JP6896335B2 - Speech recognition device and speech recognition method - Google Patents
Speech recognition device and speech recognition method Download PDFInfo
- Publication number
- JP6896335B2 JP6896335B2 JP2017106225A JP2017106225A JP6896335B2 JP 6896335 B2 JP6896335 B2 JP 6896335B2 JP 2017106225 A JP2017106225 A JP 2017106225A JP 2017106225 A JP2017106225 A JP 2017106225A JP 6896335 B2 JP6896335 B2 JP 6896335B2
- Authority
- JP
- Japan
- Prior art keywords
- voice recognition
- dictionary
- recognition
- processing unit
- area
- 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.)
- Active
Links
Images
Landscapes
- Navigation (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Description
本発明は、音声認識装置および音声認識方法に関し、特に、ユーザによる発話音声と、音声認識辞書に登録されている認識対象ワードのヨミとの類似度に基づいて音声認識を行う装置に用いて好適なものである。 The present invention relates to a voice recognition device and a voice recognition method, and is particularly suitable for use in a device that performs voice recognition based on the degree of similarity between a voice spoken by a user and a Yomi of a recognition target word registered in a voice recognition dictionary. It is a thing.
従来、車両に搭載されているナビゲーション装置を操作する際の片手運転等を回避するために、ナビゲーション装置の操作を音声認識により行えるようにしたシステムが提供されている。例えば、ナビゲーション装置のアプリケーションとして目的地の住所検索や施設名検索などを実行する場合、音声認識により特定した地名や施設名をナビゲーション装置に入力し、これをキーとして検索を行うことが可能である。 Conventionally, in order to avoid one-handed driving when operating a navigation device mounted on a vehicle, a system has been provided in which the navigation device can be operated by voice recognition. For example, when executing a destination address search or facility name search as an application of a navigation device, it is possible to input the place name or facility name specified by voice recognition into the navigation device and perform the search using this as a key. ..
通常、音声認識装置では、ユーザがマイクより入力した発話音声と、音声認識辞書に登録されている認識対象ワードのヨミとの類似度に基づいて認識が行われる。ここで、ナビゲーション装置を発話コマンドにより操作可能とするために、音声認識辞書に登録する地名や施設名の認識対象ワードのヨミ(音声パターン)は、地図データに登録されている地名や施設名の読み方と同じにするのが通常である。 Normally, the voice recognition device performs recognition based on the degree of similarity between the spoken voice input by the user from the microphone and the Yomi of the recognition target word registered in the voice recognition dictionary. Here, in order to enable the navigation device to be operated by the utterance command, the Yomi (voice pattern) of the recognition target word of the place name or facility name registered in the voice recognition dictionary is the place name or facility name registered in the map data. It is usually the same as the reading.
これに対し、地域によっては、地名や施設名に関して、その地域の住人による特有の読み方が存在することがある。この場合、その地域に住むユーザが特有の読み方で地名や施設名を発話しても、音声認識辞書に登録されている認識対象ワードのヨミと異なるため、ユーザによる発話音声を発話コマンドとして認識することができない。 On the other hand, depending on the area, there may be a peculiar reading by the residents of the area regarding the place name and facility name. In this case, even if the user living in the area speaks the place name or facility name in a peculiar reading, it is different from the Yomi of the recognition target word registered in the voice recognition dictionary, so the voice spoken by the user is recognized as the utterance command. Can't.
このような問題を解決するための方法として、地域特有の読み方に合わせたヨミも認識対象ワードとして音声認識辞書に追加登録することが考えられる。しかしながら、このようにすると、その地域以外の場所に、追加登録した地域特有のヨミと同じまたは類似の読み方をする地名や施設名が存在する場合、その地名や施設名のヨミも別の認識対象ワードとして音声認識辞書に登録されているため、入力された発話音声に対して誤認識が生じてしまう可能性がある。 As a method for solving such a problem, it is conceivable to additionally register Yomi according to the reading method peculiar to the region as a recognition target word in the speech recognition dictionary. However, in this way, if there is a place name or facility name that has the same or similar reading as the additionally registered area-specific Yomi in a place other than that area, that place name or facility name Yomi is also a different recognition target. Since it is registered as a word in the voice recognition dictionary, there is a possibility that erroneous recognition will occur for the input spoken voice.
なお、元データベースに格納された施設名称または市区町村名に対し、知名度に応じて複数段のレベル付けを行い、自車位置から遠い地域は全国的に有名な地名や施設のみを部分データベースに格納する一方、自車位置周辺の地域では有名な地名や施設のみならず知名度の低い施設や地名も部分データベースに格納し、部分データベースを対象として音声認識を行うようにしたナビゲーション装置が知られている(例えば、特許文献1参照)。 In addition, the facility names or city / ward / town / village names stored in the original database are leveled in multiple stages according to their name, and in areas far from the vehicle's location, only nationally famous place names and facilities are included in the partial database. On the other hand, in the area around the vehicle position, not only famous place names and facilities but also lesser-known facilities and place names are stored in the partial database, and a navigation device that performs voice recognition for the partial database is known. (See, for example, Patent Document 1).
また、音声認識辞書に記録された名称を知らなくても所望の検索ができるように、関連する語彙を効率よく蓄積する技術も知られている(例えば、特許文献2参照)。この特許文献2に記載のシステムでは、認識辞書データベースに予め記憶された初期キーワードに意味的な関連性をもつ関連キーワードをWEB情報から収集し、収集した関連キーワードを認識辞書データベースに追加する。音声検索部は、初期キーワードと関連キーワードとを認識対象として検索を実行する。 Further, there is also known a technique for efficiently accumulating related vocabularies so that a desired search can be performed without knowing the name recorded in the speech recognition dictionary (see, for example, Patent Document 2). In the system described in Patent Document 2, related keywords having a semantic relevance to the initial keywords stored in advance in the recognition dictionary database are collected from the WEB information, and the collected related keywords are added to the recognition dictionary database. The voice search unit executes a search with the initial keyword and the related keyword as recognition targets.
