JP3926280B2 - 音声認識システム - Google Patents

Description

【０００１】
【発明の属する技術分野】
本発明は、マイクロホンに向かって話かけた音声が音声解析装置によって、理解されているか否かを使用者インターフェース部を介して使用者に通知することができる音声認識システムに関するものである。
【０００２】
【従来の技術】
音声認識装置の従来例として、たとえば、特開平９−１４６５８６号公報に記載されている音声認識装置は、入力音声信号を分析し特徴量を抽出し、予め学習用のデータを分析して得られた特徴量に基づいて音声認識用のパラメータを求め、得られた特徴量とパラメータとから距離や生起確率などに基づいたスコア付けを行うことで、入力信号に対応する単語、あるいは、単語の並びを決定し、入力音声信号のエネルギーが所定のしきい値より小さいか否かを判定する判定部と、入力音声信号のエネルギーがしきい値より小さいと判断された場合に、大きな声で入力するようにユーザに警告を行う警告部とを備えている。
【０００３】
【特許文献１】
特開平９−１４６５８６号公報
【０００４】
また、特開平１０−２９３５９７号公報の音声対話装置には、ユーザーに対して音声ガイダンスを出力し、当該音声ガイダンスに応答する当該ユーザーの発声を認識処理し、当該ユーザーが発声した時点で音声ガイダンスの出力を停止するもので、前記音声が付加語、雑音、または対話状況からみて、不適切な用語であるときには、前記音声ガイダンスの出力を停止しないようにすることが記載されている。
【０００５】
【特許文献２】
特開平１０−２９３５９７号公報
【０００６】
【発明が解決しようとする課題】
しかしながら、使用者は、普通の発声態様でマイクロホンに向かって話しかけても、音声認識装置による音声認識が不可能であるような高い環境雑音の中にいる場合がある。このような場合、高い環境雑音の中にいるという事実が使用者に伝達されずにいると、音声認識装置の使用者は、音声認識が可能であると期待して、普通の声でマイクロホンに向かって話かけてしまう。
【０００７】
また、前記高い環境雑音の中であっても、使用者は、意図的に音圧を上げて発声すれば、音声認識が可能であるにもかかわらず、前記のような事実を知らないため、通常の大きさの声で発声してしまう。その結果、音声認識装置は、使用者の音声を認識できずに終ってしまうことがあった。
【０００８】
また、使用者の発声前には、音声認識が可能な環境にあったが、発声に重畳された突発的環境雑音によって、音声認識が不可能または可能な状態になる場合がある。このような場合であっても、使用者は、前記事実が伝達されない限り、通常の発声でマイクロホンに向かって話かけており、再度、大きな声で発声するようなことはしない。
【０００９】
以上の課題を解決するために、本発明は、音声認識が可能であるか否かを使用者の発声前に、使用者に伝達することができる音声認識システムを提供することを目的とする。また、本発明は、使用者に対して、音声認識が「良好」、「可能」、あるいは、「不可」を伝達することができる音声認識システムを提供することを目的とする。さらに、本発明は、使用者が話中に、音圧を上げることによって、音声認識が可能になることを伝達することができる音声認識システムを提供することを目的とする。
【００１０】
【課題を解決するための手段】
（第１発明）
第１発明の音声認識システムは、マイクロホンを介して伝達された音声が音声解析装置によって認識できる環境にあるか否かを使用者に通知するものであり、音声入力がない時間帯に伝達された環境雑音から雑音除去を行った後の音圧と周波数特性とを測定する音圧・周波数特性測定装置と、前記音圧・周波数特性測定装置によって測定された音圧および周波数特性が音声認識に適しているか否かを判定する音声認識可否判定装置と、前記音声認識可否判定装置の判定結果を使用者に通知する状況通知装置と、を少なくとも備えていることを特徴とする。
【００１１】
（第２発明）
第２発明の音声認識システムにおいて、第１発明の前記音声認識可否判定装置の判定結果は、使用者に「不可」の場合のみ通知することを特徴とする。
【００１５】
【発明の実施の形態】
