JP2021152589A - 電子機器の制御装置、制御プログラム、制御方法、電子機器 - Google Patents

Abstract

【課題】サーバの負荷を低減する。【解決手段】音声認識装置（１０）の制御装置（２）は、入力された音声情報の認識処理を行う音声認識部（２３）と、音声情報をクラウドサーバ（２０）に送信するとともに、クラウドサーバ（２０）に対して音声情報の認識処理を行わせるための音声認識要求を送信し、クラウドサーバ（２０）による音声認識結果に認識エラーが発生したか否かを判定する音声認識制御部（２２）と、を備え、音声認識制御部（２２）は、前記認識エラーが所定回数を超えた場合、クラウドサーバ（２０）に対する音声認識要求の送信を中止する。【選択図】図１

Description

本発明は、外部のサーバと通信可能であり、音声情報の入力が可能な電子機器を制御する制御装置などに関する。

近年、ユーザが発した音声に対して応答する対話装置が開発されている。また、対話装置を、通信ネットワークを介してサーバ装置と接続させ、音声認識をサーバ装置にて実行させる対話システムも開発されている。この対話システムでは、対話装置はサーバ装置から受信した音声認識結果を用いて応答に関する情報を検索するようになっている。

特許文献１には、誤認識や認識エラーが生じても対話の実行効率を落さず音声対話を実行することができる音声利用システムが開示されている。この音声利用システムは、音声認識処理アルゴリズムが異なる複数の音声認識エンジンを備え、これらを切り替えることで音声認識処理アルゴリズムを変更するようになっている。

特開２００３−１４０６９１号公報

しかしながら、上述のような従来技術は、複数の音声認識エンジンを使用することで、サーバにおける環境ノイズに対応するための処理が増加してしまう傾向があり、サーバの負荷が増加してしまうという問題点がある。

本発明の一態様は、前記の問題点に鑑みて為されたものであり、その目的は、サーバの負荷を低減することができる電子機器の制御装置などを実現することにある。

前記の課題を解決するために、本発明の一態様に係る電子機器の制御装置は、外部のサーバと通信可能であり、音声情報の入力が可能な電子機器を制御する制御装置であって、入力された前記音声情報の認識処理を行う音声認識部と、前記音声情報を前記サーバに送信するとともに、前記サーバに対して前記音声情報の認識処理を行わせるための音声認識要求を送信し、前記サーバによる音声認識結果に認識エラーが発生したか否かを判定する音声認識制御部と、を備え、前記音声認識制御部は、前記サーバでの前記認識エラーが所定回数を超えた場合、前記サーバに対する前記音声認識要求の送信を中止する構成である。

前記の課題を解決するために、本発明の一態様に係る制御方法は、外部のサーバと通信可能であり、音声情報の入力が可能な電子機器を制御する制御方法であって、入力された前記音声情報の認識処理を行う音声認識ステップと、前記音声情報を前記サーバに送信するとともに、前記サーバに対して前記音声情報の認識処理を行わせるための音声認識要求を送信し、前記サーバによる音声認識結果について認識エラーが発生したか否かを判定する音声認識制御ステップにより、前記音声認識制御ステップで、前記認識エラーの回数が所定回数を超えた場合、前記サーバに対する前記音声認識要求の送信を中止する方法である。

前記の課題を解決するために、本発明の一態様に係る電子機器は、少なくとも１つの音声入力装置と、外部のサーバと通信を行う少なくとも１つの通信装置と、少なくとも１つの制御装置を備えた電子機器であって、前記制御装置は、前記音声入力装置に入力された音声情報の認識処理を行う音声認識処理と、前記通信装置に、前記音声情報を前記サーバに送信させるとともに、前記サーバに対して前記音声情報の認識処理を行わせるための音声認識要求を送信し、前記サーバによる音声認識結果について認識エラーが発生したか否かを判定する音声認識制御処理と、を実行し、前記音声認識制御処理では、前記サーバによる音声認識処理での前記認識エラーの回数が所定回数を超えた場合、前記サーバに対する前記音声認識要求の送信を中止する構成である。

本発明の一態様によれば、サーバの負荷を低減することができるという効果を奏する。

本発明の実施の一形態に係る電子機器およびサーバを含む通信システムの構成を示すブロック図である。 前記通信システムの動作の流れを示すフローチャートである。 変形例に係る電子機器の動作の流れを示すフローチャートである。

以下、本発明の実施形態について、詳細に説明する。なお、説明の便宜上、各実施形態に示した部材と同一の機能を有する部材については、同一の符号を付記し、適宜その説明を省略する。

