JP2008083410A - 音声認識装置及びその方法 - Google Patents

Abstract

【課題】入力された数字区間に含まれる隣接する数字２文字が特定の範囲を意図していると判断された場合に、認識候補に「〜」「、」などの範囲を示す文字を前記２文字の間に挿入した候補を認識結果に示すことができる音声認識装置を提供する。
【解決手段】入力される音声信号を認識辞書を用いて単語列に変換する音声認識部１０２と、連続する単語列の品詞から数字文節を構成する範囲を切り出す数字文節解析部１０４と、連続する数字２文字とその後方の条件から特定の範囲を示す数字表現であることを知り、該文字間に範囲文字挿入用コードを付与する範囲文字挿入部１０５と、入力された数字文字列を、漢数字、アラビア数字、桁の有無など表記可能なパターンに展開し、更に数字文字列に範囲文字挿入用コードが含まれる場合、該コードを適当な範囲文字に置換した候補を作成する候補展開部１０７とを有する。
【選択図】 図１

Description

本発明は、数字入力時の認識候補作成機能を有する音声認識装置及びその方法に関するものである。

音声認識装置を用いて数値を入力する場合、桁付きあるいは桁なしの二種類の方法がある。これらによって入力された数値は、漢数字またはアラビア数字として認識される。「万」「百」等の桁、カンマの付与も認識モード等の状態で決定される。

従来の音声認識装置（例えば、特許文献１と特許文献２参照）は、発声した通りの表記に変換することを目的としており、「５人（ごにん）」などの入力では問題ないが、「５、６人」を入力する場合は、「ごてんろくにん」などと発声する必要があった。一方、音声認識を意識しない場合は「ごろくにん」と発声するのが自然であり、この発声を認識させると棒読みと判定され「５６人」との表記になってしまった。
特開２００１−１０１１７６公報 特開２０００−２００８５公報

一般的に、述べようとする数値が明確でないが特定の範囲を有することが判明している場合で、かつ、前記範囲の数字が連続している場合、例えば「５から６」「５万から６万」「１５から１６」などを「から」や先行語の桁の一部を省略し、「ごろく」「ごろくまん」「じゅうごろく」と読むことが多い。

従来の音声認識装置では、入力された読み通りに認識候補を出力するため、オペレータは前記入力の際には認識結果を意識して「５〜６」であれば「ごからろく」、「５、６」であれば「ごてんろく」等のように発声する必要があった。

また、話し手が音声認識を意識しない使用法、例えば放送や録音、電話音声を音声認識システムで文字化する場合では、「から」などを省略した「ごろく」などで入力される場合が多く、認識結果には入力音声に従って「５６」と出力されてしまい、発話者が意図する表記にオペレータが別途修正する必要があった。

そこで、本発明は上記の問題を解決するためのものであり、入力された数字区間に含まれる隣接する数字２文字が特定の範囲を意図していると判断された場合に、認識候補に「〜」「、」などの範囲を示す文字を前記２文字の間に挿入した候補を認識結果に示すことができる音声認識装置及びその方法を提供することを目的とする。

本発明は、入力された音声信号を文字コードに変換する音声認識装置において、前記音声信号を認識辞書を用いて、文字コードよりなる文字から構成される単語列として音声認識する音声認識手段と、前記単語列に含まれる単語が、数を表す文字である数字の連続、または、桁を表す文字を含んだ数字の連続である場合に、前記各文字を結合し数字文節を作成する数字文節作成手段と、（１）前記数字文節内の連続する２つの数字の文字コードを数値化し、前記２文字の文末側文字に対応する数値が、前記２つの数字の文頭側文字に対応する数値に１を加算した値であり、かつ、（２）前記文末側文字が前記数字文節の末尾、または、前記数字文節内において前記文末側文字の次の文字が桁を表す文字のみである場合に、（３）前記２つの数字の間に範囲文字挿入用コードを挿入する範囲文字挿入手段と、前記数字文節の各文字の文字コード及び前記範囲文字挿入用コードを、範囲文字を含んだ数字の表記パターンに展開する数字展開手段と、を具備したことを特徴とする音声認識装置である。

本発明によれば、特定の範囲を有する数字を発声する際に、「から」等の範囲を示す語句を発声することなしに、２文字の数字の並びと、数字文節長、桁の位置などから判断し、適切に範囲を示す語句を挿入した認識候補を提供できる。

以下、図面を参照して本発明の実施形態の音声認識装置について説明する。

（第１の実施形態）
以下、本発明の第１の実施形態の音声認識装置について図１〜図２に基づいて説明する。

（１）音声認識装置の構成
図１は、本実施形態の音声認識装置を示したブロック構成図である。

図１に示すように、音声認識装置は、日本語の音声認識であり、入力装置１０１、音声認識部１０２、認識辞書１０３、数字文節解析部１０４、範囲文字挿入部１０５、数字文節バッファ１０６、候補展開部１０７、次候補バッファ１０８、範囲文字テーブル１０９、出力装置１１０、文書バッファ１１１から構成される。

