JPH02178698A - 音声認識装置及びこれを用いた電話機 - 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】 ［発明の目的］ （産業上の利用分野） 本発明は、音声認識装置及びこれを用いた電話機に関す
る。

（従来の技術） 近年、人間が発声した相手先の名前等の音声を認識し、
その認識結果から、予め名前と対応付けて登録されてい
た相手先の電話番号を判断して、その電話番号により電
話をかける電話機が、自動車電話、家庭用電話等におい
て実用化されている。

ところで、このような電話機において、−度登録した名
前を削除したり再登録したりする場合は、その対象とな
る名前を何らかの方法で指定する必要がある。

従来からこの名前を指定する方法としては、予め名前と
対応する番号を決めておき、この番号の入力により名前
を指定したり、名前を音声の特徴パターンと文字とで登
録しておき、表示器等においてその文字を表示して、希
望する名前を指定する等が一般的である。

しかしながら、上述の如く名前と番号とを対応させて番
号で名前を指定する方法では、名前と番号との対応関係
を利用者が常に記憶しておく必要がある。また名前を音
声の特徴パターンと文字で登録しておく方法では、文字
を表示する表示器が必要となるのでコストが高くなり、
しかも文字入力が煩わしいという難点があった。

（発明が解決しようとする課題） このように従来からの音声認識装置を備えた電話機では
、何らかの目的により既に登録済みの名前を指定するた
め、名前と番号との対応を常に利用者が記憶しておく必
要があること、名前を表示するための表示器が必要とな
ること、名前を登録するための文字入力を行う必要があ
ること等の難点があるという問題があった。

本発明はこのような課題を解決するためなされたもので
あり、利用者の負担を大幅に軽減することのできる音声
認識装置及びこれを用いた電話機の提供を目的としてい
る。

［発明の構成］ （課題を解決するための手段） 第１の発明は上記課題を解決するために、音声の特徴パ
ターンとこれに対応する情報とを予め登録しておき、こ
れらの登録情報を用いて音声の認識を行う音声認識装置
において、音声の特徴パターンの登録に伴い該音声を録
音する音声録音手段と、この音声録音手段により録音さ
れた各音声を要求に応じて順次再生する音声再生手段と
、音声再生７時において希望する音声が再生されたとき
、これを指定する指定手段と、指定された音声及びこの
音声の特徴パターンに対する所定の処理を行う手段とを
具備したものである。

また第２の発明は、電話をかけたい相手の名前を発声し
たときの音声の特徴パターンとこれに対応する電話番号
とを予め登録しておき、これらの登録情報を用いて音声
を認識してこの音声に対応する電話番号を得、発信を行
う電話機において、音声の特徴パターンの登録に伴いこ
の音声を録音する音声録音手段と、この音声録音手段に
より録音された各音声を要求に応じて順次再生する音声
再生手段と、音声再生時において希望する音声が再生さ
れたとき、これを指定する音声指定手段と、指定された
音声及びこの音声の特徴パターンに対する所定の処理を
行う手段とを具備シたものである。

さらに第３の発明は、電話をかけたい相手の名前を発声
したときの音声の特徴パターンとこれに対応する電話番
号とを予め登録しておき、これらの登録情報を用いて音
声を認識してこの音声に対応する電話番号を得、発信を
行う電話機において、音声の特徴パターンの登録に伴い
この音声を録音する音声録音手段と、この音声録音手段
により録音された各音声を要求に応じて順次再生する音
声再生手段と、音声再生時において希望する音声が再生
されたとき、これを指定する音声指定手段と、指定され
た音声及びこの音声の特徴パターンを削除する削除手段
とを具備したものである。

またさらに第４の発明は、複数の利用者が発声した同一
単語に対する音声の特徴パターンから標準パターンを生
成してこれを登録しておき、ある利用者が発声した音声
を前記標準パターンを用いて認識し、その認識結果に対
応する確認用′音声を出力する音声認識装置において、
音声の入力による標準パターンの生成に伴い、この音声
を認識結果に対応して出力されるべき確認用音声として
録音する音声録音手段と、この音声録音手段による確認
用音声の録音のオン／オフを必要に応じて切換える切換
手段とを具備したものである。

