JP2015026102A - 電子機器 - Google Patents

Abstract

【課題】音声認識が失敗した場合に、認識可能な情報を表示することが可能なデジタルカメラ１００を提供する。【解決手段】デジタルカメラ１００は、複数の動作モードを有する。デジタルカメラ１００は、モニタと、音を集音するマイクと、集音した音を音声認識する認識部２２０と、集音する時の動作モードが複数の動作モードの内のいずれであるかを決定する決定部２１０と、決定した動作モードにおいて認識可能な、デジタルカメラ１００の有する機能を識別する情報をモニタに表示する表示制御部２７０と、認識部により出力される認識結果が情報を示すか否かを判断する第１の判断部２３０と、第１の判断部により認識結果が情報を示さないと判断された場合に、表示制御部による表示処理を実行する表示実行部２６０とを備える。【選択図】図２

Description

この発明は、音声を認識する電子機器に関し、特に、認識した音声に応じて機能を実行する電子機器に関する。

近年、音声認識機能を有する電子機器が普及している。当該電子機器は、認識した音声に応じて当該電子機器の機能を実行する。しかしながら、集められた音にノイズ等が含まれると、音声認識が失敗することがある。音声認識が失敗した場合に備えて様々な技術が開発されている。

たとえば、特開２００３−２４１７９０号公報（特許文献１）は、「ユーザが発声する音声コマンドの認識率を向上することができる音声コマンド処理システム」を開示している（［要約］参照）。当該音声コマンド処理システムは、ユーザにより発声された音声コマンドが予め登録されたグラマと一致しない場合には音声コマンドを文章として認識させる。認識された文章は、予め登録されたグラマとマッチングさせて類似度を算出する。類似度が第１のしきい値より高い場合、コマンドを実行し、第１のしきい値以下で、第２のしきい値より高い場合、コマンドをユーザ提示し、実行するコマンドを選択させる。さらに第２のしきい値以下の場合にはコマンドの実行は行わない。

また、特開２００５−１２１５２６号公報（特許文献２）は、「発話者によって入力された発話内容が車内で処理可能か否かを判断し、処理不可能な場合は車外の情報サービスセンターから情報の提供を受けることができる音声対話装置」を開示している（［要約］参照）。

さらに、特開２００４−２３９９６３号公報（特許文献３）は、「音声による命令の入力を行う場合、ユーザの発声状態によって、音声認識ができない場合があるが、ユーザにとっては、認識できなかった理由がわからずユーザが困惑する場合があった。よって、ユーザが、自己の発声した音声の発話状態を認識できるナビゲーション装置」を開示している（［要約］参照）。

さらに、特開２００６−１４６１８２号公報（特許文献４）は、「過度のフラストレーションを引き起こしたり、音声認識の効率を犠牲にしたりすることなく、音声コマンドの明瞭化と誤認識エラーの解明とを制御するツール」を開示している（［要約］参照）。

特開２００３−２４１７９０号公報 特開２００５−１２１５２６号公報 特開２００４−２３９９６３号公報 特開２００６−１４６１８２号公報

ところで、特許公報１が開示している音声コマンド処理システムは、類似度の高い候補が無い場合に、つまり音声認識に失敗した場合に、コマンドを１つも表示しない。このため、ユーザは、音声認識が失敗した時にどのような対応を取ればよいのか分からない。

この開示は上述のような問題点を解決するためになされたものであって、その目的は、音声認識が失敗した場合に、機能を識別するための認識可能な情報を表示することが可能な電子機器を提供することである。

一実施の形態に従うと、電子機器は、複数の動作モードを有する。当該電子機器は、モニタと、マイクと、マイクにより集められた音を音声認識して認識結果を出力するための認識手段と、マイクが音を集めた時の動作モードが複数の動作モードの内のいずれであるかを決定するための決定手段と、決定された動作モードにおいて認識可能な、電子機器の有する機能を識別するための情報をモニタに表示するための表示制御手段と、認識結果が情報を示すか否かを判断するための第１の判断手段と、第１の判断手段により認識結果が情報を示さないと判断された場合に、表示制御手段に情報を表示させるための実行手段とを備える。

