JPH0634188B2 - 情報処理方法 - Google Patents

Description

【発明の詳細な説明】 ［技術分野］ 本発明は情報処理方法に関し、特に不特定話者が使用す
るもので、かつ音声認識の信頼性が要求される情報処理
方法に関するものである。

［従来技術］ 従来、この種の音声認識応答装置では完全な音声認識は
不可能であり、特に認識の信頼性が要求される用途にお
いては、音声応答装置等を使用して認識結果を応答出力
し、その確認入力を促していた。

一例として、バンキングサービスにおける残高照会を示
すと表１のような音声認識応答手順となる。

このように顧客側入力と銀行側応答は交互に行なわれ、
その中で認識の結果の確認「はい」、「いいえ」の認識
も行なわれる。即ち、認識結果の確認が肯定的であれば
次のステップに進み、新たな入力と応答が行なわれる
が、否定的の場合は同じプロセスを繰り返し、正しく認
識されるまでは次のステップに進めなかった。

しかしながら単に認識回数を増やしても正しい結果が得
られるとは限らず、実際は２〜３回入力して認識できな
い時は以後何回入力しても認識されない事が多い。音声
認識応答装置は操作者をわずらわしいキー操作から開放
するものとして開発されたが、現実には誰にでも使用す
るできるものでなく、認識がうまくできない場合は正し
く認識されるまで何度でも音声を入力しなければなら
ず、かえって話者に時間と労力を強要するものと考えら
れていた。

［目的］ 本発明は上記従来例に鑑みてなされたもので、音声を何
度入力しても認識されない場合を解決することを目的と
し、個性の高い話者に対しても十分に対応できる情報処
理方法を提供することを目的とする。

［実施例］ 以下、添付図面に従って本発明の実施例を詳細に説明す
る。

第１図は本発明に係る実施例の音声認識応答装置のブロ
ック構成図である。図において、１は音声を入力するマ
イクロホン、２は音声信号をデジタル変換するＡ／Ｄ変
換器、３は入力音声信号の特徴パラメータを抽出する特
徴抽出部、４はＲＡＭ，ＲＯＭを含むマイクロプロセッ
サから成り、入力音声の認識及びそれに基づく音声応答
制御を実行するセントラルプロセッシングユニット（Ｃ
ＰＵ）、５は装置が音声出力をするスピーカ、６は本装
置の認識結果を利用して動作する外部装置（キャッシュ
ディスペンサ）である。

ＣＰＵ４内にはプログラムの実行により実現される各種
機能ブロックが示されている。７は所定種類の音声、例
えば「ゼロ」〜「キュー」及び「ハイ」等の入力を認識
する第１認識部、８は特定音声、例えば「ハイ」のみを
高性能、高認識率で認識する第２認識部、９は認識結果
に基づいて制御を進める制御部、１０は音声応答信号を
合成出力する音声応答部、１１は応答用メッセージの音
声データを格納しているメッセージメモリである。

第２図はメッセージメモリ１１の記憶内容を示す図であ
る。メッセージメモリ１１はグループ分けした各種メッ
セージを記憶しており、１２は話者に対する案内用（ガ
イダンス）メッセージを記憶しているガイダンスメッセ
ージの記憶エリア、１３は入力音声認識結果の確認メッ
セージを記憶しているエリア、１４は認識がうまくいか
ない場合に装置側から話者に提案する提案メッセージを
記憶しているエリアである。

第３図は実施例の動作手順を説明するフローチャートで
ある。ステップＳ１では認識できなかった回数を数える
リトライカウンタＲＣを０に、またガイダンスエリア用
のインデックスレジスタｉを１に初期化する。ステップ
Ｓ２ではスイッチＳＷを１側に接続する。所定種類の入
力音声を認識、識別するためである。ステップＳ３では
インデックスレジスタｉの内容（最初は１）でガイダン
スメッセージをアクセスしてスピーカ５に出力する。即
ち、「暗証番号の１ケタ目をどうぞ」の音声出力をす
る。ステップＳ４では話者の音声入力を待つ。音声入力
があるとステップＳ５に進んでで音声認識をし、認識結
果の符号（数）をレジスタｊに格納する。ステップＳ６
では該レジスタｊの内容（例えば３）で確認メッセージ
をアクセスし、スピーカ５に出力する。即ち、「サンで
すか」を音声出力する。ステップＳ７では話者の返事を
待ち、返事があるとステップＳ８で入力音声を認識し、
ステップＳ９で「はい」か否かを判別する。

「はい」であればステップＳ５の認識が正しいことの確
認がとれたことになる。ステップＳ１０でリトライカウ
ンタＲＣを０にし、ステップＳ１１でインデックスレジ
スタｉにプラス１し、ステップＳ１２で認識結果ｊの符
号を外部装置６に送る。ステップＳ１３ではインデック
スレジスタｉが最大（暗証の入力ケタ数を満足した）か
否かを判別し、満足なら処理を終了し、満足でなければ
ステップＳ２に戻り、次のガイダンスメッセージを出力
する。

