JP4540185B2 - 音声処理装置及び音声処理プログラム - Google Patents
音声処理装置及び音声処理プログラム Download PDFInfo
- Publication number
- JP4540185B2 JP4540185B2 JP2000158952A JP2000158952A JP4540185B2 JP 4540185 B2 JP4540185 B2 JP 4540185B2 JP 2000158952 A JP2000158952 A JP 2000158952A JP 2000158952 A JP2000158952 A JP 2000158952A JP 4540185 B2 JP4540185 B2 JP 4540185B2
- Authority
- JP
- Japan
- Prior art keywords
- voice recognition
- voice
- data
- recognition data
- recording
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Images
Description
【０００１】
【発明の属する技術分野】
本発明は、音声処理装置及び音声処理プログラムに関し、ユーザ情報を認識可能な音声認識システムに関するものである。
【０００２】
【従来の技術】
不特定話者モデルを使用した音声認識装置では、認識率向上のために、ユーザ或いは環境毎に設定したユーザ情報ファイルが設けられている。例えば、特願平１０−２５５７４４号公報には、このユーザ情報ファイルの切換えの煩雑さを解消するために、音声データに設定されたＩＤによりユーザ情報ファイルを自動的に切換える音声認識システムが開示されている。
【０００３】
【発明が解決しようとする課題】
しかしながら、上述した音声認識システムでは、音声データに設定されたＩＤに対応したユーザ情報ファイルが音声認識装置内に存在しない場合は、不特定話者モデルを使用したユーザ情報ファイルが使用されることとなり、ユーザ或いは環境毎に設定された音響モデルを有するユーザ情報ファイルが使用された場合よりも認識率は低下してしまうことになる。
【０００４】
通常の認識率を確保するためには、新たにユーザ情報ファイルを作成する、他の音声認識装置で作成済みのユーザ情報ファイルを転送する、等の手段が考えられるが、何れにしても手間を要するものであった。
【０００５】
したがって本発明は、上記実状に鑑みてなされたものであり、ユーザ情報を自動的に選択することの可能な音声処理装置及び、音声処理プログラムを記録した記録媒体及び音声データ処理方法を提供することを目的とする。
【０００６】
【課題を解決するための手段】
すなわち、第１の発明は、外部の音声記録装置と情報を送受信する通信手段と、上記通信手段を介して上記音声記録装置で生成された音声データを含む音声ファイルを取得する音声ファイル取得手段と、前記音声データをテキスト化する音声認識手段と、上記音声認識手段のテキスト化の精度を上げるための第１の音声認識データを記憶しておく記憶手段と、上記通信手段を介して上記音声記録装置に記憶された第２の音声認識データを取得する音声認識データ取得手段と、上記第１の音声認識データが上記音声ファイルに含まれる使用者を特定するＩＤに対応するものであって、当該第１の音声認識データの記録若しくは更新日時が、上記ＩＤに対応する第２の音声認識データの記録及び更新日時の何れよりも新しい場合、または上記ＩＤに対応する第２の音声認識データが上記音声記録装置に記憶されていない場合には、上記第１の音声認識データを用いて上記音声データのテキスト化を行うように上記音声認識手段を制御すると共に、上記第１の音声認識データを前記通信手段を介して上記音声記録装置に送信し、上記第２の音声認識データが上記音声ファイルに含まれる使用者を特定するＩＤに対応するものであって、当該第２の音声認識データの記録若しくは更新日時が、上記ＩＤに対応する第１の音声認識データの記録及び更新日時の何れよりも新しい場合、または上記ＩＤに対応する第１の音声認識データが上記記憶手段に記憶されていない場合には、上記第２の音声認識データを用いて上記音声データのテキスト化を行うように上記音声認識手段を制御すると共に上記第２の音声認識データを上記記憶手段の上記第１の音声認識データに上書き記憶する制御手段と、を具備することを特徴とする。
【０００７】
第２の発明は、外部の音声記録装置で生成された音声データファイルが記憶された記憶媒体を着脱可能なインターフェース手段と、上記インターフェース手段に装着された上記記憶媒体から上記音声ファイルを取得する音声ファイル取得手段と、音声データをテキスト化する音声認識手段と、上記音声認識手段のテキスト化の精度を上げるための第１の音声認識データを記憶しておく記憶手段と、上記記憶媒体に記憶された第２の音声認識データを取得する音声認識データ取得手段と、上記第１の音声認識データが上記音声ファイルに含まれる使用者を特定するＩＤに対応するものであって、当該第１の音声認識データの記録若しくは更新日時が、上記ＩＤに対応する第２の音声認識データの記録及び更新日時の何れよりも新しい場合、または上記ＩＤに対応する第２の音声認識データが上記音声記録装置に記憶されていない場合には、上記第１の音声認識データを用いて上記音声データのテキスト化を行うように上記音声認識手段を制御すると共に、上記第１の音声認識データを上記記憶媒体の上記２の音声認識データに上書き記憶し、上記第２の音声認識データが上記音声ファイルに含まれる使用者を特定するＩＤに対応するものであって、当該第２の音声認識データの記録若しくは更新日時が、上記ＩＤに対応する第１の音声認識データの記録及び更新日時の何れよりも新しい場合、または上記ＩＤに対応する第１の音声認識データが上記記憶手段に記憶されていない場合には、上記第２の音声認識データを用いて上記音声データのテキスト化を行うように上記音声認識手段を制御すると共に、上記第２の音声認識データを上記記憶手段の第１の音声認識データに上書き記憶する制御手段と、を具備することを特徴とする。
【０００８】
第３の発明は、コンピュータに対して、外部の音声記録装置で生成された音声データファイルを取得させ、上記音声データファイルに含まれる音声データを音声認識してテキスト化させる音声処理プログラムに於いて、上記音声処理プログラムはコンピュータに対して、上記音声データファイルから音声データの使用者を特定するＩＤを読み出す音声データ取得処理と、当該コンピュータの記憶手段に記憶された、上記ＩＤに対応する音声データのテキスト化の精度を上げるための第１の音声認識データを読み出す第１の音声認識データ取得処理と、上記音声記録装置に記憶された、上記ＩＤに対応する音声データのテキスト化の精度を上げるための第２の音声認識データを取得する第２の音声認識データ取得処理と、上記第１の音声認識データの記録日時若しくは更新日時が、上記第２の音声認識データの記録日時及び更新日時の何れよりも新しい場合、または上記第２の音声認識データ取得処理で上記ＩＤに対応する第２の音声認識データが取得できなかった場合には、上記第１の音声認識データを用いて上記音声データのテキスト化を行わせると共に、上記第１の音声認識データを上記音声記録装置に記憶させ、上記第２の音声認識データの記録日時若しくは更新日時が、上記第１の音声認識データの記録日時及び更新日時の何れかよりも新しい場合、または、上記第１の音声認識データ取得処理で上記ＩＤに対応する第１の音声認識データが取得できなかった場合には、上記第２の音声認識データを用いて上記音声データのテキスト化を行わせると共に、上記第２の音声認識データを当該コンピュータの記憶手段に記憶させる音声認識処理と、を実行させることを特徴とする。
【０００９】
また、第４の発明は、コンピュータに対して、外部の音声記録装置で生成されて着脱可能な記憶媒体に記憶された音声データファイルを取得させ、上記音声データファイルに含まれる音声データを音声認識してテキスト化させる音声処理プログラムに於いて、上記音声処理プログラムはコンピュータに対して、当該コンピュータに装着された上記記憶媒体から、前記懇請記録装置で生成された音声データファイルを読み出す音声ファイル取得処理と、音声ファイル取得処理で読み出した上記音声データファイルから、音声データと使用者を特定するＩＤを読み出す音声データ取得処理と、当該コンピュータの記憶手段に記憶された、上記ＩＤに対応する音声データのテキスト化の精度を上げるための第１の音声認識データを読み出す第１の音声認識データ取得処理と、上記記憶媒体に記憶された、上記ＩＤに対応する音声データのテキスト化の精度を上げるための第２の音声認識データを取得する第２の音声認識データ取得処理と、上記第１の音声認識データの記録日時若しくは更新日時が、上記第２の音声認識データの記録日時および更新日時の何れよりも新しい場合、または上記第２の音声認識データ取得処理で上記ＩＤに対応する第２の音声認識データが取得できなかった場合には、上記第１の音声認識データを用いて上記音声データのテキスト化を行わせると共に、上記第１の音声認識データを上記記憶媒体の第２の音声認識データに上書き記憶させ、上記第２の音声認識データの記録日時若しくは更新日時が、上記第１の音声認識データの記録日時および更新日時の何れかよりも新しい場合、又は上記第１の音声認識データ取得処理で上記ＩＤに対応する第１の音声認識データが取得できなかった場合には、上記第２の音声認識データを用用いて上記音声データのテキスト化を行わせると共に、上記第２の音声認識データを当該コンピュータの記憶手段の第１の音声認識データに上書き記憶させる音声認識処理と、を実行させることを特徴とする。
【００１３】
第１の発明による音声処理装置にあっては、外部の音声記録装置と情報を通信手段で送受信すると、音声ファイル取得手段が上記通信手段を介して上記音声記録装置で生成された音声データを含む音声ファイルを取得し、音声認識手段が前記音声データをテキスト化する。記憶手段には、上記音声認識手段のテキスト化の精度を上げるための第１の音声認識データを記憶しておく。音声認識データ取得手段は、上記通信手段を介して上記音声記録装置に記憶された第２の音声認識データを取得する。制御手段は、上記第１の音声認識データが上記音声ファイルに含まれる使用者を特定するＩＤに対応するものであって、当該第１の音声認識データの記録若しくは更新日時が、上記ＩＤに対応する第２の音声認識データの記録及び更新日時の何れよりも新しい場合、または上記ＩＤに対応する第２の音声認識データが上記音声記録装置に記憶されていない場合には、上記第１の音声認識データを用いて上記音声データのテキスト化を行うように上記音声認識手段を制御すると共に、上記第１の音声認識データを前記通信手段を介して上記音声記録装置に送信し、上記第２の音声認識データが上記音声ファイルに含まれる使用者を特定するＩＤに対応するものであって、当該第２の音声認識データの記録若しくは更新日時が、上記ＩＤに対応する第１の音声認識データの記録及び更新日時の何れよりも新しい場合、または上記ＩＤに対応する第１の音声認識データが上記記憶手段に記憶されていない場合には、上記第２の音声認識データを用いて上記音声データのテキスト化を行うように上記音声認識手段を制御すると共に上記第２の音声認識データを上記記憶手段の上記第１の音声認識データに上書き記憶する。
【００１４】
第２の発明による音声処理装置にあっては、インターフェース手段は、外部の音声記録装置で生成された音声データファイルを着脱可能な記憶媒体に記憶し、音声ファイル取得手段が上記インターフェース手段に装着された上記記憶媒体から上記音声ファイルを取得し、音声認識手段が音声データをテキスト化する。記憶手段は、上記音声認識手段のテキスト化の精度を上げるための第１の音声認識データを記憶しておき、音声認識データ取得手段は、上記記憶媒体に記憶された第２の音声認識データを取得する。制御手段は、上記第１の音声認識データが上記音声ファイルに含まれる使用者を特定するＩＤに対応するものであって、当該第１の音声認識データの記録若しくは更新日時が、上記ＩＤに対応する第２の音声認識データの記録及び更新日時の何れよりも新しい場合、または上記ＩＤに対応する第２の音声認識データが上記音声記録装置に記憶されていない場合には、上記第１の音声認識データを用いて上記音声データのテキスト化を行うように上記音声認識手段を制御すると共に、上記第１の音声認識データを上記記憶媒体の上記２の音声認識データに上書き記憶し、上記第２の音声認識データが上記音声ファイルに含まれる使用者を特定するＩＤに対応するものであって、当該第２の音声認識データの記録若しくは更新日時が、上記ＩＤに対応する第１の音声認識データの記録及び更新日時の何れよりも新しい場合、または上記ＩＤに対応する第１の音声認識データが上記記憶手段に記憶されていない場合には、上記第２の音声認識データを用いて上記音声データのテキスト化を行うように上記音声認識手段を制御すると共に、上記第２の音声認識データを上記記憶手段の第１の音声認識データに上書き記憶する。
