JP2017173720A - 音声認識装置及び方法、並びにコンピュータプログラム及び記録媒体 - Google Patents

Abstract

【課題】音声コマンドにより好適にモードを切替える。【解決手段】音声認識装置は、第１音声コマンドに反応して、複数の第１モード間のモード切換え及び第１モードから第２モードへのモード切換えを行う第１切換え手段（１５０）と、第１音声コマンドとは異なる第２音声コマンドに反応して、第２モードから第１モードへのモード切換えを行う第２切換え手段（１５０）と、第１モード又は第２モードに応じた画像を表示部に表示させる表示制御部（１６０）とを備える。【選択図】図１

Description

本発明は、例えば音声コマンドを認識して複数のモード間のモード切替えを行う音声認識装置及び方法、並びにコンピュータプログラム及び記録媒体の技術分野に関する。

医療現場等では、手を触れることなく各種機器を操作できることが要求される場合がある。このような要求に対して、例えば特許文献１では、画像操作を行うための音声が認識された場合に、視線位置座標を基点として医療画像の操作を行うという技術が提案されている。

特開２０１５−９３１４７号公報

しかしながら、特許文献１のように音声を認識して機器を操作する場合、機器の操作を意図しない音声によって誤った操作が実行されてしまうおそれがある。例えば、通常の会話に含まれる単語が、機器操作用の音声コマンドとして認識されてしまうことで、意図しない操作が実行されてしまう可能性がある。このような場合、機器が適切に操作されないことに起因して、様々な不都合が生じ得る。特に、医療現場においては、安全かつ迅速な処置が求められるため、１回の誤操作が極めて甚大な被害を招いてしまうおそれがある
本発明が解決しようとする課題には、上記のようなものが一例として挙げられる。本発明は、音声による正確な機器操作を実現することが可能な音声認識装置及び方法、並びにコンピュータプログラム及び記録媒体を提供することを課題とする。

上記課題を解決するための音声認識装置は、第１音声コマンドに反応して、複数の第１モード間のモード切換え及び前記第１モードから第２モードへのモード切換えを行う第１切換え手段と、前記第１音声コマンドとは異なる第２音声コマンドに反応して、前記第２モードから前記第１モードへのモード切換えを行う第２切換え手段と、前記第１モード又は前記第２モードに応じた画像を表示部に表示させる表示制御部とを備える。

上記課題を解決するための第２の音声認識装置は、第１音声コマンドに反応可能な第１モードと、前記第１モードに切り替えるための、前記第１音声コマンドとは異なる第２音声コマンドにのみ反応可能な第２モードと、前記第２音声コマンドに反応して、前記第２モードから前記第１モードへのモード切換えを行う第２切換え手段と、を備える。

上記課題を解決するための音声認識方法は、第１音声コマンドに反応して、複数の第１モード間のモード切換え及び前記第１モードから第２モードへのモード切換えを行う第１切換え工程と、前記第１音声コマンドとは異なる第２音声コマンドに反応して、前記第２モードから前記第１モードへのモード切換えを行う第２切換え工程と、前記第１モード又は前記第２モードに応じた画像を表示部に表示させる表示制御工程とを備える。

上記課題を解決するためのコンピュータプログラムは、第１音声コマンドに反応して、複数の第１モード間のモード切換え及び前記第１モードから第２モードへのモード切換えを行う第１切換え工程と、前記第１音声コマンドとは異なる第２音声コマンドに反応して、前記第２モードから前記第１モードへのモード切換えを行う第２切換え工程と、前記第１モード又は前記第２モードに応じた画像を表示部に表示させる表示制御工程とをコンピュータに実行させる。

上記課題を解決するための記録媒体は、上述したコンピュータプログラムが記録されている。

実施例に係る音声認識装置の構成を示すブロック図である。 実施例に係る音声認識装置で切り替え可能な各モードを示すモード遷移図である。 実施例に係る音声認識装置の動作の流れを示すフローチャートである。 通常モードからのモード切替え方法を示す概念図である。 特殊モードからのモード切替え方法を示す概念図である。 特殊モードから任意の通常モードに切替える方法を示す概念図である。 特殊モードにおける通常モードの一部表示例を示す概念図である。 通常モードから任意の特殊モードに切替える方法を示す概念図である。

