JPH07160289A - 音声認識方法及び装置 - Google Patents
音声認識方法及び装置Info
- Publication number
- JPH07160289A JPH07160289A JP5305178A JP30517893A JPH07160289A JP H07160289 A JPH07160289 A JP H07160289A JP 5305178 A JP5305178 A JP 5305178A JP 30517893 A JP30517893 A JP 30517893A JP H07160289 A JPH07160289 A JP H07160289A
- Authority
- JP
- Japan
- Prior art keywords
- voice
- recognition
- result
- input
- recognized
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Withdrawn
Links
Abstract
(57)【要約】
【目的】 音声認識した結果を、入力された音声に対応
付けて容易に訂正できる音声認識方法及び装置を提供す
ることを目的とする。 【構成】 入力された音声を認識してコード化し（Ｓ
２）、その認識された結果に基づいて認識結果を文字に
変換して表示する（Ｓ３）。そして、この表示された認
識結果の内、認識できなかった箇所或いは特定できなか
った箇所を、その部分の音声に対応した表音文字で表示
する（Ｓ１１）。これにより、その部分の正確な認識結
果を判別することができ、その箇所の修正或いは訂正等
の編集を行うことができる。
付けて容易に訂正できる音声認識方法及び装置を提供す
ることを目的とする。 【構成】 入力された音声を認識してコード化し（Ｓ
２）、その認識された結果に基づいて認識結果を文字に
変換して表示する（Ｓ３）。そして、この表示された認
識結果の内、認識できなかった箇所或いは特定できなか
った箇所を、その部分の音声に対応した表音文字で表示
する（Ｓ１１）。これにより、その部分の正確な認識結
果を判別することができ、その箇所の修正或いは訂正等
の編集を行うことができる。
Description
【０００１】
【産業上の利用分野】本発明は音声認識方法及び装置に
関し、特に認識した結果を表示して修正できる音声認識
方法及び装置に関するものである。
関し、特に認識した結果を表示して修正できる音声認識
方法及び装置に関するものである。
【０００２】
【従来の技術】音声を入力し、これを認識して文字等に
変換して表示し、或いはその認識された音声に基づいて
データや各種命令を入力して処理する音声認識装置が知
られている。このような音声認識装置では、音声の認識
率の向上にばかり捕らわれ、使用者に対して使い勝手の
良いユーザ・インターフェースについては、さほど注意
が払われていないのが現状である。
変換して表示し、或いはその認識された音声に基づいて
データや各種命令を入力して処理する音声認識装置が知
られている。このような音声認識装置では、音声の認識
率の向上にばかり捕らわれ、使用者に対して使い勝手の
良いユーザ・インターフェースについては、さほど注意
が払われていないのが現状である。
【０００３】
【発明が解決しようとする課題】例えば、音声を認識し
た結果が表示されている時、その認識結果のエラー部分
或いは認識不能であった部分等を訂正したい場合があ
る。しかし、そのエラー部分等に対応する音声が、どう
いう音声であったか分からないため、それを修正或いは
訂正しようとしても、例えば前後の文章より判断するし
かなかった。また、仮に、その入力した音声を録音して
おいても、その録音されている音声のどの部分がエラー
が発生した認識部分に対応しているかが分からず、その
修正には多くの手間を要することになる。
た結果が表示されている時、その認識結果のエラー部分
或いは認識不能であった部分等を訂正したい場合があ
る。しかし、そのエラー部分等に対応する音声が、どう
いう音声であったか分からないため、それを修正或いは
訂正しようとしても、例えば前後の文章より判断するし
かなかった。また、仮に、その入力した音声を録音して
おいても、その録音されている音声のどの部分がエラー
が発生した認識部分に対応しているかが分からず、その
修正には多くの手間を要することになる。
【０００４】本発明は上記従来例に鑑みてなされたもの
で、音声認識した結果を、入力された音声に対応付けて
容易に訂正できる音声認識方法及び装置を提供すること
を目的とする。
で、音声認識した結果を、入力された音声に対応付けて
容易に訂正できる音声認識方法及び装置を提供すること
を目的とする。
【０００５】また本発明は、入力した音声とその認識結
果とを容易に対応付けることができる音声認識方法及び
装置を提供することを目的とする。
果とを容易に対応付けることができる音声認識方法及び
装置を提供することを目的とする。
【０００６】
【課題を解決するための手段】上記目的を達成するため
に本発明の音声認識装置は以下の様な構成を備える。即
ち、音声を入力して認識する音声認識装置であって、入
力された音声を認識してコード化する認識手段と、前記
認識手段により認識された結果に基づいて認識結果を表
示する表示手段と、前記認識結果の内、認識結果を特定
できない箇所に対応した表音文字を表示する表音文字表
示手段とを有する。
