JP2007241122A - 音声認識装置、音声認識方法、音声認識プログラム、および記録媒体 - Google Patents

Abstract

【課題】利用者が煩わしい操作をおこなうことなく、音声をより迅速に入力すること。
【解決手段】音声認識装置１００は、出力部１０３による案内音声の出力途中に、受付部１０２によって中断操作を受け付けたか否かを判断し、中断操作を受け付けた場合には、案内音声の出力を中断して、計数部１０６によって計数される中断操作回数に「１」を加算する。そして、加算された中断操作回数と判断用の回数とを、比較部１０７によって比較して、中断操作回数が判断用の回数を超えた場合には、以降、受付部１０２によって開始操作を受け付けた場合にも案内音声を出力しないように、案内音声の出力設定情報を変更する。
【選択図】図１

Description

この発明は、音声認識装置、音声認識方法、音声認識プログラム、および記録媒体に関する。ただし、この発明の利用は、前述の音声認識装置、音声認識方法、音声認識プログラム、および記録媒体に限らない。

従来、利用者の発話内容を音声データとして入力し、入力された音声データとあらかじめ記憶された音声認識用のテンプレートデータとを比較し、入力された音声データに合致するテンプレートデータに基づいて、入力された音声データの内容を認識する音声認識技術がある。音声認識技術を用いた従来の技術として、従来、音声認識処理の開始操作がおこなわれた場合に、「ピッとなったらお話しください。」や「○×県の施設名称をどうぞ。」などの、つぎにおこなう操作内容を案内する音声案内を出力するナビゲーション装置がある。

このようなナビゲーション装置では、案内音声を最後まで出力した後に入力された音声データを用いて音声認識処理をおこなう設定がなされている場合にも、案内音声の出力途中に所定の操作をおこなうことで、案内音声の出力を中断し、音声データを入力することができるものがある。また、「経路探索」機能や「特定地点の検索」機能などの機能ごとに、案内音声を出力するか否かを設定できるものもある。

また、音声認識技術を用いた従来の技術として、従来、たとえば、車両が到達すべき目的地点を示す地点情報の候補となる複数の認識ワードであって、ｍ（ｍは２以上の自然数）層の階層を含む階層構造を為して構成されている複数の認識ワードを記憶するＤＶＤ−ＲＯＭディスクと、いずれか一の階層に属する認識用ワードに対応する音声情報を入力するための外部マイクと、入力された音声情報に対応する認識用ワードが属する階層を判定すると共に、その判定結果に基づいて目的地点を検索するＣＰＵと、を備える情報検索装置がある（たとえば、下記特許文献１参照。）。

特開平１１−２２４２６５号公報

しかしながら、上述した従来の技術では、音声認識処理の開始操作があった場合には、当該開始操作に応じた案内音声が一様に出力されるため、利用者が、利用頻度の高い機能を利用する場合には、案内音声の出力を煩わしく感じることがあるという問題が一例として挙げられる。

また、上述した従来の技術では、案内音声の出力途中に所定の操作をおこなうことで、案内音声の出力を中断することができるが、この場合、利用者は、中断する都度所定の操作をおこなわなくてはならず、所定の操作を煩わしく感じることがあるという問題が一例として挙げられる。

また、上述した従来の技術では、音声案内を出力するか否かを利用者に機能ごとに任意に設定させることで、音声案内を必要とする機能を利用する場合に限って、音声案内を出力することができるが、この場合、音声案内を出力するか否かを利用者が機能ごとに設定しなくてはならず煩わしいという問題が一例として挙げられる。

請求項１の発明にかかる音声認識装置は、音声認識処理における操作内容を案内する案内音声の出力途中に、当該案内音声の出力を中断させる中断操作を受け付ける受付手段と、前記受付手段によって受け付けられた中断操作の回数を計数する計数手段と、前記計数手段によって計数された回数に応じて、前記案内音声を出力する出力手段と、を備えることを特徴とする。

また、請求項３の発明にかかる音声認識方法は、音声認識処理における操作内容を案内する案内音声の出力途中に、当該案内音声の出力を中断させる中断操作を受け付ける受付工程と、前記受付工程によって受け付けられた中断操作の回数を計数する計数工程と、前記計数工程によって計数された回数に応じて、前記案内音声を出力する出力工程と、を含んだことを特徴とする。