本発明は、上述のような問題を解決するために成されたものであり、地域特有の読み方を知っているユーザがその読み方で発話した場合にも、地域特有の読み方を知らないユーザが発話した場合にも、それぞれの発話音声を適切に認識することができるようにすることを目的とする。 The present invention has been made to solve the above-mentioned problems, and even when a user who knows a region-specific reading speaks in that reading, a user who does not know the region-specific reading speaks. Even if this is the case, the purpose is to be able to appropriately recognize each uttered voice.
上記した課題を解決するために、本発明の音声認識装置は、認識対象ワードに関して基本のヨミが登録されて成る基本の音声認識辞書を記憶した基本辞書記憶部の他に、認識対象ワードに関して地域特有のヨミが登録されて成る地域別の音声認識辞書を記憶した地域別辞書記憶部を備える。そして、地域別の音声認識辞書のうち、ナビゲーション装置から取得される位置情報が該当する地域の音声認識辞書を有効化し、当該有効化した地域の音声認識辞書および基本の音声認識辞書を用いて音声認識を行うようにしている。その際、認識対象ワードは地名であり、ナビゲーション装置において住所検索の実行が指示された場合にのみ、地域の音声認識辞書を有効化する処理を行うようにしている。或いは、認識対象ワードは施設名であり、ナビゲーション装置において施設名検索の実行が指示された場合にのみ、地域の音声認識辞書を有効化する処理を行うようにしている。或いは、認識対象ワードは地名および施設名であり、ナビゲーション装置において住所検索または施設名検索の実行が指示された場合にのみ、地域の音声認識辞書を有効化する処理を行うようにしている。 In order to solve the above-mentioned problems, the speech recognition device of the present invention has a basic dictionary storage unit that stores a basic speech recognition dictionary in which basic readings are registered for the recognition target word, and a region for the recognition target word. It is equipped with a regional dictionary storage unit that stores regional voice recognition dictionaries in which unique Yomi is registered. Then, among the voice recognition dictionaries by region, the voice recognition dictionary of the region to which the position information acquired from the navigation device corresponds is enabled, and the voice recognition dictionary of the activated region and the basic voice recognition dictionary are used for voice recognition. I try to recognize it. At that time, the word to be recognized is a place name, and the process of activating the local voice recognition dictionary is performed only when the navigation device is instructed to execute the address search. Alternatively, the recognition target word is the facility name, and the process of activating the local voice recognition dictionary is performed only when the navigation device is instructed to execute the facility name search. Alternatively, the recognition target words are a place name and a facility name, and the process of activating the local voice recognition dictionary is performed only when the navigation device is instructed to execute the address search or the facility name search.
上記のように構成した本発明によれば、認識対象ワードに関して地域特有の読み方を知っているユーザが音声認識を行うときは、ナビゲーション装置から取得される位置情報に基づいて、該当する地域の音声認識辞書を有効化して音声認識を行うことができる。これにより、地域特有の読み方を知っているユーザが、その地域特有の読み方で認識対象ワードを発話した場合にも、その発話音声を適切に認識することができる。一方、認識対象ワードに関して地域特有の読み方を知らないユーザが音声認識を行うときは、地域の音声認識辞書を有効化せず、基本の音声認識辞書のみを用いて音声認識を行うことができる。これにより、地域特有の読み方を知らないユーザによる発話音声が、地域特有のヨミに該当すると誤認識されてしまうことを抑止することができる。以上により、本発明によれば、地域特有の読み方を知っているユーザがその読み方で発話した場合にも、地域特有の読み方を知らないユーザが発話した場合にも、それぞれの発話音声を適切に認識することができる。 According to the present invention configured as described above, when a user who knows a region-specific reading of a recognition target word performs voice recognition, the voice of the corresponding region is based on the position information acquired from the navigation device. Speech recognition can be performed by enabling the recognition dictionary. As a result, even when a user who knows the reading method peculiar to the area utters the recognition target word in the reading method peculiar to the area, the spoken voice can be appropriately recognized. On the other hand, when a user who does not know how to read the recognition target word peculiar to the region performs voice recognition, the voice recognition can be performed using only the basic voice recognition dictionary without activating the voice recognition dictionary of the region. As a result, it is possible to prevent the uttered voice by a user who does not know the reading method peculiar to the region from being misrecognized as corresponding to the Yomi peculiar to the region. Based on the above, according to the present invention, whether a user who knows a region-specific reading method speaks in that reading method or a user who does not know the region-specific reading method speaks, each spoken voice is appropriately spoken. Can be recognized.