に本発明の音声認識装置は以下の様な構成を備える。即
ち、音声を入力して認識する音声認識装置であって、入
力された音声を認識してコード化する認識手段と、前記
認識手段により認識された結果に基づいて認識結果を表
示する表示手段と、前記認識結果の内、認識結果を特定
できない箇所に対応した表音文字を表示する表音文字表
示手段とを有する。
【０００７】上記目的を達成するために本発明の音声認
識方法は以下の様な工程を備える。即ち、入力された音
声を認識して、その認識結果を表示する音声認識方法で
あって、入力された音声を認識してコード化する工程
と、その認識された結果に基づいて認識結果を表示する
工程と、この表示された認識結果において、認識結果を
特定できない箇所を指示する工程と、この指示された箇
所に対応する音声を再生する工程とを有する。
識方法は以下の様な工程を備える。即ち、入力された音
声を認識して、その認識結果を表示する音声認識方法で
あって、入力された音声を認識してコード化する工程
と、その認識された結果に基づいて認識結果を表示する
工程と、この表示された認識結果において、認識結果を
特定できない箇所を指示する工程と、この指示された箇
所に対応する音声を再生する工程とを有する。
【０００８】
【作用】以上の構成において、入力された音声を認識し
てコード化し、その認識された結果に基づいて認識結果
を表示する。そして、この表示された認識結果の内、認
識結果を特定できない箇所に対応した表音文字を表示す
るように動作する。
てコード化し、その認識された結果に基づいて認識結果
を表示する。そして、この表示された認識結果の内、認
識結果を特定できない箇所に対応した表音文字を表示す
るように動作する。
【０００９】
【実施例】以下、添付図面を参照して本発明の好適な実
施例を詳細に説明する。
施例を詳細に説明する。
【００１０】図１は、本実施例の音声認識変換表示シス
テムにおける制御の流れを簡潔に表わした図である。
テムにおける制御の流れを簡潔に表わした図である。
【００１１】１０１は実施例の音声認識変換表示システ
ム、１０２は音声認識システムで、入力された音声１０
４を認識して音声コードデータ１０３を作成している。
この作成された音声コードデータ１０３は音声認識変換
表示システム１０１に出力され、テキストデータ表示１
０５として出力されたり、或いは音声１０６で再生され
る。
ム、１０２は音声認識システムで、入力された音声１０
４を認識して音声コードデータ１０３を作成している。
この作成された音声コードデータ１０３は音声認識変換
表示システム１０１に出力され、テキストデータ表示１
０５として出力されたり、或いは音声１０６で再生され
る。
【００１２】図２は、本実施例の音声認識変換表示シス
テム１０１の概略構成を示すブロック図である。
テム１０１の概略構成を示すブロック図である。
【００１３】２０１は音声認識部（図３参照）であり、
録音テープ或いはマイクロフォン等を含む音声入力装置
２０８より入力された音声信号を認識し、対応する音声
コードデータに変換する。２０２はフォント変換部で、
各種言語に応じた文字パターンを発生させるためのフォ
ントを有しており、コード化された音声データに基づい
てフォント変換を行って対応する文字や記号等のパター
ンを作成する。２０３は、例えばＣＲＴ等の音声認識変
換表示部で、音声認識部２０１で認識されて作成された
音声コードデータがフォント変換部２０２によって文字
パターン等に変換され、これらフォント変換された言語
形式の文字パターン等を表示している。２０４はファイ
ル管理部で、コード化された音声データを含むテキスト
ファイルを管理している。２０５はコマンド制御部で、
端末の使用者が入力する様々なコマンドを受け取り、そ
れを解析してそのコマンドに基づく各種制御信号を発行
している。このコマンド制御部２０５は、キーボードや
マウス等のポインティングデバイスを備えている。２０
６は補助記憶装置で、作成されたテキストファイル等の
各種データを記憶している。２０７はバッファメモリ
で、例えば補助記憶装置２０６に保存される前の音声コ
ードデータや、テキストデータ等を記憶している。
録音テープ或いはマイクロフォン等を含む音声入力装置
２０８より入力された音声信号を認識し、対応する音声
コードデータに変換する。２０２はフォント変換部で、
各種言語に応じた文字パターンを発生させるためのフォ
ントを有しており、コード化された音声データに基づい
てフォント変換を行って対応する文字や記号等のパター
ンを作成する。２０３は、例えばＣＲＴ等の音声認識変
換表示部で、音声認識部２０１で認識されて作成された
音声コードデータがフォント変換部２０２によって文字
パターン等に変換され、これらフォント変換された言語
形式の文字パターン等を表示している。２０４はファイ
ル管理部で、コード化された音声データを含むテキスト
ファイルを管理している。２０５はコマンド制御部で、
端末の使用者が入力する様々なコマンドを受け取り、そ
れを解析してそのコマンドに基づく各種制御信号を発行
している。このコマンド制御部２０５は、キーボードや
マウス等のポインティングデバイスを備えている。２０
６は補助記憶装置で、作成されたテキストファイル等の
各種データを記憶している。２０７はバッファメモリ
で、例えば補助記憶装置２０６に保存される前の音声コ
ードデータや、テキストデータ等を記憶している。
【００１４】２０８は、例えばマイク、アンプ、スピー
