JP2002156996A - 音声認識装置、認識結果修正方法及び記録媒体 - Google Patents

Abstract

(57)【要約】 【課題】音声をテキストに変換した際に、その認識結果
として得られたテキストの中に多数の修正個所があって
も、これらを連続して修正可能とする。 【解決手段】音声認識処理により得られたテキストを修
正する場合に、左方向キーまたは左方向キーの操作によ
りテキストの中でカレットＣＬを巡回的に移動ささせ
る。このカレットで修正位置が指定された際に、その修
正位置に認識文字列が存在するか否かを判断し、認識文
字列が存在する場合に当該認識文字列を修正するための
修正データ（候補群）を表示する。また、この修正デー
タが表示されている状態で上記カレットの移動により他
の修正位置を指定された場合に、上記他の修正位置に対
応した認識文字列の修正データを連続的に表示する。こ
れにより、テキスト中に複数の修正個所があっても、こ
れらにカレットを移動させて修正操作を連続的に行うこ
とが可能となる。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は、パーソナルコンピ
ュータなどに用いられ、音声をテキストに変換する音声
認識装置であって、特に認識結果として表示されたテキ
ストを修正する場合に用いて好適な音声認識装置と、こ
の音声認識装置に用いられる認識結果修正方法及び記録
媒体に関する。

【０００２】

【従来の技術】音声認識装置は、マイクなどを通じて入
力された音声をテキストに変換して出力するものであ
り、パーソナルコンピュータなどに広く用いられてい
る。なお、この音声認識装置は、実際には音声認識用の
アプリケーションソフト（音声入力システムと呼ばれ
る）としてパーソナルコンピュータなどに提供されるも
のである。

【０００３】このような音声認識装置を用いて音声をテ
キストに変換した場合、必ずしもユーザが期待している
認識結果が得られるとは限らない。そこで、従来の装置
では、以下のような操作により修正を可能としていた。

【０００４】まず、テキスト中の修正箇所に“カレッ
ト”と呼ばれるカーソルを移動させた後、修正ボタンを
押下するなどして修正モードを起動する。修正モードを
起動すると、修正ウインドウが開く。この修正ウインド
ウには、カレットで指定された位置の認識文字文字列に
対応した候補の一覧が表示されている。この修正ウイン
ドウから正しい認識候補を選択するか、あるいは、同ウ
インドウ上で正しい文字列をキー入力することで修正を
行う。修正後、終了ボタンを押下して修正ウインドウを
閉じる。

【０００５】他の箇所を修正する場合には、上記同様の
操作を繰り返す。つまり、次の修正箇所にカレットを移
動して修正ウインドウを開き、そのウインドウ上で候補
選択あるいはキー入力により修正を行った後、修正ウイ
ンドウを閉じるといった操作を行う。

【０００６】

【発明が解決しようとする課題】上記したように、従
来、認識結果として表示されたテキストを修正する場合
に各修正個所毎にその都度、修正ウインドウを開いて修
正を行う必要があった。このため、修正個所が多数ある
と、その数だけ修正ウインドウを開く操作を繰り返し行
わなければならず、操作が煩雑となり、修正に時間がか
かるなどの問題があった。

【０００７】本発明は上記のような点に鑑みなされたも
ので、音声をテキストに変換した際に、その認識結果と
して得られたテキストの中に多数の修正個所があって
も、これらを連続して修正することのできる音声認識装
置、認識結果修正方法及び記録媒体を提供することを目
的とする。

【０００８】

【課題を解決するための手段】本発明の音声認識装置
は、音声を入力する音声入力手段と、この音声入力手段
によって入力された音声を認識処理してテキストに変換
する変換手段と、この変換手段によって変換されたテキ
ストを表示する表示手段と、特定のキー操作により、上
記表示手段に表示された上記テキストの修正位置を指定
するためのカレットを巡回的に移動させるカレット移動
手段と、上記カレットにて修正位置が指定された際に、
その修正位置に認識文字列が存在するか否かを判断する
判断手段と、この判断手段により認識文字列が存在する
と判断された場合に、当該認識文字列を修正するための
修正データを表示する修正データ表示手段と、この修正
データ表示手段により修正データが表示されている状態
で上記カレットの移動により他の修正位置が指定された
場合に、上記他の修正位置に対応した認識文字列の修正
データを連続的に表示させる表示制御手段とを具備して
構成される。

【０００９】このような構成によれば、認識結果として
得られたテキストを修正する場合に、上記テキストの中
でカレットを巡回的に移動させながら修正位置を指定
し、その指定位置に存在する認識文字列の修正データを
表示させることができる。また、この修正データが表示
されている状態で上記カレットの移動により他の修正位
置を指定することで、上記他の修正位置に対応した認識
文字列の修正データを連続的に表示させることができ
る。したがって、テキスト中に複数の修正個所があって
も、これらにカレットを移動させて修正操作を連続的に
行うことが可能となる。

