JP2021081505A - 画像処理装置及び制御方法 - Google Patents

Abstract

【課題】より短時間で音声認識を可能とすることができる画像形成装置を提供する。【解決手段】画像形成装置は、各状態に対応して発話内容を想定した語句を含む辞書を記憶している記憶回路１１０、操作者による音声の入力を受け付けるマイク、状態の遷移を検出する検出部１２２、検出部１２２により、状態の遷移が検出された場合、遷移後の状態に対応する辞書を選択する辞書選択部１２３、入力された音声に音声認識を施して文字列を生成し、選択された辞書から、生成した前記文字列に対応する語句を検索し、検索された語句を用いて、指示命令を生成する音声認識処理部１２４を備える。【選択図】図２

Description

本開示は、操作者の音声指示を受け付ける画像処理装置に関する。

近年、画像処理装置は、音声入力機能及び音声認識機能を備え、利用者の音声を認識することにより、音声による指示を受け付けるようになってきている。

特許文献１には、大規模な地震発生などの緊急時であっても適切な音声認識結果を得ることができる音声認識装置が開示されている。音声認識装置の言語モデル記憶部には、平常時の発話内容を想定した単語が登録された言語モデルが記憶されている。

第一に、音声認識装置の音声認識部は、緊急速報の受信前である平常時には、サーバー型音声認識を行う。すなわち、大規模な学習データを用いて学習した精密なモデルを保持した音声認識サーバーが携帯通信網内に設置されており、音声認識装置は、入力音声を音声認識サーバーへ送信し、音声認識サーバーによる認識結果を受信する。

第二に、通信状態に問題があるなど音声認識サーバーとの通信が確保できない場合には、クライアント型音声認識を行う。すなわち、音声認識部は、言語モデル記憶部に記憶された言語モデルを用いて入力音声に音声認識を施す。

特開２０１５−２１９２５３号公報

上記の通り、特許文献１により開示された技術によると、平常時において、サーバー型音声認識を行うと、高速の処理性能を有するサーバーにおいて、音声認識を行なうので、音声認識に要する時間は、短くてすむ。しかし、端末装置からサーバーに対して、音声データを送信するための時間を要し、また、サーバーから端末装置に対して、音声認識結果を送信するための時間を要する。また、平常時において、端末装置側でモデル記憶部に記憶された言語モデルを用いて音声認識を行なう場合、この言語モデルには、精密な音声認識を行うための大量の単語が登録されているので、音声認識において、入力された音声データに合致する単語を検索するため、時間を要する。

しかし、例えば、音声入力機能及び音声認識機能を備える画像処理装置において、利用者の音声操作により、誤った印刷設定をして、プリントジョブを実行した場合、その直後に、利用者が「キャンセル」と発話しても、上記のサーバー型音声認識を行なう場合においても、また、上記のクライアント型音声認識を行なう場合においても、音声認識結果を取得するまでに、時間を要するため、「キャンセル」に対する認識結果を受け取った時点では、既に、プリントが完了している場合がある。

実行中のプリントジョブをキャンセルする場合以外にも、上記のように、音声認識に時間を要するため、最初の音声操作が画像処理装置に認識されなかったと利用者が判断し、二度めの音声操作をする場合があり、このような場合に、画像処理装置において、二度の音声操作により、二回、ジョブが実行される場合がある。

本開示の態様は、画像処理装置の状態に対応する辞書を選択することにより、従来技術と比較してより短時間での音声認識を可能とする画像処理装置及び制御方法を提供することを目的とする。

上記目的を達成するため、本開示の一態様は、他の状態から遷移した一の状態において、操作者により入力された音声に音声認識を施して抽出した指示命令に基づいて、画像処理又は画像処理に付随する処理を行う画像処理装置であって、各状態に対応して発話内容を想定した語句を含む辞書を記憶している記憶手段と、状態の遷移を検出する検出手段と、状態の遷移が検出された場合、遷移後の状態に対応する辞書を選択する選択手段と、入力された音声に音声認識を施して文字列を生成し、選択された辞書から、生成した前記文字列に対応する語句を検索し、検索された語句を用いて、指示命令を生成する音声認識手段とを備えることを特徴とする。

ここで、前記検出手段により検出される遷移後の状態は、ジョブの実行状態であり、前記選択手段は、ジョブの実行状態に対応する辞書を選択してもよい。

ここで、前記検出手段により検出される遷移後の状態は、管理者により使用される管理者モードであり、前記選択手段は、管理者モードに対応する辞書を選択してもよい。

ここで、前記検出手段により検出される遷移後の状態は、サービスマンによりにより使用されるメンテナンスモードであり、前記選択手段は、メンテナンスモードに対応する辞書を選択してもよい。

ここで、前記記憶手段に記憶されている各辞書において、対応する状態に対応する語句が、他の状態に対応する語句より、優先して配置しており、前記音声認識手段は、選択された前記辞書において、優先して配置された語句から順に、検索してもよい。

