JP3436184B2 - 多チャンネル入力音声認識装置 - Google Patents

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は、１つ以上のプロセ
ッサ上で複数の音声入力チャンネルから検出された入力
音声を認識する多チャンネル入力音声認識装置に関す
る。

【０００２】

【従来の技術】１入力当たりのコストを下げられる点や
保守管理の容易さから、１台の音声認識装置で複数のマ
イクロホンや電話回線等の音声入力チャンネルからの入
力音声をそれぞれ認識し、認識結果を出力する多チャン
ネル入力音声認識装置の実現が望まれる。

【０００３】従来、このような多チャンネル入力音声認
識装置では、複数のチャンネルから入力される音声のそ
れぞれの認識処理を１つ以上のプロセッサで並列処理ま
たは逐次処理することにより行っていた。音声認識処理
では、通常、入力された音声信号を例えば１０ミリ秒毎
に音声分析した特徴量の時系列と標準パターンとを順次
照合する。この、例えば１０ミリ秒の周期を１フレーム
と呼ぶ。１チャンネル分の音声信号の１フレーム当たり
の認識処理に要するプロセッサの処理時間が例えば５ミ
リ秒であれば、１０ミリ秒の間に２チャンネル分の音声
信号を認識処理できる。

【０００４】前述した並列処理とは、例えば１フレーム
毎に各チャンネルの音声信号を交互に認識処理するとい
う意味である。前記の例であれば、２チャンネルから同
時に音声入力された場合にも、音声の入力に遅れること
なくそれぞれのチャンネルの音声信号を認識処理するこ
とができ、それぞれの認識結果を高速に出力することが
できる。

【０００５】一方、前述した逐次処理とは、音声信号が
入力された時間順序に従って、順番に認識処理を行うと
いう意味である。逐次処理は例えば特開平１−２１６３
９８号公報に示されている。図４は従来の多チャンネル
入力音声認識装置の構成の一例を示している。同図にお
いて、認識装置３０は３つの音声入力チャンネルを持
ち、それぞれから入力される音声信号を並列に認識処理
する。第１の音声入力チャンネルから入力された音声信
号はＡ／Ｄ変換部３０１でディジタル信号に変換された
後、音声検出・分析部３０２で音声区間の検出、周波数
分析が行われ、フレーム毎に求められた特徴量の時系列
が順次、照合部３０３に送られる。

【０００６】照合部３０３では、特徴量の時系列と標準
パタンメモリ３０４中の標準パターンとを照合し、認識
対象辞書３０５に格納されている単語の中で入力された
音声信号に最も類似する単語を選択し、それを認識結果
として出力する。第２の音声入力チャンネルから入力さ
れる音声信号、第３の音声入力チャンネルから入力され
る音声信号に対しても同様に認識処理が行われる。この
例では、これらの認識処理が１つのプロセッサ上で行わ
れる。

【０００７】

【発明が解決しようとする課題】しかしながら、上述し
た従来の多チャンネル入力音声認識装置では、次のよう
な問題が有った。すなわち、第１には、音声入力のある
すべてのチャンネルの認識処理が並列動作するように認
識部を制御した場合に、複数のチャンネルからの入力音
声が時間的に重なり、かつそれらの入力音声の１フレー
ム毎の認識に要するプロセッサの処理時間の合計が１フ
レームの時間長を超えたときに、すべてのチャンネルの
入力音声に対して認識処理の遅れが生じ、この結果、認
識結果の出力に遅れを生じる結果、応答の表示または音
声出力に遅れが生じるという問題が有った。例えば、前
述した従来例において、第１の音声入力チャンネルと第
２の音声入力チャンネルとから音声が同時に入力され、
これらを認識している間に、さらに第３の音声入力チャ
ンネルから音声が入力されると、３チャンネル分の認識
処理を同時に行うことになる。この結果、１フレーム１
０ミリ秒当たりのプロセッサの処理時間が合計で５ミリ
秒×３チャンネル＝１５ミリ秒となり、１フレーム当た
り５ミリ秒の遅れが生じることになる。この結果、音声
入力終了後も認識を継続する必要が生じ、認識結果の出
力に遅れが生ずることになる。

【０００８】第２には、各音声入力チャンネルへの音声
入力が開始された時刻の順番で、認識処理が逐次動作す
るように認識部を制御した場合に、複数の音声入力チャ
ンネルからの入力音声が重なったとき、時間的に後に入
力された音声入力チャンネルに対する音声認識の処理に
遅れが生じ、この結果、応答の表示または音声出力に遅
れが生じるという問題が有った。

