JP2002215188A - 音声認識装置 - Google Patents

Abstract

(57)【要約】 【課題】 操作者が、入力した音声がどの程度類似して
いたのか簡単に判断できるような音声認識装置を提供す
る。 【解決手段】 音声入力部１を介して入力された操作者
の音声を、音声認識部２により認識を行い、第一候補の
単語とその尤度に対応するデータを尤度対応データ格納
部５および単語音声格納部７から出力し、表示部６で画
面表示および音声出力部８で再生を行う。

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
認識する音声認識装置に関するものである。

【０００２】

【従来の技術】従来の音声認識装置としては、例えば、
特開平２０００−１８１６７６号公報に開示される画像
処理装置がある。この画像処理装置は、表示装置に表示
された対話相手オブジェクトの動作を、マイクロフォン
から入力された使用者の単語音声に応答して変化させる
ものである。

【０００３】

【発明が解決しようとする課題】しかしながら、上記の
従来の装置では、入力されるべき単語と一致するか否か
のみを判断し表示を行うため、操作者は入力した音声が
どの程度類似していたのか判断できず、もっとも装置に
適した発声を練習することができないという問題点があ
った。

【０００４】本発明の目的は、操作者が、入力した音声
がどの程度類似していたのか判断できるような音声認識
装置を提供することである。

【０００５】

【課題を解決するための手段】（１）第１の発明 第１の発明に係る音声認識装置は、認識対象単語が登録
されている単語辞書と、音声を入力する音声入力手段
と、音声入力手段により入力された音声と前記単語辞書
に登録されている単語との類似度を示す尤度を計算し、
予め設定した条件に従い第一候補単語とその尤度を出力
する音声認識手段と、尤度に対応付けた点数データを記
憶するデータ格納手段と、音声認識手段により出力され
た尤度に対応する点数データをデータ格納手段から読み
出す出力制御手段と、音声認識手段により出力された第
一候補単語とその尤度と出力制御手段により読み出され
たデータの画面表示を行う表示手段とを備えるものであ
る。

【０００６】本発明に係る音声認識装置においては、操
作者音声に対応する音声を認識し、第一候補単語とその
尤度が音声認識手段から出力され、出力された尤度に応
じて点数データが出力制御手段より読み出され、第一候
補単語と読み出された点数データの表示が行われる。し
たがって、操作者が、入力した音声がどの程度類似して
いたのか判断できる。

【０００７】（２）第２の発明 第２の発明に係る音声認識装置は、第１の発明に係る音
声認識装置の構成において、データ格納手段は、尤度に
対応付けたテキストデータをさらに記憶することを特徴
とする。

【０００８】この場合、操作者が、入力した音声がどの
程度類似していたのか文章内容から判断でき、より具体
的に類似度を判断することができる。

【０００９】（３）第３の発明 第３の発明に係る音声認識装置は、第１または第２の発
明に係る音声認識装置の構成において、データ格納手段
は、尤度に対応付けた画像データをさらに記憶すること
を特徴とする。

【００１０】この場合、操作者が、入力した音声がどの
程度類似していたのか画像を見て一目で判断でき、より
視覚的に容易に類似度を判断することができる。

【００１１】（４）第４の発明 第３の発明に係る音声認識装置は、第１〜第３の発明に
係る音声認識装置の構成において、データ格納手段は、
尤度に対応付けた音声データをさらに記憶し、出力制御
手段により読み出された音声データを再生する音声出力
手段をさらに備えるものである。

【００１２】この場合、操作者が、入力した音声がどの
程度類似していたのか音声を聞いて判断でき、より聴覚
的に容易に類似度を判断することができる。

【００１３】（５）第５の発明 第５の発明に係る音声認識装置は、第１〜第４の発明に
係る音声認識装置の構成において、単語の音声データを
記憶する単語音声格納手段をさらに備え、音声出力手段
は、音声認識手段により出力された単語データに対応す
る単語音声データを単語音声格納手段からさらに読み出
し、音声出力手段は、音声出力手段により読み出された
単語音声データをさらに再生することを特徴とする。

