JP4049456B2

JP4049456B2 - 音声情報利用システム

Info

Publication number: JP4049456B2
Application number: JP27549798A
Authority: JP
Inventors: 俊明草野; 力富田; 正人丸岡; 成史桐野; 俊孝大和; 英樹北尾; 博昭関山; 哲山田
Original assignee: Denso Ten Ltd; Toyota Motor Corp
Current assignee: Denso Ten Ltd; Toyota Motor Corp
Priority date: 1998-09-29
Filing date: 1998-09-29
Publication date: 2008-02-20
Anticipated expiration: 2018-09-29
Also published as: JP2000105681A

Description

【０００１】
【発明の属する技術分野】
本発明は自動車等の移動体に備えた情報端末装置の音声情報利用システムに関し、特に通信機能を介して行われる音声情報の利用システムに関する。
【０００２】
【従来の技術】
自動車のナビゲーション装置等において、地名検索や目的地の設定等に音声認識を用いることが行われている。
例えば、特開平７−２２２２４８号公報には、携帯型情報端末が通信できるネットワーク上に、音声認識手段を有する大規模なハードウエアをもつサーバを設け、携帯型情報端末から入力した音声情報を通信手段によりサーバに送り、サーバ内で音声認識を行い、認識結果を文字情報として表現し、携帯情報端末に送り返すようにした音声情報を利用したシステムが記載されている。このシステムにおいては、携帯型情報端末では音声を入力し符号化して記録し、記録された音声情報は通信機能によりサーバに送られる。サーバでは音声認識手段により、送られてきた音声情報を認識し文字情報に変換している。
【０００３】
【発明が解決しようとする課題】
本発明は、上記のような従来の音声情報利用システムを、特に車載用情報端末として、使い勝手を向上させた音声情報利用システムを提供することである。
【０００４】
【課題を解決するための手段】
上記課題を解決するため、本発明音声情報利用システムは、情報センターと通信手段によりデータをやり取りできる車載用情報端末を有し、この情報端末には音声入力手段、入力された音声を識別して音声情報としてコード化する音声認識手段、コード化された音声情報と音声コマンドを照合し、その音声情報に対応する情報コードを選択して出力する音声認識用テーブル、音声合成手段、表示手段、及びＣＰＵを有している。一方、情報センターには通信手段、音声認識用テーブル、情報提供メニューテーブルＤＢ（データベース）、及びＣＰＵを有する。そして、前記音声情報に対応する情報コードがセンターに送信され、センターは情報コードに対応する情報を情報提供メニューテーブルＤＢから取り出して端末に送信する。
【０００５】
前記端末が有する音声コマンド、情報コード等を含む音声認識用テーブルのデータは、通信手段を介して情報センターの音声認識用テーブルから入手する。この音声認識用テーブルは情報センターにおいて構築され、また適宜更新されるため、端末側の音声認識用テーブルも端末側がセンター側からデータを入手する際に新しいデータを送信してもらって更新する。また、音声認識された音声情報は表示または音声出力されて発声者が確認できるようになっている。
【０００６】
その他、本発明の実施の形態については以下に説明する。
【０００７】
【発明の実施の形態】
図１は本発明システムの構成の概要を示した図である。情報端末１側は、ＣＰＵ１７の周辺に、マイク等の音声入力手段１１、入力された音声を認識する音声認識手段１２、音声コマンドを有する音声認識辞書１４を含んだ音声認識用テーブル１３、音声合成手段１５、音声出力手段１９、液晶ディスプレイ等の表示手段１８、及び情報センター２が接続されているネットワーク３に無線又は有線により接続可能な通信手段１６を有する。
【０００８】
