JP2008217032A - 認識音声に対する同期再生中の文字編集 - Google Patents

Abstract

【課題】認識文字情報の誤った単語の修正の時間の節約を可能とする。
【解決手段】音声認識装置１は、口述のスピーチデータＳＤを処理して、当該口述の認識文字情報ＥＴＩ及びリンク情報ＬＩを生成する。音声認識装置１の同期再生モードにおいて、口述の音響的再生中、修正装置１０は、リンク情報ＬＩによりマークされ現に再生されているスピーチデータＳＤに関する認識文字情報ＥＴＩの文字を同期的にマークする。修正装置１０は、同期再生モードが作動状態にある間、認識文字情報ＥＴＩの誤った単語の修正を可能とし、従って、時間の節約される誤った単語の修正が可能となる。
【選択図】図１

Description

本発明は、音声認識装置により音声情報から認識された文字情報の誤った単語を修正する修正装置に関する。

本発明は、また、音声認識装置により音声情報から認識された文字情報の誤った単語を修正する修正方法に関する。

本発明は、更に、受信した音声情報から文字情報を認識する音声認識装置に関する。

本発明は、また、コンピューターにより実行される単語処理ソフトウェアの修正ソフトウェアを含むコンピューター・プログラム・プロダクトに関する。

かかる修正装置及び修正方法は、特許文献１から知られており、トランスクリプションサービスの修正者の単語処理ソフトウェアを実行するコンピューターの形態である。修正者は、トランスクリプションサービスの従業員であり、音声認識プログラムにより自動的に認識された文字情報を手で修正する。
ＵＳ−Ａ−６,１７３，２５９

口述の著者は、公知のトランスクリプションサービスのサーバーにコンピューターを介して自己の口述からの音声情報を送ることができる。サーバーは、受信した口述の音声情報を、音声認識ソフトウェアを夫々実行する種々のコンピューターであって、この場合音声認識装置を構成するコンピューターに配信する。

公知の音声認識装置は、著者によって送られて来る口述の音声情報から文字情報を認識し、リンク情報も確立される。リンク情報は、認識された文字情報の各単語、単語が音声認識装置によって認識された音声情報の部分の各単語を表し示す。口述の音声情報、認識された文字情報、及び、リンク情報は、認識された文字情報内の誤った単語の修正のために、音声認識装置から修正者のコンピューターへと転送される。

公知の修正装置は、同期再生手段を含み、これにより、同期再生モードが可能となる。同期再生モードが修正装置でアクティブの時、口述の音声情報が再生されている間、音声情報の各音響的な再生単語と同期して、音声認識システムにより再生単語から認識された文字が、オーディオカーソルによりマークされる。従って、オーディオカーソルは、音響的に現に再生されている単語の認識文字情報内の位置を表わし示す。

同期再生中に修正者が文字情報中の誤った情報を認識した場合、修正者は、動同期再生モードを中断若しくは非作動状態にし、コンピューターのキーボードにより誤った単語に文字カーソルを位置付け、それを編集する。次いで、修正者は、同期再生モードを再び作動状態にし、この際、音声情報の再生が修正された単語から続けられる。

修正者は、修正した文字情報中の単語数に基づいてトランスクリプションサービスのプロバイダーから支払いを受ける。トランスクリプションサービスでの品質コントローラは、修正者により修正された文字情報のサンプルを取り、修正者が見落した誤った単語により修正者の支払いが影響を与える。修正者は、それ故に、同期再生モードが作動状態にあるときに自己により認識される誤った単語を最も時間を浪費せずに且つ可能限り少ない労力で修正できる単語処理ソフトウェアに大きな関心を有する。修正者は、それ故に、マウスを使うことが時間の浪費であることから、マウスを使用することなくコンピューターのキーボードを用いて誤った単語の修正のために必要な全ての編集情報を入力することを要求する。

公知の修正装置及び公知の修正方法は、作動状態の同期再生モードで修正者により認識される誤った単語の修正に対して、修正者による比較的多くの回数の手による活動が必要であり、これらの修正が修正者にとって時間がかかるものであるという、欠点を有することがわかる。

