JP2001042890A - 音声認識装置 - Google Patents

Abstract

(57)【要約】 【課題】 任意の入力欄を簡単に選択して音声入力する
ことができ、余計な音声入力を防止できる使い勝手のよ
い音声認識装置を提供する。 【解決手段】 話者の音声を入力するための音声入力部
１７と、予め認識されるべき語句を記憶した音声認識リ
ソース３１と、音声入力状態のときに音声を入力する
と、音声認識リソースの語句の中から抽出することによ
り、音声入力した語句を認識する音声認識部３２と、複
数のデータ入力欄と各データ入力欄にそれぞれ関連づけ
られたボタンを表示する表示部２１と、表示部の画面上
に重ねて設けられ、その表示部に表示した各ボタンの押
下状態を検出するタッチパネルセンサ２２と、タッチパ
ネルセンサが検出した各ボタンの押下状態に応じて音声
入力状態にし、音声認識部で認識された結果を押下され
たボタンに関連づけられたデータ入力欄へ表示するとと
もにそのデータ入力欄のデータとして入力する。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は、表示画面に設けた
入力欄に音声でデータ入力を行う音声認識装置に関す
る。

【０００２】

【従来の技術】従来の音声認識装置は、図７に示すよう
に音声を入力するマイク１ａとこのマイクからの音声を
デジタル信号に変換するＡ／Ｄ変換器１ｂを備える音声
入力部１、予め認識されるべき語句と各語句に対して定
義した認識コードからなる音声認識リソース２、この音
声入力部１からの出力に基づいて語句を認識し、その語
句に対応する認識コードを音声認識リソース２に基づい
て抽出する音声認識部３、複数の入力欄を表示させる表
示部４、音声入力により入力する入力欄を選択するキー
操作など操作者が各種のキー操作を行うためのキーボー
ド５、ポインタデバイスとしてのマウス６、キーボード
５やマウス６により入力欄が選択されると音声認識部３
を音声入力可能状態にする命令を出力し、音声入力によ
り音声認識部３からの認識コードに基づいて商品名や金
額の入力を行うアプリケーションプログラム部７から構
成される。

【０００３】上記表示部４は、音声入力を行う場合には
図８に示すような画面表示を行うようになっている。こ
の表示画面には複数の入力欄がある。これらの入力欄の
横にあるデータ１、データ２、…は、各入力欄に入力す
るデータの名称を示している。

【０００４】このような装置において、音声入力を行う
場合には、先ず、表示部４に図８に示すような表示画面
が表示される。そして、キーボード５やマウス６により
入力欄が選択され、音声入力部１から音声が入力される
と、音声認識部３で音声認識がなされ、認識コードが出
力される。すると、アプリケーションプログラム部７
は、音声認識部３から出力された認識コードに基づいて
得られたデータを上記キーボード５やマウス６により選
択された入力欄のデータとして入力し、その結果を選択
された入力欄に表示する。

【０００５】また、入力欄を選択する際、上記キーボー
ド５やマウス６を使用しなくても、最初はデフォルト値
としてデータ１の入力欄が選択されるようにしておき、
特定の音声キーワードによって入力欄を選択するものも
ある。このような装置では、例えば句読点を示す「ま
る」、「ここで改行」、「次の欄移動」等の音声キーワ
ードが入力されると次の入力欄に移り、そこに入力した
いデータを発声すると当該入力欄にデータが入力される
ようになっている。

【０００６】

【発明が解決しようとする課題】ところで、音声認識装
置の構成を必要最小限にして装置の小型化、コスト低下
などを図るため、マウスやキーボートを設けないことが
ある。このような装置では、上述したような複数の入力
欄を持たせる場合、マウスやキーボートを使って入力欄
を選択することができないため、いったん音声入力され
たデータが入力欄１〜ｎのうち、どれに該当しているの
か装置側からは判別できないという問題がある。

【０００７】また、音声キーワードで入力欄を特定させ
る場合、操作者はその入力欄の順番を意識して音声入力
を行わなければならないなど操作者への負担が大きく、
操作ミスの原因になるという問題がある。

【０００８】そこで、本発明は、入力欄に関連づけられ
たボタンを表示し、タッチパネルセンサが検出したボタ
ンの押下状態に応じて音声入力状態にすることによっ
て、簡単に入力欄を選択することができる使い勝手のよ
い音声認識装置を提供しようとするものである。

