JP4930486B2 - 音声認識システム及びナビゲーション装置 - Google Patents

Description

本発明は、ナビゲーションシステムにおける地名や住所の音声入力に用いられる音声認識技術に関する。

従来、車載用のナビゲーション装置では、ユーザによる操作の負担を軽減して走行中の安全性を確保するための手段として、音声認識技術を利用した音声操作が利用されている。例えば、ナビゲーション装置において設定すべき目的地を、ユーザが住所や地名、施設名を音声で入力するために用いられる。

また、携帯電話や通信モジュール等を利用して、ナビゲーション装置からセンタサーバに接続して、互いに情報の送受信をするサービスも実用化している。
これらの技術を組み合わせることで、ナビゲーション装置からセンタサーバへユーザの音声データを送信し、センタサーバ側でその音声データに基づく音声認識を実行して、その認識結果をナビゲーション装置へ返信する技術も提案されている（例えば、特許文献１参照）。
特開２００５−９１６１１号公報

ところで、一般的なナビゲーション装置では、地図データに格納されている住所データに基づいて、住所検索や目的地の設定を行う機能を備えている。また、ナビゲーション装置に用いられる地図データの更新は定期的に行われている。地図の更新データは例えば年１回程度の頻度で発行されており、この更新データをナビゲーション装置に適用することで、最新バージョンの地図データを利用可能になる。

一方、昨今では、市町村合併に伴い市町村名等の地名が頻繁に変更されている。しかしながら、ナビゲーション装置で用いられる地図データにおいては、次の更新時期に最新バージョンの地図データが発行されるまで、その変更された地名は反映されない。また、新しいバージョンの地図データがリリースされたとしても、ユーザがそれを即座にナビゲーション装置に適用するとは限らない。

したがって、最新バージョンの地図データが発行され、それをナビゲーション装置に適用するまでの間、変更された最新の住所に基づく住所検索や目的地の設定をすることができず、ユーザは不便を強いられる。

あるいは、地名の変更を把握していないユーザにとっては、最新の地図データがナビゲーション装置に適用されることで、変更前の古い地名を用いて住所検索や目的地の設定をすることができなくなるといった不便が生じることも考えられる。

特に、住所検索に用いる地名や目的地を音声で入力する場合、新しい地名が地図データに反映されているか否かをユーザが把握した上で、検索対象の住所や地名を発話することは困難である。つまり、地名の変遷と地図データのバージョンの変遷との対応関係をユーザが知らなければ、現行の地図データに未だ反映されていない新しい地名を発話してしまう可能性がある。その結果、地名の音声認識が正しくなされず、検索対象の地名や目的地を正しく設定できないとった不便が生じることが考えられる。

あるいは、最新バージョンの地図データが適用されたナビゲーションシステムにおいて、そのバージョンの地図データにおいて既に廃止された古い地名を発話してしまい、その結果、地名の音声認識が正しくなされず、検索対象の地名や目的地を正しく設定できないことも考えられる。

本発明は、上記問題を解決するためになされており、ナビゲーションシステムにおいて、地名の変遷と地図データのバージョンの変遷との対応関係に関わらず、地名の音声認識を適切に行うことができる技術を提供することを目的とする。

上記目的を達成するためになされた請求項１に記載の音声認識システムは、ナビゲーション装置とサーバ装置とが互いにデータ通信可能に構成されている。
このうち、ナビゲーション装置は、地図データを格納する地図記憶手段と、地図記憶手段に格納されている地図データ内の地名関連情報を音声認識で特定するための比較対象パターンを有する音声認識辞書を記憶する辞書手段と、発話者の音声を入力する音声入力手段と、認識手段と、端末側送信手段と、端末側受信手段と、検索手段とを備える。

認識手段は、音声入力手段を介して入力された音声データを音声認識辞書の比較対象パターンに照合して地名関連情報の音声認識を行う。端末側送信手段は、認識手段において音声入力手段から入力された音声データに適合するパターンが存在せず、地名関連情報の音声認識ができなかった場合、その入力された音声データと、地図記憶手段に格納されている地図データのバージョンを示すバージョン情報とを、サーバ装置へ送信する。端末側受信手段は、端末側送信手段によって送信した音声データ及びバージョン情報に対する応答として、サーバ装置から送信されてくる認識結果を受信する。検索手段は、認識手段において地名関連情報の音声認識が成功した場合、その音声認識された地名関連情報に関するデータを地図記憶手段に格納されている地図データから検索する一方、認識手段において地名関連情報の音声認識ができなかった場合、端末側受信手段によってサーバ装置から受信した認識結果で示される地名関連情報に関するデータを地図データから検索する。

一方、サーバ装置は、それぞれバージョンの異なる複数の地図データと、各バージョンの地図データにそれぞれ対応する複数の音声認識辞書とを格納するデータベースと、サーバ側受信手段と、サーバ側認識手段と、変換手段と、サーバ側送信手段とを備える。

