JPH1063292A

JPH1063292A - 音声処理装置および音声処理方法

Info

Publication number: JPH1063292A
Application number: JP8213491A
Authority: JP
Inventors: Hiroaki Ogawa; 浩明小川
Original assignee: Sony Corp
Current assignee: Sony Corp
Priority date: 1996-08-13
Filing date: 1996-08-13
Publication date: 1998-03-06

Abstract

(57)【要約】【課題】装置を大型化、高コスト化することなく、多
数の語彙を対象とした、精度の良い音声認識結果を、迅
速に得ることができるようにする。【解決手段】携帯型の音声辞書装置１００において、
入力された音声が、公衆電話回線網１０１を介して、複
数の外部コンピュータ１０２のうちのいずれか１つに送
信され、その音声を受信した外部コンピュータ１０２で
は、その音声が音声認識される。さらに、その外部コン
ピュータ１０２では、音声認識結果が、公衆電話回線網
１０１を介して送信され、これが、音声辞書装置１００
で受信される。そして、音声辞書装置１００では、その
音声認識結果をキーワードとして辞書検索が行われる。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は、音声処理装置およ
び音声処理方法に関する。特に、入力された音声を、例
えばキーワードとして、辞書の検索を行う音声入力型の
電子辞書装置などに用いて好適な音声処理装置および音
声処理方法に関する。

【０００２】

【従来の技術】電子辞書装置は、通常の辞書に比較し
て、軽量、小型で、携帯に便利であり、また、検索も短
時間で行うことができる。しかしながら、従来の電子辞
書装置では、意味などを調べようとする単語（検索しよ
うとする単語）の入力は、キーボードを操作することに
より行う必要があり、繁雑であった。即ち、入力しよう
とする単語が英語である場合には、そのスペルに対応す
るキーを操作する必要があり、また、入力しようとする
単語が日本語である場合には、その単語の仮名に対応す
るキーを操作し、さらに、それを仮名漢字変換するため
のキーを操作する必要があった。

【０００３】また、電子辞書装置は小型化の要請から、
キーボードを小さく構成する必要があり、このため、そ
の操作は行い易くはなかった。

【０００４】そこで、最近では、音声入力型の電子辞書
装置（以下、適宜、音声辞書装置という）が提案されて
いる。音声辞書装置では、単語が音声により入力される
と、その音声が音声認識され、その音声認識結果をキー
ワードとして辞書（電子辞書）の検索が行われるように
なされており、ユーザは、検索しようとする単語を、音
声により、容易、かつ迅速に入力することができる。

【０００５】なお、このような音声辞書装置について
は、例えば、特開平４−１０１６６号公報、特開平４−
４０５５７号公報、特開平４−４２３６３号公報など
に、その詳細が開示されている。

【０００６】

【発明が解決しようとする課題】ところで、電子辞書装
置（音声辞書装置を含む）の品質を向上させるための１
つの方法として、その辞書（電子辞書）の見出し語の数
を増大させる方法がある（例えば、研究者の新英和大辞
典では約２４万語、教育社の現代用語用例辞典では約１
５万例文、岩波書店の広辞苑では約２２万語の見出しが
ある）。

【０００７】しかしながら、音声辞書装置において、そ
の電子辞書の見出し語の語数を増大させるには、音声認
識の対象とする語の数も増大させる必要があり、装置が
大型化する課題があった。さらに、この場合、そのよう
な大規模の語彙を対象とする音声認識を行うときに、あ
る程度の音声認識結果の精度を維持するには、高速な処
理が可能なハードウェアを用いる必要がり、装置が高コ
スト化する課題があった。

【０００８】一方、装置を高コスト化せずに、音声認識
結果の精度を、ある程度維持しようとすると、音声認識
の処理時間が長くなり、また、処理時間を短くしようと
すると、音声認識結果の精度が劣化する課題があった。

【０００９】本発明は、このような状況に鑑みてなされ
たものであり、音声認識を、多くの語彙を対象として行
う場合であっても、装置を大型化、高コスト化せず、か
つ短時間で精度の高い音声認識結果を得ることができる
ようにするものである。

【００１０】

【課題を解決するための手段】請求項１に記載の音声処
理装置は、入力手段から入力された音声を、外部の情報
処理装置に送信し、その情報処理装置から送信されてく
る音声の音声認識結果を受信する通信手段を備えること
を特徴とする。

【００１１】請求項９に記載の音声処理方法は、入力さ
れた音声を、外部の情報処理装置に送信し、情報処理装
置から送信されてくる音声の音声認識結果を受信するこ
とを特徴とする。

【００１２】請求項１に記載の音声処理装置において
は、通信手段が、入力手段から入力された音声を、外部
の情報処理装置に送信し、その情報処理装置から送信さ
れてくる音声の音声認識結果を受信するようになされて
いる。

【００１３】請求項９に記載の音声処理方法において
は、入力された音声を、外部の情報処理装置に送信し、
情報処理装置から送信されてくる音声の音声認識結果を
受信するようになされている。

【００１４】

【発明の実施の形態】図１は、本発明を適用した音声辞
書装置の一実施例の構成を示す斜視図であり、図２は、
その平面図である。なお、この音声処理装置１００は、
例えば、持ち運びに便利なように携帯型とされている。

