JP2003510645A - 音声認識装置及び消費者電子システム - Google Patents
音声認識装置及び消費者電子システムInfo
- Publication number
- JP2003510645A JP2003510645A JP2001525688A JP2001525688A JP2003510645A JP 2003510645 A JP2003510645 A JP 2003510645A JP 2001525688 A JP2001525688 A JP 2001525688A JP 2001525688 A JP2001525688 A JP 2001525688A JP 2003510645 A JP2003510645 A JP 2003510645A
- Authority
- JP
- Japan
- Prior art keywords
- audio
- signal
- microphone
- source
- signals
- 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
- 230000005236 sound signal Effects 0.000 claims abstract description 61
- 238000004891 communication Methods 0.000 claims description 17
- 230000004044 response Effects 0.000 claims description 4
- 230000006870 function Effects 0.000 description 7
- 230000001419 dependent effect Effects 0.000 description 5
- 238000012546 transfer Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000000034 method Methods 0.000 description 4
- 238000006243 chemical reaction Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 230000003139 buffering effect Effects 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
Classifications
-
- 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
- G10L15/28—Constructional details of speech recognition systems
-
- 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
- G10L21/00—Speech or voice signal processing techniques to produce another audible or non-audible signal, e.g. visual or tactile, in order to modify its quality or its intelligibility
- G10L21/02—Speech enhancement, e.g. noise reduction or echo cancellation
- G10L21/0316—Speech enhancement, e.g. noise reduction or echo cancellation by changing the amplitude
- G10L21/0364—Speech enhancement, e.g. noise reduction or echo cancellation by changing the amplitude for improving intelligibility
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- Acoustics & Sound (AREA)
- Computational Linguistics (AREA)
- Quality & Reliability (AREA)
- Signal Processing (AREA)
- Selective Calling Equipment (AREA)
- Two-Way Televisions, Distribution Of Moving Picture Or The Like (AREA)
- Telephonic Communication Services (AREA)
Abstract
(57)【要約】
音声認識装置は、オーディオ打ち消しモジュール（１００）を含む。このモジュールは、マイクロホンからオーディオ信号を受信するオーディオ入力（１１０）を含む。このモジュールは、独立したオーディオ源からオーディオ信号を受信する対応した少なくとも二つのオーディオ入力（１２０，１３０）を含む。オーディオ打ち消しモジュールは、マイクロホン信号から少なくとも二つの独立したオーディオ源信号を打ち消すことにより音声信号を生ずる。音声認識器は音声信号の少なくとも一部を認識するため使用される。
Description
【０００１】
本発明は、マイクロホンからオーディオ信号を受信するオーディオ入力と、オ
ーディオ源からオーディオ信号を受信するオーディオ入力とを有し、マイクロホ
ン信号からオーディオ源信号を打ち消すことにより音声信号を生ずるよう動作す
るオーディオ打ち消しモジュールと、 音声信号の少なくとも一部を認識する音声認識器と、 を含む音声認識装置に関する。
ーディオ源からオーディオ信号を受信するオーディオ入力とを有し、マイクロホ
ン信号からオーディオ源信号を打ち消すことにより音声信号を生ずるよう動作す
るオーディオ打ち消しモジュールと、 音声信号の少なくとも一部を認識する音声認識器と、 を含む音声認識装置に関する。
【０００２】
本発明は、少なくとも二つのオーディオ源装置と、オーディオ打ち消しモジュ
ールと、音声認識器とを含む、消費者電子システムにも関する。
ールと、音声認識器とを含む、消費者電子システムにも関する。
【０００３】
本発明は、さらに、オーディオ打ち消しモジュールに関する。
【０００４】
米国特許第5,255,326号明細書には、サウンド再生用のサラウンド・サウンド
増幅器に接続された数台のオーディオ／ビデオ装置を備えた消費者電子システム
が開示されている。増幅器は、ＴＶ、テーププレーヤ、ディスクプレーヤ及びラ
ジオのような考え得る独立したオーディオ／ビデオ源毎に、オーディオ入力を有
する。典型的に、オーディオ入力は、ステレオオーディオ信号を受信することが
できる。ユーザは、再生するオーディオ信号のオーディオ源を選択する。選択さ
れた信号は、増幅器のサラウンド・サウンド・プロセッサによって処理される。
処理された信号は、増幅され、増幅器に接続されたスピーカを介して再生される
。処理された信号は、マイクロプロセッサ若しくはパーソナル・コンピュータへ
も送られる。マイクロホンは、ユーザからの音声を獲得するため使用される。マ
イクロホン信号は、音声の他に、再生されたオーディオを含む。コンピュータは
，マイクロホン信号から処理されたオーディオ信号を差し引き、音声信号を獲得
する。音声信号は音声認識器によって認識される。認識結果はシステムを制御す
るため使用される。
増幅器に接続された数台のオーディオ／ビデオ装置を備えた消費者電子システム
が開示されている。増幅器は、ＴＶ、テーププレーヤ、ディスクプレーヤ及びラ
ジオのような考え得る独立したオーディオ／ビデオ源毎に、オーディオ入力を有
する。典型的に、オーディオ入力は、ステレオオーディオ信号を受信することが
できる。ユーザは、再生するオーディオ信号のオーディオ源を選択する。選択さ
れた信号は、増幅器のサラウンド・サウンド・プロセッサによって処理される。
処理された信号は、増幅され、増幅器に接続されたスピーカを介して再生される
。処理された信号は、マイクロプロセッサ若しくはパーソナル・コンピュータへ
も送られる。マイクロホンは、ユーザからの音声を獲得するため使用される。マ
イクロホン信号は、音声の他に、再生されたオーディオを含む。コンピュータは
，マイクロホン信号から処理されたオーディオ信号を差し引き、音声信号を獲得
する。音声信号は音声認識器によって認識される。認識結果はシステムを制御す
るため使用される。
【０００５】
近年、音声の認識は、ある種の条件が充たされる限り、妥当な精度で実現可能
になり始めている。たとえば、認識精度は、高レベルのオーディオ／ノイズがマ
イクロホンから受信された信号に存在する場合に著しく低下する。従来のシステ
ムは、増幅器によって生ずるオーディオ寄与分を除去する。しかし、実際上、殆
どのユーザは、サウンド若しくはノイズを発生する２台以上の装置をもっている
。たとえば、従来のシステムにおいて、ユーザがＴＶを視聴し、サウンドを再生
するため、外部サラウンド・サウンド増幅器の代わりにＴＶの増幅器を使用する
とき、ＴＶのサウンドはコンピュータによって除去できず、認識精度が著しく劣
化する。
になり始めている。たとえば、認識精度は、高レベルのオーディオ／ノイズがマ
イクロホンから受信された信号に存在する場合に著しく低下する。従来のシステ
ムは、増幅器によって生ずるオーディオ寄与分を除去する。しかし、実際上、殆
どのユーザは、サウンド若しくはノイズを発生する２台以上の装置をもっている
。たとえば、従来のシステムにおいて、ユーザがＴＶを視聴し、サウンドを再生
するため、外部サラウンド・サウンド増幅器の代わりにＴＶの増幅器を使用する
とき、ＴＶのサウンドはコンピュータによって除去できず、認識精度が著しく劣
化する。
【０００６】
本発明の目的は、音声認識に影響を与えるオーディオ信号を非常にフレキシブ
