JP2006119520A - 音声認識装置及びその搭載車両 - Google Patents

Abstract

【課題】自然で違和感の少ない音響環境下で高精度の音声認識を可能とする。
【解決手段】指向性を有する指向性マイクロフォン５０に対して音声入力状態であることを検出したときに、複数のスピーカ４１〜４５のうち、音声認識の妨げとなるスピーカ４１、４２、４４の音響の出力を抑制し、出力が抑制されたスピーカ４１、４２、４４の音響を、抑制されなかったスピーカ４３、４５の音響に合成し合成音響を作成して出力する。このようにすれば、音声認識時に、発話者からの音声に混入する可能性のある必要最小限のスピーカ４１、４２、４４の出力を抑制するのみで音声認識率を向上でき、自然で違和感の少ない音響環境下で高精度の音声認識が可能になる。
【選択図】図２

Description

この発明は、マイク等の音声入力手段により入力された発話者の音声を認識する音声認識装置に関し、特に、指向性を強くしたマイクロフォンを使用する音声認識システムにおいて、カーオーディオが流れている場合の音声認識率を低下させることなく、車両搭載電子機器の音声認識による操作制御に適した音声認識装置及びその搭載車両に関する。

近時、車両には多数の電子機器が搭載されるようになり、その機能も一層高度化しつつある。このような中、車両に搭載されたナビゲーションシステム、オーディオシステム、あるいはエアコンディショナシステム等の電子機器の操作の容易化のため音声認識による遠隔操作を可能にする音声認識装置が提案されている。

ところで、例えばオーディオシステムが搭載された車両において、音声認識装置のマイクに対する発話者からの音声の入力時に、同時に、オーディオシステムのスピーカからの音響が入力され、音声認識の認識率が低下するという問題が指摘されている（特許文献１）。

この問題を解決するために、特許文献１に係る従来技術では、車両の前方及び後方にそれぞれ２つのスピーカが設けられている場合、音声認識時には、ステアリングホイールに埋め込まれたマイクロフォンに対する音響の影響が高い前方の２つのスピーカの音声出力を減衰し、後方の２つのスピーカからのみ音響が聞こえるように制御している。

特開２０００−１３２２００号公報（図２）

しかしながら、上記従来技術に係る音声認識装置においては、例えば、前方の２つの、換言すれば左右のスピーカからのみメインボーカルの音響が流され、主メロディ（主旋律）音響が後方のスピーカのみから流されている場合には、メインボーカルからの音響がミュートされて突然不自然な音響環境になるという問題がある。その逆の場合には、主メロディ音響がミュートされ同様に不自然な音響環境になるという問題がある。

また、一般的に、ステレオ用の左右のスピーカのみが取り付けられた車両において、マイクの指向性が運転席方向のみをカバーする範囲とされていた場合には、音声認識時に運転席側のスピーカのみをミュートすることが考えられるが、より不自然な音響環境になるという不具合がある。

特に、５．１チャンネルサラウンドシステムにおいては、各スピーカからそれぞれ独立の音響を出力することが可能であり、特定のスピーカをミュートした場合、きわめて不自然で違和感のある音響環境になるという問題があることを見いだした。すなわち、５．１チャンネルサラウンドシステムを併設する従来技術に係る音声認識装置では、音声認識用の音声入力時に、全てのチャンネルの音響を例えば−２０［ｄＢ］減衰させる必要がある。

この発明はこのような課題を考慮してなされたものであり、複数のスピーカのうち、あるスピーカの音響出力を抑制した場合においても、自然で違和感の少ない音響環境下において高精度な音声認識を可能とする音声認識装置を提供することを目的とする。

また、この発明は、左右のスピーカの音響が異なる、例えば一方がメロディ（旋律）、他方がボーカル等の場合であって、一方のスピーカの音響出力を抑制した場合においても、自然で違和感のない音響環境下において高精度な音声認識を可能とする音声認識装置を提供することを目的とする。

さらに、この発明は、５．１チャンネルサラウンドシステムにおいて、スピーカの音響出力を抑制した場合においても、自然で違和感の少ない音響環境下において高精度な音声認識を可能とする音声認識装置を提供することを目的とする。

