JP7335115B2 - カラオケ用入力装置 - Google Patents

Description

本発明はカラオケ用入力装置に関する。

カラオケ装置に付属するリモコン装置を用いて、コマンドや検索ワードを音声入力し、カラオケ演奏のテンポやキーを変更したり、楽曲検索を行う技術が知られている。

たとえば、特許文献１には、複数の検索語を含む一続きの音声データから各検索語を自動的に抽出し、高精度の楽曲検索を行うことが可能な楽曲検索システムが開示されている。

特開２００２－１８９４８３号公報

カラオケ装置は日本人だけでなく外国人も利用することがある。従って、音声入力も様々な言語に対応していることが望ましい。ここで、特許文献１の技術を用いて音声入力により楽曲検索を行う場合、多言語の検索語を予め準備しておく必要があるため煩雑である。一方、多言語の検索語を準備する代わりに、外部の検索システムを利用して楽曲検索を行うことも考えられる。しかしながら、この場合には楽曲検索を行う都度、利用者が自己の使用する言語を指定する必要があるため煩雑である。

本発明の目的は、外部の検索システムに対し、音声入力による楽曲検索の要求を容易に行うことが可能なカラオケ用入力装置を提供することにある。

上記目的を達成するための一の発明は、カラオケ歌唱を行う際に利用するカラオケ用入力装置であって、外部の検索システムに対して楽曲の検索を要求するためのトリガーワードであって、第１の言語用のトリガーワード及び第２の言語用のトリガーワードをそれぞれ異なるテキストデータと紐付けて記憶するデータ記憶部と、集音手段から出力された利用者の発声に基づく第１の音声信号を音声認識処理し、テキストデータとして出力する音声処理部と、前記外部の検索システムに対して楽曲の検索を要求し、且つ検索の結果を取得する検索処理部と、前記利用者に対し、前記検索の結果を報知する報知部と、前記音声処理部が出力したテキストデータに基づいて前記トリガーワードを取得する制御部であって、前記トリガーワードを取得した後、第１の所定時間が経過するまでに前記集音手段から前記利用者の発声に基づく第２の音声信号が出力された場合、当該第２の音声信号を、取得した前記トリガーワードに対応する言語を示す言語情報と併せて前記外部の検索システムに送信して楽曲の検索を要求するよう前記検索処理部に指示する第１の処理を行う制御部と、を有するカラオケ用入力装置である。
本発明の他の特徴については、後述する明細書及び図面の記載により明らかにする。

本発明によれば、外部の検索システムに対し、音声入力による楽曲検索の要求を容易に行うことができる。

第１実施形態に係るカラオケ装置を示す図である。 第１実施形態に係るリモコン装置を示す図である。 第１実施形態に係るデータ記憶部が記憶するテーブルを示す図である。 第１実施形態に係るリモコン装置の制御部による第１の処理を示すフローチャートである。 第２実施形態に係るデータ記憶部が記憶するテーブルを示す図である。 第２実施形態に係るリモコン装置を示す図である。 第２実施形態に係るリモコン装置の制御部による第２の処理を示すフローチャートである。 第３実施形態に係るデータ記憶部が記憶するテーブルを示す図である。

＜第１実施形態＞
図１～図４を参照して、本実施形態に係るカラオケ用入力装置について説明する。

＝＝カラオケ装置＝＝
カラオケ装置Ｋは、楽曲のカラオケ演奏、及び利用者がカラオケ歌唱を行うための装置である。図１に示すように、カラオケ装置Ｋは、カラオケ本体１０、スピーカ２０、表示装置３０、マイク４０、及びリモコン装置５０を備える。

カラオケ本体１０は、選曲された楽曲の演奏制御、歌詞や背景映像等の表示制御、マイク４０を通じて入力された音声信号の処理といった、カラオケ演奏やカラオケ歌唱に関する各種の制御を行う。スピーカ２０はカラオケ本体１０からの放音信号に基づいて放音するための構成である。表示装置３０はカラオケ本体１０からの信号に基づいて映像や画像を画面に表示するための構成である。マイク４０は利用者の歌唱音声をアナログの音声信号に変換してカラオケ本体１０に入力するための構成である。リモコン装置５０は、カラオケ歌唱を行う際、カラオケ本体１０に対する各種操作をおこなうための装置である。また、リモコン装置５０は、外部の検索システムＳＥと通信可能となっている。本実施形態におけるリモコン装置５０は「カラオケ用入力装置」に相当する。

外部の検索システムＳＥは、リモコン装置５０からの要求に応じて、楽曲の検索を行う（詳細は後述）。また、外部の検索システムＳＥは、検索の結果をリモコン装置５０に送信する。外部の検索システムＳＥとしては、既存の検索エンジンを用いることができる。

＝＝リモコン装置＝＝
図２に示すように、本実施形態に係るリモコン装置５０は、記憶手段５０ａ、通信手段５０ｂ、表示手段５０ｃ、入力手段５０ｄ、集音手段５０ｅ、及び制御手段５０ｆを備える。各構成はインターフェース（図示なし）を介してバスＢに接続されている。

