JP3892338B2 - 単語辞書登録装置および単語登録用プログラム - Google Patents

Description

【０００１】
【発明の属する技術的分野】
本発明は、音声認識用の単語辞書に新たな単語を登録するための単語辞書登録装置とその方法に関する。
【０００２】
【従来の技術】
近年、車両に搭載されるナビゲーション装置は、音声認識による施設や住所の検索ができるようになり、利便性が大幅に向上した。例えば、音声入力ボタンを押してから「東京ディズニーランド」と発声するだけで、東京ディズニーランドまでのルートを探索して該当する地図を画面に表示することができる。このような音声認識による検索では、予め単語辞書に「東京ディズニーランド」の音声認識用データが格納されており、マイクロホンから音声入力した「東京ディズニーランド」という単語の音声認識用データを単語辞書内の音声認識用データと比較して、一致度の高い単語を抽出することにより「東京ディズニーランド」を検索している。
【０００３】
【発明が解決しようとする課題】
しかしながら、従来の音声認識による検索では、単語辞書に登録する単語数が多ければ、それだけヒット数も多くなるが、逆に、それだけ辞書メモリの容量が大きくなり、認識のための処理ステップも多くなり、その結果、認識率が低下して応答時間も長くなる問題点もある。このため、単語辞書に登録する単語数はある程度制限されており、上記した「東京ディズニーランド」の場合、単に「ディズニーランド」と発声しただけでは検索ができない場合もある。このため、従来の装置でも単語辞書登録の機能が備えられており、単語辞書にない単語は、ユーザが任意に登録することができるようになっているが、登録に際しては単語を一音ずつ入力しなければならず、煩わしいという問題があった。
【０００４】
本発明は、このような従来の問題を解決するものであり、音声認識用の単語辞書にない単語を容易に登録することのできる単語辞書登録装置とその方法を提供することを目的とする。
【０００５】
【課題を解決するための手段】
本発明の単語辞書登録装置は、音声入力された単語の音声認識用データと単語辞書に登録された音声認識用データとを比較して一致度の高い単語を音声認識結果として出力する音声認識手段と、前記音声入力された単語の音声認識用データを一時的に記憶する音声認識用データ記憶手段と、別の手段により入力された検索項目を地図データから検索して検索結果を出力する検索手段と、前記検索結果が前記音声入力された単語に関連する場合に、前記記憶した音声認識用データを前記検索結果に関連付けて単語辞書に登録する単語登録手段とを備えたものである。この構成により、音声認識用の単語辞書にない単語を、もう一度発声するかまたは別の文字入力手段により単語登録手続を行うことなく、単語辞書に容易に登録することができる。例えば、上記の例では、「ＴＤＬ」と音声入力した場合にこれが単語辞書にない場合でも、検索されなかった後に続けてリモコンからの検索により「東京ディズニーランド」が検索された場合、この「東京ディズニーランド」に関連付けて「ＴＤＬ」の音声認識用データを単語辞書に登録することにより、以後は「ＴＤＬ」を音声入力するだけで、「東京ディズニーランド」を検索することができ、ユーザに合った音声入力で音声認識を行うことができる。
【０００６】
また、本発明の単語辞書登録装置は、単語の音声特徴パターンを追加して記憶する追加単語辞書を有し、前記音声認識手段は、単語の音響モデルを基に生成された前記単語辞書に登録された音声特徴量のパターンおよび前記追加単語辞書に記憶された音声特徴パターンと、前記音声入力された単語の音声認識用データとを比較することを特徴とするものである。この構成により、音声認識精度を向上させることができる。
【０００７】
また、本発明の単語辞書登録装置は、音声入力を文字列に変換する文字列変換手段を有し、前記文字列変換手段は、前記単語の音声特徴パターンを文字列に変換して前記追加単語辞書に記憶することを特徴とするものである。この構成により、追加単語辞書に文字列を登録し、音声認識用辞書と同じように扱うことにより、音声認識精度が向上するとともにメモリ領域を削減することができる。
【０００８】