【００１５】
第３の発明による音声処理プログラムにあっては、コンピュータに対して、外部の音声記録装置で生成された音声データファイルを取得させ、上記音声データファイルに含まれる音声データを音声認識してテキスト化させる音声処理プログラムであり、この音声処理プログラムは、コンピュータに対して、上記音声データファイルから音声データの使用者を特定するＩＤを読み出す音声データ取得処理と、当該コンピュータの記憶手段に記憶された、上記ＩＤに対応する音声データのテキスト化の精度を上げるための第１の音声認識データを読み出す第１の音声認識データ取得処理とを処理し、さらに、第２の音声認識データ取得処理は、上記音声記録装置に記憶された、上記ＩＤに対応する音声データのテキスト化の精度を上げるための第２の音声認識データを取得する。上記第１の音声認識データの記録日時若しくは更新日時が、上記第２の音声認識データの記録日時及び更新日時の何れよりも新しい場合、または上記第２の音声認識データ取得処理で上記ＩＤに対応する第２の音声認識データが取得できなかった場合には、上記第１の音声認識データを用いて上記音声データのテキスト化を行わせると共に、上記第１の音声認識データを上記音声記録装置に記憶させ、上記第２の音声認識データの記録日時若しくは更新日時が、上記第１の音声認識データの記録日時及び更新日時の何れかよりも新しい場合、または、上記第１の音声認識データ取得処理で上記ＩＤに対応する第１の音声認識データが取得できなかった場合には、上記第２の音声認識データを用いて上記音声データのテキスト化を行わせると共に、上記第２の音声認識データを当該コンピュータの記憶手段に記憶させる音声認識処理と、を実行させる。
【００１６】
第４の発明による音声処理プログラムにあっては、コンピュータに対して、外部の音声記録装置で生成されて着脱可能な記憶媒体に記憶された音声データファイルを取得させ、上記音声データファイルに含まれる音声データを音声認識してテキスト化させる音声処理プログラムに於いて、上記音声処理プログラムはコンピュータに対して、当該コンピュータに装着された上記記憶媒体から、前記懇請記録装置で生成された音声データファイルを読み出す音声ファイル取得処理と、音声ファイル取得処理で読み出した上記音声データファイルから、音声データと使用者を特定するＩＤを読み出す音声データ取得処理と、当該コンピュータの記憶手段に記憶された、上記ＩＤに対応する音声データのテキスト化の精度を上げるための第１の音声認識データを読み出す第１の音声認識データ取得処理と、上記記憶媒体に記憶された、上記ＩＤに対応する音声データのテキスト化の精度を上げるための第２の音声認識データを取得する第２の音声認識データ取得処理と、上記第１の音声認識データの記録日時若しくは更新日時が、上記第２の音声認識データの記録日時および更新日時の何れよりも新しい場合、または上記第２の音声認識データ取得処理で上記ＩＤに対応する第２の音声認識データが取得できなかった場合には、上記第１の音声認識データを用いて上記音声データのテキスト化を行わせると共に、上記第１の音声認識データを上記記憶媒体の第２の音声認識データに上書き記憶させ、上記第２の音声認識データの記録日時若しくは更新日時が、上記第１の音声認識データの記録日時および更新日時の何れかよりも新しい場合、叉ｊは上記第１の音声認識データ取得処理で上記ＩＤに対応する第１の音声認識データが取得できなかった場合には、上記第２の音声認識データを用用いて上記音声データのテキスト化を行わせると共に、上記第２の音声認識データを当該コンピュータの記憶手段の第１の音声認識データに上書き記憶させる音声認識処理と、を実行させる。
【００２０】
【発明の実施の形態】
以下、図面を参照して本発明の実施の形態を説明する。
【００２１】
図１は、本発明の一実施の形態である音声認識システムの概略構成を示した図である。
【００２２】
図１に示されるように、この音声認識システムは、可搬型記録媒体１と、音声データと共に使用者の固有のデータであるユーザＩＤを記録可能な音声記録再生装置２と、上記記録媒体１に記録された音声データに基いて音声認識処理を行う音声認識装置であるコンピュータ３とにより構成される。このコンピュータ３は、入力装置５、表示装置としてのディスプレイ６及びキーボード、マウス（ポインティングデバイス）等の操作部材７を有して構成される。
【００２３】
ここで、上記音声記録再生装置２について説明する。
【００２４】
図２は、本発明の一実施形態である音声認識システムの一構成要素となる音声記録再生装置のブロック図である。
【００２５】
図２に示されるように、この音声記録再生装置では、音声入力手段であるマイクロフォン１１が、増幅器（ＡＭＰ）１２、ローパスフィルタ（ＬＰＦ）１３、Ａ／Ｄコンバータ１４を介して、デジタル信号処理部（ＤＳＰ）１５に接続されている。このデジタル信号処理部１５には、この音声記録再生装置の各種制御を司るシステム制御部（ＣＰＵ）１６が接続されている。
【００２６】
システム制御部１６には、上記デジタル信号処理部１５の他、記録媒体１７と、表示器１８と、ユーザ情報ファイルを記録する外部メモリ１９と、録音釦（ＲＥＣ）２１ａ、再生釦（ＰＬＡＹ）２１ｂ、停止釦（ＳＴＯＰ）２１ｃ、早送り釦（ＦＦ）２１ｄ、早戻し釦（ＲＥＷ）２１ｅ、メニュー釦（ＭＥＮＵ）２１ｆ等の操作入力部２１とが接続されている。
【００２７】
また、上記デジタル信号処理部１５には、Ｄ／Ａコンバータ２３、ローパスフィルタ（ＬＰＦ）２４、増幅器（ＡＭＰ）２５を介して、スピーカ２６が接続されている。
【００２８】
尚、上記Ａ／Ｄコンバータ１４、デジタル信号処理部１５は、入力したアナログ音声信号を所定のデジタル音声データに変換処理する音声データ処理手段を構成する。
【００２９】
上記システム制御部１６は、デジタル信号処理部１５と記録媒体１７の他、当該音声記録再生装置の各部の動作を制御すると共に、操作入力部１２に於ける複数釦の操作に応じて、所定のユーザＩＤの読出し、書出しの制御、すなわちユーザＩＤ識別手段としての役目も果たす。更に、システム制御部１６は、その内部にユーザＩＤを記録する内部メモリを備えている（図示せず）。
【００３０】
また、上記記録媒体１７には、システム制御部１６の制御下にデジタル信号処理部１５で符号化処理された音声データが記録されると共に、当該音声データが記録される同一ファイル内に同音声データに対応するユーザＩＤが記録される。更に、上記記録媒体１７には、ユーザ情報ファイルを格納する領域が用意されており、記録媒体１７にユーザ情報ファイルが存在しない場合は、外部メモリ１９よりユーザ情報ファイルが転送される。
【００３１】
上記システム制御部１６では、該音声記録再生装置に記録媒体１７が新たに装着される毎に、外部メモリ１９内と記録媒体１７のユーザ情報ファイルの更新日時の比較が行われる。この比較結果に従って、最新の状態に合わせてそれぞれ上書き更新がなされる。
【００３２】
次に、このように構成された音声記録再生装置に於ける音声記録動作について説明する。
【００３３】
本実施の形態に於ける音声記録再生装置では、記録媒体１７に音声データが記録される際、当該音声データに対応するユーザＩＤ、すなわち使用者に固有のＩＤ情報が、当該音声データと同一ファイルに記録される。そして、当該音声再生装置の使用者は、音声データと共に記録されるユーザＩＤを任意に登録することができる。
【００３４】
以下、このユーザＩＤ登録の設定動作について、図３のフローチャートを参照して説明する。
【００３５】
先ず、ステップＳ１に於いて、システム制御部１６では、使用者によってメニュー釦２１ｆが所定時間Ｔ秒、例えば３秒間押し続けられたか否かが判断される。ここで、使用者によって該メニュー釦２１ｆが所定時間Ｔ秒押されなかった場合は、ステップＳ２に移行し、システム制御部１６により、使用者ユーザＩＤの設定意志があると見なされて、表示器１８にＩＤ設定画面が表示される。これにより、ユーザＩＤ設定可能状態となる。一方、上記ステップＳ１にて、メニュー釦２１ｆが所定時間押された場合は、ステップＳ７に移行し、後述する音声を収録してファイルを作成した後に、ユーザＩＤを登録、変更する処理が行われる。
【００３６】
次に、ステップＳ３に於いて、使用者が操作入力部２１に於ける所定の操作釦、例えば４桁の所定のＩＤコードが入力されたか否かが判断される。ここで、当該ＩＤコードが入力されると、システム制御部１６によってこのコードが認識される。
【００３７】
尚、本実施の形態に於いて、ＩＤコードは所定のアラビア数字、ローマ字等の英数字の組合わせで構成されているものとする。そして、これら４桁の英数字は所定の釦、例えば、早送り釦２１ｄ、早戻し釦２１ｅで選択され、再生釦２１ｂで決定されるものとする。また、この設定に用いられる釦は、これに限らず操作入力部２１の他の釦でも良い。
【００３８】
上記操作によってユーザＩＤが入力されると、ステップＳ４に移行して、システム制御部１６によってその内部メモリ（図示せず）に該ユーザＩＤが記録される。これにより、ユーザＩＤが登録される。そして、その後ステップＳ６に移行し、録音モード、ＢＥＥＰ音、時刻合わせ等、各種動作設定が行われる。
【００３９】
一方、上記ステップＳ３にてユーザＩＤの設定が行われない場合は、ステップＳ５に移行して所定時間が経過したか否かが判断される。ここで、所定時間が経過していない場合は上記ステップＳ３に移行し、再度ＩＤの設定が判断される。これに対し、所定時間内にＩＤの設定が行われない場合は、ユーザＩＤは未設定となってメニュー設定を終了する。
【００４０】
次に、音声を収録してファイルを作成した後、すなわち音声データ及びユーザＩＤが記録媒体１７に記録された後に、ユーザＩＤを登録、変更する場合について説明する。
【００４１】
先ず、停止時に所定の操作、本実施の形態の場合は、早送り釦２１ｄ、早戻し釦２１ｅにより、ユーザＩＤを変更したしたいファイルナンバを、表示器１８に表示させる。ついで、上述したようにメニュー釦２１ｆが所定時間Ｔ秒間押されると、ステップＳ７に移行し、ユーザＩＤ登録、変更可能状態とされる。
【００４２】
このとき、システム制御部１６によって、記録媒体１７に記録されている音声データのヘッダ部分が検索され、選択されたファイルのヘッダのユーザＩＤが検出されて、表示器１８に表示される。
【００４３】
次に、上記と同様の操作により、ユーザＩＤの登録または変更が行われる。そして、登録または変更が決定されると、システム制御部１６では、ファイルヘッダに記録されているユーザＩＤが書換えられる。
【００４４】
以上の操作によって、ユーザＩＤの登録、変更がなされる。
【００４５】
次に、この音声記録再生装置に音声を記録する録音処理について説明する。
【００４６】
システム制御部１６にて、録音釦２１ａが押されたことが検出されると、マイクロフォン１１から入力された音声信号は、増幅器１２によって増幅される。この増幅器１２の出力は、ローパスフィルタ１３にてエリアシングノイズの発生を防止するために、不要な周波数帯がカットされる。
【００４７】
次いで、Ａ／Ｄコンバータ１４に於いて、アナログ信号である音声信号がデジタル信号に変換された後、デジタル信号処理部１５に入力される。デジタル信号処理部１５では、デジタル信号に変換された音声データが、定められたフォーマットのデータに圧縮変換（符号化）される。符号化された音声データは、図示されないバッファを介してシステム制御部１６へ送られる。更に、システム制御部１６では、入力された音声データが記録媒体１７へ出力される。
【００４８】
ここで、記録媒体１７に音声データ及びユーザＩＤを記録する動作について、図４のフローチャートを参照して説明する。
【００４９】
先ず、ステップＳ１１に於いて、システム制御部１６によって録音モードか否かが判断される。ここで、録音中であれば、次にステップＳ１２に移行して、その録音、すなわち１つのファイルが終了したか否かが判断される。そして、ここで録音（ファイル）が終了したら、ステップＳ１３に移行して、システム制御部１６によってユーザＩＤが該システム制御部１６の内部メモリに登録されているか否かが判断される。
【００５０】
このステップＳ１３にて、ユーザＩＤが登録されていると判断されたならば、ステップＳ１４及びＳ１５に移行して、このユーザＩＤが記録媒体１７のファイルヘッダの所定のアドレスに記録される。これにより、記録媒体１７には、ファイル毎にユーザＩＤが付与されることとなる。