なお、音声認識部１０２、数字文節解析部１０４、範囲文字挿入部１０５、候補展開部１０７の各機能は、コンピュータに記憶されたプログラムによって実現される。

入力装置１０１は、発声された音声入力を電気信号に変換するマイクあるいは、メディア等の記録媒体から記録済みの音声を電気信号に変換して再生するプレイヤーである。オペレータは、入力装置１０１に発声し直接音声を入力するか、あるいは、入力装置１０１を操作し音声を再生する。

音声認識部１０２は、前記の音声信号を認識辞書１０３を参照し文字や単語、あるいは文節等の文字コードに変換する。本実施形態においては音声認識結果は単語単位であり、品詞、読みの情報が付与されているものとする。

数字文節解析部１０４は、音声認識部１０２が出力する品詞を判別し、数字単語であった場合、該単語を数字文節バッファ１０６に格納する。

範囲文字挿入部１０５において、数字文節解析部１０４が数字文節が終了すると共に、数字文節バッファ１０６に格納された単語表記を調査し隣接する２文字が特定の範囲を意図していると判断した場合、前記文字間に範囲文字挿入用制御コードを挿入し、候補展開部１０７へ送付する。

候補展開部１０７では、入力された数字文字列を表記可能なアラビア数字、全半角、漢数字、ローマ数字、桁有無、コンマ有無などのパターンに展開する。ここで、前記数字文字列に範囲文字挿入用制御コードが含まれていた場合、該制御コードはそのままとし前後を各々のパターンに展開した上で前側、制御コード、後側を再結合し次候補バッファ１０８に格納する。

また、候補展開部１０７では、次候補バッファ１０８に格納済みの表記を順次取り出し、範囲文字挿入用制御コードが含まれる場合、該コードを範囲文字テーブル１０９に記載されている文字コードに置換する。ここで、範囲文字テーブル１０９には、範囲を示す文字コードと組み合わせて良い数字部分の表記の種類が格納されているものである。

全ての次候補バッファ１０８格納の文字列に対して処理が終わると、出力装置１１０に前記次候補バッファ１０８格納の文字列を表示する。

オペレータが候補を選択した場合、該候補文字列は文書バッファ１１１に格納される。

（２）音声認識装置の処理
図２は、本実施形態の音声認識装置の処理の流れを示したフローチャートである。この処理は、入力された音声から数字文節を抽出し、数値が明確でないが特定の範囲を有する数値であるかを調査し、該当する場合は範囲文字を挿入した候補を作成する。

入力装置１０１から入力された情報が音声信号であった場合は（ステップ２０１、２０２）、音声認識部１０２において例えば品詞を持った単語に認識される（ステップ２０３）。

認識結果の単語が数字あるいは「千」「万」等の桁であった場合、数字文節解析部１０４を通して数字文節バッファ１０６に格納される（ステップ２０５）。一方、認識結果が数字、桁以外の場合には、認識結果を候補展開部１０７に送る（ステップ２０４）。

直前入力から一定の時間が経過した場合、数字文節解析部１０４は数字文節バッファ１０６に単語が格納されたかを調査する（ステップ２０６）。

数字文節バッファ１０６に格納があった場合、該格納文字列を調査するためのカウンタｉに０を代入し初期化する（ステップ２０７）。

数字文節バッファ１０６に格納がなかった場合は、候補展開部１０７から次候補バッファ１０８に格納する（ステップ２１５）。

数字文節解析部１０４では数字文節バッファ１０６格納中の文字列の文字［ｉ］が数字でかつ文字［ｉ＋１］も数字であるかを調査する（ステップ２０８）。ここで数字とは桁以外である。何れかまたは両方が数字以外の場合にはカウンタｉを進め（ステップ２１３）、文字列が終了でなければ再びステップ２０８を実行する。

一方、文字［ｉ］及び文字［ｉ＋１］が共に数字であった場合、文字［ｉ］を数値化した値＋１が文字［ｉ＋１］を数値化した値が同値であるかを調査する（ステップ２０９）。

同値でなかった場合は、ステップ２１３でカウンタｉを進める。

同値の場合は、更に、ｉ＝＝０であるか、文字数がｉ＋２文字か、文字数がｉ＋３文字で文字［ｉ＋２］が桁であるかを調査する（ステップ２１０）。

何れにも該当しない場合は、ステップ２１３に進み、何れかに該当した場合は、数字文節バッファ１０６格納文字列に既に範囲文字挿入用制御コードが含まれているかを調査し（ステップ２１１）、使用済みの場合はステップ２１３に進み、未使用の場合は、範囲文字挿入部１０５では文字［ｉ］と文字［ｉ＋１］の間に範囲文字挿入用制御コードを挿入する（ステップ２１２）。

次にカウンタｉを進める（ステップ２１３）。ここで、文字列が終了、すなわち文字［ｉ］がＮＵＬＬのような終了コードでなければステップ２０８に戻り（ステップ２１４）、次の文字との比較を行う。文字列が終了の場合は、該文字列を候補展開部１０７を通して次候補バッファ１０８に格納する（ステップ２１５）。

