JP2001022375A

JP2001022375A - 音声認識合成装置

Info

Publication number: JP2001022375A
Application number: JP11192113A
Authority: JP
Inventors: Toshimitsu Minowa; 利光蓑輪
Original assignee: Matsushita Electric Industrial Co Ltd
Current assignee: Panasonic Holdings Corp
Priority date: 1999-07-06
Filing date: 1999-07-06
Publication date: 2001-01-26

Abstract

(57)【要約】【課題】カーナビゲーションシステムにおいて、低コ
ストで多言語の音声認識と音声合成を可能とする。【解決手段】カーナビゲーションシステムの多言語の
音声認識合成装置に、ＤＶＤ−ＲＯＭ１と、メモリカー
ド２を備える。使用する言語の音声素片などを、ＤＶＤ
−ＲＯＭ１からメモリカード２に転送しておく。音声認
識または音声合成に必要なデータのみを、その都度主記
憶装置５にロードして、音声認識処理または音声合成処
理を行う。小容量の主記憶装置５で高速に辞書にアクセ
スできるので、低コストで音声認識と音声合成ができ
る。新しい言語の辞書を携帯電話機を利用してインター
ネットからダウンロードすれば、ＤＶＤ−ＲＯＭ１を更
新する必要がない。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は、カーナビゲーショ
ンの音声認識合成装置に関し、特に、メモリカードを利
用した音声認識合成装置に関する。

【０００２】

【従来の技術】カーナビゲーションシステムでは、運転
中に装置を操作して道案内データを取り出すことは困難
であるし、危険でもあるので、音声認識と音声合成が利
用されている。音声で操作コマンドや目的地の地名を入
力し、合成音声で道案内をすれば、運転中でも安全に、
簡単に、ナビゲーションシステムを利用できる。

【０００３】従来のカーナビゲーションシステムのハー
ドウエア基本要素を、図６（赤羽：日本音響学会誌Vol.
54,No.3,P.224（1998））を参照しながら説明する。Ｇ
ＰＳ受信部でＧＰＳ衛星からの電波を受信して、自車位
置を求める。その位置データを基に、ＣＰＵ部でストレ
−ジデバイスにある地図から対応する地域の地図を選択
してディスプレイに表示する。ＶＩＣＳ受信部で交通情
報などを受信して、地図に表示したり、音声合成装置を
利用してスピーカから音声で案内する。自律航法センサ
により、車両の動きを検出して、自車位置を修正した
り、目的地までの時間を計算する。ナビゲーションシス
テムの操作は、リモコン操作部で行うが、音声認識装置
を利用してマイクから音声で指示することもできる。

【０００４】音声合成処理について、図７を参照しなが
ら説明する。音声出力する文字を入力すると、言語処理
部で、単語辞書と変換ルールを参照して、文字を読みに
変換する。読みをもとに、韻律設定部で、アクセントや
抑揚の物理的な周波数を決定する。一方、素片選択部
で、音声波形素片データベースを参照して、読みに対応
する音声素片を選択する。素片変形部で、アクセントや
抑揚に従って、音声素片の基本周波数（ピッチ周波数ま
たは声の高さ）を変更する。変更された音声素片を、素
片接続部で接続して、スピーカから出力する。プログラ
ムサイズは100ｋＢ程度であり、ワークＲＡＭサイズは1
50ｋＢ程度である。必要な演算速度は、ＲＩＳＣで10Ｍ
ＩＰＳ程度である。

【０００５】音声認識処理について、図８を参照しなが
ら説明する。マイクロホンから入力された音声は、騒音
を除去された後、スペクトル分析される。マッチング処
理部で、入力音声のスペクトルパラメータを、認識用単
語標準パターンと比較する。単語標準パターンは、音声
素片パラメータの標準パターンデータベースから、文字
表記された認識辞書と、文字から読みへの変換ルールと
を参考にして作成される。単語標準パターンとの一致度
（尤度）が計算され、尤度判定部でどの単語と最も近い
か判定されて、最も近い単語が認識結果として出力され
る。認識辞書は、自車位置が変わったりカーナビの操作
内容が変わる度に、ディスクから主記憶装置に転送され
る。プログラムサイズは100ｋＢ程度であり、ＲＡＭサ
イズは2.5ＭＢ程度必要である。必要な演算速度は、Ｒ
ＩＳＣで100ＭＩＰＳ程度である。