【０００９】

【課題を解決するための手段】請求項１の本発明は、話
者の音声を入力するための音声入力手段と、予め認識さ
れるべき語句を記憶した音声認識リソースと、音声入力
状態のときに音声入力手段から音声を入力すると、音声
認識リソースの語句の中から抽出することにより、音声
入力した語句を認識する音声認識手段と、複数のデータ
入力欄と各データ入力欄にそれぞれ関連づけられたボタ
ンを表示する表示手段と、表示手段の画面上に重ねて設
けられ、その表示手段に表示した各ボタンの押下状態を
検出するタッチパネルセンサと、タッチパネルセンサが
検出した各ボタンの押下状態に応じて音声認識手段を音
声入力状態にし、この音声認識手段で認識された結果を
押下されたボタンに関連づけられたデータ入力欄へ表示
するとともにそのデータ入力欄のデータとして入力する
音声入力制御手段とを設けたことを特徴とする音声認識
装置である。

【００１０】請求項２の本発明は、音声入力制御手段
は、タッチパネルセンサによりボタンが押されたと判断
している間は、音声認識手段を音声入力状態にし、ボタ
ンが離されたと判断したときに音声入力状態を終了する
ことを特徴とする請求項１記載の音声認識装置である。

【００１１】請求項３の本発明は、音声入力制御手段
は、タッチパネルで検出された各ボタンの押下状態に基
づいて、ボタンが一度押されたと判断したときは音声入
力状態にし、もう一度押されたと判断した場合は音声入
力状態を終了することを特徴とする請求項１記載の音声
認識装置である。

【００１２】請求項４の本発明は、話者の音声を入力す
るための音声入力手段と、予め認識されるべき語句を記
憶した音声認識リソースと、音声入力状態のときに音声
入力手段から音声を入力すると、音声認識リソースの語
句の中から抽出することにより、音声入力した語句を認
識する音声認識手段と、複数のデータ入力欄を表示する
表示手段とこの表示手段の各データ入力欄にそれぞれ関
連づけられたボタンと、各ボタンの押下状態を検出する
ボタン状態検出手段と、ボタン状態検出手段が検出した
各ボタンの押下状態に応じて音声認識手段を音声入力状
態にし、この音声認識手段で認識された結果を押下され
たボタンに関連づけられたデータ入力欄へ表示するとと
もにそのデータ入力欄のデータとして入力する音声入力
制御手段とを設けたことを特徴とする音声認識装置であ
る。

【００１３】請求項５の本発明は、音声入力制御手段
は、ボタン状態検出手段によりボタンが押されたと判断
している間は、音声認識手段を音声入力状態にし、ボタ
ンが離されたと判断したときに音声入力状態を終了する
ことを特徴とする請求項４記載の音声認識装置である。

【００１４】請求項６の本発明は、音声入力制御手段
は、ボタン状態検出手段で検出された各ボタンの押下状
態に基づいて、ボタンが一度押されたと判断したときは
音声入力状態にし、もう一度押されたと判断した場合は
音声入力状態を終了することを特徴とする請求項４記載
の音声認識装置である。

【００１５】

【発明の実施の形態】以下、本発明の実施の形態を図１
ないし図６を参照して説明する。図１は、本実施の形態
に係る音声認識装置の構成を示すブロック図で、１１は
制御部本体を構成するＣＰＵ（中央処理装置）、１２は
このＣＰＵ１１が実行するプログラムデータを格納した
ＲＯＭ（リード・オンリ・メモリ）、１３は各種データ
処理のために使用されるメモリ等を設けたＲＡＭ（ラン
ダム・アクセス・メモリ）、１４はハードディスク装置
（ＨＤＤ）、１５は所定情報を印字してラベルの発行な
どを行う印字部、１７は音声をアナログ信号として入力
するマイク１８とこのマイク１８からの音声をアナログ
信号として入力した音声をデジタル信号に変換するＡ／
Ｄ変換器１９を備えた音声入力手段としての音声入力
部、２０は入力した音声を認識した結果やタッチパネル
のボタンを表示する表示手段としての表示部２１及びタ
ッチパネルセンサ２２を設けたタッチパネル付ディスプ
レイである。このタッチパネル付ディスプレイ２０の表
示部２１は表示制御部２３に接続しており、タッチパネ
ルセンサ２２はタッチパネルセンサ制御部２４に接続し
ている。

【００１６】上記ＣＰＵ１１と、ＲＯＭ１２、ＲＡＭ１
３、ハードディスク装置１４、印字部１５、Ａ／Ｄ変換
器１９、表示制御部２３、センサ制御部２４とは、それ
ぞれデータバス、制御バス、アドレスバスなどのバスラ
インで接続されている。

