JP2005266192A - 音声認識装置および音声認識方法 - Google Patents

Abstract

【課題】音声認識機能のリソースが限られている機器であっても、十分に認識ができる音声認識装置を提供することを目的とする。
【解決手段】入力部２０１と、認識部２０２と、依頼判定部２０３と、認識結果確定部２０４と、依頼応答部２０５と、インターフェース部２０６と、出力部２０７とを備え、入力部２０１に入力された音声に対して音声認識を行い、その結果をもとに依頼判定部２０３で他の機器への依頼が必要かを判断し、必要ならばインターフェース部２０６を介してネットワークに接続された他の機器に認識保証もしくは認識依頼を行い、その結果をもとに認識結果確定部２０４で認識結果を確定することにより、複数の機器で連携して音声認識ができるので、単体の機器では困難であった人間の発話のバリエーションを吸収することができる。
【選択図】図２

Description

本発明は、特に複数の機器が連携し合う音声認識装置および音声認識方法に関するものである。

従来のこの種の音声認識装置は、特許文献１に示されるように、音声認識の処理を特徴抽出と音声認識の前後に分け、それぞれを異なるＣＰＵ（演算処理装置）で処理するものが知られている。
特開昭６０−２６５５０５号公報

しかしながら上記従来の音声認識装置では、音声認識処理に関わる前処理を第一のＣＰＵで行い音声認識の認識処理に関わる処理を第二のＣＰＵで行うとしたものである。そのため、機器に入力可能な表現が限られているにもかかわらず、ユーザはその受付可能な表現が分からないために、受付できない表現を発声してしまうという課題があった。

人間の発声しうる単語や文のバリエーションは非常に多く、特に認識機器のリソースが限られている場合に、この機器が受付できない表現を発声してしまい、認識ができないという問題が生じる。

本発明は、このような課題を解決するためになされたもので、例えば、ネットワークに接続された複数の機器内の音声認識装置が連携し、協調し合うことによって、各機器の音声認識装置のもつ特徴を生かし、たとえある装置で認識できなかったとしても、他の機器の音声認識装置との連携により認識することができる音声認識装置および音声認識方法を提供することを目的とする。

本発明の音声認識装置は、音声情報が入力される入力手段と、入力された音声情報の音声認識を行う認識手段と、認識手段での認識結果について支援の依頼が必要かどうかを判定する判定手段と、判定手段から支援を依頼される他の機器が接続された回線手段と、他の機器から送られてくる支援の結果に基づいて認識結果を確定する確定手段と、確定された認識結果を出力する出力手段とを備えた構成を有している。

この構成により、単体の機器の音声認識装置では受理できない音声入力に対しては、他の機器によって認識結果を再考する。

また、本発明の音声認識装置は、他の機器からの支援の依頼に対して応答する応答手段を備えた構成を有している。

この構成により、他の機器からの音声認識結果の支援の依頼に対しても自らの認識手段によって他の機器の認識を支援する。

また、本発明の音声認識装置は、入力手段が、入力された音声情報を蓄積する音声情報蓄積手段を有し、応答手段が、他の機器からの支援の依頼に対して、音声情報蓄積手段に蓄積された音声情報に基づいて応答する構成を有している。

この構成により、依頼を受けた側の収音性能が高い場合には、依頼を受けた側の音声認識装置の音声情報蓄積手段に蓄積された音声情報に基づいて認識する。

また、本発明の音声認識装置は、音声情報蓄積手段が、回線手段に接続された他の機器に入力された音声情報を蓄積する構成を有している。

この構成により、回線手段に接続された他の機器に入力された音声情報に基づいて認識することができる。

また、本発明の音声認識装置は、回線手段が、回線手段に接続された他の機器のプロファイル情報を格納したプロファイル格納手段を有し、プロファイル情報に基づいて、支援を依頼する他の機器を決める構成を有している。

この構成により、回線部に接続された機器のプロファイル情報に基づいて依頼先の機器を決めることができる。

また、本発明の音声認識装置は、プロファイル情報が、回線手段に接続された他の機器を特定する特定情報を有し、回線手段が、特定情報で特定された他の機器に認識結果の通知を行う通知判定手段を備えた構成を有している。

この構成により、特定情報で特定された他の機器に認識結果を通知する。

また、本発明の音声認識装置は、回線手段が、回線手段に接続された他の機器の音声認識に関する信頼度情報を格納する信頼度情報格納手段を有し、確定手段が、信頼度情報に基づいて確定する構成を有している。

この構成により、認識結果に対して、確定手段が信頼度情報に基づいて認識結果を確定する。

また、本発明の音声認識装置は、回線手段が、回線手段に接続された他の機器の信頼度情報を格納する信頼度情報格納手段を有し、応答手段が、他の機器からの支援の依頼に対して、信頼度情報に基づいて応答する構成を有している。

この構成により、依頼に対して信頼度の高い機器からの支援を利用できる。

また、本発明の音声認識装置は、入力手段が、入力された音声情報を蓄積する音声情報蓄積手段を有し、回線手段が、回線手段に接続された他の機器のプロファイル情報を格納したプロファイル格納手段を有し、応答手段が、辞書ファイル情報、言語モデル情報、及び音響モデル情報のうちの少なくともいずれかを格納する情報格納手段を有し、応答手段が、他の機器からの支援の依頼に対して、音声情報蓄積手段に蓄積された音声情報およびプロファイル格納手段格納されたプロファイル情報に基づいて、情報格納手段に格納された情報を選択して認識し応答する構成を有している。

この構成により、依頼元の機器のプロファイル情報に応じて音声の認識を行うことが出来るようになり、より確実に依頼に対して応答することが出来る。

また、本発明の音声認識装置は、回線手段が、回線手段への接続の状態を検出する検出手段を有し、接続の状態に変化があった場合、検出手段が、回線手段に接続された他の機器に接続の状態の変化を通知する構成を有している。

この構成により、回線手段に接続される他の機器は、新たに接続の状態に変化があった他の機器の存在を知ることができる。

また、本発明の音声認識装置は、検出手段が回線手段への接続の状態の変化を検出した場合、回線手段が、プロファイル格納手段に格納されているプロファイル情報を更新すると共に、回線手段に接続された他の機器に、接続の状態の変化を通知する構成を有している。

この構成により、回線手段への接続の状態が変化した機器が、その機器に接続状態の変化を通知するだけで、全ての機器に自機器が接続されたことを通知できる。

また、本発明の音声認識装置は、接続の状態の変化が、回線手段と他の機器との接続または離接、もしくは回線手段に接続された他の機器の電源の閉成または開放の少なくともいずれか一方である構成を有している。

この構成により、回線手段に接続される他の機器の有無や、他の機器の電源のオン、オフを知ることができる。

また、本発明の音声認識装置は、認識手段が、入力手段に入力された音声情報の意味を理解する意味理解手段を有した構成を有している。

この構成により、回線手段に接続された機器に対する指示を入力情報から判断できる。

また、本発明の音声認識装置は、応答手段は、回線手段に接続された他の機器での認識結果をもとに、他の機器からの支援の依頼に対して応答する構成を有している。

この構成により、依頼元の機器に対して他の機器での支援結果も利用して応答することができる。

また、本発明の音声認識装置は、認識手段が、認識手段の利用に対して課金をする課金手段を有し、課金手段が、回線手段に接続される他の機器が認識手段に認識の支援の依頼をする場合に課金する構成を有している。

この構成により、回線手段に接続される他の機器が認識手段に認識の支援の依頼をする際に課金する。

また、本発明の音声認識装置は、回線手段に接続される少なくとも一つの他の機器の認識手段が課金手段を有し、回線手段がインターネット回線を有し、課金手段を有さない機器と課金手段を有する機器とがインターネット回線で接続された構成を有している。

この構成により、インターネット回線に接続される機器間での課金により音声認識ができる。

本発明の音声認方法は、入力された音声情報の音声認識を行う手順と、他の機器に対して認識結果についての支援の依頼が必要かどうかを判定する手順と、他の機器から送られてくる支援の依頼の結果に基づいて認識結果を確定する手順と、確定された認識結果を出力する手順とを備えている。

この構成により、他の機器認識結果の支援を依頼し、他の機器によって認識結果を再考することができる。

また、本発明の音声認方法は、他の機器からの支援の依頼に対して応答する手順を備えている。

この構成により、他の機器からの音声認識結果の支援の依頼に対しても自らの認識手段によって他の機器の認識を支援することができる。

本発明の音声認識装置によれば、音声情報が入力される入力手段と、入力された音声情報の音声認識を行う認識手段と、認識手段での認識結果について支援の依頼が必要かどうかを判定する判定手段と、判定手段から支援を依頼される他の機器が接続された回線手段と、他の機器から送られてくる支援の結果に基づいて認識結果を確定する確定手段と、確定された認識結果を出力する出力手段とを備え、単体の音声認識装置では受理できずに認識できない発話に対しても、複数の音声認識装置が連携し合って音声認識を行うことで、その発話に対する認識が可能になる。

以下、本発明の実施の形態について、図面を参照しながら説明する。

（実施の形態１）
本発明の実施の形態１では、具体例として、それぞれ本実施の形態の音声認識装置が搭載された電子レンジ、冷蔵庫、パソコンがネットワークに接続されている場合を例に説明する。

図１は、本実施の形態１に係る音声認識装置を備えた家電機器などを用いたシステムを示す構成図である。図１では、ＰＣ（パーソナルコンピュータ）１、電子レンジ２、冷蔵庫３がＬＡＮ４に接続され、各機器にはそれぞれが連携できる音声認識部１０１が搭載され、相互に音声認識の連携のための情報のやり取りが出来るようになっている。なお、本実施の形態も含めて、以下の実施例では、各機器の接続はＬＡＮで説明するが、一般にはＬＡＮでなくても、各種機器が接続されてデータなどの送受ができる回線であれば良い。

図２は上記各機器に搭載されたお互いに連携する音声認識部１０１の構成を示す図である。

図２において、入力部２０１はマイクやファイルから音声情報の入力を受け付けることができる。出力部２０７は認識結果確定部２０４から送られる出力内容信号２２２をもとに最終的な音声認識の結果をディスプレイや各機器の制御系などへ出力する。認識部２０２は入力部２０１から送られる入力音声信号２２１の認識を行う。認識方式は単語認識、連続音声認識など、いずれも可能である。

