JP2020118913A

JP2020118913A - 電子機器

Info

Publication number: JP2020118913A
Application number: JP2019011848A
Authority: JP
Inventors: 弘毅仲江川; Koki Nakaegawa; 宏淑石河; Hiroyoshi Ishikawa
Original assignee: Onkyo Corp
Current assignee: Onkyo Corp
Priority date: 2019-01-28
Filing date: 2019-01-28
Publication date: 2020-08-06

Abstract

【課題】ユーザーが、容易に、再度、質問に対する回答を聴取可能とすること。【解決手段】スピーカー装置１は、質問に対する回答を記憶するためのメモリ４と、所定の操作に基づいて、メモリ４に記憶されている回答を再生するネットワークＳｏＣ２と、を備える。所定の操作は、ボタン９の操作である。メモリ４は、複数の回答を記憶している。ネットワークＳｏＣ２は、ボタン９の操作回数に基づいて、メモリ４に記憶されている回答を再生する。【選択図】図１

Description

本発明は、音声認識機能を利用する電子機器に関する。

音声認識機能を利用する電子機器として、マイクとスピーカーとを備えたスピーカー装置がある。このようなスピーカー装置において、所定のキーワード（以下、「ホットワード」という。）を認識した後、ユーザーからの質問等を受け付けるようになっているものがある（例えば、特許文献１参照。）。特許文献１では、ホットワードとして、「オーケーコンピュータ」が記載されている（図１参照。）。従って、ユーザーは、まず、ホットワードを発話する。そして、ユーザーは、例えば、スピーカー装置に対して、何らかの質問（例えば、「今日の天気を教えて。」）をし、スピーカー装置は、その質問に対し、回答（例えば、「今日の天気は、晴れです。」を行う。しかし、ユーザーは、スピーカー装置に質問した回答を、周囲の騒音、作業中等の要因により、聞き逃したり、聞き取れなかったりする場合がある。また、ユーザーは、長い回答や残しておきたい回答の場合、後で聞き返したい場合もある。

このような場合、ユーザーは、ホットワードと同じ質問をスピーカー装置に対して繰り返す必要があり、同じ質問を二度行うことを、面倒に感じる。１つ前の質問に対する回答であれば、ユーザーは、ホットワードを発話した後、例えば、「もう一度教えて。」とスピーカー装置に尋ねれば、スピーカー装置が、１つ前の質問に対する回答をするが、煩わしさはあまり減らない。また、ユーザーは、ウェブで回答の履歴を確認することはできるが、ＰＣ、スマートフォンのブラウザで確認をする必要があるため、作業は、更に面倒である。

特開２０１７−０７６１１７号公報

上述したように、ユーザーは、再度、同じ質問に対する回答を聴きたい場合、煩わしいという問題がある。

本発明の目的は、ユーザーが、容易に、再度、質問に対する回答を聴取可能とすることである。

第１の発明の電子機器は、質問に対する回答を記憶するためのメモリと、所定の操作に基づいて、前記メモリに記憶されている回答を再生する制御部と、を備えることを特徴とする。

本発明では、制御部は、所定の操作に基づいて、メモリに記憶されている回答を再生する。これにより、ユーザーは、容易に、再度、質問に対する回答を聴取することができる。

第２の発明の電子機器は、第１の発明の電子機器において、ボタンを更に備え、前記所定の操作は、前記ボタンの操作であることを特徴とする。

本発明では、所定の操作は、ボタンの操作である。このため、ユーザーは、ボタンを操作することで、容易に、再度、質問に対する回答を聴取することができる。

第３の発明の電子機器は、第１又は第２の発明の電子機器において、マイクを更に備え、前記制御部は、前記マイクにより集音された質問を、音声認識機能を有するサーバーに送信し、前記サーバーから送信される質問に対する回答を前記メモリに記憶することを特徴とする。

第４の発明の電子機器は、第１〜第３のいずれかの発明の電子機器において、前記制御部は、所定時間以上の長さの回答を前記メモリに記憶することを特徴とする。

本発明では、制御部は、所定時間以上の長さの回答をメモリに記憶する。これにより、ユーザーは、長い回答であっても、容易に、再度、聴取することができる。

第５の発明の電子機器は、第１〜第３のいずれかの発明の電子機器において、前記制御部は、周囲の環境雑音が、所定のレベル以上である場合、質問に対する回答を前記メモリに記憶することを特徴とする。

本発明では、制御部は、周囲の環境雑音が、所定のレベル以上である場合、質問に対する回答をメモリに記憶する。これにより、ユーザーは、周囲がうるさい環境の中で行われた回答を、再度、聴取することができる。

