JPH0462600A

JPH0462600A - 音声認識装置

Info

Publication number: JPH0462600A
Application number: JP2174801A
Authority: JP
Inventors: Haruyuki Hayashi; 晴之林
Original assignee: NEC Corp
Current assignee: NEC Corp
Priority date: 1990-07-02
Filing date: 1990-07-02
Publication date: 1992-02-27
Anticipated expiration: 2013-04-02
Also published as: JP2734750B2; CA2045959A1; CA2045959C

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、電話回線を介した音声認識応答システム等に
用いられている音声認識装置に関し、特にＰＢ信号検出
機能（ＰＢ受信機能）を有する音声認識装置に関する。

〔従来の技術〕

従来、この種の音声認識装置は音声認識部（ＳＲＵ）と
ＰＢ信号検出部（Ｐ　Ｂ　Ｒ）とを有しているが、電話
回線からの入力信号がＰＢ倍信号ＰＢ）か音声かを自動
的に区別できなかった。そのためＰＢ入力用と音声入力
用の電話回線を別個に設け、音声認識装置を利用するソ
フトウェア等の業務アプリケーションにおいて、どちら
の回線に電話がかかったかを監視し、対応する認識部の
みを用いるよう音声認識装置に指示を行なっていた。

〔発明が解決しようとする課題〕

上述した従来のＰＢ受信機能を有する音声認識装置（以
下、単に音声認識装置）を用いる場合、音声入力用回線
とＰＢ入力用回線を独立して設ける必要がある。また、
業務アプリケーションにおいて回線に応じた処理を行な
わなければならないほか、ユーザにおいては音声入力、
ＰＢ大入力より別の電話番号を用いることになり、サー
ビス上の問題もあった。さらに、発信を装置側から行う
必要のある場合、ユーザが音声入力とＰＢ大入力いずれ
を用いるのか、予め登録する必要があった。

また、回線と入力信号の種別対応が固定なため、空いた
回線の効率的割り当てができす、音声入力用回線又はＰ
Ｂ入力用回線の一方に呼が集中した場合、ユーザに対す
るサービスが低下するという問題もあった。

〔課題を解決するための手段〕

本発明の目的は、上述した課題を解決した音声認識装置
を提供することにある。このため、本発明においてはＳ
ＲＵとＰＢＲの両方で入力信号の認識を行ない、各認識
部の応答結果をもとに入力信号を音声かＰＢか自動判別
することにより上記目的を達成している。

〔実施例〕

次に、本発明について図面を参照して説明する。

第１図は本発明の音声認識装置を利用した音声認識シス
テムの一実施例である。第１図において、ユーザの利用
する電話器６は、第１および第２の交換機７および８を
介して回線制御部１に接続されている。回線制御部１は
業務アプリケーション２の制御に従って入力信号を音声
認識装置１０に与える。音声認識装置１０は音声認識部
（ＳＲＵ）３．ＰＢ信号検出部（ＰＢＲ）４および制御
部５から構成され、業務アプリケーション２に制御され
る。次に、第２図に示すフローチャートを参照して動作
について説明する。第１図において、本システムを利用
するユーザが電話器６により発呼すると、第１および第
２の交換機７および８を介して回線制御部１に発呼が伝
わる（ステップ２０１）。回線制御部１はユーザからの
電話がかかってきたことを業務アプリケーション２に知
らせ、業務アプリケーション２の着信指示を受けると、
回線を音声認識装置１０に接続する（ステップ２０２）
。業務アプリケーション２は回線制御部１の着信完了通
知に対応して、音声認識装置１０を制御する制御部５に
認識すべき入力信号語数を指示する（ステップ２０３）
。本実施例で同時認識すべき入力信号は電話器のＰＢダ
イヤルの種類に等しく、そのほとんとは数字であるため
、語数を桁数として以降取り扱う。

音声認識装置１０の制御部５は、業務アプリケーション
からの桁数指示を受けて５ＲＵ３およびＰＢＲ４を起動
しくステップ２０４）、回線制御部１から供給される入
力信号について同時認識を行い、その結果により、入力
信号の自動判別を行う（ステップ２０５）。所定の桁数
分の認識が終了したら、業務アプリケーション２に認識
結果を出力する（ステップ２０６）。

次に本発明の特徴である入力信号の自動判別を更に詳細
に説明する。入力信号の自動判別は、以下の条件に基づ
いている。

（１）ＰＢＲの検圧率はほぼ１００％であるがＳＲＵの
認識率はこれより低い。

（２）音声とＰＢを混在利用するユーザはいない。

第３図は、第２図における自動判別ステップ２０５の詳
細なフローチャートて音声認識装置１０の制御部５がこ
のフローチャートに従い動作する。制御部５はたとえは
マイクロプロセッサにより実現される。入力信号の１桁
目については同時認識を行うため、５ＲＵ３およびＰＥ
Ｒ４を起動する（第２図ステップ２０４）。次に制御部
５は内部のタイマに所定時間（Ｔ１）を設定する。

