JPH01290032A - 音声認識表示装置 - Google Patents

Abstract

(57)【要約】本公報は電子出願前の出願データであるた
め要約のデータは記録されません。

Description

【発明の詳細な説明】 産業上の利用分野 本発明は、音声によって入力された語句を音節毎に認識
し、そのようにして作成される音節候補列で表される入
力された語句の候補列を作成し、前記語句の候補列から
音声入力された語句を選択するようにして、音声による
文書などの入力を行うように構成された装置などで好適
に実施される音声認識表示装置に関する。

従来の技術 たとえばワードプロセッサおよびパーソナルコンピュー
タなどにおいて、音声による入力を可能としたものが従
来より用いられている。文書などの入力は、音節、単語
、文節、または文などの語句を単位として行われる。

このような入力に対してワードプロセッサおよびパーソ
ナルコンピュータなどの内部に備えられる音声認識装置
では、まず発声された音声を音節単位で認識し、この認
識された各音節の音節候補の組合せによって表される語
句単位の候補（以下「語句候補」という）が複数組に亘
って作成される。前記複数個の語句候補のうち、音節毎
の特徴抽出処理および語句単位のアクセントなどの特徴
抽出処理などによって、最も［確からしい（入力された
語句に最も近いと思われる）」語句候補がたとえばＣＲ
Ｔ（陰極線管）などの表示装置に表示される。

操作者は表示された語句候補が音声入力した語句と一致
するかどうかを判断し、一致しない場合には、次に「確
からしい」語句候補の表示を指示する。そのようにして
順次的に語句候補が表示され、操作者か複数の語句候補
がら１つの語句候補を選択するようにして１つの語句が
入力される。

たとえば「こくみんは」と音声によって入力した場合に
おいて、第１の語句候補が「ごふにんは」とされた場合
には、表示装置において第６図（１）で示される表示出
力が行われる。すなわち第６図（１）において下線１１
が付される表示領域において前記第１の語句候補「こふ
にんは」が表示される。

この第１の語句候補は、音声によって入力された語句と
一致しないため、操作者はこのことを判断し、キー人力
装置などから次候補の表示出力を指示するための操作を
行う。そのようにして表示装置には、第６図（２）〜（
４）て示されるように、操作者のキー人力装置の操１ｔ
に伴って第２、第３、　の語句候補が表示されていく。

そのようにして第６図（４）図示の状態、すなわち音声
入力された語句（「こくみんは」）と同一の語句候補か
表示されると、操作者は次にキー人力装置において仮名
漢字変換キーを操作する。これによって、前記平仮名の
文字列て表される語句候ｔｉｉは漢字を含む文字列に変
換される。そのようにして第６図（５）に示される表示
が行われる。

音声による入力は、キー人力装置などからの入力とは異
なり、不確実性を含んて入力される。しかしなから現状
レベルの音声認識装置ては、発声された語句かそのまま
入力されない場合もあり、そのために前述のような処理
および操作者の操作が必要となる。

発明が解決しようとする課題 このようにして音声による入力においては、１つの語句
を音声入力するたび毎に、操作者が表示装置に表示され
る語句候補を確認する必要があるため、そのような作業
が可及的に容易に行われることが望ましい。しかしなが
ら、従来ては語句候＝３− 補に第６図示のように下線１１が付されるか、またはい
わゆる網かり文字とされるのみであるため、語句候補の
確認は必ずしも容易てはなかった。

本発明の目的は、音声による語句の入力作業を容易に行
うことができるようにした音声認識表示装置を提供する
ことである。

課題を解決するための手段 本発明は、音声によって入力された語句を音声認識して
、その音声入力された語句に対応する１または複数の候
補となる語句を出力する音声認識出力手段と、 音声認識手段の出力を少なくとも一部分に含む文字を目
視表示する表示手段と、 音声認識手段からの出力に応答し、選択されるべき候補
として表示手段によって表示されている文字の形状を、
残余の文字の形状よりも大きく表示させる表示制御手段
とを含むことを特徴とする音声認識表示装置である。

作　　用 本発明においては、音声によって入力された語句は、音
声認識出力手段によって音声認識され、１または複数の
候補となる語句が出力される。この音声認識出力手段は
、表示手段において表示される文字の少なくとも一部分
に含まれて目視表示される。音声認識手段からの出力に
応答して選択されるへき候補として表示手段によって表
示されている文字の形状は、表示制御手段の働きによっ
て残余の文字の形状よりも大きく表示される。