ルに除去する上述の音声認識装置、消費者電子システム、及び、オーディオ打ち
消しモジュールを提供することである。
ルに除去する上述の音声認識装置、消費者電子システム、及び、オーディオ打ち
消しモジュールを提供することである。
【０００７】
本発明の目的を達成するため、オーディオ打ち消しモジュールは、独立したオ
ーディオ源からオーディオ信号を受信する対応した少なくとも二つのオーディオ
入力を含み、オーディオ打ち消しモジュールは、マイクロホン信号から少なくと
も二つの独立したオーディオ源信号を打ち消すことにより音声信号を生ずるよう
動作する。
ーディオ源からオーディオ信号を受信する対応した少なくとも二つのオーディオ
入力を含み、オーディオ打ち消しモジュールは、マイクロホン信号から少なくと
も二つの独立したオーディオ源信号を打ち消すことにより音声信号を生ずるよう
動作する。
【０００８】
かくして、音声認識装置は、サラウンド・サウンド増幅器のような一つのサウ
ンド（オーディオ／ノイズ）生成装置だけに接続される必要性が無くなり、所望
の台数のサウンド生成装置と共に動作できるようになる。たとえば、認識装置は
、（たとえば、ラジオ若しくはＣＤからのオーディオ信号を再生する）オーディ
オ増幅器、ＴＶ増幅器、ヘッドホン型電話機などの別個の機器と共に動作する場
合がある。また、独立したマイクロホンが、換気扇（たとえば、リビングルーム
若しくはＰＣの換気扇）、掃除機、交通機関などのような装置によって生じた妨
害サウンド（たとえば、ノイズ）信号を獲得するため使用される。この方法は、
好ましくは、多数のユーザが同時に会話する（たとえば、ＰＣで口述したり、電
話で会話したりする）開放型オフィス設計と共に使用される。これらの妨害音声
からのマイクロホン信号は、音声認識装置へ送られ、除去される。他のユーザの
音声の他に、このようなマイクロホンは、たとえば、ＰＣのようなWindows（登
録商標）サウンド信号によって生成された音、或いは、ゲームのようなプログラ
ムによって生成された音のような他のサウンドを記録する。好ましくは、マイク
ロホンは、妨害源の近傍に設置され、妨害をできる限り明瞭に獲得する。或いは
、マイクロホンのアレイを使用してもよい。マイクロホン信号は、適当な方法で
音声認識装置へ転送され、たとえば、別々のワイヤを使用し、無線伝送（たとえ
ば、ＲＦ）を使用し、或いは、幹線の配線を介して転送される。
ンド（オーディオ／ノイズ）生成装置だけに接続される必要性が無くなり、所望
の台数のサウンド生成装置と共に動作できるようになる。たとえば、認識装置は
、（たとえば、ラジオ若しくはＣＤからのオーディオ信号を再生する）オーディ
オ増幅器、ＴＶ増幅器、ヘッドホン型電話機などの別個の機器と共に動作する場
合がある。また、独立したマイクロホンが、換気扇（たとえば、リビングルーム
若しくはＰＣの換気扇）、掃除機、交通機関などのような装置によって生じた妨
害サウンド（たとえば、ノイズ）信号を獲得するため使用される。この方法は、
好ましくは、多数のユーザが同時に会話する（たとえば、ＰＣで口述したり、電
話で会話したりする）開放型オフィス設計と共に使用される。これらの妨害音声
からのマイクロホン信号は、音声認識装置へ送られ、除去される。他のユーザの
音声の他に、このようなマイクロホンは、たとえば、ＰＣのようなWindows（登
録商標）サウンド信号によって生成された音、或いは、ゲームのようなプログラ
ムによって生成された音のような他のサウンドを記録する。好ましくは、マイク
ロホンは、妨害源の近傍に設置され、妨害をできる限り明瞭に獲得する。或いは
、マイクロホンのアレイを使用してもよい。マイクロホン信号は、適当な方法で
音声認識装置へ転送され、たとえば、別々のワイヤを使用し、無線伝送（たとえ
ば、ＲＦ）を使用し、或いは、幹線の配線を介して転送される。
【０００９】
音声認識装置は、音声からテキストへの変換（口述）に使用される。これによ
り、ユーザは、音楽を聴きながら、同時にテキストを口述できるようになる。ま
た、たとえば、認識のため使用されるＰＣ内のファン又はディスクによって生ず
るようなノイズを除去できるようになる。
り、ユーザは、音楽を聴きながら、同時にテキストを口述できるようになる。ま
た、たとえば、認識のため使用されるＰＣ内のファン又はディスクによって生ず
るようなノイズを除去できるようになる。
【００１０】
従属した請求項２に記載されているような好ましい一実施例において、音声認
識装置は、認識装置以外の装置を含む装置のボイス制御のため使用される。これ
らの装置には、好ましくは、オーディオ／ビデオ機器（たとえば、ＴＶ、ディス
クプレーヤ／レコーダ、テーププレーヤ／レコーダ、オーディオチューナ、セッ
トトップ・ボックスなど）と、コンピュータ関連製品（たとえば、プリンタ、ス
キャナなど）、セキュリティ製品、家庭用電気器具、及び、温度制御機器のよう
なホーム・ネットワーク内に見受けられるその他の装置とが含まれる。制御メッ
セージをこのような装置へ通信するための適切な手段は周知である。
識装置は、認識装置以外の装置を含む装置のボイス制御のため使用される。これ
らの装置には、好ましくは、オーディオ／ビデオ機器（たとえば、ＴＶ、ディス
クプレーヤ／レコーダ、テーププレーヤ／レコーダ、オーディオチューナ、セッ
トトップ・ボックスなど）と、コンピュータ関連製品（たとえば、プリンタ、ス
キャナなど）、セキュリティ製品、家庭用電気器具、及び、温度制御機器のよう
なホーム・ネットワーク内に見受けられるその他の装置とが含まれる。制御メッ
セージをこのような装置へ通信するための適切な手段は周知である。
【００１１】
従属した請求項３に係る発明によれば、装置は、遠隔制御メッセージを使用し
て制御される。このようにして、装置は、制御される装置に音声認識機能を導入
することなく、簡単かつ対費用効果率に優れた方法でボイス制御される。また、
ボイス制御能力を備えていない既存の機器の制御も可能になる。好ましくは、音
声認識装置は、汎用的な予めプログラムされた遠隔制御装置又は学習した遠隔制
御装置によって知られた方法で、多数の異なる装置を制御することができ、コマ
ンドの作動は、キーストロークではなく、音声によって与えられる。これにより
、多数の異なるタイプの装置を制御することができる。
て制御される。このようにして、装置は、制御される装置に音声認識機能を導入
することなく、簡単かつ対費用効果率に優れた方法でボイス制御される。また、
ボイス制御能力を備えていない既存の機器の制御も可能になる。好ましくは、音
声認識装置は、汎用的な予めプログラムされた遠隔制御装置又は学習した遠隔制
御装置によって知られた方法で、多数の異なる装置を制御することができ、コマ
ンドの作動は、キーストロークではなく、音声によって与えられる。これにより
、多数の異なるタイプの装置を制御することができる。
【００１２】
従属した請求項４に係る発明によれば、オーディオ通信ネットワークが外部オ
ーディオ源からオーディオを受信するため使用される。このようなネットワーク
は、有線若しくは無線のいずれでもよい。また、ネットワークは、ポイント・ツ
ー・ポイント・コネクションに基礎を置く。好ましくは、シリアル・バスが使用
され、数台の音源を音声認識装置へ対費用効果率に優れた方法で接続する。支配
的なＰＣ環境における口述の場合、好ましくは、ＵＳＢ又は類似したネットワー
クが使用される。支配的なオーディオ／ビデオ環境におけるボイス制御のため、
好ましくは、IEEE1394が使用される。
ーディオ源からオーディオを受信するため使用される。このようなネットワーク
は、有線若しくは無線のいずれでもよい。また、ネットワークは、ポイント・ツ
ー・ポイント・コネクションに基礎を置く。好ましくは、シリアル・バスが使用
され、数台の音源を音声認識装置へ対費用効果率に優れた方法で接続する。支配
的なＰＣ環境における口述の場合、好ましくは、ＵＳＢ又は類似したネットワー
クが使用される。支配的なオーディオ／ビデオ環境におけるボイス制御のため、
好ましくは、IEEE1394が使用される。
【００１３】
従属した請求項５に係る発明によれば、オーディオを音声認識装置へ転送する
ため使用される通信ネットワークは、音声認識装置からシステム内の他の装置へ
コマンドメッセージを発するため使用される通信ネットワークと同じである。好
ましくは、IEEE1394に基づくネットワークが使用される。IEEE1394は、オーディ
オを転送するため使用可能な幾つかの独立した等時性データストリームを支援す
る。オーディオは、ネットワークを介してブロードキャストされるか、或いは、
音声認識装置へ直接的に送信される。さらに、IEEE1394は、HAViプロトコルに従
って、コマンドメッセージを転送することができる。
ため使用される通信ネットワークは、音声認識装置からシステム内の他の装置へ
コマンドメッセージを発するため使用される通信ネットワークと同じである。好
ましくは、IEEE1394に基づくネットワークが使用される。IEEE1394は、オーディ
オを転送するため使用可能な幾つかの独立した等時性データストリームを支援す
る。オーディオは、ネットワークを介してブロードキャストされるか、或いは、
音声認識装置へ直接的に送信される。さらに、IEEE1394は、HAViプロトコルに従
って、コマンドメッセージを転送することができる。
【００１４】
従属した請求項６に係る発明によれば、音声認識装置は、供給された音声信号
を再生できなくても構わない。これにより、より高いフレキシビリティを達成す
ることができる。たとえば、音声認識装置は、システム内の他の装置を制御する
自立型制御装置でも構わない。このような構成の場合、装置は、装置の操作又は
システムの制御に関するユーザへの聴覚的フィードバックを除いて、オーディオ
出力を生成できない場合がある。この場合、外部音源のオーディオを受信するオ
ーディオ入力は、打ち消しのためだけに使用される。たとえば、音声認識装置は
、ＴＶ、ＤＶＤプレーヤ、及び、オーディオシステムのような自立型装置を、ホ
ーム・シネマ・システムに統合するため有利に使用することができる。このよう