候補展開部１０７では、次候補バッファ１０８の文字列を調べ、範囲文字挿入用制御コードが含まれている場合、該制御コードの前側文字列、後側文字列をそれぞれ候補展開する（ステップ２１６、２１７）。ここで候補展開とは、数字文節に対してであれば、例えばアラビア数字／漢数字、半角／全角、桁の有無、コンマの有無などの組み合わせ可能な表記を作成し候補に加えることである。また、数字文節以外の一般語に関しては、例えば認識単語と同音語を辞書から検索し候補に加える、あるいは表記可能な送り仮名を付与した候補を加えるなどの処理を示す。

候補展開部１０７では、次候補バッファ１０８格納の数字文節候補を取り出し、範囲文字挿入用制御コードを、置換可能な範囲文字を範囲文字テーブル１０９より抽出し次候補バッファ１０８に格納する（ステップ２１８）。１表記、例えば漢数字桁なしの数字文節に対して、範囲文字を複数種類用いて全ての組み合わせを次候補バッファ１０８に格納してもよい。ステップ２１６において範囲文字挿入用制御コードが存在しなかった場合は、前述の候補展開を行い（ステップ２１９）、次候補バッファ１０８に格納する（ステップ２２０）。

候補展開が終了すると、候補展開部１０７は１位候補を文書バッファ１１１に格納すると共に出力装置１１０に表示する（ステップ２２１、２２２）。

（第２の実施形態）
以下、本発明の第２の実施形態の音声認識装置について図３〜図４に基づいて説明する。

（１）音声認識装置の構成
図３は、本実施形態の音声認識装置を示したブロック構成図である。

図３に示すように、音声認識装置は、入力装置３０１、音声認識部３０２、認識辞書３０３、数字文節解析部３０４、範囲文字挿入部３０５、数字文節バッファ３０６、候補展開部３０７、次候補バッファ３０８、範囲文字テーブル３０９、出力装置３１０、文書バッファ３１１、数詞接辞判定部３１２、数詞接辞テーブル３１３、認識結果バッファ３１４から構成される。

なお、入力装置３０１から数字文節バッファ３０６は、図１に示す入力装置１０１から数字文節バッファ１０６と同様である。

数字文節解析部３０４から候補展開部３０７に文字列が送付されると、音声認識部３０２は次単語に対しての認識処理を開始し、その結果を認識バッファ３１４に格納する。

候補展開部３０７では、入力された数字文字列を表記可能なアラビア数字、全半角、漢数字、桁有無、ローマ数字、コンマ有無などのパターンに展開する。ここで、前記数字文字列に範囲文字挿入用制御コードが含まれていた場合、該制御コードはそのままとし前後を各々のパターンに展開した上で前側、制御コード、後側を再結合し次候補バッファ３０８に格納する。

また、候補展開部３０７では、次候補バッファ３０８に格納済みの表記を順次取り出し、範囲文字挿入用制御コードが含まれる場合、該コードを範囲文字テーブル３０９に記載されいる文字コードに置換する。数詞接辞判定部３１２では、直前に入力された単語が数詞接辞テーブル３１３に登録されている数詞接頭語であるかを文書バッファ３１１から調査する。

さらに、次入力単語が前記数詞接辞テーブル３１３に登録されている数詞接尾語であるかを認識結果バッファ３１４を調査する。ここで、数詞接辞テーブル３１３には「約」等の数詞接頭、「円」等の数詞接尾が登録されているものとする。

また、全ての数詞接辞を処理対象とする場合は、数詞接辞テーブル３１３は特に必要としない。数詞接辞判定部３１２において直前直後単語の何れかが数詞接辞であると判定された場合は、次候補バッファ３０８に格納されといる範囲文字が挿入された候補の出力優先度を調整して、通常より出やすくする。候補展開部３０７では次候補バッファ３０８の１位候補を表示装置３１０の画面上に表示すると共に文書バッファ３１１に格納する。

（２）音声認識装置の処理
図４は、本実施形態の音声認識装置の処理の流れを示したフローチャートである。すなわち、候補展開された数字文節候補の出力優先順位を変更する処理である。

図４の丸数字１〜丸数字２は、図２のステップ２２１の直前に挿入される。

候補展開部３０７により範囲文字を含む数字文節が次候補バッファ３０８に格納され場合、数詞接辞判定部３１２は文書バッファ３１１から、次候補バッファ３０８格納中の候補の挿入直前位置に候補文節が存在する場合（ステップ４０１）、文書バッファ３１１より該文節を取り出し（ステップ４０２）、数詞接辞テーブル３１３に登録されているかを調査する（ステップ４０３）。

登録済みであった場合には、次候補バッファ３０８に格納されている範囲文字を含む候補の出力優先度を上げる（ステップ４０７）。

登録されていなかった場合は、認識バッファ３１４に直後文節が格納されているかを調査し（ステップ４０４）、未格納の場合には丸数字２へ進み、次候補バッファ３０８に格納済みの優先順位の１位候補を出力装置３１０上に表示する。