以下、本発明の一実施形態を図面に基づいて説明する。図1は、本実施形態による音声認識装置100の機能構成例を示すブロック図である。本実施形態の音声認識装置100は、マイク200より入力されるユーザによる発話音声と、音声認識辞書に登録されている認識対象ワードのヨミとの類似度に基づいて音声認識を行い、認識対象ワードに対応する発話音声を発話コマンドとして認識し、ナビゲーション装置300に対して発話コマンドを実行するものである。
Hereinafter, an embodiment of the present invention will be described with reference to the drawings. FIG. 1 is a block diagram showing a functional configuration example of the
図1に示すように、本実施形態による音声認識装置100は、基本辞書記憶部101、地域別辞書記憶部102、認識処理部11および辞書有効化処理部12を備えて構成されている。なお、認識処理部11および辞書有効化処理部12は、ハードウェア、DSP(Digital Signal Processor)、ソフトウェアの何れによっても構成することが可能である。例えばソフトウェアによって構成する場合、認識処理部11および辞書有効化処理部12は、実際にはコンピュータのCPU、RAM、ROMなどを備えて構成され、RAMやROM、ハードディスクまたは半導体メモリ等の記録媒体に記憶されたプログラムが動作することによって実現される。
As shown in FIG. 1, the
基本辞書記憶部101は、認識対象ワードに関して基本のヨミが登録されて成る基本の音声認識辞書101Aを記憶する。基本の音声認識辞書101Aは、ナビゲーション装置300の地図データに登録されている地名や施設名から成る認識対象ワードと、その地名や施設名に関して通常のヨミ(音声パターン)とを対応付けた辞書データである。
The basic
地域別辞書記憶部102は、認識対象ワードに関して地域特有のヨミが登録されて成る地域別の音声認識辞書102A1〜102Anを記憶する。地域別の音声認識辞書102A1〜102Anは、基本の音声認識辞書101Aに登録されている認識対象ワードの一部と同じ認識対象ワードと、その認識対象ワードに係る地名や施設名に関して地域特有のヨミ(音声パターン)とを対応付けた辞書データである。
The regional dictionary storage unit 102 stores regional voice recognition dictionaries 102A 1 to 102A n in which region-specific Yomi is registered with respect to the recognition target word. By region of the speech recognition dictionary 102A 1 ~102A n is, and the same recognition target word as part of the recognition target word that is registered to the base of the
ここで、第1の音声認識辞書102A1は、第1の地域における地域特有のヨミを登録した辞書データである。また、第2の音声認識辞書102A2は、第2の地域における地域特有のヨミを登録した辞書データである。同様に、第nの音声認識辞書102Anは、第nの地域における地域特有のヨミを登録した辞書データである。 Here, the first speech recognition dictionary 102A 1 is dictionary data in which region-specific Yomi in the first region is registered. Further, the second voice recognition dictionary 102A 2 is dictionary data in which the region-specific Yomi in the second region is registered. Similarly, the nth speech recognition dictionary 102A n is dictionary data in which region-specific Yomi in the nth region is registered.
このように複数の音声認識辞書102A1〜102Anに区切る地域は、例えば、都道府県や市区町村などの行政区画を単位とするものとすることが可能である。この場合、地域別の音声認識辞書102A1〜102Anは、どの行政区画に対応するものかを示す情報と共に地域別辞書記憶部102に記憶される。
Regional delimiting Thus a plurality of speech recognition dictionaries 102A 1 ~102A n may, for example, be made in units of administrative areas such as prefectures or municipalities. In this case, regional speech recognition dictionary 102A 1 ~102A n is stored in the regional
複数の音声認識辞書102A1〜102Anに区切る地域は、所定サイズの矩形メッシュを単位とするものとすることも可能である。この場合、各メッシュに対してメッシュIDを付与するとともに、地図上の位置情報を関連付ける。例えば、矩形の各頂点の緯度経度情報を各メッシュに関連付ける。そして、地域別の音声認識辞書102A1〜102Anは、対応するメッシュIDと共に地域別辞書記憶部102に記憶される。ここで、1つの音声認識辞書に対して1つまたは複数のメッシュIDを対応付けることが可能である。
Regional separating the plurality of speech recognition dictionaries 102A 1 ~102A n can also be assumed that the unit of square mesh of a predetermined size. In this case, a mesh ID is assigned to each mesh and position information on the map is associated with the mesh. For example, the latitude / longitude information of each vertex of the rectangle is associated with each mesh. The regional speech recognition dictionary 102A 1 ~102A n is stored along with the corresponding mesh ID to regional
認識処理部11は、音声認識辞書に登録されている認識対象ワードのヨミ(音声パターン)と、マイク200より入力された発話音声との類似度を示す指標を算出し、当該算出した指標が閾値に対して所定の条件を満たす場合に、発話音声が当該所定の条件を満たす認識対象ワードであると認識する。
The recognition processing unit 11 calculates an index indicating the degree of similarity between the Yomi (voice pattern) of the recognition target word registered in the voice recognition dictionary and the utterance voice input from the
本実施形態では指標の一例として、認識対象ワードの音声パターンと、マイク200より入力された発話音声との近さの程度(類似度)を示す距離値を用いる。距離値が小さいほど類似度が高いことを意味する。この場合、認識処理部11は、発話音声について算出した距離値が閾値よりも小さい場合に、その発話音声が、閾値を下回った認識対象ワードであると認識する。
In the present embodiment, as an example of the index, a distance value indicating the degree of closeness (similarity) between the voice pattern of the recognition target word and the spoken voice input from the
なお、類似度が高くなるほど値が大きくなるような指標を用いた場合、認識処理部11は、発話音声について算出した指標が閾値よりも大きい場合に、その発話音声が、閾値を上回った認識対象ワードであると認識する。 When an index whose value increases as the degree of similarity increases is used, the recognition processing unit 11 recognizes that when the index calculated for the spoken voice is larger than the threshold value, the spoken voice exceeds the threshold value. Recognize as a word.
