JP2007017839A

JP2007017839A - 音声認識装置

Info

Publication number: JP2007017839A
Application number: JP2005201334A
Authority: JP
Inventors: Mitsunobu Kaminuma; 充伸神沼
Original assignee: Nissan Motor Co Ltd
Current assignee: Nissan Motor Co Ltd
Priority date: 2005-07-11
Filing date: 2005-07-11
Publication date: 2007-01-25

Abstract

【課題】音声操作にともなうスイッチ操作の手間を省きながら音声認識精度を向上させる。
【解決手段】機器の操作部材をグループ分けし、操作部材が操作されたときにその操作部材が属するグループに関連のある語彙が認識されやすくなるように言語辞書の内容を変更し、操作部材のいずれかが操作されると音声認識処理を開始するとともに、集音手段により集音した音声と操作部材に応じて変更された言語辞書とを照合して発話者の発話した言葉を認識する。また、認識された言葉に関連のある語彙が認識されやすくなるように言語辞書の内容を変更するとともに、集音手段により集音した音声と認識言葉に応じて変更された言語辞書とを照合して発話者の発話した言葉を認識する。
【選択図】図３

Description

本発明は音声認識装置に関する。

カメラにより使用者を撮像してその画像を処理し、使用者の所定の部位（例えば左手の人差し指の先端）が基準位置（例えば唇の位置）に移動したことを検出して音声入力の待機状態に入り、音声入力に際していちいちＰＴＴ（Push To Talk）スイッチを操作する手間を省くようにした音声認識装置が知られている（例えば、特許文献１参照）。

この出願の発明に関連する先行技術文献としては次のものがある。
特開２０００−３３８９９５号公報

しかしながら、上述した従来の音声認識装置では、カメラによる撮像画像を処理して使用者の所定部位の基準位置への移動を検出し、音声入力待機状態をとるようにしているので、使用者に音声入力意図がなくても所定部位を基準位置へ移動するだけで動作することがあり、誤動作が避けられないという問題がある。
また、車両へ搭載する場合のように、常にカメラで使用者を撮像し画像を処理しなければならず、効率的な方法ではないという問題がある。

（１）請求項１の発明は、機器の操作部材をグループ分けし、操作部材が操作されたときにその操作部材が属するグループに関連のある語彙が認識されやすくなるように言語辞書の内容を変更し、操作部材のいずれかが操作されると音声認識処理を開始するとともに、集音手段により集音した音声と操作部材に応じて変更された言語辞書とを照合して発話者の発話した言葉を認識する。
（２）請求項２の発明は、認識された言葉に関連のある語彙が認識されやすくなるように言語辞書の内容を変更するとともに、集音手段により集音した音声と認識言葉に応じて変更された言語辞書とを照合して発話者の発話した言葉を認識する。

請求項１の発明によれば、音声操作専用のＰＴＴスイッチを設けなくても、操作された操作部材に関連のある語彙の中から発話言葉を正確に認識することができる。
また、請求項２の発明によれば、機器の操作部材を操作して音声操作を行った後に引き続き音声操作を行う場合には、スイッチ操作をしなくても認識言葉に関連のある語彙の中から発話言葉を正確に認識することができる。

本発明の音声認識装置を車両に搭載し、各種車載機器の音声操作に適用した一実施の形態を説明する。なお、本発明は車両用に限定されるものではない。

図１は一実施の形態の構成を示す図である。マイクロフォン（以下、単にマイクという）１は車両の乗員が発話した音声を集音し、電気信号に変換して出力する。マイク１にはコンデンサーマイクなど、一般的な形式のものを使用することができる。なお、マイク１には乗員の音声以外に車室内の環境雑音が混入する。増幅器２はマイク１の音声信号を増幅し、Ａ／Ｄコンバーター３はアナログ音声信号をデジタル信号に変換する。

処理装置４はマイクロコンピューター４ａやタイマー４ｂなどを備え、後述する音声認識プログラムを実行して乗員が発話した音声を認識し、音声操作対象機器へ操作信号を出力する。言語辞書記憶装置５には乗員の発話言葉を認識するために比較照合する車載機器の音声操作用言語が記憶されている。

