JP2005202165A - 音声認識システム - Google Patents
音声認識システム Download PDFInfo
- Publication number
- JP2005202165A JP2005202165A JP2004008567A JP2004008567A JP2005202165A JP 2005202165 A JP2005202165 A JP 2005202165A JP 2004008567 A JP2004008567 A JP 2004008567A JP 2004008567 A JP2004008567 A JP 2004008567A JP 2005202165 A JP2005202165 A JP 2005202165A
- Authority
- JP
- Japan
- Prior art keywords
- recognition
- word string
- word
- rule
- speech recognition
- 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.)
- Pending
Links
Images
Abstract
【課題】音声認識において、ディクテーションの中に含まれる単語が、他の部分のディクテーション結果からある条件を満たすことがわかる場合に、この条件を満たす単語のみが認識結果となるようにする。
【解決手段】音声認識システムは、ディクテーションの認識結果を解析してさらに緻密な認識処理を必要とする単語（列）を求め、この単語（列）の部分にかかる音声についてルールによる認識を行う。ルールによる音声認識の結果でディクテーションの認識結果を置換する。
【選択図】図１
【解決手段】音声認識システムは、ディクテーションの認識結果を解析してさらに緻密な認識処理を必要とする単語（列）を求め、この単語（列）の部分にかかる音声についてルールによる認識を行う。ルールによる音声認識の結果でディクテーションの認識結果を置換する。
【選択図】図１
Description
本発明は、音声認識システムに関するものである。
音声認識システムにおいて、使用者による自由な文の発声を対象とする場合、すなわちディクテーションシステムの場合には、単語連鎖の出現確率（Ｎグラム）に基づいて音声認識を行っている。
しかし、上記従来の技術では、発声全体にわたる解析が十分でなく、全体を解析すればある条件を満たすべき単語を認識結果とすべきことが明らかな場合にも、その条件を満たさない単語が認識結果となることがあった。例えば、「レストランで、えーと、甲州街道沿いにある、ミーナという店の電話番号が知りたい」という発声に対して、「ミーナという」に替えて「港区」が認識結果となることがあった。
特開２００２−３４１８９８号公報
しかし、上記従来の技術では、発声全体にわたる解析が十分でなく、全体を解析すればある条件を満たすべき単語を認識結果とすべきことが明らかな場合にも、その条件を満たさない単語が認識結果となることがあった。例えば、「レストランで、えーと、甲州街道沿いにある、ミーナという店の電話番号が知りたい」という発声に対して、「ミーナという」に替えて「港区」が認識結果となることがあった。
解決しようとする問題点は、ある条件を満たすべき単語を認識結果とすべき場面において、その条件を満たさない単語列が認識結果となる点である。
本発明は、初期認識単語列によって条件を満たすことが明らかになる部分を再認識対象単語列とし、これに対応して条件を満たす単語列のみを対象とするルールを用いた音声認識を行うため、条件を満たす単語列が認識結果となる。
請求項１の発明によれば、第１のステップの出力であるディクテーションの音声認識結果に対して、第２のステップにおいて全体を解析してある条件を満たすべき単語を認識結果とすべき場合を検出し、第3のステップにおいて満たすべき条件をルールとして決定し、第4のステップにおいてルールを用いて音声認識を再実行することができる。これにより、第2のステップにおいて検出された単語については、満たすべき条件に合ったもののみを認識結果とすることができる。
請求項２の発明によれば、第1のステップの出力であるディクテーションの音声認識結果に対して、第２のステップにおいて確信度が低い単語列を検出し、第3のステップにおいてこの検出された単語列が満たすべき条件をルールとして決定し、第4のステップにおいてルールを用いて音声認識を再実行することができる。これにより、第2のステップにおいて検出された単語については、満たすべき条件に合った限定された単語列を対象にして第4のステップの音声認識が実行され、高い認識精度を得ることができる。
以上、請求項１及び請求項２のいずれの発明においても、上記の例において、第2のステップにおいて「港区店」を検出し、第３のステップにおいて甲州街道沿いのレストランの名称及びその後に「という店」を付加したものをルールとし、第４のステップにおいて音声認識を再実行することにより、「港区店」を「ミーナという店」に修正して認識結果とすることができる。
なお、「ルール」とは、すべての単語連鎖に対してそれが出現するか否かを規定するものであり、ルールを用いた音声認識においては、出現すると規定された単語連鎖のみが認識結果となりえる。
請求項１の発明によれば、再認識対象単語を音声認識の使用用途に合わせて設計することができ、音声認識の使用用途に合致する認識結果を出力させることができる。
請求項２の発明によれば、確信度の小さい単語列について音声認識を再実行することにより、音声認識システムの認識精度を向上させることができる。
本発明は、初期認識単語列によって条件を満たすことが明らかになる部分を再認識対象単語列とし、これに対応して条件を満たす単語列のみを対象とするルールを用いた音声認識を行うため、条件を満たす単語列が認識結果となる。
