JP2004301895A

JP2004301895A - 電子機器、および音声操作方法

Info

Publication number: JP2004301895A
Application number: JP2003091563A
Authority: JP
Inventors: Hisanobu Tsubaki; 尚宜椿; Hiroshi Tanaka; 宏志田中
Original assignee: Fuji Photo Film Co Ltd
Current assignee: Fujifilm Holdings Corp
Priority date: 2003-03-28
Filing date: 2003-03-28
Publication date: 2004-10-28

Abstract

【課題】音声による操作命令を、確実且つ簡便に入力することができる電子機器、および音声操作方法を提供する。
【解決手段】音声認識処理回路４３は、マイクロホン１５に入力された音声の音声認識を行い、最も認識精度の高い１個の認識結果と、その認識精度とをＣＰＵ３５に送信する。ＣＰＵ３５は、送信された認識結果が操作命令であるか否かを判別し、認識結果が操作命令であると判別した場合は、その認識精度により認識結果を分類する。ＣＰＵ３５は、音声認識の精度が高い場合（Ａ）には、操作命令に応じた処理を実行させる制御信号を出力し、精度が低い場合（Ｃ）には、制御信号を出力せずに処理を終了し、精度が中間の場合（Ｂ）には、ユーザーに操作命令の再入力を促す。
【選択図】図４