〔実施形態１〕
本発明の一実施形態について、図１および図２に基づいて説明すれば以下のとおりである。

（通信システム３０の概要）
通信システム３０は、ユーザと音声認識装置（電子機器）１０との音声対話を実現するシステムである。具体的には、通信システム３０は、ユーザが音声認識装置１０に向かって「おはよう」と発話した場合、ユーザに対して音声認識装置１０が「おはよう、今日はいい天気だね」と応答音声を出力することで、音声対話を実現するシステムである。

通信システム３０は、音声認識装置１０、およびクラウドサーバ２０（サーバ）を含む。音声認識装置１０、およびクラウドサーバ２０は、それぞれ音声情報の認識処理を行うことが可能になっている。音声認識装置１０は、ユーザが発話した音声を取得し、当該音声の音声情報の認識処理を行う。

また、音声認識装置１０とクラウドサーバ２０とは通信が可能になっている。これにより、音声認識装置１０はユーザが発話した音声を取得し、当該音声の音声情報をクラウドサーバ２０に送信することができる。クラウドサーバ２０は、音声認識装置１０の外部の装置であり、音声認識装置１０から音声情報を取得し、音声認識装置１０から音声認識要求を受けた場合、取得した音声情報の認識処理を行う。

（音声認識装置１０の要部構成）
図１は、通信システム３０に含まれる音声認識装置１０、およびクラウドサーバ２０の要部構成の一例を示すブロック図である。音声認識装置１０は、音声入力装置１、制御装置２、通信装置３、音声出力装置４、および記憶装置５を含む。なお、本実施形態では、音声入力装置１、制御装置２、通信装置３、音声出力装置４、および記憶装置５のそれぞれの数は単一であるが、これらの制御ブロックのそれぞれは複数存在していても良い。

音声入力装置１は、音声認識装置１０の周囲で発せられた音声を取得し、当該音声を音声情報に変換して制御装置２（音声入力制御部２１）に入力するための装置である。この装置は、音声認識装置１０に内蔵されたマイクロフォンであってもよいし、音声認識装置１０の外部のマイクロフォンからの音声情報を入力するための入力端子であってもよい。音声出力装置４は、音声情報を音声に変換して出力する装置である。この装置は、音声認識装置１０に内蔵されたスピーカであってもよいし、音声認識装置１０の外部のスピーカへの音声情報を出力するための出力端子であってもよい。

通信装置３は、クラウドサーバ２０との通信を行い、各種情報を送受信する。具体的には、通信装置３は、音声情報を制御装置２（音声入力制御部２１および音声認識制御部２２）から取得し、クラウドサーバ２０に送信する（音声認識制御ステップ、音声認識制御処理）。また、通信装置３は、クラウドサーバ２０に対して音声情報の認識処理を要求する音声認識要求を送信する（音声認識制御ステップ、音声認識制御処理）。さらに、通信装置３は、クラウドサーバ２０から、クラウドサーバ２０による音声情報の音声認識結果である第２音声認識結果および認識エラーの判定結果を受信し、制御装置２（音声認識制御部２２）に出力する。

制御装置２は、音声認識装置１０の機能を統括して制御する。制御装置２は、音声入力制御部２１、音声認識制御部２２、音声認識部２３、応答可否判定部２４、応答情報生成部２５、音声合成部２６、および音声出力制御部２７を含む。

音声入力制御部２１は、音声入力装置１から音声情報を取得すると、当該音声情報を、音声認識制御部２２、および音声認識部２３に渡す。音声認識制御部２２は、音声入力制御部２１から受け取った音声情報を、通信装置３を介してクラウドサーバ２０に送信する。

また、音声認識制御部２２は、通信装置３を介してクラウドサーバ２０から受信した、認識エラーの判定結果に基づき、クラウドサーバ２０による音声情報の音声認識結果である第２音声認識結果が認識エラーか否かを判定した上で、認識エラーでなければ第２音声認識結果を、応答情報生成部２５に渡す。音声認識部２３は、音声入力制御部２１から受け取った音声情報の認識処理を行い、その音声認識結果である第１音声認識結果を、応答情報生成部２５に渡す。

応答可否判定部２４は、応答情報生成部２５により、応答情報が生成できたか否かを判定する。応答可否判定部２４は、前記判定の結果を音声認識制御部２２に渡す。

音声認識制御部２２は、応答可否判定部２４から受け取った、応答情報が生成できなかった旨の判定結果（「応答エラー」という）が所定回数を超えた場合、クラウドサーバ２０に対する音声認識要求の送信を停止しても良い。

