JP5434731B2 - 音声認識システム及び自動検索システム - Google Patents

Description

本発明は、ドライバとオペレータとの通話時に音声認識を行う音声認識システム及び当該音声認識システムを利用した自動検索システムに関するものである。

従来の音声認識システムとしては、例えば特許文献１に記載されているように、話者の発話音声を音声認識処理し、その認識結果からキーワードを検出し、そのキーワードと対応する条件が成立するときに、当該キーワードと関連のある情報を出力するようにしたものが知られている。

特開２００５−２１５７２６号公報

ところで、シナリオのない自然通話時には、話者が発するワード量が多くなり、任意のワードを抽出するのが難しくなるため、必要となる重要なワード（キーワード）をもらし、余計なワードを拾う可能性がある。

本発明の目的は、自然通話時におけるキーワードの誤認識を低減することができる音声認識システム及び自動検索システムを提供することである。

本発明の音声認識システムは、ドライバとオペレータとの通話時の発話情報を取得する発話情報取得手段と、発話情報取得手段により取得された発話情報に特徴的発話が含まれているかどうかを判断する特徴的発話判断手段と、特徴的発話判断手段により特徴的発話が含まれていると判断されたときに、特徴的発話の前後の発話内容からキーワードを抽出するキーワード抽出手段と、ドライバ及びオペレータの音声の認識に使用する音声認識辞書を切り替える辞書切替手段と、オペレータが情報検索に関する操作を行うための検索操作手段と、を備え、辞書切替手段は、検索操作手段により検索ワードが入力されて検索処理の開始が指示されたときに、検索ワードに応じて音声認識辞書を切り替える手段を有することを特徴とするものである。

このように本発明の音声認識システムにおいては、ドライバとオペレータとの自然通話時の発話情報を取得し、その発話情報に特徴的発話が含まれていると判断されたときは、特徴的発話の前後の発話内容からキーワードを抽出する。オペレータによる特徴的発話の前後では、ドライバが意図する重要なキーワードが出やすくなる。これにより、ドライバ及びオペレータが発するワード量が多い自然通話時でも、発話前後でキーワードが出やすい特徴的発話を特定することで、キーワードの誤認識を低減することができる。また、適切なタイミングで適切な音声認識辞書に切り替えることで、キーワードの誤認識を一層低減しつつ、キーワードの認識時間を短縮化することができる。さらに、オペレータが検索操作手段を操作して検索処理を実行する場合には、検索操作手段により入力された検索ワードに適した音声認識辞書を使用することで、キーワードの誤認識をより確実に低減することができる。

このとき、特徴的発話の対話フェーズを判別する対話フェーズ判別手段を更に備え、辞書切替手段は、対話フェーズ判別手段により判別された対話フェーズに応じて音声認識辞書を切り替える手段を有することが好ましい。対話フェーズとしては、御用伺いや条件聞き出し等がある。このような対話フェーズに適した音声認識辞書を使用することで、キーワードの誤認識をより確実に低減することができる。

また、辞書切替手段は、特徴的発話の前後に出てくるワードに応じて音声認識辞書を切り替える手段を有していても良い。この場合には、特徴的発話の前後に出てくるワードに適した音声認識辞書を使用することで、キーワードの誤認識をより確実に低減することができる。

本発明の自動検索システムは、ドライバとオペレータとの通話時の発話情報を取得する発話情報取得手段と、発話情報取得手段により取得された発話情報に特徴的発話が含まれているかどうかを判断する特徴的発話判断手段と、特徴的発話判断手段により特徴的発話が含まれていると判断されたときに、特徴的発話の前後の発話内容からキーワードを抽出するキーワード抽出手段と、キーワード抽出手段により抽出されたキーワードに基づいて情報検索を行う検索手段と、ドライバ及びオペレータの音声の認識に使用する音声認識辞書を切り替える辞書切替手段と、オペレータが情報検索に関する操作を行うための検索操作手段と、を備え、辞書切替手段は、検索操作手段により検索ワードが入力されて検索処理の開始が指示されたときに、検索ワードに応じて音声認識辞書を切り替える手段を有することを特徴とするものである。

