JP2018087870A - 音声出力装置 - Google Patents

Abstract

【課題】案内音声が聞き取りにくい場合にこの状況を変更するまでの時間の短縮が可能であり、そのための構成やコストの増大を防止することができる音声出力装置を提供すること。【解決手段】車載装置１は、案内音声を出力するナビゲーション処理部１０と、利用者によって発声された音声に対して音声認識処理を行う音声認識部３０と、音声認識処理部３０による音声認識処理内容に基づいて、ナビゲーション処理部１０から出力される案内音声の聞き取り状況を変更する、周辺状況判定部５３、オーディオ音量変更部５４、案内音量変更部、５５案内出力指示部５６とを備えている。【選択図】図１

Description

本発明は、車両等に搭載されてナビゲーション動作の案内音声等を出力する音声出力装置に関する。

従来から、案内音声が聞き取りにくい状況であるか否かを判定して案内音声の音量を変更するようにした音声出力装置が知られている（例えば、特許文献１参照。）。この音声出力装置では、案内音声の出力から所定時間内になされた聞き返しの回数が所定回数に達した後にさらに聞き返しがある場合に案内音声が聞き取りにくいと判定したり、雨が降っているか否かを判定するレインセンサや車両が高速で走行しているか否かを判定する車速センサ、オーディオ装置から出力される楽曲データの音量を検出する音量センサなどを用いて案内音声が聞き取りにくいと判定している。

特開２００６−３８７０５号公報

ところで、上述した特許文献１に開示された音声出力装置では、聞き取りにくい状況であるか否かを判定するために時間がかかったり、専用の部品が必要になって構成やコストが増大するという問題があった。例えば、案内音声の出力から所定時間内になされた聞き返しの回数が所定回数に達した後にさらに聞き返しがある場合に案内音声が聞き取りにくいと判定する場合には、この判定を行うまでにカウンタによる所定回数の計数が必要になるため、その分だけ時間がかかる。また、各種のセンサを用いる場合には、騒音となるすべての要因を考慮した複数のセンサとそれらの出力を取り込むインタフェースなどが必要になるため、構成が複雑になり、その分だけコストもかかることになる。

本発明は、このような点に鑑みて創作されたものであり、その目的は、案内音声が聞き取りにくい場合にこの状況を変更するまでの時間の短縮が可能であり、そのための構成やコストの増大を防止することができる音声出力装置を提供することにある。

上述した課題を解決するために、本発明の車両用音声出力装置は、案内音声を出力する案内音声出力手段と、利用者によって発声された音声に対して音声認識処理を行う音声認識処理手段と、音声認識処理手段による音声認識処理内容に基づいて、案内音声出力手段から出力される案内音声の聞き取り状況を変更する聞き取り状況変更手段とを備えている。

音声認識処理内容に基づいて案内音声の聞き取り状況を変更することにより、聞き返し回数を計数する場合に比べて迅速に聞き取りにくい状況を変更することができる。また、レインセンサ、車速センサ、音量センサなどを追加する必要がないため、構成やコストの増大を防止することができる。

また、上述した音声認識処理手段は、利用者によって発声された音声と認識候補となる複数の認識ワードのそれぞれとの類似度合を比較し、類似度合が基準値を満たす場合に、基準値を満たした一の認識ワードを、利用者によって発生された音声に対応する認識結果とし、聞き取り状況変更手段は、類似度合と基準値との差が所定値未満であるときに、案内音声が聞き取りにくい状況にあると判定し、この聞き取りにくい状況を改善することが望ましい。利用者の聞き取り環境が良好な場合（周辺騒音が少ない場合）には類似度合が基準値を満たす程度が大きく、反対に聞き取り環境が悪い場合には音声認識に成功したとしても類似度合が基準値を僅かに満たすようになる。このため、類似度合と基準値との差が所定未満であって、類似度合が基準値をわずかに満たした場合には、確実かつ短時間に、案内音声を聞き取りにくい状況が生じていることを知ることができる。