【００１０】

【発明の実施の形態】以下、図面を参照して本発明の一
実施形態を説明する。

【００１１】図１に本発明の音声認識装置をパーソナル
コンピュータで実現した場合の外観構成を示す。なお、
本発明の音声認識装置は実際にはアプリケーションソフ
トとして提供されるものであり、パーソナルコンピュー
タはこのアプリケーションソフトを搭載することで、音
声認識装置としての機能を実行する。

【００１２】図１において、１１はパソコン本体であ
り、ここではノートブックタイプのパソコン本体として
示されている。このパソコン本体１１には、例えばＴＦ
Ｔカラー液晶装置などからなるディスプレイ１２や、文
字キー、数字キーなどをの各種キーを有するキーボード
１３が設けられていると共に、ポインティングデバイス
として用いられるマウス１４や、マイク１５とスピーカ
１６を備えたヘッドセット１７がケーブルを介してパソ
コン本体１１に設けられた専用端子に接続されている。

【００１３】図２は本装置をパーソナルコンピュータで
実現した場合のシステム構成を示すブロック図である。

【００１４】パソコン本体１１の内部には、ＣＰＵ２
１、システムコントローラ２２、メモリ２３、グラフィ
クスコントローラ２４、キーボードコントローラ（ＫＢ
Ｃ）２５、Ｉ／Ｏコントローラ２６、ＨＤＤ２７、サウ
ンドコントローラ２８、通信コントローラ２９などが設
けられている。

【００１５】ＣＰＵ２１は、メモリ２３に記憶されたプ
ログラムを読み込むことで各種処理を実行する。このＣ
ＰＵ２１には、システムコントローラ２２を介してメモ
リ２３やグラフィクスコントローラ２４などが接続され
る。

【００１６】メモリ２３には、オペレーティングシステ
ムや実行対象の各種アプリケーションソフトがＨＤＤ２
７を通じてロードされる。本実施形態では、音声をテキ
ストに変換するための音声認識用のアプリケーションソ
フトがロードされて実行される。グラフィクスコントロ
ーラ２４は、ＬＣＤなどのディスプレイ１２を制御する
ためのものである。キーボードコントローラ２５は、キ
ーボード１３やマウス１４の入力制御を行う。

【００１７】キーボード１３には、文字キー、数字キー
の他、上下左右方向へのカレット移動を指示するための
４つの矢印キーや、各種指示を行うためのファンクショ
ンキーなどが設けられている。また、マウス１４はキー
ボード１３と併用されて画面上の位置を指定する場合な
どのポインティングデバイスとして用いられる。

【００１８】操作Ｉ／Ｏコントローラ２６は、ＨＤＤ２
７とのインタフェース処理を行う。このＨＤＤ２７に
は、音声認識用のアプリケーションソフトを含む各種プ
ログラムが格納されている。

【００１９】サウンドコントローラ２８は、マイク１５
およびスピーカ１６を用いて音声の入出力処理を行う。
通信コントローラ２９は、ネットワークなどを介して外
部端末との間の通信制御を行う。

【００２０】図３は本装置の機能構成を示すブロック図
である。

【００２１】図３に示すように、本実施形態における音
声認識装置を機能的に示すと、音声入力部３１、修正指
示部３２、制御部３３、表示部３４、カレット位置監視
部３５、認識結果管理部３６、リストテーブル３７から
なる。

【００２２】音声入力部３１は、音声を入力する部分で
あり、図１に示すマイク１５を用いて音声の入力を行
う。なお、音声の入力はマイク１５に限らず、電話やＷ
ａｖｅファイルなどであっても良い。修正指示部３２
は、音声認識結果として得られたテキストの修正指示や
その修正位置を指示する部分であり、図１に示すキーボ
ード１３やマウス１４の操作によるものである。

【００２３】制御部３３は、本装置全体の制御を行うも
のであり、ここでは音声認識処理部３３ａ及びカレット
移動処理部３３ｂを備えて音声認識処理に関する一連の
処理を実行する。

【００２４】音声認識処理部３３ａは音声入力部３１か
ら入力された音声を認識処理してテキストに変換する。
なお、音声認識の方法としては、一般的に知られている
方法を用いるものとする。例えば、入力された音声信号
を音響的に解析し、その解析結果として得られたパラメ
ータ（特徴量）を音素レベル単位で音声認識辞書内のデ
ータ（音素の特徴成分を示すデータ）と比較して類似度
を計算し、類似度の高い音素を結合して単語や文節の文
字列を作成する。カレット移動処理部３３ｂはカレット
移動指示に従ってカレットを所定の単位で移動させる処
理を行う。カレットとは、画面上で現在選択されている
位置を示すものである。

【００２５】表示部３４は、上記音声認識処理により認
識結果として得られたテキストを表示すると共に、その
テキストの修正が指示された場合には修正ウインドウを
表示する。

