JPH10282987A - 音声認識システムおよび方法 - Google Patents

Abstract

(57)【要約】 【課題】カーナビゲーションシステムなどに用いられる
音声認識システムにおいて、システム全体として音声認
識できる語彙数の増加しても、認識率や認識応答時間の
性能を低下させないようにする。また、カーナビゲーシ
ョンシステムのユーザインターフェイスを向上させる。 【解決手段】音声認識の対象となる単語や文章を集めて
辞書として定義し、音声認識の結果として、それらの単
語や文章をピックアップする音声認識システムにおい
て、辞書を複数持たせ、辞書切り換え部により、複数の
辞書より一つの辞書を選択して、それを音声認識の対象
として、音声認識をおこなう。音声認識の結果を用い
て、カーナビゲーションシステム際に地図上に、目的地
までの距離、時間、ルートなどを表示する。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は、音声認識システム
および方法に係り、カーナビゲーションシステム、ＰＤ
Ａに代表される小型情報機器、携帯型音声翻訳機に用い
る音声認識システムであって、特に、カーナビゲーショ
ンシステムなどで、地名、交差点名、通り名等により、
目的地等の音声検索、音声探索、音声認識誘導をおこな
うような膨大な単語の音声認識に用いて好適な音声認識
システムおよび方法に関する。

【０００２】

【従来の技術】近年、音声認識技術を用いた小型情報シ
ステムが普及しつつある。カーナビゲションシステムを
はじめとして、ＰＤＡに代表される携帯型情報機器、携
帯型翻訳機等である。

【０００３】このような音声認識システムの例として、
特開平５−３５７７６号公報の「言語自動選択機能付翻
訳装置」には、マイクから入力した操作者の音声を認識
して、翻訳し、翻訳した言語の音声を出力するようにし
た携帯用の翻訳装置に関する技術が開示されている。

【０００４】以下、図１１を用いてこのような従来技術
に係る音声翻訳装置の概要について説明しよう。図１１
は、従来技術に係る音声翻訳装置の構成を示すブロック
図である。

【０００５】制御部８０１は、マイクロプロセッサ等か
らなり、装置の各部を制御する。音声区間切出し部８０
２は、マイク８０９から入力された音声をデジタル信号
に変換して切り出し、音声認識部８０３に送る。音声認
識部８０３は、キーボード又はスイッチ等による操作信
号８１１を受けた制御部８０１の指示により、マイク８
０９、音声区間切出し部８０２を経て、切り出された音
声を分析する。そして、その結果を、音声認識辞書部８
０７に格納された標準音声パターンと比較することによ
り、音声認識をおこなう。音声合成部８０５は、音声認
識部８０３により認識された音声に対応した翻訳語を、
翻訳語データ用メモリカード８０６から読み込み、音声
信号に変換してスピーカアンプ８１０、スピーカ８０８
を経て出力する。

【０００６】表示部８０４は、翻訳装置の使用者への指
示や翻訳語の文字による表示等をおこなう。翻訳語デー
タ用メモリカード８０６は、ＲＯＭカード等からなり、
翻訳語を音声合成して出力する場合には、音声データを
格納している。また、この翻訳語データ用メモリカード
８０６から、翻訳語に対応したキャラクターコードを読
み込み、表示部８０４に表示する。そして、この翻訳語
データ用メモリカード８０６を他の言語のものと交換す
ることにより、複数の言語に翻訳することが可能とな
る。音声認識辞書部８０７は、ＲＡＭ等からなり、操作
者の発生に応じた標準音声パターンを格納している。こ
の標準音声パターンは、操作者があらかじめ格納してお
く。

【０００７】

【発明が解決しようとする課題】このような音声認識技
術の分野は、半導体技術の向上を背景として、システム
がより人間的なユーザインターフェイスを提供すべきで
あるという要望から、その発展が期待されている。上記
従来の音声認識技術を用いた小型情報システムも、カー
ナビゲションシステムをはじめとして、ＰＤＡに代表さ
れる携帯型情報機器、携帯型翻訳機として、今後ますま
す普及してくることが予想される。

【０００８】しかしながら、音声認識は、処理すべき情
報量が膨大なものになるため、従来の技術では、認識率
や認識応答時間の性能を低下させないためには、認識す
る語数に制約を設ける必要がある。というのも、音声認
識を用いたヒューマンインターフェースの向上において
は、認識率、および認識応答時間が問題となるからであ
る。

【０００９】従来の技術では、認識率や認識応答時間の
性能を低下させないために、認識する語数を制約しなけ
ればならない。認識する語数を増やすと、音声の特徴が
似通った単語が増加して認識率が低下する。また、認識
対象となるすべての単語に対して、音声認識処理をおこ
なうので、そのために必要なワークメモリや辞書メモリ
等の規模が大きくなり、処理ステップも増え、処理時間
が増加する。

【００１０】今後、音声認識技術の革新や、それを実現
するソフトウエア、ハードウエアの性能向上により、認
識する語数の制約が緩和されることも考えられるが、当
面は、認識率や認識応答時間の性能を低下させないため
に、認識する語数を制約せざるを得ないという問題点が
ある。

【００１１】その反面、カーナビゲションシステムなど
の音声認識技術を用いた小型情報システムでは、使い勝
手を良くするために、音声認識する語彙数の増加したい
という要望がある。

【００１２】また、従来のカーナビゲーションシステム
は、目的地を入力して、ルートを表示する機能や、現在
の地点、目的地までの距離を音声認識により問い合わせ
る機能はあるが、これらを有機的に結合して良好なユー
ザインターフェイスを提供した技術は、知られていな
い。

【００１３】本発明は、上記問題点を解決するためにな
されたもので、その目的は、小型情報システムに用いら
れる音声認識システムにおいて、システム全体として音
声認識できる語彙数の増加しても、認識率や認識応答時
間の性能を低下させないで音声認識ができる音声認識シ
ステムを提供することである。

【００１４】また、本発明の今一つの目的は、音声認識
を用いたカーナビゲーションシステムおいて、特に、音
声による目的地の地図上の位置の探索や、音声による誘
導システムにおいて、良好な音声認識インターフェース
を実現することである。

