JP2005234136A - 音声認識サーバ、音声入力システム、及び、音声入力方法 - Google Patents

Abstract

【課題】 ネットワークを利用して音声文字入力を実現する際の通信データ容量を低減することである。
【解決手段】 音声入力システム１は、入力された音声を送信する通信端末１０と、この音声を認識する音声認識サーバ２０とから構成される。音声認識サーバ２０は、入力された音声を受信するとこれを認識し、認識結果から複数のブロック（単語や文節）を作成する。作成されたブロックの内、先頭のブロックが通信端末１０宛に送信され、認識結果が正しい場合には、要求に応じて次のブロックが送信される。認識結果が誤っている場合には、通信端末１０は、修正候補の送信を音声認識サーバ２０に要求する。音声認識サーバ２０は、通信端末１０にて修正されたブロックを受信すると、当該ブロックを基に後続のブロックを再音声認識し、認識結果を返信する。
【選択図】 図１

Description

端末にて入力された音声をネットワーク側で認識する技術に関する。

従来、ユーザの音声を認識し、認識結果をテキストデータとして表示する技術が実用化されている。かかる機能を有する装置の中には、音声が誤認識された場合に、正規の入力が容易に可能となるように、修正候補の一覧をユーザに提示するものある（例えば、特許文献１参照。）。一方で、装置単体での音声認識には、高い処理能力とデータ記憶容量が要求される。このため、音声認識機能をもたない端末においても音声による文字入力が可能となるように、ネットワークを利用した音声文字入力技術の開発が検討されている。
特開平９−２９７５９５号公報

しかしながら、ネットワークを利用して端末とサーバ装置との間で音声文字入力技術を実現しようとすると、以下のような問題点が懸念される。すなわち、音声認識機能を有するサーバ装置が、文や文章単位での音声認識（ディクテーション認識）を行おうとすると、誤認識があった場合に、これを修正するための単語や文節単位の候補リスト（以下、「修正候補」と記す。）を一括して端末宛に送信することになる。ところが、音声認識された文や文章の中には、単語や文節単位でみると正しく認識されているブロックもある場合が多く、この場合には、修正の必要のないブロックに関してまで、修正候補が送信されてしまう。このことは、通信データ容量を低減する観点から非効率的である。

そこで、本発明の課題は、ネットワークを利用して音声文字入力を実現する際の通信データ容量を低減することである。

本発明に係る音声認識サーバは、通信端末にて入力された音声を認識する音声認識手段と、前記音声認識手段による音声認識結果を複数のブロックに分割して前記通信端末宛に順次送信させると共に、当該通信端末からの要求に応じて、前記複数のブロックのうち、該要求のあったブロックの修正候補を前記通信端末宛に送信させる制御を行う制御手段とを備える。

本発明に係る音声入力方法は、通信端末にて入力された音声を認識する音声認識ステップと、前記音声認識ステップにおける音声認識結果を複数のブロックに分割して前記通信端末宛に送信する認識結果送信ステップと、当該通信端末からの要求に応じて、前記認識結果送信ステップにて送信された前記複数のブロックのうち、前記要求のあったブロックの修正候補を前記通信端末宛に送信する修正候補送信ステップとを含む。

これらの発明によれば、入力された音声の認識結果は、複数のブロック（単語、文節などの構成単位）に一旦分割された後に、各ブロック単位で順次、通信端末宛に送信される。これにより、ブロックに対する修正が必要となった場合には、通信端末は、当該ブロックに関する修正候補のみを要求及び取得することができる。換言すれば、音声認識サーバは、正しい認識の行われたブロックの修正候補に関しては、送信処理を省略することができるので、その分の通信データ容量が低減される。通信データ容量の低減は、通信負荷の低減、通信時間の短縮、通信コストの節約などの効果を導き得るほかに、通信端末におけるメモリ容量の効率的な使用にも資する。

本発明に係る音声認識サーバにおいて好ましくは、前記音声認識手段は、前記通信端末から送信された、ブロックの修正結果を使用して、当該ブロックに後続するブロックを再認識し、前記制御手段は、前記音声認識手段により再認識されたブロックを前記通信端末宛に送信させる制御を行う。

