JP2001067091A - 音声認識装置 - Google Patents

Abstract

(57)【要約】 【課題】 音声認識を行う発話区間の特定方法としてキ
ーワード方式、トリガ方式、ＰＴＴ方式のうち少なくと
も２方式を兼用して利便性を向上する。 【解決手段】 音声認識動作が開始されると、キーワー
ドが発話されたか、トークボタン１が操作されたかを判
定する。ここで、キーワードが発話された場合には、キ
ーワード方式の音声認識処理に分岐し、音声区間検出部
７による発話区間の開始点の推定と、発話区間の終了点
の推定を行う。また、トークボタン１が操作された場合
には、その時点で発話区間の開始点を特定する。そし
て、その操作が瞬間的なものか否かを判断し、瞬間的な
ものであれば、トリガ方式の音声認識処理に分岐し、音
声区間検出部７による発話区間の終了点の推定を行う。
また、トークボタン１の操作が継続的なものであれば、
ＰＴＴ方式の音声認識処理に分岐し、トークボタン１の
操作解除時点で発話区間の終了点を特定する。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は、入力された音声を
認識して文字列情報に変換する音声認識装置に関する。

【０００２】

【従来の技術】従来より、マイクロホン等から入力され
た音声を認識して文字列情報に変換し、その認識結果を
表示や音声で出力する音声認識装置においては、まず、
音声の入力に対して音声認識を行うための区間（以下、
発話区間という）を特定し、この発話区間内の音声入力
信号を分析することにより、文字列情報への変換を行う
ようになっている。そして、このような音声入力に対す
る発話区間を特定する方法としては、 （１）キーワード方式 （２）トリガ方式 （３）ＰＴＴ（Ｐｒｅｓｓ Ｔｏ Ｔａｌｋ）方式 の３つが知られている。

【０００３】このうち、（１）のキーワード方式は、予
めユーザが発話区間の推定作業を開始するためのキーワ
ードを設定しておき、このキーワードがマイクロホンか
ら入力されたことを音声認識によって検出することによ
り、発話区間の推定作業を開始するものである。なお、
発話区間の推定作業としては、キーワードに続く音声入
力を監視することにより、例えば、一定の閾値以上のレ
ベルの音声入力が一定時間以上継続することを認識して
発話区間の開始点を推定し、また、一定の閾値以上のレ
ベルの音声入力が一定時間以上中断することを認識して
発話区間の終了点を推定するような処理を行う。

【０００４】また、（２）のトリガ方式は、例えばトー
クボタンと呼ばれる操作ボタンをユーザが瞬間的に押下
することによって発話区間の開始点を特定する。そし
て、発話区間の終了点の推定処理を起動するものであ
る。つまり、発話区間の開始点はキー入力によって特定
し、発話区間の終了点は、音声入力の状況から推定処理
によって特定するものである。なお、発話区間の終了点
の推定処理は、キーワード方式の場合と同様に、例えば
一定の閾値以上のレベルの音声入力が一定時間以上中断
することを認識して発話区間の終了点を推定するような
処理である。また、トークボタンの形態としては、操作
パネル等に設けられた押しボタン式のものの他に、表示
画面上にＧＵＩで表示されるアイコンをマウス等のポイ
ンティングデバイスで指示するものがあり、この場合に
は、アイコンを１度クリックすることにより、上述した
発話区間の開始点の特定と、発話区間の終了点の推定処
理の起動とを実行する。

【０００５】また、（３）のＰＴＴ方式は、上述したト
ークボタンの連続操作期間を発話区間とするものであ
り、例えば押しボタン式のトークボタンである場合に
は、トークボタンの押下開始によって発話区間の開始点
を特定し、トークボタンの押下終了（操作解除）によっ
て発話区間の終了点を特定する。

【０００６】

【発明が解決しようとする課題】ところで、従来の音声
認識装置では、上述した発話区間を特定する方法に、キ
ーワード方式、トリガ方式、ＰＴＴ方式のいずれか１つ
を採用しており、ユーザにとっては、操作しようとして
いる機器が、どの方式を採用しているものか判断がつき
にくく、異なった方式で操作させたために認識機能が正
常に動作しない場合があり、使い勝手が悪いという問題
があった。