【００１５】

【課題を解決するための手段】上記目的を達成するため
に、本発明の音声認識システムに係る発明の第一の構成
は、音声認識の対象となる単語や文章を集めて辞書とし
て定義し、音声認識の結果として、それらの単語や文章
をピックアップする音声認識システムにおいて、このシ
ステムは、前記辞書を複数有し、前記複数の辞書を格納
しておく第一の記憶部と、前記複数の辞書から一つの辞
書を選択し格納しておく第二の記憶部と、前記複数の辞
書から一つだけ辞書を選択する辞書切り換え情報を受け
て、辞書を切り換える辞書切り換え部と、取り込んだ音
声に対して、音声分析処理をおこなう音声分析部と、音
声のパターンを音素単位で捉える音響モデルと、音声分
析結果に対して、前記音響モデルと前記辞書とを参照
し、音声認識処理をおこなう音声認識部とを備え、前記
辞書切り換え部により、前記複数の辞書より一つの辞書
を選択して、それを音声認識の対象として、音声認識を
おこなうようにしたものである。

【００１６】より詳しくは、上記音声認識システムにお
いて、前記辞書の切り換え情報が、音声認識の結果、音
声認識の対象とした辞書の中に該当する単語や文章が見
出せなかったことであるようにしたものである。

【００１７】また詳しくは、上記音声認識システムにお
いて、前記辞書に集められた単語や文章に、その単語や
文章を表すコードの外に、付加情報を有するようにした
ものである。

【００１８】さらに詳しくは、上記音声認識システムに
おいて、前記複数の辞書を格納しておく第一の記憶部
は、ハードディスク、メモリカード、または、ＲＯＭで
あり、前記複数の辞書から一つの辞書を選択し格納して
おく第二の記憶部は、ＲＡＭであるようにしたものであ
る。

【００１９】上記目的を達成するために、本発明の音声
認識システムに係る発明の他の構成は、上記音声認識シ
ステムにおいて、この音声認識システムは、カーナビゲ
ーションシステムにおける音声認識システムであって、
前記辞書に集められた単語は、このカーナビゲーション
システムで用いられる地名、交差点名、通り名、建物名
であるようにしたものである。

【００２０】より詳しくは、前記カーナビゲーションシ
ステムは、カーナビゲーションの対象となるエリアを複
数持ち、前記辞書は、各エリアに対応して設けられ、そ
の辞書に集められた単語は、対応するエリアに存在する
対象を表す地名、交差点名、通り名、建物名であるよう
にしたものである。

【００２１】また詳しくは、上記音声認識システムにお
いて、前記複数の辞書から一つの辞書を選択する辞書切
り換え情報は、カーナビゲーションシステムで用いられ
ている衛生測位システムＧＰＳ（Global Positioning s
ystem）からの位置情報であるようにしたものである。

【００２２】さらに詳しくは、上記音声認識システムに
おいて、この音声認識システムは、カーナビゲーション
システムにおける音声認識システムであって、前記辞書
に集められた単語には、付加情報として、地球上の経
度、緯度で示される位置情報を持ち、このカーナビゲシ
ョンシステムは、現在の走行するエリアを地図として表
示しているときに、現在地を示すＧＰＳからの位置情報
と、単語に付加された位置情報とから、音声認識した単
語にあたる対象の前記地図上の表示位置座標値と、現在
地からの走行距離とを計算して、音声認識した単語にあ
たる対象の位置を地図上に表示するとともに、走行ルー
ト、走行距離、走行所要時間を前記地図上に表示するよ
うにしたものである。

【００２３】上記目的を達成するために、本発明の音声
認識システムに係る発明のまた他の構成は、第一の辞書
に集められた単語が、第二の辞書に切り換えるためのイ
ンデックスであるインデックス辞書であり、先ず、第一
の辞書を参照して、音声認識をおこなって、その結果と
してインデックスをピックアップし、そのインデックス
に基づき、次の音声認識で参照する第二の辞書を選択す
るようにしたものである。

【００２４】より詳しくは、上記音声認識システムにお
いて、この音声認識システムは、携帯型情報機器におけ
る音声認識システムであって、第一の辞書のインデック
スが、その携帯型情報機器の機能を表す単語、または、
その携帯型情報機器に与えるコマンドを表す単語である
ようにしたものである。

【００２５】上記目的を達成するために、本発明の音声
認識方法に係る発明の構成は、音声認識の対象となる単
語や文章を集めて辞書として定義し、音声認識の結果と
して、それらの単語や文章をピックアップする音声認識
システムを用いる音声認識方法において、このシステム
は、前記辞書を複数有し、前記複数の辞書を格納してお
く第一の記憶部と、前記複数の辞書から一つの辞書を選
択し格納しておく第二の記憶部と、前記複数の辞書から
一つだけ辞書を選択する辞書切り換え情報を受けて、辞
書を切り換える辞書切り換え部と、取り込んだ音声に対
して、音声分析処理をおこなう音声分析部と、音声のパ
ターンを音素単位で捉える音響モデルと、音声分析結果
に対して、前記音響モデルと前記辞書とを参照し、音声
認識処理をおこなう音声認識部とを備え、前記辞書切り
換え部により、前記複数の辞書より一つの辞書を選択し
て、それを音声認識の対象として、音声認識をおこなう
ようにしたものである。

【００２６】より詳しくは、上記音声認識方法におい
て、前記辞書の切り換え情報が、音声認識の結果、音声
認識の対象とした辞書の中に該当する単語や文章が見出
せなかったことであるようにしたものである。

【００２７】また詳しくは、上記音声認識方法におい
て、前記辞書に集められた単語や文章に、その単語や文
章を表すコードの外に、付加情報を有するようにしたも
のである。

【００２８】上記目的を達成するために、本発明の音声
認識方法に係る発明の他の構成は、この音声認識システ
ムは、カーナビゲーションシステムにおける音声認識シ
ステムであって、前記辞書に集められた単語は、このカ
ーナビゲーションシステムで用いられる地名、交差点
名、通り名、建物名であるようにしたものである。