ある局面において、音声認識が失敗した場合に、機能を識別するための認識可能な情報を表示することが可能な電子機器を提供することができる。

この発明の上記および他の目的、特徴、局面および利点は、添付の図面と関連して理解されるこの発明に関する次の詳細な説明から明らかとなるであろう。

第１の実施の形態に従うデジタルカメラの概要を示す図である。 第１の実施の形態に従うデジタルカメラの機能構成を示すブロック図である。 第１の実施の形態に従うデジタルカメラのハードウェア構成を示すブロック図である。 単語リストのデータ構造を示す図である。 第１の実施の形態に従うデジタルカメラが実行する処理の一部を表わすフローチャートである。

以下、図面を参照しつつ、本実施の形態について説明する。以下の説明では、同一の部品および構成要素には同一の符号を付してある。それらの名称および機能も同じである。したがって、これらについての詳細な説明は繰り返さない。

なお、以下では、電子機器の一例として撮像装置として機能するデジタルカメラ１００の詳細について説明するが、電子機器は、デジタルカメラに限定されるものではない。たとえば、電子機器は、タブレット端末、携帯電話機、スマートフォン、その他音声認識機能を備えた携帯機器等も含み得る。なお、以下で説明される実施の形態は、選択的に組み合わされてもよい。

［第１の実施の形態］
＜概要＞
図１は、第１の実施の形態に従うデジタルカメラ１００の概要を示す図である。図１を参照して、デジタルカメラ１００の概要について説明する。

図１を参照して、デジタルカメラ１００は、モニタ１２０と、マイク１４０とを備える。デジタルカメラ１００は、複数の動作モードを有する。たとえば、デジタルカメラ１００は、動作モードとして、撮影が可能であることを示す撮影モードを含む。以下、デジタルカメラ１００の動作モードが撮影モードである場合について説明する。

図１において、ユーザ１０１が撮影を行なっている場合のデジタルカメラ１００の状態を示す状態（Ａ）と、デジタルカメラ１００が音声認識に失敗した場合のデジタルカメラ１００の状態を示す状態（Ｂ）とが示される。

状態（Ａ）において、ユーザ１０１は、人物１２１および人物１２３の撮影を行なっており、デジタルカメラ１００に向かって「撮影」と発声したとする。マイク１４０は、ユーザ１０１の発話を集音する。デジタルカメラ１００は、マイク１４０により集められた音の音声認識を行なう。デジタルカメラ１００は、ユーザ１０１の発した「撮影」という言葉を認識できない場合、状態（Ａ）から状態（Ｂ）に遷移する。

状態（Ｂ）において、デジタルカメラ１００は、「撮影モード」においてデジタルカメラ１００が認識可能な情報（以下、「認識可能情報」とも称する。）をモニタ１２０に表示する。認識可能情報の詳細については後述する。モニタ１２０にはオブジェクト１２５が表示される。たとえば、「撮影モード」において起動可能な機能として、オブジェクト１２５には「シャッター」、「ズームイン」、「ズームアウト」、および「ライトオン」が表示される。

このように、デジタルカメラ１００は、音声認識が失敗した場合に、現在の動作モードにおいてデジタルカメラ１００が認識可能な情報をモニタ１２０に表示する。これにより、デジタルカメラ１００の現在の動作モードにおいて音声認識可能な情報を容易に理解することが可能になる。また、デジタルカメラ１００の現在の動作モードにおいて起動可能な機能を容易に理解することが可能になる。

なお、デジタルカメラ１００は、音声認識が成功した場合には、認識した音声に応じて当該デジタルカメラ１００の機能を実行する。たとえば、デジタルカメラ１００は、ユーザ１０１が「シャッター」と発した場合には撮影を実行する。

＜認識可能情報＞
以下、認識可能情報について説明する。認識可能情報は、デジタルカメラ１００の各動作モードにおいてデジタルカメラ１００が認識可能な情報である。また、認識可能情報は、デジタルカメラ１００の有する機能を識別するための情報である。典型的には、認識可能情報は、文字データおよび文字列データの内の少なくとも一方を含む。文字列データは、単語、文章等を含む。

なお、以下の説明では、認識可能情報の一例である単語を挙げてデジタルカメラ１００を説明するが、認識可能情報は、単語に限定されない。たとえば、認識可能情報は、上述したように、文章、または、その他、文字データまたは文字列データであってもよい。

＜機能構成＞
図２は、第１の実施の形態に従うデジタルカメラ１００の機能構成を示すブロック図である。図２を参照して、デジタルカメラ１００の機能構成の一例について説明する。