【００１４】この場合、操作者が、第一候補単語がどの
単語だったのか音声を聞いて判断でき、操作者の発声と
同じか否かを聴覚的に容易に判断することができる。

【００１５】

【発明の実施の形態】以下、本発明の一実施形態による
音声認識装置について図面を参照しながら説明する。図
１は、本発明の一実施の形態による音声認識装置の構成
を示すブロック図である。

【００１６】図１に示す音声認識装置は、音声入力部
１、音声認識部２、単語辞書３、出力制御部４、尤度対
応データ格納部５、表示部６、単語音声格納部７、音声
出力部８を備える。

【００１７】音声入力部１は、例えば、マイクロフォン
等により構成され、操作者が発声した音声を音声信号に
変換して音声認識部２へ出力する。音声認識部２は、音
声入力部１から出力された音声信号を用いて単語辞書３
に登録されている単語との類似度を示す尤度を計算し、
予め設定した条件に従って第一候補の単語データとその
尤度を出力制御部４へ出力する。

【００１８】出力制御部４は、音声認識部２から出力さ
れた第一候補単語の尤度を尤度対応データ格納部５へ出
力し、さらに音声認識部２から出力された第一候補単語
を単語音声格納部７へ出力する。尤度対応データ格納部
５は、出力制御部４から出力された尤度を用いて対応す
る点数データとテキストデータと画像データと音声デー
タを出力制御部４へ出力する。

【００１９】単語音声格納部７は、出力制御部４から出
力された単語を用いて対応する単語音声データを出力制
御部４へ出力する。出力制御部４は、音声認識部２から
出力された第一候補単語と尤度対応データ格納部５から
出力された点数データとテキストデータと画像データを
表示部６へ出力し、さらに尤度対応データ格納部５から
出力された音声データと単語音声格納部７から出力され
た単語音声データをを音声出力部８へ出力する。

【００２０】表示部６は、出力制御部４から出力された
点数データとテキストデータと画像データを画面表示す
る。音声出力部８は、例えば、スピーカ等により構成さ
れ、出力制御部４から出力された音声データと単語音声
データを再生する。

【００２１】本実施の形態において、単語辞書３が単語
辞書に相当し、音声入力部１が音声入力手段に相当し、
音声認識部２が音声認識手段に相当し、尤度データ格納
部５がデータ格納手段に相当し、出力制御部４が出力制
御手段に相当し、表示部６が表示手段に相当する。ま
た、音声出力部８が音声出力手段に相当し、音声合成部
７が音声合成手段に相当する。

【００２２】次に、上記のように構成された音声認識装
置の動作について説明する。図２は、図１に示す音声認
識装置の動作を示すフローチャートである。

【００２３】まず、操作者の音声が音声入力部１に入力
されると、入力された音声が音声信号に変換されて音声
認識部２へ出力される。音声認識部２は、入力された音
声信号と単語辞書３に登録されている単語との類似度を
示す尤度を計算し（ステップＳ１）、予め設定した条件
に従い第一候補の単語とその尤度を出力制御部４へ出力
し（ステップＳ２）、ステップＳ３へ移行する。

【００２４】単語表示をするかしないか判断し（ステッ
プＳ３）、単語表示をしない場合、ステップＳ５へ移行
し、単語表示をする場合、ステップＳ４へ移行する。

【００２５】単語表示をする場合、出力制御部４は、単
語データを表示部６へ出力し、表示部６は単語データを
画面に表示し（ステップＳ４）、ステップＳ５へ移行す
る。

【００２６】点数表示をするかしないか判断し（ステッ
プＳ５）、点数表示をしない場合、ステップＳ７へ移行
し、点数表示をする場合、ステップＳ６へ移行する。

【００２７】点数表示をする場合、出力制御部４は、点
数データを表示部６へ出力し、表示部６は点数データを
画面に表示し（ステップＳ６）、ステップＳ７へ移行す
る。

【００２８】テキスト表示をするかしないか判断し（ス
テップＳ７）、テキスト表示をしない場合、ステップＳ
９へ移行し、テキスト表示をする場合、ステップＳ８へ
移行する。

