JPH0719239B2

JPH0719239B2 - 音声認識応答システム

Info

Publication number: JPH0719239B2
Application number: JP59101746A
Authority: JP
Inventors: 洋一竹林; 英範篠田
Original assignee: Toshiba Corp
Current assignee: Toshiba Corp
Priority date: 1984-05-22
Filing date: 1984-05-22
Publication date: 1995-03-06
Anticipated expiration: 2010-03-06
Also published as: JPS60246468A

Description

【発明の詳細な説明】〔発明の技術分野〕本発明は、音声、文字、画像等を媒体として、情報の入
出力を行い、人間と機械（計算機）とが対話を行う音声
認識応答システムに関する。

〔発明の技術的背景とその問題点〕

ニューメディア時代,CATV,ビデオテックス（キャプテン
システム）等、情報サービスの重要性が高まっている。
またLSI技術，高性能，低価格，半導体技術の進歩，計
算機の低価格化，高性能化光通信技術，人口衛生，パタ
ーン認識技術，音声認識技術，情報検索技術，知識工学
の進歩，大規模データベース，文字，画像，音声や他の
入出力媒体を用いて、人間と機械（計算機）とが対話
し、種々の情報サービスを行う対話システム（マンマシ
ンシステム）のニーズが高まってきている。例えば、人件消削減、利益、売上拡大、サービス向上、経済性
向上のため、テレンンショッピング、銀行のテレンンサービス、国
鉄、航空券、映画等の座席予約、レストランの予約、プ
レイガイド等がある。

しかしながら、人間と人間の音声による自然な会話に比べて、現状で
は、人間と機械（計算機）との対話は、不自然でわずら
わしく、情報入出力装置の使用方法（例えばキー操作
等）を覚えるのが大変である。

しかし、省略化、低コスト化、経済性アップ、利益・売
上拡大のためには、人間と機械とのマンマシンシステム
の適用範囲は拡大している。

利用者の入力方法や入力情報が誤まっていると、情報入
出力装置の計算機は十分に理解できず、対応できないこ
とがある。

特に利用者が不慣れな場合や、上記情報入出力装置の導
入した初期には問題が多い。

また、情報サービスを行う、情報入出力装置の所有者、
すなわち、旅行代理店、プレイガイド、情報サービス会
社、テレホンショッピング会社はセールスやサービスを
向上させたい。

すなわち、人間−人間の音声による自然な会話でサービ
スを行い、ユーザやお客を確保して利益を上げたいとい
う要求が強い。

人間と機械（計算機）との対話が正常に運用されていな
いと、利用者が間違った使い方をする、あるいは、使用
方法がわからない、また音声入力やオンライン文字入力
の場合には、音声認識装置や文字認識装置の認識率が悪
く、正しく情報入力できないことが生じるという問題が
あった。

〔発明の概要〕

上記のように、人間−機械（計算機）との対話が円滑に
運ばなくなった場合、また、利用者が情報サービスを行
う側から、オペレータの肉声で会話を行い、サービスを
受けたい場合、利用者がオペレータと対話したい旨、オ
ペレータに通知する手段を有する音声認識応答システム
を提供することにある。

〔発明の効果〕

利用者は、機械との対話あるいはオペレータとの対話の
選択ができるため、利用者が不慣れな場合や情報入出力
が円滑に行かない場合、オペレータとの対話により、ス
ムーズに情報の入出力が行える。このため、情報のサー
ビスを行う情報入出力装置の導入範囲が、利用者に対す
るサービスの低下を招かせず、拡大できる。そして、利
用者は適宜、機械、オペレータと選択できるため安心し
て、情報入出力装置を用い、情報のサービスを受けられ
るようになる。

〔発明の実施例〕実施例第１図は、本発明による人間と機械との間の情報入出力
装置の構成図を示す。

入出力端末装置１（音声入力とキー入力を併用する場合
音声、画像、文字を出力として用いる）イマイクロホンで入力された音声のアナログ信号を、
例えば、０〜3.6KHzに低域フィルタを用いて、帯域制限
した後、8KHzの標本化周波数で標本化しA/D変換し、８
ビットで対数圧縮した量子化を行いディジタル信号に変
換される。