な統合型システムにおいて、音声認識装置は、個別の装置の機能性をシステムの
動作に統合するため、付加的な制御知識を有する場合がある。たとえば、「ＤＶ
Ｄ再生」のようなボイスコマンドは、音声認識装置にＤＶＤプレーヤを作動させ
るだけではなく、ＴＶ及び増幅器を作動させ、所望の信号接続を確立させる。
を再生できなくても構わない。これにより、より高いフレキシビリティを達成す
ることができる。たとえば、音声認識装置は、システム内の他の装置を制御する
自立型制御装置でも構わない。このような構成の場合、装置は、装置の操作又は
システムの制御に関するユーザへの聴覚的フィードバックを除いて、オーディオ
出力を生成できない場合がある。この場合、外部音源のオーディオを受信するオ
ーディオ入力は、打ち消しのためだけに使用される。たとえば、音声認識装置は
、ＴＶ、ＤＶＤプレーヤ、及び、オーディオシステムのような自立型装置を、ホ
ーム・シネマ・システムに統合するため有利に使用することができる。このよう
な統合型システムにおいて、音声認識装置は、個別の装置の機能性をシステムの
動作に統合するため、付加的な制御知識を有する場合がある。たとえば、「ＤＶ
Ｄ再生」のようなボイスコマンドは、音声認識装置にＤＶＤプレーヤを作動させ
るだけではなく、ＴＶ及び増幅器を作動させ、所望の信号接続を確立させる。
【００１５】
この装置はＴＶに統合してもよい。殆どのシステムの場合に、ＴＶは、オーデ
ィオシステムによって生成されたオーディオを表現するオーディオ出力信号を受
信する一つの補助入力を有する。ＴＶは、通常、オーディオシステムからの音源
信号を再生するため使用されない。そこで、この信号を受信する主要な機能は、
マイクロホン信号からその信号を打ち消し得ることである。このようなオーディ
オ信号を再生できない場合もある。外部音源からのオーディオを打ち消すことが
できるようにすることによって、たとえば、ユーザは、ＴＶ上でテレテキスト、
又は、ウェブＴＶのような機能を視聴し、ＣＤ（オーディオシステムの一部であ
る外部音源）を聴きながら、このような機能をボイスによって制御できるように
なる。同様に、ユーザは、ＴＶ内の音声制御ユニットを介してＣＤを制御できる
。
ィオシステムによって生成されたオーディオを表現するオーディオ出力信号を受
信する一つの補助入力を有する。ＴＶは、通常、オーディオシステムからの音源
信号を再生するため使用されない。そこで、この信号を受信する主要な機能は、
マイクロホン信号からその信号を打ち消し得ることである。このようなオーディ
オ信号を再生できない場合もある。外部音源からのオーディオを打ち消すことが
できるようにすることによって、たとえば、ユーザは、ＴＶ上でテレテキスト、
又は、ウェブＴＶのような機能を視聴し、ＣＤ（オーディオシステムの一部であ
る外部音源）を聴きながら、このような機能をボイスによって制御できるように
なる。同様に、ユーザは、ＴＶ内の音声制御ユニットを介してＣＤを制御できる
。
【００１６】
本発明の目的を達成するため、消費者電子システムは、
少なくとも２台のオーディオ源装置と、
オーディオ打ち消しモジュールと、
音声信号の少なくとも一部を認識する音声認識器と、
を含み、
オーディオ打ち消しモジュールは、
マイクロホンからオーディオ信号を受信するオーディオ入力と、
各オーディオ源装置から独立したオーディオ信号を受信する少なくとも二つの
オーディオ入力と、 を有し、 オーディオ打ち消しモジュールは、マイクロホン信号から少なくとも二つの独
立したオーディオ源信号を打ち消すことにより音声信号を生ずるよう動作する。
オーディオ入力と、 を有し、 オーディオ打ち消しモジュールは、マイクロホン信号から少なくとも二つの独
立したオーディオ源信号を打ち消すことにより音声信号を生ずるよう動作する。
【００１７】
本発明の目的を達成するため、オーディオ打ち消しモジュールは、
マイクロホンからオーディオ信号を受信するオーディオ入力と、
独立したオーディオ源装置から対応したオーディオ信号を受信する少なくとも
二つのオーディオ入力と、 を有し、 マイクロホン信号から少なくとも二つの独立したオーディオ源信号を打ち消す
ことにより音声信号を生ずるよう動作する。
二つのオーディオ入力と、 を有し、 マイクロホン信号から少なくとも二つの独立したオーディオ源信号を打ち消す
ことにより音声信号を生ずるよう動作する。
【００１８】
本発明の上記の局面並びにその他の局面は、添付図面に示された実施例を参照
することにより明瞭にされ、説明される。
することにより明瞭にされ、説明される。
【００１９】
図１は、本発明によるオーディオ打ち消しモジュール１００のブロック図であ
る。モジュール１００は、マイクロホンから信号１１０を受信するオーディオ入
力１１０を含む。音声認識目的用に適したマイクロホンは周知である。通常、マ
イクロホンは、モノラル・オーディオ信号を与える。口述用には、好ましくは、
ヘッドホン型マイクロホンが使用されるか、或いは、マイクロホンはユーザのか
なり近く（たとえば、５０ｃｍの距離）に配置される。ボイス制御のため、マイ
クロホンは、より遠く（たとえば、数メートルの距離）に配置してもよい。モジ
ュール１００は、対応した独立オーディオ源からオーディオ信号を受信する幾つ
かのオーディオ入力を有する。同図には、二つのオーディオ入力１２０及び１３
０が示されている。オーディオ入力は、一つの音源からの全ての関連したオーデ
ィオ信号を受信するため使用される。通常、オーディオ信号はステレオ信号であ
り、その場合、入力は、ステレオ信号を受信するため二つの別個の入力コネクタ
を有する。サラウンド・サウンド符号化信号は、５乃至６個の別個のコネクタ（
たとえば、前方左側、前方右側、後方左側、後方右側、中央、サブ・ウーハー）
を有する。本発明の目的のため、これらの信号は一つの信号であるとみなされる
。オーディオ打ち消しモジュール１００は、マイクロホン信号から少なくとも２
個の独立したオーディオ源信号を打ち消すことにより、音声信号を生ずるよう動
作する。オーディオ信号の打ち消し自体は周知であり、通常、オーディオ・エコ
ー・キャンセレーションと称される。オーディオ信号の打ち消しは、たとえば、
マイクロホン信号からのオーディオ信号の減算を行う。マイクロホン信号に現れ
るようなオーディオ信号の時間遅延及び振幅は、一つのオーディオ入力を介して
受信されたオーディオ信号に関して評価され得る。このような評価は、たとえば
、周知の統計的相関技術を用いて行われる。本発明によるオーディオ打ち消しモ
ジュールは、各信号を順番に打ち消すことによって、数個のオーディオ信号の打
ち消しを行う。そのため、モジュール１００は、数段の打ち消しユニットを含み
、第１のユニットはマイクロホン信号から第１のオーディオ信号を打ち消し、第
２のユニットは第１のユニットの出力から第２のオーディオ信号を打ち消し、以
下同様に続く。特に、全ての打ち消しユニットは同じモジュールに設けられてい
るので、各打ち消しユニットに導入された遅延を容易に補償することができる。
たとえば、Ｋ段目の打ち消しユニットへのマイクロホン入力は、打ち消しユニッ
トの遅延の（Ｎ−１）倍だけ（バッファリングによって）遅延させられる。好ま
しくは、モジュール１００は、一つの一体化された処理で数個の信号を打ち消す
。多数の信号を打ち消す好ましい方法は、未公開の欧州特許出願EP 9920206.3(P
HN 17514)に説明されている。この文献の詳細を参考のため引用する。
る。モジュール１００は、マイクロホンから信号１１０を受信するオーディオ入
力１１０を含む。音声認識目的用に適したマイクロホンは周知である。通常、マ
イクロホンは、モノラル・オーディオ信号を与える。口述用には、好ましくは、
ヘッドホン型マイクロホンが使用されるか、或いは、マイクロホンはユーザのか
なり近く（たとえば、５０ｃｍの距離）に配置される。ボイス制御のため、マイ
クロホンは、より遠く（たとえば、数メートルの距離）に配置してもよい。モジ
ュール１００は、対応した独立オーディオ源からオーディオ信号を受信する幾つ
かのオーディオ入力を有する。同図には、二つのオーディオ入力１２０及び１３
０が示されている。オーディオ入力は、一つの音源からの全ての関連したオーデ
ィオ信号を受信するため使用される。通常、オーディオ信号はステレオ信号であ
り、その場合、入力は、ステレオ信号を受信するため二つの別個の入力コネクタ
を有する。サラウンド・サウンド符号化信号は、５乃至６個の別個のコネクタ（
たとえば、前方左側、前方右側、後方左側、後方右側、中央、サブ・ウーハー）
を有する。本発明の目的のため、これらの信号は一つの信号であるとみなされる
。オーディオ打ち消しモジュール１００は、マイクロホン信号から少なくとも２
個の独立したオーディオ源信号を打ち消すことにより、音声信号を生ずるよう動
作する。オーディオ信号の打ち消し自体は周知であり、通常、オーディオ・エコ
ー・キャンセレーションと称される。オーディオ信号の打ち消しは、たとえば、
マイクロホン信号からのオーディオ信号の減算を行う。マイクロホン信号に現れ
るようなオーディオ信号の時間遅延及び振幅は、一つのオーディオ入力を介して
受信されたオーディオ信号に関して評価され得る。このような評価は、たとえば
、周知の統計的相関技術を用いて行われる。本発明によるオーディオ打ち消しモ
ジュールは、各信号を順番に打ち消すことによって、数個のオーディオ信号の打
ち消しを行う。そのため、モジュール１００は、数段の打ち消しユニットを含み
、第１のユニットはマイクロホン信号から第１のオーディオ信号を打ち消し、第
２のユニットは第１のユニットの出力から第２のオーディオ信号を打ち消し、以
下同様に続く。特に、全ての打ち消しユニットは同じモジュールに設けられてい
るので、各打ち消しユニットに導入された遅延を容易に補償することができる。
たとえば、Ｋ段目の打ち消しユニットへのマイクロホン入力は、打ち消しユニッ
トの遅延の（Ｎ−１）倍だけ（バッファリングによって）遅延させられる。好ま
しくは、モジュール１００は、一つの一体化された処理で数個の信号を打ち消す