＜１＞
本実施形態に係る音声認識装置は、第１音声コマンドに反応して、複数の第１モード間のモード切換え及び前記第１モードから第２モードへのモード切換えを行う第１切換え手段と、前記第１音声コマンドとは異なる第２音声コマンドに反応して、前記第２モードから前記第１モードへのモード切換えを行う第２切換え手段と、前記第１モード又は前記第２モードに応じた画像を表示部に表示させる表示制御部とを備える。

本実施形態に係る音声認識装置によれば、その動作時には、第１切換え手段により、複数の第１モード間の切換え、及び第１モードから第２モードへのモード切替えが行われる。第１切換え手段は、第１音声コマンドに反応してモード切替えを行う。第１音声コマンドは、各モードに切換えを行うための音声コマンドとして、モード毎に予め設定されている。

また本実施形態では、第２切換え手段により、第２モードから第１モードへのモード切換えが行われる。第２切換え手段は、第２音声コマンドに応じて、第２モードから第１モードへの切換えを行う。第２音声コマンドは、第１音声コマンドとは異なる音声コマンドとして予め設定されている。

表示制御部は、第１モード又は第２モードに応じた画像を表示部に表示させる。このため、第１切換え手段及び第２切換え手段によりモードが切換えられると、表示部に表示される画像も切換えられることになる。

本実施形態では特に、第１モード時には、第１音声コマンドによって他の各モードへの切換えが行える。即ち、第１モードからは、第１音声コマンドによって他の第１モードに切替えることもできるし、第１音声コマンドによって第２モードに切替えることもできる。一方、第２モード時には、第２音声コマンドでしか他のモードへの切換えが行えない。即ち、第２モード時に第１音声コマンドが認識されたとしても、他のモードへの切換えは行われない。

このように構成すれば、第２モードから他のモードへの切換え方法が限定されることになるため、第２モードから第１モードへの切換えを意図しない場合に、誤って第１モードへの切換えが行われてしまうことを防止できる。具体的には、モード切替えを意図せず発した音声がモードを切替えるための音声コマンドとして認識されてしまい、不適切なモード切替えが行われてしまうことを防止できる。

以上説明したように、本実施形態に係る音声認識装置によれば、複数の第１モードと第２モードとの間で、好適なモード切替えを実現することができる。

＜２＞
本実施形態に係る音声認識装置の一態様では、前記表示制御部は、前記第２モード時に暗転画像を表示させる。

この態様によれば、第２モード時において表示される暗転画像が、意図せずに第１モードに応じた画像に切換えられてしまうことを防止できる。このようにすれば、周囲が暗い状況（即ち、暗転画像を表示させた状態）で行うべき作業をしている際に、明るい状況（第１モードに応じた画像を表示させた状態）になってしまうことを防止できる。

なお、暗転画像を表示させる具体的な状況例としては、医療現場における暗室処理（例えば、蛍光診断）等が挙げられる。

＜３＞
本実施形態に係る音声認識装置の他の態様では、前記表示制御部は、前記第２モード時に、前記第２モードに応じた画像の一部に前記第１モードに応じた画像の少なくとも一部を表示させる。

この態様によれば、第２モード時においても、第１モードに応じた画像の少なくとも一部を視認することができる。即ち、第２モード時においても、他のモードで示される情報を確認することができる。このため、例えば第２モードにおいて暗転画像をさせている場合であっても、周囲を比較的暗い状況に保ったまま、第１モードで示される情報を確認できる。

＜４＞
本実施形態に係る音声認識装置の他の態様では、前記第２切換え手段は、前記第２音声コマンドに反応して、前記第２モードに切替える直前の前記第１モードへのモード切替えを行う。

この態様によれば、第２モードから第１モードへの切換えが行われる場合には、第２モードに切換えられる直前の第１モードへと切換えられる。このようにすれば、複数存在する第１のモードに対して容易にモード切替えが行える。