また、この発明は、この発明に係る音声認識装置を搭載した車両を提供することを目的とする。

この発明に係る音声認識装置は、指向性を有し、発話者からの音声を入力する音声入力手段と、前記音声入力手段に対する音声入力状態であることを検出する音声入力状態検出手段と、前記音声入力手段から入力された音声を認識し、対応する所定の命令を出力する音声認識手段と、複数チャンネルの音響を対応するスピーカに出力する音響出力手段と、前記音声入力状態検出手段により前記音声入力状態であることを検出したときに、前記スピーカのうち、前記音声認識手段による音声認識の妨げとなるスピーカの音響の出力を抑制する音響出力抑制手段と、前記音響出力抑制手段により出力が抑制されたスピーカの音響を、抑制されなかったスピーカの音響に合成し、合成音響を作成する合成音響作成手段とを備えることを特徴とする。

この発明によれば、音声入力状態検出手段により、音声入力手段に対する音声入力状態であることを検出したときに、音響出力抑制手段により、複数のスピーカのうち、音声認識手段による音声認識の妨げとなるスピーカの音響の出力を抑制し、出力が抑制されたスピーカの音響を、抑制されなかったスピーカの音響に合成音響作成手段により合成し合成音響を作成するようにしている。このようにすれば、音声認識時に必要最小限のスピーカの出力を抑制するのみで音声認識率を向上でき、かつ出力が抑制されたスピーカの音響を抑制されなかったスピーカの音響に合成して出力するようにしているので、自然で違和感の少ない音響環境下で高精度の音声認識が可能となる。

例えば、ステレオスピーカの一方がメロディ用、他方がボーカル用の場合において、一方のスピーカの音響出力（メロディ出力又はボーカル出力）を抑制した場合においても、他方のスピーカから合成音響、この場合、メロディ出力＋ボーカル出力の音響が出力されることになるので、自然で違和感のない音響環境下で高精度の音声認識が可能となる。

なお、指向性を有する音声入力手段としては、指向性を有するマイクロフォン、あるいは指向性を変更可能及び指向性を複数方向に持たせることが可能なマイクロフォンアレーを採用することができる。音声入力状態検出手段としては、例えば操作したときに数秒間等の一定時間、あるいは操作している間、音声入力手段の入力が有効になる発話スイッチを採用することができる。発話スイッチは、発話者の手が届く範囲に設ける。例えば、車両のステアリングホイールに設けることができる。もちろん、音声入力状態検出手段は、運転席側及び（又は）同乗者席側、例えば助手席側に設けることができる。

音声入力状態検出手段を複数、例えば発話スイッチを運転席側と同乗者席側の両方に設けた場合、運転席側と同乗者席側にそれぞれ指向性を有するマイクロフォンを設けるか、操作された発話スイッチの側（運転席側又は同乗者席側）にマイクロフォンアレーの指向性を向けるようにし、かつその指向性の範囲に入るスピーカの音響を抑制し、抑制したスピーカの音響を抑制されなかったスピーカの音響に合成するようにすることもこの発明に含まれる。

また、この発明は、発話者からの音声を入力し、発話者を運転席方向とする遅延和出力と発話者を同乗者席方向とする遅延和出力とを出力するマイクロフォンアレーと、運転席方向の前記遅延和出力が所定以上のレベルとなったときには、運転席方向からの音声入力状態であると検出し、同乗者席方向の前記遅延和出力が所定以上のレベルとなったときには、同乗者席方向からの音声入力状態であると検出する音声入力状態検出手段と、前記音声入力手段から入力された音声を認識し、対応する所定の命令を出力する音声認識手段と、複数チャンネルの音響を対応するスピーカに出力する音響出力手段と、前記音声入力状態検出手段により前記音声入力状態であることを検出したときに、前記スピーカのうち、前記音声認識手段による音声認識の妨げとなるスピーカの音響の出力を抑制する音響出力抑制手段と、前記音響出力抑制手段により出力が抑制されたスピーカの音響を、抑制されなかったスピーカの音響に合成し、合成音響を作成する合成音響作成手段とを備えることを特徴とする。

この発明によれば、音声入力状態検出手段により、運転席方向から又は同乗者席方向からの音声入力手段に対する音声入力状態であることを検出したときに、音響出力抑制手段により、複数のスピーカのうち、音声認識手段による音声認識の妨げとなるスピーカの音響の出力を抑制し、出力が抑制されたスピーカの音響を、抑制されなかったスピーカの音響に合成音響作成手段により合成し合成音響を作成するようにしている。このようにすれば、音声認識時に必要最小限のスピーカの出力を抑制するのみで音声認識率を向上でき、かつ出力が抑制されたスピーカの音響を抑制されなかったスピーカの音響に合成して出力するようにしているので、自然で違和感の少ない音響環境下で高精度の音声認識が可能となる。