請求項１の発明によれば、第１のステップの出力であるディクテーションの音声認識結果に対して、第２のステップにおいて全体を解析してある条件を満たすべき単語を認識結果とすべき場合を検出し、第３のステップにおいて満たすべき条件をルールとして決定し、第４のステップにおいてルールを用いて音声認識を再実行することができる。これにより、第２のステップにおいて検出された単語については、満たすべき条件に合ったもののみを認識結果とすることができる。
請求項２の発明によれば、第１のステップの出力であるディクテーションの音声認識結果に対して、第２のステップにおいて確信度が低い単語列を検出し、第３のステップにおいてこの検出された単語列が満たすべき条件をルールとして決定し、第４のステップにおいてルールを用いて音声認識を再実行することができる。これにより、第２のステップにおいて検出された単語については、満たすべき条件に合った限定された単語列を対象にして第４のステップの音声認識が実行され、高い認識精度を得ることができる。
以上、請求項１及び請求項２のいずれの発明においても、上記の例において、第2のステップにおいて「港区店」を検出し、第３のステップにおいて甲州街道沿いのレストランの名称及びその後に「という店」を付加したものをルールとし、第４のステップにおいて音声認識を再実行することにより、「港区店」を「ミーナという店」に修正して認識結果とすることができる。
なお、「ルール」とは、すべての単語連鎖に対してそれが出現するか否かを規定するものであり、ルールを用いた音声認識においては、出現すると規定された単語連鎖のみが認識結果となりえる。
図１は、請求項１及び請求項２の発明を同時に実施するような一実施例に係る音声認識システムの実施の形態を示す図である。
本実施例では、自動車の中で飲食店等の施設を案内するシステムのために音声による案内の要求を使用者がするものとし、音声１は「レストランで、えーと、甲州街道沿いにある、ミーナという店の電話番号が知りたい」という発声のものとする。
本実施例では、自動車の中で飲食店等の施設を案内するシステムのために音声による案内の要求を使用者がするものとし、音声１は「レストランで、えーと、甲州街道沿いにある、ミーナという店の電話番号が知りたい」という発声のものとする。
音声１が音声認識システム２に入力されると、それは音声記憶域２５１に記憶され、同時にディクテーションシステム２１に入力される。ディクテーションシステム２１は、Ｎグラム記憶域２５２の内容に基づいて音声認識を行い、その結果を単語列記憶域２５３に出力する。この時、単語列記憶域２５３は図２のＡに示すようになっており、本説明においては「ミーナという」に替えて「港区」が認識結果となっているものとする。
再認識対象単語決定システム２２は、単語列記憶域２５３を参照し、図２のＡにおいて単語「港区」及び「店」の確信度が閾値よりも小さいので、「港区店」を再認識対象単語と決定し、これをルール決定システム２４に通知する。ここで閾値は音声認識システムの使用目的及び使用環境などを考慮し実験的に定められるべきものであるが、本説明においては０．５であるとする。
ルール決定システム２３は、単語列記憶域２５３を参照し、再認識対象単語とされた「港区店」に替えて認識対象となるべき単語列を求める。本実施例では、「レストラン」及び「甲州街道」があることから、案内対象施設を検索して甲州街道に近いレストランを認識対象とする。この際、レストラン名の後に「という店」という表現が付加されることを想定する。この結果を、ルール記憶域２５３に出力する。この時、ルール記憶域２５３は図３のようになっている。なお、図３において中かっこ（｛、｝）はその中の１単語を、小かっこ（（、））はその単語が使用者の選択により付加される可能性を示す。
ルール音声認識システム２４は、単語列記憶域２５３を参照して再認識対象音声の開始及び終了時刻を求め、求められた時刻に該当する音声を音声記憶域２５１から得、得られた音声に関してルール記憶域２５３に格納されたルールによる音声認識を行い、その結果に基づいて単語列記憶域２５３を更新する。この時、単語列記憶域２５３は図２のＢに示すようになっており、「港区」が「ミーナという店」に更新された正しい認識結果となっている。
音声認識システム２は、単語列記憶域２５３を参照して、単語を認識結果３として出力する。
以上、本発明の実施例を詳述したが、本発明は前期実施例に限定されたものではない。そして、本発明は、特許請求の範囲に記載された事項を逸脱することがなければ、種々の設計変更を行うことが可能である。ルール決定システム２３が再認識対象単語を決定する処理の詳細は、音声認識の使用用途によって定めることができる。
ディクテーションによって情報入力を行う際に、必須の情報の精度向上に適用できる。
１ 音声
２ 音声認識システム
２１ ディクテーションシステム
２２ 再認識対象単語決定システム
２３ ルール決定システム
２４ ルール音声認識システム
２５１ 音声記憶域
２５２ Ｎグラム記憶域
２５３ 単語列記憶域
２５４ ルール記憶域
３ 認識結果
４１ 初期認識単語列
４２ 再認識後の単語列
２ 音声認識システム
２１ ディクテーションシステム
２２ 再認識対象単語決定システム
２３ ルール決定システム
２４ ルール音声認識システム
２５１ 音声記憶域
２５２ Ｎグラム記憶域
２５３ 単語列記憶域
２５４ ルール記憶域
３ 認識結果
４１ 初期認識単語列
４２ 再認識後の単語列
Claims (2)
