JP4765427B2 - 音声認識機能付きａｖ機器 - Google Patents

Description

本発明は、テレビ受像機、光ディスク装置、又はハードディスクレコーダなどのAV機器に関し、特に、ユーザが発声した音声を認識し、該音声により装置本体を制御する音声認識機能付きAV機器に関するものである。

入力された音声を認識する音声認識技術には、ワードスポッティングと呼ばれる発話中の音声から単語らしい部分を抜き出す手法や、ＨＭＭ（Ｈｉｄｄｅｎ Ｍａｒｃｏｖ Ｍｏｄｅｌ）を用いた連続音声を認識する手法等がある。

テレビ受像機、光ディスク装置、又はハードディスクレコーダ（以下、HDRと称する）などの従来のAV機器には、該AV機器を遠隔操作する赤外線ワイヤレスリモコンが一般に普及しているが、上記音声認識技術を採用し、音声により該AV機器を遠隔操作するものも存在する。

例えば、ユーザが、電源のON／OFF、チャンネルの切り替え、又は音量調整等の命令の音声を発声すると、従来のテレビ受像機は、該音声をマイクロホンなどで収音し、該音声を認識する。そして、該音声に従って、電源のON／OFF、チャンネルの切替え、又は音量調整等の命令を実行する。

また、ユーザが、再生、早送り、又は巻戻し等（トリックプレイ）の命令の音声を発声すると、従来の光ディスク装置、又はHDRは、該音声をマイクロホンなどで収音し、該音声を認識する。そして、該音声に従って、再生、早送り、又は巻戻し等の命令を実行する。

特許文献１に記載されたような音声認識による音響機器制御装置が提案されている。

この音声認識による音響機器制御装置は、認識された命令が現在の音響機器の動作状態に対して不適切であると判断したとき、該命令を無視し、認識された命令が現在の音響機器の動作状態に対して適切であると判断したとき、該命令を実行する制御手段を備える。
特開平６−２０２６９０号公報

しかしながら、上記音声認識技術は、一般的に音声の認識に失敗する可能性が高い。そのため、ユーザの意図した命令を誤認識し、該命令と別の命令が実行されることが起こる。例えば、テレビ受像機であれば、ユーザが音量のアップを命令したにも係わらず、チャンネルが８に切替わることが起こる。また、光ディスク装置やHDRであれば、ユーザが再生を命令したにも係わらず、巻戻しが実行されることが起こる。

上記別の命令が実行された場合、これを訂正するためにユーザは、元の設定状態を思い出して、元の設定状態に戻すための命令を発声する必要があった。設定状態とは、テレビ受像機であれば、チャンネル設定、及び音量設定などを指し、光ディスク装置やハードディスクレコーダであれば、トリックプレイの種類、及びその時に該トリックプレイを行っているメディア中の位置（以下、単に「位置」という時は、「メディア中の位置」をいう。）などを指す。

上記元の設定状態を正確に覚えていることは稀であるため、ユーザは元の設定状態を、探さなければならなかった。例えば、テレビ受像機であれば元のチャンネルにあわせるためチャンネルを順に切替えることによって、光ディスク装置やHDRであれば元の位置にあわせるため映像等を手掛かりに早送り等することによって、ユーザは元の設定状態を、探していた。

また、ユーザが元の設定状態に戻すための命令を発声しても、該命令が再び音声認識に失敗されることもある。

以上のように、元の設定状態に戻すために、元の設定状態を探さなければならないケースや、元の設定状態に戻すために複数回命令を発声しなければならないケースがあり、従来のAV機器は、ユーザに大変な煩わしさを与えていた。

また、特許文献１では、認識された命令が現在の音響機器の動作状態に対して適切であっても、ユーザの意図した命令に対して適切であるとは必ずしも限らない。そのため、ユーザの意図したものと別の命令が実行されることがあり、上記従来のAV機器と同じ結果となる。従って、ユーザに大変な煩わしさを与える点同様である。

本発明はこのような従来の課題を解決しようとするものであり、音声認識に失敗しにくい簡便な命令を用意し、該命令を発声するだけで、容易に1つ前の設定状態に戻れるようにした音声認識機能付きAV機器を提供することを目的とする。

本発明の音声認識機能付きAV機器は、前記課題を解決するために以下の構成を備えている。
（１）ユーザが発声した音声が入力される音声入力手段と、
前記音声入力手段から入力された前記音声を認識する音声認識手段と、を備えた音声認識機能付きAV機器において、
装置本体を制御する命令の音声に予め対応付けされた制御コードと、該命令を取消すUNDOコマンドの音声に予め対応付けされた特別コードと、を記憶するコード記憶手段と、
前記音声認識手段が認識した前記音声に対応する前記制御コード又は前記特別コードを前記コード記憶手段から抽出し、該制御コード又は該特別コードを出力する認識結果処理手段と、
前記認識結果処理手段が出力する前記制御コードを受信すると、該制御コードに基づいて、命令を実行するための動作を装置本体各部に指示する制御手段と、
装置本体の設定状態を記憶する設定状態記憶手段と、を備え、
前記制御手段は、命令を実行する前に、その時の装置本体の設定状態を命令実行前設定状態として前記設定状態記憶手段に記録し、該命令実行後に前記認識結果処理手段が出力する前記特別コードを受信すると、現在の装置本体の設定状態を、前記設定状態記憶手段が記憶する前記命令実行前設定状態に戻すためのUNDO動作を装置本体各部に指示する。

この構成において、音声入力手段は、ユーザが発声した音声を収音可能であり、例えばマイクロホンで構成される。音声入力手段は、必ずしもテレビ受像機の筐体内部にある必要はなく、筐体外部にあってもよい。

