JP4203984B2 - 音声入力装置及び音声入力受付方法 - Google Patents

Description

【０００１】
【発明の属する技術分野】
本発明は、音声認識の技術に関し、特に、ユーザの複数桁の数字や文字の音声入力を容易化する技術に関するものである。
【０００２】
【従来の技術】
現在、コンピュータを初めとする様々な電子装置において、音声認識技術を利用した音声入力の技術が用いられている。
たとえば、自動車に搭載されるナビゲーション装置の分野においては、ユーザから目的地の設定を、目的地の地名や目的地の電話番号の音声入力により受け付ける技術などが知られている。
【０００３】
【発明が解決しようとする課題】
さて、電話番号等の複数桁の数字を音声によって入力する際に、ユーザが誤った数字を発声してしまう場合や音声認識によって誤った数字が認識されてしまう場合がある。そして、このような場合に改めて正しい数字を入力するために、数字の最後に近い桁のみに誤りあった場合にも始めの桁から数字を発声し直さなければならないことは、数字の桁数が多い場合などにはユーザにとって負担が大きいものとなる。
【０００４】
また、一般に、複数桁の数字の音声認識は、桁数が予め定まっていない場合、桁数が予め定まっている場合に比べ、その数字の音声認識の成功率は低下する。一方で、所定の桁数毎に数字の入力を受け付けるようにすれば、音声認識の成功率は向上するが、当該所定の桁数毎に数字を区切って発声しなければならないために、ユーザにとっての入力の作業が煩雑となる。
【０００５】
そこで、本発明は、ユーザの複数桁の数字や文字の音声による入力を容易化することを課題とする。
【０００６】
【課題を解決するための手段】
前記課題達成のために、本発明は、ユーザが発声した音声が表す所定字数の字列を音声認識する音声入力装置に、ユーザが発声した音声が表す字列を認識する音声認識手段と、字列を保持する字列保持手段と、修正の指示に応じて前記音声認識手段が認識した字列を修正する修正制御手段と、字列修正手段とを設け、前記修正制御手段において、前記所定字数の字列の音声認識を行う場合に、前記修正が指示される前のユーザの発声に対して前記音声認識手段が認識した字列を前記字列保持手段に保持させ、前記修正が指示される前の発声に対して前記音声認識手段が認識した字列の修正を指示された場合に、修正を指示された後のユーザの発声に対して前記音声認識手段が認識した字列によって、前記字列保持手段に保持させた字列を修正した前記所定字数の修正字列を、前記字列修正手段に生成させ、前記字列修正手段において、前記修正が指示される前のユーザの発声に対して前記音声認識手段が認識し前記字列保持手段に保持された字列を第１の字列とし当該第１の字列の桁数をnとし、修正を指示された後のユーザの発声に対して前記音声認識手段が認識した字列を第２の字列とし当該第２の字列の桁数mとして、前記修正字列を、当該修正字列の下位m桁の字列を第２の字列と同じ字列とし、当該修正字列の上位n桁のうちの当該修正字列の下位m桁を除く各桁の字を、当該字の前記修正字列上の桁を上位i桁目として、前記第１の字列の上位i桁目の字とすることにより生成するようにしたものである。なお、前記字列は、文字の列または数字の列または文字と数字が混在した列であってよい。
【０００７】
このような音声入力装置によれば、ユーザは、ある桁の字を間違って発声してしまったり、音声認識によってある桁の字が間違って認識されてしまった場合に、ユーザは、その間違った桁から発声するだけで、発声した字列によって修正前の字列の間違った桁より下位の字列を修正することができる。したがって、ユーザは、認識字列の修正のために初めの桁から字列を発声し直す必要がない。したがって、ユーザの複数桁の字列の入力が容易化される。
【０００８】
また、前記課題達成のために、本発明は、ユーザが発声した音声が表す所定字数の字列を音声認識する音声入力装置に、ユーザが発声した音声が表す字列を認識する音声認識手段と、修正の指示に応じて前記音声認識手段が認識した字列を修正する修正制御手段とを備え、前記修正制御手段において、前記所定字数の字列の音声認識を行う場合に、ユーザの発声に対して前記音声認識手段に前記所定字数または任意字数の字列を対象とする字列の認識を行わせ、前記音声認識手段が認識した字列の修正を指示された場合に、修正を指示された後のユーザの発声に対して、記音声認識手段に、前記所定字数の字列の部分を対象とする、前記所定字数より小さい字数を上限とする固定字数範囲の字列の認識を行わせるようにしたものである。なお、前記字列は、文字の列または数字の列または文字と数字が混在した列であってよい。
【０００９】
このような音声入力装置によれば、音声認識によってある桁の字が間違って認識されてしまったなどの理由により字列の修正を行う場合には、前記所定字数の字列の音声認識や任意字数の音声認識に比べ、より音声認識成功率の高い、前記所定字数の字列の部分を対象とする、前記所定字数より小さい字数を上限とする固定字数範囲の字列の認識を行うモードに、自動的に遷移する。よって、修正時において再度音声認識を失敗してしまうことを抑止できるので、ユーザの複数桁の字列の入力が容易化される。
【００１０】
