可能になされているものである。

【００１８】

【発明の実施の形態】実施の形態１．図１はこの発明の
実施の形態１に係る音声認識装置のブロック回路図であ
る。この発明による音声認識装置は、図１に示すよう
に、音声が入力されるマイクロホン１と、検索内容に係
わる語彙として、例えば地名などの文字列が格納された
認識語彙データベース２と、この認識語彙データベース
２を記憶するＣＤ−ＲＯＭやＤＶＤあるいはメモリなど
の記憶媒体３と、認識処理に必要な語彙データ例えば地
名における指定した市区町村名の中にある大字名の文字
列データを認識語彙データベース２から抽出する認識語
彙抽出部４と、認識語彙データベース２から抽出した大
字名の文字列データの語彙数を示す文字列データの区切
り文字数をカウントするカウント部４１と、カウント部
４１がカウントした値と設定された判定しきい値の比較
結果に応じて、生成する音声認識辞書を切り替える使用
辞書判定部４２と、使用辞書判定部４２により判定され
た結果に基づき、抽出部４により抽出された語彙を認識
処理可能な語彙数に制限のある認識処理方式（以下制限
方式と呼ぶ）となる音声認識辞書構成に変換する認識辞
書生成部５１と、抽出部４により抽出された語彙を認
識処理可能な語彙数に制限のない認識処理方式（以下非
制限方式と呼ぶ）となる音声認識辞書構成に変換する認
識辞書生成部５２と、認識辞書生成部５１、認識辞
書生成部５２により音声認識可能な形態に変換された
音声認識辞書を格納する音声認識辞書ＲＡＭ６と、マイ
クロホン１からの音声による入力信号を分析し、音声認
識辞書ＲＡＭ６の内容の語彙との一致度をみることによ
って入力語を認識する認識処理部７と、認識処理部７の
出力結果Ｋ１により、実際の場所の地図を検索するナビ
ゲーション処理部８と、ナビゲーション処理部８により
生成された画面を表示する表示部９と、音声認識の認識
結果を出力するための合成音声を生成する音声合成処理
部１０と、音声合成処理部１０にて生成された音声を出
力するためのスピーカ１１と、ナビゲーション装置を操
作する操作部１２とからなっている。

【００１９】図２は、認識辞書生成部５１により生成
される音声認識辞書の構成およびパターンマッチング
時の処理を示すものである。図２に示すように、音声認
識辞書の構造は認識語彙データを入力順に並べた構成
であり、入力音声の特徴パラメータに対するパターンマ
ッチング処理においては、音声認識辞書中の全ての語彙
に対してパターンマッチング処理を行う。このため、認
識処理用メモリ容量や認識結果応答時間は認識する語彙
数に依存して増加し、認識制限語彙数が例えば１０００
語程度の場合、１０００語を超えた時点から認識結果応
答時間に遅れが発生する。

【００２０】図３は認識辞書生成部５２により生成さ
れる音声認識辞書の構成およびパターンマッチング時
の処理を示すものである。図３に示すように、音声認識
辞書の構造は認識語彙データを木構造とした構成であ
り、入力音声の特徴パラメータに対するパターンマッチ
ング処理においては、パターンマッチング処理を行いな
がら順次一致度の低い不要な枝を省く処理を行う。この
ため、認識処理用メモリ容量は認識する語彙数に関係な
く一定であり、認識制限語彙数は無制限となる。また、
認識結果応答時間は認識する語彙数に関係なく一定であ
る。しかし、音声認識辞書においては、パターンマッ
チング処理中に木構造の辞書データの不要な枝を省くた
め、認識処理の最初の時点で誤認識をした場合は、残っ
た枝の中から認識結果が出力されるため音声認識辞書
に比べ誤認識が発生する可能性が高い。

