JPH0519783A - 音声認識装置の登録制御方法 - Google Patents

Abstract

(57)【要約】 【目的】 音声認識結果のエコーバック音声の録音処理
を効率的に行なう。 【構成】 音声認識装置５と音声記録再生装置６を備え
たシステムにおいて、音声登録モードが指定された時
は、登録要求のメッセージを音声出力装置９から出力
し、外部入力装置１から登録単語の指定がされた時、登
録用音声の入力待機状態となり、音声記録再生装置６で
音声記録を所定の記録時間で開始し、登録用音声が所定
記録時間内に入力されない時は、音声登録がないメッセ
ージを出力し、音声登録をやり直すとともに、入力され
た時には、音声登録再生装置６で登録処理を行なう。

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】本発明は、音声認識装置における
登録制御方法に係り、特に該装置を用いた音声制御装置
の認識対象音声の登録方法に関する。

【０００２】

【従来の技術】音声認識装置を用いて、各種機器の制御
を音声で行なう音声制御装置が開発されており、例え
ば、電話機の自動ダイヤル装置などが知られている。音
声認識装置を用いることの利点は、ハンズフリー（手を
使わない）で、アイズフリー（視線をそらさない）であ
ることである。すなわち、他の仕事をしながら他の機器
の制御が可能となる。例えば、車の運転中などに、車室
内の機器を制御する場合は、安全性の面からハンズフリ
ーでかつアイズフリーである制御方法が有用である。こ
のように、音声認識による制御装置は、これらの用途に
向いているため、研究開発が盛んである。

【０００３】この音声制御装置では、ユーザが音声認識
結果を確認できるようにする必要があり、そのための１
つの方法として、表示器に認識結果を表示するものがあ
るが、ユーザはこれを目で見て確認する必要があり、本
来、アイズフリーである音声認識装置の利点が失われて
しまう。そこで、音声認識結果に対応する単語音声を、
音声記録装置を用いてエコーバックして、ユーザの耳で
確認する方法をとることが多い。そのためには、音声認
識のための単語音声を登録するとき、同時に音声記録再
生装置により録音処理を行なう。

【０００４】

【発明が解決しようとする課題】この時、音声認識用Ｌ
ＳＩと音声記録再生用ＬＳＩを用いて、音声認識結果の
エコーバック機能を実現しようとすると、それぞれのＬ
ＳＩの機能がクローズしているため、両者の音声信号の
取り込みのタイミングを合わせるのが困難である。すな
わち、ユーザに音声発声要求をしてから、音声認識用Ｌ
ＳＩが音声認識モードとなり、音声認識のための音声入
力待ちの状態になるので、ユーザが発声するまでアイド
ル状態となる。

【０００５】一方、音声記録再生用ＬＳＩは、ユーザに
発声要求がなされると、音声の記録処理を開始する。こ
のとき、ユーザの発声した音声が録音できる程度の記録
時間が設定されているので、発声要求を出してから、こ
の記録時間内にユーザが発声しないと音声が記録されな
いという不都合が生ずる。

【０００６】このような不都合を解決するために、音声
記録再生用ＬＳＩには、音声トリガ機能を持つものがあ
る。これは、音声の入力があったかどうかを検出して、
音声入力があった時に、初めて音声の記録を開始するも
のであり、音声が入力されるまではアイドル状態となる
ものである。

【０００７】しかし、この場合、音声認識用ＬＳＩが音
声を取り込むときには、必ず、音声記録再生用ＬＳＩに
音声の記録がなされるように、音声記録再生用ＬＳＩの
音声検出の条件を合わせる必要があるが、両者が独立し
ているために難しい。したがって、この方法では、音声
認識用ＬＳＩが音声を取り込んでも、音声記録再生用Ｌ
ＳＩは音声を記録していないという状況がありうる。

【０００８】別の解決方法として、音声記録再生用ＬＳ
Ｉの記録時間を充分長く設定しておくことも考えられる
が、記録再生のためのデータを格納するメモリ量が増大
する。また、エコーバック時に、長く設定した記録時間
と同じ再生時間で音声が再生されるので、音声を再生す
るのに時間がかかり、かつ、その分メモリの消費量も増
大するのでコストアップとなるという欠点があった。