【０００６】音声認識機能を実装するハードウエア構成
について、図９を参照しながら説明する。音声認識専用
ハードウエアを使用する場合は、図９の左に示すよう
に、ＤＳＰでディジタル化音声信号を分析処理し、認識
処理を行う。認識結果は、ＤＳＰからＣＰＵに通知され
る。専用ハードウエアを使用しない場合は、Ａ／Ｄ変換
された音声信号をＡＳＩＣ経由でシステムＲＡＭに置
き、汎用ＣＰＵを使ってソフトウエアで分析と認識を行
う。

【０００７】従来のカーナビゲーションシステムにおけ
る音声認識合成装置では、図１０に示すように、ＣＤ−
ＲＯＭやＤＶＤ−ＲＯＭから音声認識用データを主記憶
装置にロードして動作させている。また、フラッシュメ
モリやマスクＲＯＭに、音声認識プログラムと音声素片
パラメータを格納している場合もある。自車位置が変わ
ったり、ユーザとの対話の状況に応じて、ディスクから
ＲＡＭへ認識辞書が読み込まれる。

【０００８】認識辞書中の「アサクサ」などの表記に従
って、音声素片パラメータをもとに「ａ＋ａｓａ＋ａｋ
ｕ＋ｕｓａ＋ａ」のようにして、標準パターンを作成す
る。これと入力音声を比較し、似ている単語番号を出力
する。

【０００９】ところで、従来技術を多言語の音声認識と
音声合成を行うシステムに適用することは簡単ではな
い。この場合の問題点について、図１１を参照しながら
説明する。ＣＤ−ＲＯＭまたはＤＶＤ−ＲＯＭに、多言
語の音声認識用データを格納しておく。ＤＶＤ−ＲＯＭ
は大容量であるが、アクセス速度が遅いので音声認識の
場合は直接使えない。

【００１０】必要となる言語の認識用データ、合成用デ
ータをフラッシュメモリに転送し、これを利用する。フ
ラッシュメモリを使わない場合は、貴重なＲＡＭの大部
分を音声認識、合成用に使用しなければならない。いず
れにしろ、フラッシュメモリあるいはＲＡＭを大容量の
音声認識用データ、合成用データが占有することにな
り、貴重な資源を他のアプリケーションが使えなくなっ
てしまう。

【００１１】また、ＣＤやＤＶＤに必要な言語のプログ
ラム、素片などが予め入っていなければならないので、
使用できる言語の種類は、ＣＤ−ＲＯＭやＤＶＤ−ＲＯ
Ｍに格納されているものに限られる。別の言語を使用す
る場合は、ＣＤ−ＲＯＭやＤＶＤ−ＲＯＭ全体を交換し
なければならないし、ある言語用技術が開発中の場合は
利用できない。

【００１２】このため、従来のカーナビゲーションシス
テムでは、多言語対応の音声認識や音声合成を利用でき
なかった。仮に実現したとしても、非常にコストのかか
るシステムとなってしまう。

【００１３】従来の音声合成装置の例としては、特開平
6-250691号公報に開示されている音声合成装置がある。
これは、合成パラメータに、自然音声から切り出された
波形素片を用い、入力文字列から合成音声を生成する音
声合成装置である。自然音声から切り出した波形素片、
韻律パラメータから接続合成することで、ファイル作成
に使用する話者データを意識することなしに、音質劣化
の少ない自然な合成音声を生成する。図１２に示すよう
に、前処理部で分割された音韻連接に基づき、選択基準
パラメータ設定部は、合成パラメータである波形素片の
選択に用いる選択基準パラメタと、この波形素片の素片
パラメータを設定する。素片選択部では、設定された選
択基準パラメタと、素片パラメータテーブルから取り込
んだ素片パラメータとの間でその２乗誤差を算出し、こ
の２乗誤差が最小となる波形素片を当該音韻連接に対す
る最適素片として選択する。素片接続部は選択された最
適素片を素片ファイルから抽出し、音韻連接毎に素片接
続部で接続して合成音声とする。