【０００９】図５は上述した第１の問題点を説明するた
めのタイムチャートである。同図において、時刻ａから
時刻ｂまで第１の音声入力チャンネルに、時刻ｃから時
刻ｄまで第２の音声入力チャンネルにそれぞれ、音声が
入力され、さらに時刻ｅから時刻ｆまで第３の音声入力
チャンネルに音声が入力された場合を例に説明する。時
刻ａから時刻ｃまでは第１の音声入力チャンネルの入力
音声だけの認識を行うため、処理時間は１フレーム当た
り５ミリ秒である。また、時刻ｃから時刻ｅまでは第１
および第２の音声入力チャンネルの２チャンネル分の入
力音声の認識を行うため、処理時間は１フレーム当たり
合計１０ミリ秒となり、音声入力に遅れることなく認識
することができる。

【００１０】ところが、時刻ｅから時刻ｂまでは第１か
ら第３の音声入力チャンネルの３チャンネル分の入力音
声を認識することから、処理時間は１フレーム当たり合
計１５ミリ秒となり、１フレーム当たり５ミリ秒の遅れ
が生じることになる。この結果、第１チャンネルの入力
音声の認識が終了するのは時刻ｇとなる。従って、さら
に時刻ｂから時刻ｇまでは引き続き３チャンネル分を認
識することになり、この結果、第２チャンネルの入力音
声の認識が終了するのは時刻ｈとなる。また第３の音声
入力チャンネルの入力音声の認識は時刻ｆに終了する。
このように、第１、第２、第３の音声入力チャンネルの
いずれの入力音声に対しても、音声入力終了後も認識処
理が継続し、認識結果の出力に遅れを生ずる。

【００１１】本発明はこのような事情に鑑みてなされた
ものであり、複数の音声入力チャンネルからの音声入力
が重なった場合でも、認識結果出力の遅れを抑制するこ
とができ、かつユーザの満足度の高い多チャンネル入力
音声認識装置を提供することを目的とする。

【００１２】

【課題を解決するための手段】上記目的を達成するため
に請求項１に記載の発明は、１つ以上のプロセッサ上で
複数の音声入力チャンネルから検出された入力音声を認
識する多チャンネル入力音声認識装置において、前記プ
ロセッサに対する認識処理の負荷量に応じて、前記複数
の音声入力チャンネルのうち一部の音声入力チャネルか
らの入力音声の認識処理の実行を一時停止し、またはす
べてのチャンネルからの入力音声の認識処理の実行を続
行するように前記プロセッサの認識動作を制御する認識
動作制御手段を有し、前記認識動作制御手段は、前記複
数の音声チャンネルの各々に対する音声検出状態、およ
び各音声入力チャンネルに対する前記プロセッサの認識
処理の動作状態、および入力音声の特徴量の時系列と照
合される標準パターンのサイズや複雑さ、および認識対
象となる入力音声に対応する単語が格納されている認識
辞書の内容に応じて、プロセッサに対する認識処理の負
荷量を求めることを特徴とする。

【００１３】請求項１に記載の発明によれば、プロセッ
サに対する認識処理の負荷量に応じて、前記複数の音声
入力チャンネルのうち一部の音声入力チャネルからの入
力音声の認識処理の実行を一時停止し、またはすべての
チャンネルからの入力音声の認識処理の実行を続行する
ように前記プロセッサの認識動作を制御する認識動作制
御手段を有し、前記認識動作制御手段は、前記複数の音
声チャンネルの各々に対する音声検出状態、および各音
声入力チャンネルに対する前記プロセッサの認識処理の
動作状態、および入力音声の特徴量の時系列と照合され
る標準パターンのサイズや複雑さ、および認識対象とな
る入力音声に対応する単語が格納されている認識辞書の
内容に応じて、プロセッサに対する認識処理の負荷量を
求めるようにしたので、複数の音声入力チャンネルから
の音声入力が重なった場合でも、認識結果出力の遅れを
抑制することができると共に、サイズが小さい標準パタ
ーンや小さい認識対象辞書ではより多くの認識処理を同
時に動作させる等、プロセッサをより有効に動作させる
ことができる。