もし、先にＰＢＲ４から１桁目の受信結果が返れば（ス
テップ３０２）、ＰＢＲ４の認識率は１００％であると
考えているため、即これを１桁目の同時認識の結果とし
くステップ３１１）、５ＲＵ３をこの時点でストップさ
せる。複数桁入力の場合上記（２）の条件にもとづき、
２桁目以降に音声で入力することはないと考え、２桁目
以降は同時認識でなくＰＢＲ４のみを用いて処理を行う
（ステップ３１２）。

もし、１桁目の結果が先に５ＲＵ３から返れば（ステッ
プ３０３）、本当にＰＢＲ４がらの結果か返らないかを
ある時間（Ｔ２）たけ待つ。

このため、制御部５はＴｌを設定したタイマとは別のタ
イマにＴ２を設定する（ステップ３ｏ７）。

この待ち時間Ｔ２は処理時間に遅れを与える為、長くと
も１．５秒程度にしておく。この間にＰＢＲ４応答があ
れば（ステップ３０８）、５ＲＵ３は雑音等で誤認識し
たと見なし、ＰＢＲ４がらの結果を１桁目の同時認識の
結果とし、５ＲＵ３はこの時点でストップさせる（ステ
ップ３１１）。複数桁入力の場合、２桁目がらはＰＢＲ
４のみを用いて認識する（ステップ３１２）。またステ
ップ３０８でＴ２時間内にＰＢＲ４がらの応答がなけれ
ば入力信号は音声であると判断しくステップ３０９）、
２桁目以降の入力信号対しては５ＲＵ３のみを用いて認
識する（ステップ３１ｏ）。所定の桁数分の認識処理が
終了したら、その結果を業務アプリケーション２へ出力
する（ステップ２０６）。一方、スーＩＦ−ツブ３０３
　ニおいて５ＲＵ３の応答がなければ１１時間経過した
がをチエツクする（ステップ３０４）。Ｔ１時間経過し
ていれば業務アプリケーション２にタイムアウトした旨
を知らせて処理を終了する（ステップ３０６）。

Ｔ１時間経過していなければ再びステップ３０２・へ戻
り、ＰＢＲ４および５ＲＵ３の応答有無をチエツクする
。以上の動作により、入力信号の自動判別が実現される
。

この第１実施例では１桁目の認識結果に基づいて２桁目
からの認識をＳＲＵ又はＰＢＲ一方で行っていた。この
方法は入力信号に対応する認識部のみが正常に応答する
ほとんどの場合には問題なく動作する。しかしながら実
際にはごくまれに、両方の認識部が応答することがあり
、同時認識により生じる問題である。この場合、第１の
実施例では誤認識の可能性がある。両方の認識部が応答
するのは、（、）　　音声入力に対してＰＢＲも応答する、（ｂ）
ＰＢ大入力対してＳＲＵも応答する、２通りがある。（
ａ）は頻度は小さいが不可避である。

このため（ａ）の事像が連続して発生する可能性は低い
と考えて、予め定めた複数桁でＰＢＲが応答すれば、入
力信号はＰＢであると判断する。（ｂ）については前述
した条件（１）からＳＲＵの認識率は１００％でないが
ＰＢＲの認識率は１００％と考えられる為、ＰＢと判定
する。しかし、ＰＢが入力される前に雑音や音声が混入
しこれをＳＲＵが認識した場合、ＰＢＲはＳＲＵより遅
れて結果を返す事がある。この解決策として、ＳＲＵが
らの結果が返ってもＰＢＲからの結果が返るのをしばら
く待つという方法があるが、この待ち時間は認識応答時
間を遅らせることになる為あまり長い時間を設定するこ
とができず不十分である。そこで、もう一つの解決策と
して、１桁づつＳＲＵからの結果が返るたびにＰＢＲの
結果をみて、２桁以上ＰＢＲから結果が返れば間違いな
くＰＢであると見なすことでより正確な自動判別が可能
となる。第４図は、この原理に基づく第２の実施例を示
すフローチャートである。