本発明は、上述の欠点が回避される、最初の段落で述べた種の修正装置、第２の段落で述べた種の修正方法、第３の段落で述べた種の音声認識装置、及び、第４の段落で述べた種のコンピューター・プログラム・プロダクトを提供することを目的とする。

上述の目的を達成するため、かかる修正装置において本発明による特徴が提供され、修正装置を次のように特徴付けることができる。

音声情報から音声認識装置により認識された認識文字情報中の誤った単語を修正するための修正装置であって、
前記音声情報、関連する認識文字情報、及び、認識文字情報の各単語にて、前記音声認識装置により認識された単語の前記音声情報の部分をマークするリンク情報を受信する手段と、
前記認識文字情報の誤った単語に文字カーソルを位置付けると共に、ユーザにより入力される編集情報により誤った単語を編集する編集手段と、
前記音声情報の音響的な再生中に、現に再生され且つ前記リンク情報によりマークされている前記認識文字情報の単語が同期してマークされる一方、オーディオカーソル位置が前記現にマークされている単語により際立たされる、同期再生モードを可能とする同期再生手段とを含み、
前記修正装置で前記同期再生モードが作動状態にあるときに、前記編集手段が、前記文字カーソルを位置付けると共に、前記誤った単語を編集するように設計されている、修正装置。

上述の目的を達成するため、かかる修正方法において本発明による特徴が提供され、修正方法を次のように特徴付けることができる。

音声情報から音声認識装置により認識された認識文字情報中の誤った単語を修正するための修正方法であって、
前記音声情報、関連する認識文字情報、及び、認識文字情報の各単語に対して前記音声認識装置により認識された単語の前記音声情報の部分をマークするリンク情報を受信し、
前記音声情報の音響的な再生中に、現に再生されている音声情報に対する前記リンク情報によりマークされている前記認識文字情報の単語が、同期してマークされる一方、オーディオカーソル位置が前記現にマークされている単語により強調される、同期再生モードを可能し、
文字カーソルがある前記誤った単語をユーザにより入力される編集情報に基づいて編集する各ステップが実行され、該誤った単語の編集が、前記修正装置で前記同期再生モードが作動状態にあるときに可能とされている、修正方法。

上述の目的を達成するため、かかる音声認識装置において本発明による特徴が提供され、音声認識装置を次のように特徴付けることができる。

受信した音声情報中の文字情報を認識する音声認識装置であって、
音声情報を受信する手段を含み、
受信した音声情報に割り当てられるべき認識文字情報及びリンク情報を認識する音声認識手段を含み、認識文字情報の各文字に対するリンク情報は、前記音声認識装置により認識された単語の前記音声情報の部分を表わし示すものであり、
認識文字情報に含まれる誤った単語を修正するための請求項１記載の修正装置を含む、音声認識装置。

上述の目的を達成するため、かかるコンピューター・プログラム・プロダクトにおいて本発明による特徴が提供され、コンピューター・プログラム・プロダクトを次のように特徴付けることができる。

デジタルコンピューターの内部メモリに直接実装可能なコンピューター・プログラム・プロダクトであって、コンピューター上で実行された場合、請求項７に記載の修正方法の各ステップがコンピューターにより実行される、コンピューター・プログラム・プロダクト。

本発明によれば、ユーザは、文字カーソルを認識文字情報内の誤った単語の位置に初期的に位置付け、その後、当該誤りを修正すべく、同期再生モードが修正装置で作動状態にあるとき、従って、音声情報の連続的な音響的な再生中、編集情報を入力することができる。誤った単語の編集中に同期再生モードが継続されるので、熟練した修正者は、編集中でさえも、認識文字情報内の誤った単語を探し続けることができ、従って、多大な時間を節約することができる。

特定の効果は、同期再生モードの非作動のための手動操作、及び、編集後の同期再生モードの作動のための手動操作が、不要となり、時間をより節約できることにある。

同期再生モードが作動状態の修正装置のユーザは、同期再生手段によってオーディオカーソルで現にマークされている修正のための単語を通常的にチェックするので、ユーザは、オーディオカーソルの現在位置付近で毎回、認識文字情報内の誤った単語を認識する。このとき、文字カーソルは、通常的には全く異なる位置、即ち、直近の誤った単語が修正された文字情報の位置に位置する。