第５の発明は、複数の利用者が発声した同一単語に対す
る音声の特徴パターンから標準パターンを生成してこれ
を登録しておき、ある利用者が発声した音声を前記標準
パターンを用いて認識し、その認識結果に対応する確認
用音声を出力する音声認識装置において、認識結果に対
応して出力されるべき確認用音声を、音声の入力による
標準パターンの生成とは無関係に録音する音声録音手段
を備えたものである。

（作　用） 第１の発明では、音声再生手段により、音声録音手段に
おいて録音された各音声を要求に応じて順次再生させ、
希望する音声が再生されたとき、音声指定手段によって
これを指定する。すると、指定された音声及びこの音声
の特徴パターンに対してこの装置において予め定義され
た所定の処理が行われる。

第２の発明は、この第１の発明である音声認識装置を電
話機に備えたもので、その作用は、前記の発明と同じで
ある。

さらに第３の発明では、音声再生手段により、音声録音
手段において録音された各音声を要求に応じて順次再生
させ、希望する音声が再生されたとき、音声指定手段に
よってこれを指定する。すると削除手段が、指定された
音声及びこの音声の特徴パターンを自動的に削除する。

したがって、これらの発明によれば、再生された名前の
音声を聞いて希望する名前が再生されたときを指定する
だけで、その名前に対応する音声及びこの音声の特徴パ
ターンに対する削除等の予め決められた処理を行うこと
ができ、利用者の負担゛を大幅に軽減化することができ
る。

また第４の発明では、切換手段により、音声録音手段に
よる確認用音声の録音のオン／オフを必要に応じて切換
えることができるので、認識結果対する確認用音声を誰
の音声で出力するかを自由に設定することができる。

さらに第５の発明では、音声録音手段が、認識結果に対
応して出力されるべき確認用音声を、音声の入力による
標準パターンの生成とは無関係に録音するので、前述の
第４の発明と同等の効果が得られる。

（実施例） 以下、本発明の実施例を図面に基づいて説明する。

第１図は本発明を、電話をかけたい相手先の名前、会社
名等を音声で入力し、その音声の認識結果に対応する電
話番号に電話をかける電話機に適用した場合の音声認識
装置の構成を示している。

第１図に示すように、名前の登録とともに音声の特徴パ
ターンを登Ｓ、Ａするため利用者から発声された音声は
、音声入力部、１で増幅された後、音響分析部２に入力
される。音響分析部２は入力音声の特徴を抽出するため
に、バンド・パス・フィルタ分析やケプストラム分析等
、必要に応じた音響分析を行う。そしてこれにより抽出
された入力音、声の特徴パターンが特徴パターン記憶部
３に記憶される６また、この動作と並行して音声入力部
１に゛入力された音声は音声録音部４に録音される。

一方、上述の特徴パターン登録時において発声された音
声は、音声入力部１を介して音響分析部２に入力され、
これにより音響分析が行われる。

そしてその分析結果である入力音声の特徴パターンは音
声認識部５に入力される。ここで音声認識部５は、その
入力音声の特徴パターンと特徴パターン記憶部３に記憶
されている特徴パターンとの間でマツチング処理を行う
。なお、このマツチング処理の手法としては、例えばダ
イナミックプログラミング、部分空間法等が頻繁に用い
られるが、本実施例においては、いかなるマツチング処
理方法を採用してもかまわない。

そしてこの音声認識部５で認識された結果に基づいて、
特徴パターン登録時に名前と対応させて登録しておいた
電話番号を判断し、この電話番号により発信を行う。

このようにして音声による名前の登録と音声認識の処理
が行われる。

ところで、上述したような電話機では、−度登録した音
声の特徴パターンを特徴パターン記憶部３から削除する
必要が多々生じる。

この削除方法について次に説明する。

既に登録しである特定の名前「絵本」を削除する場合、
検索信号入力部６から検索信号を音声再生部７へ出力す
る。音声再生部７は検索信号を入力すると音声録音部４
に録音されている全ての音声を順次再生する。使用者は
音声再生部７で再生される名前を聞き、「絵本」が再生
されたときに削除信号入力部８から削除信号を特徴パタ
ーン記憶部３及び音声録音部４に入力し、特徴パターン
及び音声を削除する。

したがって、従来は、２人の利用者（Ａ、Ｂ）により「
絵本」という名前を登録しであるときに、Ａ利用者が登
録した「絵本」を削除したい場合、文字で「絵本」と入
力してもそれぞれ区別することができないのに対し、本
実施例によると、再生される音声を聞けばＡ利用者が登
録した「絵本」とＢ利用者が登録した「絵本」とを音声
の違いにより区別する和とができる。