【００２９】より詳しくは、上記音声認識方法におい
て、前記カーナビゲーションシステムは、カーナビゲー
ションの対象となるエリアを複数持ち、前記辞書は、各
エリアに対応して設けられ、その辞書に集められた単語
は、対応するエリアに存在する対象を表す地名、交差点
名、通り名、建物名であるようにしたものである。

【００３０】また詳しくは、上記音声認識方法におい
て、前記複数の辞書から一つの辞書を選択する辞書切り
換え情報は、カーナビゲーションシステムで用いられて
いる衛生測位システムＧＰＳ（Global Positioning sys
tem）からの位置情報であるようにしたものである。

【００３１】さらに詳しくは、上記音声認識方法におい
て、この音声認識方法は、カーナビゲーションシステム
における音声認識方法であって、前記辞書に集められた
単語には、付加情報として、地球上の経度、緯度で示さ
れる位置情報を持ち、このカーナビゲションシステム
は、現在の走行するエリアを地図として表示していると
きに、現在地を示すＧＰＳからの位置情報と、単語に付
加された位置情報とから、音声認識した単語にあたる対
象の前記地図上の表示位置座標値と、現在地からの走行
距離とを計算して、音声認識した単語にあたる対象の位
置を地図上に表示するとともに、走行ルート、走行距
離、走行所要時間を前記地図上に表示するようにしたも
のである。

【００３２】上記目的を達成するために、本発明の音声
認識方法に係る発明のまた他の構成は、第一の辞書に集
められた単語が、第二の辞書に切り換えるためのインデ
ックスであるインデックス辞書であり、先ず、第一の辞
書を参照して、音声認識をおこなって、その結果として
インデックスをピックアップし、そのインデックスに基
づき、次の音声認識で参照する第二の辞書を選択するよ
うにしたものである。

【００３３】より詳しくは、上記音声認識方法におい
て、この音声認識方法は、携帯型情報機器における音声
認識方法であって、第一の辞書のインデックスが、その
携帯型情報機器の機能を表す単語、または、その携帯型
情報機器に与えるコマンドを表す単語であるようにした
ものである。

【００３４】

【発明の実施の形態】以下、本発明に係る各実施形態
を、図１ないし図１０を用いて説明する。 〔本発明の音声認識システムのシステム構成〕先ず、図
１および図２を用いて本発明の音声認識システムのシス
テム構成について説明する。図１は、本発明に係る音声
認識システムの各機能とその処理の流れを示すブロック
図である。図２は、本発明のハードウェア構成を示すブ
ロック図である。

【００３５】先ず、音声認識をおこなうために、図１に
示されるマイク１０１から音声が取り込まれる。取り込
まれた音声は、音声分析部１０６によってノイズ処理や
音声分析などの前処理がなされ、音声認識部１０７によ
り音声認識がなされる。ここで、音声認識とは、音声信
号を解析して、それを音素に分析してそのパターンを解
析し、該当する単語や文章を辞書から選択することであ
る。そして、システムの出力として、音声認識結果１０
９を生み出す。

【００３６】音声認識部１０７は、音声分析部１０６で
分析された入力音声の音声分析結果に対して、逐次、辞
書１０５、および音響モデル１０８とを参照して、入力
音声の照合をおこない、辞書１０５の中で、一番近い単
語をピックアップする。

【００３７】また、音響モデル１０８は、音声認識に用
いられるモデルであり、具体的には、辞書に用いられて
いる文字と音素との対応、また、音素の特徴を記憶した
ものである。音響モデルは、最近は、あらかじめ声を登
録しなくても、誰が話し手もその声を認識できるいわゆ
る「不特定話者対応」が、一般的になってきている。こ
のような音響もモデルとしては、例えば、隠れマルコフ
モデル（ＨＭＭ：Hidden Markov Model）を用いること
ができる。

【００３８】音声認識部１０７では、音声認識のための
辞書が用いられる。音声認識のために用いられる辞書と
は、言葉、単語（名詞、動詞等）、文章を集めたもので
ある。例えば、カーナビゲションシステムにおいては、
通り名、地名、建造物名、町名、番地、交差点名、個人
住宅（個人名）等や、必要最小限の会話に必要な言葉の
集合体である。より具体的には、運転している者が、発
声する「ガソリンスタンド」、「コンビニエンススト
ア」、「ファミリーレストラン」等の言葉である。この
辞書は、システムの能力に応じて、一つの辞書あたり、
例えば、１０００〜５０００語の単語で構成する。この
辞書を複数用意して、音声認識の対象として、複数の辞
書から一つの辞書を選択して音声認識をおこなう。

【００３９】すなわち、音声認識は、音声分析結果よ
り、音声モデルよりその特徴を参照して、当てはまる音
素を見出し、その音素の並びより当てはまる語を辞書か
ら検索し、ピックアップする処理である。

【００４０】さて、本発明は、複数の辞書を持ち、辞書
切り換え情報１０２を参照して、それを辞書切り換え部
１０３で適宜切換えて、音声認識をおこなうのが特徴で
ある。

【００４１】辞書切り換え部１０３は、辞書切り換え情
報１０２の内容にしたがって、音声認識の候補として、
複数の辞書から一つの辞書を選択するか、または、切り
換えるものである。例えば、複数の辞書がフラッシュメ
モリで構成されたメモリカードやＲＯＭ（Read Only Me
mory）に格納されていて、音声認識するときに必要な辞
書だけを、ＲＡＭ（Random Access Memory）に転送して
音声認識処理をおこなう。

【００４２】このようにしたときには、この複数の辞書
を置くための記憶装置（または、記憶領域）１０４は、
メモリカードやＲＯＭで構成し、複数の辞書から一つの
辞書を選択して格納するための記憶装置（または、記憶
領域）１０５は、ＲＡＭで構成することになる。また、
複数の辞書を格納しておくために、ハードディスクなど
の補助記憶装置も用いることができる。

