JP6759370B2 - 呼出音認識装置および呼出音認識方法 - Google Patents

Description

本出願は、呼出音認識装置および呼出音認識方法に関し、特に、ユーザの音声を認識して端末装置などを活性化できる呼出音認識装置および呼出音認識方法に関する。

人間同士の意志伝達方法には、文字、身振りおよび音声などのような様々な方法がある。特に、音声は、人間の意志伝達の最も便利な方法のうちの一つである。それに比して、人間と機械装置間の意思疎通方法は、主に、キーボードおよびマウスを介した入力と入力に対するスピーカーおよびディスプレイ装置を介した出力による方法であり、非常に制限的である。

人間と装置間の意志伝達を向上させるために、音声を介した人間と装置間の意志伝達方法が試みられている。このような音声を介した人間と装置間の意志伝達のために先行する技術が音声認識技術である。人間と装置間の音声を介した意志伝達のためには、人間が発話した音声を装置が認識しなければならない。このために様々な音声認識技術が研究されており、携帯電話のような移動通信端末、機械、コンピュータの制御およびナビゲーション装置などのように様々な分野に適用されている。

通常、隠れマルコフモデル（Ｈｉｄｄｅｎ Ｍａｒｋｏｖ Ｍｏｄｅｌ：ＨＭＭ）および動的時間伸縮法（Ｄｙｎａｍｉｃ Ｔｉｍｅ Ｗａｒｐｉｎｇ：ＤＴＷ）および人工神経網などのような音声認識方法が主に用いられている。

韓国登録特許第１０−１０７０４４２号公報

本出願は、ユーザの音声を認識して端末装置などを活性化できる呼出音認識装置および呼出音認識方法を提供する。

本出願は、検知特性が互いに異なる複数の呼出音検知部を用いてユーザが呼出音を発話するか否かを判別できる呼出音認識装置および呼出音認識方法を提供する。

本出願は、一度の試みによるキーワード認識時には他の認識装置で追加の誤認識検証をし、ユーザが二度の連続試みをした場合には追加の検証過程を省略することによって、ＦＡＲ（Ｆａｌｓｅ Ａｃｃｅｐｔａｎｃｅ Ｒａｔｅ）の増加がなくてもＦＲＲ（Ｆａｌｓｅ Ｒｅｊｅｃｔｉｏｎ Ｒａｔｅ）を減少できる呼出音認識装置および呼出音認識方法を提供する。

本発明の一実施形態による呼出音認識装置は、ユーザの音声を受信して音声信号に変換する音声受信部、第１検知特性に応じて、前記音声信号内で既に設定された呼出音の有無を判別する第１呼出音検知部、前記第１呼出音検知部が前記呼出音が含まれていると判別すれば、第２検知特性に応じて、前記音声信号内で前記呼出音の有無を再検査する第２呼出音検知部、および前記第２呼出音検知部が前記呼出音が含まれていると判別すれば、既に設定されたウェイクアップ（ｗａｋｅ−ｕｐ）信号を生成する制御部を含む。

本発明の一実施形態による呼出音認識装置は、ユーザの音声を受信して音声信号に変換する音声受信部、第１検知特性に応じて、前記音声信号内で既に設定された呼出音の有無を判別する第１呼出音検知部、第２検知特性に応じて、前記音声信号内で前記呼出音の有無を判別する第２呼出音検知部、および前記第１呼出音検知部の検知結果、第２呼出音検知部の検知結果および設定された保留時間に基づいて既に設定されたウェイクアップ信号を生成する制御部を含む。ここで、前記保留時間は、前記第１呼出音検知部が前記呼出音が含まれていると判別し、前記第２呼出音検知部が前記呼出音が含まれていないと判別した場合に設定される。