［記憶手段］
記憶手段５０ａは、各種のデータを記憶する大容量の記憶装置である。本実施形態において、記憶手段５０ａの領域の一部は、データ記憶部１００として機能する。

（データ記憶部）
データ記憶部１００は、外部の検索システムに対して楽曲の検索を要求するためのトリガーワードであって、第１の言語用のトリガーワード及び第２の言語用のトリガーワードをそれぞれ異なるテキストデータと紐付けて記憶する。

トリガーワードは、楽曲の検索を要求するための単語または短文である。トリガーワードは、楽曲の歌詞や利用者間の会話に出てこないような造語であることが好ましい。本実施形態において、トリガーワードは、第１の言語用と第２の言語用で予め一のワードが設定されている。第１の言語はたとえば日本語であり、第２の言語はたとえば英語である。また各トリガーワードには、当該トリガーワードに対応する言語を示す言語情報が紐付けられている。

テキストデータは、トリガーワードを識別するためのデータである。複数のトリガーワードには、それぞれ異なる一のテキストデータが紐付けられている。

図３は、データ記憶部１００に記憶されているテーブルの例である。この例では、テキストデータ「ネエカラオケ」が第１の言語用のトリガーワード「ねぇカラオケ」に紐付けられており、テキストデータ「ヘロウキャラオケ」が第２の言語用のトリガーワード「Ｈｅｌｌｏ Ｋａｒａｏｋｅ」に紐付けられている。また、言語情報として、第１の言語用のトリガーワードには「日本語」が紐付けられており、第２の言語用のトリガーワードには「英語」が紐付けられている。以下、データ記憶部１００には図３のテーブルが記憶されているものとして説明する。

［通信手段・表示手段・入力手段・集音手段］
通信手段５０ｂは、カラオケ本体１０や外部の検索システムＳＥとの通信を行うためのインターフェースを提供する。表示手段５０ｃは、各種情報を表示させるための構成である。入力手段５０ｄは、利用者が各種の指示入力を行うための構成である。入力手段５０ｄは、リモコン装置５０に設けられたボタン等である。或いは、表示手段５０ｃがタッチパネル形式で構成されている場合、表示手段５０ｃは入力手段５０ｄとしても機能する。集音手段５０ｅは、利用者が発した音声を集音し、音声信号として出力するためのマイクである。

［制御手段］
制御手段５０ｆは、リモコン装置５０における各種の制御を行う。制御手段５０ｆは、ＣＰＵおよびメモリ（いずれも図示無し）を備える。ＣＰＵは、メモリに記憶されたプログラムを実行することにより各種の機能を実現する。

ここで、カラオケ装置Ｋを利用する利用者が検索ワードの入力を音声で行いたいと考えたとする。この場合、利用者は、たとえば入力手段５０ｄを介し、表示手段５０ｃに表示されている「音声入力」のアイコンを選択する。当該選択に基づいて、制御手段５０ｆのＣＰＵはメモリに記憶されるプログラムを実行し、音声入力モードに移行する。この場合、制御手段５０ｆは、音声処理部２００、検索処理部３００、報知部４００、及び制御部５００として機能する。

（音声処理部）
音声処理部２００は、集音手段５０ｅから出力された利用者の発声に基づく第１の音声信号を音声認識処理し、テキストデータとして出力する。音声認識処理は、公知の手法を用いることができる。また、テキストデータとして出力する言語は予め一の言語が設定されている。本実施形態では日本語が設定されている。すなわち音声処理部２００は、第１の音声信号を日本語で音声認識処理し、仮名のテキストデータとして出力する。

たとえば、利用者Ｕ１が集音手段５０ｅに対し「Ｈｅｌｌｏ Ｋａｒａｏｋｅ」と発声したとする。集音手段５０ｅは音声を集音し、音声信号として音声処理部２００に出力する。音声処理部２００は、音声信号を処理し、音声信号が示す「ヘロウキャラオケ」を日本語のテキストデータとして出力する。この例における「Ｈｅｌｌｏ Ｋａｒａｏｋｅ」に対応する音声信号は、「第１の音声信号」の一例である。

（検索処理部）
検索処理部３００は、外部の検索システムに対して楽曲の検索を要求し、且つ検索の結果を取得する。検索の要求は、制御部５００からの指示に応じて行う（詳細は後述）。

（報知部）
報知部４００は、利用者に対し、検索の結果を報知する。たとえば、検索処理部３００が検索結果として楽曲Ｘ１、Ｘ２、Ｘ３を取得したとする。この場合、報知部４００は楽曲Ｘ１、楽曲Ｘ２、楽曲Ｘ３の曲名や楽曲ＩＤを表示手段５０ｃに表示させることで、検索の結果を報知する。なお、検索の結果は、リモコン装置５０に設けられたスピーカ（図示なし）を介し、音声で報知してもよい。