【００２１】図４は、音声認識辞書と音声認識辞書
の特徴を比較した結果をまとめた図である。まず、認識
処理用メモリ容量に関しては、音声認識辞書はパター
ンマッチング処理を音声認識辞書内の語彙全てに対して
行うため、認識語彙数が増加した場合、認識処理用メモ
リ容量が増加する。これに対し、音声認識辞書はパタ
ーンマッチング処理を行いながら順次不要な語彙とのマ
ッチングを省くため、認識処理用メモリ容量は認識語彙
数に依存せず一定である。次に、認識制限語彙数に関し
ては、音声認識辞書は認識制限語彙数が存在し、制限
語彙数は例えば１０００語程度である。これに対し音声
認識辞書は、認識制限語彙数が存在しない。次に認識
結果応答時間に関しては、音声認識辞書は認識制限語
彙数例えば１０００語を超えた時点から音声認識辞書
に比べ遅れが発生する。これに対し音声認識辞書にお
いては、不要な語彙とのマッチングを省く処理を行うた
め、認識結果応答時間は認識する語彙数に関係なく一定
である。次に、認識性能に関しては、音声認識辞書は
パターンマッチング処理を音声認識辞書内の語彙全てに
対して行うため性能が高い。これに対して音声認識辞書
においては、パターンマッチング処理中に木構造の辞
書データの不要な枝を省くため、認識処理の最初の時点
で誤認識をした場合、残った枝の中から認識結果が出力
されるため、音声認識辞書に比べ誤認識が発生する可
能性があり、音声認識辞書に比べやや劣る。次に音声
認識辞書容量に関しては、音声認識辞書と音声認識辞
書の語彙数に対する容量は同程度である。

【００２２】図５は音声認識辞書と音声認識辞書
を、認識語彙数に対する認識処理メモリ容量について比
較した結果を示すものである。図５に示すように、認識
処理は認識語彙数が少ない場合は認識処理用メモリ容
量が少ないが、認識する語彙数に依存して増加する。こ
れに対し、音声認識辞書は語彙数が少ない場合は認識
処理用メモリ容量が認識処理よりも多いが、認識する
語彙数が増加し認識処理の制限語彙数例えば１０００
語を超えた場合においても認識処理用メモリ容量は一定
である。このため、認識処理の制限語彙数以上におい
ては音声認識辞書の方が処理効率がよい。

【００２３】図６は、音声認識辞書と音声認識辞書
を認識語彙数に対する認識結果応答時間について比較し
た結果を示すものである。図６に示すように、音声認識
辞書は、認識する語彙数が増加した場合においても認
識結果応答時間は例えば０．４秒で一定である。これに
対し、音声認識辞書は、制限語彙数例えば１０００語
以内である場合においては認識結果応答時間が音声認識
辞書の０．４秒を下回り処理効率がよいが、制限語彙
数例えば１０００語を超えた時点より認識語彙数に対し
て応答時間の遅れが増加し、音声認識辞書よりも遅れ
る傾向がある。

【００２４】図７は、実施の形態１における処理の手順
を示すフローチャートである。まずステップＳ１におい
て、オペレータが例えば操作部１２に存在する音声認識
開始スイッチを押すことにより、ナビゲーション処理部
８は現在の状態から認識処理を行うべき語彙データの種
類を判断し、認識語彙抽出部４に対して抽出開始命令を
発行し、認識語彙抽出部４が、認識すべき対象の認識語
彙データを認識語彙データベース２から抽出する。ステ
ップＳ２において、認識語彙抽出部４が抽出した語彙デ
ータの語彙数を抽出データ語彙数カウント部４１がカウ
ントする。ステップＳ３において、使用辞書判定部４２
が、抽出データ語彙数カウント部４１がカウントした語
彙数を基に判定しきい値以上であるかを判定し、判定し
きい値が例えば１０００語の場合、カウントした語彙数
が１０００語よりも小さい場合はステップＳ４に分岐
し、カウントした語彙数が１０００語以上の場合はステ
ップＳ５に分岐する。