- 使用者の自由な発声を受け付ける音声認識システム（ディクテーションシステム）において、使用者の発声に対して音声認識を行い文に変換して単語列（初期認識単語列）を出力する第1のステップと、上記第1のステップの出力である単語列からさらに緻密な認識処理を必要とする単語列（再認識対象単語列）を出力する第2のステップと、上記第1のステップの出力である単語列及び第2のステップの出力である単語列から第2のステップの単語列に対応する部分の音声（再認識対象音声）を認識処理する際に認識結果となりうる単語列の候補（ルール）を出力する第3のステップと、再認識対象音声について第3のステップの出力であるルールを用いて音声認識を行う第4のステップを少なくとも有する音声認識システム。
- 上記第1のステップが初期認識単語列を出力する際に各単語について音声認識の確からしさ（確信度）を出力し、第2のステップは確信度が閾値以下の単語列を再認識対象単語列として出力することを特徴とする、請求項1に記載の音声認識システム。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2004008567A JP2005202165A (ja) | 2004-01-15 | 2004-01-15 | 音声認識システム |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2004008567A JP2005202165A (ja) | 2004-01-15 | 2004-01-15 | 音声認識システム |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JP2005202165A true JP2005202165A (ja) | 2005-07-28 |
Family
ID=34821851
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2004008567A Pending JP2005202165A (ja) | 2004-01-15 | 2004-01-15 | 音声認識システム |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP2005202165A (ja) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2010024052A1 (ja) * | 2008-08-27 | 2010-03-04 | 日本電気株式会社 | 音声認識仮説検証装置、音声認識装置、それに用いられる方法およびプログラム |
| WO2018135303A1 (ja) * | 2017-01-18 | 2018-07-26 | ソニー株式会社 | 情報処理装置および情報処理方法、並びにプログラム |
| JP2023007960A (ja) * | 2021-07-02 | 2023-01-19 | 株式会社アドバンスト・メディア | 情報処理装置、情報処理システム、情報処理方法及びプログラム |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH0619491A (ja) * | 1992-06-30 | 1994-01-28 | Sanyo Electric Co Ltd | 音声認識装置 |
| JPH075891A (ja) * | 1993-06-16 | 1995-01-10 | Canon Inc | 音声対話方法および装置 |
| JPH09274495A (ja) * | 1996-04-09 | 1997-10-21 | Fuji Xerox Co Ltd | 音声認識装置 |
| JP2000082114A (ja) * | 1998-09-04 | 2000-03-21 | Toshiba Corp | 情報解析装置、情報解析方法及び情報解析プログラムを記録した記録媒体 |
| JP2003085197A (ja) * | 2000-10-13 | 2003-03-20 | Nippon Telegr & Teleph Corp <Ntt> | 音声入力された複合名詞の検索装置、検索方法およびデータベース |
-
2004
- 2004-01-15 JP JP2004008567A patent/JP2005202165A/ja active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH0619491A (ja) * | 1992-06-30 | 1994-01-28 | Sanyo Electric Co Ltd | 音声認識装置 |
| JPH075891A (ja) * | 1993-06-16 | 1995-01-10 | Canon Inc | 音声対話方法および装置 |
| JPH09274495A (ja) * | 1996-04-09 | 1997-10-21 | Fuji Xerox Co Ltd | 音声認識装置 |
| JP2000082114A (ja) * | 1998-09-04 | 2000-03-21 | Toshiba Corp | 情報解析装置、情報解析方法及び情報解析プログラムを記録した記録媒体 |
| JP2003085197A (ja) * | 2000-10-13 | 2003-03-20 | Nippon Telegr & Teleph Corp <Ntt> | 音声入力された複合名詞の検索装置、検索方法およびデータベース |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2010024052A1 (ja) * | 2008-08-27 | 2010-03-04 | 日本電気株式会社 | 音声認識仮説検証装置、音声認識装置、それに用いられる方法およびプログラム |