＜５＞
本実施形態に係る音声認識装置の他の態様では、前記第２音声コマンドは、当該音声認識装置が使用され得る環境で発せられる可能性が低い単語又は擬音である。

この態様によれば、意図せずして第２音声コマンドが発せられてしまうことを抑制できる。よって、第２モードから第１モードへの切換えを効果的に制限することが可能である。なお、「音声認識装置が使用され得る環境で発せられる可能性が低い単語」は、予め音声認識装置が使用され得る環境において発せられる単語を調べておき、高い頻度で発せられる単語を除外するようにして設定すればよい。或いは、全く意味を持たない単語（通常では使用されない単語）を用いてもよい。「擬音」は、人が発することができる声以外の音であり、例えば舌打ち等の音が一例として挙げられる。

＜６＞
本実施形態に係る音声認識装置の他の態様では、前記表示制御部は、手術時に目視すべき画像を表示させる。

この態様によれば、手術中の医師等が、音声を利用して好適にモード切替えを行うことができる。また、第２モード時に暗転画像を表示させるようにすれば、暗室処置を好適に行うことが可能である。

＜７＞
本実施形態に係る音声認識装置の他の態様では、前記第２切換え手段は、前記第２音声コマンドに前記第１モードの各々に対応する第３音声コマンドを組み合わせた音声コマンドに反応して、前記第２モードから前記第３音声コマンドに対応した前記第１モードへのモード切替えを行う。

この態様によれば、第２音声コマンドに第３音声コマンドを組み合わせることで、第２モードから任意の第１モードへの切換えが可能となる。第３音声コマンドは、複数の第１モードの各々に切換えを行うための音声コマンドとして、モード毎に予め設定されている。なお、第３音声コマンドは、第１音声コマンドと同一のものであっても構わない。

＜８＞
本実施形態に係る音声認識装置の他の態様では、前記第２音声コマンドは、所定の音声に視線の動き又はジェスチャーを組み合わせたものである。

この態様によれば、第２音声コマンドを認識させるためには、所定の音声を発するだけでなく、視線の動きやジェスチャー等を行うことが要求される。よって、モード切替えを意図せずに発した音声が第２音声コマンドとして認識されてしまうことを好適に回避できる。

＜９＞
本実施形態に係る音声認識装置の他の態様では、第２切換え手段は、前記第１モードに切り替えるための、前記第１音声コマンドとは異なる第２音声コマンドにのみ反応し、前記第２モードから前記第１モードへのモード切換えを行う。

この態様によれば、第２モードから第１モードへのモード切替え時には、第２切換え手段が第２音声コマンドにのみ反応する。このため、第２モードが誤って第１モードにモード切替えされてしまうことを防止することができる。

＜１０＞
本実施形態に係る第２の音声認識装置は、第１音声コマンドに反応可能な第１モードと、前記第１モードに切り替えるための、前記第１音声コマンドとは異なる第２音声コマンドにのみ反応可能な第２モードと、前記第２音声コマンドに反応して、前記第２モードから前記第１モードへのモード切換えを行う第２切換え手段と、を備える。

本実施形態に係る第２の音声認識装置によれば、第１モードと第２モードとの間でモード切換えを行うことができる。本実施形態では特に、第１モードが第１音声コマンドに反応可能とされている一方で、第２モードは第２音声コマンドにのみ反応可能とされている。即ち、第２モードはから第１モードへのモード切替えは、第２音声コマンドでしか行えず、第１音声コマンドや他の音声コマンドではモード切替えは行えない。

上述した構成によれば、第２モードでの作業中に、意図せぬ音声コマンドの認識によって、第２モードが他のモードにモード切替えされてしまうことを防止することができる。

＜１１＞
本実施形態に係る音声認識方法は、第１音声コマンドに反応して、複数の第１モード間のモード切換え及び前記第１モードから第２モードへのモード切換えを行う第１切換え工程と、前記第１音声コマンドとは異なる第２音声コマンドに反応して、前記第２モードから前記第１モードへのモード切換えを行う第２切換え工程と、前記第１モード又は前記第２モードに応じた画像を表示部に表示させる表示制御工程とを備える。

本実施形態に係る音声認識方法によれば、上述した本実施形態に係る音声認識装置と同様に、複数の第１モードと第２モードとの間で、好適なモード切替えを実現することができる。