また、本開示の一態様は、他の状態から遷移した一の状態において、操作者により入力された音声に音声認識を施して抽出した指示命令に基づいて、画像処理又は画像処理に付随する処理を行う画像処理装置において用いられる制御方法であって、前記画像処理装置は、各状態に対応して発話内容を想定した語句を含む辞書を記憶しており、前記制御方法は、状態の遷移を検出し、状態の遷移が検出された場合、遷移後の状態に対応する辞書を選択し、入力された音声に音声認識を施して文字列を生成し、選択された辞書から、生成した前記文字列に対応する語句を検索し、検索された語句を用いて、指示命令を生成することを特徴とする。

上記の態様によると、画像処理装置の状態に対応する辞書を選択することにより、従来技術と比較してより短時間での音声認識を可能としている。

実施の形態の画像形成装置１０の概略構成を示す図である。 制御回路１００の構成を示すブロック図である。 画像形成装置１０におけるモードの遷移を示す遷移図である。 辞書の切り換えの一例（その１）を示す。 辞書の切り換えの一例（その２）を示す。 辞書の切り換えの一例（その３）を示す。 画像形成装置１０における動作を示すフローチャートである。 辞書選択処理の動作を示すフローチャートである。 優先度に従って配置された語句を含む辞書の一例を示す。

１ 実施の形態
本開示に係る一の実施の形態としての画像形成装置１０について図面を参照しながら説明する。

１．１ 画像形成装置１０
画像形成装置１０は、図１に示すように、スキャナー、プリンター及びコピー機の機能を有するタンデム型のカラー複合機（ＭＦＰ：MultiFunction Peripheral）である。

画像形成装置１０は、操作者から音声による入力を受け付け、受け付けた音声の指示に従って、動作する。ここで、操作者には、画像形成装置１０によるプリント、スキャン等のサービスを受ける利用者、画像形成装置１０を管理する管理者及び画像形成装置１０の保守・点検等を行うサービスマンが含まれる。

また、画像形成装置１０は、複数のモード（状態）を切り換えて動作する。つまり、一の状態から他の状態に遷移して、動作する。ここで、モードの例は、ジョブ実行中モード、ジョブの実行が終了した後、一定時間が経過するまでの時間経過待ちモード、利用者によりジョブの設定がされるジョブ設定モード、管理者により管理用の操作がされる管理者モード、サービスマンにより保守・点検等がされるサービスマンモード及び各モードから復帰等するニュートラルモード等である。

画像形成装置１０は、この図に示すように、筐体底部に、記録シートを収容し、給送する給紙部１３が設けられている。給紙部１３の上方には、電子写真方式により画像を形成するプリンター１２が設けられている。プリンター１２のさらに上方に、原稿を読み取って画像データを生成するイメージリーダー１１、及び、操作画面を表示し、操作者から入力操作を受け付ける操作パネル１９が設けられている。

イメージリーダー１１は、自動原稿搬送装置を有している。自動原稿搬送装置は、原稿トレイにセットされた原稿を、搬送路を介して、１枚ずつ原稿ガラス板へ搬送する。イメージリーダー１１は、自動原稿搬送装置によって原稿ガラス板の所定位置に搬送された原稿、又は、操作者により原稿ガラス板の上に載置された画像をスキャナーの移動によって読み取り、レッド（Ｒ）、グリーン（Ｇ）、ブルー（Ｂ）の多値デジタル信号からなる画像データを得る。

イメージリーダー１１で得られた各色成分の画像データは、制御回路１００において各種のデータ処理を受け、更にイエロー（Ｙ）、マゼンタ（Ｍ）、シアン（Ｃ）、ブラック（Ｋ）の各再現色の画像データに変換される。

プリンター１２は、駆動ローラーと従動ローラーとバックアップローラーとにより張架される中間転写ベルト２１、二次転写ローラー２２、中間転写ベルト２１に対向して中間転写ベルト２１の走行方向Ｘに沿って所定間隔で配置された作像部２０Ｙ、２０Ｍ、２０Ｃ、２０Ｋ、定着部５０、制御回路１００等からなる。

作像部２０Ｙ、２０Ｍ、２０Ｃ、２０Ｋは、それぞれ、Ｙ、Ｍ、Ｃ、Ｋ色のトナー像を作像する。具体的には、作像部２０Ｋは、像担持体である感光体ドラム、感光体ドラム表面を露光走査するためのＬＥＤアレイ、帯電チャージャー、現像器、クリーナー及び一次転写ローラーなどからなる。作像部２０Ｙ、２０Ｍ、２０Ｃも、作像部２０Ｋと同じ構成を有している。

作像部２０Ｋにおいて、感光体ドラムは、帯電チャージャーにより一様に帯電され、ＬＥＤアレイにより露光され、感光体ドラムの表面に静電潜像が形成される。静電潜像は、対応する色の現像器により現像され、感光体ドラムの表面にＫ色のトナー像が形成され、トナー像は、中間転写ベルト２１の裏面側に配設された一次転写ローラーの静電作用により、中間転写ベルト２１の表面上に転写される。

作像部２０Ｙ、２０Ｍ、２０Ｃについても、作像部２０Ｋと同様であり、中間転写ベルト２１の表面上にＹ〜Ｃ色のトナー像を転写する。

中間転写ベルト２１上で、Ｙ〜Ｋ色のトナー像が多重転写されるように、各色の作像タイミングがずらされている。

給紙部１３は、サイズの異なる記録シートを収容する給紙カセット６０、６１、６２と、この記録シートを各給紙カセットから搬送路に繰り出すためのピックアップローラー６３、６４、６５とから構成されている。