【００５１】
一方、システム制御部１６の内部メモリにユーザＩＤが登録されていなければ、ステップＳ１６及びＳ１５に移行して、システム制御部１６によってデフォルトのユーザＩＤ（００００）が、上記と同様に記録媒体１７のファイルヘッダに記録される。
【００５２】
尚、記録媒体１７に記録される際に、ファイル毎のファイルヘッダは、図５に示されるように、ユーザＩＤの他、例えばファイルナンバ、録音開始時間、録音終了時間、録音日時等の情報が、所定のアドレスに書込まれるようになっている。
【００５３】
また、上記ステップＳ１１に於いて、録音モードではないと判断された場合は、他の操作釦の入力待ちとなる。
【００５４】
次に、本発明の実施の形態である音声認識システムに於ける音声認識装置について説明する。
【００５５】
図６は、本発明の一実施の形態である音声認識システムの一構成要素となる音声認識装置の構成を示したブロック図である。
【００５６】
図６に示されるように、本実施の形態に於いては、音声認識装置としてコンピュータ３０が採用される。
【００５７】
このコンピュータ３０の内部は、音声認識処理の他、音声入力処理、表示処理、操作制御等を行う音声認識部の構成要素であるＣＰＵ３１と、音声入力手段である入力装置３２、記録媒体３３、表示装置３４、キーボード、マウス等の操作部３５を有して構成される。
【００５８】
上記記録媒体３３はハードディスク等で構成され、音声認識部の構成要素となる音声認識処理を行う音声認識プログラム、使用者情報（ユーザ情報）としてのユーザ情報ファイル等が記録されている。これらはＣＰＵ３１によって制御される。ユーザ情報には、音響モデル、単語の修正情報、トレーニング情報が含まれる。
【００５９】
上記入力装置３２は、上記音声記録再生装置により、音声データと共にユーザＩＤ等が記録された記録媒体１７を装着することが可能となっている。この記録媒体１７が入力装置３２に装着された際には、音声認識プログラムにより、ＣＰＵ３１の制御で読書きが可能となっている。尚、ＣＰＵ３１には、図示されないＲＡＭが接続されており、このＲＡＭ上に音声認識処理プログラムがロードされ、各種処理が行われる。
【００６０】
上記ユーザ情報ファイルには、それぞれユーザＩＤが設定されている。該ユーザーＩＤは、上記音声記録再生装置で記録したユーザＩＤと同じ形式であり、所定のアラビア数字、ローマ字等の英数字の組合わせで構成されている。音声認識時には、このユーザＩＤによる音響モデルを選択するようになっている。
【００６１】
次に、上記音声認識装置に於ける音声認識動作について、図７のフローチャートを参照して説明する。
【００６２】
使用者によって、上述した音声データと共にユーザＩＤが記録された記録媒体１７が、上記音声記録再生装置から取出されて入力装置３２に装着される。次いで、ＣＰＵ３１により、音声認識処理用プログラムが所定の操作により起動される。
【００６３】
図８は、本実施の形態で用いられる音声認識処理用プログラムを起動させたときの操作の一表示例を示した図であり、上記記録媒体１７に圧縮されて記録された音声ファイルの一覧表示である。
【００６４】
そして、ステップＳ３１にて、使用者により、マウスやキーボード等による操作部３５が操作されて音声認識処理を実行するファイルが選択されて、音声処理の実行が指示される。例えば、操作部３５がキーボードの場合は、カーソルキーで選択されて実行キーで実行される。尚、この操作はこれに限らす他のキー、または操作方法であってもよい。
【００６５】
ＣＰＵ３１にて音声認識実行の命令が認識されると、ステップＳ３２に移行し、該ＣＰＵ３１にて、使用者によって音声認識処理実行が指定されたファイルが記録媒体１７から検索され、該ファイルのヘッダが検索される。ヘッダには、上述したように、ユーザＩＤの他、インデックス情報として録音日時、録音開始時間、録音終了時間等の情報が記録されている（図５参照）。
【００６６】
次に、ステップＳ３３にて、ＣＰＵ３１によりユーザＩＤの記録されたアドレスからユーザＩＤが検出される。更に、ステップＳ３４に於いて、検出されたユーザＩＤが、音声記録再生装置でユーザにより指定されなかった際に記録されるデフォルトのユーザＩＤ（００００）であるか否かの確認が行われる。
【００６７】
ここで検出されたユーザＩＤがデフォルトのユーザＩＤでなければ、ステップＳ３５に移行して、ＣＰＵ３１によって、検出されたユーザＩＤに対応したユーザ情報ファイルが記録媒体３３内に存在するか否かの確認が行われる。
【００６８】
そして、ユーザ情報ファイルの存在が確認された場合は、ステップＳ３６に移行して、同様に記録媒体１７内のユーザ情報ファイルの存在が確認される。ここで、ユーザ情報ファイルが存在する場合は、ステップＳ３７及びＳ３８に移行して、それぞれのファイルの最終更新日時の比較が行われる。
【００６９】
次いで、ステップＳ３９にて、記録媒体１７内のユーザ情報ファイルが記録媒体３３へ転送される。その後、ステップＳ４０に移行して、該転送された記録媒体３３内のユーザ情報ファイルが、音声認識処理に使用されるユーザ情報ファイルとして設定される。
【００７０】
一方、上記ステップＳ３６に於いて、記録媒体１７にユーザ情報ファイルが存在しない場合、及び上記ステップＳ３８に於いて、記録媒体３３内のユーザ情報ファイルが最新のファイルである場合は、共にステップＳ４１に移行する。そして、このステップＳ４１にて記録媒体３３内のユーザ情報ファイルが記録媒体１７へ転送された後、ステップＳ４０に移行して、記録媒体３３内のユーザ情報ファイルが、音声認識処理に使用されるユーザ情報ファイルとして設定される。
【００７１】
また、上記ステップＳ３５に於いて、同じユーザＩＤが検出されなかった場合は、ステップＳ４２に移行して、記録媒体１７内のユーザ情報ファイルの存在が確認される。ここで、記録媒体１７内にユーザ情報ファイルの存在が確認された場合は、ステップＳ４３に移行して、記録媒体１７から記録媒体３３ヘユーザ情報ファイルが転送される。その後、ステップＳ４０に移行して、記録媒体３３内のユーザ情報ファイルが音声認識処理に使用されるユーザ情報ファイルとして設定される。
【００７２】
更に、上記ステップＳ３４に於いてユーザＩＤがデフォルトのＩＤであった場合、及び上記ステップＳ４２に於いて記録媒体１７内にユーザ情報ファイルが存在しなかった場合には、ステップＳ４４に移行して、音声認識処理に使用されるユーザ情報ファイルとして、所定のユーザ情報ファイルが使用される。
【００７３】
本実施の形態に於いては、該ユーザ情報ファイルにデフォルトとして不特定話者モデルを有するユーザ情報ファイルが使用される。
【００７４】
次に、ＣＰＵ３１にてユーザ情報ファイルが選択されたことが確認されると、上記音声記録再生装置で圧縮伸張された該ファイルの音声データが音声圧縮ファイルより読込まれる。この圧縮された音声データは、音声認識処理プログラムによって音声記録再生装置で記録されたときと同じ圧縮アルゴリズムが逆に用いられて伸張処理が行われ、ＰＣＭデータとなる。
【００７５】
すなわち、この処理は、音声記録再生装置と同じ処理が、音声認識処理プログラムにより制御されるコンピュータで行われることとなる。
【００７６】
次に、音声認識装置では上記処理で伸張されたＰＣＭデータがＣＰＵ３１に入力される。そして、ステップＳ４５にて、ＣＰＵ３１では、音声認識処理プログラムによりＣＰＵ３１によって音声認識処理が行われる。そして、ステップＳ４６にて、認識の結果が表示装置３４に表示される。
【００７７】
尚、本実施の形態では、可搬型記録媒体を用いた音声記録再生装置による音声認識システムを説明したが、これに限られるものではない。例えば、記録媒体を内蔵した音声記録再生装置を用いた場合は、所定の手段、例えばＵＳＢに代表されるインターフェイスや光通信等を利用して音声認識システムと直接接続することにより、同様の効果を得ることが可能である。
【００７８】
図９は、本発明の別の実施の形態である音声認識システムの概略構成を示した図である。
【００７９】
図９に示されるように、この音声認識システムは、音声記録再生装置２と音声認識装置であるコンピュータ３とがＵＳＢケーブル３８により接続されて構成される。尚、その他の構成は、上述した実施の形態と同じであるので説明は省略する。
【００８０】
また、図１０は、図９の音声認識システムに於ける音声認識動作について説明するフローチャートである。
【００８１】
尚、図１０のフローチャートに於いて、ステップＳ５１〜Ｓ５５、Ｓ５７、Ｓ６０及びＳ６４〜Ｓ６６は、上述した図７のフローチャートに於けるステップＳ３１〜Ｓ３５、Ｓ３７、Ｓ４０及びＳ４４〜４６と同様であるので、説明は省略する。
【００８２】
そして、音声記録再生装置２とコンピュータ３とが、ＵＳＢケーブル３８によって接続された状態で、音声認識処理プログラム用プログラムが所定の操作により起動される。
【００８３】
ステップＳ５５にて、ＣＰＵ３１によって、検出されたユーザＩＤに対応したユーザ情報ファイルがコンピュータ３内に存在するか否かの確認が行われる。そして、ユーザ情報ファイルの存在が確認された場合は、ステップＳ５６に移行して、同様に音声記録再生装置２内のユーザ情報ファイルの存在が確認される。
【００８４】
ここで、ユーザ情報ファイルが存在する場合は、ステップＳ５７及びＳ５８に移行して、それぞれのファイルの最終更新日時の比較が行われる。次いで、ステップＳ５９にて、音声記録再生装置２内のユーザ情報ファイルが記録媒体３３へ転送される。その後、ステップＳ４０に移行して、該転送されたファイルが音声認識処理に使用されるユーザ情報ファイルとして設定される。
【００８５】
一方、上記ステップＳ５６に於いて、音声記録再生装置２内にユーザ情報ファイルが存在しない場合、及び上記ステップＳ５８に於いて、音声記録再生装置２内のユーザ情報ファイルが最新のファイルである場合は、共にステップＳ６１に移行する。そして、このステップＳ６１にて、記録媒体３３内のユーザ情報ファイルが音声記録再生装置２へ転送された後、ステップＳ６０に移行して、記録媒体３３内のユーザ情報ファイルが、音声認識処理に使用されるユーザ情報ファイルとして設定される。
【００８６】
また、上記ステップＳ５５に於いて、同じユーザＩＤが検出されなかった場合は、ステップＳ６２に移行して、音声記録再生装置２内のユーザ情報ファイルの存在が確認される。ここで、音声記録再生装置２内にユーザ情報ファイルの存在が確認された場合は、ステップＳ６３に移行して、音声記録再生装置２から記録媒体３３ヘユーザ情報ファイルが転送される。その後、ステップＳ６０に移行して、音声認識処理に使用されるユーザ情報ファイルとして設定される。
【００８７】
更に、上記ステップＳ５４に於いてユーザＩＤがデフォルトのＩＤであった場合、及び上記ステップＳ６２に於いて音声記録再生装置２内にユーザ情報ファイルが存在しなかった場合には、ステップＳ６４に移行して、音声認識処理に使用されるユーザ情報ファイルとして、所定のユーザ情報ファイルが使用される。
【００８８】
以上のように、上記実施の形態の音声認識システムによれば、ユーザや環境によるユーザ情報を聞違えて選択することなく、音声データを音声認識することができる。また、場所等も制約されず、更に音声認識装置への入力時に於ける操作が、発音者以外の者でも可能である。
【００８９】
また、音声認識装置内にユーザ情報ファイルか存在しない場合でも、音声入力装置内のユーザ情報ファイルを使用することにより、良好な認識結果を得ることができる。
【００９０】
更に、ユーザＩＤが未設定、或いはユーザ情報ファイルが作成されていない場合でも、所定のユーザ情報によって音声認識処理が可能となる。
【００９１】
尚、本発明の上記実施の形態によれば、以下の如き構成を得ることができる。
【００９２】
すなわち、
（１） 音声を入力可能な音声入力手段と、
上記音声入力手段で入力した音声を所定の音声データに変換する音声データ処理手段と、
上記音声データをテキスト処理して記憶する記憶手段とを有する音声記録装置に於いて、
上記記憶手段に、上記音声データをテキスト化処理する際にテキスト化の精度を上げるために使用するもので、上記音声データを記録したユーザのユーザ情報である音声認識データを記憶しておくことを特徴とする音声記録装置。
【００９３】
（２） 外部の音声記録装置内の音声データを受信する受信手段と、
上記受信した音声データをテキスト化する音声認識手段と、
上記テキスト化の際にテキスト化の精度を上げるための音声認識データを記憶しておく記憶手段と、
を有する音声処理装置に於いて、
上記受信した音声データのテキスト化に適した音声認識データが上記記憶手段に記憶されていない場合には、上記外部の音声記録装置内に記憶されている音声認識データを使用して上記受信した音声データのテキスト化を行うように制御する制御手段を具備することを特徴とする音声処理装置。