なお、本実施形態に係る音声認識方法においても、上述した本実施形態に係る音声認識装置における各種態様と同様の各種態様を採ることが可能である。

＜１２＞
本実施形態に係るコンピュータプログラムは、第１音声コマンドに反応して、複数の第１モード間のモード切換え及び前記第１モードから第２モードへのモード切換えを行う第１切換え工程と、前記第１音声コマンドとは異なる第２音声コマンドに反応して、前記第２モードから前記第１モードへのモード切換えを行う第２切換え工程と、前記第１モード又は前記第２モードに応じた画像を表示部に表示させる表示制御工程とをコンピュータに実行させる。

本実施形態に係るコンピュータプログラムによれば、上述した本実施形態に係る音声認識方法と同様の処理をコンピュータに実行させることができるため、複数の第１モードと第２モードとの間で、好適なモード切替えを実現することができる。

なお、本実施形態に係るコンピュータプログラムにおいても、上述した本実施形態に係る音声認識装置における各種態様と同様の各種態様を採ることが可能である。

＜１３＞
本実施形態に係る記録媒体は、上述したコンピュータプログラムが記録されている。

本実施形態に係る記録媒体によれば、上述したコンピュータプログラムをコンピュータにより実行させることにより、複数の第１モードと第２モードとの間で、好適なモード切替えを実現することができる。

本実施形態に係る音声認識装置及び音声認識方法、並びにコンピュータプログラム及び記録媒体の作用及び他の利得については、以下に示す実施例において、より詳細に説明する。

以下では、音声認識装置及び方法、並びにコンピュータプログラム及び記録媒体の実施例について、図面を参照しながら詳細に説明する。なお、以下では、音声認識装置が医療現場の手術室で用いられる表示システムに適用される場合を例にとり説明する。

＜装置構成＞
先ず、本実施例に係る音声認識装置の構成について、図１を参照して説明する。ここに図１は、実施例に係る音声認識装置の構成を示すブロック図である。

図１において、本実施例に係る音声認識装置は、音声取得部１１０と、音声認識部１２０と、モード判定部１３０と、音声コマンド判定部１４０と、モード変更部１５０と、画面遷移部１６０とを備えて構成されている。

音声取得部１１０は、例えばマイクロフォンを含んで構成されており、取得した音声を示す音声信号を出力可能に構成されている。音声取得部１１０から出力された音声信号は、音声認識部１２０に出力される構成となっている。

音声認識部１２０は、音声信号が示す音声に含まれている単語（即ち、モードを切替えるための音声コマンドとして認識され得るワード）を認識することが可能に構成されている。音声認識部１２０で認識された単語は、該単語を示す信号として音声コマンド判定部１４０に出力される構成となっている。

モード判定部１３０は、音声認識装置の現在のモードに関する情報を取得することが可能に構成されている。なお、音声認識装置における各モードについては、後に詳述する。モード判定部１３０で取得されたモードに関する情報は、音声コマンド判定部１４０に出力される構成となっている。

音声コマンド判定部１４０は、音声認識部で認識された単語が、モードに応じた音声コマンドであるか否かを判定可能に構成されている。音声コマンド判定部１４０は、具体的な処理を実行するものとして、モード認識部１４１、一致率算出部１４２、及び一致率判定部１４３を備えている。

モード認識部１４１は、モード判定部１３０から入力された現在のモードに関する情報に基づいて、認識すべき音声コマンドを決定する。言い換えれば、モードに応じた音声コマンドを選択する。

一致率算出部１４２は、音声認識部１２０で認識された単語と、予め登録されている音声コマンドとの一致率を算出する。なお、一致率の算出方法については、既存の様々な技術を採用することができるため、ここでの詳細な説明は省略する。

一致率判定部１４３は、モード認識部１４１で認識されたモードと、一致率算出部１４２で算出された一致率とに基づいて、取得された音声が認識すべき音声コマンドであるか否かを判定する。

なお、音声コマンド判定部１４０では、上記一致率とは異なる指標を利用して音声コマンドであるか否かを判定するようにしても構わない。音声コマンド判定部１４０における判定結果は、モード変更部１５０に出力される構成となっている。

モード変更部１５０は、音声コマンドに応じてモードを切替えることが可能に構成されている。モード変更部１５０は、モードを切換えた結果を画面遷移部１６０に出力するように構成されている。

画面遷移部１６０は、モード変更部１５０においてモードが切換えられた際に、外部の表示部（例えば、液晶ディスプレイ等）の表示を、変更後のモードに応じたものに切替えることが可能に構成されている。