給紙部１３のいずれかの給紙カセットから、作像部２０Ｙ〜２０Ｋによる作像動作に合わせて、記録シートが給送される。

記録シートは、二次転写ローラー２２とバックアップローラーとが中間転写ベルト２１を挟んで対向する二次転写位置へと搬送路上を搬送され、二次転写位置で、二次転写ローラー２２の静電的作用により、中間転写ベルト２１上で多重転写されたＹ〜Ｋ色のトナー像が記録シートへ二次転写される。Ｙ〜Ｋ色のトナー像が二次転写された記録シートは、さらに定着部５０まで搬送される。

記録シートの表面のトナー像は、定着部５０の加熱ローラー５１とこれに圧接された加圧ローラー５２との間に形成される定着ニップを通過する際に、加熱及び加圧により、記録シートの表面に融着して定着され、記録シートは、定着部５０を通過した後、排出トレイ１５へ送出される。

操作パネル１９には、液晶表示板などで構成される表示部が設けられ、操作者によって設定された内容や各種のメッセージを表示する。操作パネル１９は、操作者からの、コピー開始の指示、コピー枚数の設定、複写条件の設定、データの出力先の設定、音声入力の開始などを受け付け、受け付けた内容を制御回路１００に通知する。また、操作パネル１９には、操作者の音声の入力を受け付けるマイク１８が備えられている。

１．２ 制御回路１００
制御回路１００は、図２に示すように、ＣＰＵ１０１、ＲＯＭ１０２、ＲＡＭ１０３、画像メモリ１０４、画像処理回路１０５、ネットワーク通信回路１０６、スキャナー制御回路１０７、入出力回路１０８、プリンター制御回路１０９、記憶回路１１０、入力回路１１１等から構成されている。

ＣＰＵ１０１、ＲＯＭ１０２及びＲＡＭ１０３は、主制御部１０１ａを構成している。

ＲＡＭ１０３は、各種の制御変数及び操作パネル１９により設定されたコピー枚数などを一時記憶すると共に、ＣＰＵ１０１によるプログラム実行時のワークエリアを提供する。

ＲＯＭ１０２には、コピー動作などの各種ジョブを実行させるための制御プログラムなどが格納されている。

ＣＰＵ１０１は、ＲＯＭ１０２に記憶されている制御プログラムに従って動作する。

ＣＰＵ１０１が、制御プログラムに従って動作することにより、主制御部１０１ａは、機能的に、統括制御部１２１、検出部１２２、辞書選択部１２３、音声認識処理部１２４及び実行部１２５を構成する。

統括制御部１２１は、画像メモリ１０４、画像処理回路１０５、ネットワーク通信回路１０６、スキャナー制御回路１０７、入出力回路１０８、プリンター制御回路１０９、記憶回路１１０、入力回路１１１等を統一的に制御する。

また、統括制御部１２１は、検出部１２２、辞書選択部１２３、音声認識処理部１２４及び実行部１２５を制御して、それぞれの動作を実行させる。検出部１２２、辞書選択部１２３、音声認識処理部１２４及び実行部１２５については、後述する。

さらに、統括制御部１２１は、操作パネル１９から操作者の操作を受け付ける。操作者の操作には、音声により入力される操作指示も含まれる。操作者の操作が、例えば、プリント指示である場合、統括制御部１２１は、プリンター制御回路１０９に対して、画像形成処理を実行させる。操作者の操作がその他の指示である場合、統括制御部１２１は、その他の処理を実行させる。

画像メモリ１０４は、プリントジョブ等の画像データを一時的に記憶する。

画像処理回路１０５は、例えば、イメージリーダー１１で得られたＲ、Ｇ、Ｂの各色成分の画像データに対して、各種のデータ処理を施して、Ｙ、Ｍ、Ｃ、Ｋの各再現色の画像データに変換する。

ネットワーク通信回路１０６は、ＬＡＮなどのネットワークを介してＰＣ（パーソナルコンピューター）などの外部端末装置からのプリントジョブを受け付ける。

スキャナー制御回路１０７は、イメージリーダー１１を制御し、原稿の画像の読み取り動作を実行させる。

プリンター制御回路１０９は、プリンター１２を制御し、画像形成を実行させる。

記憶回路１１０については、以下に説明する。

入力回路１１１は、マイク１８からアナログの音声信号を受け取り、受け取った音声信号をデジタル信号に変換し、増幅等を行って、音声データを生成し、生成した音声データを音声認識処理部１２４に対して、出力する。

（２）記憶回路１１０
記憶回路１１０（記憶手段）は、例えば、不揮発性の半導体メモリ等から構成されている。もちろん、記憶回路１１０は、ハードディスクから構成されている、としてもよい。

記憶回路１１０は、予め、全ワード辞書２０１、ジョブ設定用辞書２０２、ジョブ実行中用辞書２０３、ジョブ実行後用辞書２０４、管理者用辞書２０５及びサービスマン用辞書２０６を記憶している。