一方、情報センター（以下、センターと記す）２側は、ＣＰＵ２２の周辺に、ネットワークに接続するための通信手段２１、音声コマンドを有する音声認識辞書２４を含んだ音声認識用テーブル２３、及び情報提供メニューテーブルＤＢ２５を有する。
図１に示された構成の動作の概要を以下に説明する。端末１側において、ユーザが入手したい情報のコマンドを音声入力手段１１に発する。入力された音声は、音声認識手段１２によってコードに変換される。音声認識用テーブル１３の音声認識辞書１４に発した音声から変換されたコードに対応する音声コマンドが含まれていれば、その音声コマンドが選択され、通信手段１６によりネットワーク３を介してセンター２側にその音声コマンドに対応する情報コードが送信される。なお、音声コマンドと該音声コマンドに対応する情報コードを共通にすること、つまり音声コマンドの文字コード自体を情報コードとすることも可能である。センター２側では通信手段２１がこの情報コードを受信し、情報提供メニューテーブルＤＢ２５のデータベースからこの情報コードに対応したデータを取り出し、通信手段２１、ネットワーク３、及び通信手段１６を介して端末１側に送信する。
【０００９】
上記のように、本発明では端末１側に音声認識用テーブル１３を備え、端末１側で音声の認識を行うようにしているので、従来の手法のように音声認識のために端末１とセンター２の間で通信を行う必要がない。
端末側は表示手段１８を有しているが、ユーザが音声入力手段１１に対して発し、音声認識されたコマンド名がこの表示手段１８に表示されるようになっている。これにより、ユーザが発した音声によるコマンド名がどのように認識されたか確認できる。
【００１０】
音声認識用テーブル２４のデータはセンター２側において構築される。端末１側はこのデータを通信手段２１、ネットワーク３、及び通信手段１６を介してデータ通信により入手し、端末１側にも音声認識用テーブル１３を構築する。なおセンター２側の音声認識用テーブル２３は常に更新されているので、端末１側は常に最新のデータを得るため、例えばユーザが端末１から情報提供要求コードをセンター２側に要求したとき、同時に端末１側の音声認識用テーブルのバージョン番号を送信する。そして、端末１が有する音声認識用テーブル１３のバージョン番号とセンター２側が有する同テーブル２３のバージョン番号とが一致しているかどうか判別し、一致していなければ音声認識用テーブルをセンター２側から送信し、端末１側の音声認識用テーブルを最新のバージョンに書き換える。
【００１１】
図２は上記構成のうち音声認識用テーブル１３（又は２３）の内容を示した表である。表はデータ形式とその内容を示しており、総件数ｎ件のデータが含まれている。各データにつき、
▲１▼サービスメニューコード
▲２▼音声認識表示のサイズ
▲３▼音声コマンドのサイズ
▲４▼検索条件のサイズ
▲５▼音声認識結果表示データ
▲６▼音声コマンド
▲７▼検索条件
を有しており、１番目からｎ番目まで各々について同じ項目のデータを有している。
【００１２】
この表において、例えば１番目のデータはコンビニエンスストアに関するデータであり、２番目のデータはファミリーレストランに関するデータである。そして、上記音声認識用テーブル１３のデータは情報センター２において構築される。
図２の▲１▼〜▲７▼のデータの内、「▲１▼サービスメニューコード」はセンター２への情報リクエストコードといえる情報コードであり、例えば、コンビニエンスストアのコードを「ＦＦ００７Ａ８Ｅ」のような情報コードで表すことができる。この「▲１▼サービスメニューコード」をセンター２へ送信することにより、センタ２からコンビニエンスストアに関する情報が端末１に送信され、ユーザは希望の情報を得ることができる。
【００１３】
