JPH10326175A - 音声指示装置および音声指示情報記憶媒体 - Google Patents

Abstract

(57)【要約】 【課題】 実際の感覚により近く、使い勝手のよい音声
指示装置および音声指示情報記憶媒体を提供すること。 【解決手段】 連続音声を入力する入力手段２と、入力
された連続音声を扱いやすいようにディジタルソースに
変換する変換手段４と、変換されたディジタルソースを
記憶する記憶手段６と、入力された連続音声データの
内、認識対象音声を認識して指示する第１の認識指示手
段２４と、継続音声を認識して指示する第２の認識指示
手段２６とを有する音声指示装置を用いて、連続音声に
含まれる認識対象音声により移動の開始および移動方向
を指示する信号を出力し、制御対象を移動させ、連続音
声に含まれる継続音声を継続して発話されている間、制
御対象を移動の継続を指示する信号を出力し、移動を継
続させる。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】 本発明は、制御対象に対し
て、連続音声を用いて移動の「方向」「継続」等を指示
する音声指示装置および音声指示情報記憶媒体に関す
る。

【０００２】

【背景技術および発明が解決しようとする課題】従来、
例えば、図１に示すように、マウスの代わりに音声でデ
ィスプレイ１２の画面１０上のポインタを動かす場合、
「みぎ」と言ってポインタを３０から３１、３２と、一
定速度で右への移動を開始させた後、「とまれ」と言っ
てポインタを３７で停止させるという方法が採られてい
た。この方法は、実際は１つの指示命令で済むものに２
つの指示命令を用いているため、実際に手で操作する感
覚と著しく異なっていた。また、本当は３６の位置でポ
インタを停止させたかったにも関わらず、実際にポイン
タの停止した位置は３７であったり、停止させたい位置
のある程度前で「止まれ」と言わなければならないた
め、オペレータに緊張感を強いることとなり、使い勝手
のよいものとは言えないものであった。

【０００３】本発明の目的は、実際の感覚により近く、
使い勝手のよい音声指示装置および音声指示情報記憶媒
体を提供することにある。

【０００４】

【課題を解決するための手段】前記目的を達成するた
め、請求項１記載の発明は、制御対象の移動方向を指示
する認識対象音声と、これに継続する継続音声との連続
音声で構成される音声指示命令の入力を受け付ける音声
指示装置であって、前記音声指示命令の認識対象音声を
認識し、前記制御対象の移動の開始および移動方向を指
示する信号を出力する第１の認識指示手段と、前記音声
指示命令の継続音声を認識し、その認識期間中は前記制
御対象の移動の継続を指示する信号を出力する第２の認
識指示手段と、を有することを特徴とする。

【０００５】本発明によれば、連続音声に含まれる認識
対象音声により移動の開始および移動方向を指示し、連
続音声に含まれる継続音声を継続して発話している間、
制御対象を指示方向への移動を継続させ、発話を止める
ことにより、移動を止めることができる。このように、
制御対象の移動の開始、方向、継続を１回の連続発話で
指示できるため、実際の感覚により近く、使い勝手のよ
い音声指示が行える。請求項２記載の発明は、請求項１
において、前記認識対象音声は、移動方向を指示する第
１の認識対象語と、移動速度を指示する第２の認識対象
語とを含んで構成され、前記第１の認識指示手段は、前
記認識対象音声に含まれる第１および第２の認識対象語
を認識し、前記制御対象の移動方向および移動速度を指
示する信号を出力することを特徴とする。

【０００６】本発明によれば、使用する認識対象音声の
種別により制御対象の移動速度を自在に変更することが
できる。したがって、１回の連続発話により、制御対象
の移動の開始、方向、継続に加え、移動速度も指示でき
る。

【０００７】請求項３記載の発明は、請求項１におい
て、前記認識対象音声は、発話時間により移動速度を指
示するように構成され、前記第１の認識指示手段は、前
記認識対象音声の発話時間に基づき指示された移動速度
を認識し、前記制御対象の移動方向および移動速度を指
示する信号を出力することを特徴とする。

【０００８】本発明によれば、使用する認識対象音声の
発話時間に基づき、制御対象の移動速度を自在に変更す
ることができる。

【０００９】請求項４記載の発明は、請求項１〜３のい
ずれかにおいて、前記継続音声は、音量または声の高さ
により移動速度を指示するように構成され、前記第２の
認識指示手段は、前記継続音声の音量または声の高さで
指示される移動速度を認識し、前記制御対象の移動速度
を指示する信号を出力することを特徴とする。