【０００９】本発明の目的は、音声認識結果のエコーバ
ック音声の録音処理を、効率的に行なう音声認識装置の
制御方法を提供することにある。

【００１０】

【課題を解決するための手段】上記目的を達成するた
め、本発明は入力音声を認識処理する音声認識手段と、
入力音声を記録処理し、かつ、再生処理する音声記録再
生手段とを備えた音声認識装置における制御方法であっ
て、音声登録モードと音声認識モードとのいずれが指定
されたかを判定するステップと、音声登録モードが指定
されたと判定したときに、登録要求メッセージを音声出
力し、登録単語の指定がなされたかどうかを判定するス
テップと、該登録単語の指定がなされたとき、登録用音
声の入力待機状態となり、入力音声の記録を所定の記録
時間中に開始するステップと、登録用音声が前記所定の
時間内に入力されなかった時には、音声登録なしのメッ
セージを音声出力し、音声登録をやり直すとともに、登
録用音声が前記所定の記録時間内に入力された時には、
入力音声の登録処理を行なうステップとからなることを
特徴とする。

【００１１】

【作用】音声登録モードが指定されたと判定した時に、
登録要求メッセージを音声出力し、登録単語の指定がな
されたかどうかを判定し、登録単語の指定がなされた
時、登録用音声の待機状態となり、入力音声の記録を所
定の記録時間中に開始し、登録用音声が所定の記録時間
内に入力されなかった時には、音声登録なしのメッセー
ジを音声出力し、音声登録をやり直すとともに、登録用
音声が所定の記録時間内に入力された時には、入力音声
の登録処理を行なう。

【００１２】本発明では、音声認識のための音声の登
録、特に、エコーバック用の音声の記録時間のタイムア
ップを再発声要求の１つの条件とすることにより、音声
認識装置の認識が成功しても、エコーバック用の音声が
記録されていないということがなく、登録が成功した時
は、音声記録再生装置の録音処理も必ず成功していると
いう保証が得られ、この録音処理を効率的に行なうこと
ができる。

【００１３】

【実施例】以下、本発明の実施例を図面により詳細に説
明する。

【００１４】図３および図４はそれぞれ本発明による制
御方法を実現する音声認識装置の一実施例を示すもの
で、１は外部入力装置、２は制御部、３は制御対象機器
制御装置、４は制御対象機器、５は音声認識装置、６は
音声記録再生装置、７は音声信号分配装置、８は音声入
力装置、９は音声出力装置、１０は外部出力装置、１１
は制御対象機器メイン部である。

【００１５】図３と図４の違いは、図３において、制御
部２に接続された外部入力装置１、外部出力装置１０
と、音声記録再生装置６に接続された音声出力装置９と
が、図４では、制御対象機器４内に含まれていることで
ある。図４では、１，９，１０が全て制御対象機器４の
中に含まれているが、その一部が含まれていても良い。
図１および図２は本発明による制御方法の処理手順を示
すフローチャートである。図１〜図４を用いて本発明の
動作を説明する。

【００１６】システムに電源が投入されると、制御部２
は、システムの初期化処理を行なう（ステップ２０）。
ステップ２１では、制御部２は、外部入力装置１によ
り、音声認識のための音声の登録モードに設定されてい
るかどうかをチェックする。

【００１７】この外部入力装置１は、ユーザがシステム
に対して音声の登録モードや音声制御モードの指定およ
びデータの入力のためのもので、例えば、キースイッチ
で構成される。また、図４のように、この外部入力装置
１が制御対象機器４に含まれる場合、制御対象機器４に
付属されている機能で、外部入力装置１の機能を代用す
る。

【００１８】例えば、制御対象機器４が電話機である場
合、外部入力装置４としてのキースイッチの機能を電話
機のダイヤルキーで代用する。同様に、外部出力装置１
０はシステムの動作状態を外部のユーザへ知らしめるた
めのものであるので、電話機の表示器の機能で代用でき
る。また、システムからの音声メッセージを出力するた
めの音声出力装置９を電話機のスピーカなどで代用する
ことも可能である。

【００１９】ステップ２１で、音声の登録モードに設定
されている時は、ステップ３０に進み、そうでない時
は、ステップ２２へ進む。

【００２０】ステップ３０では、音声の登録モードであ
ることを報知して、ユーザに登録語のエントリー番号の
入力要求を行なう。登録モードの報知は、音声記録再生
装置６に記録されている固定メッセージ、例えば、「音
声登録モードです」などの音声メッセージを音声出力装
置９より出力することで行なわれる。あるいは、外部出
力装置１０により報知する。例えば、表示器などで、そ
のことを表示する。