辞書有効化処理部12は、地域別辞書記憶部102に記憶されている地域別の音声認識辞書102A1〜102Anのうち、ナビゲーション装置300から取得される位置情報が該当する地域の音声認識辞書を有効化する。すなわち、辞書有効化処理部12は、地域別辞書記憶部102に記憶されている地域別の音声認識辞書102A1〜102Anの中に、位置情報が該当する地域の音声認識辞書があるか否かを判定し、あると判定された場合に、該当する地域の音声認識辞書を有効化する。
Dictionary
ナビゲーション装置300から取得される位置情報は、例えば、ナビゲーション装置300に登録されている自宅の位置情報である。なお、ナビゲーション装置300は、車両に搭載されている車載機であってもよいし、ナビゲーション機能を備えたアプリケーションがインストールされたスマートフォンのような携帯端末であってもよい。
The position information acquired from the
上述のように、地域別の音声認識辞書102A1〜102Anを行政区画情報と共に地域別辞書記憶部102に記憶した場合、ナビゲーション装置300から取得する自宅の位置情報は、例えば、自宅位置に対応する住所情報とするのが好ましい。辞書有効化処理部12は、ナビゲーション装置300から取得した住所情報に該当する行政区画を特定し、地域別の音声認識辞書102A1〜102Anのうち、上記特定した行政区画の情報と共に記憶されている音声認識辞書を有効化する。
As described above, when storing the regional speech recognition dictionary 102A 1 ~102A n with administrative areas information by location
一方、地域別の音声認識辞書102A1〜102AnをメッシュIDと共に地域別辞書記憶部102に記憶した場合、ナビゲーション装置300から取得する自宅の位置情報は、例えば、自宅位置に対応する緯度経度情報とするのが好ましい。辞書有効化処理部12は、ナビゲーション装置300から取得した緯度経度情報に基づいて、当該緯度経度が矩形内に含まれるメッシュを特定し、地域別の音声認識辞書102A1〜102Anのうち、上記特定したメッシュのメッシュIDと共に記憶されている音声認識辞書を有効化する。
On the other hand, when storing a regional voice recognition dictionary 102A 1 ~102A n By Location
上述の認識処理部11は、基本辞書記憶部101に記憶されている基本の音声認識辞書101Aと、地域別辞書記憶部102に記憶されている地域別の音声認識辞書102A1〜102Anのうち、辞書有効化処理部12により有効化された地域の音声認識辞書とを用いて、上述した音声認識を行う。
Recognition processing unit 11 described above, the
ここで、認識処理部11は、辞書有効化処理部12により有効化された地域の音声認識辞書がある場合、基本の音声認識辞書101Aよりも有効化された地域の音声認識辞書を優先的に用いて音声認識を行うのが好ましい。地域の音声認識辞書を優先的に用いるというのは、基本の音声認識辞書101Aに登録されている認識対象ワードの音声パターンと発話音声との類似度と、辞書有効化処理部12により有効化された地域の音声認識辞書に登録されている認識対象ワードの音声パターンと発話音声との類似度と同じであった場合に、地域の音声認識辞書に登録されている認識対象ワードを優先して認識するという意味である。
Here, when there is a local voice recognition dictionary activated by the dictionary
例えば、ユーザの自宅位置が第1の地域に属する場合、辞書有効化処理部12は、ナビゲーション装置300から取得される自宅位置の位置情報に基づいて、第1の地域の音声認識辞書102A1を有効化する。この第1の地域の音声認識辞書102A1には、ある地名に関して第1の地域に特有の読み方である「シルビン」というヨミ(音声パターン)が登録されていたとする。一方、基本の音声認識辞書101Aにも、別の地域にある地名に関して基本の読み方として「シルビン」というヨミが登録されていたとする。この場合、ユーザが「シルビン」と発話すると、第1の地域の音声認識辞書102A1に登録されている「シルビン」のヨミと発話音声との類似度と、基本の音声認識辞書101Aに登録されている「シルビン」のヨミと発話音声との類似度とが同じになる。この場合、認識処理部11は、第1の地域に特有のヨミが発話されたと認識する。
For example, when the user's home position belongs to the first area, the dictionary
なお、ユーザの自宅位置が第1の地域にない場合、第1の地域の音声認識辞書102A1は有効化されない。他にも有効化された地域の音声認識辞書がない場合、認識処理部11は、基本辞書記憶部101に記憶されている基本の音声認識辞書101Aのみを用いて音声認識を行う。この場合、ユーザが「シルビン」と発話すると、認識処理部11は、基本の音声認識辞書101Aに登録されている「シルビン」のヨミが発話された、すなわち、第1の地域とは別の地域にある「シルビン」というヨミの地名が発話されたと認識する。
If the user's home location is not in the first area, the voice recognition dictionary 102A 1 in the first area is not activated. If there is no other activated regional speech recognition dictionary, the recognition processing unit 11 performs speech recognition using only the basic
また、ユーザの自宅位置が第1の地域にない場合、そのユーザは、第1の地域にある地名に「シルビン」という特有の読み方が存在することを知らないので、仮にその地名を発話したい場合は、基本の読み方で発話することになる。例えば、その地名の基本の読み方が「シルビアン」であったとすると、「シルビン」という地域特有の読み方を知らないユーザは、通常の読み方である「シルビアン」と発話する。この場合、認識処理部11は、基本の音声認識辞書101Aに登録されている「シルビアン」のヨミと発話音声との類似度から、「シルビアン」の地名を認識することが可能である。
Also, if the user's home location is not in the first area, the user does not know that the place name in the first area has a unique reading of "Sylvin", so if he / she wants to speak the place name. Will speak in the basic reading. For example, if the basic reading of a place name is "Sylvian", a user who does not know the region-specific reading of "Sylvin" speaks "Sylvian", which is the normal reading. In this case, the recognition processing unit 11 can recognize the place name of "Sylvian" from the similarity between the Yomi of "Sylvian" registered in the basic
ここでは、基本の音声認識辞書101Aに基づき算出される類似度と、地域別の音声認識辞書102A1〜102Anに基づき算出される類似度とが同じであった場合に後者を優先して認識すると説明したが、本発明はこれに限定されない。例えば、基本の音声認識辞書101Aに基づき算出される類似度よりも、地域別の音声認識辞書102A1〜102Anに基づき算出される類似度の方が小さい場合であっても、その差が所定値以下であるときには、地域別の音声認識辞書102A1〜102Anを優先的に用いて音声認識を行うようにしてもよい。
Here, recognition in favor of the latter when the degree of similarity calculated based on the basic
図2は、以上のように構成した本実施形態による音声認識装置100の動作例を示すフローチャートである。図2に示すフローチャートは、例えば、ナビゲーション装置300において音声認識機能をオンにするユーザ操作が行われたときに開始する。