これらの辞書は、後述する音声認識処理において、音声データに音声認識を施して、入力された音声を表した文字列に対応する語句を検索するために、用いられる。

全ワード辞書２０１は、ニュートラルモードに対応している。全ワード辞書２０１は、ニュートラルモードの場合に、全ての操作者から音声により入力される発話内容を想定した語句を含んでいる。図４に示すように、全ワード辞書２０１は、「カラー」、「濃度」、「画面」、「２ｉｎ１」、・・・、「キャンセル」、「ストップ」、「止めて」、・・・、「マシン調整」、「プロセス調整」等の語句を含む。

ジョブ設定用辞書２０２は、ジョブ設定モードに対応している。ジョブ設定用辞書２０２は、ジョブ設定モードの場合に、主として、利用者から音声により入力される発話内容を想定した語句を含んでいる。図４に示すように、ジョブ設定用辞書２０２は、ジョブ設定において用いられる「カラー」、「濃度」、「画面」、「２ｉｎ１」、・・・等の語句を含む。

ジョブ実行中用辞書２０３は、ジョブ実行中モードに対応している。ジョブ実行中用辞書２０３は、ジョブ実行中モードの場合に、主として、利用者から音声により入力される発話内容を想定した語句を含んでいる。図４に示すように、ジョブ実行中用辞書２０３は、ジョブ実行中に用いられる「キャンセル」、「ストップ」、「止めて」、・・・等の語句を含む。

ジョブ実行後用辞書２０４は、ジョブ実行が終了した後の時間経過待ちモードに対応している。ジョブ実行後用辞書２０４は、時間経過待ちモードにおいて、主として、利用者から音声により入力される発話内容を想定した語句を含んでいる。図４に示すように、ジョブ実行後用辞書２０４は、時間経過待ちモードにおいて用いられる「ジョブ表示」、「履歴」、「通信リスト」、・・・等の語句を含む。

管理者用辞書２０５は、管理者モードに対応している。管理者用辞書２０５は、管理者モードの場合に、管理者から音声により入力される発話内容を想定した語句を含んでいる。図５に示すように、管理者用辞書２０５は、画像形成装置１０に対する管理において用いられる「ネットワーク」、「ＴＣＰ／ＩＰ設定」、「セキュリティ設定」、「ユーザー認証」、・・・等の語句を含む。

サービスマン用辞書２０６は、サービスマンモードに対応している。サービスマン用辞書２０６は、サービスマンモードの場合に、サービスマンから音声により入力される発話内容を想定した語句を含んでいる。図６に示すように、サービスマン用辞書２０６は、画像形成装置１０に対する保守・点検等において用いられる「マシン調整」、「プロセス調整」、「ファームウェアバージョン」、「カウンター」、「ＡＤＦ調整」、・・・等の語句を含む。

（３）検出部１２２
図３に、画像形成装置１０におけるモードの遷移を示す。

この図に示すように、画像形成装置１０においては、ニュートラルモード３０１、ジョブ設定モード３０２、ジョブ実行中モード３０３、時間経過待ちモード３０４、管理者モード３０５及びサービスマンモード３０６等の間を遷移する。

画像形成装置１０は、電源ＯＮ（３１１）の後、一定時間が経過すると、ニュートラルモード３０１に遷移する。

画像形成装置１０は、ニュートラルモード３０１において、ジョブ設定が開始され（３１２）、ジョブが開始され（３１４）、管理者モードが開始され（３１７）及びサービスマンモードが開始される（３１９）と、それぞれ、ジョブ設定モード３０２、ジョブ実行中モード３０３、管理者モード３０５及びサービスマンモード３０６に遷移する。

また、画像形成装置１０は、ジョブ設定モード３０２、管理者モード３０５及びサービスマンモード３０６において、それぞれのモードが終了すると（３１３、３１８、３２０）、ニュートラルモード３０１に遷移する。

また、画像形成装置１０は、ジョブ設定モード３０２において、ジョブが開始されると（３２１）、ジョブ実行中モード３０３に遷移する。

さらに、画像形成装置１０は、ジョブ実行中モード３０３において、そのモードが終了すると（３１５）、時間経過待ちモード３０４に遷移する。また、画像形成装置１０は、時間経過待ちモード３０４において、そのモードが終了（満了）すると（３１６）、ニュートラルモード３０１に遷移する。

検出部１２２（検出手段）は、画像形成装置１０における上記のモードの切換えを検出する（遷移を検出する）。

具体的には、検出部１２２は、電源ＯＮ（３１１）の後の一定時間の経過、ジョブ設定の開始（３１２）、管理者モードの開始（３１７）及びサービスマンモードの開始（３１９）を検出する。また、検出部１２２は、ジョブ設定モード３０２、ジョブ実行中モード３０３、管理者モード３０５及びサービスマンモード３０６のそれぞれのモードの終了（３１３、３１５、３１８、３２０）を検出する。さらに、検出部１２２は、時間経過待ちモード３０４の満了（３１６）を検出する。

上記の検出により、検出部１２２は、モードの切換えを検出する。

（４）辞書選択部１２３
辞書選択部１２３（選択手段）は、検出部１２２により、モードの切換えが検出された場合、切り換え後のモードに対応する辞書を選択する。

具体的には、ニュートラルモード３０１、ジョブ設定モード３０２、ジョブ実行中モード３０３、時間経過待ちモード３０４、管理者モード３０５及びサービスマンモード３０６への切換えが検出された場合、辞書選択部１２３は、それぞれ、全ワード辞書２０１、ジョブ設定用辞書２０２、ジョブ実行中用辞書２０３、ジョブ実行後用辞書２０４、管理者用辞書２０５及びサービスマン用辞書２０６を選択する。