【００９４】
（３） 上記制御手段は、上記受信した音声データのユーザＩＤに基いて、上記受信した音声データのテキスト化の際に用いる上記音声認識データを決定することを特徴とする上記（２）に記載の音声処理装置。
【００９５】
（４） 上記制御手段は、上記外部の音声記録装置内に上記受信した音声データに適した音声認識データが記憶されていない場合には、上記記憶手段に記憶されている所定のデータを用いて上記受信した音声データのテキスト化を行うように制御することを特徴とする上記（２）に記載の音声処理装置。
【００９６】
（５） 外部の音声記録装置内の音声データを受信する受信手段と、
上記受信した音声データをテキスト化する音声認識手段と、
上記テキスト化の際にテキスト化の精度を上げるための音声認識データを記憶しておく記憶手段と、
を有する音声処理装置に於いて、
上記受信した音声データのテキスト化に適した音声認識データが上記記憶手段及び上記外部の音声記録装置内の双方に記憶されている場合には、上記音声認識データの記録日時若しくは更新日時の新しい方を用いて上記受信した音声データのテキスト化を行うように制御する制御手段と、
上記音声記録装置内の上記音声認識データより、上記音声処理装置内の音声認識データの記録日時若しくは更新日時の方が新しい場合には、上記音声処理装置内の音声認識データを上記音声記録装置に送信する送信手段と、
を具備することを特徴とする音声処理装置。
【００９７】
（６） コンピュータに対して、外部の音声記録装置内の音声データを受信させ、上記受信した音声データをテキスト化の精度を上げるための音声認識データを用いてテキスト化させる音声処理プログラムを記録した記録媒体に於いて、
上記音声処理プログラムはコンピュータに対して、
上記受信した音声データのテキスト化に適した音声認識データが上記コンピュータ内の記憶装置及び上記外部の音声記録装置内の双方に記憶されている場合には、上記音声認識データの記録日時若しくは更新日時の新しい方を用いて上記受信した音声データのテキスト化を行わせることを特徴とする音声処理プログラムを記録した記録媒体。
【００９８】
（７） 上記音声処理プログラムは、更にコンピュータに対して、上記音声記録装置内の上記音声認識データより上記コンピュータ内の音声認識データの記録日時若しくは更新日時の方が新しい場合には、上記コンピュータ内の音声認識データを上記音声記録装置に送信させることを特徴とする上記（６）に記載の音声処理プログラムを記録した記録媒体。
【００９９】
【発明の効果】
以上のように本発明によれば、ユーザ情報を自動的に選択することの可能な音声処理装置及び、音声処理プログラムを記録した記録媒体及び音声データ処理方法を提供することをができる。
【図面の簡単な説明】
【図１】本発明の一実施の形態である音声認識システムの概略構成を示した図である。
【図２】本発明の一実施形態である音声認識システムの一構成要素となる音声記録再生装置のブロック図である。
【図３】ユーザＩＤ登録の設定動作について説明するフローチャートである。
【図４】記録媒体１７に音声データ及びユーザＩＤを記録する動作について説明するフローチャートである。
【図５】記録媒体１７に於けるファイル、及びファイル毎のファイルヘッダの例を示した図である。
【図６】本発明の一実施の形態である音声認識システムの一構成要素となる音声認識装置の構成を示したブロック図である。
【図７】音声認識装置に於ける音声認識動作について、図７のフローチャートを参照して説明する。
【図８】本実施の形態で用いられる音声認識処理用プログラムを起動させたときの操作の一表示例を示した図であり、上記記録媒体３３に圧縮されて記録された音声ファイルの一覧表示である。
【図９】本発明の別の実施の形態である音声認識システムの概略構成を示した図である。
【図１０】図９の音声認識システムに於ける音声認識動作について説明するフローチャートである。
【符号の説明】
１ 可搬型記録媒体（記録媒体）、
２ 音声記録再生装置、
３ コンピュータ、
５入力装置、
６ ディスプレイ、
７ 操作部材、
１１ マイクロフォン、
１２ 、２５ 増幅器（ＡＭＰ）、
１３、２４ ローパスフィルタ（ＬＰＦ）、
１４ Ａ／Ｄコンバータ、
１５ デジタル信号処理部（ＤＳＰ）、
１６ システム制御部（ＣＰＵ）、
１７ 記録媒体、
１８ 表示器、
１９ 外部メモリ、
２１ 操作入力部、
２１ａ 録音釦（ＲＥＣ）、
２１ｂ 再生釦（ＰＬＡＹ）、
２１ｃ 停止釦（ＳＴＯＰ）、
２１ｄ 早送り釦（ＦＦ）、
２１ｅ 早戻し釦（ＲＥＷ）、
２１ｆ メニュー釦（ＭＥＮＵ）、
２３ Ｄ／Ａコンバータ、
２６ スピーカ、
３０ コンピュータ、
３１ ＣＰＵ、
３２ 入力装置、
３３ 記録媒体、
３４ 表示装置、
３５ 操作部。
【発明の属する技術分野】
本発明は、音声処理装置及び音声処理プログラムに関し、ユーザ情報を認識可能な音声認識システムに関するものである。
【０００２】
【従来の技術】
不特定話者モデルを使用した音声認識装置では、認識率向上のために、ユーザ或いは環境毎に設定したユーザ情報ファイルが設けられている。例えば、特願平１０−２５５７４４号公報には、このユーザ情報ファイルの切換えの煩雑さを解消するために、音声データに設定されたＩＤによりユーザ情報ファイルを自動的に切換える音声認識システムが開示されている。
【０００３】
【発明が解決しようとする課題】
しかしながら、上述した音声認識システムでは、音声データに設定されたＩＤに対応したユーザ情報ファイルが音声認識装置内に存在しない場合は、不特定話者モデルを使用したユーザ情報ファイルが使用されることとなり、ユーザ或いは環境毎に設定された音響モデルを有するユーザ情報ファイルが使用された場合よりも認識率は低下してしまうことになる。
【０００４】
通常の認識率を確保するためには、新たにユーザ情報ファイルを作成する、他の音声認識装置で作成済みのユーザ情報ファイルを転送する、等の手段が考えられるが、何れにしても手間を要するものであった。
【０００５】
したがって本発明は、上記実状に鑑みてなされたものであり、ユーザ情報を自動的に選択することの可能な音声処理装置及び、音声処理プログラムを記録した記録媒体及び音声データ処理方法を提供することを目的とする。
【０００６】
【課題を解決するための手段】
すなわち、第１の発明は、外部の音声記録装置と情報を送受信する通信手段と、上記通信手段を介して上記音声記録装置で生成された音声データを含む音声ファイルを取得する音声ファイル取得手段と、前記音声データをテキスト化する音声認識手段と、上記音声認識手段のテキスト化の精度を上げるための第１の音声認識データを記憶しておく記憶手段と、上記通信手段を介して上記音声記録装置に記憶された第２の音声認識データを取得する音声認識データ取得手段と、上記第１の音声認識データが上記音声ファイルに含まれる使用者を特定するＩＤに対応するものであって、当該第１の音声認識データの記録若しくは更新日時が、上記ＩＤに対応する第２の音声認識データの記録及び更新日時の何れよりも新しい場合、または上記ＩＤに対応する第２の音声認識データが上記音声記録装置に記憶されていない場合には、上記第１の音声認識データを用いて上記音声データのテキスト化を行うように上記音声認識手段を制御すると共に、上記第１の音声認識データを前記通信手段を介して上記音声記録装置に送信し、上記第２の音声認識データが上記音声ファイルに含まれる使用者を特定するＩＤに対応するものであって、当該第２の音声認識データの記録若しくは更新日時が、上記ＩＤに対応する第１の音声認識データの記録及び更新日時の何れよりも新しい場合、または上記ＩＤに対応する第１の音声認識データが上記記憶手段に記憶されていない場合には、上記第２の音声認識データを用いて上記音声データのテキスト化を行うように上記音声認識手段を制御すると共に上記第２の音声認識データを上記記憶手段の上記第１の音声認識データに上書き記憶する制御手段と、を具備することを特徴とする。
【０００７】
第２の発明は、外部の音声記録装置で生成された音声データファイルが記憶された記憶媒体を着脱可能なインターフェース手段と、上記インターフェース手段に装着された上記記憶媒体から上記音声ファイルを取得する音声ファイル取得手段と、音声データをテキスト化する音声認識手段と、上記音声認識手段のテキスト化の精度を上げるための第１の音声認識データを記憶しておく記憶手段と、上記記憶媒体に記憶された第２の音声認識データを取得する音声認識データ取得手段と、上記第１の音声認識データが上記音声ファイルに含まれる使用者を特定するＩＤに対応するものであって、当該第１の音声認識データの記録若しくは更新日時が、上記ＩＤに対応する第２の音声認識データの記録及び更新日時の何れよりも新しい場合、または上記ＩＤに対応する第２の音声認識データが上記音声記録装置に記憶されていない場合には、上記第１の音声認識データを用いて上記音声データのテキスト化を行うように上記音声認識手段を制御すると共に、上記第１の音声認識データを上記記憶媒体の上記２の音声認識データに上書き記憶し、上記第２の音声認識データが上記音声ファイルに含まれる使用者を特定するＩＤに対応するものであって、当該第２の音声認識データの記録若しくは更新日時が、上記ＩＤに対応する第１の音声認識データの記録及び更新日時の何れよりも新しい場合、または上記ＩＤに対応する第１の音声認識データが上記記憶手段に記憶されていない場合には、上記第２の音声認識データを用いて上記音声データのテキスト化を行うように上記音声認識手段を制御すると共に、上記第２の音声認識データを上記記憶手段の第１の音声認識データに上書き記憶する制御手段と、を具備することを特徴とする。
【０００８】
第３の発明は、コンピュータに対して、外部の音声記録装置で生成された音声データファイルを取得させ、上記音声データファイルに含まれる音声データを音声認識してテキスト化させる音声処理プログラムに於いて、上記音声処理プログラムはコンピュータに対して、上記音声データファイルから音声データの使用者を特定するＩＤを読み出す音声データ取得処理と、当該コンピュータの記憶手段に記憶された、上記ＩＤに対応する音声データのテキスト化の精度を上げるための第１の音声認識データを読み出す第１の音声認識データ取得処理と、上記音声記録装置に記憶された、上記ＩＤに対応する音声データのテキスト化の精度を上げるための第２の音声認識データを取得する第２の音声認識データ取得処理と、上記第１の音声認識データの記録日時若しくは更新日時が、上記第２の音声認識データの記録日時及び更新日時の何れよりも新しい場合、または上記第２の音声認識データ取得処理で上記ＩＤに対応する第２の音声認識データが取得できなかった場合には、上記第１の音声認識データを用いて上記音声データのテキスト化を行わせると共に、上記第１の音声認識データを上記音声記録装置に記憶させ、上記第２の音声認識データの記録日時若しくは更新日時が、上記第１の音声認識データの記録日時及び更新日時の何れかよりも新しい場合、または、上記第１の音声認識データ取得処理で上記ＩＤに対応する第１の音声認識データが取得できなかった場合には、上記第２の音声認識データを用いて上記音声データのテキスト化を行わせると共に、上記第２の音声認識データを当該コンピュータの記憶手段に記憶させる音声認識処理と、を実行させることを特徴とする。
【０００９】
また、第４の発明は、コンピュータに対して、外部の音声記録装置で生成されて着脱可能な記憶媒体に記憶された音声データファイルを取得させ、上記音声データファイルに含まれる音声データを音声認識してテキスト化させる音声処理プログラムに於いて、上記音声処理プログラムはコンピュータに対して、当該コンピュータに装着された上記記憶媒体から、前記懇請記録装置で生成された音声データファイルを読み出す音声ファイル取得処理と、音声ファイル取得処理で読み出した上記音声データファイルから、音声データと使用者を特定するＩＤを読み出す音声データ取得処理と、当該コンピュータの記憶手段に記憶された、上記ＩＤに対応する音声データのテキスト化の精度を上げるための第１の音声認識データを読み出す第１の音声認識データ取得処理と、上記記憶媒体に記憶された、上記ＩＤに対応する音声データのテキスト化の精度を上げるための第２の音声認識データを取得する第２の音声認識データ取得処理と、上記第１の音声認識データの記録日時若しくは更新日時が、上記第２の音声認識データの記録日時および更新日時の何れよりも新しい場合、または上記第２の音声認識データ取得処理で上記ＩＤに対応する第２の音声認識データが取得できなかった場合には、上記第１の音声認識データを用いて上記音声データのテキスト化を行わせると共に、上記第１の音声認識データを上記記憶媒体の第２の音声認識データに上書き記憶させ、上記第２の音声認識データの記録日時若しくは更新日時が、上記第１の音声認識データの記録日時および更新日時の何れかよりも新しい場合、又は上記第１の音声認識データ取得処理で上記ＩＤに対応する第１の音声認識データが取得できなかった場合には、上記第２の音声認識データを用用いて上記音声データのテキスト化を行わせると共に、上記第２の音声認識データを当該コンピュータの記憶手段の第１の音声認識データに上書き記憶させる音声認識処理と、を実行させることを特徴とする。