「▲６▼音声コマンド」は音声認識した情報の呼び方のデータを表しており、音声認識辞書として用いる。音声認識する情報が、例えば「コンビニエンスストア」の場合、音声コマンドの音声認識用データとして「コンビニエンスストア」、「コンビニ」、「コンビニエンス」等の複数のデータを設定することができる。従って、ユーザが「コンビニエンスストア」と発声せず、「コンビニ」と発声した場合も、「コンビニエンスストア」と認識されるようになっている。なお、図２のテーブル上では「▲６▼音声コマンド」のデータが複数ある場合、〔コンビニエンスストア；コンビニ；コンビニエンス〕のように、区切り記号として例えば「；」が用いられており、この音声コマンドを使用するソフトウエアはこの記号を検出することにより、音声認識用データがいくつ含まれているか判断することができる。また、「▲６▼音声コマンド」は、音声コマンドデータにアクセントをつけることによって音声合成にも用いることができる。
【００１４】
図３は音声認識及び音声合成の両者に用いることができる音声コマンドデータの例を示したものである。この音声コマンドデータは、図３（ａ）に示した〔コンビ’ニエンスストア；コンビ’ニ；コンビ’ニエンス〕のように音声で発する場合のアクセントを付けたものであり、このデータから（ｂ）の音声合成用データと（ｃ）の音声認識用データを得ることができる。
【００１５】
そして、ユーザが発した音声によるコマンド名がどのように音声認識されたかを、図３（ｂ）の音声合成用データを用いてその結果を音声で発して知らせることができる。
一方、「▲５▼音声認識結果表示データ」は、先に述べたように、ユーザが発した音声によるコマンド名がどのように音声認識されたか、その結果を文字で表示するためのデータである。
【００１６】
「▲７▼検索条件」は、検索条件を設定する領域である。この領域に検索条件を設定することにより、ユーザが得たい情報に対する細かな設定、例えば入手するコンビニの件数を現在地から近い順に１０に設定し、不要に多くの情報を得ないようにすることができる。また、各コンビニに関する情報の文字数を一定の範囲に制限することもできる。このようにするこにより、ユーザの手間を省き、またセンターが管理するデータの量に合わせた制御を行うことができる。
【００１７】
「▲２▼音声認識表示のサイズ」は、表示のための容量を１バイトで表わしたものであり、「▲３▼音声コマンドのサイズ」は、コマンドのための容量を１バイトで表したものである。また、「▲４▼検索条件のサイズ」は、検索条件のための容量を１バイトで表したものである。
図４は、情報提供メニューテーブル２５の階層構造を示したものである。例えば、タウンサーチを行って現在地付近のコンビニエンスストアを探したいとする。従来のようにキーボードにより選択する場合、まずタウンサーチを選択し、次に順次、現在地付近の施設、施設ジャンル、買物のコードをキーボードで選択し、最後にコンビニエンスストアを選択する。コンビニエンスストアには、例えばその位置及び番地、名称、電話番号等のデータベース（ＤＢ）が付随しており、これらのデータに基づいて表示装置に地図と共にコンビニエンスストアの位置が表示される。
【００１８】
本発明では、従来のようにキーボード等により選択せず、ユーザが発声することにより得た音声認識用テーブル１３のコンビニエンスストアに相当する情報コードである「▲１▼サービスメニューコード」をセンター２へ送信する。するとセンタ２から上記コンビニエンスストアに関する情報が上記データベース（ＤＢ）から取り出されて端末１に送信され、ユーザは希望の情報を得ることができる。
【００１９】
なお、図５に示すように、端末１側に情報提供メニューテーブル（ＤＢを含まない）０１とキーボード等の入力手段０２を設ければ、従来のようにメニューテーブル０１を用いてコンビニエンスストアを選択し、そのコードをセンター２側に送信して情報を得ることもできる。
次に本発明音声情報利用システムの動作の詳細について説明する。なお、以下の動作はＣＰＵ１７と２２により制御される。まず、本発明システムを動作させるために端末１の電源を投入すると、通信手段１６、ネットワーク３、及び通信手段２１を介して、端末１はセンター２の音声認識用テーブル２３のデータをデータ通信によって入手し、端末１側の音声認識用テーブル１３に格納する。次に、音声認識システムの動作を開始させる。ユーザがコンビニで買物をしたい場合、図１の音声入力手段１１に対して、例えば「コンビニ」と発声すると、「コンビニ」という音声が音声認識手段１２によりコードに変換される。