（制御部）
制御部５００は、音声処理部２００が出力したテキストデータに基づいてトリガーワードを取得する。

たとえば、音声処理部２００から「ヘロウキャラオケ」というテキストデータが出力されたとする。制御部５００は、出力されたテキストデータに対応するデータがデータ記憶部１００に記憶されているかどうかを確認する。図３の例によれば、テキストデータ「ヘロウキャラオケ」は第２の言語用のトリガーワードと紐付けられている。この場合、制御部５００は、第２の言語用のトリガーワード（言語情報：英語）を取得する。

なお、たとえば、音声処理部２００から「ハラヘッタ」というテキストデータが出力されたとする。制御部５００は、出力されたテキストデータに対応するデータがデータ記憶部１００に記憶されているかどうかを確認する。図３の例によれば、テキストデータ「ハラヘッタ」に紐付けられているトリガーワードは存在しない。この場合、制御部５００は以下の処理を行わない。

ここで、本実施形態に係る制御部５００は、第１の処理を行う。第１の処理は、トリガーワードを取得した後、第１の所定時間が経過するまでに集音手段５０ｅから利用者の発声に基づく第２の音声信号が出力された場合、当該第２の音声信号を、取得したトリガーワードに対応する言語を示す言語情報と併せて外部の検索システムＳＥに送信して楽曲の検索を要求するよう検索処理部３００に指示する処理である。

第１の所定時間は、たとえば「３秒」のように予め一の値が設定されている。第２の音声信号は、第１の音声信号よりも後に集音手段５０ｅから出力される信号であって、第１の音声信号の基となる音声を発声した利用者は同じであるが、音声の内容が第１の音声信号の基となる音声の内容とは異なる信号である。具体的に、第２の音声信号は、集音手段５０ｅからある利用者の発声に基づく第１の音声信号が出力された後、当該ある利用者が集音手段５０ｅに対して楽曲の検索を意図して発声した検索ワードを示す信号である。検索ワードは、カラオケ歌唱を行う楽曲を検索する際に使用する。検索ワードは、歌手名、楽曲名、歌詞の一部等である。

制御部５００は、トリガーワードを取得した場合に計時を開始する。ここでは、利用者Ｕ１の発声に基づいて、図３に示す第２の言語用のトリガーワード（Ｈｅｌｌｏ Ｋａｒａｏｋｅ）を取得したとする。

制御部５００は、第２の言語用のトリガーワードを取得してから第１の所定時間が経過するまでに集音手段５０ｅが利用者の発声に基づく第２の音声信号を出力するかどうかを確認する。ここで、第１の所定時間が経過するまでに利用者Ｕ１がある音声Ｗを発声し、当該発声に基づいて集音手段５０ｅが第２の音声信号を出力したとする。この場合、制御部５００は、第２の音声信号（音声Ｗを示す信号）を、取得した第２の言語用のトリガーワードに対応する言語（英語）を示す言語情報と併せて外部の検索システムＳＥに送信して楽曲の検索を要求するよう検索処理部３００に指示する。なお、リモコン装置５０（制御部５００）は、発声された音声の言語、及び第２の音声信号が検索ワードを示す信号であるかどうかについては判断しない。

検索処理部３００は、外部の検索システムＳＥに対し、音声Ｗを示す信号及び英語を示す言語情報を送信し、楽曲の検索を要求する。

外部の検索システムＳＥは、受信した言語情報に基づき、受信した音声Ｗを示す信号を英語で音声認識処理し、英語のテキストデータを取得する。外部の検索システムＳＥは、取得したテキストデータを検索ワードとして楽曲の検索を行い、検索結果をリモコン装置５０に送信する。検索処理部３００は検索結果を取得する。なお、検索結果は、送信された言語情報が示す言語に対応している。上記例の場合、検索結果として得られる楽曲名や歌手名は英語表記である。

一方、第１の所定時間が経過するまでに集音手段５０ｅが第２の音声信号を出力しなかった場合、制御部５００は、外部の検索システムＳＥに対して楽曲の検索を要求するよう、検索処理部３００に指示することはない。

なお、第２の音声信号の出力の有無に関わらず、第１の所定時間が経過した場合、制御部５００は、計時を終了し、タイマをリセットする。

＝＝リモコン装置における処理について＝＝
次に、図４を参照して本実施形態に係るリモコン装置５０の制御部５００による処理について述べる。図４は、音声入力に基づき、外部の検索システムＳＥに対して楽曲の検索を要求する際の制御部５００による処理（第１の処理）を示すフローチャートである。この例では、音声入力モードが実行されているとする。また、データ記憶部１００は、第１の言語用のトリガーワード及び第２の言語用のトリガーワードをそれぞれ異なるテキストデータと紐付けて記憶しているとする。

音声処理部２００は、集音手段５０ｅから出力された利用者Ｕ１の発声に基づく第１の音声信号を音声認識処理し、テキストデータとして出力する（テキストデータの出力。ステップ１０）。

制御部５００は、音声処理部２００が出力したテキストデータに基づいて第１の言語用のトリガーワードまたは第２の言語用のトリガーワードを取得する。また、制御部５００は、トリガーワードを取得した場合に計時を開始する（トリガーワードの取得及び計時の開始。ステップ１１）。