。多数の信号を打ち消す好ましい方法は、未公開の欧州特許出願EP 9920206.3(P
HN 17514)に説明されている。この文献の詳細を参考のため引用する。
【００２０】
図２に示された実施例では、一つのマイクロホンを使用するのではなく、別個
のマイクロホンからの入力を獲得することが提案される。マイクロホンは、一般
的なマイクロホン・アレイに配置され、各マイクロホンは異なる方向を受け持つ
。好ましくは、オーディオ打ち消しモジュール１００が消費者電子システム１０
０に使用され、システム内の数種類の装置がマイクロホンを具備する。図２には
、このようなシステムが示されている。このシステムにおいて、オーディオセッ
ト２００は、内蔵マイクロホン２０２（又は，マイクロホン入力）と、マイクロ
ホン信号出力２０４とを有する。同様に、ＴＶ２１０は、内蔵マイクロホン（又
は、マイクロホン入力）と、マイクロホン信号出力２１４とを有する。オーディ
オ打ち消しモジュール１００は、システムの別の装置２２０に設けられる。本例
の場合、この装置２２０は、内蔵マイクロホン２２２（又は、マイクロホン入力
）を有する。装置２２０は、出力２０４及び２１４からマイクロホン信号を受信
する対応した二つのマイクロホン入力２２４及び２２６を有する。（本例の場合
に、２個の外部マイクロホン信号と、１個の内部マイクロホン信号である）全て
のマイクロホン信号は、ビーム形成器２４０へ供給される。ビーム形成器は、マ
イクロホン信号を合成し、より高性能かつ高分解能のマイクロホン信号を生ずる
。ビーム形成器は、オーディオ源を選択、或いは、突き止める。典型的に、スピ
ーカ信号は識別され（通常は、話者である）、この音源信号は、多数のマイクロ
ホン入力信号の中で追跡される。ビーム形成器の出力信号は、オーディオ打ち消
しユニット１００のマイクロホン入力１１０へ供給される。同図には、外部装置
からオーディオ信号を受信するため利用される装置２２０の対応した二つのオー
ディオ入力２２８及び２３０が示されている。図示されたシステムにおいて、外
部オーディオ入力２２８及び２３０は、オーディオセット２００及びＴＶ２１０
の対応したオーディオライン出力２０６及び２１６に接続される。装置２２０内
で、外部オーディオ入力２２８及び２３０は、オーディオ打ち消しモジュール１
００の対応したオーディオ入力１２０及び１３０へ接続される。
のマイクロホンからの入力を獲得することが提案される。マイクロホンは、一般
的なマイクロホン・アレイに配置され、各マイクロホンは異なる方向を受け持つ
。好ましくは、オーディオ打ち消しモジュール１００が消費者電子システム１０
０に使用され、システム内の数種類の装置がマイクロホンを具備する。図２には
、このようなシステムが示されている。このシステムにおいて、オーディオセッ
ト２００は、内蔵マイクロホン２０２（又は，マイクロホン入力）と、マイクロ
ホン信号出力２０４とを有する。同様に、ＴＶ２１０は、内蔵マイクロホン（又
は、マイクロホン入力）と、マイクロホン信号出力２１４とを有する。オーディ
オ打ち消しモジュール１００は、システムの別の装置２２０に設けられる。本例
の場合、この装置２２０は、内蔵マイクロホン２２２（又は、マイクロホン入力
）を有する。装置２２０は、出力２０４及び２１４からマイクロホン信号を受信
する対応した二つのマイクロホン入力２２４及び２２６を有する。（本例の場合
に、２個の外部マイクロホン信号と、１個の内部マイクロホン信号である）全て
のマイクロホン信号は、ビーム形成器２４０へ供給される。ビーム形成器は、マ
イクロホン信号を合成し、より高性能かつ高分解能のマイクロホン信号を生ずる
。ビーム形成器は、オーディオ源を選択、或いは、突き止める。典型的に、スピ
ーカ信号は識別され（通常は、話者である）、この音源信号は、多数のマイクロ
ホン入力信号の中で追跡される。ビーム形成器の出力信号は、オーディオ打ち消
しユニット１００のマイクロホン入力１１０へ供給される。同図には、外部装置
からオーディオ信号を受信するため利用される装置２２０の対応した二つのオー
ディオ入力２２８及び２３０が示されている。図示されたシステムにおいて、外
部オーディオ入力２２８及び２３０は、オーディオセット２００及びＴＶ２１０
の対応したオーディオライン出力２０６及び２１６に接続される。装置２２０内
で、外部オーディオ入力２２８及び２３０は、オーディオ打ち消しモジュール１
００の対応したオーディオ入力１２０及び１３０へ接続される。
【００２１】
図３には、オーディオ打ち消しモジュール１００によって生成された音声信号
１４０が音声認識器３００へ供給される更なる実施例が示されている。音声認識
器は、好ましくは、モジュール１００と同じ装置に設けられる。必要に応じて、
音声認識器３００は、別個の装置に設けても構わない。たとえば、別個のオーデ
ィオ打ち消しモジュールが数室に配置され、いずれかのモジュールから受信され
た音声を認識することができる唯一の集中認識器が使用される。認識結果は、口
述（音声からテキストへの変換）、制御、又は、情報検索のような種々のアプリ
ケーションに使用される。同図には、認識されたコマンドに応じて制御動作を実
行するコントローラ３１０が示されている。制御動作は、コントローラ３１０が
設けられた装置の動作に制限される。特に、図３に示されるように、制御ユニッ
トが大規模システムの一部を構成する装置に収容されている場合、好ましくは、
制御ユニットは、他の装置の動作を制御する。このために、コントローラは、同
図に破線矢印で示されるようなコマンドメッセージを、制御通信ネットワークを
介して、システム内の他の装置へ送る。このようなネットワークは、多様な形態
で実現される。たとえば、専用制御リンクが、コントローラ３１０を収容した装
置２２０を他の装置２００及び２１０に接続するため使用される。このようなリ
ンクは、１本以上の制御信号配線を用いて実現可能である。簡単な制御リンクを
実現するため、典型的に赤外線信号によって伝送される遠隔制御メッセージの形
式で制御メッセージを発することが好ましい。原理的に、単一方向性遠隔制御シ
ステムは、制御装置２２０から他の装置へメッセージを転送するため使用できる
。より複雑な制御の場合、双方向性遠隔制御システムを使用してもよい。遠隔制
御システムは、本質的に周知であるため、これ以上詳細な説明を行わない。好ま
しくは、コントローラ３１０は、コントローラ３１０が特定の遠隔制御システム
及びシステム内の装置のメッセージを使用してシステム内の装置を制御できるよ
うに、ユーザによるプログラミングが可能である。このため、コントローラは、
汎用的な予めプログラミングされた遠隔制御器又は学習型制御器の論理部に類似
した論理部を内蔵する。これは、たとえば、ユーザに所定のボイスコマンド（た
とえば、「再生」又は「開始」）のリストの中から、特定の制御メッセージ（た
とえば、テープを再生するためのＶＣＲ命令）を選択させることによって実現さ
れる。このような所定のボイスコマンドは、不特定話者認識を使用して認識する
ことが可能である。或いは、ユーザは、自分専用のボイスコマンドを指定しても
よく、その場合、好ましくは、特定話者認識が使用される。本質的に、音声認識
及び特定用ボイスコマンドは公知である。
１４０が音声認識器３００へ供給される更なる実施例が示されている。音声認識
器は、好ましくは、モジュール１００と同じ装置に設けられる。必要に応じて、
音声認識器３００は、別個の装置に設けても構わない。たとえば、別個のオーデ
ィオ打ち消しモジュールが数室に配置され、いずれかのモジュールから受信され
た音声を認識することができる唯一の集中認識器が使用される。認識結果は、口
述（音声からテキストへの変換）、制御、又は、情報検索のような種々のアプリ
ケーションに使用される。同図には、認識されたコマンドに応じて制御動作を実
行するコントローラ３１０が示されている。制御動作は、コントローラ３１０が
設けられた装置の動作に制限される。特に、図３に示されるように、制御ユニッ
トが大規模システムの一部を構成する装置に収容されている場合、好ましくは、
制御ユニットは、他の装置の動作を制御する。このために、コントローラは、同
図に破線矢印で示されるようなコマンドメッセージを、制御通信ネットワークを
介して、システム内の他の装置へ送る。このようなネットワークは、多様な形態
で実現される。たとえば、専用制御リンクが、コントローラ３１０を収容した装
置２２０を他の装置２００及び２１０に接続するため使用される。このようなリ
ンクは、１本以上の制御信号配線を用いて実現可能である。簡単な制御リンクを
実現するため、典型的に赤外線信号によって伝送される遠隔制御メッセージの形
式で制御メッセージを発することが好ましい。原理的に、単一方向性遠隔制御シ
ステムは、制御装置２２０から他の装置へメッセージを転送するため使用できる
。より複雑な制御の場合、双方向性遠隔制御システムを使用してもよい。遠隔制
御システムは、本質的に周知であるため、これ以上詳細な説明を行わない。好ま
しくは、コントローラ３１０は、コントローラ３１０が特定の遠隔制御システム
及びシステム内の装置のメッセージを使用してシステム内の装置を制御できるよ
うに、ユーザによるプログラミングが可能である。このため、コントローラは、
汎用的な予めプログラミングされた遠隔制御器又は学習型制御器の論理部に類似
した論理部を内蔵する。これは、たとえば、ユーザに所定のボイスコマンド（た
とえば、「再生」又は「開始」）のリストの中から、特定の制御メッセージ（た
とえば、テープを再生するためのＶＣＲ命令）を選択させることによって実現さ
れる。このような所定のボイスコマンドは、不特定話者認識を使用して認識する
ことが可能である。或いは、ユーザは、自分専用のボイスコマンドを指定しても
よく、その場合、好ましくは、特定話者認識が使用される。本質的に、音声認識
及び特定用ボイスコマンドは公知である。
【００２２】
図４に示された実施例において、装置２００、２１０及び２２０は、通信ネッ
トワーク４００を介して接続される。このネットワークは、 オーディオ信号（典型的に、デジタル形式であり、等時性データストリームと