【００２９】テキスト表示をする場合、出力制御部４
は、テキストデータを表示部６へ出力し、表示部６はテ
キストデータを画面に表示し（ステップＳ８）、ステッ
プＳ９へ移行する。

【００３０】画像表示をするかしないか判断し（ステッ
プＳ９）、画像表示をしない場合、ステップＳ１１へ移
行し、画像表示をする場合、ステップＳ１０へ移行す
る。

【００３１】画像表示をする場合、出力制御部４は、画
像データを表示部６へ出力し、表示部６は画像データを
画面に表示し（ステップＳ１０）、ステップＳ１１へ移
行する。

【００３２】音声再生をするかしないか判断し（ステッ
プＳ１１）、音声再生をしない場合、処理を終了し、音
声再生をする場合、ステップＳ１２へ移行する。

【００３３】音声再生をする場合、出力制御部４は、音
声データを音声出力部８へ出力し、音声出力部８は音声
データを再生し（ステップＳ１２）、処理を終了する。

【００３４】上記の処理により、本実施の形態では、操
作者の音声が音声入力部１へ入力されると、音声認識部
２によりこの音声が認識され、尤度対応データ格納部５
および単語音声格納部７から読み出された点数データと
テキストデータと画像データと音声データを用いてを用
いて表示部６および音声出力部８により画面表示および
音声再生を行うことができる。この結果、操作者は、入
力した音声がどの程度類似していたのか聴覚的にも視覚
的にも簡単に判断できる。

【００３５】次に、図１に示す音声認識装置の動作につ
いてさらに具体例を挙げて詳細に説明する。図３は、図
１の音声認識装置の具体的な構成例の一例を示す概略図
である。

【００３６】図３に示す音声認識装置は、音声入力部で
あるマイクロフォン１ａ、表示部である表示画面６ａ、
音声出力部であるスピーカー８ａにより構成される。

【００３７】例えば、操作者が「いっちゃんねる」と発
声すると、マイクロフォン１ａには操作者の音声「いっ
ちゅんねる」が入力される。

【００３８】図１０は、単語辞書３に登録されている単
語の一例を示す図である。ここで、単語辞書３に登録さ
れている単語が図１０に示すものである場合、「いっち
ゃんねる」という単語が登録されているので、音声認識
部２は、単語データ「いっちゃんねる」とその尤度、例
えば、尤度「２７００」を出力制御部４に出力する。

【００３９】図４は、尤度対応データ格納部５に記憶さ
れている尤度に対応付けた点数データとテキストデータ
と画像データと音声データの一例を示す図である。ま
た、図５は、尤度対応データ格納部５に記憶されている
テキストデータの内容の一例を示す図である。

【００４０】図６は、尤度対応データ格納部５に記憶さ
れている画像データの内容の一例を示す図である。図７
は、尤度対応データ格納部５に記憶されている音声デー
タの内容の一例を示す図である。また、図８は、単語音
声格納部７に記憶されている単語音声データの一例を示
す図である。

【００４１】図９は、出力制御部４に記憶されている表
示画面６ａおよびスピーカー８ａに出力する項目設定の
一例を示す図である。ここで、出力制御部４に記憶され
ている、表示画面６ａおよびスピーカー８ａに出力する
項目設定が図９に示すものであり、尤度対応データ格納
部５に記憶されている尤度に対応付けた点数データとテ
キストデータと画像データと音声データが図４に示すも
のであり、尤度対応データ格納部５に記憶されているテ
キストデータの内容が図５に示すものであり、尤度対応
データ格納部５に記憶されている画像データの内容が図
６に示すものであり、尤度対応データ格納部５に記憶さ
れている音声データの内容が図７に示すものであり、単
語音声格納部７に記憶されている、単語音声データが図
８に示すものである場合、出力制御部４は、単語データ
「いっちゃんねる」と点数データ「９０」と画像データ
「画像ファイル４」を表示画面６ａに出力し表示を行
い、音声データ「音声ファイル４」と単語音声データ
「１ＣＨ」をスピーカー８ａに出力し再生を行う。

