JPH086940A - 音声入力方式およびそれを用いた情報処理装置 - Google Patents

Abstract

(57)【要約】 【目的】 入力した音声を認識したとき複数の候補が発
生した場合に、別の音声パターンを入力して認識し、候
補の中から希望のものを選択し得るようにすること。 【構成】 複数の単語が同じ音声パターンを持っている
場合は、それぞれの単語が異なる第２の音声パターンを
持っていて、第１の音声パターンが入力された後の候補
選択のときは、第２の音声パターンを用いて認識し、候
補を特定する。 【効果】 音声入力した結果、複数の候補が発生した場
合でも再び音声を入力することで候補を特定できる。ま
た、１つの単語などを音声を入力して認識させるとき、
複数の情報を入力することで確実性が高まる。

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】本発明は、音声入力方式およびそ
れを用いた情報処理装置に係り、特に、ワープロ（ワー
ドプロセッサー）やパソコン（パーソナルコンピュー
タ）などの情報処理装置で用いる音声入力装置における
同音異義語の候補選択方式に関する。

【０００２】

【従来の技術】音声を利用した従来の音声入力システム
としては、特開平３−７００２７号公報に開示されたよ
うに、操作コマンドを入力するようにしたものや、特開
平１−９５３２２号公報に開示されたように、単語など
の文字情報を入力するようにしたものが知られている。

【０００３】このような従来の音声入力システムにおけ
る音声を認識する仕組みは、予め同じ発音の単語等は含
めないように音声パターンを登録しておき、音声を入力
すると、登録してある音声パターンのそれぞれと比較を
行い、最も一致している音声パターンに対応するデータ
を出力するものであった。

【０００４】あるいまた、認識した結果、いくつかの候
補が発生した場合は、その候補を表示しキーボードなど
他の入力手段で１つに特定するものであった。

【０００５】

【発明が解決しようとする課題】上記した従来技術で
は、入力する音声を識別できるように音声パターンが類
似している単語を排除するなど、使用できる単語の種類
に制約が生じたり、同じ発音の単語を用いる場合は、候
補になる単語を表示し、該候補の中から希望のものを指
定するために他の入力手段を使用する必要があった。

【０００６】本発明の目的は、音声で単語やコマンドを
入力して認識処理を行ったとき、複数の認識結果の候補
が発生した場合は、該候補を区別するための別の音声を
入力することで候補を特定し、音声入力だけで候補選択
までを行うことのできる音声入力方式を提供することに
ある。

【０００７】

【課題を解決するための手段】上記目的を達成するため
に、本発明は、認識結果として出力したい単語のそれぞ
れが、対応する第１の音声パターンを持っているだけで
なく、複数の単語が同じ第１の音声パターンを持ってい
る場合は、それぞれの単語が第１の音声パターンとは異
なりかつ互いに識別可能な第２の音声パターンを持って
いて、第１の音声パターンが入力された後の候補選択の
ときは、第２の音声パターンを用いて認識し、候補を特
定するものである。

【０００８】

【作用】本発明は、認識結果として出力したい単語のそ
れぞれが、対応する第１の音声パターンを持っている
が、複数の単語が同じ音声パターンを持っている場合
は、それぞれの単語が異なる第２の音声パターンを持っ
ている。そして、第１の音声パターンが入力されたとき
に、該音声パターンから認識結果として出力される候補
が複数ある場合は、第２の音声パターンを入力し、該第
２の音声パターンの認識結果を用いて候補を１つに特定
するようになっている。

【０００９】

【実施例】以下、本発明の実施例を図を用いて説明す
る。図１は、本発明による音声入力方式を適用する情報
処理装置の外観図の１例を示したものである。図１にお
いて、１０は情報処理装置本体であり、１１は外付けマ
イクロフォンであり、１２は内蔵マイクロフォンである
が、１１，１２は少なくとも一方を備えていればよい。
また、１３は液晶表示装置などの表示装置であり、１４
はフロッピディスク装置のような外部記憶装置である。

【００１０】なお図１の構成に、必要に応じて、キーボ
ード装置や、マウス，タッチパネルのようなポインティ
ングデバイスなど他の入力装置を設けてもよい。

【００１１】図２は、本発明の実施例による音声入力方
式を適用する情報処理装置のハードウェア構成の１例を
示したものである。図２において、２０はシステム間で
データなどのやり取りをするためのシステムバス、２１
は全体の動作制御を司る中央演算装置（ＣＰＵ）、２２
は装置を動作させるプログラムや入力されたデータや表
示データなどを記憶するメモリである。