また、音声認識機能付きAV機器は、例えば音声認識機能付きテレビ受像機、音声認識機能付き光ディスク装置又は音声認識機能付きHDRである。

また、UNDOコマンドは、音声認識に失敗しにくい簡便な言葉にすればよく、例えば「ちがう」、又は「ちがうよ」である。

上記「その時の装置本体の設定状態」とは、例えばその時のチャンネル設定、その時の音量設定、その時のトリックプレイの種類、又はその時に該トリックプレイを行っているメディア中の位置である。また、上記「その時」とは、例えば命令を実行する直前である。また、位置とは、メディアに対しアクセスしている位置をいい、詳述すると、光ディスクに対しレーザ光を照射している位置、若しくは光ディスクの記録面とレーザ光の光軸が交わる位置、又はハードディスクのディスクに対し磁気ヘッドがアクセスしている位置である。

なお、トリックプレイとは、例えば再生、スロー再生、早送り、巻き戻し、一時停止、停止である。

上記構成における動作について、音声認識機能付きテレビ受像機と、音声認識機能付き光ディスク装置又は音声認識機能付きHDRとに分けて説明する。

音声認識機能付きテレビ受像機の元のチャンネルが６であり、ユーザが音量のアップを命令したにも係わらず、該テレビ受像機が該命令を誤認識し、チャンネルを８に切替えてしまったとする。

そこで、ユーザがUNDOコマンドを発声し、テレビ受像機が該UNDOコマンドを受け付けると、テレビ受像機は、現在の設定状態（８CH）を１つ前の設定状態（６CH）に戻す。

一方、音声認識機能付き光ディスク装置又は音声認識機能付きHDRの元のトリックプレイが早送りであり、ユーザが再生を命令したにも係わらず、音声認識機能付き光ディスク装置又は音声認識機能付きHDRが該命令を誤認識し、巻戻しが実行されてしまったとする。

そこで、ユーザがUNDOコマンドを発声し、音声認識機能付き光ディスク装置又は音声認識機能付きHDRが該UNDOコマンドを受け付けると、音声認識機能付き光ディスク装置又は音声認識機能付きHDRは、現在の設定状態（巻戻し）を１つ前の設定状態（早送り）に戻す。

以上より、UNDOコマンドを発声するだけで、容易に1つ前の設定状態に戻ることができる。
（２）前記音声認識機能付きAV機器は、音声認識機能付きテレビ受像機、音声認識機能付き光ディスク装置又は音声認識機能付きハードディスクレコーダである。
（３）前記制御手段は、命令を実行する前に、その時のチャンネル設定、その時の音量設定、その時のトリックプレイの種類、又はその時に該トリックプレイを行っているメディア中の位置を、前記命令実行前設定状態として前記設定状態記憶手段に記録する。

この構成において、前記音声認識機能付きAV機器が音声認識機能付きテレビ受像機であれば、前記制御手段は、命令を実行する前に、その時のチャンネル設定、及びその時の音量設定を、前記命令実行前設定状態として前記設定状態記憶手段に記録する。

一方、前記音声認識機能付きAV機器が音声認識機能付き光ディスク装置又は音声認識機能付きHDRであれば、前記制御手段は、命令を実行する前に、その時のチャンネル設定、その時の音量設定、その時のトリックプレイの種類、又はその時に該トリックプレイを行っているメディア中の位置を、前記命令実行前設定状態として前記設定状態記憶手段に記録する。
（４）前記音声認識機能付きAV機器は、前記音声認識機能付き光ディスク装置、又は前記音声認識機能付きハードディスクレコーダであり、
前記制御手段は、UNDO動作を装置本体各部に指示した後のトリックプレイの種類が、再生、早送り、又は巻戻し等のアクセスしているメディア中の位置を変化させるものであれば、該トリックプレイの停止を装置本体各部に指示する。

この構成において、アクセスしているメディア中の位置を変化させるトリックプレイとは、例えば再生、スロー再生、早送り、巻き戻しであり、該トリックプレイの停止とは、停止又は一時停止である。

この構成では、上記音声認識機能付き光ディスク装置や上記音声認識機能付きHDRにおいて、命令を実行する前に、アクセスしているメディア中の位置を変化させるトリックプレイを実行している場合を想定している。例えば、命令を実行する前に、早送りがされている場合である。この場合に、ユーザが再生を命令したにも係わらず、音声認識に失敗して巻戻しが実行され、さらに該巻戻しを取消すUNDO動作が行われると、再び１つ前の設定状態、つまり早送りが実行される設定状態に戻る。この設定状態では、UNDO動作直後、アクセスしている位置が変化する。

しかし、早送りがされている時にユーザが何らかの命令をしたということは、ユーザは、早送りを中止して、その中止した位置で何らかのトリックプレイ、例えば再生、スロー再生、停止、又は一時停止を行いたいと意図している可能性が高い。にも係わらず、位置が変化してしまっては、ユーザの意図した位置から再生等をすることができない。

そこで、位置を変化させるトリックプレイが行われている場合、制御手段は、UNDO動作の後、該トリックプレイの停止を実行する。

なお、仮に、ユーザがその時の位置で早送りを中止して巻戻しを行いたいと意図していても、その位置から巻戻しすれば問題ない。

以上より、UNDO動作の後、アクセスしている位置が変化しなくなり、ユーザの意図した位置から再生等をすることができる。
（５）装置本体を遠隔操作するリモコン装置を備え、
前記リモコン装置は、前記音声入力手段と、前記音声認識手段と、前記コード記憶手段と、前記認識結果処理手段と、前記認識結果処理手段が出力する前記制御コード及び前記特別コードを送信する送信手段と、を有する。