【００２６】カレット位置監視部３５は、現在表示され
ているカレットの位置を監視する。認識結果管理部３６
は、リストテーブル３７を用いて音声認識処理部３３ａ
によって認識結果として得られたテキストの各認識文字
列とこれらの候補データを画面上のオフセット位置と共
に管理する。また、修正指示があった場合にはリストテ
ーブル３７から現在のカレット位置に一致する認識文字
列を検索し、その候補データを抽出する。

【００２７】図４にリストテーブル３７の構成例を示
す。

【００２８】リストテーブル３７は、認識結果として得
られたテキストを構成する各認識文字列とこれらの候補
データを画面上のオフセット位置と共に管理するための
テーブルである。

【００２９】例えば、「オンセイデ ブンショヲ ニュ
ウリョクシマス」といった音声の入力に対し、「音声で
文書を入力します」といったテキストが認識結果として
得られたとする（図５参照）。このような場合に、所定
の単位（単語単位あるいは文節単位）で得られた「音声
で」，「文書を」，「入力します」といった各認識文字
列とその候補データが画面上のオフセット位置と共にリ
ストテーブル３７に管理される。

【００３０】オフセット位置とは画面上に表示された文
字列の位置を示すものである。この例では、１文字につ
き２バイト単位でオフセット位置を表しており、「音声
で」のオフセット位置を「０〜５」、「文書を」のオフ
セット位置を「６〜１１」、「入力します」のオフセッ
ト位置を「１２〜２１」で示している。これは、例えば
「音声で」の「音」は「０〜１」、「声」は「２〜
３」、「で」は「４〜５」で示されるオフセット位置に
あることを意味している。

【００３１】なお、ここでは各文字列毎にその先頭位置
と終了位置のオフセットが示されているが、少なくとも
文字列の先頭位置のオフセットがあれば良い（終了位置
は文字列の長さから算出できるため）。

【００３２】候補データは各認識文字列に対応して管理
されており、例えば「音声で」に対しては、現在表示さ
れている「音声で」を含め、「混声で」、「混成で」、
「音声が」、「音声」…などが候補として挙げられてい
る。なお、これらの認識候補の読みを併せ持つ持つこと
も可能である。また、実際には、各認識文字列毎にこれ
らの候補データは候補バッファ（図２に示すメモリ２３
など）に格納されており、リストテーブル３７上にはそ
の候補データの格納位置を示すポインタが記憶される。

【００３３】このようなリストテーブル３７を参照する
ことで、現在表示されているカレット位置に一致する認
識文字列を検索して、その候補データを表示することが
できる。この候補データに基づいて現在認識結果として
表示されている認識文字列が他の認識候補に置き換えら
れた場合には、その置換後の文字列の長さに応じてリス
トテーブル３７のオフセット位置が更新される。

【００３４】例えば、テキスト中の「音声で」といった
認識文字列が候補データの中の「音声」に置換される
と、オフセット位置は以下のように更新される。

【００３５】 「音声」 ：「０〜３」 「文書を」 ：「４〜９」 「入力します」：「１０〜１９」 また、新たな文字列がキー入力により挿入された場合に
は、その挿入文字列の長さに応じてリストテーブル３７
のオフセット位置が更新される。

【００３６】例えば、認識結果として得られた「音声で
文書を入力します」の「音声で」と「文書を」との間に
「特許」といった文字列がキー入力され、「音声で特許
文書を入力します」といった文字列に編集されたとす
る。このような場合には、文各認識文字列のオフセット
位置は以下のように更新される。なお、キー入力された
文字列「特許」は認識結果として得られたものではない
ので、リストテーブル３７では管理されず、後に説明す
るようにカレット移動時に修正対象外として扱われる
（図７参照）。

【００３７】 「音声で」 ：「０〜５」 「文書を」 ：「１０〜１５」 「入力します」：「１６〜２５」 なお、このリストテーブル３７の内容は、修正モードの
終了が指示されてから新たに修正モードの起動が指定さ
れるまで保持される。つまり、この間、修正データは保
持された状態にあり、何度でも繰り返し修正を行うこと
ができる。

【００３８】図５は本装置の音声入力画面の構成を示す
図である。

【００３９】この音声入力画面には、音声入力を指示す
る音声入力ボタン４１、テキストの修正を指示する修正
ボタン４２の他、音声入力に関する各種の指示ボタンが
設けられている。音声入力ボタン４１をクリックすると
音声入力状態となり、図１に示すマイク１５などを通じ
て音声を入力することにより、その入力された音声がテ
キストに変換されて画面上に表示される。この例では、
「音声で文書を入力します」といったテキストが認識結
果として表示されている。

【００４０】ここで、本装置では、所定のモード起動操
作により修正モードを起動すると、そのときにカレット
ＣＬにて選択されている文字を含む認識文字列の範囲が
修正対象として反転表示などの特定の表示形態で表示さ
れると共に、当該認識文字列に対応した候補データを有
する修正ウインドウ４３が当該認識文字列の近傍に表示
される。この例では、カレットＣＬにて選択された
「を」を含む「文書を」が認識文字列の範囲として反転
表示されており、その文字列を修正対象とした修正ウイ
ンドウ４３が修正対象文字列の下に表示されている。