本発明の音声認識システムは、マイクロホンを介して伝達された音声が音声解析装置によって認識できる環境にあるか否かを使用者に、たとえば、「良好」、「可能」または「不可」、あるいは「良好」または「不可」として通知するものである。前記音声解析装置は、本発明の音声認識システムにおいて、いわゆる音声を認識する部分である。本明細書において、音声を認識する部分を音声解析装置とし、本発明の全体のシステムを音声認識システムと記載している。
【００１６】
前記音声認識システムにおける音圧・周波数特性測定装置は、音声入力がない時間帯に伝達された環境雑音から雑音除去を行った後の音圧と周波数特性とを測定する。本発明の音声認識システムは、音圧・周波数特性測定装置によって測定した環境雑音のレベルを基にして音声認識の可否を判定する。本明細書でいう「環境雑音」とは、マイクロホンが設置されている場所内における話声、電子機器から出る音を含む雑音、および前記場所外から侵入する突発的な音も含む。
【００１７】
すなわち、前記音声認識システムにおける音声認識可否判定装置は、前記音圧・周波数特性測定装置によって測定された前記環境雑音の音圧と周波数特性を基にして、たとえば、音声認識が「良好」、「可能」または「不可」、あるいは「良好」または「不可」であるかを判定する。前記音声認識可否判定装置の判定結果は、状況通知装置によって、使用者に通知される。使用者は、前記状況通知装置の判定結果を見て、声を大きくしたり、あるいは、マイクロホンに向かって話すのを止める。
【００１８】
前記音声認識可否判定装置は音圧と周波数特性に対するしきい値を、たとえば、「良好」、「可能」または「不可」、あるいは「良好」または「不可」のレベルを予め設定しておく。前記状況通知装置は、前記しきい値に基づいて、使用者インターフェース部における状況通知装置に表示または音声からなるメッセージとして、使用者に現在の状況を通知する。使用者は、状況通知装置の表示または音声からなるメッセージに基づいて、音声を大きくしたり、場合によっては、音声認識システムの使用を断念する。
【００１９】
本発明における音圧・周波数特性測定装置は、マイクロホンを介して伝達される音声入力がない時間帯における環境雑音の中から雑音除去を行った後の環境雑音の音圧と周波数特性とを測定する。前記音声入力がない時間帯における音圧・周波数特性測定装置によって測定された音圧・周波数特性は、音声認識可否判定装置によって、音圧と周波数特性とのそれぞれに対して、たとえば、しきい値ごとに「良好」、「可能」または「不可」、あるいは「良好」または「不可」のレベルを判定する。なお、環境雑音は、いわゆる雑音除去ソフトウエアによって除去を行っても、一定レベルの雑音、たとえば、電子機器からでる雑音の一部等が残る。
【００２０】
前記音声認識可否判定装置の「良好」、「可能」または「不可」、あるいは「良好」または「不可」という判定は、状況通知装置によって、その状況を表示または音声からなるメッセージとして使用者に伝達される。使用者は、前記状況通知装置の表示または音声からなるメッセージにより、マイクロホンに向かって音声を出す前に音声認識に対する状況を掴むことができる。
【００２１】
本発明における音声認識可否判定装置は、マイクロホンを介して伝達される音声入力がない時間帯における環境雑音の中から雑音除去を行った後の環境雑音の音圧と周波数特性とを基にして音声認識の可否判定を行う。すなわち、音声認識可否判定装置は、周波数特性が音声認識を行うのに良好なレベル範囲で、かつ、音圧が音声認識可能なレベル範囲を、使用者が意図的に音声を上げることにより音声認識が可能であると判定する。
【００２２】
前記結果は、状況通知装置によって、表示または音声からなるメッセージとなって使用者に伝達される。この場合、使用者は、音圧を意図的に上げて話すため、音声認識が可能となる。前記レベルの範囲は、雑音の音圧も高くなるが、雑音の周波数特性が音声認識を妨げない。使用者は、前記状況が表示または音声からなるメッセージによって判るため、意図的に大きな声で話すことによって、音声認識を可能にする。
【００２３】
本発明の音声認識システムは、マイクロホンを介して伝達された音声が音声解析装置によって認識できる環境にあるか否かを使用者に通知するものである。音圧測定装置は、音声入力がない時間帯および音声入力がある時間帯における環境雑音から音声の音圧と周波数特性を測定する。
【００２４】