第６の発明の電子機器は、第２の発明の電子機器において、前記制御部は、前記サーバーから送信された回答を再生しているときに、前記ボタンの操作があった場合、再生している回答を前記メモリに記憶することを特徴とする。

本発明では、制御部は、サーバーから送信された回答を再生しているときに、ボタンの操作があった場合、再生している回答を前記メモリに記憶する。これにより、ユーザーは、ボタンを操作することで、再度、聴取したい回答を電子機器に記憶させることができる。

第７の発明の電子機器は、第２の発明の電子機器において、前記メモリは、複数の質問に対する回答を記憶し、前記制御部は、前記ボタンの操作回数に基づいて、前記メモリに記憶されている回答を再生することを特徴とする。

本発明では、制御部は、ボタンの操作回数に基づいて、メモリに記憶されている回答を再生する。これにより、ユーザーは、ボタンの操作回数を変更することで、所望の回答を聴取することができる。

第８の発明の電子機器は、第２の発明の電子機器において、前記メモリは、複数の質問に対する回答を記憶し、前記制御部は、前記メモリに記憶されている回答を再生してから所定時間内に、前記ボタンの操作があった場合に、他の回答を再生することを特徴とする。

本発明では、制御部は、メモリに記憶されている回答を再生してから所定時間内に、ボタンの操作があった場合に、他の回答を再生する。これにより、ユーザーは、再生された回答が、所望の回答ではない場合、ボタンを操作することで、他の回答を再生させることができる。

第９の発明の電子機器は、第３の発明の電子機器において、前記制御部は、前記マイクにより集音された質問と、前記サーバーから送信された回答と、を対応付けて、前記メモリに記憶することを特徴とする。

第１０の発明の電子機器は、第９の発明の電子機器において、前記制御部は、前記メモリに記憶されている質問と、質問に対応する回答と、を連続して再生することを特徴とする。

本発明では、制御部は、メモリに記憶されている質問と、質問に対応する回答と、を連続して再生する。これにより、ユーザーは、再度、聴取したい回答を選択しやすくなる。

第１１の発明の電子機器は、第１〜第１０のいずれかの発明の電子機器において、前記制御部は、回答を、通常よりも、遅く、且つ、大きな音量で再生することを特徴とする。

本発明では、制御部は、回答を、通常よりも、遅く、且つ、大きな音量で再生する。これにより、ユーザーは、回答を聴取しやすい。

本発明によれば、ユーザーは、容易に、再度、質問に対する回答を聴取することができる。

本発明の実施形態に係るスピーカー装置の構成を示すブロック図である。

以下、本発明の実施形態について説明する。図１は、本実施形態に係るスピーカー装置１の構成を示すブロック図である。図１に示すように、スピーカー装置１（電子機器）は、ネットワークＳｏＣ（System on Chip）２、ＭＣＵ（Micro Control Unit）３、メモリ４、ＤＳＰ（Digital Signal Processor）５、増幅器６、スピーカー７、マイク８、ボタン９を備える。

ネットワークＳｏＣ２（制御部）は、ＣＰＵ（Central Processing Unit）、ＤＳＰ（Digital Signal Processor）等を有し、スピーカー装置１を構成する各部を制御する。また、ネットワークＳｏＣ２は、クラウドサーバー１０１と通信するためのネットワーク機能を備える。ＭＣＵ３は、ボタン９の操作を受け付ける。メモリ４は、質問、及び、質問に対する回答等を記憶するフラッシュメモリにより構成されている。ＤＳＰ５は、音声信号に、各種の音声信号処理を行う。増幅器６は、音声信号を増幅し、増幅した音声信号をスピーカー７に出力する。スピーカー７は、増幅器６から出力される音声信号に基づいて、音声を出力する。

マイク８は、音声を集音する。ネットワークＳｏＣ２は、マイク８が集音した音声を、クラウドサーバー１０１に送信する。マイク８が集音した音声が、ホットワード（所定のキーワード）であった場合、ネットワークＳｏＣ２は、音声コマンド（質問を含む）の受付を開始する。具体的には、クラウドサーバー１０１は、音声認識機能を有しており、受信した音声が、ホットワードであった場合、音声コマンドの受付開始の指示（コマンド）を、スピーカー装置１に送信する。ネットワークＳｏＣ２は、音声コマンドの受付開始の指示を受信した場合、音声コマンドの受付を開始する。なお、ホットワードの認識は、クラウドサーバー１０１ではなく、スピーカー装置１のネットワークＳｏＣ２又はＤＳＰ５により行われるようになっていてもよい。