【００４１】なお、上記所定のモード起動操作とは、音
声入力画面上の修正ボタン４２を押下したり、認識文字
列上でマウス１４の左ボタンをダブルクリックしたり、
特定のファンクションキー（Ｆ５キー）を押下するなど
があり、これらのいずれかの操作を行うと、カレットＣ
Ｌの位置に従って認識文字列が自動選択され、その認識
文字列に対応した修正ウインドウ４３が表示される。

【００４２】修正ウインドウ４３は、現在認識結果とし
て表示されている認識文字列を修正するためのウインド
ウであり、タイトルバー４４、エディットボックス４
５、リストボックス４６、番号ボタン４７、再生ボタン
４８、表示ボタン４９、確定ボタン５０、削除ボタン５
１などからなる。

【００４３】タイトルバー４４には、現在の表示モード
（「全候補表示」または「異なる読みで整列表示」）が
表示される。

【００４４】エディットボックス４５には、現在選択さ
れている認識文字列（単語または文節）が表示される。
また、このエディットボックス４５にてキー入力により
文字列の編集が可能である。

【００４５】リストボックス４６には、修正対象として
選択されている認識文字列に対応した認識候補の一覧が
表示される。この表示モードとして、「全候補表示」と
「異なる読みで整列表示」の２つのモードがあり、これ
らを表示ボタン４９にて切り替えることができる。「全
候補表示」は音声認識処理（認識エンジン）にて得られ
た全候補を確信度の高い順に表示するモードである。
「異なる読みで整列表示」は候補を異なる読みで表示す
るモードである。図５の例は「全候補表示」である。
「異なる読みで整列表示」に切り替えた場合には、「ぶ
んしょを」，「ぶんしょうを」，…といったように各候
補が読みで表示され、さらにその読みから同音異義語の
表示も可能である。

【００４６】番号ボタン４７は、リストボックス４６内
の各候補を番号にて選択するためのボタンである。再生
ボタン４８は、修正対象文字列の認識元になった生音声
の再生を指示するためのボタンである。表示ボタン４９
は、「全候補表示」と「異なる読みで整列表示」の２つ
のモードを切り替えるためのボタンである。確定ボタン
５０は選択候補を確定するためのボタン、削除ボタン５
１は選択候補を削除するためのボタンである。

【００４７】候補の選択はリストボックス４６上の候補
をダブルクリックするか、番号ボタン４７をクリックす
るか、リストボックス４６上の候補を選択した状態で確
定ボタン５０をクリックあるいはキーボード１３上のリ
ターンキーを押下することで行う。選択された候補はエ
ディットボックス４５に現在の候補に代わって表示され
る。また、画面上で修正対象として選択された認識文字
列に代わって当該選択候補の文字列が認識結果として表
示される。したがって、所望の候補を選択するだけで、
認識文字列の修正を簡単に行うことができる。また、エ
ディットボックス４５に所望の文字列をキー入力するこ
とでも修正を行うことができる。

【００４８】また、本装置では、所定のモード終了操作
にて修正モードを終了するまでは、修正ウインドウ４３
を以下のような操作により他の認識文字列へ移動させる
ことができる。

【００４９】（１）他の認識文字列を左クリック マウス１４の操作により他の認識文字列を選択して左ク
リックすると、その認識文字列へカレットＣＬが移動す
ると共に修正ウインドウ４３が移動する。

【００５０】（２）右／左の矢印キーの押下 キーボード１３の右矢印キーを押下すると、次の認識文
字列へカレットＣＬが移動すると共に修正ウインドウ４
３が移動する。このとき、現在選択されている認識文字
列がテキストの末尾にあれば、先頭の認識文字列へ移動
する（図６参照）。同様に、キーボード１３の左矢印キ
ーを押下すると、１つ前の認識文字列へカレットＣＬが
移動すると共に修正ウインドウ４３が移動する。このと
き、現在選択されている認識文字列がテキストの先頭に
あれば、末尾の認識文字列へ移動する。

【００５１】（３）修正ウインドウ内の削除ボタンのク
リック 修正ウインドウ４３の下部に設けられている削除ボタン
５１をクリックすると、次の認識文字列へカレットＣＬ
が移動すると共に修正ウインドウ４３が移動する。この
とき、現在選択されている認識文字列がテキストの末尾
にあれば、先頭の認識文字列へ移動する。

【００５２】このように、修正ウインドウ４３が表示さ
れている状態では、その都度、修正モードを起動しなく
とも、修正ウインドウ４３を移動させて他の認識文字列
を連続的に修正することができる。

【００５３】なお、上記所定のモード終了操作とは、画
面上で認識文字列以外の領域をクリックするか、Ｅｓｃ
キーなどの特定のキーを押下するなどである。このよう
な操作を行うことで、修正ウインドウ４３が閉じて修正
モードが終了する。

