JP2001282287A

JP2001282287A - 音声認識装置

Info

Publication number: JP2001282287A
Application number: JP2000094578A
Authority: JP
Inventors: Hiroshi Ono; 宏大野
Original assignee: Denso Corp
Current assignee: Denso Corp
Priority date: 2000-03-30
Filing date: 2000-03-30
Publication date: 2001-10-12

Abstract

(57)【要約】【課題】認識しにくい語句も音声認識可能な音声認識装
置を提供する。【解決手段】ユーザが「あいちけん」をローマ字読みの
「ａｉｔｉｋｅｎ」と頭の中で変換し、トークスイッチ
１２を押しながらマイク１１から「えーあいてぃーあい
けーいーえぬ」と入力した場合、この音声をマイク１１
から音声入力部１３が入力し、音声データに変換して、
音声認識部１４へ出力する。音声認識部１４では、その
音声データを入力して音声認識処理を行い、対応する文
字列「ａｉｔｉｋｅｎ」を、照合部１５へ出力する。照
合部１５では、照合処理部１５ｂが辞書部１５ａから
「ａｉｔｉｋｅｎ」を検索し、対応するＩＤ「２３」を
制御部１６へ出力する。制御部１６は、このＩＤ「２
３」に対応する文字列である「愛知県」をナビゲーショ
ン装置２０の表示器に表示する。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】音声認識装置に関する。

【０００２】

【従来の技術及び発明が解決しようとする課題】従来か
ら音声を認識してその認識結果を文字として表示した
り、認識結果に応じて所定の処理を行う音声認識装置が
知られている。このような音声認識装置では、一般的
に、語句の通常の読みを認識して認識結果を得る。その
ため、ユーザにとって発話しにくい語句や、音声認識装
置にとって認識しにくい語句があった場合には、ユーザ
は音声認識装置によって正しく認識されるまで音声入力
を繰り返すか、音声入力を諦めるしかないという問題が
あった。

【０００３】そこで、特開平１１−２３１８８６号で
は、語句の読みをテキストで入力しておく方法が開示さ
れている。しかしながら、この方法では、認識しにくい
語句の一つ一つの読みをテキストとして入力する必要が
あり、手間がかかることがあった。

【０００４】そこで、本発明は、認識しにくい語句も音
声認識可能な音声認識装置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及び発明の効果】上述した
問題点を解決するためになされた請求項１に記載の音声
認識装置によれば、通常読みの音声と、所定のルールに
従って変換した音声とで、同一の認識結果を得ることが
できる。ここで、通常読みとは、通常の文字の読みをい
い、例えば、漢字であれば仮名読みであり、アルファベ
ットや数字、カタカナ、ひらがなであればその一般的な
読みをいう。

【０００６】所定のルールは、通常読みを別の読みに変
換する規則であり、その別の読みから通常読みに変換可
能なルールであればどのようなものでも構わない。例え
ば、請求項２に示すように、通常読みをローマ字読みに
変換するものでもよい。この場合、例えば、通常読みの
「あ」は、ローマ字読みの「えい」に変換して入力され
ることになる。したがって、「えい」が入力された場合
には、通常読みで「あ」が入力された場合と同じ認識結
果を得ることができる。

【０００７】また所定のルールは、請求項３に示すよう
に、通常読みを所定の数字読みに変換するものでもよ
い。所定の数字読みとは、例えば、通常読みにした場合
の一つ一つの文字に対応する数字を決めておき、それを
用いるとよい。例えば、「あ」に対応する数字を「１
１」と定めておけば、「いちいち」という音声が入力さ
れた場合に、通常読みで「あ」が入力された場合と同じ
認識結果を得ることができる。

【０００８】なお、所定のルールはローマ字読みや数字
読み以外にも、例えば、一つ一つの文字に対応する英字
を定めておきこのテーブルにしたがって変換するものな
どでもよい。こうすることで、通常読みでは認識しにく
い読みも認識可能となる。このような所定のルールに従
って変換された音声を入力する場合と、通常読みの音声
を入力する場合は、ユーザは、特に切り替えることなく
入力可能としてもよい。また、請求項４に示すように、
切り替えて入力できるようにしてもよい。このようにす
れば、どの入力モードで音声が入力されているのかが設
定されているため、その設定された入力モードに応じた
処理に容易に切り替えることができる。

【０００９】さらに、所定のルールが複数ある場合に
は、請求項５に示すように、いずれのルールを選択する
かを設定できるようにすればよい。このようにすれば、
どのルールで音声が入力されているかが容易に判断でき
る。そのため、設定された入力モードに応じた処理への
切り替えを容易に行うことができる。