応答情報生成部２５は、第１音声認識結果および第２音声認識結果の何れか少なくとも一方に基づいて、音声情報に予め対応づけられた応答情報を、記憶装置５を検索して生成する。例えば、音声認識装置１０にすぐに反応して欲しいケースなどでは、第１音声認識結果を優先的に用いて応答情報を検索しても良い。また、不適切な応答発話が行われることを回避すべく、第１音声認識結果および第２音声認識結果の両方を用いて応答情報を検索しても良い。

なお、認識した音声情報に対して見つかった応答情報が１つだけだった場合は、検索結果は同じになるが、複数見つかった場合は応答情報の優先度によって応答情報を選択する。また、複数見つかった異なる応答情報の優先度が同じだった場合はランダムで選択しても良い。なお、応答情報の優先度は、予め設定されているものとする。

音声合成部２６は、応答情報生成部２５が生成した応答情報から応答音声を合成して、音声出力制御部２７に渡す。音声出力制御部２７は、音声認識装置１０の音声出力機能を制御する。具体的には、音声出力制御部２７は、音声出力装置４に合成された応答音声を出力させる制御を行う。

音声認識制御部２２は、前記サーバでの認識エラーの回数をカウントする。また、音声認識制御部２２は、認識エラーの回数が所定回数を超えた場合、クラウドサーバ２０に対する音声認識要求の送信を中止する。応答情報生成部２５は、入力された第１音声認識結果に基づいて応答情報を記憶装置５から検索して生成する。

一方、音声認識制御部２２は、認識エラーの回数が所定回数以下である場合、第２音声認識結果を応答情報生成部２５に出力する。応答情報生成部２５は、入力された第１音声認識結果および第２音声認識結果の何れか少なくとも一方に基づいて応答情報を記憶装置５から検索して生成する。

前記構成によれば、音声認識制御部２２によって判定された認識エラーが所定回数を超えた場合、音声認識制御部２２は、クラウドサーバ２０に対する音声認識要求の送信を中止する。これにより、クラウドサーバ２０は、不必要に音声情報の認識処理を行わなくて済む。

また、前記構成によれば、音声認識制御部２２によって判定された認識エラーが所定回数を超えた場合、応答情報生成部２５は、第１音声認識結果に基づいて応答情報を生成する。これにより、クラウドサーバ２０の負荷を低減しつつ、応答情報を生成することができる。以上により、クラウドサーバ２０の負荷を低減することができる。認識エラーが所定回数を超えたかどうかの判定は、連続してエラーが所定回数を超えた場合であっても良いし、所定期間内に所定回数を超えた場合であっても良い。

また、応答情報生成部２５は、音声認識制御部２２によって判定された認識エラーが所定回数以下であった場合、第１音声認識結果および第２音声認識結果の何れか少なくとも一方に基づいて応答情報を生成する。これにより、不適切な応答情報の生成を低減させることができる。例えば、第１音声認識結果が認識エラーでなく、第２音声認識結果が認識エラーの場合、第１音声認識結果を用いて応答情報を検索する。一方、第２音声認識結果が認識エラーでなく、第１音声認識結果が認識エラーの場合、第２音声認識結果を用いて応答情報を検索する。さらに、第１音声認識結果および第２音声認識結果が両方とも認識エラーでない場合、第１音声認識結果および第２音声認識結果が両方を用いて応答情報を検索する。検索の結果、複数の異なる応答情報が見つかった場合、予め設定した優先度に基づいて選択するか、またはランダムに選択する。

記憶装置５は、音声認識装置１０が使用する各種データを記憶する。本実施形態に係る記憶装置５は少なくとも、応答情報５１を記憶している。応答情報５１の例としては、所定の音声情報に予め対応づけられたシナリオ情報を挙示することができる。シナリオ情報とは、認識した言葉に対してどう反応するかが書かれた情報である。

（クラウドサーバ２０の要部構成）
クラウドサーバ２０は、通信装置６、および制御装置７を含む。通信装置６は、音声認識装置１０との通信を行い、各種情報を送受信する。具体的には、通信装置６は、音声情報、および音声認識要求を音声認識装置１０から受信し、制御装置７に出力する。

制御装置７は、クラウドサーバ２０の機能を統括して制御する。制御装置７は、音声認識部７１、および認識エラー判定部７２を含む。音声認識部７１は、制御装置７が音声認識要求を受け取っている場合、受け取った音声情報の認識処理を行い、その結果である第２音声認識結果を、通信装置６に渡す。また、音声認識部７１は、制御装置７が音声認識要求を受け取っていない場合、音声情報の認識処理を行わない。認識エラー判定部７２は音声認識部７１の認識処理の結果が認識エラーであるかどうかを判定し、認識エラーの判定結果を通信装置６に渡す。通信装置６は、受け取った第２音声認識結果または認識エラーの判定結果を音声認識装置１０に送信する。なお、本実施形態では、通信システム３０は、単一のクラウドサーバ２０を含むものとして説明しているが、通信システム３０に含まれるクラウドサーバ２０の数は、複数であっても良い。