依頼判定部２０３は認識部２０２から認識結果信号２４１を受け、認識結果を元に他の機器にその内容確認の依頼をする（保証依頼）か、再度認識を依頼する（認識依頼）かの、いずれかの必要があるかどうかの判断を行う。依頼判定部２０３はその判断結果に基づき、回線手段としてのインターフェース部２０６に対して送信依頼内容信号２３１を送り、また認識結果確定部２０４に対して依頼内容の情報を付加した認識結果である認識結果依頼情報付き信号２４２を送信する。

認識結果確定部２０４は、依頼判定部２０３から送られてくる認識結果依頼情報付き信号２４２とインターフェース部２０６から送られてくる受入返答内容信号２３２をもとに認識結果の再判定を行ない、再判定の結果を出力内容信号２２２として出力部２０７に対
して送信し、さらに、同様に依頼応答部２０５に対しても再判定の結果を認識結果格納信号２４３として送信する。

なお、認識結果確定部２０４は、上記のように、LANに接続された他の機器から送られてくる、保証依頼や認識依頼に対する返答である受入返答内容信号２３２と、自らの認識部２０２の認識結果である認識結果依頼情報付き信号２４２の両者に基づいて認識結果を確定しなくても、保証依頼や認識依頼に対する返答である受入返答内容信号２３２だけで認識結果を確定することも可能である。

インターフェース部２０６は、依頼判定部２０３から送られる送信依頼内容信号２３１をもとにネットワークに接続された他の機器へ保証や認識の依頼を行うための送信依頼メッセージ２３５をネットワークを通じて送信し、また、依頼の結果得られる依頼先から送られてくる保証結果や認識結果である受入応答メッセージ信号２３６を解釈し、その結果を認識結果確定部２０４に受入返答内容信号２３２として送信する。

さらに、インターフェース部２０６はネットワークに接続された他の機器から送られてくる受入依頼メッセージ信号２３８を解釈しその結果を受入依頼内容信号２３４として依頼応答部２０５に送信し、依頼応答部２０５から送られてくる他の機器からの依頼に対する結果を送信応答内容信号２３３として受け取り、その結果を送信応答メッセージ信号２３７としてネットワークを通じて依頼元に返信する。依頼応答部２０５は認識結果確定部２０４からの認識結果格納信号２４３を保持し、その情報をもとに他の機器からの保証依頼について応答したり、また認識依頼があった場合は、音声認識を行いその結果を回答する。

以上のように構成された実施の形態１を用いて、電子レンジ２がＰＣ１に認識結果の保証を依頼し、その結果を利用して音声認識を行うとした場合の動作をフローチャートを用いて説明する。ここで電子レンジ２には単語認識が、ＰＣ１には家庭内の発声を網羅した連続音声認識部１０１が搭載されているとする。

図３は、電子レンジ２の音声認識部１０１で認識結果をＰＣ１に保証依頼する場合の、保証依頼する側である電子レンジ２のフローチャートである。

処理がスタートする（Ｓ３０１）と、入力部２０１で入力された音声に対して認識部２０２で音声を検出し、この音声に対して音声認識を行う（Ｓ３０２）。依頼判定部２０３はその音声認識の結果を表す認識結果信号２４１を受け取ると、他の機器への保証依頼の必要があるかどうかを判定する（Ｓ３０３）。判定は、複数の音声認識候補が得られた場合、あるいは複数の音声認識結果の尤度が近い場合などの判定基準を用いて行うことができる。

具体的には、音声認識の結果得られる尤度で候補を閾値判定したときに、閾値以下を認識候補と設定した場合に、閾値以下に候補が複数得られたとき、あるいは第一の候補と第二の候補の尤度の差がある閾値以下の場合に他の機器への保証が必要であると判断するなどの方法を採用すれば良い。

依頼判定部２０３で判定の結果（Ｓ３０４）、保証の必要があると判断した場合はＳ３０５に、必要ないと判断した場合はＳ３１０に処理を分岐させる。インターフェース部２０６において送信依頼内容信号２３１をもとに他の機器へ依頼する送信依頼メッセージ信号２３５を作成し（Ｓ３０５）、上記メッセージ信号２３５をネットワークを通じて送信する（Ｓ３０６）。その後、他の機器から送られてくる保証依頼の結果を表す受入応答メッセージ信号２３６を受け取り（Ｓ３０７）、そのメッセージを解釈し受入応答内容信号
２３２として認識結果確定部２０４に送信する（Ｓ３０８）。

受入応答内容信号２３２と、依頼判定部２０３から送られる認識部２０２における認識結果のどの部分を保証依頼したかという情報を付与した認識結果依頼情報付き信号２４２をもとに音声認識の再評価を行い（Ｓ３０９）、その結果を出力内容信号２２２として出力部２０７に送信する。再判定後の認識結果である出力内容信号２２２をディスプレイあるいは機器の操作系へと出力し、また同様に依頼応答部２０５にその結果を認識結果格納信号２４３として出力し（Ｓ３１０）、認識処理に戻る（Ｓ３０２）。また、Ｓ３０４で保証の必要がないと判定された場合には、Ｓ３０２の認識結果信号２４１はそのまま認識結果確定部２０４を介して出力内容信号２２２として出力部２０７に出力する。

上記電子レンジ２の認識部２４１の動作において、ＰＣ１によって返信された受入応答メッセージ信号２３６に応じて行う認識結果の再判定処理は、例えば次のようにすればよい。ここでは電子レンジ２がＰＣ１に「温め」という言葉の保証を依頼し、その結果返ってくる受入応答メッセージ信号２３６に応じた認識結果確定部２０４の動作を説明する。依頼先であるＰＣ１によって「温め」の認識結果が保証された場合には、電子レンジ２だけでなくＰＣ１でも認識されたことになるため、「温め」の認識結果をよりいっそう信頼してよいと考えることができる。そのため、保証された場合には「温め」の結果を採用すればよい。

一方、保証されなかった場合、電子レンジ２側の他の認識候補を通知し保証をしてもらう。この操作をＰＣ１の認識結果と合うまで、もしくは候補がなくなるまで続けることが出来る。もし、ＰＣ１の結果と電子レンジ２の結果が一致した場合、その結果を採用することでより尤もらしい結果を採用することが出来る。

ここでは、電子レンジ２がＰＣ１に依頼するとして説明したが、一般には電子レンジ２が複数の機器に保証を依頼する構成をとることが出来る。その場合は、自機器である電子レンジ２での結果も含め多数決を用いて結果を採用するなどの方法も採用すればよい。

なお、ここでは、電子レンジ２には単語認識が搭載されているとして説明したが、「ご飯を温めてください」などのような文形式の発声に対して認識を行う連続音声認識の結果についても本発明を適用することは可能である。例えば、音声認識の結果、複数の文候補が得られたとする。そのとき、第一候補と第二候補のある区間のみ異なっており、その区間の両候補の尤度（スコア）の差が小さいとしたとき、その区間のみを他の認識機に保証依頼をするといったことができる。

また、Ｓ３０９における再判定処理に関しても、より連続音声認識に特化した方法も可能である。通常、連続音声認識では単語のつながり易さをモデル化したN−ｇｒａｍという言語モデルを用いる。Ｎ−ｇｒａｍを用いることで、前後に出現する単語のコンテキストが決められ数万語という大規模な単語を対象にした文音声の音声認識が可能となる。

ところで、一般に、音声認識は、数式１に示す単語系列を見つけることに相当する。

ここで、ｗは任意の単語系列、Ｐ（ｗ）は言語の確率、ｐ（ｘ｜ｗ）は単語系列ｗの時
に音の特徴ｘが出現する確率を表し、この確率ｐ（ｘ｜ｗ）＊P(w)が最尤となる単語系列が認識結果となる。

したがって、本実施の形態では、数式１を数式２のように変形することにより、本発明のように各機器の連携を使って再判定することが可能となる。

この数式２において、時刻ｔを始端とし時刻ｋを終端とする単語（下の数式２ではｉ番目に入力されている単語）として「温め」を固定し最尤候補を求めることになる。

上記の数式２に示した方法では単語を固定したが、その単語の尤度の値をかさ上げし、最尤候補を求める方法も有効である。

次に、図４に、保証依頼を受けたＰＣ１側のフローチャートを示す。処理がスタートすると（Ｓ４０１）、他の機器から受入依頼メッセージ信号２３８が入力されるまで待つ（Ｓ４０２）。入力があった場合は、受入依頼メッセージ信号２３８を受信し（Ｓ４０３）、受入依頼メッセージ信号２３８をインターフェース部２０６で解釈し、受入依頼内容信号２３４を依頼応答部２０５に入力する（Ｓ４０４）。

受入依頼内容信号２３４をもとに依頼応答部２０５で保証の判定を行い、その結果を送信応答内容信号２３３としてインターフェース部２０６に出力する（Ｓ４０５）。ここで、ある時刻にある単語が入っているかどうかの判定は、単語が同じでかつ判定すべき単語の時間区間がある一定以上一致している、もしくは±２００ｍｓｅｃで一致するなどの基準を使えばよい。

インターフェース部２０６は送信応答内容信号２３３をもとに送信応答メッセージ信号２３７を作成する（Ｓ４０６）。インターフェース部２０６は送信応答メッセージ信号２３７をネットワーク４を介して依頼元に返信する（Ｓ４０７）。

次に、電子レンジ２がＰＣ１に認識の依頼を行うとした場合の動作をフローチャートを用いて説明する。

図５は認識を依頼する側である電子レンジ２のフローチャートである。処理がスタートすると（Ｓ５０１）、入力部２０１で入力された音声に対して認識部２０２で音声を検出し、この音声に対して音声認識を行う（Ｓ５０２）。音声認識の結果を表す認識結果信号２４１に対して依頼判定部２０３で他の機器への保証の必要があるかどうかを判定する（Ｓ５０３）。

判定は、入力音声が長い場合、言語の尤度が低い場合、複数の音声認識候補が得られた場合、あるいは複数の音声認識結果の尤度が近い場合などの判定基準を用いて行うことが出来る。本実施の形態では、入力音声がｘ秒以上であるならば、入力された音声が文であると考え連続音声認識を依頼する。