【０００７】また、上述のような３つの方式は、発話区
間を特定する上での精度と操作性において、それぞれ長
所と短所を含むものである。すなわち、（１）のキーワ
ード方式は、キーワードの認識後に発話区間の推定処理
を行うものであるため、発話区間を特定する精度はあま
り高くないが、ボタン等の操作を行う必要がないので操
作は簡単である。一方、（３）のＰＴＴ方式は、トーク
ボタンからの入力で発話区間の開始点と終了点の両方を
特定でき、発話区間を特定する精度は最も高いものとな
るが、発話区間中はトークボタンの操作し続けなければ
ならず、操作は煩雑となる。また、（２）のトリガ方式
は、キーワード方式とＰＴＴ方式との中間的な性格を有
している。すなわち、トリガ方式では、発話区間の開始
点については正確に特定できる一方、発話区間の終了点
は推定処理を行うため、発話区間を特定する精度は、キ
ーワード方式とＰＴＴ方式との中間となる。また、発話
区間の開始点についてはトークボタンの操作が必要とな
るが、その後はトークボタンの操作が不要となり、操作
性についてもキーワード方式とＰＴＴ方式との中間とな
る。

【０００８】したがって、このような各方式の性格か
ら、例えば認識対象となる文章の難易度（認識率）等に
より、最適な方式が異なってくることになる。例えば、
認識率の低い認識対象については、できるだけ発話区間
を明確に特定して認識率を上げるべく、ＰＴＴ方式を用
いることが好ましい。一方、認識率の高い認識対象につ
いては、キーワード方式やトリガ方式を採用して、でき
るだけハンズフリー等の手軽な音声認識作業を行うこと
が好ましい。しかしながら、従来の音声認識装置では、
これらのキーワード方式、トリガ方式、ＰＴＴ方式のい
ずれか１つしか用いていないため、それぞれ異なる特性
の方式をユーザの希望や認識対象の難易度等によって選
択することができないという問題があった。

【０００９】そこで本発明の目的は、音声認識を行うた
めの発話区間を特定する方法としてキーワード方式、ト
リガ方式、ＰＴＴ方式をユーザが戸惑うケースを少なく
することができ、かつ、これらの方式をユーザの希望や
認識対象の難易度等によって選択することが可能な音声
認識装置を提供することにある。

【００１０】

【課題を解決するための手段】本発明は前記目的を達成
するため、音声入力手段によって入力された音声を認識
して文字列情報に変換する音声認識装置において、前記
音声入力手段によって入力された音声を認識する音声認
識手段と、ユーザが発話区間を特定するための入力操作
を行うための操作手段と、前記音声入力手段から入力さ
れる音声に対して音声認識を行うための発話区間を特定
することにより、この発話区間における入力音声を前記
音声認識手段によって音声認識し、その音声認識結果を
出力する音声認識制御手段とを有し、前記音声認識制御
手段は、前記音声入力手段によって入力されたキーワー
ドを前記音声認識手段によって認識することにより、そ
のキーワード入力に続く発話区間の開始点と終了点の推
定処理を行うキーワード方式と、前記操作手段の瞬間的
操作によって発話区間の開始点を特定するとともに、そ
の発話区間の終了点の推定処理を行うトリガ方式と、前
記操作手段の連続的操作及び操作解除によって発話区間
の開始点と終了点とを特定するＰＴＴ方式の３方式のう
ち少なくとも２方式を組み合わせることにより、発話区
間を特定するようにしたものである。

【００１１】本発明の音声認識装置において、音声認識
制御手段は、音声入力手段から入力される音声に対して
音声認識を行うための発話区間を特定することにより、
この発話区間における入力音声を音声認識手段によって
音声認識し、その音声認識結果を出力する処理を制御す
る。そして、この音声認識制御手段において発話区間を
特定する方法としては、キーワード方式、トリガ方式、
及びＰＴＴ方式の３つの方式のうち少なくとも２方式を
組み合わせた方法を採用する。すなわち、キーワード方
式は、音声入力手段によって入力されたキーワードを音
声認識手段によって認識することにより、そのキーワー
ド入力に続く発話区間の開始点と終了点の推定処理を行
う方式であり、トリガ方式は、操作手段の瞬間的操作に
よって発話区間の開始点を特定するとともに、その発話
区間の終了点の推定処理を行う方式である。また、ＰＴ
Ｔ方式は、操作手段の連続的操作及び操作解除によって
発話区間の開始点と終了点とを特定する方式である。