【００１５】この音声翻訳装置１００の向かって左側面
には、コネクタ１が設けられており、また、その正面パ
ネルには、ＬＣＤ（液晶ディスプレイ）２、マイク３、
電源スイッチ４、確認実行キー５、カーソルキー６、お
よびファンクションキー７が設けられている。

【００１６】コネクタ１には、例えば電話回線のモジュ
ラジャックなどを接続することができるようになされて
おり、これにより、音声辞書装置１００は、後述する外
部コンピュータ１０２（図４）などの外部の情報処理装
置と通信を行うことができるようになされている。

【００１７】ＬＣＤ２（出力手段）には、各種の情報が
表示されるようになされている。即ち、ＬＣＤ２には、
例えばマイク３に入力された音声の音声認識結果（入
力）や、それを含む用例（検索用例）、その用例の対訳
（用例対訳）などが表示されるようになされている。

【００１８】マイク３（入力手段）は、そこに入力され
た、空気の波である音声（音声波形）を、電気信号（電
気的な波）である音声信号に変換するようになされてい
る。電源スイッチ４は、装置の電源をオン、オフする場
合に操作される。確認実行キー５は、例えば、ＬＣＤ２
に表示された（ＬＣＤ２から出力された）音声認識結果
などが正しい場合に操作される。さらに、確認実行キー
５は、例えば、ＬＣＤ２に表示された複数の項目のうち
のいずれかを、カーソルキー６を操作することにより選
択した場合に、その選択を確定するときなどにも操作さ
れる。また、確認実行キー５は、ＬＣＤ２に表示された
音声認識結果としての単語を含む用例の検索やその他の
辞書検索を開始させるときなどにも操作される。

【００１９】カーソルキー６は、上キー６ａ、下キー６
ｂ、左キー６ｃ、および右キー６ｄから構成されてい
る。上キー６ａ、下キー６ｂ、左キー６ｃ、または右キ
ー６ｄは、ＬＣＤ２に表示されたカーソル（図示せず）
を上、下、左、または右にそれぞれ移動させる場合や、
ＬＣＤ２の表示画面を下、上、右、または左にそれぞれ
スクロールさせる場合などに操作される。

【００２０】ファンクションキー７は、図２に示すよう
に、辞書検索キー１１、学習キー１２、英語キー１３、
日本語キー１４、英和辞書キー１５、和英辞書キー１
６、国語辞書キー１７、英々辞書キー１８、用例辞書キ
ー１９、計算キー２０、ゲームキー２１、メモキー２
２、時計キー２３、住所キー２４、開始キー２５、およ
び終了キー２６から構成されており、装置の動作モード
を設定したり、また装置に各種の動作を行わせるときに
操作される。

【００２１】即ち、辞書検索キー１１は、装置のモード
を、辞書検索モードとし、入力された単語についての辞
書検索を行うときに操作される。装置のモードが辞書検
索モードとされ、所定の単語が入力されると、例えば、
その単語の意味内容が検索され、ＬＣＤ２に表示され
る。

【００２２】学習キー１２は、装置のモードを会話学習
モードとするときに操作される。装置のモードが会話学
習モードとされると、ＬＣＤ２においては、例えば日常
会話において頻繁に使用されるフレーズが、日本語と英
語の両方で表示され、これにより、英会話の学習を行う
ことができるようになされている。

【００２３】英語キー１３は、英語の音声を入力すると
きに操作される。日本語キー１４は、日本語の音声を入
力するときに操作される。英語キー１３または日本語キ
ー１４が操作された後に、マイク３に音声が入力された
場合、音声辞書装置１００または外部コンピュータ１０
２では、その音声がそれぞれ英語または日本語であると
して、音声認識が行われる。

【００２４】英和辞書キー１５、和英辞書キー１６、国
語辞書キー１７、または英々辞書１８は、英和辞書、和
英辞書、国語辞書、または英々辞書をそれぞれ対象に辞
書検索を行うときに操作される。用例辞書キー１９は、
用例が登録された用例辞書を対象に辞書検索を行うとき
に操作される。

【００２５】計算キー２０は、装置のモードを計算モー
ドとするときに操作される。装置のモードが計算モード
とされた場合に、マイク３に、音声で所定の計算式が入
力されたときには、その計算式にしたがった演算（計
算）が行われ、その計算結果が、ＬＣＤ２に表示され
る。ゲームキー２１は、装置のモードをゲームモードと
するときに操作される。装置のモードがゲームモードと
されると、所定のゲームについてのアプリケーションプ
ログラムが実行される。メモキー２２は、ＬＣＤ２の表
示内容を保持（メモ）しておくときに操作される。時計
キー２３は、ＬＣＤ２に現在時刻を表示させるときに操
作される。住所キー２２は、所定の住所を登録するとき
や、既に登録してある住所を、ＬＣＤ２に表示させると
きに操作される。

【００２６】開始キー２５は、マイク３に対する音声の
入力を開始するときに操作される。終了キー２６は、開
始キー２５が操作され、音声の入力が開始された後、そ
の入力を終了するときに操作される。音声辞書装置１０
０では、開始キー２５が操作された後、終了キー２６が
操作されるまでの間が音声区間とされ、この間に、マイ
ク３に入力された音声が音声認識の対象とされる。