カ、電話機等を備えた音声入出力装置である。２０９
は、ＣＰＵ２１１により実行される制御手順を示すプロ
グラム等記憶するＲＯＭである。２１０はＲＡＭで、Ｃ
ＰＵ２１１による各種制御の実行時にワークエリアとし
て使用され、各種データを一時的に記憶している。２１
１はＲＯＭ２０９に記憶された制御プログラムの手順に
従って、装置全体を制御するＣＰＵである。
カ、電話機等を備えた音声入出力装置である。２０９
は、ＣＰＵ２１１により実行される制御手順を示すプロ
グラム等記憶するＲＯＭである。２１０はＲＡＭで、Ｃ
ＰＵ２１１による各種制御の実行時にワークエリアとし
て使用され、各種データを一時的に記憶している。２１
１はＲＯＭ２０９に記憶された制御プログラムの手順に
従って、装置全体を制御するＣＰＵである。
【００１５】図３は、図２の音声認識部２０１の概略構
成を示すブロック図である。
成を示すブロック図である。
【００１６】３０１はサンプリング回路で、音声入出力
装置２０８より入力した音声信号をサンプリングして保
持している。３０２はＡ／Ｄ変換回路で、サンプリング
回路３０１にサンプリングされて保持された音声信号
（アナログ信号）をデジタル信号に変換している。３０
３は特徴抽出回路で、デジタル信号に変換された音声デ
ータに基づいて、その音声データの特徴を解析する。３
０４は比較回路で、特徴抽出回路３０３で解析された音
声データの特徴と、参照パターンデータ３０６に記憶さ
れている基準音声パターンとを比較することにより、そ
の音声データを認識している。３０５はバッファメモリ
で、この音声認識のために必要な各種データの記憶エリ
アを提供している。
装置２０８より入力した音声信号をサンプリングして保
持している。３０２はＡ／Ｄ変換回路で、サンプリング
回路３０１にサンプリングされて保持された音声信号
（アナログ信号）をデジタル信号に変換している。３０
３は特徴抽出回路で、デジタル信号に変換された音声デ
ータに基づいて、その音声データの特徴を解析する。３
０４は比較回路で、特徴抽出回路３０３で解析された音
声データの特徴と、参照パターンデータ３０６に記憶さ
れている基準音声パターンとを比較することにより、そ
の音声データを認識している。３０５はバッファメモリ
で、この音声認識のために必要な各種データの記憶エリ
アを提供している。
【００１７】以上の構成における本実施例の動作を図４
〜図６のフローチャートを参照して以下に詳細を説明す
る。尚、このプログラムを実行する制御プログラムはＲ
ＯＭ２０９に記憶されている。なお、この実施例では、
音声信号は音声入出力装置２０８に含まれる留守番電話
機等より入力される場合で説明している。
〜図６のフローチャートを参照して以下に詳細を説明す
る。尚、このプログラムを実行する制御プログラムはＲ
ＯＭ２０９に記憶されている。なお、この実施例では、
音声信号は音声入出力装置２０８に含まれる留守番電話
機等より入力される場合で説明している。
【００１８】まずステップＳ１で、音声入出力装置２０
８を介して音声信号が入力される。この音声信号は音声
認識部２０１に送られ、サンプリング回路３０１でサン
プリングされて、Ａ／Ｄ変換器３０２でデジタル信号に
変換され、特徴抽出回路３０３で認識された後、音声コ
ードデータに変換される（ステップＳ２）。こうして認
識され、作成された音声データは、ファイル管理部２０
４を介して補助記憶装置２０６に送られて保存される。
次にステップＳ３に進み、音声認識変換表示部２０３に
おいて、その音声コードデータを、フォント変換部２０
２により、設定された言語形式のフォントに変換する。
このステップＳ３の処理の詳細が、図５のフローチャー
トに示されている。
８を介して音声信号が入力される。この音声信号は音声
認識部２０１に送られ、サンプリング回路３０１でサン
プリングされて、Ａ／Ｄ変換器３０２でデジタル信号に
変換され、特徴抽出回路３０３で認識された後、音声コ
ードデータに変換される（ステップＳ２）。こうして認
識され、作成された音声データは、ファイル管理部２０
４を介して補助記憶装置２０６に送られて保存される。
次にステップＳ３に進み、音声認識変換表示部２０３に
おいて、その音声コードデータを、フォント変換部２０
２により、設定された言語形式のフォントに変換する。
このステップＳ３の処理の詳細が、図５のフローチャー
トに示されている。
【００１９】次に図５のフローチャートを参照して、こ
のステップＳ３における音声認識変換表示処理を詳細に
説明する。
のステップＳ３における音声認識変換表示処理を詳細に
説明する。
【００２０】ステップＳ２１において、変換される言語
が、例えば日本語、英語というように設定され、ステッ
プＳ２２では、この設定された言語に従って、認識され
た音声コードデータが文字コードに変換されてテキスト
形式に変換される。ここで変換されたテキストと、録音
されている音声データにおいて、それぞれ単語単位で位
置を取得して対応付けられる（Ｓ２３〜Ｓ２５）。即
ち、ステップＳ２３ではその単語の音声データにおける
位置（音Ｐ）を取得し、ステップＳ２４では、テキスト
データにおける位置（テＰ）を取得する。そしてステッ
プＳ２６で、これら２つの位置情報をリンクする。尚、
これら位置情報（音Ｐ）（テＰ）は、ＲＡＭ２１０のワ
ークエリアに記憶されている。
が、例えば日本語、英語というように設定され、ステッ
プＳ２２では、この設定された言語に従って、認識され