具体的には、音声認識に言語モデルを用いている場合は、認識結果の言語の尤度が低いときに言語モデルのドメインが一致していない、あるいは認識すべき単語が辞書に入って
いないなどの状況が考えられる。そこで、言語モデルの確率がある閾値以下の単語が認識結果から得られていた場合、依頼をすればよい。また、音声認識の結果得られる尤度（音響尤度、音響尤度＋言語スコアの尤度）で候補を閾値判定したときに閾値以下に候補が複数得られたとき、あるいは第一の候補と第二候補との尤度差がある閾値以下の場合に他の機器への依頼が必要であると判断するなどの方法をとれば良い。

次に、判定結果に応じて処理を分岐させる（S５０４）。認識依頼の必要があると判断した場合はＳ５０５に、必要ないと判断した場合はＳ５１０に処理を分岐させる。

認識依頼の必要がある場合、インターフェース部２０６において送信依頼内容信号２３１をもとに他の機器へ依頼する送信依頼メッセージ信号２３５を作成し（Ｓ５０５）、送信依頼メッセージ信号２３５をネットワーク４を通じて送信する（Ｓ５０６）。他の機器から送られてくる認識依頼の結果を表す受入応答メッセージ信号２３６を受け取り（Ｓ５０７）、そのメッセージを解釈し受入応答内容信号２３２として認識結果確定部２０４に送信する（Ｓ５０８）。受入応答内容信号２３２と依頼判定部２０３から送られる、認識部２０２における認識結果のどの部分を認識依頼したかという情報を付与した認識結果依頼情報付き信号２４２をもとに音声認識の再評価を行い、その結果を出力内容信号２２２として出力部２０７に送信する（Ｓ５０９）。

このときの認識結果確定部２０４の動作として、依頼先であるＰＣ１の結果を優先する、もしくは仮に依頼先が複数あった場合にはそれらの返信の結果から多数決などの方法を用いて決める、もしくは自機器である電子レンジ２の結果と前記複数の機器からの返信の結果を用いて多数決などの方法を用いて決めることが出来る。

上記再判定後の認識結果である出力内容信号２２２をディスプレイあるいは機器の操作系へと出力し、また同様に依頼応答部２０５にその結果を認識結果格納信号２４３として出力し（Ｓ５１０）、認識処理に戻る（Ｓ５０２）。

また、Ｓ５０４で認識依頼の必要がないと判定された場合には、認識結果信号２４１はそのまま出力内容信号２２２として認識結果確定部２０４からそのまま出力部２０７に出力される（Ｓ５１０）。

図６に認識依頼を受けたＰＣ１側のフローチャートを示す。処理がスタートすると（Ｓ６０１）。他の機器から受入依頼メッセージ信号２３８が入力されるまで待つ（Ｓ６０２）。入力があった場合は、受入依頼メッセージ２３８を受信し（Ｓ６０３）、受入依頼メッセージ信号２３８をインターフェース部２０６で解釈し受入依頼内容信号２３４が応答依頼部２０５に入力される（Ｓ６０４）。受入依頼内容信号２３４をもとに依頼応答部２０５で音声認識を行い、その結果を送信応答内容信号２３３としてインターフェース部２０６に出力する（Ｓ６０５）。インターフェース部２０６は上記送信応答内容信号２３３をもとに送信応答メッセージ信号２３７を作成する（Ｓ６０６）。インターフェース部２０６はこの送信応答メッセージ信号２３７をネットワーク４を介して依頼元に返信し（Ｓ６０７）、受入依頼メッセージ信号２３８が入力されるのを待つ（Ｓ６０２）。

以上説明した認識依頼と認識保証の処理を同時に切り替えて行うことも可能である。以下では、両者を同時に行った場合の動作をフローチャートを用いて説明する。

図７は認識を依頼する側である電子レンジ２のフローチャートである。処理がスタートすると（Ｓ７０１）、入力部２０１で入力された音声に対して認識部２０２で音声を検出し、この音声に対して音声認識を行う（Ｓ７０２）。音声認識の結果を表す認識結果信号２４１に対して依頼判定部２０３で他の機器への保証あるいは認識依頼の必要があるかど
うかを判定する（Ｓ７０３）。判定は、音声の全体について正しいかどうかを依頼したい場合には認識依頼を、入力音声のうちの一部分だけの保証を求めたいときには保証依頼を依頼するように判断すれば良い。

より具体的には、例えば、入力音声がｘ秒以上の場合に入力音声が文であると考えて認識依頼を行い、ｘ秒未満の時は単語であると考え保証依頼をする。またｘ秒以上であっても、ある特定の候補の区間のみ言語尤度がある決められた閾値よりも低い、もしくは第二候補との尤度差が小さい、音響尤度が低いなどの基準を用いることでその区間で認識されている単語候補の保証を依頼することができる。

前記判定結果に応じて処理を分岐させる（Ｓ７０４）。保証あるいは認識依頼の必要があると判断した場合はＳ７０５に、必要ないと判断した場合はＳ７１０に処理を分岐させる。

必要ありと判断した場合は、インターフェース部２０６において送信依頼内容信号２３１をもとに他の機器へ依頼する送信依頼メッセージ信号２３５を作成し（Ｓ７０５）、このメッセージをネットワーク４を通じて送信する（Ｓ７０６）。次に、他の機器から送られてくる認識依頼あるいは保証依頼の結果を表す受入応答メッセージ信号２３６を受け取り（Ｓ７０７）、そのメッセージを解釈し受入返答内容信号２３２として認識結果確定部２０４に送信する（Ｓ７０８）。

上記受入返答内容信号２３２と依頼判定部２０３から送られる認識部２０２における認識結果のどの部分を保証もしくは認識依頼したかという情報を付与した認識結果依頼情報付き信号２４２をもとに音声認識の再評価を行い、その結果を出力内容信号２２２として出力部２０７に送信する（Ｓ７０９）。再評価の方法は、保証なのか認識依頼なのかに応じて、前記各々の場合に応じた再評価方法を使えばよい。再判定後の認識結果である出力内容信号２２２をディスプレイあるいは機器の出力部２０７へと出力し、また同様に依頼応答部２０５にその結果を認識結果格納信号２４３として出力し（Ｓ７１０）、認識処理に戻る（Ｓ７０２）。また、Ｓ７０４で認識依頼および保証依頼が必要がないと判定された場合にはそのままＳ７０２の認識結果信号２４１をそのまま出力内容信号２２２として出力するように認識結果確定部はそのまま出力部２０７に出力する。

図８に認識依頼を受けたＰＣ１側のフローチャートを示す。処理がスタートすると、他の機器から受入依頼メッセージ信号２３８が入力されるまで待つ（Ｓ８０１）。その後、入力があったかどうかを判断し（Ｓ８０２）、入力があった場合は、受入依頼メッセージ２３８を受信し（Ｓ８０３）、受入依頼メッセージ２３８をインターフェース部２０６で解釈し受入依頼内容信号２３４が応答依頼部２０５に入力される（Ｓ８０４）。この受入依頼内容信号２３４に応じて処理が分岐する（Ｓ８０５）。

保証依頼の場合には、受入依頼内容信号２３４をもとに依頼応答部２０５で保証の判定を行い、その結果を送信応答内容信号２３３としてインターフェース部２０６に出力する（Ｓ８０６）。認識依頼の場合には、受入依頼内容信号２３４をもとに依頼応答部２０５で音声認識を行い、その結果を送信応答内容信号２３３としてインターフェース部２０６に出力する（Ｓ８０７）。インターフェース部２０６は前記送信応答内容信号２３３をもとに送信応答メッセージ信号２３７を作成する（Ｓ８０８）。インターフェース部２０６は前記送信応答メッセージ信号２３７を依頼元に返信する（Ｓ８０９）。

図９に各機器間でやり取りするメッセージの構成を示す。メッセージは、大きく分けて以下のような情報から構成することが望ましい。ただし、必要に応じてその一部を使うことも可能であるし、また必要に応じて項目を追加して構わない。
１．通信のための情報：送信か受信かどの機器にメッセージを送るか、どのメッセージへの返信かなどを表す。
２．機能情報：保証依頼、保証依頼返信などのメッセージの機能を表す情報。
３．内容情報：メッセージの機能が保証依頼ならば保証対象である単語情報の時間情報、単語情報、品詞や句などの文法情報、意味情報、尤度などからなり、メッセージの機能が認識依頼ならば音声情報もしくは認識すべき音声区間の時間情報など認識すべき音声区間が特定可能な情報で構成する。
４．結果情報：保証依頼結果、認識依頼結果などの情報。
５．コンテキスト情報：誰の音声かという話者情報（名前、性別、年齢、地域）や発声時の感情などの情報。
６．環境情報：機器の設置場所（台所、駅のホームなど）に関する情報や、周囲のノイズ環境に関する情報など。
７．システム情報：認識方式、語彙数、語彙ファイル、言語モデル、音響モデル、搭載メモリ、搭載チップ、サンプリング周波数、マイク特性など。

図１０は図９に示すメッセージの構成とＸＭＬなどのタグ言語の対応を示す一例であって、図９のメッセージは、図１０に示すタグ言語を使って表現すれば扱いやすい。

本実施の形態の具体例として、図１１に、電子レンジ２が、２００３年２月１３日８時２３分５１秒から２００３年２月１３日８時２３分５３秒の間に単語「温め」が入力されたかどうかをＰＣ１に保証依頼するためのメッセージの例を示す。ここで電子レンジ２のＩＰアドレスを１９２．１６８．０．１としたが、ＰＣ１のＩＰアドレスは電子レンジ２側からは分からないので、ここではＴｏ＿ＩＰの値はブロードキャスト（ｂｒｏａｄｃａｓｔ）と設定する。ブロードキャストすることによって、ネットワーク４上のＰＣ１と冷蔵庫３が電子レンジ２からのメッセージを受けることになるが、ブロードキャストを受付けるかどうかを各機器のインターフェース部２０６で設定しておく等の方法をとることで、ＰＣ１のみが依頼を受け付けるようにできる。

また、図１２に示すようにＩＰアドレスと機器の対応表（以下、ＩＰリスト）をインターフェース部２０６に接続されるＩＰリストテーブル格納部１２０１に持つことで、図１３のように直接Ｔｏ＿ＩＰにＰＣのＩＰを１９２．１６８．０．２と指定することも可能となる。

