JP2001042893A - 音声認識装置および音声認識処理をするための処理プログラムを記録した記録媒体 - Google Patents

Abstract

(57)【要約】 【課題】複数の音声ファイルの音声認識を能率よく行な
うことができる音声認識装置および音声認識を処理する
ための処理プログラムを記録した記録媒体を提供する。 【解決手段】表示装置６上の一覧表示画面で複数の音声
ファイルを選択することで、これら選択された全ての音
声ファイルの音声認識処理をＣＰＵ２で連続して実行
し、テキスト化されたデータを表示装置６上のテキスト
出力画面に一括して表示する。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は、プログラムされた
コンピュータによって音声認識の処理を制御する音声認
識装置および音声認識を処理するための処理プログラム
を記録した記録媒体に関する。

【０００２】

【従来の技術】従来、音声認識装置として、音声データ
をファイル単位で音声認識するものが知られているが、
このときの音声認識は、複数の音声ファイルのリストを
表示させ、このリストの中から所望する音声ファイルを
選択することにより、選択された音声ファイルについて
の音声認識を実行するようなものが実用化されている。

【０００３】

【発明が解決しようとする課題】ところが、このように
したものでは、複数の音声ファイルを音声認識させるた
めには、「表示リストからの音声ファイルの選択」「音
声認識の実行指示」という作業を、各音声ファイルごと
に繰り返し行なわなければならず、音声認識したい音声
ファイルの数が多くなると、多大な手間と時間がかかる
という問題があった。

【０００４】本発明は、上記事情に鑑みてなされたもの
で、複数の音声ファイルの音声認識を能率よく行なうこ
とができる音声認識装置および音声認識処理をするため
の処理プログラムを記録した記録媒体を提供することを
目的とする。

【０００５】

【課題を解決するための手段】請求項１記載の発明は、
プログラムされたコンピュータによって音声認識処理を
制御する音声認識装置において、複数の音声ファイルを
選択可能なファイル選択手段と、選択された複数の音声
ファイルをテキスト化する音声認識処理手段と、テキス
ト化された出力を同一表示画面上に連続して表示する表
示手段とを具備したことを特徴としている。

【０００６】請求項２記載の発明は、請求項１記載の発
明において、前記テキスト化された出力の表示順序は、
前記音声ファイルのヘッダ情報によることを特徴として
いる。

【０００７】請求項３記載の発明は、請求項１記載の発
明において、前記表示画面上に連続して表示されるテキ
スト化された出力は、それぞれの出力の間にヘッダ情報
を表示させたことを特徴としている。

【０００８】請求項４記載の発明は、コンピュータによ
って音声認識処理をするための処理プログラムを記録し
た記録媒体であって、複数の音声ファイルを選択可能と
し、該選択された複数の音声ファイルをテキスト化する
とともに、これらテキスト化された出力を表示画面上に
表示させることを特徴としている。

【０００９】この結果、請求項１記載の発明によれば、
音声認識したい音声ファイル数が多くなっても、従来と
比べ、多大な手間と時間をかけることなく、能率よく音
声認識処理を行なうことができる。

【００１０】請求項２記載の発明によれば、ヘッダ情報
を用いた並び替えによりキスト化された出力の表示順序
を任意に設定できるので、例えば、１回で記録しきれな
い長時間の音声データを複数の音声ファイルに分けて記
録しているような場合も、これら音声ファイルの音声認
識処理を続けて実行することで、テキスト化データを繋
ぎ合わせて出力することができる。

【００１１】請求項３記載の発明によれば、それぞれの
ヘッダ情報から、どの音声ファイルの認識結果かを容易
に知ることができるので、各音声ファイルの内容を正確
に把握することができる。

【００１２】請求項４記載の発明による記録媒体に記録
されたプログラムによっても、請求項１記載の発明と同
様な作用を期待できる。

【００１３】

【発明の実施の形態】以下、本発明の一実施形態を図面
に従い説明する。

【００１４】図１は、本発明が適用される音声認識装置
の概略構成を示している。図において、１は装置本体
で、この装置本体１は、音声データの処理やその制御を
するために演算等を行うＣＰＵ等の中央処理装置１ａを
有するとともに、この中央処理装置１ａに接続される操
作部２、表示装置３、音声出力装置４および入出力装置
５を有している。