この構成においては、ユーザは、リモコン装置の音声入力手段に音声を発声することになる。

この発明によれば、UNDOコマンドを発声するだけで、容易に1つ前の設定状態に戻ることができる。

以下、本発明の第一の実施形態であるディジタルテレビジョンについて説明する。

図１は、ユーザの命令を誤認識したディジタルテレビジョンに対しユーザがUNDOコマンドを発声している様子を表した概念図である。

ディジタルテレビジョン（D−ＴＶ）１は、映像を表示するＣＲＴ１６Aと、音声を収音するマイクロホン等の音声入力部３０と、を備えている。

D−ＴＶ１は、元のチャンネルが６であり、ユーザ２が音量のアップを命令したにも係わらず、該命令を誤認識し、図１に示すように、チャンネルを８に切替えてしまっている。

そこで、ユーザ２が「ちがう」というUNDOコマンドを発声し、D−ＴＶ１が該UNDOコマンドを受け付けると、D−ＴＶ１は、現在の設定状態（８CH）を１つ前の設定状態（６CH）に戻す。

このように、ユーザ２がUNDOコマンドを発声するだけで、D−ＴＶ１は、容易に1つ前の設定状態に戻る。

図２は、本発明の第一の実施形態であるディジタルテレビジョンの主要な構成を示すブロック図である。

D−ＴＶ１は、D−ＴＶ１全体の制御を行う制御部１１と、テレビ放送信号を処理するチューナ１２と、テレビ放送信号から映像信号と音声信号と電子番組ガイド（EPG）とを分離抽出する映像／音声切換部１３と、所望のＯＳＤを映像信号に重畳するＯＳＤ処理部１４と、映像信号を表示部１６に出力する映像処理部１５と、映像を表示する表示部１６と、音声信号を音声出力部１８に出力する音声処理部１７と、音声を外部に発生する音声出力部１８と、ユーザが音量の調整等を行う操作部１９と、設定状態記憶手段である記憶部２１とを備えている。

さらに、D−ＴＶ１は、音声入力手段である音声入力部３０と、該音声入力部３０で入力された音声から雑音を除去する音響処理部３１と、音声認識手段である音声認識部３２と、認識結果処理手段である認識結果処理部３３と、コード記憶手段である記憶部３４と、を備えている。

制御部１１は、例えばマイクロコンピュータで構成される。

操作部１９に対し、電源のON／OFF、チャンネルの切り替え、音量の調整等の命令（コマンド）が入力されると、操作部１９は、該命令を制御部１１に伝送する。

チューナ１２は、アンテナ２０で受信しているテレビ放送信号から選択されているチャンネルのテレビ放送信号を抽出し、出力する。

映像／音声切換部１３は、チューナ１２から出力されたテレビ放送信号を、映像信号と音声信号と電子番組ガイド（EPG）とに分離抽出し、それぞれの信号をデコードし、出力する。チューナ１２から出力されたテレビ放送信号は、例えばMPEG２で圧縮された信号である。また、この信号には、放送予定の番組について放送開始時間等を示した番組表のデータ、いわゆる電子番組ガイド（EPG）が多重化されている。

映像／音声切換部１３から出力された映像信号は、ＯＳＤ処理部１４を介して、映像処理部１５に入力される。

ＯＳＤ処理部１４は、制御部１１から与えられる制御信号に基づいて、映像信号に文字又は図形を重畳する。

映像処理部１５は、映像／音声切換部１３が出力した映像信号をアナログの映像信号に変換するD／A変換回路を有しており、変換後これを出力する。

表示部１６は映像処理部１５が出力した映像信号を処理してＣＲＴ１６Aで映像を表示する。該映像には、番組の映像の他、図１に示す「８CH」などのOSD画像、又は上記電子番組ガイドも含まれる。

音声処理部１７は、映像／音声切換部１３が出力した音声信号をアナログの音声信号に変換するD／A変換回路を有しており、変換後これを出力する。

音声出力部１８は、音声処理部１７が出力した音声信号を処理して音声を外部に発生する。音声出力部１８は、例えばスピーカである。

D−ＴＶ１の各部には、不図示の電源部から電源が供給されている。この電源部の入力は、商用電源（例えばAC１００V）である。

一方、音声入力部３０は、ユーザが発声した音声を収音可能であり、例えばマイクロホンで構成される。音声入力部３０は、ユーザが発声した音声（以下、「ユーザ音声」と称する）又は周囲の雑音からなる音声が入力されると、該音声を音声信号に変換して音響処理部３１へ出力する。

音響処理部３１は、音声入力部３０から出力された音声信号からノイズキャンセルにより雑音を除去し、音声認識部３２へ出力する。

音声認識部３２は、音響処理部３１から出力された音声信号を用いてユーザ音声の認識を行い、認識したユーザ音声に対応する単語（データ）を認識結果処理部３３へ出力する。

図３は、記憶部３４に記憶されている単語と該単語に対応する制御コードとの対応関係を示す図である。

記憶部３４は、例えばROMで構成される。

記憶部３４は、図３に示すように、単語と該単語に対応する制御コードとの対応関係を表にして記憶している。詳述すると、記憶部３４は、電源のON／OFF、チャンネルの切り替え、又は音量調整等の命令の音声（単語）に予め対応付けされた制御コードを記憶している。さらに、記憶部３４は、該命令を取消すUNDOコマンドの音声（単語）（「ちがう」）に予め対応付けされた特別コードを記憶している。