FIG. 2 is a flowchart showing an operation example of the
まず、辞書有効化処理部12は、ナビゲーション装置300から自宅位置の位置情報を取得する(ステップS1)。次いで、辞書有効化処理部12は、地域別辞書記憶部102に記憶されている地域別の音声認識辞書102A1〜102Anの中に、ステップS1で取得した位置情報が該当する地域の音声認識辞書があるか否かを判定する(ステップS2)。そして、該当する地域の音声認識辞書があると判定された場合、辞書有効化処理部12は、その該当する地域の音声認識辞書を有効化する(ステップS3)。
First, the dictionary
一方、該当する地域の音声認識辞書がないと判定された場合、ステップS3の処理は実行されず、処理はステップS4に遷移する。認識処理部11は、マイク200より発話音声を入力し(ステップS4)、基本辞書記憶部101に記憶されている基本の音声認識辞書101Aと、地域別辞書記憶部102に記憶されている地域別の音声認識辞書102A1〜102Anのうち、辞書有効化処理部12により有効化された地域の音声認識辞書とを用いて、発話音声に対する音声認識を行う(ステップS5)。そして、その認識結果をナビゲーション装置300に出力して(ステップS6)、一連の処理を終了する。
On the other hand, if it is determined that there is no voice recognition dictionary in the corresponding area, the process of step S3 is not executed, and the process transitions to step S4. The recognition processing unit 11 inputs the uttered voice from the microphone 200 (step S4), and stores the basic
以上詳しく説明したように、本実施形態の音声認識装置100は、認識対象ワードに関して基本のヨミが登録されて成る基本の音声認識辞書100Aを記憶した基本辞書記憶部101の他に、認識対象ワードに関して地域特有のヨミが登録されて成る地域別の音声認識辞書102A1〜102Anを記憶した地域別辞書記憶部102を備える。そして、地域別の音声認識辞書102A1〜102Anのうち、ナビゲーション装置300から取得される位置情報が該当する地域の音声認識辞書を有効化し、当該有効化した地域の音声認識辞書および基本の音声認識辞書101Aを用いて音声認識を行うようにしている。
As described in detail above, the
このように構成した本実施形態によれば、認識対象ワードに関して地域特有の読み方を知っているユーザが音声認識を行うときは、ナビゲーション装置300から取得される位置情報に基づいて、該当する地域の音声認識辞書を有効化して音声認識を行うことができる。これにより、地域特有の読み方を知っているユーザが、その地域特有の読み方で認識対象ワードを発話した場合にも、その発話音声を適切に認識することができる。
According to the present embodiment configured in this way, when a user who knows a region-specific reading of the recognition target word performs voice recognition, the region corresponds to the region based on the position information acquired from the
一方、認識対象ワードに関して地域特有の読み方を知らないユーザが音声認識を行うときは、地域別の音声認識辞書102A1〜102Anを有効化せず、基本の音声認識辞書101Aのみを用いて音声認識を行うことができる。これにより、地域特有の読み方を知らないユーザによる発話音声が、地域特有のヨミに該当すると誤認識されてしまうことを抑止することができる。
On the other hand, when the user does not know the region-specific reading with respect to the recognition objective word is speech recognition does not enable the regional speech recognition dictionary 102A 1 ~102A n, using only basic
以上により、本実施形態によれば、地域特有の読み方を知っているユーザがその読み方で発話した場合にも、地域特有の読み方を知らないユーザが発話した場合にも、それぞれの発話音声を適切に認識することができる。 Based on the above, according to the present embodiment, each spoken voice is appropriate regardless of whether a user who knows the region-specific reading method speaks in that reading method or a user who does not know the region-specific reading method speaks. Can be recognized.
なお、上記実施形態では、ナビゲーション装置300から取得する位置情報として、ナビゲーション装置300に登録されている自宅の位置情報を用いる例について説明したが、本発明はこれに限らない。例えば、ナビゲーション装置300から取得される位置情報は、ナビゲーション装置300において検出される現在位置情報であってもよい。
In the above embodiment, an example in which the home position information registered in the
また、上記実施形態において、認識対象ワードを地名とし、辞書有効化処理部12は、ナビゲーション装置300において住所検索の実行が指示された場合にのみ、地域別の音声認識辞書102A1〜102Anを有効化する処理を行うようにしてもよい。あるいは、認識対象ワードは施設名とし、辞書有効化処理部12は、ナビゲーション装置300において施設名検索の実行が指示された場合にのみ、地域別の音声認識辞書102A1〜102Anを有効化する処理を行うようにしてもよい。あるいは、認識対象ワードを地名および施設名とし、辞書有効化処理部12は、ナビゲーション装置300において住所検索または施設名検索の実行が指示された場合にのみ、地域別の音声認識辞書102A1〜102Anを有効化する処理を行うようにしてもよい。
In the above embodiment, the recognition target words as a place name, Dictionary
このようにすれば、ナビゲーション装置300の用途に応じて必要なときにのみ地域別の音声認識辞書102A1〜102Anを有効化するようにすることができる。これにより、無用なときに地域別の音声認識辞書102A1〜102Anが有効化されて、本来は基本の音声認識辞書101Aに基づき認識されるべき発話音声が、有効化された地域の音声認識辞書に基づき認識されてしまうといった誤認識が生じる可能性を低減することができる。
Thus, it can be made to enable the regional speech recognition dictionary 102A 1 ~102A n only when necessary depending on the application of the
その他、上記実施形態は、何れも本発明を実施するにあたっての具体化の一例を示したものに過ぎず、これによって本発明の技術的範囲が限定的に解釈されてはならないものである。すなわち、本発明はその要旨、またはその主要な特徴から逸脱することなく、様々な形で実施することができる。 In addition, the above embodiments are merely examples of embodiment of the present invention, and the technical scope of the present invention should not be construed in a limited manner. That is, the present invention can be implemented in various forms without departing from its gist or its main features.
