JP2002162992A - 音声認識誤り処理装置および記憶媒体 - Google Patents

Abstract

(57)【要約】 【課題】 音声認識誤り処理装置および記憶媒体に関
し、誤り修正作業を支援して効率化すること。 【解決手段】 音声が入力されると音声認識部１０１は
音声認識処理を行い、認識結果を認識結果呈示部１０２
と誤り（正解）箇所検出部１０４へ送信する。認識結果
呈示部１０２は音声認識部１０１から受信した認識結果
に基づき修正者等に認識結果を呈示するとともに、認識
結果を認識結果修正部１０３へ送信する。誤り（正解）
箇所検出部１０４は音声認識部１０１から受信した認識
結果に基づき誤り（正解）箇所を検出し、検出情報を誤
り（正解）箇所呈示部１０５へ送信する。誤り（正解）
箇所呈示部１０５は誤り（正解）箇所検出部１０４から
受信した誤り（正解）箇所検出情報に基づき修正者等に
誤り（正解）箇所を呈示する。認識結果修正部１０３は
認識結果呈示部１０２から受信した認識結果に基づき人
手により認識結果の修正を行い、修正結果を送信出力す
る。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は音声認識誤り処理装
置および記憶媒体に関し、特に、音声認識結果修正時
の、発見／修正者への誤り（または正解）箇所を呈示す
る音声認識誤り処理装置および当該処理方法のプログラ
ムを記憶した記憶媒体に関する。

【０００２】

【従来の技術】従来、音声認識処理を用いてニュース音
声などをリアルタイムで字幕化する際に音声認識結果の
修正を行なっているが、この時に発見／修正者へ誤り
（または正解）箇所の候補を呈示する方法は存在してい
なかった。

【０００３】そのため、従来、発見／修正者に誤り（ま
たは正解）箇所の候補を呈示することにより、発見／修
正作業を支援することは実質不可能であり、そのような
技術は存在していなかった。

【０００４】

【発明が解決しようとする課題】音声認識結果修正時に
発見／修正者へ音声認識結果を呈示して、音声認識対象
となった音声と照合することにより誤り箇所を発見する
際、音声認識結果と音声の呈示方法やタイミングによっ
ては、正解情報である音声を聞き漏らしたり、記憶しき
れない場合があり、音声認識結果に対する照合・判定を
困難にするという課題があった。

【０００５】本発明は上記の事情に鑑みなされたもの
で、音声認識結果を発見／修正者に呈示する際、誤り
（または正解）箇所の候補を効果的に呈示することによ
り、発見／修正者を支援することを可能とする音声認識
誤り処理装置および当該処理方法のプログラムを記憶し
た記憶媒体を提供することを目的としている。

【０００６】

【課題を解決するための手段】上記の目的を達成するた
めに、請求項１の発明は、音声入力を認識して処理する
音声認識誤り処理装置であって、前記音声入力に対して
認識処理を行なう認識手段と、当該処理結果と、前記処
理結果に基づいて認識の正否とを呈示する呈示手段と、
前記呈示された情報に応じたマニュアル入力にしたがっ
て前記処理結果を修正して出力する修正手段とを備えた
形態の音声認識誤り処理装置を実施した。

【０００７】請求項２の発明は、請求項１に記載の音声
認識誤り処理装置において、前記呈示手段は、前記処理
結果に基づき認識誤り箇所を検出する手段と、前記認識
誤り箇所を呈示する手段とを有する形態の音声認識誤り
処理装置を実施した。

【０００８】請求項３の発明は、請求項１に記載の音声
認識誤り処理装置において、前記呈示手段は、前記処理
結果に基づき認識誤り箇所と該誤り箇所の誤り度合いを
推定する手段と、前記認識誤り箇所および前記誤り度合
いを呈示する手段とを有する形態の音声認識誤り処理装
置を実施した。