本発明によれば、音声認識サーバは、誤って音声認識されたブロックの修正候補を送信した後に、通信端末にて選択された正しい修正候補（修正結果）を受信したときには、当該ブロックの後続ブロックの再認識に際して、上記修正結果を反映させる。そして、再認識されたブロックは、ブロック単位で通信端末宛に送信される。すなわち、入力音声を構成する複数のブロックに対する音声認識は、自ブロックよりも先に認識されたブロックの正しい認識結果が活用されているため、高精度なものとなる。これにより、ブロックの認識精度は、先行するブロックの認識結果が確定する度に徐々に増していき、修正候補の要求が不要となる確率も高まっていく。その結果、修正候補の要求及び提供に伴う通信データ量の増大は抑制される。

本発明に係る音声入力システムは、上述した音声認識サーバと、当該音声認識サーバと通信可能に接続された通信端末とを備える音声入力システムであって、前記通信端末は、音声を入力して前記音声認識サーバ宛に送信する音声入力手段と、前記音声認識サーバによる音声認識結果をブロック単位で表示して、ブロックの修正候補の提示を要求する要求手段とを備える。

本発明によれば、通信端末においては、入力された音声の認識結果が、文や文章単位ではなく単語や文節といったブロック単位でユーザに提示される。したがって、ユーザは、音声認識結果の正否をブロック毎に確認することができる。提示されたブロックが正しく認識されている場合には、たとえ他のブロックが誤って認識されている場合であっても、正しいブロックに関しては修正候補の送信を要求する必要はないので、ユーザによる入力文字の確定効率は向上する。また、入力音声をブロック単位で確定可能となるので、確定後のブロックを、それ以降のブロックの認識に再利用することができ、入力音声の認識精度が向上する。

本発明によれば、ネットワークを利用して音声文字入力を実現する際の通信データ容量を低減することが可能となる。

以下、添付図面を参照しながら、本発明に係る音声入力システムの一実施形態について説明する。図１に示すように、音声入力システム１は、通信端末１０と音声認識サーバ２０とを少なくとも備えて構成される。通信端末１０と音声認識サーバ２０とは、ネットワークＮを経由して双方向に各種信号の送受信が可能なように接続されている。ネットワークＮは、その種別を問わないが、例えば、インターネットを始めとする公衆回線網、あるいは、高速デジタル回線などの専用回線網である。

まず、通信端末１０の構成を説明する。
通信端末１０は、音声入力インタフェース１１（音声入力手段に対応）と、認識結果提示部１２（要求手段に対応）と、修正候補格納部１３と、認識結果修正部１４とを備えて構成される。これら各構成部分は、バスを介して各種信号の入出力が可能なように接続されている。通信端末１０は、例えば携帯電話である。

詳細な処理内容に関しては、動作説明において後述するが、各構成部分は、以下に説明する機能を有する。
音声入力インタフェース１１は、ユーザの発した音声を音声信号に変換し、音声認識サーバ２０宛に送信する。認識結果提示部１２は、音声認識サーバ２０からブロック単位で送信される認識結果を受信し、これをユーザに提示する。誤った認識結果を提示した場合には、修正候補の送信を要求してこれを受信し、ユーザに選択を促す。また、認識結果提示部１２は、選択された修正候補を修正結果として送信すると共に、受信された認識結果の確定を行う。

修正候補格納部１３は、物理的には、ＥＥＰＲＯＭ（Electrically Erasable and Programmable Read Only Memory）等の内蔵メモリにより構成される。修正候補格納部１３は、機能的には、要求に応じて音声認識サーバ２０から送信された修正候補を受信し、これを格納する。また、認識結果の確定後に、ブロックの修正候補を削除する。
認識結果修正部１４は、ハードウェアとしての操作ボタンや入力キーにより構成され、ユーザからの指示に従って、誤った認識結果あるいは修正候補が入力音声に合致するように適宜変更を加える。

次に、音声認識サーバ２０の構成を説明する。
音声認識サーバ２０は、音声認識部２１（音声認識手段に対応）と、ディクテーション辞書２２と、ブロック制御部２３（制御手段に対応）と、修正結果受信部２４とを備えて構成される。これら各構成部分は、バスを介して各種信号の入出力が可能なように接続されている。

音声認識部２１は、ディクテーション辞書２２を参照しながら、受信された音声信号の波形を文字列として認識する。そして、この認識結果に修正候補を付加して、ブロック制御部２３に出力する。