【００２７】以上のように構成される音声辞書装置１０
０に対し、例えば、日本語の単語をで音声を入力し、そ
の単語を用いた用例を表示させる場合には、ユーザは、
まず日本語キー１４と用例辞書キー１９を操作する。さ
らに、ユーザは、開始キー２５を操作し、マイク３に日
本語の単語を入力して、その入力の終了後、終了キー２
６を操作する。その後、ＬＣＤ２には、その音声認識結
果が表示されるので、ユーザは、この表示を見て、その
音声認識結果が正しいかどうかを確認する。音声認識結
果が誤っている場合、ユーザは、上述したように、開始
キー２５および終了キー２６を操作して音声を再度入力
し、以下、ＬＣＤ２に正しい音声認識結果が表示される
まで同様の操作を繰り返す。そして、ＬＣＤ２に正しい
音声認識結果が表示された場合、ユーザは、確認実行キ
ー５を操作する。これにより、音声認識結果が確定され
る。その後、さらに、ユーザが、確認実行キー５を操作
すると、音声辞書装置１００では、確定された音声認識
結果を含む用例が、用例辞書から検索され、さらに、そ
の用例に対応付けられている英語の対訳も用例辞書から
検索され、ＬＣＤ２に表示される。

【００２８】なお、図１および図２の実施例では、開始
キー２５および終了キー２６を操作して音声「非常口」
が入力され、その音声認識結果「非常口」が確認実行キ
ー５を操作することにより確定された後、再び、開始キ
ー２５および終了キー２６を操作して音声「どこ」が入
力され、その音声認識結果「どこ」が確認実行キー５を
操作することにより確定された後に、さらに、確認実行
キー５が操作されることにより、音声認識結果「非常
口」および「どこ」を含む用例「非常口はどこですか
？」と、その対訳「Where is the emergency exit ?」
が検索され、これらが表示されている様子を示してい
る。

【００２９】次に、図３は、音声辞書装置１００の内部
構成例を示している。マイク３から出力された音声信号
は、Ａ／Ｄ変換器５１に供給されるようになされてお
り、Ａ／Ｄ変換器５１は、マイク３からの音声信号（ア
ナログ信号）を、所定のサンプリングクロックにしたが
ってサンプリングし、さらに量子化することで、ディジ
タルの音声信号に変換するようになされている。Ａ／Ｄ
変換器５１においてディジタル信号とされた音声信号
は、音声認識回路５２に供給されるようになされてい
る。

【００３０】音声認識回路５２（音声認識手段）は、Ａ
／Ｄ変換器５１からの音声信号の、例えば音程（周波
数）や、強弱（振幅）、速度（発話速度）などを音響分
析し、その分析結果に基づいて、例えばＨＭＭ（Hidden
Markov Model）法や、ＤＰ（Dynamic Programming）マ
ッチング法その他の音声認識アルゴリズムにしたがい、
マイク３に入力された音声を音声認識するようになされ
ている。音声認識回路５２の音声認識結果は、ＣＰＵ
（Central Proccessing Unit）５５に供給されるように
なされている。また、音声認識回路５２は、Ａ／Ｄ変換
器５１からの音声信号を、そのままＣＰＵ５５に出力す
るようにもなされている。

【００３１】ＲＡＭ（Random Access Memory）５３は、
音声認識回路５２が音響分析の結果出力する音響分析結
果（例えば、音声信号の音程や、強弱、速度など）や、
その他音声認識回路５２が音声認識処理を行う上で必要
なデータを一時記憶するようになされている。

【００３２】ＲＯＭ（Read Only Memory）５４は、音声
認識回路５２が認識対象とする単語が登録された辞書を
記憶しており、音声認識回路５２は、このＲＯＭ５４に
記憶された辞書（以下、適宜、認識用辞書という）を参
照して、マイク３に入力された音声を認識するようにな
されている。なお、ＲＯＭ５４には、例えば日本語およ
び英語の言語の認識用辞書が記憶されており、英語キー
１３または日本語キー１４が操作された場合に、それぞ
れ英語または日本語の認識用辞書が用いられるようにな
されている。また、認識用辞書には、例えば、使用頻度
が比較的高いと予想されるもののみが登録されており、
これにより、そこに登録される単語数が莫大な数となる
ことによる、音声認識回路５２の音声認識処理の速度お
よび精度の劣化を防止するようになされている。即ち、
認識用辞書には、音声認識回路５２の音声認識処理の速
度および精度を、ある程度のレベル以上とすることがで
きるような数の単語が登録されている。

【００３３】さらに、ＲＯＭ５４には、音声認識のプロ
グラムが記憶されており、音声認識回路５２は、このＲ
ＯＭ５４に記憶されたプログラムを読み出して実行する
ことにより音声認識を行うようになされている。

【００３４】ＣＰＵ５５（処理手段）は、ＲＯＭ５６に
記憶されたプログラムにしたがって、音声認識回路５
２、後述するモデム５８、辞書検索回路７０、および文
字表示回路７３を制御するようになされている。さら
に、ＣＰＵ５５は、後述するキーインターフェイス６２
より供給される、電源スイッチ４、確認実行キー５、カ
ーソルキー６、およびファンクションキー７の操作に対
応した信号にしたがって、各種の処理を実行するように
もなされている。