なお、この発明は、音響出力手段が、少なくとも前後左右独立チャンネルのサラウンドシステムである場合に適用して特に好適である。例えば、５．１チャンネルのサラウンドシステムでは、１つのセンタスピーカ、２つのメインスピーカ、２つのリアスピーカ、及び０．１チャンネル分の１つのスーパーウーハが、それぞれ異なる音響を出力可能なように構成されているため、いずれか１つのスピーカの音響出力を抑制してしまうと、例えば主旋律のみが抑制される等のより不自然な音楽環境になってしまうが、この発明によれば、その１つのスピーカの音響出力を抑制しても、抑制したスピーカの音響出力を他のスピーカに合成して出力するようにしているため、より効果的に自然な音響環境で、かつ高精度な音声認識が可能である。なお、少なくとも前後左右独立チャンネルのサラウンドシステムとしては、上記した５．１チャンネルの他、４チャンネルのサラウンドシステム、６．１チャンネルのサラウンドシステム、７．１チャンネルのサラウンドシステム等を挙げることができる。

また、音響出力抑制手段が、音声認識手段による認識に用いる周波数帯域のみを抑制するように構成することで、例えば音声認識を妨げる中域の帯域のみを他のスピーカで合成して出力し、音声認識の妨げとならない、例えば音声入力手段の帯域外の低域及び高域の音響は本来のスピーカから出力するようにすることが可能なため、一層自然な音響環境下で高精度な音声認識が可能である。

さらに、この発明に係る車両は、前述の音声認識装置のいずれかを備える。

この発明によれば、複数のスピーカのうち、あるスピーカの音響出力を抑制して音声認識を行う場合においても、その抑制したあるスピーカの音響出力を抑制していない他のスピーカの音響出力に合成して出力するようにしているので、自然で違和感の少ない音響環境下で高精度の音声認識が可能になるという効果が達成される。

以下、この発明の実施形態について図面を参照して説明する。

図１は、この発明の一実施形態に係る音声認識装置１０の全体構成を示すブロック図である。

図２は、図１例に示す音声認識装置１０が搭載された車両１２の模式的な平面図である。

図２に示すように、車両１２は、運転席２２、助手席２４、後部座席２６、２８を有し、５．１チャンネルサラウンドシステム用のスピーカ４１〜４５が、後述する所定の位置に配置されている。なお、助手席２４、後部座席２６、２８は、それぞれ同乗者席である。

図１から分かるように、この音声認識装置１０は、基本的に、発話者からの音声を入力する音声入力手段としての指向性マイクロフォン５０と、指向性マイクロフォン５０に対する音声入力状態であることを検出する音声入力状態検出手段５６と、５．１チャンネルサラウンドシステムである音響出力装置１４と、制御対象機器２０と、音響出力装置１４の音響制御を行う音響処理部１６を有するとともに制御対象機器２０を音声認識結果により制御する音声認識手段５２を有する音声認識・音響制御用のＥＣＵ（電子ユニット）１８とから構成される。

音響処理部１６は、音響上限値設定手段６６と、合成音響作成手段６４と、音響出力抑制手段６２とを備え、スピーカ特定手段５４からの情報等に基づき、これらの手段６６、６４、６２の処理内容を制御する。

図３は、音響処理部１６の基本的な構成を含む音響出力装置１４の構成を示している。音響出力装置１４は、基本的には、チューナ、プレーヤ、ハードディスク等の音源７２と、音源７２から出力された５．１チャンネルの音響信号をそれぞれ前置増幅するプリアンプ７４と、音量調整ボタン７６（図１参照）と、音響出力手段３８としての５．１チャンネル用の各電力増幅器（Power Amplifier）３１〜３５と、この電力増幅器３１〜３５にそれぞれ接続されるスピーカ４１〜４５を備える。

図２から分かるように、スピーカ４１は、前席である運転席２２の右前方に配置されるフロント右（Ｆｒ）スピーカであり、音源７２、プリアンプ７４を通じて供給される前右音響信号Ｓｆｒ（図３参照）に応じた音響を出力する。スピーカ４２は、インストルメンタルパネル中央近傍に配置されるセンタ（Ｃ）スピーカであり、同様に、中央音響信号Ｓｃに応じた音響を出力する。スピーカ４３は、助手席２４の左前方に配置されるフロント左（Ｆｌ）スピーカであり、同様に、前左音響信号Ｓｆｌに応じた音響を出力する。スピーカ４４は、右後部座席２８の右後方に配置されるリア右（Ｒｒ）スピーカであり、同様に、後右音響信号Ｓｒｒに応じた音響を出力する。スピーカ４５は、左後部座席２６の左後方に配置されるリア左（Ｒｌ）スピーカであり、同様に、後左音響信号Ｓｒｌに応じた音響を出力する。スピーカ４１〜４５から出力される各音響は、車室側に向かうようになっている。

