JP3580643B2 - 音声認識方法及び音声認識装置 - Google Patents

Description

【０００１】
【発明の属する技術分野】
本発明は、音声認識方法及び音声認識装置に関し、例えばナビゲーションシステムにおける目的地の設定や空調システムにおける設定温度を音声によって入力できるようにする場合などに有効な音声認識の方法及び装置に関する。
【０００２】
【従来の技術】
従来より、入力された音声を予め記憶されている複数の比較対象パターン候補と比較し、一致度合の高いものを認識結果とする音声認識方法あるいはその方法を用いた装置が既に実用化されている。但し、現在の認識技術ではその認識結果が完全に正確なものとは限らない。例えばナビゲーションシステムにおいて設定すべき目的地を利用者が地名を音声で入力するために音声認識装置を用いる場合を考える。利用者は例えば「愛知県刈谷市昭和（ショーワ）町」と設定したいためにその地名を音声で入力した場合に、例えば「愛知県刈谷市松栄（ショーエー）町」と誤って認識してしまうことが考えられる。そして、このような誤認識には所定の傾向があり、発音の似た単語などが誤って認識され易い。つまり、上述の「愛知県刈谷市昭和町」は、誤認識される場合にはいつも「愛知県刈谷市松栄町」になるといったようなことである。
【０００３】
このような誤認識が生じることを念頭においたものとして、複数の上位候補を提示して最終的な決定を利用者に委ねる方法も普通に用いられている。つまり、上位候補として上述の「愛知県刈谷市昭和町」及び「愛知県刈谷市松栄町」、あるいはその他の地名も含めて提示する。しかしこの場合は複数候補からの選択を利用者がしなくてはならない。また表示装置の画面に候補を表示させるといった方法が採れない場合には、例えば音声で全て読み上げるといったような方法となり、提示及び利用者の対処がしづらいといった不都合がある。
【０００４】
また、特開平１−１５４０９８号公報には、認識結果の合否を利用者が入力する入力手段を持ち、前回の認識結果が誤認識であった場合にはその認識結果（例えば単語）を次回の認識に用いる辞書から除外する、あるいは次回の認識結果候補から前回の認識結果を除外して最終的な認識結果を決定するという音声認識装置が提案されている。この装置では、認識結果が誤っている場合、利用者が「誤認識ボタン」を操作したり「いいえ」という音声を入力してしたりすることで誤認識であることを通知する構成である。その後、利用者がもう一度「愛知県刈谷市昭和町」と言い直して音声入力する。音声認識装置では、前回の誤った認識結果であった「愛知県刈谷市松栄町」を認識に用いる辞書から除外した上で今回の認識を行なうことにより、同じ誤りを繰り返すことを回避するのである。
【０００５】
【発明が解決しようとする課題】
このように、上述の特開平１−１５４０９８号公報記載の音声認識装置によれば、似ているために誤って認識してしまい易いカテゴリの単語等が一時的に辞書から除外された上で認識処理を実行するため、同じ誤りを繰り返すことが回避され、言い直した場合の認識性能が向上する。
【０００６】
しかしながら、この従来装置の場合には、上述したように認識結果が誤っていることを音声認識装置側に利用者が通知する明確な動作が必要となってくる。つまり、利用者が「誤認識ボタン」を操作したり「いいえ」という音声を入力するという動作である。そのため、誤認識が複数回連続してしまうと、認識結果が誤っていることを音声認識装置側に利用者が通知する明確な動作がその都度必要となり、面倒である。特に、カーナビゲーションシステムにおいて目的地等を音声で入力しようとするためにこの音声認識装置を用いた場合などを想定すると、運転中の利用者にとって音声入力できることは非常に便利ではあるが、誤認識の度に「誤認識ボタン」の操作や「いいえ」という音声入力が必要となってくるのは、面倒であると共に、車両の運転という優先度のより高い操作への集中度合を下げてしまう可能性があり、好ましいことではない。
【０００７】
本発明は、このような問題を解決して、過去の誤認識を考慮することで同じ認識誤りを繰り返さないようにして認識精度を向上させることができながら、利用者が誤認識であることのみを明確な動作で通知することが不要にでき、利用者の利便を向上させることを目的とするものである。
【０００８】
【課題を解決するための手段及び発明の効果】
本発明の音声認識方法によれば、一度認識結果が報知された後の所定期間内に再度音声入力がなされ、その入力音声が前回の認識結果と同じ所定のカテゴリに属する場合には、前回の認識結果及びそれを実質的同一と見なされるものに対応する比較対象パターンを除外して認識結果を決定する。この比較対象パターンを除外して認識結果を決定する方法としては、例えば次回の認識処理において、除外すべき比較対象パターンを予め比較対象パターン候補から除外した上で比較をするようにしてもよいし、あるいは比較する際には前回と同様とし、その比較結果としての比較対象パターン候補から除外すべき比較対象パターンを除外して最終的な認識結果を決定するようにしてもよい。
【０００９】
このようにすることで、今回の認識処理においては、前回の認識結果及びそれを実質的同一と見なされるものに対応する比較対象パターンが認識結果として得られることはない。つまり、再度音声入力がなされ、その入力音声が前回の認識結果と同じ所定のカテゴリに属する場合というのは、前回の認識結果が利用者の意図したものと異なっている誤認識である場合が考えられるため、本方法によれば、同じ誤認識を繰り返さないという利点がある。
【００１０】