デジタルカメラ１００は、決定部２１０と、認識部２２０と、第１の判断部２３０と、起動部２４０と、第２の判断部２５０と、実行部２６０と、表示制御部２７０とを備える。また、デジタルカメラ１００は、複数の動作モードを有する。たとえば、デジタルカメラ１００は、動作モードとして、撮影が可能な「撮影モード」、画像または動画を閲覧可能な「閲覧モード」、および、デジタルカメラ１００の設定を行なうことが可能な「設定モード」等を有する。これらの動作モードは、ユーザにより変更できるように設計される。

決定部２１０は、マイク１４０が音を集めた時の動作モードが、当該デジタルカメラ１００の有する複数の動作モードの内のいずれであるかを決定する。決定部２１０が動作モードを決定する時は、マイク１４０が音を集めた時に限定されない。たとえば、決定部２１０は、音声認識時における動作モードをデジタルカメラ１００の動作モードとして決定してもよい。決定部２１０は、決定した動作モードを表示制御部２７０に出力する。

認識部２２０は、マイク１４０により集められた音を音声認識することにより認識結果を出力する。典型的には、認識部２２０は、集められた音を文字データまたは文字列データに変換して出力する。また、認識部２２０は、集められた音をテキストデータに変換して出力してもよい。認識部２２０は、認識結果を第１の判断部２３０に出力する。

たとえば、認識部２２０は、大量の音声データを機械学習することで予め得られたモデルデータと、マイク１４０により集められた音から抽出した特徴量とをパターンマッチングすることにより音声認識を行なってもよい。

第１の判断部２３０は、認識部２２０により出力された認識結果が認識可能情報を示すか否かを判断する。典型的には、第１の判断部２３０は、認識結果に認識可能な単語が含まれているか否かを判断する。第１の判断部２３０は、認識結果に認識可能な単語が含まれている場合に音声認識が成功したと判断する。また、第１の判断部２３０は、認識結果に認識可能な単語が含まれてなくても、認識結果と認識可能な単語とが予め定められた文字数以上一致した場合に音声認識が成功したと判断してもよい。第１の判断部２３０は、認識結果に認識可能な単語が含まれていない場合に音声認識が失敗したと判断する。第１の判断部２３０は、判断結果を起動部２４０および実行部２６０に出力する。

起動部２４０は、第１の判断部２３０により認識結果が認識可能な情報を示すと判断された場合に（認識成功）、当該情報により識別される機能を起動する。

第２の判断部２５０は、マイク１４０により集められた音が発話によるものであるか否かを判断する。典型的には、第２の判断部２５０は、集められた音の音量が予め定められた音量を越えた場合に、当該音が発話によるものであると判断する。また、第２の判断部２５０は、デジタルカメラ１００に対する操作が予め定められた時間以上受付けられていない場合に、当該音が発話によるものであると判断する。第２の判断部２５０は、判断結果を実行部２６０に出力する。

実行部２６０は、第１の判断部２３０により音声認識が失敗したと判断された場合に、表示制御部２７０に認識可能情報を表示させる。また、実行部２６０は、第２の判断部２５０により集められた音が発話によるものであると判断された場合に表示制御部２７０に表示処理を表示させてもよい。典型的には、実行部２６０は、表示制御部２７０に表示命令を出力することにより認識可能情報を表示させる。

表示制御部２７０は、決定部２１０により決定した動作モードにおいてデジタルカメラ１００が認識可能な、デジタルカメラ１００の有する機能を識別するための情報をモニタ１２０に表示する。典型的には、表示制御部２７０は、実行部２６０が出力する表示命令を受付けると認識可能情報をモニタ１２０に表示する。

＜ハードウェア構成＞
図３は、第１の実施の形態に従うデジタルカメラ１００のハードウェア構成を示すブロック図である。図３を参照して、デジタルカメラ１００のハードウェア構成の一例について説明する。

デジタルカメラ１００は、モニタ１２０と、マイク１４０と、ＣＰＵ３０１と、ＲＯＭ（Read Only Memory）３０２と、ＲＡＭ（Random Access Memory）３０３と、カメラ３０４と、タッチセンサ３０５と、メモリカードインターフェイス（Ｉ／Ｆ）３０６と、ネットワークインターフェイス（Ｉ／Ｆ）３０７と、補助記憶装置３１０とを備える。補助記憶装置３１０は、単語リスト３２０を格納する。単語リスト３２０は、動作モード３２１と、単語３２３と、コマンド３２５とを含む。動作モード３２１と、単語３２３と、コマンド３２５とは、互いに関連付けられる。単語リスト３２０の詳細については後述する。

