JP2019041225A

JP2019041225A - 音声処理装置、音声処理プログラム、及び音声処理方法

Info

Publication number: JP2019041225A
Application number: JP2017161459A
Authority: JP
Inventors: 尚也川畑; Naoya Kawabata
Original assignee: Oki Electric Industry Co Ltd
Current assignee: Oki Electric Industry Co Ltd
Priority date: 2017-08-24
Filing date: 2017-08-24
Publication date: 2019-03-14
Anticipated expiration: 2037-08-24
Also published as: JP6922551B2

Abstract

【課題】呼びかけ音声で通話相手と接続する場合に、違和感無く通話が開始される音声処理装置を提供する。【解決手段】本発明の音声処理装置は、入力信号を一定期間保持するバッファ部と、上記入力信号に対して音声認識を行う音声認識部と、上記音声認識部の結果を用いて、上記入力信号が、接続コマンド音声か否か判定するコマンド判定部と、上記コマンド判定部により上記入力信号が上記接続コマンド音声と判定された場合には、上記バッファ部に保持されている上記入力信号を出力し、上記バッファ部に保持されている音声を出力したら、上記入力信号を出力するように切り替える出力切替え部とを有することを特徴とする。【選択図】図１

Description

本発明は、音声処理装置、音声処理プログラム、及び音声処理方法に関し、例えば、テレビ会議システムや電話会議システム等において用いられる、通話の開始処理に適用し得るものである。

近年、テレビ会議システムや電話会議システム等の遠隔通話システムを用いてテレビ会議やテレワークなどの遠隔地と通話やコミュニケーションを行う機会が増えている。

遠隔通話システムでは、遠隔地と通話を行うために接続する場合、システムに搭載されている画面で電話番号などの連絡先を入力、選択するか、画面上に表示されている通話相手の映像をタッチすることで遠隔地と接続することが多い。

さらに、遠隔通話システムをロボットに組込み、近親者と単身の高齢者とのコミュニケーション支援するコミュニケーション支援ロボットシステムが特許文献１によって提案されている。

特許文献１に記載のコミュニケーション支援ロボットシステムは、タッチパネルディスプレイに表示されている、近親者や高齢者の映像をタッチすることで、通話相手に接続され通話が開始する。

特開２０１５−１８４５９７号公報

しかしながら、特許文献１に記載のコミュニケーション支援ロボットシステムでは、タッチパネルディスプレイをタッチするなどの接続操作や接続コマンドで通話を開始することは、実際の対面での通話と異なっているため臨場感（対面で会話しているような感覚）が非常に低い。

また、コミュニケーション支援ロボットに搭載されている音声認識システムを使用して、例えば、接続先の通話相手の名前等を呼ぶことで、呼びかけた音声（以下、呼びかけ音声）を音声認識システムに入力し、音声認識の結果から接続先を判定して接続を開始できるようにしても、呼びかけ音声は、音声認識処理に入力されてから音声認識の結果から通話相手が決定し、通話相手に接続されるため、呼びかけ音声が通話相手に伝わらない。このため、通話相手に突然接続され、通話相手は違和感や不安感を感じ、臨場感が向上しない。

そのため、テレビ会議システム等で、呼びかけ音声で通話相手と接続する場合に、呼びかけ音声を通話相手に伝えてから通話が開始される音声処理装置が望まれている。

第１の本発明の音声処理装置は、（１）入力信号を一定期間保持するバッファ部と、（２）上記入力信号に対して音声認識を行う音声認識部と、（３）上記音声認識部の結果を用いて、上記入力信号が、接続コマンド音声か否か判定するコマンド判定部と、（４）上記コマンド判定部により上記入力信号が上記接続コマンド音声と判定された場合には、上記バッファ部に保持されている上記入力信号を出力し、上記バッファ部に保持されている音声を出力したら、上記入力信号を出力するように切り替える出力切替え部とを有することを特徴とする。

第２の本発明の音声処理プログラムは、コンピュータを、（１）入力信号を一定期間保持するバッファ部と、（２）上記入力信号に対して音声認識を行う音声認識部と、（３）上記音声認識部の結果を用いて、上記入力信号が、接続コマンド音声か否か判定するコマンド判定部と、（４）上記コマンド判定部により上記入力信号が上記接続コマンド音声と判定された場合には、上記バッファ部に保持されている上記入力信号を出力し、上記バッファ部に保持されている音声を出力したら、上記入力信号を出力するように切り替える出力切替え部として機能させることを特徴とする。