直後文節が格納済みの場合は、該文節を取得し（ステップ４０５）、数詞接辞テーブル３１３に登録されているかを調査する（ステップ４０６）。

登録済みであった場合には、次候補バッファ３０８に格納されている範囲文字を含む候補の出力優先度を上げる（ステップ４０７）。

登録されていなかった場合は、丸数字２へ進み、次候補バッファ３０８に格納済みの優先順位の１位候補を出力装置３１０上に表示する。

（第３の実施形態）
以下、本発明の第３の実施形態の音声認識装置について図５〜図６に基づいて説明する。

（１）音声認識装置の構成
図５は、本実施形態の音声認識装置を示したブロック構成図である。

図５に示すように、音声認識装置は、入力装置５０１、入力制御部５０２、音声認識部５０３、認識辞書５０４、数字文節解析部５０５、範囲文字挿入部５０６、数字文節バッファ５０７、候補展開部５０８、範囲文字テーブル５０９、次候補バッファ５１０、次候補バッファ５１０、範囲文字学習テーブル５１１、候補選択部５１２、文字バッファ５１３、出力装置５１４から構成される。

入力装置５０１は、発声された音声入力を電気信号に変換するマイクあるいは、メディア等の記録媒体から記録済みの音声を電気信号に変換して再生するプレイヤー及び、キーボード、マウス等である。オペレータは入力装置５０１に発声し直接音声を入力するか、あるいは、入力装置５０１を操作し音声を再生する。

入力制御部５０２は、音声信号を音声認識部５０３に送る。

音声認識部５０３は、前記音声信号を認識辞書５０４を参照し文字や単語あるいは文節等の文字コードに変換する。

数字文節解析部５０５は、音声認識部５０３が出力する文字コードを判別し、数字文節あった場合、該文字列を数字文節バッファ５０７に格納する。

数字文節解析部５０５は数字文節が終了すると共に、数字文節バッファ５０７に格納された文字列を調査し隣接する２文字が特定の範囲を意図していると判断した場合、範囲文字挿入部５０６では前記文字間に範囲文字挿入用制御コードを挿入し、候補展開部５０８へ送付する。

候補展開部５０８では、入力された数字文字列を表記可能なアラビア数字、全半角、漢数字、桁有無、コンマ有無などのパターンに展開する。ここで、前記数字文字列に範囲文字挿入用制御コードが含まれていた場合、該制御コードはそのままとし前後を各々のパターンに展開した上で前側、制御コード、後側を再結合し次候補バッファ５１０に格納する。

また、候補展開部５０８では、次候補バッファ５１０に格納済みの表記を順次取り出し、範囲文字挿入用制御コードが含まれる場合、該コードを範囲文字テーブル５０９に記載されている文字コードに置換する。全ての次候補バッファ５１０格納の文字列に対して処理が終わると、候補展開部５０８は範囲文字学習テーブル５１１を参照し次候補バッファ５１０の候補群に対して出力順位を決定する。ここで範囲文字学習テーブル５１１には、例えば過去にオペレータにより選択された数字文節の文字種、桁の有無などの種別と、前記数字文節において使用された範囲文字の種別が時間順に格納されているものである。

候補展開部５０８は、範囲文字学習テーブル５１１に格納されている直近使用順に、次候補バッファ５１０の格納の数字文節の種別及び範囲文字が一致する候補を優先的に出力するよう順位付けする。

候補展開部５０８では１位に優先付けられた候補を出力装置５１４に表示すると共に、文書バッファ３１１に次候補バッファ５１０格納の候補を格納する。

一方、入力装置５０１に対してオペレータが候補一覧の取得を指示した場合、入力制御部５０２は一覧取得を指示された文節あるいは単語情報を候補選択部５１２に伝える。候補選択部５１２は該当する候補群を文書バッファ５１３より取り出し出力装置５１４上に表示する。

次に、入力装置５０１においてオペレータから特定の候補の選択が指示された場合、入力制御部５０２は該候補の情報を候補選択部５１２に伝える。

候補選択部５１２では選択された候補が数字文節でありかつ範囲文字を含んでいるかを範囲文字テーブル５０９より調査し、数字文節の種別と共に範囲文字学習テーブル５１１に格納する。また、候補選択部５１２は選択された候補を出力装置５１４に表示する共に候補群を文書バッファ５１３に再格納する。

（３）オペレータが選択する際の処理
図６（ａ）は、範囲文字を含む候補をオペレータが選択する際の処理の流れを示したフローチャートである。

オペレータがキーボードあるいはマウス等の入力装置５０１から、候補一覧の表示を指示したと入力制御部５０２において判断された場合（ステップ６０１）、候補選択部５１２は文書バッファ５１３より指示された文節の候補を取得し、次候補バッファ５１０に格納する（ステップ６０２）。

本実施形態においては、認識処理手続き後の候補展開において１位候補と共に作成された次候補群も併せて文書バッファ５１３に格納されているものとする。

また、別の実施形態としては、次候補群は文書バッファ５１３に格納せずに、認識時の音声情報等を別途保持し、再度候補展開を行うなどしてもよい。

候補選択部５１２は取得した候補一覧を出力装置５１４上に表示する（ステップ６０３）。入力装置５０１の入力からオペレータが候補一覧から特定の候補を選択したと入力制御部５０２が判断した場合、候補選択部５１２は次候補バッファ５１０格納の該候補を１位にする（ステップ６０５）。