トリガーワードを取得してから第１の所定時間が経過するまでに集音手段５０ｅから利用者Ｕ１の発声に基づく第２の音声信号が出力された場合（ステップ１２でＹの場合）、制御部５００は、第２の音声信号を、ステップ１１で取得したトリガーワードに対応する言語を示す言語情報と併せて外部の検索システムＳＥに送信して楽曲の検索を要求するよう検索処理部３００に指示する。また、制御部５００は、計時を終了し、タイマをリセットする（検索の要求の指示及び計時の終了。ステップ１３）。

検索処理部３００は、ステップ１３の指示に基づき、外部の検索システムＳＥに対して楽曲の検索を要求する（外部の検索システムに対して楽曲の検索を要求。ステップ１４）。外部の検索システムＳＥは、ステップ１４の要求に応じて楽曲の検索を行い、検索の結果をリモコン装置５０に送信する。検索処理部３００は、外部の検索システムＳＥから送信された検索の結果を取得する（検索結果を取得。ステップ１５）。

報知部４００は、利用者Ｕ１に対し、ステップ１５で取得した検索の結果を報知する（検索結果を報知。ステップ１６）。

一方、トリガーワードを取得した後、第１の所定時間が経過するまでに集音手段５０ｅから第２の音声信号が出力されなかった場合（ステップ１２でＮの場合）、制御部５００は、計時を終了してタイマをリセットし、以降の処理を行わない（計時の終了。ステップ１７）。

以上から明らかなように、本実施形態に係るリモコン装置５０は、カラオケ歌唱を行う際に利用する。リモコン装置５０は、外部の検索システムＳＥに対して楽曲の検索を要求するためのトリガーワードであって、第１の言語用のトリガーワード及び第２の言語用のトリガーワードをそれぞれ異なるテキストデータと紐付けて記憶するデータ記憶部１００と、集音手段５０ｅから出力された利用者の発声に基づく第１の音声信号を音声認識処理し、テキストデータとして出力する音声処理部２００と、外部の検索システムＳＥに対して楽曲の検索を要求し、且つ検索の結果を取得する検索処理部３００と、利用者に対し、検索の結果を報知する報知部４００と、音声処理部２００が出力したテキストデータに基づいてトリガーワードを取得する制御部５００であって、トリガーワードを取得した後、第１の所定時間が経過するまでに集音手段５０ｅから利用者の発声に基づく第２の音声信号が出力された場合、当該第２の音声信号を、取得したトリガーワードに対応する言語を示す言語情報と併せて外部の検索システムＳＥに送信して楽曲の検索を要求するよう検索処理部３００に指示する第１の処理を行う制御部５００と、を有する。

このようなリモコン装置５０によれば、外部の検索システムに対して楽曲の検索を要求する際に、第２の音声信号（検索ワードを示す信号）と併せて、トリガーワードに対応する言語を示す言語情報を送信することができる。この場合、外部の検索システムは、受信した第２の音声信号を、受信した言語情報が示す言語に基づいて音声認識処理し、当該処理により得られたテキストデータを用いて楽曲の検索を行うことができる。よって、利用者が検索の指示を行う都度、自己の使用する言語を指定する必要がない。すなわち、本実施形態に係るリモコン装置５０によれば、外部の検索システムに対し、音声入力による楽曲検索の要求を容易に行うことができる。

＜第２実施形態＞
次に、図５～図７を参照して、第２実施形態に係るカラオケ用入力装置について説明する。本実施形態においては、コマンドを音声入力した場合に、トリガーワードの取得を契機としてコマンドが実行される例について述べる。第１実施形態と同様の構成については詳細な説明を省略する。

（データ記憶部）
本実施形態に係るデータ記憶部１００は、第１実施形態で説明したトリガーワードと併せて、複数のコマンドをそれぞれ異なるテキストデータと紐付けて記憶している。

コマンドは、カラオケ歌唱の際に実行可能な処理に対応する命令である。コマンドは、たとえば、「カラオケ演奏のテンポを上げる」、「カラオケ演奏のキーを下げる」、「カラオケ演奏を一時停止する」、「マイクの音量を上げる」、「スピーカからの音量を下げる」、「歌詞の表示を消す」等の処理を実行するための命令である。テキストデータは、コマンドを識別するためのデータである。一のコマンドには、少なくとも２つの異なるテキストデータが紐付けられている。

また、本実施形態において、トリガーワードはコマンドの実行を要求するために用いられる。

図５は、本実施形態に係るデータ記憶部１００に記憶されているテーブルの例である。たとえば、コマンドＣ０１（カラオケ演奏のテンポを５％上げる）に対しては、「テンポアゲテ」及び「レイズザテンポ（Ｒａｉｓｅ ｔｈｅ ｔｅｍｐｏ）」のテキストデータが紐付けられている。なお、テーブルに記憶されていないテキストデータについては、対応するコマンドが無いものとして取り扱う。以下、データ記憶部１００には図５のテーブルが記憶されているものとして説明する。