また、請求項４の発明にかかる音声認識プログラムは、請求項３に記載の音声認識方法をコンピュータに実行させることを特徴とする。

また、請求項５の発明にかかる記録媒体は、コンピュータに読み取り可能であって、請求項４に記載の音声認識プログラムを記録したことを特徴とする。

以下に添付図面を参照して、この発明にかかる音声認識装置、音声認識方法、音声認識プログラム、および記録媒体の好適な実施の形態を詳細に説明する。

（音声認識装置の機能的構成）
はじめに、この発明の実施の形態にかかる音声認識装置の機能的構成について説明する。図１は、この発明の実施の形態にかかる音声認識装置の機能的構成を示すブロック図である。実施の形態にかかる音声認識装置１００は、記憶部１０１と、受付部１０２と、出力部１０３と、音声認識処理部１０４と、入力部１０５と、計数部１０６と、比較部１０７と、を備えている。

記憶部１０１は、音声認識用のテンプレートデータを記憶する。ここで、音声認識用のテンプレートデータとは、音声を波形の形状にパターン化してあらわすデータである。テンプレートデータは、入力が想定される用語ごとに設けられている。記憶部１０１は、テンプレートデータを、音声認識する内容ごとに分類して記憶する。具体的には、たとえば、地名をあらわすテンプレートデータ、施設名をあらわすテンプレートデータ、検索項目の分類をあらわすテンプレートデータのように、認識結果として出力されるデータの種類に応じて分類されている。

音声認識用のテンプレートデータには、所定の処理を特定する特定情報がそれぞれ対応付けられていてもよい。ここで、所定の処理とは、たとえば、特定の画像を表示画面に表示させる処理である。具体例として、地名をあらわすテンプレートデータには、当該地名によってあらわされる地点およびその周辺の地図を表示画面に表示させる処理を特定する特定情報が対応付けられている。

また、別の具体例として、施設名をあらわすテンプレートデータには、当該施設名によってあらわされる施設の内容（所在地や施設の概要など）を説明する情報を表示画面に表示させる処理を特定する特定情報が対応付けられていてもよい。

さらに、別の具体例として、検索項目の分類をあらわすテンプレートデータには、『ガソリンスタンド』、『駐車場』、『レストラン』などのように、分類別に検索可能な項目を説明する一覧表を表示画面に表示させる処理を特定する特定情報が対応付けられていてもよい。

受付部１０２は、利用者による各種操作を受け付ける。たとえば、受付部１０２は、音声認識処理の開始操作を受け付ける。出力部１０３は、受付部１０２によって音声認識処理の開始操作を受け付けた場合に、音声認識処理部１０４によっておこなわれる音声認識処理における操作内容を案内する案内音声を出力する。

音声認識処理部１０４は、記憶部１０１によって記憶されているテンプレートデータの中から、入力部１０５によって入力された音声データに合致するパターンのテンプレートデータを検索する音声認識処理をおこなう。

入力部１０５は、利用者によって発話された音声を波形としてパターン化した音声データを入力する。入力部１０５は、上述した出力部１０３による案内音声の出力後に検出した所定レベル以上の大きさの音声を音声データとして入力する。

音声認識処理に際して、音声認識処理部１０４は、音声認識用のテンプレートデータを作業メモリ上に展開し、作業メモリ上に展開されたテンプレートデータの中から、入力部１０５によって入力された音声データに合致するテンプレートデータを検索する。検索に際して、音声認識処理部１０４は、作業メモリ上に展開されたテンプレートデータの中から、入力部１０５によって入力された音声データの波形にもっとも類似する波形を有するテンプレートデータを、音声データに合致するテンプレートデータとして検索する。

音声認識処理部１０４による音声認識処理結果は、当該音声認識処理の内容に応じた機能を実行する際に用いられる。たとえば、「特定地点の検索」機能に関する音声認識処理の結果は、特定地点を検索したり、検索された特定地点およびその周辺の地図を表示したりする処理に用いられる。

また、上述した受付部１０２は、上述した出力部１０３による案内音声の出力途中に、当該案内音声の出力を中断させる中断操作を受け付けることも可能である。受付部１０２によって中断操作を受け付けた場合、出力部１０３は出力途中の案内音声の出力を中断し、入力部１０５は中断操作を受け付けた時点以降に検出した所定レベル以上の大きさの音声を音声データとして入力する。