また、上述した案内音声出力手段は、案内音声を出力する際の音量が変更可能であり、聞き取り状況変更手段は、案内音声の音量の増加を案内音声出力手段に対して指示することが望ましい。また、利用者が、案内音声と同時に聴取可能なオーディオ音を出力するオーディオ手段をさらに備え、聞き取り状況変更手段は、オーディオ音の音量低下をオーディオ手段に対して指示することが望ましい。このように、案内音声の音量増加および／またはオーディオ音の音量低下を行った上で案内音声の出力を行うことにより、案内音声の内容を利用者に確実に伝えることができ、聞き逃しを防止することが可能となる。

また、上述した聞き取り状況変更手段は、音声案内出力手段から出力された直前の案内音声に対して聞き取り状況を変更することが望ましい。これにより、直前に出力され案内音声よりも確実に聞き取りやすさを改善することが可能となる。

また、音声出力装置は車両に搭載されており、車室内において案内音声出力手段による案内音声の出力が行われ、利用者は、車室内の座席に着座していることが望ましい。車両走行時は、ロードノイズや風切音などの影響により案内音声の内容を聞き逃す機会が増えると考えられるが、このような環境においても、案内音声が聞き取りにくい状況を迅速に変更することができる。

一実施形態の車載装置の構成を示す図である。 音声認識処理のしきい値とスコアとの関係を示す図である。 ナビゲーション処理部から案内音声が出力された後に、利用者によって案内音声の出力が音声によって指示された場合の動作手順を示す流れ図である。

以下、本発明の音声出力装置を適用した一実施形態の車載装置について、図面を参照しながら説明する。

図１は、一実施形態の車載装置の構成を示す図である。図１に示すように、車載装置１は、ナビゲーション処理部１０、ＴＶチューナ処理部１４、ラジオチューナ処理部１６、ＡＶ処理部１８、操作部２０、入力制御部２２、表示処理部２４、表示装置２６、音声認識処理部３０、マイクロホン３２、デジタル−アナログ変換器（Ｄ／Ａ）４０、スピーカ４２、制御部５０、ハードディスク装置（ＨＤＤ）７０を備えている。

ナビゲーション処理部１０は、ハードディスク装置７０に記憶されている地図データを用いて、車載装置１が搭載された車両の走行を案内するナビゲーション動作を行う。自車位置を検出するＧＰＳ（Global Positioning System）装置１２とともに用いられ、車両の走行を案内するナビゲーション動作には、地図表示、経路探索・誘導のほかに周辺施設を検索して表示する動作などが含まれる。また、経路誘導動作には、交差点通過時などに車両の進行方向や走行車線変更などを案内する案内音声（ルートガイダンス）を作成する動作が含まれる。なお、自車位置検出は、ＧＰＳ１２の他にジャイロセンサや車速センサ等の自律航法センサを組み合わせて用いるようにしてもよい。

ＴＶチューナ処理部１４は、地上デジタル放送等の放送信号を受信し、映像および音声を再生する処理を行う。ラジオチューナ処理部１６は、ラジオ放送の信号を受信し、音声を再生する処理を行う。ＡＶ処理部１８は、圧縮されてハードディスク装置７０に記憶されている音楽データや映像データを読み出して再生する処理を行う。なお、音楽データや映像データは、ディスク読取装置（図示せず）を用いてＣＤやＤＶＤから読み取ったものを用いたり、ネットワーク経由で受信したものを用いるようにしてもよい。また、本実施形態では、ＴＶチューナ処理部１４、ラジオチューナ処理部１６、ＡＶ処理部１８のそれぞれから出力される各種の音声や音楽をまとめて「オーディオ音」として説明を行うものとする。

操作部２０は、利用者による各種操作を受け付けるためのものであり、各種のスイッチや操作つまみ等が備わっている。入力制御部２２は、操作部２０の操作状態を監視し、利用者による入力内容を検出する。

表示処理部２４は、各種の操作画面や入力画面等を表示する映像信号を出力して表示装置２６にこれらの画面を表示するとともに、ＴＶチューナ処理部１４によって受信した放送信号に対応する映像画面やＡＶ処理部１８によって再生した映像画面等を表示する映像信号を出力して表示装置２６にこれらの画面を表示する。表示装置２６は、運転席と助手席の中央前方に設置されており、例えば液晶表示装置（ＬＣＤ）を用いて構成されている。