また、本発明の単語辞書登録装置は、前記検索結果の文字列の中に前記音声入力された単語の一部が含まれている場合に、前記記憶した音声認識用データを前記検索結果に関連付けて前記単語辞書に登録することを特徴とするものである。この構成により、正式名称の一部を省略して、または部分的に記憶している場合でも登録が可能になる。例えば、上記の例では、「ディズニーランド」と音声入力した場合にこれが単語辞書にない場合でも、検索されなかった後に続けてリモコンからの検索により「東京ディズニーランド」が検索された場合、この「東京ディズニーランド」に関連付けて「ディズニーランド」の音声認識用データを単語辞書に登録することにより、以後は「ディズニーランド」を音声入力するだけで、「東京ディズニーランド」を検索することができ、ユーザに合った音声入力で音声認識を行うことができる。
【０００９】
また、本発明の単語辞書登録装置は、前記入力された音声を文字または音声により提示して、前記単語辞書に登録することについて確認を求める手段を備えたものである。この構成により、単語辞書に誤った音声認識用データが登録されるのを防止することができる。例えば、上記の例では、「ディズニーランド」のつもりにも拘らず「ファミリーランド」と音声認識された場合、その後のリモコン操作により「東京ディズニーランド」が検索された時には、「ファミリーランドを「東京ディズニーランド」の単語辞書に登録してもよいですか」という確認のメッセージを文字または音声により提示することにより、ユーザが間違いに気づくので、間違った登録を少なくし、ユーザに合った辞書登録を行うことができる。
【００１０】
また、本発明は、上記のいずれかの単語辞書登録装置を備えた車載用ナビゲーション装置であり、ユーザが面倒な入力作業を行うことなく音声認識用の単語辞書を充実させることができ、また使い込むことによりユーザに合った音声認識を行うことができ、装置の使い勝手を向上させることができる。
【００１１】
また、本発明の単語辞書登録方法は、音声入力された単語の音声認識用データが単語辞書に登録された音声認識用データと一致しない場合に、前記音声入力された単語の音声認識用データを一時的に記憶しておき、前記音声入力された単語に関連する検索項目を別の検索方法により検索し、前記検索結果に関連付けて前記記憶した音声認識用データを単語辞書に登録することを特徴とするものである。この方法により、音声認識用の単語辞書にない単語を容易に登録することができ、ユーザに合った音声入力で音声認識を行うことができる。
【００１２】
また、本発明の単語辞書登録方法は、前記検索結果の文字列の中に前記音声入力された単語の一部が含まれている場合に、前記検索結果に関連付けて前記記憶した音声認識用データを単語辞書に登録することを特徴とするものである。この構成により、正式名称の一部を省略して、または部分的に記憶している場合でも登録が可能になり、ユーザに合った音声入力で音声認識を行うことができる。
【００１３】
また、本発明の単語辞書登録方法は、前記音声入力された単語を文字または音声により提示して、前記単語辞書に登録することについて確認を求めることを特徴とするものである。この構成により、単語辞書に誤った音声認識用データが登録されるのを防止することができる。
【００１４】
【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説明する。図１は本発明の実施の形態における音声認識装置を備えた車載ナビゲーション装置の構成を示している。図１において、方位センサ１は、ジャイロセンサが使用され、自車の進行方位を検出する。車速センサ２は、本装置を搭載した車両の車輪の回転数に応じた車速パルスを発生する。各種センサ３は、リバーススイッチ、パーキングスイッチ、ライトスイッチなどであり、車両の走行状態を検出する。センサ信号処理部４は、方位センサ１からの信号を基に車両の進行方向を算出するとともに、車速センサ２からの車速信号から走行距離を算出し、さらに各種センサ３からの信号を基に車両の走行状態を検出して、制御に必要な信号を生成する。外部記憶装置５（例えばＤＶＤ−ＲＯＭ、ＣＤ−ＲＯＭなど）は、地図データや音声認識用データ、音声認識用辞書データ、音響モデルなどが記憶されている。外部記憶装置ドライブ６は、外部記憶装置５から地図データや音声認識用データ、音声認識用辞書データ、音響モデルなどを読み出すものである。