第３の本発明の音声処理方法は、バッファ部、音声認識部、コマンド判定部、及び出力切替え部を有し、（１）上記バッファ部は、入力信号を一定期間保持し、（２）上記音声認識部は、上記入力信号に対して音声認識を行い、（３）上記コマンド判定部は、上記音声認識部の結果を用いて、上記入力信号が、接続コマンド音声か否か判定し、（４）上記出力切替え部は、上記コマンド判定部により上記入力信号が上記接続コマンド音声と判定された場合には、上記バッファ部に保持されている上記入力信号を出力し、上記バッファ部に保持されている音声を出力したら、上記入力信号を出力するように切り替えることを特徴とする。

本発明によれば、テレビ会議システム等で通話相手と接続するときに呼びかけ音声を通話相手に伝え、対面での会話と近い呼びかけ音声から会話が始まる状態を再現することで、双方が高い臨場感を感じることができる。

第１の実施形態に係る音声処理装置の構成を示すブロック図である。第１の実施形態に係るコマンドリスト部の一例を示す説明図である。第２の実施形態に係る音声処理装置の構成を示すブロック図である。第３の実施形態に係る音声処理装置の構成を示すブロック図である。変形実施形態に係る音声処理装置をテレビ会議システムに適応した構成を示すブロック図である。

（Ａ）第１の実施形態
以下では、本発明の音声処理装置、音声処理プログラム、及び音声処理方法の実施形態を、図面を参照しながら詳細に説明する。

第１の実施形態は、例えば、テレビ会議システムや電話会議システム等のマイク入力部に上述した本発明の音声処理装置、音声処理プログラム、及び音声処理方法を適応した場合を例示したものである。

（Ａ−１）第１の実施形態の構成
図１は、第１の実施形態に係る音声処理装置１００の構成を示すブロック図である。

本発明の第１の実施形態の音声処理装置１００は、例えば、専用ボードとして構築されるようにしても良いし、ＤＳＰ（デジタルシグナルプロセッサ）への音声処理プログラムの書き込みによって実現されたものであっても良く、ＣＰＵと、ＣＰＵが実行するソフトウェア（音声処理プログラム）によって実現されたものであっても良いが、機能的には、図１で表すことができる。

図１において、本発明の第１の実施形態に係る音声処理装置１００は、マイク１０１、マイクアンプ１０２、ＡＤ変換器１０３、及び呼びかけ処理部１０４を有する。

マイク１０１は、人の音声や音を受音するマイクである。

マイクアンプ１０２は、マイク１０１により受音された入力信号を増幅するものである。

ＡＤ変換器１０３は、マイクアンプ１０２により増幅された信号をアナログ信号からデジタル信号に変換するものである。以下、ＡＤ変換器１０３で変換された信号を「マイク入力信号」とする。

呼びかけ処理部１０４は、入力されたマイク入力信号を出力端子に出力し、同時にマイク入力信号をオーディオバッファに保存する。さらに、呼びかけ処理部１０４は、マイク入力信号を音声認識し、音声認識結果がコマンドリスト部のコマンドの１つと一致した場合に、オーディオバッファに保存されている音信号を一定時間出力するように切替え、一定時間出力が完了すると再びマイク入力信号を出力する。

次に、呼びかけ処理部１０４の詳細な構成を説明する。

呼びかけ処理部１０４は、入力端子１０５、オーディオバッファ部１０６、音声認識部１０７、コマンドリスト部１０８、コマンド判定部１０９、出力切替え部１１０、及び出力端子１１１を有する。

入力端子１０５は、マイク入力信号を呼びかけ処理部１０４に入力するインタフェースである。

オーディオバッファ部１０６は、マイク入力信号を一定時間保持するバッファである。

音声認識部１０７は、マイク入力信号を音声認識し、音声認識の結果を出力する。

コマンドリスト部１０８は、コマンドが保持されているリストである。コマンドリスト部１０８は、例えば、図２のようにコマンドの一覧がテキストファイルで保持されている。なお、図２は、一例であって、保持するデータの内容及び形式は種々様々な値（形式）を適用することができる。