【００１２】そして、音声認識制御手段では、音声認識
作業が開始されると、音声認識手段によるキーワードの
検出と操作手段による操作とを監視し、音声認識手段に
よるキーワードの検出があった場合には、キーワード方
式による音声認識制御モードに移行し、操作手段による
操作があった場合には、その操作が瞬間的操作か連続的
操作かを判断し、瞬間的操作であれば、トリガ方式によ
る音声認識制御モードに移行し、連続的操作であれば、
ＰＴＴ方式による音声認識制御モードに移行する。した
がって、本発明の音声認識装置では、音声認識を行うた
めの発話区間を特定する方法としてキーワード方式、ト
リガ方式、ＰＴＴ方式をユーザが戸惑うケースを少なく
することができ、かつ、これらの方式をユーザの希望や
認識対象の難易度等によって選択することが可能とな
る。

【００１３】

【発明の実施の形態】以下、本発明による音声認識装置
の実施の形態について説明する。図１は、本発明の実施
の形態による音声認識装置の構成例を示すブロック図で
あり、図２は、図１に示す音声認識装置における音声認
識作業の動作例を示すフローチャートである。本形態の
音声認識装置は、音声の入力に対して音声認識を行うた
めの区間（以下、発話区間という）を特定し、この発話
区間内の音声入力信号を分析することにより、文字列情
報への変換を行うようにしたものであり、音声認識を行
うための発話区間を特定する方法としてキーワード方
式、トリガ方式、ＰＴＴ方式の３つの方式をユーザが無
意識あるいは意識的に用いることができるようにしたも
のである。

【００１４】なお、キーワード方式は、予めユーザが発
話区間の推定作業を開始するためのキーワードを設定し
ておき、このキーワードがマイクロホン２から入力され
たことを音声認識によって検出することにより、発話区
間の推定作業を開始するものである。また、トリガ方式
は、押しボタン式のトークボタンやマウス等のポインテ
ィングデバイスを用いてユーザが瞬間的な入力を行うこ
とにより、発話区間の開始点を特定し、その後、発話区
間の終了点の推定処理を起動するものである。さらに、
ＰＴＴ方式は、上述したトークボタンやポインティング
デバイスによる連続操作期間を発話区間とするものであ
る。

【００１５】図１に示すように、本形態の音声認識装置
は、トークボタン／ポインティングデバイス１、マイク
ロホン２、アナログ回路３、Ａ／Ｄ変換器４、演算器
５、単語辞書９、モニタ１１、及びスピーカ１２を有す
るものである。また、演算器５には、音響分析部６、音
声区間検出部７、音声認識部８、キーワード探索部１
０、及び音声認識制御部１３の各機能が設けられてい
る。以下、本形態の音声認識装置の構成について順次説
明する。なお、以下の説明は、本発明に係る音声認識装
置を構成するための機能を中心に説明するが、本例の音
声認識装置は、音声認識以外の機能を有する例えば汎用
のパーソナルコンピュータ等によって構成されるもので
あり、以下に説明するような音声認識以外の機能を実現
するための各種の機能を合わせもつものであり、音声認
識用の専用装置には限定されないものとする。

【００１６】トークボタン／ポインティングデバイス１
は、本例においては、ユーザが発話区間を特定するため
の入力操作を行うための操作手段であり、トリガ方式ま
たはＰＴＴ方式を用いる場合に操作するものである。押
しボタン式のトークボタンは、短く押せば、トリガ方式
による発話区間の開始点を特定する操作となり、長く押
し続ければ、ＰＴＴ方式による発話区間の開始点と終了
点を特定する操作となる。また、マウス等のポインティ
ングデバイスは、モニタ１１の表示画面にＧＵＩによっ
て表示された発話区間を特定するためのアイコンを指示
するものであり、このアイコン等の選択肢を１度クリッ
クすれば、トリガ方式による発話区間の開始点を特定す
る操作となり、長く指示し続ければ、ＰＴＴ方式による
発話区間の開始点と終了点を特定する操作となる。

