JP2004053620A - 音声認識装置 - Google Patents
音声認識装置 Download PDFInfo
- Publication number
- JP2004053620A JP2004053620A JP2002206553A JP2002206553A JP2004053620A JP 2004053620 A JP2004053620 A JP 2004053620A JP 2002206553 A JP2002206553 A JP 2002206553A JP 2002206553 A JP2002206553 A JP 2002206553A JP 2004053620 A JP2004053620 A JP 2004053620A
- Authority
- JP
- Japan
- Prior art keywords
- digit
- recognition
- reading
- voice
- input
- 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 3
- 238000000034 method Methods 0.000 description 17
- 238000010586 diagram Methods 0.000 description 12
- 239000000284 extract Substances 0.000 description 5
- 230000000694 effects Effects 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 2
- 230000005236 sound signal Effects 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 208000003580 polydactyly Diseases 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/22—Procedures used during a speech recognition process, e.g. man-machine dialogue
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; 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
- G10L15/183—Speech classification or search using natural language modelling using context dependencies, e.g. language models
- G10L15/187—Phonemic context, e.g. pronunciation rules, phonotactical constraints or phoneme n-grams
Abstract
【課題】ユーザにとって読みやすい電話番号の読み方を音声認識することが可能な音声認識装置を提供する。
【解決手段】認識辞書記憶部１０４が記憶する認識辞書は、１桁の数字とこの数字の読みの発声内容とを関連付けて記憶するとともに、複数桁の数字列とこの数字列を各数字に桁の単位を付して読みあげる桁読みの発声内容とを関連付けて記憶する。これにより、例えば、ユーザが電話番号の市内局番「１２」を「いちに」と棒読みしたり、或いは、これを「じゅうに」と桁読みしたりする場合でも、「１２」という同一の数字列を音声認識することができる。その結果、ユーザにとって読みやすい電話番号の読み方を音声認識することが可能となる。
【選択図】 図２
【解決手段】認識辞書記憶部１０４が記憶する認識辞書は、１桁の数字とこの数字の読みの発声内容とを関連付けて記憶するとともに、複数桁の数字列とこの数字列を各数字に桁の単位を付して読みあげる桁読みの発声内容とを関連付けて記憶する。これにより、例えば、ユーザが電話番号の市内局番「１２」を「いちに」と棒読みしたり、或いは、これを「じゅうに」と桁読みしたりする場合でも、「１２」という同一の数字列を音声認識することができる。その結果、ユーザにとって読みやすい電話番号の読み方を音声認識することが可能となる。
【選択図】 図２
Description
【０００１】
【発明の属する技術分野】
本発明は、音声認識装置に関するものである。
【０００２】
【従来の技術】
従来、話者の発する音声を認識して電話番号の入力を行う音声認識装置がある。この音声認識装置において、ユーザが電話番号を入力する場合には、所望の電話番号の個々の数字を単位として連続して読みあげる（以後、棒読みと呼ぶ）。例えば、市外局番「０５６６」、市内局番「１２」、加入者番号「３４５６」からなる電話番号「０５６６−１２−３４５６」を音声によって入力する場合には、ユーザは、市外局番「０５６６」を「ぜろごうろくろく」、市内局番「１２」を「いちにい」、及び加入者番号「３４５６」を「さんよんごうろく」というように棒読みして入力する。そして、この入力を受けた音声認識装置は、ユーザによって棒読みされた電話番号を認識して、認識結果に対応する数字列を入力する。
【０００３】
このように、従来の音声認識装置では、ユーザによって棒読みされる電話番号を認識することで、電話番号に対応する数字列を入力する。
【０００４】
【発明が解決しようとする課題】
ユーザは、電話番号を読みあげる際、上述の棒読み以外に、特に市内局番については異なる読み方をすることがある。すなわち、市内局番をその数字列の桁の単位を付して読みあげる（以後、桁読みと呼ぶ）ことがある。例えば、上述の市内局番「１２」を「じゅうに」と桁読みしたりする。しかしながら、従来の音声認識装置は、上述のような桁読みを認識することができなかった。
【０００５】
本発明は、かかる問題を鑑みてなされたもので、ユーザにとって読みやすい電話番号の読み方を音声認識することが可能な音声認識装置を提供することを目的とする。
【０００６】
【課題を解決するための手段】
請求項１に記載の音声認識装置は、ユーザが発声した音声を入力する入力手段と、１桁の各数字と各数字の読みの発声内容とを関連付けて記憶する第１の記憶手段と、複数桁の数字列と数字列を各数字に桁の単位を付して読みあげる桁読みの発声内容とを関連付けて記憶する第２の記憶手段と、ユーザによって電話番号が音声にて入力されたとき、第１及び第２の記憶手段に記憶された発声内容との照合の下に、音声入力された電話番号を認識する認識手段とを備えることを特徴とする。
【０００７】
このように、本発明の音声認識装置は、ユーザによる棒読み及び桁読みを認識することができる。これにより、例えば、ユーザが「１２」という市内局番を棒読みして「いちにい」と読んだり、或いは桁読みして「じゅうに」と読んだりした場合でも、「１２」という同一の市内局番を認識することができるようになる。その結果、電話番号の音声認識において、ユーザが読みやすい電話番号の読み方を認識することが可能となる。
【０００８】
請求項２に記載の音声認識装置では、ユーザが発声した音声を入力する入力手段と、電話番号を市外局番、市内局番及び加入者番号ごとに音声入力するように指示する入力指示手段と、市外局番、市内局番及び加入者番号ごとに、ユーザの発声内容と数字とを対応付けた認識用辞書を記憶する記憶手段と、入力指示手段による指示に従って音声入力された市外局番、市内局番及び加入者番号を、対応する認識用辞書を用いて認識する認識手段とを備え、市内局番認識用辞書は、１桁の各数字と各数字を読みあげる棒読みの発声内容とが関連付けて記憶されているとともに、複数桁の数字列と数字列を各数字に桁の単位を付して読みあげる桁読みの発声内容とが関連付けて記憶されていることを特徴とする。
【０００９】
このように、ユーザによって音声入力される市内局番の認識については、棒読みと桁読みの両方の読み方に対応した市内局番辞書から、市内局番に対応する数字列を認識する。これにより、ユーザが市内局番を棒読みしたり、桁読みしたりする場合でも、同一の市内局番を認識することができる。
【００１０】
請求項３に記載の音声認識装置では、加入者番号認識用辞書は、１桁の各数字と各数字を読みあげる棒読みの発声内容とが関連付けて記憶されているとともに、複数桁の数字列と数字列を各数字に桁の単位を付して読みあげる桁読みの発声内容とが関連付けて記憶されていることを特徴とする。
【００１１】
例えば、加入者番号が「１０００」であるような語呂のよい４桁の数字の場合、ユーザは、これを「いちぜろぜろぜろ」と棒読みしたり、「せん」と桁読みしたりすることがある。従って、加入者番号認識用辞書についても、棒読みと桁読みの両方の読み方に対応させることで、ユーザの読みやすい電話番号を認識することが可能となる。
【００１２】
請求項４に記載の音声認識装置は、市外局番認識用辞書は、１桁の各数字と各数字を読みあげる棒読みの発声内容とが関連付けて記憶されていることを特徴とする。市外局番は、一般に「０」が先頭の番号となるので、ユーザによって桁読みされることが少ない。従って、市外局番認識用辞書については、棒読みの読み方のみ対応させておくことで、認識する発声内容が限定されるため、電話番号の認識率の低下を抑制する効果が期待できる。
【００１３】
請求項５に記載の音声認識装置は、入力指示手段は、市外局番、市内局番、及び加入者番号の入力内容に対応するメッセージを記憶するメッセージ記憶手段と、市外局番、市内局番、及び加入者番号の音声入力の内容に従って、メッセージをメッセージ記憶手段から抽出するメッセージ抽出手段と、この抽出したメッセージを報知する報知手段とを備えることを特徴とする。このように、入力内容に応じたメッセージを報知することで、ユーザとって分かりやすい、電話番号の入力案内をすることが可能となる。
