JP2002041085A - 音声認識装置及び記録媒体 - Google Patents
音声認識装置及び記録媒体Info
- Publication number
- JP2002041085A JP2002041085A JP2000220564A JP2000220564A JP2002041085A JP 2002041085 A JP2002041085 A JP 2002041085A JP 2000220564 A JP2000220564 A JP 2000220564A JP 2000220564 A JP2000220564 A JP 2000220564A JP 2002041085 A JP2002041085 A JP 2002041085A
- Authority
- JP
- Japan
- Prior art keywords
- recognition
- pattern matching
- word
- specific word
- pattern
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000605 extraction Methods 0.000 claims description 28
- 238000011156 evaluation Methods 0.000 claims description 12
- 230000002411 adverse Effects 0.000 claims description 8
- 241000406668 Loxodonta cyclotis Species 0.000 claims 1
- 238000000034 method Methods 0.000 claims 1
- 230000002093 peripheral effect Effects 0.000 abstract 3
- 230000006870 function Effects 0.000 description 23
- 238000001228 spectrum Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 239000000284 extract Substances 0.000 description 4
- 230000005236 sound signal Effects 0.000 description 4
- 230000015572 biosynthetic process Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 230000010365 information processing Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000003786 synthesis reaction Methods 0.000 description 2
- 241001655798 Taku Species 0.000 description 1
- 101000872823 Xenopus laevis Probable histone deacetylase 1-A Proteins 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000002427 irreversible effect Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000007257 malfunction Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000002194 synthesizing effect Effects 0.000 description 1
- 238000012876 topography Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/34—Route searching; Route guidance
- G01C21/36—Input/output arrangements for on-board computers
- G01C21/3605—Destination input or retrieval
- G01C21/3608—Destination input or retrieval using speech input, e.g. using speech recognition
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/08—Speech classification or search
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/08—Speech classification or search
- G10L15/18—Speech classification or search using natural language modelling
- G10L15/1815—Semantic context, e.g. disambiguation of the recognition hypotheses based on word meaning
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/22—Procedures used during a speech recognition process, e.g. man-machine dialogue
- G10L2015/223—Execution procedure of a spoken command
Landscapes
- Engineering & Computer Science (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Human Computer Interaction (AREA)
- Acoustics & Sound (AREA)
- Artificial Intelligence (AREA)
- General Health & Medical Sciences (AREA)
- Multimedia (AREA)
- Computational Linguistics (AREA)
- Automation & Control Theory (AREA)
- General Physics & Mathematics (AREA)
- Navigation (AREA)
- Traffic Control Systems (AREA)
Abstract
(57)【要約】
【課題】 入力音声信号の認識結果を外部機器の動作制
御に供する場合に、入力音声信号を当該外部機器の異常
動作を招く単語として誤認識する可能性を低くするこ
と。 【解決手段】 パターンマッチング部２１は、特徴抽出
部２０で抽出された入力音声信号についてのＬＰＣケプ
ストラム係数の時系列データと、辞書部に予め記憶され
ている認識対象語彙の標準パターンとのパターンマッチ
ングを行う。認識対象語彙の標準パターンとしては、ボ
イスコマンドとして外部機器に与えられたときにこれが
動作不都合状態を起こす可能性がある特定単語及びこれ
と反対の意味を持つ第２の特定単語にそれぞれ対応した
標準パターンの他に、特定単語及び第２の特定単語と類
似した音声群にそれぞれ対応した標準パターンの集団が
認識対象候補集団として用意される。パターンマッチン
グ部２１は、パターンマッチング時に、ＬＰＣケプスト
ラム係数の時系列データとの一致度合いが高い標準パタ
ーンが認識対象候補集団中に存在する場合に、第２の特
定単語を認識結果として出力する。
御に供する場合に、入力音声信号を当該外部機器の異常
動作を招く単語として誤認識する可能性を低くするこ
と。 【解決手段】 パターンマッチング部２１は、特徴抽出
部２０で抽出された入力音声信号についてのＬＰＣケプ
ストラム係数の時系列データと、辞書部に予め記憶され
ている認識対象語彙の標準パターンとのパターンマッチ
ングを行う。認識対象語彙の標準パターンとしては、ボ
イスコマンドとして外部機器に与えられたときにこれが
動作不都合状態を起こす可能性がある特定単語及びこれ
と反対の意味を持つ第２の特定単語にそれぞれ対応した
標準パターンの他に、特定単語及び第２の特定単語と類
似した音声群にそれぞれ対応した標準パターンの集団が
認識対象候補集団として用意される。パターンマッチン
グ部２１は、パターンマッチング時に、ＬＰＣケプスト
ラム係数の時系列データとの一致度合いが高い標準パタ
ーンが認識対象候補集団中に存在する場合に、第２の特
定単語を認識結果として出力する。
Description
【０００１】
【発明の属する技術分野】本発明は、マン−マシン・イ
ンタフェースとして使用される音声認識装置及びその音
声認識装置の主要部の機能をコンピュータシステムにお
いて実現するためのプログラム及びデータを記録した記
録媒体に関する。
ンタフェースとして使用される音声認識装置及びその音
声認識装置の主要部の機能をコンピュータシステムにお
いて実現するためのプログラム及びデータを記録した記
録媒体に関する。
【０００２】
【発明が解決しようとする課題】マイクロホンを通じて
入力された音声を認識する音声認識装置にあっては、入
力音声信号を分析した特徴パラメータと、辞書部に記憶
されている認識対象語彙の比較対象パターンとを比較す
ることにより、認識対象語彙中から比較結果が近い一つ
（または複数）の単語を選択して出力する構成とされる
ものであるが、この場合、入力された音声が認識対象語
彙中に存在しない場合でも、何れかの類似単語を選択し
て出力する構成が一般的となっている。また、このよう
な誤認識の他に、周囲雑音などに起因して入力音声信号
とは異なる単語を出力してしまうという誤認識も不可避
であるという一般的事情もある。このため、音声認識装
置の出力により外部機器の動作制御を行う際には、上記
のように入力音声信号が誤認識された場合に、外部機器
の動作に重大な悪影響を及ぼす可能性が出てくるもので
あり、その一例として、以下のような事例が考えられ
る。
入力された音声を認識する音声認識装置にあっては、入
力音声信号を分析した特徴パラメータと、辞書部に記憶
されている認識対象語彙の比較対象パターンとを比較す
ることにより、認識対象語彙中から比較結果が近い一つ
（または複数）の単語を選択して出力する構成とされる
ものであるが、この場合、入力された音声が認識対象語
彙中に存在しない場合でも、何れかの類似単語を選択し
て出力する構成が一般的となっている。また、このよう
な誤認識の他に、周囲雑音などに起因して入力音声信号
とは異なる単語を出力してしまうという誤認識も不可避
であるという一般的事情もある。このため、音声認識装
置の出力により外部機器の動作制御を行う際には、上記
のように入力音声信号が誤認識された場合に、外部機器
の動作に重大な悪影響を及ぼす可能性が出てくるもので
あり、その一例として、以下のような事例が考えられ
る。
【０００３】例えば、操作信号の音声入力並びにユーザ
（車両運転者）側への質問、返答などの音声出力を行う
ボイスコントロール機能付きのカーナビゲーション装置
において、周知のルート探索動作により設定されたルー
トを地図画面により案内させながら目的地へ向かって車
両を走行させている途中で、ユーザが表示地図の縮小を
意図して「しゅくしょう」というボイスコマンドを発声
した場合に、装置側でこれを「じたく」と誤認識する可
能性がある。この場合、仮に、カーナビゲーション装置
が音声入力に応じて当該音声入力による指令内容を直ち
に実行する構成であった場合には、上記のような誤認識
が行われたときに、目的地までの設定ルートを破棄して
自宅までのルート探索動作が行われることになり、結果
的に、ユーザの意図に反して目的地までの設定ルートが
破棄されてしまう。そこで、実際には、装置側では「自
宅を目的地に設定します」、「よろしいですか？」と返
答し、ユーザ側に確認を求める構成とされる。従って、
ユーザ側では、上記確認を求められたときに「いいえ」
と答えれば、装置側では自宅までのルート探索動作を行
うことなく待機するようになり、改めて表示地図を縮小
するためのボイスコマンドを入力すれば良い。しかし、
ここでユーザ側が慌てて「しゅくしょう」などと発声し
た場合には、装置側でこれを「はい」と誤認識する可能
性が生じ、このような場合には目的地までの設定ルート
がユーザの意図に反して破棄されてしまうという問題点
を引き起こす。
（車両運転者）側への質問、返答などの音声出力を行う
ボイスコントロール機能付きのカーナビゲーション装置
において、周知のルート探索動作により設定されたルー
トを地図画面により案内させながら目的地へ向かって車
両を走行させている途中で、ユーザが表示地図の縮小を
意図して「しゅくしょう」というボイスコマンドを発声
した場合に、装置側でこれを「じたく」と誤認識する可
能性がある。この場合、仮に、カーナビゲーション装置
が音声入力に応じて当該音声入力による指令内容を直ち
に実行する構成であった場合には、上記のような誤認識
が行われたときに、目的地までの設定ルートを破棄して
自宅までのルート探索動作が行われることになり、結果
的に、ユーザの意図に反して目的地までの設定ルートが
破棄されてしまう。そこで、実際には、装置側では「自
宅を目的地に設定します」、「よろしいですか？」と返