サーバ側受信手段は、ナビゲーション装置から音声データ及びバージョン情報を受信する。サーバ側認識手段は、データベースに格納されている複数の音声認識辞書の中から比較対象の音声認識辞書を順次選択し、サーバ側受信手段によって受信した音声データを、当該選択した比較対象の音声認識辞書の比較対象パターンに照合して地名関連情報の音声認識を行う。変換手段は、サーバ側認識手段による音声認識において地名関連情報の認識に成功した際に使用した音声認識辞書に対応する地図データと、サーバ側受信手段によって受信したバージョン情報に該当する地図データとの比較に基づき、サーバ側認識手段による地名関連情報の認識結果を、サーバ側受信手段によって受信したバージョン情報に該当する地図データに適合する地名関連情報の認識結果に変換する。サーバ側送信手段は、変換手段によって変換された認識結果を、当該音声データ及びバージョン情報の送信元であるナビゲーション装置へ送信する。なお、サーバ装置のデータベースには、最新バージョンの地図データ及び音声認識辞書を含む、新旧併せてなるべく多くのバージョンの地図データ及び音声認識辞書を格納しておくのが望ましい。

このように構成された音声認識システムによれば、ユーザが入力した音声データに基づき、ナビゲーション装置側の地図データに対応する音声認識辞書によって該当の地名関連情報を認識できなかった場合、サーバ装置側で、バージョンの異なる地図データの音声認識辞書から該当の地名関連情報を認識できる。すなわち、ユーザが発話した地名関連情報が、ナビゲーション装置が保有する地図データの音声認識辞書に未収録の新しい地名のものであったり、既に廃止された古い地名のものであっても、サーバ側で保有している新旧複数のバージョンの地図データに対応する音声認識辞書によって地名関連情報を認識できるのである。

そして、サーバ装置による認識結果を、要求元のナビゲーション装置に搭載されている地図データのバージョンに適合する認識結果に変換して、ナビゲーション装置へ返信することで、ナビゲーション装置側では、その変換された認識結果を用いて、自身が保有する地図データから地名関連情報に関するデータを検索できるようになる。

このようにすることで、ユーザは、地名の変遷と地図データのバージョンの変遷との対応関係を意識することなく、ナビゲーション装置に対して地名関連情報の音声入力を行うことができるので便利である。

つぎに、請求項２に記載の音声認識システムは、以下のような特徴を有する。
サーバ装置では、サーバ側認識手段による音声認識において地名関連情報の認識に成功した際に使用した音声認識辞書における当該音声データに適合した比較対象パターンに、変換手段によって変換された認識結果の地名関連情報を対応付けた変換辞書を生成する変換辞書生成手段を更に備える。そして、サーバ側送信手段は、更に、変換辞書生成手段によって作成された変換辞書を、当該音声データ及びバージョン情報の送信元であるナビゲーション装置へ送信する。

一方、ナビゲーション装置では、端末側受信手段は、更に、サーバ装置から送信されてくる変換辞書を受信する。また、この端末側受信手段によって受信した変換辞書を記憶する変換辞書記憶手段を更に備える。そして、認識手段は、辞書手段に記憶されている音声認識辞書と、変換辞書記憶手段に記憶されている変換辞書とを併用して音声認識を行い、変換辞書記憶手段に記憶されている変換辞書の比較対象パターンに適合する音声データに対しては、その変換辞書の比較対象パターンに対応付けられている地名関連情報を認識結果とする。

このように構成することで、サーバ装置側で地名関連情報の音声認識を行った際に作成した変換辞書をナビゲーション装置が音声認識に用いることで、ナビゲーション装置側で地図データを更新することなく、同様の地名関連情報の音声認識をナビゲーション装置で行えるようになる。つまり、サーバ装置から変換辞書を受信しておけば、次回からは、同様の音声認識をサーバ装置との通信を行うことなく成功できるようになり、音声認識に係る処理負荷や通信コストを低減できる。

つぎに、請求項３に記載の音声認識システムは、以下のような特徴を有する。サーバ装置では、サーバ側送信手段は、更に、サーバ側認識手段による音声認識において地名関連情報の認識に成功した際に使用した音声認識辞書に対応する地図データのバージョンを示すバージョン情報を、当該音声データ及びバージョン情報の送信元であるナビゲーション装置へ送信する。

一方、ナビゲーション装置では、端末側受信手段は、更に、サーバ装置から送信されてくるバージョン情報を受信する。そして、端末側受信手段によって受信したバージョン情報と、地図記憶手段に格納されている地図データのバーションとの差異に関する情報をユーザに対して報知する報知手段を更に備える。

報知手段による具体的な報知内容としては、例えば、ユーザにより音声入力された地名関連情報に対する認識結果が、ナビゲーション装置に搭載された地図データよりも新しい（古い）バージョンの地図データを基づくものである旨を通知するものであったり、音声認識の結果がナビゲーション装置に搭載された地図データよりもバージョンの新しい地図データに該当するものであれば、最新バージョンの地図データへの更新を促す旨のものであってもよい。

このように構成することで、地名の変遷と地図データのバージョンの変遷との対応関係をユーザが把握することができ、それを基に、ナビゲーション装置の地図データを更新したり、あるいは、既に廃止された地名を現行の地名へと言い直したりといった具合に、適切な対応をとることができる。