【００１４】
【発明の実施の形態】
以下、本発明の実施の形態における音声認識装置に関して、図面に基づいて説明する。なお、本実施形態では、本発明の音声認識装置をカーナビゲーション装置に適用した例について説明する。
【００１５】
図１は、本実施形態に係わるカーナビゲーション装置の概略構成を示すブロック図である。同図に示すように、本実施形態のカーナビゲーション装置１は、音声認識部１０、経路案内部１１、車両位置・車両向き計算部１２から構成されている。また、カーナビゲーション装置１は、図示しない道路地図描画部等を有している。さらに、カーナビゲーション装置１は、音声入力に用いられるマイク２及びトークスイッチ３、表示装置４、スピーカ５、ＧＰＳ受信機６、車速センサ７、ヨーレートセンサ８、及び地図データベース９等と接続されている。
【００１６】
マイク２及びトークスイッチ３は、音声入力に用いられる装置である。音声を入力する場合には、例えば、トークスイッチ３の押しボタンを押すことで、入力トリガ信号が後述する音声認識部１０に送信され、この音声認識部１０は、入力トリガ信号を受信すると、マイク２から音声入力を受け付けるモードに変更される。
【００１７】
この音声入力を受け付けるモードのとき、ユーザによって音声が入力されると、その音声がマイク２によって音声信号に変換され、音声認識部１０に送られる。音声認識部１０は、この音声信号を認識して、音声に対応する数字やコマンドに変換して経路案内部１１に与える。例えば、「いちにい」と認識された音声は、「１」、「２」という数字に変換される。この数字を受ける経路案内部１１は、市外局番、市内局番、及び加入者番号からなる電話番号を受信した後、この電話番号に対応する地点を検索し、検索した地点を表示装置４に表示する。
【００１８】
表示装置４は、道路地図等を表示する液晶ディスプレイによって構成される。また、表示装置４のディスプレイにタッチパネルが採用されるものであっても良い。
【００１９】
スピーカ５は、音声案内や各種警告音等の出力に使用されるものであり、例えば、車両に装備されたスピーカであっても良いし、カーナビゲーション装置１に内蔵されたものであっても良い。
【００２０】
ＧＰＳ受信機６、車速センサ７、及びヨーレートセンサ８は、周知のごとく、車両の現在位置や車両進行方向等を算出するのに必要な信号（以下、センサ信号と呼ぶ）を生成するものである。生成されたセンサ信号は、車両位置・車両向き計算部１２に送られる。
【００２１】
地図データベース９は、図示しない記憶媒体に格納されるもので、地図情報、道路情報からなる。なお、記憶媒体としては、そのデータ量からＣＤ−ＲＯＭやＤＶＤ−ＲＯＭを用いるのが一般的であるが、メモリカードやハードディスクなどの媒体を用いてもよい。また、地図情報とは、表示装置４に表示するランドマーク等を描画するために必要なデータであり、施設名称、住所、電話番号、及び地図上の座標等を関連付けたデータから構成される。
【００２２】
次に、カーナビゲーション装置１に内蔵される音声認識部１０について、図２を用いて説明する。同図に示すように音声認識部１０は、ＡＤ変換回路１０１、認識プログラム処理部１０２、音響モデル記憶部１０３、及び認識辞書記憶部１０４等によって構成される。
【００２３】
ＡＤ変換回路１０１は、マイク２を介して入力されるアナログの音声信号を受信し、この信号をデジタル化した信号に変換する。変換されたデジタル音声信号は、認識プログラム処理部１０２に送信される。
【００２４】
認識プログラム処理部１０２は、音響モデル記憶部１０３、及び認識辞書記憶部１０４を用いて、デジタル音声信号を数字やコマンドに変換するものである。まず、認識プログラム処理部１０２は、音響モデル記憶部１０３に記憶される、例えば、周知の隠れマルコフモデル（Ｈｉｄｄｅｎ Ｍａｒｋｏｖ Ｍｏｄｅｌ）等の手法を用いて、デジタル音声信号１０６に対応する発話内容（以後、認識語読みと呼ぶ）を解析する。この解析された認識語読みは、認識辞書記憶部１０４に記憶される認識語と照合され、最も確からしい認識語、及びその認識語に対応する数字が抽出される。
【００２５】
ここで、認識辞書記憶部１０４について説明する。この認識辞書記憶部１０４は、図４に示す認識辞書を構成しており、認識語と１桁或いは複数桁の数字とを関連付けて記憶している。なお、１桁の数字には棒読みの認識語が対応しており、複数桁の数字には桁読みの認識語が対応している。例えば、２桁の数字「１２」に対して、認識語「じゅうに」が関連付けて記憶している。さらに、４桁の数字「１０００」に対しては、認識語「せん」が関連付けて記憶している。
【００２６】
このように、認識辞書記憶部１０４は、１桁の数字に対して棒読みの認識語を記憶し、また複数桁の数字に対して桁読みの認識語を記憶している。なお、認識プログラム処理部１０２によって、認識語読みに対応する数字やコマンドが抽出されると、抽出された数字やコマンドに対応する信号が経路案内部１１に送信される。
【００２７】
続いて、カーナビゲーション装置１の経路案内部１１について、図３を用いて説明する。同図に示すように経路案内部１１は、機能実行部１１０、メッセージ出力部１１１、及びメッセージ記憶部１１２から構成される。
【００２８】
機能実行部１１０は、現在地周辺の道路地図を表示する機能や、電話番号入力による地点検索機能等を実行する。例えば、現在地周辺の道路地図を表示する機能では、音声認識部１０から現在地道路地図表示のコマンドを受信すると、機能実行部１０は、車両位置・車両向き計算部１２から車両位置・車両の進行方向信号を受信し、地図データベース９から車両位置周辺の地図データを読み出し、画像信号１５に変換して表示装置４に表示したりする。また、機能実行部１１０は、実行する機能に応じたコマンドコードを、メッセージ出力部１１１に送信する。
【００２９】
また、電話番号入力による地点検索機能では、入力された電話番号に対応する施設等とその周辺の道路地図を報知するものである。例えば、機能実行部１１０は、音声認識部１０から、市外局番、市内局番、加入者番号からなる電話番号を全て受信すると、受信した電話番号に対応する地点の施設名称、住所、座標を地図データベース９から抽出し、さらに、抽出した座標周辺の地図情報や道路情報を読み出す。その後、読み出した情報を画像信号に変換して、表示装置４に電話番号に対応する地点やその周辺の道路地図を表示させる。
【００３０】
メッセージ出力部１１１は、機能実行部１１０からのコマンドコードを受信し、このコマンドコードに対応するメッセージをメッセージ記憶部１１２から抽出して、表示装置４のディスプレイに表示したり、スピーカ５へ出力したりする。図７に、メッセージ記憶部１１２が記憶するメッセージを示す。同図に示すように、各々のメッセージは、コマンドコードに対応したものとなっている。例えば、現在地周辺の道路地図を表示する機能において、機能実行部１１０からコマンドコードＣ０００１が送信された場合には、メッセージ出力部１１１は、このコマンドコードＣ０００１に対応する「現在地を表示します」というメッセージを報知する。
【００３１】
次に、上述のカーナビゲーション装置１において、音声入力による電話番号からの地点検索が行われる地点検索機能の処理について、図５及び図６のフローチャートを用いて説明する。なお、具体的な例として、ユーザによって、「０２２０−１２−１０００」という電話番号が音声入力される場合を想定して説明を進める。
【００３２】
先ず、図５に示すステップＳ１は、トークスイッチ３がユーザに押されるまで待機状態を継続し、トークスイッチ３が押された場合には、ステップＳ２に処理を進める。ステップＳ２では、音声認識部１０が入力モードに切り換わり、音声の入力を受け付ける状態となる。
【００３３】
次に、ステップＳ３における電話番号の音声認識処理を、図６のフローチャートを用いて説明する。先ず、ステップＳ３０では、例えば、目的の地点を検索するために「電話番号で探す」なる音声が入力されたか否かを判断し、「電話番号で探す」なる音声が入力された場合には、ステップＳ３１に処理を進め、これに該当しない場合には、音声が入力されるまで待機状態となる。
【００３４】
ステップＳ３１では、入力された音声から認識語読みを解析する。この解析の結果、入力された音声が「ぜろにいにいぜろじゅうにせん」という認識語読みが解析されたとする。
【００３５】
ステップＳ３２では、この解析された認識語読みに対して、最も確からしい認識語を、認識辞書記憶部１０４の認識辞書における認識語から照合する。ステップＳ３３においては、照合した認識語に対応する数字を抽出する。なお、本実施形態では、複数の数字「０、２、２、０、１２、１０００」が抽出される。
【００３６】
ステップＳ３４は、抽出した複数の数字に対応する信号を、経路案内部１１の機能実行部１１０へ送信する。なお、抽出した数字は、各々を組み合わせた形式に変換してから送信される。つまり、１０桁の数字「０２２０１２１０００」なる数字が送信される。この信号が送信されると、本音声認識処理が終了する。
【００３７】
続いて、図５のステップＳ４では、音声認識部１０から送信された１０桁の数字の電話番号に対応する地点の施設名称、住所、座標等の各データを、地図データベース９から抽出する。さらに、抽出した座標周辺の地図情報や道路情報を抽出する。そして、ステップＳ５は、抽出した各データや情報を画像信号に変換して、表示装置４へ音声入力された電話番号に対応する地点やその周辺の道路地図を表示する。