【００５４】図６は本装置の修正モード時におけるカレ
ットＣＬの移動を説明するための図である。

【００５５】今、「音声で文書を入力します」といった
テキストが認識結果として表示されている場合を想定す
る。なお、ここでは「音声で／文書を／入力します」
（／は文節の区切れを示す）といったように、文節の単
位が認識単位であるとする。

【００５６】図６（ａ）に示すように、カレットＣＬを
「で」の位置に設定して修正モードを起動すれば、「音
声で」といった認識文字列が修正対象として反転表示さ
れ、その修正対象文字列である「音声で」に対応する候
補データを有する修正ウインドウ４３が「音声で」の近
傍に表示される。各認識文字列に対応した候補データは
図４に示すリストテーブル３７から得られ、該当する修
正ウインドウ４３に表示される。

【００５７】ここで、図６（ａ）の状態で、右矢印キー
を押下すると、図６（ｂ）に示すように、次の認識文字
列である「文書を」の「を」の位置にカレットＣＬが移
動し、それに伴い「文書を」の近傍に修正ウインドウ４
３が移動する。この場合、修正ウインドウ４３には「文
書を」に対応する候補データが表示される（図５参
照）。

【００５８】続けて、右矢印キーを押下すれば、図６
（ｃ）に示すように、次の認識文字列である「入力しま
す」の「す」の位置にカレットＣＬが移動し、その近傍
に修正ウインドウ４３が移動し、そこに「入力します」
に対応する候補データが表示される。

【００５９】また、図６（ｃ）の状態つまりテキストの
末尾の文字認識文字列にカレットＣＬがある状態で右矢
印キーを押下すれば、図６（ｄ）に示すように先頭の認
識文字列「音声で」の「で」の位置にカレットＣＬが移
り、その近傍に修正ウインドウ４３が移動して「音声
で」に対応した候補データが表示される。

【００６０】同様に、左矢印キーを押下すれば、その押
下に伴いカレットＣＬが１つ前の修正文字列に移動し、
それに追従して修正ウインドウ４３も移動する。この場
合、テキストの先頭の文字認識文字列「音声で」の
「で」の位置にカレットＣＬがある状態で左矢印キーを
押下すれば、末尾の認識文字列「入力します」の「す」
にカレットＣＬが移動し、それに伴い「入力します」に
対応した修正ウインドウ４３が表示される。

【００６１】このようなカレットＣＬの移動は認識文字
列に対してのみ行われ、キー入力された文字列には適用
されない。この様子を図７に示す。

【００６２】図７は本装置のキー入力された文字列を含
む場合のカレットＣＬの移動を説明するための図であ
る。

【００６３】今、認識結果として得られた「音声で文書
を入力します」の「音声で」と「文書を」といった認識
文字列の間に「特許」といった文字列がキー入力された
とする。図７（ａ）に示すように、「音声で」の「で」
の位置にカレットＣＬがある状態で右矢印キーを押下す
ると、同図（ｂ）に示すようにキー入力文字列である
「特許」を飛ばして次の認識文字列「文書を」の「を」
の位置にカレットＣＬが移動し、「文書を」に対応した
候補データを有する修正ウインドウ４３が表示される。

【００６４】次に、フローチャートを参照しながら本装
置の処理動作について説明する。

【００６５】図８は本装置における音声入力時の処理動
作を示すフローチャートである。

【００６６】音声入力部３１（マイク１５など）により
音声が入力されると（ステップＡ１１）、制御部３３の
音声認識処理部３３ａにより、入力された音声が音声認
識処理されてテキストに変換され（ステップＡ１２）、
その変換後のテキストが認識結果として表示部３４によ
り画面上に表示される（ステップＡ１３）。詳しくは、
入力された音声信号が音響的に解析され、その解析結果
として得られたパラメータ（特徴量）が音素レベル単位
で音声認識辞書内のデータと比較される。そして、この
比較結果に基づいて、類似度の高い音素が結合されて単
語や文節の文字列が作成されて表示される。

【００６７】また、入力音声に対応したテキストが表示
された際に、そのテキストを構成する各認識文字列に関
するリストテーブル３７が作成される（ステップＡ１
４）。リストテーブル３７の一例を図４に示す。この例
では、「音声で」、「文書を」、「入力します」といっ
たように、文節単位で得られた各認識文字列とこれらの
に候補データがオフセット位置と共に管理されている。

【００６８】ここで、所定の操作により修正モードの起
動が指示されると（ステップＡ１５のＹｅｓ）、現在表
示されているカレットＣＬの位置がカレット位置監視部
３５により検出され、認識結果管理部３６に伝えられる
（ステップＡ１７）。