【００１０】本発明によれば、強弱をつけて指示するこ
とと同様の感覚で操作指示できるとともに、制御対象の
移動速度を可変にすることができるため、実際の感覚に
より近く、使い勝手がよい。

【００１１】請求項５記載の発明は、請求項１〜４のい
ずれかにおいて、発話者の平均的な最長連続発話時間に
対応して制御対象に所与の距離の移動を行わせるよう、
前記制御対象の平均移動速度が設定されていることを特
徴とする。

【００１２】本発明によれば、発話者の平均的な最長連
続発話時間に応じた移動量を決定できるため、より使い
勝手のよい音声指示が行える。例えば、ディスプレイの
画面の左端から右端までを平均的な最長連続発話時間で
移動できる最大量と設定すると使い勝手がよい。なお、
最長連続発話時間は、１０秒程度である。

【００１３】請求項６記載の発明は、請求項１〜５のい
ずれかにおいて、入力される前記音声指示命令に基づ
き、ディスプレイ上に表示されるポインタの移動方向お
よび移動の継続を指示する信号を出力することを特徴と
する。

【００１４】本発明によれば、実際のポインタの操作に
近い感覚で音声指示ができるため、快適に操作すること
ができる。

【００１５】請求項７記載の発明は、請求項１〜５のい
ずれかにおいて、入力される前記音声指示命令に基づ
き、ディスプレイの表示画面のスクロール方向およびス
クロールの継続を指示する信号を出力することを特徴と
する。

【００１６】本発明によれば、小型情報機器などボタン
が小さくて操作しにくいものに対しても、音声指示がで
きるため、快適に操作することができる。

【００１７】請求項８記載の発明は、請求項１〜５のい
ずれかにおいて、入力される前記音声指示命令に基づ
き、マニピュレータの移動方向および移動の継続を指示
する信号を出力することを特徴とする。

【００１８】本発明によれば、実際のマニピュレータの
操作に近い感覚で音声指示ができるため、快適に操作す
ることができる。

【００１９】請求項９記載の発明は、制御対象の移動方
向を指示する認識対象音声と、これに継続する継続音声
との連続音声で構成される音声指示命令の入力を受け付
ける音声指示装置であって、複数の符号データに対応し
た移動方向が予め設定された記憶手段を含み、入力され
た前記音声指示命令の認識対象音声をワードスポッティ
ングの手法により符号データに変換し、この符号データ
と前記記憶手段に記憶されたデータに基づき指示された
移動方向を認識し、前記制御対象の移動の開始および移
動方向を指示する信号を出力する第１の認識指示手段
と、前記音声指示命令の継続音声の継続を認識し、その
認識期間中は前記制御対象の移動の継続を指示する信号
を出力する第２の認識指示手段と、を有することを特徴
とする。

【００２０】本発明によれば、符号データ同士を比較す
ることにより音声指示できるため、より確実に音声指示
できる。

【００２１】請求項１１記載の発明は、制御対象の移動
方向を指示する認識対象音声と、これに継続する継続音
声との連続音声で構成される音声指示命令を認識し、実
行するプログラムを記憶している情報記憶媒体であっ
て、入力された前記音声指示命令の情報を記憶する手順
と、前記認識対象音声をワードスポッティングの手法に
より符号データに変換する手順と、複数の符号データに
対応した移動方向を表す情報と前記変換された符号デー
タとに基づき、指示された移動方向を認識し、前記制御
対象の移動の開始および移動方向を指示する手順と、前
記音声指示命令の継続音声の継続を認識し、その認識期
間中は前記制御対象の移動の継続を指示する手順と、を
コンピュータに実行させるプログラムを記憶しているこ
とを特徴とする。

【００２２】本発明によれば、音声認識指示のためのプ
ログラムと音声指示命令を情報記憶媒体内に記憶できる
ため、この情報記憶媒体を種々のコンピュータに使用し
た場合でも、新たに音声認識用の学習を行う必要が無
く、即座に各話者に応じた音声認識ができる。

【００２３】また、前記移動の継続を指示する信号を出
力する第２の認識指示手段または前記移動の継続を指示
する手順に代えて、移動の停止を指示する第２の認識指
示手段および移動の継続を指示する手順を用いることも
できる。