して転送される） マイクロホン信号（典型的に、転送用のオーディオ信号として処理される） 制御命令／メッセージ のような多種類のデータを転送するため使用される。
トワーク４００を介して接続される。このネットワークは、 オーディオ信号（典型的に、デジタル形式であり、等時性データストリームと
して転送される） マイクロホン信号（典型的に、転送用のオーディオ信号として処理される） 制御命令／メッセージ のような多種類のデータを転送するため使用される。
【００２３】
好ましくは、同じネットワークは、この中の幾つかのトランスポート形式、或
いは、場合によっては全てのトランスポート形式を実現する。図４に示された例
の場合、オーディオ信号及び制御信号は、ネットワークを介して転送される。こ
のため、音声認識装置２２０は、本質的に周知である通信インタフェース４１０
を具備し、ネットワークを介して伝送されたデータからオーディオ信号を取得し
、オーディオ信号をオーディオ打ち消しモジュールへ供給する。コントローラ３
１０のよって生成されたコマンドメッセージは、同じ通信インタフェース４１０
を介して送信される。
いは、場合によっては全てのトランスポート形式を実現する。図４に示された例
の場合、オーディオ信号及び制御信号は、ネットワークを介して転送される。こ
のため、音声認識装置２２０は、本質的に周知である通信インタフェース４１０
を具備し、ネットワークを介して伝送されたデータからオーディオ信号を取得し
、オーディオ信号をオーディオ打ち消しモジュールへ供給する。コントローラ３
１０のよって生成されたコマンドメッセージは、同じ通信インタフェース４１０
を介して送信される。
【００２４】
オーディオ／ビデオ機器又は家庭用電気器具のような消費者電子装置のボイス
制御は、一般的に困難である。その理由は、ユーザから見ると、屡々、どのボイ
スコマンドを使用できるかが明瞭ではないからである。特に、大規模若しくは先
進的システムの場合、制御可能な機能の数は膨大であり、かつ、変化する。ＰＣ
のボイス制御のユーザは、ボイスコマンドの全候補を調べるヘルプ機能を利用す
ることができるが、消費者電子装置のユーザ・インタフェースの実現可能な機能
は非常に制限されている傾向がある。これらの問題を解決するため、コントロー
ラは、その時点で発話可能なコマンドに関する情報をユーザに供給するよう動作
することが好ましい。このようないわゆるフィードフォワード形式の場合、コマ
ンドのリストは、関連しているシステム若しくは装置の状態、所定の制御階層構
造／系列構造、又は、前後関係によって決められるような実行可能なコマンドに
制限される。一例として、集中コントローラがシステム内の一部若しくは全部の
装置を制御するため使用される場合、初期フィードフォワード・リストは、ユー
ザが制御したい装置をコントローラに通知する（「ＴＶ」、「ＶＣＲ」、「ＣＤ
」のような）装置選択コマンドだけを含み得る。次に、フィードフォワード・リ
ストは、制御階層構造／系列構造、又は、選択された装置の状態に関して、その
選択された装置によって実行可能なコマンドだけを含む。
制御は、一般的に困難である。その理由は、ユーザから見ると、屡々、どのボイ
スコマンドを使用できるかが明瞭ではないからである。特に、大規模若しくは先
進的システムの場合、制御可能な機能の数は膨大であり、かつ、変化する。ＰＣ
のボイス制御のユーザは、ボイスコマンドの全候補を調べるヘルプ機能を利用す
ることができるが、消費者電子装置のユーザ・インタフェースの実現可能な機能
は非常に制限されている傾向がある。これらの問題を解決するため、コントロー
ラは、その時点で発話可能なコマンドに関する情報をユーザに供給するよう動作
することが好ましい。このようないわゆるフィードフォワード形式の場合、コマ
ンドのリストは、関連しているシステム若しくは装置の状態、所定の制御階層構
造／系列構造、又は、前後関係によって決められるような実行可能なコマンドに
制限される。一例として、集中コントローラがシステム内の一部若しくは全部の
装置を制御するため使用される場合、初期フィードフォワード・リストは、ユー
ザが制御したい装置をコントローラに通知する（「ＴＶ」、「ＶＣＲ」、「ＣＤ
」のような）装置選択コマンドだけを含み得る。次に、フィードフォワード・リ
ストは、制御階層構造／系列構造、又は、選択された装置の状態に関して、その
選択された装置によって実行可能なコマンドだけを含む。
【００２５】
制御階層構造／系列構造に関して、近年、一部の装置は、ある時点で制御し得
る機能の全てに必ずしも直接的にアクセスしない。典型的に、オーディオ、ビデ
オ、及び、ＴＶチューニングの最新式の設定は、階層メニューだけによって行え
る。トップメニューで、ユーザは、制御すべき機能のグループを選択する。第２
レベルで、通常、ユーザは、選択されたグループ中の特定の機能を制御し得る。
場合によっては、より多数のメニューレベルが使用される。ボイス制御型装置の
場合、合理的に実現可能なできるだけ多数の機能に直接的なアクセスを行うこと
が好ましい。本発明によれば、非常に機能的な装置の場合に、階層構造方式がボ
イス制御のために使用される。これは、実現可能なボイスコマンドの数を（現在
選択されているボイスコマンドのグループ中のボイスコマンドだけに）制限し、
認識の信頼性を高めると共に、その後に発話可能なボイスコマンドの効果的なフ
ィードフォワードを行うことができる。
る機能の全てに必ずしも直接的にアクセスしない。典型的に、オーディオ、ビデ
オ、及び、ＴＶチューニングの最新式の設定は、階層メニューだけによって行え
る。トップメニューで、ユーザは、制御すべき機能のグループを選択する。第２
レベルで、通常、ユーザは、選択されたグループ中の特定の機能を制御し得る。
場合によっては、より多数のメニューレベルが使用される。ボイス制御型装置の
場合、合理的に実現可能なできるだけ多数の機能に直接的なアクセスを行うこと
が好ましい。本発明によれば、非常に機能的な装置の場合に、階層構造方式がボ
イス制御のために使用される。これは、実現可能なボイスコマンドの数を（現在
選択されているボイスコマンドのグループ中のボイスコマンドだけに）制限し、
認識の信頼性を高めると共に、その後に発話可能なボイスコマンドの効果的なフ
ィードフォワードを行うことができる。
【００２６】
上述のボイスコマンドの階層構造／系列構造に加えて、或いは、代替として、
発話可能なコマンドのリストは、関連した装置の状態又はシステムの状態を考慮
して実行可能なボイスコマンドだけを許可することによって制限され得る。たと
えば、ＣＤプレーヤにディスクが搭載されていない場合、フィードフォワード型
リストは、「取り出し」コマンド及び「スタンバイ」コマンドだけを含み、一方
、ディスクが搭載されている場合には、より長いコマンドのリストを実現するこ
とができる。本発明の更なる実施例において、フィードフォワード・リストは、
装置の一定状態の動作だけによって決定されるのではなく、可変的な内容情報に
よっても決定される。たとえば、ＴＶが情報、たとえば、インターネット又は電
子番組案内（ＥＰＧ）から獲得された情報を表示するとき、その情報自体がボイ
スコマンドの候補に影響を与える。インターネット・ページの場合、リンクは音
声で指定してもよく、ＥＰＧページの場合、番組は視聴若しくは録画のため選択
可能である。また、ブラウザ用コマンドは発話形式でもよい。内容がフィードフ
ォワード・リストを決定する別の例は、ディスク内容の機能性が変化する状況で
ある。たとえば、一つだけのインデックスを含むディスクが搭載された場合、フ
ィードフォワード・リストは、インデックス選択コマンドを含まない。ディスク
が８トラックを収容する場合、最初の８トラックだけが音声によって選択可能で
ある。同様に、コピー禁止テープがＶＣＲに装填されたとき、「録画」コマンド
は使用不可能であり、フィードフォワード・リストに掲載する必要が無い。
発話可能なコマンドのリストは、関連した装置の状態又はシステムの状態を考慮
して実行可能なボイスコマンドだけを許可することによって制限され得る。たと
えば、ＣＤプレーヤにディスクが搭載されていない場合、フィードフォワード型
リストは、「取り出し」コマンド及び「スタンバイ」コマンドだけを含み、一方
、ディスクが搭載されている場合には、より長いコマンドのリストを実現するこ
とができる。本発明の更なる実施例において、フィードフォワード・リストは、
装置の一定状態の動作だけによって決定されるのではなく、可変的な内容情報に
よっても決定される。たとえば、ＴＶが情報、たとえば、インターネット又は電
子番組案内（ＥＰＧ）から獲得された情報を表示するとき、その情報自体がボイ
スコマンドの候補に影響を与える。インターネット・ページの場合、リンクは音
声で指定してもよく、ＥＰＧページの場合、番組は視聴若しくは録画のため選択
可能である。また、ブラウザ用コマンドは発話形式でもよい。内容がフィードフ
ォワード・リストを決定する別の例は、ディスク内容の機能性が変化する状況で
ある。たとえば、一つだけのインデックスを含むディスクが搭載された場合、フ
ィードフォワード・リストは、インデックス選択コマンドを含まない。ディスク
が８トラックを収容する場合、最初の８トラックだけが音声によって選択可能で
ある。同様に、コピー禁止テープがＶＣＲに装填されたとき、「録画」コマンド
は使用不可能であり、フィードフォワード・リストに掲載する必要が無い。
【００２７】
コントローラは、装置の制御階層構造に関する情報を用いて予めプログラミン
グされる。特に、コントローラが制御対象である装置の一部である場合、コント
ローラは、階層構造の中のどの部分が有効状態であるかを容易に管理することが
でき、それに応じて、フィードフォワード・リストをロードするか、或いは、作
成する。コントローラが制御対象の装置の一部ではない場合、好ましくは、コン
トローラは、制御対象である製品から関連した情報を獲得する。このような情報
は通信ネットワークを介して獲得される。情報は多様な方式で獲得される。たと