次に、候補選択部５１２は該候補が数詞である場合に文字列を調査し（ステップ６１１）、範囲文字学習テーブル５１１に登録されている範囲文字が存在するかを調査する（ステップ６０６）。

範囲文字が含まれていた場合は、数字文節属性を調査し（ステップ６１２）、範囲文字と共に範囲文字学習テーブル５１１に格納する（ステップ６０７）。

ここで、範囲文字学習テーブル５１１には、最新学習順に並び格納されるものとし、同一の数字属性、範囲文字の組み合わせは重複しないように、必要に応じて更新処理を行う。候補選択部５１２は選択された１位候補を出力装置５１４上に表示されている候補と置換し再表示する（ステップ６０８）。

更に、文書バッファ５１３格納の文節候補を候補順位を変更した次候補バッファ５１０格納の文節候補に置換し（ステップ６０９）、出力装置５１４に表示している候補一覧を消去する（ステップ６１０）。

（４）出力優先順位を変更する際の処理
図６（ｂ）は、候補展開された数字文節候補の出力優先順位を変更する際の処理の流れを示したフローチャートである。

図６の丸数字３〜丸数字４は図２のステップ２２１の直前に挿入される。

候補展開部５０８において、数字文節の候補展開が行われ次候補バッファ５１０に候補が格納された場合、候補展開部５０８は範囲文字学習テーブル５１１に格納データがあるかを調査する（ステップ６５１）。

格納データがある場合は、カウンタｊを初期化する（ステップ６５２）。ここでカウンタｊは次候補バッファ５１０格納の候補を順次探索するためのカウンタであり、カウンタを進めながら全ての候補が終了するまでステップ６５３からステップ６６０を繰り返し実行する。

また、範囲文字学習テーブル５１１格納の学習データを順次参照するためのカウンタｋを初期化し（ステップ６５４）、学習データが存在する間、ステップ６５５からステップ６５９を繰り返し実行する。

カウンタｊ、ｋのセットが行われると、候補［ｊ］の数字属性と学習［ｋ］の数字属性が一致するかを調査し（ステップ６５６）、一致する場合は更に候補［ｊ］の数字属性と学習［ｋ］の範囲文字が一致するかを調査し（ステップ６５７）、一致する場合は、候補［ｊ］の出力優先度を上げるためにスコアに例えば５０−ｋを加点する（ステップ６５８）。

ここで、加点する数値は直近に学習された数字属性及び範囲文字が一致した候補ほど優先的に出力される値であればよい。全ての候補についての処理が終了した後、次候補バッファ５１０格納の候補をスコア順にソートし再格納する（ステップ６６１）。

なお、「数字属性」とは、漢数字、アラビア数字、ローマ数字であるか、全角、半角であるかを示す属性である。

「数字文節属性」とは、この文節に含まれる数字の数字属性に加えて、桁の有無、種別を示す属性である。

（第４の実施形態）
以下、本発明の第４の実施形態の音声認識装置について図７〜図８に基づいて説明する。

（１）音声認識装置の構成
図７は、本実施形態の音声認識装置を示したブロック構成図である。

図７に示すように、音声認識装置は、入力装置７０１、入力制御部７０２、音声認識部７０３、認識辞書７０４、数字文節解析部７０７、範囲文字挿入部７０６、数字文節バッファ７０７、候補展開部７０８、範囲文字テーブル７０９、次候補バッファ７１０、次候補バッファ７１０、範囲文字学習テーブル７１１、候補選択部７１２、文字バッファ７１３、出力装置７１４形態素解析部７１５、形態素解析辞書７１６、文節構成部７１７から構成される。

音声入力及びオペレータの候補選択処理に関しては、図７における力装置７０１から出力装置７１４は図５に示す入力装置５０１から出力装置５１４と同様である。

入力装置７０１は、ファイル保存済みの文書等の入力も可能であり、文字コードが出力される。入力装置７０１から既存文書がファイルより入力されると、文字コードデータは入力制御部７０２から形態素解析部７１５に送られる。

形態素解析部７１５では形態素解析辞書７１６を参照し、単語切りされる。形態素解析された単語列は、文節構成部７１７によって音声認識部７０３が出力する文節と同一の単位に結合される。また、数字単語あるいは文節間に範囲文字が存在するかを範囲文字テーブル７０９を参照することによって調査し、存在した場合は、前後の数字単語または文節と該範囲文字を結合し文節を作成する。

作成された文節は逐次候補選択部７１２に送られ、オペレータが選択した文節候補と同様の扱いとする。範囲文字を含んだ数字文節の場合も同様で、数字種別と範囲文字は範囲文字学習テーブル７１１に格納する。

（２）音声認識装置の処理
図８は、音声認識装置において、既存文書をファイル等から読み込んだ場合の処理の流れを示したフローチャートである。

オペレータがファイル等の入力装置７０１から既存文書を読み込んだと入力制御部７０２が判断した場合（ステップ８０１）、形態素解析部７１５では文書終了まで１文毎に切り出しを行い（ステップ８０２、８０３）、形態素解析辞書７１７を参照し形態素解析を行う（ステップ８０４）。