【００２１】ステップ３１では、複数ある音声の認識の
ための、登録語を区別するためのエントリー番号を入力
する。例えば、登録番号「１」を、ユーザが外部入力装
置１により入力すると、図３の場合、入力された登録番
号は、外部入力装置１から制御部２へわたされ、図４の
場合は、外部入力装置１から、制御対象機器制御装置３
を介して制御部２へわたされるる

【００２２】次に、ステップ３２へ移る。ユーザより登
録語の指定がなされなかった時は、ステップ３３へ進
む。ステップ３３で登録を中止する指定がなされた時
は、ステップ２１へ、そうでない時は、ステップ３０へ
進む。

【００２３】ステップ３２では、制御部２は音声認識装
置５を、音声登録のための音声入力待ちの状態にする。
さらに、音声記録再生装置６の音声記録を開始する。音
声記録再生装置６の記録時間は、予め一定の長さに設定
されており、登録される単語音声が充分記録できる程度
とする。

【００２４】ステップ３４では、音声記録再生装置６の
記録時間がタイムアップしたかどうかのチェックを行な
う。タイムアップであれば、記録時間内に発声が行なわ
れなかったものとしてステップ３５へ進み、タイムアッ
プでなければ、ステップ３６へ進む。

【００２５】ステップ３５では、音声記録装置６は、音
声出力装置９を介して音声メッセージ「タイムアップで
す」などを出力し、ユーザに登録が失敗したことを報知
する。このとき、外部入力装置１０で、登録モードの中
止が指定されているかどうかをチェックする。登録モー
ドの中止が指定されていれば、ステップ２１へ進む。そ
うでなければ、ステップ３２へ進む。

【００２６】ステップ３６では、音声の入力がされたか
どうかをチェックする。このとき、音声認識装置５は音
声入力待ちの状態となっている。音声が入力されると、
そのことを制御部２に伝え、それにより、音声入力装置
１０から音声が入力されたことを検出できる。音声が入
力されない時は、ステップ３４へ進む。

【００２７】音声が入力されたと判定されたときは、ス
テップ３７へ進む。このとき、音声記録再生装置６の音
声記録時間内に、ユーザの発声が完了したことになる。
ステップ３７では、入力された音声データの登録処理を
行ない、音声認識装置５および音声記録再生装置６はそ
れぞれ、内部にもつパターンメモリ（図示省略）の所定
のエリアに、入力された音声を格納する。以上が、音声
の登録動作の説明である。

【００２８】次に、ステップ２１で登録モードに設定さ
れていない時は、ステップ２２に進む。ユーザにより、
外部入力装置１０を介して、音声認識モードが設定され
た場合、ステップ３０へ進み、ステップ２３では、音声
認識をするための発声要求をシステムが行なう。例え
ば、音声記録装置６の固定メッセージ「キーワードを発
声して下さい」などの音声を出力する。次に、音声認識
装置５は、制御部２からの制御を受けて音声認識モード
となる。

【００２９】ステップ２４では、音声認識をするための
音声入力待ちの状態となる。音声入力を検出しない時
は、ステップ２５へ進む。音声が入力された時は、音声
認識処理を行ない、認識結果を音声認識装置５から制御
部２へ出力する。

【００３０】ステップ２６では、音声認識結果に対応す
る単語音声の、音声記録再生装置６に登録されているエ
コーバック用データを、音声として、音声出力装置９よ
り出力する。これにより、ユーザはシステムの音声認識
結果が、妥当なものであるかどうかを確認することがで
きる。

【００３１】ステップ２７では、ステップ２６で行なっ
た音声認識結果に対応する、制御対象機器４の制御を実
行するかどうかの確認を行なう。音声メッセージ「実行
しますか？」などのメッセージにより、制御実行の確認
を行なう。ユーザは外部入力装置１を操作することで、
例えば、スイッチを押すことで、制御実行の指定を行な
う。あるいは、音声認識装置５を用いて、音声により制
御実行の確認を行なうことができる。制御実行の確認が
された時は、ステップ２８へ進む。そうでない時は、ス
テップ２１へ進む。

【００３２】ステップ２８では、ステップ２６での認識
結果に対応する制御内容を、制御対象機器制御装置３を
介して、制御対象機器４で実行する。

【００３３】音声認識装置５によっては、１つの単語音
声の登録に複数回の発声を要求するものがある。エコー
バック用の音声の記録には、発声は１回分でよいので、
複数回の発声のうちの１回分を記録するようにする。こ
の時、エコーバック用の音声の記録は時間制限があるた
め、なるべくユーザの発声のタイミングを録音開示時に
合わせる必要がある。そのため、発声要求を出してか
ら、ユーザが単語音声を複数回出した場合、１回目の発
声は入力待ちの状態にしておくのが望ましい。なぜな
ら、音声の登録時は、登録音声のリストを見たり、登録
データのことを考えながら行なうので、落ち着いて登録
を行ないたいという心理がユーザに働くからである。