【００３５】ＲＯＭ５６には、音声認識回路５２、モデ
ム５８、辞書検索回路７０、および文字表示回路７３を
制御するためのプログラム、その他のアプリケーション
プログラムや必要なデータなどが記憶されている。ＲＡ
Ｍ５７は、ＣＰＵ５５の動作上必要なデータを一時記憶
するようになされている。

【００３６】モデム５８（通信手段）は、ＣＰＵ５５の
制御の下、外部コンピュータ１０２との通信に必要な通
信制御を行うようになされている。タイマ回路５９は、
ＣＰＵ５５の制御の下、時間を計時するようになされて
いる。

【００３７】キーインターフェイス６２は、電源スイッ
チ４、確認実行キー５、カーソルキー６、またはファン
クションキー７が操作されると、それぞれの操作に対応
した信号を、ＣＰＵ５５に出力するようになされてい
る。

【００３８】辞書検索回路７０は、ＣＰＵ５５の制御に
したがって、辞書検索を行うようになされている。ＲＯ
Ｍ７１には、英和辞書、和英辞書、国語辞書、英々辞
書、および用例辞書などの各種の電子辞書が記憶されて
おり、辞書検索回路７０では、このＲＯＭ７１に記憶さ
れた電子辞書を対象に検索を行うようになされている。

【００３９】なお、英和辞書には、英単語と、その日本
語による意味内容とが対応付けて記憶され、和英辞書に
は、日本語の単語と、その単語に対応する英単語とが対
応付けて記憶されている。また、国語辞書には、日本語
の単語と、その日本語による意味内容とが対応付けて記
憶されており、英々辞書には、英単語と、その英語によ
る意味内容とが対応付けて記憶されている。さらに、用
例辞書には、日本語の用例と、その用例に対応する英語
の対訳とが対応付けて記憶されている。辞書検索回路７
０においていずれの電子辞書を対象に検索を行うかは、
英和辞書キー１５、和英辞書キー１６、国語辞書キー１
７、英々辞書キー１８、または用例辞書キー１９の操作
に対応して、ＣＰＵ５５により決定されるようになされ
ている。

【００４０】ＲＡＭ７２は、辞書検索回路７０の検索結
果や、その処理上必要なデータなどを一時記憶するよう
になされている。

【００４１】文字表示回路７３は、ＣＰＵ５５から供給
される情報の表示制御を行うようになされている。即
ち、ＣＰＵ５５から文字表示回路７３に対しては、表示
すべき情報としての文字が、所定のコードで供給される
ようになされており、文字表示回路７３は、ＣＰＵ５５
からコードを受信すると、そのコードを文字発生回路７
６に供給し、対応する文字のビットパターンに変換させ
る。そして、文字表示回路７３は、このビットパターン
としてのディジタルの画像信号を、Ｄ／Ａ変換器７４に
出力するようになされている。

【００４２】Ｄ／Ａ変換器７４は、文字表示回路７３か
ら供給されるディジタルの画像信号をＤ／Ａ変換するこ
とにより、アナログの画像信号とし、ＬＣＤ２に出力す
るようになされている。これにより、ＬＣＤ２において
は、ＣＰＵ５５が出力する情報としての文字が表示され
るようになされている。

【００４３】文字発生回路７６は、文字表示回路７３か
ら供給されたコードに対応する文字のビットパターンを
ＲＯＭ７８から読み出し、文字表示回路７３に出力する
ようになされている。ＲＡＭ７７は、文字発生回路７６
における処理の上で必要なデータを一時記憶するように
なされている。ＲＯＭ７８には、例えば、日本語の文字
（例えば、仮名や漢字など）および英語の文字（例え
ば、アルファベットなど）などのビットパターンが記憶
されている。

【００４４】次に、図４は、以上のように構成される音
声辞書装置１００の使用形態を示している。音声辞書装
置１００は、必要に応じて、同図に示すように、例え
ば、公衆電話回線網１０１を介して、外部コンピュータ
（例えば、ワークステーションや、ホストコンピュー
タ）１０２に、マイク３から入力された音声を送信する
ようになされている。外部コンピュータ１０２は、音声
辞書装置１００から送信されてきた音声を音声認識し、
その音声認識結果を、公衆電話回線網１０１を介して、
音声を送信してきた音声辞書装置１００に送信するよう
になされており、音声辞書装置１００では、このように
して、外部コンピュータ１０２から送信されてきた音声
認識結果を用いて、辞書検索などの各種の処理が行われ
るようになされている。

【００４５】なお、同図に示すように、外部コンピュー
タ１０２は、複数の音声辞書装置１００から送信されて
くる音声を処理することができるようになされており、
また、音声辞書装置１００は、複数の外部コンピュータ
１０２のいずれにも音声を送信することができるように
なされている。即ち、音声辞書装置１００のユーザは、
例えば、外出先などにおいて、最も近い位置に設置され
ている外部コンピュータ１０２にアクセスすることがで
きる。