Description

【０００１】
【発明の属する技術分野】
本発明は、音声による操作命令に応じた処理を実行する電子機器、および音声操作方法に関する。
【０００２】
【従来の技術】
電子機器、例えばデジタルカメラには、ユーザーのニーズに応じた様々な機能が搭載されている。しかしながら、この多機能化に伴って、各種機能を設定するための操作が複雑化し、ユーザーの意志に反映した処理を即座に実行することができないという問題が生じていた。
【０００３】
上記問題を解決するために、操作命令を音声により入力可能とし、入力された操作命令を音声認識して、操作命令に応じた処理を実行する撮像装置が提案されている（特許文献１参照）。この撮像装置では、操作命令を音声認識する際に、操作命令の種類によって認識精度の閾値を変化させることで、無意識に発せられる音声や周囲の雑音による誤動作を防止している。
【０００４】
【特許文献１】
特開２０００−６９３４８号公報
【０００５】
【発明が解決しようとする課題】
ところで、音声認識技術においては、文字の並びが似た言葉を精度良く識別することができず、誤認識する可能性が高い。また、周囲の雑音による影響も無視することができない。このため、特許文献１に記載される撮像装置では、周囲の雑音が大きい場合に、認識精度の閾値が高く設定された操作命令を音声認識することが極めて難しくなり、反って使い勝手を悪くするおそれがある。
【０００６】
本発明は、音声による操作命令を、確実且つ簡便に入力することができる電子機器、および音声操作方法を提供することを目的とする。
【０００７】
【課題を解決するための手段】
上記目的を達成するために、本発明の電子機器は、音声による操作命令が入力される音声入力手段と、入力された操作命令を音声認識する音声認識手段と、前記音声認識の精度が高い場合には、前記操作命令に応じた処理を実行させる制御信号を出力し、精度が低い場合には、前記制御信号を出力せず、精度が中間の場合には、前記操作命令の再入力を促す制御手段とを備えたことを特徴とする。
【０００８】
また、本発明の電子機器は、音声による操作命令が入力される音声入力手段と、入力された操作命令を音声認識する音声認識手段と、前記音声認識の精度が高く、且つ前記操作命令の候補となる認識結果が１つである場合には、前記操作命令に応じた処理を実行させる制御信号を出力し、精度が低い場合には、前記制御信号を出力せず、精度が中間で、且つ前記操作命令の候補となる認識結果が１つである場合には、前記操作命令の再入力を促し、精度が高く、または中間で、且つ前記操作命令の候補となる認識結果が複数である場合には、前記候補を呈示して、呈示された候補の中から前記操作命令を音声により選択させる制御手段とを備えたことを特徴とする。なお、前記制御手段は、前記候補を呈示する際に、各々の候補を識別可能にする識別符号を前記候補に付加することが好ましい。
【０００９】
本発明の音声操作方法は、音声による操作命令を入力するステップと、入力された操作命令を音声認識するステップと、前記音声認識の精度が高い場合には、前記操作命令に応じた処理を実行し、精度が低い場合には、前記処理を実行せず、精度が中間の場合には、前記操作命令の再入力を促すステップとを備えたことを特徴とする。
【００１０】
また、本発明の音声操作方法は、音声による操作命令を入力するステップと、入力された操作命令を音声認識するステップと、前記音声認識の精度が高く、且つ前記操作命令の候補となる認識結果が１つである場合には、前記操作命令に応じた処理を実行し、精度が低い場合には、前記処理を実行せず、精度が中間で、且つ前記操作命令の候補となる認識結果が１つである場合には、前記操作命令の再入力を促し、精度が高く、または中間で、且つ前記操作命令の候補となる認識結果が複数である場合には、前記候補を呈示して、呈示された候補の中から前記操作命令を音声により選択させるステップとを備えたことを特徴とする。なお、前記候補を呈示する際に、各々の候補を識別可能にする識別符号を前記候補に付加することが好ましい。
【００１１】
【発明の実施の形態】
図１および図２において、デジタルカメラ２には、撮像レンズ１０が組み込まれたレンズ鏡胴１１、光学ファインダを構成するファインダ対物窓１２とファインダ接眼窓１３、ストロボ発光部１４、およびマイクロホン１５が設けられている。側面および上面には、グリップ部１６、モードダイヤル１７、およびレリーズボタン１８が設けられ、他方の側面には、メモリカード１９が着脱自在に装填されるメモリカードスロット２０が設けられている。
【００１２】
デジタルカメラ２の背面には、液晶表示器（ＬＣＤ）２１と、操作部２２とが設けられている。ＬＣＤ２１は、撮影した画像や、いわゆるスルー画像を表示する。操作部２２は、電源のオン／オフ切替えを行う電源ボタン、撮像レンズ１０のズームレンズをワイド側、テレ側に変倍するズーム操作ボタン、ＬＣＤ２１に表示されるメニュー画面内でカーソルを移動させるカーソル操作板などから構成される。
【００１３】
デジタルカメラ２では、静止画撮影を行う静止画撮影モード、撮影した画像をＬＣＤ２１に表示する再生モード、および各種設定を行うセットアップモードが選択可能となっている。これらのモードの切り替えは、モードダイヤル１７を回動操作させることで行われる。
【００１４】
デジタルカメラ２は、マイクロホン１５を介して、カメラの操作命令を音声で受け付ける音声操作機能を備えている。表１に示すように、この音声操作機能で扱われる操作命令には、ストロボ発光の有無、画質モード、記録画素数、撮影モードの選択、画像の再生、削除、撮影の指示などがある。なお、表１に示す操作命令は一例であり、デジタルカメラ２の仕様に応じて適宜変更・追加可能である。
【００１５】
【表１】