（５）音声認識処理部１２４
音声認識処理部１２４（音声認識手段）は、統括制御部１２１の制御により、以下に示すようにして、受信した音声データに音声認識処理を施して、ＭＦＰコマンドを生成する。

音声認識処理部１２４は、マイク１８から、入力回路１１１を介して、受信した音声データに対して、母音、子音、撥音の音素のパターンに一致する区間を特定し、音素を表す識別子の並び（文字列）を生成する。次に、音声認識処理部１２４は、辞書選択部１２３により選択された辞書から、生成した文字列に対応する語句を検索する。次に、音声認識処理部１２４は、意味解析を行って、品詞を特定し、係り受けの判定を行う。次に、音声認識処理部１２４は、処理の操作対象と動作等を特定する。こうして、音声認識処理部１２４は、特定した処理の操作対象と動作等から、ＭＦＰコマンド（指示命令）を生成する。

例えば、利用者の音声入力が、「カラーで、３部コピーして」である場合、ＭＦＰコマンドは、次のようになる。

ＭＦＰコマンド＝コピージョブ（色＝カラー、部数＝３）
次に、音声認識処理部１２４は、ＭＦＰコマンドを、実行部１２５に対して出力する。

なお、生成されるＭＦＰコマンドは、コピージョブには限定されない。ＭＦＰコマンドは、スキャンジョブ、プリントジョブ等も含む。

また、生成されるＭＦＰコマンドは、設定パラメーター（例えば、色＝カラー、部数＝３）を伴う、ジョブ（例えば、コピージョブ）には、限定されない。

ＭＦＰコマンドは、各モードにおいて発話される設定パラメーターのみを含むとしてもよい。例えば、ＭＦＰコマンドは、ジョブに伴う設定パラメーター（例えば、色＝カラー）のみを含むとしてもよい。また、ＭＦＰコマンドは、管理者モードにおいて発話されるされる設定パラメーター（例えば、「ネットワーク」、「セキュリティ設定」等）のみを含むとしてもよい。さらに、ＭＦＰコマンドは、サービスマンモードにおいて発話されるされる設定パラメーター（例えば、「マシン調整」、「プロセス調整」等）のみを含むとしてもよい。

（６）実行部１２５
実行部１２５は、音声認識処理部１２４から、ＭＦＰコマンドを、受信する。実行部１２５は、受信したＭＦＰコマンドに従って、処理を実行する。

受信したＭＦＰコマンドが例えば、「プリント実行」である場合、実行部１２５は、プリントジョブを実行する。受信したＭＦＰコマンドが例えば、「濃度の設定」である場合、実行部１２５は、濃度の設定を行う。受信したＭＦＰコマンドが例えば、「キャンセル」である場合、実行部１２５は、実行中のプリントジョブを停止する。

このように、実行部１２５は、ＭＦＰコマンド（指示命令）に従って、画像処理又は画像処理に付随する処理を行う。

１．３ 画像形成装置１０における辞書の切り換え例
画像形成装置１０における辞書の切り換え例について説明する。

（１）辞書の切り換え例（その１）
辞書の切り換えの一例を図４に示す。

検出部１２２が、電源ＯＮの後の一定時間の経過を検出すると（２５１）、辞書選択部１２３は、全ワード辞書２０１を選択する。音声認識処理部１２４は、全ワード辞書２０１を用いる。

次に、検出部１２２が、ジョブ設定開始を検出すると（２５２）、辞書選択部１２３は、ジョブ設定用辞書２０２を選択する。音声認識処理部１２４は、ジョブ設定用辞書２０２を用いる。

次に、検出部１２２が、ジョブ開始を検出すると（２５３）、辞書選択部１２３は、ジョブ実行中用辞書２０３を選択する。音声認識処理部１２４は、ジョブ実行中用辞書２０３を用いる。

次に、検出部１２２が、ジョブ終了を検出すると（２５４）、辞書選択部１２３は、ジョブ実行後用辞書２０４を選択する。音声認識処理部１２４は、ジョブ実行後用辞書２０４を用いる。

次に、検出部１２２が、オートリセットを検出すると（つまり、時間経過待ちモードの満了を検出すると）（２５５）、辞書選択部１２３は、全ワード辞書２０１を選択する。音声認識処理部１２４は、全ワード辞書２０１を用いる。

（２）辞書の切り換え例（その２）
辞書の切り換えの一例を図５に示す。

検出部１２２が、電源ＯＮの後の一定時間の経過を検出すると（２６１）、辞書選択部１２３は、全ワード辞書２０１を選択する。音声認識処理部１２４は、全ワード辞書２０１を用いる。

次に、検出部１２２が、管理者モードの開始を検出すると（２６２）、辞書選択部１２３は、管理者用辞書２０５を選択する。音声認識処理部１２４は、管理者用辞書２０５を用いる。

次に、検出部１２２が、管理者モードの終了を検出すると（２６３）、辞書選択部１２３は、全ワード辞書２０１を選択する。音声認識処理部１２４は、全ワード辞書２０１を用いる。