【００１７】図２は、本実施の形態にかかる音声認識装
置の構成を示す機能ブロック図であり、３１は認識され
るべき語句（数を含む）と各語句に対して定義された
(関連づけられた)認識コードからなる音声認識リソー
ス、３２は音声入力部１７からの出力に基づいて、入力
した音声に対応する語句を認識し（音声認識手段）、そ
の語句に対応する認識コードを音声認識リソース３１か
ら抽出して出力する音声認識部、３３は音声認識部３２
からの認識コードに基づいて表示部２１の入力欄（デー
タ入力欄）に表示を行うとともにその入力欄のデータと
して入力し、そのデータに基づいて商品名、商品の単価
の登録などを行い、印字部１５によりラベルの発行など
を行うアプリケーションプログラム部である。上記音声
認識リソース３１は、各入力欄に入力するデータの種類
ごとに設けられ、それぞれ各入力欄に関連づけられてい
る。各音声認識リソース３１には、該当する種類のデー
タについての予め認識されるべき語句とその語句に関係
づけられた認識コードがそれぞれ記憶されている。

【００１８】上記音声認識部３２は、音声入力状態にあ
るときのみ、音声入力部１７のマイク１８から入力した
音声を認識して、認識コードをアプリケーションプログ
ラム部３３へ出力する。従って、上記音声認識部３２
は、音声入力状態にないときは、たとえ音声入力部１７
のマイク１８から音声が入力されても、それを無視す
る。

【００１９】また、音声認識部３２は、アプリケーショ
ンプログラム部３３から許可指令を受けたときに音声入
力状態となり、終了指令を受けたときに音声入力状態を
終了する。

【００２０】なお、上記音声認識部３２、アプリケーシ
ョンプログラム部３３は、具体的には例えばハードディ
スク装置１４、ＲＯＭ１２などに記憶され、上記ＣＰＵ
１１が読取可能なソフトウエアプログラムで構成され
る。

【００２１】上記アプリケーションプログラム部３３
は、音声により商品名、単価などのデータを入力する場
合には、表示部２１に図５に示すような表示画面４１を
表示する。具体的には、複数の入力欄４２、各入力欄４
２に関連づけられたボタン４３、各入力欄４２に入力す
るデータ名（データ１、データ２…）を各入力欄４２に
並べて表示する。

【００２２】ここで、音声により商品名、単価などの入
力を行う場合にアプリケーションプログラム部３３にお
いてＣＰＵ１１が行う処理を図３に示すフローチャート
に基づいて説明する。上記アプリケーションプログラム
部３３では、タッチパネルセンサ２２の出力により表示
部２１に表示したボタン４３の押下状態を検出する（ボ
タン状態検出手段）する。例えば、ボタン４３の状態フ
ラグを設け、ボタン４３が押下されたときには状態フラ
グを１とし、押されている間は、状態フラグを１に保持
する。そして、ボタン４３が離されたときは状態フラグ
を０とする。

【００２３】そして、上記アプリケーションプログラム
部３３では、ボタン４３の押下状態を監視しながら図３
に示す入力処理を行う。先ず、ＳＴ（ステップ）１にて
状態フラグなどに基づいてボタン４３が押されたかを判
断する。ボタン４３が押されたと判断した場合は、ＳＴ
２にて押されたボタン４３に関連づけられた入力欄４２
を選択する。

【００２４】続いて、ＳＴ３にて当該入力欄４２に関連
づけられた音声認識リソース３１に切替え、ＳＴ４にて
音声認識部３２に許可指令を行い、音声入力状態にす
る。この状態で、音声入力部１７のマイク１８から音声
を入力すると、音声認識部３２は、その音声に基づいて
ボタン４３により選択された入力欄４２の音声認識リソ
ース３１に基づいて音声認識を行い、認識コードをアプ
リケーションプログラム部３３に出力する。

【００２５】アプリケーションプログラム部３３では、
ＳＴ５にて音声認識部３２から認識コードを受取ると、
その認識コードにより得られたデータを当該入力欄４２
のデータとして入力し、当該入力欄４２にそのデータを
表示して（音声入力制御手段）、一連の入力処理を終了
する。そして、入力処理がすべて終了するまで、この入
力処理が繰返して実行される。なお、入力処理がすべて
終了すると、アプリケーションプログラム部３３は、そ
の入力したデータに基づいて業務処理を行う。例えば、
商品名、商品単価の登録などを行って、そのデータを印
字データとして印字部１５に送信する。これにより、印
字部１５は印字データに基づいて印字処理を行い、ラベ
ルの発行等を行う。