【０００９】請求項４の発明は、請求項１に記載の音声
認識誤り処理装置において、前記呈示手段は、前記処理
結果に基づき認識誤り箇所を検出する手段と、前記認識
誤り箇所およびその表示方法指定情報にしたがって前記
認識誤り箇所を呈示する手段とを有する形態の音声認識
誤り処理装置を実施した。

【００１０】請求項５の発明は、請求項１に記載の音声
認識誤り処理装置において、前記呈示手段は、前記処理
結果に基づき認識誤り箇所を検出する手段と、前記認識
誤り箇所およびその表示属性情報にしたがって前記認識
誤り箇所を呈示する手段とを有する形態の音声認識誤り
処理装置を実施した。

【００１１】請求項６の発明は、音声認識誤り処理方法
のプログラムをコンピュータにより読取可能に記憶した
記憶媒体であって、前記プログラムはコンピュータに、
音声入力に対して認識処理を行なう第１ステップと、当
該処理結果と、前記処理結果に基づいて認識の正否とを
呈示する第２ステップと、前記呈示された情報に応じた
マニュアル入力にしたがって前記処理結果を修正して出
力する第３ステップとを実行させる形態の記憶媒体を実
施した。

【００１２】

【発明の実施の形態】（実施形態１）図１は本発明に係
る音声認識誤り処理方法のプログラムを記憶した記憶媒
体の実施形態１を実施する構成を示すブロック図であ
る。

【００１３】この図を参照して説明される音声認識誤り
処理方法は、音声認識部１０１、認識結果呈示部１０
２、認識結果修正部１０３、誤り（正解）箇所検出部１
０４、誤り（正解）箇所呈示部１０５の各機能によって
実施され、この方法により入力音声に対する音声認識結
果を修正者に呈示し、認識誤りの修正を支援するもので
ある。

【００１４】この図に示される各機能は一般的な構成の
パーソナル・コンピュータ、ワークステーション等、Ｃ
ＰＵ，ＲＯＭ，ＲＡＭ，ＨＤＤ等の外部記憶装置および
補助記憶装置，キーボードおよび各種ポインティングデ
バイスおよびマイクロフォンまたは音声信号を出力する
各種音声装置で構成される入力装置，ＣＲＴまたは液晶
ディスプレイ等の出力装置を有する構成によって実現で
きる。

【００１５】このような構成は、以下の他の実施形態に
おいても用いることができる。このような構成を備えた
本実施形態の装置および以下の実施形態の装置は、各種
記憶装置（記憶媒体）から本発明に係る音声認識誤り処
理方法のプログラムを読み取ってロードし、このプログ
ラムのインストラクションコードにしたがって音声信号
処理を行なうことができる。これら音声信号処理は、図
１〜図５が示す要素によって、当該各図が示すフローに
したがって行なわれる。

【００１６】上記マイクロフォンまたは音声装置から音
声が入力されると、音声認識部１０１による音声認識処
理を行い、この認識結果を認識結果呈示部１０２と誤り
（正解）箇所検出部１０４へ送信する。

【００１７】上記の入力音声は、例えばニュース音声な
どがリアルタイムで入力されるものである。また、ニュ
ース音声に限らず、例えば生放送における音声を上記入
力音声とすることができる。

【００１８】認識結果呈示部１０２は音声認識部１０１
から受信した認識結果に基づき上記出力装置を用いて発
見／修正者に認識結果を呈示するとともに、当該認識結
果を認識結果修正部１０３へ送信する。

【００１９】音声認識部１０１による認識結果を受信し
た誤り（正解）箇所検出部１０４は、音声認識部１０１
から受信した認識結果に基づき誤り（正解）箇所を検出
し、これにより得られた誤り（正解）箇所検出情報を誤
り（正解）箇所呈示部１０５へ送信する。

【００２０】この情報を受けた誤り（正解）箇所呈示部
１０５では、誤り（正解）箇所検出部１０４から受信し
た誤り（正解）箇所検出情報に基づき、上記出力装置を
用いて発見／修正者に誤り（正解）箇所を呈示する。