また、クラウドサーバー１０１は、受信した音声コマンドに応じたコマンド等をスピーカー装置１に返信する。ネットワークＳｏＣ２は、クラウドサーバー１０１が送信したコマンド等を受信する。例えば、ユーザーが「楽曲Ａを再生」と発話したとする。この場合、例えば、再生を意味するコマンド「Play」と、テキスト「楽曲Ａ」とが、クラウドサーバー１０１からスピーカー装置１に送信される。

ネットワークＳｏＣ２は、クラウドサーバー１０１から送信された質問に対する回答（音声データ）をメモリ４に記憶する。例えば、ネットワークＳｏＣ２は、毎回、クラウドサーバー１０１から送信された質問に対する回答をメモリ４に記憶する。この場合、ネットワークＳｏＣ２は、最新の回答をメモリ４に記憶し、それ以前の回答をメモリ４から削除する。また、例えば、ネットワークＳｏＣ２は、所定時間以上の長さ（例えば、３０秒以上の長さ）の回答を、メモリ４に記憶する。また、例えば、ネットワークＳｏＣ２は、マイク８により集音された周囲の環境雑音のレベルが、所定のレベル（例えば、７０ｄＢ）以上である場合、質問に対する回答をメモリ４に記憶する。また、例えば、ネットワークＳｏＣ２は、クラウドサーバー１０１から送信された回答を再生しているときに、ボタン９の操作があった場合、再生している回答をメモリ４に記憶する。この場合、ネットワークＳｏＣ２は、回答の最初から、メモリ４に記憶する。

また、例えば、ネットワークＳｏＣ２は、マイク８により集音された質問と、クラウドサーバー１０１から送信された回答と、を対応付けて、メモリ４に記憶する。例えば、ユーザーが、「オッケー、コンピュータ」、「今日の天気は」とスピーカー装置１に質問したとする。この場合、ネットワークＳｏＣ２は、クラウドサーバー１０１に、マイク８により集音された質問を、クラウドサーバー１０１に送信する。ネットワークＳｏＣ２は、質問に対する回答として、「墨田区の今日の天気は晴れです」という回答（音声データ）を受信したとする。この場合、ネットワークＳｏＣ２は、「今日の天気は」という質問と、「墨田区の今日の天気は晴れです」という回答と、を対応付けて、メモリ４に記憶する。

ネットワークＳｏＣ２は、ユーザーによるボタン９の操作（所定の操作）があった場合、すなわち、ＭＣＵ３がボタン９の操作を受け付けた場合、メモリ４に記憶されている回答を再生する。ネットワークＳｏＣ２は、ＤＳＰ５によりメモリ４に記憶されている回答を読み出し、各種の信号処理行わせる。ＤＳＰ５からの音声信号は、増幅器６により増幅され、スピーカー７に出力されることで、回答が再生される。

ここで、メモリ４は、複数の質問に対する回答を記憶しているとする。ネットワークＳｏＣ２は、ボタン９の操作回数に基づいて、メモリ４に記憶されている回答を再生する。例えば、ネットワークＳｏＣ２は、ボタン９の操作回数が１回であった場合、最も新しく記憶したメモリ４に記憶されている回答を再生する。また、例えば、ネットワークＳｏＣ２は、ボタン９の操作回数が３回であった場合、３回前に記憶したメモリ４に記憶されている回答を再生する。

また、ネットワークＳｏＣ２は、メモリ４に記憶されている回答を再生してから所定時間（例えば、１０秒）内に、ボタン９の操作があった場合に、他の回答を再生する。例えば、ネットワークＳｏＣ２は、ボタン９の操作回数が３回であり、３回前に記憶したメモリ４に記憶されている回答を再生してから、１０秒以内に、ボタン９の操作が２回あった場合、５回前に記憶したメモリ４に記憶されている回答を再生する。

また、ネットワークＳｏＣ２は、メモリ４に記憶されている質問と、質問に対応する回答と、を連続して再生する。例えば、「今日の天気は」という質問と、「墨田区の今日の天気は晴れです」という回答とが、連続して再生される。また、ネットワークＳｏＣ２は、回答を、通常よりも、遅く、且つ、大きな音量で再生する。

以上説明したように、本実施形態では、ネットワークＳｏＣ２は、ボタン９の操作に基づいて、メモリに記憶されている回答を再生する。これにより、ユーザーは、ボタン９を操作することで、容易に、再度、質問に対する回答を聴取することができる。

また、本実施形態では、例えば、ネットワークＳｏＣ２は、所定時間以上の長さの回答をメモリ４に記憶する。これにより、ユーザーは、長い回答であっても、容易に、再度、聴取することができる。