計数部１０６は、受付部１０２によって受け付けられた中断操作の回数を計数する。計数部１０６は、中断操作の回数を、上述した機能ごとに計数してもよい。比較部１０７は、計数部１０６によって計数された回数と任意に設定された判断用の回数とを比較する。ここで、判断用の回数は、たとえば、音声認識装置１００の製造時などに任意に設定することが可能であり、たとえば、「１０回」などのように設定される。判断用の回数は、上述した機能ごとに設定されていてもよい。

上述した出力部１０３は、計数部１０６によって計数された中断操作の回数に応じて、案内音声を出力する。具体的には、出力部１０３は、比較部１０７によって比較された比較結果に基づいて、計数部１０６によって計数された回数が判断用の回数を超えるまでの間、案内音声を出力する。すなわち、計数部１０６によって計数された回数が判断用の回数を超えた場合、出力部１０３は、以降、案内音声を出力しない。

（音声認識装置における案内音声出力処理手順）
つぎに、音声認識装置１００における案内音声出力処理手順について説明する。図２は、音声認識装置１００における案内音声出力処理手順を示すフローチャートである。図２のフローチャートにおいて、まず、出力部１０３による案内音声の出力が開始されるまで待って（ステップＳ２０１：Ｎｏ）、開始された場合（ステップＳ２０１：Ｙｅｓ）には、案内音声の出力が終了したか否かを判断する（ステップＳ２０２）。

ステップＳ２０２において、案内音声の出力が終了した場合（ステップＳ２０２：Ｙｅｓ）には、一連の処理を終了する。案内音声の出力が終了していない場合（ステップＳ２０２：Ｎｏ）には、受付部１０２によって中断操作を受け付けたか否かを判断する（ステップＳ２０３）。中断操作を受け付けていない場合（ステップＳ２０３：Ｎｏ）には、ステップＳ２０２へ戻る。

ステップＳ２０３において、出力部１０３による案内音声の出力途中に、受付部１０２によって中断操作を受け付けた場合（ステップＳ２０３：Ｙｅｓ）には、案内音声の出力を中断し（ステップＳ２０４）、計数部１０６によって計数される中断操作回数に「１」を加算する（ステップＳ２０５）。

そして、ステップＳ２０５において加算された中断操作回数と判断用の回数とを、比較部１０７によって比較して、中断操作回数が判断用の回数を超えたか否かを判断する（ステップＳ２０６）。超えていない場合（ステップＳ２０６：Ｎｏ）には、一連の処理を終了する。超えた場合（ステップＳ２０６：Ｙｅｓ）には、以降、受付部１０２によって開始操作を受け付けた場合にも案内音声を出力しないように、案内音声の出力設定情報を変更して（ステップＳ２０７）、一連の処理を終了する。

なお、案内音声の出力設定情報とは、受付部によって受け付けられた開始操作に応じた案内音声を出力するか否かを設定する情報である。具体的には、たとえば、「案内音声を出力する」あるいは「案内音声を出力しない」の２項目のうち、いずれかにフラグを立てることによって実現することができる。出力設定情報は、上述した機能ごとに設定されていてもよい。

上述したように、実施の形態の音声認識装置によれば、案内音声の出力途中に受け付けた中断操作の回数に応じて、案内音声を出力することができる。したがって、音声認識装置１００は、利用者が案内音声を必要とする場合に限って、案内音声を出力することができる。これによって、利用者は、音声認識処理をおこなわせるごとに中断操作をおこなうという煩わしい操作をおこなうことなく、音声をより迅速に入力することができる。

また、実施の形態の音声認識装置１００によれば、中断操作の回数が判断用の回数を超えるまでの間に限って、案内音声を出力することができる。したがって、音声認識装置１００は、利用者が案内音声を必要とする間に限って、案内音声を出力することができる。これによって、利用者は、案内音声が必要な期間に限って案内音声を活用し、音声認識装置１００の利用習熟度に応じて、容易かつ迅速に音声を入力することができる。

また、実施の形態の音声認識装置１００によれば、音声認識処理結果を用いておこなわれる機能ごとに中断操作の回数を計数することで、機能ごとに案内音声を出力したり出力せずに音声データの入力を受け付けたりすることができる。したがって、音声認識装置１００は、利用者が案内音声を必要とする機能に限って、案内音声を出力することができる。これによって、利用者は、案内音声が必要な機能に限って案内音声を活用し、機能ごとの利用習熟度に応じて、容易かつ迅速に音声を入力することができる。