【００２４】具体的には、請求項１０記載の発明は、請
求項１〜９のいずれかにおいて、前記移動の継続を指示
する信号を出力する第２の認識指示手段に代えて、音声
指示命令の継続音声の継続を認識し、その認識が終了し
た時点で前記制御対象の移動の停止を指示する信号を出
力する第２の認識指示手段を有することを特徴とする音
声指示装置であり、また、請求項１２記載の発明は、請
求項１１において、前記移動の継続を指示する手順に代
えて、音声指示命令の継続音声の継続を認識し、その認
識が終了した時点で前記制御対象の移動の停止を指示す
る手順をコンピュータに実行させるプログラムを記憶し
ていることを特徴とする情報記憶媒体である。

【００２５】

【発明の実施の形態】以下、本発明による音声指示装置
および音声指示情報記憶媒体を活用した好適な実施の形
態について、図面を参照しつつ詳細に説明する。

【００２６】（第１の実施の形態）本実施の形態では、
認識対象語が一つであり、制御対象に移動の開始、方
向、継続を指示する音声認識装置について説明する。

【００２７】図２は、本発明による音声指示装置の機能
ブロック図を示す。本発明による音声指示装置は、連続
音声データを入力する入力手段２と、入力された連続音
声データを扱いやすいようにディジタルソースに変換す
る変換手段４と、変換されたディジタルソースを記憶す
る第１の記憶手段６と、記憶されたディジタルソースか
ら認識対象音声を認識し、制御対象に指示の信号を出力
する認識指示手段８と、認識対象かどうか認識するため
の参照データが記憶されている第２の記憶手段９とを有
する。

【００２８】具体的には、例えば、入力手段２はマイ
ク、変換手段４はＡ／Ｄ変換器、第１の記憶手段６はメ
モリ、認識指示手段８はＣＰＵおよび認識指示処理用の
プログラムを記憶したメモリ、第２の記憶手段９はハー
ドディスク等の外部記憶装置またはメモリである。これ
らは全て１台のコンピュータ１２に内蔵されていてもよ
いし、入力手段２や第２の記憶手段９は、外部装置とし
てコンピュータ１２と接続されるよう形成してもよい。

【００２９】図３は、音声指示命令として用いられる連
続音声１００の構成の１例を示す。連続音声１００は、
基本的には認識対象音声１０２と、それに継続している
継続音声１０６とから構成される。

【００３０】認識対象音声１０２としては、「みぎ」、
「うえ」等の方向を指示する音声、「はやく」、「ゆっ
くり」等の速度を指示する音声等がある。これらの認識
対象音声１０２は、図３に示す第１の認識対象語１０３
だけであってもよいし、第１の認識対象語１０３および
第２の認識対象語１０４のように複数連続して形成して
もよい。本実施の形態では第１の認識対象語１０３のみ
用いている。

【００３１】継続音声１０６は、認識対象音声１０２に
継続して発話される音声である。例えば、連続音声１０
０が「みぎーーー」の場合、「みぎ」が認識対象音声１
０２であり、「ーーー」が継続音声１０６である。ま
た、図３に示すように場合によっては認識対象音声１０
２の前に「えーと」等の不要音声１０８が含まれること
がある。

【００３２】ここで、制御対象としてのディスプレイ１
２の画面１０上のポインタを連続音声によって右に動か
す例をとって説明する。

【００３３】図４は、「みぎーーーーー」という連続音
声１００が音声認識装置に入力された際のフローチャー
トである。連続音声１００が入力手段２に入力されると
（ステップ２）、この連続音声１００は、変換手段４に
よりディジタル変換された後、第１の記憶手段６内のデ
ータ記憶部２０に一時的に記憶された後、認識指示手段
８に入力される（ステップ４）。

【００３４】連続音声１００が入力されている間（ステ
ップ６）、ステップ６〜２００のループにおいて、認識
対象語１０３が未確定の間、認識対象音声１０２の認識
指示処理（ステップ８）を行い、認識指示処理（ステッ
プ８）により認識対象語１０３が確定された後、継続音
声１０６の認識指示処理（ステップ９）を行う。連続音
声１００の入力が終わるとループを抜け（ステップ２０
０）、音声認識指示処理を終了する。

【００３５】図５（Ａ）は認識対象音声１０２認識指示
処理（ステップ８）を、図５（Ｂ）は継続音声１０６認
識指示処理（ステップ９）を具体的に表したフローチャ
ートである。認識指示手段８は、第１の認識指示手段２
３と第２の認識指示手段２４とを含んで構成されてい
る。また、認識の際に比較するデータとしては、第２の
記憶手段９内の第１の参照データ２８を使用する。第１
の参照データとしては、具体的には、「みぎ」「ひだ
り」等があり、比較を容易にし、より確実に音声指示で
きるように符号データとして表され、各参照データに基
づく指示命令とともに第２の記憶手段９内に記憶されて
いる。