図１４にＰＣ１でも「温め」が認識されていたとした場合に電子レンジ２に返信する確認メッセージ（受入応答メッセージ）を示す。この場合＜ｆｕｎｃ＿ＩＤ＞が“４”で＜ｃｏｍｆｉｒｍ＿ｉｎｆｏ＞が“１”と設定される。図１５はＰＣ１では「温め」が認識されていなかった場合に電子レンジ２に返信する確認メッセージ（受入応答メッセージ）を示す。この場合、＜ｃｏｍｆｉｒｍ＿ｉｎｆｏ＞が“０”となっている。図１６は「温め」ではなく「炒め」が認識されていたことを返信する場合のメッセージを示す。この場合、＜ｗｏｒｄ ｒｅｐ＞が“炒め”となっている。

図１７に認識を依頼するときのメッセージを示す。機能ＩＤ（＜ｆｕｎｃ＿ＩＤ＞）を“２”とし、さらに認識して欲しい音声データ＜ｗａｖｅ＿ｄａｔａ＞を送信する。図１８に認識依頼を受けたＰＣ１からの返信メッセージの例を示す。この場合、＜ｆｕｎｃ＿ＩＤ＞が“７”であり＜ｗｏｒｄ＿ｒｅｐ＞が“温め”となっている。

かかる構成によれば、ネットワーク４上に接続された音声認識装置において、保証依頼や認識依頼をするかどうかを判断する依頼判定部２０３と、他の音声認識器と通信を行うインターフェース部２０６と、他の機器の結果を利用し再度認識処理を行う認識結果確定部２０４とを有すことにより、例え限られたリソースの元で動作する音声認識装置であっ
ても、他の機器に保証や認識の依頼をすることによって得られる保証結果および認識結果に基づいて認識結果を再考することができ、自機器の能力を超えた音声認識の性能を実現できるようになる。

すなわち、この構成により、他の機器によって認識結果を再考することができ、音声認識の誤りを訂正することや、単体の機器の音声認識装置では受理できない音声入力に対しても複数の音声認識装置が連携し合い認識を行うことで、その音声入力に対する認識が可能になり、したがって計算リソースの少ない機器であったとしてもリソースを十分備えた機器と同様に認識を行なうことができる。

さらに、本実施の形態によれば、他の機器からの音声認識結果の支援の依頼に対しても自らの認識手段によって他の機器の認識を支援することができる。

なお、他の機器からの依頼に答えるために依頼応答部２０５は、自機器が他機器からの依頼に応答する場合には必要であるが、自機器が他機器に依頼をするだけの場合は必要ない。
（実施の形態２）
実施の形態１では、ＰＣ１，電子レンジ２、冷蔵庫３の全ての構成を同じとした、しかし電子レンジ２や冷蔵庫３で利用可能な計算リソースは非常に限られていることが多い。そこで、電子レンジ２や冷蔵庫３上に搭載する連携型の音声認識部１０１は、他の機器からの要求にこたえる機能を省略することも可能である。そこで、電子レンジや冷蔵庫などのように、計算リソースの限られた機器上の音声認識は図１９に示すように図２における依頼応答部２０５を省略することができる。一方、ＰＣ１や音声認識サーバーのような計算リソースに余裕のある機器上には、図２の構成をとればよい。なお、動作は図２に説明したものと同様であるので省略する。

このように機器連携型の音声認識部１０１を構成することで、各々の機器の性能に応じた認識器を搭載でき、また電子レンジ２のような十分な計算リソースを持たない機器においても、ネットワーク上のより強力なＰＣ１やサーバーなどを利用することで、自機器の能力を超えた音声認識の性能を実現できるようになる。

すなわち、実施の形態１と同様に、この構成により、他の機器によって認識結果を再考することができ、音声認識の誤りを訂正することや、単体の機器の音声認識装置では受理できない音声入力に対しても複数の音声認識装置が連携し合い認識を行うことで、その音声入力に対する認識が可能になり、したがって計算リソースの少ない機器であったとしてもリソースを十分備えた機器と同様に認識を行なうことができる。

（実施の形態３）
図２０は本発明の実施の形態３の連携型の音声認識１０１の構成図である。図２と同一構成については同一番号を付し、説明を省略する。インターフェース部２０６に接続された音声認識機器プロファイル格納部２００１（以下ＳＲＳＰ：Ｓｐｅｅｃｈ Ｒｅｃｏｇｎｉｔｉｏｎ Ｓｙｓｔｅｍ Ｐｒｏｆｉｌｅ）はネットワーク４に接続されている機器の情報や状態をプロファイル情報として格納する。辞書ファイル格納部２００２にはテレビ用、チケット検索用、メール書き用など様々なドメインに対応した辞書ファイルが格納されている。言語モデル格納部２００３にはテレビ用、チケット検索用、メール書き用など様々なドメインに対応した言語モデルが格納されている。音響モデル格納部２００４には、話し言葉用、読み上げ音声用など様々な話し方や様々な環境下な対応可能な音響モデルが格納されている。これら辞書ファイル、言語モデル、音響モデルはあらかじめ用意しておいてもよいし、必要に応じてサーバーからダウンロードする形態をとることも可能である。認識結果蓄積部２００５には認識結果が格納される。

図２１、図２２は音声認識機器プロファイル格納部２００１を説明するための図で、図２１に示すように、音声認識機器プロファイル格納部２００１には、携帯電話、電子レンジ、パソコン、およびロボットの各プロファイル情報、並びにデフォルトのプロファイル情報を登録しておくことができる。各プロファイル情報には、図２２に示すように機器固有のプロファイルのＩＤ、機器の状態としてＯＮ／ＯＦＦ情報、機器の情報として、メーカー名、型番、プロセッサーの性能、マイク特性、ＩＰアドレス、各々の機器にとって重要なキーワードや、その他各機器に搭載されている音声認識システムの特徴も格納しておくことができる。ここでいうキーワードとは、炊飯器における「炊飯」などのキーワードである。

以上のように構成した実施の形態３の動作を図２３、図２４に示すフローチャートを用いて説明する。電子レンジ２がＰＣ１に認識結果の保証または認識依頼を行うとして説明する。

図２３が保証／認識を依頼する側である電子レンジ２のフローチャートである。処理がスタートすると（Ｓ２３０１）、入力部２０１で入力された音声に対して認識部２０２で音声を検出し、音声に対して音声認識を行う（Ｓ２３０２）。音声認識の結果を表す認識結果信号２４１に対して依頼判定部２０３で他の機器への保証の必要があるかどうかを判定する（Ｓ２３０３）。判定は、例えば入力音声が長い場合、言語の尤度が低い場合などの判断基準を用いて入力された音声の全体について正しいかどうかを依頼したい場合には認識依頼を、入力音声のうちの一部分だけの保証を求めたいときには保証依頼を依頼するように判断すればいい。

より具体的には、例えば、入力音声がｘ秒以上の場合に入力音声が文であると考えて認識依頼を行い、ｘ秒未満の時は単語であると考え保証依頼をする。またｘ秒以上であっても、ある特定の候補の区間のみ言語尤度がある決められた閾値よりも低い、もしくは第二候補との尤度差が小さい、音響尤度が低いなどの基準を用いることでその区間で認識されている単語候補の保証を依頼することができる。

前記判定結果に応じて処理を分岐させる（Ｓ２３０４）。保証もしくは認識依頼の必要があると判断した場合は、インターフェース部２０６において送信依頼内容信号２３１をもとに他の機器へ依頼する送信依頼メッセージ信号２３５を作成する（Ｓ２３０５）。

このとき、音声認識機器プロファイル２００１を参照し、性能の高い機器あるいは、自機器（電子レンジ）と発声される単語が似ている機器、あるいは場所的に近くにある機器に対してのみメッセージを送るようにメッセージを作成することが望ましい。性能の高い機器であることの判断は、プロファイル内のプロセッサー情報や音声認識の性能を見ることで判断できる。

より具体的には、自機器プロセッサーの性能が良いもの（ＭＨｚで高いもの）であるとか自機器が単語認識であるなら文章入力を受け付ける連続音声認識に対してメッセージを送るといった指標を利用すればいい。

また場所的に近いと言う指標として、マイク位置が近くにあるもののみに送るとして場所情報が同じ機器にのみ送るとか、発声される単語が似ている機器として、辞書ファイルを比較し包含関係から近さを図ることもできる。また言語モデル間の近さを相互情報量などの指標を用いて利用することも可能である。

前記メッセージをネットワークを通じて送信する（Ｓ２３０６）。

次に、他の機器から送られてくる保証依頼結果もしくは認識依頼結果を表す受入応答メッセージ信号２３６を受け取り（Ｓ２３０７）、そのメッセージを解釈し受入応答内容信号２３２として認識結果確定部２０４に送信する（Ｓ２３０８）。前記受入応答内容信号２３２と依頼判定部２０３から送られる認識部２０２における認識結果の、どの部分を保証依頼もしくは認識依頼したかという情報を付与した認識結果依頼情報付き信号２４２をもとに音声認識の再評価を行い、その結果を出力内容信号２２２として出力部２０７に送信する（Ｓ２３０９）。前記再判定後の認識結果である出力内容信号２２２をディスプレイあるいは機器の出力部２０７へと出力し、また同様に依頼応答部２００６にその結果を認識結果格納信号２４３として出力する（Ｓ２３１０）。その後、音声認識処理に戻る（Ｓ２３０２）。

また、Ｓ２３０４で保証依頼も認識依頼も必要ないと判断された場合は、Ｓ２３０２の認識結果信号２４１をそのまま出力内容信号２２２として認識結果確定部２０４から出力部２０７に出力する（Ｓ２３１０）。

図２４に認識依頼を受けたＰＣ１側のフローチャートを示す。処理がスタートすると（Ｓ２４０１）、他の機器から受入依頼メッセージ信号２３８が入力されるまで待つ（Ｓ２４０２）。入力があった場合は、前記受入依頼メッセージ２３８を受信し（Ｓ２４０３）、前記受入依頼メッセージ２３８をインターフェース部２０６で解釈し受入依頼内容信号２３４が応答依頼部２０５に入力される（Ｓ２４０４）。Ｓ２４０５で前記受入依頼内容信号２３４に応じて処理が分岐する。保証依頼の場合には、受入依頼内容信号２３４をもとに依頼応答部２００６で保証の判定を行い、その結果を送信応答内容信号２３３としてインターフェース部２０６に出力する（Ｓ２４０６）。保証判定は認識結果蓄積部２００５に格納された認識履歴を使うことが可能である。