モニタ１２０は、デジタルカメラ１００の動作モードに応じて、デジタルカメラ１００が認識可能な単語を表示する。モニタ１２０は、タッチセンサ３０５と組み合わされてタッチパネルとして構成されてもよい。たとえば、ユーザは、タッチパネルを操作して、モニタ１２０に表示された認識可能な単語のいずれかを選択する。デジタルカメラ１００は、選択された単語に関連付けられた機能を実行するように構成されてもよい。

マイク１４０は、音を集音する。マイク１４０は、集められた音を電気信号に変換する。マイク１４０は、電気信号を認識部２２０に出力する。

ＲＯＭ３０２は、オペレーティングシステム（ＯＳ：Operating System）、デジタルカメラ１００において起動時に実行される初期プログラム（ブートプログラム）などを格納する。

ＣＰＵ３０１は、ＲＯＭ３０２や補助記憶装置３１０などに格納された、オペレーティングシステムやデジタルカメラ１００の制御プログラムなどの各種プログラムを実行することで、デジタルカメラ１００の動作を制御する。

ＲＡＭ３０３は、ＣＰＵ３０１でプログラムを実行するためのワーキングメモリとして機能し、プログラムの実行に必要な各種データを一次的に格納する。

カメラ３０４は、たとえば、ＣＣＤ（Charge Coupled Device）方式、ＣＭＯＳ（Complementary Metal Oxide Semiconductor）センサなどの撮像センサ、撮像レンズ、レンズを駆動するためのレンズ駆動部、シャッターなどを含む。カメラ３０４は、レンズを介して取り込んだ被写体の像を受光面（撮像面）で光電変換する撮像センサによって撮像画像を生成する。なお、カメラ３０４は、ズーム倍率を変更するためのズーム機能および焦点距離を調整するためのフォーカス機能などを有してもよい。

メモリカードＩ／Ｆ３０６は、ＳＤ（Secure Digital）カードやＣＦ（Compact Flash（登録商標））カードなどのメモリカード（不揮発性記憶媒体）３３０との間で、データの読み書きを行なう。

ネットワークＩ／Ｆ３０７は、各種の通信媒体を介して、他の通信機器とデータの送受信を行なう。たとえば、他の通信機器は、デジタルカメラ、パソコン、サーバ装置、その他通信機能を有する電子機器である。

＜単語リスト＞
図４は、単語リスト３２０のデータ構造を示す図である。図４を参照して、単語リスト３２０のデータ構造について説明する。

図４を参照して、単語リスト３２０は、動作モード３２１と、単語３２３と、コマンド３２５との対応関係を規定したデータである。典型的には、単語リスト３２０は、補助記憶装置３１０に格納される。なお、単語リスト３２０は、必ずしも補助記憶装置３１０に格納される必要はない。たとえば、単語リスト３２０は、デジタルカメラ１００と通信可能なサーバ装置に格納されてもよい。単語リスト３２０は、ユーザが編集できるように構成されてもよい。

図４に示されるように、たとえば、動作モード３２１は、撮影モード４１０と、閲覧モード４２０とを有する。撮影モード４１０は、単語「シャッター」、単語「ズームイン」、単語「ズームアウト」、および、単語「ライトオン」を含む。これらの単語は、互いに関連付けられる。単語「シャッター」と「第１のコマンド」とは互いに関連付けられる。単語「ズームイン」と「第２のコマンド」とは互いに関連付けられる。単語「ズームアウト」と「第３のコマンド」とは互いに関連付けられる。単語「ライトオン」と「第４のコマンド」とは互いに関連付けられる。

閲覧モード４２０は、単語「前の画像」、単語「後の画像」、単語「編集」、および、単語「共有」を含む。これらの単語は、互いに関連付けられる。単語「前の画像」と「第５のコマンド」とは互いに関連付けられる。単語「後の画像」と「第６のコマンド」とは互いに関連付けられる。単語「編集」と「第７のコマンド」とは互いに関連付けられる。単語「共有」と「第８のコマンド」とは互いに関連付けられる。以下では、デジタルカメラ１００が単語リスト３２０をどのように用いるかについて説明する。