コマンド判定部１０９は、音声認識の結果がコマンドリスト部１０８のコマンドリストに存在するか否か判定し、判定結果を出力する。

出力切替え部１１０は、コマンド判定結果から出力する音信号を決定し、音信号を出力する。

出力端子１１１は、呼びかけ処理部１０４の音信号を出力するインタフェースである。

（Ａ−２）第１の実施形態の動作
本発明の第１の実施形態に係る音声処理装置１００の動作を詳細に説明する。

まず、音声処理装置１００の動作が開始すると、話者が発した音声等の音信号や環境音が重畳したアナログ音信号が、マイク１０１に入力される。

マイク１０１に入力された入力信号は、マイクアンプ１０２で増幅され、ＡＤ変換器１０３でアナログ信号からデジタル信号に変換され、呼びかけ処理部１０４の入力端子１０５にマイク入力信号ｘ（ｎ）として入力される。

呼びかけ処理部１０４の入力端子１０５に信号が入力され始めると、まず、呼びかけ処理部１０４はマイク入力信号ｘ（ｎ）を出力切替え部１１０に出力する。

出力切替え部１１０は、音声処理装置１００の動作時は、以下の（１）式に示すように、無音信号を出力信号ｙ（ｎ）として出力端子１１１に出力する。
ｙ（ｎ）＝０ …（１）

また、呼びかけ処理部１０４は、同時にマイク入力信号ｘ（ｎ）を、以下の（２）式に従い、オーディオバッファ部１０６のオーディオバッファｂｕｆｆｅｒ（ｎ）の書込み位置ｗｒｉｔｅ＿ｉｎｄｅｘの位置に保持する。保持した後、呼びかけ処理部１０４は、以下の（３）式に示すように、書込み位置ｗｒｉｔｅ＿ｉｎｄｅｘを進める（インクリメントする）。

上記（３）式のＢＵＦＦＥＲ＿ＳＩＺＥは、オーディオバッファ部１０６のオーディオバッファのバッファの長さである。

さらに、呼びかけ処理部１０４は、同時にマイク入力信号ｘ（ｎ）を音声認識部１０７で音声認識を行い、音声認識結果をコマンド判定部１０９に出力する。

コマンド判定部１０９は、音声認識の結果とコマンドリスト部１０８に保持されているコマンド一覧を比較し、音声認識の結果がコマンドの一覧に存在するか否かの判定を行い、判定結果を出力切替え部１１０に出力する。

出力切替え部１１０は、コマンド判定部１０９で音声認識部１０７の音声認識の結果がコマンドリスト部１０８のコマンド一覧に存在しないと判定された場合には、無音信号を出力端子１１１に出力し続ける。

一方、出力切替え部１１０は、コマンド判定部１０９で音声認識部１０７の音声認識の結果がコマンドリスト部１０８のコマンド一覧に存在すると判定された場合には、オーディオバッファ部１０６の読出し位置ｒｅａｄ＿ｉｎｄｅｘを、下記の（４）式に従い計算する。

上記（４）式のＬＥＮは、オーディオバッファ部１０６に保持されているマイク入力信号を再生する長さである。なお、ＬＥＮの決定方法は、種々の方法を広く適用することができ、例えば、オーディオバッファ部１０６のバッファサイズと同じ長さ（ＬＥＮ＝ＢＵＦＦＥＲ＿ＳＩＺＥ）とするなどの定数とする方法が存在する。また、オーディオバッファ部１０６に保持されているマイク入力信号に音声区間処理を行い、呼びかけ音声の長さを求めて、その長さをＬＥＮとする方法でも良い。

そして、出力切替え部１１０は、以下の（５）式に示すようにオーディオバッファ部１０６に保持されている音信号を出力信号ｙ（ｎ）として出力端子１１１に一定時間（例えば、ＬＥＮの時間長分）出力し、以下の（６）式に示すように読出し位置ｒｅａｄ＿ｉｎｄｅｘを進める（インクリメントする）。

出力切替え部１１０は、オーディオバッファ部１０６に保持されている音信号を一定時間出力すると、以下の（７）式に示すように、マイク入力信号ｘ（ｎ）を出力信号ｙ（ｎ）として出力端子１１１に出力する。
ｙ（ｎ）＝ｘ（ｎ） …（７）

（Ａ−３）第１の実施形態の効果
以上のように、第１の実施形態によれば、音声処理装置１００は、マイク入力信号をオーディオバッファに保持し、同時に音声認識を行い、マイク入力信号が呼びかけ音声と判定されたとき、オーディオバッファに保持している呼びかけ音声を出力する。これにより、音声処理装置１００は、呼びかけ音声が相手に伝えることができるので、対面での会話に近い状態を再現でき、高い臨場感で会話を開始することができる。