【００４６】また、外部コンピュータ１０２は、複数で
はなく１つとすることも可能であるが、１つの外部コン
ピュータ１０２では、多数の音声辞書装置１００からア
クセスがあった場合に、処理に時間を要することとなる
ので、図４に示したように、外部コンピュータ１０２は
複数設け、これにより、処理を分散することができるよ
うにするのが望ましい。

【００４７】次に、図５のフローチャートを参照して、
音声辞書装置１００の動作について説明する。まず、ユ
ーザは、コネクタ８に電話回線を接続する。その後、電
源スイッチ４をオンにすると、その操作に対応した信号
が、キーインターフェイス６２からＣＰＵ５５に供給さ
れ、これにより、装置の電源がオン状態にされる。装置
の電源がオン状態になると、ＣＰＵ５５は、ＲＯＭ５６
に記憶されているプログラムにしたがって、処理を開始
する。即ち、ＣＰＵ５５は、まず、ステップＳ１におい
て、モデム５８を制御することにより、公衆電話回線網
１０１を介して、外部コンピュータ１０２との通信リン
クを確立させる。なお、外部コンピュータ１０２へのア
クセスに必要となる電話番号は、例えば、図示せぬテン
キーから入力したり、また、例えば、ＲＯＭ５６などに
あらかじめ記憶させておくようにすることが可能であ
る。

【００４８】外部コンピュータ１０２との通信リンクが
確立すると、ステップＳ２において、確認実行キー５が
操作されたかどうかが判定される。なお、この判定（電
源スイッチ４、カーソルキー６、およびファンクション
キー７が操作されたかどうかの判定も同様）は、キーイ
ンターフェイス６２が出力する信号に基づいて、ＣＰＵ
５５により行われる。

【００４９】ステップＳ２において、確認実行キー５が
操作されていないと判定された場合、ステップＳ３に進
み、開始キー２５が操作されたかどうかが、ＣＰＵ５５
によって判定される。ステップＳ３において、開始キー
２５が操作されていないと判定された場合、ステップＳ
２に戻る。また、ステップＳ３において、開始キー２５
が操作されたと判定された場合、ステップＳ４に進み、
音声認識回路５２による音声の取り込みが開始される。

【００５０】音声認識回路５２において音声の取り込み
が開始されると、ステップＳ５に進み、終了キー２６が
操作されたか否かが、ＣＰＵ５５によって判定される。
ステップＳ５において、終了キー２６が操作されていな
いと判定された場合、ステップＳ５に戻る。また、ステ
ップＳ５において、終了キー２６が操作されたと判定さ
れた場合、ステップＳ６に進み、音声認識回路５２によ
る音声の取り込みが終了される。

【００５１】即ち、音声認識回路５２では、開始キー２
５が操作されるまでにマイク３およびＡ／Ｄ変換器５１
を介して入力された音声信号は無視され、開始キー２５
が操作され、その後、終了キー２６が操作されるまでの
間に入力される音声信号だけが取り込まれ、これが、音
声認識の対象とされる。

【００５２】音声認識回路５２は、以上のようにして音
声認識の対象となる音声を取り込むと、ステップＳ７に
おいて、その音声を対象に音声認識を行う。即ち、音声
認識回路５２は、例えば音程（周波数）や、強弱（振
幅）、速度（発話速度）などを音響分析し、その分析結
果に基づいて、ＨＭＭ法やＤＰマッチング法などにした
がい、ＲＯＭ５４に記憶されている単語を対象に、取り
込んだ音声を音声認識する。さらに、ステップＳ７にお
いて、音声認識回路５２は、取り込んだ音声を、ＣＰＵ
５５に出力する。ＣＰＵ５５は、音声認識回路５２から
音声を受信すると、ステップＳ８において、その音声
を、モデム５８に供給し、公衆電話回線網１０１（図
４）を介して、外部コンピュータ１０２に送信させる。

【００５３】一方、音声認識回路５２は、取り込んだ音
声の音声認識が終了すると、その音声認識結果を、ＣＰ
Ｕ５５に出力する。即ち、音声認識回路５２は、取り込
んだ音声の音声認識処理の結果、例えば、その音声に対
する尤度が最も高い単語に対応する単語コードを、その
尤度とともに、ＣＰＵ５５に出力する。ＣＰＵ５５で
は、この単語コードおよび尤度が、ステップＳ９におい
て受信される。

【００５４】また、外部コンピュータ１０２は、音声辞
書装置１００から音声を受信すると、後述するように、
その音声を音声認識し、その音声認識結果としての単語
に対応する単語コードを、公衆電話回線網１０１を介し
て送信してくるので、ＣＰＵ５５は、ステップＳ１０に
おいて、この単語コードをモデム５８に受信させる。モ
デム５８で受信された単語コードは、ＣＰＵ５５に供給
される。