た音声コードデータが文字コードに変換されてテキスト
形式に変換される。ここで変換されたテキストと、録音
されている音声データにおいて、それぞれ単語単位で位
置を取得して対応付けられる（Ｓ２３〜Ｓ２５）。即
ち、ステップＳ２３ではその単語の音声データにおける
位置（音Ｐ）を取得し、ステップＳ２４では、テキスト
データにおける位置（テＰ）を取得する。そしてステッ
プＳ２６で、これら２つの位置情報をリンクする。尚、
これら位置情報（音Ｐ）（テＰ）は、ＲＡＭ２１０のワ
ークエリアに記憶されている。
【００２１】次にステップＳ２６に進み、ステップＳ２
２で音声コードを文字フォントに変換する際にエラーが
起きていたかどうかを判断し、エラーが発生していた場
合はステップＳ２７に進み、エラー（ＥＲＲＯＲ）処理
モジュール（図６のフローチャート）を実行する。そし
てステップＳ２８に進み、音声データとテキストが対応
付けられたリンクテキストデータを保存する。
２で音声コードを文字フォントに変換する際にエラーが
起きていたかどうかを判断し、エラーが発生していた場
合はステップＳ２７に進み、エラー（ＥＲＲＯＲ）処理
モジュール（図６のフローチャート）を実行する。そし
てステップＳ２８に進み、音声データとテキストが対応
付けられたリンクテキストデータを保存する。
【００２２】次に、エラー処理モジュール（Ｓ１１，Ｓ
２７）における処理を図６のフローチャートを参照して
説明する。
２７）における処理を図６のフローチャートを参照して
説明する。
【００２３】例えば図５のステップＳ２６でエラー有り
と判断されると、ステップＳ３１でエラーフラグがチェ
ックされ、ステップＳ３２では、そのエラーが発生して
いる部分の音声コードの音声データにおける位置（音
Ｐ）とテキストデータにおける位置（テＰ）とが取得さ
れる。尚、このエラーフラグは、例えばＲＡＭ２１０
に、そのエラーが発生した音声コードに対応付けて記憶
されているものとする。
と判断されると、ステップＳ３１でエラーフラグがチェ
ックされ、ステップＳ３２では、そのエラーが発生して
いる部分の音声コードの音声データにおける位置（音
Ｐ）とテキストデータにおける位置（テＰ）とが取得さ
れる。尚、このエラーフラグは、例えばＲＡＭ２１０
に、そのエラーが発生した音声コードに対応付けて記憶
されているものとする。
【００２４】次にステップＳ３３，Ｓ３４において、エ
ラー表示形式を、使用者が例えば「ローマ字」による表
音形式を選択する等して設定する。次にステップＳ３５
に進み、エラーが発生した部分の音声コードを再取得し
た後、ステップＳ３６でこれを再び、ステップＳ３４で
指示された表音形式を用いて変換する。そしてステップ
Ｓ３７に進み、音声データにおける位置（音Ｐ）とテキ
ストにおける位置（テＰ）を再リンクさせる。こうして
エラー処理が終了する。
ラー表示形式を、使用者が例えば「ローマ字」による表
音形式を選択する等して設定する。次にステップＳ３５
に進み、エラーが発生した部分の音声コードを再取得し
た後、ステップＳ３６でこれを再び、ステップＳ３４で
指示された表音形式を用いて変換する。そしてステップ
Ｓ３７に進み、音声データにおける位置（音Ｐ）とテキ
ストにおける位置（テＰ）を再リンクさせる。こうして
エラー処理が終了する。
【００２５】次に再び図４のフローチャートに戻り、以
上のようにしてエラー表示形式が指定され、音声データ
と対応付けられたテキストは、リンク・テキストデータ
として表示される（ステップＳ４）。これにより、音声
入力された音声信号は、端末上でテキストとして確認で
きるようになる。
上のようにしてエラー表示形式が指定され、音声データ
と対応付けられたテキストは、リンク・テキストデータ
として表示される（ステップＳ４）。これにより、音声
入力された音声信号は、端末上でテキストとして確認で
きるようになる。
【００２６】次に、その入力して認識された音声を、テ
キストファイルより再生された音声として確認したい場
合を想定する。
キストファイルより再生された音声として確認したい場
合を想定する。
【００２７】図４のステップＳ５のメニュ選択におい
て、音声信号の再生が選択されるとステップＳ６に進
み、再生したいテキストの一部または全体を選択する。
次にステップＳ７〜Ｓ８において、テキスト上の位置
（テＰ）より音声信号における位置（音Ｐ）を求め、そ
の位置（音Ｐ）より音声信号を読出して、その選択され
たテキストの基になった音声データを直接、音声で再生
することができる。これによりステップＳ８において、
音声が音声入出力装置２０８を介して出力される。
て、音声信号の再生が選択されるとステップＳ６に進
み、再生したいテキストの一部または全体を選択する。
次にステップＳ７〜Ｓ８において、テキスト上の位置
（テＰ）より音声信号における位置（音Ｐ）を求め、そ
の位置（音Ｐ）より音声信号を読出して、その選択され
たテキストの基になった音声データを直接、音声で再生
することができる。これによりステップＳ８において、
音声が音声入出力装置２０８を介して出力される。
【００２８】次に、エラー部分の表示形式を設定或いは
変更または、音声再生によって確認したエラー部分を訂
正する等のリンクテキストを編集する場合を説明する。
変更または、音声再生によって確認したエラー部分を訂
正する等のリンクテキストを編集する場合を説明する。
【００２９】図４のステップＳ５で、エラー部分の編集