このように本発明の自動検索システムにおいては、ドライバとオペレータとの自然通話時の発話情報を取得し、その発話情報に特徴的発話が含まれていると判断されたときは、特徴的発話の前後の発話内容からキーワードを抽出する。オペレータによる特徴的発話の前後では、ドライバが意図する重要なキーワードが出やすくなる。これにより、ドライバ及びオペレータが発するワード量が多い自然通話時でも、発話前後でキーワードが出やすい特徴的発話を特定することで、キーワードの誤認識を低減することができる。また、誤認識の少ない適切なキーワードに基づいて情報検索を自動的に行うことになるため、オペレータが検索ワードを入力しなくて済む。従って、オペレータの作業効率を向上させることができる。

本発明によれば、自然通話時におけるキーワードの誤認識を低減することができる。これにより、当該キーワードを用いた情報の自動検索を適切に行うことが可能となる。

本発明に係わる自動検索システムの第１実施形態の概略構成を示すブロック図である。 図１に示した音声認識処理部により実行される音声認識処理の手順の詳細を示すフローチャートである。 特徴的発話の一例を示す表である。 ドライバとオペレータとの通話イメージの一例を示すフロー図である。 本発明に係わる自動検索システムの第２実施形態の概略構成を示すブロック図である。 図５に示した辞書切替処理部により実行される音声認識辞書切替処理の手順の詳細を示すフローチャートである。 対話フェーズ及び特徴的発話の一例を示す表である。 ドライバとオペレータとの通話において音声認識辞書を切り替える一例を示すフロー図である。

以下、本発明に係わる音声認識システム及び自動検索システムの好適な実施形態について、図面を参照して詳細に説明する。

図１は、本発明に係わる自動検索システムの第１実施形態の概略構成を示すブロック図である。同図において、本実施形態の自動検索システム１は、車両ＰのドライバとコールセンターＱのオペレータとの自然通話からＰＯＩ（Point of Interest）検索を自動的に行うシステムであり、音声認識システムを含んでいる。ＰＯＩ検索とは、飲食店、ホテル、コンビニエンスストア、ガソリンスタンド等といった施設情報の検索のことである。

自動検索システム１は、車両Ｐに搭載されたカーナビゲーション（カーナビ）２及び通話機３と、コールセンターＱに設置されたコントローラユニット４、通話機５及びオペレータ端末６とを備えている。

通話機３は、ドライバがオペレータと音声通話を行う携帯電話や車載無線機であり、カーナビ２と接続されている。

通話機５及びオペレータ端末６は、コントローラユニット４と接続されている。通話機５は、オペレータがドライバと音声通話を行うものである。オペレータ端末６は、オペレータがＰＯＩ検索に関する操作を行ったり、検索結果を画面表示するものである。

コントローラユニット４は、音声認識処理部７と、自動検索処理部８とを有している。音声認識処理部７は、ドライバ及びオペレータの発話情報を通話機５より入力し、音声認識辞書９を用いて所定の音声認識処理を行い、その認識結果を自動検索処理部８に出力する。自動検索処理部８は、施設情報データベース１０を用いて自動ＰＯＩ検索処理を実行し、その検索結果をオペレータ端末６に画面表示させる。

図２は、音声認識処理部７により実行される音声認識処理の手順の詳細を示すフローチャートである。同図において、まずドライバ及びオペレータの発話情報を通話機５より取得する（手順Ｓ５１）。

続いて、取得した発話情報に予め用意された特徴的発話が含まれているかどうかを判断する（手順Ｓ５２）。特徴的発話とは、その発話前後でドライバの意図に関わるキーワードの取得が期待できるような言葉である。

ここでの特徴的発話としては、例えば図３に示すように、「本日はいかがいたしましょうか」等の御用伺い、「ご希望は」等の条件聞き出し、「かしこまりました」等の理解表現が挙げられる。例えば理解表現は、オペレータがドライバの話を理解した時に発する言葉である。このため、理解表現の発話前後では、オペレータがドライバの意図を確認するような言葉が出やすい。

取得した発話情報に特徴的発話が含まれていないと判断されたときは、手順Ｓ５１に戻る。取得した発話情報に特徴的発話が含まれていると判断されたときは、その特徴的発話の出現位置を保持し、特徴的発話の前後の発話内容から、ドライバの意図に関わるキーワードを抽出する（手順Ｓ５３）。