【００１２】２３は音声を入力するマイクロフォン、２
４はマイクロフォン２３で入力されたアナログの音声信
号をデジタルデータに変換するＡ／Ｄ変換器である。ま
た、２５は音声認識部、２６は多数の音声パターンに対
応するデータを格納した認識パターン辞書（音声パター
ン辞書）であり、音声認識部２５は、Ａ／Ｄ変換器２４
からの音声データを認識パターン辞書２６に格納されて
いるデータと比較して認識し、最も一致度が高い候補を
出力する。

【００１３】２７は文書データなどを表示する表示装
置、２８は該表示装置２７に表示する内容を制御する表
示制御装置である。なお、本実施例では、表示装置２７
として液晶表示装置を用いているが、ＣＲＴなど他の表
示方式の装置を用いてもよい。

【００１４】次に、本発明の実施例による音声入力の認
識方法および認識処理手順を、１例として入力した音声
を漢字の表記に変換する処理を用いて、図３に示すフロ
ーチャートに従い説明する。

【００１５】まず、マイクロフォン２３を通して音声が
入力されると（ステップ３０１）、Ａ／Ｄ変換器２４で
デジタルデータに変換される（ステップ３０２）。次
に、登録されている認識パターン辞書２６のデータ番号
を示すカウンタｎの値、および、類似度が最も高い音声
パターンの番号ｐとその類似度の値Ｓを初期化する（ス
テップ３０３）。次に、入力された音声データと上記認
識パターン辞書２６のｎ番目のデータとを比較して、類
似度Ｓｔを算出する（ステップ３０４）。なお、ここで
用いている類似度は、２データ間の差を計算し、このと
きの値が小さいほど一致度が高いとする。

【００１６】ここで、認識パターン辞書（音声パターン
辞書）２６の構成は、例えば図５のようになっていて、
カウンタｎは、音声データの項目５０１の位置を示して
いる。なお、図５においては、５０１および５０３の音
声データを説明のため、ひらがなで表記しているが、実
際は標準パターンとなる音声をＡ／Ｄ変換しデジタル化
されたデータ列が格納されていて、同じくＡ／Ｄ変換さ
れデジタル化された入力データとマッチングを行うよう
になっている。

【００１７】次に、算出された類似度Ｓｔと記憶されて
いる類似度Ｓとを比較し（ステップ３０５）、Ｓｔの方
が小さい場合はＳの値をＳｔに更新するとともに、音声
パターンの番号ｐの値をｎに更新する（ステップ３０
６）。次に、カウンタｎの値を１増やし（ステップ３０
７）、ｎが認識パターン辞書２６の音声データ数（第１
の音声パターンデータとしての図５の５０１の項目の音
声パターン数）を超えるか否かを判定し（ステップ３０
８）、超えない場合はステップ３０４に戻る。また、ス
テップ３０５でＳｔの値がＳの値以上となった場合は、
カウンタｎの値を１増やし（ステップ３０７）、ｎが認
識パターン辞書２６の上記の音声データ数を超えるか否
かを判定し（ステップ３０８）、超えない場合は同様に
ステップ３０４に戻る。

【００１８】ステップ３０８で、ｎが認識パターン辞書
２６の音声データ数（第１の音声パターンデータとして
の図５の５０１の項目の音声パターン数）を超えた場合
は、ｐ番目の音声パターンデータに対応する表記の候補
５０２を取り出す（ステップ３０９）。そして、この取
り出した表記の候補数が１個かどうかを調べ（ステップ
３１０）、１個だけである場合は、得られたただ１つの
表記データを表示して（ステップ３１２）、この入力さ
れた音声データを認識して漢字の表記に変換する処理を
終了する。また、ステップ３１０で表記の候補数が１個
だけでない場合は、表記の候補の表示・選択処理を行
い、表記をただ１つに特定し（ステップ３１１）、この
ステップ３１１の処理で得られたただ１つの表記データ
を表示して（ステップ３１２）、処理を終了する。

【００１９】次に、上記したステップ３１１の処理（表
記の候補の表示・選択処理）の詳細を、図４に示すフロ
ーチャートを用いて説明する。

【００２０】表記の候補の表示・選択処理においては、
まず、候補となる複数の表記を表示する（ステップ４０
１）。例えば、「寒」と言う文字を入力しようと思い
「かん」と音声で入力したとすると、表示装置２８の画
面上に「間」，「寒」，「缶」などの候補となる表記
を、例えば図６のような形態で表示し、ユーザ（オペレ
ータ）にどのような候補があるかを知らせる。次に、マ
イクロフォン２３を通して図５の第２の音声パターン５
０３に含まれる読み、例えば「さむい」を音声で入力す
る（ステップ４０２）。なお、第２の読み（第２の音声
パターンデータ）は、表記１つに対し１つだけでもよい
が、図５の第２の音声パターンデータ５０３の例のよう
に、表記１つに対し複数のデータを格納し、それぞれと
比較するようにしてもよい。また、ここで用いる第２の
音声パターンは、表記５０２に対して、５０５のような
音・訓読みの他の読み方、５０４のような他の表記と区
別できる部首名、読みが１つしかない場合は、５０６の
ように上記表記の文字を含む単語あるいは熟語の読みを
登録するようにしてもよい。