そして、上述の特開平１−１５４０９８号公報記載の音声認識と比較しても次のような利点がある。つまり、この公報記載の場合には、認識結果が誤っていた場合には、利用者自身が「誤認識ボタン」を操作したり「いいえ」という音声を入力して音声認識装置側に通知する明確な動作と行った後で、再度、言い直すことになっていたため、誤認識が複数回連続してしまうと、認識結果が誤っていることを音声認識装置側に利用者が通知する明確な動作がその都度必要となり、面倒であった。これに対して、本発明方法によれば、認識結果が誤っていた場合でも、利用者が誤認識であることのみを明確な動作で通知する必要がなく、そのまま言い直すだけでよい。それでいて、過去の誤認識を考慮することで同じ認識誤りを繰り返さないようにして認識精度を向上させることができるため、利用者の利便の向上の点で優れている。
【００１１】
特に、カーナビゲーションシステムの目的地等を音声で入力しようとするためにこの音声認識装置を用いた場合などを想定すると、運転中の利用者にとって音声入力できることは非常に便利ではあるが、上記公報記載の発明のように、誤認識の度に「誤認識ボタン」の操作や「いいえ」という音声入力が必要となってくるのは好ましくないため、直接言い直しの動作につなげることのできる本発明方法はこのような状況において非常に有効である。
【００１２】
なお、認識結果の報知後に所定の確定指示がなされた場合には、その認識結果を確定したものとして所定の確定後処理へ移行する。この「所定の確定後処理」とは、例えばナビゲーションシステムに用いられた場合には、認識結果としての目的地を設定する処理自体あるいは目的地設定処理を実行する装置側へその目的地を設定するよう指示する処理などが考えられる。また、認識結果の報知後の「所定の確定指示」に関しては、やはり音声で入力（例えば「はい」と発声することで入力）したり、確定ボタンのようなスイッチ類の操作によって指示したりすることが考えられる。
【００１３】
また、本発明方法では、比較対象パターンを除外して認識結果を決定する場合の条件として、認識結果を報知した後の所定期間内に再度音声入力がなされることを挙げているが、この「所定期間内」としては、認識結果の報知後に前記所定の確定指示がなされるまでとすることが考えられる。つまり、確定指示がなされて所定の確定後処理へ移行するということは正しい認識結果であったことを意味するため、次回の音声入力についての最初の認識処理については、比較対象パターンを除外しないで行なうことが好ましいからである。
【００１４】
さらに、前記認識結果の報知に関しては、例えば請求項３に示すように、音声発生装置から、認識結果の内容を音声にて出力することにより行うことが考えられる。カーナビゲーションシステムなどの車載機器用として用いる場合には、音声で出力されれば、ドライバーは視点を表示装置にずらしたりする必要がないので、安全運転のより一層の確保の点では有利であると言える。但し、音声出力に限定されるものではなく、画面上に文字または記号を表示できる表示装置に、認識結果の内容を、文字または記号による画像にて表示することにより行ったり、音声及び画像の両方にて報知するようにしてもよいし、それら以外の報知の手法を採用してもよい。車載機器として適用する場合に音声出力が有利であることを述べたが、もちろん車両が走行中でない状況もあるので、音声及び画像の両方で報知すれば、ドライバーは表示による確認と音声による確認との両方が可能となる。
【００１５】
上述した音声認識方法を装置として構成した場合には、例えば、請求項４のような構成を挙げることができる。
利用者が音声入力手段を介して音声を入力すると、認識手段は、その入力音声を、予め辞書手段に記憶されている複数の比較対象パターン候補と比較して一致度合の高いものを認識結果とし、報知手段がその認識結果を報知する。そして、認識結果が報知された後に所定の確定指示がなされた場合には、確定後処理手段が、その認識結果を確定したものとして所定の確定後処理を実行する。「所定の確定指示」及び「所定の確定後処理」については上述したので省略する。
【００１６】
そして、認識結果を報知した後の所定期間内に音声入力手段を介して音声入力がなされ、その入力音声が前回の認識結果と同じ所定のカテゴリに属する場合、認識手段は、前回の認識結果及び当該認識結果と実質的同一と見なされるものに対応する比較対象パターンを除外して認識結果を決定する。
【００１７】
したがって、本音声認識装置によれば、認識結果が誤っていた場合でも、利用者が誤認識であることのみを明確な動作で通知する必要がなく、そのまま言い直すだけでよく、それでいて、過去の誤認識を考慮することで同じ認識誤りを繰り返さないようにして認識精度を向上させることができるため、利用者の利便が向上する。
【００１８】
なお、上述したように、確定指示がなされて所定の確定後処理へ移行するということは正しい認識結果であったことを意味するため、次回の音声入力についての最初の認識処理については、比較対象パターンを除外しないで行なうことが好ましい。したがって、請求項５に示すように、認識手段が比較対象パターンを除外して認識結果を決定することの許容される所定期間は、認識結果の報知後に所定の確定指示がなされるまでとすることが考えられる。
【００１９】
また、請求項６に示すように、報知手段が、音声を出力することにより報知する手段であれば、認識結果の内容が音声として報知手段から出力されることとなる。このように音声で出力されれば、例えば車載機器用として用いた場合に、認識結果の確認のためにドライバーが視点を移動する必要がないので、一層の安全運転に貢献できる。報知手段については、それ以外にも、画面上に文字または記号を表示することにより報知する手段が考えられる。