11 認識処理部
12 辞書有効化処理部
100 音声認識装置
101 基本辞書記憶部
101A 基本の音声認識辞書
102 地域別辞書記憶部
102A1〜102An 地域別の音声認識辞書
300 ナビゲーション装置
11
Claims (9)
上記認識対象ワードに関して基本のヨミが登録されて成る基本の音声認識辞書を記憶した基本辞書記憶部と、
上記認識対象ワードに関して地域特有のヨミが登録されて成る地域別の音声認識辞書を記憶した地域別辞書記憶部と、
上記地域別辞書記憶部に記憶されている上記地域別の音声認識辞書のうち、ナビゲーション装置から取得される位置情報が該当する地域の音声認識辞書を有効化する辞書有効化処理部と、
上記基本辞書記憶部に記憶されている上記基本の音声認識辞書および上記辞書有効化処理部により有効化された上記地域の音声認識辞書を用いて、上記音声認識を行う認識処理部とを備え、
上記認識対象ワードは地名であり、
上記辞書有効化処理部は、上記ナビゲーション装置において住所検索の実行が指示された場合にのみ、上記地域の音声認識辞書を有効化する処理を行うことを特徴とする音声認識装置。 It is a voice recognition device that performs voice recognition based on the degree of similarity between the voice spoken by the user and the Yomi of the recognition target word registered in the voice recognition dictionary.
A basic dictionary storage unit that stores a basic speech recognition dictionary in which basic Yomi is registered for the above recognition target word,
A regional dictionary storage unit that stores regional voice recognition dictionaries in which region-specific Yomi is registered for the above recognition target words,
Among the above-mentioned area-specific voice recognition dictionaries stored in the above-mentioned area-specific dictionary storage unit, a dictionary activation processing unit that activates the area-specific voice recognition dictionary whose location information acquired from the navigation device corresponds
It is provided with a recognition processing unit that performs voice recognition using the basic voice recognition dictionary stored in the basic dictionary storage unit and the voice recognition dictionary in the area activated by the dictionary activation processing unit.
The above recognition target word is a place name,
The dictionary activation processing unit is a voice recognition device characterized in that it performs processing for activating a voice recognition dictionary in the area only when the navigation device is instructed to execute an address search.
上記認識対象ワードに関して基本のヨミが登録されて成る基本の音声認識辞書を記憶した基本辞書記憶部と、
上記認識対象ワードに関して地域特有のヨミが登録されて成る地域別の音声認識辞書を記憶した地域別辞書記憶部と、
上記地域別辞書記憶部に記憶されている上記地域別の音声認識辞書のうち、ナビゲーション装置から取得される位置情報が該当する地域の音声認識辞書を有効化する辞書有効化処理部と、
上記基本辞書記憶部に記憶されている上記基本の音声認識辞書および上記辞書有効化処理部により有効化された上記地域の音声認識辞書を用いて、上記音声認識を行う認識処理部とを備え、
上記認識対象ワードは施設名であり、
上記辞書有効化処理部は、上記ナビゲーション装置において施設名検索の実行が指示された場合にのみ、上記地域の音声認識辞書を有効化する処理を行うことを特徴とする音声認識装置。 It is a voice recognition device that performs voice recognition based on the degree of similarity between the voice spoken by the user and the Yomi of the recognition target word registered in the voice recognition dictionary.
A basic dictionary storage unit that stores a basic speech recognition dictionary in which basic Yomi is registered for the above recognition target word,
A regional dictionary storage unit that stores regional voice recognition dictionaries in which region-specific Yomi is registered for the above recognition target words,
Among the above-mentioned area-specific voice recognition dictionaries stored in the above-mentioned area-specific dictionary storage unit, a dictionary activation processing unit that activates the area-specific voice recognition dictionary whose location information acquired from the navigation device corresponds
It is provided with a recognition processing unit that performs voice recognition using the basic voice recognition dictionary stored in the basic dictionary storage unit and the voice recognition dictionary in the area activated by the dictionary activation processing unit.
The above recognition target word is the facility name,
The dictionary activation processing unit is a voice recognition device characterized in that it performs processing for activating a voice recognition dictionary in the area only when the navigation device is instructed to execute a facility name search.