液晶ディスプレイ７は、地図および現在の自車位置、方位、操作メニューなどを表示するものであり、その前面にタッチパネルなどの操作部を備えているものもある。ＧＰＳ受信機８は、複数の衛星から送信される電波を受信演算することで自車の現在位置（緯度・経度）を求めるものである。ＧＰＳアンテナ９は、ＧＰＳ電波を受信するためのアンテナである。これら外部記憶装置ドライブ６、液晶ディスプレイ７、ＧＰＳ受信機８等は、車両のダッシュボード上などに配置され、車内ＬＡＮ１０を通じて装置本体１１の通信インターフェース１２に接続されている。装置本体１１は、車両のトランクルームや車内のセンターコンソールなどに設置される。
【００１５】
マイク１３は、車内の運転者近傍に配置され、使用者からの発声語句を入力するものであり、スピーカ１４は、検索結果や音声認識結果、走行ルート上の交差点案内、分岐案内、料金所案内、出口案内などの音声案内、リモコンでの操作内容を音声で指示したりする場合に使用される。音声認識装置１５は、マイク１３から入力された単語の音声認識用データと外部記憶装置５から読み出されたテキストで表記された単語辞書、音響モデルを基に生成された単語辞書メモリ１８ａに認識の前に記憶されている物理的な音声特徴量のパターンおよび後述の追加単語辞書メモリ１８ｂに記憶された音声特徴パターンとを比較して一致度の高い単語を音声認識結果として出力する。記憶部１６は、プログラムを格納したＲＯＭや作業データを一時的に格納するＲＡＭ、画像データを格納するＶＲＡＭなどから構成されている。画像プロセッサ１７は、メニューデータや地図データ、自車の現在位置データ、建物データなどに基づき表示画像の生成処理を行う。単語辞書メモリ１８ａは、データベース用の単語辞書を構成し、追加単語辞書メモリ１８ｂは、ユーザが登録を希望する単語の音声認識用データを格納する。音声プロセッサ１９は、音声認識結果を音声信号に変換したり、検索結果や走行ルート上の音声案内、リモコンでの操作内容を表す音声信号をスピーカ１４に出力する。ＣＰＵ（中央処理装置）２０は、装置全体を制御するものであり、ナビゲーションモード時および音声認識モード時において、それぞれ必要な制御を行うためのプログラムを実行する。検索手段２０ａは、検索用のプログラムであり、単語登録手段２０ｂは単語登録用のプログラムである。リモコン２１は、ナビゲーションモードと音声認識モードとを切り替えるための操作ボタンやその他の操作ボタンを有し、赤外線を利用してリモコン受光部２２と通信を行う。リモコン受光部２２は、リモコン２１から受信した操作信号を車内ＬＡＮ１０から通信インタフェース１２を介してＣＰＵ２０に送る。リモコン受光部２２は、液晶ディスプレイ７の前面に設けられているが、他の位置に設けられる場合もある。
【００１６】
次に、本実施の形態における動作について、まずナビゲーション装置の基本動作について説明する。図１において、車両のエンジンをかけると、ナビゲーション装置の電源がオンになり、液晶ディスプレイ７にはメニュー画面が表示されるとともに、ＣＰＵ２０が現在位置検出プログラムを起動させ、ＧＰＳ受信機８からの位置情報と、方位センサ１および車速センサ２からの信号をセンサ信号処理部４により処理したデータを基に、自車の正確な現在位置を算出する。この自車位置情報に基づき、ＣＰＵ２０が、外部記憶装置ドライブ６を通じて外部記憶装置５から該当する地図データを読み出し、画像プロセッサ１７により画像データに変換して記憶部１６のＶＲＡＭに一旦格納した後、色信号に変換して通信インターフェイス１２を通じて液晶ディスプレイ７の画面上に自車位置とともに表示する。また、マイク１３を通じて目的地などの施設名を入力すると、音声認識装置１５の音声認識機能によりその住所名を認識し、目的地が設定される。目的地が設定されると、ＣＰＵ２０は、経路探索プログラムを起動し、設定された目的地までの自車現在位置からの最適な案内経路を算出し、液晶ディスプレイ７の地図上に重ねて表示する。ユーザは液晶ディスプレイ７に表示された案内経路に沿って車両を進めると、ＣＰＵ２０は、現在位置情報と地図データ上の道路ネットワークデータを基に、液晶ディスプレイ７上の自車位置マークを順次更新してゆく。車両が案内経路中の分岐点などに差し掛かると、地図データに付加された音声案内がスピーカ１４から出力される。
【００１７】