スイッチ類１０は各種車載機器の操作スイッチである。この一実施の形態では図２に示すインストルメントパネルに設置された操作スイッチ１１〜２７を例に上げて説明するが、この一実施の形態の操作スイッチに限定されるものではない。

図２において、インストルメントパネルに設置されたディスプレイ２８の左側には「現在位置」スイッチ１１、「戻る」スイッチ１２、「ナビ」スイッチ１３が配置され、右側には「エアコン」スイッチ１４、「風量」スイッチ１５、「温度」スイッチ１６が配置される。また、ディスプレイ２８の下側には「音量小」スイッチ１７、「音量大」スイッチ１８、ジョイスティックスイッチ２７、「拡大」スイッチ１９、「縮小」スイッチ２０が配置される。さらに、それらの下には車載オーディオ操作用の「停止」スイッチ２１、「再生」スイッチ２２、「ポーズ」スイッチ２３、「前の曲」スイッチ２４、「プログラム」スイッチ２５、「次の曲」スイッチ２６が配置される。

図３は一実施の形態の音声認識プログラムを示すフローチャートである。このフローチャートにより、一実施の形態の動作を説明する。ステップ１において上述したスイッチ１１〜２７の内のいずれかのスイッチが操作されたか否かを確認し、いずれかのスイッチが操作されるとこの音声認識処理を開始してステップ２へ進む。ステップ２では操作されたスイッチに応じて乗員が発話する言葉を予め予測し、予測した言葉が認識されやすいように記憶装置５の言語辞書の内容を変更する。

ここで、操作スイッチに応じた言語辞書の変更方法を説明する。乗員が車両の運転操作中にスイッチ類１０を操作するときには、スイッチ類１０を視認せずに勘を頼りに指先の触覚だけで操作希望のスイッチを選択するか、あるいは、スイッチ類１０を一瞥して操作希望のスイッチを選択する。このような場合には、操作希望のスイッチを正しく操作できず、間違ったスイッチを操作してしまうことがある。特に、形状がよく似たスイッチや、同じ並びに配置されたスイッチ、あるいは操作希望のスイッチの周辺に配置されたスイッチに対しては、このような誤操作を起こしやすい。

そこで、この一実施の形態では、形状がよく似たスイッチ、または同じ並びに配置されたスイッチ、あるいは操作されたスイッチの周辺に配置されたスイッチをまとめて一つのグループを形成し、そのグループ内のどのスイッチが操作されても、そのグループに属するすべてのスイッチに対して発話予測された語彙、換言すれば操作スイッチが属するグループに関連のある語彙が認識されやすいように言語辞書を変更する。例えば、図２に示すように、ディスプレイ２８の左右に配置された６個のスイッチ１１〜１６は形状が類似しており、同じ並びに配置され、しかも互いに近接して配置されているので、これらのスイッチ１１〜１６を一つのグループとして取り扱う。

記憶装置５に記憶されている言語辞書には、これらのスイッチ１１〜１６にそれぞれ関連のある音声操作用言語「現在位置」、「戻る」、「ナビ」、「エアコン」、「風量」、「温度」が記憶されている。そこで、これらのスイッチ１１〜１６のいずれかが操作された場合には、言語辞書の音声操作用言語「現在位置」、「戻る」、「ナビ」、「エアコン」、「風量」、「温度」をスイッチ１１〜１６が属するスイッチグループに対応する語彙とし、これらの語彙が他の言葉よりも認識されやすいように言語辞書の内容を変更する。

図４は操作スイッチに応じた言語辞書の変更例を示す図であり、(ａ)が変更前の言語辞書を、(ｂ)が変更後の言語辞書をそれぞれ表す。この例では乗員が「温度」スイッチ１６を操作した場合の言語辞書の変更例を示す。乗員の操作希望のスイッチが「温度」スイッチ１６であったか否かに拘わらず、「温度」スイッチ１６が操作された場合には、「温度」スイッチ１６が属するスイッチグループに対応する音声操作用言語「現在位置」、「戻る」、「ナビ」、「エアコン」、「風量」、「温度」に加え、直接“温度”を入力する「２５℃」が、他の言葉よりも認識されやすいように言語辞書の内容を変更する。