続いて、抽出したキーワードにエリアやジャンル語等、検索キーワードとなり得るものが存在しているかどうかを判断する（手順Ｓ５４）。抽出したキーワードにエリアやジャンル語等が存在していないと判断されたときは、手順Ｓ５１に戻る。抽出したキーワードにエリアやジャンル語等が存在していると判断されたときは、検索キーワードとなり得るエリアやジャンル語が揃ったかどうかを判断する（手順Ｓ５５）。検索キーワードとなり得るエリアやジャンル語が揃っていないと判断されたときは、手順Ｓ５１に戻る。

検索キーワードとなり得るエリアやジャンル語が揃ったと判断されたときは、その検索キーワードを自動検索処理部８に送出し、自動ＰＯＩ検索の実行を要求する（手順Ｓ５６）。

すると、自動検索処理部８は、音声認識処理部７からの検索キーワードを用いて自動的にＰＯＩ検索を行い、その検索結果をオペレータ端末６に画面表示させることでオペレータに提示する。その後、オペレータは、通話によって検索結果をドライバに報告する。

図４は、ドライバとオペレータとのシナリオのない通話イメージの一例を示したものである。同図において、オペレータが発した「本日いかがいたしましょうか」、「ご希望」、「かしこまりました」、「予算」が特徴的発話となる。そして、特徴的発話の前後でドライバ及びオペレータが発した「高円寺」、「和食」が、ドライバの意図に関わる重要なキーワードとなる。従って、「高円寺」、「和食」が検索キーワードとして音声認識処理部７から自動検索処理部８に送られ、自動検索処理部８では、「高円寺」、「和食」で自動ＰＯＩ検索が実行されることになる。

以上において、通話機５と音声認識処理部７の上記手順Ｓ５１とは、ドライバとオペレータとの通話時の発話情報を取得する発話情報取得手段を構成する。同手順Ｓ５２は、発話情報取得手段により取得された発話情報に特徴的発話が含まれているかどうかを判断する特徴的発話判断手段を構成する。同手順Ｓ５３〜Ｓ５５は、特徴的発話判断手段により特徴的発話が含まれていると判断されたときに、特徴的発話の前後の発話内容からキーワードを抽出するキーワード抽出手段を構成する。また、同手順Ｓ５６と自動検索処理部８とは、キーワード抽出手段により抽出されたキーワードに基づいて情報検索を行う検索手段を構成する。

以上のように本実施形態にあっては、ドライバとオペレータとの通話時の発話情報から、発話前後でドライバの意図に関わるキーワードの位置を特定しやすい特徴的発話を抽出し、その特徴的発話の前後の発話情報からキーワードを抽出するようにしたので、ドライバとオペレータとのシナリオのない自然通話を行う際に、自動ＰＯＩ検索に用いるキーワードの誤認識を抑制することができる。

また、ドライバの意図に関わるキーワードを用いたＰＯＩ検索が自動的に実行されるので、オペレータがオペレータ端末６により検索ワードをいちいち入力したり、検索指示ボタンを操作しなくて済む。従って、オペレータの作業効率を高めることができる。その結果、ドライバへの検索結果の回答時間が短くなるため、ドライバが受けるストレスを軽減することができる。

図５は、本発明に係わる自動検索システムの第２実施形態の概略構成を示すブロック図である。図中、第１実施形態と同一または同等の要素には同じ符号を付し、その説明を省略する。

同図において、本実施形態の自動検索システム１は、コントローラユニット４に代えてコントローラユニット２０を備えている。コントローラユニット２０は、上記の音声認識処理部７及び自動検索処理部８に加え、辞書切替処理部２１を有している。

辞書切替処理部２１は、ドライバとオペレータとの通話の流れ又はオペレータによるオペレータ端末６の操作をトリガとして、使用する音声認識辞書９を切り替える。音声認識辞書９としては、例えば全ての語が登録された辞書、ジャンル語、エリアに関する語及び要求語をが登録された辞書、食事に関する語が登録された辞書、メニューに関する語及び関連語が登録された辞書等というように複数種類用意されている（図８参照）。

図６は、辞書切替処理部２１により実行される音声認識辞書切替処理の手順の詳細を示すフローチャートである。同図において、まずドライバ及びオペレータの発話情報を通話機５より取得する（手順Ｓ６１）。