なお、５．１チャンネルサラウンドシステムは、５つのスピーカ４１〜４５以外に、重低音を受け持つスピーカであるスーパーウーハをセンタスピーカ４１の隣り等に備える。しかし、このスーパーウーハがカバーする周波数領域は１２０［Ｈｚ］以下の周波数であり、この音響は、発話者からの音声を入力するための指向性を有する音声入力手段である指向性マイクロフォン５０の帯域（音声帯域：１５０［Ｈｚ］〜６０００［Ｈｚ］）外の周波数である。すなわち、音声認識対象外の周波数であることから、音響抑制対象外のスピーカとなるので図面中には描いていない。実際上、プリアンプ７４からスーパーウーハ音響信号が出力され、電力増幅器を介してスーパーウーハに接続され、重低音が出力される。

音響処理部１６は、スピーカ特定手段５４からの情報及び音量調整ボタン７６からの情報に基づき、音響上限値設定手段６６と、合成音響作成手段６４と、音響出力抑制手段６２の処理内容を制御し、プリアンプ７４から出力される音響信号Ｓｆｒ、Ｓｃ、Ｓｆｌ、Ｓｒｒ、Ｓｒｌに対する上限値設定処理、合成処理、及び音響出力抑制処理を行う。

指向性マイクロフォン５０は、図２に示すように、インストルメンタルパネルに設けられ、その指向性の範囲は、点線で囲んだ領域（指向性範囲５１という。）とされ、この実施形態において、発話者は、運転席２２の運転者に特定される。また、この指向性マイクロフォン５０の指向性範囲５１には、音声認識の認識率を低下させる可能性のある音響を出力するセンタスピーカ４２、フロント右スピーカ４１及びリア右スピーカ４４が含まれる。換言すれば、発話者の音声認識用に設けられている指向性マイクロフォン５０は、センタスピーカ４２とフロント右スピーカ４１とリア右スピーカ４４から出力される音響を拾ってしまう構成となっている。

ＥＣＵ１８は、周知のように入力インタフェース、ＣＰＵ、メモリ及び出力インタフェースを有し、メモリに記憶されたプログラムを実行することで、音声認識・音響制御処理等の各種処理を行い、制御対象機器２０を制御する。制御対象機器２０としては、ナビゲーションシステム、エアコンディションシステム、オーディオシステム自体を挙げることができる。ＥＣＵ１８は、インストルメンタルパネル近傍に配置される。

この実施形態において、ＥＣＵ１８は、指向性マイクロフォン５０から入力された音声を認識し、認識した音声に対応する所定の命令を制御対象機器２０に出力する音声認識手段５２と、スピーカ特定手段５４と、音響処理部１６として機能する。

音声認識手段５２は、周知のように、指向性マイクロフォン５０から入力した音声信号を符号化した後、周波数分析して音声パターンを認識し、この音声パターンを音声辞書と比較して音声の内容を特定し、特定結果に対応する所定の命令を制御対象機器２０に出力する機能を有する。

スピーカ特定手段５４は、図２に示すように、ステアリングホイールにのみ発話スイッチ等の音声入力状態検出手段５６が設けられている場合には、発話者を運転席２２の運転者に限定するので、音声入力状態検出手段５６の操作（押しボタンを押す操作等）がなされた場合には、その操作がなされている間、あるいは操作されてから数秒間等の一定時間、複数のスピーカ４１〜４５のうち、指向性マイクロフォン５０の指向性範囲５１に入るセンタスピーカ４２とフロント右スピーカ４１とリア右スピーカ４４とを音声認識の妨げとなるスピーカであって音響を抑制するスピーカとして特定し、特定したスピーカ特定情報を音響処理部１６に供給する。