【００２５】ステップＳ４において、認識辞書生成部
５１が認識語彙抽出部４の抽出した語彙データより音声
認識辞書を生成し、音声認識辞書ＲＡＭ６に格納す
る。一方、ステップＳ５においては、認識辞書生成部
５２が認識語彙抽出部４の抽出した語彙データより音声
認識辞書を生成し、音声認識辞書ＲＡＭ６に格納す
る。ステップＳ６において、オペレータが発声した音声
をマイクロホン１にて入力し、その音声信号を認識処理
部７に出力する。認識処理郡７は、入力された音声信号
を分析し、入力された音声の特徴パラメータを生成し、
生成された特徴パラメータとステップＳ４、Ｓ５で生成
した音声認識辞書を格納した音声認識辞書ＲＡＭ６の内
容とをパターンマッチングする。ステップＳ７におい
て、パターンマッチングの結果、一定値以上の一致度を
もつ認識結果が存在しない場合は、ステップＳ６に戻
り、一定値以上の一致度をもつ認識結果が存在する場合
は、ステップＳ８に進む。ステップＳ８において、認識
処理部７の認識結果を基に、ナビゲーション処理部８
が、地図データ記憶媒体を参照し、実際の場所を表示部
９にて表示し、音声出力処理部１０にて認識結果を音声
信号に変換し、スピーカ１１から出力する。

【００２６】以上のような構成の音声認識装置におい
て、例えば住所検索における小分類の認識処理の際、兵
庫県三田市の大字名を認識対象とした場合、カウント部
４１のカウント結果は２００程度であるため、判定しき
い値の１０００よりも少ないと判定され、音声認識辞書
が適用される。その結果、認識処理応答時間を、音声
認識辞書を使用した場合より短くすることが出来る。
また、例えば北海道旭川市の大字名を認識対象とした場
合、カウント部４１のカウント結果は２０００程度であ
るため、判定しきい値１０００よりも大きいと判定さ
れ、音声認識辞書が適用される。これにより、検索デ
ータを省略することなくデータ検索を行うことができ、
より詳細なデータ検索が可能となり、オペレータが認識
語彙に存在しない語彙を発話することもなく、誤認識の
発生を防ぐことが可能となる。また、認識結果応答時間
を一定に保つことができ、認識結果出力応答待ち時間の
遅延などによるオペレータへの負担を軽減することが可
能となる。

【００２７】実施の形態２．図８はこの発明の実施の形
態２に係る音声認識装置のブロック図である。本実施の
形態による音声認識装置は、図８に示すように、音声が
入力されるマイクロホン１と、検索内容に係わる語彙と
して、例えば地名などの文字列が格納された認識語彙デ
ータベース２と、この認識語彙データベース２を記憶す
るＣＤ−ＲＯＭやＤＶＤあるいはメモリなどの記憶媒体
３と、認識処理に必要な語彙データ例えば地名における
指定された市区町村名の中にある大字名の文字列データ
を認識処理データベース２から抽出する認識語彙抽出部
４と、認識語彙データベース２から抽出した大字名の文
字列データのデータ容量を示す総文字数を測定する抽出
データ容量測定部４３と、抽出データ容量測定部４３が
測定した総文字数と設定された判定しきい値との比較結
果に応じて、生成する音声認識辞書を切り替える使用辞
書判定部４２と、使用辞書判定部４２により判定された
結果に基づき、抽出部４により抽出された語彙を制限方
式となる音声認識辞書構成に変換する認識辞書生成部
５１と、抽出部４により抽出された語彙を非制限方式と
なる音声認識辞書構成に変換する認識辞書生成部５２
と、認識辞書生成部５１、認識辞書生成部５２によ
り音声認識可能な形態に変換された音声認識辞書を格納
する音声認識辞書ＲＡＭ６と、マイクロホン１からの音
声による入力信号を分析し、音声認識辞書ＲＡＭ６の内
容の語彙との一致度をみることによって入力語を認識す
る認識処理部７と、認識処理部７の出力結果Ｋ１によ
り、実際の場所の地図を検索するナビゲーション処理部
８と、ナビゲーション処理部８により生成された画面を
表示する表示部９と、音声認識の認識結果を出力するた
めの合成音声を生成する音声合成処理部１０と、音声合
成処理部１０にて生成された音声を出力するためのスピ
ーカ１１と、ナビゲーション装置を操作する操作部１２
とからなっている。