本発明の一実施形態による呼出音認識方法は、音声受信部がユーザの音声を受信して音声信号に変換するステップ、第１検知特性を有する第１呼出音検知部を用いて、前記音声信号内で既に設定された呼出音の有無を判別するステップ、前記第１呼出音検知部が前記呼出音が含まれていると判別すれば、第２検知特性を有する第２呼出音検知部を用いて、前記音声信号内で前記呼出音の有無を再検査するステップ、および前記第２呼出音検知部が前記呼出音が含まれていると判別すれば、制御部が既に設定されたウェイクアップ信号を生成するステップを含む。

本発明の一実施形態による呼出音認識方法は、音声受信部がユーザの音声を受信して音声信号に変換するステップ、第１検知特性を有する第１呼出音検知部を用いて、前記音声信号内で既に設定された呼出音の有無を判別するステップ、第２検知特性を有する第２呼出音検知部を用いて、前記音声信号内で前記呼出音の有無を判別するステップ、および前記第１呼出音検知部の検知結果、第２呼出音検知部の検知結果および設定された保留時間に基づいて、制御部が既に設定されたウェイクアップ信号を生成するステップを含む。ここで、前記保留時間は、前記第１呼出音検知部が前記音声信号に前記呼出音が含まれていると判別し、前記第２呼出音検知部が前記音声信号に前記呼出音が含まれていないと判別した場合に設定される。

なお、上記課題の解決手段は、本発明の特徴を全て列挙したものではない。本発明の様々な特徴とそれに伴う長所と効果は下記の具体的な実施形態を参照してより詳しく理解できるものである。

本発明の一実施形態による呼出音認識装置および呼出音認識方法によれば、検知特性が互いに異なる複数の呼出音検知部を用いてユーザの音声に含まれた呼出音を検知するため、ユーザが発話した呼出音、特に連続呼出音に対する認識率を高めることができる。

本発明の一実施形態による呼出音認識装置および呼出音認識方法によれば、ユーザが連続した呼出音を発話する場合、呼出音の検知可否に対する追加の検証なしに端末装置などを活性化することができる。すなわち、周辺騒音や雑音が激しい場合などユーザが発話した呼出音を認識し難い環境においても、ユーザの連続した呼び出し試みに対する認識率を向上させることができる。

本発明の一実施形態による呼出音認識装置および呼出音認識方法によれば、ＦＡＲが低い認識装置の性能を維持しながらもＦＲＲを下げるという効果がある。

但し、本発明の実施形態による呼出音認識装置および呼出音認識方法が達成できる効果は以上で言及したものに制限されず、言及していないまた他の効果は下記の記載によって本発明が属する技術分野で通常の知識を有する者に明らかに理解できるものである。

本発明の一実施形態による呼出音認識装置を示す概略図である。 本発明の一実施形態による呼出音検知部におけるＦＡＲおよびＦＲＲの関係を示す概略図である。 本発明の一実施形態による呼出音認識方法を示すフローチャートである。

以下では添付図面を参照して本明細書に開示された実施形態について詳しく説明するが、図面符号に関係なく同一または類似した構成要素には同一の参照番号を付し、それに対する重複する説明は省略することにする。以下の説明で用いられる構成要素に対する接尾辞「モジュール」および「部」は、明細書の作成の容易さだけが考慮されて付与または混用されるものであって、それ自体で互いに区別される意味または役割を有するものではない。すなわち、本発明で用いられる「部」という用語はソフトウェア、ＦＰＧＡまたはＡＳＩＣのようなハードウェア構成要素を意味し、「部」はある役割を行う。ところが、「部」はソフトウェアまたはハードウェアに限定される意味ではない。「部」は、アドレッシングできる格納媒体にあるように構成されてもよく、一つまたはそれ以上のプロセッサを再生させるように構成されてもよい。よって、一例として「部」は、ソフトウェア構成要素、オブジェクト指向ソフトウェア構成要素、クラス構成要素およびタスク構成要素のような構成要素と、プロセス、関数、属性、プロシージャ、サブルーチン、プログラムコードのセグメント、ドライバ、ファームウェア、マイクロコード、回路、データ、データベース、データ構造、テーブル、アレイおよび変数を含む。構成要素と「部」の中から提供される機能は、さらに小さい数の構成要素および「部」で結合されるか、または追加の構成要素と「部」にさらに分離されてもよい。