請求項１及び７の手段によれば、ユーザは、例えばキーボード上のキーを操作することによって、文字カーソルが同期再生中にマークされた直近の位置に位置するように、オーディオカーソルに文字カーソルを同期させることができるという、効果をユーザが得ることができる。修正されるべき誤った単語は、通常的には本発明により位置付けられる文字カーソルの近傍に位置するので、誤った単語のその後の修正は、非常に少ない労力及び時間の消費に関連付けられる。

本発明によれば、同期再生モードが作動状態にあるとき、文字カーソルは、オーディオカーソルに連続的且つ自動的に同期されることもできる。このように、文字カーソルを位置付けるためのキーボードのキーの操作は、効果的に完全に不要とされうる。アプリケーションによっては、オーディオカーソルを文字カーソルに同期させること、従って、文字カーソルの位置にオーディオカーソルを位置付けることが有用な場合もある。

請求項２，３及び８の手段によれば、ユーザが、誤った単語を認識した時、認識文字情報内のオーディオカーソルの前にオーディオカーソル対して文字カーソルを同期させるため、“右矢印”キーを押すだけでよくなる場合に、効果的となることがわかっている。この例では、“左矢印”キーを押すことによって、オーディオカーソルは、文字カーソルに同期されることになり、従って、文字カーソルの位置に配置されることになるだろう。この“左矢印”キー及び右矢印”キーの動的な割り当ては、特にユーザフレンドリなものである。

請求項４及び９の手段によれば、ユーザの反応時間に起因して、誤った単語は、通常的には認識文字情報内のオーディオカーソルのＮ単語前に見つけられるので、文字カーソルが自動的に認識文字情報内のオーディオカーソルのＮ単語前に位置付けられることが効果的であることがわかっている。

請求項５及び１０の手段によれば、ユーザが自己の通常の反応時間により数字Ｎを調整できる場合に効果的であることがわかっている。

請求項６の手段によれば、カーソルが、同期再生モードが作動状態にあるときに、ユーザが誤った単語を編集するためにカーソルを分離するまで、自動的に同期される場合に効果的であることがわかっている。このように、誤った単語を修正する特に簡易な操作が、効果的に達成される。

これより、本発明は、本発明を制限するものでない図面に示す実施例を参照して以下に詳説される。

図１は、音声認識装置ソフトウェア及び文字プレスソフトウェアを実行するコンピューターを含む音声認識装置１を示す。音声認識装置１は、マイクロフォン２、キーボード３、フットスイッチ４、拡声器５及びそれに接続するスクリーン６を有する。

音声認識装置１のユーザは、マイクロフォン２に向かって口述することができ、この際、口述の音声情報を含む音声信号ＳＳが、音声認識装置に転送される。音声認識装置１は、Ａ／Ｄコンバータ７を含み、これにより、音声信号ＳＳがデジタル化され、この際、Ａ／Ｄコンバータ７は、デジタルスピーチデータＳＤを音声認識手段８に送る。

音声認識手段８は、以下で認識文字情報ＥＴＩと称する、受信したスピーチデータＳＤに割り当てられる文字情報を認識するように設計されている。音声認識手段８は、更に、認識文字情報ＥＴＩの各単語に対して、音声認識手段８により認識された単語に対応するスピーチデータＳＤの部分をマークするリンク情報ＬＩを確立するように設計されている。このような音声認識手段８は、例えば、この参照により本明細書のその開示が含められる、文献ＵＳ−Ａ−５,０３１，１１３から知られている。

音声認識装置１は、また、メモリ手段９を有し、これにより、音声認識手段８により転送されたスピーチデータＳＤが、口述のリンク情報ＬＩ及び認識文字情報ＥＴＩと共に格納される。上述の如く口述の音声情報に割り当てられるべき認識文字情報ＥＴＩを認識する音声認識方法は、長年知られているので、ここではこれ以上詳細に説明しない。

音声認識装置１は、また、認識文字情報ＥＴＩの誤った単語の修正のための修正装置１０を有する。修正装置１０は、文字編集ソフトウェアを実行するコンピューターを含み、当該文字編集ソフトウェアは、特別な修正ソフトウェアを含む。修正ソフトウェア１０は、修正手段１１及び同期再生手段１２を含む。

