JP2000322083A - 音声認識装置及びナビゲーションシステム - Google Patents

Abstract

(57)【要約】 （修正有） 【課題】 住所の大字レベルおよび小字レベルのように
複数の語を階層的につなぎ合わせてなる発声時間の長い
認識語を小容量の音声認識辞書で認識可能とする。 【解決手段】 使用者は、複数の語を階層的につなぎ合
わせてなる音声を、大字レベルと小字レベル間に所定の
無音声時間の音声切れ目情報を与えマイク２１に入力す
る。音声切れ目検出部１７は、この音声切れ目情報を検
出し、音声切出し部１６は、該音声切れ目情報に基づき
マイク２１から入力音声を大字レベルと小字レベル別に
順次切出し、照合部１８は、この切出された各レベル毎
の音声を、予め各レベルに対応して設けた音声認識辞書
の複数の比較対象パターン候補と比較し一致度合いの高
いものを順次認識結果とする。そして、認識結果作成部
２０は、照合部１８による各レベルの認識結果を合成
し、認識結果による地点表示用位置情報をカーナビゲー
ション装置９の制御回路５に与える。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は、住所などの複数の
語を階層的につなぎ合わせてなる音声を認識する音声認
識装置及びこのような音声認識装置を備えたナビゲーシ
ョンシステムに関する。

【０００２】

【従来の技術】従来の例えばカーナビゲーションシステ
ムにおいては、入力音声から判読されたデータを予め音
声認識辞書に記憶してある複数の比較対象パターン候補
と比較してその類似度が最大となる比較対象パターン候
補を認識結果とする音声認識装置が実用化されている。

【０００３】具体的には、この種の音声認識装置は、住
所の大字レベル、即ち、例えば「愛知県刈谷市昭和町」
のように都道府県名（愛知県〜上位階層データ）、市町
村名（刈谷市〜中間階層データ）、大字名（昭和町〜下
位階層データ）までを認識し得るようになっており、例
えば、１０００語程度の語彙を有する都道府県レベル、
市町村レベル及び大字レベルの各音声認識辞書と音声に
よる住所とを対話方式により繰返し比較して認識するも
の、或いは、１６万語の語彙を有する大字レベルまでの
音声認識辞書と音声による住所とを一括して比較して認
識するものがある。

【０００４】

【発明が解決しようとする課題】最近では、音声認識装
置として「愛知県刈谷市昭和町１丁目１番地」のように
小字、番地、号などの小字レベル（１丁目１番地〜最下
位階層データ）までを認識できるものの開発が要望され
ているが、前者の対話方式のものでは、階層が深くなっ
て発声回数が非常に多くなり、時間がかかる不具合があ
り、又、後者の一括方式のものでは、３０００万語の語
彙を有する大容量の音声認識辞書を用意する必要があ
る。

【０００５】本発明は上記事情に鑑みてなされたもの
で、その目的は、発声時間の長い認識語を小容量の音声
認識辞書で認識することができる音声認識装置を提供す
ることにあり、又、このような音声認識装置を備えたナ
ビゲーションシステムを提供することにある。

【０００６】

【課題を解決するための手段】請求項１の発明によれ
ば、音声入力手段に複数の語を階層的につなぎ合わせて
なる音声を入力すると、音声切れ目情報検出手段は、こ
の音声入力手段に入力される音声に対してその階層間に
位置して非音声にて設定された音声切れ目情報を検出す
る。音声切出し手段は、この音声切れ目情報検出手段の
検出結果から前記音声入力手段に入力された音声を階層
別に順次切出し、認識手段は、この音声切出し手段によ
り切出された各階層毎の音声を、予め各階層に対応して
設けられた音声認識辞書の複数の比較対象パターン候補
と比較して一致度合いの高いものを順次認識結果とす
る。そして、認識結果作成手段は、この認識手段による
各階層の認識結果を合成する。

【０００７】従って、使用者は、階層間に音声切れ目情
報を設定しながら音声を音声入力手段に入力するだけで
よいので、従来の対話方式より時間がかからず、又、階
層毎に音声認識辞書を有しているので、夫々は小さな音
声認識辞書で済んで、実用的である。