（通信システム３０の動作の概要）
次に、図２に基づき、通信システム３０の動作の概要について説明する。図２は、通信システム３０の動作の流れを示すフローチャートである。以下、「音声認識装置１０」のことを「デバイス」または「ローカル」と略称する場合がある。また、「クラウドサーバ２０」のことを「クラウド」と略称する場合がある。

まず、ステップＳ（以下、「ステップ」は省略する）１１で、デバイスがアクティブ状態になると、Ｓ１２に進む。ここで、Ｓ１１におけるデバイスがアクティブ状態になるとは、デバイスである音声認識装置１０の音声認識が機能している状態をいう。

Ｓ１２では、音声入力装置１が、音声の入力を受付けると、Ｓ１３に進む。具体的には、Ｓ１２において、音声入力装置１が音声の入力を受付けると、受付けた音声を音声情報に変換して、変換した音声情報を制御装置２に送る。

Ｓ１３では、ローカルおよびクラウドで音声認識を行い（音声認識ステップ、音声認識処理）、Ｓ１４に進む。具体的には、音声入力装置１からの音声情報は、音声入力制御部２１によって、音声認識制御部２２および音声認識部２３に送られる。音声認識制御部２２に送られた音声情報は、通信装置３からクラウドサーバ２０の通信装置６を経て音声認識部７１に送られ、当該音声認識部７１にて音声認識（クラウドでの音声認識）が行われる。また、このとき、認識エラー判定部７２は、前記の音声認識の結果に認識エラーが生じているか否かを判定する。

一方、音声認識部２３に送られた音声情報は、当該音声認識部２３にて音声認識（ローカルでの音声認識）が行われる。ここで、音声認識部２３、音声認識部７１における音声情報の認識処理とは、音声情報をテキストデータに変換する処理である。従って、音声認識部２３による、音声情報のテキストデータへの変換処理の結果は、第１認識処理結果として、応答情報生成部２５に送られる。一方、音声認識部７１による、音声情報のテキストデータへの変換処理の結果は、第２認識処理結果として、通信装置６および通信装置３を介して音声認識制御部２２から応答情報生成部２５に送られる。

第１認識処理結果、第２認識処理結果は、何れも、音声情報がテキストデータに変換されたか否かを示す結果と、音声情報がテキストデータに変換された場合のテキストデータとを含んでいる。

Ｓ１４では、クラウドでの音声認識結果が認識エラーか否かを判定する（音声認識制御ステップ、音声認識制御処理）。ここでは、音声認識制御部２２が、認識エラー判定部７２からの認識エラーの判定結果に、音声情報がテキストデータに変換できなかったことを示す結果が含まれているとき、認識エラーが発生している、つまり、音声認識結果が認識エラーであると判定する。そして、Ｓ１４において、クラウドでの音声認識結果が認識エラーであると判定された場合（ＹＥＳ）、Ｓ２１に進む。

一方、Ｓ１４において、クラウドでの音声認識結果が認識エラーでないと判定された場合（ＮＯ）、Ｓ１５に進む。Ｓ１５では、音声認識制御部２２は、エラーカウントをリセットし、第１音声認識結果および第２音声認識結果の何れか少なくとも一方を応答情報生成部２５に渡し、Ｓ１６に進む。ここで、エラーカウントをリセットするとは、認識エラーの回数が１回以上である場合に、「０回」にカウントを戻すことである。

Ｓ１６では、応答情報生成部２５が記憶装置５の応答情報５１を検索し、Ｓ１７に進む。ここで、応答情報５１とは、音声認識部２３（音声認識部７１）による音声認識処理によって変換されたテキストデータに紐付いたテキストデータをいう。例えば、音声認識によって変換されたテキストデータが「おはよう」であれば、この「おはよう」に紐付いた「おはよう、今日はいい天気だね」というテキストデータを応答情報５１とする。なお、テキストデータの紐付けは予め行っておく。

Ｓ１７では、Ｓ１６において検索した応答情報が見つかったか否かを判定する。具体的には、応答情報生成部２５が、音声認識部２３（音声認識部７１）からの音声情報が変換されたテキストデータに紐付いた応答情報５１を記憶装置５から検索し、応答情報５１が見つかったか否かを判定する。ここで、応答情報が見つかった場合（ＹＥＳ）、Ｓ１８に進む。一方、応答情報が見つからなかった場合（ＮＯ）、Ｓ１９に進む。

