JP2007280104A - 情報処理装置、情報処理方法、情報処理プログラムおよびコンピュータに読み取り可能な記録媒体 - Google Patents

Abstract

【課題】待ち受け語の一部を忘れた場合など、全てを正確に発話出来なくても、目的の語句を検索して所望の処理を実現すること。
【解決手段】まず、認識部１０１は、入力された音声から発話内容を認識する。識別部１０２は、認識部１０１によって認識された発話内容から、あらかじめ定められた置き換え語を識別する。次に、選択部１０３は、識別部１０２によって置き換え語が識別された場合、発話内容から置き換え語を除いた部分を待ち受け語と照合し、この部分を含む待ち受け語を選択する。そして、処理部１０４は、選択部１０３によって選択された待ち受け語に基づく処理を実行する。
【選択図】図１

Description

この発明は、音声による指示を認識して処理を実行する情報処理装置、情報処理方法、情報処理プログラムおよびコンピュータに読み取り可能な記録媒体に関する。ただし、この発明の利用は、上述の音声による指示を認識して処理を実行する情報処理装置、情報処理方法、情報処理プログラムおよびコンピュータに読み取り可能な記録媒体に限らない。

従来、音声によって指示を出して、音声による指示を認識して処理を実行するナビゲーション装置があった。たとえば、音声によって目的地を指示したり、付属のオーディオ装置による音楽の再生を指示したりすることができるナビゲーション装置があった。このようなナビゲーション装置で音声認識を用いて語句を認識する場合、認識する語句を用意しておいて、発話された内容に対して一番近いものを結果として出力していた（たとえば、特許文献１参照。）。

一方で、このような音声認識では、予め待ち受けている語句以外のものに対しての対策はなされていないので、ユーザが発話開始時や語尾に「えぇっと」や「それで」などという意味をなさない語句を発話した場合には、この意味をなさない語句を含めて待ち受け語に対してマッチングしてしまうため、誤認識する可能性が高くなってしまう。そこで、このような発話に対応するために、語句の前後にあらゆる音素にマッチング出来るようなモデルを付加したり、「えぇっと」などの予め予想できる単語モデルを付加したりすることによって対応していた。

特開平１１−２２４２６５号公報

しかしながら、発話者が発話により語句を認識させようという場合、発話内容と待ち受け語が完全に一致しなければ発話者が要望する語句を認識させるのが難しいため、予め待ち受けている単語の内容を把握して発話をしなければならなかった。したがって、発話する内容の一部を忘れてしまった場合、その一部を除いて待ち受け語を把握しているにも関わらず、発話内容を待ち受け語と一致させることができない。その結果、忘れた場合には待ち受け語にたどり着くのが非常に困難となってしまっていたという問題が一例として挙げられる。

また、発話内容と待ち受け語は完全に一致しなければならないわけではなく、単語の前後に付く無意味な語句に対する対応はなされていて、発話内容がこの無意味な語句を含む場合でも待ち受け語と一致するものとして処理することができた。しかしこの処理は、余分な語句が加わった場合に発話内容と待ち受け語を一致させる処理であり、待ち受け語に含まれる語句の一部が、発話内容に含まれていない場合に対応するものではなかった。したがって、発話内容の一部を忘れてしまったものに関しては対応されていなかったという問題が一例として挙げられる。

請求項１の発明にかかる情報処理装置は、入力された音声から発話内容を認識する認識手段と、前記認識手段によって認識された発話内容から、あらかじめ定められた置き換え語を識別する識別手段と、前記識別手段によって前記置き換え語が識別された場合、前記発話内容から前記置き換え語を除いた部分を待ち受け語と照合し、前記部分を含む待ち受け語を選択する選択手段と、前記選択手段によって選択された待ち受け語に基づく処理を実行する処理手段と、を備えることを特徴とする。

また、請求項５の発明にかかる情報処理方法は、入力された音声から発話内容を認識する認識工程と、前記認識工程によって認識された発話内容から、あらかじめ定められた置き換え語を識別する識別工程と、前記識別工程によって前記置き換え語が識別された場合、前記発話内容から前記置き換え語を除いた部分を待ち受け語と照合し、前記部分を含む待ち受け語を選択する選択工程と、前記選択工程によって選択された待ち受け語に基づく処理を実行する処理工程と、を含むことを特徴とする。