次に、本実施の形態における単語登録動作について、図２のフロー図を参照して説明する。まず装置を起動して液晶ディスプレイ７にナビゲーション画面（例えばメニュー画面）を表示する（ステップＳ１）。この時点では、初期設定であるナビゲーションモードになっている。メニュー画面には、「行き先」、「探す」、「インターネット」、「情報」、「詳細設定」などの項目が表示される。次に、ユーザがリモコン２１の発話ボタン（モード切替ボタンでもよい）を押すと（ステップＳ２）、リモコン受光部２２を通じてＣＰＵ２０が音声認識モードに切り替え、音声認識プログラムを起動する(ステップＳ３)。音声認識モードでは、液晶ディスプレイ７に表示される項目はナビゲーションモードと同じに設定されているので、液晶ディスプレイ７にはメニュー画面が表示されている。そこでユーザが、特定の項目、ここでは「探す」の検索項目をマイク１３から音声入力すると（ステップＳ４）、音声認識装置１５が音声認識を開始する。音声認識が成功すると（ステップＳ５）、ＣＰＵ２０の検索手段２０ａが検索処理を実行し、その選んだ項目についての内容が液晶ディスプレイ７に表示される。さらに、それに続く下階層がある場合には、表示された項目をマイク１３から音声入力する。この階層についても音声認識が成功すると、さらにその選んだ項目について階層がある場合には、その階層について同様に表示されるので、必要な項目を音声入力により選択することになる。これを最終階層まで続ける（ステップＳ６、Ｓ７）。例えば、「探す」の次は「住所や施設で探す」を選択し、その次には「ジャンルで探す」を選択し、その次に「遊・泊」を選択し、そして最後に行きたい施設である「ディズニーランド」という単語を発声する。
【００１８】
音声認識装置１５は、マイク１３から入力された単語の音声認識用データを、外部記憶装置５から読み出した音声認識用辞書データの中の音声認識用データまたは音声認識用データの一部と比較し、類似度の最も高い順に１つまたは複数の音声認識用データを選び、文字データに変換して液晶ディスプレイ７に表示するか、または合成音声に変換してスピーカ１４から出力する。例えばユーザが「ディズニーランド」と音声入力し、辞書データとの比較の結果、辞書データには「東京ディズニーランド」はあるが、「ディズニーランド」に該当する音声認識用データは存在しないため、音声認識が成功しなかったとすると、ＣＰＵ２０の単語登録手段２０ｂは、その音声認識用データを一旦記憶部１６のＲＡＭに記憶する（ステップＳ８）。そしてリモコン２１によりナビゲーションモードに切り替える操作を行うと（ステップＳ９）、ＣＰＵ２０は処理を音声認識モードからナビゲーションモードに切り替え（ステップＳ１０）、液晶ディスプレイ７に同様なメニュー表示を行うので、ユーザは今度はリモコン２１を使用して同様に表示項目を選択して検索を行う（ステップＳ１１）。そして、「遊・泊」の次に「遊園地」を選択すると、液晶ディスプレイ７には、遊園地の一覧が表示されるので、その中から「東京ディズニーランド」を選択すると（ステップＳ１２）、東京ディズニーランドを表示した地図が表示される（ステップＳ１４）。そして、画面には「行き先」、「経由地設定」、「ポイント登録」の３つの選択項目が表示されて、「行き先設定か経由地設定かポイント登録のいずれにしますか」という音声案内が出力されるので、ユーザが「行き先」を選択すると、ＣＰＵ２０の単語登録手段２０ｂが、先に記憶部１６に記憶しておいた「ディズニーランド」の音声認識用データを、「東京ディズニーランド」およびその位置データに関連付けて追加単語辞書メモリ１８ｂに登録し（ステップＳ１３）、処理を終了する。したがって、次回にユーザが「ディズニーランド」と音声入力すると、外部記憶装置５内の辞書データには「ディズニーランド」に該当する音声認識用データは存在しないが、追加単語辞書メモリ１８ｂに「東京ディズニーランド」に関連付けられた「ディズニーランド」の音声認識用データが存在するので、音声認識装置１５は、単語辞書メモリ１８ａに認識の前に記憶されている物理的な音声特徴量のパターンおよび追加単語辞書メモリ１８ｂに登録された音声特徴パターンと、マイク１３から入力された単語の音声認識用データとを比較することにより、音声認識を成功させることができ、ＣＰＵ２０は東京ディズニーランドを表示した地図を液晶ディスプレイ７に表示する。