| JP5447382B2 (ja) * | 2008-08-27 | 2014-03-19 | 日本電気株式会社 | 音声認識仮説検証装置、音声認識装置、それに用いられる方法およびプログラム |
| WO2018135303A1 (ja) * | 2017-01-18 | 2018-07-26 | ソニー株式会社 | 情報処理装置および情報処理方法、並びにプログラム |
| JPWO2018135303A1 (ja) * | 2017-01-18 | 2019-11-07 | ソニー株式会社 | 情報処理装置および情報処理方法、並びにプログラム |
| US11308951B2 (en) | 2017-01-18 | 2022-04-19 | Sony Corporation | Information processing apparatus, information processing method, and program |
| JP7107229B2 (ja) | 2017-01-18 | 2022-07-27 | ソニーグループ株式会社 | 情報処理装置および情報処理方法、並びにプログラム |
| JP2023007960A (ja) * | 2021-07-02 | 2023-01-19 | 株式会社アドバンスト・メディア | 情報処理装置、情報処理システム、情報処理方法及びプログラム |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10210862B1 (en) | Lattice decoding and result confirmation using recurrent neural networks | |
| US10152971B2 (en) | System and method for advanced turn-taking for interactive spoken dialog systems | |
| US10917758B1 (en) | Voice-based messaging | |
| US20230216927A1 (en) | Sender and recipient disambiguation | |
| US10037758B2 (en) | Device and method for understanding user intent | |
| JP4542974B2 (ja) | 音声認識装置、音声認識方法および音声認識プログラム | |
| JP5951161B2 (ja) | 音声認識装置及び音声認識方法 | |
| US20140358544A1 (en) | Systems and methods for adaptive proper name entity recognition and understanding | |
| CN111292740B (zh) | 语音辨识系统及其方法 | |
| JP2004258658A (ja) | 単語間音素情報を利用した連続音声認識方法および装置 | |
| JP2012226068A (ja) | 対話装置 | |
| JP2007041319A (ja) | 音声認識装置および音声認識方法 | |
| JP2000221990A (ja) | 音声認識装置 | |
| JP5447373B2 (ja) | 言語モデルスコア先読み値付与装置およびその方法ならびにプログラム記録媒体 | |
| JP2011164175A (ja) | 言語モデル生成装置、そのプログラムおよび音声認識システム | |
| JP2010091675A (ja) | 音声認識装置 | |
| EP3005152B1 (en) | Systems and methods for adaptive proper name entity recognition and understanding | |
| JP4992925B2 (ja) | 音声対話装置及びプログラム | |
| US11430434B1 (en) | Intelligent privacy protection mediation | |
| JP4826719B2 (ja) | 音声認識システム、音声認識方法、および音声認識プログラム | |
| KR20120052591A (ko) | 연속어 음성인식 시스템에서 오류수정 장치 및 방법 | |
| JP2005202165A (ja) | 音声認識システム | |
| JP2004271895A (ja) | 複数言語音声認識システムおよび発音学習システム | |
| JP2015118354A (ja) | 音声認識装置および音声認識方法 | |
| JP2009031328A (ja) | 音声認識装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20070109 |
|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20091027 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20091102 |
|
| RD02 | Notification of acceptance of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7422 Effective date: 20091204 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20091228 |
|
| A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20100824 |