【００１４】また請求項２に記載の発明は、１つ以上の
プロセッサ上で複数の音声入力チャンネルから検出され
た入力音声を認識する多チャンネル入力音声認識装置に
おいて、前記プロセッサに対する認識処理の負荷量が大
きいときに、前記複数の音声入力チャンネルのうち一部
の音声入力チャンネルからの入力音声の認識処理の実行
を一時停止するように前記プロセッサの認識動作を制御
する認識動作制御手段を有し、前記認識動作制御手段
は、前記複数の音声チャンネルの各々に対する音声検出
状態、および各音声入力チャンネルに対する前記プロセ
ッサの認識処理の動作状態、および入力音声の特徴量の
時系列と照合される標準パターンのサイズや複雑さ、お
よび認識対象となる入力音声に対応する単語が格納され
ている認識辞書の内容に応じて、プロセッサに対する認
識処理の負荷量を求めることを特徴とする。

【００１５】請求項２に記載の発明によれば、プロセッ
サに対する認識処理の負荷量が大きいときに、前記複数
の音声入力チャンネルのうち一部の音声入力チャンネル
からの入力音声の認識処理の実行を一時停止するように
前記プロセッサの認識動作を制御する認識動作制御手段
を有し、前記認識動作制御手段は、前記複数の音声チャ
ンネルの各々に対する音声検出状態、および各音声入力
チャンネルに対する前記プロセッサの認識処理の動作状
態、および入力音声の特徴量の時系列と照合される標準
パターンのサイズや複雑さ、および認識対象となる入力
音声に対応する単語が格納されている認識辞書の内容に
応じて、プロセッサに対する認識処理の負荷量を求める
ようにしたので、複数の音声入力チャンネルからの音声
入力が重なった場合でも、認識結果出力の遅れを防止ま
たは低減することができると共に、サイズが小さい標準
パターンや小さい認識対象辞書ではより多くの認識処理
を同時に動作させる等、プロセッサをより有効に動作さ
せることができる。

【００１６】

【００１７】

【００１８】

【００１９】

【００２０】

【００２１】

【００２２】

【発明の実施の形態】以下、本発明の実施の形態につい
て図面を参照して詳細に説明する。図１に本発明の実施
の形態に係る多チャンネル入力音声認識装置の構成を示
す。同図において、認識装置１０は複数の音声入力チャ
ンネルから入力される音声波形信号を取り込み、それぞ
れの入力音声を認識し、認識結果を出力する。図１では
第１から第３までの３個の音声入力チャンネルを有する
実施例を示しているが、音声入力チャンネル数はこれに
限るものではない。

【００２３】認識装置１０は、Ａ／Ｄ変換部１０１、１
１１、１２１と、音声検出部１０２、１１２、１２２
と、バッファ１０３、１１３、１２３と、認識部１０
４、１１４、１２４と、認識動作制御部１３０とを有し
ている。ここで認識部１０４、１１４、１２４の機能は
本実施の形態では、１つのプロセッサにより実現されて
いるものとする。

【００２４】Ａ／Ｄ変換部１０１は第1の音声入力チャ
ンネルに入力された音声信号をディジタル化し、出力す
る。音声検出部１０２はディジタル化された音声信号の
うち音声が存在する区間すなわち音声区間の音声信号を
バッファ１０３に出力する。バッファ１０３は音声区間
の音声信号を一時保持し、認識部１０４からの要求に応
じて、音声信号を順次に出力する。認識部１０４は音声
信号に対して音声認識処理を行い、その結果を認識結果
として出力する。以上は、第２、第３の音声入力チャン
ネルについても、第１の音声入力チャンネルに対する構
成と同様であるので重複する説明は省略する。

【００２５】また、認識部１０４、１１４，１２４は認
識処理の状態を認識動作制御部１３０に出力する。ま
た、音声検出部１０２、１１２、１２２は音声検出状態
を認識動作制御部１３０に出力する。認識動作制御部１
３０は各音声入力チャンネルに入力された音声信号の認
識処理の状態及び音声検出状態とからプロセッサに対す
る認識処理の負荷を求め、その結果と設定された最大負
荷率とからどの音声入力チャンネルの認識部の処理を実
行するかを決定し、認識処理の一時停止あるいは再開を
指示する動作制御信号を認識部１０４，１１４，１２４
にそれぞれ出力する。認識部１０４、１１４，１２４は
それぞれ動作制御信号に従って、認識処理を実行あるい
は停止する。