ここで、このような音声入力装置には、さらに字列を保持する字列保持手段と、字列修正手段とを備え、前記修正制御手段において、前記修正を指示される前の前記ユーザの発声に対して前記音声認識手段が認識した字列を前記字列保持手段に保持させ、前記修正を指示された後のユーザの発声に対して前記音声認識手段が認識した字列によって、前記字列保持手段に保持させた字列を修正した前記所定字数の修正字列を、前記字列修正手段に生成させ、前記字列修正手段において、前記修正が指示される前のユーザの発声に対して前記音声認識手段が認識し前記字列保持手段に保持された字列を第１の字列とし当該第１の字列の桁数をnとし、修正を指示された後のユーザの発声に対して前記音声認識手段が認識した字列を第２の字列とし当該第２の字列の桁数mとして、前記修正字列を、当該修正字列の下位m桁の字列を第２の字列と同じ字列とし、当該修正字列の上位n桁のうちの当該修正字列の下位m桁を除く各桁の字を、当該字の前記修正字列上の桁を上位i桁目として、前記第１の字列の上位i桁目の字とすることにより生成するようにしてもよい。すなわち、たとえば、前記所定字数の電話番号の音声入力を行う場合には、初めに電話番号全桁または任意桁範囲の数字列の音声入力を受付け、修正が指示された場合には、市外局番や、市内局番や、電話番号の市外局番や市内局番を除く番号部分からの数字列の音声入力を受付け、修正指示後に受け付けた数字列で、初めに音声入力を受け付けた数字列の下位桁を、修正指示後に受け付けた数字列の桁数分修正するようにしてもよい。
【００１１】
このようにすることにより、前述の如く、ユーザは、ある桁の字を間違って発声してしまったり、音声認識によってある桁の字が間違って認識されてしまった場合であっても、ユーザは、認識字列の修正のために初めの桁から字列を発声し直す必要がなくなる。
【００１２】
【発明の実施の形態】
以下、本発明の実施形態についてナビゲーション装置への適用を例にとり説明する。
まず、第１の実施形態について説明する。
図１に、本実施形態に係るナビゲーション装置の構成を示す。
図示するように、本ナビゲーション装置は、制御装置１、地図データを格納したDVD-ROMドやハードディスク等の記憶媒体２１にアクセスするための記録媒体ドライブ２、ＧＰＳ受信機３、角加速度センサや車速センサなどの車両の走行状態を検知する走行状態センサ４、ユーザよりの入力を受け付けるリモコン５（リモートコントローラ）、表示装置６、スピーカ７、マイクロフォン８を備えている。
【００１３】
また、制御装置１は、地図データ読出処理部１０２、現在位置算出部１０３、ルート探索部１０４、ナビゲート画像生成部１０５、メモリ１０６、主制御部１０７、ＧＵＩ制御部１０８、音声認識エンジン１０９、音声合成エンジン１１０を備えている。
【００１４】
但し、以上の制御装置１は、ハードウエア的には、マイクロプロセッサや、メモリや、その他のグラフィックプロセッサやジオメトリックプロセッサ等の周辺デバイスを有する一般的な構成を備えたCPU回路であって良く、この場合、以上に示した制御装置１の各部は、マイクロプロセッサが予め用意されたプログラムを実行することにより具現化するプロセスとして実現されるものであって良い。また、この場合、このようなプログラムは、記憶媒体２１や通信路を介して、制御装置１に提供されるものであって良い。
【００１５】
次に、図２に、地図データベースに格納される地図データを示す。
図示するように、地図データは地図データユニットと地点データユニットとを含む。
そして、地図データユニットは、ノードリストとリンクリストを含む。ここで、地図データユニットでは、道路を直線であるリンクの集合として表現しており、この各リンクの端点がノードである。このようなノードは、交差点等の道路の接続点などに設けられる。さて、ノードリストはノード毎に対応して設けたノードレコードを有し、各ノードレコードには、対応するノードのノード番号とノードの経緯度座標を有する。また、リンクリストは、リンク毎に対応して設けたリンクレコードを有し、各リンクレコードには、対応するリンクのリンク番号と、対応するリンクの端点となる２つのノードのノード番号である端点ノード番号１と端点ノード番号２を有する。
【００１６】
一方、地点データユニットは、各地点（個人宅、施設、会社等）毎に設けた地点レコードを有し、各地点レコードには、対応する地点の電話番号と、対応する地点の名称を表すテキストである地名テキストと、その地点の座標、その地点最寄りのリンクのリンク番号を表す対応リンク、その地点最寄りのリンク上の当該地点最寄りの位置を表す対応リンク上座標とを有する。
【００１７】
さて、このようなナビゲーション装置の構成において、地図データ読出処理部１０２は、主制御部１０７の制御下で所要地理的範囲に対応する地図データユニットのデータを地図データベースから読み出して、各部に供給する処理を行う。現在位置算出部１０３は、走行状態センサ４やＧＰＳ受信機３の出力から推定される現在位置に対して、地図データユニットが表す地図とのマップマッチング処理などを施して現在位置を算出する。
【００１８】
主制御部１０７は、リモコン５、ＧＵＩ制御部１０８を介して、ユーザより、目的地設定の要求があるとユーザより目的地の設定を受けつけ、メモリ１０６にセットする。本実施形態では、目的地の設定は、後述するナビーゲート画面が表す地図上の目的地とする地点の指定によって受け付ける他、目的地とする地点の電話番号の指定によっても受け付ける。この電話番号の指定による目的地の設定は、後述する目的地設定受付処理によって行う。
【００１９】
さて、目的地の設定を受け付けたならば、ルート探索部１０４は、地図データユニットを参照し、現在位置からメモリ１０６にセットされた目的地の座標までのルートを探索し、メモリ１０６にセットする。ナビゲート画像生成部１０９は、メモリ１０６にセットされたルートに基づき、地図データユニットが表す地図上に現在位置から目的地までのルートを表した、ナビゲート画面を生成し、ＧＵＩ制御部１０８を介して表示装置６に表示する。なお、ナビゲート画像生成部１０９は、メモリ１０６にルートがセットされていない場合には、ルートの表示のない地図をナビゲート画面として生成し、ＧＵＩ制御部１０８を介して表示装置６に表示する。