答し、ユーザ側に確認を求める構成とされる。従って、
ユーザ側では、上記確認を求められたときに「いいえ」
と答えれば、装置側では自宅までのルート探索動作を行
うことなく待機するようになり、改めて表示地図を縮小
するためのボイスコマンドを入力すれば良い。しかし、
ここでユーザ側が慌てて「しゅくしょう」などと発声し
た場合には、装置側でこれを「はい」と誤認識する可能
性が生じ、このような場合には目的地までの設定ルート
がユーザの意図に反して破棄されてしまうという問題点
を引き起こす。
【０００４】要するに、音声認識装置の認識対象語彙中
に、誤認識されることで、外部機器の動作に不都合が生
じたり、外部機器がユーザの意図に反した動作を行う可
能性がある単語が存在することがあり、従って、音声認
識装置においては、上記のような誤認識に起因して外部
機器が不用意な動作をする事態を未然に防止できる技術
を採用することが望ましいものである。
に、誤認識されることで、外部機器の動作に不都合が生
じたり、外部機器がユーザの意図に反した動作を行う可
能性がある単語が存在することがあり、従って、音声認
識装置においては、上記のような誤認識に起因して外部
機器が不用意な動作をする事態を未然に防止できる技術
を採用することが望ましいものである。
【０００５】そこで、本発明の目的は、入力音声信号を
認識結果を外部機器の動作制御に供する場合に、その入
力音声信号を当該外部機器の異常動作を招く単語として
誤認識する可能性を低くできて、外部機器が不用意な動
作をする事態を未然に防止可能になる音声認識装置並び
に上記誤認識の可能性を低くできる音声認識動作をコン
ピュータシステムにおいて実現可能なプログラム及びデ
ータを記録した記録媒体を提供することにある。
認識結果を外部機器の動作制御に供する場合に、その入
力音声信号を当該外部機器の異常動作を招く単語として
誤認識する可能性を低くできて、外部機器が不用意な動
作をする事態を未然に防止可能になる音声認識装置並び
に上記誤認識の可能性を低くできる音声認識動作をコン
ピュータシステムにおいて実現可能なプログラム及びデ
ータを記録した記録媒体を提供することにある。
【０００６】
【課題を解決するための手段】上記目的を達成するため
に請求項１に記載した手段を採用できる。この手段は、
音響分析手段、特徴抽出手段及びパターンマッチング手
段を備えており、話者による入力音声信号を音響分析す
ると共に、その分析結果に基づいて入力音声信号の特徴
パラメータを抽出し、抽出された特徴パラメータと予め
記憶されている認識対象語彙の比較対象パターンとのパ
ターンマッチングを行って一致度合いが高い単語を認識
結果とするものであり、その認識結果を外部機器の動作
制御に供するようになる。この場合、パターンマッチン
グ手段は、パターンマッチング時において、認識結果の
候補となった単語の認識信頼性が低く、且つその候補単
語が外部機器の動作に悪影響を及ぼす可能性がある特定
の単語であった場合には、その特定単語を避けた単語を
出力する。この結果、入力音声信号が外部機器に悪影響
を及ぼす単語として誤認識される可能性が低くなるか
ら、その外部機器が不用意な動作をする事態を未然に防
止できるようになる。
に請求項１に記載した手段を採用できる。この手段は、
音響分析手段、特徴抽出手段及びパターンマッチング手
段を備えており、話者による入力音声信号を音響分析す
ると共に、その分析結果に基づいて入力音声信号の特徴
パラメータを抽出し、抽出された特徴パラメータと予め
記憶されている認識対象語彙の比較対象パターンとのパ
ターンマッチングを行って一致度合いが高い単語を認識
結果とするものであり、その認識結果を外部機器の動作
制御に供するようになる。この場合、パターンマッチン
グ手段は、パターンマッチング時において、認識結果の
候補となった単語の認識信頼性が低く、且つその候補単
語が外部機器の動作に悪影響を及ぼす可能性がある特定
の単語であった場合には、その特定単語を避けた単語を
出力する。この結果、入力音声信号が外部機器に悪影響
を及ぼす単語として誤認識される可能性が低くなるか
ら、その外部機器が不用意な動作をする事態を未然に防
止できるようになる。
【０００７】請求項２記載の手段によれば、パターンマ
ッチング手段は、パターンマッチング時において、前記
認識信頼性が低い状態の候補単語が外部機器の機能低下
を招く可能性がある特定の単語であった場合には、その
特定単語を避けた単語を出力するから、その外部機器の
機能が不用意に低下される事態を未然に防止できるよう
になる。
ッチング手段は、パターンマッチング時において、前記
認識信頼性が低い状態の候補単語が外部機器の機能低下
を招く可能性がある特定の単語であった場合には、その
特定単語を避けた単語を出力するから、その外部機器の
機能が不用意に低下される事態を未然に防止できるよう
になる。
【０００８】前記目的を達成するために請求項３に記載
した手段を採用することもできる。この手段において
も、音響分析手段、特徴抽出手段及びパターンマッチン
グ手段を備えており、話者による入力音声信号を音響分
析すると共に、その分析結果に基づいて入力音声信号の
特徴パラメータを抽出し、抽出された特徴パラメータと
予め記憶されている認識対象語彙の比較対象パターンと
のパターンマッチングを行って一致度合いが高い単語を
認識結果とするものであり、その認識結果を外部機器の
動作制御に供するようになる。この場合、パターンマッ
チング手段は、パターンマッチング時において、認識結
果の候補となった単語の認識信頼性が低く、且つその候
補単語が外部機器を話者の意図と異なる状態で動作させ
る可能性がある特定の単語であった場合には、その特定
単語を避けた単語を出力する。この結果、入力音声信号
が、外部機器を話者の意図と異なる状態で動作させる事
態を招く単語として誤認識される可能性が低くなるか
ら、その外部機器が不用意な動作をする事態を未然に防
止できるようになる。
した手段を採用することもできる。この手段において
も、音響分析手段、特徴抽出手段及びパターンマッチン
グ手段を備えており、話者による入力音声信号を音響分
析すると共に、その分析結果に基づいて入力音声信号の
特徴パラメータを抽出し、抽出された特徴パラメータと
予め記憶されている認識対象語彙の比較対象パターンと
のパターンマッチングを行って一致度合いが高い単語を
認識結果とするものであり、その認識結果を外部機器の
動作制御に供するようになる。この場合、パターンマッ
チング手段は、パターンマッチング時において、認識結
果の候補となった単語の認識信頼性が低く、且つその候
補単語が外部機器を話者の意図と異なる状態で動作させ
る可能性がある特定の単語であった場合には、その特定
単語を避けた単語を出力する。この結果、入力音声信号
が、外部機器を話者の意図と異なる状態で動作させる事
態を招く単語として誤認識される可能性が低くなるか
ら、その外部機器が不用意な動作をする事態を未然に防
止できるようになる。
【０００９】請求項４記載の手段によれば、パターンマ
ッチング手段は、パターンマッチング時において、前記
認識信頼性が低い状態の候補単語が外部機器の設定内容
の変更という動作不都合状態を招く可能性がある特定の
単語であった場合には、その特定単語を避けた単語を出
力するから、その外部機器の設定内容が不用意に変更さ
れる事態を未然に防止できるようになる。
ッチング手段は、パターンマッチング時において、前記
認識信頼性が低い状態の候補単語が外部機器の設定内容
の変更という動作不都合状態を招く可能性がある特定の
単語であった場合には、その特定単語を避けた単語を出
力するから、その外部機器の設定内容が不用意に変更さ
れる事態を未然に防止できるようになる。
【００１０】請求項５記載の手段によれば、信頼度推定
手段が、音響分析手段、特徴抽出手段あるいはパターン
マッチング手段の少なくとも何れかにおいて得られる所
定の信頼度評価用特徴量に基づき、前記認識結果の絶対
的な信頼度を推定する。ここで、パターンマッチングに
より得られる尤度（確からしさ）は、比較対象パターン
との一致度合いを示すものであって、あくまでも相対的
なものである。つまり、パターンマッチング時において
尤度が一番大きなものを認識結果として選択したとして
も、それは相対的に一致度合いが高いだけであり、実際
の入力音声信号に対して、その認識結果がどの程度正し
いかという判断に関しては適切な評価ができない。この
ような事情に対処するために、この手段では、パターン
マッチング手段での認識結果を絶対的な観点で評価可能
な「信頼度」という指標を、音響分析手段、特徴抽出手
段あるいはパターンマッチング手段の少なくとも何れか
において得られる所定の信頼度評価用特徴量に基づいて
推定するようにしたものである。
手段が、音響分析手段、特徴抽出手段あるいはパターン
マッチング手段の少なくとも何れかにおいて得られる所
定の信頼度評価用特徴量に基づき、前記認識結果の絶対
的な信頼度を推定する。ここで、パターンマッチングに
より得られる尤度（確からしさ）は、比較対象パターン
との一致度合いを示すものであって、あくまでも相対的
なものである。つまり、パターンマッチング時において
尤度が一番大きなものを認識結果として選択したとして
も、それは相対的に一致度合いが高いだけであり、実際
の入力音声信号に対して、その認識結果がどの程度正し
いかという判断に関しては適切な評価ができない。この
ような事情に対処するために、この手段では、パターン
マッチング手段での認識結果を絶対的な観点で評価可能
な「信頼度」という指標を、音響分析手段、特徴抽出手
段あるいはパターンマッチング手段の少なくとも何れか
において得られる所定の信頼度評価用特徴量に基づいて
推定するようにしたものである。
【００１１】そして、パターンマッチング手段は、パタ
ーンマッチング時において前記特定単語の認識結果の信
頼度を信頼度推定手段から取り込むと共に、その信頼度
が所定レベル以下であった場合に、特定単語の認識信頼
性が低いと判断して、当該特定単語を避けた認識結果を
出力する。要するに、入力音声信号が特定単語であるか
否かを絶対的な指標である「信頼度」により評価し、そ
の評価に基づき入力音声信号が特定単語であるとの確信
を持てない場合には、当該特定単語以外の単語が認識結
果として出力されるものであり、結果的に、外部機器が
不用意な動作をする事態を効果的に防止できるようにな
る。
ーンマッチング時において前記特定単語の認識結果の信
頼度を信頼度推定手段から取り込むと共に、その信頼度
が所定レベル以下であった場合に、特定単語の認識信頼
性が低いと判断して、当該特定単語を避けた認識結果を
出力する。要するに、入力音声信号が特定単語であるか
否かを絶対的な指標である「信頼度」により評価し、そ
の評価に基づき入力音声信号が特定単語であるとの確信
を持てない場合には、当該特定単語以外の単語が認識結
果として出力されるものであり、結果的に、外部機器が
不用意な動作をする事態を効果的に防止できるようにな
る。
【００１２】請求項６に記載したように、前記絶対的な
信頼度を、パターンマッチング手段による認識結果が正
解である確率に基づいて推定することが考えられる。こ
のようにすれば、信頼度を直観的且つ定量的に把握でき
るようになり、上記認識結果を利用するアプリケーショ
ンを実際に構築する際に便利になる。
信頼度を、パターンマッチング手段による認識結果が正
解である確率に基づいて推定することが考えられる。こ
のようにすれば、信頼度を直観的且つ定量的に把握でき
るようになり、上記認識結果を利用するアプリケーショ
ンを実際に構築する際に便利になる。
【００１３】前記目的を達成するために、請求項７ある
いは請求項９に記載した手段を採用することができる。
これらの手段においても、音響分析手段、特徴抽出手段
及びパターンマッチング手段を備えており、話者による
入力音声信号を音響分析すると共に、その分析結果に基
づいて入力音声信号の特徴パラメータを抽出し、抽出さ
れた特徴パラメータと予め記憶されている認識対象語彙
の比較対象パターンとのパターンマッチングを行って一
致度合いが高い単語を認識結果とするものであり、その
認識結果を外部機器の動作制御に供するようになる。こ
の場合、認識対象語彙の比較対象パターンとして、前記
外部機器の動作に悪影響を及ぼす可能性がある特定の単
語、あるいは外部機器を話者の意図と異なる状態で動作
させる可能性がある特定の単語に対応した比較対象パタ
ーンの他に、その特定単語と類似した音声群に対応した
比較対象パターンの集団が認識対象候補集団として用意
されており、パターンマッチング手段は、パターンマッ
チング時において、入力音声信号から抽出された特徴パ
ラメータとの一致度合いが高い比較対象パターンが上記
認識対象候補集団中に存在する場合に、前記特定単語を
避けた単語を出力する。
いは請求項９に記載した手段を採用することができる。
これらの手段においても、音響分析手段、特徴抽出手段
及びパターンマッチング手段を備えており、話者による
入力音声信号を音響分析すると共に、その分析結果に基
づいて入力音声信号の特徴パラメータを抽出し、抽出さ
れた特徴パラメータと予め記憶されている認識対象語彙
の比較対象パターンとのパターンマッチングを行って一
致度合いが高い単語を認識結果とするものであり、その
認識結果を外部機器の動作制御に供するようになる。こ
の場合、認識対象語彙の比較対象パターンとして、前記
外部機器の動作に悪影響を及ぼす可能性がある特定の単
語、あるいは外部機器を話者の意図と異なる状態で動作
させる可能性がある特定の単語に対応した比較対象パタ