ディクテーション辞書２２には、入力音声から文字列を特定可能なように、音声信号の波形パターンに、テキストデータが対応付けて登録されている。テキストデータとしては、最も確率の高い認識結果に加えて、二番目、三番目に確率の高い修正候補が複数格納されている。テキストデータは、ブロック化を容易にする観点から、単語や文節といった言語単位に区切って格納されている。例えば、認識結果として“手編みを”が格納されている場合には、発音がこれに近い“手紙を”、“手書きを”といったデータが修正候補として同時に格納されている。

ブロック制御部２３は、ＲＯＭ（図示せず）に予め記録されているプログラムを読み出し、当該プログラムに従って、ブロックの作成、送受信、確定、削除処理といった統括的制御を行う。例えば、認識結果が“私に／手編みを／作りなさい”である場合には、これら三つの文節のそれぞれがブロック１，２，３となるように、三つのブロックが作成される。ブロック制御部２３は、作成したブロックを通信端末１０宛に送信し、確定信号の返信を契機として、送信したブロックを認識結果に確定する。また、不要となったブロックを削除する。
修正結果受信部２４は、通信端末１０から送信された修正結果を受信し、これをブロック制御部２３に出力する。

次に動作を説明する。
まず、図２のフローチャートを参照して、通信端末１０側の動作を説明する。通信端末１０のユーザの音声が音声入力インタフェース１１により入力されると（Ｓ１）、ネットワークＮを経由して、入力音声が音声認識サーバ２０宛に送信される。Ｓ２では、入力音声の認識結果は、一括して送信されず、認識結果を構成する複数のブロックのうち、まず、先頭の１ブロックが通信端末１０宛に送信される。このブロックの認識結果は、通信端末１０のユーザによって確認され、正しく認識されている場合には（Ｓ３；Ｙｅｓ）、認識結果の確定が為される（Ｓ１０）。

これに対して、認識結果が誤っている場合には（Ｓ３；Ｎｏ）、音声認識サーバ２０に対して修正候補の送信が要求される（Ｓ４）。通信端末１０が修正候補を受信すると（Ｓ５）、ユーザは、提示された修正候補の中から正しい修正候補の有無を確認する。確認の結果、正しい修正候補が提示されている場合には（Ｓ６；Ｙｅｓ）、その修正候補が正しい認識結果として選択される（Ｓ７）。これに対して、提示された修正候補の中に正しい認識結果が存在しない場合には（Ｓ６；Ｎｏ）、通信端末１０のユーザが自ら、キー入力による修正を行う（Ｓ８）。

Ｓ９では、Ｓ７又はＳ８で修正された認識結果が修正結果として、通信端末１０から音声認識サーバ２０宛に送信される。この処理を以って、修正された認識結果が正しい認識結果に確定する。確定された旨は、音声認識サーバ２０宛に通知される（Ｓ１０）。この時点で、入力音声から作成された全てのブロックに関して認識結果が確定している場合には（Ｓ１１；Ｙｅｓ）、通信端末１０側の一連の処理は終了する。一方、認識結果が確定していないブロックが存在する場合には（Ｓ１１；Ｎｏ）、当該ブロックの送信が音声認識サーバ２０に対して要求される（Ｓ１２）。このブロックは、Ｓ１０で認識結果の確定したブロックの直後に位置するブロックである。当該ブロックに関するＳ２〜Ｓ１２の処理は、Ｓ１で入力された音声の全ブロックの認識結果が確定するまで、繰り返し実行される。

続いて、図３のフローチャートを参照して、音声認識サーバ２０側の動作を説明する。音声認識サーバ２０は、Ｔ１で音声信号を受信すると、この音声信号の認識を行う（Ｔ２）。音声認識処理に関しては、周知慣用の音声処理技術であるので、詳細な説明は省略するが、単語や文節の認識候補は、音声波形を解析することのみならず、その前に位置する単語や文節から文や文章の構成を推測することで抽出される。Ｔ３では、認識結果とその修正候補がブロック化される。

次いで、ブロック化された認識結果とその修正候補のうち、認識結果の先頭に位置する１ブロックが通信端末１０宛に送信される（Ｔ４）。その後、当該ブロックに関して、修正候補の送信要求が受信された場合には（Ｔ５）、認識結果が誤っていたと判断することができるので、Ｔ３でブロック化された修正候補が通信端末１０宛に送信される（Ｔ６）。音声認識サーバ２０は、上記ブロックの修正結果を受信すると（Ｔ７）、この修正結果をもとに、誤認識したブロックを修正する（Ｔ８）。この処理を以って、次のブロックの認識に使用されるべくブロックの内容が確定する（Ｔ９）。