また、受入依頼メッセージに音声が含まれている場合には、依頼メッセージに含まれる依頼元のシステム情報をもとに必要に応じて対応する辞書ファイル、言語モデルや音響モデルを辞書ファイル格納部２００２、言語モデル格納部２００３、音響モデル格納部２００４から選択し、それらモデルをもとに前記音声を認識し、その結果を用いて保証の判定をすることも可能である。

一方、メッセージが認識依頼である場合には認識方法を設定し、前記受入依頼内容信号２３４をもとに依頼応答部２００６で音声認識を行い、その結果を送信応答内容信号２３３としてインターフェース部２０６に出力する（Ｓ２４０７）。このとき、音声認識は入力された機器のプロファイルにあわせて行うほうが良い。そこで音声認識に用いる言語モデルや音響モデル、辞書ファイルを辞書ファイル格納部２００２、言語モデル格納部２００３、音響モデル格納部２００４から選択し、それらモデルをもとに音声の認識を行う。認識対象の音声は、依頼メッセージと共に対象となる音声が電子レンジ２に送られてきた場合にはそれを対象に行う。インターフェース部２０６は前記送信応答内容信号２３３をもとに送信応答メッセージ信号を作成する（Ｓ２４０９）。インターフェース部２０６は前記送信応答メッセージ信号を依頼もとに返信する（Ｓ２４１０）。

かかる構成によれば、ネットワーク上に接続された音声認識において、保証依頼や認識依頼をするかどうかを判断する依頼判定部２０３と他の音声認識器と通信を行うインターフェース部２０６と他の機器の結果を利用し再度認識処理を行う認識結果確定部２０４と他の機器からの依頼に答えるために依頼応答部２００６と機器のプロファイル情報を格納する音声認識機器プロファイル格納部２００１を有すことにより、最適な音声認識のセッティングのもとでより計算リソースの高いＰＣなどの機器を用いて認識が可能となり、例え十分な性能を持たない機器であっても、自機器の能力を超えた音声認識の性能を実現で
きるようになる。性能の高い機器であっても、同等の性能の異なる特徴をもつ認識器により保証、認識依頼を行うことで自機器の能力を超えた音声認識の性能を実現できるようになる。

（実施の形態４）
図２５に本発明の実施の形態４の構成図を示す。音声情報蓄積部２５０１は自機器の入力部２０１に入力された音声を蓄積する。他の構成は実施の形態３と同じであるので説明は省略する。このように、音声を常に蓄積しておく音声情報蓄積部２５０１を設けることで、受入依頼メッセージ信号２３８によって認識依頼を受けた際に、その蓄積された音声を用いて認識を行うことが出来るようになる。

これにより、自機器に近い機器には同じ音声が蓄積されるので、依頼メッセージとともに音声を送る必要がなくなり、また依頼元の機器のプロファイル情報に応じて音声の認識を行うことが出来るようになり、ネットワーク上の負荷を減らす事が出来るようになり、また依頼を受けた側の収音性能が高い場合には、より確実に音声の認識が出来るようになる。その結果、依頼元の認識器側では、より確実に保証や認識を依頼できるようになり自機器の能力を超えた音声認識の性能を実現できるようになる。さらに、ネットワーク上の負荷を減らすことが出来るようなるという効果も得られる。

すなわち、この構成により、依頼を受けた側の収音性能が高い場合には、依頼元に比べて確実に音声の認識が可能であるので、依頼を受けた側の音声認識装置の音声情報蓄積手段に蓄積された音声情報に基づいて認識することにより、音声入力の音声認識の誤りを訂正することや、単体の音声認識では受理できない音声入力に対しても複数の音声認識装置が連携し合って認識することが可能になる。

（実施の形態５）
図２６に本発明の実施の形態５の構成図を示す。音声情報蓄積部２５０１は自機器の入力部２０１およびネットワーク４を介して音声情報を蓄積する。他の構成は実施の形態３と同じであるので説明は省略する。このように、ネットワーク４につながれた機器に入力された音声を常に蓄積しておくように音声情報蓄積部２５０１を構成することで、受入依頼メッセージ信号２３８によって認識依頼を受けた際に、確実に一番近くで収集された音声を用いて認識を行うことが出来るようになる。

これにより、確実に最適な音声に対して、最適な音声認識のセッティングのもとで、より計算リソースの高いＰＣなどの機器を用いて認識が可能となる。したがって、依頼もとの認識器側では、より確実に保証や認識を依頼できるようになり自機器の能力を超えた音声認識の性能を実現できるようになる。

（実施の形態６）
図２７に本発明の実施の形態６の構成図を示す。本実施の形態では、図２に示す実施の形態１に、音声認識機器プロファイル格納部２００１と音声情報蓄積部２５０１と、さらに通知判定部３００１を有している。

通知判定部３００１は、認識結果を表す認識結果格納信号２４３と音声認識機器プロファイル信号２０１１に含まれる各機器のキーワード情報を元に、どの機械に通知を行うかを判定する。また、本実施の形態の通知機能付きインターフェース部３００２は実施の形態１のインターフェース部２０６の機能に加えて、通知判定部３００１の出力である通知メッセージ信号３０１２を出力する。

通知メッセージは、例えば図２８のように構成できる。この通知メッセージは、ＩＰア
ドレス１９２．１６８．０．１の機械からＩＰアドレス１９２．１６８．０．２の機械に対して、“時刻２００３年２月１３日８時２３分５１秒から時刻２００３年２月１３日８時２３分５３秒までの間に、「温め」という単語が入力された“ということを通知するメッセージを意味する。

図２９に本実施の形態の通知機能を実現する動作のフローチャートを示す。Ｓ２３０１からＳ２３１０までは図２３の説明と同じであるので省略する。Ｓ２３１０に続き、通知判定部３００１は認識結果格納信号２４３と音声認識機器プロファイル信号２０１１に含まれる各機器のキーワード情報を元に、どの機械に通知を行うかを判定し、ネットワーク４を通じて該当機器に送信する（Ｓ３１０１）。判定方法は、認識結果の単語がキーワードに含まれているかどうかで判定する。

かかる構成によれば、音声認識機器プロファイル格納部２００１に格納されたキーワード情報に合わせ、他の機器がその重要なキーワードを認識した場合、その旨を該当機器に通知することができるようになる。これにより、たとえこのキーワードに該当する機器でキーワードの認識を失敗しても、他の機器にそれを通知してもらうことで、キーワードの入力があったことを逃さないようにすることができ、自機器の認識機の能力を超えた認識を実現できる。

例えば、「録画」という単語はビデオなどの機器にとって重要なキーワードとなる。そこで、例えばビデオ以外のある機器が「録画」という単語を認識した場合は、その情報をビデオに送ることが出来る。このような連携動作により、ビデオに付属の認識が失敗していた場合でも逃さず認識が可能となる。

（実施の形態７）
図３０は本発明の実施の形態７の連携型の音声認識部１０１の構成図である。本実施の形態では、図２に示す実施の形態に、音声認識機器プロファイル格納部２００１と信頼度情報格納部２７０１を有している。信頼度情報格納部２７０１にはネットワーク４に接続されている機器から受ける受入応答メッセージ信号２３６に対する信頼度情報が格納される。

図３１に示すように、信頼度情報は送信元の機器情報が分かるようにＩＰアドレス等とともに予め格納される。以上のように構成した実施の形態７によれば、各機器からのメッセージに対して信頼度を考慮することで、より正確に認識を行うことが出来るようになる。その動作を図３２のフローチャートをもとに説明する。

図３２は保証／認識を依頼する側である電子レンジ２のフローチャートである。処理がスタートすると（Ｓ２９０１）、音声を検出し音声認識を行う（Ｓ２９０２）。前記音声認識の結果を表す認識結果信号２４１に対して依頼判定部２０３で他の機器への保証や認識依頼の必要があるかどうかを判定する（Ｓ２９０３）。

判定は、例えば入力音声が長い場合、言語の尤度が低い場合などの判断基準を用いて入力された音声の全体について正しいかどうかを依頼したい場合には認識依頼を、入力音声のうちの一部分だけの保証を求めたいときには保証依頼を依頼するように判断すればいい。より具体的には、例えば、入力音声がｘ秒以上の場合に入力音声が文であると考えて認識依頼を行い、ｘ秒未満の時は単語であると考え保証依頼をする。またｘ秒以上であっても、ある特定の候補の区間のみ言語尤度が、特定の閾値よりも低い、もしくは第二候補との尤度差が小さい、音響尤度が低いなどの基準を用いることでその区間で認識されている単語候補の保証を依頼することができる。

前記判定結果に応じて処理を分岐させる（Ｓ２９０４）。保証もしくは認識依頼の必要があると判断した場合は、インターフェース部２０６において送信依頼内容信号２３１をもとに他の機器へ依頼する送信依頼メッセージ信号２３５を作成する（Ｓ２９０５）。このとき、音声認識機器プロファイル２００１を参照し、性能の高い機器あるいは、自機器（電子レンジ）と発声される単語が似ている機器、あるいは場所的に近くにある機器に対してのみメッセージを送るようにメッセージを作成することが望ましい。また、信頼度情報格納部２７０１からの信頼度情報信号２７１１を元に依頼先を決めることができる。

前記メッセージをネットワーク４を通じて送信する（Ｓ２９０６）。他の機器から送られてくる保証依頼もしくは認識結果を表す受入応答メッセージ信号を受け取り（Ｓ２９０７）、そのメッセージを解釈する（Ｓ２９０８）。信頼度情報信号２７１１を元に、受入応答内容信号２３２に信頼度を付与する（Ｓ２９０９）。他の機器からの保証結果あるいは認識結果を考慮し認識結果を再判定する（Ｓ２９１０）。このとき複数の認識器から結果が得られている場合は信頼度をもとに優先度を決め上位Ｎ個もしくは信頼度Ｘ以上の機器の結果を利用する。前記再判定後の認識結果である出力内容信号２２２をディスプレイあるいは機器の出力部７へと出力し、また同様に依頼応答部２０５にその結果を認識結果格納信号２４３として出力する（Ｓ２９１１）。そして、Ｓ２９０２の認識処理に戻る。また、Ｓ２９０４で保証あるいは認識依頼の必要がないと判定された場合には、Ｓ２９０２の認識結果信号２４１をそのまま出力部２０７に出力する（Ｓ２９１１）。