【００１３】
第１の発明による音声処理装置にあっては、外部の音声記録装置と情報を通信手段で送受信すると、音声ファイル取得手段が上記通信手段を介して上記音声記録装置で生成された音声データを含む音声ファイルを取得し、音声認識手段が前記音声データをテキスト化する。記憶手段には、上記音声認識手段のテキスト化の精度を上げるための第１の音声認識データを記憶しておく。音声認識データ取得手段は、上記通信手段を介して上記音声記録装置に記憶された第２の音声認識データを取得する。制御手段は、上記第１の音声認識データが上記音声ファイルに含まれる使用者を特定するＩＤに対応するものであって、当該第１の音声認識データの記録若しくは更新日時が、上記ＩＤに対応する第２の音声認識データの記録及び更新日時の何れよりも新しい場合、または上記ＩＤに対応する第２の音声認識データが上記音声記録装置に記憶されていない場合には、上記第１の音声認識データを用いて上記音声データのテキスト化を行うように上記音声認識手段を制御すると共に、上記第１の音声認識データを前記通信手段を介して上記音声記録装置に送信し、上記第２の音声認識データが上記音声ファイルに含まれる使用者を特定するＩＤに対応するものであって、当該第２の音声認識データの記録若しくは更新日時が、上記ＩＤに対応する第１の音声認識データの記録及び更新日時の何れよりも新しい場合、または上記ＩＤに対応する第１の音声認識データが上記記憶手段に記憶されていない場合には、上記第２の音声認識データを用いて上記音声データのテキスト化を行うように上記音声認識手段を制御すると共に上記第２の音声認識データを上記記憶手段の上記第１の音声認識データに上書き記憶する。
【００１４】
第２の発明による音声処理装置にあっては、インターフェース手段は、外部の音声記録装置で生成された音声データファイルを着脱可能な記憶媒体に記憶し、音声ファイル取得手段が上記インターフェース手段に装着された上記記憶媒体から上記音声ファイルを取得し、音声認識手段が音声データをテキスト化する。記憶手段は、上記音声認識手段のテキスト化の精度を上げるための第１の音声認識データを記憶しておき、音声認識データ取得手段は、上記記憶媒体に記憶された第２の音声認識データを取得する。制御手段は、上記第１の音声認識データが上記音声ファイルに含まれる使用者を特定するＩＤに対応するものであって、当該第１の音声認識データの記録若しくは更新日時が、上記ＩＤに対応する第２の音声認識データの記録及び更新日時の何れよりも新しい場合、または上記ＩＤに対応する第２の音声認識データが上記音声記録装置に記憶されていない場合には、上記第１の音声認識データを用いて上記音声データのテキスト化を行うように上記音声認識手段を制御すると共に、上記第１の音声認識データを上記記憶媒体の上記２の音声認識データに上書き記憶し、上記第２の音声認識データが上記音声ファイルに含まれる使用者を特定するＩＤに対応するものであって、当該第２の音声認識データの記録若しくは更新日時が、上記ＩＤに対応する第１の音声認識データの記録及び更新日時の何れよりも新しい場合、または上記ＩＤに対応する第１の音声認識データが上記記憶手段に記憶されていない場合には、上記第２の音声認識データを用いて上記音声データのテキスト化を行うように上記音声認識手段を制御すると共に、上記第２の音声認識データを上記記憶手段の第１の音声認識データに上書き記憶する。
【００１５】
第３の発明による音声処理プログラムにあっては、コンピュータに対して、外部の音声記録装置で生成された音声データファイルを取得させ、上記音声データファイルに含まれる音声データを音声認識してテキスト化させる音声処理プログラムであり、この音声処理プログラムは、コンピュータに対して、上記音声データファイルから音声データの使用者を特定するＩＤを読み出す音声データ取得処理と、当該コンピュータの記憶手段に記憶された、上記ＩＤに対応する音声データのテキスト化の精度を上げるための第１の音声認識データを読み出す第１の音声認識データ取得処理とを処理し、さらに、第２の音声認識データ取得処理は、上記音声記録装置に記憶された、上記ＩＤに対応する音声データのテキスト化の精度を上げるための第２の音声認識データを取得する。上記第１の音声認識データの記録日時若しくは更新日時が、上記第２の音声認識データの記録日時及び更新日時の何れよりも新しい場合、または上記第２の音声認識データ取得処理で上記ＩＤに対応する第２の音声認識データが取得できなかった場合には、上記第１の音声認識データを用いて上記音声データのテキスト化を行わせると共に、上記第１の音声認識データを上記音声記録装置に記憶させ、上記第２の音声認識データの記録日時若しくは更新日時が、上記第１の音声認識データの記録日時及び更新日時の何れかよりも新しい場合、または、上記第１の音声認識データ取得処理で上記ＩＤに対応する第１の音声認識データが取得できなかった場合には、上記第２の音声認識データを用いて上記音声データのテキスト化を行わせると共に、上記第２の音声認識データを当該コンピュータの記憶手段に記憶させる音声認識処理と、を実行させる。
【００１６】
第４の発明による音声処理プログラムにあっては、コンピュータに対して、外部の音声記録装置で生成されて着脱可能な記憶媒体に記憶された音声データファイルを取得させ、上記音声データファイルに含まれる音声データを音声認識してテキスト化させる音声処理プログラムに於いて、上記音声処理プログラムはコンピュータに対して、当該コンピュータに装着された上記記憶媒体から、前記懇請記録装置で生成された音声データファイルを読み出す音声ファイル取得処理と、音声ファイル取得処理で読み出した上記音声データファイルから、音声データと使用者を特定するＩＤを読み出す音声データ取得処理と、当該コンピュータの記憶手段に記憶された、上記ＩＤに対応する音声データのテキスト化の精度を上げるための第１の音声認識データを読み出す第１の音声認識データ取得処理と、上記記憶媒体に記憶された、上記ＩＤに対応する音声データのテキスト化の精度を上げるための第２の音声認識データを取得する第２の音声認識データ取得処理と、上記第１の音声認識データの記録日時若しくは更新日時が、上記第２の音声認識データの記録日時および更新日時の何れよりも新しい場合、または上記第２の音声認識データ取得処理で上記ＩＤに対応する第２の音声認識データが取得できなかった場合には、上記第１の音声認識データを用いて上記音声データのテキスト化を行わせると共に、上記第１の音声認識データを上記記憶媒体の第２の音声認識データに上書き記憶させ、上記第２の音声認識データの記録日時若しくは更新日時が、上記第１の音声認識データの記録日時および更新日時の何れかよりも新しい場合、叉ｊは上記第１の音声認識データ取得処理で上記ＩＤに対応する第１の音声認識データが取得できなかった場合には、上記第２の音声認識データを用用いて上記音声データのテキスト化を行わせると共に、上記第２の音声認識データを当該コンピュータの記憶手段の第１の音声認識データに上書き記憶させる音声認識処理と、を実行させる。
【００２０】
【発明の実施の形態】
以下、図面を参照して本発明の実施の形態を説明する。
【００２１】
図１は、本発明の一実施の形態である音声認識システムの概略構成を示した図である。
【００２２】
図１に示されるように、この音声認識システムは、可搬型記録媒体１と、音声データと共に使用者の固有のデータであるユーザＩＤを記録可能な音声記録再生装置２と、上記記録媒体１に記録された音声データに基いて音声認識処理を行う音声認識装置であるコンピュータ３とにより構成される。このコンピュータ３は、入力装置５、表示装置としてのディスプレイ６及びキーボード、マウス（ポインティングデバイス）等の操作部材７を有して構成される。
【００２３】
ここで、上記音声記録再生装置２について説明する。
【００２４】
図２は、本発明の一実施形態である音声認識システムの一構成要素となる音声記録再生装置のブロック図である。
【００２５】
図２に示されるように、この音声記録再生装置では、音声入力手段であるマイクロフォン１１が、増幅器（ＡＭＰ）１２、ローパスフィルタ（ＬＰＦ）１３、Ａ／Ｄコンバータ１４を介して、デジタル信号処理部（ＤＳＰ）１５に接続されている。このデジタル信号処理部１５には、この音声記録再生装置の各種制御を司るシステム制御部（ＣＰＵ）１６が接続されている。
【００２６】
システム制御部１６には、上記デジタル信号処理部１５の他、記録媒体１７と、表示器１８と、ユーザ情報ファイルを記録する外部メモリ１９と、録音釦（ＲＥＣ）２１ａ、再生釦（ＰＬＡＹ）２１ｂ、停止釦（ＳＴＯＰ）２１ｃ、早送り釦（ＦＦ）２１ｄ、早戻し釦（ＲＥＷ）２１ｅ、メニュー釦（ＭＥＮＵ）２１ｆ等の操作入力部２１とが接続されている。
【００２７】
また、上記デジタル信号処理部１５には、Ｄ／Ａコンバータ２３、ローパスフィルタ（ＬＰＦ）２４、増幅器（ＡＭＰ）２５を介して、スピーカ２６が接続されている。
【００２８】
尚、上記Ａ／Ｄコンバータ１４、デジタル信号処理部１５は、入力したアナログ音声信号を所定のデジタル音声データに変換処理する音声データ処理手段を構成する。
【００２９】
上記システム制御部１６は、デジタル信号処理部１５と記録媒体１７の他、当該音声記録再生装置の各部の動作を制御すると共に、操作入力部１２に於ける複数釦の操作に応じて、所定のユーザＩＤの読出し、書出しの制御、すなわちユーザＩＤ識別手段としての役目も果たす。更に、システム制御部１６は、その内部にユーザＩＤを記録する内部メモリを備えている（図示せず）。
【００３０】
また、上記記録媒体１７には、システム制御部１６の制御下にデジタル信号処理部１５で符号化処理された音声データが記録されると共に、当該音声データが記録される同一ファイル内に同音声データに対応するユーザＩＤが記録される。更に、上記記録媒体１７には、ユーザ情報ファイルを格納する領域が用意されており、記録媒体１７にユーザ情報ファイルが存在しない場合は、外部メモリ１９よりユーザ情報ファイルが転送される。
【００３１】
上記システム制御部１６では、該音声記録再生装置に記録媒体１７が新たに装着される毎に、外部メモリ１９内と記録媒体１７のユーザ情報ファイルの更新日時の比較が行われる。この比較結果に従って、最新の状態に合わせてそれぞれ上書き更新がなされる。
【００３２】
次に、このように構成された音声記録再生装置に於ける音声記録動作について説明する。
【００３３】
本実施の形態に於ける音声記録再生装置では、記録媒体１７に音声データが記録される際、当該音声データに対応するユーザＩＤ、すなわち使用者に固有のＩＤ情報が、当該音声データと同一ファイルに記録される。そして、当該音声再生装置の使用者は、音声データと共に記録されるユーザＩＤを任意に登録することができる。
【００３４】
以下、このユーザＩＤ登録の設定動作について、図３のフローチャートを参照して説明する。
【００３５】
先ず、ステップＳ１に於いて、システム制御部１６では、使用者によってメニュー釦２１ｆが所定時間Ｔ秒、例えば３秒間押し続けられたか否かが判断される。ここで、使用者によって該メニュー釦２１ｆが所定時間Ｔ秒押されなかった場合は、ステップＳ２に移行し、システム制御部１６により、使用者ユーザＩＤの設定意志があると見なされて、表示器１８にＩＤ設定画面が表示される。これにより、ユーザＩＤ設定可能状態となる。一方、上記ステップＳ１にて、メニュー釦２１ｆが所定時間押された場合は、ステップＳ７に移行し、後述する音声を収録してファイルを作成した後に、ユーザＩＤを登録、変更する処理が行われる。
【００３６】
次に、ステップＳ３に於いて、使用者が操作入力部２１に於ける所定の操作釦、例えば４桁の所定のＩＤコードが入力されたか否かが判断される。ここで、当該ＩＤコードが入力されると、システム制御部１６によってこのコードが認識される。
【００３７】
尚、本実施の形態に於いて、ＩＤコードは所定のアラビア数字、ローマ字等の英数字の組合わせで構成されているものとする。そして、これら４桁の英数字は所定の釦、例えば、早送り釦２１ｄ、早戻し釦２１ｅで選択され、再生釦２１ｂで決定されるものとする。また、この設定に用いられる釦は、これに限らず操作入力部２１の他の釦でも良い。