【００１０】なお、所定のルールに従って変換して入力
する場合には、当然のことながら、所定のルールを、利
用者があらかじめ知る必要がある。そこで、請求項６に
示すように、所定のルールを報知可能とするとよい。例
えば、報知とは、例えば表示したり、音声で出力するこ
とをいう。こうすることで、所定のルールがどのような
ルールであるのかを利用者は知ることができ、通常読み
では認識されにくい場合等にこのルールに従った別の読
みで入力することが容易にできる。

【００１１】

【発明の実施の形態】以下、本発明が適用された実施例
について図面を用いて説明する。なお、本発明の実施の
形態は、下記の実施例に何ら限定されることなく、本発
明の技術的範囲に属する限り種々の形態を採り得ること
は言うまでもない。

【００１２】図１に示すように本実施例の音声認識装置
１は、マイク１１、トークスイッチ１２、音声入力部１
３、音声認識部１４、照合部１５、制御部１６、音声合
成部１７、スピーカ１８、ナビゲーション装置２０を備
える。なお、音声認識部１４、照合部１５、制御部１６
は、ＣＰＵ，ＲＯＭ、ＲＡＭ，タイマー等からなるマイ
クロコンピュータを中心に構成されている。このような
音声認識装置１において実行される音声認識処理の概略
を図１のブロック図と、図２のフローチャートを参照し
て説明する。

【００１３】音声入力部１３は、トークスイッチ１２が
押されている間、マイク１１からユーザの音声を入力
し、その入力した音声を音声データに変換して、音声認
識部１４へ出力する（図２のＳ１００）。音声認識部１
４では、音声入力部１３から出力された音声データを入
力して公知の音声認識処理を行い、この音声データに対
応する文字列を照合部１５へ出力する（Ｓ１１０）。

【００１４】そして、照合部１５は、音声認識部１４か
ら出力された文字列を入力して照合処理部１５ｂが辞書
部１５ａを参照して照合処理を行い（Ｓ１２０）、文字
列に対応するＩＤを決定して、このＩＤを制御部１６へ
出力する（Ｓ１３０）。制御部１６ではそのＩＤに応じ
た制御処理をナビゲーション装置２０に対して行う（Ｓ
１４０）。

【００１５】以上が処理の概略であるが、さらに音声認
識装置１における音声認識の例を図３及び図４を参照し
て具体的に説明する。最初に、図３（ａ）及び図３
（ｂ）の「通常読み」の欄に示すように「あいちけん」
とユーザが発話した場合の例を説明する。ユーザがこの
ように「あいちけん」とトークスイッチ１２を押しなが
らマイク１１に向けて発話した場合には、この「あいち
けん」という音声をマイク１１から音声入力部１３が入
力し、この音声を音声データに変換して、音声認識部１
４へ出力する。音声認識部１４では、その音声データを
入力して公知の音声認識処理を行い、対応する文字列
「あいちけん」を、照合部１５へ出力する。照合部１５
では、照合処理部１５ｂが辞書部１５ａから「あいちけ
ん」を検索し、対応するＩＤを取り出す。この辞書部１
５ａは、図４（ａ）に示すように、文字列とＩＤの対応
関係を記憶しており、「あいちけん」に対しては、ＩＤ
「２３」が割り当てられている。（図４は辞書部１５ａ
の内容の例の一部を示している。）よって、照合部１５
は「あいちけん」に対応するＩＤである「２３」を制御
部１６へ出力する。そして、制御部１６は、ＩＤ「２
３」を入力した場合には、ＩＤ「２３」に対応する文字
列である「愛知県」をナビゲーション装置２０の表示器
に表示する。また、例えば、県名を入力して確認すべき
状態の場合には、ＩＤ「２３」が入力された際に、音声
合成部１７に「あいちけんですね？」という文字列を出
力して、音声合成部１７によってこの文字列に対応する
音声を合成し、スピーカ１８から出力する。このような
ＩＤと状況に応じた制御処理の対応関係は制御部１６の
メモリに記憶されており、ナビゲーション装置２０の状
況に応じて適切な制御処理を行う。