次にこの実施例において代表される機能の使用方法を具
体例を挙げて説明する。

第２図は上述した音声認識装置を備えた電話機を示して
いる。

同図において、９は電話機本体、１０は送受話器（ハン
ドセット）、１１は上記電話機本体１０の表面パネル上
に設けられたダイヤルパッド、１２は各種の電話サービ
スに利用される機能選択キーである。

上述した検索信号入力部６及び削除信号入力部８は、電
話機本体９０表面パネル上のダイヤルパッド１１の右下
に設けた検索キー１３、削除キー１４によってそれぞれ
実現される。

ここで、同電話機において、へ利用者、Ｂ利用者の順で
「絵本」、「佐原」の２人の名前がそれぞれ登録されて
いるものとし、これから、Ａの利用者が登録した「佐原
」という音声の特徴パターンを削除したいものとする。

この場合の操作としては、まず検索キー１３を押すと、
送受話器１０から音声録音部４に録音されている音声が
Ａ利用者による「絵本」、Ａ利用者による「佐原」、Ｂ
利用者による「絵本Ｊ、Ｂ利用者による「佐原」の順に
再生される。今、削除したい名前はＡ利用者による「佐
原」であるから、２番目のへ利用者による「佐原」が再
生されたときに削除ボタンを押せば、Ａ利用者による「
佐原」は特徴パターン記憶部３及び音声録音部４から削
除される。

かくしてこの実施例によれば、容品に希望する名前を指
定することができ、その名前の音声及びこの音声の特徴
パターンを削除することができる。

なお、上述の実施例では録音されている全ての名前が登
録の順序で再生される場合を説明したが、その他の方法
として、再生される名前の範囲を制限したり、順序を指
定してもかまわない。

以上、登録済みの複数の名前の中から特定の名前だけを
指定して削除する場合について説明したが、本発明はこ
れに限定されるものではなく、例えば、再登録機能等、
ある特定の名前を指定する必要のある機能を実現する場
合においても同様に本発明を用いることができる。

次に本発明の他の実施例を説明する。

第３図は本発明に係る他の実施例の音声認識状態の構成
を示すブロック図である。

同図において、２１は本実施例装置の４Ｐｌ類のモード
状態を選択するスイッチ部を示している。

このスイッチ部２１においてｂの接点を接続した場合、
入力音声の特徴パターン登録と同時にその音声が記憶さ
れる状態となる（モード２）。またＣの接点を接続した
場合、入力音声の特徴パターン登録のみが行われ、その
音声は記憶されない状態となる（モード３）。ざらにａ
の接点を接続した場合、特徴パターンの登録は行わず、
音声だけが記憶される状態となる（モード１）。さらに
、ｄの接点を接続した場合、音声認識状態（モード４）
となる。

次に、スイッチ部２１においてｂの接点を接続した場合
について詳述する。

音声入力部２２を介して音声が入力されると、その入力
音声は音声区間検出部２３に与えられるとともに、音声
記憶部２４に記憶される。

音声区間検出部２３は、入力音声の入力レベルに対して
成る閾値を設定し、この閾値に基づいて音声区間と無音
区間、ノイズを区別して音声の始端と終端とを検出し、
その音声区間を検出している。

音声記憶部２４は、音声区間検出部２３にて検出された
音声区間の情報に基づき、該当音声区間の音声信号だけ
を選択的に抽出している。そしてこの抽出された音声区
間の音声は、音響分析部２５で求められた特徴パターン
と対応付けられて音声記憶部２４に記憶される。

なお、音響分析部２５は、入力音声をフィルタリング処
理する等してその特徴パラメータ系列を求め、検出され
た音声区間の特徴パラメータ系列を音声の標準パターン
として求める。

以上のようにして特徴パターン記憶部２６への標準パタ
ーンの登録が行われた後、音声認識時に、モード４を選
択し、音声入力部２２を介して入力された入力音声に対
して音声区間検出部２３にて音声区間を検出し、検出さ
れた音声区間について音響分析部２５で求めた音声の特
徴パターンと、特徴パターン記憶部２６に登録されてい
る標準パターンとの間の類似度等を音声認１部２７にて
計算し、その類似度値を相互に比較する等して入力音声
に対する認識結果が求められる。