［制御手段］
カラオケ装置Ｋを利用する利用者がコマンドの入力を音声で行いたいと考えたとする。この場合、利用者は、たとえば入力手段５０ｄを介し、表示手段５０ｃに表示されている「音声入力」のアイコンを選択する。当該選択に基づいて、制御手段５０ｆのＣＰＵはメモリに記憶されるプログラムを実行し、音声入力モードに移行する。この場合、本実施形態に係る制御手段５０ｆは、図６に示すように、音声処理部２００、検索処理部３００、報知部４００、制御部５００、及び実行部６００として機能する。

（実行部）
実行部６００は、コマンドを実行する。実行部６００は、制御部５００からの指示に基づいて記憶手段５０ａに記憶されたコマンドを実行する（詳細は後述）。

（制御部）
たとえば、音声処理部２００から「ネエカラオケ」というテキストデータが出力されたとする。制御部５００は、出力されたテキストデータに対応するデータがデータ記憶部１００に記憶されているかどうかを確認する。図５の例によれば、テキストデータ「ネエカラオケ」は第１の言語用のトリガーワードと紐付けられている。この場合、制御部５００は、トリガーワードを取得する。その後、本実施形態に係る制御部５００は第２の処理を行う。

第２の処理は、コマンドに紐付けられたテキストデータが出力された際、当該テキストデータに紐付けられたコマンドを記憶手段５０ａに記憶し、トリガーワードを取得し且つ記憶手段５０ａにコマンドを記憶している場合、記憶しているコマンドの実行を実行部６００に指示した後、記憶しているコマンドを削除する一方、最新のコマンドの記憶から第２の所定時間が経過した場合、記憶しているコマンドを削除する処理である。第２の所定時間は、たとえば「３秒」のように予め一の値が設定されている。なお、第１の所定時間及び第２の所定時間は、同じ時間であってもよいし、異なっていてもよい。

たとえば、楽曲Ｘ１０の前奏部分を聴いた利用者Ｕ２が、自ら楽曲Ｘ１０をカラオケ歌唱するにはキーが高く、またテンポも速いと感じたとする。この場合、利用者Ｕ２は、集音手段５０ｅに対し「キー下げて」、「テンポ下げて」と順番に発声する。音声処理部２００は、当該音声に基づく音声信号を音声認識処理し、「キーサゲテ」、「テンポサゲテ」をテキストデータとして出力する。

制御部５００は、出力されたテキストデータに対応するデータがデータ記憶部１００に記憶されているかどうかを確認する。図５の例によれば、テキストデータ「キーサゲテ」はコマンドＣ０５（カラオケ演奏のキーを１半音下げる）が紐付けられており、テキストデータ「テンポサゲテ」はコマンドＣ０２（カラオケ演奏のテンポを５％下げる）が紐付けられている。よって、制御部５００は、テキストデータ「キーサゲテ」、「テンポサゲテ」に紐付けられているコマンドＣ０５及びＣ０２を発声された順番で記憶手段５０ａに記憶する。

制御部５００は、コマンドを記憶した場合にタイマをリセットして計時を開始する。上記例のように複数のコマンドを記憶する場合、制御部５００は、コマンドが記憶される都度タイマをリセットして新たに計時を開始する。

利用者Ｕ２が「ねぇカラオケ」と発声し、制御部５００がトリガーワードを取得したとする。この場合、制御部５００は、記憶手段５０ａが記憶しているコマンドＣ０５及びＣ０２を実行するよう実行部６００に指示する。制御部５００は、当該指示を行った後、記憶しているコマンドＣ０５及びコマンドＣ０２を記憶手段５０ａから削除する。なお、コマンドを削除した場合、制御部５００は、計時を終了する。

一方、コマンドＣ０２を記憶してから第２の所定時間が経過した場合、制御部５００は、記憶手段５０ａからコマンドＣ０５及びコマンドＣ０２を削除する。なお、コマンドを削除した場合、制御部５００は計時を終了する。すなわち、制御部５００は、最新のコマンドの記憶から第２の所定時間が経過した場合、記憶しているコマンドを削除する。

ここで、複数のコマンドを記憶している場合、制御部５００は、全てのコマンドを実行するよう実行部６００に指示することができる。

たとえば、制御部５００は、記憶した順に全てのコマンドを実行するよう実行部６００に指示することができる。上記例において、トリガーワードを取得し且つコマンドＣ０５及びコマンドＣ０２を記憶している場合、制御部５００は、コマンドＣ０５、コマンドＣ０２の順で実行するよう実行部６００に指示する。また、制御部５００は、当該指示を行った後、記憶している全てのコマンドを記憶手段５０ａから削除する。

実行部６００は、当該指示に基づいて、最初に楽曲Ｘ１０のカラオケ演奏のキーを１半音下げる処理を実行し、次にテンポを５％下げる処理を実行する。

或いは、複数のコマンドを記憶している場合、制御部５００は、その一部のコマンドのみを実行するよう実行部６００に指示してもよい。

たとえば、制御部５００は、最新のコマンドのみを実行するよう実行部６００に指示した後、記憶している全てのコマンドを削除することでもよい。

上記例の場合、記憶手段５０ａには、コマンドＣ０５、コマンドＣ０２の順で記憶されている。ここで、トリガーワードを取得した場合、制御部５００は、最新のコマンドＣ０２のみを実行するよう実行部６００に指示する。このように記憶している一部のコマンドの実行を指示する場合であっても、制御部５００は、指示した後、記憶している全てのコマンドを記憶手段５０ａから削除する。