【００５５】ＣＰＵ５５は、音声認識回路５２から受信
した尤度が、所定の閾値以上である場合、音声認識回路
５２からの単語コードに対応する単語を選択し、また、
その尤度が所定の閾値未満である場合、音声認識回路５
２で取り込まれた音声に対応する単語が、音声認識対象
として、ＲＯＭ５４に記憶されていなかったものとし、
外部コンピュータ１０２から送信されてきた単語を選択
する。そして、ＣＰＵ５５は、ステップＳ１１におい
て、選択した単語を、ＬＣＤ２に表示させる。即ち、Ｃ
ＰＵ５５は、選択した単語の単語コードを、文字表示回
路７３に供給する。文字表示回路７３は、ＣＰＵ５５よ
り供給された単語コードを、文字発生回路７６に供給
し、これにより、対応する単語を構成する文字のビット
パターンを生成させる。このビットパターンは、文字表
示回路７３より、Ｄ／Ａ変換器７４を介して、ＬＣＤ２
に供給され、これにより、ＬＣＤ２では、音声認識結果
としての単語が表示される。

【００５６】その後、ＣＰＵ５５では、ステップＳ１２
において、開始キー２５が操作されたかどうかが判定さ
れる。ステップＳ１２において、開始キー２５が操作さ
れたと判定された場合、ステップＳ１３において、ＬＣ
Ｄ２に表示された単語が消去され、ステップＳ４に戻
り、再び、ステップＳ４からの処理を繰り返す。

【００５７】即ち、ＬＣＤ２に表示された単語が、誤っ
た音声認識結果である場合、ユーザは、開始キー２５を
操作し、再度、発話を行う。また、音声辞書装置１００
では、ステップＳ４以降の処理が繰り返される。

【００５８】一方、ステップＳ１２において、開始キー
２５が操作されていないと判定された場合、ステップＳ
１４に進み、確認実行キー５が操作されたか否かが、Ｃ
ＰＵ５５によって判定される。ステップＳ１４におい
て、確認実行キー５が操作されていないと判定された場
合、ステップＳ１２に戻る。また、ステップＳ１４にお
いて、確認実行キー５が操作されたと判定された場合、
即ち、ステップＳ１１で、ＬＣＤ２に表示された音声認
識結果（単語）が正しい場合、ステップＳ２に戻り、再
び、ステップＳ２以降の処理を繰り返す。

【００５９】従って、ＬＣＤ２に音声認識結果が表示さ
れた後、確認実行キー５が操作された場合には、ステッ
プＳ２およびＳ３のループ処理において、開始キー２５
の操作を待って、再び、ステップＳ４以降の処理が行わ
れるので、ユーザは、音声辞書装置１００に入力すべき
単語が、複数ある場合（例えば、用例辞書を対象に辞書
検索を行う場合など）には、ＬＣＤ２に音声認識結果が
表示された後、確認実行キー５が操作し、さらに、開始
キー２５を操作することで、そのような複数の単語の入
力を行うことができる。

【００６０】その後、ステップＳ２およびＳ３のループ
処理が行われている場合において、確認実行キー５が操
作された場合、ステップＳ２において、確認実行キー５
が操作されたと判定される。ステップＳ２において、確
認実行キー５が操作されたと判定された場合、ステップ
Ｓ１５に進み、ＣＰＵ５５は、いままでの音声認識結果
としての単語を、辞書検索回路７０に供給し、その単語
を対象に、辞書検索を行わせる。そして、辞書検索回路
７０は、辞書検索を終了すると、その検索結果を、ＣＰ
Ｕ５５に供給するので、ＣＰＵ５５は、ステップＳ１６
において、これを受信して、文字表示回路７３に出力す
ることにより、辞書検索結果を、ＬＣＤ２に表示させ、
ステップＳ２に戻る。

【００６１】従って、ステップＳ１１において、ＬＣＤ
２に音声認識結果が表示された後、２回続けて確認実行
キー５が操作されると、いままでに音声認識された単語
を対象として辞書検索が行われ、その辞書検索結果が、
ＬＣＤ２に表示される。

【００６２】そして、その後、例えば、電源スイッチ４
が操作されることにより、装置の電源がオフ状態にされ
ると、モデム５８において、外部コンピュータ１０２と
の回線が切断される。

【００６３】なお、以上においては、常に、音声認識回
路５２に、入力された音声の音声認識を行わせるととも
に、その音声を、外部コンピュータ１０２に送信し、外
部コンピュータ１０２にも音声認識させるようにした
が、外部コンピュータ１０２には、音声認識回路５２に
より音声認識をすることが困難な場合のみ、音声を送信
して音声認識させることが可能である。即ち、外部コン
ピュータ１０２には、例えば、音声認識回路５２におけ
る音声認識の結果得られる尤度が、所定の閾値未満の場
合のみ、音声を送信して音声認識させるようにすること
が可能である。

【００６４】また、上述の場合においては、装置の電源
がオン状態の間は、外部コンピュータ１０２との通信リ
ンクが確立されたままとされるため、モデム５８と外部
コンピュータ１０２との間で、データのやりとりがなさ
れていなくても、通話料がかかることになる。そこで、
ＣＰＵ５５は、外部コンピュータ１０２との通信リンク
の確立後、データがやりとりされない期間が、所定の時
間以上続いた場合には、モデム５８に、外部コンピュー
タ１０２との回線を切断させ、その後、外部コンピュー
タ１０２へデータを送信する必要が生じたときに、再
び、外部コンピュータ１０２との通信リンクを確立させ
るようになされている。なお、この場合、ＣＰＵ５５
は、外部コンピュータ１０２との間でデータがやりとり
されない期間が、所定の時間以上続いたかどうかは、タ
イマ回路５９の出力を参照することにより判断されるよ
うになされている。