これによって選択されるべき候補として目視表示される
文字の確認が容易となるため、音声による入力作業の作
業効率を格段に向」ユすることかてきるようになる。

実施例 第１図は、本発明の一実施例である音声認識表示装置１
の基本的な構成を示すフロック図である。

音声認識表示装置１は、たとえはワードプロセッサおよ
びパーソナルコンピュータなどに備えられ、文書なとの
入力作業を軽減するためなと゛に用いられる。この音声
認識表示装置１には、マイクロポン２からたとえば文書
などが音節、単語、文節、または文を単位とする語句毎
に音声によって入力される。マイクロホン２からの音声
は、単音節認識部３に与えられ、前記語句を表す音声が
音節単位に区分され、そのように区分されて得られる単
音節毎の特徴パターンが抽出される。

単音節認識部３には、標準パターンメモリ４が接続され
ている。この標準パターンメモリ４には複数の単音節に
亘って各単音節毎の標準の特徴パターンである標準パタ
ーンが記憶されており、前記単音節認識部３では、前記
抽出された入力音声の特徴パターンとこの複数の標準パ
ターンとのマツチング計算処理が行われる。マツチング
計算処理とは入力音声の特徴パターンと標準パターンと
の近似度（確からしさ）を示す、いわば距離計算である
。そのようにして特徴パターンに最も近似した標準パタ
ーンに対応する音節が第１位の候補として、また順次近
似したものが次位の候補として選出され、標準パターン
メモリ４において各音節毎に予め定められる音節ラベル
と前記マツチング計算によって得られる近似度との対で
構成される音節の識別結果（以下「音節ラティス」とい
う）が近似度の順序で音節ラティスメモリ５に記憶され
る。このような単音節認識部３などの動作は、ＣＰ　Ｕ
　（Ｃｅｎｔｒａｌ　ＰｒｏｃｅｓｓｉｎｇＵｎｉｔ）
を含んで構成され、表示制御手段である制御部６の制御
の下に行われる。

制御部６には、前述のようにして単音節認識部３によっ
て認識され、音節ラティスメモリ５に音節ラティスとし
て記憶される各音節毎の情報から、入力された語句の候
補列を作成する候補列作成部７が接続されている。この
候補列作成部７では、各音節の組合せとして語句候補（
仮名文字列）が複数個に亘って作成される。前記作成さ
れる複数個の語句候補は音節ラティスの近似度を表す情
報を用いて、確度が高い順に語句候補メモリ８に記憶さ
れる。このようにして入力された語句の候補列が語句候
補メモリ８に記憶されることになる。

前記単音節認識部３および候補列作成部７などを含んで
音声認識出力手段が構成される。

制御部６にはまた、ＣＲＴ（陰極線管）などによって実
現される表示部９およびキー人力部１０が接続されてい
る。操作者は表示部９を目視しながらキー人力部１０を
操作することによって音声認識表示装置１の動作を指示
することができる。

語句候補メモリ８に第１候補として記憶された語句候補
（仮名文字列）は、′表示部９において対応する表示領
域に表示される。操作者はこの表示される第１候補の語
句候補がマイクロホン２がら音声によって入力した語句
と一致する場合には、たとえばキー人力部１０に備えら
れる仮名漢字変換キー１０ａを操作して漢字を含む文字
列への変換を指示する。このとき前記第１候補の語句候
補には仮名漢字変換処理部１１において変換処理が施さ
れ、漢字を含む文字列に変換される。また表示部９に表
示される第１候補の語句候補が音声によって入力された
語句と一致しない場合には、キー人力部１０の音声候補
キー１０ｂを操作することによって順次的に次候補が語
句候補メモリ８から読出され、制御部６の制御の下に表
示部９に表示される。そのようにして音声によって入力
された語句と、表示部９に表示された語句候補との一致
が確認された時点で操作者は前述の仮名漢字変換キー１
０ａを操作することになる。

第２図は、表示部９における表示態様を説明するための
図である。たとえば入力音声「／こ／く／み／ん／は／
」に対する単音節認識部３における認識結果として、音
節ラティスメモリ５に第１表に示されるような音節ラテ
ィスが作成されて記憶される場合を想定する。

第　　１　　表 すなわち５個の音節によって構成される入力語句「こく
みんは」の第１音節「こ」の入力音声の特徴パターンは
単音節「ご」の標準パターンとの近似度が最も高く、順
に「とｊ、「こ」のように近似度が低下していく。以下
「＜」、「み」、「ん」、「は」に対しても同様である
。