【００３６】認識対象音声１０２認識指示処理（ステッ
プ８）においては、まず、第１の認識指示手段２３を用
いて、ワードスポッティングの手法により、１語を認識
する（ステップ１０）。例えば、「みぎ」の内の「み」
である。次に、認識した１語と第１の参照データ２８と
を比較し（ステップ１２）、認識対象語１０３の可能性
がある場合、記憶手段６内の状態記憶部２２を認識対象
語１０３の検出中状態とし、比較する参照データ２８を
次の参照語（例えば「みぎ」の内の「ぎ」）にする等の
認識後処理（ステップ１４）を行う。この時点で認識対
象語１０３を確定できない場合（ステップ１６）、入力
された音声の内、次の語も参照データ２８と比較する
（ステップ１２）。認識対象語１０３が確定された時点
で（ステップ１６）、記憶手段６内の状態記憶部２２を
認識対象語１０３の確定状態とし（ステップ１７）、第
１の認識指示手段２３により、第１の参照データ２８内
の指示命令を用いて、制御対象に移動の開始および移動
方向を指示する信号を出力する（ステップ１８）。

【００３７】一方、認識対象語１０３が確定されない間
は、参照データ２８と入力された次の語との比較を繰り
返す（ステップ１２、２０）。認識対象語１０３の確定
後は、それに続く音声は継続音声１０６であるというこ
とと、確定という状態が判断できるため（ステップ
７）、継続音声１０６の認識指示処理（ステップ９）を
行う。第２の認識指示手段２４により、継続音声１０６
を認識し、継続音声１０６が入力されている間、制御対
象に移動継続を指示する信号を出力する（ステップ２
２）。

【００３８】なお、第２の認識指示手段２４を、継続音
声１０６を認識し、継続音声１０６の入力が終了して認
識が終了した時点で移動の停止を指示する信号を出力す
るよう形成することもできる。

【００３９】図６は、ディスプレイ１２の画面１０上の
ポインタの動作を示す。「みぎ」という認識対象語１０
２が確定された時点ｔ１で、ポインタは初期位置４０か
ら右方向に移動を開始し、「ー」という継続音声が継続
して発話されている間、動作継続が指示され、単位時間
当たり一定の移動量で位置４１、位置４２と右へ移動す
る。なお、図６では、各ポインタは、単位時間毎のポイ
ンタの表示位置を示す（他の図の表示例も同様であ
る）。オペレータは、自分がポインタを止めたい位置４
６（ｔ２時点）で「みぎーーーーー」という発話を終え
ることにより、ポインタを位置４６で止めることができ
る。

【００４０】なお、この一定の移動量は、発話者の平均
的な最長連続発話時間に対応して定められている。例え
ば、最長連続発話時間分の発話により、画面１０の左端
から右端までポインタが移動するよう設定できる。具体
的には、最長連続発話時間１０秒程度である。

【００４１】このように、オペレータの感覚と制御対象
（この例ではポインタ）の操作が同期している上、一つ
の命令で指示できるため、極めて使い勝手のよい音声指
示が行える。しかも、制御対象を止めたい位置で止める
ことができるため、オペレータに緊張感を強いることも
ない。

【００４２】さらに、オペレータごとの平均的な最長連
続発話時間に対応して移動速度が定められているため、
より使い勝手のよい音声指示が行える。

【００４３】（第２の実施の形態）本実施の形態では、
認識対象語が１０３、１０４と２つあり、制御対象に移
動の開始、方向、継続、速度を指示する音声認識装置に
ついて説明する。

【００４４】例えば、制御対象を右に速く動かしたい場
合、例えば「みぎはやくーー」という音声指示により所
望の移動をさせることができる。「みぎはやくーー」の
ように認識対象語が２つある場合、認識対象音声１０２
の音声認識指示処理（ステップ８）は図７に示す手順で
行われる。なお、他の処理は第１の実施の形態と同様な
ので省略する。

【００４５】第１の認識対象語１０３が確定するまでは
図５と同様である（ステップ２８）。第１の認識対象語
１０３が確定した後（ステップ２６）は、第１の認識指
示処理（ステップ２８）と同様に第２の認識指示処理
（ステップ３０）を行う。