修正手段１１は、認識文字情報ＥＴＩの誤った単語に文字カーソルＴＣを位置付け、ユーザにより入力される編集情報ＥＩにより誤った単語を修正するように設計されている。編集情報ＥＩは、この場合、ユーザによりキーボード３のキーにより一般的に知られた態様で入力される。

同期再生手段１２は、音声認識装置１の同期再生モードを可能とし、この同期再生モードでは、たった今再生されている音声情報に関するリンク情報ＬＩによってマークされている認識文字情報ＥＴＩの単語が、口述の音声情報の音響的な再生中に同期してマークされる。文献ＵＳ−Ａ−５,０３１，１１３からも知られる、この公知の同期再生モードは、誤った単語の効率的な修正を可能とするので、音声認識装置のユーザによって非常に好まれるものである。

オーディオカーソルＡＣが認識文字情報ＥＴＩの単語から単語へと変化する同期再生モードが、音声認識装置１において作動状態にあるとき、音響的に再生される各単語が正確にマークされる。カーソルは、例えば、カーソル位置で示される下線若しくは文字の反転によって表示できるが、カーソルの表示に対しては多くの他の可能性が知られている。

モニタ６で示すような文字情報ＴＩからわかるように、同期再生モードが作動状態にあるとき、文字カーソルＴＣ及びオーディオカーソルＡＣの双方が、可視であり、文字カーソルＴＣは、たいてい一文字をマークし、オーディオカーソルＡＣは、全単語を常にマークする。同期再生モードが作動状態にあるとき、文字カーソルＴＣは、編集手段１１が誤った単語を編集するために最後に使用された表示文字情報ＴＩ内の位置に、静止したままであるが、オーディオカーソルＡＣは単語から単語へと変化する。

同期再生モードが作動状態にあるとき、メモリ手段９に記憶された口述のオーディオデータＡＤは、同期再生手段１２により読み出され、連続的にＤ／Ａコンバータ１３に転送される。Ｄ／Ａコンバータ１３は、次いで、口述を含む音声信号ＳＳの音声情報ＳＩを、口述の音響的な再生のために拡声器５に転送することができる。

同期再生モードを作動させるため、音声認識装置１のユーザが、フットスイッチ４の２つのスイッチの一方の上に足を乗せると、制御情報ＳＩが、同期再生手段１２に送られる。次いで、同期再生手段１２は、口述のスピーチデータＳＤに加えて、記憶媒体９内の口述に対して記憶されたリンク情報ＬＩを読み出す。

同期再生モードが作動状態にあるとき、同期再生手段１２は、オーディオカーソル情報ＡＣＩを生成し、それを編集手段１１に送るように設計される。オーディオカーソル情報ＡＣＩは、各場合に音響的にたった今再生されている単語をマークし、従って、表示されている文字情報ＴＩ内でのオーディオカーソルＡＣの表示されるべき位置をマークする。

同期再生モードの起動直後、編集手段１１は、メモリ手段９から認識文字情報ＥＴＩを読出し、それを、表示されるべき文字情報ＴＩとして一時記憶するように設計されている。この表示されるべき一時記憶された文字情報ＴＩは、当分の間は認識文字情報ＥＴＩに対応し、最終的に誤りのない文字情報を達成すべく、誤った単語への修正によりユーザによって修正される。

編集手段１１内に一時記憶された文字情報ＴＩは、編集手段１１から画像処理手段１４に転送される。画像処理手段１４は、表示されるべき文字情報ＴＩを処理し、モニタ６に、表示されるべき文字情報ＴＩを含む表示可能な表示情報ＤＩを送る。編集手段１１は、また、画像処理手段１４に、表示された文字情報ＴＩ内の文字カーソルＴＣの位置をマークする文字カーソル情報ＴＣＩを送る。同期再生モードが作動状態にあるとき、編集手段１１は、また、画像処理手段１４に、オーディオカーソルＡＣの表示用のオーディオカーソル情報ＡＣＩも送る。