【００２０】
もちろん、報知手段を、音声を出力することにより報知すると共に画面上に 文字または記号を表示することにより報知するようにしてもよい。
また、請求項４〜６のいずれか記載の音声認識装置をナビゲーションシステム用として用いる場合には、請求項７に示すように構成することが考えられる。
【００２１】
すなわち、音声入力手段は、ナビゲーションシステムがナビゲート処理をする上で指定される必要のある所定のナビゲート処理関連情報の指示を、利用者が音声にて入力するために用いる。そして、確定後処理手段による所定の確定後処理は、ナビゲーションシステムに対するナビゲート処理関連情報の指示を含むものとする。この場合の「所定のナビゲート処理関連情報」としては、目的地が代表的なものとして挙げられるが、それ以外にもルート探索に関する条件選択など、ナビゲート処理をする上で指定の必要のある指示が含まれる。
【００２２】
そしてこの場合は、認識結果としてのナビゲート処理関連情報を報知することとなるが、その報知後の所定期間内に再度ナビゲート処理関連指示が音声入力された場合には、前回の認識結果と同じカテゴリであると判断し、認識手段は、前回の認識結果としてのナビゲート処理関連情報及び当該ナビゲート処理関連情報と実質的同一と見なされるものに対応する比較対象パターンを除外して認識結果を決定する。
【００２３】
目的地のように単語のみで構成されることの多い場合にはナビゲート処理関連情報そのものだけとなるが、条件選択などにおいては、例えば「使用しない」が標準パターンであったとしても、「使わない」あるいは「不使用」という言葉でも対処できるようにしておくことが好ましいので、このように実質的同一、つまり同一の指示を意味していると見なされる場合にも除外して認識結果を決定することで、余分な誤認識の繰り返しをより好適に防止することができる。
【００２４】
なお、このようにナビゲーションシステムを前提して構成する場合には、報知手段を画面上に文字または記号を表示することにより報知する手段として構成すると共に、その報知手段を、ナビゲーションシステムの地図情報を表示するための表示手段と兼ねさせてもよい。もちろん、兼用させずに別個に構成しても構わない。また、この場合の音声認識装置は、ナビゲーションシステム自体に含めても構わないし、別体とし、その他の機器にも対応する汎用装置として構成してもよい。そして、ナビゲーションシステムにおいて地図情報が利用されるため、辞書手段はその地図情報中の地名情報などの必要な情報のみを読み出して記憶しておくようにすればよい。
【００２５】
一方、請求項４〜６のいずれか記載の音声認識装置を空調システム用として用いる場合には、請求項８に示すように構成することが考えられる。
すなわち、音声入力手段は、空調システムにおける空調状態関連指示を利用者が音声にて入力するために用いる。確定後処理手段による所定の確定後処理は、空調システムに対する空調状態関連指示を含むものとする。この場合の「空調状態関連情報」は、設定温度や空調モード選択（冷房・暖房・ドライ）、あるいは風向モード選択といった種々の指示に対応したものが考えられる。そして、この場合にも、認識結果としての空調状態関連情報を報知した後の所定期間内に再度空調状態関連指示が音声入力された場合には、認識手段が、前回の認識結果としての空調状態関連情報及び当該空調状態関連情報と実質的同一と見なされるものに対応する比較対象パターンを除外して認識結果を決定する。
【００２６】
空調状態関連情報そのものだけでなく、その空調状態関連情報と実質的同一と見なされるものについても除外しているのは、上記ナビゲーションシステムを前提とした場合と同様の理由である。例えば、温度設定を指示する場合を考えてみると、設定したい温度そのものを指示する場合もあれば、現在の設定温度からの変更を指示する場合も考えられる。例えば、利用者が「気温を２度下げる」と発声したにも関わらず「気温を５度下げる」と誤認識した場合、除外するものとしては、「気温を５度下げる」だけでなく、それと同一の意味と見なされるもの、例えば「５度下げる」あるいは「５度冷やす」といったものも全て含めて除外するのである。
【００２７】
なお、上述のナビゲーションシステム及び空調システムは、例えば携帯型ナビゲーション装置や屋内用空調装置などのように、車載機器として用いられる場合だけではない。但し、これまで説明したように車載機器用として用いる場合には利用者がドライバーであることが考えられ、その場合には運転自体が最重要であり、それ以外の車載機器については、なるべく運転に支障がないことが好ましい。したがって、車載機器としてのナビゲーションシステムや空調システムを前提とした音声認識装置の場合には、より一層の利点がある。もちろん、このような視点で考えるならば、ナビゲーションシステムや空調システム以外の車載機器に対しても同様に利用することができる。例えば、カーオーディオ機器などは有効である。また、いわゆるパワーウインドウの開閉やミラー角度の調整などを音声によって指示するような構成を考えれば、そのような状況でも有効である。
【００２８】
また、車載機器用とした場合にはそれ特有の利点があることは述べたが、本発明の音声認識方法あるいは装置の適用先としては、利用者がスイッチ操作や音声入力等によって指示したものを受けて制御装置が間接的に対象物を操作・制御しているような物であれば同様に考えられる。
【００２９】
【発明の実施の形態】
［実施の形態１］