このコードが音声認識用テーブルに入力する。図２は先に説明したように音声認識用テーブルのデータ内容を示しており、音声認識辞書として用いられる「▲６▼音声コマンド」を含んでいる。音声認識用テーブルの第１番目のデータの「▲６▼音声コマンド」に、先に記載したように〔コンビニエンスストア；コンビニ；コンビニエンス〕が含まれていたとすると、先の音声から変換されたコードと音声認識用テーブルの第１番目のデータの「▲６▼音声コマンド」のコードが一致するため、コンビニが選択され、表示手段１８に「コンビニ」と表示される。また、音声合成手段１５により「コンビニ」と音声合成され、音声出力手段１９から「コンビニ」と発声される。
【００２０】
上記のように「コンビニ」と音声認識されると、「コンビニ」に対応した情報コードである「▲１▼サービスメニューコード」、例えば「ＦＦ００７Ａ８Ｅ」というコードデータが端末１の通信手段１６、ネットワーク３、センター２の通信手段２１を介してセンター２側に送信される。センター２では、ＣＰＵ２２により上記「ＦＦ００７Ａ８Ｅ」というコードに対応したデータが情報提供メニューテーブルＤＢ２５から取り出され、通信手段２１、ネットワーク３、及び通信手段１６を介して端末１に送信され、ＣＰＵ１７により表示手段１８にコンビニに関する情報が表示される。また、音声出力手段１９により必要に応じて音声によって情報をユーザに伝える。
【００２１】
先に述べたように、音声認識用テーブル２３のデータはセンター２側において構築され、また常に更新されている。そのため、端末１側は常に最新のデータを有した音声認識用テーブル１３を得る必要がある。例えばユーザが端末１から情報提供要求コードをセンター２に送信したとき、同時に端末の音声認識用テーブル１３のバージョン番号を送信する。そして、端末１が有する音声認識用テーブル１３のバージョン番号とセンター２が有する音声認識用テーブル２３のバージョン番号が一致しているかどうか判別し、一致していなければ音声認識用テーブル２３のデータをセンター２側から送信し、端末１側の音声認識用テーブル１３を最新のバージョンに書き換える。
【００２２】
図６及び図７は音声認識用テーブルの容量に関する実施の形態を示したものである。音声認識用テーブルには、センターが提供する情報に関して、音声コマンド、音声認識結果表示データ、検索条件等が設定されたデータ群が集合体として構成されている。これらのデータは個々のデータが可変長に設定できるようになっており、音声認識用テーブル全体の容量も提供する情報量により可変長となる。一方、センター２側から送信されたデータ量に対して、端末１側の受信容量には制限がある。そのため、予め送信されるデータの容量を定めることにより、端末１側のデータを保持するメモリがオーバフローするのを防止することができる。
【００２３】
図６において、端末１側で音声認識用テーブルで現在使用可能なメモリの総容量をａとすると、この総容量ａを予めセンター２側に知らせておく。こうすることにより、センター２側は端末１側に送信するデータの量を調整するので、支障なくデータを送信することができる。
図７は、端末１側ですでにメモリの一部を使用済であり、音声認識用テーブルで現在使用可能な残りのメモリの容量をｂとすると、この使用可能容量ｂを予めセンタ２側に知らせておく。こうすることにより、同様にセンター２側は端末１側に送信するデータの量を調整するので、支障なくデータを送信することができる。
【００２４】
図８は本発明音声情報利用システムを実施する場合のメッセージの発声内容に関する実施の形態を示したものである。本発明システムにおいては、発声を促すメッセージや発声したコマンドに対する結果を音声で知らせている。ユーザはこのシステムを何回も利用すると、発声を促すメッセージ等を覚えてしまい、一々メッセージを聞くことが煩わしくなってくる。本発明においてはそのような場合のために、メッセージ等のレベルを例えば「詳細」、「標準」、「シンプル」の３つに分け、これを選択できるようにしてある。図８に示したボードにおいて、このシステムを最初に利用するユーザは「詳細」を選択する。すると本発明システムがオンすると同時に「詳細」レベルのメッセージが提供される。本システムに慣れたユーザが利用するときは「シンプル」を選択すれば、必要最小限のメッセージのみが提供される。また、「標準」を選択すると、「詳細」より簡潔なメッセージが提供される。なお、「認識ＯＦＦ」を選択すると、音声認識システムがＯＦＦとなる。