【００３８】
このように、本発明の音声認識装置は、電話番号の音声認識に際して、棒読み、及び桁読みの発声内容を記憶する認識辞書から発声内容を照合している。これにより、ユーザが２桁の数字「１２」を棒読みして「いちにい」と読んだり、或いは桁読みして「じゅうに」と読んだりした場合でも、「１２」という同一の数字を認識することができる。
【００３９】
また、ユーザが「１０００」であるような語呂のよい４桁の数字を「いちぜろぜろぜろ」と棒読みしたり、「せん」と桁読みしたりする場合でも、「１０００」という同一の数字を認識することができる。その結果、ユーザが読みやすい電話番号の読み方を認識することができる。
【００４０】
さらに、本発明の適用範囲は、カーナビゲーション装置の地点検索機能に限定されるものではなく、電話番号から目的地を入力する機能や、携帯電話における固定電話への電話番号入力機能等にも適用できる。
【００４１】
（第２実施形態）
第２の実施形態は、第１の実施形態によるものと共通するところが多いので、以下、共通部分についての詳しい説明は省略し、異なる部分を重点的に説明する。
【００４２】
第２の実施形態において第１の実施形態と異なる点は、認識辞書記憶部１０４を、市外局番の認識に用いる市外局番辞書、市内局番の認識に用いる市内局番辞書、及び加入者番号の認識に用いる加入者番号辞書の３つの認識辞書から構成する点、メッセージ記憶部１１２が記憶するメッセージに、電話番号の入力内容に対応するメッセージを記憶させる点、及び、ユーザに対して、市外局番、市内局番、及び加入者番号を音声入力する際に、上述のメッセージを報知して音声入力の案内をする点にある。
【００４３】
以下、これら３つの異なる点について、図８〜図１０の３つの辞書を示す図、図１１のメッセージ記憶部１１２が記憶するメッセージを示す図、及び図１２の電話番号の音声認識処理のフローチャートを用いて説明する。
【００４４】
本実施形態における認識辞書記憶部１０４は、図８〜図１０に示す３つの認識辞書から構成されている。図８は、市外局番の音声認識の際に用いる認識辞書（以下、市外局番辞書と呼ぶ）であり、認識語と１桁の数字とを関連付けて記憶している。なお、各数字には棒読みの認識語が対応している。
【００４５】
図９は、市内局番の音声認識の際に用いる認識辞書（以下、市内局番辞書と呼ぶ）であり、認識語と１桁、及び複数桁の数字とを関連付けて記憶している。１桁の各数字には棒読みの認識語が対応しているが、複数桁の各数字には桁読みの認識語が対応している。例えば、２桁の数字「１２」に対して、認識語「じゅうに」が関連付けて記憶している。
【００４６】
図１０は、加入者番号の音声認識の際に用いる認識辞書（以下、加入者番号辞書と呼ぶ）であり、認識語と１桁、及び４桁の数字とを関連付けて記憶している。１桁の各数字には棒読みの認識語が対応しているが、４桁の各数字には桁読みの認識語が対応している。例えば、４桁の数字「１０００」に対して、認識語「せん」が関連付けて記憶している。
【００４７】
このように、本実施形態の認識辞書記憶部１０４は、３つの認識辞書から構成されており、さらに、市内局番辞書、及び加入者番号辞書には、１桁の数字に対する棒読みの認識語と複数桁の数字に対する桁読みの認識語を記憶している。
【００４８】
図１１は、本実施形態におけるメッセージ記憶部１１２が記憶するメッセージである。同図に示すように、コマンドコードＣ１００１以降から、電話番号入力による地点検索機能に対応するメッセージが記憶されている。そして、本実施形態におけるメッセージ出力部１１１は、電話番号の入力順序に応じたコマンドコードを機能実行部１１０から受信し、この受信したコマンドコードに対応するメッセージを、メッセージ記憶部１１２から抽出する。そして、抽出したメッセージを表示装置４やスピーカ５から出力して、ユーザに対して音声入力の案内をする。
【００４９】
次に、この音声入力の案内の処理について、図１２のフローチャートを用いて説明する。なお、この入力案内処理は、第１の実施形態において説明した電話番号の音声認識処理（図５のステップＳ３）において実行するものであるため、この音声認識処理の部分についてのみ説明する。また、本実施形態では、ユーザによって、「０２２０−１２−１０００」という電話番号が音声入力される場合を想定して説明を進める。
【００５０】
先ず、ステップＳ３００では、例えば、目的の地点を検索するために「電話番号で探す」なる音声が入力されたか否かを判断し、「電話番号で探す」なる音声が入力された場合には、ステップＳ３０１に処理を進め、これに該当しない場合には、音声が入力されるまで待機状態となる。
【００５１】
ステップＳ３０１では、後述するステップＳ３０３における認識語読みに対する認識語の照合、及びこの認識語に対応する数字の抽出を、市外局番辞書から実行するように、認識辞書記憶部１０４の認識辞書を設定する。
【００５２】
ステップＳ３０２では、認識辞書として市外局番辞書が設定されたことを通知する信号を機能実行部１１０へ送信する。この信号を受けた機能実行部１１０は、メッセージ出力部１１１に対して、市外局番に対応するコマンドコードＣ１００１を送信する。このコマンドコードＣ１００１を受信したメッセージ出力部は、メッセージ記憶部１１２に記憶されているコマンドコードＣ１００１に対応するメッセージを抽出し、このメッセージを表示装置４やスピーカ５から出力する。すると、「市外局番を入力して下さい」というメッセージが、ユーザに対して報知される。
【００５３】
ステップＳ３０３においては、ユーザは、ステップＳ３０２において報知されたメッセージを受けて市外局番を発声する。そして、この発声した音声から認識語読みを解析する。その解析の結果、入力された音声が「ぜろにいにいぜろ」という読みであったとする。
【００５４】
ステップＳ３０４では、この解析された認識語読みに対して、最も確からしい認識語を、認識辞書記憶部１０４の市外局番辞書における認識語から照合する。そして、照合した認識語に対応する数字を抽出する。なお、本実施形態では、「ぜろ」、「にい」、「にい」、「ぜろ」の各認識語に対する「０」、「２」、「２」、「０」の各数字が抽出されたとする。
【００５５】
ステップＳ３０５では、この抽出した各数字「０」、「２」、「２」、「０」に対応する信号を経路案内部１１へ送信する。なお、抽出した数字は、各々を組み合わせた形式に変換してから送信される。つまり、４桁の数字「０２２０」なる数字が送信される。この信号を受けた経路案内部１１は、表示装置４に受信した数字を表示したりする。
【００５６】
ステップＳ３０６において、加入者番号の抽出を行ったか否かを判断し、加入者番号の抽出を行った場合には、本音声認識処理を終了し、これに該当しない場合には、ステップＳ３０１へ処理を移行する。本実施形態では、市外局番の抽出まで終えていると判断されるため、ステップＳ３０１へ処理を移行する。
【００５７】
再び、ステップＳ３０１では、電話番号の入力順序に基づいて、市外局番の次に入力すべき市内局番に対応する市内局番辞書を設定する。ステップＳ３０２では、上述と同様に、機能実行部１１０からメッセージ出力部１１１に対して、市外局番に対応するコマンドコードＣ１００２を送信され、メッセージ出力部は、メッセージ記憶部１１２に記憶されているコマンドコードＣ１００２に対応するメッセージを抽出し、このメッセージを表示装置４やスピーカ５から出力する。すると、「市内局番を入力して下さい」というメッセージが、ユーザに対して報知される。
【００５８】
ステップＳ３０３においては、ユーザは、ステップＳ３０２において報知されたメッセージを受けて市内局番を発声する。そして、この発声した音声から認識語読みを解析する。その解析の結果、入力された音声が「じゅうに」という読みであったとする。ステップＳ３０４では、上述と同様な処理が行われ、本実施形態では、「じゅうに」の認識語に対する２桁の数字「１２」が抽出されたとする。
【００５９】
ステップＳ３０５では、この抽出した数字「１２」に対応する信号を経路案内部１１へ送信する。この信号を受けた経路案内部１１は、表示装置４に受信した数字を表示したりする。
【００６０】
ステップＳ３０６において、再度、加入者番号の抽出を行ったか否かを判断し、加入者番号の抽出を行った場合には、本音声認識処理を終了し、これに該当しない場合には、ステップＳ３０１へ処理を移行する。本実施形態では、市内局番の抽出まで終えていると判断されるため、ステップＳ３０１へ処理を移行する。
【００６１】
再び、ステップＳ３０１では、電話番号の入力順序に基づいて、市内局番の次に入力すべき加入者番号に対応する加入者番号辞書を設定する。ステップＳ３０２では、上述と同様に、機能実行部１１０は、メッセージ出力部１１１に対して、加入者番号に対応するコマンドコードＣ１００３を送信する。メッセージ出力部は、メッセージ記憶部１１２に記憶されているコマンドコードＣ１００３に対応するメッセージを抽出し、このメッセージを表示装置４やスピーカ５から出力する。すると、「下四桁を入力して下さい」というメッセージが、ユーザに対して報知される。
【００６２】
ステップＳ３０３においては、ユーザは、ステップＳ３０２において報知されたメッセージを受けて加入者番号を発声する。そして、この発声した音声から認識語読みを解析する。その解析の結果、入力された音声が「せん」という読みであったとする。ステップＳ３０４では、上述と同様な処理が行われ、本実施形態では、「せん」の認識語に対する４桁の数字「１０００」が抽出されたとする。
【００６３】