（３）辞書の切り換え例（その３）
辞書の切り換えの一例を図６に示す。

検出部１２２が、電源ＯＮの後の一定時間の経過を検出すると（２７１）、辞書選択部１２３は、全ワード辞書２０１を選択する。音声認識処理部１２４は、全ワード辞書２０１を用いる。

次に、検出部１２２が、サービスマンモードの開始を検出すると（２７２）、辞書選択部１２３は、サービスマン用辞書２０６を選択する。音声認識処理部１２４は、サービスマン用辞書２０６を用いる。

次に、検出部１２２が、サービスマンモードの終了を検出すると（２７３）、辞書選択部１２３は、全ワード辞書２０１を選択する。音声認識処理部１２４は、全ワード辞書２０１を用いる。

１．４ 画像形成装置１０における動作
（１）画像形成装置１０における動作
画像形成装置１０における動作について、図７に示すフローチャートを用いて説明する。

操作パネル１９は、操作者から入力を受け付け、受け付けた入力が音声入力の開始である場合（ステップＳ１０１で「音声入力」）、辞書選択処理が実施される（ステップＳ１０２）。次に、マイク１８は、音声の入力を受け付ける（ステップＳ１０３）。次に、音声認識処理部１２４は、入力された音声データに対して、音声認識を施す（ステップＳ１０４）。実行部１２５は、認識結果に応じて、処理を実行する（ステップＳ１０５）。

操作パネル１９から、音声入力の終了を受信した場合（ステップＳ１０６で「ＹＥＳ」）、ステップＳ１０１に戻って、処理を繰り返す。

操作パネル１９から、音声入力の終了を受信しない場合（ステップＳ１０６で「ＮＯ」）、ステップＳ１０２に戻って、処理を繰り返す。

操作パネル１９から受け付けた入力が音声入力の開始以外である場合（ステップＳ１０１で「他」）、他の処理が実施される。

（２）辞書選択処理における動作
辞書選択処理における動作について、図８に示すフローチャートを用いて説明する。なお、ここで説明する動作は、図７に示すフローチャートのステップＳ１０２における詳細である。

検出部１２２は、画像形成装置１０におけるモードの変化を検出する（ステップＳ１２１）。

検出部１２２がジョブ設定開始を検出すると（ステップＳ１２１で「ジョブ設定開始」）、辞書選択部１２３は、ジョブ設定用辞書２０２を選択する（ステップＳ１２２）。

検出部１２２がジョブ開始を検出すると（ステップＳ１２１で「ジョブ開始」）、辞書選択部１２３は、ジョブ実行中用辞書２０３を選択する（ステップＳ１２３）。

検出部１２２がジョブ終了を検出すると（ステップＳ１２１で「ジョブ終了」）、辞書選択部１２３は、ジョブ実行後用辞書２０４を選択する（ステップＳ１２４）。

検出部１２２がオートリセットを検出すると（つまり、時間経過待ちモードの満了を検出すると）（ステップＳ１２１で「満了」）、辞書選択部１２３は、全ワード辞書２０１を選択する（ステップＳ１２５）。

検出部１２２が電源ＯＮの後の一定時間の経過を検出すると（ステップＳ１２１で「電源ＯＮ」）、辞書選択部１２３は、全ワード辞書２０１を選択する（ステップＳ１２６）。

検出部１２２が管理者モードの開始を検出すると（ステップＳ１２１で「管理者モード開始）、辞書選択部１２３は、管理者用辞書２０５を選択する（ステップＳ１２７）。

検出部１２２が管理者モードの終了を検出すると（ステップＳ１２１で「管理者モード終了）、辞書選択部１２３は、全ワード辞書２０１を選択する（ステップＳ１２８）。

検出部１２２がサービスマンモードの開始を検出すると（ステップＳ１２１で「サービスマンモード開始）、辞書選択部１２３は、サービスマン用辞書２０６を選択する（ステップＳ１２９）。

検出部１２２がサービスマンモードの終了を検出すると（ステップＳ１２１で「サービスマンモード終了）、辞書選択部１２３は、全ワード辞書２０１を選択する（ステップＳ１３０）。

検出部１２２がモードの変化を検出しない場合（ステップＳ１２１で「変化なし）、辞書選択部１２３による辞書の選択は行われない。その時点における辞書の選択が維持される。

１．５ まとめ
上記の実施の形態によると、画像形成装置１０は、各モードに対応して発話内容を想定した語句を含む辞書を記憶している。検出部１２２は、モードの変化を検出し、辞書選択部１２３は、モードの切換えが検出された場合、切り換え後のモードに対応する辞書を選択する。音声認識処理部１２４は、モードに応じて選択された辞書を用いて、音声データに音声認識を施す。

このように、画像形成装置１０のモードに対応する辞書を選択することにより、音声認識処理において、従来技術と比較してより短時間での音声認識を可能としている。

２ その他の変形例
本開示について、上記の実施の形態に基づいて説明しているが、実施の形態に限定されない。実施の形態の変形例について、以下に説明する。

（１）上記の実施の形態において、画像形成装置１０の取り得るモードに対応する辞書は、そのモードにおいて、発話が予想される語句のみを含んでいる。しかし、これには限定されない。