具体的には、図４(ａ)に示すように、言語辞書が階層化されて記憶装置５に記憶されている場合に、「温度」スイッチ１６の属するグループに対応する言語「現在位置」、「戻る」、「ナビ」、「エアコン」、「風量」、「温度」に、「○○℃」を加えた語彙が発話されると予測し、“待ち受け語”として第１階層に追加して認識され易くするとともに、それ以外の言葉が認識され難くなるようにする。

なお、スイッチ類１０のグループ化と、各スイッチグループに対して設定する音声操作用言語はこの一実施の形態に限定されない。また、音声認識において特定の語彙が認識されやすくなるようにする手法としては、周知の“出現確率”を高くする手法などがある。

操作スイッチに応じて言語辞書の内容を変更した後の図３のステップ３において、マイク１による音声入力の待機状態に入り、音声認識動作を開始する。すなわち、マイク１により集音した乗員の発話言葉を記憶装置５の上記“待ち受け語”と照合し、一致または不一致を判定して乗員の発話言葉を認識する。続くステップ４で音声認識待ち受け状態が無制限に継続されるのを防止するためにタイマー４ｂをスタートさせ、“音声認識の待ち受け時間”の計時を開始する。

ステップ５において乗員の発話言葉が言語辞書の“待ち受け語”のいずれかと一致したか否かを確認する。乗員の発話言葉が“待ち受け語”のいずれとも一致しない場合、つまり乗員の発話言葉を認識できない場合はステップ６へ進み、タイマー４ｂで計時している“音声認識待ち受け時間”が予め設定した所定時間になったか否かを確認し、所定時間が経過したらこの音声認識処理を終了する。所定時間が経過していないときはステップ５へ戻り、上述した音声認識動作を継続する。

乗員の発話言葉が言語辞書の“待ち受け語”のいずれかと一致した場合はステップ７へ進み、一致した言葉すなわち最初の認識言葉に応じてふたたび記憶装置５の言語辞書の内容を変更する。

図５は最初の認識言葉に応じた言語辞書の変更例を示す図であり、(ａ)が変更前の言語辞書を、(ｂ)が変更後の言語辞書をそれぞれ表す。この例では乗員が最初に発話した言葉「温度」が認識された場合の言語辞書の変更例を示す。乗員がスイッチ１１〜１６のいずれかのスイッチを操作して「温度」と発話した場合に、“待ち受け語”の中にある「温度」との一致判定がなされて発話言葉「温度」が認識されると、車載空調装置（エアコン）の車室内空調に関連のある語彙が認識されやすいように言語辞書の内容を変更する。

具体的には、図５(ａ)に示すように、言語辞書が階層化されて記憶装置５に記憶されている場合に、車室内空調に関連のある「温度」、「○○℃」、「風量」などの語彙が次に発話されると予測し、“待ち受け語”として認識されやすくするとともに、それ以外の言葉が認識されにくくなるようにする。このとき、上述したように出現確率を高くする手法を用いて“待ち受け語”が認識されやすくなるようにしてもよい。

最初の認識言葉に応じて言語辞書の内容を変更した後の図３のステップ８において、マイク１により乗員の発話言葉を集音し、記憶装置５の言語辞書の“待ち受け語”と照合して一致または不一致を判定する。続くステップ９で音声認識待ち受け状態が無制限に継続されるのを防止するためにタイマー４ｂをスタートさせ、“音声認識の待ち受け時間”の計時を開始する。

ステップ１０において乗員の発話言葉が言語辞書の“待ち受け語”のいずれかと一致したか否かを確認する。乗員の発話言葉が“待ち受け語”のいずれとも一致しない場合、つまり乗員の発話言葉を認識できない場合はステップ１１へ進み、タイマー４ｂで計時している“音声認識待ち受け時間”が予め設定した所定時間になったか否かを確認し、所定時間が経過したらこの音声認識処理を終了する。所定時間が経過していないときはステップ１０へ戻り、上述した音声認識動作を継続する。

乗員の発話言葉が言語辞書の“待ち受け語”のいずれかと一致した場合はステップ１２へ進み、一致した言葉に対応する操作信号を音声操作対象の車載機器へ出力して処理を終了する。

このように、一実施の形態によれば、音声操作対象機器のスイッチをグループ分けし、いずれかのスイッチが操作されたときにその操作スイッチが属するグループに関連のある語彙が認識されやすくなるように言語辞書の内容を変更し、スイッチのいずれかが操作されると音声認識処理を開始するとともに、集音した音声と操作スイッチに応じて変更された言語辞書とを照合して発話者の発話した言葉を認識するようにしたので、音声操作専用のＰＴＴスイッチを設けなくても、操作されたスイッチに関連のある語彙の中から発話言葉を正確に認識することができる。

また、一実施の形態によれば、認識された言葉に関連のある語彙が認識されやすくなるように言語辞書の内容を変更するとともに、集音した音声と認識言葉に応じて変更された言語辞書とを照合して発話者の発話した言葉を認識するようにしたので、音声操作対象機器のスイッチを操作して音声操作を行った後に引き続き音声操作を行う場合には、スイッチ操作をしなくても認識言葉に関連のある語彙の中から発話言葉を正確に認識することができる。

特許請求の範囲の構成要素と一実施の形態の構成要素との対応関係は次の通りである。すなわち、マイク１が集音手段を、言語辞書記憶装置５が記憶手段を、処理装置４が音声認識手段および辞書変更手段をそれぞれ構成する。なお、以上の説明はあくまで一例であり、発明を解釈する際、上記の実施の形態の記載事項と特許請求の範囲の記載事項との対応関係になんら限定も拘束もされない。

なお、上述した一実施の形態では、単一の音声認識用言語辞書を用いて、操作されたスイッチに応じて言語辞書の内容を変更するとともに、最初に認識された言葉に応じてふたたび言語辞書の内容を変更する例を示したが、操作されたスイッチに応じて内容を変更し音声認識に用いる言語辞書と、その音声認識処理により最初に認識された言葉に応じて内容を変更し音声認識に用いる辞書とを別個の言語辞書としてもよい。

一実施の形態の構成を示す図である。操作スイッチ類の配置を示す図である。一実施の形態の音声認識動作を示すフローチャートである。操作スイッチに応じて言語辞書の内容を変更する方法を説明する図である。認識言葉に応じて言語辞書の内容を変更する方法を説明する図である。

符号の説明

１マイクロフォン
２増幅器
３Ａ／Ｄコンバーター
４処理装置
５言語辞書記憶装置
１０スイッチ類

Claims

発話者の発話音声を集音する集音手段と、
音声認識用言語辞書を記憶する記憶手段と、
前記集音手段により集音した音声と前記記憶手段の言語辞書とを照合して発話者が発話した言葉を認識する音声認識手段とを備えた音声認識装置において、
機器の操作部材をグループ分けし、操作部材が操作されたときにその操作部材が属するグループに関連のある語彙が認識されやすくなるように前記言語辞書の内容を変更する辞書変更手段を備え、
前記音声認識手段は、前記操作部材のいずれかが操作されると音声認識処理を開始し、前記集音手段により集音した音声と前記辞書変更手段により操作部材に応じて変更された言語辞書とを照合して発話者の発話した言葉を認識することを特徴とする音声認識装置。
請求項１に記載の音声認識装置において、
前記辞書変更手段は、前記音声認識手段により認識された言葉に関連のある語彙が認識されやすくなるように前記言語辞書の内容を変更し、
前記音声認識手段は、前記集音手段により集音した音声と前記辞書変更手段により認識言葉に応じて変更された言語辞書とを照合して発話者の発話した言葉を認識することを特徴とする音声認識装置。
請求項１または請求項２に記載の音声認識装置において、
前記操作部材のグループ分けは、類似した形状の操作部材をまとめて一つのグループを形成することを特徴とする音声認識装置。
請求項１または請求項２に記載の音声認識装置において、
前記操作部材のグループ分けは、同じ並びに配置された操作部材をまとめて一つのグループを形成することを特徴とする音声認識装置。
請求項１または請求項２に記載の音声認識装置において、
前記操作部材のグループ分けは、操作された操作部材の周辺に配置された操作部材をまとめて一つのグループを形成することを特徴とする音声認識装置。