また、本明細書に開示された実施形態を説明するにおいて、関連の公知技術に関する具体的な説明が本明細書に開示された実施形態の要旨を濁す恐れがあると判断される場合には、その詳細な説明は省略する。また、添付された図面は本明細書に開示された実施形態を容易に理解できるようにするためのものに過ぎず、添付された図面によって本明細書に開示された技術的思想が制限されるものではなく、本発明の思想および技術範囲に含まれる全ての変更、均等物乃至代替物を含むものとして理解しなければならない。

図１は、本発明の一実施形態による呼出音認識システムを示す概略図である。図１を参照すれば、本発明の一実施形態による呼出音認識システムは、端末装置２００および呼出音認識装置１００を含むことができる。

以下では、図１を参照して、本発明の一実施形態による呼出音認識システムについて説明する。

端末装置２００は、スピーカー、ディスプレイ装置、コンピュータ、サーバなどの様々な種類の装置であってもよく、ユーザＡの命令に対応する動作を行うものであってもよい。ここで、端末装置２００は、節電モードまたはスリップモード（ｓｌｅｅｐ ｍｏｄｅ）として待機中にあってもよく、呼出音認識装置１００が転送するウェイクアップ信号に応じて節電モードまたはスリップモードから動作モード（ａｃｔｉｖｅ ｍｏｄｅ）に転換することができる。

呼出音認識装置１００は、ユーザＡが発話する音声を認識し、認識した音声内で既に設定された呼出音が含まれるか否かを判別することができる。呼出音認識装置１００は、ユーザが発話した音声内に呼出音が含まれていると判別された場合には、端末装置２００にウェイクアップ信号を転送することができる。すなわち、認識したユーザの音声命令に対応して、端末装置２００が動作モードに転換するように制御することができる。ここで、呼出音は、スリップモードの端末装置２００を動作モードに変換するために予め設定されたキーワードであってもよい。

実施形態に応じて、呼出音認識装置１００が、呼出音の他に、ユーザが入力する様々な命令語などを認識することもできる。すなわち、呼出音認識装置１００は、ユーザが音声として入力する命令語を認識した後、各々の命令語に対応する制御信号を生成して端末装置２００に転送することができる。例えば、呼出音認識装置１００は、ユーザが音声として発話するＴＶのチャンネル変更やボリューム調節などに対する命令語を認識し、認識した命令語に対応する制御信号を生成してＴＶに転送することができる。この場合、ＴＶは、受信した制御信号に応じてチャンネル変更やボリューム調節などを行うことができる。

図１では端末装置２００と呼出音認識装置１００が別に実現されるものになっているが、実施形態に応じて、呼出音認識装置１００が端末装置２００内に含まれていてもよい。

一方、図１を参照すれば、呼出音認識装置１００は、音声受信部１１０、第１呼出音検知部１２０、第２呼出音検知部１３０および制御部１４０を含むことができる。

音声受信部１１０は、ユーザＡの音声を受信して音声信号に変換することができる。音声受信部１１０はマイクロホン（ｍｉｃｒｏｐｈｏｎｅ）などであってもよく、ユーザが発話した音声を電気的信号である音声信号に変換することができる。ユーザの音声は特定の周波数および振幅を有するアナログ形態の信号に該当し、音声受信部１１０は、入力される音声をアナログ−デジタルコンバータ（図示せず）などを介してデジタル信号である音声信号に変換することができる。ここで、音声受信部１１０は、変換した音声信号を第１呼出音検知部１２０に提供することができる。図１では音声受信部１１０が音声信号を第１呼出音検知部１２０にのみ提供するものとして示されているが、場合に応じて、音声受信部１１０が第２呼出音検知部１３０にも音声信号を伝達することができる。