【００１６】
マイクロホン１５には、常時周囲の音声が入力されており、予め設定された所定レベル以上の音声が入力されたときに後述する音声認識が行われ、入力された音声が表１に示す操作命令であるか否かが判別される。
【００１７】
デジタルカメラ２の電気的構成を示す図３において、撮像レンズ１０の背後には、撮像レンズ１０から入射する被写体光を撮像信号に変換するＣＣＤ３０が配置されている。ＣＣＤ３０で変換された撮像信号は、相関二重サンプリング回路（図示せず）に入力され、ＣＣＤ３０の各セルの蓄積電荷量に正確に対応したＲ、Ｇ、Ｂの画像データとして出力される。相関二重サンプリング回路から出力された画像データは、増幅器（図示せず）で増幅され、Ａ／Ｄ変換器３１でデジタルデータに変換される。
【００１８】
Ａ／Ｄ変換器３１から出力された画像データは、画像信号処理回路３２に送信される。画像信号処理回路３２は、階調変換、ホワイトバランス補正、γ補正処理などの各種画像処理を画像データに施す。一方、マイクロホン１５から入力された音声は、Ａ／Ｄ変換器３３でデジタルデータに変換され、音声信号処理回路３４に送信される。音声信号処理回路３４は、ノイズ除去などの各種処理を音声データに施す。
【００１９】
ＣＰＵ３５は、システムバス３６を介して各部に接続し、デジタルカメラ２全体の動作を統括制御する。システムバス３６には、圧縮伸長処理回路３７、ＹＣ処理回路３８、ＳＤＲＡＭ３９、外部Ｉ／Ｆ４０、カードＩ／Ｆ４１、ＬＣＤドライバ４２、および音声認識処理回路４３が接続されている。
【００２０】
画像信号処理回路３２で各種処理を施された画像データは、ＹＣ処理回路３８により輝度信号Ｙと色差信号Ｃｒ、Ｃｂとに変換される。圧縮伸長処理回路３７は、この変換された画像データに対して、所定の圧縮形式（例えばＪＰＥＧ形式）で画像圧縮を施す。
【００２１】
圧縮伸長処理回路３７により圧縮された画像データは、外部Ｉ／Ｆ４０を介してパーソナルコンピュータなどの外部機器に送信される。または、カードＩ／Ｆ４１を介してメモリカード１９に保存される。あるいは、ＬＣＤドライバ４２によりコンポジット信号に変換され、ＬＣＤ２１に表示される。
【００２２】
ＣＰＵ３５には、前述のレリーズボタン１８、操作部２２の他に、ＥＥＰＲＯＭ４４、測光・測距回路４５が接続されている。ＥＥＰＲＯＭ４４には、各種制御用のプログラムや設定情報などが記録されている。ＣＰＵ３５は、これらの情報をＥＥＰＲＯＭ４４から作業用メモリであるＳＤＲＡＭ３９に読み出して、各種処理を実行する。
【００２３】
測光・測距回路４５は、被写体の輝度および撮像レンズ１０との距離を検出し、ＣＰＵ３５に検出結果を送信する。ＣＰＵ３５は、この検出結果に基づいて、適正な露光量および焦点距離となるように、撮像レンズ１０の各種パラメータを調整する。測光・測距回路４５は、ＣＰＵ３５からフィードバックされる調整信号を元に、撮像レンズ１０、およびストロボ装置４６を制御するストロボ制御回路４７を駆動させる。
【００２４】
音声認識処理回路４３には、認識辞書格納部４８が接続されている。この音声認識処理回路４３は、認識辞書格納部４８に格納された認識辞書を用いて、マイクロホン１５から入力された一定レベル以上の音声を音声認識し、最も認識精度の高い１個の認識結果と、その認識精度とをＣＰＵ３５に送信する。なお、認識辞書格納部４８に格納される認識辞書としては、不特定多数のユーザーを対象とした一般用の辞書でもよいし、個人用にカスタマイズされた辞書であってもよい。
【００２５】
ＣＰＵ３５は、送信された認識結果が表１に示す操作命令であるか否かを判別し、認識結果が操作命令でないと判別した場合は、入力された音声を通常の音声と判断して、以後の処理を実行しない。一方、認識結果が操作命令であると判別した場合は、その認識精度が８０％以上の場合はカテゴリＡ、６０〜８０％の場合はカテゴリＢ、６０％未満の場合はカテゴリＣに認識結果を分類する。なお、各カテゴリに分類するための認識精度の閾値は、上記の６０％、８０％に限定されず、認識する操作命令の種類などに応じて適宜変更可能である。
【００２６】
ＣＰＵ３５は、認識結果がカテゴリＡに属する場合、その操作命令に応じた処理を実行させる制御信号を出力する。認識結果がカテゴリＢに属する場合、ユーザーに操作命令の再入力を促す。認識結果がカテゴリＣに属する場合、制御信号を出力しない。なお、ユーザーに操作命令の再入力を促す方法としては、ＬＣＤ２１にメッセージを表示してもよいし、あるいは警告音を発してユーザーに報知してもよく、これらを複合して用いてもよい。
【００２７】
次に、図４のフローチャートを参照して、上記構成による作用について説明する。まず、マイクロホン１５に入力される音声のレベルを検出し、一定レベル以下である場合は、通常の音声であると判断して処理を終了する。一方、入力された音声が一定レベル以上であった場合、音声認識処理回路４３で入力された音声の音声認識を行い、最も認識精度の高い１個の認識結果と、その認識精度とをＣＰＵ３５に送信する。