図１は本発明の実施の形態１としてのカーナビゲーションシステム２の全体構成を示すブロック図である。本カーナビゲーションシステム２は、位置検出器４、地図データ入力器６、操作スイッチ群８、これらに接続された制御回路１０、制御回路１０に接続された外部メモリ１２、表示装置１４及びリモコンセンサ１５及び音声認識装置３０を備えている。尚、制御回路１０は通常のコンピュータとして構成されており、内部には、ＣＰＵ、ＲＯＭ、ＲＡＭ、Ｉ／Ｏ及びこれらの構成を接続するバスラインが備えられている。
【００３０】
位置検出器４は、周知の地磁気センサ１６、ジャイロスコープ１８、距離センサ２０、及び衛星からの電波に基づいて車両の位置を検出するＧＰＳ（ＧｌｏｂａｌＰｏｓｉｔｉｏｎｉｎｇ Ｓｙｓｔｅｍ）のためのＧＰＳ受信機２２を有している。
これらのセンサ等１６，１８，２０，２２は各々が性質の異なる誤差を持っているため、複数のセンサにより、各々補間しながら使用するように構成されている。なお、精度によっては上述した内の一部で構成してもよく、更に、ステアリングの回転センサ、各転動輪の車輪センサ等を用いてもよい。
【００３１】
地図データ入力器６は、位置検出の精度向上のためのいわゆるマップマッチング用データ、地図データ及び目印データを含む各種データを入力するための装置である。媒体としては、そのデータ量からＣＤ−ＲＯＭを用いるのが一般的であるが、メモリカード等の他の媒体を用いても良い。
【００３２】
表示装置１４はカラー表示装置であり、表示装置１４の画面には、位置検出器４から入力された車両現在位置マークと、地図データ入力器６より入力された地図データと、更に地図上に表示する誘導経路や後述する設定地点の目印等の付加データとを重ねて表示することができる。
【００３３】
また、本カーナビゲーションシステム２は、リモートコントロール端末（以下、リモコンと称する。）１５ａを介してリモコンセンサ１５から、あるいは操作スイッチ群８により目的地の位置を入力すると、現在位置からその目的地までの最適な経路を自動的に選択して誘導経路を形成し表示する、いわゆる経路案内機能も備えている。このような自動的に最適な経路を設定する手法は、ダイクストラ法等の手法が知られている。操作スイッチ群８は、例えば、表示装置１４と一体になったタッチスイッチもしくはメカニカルなスイッチ等が用いられ、各種入力に使用される。
【００３４】
そして、音声認識装置３０は、上記操作スイッチ群８あるいはリモコン１５ａが手動操作により目的地などを指示するために用いられるのに対して、利用者が音声で入力することによっても同様に目的地などを指示することができるようにするための装置である。
【００３５】
この音声認識装置３０は、「認識手段」及び「確定後処理手段」としての音声認識部３１及び対話制御部３２と、音声合成部３３と、音声入力部３４と、「音声入力手段」としてのマイク３５と、ＰＴＴ（Ｐｕｓｈ−Ｔｏ−Ｔａｌｋ）スイッチ３６と、「報知手段」としてのスピーカ３７とを備えている。
【００３６】
音声認識部３１は、音声入力部３４から入力された音声データを、対話制御部３２からの指示により入力音声の認識処理を行い、その認識結果を対話制御部３２に返す。対話制御部３２は、その認識結果及び自身が管理する内部状態から、音声合成部３３への応答音声の発声指示や、システム自体の処理を実行する制御回路１０に対して例えばナビゲート処理のために必要な目的地を通知して設定処理を実行させるよう指示する処理を実行する。このような処理が確定後処理であり、結果として、この音声認識装置３０を利用すれば、上記操作スイッチ群８あるいはリモコン１５ａを手動しなくても、音声入力によりナビゲーションシステムに対する目的地の指示などが可能となるのである。
【００３７】
また前記音声入力部３４は、マイク３５にて取り込んだ周囲の音声をデジタルデータに変換して音声認識部３１に出力するものであり、本実施形態においては、利用者がＰＴＴスイッチ３６を押しながらマイク３５を介して音声を入力するようにされている。つまり、ＰＴＴスイッチ３６が押されていない場合には、音声入力部３４は音声認識部３１へ音声データを出力しないようにされている。
【００３８】
ここで、音声認識部３１と対話制御部３２についてさらに説明する。図２は、この音声認識部３１と対話制御部３２の構成をさらに詳しく示したものであり、（Ａ），（Ｂ）の２つの構成例を説明する。
まず、図２（Ａ）に示す構成では、音声認識部３１が照合部３１ａと辞書部３１ｂとで構成されており、対話制御部３２が候補決定部３２ａ、記憶部３２ｂ及び後処理部３２ｃで構成されている。
【００３９】
音声認識部３１においては、照合部３１ａが、音声入力部３４から取得した音声データに対し、辞書部３１ｂ内に記憶されている辞書データを用いて照合を行ない、詳しくは複数の比較対象パターン候補と比較して一致度の高い上位比較対象パターンを対話制御部３２の候補決定部３２ａへ出力する。そして候補決定部３２ａでは、この上位比較対象パターンに対し、記憶部３２ｂに記憶されている除外すべき比較対象パターンを削除して最終的な認識結果としての上位比較対象パターンを決定する。それと共に、記憶部３２ｂに、次回の認識にて除外すべき比較対象パターンを除外パターンとして記憶させたり、あるいは所定の確定指示がなされた場合には記憶されている除外パターンをクリアしたりする処理を行なう。
【００４０】
そして、後処理部３２ｃでは、例えば上記所定の確定指示がなされた場合に制御回路１０へデータを送って所定の処理をするように指示する「確定後処理」を実行したり、あるいは音声合成部３３へ音声データを送って発音させるように指示する処理を実行する。なお、この場合の制御回路１０へ送るデータとしては、最終的な認識結果としての上位比較対象パターンの全てでもよいし、あるいはその内の最上位のものだけでもよい。