【００２８】図９は実施の形態２における処理の手順を
示すフローチャートである。まずステップＴ１におい
て、オペレータが例えば操作部１２に存在する音声認識
開始スイッチを押すことにより、ナビゲーション処理部
８は現在の状態から認識処理を行うべき語彙データの種
類を判断し、認識語彙抽出部４に対して抽出開始命令を
発行し、認識語彙抽出部４が、認識すべき対象の認識語
彙データを認識語彙データベース２から抽出する。ステ
ップＴ２において、認識語彙抽出部４が抽出した語彙デ
ータのデータ容量である総文字数を抽出データ容量測定
部４３が測定する。ステップＴ３において、使用辞書判
定部４２が、抽出データ容量測定部４３が測定したデー
タ容量である総文字数を基に判定しきい値以上であるか
を判定し、判定しきい値が例えば５０００文字の場合、
測定したデータ容量である総文字数が５０００文字より
も小さい場合はステップＴ４に分岐し、測定したデータ
容量である総文字数が５０００文字以上の場合はステッ
プＴ５に分岐する。

【００２９】ステップＴ４において、認識辞書生成部
５１が認識語彙抽出部４の抽出した語彙データより音声
認識辞書を生成し、音声認識辞書ＲＡＭ６に格納す
る。ステップＴ５において、認識辞書生成部５２が認
識語彙抽出部４が抽出した語彙データより音声認識辞書
を生成し、音声認識辞書ＲＡＭ６に格納する。ステッ
プＴ６において、オペレータが発声した音声をマイクロ
ホン１にて入力し、その音声信号を認識処理部７に出力
する。認識処理部７は、入力された音声信号を分析し、
入力された音声の特徴パラメータを生成し、生成された
特徴パラメータとステップＴ４、ステップＴ５で生成し
た音声認識辞書を格納した音声認識辞書ＲＡＭ６の内容
とをパターンマッチングする。ステップＴ７において、
パターンマッチングの結果、一定以上の一致度をもつ認
識結果が存在しない場合はステップＴ６に戻り、一定以
上の一致度をもつ認識結果が存在する場合はステップＴ
８に進む。ステップＴ８において、認識処理部７の出力
した認識結果を基に、ナビゲーション処理部８が、地図
データ記憶媒体を参照し、実際の場所を表示部９にて表
示し、音声出力処理部１０にて認識結果を音声信号に変
換し、スピーカ１１から出力する。

【００３０】以上のような構成の音声認識装置におい
て、例えば住所検索における小分類の認識処理の際、兵
庫県三田市の大字名を認識対象とした場合、抽出データ
容量測定部４３の測定結果は１５００程度となるため、
判定しきい値の５０００よりも少ないと判定され、音声
認識辞書が適用される。これにより、認識処理に必要
となるメモリ容量を、音声認識辞書を使用した場合よ
り削減することができる。また、例えば北海道旭川市の
大字名を認識対象とした場合、抽出データ容量測定部４
３の測定結果は４００００程度であるため、判定しきい
値の５０００よりも大きいと判定され、音声認識辞書
が適用される。これにより、検索データを省略すること
なくデータ検索を行うことができ、より詳細なデータ検
索が可能となり、使用者が認識語彙に存在しない語彙を
発話することもなく、誤認識の発生を防ぐことが可能と
なる。また、認識処理に必要となるメモリ容量の使用量
を制限することができ、音声認識装置におけるメモリ容
量の高騰を防ぎ、製品コストの増加を防ぐことが可能と
なる。