【００１７】なお、押しボタン式のトークボタンは、発
話区間を特定するための専用ボタンとして設けることも
可能であるが、他の機能を選択するためのボタンと兼用
するような構成とすることも可能である。また、マウス
等のポインティングデバイスは、発話区間を特定するた
めのアイコンに限らず、他のＧＵＩによるアイコンを指
定するのに用いるものであることは言うまでもない。そ
して、このようなトークボタン／ポインティングデバイ
ス１からの操作信号は、演算器５に入力される。

【００１８】マイクロホン２は、音声入力手段であり、
このマイクロホン２から入力された音声は、アナログ回
路３によってゲインや特性を調整された後、Ａ／Ｄ変換
器４でデジタル信号に変換され、演算器５に入力され
る。単語辞書９は、音声認識の際に用いる単語情報を得
るための辞書であり、半導体メモリやディスク等の各種
記憶器によって構成されている。モニタ１１は、音声認
識後の結果である文字列情報を表示したり、音声入力等
の際の各種ガイダンス表示を行うものである。スピーカ
１２は、音声認識後の結果である文字列情報を音声出力
したり、音声入力等の際の各種ガイダンスメッセージの
音声出力を行うものである。

【００１９】また、演算器５は、例えばＭＰＵ、ＣＰ
Ｕ、ＤＳＰ等によって構成され、本例における音声認識
を実現するための以下のような各種演算処理機能を実行
するものである。音響分析部６は、マイクロホン２から
入力された音声の特徴抽出処理を行うものである。この
特徴抽出処理の方法には、帯域フィルタ群による方法、
ＦＦＴ（高速フーリエ変換）による方法、相関関数によ
る方法、ＬＰＣ（線形予測分析）による方法が一般的で
ある。ここでは、ＦＦＴによる方法を採用し、さらに周
波数軸をメルスケールに変換したスペクトルのケプスト
ラムを用いて短時間スペクトルを求めている。

【００２０】音声区間検出部７は、発話区間の開始点と
終了点の推定を行うものである。これは、例えば一定の
閾値以上のレベルの音声入力（短時間パワー）が一定時
間以上継続することを認識して発話区間の開始点を推定
し、一定の閾値以上のレベルの音声入力（短時間パワ
ー）が一定時間以上中断することを認識して発話区間の
終了点を推定する。なお、本例では、このような音声入
力パワーによる推定に加えて、音響分析部６における特
徴抽出の過程で算出されたパラメータを用いて推定する
ことによって、より正確な推定を行えるような構成とな
っている。

【００２１】また、本形態の音声区間検出部７では、ト
ークボタン／ポインティングデバイス１からのオン／オ
フ情報を用いて、発話区間の開始点と終了点を特定する
ようになっている。具体的には後述するが、発話区間の
開始点を推定する前に、トークボタン／ポインティング
デバイス１からオン情報が入力された場合には、その時
点を発話区間の開始点として特定し、開始点の推定を終
了する。また、トークボタン／ポインティングデバイス
１からのオン情報が連続的に入力された場合には、発話
区間の終了点の推定動作は行わず、トークボタン／ポイ
ンティングデバイス１からオフ情報が入力された時点を
発話区間の終了点として特定する。

【００２２】音声認識部８は、音響分析部６からの入力
データに基づいて、単語辞書９を用いた入力音声の単語
認識を行う。この方法としては、ＤＰ（動的計画法）マ
ッチングを用いる方法やＨＭＭ（隠れマルコフモデル）
を用いる方法が一般的である。ここではＨＭＭによる方
法で、音響分析部６で抽出された観測系列と予め学習し
てあるモデル構造から、最大確率となるシンボル系列を
求め、認識結果としている。このように求められた認識
結果は、上述のようにモニタ１１による画面表示やスピ
ーカ１２からの音声出力によってフィードバックされ、
ユーザによる確認作業のために提供される。キーワード
探索部１０は、キーワードの発話の有無を判断するもの
である。ここでは、音声認識部８の認識結果を使い、予
め定めたキーワードだけを自動的に抽出し、他の不要音
は無視する方法を用いている。音声認識制御部１３は、
以上のような演算器５における各部の機能を制御し、図
２に示すような音声認識手順を司るものである。