実行部６００は、当該指示に基づいて、楽曲Ｘ１０のカラオケ演奏のテンポを５％下げる処理のみを実行する。

＝＝リモコン装置における処理について＝＝
次に、図７を参照して本実施形態に係るリモコン装置５０の制御部５００による処理について述べる。図７は、音声入力に基づいてコマンドを実行する際の制御部５００による処理（第２の処理）を示すフローチャートである。この例では、音声入力モードが実行されているとする。また、データ記憶部１００は、複数のコマンド、第１の言語用のトリガーワード及び第２の言語用のトリガーワードをそれぞれ異なるテキストデータと紐付けて記憶しているとする。

音声処理部２００は、集音手段５０ｅから出力された利用者Ｕ２の音声信号を音声認識処理し、テキストデータとして出力する（テキストデータの出力。ステップ２０）。

制御部５００は、コマンドに紐付けられたテキストデータが出力された際、当該テキストデータに紐付けられたコマンドを記憶手段５０ａに記憶する。また、制御部５００は、コマンドを記憶した場合にタイマをリセットして計時を開始する（コマンドの記憶、タイマのリセット及び計時の開始。ステップ２１）。

トリガーワードを取得し且つコマンドを記憶している場合（ステップ２２でＹの場合）、制御部５００は、記憶しているコマンドの実行を実行部６００に指示する（コマンドの実行を指示。ステップ２３）。なお、実行部６００は、ステップ２３の指示に基づいてコマンドを実行する。

その後、制御部５００は、記憶しているコマンドを削除する。また、制御部５００は、計時を終了する（コマンドの削除及び計時の終了。ステップ２４）。一方、計時を開始してから第２の所定時間が経過した場合（ステップ２５でＹの場合）、制御部５００は、記憶しているコマンドを削除し、計時を終了する（コマンドの削除及び計時の終了。ステップ２４）。

以上から明らかなように、本実施形態に係るリモコン装置５０は、カラオケ歌唱の際に実行可能な処理に対応するコマンドを実行する実行部６００を更に有する。また、トリガーワードは、コマンドの実行を要求するためにも用いられる。データ記憶部１００は、複数のコマンドをそれぞれ異なるテキストデータと紐付けて記憶する。制御部５００は、コマンドに紐付けられたテキストデータが出力された際、当該テキストデータに紐付けられたコマンドを記憶手段５０ａに記憶し、トリガーワードを取得し且つ記憶手段５０ａにコマンドを記憶している場合、記憶しているコマンドの実行を実行部６００に指示した後、記憶しているコマンドを削除する一方、最新のコマンドの記憶から第２の所定時間が経過した場合、記憶しているコマンドを削除する第２の処理を行う。

このようなリモコン装置５０によれば、コマンドを音声入力した場合に、トリガーワードの取得を契機としてコマンドが実行される。よって、コマンドの誤認識による意図しないコマンドの実行がなされる可能性が低くなるため、カラオケ歌唱の場において音声入力を利用する際の誤認識を低減することができる。

また、制御部５００は、複数のコマンドを記憶している場合、記憶した順に全てのコマンドを実行するよう実行部６００に指示した後、記憶している全てのコマンドを削除する。このような構成によれば、利用者が希望する順番で全てのコマンドを実行することができる。また、コマンドの実行を指示した後、記憶している全てのコマンドが削除されるため、次の音声入力が可能となる。

＜第３実施形態＞
次に、図８を参照して、第３実施形態に係るカラオケ用入力装置について説明する。本実施形態においては、記憶手段が記憶しているコマンドのうち、トリガーワードの言語情報と同じ言語情報に紐付けられているテキストデータに対応するコマンドのみを実行する例について述べる。第１実施形態及び第２実施形態と同様の構成については詳細な説明を省略する。

（データ記憶部）
本実施形態に係るデータ記憶部１００は、一のコマンドに対応する複数のテキストデータそれぞれを、当該テキストデータに対応する言語を示す言語情報と紐付けて記憶する。

図８は、本実施形態に係るデータ記憶部１００に記憶されているテーブルの例である。たとえば、コマンドＣ０１（カラオケ演奏のテンポを５％上げる）に対しては、「テンポアゲテ」及び「レイズザテンポ（Ｒａｉｓｅ ｔｈｅ ｔｅｍｐｏ）」のテキストデータが紐付けられている。また、「テンポアゲテ」のテキストデータには、対応する「日本語」を示す言語情報が紐付けられている。一方、「レイズザテンポ（Ｒａｉｓｅ ｔｈｅ ｔｅｍｐｏ）」のテキストデータには、対応する「英語」を示す言語情報が紐付けられている。以下、データ記憶部１００には図８のテーブルが記憶されているものとして説明する。