【００２５】
図９は本発明音声認識システムの動作を示すフローチャートであり、特に間違って音声認識がされた場合、間違いの原因となった音声コマンドを辞書から削除して再度音声認識を行うようにした場合のフローチャートを示したものである。システムの端末１の電源が投入されると、端末１側は通信手段によって音声認識用テーブルをセンター２側から入手する（Ｓ１）。次に、スイッチをオンして音声認識動作を開始させ（Ｓ２）、ユーザは得たい情報のコマンドを発声できる状態にする。その後、発声があったかどうか判断される（Ｓ３）。発声された場合（Ｙｅｓ）、音声は音声認識によりコード化され、音声認識用テーブル１３の音声認識辞書１４の音声コマンドと照合される（Ｓ４）。そして次に照合の結果が表示あるいは音声により報知され（Ｓ５）、結果を見て音声認識をやり直すかどうか判断する（Ｓ６）。間違って音声認識されていれば（Ｙｅｓ）、誤りと判定された音声コマンドを音声認識辞書から削除し（Ｓ９）、削除された音声認識辞書を用いて再度音声認識を行う（Ｓ２）。正しく音声認識がされており、Ｓ６において音声認識をやり直す必要がない場合（Ｎｏ）、音声情報利用システムは先に述べたような情報入手の動作を開始する（Ｓ７）。Ｓ３で発声がされなかった場合（Ｎｏ）、タイムアウトかどうか判断される（Ｓ８）。Ｙｅｓであれば、即ち所定時間経過しても発声がされなかった場合（Ｙｅｓ）、動作は終了する。Ｓ８でＮｏの場合、即ち発声はされていないが所定時間経過していない場合、再度Ｓ３に戻って発声があるかどうか判断される。そしてこの動作は、発声がされるまで、あるいは所定時間経過するまで繰り返される。なお、Ｓ９において削除された音声コマンドは、Ｓ７の音声認識システムの動作が開始された時点で削除から回復されて辞書に復活する。
【００２６】
上記のように間違いの原因となった単語を削除して音声認識を行うので、再度同じ間違が生じなくなる。
図１０は音声認識用テーブルの音声コマンドを表示したものである。音声認識用テーブルは適宜更新されており、それに伴って音声コマンドも変化している。従って、ある情報を入手したい場合、現在どのような音声コマンドが含まれているかを知っておけば、どのように発声したらよいか知ることができる。そのために本発明では、例えば、現在地の交通情報を知りたい場合、あるいは現在地付近のタウン施設を知りたい場合、どのように発声したらよいかを表示させることができるようにしてある。コンビニエンスストアで買物をしたい場合、この表示を見て「コンビニ」、あるいは「コンビニエンス」と発声すれば、コンビニエンスストアに関する情報を入手できるできることがわかる。
【００２７】
【発明の効果】
本発明の音声情報利用システムでは、車載用情報端末側に音声認識手段、音声認識用テーブルを備えて音声認識をしているので、音声認識のために端末とセンター間で通信を行う必要がない。そのため音声認識のための時間が短縮でき、また通信に要する費用を軽減できる。また、発声した波形データをセンターには送信しないため、波形データとセンターから受信するデータを区別する回路が不要となる。さらに、音声認識用テーブルが端末側に備えられていても、適宜センター側からデータを入手して更新できるので、常に最新のデータが得られる。
【図面の簡単な説明】
【図１】本発明システムの構成の概要を示した図である。
【図２】音声認識用テーブルの内容を示した表である。
【図３】音声認識及び音声合成の両者に用いることのできる音声コマンドの例を示した図である。
【図４】情報メニューテーブルの階層構造を示した図である。
【図５】入力手段によっても必要な情報名を選択できるように構成した、本発明システムの構成の概要を示した図である。
【図６】音声認識用テーブルの容量に関する実施の形態を示した図である。