【００４６】第２の認識指示処理（ステップ３０）は、
第１の認識対象語１０３が確定された時点から開始さ
れ、第１の認識指示処理（ステップ２８）と同様に、ワ
ードスポッティングにより１語を認識し、第２の参照デ
ータ２９と比較し、第２の認識対象語１０４と確定する
まで認識処理を繰り返す。第２の認識対象語１０４が確
定された時点で、第１の認識対象語１０３と第２の認識
対象語１０４の両方に基づいた指示命令をする信号を出
力する。ここで、第２の参照データ２９とは、第２の認
識対象語１０４と比較するためのデータで、例えば、
「はやく」「ゆっくり」「みぎ」等の符号データであ
り、各符号データに基づく指示命令とともに第２の記憶
手段９内に記憶されている。なお、最初から２つの認識
対象語が確定した時点で指示命令をする信号を出力する
ように形成してもよい。

【００４７】図８は、「みぎはやくーー」という音声指
示に対するポインタの動作例を示す図である。図６と図
８を比較すれば分かるように、どちらも一定速度で移動
するが、単位時間当たりの移動量は、ポインタ４０、４
１とポインタ６０、６１を比較すれば分かるように、図
８の例の方が大きい。単位時間当たりの移動量とは、す
なわち、速度のことである。

【００４８】この場合の連続音声は「みぎ」と「はや
く」という２つの認識対象語を含んでいる。このように
異なる種別の認識対象語を組み合わせることにより、制
御対象の移動速度と移動方向を同時かつ自在に指示する
ことができる。認識対象語の順序は逆でもよく、「はや
くみぎーー」でも同様の処理が行える。

【００４９】また、同じ「みぎ」という認識対象語であ
っても、「みぎみぎ」と２つの認識対象語を発話するこ
とにより、同様の認識指示処理を行うことにより、制御
対象の移動速度を速くすることができる。もちろん、認
識対象語を３つ以上にした場合も同様に認識指示処理が
行える。例えば、「みぎみぎみぎ」と発話すると、「み
ぎみぎ」よりもさらに速く制御対象を右に移動させるこ
とができる。

【００５０】（第３の実施の形態）本実施の形態では、
認識対象語１０３は一つであるが、認識対象語１０３の
発話の継続時間が標準的な値と異なる場合、制御対象に
移動の開始、方向、速度を指示するとともに速度を変更
できる音声認識装置について説明する。

【００５１】例えば、制御対象を右にゆっくり動かした
い場合、「みーぎー」のように認識対象語１０３をゆっ
くり発話すればよい。同じ「みぎ」という認識対象語で
あっても、ゆっくり発話することにより、制御対象の移
動速度を遅くすることができる。逆に移動速度を速くし
たい場合は、速く発話すればよい。

【００５２】「みーぎー」のように認識対象語がある程
度継続して発話されている場合、図５の認識対象語と判
断された後の処理、ステップ１４〜１８は、図９に示す
発話継続時間処理のように処理する。

【００５３】まず、認識対象語と判断したのが初回かど
うか判断し（ステップ５０）、初回である場合、開始時
刻を取得する（ステップ５２）。この開始時刻として
は、例えば、コンピュータ内部に記憶された現在時刻が
使用できる。その後、認識後処理（ステップ１４）を行
い、認識指示処理を繰り返す。認識対象語が確定した場
合（ステップ１６）、終了時刻を取得する（ステップ５
４）。この終了時刻としても、例えば、コンピュータ内
部に記憶された現在時刻が使用できる。取得した終了時
刻と開始時刻との差をＣＰＵで演算すれば、一つの認識
対象語の発話継続時間が求められる。この発話継続時間
に基づき、移動速度を決定して指示する信号を出力する
（ステップ１８）ことができる。これらの認識指示処理
は、第１の認識指示手段２３を用いて行う。

【００５４】図１０は、「みーぎー」という音声指示に
対するポインタの動作例を示す図である。図６と図１０
を比較すれば分かるように、どちらも一定速度で移動す
るが、単位時間当たりの移動量は、ポインタ４０、４１
とポインタ５０、５１を比較すれば分かるように、図１
０の例の方が小さい。単位時間当たりの移動量とは、す
なわち、速度のことである。つまり、「みーぎ」とゆっ
くり発話することにより、「みぎ」と発話するより制御
対象をゆっくり動かすことができる。

【００５５】（第４の実施の形態）本実施の形態では、
認識対象語１０３が一つであり、制御対象に移動の開
始、方向、速度を指示するが、継続音声１０６の音量ま
たは高さを測定し、移動中の速度を自在に変更すること
ができる音声認識装置について説明する。