【００４１】
一方、図２（Ｂ）に示す構成では、音声認識部３１が照合部１３１ａと辞書部１３１ｂとで構成されており、対話制御部３２が記憶部１３２ａ、辞書制御部１３２ｂ及び後処理部１３２ｃで構成されている。
上記図２（Ａ）に示す構成では、対話制御部３２の候補決定部３２ａが照合部３１ａからの照合結果を得て、記憶部３２ｂ内の辞書データに基づいて候補を決定していたが、図２（Ｂ）の構成では、照合部１３１ａからの照合結果が対話制御部３２の記憶部１３２ａ及び後処理部１３２ｃへ出力され、辞書制御部１３２ｂが音声認識部３１における認識処理に先だって、記憶部１３２ａに記憶されている除外パターンを、辞書部１３１ｂ内の辞書データから一時的に削除あるいは利用しないように制御する。照合部１３１ａは、その状態での辞書部１３１ｂ内の辞書データを用いて照合を行い、上位比較対象パターンを後処理部１３２ｃ及び記憶部１３２ａへ出力することとなる。記憶部１３２ａでは、次回の認識にて除外すべき比較対象パターンを除外パターンとして記憶させるか、あるいは所定の確定指示がなされた場合には記憶されている除外パターンをクリアするかの処理を行なう。
【００４２】
なお、後処理部１３２ｃの動作は、上記図２（Ａ）の場合と同様なので、ここでは説明を省略する。
次に、本実施形態１のカーナビゲーションシステム２の動作について説明する。なお、音声認識装置３０に関係する部分が特徴であるので、カナビゲーションシステムとしての一般的な動作を簡単に説明した後、音声認識装置３０に関係する部分の動作について詳しく説明することとする。
【００４３】
カーナビゲーションシステム２の電源オン後に、表示装置１４上に表示されるメニューから、ドライバーがリモコン１５ａ（操作スイッチ群８でも同様に操作できる。以後の説明においても同じ）により、案内経路を表示装置１４に表示させるために経路情報表示処理を選択した場合、あるいは、音声認識装置３０を介して希望するメニューをマイク３５を介して音声入力することで、対話制御部３２から制御回路１０へ、リモコン１５ａを介して選択されるのを同様の指示がなされた場合、次のような処理を実施する。
【００４４】
すなわち、ドライバーが表示装置１４上の地図に基づいて、音声あるいはリモコンなどの操作によって目的地を入力すると、ＧＰＳ受信機２２から得られる衛星のデータに基づき車両の現在地が求められ、目的地と現在地との間に、ダイクストラ法によりコスト計算して、現在地から目的地までの最も短距離の経路を誘導経路として求める処理が行われる。そして、表示装置１４上の道路地図に重ねて誘導経路を表示して、ドライバーに適切なルートを案内する。このような誘導経路を求める計算処理や案内処理は一般的に良く知られた処理であるので説明は省略する。
【００４５】
次に、音声認識装置３０における動作について、上述の経路案内のための目的地を音声入力する場合を例にとって説明する。
図３は、その場合の音声認識部３１及び対話制御部３２における処理を示すフローチャートである。まず最初のステップＳ１０においては音声入力があるかどうかを判断する。
【００４６】
音声入力があれば、Ｓ２０へ移行して音声認識処理を実行する。この音声認識処理については後で詳述することとして、続くＳ３０では、Ｓ２０での音声認識処理による認識結果が、「はい」という音声入力であるかどうかを判断する。そして、「はい」という音声入力でなければ（Ｓ３０：ＮＯ）、続くＳ４０にて認識結果が所定カテゴリに属するものであるかどうかを判断する。ここでは経路案内のための目的地を設定する処理を前提としているので、この所定カテゴリとは、地名に関するカテゴリである。
【００４７】
この所定カテゴリであれば（Ｓ４０：ＹＥＳ）、Ｓ５０へ移行して、その認識結果を除外すべき比較対象パターン（以下、除外パターンと称す。）として記憶部３２ｂ（図２参照）に記憶させる。そして、続くＳ６０にて、音声応答処理を実行する。これは、音声合成部３３及びスピーカを介して認識結果を音声として出力する処理である。
【００４８】
一方、所定カテゴリでなければ（Ｓ４０：ＮＯ）、Ｓ７０へ移行してその他の処理を実行する。Ｓ３０あるいはＳ７０の処理の後はＳ１０へ戻って、処理を繰り返す。
また、Ｓ３０で肯定判断、すなわち認識結果が「はい」という音声入力であった場合には、Ｓ８０へ移行して認識結果を確定する。そして続くＳ９０にて、所定の確定後処理を実行する。この場合の確定後処理とは、認識結果としての「経路案内のための目的地」に関するデータを、制御回路１０へ（図１参照）へ出力する処理などとなる。
【００４９】
このような確定後処理が終了した後は、Ｓ１００へ移行して、Ｓ５０の処理で記憶部３２ｂに記憶されていた除外パターンをクリアする。その後、Ｓ１０へ戻る。
次に、上記Ｓ２０での音声認識処理の詳細について説明する。なお、この音声認識処理は、音声認識部３１及び対話制御部３２が図２（Ａ）の構成の場合と、図２（Ｂ）の構成の場合とで処理手順が多少異なるため、それぞれの場合を分けて説明する。
【００５０】
最初に図２（Ａ）に示す構成の場合の処理を説明する。まず、取得した音声データに対して辞書部３１ｂ内に記憶されている辞書データを用いて照合を行なう。そしてその照合結果により定まった上位比較対象パターンを、対話制御部３２の候補決定部３２ａへ通知する。候補決定部３２ａでは、通知された上位比較対象パターンに対して、Ｓ５０の処理によって記憶部３２ｂに記憶されている除外パターンを削除した上で、最終的な認識結果としての上位比較対象パターンを決定する。これにより認識結果が決定される。なお、上述の図３の処理にて説明したように、確定はＳ８０の処理によって行われるため、ここでは一応の決定ということとなる。