なお、サーバ装置が複数のバージョンの音声認識辞書の中から、音声データの照合を行う場合、請求項４に記載のように、サーバ側受信手段によって受信したバージョン情報と同一のバージョンの音声認識辞書を最初に用いるようにするとよい。すなわち、サーバ装置側でも、最初にナビゲーション装置側の音声認識辞書と同じバージョンの音声認識辞書から音声認識を行うのである。

一般的に、車載用あるいは携帯用のナビゲーション装置に用いられる情報処理装置と、センタに配置されるサーバ装置に用いられる情報処理装置とでは、サーバ装置の方が高い処理能力を有することが多い。したがって、ノイズ等の多い音声データに基づいて音声認識を行う場合、ナビゲーション装置側の情報処理装置では音声認識に失敗したとしても、より高性能なサーバ装置では、同じ音声認識辞書を使って音声認識に成功する可能性もある。したがって、ナビゲーション装置側で音声認識に失敗した場合、まず、より高性能なサーバ装置に同じバージョンの音声認識辞書で音声認識を代行させることで、ナビゲーション装置側と同じバージョンの音声認識辞書から認識結果を得られる可能性が高まり、好適である。

つぎに、請求項５に記載のナビゲーション装置によれば、請求項１〜４に記載の音声認識システと同様の効果を奏する。なお、このようなナビゲーション装置は、車両に搭載されるものであってもよいし、ユーザに携帯されるものであってもよい。

以下、本発明の一実施形態を図面に基づいて説明する。
［音声認識システムの構成の説明］
図１は、実施形態の音声認識システムの概略構成を示すブロック図である。実施形態の音声認識システムは、車両に搭載されるナビゲーション装置１と、このナビゲーション装置１と電話回線網４を介して通信可能な情報センタ５とからなる。

図１に示すように、ナビゲーション装置１は、車両の現在位置を検出する位置検出器２１と、ユーザからの各種指示を入力するための操作スイッチ群２２と、地図データやプログラム等の各種データを記憶する外部記憶装置であるハードディスクドライブ（以下、ＨＤＤ）２３と、各種情報を記憶するための外部メモリ２４と、地図表示画面等の各種表示を行うための表示装置２５と、音声コントローラ２６と、スピーカ２７と、音声認識部２８と、マイク２９と、電話回線網４を介して情報センタ５との間で無線通信を行うための通信装置３０と、制御部３１とを備える。

位置検出器２１は、ＧＰＳ（Global Positioning System）用の人工衛星からの送信信号をＧＰＳアンテナを介して受信し、車両の位置や高度を検出するＧＰＳ受信機２１ａと、車両に加えられる回転運動の角速度に応じた検出信号を出力するジャイロスコープ２１ｂと、車両の速度に応じた検出信号を出力する車速センサ２１ｃとを備えている。そして、これらの各センサ２１ａ〜２１ｃは、各々がそれぞれ性質の異なる誤差を有しているため、互いに補完しながら使用するように構成されている。

操作スイッチ群２２は、表示装置２５の表示画面上に一体に設置させるタッチパネル及び表示装置２５の周囲に設けられたメカニカルなキースイッチ等によって構成される。
ＨＤＤ２３は、制御部３１からの制御に基づいて記憶媒体であるハードディスクからデータを読み出し、これを制御部３１へ入力する。このＨＤＤ２３が記憶しているデータは、地図データ、位置検出精度向上のためのマップマッチングデータ、経路案内用データ、ナビゲーション装置１の作動のためのプログラム等である。なお、地図画像表示や、住所による地点情報の検索、目的地までの経路計算等に用いられる地図データには、その地図データの発行元による改訂の版（バージョン）を示すバージョン情報（例えば、Ver.○○）が記録されている。

外部メモリ２４は、例えば電気的に書き換え可能な不揮発性の半導体メモリ等が用いられ、ナビゲーション装置１における各種処理に用いられるデータ等を記憶する。表示装置２５は、液晶ディスプレイ等の表示面を有するカラー表示装置であり、制御部３１からの映像信号の入力に応じて各種画像を表示面に表示可能である。例えば、ナビゲーション画面として、地図データに基づく地図画像と、位置検出器２１にて検出した車両の現在位置を示すマークと、更に地図上に表示する誘導経路や地名、目印等の付加情報とを重ねて表示することができる。また、複数の選択肢を表示するメニュー画面や、その選択肢を選んだ場合に、更に複数の選択肢を表示するコマンド入力画面等も表示することができる。

音声認識部２８は、上記操作スイッチ群２２が手動操作により各種コマンド入力のために用いられるのに対して、利用者が音声で入力することによっても同じように各種コマンドを入力できるようにするための装置である。この音声認識部２８は、マイク２９を介して入力されたユーザの発話音声と、内部に記憶する音声認識辞書中の語彙データ（比較対象パターン）とを照合し、最も一致度の高い語彙データで示される単語を認識結果として音声コントローラ２６へ入力する。