【００６９】認識結果管理部３６ではリストテーブル３
７の各認識文字列のオフセット位置とカレットＣＬの位
置とを比較して、カレットＣＬの位置に一致する認識文
字列を検索する（ステップＡ１７）。該当する認識文字
列がある場合、つまり、カレットＣＬの位置に認識文字
列が存在する場合には（ステップＡ１８のＹｅｓ）、そ
の認識文字列が修正対象として指定されて反転表示され
る（ステップＡ１９）。詳しくは、カレットＣＬの位置
にある文字を含む認識文字列の範囲が検出され、その認
識文字列が修正対象として反転表示される。なお、この
修正対象の表示方法は反転表示に限らず、例えば表示色
の変更や、アンダーラインの付加など、他の文字列と区
別可能な表示形態であれば良い。

【００７０】また、当該認識文字列に対応した候補デー
タがリストテーブル３７により取得され、その修正デー
タを有する修正ウインドウ４３が当該認識文字列の近傍
に表示される（ステップＡ２０）。修正ウインドウ４３
の一例を図５に示す。この例では、カレットＣＬの位置
にある「を」を含む「文書を」といった認識文字列が修
正対象として選択されて反転表示され、「文書を」の候
補データを有する修正ウインドウ４３が表示されてい
る。

【００７１】修正ウインドウ４３が表示された状態で、
例えばリストボックス４６の中から所望の候補を選択す
ると、現在カレットＣＬにて修正対象として選択されて
いる認識文字列がその選択候補に置き換えられる。ま
た、エディットボックス４５にてキー入力により現在の
認識文字列を編集すれば、その編集された文字列に置き
換えられる。このような操作により、認識結果として得
られたテキストの文字列を任意に修正することができ
る。

【００７２】図９は本装置におけるカレット移動時の処
理動作を示すフローチャートである。

【００７３】音声認識後、テキスト中の修正個所を指示
するべく、修正指示部３２（キーボード１３またはマウ
ス１４）によりカレットＣＬを移動させると（ステップ
Ｂ１１）、まず、現在、修正ウインドウ４３が表示され
ているか否かが判断される（ステップＢ１２）。

【００７４】ここで、修正ウインドウ４３が表示されて
いる場合には（ステップＢ１２のＹｅｓ）、カレット位
置監視部３５にて移動先のカレットＣＬの位置が検出さ
れて認識結果管理部３６に伝えられる（ステップＢ１
３）。認識結果管理部３６ではリストテーブル３７の各
認識文字列のオフセット位置とカレットＣＬの位置とを
比較して、カレットＣＬの位置に一致する認識文字列を
検索し（ステップＢ１４）、該当する認識文字列がある
場合には（ステップＢ１５のＹｅｓ）、その認識文字列
が修正対象として指定されて反転表示される（ステップ
Ｂ１６）。

【００７５】また、当該認識文字列に対応した候補デー
タがリストテーブル３７により取得され、その修正デー
タを有する修正ウインドウ４３が当該認識文字列の近傍
に表示される（ステップＢ１７）。つまり、修正ウイン
ドウ４３が表示されている状態でカレットＣＬを他の認
識文字列上に移動させると、その移動先に修正ウインド
ウ４３も移動する。この場合、修正ウインドウ４３の内
容は移動先の認識文字列に対応したものである。したが
って、複数の修正個所がある場合に、従来のように、各
修正個所毎に修正ウインドウ４３を表示させて修正する
といった操作を繰り返さなくとも、カレットＣＬを移動
させながら連続して修正操作を行うことができる。

【００７６】図１０は本装置における修正モード時のカ
レット移動処理を示すフローチャートである。

【００７７】修正モードが設定されている状態で、例え
ばキーボード１３の右矢印キーの押下によりカレットＣ
Ｌの移動が指示されると（ステップＣ１１のＹｅｓ）、
まず、現在のカレットＣＬの位置が画面上に認識結果と
して表示されたテキストの末尾に存在する認識文字列上
にあるか否かが判断される（ステップＣ１２）。その結
果、カレットＣＬの位置が末尾以外の認識文字列上にあ
る場合には（ステップＣ１２のＮｏ）、リストテーブル
３７から当該カレット位置から右方向に存在する次の認
識文字列の位置が検出され、その認識文字列上へカレッ
トＣＬの移動が制御される（ステップＣ１３）。なお、
本実施形態では、認識文字列を構成する各文字の最後の
文字の位置へカレットＣＬを移動させるものとする。

【００７８】また、右矢印キーが押下された際にカレッ
トＣＬの位置がテキストの末尾に存在する認識文字列上
にあった場合には（ステップＣ１２のＹｅｓ）、リスト
テーブル３７から先頭の認識文字列が検出され、その認
識文字列上へカレットＣＬの移動が制御される（ステッ
プＣ１４）。