＜モード説明＞
次に、上述した音声認識装置によって切換えられる各モードについて、図２を参照して具体的に説明する。ここに図２は、実施例に係る音声認識装置で切り替え可能な各モードを示すモード遷移図である。

図２に示すように、本実施例に係る認識装置は、３つの通常モード（ＮＡＶＩモード、ＧＥＦモード、及びＰＲＥＯＰＥモード）と、１つの特殊モード（暗転モード）との間で相互にモード切替えを行うことができる。

ＮＡＶＩモードは、所謂デフォルト画面に相当するモードであり、手術中の患者の表情及び四肢の画像、並びにＢＩＳ値やＴ１／Ｔ２画像を表示するモードである。なお、ＢＩＳ値は、麻酔を使用する手術において患者の沈静度を示す値である。また、Ｔ１／Ｔ２画像は、ＭＲＩ（Magnetic Resonance Imaging）による撮影時において、強調する物質を変更した際に撮影される画像である。

ＧＥＦ（Gefrierschnitt:ゲフリール）モードは、生体検査結果を表示するモードであり、採取組織ごとの分析結果等を表示させることが可能である。

ＰＲＥＯＰＥ（Preoperative:術前診断）モードは、術前画像を表示するモードである。図に示す例では、脳に関する情報を示す画像が表示されている。

暗転モードは、暗転画像（即ち、黒画面）を表示するためのモードであり、暗室処置等を行うために画面の光を遮断したい場合に用いられる。

なお、上記モードは一例であり、複数の通常モードと、少なくとも１つの特殊モードとを相互に切替えるものであれば、本実施例に係る音声認識装置を適用することが可能である
＜処理説明＞
次に、本実施例に係る音声認識装置の動作について、図３を参照して説明する。ここに図３は、本実施例に係る音声認識装置の動作の流れを示すフローチャートである。

図３において、本実施例に係る音声認識装置の動作時には、まず音声取得部１１０において音声が取得される（ステップＳ１０１）。取得された音声は、音声認識部１２０において認識され（ステップＳ１０２）、音声コマンド判定部１４０に出力される。また、上述した音声の取得及び認識に並行して、又は相前後して、モード判定部１３０による現在のモード確認が行われる（ステップＳ１０３）。現在のモードに関する情報は、音声コマンド判定部１４０に出力される。

音声コマンド判定部１４０では、取得された音声に含まれる単語と、予め音声コマンドとして登録された単語との一致率が算出される（ステップＳ１０４）。なお、一致率は複数の単語の各々に対応する複数の値として算出されるが、結果として出力されるのは最も高い一致率のみである。

一致率が算出されると、現在のモードが通常モードであるか否かが判定される（ステップＳ１０５）。即ち、現在のモードが、通常モード（即ち、ＮＡＶＩモード、ＧＥＦモード、又はＰＲＥＯＰＥモード）なのか、それとも特殊モード（即ち、暗転モード）なのかが判定される。

現在のモードが通常モードである場合（ステップＳ１０５：ＹＥＳ）、一致率の最も高いコマンドが通常コマンドであり、且つ一致率が所定の閾値以上であるか否かが判定される（ステップＳ１０６）。なお、通常コマンドは、「第１音声コマンド」の一具体例であり、通常モード間でのモード切替え、及び通常モードから特殊モードへのモード切替えを行うための音声コマンドとして、モード毎に決められている。具体的には、通常モード間でのモード切替えは、モード名がそのまま音声コマンドとなっている。一方で、通常モードから特殊モードへのモード切替えは、「暗転」というワードが音声コマンドとして登録されている。なお、所定の閾値は、認識された音声が音声コマンドであるか否かを判定するために設定された閾値であり、最適な値が予め設定されている。

一致率の最も高いコマンドが通常コマンドであり、且つ一致率が所定の閾値以上である場合（ステップＳ１０６：ＹＥＳ）、モード変更部１５０において、現在のモードから通常コマンドが示す他のモードへのモード切換えが行われる（ステップＳ１０７）。そして、画面遷移部１６０によって、表示部の画面が変更後のモードに応じたものへ遷移される（ステップＳ１０８）。なお、一致率の最も高いコマンドが通常コマンドでない、或いは一致率が所定の閾値以上でない場合（ステップＳ１０６：ＮＯ）、音声コマンド判定はエラーとなり、モード変更部１５０によるモード変更は行われない（ステップＳ１０９）。