このような、CODEC用のLSIは既に製品化されており、音
声の符号化用として本実施例装置は用いる。

ロキーボード（英字，数字，カナ，記号を入力でき
る。）ハ音声の符号化された８ビットのディジタル信号をD/
A変換し、アナログ信号に変換し、スピーカから音声出
力する。

（イのLSIには、D/Aの機能も含まれたものが既にある）ニ文字，画像表示用ディスプレイ（CRTディスプレイまたは液品ディスプレイなど）上記イ〜ニのうち、イ，ハだけの構成のときは音声認識
応答システムになる。

回線２文字、画像、音声情報のディジタル信号を伝送
するディジタル回線。

インターフェース３利用者からの、音声、文字画像等の情報を統合して取
り扱い、利用者と機械（計算機），利用者とオペレータ
との対話に、それぞれ適するように、情報の交換を行
う。

入出力を音声を媒体として使用し、機械（計算機）と
の対話を、音声認識装置と音声規則合成装置を用いて行
う場合、３のインターフェースの内容は、第２図のよう
になる。

音声認識装置７（回線から入力された情報検索用のキーワードや数字等
の音声信号を認識することのできる不特定話者用の単語
音声認識装置）音声規則合成装置８（計算機からの文字情報（言語情報）を音声信号に変換
する。例えば、LSPパラメータやケプストラムを用い
て、音節を単位にして行える）インターフェース３では、回線２に入出力する利用者側
からの情報と計算機５及びオペレータ側からの情報を結
合するためのものである。

計算機／オペレータ切替装置４利用者側から、音声入力でオペレータへの対話に切替え
る要求があった場合、インターフェース３で切替情報が
抽出され、計算機５の対話からオペレータの対話に、切
替える。

計算機５データベースに知識を保有しており、利用者からの入力
情報により、処理を行い、適当な情報を出力する。

例えば、プレイガイドを行う情報サービスシステムで
は、利用者からの入力情報、等と利用者は、キー等の非音声入力あるいは音声で情報
を入力し、計算機はそれに対して処理し、適当な情報を
利用者に出力する。

このときの出力情報は文字、画像等の非音声情報やある
いは、音声を含むように構成してもよい。

オペレータ用入出力端末装置６オペレータが、利用者と音声を用いて会話できるよう、
マイクロホンとスピーカが備えられており、また、利用
者と計算機との対話に対する状況を、CRT等のディスプ
レイで文字情報あるいは画像情報としてモニタできるよ
うになっている。

上記のような構成の本実施例装置で、に、切り替えたとき、次のようなシステムの運用形態が
考えられる。

単に、利用者とオペレータとが会話する場合オペレータが計算機と対話し、利用者との仲介を行い音
声等に利用者に情報を知らせる。

利用者とオペレータの対話モードに切り替えられたと
き、計算機からの出力は、オペレータの端末か、また
は、利用者の端末に出力される。

☆入出力の手段（メディア）により、次のような変形例
がある。

入出力が全て音声の場合第１図の利用者入出力端末１は電話器回線２は電話公衆
回線インターフェース３は第２図と同じく音声認識装置と音
声規則合成装置切替装置４は、音声認識結果により得られた情報であり
「オペレータ」等という単語を検出し、計算機とオペレ
ータの何れかを選択する。

この場合、音声のパターン認識による入力のため、利用
者の個人性や話し方、雑音や回線状態が悪いとき、利用
者と計算機との通常のデータ入出力が円滑に運ばないと
きがある。このような場合、認識が容易な単語例えば
「オペレータ」等と発声し、利用者は、オペレータとの
会話に切り替えることが可能であるため、現在、銀行の
残高照会等で利用されているテレホンサービスの欠点を
解消される。すなわち、音声認識技術が、不十分なた
め、利用者が情報入力できないとき、オペレータとの通
話でバックアップできるため、多方面の分野で、このよ
うな、自動化システムが導入できるという利点があり、
人件費の削減と経済性のアップが既存の全て、人手によ
るサービスに比べて、得られる。