【００１５】ここで、操作部２は、音声データの処理な
どを行う際に、所望する指示を行うためのキーボード、
マウスなどのポインティング・デバイスなどからなって
いる。表示装置３は、中央処理装置１ａによって行う音
声データの再生処理などの操作部の表示や音声ファイル
の一覧の表示を行うもので、ＣＲＴディスプレイや液晶
ディスプレイからなっている。

【００１６】音声出力装置４は、中央処理装置１ａによ
って得られる音声データの処理結果などを音声として出
力するスピーカなどからなっている。

【００１７】そして、入出力装置５は、中央処理装置１
ａに対して情報、データなどの入出力を行うためのもの
で、ここでは、第１記録媒体駆動部６と第２記録媒体駆
動部８を有している。

【００１８】第１記録媒体駆動部６は、音声データの処
理をするための処理プログラムやその制御をするための
制御プログラムが記憶されたフロッピーディスク、ＣＤ
−ＲＯＭなどの第１の記録媒体７を装着し、この第１の
記録媒体７に記録された制御プログラムを読み込むよう
にしている。なお、第１の記録媒体７としては、任意に
情報やデータの書き換えが可能なＲＡＭを用いてもよ
い。

【００１９】また、第２記録媒体駆動部８は、音声デー
タが記録されたＰＣカード、メモリカード、小型ＩＣカ
ードなどの第２の記録媒体９を装着し、この第２の記録
媒体９に記録された音声データなどを読み込んだり、中
央処理装置１ａによって処理された音声データなどを記
録するようにしている。

【００２０】次に、音声ファイルの音声認識処理を制御
する音声認識処理プログラム、つまりプログラムされた
コンピュータによって実行される音声認識処理プログラ
ムの操作画面について説明する。

【００２１】この場合、音声認識処理プログラムは、表
示装置３の表示画面に対して、図２に示す、ファイル単
位の音声データに関する詳細な情報である音声ファイル
の一覧表示とともに、音声認識処理を実行するための各
種操作部を表示するメイン画面１１ａと、図３に示すよ
うな音声認識処理結果のテキスト出力画面１１ｂを選択
的に表示可能にしている。

【００２２】メイン画面１１ａは、各種機能を指定して
コンピュータに指示を与える各種コマンドを実行させる
ための複数の操作部によって形成されており、ここで
は、選択できる各種処理コマンドの一覧を文字などによ
って表示する領域であるメニューバー１２、このメニュ
ーバー１２の真下に配置され、頻繁に利用する機能を素
早く起動するために、各種処理コマンドの機能などを図
柄、絵文字によって表示したアイコン付きのボタンを並
べて表示した領域であるツールバー１３、複数の音声フ
ァイルの情報が一覧表示される音声ファイルリストボッ
クス１４および再生操作に関する各種操作を行わしめる
ためのボタンを並べて配置した再生コントロール部１５
を有している。

【００２３】ツールバー１３は、各種コマンドのボタン
としての操作性を考慮して図柄、絵文字などによって表
したアイコン付きのボタンを表示しており、図３に示す
テキスト出力画面１１ｂを選択表示させるための表示選
択手段である画面切換えボタン１３ａと一覧表示される
音声ファイルの音声認識処理を指示する音声認識処理指
示ボタン１３ｂを有している。なお、その他のボタンの
詳細については、本発明に直接関係ないので、説明は省
略するとともに、図面の繁雑化を避けるためボタンのみ
を図示して、具体的なアイコンなどの表示を省略してい
る。