【００３１】実施の形態３．図１０は実施の形態３に係
る音声認識装置のブロック図である。本実施の形態によ
る音声認識装置にあっては、図１０に示すように、音声
が入力されるマイクロホン１と、検索内容に係わる語彙
として、例えば地名などの文字列が格納された認識語彙
データベース２と、この認識語彙データベース２を記憶
するＣＤ−ＲＯＭやＤＶＤあるいはメモリなどの記憶媒
体３と、認識処理に必要な語彙データ例えば地名におけ
る指定した市区町村名の中にある大字名の文字列データ
を認識語彙データベース２から抽出する認識語彙抽出部
４と、認識語彙データベース２から抽出した大字名の文
字列データのデータ容量を示す総文字数を測定する抽出
データ容量測定部４３と、抽出データ容量測定部４３が
測定した総文字数と判定しきい値の比較結果に応じて、
生成する音声認識辞書を切り替える使用辞書判定部４２
と、現在のシステムの状態情報例えば他の優先順位の高
い処理が実行中であるか、またはナビゲーションを搭載
した車両が走行中であるかなどの情報により、使用辞書
判定部４２の判定しきい値の値を例えば５０００から１
００００に変更する判定しきい値変更部４４と、使用辞
書判定部４２により判定された結果に基づき、抽出部４
により抽出された語彙を制限方式となる音声認識辞書構
成に変換する認識辞書生成部５１と、抽出部４により
抽出された語彙を非制限方式となる音声認識辞書構成に
変換する認識辞書生成部５２と、認識辞書生成部５
１、認識辞書生成部５２により音声認識可能な形態に
変換された音声認識辞書を格納する音声認識辞書ＲＡＭ
６と、マイクロホン１からの音声による入力信号を分析
し、音声認識辞書ＲＡＭ６の内容の語彙との一致度をみ
ることによって入力語を認識する認識処理部７と、認識
処理部７の出力結果Ｋ１により、実際の場所の地図を検
索するナビゲーション処理部８と、ナビゲーション処理
部８により生成された画面を表示する表示部９と、音声
認識の認識結果を出力するための合成音声を生成する音
声合成処理部１０と、音声合成処理部１０にて生成され
た音声を出力するためのスピーカ１１と、ナビゲーショ
ン装置を操作する操作部１２とからなっている。

【００３２】図１１は、実施の形態３における処理の手
順を示すフローチャートである。まずステップＵ１にお
いて、オペレータが例えば操作部１２に存在する音声認
識開始スイッチを押すことにより、ナビゲーション処理
部８は現在の状態から認識処理を行うべき語彙データの
種類を判断し、認識語彙抽出部４に対して抽出開始命令
を発行し、認識語彙抽出部４が、認識すべき対象の認識
語彙データを認識語彙データベース２から抽出する。ス
テップＵ２において、認識語彙抽出部４が抽出した語彙
データのデータ容量である総文字数を抽出データ容量測
定部４３が測定する。ステップＵ３において、判定しき
い値変更部４４、現在のシステムの状態情報、例えばメ
モリの空き状態や、優先順位の高い他処理の実行状態、
あるいはナビゲーションを搭載した車両の走行状態など
の情報を基に使用辞書判定郡４２の判定しきい値を変更
する。ステップＵ４において、使用辞書判定部４２が、
抽出データ容量測定部４３の測定したデータ容量である
総文字数が、現在のシステムの状態情報を基に判定しき
い値変更部４４が変更した判定しきい値以上であるかを
判定し、判定しきい値よりも小さい場合はステップＵ５
に分岐し、判定しきい値以上の場合はステップＵ６に分
岐する。