【００２１】認識結果修正部１０３では、認識結果呈示
部１０２から受信した認識結果に基づき、また上記出力
装置の表示を見た修正者の上記入力装置からの人手によ
るマニュアル入力に応じて認識結果の修正を行い、修正
結果の音声データを外部に送信出力する。この出力音声
信号は字幕化に用いられる。

【００２２】（実施形態２）図２は本発明に係る音声認
識誤り処理方法のプログラムを記憶した記憶媒体の実施
形態２を実施する構成を示すブロック図である。

【００２３】この図を参照して説明される音声認識誤り
処理方法は、音声認識部１０１、認識結果呈示部１０
２、認識結果修正部１０３、誤り（正解）箇所推定部２
０４、誤り（正解）箇所・度合い呈示部２０５の各機能
によって実施され、この方法により入力音声に対する音
声認識結果を修正者に呈示し、認識誤りの修正を支援す
るものである。

【００２４】上記マイクロフォンまたは音声装置から音
声が入力されると、音声認識部１０１による音声認識処
理を行い、この認識結果を認識結果呈示部１０２と誤り
（正解）箇所推定部２０４へ送信する。

【００２５】上記の入力音声は、例えばニュース音声な
どがリアルタイムで入力されるものである。また、ニュ
ース音声に限らず、例えば生放送における音声を上記入
力音声とすることができる。

【００２６】認識結果呈示部１０２は音声認識部１０１
から受信した認識結果に基づき上記出力装置を用いて発
見／修正者に認識結果を呈示するとともに、当該認識結
果を認識結果修正部１０３へ送信する。

【００２７】誤り（正解）箇所推定部２０４では、音声
認識部１０１から受信した認識結果に基づき、その誤り
（正解）の度合いとともに誤り（正解）箇所を推定し、
これにより得られた誤り（正解）箇所推定情報を誤り
（正解）箇所・度合い呈示部２０５へ送信する。

【００２８】誤り（正解）箇所・度合い呈示部２０５で
は、誤り（正解）箇所推定部２０４から受信した誤り
（正解）箇所推定情報に基づき、その誤り（正解）の度
合いを含めて表現するように発見／修正者に誤り（正
解）箇所を呈示する。

【００２９】認識結果修正部１０３では、認識結果呈示
部１０２から受信した認識結果に基づき、また上記出力
装置の表示を見た修正者の上記入力装置からの人手によ
るマニュアル入力に応じて認識結果の修正を行い、修正
結果の音声データを外部に送信出力する。この出力音声
信号は字幕化に用いられる。

【００３０】（実施形態３）図３は本発明に係る音声認
識誤り処理方法のプログラムを記憶した記憶媒体の実施
形態３を実施する構成を示すブロック図である。

【００３１】この図を参照して説明される音声認識誤り
処理方法は、音声認識部１０１、認識結果呈示部１０
２、認識結果修正部１０３、誤り（正解）箇所検出部１
０４、誤り（正解）箇所呈示部３０５、表示方法変更部
３０６の各機能によって実施され、この方法により入力
音声に対する音声認識結果を修正者に呈示し、認識誤り
の修正を支援するものである。

【００３２】上記マイクロフォンまたは音声装置から音
声が入力されると、音声認識部１０１による音声認識処
理を行い、この認識結果を認識結果呈示部１０２と誤り
（正解）箇所検出部１０４へ送信する。

【００３３】上記の入力音声は、例えばニュース音声な
どがリアルタイムで入力されるものである。また、ニュ
ース音声に限らず、例えば生放送における音声を上記入
力音声とすることができる。

【００３４】認識結果呈示部１０２は音声認識部１０１
から受信した認識結果に基づき上記出力装置を用いて発
見／修正者に認識結果を呈示するとともに、当該認識結
果を認識結果修正部１０３へ送信する。