【００４３】また、音声認識の結果は、信号１１０によ
って、音声認識部１０７から、辞書切り換え部１０３へ
フィードバックされる。これは、例えば、後にも説明す
るが、最適の単語が見つからないときには、別の辞書に
切り換えることが考えられる。

【００４４】なお、図１に示す各処理ブロックは、複数
のＬＳＩやメモリで構成されたシステムであっても、半
導体素子上に構成された一つないし複数のシステムオン
チップであってもよい。

【００４５】次に、図２を用いて本発明に係る音声認識
システムのハードウエア構成について説明する。

【００４６】音声を取り込むためのマイク７０１は、カ
ーナビゲーションシステム等では、周囲の雑音を取り込
まないために指向性をもたせた指向性マイクである。

【００４７】辞書を切り換えるためのデータ７０２（ま
たは、制御信号）は、カーナビゲーションシステムで
は、ＧＰＳから送られてくる位置データである。

【００４８】ＣＰＵ７０３は、カーナビゲーションシス
テムや、ＰＤＡ等のメインシステムの制御と、音声認識
システムにおける音声認識処理をおこなう。このＣＰＵ
には、ＲＩＳＣマイコンが用いられるのが、最近の潮流
である。

【００４９】Ａ／Ｄ変換ＩＣ７０４は、マイク７０１に
より取り込まれたアナログ音声データをデジタル音声デ
ータに変換するチップである。

【００５０】インターフェイス７０５は、辞書切り換え
データ７０２を受けて、ＣＰＵ７０３に対して、辞書切
り換え情報を読み込ませるためのインターフェースであ
る。

【００５１】ＲＯＭ７０６は、辞書や音響モデル、プロ
グラムを格納しておく記憶装置である。また、複数の辞
書を格納しておくために、メモリカードを用いても良
い。

【００５２】ＲＡＭ７０７は、ＲＯＭ７０６から転送さ
れた一部の辞書や、音響モデル、プログラムが格納さ
れ、また、音声認識処理に必要な必要最小限のワークメ
モリであり、ＲＯＭ７０６に比べて、通常アクセス時間
の短い半導体素子が用いられる。。

【００５３】バス７０８は、システムにおけるデータバ
ス、アドレスバス、制御信号バスとして用いられる。

【００５４】このようなハードウェア構成において、マ
イク７０１から取り込まれた音声は、辞書切り換えデー
タ７０２により、切り換えられた辞書を参照して、音声
認識されることになる。辞書の切り換えは、ＣＰＵ７０
３がおこない、ＲＯＭ７０６の全体の辞書の中から、必
要に応じて、一部の辞書がＲＡＭ７０７へ転送される。
そして、ＣＰＵ７０３と、ＲＡＭ７０７の間でデータ転
送をしながら、一連の音声認識処理が進められることに
なる。

【００５５】〔実施形態１〕以下、本発明に係る第一の
実施形態を、図３ないし図７を用いて説明する。本実施
形態では、本発明の音声認識システムをカーナビゲーシ
ョンシステムに適用した場合について説明することにす
る。 （I）カーナビゲーションシステムの辞書切り換えにつ
いて 先ず、図３を用いてカーナビゲーションシステムの辞書
切り換えの具体的なイメージについて説明しよう。図３
は、カーナビゲーションのエリアと対応する辞書の関係
を説明するための模式図である。

【００５６】本発明では、音声認識のための辞書を複数
持ち、それを状況に応じて切り換えていくものである。

【００５７】本実施形態のカーナビゲーションに用いら
れる音声認識システムは、走行するエリアに対応して音
声認識の辞書を持つことにする。すなわち、このように
すれば、現在走行しているエリアに対する運転者の指示
が有効におこなう事ができるからである。

【００５８】このときに、辞書を切り換える条件として
は、例えば、車がＡ地点からＢ地点まで走行したととき
に、Ａ地点とＢ地点の距離がある一定の距離以上になっ
たことが考えられる。本実施形態の音声認識システム
は、上の状況においては、Ａ地点で音声認識に使用して
いた辞書１から、Ｂ地点で音声認識に使用する辞書２に
切り換えることになる。

【００５９】以下、この例を図３を用いて詳細に説明し
よう。図３（ａ）は、実際に、カーナビゲーションシス
テムを搭載した車が走行していく様子とエリアの関係を
模式的に示した図である。この図で、丸で示した記号が
車であり、それが道路３０１に沿って走行する。

【００６０】エリア１の中の記号３０２は、カーナビゲ
ーションシステムを搭載した車が現在走行しているポイ
ント（Ａ地点）と走行方向を表示している。

【００６１】Ａ地点において、この音声認識システムが
音声認識可能な単語は、矩形３０４が示すエリア１の中
に存在する地名、通り名、交差点名、建造物名である。

【００６２】ところでここで、表示されている縮尺度に
よって、エリアの中に存在する地名、通り名、交差点
名、建造物名等の数は異なることは注意を要する。ま
た、表示しているエリアが、市街地である場合と、田舎
や山間部等の過疎地帯である場合とでも、エリアの中に
存在する地名、通り名、交差点名、建造物名等の数は異
なる。

【００６３】そこで、カーナビゲーションシステムの地
図の縮尺度１／ｋのｋが大きい場合には、広範囲なエリ
アを表示していることになるので、単語数は増えること
になる。例えば、音声認識において、認識率と認識応答
時間の性能を低下させない単語数が、最大３０００語と
すると、３０００語単位にエリアを分割することにな
る。反面、広範囲のエリアで音声認識をおこなうときに
は、大きな通り名や交差点名、有名な建造物名の単語で
辞書を構成して、音声認識が実効あるように単語を選択
しなければならない。

【００６４】逆に、縮尺度１／ｋのｋが小さい場合に
は、狭い範囲のエリアを表示していることから、広いエ
リアを表示しているときと比べて単語数は減少する。し
かしながら、縮尺度１／ｋのｋが小さい場合にも、運転
者は、より詳細な通り名や交差点名、建造物名を知りた
がることから、できるだけ細かい通り名や交差点名、ロ
ーカルな建造物名まで含めて、単語数を増大させ、辞書
の単語数は、音声認識の限界である３０００語まで使用
して辞書を構成することが望ましい。