認識結果処理部３３は、音声認識部３２が出力した単語（データ）に基づいて、記憶部３４に記憶されている表から、該単語に対応する制御コードを抽出し、抽出したコードを出力する。例えば、音声認識部３２が出力した単語が「いっちゃん」であれば、認識結果処理部３３は、制御コード「１１０００００１１１」を抽出して出力する。一方、音声認識部３２が出力した単語が「ちがう」であれば、認識結果処理部３３は、特別コード「０００００００１１１」を抽出して出力する。

なお、この実施形態では、UNDOコマンドを「ちがう」という言葉に設定しているが、音声認識に失敗しにくい簡便な言葉であれば何でも良く、その他、「ちがうよ」でも構わない。

図４は、本発明の第一の実施形態であるディジタルテレビジョンにおいて制御部が行う動作を示すフローチャートである。この動作は、制御部１１が何らかの命令（コマンド）を受け付けた時の動作である。

制御部１１は、認識結果処理部３３が出力する制御コードを受信すると、該制御コードに基づいて命令を実行する前に、該命令実行直前の装置本体１の設定状態を記憶部２１に記録し（ｓ１）、該命令を実行する（ｓ２）。

上記命令実行直前の装置本体１の設定状態とは、その直前時におけるチャンネル設定、及び音量設定である。チャンネル設定には、物理チャンネルの他、仮想チャンネルの番号も含まれる。

次に、制御部１１は、ユーザ２がUNDOコマンドを発声したか否か判定する（ｓ３）。この判定は、認識結果処理部３３から出力される特別コードが受信されるか否かにより判定する。

ユーザ２がUNDOコマンドを発声していないと判定すると、つまり認識結果処理部３３から特別コードが送信されない場合、制御部１１は、何らかの命令（コマンド）が入力されたか否か判定する（ｓ４）。この判定は、認識結果処理部３３から出力される制御コードが受信されるか否かにより判定する。

何の命令（コマンド）も入力されていないと判定すると、つまり認識結果処理部３３から制御コードが送信されない場合、制御部１１は、ｓ３に戻り処理を継続する。

何らかの命令（コマンド）が入力されたと判定すると、つまり認識結果処理部３３から出力される制御コードが受信されると、制御部１１は、ｓ１に戻り処理を継続する。

ｓ３において、ユーザ２がUNDOコマンドを発声したと判定すると、つまり認識結果処理部３３が出力する特別コードを受信すると、制御部１１は、現在の装置本体の設定状態を、記憶部２１が記憶する1つ前の設定状態に戻すUNDO動作を装置本体各部に指示する（ｓ５）。

ｓ２、ｓ３、及びｓ５では、例えば、D−ＴＶ１の元のチャンネルが６であり、ユーザ２が音量のアップを命令したにも係わらず、D−ＴＶ１が該命令を誤認識し、図１に示すように、チャンネルを８に切替えてしまった（ｓ２）場合を想定している。ユーザ２が「ちがう」というUNDOコマンドを発声し、D−ＴＶ１が該UNDOコマンドを受け付けると（ｓ３判定肯定）、D−ＴＶ１は、現在の設定状態（８CH）を１つ前の設定状態（６CH）に戻す（ｓ５）。

以上より、UNDOコマンドを発声するだけで、容易に1つ前の設定状態に戻ることができる。

そして、制御部１１は、何らかの命令（コマンド）が入力されるのを待って（ｓ６）、ｓ１に戻り処理を継続する。

以下、本発明の第二の実施形態である光ディスク装置について説明する。

図５は、ユーザの命令を誤認識した光ディスク装置に対しユーザがUNDOコマンドを発声している様子を表した概念図である。

光ディスク装置５１は、映像を表示するLCD（Liquid Crystal Display）６２Aと、音声を収音するマイクロホン等の音声入力部３０と、を備えている。

光ディスク装置５１の元の設定状態は、トリックプレイの種類が「早送り」であり、命令実行直前に該トリックプレイ（早送り）を行っていた光ディスク（メディア）７０中の位置（以下、単に「位置」という時は、「光ディスク７０中の位置」をいう。）が「第８話 ００：１５：２４」である（後述の図９（１）参照）。

しかし、ユーザ２が再生を命令したにも係わらず、該命令を誤認識し、図１に示すように、巻戻しを実行してしまっている（後述の図９（２）参照）。

そこで、ユーザ２が「ちがう」というUNDOコマンドを発声し、光ディスク装置５１が該UNDOコマンドを受け付けると、光ディスク装置５１は、現在の設定状態（「巻戻し」「第８話 ００：１４：４６」）を１つ前の元の設定状態（「早送り」「第８話 ００：１５：２４」）に戻す（後述の図９（３）参照）。さらに、元のトリックプレイ（「早送り」）を停止する（後述の図９（４）参照）。

このように、ユーザ２がUNDOコマンドを発声するだけで、光ディスク装置５１がご認識した命令を取消すことができ、ユーザ２の意図した位置から再生をすることができる。

図６は、本発明の第二の実施形態である光ディスク装置の主要な構成を示すブロック図である。

光ディスク装置５１は、光ディスク７０にデータの記録や読取を行うピックアップヘッド５２（以下、PUヘッド５２と称する。）と、RFアンプなどの記録再生部５３と、再生または録画キーが設けられている操作部６０と、LCD６２で情報を表示する表示部６２と、設定状態記憶手段である記憶部６１と、を備えている。

さらに、光ディスク装置５１は、音声入力手段である音声入力部３０と、該音声入力部３０で入力された音声から雑音を除去する音響処理部３１と、音声認識手段である音声認識部３２と、認識結果処理手段である認識結果処理部３３と、コード記憶手段である記憶部４４と、を備えている。

上記音声入力部３０、音響処理部３１、音声認識部３２、及び認識結果処理部３３は、図２のD−TV１と同様の構成である。

PUヘッド５２は、図示しないレーザダイオード（ＬＤ）、コリメータレンズ、ビームスプリッタ、対物レンズ、フォトディテクタ、スレッドモータ、２軸のアクチュエータを備えている。