【００５１】
次に図２（Ｂ）に示す構成の場合の処理を説明する。この場合は、辞書制御部１３２ｂが音声認識部３１における認識処理に先だって、図３のＳ５０の処理で記憶部１３２ａに記憶された除外パターンを、辞書部１３１ｂ内の辞書データから一時的に削除あるいは利用しないように制御する。その後、照合部１３１ａは、取得した音声データに対して辞書部１３１ｂ内に記憶されている辞書データを用いて照合する。
【００５２】
さらに、この場合は、照合部１３１ａが図３のＳ３０〜Ｓ５０及びＳ８０，Ｓ１００に相当する処理まで実行することとなる。つまり、「はい」という音声入力がされたと判断した場合（Ｓ３０：ＹＥＳ）には、その認識結果を確定して（Ｓ８０）、後処理部１３２ｃへ認識結果を送出し、Ｓ１００に相当する処理として、記憶部１３２ａに記憶されている除外パターンをクリアさせる処理を行なうこととなる。また、所定カテゴリであった場合（Ｓ４０：ＹＥＳ）の、認識結果を除外パターンとして記憶部１３２ａへ記憶させるまでの処理も実行することとなる。
【００５３】
以上が、経路案内のための目的地を音声入力する場合を例にとった場合の動作説明であるが、本発明の音声認識に係る特徴をより明確に理解するために、目的地として「愛知県刈谷市昭和（ショーワ）町」を指定するという具体例で説明を続ける。
【００５４】
利用者がマイク３５を介して「愛知県刈谷市昭和町」と音声入力したとする。音声認識の精度が１００％でない場合には誤認識してしまう可能性がある。例えば「愛知県刈谷市松栄（ショーエー）町」と誤って認識してしまった場合には、音声認識装置３０はその音声をスピーカ３７を介して出力する。
【００５５】
これにより利用者は誤って認識されていることが判るので、再度「愛知県刈谷市昭和町」と音声入力する。この場合の音声入力に対する処理においては、前回の音声入力に対応する一連の処理において図３のＳ５０に示すように認識結果が除外パターンとして記憶されている。そのため、例えば図２（Ａ）に示す構成であれば、今回の音声認識処理の際には、「愛知県刈谷市松栄町」が照合部３１ａからの照合結果として候補決定部３２ａに通知されたとしても、記憶部３２ｂには「愛知県刈谷市松栄町」が記憶されているので、候補決定部３２ａにおいてそれが除外されることとなる。一方、図２（Ｂ）に示す構成であれば、記憶部１３２ａに記憶されている「愛知県刈谷市松栄町」が辞書制御部１３２ｂの制御によって辞書部１３１ｂ内の辞書データから自動的に除外された状態で照合部１３１ａによる照合が実施される。したがって、再度「愛知県刈谷市松栄町」が認識結果とされることは決してなく、認識精度は向上する。
【００５６】
さらに、今回もまた誤認識があり、例えば「愛知県刈谷市大正（タイショー）町」と認識してしまった場合には、利用者が再度「愛知県刈谷市昭和町」と音声入力することによって、この場合の音声認識処理の際には、「愛知県刈谷市松栄町」に加えて「愛知県刈谷市大正町」が自動的に除外される。したがって、「愛知県刈谷市松栄町」及び「愛知県刈谷市大正町」が認識結果とされることは決してなく、認識精度は向上する。
【００５７】
そして、今度は正しく認識して「愛知県刈谷市昭和町」と応答してきた場合には、利用者が「はい」と音声入力することで、図３のＳ９０の確定後処理として、制御回路１０（図１参照）にその「愛知県刈谷市昭和町」が目的地として通知される。これにより、制御回路１０は、「愛知県刈谷市昭和町」を目的地として設定し、その後の所定の経路案内処理を実行することとなる。なお、「はい」という音声入力がされて確定後処理がされているので、次回の認識処理においては、「愛知県刈谷市松栄町」及び「愛知県刈谷市大正町」は除外されることなく、比較対象パターンとして適格を有することとなる。
【００５８】
なお、従来技術として提示した特開平１−１５４０９８号公報記載の音声認識装置と比較した利点を確認しておく。この公報記載の場合には、認識結果が誤っていた場合には、利用者自身が「誤認識ボタン」を操作したり「いいえ」という音声を入力して音声認識装置側に通知する明確な動作と行った後で、再度、言い直すことになっていたため、誤認識が複数回連続してしまうと、認識結果が誤っていることを音声認識装置側に利用者が通知する明確な動作がその都度必要となり、面倒であった。
【００５９】
これに対して、本カーナビゲーションシステム２における音声認識装置３０によれば、認識結果が誤っていた場合でも、利用者が誤認識であることのみを明確な動作で通知する必要がなく、そのまま言い直すだけでよい。つまり、上記具体例で言えば、「愛知県刈谷市松栄町」と誤認識された場合でも、利用者自身が「誤認識ボタン」を操作したり「いいえ」という音声を入力する必要がなく、再度「愛知県刈谷市昭和町」と音声入力するだけでよいのである。
【００６０】
つまり、過去の誤認識を考慮することで同じ認識誤りを繰り返さないようにして認識精度を向上させることができるという利点を保持したまま、認識結果が誤っていた場合でも、利用者が誤認識であることのみを明確な動作で通知する必要がなく、そのまま言い直すだけでよいため、利用者の利便の向上の点で優れているのである。
【００６１】