このような音節ラティスメモリ５の記憶内容に基づいて
、候補列作成部７で作成されて語句候補メモリ８に記憶
される語句候補列は第２表に示されている。

音節ラティスメモリ５に記憶される音節ラティスは、単
音節「こ」に対しては３個、単音節「＜」に対しては２
個、「み」に対しては２個、「ん」に対しては１個、「
は」に対しては２個であるため、２４　（３ｘ２ｘ２ｘ
ｌｘ２）個の語句候補か作成され、この近似度の順に語
句候補メモリ８に記憶されるため第１番目の候補は、「
ごふにんは」となり、第２４番目の候補は「こくみんば
」となる。

このとき表示部９ではマイクロホン２からの音声による
語句の入力の後、まず第２図（１）に示されるように第
１番目の語句候補「ごふにんは」が対応する表示領域に
表示される。このとき第２図において下線１２とともに
表示される語句候補は取入力のキャラクタＡ１よりも大
きな文字て表示される。これによって操作者は表示部９
の表示領域における、入力対象部分を容易に捜し出すこ
とができるとともに、表示内容の確認もまた容易に行う
ことかできる。

音声による語句の入力の後、最初に表示される語句が入
力語句と一致する場合には操作者はキー入力部１０の仮
名漢字変換キー１０ａを直ちに操作することになるけれ
ども、第２図（１）に示される第１番目の語句候補「ご
ふにんは」は入力語句とは異なるため、操作者は次候補
の表示を音声候補キー１０ｂを操作して指示することに
なる。

第２表に示されるように、語句候補メモリ８に記憶され
る語句候補列において、正しい語句候補は第１２番目に
記憶されている。したがって操作者は音声候補キー１０
ｂを操作して、順次的にこの第１２番目の語句候補「こ
くみんは」を検索することになる。したがって表示部９
における表示態様は、第２図（２）〜（４）に示される
ように順次的に変化していく。

第２図（４）に示される表示が行われると、すなわち入
力された語句に一致する語句候補が表示されると操作者
は次に仮名漢字変換キー１０ａを操１ヤする。これによ
って仮名漢字変換処理部１１は仮名文字列で表される語
句候補を漢字を含む文字列に変換する。そのようにして
表示部９におりる表示態様は、第２図（５）で示される
状態となる。このとき変換後の語句「国民は」は、取入
力のキャラクタＡ１と同様の大きさで表示される。

前述のような操作者のキー人力操作は第３表に示されて
いる。

第　　３　　表 第３図は、本実施例の動作を説明するためのフローチャ
ートである。ステップｎ　１において、マイクロポン２
から音声によって語句が入力されるとステップｒ＋　２
では、入力された語句が単音節毎に区分され、それぞれ
の特徴パターンが抽出される。

ステップｎ３においては、単音節認識部３ては、前記抽
出された特徴パターンと標準パターンメモリ４に記憶さ
れる複数の単音節の標準パターンとの比較によって音節
ラティスが作成され、この音節ラティスか音節ラティス
メモリ５に記憶される。

次にステップｎ４ては、候補列作成部７は音節ラティス
メモリ５に記憶される音節ラティスから、仮名文字列で
表される語句候補を複数個に亘って作成し、前記音節ラ
ティスにおける近似度の情報を用いて近似度の高い順に
語句候補メモリ８に入力し、そのようにして語句候補列
が作成される。

語句候補列か作成されるとステップｎ５ては、制御部６
は語句候補メモリ８から第１番目の語句候補を読出し、
この第１番目の語句候補を表示部９において拡大して表
示するための表示制御信号を表示部９に与える。

ステップｎ　６では、操作者は表示部９に拡大して表示
される語句候補と、音声によって入力した語句とが一致
するかどうかを判断し、一致しない場合には、ステップ
ｒｒ　９に進み、一致するとステ・ンプｎ７に進む。

ステップｎ　９においては、操作者は音声候補キー１０
ｂを操作し、これによって制御部６は語句候補メモリ８
から次候補の語句候補を読出し、表示部９に前記読出さ
れた語句候補を拡大表示するだめの表示制御信号を与え
る。この後処理はステップｒ１６に戻る。このようにし
て表示部９に表示される語句候補と入力語句との一致が
確認されるまてステップｎ６．ｎ９の処理が継続される
。