一方、依頼を受けたＰＣ側の動作に関しては、図２４で示した実施の形態３の動作と同じであるので省略する。

かかる構成によれば、他の機器からのメッセージに対して信頼度情報をもとに重み付けをすることで、信頼度の高い機器からの保証や認識結果を利用でき、より確実に正しい認識結果を得ることが出来るようになる。

（実施の形態８）
図３３は本発明の実施の形態８の機器連携型の音声認識の構成図である。本実施の形態では、図２に示す実施の形態１に、音声認識機器プロファイル格納部２００１と機器状態検出部３３０１がインターフェース部２０６に接続されている。機器状態検出部３３０１は、自機器がネットワーク４に接続されたかどうか、あるいは電源が入っているかどうかといった状態を検出する機能を有し、自機器がネットワークに接続された場合にＰｌｕｇ＆Ｐｌａｙで機器が使えるように自機器の設定を行う機能を有する。また電源が入ったとき、あるいは切れたときに自機器の設定を自動的に行う、さらにはネットワークの他の機器に電源が入っていないことを知らせることができる機能を有する。

以上のように構成した実施の形態８の動作を図３４、図３５を用いて説明する。図３４は本実施の形態８に係る連携型の音声認識部１０１を備えた機器を用いたシステム構成図である。図１に加え、音声認識サーバー５が接続されており、このネットワーク４に洗濯機６がＰｌｕｇ＆Ｐｌａｙで接続されるとする。音声認識サーバー５は、ＳＲＳＰを管理するサーバーとして機能するとする。

図３５（ａ）〜（ｃ）に示すフローチャートでその動作を説明する。

図３５（ａ）において、処理がスタートすると（Ｓ３５０１）、新たに追加される機器（洗濯機６）がネットワーク４に接続されたかどうかをチェックする（Ｓ３５０２）。Ｓ３５０３で分岐をし、接続された場合はＳ３５０４に、接続されていない場合はＳ３５０２に戻る。洗濯機６が接続された場合、洗濯機６は音声認識サーバー５を検索する（Ｓ３５０４）。サーバーが見つからなかった場合、ＳＲＳＰをネットワーク４上にブロードキ
ャストし（Ｓ３５０９）。一方サーバーが見つかった場合、サーバーにＳＲＳＰをアップロードする（Ｓ３５０６）。

図３５（ｂ）において、音声認識サーバー５はアップロード情報を検出すると（Ｓ３５１４）、受け取ったＳＲＳＰを元にＳＲＳＰを更新し（Ｓ３５１０）、その結果をブロードキャストする（Ｓ３５１１）。

そして、図３５（ｃ）において、そのブロードキャストされた更新情報を各機器が検出すると（Ｓ３５１５）、各機器は更新情報を受け取り（Ｓ３５１２）、ＳＲＳＰを更新する（Ｓ３５１３）。

このように動作することで、新たな機器が付け加わったとしても、その情報が各機器にまで行き渡り実施の形態１~５に示した動作を実現することが出来るようなる。また、ステップ３５１１でサーバー５は更新したＳＲＳＰをブロードキャストしたが、ＳＲＰＳに登録されている機器に直接情報をアップロードすることも可能である。

次に電源を消したときの動作を説明する。電源を消すときには音声認識サーバー５にこれから電源がきれるという情報を送る。その情報をサーバー５がブロードキャストあるいはＳＲＳＰに登録された機器に直接おくることで、各機器におかれているＳＲＳＰ内の当該機器の電源状態の状態をＯＦＦに更新することが出来る。また逆に、電源をいれる際には、図３５に示した機器のＰｌｕｇ＆Ｐｌａｙの設定と同じ操作を行うことで電源がＯＮになったなどの情報を自動的に更新設定することが出来る。

一方、サーバーの電源を切る場合には、ネットワークに置かれる機器に電源が切れる旨の情報をブロードキャスト、あるいはＳＲＳＰに登録された機器に送ることで、サーバー５のＯＮ／ＯＦＦ情報を各機器が分かるようにＳＲＳＰの更新を行うことが出来るようになる。また、サーバー５の電源が切れる前に、第２のサーバーを指定することも出来る。このときサーバーは第２のサーバーにサーバー依頼信号を送ることで実現できる。この依頼を受けた第２のサーバーは自機器がサーバーになったことをブロードキャストあるいはＳＲＳＰに登録されている機器に送ることで全ての機器の情報を更新できる。

かかる構成によれば、本発明の機器連携型の音声認識装置を搭載した機器をネットワーク４に接続するだけで、ＳＲＳＰをサーバーからダウンロードし、自動的にネットワーク上にある他の機器の認識器と連携し音声の認識が出来るようにすることが出来る。また既にネットワークに接続されている機器であっても、電源を入れた場合にはＳＲＳＰをダウンロードすることで電源が入っていなかったときのネットワークの状態を更新することができ、矛盾を起こすことが無くなるという効果をもたらす。また、電源を切る際にもその情報をネットワークに接続されている機器に知らせることでも、無駄な認識依頼、保証依頼を送らずにすむ、またサーバーの電源を落とす際に、第２のサーバーが自動的に立ち上がることで、たとえ第１のサーバーが立ち上がっていなくても、新たな機器の設定もＰｌｕｇ＆Ｐｌａｙのように自動的にできるという効果をもたらす。

（実施の形態９）
図３６は、本発明の音声認識装置の実施の形態９を示す構成図である。電子レンジ２には計算リソースの関係上、単語の認識を行える音声認識部３６０１が搭載されており、一方、ＰＣ１には文の認識が行える音声認識部３６０２が搭載されている。

一般に電子レンジ２はユーザによる連続的な単語の発声である「冷凍、ご飯、温め」というような入力発声に対して、図３７に示すように、各単語をスポッティング的に認識する。その結果、連続音声認識で用いるＮ−ｇｒａｍのような前後の単語の文脈情報を使う
ことはないため、多くの場合、音声認識誤りを起こすか、あるいは図３７のように第一の候補と第二の候補の尤度差が小さくなり、確信をもって認識結果を信頼するには至らない。図３７の場合、「温め」と「炒め」の両方が誤認識されている。

そこで、本発明の音声認識装置を利用すると、電子レンジ２は、「温め」の認識が正しいかどうかをネットワーク４に接続されていたＰＣ１に問い合わせをする。問い合わせは、ブロードキャストで行い図１１に示した送信依頼メッセージをネットワーク４を通じて送信する。ＰＣ１はこの依頼メッセージを受け、依頼応答部２０５に格納された自機器での認識結果を参照し、その保証結果を返す。ＰＣ１に搭載された音声認識部３６０２では、入力される単語の前後文脈を考慮した言語モデルをもった認識部１２０２が搭載されているので、「冷凍ご飯炒め」ではなく「冷凍ご飯温め」の方がもっともらしいと、電子レンジ２に搭載された音声認識部３６０１に比べて認識することが可能である。そのため、電子レンジ２は、ＰＣ１に保証依頼を出すことにより、「温め」の方が信頼できる結果だということを保証してもらうことが可能になる。

図３８は本実施の形態９の電子レンジ２の構成を示す図で、電子レンジに搭載された意味理解部３７０２は音声認識部３６０１の結果である認識結果信号３７１１をもとにユーザの意味を理解し、機器制御部３７０３は意味理解部３７０２の出力である意味理解結果３７１２を用いて各種機器の制御を行う。

以上の動作により、電子レンジ２の動作を「冷凍ご飯の温め」とすることが出来る。ここで意味理解方法として、認識結果信号３７１２をもとに、図３９に示すように、電子レンジのフレーム表現を求めればよい。認識結果の各単語のフレームへの当てはめは、単語のもつ属性値をもとに簡単に求められる。フレーム表現は、電子レンジの動作によりあらかじめ作成しておくことが可能である。今回の電子レンジの動作は、図３９に示すように、「どのような状態」（属性）の「何」（対象）を「どうするのか」（動作モード）という３つの属性のフレームを構成する属性スロットとして用意した。

以上のように、本発明の音声認識装置を利用することで、電子レンジ２のように計算リソースの少ない機器であっても、より高性能な音声認識を搭載したＰＣ１から保証を得るように連携することにより、性能の高い認識を行うことが可能になる。

また、ここではネットワーク４に接続されている機器を電子レンジ２とＰＣ１の２種類としたが、図３４のように３種類以上の機器が接続していても構わない。このとき、実施の形態３で示したように、音声認識機器プロファイル２００１に格納されたプロファイル情報をもとに保証依頼を行う機器を決定するように連携処理を行うことで、自機器よりも性能の高い機器に対して確実に保証依頼を行うことが出来るようになる。図３４のように構成されたネットワーク４上の電子レンジ２についてはＰＣ１や音声認識サーバー５に保証依頼を行うようにすればよい。

また、実施の形態４のように、ＰＣ１や音声認識サーバー５は、自機器のマイクを通して蓄積された音声に対して、電子レンジに関係する辞書ファイル、言語モデル、音響モデルを用いて、音声認識を行うように構成することが出来る。このように構成することで、電子レンジ２のドメインに合わせて連続音声認識を行い、その結果を用いて電子レンジ２からの依頼に対して保証結果を返すことが出来るようになる。

また、実施の形態５のように、ＰＣ１や音声認識サーバー５はネットワーク４を通じて得られる各機器上で得られた音声に対して、電子レンジに関係する辞書ファイル、言語モデル、音響モデルを用いて、音声認識を行うように構成することが出来る。このように構成することで、電子レンジ２のドメインに合わせて連続音声認識を行い、その結果を用い
て電子レンジ２からの依頼に対して保証結果を返すことが出来るようになる。これにより、たとえ発声者とＰＣや音声認識サーバーのようなより強力な機器の位置が離れていたとしても、認識することが可能となる効果をもつ。

また、実施の形態７のように、依頼先から得られる保証結果に対して信頼度を付与して重みをつけるように構成できる。例えば、ネットワーク４上に、保証依頼元であるＡ社製電子レンジ２、そして保証依頼先であるＰＣ１、音声認識サーバー５、オーブン、Ｂ社製電子レンジ、そして炊飯器が接続されているとする。このとき、信頼できる依頼先として、ＰＣ１、音声認識サーバー５、そして同じドメインの認識機が載っているＢ社製の電子レンジが考えられ、保証結果に対する信頼度を１とする。またオーブンのように似たような操作系をもつ機器からの結果に対する信頼度を０．３、そして炊飯器からの返答に対する信頼度を０とすることで、ネットワーク上のリソースを有効に利用して認識が行えるように構成することが出来るようになる。