【００５６】図１１は、図２に示す音声指示装置の変形
例を示す機能ブロック図である。図１１に示す音声指示
装置は、図２に示す音声指示装置の構成に加え、音声デ
ータの音量を測定する測定手段２６を有している。この
測定手段２６は、ピッチ（音声の高さ）を測定すること
もできる。

【００５７】測定手段２６は、入力手段２により入力さ
れて変換手段４によりディジタル変換された音声データ
から音の振幅を測定するよう形成されている。測定され
たデータは、第１の記憶手段６内部のデータ記憶部２０
に記憶される。

【００５８】このときの処理の流れは、図４および図５
で示す連続音声認識指示処理とほぼ同様の処理を行う
が、継続音声１０６の認識指示処理が異なる。

【００５９】図１２は、継続音声１０６の認識指示処理
の流れを示すフローチャートである。認識対象語１０３
確定後（ステップ７）、継続音声１０６の音量を測定し
（ステップ６０）、その音量に基づいて制御対象の移動
速度の変更指示を命令する（ステップ６２）。音量が大
きいほど制御対象は速く動き、音量が小さいほど制御対
象はゆっくり動く。継続音声１０６および音量の認識
は、第２の認識指示手段２４により行う。

【００６０】図１３は、「みぎーー」という言葉を音量
を変化させながら発声したときの指示に対するポインタ
の動作例を示す図である。データ記憶部２０には、「み
ぎーー」という符号データに加え、測定手段２６により
測定した発話されたときの音量が時系列データとして記
憶される。図１３に示すように、音量を大きくすると
（図１３（Ｂ）区間）、ポインタは速く動き（図１
３（Ａ）区間）、音量を小さくすると（図１３
（Ｂ）区間）、ポインタはゆっくり動く（図１３
（Ａ）区間）。すなわち、オペレータが発話の音量
を調整することにより、ポインタの移動速度を自分の意
志に合わせて制御できる。

【００６１】また、音の高低によって制御することもで
きる。この場合も音量制御と同様で、データ記憶部２０
には、「みぎーー」という符号データに加え、測定手段
２６により測定された発話されたときの音の振動数が時
系列データとして記憶される。図１３に示すように、声
を高く（振動数を大きく）すると、ポインタは速く動き
（図１３（Ａ）区間）、声を低く（振動数を小さ
く）すると、ポインタはゆっくり動く（図１３（Ａ）
区間）。すなわち、オペレータが発話の音の高低を調
整することにより、ポインタの移動速度を自分の意志に
合わせて制御できる。

【００６２】以上のように、オペレータの音量または音
声の高低によって、制御対象の移動速度を可変にできる
ため、よりオペレータの感覚に近い音声指示が行える。

【００６３】（第５の実施の形態）本実施の形態では、
上記の各種音声認識装置を小型情報機器、マニピュレー
タ、情報記憶媒体等の各種機器に適用した例について説
明する。

【００６４】図１４は、本発明を小型情報機器に適用し
た例を示す図である。手のひらサイズの小型情報機器
は、機器上のボタンやキー等が必然的に小さくなり、操
作し難い。本発明による音声指示装置を内部に組み込む
ことにより、極めて操作し易い小型情報機器を実現でき
る。

【００６５】例えば、図１４（Ａ）に示す状態で、ユー
ザが「うえーーーーー」と発話することにより、マイク
１５０から小型情報機器内部の音声認識指示装置に音声
データが入力されることにより、画面が上方向にスクロ
ールし、図１４（Ｂ）に示す状態となる。このように、
小さなボタンやキー等を押すことなく、小型情報機器の
画面を操作することができ、ユーザにとっては極めて使
い勝手がよく、小型情報機器の製造企業にとっては、ボ
タンやキー等を機器上に配置する必要がなくなるため、
より小型の情報機器をユーザに提供することができる。

【００６６】また、上記のポインタ指示や画面のスクロ
ールに限らず、ディジタル時計の時刻合わせ等の連続的
に変化するものにも適用できる。

【００６７】上記の制御対象はマニピュレータであって
もよい。上記の例と同様に、「みぎーーー」と発話すれ
ば、発話している間マニピュレータを右に動かすことが
でき、発話を止めることでマニピュレータの動きも止め
ることができる。