ーンの他に、その特定単語と類似した音声群に対応した
比較対象パターンの集団が認識対象候補集団として用意
されており、パターンマッチング手段は、パターンマッ
チング時において、入力音声信号から抽出された特徴パ
ラメータとの一致度合いが高い比較対象パターンが上記
認識対象候補集団中に存在する場合に、前記特定単語を
避けた単語を出力する。
【００１４】ここで、認識対象語彙の比較対象パターン
中に、特定単語に対応した比較対象パターンの他に、そ
の特定単語と類似した音声群に対応した比較対象パター
ンの集団が用意された場合には、入力音声信号が特定単
語であると認識される特徴空間が限定されることにな
る。このような状態は、特定単語以外の単語が当該特定
単語と認識される可能性が相対的に低くなった状態に相
当するようになり、このときには、当該特定単語を避け
た単語を出力する確率が高くなる。この結果、入力音声
信号が、外部機器に悪影響を及ぼす単語あるいは外部機
器を話者の意図と異なる状態で動作させる事態を招く単
語として誤認識される可能性が低くなるから、その外部
機器が不用意な動作をする事態を効果的に防止可能とな
る。
中に、特定単語に対応した比較対象パターンの他に、そ
の特定単語と類似した音声群に対応した比較対象パター
ンの集団が用意された場合には、入力音声信号が特定単
語であると認識される特徴空間が限定されることにな
る。このような状態は、特定単語以外の単語が当該特定
単語と認識される可能性が相対的に低くなった状態に相
当するようになり、このときには、当該特定単語を避け
た単語を出力する確率が高くなる。この結果、入力音声
信号が、外部機器に悪影響を及ぼす単語あるいは外部機
器を話者の意図と異なる状態で動作させる事態を招く単
語として誤認識される可能性が低くなるから、その外部
機器が不用意な動作をする事態を効果的に防止可能とな
る。
【００１５】請求項８記載の手段によれば、認識対象候
補集団として、外部機器の機能低下を招く特定の単語と
類似した音声群に対応した比較対象パターンの集団が用
意されるから、入力音声信号が、外部機器の機能低下を
招く単語として誤認識されることに起因して当該外部機
器が不用意な動作をする事態を効果的に防止可能とな
る。
補集団として、外部機器の機能低下を招く特定の単語と
類似した音声群に対応した比較対象パターンの集団が用
意されるから、入力音声信号が、外部機器の機能低下を
招く単語として誤認識されることに起因して当該外部機
器が不用意な動作をする事態を効果的に防止可能とな
る。
【００１６】請求項１０記載の手段によれば、認識対象
候補集団として、外部機器の設定内容の変更を招く可能
性がある特定の単語と類似した音声群に対応した比較対
象パターンの集団が用意されるから、入力音声信号が、
外部機器の設定内容の変更を招く単語として誤認識され
ることに起因して当該外部機器が不用意な動作をする事
態を効果的に防止可能となる。
候補集団として、外部機器の設定内容の変更を招く可能
性がある特定の単語と類似した音声群に対応した比較対
象パターンの集団が用意されるから、入力音声信号が、
外部機器の設定内容の変更を招く単語として誤認識され
ることに起因して当該外部機器が不用意な動作をする事
態を効果的に防止可能となる。
【００１７】請求項１１記載の手段によれば、認識対象
語彙の比較対象パターン中には、前記特定単語及び当該
特定単語と反対の意味を持つ第２の特定単語にそれぞれ
に対応した比較対象パターンの他に、上記特定単語と類
似した音声群及び上記第２の特定単語と類似した音声群
にそれぞれ対応した比較対象パターンの集団が認識対象
候補集団として用意され、パターンマッチング手段は、
パターンマッチング時において、入力音声信号から抽出
された特徴パラメータとの一致度合いが高い比較対象パ
ターンが上記認識対象候補集団中に存在する場合に、上
記第２の特定単語を認識結果として出力する。
語彙の比較対象パターン中には、前記特定単語及び当該
特定単語と反対の意味を持つ第２の特定単語にそれぞれ
に対応した比較対象パターンの他に、上記特定単語と類
似した音声群及び上記第２の特定単語と類似した音声群
にそれぞれ対応した比較対象パターンの集団が認識対象
候補集団として用意され、パターンマッチング手段は、
パターンマッチング時において、入力音声信号から抽出
された特徴パラメータとの一致度合いが高い比較対象パ
ターンが上記認識対象候補集団中に存在する場合に、上
記第２の特定単語を認識結果として出力する。
【００１８】つまり、この手段によれば、パターンマッ
チング手段でのパターンマッチング時において、第２の
特定単語に多くの言い換えが用意された状態と等価とな
って、入力音声信号が特定単語であると認識される特徴
空間が限定されると共に、第２の特定単語であると認識
される特徴空間が拡大されることになる。このような状
態は、特定単語以外の単語が当該特定単語と認識される
可能性が相対的に低くなった状態に相当するようにな
り、このときには、当該特定単語と反対の意味の第２の
特定単語を出力する確率が高くなるから、外部機器が不
用意な動作をする事態を効果的に防止可能となる。
チング手段でのパターンマッチング時において、第２の
特定単語に多くの言い換えが用意された状態と等価とな
って、入力音声信号が特定単語であると認識される特徴
空間が限定されると共に、第２の特定単語であると認識
される特徴空間が拡大されることになる。このような状
態は、特定単語以外の単語が当該特定単語と認識される
可能性が相対的に低くなった状態に相当するようにな
り、このときには、当該特定単語と反対の意味の第２の
特定単語を出力する確率が高くなるから、外部機器が不
用意な動作をする事態を効果的に防止可能となる。
【００１９】請求項１２に記載したように、パターンマ
ッチング手段が、前記特定単語を避けた認識結果を出力
する動作を、外部機器における所定の動作制御を許容す
るか否かの確認のために話者による音声入力を求める場
面で行う構成とした場合には、外部機器の動作の有無を
最終的に確認するための入力音声信号が誤認識される可
能性が小さくなるため、その外部機器の不用意な動作を
防止する上で有益となる。
ッチング手段が、前記特定単語を避けた認識結果を出力
する動作を、外部機器における所定の動作制御を許容す
るか否かの確認のために話者による音声入力を求める場
面で行う構成とした場合には、外部機器の動作の有無を
最終的に確認するための入力音声信号が誤認識される可
能性が小さくなるため、その外部機器の不用意な動作を
防止する上で有益となる。
【００２０】請求項１３に記載した手段によれば、ナビ
ゲーション装置のボイスコントロールが可能になると共
に、入力音声信号の誤認識に起因した装置の誤動作を効
果的に防止できるようになる。
ゲーション装置のボイスコントロールが可能になると共
に、入力音声信号の誤認識に起因した装置の誤動作を効
果的に防止できるようになる。
【００２１】請求項１４に記載したように、上記した音
声認識装置におけるパターンマッチング手段の機能は、
その機能をコンピュータシステムにて実現するためプロ
グラム及びデータを記録した記録媒体により得ることが
できる。この場合、例えば、ＣＤ−ＲＯＭ、ＤＶＤ−Ｒ
ＯＭ、不揮発性メモリ（ＥＥＰＲＯＭなど）、フロッピ
ー（登録商標）ディスク、光磁気ディスク、ハードディ
スクなど、多様な記録媒体を利用でき、その記録媒体に
記録されたプログラム及びデータを必要に応じてコンピ
ュータシステム側に読み込み、そのプログラム及びデー
タに従った情報処理を実行することによりパターンマッ
チング手段の機能を実現できる。
声認識装置におけるパターンマッチング手段の機能は、
その機能をコンピュータシステムにて実現するためプロ
グラム及びデータを記録した記録媒体により得ることが
できる。この場合、例えば、ＣＤ−ＲＯＭ、ＤＶＤ−Ｒ
ＯＭ、不揮発性メモリ（ＥＥＰＲＯＭなど）、フロッピ
ー（登録商標）ディスク、光磁気ディスク、ハードディ
スクなど、多様な記録媒体を利用でき、その記録媒体に
記録されたプログラム及びデータを必要に応じてコンピ
ュータシステム側に読み込み、そのプログラム及びデー
タに従った情報処理を実行することによりパターンマッ
チング手段の機能を実現できる。
【００２２】請求項１５に記載したように、上記パター
ンマッチング手段の機能の他に、音声認識装置における
前記信頼度推定手段の機能をコンピュータシステムにて
実現するためのプログラム及びデータを記録した記録媒
体を用意することもできる。この場合にも、多様な記録
媒体を利用でき、その記録媒体に記録されたプログラム
及びデータを必要に応じてコンピュータシステム側に読
み込み、そのプログラム及びデータに従った情報処理を
実行することによりパターンマッチング手段並びに信頼
度推定手段の機能を実現できる。
ンマッチング手段の機能の他に、音声認識装置における
前記信頼度推定手段の機能をコンピュータシステムにて
実現するためのプログラム及びデータを記録した記録媒
体を用意することもできる。この場合にも、多様な記録
媒体を利用でき、その記録媒体に記録されたプログラム
及びデータを必要に応じてコンピュータシステム側に読
み込み、そのプログラム及びデータに従った情報処理を
実行することによりパターンマッチング手段並びに信頼
度推定手段の機能を実現できる。
【００２３】
【発明の実施の形態】（第１の実施の形態）以下、本発
明をカーナビゲーション装置に適用した第１実施例につ
いて図１ないし図４を参照しながら説明する。図４に
は、カーナビゲーション装置１を含む全体の電気的構成
が概略的に示されている。この図４において、カーナビ
ゲーション装置１は、位置検出器２、地図データ入力器
３、操作スイッチ群４、これらに接続されたマイクロコ
ンピュータを主体として成る制御回路５、この制御回路
５に接続された外部メモリ６、例えばフルカラー液晶デ
ィスプレイから成る表示装置７、リモコンセンサ８、対
話制御部９、音声合成部１０、例えばアンプ内蔵型のス
ピーカ１１を備えた構成となっている。
明をカーナビゲーション装置に適用した第１実施例につ
いて図１ないし図４を参照しながら説明する。図４に
は、カーナビゲーション装置１を含む全体の電気的構成
が概略的に示されている。この図４において、カーナビ
ゲーション装置１は、位置検出器２、地図データ入力器
３、操作スイッチ群４、これらに接続されたマイクロコ
ンピュータを主体として成る制御回路５、この制御回路
５に接続された外部メモリ６、例えばフルカラー液晶デ
ィスプレイから成る表示装置７、リモコンセンサ８、対
話制御部９、音声合成部１０、例えばアンプ内蔵型のス
ピーカ１１を備えた構成となっている。
【００２４】位置検出器２は、周知構成の地磁気センサ
１２、ジャイロセンサ１３、距離センサ１４、及びＧＰ
Ｓ衛星からの電波に基づいて車両の位置を検出するため
のＧＰＳ受信機１５を有しており、これら各センサ１２
〜１５は、車両の適宜部所に設置される。前記制御回路
５は、位置検出器２の各センサ１２〜１５が性質の異な
る誤差を有しているため、各々補間しながら使用するよ
うに構成されており、これらセンサ１２〜１５からの入
力に基づいて、車両の現在位置、進行方向、速度や走行
距離などを高精度で検出する。
１２、ジャイロセンサ１３、距離センサ１４、及びＧＰ
Ｓ衛星からの電波に基づいて車両の位置を検出するため
のＧＰＳ受信機１５を有しており、これら各センサ１２
〜１５は、車両の適宜部所に設置される。前記制御回路
５は、位置検出器２の各センサ１２〜１５が性質の異な
る誤差を有しているため、各々補間しながら使用するよ
うに構成されており、これらセンサ１２〜１５からの入
力に基づいて、車両の現在位置、進行方向、速度や走行
距離などを高精度で検出する。
【００２５】前記地図データ入力器３は、道路地図デー
タや、位置検出精度の向上のための所謂マップマッチン
グ用データなどを含む各種データを記憶した記憶媒体か
らデータを入力するためのドライブ装置から成り、その
記憶媒体としては、例えばＣＤ−ＲＯＭやＤＶＤ−ＲＯ
Ｍなどの大容量記憶媒体が用いられる。尚、前記道路地
図データは、道路形状、道路幅、道路名、建造物、各種
施設、それらの電話番号、地名、地形などのデータを含
むと共に、その道路地図を前記表示装置７の表示画面上
に再生するためのデータを含んで構成されている。
タや、位置検出精度の向上のための所謂マップマッチン
グ用データなどを含む各種データを記憶した記憶媒体か
らデータを入力するためのドライブ装置から成り、その
記憶媒体としては、例えばＣＤ−ＲＯＭやＤＶＤ−ＲＯ
Ｍなどの大容量記憶媒体が用いられる。尚、前記道路地
図データは、道路形状、道路幅、道路名、建造物、各種
施設、それらの電話番号、地名、地形などのデータを含
むと共に、その道路地図を前記表示装置７の表示画面上
に再生するためのデータを含んで構成されている。
【００２６】前記操作スイッチ群４は、ユーザ（運転
者）が、目的地の指定や、表示装置７に表示される道路
地図の選択などの各種のコマンドを入力するための各種
のメカニカルスイッチから構成されている。また、この
操作スイッチ群４の一部は、前記表示装置７の画面上に
設けられたタッチスイッチ（図示せず）からも構成され
るようになっている。そして、操作スイッチ群４と同等
の機能を有するリモートコントロール端末１６（以下、
リモコンと称する）も設けられており、このリモコン１
６からの操作信号が、前記リモコンセンサ８により検出
されるようになっている。
者）が、目的地の指定や、表示装置７に表示される道路
地図の選択などの各種のコマンドを入力するための各種
のメカニカルスイッチから構成されている。また、この