ステップＳ３０５では、この抽出した数字「１０００」に対応する信号を経路案内部１１へ送信する。この信号を受けた経路案内部１１は、表示装置４に受信した数字を表示したりする。そして、ステップＳ３０６において、加入者番号の抽出を行ったと判断されるため、本音声認識処理を終了する。
【００６４】
このように、本実施形態の音声認識装置は、ユーザの電話番号の入力内容に応じて音声認識する認識辞書を切り換えている。これにより、照合する発声内容が限定されるため、電話番号の認識率の低下を抑制する効果が期待できる。
【００６５】
また、市内局番、及び加入者番号の音声認識については、棒読みと桁読みの両方の認識を可能にすることで、ユーザの読みやすい電話番号の読み方を認識することができる。なお、市外局番は、一般に「０」が先頭の番号となるので、ユーザによって桁読みされることが少ない。従って、市外局番辞書については、棒読みに対応する認識語と数字とを関連付けて記憶させることで、照合する発声内容が限定され、電話番号の認識率の低下を抑制する効果が期待できる。
【００６６】
さらに、市外局番、市内局番、及び加入者番号の音声入力の内容に従って、入力内容に対応したメッセージを報知することで、ユーザとって分かりやすい、電話番号の入力案内をすることが可能となる。
【００６７】
なお、本実施形態の認識辞書は、市外局番辞書、市内局番辞書及び加入者番号辞書の３つの独立した辞書から構成されているが、各々の辞書において、１桁の数字と棒読みに対応する認識語の関連付けについては共通して記憶している。従って、認識辞書を上述のような３つの辞書から構成する以外に、例えば、棒読み用辞書と桁読み用辞書の２つの辞書から構成し、市外局番の音声入力については、棒読み用辞書から認識し、市内局番及び加入者番号については、棒読み用辞書と桁読み用辞書とから認識するようにしても良い。
【図面の簡単な説明】
【図１】第１、及び第２の実施形態に係わる、カーナビゲーション装置１の概略構成を示すブロック図である。
【図２】第１、及び第２の実施形態に係わる、音声認識部１０の構成を示すブロック図である。
【図３】第１、及び第２の実施形態に係わる、経路案内部１１の構成を示すブロック図である。
【図４】第１の実施形態に係わる、認識辞書記憶部１０４が記憶する認識辞書を示す図である。
【図５】第１、及び第２の実施形態に係わる、カーナビゲーション装置１の全体の処理の流れを示すフローチャートである。
【図６】第１の実施形態に係わる、電話番号の音声認識処理の流れを示すフローチャートである。
【図７】第１の実施形態に係わる、メッセージ記憶部１１２が記憶するメッセージを示す図である。
【図８】第２の実施形態に係わる、市外局番辞書を示す図である。
【図９】第２の実施形態に係わる、市内局番辞書を示す図である。
【図１０】第２の実施形態に係わる、加入者番号辞書を示す図である。
【図１１】第２の実施形態に係わる、メッセージ記憶部１１２が記憶するメッセージを示す図である。
【図１２】第２の実施形態に係わる、電話番号の音声認識処理の流れを示すフローチャートである。
【符号の説明】
１ カーナビゲーション装置
２ マイク
３ トークスイッチ
４ 表示装置
５ スピーカ
６ ＧＰＳ受信機
７ 車速センサ
８ ヨーレートセンサ
９ 地図データベース
１０ 音声認識部
１１ 経路案内部
１２ 車両位置・車両向き計算部
【発明の属する技術分野】
本発明は、音声認識装置に関するものである。
【０００２】
【従来の技術】
従来、話者の発する音声を認識して電話番号の入力を行う音声認識装置がある。この音声認識装置において、ユーザが電話番号を入力する場合には、所望の電話番号の個々の数字を単位として連続して読みあげる（以後、棒読みと呼ぶ）。例えば、市外局番「０５６６」、市内局番「１２」、加入者番号「３４５６」からなる電話番号「０５６６−１２−３４５６」を音声によって入力する場合には、ユーザは、市外局番「０５６６」を「ぜろごうろくろく」、市内局番「１２」を「いちにい」、及び加入者番号「３４５６」を「さんよんごうろく」というように棒読みして入力する。そして、この入力を受けた音声認識装置は、ユーザによって棒読みされた電話番号を認識して、認識結果に対応する数字列を入力する。
【０００３】
このように、従来の音声認識装置では、ユーザによって棒読みされる電話番号を認識することで、電話番号に対応する数字列を入力する。
【０００４】
【発明が解決しようとする課題】
ユーザは、電話番号を読みあげる際、上述の棒読み以外に、特に市内局番については異なる読み方をすることがある。すなわち、市内局番をその数字列の桁の単位を付して読みあげる（以後、桁読みと呼ぶ）ことがある。例えば、上述の市内局番「１２」を「じゅうに」と桁読みしたりする。しかしながら、従来の音声認識装置は、上述のような桁読みを認識することができなかった。
【０００５】
本発明は、かかる問題を鑑みてなされたもので、ユーザにとって読みやすい電話番号の読み方を音声認識することが可能な音声認識装置を提供することを目的とする。
【０００６】
【課題を解決するための手段】
請求項１に記載の音声認識装置は、ユーザが発声した音声を入力する入力手段と、１桁の各数字と各数字の読みの発声内容とを関連付けて記憶する第１の記憶手段と、複数桁の数字列と数字列を各数字に桁の単位を付して読みあげる桁読みの発声内容とを関連付けて記憶する第２の記憶手段と、ユーザによって電話番号が音声にて入力されたとき、第１及び第２の記憶手段に記憶された発声内容との照合の下に、音声入力された電話番号を認識する認識手段とを備えることを特徴とする。
【０００７】
このように、本発明の音声認識装置は、ユーザによる棒読み及び桁読みを認識することができる。これにより、例えば、ユーザが「１２」という市内局番を棒読みして「いちにい」と読んだり、或いは桁読みして「じゅうに」と読んだりした場合でも、「１２」という同一の市内局番を認識することができるようになる。その結果、電話番号の音声認識において、ユーザが読みやすい電話番号の読み方を認識することが可能となる。
【０００８】
請求項２に記載の音声認識装置では、ユーザが発声した音声を入力する入力手段と、電話番号を市外局番、市内局番及び加入者番号ごとに音声入力するように指示する入力指示手段と、市外局番、市内局番及び加入者番号ごとに、ユーザの発声内容と数字とを対応付けた認識用辞書を記憶する記憶手段と、入力指示手段による指示に従って音声入力された市外局番、市内局番及び加入者番号を、対応する認識用辞書を用いて認識する認識手段とを備え、市内局番認識用辞書は、１桁の各数字と各数字を読みあげる棒読みの発声内容とが関連付けて記憶されているとともに、複数桁の数字列と数字列を各数字に桁の単位を付して読みあげる桁読みの発声内容とが関連付けて記憶されていることを特徴とする。
【０００９】
このように、ユーザによって音声入力される市内局番の認識については、棒読みと桁読みの両方の読み方に対応した市内局番辞書から、市内局番に対応する数字列を認識する。これにより、ユーザが市内局番を棒読みしたり、桁読みしたりする場合でも、同一の市内局番を認識することができる。
【００１０】
請求項３に記載の音声認識装置では、加入者番号認識用辞書は、１桁の各数字と各数字を読みあげる棒読みの発声内容とが関連付けて記憶されているとともに、複数桁の数字列と数字列を各数字に桁の単位を付して読みあげる桁読みの発声内容とが関連付けて記憶されていることを特徴とする。
【００１１】
例えば、加入者番号が「１０００」であるような語呂のよい４桁の数字の場合、ユーザは、これを「いちぜろぜろぜろ」と棒読みしたり、「せん」と桁読みしたりすることがある。従って、加入者番号認識用辞書についても、棒読みと桁読みの両方の読み方に対応させることで、ユーザの読みやすい電話番号を認識することが可能となる。
【００１２】
請求項４に記載の音声認識装置は、市外局番認識用辞書は、１桁の各数字と各数字を読みあげる棒読みの発声内容とが関連付けて記憶されていることを特徴とする。市外局番は、一般に「０」が先頭の番号となるので、ユーザによって桁読みされることが少ない。従って、市外局番認識用辞書については、棒読みの読み方のみ対応させておくことで、認識する発声内容が限定されるため、電話番号の認識率の低下を抑制する効果が期待できる。
【００１３】
請求項５に記載の音声認識装置は、入力指示手段は、市外局番、市内局番、及び加入者番号の入力内容に対応するメッセージを記憶するメッセージ記憶手段と、市外局番、市内局番、及び加入者番号の音声入力の内容に従って、メッセージをメッセージ記憶手段から抽出するメッセージ抽出手段と、この抽出したメッセージを報知する報知手段とを備えることを特徴とする。このように、入力内容に応じたメッセージを報知することで、ユーザとって分かりやすい、電話番号の入力案内をすることが可能となる。
【００１４】
【発明の実施の形態】
以下、本発明の実施の形態における音声認識装置に関して、図面に基づいて説明する。なお、本実施形態では、本発明の音声認識装置をカーナビゲーション装置に適用した例について説明する。
【００１５】
図１は、本実施形態に係わるカーナビゲーション装置の概略構成を示すブロック図である。同図に示すように、本実施形態のカーナビゲーション装置１は、音声認識部１０、経路案内部１１、車両位置・車両向き計算部１２から構成されている。また、カーナビゲーション装置１は、図示しない道路地図描画部等を有している。さらに、カーナビゲーション装置１は、音声入力に用いられるマイク２及びトークスイッチ３、表示装置４、スピーカ５、ＧＰＳ受信機６、車速センサ７、ヨーレートセンサ８、及び地図データベース９等と接続されている。
【００１６】