ＰＵヘッド５２は、光ディスク７０の半径方向に延びる軸に移動自在に取り付けられている。スレッドモータが、ＰＵヘッド５２を光ディスク７０の半径方向に移動する。

ＬＤは、レーザ光を出力する光源であり、フォトディテクタは、複数の受光素子で形成されており、光ディスク７０からの反射光を検出する。フォトディテクタは、例えば、受光領域がほぼ均等に４分割されており、４つの受光領域を形成している。

対物レンズは、光ディスク７０に対するレーザ光の照射位置を調節する。また、２軸のアクチュエータは、対物レンズを光ディスク７０に接離する方向、および光ディスク７０の半径方向に移動させる。

ＰＵヘッド５２は、再生時において、光ディスク７０に対して読取パワーのレーザ光を照射し、光ディスク７０からの反射光をフォトディテクタで検出する。これにより、光ディスク７０に記録されている情報を光学的に読み出す。

一方、記録時において、ＰＵヘッド５２は、記録再生部５３からディジタル信号が入力されると、このディジタル信号に応じて記録パワーのレーザ光を制御し、光ディスク７０の記録面に照射する。

記録再生部５３は、再生時において、ＰＵヘッド５２の複数の受光素子の出力に基づいてＲＦ信号を生成し、そのＲＦ信号を増幅する。そして、記録再生部５３は、該ＲＦ信号を処理してＡＶデータを取り出し、デコードする。ここで、取り出されるＡＶデータは、例えばＭＰＥＧでエンコードされている。そして、記録再生部５３は、伸長されたデータをアナログの再生信号に変換し、その再生信号を外部に出力する。

一方、記録時において、記録再生部５３は、ＴＶ放送等のアンテナからＴＶ放送信号を受信して、ディジタル化する。そして、ディジタル化されたＡＶデータを（例えば、ＭＰＥＧで）エンコードし、ディジタル信号をＰＵヘッド５２に与える。

操作部６０は、ユーザ２が光ディスク装置５１に対して各種の命令を入力するためのものである。光ディスク装置５１に対してユーザ２が入力した命令は制御部５４に与えられる。

表示部６２は、時刻、光ディスク装置５１の設定状態（トリックプレイの種類、該トリックプレイを行っている光ディスク７０中の位置）などをLCD６２Aで表示する（図５及び後述の図９参照、）。

制御部５４は、例えばマイクロコンピュータで構成されており、光ディスク装置５１にユーザ２から入力された命令に応じて光ディスク装置５１の各部を制御する。

なお、実際の光ディスク装置では、読取時や記録時に、レーザ光の照射位置を光ディスクのトラックの中心に合わせるトラッキングサーボ制御と、レーザ光の合焦位置を光ディスクの記録面に合わせるフォーカスサーボ制御と、を行っているが、本発明の実施形態では図示を省略している。

図７は、記憶部４４に記憶されている単語と該単語に対応する制御コードとの対応関係を示す図である。

記憶部４４は、例えばROMで構成される。

記憶部４４は、図７に示すように、単語と該単語に対応する制御コードとの対応関係を表にして記憶している。詳述すると、記憶部４４は、電源のON／OFF、再生、又は早送り等の命令の音声（単語）に予め対応付けされた制御コードを記憶している。さらに、記憶部４４は、該命令を取消すUNDOコマンドの音声（単語）に予め対応付けされた特別コードを記憶している。

認識結果処理部３３は、音声認識部３２が出力した単語（データ）に基づいて、記憶部４４に記憶されている表から、該単語に対応する制御コードを抽出して出力する。例えば、音声認識部３２が出力した単語が「さいせい」であれば、認識結果処理部３３は、制御コード「１１１００００１１１」を抽出して出力する。一方、音声認識部３２が出力した単語が「ちがう」であれば、認識結果処理部３３は、特別コード「０００００００１１１」を抽出して出力する。

図８は、本発明の第二の実施形態である光ディスク装置において制御部が行う動作を示すフローチャートである。この動作は、制御部５４が何らかの命令（コマンド）を受け付けた時の動作である。

制御部５４は、認識結果処理部３３が出力する何らかの制御コードを受信すると、該制御コードに基づく命令が停止コマンドであるか否か判断する（ｓ１０１）。この判定は、受信した何らかの制御コードのコードが、停止コマンドを指示する「１１１０１１１１１１」（図７参照）であるか否かにより判定する。

受け付けた命令が停止コマンドであれば、制御部５４は、現在録画中であるか否か判定する（ｓ１１０）。

ｓ１０１判断肯定及びｓ１１０判断肯定では、録画中にユーザ２が停止コマンドを発声した状況を想定している。この状況では、停止コマンドを受け付けても、該コマンドを即実行せず、該コマンドを受け付けた旨を表示しておき（後述のｓ１１１）、一定時間（後述のｓ１１３）バックグラウンドで録画を継続する。そして、該一定時間以内にUNDOコマンドが発声されなければ（後述のｓ１１２判断否定）、録画を停止し（後述のｓ１１４）、該一定時間以内にUNDOコマンドが発声されれば（後述のｓ１１２判断肯定）、停止コマンドを無視する（後述のｓ１１５）。