また、請求項６の発明にかかる情報処理プログラムは、請求項５に記載の情報処理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７の発明にかかるコンピュータに読み取り可能な記録媒体は、請求項６に記載の情報処理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、この発明にかかる情報処理装置、情報処理方法、情報処理プログラムおよびコンピュータに読み取り可能な記録媒体の好適な実施の形態を詳細に説明する。

図１は、この発明の実施の形態にかかる情報処理装置の機能的構成を示すブロック図である。この実施の形態の情報処理装置は、認識部１０１、識別部１０２、選択部１０３、処理部１０４により構成されている。

認識部１０１は、入力された音声から発話内容を認識する。具体的には、マイクなどにより入力された音声を解析して、音声を構成する文字（たとえば、“か”）や文字構成要素（たとえば、“か（ｋａ）”を構成する“ｋ”や“ａ”）の一つ一つを特定する。そして、その文字や文字構成要素の連続について繰り返すことにより発話内容を認識する。

識別部１０２は、認識部１０１によって認識された発話内容から、あらかじめ定められた置き換え語を識別する。つまり、発話内容を構成する文字や文字構成要素の連続から、置き換え語に一致する単語を識別する。一致する場合には、その単語を置き換え語が含まれているとして識別する。

選択部１０３は、識別部１０２によって置き換え語が識別された場合、発話内容から置き換え語を除いた部分を待ち受け語と照合し、この部分を含む待ち受け語を選択する。たとえば、「かわごえ＿なんとか＿ほてる」と発話した場合、置き換え語である「なんとか」を除いた部分を照合し、「かわごえ」と「ほてる」を含む待ち受け語を選択する。このとき、施設名称「かわごえあいうえおほてる」の待ち受け語「かわごえ＿あいうえお＿ほてる」が「なんとか」を「あいうえお」に置き換えた形になっているので、この待ち受け語を選択する。なお、置き換え語の位置に何らかの文字がない待ち受け語が照合された場合でも、この待ち受け語を選択することができる。たとえば、「かわごえ＿ほてる」という待ち受け語も選択することができる。

すなわち、選択部１０３は、発話内容を単語ごとに分割して各単語について待ち受け語と照合し、発話内容のうち置き換え語を除いた各単語が含まれるとともに置き換え語の位置に他の単語が含まれている待ち受け語を選択する。なお、選択部１０３は、認識部１０２によって置き換え語が識別されなかった場合には、発話内容全体を待ち受け語と照合して発話内容に一致する待ち受け語を選択する。

ここで、発話内容に置き換え語が含まれている場合の待ち受け語の選択方法は、上述した方法以外でもよい。たとえば、待ち受け語に各々に対して置き換え語を含んだ待ち受け語を展開し、これら展開された待ち受け語と発話内容の全体とをマッチングさせて、一番良くマッチングするものに対応する待ち受け語を選択するようにしてもよい。具体的には、たとえば、施設名称「かわごえあいうえおほてる」の待ち受け語「かわごえ＿あいうえお＿ほてる」に対して「かわごえ＿あいうえお＿ほてる」、「かわごえ＿あいうえお＿なんとか」、「かわごえ＿なんとか＿ほてる」、「なんとか＿あいうえお＿ほてる」・・・というように展開し、発話内容が「かわごえなんとかほてる」である場合には、この発話内容と一番マッチングする「かわごえ＿なんとか＿ほてる」に対応する待ち受け語「かわごえ＿あいうえお＿ほてる」を選択する。

処理部１０４は、選択部１０３によって選択された待ち受け語に基づく処理を実行する。たとえば、待ち受け語によって特定される地点を目的地として設定し、この目的地への経路を探索することができる。また、たとえば、待ち受け語によってオーディオなど他の機能の実行を判別し、ここで判別されたオーディオなどの機能を実行することもできる。また、処理部１０４は、選択部１０３によって複数の待ち受け語が選択された場合に、複数の待ち受け語のうち一つの指示を受けつけ、指示された待ち受け語に基づいて処理を実行することもできる。

図２は、この発明の実施の形態にかかる情報処理の手順を示すフローチャートである。まず、認識部１０１は、入力された音声から発話内容を認識する（ステップＳ２０１）。次に、識別部１０２は、認識部１０１によって認識された発話内容から、あらかじめ定められた置き換え語を識別する（ステップＳ２０２）。次に、選択部１０３は、識別部１０１によって置き換え語が識別されたか否かを判定する（ステップＳ２０３）。