【００２０】
以下、前述した電話番号によって目的地の設定を受け付ける目的地設定受付処理の詳細について説明する。
図３に、目的地設定受付処理の手順を示す。
図示するように、この処理では、主制御部１０７は、まず、ＧＵＩ制御部１０８を介して表示装置６に図４aに示す電話番号受付画面表示を表示する（ステップ３０２）。
図４aに示すに示すように、この電話番号受付画面では、リモコン５を介して０〜９までの数字キー４０１の操作があった場合には（ステップ３０４）、数字キー４０１の選択によって０〜９までの数字を順次受付け（ステップ３３８）、受け付けた数字列を入力ボックス４０２に入力し表示する。そして、リモコン５を介して検索ボタン４０３が操作された場合には（ステップ３４０）、電話番号入力ボックス４０２に入力されている数字列を検索電話番号として、検索電話番号と同じ電話番号を持つ地点レコードを、地図データ読出処理部１０２を介して、地図データの地点データユニットから探索し（ステップ３４２）、探索した地点レコードに格納された対応リンクと対応リンク上座標より求まるリンク上位置を目的地として設定する（ステップ３２６）。
【００２１】
一方、電話番号受付画面で、発話ボタン４０４が操作された場合には（ステップ３０）、図４bに示す音声入力受付画面を表示する（ステップ３０８）。
そして、メモリ１０６上に設けたXレジスタとYレジスタをクリアし、初回フラグをオンに設定する（ステップ３１０）。ここで、XレジスタとYレジスタは、各々１０桁の数字列を格納するレジスタである。
次に、主制御部１０７は、音声認識エンジン１０９にマイクロフォン８から入力する音声の認識を開始させる（ステップ３１２）。そして、音声認識エンジン１０９が認識した数字列をYレジスタに右詰めで格納し、Yレジスタに格納した数字列を音声入力受付画面の入力ボックス４１１に表示する処理（ステップ３１４）を、音声認識エンジン１０９が電話番号の最大桁数である１０桁の数字列を認識するか、所定時間以上のユーザの無発声（無音）を検出するまで（ステップ３１６）行う。ここで、ステップ３１４で音声認識エンジン１０９が認識した数字列をYレジスタに格納する際に既にYレジスタに数字列が格納されている場合には、格納されている数字列を音声認識エンジン１０９が認識した数字列の桁数分だけ上位桁側にシフトした上で、認識した数字列を右詰めで格納する。したがって、ステップ３１２〜３１６において、ユーザは電話番号の発声を任意桁毎に区切って行うことができる。すなわち、ステップ３１２〜３１６では、自由区切りの音声認識が行われる。なお、ステップ３１４で、Yレジスタに格納した数字列を音声入力受付画面の入力ボックス４１１に表示する際には、音声合成エンジン１１０でYレジスタに格納した数字列を読み上げる音声を生成しスピーカ７から出力するようにしてもよい。
【００２２】
ここで、図５aは、音声認識エンジン１０９によって認識された"02463541"がYレジスタに右詰めで格納されたようすを表している。
次に、主制御部１０７は、ユーザが戻るボタン４１２を操作するか（ステップ３１８）、検索ボタン４１３を操作する（ステップ３２０）のを待つ。そして、戻るボタン４１２が操作された場合には、初回フラグがオンであるかどうかを調べ（ステップ３２８）、オンであれば、Yレジスタに格納されている数字列をXレジスタに転送し左詰めで格納し、Yレジスタをクリアし（ステップ３３０）、初回フラグをオフにクリアする（ステップ３３２）。そして、Xレジスタに格納された数字列を電話番号ボックス４１４に表示する（ステップ３３４）。ここで、図５bは、図５aでYレジスタに格納されていた数字列がXレジスタに転送されて左詰めで格納されたようすを示している。
【００２３】
そして、ステップ３１２に戻り、再度音声認識エンジン１０９による音声の認識を行い、先程と同様に、Yレジスタに右詰めで格納し、Yレジスタに格納した数字列を音声入力受付画面の入力ボックス４１１に表示し、ユーザが戻るボタンを４１２操作するか、検索ボタン４１３を操作するのを待つ（ステップ３１２〜３２０）。ここで、図５cは、このような２回目の音声認識によって"364111"が認識され、Yレジスタに格納されたようすを示している。
【００２４】
さて、ステップ３１８で、戻るボタン４１２が操作された場合であって、初回フラグがオンでない場合（ステップ３２８）には、Yレジスタに格納されている数字列と、Xレジスタに格納されている数字列を、Ｙレジスタに数字が格納されている桁についてはYレジスタに格納されている数字を当該桁の数字とし、Ｙレジスタに数字が格納されていない桁についてはXレジスタに格納されている数字を当該桁の数字とすることによりマージし、マージした数字列でXレジスタを更新すると共に、Yレジスタをクリアする（ステップ３３６）。そして、Xレジスタに格納された数字列を音声入力受付画面の電話番号ボックス４１４に表示する（ステップ３３４）。ここで、図５dは、図５cの２回目の音声認識後のXレジスタとYレジスタの数字列をマージし、Xレジスタに格納したようすを示している。
【００２５】
そして、ステップ３１２に戻り、先程と同様に、再度音声認識エンジン１０９による音声の認識と、Yレジスタへの数字列の格納と、Yレジスタに格納した数字列の音声入力受付画面の入力ボックス４１１への表示を行い、ユーザが戻るボタンを４１２操作するか、検索ボタン４１３を操作するのを待つ（ステップ３１２〜３２０）。
【００２６】
以下、同様に、戻るボタン４１２が操作されるたびに同様の処理を行う。