Ｓ１８では、応答発話を行う。具体的には、Ｓ１７において見つかった応答情報（テキストデータ）が、音声合成部２６に送られ、応答音声を合成する。ここで、応答音声は、応答情報であるテキストデータから、発話すべき音声データとして合成される。この合成された音声データは、音声出力制御部２７に送られ、音声出力装置４であるスピーカから音声を出力するためのアナログデータに変換される。そして、音声出力装置４は、音声出力制御部２７からのアナログデータを応答発話の音声として、出力する。例えば、上述したように、音声認識によって変換されたテキストデータが「おはよう」であれば、応答発話として「おはよう、今日はいい天気だね」が音声出力装置４から音声として出力される。Ｓ１８による応答発話が終了すると、Ｓ１９に進む。

Ｓ１９では、制御装置２がスリープ条件を満たすか否かを確認し、スリープ条件を満たす場合（ＹＥＳ）、Ｓ２０に進む。ここでは、音声認識装置１０の音声入力装置１が機能しているか否かを判定することで、スリープ条件を満たすか否かを確認する。例えば、音声認識装置１０の音声入力装置１が機能していないと判定されれば、スリープ条件を満たしていると判定し、音声認識装置１０の音声入力装置１が機能していると判定されれば、スリープ条件を満たしていないと判定する。

Ｓ２０では、制御装置２がデバイスの状態をスリープ状態に遷移させる。ここで、スリープ状態とは、デバイスである音声認識装置１０の音声認識が機能していない状態である。なお、このデバイスがスリープ状態に遷移した場合の動作については、後述する変形例１で説明する。

一方、Ｓ１９において、スリープ条件を満たさない場合（ＮＯ）、Ｓ３１に進む。Ｓ３１では、クラウドの音声認識を無効化しているかどうかを判定する。無効化されていない（有効）と判定されれば（ＹＥＳ）、Ｓ１１へ進み、無効化されていると判定されれば（ＮＯ）、Ｓ２４へ進む。

次に、Ｓ２１では、Ｓ１４において音声認識結果が認識エラーであると判定した場合に、エラーカウントをインクリメントし、Ｓ２２に進む。ここでは、音声認識制御部２２によって、エラーカウントのインクリメントが行われる。ここで、エラーカウントをインクリメントするとは、認識エラーの回数を既にカウントされている回数（０回を含む）に対して「＋１」することである。

Ｓ２２で、エラーカウントが所定回数Ｎを超えたか否かを判定する。ここで、所定回数Ｎは、２以上の任意の値である。所定回数Ｎの値は、大きければ、後述するＳ２３におけるクラウドでの音声認識を無効化するまでの期間が長くなり、クラウドサーバ２０の負荷が大きくなるので、小さいほうが好ましい。つまり、Ｎが２に近いほうが好ましい。

Ｓ２２において、エラーカウントが所定回数Ｎを越えた場合（ＹＥＳ）、Ｓ２３に進む。一方、Ｓ２２において、エラーカウントがＮ以下の場合（ＮＯ）、Ｓ１６に進む。

Ｓ２３では、クラウドでの音声認識を無効化してＳ１６に進む。具体的には、音声認識制御部２２は、音声認識要求の出力を停止（中止）させる。ここで、音声認識要求とは、クラウドサーバ２０の音声認識部７１において音声認識処理を実行させるための制御信号である。

Ｓ２４では、音声入力を待ち、Ｓ２５に進む。Ｓ２５では、音声入力装置１が、音声を受信（音声の入力受付け）し、Ｓ２６に進む。Ｓ２６では、ローカルで音声認識を行い、Ｓ２８に進む。具体的には、Ｓ２６において、音声認識装置１０の音声認識部２３が音声情報の認識処理を行い、その結果である第１音声認識結果を応答情報生成部２５に渡し、Ｓ２８に進む。

Ｓ２８では、応答情報生成部２５が、第１音声認識結果を用いて記憶装置５の応答情報５１を検索し、Ｓ２９に進む。

Ｓ２９では、Ｓ２８における応答情報５１の検索の結果、応答情報５１が見つかったか否かを判定する。ここで、応答情報が見つかった場合（ＹＥＳ）、Ｓ３０に進む。一方、Ｓ２９で、応答情報が見つからなかった場合（ＮＯ）、Ｓ２４に戻る。