なお、音声認識部２８は、地図データ内の住所データをユーザからの住所地名の発話音声によって検索する処理に用いる音声認識辞書として、ＨＤＤ２３内に格納されている地図データのバージョンと対応するバージョンの住所認識用の音声認識辞書を格納している。この住所認識用の音声認識辞書は、対応するバージョンの地図データ内に含まれる住所地名の語彙に対応する比較対象パターンを記録したものである。すなわち、本実施形態の音声認識システムでは、地図データの１バージョンにつき、それに１対１で対応する住所認識用の音声認識辞書を用いて住所地名の音声認識が行われる。

音声コントローラ２６は、音声認識部２８における認識結果に基づき、音声入力を行ったユーザに対してスピーカ２７を介して応答音声を出力する処理や、ナビゲーションシステム自体の処理を実行する制御部３１に対して、例えば経路案内処理や住所検索のために必要な目的地や住所、コマンド等を通知して、目的地の設定や住所の検索、コマンドを実行させるように指示する処理を行う。

通信装置３０は、設定された通信先情報によって特定される通信先とのデータ通信を行うためのものであり、例えば携帯電話等のナビゲーション装置１に着脱可能な移動体通信機や、ナビゲーション装置１に直接組み込まれる通信モジュール等が用いられる。通信装置３０は、無線基地局４１及び電話局４２からなる電話回線網４を介して情報センタ５との間でデータ通信を行う。

制御部３１は、ＣＰＵ，ＲＯＭ，ＲＡＭ，Ｉ／Ｏ及びこれらの構成を接続するバスライン等からなる周知のコンピュータを中心に構成に構成されており、上述した各部構成を制御する。この制御部３１は、ＲＯＭやＨＤＤ２３から読み出したプログラムに従って各種処理を実行する。

例えば、ナビゲーション関係の処理としては、地図表示処理や経路案内処理等が上げられる。地図表示処理は、位置検出器２１からの各種検出信号に基づいて座標及び進行方向の組として車両の現在位置を算出し、ＨＤＤ２３から読み込んだ現在位置付近の地図等を表示する処理である。また、経路案内処理は、ＨＤＤ２３に格納されている地図データと、ユーザから手動又は音声により指定された目的地とに基づいて、現在位置から目的地までの最適経路を算出し、その算出した経路に対する走行案内を行う処理である。このように、自動的に最適な経路を計算する手法として、ダイクストラ法によるコスト計算等の手法が知られている。

また、音声認識関係の処理としては、音声認識部２８による認識結果に基づいて音声コントローラ２６から入力される各種指示に基づき、ユーザの発話に対する所定の処理を実行する。ユーザが音声で入力することで実行される処理の一例として、表示中の地図の縮尺を変更する処理、メニュー画面やコマンド画面を呼び出し、その画面内の選択肢やコマンドを選択指示する処理、経路案内の目的地となる地名や住所を入力する処理、経路探索の実行を指示する処理、経路案内の開始を指示する処理、地図上に表示された現在位置を修正する処理、表示画面を変更する処理、音声出力の音量を調整する処理等が挙げられる。

さらに、制御部３１は、本発明における特徴的な処理として、ユーザから入力された住所地名の発話音声に対する音声認識に失敗した場合、その音声データと地図データのバージョン情報とを情報センタ５へ送信し、情報センタ５から返信された認識結果で示される住所地名に基づき、その住所地名に該当の住所データを検索する処理を行う。なお、この処理に関する詳細な説明については後述する。

一方、情報センタ５は、回線端末装置５１と、サーバ５２と、データベース５３とを備えている。
回線端末装置５１は、電話回線網４を介してナビゲーション装置１との間でデータ通信を行うための装置である。

サーバ５２は、適宜な処理能力を有する情報処理装置からなるサーバ装置であり、ナビゲーション装置１から送信されてくる音声データに対して、データベース５３に格納されている音声認識辞書を用いて音声認識を行い、その認識結果を回線端末装置５１を介して当該音声データの要求元であるナビゲーション装置１へ返信する処理を実行する。

データベース５３には、初版から最新版までの全バージョンの地図データ及び、その全バージョンの地図データにそれぞれ対応する住所認識用の音声認識辞書が格納されている。当然ながら、このデータベース５３には、ナビゲーション装置１が保有する地図データ及びその地図データに対応する住所認識用の音声認識辞書と同一のバージョンの地図データ及び音声認識辞書も格納されている。

［住所音声認識処理の説明］
本実施形態の音声認識システムにおけるナビゲーション装置１と情報センタ５とが連携して行う住所音声認識処理について、図２のフローチャートを参照して説明する。図２の左側のフローチャートは、ナビゲーション装置１の制御部３１が実行する処理の手順を示しており、右側のフローチャートは情報センタ５のサーバ５２が実行する処理の手順を示している。

まず、ナビゲーション装置１側において、マイク２９を介してユーザから住所地名の発話音声が入力される（Ｓ１０１）。そして、音声認識部２８によってユーザから入力された住所地名の発話音声の音声データに対する音声認識を実行する（Ｓ１０２）。そして、音声コントローラ２６から入力された音声認識部２８による認識結果に基づき、当該音声データの音声認識が成功したか否かを判定する（Ｓ１０３）。ここで、音声認識部２８による当該音声データの音声認識に成功したと判定した場合（Ｓ１０３：ＹＥＳ）、Ｓ１０６の処理へ移行する。