【０００８】請求項２の発明によれば、音声入力手段に
入力される音声に対してその階層間に位置して設定され
る音声切れ目情報は、所定の無音声時間であるので、使
用者は余分な操作を行う必要がない。

【０００９】請求項３の発明によれば、音声入力手段に
入力される音声に対してその階層間に位置して設定され
る音声切れ目情報は、特定スイッチの操作信号であるの
で、使用者は特定スイッチを操作を行なう必要はある
が、音声切れ目情報がそれだけ確実になる。

【００１０】請求項４の発明によれば、音声認識装置
は、音声として上位階層たる大字レベルから下位階層た
る小字レベルまでの住所を認識してナビゲーション装置
に地点表示用位置情報を与えるので、小字、番地、号な
どの詳細な下位のレベルまで目的地を認識させることが
できる。

【００１１】

【発明の実施の形態】以下、本発明をカーナビゲーショ
ンに適用した第１の実施例につき、図１乃至図３を参照
して説明する。図１はカーナビゲーションシステムの概
略構成を示すブロック図である。この図１において、カ
ーナビゲーションシステム１は、位置検出器２、地図デ
ータ入力器３、操作スイッチ群４、これらに接続された
制御回路５、この制御回路５に接続された外部メモリ
６、表示装置７及びリモコンセンサ８からなるカーナビ
ゲーション装置９と音声認識装置１０とを備えて構成さ
れている。制御手段としての制御回路５は、マイクロコ
ンピュータを主体として構成されており、内部には、周
知のＣＰＵ、ＲＯＭ、ＲＡＭ、Ｉ／Ｏ及びこれらの構成
を接続するバスライン（何れも図示せず）などが備えら
れている。

【００１２】位置検出器２は、周知構成の地磁気センサ
１１、ジャイロスコープ１２、距離センサ１３及び衛星
からの電波に基づいて車両の位置を検出するＧＰＳ（Gl
obalPositioning System ）のためのＧＰＳ受信機１４
を有している。制御回路５は、位置検出器２の各センサ
が性質の異なる誤差を有しているため、各々補間しなが
ら使用するように構成されている。

【００１３】地図データ入力器３は、位置検出の精度向
上のための所謂マップマッチング用データ、地図データ
及び目印データを含む各種データを入力するための装置
である。そのための媒体としては、ＣＤ−ＲＯＭを用い
るのが一般的であるが、ＤＶＤ−ＲＯＭ、メモリカード
などの他の媒体を用いるようにしてもよい。

【００１４】表示装置７はカラー表示機能を備えてお
り、その画面には、位置検出器２から入力された車両現
在位置マークと、地図データ入力器３より入力された地
図データと、さらに地図上に表示する誘導経路や後述す
る設定地点の目印などの付加データとを重ねて表示する
ようになっている。

【００１５】また、カーナビゲーションシステム１は、
リモートコントロール端末１５（以下、リモコンと称す
る）に対する操作によりリモコンセンサ８から、或いは
操作スイッチ群４により目的地の位置を入力すると、現
在位置からその目的地までの最適な経路を自動的に選択
して誘導経路を形成して表示する所謂経路案内機能も備
えている。このような自動的に最適な経路を設定する手
法は、ダイクストラ法などの手法が知られている。操作
スイッチ群４は、例えば、表示装置７と一体になったタ
ッチスイッチ若しくはメカニカルスイッチなどが用いら
れ、各種入力に使用される。

【００１６】そして、音声認識装置１０は、上記操作ス
イッチ群４或いはリモコン１５が手動操作により目的地
などを指示するために用いられるのに対して、使用者が
音声で入力することによっても同様に目的地などを指示
することができるようにするための装置として設けられ
ている。

【００１７】この音声認識装置１０は、音声切出し手段
としての音声切出し部１６、音声切れ目情報検出手段と
しての音声切れ目検出部１７、認識手段としての照合部
１８、認識辞書メモリ１９、認識結果作成手段としての
認識結果作成部２０、音声入力手段としてのマイク２
１、特定スイッチとしてのＰＴＴ（Push-To-Talk）スイ
ッチ２２、スピーカ２３を備えて構成されている。