（制御部）
本実施形態における制御部５００は、第２の処理において、コマンドに紐付けられたテキストデータが出力された際、当該テキストデータに紐付けられたコマンドを当該テキストデータに紐付けられた言語情報と併せて記憶手段５０ａに記憶し、トリガーワードを取得し且つ記憶手段５０ａにコマンドを記憶している場合、記憶しているコマンドのうち、取得したトリガーワードの言語情報と一致する言語情報に紐付けられているテキストデータに対応するコマンドのみを実行するよう実行部６００に指示する。

たとえば、音声処理部２００からテキストデータ「キーサゲテ」が出力された場合、制御部５００は、テキストデータ「キーサゲテ」に紐付けられたコマンドＣ０５を当該テキストデータに紐付けられた言語情報「日本語」と併せて記憶手段５０ａに記憶する。或いは、音声処理部２００からテキストデータ「ロウワザテンポ」が出力された場合、制御部５００は、テキストデータ「ロウワザテンポ」に紐付けられたコマンドＣ０２を当該テキストデータに紐付けられた言語情報「英語」と併せて記憶手段５０ａに記憶する。

ここで、音声処理部２００からテキストデータ「ヘロウキャラオケ」が出力され、制御部５００がトリガーワードを取得したとする。この場合、制御部５００は、記憶手段５０ａに記憶されているコマンドＣ０５及びＣ０２のうち、取得したトリガーワードの言語情報「英語」と一致する言語情報に紐付けられているテキストデータ「ロウワザテンポ」に対応するコマンドＣ０２のみを実行するよう実行部６００に指示する。

以上から明らかなように、本実施形態に係るリモコン装置５０におけるデータ記憶部１００は、一のコマンドに対応する複数のテキストデータそれぞれを、当該テキストデータに対応する言語を示す言語情報と紐付けて記憶する。制御部５００は、第２の処理において、コマンドに紐付けられたテキストデータが出力された際、当該テキストデータに紐付けられたコマンドを当該テキストデータに紐付けられた言語情報と併せて記憶手段５０ａに記憶し、トリガーワードを取得し且つ記憶手段５０ａにコマンドを記憶している場合、記憶しているコマンドのうち、取得したトリガーワードの言語情報と一致する言語情報に紐付けられているテキストデータに対応するコマンドのみを実行するよう実行部６００に指示する。

このようなリモコン装置５０によれば、たとえば記憶手段５０ａに異なる言語のコマンドが記憶されている場合であっても、トリガーワードの言語に対応するコマンドのみを確実に実行することができる。

＜その他＞
上記実施形態では、日本語と英語、２種類の言語に基づく例で説明を行ったが、言語は３種類以上あってもよい。この場合、トリガーワードは、言語の数だけ設定されている。また、各コマンドには、言語の数だけテキストデータが設定されている。

上記実施形態は、カラオケ用入力装置としてリモコン装置５０を例に説明した。一方、カラオケ装置Ｋ自体がカラオケ用リモコン装置として機能してもよい。この場合、カラオケ本体１０が少なくとも記憶手段５０ａ（データ記憶部１００）、通信手段５０ｂ、入力手段５０ｄ、制御手段５０ｆを備える。制御手段５０ｆは、少なくとも音声処理部２００、検索処理部３００、報知部４００、及び制御部５００として機能する。また表示装置３０が表示手段５０ｃとして機能し、リモコン装置５０が入力手段５０ｄとして機能し、マイク４０が集音手段５０ｅとして機能する。

第２実施形態の例において、データ記憶部１００に記憶されている複数のコマンドに優先度が設定されていてもよい。この場合、データ記憶部１００は、複数のコマンドを実行する場合の優先度を示す優先情報をコマンド毎に記憶している。また、制御部５００は、複数のコマンドを記憶している場合、優先情報に基づいてコマンドの実行を実行部６００に指示した後、記憶している全てのコマンドを削除する。たとえば、第２実施形態の例において、記憶手段５０ａに記憶されているコマンドＣ０５の優先度が「高」、コマンドＣ０２の優先度が「中」と設定されているとする。この場合、制御部５００は、優先度の高いコマンドＣ０５のみを実行するよう、或いは優先度の高いコマンドＣ０５から先に実行するよう実行部６００に指示することができる。

また、利用者によっては、一度音声入力したコマンドをキャンセルしたいと考えることもありうる。そこで、データ記憶部１００は、コマンドの入力をキャンセルするキャンセルワードをテキストデータと紐付けて記憶してもよい。この場合、制御部５００は、音声処理部２００が出力したテキストデータに基づいてキャンセルワードを取得することができる。また、制御部５００は、キャンセルワードを取得した場合、記憶しているコマンドの実行を実行部６００に指示することなく、記憶している全てのコマンドを削除する。

たとえば、第２実施形態の例において、記憶手段５０ａにコマンドＣ０５及びコマンドＣ０２が記憶されているとする。また、テキストデータ「モトイ」がキャンセルワードと紐付けられているとする。