識別部１０１によって置き換え語が識別されなかった場合（ステップＳ２０３：Ｎｏ）には、選択部１０３は、発話内容全体と待ち受け語を照合し、一致する待ち受け語を選択する（ステップＳ２０４）。そして、ステップＳ２０６に進む。

一方、識別部１０１によって置き換え語が識別された場合（ステップＳ２０３：Ｙｅｓ）には、選択部１０３は、発話内容から置き換え語を除いた部分を待ち受け語と照合し、この部分を含む待ち受け語を選択する（ステップＳ２０５）。

そして、処理部１０４は、ステップＳ２０４またはステップＳ２０５において選択部１０３によって選択された待ち受け語に基づく処理を実行する（ステップＳ２０６）。そして、一連の処理を終了する。

以上説明した実施の形態により、待ち受け語を構成する単語のすべてを入力できない場合でも、待ち受け語の一部と置き換え語を組み合わせて入力することにより、待ち受け語が入力されたものとして認識することができる。それにより、待ち受け語と完全に一致させずに入力した場合でも、その待ち受け語に対応する所望の処理を実行することができる。たとえば、待ち受け語を忘れた場合でも、忘れた部分を置き換え語で置き換えて入力して所望の処理を実行することができる。

（情報処理装置のハードウェア構成）
図３は、情報処理装置のハードウェア構成を示すブロック図である。この実施例は、上述した実施の形態にかかる情報処理装置を、移動体としての車両に搭載された情報処理装置に適用した例である。はじめに、実施例の情報処理装置のハードウェア構成について図３を参照して説明する。

図３に示すように、実施例の情報処理装置は、ＣＰＵ３０１と、ＲＯＭ３０２と、ＲＡＭ（メモリ）３０３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、カメラ３１３と、ディスプレイ３１４と、通信Ｉ／Ｆ３１５と、ＧＰＳユニット３１６と、各種センサ３１７と、を備えている。また、各構成部３０１〜３１７は、バス３２０によってそれぞれ接続されている。

まず、ＣＰＵ３０１は、情報処理装置の全体の制御を司る。ＲＯＭ３０２は、ブートプログラム、ナビゲーションプログラムなどのプログラムを記録している。ＲＡＭ３０３は、ＣＰＵ３０１のワークエリアとして使用される。

ここで、ナビゲーションプログラムには、ＣＰＵ３０１によって実行されることにより、入力された音声から発話内容を認識させ、認識された発話内容から、あらかじめ定められた置き換え語を識別させ、置き換え語が識別された場合、発話内容から置き換え語を除いた部分を待ち受け語と照合し、この部分を含む待ち受け語を選択させ、選択された待ち受け語に基づく処理を実行させるプログラムが含まれる。

磁気ディスクドライブ３０４は、ＣＰＵ３０１の制御に従って磁気ディスク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、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。

光ディスクドライブ３０６は、ＣＰＵ３０１の制御に従って光ディスク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の制御に従ってデータが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。また、この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。

磁気ディスク３０５や光ディスク３０７に記録される情報の他の一例として、経路探索・経路誘導などに用いる地図データが挙げられる。地図データは、建物、河川、地表面などの地物（フィーチャ）をあらわす背景データと、道路の形状をあらわす道路形状データとを有しており、ディスプレイ３１４の表示画面において２次元または３次元に描画される。情報処理装置が経路誘導中の場合は、地図データとＣＰＵ３０１によって取得された車両の現在地点とが重ねて表示されることとなる。

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に受音された音声は、音声Ｉ／Ｆ３０８内でＡ／Ｄ変換される。また、スピーカ３１０からは音声が出力される。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または光ディスク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、マウス、タッチパネルなどが挙げられる。さらに、入力デバイス３１１は、デジタルカメラや携帯電話端末などの他の情報処理端末を接続し、データの入出力をおこなうことができる。

映像Ｉ／Ｆ３１２は、映像入力用のカメラ３１３および映像出力用のディスプレイ３１４と接続される。映像Ｉ／Ｆ３１２は、具体的には、たとえば、ディスプレイ３１４全体の制御をおこなう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３１４を表示制御する制御ＩＣなどによって構成される。

カメラ３１３は、車両内外の映像を撮像し、画像データとして出力する。カメラ３１３で撮像された画像は、画像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。ディスプレイ３１４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。このディスプレイ３１４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採用することができる。