【００１８】音声切出し部１６は、マイク２１からの音
声データ（入力音声）を一時的に格納する格納機能を有
しており、また、音声切れ目検出部１７は、ＰＴＴスイ
ッチ２２の押下の操作情報を検出するとともに、マイク
２１からの音声データより後述する上位階層たる大字レ
ベルと下位階層たる小字レベルとの間に存する非音声の
音声切れ目情報及び語尾情報を検出し、夫々の情報を音
声切出し部１６に与えるようになっている。そして、音
声切出し部１６は、音声切れ目部検出部１７からＰＴＴ
スイッチ２２の押下の操作情報が与えられると、マイク
２１からの音声データ（入力音声）の一時的な格納を開
始するようになっている。

【００１９】また、音声切出し部１６は、音声切れ目検
出部１７からの操作情報、音声切れ目情報及び語尾情報
を基にマイク２１からの音声データを上位階層（大字レ
ベル）と下位階層（小字レベル）とに区分して切出して
照合部１８に与えるようになっており、照合部１８は、
各階層毎に認識辞書メモリ１９に格納された音声認識辞
書の複数の比較対象パターン候補と比較して一致度合い
の高いものを認識結果として認識結果作成部２０に与え
るようになっている。入力音声中の単語系列の認識は、
マイク２１から入力された音声データを順次音響分析し
て音響特徴量（例えばケプストラム）を抽出し、この音
響分析によって得られた音響的特徴量時系列データを得
る。この時系列データをいくつかの区間に分け、各区間
が辞書データとして格納されたどの単語に対応している
かを求めるものである。

【００２０】なお、照合部１８は、入力される音声デー
タが地名データの場合には、常には認識辞書メモリ１９
に音声認識辞書群２４のうちの上位階層（大字レベル）
の音声認識辞書の内容を格納するようになっているが、
音声切れ目検出部１７から音声切れ目情報が与えられる
と、音声認識辞書群２４のうちの下位階層（小字レベ
ル）の音声認識辞書の内容を認識辞書メモリ１９に格納
するように切換えるようになっている。

【００２１】ここで、音声認識辞書群２４のうちの上位
階層（大字レベル）の音声認識辞書の内容は、図２
（ａ）に示すように、都道府県名、市町村名及び大字名
までの大字レベルの「音声認識用文字列」（例えば、ア
イチケン，カリヤシ，ショーワ（チョー｜マチ））、
「合成音声用文字列」（例えば、ア’イチケンカ＊リヤ
シショーワチョ＊ー）、「地点表示用位置情報」（例え
ば、２１０００１）及び「小字認識辞書名」（例えば、
２１０００１．ｄｉｃ）のように設定されている。ここ
で、「合成音声用文字列」中の文字に付された記
号「’」及び「＊」は強弱のアクセントを付与するため
のものである。なお、この大字レベルの音声認識辞書
は、従来の一括方式の１６万語の語彙を有するものと同
容量のメモリである。

【００２２】また、音声認識辞書群２４のうちの下位階
層（小字レベル）の音声認識辞書、例えば、「愛知県刈
谷市昭和町」の小字レベルの音声認識辞書（小字認識辞
書名２１０００１．ｄｉｃ）の内容は、図２（ｂ）に示
すように、「音声認識用文字列」（例えば、イッチョー
メ，イチバンチ）、「合成音声用文字列］（例えば、イ
ッチョ＊ーメイチバンチ）及び「地点表示用位置情報」
（例えば、２１０００１０１）のように設定されてい
る。なお、この小字レベルの音声認識辞書も、従来の一
括方式の１６万語の語彙を有するものと同容量のメモリ
である。

【００２３】認識結果作成部２０は、照合部１８からの
大字レベルの認識結果と小字レベルの認識結果とを合成
してその合成音声用文字列データをスピーカ２３に与え
るようになっており、何らかの手段で確認情報が得られ
れば、地点表示用位置情報を制御回路５に与えるように
なっている。