ステップｎ　６において、入力語句と表示部９に表示さ
れる語句候補との一致が確認されるとステップｎ７に進
み、操作者はキー人力部１ｏの仮名漢字変換キー１０ａ
を操作する。これによって仮名漢字変換処理部１１ては
、現に制御部６に読出されている語句候補がその内部に
読込まれ、漢字を含む文字列に変換される。そのように
して得られる漢字を含む文字列は、ステップｎ８におい
て、制御部６に与えられ、制御部６は表示部９に対して
前記漢字を含む文字列を通常の大きさて表示するための
表示制御信号を与える。この後処理はステップｎ１に戻
る。

以上のように本実施例においては、音声による語句の入
力によって表示される語句候補は対応する表示領域にお
いて拡大して表示される。現状のレベルの音声認識装置
では発声された語句がそのまま正しく認識されることは
少なく、語句の音声による入力に伴って操作者は表示部
９において表示される語句候補を必ず確認しなければな
らない。

したがって本実施例のように、語句候補を拡大して表示
することによって語句候補の確認が容易となり、入力作
業の効率を向上することができる。

第４図は本発明の他の実施例を説明するための図である
。本実施例は第１図に示される構成と同様の構成によっ
て実現されるため、第１図を併せて参照して説明する。

第４図には、表示部９における表示態様が示されている
。前述の第１実施例では、語句候補メモリ８に記憶され
る複数の語句候補のうち１つの語句候補のみが表示部９
に表示されるけれども本実施例ては予め定められる複数
個（たとえば５個）の語句候補が表示部９の表示領域Ｓ
１において同時に表示される。この表示領域Ｓ１の表示
態様は第５図に示されている。

−１６＝ 語句候補列作成の後には、第１番目から第５番目まての
語句候補が第５図に示されるような態様て拡大文字を用
いて表示される。このときカーソルＣ１の位置に対応す
る語句候補が第４図において参照符Ｓ２で示される位置
（音声入力の対象となる位置）に下線１３とともに拡大
表示される。

表示領域Ｓ１に表示される５個の語句候補の中に正しい
語句、すなわち音声によって入力された語句が含まれて
いる場合には、操作者はカーソルＣ１をキー人力部１０
のカーソルキー１０ｃ（第１図参照）操作によって、第
５図の上下方向に移動させて１つの語句候補を選択し、
そのような状態で仮名漢字変換キー１０ａを操作する。

表示部９に表示される複数の語句候補の中に正解の語句
が含まれていない場りには、キー人力部］０の音声候補
キー１０ｂを操作することによって表示部９には第６番
目〜第１０番目の語句候補が表示される。このようにし
て本実施例ては前述の第１実施例に比較して、音声入力
された語句に一致する語句候補を高速に検索することが
できる。

本実施例においてもまた、参照符Ｓ２で示される位置お
よび表示領域Ｓ１に表示される語句候補は、既入力キャ
ラクタＡ２よりも大きな文字で表示され、仮名漢字変換
キー１０ａの操作の後には既入力キャラクタＡ２と同様
の大きさで表示される。したがって、前述の第１実施例
と同様な効果を得ることがてきる。

発明の効果 以上のように本発明によれば、音声によって入力された
語句の選択されるべき候補を容易に確認することができ
るようになるため、音声による語句の入力作業の効率を
格段に向上することができるようになる。

【図面の簡単な説明】

第１図は本発明の一実施例に従う音声認識表示装置１の
基本的な構成を示すブロック図、第２図は表示部９にお
ける表示態様を示す図、第３図は本発明の一実施例の動
作を説明するためのフローチャート、第４図および第５
図は本発明の他の実施例における表示部９の表示態様を
示す図、第６図は先行技術を説明するための図である。 １　・音声認識表示装置、２・マイクロホン、３単音節
認識部、４・標準パターンメモリ、５音節ラティスメモ
リ、６・制御部、７・候補列作成部、８・・・語句候補
メモリ、９・−・表示部、１０．・キー人力部、１１・
・仮名漢字変換処理部代理人　　弁理士　画数　圭一部 ｃ Ｍ　１　口 第２図 Ｓｌ 第４図 日本く 日本円 窮６図

Claims (1)

1. 【特許請求の範囲】 音声によって入力された語句を音声認識して、その音声
   入力された語句に対応する１または複数の候補となる語
   句を出力する音声認識出力手段と、音声認識手段の出力
   を少なくとも一部分に含む文字を目視表示する表示手段
   と、 音声認識手段からの出力に応答し、選択されるべき候補
   として表示手段によって表示されている文字の形状を、
   残余の文字の形状よりも大きく表示させる表示制御手段
   とを含むことを特徴とする音声認識表示装置。