（音声認識の失敗時）
デジタルカメラ１００の動作モードが「撮影モード」であり、ユーザが「撮影」と発声した場合について説明する。

認識部２２０は、マイク１４０により集められた音を音声認識する。認識部２２０は、ユーザの音声を文字列データ「さつえい」に変換して、変換によって得られたデータを第１の判断部２３０に出力する。第１の判断部２３０は、単語リスト３２０を参照して、認識結果「さつえい」が、現在の動作モードの「撮影モード」に関連付けられた単語を示すか否かを判断する。第１の判断部２３０は、認識結果「さつえい」が撮影モード４１０に関連付けられた単語（シャッター、ズームイン、ズームアウト、およびライトオン）に含まれないので、音声認識が失敗したと判断する。

音声認識が失敗した場合、実行部２６０は、「撮影モード」において認識可能な単語を表示するように表示制御部２７０に命令を出す。表示制御部２７０は、「撮影モード」において認識可能な単語である、「シャッター」、「ズームイン」、「ズームアウト」、および「ライトオン」をモニタ１２０に表示させる。これにより、ユーザは、次回から「シャッター」と発声すればよいことを容易に理解できる。

（音声認識の成功時）
デジタルカメラ１００の動作モードが「撮影モード」であり、ユーザが「シャッター」と発声した場合について説明する。認識部２２０は、マイク１４０により集められた音を音声認識する。認識部２２０は、ユーザの音声を文字列データ「シャッター」に変換して、当該文字列データを第１の判断部２３０に出力する。第１の判断部２３０は、認識結果「シャッター」が、現在の動作モードの「撮影モード」に関連付けられた単語を示すか否かを判断する。第１の判断部２３０は、認識結果「シャッター」が撮影モード４１０に関連付けられた単語（シャッター、ズームイン、ズームアウト、およびライトオン）に含まれているので、音声認識が成功したと判断する。

音声認識が成功した場合、起動部２４０は、単語「シャッター」に関連付けられた「第１のコマンド」を起動する。たとえば、ＣＰＵ３０１は、「第１のコマンド」によりカメラ３０４に撮影を実行させる撮影コマンドを起動する。

＜制御構造＞
図５は、第１の実施の形態に従うデジタルカメラ１００が実行する処理の一部を表わすフローチャートである。図５の処理は、ＣＰＵ３０１がプログラムを実行することにより実現される。他の局面において、処理の一部又は全部が、回路素子その他のハードウェアによって実行されてもよい。

図５を参照して、ステップＳ５０１において、ＣＰＵ３０１は、デジタルカメラ１００を起動する。

ステップＳ５１０において、ＣＰＵ３０１は、デジタルカメラ１００が音声認識中であるか否かを判断する。ＣＰＵ３０１は、デジタルカメラ１００が音声認識中であると判断した場合には（ステップＳ５１０においてＹＥＳ）、制御をステップＳ５２０に切り替える。ＣＰＵ３０１は、音声認識中でないと判断した場合には（ステップＳ５１０においてＮＯ）、制御をステップＳ５３０に切り替える。

ステップＳ５２０において、ＣＰＵ３０１は、第１の判断部２３０として、音声認識が成功したか否かを判断する。より具体的には、ＣＰＵ３０１は、認識部２２０による認識結果が認識可能な単語を示す場合に音声認識が成功したと判断する。また、ＣＰＵ３０１は、認識部２２０による認識結果が認識可能な単語を示さない場合に、音声認識が失敗したと判断する。

ＣＰＵ３０１は、音声認識が成功したと判断した場合には（ステップＳ５２０においてＹＥＳ）、制御をステップＳ５２１に切り替える。ＣＰＵ３０１は、音声認識が失敗したと判断した場合には（ステップＳ５２０においてＮＯ）、制御をステップＳ５３２に切り替える。

ステップＳ５２１において、ＣＰＵ３０１は、起動部２４０として、認識結果に含まれる認識可能な単語に関連付けられたコマンドを起動する。

ステップＳ５３０において、ＣＰＵ３０１は、第２の判断部２５０として、マイク１４０により集められた音が発話によるものであるか否かを判断する。ＣＰＵ３０１は、当該音が発話によるものであると判断した場合には（ステップＳ５３０においてＹＥＳ）、制御をステップＳ５３２に切り替える。ＣＰＵ３０１は、当該音が発話によるものでないと判断した場合には（ステップＳ５３０においてＮＯ）、制御をステップＳ５１０に切り替える。