（Ｂ）第２の実施形態
次に、本発明の音声処理装置、音声処理プログラム、及び音声処理方法の第２の実施形態を、図面を参照しながら詳細に説明する。

第２の実施形態は、本発明の音声処理装置の音出力方法が、第１の実施形態と異なっている場合を例示する。

（Ｂ−１）第２の実施形態の構成
図３は、第２の実施形態に係る音声処理装置２００の構成を示すブロック図である。

第２の実施形態の音声処理装置２００は、出力切替え部１１０の代わりに信号加算部２０２を構成要素とする点が第１の実施形態の音声処理装置１００と異なる。それ以外の構成要素は、第１の実施形態に係る図１の音声処理装置１００の構成要素と同一、又は対応するものである。なお、図３において、第１の実施形態に係る音声処理装置１００の構成要素と同一、又は対応するものについては同一の符号を付している。

また、第１の実施形態と同一、又は対応する構成要素の詳細な説明は重複するため、ここでは省略する。

図３において、本発明の第２の実施形態に係る音声処理装置２００は、マイク１０１、マイクアンプ１０２、ＡＤ変換器１０３、及び呼びかけ処理部２０１を有する。

また、呼びかけ処理部２０１は、入力端子１０５、オーディオバッファ部１０６、音声認識部１０７、コマンドリスト部１０８、コマンド判定部１０９、信号加算部２０２、及び出力端子１１１を有する。

信号加算部２０２は、コマンド判定結果からマイク入力信号、又はマイク入力信号とオーディオバッファ部を加算した信号のいずれか一方の音信号を出力するか決定し、決定した音信号を出力する。

（Ｂ−２）第２の実施形態の動作
第２の実施形態に係る音声処理装置２００における音声処理の基本的な動作は、第１の実施形態で説明した音声処理と同様である。

以下では、第１の実施形態と異なる点である信号加算部２０２における処理動作を中心に詳細に説明する。

信号加算部２０２は、コマンド判定部１０９で音声認識部１０７の音声認識の結果がコマンドリスト部１０８のコマンド一覧に存在しないと判定された場合には、マイク入力信号ｘ（ｎ）を出力端子１１１に出力する。一方、信号加算部２０２は、コマンド判定部１０９で音声認識部１０７の音声認識の結果がコマンドリスト部１０８のコマンド一覧に存在すると判定された場合には、先述の（４）式に従い、オーディオバッファ部１０６の読出し位置ｒｅａｄ＿ｉｎｄｅｘを計算する。

そして、信号加算部２０２は、以下の（８）式に従い、オーディオバッファ部１０６に保持されている音信号とマイク入力信号を加算し、加算した信号を出力信号ｙ（ｎ）として出力端子１１１に一定時間出力し、先述の（６）式に従い、読出し位置ｒｅａｄ＿ｉｎｄｅｘを進める（インクリメントする）。
ｙ（ｎ）＝ｘ（ｎ）＋ｂｕｆｆｅｒ（ｒｅａｄ＿ｉｎｄｅｘ） …（８）

信号加算部２０２は、加算した信号を一定時間出力すると、先述の（７）式に従い、マイク入力信号ｘ（ｎ）を出力信号ｙ（ｎ）として出力端子１１１に出力する。

（Ｂ−３）第２の実施形態の効果
以上のように、第２の実施形態によれば、音声処理装置２００は、音声認識した結果がコマンドリストに存在する場合に、マイク入力信号をオーディオバッファに保持されている信号を加算した信号を出力する。これにより、音声処理装置２００は、音の遅延が少なく、音信号が途切れることなく、呼びかけ音声を出力することができる。

（Ｃ）第３の実施形態
次に、本発明の音声処理装置、音声処理プログラム、及び音声処理方法の第３の実施形態を、図面を参照しながら詳細に説明する。

第３の実施形態は、本発明の音声処理装置の音出力方法が、第１の実施形態、及び第２の実施形態と異なっている場合を例示する。

（Ｃ−１）第３の実施形態の構成
図４は、第２の実施形態に係る音声処理装置の構成を示すブロック図である。

第３の実施形態の音声処理装置３００は、第１の実施形態の音声処理装置１００構成に加えて、遅延回復部３０３を構成要素とする点と、出力切替え部１１０の代わりに出力切替え部３０２を構成要素とする点が第１の実施形態の音声処理装置１００、及び第２の実施形態の音声処理装置２００と異なる。なお、図４において、第１の実施形態に係る音声処理装置１００の構成要素と同一、又は対応するものについては同一の符号を付している。