【００３５】音声認識部１０１による認識結果を受信し
た誤り（正解）箇所検出部１０４は、音声認識部１０１
から受信した認識結果に基づき誤り（正解）箇所を検出
し、これにより得られた誤り（正解）箇所検出情報を誤
り（正解）箇所呈示部３０５へ送信する。

【００３６】誤り（正解）箇所呈示部３０５では、誤り
（正解）箇所検出部１０４から受信した誤り（正解）箇
所検出情報に基づき、表示方法指定情報を生成して誤り
（正解）箇所検出情報とともに表示方法変更部３０６へ
送信する。

【００３７】この情報を受けた表示方法変更部３０６
は、誤り（正解）箇所呈示部３０５から受信した誤り
（正解）箇所検出情報と表示方法指定情報に基づき音声
認識結果を指定された表示方法により、上記出力装置を
用いて発見／修正者に誤り（正解）箇所を呈示する。

【００３８】認識結果修正部１０３では、認識結果呈示
部１０２から受信した認識結果に基づき、また上記出力
装置の表示を見た修正者の上記入力装置からの人手によ
るマニュアル入力に応じて認識結果の修正を行い、修正
結果の音声データを外部に送信出力する。この出力音声
信号は字幕化に用いられる。

【００３９】（実施形態４）図４は本発明に係る音声認
識誤り処理方法のプログラムを記憶した記憶媒体の実施
形態４を実施する構成を示すブロック図である。

【００４０】この図を参照して説明される音声認識誤り
処理方法は、音声認識部１０１、認識結果呈示部１０
２、認識結果修正部１０３、誤り（正解）箇所検出部１
０４、誤り（正解）箇所呈示部４０５、表示属性変更部
４０６の各機能によって実施され、この方法により入力
音声に対する音声認識結果を修正者に呈示し、認識誤り
の修正を支援するものである。

【００４１】上記マイクロフォンまたは音声装置から音
声が入力されると、音声認識部１０１による音声認識処
理を行い、この認識結果を認識結果呈示部１０２と誤り
（正解）箇所検出部１０４へ送信する。

【００４２】上記の入力音声は、例えばニュース音声な
どがリアルタイムで入力されるものである。また、ニュ
ース音声に限らず、例えば生放送における音声を上記入
力音声とすることができる。

【００４３】認識結果呈示部１０２は音声認識部１０１
から受信した認識結果に基づき、上記出力装置を用いて
発見／修正者に認識結果を呈示するとともに、当該認識
結果を認識結果修正部１０３へ送信する。

【００４４】音声認識部１０１による認識結果を受信し
た誤り（正解）箇所検出部１０４は、音声認識部１０１
から受信した認識結果に基づき誤り（正解）箇所を検出
し、これにより得られた誤り（正解）箇所検出情報を誤
り（正解）箇所呈示部４０５へ送信する。

【００４５】誤り（正解）箇所呈示部４０５では、誤り
（正解）箇所検出部１０４から受信した誤り（正解）箇
所検出情報に基づき、表示属性指定情報を生成して誤り
（正解）箇所検出情報とともに表示属性変更部４０６へ
送信する。

【００４６】この情報を受けた表示属性変更部４０６
は、誤り（正解）箇所呈示部４０５から受信した誤り
（正解）箇所検出情報と表示属性指定情報に基づき、音
声認識結果を指定された表示属性（表示位置、表示間
隔、背景色などの個別情報、もしくは組み合わせた情
報）を用い、上記出力装置を用いて発見／修正者に誤り
（正解）箇所を呈示する。

【００４７】認識結果修正部１０３では、認識結果呈示
部１０２から受信した認識結果に基づき、また上記出力
装置の表示を見た修正者の上記入力装置からの人手によ
るマニュアル入力に応じて認識結果の修正を行い、修正
結果の音声データを外部に送信出力する。この出力音声
信号は字幕化に用いられる。