つぎに、上述した実施の形態にかかる音声認識装置１００の実施例について説明する。この実施例においては、上述した実施の形態にかかる音声認識装置１００を、車両に搭載されたナビゲーション装置に適用した例を示す。

（ナビゲーション装置のハードウェア構成）
はじめに、ナビゲーション装置のハードウェア構成について説明する。図３は、実施例のナビゲーション装置のハードウェア構成を示すブロック図である。図３において、実施例のナビゲーション装置３００は、ＣＰＵ３０１と、ＲＯＭ３０２と、ＲＡＭ３０３と、磁気ディスクドライブ３０４と、磁気ディスク３０５と、光ディスクドライブ３０６と、光ディスク３０７と、音声Ｉ／Ｆ（インターフェース）３０８と、マイク３０９と、スピーカ３１０と、入力デバイス３１１と、映像Ｉ／Ｆ３１２と、ディスプレイ３１３と、通信Ｉ／Ｆ３１４と、ＧＰＳユニット３１５と、各種センサ３１６と、を備えている。各構成部３０１〜３１６は、バス３２０によってそれぞれ接続されている。

まず、ＣＰＵ３０１は、ナビゲーション装置３００の全体の制御を司る。ＲＯＭ３０２は、ナビゲーション処理に関する各種プログラムを記録している。また、ＲＡＭ３０３は、ＣＰＵ３０１のワークエリアとして使用される。すなわち、ＣＰＵ３０１は、ＲＡＭ３０３をワークエリアとして使用しながら、ＲＯＭ３０２に記録された各種プログラムを実行することによって、ナビゲーション装置３００の全体の制御を司る。

ＲＡＭ３０３には、上述した実施の形態で説明した中断操作回数を記録するメモリエリアが確保されている。このメモリエリアは、ナビゲーション装置３００の電源がＯＦＦになった場合にも中断操作回数を継続して記録することができるフラッシュメモリなどに確保される。

磁気ディスクドライブ３０４は、ＣＰＵ３０１の制御にしたがって磁気ディスク３０５に対するデータの読み取り／書き込みを制御する。磁気ディスク３０５は、図１に示した音声認識装置１００が備える記憶部１０１を実現し、磁気ディスクドライブ３０４の制御で書き込まれたデータを記録する。磁気ディスク３０５としては、たとえば、ＨＤ（ハードディスク）やＦＤ（フレキシブルディスク）を用いることができる。

磁気ディスク３０５には、地図データなどのナビゲーション処理に用いられる各種データが記録されている。地図データは、ノードおよびリンクからなる道路ネットワークデータと、施設や道路その他地形（山、川、土地）に関するフィーチャを用いて描画される画像データとを含んでいる。地図データには、文字情報、施設の名称や住所などの情報、道路や施設の画像などが含まれていてもよい。地図データは、複数の地区ごとに分けられた複数の地区データによって構成されていてもよい。この場合、各地区データは、ディスプレイ３１３に表示された地図上の所定の地区をあらわす。

道路形状データは、さらに交通条件データを有する。交通条件データには、たとえば、各ノードについて、信号や横断歩道などの有無、高速道路の出入り口やジャンクションの有無、各リンクについての長さ（距離）、道幅、進行方向、道路種別（高速道路、有料道路、一般道路など）などの情報が含まれている。

また、交通条件データには、過去の渋滞情報を、季節・曜日・大型連休・時刻などを基準に統計処理した過去渋滞情報を記憶している。ナビゲーション装置３００は、後述する通信Ｉ／Ｆ３１４によって受信される道路交通情報によって現在発生している渋滞の情報を得るが、過去渋滞情報により、指定した時刻における渋滞状況の予想をおこなうことが可能となる。

ナビゲーション処理に用いられる各種データには、地図上の施設の形状をあらわす３次元データ、当該施設の説明をあらわす文字データに加えて、各種の機能を実現する機能データが含まれている。機能データとしては、たとえば、経路探索、所要時間の算出、経路誘導などを実現するプログラムデータなどの機能を実現するためのデータが含まれている。

なお、実施例では、地図データを磁気ディスク３０５に記録するようにしたが、これに限るものではない。地図データは、ナビゲーション装置３００のハードウェアと一体に設けられているものに限って記録されているものではなく、ナビゲーション装置３００外部に設けられていてもよい。その場合、ナビゲーション装置３００は、たとえば、通信Ｉ／Ｆ３１４を通じて、ネットワークを介して地図データを取得する。取得された地図データは、ＲＡＭ３０３などに記憶される。