【００３８】
上記操作によってユーザＩＤが入力されると、ステップＳ４に移行して、システム制御部１６によってその内部メモリ（図示せず）に該ユーザＩＤが記録される。これにより、ユーザＩＤが登録される。そして、その後ステップＳ６に移行し、録音モード、ＢＥＥＰ音、時刻合わせ等、各種動作設定が行われる。
【００３９】
一方、上記ステップＳ３にてユーザＩＤの設定が行われない場合は、ステップＳ５に移行して所定時間が経過したか否かが判断される。ここで、所定時間が経過していない場合は上記ステップＳ３に移行し、再度ＩＤの設定が判断される。これに対し、所定時間内にＩＤの設定が行われない場合は、ユーザＩＤは未設定となってメニュー設定を終了する。
【００４０】
次に、音声を収録してファイルを作成した後、すなわち音声データ及びユーザＩＤが記録媒体１７に記録された後に、ユーザＩＤを登録、変更する場合について説明する。
【００４１】
先ず、停止時に所定の操作、本実施の形態の場合は、早送り釦２１ｄ、早戻し釦２１ｅにより、ユーザＩＤを変更したしたいファイルナンバを、表示器１８に表示させる。ついで、上述したようにメニュー釦２１ｆが所定時間Ｔ秒間押されると、ステップＳ７に移行し、ユーザＩＤ登録、変更可能状態とされる。
【００４２】
このとき、システム制御部１６によって、記録媒体１７に記録されている音声データのヘッダ部分が検索され、選択されたファイルのヘッダのユーザＩＤが検出されて、表示器１８に表示される。
【００４３】
次に、上記と同様の操作により、ユーザＩＤの登録または変更が行われる。そして、登録または変更が決定されると、システム制御部１６では、ファイルヘッダに記録されているユーザＩＤが書換えられる。
【００４４】
以上の操作によって、ユーザＩＤの登録、変更がなされる。
【００４５】
次に、この音声記録再生装置に音声を記録する録音処理について説明する。
【００４６】
システム制御部１６にて、録音釦２１ａが押されたことが検出されると、マイクロフォン１１から入力された音声信号は、増幅器１２によって増幅される。この増幅器１２の出力は、ローパスフィルタ１３にてエリアシングノイズの発生を防止するために、不要な周波数帯がカットされる。
【００４７】
次いで、Ａ／Ｄコンバータ１４に於いて、アナログ信号である音声信号がデジタル信号に変換された後、デジタル信号処理部１５に入力される。デジタル信号処理部１５では、デジタル信号に変換された音声データが、定められたフォーマットのデータに圧縮変換（符号化）される。符号化された音声データは、図示されないバッファを介してシステム制御部１６へ送られる。更に、システム制御部１６では、入力された音声データが記録媒体１７へ出力される。
【００４８】
ここで、記録媒体１７に音声データ及びユーザＩＤを記録する動作について、図４のフローチャートを参照して説明する。
【００４９】
先ず、ステップＳ１１に於いて、システム制御部１６によって録音モードか否かが判断される。ここで、録音中であれば、次にステップＳ１２に移行して、その録音、すなわち１つのファイルが終了したか否かが判断される。そして、ここで録音（ファイル）が終了したら、ステップＳ１３に移行して、システム制御部１６によってユーザＩＤが該システム制御部１６の内部メモリに登録されているか否かが判断される。
【００５０】
このステップＳ１３にて、ユーザＩＤが登録されていると判断されたならば、ステップＳ１４及びＳ１５に移行して、このユーザＩＤが記録媒体１７のファイルヘッダの所定のアドレスに記録される。これにより、記録媒体１７には、ファイル毎にユーザＩＤが付与されることとなる。
【００５１】
一方、システム制御部１６の内部メモリにユーザＩＤが登録されていなければ、ステップＳ１６及びＳ１５に移行して、システム制御部１６によってデフォルトのユーザＩＤ（００００）が、上記と同様に記録媒体１７のファイルヘッダに記録される。
【００５２】
尚、記録媒体１７に記録される際に、ファイル毎のファイルヘッダは、図５に示されるように、ユーザＩＤの他、例えばファイルナンバ、録音開始時間、録音終了時間、録音日時等の情報が、所定のアドレスに書込まれるようになっている。
【００５３】
また、上記ステップＳ１１に於いて、録音モードではないと判断された場合は、他の操作釦の入力待ちとなる。
【００５４】
次に、本発明の実施の形態である音声認識システムに於ける音声認識装置について説明する。
【００５５】
図６は、本発明の一実施の形態である音声認識システムの一構成要素となる音声認識装置の構成を示したブロック図である。
【００５６】
図６に示されるように、本実施の形態に於いては、音声認識装置としてコンピュータ３０が採用される。
【００５７】
このコンピュータ３０の内部は、音声認識処理の他、音声入力処理、表示処理、操作制御等を行う音声認識部の構成要素であるＣＰＵ３１と、音声入力手段である入力装置３２、記録媒体３３、表示装置３４、キーボード、マウス等の操作部３５を有して構成される。
【００５８】
上記記録媒体３３はハードディスク等で構成され、音声認識部の構成要素となる音声認識処理を行う音声認識プログラム、使用者情報（ユーザ情報）としてのユーザ情報ファイル等が記録されている。これらはＣＰＵ３１によって制御される。ユーザ情報には、音響モデル、単語の修正情報、トレーニング情報が含まれる。
【００５９】
上記入力装置３２は、上記音声記録再生装置により、音声データと共にユーザＩＤ等が記録された記録媒体１７を装着することが可能となっている。この記録媒体１７が入力装置３２に装着された際には、音声認識プログラムにより、ＣＰＵ３１の制御で読書きが可能となっている。尚、ＣＰＵ３１には、図示されないＲＡＭが接続されており、このＲＡＭ上に音声認識処理プログラムがロードされ、各種処理が行われる。
【００６０】
上記ユーザ情報ファイルには、それぞれユーザＩＤが設定されている。該ユーザーＩＤは、上記音声記録再生装置で記録したユーザＩＤと同じ形式であり、所定のアラビア数字、ローマ字等の英数字の組合わせで構成されている。音声認識時には、このユーザＩＤによる音響モデルを選択するようになっている。
【００６１】
次に、上記音声認識装置に於ける音声認識動作について、図７のフローチャートを参照して説明する。
【００６２】
使用者によって、上述した音声データと共にユーザＩＤが記録された記録媒体１７が、上記音声記録再生装置から取出されて入力装置３２に装着される。次いで、ＣＰＵ３１により、音声認識処理用プログラムが所定の操作により起動される。
【００６３】
図８は、本実施の形態で用いられる音声認識処理用プログラムを起動させたときの操作の一表示例を示した図であり、上記記録媒体１７に圧縮されて記録された音声ファイルの一覧表示である。
【００６４】
そして、ステップＳ３１にて、使用者により、マウスやキーボード等による操作部３５が操作されて音声認識処理を実行するファイルが選択されて、音声処理の実行が指示される。例えば、操作部３５がキーボードの場合は、カーソルキーで選択されて実行キーで実行される。尚、この操作はこれに限らす他のキー、または操作方法であってもよい。
【００６５】
ＣＰＵ３１にて音声認識実行の命令が認識されると、ステップＳ３２に移行し、該ＣＰＵ３１にて、使用者によって音声認識処理実行が指定されたファイルが記録媒体１７から検索され、該ファイルのヘッダが検索される。ヘッダには、上述したように、ユーザＩＤの他、インデックス情報として録音日時、録音開始時間、録音終了時間等の情報が記録されている（図５参照）。
【００６６】
次に、ステップＳ３３にて、ＣＰＵ３１によりユーザＩＤの記録されたアドレスからユーザＩＤが検出される。更に、ステップＳ３４に於いて、検出されたユーザＩＤが、音声記録再生装置でユーザにより指定されなかった際に記録されるデフォルトのユーザＩＤ（００００）であるか否かの確認が行われる。
【００６７】
ここで検出されたユーザＩＤがデフォルトのユーザＩＤでなければ、ステップＳ３５に移行して、ＣＰＵ３１によって、検出されたユーザＩＤに対応したユーザ情報ファイルが記録媒体３３内に存在するか否かの確認が行われる。
【００６８】
そして、ユーザ情報ファイルの存在が確認された場合は、ステップＳ３６に移行して、同様に記録媒体１７内のユーザ情報ファイルの存在が確認される。ここで、ユーザ情報ファイルが存在する場合は、ステップＳ３７及びＳ３８に移行して、それぞれのファイルの最終更新日時の比較が行われる。
【００６９】
次いで、ステップＳ３９にて、記録媒体１７内のユーザ情報ファイルが記録媒体３３へ転送される。その後、ステップＳ４０に移行して、該転送された記録媒体３３内のユーザ情報ファイルが、音声認識処理に使用されるユーザ情報ファイルとして設定される。
【００７０】
一方、上記ステップＳ３６に於いて、記録媒体１７にユーザ情報ファイルが存在しない場合、及び上記ステップＳ３８に於いて、記録媒体３３内のユーザ情報ファイルが最新のファイルである場合は、共にステップＳ４１に移行する。そして、このステップＳ４１にて記録媒体３３内のユーザ情報ファイルが記録媒体１７へ転送された後、ステップＳ４０に移行して、記録媒体３３内のユーザ情報ファイルが、音声認識処理に使用されるユーザ情報ファイルとして設定される。
【００７１】
また、上記ステップＳ３５に於いて、同じユーザＩＤが検出されなかった場合は、ステップＳ４２に移行して、記録媒体１７内のユーザ情報ファイルの存在が確認される。ここで、記録媒体１７内にユーザ情報ファイルの存在が確認された場合は、ステップＳ４３に移行して、記録媒体１７から記録媒体３３ヘユーザ情報ファイルが転送される。その後、ステップＳ４０に移行して、記録媒体３３内のユーザ情報ファイルが音声認識処理に使用されるユーザ情報ファイルとして設定される。
【００７２】
更に、上記ステップＳ３４に於いてユーザＩＤがデフォルトのＩＤであった場合、及び上記ステップＳ４２に於いて記録媒体１７内にユーザ情報ファイルが存在しなかった場合には、ステップＳ４４に移行して、音声認識処理に使用されるユーザ情報ファイルとして、所定のユーザ情報ファイルが使用される。
【００７３】
本実施の形態に於いては、該ユーザ情報ファイルにデフォルトとして不特定話者モデルを有するユーザ情報ファイルが使用される。
【００７４】
次に、ＣＰＵ３１にてユーザ情報ファイルが選択されたことが確認されると、上記音声記録再生装置で圧縮伸張された該ファイルの音声データが音声圧縮ファイルより読込まれる。この圧縮された音声データは、音声認識処理プログラムによって音声記録再生装置で記録されたときと同じ圧縮アルゴリズムが逆に用いられて伸張処理が行われ、ＰＣＭデータとなる。
【００７５】
すなわち、この処理は、音声記録再生装置と同じ処理が、音声認識処理プログラムにより制御されるコンピュータで行われることとなる。
【００７６】
次に、音声認識装置では上記処理で伸張されたＰＣＭデータがＣＰＵ３１に入力される。そして、ステップＳ４５にて、ＣＰＵ３１では、音声認識処理プログラムによりＣＰＵ３１によって音声認識処理が行われる。そして、ステップＳ４６にて、認識の結果が表示装置３４に表示される。
【００７７】
尚、本実施の形態では、可搬型記録媒体を用いた音声記録再生装置による音声認識システムを説明したが、これに限られるものではない。例えば、記録媒体を内蔵した音声記録再生装置を用いた場合は、所定の手段、例えばＵＳＢに代表されるインターフェイスや光通信等を利用して音声認識システムと直接接続することにより、同様の効果を得ることが可能である。
【００７８】
図９は、本発明の別の実施の形態である音声認識システムの概略構成を示した図である。
【００７９】
図９に示されるように、この音声認識システムは、音声記録再生装置２と音声認識装置であるコンピュータ３とがＵＳＢケーブル３８により接続されて構成される。尚、その他の構成は、上述した実施の形態と同じであるので説明は省略する。
【００８０】
また、図１０は、図９の音声認識システムに於ける音声認識動作について説明するフローチャートである。
【００８１】
尚、図１０のフローチャートに於いて、ステップＳ５１〜Ｓ５５、Ｓ５７、Ｓ６０及びＳ６４〜Ｓ６６は、上述した図７のフローチャートに於けるステップＳ３１〜Ｓ３５、Ｓ３７、Ｓ４０及びＳ４４〜４６と同様であるので、説明は省略する。
【００８２】
そして、音声記録再生装置２とコンピュータ３とが、ＵＳＢケーブル３８によって接続された状態で、音声認識処理プログラム用プログラムが所定の操作により起動される。
【００８３】