音声認識処理部３０は、マイクロホン３２によって集音される利用者の発話による音声に対して、音声認識辞書に格納された認識候補となる複数の認識ワードのそれぞれと比較することにより、音声認識処理を行う。本実施形態では、利用者が発声する音声を常時集音し、集音した音声の先頭部分から発話が終了した時点までの音声を対象として音声認識処理を行っている。

例えば、利用者が「もう一回」と発声し、この内容を音声認識処理を行って認識する場合を考えると、最初に「も」と発生した時点では「も」と認識ワード「もう一回」との間の相違が大きいため、音声認識処理に失敗することになる。同様に、「もう」、「もうい」、「もういっか」などと発声した時点でもこれらと認識ワード「もう一回」との間の相違が大きいため、音声認識処理に失敗する。そして、「もう一回」と発声すると、比較対象となる認識ワード「もう一回」との間の相違が小さくなるため、音声認識処理に成功する。

このような処理を行うために、「ディスタンス」と「スコア」の概念が導入されている。ディスタンスは、比較対象としての音声と認識ワードとの類似距離を示す。例えば、図２に示すように、ディスタンスの最大値は最も大きい類似距離として「１０００」に設定されている。スコアＳは、実際の入力音声と認識ワード「もう一回」との類似距離を示す。上述したように、利用者が「もう一回」と発声する場合を例にとると、発声を開始した時点でのスコアは１０００であり、発声が進行するにしたがって、入力音声のスコアが次第に低下する。そして、発声が終了した時点での入力音声のスコアが所定のしきい値Ｔｈ未満になると、その入力音声の内容が認識ワードと一致したものとする認識結果が得られる。一般には、複数の認識ワードのそれぞれを対象にして同様の処理が並行して行われ、最終的に一つの認識ワードが認識結果として抽出される。なお、発声が終了した時点での入力音声のスコアが所定のしきい値Ｔｈ未満にならない場合（入力音声に近い認識ワードが存在しない場合）には音声認識処理に失敗したことになり、再度の音声入力を促す等の処理が行われる。

ところで、音声認識辞書に格納された認識ワードと同じ内容の音声を利用者が発声する場合を考えると、最終的なスコアＳは小さな値となるはずであり、しきい値Ｔｈをある程度小さく設定しても、利用者が発声した音声の内容を認識することができるはずである。しかし、実際には、利用者が発声した音声とともに、ロードノイズや風切音、雨音あるいはオーディオ音なども同時に集音されるため、利用者が発声した音声の最終的なスコアＳは静かな環境下で集音したときほど小さな値にはならない。この点を考慮して、音声認識処理の成功の成否を判定するためのしきい値Ｔｈは、あまり小さな値に設定することはできない。裏を返せば、このようにして設定されたしきい値Ｔｈを用いて音声認識処理を行うものとすれば、音声認識処理に成功した場合であって、しきい値ＴｈとスコアＳとの差が小さい場合には、利用者の周囲がロードノイズ、風切音、雨音、オーディオ音などが大きな環境であり、しきい値ＴｈとスコアＳとの差が大きい場合には、利用者の周囲がロードノイズ、風切音、雨音、オーディオ音などが小さく静かな環境であるといえる。

なお、トークスイッチ等を利用者自身が操作し、発話の開始と終了を利用者が指示し、その間の入力音声を認識対象として音声認識処理を行うようにしてもよい。

デジタル−アナログ変換器４０は、ナビゲーション処理部１０、ＴＶチューナ処理部１４、ラジオチューナ処理部１６、ＡＶ処理部１８のそれぞれの処理によって生成される案内音声やオーディオ音（デジタルデータ）をアナログの音声信号に変換してスピーカ４２から出力する。なお、実際には、デジタル−アナログ変換器４０とスピーカ４２の間には信号を増幅する増幅器が接続されているが、図１ではこの増幅器は省略されている。また、デジタル−アナログ変換器４０とスピーカ４２との組合せは再生チャンネル数分備わっているが、図１では一組のみが図示されている。

制御部５０は、車載装置１の全体を制御するためのものであり、ＲＯＭやＲＡＭなどに格納された所定のプログラムをＣＰＵで実行することにより実現される。この制御部５０は、聞き逃し想到ワード判定部５１、重要ポイント判定部５２、周辺状況判定部５３、オーディオ音量変更部５４、案内音量変更部５５、案内出力指示部５６を有する。