【００６８】本発明によれば、実際のマニピュレータの
操作に近い感覚で音声指示ができるため、快適に操作す
ることができる。

【００６９】また、上記の連続音声情報および音声指示
プログラムを情報記憶媒体に記憶するよう形成すること
もできる。

【００７０】具体的にはこの情報記憶媒体は、制御対象
の移動方向を指示する認識対象音声と、これに継続する
継続音声との連続音声で構成される音声指示命令を認識
し、実行するプログラムを記憶している情報記憶媒体で
あって、入力された前記音声指示命令の情報を記憶する
手順と、前記認識対象音声をワードスポッティングの手
法により符号データに変換する手順と、複数の符号デー
タに対応した移動方向を表す情報と前記変換された符号
データとに基づき、指示された移動方向を認識し、前記
制御対象の移動の開始および移動方向を指示する手順
と、前記音声指示命令の継続音声の継続を認識し、その
認識期間中は前記制御対象の移動の継続を指示する手順
とをコンピュータに実行させるプログラムを記憶してい
る。

【００７１】このような音声指示装置においては、話者
ごとの学習に時間がかかるが、本発明による情報記憶媒
体を適用することにより、音声認識指示のためのプログ
ラムと音声指示命令を情報記憶媒体内に記憶できるた
め、この情報記憶媒体を種々のコンピュータに使用した
場合でも、新たに音声認識用の学習を行う必要が無く、
即座に各話者に応じた音声認識ができる。

【００７２】なお、前記音声指示命令の継続音声の継続
を認識し、その認識期間中は前記制御対象の移動の継続
を指示する手順を、前記音声指示命令の継続音声の継続
を認識し、その認識が終了した時点で前記制御対象の移
動の停止を指示する手順として形成することもできる。

【図面の簡単な説明】

【図１】従来の音声指示に対するマウスポインタの動作
例を示す図である。

【図２】本発明の実施の形態の一例に係る音声指示装置
の機能ブロック図である。

【図３】連続音声の構成を示す概略図である。

【図４】本発明の実施の形態の一例に係る音声指示のフ
ローチャートを示す図である。

【図５】本発明の実施の形態の一例に係る認識指示処理
のフローチャートを示す図である。

【図６】本発明の実施の形態の一例に係る「みぎーー
ー」という音声指示に対するポインタの動作例を示す図
である。

【図７】本発明の実施の形態の一例に係る認識対象音声
の認識指示処理のフローチャートを示す図である。

【図８】本発明の実施の形態の一例に係る「みぎはやく
ーー」という音声指示に対するポインタの動作例を示す
図である。

【図９】本発明の実施の形態の一例に係る発話時間処理
のフローチャートを示す図である。

【図１０】本発明の実施の形態の一例に係る「みーぎ
ー」という音声指示に対するポインタの動作例を示す図
である。

【図１１】図２に示す音声指示装置の変形例を示す機能
ブロック図である。

【図１２】本発明の実施の形態の一例に係る音量変化に
よる継続音声の認識指示処理のフローチャートを示す図
である。

【図１３】本発明の実施の形態の一例に係る「みぎー
ー」という言葉を音量を変化させながら発声したときの
指示に対するポインタの動作例を示す図である。

【図１４】本発明の実施の形態の一例に係る小型情報機
器の操作を示す図である。

【符号の説明】

２ 入力手段 ４ 変換手段 ６ 第１の記憶手段 ８ 認識指示手段 ９ 第２の記憶手段 ２０ データ記憶部 ２２ 状態記憶部 ２３ 第１の認識指示手段 ２４ 第２の認識指示手段 ２６ 測定手段 ２８ 第１の参照データ ２９ 第２の参照データ １００ 連続音声 １０２ 認識対象音声 １０３ 第１の認識対象語 １０４ 第２の認識対象語 １０６ 継続音声 １０８ 不要音声 １５０ マイク

───────────────────────────────────────────────────── フロントページの続き (72)発明者 宮沢 康永 長野県諏訪市大和３丁目３番５号 セイコ ーエプソン株式会社内 (72)発明者 相澤 直 長野県諏訪市大和３丁目３番５号 セイコ ーエプソン株式会社内

Claims (12)