第１呼出音検知部１２０は、第１検知特性に応じて、音声信号内で既に設定された呼出音が含まれるか否かを判別することができる。また、第１呼出音検知部１２０が呼出音が含まれていると判別すれば、第２呼出音検知部１３０は、第２検知特性に応じて、音声信号内で呼出音の有無を再検査することができる。すなわち、互いに異なる検知特性を有する第１呼出音検知部１２０および第２呼出音検知部１３０を用いて呼出音の有無を判別することによって、呼出音の認識性能を向上させることができる。

具体的には、第１呼出音検知部１２０はＦＡＲが高くＦＲＲが低い第１検知特性を有してもよく、第２呼出音検知部１３０はＦＲＲが高くＦＡＲが低い第２検知特性を有してもよい。ここで、ＦＡＲは、音声信号に実際には呼出音が含まれていないものの、含まれたものに誤って判断する割合であり、ＦＲＲは、音声信号に実際には呼出音が含まれているものの、含まれていないものに誤って判断する割合に該当する。ＦＡＲが高い場合には、端末装置２００がユーザの意図に関わらず反応するのでユーザの不便をもたらし、ＦＲＲが高い場合には、ユーザが端末装置２００を呼び出しても応答しないので不便をもたらす。

ここで、ＦＡＲとＦＲＲは、図２に示すように、互いにトレードオフ（ｔｒａｄｅ−ｏｆｆ）にあるため、二つの性能を同時に全て満たすことは難しい。したがって、ここでは、互いに異なる検知特性を有する二つの呼出音検知部を用いて、音声信号内での呼出音の有無を判別するようにすることができる。この時、好ましくは、第１呼出音検知部１２０のＦＡＲを第２呼出音検知部１３０より相対的に高くするか、または第１呼出音検知部１２０のＦＲＲを第２呼出音検知部１３０より相対的に低くすることができる。

第１呼出音検知部１２０は、ＦＡＲが高い第１検知特性を有するため、実際には呼出音が含まれていない場合にも呼出音を含むと判別する確率が高い。但し、ＦＲＲは低いため、第１呼出音検知部１２０を用いて、呼出音が含まれる可能性がある音声信号を一次的に判別することができる。その後、ＦＲＲが高い第２検知特性を有する第２呼出音検知部１３０を用いて、第１呼出音検知部１２０により呼出音が含まれたものに判断された音声信号を再検査することができる。すなわち、第１呼出音検知部１２０が呼出音が含まれるものに判断した場合にも、第２呼出音検知部１３０が再検査して呼出音が含まれていないと判別すれば、最終的に呼出音が含まれていないものと判別することができる。それにより、ＦＡＲが高い第１呼出音検知部１２０の短所を補完することができる。

実施形態に応じて、図２に示すように、第１呼出音検知部１２０はＦＡＲがＦＡ１、ＦＲＲがＦＲ１であってもよく、第２呼出音検知部１３０はＦＡＲがＦＡ２、ＦＲＲがＦＲ２であってもよい。ここで、各々の呼出音検知部のＦＡＲとＦＲＲは図２のグラフに応じて設定されてもよく、この時、各々の第１検知特性および第２検知特性を維持するためには、少なくともＦＡ１はＦＡ２より高く、ＦＲ２はＦＲ１より高くなるように選択することができる。図２は一つのカーブだけを例示しているが、実現方法に応じて、各々の呼出音検知部が互いに異なる誤差カーブを持ち、その中の一つの点を選択することができるである。

一方、第１呼出音検知部１２０と第２呼出音検知部１３０のＦＡＲおよびＦＲＲは、各々の第１呼出音検知部１２０および第２呼出音検知部１３０に適用されたアルゴリズムなどに応じて決定されることができる。