ステップＳ５３２において、ＣＰＵ３０１は、認識可能な単語を取得する。より具体的には、ＣＰＵ３０１は、決定部２１０として、デジタルカメラ１００の動作モードがいずれであるかを決定する。ＣＰＵ３０１は、単語リスト３２０を参照して、当該決定した動作モードに関連付けられた単語を取得する。

ステップＳ５３４において、ＣＰＵ３０１は、実行部２６０として、認識可能な単語を表示させる命令を表示制御部２７０に出力する。

ステップＳ５３６において、ＣＰＵ３０１は、表示制御部２７０として、モニタ１２０に認識可能な単語を表示させる。

ステップＳ５４０において、ＣＰＵ３０１は、ユーザが表示の消去を選択したか否かを判断する。ＣＰＵ３０１は、ユーザが表示の消去を選択したと判断した場合には（ステップＳ５４０においてＹＥＳ）、制御をステップＳ５４２に切り替える。ＣＰＵ３０１は、ユーザが表示の消去を選択していないと判断した場合には（ステップＳ５４０においてＮＯ）、制御をステップＳ５３６に切り替える。

ステップＳ５４２において、ＣＰＵ３０１は、モニタ１２０の表示を消去する。
＜利点＞
以上のようにして、本実施の形態のデジタルカメラ１００は、音声認識に失敗した場合に、デジタルカメラ１００の現在の動作モードにおいて認識可能な情報を表示できる。これにより、ユーザは、次回からどのような情報を発声すればよいのかを一見して理解できる。

また、ユーザは、デジタルカメラ１００の有する機能を識別するための情報を確認できるので、現在の動作モードにおいてどのような機能が実行できるのかを一見して理解できる。

［第２の実施の形態］
＜概要＞
以下、第２の実施の形態に従うデジタルカメラについて説明する。本実施の形態に従うデジタルカメラ１００Ａは、当該デジタルカメラ１００Ａの動作モードに応じて起動可能な機能を実行するためのデジタルカメラの各部品をモニタ１２０により指し示す機能をさらに有する点が第１の実施の形態に従うデジタルカメラ１００と異なる。その他の点については、第１の実施の形態に従うデジタルカメラ１００と同様であるので説明を繰り返さない。

デジタルカメラ１００Ａは、音声認識が失敗した場合に、認識可能情報をモニタ１２０に表示するのに加えて、当該認識可能情報に関連する機能を実行するためのデジタルカメラ１００Ａの各部品をモニタ１２０により指し示す。たとえば、認識可能情報に「シャッター」という単語が含まれている場合、デジタルカメラ１００Ａは、単語「シャッター」に関連する部品であるシャッターボタン（図示しない）を指し示す。デジタルカメラ１００Ａは、モニタ１２０に表示される矢印等で当該シャッターボタンを指し示す。

＜利点＞
以上のようにして、デジタルカメラ１００Ａの現在の動作モードにおいて起動可能な機能を実行するためには、どのようにデジタルカメラ１００Ａを操作すれればよいのかを容易に理解することが可能になる。

［第３の実施の形態］
＜概要＞
以下、第３の実施の形態に従うデジタルカメラについて説明する。本実施の形態に従うデジタルカメラ１００Ｂは、当該デジタルカメラ１００Ｂの動作モードに応じて起動可能な機能を実行するための各部品が点灯する点が第１の実施の形態に従うデジタルカメラ１００と異なる。その他の点については、第１の実施の形態に従うデジタルカメラ１００と同様であるので説明を繰り返さない。

デジタルカメラ１００Ｂは、音声認識が失敗した場合に、認識可能情報をモニタ１２０に表示するのに加えて、当該認識可能情報に関連する機能を実行するための各部品が点灯する。たとえば、認識可能情報に「シャッター」という単語が含まれている場合、デジタルカメラ１００Ｂは、単語「シャッター」に関連する部品であるシャッターボタン（図示しない）を点灯させる。

＜利点＞
以上のようにして、デジタルカメラ１００Ｂの現在の動作モードにおいて起動可能な機能を実行するためには、どのようにデジタルカメラ１００Ｂを操作すれればよいのかを容易に理解することが可能になる。