【００２６】図２に図１に示す認識部１０４の具体的構
成を示す。認識部１１４、１２４についても同様の構成
となる。同図において、音声分析部２０１はバッファ１
０３から受け取った音声信号を分析し、特徴量の時系列
を照合部２０２に出力する。ここで、音声分析部２０１
では、例えば、入力された音声信号を例えば10ミリ秒毎
に周波数分析し、その結果の特徴量の時系列を出力す
る。この１０ミリ秒毎の単位をフレームと呼ぶ。照合部
２０２はフレーム毎に求められた特徴量の時系列と標準
パタンメモリ２０３中の標準パターンとを照合し、認識
対象辞書２０４に含まれる単語の中で音声信号にもっと
も類似する単語を認識結果として出力する。また、音声
分析部２０１および照合部２０２は処理の状況を負荷情
報として認識動作制御部１１１に出力する。

【００２７】また、標準パターンメモリ２０３中の標準
パターンのサイズや複雑さなどの負荷情報および認識対
象辞書２０４の語彙数などを負荷情報として認識動作制
御部１３０に出力する。また、音声分析部２０１および
照合部２０２は認識動作制御部１３０から認識動作制御
信号を受け取り、その結果に従って処理を一時停止ある
いは再開する。次に図１に示した多チャンネル入力音声
認識装置の動作の一例を図３のタイムチャートを参照し
て説明する。図３では、第１の音声入力チャンネルには
時刻ａから時刻ｂの間に、第２の音声入力チャンネルに
は時刻ｃから時刻ｄの間に、第３の音声入力チャンネル
には時刻ｅから時刻ｆの間に、それぞれ音声が入力され
る例を示している。

【００２８】時刻ａで第１の音声入力チャンネルへの音
声入力が開始されると、Ａ／Ｄ変換部１０１は入力され
た音声信号を順次ディジタル信号に変換し、音声検出部
１０２に順次出力する。音声検出部１０２は時刻ａで音
声の始端を検出し、それ以降の音声信号をバッファ１０
３に出力する。それと同時に、第１の音声入力チャンネ
ルで音声入力が開始されたことを認識動作制御部１３０
に通知する。この通知に対応して、認識動作制御部１３
０は認識部１０４に認識処理の開始を指示する。図３で
太線の部分が認識処理動作中の時間である。

【００２９】認識部１０４はバッファ１０３からデジタ
ル化された音声信号を順次取り出し、音声認識処理す
る。音声認識処理では、まず図２の音声分析部２０１に
よって例えば１フレーム１０ミリ秒毎に音声信号の特徴
量を求めた後、照合部２０２で認識対象辞書２０４の内
容に従って、音声信号の特徴量と標準パタンメモリ２０
３中の標準パターンとの照合を行う。音声認識処理に必
要なプロセッサの処理時間が１フレーム当たり５ミリ秒
であるならば、１フレーム分の音声分析、照合の処理は
フレーム周期１０ミリ秒の半分の時間で終了するため、
１０ミリ秒毎に上記の音声分析、照合の処理を逐次実行
する。

【００３０】続いて、時刻ｃで第２の音声入力チャンネ
ルへの音声入力が開始されると、上記と同様にして、認
識動作制御部１３０は第２の音声入力チャンネルの認識
部１１４に認識動作の開始を指示する。ここで、認識部
１０４と認識部１１４の両方の認識動作が開始されるこ
とになるが、１フレーム当たりの処理時間がそれぞれ５
ミリ秒であるならば、合計して１０ミリ秒となる。従っ
て、１フレーム１０ミリ秒の例えば前半に認識部１０４
が動作し、後半に認識部１１４が動作するようにすれ
ば、１台のプロセッサで第１の音声入力チャンネルと、
第２の音声入力チャンネルの両方の認識処理を音声入力
からの時間遅れなしに実行することができる。

【００３１】続いて、時刻ｅで第３の音声入力チャンネ
ルへの音声入力が開始されるが、この場合、すでに認識
部１０４と認識部１１４の両方が動作中であることか
ら、さらに別の認識部を動作させると、フレーム当たり
のプロセッサの処理時間の合計が１５ミリ秒となり、フ
レーム周期１０ミリ秒を超える。このことから、認識動
作制御部１３０は第３の音声入力チャンネルから入力さ
れる音声信号を認識する認識部１２４の動作を開始せ
ず、一時停止状態とする指示を出す。この結果、認識部
１０４と認識部１１４は引き続き、音声入力からの時間
遅れなしに認識処理を実行することができる。