が指示されるとステップＳ９に進み、エラー部分の表示
形式を編集に設定し、ステップＳ１０で、そのエラー部
分のテキストにおける位置（テＰ）を確保する（ステッ
プＳ１０）。そしてステップＳ１１に進み、再びエラー
処理モジュール（図６のフローチャート）を呼び出し
て、エラー部分が再変換された後、確認・訂正されたテ
キストを作成する。そしてステップＳ１２で、エラーフ
ラグをオフにして処理を終わる。これにより、エラー部
分がエラー表記されるだけでなく、そのエラーの確認及
び訂正を行うことができる。
が指示されるとステップＳ９に進み、エラー部分の表示
形式を編集に設定し、ステップＳ１０で、そのエラー部
分のテキストにおける位置（テＰ）を確保する（ステッ
プＳ１０）。そしてステップＳ１１に進み、再びエラー
処理モジュール（図６のフローチャート）を呼び出し
て、エラー部分が再変換された後、確認・訂正されたテ
キストを作成する。そしてステップＳ１２で、エラーフ
ラグをオフにして処理を終わる。これにより、エラー部
分がエラー表記されるだけでなく、そのエラーの確認及
び訂正を行うことができる。
【００３０】以下に前述の処理を具体的な例を用いて説
明する。
明する。
【００３１】［実行例］：日本語の音声信号を入力し、
エラー表示に「ローマ字」モードを設定した場合を説明
する。
エラー表示に「ローマ字」モードを設定した場合を説明
する。
【００３２】入力した音声信号：『明日、１１時に会議
がありますので、よろしくお願い致します。』ここで、
『明日』という音声部分が認識できなかった場合を説明
する。前述の入力された音声信号をテキストに変換し、
そのテキスト全体を表示するように指示すると、以下の
ように表示される（ステップＳ３４）。
がありますので、よろしくお願い致します。』ここで、
『明日』という音声部分が認識できなかった場合を説明
する。前述の入力された音声信号をテキストに変換し、
そのテキスト全体を表示するように指示すると、以下の
ように表示される（ステップＳ３４）。
【００３３】変換表示：「ＡＳＵＴＡ、１１時に会議が
ありますので、よろしくお願い致します。」ここで、
「ＡＳＵＴＡ」部分（エラー部分）を範囲指定して、そ
の部分に対応している音声を再生すると（ステップＳ３
５）、その再生音は『あすた』となる。ここで、そのエ
ラー部分に対応する単語『ＡＳＨＩＴＡ：（明日）』を
入力して編集すると（ステップＳ３６）、テキストの対
応する部分が「明日」と変換され（ステップＳ３７）、
エラーフラグがオフになってエラーが解消される。
ありますので、よろしくお願い致します。」ここで、
「ＡＳＵＴＡ」部分（エラー部分）を範囲指定して、そ
の部分に対応している音声を再生すると（ステップＳ３
５）、その再生音は『あすた』となる。ここで、そのエ
ラー部分に対応する単語『ＡＳＨＩＴＡ：（明日）』を
入力して編集すると（ステップＳ３６）、テキストの対
応する部分が「明日」と変換され（ステップＳ３７）、
エラーフラグがオフになってエラーが解消される。
【００３４】［他の実施例］以下、図面を参照して本発
明の第２実施例を詳細に説明する。図における番号・名
称は前述の実施例と同じである。
明の第２実施例を詳細に説明する。図における番号・名
称は前述の実施例と同じである。
【００３５】ここでも、音声入出力装置２０８の留守番
電話等によって、音声データが入力された場合を想定す
る。図２の音声入出力装置２０８を介して音声が入力さ
れる（ステップＳ１）。この音声は、音声認識部２０１
に送られ、音声認識部２０１により音声を認識する処理
を行い、音声コードデータを作成する（ステップＳ
２）。こうしてコード化されて録音された音声データ
は、ファイル管理部２０４を介して補助記憶装置２０６
に保存される。
電話等によって、音声データが入力された場合を想定す
る。図２の音声入出力装置２０８を介して音声が入力さ
れる（ステップＳ１）。この音声は、音声認識部２０１
に送られ、音声認識部２０１により音声を認識する処理
を行い、音声コードデータを作成する（ステップＳ
２）。こうしてコード化されて録音された音声データ
は、ファイル管理部２０４を介して補助記憶装置２０６
に保存される。
【００３６】次に、図２の音声認識変換表示部２０３に
おいて、音声コードデータがフォント変換部２０２を介
して設定された言語形式に変化される（ステップＳ
３）。このステップＳ３の処理を詳細に説明したフロー
チャートが図５である。ここで、ステップＳ３の処理、
音声認識変換表示モジュールの処理を詳細に説明する。
おいて、音声コードデータがフォント変換部２０２を介
して設定された言語形式に変化される（ステップＳ
３）。このステップＳ３の処理を詳細に説明したフロー
チャートが図５である。ここで、ステップＳ３の処理、
音声認識変換表示モジュールの処理を詳細に説明する。
【００３７】ステップＳ２１において設定された言語設
定に従って、音声コードデータはフォント変換されてテ
キスト形式に変換される（ステップＳ２２）。ここで変
換されたテキストと、録音されている音声データは、そ
れぞれ単語単位で位置を取得され、対応付けられる（ス
テップＳ２３〜Ｓ２５）。次にステップＳ２２のコード
・フォント変換の際にエラーが起きていた場合は、ステ
ップＳ２６のエラー処理モジュールによって判断されて
エラー処理モジュール（ステップＳ２７）を行い、音声
データとテキストが対応付けられたリンクテキストデー
タを保存する（Ｓ２８）。ここで、エラー処理モジュー
ルについて、図６のフローチャートに従い説明する。
定に従って、音声コードデータはフォント変換されてテ
キスト形式に変換される（ステップＳ２２）。ここで変
換されたテキストと、録音されている音声データは、そ
れぞれ単語単位で位置を取得され、対応付けられる（ス
テップＳ２３〜Ｓ２５）。次にステップＳ２２のコード
・フォント変換の際にエラーが起きていた場合は、ステ
ップＳ２６のエラー処理モジュールによって判断されて
エラー処理モジュール（ステップＳ２７）を行い、音声
データとテキストが対応付けられたリンクテキストデー
タを保存する（Ｓ２８）。ここで、エラー処理モジュー
ルについて、図６のフローチャートに従い説明する。
【００３８】図５のステップＳ２６でエラーとされた音
声コードデータは、図６のステップＳ３１〜３７によっ
て、変換テキストとの位置を確保される。
声コードデータは、図６のステップＳ３１〜３７によっ
て、変換テキストとの位置を確保される。
【００３９】ここではエラー表示形式を、使用者が「ひ
らがな」の表音形式を選択して設定した場合で説明す
る。この設定されたエラー表示形式によって、音声コー
ドを再取得した後（ステップＳ３５）、これを再変換し
た（ステップＳ３６）後に、音声データとテキスト部を
再リンクさせる（ステップＳ３７）。
らがな」の表音形式を選択して設定した場合で説明す
る。この設定されたエラー表示形式によって、音声コー
ドを再取得した後（ステップＳ３５）、これを再変換し
た（ステップＳ３６）後に、音声データとテキスト部を
再リンクさせる（ステップＳ３７）。
【００４０】以上のように作成されたエラー表示形式を
指定され、音声データと対応付けられたテキストは、リ
ンクテキストデータとして表示される（ステップＳ
４）。これにより、該音声入力された音声は、端末上で
テキストとして確認することが可能となる。
指定され、音声データと対応付けられたテキストは、リ
ンクテキストデータとして表示される（ステップＳ
４）。これにより、該音声入力された音声は、端末上で
テキストとして確認することが可能となる。
【００４１】次に、音声として確認したい場合を想定す
る。図４のステップＳ５において音声再生を選択して、
テキストの一部または全体を選択し（Ｓ６）、ステップ
Ｓ７〜Ｓ８によって、選択したテキストの基になった音
声データを直接に再生することができる。この場合、再
生された音声は音声入出力装置２０８を介して出力され
る。
る。図４のステップＳ５において音声再生を選択して、
テキストの一部または全体を選択し（Ｓ６）、ステップ
Ｓ７〜Ｓ８によって、選択したテキストの基になった音
声データを直接に再生することができる。この場合、再
生された音声は音声入出力装置２０８を介して出力され
る。
【００４２】この場合のエラー処理を具体例を用いて説
明する。
明する。
【００４３】［実行例］：英語の音声でエラー表示に
「ひらがな」モードを設定した場合で説明する。
「ひらがな」モードを設定した場合で説明する。
【００４４】入力した音声：The teacher gave us a ta
lk on human relations. That'sthe talk! ここで、“The teacher ”が認識できなかった場合で説
明すると、エラー発生後の変換表示は、次のようにな
る。「てーちゃ gave us a talk on human relations.
That's the talk! 」。ここで、ひらがなで表示された
エラー部分「てーちゃ」を範囲指定し、その部分の音声
を再生する。これにより、その再生音は、『the teache
r 』となる。この後、その再生された部分に該当する単
語「The teacher 」を入力することにより、そのエラー
部分を訂正することができる。
lk on human relations. That'sthe talk! ここで、“The teacher ”が認識できなかった場合で説
明すると、エラー発生後の変換表示は、次のようにな
る。「てーちゃ gave us a talk on human relations.
That's the talk! 」。ここで、ひらがなで表示された
エラー部分「てーちゃ」を範囲指定し、その部分の音声
を再生する。これにより、その再生音は、『the teache
r 』となる。この後、その再生された部分に該当する単
語「The teacher 」を入力することにより、そのエラー
部分を訂正することができる。
【００４５】次に同様にして、音声を英語で入力し、エ
ラー表示を「カタカナ」モードに設定した場合で説明す
る。いま、入力された音声を『I can't do everything.
I am only human．』とし、その音声が認識されて英語
で表示される場合、例えば「I can't do everything.I
am only ヒーマン」のように表示されると、最後の単語
「 human」が認識できなかったことが分かる。そこで、
この認識エラーが発生した個所「ヒーマン」を指定し
て、その部分の再生を指示すると、入力した音声の『hu
man 』が発声される。そこで使用者は、この発声された
音声に基づいて正しい単語を「human 」を入力して、エ
ラーが解消される。
ラー表示を「カタカナ」モードに設定した場合で説明す
る。いま、入力された音声を『I can't do everything.
I am only human．』とし、その音声が認識されて英語
で表示される場合、例えば「I can't do everything.I
am only ヒーマン」のように表示されると、最後の単語
「 human」が認識できなかったことが分かる。そこで、
この認識エラーが発生した個所「ヒーマン」を指定し
て、その部分の再生を指示すると、入力した音声の『hu
man 』が発声される。そこで使用者は、この発声された
音声に基づいて正しい単語を「human 」を入力して、エ
ラーが解消される。
【００４６】また、前述の実施例以外にも、エラー表示
形式を直接編集の表音形式として選択しても良い。
形式を直接編集の表音形式として選択しても良い。
【００４７】更に前記実施例の他にも、音声を表現する
のに相応しい表現、例えば「発音記号」等に設定して、
表示することも可能である。また、それらの表音表示を
選択して指定することにより、使用者が理解し易い表音
表記に変更できる。
のに相応しい表現、例えば「発音記号」等に設定して、
表示することも可能である。また、それらの表音表示を
選択して指定することにより、使用者が理解し易い表音
表記に変更できる。
【００４８】尚、本発明は複数の機器から構成されるシ
ステムに適用しても、１つの機器からなる装置に適用し
ても良い。また、本発明はシステム或は装置に、本発明
を実施するプログラムを供給することによって達成され
る場合にも適用できることは言うまでもない。
ステムに適用しても、１つの機器からなる装置に適用し
ても良い。また、本発明はシステム或は装置に、本発明
を実施するプログラムを供給することによって達成され
る場合にも適用できることは言うまでもない。
【００４９】以上説明したように本実施例によれば、音
声を入力することにより、音声データをテキスト形式の
データに変換できる。
声を入力することにより、音声データをテキスト形式の
データに変換できる。
【００５０】また、音声データを認識して文字形式で表
示する際に、認識できなかった音声データを、オペレー
タが所望する表音形式で表すことができる。この表音表
記としては、例えば「ローマ字」「発音記号」「ひらが
な」「カタカナ」等が考えられ、これ以外にも所望の表
音形式を自由に設定できる。
示する際に、認識できなかった音声データを、オペレー
タが所望する表音形式で表すことができる。この表音表
記としては、例えば「ローマ字」「発音記号」「ひらが
な」「カタカナ」等が考えられ、これ以外にも所望の表
音形式を自由に設定できる。
【００５１】また、音声を認識して変換されたテキスト
ファイルのうち、オペレータが確認したい部分を選択し
て、その部分を音声で再生させることにより、その音声
認識結果が正しいかどうか確認することができる。ま
た、その音声認識された結果を確認した後、その認識さ
れた結果に基づくコードデータを、必要に応じて訂正す
ることができる。
ファイルのうち、オペレータが確認したい部分を選択し
て、その部分を音声で再生させることにより、その音声
認識結果が正しいかどうか確認することができる。ま
た、その音声認識された結果を確認した後、その認識さ
れた結果に基づくコードデータを、必要に応じて訂正す
ることができる。
【００５２】
【発明の効果】以上説明したように本発明によれば、音
声認識した結果を、入力された音声に対応付けて容易に
訂正できる効果がある。
声認識した結果を、入力された音声に対応付けて容易に
訂正できる効果がある。
【００５３】また本発明によれば、入力した音声とその
認識結果とを容易に対応付けることができる効果があ
る。
認識結果とを容易に対応付けることができる効果があ
る。
【図１】本実施例の音声認識変換表示システムにおける
制御の流れを簡潔に表わした図である。
制御の流れを簡潔に表わした図である。
【図２】本実施例の音声認識システムの概略構成を示す
ブロック図である。
ブロック図である。
【図３】本実施例の音声認識部の概略構成を示すブロッ
ク図である。
ク図である。
【図４】本実施例の音声認識変換表示システムにおける
処理動作を示すフローチャートである。
処理動作を示すフローチャートである。
【図５】図４のステップＳ３の音声認識変換表示モジュ
ールにおける処理を示すフローチャートである。
ールにおける処理を示すフローチャートである。
【図６】図６及び図５の処理におけるエラー処理モジュ
ールの処理を示すフローチャートである。
ールの処理を示すフローチャートである。
２０１ 音声認識部 ２０２ フォント変換部 ２０３ 音声認識変換表示部 ２０４ ファイル管理部 ２０５ コマンド制御部 ２０６ 補助記憶装置 ２０７ バッファメモリ ２０８ 音声入出力装置 ２０９ ＲＯＭ ２１０ ＲＡＭ ２１１ ＣＰＵ ３０１ サンプリング回路 ３０２ Ａ／Ｄ変換回路 ３０３ 特徴抽出回路 ３０４ 比較回路 ３０６ 参照パターンデータ
Claims (6)
- 【請求項１】 音声を入力して認識する音声認識装置で
あって、 入力された音声を認識してコード化する認識手段と、 前記認識手段により認識された結果に基づいて認識結果
を表示する表示手段と、 前記認識結果の内、認識結果を特定できない箇所に対応
した表音文字を表示する表音文字表示手段と、を有する
ことを特徴とする音声認識装置。 - 【請求項２】 前記表音文字表示手段に表示する文字の
表記を指定する指定手段を更に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。 - 【請求項３】 前記入力された音声を録音する録音手段
と、前記録音手段に録音された音声と前記認識結果を特
定できない箇所とを対応付ける対応付手段と、前記特定
できない箇所に対応する音声を前記録音手段より再生す
る再生手段とを更に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。 - 【請求項４】 前記表音文字表記手段は前記特定できな
い箇所を、元の音声の発音記号で示すことを特徴とする
請求項１に記載の音声認識装置。 - 【請求項５】 入力された音声を認識して、その認識結
果を表示する音声認識方法であって、 入力された音声を認識してコード化する工程と、 その認識された結果に基づいて認識結果を表示する工程
と、 この表示された認識結果において、認識結果を特定でき
ない箇所を指示する工程と、 この指示された箇所に対応して表示する表音文字を指定
する工程と、 その指定された表音文字で前記箇所に対応する音声を表
記して表示する工程と、 を有することを特徴とする音声認識方法。 - 【請求項６】 入力された音声を認識して、その認識結
果を表示する音声認識方法であって、 入力された音声を認識してコード化する工程と、 その認識された結果に基づいて認識結果を表示する工程
と、 この表示された認識結果において、認識結果を特定でき
ない箇所を指示する工程と、 この指示された箇所に対応する音声を再生する工程と、
を有することを特徴とする音声認識方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP5305178A JPH07160289A (ja) | 1993-12-06 | 1993-12-06 | 音声認識方法及び装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP5305178A JPH07160289A (ja) | 1993-12-06 | 1993-12-06 | 音声認識方法及び装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JPH07160289A true JPH07160289A (ja) | 1995-06-23 |
Family
ID=17941999
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP5305178A Withdrawn JPH07160289A (ja) | 1993-12-06 | 1993-12-06 | 音声認識方法及び装置 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPH07160289A (ja) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20000044446A (ko) * | 1998-12-30 | 2000-07-15 | 윤종용 | 무선 단말기에서 음성인식을 이용한 편집 방법 |
| JP2002073080A (ja) * | 2000-09-01 | 2002-03-12 | Fujitsu Ten Ltd | 音声対話システム |
| US6604078B1 (en) | 1999-08-23 | 2003-08-05 | Nec Corporation | Voice edit device and mechanically readable recording medium in which program is recorded |
| WO2005045804A1 (en) * | 2003-11-07 | 2005-05-19 | Canon Kabushiki Kaisha | Information processing apparatus, information processing method and recording medium, and program |
| US8150691B2 (en) | 2002-10-17 | 2012-04-03 | Nuance Communications Austria Gmbh | Arrangement and method for reproducing audio data as well as computer program product for this |
| JP2020201363A (ja) * | 2019-06-09 | 2020-12-17 | 株式会社Ｔｂｓテレビ | 音声認識テキストデータ出力制御装置、音声認識テキストデータ出力制御方法、及びプログラム |
-
1993
- 1993-12-06 JP JP5305178A patent/JPH07160289A/ja not_active Withdrawn
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20000044446A (ko) * | 1998-12-30 | 2000-07-15 | 윤종용 | 무선 단말기에서 음성인식을 이용한 편집 방법 |
| US6604078B1 (en) | 1999-08-23 | 2003-08-05 | Nec Corporation | Voice edit device and mechanically readable recording medium in which program is recorded |
| JP2002073080A (ja) * | 2000-09-01 | 2002-03-12 | Fujitsu Ten Ltd | 音声対話システム |
| US8150691B2 (en) | 2002-10-17 | 2012-04-03 | Nuance Communications Austria Gmbh | Arrangement and method for reproducing audio data as well as computer program product for this |
| WO2005045804A1 (en) * | 2003-11-07 | 2005-05-19 | Canon Kabushiki Kaisha | Information processing apparatus, information processing method and recording medium, and program |
| US7421394B2 (en) | 2003-11-07 | 2008-09-02 | Canon Kabushiki Kaisha | Information processing apparatus, information processing method and recording medium, and program |
| JP2020201363A (ja) * | 2019-06-09 | 2020-12-17 | 株式会社Ｔｂｓテレビ | 音声認識テキストデータ出力制御装置、音声認識テキストデータ出力制御方法、及びプログラム |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CA1334869C (en) | Method and apparatus for the generation of reports | |
| US6175820B1 (en) | Capture and application of sender voice dynamics to enhance communication in a speech-to-text environment | |
| JP4145796B2 (ja) | テキストファイルのディクテーションを筆記するための及びテキストを修正するための方法及びシステム | |
| EP0216129B1 (en) | Apparatus for making and editing dictionary entries in a text to speech conversion system | |
| US6052441A (en) | Voice response service apparatus | |
| US6915258B2 (en) | Method and apparatus for displaying and manipulating account information using the human voice | |
| WO2003088208A1 (en) | Text structure for voice synthesis, voice synthesis method, voice synthesis apparatus, and computer program thereof | |
| JP3795692B2 (ja) | 文字処理装置および方法 | |
| JPH07160289A (ja) | 音声認識方法及び装置 | |
| JP3483230B2 (ja) | 発声情報作成装置 | |
| JPS6184771A (ja) | 音声入力装置 | |
| JP2020140374A (ja) | 電子図書再生装置及び電子図書再生プログラム | |
| JP2002268664A (ja) | 音声変換装置及びプログラム | |
| JPH08272388A (ja) | 音声合成装置及びその方法 | |
| JP3958908B2 (ja) | 書き起こしテキスト自動生成装置、音声認識装置および記録媒体 | |
| US20050119888A1 (en) | Information processing apparatus and method, and program | |
| JP3364569B2 (ja) | 音声情報処理装置 | |
| JPS58160993A (ja) | 文書編集装置の音声確認方法 | |
| JP2000010579A (ja) | 音声合成装置及びコンピュータ可読記録媒体 | |
| JP2547612B2 (ja) | 文章作成システム | |
| JPH08221095A (ja) | 文章読み上げ方法 | |
| JP2609874B2 (ja) | 音声認識システム | |
| JP2647872B2 (ja) | 文章作成システム | |
| JP2576499B2 (ja) | 音声出力機能を備えたワ−ドプロセツサ | |
| JP2647873B2 (ja) | 文章作成システム |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A300 | Withdrawal of application because of no request for examination |
Free format text: JAPANESE INTERMEDIATE CODE: A300 Effective date: 20010206 |