【００２４】音声ファイルリストボックス１４は、図２
に示す音声ファイルの一覧表示画面１４１を表示可能に
している。この音声ファイルの一覧表示画面１４１は、
音声ファイルの一覧が表示され、各音声ファイルについ
ての各種ヘッダ情報として、例えばファイル名、記録時
間長さ、記録日時、重要度、終了マークなどの固有の情
報を表示している。これら各項目名の表示部分には、そ
れぞれ対応させて［Ｆｉｌｅ Ｎａｍｅ］ボタン１４
ａ、［Ｌｅｎｇｔｈ］ボタン１４ｂ、［ＲｅｃＤａｔｅ
／Ｔｉｍｅ］ボタン１４ｃを表示している。これらのボ
タン１４ａ〜１４ｃは、任意に選択操作することによ
り、選択した項目について所定の順番でファイルの並び
替え、つまりソートができるようになっている。さら
に、［Ｐｒｉｏｒｉｔｙ］ボタン１４ｄ、優先順位付加
ボタン１４ｅ、マーク付加用ボタン１４ｆ、［Ｅｎｄ］
ボタン１４ｇを表示していて、音声ファイルの一覧表示
のうち、各音声ファイルの重要度情報を各ファイルごと
に任意に設定したり、終了マーク１４ｈの付加操作など
ができるようになっている。つまり、重要度情報の設定
は、設定したい所望の音声ファイルを選択し、この選択
ファイルの欄を高輝度表示（ハイライト表示または反転
表示）させた後、優先順位付加ボタン１４ｅにより優先
順位（重要度）の指数を、例えば０〜１５の数字の範囲
で指定することで、優先順位に応じた数字を表示させる
ようにしている。また、［Ｐｒｉｏｒｉｔｙ］ボタン１
４ｄを操作することで、設定された重要度の高い順番で
音声ファイルの一覧表示の並び替えが実行される。さら
に、一覧表示される各音声ファイルには、例えば「Ｖ」
マークや「ｘ」マークなどの終了マーク１４ｈを付加で
きるようになっている。この終了マーク１４ｈを音声フ
ァイルに付加するには、上述したと同様に所望の音声フ
ァイルを高輝度表示（ハイライト表示または反転表示）
させた後、マーク付加用ボタン１４ｆを操作するように
している。ここで、マーク付加用ボタン１４ｆは、いわ
ゆるトグル式になっており、操作するごとに終了マーク
１４ｈが付加または削除が選択できるようになってい
る。

【００２５】そして、［Ｅｎｄ］ボタン１４ｇを操作す
ることにより、終了マーク１４ｈが付加されている音声
ファイル欄は、一覧表示の最下段（最後部）位置に移動
して、ファイルの並び替えが行われるようになってい
る。

【００２６】再生コントロール部１５は、再生操作に関
する各種操作を行わしめるためのボタンとして、例え
ば、選択されている音声ファイル中において現在のデー
タ位置より前の任意のデータ位置に戻すための早戻しボ
タン１５ａ、再生動作を停止させる停止ボタン１５ｂ、
再生動作を開始させる再生ボタン１５ｃ、現在のデータ
位置より後の任意のデータ位置に進めるための早送りボ
タン１５ｄ、上述した終了マーク１４ｈが付加されてい
る音声ファイルをスキップさせるためのスキップ手段や
再生移行手段の動作をさせるためのスキップボタン１５
ｅ、再生速度の調整を行うためのスライドバーからなる
再生速度コントロール部１５ｆ、音量調整を行うための
ボリュームコントロール部１５ｇを表示している。さら
に、選択されている音声ファイルの全記録時間長を時分
秒で表示する全記録時間長表示部１５ｈ、現在位置を時
分秒で表示する現在位置表示部１５ｉおよび現在位置を
スライドバーで表示する現在位置指標１５ｊを表示して
いる。

【００２７】また、図２に示すメイン画面１１ａに代わ
る、図３に示す音声認識処理結果を表示するテキスト出
力画面１１ｂは、音声認識結果によりテキスト化された
データＡ、Ｂ、…とともに、これらテキスト化データ
Ａ、Ｂ、…に対応するファイル名、記録日時、重要度な
どのヘッダ情報ａ、ｂ、…を表示するようにしている。
このテキスト出力画面１１ｂは、ユーザの切換え操作と
して、ツールバー１３中の画面切換えボタン１３ａの操
作によりメイン画面１１ａと交互に切換え表示できるよ
うになっている。

【００２８】次に、このように構成した実施の形態の動
作を説明する。

【００２９】この場合、操作部２により音声認識処理モ
ードを設定すると、装置本体１の中央処理装置１ａは、
入出力装置５の第１記録媒体駆動部６を介して第１の記
録媒体７から音声認識処理を実行するための音声認識処
理プログラムを図示しないＲＡＭに読み込むとともに、
第２記録媒体駆動部８を介して第２の記録媒体９に記録
されている音声ファイルを図示しない固定記録媒体に取
り込むようになり、この状態で、図４に示す音声認識処
理モードが実行される。

【００３０】まず、ステップ４０１で、プログラム実行
のための初期設定を行なった後、ステップ４０２で、フ
ァイル単位の音声データに関する詳細な情報である音声
ファイルの一覧表示とともに、音声データの再生処理を
するための各種操作部を表示する図２に示すメイン画面
１１ａが表示される。このメイン画面１１ａには、音声
ファイルリストボックス１４に複数の音声ファイルの一
覧表示画面１４１が表示される。