修正手段１０の編集手段１１は、また、文字カーソルＴＣをオーディオカーソルＡＣに同期させるか、若しくは、オーディオカーソルＡＣを文字カーソルＴＣに同期させる同期手段１５を含む。このように、ユーザにより認識された誤った単語を修正するための文字カーソルＴＣの位置付けは、非常に容易になされ、この更なる詳細は、音声認識装置１の適用例を用いて次に説明される。

編集手段１１は、修正装置１０で同期再生モードが作動状態にあるときに、文字カーソルＴＣを位置付けるように、且つ、ユーザによって誤っていると認識される文字を編集するように設計されている。このように、修正に熟練するユーザは、同期再生モードを先ず非作動状態にし且つ修正後に再び作動状態にすることなく、誤った単語を修正でき、従って、ユーザは効果的に非常に多くの時間を節約することができる。この更なる詳細は、次の音声認識装置１の適用例に示される。

次に、音声認識装置１の適用例を、図２のフローチャートを用いて説明する。本適用例では、医者が自己の新たな音声認識装置を試用し、口述“THIS IS A TEST THAT…ERRORS WITHIN THIS TEXT HAVE TO THE CORRECTED WITH A TEXT EDITOR”をマイクロフォン２に行ったと想定し、その後、ブロック１７で、口述のデジタルスピーチデータＳＤが、音声認識手段８に転送される。ブロック１８では、音声認識手段８は、関連する認識文字情報ＥＴＩ及びリンク情報ＬＩを認識し、それをブロック１９にて記憶手段９に記憶する。医者は口述の幾つかの単語をはっきりと発音しなかったので、音声認識手段８は、単語“IS”でなく単語“MISS”と認識し、単語“TEXT”でなく単語“PEST”と認識する。

後に、ブロック２０で、医者の秘書が、認識文字情報の誤った単語を修正すべく、音声認識装置１の同期再生モードを作動状態にする。編集手段１１は、このとき、認識文字情報ＥＴＩを読み出し、同期再生手段１２は、口述のリンク情報ＬＩ及びスピーチデータＳＤを記憶手段９から読み出す。文字情報ＴＩは、次いで、モニタ６により表示され、口述の音響的な再生が開始すると、“THIS”から始まるオーディオカーソルＡＣは、口述の文字を連続的にマークする。

秘書は、直ぐに、単語“MISS”を誤った単語として認識し、これを、キーボード３を用いて、対応する入力情報ＥＩを入力することによって修正する。単語“MISS”の修正後、文字カーソルＴＣは、文字“I”の位置で単語“IS”に位置するままである一方、オーディオカーソルＡＣは、文字情報ＴＩを単語毎にマークし続ける。オーディオカーソルＡＣが単語“PEST”をマークした時点で、秘書は、ブロック２１で、この単語を誤った単語として認識し、ブロック２２で、“ＡＬＴ＋右矢印”のキーの組み合わせを押す。この結果、同期情報ＳＩＹが編集手段１１に送られ、文字カーソルＴＣは、オーディオカーソルＡＣに同期される。この結果、文字カーソルＴＣは、誤った単語“PEST”最初の単語“P”に位置付けられ、秘書は、ブロック２３にて、直ぐに当該誤った単語を修正し始めることができる。

この効果は、秘書が、非常に時間を浪費することになるだろうキー操作である、誤った単語の位置に文字カーソルＴＣを位置付けるために“矢印”キーの多くのキー操作をする必要がなくなったことにある。同様に、文字カーソルＴＣを位置付けるため、秘書は、非常に時間を浪費することになるだろう図１に示すようなコンピューターマウスの使用の必要もなくなる。

秘書は、既に誤った単語“PEST”の修正中に口述の最終単語の継続した同期再生に追従するほど十分熟練しているので、この単語の修正中、同期再生モードは作動状態のままである。秘書は、口述の最後のみ、ブロック２４で、フットスイッチ４の第２のスイッチを操作することで同期再生モードを非作動にする。フローチャート１６のブロック１９乃至２４は、この場合の修正手順を示す。

秘書は、同期再生モードで誤った単語“MISS”及び“PEST”の修正を実行することができたので、秘書は、多くの回数フットスイッチを操作することが省かれ、非常に効果的であることに、自己の作業をより迅速に完了することができた。