一方、Ｓ１０３で、音声認識部２８において住所地名の音声認識ができなかったと判定した場合（Ｓ１０３：ＮＯ）、通信装置３０によって情報センタ５のサーバ５２に対して通信接続を行う（Ｓ１０４）。サーバ５２に通信接続した後、音声認識できなかった音声データ及び、ＨＤＤ２３に格納されている地図データのバージョンを示すバージョン情報を、サーバ５２に対して送信する（Ｓ１０５）。

ここで、音声認識部２８においてユーザから入力された音声データに該当する住所地名の音声認識ができない原因としては、次のようなものが考えられる。まず、入力された音声データ自体が不明瞭であったり、ノイズの影響等により発話内容を正常に認識できない場合が挙げられる。さらに、発話内容自体が正常であっても、ユーザの発話した住所地名が、ナビゲーション装置１のＨＤＤ２３に格納されている地図データのバージョンには収録されていない場合等が挙げられる。

後者の場合、例えば市町村合併等に伴い改名された新しい地名が地図データに反映されているか否かをユーザが把握した上で、検索対象の住所や地名を発話することは難しい。つまり、地名の変遷と地図データのバージョンの変遷との対応関係をユーザが知らなければ、ナビゲーション装置１が保有する地図データに未だ反映されていない新しい地名を発話してしまう可能性がある。あるいは、ナビゲーション装置１が最新バージョンの地図データを保有している場合、そのバージョンの地図データでは既に廃止された古い地名を発話してしまう可能性もある。何れの場合でも、ナビゲーション装置１が保有する住所認識用の音声認識辞書では住所地名の音声認識が正しくなされない。

一方、サーバ５２では、回線端末装置５１を介してナビゲーション装置１から音声データ及びバージョン情報を受信すると、まず、データベース５３が保有している各バージョンの音声認識辞書の中から、ナビゲーション装置１から受信したバージョン情報に該当する音声認識辞書を最初に使用する音声認識辞書として設定する（Ｓ２０１）。

そして、当該設定した音声認識辞書を用いて、ナビゲーション装置１から受信した住所地名の音声データに対する音声認識を実行する（Ｓ２０２）。そして、当該音声データの音声認識が成功したか否かを判定する（Ｓ２０３）。ここで、当該音声データに該当する住所地名の音声認識ができなかったと判定した場合（Ｓ２０３：ＮＯ）、データベース５３が保有している音声認識辞書の中に、当該音声データに対する音声認識に未だ使用していない音声認識辞書があるか否かを判定する（Ｓ２０４）。

ここで、未使用の音声認識辞書があると判定した場合（Ｓ２０４：ＹＥＳ）、データベース５３内にある未使用の音声認識辞書の中から、次に使用する音声認識辞書を選択し、使用する音声認識辞書の設定をその選択した音声認識辞書に変更し（Ｓ２０５）、Ｓ２０２の処理へ戻る。Ｓ２０２では、当該変更した音声認識辞書を用いて、ナビゲーション装置１から受信した住所地名の音声データに対する音声認識を実行する。

なお、次に使用する音声認識辞書を選択する際、ナビゲーション装置１から受信したバージョン情報で示されるバージョンよりも新しい音声認識辞書、又は古い音声認識辞書の何れかから先に選択するように構成してもよいし、新しい音声認識辞書と古い音声認識辞書とを交互に選択するように構成してもよい。

以降、ナビゲーション装置１から受信した音声データに対する音声認識が成功するまで、Ｓ２０２〜Ｓ２０５の処理を順次繰り返すことで、データベース５３が保有する音声認識辞書を変更しながら音声認識を繰り返し試行する。そして、Ｓ２０３で当該音声データの音声認識に成功したと判定した場合（Ｓ２０３：ＹＥＳ）、Ｓ２０６の処理へ移行する。

Ｓ２０６では、Ｓ２０２での音声認識に成功した際に使用した音声認識辞書のバージョンと同一バージョンの地図データと、ナビゲーション装置１から受信したバージョン情報に該当する地図データとを比較し、その比較結果から、Ｓ２０２での住所地名の認識結果を、ナビゲーション装置１から受信したバージョン情報に該当する地図データに適合する住所地名の認識結果に変換する。

具体的には、Ｓ２０２での音声認識で得られた認識結果で示される住所地名に該当する地域を、その音声認識に使用した音声認識辞書と同一のバージョンの地図データから特定する。そして、この特定した地域をナビゲーション装置１から受信したバージョン情報に該当する地図データに照らし合わせ、この地図データから、その特定した地域に該当する住所地名を変換後の認識結果として取得する。

例えば、Ｓ２０２での音声認識において、ナビゲーション装置１から受信したバージョン情報よりも新しい音声認識辞書を使用して「新刈谷市」という住所地名の認識結果を得たと想定する。一方、ナビゲーション装置１から受信したバージョン情報に該当する古い地図データでは、この新しい地図データにおける「新刈谷市」に相当する地理的範囲の住所地名が「刈谷市」となっていた場合、この「刈谷市」という呼称を変換後の認識結果として取得する。