記憶回路１１０に記憶されている各辞書において、対応する状態に対応する語句が、他の状態に対応する語句より、優先して配置している、としてもよい。

（ａ）例えば、記憶回路１１０は、図４に示すジョブ実行中用辞書２０３に代えて、図９に示すジョブ実行中用辞書２１１を記憶してもよい。

ジョブ実行中用辞書２１１は、ジョブ実行中用の部分２１１ａと、ジョブ設定用の部分２１１ｂと、ジョブ実行後用の部分２１１ｃとから構成されている。部分２１１ａ、部分２１１ｂ及び部分２１１ｃは、それぞれ、ジョブ実行中用辞書２０３、ジョブ設定用辞書２０２、ジョブ実行後用辞書２０４と同じ内容の語句を含んでいる。

部分２１１ａは、部分２１１ｂ及び部分２１１ｃより、優先度が高くなるように、ジョブ実行中用辞書２１１内において、配置されている。また、部分２１１ｂは、部分２１１ｃより、優先度が高くなるように、ジョブ実行中用辞書２１１内において、配置されている。

例えば、部分２１１ａは、ジョブ実行中用辞書２１１の先頭位置に配置されている。また、部分２１１ｂは、部分２１１ａに続く位置に配置されている。さらに、部分２１１ｃは、部分２１１ｂに続く位置に配置されている。音声認識処理部１２４は、ジョブ実行中用辞書２１１において語句を検索する場合に、ジョブ実行中用辞書２１１の先頭位置から末尾に向けて、語句の検索を行う。従って、ジョブ実行中用辞書２１１の先頭位置（つまり、部分２１１ａ）に配置されている語句が最初に検索される。

こうして、ジョブ実行中用辞書２１１のうち、部分２１１ａが最初に検索されるので、ジョブ実行中の状態において、ジョブ実行中用辞書２１１を選択することにより、ジョブ実行中の状態において、発話されると予想される語句を短時間で検索することができる。

また、ジョブ実行中用辞書２１１は、部分２１１ｂ、部分２１１ｃをも含んでいるので、ジョブ実行中に、ジョブ設定のための発話がされた場合であっても、その音声を認識することができるし、ジョブ実行中に、ジョブ実行後のための発話がされた場合であっても、その音声を認識することができる。

このように、ジョブ実行中用辞書２１１においては、実行中のジョブを停止させるための語句に、最も高い優先度を設定している。これにより、実行中のジョブを停止させるための語句の音声認識に要する時間を短縮している。また、ジョブ実行中用辞書２１１には、ジョブ設定用の語句及びジョブ実行後用の語句も含まれている。このため、ジョブ実行中に、ジョブ設定用の語句又はジョブ実行後用の語句が発話された場合であっても、音声認識を可能としている。

なお、部分２１１ｃは、部分２１１ｂより、優先度が高くなるように、ジョブ実行中用辞書２１１内において、配置されている、としてもよい。

（ｂ）ジョブ設定モードにおいても、又は、時間経過待ちモードにおいても、ジョブ実行中用辞書２１１と同様に、優先度が設定された辞書を選択してよい。

例えば、ジョブ設定モードにおいては、図４に示すジョブ設定用辞書２０２に代えて、次に示すジョブ設定用辞書を選択してもよい。

このジョブ設定用辞書においては、図９に示す部分２１１ｂが、部分２１１ａ及び部分２１１ｃより、優先度が高くなるように、配置されている。また、部分２１１ｃが、部分２１１ａより、優先度が高くなるように、配置されている。

また、例えば、時間経過待ちモードにおいては、図４に示すジョブ実行後用辞書２０４に代えて、次に示すジョブ実行後用辞書を選択してもよい。

このジョブ実行後用辞書においては、図９に示す部分２１１ｃが、部分２１１ａ及び部分２１１ｂより、優先度が高くなるように、配置されている。また、部分２１１ｂが、部分２１１ａより、優先度が高くなるように、配置されている。

（ｃ）管理者モードにおいても、ジョブ実行中用辞書２１１と同様に、優先度が設定された辞書を選択してよい。

例えば、管理者モードにおいては、図５に示す管理者用辞書２０５に代えて、次に示す管理者用辞書を選択してもよい。

この管理者用辞書においては、図９に示す部分２１１ａが、優先度が最も高くなるように、配置されている。また、管理者用辞書２０５と同じ内容の語句が、部分２１１ａに続いて、優先度が高くなるように、配置されている。

このように、この管理者用辞書には、ジョブの実行の停止に係る語句を含む部分２１１ａが、最も優先度を高く設定して、含まれている。このため、管理者が緊急にジョブを停止したい場合であっても、音声データが効果的に音声認識される。

（ｄ）サービスマンモードにおいても、ジョブ実行中用辞書２１１と同様に、優先度が設定された辞書を選択してよい。

例えば、サービスマンモードにおいては、図６に示すサービスマン用辞書２０６に代えて、次に示すサービスマン用辞書を選択してもよい。

このサービスマン辞書においては、サービスマン用辞書２０６と同じ内容の語句が、最も優先度が高くなるように、配置されている。続いて、図５に示す管理者用辞書２０５と同じ内容の語句が、次の優先度となるように、配置されている。