【００３３】ステップＵ５において、認識辞書生成部
５１が認識語彙抽出部４の抽出した語彙データより音声
認識辞書を生成し、音声認識辞書ＲＡＭ６に格納す
る。ステップＵ６において、認識辞書生成部５２が認
識語彙抽出部４の抽出した語彙データより音声認識辞書
を生成し、音声認識辞書ＲＡＭ６に格納する。ステッ
プＵ７において、オペレータが発声した音声をマイクロ
ホン１にて入力し、その音声信号を認識処理部７に出力
する。認識処理部７は、入力された音声信号を分析し、
入力された音声の特徴パラメータを生成し、生成された
特徴パラメータとステップＵ５、ステップＵ６で生成し
た音声認識辞書を格納した音声認識辞書ＲＡＭ６の内容
とをパターンマッチングする。ステップＵ８において、
パターンマッチングの結果、一定以上の一致度をもつ認
識結果が存在しない場合はステップＵ７に戻り、一定以
上の一致度をもつ認識結果が存在する場合はステップＵ
９に進む。ステップＵ９において、認識処理部７の出力
した認識結果を基に、ナビゲーション処理部８が、地図
データ記憶媒体を参照し、実際の場所を表示部９にて表
示し、音声出力処理部１０にて認識結果を音声信号に変
換し、スピーカ１１から出力する。

【００３４】以上のような構成の音声認識装置において
は、システムの現在の状態、例えばメモリの空き状態や
優先順位の高い他処理の実行状態またはナビゲーション
を搭載した車両の走行状態などの情報を基に使用認識辞
書判定しきい値を変更することにより、認識処理にかか
るメモリ容量を現在の状態情報により制限することが可
能となり、例えばナビゲーション処理などの他処理を実
行中に音声認識処理を実行した場合において、使用メモ
リ容量の少ない認識処理に切り替えることが可能とな
る。これにより、他のアプリケーションと協調したシス
テムの実現が可能となる。また、実施の形態２と同様の
効果が得られる。

【００３５】

【発明の効果】以上のようにこの発明によれば、語彙抽
出部が抽出した語彙に対して所定情報測定部が測定し、
所定情報測定結果に基づき認識辞書生成手段を切り替
え、認識処理を行うことにより、認識辞書データの語彙
数を制限することなく認識処理を行うことが可能とな
り、なおかつ膨大なメモリを必要としないので、検索性
能を低下させることなく低コストの音声認識装置を得る
ことが可能となる。

【００３６】また、語彙数により認識辞書生成手段を切
り替え、認識処理を行うことにより、認識結果出力まで
の時間を一定とすることが可能となるので、認識結果出
力応答待ち時間の遅延などによる使用者への負担を軽減
することが可能となる。

【００３７】また、抽出されたデータの容量により認識
辞書生成手段を切り替え、認識処理を行うことにより、
認識処理に必要となるメモリ容量の上限を設定すること
が可能となるので、認識装置のメモリ容量を抑えること
が出来、製品コストの上昇を防ぐことが可能となる。

【００３８】また、システム情報測定部が測定した現在
の測定情報を基に、判定しきい値変更部が所定情報判定
部の判定しきい値を変更することにより、例えば現在の
システムの空きメモリ容量により所定情報判定部の判定
しきい値を変更することにより、音声認識処理に使用す
るメモリ容量を動的に制限することが可能となるので、
限られたメモリ容量において他処理との共存が可能とな
る。

【００３９】また、音声認識による大字名の認識処理に
おいて、大字名の語彙数により認識処理方式を切り替え
ることにより、使用者の認識結果待ち時間が短縮され、
利便性が向上し、なおかつ大字名の語彙情報を制限する
必要がなく、検索機能および認識率が向上し、なおかつ
認識処理に使用する記憶装置の容量は殆ど増加しないた
め、製品コストの上昇を抑えることができる。