操作スイッチ群４の一部は、前記表示装置７の画面上に
設けられたタッチスイッチ（図示せず）からも構成され
るようになっている。そして、操作スイッチ群４と同等
の機能を有するリモートコントロール端末１６（以下、
リモコンと称する）も設けられており、このリモコン１
６からの操作信号が、前記リモコンセンサ８により検出
されるようになっている。
【００２７】前記表示装置７の画面には、各種縮尺の道
路地図が表示されると共に、その表示に重ね合わせて、
車両の現在位置及び進行方向を示すポインタが表示され
るようになっている。また、ユーザが目的地などを入力
するための各種の入力用画面や、各種のメッセージやイ
ンフォメーションなども表示されるようになっている。
さらには、目的地までの案内を行うルートガイダンス機
能の実行時には、道路地図に重ね合わせて進むべき経路
などが表示されるようになっている。
路地図が表示されると共に、その表示に重ね合わせて、
車両の現在位置及び進行方向を示すポインタが表示され
るようになっている。また、ユーザが目的地などを入力
するための各種の入力用画面や、各種のメッセージやイ
ンフォメーションなども表示されるようになっている。
さらには、目的地までの案内を行うルートガイダンス機
能の実行時には、道路地図に重ね合わせて進むべき経路
などが表示されるようになっている。
【００２８】そして、前記制御回路５は、地図データ入
力器３からの道路地図データに基づいて表示装置７に道
路地図を表示させると共に、位置検出器２の検出出力に
基づいて車両の現在位置及び進行方向を示すポインタを
表示させるようになっている。このとき、車両の現在位
置を道路地図上に表示するップマッチングが行われるよ
うになっている。また、ユーザのコマンド入力に基づい
て、表示装置７に表示させる地図の種類（縮尺）の切替
えなどを行うようになっている。
力器３からの道路地図データに基づいて表示装置７に道
路地図を表示させると共に、位置検出器２の検出出力に
基づいて車両の現在位置及び進行方向を示すポインタを
表示させるようになっている。このとき、車両の現在位
置を道路地図上に表示するップマッチングが行われるよ
うになっている。また、ユーザのコマンド入力に基づい
て、表示装置７に表示させる地図の種類（縮尺）の切替
えなどを行うようになっている。
【００２９】さらに、制御回路５は、ユーザによる目的
地の入力に基づいて、自動ルート探索及びルートガイダ
ンスの機能を実行するようになっている。詳しい説明は
省略するが、自動ルート探索の機能は、車両の現在位置
からユーザにより入力された目的地までの推奨する走行
経路を自動的に算出するものであり、ルートガイダンス
の機能は、上述のように、表示装置７の画面にその走行
経路を表示して目的地まで案内するものであり、このと
き、対話制御部９を通じて音声合成部１０の音声合成機
能を制御することにより、例えば「２００ｍ先の交差点
を左です」といった音声をスピーカ１１から出力させる
音声案内も併せて行うことができるようになっている。
地の入力に基づいて、自動ルート探索及びルートガイダ
ンスの機能を実行するようになっている。詳しい説明は
省略するが、自動ルート探索の機能は、車両の現在位置
からユーザにより入力された目的地までの推奨する走行
経路を自動的に算出するものであり、ルートガイダンス
の機能は、上述のように、表示装置７の画面にその走行
経路を表示して目的地まで案内するものであり、このと
き、対話制御部９を通じて音声合成部１０の音声合成機
能を制御することにより、例えば「２００ｍ先の交差点
を左です」といった音声をスピーカ１１から出力させる
音声案内も併せて行うことができるようになっている。
【００３０】上記対話制御部９には、マイクロホン１７
を介して入力された音声信号を認識するための音声認識
装置１８からの認識結果が与えられるようになってい
る。この音声認識装置１８は、カーナビゲーション装置
１に対するコマンド（周知の行き先検索指示、リルート
指示、表示地図の縮尺変更指示など）の入力や目的地
（自宅、登録ポインドなど）の指示などを、前記操作ス
イッチ群４あるいはリモコン１６の手動操作に代えて、
ユーザ（運転者）が前方を見たまま音声入力することに
よって同様に行い得るようにしたものであり、これによ
り、安全性、利便性を向上させるための装置として設け
られている。尚、図示しないが、マイクロホン１７は、
車両の例えばステアリングコラムカバーの上面部や運転
席側のサンバイザーなどの運転者の音声を拾いやすい位
置に設けられるものである。
を介して入力された音声信号を認識するための音声認識
装置１８からの認識結果が与えられるようになってい
る。この音声認識装置１８は、カーナビゲーション装置
１に対するコマンド（周知の行き先検索指示、リルート
指示、表示地図の縮尺変更指示など）の入力や目的地
（自宅、登録ポインドなど）の指示などを、前記操作ス
イッチ群４あるいはリモコン１６の手動操作に代えて、
ユーザ（運転者）が前方を見たまま音声入力することに
よって同様に行い得るようにしたものであり、これによ
り、安全性、利便性を向上させるための装置として設け
られている。尚、図示しないが、マイクロホン１７は、
車両の例えばステアリングコラムカバーの上面部や運転
席側のサンバイザーなどの運転者の音声を拾いやすい位
置に設けられるものである。
【００３１】図１には、上記音声認識装置１８の概略構
成が機能ブロックの組合わせにより示されており、以下
これについて説明する。図１において、音声認識装置１
８は、音響分析部１９と、特徴抽出部２０と、パターン
マッチング部２１とを備えた構成となっている。尚、こ
れら音響分析部１９、特徴抽出部２０、パターンマッチ
ング部２１は、それぞれ本発明でいう音響分析手段、特
徴抽出手段、パターンマッチング手段に相当する。
成が機能ブロックの組合わせにより示されており、以下
これについて説明する。図１において、音声認識装置１
８は、音響分析部１９と、特徴抽出部２０と、パターン
マッチング部２１とを備えた構成となっている。尚、こ
れら音響分析部１９、特徴抽出部２０、パターンマッチ
ング部２１は、それぞれ本発明でいう音響分析手段、特
徴抽出手段、パターンマッチング手段に相当する。
【００３２】音響分析部１９は、マイクロホン１７を介
して入力されたアナログ音声信号を、例えば１２ｋＨｚ
程度のサンプリング周期でデジタル信号に変換し、その
変換信号をオーバーラップさせながら一定時間毎に順次
所定長さのフレーム信号として切り出す。そして、フレ
ーム毎のデジタル音声入力信号にフーリエ変換を行うこ
とによって、入力音声信号の音声スペクトルを求め、さ
らに、その音声スペクトルの振幅の２乗を計算して短時
間音声パワースペクトルを得る。そして、このように得
たパワースペクトルに対し逆フーリエ変換を施して自己
相関係数を求め、この自己相関係数を用いたＬＰＣ分析
を行ってＬＰＣ係数を計算するものであり、そのＬＰＣ
係数は特徴抽出部２０へ順次送られる。
して入力されたアナログ音声信号を、例えば１２ｋＨｚ
程度のサンプリング周期でデジタル信号に変換し、その
変換信号をオーバーラップさせながら一定時間毎に順次
所定長さのフレーム信号として切り出す。そして、フレ
ーム毎のデジタル音声入力信号にフーリエ変換を行うこ
とによって、入力音声信号の音声スペクトルを求め、さ
らに、その音声スペクトルの振幅の２乗を計算して短時
間音声パワースペクトルを得る。そして、このように得
たパワースペクトルに対し逆フーリエ変換を施して自己
相関係数を求め、この自己相関係数を用いたＬＰＣ分析
を行ってＬＰＣ係数を計算するものであり、そのＬＰＣ
係数は特徴抽出部２０へ順次送られる。
【００３３】特徴抽出部２０は、音響分析部１９から送
られてきたＬＰＣ係数に基づいて、フレーム毎のスペク
トル上の特徴パラメータとしてのＬＰＣケプストラム係
数を計算するものであり、このＬＰＣケプストラム係数
はパターンマッチング部２１へ順次送られる。
られてきたＬＰＣ係数に基づいて、フレーム毎のスペク
トル上の特徴パラメータとしてのＬＰＣケプストラム係
数を計算するものであり、このＬＰＣケプストラム係数
はパターンマッチング部２１へ順次送られる。
【００３４】パターンマッチング部２１は、辞書部に予
め計算して記憶しておいた認識対象語彙の標準パターン
（特徴パラメータ系列：本発明でいう比較対象パターン
に相当）と、特徴抽出部２０から送られてきたＬＰＣケ
プストラム係数の時系列データとの間でパターンマッチ
ング（類似度計算）を行う。この場合、音声認識のアル
ゴリズムとして周知のＨＭＭ（隠れマルコフモデル）な
どによって、時系列データをいくつかの区間に分け、各
区間が辞書データとして格納されているどの音声に類似
しているかを、例えば尤度比に基づいて求める。
め計算して記憶しておいた認識対象語彙の標準パターン
（特徴パラメータ系列：本発明でいう比較対象パターン
に相当）と、特徴抽出部２０から送られてきたＬＰＣケ
プストラム係数の時系列データとの間でパターンマッチ
ング（類似度計算）を行う。この場合、音声認識のアル
ゴリズムとして周知のＨＭＭ（隠れマルコフモデル）な
どによって、時系列データをいくつかの区間に分け、各
区間が辞書データとして格納されているどの音声に類似
しているかを、例えば尤度比に基づいて求める。
【００３５】ここで、パターンマッチング部２１は、基
本的には、認識対象語彙のうち、上記のような計算によ
り得られた類似度が最も高い単語（または類似度が上位
の複数の単語）を認識結果として決定し、その認識結果
を対話制御部９へ出力する動作を行うものであるが、本
実施例では、認識対象語彙の標準パターン（比較対象パ
ターン）として以下に述べるような「認識対象候補集
団」を用意した構成に大きな特徴を有するものである。
本的には、認識対象語彙のうち、上記のような計算によ
り得られた類似度が最も高い単語（または類似度が上位
の複数の単語）を認識結果として決定し、その認識結果
を対話制御部９へ出力する動作を行うものであるが、本
実施例では、認識対象語彙の標準パターン（比較対象パ
ターン）として以下に述べるような「認識対象候補集
団」を用意した構成に大きな特徴を有するものである。
【００３６】即ち、上記認識対象候補集団としては、ボ
イスコマンドとしてカーナビゲーション装置１に与えら
れたときに、そのカーナビゲーション装置１の動作に機
能低下などの悪影響を及ぼす可能性や、カーナビゲーシ
ョン装置１がユーザ（話者）の意図と異なる状態で動作
する可能性がある特定の単語（つまり、非常に高い認識
率が要求される単語）と類似した音声群に対応した標準
パターンの集団を含んだものが用意され、また、必要に
応じて、上記特定単語と類似した音声群に対応した標準
パターンの集団に加えて、当該特定単語と反対の意味を
持つ第２の特定単語と類似した音声群に対応した標準パ
ターンの集団も含んだものが用意される。尚、ここでい
う「類似」とは「似ているが異なる」という意味であ
る。
イスコマンドとしてカーナビゲーション装置１に与えら
れたときに、そのカーナビゲーション装置１の動作に機
能低下などの悪影響を及ぼす可能性や、カーナビゲーシ
ョン装置１がユーザ（話者）の意図と異なる状態で動作
する可能性がある特定の単語（つまり、非常に高い認識
率が要求される単語）と類似した音声群に対応した標準
パターンの集団を含んだものが用意され、また、必要に
応じて、上記特定単語と類似した音声群に対応した標準
パターンの集団に加えて、当該特定単語と反対の意味を
持つ第２の特定単語と類似した音声群に対応した標準パ
ターンの集団も含んだものが用意される。尚、ここでい
う「類似」とは「似ているが異なる」という意味であ
る。
【００３７】要するに、上記特定単語としては、カーナ
ビゲーション装置１が当該特定単語に対応したボイスコ
マンドを受けたときに取り返しのつかない動作（例え
ば、ルート探索動作により設定された目的地までのルー
トの破棄を含む動作）を実行する単語が選定される。ま
た、上記第２の特定単語と類似した音声群に対応した標
準パターンの集団も含んだ認識対象候補集団が必要とな
る具体的な例としては、以下のような事例が考えられ
る。
ビゲーション装置１が当該特定単語に対応したボイスコ
マンドを受けたときに取り返しのつかない動作（例え
ば、ルート探索動作により設定された目的地までのルー
トの破棄を含む動作）を実行する単語が選定される。ま
た、上記第２の特定単語と類似した音声群に対応した標
準パターンの集団も含んだ認識対象候補集団が必要とな
る具体的な例としては、以下のような事例が考えられ
る。
【００３８】即ち、カーナビゲーション装置１におい
て、目的地までの設定ルートの変更を伴うボイスコマン
ド（例えば、「リルート」、「自宅」、「家に帰る」、
「行き先変更」など）が入力された場合には、ユーザに
対して、設定ルートを変更する制御（つまり既設定ルー
トの破棄）を本当に行っても良いか否かを確認するため
に、ユーザによる音声入力を求める音声ガイダンスを発
するものであり、この音声ガイダンスに対して、ユーザ
ー側では「はい」／「いいえ」、「ＹＥＳ」／「ＮＯ」
などのような二者択一のボイスコマンドを返答すること
になる。この場合の「はい」あるいは「ＹＥＳ」が上記
特定単語に相当し、「いいえ」あるいは「ＮＯ」が上記
第２の特定単語に相当するものであり、このような二者
択一態様のボイスコマンドが入力される場合には、第２
の特定単語と類似した音声群に対応した標準パターンの
集団も含んだ状態の認識対象候補集団が必要になる。
て、目的地までの設定ルートの変更を伴うボイスコマン
ド（例えば、「リルート」、「自宅」、「家に帰る」、