【００２３】次に、図２に基づいて、キーワード方式、
トリガ方式、ＰＴＴ方式の３つの方式を兼用した発話確
定処理を含む音声認識動作について説明する。まず、音
声認識装置の起動等により、音声認識動作が開始される
と（ステップ１０１）、演算器５において直ちにキーワ
ード探索プログラムが実行され（ステップＳ１０２）、
キーワードが発話されたかどうか（ステップＳ１０
３）、及びトークボタン／ポインティングデバイス１が
操作されたかどうか（ステップＳ１０４）を判定するル
ープに入る。

【００２４】ここで、キーワードが発話された場合に
は、キーワード方式の音声認識処理に分岐し、上述した
音声区間検出部７による発話区間の開始点の推定（ステ
ップＳ１０５、Ｓ１０６）と、発話区間の終了点の推定
（ステップＳ１０７、１０８）を行う。そして、それぞ
れ推定された発話区間の開始点と終了点により、発話区
間を特定し（ステップＳ１１３）、音声認識結果の算出
処理に移行する（ステップＳ１１４）。

【００２５】また、トークボタン／ポインティングデバ
イス１が操作された場合には、その時点で発話区間の開
始点を特定する（ステップＳ１０９）。そして、その操
作が瞬間的なもの（クリック）か否かを判断し（ステッ
プＳ１１０）、瞬間的なものであれば、トリガ方式の音
声認識処理に分岐し、上述した音声区間検出部７による
発話区間の終了点の推定（ステップＳ１０７、１０８）
を行う。そして、特定された発話区間の開始点と推定さ
れた発話区間の終了点により、発話区間を特定し（ステ
ップＳ１１３）、音声認識結果の算出処理に移行する
（ステップＳ１１４）。

【００２６】また、トークボタン／ポインティングデバ
イス１の操作が継続的なものであれば、ＰＴＴ方式の音
声認識処理に分岐し、トークボタン／ポインティングデ
バイス１の操作解除時点で発話区間の終了点を特定する
（ステップＳ１１２）。そして、それぞれ特定された発
話区間の開始点と終了点により、発話区間を特定し（ス
テップＳ１１３）、音声認識結果の算出処理に移行する
（ステップＳ１１４）。

【００２７】以上のようにして、キーワード方式、トリ
ガ方式、ＰＴＴ方式の３つの方式を組み合わせた発話確
定処理を行うことができる。したがって、ユーザが好む
方式、あるいはユーザが慣れ親しんだ方式で、発話区間
を確定させ、音声認識装置を稼働させることができ、従
来のように、システムに搭載してある方式と異なった方
式を用いたために、音声認識装置が正常に動作しないと
いうような事態を回避することができる。

【００２８】また、３つの方式の特徴を知っているユー
ザにとっては、例えば認識率の悪い状態では、ＰＴＴ方
式を使用して認識率を高め、難易度の低いタスク（認識
対象）では、キーワード方式を使用して簡易なユーザイ
ンタフェースを得るといった使い分けを行うことも可能
となり、また、その中間的な性格のトリガ方式を採用し
た処理も可能であり、便利な音声認識装置を提供するこ
とが可能となる。

【００２９】また、本発明の応用例として、３つの方式
のどれが採用されたかにより、システムの応答を変化さ
せることも可能である。例えば、システム応答として音
声認識作業に関するガイダンス表示や音声メッセージを
出力する場合に、キーワード方式やトリガ方式の場合に
は、詳しいガイダンスを出力し、ＰＴＴ方式の場合に
は、例えばビープ音だけを出力するような切り換えを行
うようにしてもよい。また、以上の例では、キーワード
方式、トリガ方式、ＰＴＴ方式の３方式を組み合わせた
場合について説明したが、本発明は、これらの３方式の
うちの２方式だけを組み合わせるものであってもよい。
例えば、キーワード方式とトリガ方式、あるいはキーワ
ード方式とＰＴＴ方式、あるいはトリガ方式とＰＴＴ方
式を組み合わせることにより、３方式を組み合わせた場
合ほどではないものの、十分な効果を得ることができる
ものである。