続いて、オペレータによりオペレータ端末６の検索指示ボタンが押されたかどうかを判断する（手順Ｓ６２）。検索指示ボタンが押されたと判断されたときは、オペレータ端末６に入力された検索キーワードに適した音声認識辞書９に切り替える（手順Ｓ６３）。

検索キーワードとして必須のジャンル語やエリアに関する語が通話中に出現すると、オペレータは、そのジャンル語やエリアに関する語をオペレータ端末６に入力し、更にオペレータ端末６の検索指示ボタンを押すことがある。従って、オペレータによるオペレータ端末６の操作は、音声認識辞書９を切り替えるトリガとして重要な役割を果たす。このとき、例えばジャンル語が飲食店である場合には、食事のメニューに関する語が登録された音声認識辞書９に切り替えられる。

検索指示ボタンが押されていないと判断されたときは、手順Ｓ６１で取得した発話情報に予め用意された特徴的発話が含まれているかどうかを判断する（手順Ｓ６４）。

特徴的発話は、上述したように、発話前後でドライバの意図に関わるキーワードの取得が期待できるような言葉であり、例えば図７に示すようなものが挙げられる。特徴的発話は、対話フェーズに区分けされている。対話フェーズは、ドライバとオペレータとの通話を進捗や話題の変化により分割して出来たまとまりのことである。対話フェーズとしては、御用伺い、条件聞き出し（概要）、条件聞き出し（詳細）がある。

取得した発話情報に特徴的発話が含まれていないと判断されたときは、手順Ｓ６１に戻る。一方、取得した発話情報に特徴的発話が含まれていると判断されたときは、特徴的発話の対話フェーズを判別する（手順Ｓ６５）。そして、判別された対話フェーズに適した音声認識辞書９に切り替える（手順Ｓ６６）。

例えば特徴的発話が「本日はいかが致しましょうか」の場合には、対話フェーズは御用伺いとなり、検索の主キーワードの取得を意図した対話フェーズに移行したことを示すことになる。よって、かかる対話フェーズに移行をトリガとして音声認識辞書９を切り替える。対話フェーズが御用伺いである場合には、辞書をジャンル語やエリアに絞れるため、ジャンル語やエリアに関する語が登録された音声認識辞書９に切り替えられる。

また、手順Ｓ６５，Ｓ６６の処理と併行して、特徴的発話の前後に出現するワード（語）に適した音声認識辞書９に切り替える（手順Ｓ６７）。特徴的発話の前後に出現するワードは、ドライバの意図に関わる重要なワードであることが多いため、音声認識辞書９を切り替えるトリガとして扱う。

図８は、ドライバとオペレータとの通話において音声認識辞書を切り替える一例を示したものである。同図において、最初は、全ての語が登録された音声認識辞書が使用される。

オペレータが「本日はどのようなご用件でしょう」と話すと、その特徴的発話の対話フェーズ（御用伺い）をトリガとして、ジャンル語、エリアに関する語及び要求語が登録された音声認識辞書に切り替えられる。そして、オペレータが発した上記特徴的発話に対して、ドライバが「新宿で食事がしたいんですけど」と話すと、「食事」という語をトリガとして、ジャンル語（ここでは食事を行う飲食店に関する語）が登録された音声認識辞書に切り替えられる。

その後、ドライバとオペレータとの通話において「ラーメン屋」というドライバの意図に関わる重要なワードが出現すると、オペレータは、「新宿 ラーメン屋」を検索ワードとしてオペレータ端末６に入力し、オペレータ端末６の検索指示ボタンを押下する。すると、その検索指示ボタンの操作をトリガとして、ラーメンのメニューに関する語及び関連語が登録された音声認識辞書に切り替えられる。

その後、ドライバとオペレータとの通話において「とんこつラーメン」というドライバの意図に関わる重要なワードが出現すると、例えば「新宿 とんこつラーメン」を検索キーワードとして、自動検索処理部８により自動ＰＯＩ検索が実行されることになる。