Ｓ３０では、応答発話を行う。応答発話は、上述のＳ１８の応答発話と同じである。具体的には、Ｓ２９において見つかった応答情報（テキストデータ）が、音声合成部２６に送られ、応答音声を合成する。ここで、応答音声は、応答情報であるテキストデータから、発話すべき音声データとして合成される。この合成された音声データは、音声出力制御部２７に送られ、音声出力装置４であるスピーカから音声を出力するためのアナログデータに変換される。そして、音声出力装置４は、音声出力制御部２７からのアナログデータを、応答発話としての音声を出力する。例えば、上述したように、音声認識によって変換されたテキストデータが「おはよう」であれば、応答発話として「おはよう、今日はいい天気だね」が音声出力装置４から音声として出力される。Ｓ３０による応答発話が終了すると、Ｓ３２へ進む。

Ｓ３２では、音声認識制御部２２は、エラーカウントをリセットし、Ｓ３３へ進む。Ｓ３３では、音声認識制御部２２は、クラウドの音声認識を有効化して、Ｓ１１へ戻る。

〔変形例１〕
本発明の変形例１について、以下に説明する。本変形例では、音声認識装置１０がスリープ状態に遷移した後の動作について説明する。音声認識装置１０がスリープ状態にある場合、音声認識部２３は、音声情報の認識処理を行わず、さらにクラウドサーバ２０での音声認識を無効化しても良い。具体的には、音声認識制御部２２が、クラウドサーバ２０に対して、入力された音声情報、および音声認識要求の送信を停止（中止）する。これにより、音声認識装置１０の消費電力を低減するとともに、クラウドサーバ２０の負荷を低減することができる。

音声認識装置１０のスリープ状態の解除は、以下のように行ってもよい。例えば、図３の符号３０１で示すフローチャートのように、音声認識装置１０が何らかのデバイス操作（例えば、音声認識装置１０が備える物理キーの操作）を受付けた場合（Ｓ３４）、クラウドサーバ２０での音声認識を有効化しても良い（Ｓ３５）。具体的には、クラウドサーバ２０における音声認識が無効化されているときに、音声認識装置１０が何らかのデバイス操作を受けた場合、音声認識制御部２２が、クラウドサーバ２０に対して、入力された音声情報、および音声認識要求の送信を行う。すなわち、これらの動作の停止（中止）を解除する。これにより、音声認識装置１０は、アクティブ状態、すなわち、音声認識が機能する状態となる。つまり、音声認識装置１０は、ユーザに負荷をかけることなく、アクティブ状態に復帰することができる。

そして、図３の符号３０２で示すフローチャートのように、音声認識装置１０がスリープ状態からアクティブ状態に遷移した場合（Ｓ３６）、クラウドサーバ２０での音声認識を有効化しても良い（Ｓ３７）。具体的には、クラウドサーバ２０における音声認識が無効化されているときに、音声認識装置１０がスリープ状態からアクティブ状態に遷移した場合、音声認識制御部２２が、クラウドサーバ２０に対して、入力された音声情報、および音声認識要求の送信を行う。すなわち、これらの動作の停止（中止）を解除する。

〔変形例２〕
音声認識の有効化または無効化を行う、トリガとしては、以下のような場合を例示することもできる。例えば、音声認識装置１０はタイマー（不図示）を有しており、夜中（例えば、午前０時〜午前３時）になったら、音声認識を無効化しても良い。

また、音声認識装置１０はＧＰＳ（Global Positioning System；不図示）受信機を備えており、音声認識装置１０が所定の位置にあるときに、音声認識の有効化し、別の位置にあるときに、音声認識を無効化しても良い。

また、音声認識装置１０は加速度センサを有しており、閾値を超える加速度を検知した場合に、移動中と判断して音声認識を無効化しても良い。

〔実施形態２；ソフトウェアによる実現例〕
音声認識装置１０の制御装置２の制御ブロック（特に音声認識制御部２２、音声認識部２３、応答可否判定部２４、および応答情報生成部２５）は、集積回路（ＩＣチップ）等に形成された論理回路（ハードウェア）によって実現してもよいし、ソフトウェアによって実現してもよい。

後者の場合、制御装置２は、各機能を実現するソフトウェアであるプログラムの命令を実行するコンピュータを備えている。このコンピュータは、例えば少なくとも１つのプロセッサ（制御装置）を備えていると共に、前記プログラムを記憶したコンピュータ読み取り可能な少なくとも１つの記録媒体を備えている。そして、前記コンピュータにおいて、前記プロセッサが前記プログラムを前記記録媒体から読み取って実行することにより、本発明の目的が達成される。

前記プロセッサとしては、例えばＣＰＵ（Central Processing Unit）を用いることができる。前記記録媒体としては、「一時的でない有形の媒体」、例えば、ＲＯＭ（Read Only Memory）等の他、テープ、ディスク、カード、半導体メモリ、プログラマブルな論理回路などを用いることができる。また、前記プログラムを展開するＲＡＭ（Random Access Memory）などをさらに備えていてもよい。また、前記プログラムは、該プログラムを伝送可能な任意の伝送媒体（通信ネットワークや放送波等）を介して前記コンピュータに供給されてもよい。なお、本発明の一態様は、前記プログラムが電子的な伝送によって具現化された、搬送波に埋め込まれたデータ信号の形態でも実現され得る。