このように、このサービスマン用辞書には、図６に示すサービスマン用辞書２０６の内容と同じ語句、及び、図５に示す管理者用辞書２０５と同じ内容の語句が含まれている。サービスマンが発話する内容と、管理者が発話する内容との間には、重複が多いと考えられるので、サービスマンが、管理者用辞書２０５に含まれる語句と同じ内容の発話をした場合であっても、音声データが効果的に音声認識される。

（２）上記の実施の形態において、画像形成装置１０は、中間転写ベルト２１を備えているが、これには限定されない。

画像形成装置は、中間転写ベルトを備えず、感光体ドラムから記録シートに対して、直接、トナー像を転写する直接転写方式を採用している、としてもよい。

（３）上述したように、画像形成装置は、マイクロプロセッサーとメモリとを備えたコンピューターシステムである。メモリは、コンピュータープログラムを記憶しており、マイクロプロセッサーは、コンピュータープログラムに従って動作するとしてもよい。

マイクロプロセッサーは、フェッチ部、解読部、実行部、レジスタファイル、命令カウンターなどから構成されている。フェッチ部は、メモリに記憶されているコンピュータープログラムから、コンピュータープログラムに含まれる各命令コードを１個ずつ読み出す。解読部は、読み出した命令コードを解読する。実行部は、解読結果に従って動作する。このように、マイクロプロセッサーは、メモリに記憶されているコンピュータープログラムに従って動作する。

ここで、コンピュータープログラムは、所定の機能を達成するために、コンピューターに対する指令を示す命令コードが複数個組み合わされて構成されたものである。

また、コンピュータープログラムは、コンピューター読み取り可能な記録媒体、例えば、フレキシブルディスク、ハードディスク、光ディスク、半導体メモリなどに記録されているとしてもよい。

また、コンピュータープログラムを、有線又は無線の電気通信回線、インターネットを代表とするネットワーク、データ放送等を経由して伝送してもよい。

（４）上記実施の形態及び上記変形例をそれぞれ組み合わせるとしてもよい。

本開示の態様にかかる画像処理装置は、その状態に対応する辞書を選択することにより、従来技術と比較してより短時間での音声認識を可能とする、という優れた効果を奏する。このため、操作者の音声指示を受け付ける装置として有用である。

１０ 画像形成装置
１１ イメージリーダー
１２ プリンター
１３ 給紙部
１８ マイク
１９ 操作パネル
１００ 制御回路
１０１ ＣＰＵ
１０１ａ 主制御部
１０２ ＲＯＭ
１０３ ＲＡＭ
１０４ 画像メモリ
１０５ 画像処理回路
１０６ ネットワーク通信回路
１０７ スキャナー制御回路
１０８ 入出力回路
１０９ プリンター制御回路
１１０ 記憶回路
１１１ 入力回路
１２１ 統括制御部
１２２ 検出部
１２３ 辞書選択部
１２４ 音声認識処理部
１２５ 実行部

Claims (6)

1. 他の状態から遷移した一の状態において、操作者により入力された音声に音声認識を施して抽出した指示命令に基づいて、画像処理又は画像処理に付随する処理を行う画像処理装置であって、
   各状態に対応して発話内容を想定した語句を含む辞書を記憶している記憶手段と、
   状態の遷移を検出する検出手段と、
   状態の遷移が検出された場合、遷移後の状態に対応する辞書を選択する選択手段と、
   入力された音声に音声認識を施して文字列を生成し、選択された辞書から、生成した前記文字列に対応する語句を検索し、検索された語句を用いて、指示命令を生成する音声認識手段と
   を備えることを特徴とする画像処理装置。
2. 前記検出手段により検出される遷移後の状態は、ジョブの実行状態であり、
   前記選択手段は、ジョブの実行状態に対応する辞書を選択する
   ことを特徴とする請求項１に記載の画像処理装置。
3. 前記検出手段により検出される遷移後の状態は、管理者により使用される管理者モードであり、
   前記選択手段は、管理者モードに対応する辞書を選択する
   ことを特徴とする請求項１に記載の画像処理装置。
4. 前記検出手段により検出される遷移後の状態は、サービスマンによりにより使用されるメンテナンスモードであり、
   前記選択手段は、メンテナンスモードに対応する辞書を選択する
   ことを特徴とする請求項１に記載の画像処理装置。
5. 前記記憶手段に記憶されている各辞書において、対応する状態に対応する語句が、他の状態に対応する語句より、優先して配置しており、
   前記音声認識手段は、選択された前記辞書において、優先して配置された語句から順に、検索する
   ことを特徴とする請求項１に記載の画像処理装置。
6. 他の状態から遷移した一の状態において、操作者により入力された音声に音声認識を施して抽出した指示命令に基づいて、画像処理又は画像処理に付随する処理を行う画像処理装置において用いられる制御方法であって、
   前記画像処理装置は、各状態に対応して発話内容を想定した語句を含む辞書を記憶しており、
   前記制御方法は、
   状態の遷移を検出し、
   状態の遷移が検出された場合、遷移後の状態に対応する辞書を選択し、
   入力された音声に音声認識を施して文字列を生成し、選択された辞書から、生成した前記文字列に対応する語句を検索し、検索された語句を用いて、指示命令を生成する
   ことを特徴とする制御方法。

Images