【００１６】このように正しい認識がされた場合には問
題はないが、例えば、音声認識部１４が音声「あいちけ
ん」を「あいひけん」と誤って認識し、文字列「あいひ
けん」を照合部１５に出力した場合には、照合処理にお
いて該当する文字列を辞書部１５ａから見つけることが
できず、認識に失敗する。この場合には、認識失敗を示
すＩＤ「０」を制御部１５に出力する。制御部１５で
は、このＩＤ「０」に応じて、「もう一度入力してくだ
さい」という文字列をナビゲーション装置２０の表示器
に表示させる制御を行うとともに、この文字列に対応す
る音声を音声合成部１７を制御して、スピーカ１８から
出力することで、ユーザに音声の認識に失敗したことを
報知する。このような場合、ユーザは再度「あいちけ
ん」と発話して認識させようとするが、音声認識部１４
は、毎回ほぼ同様の音声認識処理を行うのが一般的であ
るため、同一の音声に対しては同様の結果を出力するこ
とが多い。そのため、何度「あいちけん」とユーザが発
話しても、認識に失敗する可能性がある。

【００１７】そこで、ユーザは、「あいちけん」という
通常読みの認識がうまくいかない場合に、所定のルール
に従って変換した読みで入力することができる。この例
を図３に示す。図３（ａ）は、ユーザが「あいちけん」
をローマ字読みの「ａｉｔｉｋｅｎ」と頭の中で変換
し、トークスイッチ１２を押しながらマイク１１から
「えーあいてぃーあいけーいーえぬ」と入力している例
である。

【００１８】この「えーあいてぃーあいけーいーえぬ」
という音声をマイク１１から音声入力部１３が入力し、
この音声を音声データに変換して、音声認識部１４へ出
力する。音声認識部１４では、その音声データを入力し
て公知の音声認識処理を行い、対応する文字列「ａｉｔ
ｉｋｅｎ」を、照合部１５へ出力する。照合部１５で
は、照合処理部１５ｂが辞書部１５ａから「ａｉｔｉｋ
ｅｎ」を検索し、対応するＩＤを取り出す。この辞書部
１５ａは、図４（ａ）に示すように、文字列とＩＤの対
応関係を記憶しており、「ａｉｔｉｋｅｎ」に対して
は、ＩＤ「２３」が割り当てられている。よって、照合
部１５は「ａｉｔｉｋｅｎ」に対応するＩＤである「２
３」を制御部１６へ出力する。そして、制御部１６は、
このＩＤを入力して、ＩＤに対応する文字列である「愛
知県」をナビゲーション装置２０の表示器に表示する。
また、制御部１６は、前述の場合と同様に、状況に応じ
て音声合成部１７を制御し「あいちけんですね？」とい
う音声をスピーカ１８から出力する。

【００１９】また、図３（ｂ）は「あいちけん」を図２
（ｃ）に示す対応表３に基づいて頭の中で数字読みに変
換してユーザが入力する例である。この対応表３は、左
側の数字の読みと上側の数字の読みとを連続して発話す
ることにより、その行と列の双方に該当する文字が入力
できることを示す表である。例えば、「いちいち」と発
話すれば、「あ」が入力され、「いちにー」と発話すれ
ば、「い」が入力される。したがって、「あいちけん」
は、対応表３により「いちいちいちにーよんにーにーよ
んぜろさん」となる。ユーザが「いちいちいちにーよん
にーにーよんぜろさん」とトークスイッチ１２を押しな
がらマイク１１に向けて発話すると、この音声を音声入
力部１３がマイク１１から入力し、音声データに変換し
て、音声認識部１４へ出力する。音声認識部１４では、
この音声データを入力して公知の音声認識処理を行い、
対応する文字列「１１１２４２２４０３」を、照合部１
５へ出力する。照合部１５では、照合処理部１５ｂが辞
書部１５ａから「１１１２４２２４０３」を検索し、対
応するＩＤを取り出す。この辞書部１５ａは、図４
（ａ）に示すように、文字列とＩＤの対応関係を記憶し
ており、「１１１２４２２４０３」に対しては、ＩＤ
「２３」が割り当てられている。よって、照合部１５は
「１１１２４２２４０３」に対応するＩＤである「２
３」を制御部１６へ出力する。そして、制御部１６は、
このＩＤを入力して、ＩＤに対応する文字列である「愛
知県」をナビゲーション装置２０の表示器に表示する。
また、制御部１６は、前述の場合と同様に、状況に応じ
て、音声合成部１７を制御し「あいちけんですね？」と
いう音声をスピーカ１８から出力する。