〔まとめ〕
本発明の態様１に係る制御装置（２）は、外部のサーバ（クラウドサーバ２０）と通信可能であり、音声情報の入力が可能な電子機器（音声認識装置１０）を制御する制御装置であって、入力された前記音声情報の認識処理を行う音声認識部（２３）と、前記音声情報を前記サーバに送信するとともに、前記サーバに対して前記音声情報の認識処理を行わせるための音声認識要求を送信し、前記サーバによる音声認識結果に認識エラーが発生したか否かを判定する音声認識制御部（２２）と、を備え、前記音声認識制御部は、前記認識エラーが所定回数を超えた場合、前記サーバに対する前記音声認識要求の送信を中止する構成である。

前記構成によれば、音声認識制御部によって判定された認識エラーが所定回数を超えた場合、音声認識制御部は、サーバに対する音声認識要求の送信を中止する。これにより、サーバは、不必要に音声情報の認識処理を行わなくて済む。このため、サーバの負荷を低減することができる。

本発明の態様２に係る制御装置（２）は、前記態様１において、前記音声認識部（２３）による音声認識結果を第１音声認識結果、前記サーバ（クラウドサーバ２０）による音声認識結果を第２音声認識結果としたとき、前記第１音声認識結果および前記第２音声認識結果の少なくとも一方に基づいて、前記音声情報に予め対応付けられた応答情報を生成する応答情報生成部（２５）をさらに備えていても良い。前記構成によれば、不適切な応答情報の生成を低減させることができる。

本発明の態様３に係る制御装置（２）は、前記態様２において、前記音声認識制御部（２２）によって判定された前記認識エラーの回数が所定回数を超えた場合、前記応答情報生成部（２５）は、前記第１音声認識結果に基づいて前記応答情報を生成することが好ましい。前記構成によれば、サーバの負荷を低減しつつ、応答情報を生成することができる。

本発明の態様４に係る制御装置（２）は、前記態様２または３において、前記音声認識制御部（２２）によって判定された前記認識エラーの回数が所定回数以下であった場合、前記応答情報生成部（２５）は、前記第１音声認識結果および前記第２音声認識結果の少なくとも一方に基づいて前記応答情報を生成しても良い。前記構成によれば、不適切な応答情報の生成を低減させることができる。

本発明の態様５に係る制御装置（２）は、前記態様２または３において、前記電子機器（音声認識装置１０）がスリープ状態にある場合、前記音声認識部（２３）は、前記音声情報の認識処理を行わず、前記音声認識制御部（２２）は、前記サーバ（クラウドサーバ２０）に対して、前記音声情報、および前記音声認識要求の送信を行わなくても良い。前記構成によれば、電子機器の消費電力を低減するとともに、サーバの負荷を低減することができる。

本発明の態様６に係る制御方法は、外部のサーバ（クラウドサーバ２０）と通信可能であり、音声情報の入力が可能な電子機器（音声認識装置１０）を制御する制御方法であって、入力された前記音声情報の認識処理を行う音声認識ステップと、前記音声情報を前記サーバに送信するとともに、前記サーバに対して前記音声情報の認識処理を行わせるための音声認識要求を送信し、サーバによる音声認識結果について認識エラーが発生したか否かを判定する音声認識制御ステップと、前記音声認識制御ステップで、前記認識エラーの回数が所定回数を超えた場合、前記サーバに対する前記音声認識要求の送信を中止する方法である。前記方法によれば、前記態様１と同様の効果を得ることができる。

本発明の態様７に係る電子機器（音声認識装置１０）は、少なくとも１つの音声入力装置（１）と、外部のサーバ（クラウドサーバ２０）と通信を行う少なくとも１つの通信装置（３）と、少なくとも１つの制御装置（２）を備えた電子機器であって、前記制御装置は、前記音声入力装置に入力された音声情報の認識処理を行う音声認識処理と、前記通信装置に、前記音声情報を前記サーバに送信させるとともに、前記サーバに対して前記音声情報の認識処理を行わせるための音声認識要求を送信し、前記サーバによる音声認識結果について認識エラーが発生したか否かを判定する音声認識制御処理と、
を実行し、前記音声認識制御処理で前記認識エラーの回数が所定回数を超えた場合、前記サーバに対する前記音声認識要求の送信を中止する構成である。前記構成によれば、前記態様１と同様の効果を得ることができる。