マイク２及びトークスイッチ３は、音声入力に用いられる装置である。音声を入力する場合には、例えば、トークスイッチ３の押しボタンを押すことで、入力トリガ信号が後述する音声認識部１０に送信され、この音声認識部１０は、入力トリガ信号を受信すると、マイク２から音声入力を受け付けるモードに変更される。
【００１７】
この音声入力を受け付けるモードのとき、ユーザによって音声が入力されると、その音声がマイク２によって音声信号に変換され、音声認識部１０に送られる。音声認識部１０は、この音声信号を認識して、音声に対応する数字やコマンドに変換して経路案内部１１に与える。例えば、「いちにい」と認識された音声は、「１」、「２」という数字に変換される。この数字を受ける経路案内部１１は、市外局番、市内局番、及び加入者番号からなる電話番号を受信した後、この電話番号に対応する地点を検索し、検索した地点を表示装置４に表示する。
【００１８】
表示装置４は、道路地図等を表示する液晶ディスプレイによって構成される。また、表示装置４のディスプレイにタッチパネルが採用されるものであっても良い。
【００１９】
スピーカ５は、音声案内や各種警告音等の出力に使用されるものであり、例えば、車両に装備されたスピーカであっても良いし、カーナビゲーション装置１に内蔵されたものであっても良い。
【００２０】
ＧＰＳ受信機６、車速センサ７、及びヨーレートセンサ８は、周知のごとく、車両の現在位置や車両進行方向等を算出するのに必要な信号（以下、センサ信号と呼ぶ）を生成するものである。生成されたセンサ信号は、車両位置・車両向き計算部１２に送られる。
【００２１】
地図データベース９は、図示しない記憶媒体に格納されるもので、地図情報、道路情報からなる。なお、記憶媒体としては、そのデータ量からＣＤ−ＲＯＭやＤＶＤ−ＲＯＭを用いるのが一般的であるが、メモリカードやハードディスクなどの媒体を用いてもよい。また、地図情報とは、表示装置４に表示するランドマーク等を描画するために必要なデータであり、施設名称、住所、電話番号、及び地図上の座標等を関連付けたデータから構成される。
【００２２】
次に、カーナビゲーション装置１に内蔵される音声認識部１０について、図２を用いて説明する。同図に示すように音声認識部１０は、ＡＤ変換回路１０１、認識プログラム処理部１０２、音響モデル記憶部１０３、及び認識辞書記憶部１０４等によって構成される。
【００２３】
ＡＤ変換回路１０１は、マイク２を介して入力されるアナログの音声信号を受信し、この信号をデジタル化した信号に変換する。変換されたデジタル音声信号は、認識プログラム処理部１０２に送信される。
【００２４】
認識プログラム処理部１０２は、音響モデル記憶部１０３、及び認識辞書記憶部１０４を用いて、デジタル音声信号を数字やコマンドに変換するものである。まず、認識プログラム処理部１０２は、音響モデル記憶部１０３に記憶される、例えば、周知の隠れマルコフモデル（Ｈｉｄｄｅｎ Ｍａｒｋｏｖ Ｍｏｄｅｌ）等の手法を用いて、デジタル音声信号１０６に対応する発話内容（以後、認識語読みと呼ぶ）を解析する。この解析された認識語読みは、認識辞書記憶部１０４に記憶される認識語と照合され、最も確からしい認識語、及びその認識語に対応する数字が抽出される。
【００２５】
ここで、認識辞書記憶部１０４について説明する。この認識辞書記憶部１０４は、図４に示す認識辞書を構成しており、認識語と１桁或いは複数桁の数字とを関連付けて記憶している。なお、１桁の数字には棒読みの認識語が対応しており、複数桁の数字には桁読みの認識語が対応している。例えば、２桁の数字「１２」に対して、認識語「じゅうに」が関連付けて記憶している。さらに、４桁の数字「１０００」に対しては、認識語「せん」が関連付けて記憶している。
【００２６】
このように、認識辞書記憶部１０４は、１桁の数字に対して棒読みの認識語を記憶し、また複数桁の数字に対して桁読みの認識語を記憶している。なお、認識プログラム処理部１０２によって、認識語読みに対応する数字やコマンドが抽出されると、抽出された数字やコマンドに対応する信号が経路案内部１１に送信される。
【００２７】
続いて、カーナビゲーション装置１の経路案内部１１について、図３を用いて説明する。同図に示すように経路案内部１１は、機能実行部１１０、メッセージ出力部１１１、及びメッセージ記憶部１１２から構成される。
【００２８】
機能実行部１１０は、現在地周辺の道路地図を表示する機能や、電話番号入力による地点検索機能等を実行する。例えば、現在地周辺の道路地図を表示する機能では、音声認識部１０から現在地道路地図表示のコマンドを受信すると、機能実行部１０は、車両位置・車両向き計算部１２から車両位置・車両の進行方向信号を受信し、地図データベース９から車両位置周辺の地図データを読み出し、画像信号１５に変換して表示装置４に表示したりする。また、機能実行部１１０は、実行する機能に応じたコマンドコードを、メッセージ出力部１１１に送信する。
【００２９】
また、電話番号入力による地点検索機能では、入力された電話番号に対応する施設等とその周辺の道路地図を報知するものである。例えば、機能実行部１１０は、音声認識部１０から、市外局番、市内局番、加入者番号からなる電話番号を全て受信すると、受信した電話番号に対応する地点の施設名称、住所、座標を地図データベース９から抽出し、さらに、抽出した座標周辺の地図情報や道路情報を読み出す。その後、読み出した情報を画像信号に変換して、表示装置４に電話番号に対応する地点やその周辺の道路地図を表示させる。
【００３０】
メッセージ出力部１１１は、機能実行部１１０からのコマンドコードを受信し、このコマンドコードに対応するメッセージをメッセージ記憶部１１２から抽出して、表示装置４のディスプレイに表示したり、スピーカ５へ出力したりする。図７に、メッセージ記憶部１１２が記憶するメッセージを示す。同図に示すように、各々のメッセージは、コマンドコードに対応したものとなっている。例えば、現在地周辺の道路地図を表示する機能において、機能実行部１１０からコマンドコードＣ０００１が送信された場合には、メッセージ出力部１１１は、このコマンドコードＣ０００１に対応する「現在地を表示します」というメッセージを報知する。
【００３１】
次に、上述のカーナビゲーション装置１において、音声入力による電話番号からの地点検索が行われる地点検索機能の処理について、図５及び図６のフローチャートを用いて説明する。なお、具体的な例として、ユーザによって、「０２２０−１２−１０００」という電話番号が音声入力される場合を想定して説明を進める。
【００３２】
先ず、図５に示すステップＳ１は、トークスイッチ３がユーザに押されるまで待機状態を継続し、トークスイッチ３が押された場合には、ステップＳ２に処理を進める。ステップＳ２では、音声認識部１０が入力モードに切り換わり、音声の入力を受け付ける状態となる。
【００３３】
次に、ステップＳ３における電話番号の音声認識処理を、図６のフローチャートを用いて説明する。先ず、ステップＳ３０では、例えば、目的の地点を検索するために「電話番号で探す」なる音声が入力されたか否かを判断し、「電話番号で探す」なる音声が入力された場合には、ステップＳ３１に処理を進め、これに該当しない場合には、音声が入力されるまで待機状態となる。
【００３４】
ステップＳ３１では、入力された音声から認識語読みを解析する。この解析の結果、入力された音声が「ぜろにいにいぜろじゅうにせん」という認識語読みが解析されたとする。
【００３５】
ステップＳ３２では、この解析された認識語読みに対して、最も確からしい認識語を、認識辞書記憶部１０４の認識辞書における認識語から照合する。ステップＳ３３においては、照合した認識語に対応する数字を抽出する。なお、本実施形態では、複数の数字「０、２、２、０、１２、１０００」が抽出される。
【００３６】
ステップＳ３４は、抽出した複数の数字に対応する信号を、経路案内部１１の機能実行部１１０へ送信する。なお、抽出した数字は、各々を組み合わせた形式に変換してから送信される。つまり、１０桁の数字「０２２０１２１０００」なる数字が送信される。この信号が送信されると、本音声認識処理が終了する。
【００３７】
続いて、図５のステップＳ４では、音声認識部１０から送信された１０桁の数字の電話番号に対応する地点の施設名称、住所、座標等の各データを、地図データベース９から抽出する。さらに、抽出した座標周辺の地図情報や道路情報を抽出する。そして、ステップＳ５は、抽出した各データや情報を画像信号に変換して、表示装置４へ音声入力された電話番号に対応する地点やその周辺の道路地図を表示する。
【００３８】
このように、本発明の音声認識装置は、電話番号の音声認識に際して、棒読み、及び桁読みの発声内容を記憶する認識辞書から発声内容を照合している。これにより、ユーザが２桁の数字「１２」を棒読みして「いちにい」と読んだり、或いは桁読みして「じゅうに」と読んだりした場合でも、「１２」という同一の数字を認識することができる。
【００３９】
また、ユーザが「１０００」であるような語呂のよい４桁の数字を「いちぜろぜろぜろ」と棒読みしたり、「せん」と桁読みしたりする場合でも、「１０００」という同一の数字を認識することができる。その結果、ユーザが読みやすい電話番号の読み方を認識することができる。
【００４０】
さらに、本発明の適用範囲は、カーナビゲーション装置の地点検索機能に限定されるものではなく、電話番号から目的地を入力する機能や、携帯電話における固定電話への電話番号入力機能等にも適用できる。
【００４１】
（第２実施形態）
第２の実施形態は、第１の実施形態によるものと共通するところが多いので、以下、共通部分についての詳しい説明は省略し、異なる部分を重点的に説明する。