次に前記同様にしてステップＳ３からステップＳ９に進
み、話者の返事が「はい」でないときは認識結果のｊが
誤りであったことを意味する。例えば「イチ」と発音し
たのに「ハチ」と認識してしまった場合はアドレスＡ−
Ｑ（８）の音声「ハチですか」が出力される。話者は間
違っているので「イイエ」を入力する。「ハイ」でない
からフローはステップＳ１４に進み、リトライカウンタ
ＲＣにプラス１する。ステップＳ１５ではリトライカウ
ンタＲＣを調べ、内容が２でなければステップＳ２に戻
る。このように実施例では１回だけ同一方法で音声の再
入力、確認を行うこととした。

もし、ステップＳ１５でリトライカウンタＲＣ＝２と判
別するとステップＡ１６に進み、スイッチＳＷを２側に
切り替える。第２認識部を使うためである。実施例の第
２認識部８はあらゆるタイプの話者の「はい」のみを高
性能、高信頼で認識できるように構成されている。この
意味で本実施例では第１認識部と第２認識部を分けて示
してある。

さて、ステップＳ１７では提案カウンタｋの内容を１に
初期化する。ステップＳ１８では提案カウンタｋの内容
で提案メッセージをアクセスしてスピーカ５に音声出力
する。即ち、「イチならばハイとこたえてください」を
音声出力する。ステップＳ９では話者の返事を待つ。ス
テップＳ２０では返事の音声入力を認識する。ステップ
Ｓ２１では認識結果が「ハイ」か否かを調べる。「ハ
イ」ならば話者の入力したかった音声数字は提案カウン
タｋの内容と等しいから、ステップＳ２４でｋの内容を
インデックスレジスタｉに移し、ステップＳ１０に進
む。次の桁の暗証入力を行うためである。

またステップＳ２１で「ハイ」でないときは話者の意図
した数でないことを意味する。フローはステップＳ２２
に進んで提案カウンタｋにプラス１をし、ステップＳ２
３で提案カウンタｋが最大か否かを判別する。最大でな
けれがステップＳ１８に戻って次の数を提案し、また最
大ならステップＳ１７に戻って１から始める。

尚、上述実施例において、第１認識部が「ハイ」又は
「イイエ」を高性能認識できるなら、第２認識部を別に
設ける必要はない。

また、第２認識部の「ハイ」又は「イイエ」の高性能認
識が困難な場合は「ハイ」又は「イイエ」を認識する代
りに単に音声（又は音）の有無を検出するような単純か
つ確実な方法で、確認するようにしてもよい。

また上述実施例において、制御部は話者が入力した音声
が誤って認識された場合に誤りの回数を数え、ある一定
値（実施例では２回）を越えた場合に質問応答形式を変
えていた。この場合に、話者が入力した音声の認識結果
応答はスコア（類似度）の一番高い語句を第１候補とし
て話者に確認出力しているわけであるが、この第１候補
を認識結果として出力し、確認音声を認識した結果、誤
っていた場合は、話者に再び数字の音声入力を要求する
のでなく、直ちに装置内の第２候補、第３候補でもって
提案応答を行なうことにすれば、更に効率良い動作を行
なわせることができる。

［効果］ 以上述べたごとく本発明によれば、効率よく正確な認識
ができ、特に音声を何度入力しても認識されないという
事態の発生を防止できる効果がある。

【図面の簡単な説明】

第１図は本発明に係る実施例の音声認識応答装置のブロ
ック構成図、 第２図はメッセージメモリの記憶内容を示す図、 第３図は実施例の動作手順を説明するフローチャートで
ある。 ここで、１……マイクロホン、２……特徴抽出部、３…
…Ａ／Ｄ変換器、４……セントラルプロセッシングユニ
ット（ＣＰＵ）、５……スピーカ、６……外部装置、７
……第１認識部、８……第２認識部、９……制御部、１
０……音声応答部、１１……メッセージメモリである。

Claims (3)

【特許請求の範囲】
1. 【請求項１】入力音声を第１の方法で認識し、 前記第１の認識結果の正誤を判断し、 前記第１の認識結果が誤っていると判断される場合に、
   成否が応答メッセージとなり得るメッセージを出力し、 前記メッセージに対する応答を第２の方法で認識するこ
   とにより、前記入力音声を特定することを特徴とする情
   報処理方法。
2. 【請求項２】前記メッセージは、複数のメッセージから
   なるメッセージ群であり、前記メッセージ群内で順に出
   力することを特徴とする特許請求の範囲第１項に記載の
   情報処理方法。
3. 【請求項３】前記第２の認識方法は、成否に関する情報
   の認識が特に高精度であることを特徴とする特許請求の
   範囲第１項に記載の情報処理方法。