なお、音声入力状態検出手段５６の数と、指向性マイクロフォン５０の数や仕様に応じて、音響を抑制するスピーカの特定の仕方は、種々考えられる。

たとえば、図４に示すように、運転席２２の前方に指向性マイクロフォン５０ａと音声入力状態検出手段５６ａとが配置され、同乗者席である助手席の前方に指向性マイクロフォン５０ｂと音声入力状態検出手段５６ｂが配置された構成の場合に、運転席２２側の音声入力状態検出手段５６ａが操作されたとき、指向性マイクロフォン５０ａの指向性範囲５１Ｒに入るスピーカ４１、４２、４４が音響を抑制するスピーカと特定される。なお、このとき、指向性マイクロフォン５０ｂの出力は、切断状態とされ、指向性マイクロフォン５０ａの出力のみが音声認識手段５２に供給されるように接続される。

また、たとえば、図５に示すように、指向性マイクロフォン５０が指向性マイクロフォンアレー５０Ａであって、音声入力状態検出手段５６ａ、５６ｂが運転席２２と助手席２４の前方に設けられていることを考える。この場合には、図６Ａに示すように、指向性マイクロフォンアレー５０Ａを構成する４本のマイクロフォン５０Ａ１〜５０Ａ４の列に対して相対角θ１の助手席２４の同乗者の音声は、それぞれ、マイクロフォン５０Ａ１に対して遅延時間Ｄ１、＋２Ｄ１、＋３Ｄ１遅れて入力する。また、指向性マイクロフォンアレー５０Ａを構成する４本のマイクロフォン５０Ａ４〜５０Ａ１の列に対して相対角θ２の運転席２２の運転者の音声は、マイクロフォン５０Ａ４に対してそれぞれ、遅延時間Ｄ２、＋２Ｄ２、＋３Ｄ２遅れて入力する。

したがって、図６Ｃに示すように、遅延時間Ｄ１、＋２Ｄ１、＋３Ｄ１、Ｄ２、＋２Ｄ２、＋３Ｄ２を有する遅延器９１〜９６をマイクロフォン５０Ａ１〜５０Ａ４に挿入し、出力を合成することで、助手席側音声出力（発話者を助手席方向とする遅延和出力）と運転席側音声出力（発話者を運転席方向とする遅延和出力）が得ることができる。

図５、図６の構成において、運転席２２側の音声入力状態検出手段５６ａが操作されたときには、スイッチ９０の共通端子９０ａを固定接点９０ｃ側に接続するようにすることで、音声認識手段５２には、運転席側音声出力を供給することができる。このとき、スピーカ特定手段５４により指向性マイクロフォンアレー５０Ａの運転席方向の指向性範囲５１Ｒに入るスピーカ４１、４２、４４が音響を抑制するスピーカと特定される。

これに対して、助手席２４側の音声入力状態検出手段５６ｂが操作されたときには、スイッチ９０の共通端子９０ａを固定接点９０ｂ側に接続するようにすることで、音声認識手段５２には、助手席側音声出力を供給することができる。このとき、スピーカ特定手段５４により指向性マイクロフォンアレー５０Ａの助手席方向の指向性範囲５１Ｌに入るスピーカ４２、４３、４５が音響を抑制するスピーカと特定される。

なお、図５例において、発話スイッチ等の音声入力状態検出手段５６ａと５６ｂを設けない構成とすることもできる。この場合には、図７に示すように、助手席側音声出力（発話者を助手席方向とする遅延和出力）のレベルを検出するレベル検出器９７と運転席側音声出力（発話者を運転席方向とする遅延和出力）のレベルを検出するレベル検出器９８を設けることで、遅延和出力を音声入力状態検出手段５６Ｂとして機能させることができる。この場合、音声入力状態検出手段５６Ｂは、レベル検出器９８により検出される運転席側音声出力（運転席方向の遅延和出力）が所定以上のレベルになったときには、運転席方向からの音声入力状態であると検出し、レベル検出器９７により検出される助手席側音声出力（同乗者席方向の遅延和出力）が所定以上のレベルとなったときには、同乗者席方向からの音声入力状態であると検出し、スピーカ特定手段５４に検出情報を出力する。

このように、音声入力状態検出手段５６と指向性マイクロフォン５０は、種々の形態を考慮することができる。

以下、この発明の理解の容易化のために、図１及び図２に示したように、指向性マイクロフォン５０の指向性範囲５１が一方向である運転席２２近傍側に固定されているものとして説明する。