また、ここでは電子レンジに搭載の音声認識装置の機能として連続単語認識であるとしたが、ＰＣと同じように連続音声認識が搭載されている場合でも利用できる。この場合でも、ユーザの認識を１００％可能な音声認識は存在しないことからも分かるように、他の機器からの保証結果を利用する事でより信頼度の高い音声認識結果を得ることが出来るようになる。

また、ここでは電子レンジ２を対象にして説明したが、炊飯器、冷蔵庫などの家電品、またステレオやカーナビゲーションなどのＡＶ機器、ナビゲーション機器、さらにはＰＤＡ機器の操作やＰＤＡやＰＣ上のアプリケーション用の音声認識器が保証もとになっても使用可能である。

（実施の形態１０）
図４０は本発明の実施の形態１０を示す構成図であって、電子レンジ４００１には計算リソースの関係上、単語の認識が行える音声認識部４０１１が搭載されており、一方、ＰＣ４００２の方には文の認識が行える音声認識部４０１２が搭載されている。また、ＰＣ４００２にはネットワーク４に接続された機器に対するヘルプシステム、さらにはレシピ検索などのアプリケーションが搭載されている。そして電子レンジ４００１は、ＰＣ４００２上にダウンロードされたレシピ情報に記載されたプログラム情報により料理方法が逐次更新出来るようにされたネット家電型の電子レンジであるとする。

以上のように構成された電子レンジ４００１上で動作する音声認識機能は、実施の形態１で示したような連続単語発声によるコマンドタイプのものではなく、例えば、「今日のお勧めレシピは？」のように新たなレシピを確認するような発話や、「必要な材料は何？」といった検索を行う発話や、「牛乳２００ｍｌ？」といった確認を行うような発話、さらには、「どうやってレシピダウンロードするんだっけ？」といったヘルプを要求する発話などが行われるため、新たなレシピにあわせた自由な発声に対応可能な音声認識機能が必要となる。しかし、電子レンジ４００１上の音声認識部４０１１はリソースが限られているために、上記発声を認識できるような連続音声認識を搭載することはできない場合が多く、基本的には「冷凍、ご飯、温め」のような連続単語発声に対して対応可能な認識機がのる場合が多い。そこで、電子レンジ４００１に搭載の機器連携型音声認識部４０１１は、ユーザの発声がｘ秒以上であるならば、入力された音声が文であると考えＰＣに対して音声認識を依頼する。また、例えば「ご飯」と「牛乳」など、意味的に合わない単語が同時に認識されているというような言語的な知識や、音響スコアが全体的に低いなどのような情報を用いて、文全体の認識を依頼する必要があるかどうかを判定する。

また、上記実施の形態では電子レンジ４００１上の認識として連続単語認識を想定し説
明したが、連続音声認識が搭載できたとした場合でも、新たなレシピ情報がダウンロードされてくるなど、認識すべき文の対象が前もって限定できない場合には、ユーザの発声を認識できない場合が多くなる。そこで、連続音声認識を用いている場合であっても、言語の尤度が低いなどの情報を用いて入力音声全体の信頼度を測り、その値を元に、他の機器に認識を依頼するように判断できる。

上記のような基準にもとづき、認識依頼が必要であると判断された場合、電子レンジ４００１に搭載された音声認識部４０１１は、他の機器に対して図４１に示すような認識依頼メッセージを送信する。依頼された機器は送信されてきた音声データをもとに、認識を行いその結果を電子レンジ４００１に返信する。返信結果を受けた電子レンジ４００１は、その結果を元に、認識の再判定を行い認識結果を求めることが出来る。再判定の方法としては、より高性能なＰＣ４００２に依頼を出していることから、返信の値を優先するとすることが出来る。

また、本実施例では、ネットワーク４上に接続されている機器として電子レンジ４００１と、ＰＣ４００２を想定していたが、それ以外にも、冷蔵庫、音声認識サーバーなど3種類以上の機器が接続されている状況も考えてよい。その場合に、このとき、実施の形態３で示したように、音声認識機器プロファイル２００１に格納されたプロファイル情報をもとに認識依頼を行う機器を決定するように連携処理を行うことで、自機器よりも性能の高い機器に対して確実に認識依頼を行うことが出来るようになる。図３４のように構成されたネットワーク上の電子レンジについてはＰＣや音声認識サーバーに認識依頼を行うようにすればよい。

また、実施の形態４のように、ＰＣ１や音声認識サーバー５は、自機器のマイクを通して蓄積された音声に対して、電子レンジに関係する辞書ファイル、言語モデル、音響モデルを用いて、音声認識を行うように構成することが出来る。このように構成することで、電子レンジのドメインに合わせて連続音声認識を行い、その結果を返すことが出来るようになる。

また、実施の形態５のように、ＰＣ１や音声認識サーバー５はネットワーク４を通じて得られる各機器上で得られた音声に対して、電子レンジに関係する辞書ファイル、言語モデル、音響モデルを用いて、音声認識を行うように構成することが出来る。このように構成することで、電子レンジのドメインに合わせて連続音声認識を行い、その結果を用いて電子レンジからの依頼にたいして認識結果を返すことが出来るようになる。これにより、例え発声者とＰＣや音声認識サーバーのようなより強力な機器の位置が離れていたとしても、認識することが可能となる効果をもつ。

また、実施の形態７のように、依頼先から得られる認識結果に対して信頼度を付与して重みをつけるように構成できる。例えば、ネットワーク上に、認識依頼元であるＡ社製電子レンジ、そして保証依頼先であるＰＣ、音声認識サーバー、オーブン、Ｂ社製電子レンジ、そして炊飯器が接続されているとする。このとき、信頼できる依頼先として、ＰＣ、音声認識サーバーが考えられ、認識結果に対する信頼度を１とする。また同じドメインの認識機が載っているＢ社製の電子レンジ、オーブンのように似たような操作系をもつ機器からの結果に対する信頼度を０．３、そして炊飯器からの返答に対する信頼度を０とすることで、ネットワーク上のリソースを有効に利用して認識が行えるように構成することが出来るようになる。

また、ここでは電子レンジを対象にして説明したが、炊飯器、冷蔵庫などの家電品、またステレオやカーナビゲーションなどのＡＶ機器、ナビゲーション機器、さらにはＰＤＡ機器の操作やＰＤＡやＰＣ上のアプリケーション用の音声認識器が依頼元になっても使用
可能である。

（実施の形態１１）
図４２に本発明の実施の形態１１の構成図を示す。ネットワーク４上に複数の機器、例えば、ＰＣ４００１、電子レンジ４２０２、冷蔵庫４２０３、洗濯機４２０４、音声認識サーバー４２０５が接続されている。各機器は家の中に分散して配置されている。ユーザは、部屋の中の任意の場所から各機器の動作を音声により指示できるようになっている。

部屋の中にいるユーザは電子レンジ４２０２に向けて「温め」という命令を発声する。しかし、今、ユーザは電子レンジ４２０２から離れており、その距離では電子レンジ４２０２に搭載の音声認識部１０１ではユーザの発声を上手く認識できない。その代わり、ユーザの近くＰＣ４００１がある。このような状況を考えると、電子レンジ４２０２の認識は失敗をしてしまうが、ＰＣ４００１では電子レンジ４２０２にとって重要なキーワードである「温め」が認識できることになる。

すなわち、ＰＣ４００１で認識された結果である「温め」を上手く使い電子レンジ４２０２でも認識結果を得ることが出来る。図４３に示すように、ＰＣ４００１は音声認識機器プロファイル格納部２００１でネットワーク４に接続された機器にとって重要なキーワードをもとに、自身で認識した結果「温め」を、電子レンジ４２０２に通知する。電子レンジ４２０２は、この通知をうけ、他の機器（ここでは音声認識サーバー４２０５）に対して、その保証の問い合わせを行う。これにより、たとえ電子レンジ４２０２では認識が上手くいっていなかったとしても、他の機器からの通知、そして保証確認を使うことにより「温め」を認識することが出来るようになる。

（実施の形態１２）
図４４は、本発明の実施の形態１２を示すシステム構成と動作を示した図である。電子レンジ４２０２に搭載の音声認識部１０１は、認識に失敗したとする。そのとき、電子レンジ４２０２は、他の強力な音声認識サーバー４２０５に対して認識を依頼する。しかし、その音声認識サーバー４２０５でも、上記音声を認識するにあたってちょうど対応する言語モデルなどがないとする。その場合、前記音声認識サーバー４２０５は、また別途異なるサーバー（例えば、ＰＣ４００１）に対して依頼を行う。このような連鎖を繰り返すことで音声の認識結果を、ユーザと機器との距離に応じずネットワーク４上に置かれた機器を用いて認識を行うことが出来るようになる。

（実施の形態１３）
図４５は、本発明の実施の形態１３における音声認識装置を用いたシステム構成図である。音声認識を行う音声認識サーバー４５０１は、例えば家庭内などに作られたローカルなネットワーク環境４とインターネットなどを介してつながっている。ユーザは音声認識による家電機器などのコントロールを家庭内に構築するのではなく、インターネット上のサービスサイトとして用意された音声認識サーバー４５０１を利用する。このようにすることで、ユーザはあらかじめ高価なサーバーを買う必要がなく、必要に応じて課金サーバー４５０２で課金されるようにシステムを構成できる。

また、音声認識サーバー４５０１にダウンロードサービスを持たせておくことも有効である。音声認識サーバー４５０１はユーザからの要求に応じて、辞書ファイル、言語モデル、音響モデルをダウンロードできるサービスももつ。ここで、ダウンロードごとに課金サーバー４５０２によって課金するように構成できる。

本発明にかかる音声認識装置は、ネットワークに接続された音声認識装置が連携して協
調し合うことで、各々の機器単体で認識出来る以上に、単語や文のバリエーションの認識が可能となるという効果を有し、ユビキタスコンピューティング、情報家電、カーナビゲーションなどの分野で有用である。