【００４８】（実施形態５）図５は本発明に係る音声認
識誤り処理方法のプログラムを記憶した記憶媒体の実施
形態５を実施する構成を示すブロック図である。

【００４９】この図を参照して説明される音声認識誤り
処理方法は、音声認識部１０１、認識結果呈示部１０
２、認識結果修正部１０３、誤り（正解）箇所検出部２
０４、誤り（正解）箇所呈示部５０５、文字属性変更部
５０６の各機能によって実施され、この方法により入力
音声に対する音声認識結果を修正者に呈示し、認識誤り
の修正を支援するものである。

【００５０】上記マイクロフォンまたは音声装置から音
声が入力されると、音声認識部１０１による音声認識処
理を行い、この認識結果を認識結果呈示部１０２と誤り
（正解）箇所検出部２０４へ送信する。

【００５１】上記の入力音声は、例えばニュース音声な
どがリアルタイムで入力されるものである。また、ニュ
ース音声に限らず、例えば生放送における音声を上記入
力音声とすることができる。

【００５２】認識結果呈示部１０２は音声認識部１０１
から受信した認識結果に基づき上記出力装置を用いて発
見／修正者に認識結果を呈示するとともに、当該認識結
果を認識結果修正部１０３へ送信する。

【００５３】誤り（正解）箇所検出部２０４では、音声
認識部１０１から受信した認識結果に基づき誤り（正
解）箇所を検出し、これにより得られた誤り（正解）箇
所検出情報を誤り（正解）箇所呈示部５０５へ送信す
る。

【００５４】誤り（正解）箇所呈示部５０５では、誤り
（正解）箇所検出部２０４から受信した誤り（正解）箇
所検出情報に基づき、文字属性指定情報を生成して誤り
（正解）箇所検出情報とともに文字属性変更部５０６へ
送信する。

【００５５】文字属性変更部５０６は、誤り（正解）箇
所呈示部５０５から受信した誤り（正解）箇所検出情報
と文字属性指定情報（文字フォント、文字スタイル、文
字サイズ、文字色、文字飾りなどの個別情報、もしくは
組み合わせた情報）に基づき、音声認識結果を指定され
た文字属性を用い、上記出力装置を用いて発見／修正者
に誤り（正解）箇所を呈示する。

【００５６】認識結果修正部１０３では、認識結果呈示
部１０２から受信した認識結果に基づき、また上記出力
装置の表示を見た修正者の上記入力装置からの人手によ
るマニュアル入力に応じて認識結果の修正を行い、修正
結果の音声データを外部に送信出力する。この出力音声
信号は字幕化に用いられる。

【００５７】以上説明した実施形態１〜５によれば、音
声認識処理を用いて例えばニュース音声などをリアルタ
イムで字幕化する場合、音声認識結果を人手で修正する
際にも、誤り（または正解）箇所の候補を効果的に呈示
することができるため、修正者の作業を支援してその効
率化を図ることができる。

【００５８】（他の実施形態）さらに上記実施形態の応
用例として、実施形態１〜５のいずれかを複数（実施形
態１〜５のすべてであっても良い）組み合わせた機能を
遂行する音声認識誤り処理方法、および、実施形態１〜
５のいずれかの構成を複数（実施形態１〜５のすべてで
あっても良い）組み合わせて備える音声認識誤り処理装
置を実施し、上記と同様の効果を得ることも可能であ
る。

【００５９】

【発明の効果】以上説明したように本発明に係る音声認
識誤り処理装置および当該処理方法のプログラムを記憶
した記憶媒体によれば、音声認識結果を発見／修正者に
呈示する際、誤り（または正解）箇所の候補を効果的に
呈示することにより、発見／修正者を支援してその作業
を効率化することができる。