理解できるように、キー組み合わせ“ＡＬＴ＋右矢印”を押すことによって、他のカーソルに比して文字情報ＴＩの開始位置により近い側のカーソルが、他のカーソルに同期されることになる。更に、“ＡＬＴ＋左矢印”キーを押すことによって、他のカーソルに比して文字情報ＴＩの終了位置により近い側のカーソルが、他のカーソルに同期されることになる。

キー組み合わせの機能のこの動的な割り当ては、特にユーザフレンドリであることがわかっている。明らかであるが、例えば、“Ｃｔｒｌ”キー若しくは“Ａｌｔ Ｇｒ”キーが、“ＡＬＴ”キーに代わってキー組み合わせに使用されて良い。更に、作動状態の同期再生モードにおいて、キー組み合わせは、如何なる方法で提供されても良く、単なる“左矢印”キーや“右矢印”キーが動的な割り当てに使用されてもよい。

尚、カーソルは、フットスイッチやコンピューターマウスの操作によって同期されうる。同様に、編集情報ＥＩが入力された時に、オーディオカーソルＡＣの現在位置が、文字カーソルＴＣの位置と同一となるように、文字カーソルＴＣをオーディオカーソルＡＣに連続的且つ自動的に同期させることも可能であろう。

また、アプリケーションに依存して、オーディオカーソルＡＣが文字カーソルＴＣの位置に位置するように、文字カーソルＴＣにオーディオカーソルＡＣを同期させることも有効となり得る。このとき、口述の同期再生は、口述の再生の部分の繰り返しが容易に可能となるよう、文字カーソルの位置から継続する。

また、同期に続く双方のカーソルは、常に同一位置に位置する必要はない。従って、例えば、一方のカーソルが、他のカーソルよりもＮ＝３の数の単語前に配置されてよい。これにより、ユーザは、誤った単語が認識された時の自己の反応時間との調整を取ることができ、この場合、同期後に、文字カーソルＴＣが、オーディオカーソルＡＣより３単語前に毎回位置するようになる。反応の早いユーザはＮ＝１を選択し、遅いユーザはＮ＝１０を選択しうり、この場合、同期後に、文字カーソルＴＣは、非常に効果的なことに、誤った単語上に実際に常に既に位置することになる。

更に、同期再生モードでＮ個の単語数だけずれてオーディオカーソルＡＣに結合される文字カーソルＴＣは、連続的に表示されうり、誤った単語の認識後、通常的に遅いユーザは、依然として、文字カーソルＴＣが誤った単語上に直接位置するのにかかる時間だけ、編集情報ＥＩの入力に時間をかけることができる。これは、誤った単語を非常に効率的な修正を提供するだろう。

また、本発明による修正装置は、特に、認識文字情報ＥＴＩを修正するのに大部分の労働時間を費やし、それ故にこれに非常に熟練しているユーザに効果的である。かかるユーザは、この参照により本明細書のその開示が含められる文献ＵＳ−Ａ−６,１７３，２５９に開示されるような、とりわけトランスクリプションサービスのいわゆる修正者である。

本発明による修正装置は、実質的に文字修正プログラムの部分でありうるといえるが、そうである必要はない。

音声認識装置によって認識されている文字中の誤った単語を修正するための修正装置を備えた音声認識装置を示す図である。 音声認識装置によって認識されている文字中の誤った単語を修正するための方法が実行される、口述の処理方法を示す図である。

Claims (13)