この場合、上述した音響処理部１６は、スピーカ特定手段５４の出力信号に応じて、スピーカ４１〜４５のうち、音声認識手段５２による音声認識の妨げとなるスピーカ４１、４２、４４の音響の出力を抑制する音響出力抑制手段６２と、音響出力抑制手段６２により出力が抑制されたスピーカ４１、４２、４４の音響を抑制されなかったスピーカ４３、４５の音響に合成して合成音響を作成する合成音響作成手段６４と、音量調整ボタン７６による音量の設定が、音圧７０［ｄＢ］以上となっていた場合には、上限値を７０［ｄＢ］とする音響上限値設定手段６６とを備える。

この実施形態に係る音声認識装置１０及びこの音声認識装置１０を搭載した車両１２は、基本的には以上のように構成されかつ動作するものであり、次に、その詳細な動作について、図８のメインフローチャート、図９に示すフローチャートに基づいて詳しく説明する。なお、特に断らない限り、制御主体はＥＣＵ１８であるが、これをその都度参照するのは繁雑になるので、必要に応じて参照する。

まず、図８のメインフローチャートのステップＳ１において、指向性マイクロフォン５０に対する音声認識のための音声入力があるかどうかが判断される。この判断は、音声入力状態検出手段５６が操作されているとき、あるいは操作されたときから数秒等の一定時間の間が、指向性マイクロフォン５０に対する音声入力状態であると検出される。実際上、音声入力状態であるかどうかは、スピーカ特定手段５４から出力されるスピーカ特定情報により音響処理部１６が判断する。

音声入力状態でない場合には、ステップＳ５において、音響処理部１６による通常音響出力処理が行われる。

図１０は、通常音響出力処理状態での音響出力装置１４の接続状態を示している。この場合、音声認識用の音声入力がない状態であるので、音響信号Ｓｆｒ、Ｓｃ、Ｓｆｌ、Ｓｒｒ、Ｓｒｌは、それぞれ、プリアンプ７４から、直接、対応する電力増幅器３１〜３５を通じてスピーカ４１〜４５に供給され、スピーカ４１〜４５から５．１チャンネルのサラウンド音響が出力される。すなわち、音響信号Ｓｆｒ、Ｓｃ、Ｓｆｌ、Ｓｒｒ、Ｓｒｌが、音響上限値設定手段６６、合成音響作成手段６４及び音響出力抑制手段６２による何らの制限を受けることなく直接、いわゆるスルーでスピーカ４１〜４５まで供給される。

その一方、ステップＳ１において、音声入力状態検出手段５６が操作されて、指向性マイクロフォン５０に対する音声認識のための音声入力状態であると検出され、音響処理部１６により音声入力状態であると判断された場合、ステップＳ２において、図９のフローチャートに従うミュート処理を行う。

この実施形態において、ミュート処理は、図１１のブロック図に示すように行われる。

ミュート処理が開始されると、ステップＳ２ａにおいて、音量調整ボタン７６による音量設定値が所定値、ここでは７０［ｄＢ］以上になっているかどうかが判断され、所定値以上になっていた場合には、ステップＳ２ｂにおいて、図１１に示すように、音響上限値設定手段６６に音量制限器（音量制限手段）である最大値を７０［ｄＢ］とするリミッタ８０が挿入される。このようにして、スピーカ４１〜４５から出力される音響の出力レベルが最大で７０［ｄＢ］に制限される。

ステップＳ２ａにおいて、音量設定値が所定以下である場合には、リミッタ８０は挿入されない。

次いで、ステップＳ２ｃにおいて、スピーカ特定処理が行われる。この場合、スピーカ４１〜４５のうち、図２に示す指向性範囲５１にあるセンタスピーカ４２、フロント右スピーカ４１及びリア右スピーカ４４が音声認識手段５２による音声認識の妨げとなるスピーカであると特定される。そして、ステップＳ２ｄにおいて、これらのスピーカ４１、４２、４４の音響出力を抑制するため、それぞれ−１５［ｄＢ］減衰させる減衰器７８が音響出力抑制手段６２に挿入される（図１１参照）。

さらに、ステップＳ２ｅにおいて、合成音響作成手段６４が、図１１に示すように、加算器８２、８４を備えるように結線される。このとき、音響出力抑制手段６２により出力が抑制されたフロント右スピーカ４１及びセンタスピーカ４２の音響信号Ｓｆｒ、Ｓｃが、抑制されなかったフロント左スピーカ４３の音響信号Ｓｆｌに加算器８２により合成（加算）され、電力増幅器３３を通じてフロント右音響とセンター音響とフロント左音響の合成音響（Ｓｆｒ＋Ｓｃ＋Ｓｆｌ）がフロント左スピーカ４３から出力される。