【００３１】この場合、必要に応じて、一覧表示画面１
４１の音声ファイルの音声認識処理の順番を決定するた
め、ファイル名、記録時間長さ、記録日時のヘッダ情報
に対応する［Ｆｉｌｅ Ｎａｍｅ］ボタン１４ａ、［Ｌ
ｅｎｇｔｈ］ボタン１４ｂ、［ＲｅｃＤａｔｅ／Ｔｉｍ
ｅ］ボタン１４ｃのいずれかを選択して、一覧表示画面
１４１で音声ファイルの表示順序を並び替えるソートを
行なうことができる。

【００３２】この状態から、ステップ４０３で、一覧表
示中で所望する音声ファイルを選択すると、ステップ４
０４で、選択された音声ファイルは、高輝度表示（ハイ
ライト表示または反転表示）される。ここでは、反転表
示されるものとする。また、これらステップ４０３、４
０４による音声ファイルの選択操作は、ステップ４０５
で、音声ファイルの認識処理を指示する認識処理指示ボ
タン１３ｂが操作されるまで繰り返し可能となり、音声
認識処理を希望する音声ファイルが複数あれば、これら
選択された全ての音声ファイルについて反転表示させ
る。

【００３３】その後、ステップ４０５で、認識処理指示
ボタン１３ｂを操作すると、まず、ステップ４０６で、
反転表示された音声ファイルのヘッダ情報が確認され、
ステップ４０７で、音声認識処理されテキスト化された
データの出力順が決定される。この場合、ヘッダ情報に
基づいた音声ファイルの並び替えがない場合は、そのま
ま音声ファイルの表示順序に従って音声認識処理の順番
が決められテキスト化データの出力順が決定され、ま
た、上述したヘッダ情報に基づいた音声ファイルの並び
替えが行なわれた場合は、並び替え後の音声ファイルの
表示順序に従って音声認識処理の順番が決められテキス
ト化データの出力順が決定される。

【００３４】そして、ステップ４０８で、選択された複
数の音声ファイルのうちの最初の音声ファイルについて
の音声認識処理が実行され、ステップ４０９で、テキス
ト化されたデータＡが出力される。このテキスト化デー
タＡは、図３に示すテキスト出力画面１１ｂ上に、ファ
イル名、記録日時、重要度などのヘッダ情報ａとともに
表示される。

【００３５】同様にして、残りの音声ファイルについて
も、ステップ４１０で、全ての音声ファイルの音声認識
終了が判断されるまで、ステップ４０８での音声認識処
理が実行され、ステップ４０９で、テキスト化されたデ
ータＢ、…が出力される。

【００３６】そして、これらテキスト化データＢ、…に
ついても、図３に示すテキスト出力画面１１ｂ上に、フ
ァイル名、記録日時、重要度などのヘッダ情報ｂ、…と
ともに表示される。

【００３７】なお、図３のテキスト出力画面１１ｂで
は、記録日時が古い音声ファイルを優先して表示してい
る。

【００３８】従って、このようにすれば、音声ファイル
リストボックス１４の一覧表示画面１４１上で複数の音
声ファイルを選択することで、これら選択された全ての
音声ファイルの音声認識処理を連続して実行し、テキス
ト化されたデータをテキスト出力画面１１ｂ上に一括し
て表示することができるので、音声認識したい音声ファ
イルの数が多くなっても、従来と比べ、多大な手間と時
間をかけることなく、能率よく音声認識処理を行なうこ
とができる。

【００３９】また、テキスト出力画面１１ｂ上に一括し
て表示されるテキスト化データの表示順序は、ヘッダ情
報を用いた並び替えにより音声認識処理の順序を替える
ことで任意に設定できるので、例えば、１回で記録しき
れない長時間の音声データを複数の音声ファイルに分け
て記録しているような場合、これら音声ファイルの音声
認識処理を続けて実行するように設定するのみで、これ
らの音声認識によるテキスト化データを繋ぎ合わせて出
力することができるなど、長時間の音声データに対して
有効な利用ができる。

【００４０】さらに、複数の音声ファイルより音声認識
によりテキスト化されたデータＡ、Ｂ、…は、それぞれ
ファイル名、記録日時、重要度などのヘッダ情報ａ、ｂ
…と合わせて表示されるので、それぞれのヘッダ情報
ａ、ｂ…から、どの音声ファイルの認識結果かを容易に
知ることができ、各音声ファイルの内容を正確に把握す
ることができる。