文節構成部７１７は形態素解析結果の単語を音声認識部５０３が出力するのと同様の文節に接合する（ステップ８０５）。

ここで、数字単語間に範囲文字テーブル７０９登録の文字が挟まれた場合、数字文節としてまとめる。

１文に対しての文節作成が終了すると、作成した全ての文節を調査するためにカウンタｍを初期化し（ステップ８０６）、候補選択部に送付する。

カウンタｍを進めながら１文に含まれる全ての文節の処理が終了するまでステップ８０７からステップ８１１を繰り返す。

候補選択部７１２では文節［ｍ］が数字文節である場合（ステップ８０８）、更に範囲文字が含まれているかを調査する（ステップ８０９）。

範囲文字が含まれていた場合は、数字属性と範囲文字を範囲文字学習テーブル７１１に格納する。

ここで、範囲文字学習テーブル７１１には、最新学習順に並び格納されるものとし、同一の数字属性、範囲文字の組み合わせは重複しないように、必要に応じて更新処理を行う。

（第５の実施形態）
以下、本実施形態の音声認識装置について図９〜図１４に基づいて説明する。

（１）音声認識装置の構成
図９は、音声認識装置の第５の実施形態を示したブロック構成図である。

図９に示すように、音声認識装置は、入力装置９０１、音声認識部９０２、認識辞書９０３、数字文節解析部９０４、範囲文字挿入部９０５、数字文節バッファ９０６、候補展開部９０７、次候補バッファ９０８、範囲文字テーブル９０９、出力装置９１０、文書バッファ９１１、数字読み判定部９１２、数字読みテーブル９１３から構成される。

図９において入力装置９０１から認識辞書９０３及び候補展開部９０７から文書バッファ９１１は、図１に示す入力装置１０１から認識辞書１０３及び候補展開部１０７から文書バッファ１１１と同様である。

数字文節解析部９０４は、音声認識部９０２から単語列が入力されると該単語が数字である場合、数字文節バッファ９０６に格納する。

数字文節解析部９０４は、連続する数字単語の前記数字文節バッファ９０６への格納が終了すると、数字読み判定部９１２に対して読みの調査を指示する。

数字読み判定部９１２では、数字読みテーブル９１３を参照し入力された数字文節が棒読みであるかを判定する。例えば、数字読みテーブル９１３には「にー」は棒読み、「まん」は桁読み、「さん」は棒読み・桁読み両方可などといった情報が登録されている。数字文節が棒読みでないと判定された場合のみ、数字文節解析部９０４は隣接する２文字が特定の範囲を意図しているかの判断を行い、意図していたと判断された場合は、範囲文字挿入部９０５によって範囲文字挿入用制御コードを挿入し、棒読みであった場合は範囲文字の挿入は行わない。

（２）音声認識装置の処理
図１０は、本実施形態の音声認識装置の処理の流れを示すフローチャートである。すなわち、数字の認識結果が数字文節バッファ９０６に格納された後に、範囲文字挿入に入るか否かの決定する処理である。

丸数字５は図２のステップ２０６の直後に挿入され、丸数字６はステップ２０７の直前に、丸数字７はステップ２１５に接続する。

音声認識結果が数字であり数字文節解析部９０４によって結合され数字文節バッファ９０６に格納されると数字文節を構成する単語を逐次調査するためのカウンタｎを初期化する（ステップ１００１）。

次に、数字読み判定部９１２は数字文節構成単語が終了するまで単語［ｎ］の読みが桁読みのみ可の語であるかを調査し、桁読みのみの語であれば丸数字７へ進み範囲文字の挿入判定へ進む（ステップ１００３）。

カウンタｎを進めながら（ステップ１００４）、全ての構成単語を調査し終わると（ステップ１００２）、再びカウンタｎを初期化し、同様に棒読みのみ可の語がないかを調査し（ステップ１００７）、棒読みのみの語があった場合は、丸数字６へ進み範囲文字を挿入せずに通常の候補展開のみを行う。

また、全ての構成単語で棒読みのみ可の語がなかった場合は、丸数字７へ進み範囲文字の挿入判定を行う（ステップ１００６）。

（３）範囲文字の例
図１１は、範囲文字の例であり、範囲文字テーブル１０９等に格納されている。

格納されている情報は、範囲文字として使われる表記と、該表記をコード化したＩＤ、属性、及び使用可能な数字文節の種別である。例えば、「−」であれば、アラビア数字桁有りと、アラビア数字一桁が適用となっているので、「１−２万」や「２−３」は表記可能であるが、半角アラビア数字の「１−２」や漢数字の「五−六」の表記は生成しないことになる。

（４）数字文節バッファ１０６及び次候補バッファ１０８の格納例
図１２は、数字文節バッファ１０６及び次候補バッファ１０８の格納例である。

音声認識部１０２で認識された単語は例えば品詞が数詞である間、数字文節バッファ１０６に格納され図１２（ａ）に示す状態となる。図中の１行が、１単語に相当する。

数字文節解析部１０４は、前記数字文節バッファ１０６の単語を順に調べ「五」と「六」が隣接しておりかつ数字が連続していることを知る（ステップ２０８、２０９）。更に次の文字が「万」で桁となり数字文節が終了していることを知る（ステップ２１０）。