図４において、本発明の第３の実施形態に係る音声処理装置３００は、マイク１０１、マイクアンプ１０２、ＡＤ変換器１０３、及び呼びかけ処理部３０１を有する。

また、呼びかけ処理部３０１は、入力端子１０５、遅延回復部３０３、オーディオバッファ部１０６、音声認識部１０７、コマンドリスト部１０８、コマンド判定部１０９、出力切替え部３０２、及び出力端子１１１を有する。

出力切替え部３０２は、コマンド判定結果から出力する音信号を決定し、音信号を出力する。また、出力する音信号が切り替わったか否かを遅延回復部３０３に出力する。

遅延回復部３０３は、入力端子１０５から出力切替え部１１０へのマイク入力信号の出力のタイミングを調整するものである。例えば、遅延回復部３０３は、入力されたマイク入力信号を所定時間分だけ遅延させて、マイク入力信号を出力する。

（Ｃ−３）第３の実施形態の動作
第３の実施形態に係る音声処理装置３００における音声処理の基本的な動作は、第１の実施形態で説明した呼びかけ処理と同様である。

以下では、第１の実施形態と異なる点である出力切替え部３０２、及び遅延回復部３０３における処理動作を中心に詳細に説明する。

呼びかけ処理部３０１の入力端子１０５に信号が入力され始めると、呼びかけ処理部３０１はマイク入力信号ｘ（ｎ）を遅延回復部３０３に出力する。

遅延回復部３０３は、音声処理装置３００の動作開始時は、マイク入力信号ｘ（ｎ）を出力切替え部３０２に出力する。

出力切替え部３０２は、音声処理装置１００の動作時には、先述の（１）式に示すように、無音信号を出力信号ｙ（ｎ）として出力端子１１１に出力する。

出力切替え部３０２は、コマンド判定部１０９で音声認識部１０７の音声認識の結果がコマンドリスト部１０８のコマンド一覧に存在しないと判定された場合には、無音信号を出力端子１１１に出力し続ける。

一方、出力切替え部３０２は、コマンド判定部１０９で音声認識部１０７の音声認識の結果がコマンドリスト部１０８のコマンド一覧に存在すると判定された場合には、オーディオバッファ部１０６の読出し位置ｒｅａｄ＿ｉｎｄｅｘを、先述の（４）式に従い計算する。

そして、出力切替え部３０２は、先述の（５）式に示すようにオーディオバッファ部１０６に保持されている音信号を出力信号ｙ（ｎ）として出力端子１１１に一定時間出力し、先述の（６）式に示すように読出し位置ｒｅａｄ＿ｉｎｄｅｘを進める（インクリメントする）。

出力切替え部３０２は、オーディオバッファ部１０６に保持されている音信号を一定時間出力すると、出力が完了し、出力する音信号が切替わったことを知らせる信号を遅延回復部３０３に出力する。

遅延回復部３０３は、出力切替え部３０２から出力する音信号が切り替わったときに、マイク入力信号ｘ（ｎ）に対して所定時間遅延回復処理を行い出力切替え部１１０に出力する。上記の遅延回復時間は、例えば、音声認識部１０７とコマンド判定部１０９の処理時間を考慮して定めても良いし、オーディオバッファ部から出力される呼びかけ音声の長さと同じにしても良い。また、遅延回復部３０３の遅延回復処理は、マイク入力信号ｘ（ｎ）に話速変換を施した、マイク入力信号ｘ’（ｎ）を出力し、遅延回復時間分の遅延が回復したらマイク入力信号ｘ（ｎ）を出力しても良いし、マイク入力信号ｘ（ｎ）に音声区間検出を行い、遅延回復時間分の無音を削除したするマイク入力信号ｘ’’（ｎ）を出力し、遅延回復時間分の遅延が回復したらマイク入力信号ｘ（ｎ）を出力しても良い。さらに、この遅延回復部３０３の処理は出力切替え部１１０の処理の後に行っても良い。