また、本実施形態では、図３に示すように、「はい」という音声入力がされ（Ｓ３０：ＹＥＳ）、確定後処理（Ｓ９０）がされた後でＳ１００にて、除外パターンをクリアしている。つまり、確定指示がなされて所定の確定後処理へ移行するということは正しい認識結果であったことを意味するため、次回の音声入力についての最初の認識処理については、除外パターンがない状態で始めることによって、適切な認識処理が行えるのである。
なお、本実施形態では、「報知手段」としてスピーカ３７を用い、音声出力により認識結果を報知するようにしたが、このように音声で出力されれば、認識結果の確認のためにドライバーが視点を移動する必要がないので、一層の安全運転に貢献できる。つまり、ナビゲーションシステムを車載機器用として用いているので、このような音声出力には利点がある。もちろん、画面上に文字または記号を表示することにより認識結果を報知してもよいし、音声を出力することにより報知すると共に画面上に文字または記号を表示することにより報知するようにしてもよい。そして、画面上に認識結果を表示させる場合には、ナビゲーションシステムの地図情報を表示するための表示装置１４（図１参照）に表示させるような構成を採用することもできる。
【００６２】
なお、上記図３のＳ４０の処理においては、認識結果が所定カテゴリに属するものであるかどうかを判断するものとし、その所定カテゴリとは目的地の設定を前提にするため地名に関するカテゴリであると説明した。しかしながら、本発明の主旨はこのような地名等に限定されるものではなく、抽象的に言えば、認識結果を出力し、利用者の確認を得てから正式に確定する必要があるような情報に関するカテゴリということである。具体的に上述のカーナビゲーションシステム２で言うならば、ナビゲート処理をする上で指定される必要のある所定のナビゲート処理関連情報の指示ということとなる。この「所定のナビゲート処理関連情報」の代表的なものが目的地がであるが、それ以外にもルート探索に関する条件選択など、ナビゲート処理をする上で指定の必要のある指示が含まれる。
【００６３】
そして、目的地の設定に関する上記例では、「愛知県刈谷市昭和町」に対する誤認識結果としての「愛知県刈谷市松栄町」や「愛知県刈谷市大正町」そのものだけを次回の認識において除外するようにしたが、実質的同一と見なされるものについても除外することが考えられる。これは、目的地であれば単語のみの一致度合だけを考慮すればよい場合が多いが、条件選択などにおいては、例えば「使用しない」が標準パターンであったとしても、「使わない」あるいは「不使用」という言葉でも対処できるようにしておくことが好ましいので、このように実質的同一、つまり同一の指示を意味していると見なされる場合にも次回の認識において除外しておくことで、余分な誤認識の繰り返しをより好適に防止することができる。
【００６４】
［実施の形態２］
上述の実施形態１では、カーナビゲーションシステムに適用した場合を説明したが、この実施の形態２では、車載空調装置（いわゆるカーエアコン）に適用した場合を説明する。
【００６５】
基本的な構成は、図１に示したカーナビゲーションシステム２の場合と同様であり、音声認識装置３０によって空調状態関連指示を利用者が音声にて入力することができるようにされており、図１における制御回路１０が空調の関する各種制御、例えば温度変更や空調モード（冷房・暖房・ドライ）の変更、あるいは風向の変更といった制御を実行することとなる。
【００６６】
この場合の音声認識装置の動作についても、基本的には上記カーナビゲーションシステム２の場合と同様であるので詳しくは説明しないが、音声で入力指示する空調状態関連情報に対する認識処理においては、単語の一致度合だけで判断できる場合だけでないことが多いと考えられるので、その点を説明しておく。
【００６７】
空調状態の指示において、温度設定を「２５度」や「２８度」と指示したり、空調モードを「冷房」、「暖房」あるいは「ドライ」というように指示したりする場合は単語の一致度合だけで判断しても構わない。しかし、利用者の使い勝手を考慮すると、現在の温度から「５度下げる」あるいは「５度冷やす」というように多少表現が異なる指示であっても許容することが好ましい。つまり、「５度」という数値的指示と「下げる」あるいは「冷やす」といった制御方向の指示が合体したものであり、その両者を限定的に単語の一致度合だけで捉えていると、「５度下げる」が誤認識であった場合に、実質的に同一の「５度冷やす」が次回の認識結果とされる可能性があり、余分な認識処理となってしまうからである。
【００６８】
したがって、この場合の音声認識処理においては、例えば温度設定を指示する場合に利用者が「気温を２度下げる」と発声したにも関わらず「気温を５度下げる」と誤認識した場合、次回の認識処理においては、「気温を５度下げる」だけでなく、それと同一の意味と見なされるもの、例えば「５度下げる」あるいは「５度冷やす」といったものも全て含めて除外するのである。
【００６９】
［その他］
前記各実施の形態では、ナビゲーションシステムや空調システムを車載機器として捉えた例として説明したが、例えば携帯型ナビゲーション装置や屋内用空調装置などのように車載機器として用いられる場合だけではないため、そのような実施形態としても実現可能である。但し、これまで説明したように車載機器用として用いる場合には利用者がドライバーであることが考えられ、その場合には運転自体が最重要であり、それ以外の車載機器に対する操作については、なるべく運転に支障がないことが好ましい。したがって、車載機器としてのカーナビゲーションシステム２や空調システムを前提とした音声認識装置３０の場合には、より一層の利点がある。
【００７０】