【００２４】次に、カーナビゲーションシステム１にお
ける動作について、経路案内のための目的地を音声入力
する場合を例にとって説明する。図３は、その場合の処
理を示すフローチャートである。まず、使用者（ユー
ザ）がＰＴＴスイッチ２２を押下操作すると、図３のル
ーチンとなる。そこで、使用者が目的地の地名をマイク
２１に音声入力すると、これが音声切出し部１６に入力
される（処理ステップＳ１）。

【００２５】ここで、使用者が例えば「愛知県刈谷市昭
和町 １丁目１番地」と音声入力するときは、上位階層
レベルたる大字レベルの「愛知県刈谷市昭和町」と下位
階層レベルたる小字レベルの「１丁目１番地」との間に
非音声の音声切れ目情報として０．５秒以上１秒未満の
無音声時間をおくことを約束事とする。そこで、音声切
れ目検出部１７は、マイク２１からの音声入力データに
０．５秒以上１秒未満の無音声時間があるか否かを判断
し（判断ステップＳ２）、「ある」（ＹＥＳ）と判断し
たときにはその音声切れ目情報を音声切出し部１６に与
える。

【００２６】音声切出し部１６は、音声切れ目検出部１
７の情報に基づきＰＴＴスイッチ２２の押下から無音声
までの区間例えば「愛知県刈谷市昭和町」を大字レベル
の音声区間としてとして切出して照合部１８に与える
（処理ステップＳ３）。照合部１８は、音声切出し部１
６から与えられた大字レベルの音声データを認識辞書メ
モリ１９に格納された大字レベルの音声認識辞書（図２
（ａ）参照）の複数の比較対象パターン候補と比較し、
一致度合いの高いものを認識結果をしてその認識結果を
認識結果作成部２０に与える（処理ステップＳ４）。そ
して、照合部１８は、音声認識辞書群２４のうちの下位
階層（小字レベル）の音声認識辞書（図２（ｂ）参照）
の内容を認識辞書メモリ１９に格納するように差し替え
る（処理ステップＳ５）。

【００２７】音声切出し部１６は、その後、無音声から
語尾までの区間例えば「１丁目１番地」を小字レベルの
音声区間として切出して照合部１８に与える（処理ステ
ップＳ６）。この場合、語尾は、例えば１秒以上の無音
声時間の存在を認識することにより検出するように設定
されている。照合部１８は、音声切出し部１６から与え
られた小字レベルの音声データを認識辞書メモリ１９に
格納された小字レベルの音声認識辞書（図２（ｂ）参
照）の複数の比較対象パターン候補と比較し、一致度合
いの高いものを認識結果をしてその認識結果を認識結果
作成部２０に与える（処理ステップＳ７）。

【００２８】認識結果作成部２０は、照合部１８から与
えられた大字レベルおよび小字レベルの認識結果をつな
ぎ合わせ（処理ステップＳ８）、これを合成音声信号と
してズピーカ２３に与えるようになり、ズピーカ２３
は、認識した住所を例えば「愛知県刈谷市昭和町 １丁
目１番地」のように発音する（処理ステップＳ９）。確
認結果作成部２０は、認識結果による地点表示用位置情
報例えば「２１０００１０１」を制御回路５に与えるよ
うになる。この結果、制御回路５は、表示装置７に地点
表示用位置情報より得られた地点およびその周辺の地図
を表示させる（処理ステップＳ１０）。

【００２９】なお、使用者が大字レベルの住所しか音声
入力しなかった場合には、例えば「愛知県刈谷市昭和
町」としか音声入力しなかったとすると、「……昭和
町」の後は１秒以上の無音声の語尾情報となるので、音
声切出し部１６は、判断ステップＳ２でなし（ＮＯ）と
判断して処理ステップＳ１１になり、ＰＴＴスイッチ２
２の押下から語尾までを大字レベルの音声区間としてと
して切出して照合部１８に与える（処理ステップＳ１
１）。その後、照合部１８は、処理ステップＳ４と同様
の処理を行なう処理ステップＳ１２を経て処理ステップ
Ｓ８に移行する。従って、この場合は、大字レベルの地
点およびその周辺の地図表示となる。