通信Ｉ／Ｆ３１５は、無線を介してネットワークに接続され、情報処理装置とＣＰＵ３０１とのインターフェースとして機能する。通信Ｉ／Ｆ３１５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／Ｆ３１５は、たとえば、ＦＭチューナー、ＶＩＣＳ／ビーコンレシーバ、無線情報処理装置、およびその他の情報処理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３１６は、ＧＰＳ衛星からの電波を受信し、情報処理装置を搭載した車両の位置に関する情報を出力する。ＧＰＳユニット３１６の出力情報は、後述する各種センサ３１７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３１７は、車速センサや角速度センサなどの、車両の位置や挙動を判断するための情報を出力する。各種センサ３１７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、図示および説明を省略するが、情報処理装置は、上述した構成３０１〜３１７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４は、待ち受け語の一覧を示す図である。認識辞書４００は、待ち受け語４０１〜４０４を備えている。待ち受け語４０１〜４０４は、いずれも「かわごえ」で始まる待ち受け語である。待ち受け語４０１は、「かわごえ＿あいうえお＿ほてる」によって構成される。待ち受け語４０２は、「かわごえ＿かきくけこ＿ほてる」によって構成される。待ち受け語４０３は、「かわごえ＿さしすせそ＿ほてる」によって構成される。待ち受け語４０４は、「かわごえ＿さしすせそ＿でぱーと」によって構成される。以上の待ち受け語４０１〜４０４のいずれかが認識されたとき、対応する処理が実行される。

図５は、待ち受け語を単語ごとに分けた場合の認識辞書を示す図である。図４に示した待ち受け語４０１〜４０４は、いずれも一連の単語が続いたものであり、この一連の単語がすべて一致しなければ認識されない。そこでこの実施例では、待ち受け語を構成する単語の一部が、本来使用されるべき語を置き換える語であるワイルドカードで差し替えられた場合でも、待ち受け語を認識できるように待ち受け語４０１〜４０４をそれぞれ単語ごとに分割して登録する。

具体的には、待ち受け語４０１は、「かわごえ」「あいうえお」「ほてる」、と各単語を区切った形で登録されている。同様に、待ち受け語４０２は、「かわごえ」「かきくけこ」「ほてる」、と登録されている。また、待ち受け語４０３は、「かわごえ」「さしすせそ」「ほてる」、と登録されている。待ち受け語４０１は、「かわごえ」「さしすせそ」「でぱーと」、と登録されている。

このように、１つの認識語からワイルドカードとして置き換えることが出来るような区切りごとに目印をつけておく。それにより、マッチング時にそれらの部分に対してワイルドカード（この実施例では「なんとか」）で置き換えられる、全パスに対してマッチングを実行する。

図６は、ワイルドカードを含む発話内容を認識した状態を説明する説明図である。発話内容６００は、「かわごえ＿なんとか＿ほてる」である。このうち「なんとか」が、ワイルドカード６１０に該当する。そして、発話内容６００のうち、ワイルドカード６１０の部分が一致しなくても、他の単語が一致した場合は、その待ち受け語と一致するものとして認識する。

図７は、照合の対象となる待ち受け語リストを説明する図である。待ち受け語リスト７００には、待ち受け語７１０〜７３０が含まれ、それぞれ単語ごとに区切られて登録されている。

具体的には、待ち受け語７１０は、「かわごえ」「あいうえお」「ほてる」、と各単語を区切った形で登録されている。同様に、待ち受け語７２０は、「かわごえ」「さしすせそ」「でぱーと」、と登録されている。待ち受け語７３０は、「さいたま」「あいうえお」「でぱーと」、と登録されている。

図８は、ワイルドカードを含む発話内容の認識処理を説明する説明図である。ここでは発話内容６００を、待ち受け語リスト７００に登録された待ち受け語７１０〜７３０と照合する。そして、照合にあたって、置き換え処理８００でワイルドカード６１０が考慮される。待ち受け語７１０と照合する場合、初期状態８１０から開始する。まず、「かわごえ」が一致する。次の「あいうえお」は一致しないが、発話内容６００ではワイルドカード６１０に該当するので不一致でもよい。そして、「ほてる」が一致し、発話内容６００と待ち受け語７１０が一致することになり、待ち受け語７１０が認識される。そして、最終状態８２０に進み、待ち受け語７１０の照合処理を終わる。

次に、待ち受け語７２０と照合する場合、初期状態８１０から開始する。まず、「かわごえ」が一致する。次の「さしすせそ」は一致しないが、発話内容６００ではワイルドカード６１０に該当するので不一致でもよい。しかし、その次の「でぱーと」が一致しないので、発話内容６００と待ち受け語７２０は一致しないと認識される。そして、最終状態８２０に進み、待ち受け語７２０の照合処理を終わる。