聞き逃し想到ワード判定部５１は、音声認識処理部３０による音声認識処理によって得られた音声内容が聞き逃し想到ワードに一致するか否かを判定する。例えば、聞き逃し想到ワードとして、予め複数の特定ワードが設定されており、これら複数の特定ワードのいずれか一つと一致するか否かが判定される。具体的には、「なに」、「どこ」、「もう一回」などが特定ワードに設定されている。なお、当然ながら、これら複数の特定ワードは、音声認識処理部３０による音声認識処理で用いられる音声認識辞書に格納された認識候補となる複数の認識ワードに含ませておく必要がある。

重要ポイント判定部５２は、案内音声の出力地点が重要ポイントに該当するか否かを判定する。本実施形態では、ナビゲーション処理部１０による経路誘導動作中に出力される案内音声に着目しており、この案内音声が出力される場所として設定されている走行経路上の場所が重要ポイントに該当するか否かが判定される。また、この重要ポイントには、利用者にとって重要度が高い案内音声（第１の案内音声）を聞き逃さずに確実に聞くことを期待している場所であって、例えば、次の分岐点で車両が右左折することを案内音声によって利用者に通知する場所や、走行車線の変更（レーン案内）を利用者に通知する場所などが含まれる。一方、次の分岐点について直進することを利用者に通知する場所や、しばらく道なりに走行することを利用者に知らせる場所などは、これらの利用者にとって重要度の低い案内音声（第２の案内音声）を聞き逃してもそれ程支障はないと考えられるため、これらの場所は重要ポイントには含まれない。

周辺状況判定部５３は、案内音声を聞いた利用者の周辺状況（周辺環境）を判定する。上述したように、案内音声が聞き取りにくい状況にあるか否は、音声認識処理時のしきい値ＴｈとスコアＳとの関係に基づいて判定するこができる。具体的には、音声認識処理部３０による音声認識処理が成功したが、しきい値ＴｈとスコアＳとの差が所定値（例えば３０）未満の場合には、車両のロードノイズや風切り音、雨音などが大きい、あるいは、出力されているオーディオ音が大きいなどの理由から、案内音声が聞き取りにくい状況が生じていると判定される。反対に、しきい値ＴｈとスコアＳとの差が所定値（例えば３０）以上の場合には、車両のロードノイズや風切り音、雨音などが小さく、出力されているオーディオ音も小さい（あるいは出力されていない）などの理由から、案内音声が聞き取りやすい状況になっていると判定される。

オーディオ音量変更部５４は、オーディオ音を出力しているＴＶチューナ処理部１４、ラジオチューナ処理部１６、ＡＶ処理部１８のいずれかに対して、オーディオ音の音量低下を指示する。案内音量変更部５５は、ナビゲーション処理部１０に対して、案内音声の音量増加を指示する。案内出力指示部５６は、ナビゲーション処理部１０に対して、案内音声の出力を指示する。

上述したナビゲーション処理部１０が案内音声出力手段に、音声認識処理部３０が音声認識処理手段に、周辺状況判定部５３、オーディオ音量変更部５４、案内音量変更部５５、案内出力指示部５６が聞き取り状況変更手段に、ＴＶチューナ処理部１４、ラジオチューナ処理部１６、ＡＶ処理部１８がオーディオ手段にそれぞれ対応する。

本実施形態の車載装置１はこのような構成を有しており、次に、その動作を説明する。図３は、ナビゲーション処理部１０から案内音声が出力された後に、利用者によって案内音声の出力が音声によって指示された場合の動作手順を示す流れ図である。

まず、音声認識処理部３０は、利用者が発声した音声に対して音声認識処理が成功したか否かを判定する（ステップ１００）。成功に至らない場合（音声の内容が認識できなかった場合）には否定判断が行われ、この判定が繰り返される。

また、音声認識が成功した場合（音声の内容が認識できた場合）にはステップ１００の判定において肯定判断が行われる。次に、聞き逃し想到ワード判定部５１は、音声認識結果としての音声の内容が聞き逃し想到ワードに一致するか否かを判定する（ステップ１０２）。例えば、利用者が発声した音声が「なに」、「どこ」、「もう一回」などの特定ワードに一致する場合には肯定判断が行われる。