【００２０】このように、ユーザは「あいちけん」とマ
イク１１に発話しても、「えーあいてぃーあいけーいー
えぬ」と発話しても、「いちいちいちにーよんにーにー
よんぜろさん」と発話しても、全く同様の認識結果であ
る「愛知県」を得ることができる。このように、ローマ
字読みや数字読みのような所定のルールに従って変換さ
れた読みで入力された場合でも、通常の読みで入力され
た場合と同様の認識結果を得ることができる。したがっ
て、ユーザは通常読みで認識させにくい場合には、変換
された読みで認識を試みることができるので、通常読み
で音声入力を何度も繰り返したり、音声入力を諦めてし
まうことがなくなる。また、キーボード等の他の入力手
段からわざわざ入力する必要もなくなる。

【００２１】上述の実施例において、辞書部１５ａは、
図４（ａ）に示すように、通常読みの場合もローマ字読
みの場合も数字読みの場合も同一のＩＤを割り当ててい
るが、図４（ｂ）に示すように異なるＩＤでもよい。こ
のように異なるＩＤとした場合には、制御部１６でこれ
らのＩＤを同一の認識結果とするように処理すればよ
い。例えば、図４（ｂ）に示す辞書部１５ａによれば、
「あいちけん」はＩＤが「１２３」であり、「ａｉｔｉ
ｋｅｎ」はＩＤが「２２３」であり、「１１１２４２２
４０３」はＩＤが「３２３」である。この辞書によれ
ば、いずれの読みで入力するかによって異なるＩＤが制
御部１６に出力される。このようなＩＤを入力した制御
部１６は、ＩＤが「１２３」、「２２３」、「３２３」
の場合には、「愛知県」を得るようにすればよい。この
ようにすれば、辞書部１５ａで読みの種類によって異な
るＩＤを出力するようにしても、同一の認識結果を得る
ことができる。

【００２２】また、上述の実施例において、音声認識部
１４は対応する文字列として、通常読みの場合には「あ
いちけん」を照合部１５へ出力し、ローマ字読みの場合
には、「ａｉｔｉｋｅｎ」を照合部１５へ出力し、数字
読みの場合には、「１１１２４２２４０３」を出力する
こととしたが、いずれの場合も、前述のそれぞれのルー
ルに従って「あいちけん」に変換して出力するようにし
てもよい。このようにすれば、辞書部１５ａは、図５
（ａ）に示すように、通常読みの辞書のみでよいことと
なる。

【００２３】そして、上述の実施例では、通常読みの場
合とローマ字読みの場合と数字読みの場合とをユーザは
特に明示的に切り替えることなく、単に発話すれば同じ
認識結果を得ることができる。しかし、これらのいずれ
の読みのモードで入力したいのかを、明示的にユーザが
音声認識装置１に与えるようにしてもよい。この場合、
例えば、ユーザは、図示しない入力モード設定スイッチ
から、いずれの読みのモード（入力モード）で入力する
のかを選択するようにする。そして、音声認識装置１
は、入力モード設定スイッチから現在の入力モードを入
力して、その入力モードに応じた処理を行う。例えば、
辞書部１５ａを図５（ｂ）のように、通常読み用辞書、
ローマ字読み用辞書、数字読み用辞書に分けて記憶して
おき、入力モードに応じてこれらの辞書の中から照合処
理部１５ｂが照合処理に利用する辞書を選択するように
してもよい。例えば、入力モード選択スイッチがローマ
字読みモードであれば、ローマ字読み用辞書を検索の対
象として選択する。このようにすれば、検索する辞書の
サイズが、すべての辞書を検索する場合に比べて相対的
に小さくて済み、その結果、相対的に短時間で照合処理
を完了することができる。また、ユーザが明示的に入力
モードを指定しているため、音声認識部１４もこのモー
ドの範囲内での音声認識処理を行えばよい。従って、認
識の精度も上げることができる。

【００２４】さらに、上述のように、例えば「あいちけ
ん」を「愛知県」と認識するように単語として一つの認
識する場合以外に、「あ」「い」といった１文字毎に認
識することも同様にできる。すなわち、ローマ字読みで
あれば、「えー」と入力された場合には「あ」に変換
し、「あい」と入力された場合には「い」に変換するこ
ともできる。この場合には、辞書部１５ａを「ａ＝あ」
「ｉ＝い」のように１文字毎の対応関係を示すものとす
ればよい。数字読みの場合も同様である。このようにす
れば、従来から行われているあいまい検索の単音入力等
が容易にできる。あいまい検索の単音入力とは、例え
ば、「あい」と入力することで「あいちけん」を表示す
るものであり、つまり、単語の一部を入力して残りの部
分を補完する機能である。このように単語の一部のよう
な認識しにくい語句等でもローマ字読みや数字読みで入
力することが容易にできる。