なお、録画中にユーザ２が停止以外のコマンド、例えば再生を発声した場合、制御部５４は、該コマンドを無視する（後述のｓ１０３参照）。

一方、ｓ１０１及びｓ１１０において、録画以外のトリックプレイ中に、ユーザ２が何らかの命令を発声した場合は、ｓ１０２に進み処理を継続する。

図９は、LCD６２Aに表示されるトリックプレイの種類と該トリックプレイが行われている光ディスク７０中の位置とを示す図である。図９の（１）は、ユーザ２が命令（再生）を発声する前におけるトリックプレイの種類と光ディスク７０中の位置とを示す図である。図９の（２）は、ユーザ２が命令（再生）を発声した（（A）参照）後における、トリックプレイの種類と光ディスク７０中の位置とを示す図である。図９の（３）は、ユーザ２がUNDOコマンドを発声して（（B）参照）、光ディスク装置５１がUNDO動作を行った時における、トリックプレイの種類と光ディスク７０中の位置とを示す図である。図９の（４）は、光ディスク装置５１がUNDO動作を行って、停止を実行した時における、トリックプレイの種類と光ディスク７０中の位置とを示す図である。

ｓ１０１において受け付けた命令が停止コマンドでなければ、又はｓ１１０において現在録画中でなければ、制御部５４は、該命令を実行する前に、該命令実行直前の装置本体５１の設定状態を記憶部６１に記録する（ｓ１０２）。

上記命令実行直前の装置本体５１の設定状態とは、その直前時におけるトリックプレイ（以下、TPと称する）の種類、及びその時に該TPを行っている光ディスク７０中の位置である。TPとは、例えば再生、スロー再生、早送り、巻き戻し、一時停止、停止である。位置は、光ディスク７０に対しアクセスしている位置をいう。詳述すると、光ディスク７０に対しレーザ光を照射している位置、又は光ディスク７０の記録面とレーザ光の光軸が交わる位置であり、例えば図９の（１）に示すように、LCD６２Aに表示されている「パンダマン第８話 ００：１５：２４」である。

ｓ１０２では、例えば、上記命令実行直前の装置本体５１の設定状態が図９の（１）に示すような設定状態（「早送り」「パンダマン第８話 ００：１５：２４」）を想定している。この場合、制御部５４は、設定状態である「早送り」と「パンダマン第８話 ００：１５：２４」とを記憶部６１に記録する（ｓ１０２）。

次に、制御部５４は、受け付けた上記命令を実行する（ｓ１０３）。

なお、録画中にユーザ２が停止以外のコマンド、例えば再生を発声した場合、制御部５４は、該コマンドを無視する（ｓ１０３）。

ｓ１０３では、例えば、ユーザ２が命令（再生）を発声した（図９（A）参照）にも係わらず、光ディスク装置５１（音声認識部３２）が音声認識に失敗して、制御部５４により巻戻しが実行された（ｓ１０３）場合を想定している。この場合、装置本体５１の設定状態は、例えば、図９の（１）に示すような設定状態（「早送り」「パンダマン第８話 ００：１５：２４」）から、図９（２）に示すような設定状態（「巻戻し」と「パンダマン第８話 ００：１４：４６」）となる。

次に、制御部５４は、ユーザ２がUNDOコマンドを発声したか否か判定する（ｓ１０４）。この判定は、認識結果処理部３３から出力される特別コードが受信されるか否かにより判定する。

ユーザ２がUNDOコマンドを発声していないと判定すると、つまり認識結果処理部３３から特別コードが送信されない場合、制御部５４は、何らかの命令（コマンド）が入力されたか否か判定する（ｓ１０５）。この判定は、認識結果処理部３３から出力される制御コードが受信されるか否かにより判定する。

何の命令（コマンド）も入力されていないと判定すると、つまり認識結果処理部３３から制御コードが送信されない場合、制御部５４は、ｓ１０４に戻り処理を継続する。

何らかの命令（コマンド）が入力されたと判定すると、つまり認識結果処理部３３から出力される制御コードが受信されると、制御部５４は、ｓ１０１に戻り処理を継続する。

ｓ１０４において、ユーザ２がUNDOコマンドを発声したと判定すると、つまり認識結果処理部３３が出力する特別コードを受信すると、制御部５４は、現在の装置本体の設定状態を、記憶部６１が記憶する1つ前の設定状態に戻すUNDO動作を装置本体各部に指示する（ｓ１０６）。

ここでは、ユーザ２が「ちがう」というUNDOコマンドを発声し、光ディスク装置５１が該UNDOコマンドを受け付け（ｓ１０４判定肯定）、光ディスク装置５１が、現在の設定状態を１つ前の設定状態に戻す（ｓ１０６）場合を想定している。この場合、装置本体５１の設定状態は、例えば、図９（２）に示すような設定状態（「巻戻し」と「パンダマン第８話 ００：１４：４６」）から、図９（３）に示すような１つ前の設定状態（「早送り」と「パンダマン第８話 ００：１５：２４」）となる。

しかし、UNDO動作後の設定状態（「早送り」と「パンダマン第８話 ００：１５：２４」）では、早送りが実行されることにより、UNDO動作直後、アクセスしている位置が変化してしまう。早送りがされている時にユーザ２が何らかの命令をしたということは、ユーザ２は、早送りを中止して、その中止した位置で何らかのTP、例えば再生、スロー再生、停止、又は一時停止を行いたいと意図している可能性が高い。にも係わらず、位置が変化してしまっては、ユーザ２の意図した位置から再生等をすることができない。

そこで、制御部５４に後述のｓ１０７及びｓ１０８の処理を行わせる。

まず、制御部５４は、記憶部６１に記憶されているTPの種類が再生、スロー再生、早送り、又は巻戻しのようにアクセスしている光ディスク７０中の位置を変化させるものであるか否か判定する（ｓ１０７）。

そして、TPの種類が再生、スロー再生、早送り、又は巻戻しのようにアクセスしている光ディスク７０中の位置を変化させるものであれば、制御部１１は、「停止」を装置本体各部に指示し（ｓ１０８）、何らかの命令（コマンド）が入力されるのを待って（ｓ１０９）、ｓ１０１に戻り処理を継続する。