【００４２】
第２の実施形態において第１の実施形態と異なる点は、認識辞書記憶部１０４を、市外局番の認識に用いる市外局番辞書、市内局番の認識に用いる市内局番辞書、及び加入者番号の認識に用いる加入者番号辞書の３つの認識辞書から構成する点、メッセージ記憶部１１２が記憶するメッセージに、電話番号の入力内容に対応するメッセージを記憶させる点、及び、ユーザに対して、市外局番、市内局番、及び加入者番号を音声入力する際に、上述のメッセージを報知して音声入力の案内をする点にある。
【００４３】
以下、これら３つの異なる点について、図８〜図１０の３つの辞書を示す図、図１１のメッセージ記憶部１１２が記憶するメッセージを示す図、及び図１２の電話番号の音声認識処理のフローチャートを用いて説明する。
【００４４】
本実施形態における認識辞書記憶部１０４は、図８〜図１０に示す３つの認識辞書から構成されている。図８は、市外局番の音声認識の際に用いる認識辞書（以下、市外局番辞書と呼ぶ）であり、認識語と１桁の数字とを関連付けて記憶している。なお、各数字には棒読みの認識語が対応している。
【００４５】
図９は、市内局番の音声認識の際に用いる認識辞書（以下、市内局番辞書と呼ぶ）であり、認識語と１桁、及び複数桁の数字とを関連付けて記憶している。１桁の各数字には棒読みの認識語が対応しているが、複数桁の各数字には桁読みの認識語が対応している。例えば、２桁の数字「１２」に対して、認識語「じゅうに」が関連付けて記憶している。
【００４６】
図１０は、加入者番号の音声認識の際に用いる認識辞書（以下、加入者番号辞書と呼ぶ）であり、認識語と１桁、及び４桁の数字とを関連付けて記憶している。１桁の各数字には棒読みの認識語が対応しているが、４桁の各数字には桁読みの認識語が対応している。例えば、４桁の数字「１０００」に対して、認識語「せん」が関連付けて記憶している。
【００４７】
このように、本実施形態の認識辞書記憶部１０４は、３つの認識辞書から構成されており、さらに、市内局番辞書、及び加入者番号辞書には、１桁の数字に対する棒読みの認識語と複数桁の数字に対する桁読みの認識語を記憶している。
【００４８】
図１１は、本実施形態におけるメッセージ記憶部１１２が記憶するメッセージである。同図に示すように、コマンドコードＣ１００１以降から、電話番号入力による地点検索機能に対応するメッセージが記憶されている。そして、本実施形態におけるメッセージ出力部１１１は、電話番号の入力順序に応じたコマンドコードを機能実行部１１０から受信し、この受信したコマンドコードに対応するメッセージを、メッセージ記憶部１１２から抽出する。そして、抽出したメッセージを表示装置４やスピーカ５から出力して、ユーザに対して音声入力の案内をする。
【００４９】
次に、この音声入力の案内の処理について、図１２のフローチャートを用いて説明する。なお、この入力案内処理は、第１の実施形態において説明した電話番号の音声認識処理（図５のステップＳ３）において実行するものであるため、この音声認識処理の部分についてのみ説明する。また、本実施形態では、ユーザによって、「０２２０−１２−１０００」という電話番号が音声入力される場合を想定して説明を進める。
【００５０】
先ず、ステップＳ３００では、例えば、目的の地点を検索するために「電話番号で探す」なる音声が入力されたか否かを判断し、「電話番号で探す」なる音声が入力された場合には、ステップＳ３０１に処理を進め、これに該当しない場合には、音声が入力されるまで待機状態となる。
【００５１】
ステップＳ３０１では、後述するステップＳ３０３における認識語読みに対する認識語の照合、及びこの認識語に対応する数字の抽出を、市外局番辞書から実行するように、認識辞書記憶部１０４の認識辞書を設定する。
【００５２】
ステップＳ３０２では、認識辞書として市外局番辞書が設定されたことを通知する信号を機能実行部１１０へ送信する。この信号を受けた機能実行部１１０は、メッセージ出力部１１１に対して、市外局番に対応するコマンドコードＣ１００１を送信する。このコマンドコードＣ１００１を受信したメッセージ出力部は、メッセージ記憶部１１２に記憶されているコマンドコードＣ１００１に対応するメッセージを抽出し、このメッセージを表示装置４やスピーカ５から出力する。すると、「市外局番を入力して下さい」というメッセージが、ユーザに対して報知される。
【００５３】
ステップＳ３０３においては、ユーザは、ステップＳ３０２において報知されたメッセージを受けて市外局番を発声する。そして、この発声した音声から認識語読みを解析する。その解析の結果、入力された音声が「ぜろにいにいぜろ」という読みであったとする。
【００５４】
ステップＳ３０４では、この解析された認識語読みに対して、最も確からしい認識語を、認識辞書記憶部１０４の市外局番辞書における認識語から照合する。そして、照合した認識語に対応する数字を抽出する。なお、本実施形態では、「ぜろ」、「にい」、「にい」、「ぜろ」の各認識語に対する「０」、「２」、「２」、「０」の各数字が抽出されたとする。
【００５５】
ステップＳ３０５では、この抽出した各数字「０」、「２」、「２」、「０」に対応する信号を経路案内部１１へ送信する。なお、抽出した数字は、各々を組み合わせた形式に変換してから送信される。つまり、４桁の数字「０２２０」なる数字が送信される。この信号を受けた経路案内部１１は、表示装置４に受信した数字を表示したりする。
【００５６】
ステップＳ３０６において、加入者番号の抽出を行ったか否かを判断し、加入者番号の抽出を行った場合には、本音声認識処理を終了し、これに該当しない場合には、ステップＳ３０１へ処理を移行する。本実施形態では、市外局番の抽出まで終えていると判断されるため、ステップＳ３０１へ処理を移行する。
【００５７】
再び、ステップＳ３０１では、電話番号の入力順序に基づいて、市外局番の次に入力すべき市内局番に対応する市内局番辞書を設定する。ステップＳ３０２では、上述と同様に、機能実行部１１０からメッセージ出力部１１１に対して、市外局番に対応するコマンドコードＣ１００２を送信され、メッセージ出力部は、メッセージ記憶部１１２に記憶されているコマンドコードＣ１００２に対応するメッセージを抽出し、このメッセージを表示装置４やスピーカ５から出力する。すると、「市内局番を入力して下さい」というメッセージが、ユーザに対して報知される。
【００５８】
ステップＳ３０３においては、ユーザは、ステップＳ３０２において報知されたメッセージを受けて市内局番を発声する。そして、この発声した音声から認識語読みを解析する。その解析の結果、入力された音声が「じゅうに」という読みであったとする。ステップＳ３０４では、上述と同様な処理が行われ、本実施形態では、「じゅうに」の認識語に対する２桁の数字「１２」が抽出されたとする。
【００５９】
ステップＳ３０５では、この抽出した数字「１２」に対応する信号を経路案内部１１へ送信する。この信号を受けた経路案内部１１は、表示装置４に受信した数字を表示したりする。
【００６０】
ステップＳ３０６において、再度、加入者番号の抽出を行ったか否かを判断し、加入者番号の抽出を行った場合には、本音声認識処理を終了し、これに該当しない場合には、ステップＳ３０１へ処理を移行する。本実施形態では、市内局番の抽出まで終えていると判断されるため、ステップＳ３０１へ処理を移行する。
【００６１】
再び、ステップＳ３０１では、電話番号の入力順序に基づいて、市内局番の次に入力すべき加入者番号に対応する加入者番号辞書を設定する。ステップＳ３０２では、上述と同様に、機能実行部１１０は、メッセージ出力部１１１に対して、加入者番号に対応するコマンドコードＣ１００３を送信する。メッセージ出力部は、メッセージ記憶部１１２に記憶されているコマンドコードＣ１００３に対応するメッセージを抽出し、このメッセージを表示装置４やスピーカ５から出力する。すると、「下四桁を入力して下さい」というメッセージが、ユーザに対して報知される。
【００６２】
ステップＳ３０３においては、ユーザは、ステップＳ３０２において報知されたメッセージを受けて加入者番号を発声する。そして、この発声した音声から認識語読みを解析する。その解析の結果、入力された音声が「せん」という読みであったとする。ステップＳ３０４では、上述と同様な処理が行われ、本実施形態では、「せん」の認識語に対する４桁の数字「１０００」が抽出されたとする。
【００６３】
ステップＳ３０５では、この抽出した数字「１０００」に対応する信号を経路案内部１１へ送信する。この信号を受けた経路案内部１１は、表示装置４に受信した数字を表示したりする。そして、ステップＳ３０６において、加入者番号の抽出を行ったと判断されるため、本音声認識処理を終了する。
【００６４】
このように、本実施形態の音声認識装置は、ユーザの電話番号の入力内容に応じて音声認識する認識辞書を切り換えている。これにより、照合する発声内容が限定されるため、電話番号の認識率の低下を抑制する効果が期待できる。
【００６５】
また、市内局番、及び加入者番号の音声認識については、棒読みと桁読みの両方の認識を可能にすることで、ユーザの読みやすい電話番号の読み方を認識することができる。なお、市外局番は、一般に「０」が先頭の番号となるので、ユーザによって桁読みされることが少ない。従って、市外局番辞書については、棒読みに対応する認識語と数字とを関連付けて記憶させることで、照合する発声内容が限定され、電話番号の認識率の低下を抑制する効果が期待できる。
【００６６】
さらに、市外局番、市内局番、及び加入者番号の音声入力の内容に従って、入力内容に対応したメッセージを報知することで、ユーザとって分かりやすい、電話番号の入力案内をすることが可能となる。