【００２８】
送信された認識結果が表１に示す操作命令であるか否かをＣＰＵ３５で判別し、認識結果が操作命令でないと判別した場合は、通常の音声と判断して処理を終了する。一方、認識結果が操作命令であると判別した場合は、その認識精度により３つのカテゴリＡ〜Ｃに認識結果を分類する。
【００２９】
認識結果がカテゴリＡに属する場合には、その操作命令に応じた処理を実行させる制御信号をＣＰＵ３５から出力する。認識結果がカテゴリＢに属する場合には、ユーザーに操作命令の再入力を促す。所定時間経過後、ユーザーにより再入力がされなかった場合は処理を終了する。所定時間内に再入力がされた場合は処理をリターンして、音声認識処理回路４３で再入力された音声の音声認識を行う。認識結果がカテゴリＣに属する場合には、ＣＰＵ３５から制御信号を出力せず、処理を終了する。
【００３０】
上記実施形態では、音声認識処理回路４３が、最も認識精度の高い１個の認識結果と、その認識精度とを出力する場合を述べたが、最も認識精度の高い１個の認識結果、あるいは認識精度が近似した操作命令の候補となる複数の認識結果と、その認識精度とを出力する音声認識処理回路４３を用いてもよい。この場合は、図５および図６のフローチャートに示すような処理を行う。まず、前述した処理と同様の処理を行って認識結果を分類する。
【００３１】
認識結果の分類後、認識結果がカテゴリＡに属し、且つ操作命令の候補となる認識結果が１個である場合には、その操作命令に応じた処理を実行させる制御信号をＣＰＵ３５から出力する。認識結果がカテゴリＢに属し、且つ操作命令の候補となる認識結果が１個である場合には、ユーザーに操作命令の再入力を促す。
所定時間経過後、ユーザーにより再入力がされなかった場合は処理を終了する。
所定時間内に再入力がされた場合は処理をリターンして、音声認識処理回路４３で再入力された音声の音声認識を行う。認識結果がカテゴリＣに属する場合には、ＣＰＵ３５から制御信号を出力せず、処理を終了する。
【００３２】
認識結果がカテゴリＡ、またはＢに属し、且つ操作命令の候補となる認識結果が複数である場合には、ＬＣＤ２１に候補を呈示し、呈示された候補の中から、実行すべき操作命令をユーザーに音声により選択させる。このような構成であると、例えば「３メガモード」、「４メガモード」など、文字の並びが似た言葉で誤認識する可能性が高い操作命令を入力した場合に、確実に認識させることができる。
【００３３】
なお、ＬＣＤ２１に候補を呈示する際には、候補自体を呈示するのではなく、例えば「Ａ３メガモード」、「Ｂ４メガモード」のように、各々の候補を識別可能にする識別符号を付加することが好ましい。この場合、各候補の識別を明確にするために、ユーザーに「Ａ」、「Ｂ」と音声入力させる。あるいは、ユーザーに「Ａ３メガモード」、「Ｂ４メガモード」と音声入力させ、その前半部分の認識結果を利用する。
【００３４】
上記実施形態では、電子機器としてデジタルカメラを例に挙げて説明したが、本発明はこれに限定されず、音声操作機能を有する他の電子機器、例えば車載用ナビゲーション装置などにも適用可能である。
【００３５】
【発明の効果】
以上のように、本発明の電子機器、および音声操作方法によれば、音声により入力された操作命令を音声認識し、音声認識の精度が高い場合には、操作命令に応じた処理を実行し、精度が低い場合には、処理を実行せず、精度が中間の場合には、操作命令の再入力を促すので、操作命令の誤認識による誤動作を防止することができる。また、周囲の雑音により高い認識精度を得ることが困難な状況においても、操作命令を入力することが可能である。
【００３６】
さらに、本発明の電子機器、および音声操作方法は、音声により入力された操作命令を音声認識し、音声認識の精度が高く、且つ操作命令の候補となる認識結果が１つである場合には、操作命令に応じた処理を実行し、精度が低い場合には、処理を実行せず、精度が中間で、且つ操作命令の候補となる認識結果が１つである場合には、操作命令の再入力を促し、精度が高く、または中間で、且つ操作命令の候補となる認識結果が複数である場合には、候補を呈示して、呈示された候補の中から操作命令を音声により選択させるので、文字の並びが似た言葉で誤認識する可能性が高い操作命令がある場合でも、明確に識別させることができる。
【図面の簡単な説明】
【図１】デジタルカメラの正面概観斜視図である。
【図２】デジタルカメラの背面概観斜視図である。
【図３】デジタルカメラの電気的構成を示すブロック図である。
【図４】音声操作の処理手順を示すフローチャートである。
【図５】音声操作の処理手順の別の実施形態を示すフローチャートである。
【図６】音声操作の処理手順の別の実施形態を示すフローチャートである。
【符号の説明】
２デジタルカメラ
１０撮像レンズ
１５マイクロホン
１８レリーズボタン
１９メモリカード
２１液晶表示器（ＬＣＤ）
３０ＣＣＤ
３５ＣＰＵ
４３音声認識処理回路
４８認識辞書格納部