【図７】音声認識用テーブルの容量に関する別の実施の形態を示した図である。
【図８】本発明音声情報利用システムを実施する場合のメッセージの発声内容に関する実施の形態を示した図である。
【図９】本発明音声情報利用システムの動作を示すフローチャートであり、特に間違って音声認識がされた場合、間違いの原因となった音声コマンドを辞書から削除して再度音声認識を行うようにした場合のフローチャートを示した図である。
【図１０】音声認識用テーブルの音声コマンドを表示した図である。
【符号の説明】
１…情報端末
１１…音声入力手段
１２…音声認識手段
１３…音声認識用テーブル
１４…音声認識辞書
１５…音声合成手段
１６…通信手段
１７…ＣＰＵ
１８…表示手段
１９…音声出力手段
２…情報センター
２１…通信手段
２２…ＣＰＵ
２３…音声認識用テーブル
２４…音声認識辞書
２５…情報提供メニューテーブル＆ＤＢ
３…ネットワーク
０１…情報提供メニューテーブル
０２…入力手段

Claims

音声入力手段と通信手段を有する車載用情報端末を備えた音声情報利用システムであって、該端末は、情報センターから前記通信手段によって入手した音声コマンドと該音声コマンドに対応する情報コードを有する音声認識用テーブルを備え、前記音声入力手段により入力され音声認識された音声情報に該当する前記音声コマンドを選択し、該選択された音声コマンドに対応する前記情報コードを前記音声認識用テーブルから取り出し、該情報コードに対応する情報を前記情報センターから入手すべく該情報コードを該情報センターに送信すると同時に前記端末の該音声認識用テーブルのバージョン番号を送信し、前記情報センター側の音声認識用テーブルのバージョン番号と一致していなければ前記情報センターから該情報センター側の音声認識用テーブルを受信して音声認識用テーブルを更新する音声情報利用システム。
前記音声認識用テーブルの音声コマンドは、対応する情報コードを有している、請求項１に記載の音声情報利用システム。
前記車載用情報端末は、前記認識された音声情報を表示する手段を有している、請求項１に記載の音声情報利用システム。
前記認識された音声情報を表示するため、前記音声認識用テーブルは音声認識結果表示データを有している、請求項３に記載の音声情報利用システム。
前記音声認識用テーブルは、１つの情報コードに対して複数の音声コマンドを有する、請求項１に記載の音声情報利用システム。
前記音声認識用テーブルは、１つの情報コードに対して含まれている音声コマンドの数が判別できる構成となっている、請求項５に記載の音声情報利用システム。
前記車載用情報端末は、前記認識された音声情報を音声出力する手段を有している、請求項１に記載の音声情報利用システム。
前記認識された音声情報を音声出力するため、前記音声コマンドデータは音声合成データを有している、請求項７に記載の音声情報利用システム。
前記音声認識用テーブルは、ユーザが得たい情報に対する検索条件を設定する領域を有する、請求項１に記載の音声情報利用システム。
前記車載用情報端末の音声認識用テーブルの総容量を予め前記センターに発信しておき、該センターは前記総容量の範囲で前記端末に前記音声認識用テーブルのデータを送信する、請求項１に記載の音声情報利用システム。
前記車載用情報端末の音声認識用テーブルの使用可能な容量を随時前記センターに発信し、該センターは前記使用可能な容量の範囲で前記端末に前記音声認識用テーブルのデータを送信する、請求項１に記載の音声情報利用システム。
前記音声情報利用システムを実行する際に発せられる音声メッセージの内容をレベル分けし、ユーザが選択できるようにした、請求項１に記載の音声情報利用システム。
ユーザが前記音声入力手段に対して発声した音声が誤って認識された場合、誤認識の結果選択された音声コマンドを削除し、再度音声認識する手段を有した、請求項１に記載の音声情報利用システム。
前記削除された音声コマンドを、音声認識が正しくされた後、音声コマンドに含めるようにした、請求項１３に記載の音声情報利用システム。
前記音声認識用テーブルの音声コマンドに含まれている単語を表示できるようにした、請求項１に記載の音声情報利用システム。