ステップＳ５５にて、ＣＰＵ３１によって、検出されたユーザＩＤに対応したユーザ情報ファイルがコンピュータ３内に存在するか否かの確認が行われる。そして、ユーザ情報ファイルの存在が確認された場合は、ステップＳ５６に移行して、同様に音声記録再生装置２内のユーザ情報ファイルの存在が確認される。
【００８４】
ここで、ユーザ情報ファイルが存在する場合は、ステップＳ５７及びＳ５８に移行して、それぞれのファイルの最終更新日時の比較が行われる。次いで、ステップＳ５９にて、音声記録再生装置２内のユーザ情報ファイルが記録媒体３３へ転送される。その後、ステップＳ４０に移行して、該転送されたファイルが音声認識処理に使用されるユーザ情報ファイルとして設定される。
【００８５】
一方、上記ステップＳ５６に於いて、音声記録再生装置２内にユーザ情報ファイルが存在しない場合、及び上記ステップＳ５８に於いて、音声記録再生装置２内のユーザ情報ファイルが最新のファイルである場合は、共にステップＳ６１に移行する。そして、このステップＳ６１にて、記録媒体３３内のユーザ情報ファイルが音声記録再生装置２へ転送された後、ステップＳ６０に移行して、記録媒体３３内のユーザ情報ファイルが、音声認識処理に使用されるユーザ情報ファイルとして設定される。
【００８６】
また、上記ステップＳ５５に於いて、同じユーザＩＤが検出されなかった場合は、ステップＳ６２に移行して、音声記録再生装置２内のユーザ情報ファイルの存在が確認される。ここで、音声記録再生装置２内にユーザ情報ファイルの存在が確認された場合は、ステップＳ６３に移行して、音声記録再生装置２から記録媒体３３ヘユーザ情報ファイルが転送される。その後、ステップＳ６０に移行して、音声認識処理に使用されるユーザ情報ファイルとして設定される。
【００８７】
更に、上記ステップＳ５４に於いてユーザＩＤがデフォルトのＩＤであった場合、及び上記ステップＳ６２に於いて音声記録再生装置２内にユーザ情報ファイルが存在しなかった場合には、ステップＳ６４に移行して、音声認識処理に使用されるユーザ情報ファイルとして、所定のユーザ情報ファイルが使用される。
【００８８】
以上のように、上記実施の形態の音声認識システムによれば、ユーザや環境によるユーザ情報を聞違えて選択することなく、音声データを音声認識することができる。また、場所等も制約されず、更に音声認識装置への入力時に於ける操作が、発音者以外の者でも可能である。
【００８９】
また、音声認識装置内にユーザ情報ファイルか存在しない場合でも、音声入力装置内のユーザ情報ファイルを使用することにより、良好な認識結果を得ることができる。
【００９０】
更に、ユーザＩＤが未設定、或いはユーザ情報ファイルが作成されていない場合でも、所定のユーザ情報によって音声認識処理が可能となる。
【００９１】
尚、本発明の上記実施の形態によれば、以下の如き構成を得ることができる。
【００９２】
すなわち、
（１） 音声を入力可能な音声入力手段と、
上記音声入力手段で入力した音声を所定の音声データに変換する音声データ処理手段と、
上記音声データをテキスト処理して記憶する記憶手段とを有する音声記録装置に於いて、
上記記憶手段に、上記音声データをテキスト化処理する際にテキスト化の精度を上げるために使用するもので、上記音声データを記録したユーザのユーザ情報である音声認識データを記憶しておくことを特徴とする音声記録装置。
【００９３】
（２） 外部の音声記録装置内の音声データを受信する受信手段と、
上記受信した音声データをテキスト化する音声認識手段と、
上記テキスト化の際にテキスト化の精度を上げるための音声認識データを記憶しておく記憶手段と、
を有する音声処理装置に於いて、
上記受信した音声データのテキスト化に適した音声認識データが上記記憶手段に記憶されていない場合には、上記外部の音声記録装置内に記憶されている音声認識データを使用して上記受信した音声データのテキスト化を行うように制御する制御手段を具備することを特徴とする音声処理装置。
【００９４】
（３） 上記制御手段は、上記受信した音声データのユーザＩＤに基いて、上記受信した音声データのテキスト化の際に用いる上記音声認識データを決定することを特徴とする上記（２）に記載の音声処理装置。
【００９５】
（４） 上記制御手段は、上記外部の音声記録装置内に上記受信した音声データに適した音声認識データが記憶されていない場合には、上記記憶手段に記憶されている所定のデータを用いて上記受信した音声データのテキスト化を行うように制御することを特徴とする上記（２）に記載の音声処理装置。
【００９６】
（５） 外部の音声記録装置内の音声データを受信する受信手段と、
上記受信した音声データをテキスト化する音声認識手段と、
上記テキスト化の際にテキスト化の精度を上げるための音声認識データを記憶しておく記憶手段と、
を有する音声処理装置に於いて、
上記受信した音声データのテキスト化に適した音声認識データが上記記憶手段及び上記外部の音声記録装置内の双方に記憶されている場合には、上記音声認識データの記録日時若しくは更新日時の新しい方を用いて上記受信した音声データのテキスト化を行うように制御する制御手段と、
上記音声記録装置内の上記音声認識データより、上記音声処理装置内の音声認識データの記録日時若しくは更新日時の方が新しい場合には、上記音声処理装置内の音声認識データを上記音声記録装置に送信する送信手段と、
を具備することを特徴とする音声処理装置。
【００９７】
（６） コンピュータに対して、外部の音声記録装置内の音声データを受信させ、上記受信した音声データをテキスト化の精度を上げるための音声認識データを用いてテキスト化させる音声処理プログラムを記録した記録媒体に於いて、
上記音声処理プログラムはコンピュータに対して、
上記受信した音声データのテキスト化に適した音声認識データが上記コンピュータ内の記憶装置及び上記外部の音声記録装置内の双方に記憶されている場合には、上記音声認識データの記録日時若しくは更新日時の新しい方を用いて上記受信した音声データのテキスト化を行わせることを特徴とする音声処理プログラムを記録した記録媒体。
【００９８】
（７） 上記音声処理プログラムは、更にコンピュータに対して、上記音声記録装置内の上記音声認識データより上記コンピュータ内の音声認識データの記録日時若しくは更新日時の方が新しい場合には、上記コンピュータ内の音声認識データを上記音声記録装置に送信させることを特徴とする上記（６）に記載の音声処理プログラムを記録した記録媒体。
【００９９】
【発明の効果】
以上のように本発明によれば、ユーザ情報を自動的に選択することの可能な音声処理装置及び、音声処理プログラムを記録した記録媒体及び音声データ処理方法を提供することをができる。
【図面の簡単な説明】
【図１】本発明の一実施の形態である音声認識システムの概略構成を示した図である。
【図２】本発明の一実施形態である音声認識システムの一構成要素となる音声記録再生装置のブロック図である。
【図３】ユーザＩＤ登録の設定動作について説明するフローチャートである。
【図４】記録媒体１７に音声データ及びユーザＩＤを記録する動作について説明するフローチャートである。
【図５】記録媒体１７に於けるファイル、及びファイル毎のファイルヘッダの例を示した図である。
【図６】本発明の一実施の形態である音声認識システムの一構成要素となる音声認識装置の構成を示したブロック図である。
【図７】音声認識装置に於ける音声認識動作について、図７のフローチャートを参照して説明する。
【図８】本実施の形態で用いられる音声認識処理用プログラムを起動させたときの操作の一表示例を示した図であり、上記記録媒体３３に圧縮されて記録された音声ファイルの一覧表示である。
【図９】本発明の別の実施の形態である音声認識システムの概略構成を示した図である。
【図１０】図９の音声認識システムに於ける音声認識動作について説明するフローチャートである。
【符号の説明】
１ 可搬型記録媒体（記録媒体）、
２ 音声記録再生装置、
３ コンピュータ、
５入力装置、
６ ディスプレイ、
７ 操作部材、
１１ マイクロフォン、
１２ 、２５ 増幅器（ＡＭＰ）、
１３、２４ ローパスフィルタ（ＬＰＦ）、
１４ Ａ／Ｄコンバータ、
１５ デジタル信号処理部（ＤＳＰ）、
１６ システム制御部（ＣＰＵ）、
１７ 記録媒体、
１８ 表示器、
１９ 外部メモリ、
２１ 操作入力部、
２１ａ 録音釦（ＲＥＣ）、
２１ｂ 再生釦（ＰＬＡＹ）、
２１ｃ 停止釦（ＳＴＯＰ）、
２１ｄ 早送り釦（ＦＦ）、
２１ｅ 早戻し釦（ＲＥＷ）、
２１ｆ メニュー釦（ＭＥＮＵ）、
２３ Ｄ／Ａコンバータ、
２６ スピーカ、
３０ コンピュータ、
３１ ＣＰＵ、
３２ 入力装置、
３３ 記録媒体、
３４ 表示装置、
３５ 操作部。
Claims (4)
- 外部の音声記録装置と情報を送受信する通信手段と、
上記通信手段を介して上記音声記録装置で生成された音声データを含む音声ファイルを取得する音声ファイル取得手段と、
上記音声データをテキスト化する音声認識手段と、
上記音声認識手段のテキスト化の精度を上げるための第１の音声認識データを記憶しておく記憶手段と、
上記通信手段を介して上記音声記録装置に記憶された第２の音声認識データを取得する音声認識データ取得手段と、
上記第１の音声認識データが上記音声ファイルに含まれる使用者を特定するＩＤに対応するものであって、当該第１の音声認識データの記録若しくは更新日時が、上記ＩＤに対応する第２の音声認識データの記録及び更新日時の何れよりも新しい場合、または上記ＩＤに対応する第２の音声認識データが上記音声記録装置に記憶されていない場合には、上記第１の音声認識データを用いて上記音声データのテキスト化を行うように上記音声認識手段を制御すると共に、上記第１の音声認識データを前記通信手段を介して上記音声記録装置に送信し、
上記第２の音声認識データが上記音声ファイルに含まれる使用者を特定するＩＤに対応するものであって、当該第２の音声認識データの記録若しくは更新日時が、上記ＩＤに対応する第１の音声認識データの記録及び更新日時の何れよりも新しい場合、または上記ＩＤに対応する第１の音声認識データが上記記憶手段に記憶されていない場合には、上記第２の音声認識データを用いて上記音声データのテキスト化を行うように上記音声認識手段を制御すると共に上記第２の音声認識データを上記記憶手段の上記第１の音声認識データに上書き記憶する制御手段と、を具備することを特徴とする音声処理装置。 - 外部の音声記録装置で生成された音声データファイルが記憶された記憶媒体を着脱可能なインターフェース手段と、
上記インターフェース手段に装着された上記記憶媒体から上記音声ファイルを取得する音声ファイル取得手段と、
音声データをテキスト化する音声認識手段と、
上記音声認識手段のテキスト化の精度を上げるための第１の音声認識データを記憶しておく記憶手段と、
上記記憶媒体に記憶された第２の音声認識データを取得する音声認識データ取得手段と、
上記第１の音声認識データが上記音声ファイルに含まれる使用者を特定するＩＤに対応するものであって、当該第１の音声認識データの記録若しくは更新日時が、上記ＩＤに対応する第２の音声認識データの記録及び更新日時の何れよりも新しい場合、または上記ＩＤに対応する第２の音声認識データが上記音声記録装置に記憶されていない場合には、上記第１の音声認識データを用いて上記音声データのテキスト化を行うように上記音声認識手段を制御すると共に、上記第１の音声認識データを上記記憶媒体の上記２の音声認識データに上書き記憶し、
上記第２の音声認識データが上記音声ファイルに含まれる使用者を特定するＩＤに対応するものであって、当該第２の音声認識データの記録若しくは更新日時が、上記ＩＤに対応する第１の音声認識データの記録及び更新日時の何れよりも新しい場合、または上記ＩＤに対応する第１の音声認識データが上記記憶手段に記憶されていない場合には、上記第２の音声認識データを用いて上記音声データのテキスト化を行うように上記音声認識手段を制御すると共に、上記第２の音声認識データを上記記憶手段の第１の音声認識データに上書き記憶する制御手段と、
を具備することを特徴とする音声処理装置。 - コンピュータに対して、外部の音声記録装置で生成された音声データファイルを取得させ、上記音声データファイルに含まれる音声データを音声認識してテキスト化させる音声処理プログラムに於いて、
上記音声処理プログラムはコンピュータに対して、
上記音声データファイルから音声データの使用者を特定するＩＤを読み出す音声データ取得処理と、当該コンピュータの記憶手段に記憶された、上記ＩＤに対応する音声データのテキスト化の精度を上げるための第１の音声認識データを読み出す第１の音声認識データ取得処理と、
上記音声記録装置に記憶された、上記ＩＤに対応する音声データのテキスト化の精度を上げるための第２の音声認識データを取得する第２の音声認識データ取得処理と、