第４図は、第１実施例を示す第３図と同様に、第２図に
おけるステップ２０５に対応する。すなわち、ＳＲＵと
ＰＢＲはいずれも起動されている。

まず、制御部５は、業務アプリケーション２の指示した
認識桁数に応じた入力時間Ｔｏを第１のタイマに設定す
る。

もし、先にＰＢＲから１桁目の受信結果が返れは（ステ
ップ４０２）、ＰＢＲの認識率は１００％であると考え
、即これを１桁目の同時認識の結果とする（ステップ４
１１）。もし、１桁目の結果が先にＳＲＵから返れは（
ステップ４０３）、不肖にＰＢＲからの結果が返らない
かをある時間（Ｔ１）たけ待つ（ステップ４０６）。こ
の待ち時間は入力処理時間に遅れを与える為、長くても
１．５秒程度にしておく。この間にＰＢＲからの結果の
結果が返れば、ＳＲＵは雑音等で誤認識したと考え、Ｐ
ＢＲからの結果を１桁目の同時認識の結果とする（ステ
ップ４１１）。

１桁目がＰＢだと判断した場合（ステップ４１１）、Ｐ
ＢＨの応答回数は無条件に１回だからステップ４１２は
ｒＮＯＪの方向に進み、次桁の処理に移る（ステップ４
１３）。この場合、ＳＲＵの起動はせすＰＢＲからの結
果をある時間（Ｔ２）たけ待つ（ステップ４１４）。こ
の待ち時間はユーザがゆっくり電話器のボタンを押す間
隔の時間で、たとえは１秒〜３程度度にしておく。この
間にＰＢＲからの結果か返れば、ＰＢＲからの結果を２
桁目の同時認識の結果としくステップ４１７）、最終桁
でなければ（ステップ４１８）次の桁以降は同時認識で
なくＰＢＲのみを用いた認識処理を行う（ステップ４１
９）。逆に、この待ち時間（Ｔ２）の間にＰＢＲからの
結果が返らす（ステップ４１４）、且つＳＲＵから１桁
目の結果が返っていれば（ステップ４１５）、ＳＲＵか
らの１桁目の結果を同時認識の１桁目の結果に置き換え
（ステップ４１６）、２桁目としてＳＲＵを起動する（
ステップ４１０）。

一方、１桁目の結果が先にＳＲＵから返り　（ステップ
４０３）、待ち時間（ＴＩ）の間にＰＢＲからの結果の
結果が返らなければ（ステップ４０６）、ＰＢＲは間違
わないからＰＢてはないと判断し、ＳＲＵからの結果を
１桁目の同時認識の結果とする（ステップ４０７）。

本実施例で複数桁の認識処理を行う場合、ＰＥＲとＳＲ
Ｕの応答が混在するときには、その状況に応じて認識結
果のおぎかえを行なう。おきかえには、（ア）複数桁の認識処理中、２桁以上ＰＢＨの応答があ
った場合、その時点で認識済の結果をＰＢＲの応答結果
におきかえる第１のおきかえ、（イ）ある桁についてＰ
ＢＲの応答結果を認識結果とした後、次桁に対するＰＢ
Ｈの応答が７２時間内になく、かつある桁までの認識結
果が全てＳＲＵの応答結果である場合、ある桁までの認
識結果をＳＲＵの出力結果におきかえる第２のおきかえの２通りがある。これら第１および第２のおぎかえの発
生する具体的な認識処理について、第４図と第５図を併
せて説明する。

第５図は、５桁の認識処理実行時におけるＳＲＵとＰＢ
Ｒの応答と、認識結果の状態の示す図である。１桁目に
対する同時認識の結果、ＳＲＵが先に応答しくステップ
４０３）、Ｔ１時間内にＰＢＲの応答がない（ステップ
４０６）ため、１桁目の認識結果はＳＲＵの応答結果Ｓ
１とする（ステップ４０７および第５図（ａ））。２桁
目も同時認識を行った結果、再びＳＲＵが先に応答し、
７１時間内にＰＢＲの応答がないため、２桁目の認識結
果もＳ　ＲＵＬ：ｒ）ｌｆｆ力Ｓ２とする（第５図（ｂ
））。ところが３桁目の同時認識てはＰＢｉ″；ＳＲＵ
より先に応答しくステップ４０２）、３桁目の認識結果
はＰＢＲの出力ＰＩとなる（ステップ４１１および第５
図（Ｃ））。ＰＢＲの応答回数は１回なのでステップ４
１２は下へ進み、次桁の認識処理を行う（ステップ４１
３〕。ここで７２時間内にＰＥＲから応答がなかったと
する（ステップ４１４）。