逆に、Ｓ２０２での音声認識において、ナビゲーション装置１から受信したバージョン情報よりも古い音声認識辞書を使用して「刈谷市」という住所地名の認識結果を得たと想定する。一方、ナビゲーション装置１から受信したバージョン情報に該当する新しい地図データでは、この古い地図データにおける「刈谷市」に相当する地理的範囲の住所地名が「新刈谷市」となっていた場合、この「新刈谷市」という呼称を変換後の認識結果として取得する。

Ｓ２０６で認識結果の変換を行った後、Ｓ２０２での音声認識において住所地名の認識に成功した際に使用した音声認識辞書において当該音声データに合致した比較対象パターンに対して、変換後の認識結果の住所地名を対応付けた変換辞書を生成する（Ｓ２０７）。例えば、Ｓ２０２での音声認識において「新刈谷市」という住所地名の認識結果を得たと想定する。一方、Ｓ２０６での認識結果の変換では「新刈谷市」という認識結果を「刈谷市」という認識結果に変換したと想定する。この場合、音声認識で用いた音声認識辞書において「新刈谷市」という発話音声に適合する比較対象パターンに対して、変換された認識結果である「刈谷市」という認識結果を対応付けた変換辞書を作成する。この変換辞書を音声認識に適用することで、「新刈谷市」という発話音声に対して「刈谷市」という変換された認識結果を出力することができるようになる。

つぎに、Ｓ２０９では、Ｓ２０６で変換した認識結果と、Ｓ２０７で作成した変換辞書と、Ｓ２０２での音声認識で住所地名の認識に成功した際に使用した音声変換辞書のバージョンを示すバージョン情報とを、当該音声データの送信元であるナビゲーション装置１に対して送信する（Ｓ２０９）。

一方、Ｓ２０２〜Ｓ２０５の処理を順次繰り返すことで、データベース５３が保有する音声認識辞書を変更しながら音声認識を繰り返し試行した結果、音声認識に成功しないままＳ２０４で未使用の音声認識辞書がなくなったと判定した場合（Ｓ２０４：ＮＯ）、認識不可であると決定する（Ｓ２０８）。そして、次のＳ２０９では、音声認識が不可能であった旨を認識結果として、当該音声データの送信元であるナビゲーション装置１に対して送信する。

一方、ナビゲーション装置１では、Ｓ１０２で住所地名の音声認識に成功した場合の認識結果、または、情報センタ５から送信されてきた認識結果の何れかを用いて、ＨＤＤ２３内の地図データから住所データの検索を行う（Ｓ１０６）。ここでの住所データの検索結果は、例えば目的地設定等のナビゲーション関連の各処理で利用される。なお、情報センタ５から送信されてきた認識結果が「認識不可」を示す場合、住所データの検索を行わず、認識エラーである旨をユーザに対して通知する。

つぎに、Ｓ１０６での検索に用いた認識結果が、情報センタ５で音声認識されたものであるか否かを判定する（Ｓ１０７）。ここで、当該認識結果が情報センタ５で音声認識されたものであると判定した場合（Ｓ１０７：ＹＥＳ）、当該認識結果と共に情報センタ５から送信されてきた変換辞書を外部メモリ２４に登録する。以降、外部メモリ２４に登録された変換辞書は、Ｓ１０２での音声認識の際に音声認識辞書と併せて用いられる。そして、音声認識部２８は、外部メモリ２４に記憶されている変換辞書の比較対象パターンに適合する音声データに対しては、その変換辞書の比較対象パターンに対応付けられている住所地名を認識結果として出力する。

つぎに、当該認識結果と共に情報センタ５から送信されてきたバージョン情報と、自機のＨＤＤ２３に格納されている地図データのバーションとの差異に関する情報を、表示装置２５やスピーカを介してユーザに報知する。例えば、情報センタ５側で音声認識に用いた音声認識辞書のバージョンが、自機が保有する地図データのバーションよりも新しい場合、当該音声データの認識結果は、自車両に搭載されている地図データよりも新しい地図データに適合するものである旨を表示や音声で報知することが考えられる。また、地図データの更新を促すメッセージを報知するようにしてもよい。反対に、情報センタ５側で音声認識に用いた音声認識辞書のバージョンが、自機が保有する地図データのバーションよりも古い場合、当該音声データの認識結果は、自車両に搭載されている地図データにおいては既に廃止されたものである旨を表示や音声で報知することが考えられる。

以上、実施形態の音声認識システムの動作について説明したが、本実施形態の音声認識システムの構成と特許請求の範囲に記載した構成との対応は次のとおりである。
ナビゲーション装置１のＨＤＤ２３が地図記憶手段に相当し、音声認識部２８が辞書手段及び認識手段に相当する。また、マイク２９が音声入力手段に相当し、制御部３１が実行する住所音声認識処理（図２参照）におけるＳ１０５の処理、及び通信装置３０が端末側送信手段に相当する。また、通信装置３０が端末側受信手段に相当し、制御部３１が実行する住所音声認識処理におけるＳ１０６の処理が検索手段に相当する。また、外部メモリ２４が変換辞書記憶手段に相当し、制御部３１が実行する住所音声認識処理におけるＳ１０９の処理、表示装置２５、及びスピーカ２７が報知手段に相当する。