ここで、範囲文字挿入用コードを「五」と「六」の間に挿入し（ステップ２１１、２１２）、図１２（ｂ）に示す格納状態となる。

図１２（ｃ）は、従来の音声認識装置による候補展開の例であり、図１２（ａ）の数字文節を候補展開し、漢数字桁あり、漢数字桁なし、アラビア数字桁有り等の表記可能な候補を作成する。

一方、音声認識装置においては、図１２（ｂ）の数字文節が候補展開部１０７に送付される。候補展開部１０７では、入力文字列を候補展開し例えば「十五＃六万」を生成する。ここで＃は範囲文字挿入用コードを示す。

また、数字文字列の表記属性としては漢数字桁ありとなる。次に範囲文字テーブル１０９を参照すると図１１に示したように漢数字桁有りで使用できる範囲文字は「、」「・」「〜」であることがわかる。

ここで、展開された候補の範囲文字挿入用コードを範囲文字に置換すると「十五、六万」「十五・六万」「十五〜六万」なる候補を生成することができる。更に、従来の範囲文字を挿入しない「十五六万」も生成され、候補全体では、図１２（ｄ）に示した候補が次候補バッファ１０８に格納されることになる。

（５）範囲文字学習テーブル５１１の格納例を
図１３（ａ）は、範囲文字学習テーブル５１１の格納例を示す図である。

オペレータが数字文節の候補を選択あるいは確定処理した場合、例えば「十五〜六万」を選択した場合、優先順位０の位置に数字属性である漢桁（漢数字桁ありを意味する）と、範囲文字「〜」の属性である範２（図１１参照）が格納される。ここで、既に範囲文字学習テーブルにデータが格納済みの場合、優先順位０の位置のデータは優先順位１の位置に、優先順位１の位置のデータは２の位置に順次繰り下がる。また、優先順位０の位置に格納しようとしたデータと同様の数字属性及び範囲文字属性が登録済みであれば該データは消去する。

また、範囲文字学習テーブルの格納状況が図１３（ａ）に示す状態で、図１２（ｄ）に示す候補が次候補バッファに格納される場合には、図６ステップ６５８に従って図１３（ｂ）に示すスコアが付与される。１位認識候補の決定及び候補一覧の表示の際には前記スコアの最も大きな値の候補が優先される。

（６）数字読みテーブル９１３の格納例
図１４は、数字読みテーブル９１３の格納例を示す図である。

例えば、数字文節の読みが「いち・に」であれば両者とも桁読み・棒読み可であるので、範囲文字が挿入されるが、「いち・にー」の場合は後者が棒読みのみ可の読みであることから範囲文字は挿入されない。

（変更例）
本発明は上記各実施形態に限らず、その主旨を逸脱しない限り種々に変更することができる。

第１の実施形態のブロック構成図である。 第１の実施形態のフローチャートである。 第２の実施形態のブロック構成図である。 第２の実施形態のフローチャートである。 第３の実施形態のブロック構成図である。 第３の実施形態のフローチャートである。 第４の実施形態のブロック構成図である。 第４の実施形態のフローチャートである。 第５の実施形態のブロック構成図である。 第５の実施形態のフローチャートである。 範囲文字の一覧を示す図である。 数字文節バッファ及び次候補バッファの格納例を示す図である。 範囲学習テーブルの格納例及びスコアを付与した次候補バッファの格納例を示す図である。 数字読みテーブルの格納例を示す図である。

符号の説明

１０１ 入力装置
１０２ 音声認識部
１０３ 認識辞書
１０４ 数字文節解析部
１０５ 範囲文字挿入部
１０６ 数字文節バッファ
１０７ 候補展開部
１０８ 次候補バッファ
１０９ 範囲文字テーブル
１１０ 出力装置
１１１ 文書バッファ

Claims (11)