出力切替え部３０２は、遅延回復処理が完了すると、先述の（７）式に示すように、マイク入力信号ｘ（ｎ）を出力信号ｙ（ｎ）として出力端子１１１に出力する。

（Ｃ−３）第３の実施形態の効果
以上のように、第３の実施形態によれば、音声処理装置３００が遅延回復部３０３を設けたことにより、オーディオバッファ部１０６から出力された呼びかけ音声信号の時間分の遅延を回復することが出来る。これにより、第１の実施形態に比べて、さらに音信号が途切れることなく、呼びかけ音声を出力することができる。

（Ｄ）他の実施形態
上述した各実施形態においても、種々の変形実施形態を説明したが、本発明は以下の変形実施形態についても適用することができる。

（Ｄ−１）上述した各実施形態で説明した音声処理装置は、例えば、図５に示しているようなテレビ通話や電話会議で通話を開始するときに、音声の入力によるコマンドで通話を開始する装置に搭載されるようにしても良い。図５において、接続判定部４０２は、音声認識部１０７による音声認識結果及びコマンド判定部１０９に基づくコマンド判定結果に基づいて、ネットワーク４０５（例えば、相手側のテレビ電話）との接続判定を行い、接続判定結果を、出力端子４０３を介してＮＷ通信部４０４に出力する。ＮＷ通信部４０４は、接続判定結果に基づき、ネットワーク４０５との接続処理を行う。接続後、音声処理装置はＮＷ通信部４０４を介して、ネットワーク４０５と音声のやりとりが行われる。なお、ネットワーク４０５からの音声はＮＷ通信部４０４を介して、ＤＡ変換器４０６によりデジタル信号からアナログ信号に変換後、スピーカアンプ４０７で増幅され、スピーカ４０８により出力される。

１００…音声処理装置、１０１…マイク、１０２…マイクアンプ、１０３…ＡＤ変換器、１０４…呼びかけ処理部、１０５…入力端子、１０６…オーディオバッファ部、１０７…音声認識部、１０８…コマンドリスト部、１０９…コマンド判定部、１１０…出力切替え部、１１１…出力端子、２００…音声処理装置、２０１…呼びかけ処理部、２０２…信号加算部、３００…音声処理装置、３０１…呼びかけ処理部、３０２…出力切替え部、３０３…遅延回復部、４０２…接続判定部、４０３…出力端子、４０４…ＮＷ通信部、４０５…ネットワーク、４０６…ＤＡ変換器、４０７…スピーカアンプ、４０８…スピーカ。

Claims

入力信号を一定期間保持するバッファ部と、
上記入力信号に対して音声認識を行う音声認識部と、
上記音声認識部の結果を用いて、上記入力信号が、接続コマンド音声か否か判定するコマンド判定部と、
上記コマンド判定部により上記入力信号が上記接続コマンド音声と判定された場合には、上記バッファ部に保持されている上記入力信号を出力し、上記バッファ部に保持されている音声を出力したら、上記入力信号を出力するように切り替える出力切替え部と
を有することを特徴とする音声処理装置。
上記出力切替え部は、上記コマンド判定部により上記入力信号が上記接続コマンド音声と判定された場合には、上記バッファ部に保持されている上記入力信号に、現時点の上記入力信号を加算して出力することを特徴とする請求項１に記載の音声処理装置。
上記出力切替え部に上記入力信号を入力するタイミングを調整する遅延回復部をさらに有することを特徴とする請求項１に記載の音声処理装置。
コンピュータを、
入力信号を一定期間保持するバッファ部と、
上記入力信号に対して音声認識を行う音声認識部と、
上記音声認識部の結果を用いて、上記入力信号が、接続コマンド音声か否か判定するコマンド判定部と、
上記コマンド判定部により上記入力信号が上記接続コマンド音声と判定された場合には、上記バッファ部に保持されている上記入力信号を出力し、上記バッファ部に保持されている音声を出力したら、上記入力信号を出力するように切り替える出力切替え部と
して機能させることを特徴とする音声処理プログラム。
バッファ部、音声認識部、コマンド判定部、及び出力切替え部を有し、
上記バッファ部は、入力信号を一定期間保持し、
上記音声認識部は、上記入力信号に対して音声認識を行い、
上記コマンド判定部は、上記音声認識部の結果を用いて、上記入力信号が、接続コマンド音声か否か判定し、
上記出力切替え部は、上記コマンド判定部により上記入力信号が上記接続コマンド音声と判定された場合には、上記バッファ部に保持されている上記入力信号を出力し、上記バッファ部に保持されている音声を出力したら、上記入力信号を出力するように切り替える
ことを特徴とする音声処理方法。