【００３２】続いて、時刻ｂで第１の音声入力チャンネ
ルの音声入力が終了すると、音声検出部１０２は音声の
終端を検出する。また認識部１０４はバッファ１０３に
音声信号が無くなった時点で、音声区間全体の照合結果
から認識結果を求め、出力すると同時に、動作を停止す
る。認識動作制御部１３０は認識部１０４が動作を停止
したことを検知すると、一時停止状態であった第３の音
声入力チャンネルの認識部１２４に対し、動作開始を指
示する。この結果、時刻ｂ以降は第２の音声入力チャン
ネルと第３の音声入力チャンネルに対する２つの認識処
理が動作することになる。ここで、第３の音声入力チャ
ンネルにおいては、時刻ｅ以降の音声信号がバッファ１
２３に蓄えられているため、認識部１２４はその音声信
号を順次読み出し、認識処理を実行する。第２の音声入
力チャンネルの認識部１１４は引き続き、音声入力から
の時間遅れなしに認識処理を実行する。

【００３３】続いて、時刻ｄで第２の音声入力チャンネ
ルの音声入力が終了すると、前述と同様に、認識部１１
４は認識結果を出力すると同時に、動作を停止する。こ
の時点で、第３の音声入力チャンネルのバッファ１２３
には時刻ｇから時刻ｄまでの音声信号が蓄えられてい
る。一方、認識部１２４のみが動作することになるた
め、１フレーム周期の間に２フレーム分の認識処理を行
うことができる。従って、（ｆ−ｇ）／２ ＜（ｆ−
ｄ）であれば、時刻ｆに達するまでに、認識処理は第３
の音声入力チャンネルの音声入力に追いつくことがで
き、この結果、時刻ｆで第３の音声入力チャンネルの音
声入力が終了した時点で、前述と同様に、認識部１２４
は認識結果を出力する。

【００３４】以上のように、この例では、第１、第２、
第３のすべての音声入力チャンネルからの音声入力に対
して、時間遅れなしに、認識結果を出力することができ
る。上記の実施例ではチャンネル数が３の場合について
説明したが、チャンネル数はこれに限らない。上記の実
施例では、１チャンネル分のプロセッサのフレーム当た
りの処理時間は予め設定されているものとしたが、標準
パターンメモリ２０３中の標準パターンのサイズや複雑
さ、および認識対象辞書２０４の単語数から、認識動作
制御部１３０においてフレーム当たりの処理時間を推定
するようにしてもよい。この場合、標準パターンのサイ
ズや複雑さ、および、認識対象辞書の内容、すなわち単
語数に応じて、プロセッサに対する認識処理の負荷を求
めることができるため、サイズの小さい標準パターンが
格納されている標準パターンメモリや単語数の少ない認
識対象辞書を参照して認識処理を行う音声入力チャンネ
ルに対してはより多くの認識処理を同時に動作させるな
ど、プロセッサをより有効に動作させることができる。

【００３５】上述した本発明の実施の形態では、１フレ
ーム当たりのプロセッサの処理時間の合計がフレーム周
期の超えないように、認識動作の制御を行ったが、プロ
セッサに対する認識処理の最大負荷率を与えることによ
って、その負荷率を超えないように認識動作を制御する
ことができる。例えば、フレーム周期が１０ミリ秒、一
つの認識部の１フレーム当たりの処理時間が２．５ミリ
秒、最大負荷率を７５％とするならば、最大３つの認識
処理を同時に動作させることになる。最大負荷率を設定
することによって、プロセッサが認識処理以外の処理を
実行する時間を確保することができ、ユーザの満足度を
高めることができる。

【００３６】

【発明の効果】以上説明したように、請求項１に記載の
発明によれば、プロセッサに対する認識処理の負荷量に
応じて、前記複数の音声入力チャンネルのうち一部の音
声入力チャネルからの入力音声の認識処理の実行を一時
停止し、またはすべてのチャンネルからの入力音声の認
識処理の実行を続行するように前記プロセッサの認識動
作を制御する認識動作制御手段を有し、前記認識動作制
御手段は、前記複数の音声チャンネルの各々に対する音
声検出状態、および各音声入力チャンネルに対する前記
プロセッサの認識処理の動作状態、および入力音声の特
徴量の時系列と照合される標準パターンのサイズや複雑
さ、および認識対象となる入力音声に対応する単語が格
納されている認識辞書の内容に応じて、プロセッサに対
する認識処理の負荷量を求めるようにしたので、複数の
音声入力チャンネルからの音声入力が重なった場合で
も、認識結果出力の遅れを抑制することができると共
に、サイズが小さい標準パターンや小さい認識対象辞書
ではより多くの認識処理を同時に動作させる等、プロセ
ッサをより有効に動作させることができる。