【００４１】なお、上述した実施の形態では、複数の音
声ファイルについて音声認識処理によりテキスト化され
たデータを同一のテキスト出力画面１１ｂ上に連続表示
する例を述べたが、例えば、図５に示すようにテキスト
化されたデータＡ、Ｂ、…を複数枚重ねて表示されるテ
キスト出力画面１６ａ、１６ｂ、…上に各別に表示させ
るようにもできる。この場合、各テキスト出力画面１６
ａ、１６ｂ、…には、テキスト化データＡ、Ｂ、…と合
わせて、ファイル名、記録日時、重要度などのヘッダ情
報ａ、ｂ…を表示している。

【００４２】なお、本明細書、図面に記載の発明には、
以下の発明も含まれる。

【００４３】（１）プログラムされたコンピュータによ
って音声認識処理を制御する音声認識装置において、複
数の音声ファイルを選択可能なファイル選択手段と、選
択された複数の音声ファイルをテキスト化する音声認識
処理手段と、テキスト化された出力をそれぞれ異なる表
示画面上に表示する表示手段とを具備したことを特徴と
する音声認識装置。

【００４４】（２）プログラムされたコンピュータによ
って音声認識処理を制御する音声認識方法において、複
数の音声ファイルを選択可能とし、該選択された複数の
音声ファイルをテキスト化するとともに、これらテキス
ト化された出力を表示画面上に表示させることを特徴と
する音声認識方法。

【００４５】

【発明の効果】以上述べたように本発明によれば、複数
の音声ファイルの音声認識を能率よく行なうことができ
る音声認識装置および音声認識処理をするための処理プ
ログラムを記録した記録媒体を提供できる。

【図面の簡単な説明】

【図１】本発明の一実施の形態の概略構成を示す図。

【図２】一実施の形態のメイン画面の表示例を示す図。

【図３】一実施の形態のテキスト出力画面の表示例を示
す図。

【図４】一実施の形態の動作を説明するためのフローチ
ャート。

【図５】本発明の他の実施の形態のテキスト出力画面の
表示例を示す図。

【符号の説明】

１…装置本体 １ａ…中央処理装置 ２…操作部 ３…表示装置 ４…音声出力装置 ５…入出力装置 ６…第１記録媒体駆動部 ７…第１の記録媒体 ８…第２記録媒体駆動部 ９…第２の記録媒体 １１ａ…メイン画面 １１ｂ…テキスト出力画面 １２…メニューバー １３…ツールバー １３ａ…画面切換えボタン １３ｂ…認識処理指示ボタン １４…音声ファイルリストボックス １４１…一覧表示画面 １４ａ…［Ｆｉｌｅ Ｎａｍｅ］ボタン １４ｂ…［Ｌｅｎｇｔｈ］ボタン １４ｃ…［ＲｅｃＤａｔｅ／Ｔｉｍｅ］ボタン １４ｄ…［Ｐｒｉｏｒｉｔｙ］ボタン １４ｅ…優先順位付加ボタン １４ｆ…マーク付加用ボタン １４ｇ…［Ｅｎｄ］ボタン １４ｈ…終了マーク １５…再生コントロール部 １５ａ…早戻しボタン １５ｂ…停止ボタン １５ｃ…再生ボタン １５ｄ…早送りボタン １５ｅ…スキップボタン １５ｆ…再生速度コントロール部 １５ｇ…ボリュームコントロール部 １５ｈ…全記録時間長表示部 １５ｉ…現在位置表示部 １５ｊ…現在位置指標

Claims (4)

【特許請求の範囲】
1. 【請求項１】 プログラムされたコンピュータによって
   音声認識処理を制御する音声認識装置において、 複数の音声ファイルを選択可能なファイル選択手段と、 選択された複数の音声ファイルをテキスト化する音声認
   識処理手段と、 テキスト化された出力を同一表示画面上に連続して表示
   する表示手段とを具備したことを特徴とする音声認識装
   置。
2. 【請求項２】 前記テキスト化された出力の表示順序
   は、前記音声ファイルのヘッダ情報によることを特徴と
   する請求項１記載の音声認識装置。
3. 【請求項３】 前記表示画面上に連続して表示されるテ
   キスト化された出力は、それぞれの出力の間にヘッダ情
   報を表示させた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】 コンピュータによって音声認識処理をす
   るための処理プログラムを記録した記録媒体であって、 複数の音声ファイルを選択可能とし、該選択された複数
   の音声ファイルをテキスト化するとともに、これらテキ
   スト化された出力を表示画面上に表示させることを特徴
   とする音声認識処理をするための処理プログラムを記録
   した記録媒体。