【００６５】ここで、音声認識のための辞書の語彙とし
ては、エリア内に存在する建造物（ガソリンスタンド、
コンビニエンスストア、レストラン等）について多様な
検索ができるようにしておけば、ユーザの使い勝手が向
上する。例えば、ガソリンスタンドについては、「ガソ
リンスタンド」という言葉自体、その供給メーカ名、そ
のガソリンスタンドの固有名詞である店の名前という具
合である。

【００６６】このようにしておけば、表示されているエ
リア１において、運転者が、カーナビゲーションシステ
ムに対して、例えば「Ａ社」と発声すると（ここで、Ａ
社はある特定のガソリン供給メーカを指すものとす
る）、エリア１内にＡ社系のガソリンスタンドが５ｋｍ
先に存在すれば、「５ｋｍ先にあります。」と音声合成
で答えてくれるようなユーザインターフェイスが提供す
ることができる。

【００６７】次に、Ａ地点を走行していた車は、現在Ｂ
地点を走行しているものとする。

【００６８】記号３０３は、カーナビゲーションシステ
ムを搭載した車が現在走行しているポイント（Ｂ地点）
と走行方向を表示している。Ｂ地点において、音声認識
可能な単語は、矩形３０５が示すエリア２の中に存在す
る地名、通り名、交差点名、建造物名等である。

【００６９】このように本実施形態の音声認識システム
は、図３（ｂ）に示されるように、エリアと辞書の関係
を示すテーブル３０６を持っている。

【００７０】各辞書は、対応するエリアの中に存在する
地名、通り名、交差点名、建造物名、等の単語で構成さ
れている。

【００７１】（２）辞書切り換えの処理 次に、図４を用いて音声認識の辞書の切り換え処理につ
いて説明しよう。図４は、本発明の第一の実施形態に係
る音声認識システムにおいて、音声認識の辞書切り換え
処理を示すフローチャートである。

【００７２】本発明では、音声認識のための辞書を複数
持ち、それを状況に応じて切り換えていく。

【００７３】このときに、音声認識処理の前に、辞書切
り換え情報が更新されたか否かを判定する（Ｓ５０
１）。

【００７４】辞書切り換え情報は、カーナビゲーション
システムであれば、衛生測位システム（ＧＰＳ：Global
Positioning System）からの位置を示す信号である。

【００７５】図１に示された辞書切り換え部１０３は、
ＧＰＳからの位置を示す信号を受けて、その位置が認識
対象の単語辞書を切り換える必要がある事を示している
場合（ＹＥＳ）には、認識対象の単語の辞書に切り換え
る（Ｓ５０３）。

【００７６】また、その位置が認識対象の単語辞書を切
り換える必要がない事を示している場合（ＮＯ）には、
辞書を変更せずに、そのまま音声認識処理Ｓ５０２を実
行する。

【００７７】次に、音声認識処理Ｓ５０２において、認
識結果として該当するものがあるか否かを示す判定する
（Ｓ５０４）。入力した音声に対して、辞書の中に該当
する単語がない場合（ＹＥＳ）には、図１に示した辞書
切り換え部１０３は、音声認識部１０９から該当なしの
認識結果１１０を受けて、次の候補の認識対象の単語辞
書に切り換える（Ｓ５０５）。また、入力した音声に対
して、辞書の中に該当する単語がある場合（ＮＯ）に
は、音声認識処理を終了し、認識結果に対してなされる
システムにおける次の処理へ移行する。

【００７８】（３）カーナビゲーションシステムの応用
例 次に、図５および図６を用いて本実施形態の音声認識シ
ステムのカーナビゲーションシステムのさらなる応用例
について説明しよう。図５は、カーナビゲーションのエ
リアと対応する辞書の関係を、その地図上の構成物の位
置関係を含めて説明するための模式図である。図６は、
音声認識の結果により、カーナビゲーションシステムの
地図上に結果を反映する処理を示す模式図である。図７
は、本実施形態のカーナビゲションシステムのディスプ
レイの表示を示す模式図である。

【００７９】ここで説明する応用例は、本発明の音声認
識システムをカーナビゲーションシステムに適用し、さ
らに、使用者に対するユーザーインタフェースを向上さ
せるものである。

【００８０】図５（ａ）に示されるように、カーナビゲ
ーションシステムのディスプレイには、丸の記号で示し
た車が道路９０１を走行している様子が表示される。

【００８１】記号９０２は、カーナビゲーションシステ
ムを搭載した車が現在走行しているポイント（Ａ地点）
と走行方向を表示している。

【００８２】Ａ地点において、音声認識可能な単語は、
９０４が示すエリア１の中に存在する地名、通り名、交
差点名、建造物名、個人住宅（個人名）等であること
は、既に説明した通りである。

【００８３】また、この応用例での辞書のフォーマット
９０８は、図５（ｂ）に示す如くである。本実施形態で
は、エリア毎に辞書が対応しているので、エリアごとに
単語をブロック化する必要がある。フィールド９０９
は、そのための対応するエリアを示す番号である。フィ
ールド９１０は、各エリアに登録されている単語群であ
る。フィールド９１１は、各単語の示す場所の絶対位置
座標であり、例えば、経度ｘ_i、緯度ｙ_iに相当するもの
が、各単語に付加情報として登録されている。

【００８４】フィールド９１２は、拡張用の付加情報で
ある。例えば、ファミリーレストランであれば、その店
の電話番号、ＦＡＸ番号、営業日、営業時間、利用のた
めのメモ、店案内などカーナビゲションシステムに利用
するさまざまな情報を記憶しておけばよい。