【００３７】また請求項２に記載の発明によれば、プロ
セッサに対する認識処理の負荷量が大きいときに、前記
複数の音声入力チャンネルのうち一部の音声入力チャン
ネルからの入力音声の認識処理の実行を一時停止するよ
うに前記プロセッサの認識動作を制御する認識動作制御
手段を有し、前記認識動作制御手段は、前記複数の音声
チャンネルの各々に対する音声検出状態、および各音声
入力チャンネルに対する前記プロセッサの認識処理の動
作状態、および入力音声の特徴量の時系列と照合される
標準パターンのサイズや複雑さ、および認識対象となる
入力音声に対応する単語が格納されている認識辞書の内
容に応じて、プロセッサに対する認識処理の負荷量を求
めるようにしたので、複数の音声入力チャンネルからの
音声入力が重なった場合でも、認識結果出力の遅れを防
止または低減することができると共に、サイズが小さい
標準パターンや小さい認識対象辞書ではより多くの認識
処理を同時に動作させる等、プロセッサをより有効に動
作させることができる。

【００３８】

【００３９】

【００４０】

【図面の簡単な説明】

【図１】 本発明の実施の形態に係る多チャンネル入力
音声認識装置の構成を示すブロック図。

【図２】 図１に示した多チャンネル入力音声認識装置
における認識部の具体的構成を示すブロック図。

【図３】 図１に示した多チャンネル入力音声認識装置
の動作の一例を示すタイムチャート。

【図４】 従来の多チャンネル入力音声認識装置の構成
を示すブロック図。

【図５】 図４に示した従来の多チャンネル入力音声認
識装置の動作の一例を示すタイムチャート。

【符号の説明】

１０ 認識装置 １０１、１１１、１２１ Ａ／Ｄ変換部 １０２、１１２、１２２ 音声検出部 １０３、１１３、１２３ バッファ １０４、１１４、１２４ 認識部 １３０ 認識動作制御部（認識動作制御手段）

───────────────────────────────────────────────────── フロントページの続き (58)調査した分野(Int.Cl.⁷，ＤＢ名) G10L 15/28

Claims (2)

(57)【特許請求の範囲】
1. 【請求項１】 １つ以上のプロセッサ上で複数の音声入
   力チャンネルから検出された入力音声を認識する多チャ
   ンネル入力音声認識装置において、 前記プロセッサに対する認識処理の負荷量に応じて、前
   記複数の音声入力チャンネルのうち一部の音声入力チャ
   ネルからの入力音声の認識処理の実行を一時停止し、ま
   たはすべてのチャンネルからの入力音声の認識処理の実
   行を続行するように前記プロセッサの認識動作を制御す
   る認識動作制御手段を有し、 前記認識動作制御手段は、前記複数の音声チャンネルの
   各々に対する音声検出状態、および各音声入力チャンネ
   ルに対する前記プロセッサの認識処理の動作状態、およ
   び入力音声の特徴量の時系列と照合される標準パターン
   のサイズや複雑さ、および認識対象となる入力音声に対
   応する単語が格納されている認識辞書の内容に応じて、
   プロセッサに対する認識処理の負荷量を求める ことを特
   徴とする多チャンネル入力音声認識装置。
2. 【請求項２】 １つ以上のプロセッサ上で複数の音声入
   力チャンネルから検出された入力音声を認識する多チャ
   ンネル入力音声認識装置において、 前記プロセッサに対する認識処理の負荷量が大きいとき
   に、前記複数の音声入力チャンネルのうち一部の音声入
   力チャンネルからの入力音声の認識処理の実行を一時停
   止するように前記プロセッサの認識動作を制御する認識
   動作制御手段を有し、 前記認識動作制御手段は、前記複数の音声チャンネルの
   各々に対する音声検出状態、および各音声入力チャンネ
   ルに対する前記プロセッサの認識処理の動作状態、およ
   び入力音声の特徴量の時系列と照合される標準パターン
   のサイズや複雑さ、および認識対象となる入力音声に対
   応する単語が格納されている認識辞書の内容に応じて、
   プロセッサに対する認識処理の負荷量を求める ことを特
   徴とする多チャンネル入力音声認識装置。