「行き先変更」など）が入力された場合には、ユーザに
対して、設定ルートを変更する制御（つまり既設定ルー
トの破棄）を本当に行っても良いか否かを確認するため
に、ユーザによる音声入力を求める音声ガイダンスを発
するものであり、この音声ガイダンスに対して、ユーザ
ー側では「はい」／「いいえ」、「ＹＥＳ」／「ＮＯ」
などのような二者択一のボイスコマンドを返答すること
になる。この場合の「はい」あるいは「ＹＥＳ」が上記
特定単語に相当し、「いいえ」あるいは「ＮＯ」が上記
第２の特定単語に相当するものであり、このような二者
択一態様のボイスコマンドが入力される場合には、第２
の特定単語と類似した音声群に対応した標準パターンの
集団も含んだ状態の認識対象候補集団が必要になる。
【００３９】そして、この場合において、パターンマッ
チング部２１は、認識結果の候補中に認識対象候補集団
中の標準パターンに対応した音声が存在する場合に前記
第２の特定単語を認識結果として出力する構成となって
いる。
チング部２１は、認識結果の候補中に認識対象候補集団
中の標準パターンに対応した音声が存在する場合に前記
第２の特定単語を認識結果として出力する構成となって
いる。
【００４０】具体的には、例えば、特定単語が「ＹＥ
Ｓ」であった場合には、これと反対の意味を持つ「Ｎ
Ｏ」が第２の特定単語とされるものであり、前記認識対
象候補集団には、「ＹＥＳ」及び「ＮＯ」と類似した例
えば、/j//*//s/ 、/j//e//*/ 、/au/、/uu/、……（但
し、* は任意の母音あるいは子音が当てはまるという意
味）という音声群に対応した標準パターンを含めた状態
とされる。
Ｓ」であった場合には、これと反対の意味を持つ「Ｎ
Ｏ」が第２の特定単語とされるものであり、前記認識対
象候補集団には、「ＹＥＳ」及び「ＮＯ」と類似した例
えば、/j//*//s/ 、/j//e//*/ 、/au/、/uu/、……（但
し、* は任意の母音あるいは子音が当てはまるという意
味）という音声群に対応した標準パターンを含めた状態
とされる。
【００４１】従って、この例のように、「ＹＥＳ」とい
う特定単語について上記のような「ＮＯ」と類似した音
声群に対応した標準パターンの集団を含めた認識対象候
補集団が用意された場合には、パターンマッチング部２
１でのパターンマッチング時において、「ＹＥＳ」と反
対の意味の「ＮＯ」に多くの言い換えが用意された状態
と等価となって、ユーザによる入力音声信号が「ＹＥ
Ｓ」であると認識される特徴空間が図２（ａ）に示すよ
うに限定されることになる（○印が「ＹＥＳ」に対応し
た標準パターン、×印が「ＮＯ」に対応した標準パター
ン並びに認識対象候補集団中の各標準パターンに相
当）。その結果、入力音声信号が「ＹＥＳ」であるとの
確信が低い場合に、これと反対の意味を持つ「ＮＯ」を
認識結果として出力する確率が高くなり、これによりカ
ーナビゲーション装置１がユーザにとって不用意な動作
をする事態を効果的に防止可能となる。
う特定単語について上記のような「ＮＯ」と類似した音
声群に対応した標準パターンの集団を含めた認識対象候
補集団が用意された場合には、パターンマッチング部２
１でのパターンマッチング時において、「ＹＥＳ」と反
対の意味の「ＮＯ」に多くの言い換えが用意された状態
と等価となって、ユーザによる入力音声信号が「ＹＥ
Ｓ」であると認識される特徴空間が図２（ａ）に示すよ
うに限定されることになる（○印が「ＹＥＳ」に対応し
た標準パターン、×印が「ＮＯ」に対応した標準パター
ン並びに認識対象候補集団中の各標準パターンに相
当）。その結果、入力音声信号が「ＹＥＳ」であるとの
確信が低い場合に、これと反対の意味を持つ「ＮＯ」を
認識結果として出力する確率が高くなり、これによりカ
ーナビゲーション装置１がユーザにとって不用意な動作
をする事態を効果的に防止可能となる。
【００４２】因みに、従来構成では、ユーザによる入力
音声信号が「ＹＥＳ」であると認識される特徴空間が図
２（ｂ）に示すように広くなるため、例えば、「ＹＥ
Ｓ」以外の音声を発生したときに「ＹＥＳ」と誤認識さ
れる率が高くなるものである。このような事象を確認す
るために、本件発明者は、図１に示す基本構成を有する
音声認識装置１８において、実際に「ＹＥＳ」、「Ｎ
Ｏ」と発生したときに「ＹＥＳ」、「ＮＯ」の認識結果
がそれぞれ出力される率、並びに「ＹＥＳ」、「ＮＯ」
以外の音声を発生したときに「ＹＥＳ」の認識結果が出
力される率を、認識対象語彙の標準パターンとして前述
した認識対象候補集団を用意しない場合（従来構成に相
当）と用意した場合とについて実験により求めた。その
実験結果をまとめた図３に示すように、認識対象候補集
団を用意していない『対策前』の認識率と、当該認識対
象候補集団を用意した『対策後』の認識率との間には大
きな差が出ることが判明した。尚、図３中には、実験サ
ンプル数と該当出力数との関係も示した。要するに、こ
の図３からは、本実施例の構成によれば、「ＮＯ」の認
識率が向上すること、「ＹＥＳ」及び「ＮＯ」と無関係
の音声を「ＮＯ」と認識する確率が上がること、「ＹＥ
Ｓ」の認識率には影響しないことが分かる。
音声信号が「ＹＥＳ」であると認識される特徴空間が図
２（ｂ）に示すように広くなるため、例えば、「ＹＥ
Ｓ」以外の音声を発生したときに「ＹＥＳ」と誤認識さ
れる率が高くなるものである。このような事象を確認す
るために、本件発明者は、図１に示す基本構成を有する
音声認識装置１８において、実際に「ＹＥＳ」、「Ｎ
Ｏ」と発生したときに「ＹＥＳ」、「ＮＯ」の認識結果
がそれぞれ出力される率、並びに「ＹＥＳ」、「ＮＯ」
以外の音声を発生したときに「ＹＥＳ」の認識結果が出
力される率を、認識対象語彙の標準パターンとして前述
した認識対象候補集団を用意しない場合（従来構成に相
当）と用意した場合とについて実験により求めた。その
実験結果をまとめた図３に示すように、認識対象候補集
団を用意していない『対策前』の認識率と、当該認識対
象候補集団を用意した『対策後』の認識率との間には大
きな差が出ることが判明した。尚、図３中には、実験サ
ンプル数と該当出力数との関係も示した。要するに、こ
の図３からは、本実施例の構成によれば、「ＮＯ」の認
識率が向上すること、「ＹＥＳ」及び「ＮＯ」と無関係
の音声を「ＮＯ」と認識する確率が上がること、「ＹＥ
Ｓ」の認識率には影響しないことが分かる。
【００４３】尚、ここでは、前記認識対象候補集団中
に、第２の特定単語（「ＮＯ」が一例）と類似した音声
群に対応した標準パターンの集団も含めた構成について
言及したが、これらの標準パターンの集団は、認識対象
候補集団中に必要に応じて含める構成とすれば良いもの
である（少なくとも、特定単語と類似した音声群に対応
した標準パターンの集団を認識対象候補集団中に含める
構成とすれば良い）。
に、第２の特定単語（「ＮＯ」が一例）と類似した音声
群に対応した標準パターンの集団も含めた構成について
言及したが、これらの標準パターンの集団は、認識対象
候補集団中に必要に応じて含める構成とすれば良いもの
である（少なくとも、特定単語と類似した音声群に対応
した標準パターンの集団を認識対象候補集団中に含める
構成とすれば良い）。
【００４４】以上要するに、上記した本実施例の構成に
よれば、カーナビゲーション装置１側において設定ルー
トを変更する制御を本当に行っても良いか否かを確認す
るために、ユーザによる音声入力を求める音声ガイダン
スを発する場面において、ユーザによる入力音声信号が
設定ルートの変更を許容する特定単語（実施例では「Ｙ
ＥＳ」）であるとの確信が低い場合に、当該特定単語と
反対に意味を持つ第２の特定単語（実施例では「Ｎ
Ｏ」）を出力する確率が高くなり、これによりカーナビ
ゲーション装置１が、ユーザの意図に反した不用意な動
作をする事態を効果的に防止可能になるものである。
よれば、カーナビゲーション装置１側において設定ルー
トを変更する制御を本当に行っても良いか否かを確認す
るために、ユーザによる音声入力を求める音声ガイダン
スを発する場面において、ユーザによる入力音声信号が
設定ルートの変更を許容する特定単語（実施例では「Ｙ
ＥＳ」）であるとの確信が低い場合に、当該特定単語と
反対に意味を持つ第２の特定単語（実施例では「Ｎ
Ｏ」）を出力する確率が高くなり、これによりカーナビ
ゲーション装置１が、ユーザの意図に反した不用意な動
作をする事態を効果的に防止可能になるものである。
【００４５】（第２の実施の形態）図５には本発明の第
２実施例が示されており、以下これについて前記第１実
施例と異なる部分のみ説明する。
２実施例が示されており、以下これについて前記第１実
施例と異なる部分のみ説明する。
【００４６】この第２実施例では、前記第１実施例にお
けるパターンマッチング部２１とは異なる処理動作を行
うパターンマッチング部２１′（パターンマッチング手
段に相当）を設け、このパターンマッチング部２１′で
のパターンマッチング動作に供するための認識対象語彙
の標準パターンに対応した辞書データとして、第１実施
例における認識対象候補集団を用意することなく、一般
的な辞書データを用意している。また、本実施例では、
音響分析部１９、特徴抽出部２０あるいはパターンマッ
チング部２１′の少なくとも何れかにおいて得られる所
定の信頼度評価用特徴量に基づき、パターンマッチング
部２１′による絶対的な信頼度を推定する信頼度推定手
段を設ける構成としている。
けるパターンマッチング部２１とは異なる処理動作を行
うパターンマッチング部２１′（パターンマッチング手
段に相当）を設け、このパターンマッチング部２１′で
のパターンマッチング動作に供するための認識対象語彙
の標準パターンに対応した辞書データとして、第１実施
例における認識対象候補集団を用意することなく、一般
的な辞書データを用意している。また、本実施例では、
音響分析部１９、特徴抽出部２０あるいはパターンマッ
チング部２１′の少なくとも何れかにおいて得られる所
定の信頼度評価用特徴量に基づき、パターンマッチング
部２１′による絶対的な信頼度を推定する信頼度推定手
段を設ける構成としている。
【００４７】具体的には、例えば図５に示すように、音
声認識装置１８中に信頼度推定手段として正解確率推定
部２２が設けられる。この正解確率推定部２２は、パタ
ーンマッチング部２１′にて得られた認識結果の信頼度
を適切に評価可能な指標として、その認識結果の正解確
率を推定し、当該パターンマッチング部２１′にフィー
ドバックする構成となっている。上記正解確率推定部２
２は、例えば、パターンマッチング部２１′から「信頼
度評価用特徴量」として得られる単語と音節連接モデル
の尤度比や単語内の音節の継続時間の分散に基づいて認
識結果の正解確率の推定を行うもので、詳しくは、本発
明の出願人と同一人の出願に関わる特願平１１−３５９
０７６号（発明の名称：音声認識装置及び記録媒体）に
記載された技術を使用する。
声認識装置１８中に信頼度推定手段として正解確率推定
部２２が設けられる。この正解確率推定部２２は、パタ
ーンマッチング部２１′にて得られた認識結果の信頼度
を適切に評価可能な指標として、その認識結果の正解確
率を推定し、当該パターンマッチング部２１′にフィー
ドバックする構成となっている。上記正解確率推定部２
２は、例えば、パターンマッチング部２１′から「信頼
度評価用特徴量」として得られる単語と音節連接モデル
の尤度比や単語内の音節の継続時間の分散に基づいて認
識結果の正解確率の推定を行うもので、詳しくは、本発
明の出願人と同一人の出願に関わる特願平１１−３５９
０７６号（発明の名称：音声認識装置及び記録媒体）に
記載された技術を使用する。
【００４８】尚、ここでは、信頼度評価用特徴量をパタ
ーンマッチング部２１から得る構成としたが、図５に破
線で示すように、音響分析部１９や特徴抽出部２０から
得るようにしても良い。その場合、音響分析部１９から
得る「信頼度評価用特徴量」としては、音響分析自体の
成功度合いを示す特徴量が考えられ、例えばノイズ度合
いやＬＰＣ残差が挙げられる。また、特徴抽出部２０に
て得られる「信頼度評価用特徴量」としてはケプストラ
ム係数が考えられる。
ーンマッチング部２１から得る構成としたが、図５に破
線で示すように、音響分析部１９や特徴抽出部２０から
得るようにしても良い。その場合、音響分析部１９から
得る「信頼度評価用特徴量」としては、音響分析自体の
成功度合いを示す特徴量が考えられ、例えばノイズ度合
いやＬＰＣ残差が挙げられる。また、特徴抽出部２０に
て得られる「信頼度評価用特徴量」としてはケプストラ
ム係数が考えられる。
【００４９】パターンマッチング部２１′は、パターン
マッチング時において、認識結果の候補中に前記第１実
施例で述べたような特定単語（非常に高い認識率が要求
される単語）が含まれる場合に、その特定単語の認識結
果の信頼度を示す正確確率を正確確率推定部２２から取
り込むと共に、その正確確率が所定レベル（このレベル
は実験的に求めることができる）以下であった場合に、
当該特定単語の認識信頼性が低いと判断し、その特定単
語を避けた他の単語を認識結果として出力する構成とな
っている。
マッチング時において、認識結果の候補中に前記第１実
施例で述べたような特定単語（非常に高い認識率が要求
される単語）が含まれる場合に、その特定単語の認識結
果の信頼度を示す正確確率を正確確率推定部２２から取
り込むと共に、その正確確率が所定レベル（このレベル
は実験的に求めることができる）以下であった場合に、
当該特定単語の認識信頼性が低いと判断し、その特定単
語を避けた他の単語を認識結果として出力する構成とな
っている。
【００５０】要するに、パターンマッチング部２１′