一方、ステップ３２０において、検索ボタン４１３が操作された場合には、その時点でYレジスタに格納されている数字列と、Xレジスタに格納されている数字列をステップ３３６と同様にマージしてXレジスタに格納し、Yレジスタをクリアする（ステップ３２２）。そして、Xレジスタに格納されている数字列を、検索電話番号として、検索電話番号と同じ電話番号を持つ地点レコードを、地図データ読出処理部１０２を介して、地図データの地点データユニットから探索し（ステップ３２４）、探索した地点レコードに格納された対応リンクと対応リンク上座標より求まるリンク上位置を目的地として設定する（ステップ３２６）。ここで、図５eは、３回目の音声認識で"21"が認識された時のXレジスタとYレジスタの内容を示し、図５fは、３回目の音声認識で"21"が認識された後に戻るボタンではなく検索ボタンが操作され、XレジスタとYレジスタの数字列がマージされ、Xレジスタに格納されたようすを示している。
【００２７】
さて、図５より理解されるように、本第１実施形態によれば、ユーザは、複数桁の数字列の音声入力において、ある桁の数字を間違って発声してしまったり、音声認識エンジン１０９がある桁の数字を間違って認識してしまった場合には、その間違った桁以降（桁数が小さくなる方向）の数字または数字列のみを発声することにより、先に認識された数字列に対して、間違った桁より後部分のみの修正を行うことができる。
【００２８】
たとえば、図６fに示すように入力の目的となる数字列が "02463641121"であった場合に、図６aに示すように、"02462641"と上４桁目が誤って認識されてしまった場合には、ユーザは上４桁目から正しく"3641121"と下７桁を発声すれば、入力数字列を、目的とする数字列 "02463641121"に修正することができる。
【００２９】
また、図６cに示すように、この下７桁の発声に対して下２桁目が誤って"3641111"と認識されてしまった場合には、図６eに示すようにユーザは下２桁目から正しく"21"と下２桁を発声すれば、図６fに示すように、入力数字列を、目的とする数字列 "02463641121"に修正することができる。
【００３０】
このように、本実施形態によれば、ユーザは、ある桁の数字を間違って発声してしまったり、音声認識エンジン１０９がある桁の数字を間違って認識してしまった場合に、初めの桁から数字列を発声し直す必要がない。したがって、ユーザの複数桁の数字列の入力が容易化される。
【００３１】
以上、本発明の第１実施形態について説明した。
以下、本発明の第２の実施形態について説明する。
本第２実施形態は、前記第１実施形態における目的地設定受付処理を、図６に示す目的地設定受付処理に置き換えたものである。
図示するように、本第２実施形態では、目的地設定受付処理において、主制御部１０７は、前記第１実施形態と同様に、ＧＵＩ制御部１０８を介して表示装置６に図４aに示す電話番号受付画面を表示する（ステップ６０２）。そして、リモコン５を介して、数字キー４０１による数字列入力（ステップ６０４、６７２）と、検索ボタン４０３が操作が行われた場合には（ステップ６７４）、電話番号入力ボックス４０２に入力されている数字列を検索電話番号として、検索電話番号と同じ電話番号を持つ地点レコードを、地図データ読出処理部１０２を介して、地図データの地点データユニットから探索し（ステップ６７６）、探索した地点レコードに格納された対応リンクと対応リンク上座標より求まるリンク上位置を目的地として設定する。（ステップ６３４）
一方、電話番号受付画面で、発話ボタン４０４が操作された場合には（ステップ６０８）、図４bに示す音声入力受付画面を表示する（ステップ６０８）。
【００３２】
そして、メモリ１０６上に設けたXレジスタとYレジスタとZシフトレジスタをクリアし（ステップ６１０）、モードを無制限モードに設定する（ステップ６１２）。ここで、XレジスタとYレジスタとZシフトレジスタは、各々１０桁の数字列を格納するレジスタである。また、本第２実施形態では、モードとして無制限モードと、市外局番モードと、市内局番モードと、番号モードの４つのモードを設けている。そして、予め各モードに対して認識桁数範囲を定義している。すなわち、無制限モードに対しては１桁から電話番号の最大桁数である１０桁までの範囲を認識桁数範囲として定義し、市外局番モードに対しては電話番号の市外局番の桁数範囲である２〜６桁の範囲を認識桁数範囲として定義し、市内局番モードに対しては電話番号の市内局番の桁数範囲である１〜４桁の範囲を認識桁数範囲として定義し、番号モードに対しては電話番号の番号部の桁数である４桁を認識桁数範囲として定義している。
【００３３】
さて、次に、主制御部１０７は、音声認識エンジン１０９にマイクロフォン８から入力する音声の認識を開始させる（ステップ６１４）。そして、音声認識エンジン１０９が認識した数字列をYレジスタに右詰めで格納し、Yレジスタに格納した数字列を音声入力受付画面の入力ボックス４１１に表示する処理（ステップ６１６）を、音声認識エンジン１０９がモードに対して定まる認識桁数範囲内の最大の桁数を数字列を認識するか、所定時間以上のユーザの無発声（無音）を検出するまで（ステップ６１８）行う。ここで、ステップ６１６で音声認識エンジン１０９が認識した数字列をYレジスタに格納する際に既にYレジスタに数字列が格納されている場合には、格納されている数字列を音声認識エンジン１０９が認識した数字列の桁数分だけ上位桁側にシフトした上で、認識した数字列を右詰めで格納する。したがって、ステップ６１４〜６１８において、ユーザは電話番号の発声を任意桁毎に区切って行うことができる。すなわち、ステップ６１４では、ステップ６１４実行の度に、連続的に入力する一連の音声に対して、電話番号の最大桁数である１０桁以下の不定長の音声認識を行う。