【００６５】次に、図６は、図４の外部コンピュータ１
０２の構成例を示している。ＲＯＭ８１は、ＣＰＵ８２
が実行する各種のプログラムや、必要なデータが記憶さ
れている。ＣＰＵ８２は、ＲＯＭ８１に記憶されている
プログラムを実行することにより、音声認識処理その他
の各種の処理を行うようになされている。ＲＡＭ８３
は、ＣＰＵ８２の動作上必要なデータを記憶するように
なされている。ハードディスク８４には、ＣＰＵ８２が
音声認識の対象とする単語が登録された大規模な辞書
（以下、適宜、大規模認識用辞書という）が記憶されて
いる。モデム８５は、ＣＰＵ８２の制御にしたがい、所
定の通信制御を行うようになされている。

【００６６】なお、ＣＰＵ８２としては、音声辞書装置
１００の音声認識回路５２と比較して、処理能力の高い
ものが用いられており、従って、外部コンピュータ１０
２では、多くの単語を対象とする音声認識処理を迅速、
かつ精度良く行うことができるようになされている。

【００６７】また、ＣＰＵ８２は、例えば、ＤＰマッチ
ング法やＨＭＭ法その他の音声認識アルゴリズムにした
がって音声認識を行うようになされている。

【００６８】ここで、ＤＰマッチング法は、音声の特徴
量を入力パターンとし、この入力パターンと、テンプレ
ートと呼ばれる標準パターンとを、時間軸伸縮を行いな
がらマッチングすることによって音声認識を行うもので
あり、例えば、入力パターンとの距離を最も短くする標
準パターンに対応する文字（文字列）が音声認識結果と
される。また、ＨＭＭ法は、幾つかの状態からなる確率
モデル（ＨＭＭ）によって音声認識を行うものであり、
例えば、音声の特徴量の系列が観測される確率が最も高
い確率モデルに対応する単語（文字列）が音声認識結果
とされる。

【００６９】次に、図７のフローチャートを参照して、
その動作について説明する。外部コンピュータ１０２で
は、まず最初に、ステップＳ２１において、音声辞書装
置１００からアクセスがあったかどうかが判定される。
ステップＳ２１において、音声辞書装置１００からアク
セスがなかったと判定された場合、ステップＳ２１に戻
る。また、ステップＳ２１において、音声辞書装置１０
０からアクセスがあったと判定された場合、即ち、モデ
ム８５と、音声辞書装置１００のモデム５８との間で通
信リンクが確立された場合、ステップＳ２２に進み、音
声辞書装置１００（モデム５８）から回線が切断された
かどうかが判定される。ステップＳ２２において、回線
が切断されたと判定された場合、ステップＳ２１に戻
る。また、ステップＳ２２において、回線が切断されて
いないと判定された場合、ステップＳ２３に進み、モデ
ム８５において、音声辞書装置１００からの音声が受信
されたかどうかが判定される。ステップＳ２３におい
て、音声辞書装置１００からの音声が受信されていない
と判定された場合、ステップＳ２２に戻る。

【００７０】また、ステップＳ２３において、音声辞書
装置１００からの音声が受信されたと判定された場合、
ステップＳ２４に進み、ＣＰＵ８２は、その音声の音声
認識を、ハードディスク８４の大規模認識用辞書に登録
されている単語を対象に行う。そして、ＣＰＵ８２は、
音声認識処理を終了すると、ステップＳ２５において、
その音声認識の結果得られた最も尤度の高い単語の単語
コードを、モデム８５を制御することにより、公衆電話
回線網１０１を介して、音声辞書装置１００に送信さ
せ、ステップＳ２２に戻る。

【００７１】外部コンピュータ１０２では、処理能力の
高いＣＰＵ８２において、多くの単語を対象に、迅速か
つ精度の高い音声認識が行われるので、音声辞書装置１
００では、装置を高コスト化および大規模化することな
く、精度の高い音声認識結果を迅速に得ることが可能と
なる。

【００７２】ところで、図４に示した場合においては、
複数の外部コンピュータ１０２のうちのいずれにアクセ
スするかを、ユーザが選択する必要があるが、この選択
は、ユーザに煩わしさを感じさせることがある。そこ
で、図８に示すように、接続専用外部コンピュータ１１
１を新たに設け、音声辞書装置１００からは、常に、こ
の接続専用外部コンピュータ１１１にアクセスするよう
にし、接続専用外部コンピュータ１１１に、複数の外部
コンピュータ１０２の中から、比較的空いているものを
選択させ、その外部コンピュータ１０２に音声認識処理
を行わせるようにすることができる。この場合、ユーザ
は、接続専用外部コンピュータ１１１にのみアクセスす
れば良く、従って、ユーザに煩わしさを感じさせること
を防止することができる。さらに、この場合、複数の外
部コンピュータ１０２の中から、比較的空いているもの
が選択されるので、この複数の外部コンピュータ１０２
の効率的な利用を図ることができる。

【００７３】なお、この場合、複数の外部コンピュータ
１０２および接続専用外部コンピュータ１１１は、例え
ばインターネットなどの広域コンピュータネットワーク
や、ＬＡＮ（Local Area Network）などを構成している
ものとすることができる。