また、同時に、音響出力抑制手段６２により出力が抑制されたセンタスピーカ４２及びリア右スピーカ４４の音響信号Ｓｃ、Ｓｒｒが、抑制されなかったリア左スピーカ４５の音響信号Ｓｒｌに加算器８４により合成（加算）され、電力増幅器３５を通じてセンター音響とリア右音響とリア左音響の合成音響（Ｓｃ＋Ｓｒｒ＋Ｓｒｌ）がリア左スピーカ４５から出力される。

このように、この実施形態では、抑制されたセンタスピーカ４２の音響をフロント左スピーカ４３と、リア左スピーカ４５から出力するようにしているので、音声認識時において、きわめて自然で違和感の少ない音響環境とすることができる。

次に、メインフローチャートにもどり、ステップＳ３において、音声入力状態が終了したかどうかが判定される。この判定は、上述した音声入力状態検出手段５６の操作が継続中であるか、あるいは操作してから一定時間経過したかどうかによりなされ、判定が成立しない場合には、ミュート処理が継続され、音声認識手段５２に音声認識処理が行われる。

この場合、音声認識手段５２による音声認識処理結果により所定の命令が制御対象機器２０に出力されることで、制御対象機器２０が制御される。このように制御することで、自然で違和感の少ない音響環境下で高精度の音声認識が可能となる。

そして、ステップＳ３において、音声入力状態が終了したと判断されたとき、ステップＳ４において、ミュート処理が終了とされる。すなわち、音響処理部１６は、図１０に示した状態とされ、全てのスピーカ４１〜４５から５．１チャンネルのサラウンド音響が出力される状態となる。この後、ステップＳ１以降の処理が繰り返される。

以上説明したように、上述した実施形態によれば、発話者からの音声を入力するための指向性を有する音声入力手段としての指向性マイクロフォン５０に対する音声入力状態であることを、音声入力状態検出手段５６により検出したときに、音響出力抑制手段６２により、複数のスピーカ４１〜４５のうち、音声認識手段５２による音声認識の妨げとなるスピーカ４１、４２、４４の音響の出力（換言すれば、指向性マイクロフォン５０に対する発話者の音声に混入するスピーカ４１、４２、４４の音響の出力）を抑制し、出力が抑制されたスピーカ４１、４２、４４の音響を、抑制されなかったスピーカ４３、４４（換言すれば指向性マイクロフォン５０の指向性範囲に音響を出力しないスピーカ４３、４４）の音響に合成音響作成手段６４により合成し合成音響を作成するようにしている。

このように、音声認識時に発話者の音声に混入する可能性のある必要最小限のスピーカの出力を抑制するのみで音声認識率を向上でき、かつ出力が抑制されたスピーカ４１、４２、４４の音響を抑制されなかったスピーカ４３、４４の音響に合成して出力するようにしているので、左右のスピーカーの出力内容が異なる、ステレオ出力等の場合においても、自然で違和感の少ない音響環境下で高精度の音声認識が可能となる。

なお、この発明は、上述した実施形態に限らず、例えば、音声認識の妨げとなるスピーカ４１、４２、４４の音響出力の全帯域を−１５［ｄＢ］に抑制するのではなく、図１２の高域通過特性９２に示すように、音声帯域の下限の１５０［Ｈｚ］近傍では、−４０［ｄＢ］程度に制限し、音声帯域の上限の６０００［Ｈｚ］近傍では、−１０［ｄＢ］程度に制限して、周波数が高域になるにしたがい、減衰量を少なくする。

図１３に示すように、このような高域通過特性９２を備える高域通過フィルタ９４により音響出力抑制手段６２ａを構成し、スピーカ４１、４２、４４から高域音響をなるべくミュートしないで出力するように構成することで、高精度の音声認識が可能な状態を保持しながら、より自然な音響環境を形成する等、この明細書の記載内容に基づき、種々の構成を採り得ることはもちろんである。

また、上述した実施形態では前後左右独立チャンネルのサラウンドシステムの一例として５．１チャンネルのサラウンドシステムを例として説明したが、この発明は、これに限定されるものではなく、例えば、４チャンネルのサラウンドシステム、あるいは図１４に示すように、５．１チャンネルのサラウンドシステムに対してさらにリアセンタスピーカ４６をトノカバー上に設けた６．１チャンネルのサラウンドシステム（図１４中、スピーカ４９は、スーパーウーハ）の他、図示はしないが、リアセンタスピーカ４６に代替して左右スピーカを上記トノカバー上に設けた７．１チャンネルのサラウンドシステム等に適用することができる。