光ディスクドライブ３０６は、ＣＰＵ３０１の制御にしたがって光ディスク３０７に対するデータの読み取り／書き込みを制御する。光ディスク３０７は、光ディスクドライブ３０６の制御にしたがってデータの読み出される着脱自在な記録媒体である。光ディスク３０７は、書き込み可能な記録媒体を利用することもできる。着脱可能な記録媒体として、光ディスク３０７のほか、ＭＯ、メモリカードなどであってもよい。

音声Ｉ／Ｆ３０８は、音声入力用のマイク３０９および音声出力用のスピーカ３１０に接続される。マイク３０９に集音された音声は、音声Ｉ／Ｆ３０８内でＡ／Ｄ変換される。マイク３０９は、たとえば、車両のサンバイザー付近に設置され、その数は単数でも複数でもよい。スピーカ３１０からは、所定の音声信号を音声Ｉ／Ｆ３０８内でＤ／Ａ変換した音声が出力される。なお、マイク３０９から入力された音声は、音声データとして磁気ディスク３０５あるいは光ディスク３０７に記録可能である。

入力デバイス３１１は、文字、数値、各種指示などの入力のための複数のキーを備えたリモコン、キーボード、タッチパネルなどが挙げられる。入力デバイス３１１は、リモコン、キーボード、タッチパネルのうちいずれか一つの形態によって実現されてもよいが、複数の形態によって実現することも可能である。

映像Ｉ／Ｆ３１２は、ディスプレイ３１３に接続される。映像Ｉ／Ｆ３１２は、具体的には、たとえば、ディスプレイ３１３全体を制御するグラフィックコントローラと、即時表示可能な画像情報を一時的に記録するＶＲＡＭ（Ｖｉｄｅｏ ＲＡＭ）などのバッファメモリと、グラフィックコントローラから出力される画像データに基づいてディスプレイ３１３を制御する制御ＩＣなどによって構成される。

ディスプレイ３１３には、アイコン、カーソル、メニュー、ウインドウ、あるいは文字や画像などの各種データが表示される。ディスプレイ３１３には、上述した地図データが、２次元または３次元に描画される。ディスプレイ３１３に表示された地図データには、ナビゲーション装置３００を搭載した車両の現在地点をあらわすマークなどを重ねて表示することができる。なお、車両の現在地点は、ＣＰＵ３０１によって算出される。

ディスプレイ３１３としては、たとえば、ＣＲＴ、ＴＦＴ液晶ディスプレイ、プラズマディスプレイなどを用いることができる。ディスプレイ３１３は、たとえば、車両のダッシュボード付近に設置される。ディスプレイ３１３は、車両のダッシュボード付近のほか、車両の後部座席周辺などに設置するなどして、車両において複数設置されていてもよい。

また、通信Ｉ／Ｆ３１４は、無線を介してネットワークに接続され、ナビゲーション装置３００とＣＰＵ３０１とのインターフェースとして機能する。通信Ｉ／Ｆ３１４は、さらに、無線を介してインターネットなどの通信網に接続され、この通信網とＣＰＵ３０１とのインターフェースとしても機能する。

通信網には、ＬＡＮ、ＷＡＮ、公衆回線網や携帯電話網などがある。具体的には、通信Ｉ／Ｆ３１４は、たとえば、ＦＭチューナー、ＶＩＣＳ（Ｖｅｈｉｃｌｅ Ｉｎｆｏｒｍａｔｉｏｎ ａｎｄ Ｃｏｍｍｕｎｉｃａｔｉｏｎ Ｓｙｓｔｅｍ）／ビーコンレシーバ、無線ナビゲーション装置、およびその他のナビゲーション装置によって構成され、ＶＩＣＳセンターから配信される渋滞や交通規制などの道路交通情報を取得する。なお、ＶＩＣＳは登録商標である。

ＧＰＳユニット３１５は、ＧＰＳ衛星からの電波を受信し、車両の位置に関する情報を出力する。ＧＰＳユニット３１５の出力情報は、後述する各種センサ３１６の出力値とともに、ＣＰＵ３０１による車両の現在地点の算出に際して利用される。現在地点を示す情報は、たとえば緯度・経度、高度などの、地図データ上の１点を特定する情報である。