上記認識対象ワードに関して基本のヨミが登録されて成る基本の音声認識辞書を記憶した基本辞書記憶部と、
上記認識対象ワードに関して地域特有のヨミが登録されて成る地域別の音声認識辞書を記憶した地域別辞書記憶部と、
上記地域別辞書記憶部に記憶されている上記地域別の音声認識辞書のうち、ナビゲーション装置から取得される位置情報が該当する地域の音声認識辞書を有効化する辞書有効化処理部と、
上記基本辞書記憶部に記憶されている上記基本の音声認識辞書および上記辞書有効化処理部により有効化された上記地域の音声認識辞書を用いて、上記音声認識を行う認識処理部とを備え、
上記認識対象ワードは地名および施設名であり、
上記辞書有効化処理部は、上記ナビゲーション装置において住所検索または施設名検索の実行が指示された場合にのみ、上記地域の音声認識辞書を有効化する処理を行うことを特徴とする音声認識装置。 It is a voice recognition device that performs voice recognition based on the degree of similarity between the voice spoken by the user and the Yomi of the recognition target word registered in the voice recognition dictionary.
A basic dictionary storage unit that stores a basic speech recognition dictionary in which basic Yomi is registered for the above recognition target word,
A regional dictionary storage unit that stores regional voice recognition dictionaries in which region-specific Yomi is registered for the above recognition target words,
Among the above-mentioned area-specific voice recognition dictionaries stored in the above-mentioned area-specific dictionary storage unit, a dictionary activation processing unit that activates the area-specific voice recognition dictionary whose location information acquired from the navigation device corresponds
It is provided with a recognition processing unit that performs voice recognition using the basic voice recognition dictionary stored in the basic dictionary storage unit and the voice recognition dictionary in the area activated by the dictionary activation processing unit.
The above recognition target words are place names and facility names.
The dictionary activation processing unit is a voice recognition device characterized in that it performs a process of activating a voice recognition dictionary in the area only when the navigation device is instructed to execute an address search or a facility name search.
上記認識処理部は、上記辞書有効化処理部により有効化された地域の音声認識辞書がある場合、上記基本の音声認識辞書よりも上記有効化された地域の音声認識辞書を優先的に用いて上記音声認識を行うことを特徴とする請求項1〜3の何れか1項に記載の音声認識装置。 The dictionary activation processing unit determines whether or not there is a voice recognition dictionary for the area to which the location information corresponds in the voice recognition dictionary for each area stored in the dictionary storage unit for each area. When it is determined that there is, the voice recognition dictionary of the above applicable area is enabled.
When the recognition processing unit has a local voice recognition dictionary activated by the dictionary activation processing unit, the recognition processing unit preferentially uses the activated local voice recognition dictionary over the basic voice recognition dictionary. The voice recognition device according to any one of claims 1 to 3, wherein the voice recognition is performed.
上記音声認識装置の辞書有効化処理部が、上記地域別の音声認識辞書のうち、ナビゲーション装置から取得される位置情報が該当する地域の音声認識辞書を有効化する第1のステップと、
上記音声認識装置の認識処理部が、上記基本の音声認識辞書および上記辞書有効化処理部により有効化された上記地域の音声認識辞書を用いて、上記音声認識を行う第2のステップとを有し、
上記認識対象ワードは地名であり、
前記第1のステップにおいて、上記辞書有効化処理部は、上記ナビゲーション装置において住所検索の実行が指示された場合にのみ、上記地域の音声認識辞書を有効化する処理を行う
ことを特徴とする音声認識方法。 Speaking by the user in a voice recognition device having a basic voice recognition dictionary in which basic yomi is registered for the recognition target word and a region-specific voice recognition dictionary in which region-specific yomi is registered for the recognition target word. It is a voice recognition method that performs voice recognition based on the degree of similarity between voice and Yomi of the recognition target word registered in the voice recognition dictionary.
The first step in which the dictionary activation processing unit of the voice recognition device activates the voice recognition dictionary of the area to which the position information acquired from the navigation device is applicable among the voice recognition dictionaries for each area.
The recognition processing unit of the voice recognition device has a second step of performing the voice recognition using the basic voice recognition dictionary and the voice recognition dictionary of the area activated by the dictionary activation processing unit. And
The above recognition target word is a place name,
In the first step, the dictionary activation processing unit performs a process of activating the voice recognition dictionary in the area only when the navigation device is instructed to execute the address search. Recognition method.
上記音声認識装置の辞書有効化処理部が、上記地域別の音声認識辞書のうち、ナビゲーション装置から取得される位置情報が該当する地域の音声認識辞書を有効化する第1のステップと、
上記音声認識装置の認識処理部が、上記基本の音声認識辞書および上記辞書有効化処理部により有効化された上記地域の音声認識辞書を用いて、上記音声認識を行う第2のステップとを有し、
上記認識対象ワードは施設名であり、
上記第1のステップにおいて、上記辞書有効化処理部は、上記ナビゲーション装置において施設名検索の実行が指示された場合にのみ、上記地域の音声認識辞書を有効化する処理を行う
ことを特徴とする音声認識方法。 Speaking by the user in a voice recognition device having a basic voice recognition dictionary in which basic yomi is registered for the recognition target word and a region-specific voice recognition dictionary in which region-specific yomi is registered for the recognition target word. It is a voice recognition method that performs voice recognition based on the degree of similarity between voice and Yomi of the recognition target word registered in the voice recognition dictionary.
The first step in which the dictionary activation processing unit of the voice recognition device activates the voice recognition dictionary of the area to which the position information acquired from the navigation device is applicable among the voice recognition dictionaries for each area.
The recognition processing unit of the voice recognition device has a second step of performing the voice recognition using the basic voice recognition dictionary and the voice recognition dictionary of the area activated by the dictionary activation processing unit. And
The above recognition target word is the facility name,
In the first step, the dictionary activation processing unit performs a process of activating the voice recognition dictionary in the area only when the navigation device is instructed to execute the facility name search. Voice recognition method.