【００３４】したがって、ここに、時間制限付きの、エ
コーバック音声の記録処理を行なうと、発声タイミング
と録音開始時を合わせるのは難しくなる。この場合、タ
イムアップにより、登録のやり直しを行なえば可能であ
るが、発声要求が行なわれるので、煩わしいという欠点
がある。

【００３５】一方、発声を開始すると、同じ単語音声を
複数回発声する。例えば、「会社」という単語音声を登
録したい時、繰り返し回数が３回であるから、登録の発
声は、「会社、会社、会社」となる。この時、ユーザの
心理として１回目の発声と２回目の発声との間隔は短
く、複数の発声は間断なく次々と行なわれるのが普通で
ある。そうすると、１回目の発声を音声認識装置５が検
出したら、ただちに、音声記録再生装置６の録音処理を
スタートさせることで、録音開始タイミングと、２回目
の発声のタイミングを一致させることができる。また、
録音を開始する音声は、２回目の発声に限らず３回目で
もよい。

【００３６】上述した本発明の実施例によれば、音声認
識のための音声の登録時に、エコーバック用の音声の記
録時間のタイムアップを再発声要求の１つの条件とした
ので、音声認識装置の登録が成功しても、エコーバック
用の音声が記録されていないということがない。そし
て、登録が成功したときは、音声記録再生装置の録音処
理も必ず成功しているという保証ができる。

【００３７】また、制御対象機器に内蔵されているもの
を、外部入力装置、外部出力装置、音声出力装置として
代用しているので、新たにハードウエアを追加する必要
がなくなる。さらに、複数回発声する音声認識のための
登録発声時において、１回目以降の発声にてエコーバッ
ク用音声の記録を行なうことで、発声のタイミングと録
音開始のタイミングを合わせることができ、無駄のない
登録処理を行なうことができる。

【００３８】

【発明の効果】本発明の音声認識装置の制御方法によれ
ば、音声認識結果のエコーバック音声の録音処理を効率
的に行なうことができる。

【図面の簡単な説明】

【図１】本発明による制御方法の一実施例の一部の処理
手順を示す図である。

【図２】本発明による制御方法の一実施例の他の部分の
処理手順を示す図である。

【図３】本発明の制御方法を実現する音声認識装置の一
実施例の構成図である。

【図４】本発明の制御方法を実現する音声認識装置の他
の実施例の構成図である。

【符号の説明】

１ 外部入力装置 ２ 制御部 ４ 制御対象機器 ５ 音声認識装置 ６ 音声記録再生装置 ９ 音声出力装置 １０ 外部出力装置

Claims (2)

【特許請求の範囲】
1. 【請求項１】 入力音声を認識処理する音声認識手段
   と、入力音声を記録処理し、かつ、再生処理する音声記
   録再生手段とを備えた音声認識装置における制御方法で
   あって、音声登録モードと音声認識モードとのいずれが
   指定されたかを判定するステップと、音声登録モードが
   指定されたと判定したときに、登録要求メッセージを音
   声出力し、登録単語の指定がなされたかどうかを判定す
   るステップと、該登録単語の指定がなされたとき、登録
   用音声の入力待機状態となり、入力音声の記録を所定の
   記録時間中に開始するステップと、登録用音声が前記所
   定の時間内に入力されなかった時には、音声登録なしの
   メッセージを音声出力し、音声登録をやり直すととも
   に、登録用音声が前記所定の記録時間内に入力された時
   には、入力音声の登録処理を行なうステップとからなる
   ことを特徴とする登録制御方法。
2. 【請求項２】 前記音声認識モードが指定された時に
   は、音声入力要求のメッセージを音声出力し、認識用音
   声の入力待機状態となり、認識用音声が入力されたか否
   かを判定するステップと、該認識用音声が入力された時
   には、前記音声認識手段で音声認識処理を行ない、認識
   結果を出力するステップと、該認識結果に対応する、前
   記音声記録再生手段の登録音声を再生出力するステップ
   と、該再生出力を基に前記認識結果が正しいと確認され
   た時、制御実行指定に基づき所定の制御対象機器の制御
   を行なうステップとを有することを特徴とする請求項１
   に記載の音声認識装置の登録制御方法。