Ｔ１０において、ブロックの認識結果が確定された旨の通知を通信端末１０から受けると、Ｔ１で受信された音声信号の認識結果を構成する全てのブロックが確定したか否かの判定が為される（Ｔ１１）。判定の結果、全ブロックが確定している場合には（Ｔ１１；Ｙｅｓ）、上記認識結果は不要となるので削除される（Ｔ１２）。一方、確定していないブロックが存在する場合には（Ｔ１１；Ｎｏ）、音声認識サーバ２０は、当該ブロックの送信要求を待機し、これを受信すると（Ｔ１３）、その直前に位置するブロックに対する修正の有無を確認する。

上記ブロックが修正されている場合には（Ｔ１４；Ｙｅｓ）、音声認識サーバ２０は、修正後の確定ブロックを反映させて、次のブロックの再認識処理を実行する（Ｔ１５）。再認識処理の実行後は、Ｔ３に戻り、認識結果のブロック化を含む一連の処理が実行される。Ｔ３〜Ｔ１５の処理は、Ｔ２における認識結果を構成する全ブロックが確定するまで繰り返し実行される。
なお、Ｔ１４において、直前のブロックの修正が無い場合には（Ｔ１４；Ｎｏ）、再認識処理を行う必要がないので、Ｔ１５及びＴ３の各処理は省略され、Ｔ４以降の処理が実行される。

図４及び図５は、通信端末１０と音声認識サーバ２０とが連携して実行する音声入力処理を説明するためのフローチャートである。説明の前提として、本実施の形態では、通信端末１０のユーザが“私に手紙を下さい”という文言の音声入力を所望する状況を想定する。

まずＡ１では、通信端末１０において、音声入力インタフェース１１を介した音声の入力が行われる。通信端末１０のユーザが“私に手紙を下さい”なる音声を発すると、この音声信号がネットワークＮ経由で音声認識サーバ２０宛に送信される。音声認識サーバ２０では、音声認識部２１により、ディクテーション辞書２２を参照した上述の音声認識処理が実行される（Ａ２）。音声認識部２１は、正しくは“私に手紙を下さい”と認識すべきところを、誤って“私に手編みを作りなさい”という認識結果を出力する（Ａ３）。

認識結果は、その修正候補と共に、ブロック制御部２３に入力され（Ａ４）、ブロック制御部２３によりブロックが作成される。ブロックは、単語や文節を一単位として作成され、作成されたブロックには、認識順序を表す数字が先頭から順に付加される（Ａ５）。例えば、Ａ３では、“私に手編みを作りなさい”という認識結果が得られたので、この認識結果は三つのブロック１〜３に分解される。すなわち、ブロック１として“私に”が、ブロック２として“手編みを”が、ブロック３としては“作りなさい”がそれぞれ作成される。

Ａ６では、認識結果の一部であるブロック１が、ブロック制御部２３により、通信端末１０宛に送信される。このブロック１（私に）は、通信端末１０の認識結果提示部１２により表示装置に表示される（Ａ７）。これにより、通信端末１０のユーザは、“私に”の入力音声が正しく認識されたことを確認する。ブロック１の確定が指示されると、その旨を通知する信号（確定信号）が、認識結果提示部１２により、音声認識サーバ２０宛に送信される（Ａ８）。音声認識サーバ２０は、ブロック制御部２３により確定信号を受信し、この受信処理を以って、ブロック１を“私に”に確定する（Ａ９）。

このように、正しい認識結果が得られたブロック１に関しては、通信端末１０側で使用されることのない修正候補が送受信されることがないので、通信データ容量が減少する。これにより、通信負荷の低減、通信時間の短縮、通信コストの節約などが実現される。また、通信端末１０の受信するデータは必要最小限となるので、限られたメモリ容量を効率的に使用することができる。

ブロック１の確定後、ブロック制御部２３は、ブロック１に後続するブロック２を通信端末１０宛に送信する（Ａ１０）。ブロック２としての“手編みを”は、Ａ７と同様に、認識結果提示部１２により表示装置に表示される（Ａ１１）。通信端末１０のユーザは、所望の文字列“手紙を”が誤認識されたことを表示内容から検知し、修正候補の提示を要求する。この要求は、認識結果提示部１２から音声認識サーバ２０に対する修正候補要求信号の送信により完了する（Ａ１２）。