【００３４】
なお、ステップ６１６において、Yレジスタに格納した数字列を、音声入力受付画面または後述する桁指定入力画面の入力ボックス４１１、４３１に表示する際に、併せて音声合成エンジン１１０でYレジスタに格納した数字列を読み上げる音声を生成しスピーカ７から出力するようにしてもよい。
【００３５】
次に、主制御部１０７は、モードが無制限モードであるので（ステップ６２２、６２４）、ユーザが戻るボタン４１２を操作するか（ステップ６２０）、検索ボタン４１３（ステップ６２６）を操作するのを待つ。そして、戻るボタン４１２が操作された場合には（ステップ６２０）、無制限モードであるかどうかを調べ（ステップ６３６）、無制限モードであれば、Yレジスタに格納されている数字列をXレジスタに転送し左詰めで格納し（ステップ６３８）、Xレジスタに格納された数字列を電話番号ボックス４１４に表示した上で、Yレジスタをクリアする（ステップ６４０）。ただし、本第２実施形態では、音声入力受付画面の電話番号ボックス４１４は設けなくても良い。
【００３６】
さて、次に、主制御部１０７は、図４cに示す桁指定画面を表示し、Xレジスタに格納された数字列を電話番号ボックス４２１に表示（ステップ６４２）した上で、ユーザから市外局番からの入力を行うか、市内局番からの入力を行うか、電話番号の番号部（電話番号の下４桁の部分）の入力を行うかの指定を、ボタン４２２〜４２４によって受け付ける（ステップ６４４〜６４８）。そして、市外局番からの入力が指定された場合にはモードを市外局番モードに設定し（ステップ６５０）、市内局番からの入力が指定された場合にはモードを市内局番モードに設定し（ステップ６５２）、番号部の入力が指定された場合にはモードを番号モードに設定する（ステップ６５４）。その上で、モードが市外局番モードの場合には図４dに示す指定桁入力画面を、モードが市内局番モードの場合には図４eに示す指定桁入力画面を、モードが番号モードの場合は図４fに示す指定桁入力画面を表示し、指定桁入力画面の電話番号ボックス４３２にXレジスタに格納された数字列を電話番号ボックスに表示する（ステップ６５６）。そして、ステップ６１４に戻って再度音声認識エンジン１０９による音声の認識と、Yレジスタへの文字列の格納と、Yレジスタに格納した数字列の指定桁入力画面の入力ボックス４３１への表示を行う（ステップ６１４〜６１８）。ここで、このとき、音声認識エンジン１０９は、入力する音声を、その時点のモードに対応する認識桁数範囲内の桁数の数字列の発声と見なして音声認識を行う。なお、このように入力する音声が表す数字列の桁数範囲を固定することにより、その桁数範囲内の数字列を発声した音声に対する音声認識の成功率は向上する。
【００３７】
そして、主制御部１０７は、モードが市外局番モードか市内局番モードの場合には（ステップ６２２）、戻るボタン４３３か（ステップ６２０）、発話ボタン４３４が操作される（ステップ６６０）のを待ち、モードが番号モードのときには（ステップ６２４）、戻るボタン４３３か（ステップ６２０）検索ボタン４３５が操作される（ステップ６２６）のを待つ。そして、戻るボタン４３３が操作された場合には（ステップ６２０）、モードが無制限モードかどうかを調べ（ステップ６３６）、無制限モードでなければYレジスタに格納されている数字列をクリア（ステップ６５８）した上で、再度ステップ６１４からの音声認識に戻る。
【００３８】
一方、発話ボタン４３４が操作された場合（ステップ６６０）において、モードが市外局番モードの場合に（ステップ６６２）は、モードを市内局番モードに変更し（ステップ６６４）、市内局番モード用の指定桁入力画面（図４e）を表示し（ステップ６６８）、発話ボタン４３４が操作された場合（ステップ６６０）において、モードが市内局番モードの場合（ステップ６６２）は、モードを番号モードに変更し（ステップ６６６）、番号モード用の指定桁入力画面（図４f）を表示する（ステップ６６８）。そして、Yレジスタに格納された数字列をZシフトレジスタに下位桁側からシフトインしYレジスタをクリアし（ステップ６７０）、ステップ６１４の音声認識に戻り、音声認識エンジン１０９で変更後のモードの認識桁数範囲に応じた音声認識を行う。ここで、Zシフトレジスタは、新たな数字列が下位桁側からシフトインされると、既に格納されている数字列をシフトインされた数字列の桁数分だけ上位桁側にシフトし、シフトインされた数字列を右詰めで格納するレジスタである。すなわち、たとえば、Zシフトレジスタに"-------445"が格納されているときに、333がシフトインされると、Zシフトレジスタの内容は"----445333"となる。
【００３９】
さて、残る番号モードの場合において、図４fの指定桁入力画面の検索ボタン４３５が操作された場合、または、無制限モードにおいて、図４bの音声入力受付画面の検索ボタン４１３が操作された場合（ステップ６２６）には、まず、Yレジスタに格納された数字列をZシフトレジスタに下位桁側からシフトインしYレジスタをクリアする（ステップ６２８）。そして、Xレジスタに格納されている数字列とZシフトレジスタに格納されている数字列とを、Zシフトレジスタに数字が格納されている桁についてはZシフトレジスタに格納されている数字を当該桁の数字とし、Zシフトレジスタに数字が格納されていない桁についてはXレジスタに格納されている数字を当該桁の数字とすることによりマージし、マージした数字列でXレジスタを更新し、Zシフトレジスタをクリアする（ステップ６３０）。
【００４０】