上記音声認識装置の辞書有効化処理部が、上記地域別の音声認識辞書のうち、ナビゲーション装置から取得される位置情報が該当する地域の音声認識辞書を有効化する第1のステップと、
上記音声認識装置の認識処理部が、上記基本の音声認識辞書および上記辞書有効化処理部により有効化された上記地域の音声認識辞書を用いて、上記音声認識を行う第2のステップとを有し、
上記認識対象ワードは地名および施設名であり、
上記第1のステップにおいて、上記辞書有効化処理部は、上記ナビゲーション装置において住所検索または施設名検索の実行が指示された場合にのみ、上記地域の音声認識辞書を有効化する処理を行う
ことを特徴とする音声認識方法。 Speaking by the user in a voice recognition device having a basic voice recognition dictionary in which basic yomi is registered for the recognition target word and a region-specific voice recognition dictionary in which region-specific yomi is registered for the recognition target word. It is a voice recognition method that performs voice recognition based on the degree of similarity between voice and Yomi of the recognition target word registered in the voice recognition dictionary.
The first step in which the dictionary activation processing unit of the voice recognition device activates the voice recognition dictionary of the area to which the position information acquired from the navigation device is applicable among the voice recognition dictionaries for each area.
The recognition processing unit of the voice recognition device has a second step of performing the voice recognition using the basic voice recognition dictionary and the voice recognition dictionary of the area activated by the dictionary activation processing unit. And
The above recognition target words are place names and facility names.
In the first step, the dictionary activation processing unit performs a process of activating the voice recognition dictionary in the area only when the navigation device is instructed to execute the address search or the facility name search. Characteristic voice recognition method.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017106225A JP6896335B2 (en) | 2017-05-30 | 2017-05-30 | Speech recognition device and speech recognition method |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017106225A JP6896335B2 (en) | 2017-05-30 | 2017-05-30 | Speech recognition device and speech recognition method |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2018200452A JP2018200452A (en) | 2018-12-20 |
JP6896335B2 true JP6896335B2 (en) | 2021-06-30 |
Family
ID=64667158
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2017106225A Active JP6896335B2 (en) | 2017-05-30 | 2017-05-30 | Speech recognition device and speech recognition method |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP6896335B2 (en) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7322782B2 (en) * | 2020-03-27 | 2023-08-08 | 富士通株式会社 | Information providing program, information providing method and information processing device |
BR112022023901A2 (en) * | 2020-05-28 | 2022-12-27 | Jfe Steel Corp | INFORMATION SEARCH SYSTEM |
CN111651976B (en) * | 2020-07-07 | 2023-08-25 | 中国银行股份有限公司 | Name broadcasting method and device |
US20230326453A1 (en) * | 2022-04-08 | 2023-10-12 | Palantir Technologies Inc. | Approaches of augmenting outputs from speech recognition |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005227369A (en) * | 2004-02-10 | 2005-08-25 | Matsushita Electric Ind Co Ltd | Voice recognition device, and method, and vehicle mounted navigation system |
JP4855421B2 (en) * | 2005-12-14 | 2012-01-18 | 三菱電機株式会社 | Voice recognition device |
JP4816409B2 (en) * | 2006-01-10 | 2011-11-16 | 日産自動車株式会社 | Recognition dictionary system and updating method thereof |
JP5009037B2 (en) * | 2007-04-20 | 2012-08-22 | クラリオン株式会社 | Speech recognition apparatus and speech recognition method thereof |
JP2010197644A (en) * | 2009-02-25 | 2010-09-09 | Gifu Univ | Speech recognition system |
-
2017
- 2017-05-30 JP JP2017106225A patent/JP6896335B2/en active Active
Also Published As
Publication number | Publication date |
---|---|
JP2018200452A (en) | 2018-12-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6896335B2 (en) | Speech recognition device and speech recognition method | |
US20190370398A1 (en) | Method and apparatus for searching historical data | |
JP5334178B2 (en) | Speech recognition apparatus and data update method | |
US9779723B2 (en) | Multi-pass vehicle voice recognition systems and methods | |
US8255216B2 (en) | Speech recognition of character sequences | |
JP5957269B2 (en) | Voice recognition server integration apparatus and voice recognition server integration method | |
US9177545B2 (en) | Recognition dictionary creating device, voice recognition device, and voice synthesizer | |
US9202459B2 (en) | Methods and systems for managing dialog of speech systems | |
US20090112593A1 (en) | System for recognizing speech for searching a database | |
US8532990B2 (en) | Speech recognition of a list entry | |
KR20080033070A (en) | Adaptive context for automatic speech recognition systems | |
US8108215B2 (en) | Speech recognition apparatus and method | |
US10950229B2 (en) | Configurable speech interface for vehicle infotainment systems | |
EP2863385B1 (en) | Function execution instruction system, function execution instruction method, and function execution instruction program | |
WO2011121649A1 (en) | Voice recognition apparatus | |
JP2013512476A (en) | Speech recognition using multiple dictionaries | |
US20170270923A1 (en) | Voice processing device and voice processing method | |
US20080126090A1 (en) | Method For Speech Recognition From a Partitioned Vocabulary | |
US20200193985A1 (en) | Domain management method of speech recognition system | |
US20140067400A1 (en) | Phonetic information generating device, vehicle-mounted information device, and database generation method | |
JP6100101B2 (en) | Candidate selection apparatus and candidate selection method using speech recognition | |
KR101063159B1 (en) | Address Search using Speech Recognition to Reduce the Number of Commands | |
JP4661379B2 (en) | In-vehicle speech recognition device | |
JP4282354B2 (en) | Voice recognition device | |
JP2005031260A (en) | Method and apparatus for information processing |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20200207 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20201112 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20201124 |
|
A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20201224 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20210302 |
|
A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20210331 |
|
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: 20210608 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20210608 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6896335 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |