JPH10340179A - 音声認識処理装置及び音声認識処理プログラムを記録した記録媒体 - Google Patents

Abstract

(57)【要約】 【課題】 所定の記録媒体に記録された音声データを音
声認識する音声認識処理装置及び音声認識処理プログラ
ムを記録した記録媒体を提供する。 【解決手段】 コンピュータ１のＣＰＵ１ａで、音声認
識処理プログラムを記録した第１記録媒体７より音声認
識処理プログラムを読み込み、この音声認識処理プログ
ラムに沿って、音声データが記録された第２記録媒体１
０から音声データを読み込み、音声認識してテキストデ
ータに変換し、上記テキストデータを表示装置３に表示
せしめる。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は、音声認識処理装置
及び音声認識処理プログラムを記録した記録媒体、詳し
くは、プログラムされたコンピュータによって音声認識
処理をする音声認識処理装置及びコンピュータによって
音声認識処理をするための処理プログラムを記録した音
声認識処理プログラムを記録した記録媒体に関する。

【０００２】

【従来の技術】近年、音声認識技術の研究は盛んに行わ
れており、リアルタイムで音声を認識できる技術手段も
提案され、種々の製品に利用されるに至っている。例え
ば電話でのチケット予約やカーナビゲーションの音声コ
マンド等がこれに該当する。また、パーソナルコンピュ
ータの性能向上によってパーソナルコンピュータ用のア
プリケーションソフトのうち音声認識を可能とするソフ
トウェアも知られている。

【０００３】近年発売されたＩＢＭ社のＶｏｉｃｅ Ｔ
ｙｐｅ３．０ ｆｏｒ Ｗｉｎｄｏｗｓ９５はマイクか
ら入力した音声をリアルタイムにテキストデータに変換
するというもので認識率もかなり高いものとなってい
る。

【０００４】

【発明が解決しようとする課題】しかしながら、上記ア
プリケーションソフトは入力する手段としてはマイクか
らの入力だけで、すでに存在している音声ファイルを直
接認識処理することはできないという問題点があった。

【０００５】本発明はかかる問題点に鑑みてなされたも
のであり、所定の記録媒体に記録された音声データを音
声認識する音声認識処理装置及び音声認識処理プログラ
ムを記録した記録媒体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】上記の目的を達成するた
めに本発明の第１の音声認識処理装置は、プログラムさ
れたコンピュータによって音声認識処理をする装置であ
って、音声データが記録された音声データ用記録媒体か
ら音声データを読み込む音声データ読込手段と、上記音
声データを音声認識してテキストデータに変換する音声
認識処理手段と、上記テキストデータを表示する表示手
段と、を具備する。

【０００７】上記の目的を達成するために本発明の第１
の音声認識処理プログラムを記録した記録媒体は、コン
ピュータによって音声認識処理をするための処理プログ
ラムを記録した記録媒体であって、上記処理プログラム
は、コンピュータに音声データが記録された音声データ
用記録媒体から音声データを読み込ませ、上記音声デー
タを音声認識してテキストデータに変換させ、上記テキ
ストデータを表示させることを特徴とする。

【０００８】上記の目的を達成するために本発明の第２
の音声認識処理プログラムを記録した記録媒体は、上記
第１の音声認識処理プログラムを記録した記録媒体にお
いて、上記音声認識処理プログラムは、さらに、コンピ
ュータに上記音声データを音声認識してテキストデータ
に変換させるときにおいて、所定の時間間隔毎に、所定
の語数のみ音声認識してテキストデータに変換させるこ
とを特徴とする。

【０００９】上記の目的を達成するために本発明の第３
の音声認識処理プログラムを記録した記録媒体は、上記
第１または第２の音声認識処理プログラムを記録した記
録媒体において、上記音声認識処理プログラムは、さら
に、コンピュータに上記音声データを音声認識してテキ
ストデータに変換させるときにおいて、音声データが記
録された記録媒体上の所定の位置から、所定の語数のみ
音声認識してテキストデータに変換させることを特徴と
する。

【００１０】上記の目的を達成するために本発明の第４
の音声認識処理プログラムを記録した記録媒体は、コン
ピュータによって音声認識処理をするための処理プログ
ラムを記録した記録媒体であって、上記処理プログラム
は、コンピュータに音声データが記録された音声データ
用記録媒体から音声データを読み込ませ、上記音声デー
タを音声認識して所定のフレーズを検出させ、上記所定
のフレーズの位置を表示させることを特徴とする。