音声認識可否判定装置は、前記音圧測定装置によって測定された前記環境雑音の音圧と、前記環境雑音および音声を含む音圧との比を演算し、たとえば、音声認識が「良好」、「可能」または「不可」、あるいは「良好」または「不可」の範囲を判定する。状況通知装置は、前記音声認識可否判定装置の判定結果を使用者に通知する。使用者は、前記状況通知装置による表示または音声からなるメッセージを基にして、「良好」である場合、普通に話し、「可能」である場合、意図的に声を上げて話し、「不可」である場合、マイクロホンに向かって話すことを断念する。
【００２５】
本発明における音声認識可否判定装置は、前記音圧測定装置によって測定された環境雑音および音声を含む音圧、たとえば、一息の音声の中の音圧があるしきい値以上の場合に、突発的な環境雑音があったと判定する。この結果が使用者に通知されるため、使用者は、再度の音声を発することにより、音声認識が可能になると判断する。
【００２６】
【実施例】
図１は本発明の第１実施例であり、マイクロホンから音声が入らない状況の音声認識システムを説明するための概略ブロック構成図である。図１において、音声認識システムは、使用者インターフェース部１１と、第１音圧・周波数特性測定装置１２と、雑音除去装置１３と、第２音圧・周波数特性測定装置１４と、音声解析装置１５と、音声認識可否判定装置１６とから構成されている。
【００２７】
前記使用者インターフェース部１１は、環境雑音や使用者の音声を伝達するマイクロホン１１１と、使用者に表示または音声からなるメッセージにより、音声認識の状況を伝達する状況通知装置１１２とから構成されている。
【００２８】
また、使用者インターフェース部１１には、必要に応じて、図示されていないスイッチを設けることができる。前記スイッチは、使用者が音声を発する際に接続され、音声の発声がない場合に切断されている。前記スイッチは、たとえば、電気回路の接続と切断の切り換えでも良く、パーソナルコンピュータのキーボードにあるシフトキーの押下により、音声の有無を示しても良い。また、前記スイッチの代わりに、マイクロホン１１１に入力される音を分析して、音声認識システムが判定を行っても良い。
【００２９】
前記状況通知装置１１２は、音声認識の可否、すなわち、「良好」、「可能」、または「不可」という判定結果を使用者に伝達できるものであり、ディスプレー、スピーカ、電話の受話器等を用いることができる。
【００３０】
音声認識可否判定装置１６は、音声認識が「良好」、「可能」、または「不可」のレベルを決めるためのしきい値設定手段１６１と、前記しきい値設定手段１６１によって設定されたしきい値を記憶するしきい値記憶手段１６２と、前記第２音圧・周波数特性測定装置１４によって測定された音圧および周波数特性を記憶する第２音圧・周波数特性記憶手段１６３と、前記測定された第２音圧・周波数特性記憶手段１６３のレベルと前記しきい値記憶手段１６２に記憶されているしきい値レベルとを比較する比較手段１６４と、前記比較手段１６４による比較結果を判定するしきい値判定手段１６５とから構成されている。
【００３１】
前記マイクロホン１１１は、音声および／または周囲の環境雑音を取り込み、第１音圧・周波数特性測定装置１２によって、音圧および周波数特性の時間変化量が測定される。その後、前記測定された音圧および周波数特性の時間変化量は、雑音除去装置１３によって、雑音が除去される。雑音除去装置１３は、たとえば、スペクトラル・サブトラクション等周知の技術によって処理される。なお、前記第１音圧・周波数特性測定装置１２および雑音除去装置１３は、必要に応じて省略することができる。
【００３２】
前記雑音除去装置１３によって雑音が除去された音圧および周波数特性の時間変化量は、第２音圧・周波数特性測定装置１４によって測定される。前記第２音圧・周波数特性測定装置１４によって測定された音圧および周波数特性の時間変化量は、音声解析装置１５によって解析され、単語等との音声的特徴が比較されることにより音声認識されてデータとなる。その後、音声認識されたデータは、それぞれのアプリケーションにしたがって処理される。
【００３３】
一方、前記第２音圧・周波数特性測定装置１４によって測定された音圧および周波数特性の時間変化量は、音声認識可否判定装置１６における第２音圧・周波数特性記憶手段１６３に記憶される。しきい値設定手段１６１は、音圧および周波数特性の時間変化量に対するレベルを予め設定する。前記レベルは、音声認識を行うアプリケーションによって、多少異なる場合があり、経験的に決められるものである。なお、前記第１音圧・周波数特性測定装置１２、および前記第２音圧・周波数特性測定装置１４は、音圧および周波数特性を測定しているのみで、音声信号に変化を与えない。
【００３４】
前記しきい値設定手段１６１によって設定されたしきい値は、しきい値記憶手段１６２に記憶される。比較手段１６４は、前記しきい値設定手段１６１に記憶されているしきい値と、第２音圧・周波数特性記憶手段１６３に記憶されている音圧および周波数特性の時間変化量と比較して、音圧および周波数特性の時間変化量が、しきい値のどのレベルにあるかを判定し、状況通知装置１１２に通知する。
【００３５】
図２は本発明の第１実施例における音声認識を判定するしきい値を説明するための図である。図２において、領域２１（線Ｂと線Ｄで囲まれた領域）は、マイクロホンから音声が入らない状況における音圧および周波数特性の時間変化量が共に小さいため、音声認識が「良好」である。前記状況において、音圧および周波数特性の時間変化量がやや大きい領域２２（線Ａと線Ｃで囲まれた領域から線Ｂと線Ｄで囲まれた領域を除去した領域）は、使用者の声を比較的大きくすることによって、音声認識が「可能」である。
【００３６】
また、同様に、音圧および周波数特性の時間変化量が共に大きい領域（線Ａと線Ｃで囲まれた領域以外の領域）は、使用者が大きな声で発声しても、音声認識が「不可」の領域である。
【００３７】
しきい値判定手段１６５は、音圧および周波数特性の時間変化量がどのレベルにあるかを判定し、音声認識が「良好」、「可能」、または「不可」を状況通知装置１１２に通知する。前記音声認識の状況は、状況通知装置１１２の表示または音声からなるメッセージとして出力する。使用者は、前記状況通知装置１１２からのメッセージを参考にして、マイクロホン１１１に向かって、通常の話し声や大きな話し声でしゃべったり、あるいはしゃべるのを断念する。
【００３８】
図３は本発明の第２実施例における音声認識を判定する別のしきい値を説明するための図である。図３において、領域３１（線Ｂと線Ｄで囲まれた領域）は、マイクロホンから音声が入らない状況における音圧および周波数特性の時間変化量が小さいため、音声認識が「良好」である。前記と同じ状況下において、音圧がやや大きく、周波数特性の時間変化量が小さい領域３２（線Ａ、線Ｂと線Ｄで囲まれた領域）は、使用者の声を大きくすることによって、音声認識が「可能」である。
【００３９】
同じく、音圧が小さいかやや大きく、周波数特性の時間変化量がやや大きい領域３３（線Ａと線Ｃ、線Ｄで囲まれた領域）は、使用者がかなり大きな声で発声すると、音声認識が可能な「困難」の領域である。同じく、音圧および周波数特性の時間変化量が共に大きい領域３４（線Ａと線Ｃで囲まれた以外の領域）は、使用者が大きな声で発声しても、音声認識が「不可」の領域である。
【００４０】
図３に示す第２実施例は、しきい値レベルを図２に示す実施例より細かく分けて、状況を状況通知装置１１２に通知することにより、使用者が話方の態様を変えて、音声認識を可能にすることができる。なお、第１実施例および第２実施例は、マイクロホン１１１に音声が入力されてなく、環境雑音のみから音声認識の状況を通知するものである。
【００４１】
図４は本発明の第３実施例であり、マイクロホンから入力した音声および環境雑音を基にした音声認識システムを説明するための概略ブロック構成図である。図４において、第１実施例および第２実施例と異なるところは、マイクロホン１１１から入力した音声および環境雑音を第１音圧測定装置１２′で測定する点、および音声認識可否判定装置１８が異なっている点にある。
【００４２】
前記第１音圧測定装置１２′は、音声および環境雑音の音圧を測定する。音圧および環境雑音記憶手段１８２は、前記第１音圧測定装置１２′によって測定した音声および環境雑音の音圧を記憶する。また、環境雑音記憶手段１８３は、前記第１音圧測定装置１２′によって測定した環境雑音の音圧を記憶する。
【００４３】
演算手段１８４は、前記環境雑音の音圧と、前記環境雑音および音声を含む音圧の平均値との比を演算する。前記演算手段１８４の演算結果は、設定されたしきい値が記憶されているしきい値記憶手段１８１と、しきい値判定手段１８５によって、実施例１および実施例２と同様に状況通知装置１１２に通知され、使用者に状況を知らせる。
【００４４】