ブロック制御部２３は、上記修正候補要求信号の入力を契機として、Ａ４で入力された修正候補である“手紙を”、“手書きを”を通信端末１０宛に送信する（Ａ１３）。この修正候補は、修正候補格納部１３に一旦格納された後、認識結果提示部１２に出力される（Ａ１４）。Ａ１５では、認識結果提示部１２は、複数の修正候補を表示装置に表示することでユーザに提示し、ユーザによる選択を待機する。本実施の形態では、“手編みを”の修正候補として、“手紙を”、“手書きを”の二種類の文字列がユーザに提示される。

正しい修正候補である“手紙を”をユーザが選択すると、かかる文字列が修正結果として、認識結果提示部１２から認識結果修正部１４に出力される（Ａ１６）。なお、Ａ１５で掲げられた修正候補の中に正しい文字列がない場合には、これに近い任意の修正候補が選択された後に、認識結果修正部１４による修正が施される。このように、修正結果は、必要に応じて認識結果修正部１４を経由した後、音声認識サーバ２０宛に送信される（Ａ１７）。そして、修正結果である文字列“手紙を”は、音声認識サーバ２０の修正結果受信部２４により受信され（Ａ１８）、ブロック制御部２３にてブロック２に確定する（Ａ１９）。

上述のように、修正候補の送信は、音声認識結果が誤りであったブロック２に関してのみ行えば足りるので、全てのブロックの修正候補を一括して送信する従来の方法と比較して、所要の送信データ容量は格段に減少する。

図５に移り、Ａ２０では、入力対象であるブロック１〜３のうち、現時点で確定済みのブロックの識別番号１，２が、音声認識部２１に通知される。音声認識部２１では、ブロック１，２に相当する文字列“私に手紙を”に続く語彙として、“作りなさい”が再認識される（Ａ２１）。図４のＡ２における音声認識処理は、“私に手編みを”に繋がる文字列の認識処理として実行されたため、“作りなさい”という誤った認識結果が出力された。これに対して、Ａ２１における音声認識処理は、正しい認識結果である“私に手紙を”に繋がる文字列の認識処理として実行されるため、“下さい”という正しい認識結果が得られる可能性が高い（Ａ２２）。

Ａ２３では、Ａ２１による認識結果“下さい”とその修正候補が、音声認識部２１からブロック制御部２３に出力される。出力先のブロック制御部２３は、再認識結果を基にブロック１〜３の作成を行う（Ａ２４）。このとき作成されるブロック１，２，３は、それぞれ“私に”、“手紙を”、“下さい”である。Ａ２５では、これらのブロックのうち、未確定のブロック３が、ブロック制御部２３により、通信端末１０宛に送信される。

通信端末１０は、認識結果提示部１２により、ブロック３の文字列“下さい”をユーザに提示する（Ａ２６）。ユーザは、提示内容を参照して、入力した音声が正しく認識されていることを確認すると、確定指示を出す。この確定指示は、確定信号として、認識結果提示部１２から音声認識サーバ２０宛に送信される（Ａ２７）。音声認識サーバ２０は、確定信号の受信により、ブロック３を“下さい”に確定する（Ａ２８）。音声認識サーバ２０は、この確定処理を以って、図４のＡ１で入力された音声の認識結果が全て確定したものと判断し、不要となったブロック１〜３を削除する（Ａ２９）。

通信端末１０においても、ブロック３の確定信号の送信処理（Ａ２７）を以って、入力音声の認識結果が全て確定したものと判断される（Ａ３０）。Ａ３１では、認識結果提示部１２から修正候補格納部１３に対して、修正候補の削除が指示され、この指示を受けた修正候補格納部１３は、図４のＡ１３で格納された修正候補を削除する（Ａ３２）。これにより、初期化が完了し、更に別の音声入力処理の実行が可能となる。