【図面の簡単な説明】

【図１】この発明の実施の形態１に係る音声認識装置
の構成を示すブロック図である。

【図２】図１における辞書生成部により生成される
音声認識辞書の構成を示す図である。

【図３】図１における辞書生成部により生成される
音声認識辞書の構成を示す図である。

【図４】音声認識辞書と音声認識辞書の特徴をま
とめた図である。

【図５】図４における音声認識辞書と音声認識辞書
の語彙数に対する認識処理用メモリ容量を比較した図
である。

【図６】図４における音声認識辞書と音声認識辞書
の語彙数に対する認識結果応答時間を比較した図であ
る。

【図７】実施の形態１における処理手順を説明するフ
ローチャートである。

【図８】この発明の実施の形態２に係る音声認識装置
の構成を示すブロック図である。

【図９】実施の形態２における処理手順を説明するフ
ローチャートである。

【図１０】この発明の実施の形態３に係る音声認識装
置の構成を示すブロック図である。

【図１１】実施の形態３における処理手順を説明する
フローチャートである。

【図１２】従来の音声認識装置の構成を示すブロック
図である。

【図１３】従来の音声認識装置における住所検索の検
索手順を説明するフローチヤートである。

【符号の説明】

１マイクロホン、２認識語彙デー
タベース、３記憶媒体、４認
識語彙抽出部、６音声認識辞書ＲＡＭ、７
認識処理部、８ナビゲーション処理部、９
表示部、１０音声合成処理部、１１
スピーカ、１２操作部、４１
抽出データ語彙数カウント部、４２使用辞書判定部、
４３抽出データ容量測定部、４４判定
しきい値変更部、５１認識辞書生成部、５
２認識辞書生成部、Ｋ１認識結果。

───────────────────────────────────────────────────── フロントページの続き (51)Int.Cl.⁷ 識別記号ＦＩテーマコート゛(参考） // Ｇ０１Ｓ 5/14 Ｇ１０Ｌ 3/00 ５６１ＢＧ０１Ｓ 5/14 Ｆターム(参考） 2C032 HB05 HC16 2F029 AA02 AC13 AC14 AC18 5D015 GG01 GG04 HH12 KK01 LL03 5J062 AA05 BB01 CC11 HH05 9A001 BB06 EE02 HH15 HH17 HH18 HH21 JJ01 JJ11 JJ77

Claims

【特許請求の範囲】

【請求項１】大規模な認識語彙データベース内から必
要な語彙だけを抽出し音声認識処理可能な辞書データ構
成に変換する音声認識装置において、認識処理対象とな
る語彙を大規模な認識語彙データベースから抽出する語
彙抽出部と、この語彙抽出部により抽出した語彙のデー
タ量を測定する所定情報測定部と、上記語彙抽出部が抽
出した語彙を音声認識辞書データに変換する複数の認識
辞書生成部と、これら認識辞書生成部により生成された
複数の音声認識辞書を上記所定情報測定部により測定さ
れた所定情報に応じて切り替える使用辞書判定部と、上
記音声認識辞書のデータと入力音声とを照合する認識処
理部とを備えたことを特徴とする音声認識装置。
【請求項２】所定情報測定部は、語彙抽出部が抽出し
た語彙の数を測定するようにしたことを特徴とする請求
項１記載の音声認識装置。
【請求項３】所定情報測定部は、語彙抽出部が抽出し
た語彙のデータ容量を測定するようにしたことを特徴と
する請求項１記載の音声認識装置。
【請求項４】音声認識処理部の出力が、地図表示およ
び音声表示を制御するナビゲーション処理部に供給され
るようになされていることを特徴とする請求項１乃至請
求項３のいずれか一項記載の音声認識装置。
【請求項５】辞書生成部切り替えの基準となる判定部
の判定しきい値が、現在の装置全体の状態に応じて変更
可能になされていることを特徴とする請求項１乃至請求
項４のいずれか一項記載の音声認識装置。