この発明の一実施形態に係る音声認識装置の全体構成を示すブロック図である。 図１例に示す音声認識装置が搭載された車両の模式的な平面図である。 音響処理部の基本的な構成を含む音響出力装置の構成を示すブロック図である。 運転席と助手席のそれぞれ前方に指向性マイクロフォンと音声入力状態検出手段とを配置した車両の模式的な平面図である。 指向性マイクロフォンが指向性マイクロフォンアレーである場合の指向性範囲の説明図である。 図６Ａは、助手席側音声と遅延の関係を示す説明図、図６Ｂは、運転席側音声と遅延の関係を示す説明図、図６Ｃは、助手席側音声出力（発話者を助手席方向とする遅延和出力）と運転席側音声出力（発話者を運転席方向とする遅延和出力）の切替説明図である。 音声入力状態検出手段を兼ねる助手席側音声出力（発話者を助手席方向とする遅延和出力）と運転席側音声出力（発話者を運転席方向とする遅延和出力）の結線の説明図である。 一実施形態の動作を説明するメインフローチャートである。 メインフローチャート中、ミュート処理の詳細フローチャートである。 通常音響出力処理状態での音声出力装置の接続状態を示すブロック図である。 ミュート処理時の説明に供される音響出力装置のブロック図である。 ミュート処理の他の例に供される周波数特性説明図である。 図１２例の周波数特性を有するフィルタを音響出力抑制手段に挿入した音響出力装置のブロック図である。 ６．１チャンネルのサラウンドシステムのスピーカ配置図である。

符号の説明

１０…音声認識装置 １２…車両
１４…音響出力装置 １６…音響処理部
３８…音響出力手段 ４１〜４６…スピーカ
５０、５０ａ、５０ｂ…指向性マイクロフォン（音声入力手段）
５２…音声認識手段 ６２…音響出力抑制手段
６４…合成音響作成手段

Claims (5)

1. 指向性を有し、発話者からの音声を入力する音声入力手段と、
   前記音声入力手段に対する音声入力状態であることを検出する音声入力状態検出手段と、
   前記音声入力手段から入力された音声を認識し、対応する所定の命令を出力する音声認識手段と、
   複数チャンネルの音響を対応するスピーカに出力する音響出力手段と、
   前記音声入力状態検出手段により前記音声入力状態であることを検出したときに、前記スピーカのうち、前記音声認識手段による音声認識の妨げとなるスピーカの音響の出力を抑制する音響出力抑制手段と、
   前記音響出力抑制手段により出力が抑制されたスピーカの音響を、抑制されなかったスピーカの音響に合成し、合成音響を作成する合成音響作成手段と
   を備えることを特徴とする音声認識装置。
2. 発話者からの音声を入力し、発話者を運転席方向とする遅延和出力と発話者を同乗者席方向とする遅延和出力とを出力するマイクロフォンアレーと、
   運転席方向の前記遅延和出力が所定以上のレベルとなったときには、運転席方向からの音声入力状態であると検出し、同乗者席方向の前記遅延和出力が所定以上のレベルとなったときには、同乗者席方向からの音声入力状態であると検出する音声入力状態検出手段と、
   前記音声入力手段から入力された音声を認識し、対応する所定の命令を出力する音声認識手段と、
   複数チャンネルの音響を対応するスピーカに出力する音響出力手段と、
   前記音声入力状態検出手段により前記音声入力状態であることを検出したときに、前記スピーカのうち、前記音声認識手段による音声認識の妨げとなるスピーカの音響の出力を抑制する音響出力抑制手段と、
   前記音響出力抑制手段により出力が抑制されたスピーカの音響を、抑制されなかったスピーカの音響に合成し、合成音響を作成する合成音響作成手段と
   を備えることを特徴とする音声認識装置。
3. 請求項１又は２記載の音声認識装置において、
   前記音響出力手段が、少なくとも前後左右独立チャンネルのサラウンドシステムである
   ことを特徴とする音声認識装置。
4. 請求項１〜３のいずれか１項に記載の音声認識装置において、
   前記音響出力抑制手段は、前記音声認識手段による認識に用いる周波数帯域のみの音響の出力を抑制する
   ことを特徴とする音声認識装置。
5. 請求項１〜４のいずれかに記載の音声認識装置
   を搭載したことを特徴とする車両。

Images