各種センサ３１６は、車速センサ、加速度センサ、角速度センサなどの、車両の位置や挙動を判断することが可能な情報を出力する。各種センサ３１６の出力値は、ＣＰＵ３０１による車両の現在地点の算出や、速度や方位の変化量の測定に用いられる。なお、ナビゲーション装置３００は、各種センサ３１６からの出力値を、ドライブレコーダ機能で記録するデータとしてもよい。

なお、図示および説明を省略するが、ナビゲーション装置３００は、上述した構成３０１〜３１６に加えて、ＤＶＤやＣＤなどの再生、テレビ放送の受信・録画などの各種機能を実現する構成を備えていてもよい。

図１に示した音声認識装置１００が備える各部の機能は、図３に示したナビゲーション装置３００におけるＲＯＭ３０２、ＲＡＭ３０３、磁気ディスク３０５、光ディスク３０７などに記録されたプログラムやデータを用いて、ＣＰＵ３０１が所定のプログラムを実行し、ナビゲーション装置３００における各部を制御することによって実現される。

すなわち、実施例のナビゲーション装置３００は、ナビゲーション装置３００における記録媒体としてのＲＯＭ３０２に記録されているデータ更新プログラムを実行することにより、図１に示した音声認識装置１００が備える機能を、図２に示した音声認識処理手順で実行することができる。

（ナビゲーション装置の音声認識処理手順）
つぎに、ナビゲーション装置３００の音声認識処理手順について説明する。図４は、ナビゲーション装置３００の音声認識処理手順を示すフローチャートである。図４のフローチャートにおいて、まず、音声操作の開始操作があるまで待機する（ステップＳ４０１：Ｎｏ）。ここで、音声操作とは、ナビゲーション装置３００が実行可能な各種の処理のうち、利用者によって発話された内容に応じた処理を開始させるための操作である。音声操作の開始操作は、入力デバイス３１１の操作によっておこなわれる。

ステップＳ４０１において、音声操作の開始操作があった場合（ステップＳ４０１：Ｙｅｓ）には、上述した実施の形態で説明した案内音声の出力設定情報を検索し（ステップＳ４０２）、案内音声を出力するか否かを判断する（ステップＳ４０３）。

ステップＳ４０３において、案内音声を出力する場合（ステップＳ４０３：Ｙｅｓ）には、開始操作に応じた案内音声の出力を開始し（ステップＳ４０４）、当該案内音声の出力が終了したか否かを判断する（ステップＳ４０５）。終了した場合（ステップＳ４０５：Ｙｅｓ）には、ステップＳ４１１へ移行する。終了していない場合には（ステップＳ４０５：Ｎｏ）、中断操作を受け付けたか否かを判断する（ステップＳ４０６）。

ステップＳ４０６において、中断操作を受け付けていない場合（ステップＳ４０６：Ｎｏ）には、ステップＳ４０５へ戻る。中断操作を受け付けた場合（ステップＳ４０６：Ｙｅｓ）には、案内音声の出力を中断し（ステップＳ４０７）、ＲＡＭ３０３に記録されている中断操作回数に「１」を加算する（ステップＳ４０８）。

そして、ステップＳ４０８において加算された中断操作回数と判断用の回数とを比較して、中断操作回数が判断用の回数を超えたか否かを判断する（ステップＳ４０９）。超えていない場合（ステップＳ４０９：Ｎｏ）には、一連の処理を終了する。超えた場合には（ステップＳ４０９：Ｙｅｓ）、以降、入力デバイス３１１によって音声操作の開始操作を受け付けた場合にも案内音声を出力しないように、案内音声の出力設定情報を変更して（ステップＳ４１０）、一連の処理を終了する。

一方、ステップＳ４０３において、案内音声を出力しない場合（ステップＳ４０３：Ｎｏ）には、マイク３０９を介して音声データが入力されるまで待ち（ステップＳ４１１：Ｎｏ）、入力された場合（ステップＳ４１１：Ｙｅｓ）には、音声認識処理をおこなう（ステップＳ４１２）。

ステップＳ４１２における音声認識処理については、上述した実施の形態と同様であるため説明を省略するが、音声認識用のテンプレートデータを、ＲＡＭ３０３などに展開し、展開されたテンプレートデータの中から入力された音声データのパターンにもっとも類似するテンプレートデータを検索する。

そして、音声認識処理の結果を該当する機能を実現する各部へ、当該音声認識処理結果を出力する（ステップＳ４１３）。ステップＳ４１３においては、たとえば、音声認識処理の結果を音声としてスピーカ３１０から出力したり、文字や図形を用いてディスプレイ３１３に表示したりする。