本発明の各態様に係る制御装置は、コンピュータによって実現してもよく、この場合には、コンピュータを前記制御装置が備える各部（ソフトウェア要素）として動作させることにより前記制御装置をコンピュータにて実現させる制御装置の制御プログラム、およびそれを記録したコンピュータ読み取り可能な記録媒体も、本発明の範疇に入る。

〔付記事項〕
本発明は上述した各実施形態に限定されるものではなく、請求項に示した範囲で種々の変更が可能であり、異なる実施形態にそれぞれ開示された技術的手段を適宜組み合わせて得られる実施形態についても本発明の技術的範囲に含まれる。さらに、各実施形態にそれぞれ開示された技術的手段を組み合わせることにより、新しい技術的特徴を形成することができる。

１ 音声入力装置
２ 制御装置
３ 通信装置
４ 音声出力装置
５ 記憶装置
６ 通信装置
７ 制御装置
１０ 音声認識装置（電子機器）
２０ クラウドサーバ（サーバ）
２１ 音声入力制御部
２２ 音声認識制御部
２３ 音声認識部
２４ 応答可否判定部
２５ 応答情報生成部
２６ 音声合成部
２７ 音声出力制御部
３０ 通信システム
５１ 応答情報
７１ 音声認識部

Claims (8)

1. 外部のサーバと通信可能であり、音声情報の入力が可能な電子機器を制御する制御装置であって、
   入力された前記音声情報の認識処理を行う音声認識部と、
   前記音声情報を前記サーバに送信するとともに、前記サーバに対して前記音声情報の認識処理を行わせるための音声認識要求を送信し、前記サーバによる音声認識結果に認識エラーが発生したか否かを判定する音声認識制御部と、を備え、
   前記音声認識制御部は、
   前記認識エラーが所定回数を超えた場合、前記サーバに対する前記音声認識要求の送信を中止することを特徴とする制御装置。
2. 前記音声認識部による音声認識結果を第１音声認識結果、前記サーバによる音声認識結果を第２音声認識結果としたとき、
   前記第１音声認識結果および前記第２音声認識結果の少なくとも一方に基づいて、前記音声情報に予め対応付けられた応答情報を生成する応答情報生成部をさらに備えていることを特徴とする請求項１に記載の制御装置。
3. 前記音声認識制御部によって判定された前記認識エラーの回数が所定回数を超えた場合、
   前記応答情報生成部は、前記第１音声認識結果に基づいて前記応答情報を生成することを特徴とする請求項２に記載の制御装置。
4. 前記音声認識制御部によって判定された前記認識エラーの回数が所定回数以下であった場合、
   前記応答情報生成部は、前記第１音声認識結果および前記第２音声認識結果の少なくとも一方に基づいて前記応答情報を生成することを特徴とする請求項２または３に記載の制御装置。
5. 前記電子機器がスリープ状態にある場合、
   前記音声認識部は、前記音声情報の認識処理を行わず、
   前記音声認識制御部は、前記サーバに対して、入力された前記音声情報、および前記音声認識要求の送信を行わないことを特徴とする請求項１から４までの何れか１項に記載の制御装置。
6. 請求項１から５までの何れか１項に記載の制御装置としてコンピュータを機能させるための制御プログラムであって、前記音声認識部、および前記音声認識制御部としてコンピュータを機能させるための制御プログラム。
7. 外部のサーバと通信可能であり、音声情報の入力が可能な電子機器を制御する制御方法であって、
   入力された前記音声情報の認識処理を行う音声認識ステップと、
   前記音声情報を前記サーバに送信するとともに、前記サーバに対して前記音声情報の認識処理を行わせるための音声認識要求を送信し、サーバによる音声認識結果について認識エラーが発生したか否かを判定する音声認識制御ステップと、
   前記音声認識制御ステップで、前記認識エラーの回数が所定回数を超えた場合、前記サーバに対する前記音声認識要求の送信を中止することを特徴とする制御方法。
8. 少なくとも１つの音声入力装置と、外部のサーバと通信を行う少なくとも１つの通信装置と、少なくとも１つの制御装置を備えた電子機器であって、
   前記制御装置は、
   前記音声入力装置に入力された音声情報の認識処理を行う音声認識処理と、
   前記通信装置に、前記音声情報を前記サーバに送信させるとともに、前記サーバに対して前記音声情報の認識処理を行わせるための音声認識要求を送信し、前記サーバによる音声認識結果について認識エラーが発生したか否かを判定する音声認識制御処理と、
   を実行し、
   前記音声認識制御処理で判定された前記認識エラーの回数が所定回数を超えた場合、前記サーバに対する前記音声認識要求の送信を中止することを特徴とする電子機器。

Images