次に、待ち受け語７３０と照合する場合、初期状態８１０から開始する。まず、「さいたま」が一致しない。したがって、後続の単語を照合するまでもなく、発話内容６００と待ち受け語７３０は一致しないと認識される。そして、最終状態８２０に進み、待ち受け語７３０の照合処理を終わる。以上のように、発話内容６００とは、待ち受け語７１０のみが一致するので、待ち受け語７１０が選択される。

図９は、認識された待ち受け語が複数ある場合のリストを説明する説明図である。図７に示した待ち受け語リスト７００から検索する場合、待ち受け語７１０の一つだけが選択されることになるが、ワイルドカード６１０が含まれる発話内容６００と一致するものを検索する場合、該当するものが複数でてくる場合がある。この場合、複数の待ち受け語を選択しておいて、所望のものを選択するようにすることができる。

待ち受け語リスト９００には、待ち受け語９１０〜９５０が含まれ、それぞれ単語ごとに区切られて登録されている。具体的には、待ち受け語９１０は、「かわごえ」「あいうえお」「ほてる」、と各単語を区切った形で登録されている。同様に、待ち受け語９２０は、「かわごえ」「えっくす」「ほてる」、と登録されている。待ち受け語９３０は、「かわごえ」「さしすせそ」「でぱーと」、と登録されている。待ち受け語９４０は、「さいたま」「さしすせそ」「でぱーと」、と登録されている。待ち受け語９５０は、「かわごえ」「ほてる」、と登録されている。

このうち、ワイルドカード６１０を含めて一致する待ち受け語は、待ち受け語９１０、待ち受け語９２０、待ち受け語９５０ということになる。待ち受け語９５０は、ワイルドカード６１０の箇所に単語が含まれていないが、この場合でも、一致するとして認識される。このように３つの待ち受け語が選択される。

図１０は、複数の待ち受け語から指示を受け付ける画面の説明図である。表示画面１０００には、待ち受け語９１０、待ち受け語９２０、待ち受け語９５０が表示される。すなわち、認識結果にワイルドカード６１０が含まれていた場合には、待ち受けている辞書や検索履歴など、予めワイルドカード６１０用に決めていた場所からワイルドカードを考慮してマッチングさせた結果を発話者に提示し、その中から選んでもらうようにする。そして、このうち一つを選択することにより、ユーザは想定していた待ち受け語を選択し、所望の処理を実行することができる。

図１１は、待ち受け語を受け付けてから実行するまでの処理を説明するフローチャートである。まず、入力された音声から発話内容６００を認識する（ステップＳ１１０１）。次に、発話内容６００に対応する待ち受け語を選択する（ステップＳ１１０２）。ステップＳ１１０２の待ち受け語の選択処理については、図１２において後述する。

そして、待ち受け語が複数あるか否かを判定する（ステップＳ１１０３）。待ち受け語が複数ではなかった場合（ステップＳ１１０３：Ｎｏ）、すなわち一つであった場合、ステップＳ１１０５に進む。待ち受け語が複数の場合（ステップＳ１１０３：Ｙｅｓ）、待ち受け語のうちひとつの指示を受け付け、待ち受け語を特定する（ステップＳ１１０４）。そして、待ち受け語の示す処理を実行し（ステップＳ１１０５）、一連の処理を終了する。

図１２は、待ち受け語の選択処理を説明するフローチャートである。図１１のステップＳ１１０２に示した待ち受け語の選択処理において、図１２に示す処理を実行する。まず、最初の待ち受け語を指定する（ステップＳ１２０１）。次に、待ち受け語の単語の発話内容の単語を比較し（ステップＳ１２０２）、一致したか否かを判定する（ステップＳ１２０３）。一致した場合（ステップＳ１２０３：Ｙｅｓ）、ステップＳ１２０５に進む。一致しなかった場合（ステップＳ１２０３：Ｎｏ）、発話内容の単語が置き換え語、すなわちワイルドカードであるか否かを判定する（ステップＳ１２０４）。置き換え語でない場合（ステップＳ１２０４：Ｎｏ）、ステップＳ１２０７に進む。

置き換え語の場合（ステップＳ１２０４：Ｙｅｓ）、すべての単語について比較終了したか否かを判定する（ステップＳ１２０５）。終了した場合（ステップＳ１２０５：Ｙｅｓ）、ステップＳ１２０７に進み、終了していない場合（ステップＳ１２０５：Ｎｏ）、次の単語に進んで（ステップＳ１２０６）、ステップＳ１２０２に戻る。