人間と機械との対話に音声が含まれない場合、第１図
の入出力端末１は、キー入力や画像入力装置及びマイク
ロホン、出力は、CRTやファクシミリスピーカ回線２は、文字，画像，音声を統一して伝送できるデジ
タル回線。

インターフェース３は、音声認識装置及び合成装置を含
んでいない。オペレータと利用者との会話のときだけ音
声が使われる。

キー、図形、画像、文字情報により、利用者が情報を入
力しても使い方がわからなかったり、さらに、別種の情
報を得たい場合、利用者は、「交替」等といった特殊キ
ーを打鍵することにより、オペレータとの対話を要求で
きる。このため、導入時には、オペレータが多数必要だ
が、順々に削減できる。

文字認識による入力（オンライン認識）にも適用可能
である。

と二種類のモードが、本発明では存在する。

このうちは、時分割処理を行い、一台の処理装置で、多数の回線
を対象とし、多数の利用者と対話が行える。しかし、は人と人との会話であるため、同時に、多数の会話は不
可能である。

したがって、利用者から、オペレータと会話を行いたい
との要求が、多すぎる場合（処理会話不能）次のような
応対が考えられる。

（ａ）「只今、オペレータは手が離せませんので、計算
機との対話でお願いします。」と利用者にメッセージを
出力する。（計算機から）（ｂ）「お客様の方へ、後ほど、オペレータの方から連
絡いたしましょうか」とメッセージを出す。（計算機か
ら）（ｃ）現在の電話のように、一担オペレータが対話中の
利用者との会話を中断しつ、利用者に手か離せないこと
を伝える。オペレータは手のあいているとき処置する。

（ｄ）本発明によるシステム装置は、利用者番号を記憶
しておき、後でオペレータの方から連絡する。

以上のような方法が、オペレータの多忙時の対策として
考えられる。

☆以上述べたように本発明は、従来のマンマシンシステ
ムにおける不備を軽減し、利用者の立場に立脚したもの
であり、人間と機械との対話を促進する一方、利用者の
希望で、オペレータとの対話に切り替えることができ、
種々の情報サービスを行う情報入出力システムに適用で
きる。

【図面の簡単な説明】

第１図は本発明の一実施例を示す図、第２図は本発明の
一実施例におけるインターフェース３の構成例を示す
図、第３図及び第４図は本発明の対話システムを説明す
るための図、第５図は、本発明の一実施例の処理手順を
示す図である。１…入出力端末装置、２…回線、３…インターフェー
ス、４…計算機／オペレータ切替装置、５…計算機、６
…オペレータ用入出力端末装置。

フロントページの続き (56)参考文献特開昭58−169273（ＪＰ，Ａ) 特開昭50−93195（ＪＰ，Ａ) 特開昭58−215699（ＪＰ，Ａ) 特開昭59−49638（ＪＰ，Ａ) 特開昭58−50068（ＪＰ，Ａ) 実開昭59−6209（ＪＰ，Ｕ)

Claims

【特許請求の範囲】

【請求項１】利用者から入力された音声を認識する音声
認識手段と、この音声認識手段による認識に応じて、音声で応答を行
う音声合成手段とを備える音声認識応答システムにおい
て、前記音声認識手段は、利用者から入力された音声の内、
オペレータとの対話を所望する旨の特定の単語を常時検
出する検出手段と、この検出手段による検出の後オペレ
ータとの音声による会話を実現し得る手段へ切替えを行
う手段とを具備することを特徴とする音声認識応答シス
テム。
【請求項２】検出手段における特定の単語の検出が、同
時に多数あった場合に、予め定められた応答用のメッセ
ージを利用者に出力することを特徴とする特許請求の範
囲第１項記載の音声認識応答システム。