具体的に、ステップＳ４１３においては、たとえば、音声認識処理結果を地名や施設名の検索機能に用いる場合、音声認識処理結果を用いて検索された地名や施設名を順次読み上げてもよいし、検索された地名や施設名の一覧表をディスプレイ３１３に表示してもよい。なお、該当するテンプレートデータがない場合には、その旨を案内する音声メッセージをスピーカ３１０から出力したり、ディスプレイ３１３に表示してもよい。

その後、ステップＳ４１３において出力された音声認識処理結果が、最終階層の音声認識処理結果であるか否かを判断し（ステップＳ４１４）、最終階層ではない場合（ステップＳ４１４：Ｎｏ）には、ステップＳ４１１へ戻り、最終階層である場合（ステップＳ４１４：Ｙｅｓ）には、一連の処理を終了する。

上述したように、実施例のナビゲーション装置３００は、利用者が案内音声を必要とする場合に限って、案内音声を出力することができる。これによって、利用者は、案内音声が不要な機能を利用する都度、中断操作をおこなうという煩わしい操作をおこなうことなく、音声をより迅速に入力することができる。

また、実施例のナビゲーション装置３００は、利用者が案内音声を必要とする間に限って、案内音声を出力することができる。これによって、利用者は、操作に不慣れである間などのように、案内音声が必要な期間に限って案内音声を活用し、音声認識装置１００の利用習熟度に応じて、容易かつ迅速に音声を入力することができる。

また、実施例のナビゲーション装置３００は、利用者が案内音声を必要とする機能に限って、案内音声を出力することができる。これによって、利用者は、案内音声が必要な機能に限って案内音声を活用し、機能ごとの利用習熟度に応じて、容易かつ迅速に音声を入力することができる。

以上説明したように、上述した音声認識装置、音声認識方法、音声認識プログラム、および記録媒体によれば、利用者が煩わしい操作をおこなうことなく、音声をより迅速に入力することができる。

なお、本実施の形態で説明した音声認識方法は、あらかじめ用意されたプログラムをパーソナル・コンピュータやワークステーションなどのコンピュータで実行することにより実現することができる。このプログラムは、ハードディスク、フレキシブルディスク、ＣＤ−ＲＯＭ、ＭＯ、ＤＶＤなどのコンピュータで読み取り可能な記録媒体に記録され、コンピュータによって記録媒体から読み出されることによって実行される。またこのプログラムは、インターネットなどのネットワークを介して配布することが可能な伝送媒体であってもよい。

この発明の実施の形態にかかる音声認識装置の機能的構成を示すブロック図である。 音声認識装置の案内音声出力処理手順を示すフローチャートである。 実施例のナビゲーション装置のハードウェア構成を示すブロック図である。 ナビゲーション装置の音声認識処理手順を示すフローチャートである。

符号の説明

１００ 音声認識装置
１０２ 受付部
１０３ 出力部
１０６ 計数部
１０７ 比較部

Claims (5)

1. 音声認識処理における操作内容を案内する案内音声の出力途中に、当該案内音声の出力を中断させる中断操作を受け付ける受付手段と、
   前記受付手段によって受け付けられた中断操作の回数を計数する計数手段と、
   前記計数手段によって計数された回数に応じて、前記案内音声を出力する出力手段と、
   を備えることを特徴とする音声認識装置。
2. 前記計数手段によって計数された回数と任意に設定された判断用の回数とを比較する比較手段を備え、
   前記出力手段は、前記比較手段によって比較された比較結果に基づいて、前記計数手段によって計数された回数が前記判断用の回数を超えるまでの間、前記案内音声を出力することを特徴とする請求項１に記載の音声認識装置。
3. 音声認識処理における操作内容を案内する案内音声の出力途中に、当該案内音声の出力を中断させる中断操作を受け付ける受付工程と、
   前記受付工程によって受け付けられた中断操作の回数を計数する計数工程と、
   前記計数工程によって計数された回数に応じて、前記案内音声を出力する出力工程と、
   を含んだことを特徴とする音声認識方法。
4. 請求項３に記載の音声認識方法をコンピュータに実行させることを特徴とする音声認識プログラム。
5. 請求項４に記載の音声認識プログラムを記録したことを特徴とするコンピュータに読み取り可能な記録媒体。
   
   
   

Images