【００６７】
なお、本実施形態の認識辞書は、市外局番辞書、市内局番辞書及び加入者番号辞書の３つの独立した辞書から構成されているが、各々の辞書において、１桁の数字と棒読みに対応する認識語の関連付けについては共通して記憶している。従って、認識辞書を上述のような３つの辞書から構成する以外に、例えば、棒読み用辞書と桁読み用辞書の２つの辞書から構成し、市外局番の音声入力については、棒読み用辞書から認識し、市内局番及び加入者番号については、棒読み用辞書と桁読み用辞書とから認識するようにしても良い。
【図面の簡単な説明】
【図１】第１、及び第２の実施形態に係わる、カーナビゲーション装置１の概略構成を示すブロック図である。
【図２】第１、及び第２の実施形態に係わる、音声認識部１０の構成を示すブロック図である。
【図３】第１、及び第２の実施形態に係わる、経路案内部１１の構成を示すブロック図である。
【図４】第１の実施形態に係わる、認識辞書記憶部１０４が記憶する認識辞書を示す図である。
【図５】第１、及び第２の実施形態に係わる、カーナビゲーション装置１の全体の処理の流れを示すフローチャートである。
【図６】第１の実施形態に係わる、電話番号の音声認識処理の流れを示すフローチャートである。
【図７】第１の実施形態に係わる、メッセージ記憶部１１２が記憶するメッセージを示す図である。
【図８】第２の実施形態に係わる、市外局番辞書を示す図である。
【図９】第２の実施形態に係わる、市内局番辞書を示す図である。
【図１０】第２の実施形態に係わる、加入者番号辞書を示す図である。
【図１１】第２の実施形態に係わる、メッセージ記憶部１１２が記憶するメッセージを示す図である。
【図１２】第２の実施形態に係わる、電話番号の音声認識処理の流れを示すフローチャートである。
【符号の説明】
１ カーナビゲーション装置
２ マイク
３ トークスイッチ
４ 表示装置
５ スピーカ
６ ＧＰＳ受信機
７ 車速センサ
８ ヨーレートセンサ
９ 地図データベース
１０ 音声認識部
１１ 経路案内部
１２ 車両位置・車両向き計算部
Claims (5)
- ユーザが発声した音声を入力する入力手段と、
１桁の各数字と前記各数字の読みの発声内容とを関連付けて記憶する第１の記憶手段と、
複数桁の数字列と前記数字列を各数字に桁の単位を付して読みあげる桁読みの発声内容とを関連付けて記憶する第２の記憶手段と、
ユーザによって電話番号が音声にて入力されたとき、前記第１及び第２の記憶手段に記憶された発声内容との照合の下に、音声入力された電話番号を認識する認識手段とを備えることを特徴とする音声認識装置。 - ユーザが発声した音声を入力する入力手段と、
電話番号を市外局番、市内局番及び加入者番号ごとに音声入力するように指示する入力指示手段と、
前記市外局番、市内局番及び加入者番号ごとに、ユーザの発声内容と数字とを対応付けた認識用辞書を記憶する記憶手段と、
前記入力指示手段による指示に従って音声入力された市外局番、市内局番及び加入者番号を、対応する認識用辞書を用いて認識する認識手段とを備え、
前記市内局番認識用辞書は、１桁の各数字と前記各数字を読みあげる棒読みの発声内容とが関連付けて記憶されているとともに、複数桁の数字列と前記数字列を各数字に桁の単位を付して読みあげる桁読みの発声内容とが関連付けて記憶されていることを特徴とする音声認識装置。 - 前記加入者番号認識用辞書は、前記１桁の各数字と前記各数字を読みあげる棒読みの発声内容とが関連付けて記憶されているとともに、前記複数桁の数字列と前記数字列を各数字に桁の単位を付して読みあげる桁読みの発声内容とが関連付けて記憶されていることを特徴とする請求項２記載の音声認識装置。
- 前記市外局番認識用辞書は、前記１桁の各数字と前記各数字を読みあげる棒読みの発声内容とが関連付けて記憶されていることを特徴とする請求項２又は３記載の音声認識装置。
- 前記入力指示手段は、前記市外局番、市内局番、及び加入者番号の入力内容に対応するメッセージを記憶するメッセージ記憶手段と、
前記市外局番、市内局番、及び加入者番号の音声入力の内容に従って、前記メッセージを前記メッセージ記憶手段から抽出するメッセージ抽出手段と、
該抽出したメッセージを報知する報知手段とを備えることを特徴とする請求項２〜４のいずれかに記載の音声認識装置。
Priority Applications (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2002206553A JP3726783B2 (ja) | 2002-07-16 | 2002-07-16 | 音声認識装置 |
| US10/434,209 US20040015354A1 (en) | 2002-07-16 | 2003-05-09 | Voice recognition system allowing different number-reading manners |
| DE10327943.1A DE10327943B4 (de) | 2002-07-16 | 2003-06-20 | Unterschiedliche Zahlenleseweisen zulassendes Spracherkennungssystem |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2002206553A JP3726783B2 (ja) | 2002-07-16 | 2002-07-16 | 音声認識装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2004053620A true JP2004053620A (ja) | 2004-02-19 |
| JP3726783B2 JP3726783B2 (ja) | 2005-12-14 |
Family
ID=30112799
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2002206553A Expired - Fee Related JP3726783B2 (ja) | 2002-07-16 | 2002-07-16 | 音声認識装置 |
Country Status (3)
| Country | Link |
|---|---|
| US (1) | US20040015354A1 (ja) |
| JP (1) | JP3726783B2 (ja) |
| DE (1) | DE10327943B4 (ja) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2006090790A (ja) * | 2004-09-22 | 2006-04-06 | Toyota Motor Corp | 運転支援装置 |
| JP2008203296A (ja) * | 2007-02-16 | 2008-09-04 | Denso Corp | 音声認識装置及びナビゲーション装置 |
Families Citing this family (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9639554B2 (en) * | 2004-12-17 | 2017-05-02 | Microsoft Technology Licensing, Llc | Extensible file system |
| JP2007256643A (ja) * | 2006-03-23 | 2007-10-04 | Denso Corp | 音声認識装置及びナビゲーションシステム |
| US7831431B2 (en) * | 2006-10-31 | 2010-11-09 | Honda Motor Co., Ltd. | Voice recognition updates via remote broadcast signal |
| KR100883105B1 (ko) | 2007-03-30 | 2009-02-11 | 삼성전자주식회사 | 휴대단말기에서 음성인식을 이용한 다이얼링 방법 및 장치 |
| US10522141B2 (en) * | 2015-10-28 | 2019-12-31 | Ford Global Technologies, Llc | Vehicle voice recognition including a wearable device |
| US10580405B1 (en) * | 2016-12-27 | 2020-03-03 | Amazon Technologies, Inc. | Voice control of remote device |
Family Cites Families (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5157719A (en) * | 1990-03-12 | 1992-10-20 | Advanced Cellular Telcom Corp. | Automatic area code dialing apparatus and methods particularly adapted for cellular or other types of telephone systems |
| DE4225475A1 (de) * | 1992-08-01 | 1994-02-03 | Philips Patentverwaltung | Einrichtung zur Spracherkennung |