そして、Xレジスタに格納されている数字列を、検索電話番号として、検索電話番号と同じ電話番号を持つ地点レコードを、地図データ読出処理部１０２を介して、地図データの地点データユニットから探索し（ステップ６３２）、探索した地点レコードに格納された対応リンクと対応リンク上座標より求まるリンク上位置を目的地として設定する（ステップ６３４）。
【００４１】
ここで、図７に以上の目的地設定受付処理の具体的な処理例を示す。
まず、ユーザは図４aの電話番号受付画面で発話ボタン４０４を操作した（ステップ６０８）後に発声した音声が"02463442"と音声認識エンジン１０９により認識されると、Yレジスタに図７aに示すように右詰めで"02463442"が格納される（ステップ６１６）。そして、このときに、ユーザが、ステップ６０８で表示された音声入力受付画面の検索ボタン４１３を操作すると、このYレジスタに格納されていた"02463442"がZシフトレジスタ、Xレジスタと転送され（ステップ６２８、７３０）、最終的にXレジスタに格納された"02463442"が検索電話番号となる（ステップ６３２）。
【００４２】
一方、ユーザが音声入力受付画面の戻るボタン４１２を操作すると（ステップ６２０）、この時点では無制限モードであることより（ステップ６３６）、図７bに示すように、Yレジスタに格納されていた"02463442"が、Ｘレジスタに左詰めで格納され（ステップ６３８）、図４cの桁指定画面の電話番号ボックス４２１に表示される（ステップ６４２）。
【００４３】
いま、ユーザが入力しようとする電話番号の市外局番が"0463、市内局番が"36"、番号が"4121"であるとすると、音声認識された数字列中は市外局番が正しく、市内局番が"34"と間違っているので、ユーザは、市内局番から音声による入力をやり直すために、ユーザは桁指定画面で、市内局番から”ボタン４２３を操作する（ステップ６４６）。そして、市内局番を発声する。
【００４４】
この市内局番の発声に対して、ステップ６５２で設定される市内局番モードの認識桁数範囲に基づいて音声認識エンジン１０９が"36"と正しく認識した場合、Yレジスタには図７cに示すように、"36"が右詰めで格納される（ステップ６１６）。
【００４５】
この場合、市内局番モード用の桁指定画面（図４e ) の入力ボックス４３１の表示より、市内局番が正しく認識されたことを確認したユーザは、次に電話番号の番号部を入力するために発話ボタン４３４を操作する（ステップ６６０）。すると、モードが番号モードに変更され（ステップ６６６）、番号モード用の桁指定画面（図４f）が表示され（ステップ６６８）、図７dに示すように、Zシフトレジスタに、Yレジスタに格納されていた"36"が転送され、その後、Yレジスタがクリアされる（ステップ６７０）。
【００４６】
そして、発話ボタン４３４を操作したユーザの番号部の発声に対して、番号モードの認識桁数範囲に基づいて音声認識エンジン１０９が"4121"と正しく認識した場合、Yレジスタには図７eに示すように、"4121"が右詰めで格納される（ステップ６１６）。
【００４７】
この場合、番号モード用の桁指定画面（図４f）の入力ボックス４３１の表示より、番号部が正しく認識されたことを確認したユーザは、最後まで電話番号が正しく認識されたので、この電話番号による目的地を設定するために、検索ボタン４３５を操作する（ステップ６２６）。
【００４８】
すると、図７fに示すように、Zシフトレジスタに、Yレジスタに格納されていた"------4121"が転送され、その後、Yレジスタがクリアされる（ステップ６２８）。この結果、Zシフトレジスタの内容は、先に転送された"36"の後に今回転送された"4121"が連結された"----364121"となる。そして、次に、このZシフトレジスタに格納された"----364111"は、Xレジスタに格納されている文字列"02463442--"と上述のようにマージされ（ステップ６３０）、結果Xレジスタの内容は、図７gに示すように、ユーザの目的とする"02463364121"となり（ステップ６３０）、この数字列が検索電話番号として用いられる（ステップ６３２）。
【００４９】
以上のように、本第２実施形態によれば、ユーザは、ある桁の数字を間違って発声してしまったり、音声認識エンジン１０９がある桁の数字を間違って認識してしまった場合に、初めの桁から数字列を発声し直す必要がない。また、認識桁数範囲を電話番号の桁数より小さい桁数範囲に固定した、より音声認識成功率が高い音声認識を行うモードに、自動的に遷移する。したがって、これら二つの作用により、ユーザの複数桁の数字列の入力が容易化される。
【００５０】
なお、以上では、ナビゲーション装置における目的地設定のための電話番号の音声認識への適用を例にとり説明したが、本実施形態における数字列途中からの発声による認識数字列の修正は、桁数が定まっている任意の種類の数字列や、文字数が定まっている任意のアルファベット列やアルファベットの数字の組み合わせ列などの音声認識に同様に適用可能である。すなわち、本実施形態は、郵便番号の音声認識、固定文字数のIDやパスワードの音声認識などに同様に適用可能である。
【００５１】
また、本実施形態における、認識数字列修正時に自動的に、認識桁数範囲を、認識数字列の桁数より小さく固定する技術も、桁数が定まっている任意の種類の数字列や、文字数が定まっているアルファベット列やアルファベットの数字の組み合わせ列などの音声認識に同様に適用可能である。たとえば、郵便番号の音声認識に適用する場合は、修正時には、表記時にハイフンで分離される上3桁と下４桁をそれぞれ音声認識するようにして良いし、固定文字数のIDやパスワードの場合は、修正時には、たとえば、３文字毎に発声するようにユーザに通知した上で、３文字づつそれぞれ音声認識するようにして良い。