えば、コントローラは、関連した装置から全ての制御階層構造を獲得してもよい
。コントローラ自体は、たとえば、ユーザの（ボイスコマンド又は遠隔制御によ
る）入力に基づいて、階層構造の中でどの部分が有効状態であるかを管理するこ
とができる。コントローラは、ユーザから入力を受ける時点で有効状態である部
分を検査することも可能である。或いは、制御対象の装置は、現在状態をコント
ローラへ通知し続ける場合がある。情報監視又は自動状態更新を実行するための
通信プロトコルは周知である。コントローラは、制御階層構造／系列構造の全体
を獲得するのではなく、制御階層構造の中で次に有効状態になる部分によって形
成されたコマンドセットの一部だけ、或いは、装置の次の動作状態によって許可
されるコマンドセットの一部だけを取得してもよい。
グされる。特に、コントローラが制御対象である装置の一部である場合、コント
ローラは、階層構造の中のどの部分が有効状態であるかを容易に管理することが
でき、それに応じて、フィードフォワード・リストをロードするか、或いは、作
成する。コントローラが制御対象の装置の一部ではない場合、好ましくは、コン
トローラは、制御対象である製品から関連した情報を獲得する。このような情報
は通信ネットワークを介して獲得される。情報は多様な方式で獲得される。たと
えば、コントローラは、関連した装置から全ての制御階層構造を獲得してもよい
。コントローラ自体は、たとえば、ユーザの（ボイスコマンド又は遠隔制御によ
る）入力に基づいて、階層構造の中でどの部分が有効状態であるかを管理するこ
とができる。コントローラは、ユーザから入力を受ける時点で有効状態である部
分を検査することも可能である。或いは、制御対象の装置は、現在状態をコント
ローラへ通知し続ける場合がある。情報監視又は自動状態更新を実行するための
通信プロトコルは周知である。コントローラは、制御階層構造／系列構造の全体
を獲得するのではなく、制御階層構造の中で次に有効状態になる部分によって形
成されたコマンドセットの一部だけ、或いは、装置の次の動作状態によって許可
されるコマンドセットの一部だけを取得してもよい。
【００２８】
実際上、フィードフォワード・リストは、任意の適当な形式で提示され、たと
えば、話すのに適したコマンドが視覚的又は聴覚的に提示される。
えば、話すのに適したコマンドが視覚的又は聴覚的に提示される。
【図１】
本発明によるオーディオ打ち消しモジュール１００のブロック図である。
【図２】
複数のマイクロホンの用法を説明する図である。
【図３】
音声認識器を統合した一実施例の構成図である。
【図４】
本発明によるシステムの構成図である。
─────────────────────────────────────────────────────
フロントページの続き
Ｆターム(参考） 5D015 EE04
5D020 BB07
Claims (11)
- 【請求項１】 マイクロホンからオーディオ信号を受信するオーディオ入力
と、オーディオ源からオーディオ信号を受信するオーディオ入力とを有し、マイ
クロホン信号からオーディオ源信号を打ち消すことにより音声信号を生ずるよう
動作するオーディオ打ち消しモジュールと、 音声信号の少なくとも一部を認識する音声認識器と、 を含む音声認識装置であって、 オーディオ打ち消しモジュールは、独立したオーディオ源からオーディオ信号
を受信する少なくとも二つの対応したオーディオ入力を含み、 オーディオ打ち消しモジュールは、マイクロホン信号から少なくとも二つの独
立したオーディオ源信号を打ち消すことにより音声信号を生ずるよう動作する、
ことを特徴とする音声認識装置。 - 【請求項２】 音声認識器によって認識されるユーザの発話命令に応答して
、制御通信ネットワークを介して、少なくとも一つのコマンドメッセージを更な
る装置へ送るコントローラを更に有する請求項１記載の音声認識装置。 - 【請求項３】 コントローラは、更なる装置と関連した遠隔制御メッセージ
に応じて少なくとも一つのコマンドメッセージを送るよう動作する、請求項２記
載の音声認識装置。 - 【請求項４】 少なくとも一つのオーディオ信号は、オーディオ通信ネット
ワークを介して、外部オーディオ源から受信される、請求項２記載の音声認識装
置。 - 【請求項５】 少なくとも一つのオーディオ信号は、外部オーディオ源から
オーディオ通信ネットワークを介して受信され、 オーディオ通信ネットワークは制御通信ネットワークと同じ通信ネットワーク
である、請求項３記載の音声認識装置。 - 【請求項６】 外部オーディオ源からのオーディオ信号をマイクロホン信号
から打ち消すために、外部オーディオ源からオーディオ信号を受信する少なくと
も一つのオーディオ入力を更に有する請求項１記載の音声認識装置。 - 【請求項７】 少なくとも２台のオーディオ源装置と、 オーディオ打ち消しモジュールと、 音声信号の少なくとも一部を認識する音声認識器と、 を含み、 オーディオ打ち消しモジュールは、 マイクロホンからオーディオ信号を受信するオーディオ入力と、 各オーディオ源装置から独立したオーディオ信号を受信する少なくとも二つの
オーディオ入力と、 を有し、 オーディオ打ち消しモジュールは、マイクロホン信号から少なくとも二つの独
立したオーディオ源信号を打ち消すことにより音声信号を生ずるよう動作する、
消費者電子システム。 - 【請求項８】 音声認識器によって認識されるユーザの発話命令に応答して
、制御通信ネットワークを介して、少なくとも一つのコマンドメッセージをシス
テム内の装置へ送るコントローラを更に有する請求項７記載の消費者電子システ
ム。 - 【請求項９】 少なくとも一つのオーディオ信号は、関連したオーディオ源
装置から通信ネットワークを介して受信される、請求項８記載の消費者電子シス
テム。 - 【請求項１０】 オーディオ打ち消しモジュールはシステム内の装置に組み
込まれ、 該装置は、該装置の外部にあるオーディオ源装置からのオーディオ信号をマイ
クロホン信号から打ち消すため、該外部にあるオーディオ源装置からオーディオ
信号を受信する少なくとも一つのオーディオ入力を含む、 請求項９記載の消費者電子システム。 - 【請求項１１】 マイクロホンからオーディオ信号を受信するオーディオ入
力と、 独立したオーディオ源から対応したオーディオ信号を受信する少なくとも二つ
のオーディオ入力と、 を有し、 マイクロホン信号から少なくとも二つの独立したオーディオ源信号を打ち消す
ことにより音声信号を生ずるよう動作する、 オーディオ打ち消しモジュール。
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| EP99203122.9 | 1999-09-23 | ||
| EP99203122 | 1999-09-23 | ||
| PCT/EP2000/009102 WO2001022404A1 (en) | 1999-09-23 | 2000-09-14 | Speech recognition apparatus and consumer electronics system |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2003510645A true JP2003510645A (ja) | 2003-03-18 |
| JP4897169B2 JP4897169B2 (ja) | 2012-03-14 |
Family
ID=8240671
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2001525688A Expired - Lifetime JP4897169B2 (ja) | 1999-09-23 | 2000-09-14 | 音声認識装置及び消費者電子システム |
Country Status (7)
| Country | Link |
|---|---|
| US (1) | US7050971B1 (ja) |
| EP (1) | EP1133768B1 (ja) |
| JP (1) | JP4897169B2 (ja) |
| KR (1) | KR20010080522A (ja) |
| CN (1) | CN1134767C (ja) |
| DE (1) | DE60042313D1 (ja) |
| WO (1) | WO2001022404A1 (ja) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101681988B1 (ko) * | 2015-07-28 | 2016-12-02 | 현대자동차주식회사 | 음성 인식 장치, 이를 포함하는 차량 및 음성 인식 방법 |
Families Citing this family (20)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP4432246B2 (ja) * | 2000-09-29 | 2010-03-17 | ソニー株式会社 | 観客状況判定装置、再生出力制御システム、観客状況判定方法、再生出力制御方法、記録媒体 |
| KR20020058116A (ko) * | 2000-12-29 | 2002-07-12 | 조미화 | 음성 제어 텔레비젼 수상기 및 음성 제어 방법 |
| US7996232B2 (en) * | 2001-12-03 | 2011-08-09 | Rodriguez Arturo A | Recognition of voice-activated commands |
| US6889191B2 (en) * | 2001-12-03 | 2005-05-03 | Scientific-Atlanta, Inc. | Systems and methods for TV navigation with compressed voice-activated commands |