ステップＳ１２０７では、すべての待ち受け語について照合終了したか否かを判定する。すべての待ち受け語について照合終了していない場合（ステップＳ１２０７：Ｎｏ）、次の待ち受け語に進み（ステップＳ１２０８）、ステップＳ１２０２に戻る。すべての待ち受け語について照合終了した場合（ステップＳ１２０７：Ｙｅｓ）、発話内容に対応する待ち受け語を選択して（ステップＳ１２０９）、一連の処理を終了する。一連の処理を終了した後は、図１１に示したステップＳ１１０３に進む。

以上説明した実施例によれば、待ち受け語を構成する単語のすべてを入力できない場合でも、待ち受け語の一部と置き換え語を組み合わせて入力することにより、待ち受け語が入力されたものとして認識することができる。たとえば、「かわごえ＿あいうえお＿ほてる」を検索したいが、「あいうえお」の部分を忘れてしまった場合に、「かわごえ＿なんとか＿ほてる」と発話することにより検索することができる。

これにより、全てを正確に発話出来なくても目的の語句に辿りつくことが出来る。そして、待ち受け語と完全に一致させずに入力した場合でも、その待ち受け語に対応する所望の処理を実行することができる。たとえば、待ち受け語を忘れた場合でも、忘れた部分を置き換え語で置き換えて入力して所望の処理を実行することができる。

なお、本実施の形態で説明した情報処理方法は、予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情報処理装置の機能的構成を示すブロック図である。 この発明の実施の形態にかかる情報処理の手順を示すフローチャートである。 情報処理装置のハードウェア構成を示すブロック図である。 待ち受け語の一覧を示す図である。 待ち受け語を単語ごとに分けた場合の認識辞書を示す図である。 ワイルドカードを含む発話内容を認識した状態を説明する説明図である。 照合の対象となる待ち受け語リストを説明する図である。 ワイルドカードを含む発話内容の認識処理を説明する説明図である。 認識された待ち受け語が複数ある場合のリストを説明する説明図である。 複数の待ち受け語から指示を受け付ける画面の説明図である。 待ち受け語を受け付けてから実行するまでの処理を説明するフローチャートである。 待ち受け語の選択処理を説明するフローチャートである。

符号の説明

１０１ 認識部
１０２ 識別部
１０３ 選択部
１０４ 処理部

Claims (7)

1. 入力された音声から発話内容を認識する認識手段と、
   前記認識手段によって認識された発話内容から、あらかじめ定められた置き換え語を識別する識別手段と、
   前記識別手段によって前記置き換え語が識別された場合、前記発話内容から前記置き換え語を除いた部分を待ち受け語と照合し、前記部分を含む待ち受け語を選択する選択手段と、
   前記選択手段によって選択された待ち受け語に基づく処理を実行する処理手段と、
   を備えることを特徴とする情報処理装置。
2. 前記選択手段は、前記発話内容を単語ごとに分割して各単語について前記待ち受け語と照合し、前記発話内容のうち前記置き換え語を除いた各単語が含まれるとともに前記置き換え語の位置に他の単語が含まれている待ち受け語を選択することを特徴とする請求項１に記載の情報処理装置。
3. 前記選択手段によって照合される待ち受け語は、過去に認識された発話内容の履歴として用意されることを特徴とする請求項１または２に記載の情報処理装置。
4. 前記処理手段は、前記選択手段によって複数の待ち受け語が選択された場合に、前記複数の待ち受け語のうち一つの指示を受けつけ、指示された待ち受け語に基づいて処理を実行することを特徴とする請求項１〜３のいずれか一つに記載の情報処理装置。
5. 入力された音声から発話内容を認識する認識工程と、
   前記認識工程によって認識された発話内容から、あらかじめ定められた置き換え語を識別する識別工程と、
   前記識別工程によって前記置き換え語が識別された場合、前記発話内容から前記置き換え語を除いた部分を待ち受け語と照合し、前記部分を含む待ち受け語を選択する選択工程と、
   前記選択工程によって選択された待ち受け語に基づく処理を実行する処理工程と、
   を含むことを特徴とする情報処理方法。
6. 請求項５に記載の情報処理方法をコンピュータに実行させることを特徴とする情報処理プログラム。
7. 請求項６に記載の情報処理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