【００５２】
【発明の効果】
以上のように、本発明によれば、ユーザの複数桁の数字や文字の音声による入力を容易化することができる。
【図面の簡単な説明】
【図１】本発明の実施形態に係るナビゲーション装置の構成を示すブロック図である。
【図２】本発明の実施形態に係る地図データを示す図である。
【図３】本発明の第１実施形態に係る目的地設定処理の手順を示すフローチャートである。
【図４】本発明の実施形態において表示する表示画面を示す図である。
【図５】本発明の第１実施形態に係る目的地設定処理の具体例を示す図である。
【図６】本発明の第２実施形態に係る目的地設定処理の手順を示すフローチャートである。
【図７】本発明の第２実施形態に係る目的地設定処理の具体例を示す図である。
【符号の説明】
１：制御装置、２：記録媒体ドライブ、３：ＧＰＳ受信機、４：走行状態センサ、５：リモコン、６：表示装置、７：スピーカ、８：マイクロフォン、２１：記憶媒体、１０２：地図データ読出処理部、１０３：現在位置算出部、１０４：ルート探索部、１０５：ナビゲート画像生成部、１０６：メモリ、１０７：主制御部、１０８：ＧＵＩ制御部、１０９：音声認識エンジン、１１０：音声合成エンジン。

Claims (8)

1. ユーザが発声した音声が表す所定字数の字列を音声認識する音声入力装置であって、
   前記字列は、文字の列または数字の列または文字と数字が混在した列であり、
   前記音声入力装置は、
   ユーザが発声した音声が表す字列を認識する音声認識手段と、字列を保持する字列保持手段と、修正の指示に応じて前記音声認識手段が認識した字列を修正する修正制御手段と、字列修正手段とを有し、
   前記修正制御手段は、前記所定字数の字列の音声認識を行う場合に、前記修正が指示される前のユーザの発声に対して前記音声認識手段が認識した字列を前記字列保持手段に保持させ、前記修正が指示される前の発声に対して前記音声認識手段が認識した字列の修正を指示された場合に、修正を指示された後のユーザの発声に対して前記音声認識手段が認識した字列によって、前記字列保持手段に保持させた字列を修正した前記所定字数の修正字列を、前記字列修正手段に生成させ、
   前記字列修正手段は、前記修正が指示される前のユーザの発声に対して前記音声認識手段が認識し前記字列保持手段に保持された字列を第１の字列とし当該第１の字列の桁数をｎとし、修正を指示された後のユーザの発声に対して前記音声認識手段が認識した字列を第２の字列とし当該第２の字列の桁数をｍとして、前記修正字列を、当該修正字列の下位ｍ桁の字列を第２の字列と同じ字列とし、当該修正字列の上位ｎ桁のうちの当該修正字列の下位ｍ桁を除く各桁の字を、当該字の前記修正字列上の桁を上位ｉ桁目として、前記第１の字列の上位ｉ桁目の字とすることにより生成することを特徴とする音声入力装置。
2. ユーザが発声した音声が表す所定字数の字列を音声認識する音声入力装置であって、
   前記字列は、文字の列または数字の列または文字と数字が混在した列であり、
   前記音声入力装置は、
   ユーザが発声した音声が表す字列を認識する音声認識手段と、修正の指示に応じて前記音声認識手段が認識した字列を修正する修正制御手段とを有し、
   前記修正制御手段は、前記所定字数の字列の音声認識を行う場合に、ユーザの発声に対して前記音声認識手段に前記所定字数の字列又は任意字数の字列を対象とする字列の認識を行わせ、前記音声認識手段が認識した字列の修正を指示された場合に、修正を指示された後のユーザの発声に対して、前記音声認識手段に、ユーザの指示に応じて定まる前記所定字数の字列の部分を対象とする、前記所定字数より小さい字数となる当該部分の字数を、認識する字列の字数の上限とする字列の認識を行わせることを特徴とする音声入力装置。
3. 請求項２記載の音声入力装置であって、
   前記ユーザの指示に応じて定まる前記所定字数の字列の部分は、前記所定字数の字列の後尾部分であって、
   字列を保持する字列保持手段と、字列修正手段とを有し、
   前記修正制御手段は、前記修正を指示される前の前記ユーザの発声に対して前記音声認識手段が認識した字列を前記字列保持手段に保持させ、前記修正を指示された後のユーザの発声に対して前記音声認識手段が認識した字列によって、前記字列保持手段に保持させた字列を修正した前記所定字数の修正字列を、前記字列修正手段に生成させ、
   前記字列修正手段は、前記修正が指示される前のユーザの発声に対して前記音声認識手段が認識し前記字列保持手段に保持された字列を第１の字列とし当該第１の字列の桁数をｎとし、修正を指示された後のユーザの発声に対して前記音声認識手段が認識した字列を第２の字列とし当該第２の字列の桁数をｍとして、前記修正字列を、当該修正字列の下位ｍ桁の字列を第２の字列と同じ字列とし、当該修正字列の上位ｎ桁のうちの当該修正字列の下位ｍ桁を除く各桁の字を、当該字の前記修正字列上の桁を上位ｉ桁目として、前記第１の字列の上位ｉ桁目の字とすることにより生成することを特徴とする音声入力装置。
4. ユーザが発声した音声が表す電話番号を音声認識する音声入力装置であって、
   前記音声入力装置は、
   ユーザが発声した音声が表す数字列を認識する音声認識手段と、数字列を保持する数字列保持手段と、修正の指示に応じて前記音声認識手段が認識した数字列を修正する修正制御手段と、電話番号修正手段とを有し、