| US20040054538A1 (en) * | 2002-01-03 | 2004-03-18 | Peter Kotsinadelis | My voice voice agent for use with voice portals and related products |
| US6978010B1 (en) * | 2002-03-21 | 2005-12-20 | Bellsouth Intellectual Property Corp. | Ambient noise cancellation for voice communication device |
| US9137035B2 (en) * | 2002-05-09 | 2015-09-15 | Netstreams Llc | Legacy converter and controller for an audio video distribution system |
| KR101034524B1 (ko) * | 2002-10-23 | 2011-05-12 | 코닌클리케 필립스 일렉트로닉스 엔.브이. | 음성에 근거하여 장치를 제어하는 음성 제어 유닛, 제어되는 장치 및 장치를 제어하는 방법 |
| DE10251209A1 (de) * | 2002-10-31 | 2004-05-19 | Sennheiser Electronic Gmbh & Co. Kg | Mikrofonsystem |
| US20070266092A1 (en) * | 2006-05-10 | 2007-11-15 | Schweitzer Edmund O Iii | Conferencing system with automatic identification of speaker |
| US20080118081A1 (en) * | 2006-11-17 | 2008-05-22 | William Michael Chang | Method and Apparatus for Canceling a User's Voice |
| US8320572B2 (en) * | 2008-07-31 | 2012-11-27 | Fortemedia, Inc. | Electronic apparatus comprising microphone system |
| CN102377959A (zh) * | 2010-08-21 | 2012-03-14 | 青岛海尔软件有限公司 | 智能家居声控机顶盒系统 |
| US8880444B2 (en) | 2012-08-22 | 2014-11-04 | Kodak Alaris Inc. | Audio based control of equipment and systems |
| US9111547B2 (en) | 2012-08-22 | 2015-08-18 | Kodak Alaris Inc. | Audio signal semantic concept classification method |
| US9922646B1 (en) * | 2012-09-21 | 2018-03-20 | Amazon Technologies, Inc. | Identifying a location of a voice-input device |
| CN103050116A (zh) * | 2012-12-25 | 2013-04-17 | 安徽科大讯飞信息科技股份有限公司 | 语音命令识别方法及系统 |
| CN105280184A (zh) * | 2014-05-29 | 2016-01-27 | 广东美的制冷设备有限公司 | 语音控制方法和系统 |
| KR102338376B1 (ko) | 2017-09-13 | 2021-12-13 | 삼성전자주식회사 | 디바이스 그룹을 지정하기 위한 전자 장치 및 이의 제어 방법 |
| CN110349592B (zh) * | 2019-07-17 | 2021-09-28 | 百度在线网络技术（北京）有限公司 | 用于输出信息的方法和装置 |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS62135020A (ja) * | 1985-12-06 | 1987-06-18 | Nec Corp | 雑音消去装置 |
| JPH01185892A (ja) * | 1988-01-21 | 1989-07-25 | Matsushita Electric Ind Co Ltd | ラジオ受信機付カセットテープレコーダ |
| JPH02244099A (ja) * | 1989-03-16 | 1990-09-28 | Aisin Seiki Co Ltd | 音声信号処理装置 |
| JPH04247498A (ja) * | 1991-02-01 | 1992-09-03 | Ricoh Co Ltd | 音声認識用雑音除去装置 |
| JPH0522779A (ja) * | 1991-07-09 | 1993-01-29 | Sony Corp | 音声認識遠隔制御装置 |
| JPH06149290A (ja) * | 1992-10-30 | 1994-05-27 | Sanyo Electric Co Ltd | 音声認識装置 |
| JPH06343196A (ja) * | 1993-06-01 | 1994-12-13 | Oki Electric Ind Co Ltd | 多入力エコーキャンセラ |
| JPH07298162A (ja) * | 1994-04-27 | 1995-11-10 | Toshiba Corp | 二画面テレビ受像機における音声回路 |
| JPH1175284A (ja) * | 1997-08-27 | 1999-03-16 | Fujitsu Ten Ltd | 車載用音響再生装置 |
| JPH1185185A (ja) * | 1997-09-05 | 1999-03-30 | Oki Electric Ind Co Ltd | 音声認識システムおよび音声認識制御プログラムを記録した記録媒体 |
Family Cites Families (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US4912767A (en) * | 1988-03-14 | 1990-03-27 | International Business Machines Corporation | Distributed noise cancellation system |
| US5033082A (en) * | 1989-07-31 | 1991-07-16 | Nelson Industries, Inc. | Communication system with active noise cancellation |
| US5267323A (en) * | 1989-12-29 | 1993-11-30 | Pioneer Electronic Corporation | Voice-operated remote control system |
| US5309378A (en) * | 1991-11-18 | 1994-05-03 | Hughes Aircraft Company | Multi-channel adaptive canceler |
| US5255326A (en) | 1992-05-18 | 1993-10-19 | Alden Stevenson | Interactive audio control system |
| US5485515A (en) * | 1993-12-29 | 1996-01-16 | At&T Corp. | Background noise compensation in a telephone network |
| US5774859A (en) * | 1995-01-03 | 1998-06-30 | Scientific-Atlanta, Inc. | Information system having a speech interface |
| US5737433A (en) * | 1996-01-16 | 1998-04-07 | Gardner; William A. | Sound environment control apparatus |
| US6072881A (en) * | 1996-07-08 | 2000-06-06 | Chiefs Voice Incorporated | Microphone noise rejection system |
| DE19712632A1 (de) * | 1997-03-26 | 1998-10-01 | Thomson Brandt Gmbh | Verfahren und Vorrichtung zur Sprachfernsteuerung von Geräten |
| US6058075A (en) * | 1998-03-09 | 2000-05-02 | Gte Internetworking Incorporated | System for canceling interferers from broadband active sonar signals using adaptive beamforming methods |
-
2000
- 2000-09-14 JP JP2001525688A patent/JP4897169B2/ja not_active Expired - Lifetime
- 2000-09-14 DE DE60042313T patent/DE60042313D1/de not_active Expired - Lifetime
- 2000-09-14 CN CNB008020329A patent/CN1134767C/zh not_active Expired - Lifetime