他方、現在のモードが特殊モードである場合（ステップＳ１０５：ＮＯ）、一致率の最も高いコマンドが特殊コマンドであり、且つ一致率が所定の閾値以上であるか否かが判定される（ステップＳ１１０）。なお、特殊コマンドは、「第２音声コマンド」の一具体例であり、特殊モードから通常モードへのモード切替えを行うための音声コマンドとして、通常コマンドとは異なるものが設定されている。本実施例では、「再開」というワードが特殊コマンドとして設定されている。

一致率の最も高いコマンドが特殊コマンドであり、且つ一致率が所定の閾値以上である場合（ステップＳ１１０：ＹＥＳ）、モード変更部１５０において、特殊モードから通常モードへのモード切換えが行われる（ステップＳ１１１）。そして、画面遷移部１６０によって、表示部の画面が変更後のモードに応じたものへ遷移される（ステップＳ１１２）。なお、一致率の最も高いコマンドが特殊コマンドでない、或いは一致率が所定の閾値以上でない場合（ステップＳ１１０：ＮＯ）、音声コマンド判定はエラーとなり、モード変更部１５０によるモード変更は行われない（ステップＳ１１３）。

＜具体的なモード切替え動作＞
次に、音声コマンドを用いた具体的なモード切替え動作について、図４から図８を参照して説明する。ここに図４は、通常モードからのモード切替え方法を示す概念図であり、図５は、特殊モードからのモード切替え方法を示す概念図である。また図６は、特殊モードから任意の通常モードに切替える方法を示す概念図であり、図７は、特殊モードにおける通常モードの一部表示例を示す概念図である。図８は、通常モードから任意の特殊モードに切替える方法を示す概念図である。

図４に示すように現在のモードが通常モードのＧＥＦモードであるとする。この状態で、「ＮＡＶＩモード」というワードを含む音声が取得されると、ＮＡＶＩモードへの切換えに対応する通常コマンド「ＮＡＶＩモード」が認識され、ＧＥＦモードからＮＡＶＩモードへのモード切替えが行われる。同様に、「ＰＲＥＯＰＥモード」というワードを含む音声が取得されると、ＰＲＥＯＰＥモードへの切換えに対応する通常コマンド「ＰＲＥＯＰＥモード」が認識され、ＧＥＦモードからＰＲＥＯＰＥモードへのモード切替えが行われる。

また、「暗転」というワードを含む音声が取得されると、暗転モードへの切換えに対応する通常コマンド「暗転」が認識され、ＧＥＦモードから暗転モードへのモード切替えが行われる。

このように、通常モードであるＧＥＦモードからは、通常コマンドによるモード切替えが行える。

図５に示すように現在のモードが特殊モードの暗転モードであるとする。この状態で、「ＮＡＶＩモード」というワードを含む音声が取得されると、ＮＡＶＩモードへの切換えに対応する通常コマンド「ＮＡＶＩモード」が認識されるが、特殊モード時には通常コマンドによるモード切替えは行われない。このため、暗転モードからＮＡＶＩモードへのモード切替えは行われない。

一方、「再開」ワードを含む音声が取得されると、特殊モードから通常モードへの切換えに対応する特殊コマンド「再開」が認識され、暗転モードからＧＥＦモード（暗転モードに切換える直前の通常モード）へのモード切替えが行われる。

このように、特殊モードである暗転モードからは、通常コマンドによるモード切替えが行えない。一方で、特殊コマンドを利用すれば、特殊モードから通常モードへのモード切替えが行える。

図６に示すように、再び現在のモードが特殊モードの暗転モードである場合を考える。この状態で「再開」ワードを含む音声が取得されると、既に説明したように、特殊モードから通常モードへの切換えに対応する特殊コマンド「再開」が認識され、暗転モードからＧＥＦモード（暗転モードに切換える直前の通常モード）へのモード切替えが行われる。