ｓ１０８において、装置本体５１の設定状態は、例えば、図９（３）に示すような１つ前の設定状態（「早送り」と「パンダマン第８話 ００：１５：２４」）から、図９（４）に示すような設定状態（「停止」と「パンダマン第８話 ００：１５：２４」）となる。

以上より、UNDO動作の後、アクセスしている位置が変化しなくなり、ユーザ２の意図した位置から再生等をすることができる。

ｓ１０７において、光ディスク７０中の位置を変化させるものでない、つまりTPの種類が停止、又は一時停止であると判定すれば、制御部１１は、何らかの命令（コマンド）が入力されるのを待って（ｓ１０９）、ｓ１０１に戻り処理を継続する。

なお、光ディスク装置５１に書換え型の光ディスク７０がセットされており、ｓ１０３において光ディスク装置５１が命令を誤認識し、録画を実行した場合について述べる。この場合、ユーザ２がUNDOコマンドを発声すると（ｓ１０５判定肯定）、元の設定状態に戻すため、録画を停止して元のTPを実行し、光ディスク７０から録画してしまったコンテンツを消去する（ｓ１０６）。

一方、ｓ１１０において、現在録画中であると判定すれば、制御部５４は、LCD６２Aで録画停止を受け付けた旨を表示する（ｓ１１１）。録画停止を受け付けた旨は、「録画の停止を受け付けました。数秒後に実行します。」や「今から録画の停止を行います」などの表示にすると良い。

制御部５４は、ユーザ２がUNDOコマンドを発声したか否か判定する（ｓ１１２）。この判定は、ｓ１０４と同様の手法により判定する。ｓ１１２では、録画停止を受け付けた旨の表示を見たユーザ２が、該録画停止命令を取消すためにUNDOコマンドを発声する場面、又は録画停止を意図しているためUNDOコマンドを発声しない場面を想定している。

UNDOコマンドを発声していないと判定すると、制御部５４は、LCD６２Aで録画停止を受け付けた旨を表示してから一定時間が経過したか否か判定する（ｓ１１３）。一定時間は、ユーザ２が録画停止を受け付けた旨を見てUNDOコマンドを発声するのに十分な時間に予め設定する。一定時間は、例えば１０秒である。

一定時間が経過していないと判定すると、制御部５４は、ｓ１１２に戻り処理を継続する。

一方、一定時間が経過していると判定すると、制御部５４は、上記停止コマンドを実行し（ｓ１１４）、何らかの命令（コマンド）が入力されるのを待って（ｓ１０９）、ｓ１０１に戻り処理を継続する。

ｓ１１２において、UNDOコマンドを発声していると判定すると、制御部５４は、上記停止コマンドを無視し（ｓ１１５）、何らかの命令（コマンド）が入力されるのを待って（ｓ１０９）、ｓ１０１に戻り処理を継続する。

なお、この実施形態では、音声認識機能付きAV機器を代表して、光ディスク装置５１について説明したが、音声認識機能付きハードディスクレコーダも光ディスク装置５１と同様、図８の動作を行い、同様の効果を奏する。

以下、本発明の第三の実施形態であるディジタルテレビジョンについて説明する。

図１０は、本発明の第三の実施形態であるディジタルテレビジョンの外観図、図１１は、同ディジタルテレビジョンの主要な構成を示すブロック図である。

図１０及び図１１のD−TV１０１が、図２のD−TV１と構成において相違する点は、音声入力部３０を筐体外部に設けた点である。

図１０及び図１１のD−TV１０１の動作は、図２のD−TV１と共通する。

以下、本発明の第四の実施形態であるディジタルテレビジョンについて説明する。

図１２は、本発明の第四の実施形態であるディジタルテレビジョンの外観図、図１１は、同ディジタルテレビジョンの主要な構成を示すブロック図である。

図１２及び図１３のD−TV２０１が、図２のD−TV１と構成において相違する点は、D−TV２０１を遠隔制御するリモコン装置１００と、該リモコン装置１００（送信部３５）からの制御コード又は特別コードを受信する受信部２３と、を設けた点である。

リモコン装置１００は、音声入力部３０と、音響処理部３１と、音声認識部３２と、認識結果処理部３３と、記憶部３４と、該認識結果処理部３３が出力する制御コード及び特別コードを送信する送信部３５と、を有する。

この実施形態においては、ユーザ２は、リモコン装置１００の音声入力部３０に音声を発声することになる。

ここで、D−TV２０１およびリモコン装置１００が、本発明の「音声認識機能付きAV機器」に相当する。

図１２及び図１３のD−TV２０１の動作は、図２のD−TV１と共通する。

ユーザの命令を誤認識したディジタルテレビジョンに対しユーザがUNDOコマンドを発声している様子を表した概念図 本発明の第一の実施形態であるディジタルテレビジョンの主要な構成を示すブロック図 記憶部３４に記憶されている単語と該単語に対応する制御コードとの対応関係を示す図 本発明の第一の実施形態であるディジタルテレビジョンにおいて制御部が行う動作を示すフローチャート ユーザの命令を誤認識した光ディスク装置に対しユーザがUNDOコマンドを発声している様子を表した概念図 本発明の第二の実施形態である光ディスク装置の主要な構成を示すブロック図 記憶部４４に記憶されている単語と該単語に対応する制御コードとの対応関係を示す図 本発明の第二の実施形態である光ディスク装置において制御部が行う動作を示すフローチャート LCD６２Aに表示されるトリックプレイの種類と該トリックプレイが行われている光ディスク７０中の位置とを示す図 本発明の第三の実施形態であるディジタルテレビジョンの外観図 本発明の第三の実施形態であるディジタルテレビジョンの主要な構成を示すブロック図 本発明の第四の実施形態であるディジタルテレビジョンの外観図 本発明の第四の実施形態であるディジタルテレビジョンの主要な構成を示すブロック図