【００１４】従来の音声認識装置の例としては、特開平
10-39892号公報に開示されている音声認識装置がある。
これは、ナビゲーションシステムにおける目的地の設定
を音声によって入力する音声認識装置である。図１３に
示すように、入力された音声データに対して、辞書部内
に記憶されている辞書データを用いて照合を行う。その
照合結果により定まった上位比較対象パターンを、対話
制御部の候補決定部へ通知する。候補決定部では、通知
された上位比較対象パターンに対し、記憶部に記憶され
ている除外パターンを削除して、最終的な認識結果とし
ての上位比較対象パターンを決定する。確定指示をする
までは、利用者が正しい地名を繰り返し音声入力するだ
けで、前回の認識結果である地名が自動的に除外パター
ンとなった状態で認識処理されるため、同じ誤認識は繰
り返されず、精度が向上する。

【００１５】従来の音声認識装置の他の例としては、特
開平10-282987号公報に開示されている音声認識システ
ムがある。これは、図１４に示すように、カーナビゲー
ションシステムなどで、地名、交差点名、通り名等によ
り、目的地等の音声検索、音声探索、音声認識誘導を行
うような膨大な単語の音声認識に用いる音声認識システ
ムである。音声認識の対象となる単語や文章を集めて辞
書として定義し、音声認識の結果として、それらの単語
や文章をピックアップする音声認識システムにおいて、
辞書を複数持たせ、辞書切換部により、複数の辞書より
一つの辞書を選択して、それを音声認識の対象として、
音声認識を行う。音声認識の結果を用いて、カーナビゲ
ーションシステムの地図上に、目的地までの距離、時
間、ルートなどを表示する。システム全体として音声認
識できる語彙数が増加しても、認識率や認識応答時間の
性能の低下がない。

【００１６】複数の辞書を持ち、辞書切換情報を参照し
て、それを辞書切換部で適宜切り換えて、音声認識を行
う。辞書切換部は、辞書切換情報の内容に従って、音声
認識の候補として、複数の辞書から一つの辞書を選択す
るか切り換える。例えば、複数の辞書がフラッシュメモ
リで構成されたメモリカードやＲＯＭに格納されてい
て、音声認識するときに必要な辞書だけを、ＲＡＭに転
送して音声認識処理を行う。この複数の辞書を置くため
の記憶装置は、メモリカードやＲＯＭで構成し、複数の
辞書から一つの辞書を選択して格納するための記憶装置
は、ＲＡＭで構成することになる。また、複数の辞書を
格納しておくために、ハードディスクなどの補助記憶装
置も用いることができる。

【００１７】

【発明が解決しようとする課題】しかし、上記従来の技
術では、多言語対応の音声認識合成装置を実現しようと
すると、大容量の主記憶装置やＲＯＭを必要とし、コス
トがかかるという問題があった。多言語対応の音声認識
音声合成装置を低コストで実現しようとすると、ディス
クの音声認識用データ、音声合成用データを主記憶装置
に転送することになり、実用的な時間で応答することが
不可能であった。

【００１８】本発明は、上記従来の問題を解決し、低コ
ストで多言語の音声認識と音声合成を可能とすることを
目的とする。

【００１９】

【課題を解決するための手段】上記の課題を解決するた
めに、本発明では、カーナビゲーションの音声認識合成
装置を、複数言語の音声認識合成用データを格納した着
脱可能なディスク記憶装置と、音声認識合成用データの
一部を格納できる着脱可能な不揮発性のメモリカード
と、主記憶装置と、演算処理装置と、ディスク記憶装置
に格納された音声認識合成用データの一部をメモリカー
ドに転送する第1の転送手段と、メモリーカードに格納
された音声認識合成用データの一部を主記憶装置に転送
する第２の転送手段と、主記憶装置に格納された音声認
識合成用データを使って演算処理装置により音声認識及
び音声合成を行う音声認識合成手段とを具備する構成と
した。

【００２０】このように構成したことにより、小容量の
主記憶装置で高速に辞書データにアクセスでき、低コス
トで多言語対応の音声認識と音声合成ができる。

【００２１】また、カーナビゲーションの音声認識合成
装置を、音声認識合成用データを格納できる着脱可能な
不揮発性のメモリカードと、主記憶装置と、演算処理装
置と、携帯用通信装置と、携帯用通信装置及びインター
ネットを介してＷＥＢサーバに格納された複数言語の音
声認識合成用データの一部をメモリカードに転送する第
1の転送手段と、メモリカードに格納された音声認識合
成用データの一部を主記憶装置に転送する第２の転送手
段と、主記憶装置に格納された音声認識合成用データを
使って演算処理装置により音声認識及び音声合成を行う
音声認識合成手段とを具備する構成とした。

【００２２】このように構成したことにより、新しい言
語の音声認識合成辞書データの追加が容易に行える。

【００２３】

【発明の実施の形態】本発明の請求項１に記載の発明
は、複数言語の音声認識合成用データを格納した着脱可
能なディスク記憶装置と、前記音声認識合成用データの
一部を格納できる着脱可能な不揮発性のメモリカード
と、主記憶装置と、演算処理装置と、前記ディスク記憶
装置に格納された前記音声認識合成用データの一部を前
記メモリカードに転送する第1の転送手段と、前記メモ
リーカードに格納された前記音声認識合成用データの一
部を前記主記憶装置に転送する第２の転送手段と、前記
主記憶装置に格納された前記音声認識合成用データを使
って前記演算処理装置により音声認識及び音声合成を行
う音声認識合成手段とを具備するカーナビゲーションの
音声認識合成装置であり、データが必要になった都度、
メモリカードから主記憶装置に高速に転送して音声認識
合成を行うという作用を有する。

【００２４】本発明の請求項２に記載の発明は、音声認
識合成用データを格納できる着脱可能な不揮発性のメモ
リカードと、主記憶装置と、演算処理装置と、携帯用通
信装置と、前記携帯用通信装置及びインターネットを介
してＷＥＢサーバに格納された複数言語の音声認識合成
用データの一部を前記メモリカードに転送する第1の転
送手段と、前記メモリカードに格納された前記音声認識
合成用データの一部を前記主記憶装置に転送する第２の
転送手段と、前記主記憶装置に格納された前記音声認識
合成用データを使って前記演算処理装置により音声認識
及び音声合成を行う音声認識合成手段とを具備するカー
ナビゲーションの音声認識合成装置であり、新しいデー
タをＷＥＢサーバからメモリカードにダウンロードして
追加するという作用を有する。

【００２５】本発明の請求項３に記載の発明は、請求項
１又は請求項２記載のカーナビゲーションの音声認識合
成装置において、前記第1の転送手段は、前記音声認識
合成用データのうち個別の言語に特有のデータのみを転
送する手段であり、前記音声認識合成手段は、前記メモ
リカード又は前記主記憶装置に格納された前記音声認識
合成用データのうち複数言語に共通のデータ及び前記言
語特有のデータを使って音声認識及び音声合成を行う手
段であるものであり、個別の言語に特有の音声認識合成
用データのみをメモリカードに格納して、複数言語の音
声認識合成を行うという作用を有する。

【００２６】本発明の請求項４に記載の発明は、ディス
ク記憶装置に格納された複数言語の音声認識合成用デー
タの一部を不揮発性のメモリカードに転送し、前記メモ
リカードに格納された前記音声認識合成用データの一部
を主記憶装置に転送し、前記主記憶装置に格納された前
記音声認識合成用データを使って演算処理を行うことに
より、音声認識及び音声合成を行う音声認識合成方法で
あり、データが必要になった都度、メモリカードから主
記憶装置に高速に転送して音声認識合成を行うという作
用を有する。

【００２７】本発明の請求項５に記載の発明は、ＷＥＢ
サーバに格納された複数言語の音声認識合成用データの
一部を、インターネットを介して不揮発性のメモリカー
ドに転送し、前記メモリカードに格納された前記音声認
識合成用データの一部を主記憶装置に転送し、前記主記
憶装置に格納された前記音声認識合成用データを使って
演算処理を行うことにより、音声認識及び音声合成を行
う音声認識合成方法であり、新しいデータをＷＥＢサー
バからメモリカードにダウンロードして追加するという
作用を有する。

【００２８】本発明の請求項６に記載の発明は、請求項
４又は請求項５記載の音声認識合成方法において、複数
言語の前記音声認識合成用データのうち言語特有のデー
タのみを不揮発性のメモリカードに転送し、前記メモリ
カード又は主記憶装置に格納された前記音声認識合成用
データのうち複数言語に共通のデータ及び前記言語特有
のデータを使って前記演算処理を行うものであり、個別
の言語に特有の音声認識合成用データのみをメモリカー
ドに格納して、複数言語の音声認識合成を行うという作
用を有する。

【００２９】以下、本発明の実施の形態について、図１
〜図５を参照しながら詳細に説明する。

【００３０】（第１の実施の形態）本発明の第１の実施
の形態は、カーナビのＤＶＤ−ＲＯＭに格納された複数
の言語の音声認識合成用データのうちから、使用する言
語のデータをメモリカードに転送して格納しておき、音
声素片などの必要な部分のデータのみをメモリカードか
ら主記憶装置に転送して音声認識合成を行う多言語対応
の音声認識合成装置である。

【００３１】図１は、本発明の第１の実施の形態におけ
る音声認識合成装置の機能ブロック図である。図１にお
いて、ストレージデバイス１は、ＣＤ−ＲＯＭまたはＤ
ＶＤ−ＲＯＭなどの着脱可能な大容量記憶装置である。
メモリカード２は、大容量の書き換え可能で、不揮発性
の高速半導体メモリを使用した着脱可能なメモリカード
である。メモリカードスロット３は、メモリカードを本
体に接続するためのスロットである。ＣＰＵ４は、32ビ
ットＲＩＳＣプロセッサである。ＲＡＭ５は、カーナビ
の主記憶装置である。マスクＲＯＭ６は、プログラムや
共通データなどの固定データを格納してあるＲＯＭであ
る。ＤＶＤドライブ７は、ディスクデータを読み出す装
置である。Ａ／Ｄ,Ｄ／Ａ変換器８は、音声信号をアナ
ログとディジタルの間で相互変換する装置である。バス
９は、カーナビのシステムバスである。

【００３２】上記のように構成された本発明の第１の実
施の形態における音声認識合成装置の動作を説明する。
図１には、カーナビの構成のうち、音声認識合成に関連
する部分のみを示してある。カーナビのＤＶＤ−ＲＯＭ
１に、10ヶ国語程度の音声認識合成用データを格納して
おく。「音声認識合成用データ」は、「音声認識用デー
タ」及び「音声合成用データ」の２種類のデータで構成
される。「音声認識用データ」は、音声認識プログラ
ム、音声素片パラメータ、文字から読みへの変換ルール
で構成される。「音声合成用データ」は、音声合成プロ
グラム、音声合成素片、文字から読みへの変換ルール、
単語辞書で構成される。例えば、日本語、英語、フラン
ス語、ドイツ語、ロシア語、スペイン語、イタリア語、
オランダ語、ギリシャ語、ポルトガル語などの音声認識
用データ、音声合成用データを、ＤＶＤ−ＲＯＭ１に格
納しておく。音声認識用データや音声合成用データは、
１言語あたり、認識用に２ＭＢと合成用に４ＭＢで合計
６ＭＢを占める。

【００３３】必要となる言語の音声認識用データ、音声
合成用データを、ＤＶＤ−ＲＯＭ１からメモリカード２
に転送しておく。例えば、日本語と英語のデータなどを
メモリカード２に転送しておく。この転送処理は、通常
は最初の１回だけ行えばよい。メモリカード２は、記憶
容量が60ＭＢで、データ転送速度は、ブロック転送で10
ＭＢ／ｓ程度のものである。メモリカード２は、着脱可
能な不揮発性の半導体メモリカードである。最大で、10
ヶ国語程度の音声認識用データと音声合成用データを格
納できる。

【００３４】主記憶装置のＲＡＭ５の容量は８ＭＢ程度
である。演算処理装置のＣＰＵ４は、32ビットのＲＩＳ
Ｃプロセッサである。これらは、カーナビゲーションシ
ステムの音声認識合成処理のみでなく、カーナビのその
他の情報処理も行う。マスクＲＯＭ６の容量は６ＭＢで
あり、音声認識用データ、音声合成用データのうち、各
国語に共通の部分が格納されている。各国語特有の部分
を、メモリカード２に格納しておく。

【００３５】メモリカード２に格納された音声認識用デ
ータと音声合成用データの一部を主記憶装置ＲＡＭ５に
転送する。メモリカード２は、アクセス速度はμｓ程度
であるので、ＤＶＤ−ＲＯＭ１から転送する場合よりは
るかに速く転送できる。しかし、メモリカード２をＣＰ
Ｕ４で直接アクセスして音声認識合成処理をするには遅
すぎる。そのため、予め必要なデータをメモリカード２
からＲＡＭ５に転送して、ＲＡＭ５上で音声認識合成処
理を行う。例えば、音声認識の応答用の音声合成に必要
となる素片データのみをＲＡＭ５に転送しておく。

【００３６】主記憶装置ＲＡＭ５とマスクＲＯＭ６に格
納された音声認識合成用データを使って、演算処理装置
ＣＰＵ４により音声認識と音声合成を行う。音声認識
は、不特定話者対応の単語認識である。音声で目的地を
入力し、ガイダンスを音声合成で出力する。目的地デー
タは20万件程度あり、自車の近くの例えば2000件の認識
辞書を、直ちに認識対象とできるようにＲＡＭ５に入れ
ておく。

【００３７】多言語の音声認識処理について、図２を参
照しながら説明する。マイクロホンから入力された音声
は、音声認識エンジンで、騒音除去とスペクトル分析が
されてマッチング処理部に入力される。一方、言語特有
の音声素片パラメータ標準パターン（ただし、一部は複
数言語に共通）と、文字表記認識辞書と文字から読みへ
の変換ルールに基いて、認識用単語標準パターンが作成
される。入力音声のスペクトルパラメータが、この言語
特有の認識用単語標準パターンと比較され、単語標準パ
ターンとの一致度（尤度）が計算される。計算結果の尤
度から、アプリケーションソフトの尤度判定部で、どの
単語と最も近いか判定されて、最も近い単語が認識結果
として出力される。音声素片パラメータ標準パターンの
一部は複数言語に共通であるが、言語ごとに約1.5ＭＢy
teある。文字表記認識辞書は、言語ごとに約40ｋＢyte
あり、文字から読みへの変換ルールは言語ごとに約100
ｋＢyteある。

【００３８】複数言語の音声合成処理について、図３を
参照しながら説明する。音声出力する文字を入力する
と、言語処理部で、言語特有の単語辞書と文字から読み
への変換ルールを参照して、文字を読みに変換する。読
みをもとに、言語特有の韻律設定部で、アクセントや抑
揚の物理的な周波数を決定する。一方、素片選択部で、
言語特有の音声波形素片データベースを参照して、読み
に対応する音声素片を選択する。素片変形部で、アクセ
ントや抑揚に従って、音声素片の基本周波数（ピッチ周
波数または声の高さ）を変更する。変更された音声素片
を素片接続部で接続して、スピーカから出力する。言語
特有の単語辞書と文字から読みへの変換ルールは、約1.
5ＭＢyteある。音声波形素片データベースの一部は複数
言語に共通であるが、言語ごとに約2.5ＭＢyteある。

【００３９】図４に、複数言語に共通な音声と、相違す
る音声の例を示す。共通部分は１つにしてマスクＲＯＭ
６に格納しておき、言語ごとに異なる部分を、言語対応
のデータベースとしてメモリカード２に格納しておく。

【００４０】上記のように、本発明の第１の実施の形態
では、多言語対応の音声認識合成装置を、カーナビのＤ
ＶＤ−ＲＯＭに格納された複数の言語の音声認識合成用
データのうちから、使用する言語のデータをメモリカー
ドに転送して格納しておき、音声素片などの必要な部分
のデータのみをメモリカードから主記憶装置に転送して
音声認識合成を行う構成としたので、小容量の主記憶装
置で多言語対応の音声認識と音声合成ができる。

【００４１】（第２の実施の形態）本発明の第２の実施
の形態は、カーナビに接続可能な携帯電話を利用して、
新しい言語の音声認識合成用データをインターネット経
由でＷＥＢサーバからメモリカードにダウンロードし、
自車位置などに応じて必要な部分のデータのみをメモリ
カードから主記憶装置に転送して音声認識合成を行う音
声認識合成装置である。

【００４２】図５は、本発明の第２の実施の形態におけ
る音声認識合成装置の機能ブロック図である。図５にお
いて、アクセス装置10は、携帯電話機などのインターネ
ットにアクセスする装置である。アダプタ11は、携帯電
話機などを本体に接続する装置である。その他の構成
は、第１の実施の形態と同じである。

【００４３】上記のように構成された本発明の第２の実
施の形態における音声認識合成装置の動作を説明する。
ＤＶＤ−ＲＯＭ１に格納された複数の言語の音声認識合
成用データのうちから、使用する言語のデータをメモリ
カード２に転送して格納しておき、音声素片などの必要
な部分のデータのみをメモリカード２から主記憶装置Ｒ
ＡＭ５に転送して音声認識合成を行うことは、第1の実
施の形態と同じである。

【００４４】携帯電話機10を使って、インターネットに
アクセスし、新しい言語の音声認識合成用データを、Ｗ
ＥＢサーバからダウンロードし、メモリカード２に格納
する。ＤＶＤ−ＲＯＭ１には、主要な国語の辞書、例え
ば、日本語、英語、フランス語、ドイツ語、ロシア語、
スペイン語、イタリア語、オランダ語、ギリシャ語、ポ
ルトガル語などの辞書データが格納されているが、中国
語やアラビア語やトルコ語やスウェーデン語やヘブライ
語などを使用したいときは、インターネットからダウン
ロードして、メモリカード２に格納する。あるいは、Ｄ
ＶＤ−ＲＯＭ１を供給する際に用意できなかった言語の
データや、不充分であって拡充を必要としたデータをダ
ウンロードする。ＤＶＤ−ＲＯＭ１を再配布する必要が
なくなる。

【００４５】上記のように、本発明の第２の実施の形態
では、多言語対応の音声認識合成装置を、カーナビの携
帯電話を利用して、新しい言語の音声認識合成用データ
をインターネット経由でＷＥＢサーバからメモリカード
にダウンロードし、自車位置などに応じて必要な部分の
データのみをメモリカードから主記憶装置に転送して音
声認識合成を行う構成としたので、ＤＶＤ−ＲＯＭを交
換することなく、新しい言語の音声認識合成を行うこと
ができる。

【００４６】

【発明の効果】以上の説明から明らかなように、本発明
では、カーナビゲーションの音声認識合成装置を、複数
言語の音声認識合成用データを格納した着脱可能なディ
スク記憶装置と、音声認識合成用データの一部を格納で
きる着脱可能な不揮発性のメモリカードと、主記憶装置
と、演算処理装置と、ディスク記憶装置に格納された音
声認識合成用データの一部をメモリカードに転送する第
1の転送手段と、メモリーカードに格納された音声認識
合成用データの一部を主記憶装置に転送する第２の転送
手段と、主記憶装置に格納された音声認識合成用データ
を使って演算処理装置により音声認識及び音声合成を行
う音声認識合成手段とを具備する構成としたので、複数
言語対応の音声認識合成が低コストで実現できるという
効果が得られる。

【００４７】また、カーナビゲーションの音声認識合成
装置を、音声認識合成用データを格納できる着脱可能な
不揮発性のメモリカードと、主記憶装置と、演算処理装
置と、携帯用通信装置と、携帯用通信装置及びインター
ネットを介してＷＥＢサーバに格納された複数言語の音
声認識合成用データの一部をメモリカードに転送する第
1の転送手段と、メモリカードに格納された音声認識合
成用データの一部を主記憶装置に転送する第２の転送手
段と、主記憶装置に格納された音声認識合成用データを
使って演算処理装置により音声認識及び音声合成を行う
音声認識合成手段とを具備する構成としたので、ＤＶＤ
−ＲＯＭを交換することなく、新しい言語の音声認識辞
書を簡単に追加できるという効果が得られる。

【図面の簡単な説明】

【図１】本発明の第１の実施の形態における音声認識合
成装置の機能ブロック図、

【図２】本発明の第１の実施の形態における音声認識装
置の共通部分と個別部分を示す図、

【図３】本発明の第１の実施の形態における音声合成装
置の共通部分と個別部分を示す図、

【図４】複数言語に共通の音を示す表、

【図５】本発明の第２の実施の形態における音声認識合
成装置の機能ブロック図、

【図６】従来のカーナビゲーションシステムの構成図、

【図７】従来の音声合成処理装置の構成図、

【図８】従来の音声認識処理装置の構成図、

【図９】従来の音声認識装置の実装構成図、

【図１０】従来の１言語の音声認識合成装置の構成図、

【図１１】従来の多言語の音声認識合成装置の構成図、

【図１２】従来の音声合成装置の構成図、

【図１３】従来の音声認識装置の構成図、

【図１４】従来の音声認識装置の構成図である。

【符号の説明】

１ストレージデバイス２メモリカード３メモリカードスロット４ＣＰＵ５ＲＡＭ６マスクＲＯＭ７ドライブ８Ａ／Ｄ,Ｄ／Ａ変換器９バス

───────────────────────────────────────────────────── 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）Ｇ１０Ｌ 15/28 Ｆターム(参考） 2F029 AA02 AB01 AB07 AB09 AC01 AC02 AC04 AC18 5D015 GG01 KK01 5D045 AB17 5H180 AA01 BB02 BB04 BB05 BB12 BB13 FF04 FF05 FF12 FF13 FF22 FF25 FF27 FF32

Claims

【特許請求の範囲】

【請求項１】複数言語の音声認識合成用データを格納
した着脱可能なディスク記憶装置と、前記音声認識合成
用データの一部を格納できる着脱可能な不揮発性のメモ
リカードと、主記憶装置と、演算処理装置と、前記ディ
スク記憶装置に格納された前記音声認識合成用データの
一部を前記メモリカードに転送する第1の転送手段と、
前記メモリーカードに格納された前記音声認識合成用デ
ータの一部を前記主記憶装置に転送する第２の転送手段
と、前記主記憶装置に格納された前記音声認識合成用デ
ータを使って前記演算処理装置により音声認識及び音声
合成を行う音声認識合成手段とを具備することを特徴と
するカーナビゲーションの音声認識合成装置。
【請求項２】音声認識合成用データを格納できる着脱
可能な不揮発性のメモリカードと、主記憶装置と、演算
処理装置と、携帯用通信装置と、前記携帯用通信装置及
びインターネットを介してＷＥＢサーバに格納された複
数言語の音声認識合成用データの一部を前記メモリカー
ドに転送する第1の転送手段と、前記メモリカードに格
納された前記音声認識合成用データの一部を前記主記憶
装置に転送する第２の転送手段と、前記主記憶装置に格
納された前記音声認識合成用データを使って前記演算処
理装置により音声認識及び音声合成を行う音声認識合成
手段とを具備することを特徴とするカーナビゲーション
の音声認識合成装置。
【請求項３】前記第1の転送手段は、前記音声認識合
成用データのうち個別の言語に特有のデータのみを転送
する手段であり、前記音声認識合成手段は、前記メモリ
カード又は前記主記憶装置に格納された前記音声認識合
成用データのうち複数言語に共通のデータ及び前記言語
特有のデータを使って音声認識及び音声合成を行う手段
であることを特徴とする請求項１又は請求項２記載のカ
ーナビゲーションの音声認識合成装置。
【請求項４】ディスク記憶装置に格納された複数言語
の音声認識合成用データの一部を不揮発性のメモリカー
ドに転送し、前記メモリカードに格納された前記音声認
識合成用データの一部を主記憶装置に転送し、前記主記
憶装置に格納された前記音声認識合成用データを使って
演算処理を行うことにより、音声認識及び音声合成を行
うことを特徴とする音声認識合成方法。
【請求項５】ＷＥＢサーバに格納された複数言語の音
声認識合成用データの一部を、インターネットを介して
不揮発性のメモリカードに転送し、前記メモリカードに
格納された前記音声認識合成用データの一部を主記憶装
置に転送し、前記主記憶装置に格納された前記音声認識
合成用データを使って演算処理を行うことにより、音声
認識及び音声合成を行うことを特徴とする音声認識合成
方法。
【請求項６】複数言語の前記音声認識合成用データの
うち言語特有のデータのみを不揮発性のメモリカードに
転送し、前記メモリカード又は主記憶装置に格納された
前記音声認識合成用データのうち複数言語に共通のデー
タ及び前記言語特有のデータを使って前記演算処理を行
うことを特徴とする請求項４又は請求項５記載の音声認
識合成方法。