もちろん、このような視点で考えるならば、ナビゲーションシステムや空調システム以外の車載機器に対しても同様に利用することができ、例えばカーオーディオ機器などは有効である。また、それ以外にも、いわゆるパワーウインドウの開閉やミラー角度の調整などを音声によって指示するような構成を考えれば、そのような制御対象についても同様に適用でき、やはり有効である。
【図面の簡単な説明】
【図１】本発明の実施の形態１としてのカーナビゲーションシステムの概略構成を示すブロック図である。
【図２】音声認識装置における音声認識部と対話制御部の構成を示すブロック図である。
【図３】音声認識装置における音声認識及び対話制御に係る処理を示すフローチャートである。
【符号の説明】
２…カーナビゲーションシステム ４…位置検出器
６…地図データ入力器 ８…操作スイッチ群
１０…制御回路 １２…外部メモリ
１４…表示装置 １５…リモコンセンサ
１５ａ…リモコン １６…地磁気センサ
１８…ジャイロスコープ ２０…距離センサ
２２…ＧＰＳ受信機 ３０…音声認識装置
３１…音声認識部 ３１ａ…照合部
３１ｂ…辞書部 ３２…対話制御部
３２ａ…候補決定部 ３２ｂ…記憶部
３２ｃ…後処理部 ３３…音声合成部
３４…音声入力部 ３５…マイク
３６…ＰＴＴスイッチ ３７…スピーカ
１３１ａ…照合部 １３１ｂ…辞書部
１３２ａ…記憶部 １３２ｂ…辞書制御部
１３２ｃ…後処理部

Claims (8)

1. 入力された音声を予め記憶されている複数の比較対象パターン候補と比較して、一致度合の高いものを認識結果として報知し、その認識結果の報知後に所定の確定指示がなされた場合には、当該認識結果を確定したものとして所定の確定後処理へ移行するカーナビゲーションシステムに用いられる音声認識方法であって、
   前記認識結果を報知した後の所定期間内に再度音声入力がなされ、その入力音声が前回の認識結果と同じ所定のカテゴリに属する場合、前回の認識結果及び当該認識結果と実質的同一と見なされるものに対応する比較対象パターンを除外して認識結果を決定するようにしたことを特徴とする音声認識方法。
2. 請求項１記載の音声認識方法において、
   前記比較対象パターンを除外して認識結果を決定することの許容される所定期間は、前記認識結果の報知後に前記所定の確定指示がなされるまでであることを特徴とする音声認識方法。
3. 請求項１又は２記載の音声認識方法において、
   前記認識結果の報知は、音声発生装置から、前記認識結果の内容を音声にて出力することにより行われることを特徴とする音声認識方法。
4. 音声を入力するための音声入力手段と、
   該音声入力手段を介して入力された音声を、予め辞書手段に記憶されている複数の比較対象パターン候補と比較して一致度合の高いものを認識結果とする認識手段と、
   該認識手段による認識結果を報知する報知手段と、
   該報知手段によって認識結果が報知された後に所定の確定指示がなされた場合には、当該認識結果を確定したものとして所定の確定後処理を実行する確定後処理手段とを備え、
   車載機器として用いられる音声認識装置であって、
   前記認識結果を報知した後の所定期間内に前記音声入力手段を介して音声入力がなされ、その入力音声が前回の認識結果と同じ所定のカテゴリに属する場合、前記認識手段は、前回の認識結果及び当該認識結果と実質的同一と見なされるものに対応する比較対象パターンを除外して認識結果を決定するよう構成されていることを特徴とする音声認識装置。
5. 請求項４記載の音声認識装置において、
   前記認識手段が比較対象パターンを除外して認識結果を決定することの許容される所定期間は、前記認識結果の報知後に前記所定の確定指示がなされるまでであることを特徴とする音声認識方法。
6. 請求項４又は５記載の音声認識装置において、
   前記報知手段は、音声を出力することにより報知する手段であり、前記認識結果の報知は、前記認識結果の内容を音声として前記音声出力手段から出力することによって行われることを特徴とする音声認識装置。
7. 請求項４〜６のいずれか記載の音声認識装置において、
   前記音声入力手段は、ナビゲーションシステムがナビゲート処理をする上で指定される必要のある所定のナビゲート処理関連情報の指示を、利用者が音声にて入力するために用いられ、前記確定後処理手段による所定の確定後処理は、ナビゲーションシステムに対するナビゲート処理関連情報の指示を含むものであり、前記認識結果としてのナビゲート処理関連情報を報知した後の所定期間内に再度音声入力手段を介してナビゲート処理関連指示が音声入力された場合には、前回の認識結果と同じカテゴリであると判断し、前記認識手段は、前回の認識結果としてのナビゲート処理関連情報及び当該ナビゲート処理関連情報と実質的同一と見なされるものに対応する比較対象パターンを除外して認識結果を決定するよう構成されていることを特徴とする音声認識装置。
8. 請求項４〜６のいずれか記載の音声認識装置において、
   前記音声入力手段は、空調システムにおける空調状態関連指示を利用者が音声にて入力するために用いられ、前記確定後処理手段による所定の確定後処理は、空調システムに対する空調状態関連指示を含むものであり、前記認識結果としての空調状態関連情報を報知した後の所定期間内に再度音声入力手段を介して空調状態関連指示が音声入力された場合には、前回の認識結果と同じカテゴリであると判断し、前記認識手段は、前回の認識結果としての空調状態関連情報及び当該空調状態関連情報と実質的同一と見なされるものに対応する比較対象パターンを除外して認識結果を決定するよう構成されていることを特徴とする音声認識装置。

Images