次に、重要ポイント判定部５２は、直前にナビゲーション処理部１０によって出力された案内音声が重要ポイントに関するものであるか否かを判定する（ステップ１０４）。重要ポイントに関するものである場合には肯定判断が行われる。

次に、オーディオ音量変更部５４は、ＴＶチューナ処理部１４等に指示を送ってオーディオ音の音量を低下させ、案内音量変更部５５は、ナビゲーション処理部１０に指示を送って案内音声の音量を増加させた後、案内出力指示部５６は、ナビゲーション処理部１０に指示を送って案内音声を再出力させる（ステップ１０６）。

案内音声の再出力が終了すると、オーディオ音量変更部５４は、ＴＶチューナ処理部１４等に指示を送ってオーディオ音の音量を元に戻し、案内音量変更部５５は、ナビゲーション処理部１０に指示を送って案内音声の音量を元に戻す（ステップ１０８）。なお、ＴＶチューナ処理部１４等からオーディオ音が出力されていない場合にはステップ１０６、１０８におけるオーディオ音の音量低下等の指示は省略される。このようにして、一連の案内音声の再出力動作が終了する。

また、利用者が発声した音声が「なに」、「どこ」、「もう一回」などの特定ワードに一致しない場合、例えば利用者が「ルート案内」、「ガイダンス」などの音声案内の出力を指示する音声を発声した場合にはステップ１０２の判定において否定判断が行われる。

次に、周辺状況判定部５３は、案内音声が聞き取りにくい状況が生じているか否か、具体的には、音声認識処理が成功した際の認識ワードに対応する音声認識処理時のしきい値ＴｈとスコアＳとの差が３０未満（Ｔｈ−Ｓ＜３０）か否かを判定する（ステップ１１０）。３０未満の場合には肯定判断が行われ、ステップ１０４に移行して重要ポイントに関する判定動作以降が繰り返される。

また、出力された案内音声が重要ポイントに関するものではなくステップ１０４の判定において否定判断が行われたとき、あるいは、音声認識処理時のしきい値ＴｈとスコアＳとの差が３０以上であってステップ１１０の判定において否定判断が行われると、次に、案内出力指示部５６は、ナビゲーション処理部１０に指示を送って、前回と同じ条件で（オーディオ音の音量低下や案内音声の音量増加を行うことなく）案内音声を再出力させる（ステップ１１２）。このようにして、一連の案内音声の再出力動作が終了する。

このように、本実施形態の車載装置１では、音声認識処理内容に基づいて案内音声の聞き取り状況を変更することにより、聞き返し回数を計数する場合に比べて迅速に聞き取りにくい状況を変更することができる。また、レインセンサ、車速センサ、音量センサなどを追加する必要がないため、構成やコストの増大を防止することができる。

具体的には、利用者の聞き取り環境が良好な場合（周辺騒音が少ない場合）には類似度合が基準値を満たす程度が大きく、反対に聞き取り環境が悪い場合には音声認識に成功したとしても類似度合が基準値を僅かに満たすようになる。このため、類似度合と基準値との差が所定未満であって、類似度合が基準値をわずかに満たした場合には、確実かつ短時間に、案内音声を聞き取りにくい状況が生じていることを知ることができる。

また、案内音声の音量増加および／またはオーディオ音の音量低下を行った上で案内音声の再出力を行うことにより、案内音声の内容を利用者に確実に伝えることができ、再度の聞き逃しを防止することが可能となる。

また、直前の案内音声に対して聞き取り状況を変更することにより、直前に出力され案内音声よりも確実に聞き取りやすさを改善することが可能となる。

また、車両走行時は、ロードノイズや風切音などの影響により案内音声の内容を聞き逃す機会が増えると考えられるが、このような環境においても、案内音声の再出力を希望する利用者の意思を反映させた上で、聞き逃した音声の再出力を確実に実施することが可能となる。

なお、本発明は上記実施形態に限定されるものではなく、本発明の要旨の範囲内において種々の変形実施が可能である。例えば、上述した実施形態では、図３のステップ１０４において重要ポイントに関する判定を行ったが、この判定を省略し、重要ポイントに関するものであるか否かにかかわらず、次のステップ１０６の動作に移行するようにしてもよい。