【特許請求の範囲】
1. 【請求項１】 制御対象の移動方向を指示する認識対象
   音声と、これに継続する継続音声との連続音声で構成さ
   れる音声指示命令の入力を受け付ける音声指示装置であ
   って、 前記音声指示命令の認識対象音声を認識し、前記制御対
   象の移動の開始および移動方向を指示する信号を出力す
   る第１の認識指示手段と、 前記音声指示命令の継続音声を認識し、その認識期間中
   は前記制御対象の移動の継続を指示する信号を出力する
   第２の認識指示手段と、 を有することを特徴とする音声指示装置。
2. 【請求項２】 請求項１において、 前記認識対象音声は、 移動方向を指示する第１の認識対象語と、移動速度を指
   示する第２の認識対象語とを含んで構成され、 前記第１の認識指示手段は、 前記認識対象音声に含まれる第１および第２の認識対象
   語を認識し、前記制御対象の移動方向および移動速度を
   指示する信号を出力することを特徴とする音声指示装
   置。
3. 【請求項３】 請求項１において、 前記認識対象音声は、 発話時間により移動速度を指示するように構成され、 前記第１の認識指示手段は、 前記認識対象音声の発話時間に基づき指示された移動速
   度を認識し、前記制御対象の移動方向および移動速度を
   指示する信号を出力することを特徴とする音声指示装
   置。
4. 【請求項４】 請求項１〜３のいずれかにおいて、 前記継続音声は、 音量または声の高さにより移動速度を指示するように構
   成され、 前記第２の認識指示手段は、 前記継続音声の音量または声の高さで指示される移動速
   度を認識し、前記制御対象の移動速度を指示する信号を
   出力することを特徴とする音声指示装置。
5. 【請求項５】 請求項１〜４のいずれかにおいて、 発話者の平均的な最長連続発話時間に対応して制御対象
   に所与の距離の移動を行わせるよう、前記制御対象の平
   均移動速度が設定されていることを特徴とする音声指示
   装置。
6. 【請求項６】 請求項１〜５のいずれかにおいて、 入力される前記音声指示命令に基づき、ディスプレイ上
   に表示されるポインタの移動方向および移動の継続を指
   示する信号を出力することを特徴とする音声指示装置。
7. 【請求項７】 請求項１〜５のいずれかにおいて、 入力される前記音声指示命令に基づき、ディスプレイの
   表示画面のスクロール方向およびスクロールの継続を指
   示する信号を出力することを特徴とする音声指示装置。
8. 【請求項８】 請求項１〜５のいずれかにおいて、 入力される前記音声指示命令に基づき、マニピュレータ
   の移動方向および移動の継続を指示する信号を出力する
   ことを特徴とする音声指示装置。
9. 【請求項９】 制御対象の移動方向を指示する認識対象
   音声と、これに継続する継続音声との連続音声で構成さ
   れる音声指示命令の入力を受け付ける音声指示装置であ
   って、 複数の符号データに対応した移動方向が予め設定された
   記憶手段を含み、入力された前記音声指示命令の認識対
   象音声をワードスポッティングの手法により符号データ
   に変換し、この符号データと前記記憶手段に記憶された
   データに基づき指示された移動方向を認識し、前記制御
   対象の移動の開始および移動方向を指示する信号を出力
   する第１の認識指示手段と、 前記音声指示命令の継続音声の継続を認識し、その認識
   期間中は前記制御対象の移動の継続を指示する信号を出
   力する第２の認識指示手段と、 を有することを特徴とする音声指示装置。
10. 【請求項１０】 請求項１〜９のいずれかにおいて、 前記移動の継続を指示する信号を出力する第２の認識指
    示手段に代えて、 音声指示命令の継続音声の継続を認識し、その認識が終
    了した時点で前記制御対象の移動の停止を指示する信号
    を出力する第２の認識指示手段を有することを特徴とす
    る音声指示装置。
11. 【請求項１１】 制御対象の移動方向を指示する認識対
    象音声と、これに継続する継続音声との連続音声で構成
    される音声指示命令を認識し、実行するプログラムを記
    憶している情報記憶媒体であって、 入力された前記音声指示命令の情報を記憶する手順と、 前記認識対象音声をワードスポッティングの手法により
    符号データに変換する手順と、 複数の符号データに対応した移動方向を表す情報と前記
    変換された符号データとに基づき、指示された移動方向
    を認識し、前記制御対象の移動の開始および移動方向を
    指示する手順と、 前記音声指示命令の継続音声の継続を認識し、その認識
    期間中は前記制御対象の移動の継続を指示する手順と、 をコンピュータに実行させるプログラムを記憶している
    ことを特徴とする情報記憶媒体。
12. 【請求項１２】 請求項１１において、 前記移動の継続を指示する手順に代えて、 音声指示命令の継続音声の継続を認識し、その認識が終
    了した時点で前記制御対象の移動の停止を指示する手順
    をコンピュータに実行させるプログラムを記憶している
    ことを特徴とする情報記憶媒体。