以下では、互いに異なる検知特性の呼出音検知部を作る幾つかの実施形態について説明する。

一つの実施形態によれば、呼出音検知部の認識閾値（ｔｈｒｅｓｈｏｌｄ）を変更してＦＡＲおよびＦＲＲを調節することができる。呼出音検知部の実現方法に応じて、０（ｆａｌｓｅ）または１（ｔｒｕｅ）でない呼出音が含まれたか否かに対する確率値が認識結果に決定されることができる。この時、この確率値に基づいて認識有無を決定する認識閾値を変更してＦＡＲとＦＲＲの割合を調節することができる。

具体的な実現方法の一例として、第１呼出音検知部１２０と第２呼出音検知部１３０は音声信号から呼出音に対応する音声波形の有無を確認して呼出音が含まれるか否かを判別することができ、音声信号内に呼出音に対応する音声波形の有無は確率値で計算することができる。ここで、確率値が既に設定された臨界確率値以上であれば呼出音が含まれていると判別することができ、臨界確率値の設定に応じて各々の第１呼出音検知部１２０と第２呼出音検知部１３０の検知特性が選択されることができる。例えば、臨界確率値を下げる場合には、ＦＡＲが高くなるので第１検知特性に近くなり、臨界確率値を高める場合には、ＦＲＲが高くなるので第２検知特性に近くなる。

また他の方法として、呼出音検知部の言語モデルを変更することによって互いに異なる検知特性を有する呼出音検知部を作ることができる。一例として、各々の第１呼出音検知部１２０および第２呼出音検知部１３０に設定される発音変異の認定範囲に応じて各々の検知特性が決定されることができる。例えば、「クローバー」が呼出音である場合、「クローバー」と類似した発音である「クローヴァー」、「クローヴァ」、「クローバ」などが検知される場合には、呼出音が入力されたものと判別することができる。このような発音変異の認定範囲を広げるほどＦＡＲが高くなるが、発音変異の認定範囲を縮めるほどＦＲＲが高くなるようになる。したがって、発音変移の認定範囲を設定する発音モデルまたは発音グラフなどを調節して検知特性を設定することができる。

また他の方法として、類似語フィルタを適用する方法を利用することができる。検知しようとする呼出音と類似した発音であるが、他の単語を予め学習して類似語によるＦＡＲを減少させることである。すなわち、音声信号内に類似語が含まれる場合には、呼出音の入力でないものと判別することができる。例えば、「クローバー」が呼出音である場合、「グローバー」、「クラバー」などの類似語は、発音が一部類似しているものの、実際には他の意味を持つものであつて、ユーザが呼出音の入力を意図しないものと判別することができる。したがって、類似語を拡張して設定する場合には、ＦＡＲは下げることができるものの、ＦＲＲが高くなり、類似語を縮めるかまたは類似語フィルタを設定しない場合には、ＦＲＲは下げることができるものの、ＦＡＲが高くなる。

また、呼出音の前または後に含まれる黙音を検知するアルゴリズムを適用することもできる。一般に、ユーザが呼出音を発話する場合には、黙音を含むようになるため、入力された音声信号から黙音が含まれるか否かを確認し、黙音が含まれる場合に限って呼出音に認定することができる。この場合、ＦＡＲは大幅に減らすことができるが、ユーザＡが発話する環境に雑音などが多く混ざっている場合には、黙音の有無を判別し難いため、ＦＲＲが増加するなどの問題が発生する。

一方、実施形態に応じて、第１呼出音検知部１２０および第２呼出音検知部１３０に対して機械学習などを適用することができる。例えば、呼出音を含む音声信号と含まない音声信号を様々な環境で繰り返して出力した後、第１呼出音検知部１２０および第２呼出音検知部１３０が持続的に判別するようにすることができる。この時、判別結果をフィードバックして各々の第１呼出音検知部１２０および第２呼出音検知部１３０を学習させることができる。この場合、第１呼出音検知部１２０または第２呼出音検知部１３０に対し、雑音が激しい環境での学習結果を追加すれば、雑音環境でのＦＲＲを下げることができる。