【００８５】矩形９０４が示すエリア１の辞書では、ガ
ソリンスタンド（短縮形として、「ガソリン」）コンビ
ニエンスストア（短縮形として、「コンビニ」）、ファ
ミリーレストラン（短縮形として、「レストラン」）等
が登録されており、単語「ガソリンスタンド」には、こ
のエリア１に存在するガソリンスタンドの絶対位置座標
値（ｘ_i，ｙ_i）が、位置情報として付加されている。同
様に、単語「コンビニエンスストア」には、このエリア
１に存在するコンビニエンスストアの絶対位置座標値
（ｘ_i+1，ｙ_i+1）が、位置情報として付加されている。
同様に、単語「ファミリーレストラン」には、このエリ
ア１に存在するファミリーレストランの絶対位置座標値
（ｘ_i+2，ｙ_i+2）が、位置情報として付加されている。
また、９０５が示すエリア２の辞書では、郵便局、個人
の住宅として鈴木宅、佐藤宅等が登録されており、単語
「郵便局」には、このエリア２に存在する郵便局の絶対
位置座標値（ｘ_k，ｙ_k）が、位置情報として付加されて
いる。同様に、単語「鈴木宅」には、このエリア２に存
在する個人住宅である鈴木宅の絶対位置座標値
（ｘ_k+1，ｙ_k+1）が、位置情報として付加されている。
単語「佐藤宅」には、このエリア２に存在する個人住宅
である佐藤宅の絶対位置座標値（ｘ_k+2，ｙ_k+2）が、位
置情報として付加されている。

【００８６】いま例えば、カーナビゲーションシステム
のディスプレイに表示されている矩形９０４のエリア１
において、走行中の運転者は、コンビニエンスストアに
入りたいと思ったとする。そこで、カーナビゲーション
システムに対して、例えば、「コンビニ」と発声する
と、エリア１内にコンビニエンスストアが９０６のＣ地
点に存在すれば、まず、図７に示すように目的地Ｃ地点
を点滅表示し、目的地Ｃ地点までのルートを太線や色を
変えて表示し、走行距離や走行所要時間を表示する。ま
た、音声誘導で「３ｋｍ先の次の交差点を左折して、次
の交差点を右折したところにあります。」と音声合成で
答えてくれる。

【００８７】次に、図６を用いてこのような音声による
インタフェースを実現するための処理を、上の例により
説明しよう。

【００８８】先ず、音声認識システムは、各エリアごと
の単語辞書に対して音声認識をおこなう（Ｓ１００
１）。認識された単語、例えば、「コンビニ」には、コ
ンビニが存在する場所の絶対位置座標値である
（ｘ_i+1，ｙ_i+1）が、認識結果（目的地）として、「コ
ンビニ」を示すテキストコードと共に出力される。

【００８９】次に、Ｓ１００１で出力された認識結果
（目的地）、「コンビニ」の絶対位置座標値（ｘ_i+1，
ｙ_i+1）から、カーナビゲーションシステムのディスプ
レイ等の表示デバイス座標系の座標値で、かつ表示され
ている方角による座標値に座標変換計算する（Ｓ１００
２）。

【００９０】また、Ｓ１００１で出力された認識結果
（目的地）、「コンビニ」の絶対位置座標値（ｘ_i+1，
ｙ_i+1）と、現在走行している現在地を示すＧＰＳから
の絶対位置座標値（Ｘｃ，Ｙｃ）とから、道路事情を含
めた、現在地から目的地までの走行距離を計算する（Ｓ
１００３）。

【００９１】最後に、上記の計算結果に基づいて、カー
ナビゲーションシステムのディスプレイ上に、目的地、
目的地までのルート、走行距離、走行所要時間を表示す
る（Ｓ１００４）。

【００９２】次に、今一つのユーザインタフェースを提
供する例について説明しよう。

【００９３】さて、Ａ地点を走行していた車は、現在、
エリア２にあるＢ地点を走行しているものとする。

【００９４】記号９０３は、カーナビゲーションシステ
ムを搭載した車が現在走行しているポイント（Ｂ地点）
と走行方向を表示している。Ｂ地点において、音声認識
可能な単語は、９０５が示すエリア２の中に存在する地
名、通り名、交差点名、建造物名、個人住宅（個人名）
等である。

【００９５】いま例えば、カーナビゲーションシステム
のディスプレイに表示されている矩形９０５のエリア２
において、走行中の運転者は、最終目的地である「佐藤
宅」に向かっているとする。そこで、カーナビゲーショ
ンシステムに対して、例えば、「佐藤宅」と発声する
と、エリア２内に佐藤宅が９０７のＤ地点に存在すれ
ば、まず、最終目的地Ｄ地点を点滅表示し、目的地Ｄ地
点までのルートを太線や色を変えて表示し、走行距離や
走行所要時間を表示する。また、音声誘導で「５ｋｍ先
の次の信号機交差点を右折して、次の交差点を左折した
ところにあります。」と音声合成で答えてくれる。

【００９６】上記の処理は、図４を用いて説明したよう
にエリア１の場合と同様に計算して、おこなうことがで
きる。

【００９７】〔実施形態２〕以下、本発明に係る第二の
実施形態を、図８ないし図１０を用いて説明する。図８
は、携帯型情報機器の概観図である。図９は、本発明に
係る第二の実施形態の音声認識システムの辞書の切り換
え処理と音声認識の処理を説明するフローチャートであ
る。図１０は、音声認識のための辞書の階層を図示した
模式図である。

【００９８】本実施形態は、本発明の音声認識システム
を、ＰＤＡ（Personal Digital Assistants）に代表さ
れるような携帯型情報機器、携帯型翻訳機等のシステム
に、応用した場合である。

【００９９】図８に示されるような携帯型情報機器は、
半導体技術の進歩により、年々小型で便利なものが開発
されており、昨今では、爆発的な普及を見ている。本発
明の音声認識のために辞書を切り換えるというアイデア
は、このような携帯型情報機器にも利用することができ
る。

【０１００】すなわち、図１０に示されるように、音声
認識のためのインデックス辞書を用意しておく。このイ
ンデックス辞書には、例えば、「開け」、「保存」、
「印刷」などのコマンド、「住所録」、「スケジュー
ル」、「メモ」などのこの機器で利用できる機能が登録
されている。