以上において、通話機５と自動検索処理部８の上記手順Ｓ６１とは、ドライバとオペレータとの通話時の発話情報を取得する発話情報取得手段を構成する。同上記手順Ｓ６４は、発話情報取得手段により取得された発話情報に特徴的発話が含まれているかどうかを判断する特徴的発話判断手段を構成する。同上記手順Ｓ６２，Ｓ６３，Ｓ６６，Ｓ６７は、ドライバ及びオペレータの音声の認識に使用する音声認識辞書を切り替える辞書切替手段を構成する。また、同上記手順Ｓ６５は、特徴的発話の対話フェーズを判別する対話フェーズ判別手段を構成する。

ところで、音声認識辞書９に登録される語彙が多くなるほど、音声の認識率が下がる傾向にある。このため、従来では、例えば分類別の音声認識辞書を用意し、誤認識したら音声認識辞書を順次切り替えるという方法がある。しかし、この場合には、誤認識が続くと、音声認識時間が長くなってしまう。

これに対し本実施形態では、ドライバとオペレータとの通話の流れとオペレータによるオペレータ端末８の検索指示ボタンの操作とをトリガとして、適切なタイミングで登録語彙の少ない適切な音声認識辞書９に切り替えるようにしたので、音声認識の精度が高くなる。これにより、自動ＰＯＩ検索に用いるキーワードの誤認識を一層抑制することができる。また、キーワードを認識するまでの時間を短縮することができる。

なお、本発明は、上記実施形態に限定されるものではない。例えば本発明の音声認識システムは、ドライバとオペレータとの通話時の音声認識を行うものであれば、上述した自動検索システム以外のシステムにも適用可能である。

１…自動検索システム、４…コントローラユニット、５…通話機（発話情報取得手段、６…オペレータ端末（検索操作手段）、７…音声認識処理部（発話情報取得手段、特徴的発話判断手段、キーワード抽出手段、検索手段）、８…自動検索処理部（検索手段）、９…音声認識辞書、２０…コントローラユニット、２１…辞書切替処理部（発話情報取得手段、特徴的発話判断手段、辞書切替手段、対話フェーズ判別手段）。

Claims (4)

1. ドライバとオペレータとの通話時の発話情報を取得する発話情報取得手段と、
   前記発話情報取得手段により取得された発話情報に特徴的発話が含まれているかどうかを判断する特徴的発話判断手段と、
   前記特徴的発話判断手段により前記特徴的発話が含まれていると判断されたときに、前記特徴的発話の前後の発話内容からキーワードを抽出するキーワード抽出手段と、
   前記ドライバ及び前記オペレータの音声の認識に使用する音声認識辞書を切り替える辞書切替手段と、
   前記オペレータが情報検索に関する操作を行うための検索操作手段と、を備え、
   前記辞書切替手段は、前記検索操作手段により検索ワードが入力されて検索処理の開始が指示されたときに、前記検索ワードに応じて前記音声認識辞書を切り替える手段を有することを特徴とする音声認識システム。
2. 前記特徴的発話の対話フェーズを判別する対話フェーズ判別手段を更に備え、
   前記辞書切替手段は、前記対話フェーズ判別手段により判別された対話フェーズに応じて前記音声認識辞書を切り替える手段を有することを特徴とする請求項１記載の音声認識システム。
3. 前記辞書切替手段は、前記特徴的発話の前後に出てくるワードに応じて前記音声認識辞書を切り替える手段を有することを特徴とする請求項１または２記載の音声認識システム。
4. ドライバとオペレータとの通話時の発話情報を取得する発話情報取得手段と、
   前記発話情報取得手段により取得された発話情報に特徴的発話が含まれているかどうかを判断する特徴的発話判断手段と、
   前記特徴的発話判断手段により前記特徴的発話が含まれていると判断されたときに、前記特徴的発話の前後の発話内容からキーワードを抽出するキーワード抽出手段と、
   前記キーワード抽出手段により抽出されたキーワードに基づいて情報検索を行う検索手段と、
   前記ドライバ及び前記オペレータの音声の認識に使用する音声認識辞書を切り替える辞書切替手段と、
   前記オペレータが情報検索に関する操作を行うための検索操作手段と、を備え、
   前記辞書切替手段は、前記検索操作手段により検索ワードが入力されて検索処理の開始が指示されたときに、前記検索ワードに応じて前記音声認識辞書を切り替える手段を有することを特徴とする自動検索システム。

Images