は、辞書部に予め計算して記憶しておいた認識対象語彙
の標準パターンと、特徴抽出部２０から送られてきたＬ
ＰＣケプストラム係数の時系列データとの間でのパター
ンマッチング時において、認識結果の候補となった単語
の認識信頼性が絶対的に低く、且つその候補単語が特定
の単語（カーナビゲーション装置１の動作に機能低下な
どの悪影響を及ぼしたり、カーナビゲーション装置１が
設定内容の不用意に変更などユーザの意図と異なる状態
で動作する可能性がある単語）であった場合に、その特
定単語を避けた単語を出力する動作を行うものである。
は、辞書部に予め計算して記憶しておいた認識対象語彙
の標準パターンと、特徴抽出部２０から送られてきたＬ
ＰＣケプストラム係数の時系列データとの間でのパター
ンマッチング時において、認識結果の候補となった単語
の認識信頼性が絶対的に低く、且つその候補単語が特定
の単語（カーナビゲーション装置１の動作に機能低下な
どの悪影響を及ぼしたり、カーナビゲーション装置１が
設定内容の不用意に変更などユーザの意図と異なる状態
で動作する可能性がある単語）であった場合に、その特
定単語を避けた単語を出力する動作を行うものである。
【００５１】この結果、本実施例によれば、入力音声
が、カーナビゲーション装置１の動作不都合状態（機能
低下や設定内容の変更）を招く可能性がある特定の単語
として誤認識される可能性が低くなるから、カーナビゲ
ーション装置１が不用意な動作をする事態を未然に防止
できるようになる。また、この場合には、パターンマッ
チング部２１′での認識結果の絶対的な信頼度を、その
認識結果が正解である確率に基づいて推定する構成とな
っているから、その認識結果の信頼度を直観的且つ定量
的に把握できるようになり、当該認識結果を利用するア
プリケーションを実際に構築する際に便利になる。
が、カーナビゲーション装置１の動作不都合状態（機能
低下や設定内容の変更）を招く可能性がある特定の単語
として誤認識される可能性が低くなるから、カーナビゲ
ーション装置１が不用意な動作をする事態を未然に防止
できるようになる。また、この場合には、パターンマッ
チング部２１′での認識結果の絶対的な信頼度を、その
認識結果が正解である確率に基づいて推定する構成とな
っているから、その認識結果の信頼度を直観的且つ定量
的に把握できるようになり、当該認識結果を利用するア
プリケーションを実際に構築する際に便利になる。
【００５２】尚、本実施例において、認識結果の絶対的
な信頼度を推定する正確確率推定部２２は以下のような
事情に対処して設けられるものである。即ち、パターン
マッチングにより得られる尤度（確からしさ）は、標準
パターン（比較対象パターン）との一致度合いを示すも
のであって、あくまでも相対的なものである。つまり、
パターンマッチング時において尤度が一番大きなものを
認識結果として選択したとしても、それは相対的に一致
度合いが高いだけであり、実際の入力音声信号に対し
て、その認識結果がどの程度正しいかという判断に関し
ては適切な評価ができない。このような事情に対処する
ために、本実施例では、パターンマッチング手段２１′
での認識結果を絶対的な観点で評価可能な「信頼度」と
いう指標を、音響分析部１９、特徴抽出部２０あるいは
パターンマッチング部２１′の少なくとも何れかにおい
て得られる所定の「信頼度評価用特徴量」に基づいて推
定するようにしたものである。
な信頼度を推定する正確確率推定部２２は以下のような
事情に対処して設けられるものである。即ち、パターン
マッチングにより得られる尤度（確からしさ）は、標準
パターン（比較対象パターン）との一致度合いを示すも
のであって、あくまでも相対的なものである。つまり、
パターンマッチング時において尤度が一番大きなものを
認識結果として選択したとしても、それは相対的に一致
度合いが高いだけであり、実際の入力音声信号に対し
て、その認識結果がどの程度正しいかという判断に関し
ては適切な評価ができない。このような事情に対処する
ために、本実施例では、パターンマッチング手段２１′
での認識結果を絶対的な観点で評価可能な「信頼度」と
いう指標を、音響分析部１９、特徴抽出部２０あるいは
パターンマッチング部２１′の少なくとも何れかにおい
て得られる所定の「信頼度評価用特徴量」に基づいて推
定するようにしたものである。
【００５３】（その他の実施の形態）尚、本発明は上記
した各実施例に限定されるものではなく、次のような変
形または拡張が可能である。第１実施例におけるパター
ンマッチング部２１の機能をコンピュータシステムにて
実現するために必要な処理プログラム並びに認識対象語
彙の標準パターンや認識対象候補集団などのデータを記
録した記録媒体を、ＣＤ−ＲＯＭ、ＤＶＤ−ＲＯＭ、不
揮発性メモリ（ＥＥＰＲＯＭなど）、フロッピーディス
ク、光磁気ディスク、ハードディスクなど、多様な記録
媒体を利用して提供することができる。さらに、第２実
施例におけるパターンマッチング部２１′及び正解確率
推定部２２の機能をコンピュータシステムにて実現する
ために必要な処理プログラム並びに認識対象語彙の標準
パターンやその他の必要なデータを記録した記録媒体も
同様に提供することもできる。第２実施例では、パター
ンマッチング部２１′による認識結果の絶対的な信頼度
を推定する信頼度推定手段として正解確率推定部２２を
用いる構成としたが、これ以外の手段を採用することも
可能である。さらに、動作制御対象の外部機器として、
個人が携帯するモバイル型ナビゲーション装置、あるい
はその他の一般的な機器を選定することができる。
した各実施例に限定されるものではなく、次のような変
形または拡張が可能である。第１実施例におけるパター
ンマッチング部２１の機能をコンピュータシステムにて
実現するために必要な処理プログラム並びに認識対象語
彙の標準パターンや認識対象候補集団などのデータを記
録した記録媒体を、ＣＤ−ＲＯＭ、ＤＶＤ−ＲＯＭ、不
揮発性メモリ（ＥＥＰＲＯＭなど）、フロッピーディス
ク、光磁気ディスク、ハードディスクなど、多様な記録
媒体を利用して提供することができる。さらに、第２実
施例におけるパターンマッチング部２１′及び正解確率
推定部２２の機能をコンピュータシステムにて実現する
ために必要な処理プログラム並びに認識対象語彙の標準
パターンやその他の必要なデータを記録した記録媒体も
同様に提供することもできる。第２実施例では、パター
ンマッチング部２１′による認識結果の絶対的な信頼度
を推定する信頼度推定手段として正解確率推定部２２を
用いる構成としたが、これ以外の手段を採用することも
可能である。さらに、動作制御対象の外部機器として、
個人が携帯するモバイル型ナビゲーション装置、あるい
はその他の一般的な機器を選定することができる。
【図１】本発明の第１実施例を示す音声認識装置の概略
的な機能ブロック図
的な機能ブロック図
【図２】音声信号を認識をする特徴空間の例を模式的に
示す図
示す図
【図３】実験結果を示す図
【図４】全体の電気的構成を概略的に示す機能ブロック
図
図
【図５】本発明の第２実施例を示す図１相当図
１はカーナビゲーション装置、９は対話制御部、１７は
マイクロホン、１８は音声認識装置、１９は音響分析部
（音響分析手段）、２０は特徴抽出部（特徴抽出手
段）、２１、２１′はパターンマッチング部（パターン
マッチング手段）、２２は正解確率推定部（信頼度推定
手段）を示す。
マイクロホン、１８は音声認識装置、１９は音響分析部
（音響分析手段）、２０は特徴抽出部（特徴抽出手
段）、２１、２１′はパターンマッチング部（パターン
マッチング手段）、２２は正解確率推定部（信頼度推定
手段）を示す。
───────────────────────────────────────────────────── 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 15/06 Ｇ１０Ｌ 3/00 ５２１Ｖ 15/00 ５５１Ｑ Ｆターム(参考） 2F029 AA02 AB01 AB05 AB13 AC02 AC09 AC18 AC20 5D015 AA03 BB01 HH13 HH16 KK02 LL02 5D045 AB21 5H180 AA01 BB13 CC12 CC27 FF04 FF05 FF22 FF25 FF33 FF38
Claims (15)
- 【請求項１】 話者により入力された音声信号を音響分
析する音響分析手段と、 この音響分析手段での分析結果に基づいて入力音声信号
の特徴パラメータを抽出する特徴抽出手段と、 この特徴抽出手段で抽出された特徴パラメータと予め記
憶されている認識対象語彙の比較対象パターンとのパタ
ーンマッチングを行って一致度合いが高い単語を認識結
果として出力するパターンマッチング手段とを備え、 前記パターンマッチング手段による認識結果を外部機器
の動作制御に供する音声認識装置において、 前記パターンマッチング手段は、前記パターンマッチン
グ時に、認識結果の候補となった単語の認識信頼性が低
く、且つその候補単語が前記外部機器の動作に悪影響を
及ぼす可能性がある特定の単語であった場合には、その
特定単語を避けた単語を出力する構成とされることを特
徴とする音声認識装置。 - 【請求項２】 請求項１記載の音声認識装置において 前記パターンマッチング手段は、前記認識信頼性が低い
状態の候補単語が前記外部機器の機能低下を招く可能性
がある特定の単語であった場合には、その特定単語を避
けた単語を出力することを特徴とする音声認識装置。 - 【請求項３】 話者により入力された音声信号を音響分
析する音響分析手段と、 この音響分析手段での分析結果に基づいて入力音声信号
の特徴パラメータを抽出する特徴抽出手段と、 この特徴抽出手段で抽出された特徴パラメータと予め記
憶されている認識対象語彙の比較対象パターンとのパタ
ーンマッチングを行って一致度合いが高い単語を認識結
果として出力するパターンマッチング手段とを備え、 前記パターンマッチング手段による認識結果を外部機器
の動作制御に供する音声認識装置において、 前記パターンマッチング手段は、前記パターンマッチン
グ時に、認識結果の候補となった単語の認識信頼性が低
く、且つその候補単語が前記外部機器を話者の意図と異
なる状態で動作させる可能性がある特定の単語であった
場合には、その特定単語を避けた単語を出力する構成と
されることを特徴とする音声認識装置。 - 【請求項４】 請求項３記載の音声認識装置において 前記パターンマッチング手段は、前記認識信頼性が低い
状態の候補単語が前記外部機器の設定内容の変更を招く
可能性がある特定の単語であった場合には、その特定単
語を避けた単語を出力することを特徴とする音声認識装
置。 - 【請求項５】 前記音響分析手段、特徴抽出手段あるい
はパターンマッチング手段の少なくとも何れかにおいて
得られる所定の信頼度評価用特徴量に基づき、前記パタ
ーンマッチング手段による認識結果の絶対的な信頼度を
推定する信頼度推定手段を備え、 前記パターンマッチング手段は、前記パターンマッチン
グ時において前記特定単語の認識結果の信頼度を前記信
頼度推定手段から取り込むと共に、その信頼度が所定レ
ベル以下であった場合に、その特定単語の認識信頼性が
低いと判断することを特徴とする請求項１ないし４の何
れかに記載の音声認識装置。 - 【請求項６】 請求項５記載の音声認識装置において、 前記信頼度推定手段は、前記絶対的な信頼度を、前記パ
ターンマッチング手段による認識結果が正解である確率
に基づいて推定することを特徴とする音声認識装置。 - 【請求項７】 話者により入力された音声信号を音響分
析する音響分析手段と、 この音響分析手段での分析結果に基づいて入力音声信号
の特徴パラメータを抽出する特徴抽出手段と、 この特徴抽出手段で抽出された特徴パラメータと予め記
憶されている認識対象語彙の比較対象パターンとのパタ
ーンマッチングを行って一致度合いが高い単語を認識結
果として出力するパターンマッチング手段とを備え、 前記パターンマッチング手段による認識結果を外部機器
の動作制御に供する音声認識装置において、 前記認識対象語彙の比較対象パターンとして、前記外部
機器の動作に悪影響を及ぼす可能性がある特定の単語に
対応した比較対象パターンの他に、その特定単語と類似
した音声群に対応した比較対象パターンの集団が認識対
象候補集団として用意され、 前記パターンマッチング手段は、前記パターンマッチン
グ時において、前記特徴抽出手段で抽出された特徴パラ
メータとの一致度合いが高い比較対象パターンが前記認
識対象候補集団中に存在する場合に、前記特定単語を避
けた単語を出力することを特徴とする音声認識装置。 - 【請求項８】 請求項７記載の音声認識装置において前
記認識対象候補集団として、前記外部機器の機能低下を
招く特定の単語と類似した音声群に対応した比較対象パ
ターンの集団が用意されることを特徴とする音声認識装
置。 - 【請求項９】 話者により入力された音声信号を音響分
析する音響分析手段と、 この音響分析手段での分析結果に基づいて入力音声信号
の特徴パラメータを抽出する特徴抽出手段と、 この特徴抽出手段で抽出された特徴パラメータと予め記
憶されている認識対象語彙の比較対象パターンとのパタ
ーンマッチングを行って一致度合いが高い単語を認識結
果として出力するパターンマッチング手段とを備え、 前記パターンマッチング手段による認識結果を外部機器
の動作制御に供する音声認識装置において、 前記認識対象語彙の比較対象パターンとして、前記外部
機器を話者の意図と異なる状態で動作させる可能性があ
る特定の単語に対応した比較対象パターンの他に、その