【００４２】このように、操作者は、マイクロフォン１
ａに入力した音声がどの程度類似していたのか、表示画
面６ａを見たりスピーカー８ａから再生される音を聞く
ことで、聴覚的にも視覚的にも簡単に判断できる。

【００４３】なお、本発明は上記した実施の内容に限定
されるものではない。

【００４４】

【発明の効果】本発明によれば、音声認識装置におい
て、操作者が、入力した音声がどの程度類似していたの
か判断することができ、もっとも装置に適した発声を練
習することが可能である。

【図面の簡単な説明】

【図１】本発明の一実施の形態による音声認識装置の構
成を示すブロック図

【図２】図１に示す音声認識装置の動作を示すフローチ
ャート

【図３】図１の音声認識装置の具体的な構成例の一例を
示す概略図

【図４】尤度対応データ格納部５に記憶されている尤度
に対応付けた点数データとテキストデータと画像データ
と音声データの一例を示す図

【図５】尤度対応データ格納部５に記憶されているテキ
ストデータの内容の一例を示す図

【図６】尤度対応データ格納部５に記憶されている画像
データの内容の一例を示す図

【図７】尤度対応データ格納部５に記憶されている音声
データの内容の一例を示す図

【図８】単語音声格納部７に記憶されている単語音声デ
ータの一例を示す図

【図９】出力制御部４に記憶されている表示部６および
音声出力部８に出力する項目設定の一例を示す図

【図１０】単語辞書３に登録されている単語の一例を示
す図

【符号の説明】

１ 音声入力部 ２ 音声認識部 ３ 単語辞書 ４ 出力制御部 ５ 尤度対応データ格納部 ６ 表示部 ７ 単語音声格納部 ８ 音声出力部

Claims (5)

【特許請求の範囲】
1. 【請求項１】 認識対象単語が登録されている単語辞書
   と、音声を入力する音声入力手段と、前記音声入力手段
   により入力された音声と前記単語辞書に登録されている
   単語との類似度を示す尤度を計算し、予め設定した条件
   に従い第一候補単語とその尤度を出力する音声認識手段
   と、尤度に対応付けた点数データを記憶するデータ格納
   手段と、前記音声認識手段により出力された尤度に対応
   する点数データを前記データ格納手段から読み出す出力
   制御手段と、前記音声認識手段により出力された第一候
   補単語とその尤度と前記出力制御手段により読み出され
   たデータの画面表示を行う表示手段とを備えることを特
   徴とする音声認識装置。
2. 【請求項２】 前記データ格納手段は、尤度に対応付け
   たテキストデータをさらに記憶す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】 前記データ格納手段は、尤度に対応付け
   た画像データをさらに記憶することを特徴とする請求項
   １または２記載の音声認識装置。
4. 【請求項４】 前記データ格納手段は、尤度に対応付け
   た音声データをさらに記憶し、前記出力制御手段により
   読み出された音声データを再生する音声出力手段をさら
   に備えることを特徴とする請求項１〜３のいずれかに記
   載の音声認識装置。
5. 【請求項５】 単語の音声データを記憶する単語音声格
   納手段をさらに備え、前記出力制御手段は、前記音声認
   識手段により出力された単語データに対応する単語音声
   データを前記単語音声格納手段からさらに読み出し、前
   記音声出力手段は、前記出力制御手段により読み出され
   た単語音声データをさらに再生することを特徴とする請
   求項１〜４のいずれかに記載の音声認識装置。