【００１９】
このように、本実施の形態によれば、マイク１３から音声入力された単語の音声認識用データが、音声認識装置１５による音声認識の結果、外部記憶装置５から読み出された単語辞書内の音声認識用データと一致しない場合に、ＣＰＵ２０の単語登録手段２０ｂが、音声入力された単語の音声認識用データを記憶部１６のＲＡＭに一時的に記憶しておき、ユーザが、音声入力された単語に関連する検索項目をリモコン２１により検索して、その検索結果にＲＡＭに記憶した音声認識用データを関連付けて単語辞書メモリ１８に登録するので、音声認識用の単語辞書にない単語でも容易に登録することができ、ユーザに合った音声入力で音声認識を行うことができる。
【００２０】
なお、上記実施の形態では、外部記憶装置５に記憶されたデータベース用の単語辞書メモリ１８ａと、追加単語辞書メモリ１８ｂに記憶されたユーザ登録用の単語辞書の２つの単語辞書を有するが、読み書き可能な１つの単語辞書であってもよい。また、データベース用の単語辞書は、外部記憶装置５から読み出すのではなく、通信手段を介して情報センターから取得するようにしてもよい。さらに、本構成に音声入力を文字列に変換する手段であるディクテーションエンジンを設けることによって、追加単語辞書メモリ１８ｂにこの文字列を登録し、外部記憶装置５の音声認識用辞書と同じように扱うことができるようになり、音声認識の精度が向上するとともに、メモリ領域を削減することができる。
【００２１】
【発明の効果】
以上説明したように、本発明の単語辞書登録装置は、音声入力された単語の音声認識用データと単語辞書に登録された音声認識用データとを比較して一致度の高い単語を音声認識結果として出力する音声認識手段と、音声入力された単語の音声認識用データを一時的に記憶する音声認識用データ記憶手段と、別の手段により入力された検索項目を地図データから検索して検索結果を出力する検索手段と、検索結果が音声入力された単語に関連する場合に、記憶した音声認識用データを検索結果に関連付けて単語辞書に登録する単語登録手段とを備えているので、音声認識用の単語辞書にない単語でも単語辞書に容易に登録することができ、ユーザに合った音声入力で音声認識を行うことができる。
【００２２】
また本発明の単語辞書登録方法は、音声入力された単語の音声認識用データが単語辞書に登録された音声認識用データと一致しない場合に、音声入力された単語の音声認識用データを一時的に記憶しておき、音声入力された単語に関連する検索項目を別の検索方法により検索し、検索結果に関連付けて記憶した音声認識用データを単語辞書に登録するので、音声認識用の単語辞書にない単語でも容易に登録することができ、ユーザに合った音声入力で音声認識を行うことができる。
【図面の簡単な説明】
【図１】本発明の実施の形態における車載ナビゲーション装置の構成を示すブロック図
【図２】本発明の実施の形態における単語辞書登録動作を示すフロー図
【符号の説明】
１ 方位センサ
２ 車速センサ
３ 各種センサ
４ センサ信号処理部
５ 外部記憶装置
６ 外部記憶装置ドライブ
７ 液晶ディスプレイ
８ ＧＰＳ受信機
９ ＧＰＳアンテナ
１０ 車内ＬＡＮ
１１ 装置本体
１２ 通信インターフェイス
１３ マイク
１４ スピーカ
１５ 音声認識装置
１６ 記憶部
１７ 画像プロセッサ
１８ａ 単語辞書メモリ
１８ｂ 追加単語辞書メモリ
１９ 音声プロセッサ
２０ ＣＰＵ
２０ａ 検索手段
２０ｂ 単語登録手段
２１ リモコン
２２ リモコン受光部

Claims (2)

1. 音声認識用の単語を新たに登録するための単語辞書登録装置であって、
   音声入力された単語に係る音声認識処理が成功しなかった後に、音声入力とは別の手段によって表示項目から選択された項目に係る検索処理が成功すると、前記音声入力された単語と前記選択された項目とを関連付けて単語辞書に登録する単語登録手段を備える単語辞書登録装置。
2. 中央演算処理装置を、
   音声入力された単語に係る音声認識処理が成功しなかった後に、音声入力とは別の手段によって表示項目から選択された項目に係る検索処理が成功すると、前記音声入力された単語と前記検索された項目とを関連付けて単語辞書に登録する単語登録手段として機能させるための単語登録用プログラム。

Images