1. 音声情報から音声認識装置により認識された認識文字情報中の誤った単語を修正するための修正装置であって、各々の単語が前記音声認識装置により認識された箇所の音声情報の部分を認識文字情報の各単語にてマークするリンク情報を確立する修正装置において、
   前記音声情報、関連する認識文字情報、及び、前記リンク情報を受信する受信手段と、
   前記認識文字情報の誤った単語に文字カーソルを位置付けると共に、ユーザにより入力される編集情報に従って誤った単語を修正するように構成された編集手段と、
   当該修正装置の同期再生モードを実行する同期再生手段とを含み、
   同期再生モードでは、前記音声情報の音響的な再生中に、現に再生され且つ前記リンク情報によりマークされる前記認識文字情報の単語が同期してマークされる一方、前記現にマークされた単語がオーディオカーソル位置を強調し、前記編集手段は、前記同期再生モードが作動状態にあるときに、前記文字カーソルを誤った単語に位置付けると共に、前記誤った単語を修正するように構成されており、
   当該修正装置は、前記同期再生モード中に、前記文字カーソルを前記オーディオカーソルに同期させるか、若しくは、前記オーディオカーソルを前記文字カーソルに同期させるよう構成されているカーソル同期手段を更に備える、修正装置。
2. 前記カーソル同期手段は、キーボードを含み、前記オーディオカーソル及び前記文字カーソルは、少なくとも１つのキーを手動操作することで同期させることができる、請求項１記載の修正装置。
3. 少なくとも１つのキーは、“右矢印”キー若しくは“左矢印”キーを含み、
   “右矢印”キーが操作されたときに、他のカーソルよりも認識文字情報の開始位置に近いカーソルが、該他のカーソルに対して同期され、他のカーソルよりも認識文字情報の終了位置に近いカーソルが、該他のカーソルに対して同期されることができる、請求項２記載の修正装置。
4. 前記カーソル同期手段は、前記同期再生モードが作動状態にあるときに、認識文字情報中に前記文字カーソルを、前記オーディオカーソルよりも所定の単語数Ｎだけ前で位置付ける、請求項１記載の修正装置。
5. 前記所定の単語数Ｎは、ユーザの情報に基づいて設定されることができる、請求項４記載の修正装置。
6. 前記カーソル同期手段は、作動状態の同期再生モードで前記オーディオカーソル及び前記文字カーソルを連続的且つ自動的に同期させ、
   前記文字カーソルは、作動状態の同期再生モードで、誤った単語を修正するため、少なくとも１つのキーの手動操作により、少なくとも１つのキーの更なる操作により前記オーディオカーソルに再び同期されるまで前記オーディオカーソルから分離されることができる、請求項１記載の修正装置。
7. 音声情報から音声認識装置により認識された認識文字情報中の誤った単語を修正するための修正方法であって、
   修正装置において、前記音声情報、関連する認識文字情報、及び、認識文字情報の各単語に対して前記音声認識装置により認識された単語の前記音声情報の部分をマークするリンク情報を受信するステップと、
   前記音声情報の音響的な再生中に、現に再生されている音声情報に対する前記リンク情報によりマークされている前記認識文字情報の単語が、同期してマークされる一方、オーディオカーソル位置が前記現にマークされている単語により強調される、同期再生モードを実行するステップと、
   入力された編集情報に依存して、前記文字カーソルを、前記オーディオカーソルに同期させるか、若しくは、前記オーディオカーソルを、前記文字カーソルに同期させるステップと、
   文字カーソルの補助により前記誤った単語をユーザにより入力される編集情報に従って修正するステップとを含み、該誤った単語の修正が、前記修正装置で前記同期再生モードが作動状態にあるときに可能である、修正方法。
8. 前記オーディオカーソル及び前記文字カーソルは、少なくとも１つのキーを手動で作動させることによって同期される、請求項７記載の修正方法。
9. 前記文字カーソルは、認識文字情報中で前記オーディオカーソルよりも所定の単語数Ｎだけ前に位置付けられる、請求項７記載の修正方法。
10. 前記所定の単語数Ｎは、ユーザの情報に基づいて設定される、請求項９記載の修正方法。
11. 受信した音声情報中の文字情報を認識する音声認識装置であって、
    音声情報を受信する手段を含み、
    文字情報を認識すると共に受信した音声情報に割り当てられるべきリンク情報を確立する音声認識手段を含み、認識文字情報の各文字に対するリンク情報は、前記音声認識装置により認識された単語の前記音声情報の部分を表わし示すものであり、
    認識文字情報に含まれる誤った単語を修正するための請求項１記載の修正装置を更に含む、音声認識装置。
12. デジタルコンピューターの内部メモリに直接実装可能なコンピューター・プログラムであって、コンピューター上で実行された場合、請求項７に記載の修正方法の各ステップがコンピューターにより実行される、コンピューター・プログラム。
13. コンピューター読取り可能な媒体上に記憶された請求項１２記載のコンピューター・プログラム。

Images