【００２１】次に、上記ステップ４０２での入力音声
を、Ａ／Ｄ変換器２４でデジタルデータに変換し（ステ
ップ４０３）、登録されている認識パターン辞書（音声
パターン辞書）２６の第２の音声パターンのデータ番号
を示すカウンタｍの値、および、類似度が最も高い音声
パターンの番号ｑとその類似度の値Ｓを初期化する（ス
テップ４０４）。次に、入力された第２の音声データと
上記認識パターン辞書２６のｍ番目のデータとを比較し
て、類似度Ｓｔを算出する（ステップ４０５）。

【００２２】次に、算出された類似度Ｓｔと記憶されて
いる類似度Ｓとを比較し（ステップ４０６）、Ｓｔの方
が小さい場合はＳの値をＳｔに更新するとともに、音声
パターンの番号ｑの値をｍに更新する（ステップ４０
７）。次に、カウンタｍの値を１増やし（ステップ４０
８）、ｍが認識パターン辞書２６の音声データ数（第２
の音声パターンデータとしての図５の５０３の項目の音
声パターン数）を超える否かを判定し（ステップ４０
９）、超えない場合はステップ４０５に戻る。また、ス
テップ４０６でＳｔの値がＳの値以上となった場合は、
カウンタｍの値を１増やし（ステップ４０８）、ｍが認
識パターン辞書２６の上記音声データ数を超える否かを
判定し（ステップ４０９）、超えない場合は同様にステ
ップ４０５に戻る。

【００２３】ステップ４０９で、ｍが認識パターン辞書
２６の音声データ数（第２の音声パターンデータとして
の図５の５０３の項目の音声パターン数）を超えた場合
は、ｑ番目の音声パターンデータに対応する表記の候補
（本例の場合は「寒」）を取り出し、これをただ１つの
表記データして設定して、前記した図３のステップ３１
２へ進む。

【００２４】なお、上述した実施例では、第１の音声デ
ータを入力および認識した後、第２の音声データを入力
および認識するようにしていたが、構文解析部を設け
て、例えば「さんずいのかわ」や「さむいのかん」のよ
うに続けて入力した音声を解析し、それぞれ「さんず
い」と「かわ」、「さむい」と「かん」のように修飾関
係で接続されていることが認識できれば、被修飾語の方
を第１の音声パターン、修飾語の方を第２の音声パター
ンとして認識処理を行い、それぞれ「河」、「寒」を出
力するようにしてもよい。

【００２５】なおまた、入力した１つの音声データに対
応する複数の表記を表示する場合、図６で用いた手法の
他に、図７の７０１の項目のように、表記に加え第２の
音声パターンの読みを表示するようにしてもよい。この
場合には、第２の音声パターンとして登録されている内
容を覚えていなくても、画面に表示されているとおりに
発音すればよいという利点がある。

【００２６】またこれまで、音声入力によるかな漢字変
換を例にとって説明したが、図５の前記５０１の音声パ
ターンデータ（第１の音声パターンデータ）に、コマン
ド名を設定し、前記５０２の表記にあたる出力に、実行
する操作や処理などのコマンド名やコードを設定し、前
記５０３の第２の音声パターンデータに、操作モードや
属性など対象を限定する語を設定すれば、コマンド入力
などにも使え、例えば、「削除」と入力した後に「領
域」や「ページ」などの処理対象を入力したり、「領域
の削除」または「領域を削除」と入力して、対象領域を
削除する動作をシステムに実行させることも可能であ
る。

【００２７】

【発明の効果】以上のように本発明によれば、音声入力
した結果、複数の候補が発生した場合でも、再び音声を
入力することで候補を特定できるので、従来のように使
用できる単語に制約が生じたり、複数の候補が発生した
際に使用する音声入力装置以外の他の入力手段を必要と
しない、という効果がある。