符号の説明

１−ディジタルテレビジョン
２−ユーザ
１１−制御部
１２−チューナ
１３−映像／音声切替部
１４−OSD処理部
１５−映像処理部
１６−表示部
１７−音声処理部
１８−音声出力部
１９−操作部
２０−アンテナ
２１−記憶部
２３−受信部
３０−音声入力部
３１−音響処理部
３２−音声認識部
３３−認識結果処理部
３４−記憶部
３５−送信部
４４−記憶部
５１−光ディスク装置
５２−ピックアップ
５３−記録再生部
５４−制御部
６０−操作部
６１−記憶部
６２−表示部
７０−光ディスク
１００−リモコン装置
１０１−ディジタルテレビジョン
２０１−ディジタルテレビジョン

Claims (5)

1. ユーザが発声した音声が入力される音声入力手段と、
   前記音声入力手段から入力された前記音声を認識する音声認識手段と、を備えた音声認識機能付きAV機器において、
   装置本体を制御する命令の音声に予め対応付けされた制御コードと、該命令を取消すUNDOコマンドの音声に予め対応付けされた特別コードと、を記憶するコード記憶手段と、
   前記音声認識手段が認識した前記音声に対応する前記制御コード又は前記特別コードを前記コード記憶手段から抽出し、該制御コード又は該特別コードを出力する認識結果処理手段と、
   前記認識結果処理手段が出力する前記制御コードを受信すると、該制御コードに基づいて、命令を実行するための動作を装置本体各部に指示する制御手段と、
   装置本体の設定状態を記憶する設定状態記憶手段と、を備え、
   前記制御手段は、命令を実行する前に、その時の装置本体の設定状態を命令実行前設定状態として前記設定状態記憶手段に記録し、該命令実行後に前記認識結果処理手段が出力する前記特別コードを受信すると、現在の装置本体の設定状態を、前記設定状態記憶手段が記憶する前記命令実行前設定状態に戻すためのUNDO動作を装置本体各部に指示し、
   前記音声認識機能付きAV機器は、音声認識機能付き光ディスク装置又は音声認識機能付きハードディスクレコーダであり、
   前記制御手段は、命令を実行する前に、その時のチャンネル設定、その時の音量設定、その時のトリックプレイの種類、又はその時に該トリックプレイを行っているメディア中の位置を、前記命令実行前設定状態として前記設定状態記憶手段に記録し、
   前記制御手段は、UNDO動作を装置本体各部に指示した後のトリックプレイの種類が、再生、早送り、又は巻戻し等のアクセスしているメディア中の位置を変化させるものであれば、該トリックプレイの停止を装置本体各部に指示し、
   装置本体を遠隔操作するリモコン装置を備え、
   前記リモコン装置は、前記音声入力手段と、前記音声認識手段と、前記コード記憶手段と、前記認識結果処理手段と、前記認識結果処理手段が出力する前記制御コード及び前記特別コードを送信する送信手段と、を有する音声認識機能付きAV機器。
2. ユーザが発声した音声が入力される音声入力手段と、
   前記音声入力手段から入力された前記音声を認識する音声認識手段と、を備えた音声認識機能付きAV機器において、
   装置本体を制御する命令の音声に予め対応付けされた制御コードと、該命令を取消すUNDOコマンドの音声に予め対応付けされた特別コードと、を記憶するコード記憶手段と、
   前記音声認識手段が認識した前記音声に対応する前記制御コード又は前記特別コードを前記コード記憶手段から抽出し、該制御コード又は該特別コードを出力する認識結果処理手段と、
   前記認識結果処理手段が出力する前記制御コードを受信すると、該制御コードに基づいて、命令を実行するための動作を装置本体各部に指示する制御手段と、
   装置本体の設定状態を記憶する設定状態記憶手段と、を備え、
   前記制御手段は、命令を実行する前に、その時の装置本体の設定状態を命令実行前設定状態として前記設定状態記憶手段に記録し、該命令実行後に前記認識結果処理手段が出力する前記特別コードを受信すると、現在の装置本体の設定状態を、前記設定状態記憶手段が記憶する前記命令実行前設定状態に戻すためのUNDO動作を装置本体各部に指示し、
   前記制御手段は、UNDO動作を装置本体各部に指示した後のトリックプレイの種類が、再生、早送り、又は巻戻し等のアクセスしているメディア中の位置を変化させるものであれば、該トリックプレイの停止を装置本体各部に指示する音声認識機能付きAV機器。
3. 前記音声認識機能付きAV機器は、音声認識機能付き光ディスク装置又は音声認識機能付きハードディスクレコーダである請求項２に記載の音声認識機能付きAV機器。
4. 前記制御手段は、命令を実行する前に、その時のチャンネル設定、その時の音量設定、その時のトリックプレイの種類、又はその時に該トリックプレイを行っているメディア中の位置を、前記命令実行前設定状態として前記設定状態記憶手段に記録する請求項２または３に記載の音声認識機能付きAV機器。
5. 装置本体を遠隔操作するリモコン装置を備え、
   前記リモコン装置は、前記音声入力手段と、前記音声認識手段と、前記コード記憶手段と、前記認識結果処理手段と、前記認識結果処理手段が出力する前記制御コード及び前記特別コードを送信する送信手段と、を有する請求項２から４のいずれかに記載の音声認識機能付きAV機器。

Images