一方、情報センタ５における回線端末装置５１がサーバ側受信手段に相当し、サーバ５２が実行する住所音声認識処理におけるＳ２０１，Ｓ２０２，Ｓ２０３，Ｓ２０４，Ｓ２０５の処理がサーバ側認識手段に相当する。また、サーバ５２が実行する住所音声認識処理におけるＳ２０６の処理が変換手段に相当し、Ｓ２０７の処理が変換辞書作成手段に相当する。また、サーバ５２が実行する住所音声認識処理におけるＳ２０９の処理及び回線端末装置５１がサーバ側送信手段に相当する。

［効果］
上記実施形態の音声認識システムによれば、以下のような効果を奏する。
（１）ユーザから入力された音声データに基づき、ナビゲーション装置１側で該当の住所地名を認識できなかった場合、情報センタ５側でナビゲーション装置１に搭載されている地図データとはバージョンの異なる地図データに対応する音声認識辞書から該当の住所地名を認識できる。すなわち、ユーザが発話した住所地名が、ナビゲーション装置１が保有する地図データの音声認識辞書に未収録の新しい地名のものであったり、既に廃止された古い地名のものであっても、情報センタ５側で保有している新旧複数のバージョンの地図データに対応する音声認識辞書によって住所地名を認識できるのである。そして、サーバ５２による認識結果を、要求元のナビゲーション装置１に搭載されている地図データのバージョンに適合する認識結果に変換してナビゲーション装置１へ返信することで、ナビゲーション装置１側では、その変換された認識結果を用いて、自身が保有する地図データから住所地名に関するデータを検索できるようになる。このようにすることで、ユーザは、地名の変遷と地図データのバージョンの変遷との対応関係を意識することなく、ナビゲーション装置１に対して住所地名の音声入力を行うことができるので便利である。

（２）サーバ５２が住所地名の音声認識を行った際に作成した変換辞書をナビゲーション装置１が音声認識に用いることで、ナビゲーション装置１側で地図データを更新することなく、同様の住所地名の音声認識をナビゲーション装置１で行えるようになる。つまり、情報センタ５からから変換辞書を受信しておけば、次回からは、同様の音声認識を情報センタ５との通信を行うことなく成功できるようになり、音声認識に係る処理負荷や通信コストを低減できる。

（３）ナビゲーション装置１が情報センタ５から受信したバージョン情報と、自機が保有する地図データのバーションとの差異に関する情報をユーザに対して報知することで、地名の変遷と地図データのバージョンの変遷との対応関係をユーザが把握することができ、それを基に、ナビゲーション装置の地図データを更新したり、あるいは、既に廃止された地名を現行の地名へと言い直したりといった具合に、適切な対応をとることができる。

（４）サーバ５２がナビゲーション装置１から受信した音声データに基づく音声認識を開始する際、ナビゲーション装置１から受信したバージョン情報と同一の音声認識辞書を最初に用いる。すなわち、サーバ５２側でも、最初にナビゲーション装置１側の音声認識辞書と同じバージョンの音声認識辞書から音声認識を行うのである。一般的に、車載用あるいは携帯用のナビゲーション装置に用いられる情報処理装置と、情報センタのような大規模な施設に設置されるサーバ装置に用いられる情報処理装置とでは、サーバ装置の方が高い処理能力を有することが多い。したがって、発話が不明瞭であったりノイズの多い音声データに基づいて音声認識を行う場合、ナビゲーション装置側では音声認識に失敗したとしても、より高性能なサーバ装置では、同じ音声認識辞書を使って音声認識に成功する可能性もある。したがって、本実施形態では、ナビゲーション装置１側で音声認識に失敗した場合、まず、サーバ５２に同じバージョンの音声認識辞書で音声認識を代行させることで、ナビゲーション装置１が保有する音声認識辞書と同じ音声認識辞書から認識結果を得られる可能性が高まる。

［変形例］
以上、本発明の実施形態について説明したが、本発明は上記の実施形態に何ら限定されるものではなく、本発明の技術的範囲に属する限り様々な態様にて実施することが可能である。

例えば、上記実施形態では音声認識システムの構成として車載用のナビゲーション装置について説明したが、車載用に限らず、例えば人などの移動体に携帯されるナビゲーション装置を適用してもよい。

また、上記実施形態では地名関連情報の一例として、住所地名を音声認識の対象としたが、これに限らず、例えば地図上に記録されている施設名、道路名、交差点名等を本発明における音声認識の対象にしてもよい。

実施形態の音声認識システムの概略構成を示すフローチャートである。 ナビゲーション装置１と情報センタ５とが連携して行う住所音声認識処理の手順を示すフローチャートである。

符号の説明

１…ナビゲーション装置、２１…位置検出器、２２…操作スイッチ群、２３…ハードディスクドライブ、２４…外部メモリ、２５…表示装置、２６…音声コントローラ、２７…スピーカ、２８…音声認識部、２９…マイク、３０…通信装置、３１…制御部、４…電話回線網、４１…無線基地局、４２…電話局、５…情報センタ、５１…回線端末装置、５２…サーバ、５３…データベース