本発明の実施の形態１における音声認識装置を備えた機器を用いたシステム構成図 本発明の実施の形態１における音声認識部の構成を示す図 本発明の実施の形態１における音声認識装置の保証依頼を行う機器（電子レンジ）のフローチャート 本発明の実施の形態１における音声認識装置の保証依頼を受けた機器（ＰＣ）のフローチャート 本発明の実施の形態１における音声認識装置の認識依頼を行う機器（電子レンジ）のフローチャート 本発明の実施の形態１における音声認識装置の認識依頼を受けた機器（ＰＣ）のフローチャート 本発明の実施の形態１における音声認識装置の保証依頼／認識依頼を同時に行なうときの依頼を行う側（電子レンジ）のフローチャート 本発明の実施の形態１における音声認識装置の保証依頼／認識依頼を同時に行なうときの依頼を行う側（ＰＣ）のフローチャート 本発明の実施の形態１における音声認識装置のメッセージの構成例を示す図 本発明の実施の形態１における音声認識装置のメッセージのタグ表現例を示す図 本発明の実施の形態１における音声認識装置の電子レンジのメッセージの例を示す図 本発明の実施の形態１における音声認識装置の他の例を示すブロック図 本発明の実施の形態１における音声認識装置の他のメッセージの例を示す図 本発明の実施の形態１における音声認識装置のＰＣから電子レンジへのメッセージの例を示す図 本発明の実施の形態１における音声認識装置のＰＣから電子レンジへの他のメッセージの例を示す図 本発明の実施の形態１における音声認識装置のＰＣから電子レンジへの更に他のメッセージの例を示す図 本発明の実施の形態１における音声認識装置のＰＣから電子レンジに認識を依頼するメッセージの例を示す図 本発明の実施の形態１における音声認識装置の認識依頼を受けたＰＣからの返信メッセージの例を示す図 本発明の実施の形態２における音声認識装置のブロック図 本発明の実施の形態３における音声認識装置のブロック図 本発明の実施の形態３における音声認識装置の音声認識機器プロファイル格納部の概要説明図 本発明の実施の形態３における音声認識装置の音声認識機器プロファイル格納部に記載された情報を示す図 本発明の実施の形態３における音声認識装置のフローチャート 本発明の実施の形態３における音声認識装置の他のフローチャート 本発明の実施の形態４における音声認識装置のブロック図 本発明の実施の形態５における音声認識装置のブロック図 本発明の実施の形態６における音声認識装置のブロック図 本発明の実施の形態６における音声認識装置のメッセージの例を示す図 本発明の実施の形態６における音声認識装置のフローチャート 本発明の実施の形態７における音声認識装置のブロック図 本発明の実施の形態７における音声認識装置の信頼度情報の例を示す図 本発明の実施の形態７における音声認識装置のフローチャート 本発明の実施の形態８における音声認識装置の構成図 本発明の実施の形態８における音声認識装置のシステム構成図 （ａ）本発明の実施の形態８における音声認識装置の追加機器のフローチャート（ｂ）同実施の形態８における音声認識装置のサーバーのフローチャート（ｃ）同実施の形態８における音声認識装置の各機器のフローチャート 本発明の実施の形態９における音声認識装置のシステム構成図 本発明の実施の形態９における音声認識装置の認識結果を示す図 本発明の実施の形態９における音声認識装置の構成図 本発明の実施の形態９における音声認識装置の意味理解の表現を示す図 本発明の実施の形態１０における音声認識装置のシステム構成図 本発明の実施の形態１０における音声認識装置のメッセージの例を示す図 本発明の実施の形態１１における音声認識装置のシステム構成図 本発明の実施の形態１１における音声認識装置の動作説明図 本発明の実施の形態１２における音声認識装置のシステム構成図 本発明の実施の形態１３における音声認識装置のシステム構成図

符号の説明

１ ＰＣ
２ 電子レンジ
３ 冷蔵庫
４ 洗濯機
５ 音声認識サーバー
６ 洗濯機
１０１ 音声認識部
２０１ 入力部
２０２ 認識部
２０３ 依頼判定部
２０４ 認識結果確定部
２０５ 依頼応答部
２０６ インターフェース部
２０７ 出力部
２２１ 入力音声信号
２２２ 出力内容信号
２３１ 送信依頼内容信号
２３２ 受入返答内容信号
２３３ 送信応答内容信号
２３４ 入依頼内容信号
２３５ 送信依頼メッセージ信号
２３６ 受入応答メッセージ信号
２３７ 送信応答メッセージ信号
２３８ 受入依頼メッセージ信号
２４１ 認識結果信号
２４２ 認識結果依頼情報付き信号
２４３ 認識結果格納信号
１２０１ ＩＰリストテーブル格納部
１２１１ ＩＰリストテーブル信号
２００１ 音声認識機器プロファイル格納部
２００２ 辞書ファイル格納部
２００３ 言語モデル格納部
２００４ 音響モデル格納部
２００５ 認識結果蓄積部
２０１１ 音声認識機器プロファイル信号
２５０１ 音声情報蓄積部
２５１１ 蓄積音声信号
２７０１ 信頼度情報格納部
２７１１ 信頼度情報信号
３００１ 通知判定部
３００２ 通知機能付きインターフェース部
３０１１ 通知内容信号
３０１２ 通知メッセージ信号
３３０１ 機器状態検出部
３３１１ 機器状態検出信号
３３１２ 機器状態通知メッセージ信号
３６０１、３６０２ 音声認識部
３７０２ 意味理解部
３７０３ 機器制御部
４５０２ 課金サーバー

Claims (18)

1. 音声情報が入力される入力手段と、前記入力された音声情報の音声認識を行う認識手段と、前記認識手段での認識結果について支援の依頼が必要かどうかを判定する判定手段と、前記判定手段から支援を依頼される他の機器が接続された回線手段と、前記他の機器から送られてくる前記支援の結果に基づいて前記認識結果を確定する確定手段と、前記確定された認識結果を出力する出力手段とを備えた音声認識装置。
2. 前記他の機器からの支援の依頼に対して応答する応答手段を備えたことを特徴とする請求項１に記載の音声認識装置。
3. 前記入力手段が、前記入力された音声情報を蓄積する音声情報蓄積手段を有し、前記応答手段が、前記他の機器からの支援の依頼に対して、前記音声情報蓄積手段に蓄積された音声情報に基づいて応答することを特徴とする請求項２に記載の音声認識装置。
4. 前記音声情報蓄積手段が、前記回線手段に接続された他の機器に入力された音声情報を蓄積することを特徴とする請求項３に記載の音声認識装置。
5. 前記回線手段が、前記回線手段に接続された他の機器のプロファイル情報を格納したプロファイル格納手段を有し、前記プロファイル情報に基づいて、前記支援を依頼する前記他の機器を決めることを特徴とする請求項１に記載の音声認識装置。
6. 前記プロファイル情報が、前記回線手段に接続された他の機器を特定する特定情報を有し、前記回線手段が、前記特定情報で特定された前記他の機器に前記認識結果の通知を行う通知判定手段を備えたことを特徴とする請求項５に記載の音声認識装置。
7. 前記回線手段が、前記回線手段に接続された他の機器の音声認識に関する信頼度情報を格納する信頼度情報格納手段を有し、前記確定手段が、前記信頼度情報に基づいて認識結果を確定することを特徴とする請求項１に記載の音声認識装置。
8. 前記回線手段が、前記回線手段に接続された他の機器の信頼度情報を格納する信頼度情報格納手段を有し、前記応答手段が、前記他の機器からの支援の依頼に対して、前記信頼度情報に基づいて応答することを特徴とする請求項２に記載の音声認識装置。
9. 前記入力手段が、前記入力された音声情報を蓄積する音声情報蓄積手段を有し、前記回線手段が、前記回線手段に接続された他の機器のプロファイル情報を格納したプロファイル格納手段を有し、前記応答手段が、辞書ファイル情報、言語モデル情報、及び音響モデル情報のうちの少なくともいずれかを格納する情報格納手段を有し、前記応答手段が、前記他の機器からの支援の依頼に対して、前記音声情報蓄積手段に蓄積された音声情報および前記プロファイル格納手段格納された前記プロファイル情報に基づいて、前記情報格納手段に格納された情報を選択して認識し応答することを特徴とする請求項２に記載の音声認識装置。
10. 前記回線手段が、前記回線手段への接続の状態を検出する検出手段を有し、前記接続の状態に変化があった場合、前記検出手段が、前記回線手段に接続された他の機器に前記接続の様態の変化を通知することを特徴とする請求項１に記載の音声認識装置。
11. 前記検出手段が、前記回線手段への接続の状態の変化を検出した場合、前記回線手段が、前記プロファイル格納手段に格納されているプロファイル情報を更新すると共に、前記回線手段に接続された他の機器に、前記接続の状態の変化を通知することを特徴とする請求
    項６に記載の音声認識装置。
12. 前記接続の状態の変化が、前記回線手段と前記他の機器との接続または離接、もしくは前記回線手段に接続された前記他の機器の電源の閉成または開放の少なくともいずれか一方であることを特徴とする請求項１０に記載の音声認識装置。
13. 前記認識手段が、前記入力手段に入力された音声情報の意味を理解する意味理解手段を有したことを特徴とする請求項１から請求項１２までのうちのいずれかに記載の音声認識装置。
14. 前記応答手段は、前記回線手段に接続された他の機器での認識結果をもとに、前記他の機器からの支援の依頼に対して応答することを特徴とする請求項２から請求項１３までのうちのいずれかに記載の音声認識装置。
15. 前記認識手段が、前記認識手段の利用に対して課金をする課金手段を有し、前記課金手段が、前記回線手段に接続される他の機器が前記認識手段に認識の支援の依頼をする場合に課金することを特徴とする請求項１から請求項１４までのうちのいずれかに記載の音声認識装置。
16. 前記回線手段に接続される少なくとも一つの他の機器の認識手段が前記課金手段を有し、前記回線手段がインターネット回線を有し、前記課金手段を有さない機器と前記課金手段を有する機器とが前記インターネット回線で接続されたことを特徴とする請求項１５に記載の音声認識装置。
17. 入力された音声情報の音声認識を行う手順と、他の機器に対して前記認識結果についての支援の依頼が必要かどうかを判定する手順と、前記他の機器から送られてくる前記支援の依頼の結果に基づいて前記認識結果を確定する手順と、前記確定された認識結果を出力する手順とを備えたことを特徴とする音声認識方法。
18. 前記他の機器からの支援の依頼に対して応答する手順を備えたことを特徴とする請求項１７に記載の音声認識方法。
    
    

Images