1. 入力された音声信号を文字コードに変換する音声認識装置において、
   前記音声信号を認識辞書を用いて、文字コードよりなる文字から構成される単語列として音声認識する音声認識手段と、
   前記単語列に含まれる単語が、数を表す文字である数字の連続、または、桁を表す文字を含んだ数字の連続である場合に、前記各文字を結合し数字文節を作成する数字文節作成手段と、
   （１）前記数字文節内の連続する２つの数字の文字コードを数値化し、前記２文字の文末側文字に対応する数値が、前記２つの数字の文頭側文字に対応する数値に１を加算した値であり、かつ、（２）前記文末側文字が前記数字文節の末尾、または、前記数字文節内において前記文末側文字の次の文字が桁を表す文字のみである場合に、（３）前記２つの数字の間に範囲文字挿入用コードを挿入する範囲文字挿入手段と、
   前記数字文節の各文字の文字コード及び前記範囲文字挿入用コードを、範囲文字を含んだ数字の表記パターンに展開する数字展開手段と、
   を具備した
   ことを特徴とする音声認識装置。
2. 前記範囲文字挿入用コードを範囲文字に変換するために、前記範囲文字の候補を含む前記表記パターンの候補を複数作成する候補展開手段をさらに具備した
   ことを特徴とする請求項１記載の音声認識装置。
3. 前記数字文節の直前または直後の文節が数詞接辞であるかを否かを判定する数詞接辞判定手段をさらに具備し、
   前記候補展開手段は、前記数詞接辞の有無によって前記表記パターンの候補の出力優先順位を決定する
   ことを特徴とする請求項２記載の音声認識装置。
4. 前記候補展開手段は、
   前記複数の表記パターンの候補の一覧から一の表記パターンをオペレータが選択するための選択手段と、
   前記選択された表記パターンの数字文節における数字の属性、その他の属性、前記範囲文字の使用の有無、前記範囲文字の種別を判定する候補選択手段と、
   前記判定情報を格納する範囲文字学習テーブルと、
   任意の表記パターンが候補となった場合に、前記任意の表記パターンの候補における数字の属性、その他の属性、前記範囲文字の使用の有無、前記範囲文字の種別と前記判定情報とを比較して一致した場合に、前記任意の表記パターンの候補の出力優先順位を他の候補より上げる順位変更手段と、
   を具備した
   ことを特徴とする請求項２記載の音声認識装置。
5. 前記範囲文字学習テーブルは、前記判定情報を時系列的に格納し、
   前記順位変更手段は、
   前記一致した判定情報が、直近に学習されたものであれば、前記任意の表記パターンの候補の出力優先順位を一位にする
   ことを特徴とする請求項４記載の音声認識装置。
6. 前記候補展開手段は、
   学習用テキストが入力されるテキスト入力手段と、
   前記学習用テキストを単語単位に分割する形態素解析手段と、
   前記分割された単語において数字で挟まれた範囲文字が存在する場合に、前記範囲文字を数字として連続する範囲の数字を結合して学習用数字文節を作成する文節構成手段と、
   前記学習用数字文節における数字の属性、その他の属性、前記範囲文字の有無、前記範囲文字の種別を判定する候補選択手段と、
   前記判定情報を格納する範囲文字学習テーブルと、
   任意の表記パターンが候補となった場合に、前記任意の表記パターンの候補における数字の属性、その他の属性、前記範囲文字の有無、前記範囲文字の種別と前記判定情報とを比較して一致した場合に、前記任意の表記パターンの候補の出力優先順位を他の候補より上げる順位変更手段と、
   を具備した
   ことを特徴とする請求項２記載の音声認識装置。
7. 前記範囲文字挿入手段は、
   前記数字文節を構成する単語の読みが棒読みにしか使用されない読みであるか、桁読みにしか使用されない読みであるか、または、その両方で使用される読みかを判定する数字読み判定手段と、
   前記数字読み判定手段によって棒読み以外に使用される数字文節と判定された場合にのみ前記範囲文字挿入用コードを挿入する数字文節解析手段と、
   を具備した
   ことを特徴とする請求項１記載の音声認識装置。
8. 数字の表記パターンが漢数字、アラビア数字、ローマ数字、または、桁の表記パターンである
   ことを特徴とする請求項１記載の音声認識装置。
9. 前記範囲文字が「〜」、「・」、「、」、または、「−」である
   ことを特徴とする請求項１記載の音声認識装置。
10. 入力された音声信号を文字コードに変換する音声認識方法において、
    前記音声信号を認識辞書を用いて、文字コードよりなる文字から構成される単語列として音声認識し、
    前記単語列に含まれる単語が、数を表す文字である数字の連続、または、桁を表す文字を含んだ数字の連続である場合に、前記各文字を結合し数字文節を作成し、
    （１）前記数字文節内の連続する２つの数字の文字コードを数値化し、前記２文字の文末側文字に対応する数値が、前記２つの数字の文頭側文字に対応する数値に１を加算した値であり、かつ、（２）前記文末側文字が前記数字文節の末尾、または、前記数字文節内において前記文末側文字の次の文字が桁を表す文字のみである場合に、（３）前記２つの数字の間に範囲文字挿入用コードを挿入し、
    前記数字文節の各文字の文字コード及び前記範囲文字挿入用コードを、範囲文字を含んだ数字の表記パターンに展開する
    ことを特徴とする音声認識方法。
11. 入力された音声信号をコンピュータによって文字コードに変換する音声認識プログラムにおいて、
    前記音声信号を認識辞書を用いて、文字コードよりなる文字から構成される単語列として音声認識する音声認識機能と、
    前記単語列に含まれる単語が、数を表す文字である数字の連続、または、桁を表す文字を含んだ数字の連続である場合に、前記各文字を結合し数字文節を作成する数字文節作成機能と、
    （１）前記数字文節内の連続する２つの数字の文字コードを数値化し、前記２文字の文末側文字に対応する数値が、前記２つの数字の文頭側文字に対応する数値に１を加算した値であり、かつ、（２）前記文末側文字が前記数字文節の末尾、または、前記数字文節内において前記文末側文字の次の文字が桁を表す文字のみである場合に、（３）前記２つの数字の間に範囲文字挿入用コードを挿入する範囲文字挿入機能と、
    前記数字文節の各文字の文字コード及び前記範囲文字挿入用コードを、範囲文字を含んだ数字の表記パターンに展開する数字展開機能と、
    を実現した
    ことを特徴とする音声認識プログラム。

Images