- 2000-09-14 WO PCT/EP2000/009102 patent/WO2001022404A1/en active Application Filing
- 2000-09-14 EP EP00966046A patent/EP1133768B1/en not_active Expired - Lifetime
- 2000-09-14 KR KR1020017006392A patent/KR20010080522A/ko active IP Right Grant
- 2000-09-20 US US09/666,398 patent/US7050971B1/en not_active Expired - Lifetime
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS62135020A (ja) * | 1985-12-06 | 1987-06-18 | Nec Corp | 雑音消去装置 |
| JPH01185892A (ja) * | 1988-01-21 | 1989-07-25 | Matsushita Electric Ind Co Ltd | ラジオ受信機付カセットテープレコーダ |
| JPH02244099A (ja) * | 1989-03-16 | 1990-09-28 | Aisin Seiki Co Ltd | 音声信号処理装置 |
| JPH04247498A (ja) * | 1991-02-01 | 1992-09-03 | Ricoh Co Ltd | 音声認識用雑音除去装置 |
| JPH0522779A (ja) * | 1991-07-09 | 1993-01-29 | Sony Corp | 音声認識遠隔制御装置 |
| JPH06149290A (ja) * | 1992-10-30 | 1994-05-27 | Sanyo Electric Co Ltd | 音声認識装置 |
| JPH06343196A (ja) * | 1993-06-01 | 1994-12-13 | Oki Electric Ind Co Ltd | 多入力エコーキャンセラ |
| JPH07298162A (ja) * | 1994-04-27 | 1995-11-10 | Toshiba Corp | 二画面テレビ受像機における音声回路 |
| JPH1175284A (ja) * | 1997-08-27 | 1999-03-16 | Fujitsu Ten Ltd | 車載用音響再生装置 |
| JPH1185185A (ja) * | 1997-09-05 | 1999-03-30 | Oki Electric Ind Co Ltd | 音声認識システムおよび音声認識制御プログラムを記録した記録媒体 |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101681988B1 (ko) * | 2015-07-28 | 2016-12-02 | 현대자동차주식회사 | 음성 인식 장치, 이를 포함하는 차량 및 음성 인식 방법 |
Also Published As
| Publication number | Publication date |
|---|---|
| KR20010080522A (ko) | 2001-08-22 |
| US7050971B1 (en) | 2006-05-23 |
| CN1134767C (zh) | 2004-01-14 |
| EP1133768A1 (en) | 2001-09-19 |
| JP4897169B2 (ja) | 2012-03-14 |
| DE60042313D1 (de) | 2009-07-16 |
| WO2001022404A1 (en) | 2001-03-29 |
| EP1133768B1 (en) | 2009-06-03 |
| CN1322348A (zh) | 2001-11-14 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP4897169B2 (ja) | 音声認識装置及び消費者電子システム | |
| JP4792156B2 (ja) | マイクロホンアレイを有するボイス制御システム | |
| EP1278183B1 (en) | Voice operated electronic appliance | |
| JP5442703B2 (ja) | 消費者電化製品に関連する装置をボイス制御する方法及び装置 | |
| EP2587481B1 (en) | Controlling an apparatus based on speech | |
| US6697467B1 (en) | Telephone controlled entertainment | |
| JPH10282993A (ja) | 機器の音声作動式遠隔制御システム | |
| JP2005084253A (ja) | 音響処理装置、方法、プログラム及び記憶媒体 | |
| US20070216538A1 (en) | Method for Controlling a Media Content Processing Device, and a Media Content Processing Device | |
| WO2003107327A1 (en) | Controlling an apparatus based on speech | |
| CN115359788A (zh) | 一种显示装置和远场语音识别方法 | |
| EP2259607A1 (en) | Data relay apparatus, acoustic reproduction system and control method of the same | |
| KR100560750B1 (ko) | 홈네트워크의 음성 인식 시스템 | |
| TWI736122B (zh) | 用於聲學回聲消除的時間延遲校準方法及電視裝置 | |
| CN105791934A (zh) | 一种机顶盒智能麦克风的实现方法及系统 | |
| KR20010030122A (ko) | 언어인식 방법 및 장치 | |
| JP2021196550A (ja) | 音声認識装置、音声認識方法、プログラム、および記録媒体 | |
| CN2854763Y (zh) | 带有内置音响的声控数字化多功能光盘播放机 | |
| KR19990020674U (ko) | 간이 음성메모 기능을 갖는 브이시알 시스템 | |
| MXPA05011874A (en) | Method and apparatus for controlling an external device by remapping keys on a user input device |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20070911 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20100907 |
|
| A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20101206 |
|
| A602 | Written permission of extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A602 Effective date: 20101213 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20110304 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20110329 |
|
| A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20110627 |
|
| A602 | Written permission of extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A602 Effective date: 20110704 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20110929 |
|
| 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: 20111129 |
|
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20111222 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 4897169 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20150106 Year of fee payment: 3 |
|
| 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 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| S111 | Request for change of ownership or part of ownership |
Free format text: JAPANESE INTERMEDIATE CODE: R313113 |
|
| S531 | Written request for registration of change of domicile |
Free format text: JAPANESE INTERMEDIATE CODE: R313531 |
|
| R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| EXPY | Cancellation because of completion of term |