この時点で制御部５はＳＲＵが３桁目に応答しているか
を調べ（ステップ４１５）、応答があれば３桁目までの
認識結果をＳＲＵの出力に全ておきかえる上記（イ）の
おきかえが発生する（ステップ４１６、第５図（ｄ））
。ＳＲＵは１桁の認識ごとに起動する必要があるので、
次桁処理のためにＳＲＵを起動する（ステップ４１０）
。次桁に対しては再びＰＢＲが先に応答したとする（ス
テップ４０２）。ＰＢＲが応答したため、その桁の認識
結果はＰＢＲの応答結果とする（ステップ４１１）。

この時点で、認識処理開始時からＰＢＲが２度応答して
いるため、入力信号はＰＢと判断し、上記（ア）のおき
かえが発生する（ステップ４１２，４１７および第５図
（ｅ））。入力信号をＰＢと判断したため、次桁以降は
ＳＲＵを起動せずＰＢＲのみを用いて認識を行ない（ス
テップ４１９および第５図（ｆ））、５桁分の認識結果
が得られたら（ステップ４１８および第５図（ｇ））業
務アプリケーションに出力する（ステップ２０６）。本
実施例においては、より正確な入力信号の判別が可能と
なる効果がある。また、第４図ステップ４１２における
条件のＰＢＲの２桁以上に対する応答としたが、複数桁
に対する応答とすれば本実施例の効果は得られる。

〔発明の効果〕

以上説明したように本発明による音声認識装置は、入力
信号から音声を識別する音声認識部と、入力信号からＰ
Ｂ倍信号検出するＰＢ受信部と、音声信号かＰＢ倍信号
を自動的に判定することができる制御部を有することに
より、本装置を制御する業務アプリケーションがＰＢ倍
信号音声信号かを意識する必要がなくなるという効果を
有する。

したがって、システム側の電話回線をＰＥ入力用と音声
入力用にわける必要がなくなり、結果として、利用客に
とっては、例えば照会サービスの場合は音声入力用の電
話番号とＰＥ入力用の電話番号を区別する必要がなくな
り、通知サービスの場合はシステム側にＰＢ大入力音声
入力かを予め登録しなくてもよくなり、サービス性が向
上されるという効果がある。

また、システム側にとっては、同一電話回線でＰＢ入力
処理と音声入力処理を行うのでトラフィックが効率的に
なり、システムの処理能力が十分に発揮できるという効
果がある。

【図面の簡単な説明】

第１図は本発明による音声認識装置を用いた音声認識シ
ステムの一例を示すブロック図、第２図は第１図に示し
たシステムの動作を説明するフローチャート、第３図〜
第５図は本発明の音声認識装置における自動判別動作を
説明するフロチャートをそれぞれ示す。第１図において、１・・・・・・回線制御部、２・・・・・・業務アプリ
ケーション、３・・・・・・音声認識部（ＳＲＵ）、４
・・・・・・ダイヤルトーン認識部（ＰＢＲ）、５・・
・・・・制御部、６・・・・・・加入者電話、７，８・
・・・・・交換機、１０・・・・・・音声認識装置。代理人　弁理士　　内　原　　　晋Ｚり第１図第２図第図

Claims

【特許請求の範囲】

（１）入力信号から音声を認識して認識結果を出力する
音声認識部と、前記入力信号からＰＢ信号を検出して検
出結果を出力するＰＢ信号検出部と、前記音声認識部お
よび前記ＰＢ信号検出部を制御する制御部とを有する音
声認識装置において、前記制御部が、前記音声認識部と前記ＰＢ信号検出部を
同時に用いたときの前記入力信号の認識結果および検出
結果に基づき、前記入力信号が音声かＰＢ信号かを自動
判別することを特徴とする音声認識装置。
（２）前記制御部が、前記音声認識部の応答である第１の応答が前記ＰＢ信号
検出部の応答である第２の応答よりも先で、かつ前記第
１の応答から所定時間内に前記第２の応答がない場合、
前記入力信号を音声と判別し、前記所定時間内に前記第
２の応答があった場合および前記第２の応答が前記第１
の応答よりも先の場合に前記入力信号をＰＢ信号と判別
することを特徴とする特許請求の範囲第１項記載の音声
認識装置。
（３）前記制御部が、前記音声認識部の応答である第１の応答よりも前記ＰＢ
信号検出部の応答である第２の応答が先で、かつ前記第
２の応答から第１の所定時間内に新たな前記第２の応答
があった場合および、前記第２の応答よりも前記第１の
応答が先で、かつ前記第１の応答から第２の所定時間内
に前記第２の応答があり、この第２の応答から前記第１
の所定時間内に新たな前記第２の応答があった場合およ
び前記入力信号の認識を複数回行なった結果、前記第２の
応答が所定回数以上あった場合に前記入力信号をＰＢ信
号と判別することを特徴とする特許請求の範囲第１項記
載の音声認識装置。