この音声認識部２７における認識処理法は上述した類似
度計算の他、従来より種々提唱されている音声認識アル
ゴリスムを適宜採用して行われる。

以上のようにして求めた認識結果に対応する音声記憶部
２４内の音声信号が音声再生部２８に与えられ、認識結
果を確認するための音声が再生出力される。

次にスイッチ部２１においてＣの接点を接続した場合に
ついて詳述する。

この場合、音声入力部２２を介して入力された音声は音
声区間検出部２３にのみ与えられ、音声記憶部２４には
与えられない。したがって、音声記憶部２４には音声信
号は記憶されない。音声区間検出部２３に与えられた音
声は、スイッチ部２１においてｂの接点を接続した場合
と同様に処理された後、その音声の特徴パターンが特徴
パターン記憶部２６に記憶される。

最後に、ａの接点を接続した場合について詳述する。

この場合は、音声入力部２２を介して入力された音声は
音声記憶部２４にのみ与えられ、音声区間検出部２３に
は与えられない。したがって、特徴パターン記憶部２６
に音声の特徴パターンは記憶されない。

音声記憶部２４は入力された音声の音声区間を検出する
処理を行わず、音声記憶が開始されてから終了されるま
での間に音声入力部２２を介して入力された音声（ノイ
ズ、無音区間等を含む）全てを記憶する。音声区間検出
の処理をしないことによって、文章のように無音区間を
含むような音声を認識結果を確認するための応答として
出力することができる。また、ここで音声記憶部２４に
記憶された音声が、特徴パターン記憶部２６に登録され
たどの特徴パターンに対応するかを音声−特徴パターン
対応指定部２９により指定する。

このように対応を指定することによって、認識させたい
「ことば」以外の確認用音声を認識結果の応答として出
力することができる。

第４図は第３図に示した音声認識装置を備えて構成され
た電話機を示している。

第４図において３０は電話機本体、３１は送受話器、３
２は上記電話機本体１０の表面パネル上に設けられたダ
イヤルパッドである。また、３３は第３図のスイッチ部
２１を４つの押しボタンスイッチで実現したモード選択
スイッチで、この４つのボタンスイッチは同時に２つ以
上押せない構造とされている。３４は音声と特徴パター
ンとの対応を指定するためのキーで、ダイヤルパッド３
２と併用して音声と特徴パターンとの対応を指定する。

そして、３５は各種の電話サービスに利用される機能選
択キーである。

次に、この電話機を用いて、２人の利用者（Ａ。

Ｂ）が、音声認識装置にそれぞれ「タナ力」という単語
の音声パターンを登録して、認識結果をＡ利用者の登録
による「タナ力」という音声で応答する場合について説
明する。

Ａ利用者が音声の特徴パターンを登録する場合、モード
選択スイッチ３３をモード２に設定し、「タナ力」と発
声してその音声の特徴パターンと音声を登録する。続い
てＢ利用者が音声の特徴パターンを登録する場合、モー
ド選択スイッチ３３をモード３に設定し、「タナ力」と
発声してその音声の特徴パターンを登録する。このとき
、Ｂ利用者による「タナ力」という音声は登録されない
。

以上のようにして２名による音声の特徴パターンの登録
を行うことにより、認識結果に対する確認用の音声は常
にＡ利用者の音声で出力される。

また、Ｂ利用者もモード２で音声の特徴パターンを登録
した場合は、Ａ利用者の音声の上にＢ利用者の音声が上
書きされることになり、認識結果に対する確認用音声は
Ｂ利用者の声で出力される。

さらに、Ａ、８２人の認識結果をその他のＣ利用者の音
声で応答させたい場合には、モード１を選択して、Ｃ利
用者の音声を登録すればよい。

かくしてこの実施例の音声認識装置によれば、モード選
択スイッチ３３によって音声パターン登録時に発声した
音声を録音するか否かを設定することができ、認識結果
に対する確認用の音声を誰の音声で出力するかを自由に
決定することができる。また、音声パターン登録とは無
関係に、確認用の応答音声を録音することによって、認
識させたい「ことば」以外の「ことば」で応答を返すこ
とができる。

［発明の効果］ 以上説明したように本発明によれば、再生された名前の
音声を聞いて希望する名前が再生されたときを指定する
だけで、その名前に対応する音声及びこの音りの特徴パ
ターンに対する削除等の所定の処理を行うことができ、
利用者の負担を大幅に軽減化することができる。