【００１１】上記の目的を達成するために本発明の第５
の音声認識処理プログラムを記録した記録媒体は、上記
第４の音声認識処理プログラムを記録した記録媒体にお
いて、上記音声認識処理プログラムは、さらに、コンピ
ュータに上記音声データを音声認識して所定のフレーズ
を検出させた後において、該音声データが記録された音
声データ用記録媒体における当該所定のフレーズの位置
にインデックスマークを作成させることを特徴とする。

【００１２】上記の目的を達成するために本発明の第６
の音声認識処理プログラムを記録した記録媒体は、コン
ピュータによって音声認識処理をするための処理プログ
ラムを記録した記録媒体であって、上記処理プログラム
は、コンピュータに音声データが記録された音声データ
用記録媒体から音声データを読み込ませ、上記音声デー
タを音声認識してテキストデータに変換させ、上記テキ
ストデータを表示させ、上記テキストデータの一部を指
定入力手段によって指定可能にさせ、上記指定入力手段
によって指定されたテキストデータの部分に対応する音
声データの部分を音声データが記録された音声データ用
記録媒体より削除させることを特徴とする。

【００１３】

【発明の実施の形態】以下、図面を参照して本発明の実
施の形態を説明する。

【００１４】図１は、本発明の音声認識処理装置の一実
施形態であるコンピュータの概略構成を示したブロック
図である。

【００１５】図に示すように、コンピュータ１は、該コ
ンピュータ１全般の制御を司る中央演算処理装置（ＣＰ
Ｕ）１ａと、所定のプログラムが記録されている外部の
記録媒体（第１記録媒体７）を装着自在とする第１入力
装置５と、この第１入力装置５内に配設され上記第１記
録媒体７が第１入力装置５に装着された際に上記ＣＰＵ
１ａの制御のもと該第１記録媒体７より所定プログラム
を読み込む第１記録媒体駆動部６と、所定の音声データ
が記録されている外部の記録媒体（第２記録媒体１０）
を装着自在とする第２入出力装置８と、この第２入出力
装置８内に配設され上記第２記録媒体１０が第２入出力
装置８に装着された際に上記ＣＰＵ１ａの制御のもと該
第２記録媒体１０より所定の音声データを読み込むとと
もに所定データの書き込みを行う第２記録媒体駆動部９
と、使用者からの所定の指示を入力する操作部２と、上
記ＣＰＵ１ａにおいて所定の処理が施された後、所定デ
ータを表示する表示装置３と、ＣＰＵ１ａにおいて所定
の処理が施された後、生成される音声を出力する音声出
力装置４と、で主要部が構成されている。

【００１６】上記コンピュータ１は、複数のアプリケー
ションソフトウェアが同時に実行（マルチタスク）でき
るＯＳ（オペレーション システム）を動作可能とする
構成をなしており、以下、当該コンピュータ１には、こ
のようなＯＳが組み込まれているものとして説明を行
う。

【００１７】上記第１記録媒体は、所定の音声認識処理
プログラムを記録した記録媒体であり、本実施形態で
は、たとえば、ＣＤ−ＲＯＭ、フロッピーディスク等、
可搬型の記録媒体を想定している。

【００１８】また、上記第２記録媒体１０は、所定の音
声データが記録された音声データ用記録媒体であり、以
下、この第２記録媒体１０について詳述する。

【００１９】上記第２記録媒体１０は、外部の固体録音
機で録音した音声データが記録された記録媒体であり、
本実施形態においてはフラッシュメモリによるカード型
記録媒体を想定している。

【００２０】近年、フラッシュメモリの需要が高まり、
フラッシュメモリを記録媒体としたデジタル固体録音機
が商品化されている。このフラッシュメモリはカード型
の記録媒体として多くの種類のものが知られている。例
えば、ＰＣＭＣＩＡに準拠したメモリカード、Ｉｎｔｅ
ｌ社のミニチュアカード、東芝社のＳＳＦＤＣ、Ｓｕｎ
Ｄｉｓｋ社のコンパクトフラッシュ等が知られている。

【００２１】一般にこれらのカード型フラッシュメモリ
はアダプタ等を介し、パーソナルコンピュータに接続さ
れ所定のデータを転送できるようになっている。現在こ
のようなカード型メモリの記憶容量は２ＭＢから８ＭＢ
までのものが多い。また、現在商品化されているデジタ
ル固体録音機は２ＭＢのカードに２０分から４０分の録
音ができるものが知られている。

【００２２】これらの固体録音機はマイクから入力され
たアナログ信号をデジタルのＰＣＭデータ等に変換し、
このＰＣＭデータをＡＤＰＣＭあるいはＣＥＬＰ形等の
符号化アルゴリズムによって圧縮し、圧縮したデータを
フラッシュメモリカードに記録している。なお、このよ
うにして記録されたデータはアダプタ等を介してパーソ
ナルコンピュータにおいて直接読み取れるようになって
いる。

【００２３】本実施形態のコンピュータ１も、上述した
ように装着されたフラッシュメモリカード（第２記録媒
体１０）より音声データを読み込むようになっている。

【００２４】次に、このようなコンピュータ１におけ
る、音声データの音声認識処理動作を説明する。まず、
使用者は、所定の音声認識処理プログラムを記録した記
録媒体（第１の記録媒体７）をコンピュータ１の第１入
力装置５に装着する。コンピュータ１は、接続された当
該第１記録媒体７より一アプリケーションソフトウェア
である所定の音声認識処理プログラムを第１記録媒体駆
動部６を介して図示しない内部メモリに読み込む。これ
により、ＣＰＵ１ａは該プログラムに沿う音声認識処理
動作を制御可能とする。

【００２５】以下、この音声認識処理プログラムによる
音声認識処理動作を説明する。図２は、本発明の音声認
識処理プログラムを記録した記録媒体に記録された音声
認識処理プログラムの第１の例（第１音声認識処理プロ
グラム）を示したフローチャートである。

【００２６】コンピュータ１に上記第２記録媒体１０が
装着されると、ＣＰＵ１ａは外部の固体録音機で圧縮記
録された音声圧縮ファイルより音声データを読み込む
（ステップＳ１）。この圧縮された音声データは当該第
１音声認識処理プログラムによって、固体録音機で記録
したときと同じ圧縮アルゴリズムを逆に用いてＰＣＭデ
ータに伸長処理を行う（ステップＳ２）。すなわち、こ
の処理は当該固体録音機の再生処理と同じ処理を第１音
声認識処理プログラムにより制御されるコンピュータ１
で行うことになる。

【００２７】上記ステップＳ２で伸長されたＰＣＭデー
タは音声認識処理が施され（ステップＳ３）、音声認識
されたデータはテキストデータ文字に変換され（ステッ
プＳ４）、変換された文字データはディスプレイ（表示
装置３）にテキスト表示される（ステップＳ５）。ま
た、この処理は音声認識されたデータが終了するまで続
けられる（ステップＳ６）。

【００２８】図３は、本実施形態のコンピュータ１にお
いて、上記第１記録媒体７より読み込んだ音声認識処理
用アプリケーションソフトウェアを起動させた際の一表
示例であり、音声圧縮された音声データを再生するため
のメイン画面である。

【００２９】図３に示すメイン画面１１において、圧縮
音声ファイル一覧表示部１４でハイライトされているフ
ァイルが再生や音声認識の対象となるファイルであり、
ツール・バー１３上に設けられた音声認識ツールボタン
グループ２１内の音声認識開始ボタン２２を押すと該ハ
イライトされている音声ファイルの音声認識が開始さ
れ、図４に示すテキストエディタが立ち上がり、認識さ
れた音声データがこのエディタ上に逐次テキストデータ
として文字表示される。なお、メイン画面１１上、符号
１２はメニュー・バーを示している。

【００３０】次に、音声認識の対象となるファイルの先
頭から一定の時間間隔をおいて所定語数だけ認識を行
い、該語数だけ一覧表示する処理動作について説明す
る。

【００３１】上記音声認識ツールボタングループ２１内
のリスト表示ボタン２４は、音声認識の対象となるファ
イルの先頭から一定の時間間隔をおいてある語数だけ認
識を行い、一覧表示するためのボタンである。

【００３２】このリスト表示ボタン２４を押すと図５に
示すようなダイアログボックスが表示され、上記圧縮音
声ファイル一覧表示部１４でハイライトされているファ
イル（音声認識の対象となるファイル）の先頭から何秒
おきに認識するかの時間間隔の設定と認識する文字の語
数の設定を入力するように使用者に要求する。なお、使
用者は該処理を途中で中断したい場合、図５に示すキャ
ンセルボタンを押すことで図３のメイン画面に戻ること
ができる。

【００３３】使用者が、上記時間間隔の設定と認識する
文字の語数の設定を入力し、開始ボタンを押すと図５に
示したダイアログボックスが閉じられ、図６に示すよう
なリストボックスが表示される。

【００３４】図７は、本発明の音声認識処理プログラム
を記録した記録媒体に記録された音声認識処理プログラ
ムの第２の例（第２音声認識処理プログラム）を示した
フローチャートであり、上記音声認識の対象となるファ
イルの先頭から一定の時間間隔をおいて所定語数だけ認
識を行い、該語数だけ一覧表示する処理動作を示してい
る。

【００３５】すなわち、使用者により時間間隔の設定と
認識する文字の語数の設定がなされ、開始ボタンが押さ
れると、まず上記第２記録媒体１０の音声認識の対象と
なるファイルより音声データを読み込む（ステップＳ１
１）。次にこの圧縮された音声データを当該第２音声認
識処理プログラムによって、上記第１音声認識処理プロ
グラムと同様の伸長処理を行い（ステップＳ１２）、上
記設定された時間に対応して（ステップＳ１３）、伸長
されたＰＣＭデータが音声認識処理される（ステップＳ
１４）。

【００３６】ここで、音声認識されたデータはテキスト
データ文字に変換され（ステップＳ１５）、変換された
文字データはディスプレイ（表示装置３）に図６に示す
ように所定文字数テキスト表示される（ステップＳ１
６）。すなわち、図６に示すリストボックスには、音声
認識が行われたファイルの先頭からの再生位置時間の表
示と、その再生位置からの音声認識したテキスト表示を
図５のダイアログボックスで設定した語数だけ順次テキ
スト表示される。この処理はデータ終了の後終了する
（ステップＳ１７）。

【００３７】次に、音声認識の対象となるファイルにお
いて、所定位置から音声認識を行い表示する処理動作に
ついて説明する。

【００３８】図３に示すメイン画面１１の現在再生位置
表示スライダ１５の再生位置を変更し、音声認識ツール
ボタン２１内の音声認識開始ボタン２２を押すと再生位
置が変更された場所からの音声認識が行われ、図４に示
したテキストエディタ上にテキスト表示する。

【００３９】図８は、本発明の音声認識処理プログラム
を記録した記録媒体に記録された音声認識処理プログラ
ムの第３の例（第３音声認識処理プログラム）を示した
フローチャートであり、上記音声認識の対象となるファ
イルの所定位置から音声認識を行い表示する処理動作を
示している。

【００４０】すなわち、使用者により図３に示す現在再
生位置表示スライダ１５の再生位置が変更されると、ま
ず、上記第２記録媒体１０の音声認識の対象となるファ
イルより音声データを読み込む（ステップＳ２１）。次
にこの圧縮された音声データを当該第３音声認識処理プ
ログラムによって、上記第１音声認識処理プログラムと
同様の伸長処理を行い（ステップＳ２２）、上記所定位
置に対応して（ステップＳ２３）、該位置より伸長され
たＰＣＭデータが音声認識処理される（ステップＳ２
４）。

【００４１】ここで、音声認識されたデータはテキスト
データ文字に変換され（ステップＳ２５）、変換された
文字データはディスプレイ（表示装置３）にテキスト表
示される（ステップＳ２６）。すなわち、図４に示すエ
ディタ画面に設定された所定位置からのテキスト文字が
表示される。この処理はデータ終了の後終了する（ステ
ップＳ２７）。

【００４２】次に、音声認識の対象となるファイルよ
り、音声認識させたい所望のフレーズだけを音声認識処
理するとともに、当該所望のフレーズ位置を表示する処
理動作について説明する。

【００４３】図３に示す上記音声認識ツールボタングル
ープ２１内のフレーズ認識ボタン２３は、音声認識の対
象となるファイルより、音声認識させたい所望のフレー
ズだけを音声認識処理するとともに、当該所望のフレー
ズ位置を表示するためのボタンである。すなわち、この
フレーズ認識ボタン２３を押すことで、音声認識させた
いフレーズだけを音声圧縮ファイルの中から音声認識を
行うことによって検索し、検索された場所を現在再生位
置表示スライダ１５中にライン１６で表示し、一覧でき
るようになっている。以下、具体的に説明する。

【００４４】上記フレーズ認識ボタン２３が押される
と、図９に示すダイアログボックスが表示される。この
ダイアログボックスにより使用者に対して認識させたい
特定の単語あるいはフレーズの入力を要求する。なお、
この処理を中断させたい場合は、キャンセルボタンを押
すことでこの処理から抜け出し、図３のメイン画面に戻
ることができる。

【００４５】図１０は、本発明の音声認識処理プログラ
ムを記録した記録媒体に記録された音声認識処理プログ
ラムの第４の例（第４音声認識処理プログラム）を示し
たフローチャートであり、音声認識の対象となるファイ
ルより、音声認識させたい所望のフレーズだけを音声認
識処理するとともに、当該所望のフレーズ位置を表示す
る処理動作を示している。

【００４６】すなわち、図９において使用者により認識
させたい単語あるいはフレーズが入力され、開始ボタン
が押されると、まず上記第２記録媒体１０の音声認識の
対象となるファイルより音声データを読み込む（ステッ
プＳ３１）。次にこの圧縮された音声データを当該第４
音声認識処理プログラムによって、上記第１音声認識処
理プログラムと同様の伸長処理を行い（ステップＳ３
２）、選択されている音声圧縮ファイルの先頭から音声
認識が開始される（ステップＳ３３）。

【００４７】この後、図９のダイアログボックスで登録
した単語あるいはフレーズが音声認識対象ファイルの中
から認識されると（ステップＳ３４）、当該位置を図３
に示すメイン画面１１の現在再生位置表示スライド１５
中にライン１６で表示するとともに、当該位置に対応す
る箇所にはインデックスマークが挿入され、図３に示す
メイン画面１１中のボタン操作部１８のインデックスサ
ーチボタン１７を押す毎にライン１６で表示された場所
に順次スキップする（ステップＳ３５、ステップＳ３
６）。なお、この機能は再生停止中だけでなく再生中も
可能である。

【００４８】音声圧縮ファイルの最後まで音声認識が終
了すると、現在再生位置表示スライド１５中に登録した
単語あるいはフレーズの有った全ての箇所がライン１６
で表示される。

【００４９】なお、この処理はデータ終了の後終了する
（ステップＳ３７）。

【００５０】次に、音声認識の対象となるファイルよ
り、指定したテキストデータの部分に対応する音声デー
タの部分を第２記録媒体１０より削除する処理動作につ
いて説明する。

【００５１】図１１は、本発明の音声認識処理プログラ
ムを記録した記録媒体に記録された音声認識処理プログ
ラムの第５の例（第５音声認識処理プログラム）を示し
たフローチャートであり、指定したテキストデータの部
分に対応する音声データの部分を第２記録媒体１０より
削除する処理動作を示している。

【００５２】まず上記第２記録媒体１０の音声認識の対
象となるファイルより音声データを読み込む（ステップ
Ｓ４１）。次にこの圧縮された音声データを当該第５音
声認識処理プログラムによって、上記第１音声認識処理
プログラムと同様の伸長処理を行い（ステップＳ４
２）、伸長されたＰＣＭデータが音声認識処理される
（ステップＳ４３）。

【００５３】次に、音声認識されたデータはテキストデ
ータ文字に変換され（ステップＳ４４）、各語に対応す
る第２記録媒体１０のアドレスを取得し、表を作成する
（ＳＳ４５）。表１は、テキスト文字例「空は青いな海
も青いな」に対応する第２記録媒体１０のアドレスを示
している。

【００５４】

【表１】 この後、上記テキスト文をデータが終了するまでディス
プレイに表示する（ステップＳ４６、ステップＳ４
７）。

【００５５】データ終了後、上記テキスト文を削除する
か否かを判定し（ステップＳ４８）、削除する場合は、
該削除位置をテキスト文上で指定し（ステップＳ４
９）、この指定位置に対応した第２記録媒体１０のアド
レスを上記表１より取得する（ステップＳ５０）。

【００５６】この後、上記第２記録媒体１０より音声デ
ータを読み込み（ステップＳ５１）、当該音声データに
伸長処理を施し（ステップＳ５２）、音声データの当該
部分を削除する（ステップＳ５３）。この後、再び圧縮
処理を施し（ステップＳ５４）、当該音声データを上書
きする（ステップＳ５５）。

【００５７】本実施形態では、テキスト文の削除位置を
第２の記録媒体上の位置に関連つけるためにアドレスを
表に記録したが、これに限らず、例えば、ファイルの先
頭からの時間を表に記録しても良い。

【００５８】このように、本実施形態のコンピュータ１
に適用される記録媒体に記録された音声認識処理プログ
ラムによると、従来、マイクロフォンから直接音声認識
する場合にリアルタイムで音声認識処理をしなければな
らないために高いＣＰＵのパフォーマンスが要求されて
いたのに対して、（音声圧縮ファイルの伸長処理）→
（音声認識処理）の繰り返しを行うだけなので、リアル
タイム性は要求されず、ＣＰＵの高いパフォーマンスは
要求とされないという効果を奏する。

【００５９】また、リアルタイム性が要求されないため
に音声認識処理の精度をより高く認識させるようなアル
ゴリズムを作ることができるという効果も奏する。

【００６０】さらに、音声圧縮ファイル中の部分的な内
容を一覧できるためにどの再生位置に何がかかれている
かを大まかに把握することができる。

【００６１】さらに、既存の音声圧縮ファイル内のテキ
ストデータに変換したい部分だけを音声認識させること
ができる。

【００６２】さらに、既存の音声圧縮ファイルの中から
キーワードとなる単語あるいはフレーズの位置へ瞬時に
スキップすることができ、検索したい位置に即座にたど
り着くことができる。

【００６３】さらに、記録後のデータに対しても、後か
ら語句を指定してインデックスマークを入れられ利便性
が向上し、さらに、記録後のデータに対して、後から不
用部分を語句を指定して削除できるので、失敗した口述
部分などを簡単に消すことができる。

【００６４】なお、本実施形態のコンピュータ１におい
ては、上記第１記録媒体７は、外部の記録媒体とし、該
コンピュータ１に装着の後、所定の音声認識処理プログ
ラムを記録した該記録媒体よりアプリケーションソフト
ウェアである所定の音声認識処理プログラムを読み込む
ことを可能としたが、これに限らず、当該コンピュータ
１内のＣＰＵ１ａに作用し所定の音声認識処理プログラ
ムを起動せしめるものであれば如何様な態様をなしたも
のでも良い。

【００６５】たとえば、当該音声認識処理プログラムを
記録した記録媒体を予めコンピュータ１内に備え、随時
当該音声認識処理プログラムを読み込むようにしても良
い。

【００６６】[付記]以上詳述した如き本発明の実施形態
によれば、以下の如き構成を得ることができる。即ち、 （１） プログラムされたコンピュータによって音声認
識処理をする装置であって、ＰＣＭのデジタル音声デー
タが圧縮記録された記録媒体から音声データを読み込
む、読み込み手段と、該音声データを音声認識して、テ
キストデータに変換する、音声認識手段と、該テキスト
データを表示する表示手段とを備えたことを特徴とす
る、音声認識処理装置。

【００６７】（２） コンピュータによって音声認識処
理をするための処理プログラムを記録した記録媒体であ
って、該処理プログラムは、コンピュータに音声データ
が記録された記録媒体から音声データを読み込ませ、該
音声データが音声認識して所定のフレーズを検出させ、
該音声データが記録された記録媒体の該所定のフレーズ
の位置にインデックスマークを作成させ該所定のフレー
ズの位置を表示させ、コンピュータに該音声データが記
録された記録媒体の音声データを所定の位置から再生さ
せることを特徴とする、音声認識処理プログラムを記録
した記録媒体。

【００６８】（３）コンピュータによって音声認識処理
をするための処理プログラムを記録した記録媒体であっ
て、該処理プログラムは、コンピュータに音声データが
記録された記録媒体から音声データを読み込ませ、該音
声データを音声認識してテキストデータに変換させ、該
テキストデータの各語に対応する音声データが記録され
た記録媒体の位置情報を、該各語に関連させて取得し、
該テキストデータを表示させ、該テキストデータの一部
を指定入力手段によって指定可能にさせ、該指定入力手
段によって指定されたテキストデータの部分に含まれる
語により、対応する音声データが記録された記録媒体の
位置情報を求めさせ、上記の位置情報に基づき、音声デ
ータの対応する部分を音声データが記録された記録媒体
より削除させることを特徴とする、音声認識処理プログ
ラムを記録した記録媒体。

【００６９】

【発明の効果】以上説明したように請求項１に記載の発
明によれば、所定の音声データ用記録媒体に記録された
音声データを音声認識する音声認識処理装置を提供でき
る。これにより、それほど高い能力をＣＰＵに要求せず
に、音声認識ができる。

【００７０】また、請求項２に記載の発明によれば、コ
ンピュータに所定の音声データ用記録媒体に記録された
音声データを音声認識せしめる音声認識処理プログラム
を記録した記録媒体を提供できる。これにより、それほ
ど高い能力をＣＰＵに要求せずに、音声認識ができる。

【００７１】さらに、請求項３に記載の発明によれば、
コンピュータに、使用者が一読で音声ファイルの記録内
容を概略認知できる表示をさせる音声認識処理プログラ
ムを記録した記録媒体を提供できる。これにより、音声
ファイルの記録内容の概要を、先頭から音声ファイルを
聞くことなく、一瞥のもとに把握できる。

【００７２】さらに、請求項４に記載の発明によれば、
コンピュータに、必要な部分のみテキスト化せしめる音
声認識処理プログラムを記録した記録媒体を提供でき
る。これにより、音声ファイルの記録内容の必要部分だ
けを選択して音声認識できるので、効率的に音声認識が
できる。

【００７３】さらに、請求項５に記載の発明によれば、
コンピュータに、音声データ用記録媒体に記録された音
声ファイルの内容の検索を可能たらしめる音声認識処理
プログラムを記録した記録媒体を提供できる。これによ
り、音声ファイルの記録内容の重要語句が記録されてい
る箇所を、簡単な操作で視覚的に知ることができ、重要
な記録箇所がすぐ見つけられる。

【００７４】さらに、請求項６に記載の発明によれば、
コンピュータに音声データ用記録媒体に記録された音声
ファイルの内容を検索し、その位置にインデックスマー
クを付加することを可能たらしめる音声認識プログラム
を記録した記録媒体を提供できる。これにより、音声フ
ァイルを記録した後でも、重要語句の位置にインデック
スマークをつけることができ、重要な場所にすぐアクセ
スできる、使い勝手の良い音声ファイルに変更できる。

【００７５】さらに、請求項７に記載の発明によれば、
コンピュータに、音声ファイルの不要部分を削除せしめ
る音声認識処理プログラムを記録した記録媒体を提供で
きる。これにより、すでに記録された音声ファイルか
ら、失敗した口述部分などの不要箇所を、表示された語
句を指定して削除できるので、音声ファイルの整理に利
便性が良い。

【図面の簡単な説明】

【図１】本発明の音声認識処理装置の一実施形態である
コンピュータの概略構成を示したブロック図である。

【図２】本発明の音声認識処理プログラムを記録した記
録媒体に記録された音声認識処理プログラムの第１の例
（第１音声認識処理プログラム）を示したフローチャー
トである。

【図３】本実施形態のコンピュータにおいて、上記第１
記録媒体より読み込んだ音声認識処理用アプリケーショ
ンソフトウェアを起動させた際の一表示例であり、音声
圧縮された音声データを再生するためのメイン画面であ
る。

【図４】本実施形態のコンピュータにおいて、上記第１
記録媒体より読み込んだ音声認識処理用アプリケーショ
ンソフトウェアを起動させた際の、テキストデータを表
示する画面の一例を示した図である。

【図５】本実施形態のコンピュータにおいて、上記第１
記録媒体より読み込んだ音声認識処理用アプリケーショ
ンソフトウェアを起動させ、音声認識の対象となるファ
イルの先頭から一定の時間間隔をおいて所定語数だけ認
識する際、音声認識の間隔と表示語数を設定するダイヤ
ログボックス画面の一例を示した図である。

【図６】本実施形態のコンピュータにおいて、上記第１
記録媒体より読み込んだ音声認識処理用アプリケーショ
ンソフトウェアを起動させ、音声認識の対象となるファ
イルの先頭から一定の時間間隔をおいて所定語数だけ認
識して表示した画面の一例を示した図である。

【図７】本発明の音声認識処理プログラムを記録した記
録媒体に記録された音声認識処理プログラムの第２の例
（第２音声認識処理プログラム）を示したフローチャー
トである。

【図８】本発明の音声認識処理プログラムを記録した記
録媒体に記録された音声認識処理プログラムの第３の例
（第３音声認識処理プログラム）を示したフローチャー
トである。

【図９】本実施形態のコンピュータにおいて、上記第１
記録媒体より読み込んだ音声認識処理用アプリケーショ
ンソフトウェアを起動させ、音声認識させたいフレーズ
だけを音声圧縮ファイルの中から音声認識を行う際、該
音声認識検索単語およびフレーズの設定用のダイヤログ
ボックス画面の一例を示した図である。

【図１０】本発明の音声認識処理プログラムを記録した
記録媒体に記録された音声認識処理プログラムの第４の
例（第４音声認識処理プログラム）を示したフローチャ
ートである。

【図１１】本発明の音声認識処理プログラムを記録した
記録媒体に記録された音声認識処理プログラムの第５の
例（第５音声認識処理プログラム）を示したフローチャ
ートである。

【符号の説明】

１…コンピュータ ２…操作部 ３…表示装置 ４…音声出力装置 ５…第１入力装置 ６…第１記録媒体駆動部 ７…第１記録媒体 ８…第２入出力装置 ９…第２記録媒体駆動部 １０…第２記録媒体 １１…メイン画面 １４…圧縮音声ファイル一覧表示部 １５…現在再生位置表示スライダ １６…ライン １７…インデックスサーチボタン ２１…音声認識ツールボタングループ ２２…音声認識開始ボタン ２３…フレーズ認識ボタン ２４…リスト表示ボタン

Claims (7)

【特許請求の範囲】
1. 【請求項１】 プログラムされたコンピュータによって
   音声認識処理をする装置であって、 音声データが記録された音声データ用記録媒体から音声
   データを読み込む音声データ読込手段と、 上記音声データを音声認識してテキストデータに変換す
   る音声認識処理手段と、 上記テキストデータを表示する表示手段と、 を具備したことを特徴とする音声認識処理装置。
2. 【請求項２】 コンピュータによって音声認識処理をす
   るための処理プログラムを記録した記録媒体であって、 上記処理プログラムは、コンピュータに音声データが記
   録された音声データ用記録媒体から音声データを読み込
   ませ、 上記音声データを音声認識してテキストデータに変換さ
   せ、 上記テキストデータを表示させることを特徴とする音声
   認識処理プログラムを記録した記録媒体。
3. 【請求項３】 上記音声認識処理プログラムは、さら
   に、コンピュータに上記音声データを音声認識してテキ
   ストデータに変換させるときにおいて、所定の時間間隔
   毎に、所定の語数のみ音声認識してテキストデータに変
   換させることを特徴とする、請求項２に記載の音声認識
   処理プログラムを記録した記録媒体。
4. 【請求項４】 上記音声認識処理プログラムは、さら
   に、コンピュータに上記音声データを音声認識してテキ
   ストデータに変換させるときにおいて、音声データが記
   録された記録媒体上の所定の位置から、所定の語数のみ
   音声認識してテキストデータに変換させることを特徴と
   する、請求項２または３に記載の音声認識処理プログラ
   ムを記録した記録媒体。
5. 【請求項５】 コンピュータによって音声認識処理をす
   るための処理プログラムを記録した記録媒体であって、 上記処理プログラムは、コンピュータに音声データが記
   録された音声データ用記録媒体から音声データを読み込
   ませ、 上記音声データを音声認識して所定のフレーズを検出さ
   せ、 上記所定のフレーズの位置を表示させることを特徴とす
   る音声認識処理プログラムを記録した記録媒体。
6. 【請求項６】 上記音声認識処理プログラムは、さら
   に、コンピュータに上記音声データを音声認識して所定
   のフレーズを検出させた後において、該音声データが記
   録された音声データ用記録媒体における当該所定のフレ
   ーズの位置にインデックスマークを作成させることを特
   徴とする、請求項５に記載の音声認識処理プログラムを
   記録した記録媒体。
7. 【請求項７】 コンピュータによって音声認識処理をす
   るための処理プログラムを記録した記録媒体であって、 上記処理プログラムは、コンピュータに音声データが記
   録された音声データ用記録媒体から音声データを読み込
   ませ、 上記音声データを音声認識してテキストデータに変換さ
   せ、 上記テキストデータを表示させ、 上記テキストデータの一部を指定入力手段によって指定
   可能にさせ、 上記指定入力手段によって指定されたテキストデータの
   部分に対応する音声データの部分を音声データが記録さ
   れた音声データ用記録媒体より削除させることを特徴と
   する音声認識処理プログラムを記録した記録媒体。