【００３０】このように本実施例によれば、マイク２１
に上位階層レベルたる大字レベルの住所と小字レベルの
住所との間に所定（０．５以上１未満）の無音声時間の
音声切れ目情報を与えるようにして音声を入力すると、
音声切れ目検出部１７は、音声切れ目情報を検出し、音
声切出し部１６は、この音声切れ目検出部１７の検出結
果から前記マイク２１より入力された音声を大字レベ
ル、小字レベル別に順次切出し、照合部１８は、この音
声切出し部１６により切出された各レベル毎の音声を、
予め各レベルに対応して設けられた音声認識辞書の複数
の比較対象パターン候補と比較して一致度合いの高いも
のを順次認識結果とし、そして、認識結果作成部２０
は、この照合部１８による各レベルの認識結果を合成す
るようにして、その地点表示用位置情報を制御回路５に
与えるようにした。

【００３１】従って、使用者は、大字レベル、小字レベ
ル間に無音声の音声切れ目情報を設定しながら音声をマ
イク２１に入力するだけでよいので、従来の対話方式よ
り時間がかからずに、小字、番地、号などの詳細な下位
のレベルまで地点を認識させることができる。また、大
字レベルの住所と小字レベルの住所との間の音声切れ目
情報は所定（０．５以上１未満）の無音声時間であるの
で、使用者は音声切れ目情報を設定するのに余分な操作
を行う必要がない。そして、大字レベル、小字レベル毎
に音声認識辞書を有しているので、夫々は従来の一括方
式で用いられた１６万語の語彙を有する小容量の音声認
識辞書で済んで、実用的である。

【００３２】図４は本発明の第２の実施例のフローチャ
ートを示すもので、図３と同一部分には同一符号を付し
て示し、以下異なる部分について説明する。この第２の
実施例において、図３と異なるところは、判断ステップ
Ｓ２及び処理ステップＳ３、Ｓ６の代わりに判断ステッ
プＳ２′及び処理ステップＳ３′、Ｓ６′を設けたとこ
ろにある。そして、使用者が地点例えば「愛知県刈谷市
昭和町 １丁目１番地」を音声入力するときは、上位階
層レベルたる大字レベルの「愛知県刈谷市昭和町」と下
位階層レベルたる小字レベルの「１丁目１番地」との間
で非音声の音声切れ目情報としてＰＴＴスイッチ２２を
押下操作することを約束事とする。そこで、音声切れ目
検出部１７は、マイク２１からの音声入力データの語尾
までに２回目のＰＴＴスイッチ２２の押下操作があるか
否かを判断し（判断ステップＳ２′）、「ある」（ＹＥ
Ｓ）のときには、その音声切れ目情報を音声切出し部１
６に与える。

【００３３】音声切出し部１６は、音声切れ目検出部１
７の情報に基づきＰＴＴスイッチ２２の１回目と２回目
の押下操作の区間例えば「愛知県刈谷市昭和町」を大字
レベルの音声区間としてとして切出して照合部１８に与
える（処理ステップＳ３′）。音声切出し部１６は、照
合部１８による大字レベルの照合が終了すると（処理ス
テップＳ４、Ｓ５）、ＰＴＴスイッチ２２の２回目の押
下操作から語尾までの区間例えば「１丁目１番地」を小
字レベルの音声区間として切出して照合部１８に与える
（処理ステップＳ６′）。以後の動作は第１の実施例と
同様である。

【００３４】なお、使用者が大字レベルの住所しか音声
入力しなかった場合には、例えば「愛知県刈谷市昭和
町」としか音声入力しなかったとすると、「……昭和
町」の後はＰＴＴスイッチ２２の押下操作がなく１秒以
上の無音声の語尾情報となるので、音声切出し部１６
は、判断ステップＳ′で「なし」（ＮＯ）と判断して処
理ステップＳ１１になる。以後の動作は、第１の実施例
と同様である。