| US5566272A (en) * | 1993-10-27 | 1996-10-15 | Lucent Technologies Inc. | Automatic speech recognition (ASR) processing using confidence measures |
| FI111673B (fi) * | 1997-05-06 | 2003-08-29 | Nokia Corp | Menetelmä puhelinnumeron valitsemiseksi puhekomennoilla ja puhekomennoilla ohjattava telepäätelaite |
| GB2325112B (en) * | 1997-05-06 | 2002-07-31 | Ibm | Voice processing system |
| US6119087A (en) * | 1998-03-13 | 2000-09-12 | Nuance Communications | System architecture for and method of voice processing |
| DE19937490B4 (de) * | 1999-08-07 | 2018-11-29 | Volkswagen Ag | Verfahren und Vorrichtung zur Eingabe von Steuerungsbefehlen für Komfortgeräte, insbesondere in Kraftfahrzeugen |
| JP4486235B2 (ja) * | 2000-08-31 | 2010-06-23 | パイオニア株式会社 | 音声認識装置 |
| US20020042709A1 (en) * | 2000-09-29 | 2002-04-11 | Rainer Klisch | Method and device for analyzing a spoken sequence of numbers |
-
2002
- 2002-07-16 JP JP2002206553A patent/JP3726783B2/ja not_active Expired - Fee Related
-
2003
- 2003-05-09 US US10/434,209 patent/US20040015354A1/en not_active Abandoned
- 2003-06-20 DE DE10327943.1A patent/DE10327943B4/de not_active Expired - Fee Related
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2006090790A (ja) * | 2004-09-22 | 2006-04-06 | Toyota Motor Corp | 運転支援装置 |
| JP4556586B2 (ja) * | 2004-09-22 | 2010-10-06 | トヨタ自動車株式会社 | 運転支援装置 |
| JP2008203296A (ja) * | 2007-02-16 | 2008-09-04 | Denso Corp | 音声認識装置及びナビゲーション装置 |
| JP4672686B2 (ja) * | 2007-02-16 | 2011-04-20 | 株式会社デンソー | 音声認識装置及びナビゲーション装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| DE10327943A1 (de) | 2004-02-05 |
| US20040015354A1 (en) | 2004-01-22 |
| DE10327943B4 (de) | 2014-10-02 |
| JP3726783B2 (ja) | 2005-12-14 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP4292646B2 (ja) | ユーザインタフェース装置、ナビゲーションシステム、情報処理装置及び記録媒体 | |
| JP3964734B2 (ja) | ナビゲ−ション装置 | |
| JP2010224236A (ja) | 音声出力装置 | |
| US9123327B2 (en) | Voice recognition apparatus for recognizing a command portion and a data portion of a voice input | |
| JP2009169139A (ja) | 音声認識装置 | |
| JP3702867B2 (ja) | 音声制御装置 | |
| JP4064748B2 (ja) | 音声発生装置、音声発生方法及びナビゲーション装置 | |
| WO2016174955A1 (ja) | 情報処理装置、及び、情報処理方法 | |
| JP4914632B2 (ja) | ナビゲーション装置 | |
| JP3726783B2 (ja) | 音声認識装置 | |
| WO2000010160A1 (fr) | Dispositif et procede de reconnaissance vocale, dispositif de navigation, telephone portable et processeur d'informations | |
| CN112906369A (zh) | 一种歌词文件生成方法及装置 | |
| US20110022390A1 (en) | Speech device, speech control program, and speech control method | |
| JP4525376B2 (ja) | 音声−数字変換装置および音声−数字変換プログラム | |
| JP2011232668A (ja) | 音声認識機能を備えたナビゲーション装置およびその検出結果提示方法 | |
| JP2008014756A (ja) | ナビゲーション装置及びその音声出力方法 | |
| JP2008021235A (ja) | 読み登録システム及び読み登録プログラム | |
| US20110218809A1 (en) | Voice synthesis device, navigation device having the same, and method for synthesizing voice message | |
| JP4859642B2 (ja) | 音声情報管理装置 | |
| JP2004061754A (ja) | 音声制御装置 | |
| JP4093394B2 (ja) | 音声認識装置 | |
| JP2005114964A (ja) | 音声認識方法および音声認識処理装置 | |
| JP4645708B2 (ja) | コード認識装置および経路探索装置 | |
| JPH11325946A (ja) | 車載用ナビゲーション装置 | |
| JP5522679B2 (ja) | 検索装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20050524 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20050607 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20050803 |
|
| 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: 20050906 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20050919 |
|
| 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: 20081007 Year of fee payment: 3 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20091007 Year of fee payment: 4 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20101007 Year of fee payment: 5 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20101007 Year of fee payment: 5 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20111007 Year of fee payment: 6 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20121007 Year of fee payment: 7 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20121007 Year of fee payment: 7 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20131007 Year of fee payment: 8 |
|
| 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 |