上記第１の音声認識データの記録日時若しくは更新日時が、上記第２の音声認識データの記録日時及び更新日時の何れよりも新しい場合、または上記第２の音声認識データ取得処理で上記ＩＤに対応する第２の音声認識データが取得できなかった場合には、上記第１の音声認識データを用いて上記音声データのテキスト化を行わせると共に、上記第１の音声認識データを上記音声記録装置に記憶させ、
上記第２の音声認識データの記録日時若しくは更新日時が、上記第１の音声認識データの記録日時及び更新日時の何れかよりも新しい場合、または、上記第１の音声認識データ取得処理で上記ＩＤに対応する第１の音声認識データが取得できなかった場合には、上記第２の音声認識データを用いて上記音声データのテキスト化を行わせると共に、上記第２の音声認識データを当該コンピュータの記憶手段に記憶させる音声認識処理と、
を実行させることを特徴とする音声処理プログラム。 - コンピュータに対して、外部の音声記録装置で生成されて着脱可能な記憶媒体に記憶された音声データファイルを取得させ、上記音声データファイルに含まれる音声データを音声認識してテキスト化させる音声処理プログラムに於いて、
上記音声処理プログラムはコンピュータに対して、
当該コンピュータに装着された上記記憶媒体から、前記懇請記録装置で生成された音声データファイルを読み出す音声ファイル取得処理と、
音声ファイル取得処理で読み出した上記音声データファイルから、音声データと使用者を特定するＩＤを読み出す音声データ取得処理と、
当該コンピュータの記憶手段に記憶された、上記ＩＤに対応する音声データのテキスト化の精度を上げるための第１の音声認識データを読み出す第１の音声認識データ取得処理と、
上記記憶媒体に記憶された、上記ＩＤに対応する音声データのテキスト化の精度を上げるための第２の音声認識データを取得する第２の音声認識データ取得処理と、
上記第１の音声認識データの記録日時若しくは更新日時が、上記第２の音声認識データの記録日時および更新日時の何れよりも新しい場合、または上記第２の音声認識データ取得処理で上記ＩＤに対応する第２の音声認識データが取得できなかった場合には、上記第１の音声認識データを用いて上記音声データのテキスト化を行わせると共に、上記第１の音声認識データを上記記憶媒体の第２の音声認識データに上書き記憶させ、
上記第２の音声認識データの記録日時若しくは更新日時が、上記第１の音声認識データの記録日時および更新日時の何れかよりも新しい場合、又は上記第１の音声認識データ取得処理で上記ＩＤに対応する第１の音声認識データが取得できなかった場合には、上記第２の音声認識データを用いて上記音声データのテキスト化を行わせると共に、上記第２の音声認識データを当該コンピュータの記憶手段の第１の音声認識データに上書き記憶させる音声認識処理と、
を実行させることを特徴とする音声処理プログラム。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2000158952A JP4540185B2 (ja) | 2000-05-29 | 2000-05-29 | 音声処理装置及び音声処理プログラム |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2000158952A JP4540185B2 (ja) | 2000-05-29 | 2000-05-29 | 音声処理装置及び音声処理プログラム |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2001337691A JP2001337691A (ja) | 2001-12-07 |
| JP4540185B2 true JP4540185B2 (ja) | 2010-09-08 |
Family
ID=18663349
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2000158952A Expired - Fee Related JP4540185B2 (ja) | 2000-05-29 | 2000-05-29 | 音声処理装置及び音声処理プログラム |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP4540185B2 (ja) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH04167071A (ja) * | 1990-10-31 | 1992-06-15 | Oki Electric Ind Co Ltd | 音声翻訳装置 |
| JPH04301695A (ja) * | 1991-03-28 | 1992-10-26 | Ricoh Co Ltd | 音声認識装置の辞書制御方式 |
| JPH1028170A (ja) * | 1996-07-11 | 1998-01-27 | Sony Corp | 通信機器 |
| JP2000067319A (ja) * | 1998-06-09 | 2000-03-03 | Digicube Co Ltd | 情報提供装置、情報提供システム、情報提供処理方法、及び記録媒体 |
| JP2000089784A (ja) * | 1998-09-09 | 2000-03-31 | Olympus Optical Co Ltd | 音声認識システム |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP3001585B2 (ja) * | 1989-02-13 | 2000-01-24 | 株式会社リコー | 音声認識システム |
| JPH1131000A (ja) * | 1997-07-11 | 1999-02-02 | Kenwood Corp | ボイスレコーダ |
-
2000
- 2000-05-29 JP JP2000158952A patent/JP4540185B2/ja not_active Expired - Fee Related
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH04167071A (ja) * | 1990-10-31 | 1992-06-15 | Oki Electric Ind Co Ltd | 音声翻訳装置 |
| JPH04301695A (ja) * | 1991-03-28 | 1992-10-26 | Ricoh Co Ltd | 音声認識装置の辞書制御方式 |
| JPH1028170A (ja) * | 1996-07-11 | 1998-01-27 | Sony Corp | 通信機器 |
| JP2000067319A (ja) * | 1998-06-09 | 2000-03-03 | Digicube Co Ltd | 情報提供装置、情報提供システム、情報提供処理方法、及び記録媒体 |
| JP2000089784A (ja) * | 1998-09-09 | 2000-03-31 | Olympus Optical Co Ltd | 音声認識システム |
Also Published As
| Publication number | Publication date |
|---|---|
| JP2001337691A (ja) | 2001-12-07 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| EP1930819A1 (en) | Method and apparatus to process an audio user interface and audio device using the same | |
| US20060089736A1 (en) | Music reproducing apparatus, mobile phone conversation apparatus, music reproducing system, and operating method thereof | |
| JP4540185B2 (ja) | 音声処理装置及び音声処理プログラム | |
| US7027978B2 (en) | Voice recording and reproducing apparatus, information processing apparatus, and recording medium having recorded an information processing program | |
| JP4485966B2 (ja) | カラオケシステム | |
| JP2009037320A (ja) | 情報処理装置、情報処理装置の制御方法 | |
| JP4591283B2 (ja) | 画像再生システム、撮像装置及び情報処理装置 | |
| JP2007158684A (ja) | 通信端末装置及び端末制御方法 | |
| US20030236660A1 (en) | Data recording-reproduction device | |
| US20080279526A1 (en) | Record/playback apparatus and control method therefor | |
| JP4603284B2 (ja) | 端末操作装置および端末操作ソフトウェア | |
| JP2000089784A (ja) | 音声認識システム | |
| JP3096532U (ja) | 光ディスク再生装置 | |
| US20050240405A1 (en) | Transcription apparatus and dictation system | |
| JP4716675B2 (ja) | 録音再生装置 | |
| JP2003140957A (ja) | 音声処理装置 | |
| JP2002189993A (ja) | 携帯型情報記録再生装置 | |
| JP4090617B2 (ja) | 記録再生装置 | |
| JP3611985B2 (ja) | ディジタル式音声録音再生装置 | |
| JP2004304776A (ja) | 画像取り込み装置 | |
| JP2000259387A (ja) | 音声認識装置、音声認識処理プログラムを記録した記録媒体、及び音声認識処理方法 | |
| JP5777532B2 (ja) | オーディオ装置 | |
| JP2002196794A (ja) | 音声記録再生装置 | |
| JP2004102346A (ja) | 音声データ処理装置及び音声データ処理プログラム | |
| JPH10301825A (ja) | 情報再生装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20070515 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20091215 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20100212 |
|
| TRDD | Decision of grant or rejection written | ||
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20100615 |
|
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20100622 |
|
| R151 | Written notification of patent or utility model registration |
Ref document number: 4540185 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R151 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20130702 Year of fee payment: 3 |
|
| S531 | Written request for registration of change of domicile |
Free format text: JAPANESE INTERMEDIATE CODE: R313531 |
|
| R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |
|
| LAPS | Cancellation because of no payment of annual fees |