   前記修正制御手段は、前記電話番号の音声認識を行う場合に、ユーザの発声に対して前記音声認識手段に電話番号の全桁を対象とする認識を行わせ、前記修正制御手段は、前記修正を指示される前の前記ユーザの発声に対して前記音声認識手段が認識した数字列を前記字列保持手段に保持させ、前記音声認識手段が認識した数字列の修正を指示された場合に、市外局番部分、市内局番部分、電話番号の市外局番と市内局番を除く番号部分のいずれから入力するかをユーザに問い合わせ、市外局番部分から入力することを指示された場合には、市外局番部分、市内局番部分、前記番号部分の順に、順次、ユーザの発声に対して前記音声認識手段に数字列の認識を行わせ、市内局番部分から入力することを指示された場合には、市内局番部分、前記番号部分の順に、順次、ユーザの発声に対して前記音声認識手段に数字列の認識を行わせ、前記番号部分から入力することを指示された場合には、ユーザの発声に対して前記音声認識手段に前記番号部分の数字列の認識を行わせ、前記修正を指示された後のユーザの発声に対して前記音声認識手段が認識した数字列を、前記数字列保持手段に保持させた数字列によって修正した修正数字列を、前記電話番号修正手段に生成させ、
   前記字列修正手段は、前記修正を指示される前のユーザの発声に対して前記音声認識手段が認識し前記数字列保持手段に保持されているｎ桁の数字列を、前記電話番号と同桁数の第１の数字列の最初のｎ桁の数字列とし、修正を指示された後のユーザの発声に対して前記音声認識手段が認識した数字列を連結したｍ桁の数字列を第２の字列として、前記修正数字列を、当該修正数字列の下位ｍ桁の字列を第２の数字列とし、当該修正数字列の他の各桁の字を、少なくとも前記第１の数字列の当該桁と同じ桁の字が前記数字列保持手段に保持されていた字である場合には、前記第１の数字列の当該桁と同じ桁の字とすることにより生成することを特徴とする音声入力装置。
5. 電子装置において、ユーザが発声した音声が表す所定字数の字列を音声認識し、修正の指示に応じて音声認識した字列を、前記修正を指示された後のユーザの発声に対して音声認識した字列を用いて修正する音声入力受付方法であって、
   前記所定字数の字列の音声認識を行う場合に、ユーザの修正が指示される前の発声に対して音声認識を行い、認識した字列を保持するステップと、
   前記修正が指示される前の発声に対して認識した字列の修正を指示された場合に、前記修正を指示された後のユーザの発声に対して音声認識を行い、認識した字列によって、保持している字列を修正した前記所定字数の修正字列を生成するステップとを有し、
   前記修正字列の生成は、前記修正が指示される前のユーザの発声に対して認識し前記字列保持手段に保持した字列を第１の字列とし当該第１の字列の桁数をｎとし、修正を指示された後のユーザの発声に対して認識した字列を第２の字列とし当該第２の字列の桁数をｍとして、前記修正字列を、当該修正字列の下位ｍ桁の字列を第２の字列と同じ字列とし、当該修正字列の上位ｎ桁のうちの当該修正字列の下位ｍ桁を除く各桁の字を、当該字の前記修正字列上の桁を上位ｉ桁目として、前記第１の字列の上位ｉ桁目の字とすることにより生成し、
   前記字列は、文字の列または数字の列または文字と数字が混在した列であることを特徴とする音声入力受付方法。
6. 電子装置において、ユーザが発声した音声が表す所定字数の字列を音声認識する音声入力受付方法であって、
   前記所定字数の字列の音声認識を行う場合に、ユーザの発声に対して音声認識によって前記所定字数または任意字数の字列を対象とする字列の認識を行うステップと、
   前記が認識した字列の修正を指示された場合に、修正を指示された後のユーザの発声に対して、ユーザの指示に応じて定まる前記所定字数の字列の部分を対象とする、前記所定字数より小さい字数となる当該部分の字数を、認識する字列の字数の上限とする音声認識を行うステップとを有することを特徴とする音声入力受付方法。
7. コンピュータによって読み取られ実行されるコンピュータプログラムであって、
   当該コンピュータプログラムは、前記コンピュータに、
   所定字数の字列の音声認識を行う場合に、ユーザの発声に対して音声認識を行い、認識した字列を保持するステップと、
   修正の指示を受け付けるステップと、
   前記修正が指示される前の発声に対して認識した字列の修正を指示された場合に、前記修正を指示された後のユーザの発声に対して音声認識を行い、認識した字列によって保持している字列を修正した前記所定字数の修正字列を生成するステップとを実行させ、
   前記修正字列の生成は、前記修正が指示される前のユーザの発声に対して認識し前記字列保持手段に保持した字列を第１の字列とし当該第１の字列の桁数をｎとし、修正を指示された後のユーザの発声に対して認識した字列を第２の字列とし当該第２の字列の桁数をｍとして、前記修正字列を、当該修正字列の下位ｍ桁の字列を第２の字列と同じ字列とし、当該修正字列の上位ｎ桁のうちの当該修正字列の下位ｍ桁を除く各桁の字を、当該字の前記修正字列上の桁を上位ｉ桁目として、前記第１の字列の上位ｉ桁目の字とすることにより生成し、
   前記字列は、文字の列または数字の列または文字と数字が混在した列であることを特徴とするコンピュータプログラム。
8. コンピュータによって読み取られ実行されるコンピュータプログラムであって、
   当該コンピュータプログラムは、前記コンピュータに、
   所定字数の字列の音声認識を行う場合に、ユーザの発声に対して音声認識によって前記所定字数または任意字数の字列を対象とする字列の認識を行うステップと、
   前記が認識した字列の修正を指示された場合に、修正を指示された後のユーザの発声に対して、ユーザの指示に応じて定まる前記所定字数の字列の部分を対象とする、前記所定字数より小さい字数となる当該部分の字数を、認識する字列の字数の上限とする音声認識を行うステップとを実行させることを特徴とするコンピュータプログラム。

Images