利用者は、音声入力したコマンドをキャンセルするために、キャンセルワード「もとい」を発声する。音声処理部２００は、テキストデータ「モトイ」を出力する。制御部５００は、出力されたテキストデータに対応するデータがデータ記憶部１００に記憶されているかどうかを確認する。上述の通り、テキストデータ「モトイ」はキャンセルワードと紐付けられている。よって、制御部５００はキャンセルワードを取得する。制御部５００は、記憶手段５０ａに記憶されているコマンドＣ０５及びコマンドＣ０２の実行を実行部６００に指示することなく、記憶手段５０ａから削除する。

また、上記実施形態で述べた第１の処理及び第２の処理を連続して行ってもよい。すなわち、制御部５００は、記憶手段５０ａに記憶しているコマンドの実行を実行部６００に指示した後、更に、第１の所定時間が経過するまでに集音手段５０ｅから利用者の発声に基づく第２の音声信号が出力された場合、当該第２の音声信号を、取得したトリガーワードに対応する言語を示す言語情報と併せて外部の検索システムＳＥに送信して楽曲の検索を要求するよう検索処理部３００に指示してもよい。

逆に、制御部５００は、記憶手段５０ａに記憶しているコマンドの実行を実行部６００に指示した後、新たなトリガーワードの音声入力がなされるまでは、仮に第１の所定時間が経過するまでに集音手段５０ｅから第２の音声信号が出力された場合であっても、当該第２の音声信号を、取得したトリガーワードに対応する言語を示す言語情報と併せて外部の検索システムＳＥに送信して楽曲の検索を要求するよう検索処理部３００に指示しないことでもよい。

上記実施形態は、例として提示したものであり、発明の範囲を限定するものではない。上記の構成は、適宜組み合わせて実施することが可能であり、発明の要旨を逸脱しない範囲で、種々の省略、置き換え、変更を行うことができる。上記実施形態やその変形は、発明の範囲や要旨に含まれると同様に、特許請求の範囲に記載された発明とその均等の範囲に含まれる。

５０ リモコン装置
１００ データ記憶部
２００ 音声処理部
３００ 検索処理部
４００ 報知部
５００ 制御部
６００ 実行部

Claims (4)

1. カラオケ歌唱を行う際に利用するカラオケ用入力装置であって、
   外部の検索システムに対して楽曲の検索を要求するためのトリガーワードであって、第１の言語用のトリガーワード及び第２の言語用のトリガーワードをそれぞれ異なるテキストデータと紐付けて記憶するデータ記憶部と、
   集音手段から出力された利用者の発声に基づく第１の音声信号を音声認識処理し、テキストデータとして出力する音声処理部と、
   前記外部の検索システムに対して楽曲の検索を要求し、且つ検索の結果を取得する検索処理部と、
   前記利用者に対し、前記検索の結果を報知する報知部と、
   前記音声処理部が出力したテキストデータに基づいて前記トリガーワードを取得する制御部であって、前記トリガーワードを取得した後、第１の所定時間が経過するまでに前記集音手段から前記利用者の発声に基づく第２の音声信号が出力された場合、当該第２の音声信号を、取得した前記トリガーワードに対応する言語を示す言語情報と併せて前記外部の検索システムに送信して楽曲の検索を要求するよう前記検索処理部に指示する第１の処理を行う制御部と、
   を有するカラオケ用入力装置。
2. カラオケ歌唱の際に実行可能な処理に対応するコマンドを実行する実行部を更に有し、
   前記トリガーワードは、前記コマンドの実行を要求するためにも用いられ、
   前記データ記憶部は、複数の前記コマンドをそれぞれ異なるテキストデータと紐付けて記憶し、
   前記制御部は、前記コマンドに紐付けられたテキストデータが出力された際、当該テキストデータに紐付けられたコマンドを記憶手段に記憶し、前記トリガーワードを取得し且つ前記記憶手段に前記コマンドを記憶している場合、記憶している前記コマンドの実行を前記実行部に指示した後、記憶している前記コマンドを削除する一方、最新のコマンドの記憶から第２の所定時間が経過した場合、記憶している前記コマンドを削除する第２の処理を行うことを特徴とする請求項１記載のカラオケ用入力装置。
3. 前記制御部は、複数の前記コマンドを記憶している場合、記憶した順に全てのコマンドを実行するよう前記実行部に指示した後、記憶している全てのコマンドを削除することを特徴とする請求項２記載のカラオケ用入力装置。
4. 前記データ記憶部は、一のコマンドに対応する複数のテキストデータそれぞれを、当該テキストデータに対応する言語を示す言語情報と紐付けて記憶し、
   前記制御部は、
   前記第２の処理において、前記コマンドに紐付けられたテキストデータが出力された際、当該テキストデータに紐付けられたコマンドを当該テキストデータに紐付けられた言語情報と併せて記憶手段に記憶し、前記トリガーワードを取得し且つ前記記憶手段に前記コマンドを記憶している場合、記憶している前記コマンドのうち、取得した前記トリガーワードの前記言語情報と一致する言語情報に紐付けられているテキストデータに対応するコマンドのみを実行するよう前記実行部に指示することを特徴とする請求項２または３に記載のカラオケ用入力装置。

Images