【００２６】上記アプリケーションプログラム部３３に
おいては、上記入力処理を行っている間に、状態フラグ
などによりボタン状態を検出し（ボタン状態検出手
段）、その結果に基づいてボタン４３が離されたと判断
した場合は、図４に示すような割込処理を行う。この割
込処理では、音声認識部３２に終了指令を行い、音声入
力状態を終了する。これにより、音声認識部３２は、音
声入力状態を終了した後に音声入力部１７から音声が入
力されても、それを無視する。

【００２７】なお、本実施の形態においては、各入力欄
４２に入力するデータ名を各入力欄４２に並べて表示す
る場合について述べたが、図６に示すように各ボタン４
３上にデータ名を表示してもよい。

【００２８】このような構成の本発明の実施の形態にお
いては、例えばラベルに印刷する商品名を各種類ごとに
音声入力する場合、表示部に図６に示すような画面が表
示される。各入力欄４２に並べてボタン４３を配置し、
各ボタン４３上には各入力欄４２に入力する商品名（魚
類、野菜類、肉類…）を表示してある。

【００２９】例えば、魚類の商品名の入力欄４２に音声
入力を行う場合は、魚類のボタン４３を押すと、魚類の
音声認識リソースが音声認識リソースが選択されて音声
入力状態になる。そして、その魚類のボタン４３を押し
ながら、マイク１８に向けて「ぶり」と発声すると、音
声認識されて、魚類の入力欄４２のデータとして「ぶ
り」が入力され、入力欄４２に「ぶり」が表示される。
その後、ボタン４３を離すと、音声入力状態が終了し、
印字部１５により「ぶり」と印字されたラベルが発行さ
れる。

【００３０】このように、表示部に各入力欄４２とこの
入力欄４２に関連づけられたボタン４３を表示し、タッ
チパネルセンサ２２でそのボタン４３の押下状態を監視
し、ボタン４３が押下している間は音声入力状態にして
マイク１８から入力した音声の認識を行ってその結果を
その入力欄４２のデータとして入力するとともに、その
入力欄４２に表示し、ボタン４３を離したときは音声入
力状態を終了することにより、キーボードやマウスがな
くても、簡単に入力欄４２を選択して音声入力すること
ができるとともに、ボタン４３を押している間だけ音声
入力状態にするので、操作者側で発声のタイミングをと
ることが容易となる使い勝手のよい音声認識装置を提供
できる。

【００３１】また、ボタン４３を押している間だけ音声
入力状態にするので、不要な音声が認識されることな
く、必要な音声のみについて認識を行うことができるた
め、認識率が向上する。また、複数の入力欄４２があっ
ても、任意の入力欄４２にデータを入力することができ
る。これにより、操作者側で入力欄４２の順番を意識し
て入力を行う必要がなくなるので操作者側の負担を軽く
することができる。

【００３２】また、ボタン４３の操作により入力欄４２
ごとに関連づけられた音声認識リソースを切替えること
ができるので、認識率が向上するとともに、音声認識部
の処理量を軽減でき、検出時間を短縮できる。

【００３３】なお、本実施の形態では、ボタン４３を押
すと音声入力状態になり、離すと音声入力状態が終了す
るようにしたが、必ずしもこれに限定されるものではな
く、ボタン４３を１回押すと音声入力状態になり、その
ボタン４３をもう一度押すと音声入力状態が終了するよ
うにしてもよい。

【００３４】また、ボタン４３は必ずしも表示部２１の
表示画面上に表示ざれる必要はなく、各ボタン４３を表
示部２１の表示画面の近傍に別途設けたり、キーボード
を有する装置においては各ボタン４３をキーボード上に
割り当てて、各ボタン４３の押下状態を状態フラグなど
で検出し（ボタン状態検出手段）、各ボタンの押下状態
に応じて音声認識部３２を音声入力状態にしてもよい。
このようにしても同様の効果を得られる。

【００３５】

【発明の効果】以上詳述したように本発明によれば、表
示部に各入力欄とこの入力欄に関連づけられたボタンを
表示し、タッチパネルセンサ又はボタン状態検出手段に
よるボタンの押下状態に応じてボタンが押されている間
は音声入力状態にして入力した音声の認識を行ってその
結果をその入力欄のデータとして入力するとともに、そ
の入力欄に表示することにより、キーボードやマウスが
なくても簡単に入力欄を選択して音声入力することがで
きる。