【０１０１】そして、このインデックス辞書に該当する
語が認識されたときには、それに関連する文類別辞書に
切り換えるようにする。例えば、「住所録」の語が、認
識されたときには、その住所録機能のための人名が登録
された辞書である。また、「開け」コマンドに関する辞
書は、このコマンドに対するオプションのための語を登
録した辞書である。

【０１０２】この処理を図９の順を追って説明すると以
下の通りである。

【０１０３】先ず、音声認識のための辞書を音声認識の
辞書として使える状態にして、この辞書に対して音声認
識させる（Ｓ６０１）。

【０１０４】次に、インデックス辞書の認識結果に対し
て、認識結果が示す辞書に切り換える（Ｓ６０２）。

【０１０５】最後に、新たに音声認識の対象になった分
類別辞書により、音声認識がおこなわれる（Ｓ６０
３）。例えば、上の例で言うと、「日立太郎」と音声入
力すると、「日立太郎」を音声認識処理して、その機器
のディスプレイに日立太郎の住所が出力される。

【０１０６】

【発明の効果】本発明によれば、小型情報システムに用
いられる音声認識システムにおいて、システム全体とし
て音声認識できる語彙数の増加しても、認識率や認識応
答時間の性能を低下させないで音声認識ができる音声認
識システムを提供することができる。

【０１０７】また、本発明によれば、音声認識を用いた
カーナビゲーションシステムおいて、特に、音声による
目的地の地図上の位置の探索や、音声による誘導システ
ムにおいて、良好な音声認識インターフェースを実現す
ることができる。

【図面の簡単な説明】

【図１】本発明に係る音声認識システムの各機能とその
処理の流れを示すブロック図である。

【図２】本発明のハードウェア構成を示すブロック図で
ある。

【図３】カーナビゲーションのエリアと対応する辞書の
関係を説明するための模式図である。

【図４】本発明の第一の実施形態に係る音声認識システ
ムにおいて、音声認識の辞書切り換え処理を示すフロー
チャートである。

【図５】カーナビゲーションのエリアと対応する辞書の
関係を、その地図上の構成物の位置関係を含めて説明す
るための模式図である。

【図６】音声認識の結果により、カーナビゲーションシ
ステムの地図上に結果を反映する処理を示す模式図であ
る。

【図７】本実施形態のカーナビゲションシステムのディ
スプレイの表示を示す模式図である。

【図８】携帯型情報機器の概観図である。

【図９】本発明に係る第二の実施形態の音声認識システ
ムの辞書の切り換え処理と音声認識の処理を説明するフ
ローチャートである。

【図１０】音声認識のための辞書の階層を図示した模式
図である。

【図１１】従来技術に係る音声翻訳装置の構成を示すブ
ロック図である。

【符号の説明】

９０１…カーナビゲーションシステム道路地図表示 ９０２…カーナビゲーションシステムＡ地点走行車表示 ９０３…カーナビゲーションシステムＢ地点走行車表示 ９０４…カーナビゲーションシステムエリア１表示 ９０５…カーナビゲーションシステムエリア２表示 ９０６…カーナビゲーションシステム目的地Ｃ地点表示 ９０７…カーナビゲーションシステム目的地Ｄ地点表示 ９０８…カーナビ用音声認識単語辞書フォーマット ９０９…カーナビ用音声認識単語辞書エリア ９１０…カーナビ用音声認識単語辞書単語 ９１１…カーナビ用音声認識単語辞書位置座標値 ９１２…カーナビ用音声認識単語辞書拡張子

───────────────────────────────────────────────────── フロントページの続き (51)Int.Cl.⁶ 識別記号 ＦＩ Ｇ０９Ｂ 29/10 Ｇ０９Ｂ 29/10 Ａ

Claims (19)