【００７９】一方、キーボード１３の左矢印キーの押下
によりカレットＣＬの移動が指示されると（ステップＣ
１５のＹｅｓ）、まず、現在のカレットＣＬの位置が画
面上に認識結果として表示されたテキストの先頭に存在
する認識文字列上にあるか否かが判断される（ステップ
Ｃ１６）。その結果、カレットＣＬの位置が先頭以外の
認識文字列上にある場合には（ステップＣ１６のＮ
ｏ）、リストテーブル３７から当該カレット位置から左
方向に存在する１つ前の認識文字列の位置が検出され、
その認識文字列上へカレットＣＬの移動が制御される
（ステップＣ１７）。

【００８０】また、左矢印キーが押下された際にカレッ
トＣＬの位置がテキストの先頭に存在する認識文字列上
にあった場合には（ステップＣ１６のＹｅｓ）、リスト
テーブル３７から末尾の認識文字列が検出され、その認
識文字列上へカレットＣＬの移動が制御される（ステッ
プＣ１８）。

【００８１】このように、カレットＣＬを認識単位で移
動させることができ、しかも、テキスト中で右方向ある
いは左方向に巡回させることができる。したがって、例
えば図６に示すように、先頭から順に認識文字列を修正
していくような場合において、修正し忘れた認識文字列
や修正を誤った認識文字列があった際にはカレットＣＬ
を先頭に戻して修正をやり直すことができて便利であ
る。

【００８２】また、このようなカレットＣＬの移動は認
識文字列のみを対象にして行われるため、例えば図７に
示すように、認識文字列以外の文字列（ここでは「特
許」）が含まれている場合には、その文字列を飛ばして
カレットＣＬが次の認識文字列に移動する。したがっ
て、認識文字列のみを対象として修正操作を効率的に行
うことができる。

【００８３】なお、上記実施形態では、１つの文の中で
カレットＣＬを巡回的に移動させる場合を例にして説明
したが、例えば「音声で文書を入力します。特許明細書
を入力します。」といったように、複数の文が句点で区
切られて連続して音声入力された場合には、それらの文
全体を修正対象としてカレットＣＬを順次移動させる方
法の他に、以下のように各文毎にカレットＣＬを移動さ
せることも可能である。

【００８４】すなわち、今、「音声で／文書を／入力し
ます／。／特許明細書を／入力します／。」（／は文節
の区切れを示す）といったように、２つの文からなる認
識結果が表示されたとする。なお、ここでは文節の単位
が認識単位であるとする。

【００８５】このような場合に、例えば「音声で文書を
入力します。」の句点「。」の位置にカレットＣＬがあ
る状態で右矢印キーが押下されたとき、「音声で」の
「で」の位置にカレットＣＬを移動させる。また、「音
声で文書を入力します。」の「で」の位置にカレットＣ
Ｌがある状態で左矢印キーが押下されたとき、当該文
（「音声で文書を入力します。」）の末尾にある「。」
の位置にカレットＣＬを移動させる。

【００８６】ここで、「音声で文書を入力します。」の
句点「。」の位置にカレットＣＬがある状態で特定のキ
ー（例えばタブキー）が押下された場合には、次の文で
ある「特許明細書を入力します。」を修正対象として、
「特許明細書」の「書」の位置にカレットＣＬを移動さ
せる。以後、特定のキー（例えばタブキー）が押下され
るまでは、当該文（「特許明細書」）を修正対象とし
て、右矢印キーまたは左矢印キーの操作に伴いカレット
ＣＬを認識単位で巡回的に移動させる。

【００８７】このようなカレットＣＬの移動制御は、例
えば以下のような処理を追加することで実現できる。

【００８８】すなわち、現在のカレットＣＬの位置をカ
レット位置監視部３５で監視し、右矢印キーが押下され
たときには、カレットＣＬが句点の位置にあるかか否か
をリストテーブル３７（句点も１文字として登録されて
いる）を参照して判断し、カレットＣＬが句点の位置に
ある場合には当該句点を含む文の先頭の認識文字列上に
カレットＣＬを移動させ、左矢印キーが押下されたとき
には、カレットＣＬが文の先頭の認識文字列上にあるか
否かをリストテーブル３７を参照して判断し、カレット
ＣＬが文の先頭の認識文字列上にある場合には当該文の
末端の句点の位置にカレットＣＬを移動させる。

【００８９】また、カレットＣＬが句点の位置にある状
態で、特定のキーが押下された場合にリストテーブル３
７を参照して当該句点の後に次の文が続いているか否か
を判断し、次の文が続いている場合にはその文の先頭の
認識文字列にカレットＣＬを移動させる。

【００９０】なお、上述した実施形態において記載した
手法は、コンピュータに実行させることのできるプログ
ラムとして、例えば磁気ディスク（フロッピー（登録商
標）ディスク、ハードディスク等）、光ディスク（ＣＤ
−ＲＯＭ、ＤＶＤ等）、半導体メモリなどの記録媒体に
書き込んで各種装置に適用したり、通信媒体により伝送
して各種装置に適用することも可能である。本装置を実
現するコンピュータは、記録媒体に記録されたプログラ
ムを読み込み、このプログラムによって動作が制御され
ることにより、上述した処理を実行する。