以上説明したように、本実施の形態における音声入力システム１によれば、通信端末１０にて入力された音声の認識結果が、単語や文節のブロックに区切られた後に、音声認識サーバ２０からブロック単位で送信される。送信されたブロックに誤認識が無かった場合には、通信端末１０は、次なるブロックの認識結果の送信を要求し、有った場合にのみ、誤認識されたブロックに関する修正候補の送信を要求する。このため、音声入力された単語や文節ごとの誤認識の有無に関わらず全てのブロックの修正候補を送受信していた従前のシステムと比較して、正しく認識されたブロックの修正候補リストの送受信データ容量が減少する。より具体的には、通信端末は、従来技術では、ブロック１〜３の認識結果、及びブロック１〜３の修正候補を受信しなければならなかったが、本発明では、ブロック１〜３の認識結果、及びブロック２の修正候補を受信すれば足りる。このため、ブロック１，３の容量分のデータ受信が節減される。

更には、入力音声の誤認識の誘発を抑制することができるという効果もある。すなわち、入力音声は、音声波形のみから単純に認識されるのみではなく、先に認識されたブロックに繋がる確率の高い単語や文節が優先的に選択されるしくみとなっている。このため、１ブロックの誤認識が以降のブロックの認識結果に負の影響を与えてしまう。換言すれば、１ブロックの誤認識が他のブロックの誤認識を誘発する。これが認識精度を低下させる要因となる。音声入力システム１によれば、音声の認識結果がブロック単位で順次ユーザに提示され、その正否が確認された上で、後続のブロックに関する音声認識が再度実行される。したがって、誤って認識されたブロックが後続のブロックの認識に影響を与えることがなくなり、これに伴う誤認識の誘発が抑制される。その結果、入力音声の認識精度が向上する。

なお、上記実施の形態に記載の内容は、本発明に係る音声入力システムの好適な一例であり、本発明は、かかる態様に限定されるものではない。
例えば、上記実施の形態では、通信端末１０として携帯電話を例示した。しかし、通信端末１０は、これに限らず、ＰＤＡ（Personal Digital Assistance）やＰＨＳのように通信機能を備えた情報機器であればよく、その用途やサイズによって、本発明の適用対象を限定するものではない。

音声入力システムの機能的構成を示すブロック図である。 音声入力処理の実行に際しての通信端末の動作を説明するためのフローチャートである。 音声入力処理の実行に際しての音声認識サーバの動作を説明するためのフローチャートである。 音声入力システムが実行する音声入力処理を説明するためのフローチャートの前半部分である。 音声入力システムが実行する音声入力処理を説明するためのフローチャートの後半部分である。

符号の説明

１…音声入力システム、１０…通信端末、１１…音声入力インタフェース、１２…認識結果提示部、１３…修正候補格納部、１４…認識結果修正部、２０…音声認識サーバ、２１…音声認識部、２２…ディクテーション辞書、２３…ブロック制御部、２４…修正結果受信部、Ｎ…ネットワーク

Claims (4)

1. 通信端末にて入力された音声を認識する音声認識手段と、
   前記音声認識手段による音声認識結果を複数のブロックに分割して前記通信端末宛に順次送信させると共に、当該通信端末からの要求に応じて、前記複数のブロックのうち、該要求のあったブロックの修正候補を前記通信端末宛に送信させる制御を行う制御手段と
   を備えることを特徴とする音声認識サーバ。
2. 前記音声認識手段は、前記通信端末から送信された、ブロックの修正結果を使用して、当該ブロックに後続するブロックを再認識し、
   前記制御手段は、前記音声認識手段により再認識されたブロックを前記通信端末宛に送信させる制御を行うことを特徴とする請求項１に記載の音声認識サーバ。
3. 請求項１に記載の音声認識サーバと、当該音声認識サーバと通信可能に接続された通信端末とを備える音声入力システムであって、
   前記通信端末は、
   音声を入力して前記音声認識サーバ宛に送信する音声入力手段と、
   前記音声認識サーバによる音声認識結果をブロック単位で表示して、ブロックの修正候補の提示を要求する要求手段と
   を備えることを特徴とする音声入力システム。
4. 通信端末にて入力された音声を認識する音声認識ステップと、
   前記音声認識ステップにおける音声認識結果を複数のブロックに分割して前記通信端末宛に送信する認識結果送信ステップと、
   当該通信端末からの要求に応じて、前記認識結果送信ステップにて送信された前記複数のブロックのうち、前記要求のあったブロックの修正候補を前記通信端末宛に送信する修正候補送信ステップと
   を含むことを特徴とする音声入力方法。

Images