【特許請求の範囲】
1. 【請求項１】 音声認識の対象となる単語や文章を集め
   て辞書として定義し、音声認識の結果として、それらの
   単語や文章をピックアップする音声認識システムにおい
   て、 このシステムは、 前記辞書を複数有し、 前記複数の辞書を格納しておく第一の記憶部と、 前記複数の辞書から一つの辞書を選択し格納しておく第
   二の記憶部と、 前記複数の辞書から一つだけ辞書を選択する辞書切り換
   え情報を受けて、辞書を切り換える辞書切り換え部と、 取り込んだ音声に対して、音声分析処理をおこなう音声
   分析部と、 音声のパターンを音素単位で捉える音響モデルと、 音声分析結果に対して、前記音響モデルと前記辞書とを
   参照し、音声認識処理をおこなう音声認識部とを備え、 前記辞書切り換え部により、前記複数の辞書より一つの
   辞書を選択して、それを音声認識の対象として、音声認
   識をおこなうことを特徴とする音声認識システム。
2. 【請求項２】 前記辞書の切り換え情報が、音声認識の
   結果、音声認識の対象とした辞書の中に該当する単語や
   文章が見出せなかったことであることを特徴とする請求
   項１記載の音声認識システム。
3. 【請求項３】 前記辞書に集められた単語や文章に、そ
   の単語や文章を表すコードの外に、付加情報を有するこ
   とを特徴とする請求項１および請求項２記載のいずれか
   の音声認識システム。
4. 【請求項４】 前記複数の辞書を格納しておく第一の記
   憶部は、ハードディスク、メモリカード、または、ＲＯ
   Ｍであり、 前記複数の辞書から一つの辞書を選択し格納しておく第
   二の記憶部は、ＲＡＭであることを特徴とする請求項１
   ないし請求項３記載のいずれかの音声認識システム。
5. 【請求項５】 この音声認識システムは、カーナビゲー
   ションシステムにおける音声認識システムであって、 前記辞書に集められた単語は、このカーナビゲーション
   システムで用いられる地名、交差点名、通り名、建物名
   であることを特徴とする請求項１ないし請求項４記載の
   いずれかの音声認識システム。
6. 【請求項６】 前記カーナビゲーションシステムは、カ
   ーナビゲーションの対象となるエリアを複数持ち、 前記辞書は、各エリアに対応して設けられ、 その辞書に集められた単語は、対応するエリアに存在す
   る対象を表す地名、交差点名、通り名、建物名であるこ
   とを特徴とする請求項５記載の音声認識システム。
7. 【請求項７】 前記複数の辞書から一つの辞書を選択す
   る辞書切り換え情報は、カーナビゲーションシステムで
   用いられている衛生測位システムＧＰＳ（Global Posit
   ioning system）からの位置情報であることを特徴とす
   る請求項１ないし請求項６記載のいずれかの音声認識シ
   ステム。
8. 【請求項８】 この音声認識システムは、カーナビゲー
   ションシステムにおける音声認識システムであって、 前記辞書に集められた単語には、付加情報として、地球
   上の経度、緯度で示される位置情報を持ち、 このカーナビゲションシステムは、現在の走行するエリ
   アを地図として表示しているときに、 現在地を示すＧＰＳからの位置情報と、単語に付加され
   た位置情報とから、音声認識した単語にあたる対象の前
   記地図上の表示位置座標値と、現在地からの走行距離と
   を計算して、 音声認識した単語にあたる対象の位置を地図上に表示す
   るとともに、走行ルート、走行距離、走行所要時間を前
   記地図上に表示することを特徴とする請求項７記載の音
   声認識システム。
9. 【請求項９】 第一の辞書に集められた単語が、第二の
   辞書に切り換えるためのインデックスであるインデック
   ス辞書であり、 先ず、第一の辞書を参照して、音声認識をおこなって、
   その結果としてインデックスをピックアップし、そのイ
   ンデックスに基づき、次の音声認識で参照する第二の辞
   書を選択することを特徴とする請求項１ないし請求項４
   記載のいずれかの音声認識システム。
10. 【請求項１０】 この音声認識システムは、携帯型情報
    機器における音声認識システムであって、 第一の辞書のインデックスが、 その携帯型情報機器の機能を表す単語、または、その携
    帯型情報機器に与えるコマンドを表す単語であることを
    特徴とする請求項９記載の音声認識システム。
11. 【請求項１１】 音声認識の対象となる単語や文章を集
    めて辞書として定義し、音声認識の結果として、それら
    の単語や文章をピックアップする音声認識システムを用
    いる音声認識方法において、 このシステムは、 前記辞書を複数有し、 前記複数の辞書を格納しておく第一の記憶部と、 前記複数の辞書から一つの辞書を選択し格納しておく第
    二の記憶部と、 前記複数の辞書から一つだけ辞書を選択する辞書切り換
    え情報を受けて、辞書を切り換える辞書切り換え部と、 取り込んだ音声に対して、音声分析処理をおこなう音声
    分析部と、 音声のパターンを音素単位で捉える音響モデルと、 音声分析結果に対して、前記音響モデルと前記辞書とを
    参照し、音声認識処理をおこなう音声認識部とを備え、 前記辞書切り換え部により、前記複数の辞書より一つの
    辞書を選択して、それを音声認識の対象として、音声認
    識をおこなうことを特徴とする音声認識方法。
12. 【請求項１２】 前記辞書の切り換え情報が、音声認識
    の結果、音声認識の対象とした辞書の中に該当する単語
    や文章が見出せなかったことであることを特徴とする請
    求項１１記載の音声認識方法。
13. 【請求項１３】 前記辞書に集められた単語や文章に、
    その単語や文章を表すコードの外に、付加情報を有する
    ことを特徴とする請求項１１および請求項１２記載のい
    ずれかの音声認識方法。
14. 【請求項１４】 この音声認識システムは、カーナビゲ
    ーションシステムにおける音声認識システムであって、 前記辞書に集められた単語は、このカーナビゲーション
    システムで用いられる地名、交差点名、通り名、建物名
    であることを特徴とする請求項１１ないし請求項１３記
    載のいずれかの音声認識方法。
15. 【請求項１５】 前記カーナビゲーションシステムは、
    カーナビゲーションの対象となるエリアを複数持ち、 前記辞書は、各エリアに対応して設けられ、 その辞書に集められた単語は、対応するエリアに存在す
    る対象を表す地名、交差点名、通り名、建物名であるこ
    とを特徴とする請求項１４記載の音声認識方法。
16. 【請求項１６】 前記複数の辞書から一つの辞書を選択
    する辞書切り換え情報は、カーナビゲーションシステム
    で用いられている衛生測位システムＧＰＳ（Global Pos
    itioning system）からの位置情報であることを特徴と
    する請求項１１ないし請求項１５記載のいずれかの音声
    認識方法。
17. 【請求項１７】 この音声認識方法は、カーナビゲーシ
    ョンシステムにおける音声認識方法であって、 前記辞書に集められた単語には、付加情報として、地球
    上の経度、緯度で示される位置情報を持ち、 このカーナビゲションシステムは、現在の走行するエリ
    アを地図として表示しているときに、 現在地を示すＧＰＳからの位置情報と、単語に付加され
    た位置情報とから、音声認識した単語にあたる対象の前
    記地図上の表示位置座標値と、現在地からの走行距離と
    を計算して、 音声認識した単語にあたる対象の位置を地図上に表示す
    るとともに、走行ルート、走行距離、走行所要時間を前
    記地図上に表示することを特徴とする請求項１６記載の
    音声認識方法。
18. 【請求項１８】 第一の辞書に集められた単語が、第二
    の辞書に切り換えるためのインデックスであるインデッ
    クス辞書であり、 先ず、第一の辞書を参照して、音声認識をおこなって、
    その結果としてインデックスをピックアップし、そのイ
    ンデックスに基づき、次の音声認識で参照する第二の辞
    書を選択することを特徴とする請求項１１ないし請求項
    １３記載のいずれかの音声認識方法。
19. 【請求項１９】 この音声認識方法は、携帯型情報機器
    における音声認識方法であって、 第一の辞書のインデックスが、 その携帯型情報機器の機能を表す単語、または、その携
    帯型情報機器に与えるコマンドを表す単語であることを
    特徴とする請求項１８記載の音声認識方法。