特定単語と類似した音声群に対応した比較対象パターン
の集団が認識対象候補集団として用意され、 前記パターンマッチング手段は、前記パターンマッチン
グ時において、前記特徴抽出手段で抽出された特徴パラ
メータとの一致度合いが高い比較対象パターンが前記認
識対象候補集団中に存在する場合に、前記特定単語を避
けた単語を出力することを特徴とする音声認識装置。 - 【請求項１０】 請求項９記載の音声認識装置において
前記認識対象候補集団として、前記外部機器の設定内容
の変更を招く可能性がある特定の単語と類似した音声群
に対応した比較対象パターンの集団が用意されることを
特徴とする音声認識装置。 - 【請求項１１】 前記認識対象語彙の比較対象パターン
として、前記特定単語及び当該特定単語と反対の意味を
持つ第２の特定単語にそれぞれ対応した比較対象パター
ンの他に、上記特定単語と類似した音声群及び上記第２
の特定単語と類似した音声群にそれぞれ対応した比較対
象パターンの集団が認識対象候補集団として用意され、 前記パターンマッチング手段は、前記パターンマッチン
グ時に、前記特徴抽出手段で抽出された特徴パラメータ
との一致度合いが高い比較対象パターンが前記認識対象
候補集団中に存在する場合に、前記第２の特定単語を認
識結果として出力することを特徴とする請求項７ないし
１０の何れかに記載の音声認識装置。 - 【請求項１２】 前記パターンマッチング手段は、前記
特定単語を避けた認識結果を出力する動作を、前記外部
機器における所定の動作制御を許容するか否かの確認の
ために話者による音声入力を求める場面で行うように構
成されていることを特徴とする請求項１ないし１１の何
れかに記載の音声認識装置。 - 【請求項１３】 前記パターンマッチング手段による認
識結果により動作制御される外部機器はナビゲーション
装置であることを特徴とする請求項１ないし１２の何れ
かに記載の音声認識装置。 - 【請求項１４】 請求項１ないし１３の何れかに記載さ
れた音声認識装置におけるパターンマッチング手段の機
能をコンピュータシステムにおいて実現するためのプロ
グラム及びデータを記録した記録媒体。 - 【請求項１５】 請求項１ないし１３の何れかに記載さ
れた音声認識装置におけるパターンマッチング手段の機
能並びに請求項５または６に記載された音声認識装置に
おける信頼度推定手段の機能をコンピュータシステムに
おいて実現するためのプログラム及びデータを記録した
記録媒体。
Priority Applications (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2000220564A JP3567864B2 (ja) | 2000-07-21 | 2000-07-21 | 音声認識装置及び記録媒体 |
| DE10134908A DE10134908B4 (de) | 2000-07-21 | 2001-07-18 | Spracherkennungsvorrichtung und Verfahren, welche zwei gegenteilige Wörter verwenden |
| US09/907,594 US6937982B2 (en) | 2000-07-21 | 2001-07-19 | Speech recognition apparatus and method using two opposite words |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2000220564A JP3567864B2 (ja) | 2000-07-21 | 2000-07-21 | 音声認識装置及び記録媒体 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2002041085A true JP2002041085A (ja) | 2002-02-08 |
| JP3567864B2 JP3567864B2 (ja) | 2004-09-22 |
Family
ID=18715149
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2000220564A Expired - Fee Related JP3567864B2 (ja) | 2000-07-21 | 2000-07-21 | 音声認識装置及び記録媒体 |
Country Status (3)
| Country | Link |
|---|---|
| US (1) | US6937982B2 (ja) |
| JP (1) | JP3567864B2 (ja) |
| DE (1) | DE10134908B4 (ja) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2006106761A (ja) * | 2004-10-08 | 2006-04-20 | Samsung Electronics Co Ltd | 多段階音声認識装置及び多段階音声認識方法 |
| JP2009251019A (ja) * | 2008-04-01 | 2009-10-29 | Toyota Motor Corp | 音声認識装置 |
Families Citing this family (28)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CA2440463C (en) * | 2001-04-19 | 2010-02-02 | Simon Nicholas Downey | Speech recognition |
| EP1505571A4 (en) * | 2002-04-12 | 2007-02-21 | Mitsubishi Electric Corp | AUTONAVIGATION SYSTEM AND VOICE RECOGNITION DEVICE FOR THIS |
| US7398209B2 (en) | 2002-06-03 | 2008-07-08 | Voicebox Technologies, Inc. | Systems and methods for responding to natural language speech utterance |
| JP4363076B2 (ja) * | 2002-06-28 | 2009-11-11 | 株式会社デンソー | 音声制御装置 |
| US7693720B2 (en) | 2002-07-15 | 2010-04-06 | Voicebox Technologies, Inc. | Mobile systems and methods for responding to natural language speech utterance |
| US7640160B2 (en) | 2005-08-05 | 2009-12-29 | Voicebox Technologies, Inc. | Systems and methods for responding to natural language speech utterance |
| US7620549B2 (en) | 2005-08-10 | 2009-11-17 | Voicebox Technologies, Inc. | System and method of supporting adaptive misrecognition in conversational speech |
| US7949529B2 (en) | 2005-08-29 | 2011-05-24 | Voicebox Technologies, Inc. | Mobile systems and methods of supporting natural language human-machine interactions |
| US8073681B2 (en) | 2006-10-16 | 2011-12-06 | Voicebox Technologies, Inc. | System and method for a cooperative conversational voice user interface |
| US7818176B2 (en) | 2007-02-06 | 2010-10-19 | Voicebox Technologies, Inc. | System and method for selecting and presenting advertisements based on natural language processing of voice-based input |
| JP4225356B2 (ja) * | 2007-04-09 | 2009-02-18 | トヨタ自動車株式会社 | 車両用ナビゲーション装置 |
| US9423996B2 (en) * | 2007-05-03 | 2016-08-23 | Ian Cummings | Vehicle navigation user interface customization methods |
| US8140335B2 (en) | 2007-12-11 | 2012-03-20 | Voicebox Technologies, Inc. | System and method for providing a natural language voice user interface in an integrated voice navigation services environment |
| US8589161B2 (en) | 2008-05-27 | 2013-11-19 | Voicebox Technologies, Inc. | System and method for an integrated, multi-modal, multi-device natural language voice services environment |
| US9305548B2 (en) | 2008-05-27 | 2016-04-05 | Voicebox Technologies Corporation | System and method for an integrated, multi-modal, multi-device natural language voice services environment |
| US8326637B2 (en) | 2009-02-20 | 2012-12-04 | Voicebox Technologies, Inc. | System and method for processing multi-modal device interactions in a natural language voice services environment |
| US9171541B2 (en) | 2009-11-10 | 2015-10-27 | Voicebox Technologies Corporation | System and method for hybrid processing in a natural language voice services environment |
| US8914287B2 (en) * | 2010-12-31 | 2014-12-16 | Echostar Technologies L.L.C. | Remote control audio link |
| US9341492B2 (en) * | 2011-11-10 | 2016-05-17 | Mitsubishi Electric Corporation | Navigation device, navigation method, and navigation program |
| WO2013069172A1 (ja) * | 2011-11-10 | 2013-05-16 | 三菱電機株式会社 | ナビゲーション装置および方法 |
| US9898459B2 (en) | 2014-09-16 | 2018-02-20 | Voicebox Technologies Corporation | Integration of domain information into state transitions of a finite state transducer for natural language processing |
| CN107003996A (zh) | 2014-09-16 | 2017-08-01 | 声钰科技 | 语音商务 |
| WO2016061309A1 (en) | 2014-10-15 | 2016-04-21 | Voicebox Technologies Corporation | System and method for providing follow-up responses to prior natural language inputs of a user |
| CN104316073B (zh) * | 2014-11-12 | 2017-06-16 | 沈阳美行科技有限公司 | 一种用户自定义引导方位的方法 |
| US10431214B2 (en) | 2014-11-26 | 2019-10-01 | Voicebox Technologies Corporation | System and method of determining a domain and/or an action related to a natural language input |