Claims (5)

1. ナビゲーション装置と、サーバ装置とが互いにデータ通信可能に構成された音声認識システムであって、
   前記ナビゲーション装置は、
   地図データを格納する地図記憶手段と、
   前記地図記憶手段に格納されている地図データ内の地名関連情報を音声認識で特定するための比較対象パターンを有する音声認識辞書を記憶する辞書手段と、
   発話者の音声を入力する音声入力手段と、
   前記音声入力手段を介して入力された音声データを前記音声認識辞書の比較対象パターンに照合して地名関連情報の音声認識を行う認識手段と、
   前記認識手段において、前記音声入力手段から入力された音声データに適合するパターンが存在せず、地名関連情報の音声認識ができなかった場合、その入力された音声データと、前記地図記憶手段に格納されている地図データのバージョンを示すバージョン情報とを、前記サーバ装置へ送信する端末側送信手段と、
   前記端末側送信手段によって送信した音声データ及びバージョン情報に対する応答として、前記サーバ装置から送信されてくる認識結果を受信する端末側受信手段と、
   前記認識手段による地名関連情報の音声認識が成功した場合、その音声認識された地名関連情報に関するデータを前記地図記憶手段に格納されている地図データから検索する一方、前記認識手段による地名関連情報の音声認識ができなかった場合、前記端末側受信手段によって前記サーバ装置から受信した認識結果で示される地名関連情報に関するデータを地図データから検索する検索手段とを備え、
   前記サーバ装置は、
   それぞれバージョンの異なる複数の地図データと、各バージョンの地図データにそれぞれ対応する複数の前記音声認識辞書とを格納するデータベースと、
   前記ナビゲーション装置から音声データ及びバージョン情報を受信するサーバ側受信手段と、
   前記データベースに格納されている複数の音声認識辞書の中から比較対象の音声認識辞書を順次選択し、前記サーバ側受信手段によって受信した音声データを、当該選択した比較対象の音声認識辞書の比較対象パターンに照合して地名関連情報の音声認識を行うサーバ側認識手段と、
   前記サーバ側認識手段による音声認識において地名関連情報の認識に成功した際に使用した音声認識辞書に対応する地図データと、前記サーバ側受信手段によって受信したバージョン情報に該当する地図データとの比較に基づき、前記サーバ側認識手段による地名関連情報の認識結果を、前記サーバ側受信手段によって受信したバージョン情報に該当する地図データに適合する地名関連情報の認識結果に変換する変換手段と、
   前記変換手段によって変換された認識結果を、当該音声データ及びバージョン情報の送信元であるナビゲーション装置へ送信するサーバ側送信手段とを備えること
   を特徴とする音声認識システム。
2. 請求項１に記載の音声認識システムにおいて、
   前記サーバ装置では、
   前記サーバ側認識手段による音声認識において地名関連情報の認識に成功した際に使用した音声認識辞書における当該音声データに適合した比較対象パターンに対して、前記変換手段によって変換された認識結果の地名関連情報を対応付けた変換辞書を生成する変換辞書生成手段を更に備え、
   前記サーバ側送信手段は、更に、前記変換辞書生成手段によって生成された変換辞書を、当該音声データ及びバージョン情報の送信元であるナビゲーション装置へ送信し、
   前記ナビゲーション装置では、
   前記端末側受信手段は、更に、前記サーバ装置から送信されてくる変換辞書を受信し、
   前記端末側受信手段によって受信した変換辞書を記憶する変換辞書記憶手段を更に備え、
   前記認識手段は、前記辞書手段に記憶されている音声認識辞書と、前記変換辞書記憶手段に記憶されている変換辞書とを併用して音声認識を行い、前記変換辞書記憶手段に記憶されている変換辞書の比較対象パターンに適合する音声データに対しては、その変換辞書の比較対象パターンに対応付けられている地名関連情報を認識結果とすること
   を特徴とする音声認識システム。
3. 請求項１又は請求項２に記載の音声認識システムにおいて、
   前記サーバ装置では、
   前記サーバ側送信手段は、更に、前記サーバ側認識手段による音声認識において地名関連情報の認識に成功した際に使用した音声認識辞書に対応する地図データのバージョンを示すバージョン情報を、当該音声データ及びバージョン情報の送信元であるナビゲーション装置へ送信し、
   前記ナビゲーション装置では、
   前記端末側受信手段は、更に、前記サーバ装置から送信されてくるバージョン情報を受信し、
   前記端末側受信手段によって受信したバージョン情報と、前記地図記憶手段に格納されている地図データのバーションとの差異に関する情報をユーザに対して報知する報知手段を更に備えること
   を特徴とする音声認識システム。
4. 請求項１ないし請求項３の何れか１項に記載の音声認識システムにおいて、
   前記サーバ装置では、
   前記サーバ側認識手段は、前記データベースに格納されている複数の音声認識辞書の中から、前記サーバ側受信手段によって受信したバージョン情報と同一のバージョンの音声認識辞書を最初に用いて音声認識を行うこと
   を特徴とする音声認識システム。
5. 請求項１ないし請求項４の何れか１項に記載の音声認識システムを構成するナビゲーション装置。

Images