【００９１】

【発明の効果】以上詳記したように本発明によれば、認
識結果として得られたテキストを修正する場合に、上記
テキストの中でカレットを巡回的に移動させながら修正
位置を指定して、その修正位置に存在する認識文字列の
修正データを表示させることでき、また、この修正デー
タが表示されている状態で上記カレットの移動により他
の修正位置を指定することで、上記他の修正位置に対応
した認識文字列の修正データを連続的に表示させること
ができる。したがって、テキスト中に複数の修正個所が
あっても、これらにカレットを移動させて修正操作を連
続的に行うことが可能となる。

【図面の簡単な説明】

【図１】本発明の音声認識装置をパーソナルコンピュー
タで実現した場合の外観構成を示す図。

【図２】本発明の音声認識装置をパーソナルコンピュー
タで実現した場合のシステム構成を示すブロック図。

【図３】本装置の機能構成を示すブロック図。

【図４】本装置に設けられたリストテーブルの構成を示
す図。

【図５】本装置の音声入力画面の構成を示す図。

【図６】本装置の修正モード時におけるカレットの移動
を説明するための図。

【図７】本装置のキー入力された文字列を含む場合のカ
レットＣＬの移動を説明するための図。

【図８】本装置における音声入力時の処理動作を示すフ
ローチャート。

【図９】本装置におけるカレット移動時の処理動作を示
すフローチャート。

【図１０】本装置における修正モード時のカレット移動
処理を示すフローチャート。

【符号の説明】 １１…パソコン本体 １２…ディスプレイ １３…キーボード １４…マウス １５…マイク １６…スピーカ １７…ヘッドセット ３１…音声入力部 ３２…修正指示部 ３３…制御部 ３３ａ…音声認識処理部 ３３ｂ…カレット移動処理部 ３４…表示部 ３５…カレット位置監視部 ３６…認識結果管理部 ３７…リストテーブル ４１…音声入力ボタン ４２…修正ボタン ４３…修正ウインドウ ＣＬ…カレット

Claims (5)

【特許請求の範囲】
1. 【請求項１】 音声を入力する音声入力手段と、 この音声入力手段によって入力された音声を認識処理し
   てテキストに変換する変換手段と、 この変換手段によって変換されたテキストを表示する表
   示手段と、 特定のキー操作により、上記表示手段に表示された上記
   テキストの修正位置を指定するためのカレットを巡回的
   に移動させるカレット移動手段と、 上記カレットにて修正位置が指定された際に、その修正
   位置に認識文字列が存在するか否かを判断する判断手段
   と、 この判断手段により認識文字列が存在すると判断された
   場合に、当該認識文字列を修正するための修正データを
   表示する修正データ表示手段と、 この修正データ表示手段により修正データが表示されて
   いる状態で上記カレットの移動により他の修正位置が指
   定された場合に、上記他の修正位置に対応した認識文字
   列の修正データを連続的に表示させる表示制御手段とを
   具備したことを特徴とする音声認識装置。
2. 【請求項２】 上記カレット移動手段は、上記特定のキ
   ー操作により上記テキストを構成する各認識文字列毎に
   上記カレットを移動させ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】 上記修正データ表示手段は、認識文字列
   に対応した候補の一覧を当該認識文字列の近傍に表示す
   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】 音声を認識処理してテキストに変換し、
   その変換後のテキストを画面上に表示する音声認識装置
   に用いられる認識結果修正方法であって、 特定のキー操作により、上記画面上に表示されたテキス
   トの修正位置を指定するためのカレットを巡回的に移動
   させ、 上記カレットにて修正位置が指定された際に、その修正
   位置に認識文字列が存在するか否かを判断し、 認識文字列が存在すると判断された場合に、当該認識文
   字列を修正するための修正データを表示し、 この修正データが表示されている状態で上記カレットの
   移動により他の修正位置が指定された場合に、上記他の
   修正位置に対応した認識文字列の修正データを連続的に
   表示させることを特徴とする認識結果修正方法。
5. 【請求項５】 音声を認識処理してテキストに変換し、
   その変換後のテキストを画面上に表示する音声認識プロ
   グラムを記録した記録媒体であって、 コンピュータに、 特定のキー操作により、上記画面上に表示された上記テ
   キストの修正位置を指定するためのカレットを巡回的に
   移動させるカレット移動処理と、 上記カレットにて修正位置が指定された際に、その修正
   位置に認識文字列が存在するか否かを判断する判断処理
   と、 この判断処理により認識文字列が存在すると判断された
   場合に、当該認識文字列を修正するための修正データを
   表示する修正データ表示処理と、 この修正データ表示処理により修正データが表示されて
   いる状態で上記カレットの移動により他の修正位置が指
   定された場合に、上記他の修正位置に対応した認識文字
   列の修正データを連続的に表示させる表示制御処理とを
   実行させるプログラムを記録したコンピュータ読み取り
   可能な記録媒体。