【００３０】

【発明の効果】以上説明したように本発明の音声認識装
置では、音声入力手段によって入力されたキーワードを
音声認識手段によって認識することにより、そのキーワ
ード入力に続く発話区間の開始点と終了点の推定処理を
行うキーワード方式と、操作手段の瞬間的操作によって
発話区間の開始点を特定するとともに、その発話区間の
終了点の推定処理を行うトリガ方式と、操作手段の連続
的操作及び操作解除によって発話区間の開始点と終了点
とを特定するＰＴＴ方式の３方式のうち少なくとも２方
式を組み合わせることにより、発話区間を特定するよう
にした。したがって、音声認識を行うための発話区間を
特定する方法としてキーワード方式、トリガ方式、ＰＴ
Ｔ方式をユーザが戸惑うケースを少なくすることがで
き、かつ、これらの方式をユーザの希望や認識対象の難
易度等によって選択することが可能となり、便利な音声
認識装置を提供できる効果がある。

【図面の簡単な説明】

【図１】本発明の実施の形態による音声認識装置の構成
例を示すブロック図である。

【図２】図１に示す音声認識装置における音声認識作業
の動作例を示すフローチャートである。

【符号の説明】

１……トークボタン／ポインティングデバイス、２……
マイクロホン、３……アナログ回路、４……Ａ／Ｄ変換
器、５……演算器、６……音響分析部、７……音声区間
検出部、８……音声認識部、９……単語辞書、１０……
キーワード探索部、１１……モニタ、１２……スピー
カ、１３……音声認識制御部。

Claims (8)

【特許請求の範囲】
1. 【請求項１】 音声入力手段によって入力された音声を
   認識して文字列情報に変換する音声認識装置において、 前記音声入力手段によって入力された音声を認識する音
   声認識手段と、 ユーザが発話区間を特定するための入力操作を行うため
   の操作手段と、 前記音声入力手段から入力される音声に対して音声認識
   を行うための発話区間を特定することにより、この発話
   区間における入力音声を前記音声認識手段によって音声
   認識し、その音声認識結果を出力する音声認識制御手段
   とを有し、 前記音声認識制御手段は、 前記音声入力手段によって入力されたキーワードを前記
   音声認識手段によって認識することにより、そのキーワ
   ード入力に続く発話区間の開始点と終了点の推定処理を
   行うキーワード方式と、 前記操作手段の瞬間的操作によって発話区間の開始点を
   特定するとともに、その発話区間の終了点の推定処理を
   行うトリガ方式と、 前記操作手段の連続的操作及び操作解除によって発話区
   間の開始点と終了点とを特定するＰＴＴ方式の３方式の
   うち少なくとも２方式を組み合わせることにより、発話
   区間を特定するようにした、 ことを特徴とする音声認識装置。
2. 【請求項２】 前記発話区間の開始点を推定する処理
   は、一定の閾値以上のレベルの音声入力が一定時間以上
   継続することを認識して発話区間の開始点を推定する処
   理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】 前記発話区間の終了点を推定する処理
   は、一定の閾値以上のレベルの音声入力が一定時間以上
   中断することを認識して発話区間の終了点を推定する処
   理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】 前記操作手段は、押しボタンスイッチで
   あることを特徴とする請求項１記載の音声認識装置。
5. 【請求項５】 前記操作手段は、表示画面上に表示され
   る選択用のアイコンと、前記アイコンを指示するポイン
   ティングデバイスとから構成されることを特徴とする請
   求項１記載の音声認識装置。
6. 【請求項６】 前記音声認識制御手段は、音声認識作業
   が開始されると、前記音声認識手段によるキーワードの
   検出と前記操作手段による操作とを監視し、前記音声認
   識手段によるキーワードの検出があった場合には、前記
   キーワード方式による音声認識制御モードに移行し、前
   記操作手段による操作があった場合には、その操作が瞬
   間的操作か連続的操作かを判断し、瞬間的操作であれ
   ば、前記トリガ方式による音声認識制御モードに移行
   し、連続的操作であれば、前記ＰＴＴ方式による音声認
   識制御モードに移行することを特徴とする請求項１記載
   の音声認識装置。
7. 【請求項７】 前記音声認識作業時に、ユーザに対して
   作業のガイダンスを行うガイダンス手段を有し、前記キ
   ーワード方式、トリガ方式、及びＰＴＴ方式の選択結果
   に応じて異なるガイダンスを行うようにしたことを特徴
   とする請求項６記載の音声認識装置。
8. 【請求項８】 前記音声認識制御手段は、前記音声認識
   結果を表示画面による表示出力及びスピーカによる音声
   出力の少なくとも一方によって出力することを特徴とす
   る請求項１記載の音声認識装置。