図５は本発明の第３実施例における音圧比を基にしたしきい値を説明するための図である。しきい値判定手段１８５は、前記環境雑音の音圧と、前記環境雑音および音声を含む音圧平均値との比が低いレベル５１にある場合、音声認識が「良好」と判断する。また、前記レベルが線Ｆと線Ｅの間にある場合、音声認識が「可能」と判断する。さらに、前記レベルが線Ｅより大きい場合、音声認識が「不可」であると判断する。そして、前記判定結果は、状況通知装置１１２に通知される。
【００４９】
以上、本発明の実施例を詳述したが、本発明は、前記実施例に限定されるものではない。そして、本発明は、特許請求の範囲に記載された事項を逸脱することがなければ、種々の設計変更を行うことが可能である。各実施例における測定装置および記憶装置は、かならずしも分ける必要はなく、一つのものとすることができる。
【００５０】
前記ブロック構成図の内部は、周知または公知の技術によって達成されるものである。各実施例におけるしきい値は、音声認識装置の使用目的や設置場所等によっても異なり、任意に設定できるものである。音圧・周波数特性測定装置または音圧測定装置は、その平均値を採用することが望ましいが、必ずしもこれに限定されることがない。
【００５１】
【発明の効果】
本発明によれば、環境雑音の状況を状況通知装置によって使用者が発声する前に伝達されるため、使用者が環境雑音の状況を知らずにマイクロホンに向かって話したが、音声認識が充分にできないということがなくなる。
【００５２】
本発明によれば、環境雑音の状況を状況通知装置によって使用者に伝達されるため、たとえば、音声認識が「良好」、「可能」または「不可」、あるいは「良好」または「不可」という状況によって、音声を大きくする等対策を立てることができる。また、前記状況通知装置は、使用者が発声の音圧を意図的に上げることによって、音声認識が可能であるか否かを使用者に伝達することができる。
【００５３】
本発明によれば、使用者は、突発的環境雑音によって、音声認識が不可能になった場合、その事実が使用者に伝達され、再度の発声によって音声認識が可能になる。また、使用者は、環境雑音の状況を把握できるため、音声認識装置の使用感が向上する。
【図面の簡単な説明】
【図１】本発明の第１実施例であり、マイクロホンから音声が入らない状況の音声認識システムを説明するための概略ブロック構成図である。
【図２】本発明の第１実施例における音声認識を判定するしきい値を説明するための図である。
【図３】本発明の第２実施例における音声認識を判定する別のしきい値を説明するための図である。
【図４】本発明の第３実施例であり、マイクロホンから入力した音声および環境雑音を基にした音声認識システムを説明するための概略ブロック構成図である。
【図５】本発明の第３実施例における音圧比を基にしたしきい値を説明するための図である。
【符号の説明】
１１・・・使用者インターフェース部
１１１・・・マイクロホン
１１２・・・状況通知装置
１２・・・第１音圧・周波数特性測定装置
１２′・・・第２音圧測定装置
１３・・・雑音除去装置
１４・・・第２音圧・周波数特性測定装置
１５・・・音声解析装置
１６・・・音声認識可否判定装置
１６１・・・しきい値設定手段
１６２・・・しきい値記憶手段
１６３・・・第２音圧・周波数特性記憶手段
１６４・・・比較手段
１６５・・・しきい値判定手段
１８・・・音声認識可否判定装置
１８１・・・しきい値記憶手段
１８２・・・音圧および環境雑音記憶手段
１８３・・・環境雑音記憶手段
１８４・・・演算手段
１８５・・・しきい値判定手段
１９・・・音声認識可否判定装置
１９１・・・しきい値記憶手段
１９２・・・第１音圧記憶手段
１９３・・・第２音圧記憶手段
１９４・・・減算手段
１９５・・・しきい値判定手段

Claims (2)

1. マイクロホンを介して伝達された音声が音声解析装置によって認識できる環境にあるか否かを使用者に通知する音声認識システムにおいて、
   音声入力がない時間帯に伝達された環境雑音から雑音除去を行った後の音圧と周波数特性とを測定する音圧・周波数特性測定装置と、
   前記音圧・周波数特性測定装置によって測定された音圧および周波数特性が音声認識に適しているか否かを判定する音声認識可否判定装置と、
   前記音声認識可否判定装置の判定結果を使用者に通知する状況通知装置と、
   を少なくとも備えていることを特徴とする音声認識システム。
2. 前記音声認識可否判定装置の判定結果は、使用者に「不可」の場合のみ通知することを特徴とする請求項１に記載された音声認識システム。

Images