また、本実施形態では、例えば、ネットワークＳｏＣ２は、周囲の環境雑音が、所定のレベル以上である場合、質問に対する回答をメモリ４に記憶する。これにより、ユーザーは、周囲がうるさい環境の中で行われた回答を、再度、聴取することができる。

また、本実施形態では、例えば、ネットワークＳｏＣ２は、クラウドサーバー１０１から送信された回答を再生しているときに、ボタン９の操作があった場合、再生している回答をメモリ４に記憶する。これにより、ユーザーは、ボタン９を操作することで、再度、聴取したい回答をスピーカー装置１に記憶させることができる。

また、本実施形態では、ネットワークＳｏＣ２は、ボタン９の操作回数に基づいて、メモリ４に記憶されている回答を再生する。これにより、ユーザーは、ボタン９の操作回数を変更することで、所望の回答を聴取することができる。

また、本実施形態では、ネットワークＳｏＣ２は、メモリ４に記憶されている回答を再生してから所定時間内に、ボタン９の操作があった場合に、他の回答を再生する。これにより、ユーザーは、再生された回答が、所望の回答ではない場合、ボタン９を操作することで、他の回答を再生させることができる。

また、本実施形態では、ネットワークＳｏＣ２は、メモリ４に記憶されている質問と、質問に対応する回答と、を連続して再生する。これにより、ユーザーは、再度、聴取したい回答を選択しやすくなる。

また、本実施形態では、ネットワークＳｏＣ２は、回答を、通常よりも、遅く、且つ、大きな音量で再生する。これにより、ユーザーは、回答を聴取しやすい。

以上、本発明の実施形態について説明したが、本発明を適用可能な形態は、上述の実施形態には限られるものではなく、以下に例示するように、本発明の趣旨を逸脱しない範囲で適宜変更を加えることが可能である。

上述の実施形態においては、ネットワークＳｏＣ２は、ボタン９の操作に基づいて、メモリ４に記憶されている回答を再生する。これに限らず、例えば、スピーカー装置１が、カメラを備えており、ネットワークＳｏＣ２は、ユーザーによる、カメラの前での所定のジェスチャ操作等に基づいて、メモリ４に記憶されている回答を再生するようになっていてもよい。

本発明は、音声認識機能を利用する電子機器に好適に採用され得る。

１スピーカー装置（電子機器）
２ネットワークＳｏＣ（制御部）
４メモリ
７スピーカー
８マイク
９ボタン
１０１クラウドサーバー

Claims

質問に対する回答を記憶するためのメモリと、
所定の操作に基づいて、前記メモリに記憶されている回答を再生する制御部と、を備えることを特徴とする電子機器。
ボタンを更に備え、
前記所定の操作は、前記ボタンの操作であることを特徴とする請求項１に記載の電子機器。
マイクを更に備え、
前記制御部は、前記マイクにより集音された質問を、音声認識機能を有するサーバーに送信し、
前記サーバーから送信される質問に対する回答を前記メモリに記憶することを特徴とする請求項１又は２に記載の電子機器。
前記制御部は、所定時間以上の長さの回答を前記メモリに記憶することを特徴とする請求項１〜３のいずれか１項に記載の電子機器。
前記制御部は、周囲の環境雑音が、所定のレベル以上である場合、質問に対する回答を前記メモリに記憶することを特徴とする請求項１〜３のいずれか１項に記載の電子機器。
前記制御部は、前記サーバーから送信された回答を再生しているときに、前記ボタンの操作があった場合、再生している回答を前記メモリに記憶することを特徴とする請求項２に記載の電子機器。
前記メモリは、複数の質問に対する回答を記憶し、
前記制御部は、前記ボタンの操作回数に基づいて、前記メモリに記憶されている回答を再生することを特徴とする請求項２に記載の電子機器。
前記メモリは、複数の質問に対する回答を記憶し、
前記制御部は、前記メモリに記憶されている回答を再生してから所定時間内に、前記ボタンの操作があった場合に、他の回答を再生することを特徴とする請求項２に記載の電子機器。
前記制御部は、前記マイクにより集音された質問と、前記サーバーから送信された回答と、を対応付けて、前記メモリに記憶することを特徴とする請求項３に記載の電子機器。
前記制御部は、前記メモリに記憶されている質問と、質問に対応する回答と、を連続して再生することを特徴とする請求項９に記載の電子機器。
前記制御部は、回答を、通常よりも、遅く、且つ、大きな音量で再生することを特徴とする請求項１〜１０のいずれか１項に記載の電子機器。