【００３５】この第２の実施例によれば、マイク２１に
入力される音声に対してその大字レベル、小字レベル間
に位置して設定される音声切れ目情報は、ＰＴＴスイッ
チ２２の押下操作信号であるので、使用者はＰＴＴスイ
ッチ２２を操作を行なう必要はあるが、音声切れ目情報
をそれだけ確実に与えることができる。

【００３６】なお、本発明は、上記し且つ図面に示す実
施例に限定されるものではなく、次のような変形、拡張
が可能である。図１においては、音声認識装置１０を機
能別のブロック図で示すハードウエアとして構成した
が、代わりに制御回路５にソフトウエアにより構成して
もよい。音声認識装置１０をカーナビゲーション装置９
に適用したが、これに限らず、ナビゲーション装置全般
に適用することができる。音声認識装置１０は、地点の
住所を認識するようにしたが、例えば、上位階層レベル
として都道府県名、市町村名、町名からなる大字レベル
を認識し、下位階層レベルとして「○○旅館」、「△△
ホテル」のように宿泊施設を認識する構成としてもよ
く、要は、複数の語を階層的につなぎ合わせてなる発声
時間の長い音声を認識する構成とすればよいのであり、
従って、階層も上位及び下位の２階層に限らず、３階層
以上であってもよい。

【図面の簡単な説明】

【図１】本発明の第１の実施例を示す電気的構成のブロ
ック図

【図２】音声認識辞書の内容を示す図

【図３】作用説明用のフローチャート

【図４】本発明の第２の実施例を示す図３相当図

【符号の説明】

図面中、１はカーナビゲーションシステム（ナビゲーシ
ョンシステム）、５は制御回路、７は表示装置、９はカ
ーナビゲーション装置（ナビゲーション装置）、１０は
音声認識装置、１６は音声切出し部（音声貴切出し手
段）、１７は音声切れ目検出部（音声切れ目情報検出手
段）、１８は照合部（認識手段）、１９は認識辞書メモ
リ、２０は認識結果作成部（認識結果作成手段）、２１
はマイク（音声入力手段）、２２はＰＴＴスイッチ（特
定スイッチ）、２４は音声認識辞書群を示す。

───────────────────────────────────────────────────── フロントページの続き Ｆターム(参考） 2F029 AA02 AB01 AB07 AB09 AC01 AC02 AC04 AC18 AD01 5D015 AA01 BB01 CC11 HH04 HH11 KK02 5H180 AA01 BB12 BB13 FF04 FF05 FF22 FF25 FF27 FF32 9A001 HH17 HH21 JJ11 JJ78

Claims (4)

【特許請求の範囲】
1. 【請求項１】 複数の語を階層的につなぎ合わせてなる
   音声を入力するための音声入力手段と、 この音声入力手段に入力される音声に対してその階層間
   に位置して非音声にて設定された音声切れ目情報を検出
   する音声切れ目情報検出手段と、 この音声切れ目情報検出手段の検出結果から前記音声入
   力手段に入力された音声を階層別に順次切出す音声切出
   し手段と、 この音声切出し手段により切出された各階層毎の音声
   を、予め各階層に対応して設けられた音声認識辞書の複
   数の比較対象パターン候補と比較して一致度合いの高い
   ものを順次認識結果とする認識手段と、 この認識手段による各階層の認識結果を合成する認識結
   果作成手段とを具備してなる音声認識装置。
2. 【請求項２】 音声入力手段に入力される音声に対して
   その階層間に位置して設定される音声切れ目情報は、所
   定の無音声時間であることを特徴とする請求項１記載の
   音声認識装置。
3. 【請求項３】 音声入力手段に入力される音声に対して
   その階層間に位置して設定される音声切れ目情報は、特
   定スイッチの操作信号であることを特徴とする請求項１
   記載の音声認識装置。
4. 【請求項４】 請求項１乃至３のいずれかに記載の音声
   認識装置を備え、 この音声認識装置は、音声として上位階層たる大字レベ
   ルから下位階層たる小字レベルまでの住所を認識してナ
   ビゲーション装置に地点表示用位置情報を与えるように
   構成されていることを特徴とするナビゲーションシステ
   ム。