また認識結果に対する確認用の応答音声を誰の音声で出
力するかを自由に設定することが可能となる。

【図面の簡単な説明】

第１図は本発明の一実施例に係る音声認識装置の構成を
示すブロック図、第２図は第１図の音声認識装置を備え
た電話機の外観を示す平面図、第３図は本発明に係る他
の実施例の音声認識装置を示すブロック図、第４図は第
３図の音声認識装置を備えた電話機の外観を示す平面図
である。 １　（２２）・・・音声入力部、２（２５）・・・音響
分析部、３・・・特徴パターン記憶部、４・・・音声録
音部、５　（２７）・・・音声認識部、６・・・削除信
号入力部、７・・・音声再生部、８・・・検索信号入力
部、９　（３０）・・・電話機本体、１０（３１）・・
・送受話機、１３・・・検索キー　１４・・・削除キー
　２４・・・音声区間検出部、２６・・・特徴パターン
記憶部、２８・・・音声再生部、２９・・・音声−特徴
パターン対応指定部、３３・・・モード選択スイッチ。 出願人　　　　　株式会社　東芝

Claims (5)

【特許請求の範囲】
1. （１）音声の特徴パターンとこれに対応する情報とを予
   め登録しておき、これらの登録情報を用いて前記音声の
   認識を行う音声認識装置において、前記音声の特徴パタ
   ーンの登録に伴い該音声を録音する音声録音手段と、 この音声録音手段により録音された各音声を要求に応じ
   て順次再生する音声再生手段と、 音声再生時において希望する音声が再生されたとき、こ
   れを指定する音声指定手段と、 指定された音声及びこの音声の特徴パターンに対する所
   定の処理を行う手段と、 を具備したことを特徴とする音声認識装置。
2. （２）電話をかけたい相手の名前を発声したときの音声
   の特徴パターンとこれに対応する電話番号とを予め登録
   しておき、これらの登録情報を用いて前記音声を認識し
   て該音声に対応する電話番号を得、発信を行う電話機に
   おいて、 前記音声の特徴パターンの登録に伴い該音声を録音する
   音声録音手段と、 この音声録音手段により録音された各音声を要求に応じ
   て順次再生する音声再生手段と、 音声再生時において希望する音声が再生されたとき、こ
   れを指定する音声指定手段と、 指定された音声及びこの音声の特徴パターンに対する所
   定の処理を行う手段と、 を具備したことを特徴とする電話機。
3. （３）電話をかけたい相手の名前を発声したときの音声
   の特徴パターンとこれに対応する電話番号とを予め登録
   しておき、これらの登録情報を用いて前記音声を認識し
   て該音声に対応する電話番号を得、発信を行う電話機に
   おいて、 前記音声の特徴パターンの登録に伴い該音声を録音する
   音声録音手段と、 この音声録音手段により録音された各音声を要求に応じ
   て順次再生する音声再生手段と、 音声再生時において希望する音声が再生されたとき、こ
   れを指定する音声指定手段と、 指定された音声及びこの音声の特徴パターンを削除する
   削除手段と、 を具備したことを特徴とする電話機。
4. （４）複数の利用者が発声した同一単語に対する音声の
   特徴パターンから標準パターンを生成してこれを登録し
   ておき、ある利用者が発声した音声を前記標準パターン
   を用いて認識し、その認識結果に対応する確認用音声を
   出力する音声認識装置において、 前記音声の入力による前記標準パターンの生成に伴い、
   この音声を前記認識結果に対応して出力されるべき確認
   用音声として録音する音声録音手段と、 この音声録音手段による前記確認用音声の録音のオン／
   オフを必要に応じて切換える切換手段と、を具備したこ
   とを特徴とする音声認識装置。
5. （５）複数の利用者が発声した同一単語に対する音声の
   特徴パターンから標準パターンを生成してこれを登録し
   ておき、ある利用者が発声した音声を前記標準パターン
   を用いて認識し、その認識結果に対応する確認用音声を
   出力する音声認識装置において、 前記認識結果に対応して出力されるべき確認用音声を、
   前記音声の入力による前記標準パターンの生成とは無関
   係に録音する音声録音手段を備えたことを特徴とする音
   声認識装置。