| US10614799B2 (en) | 2014-11-26 | 2020-04-07 | Voicebox Technologies Corporation | System and method of providing intent predictions for an utterance prior to a system detection of an end of the utterance |
| WO2018023106A1 (en) | 2016-07-29 | 2018-02-01 | Erik SWART | System and method of disambiguating natural language processing requests |
| CN109215679A (zh) * | 2018-08-06 | 2019-01-15 | 百度在线网络技术（北京）有限公司 | 基于用户情绪的对话方法和装置 |
Family Cites Families (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH01116700A (ja) | 1987-10-30 | 1989-05-09 | Fujitsu Ltd | 音声認識制御方式 |
| JPH03248199A (ja) | 1990-02-26 | 1991-11-06 | Ricoh Co Ltd | 音声認識方式 |
| US5305244B2 (en) * | 1992-04-06 | 1997-09-23 | Computer Products & Services I | Hands-free user-supported portable computer |
| US5566272A (en) * | 1993-10-27 | 1996-10-15 | Lucent Technologies Inc. | Automatic speech recognition (ASR) processing using confidence measures |
| JP3384165B2 (ja) | 1995-02-01 | 2003-03-10 | トヨタ自動車株式会社 | 音声認識装置 |
| JPH09244691A (ja) * | 1996-03-07 | 1997-09-19 | Nippon Telegr & Teleph Corp <Ntt> | 入力音声リジェクト方法およびこの方法を実施する装置 |
| US5950160A (en) * | 1996-10-31 | 1999-09-07 | Microsoft Corporation | Method and system for displaying a variable number of alternative words during speech recognition |
| DE19646634A1 (de) * | 1996-11-12 | 1998-05-14 | Bosch Gmbh Robert | Verfahren zur Befehlseingabe mit Sprache |
| GB9701866D0 (en) * | 1997-01-30 | 1997-03-19 | British Telecomm | Information retrieval |
| JPH11337365A (ja) | 1998-05-29 | 1999-12-10 | Clarion Co Ltd | ナビゲーションシステム及び方法並びにナビゲーション用ソフトウェアを記録した記録媒体 |
| US6192337B1 (en) * | 1998-08-14 | 2001-02-20 | International Business Machines Corporation | Apparatus and methods for rejecting confusible words during training associated with a speech recognition system |
| JP2000069348A (ja) * | 1998-08-20 | 2000-03-03 | Canon Inc | 撮像装置 |
| DE19939705A1 (de) * | 1999-08-18 | 2001-03-08 | Deutsche Telekom Ag | Vorrichtung zur Spracherkennung |
| JP2001222291A (ja) | 2000-02-08 | 2001-08-17 | Kenwood Corp | 音声認識装置を用いた制御装置 |
| JP2002021121A (ja) | 2000-07-07 | 2002-01-23 | Shin Caterpillar Mitsubishi Ltd | 建設機械における操作レバー割り当て方法 |
-
2000
- 2000-07-21 JP JP2000220564A patent/JP3567864B2/ja not_active Expired - Fee Related
-
2001
- 2001-07-18 DE DE10134908A patent/DE10134908B4/de not_active Expired - Fee Related
- 2001-07-19 US US09/907,594 patent/US6937982B2/en not_active Expired - Lifetime
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2006106761A (ja) * | 2004-10-08 | 2006-04-20 | Samsung Electronics Co Ltd | 多段階音声認識装置及び多段階音声認識方法 |
| US8370159B2 (en) | 2004-10-08 | 2013-02-05 | Samsung Electronics Co., Ltd. | Multi-layered speech recognition apparatus and method |
| US8380517B2 (en) | 2004-10-08 | 2013-02-19 | Samsung Electronics Co., Ltd. | Multi-layered speech recognition apparatus and method |
| US8892425B2 (en) | 2004-10-08 | 2014-11-18 | Samsung Electronics Co., Ltd. | Multi-layered speech recognition apparatus and method |
| JP2009251019A (ja) * | 2008-04-01 | 2009-10-29 | Toyota Motor Corp | 音声認識装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| US20020010579A1 (en) | 2002-01-24 |
| DE10134908A1 (de) | 2002-04-25 |
| JP3567864B2 (ja) | 2004-09-22 |
| US6937982B2 (en) | 2005-08-30 |
| DE10134908B4 (de) | 2013-05-08 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP2002041085A (ja) | 音声認識装置及び記録媒体 | |
| US10446155B2 (en) | Voice recognition device | |
| JP4304952B2 (ja) | 車載制御装置、並びにその操作説明方法をコンピュータに実行させるプログラム | |
| US8005673B2 (en) | Voice recognition device, voice recognition method, and voice recognition program | |
| JP4859982B2 (ja) | 音声認識装置 | |
| US9123327B2 (en) | Voice recognition apparatus for recognizing a command portion and a data portion of a voice input | |
| JP5677650B2 (ja) | 音声認識装置 | |
| JP4466379B2 (ja) | 車載音声認識装置 | |
| JP2002091466A (ja) | 音声認識装置 | |
| CN108352167B (zh) | 包括可佩戴设备的车辆语音识别 | |
| JP4770374B2 (ja) | 音声認識装置 | |
| JP5772214B2 (ja) | 音声認識装置 | |
| US20110218809A1 (en) | Voice synthesis device, navigation device having the same, and method for synthesizing voice message | |
| JP3700533B2 (ja) | 音声認識装置及び処理システム | |
| JP4938719B2 (ja) | 車載情報システム | |
| KR100677711B1 (ko) | 음성 인식 장치, 기억 매체 및 네비게이션 장치 | |
| JP2006039954A (ja) | データベース検索装置、プログラム及びナビゲーション装置 | |
| JPH09114487A (ja) | 音声認識装置，音声認識方法，ナビゲーション装置，ナビゲート方法及び自動車 | |
| JP2006084664A (ja) | 音声認識装置および音声認識プログラム | |
| JP4093394B2 (ja) | 音声認識装置 | |
| JP2005283646A (ja) | 音声認識率推定装置 | |
| JP2001005480A (ja) | ユーザー発音判定装置及び記録媒体 | |
| JPH0854894A (ja) | 音声処理装置 | |
| JPH10133683A (ja) | 音声認識・合成方法及び音声認識・合成装置 | |
| JPH09113287A (ja) | 音声認識装置，音声認識方法，ナビゲーション装置，ナビゲート方法及び自動車 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20031209 |
|
| A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20040217 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20040318 |
|
| A911 | Transfer to examiner for re-examination before appeal (zenchi) |
Free format text: JAPANESE INTERMEDIATE CODE: A911 Effective date: 20040420 |
|
| TRDD | Decision of grant or rejection written | ||
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20040525 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20040607 |
|
| R150 | Certificate of patent or registration of utility model |
Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20100625 Year of fee payment: 6 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20110625 Year of fee payment: 7 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20110625 Year of fee payment: 7 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20120625 Year of fee payment: 8 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20120625 Year of fee payment: 8 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20130625 Year of fee payment: 9 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20140625 Year of fee payment: 10 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| LAPS | Cancellation because of no payment of annual fees |