したがって、第１呼出音検知部１２０および第２呼出音検知部１３０に上述のアルゴリズムなどを適用して、第１呼出音検知部１２０および第２呼出音検知部１３０が各々第１検知特性と第２検知特性を有するように実現することができる。以上で記述した実施形態は、独立に使用してもよく、または一つ以上の方法を結合して使用してもよい。

制御部１４０は、第２呼出音検知部１３０が呼出音が含まれていると判別すれば、既に設定されたウェイクアップ信号を生成することができる。制御部１４０は、生成したウェイクアップ信号を端末装置２００に転送することができ、ユーザの呼出音の発話に対応して端末装置２００が動作モードで動作するようにすることができる。すなわち、制御部１４０は、第１呼出音検知部１２０および第２呼出音検知部１３０がいずれも呼出音が含まれていると判別した場合に限って、ウェイクアップ信号を生成することができる。それにより、ユーザの発話に過度に多く反応して端末装置２００が動作するなどの問題点を防止することができる。

但し、第２呼出音検知部１３０が音声信号内に呼出音が含まれていないと判別すれば、制御部１４０は、一定の時間間隔の保留時間を設定することができる。すなわち、第２呼出音検知部１３０は、ＦＲＲが高いため、保留時間を設定して保留時間内にユーザがさらに呼出音を含む音声を発話するか否かを確認することができる。仮に保留時間内に音声受信部１１０がユーザの音声を再受信し、第１呼出音検知部１２０が再受信した音声に対応する音声信号から呼出音が含まれていると判別すれば、制御部１４０はウェイクアップ信号を生成することができる。これは、ユーザが端末装置２００の動作のために呼出音を繰り返して入力する場合に該当するため、ＦＲＲが高い第２呼出音検知部１３０による再検査は省略し、第１呼出音検知部１２０における判別だけでウェイクアップ信号を生成するようにすることができる。それにより、呼出音の認識が難しい環境などにおいても、ユーザの連続試みに応じた認識率を向上させることができる。ここで、保留時間は５秒に設定されてもよいが、これに限定されず、実施形態に応じて多様に設定可能である。

制御部１４０は、第１呼出音検知部１２０が常時動作するようにして、入力される音声信号に対して即刻に反応するようにすることができる。すなわち、ユーザが発話する呼出音をいつでも検知することができるように、第１呼出音検知部１２０は常時に動作するようにすることができる。その反面、第２呼出音検知部１３０は、第１呼出音検知部１２０における判別結果を再検査する機能をするものであり、ＦＲＲが低い第１呼出音検知部１２０により呼出音が含まれていないと判別された音声信号に対しは、再検査を行わないように制御されることができる。また、第２呼出音検知部１３０は、保留時間の間にも動作しないように制御されることができる。

本発明のまた他の実施形態によれば、第１呼出音検知部１２０および第２呼出音検知部１３０が常時に動作するようにすることができる。第１呼出音検知部１２０の動作後に第２呼出音検知部１３０が動作する場合、演算に追加時間が必要であるため、各々の呼出音検知部が入力される音声信号に対して動作を行い、その結果に基づいて最終的に呼出音の有無を決定することができる。

最終結果は、第１呼出音検知部１２０および第２呼出音検知部１３０の検知特性および性能を考慮して最終結果を決めるように設定されることができる。一例として、第１呼出音検知部１２０および第２呼出音検知部１３０の検知可否および前述した保留時間以内であるか否かに応じて最終結果が次の表のように決定されることができる。