一方で、「再開」及び「ＮＡＶＩモード」というワードが連続して取得されると、特殊モードから通常モードへの切換えに対応する特殊コマンド「再開」が認識されると共に、切換え先としてＮＡＶＩモードを指定する指定コマンド「ＮＡＶＩモード」が認識され、暗転モードからＮＡＶＩモード（指定コマンドに応じたモード）へのモード切替えが行われる。なお、指定コマンドは、「第３音声コマンド」の一具体例であり、切り替え先のモードを指定するためのコマンドとして、モード毎に設定されている。具体的には、通常コマンドと同様にモード名がそのまま指定コマンドとなっている。

このように、特殊コマンド及び指定コマンドを組み合わせれば、特殊モードから任意の通常モードへの切換えが行える。即ち、特殊モードに切換えられる直前の通常モード以外の通常モードに切替えることが可能となる。

図７に示すように、暗転モードは、暗転画像だけを示すものでなくともよい。本実施例では、ＮＡＶＩモードが暗転モードに切換えられた場合には、暗転画像のみを示す暗転モード（ＮＡＶＩ）が実現される。一方で、ＧＥＦモードが暗転モードに切換えられた場合には、暗転画像にＧＥＦモードの重要な情報の一部を表示する暗転モード（ＧＥＦ）が実現され、ＰＲＥＯＰＥモードが暗転モードに切換えられた場合には、暗転画像にＰＲＥＯＰＥモードの重要な情報の一部を表示する暗転モード（ＰＲＥＯＰＥ）が実現される。

このようにすれば、暗転モードによる処置中も、通常モードで示される情報を確認することができる。

図８に示すように、現在のモードが通常モードのＮＡＶＩモードであるとする。この状態で、「暗転」というワードを含む音声が取得されると、既に説明したように、暗転モードへの切換えに対応する通常コマンド「暗転」が認識され、ＮＡＶＩモードから暗転モードへのモード切替えが行われる。

一方で、「暗転」及び「ＧＥＦモード」というワードが連続して取得されると、暗転モードへの切換えに対応する通常コマンド「暗転」が認識されると共に、ＧＥＦモードの一部表示を要求する表示コマンド「ＧＥＦモード」が認識され、ＮＡＶＩモードからＧＥＦモードの重要な情報の一部を表示する暗転モード（ＧＥＦ）へのモード切替えが行われる。なお、表示コマンドは、暗転画像に一部表示する通常モードを指定するためのコマンドとして、モード毎に設定されている。具体的には、通常コマンドと同様にモード名がそのまま指定コマンドとなっている。

このように、通常コマンド及び表示コマンドを組み合わせれば、通常モードから任意の特殊モードへの切換えが行える。即ち、暗転画像に任意の通常モードを一部表示させることが可能となる。

＜実施例の効果＞
最後に、本実施例に係る音声認識装置によって得られる技術的効果について詳細に説明する。

図１から図５で説明したように、本実施例に係る音声認識装置によれば、通常モード時には、通常コマンドによって他の各モードへの切換えが行える。即ち、通常モードからは、通常コマンドによって他の通常モードに切替えることもできるし、通常コマンドによって特殊モードに切替えることもできる。一方、特殊モード時には、特殊コマンドでしか他のモードへの切換えが行えない。即ち、特殊モード時に通常コマンドが認識されたとしても、通常モードへの切換えは行われない。

従って、特殊モードから通常モードへの切換え方法が限定されることになるため、特殊モードから通常モードへの切換えを意図しない場合に、誤って通常モードへの切換えが行われてしまうことを防止できる。

仮に、特殊モード時にも通常コマンドによるモード切替えが可能であるとすると、暗転モード時において「さっきＮＡＶＩモードで見た…」という会話をした場合に、「ＮＡＶＩモード」という通常コマンドが認識され、ＮＡＶＩモードへの切換えが実行されてしまう。この場合、暗転モードで暗室処置を行っていたとすると、ＮＡＶＩモードへの切換えによって暗室状態が解除され、適切な暗室処理が行えなくなってしまう。医療現場において、このような不都合は甚大な被害を招くおそれがある。

これに対し、本実施例に係る音声認識装置によれば、モード切替えを意図せず発した音声がモードを切替えるための音声コマンドとして認識されてしまい、不適切なモード切替えが行われてしまうことを防止できる。

また、図６から図８で説明したように、指定コマンド及び表示コマンドを組み合わせることで、より適切なモード切換えが行える。従って、確認すべき情報を極めて好適に表示させることが可能となる。