【００２５】ところで、ローマ字読みで入力する場合に
は、ユーザが通常読みに対応するローマ字読みを知って
いる必要がある。また同様に、数字読みで入力する場合
には、ユーザが通常読みに対応する数字読みを知ってい
る必要がある。このような変換ルールは、説明書等に記
載することでユーザに知らせてもよいが、音声認識装置
１が、報知するようにしてもよい。

【００２６】例えば、ローマ字読みの場合には、その変
換表をナビゲーション装置２０の表示器に表示したり、
数字読みの場合には、図２（ｃ）に示す対応表３をナビ
ゲーション装置２０の表示器に表示する。例えば、ナビ
ゲーション装置２０の表示器にタッチパネルを備え、図
２（ｃ）の対応表３を表示器に表示して、タッチされた
文字に対応する数字を数字表示欄３１へ表示するように
してもよい。このようにすれば、例えば、「あ」をタッ
チすれば、数字表示欄３１に「１１」と表示される。ま
た、この時、音声合成部１７を介して「いちいち」と対
応する数字読みをスピーカ１８から出力してもよい。こ
のようにすれば、ユーザは対応表３を容易に覚えること
ができ、音声をさらに容易に認識させることができる。

【００２７】以上のように、音声認識装置の音声入力方
法として従来の通常読みに加えて、ローマ字読みや数字
読みによる入力を許すことにより、通常読みで認識しづ
らい語句の認識を助けることができ、認識精度を向上さ
せることができる。なお、本実施例において、マイク１
１及び音声入力部１３が音声入力手段に相当し、音声認
識部１４、照合部１５、制御部１６が認識手段に相当す
る。また、入力モード設定スイッチが入力モード設定手
段に相当し、ナビゲーション装置２０の表示器、音声合
成部１７、スピーカ１８がルール報知手段に相当する。

【図面の簡単な説明】

【図１】実施例の音声認識装置の構成を示すブロック
図である。

【図２】音声認識処理を示すフローチャートである。

【図３】所定のルールに従って変換した読みの例を示
す説明図である。

【図４】辞書部の構成の例を示す説明図である。

【図５】辞書部の構成の例を示す説明図である。

【符号の説明】

１…音声認識装置３…対応表１１…マイク１２…トークスイッチ１３…音声入力部１４…音声認識部１５…照合部１５…制御部１５ａ…辞書部１５ｂ…照合処理部１６…制御部１７…音声合成部１８…スピーカ２０…ナビゲーション装
置３１…数字表示欄

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）Ｇ０８Ｇ 1/0969 Ｇ１０Ｌ 3/00 ５５１Ｑ５６１Ｄ５７１Ｊ

Claims

【特許請求の範囲】

【請求項１】音声を入力する音声入力手段と、前記音声入力手段によって入力された通常読みの音声を
認識して認識結果を得る認識手段とを備えた音声認識装
置において、前記認識手段は、当該通常読みを所定のルールに従って
変換した読みの音声が入力された場合には、前記所定の
ルールに基づいた処理によって、当該通常読みの認識結
果と同一の認識結果を得ることを特徴とする音声認識装
置。
【請求項２】請求項１に記載の音声認識装置において、前記所定のルールは、前記通常読みをローマ字読みに変
換するものであることを特徴とする音声認識装置。
【請求項３】請求項１または２に記載の音声認識装置に
おいて、前記所定のルールは、前記通常読みを所定の数字読みに
変換するものであることを特徴とする音声認識装置。
【請求項４】請求項１〜３のいずれかに記載の音声認識
装置において、さらに、前記通常読みの音声を入力するのか、前記通常
読みを所定のルールに従って変換した音声を入力するの
かを示す入力モードをユーザが設定するための入力モー
ド設定手段を備え、前記所定のルールに基づいた処理は、前記入力モード設
定手段に設定された入力モードに基づいて行われること
を特徴とする音声認識装置。
【請求項５】請求項４に記載の音声認識装置において、前記入力モード設定手段は、前記所定のルールが複数あ
る場合には、いずれのルールで入力するのかを、前記入
力モードとして設定可能であることを特徴とする音声認
識装置。
【請求項６】請求項１〜５のいずれかに記載の音声認識
装置において、さらに、前記所定のルールを利用者に報知するルール報
知手段を備えることを特徴とする音声認識装置。