図３は、本発明の一実施形態による呼出音認識方法を示すフローチャートである。図３を参照すれば、先ず、音声処理部がユーザの音声を受信して音声信号に変換することができる（Ｓ１０）。その後、第１検知特性を有する第１呼出音検知部を用いて、音声信号内で既に設定された呼出音の有無を判別することができる（Ｓ２０）。ここで、第１呼出音検知部は、ＦＡＲが高くＦＲＲが低い第１検知特性を有することができる。

第１呼出音検知部が呼出音が含まれていると判別した場合には（Ｓ３０）、第２検知特性を有する第２呼出音検知部が音声信号内に呼出音が含まれるか否かを再検査することができる（Ｓ５０）。ここで、第２呼出音検知部は、ＦＲＲが高くＦＡＲが低い第２検知特性を有することができる。

第２呼出音検知部が音声信号内に呼出音が含まれていると判別した場合には（Ｓ６０）、制御部が既に設定されたウェイクアップ信号を生成することができる（Ｓ７０）。制御部が生成したウェイクアップ信号は端末装置などに転送されることができ、ウェイクアップ信号によってスリップモード（ｓｌｅｅｐ ｍｏｄｅ）または節電モードの端末装置を動作モード（ａｃｔｉｖｅ ｍｏｄｅ）に転換させることができる。

一方、第２呼出音検知部が音声信号内に呼出音が含まれていないと判別した場合には（Ｓ６０）、制御部が既に設定された保留時間を設定することができる（Ｓ８０）。すなわち、保留時間内にユーザが繰り返して呼出音を出力するか否かを確認することができる。このために、保留時間を設定した後（Ｓ８０）、ユーザが発話する音声を再受信して音声信号を生成することができ（Ｓ１０）、第１呼出音検知部は、再受信した音声信号内に呼出音が含まれるか否かを再び判別することができる（Ｓ２０）。ここで、第１呼出音検知部が呼出音が含まれていると判別すれば（Ｓ３０）、音声信号が保留時間内に受信されたものであるか否かを確認することができる（Ｓ４０）。保留時間内に受信した音声信号である場合には、制御部がウェイク業信号を生成することができる（Ｓ７０）。すなわち、保留時間内にユーザが再び発話した音声内に第１呼出音検知部が呼出音が含まれたものに判断した場合には、第２呼出音検知部による追加の再検査を行わず、ウェイクアップ信号を生成するようにすることができる。それにより、ユーザの連続試みに応じた認識率を向上させることができる。

本発明は、前述した実施形態および添付された図面によって限定されるものではない。本発明が属する技術分野で通常の知識を有した者であれば、本発明の技術的思想を逸脱しない範囲内で本発明に係る構成要素を置換、変形および変更できることは明らかである。

２００ 端末装置
１００ 呼出音認識装置
１１０ 音声受信部
１２０ 第１呼出音検知部
１３０ 第２呼出音検知部
１４０ 制御部

Claims (9)