【００２８】また、１つの単語などを音声を入力して認
識させるとき、複数の情報を入力することで、確実性が
高まるという効果もある。

【図面の簡単な説明】

【図１】本発明の実施例による音声入力方式が適用され
る情報処理装置の１例を示す外観図である。

【図２】本発明の実施例による音声入力方式が適用され
る情報処理装置のハードウェアの１例を示す構成図であ
る。

【図３】本発明の実施例による音声入力および認識処理
のフローチャート図である。

【図４】図３のステップ３１１の詳細を示すフローチャ
ート図である。

【図５】本発明の実施例による音声パターン辞書の構成
例を示す説明図である。

【図６】本発明の実施例による表記候補の画面表示の１
例を示す説明図である。

【図７】本発明の実施例による表記候補の画面表示の他
の１例を示す説明図である。

【符号の説明】

１０ 情報処理装置本体 １１ 外付けマイクロフォン １２ 内蔵マイクロフォン １３ 表示装置 １４ 外部記憶装置 ２０ システムバス ２１ 中央演算装置（ＣＰＵ） ２２ メモリ ２３ マイクロフォン ２４ Ａ／Ｄ変換器 ２５ 音声認識部 ２６ 認識パターン辞書（音声パターン辞書） ２７ 表示装置 ２８ 表示制御装置

───────────────────────────────────────────────────── フロントページの続き (51)Int.Cl.⁶ 識別記号 庁内整理番号 ＦＩ 技術表示箇所 Ｇ１０Ｌ 3/00 ５２１ Ｅ ５７１ Ｈ (72)発明者 土屋 知子 神奈川県横浜市戸塚区吉田町292番地 株 式会社日立製作所映像メディア研究所内 (72)発明者 飛鳥馬 肇 神奈川県横浜市戸塚区吉田町292番地 株 式会社日立製作所映像メディア研究所内 (72)発明者 松原 ゆかり 神奈川県横浜市戸塚区吉田町292番地 株 式会社日立製作所映像メディア研究所内 (72)発明者 山内 司 神奈川県横浜市戸塚区吉田町292番地 株 式会社日立製作所映像メディア研究所内 (72)発明者 松田 泰昌 神奈川県横浜市戸塚区吉田町292番地 株 式会社日立製作所映像メディア研究所内 (72)発明者 畑岡 信夫 東京都国分寺市東恋ケ窪一丁目280番地 株式会社日立製作所中央研究所内 (72)発明者 菊池 英明 東京都国分寺市東恋ケ窪一丁目280番地 株式会社日立製作所中央研究所内 (72)発明者 安藤 ハル 東京都国分寺市東恋ケ窪一丁目280番地 株式会社日立製作所中央研究所内

Claims (5)

【特許請求の範囲】
1. 【請求項１】 入力した音声を認識して文字コードなど
   他の形態の情報に変換する音声入力方式において、 発音が同一であり音声で入力すると区別ができない複数
   の単語がある場合、第１の音声パターンとは異なる音声
   で、互いに識別可能な第２の音声パターンをそれぞれの
   単語に設け、前記第１の音声パターンの入力で識別でき
   ない場合は続いて前記第２の音声パターンで入力し、こ
   の第２の音声パターンを認識することにより１つの単語
   を特定するようにしたことを特徴とする音声入力方式。
2. 【請求項２】 請求項１記載において、 前記第１の音声パターンを、認識結果として出力する漢
   字などの表記に対応する読みの１つとして登録し、前記
   第２の音声パターンを、前記表記を他の表記を用いる語
   と区別するための別の読み、あるいは、部首または熟語
   などの読みとして登録し、前記入力した第１の音声の読
   みをかな漢字変換した結果を、表示装置などに出力する
   ことを特徴とする音声入力方式。
3. 【請求項３】 入力した音声を認識して文字コードなど
   他の形態の情報に変換する音声入力方式において、 発音が同一であり音声で入力すると区別ができない複数
   の単語がある場合、第１の音声パターンとは異なる音声
   で、互いに識別可能な第２の音声パターンをそれぞれの
   単語に設け、前記第１の音声パターンと前記第２の音声
   パターンとを組み合わせて入力した音声を、構文解析を
   行って２つの音声パターンとして抽出し、２つの音声パ
   ターン情報を利用することにより、１つの単語を特定す
   るようにしたことを特徴とする音声入力方式。
4. 【請求項４】 請求項１または２または３記載におい
   て、 前記第１の音声パターンとして動作の指示を行うコマン
   ド名を登録し、前記第２の音声パターンとして前記コマ
   ンドが対象とする対象物や対象範囲を登録したことを特
   徴とする音声入力方式。
5. 【請求項５】 請求項１または２または３または４記載
   の音声入力方式を用い、少なくとも音声入力手段と、音
   声認識部と、音声パターン辞書と、表示装置とを具備し
   たことを特徴とする情報処理装置。