［第４の実施の形態］
＜概要＞
以下、第４の実施の形態に従うデジタルカメラについて説明する。本実施の形態に従うデジタルカメラ１００Ｃは、第１の実施の形態に従うデジタルカメラ１００の機能のうちの少なくとも１つがいわゆるクラウドサービスによって提供される点がデジタルカメラ１００と異なる。その他の点については、第１の実施の形態に従うデジタルカメラ１００と同様であるので説明を繰り返さない。

デジタルカメラ１００Ｃは、決定部２１０、認識部２２０、第１の判断部２３０、起動部２４０、第２の判断部２５０、実行部２６０、および表示制御部２７０のうちの少なくとも１つがいわゆるクラウドサービスによって提供される。この場合、少なくとも１つのサーバ装置がこれらの機能を実行する。

たとえば、デジタルカメラ１００Ｃは、マイク１４０によって出力される音声信号をサーバ装置（クラウド側）に送信する。サーバ装置（クラウド側）は、送信された音声信号に基づいて本実施の形態に従うデジタルカメラ１００の処理を行なう。さらに、サーバ装置（クラウド側）がすべての処理を行なう必要はなく、デジタルカメラ１００とサーバ装置とが協働して、本実施の形態に従う処理を実現するように構成されてもよい。また、デジタルカメラ１００Ｃは、単語リスト３２０がサーバ装置に格納されるように構成されてもよい。

＜利点＞
以上のようにして、デジタルカメラ１００Ｃは、最低限の機能およびデータを有すればよいのでメモリ容量を削減することが可能になる。

今回開示された実施の形態はすべての点で例示であって制限的なものではないと考えられるべきである。本発明の範囲は上記した説明ではなくて特許請求の範囲によって示され、特許請求の範囲と均等の意味および範囲内でのすべての変更が含まれることが意図される。

１００，１００Ａ，１００Ｂ，１００Ｃ デジタルカメラ、１０１ ユーザ、１２０ モニタ、１２１，１２３ 人物、１２５ オブジェクト、１４０ マイク、２１０ 決定部、２２０ 認識部、２３０ 第１の判断部、２４０ 起動部、２５０ 第２の判断部、２６０ 実行部、２７０ 表示制御部、３０１ ＣＰＵ、３０２ ＲＯＭ、３０３ ＲＡＭ、３０４ カメラ、３０５ タッチセンサ、３０６ メモリカードＩ／Ｆ、３０７ ネットワークＩ／Ｆ、３１０ 補助記憶装置、３２０ 単語リスト、３２１ 動作モード、３２３ 単語、３２５ コマンド、３３０ メモリカード、４１０ 撮影モード、４２０ 閲覧モード。

Claims (5)

1. 複数の動作モードを有する電子機器であって、
   モニタと、
   マイクと、
   前記マイクにより集められた音を音声認識して認識結果を出力するための認識手段と、
   前記マイクが前記音を集めた時の動作モードが前記複数の動作モードの内のいずれであるかを決定するための決定手段と、
   前記決定された動作モードにおいて認識可能な、前記電子機器の有する機能を識別するための情報を前記モニタに表示するための表示制御手段と、
   前記認識結果が前記情報を示すか否かを判断するための第１の判断手段と、
   前記第１の判断手段により前記認識結果が前記情報を示さないと判断された場合に、前記表示制御手段に前記情報を表示させるための実行手段とを備える、電子機器。
2. 前記電子機器は、さらに、
   前記マイクにより集められた音が発話によるものであるか否かを判断するための第２の判断手段を備え、
   前記実行手段は、前記第２の判断手段により前記音が発話によるものであると判断された場合に、前記表示制御手段に前記情報をさらに表示させる、請求項１に記載の電子機器。
3. 前記第２の判断手段は、前記マイクにより集音された前記音の音量が予め定められた音量を越えた場合に、前記音が発話によるものであると判断する、請求項２に記載の電子機器。
4. 前記電子機器は、前記電子機器に対する操作を受付けるための受付手段をさらに備え、
   前記第２の判断手段は、前記受付手段によって前記電子機器に対する操作が受け付けられない時間が予め定められた時間を越えた場合に、前記音が発話によるものであると判断する、請求項２または３に記載の電子機器。
5. 前記電子機器は、さらに、
   前記第１の判断手段により前記認識結果が前記情報を示すと判断された場合に、当該情報により識別される機能を起動するための起動手段を備える、請求項１〜４のいずれか１項に記載の電子機器。
   

Images