また、上述した実施形態では、ナビゲーション処理部１０から１回目の案内音声が出力された後に、利用者によって案内音声の出力が音声によって指示される場合について説明したが、１回目の案内音声の出力の有無に関係なく、案内音声が聞き取りにくい状況が生じているか否かの判定動作を行うようにしてもよい。例えば、音声案内を指示する音声が利用者によって発声され、この音声に対する音声認識処理が成功した場合（ステップ１００の判定において肯定判断が行われた場合）に、ステップ１１０に移行して案内音声が聞き取りにくい状況が生じているか否かの判定を行うようにしてもよい。これにより、利用者が何らかの指示を音声によって行った時点で、その後に出力する案内音声が聞き取りにくい状況が生じているか否かを知ることができるため、聞き逃しが実際に生じる前に事前に案内音声の音量を上げたり、オーディオ音の音量を下げたりする対策を講じることが可能となる。

また、上述した実施形態では、ナビゲーション動作中に案内音声が出力される場合について説明したが、ナビゲーション動作以外において音声（例えば、ＡＶ処理部１８等の操作内容を示す案内音声や、メール等を受信する動作において受信メールの内容を読み上げる音声など）を出力する場合に本発明を適用することができる。また、車両に搭載された場合に限定されず、車両の外部において室内あるいは室外で使用される装置から音声を出力を行う場合についても本発明を適用することができる。

上述したように、本発明によれば、音声認識処理内容に基づいて案内音声の聞き取り状況を変更することにより、聞き返し回数を計数する場合に比べて迅速に聞き取りにくい状況を変更することができる。また、レインセンサ、車速センサ、音量センサなどを追加する必要がないため、構成やコストの増大を防止することができる。

１ 車載装置
１０ ナビゲーション処理部
１４ ＴＶチューナ処理部
１６ ラジオチューナ処理部
１８ ＡＶ処理部
３０ 音声認識処理部
３２ マイクロホン
５１ 聞き逃し想到ワード判定部
５２ 重要ポイント判定部
５３ 周辺状況判定部
５４ オーディオ音量変更部
５５ 案内音量変更部
５６ 案内出力指示部

Claims (6)

1. 案内音声を出力する案内音声出力手段と、
   利用者によって発声された音声に対して音声認識処理を行う音声認識処理手段と、
   前記音声認識処理手段による音声認識処理内容に基づいて、前記案内音声出力手段から出力される案内音声の聞き取り状況を変更する聞き取り状況変更手段と、
   を備えることを特徴とする音声出力装置。
2. 前記音声認識処理手段は、利用者によって発声された音声と認識候補となる複数の認識ワードのそれぞれとの類似度合を比較し、類似度合が基準値を満たす場合に、前記基準値を満たした一の前記認識ワードを、利用者によって発生された音声に対応する認識結果とし、
   前記聞き取り状況変更手段は、前記類似度合と前記基準値との差が所定値未満であるときに、前記案内音声が聞き取りにくい状況にあると判定し、この聞き取りにくい状況を改善することを特徴とする請求項１に記載の音声出力装置。
3. 前記案内音声出力手段は、前記案内音声を出力する際の音量が変更可能であり、
   前記聞き取り状況変更手段は、前記案内音声の音量の増加を前記案内音声出力手段に対して指示することを特徴とする請求項１または２に記載の音声出力装置。
4. 利用者が、前記案内音声と同時に聴取可能なオーディオ音を出力するオーディオ手段をさらに備え、
   前記聞き取り状況変更手段は、オーディオ音の音量低下を前記オーディオ手段に対して指示することを特徴とする請求項１〜３のいずれか一項に記載の音声出力装置。
5. 聞き取り状況変更手段は、前記音声案内出力手段から出力された直前の前記案内音声に対して聞き取り状況を変更することを特徴とする請求項１〜４のいずれか一項に記載の音声出力装置。
6. 車両に搭載されており、
   車室内において前記案内音声出力手段による前記案内音声の出力が行われ、
   利用者は、車室内の座席に着座していることを特徴とする請求項１〜５のいずれか一項に記載の音声出力装置。

Images