本発明は、上述した実施形態に限られるものではなく、特許請求の範囲及び明細書全体から読み取れる発明の要旨或いは思想に反しない範囲で適宜変更可能であり、そのような変更を伴う音声認識装置及び音声認識方法、並びにコンピュータプログラム及び記録媒体もまた本発明の技術的範囲に含まれるものである。

１１０ 音声取得部
１２０ 音声認識部
１３０ モード判定部
１４０ 音声コマンド判定部
１４１ モード認識部
１４２ 一致率算出部
１４３ 一致率判定部
１５０ モード変更部
１６０ 画面遷移部

Claims (13)

1. 第１音声コマンドに反応して、複数の第１モード間のモード切換え及び前記第１モードから第２モードへのモード切換えを行う第１切換え手段と、
   前記第１音声コマンドとは異なる第２音声コマンドに反応して、前記第２モードから前記第１モードへのモード切換えを行う第２切換え手段と、
   前記第１モード又は前記第２モードに応じた画像を表示部に表示させる表示制御部と
   を備えることを特徴とする音声認識装置。
2. 前記表示制御部は、前記第２モード時に暗転画像を表示させることを特徴とする請求項１に記載の音声認識装置。
3. 前記表示制御部は、前記第２モード時に、前記第２モードに応じた画像の一部に前記第１モードに応じた画像の少なくとも一部を表示させることを特徴とする請求項１又は２に記載の音声認識装置。
4. 前記第２切換え手段は、前記第２音声コマンドに反応して、前記第２モードに切替える直前の前記第１モードへのモード切替えを行うことを特徴とする請求項１から３のいずれか一項に記載の音声認識装置。
5. 前記第２音声コマンドは、当該音声認識装置が使用され得る環境で発せられる可能性が低い単語又は擬音であることを特徴とする請求項１から４のいずれか一項に記載の音声認識装置。
6. 前記表示制御部は、手術時に目視すべき画像を表示させることを特徴とする請求項１から５のいずれか一項に記載の音声認識装置。
7. 前記第２切換え手段は、前記第２音声コマンドに前記第１モードの各々に対応する第３音声コマンドを組み合わせた音声コマンドに反応して、前記第２モードから前記第３音声コマンドに対応した前記第１モードへのモード切替えを行うことを特徴とする請求項１から６のいずれか一項に記載の音声認識装置。
8. 前記第２音声コマンドは、所定の音声に視線の動き又はジェスチャーを組み合わせたものであることを特徴とする請求項１から７のいずれか一項に記載の音声認識装置。
9. 第２切換え手段は、前記第１モードに切り替えるための、前記第１音声コマンドとは異なる第２音声コマンドにのみ反応し、前記第２モードから前記第１モードへのモード切換えを行うことを特徴とする請求項１から６のいずれか一項に記載の音声認識装置。
10. 第１音声コマンドに反応可能な第１モードと、
    前記第１モードに切り替えるための、前記第１音声コマンドとは異なる第２音声コマンドにのみ反応可能な第２モードと、
    前記第２音声コマンドに反応して、前記第２モードから前記第１モードへのモード切換えを行う第２切換え手段と、
    を備えることを特徴とする音声認識装置。
11. 第１音声コマンドに反応して、複数の第１モード間のモード切換え及び前記第１モードから第２モードへのモード切換えを行う第１切換え工程と、
    前記第１音声コマンドとは異なる第２音声コマンドに反応して、前記第２モードから前記第１モードへのモード切換えを行う第２切換え工程と、
    前記第１モード又は前記第２モードに応じた画像を表示部に表示させる表示制御工程と
    を備えることを特徴とする音声認識方法。
12. 第１音声コマンドに反応して、複数の第１モード間のモード切換え及び前記第１モードから第２モードへのモード切換えを行う第１切換え工程と、
    前記第１音声コマンドとは異なる第２音声コマンドに反応して、前記第２モードから前記第１モードへのモード切換えを行う第２切換え工程と、
    前記第１モード又は前記第２モードに応じた画像を表示部に表示させる表示制御工程と
    をコンピュータに実行させることを特徴とするコンピュータプログラム。
13. 請求項１２に記載のコンピュータプログラムが記録されていることを特徴とする記録媒体。