1. ユーザの音声を受信して音声信号に変換する音声受信部、
   第１検知特性に応じて、前記音声信号内で既に設定された呼出音の有無を判別する第１呼出音検知部、
   前記第１呼出音検知部が前記呼出音が含まれていると判別すれば、第２検知特性に応じて、前記音声信号内で前記呼出音の有無を再検査する第２呼出音検知部、および
   前記第２呼出音検知部が前記呼出音が含まれていると判別すれば、既に設定されたウェイクアップ信号を生成する制御部を含み、
   前記第１呼出音検知部はＦＡＲが高くＦＲＲが低い第１検知特性を有し、
   前記第２呼出音検知部はＦＲＲが高くＦＡＲが低い第２検知特性を有することを特徴とする呼出音認識装置。
2. ユーザの音声を受信して音声信号に変換する音声受信部、
   第１検知特性に応じて、前記音声信号内で既に設定された呼出音の有無を判別する第１呼出音検知部、
   第２検知特性に応じて、前記音声信号内で前記呼出音の有無を判別する第２呼出音検知部、および
   前記第１呼出音検知部の検知結果、第２呼出音検知部の検知結果および設定された保留時間に基づいて既に設定されたウェイクアップ信号を生成する制御部を含み、
   前記保留時間は、前記第１呼出音検知部が前記呼出音が含まれていると判別し、前記第２呼出音検知部が前記呼出音が含まれていないと判別した場合に設定されることを特徴とする呼出音認識装置。
3. 前記第１呼出音検知部はＦＡＲが高くＦＲＲが低い第１検知特性を有し、
   前記第２呼出音検知部はＦＲＲが高くＦＡＲが低い第２検知特性を有することを特徴とする、請求項２に記載の呼出音認識装置。
4. 前記第１呼出音検知部は第１ＦＡＲおよび第１ＦＲＲを有し、前記第２呼出音検知部は第２ＦＡＲおよび第２ＦＲＲを有し、
   前記第１ＦＡＲは前記第２ＦＡＲ以上であり、前記第２ＦＲＲは前記第１ＦＲＲ以上であることを特徴とする、請求項３に記載の呼出音認識装置。
5. ユーザの音声を受信して音声信号に変換する音声受信部、
   第１検知特性に応じて、前記音声信号内で既に設定された呼出音の有無を判別する第１呼出音検知部、
   前記第１呼出音検知部が前記呼出音が含まれていると判別すれば、第２検知特性に応じて、前記音声信号内で前記呼出音の有無を再検査する第２呼出音検知部、および
   前記第２呼出音検知部が前記呼出音が含まれていると判別すれば、既に設定されたウェイクアップ信号を生成する制御部を含み、
   前記制御部は、前記第２呼出音検知部が前記呼出音が含まれていないと判別すれば、保留時間を設定することを特徴とする、請求項１に記載の呼出音認識装置。
6. 前記制御部は、
   前記保留時間内で前記第１呼出音検知部がユーザの音声を再受信し、前記再受信した音声内に前記呼出音が含まれていると判別すれば、前記ウェイクアップ信号を生成することを特徴とする、請求項５に記載の呼出音認識装置。
7. 前記第１呼出音検知部は常時動作し、
   前記第２呼出音検知部は、前記保留時間に該当するか、または前記第１呼出音検知部が前記音声信号内に前記呼出音が含まれていないと判別した場合には動作しないことを特徴とする、請求項６に記載の呼出音認識装置。
8. 音声受信部がユーザの音声を受信して音声信号に変換するステップ、
   第１検知特性を有する第１呼出音検知部を用いて、前記音声信号内で既に設定された呼出音の有無を判別するステップ、
   前記第１呼出音検知部が前記呼出音が含まれていると判別すれば、第２検知特性を有する第２呼出音検知部を用いて、前記音声信号内で前記呼出音の有無を再検査するステップ、および
   前記第２呼出音検知部が前記呼出音が含まれていると判別すれば、制御部が既に設定されたウェイクアップ信号を生成するステップを含み、
   前記第１呼出音検知部はＦＡＲが高くＦＲＲが低い第１検知特性を有し、
   前記第２呼出音検知部はＦＲＲが高くＦＡＲが低い第２検知特性を有することを特徴とする呼出音認識方法。
9. 音声受信部がユーザの音声を受信して音声信号に変換するステップ、
   第１検知特性を有する第１呼出音検知部を用いて、前記音声信号内で既に設定された呼出音の有無を判別するステップ、
   第２検知特性を有する第２呼出音検知部を用いて、前記音声信号内で前記呼出音の有無を判別するステップ、および
   前記第１呼出音検知部の検知結果、第２呼出音検知部の検知結果および設定された保留時間に基づいて、制御部が既に設定されたウェイクアップ信号を生成するステップを含み、
   前記保留時間は、前記第１呼出音検知部が前記音声信号に前記呼出音が含まれていると判別し、前記第２呼出音検知部が前記音声信号に前記呼出音が含まれていないと判別した場合に設定されることを特徴とする呼出音認識方法。
   

Images