Claims

音声による操作命令が入力される音声入力手段と、入力された操作命令を音声認識する音声認識手段と、
前記音声認識の精度が高い場合には、前記操作命令に応じた処理を実行させる制御信号を出力し、
精度が低い場合には、前記制御信号を出力せず、
精度が中間の場合には、前記操作命令の再入力を促す制御手段とを備えたことを特徴とする電子機器。
音声による操作命令が入力される音声入力手段と、入力された操作命令を音声認識する音声認識手段と、
前記音声認識の精度が高く、且つ前記操作命令の候補となる認識結果が１つである場合には、前記操作命令に応じた処理を実行させる制御信号を出力し、
精度が低い場合には、前記制御信号を出力せず、
精度が中間で、且つ前記操作命令の候補となる認識結果が１つである場合には、前記操作命令の再入力を促し、
精度が高く、または中間で、且つ前記操作命令の候補となる認識結果が複数である場合には、前記候補を呈示して、呈示された候補の中から前記操作命令を音声により選択させる制御手段とを備えたことを特徴とする電子機器。
前記制御手段は、前記候補を呈示する際に、各々の候補を識別可能にする識別符号を前記候補に付加することを特徴とする請求項２に記載の電子機器。
音声による操作命令を入力するステップと、入力された操作命令を音声認識するステップと、
前記音声認識の精度が高い場合には、前記操作命令に応じた処理を実行し、
精度が低い場合には、前記処理を実行せず、
精度が中間の場合には、前記操作命令の再入力を促すステップとを備えたことを特徴とする音声操作方法。
音声による操作命令を入力するステップと、入力された操作命令を音声認識するステップと、
前記音声認識の精度が高く、且つ前記操作命令の候補となる認識結果が１つである場合には、前記操作命令に応じた処理を実行し、
精度が低い場合には、前記処理を実行せず、
精度が中間で、且つ前記操作命令の候補となる認識結果が１つである場合には、前記操作命令の再入力を促し、
精度が高く、または中間で、且つ前記操作命令の候補となる認識結果が複数である場合には、前記候補を呈示して、呈示された候補の中から前記操作命令を音声により選択させるステップとを備えたことを特徴とする音声操作方法。
前記候補を呈示する際に、各々の候補を識別可能にする識別符号を前記候補に付加することを特徴とする請求項５に記載の音声操作方法。