【００３６】また、ボタンを押している間だけ音声入力
状態にし、ボタンを離すと音声入力状態を終了するの
で、操作者側で発声のタイミングをとることが容易とな
り、さらに不要な音声が認識されることなく、必要な音
声のみについて認識を行うことができるため、認識率が
向上する。また、音声入力制御手段として一度ボタンを
押すと音声入力状態にして、もう一度ボタンを押すと音
声入力状態を終了するようにしても、同様の効果が得ら
れる。

【００３７】また、複数の入力欄があっても、任意の入
力欄にデータを入力することができる。これにより、操
作者側で入力欄の順番を意識して入力を行う必要がなく
なるので操作者側の負担を軽くすることができる。

【図面の簡単な説明】

【図１】本発明の実施の形態に係る音声認識装置の構成
を示すブロック図。

【図２】本実施の形態における機能ブロック図。

【図３】本実施の形態における入力処理を示す流れ図。

【図４】本実施の形態における割込処理を示す流れ図。

【図５】本実施の形態における表示部の表示例を示す流
れ図。

【図６】本実施の形態における表示部の他の表示例を示
す流れ図。

【図７】従来の音声認識装置の機能ブロック図。

【図８】従来の音声認識装置における表示部の表示例を
示す流れ図。

【符号の説明】

１１…ＣＰＵ １２…ＲＯＭ １３…ＲＡＭ １７…音声入力部 １８…マイク ２１…表示部 ２２…タッチパネルセンサ ３１…音声認識リソース ３２…音声認識部 ３３…アプリケーションプログラム部 ４２…入力欄 ４３…ボタン

Claims (6)

【特許請求の範囲】
1. 【請求項１】 話者の音声を入力するための音声入力手
   段と、 予め認識されるべき語句を記憶した音声認識リソース
   と、 音声入力状態のときに前記音声入力手段から音声を入力
   すると、前記音声認識リソースの語句の中から抽出する
   ことにより、音声入力した語句を認識する音声認識手段
   と、 複数のデータ入力欄と各データ入力欄にそれぞれ関連づ
   けられたボタンを表示する表示手段と、 前記表示手段の画面上に重ねて設けられ、その表示手段
   に表示した各ボタンの押下状態を検出するタッチパネル
   センサと、 前記タッチパネルセンサが検出した各ボタンの押下状態
   に応じて前記音声認識手段を音声入力状態にし、この音
   声認識手段で認識された結果を押下されたボタンに関連
   づけられたデータ入力欄へ表示するとともにそのデータ
   入力欄のデータとして入力する音声入力制御手段と、 を設けたことを特徴とする音声認識装置。
2. 【請求項２】 前記音声入力制御手段は、前記タッチパ
   ネルセンサにより前記ボタンが押されたと判断している
   間は、前記音声認識手段を音声入力状態にし、前記ボタ
   ンが離されたと判断したときに音声入力状態を終了する
   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】 前記音声入力制御手段は、前記タッチパ
   ネルで検出された各ボタンの押下状態に基づいて、前記
   ボタンが一度押されたと判断したときは音声入力状態に
   し、もう一度押されたと判断した場合は音声入力状態を
   終了す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】 話者の音声を入力するための音声入力手
   段と、 予め認識されるべき語句を記憶した音声認識リソース
   と、 音声入力状態のときに前記音声入力手段から音声を入力
   すると、前記音声認識リソースの語句の中から抽出する
   ことにより、音声入力した語句を認識する音声認識手段
   と、 複数のデータ入力欄を表示する表示手段と、 この表示手段の各データ入力欄にそれぞれ関連づけられ
   たボタンと、 前記各ボタンの押下状態を検出するボタン状態検出手段
   と、 前記ボタン状態検出手段が検出した各ボタンの押下状態
   に応じて前記音声認識手段を音声入力状態にし、この音
   声認識手段で認識された結果を押下されたボタンに関連
   づけられたデータ入力欄へ表示するとともにそのデータ
   入力欄のデータとして入力する音声入力制御手段と、 を設けたことを特徴とする音声認識装置。
5. 【請求項５】 前記音声入力制御手段は、前記ボタン状
   態検出手段により前記ボタンが押されたと判断している
   間は、前記音声認識手段を音声入力状態にし、前記ボタ
   ンが離されたと判断したときに音声入力状態を終了する
   ことを特徴とする請求項４記載の音声認識装置。
6. 【請求項６】 前記音声入力制御手段は、前記ボタン状
   態検出手段で検出された各ボタンの押下状態に基づい
   て、前記ボタンが一度押されたと判断したときは音声入
   力状態にし、もう一度押されたと判断した場合は音声入
   力状態を終了することを特徴とする請求項４記載の音声
   認識装置。