【図面の簡単な説明】

【図１】本発明に係る音声認識誤り処理装置および当該
方法のプログラムを記憶した記憶媒体の実施形態１を示
すブロック（フロー）図である。

【図２】本発明に係る音声認識誤り処理装置および当該
方法のプログラムを記憶した記憶媒体の実施形態２を示
すブロック（フロー）図である。

【図３】本発明に係る音声認識誤り処理装置および当該
方法のプログラムを記憶した記憶媒体の実施形態３を示
すブロック（フロー）図である。

【図４】本発明に係る音声認識誤り処理装置および当該
方法のプログラムを記憶した記憶媒体の実施形態４を示
すブロック（フロー）図である。

【図５】本発明に係る音声認識誤り処理装置および当該
方法のプログラムを記憶した記憶媒体の実施形態５を示
すブロック（フロー）図である。

【符号の説明】

１０１ 音声認識部 １０２，１０３ 認識結果呈示部 １０４，３０５ 誤り（正解）箇所検出部 １０５，４０５，５０５ 誤り（正解）箇所呈示部 ２０４ 誤り（正解）箇所推定部 ２０５ 誤り（正解）箇所・度合い呈示部 ３０６ 表示方法変更部 ４０６ 表示属性変更部 誤り（正解）箇所呈示部 ５０６ 文字属性変更部

───────────────────────────────────────────────────── フロントページの続き (72)発明者 三島 剛 東京都世田谷区砧一丁目10番11号 日本放 送協会 放送技術研究所内 (72)発明者 今井 篤 東京都世田谷区砧一丁目10番11号 日本放 送協会 放送技術研究所内 (72)発明者 都木 徹 東京都世田谷区砧一丁目10番11号 日本放 送協会 放送技術研究所内 Ｆターム(参考） 5D015 KK02 LL05 LL07

Claims (6)

【特許請求の範囲】
1. 【請求項１】 音声入力を認識して処理する音声認識誤
   り処理装置であって、 前記音声入力に対して認識処理を行なう認識手段と、 当該処理結果と、前記処理結果に基づいて認識の正否と
   を呈示する呈示手段と、 前記呈示された情報に応じたマニュアル入力にしたがっ
   て前記処理結果を修正して出力する修正手段とを備えた
   ことを特徴とする音声認識誤り処理装置。
2. 【請求項２】 請求項１に記載の音声認識誤り処理装置
   において、 前記呈示手段は、 前記処理結果に基づき認識誤り箇所を検出する手段と、 前記認識誤り箇所を呈示する手段とを有することを特徴
   とする音声認識誤り処理装置。
3. 【請求項３】 請求項１に記載の音声認識誤り処理装置
   において、 前記呈示手段は、 前記処理結果に基づき認識誤り箇所と該誤り箇所の誤り
   度合いを推定する手段と、 前記認識誤り箇所および前記誤り度合いを呈示する手段
   とを有することを特徴とする音声認識誤り処理装置。
4. 【請求項４】 請求項１に記載の音声認識誤り処理装置
   において、 前記呈示手段は、 前記処理結果に基づき認識誤り箇所を検出する手段と、 前記認識誤り箇所およびその表示方法指定情報にしたが
   って前記認識誤り箇所を呈示する手段とを有することを
   特徴とする音声認識誤り処理装置。
5. 【請求項５】 請求項１に記載の音声認識誤り処理装置
   において、 前記呈示手段は、 前記処理結果に基づき認識誤り箇所を検出する手段と、 前記認識誤り箇所およびその表示属性情報にしたがって
   前記認識誤り箇所を呈示する手段とを有することを特徴
   とする音声認識誤り処理装置。
6. 【請求項６】 音声認識誤り処理方法のプログラムをコ
   ンピュータにより読取可能に記憶した記憶媒体であっ
   て、 前記プログラムはコンピュータに、 音声入力に対して認識処理を行なう第１ステップと、 当該処理結果と、前記処理結果に基づいて認識の正否と
   を呈示する第２ステップと、 前記呈示された情報に応じたマニュアル入力にしたがっ
   て前記処理結果を修正して出力する第３ステップとを実
   行させることを特徴とする記憶媒体。