【００７４】また、接続専用外部コンピュータ１１１
は、図６に示した外部コンピュータ１０２と基本的に同
様に構成されている。

【００７５】次に、図８に示したような使用形態におけ
る接続専用外部コンピュータ１１１と外部コンピュータ
１０２の動作について、図９と図１０のフローチャート
をそれぞれ参照して説明する。

【００７６】接続専用外部コンピュータ１１１では、図
９のステップＳ３１乃至Ｓ３３において、図７のステッ
プＳ２１乃至Ｓ２３における場合とそれぞれ同様の処理
が行われる。そして、ステップＳ３３において、音声辞
書装置１００からの音声が受信されたと判定された場
合、ステップＳ３４に進み、その音声が、複数の外部コ
ンピュータ１０２のうち、比較的空いているものに送信
される。その後、その音声が送信された外部コンピュー
タ１０２からは、その音声認識結果が送信されてくるの
で、接続専用外部コンピュータ１１１では、ステップＳ
３５において、外部コンピュータ１０２から送信されて
くる音声認識結果が受信されたかどうかが判定される。
ステップＳ３５において、外部コンピュータ１０２から
の音声認識結果が受信されていないと判定された場合、
ステップＳ３５に戻る。また、ステップＳ３５におい
て、外部コンピュータ１０２からの音声認識結果が受信
されたと判定された場合、ステップＳ３６に進み、その
音声認識結果が、音声を送信してきた音声辞書装置１０
０に送信され、ステップＳ３２に戻る。

【００７７】なお、接続専用外部コンピュータ１１１に
おいて、複数の音声辞書装置１００からのアクセスを同
時に受け付けるためには、それに対応した数のモデムが
必要となるが、この場合、接続専用外部コンピュータ１
１１では、そのモデムの数と同一の数だけ、図９のフロ
ーチャートにしたがった処理がマルチタスクで行われ
る。

【００７８】一方、外部コンピュータ１０２では、まず
最初に、図１０のステップＳ４１において、接続専用外
部コンピュータ１１１からの音声が受信されたかどうか
が判定される。ステップＳ４１において、音声が受信さ
れていないと判定された場合、ステップＳ４１に戻る。
また、ステップＳ４１において、音声が受信されたと判
定された場合、ステップＳ４２に進み、その音声が音声
認識される。そして、ステップＳ４３に進み、その音声
認識結果が、接続専用外部コンピュータ１１１に送信さ
れ、ステップＳ４１に戻る。

【００７９】以上のように、音声辞書装置１００から音
声を外部コンピュータ１０２に送信して音声認識させる
ようにしたので、音声辞書装置１００では、多数の語彙
（単語）を対象とした、精度の良い音声認識結果を、迅
速に得ることが可能となる。

【００８０】以上、本発明を、辞書（辞典）検索を行う
音声辞書装置に適用した場合について説明したが、本発
明は、その他、例えば、電子的な住所録や電話帳などデ
ータベースを対象に、所定のキーワードにより検索を行
う装置その他に適用可能である。

【００８１】なお、本実施例においては、日本語および
英語を処理の対象としたが、処理の対象とする言語は、
日本語および英語に限定されるものではない。

【００８２】また、本実施例では、情報を出力するため
の手段として、ＬＣＤ２を設けたが、情報の出力は、そ
の他、例えば、合成音などにより行うようにすることも
可能である。

【００８３】さらに、本実施例では、音声辞書装置１０
０に音声認識回路５２を設けるようにしたが、音声辞書
装置１００は、音声認識回路５２を設けずに構成するこ
とも可能である。この場合、マイク３に入力された音声
は、常に、外部コンピュータ１０２に送信されて音声認
識される。

【００８４】また、本実施例では、公衆電話回線網１０
１や、広域コンピュータネットワークであるインターネ
ットを介して、音声辞書装置１００と外部コンピュータ
１０２との間で通信を行うようにしたが、それ以外の有
線回線を介して通信を行うようにすることも可能であ
る。さらに、無線回線を介して通信を行うようにするこ
とも可能である。即ち、例えば、無線ＬＡＮや、また、
外部コンピュータ１０２が音声辞書装置１００の近くに
設置されている場合には赤外線などにより、通信を行う
ようにすることが可能である。

【００８５】

【発明の効果】請求項１に記載の音声処理装置および請
求項９に記載の音声処理方法によれば、入力された音声
が、外部の情報処理装置に送信され、その後、情報処理
装置から送信されてくる音声の音声認識結果が受信され
る。従って、装置を大型化、高コスト化することなく、
多数の語彙を対象とした、精度の良い音声認識結果を、
迅速に得ることが可能となる。

【図面の簡単な説明】

【図１】本発明を適用した音声辞書装置の一実施例の構
成を示す斜視図である。

【図２】図１の音声辞書装置１００の平面図である。

【図３】図１の音声辞書装置１００の内部構成例を示す
ブロック図である。

【図４】音声辞書装置１００の利用形態を説明するため
の図である。

【図５】図３の音声辞書装置１００の動作を説明するた
めのフローチャートである。

【図６】図４の外部コンピュータ１０２の構成例を示す
ブロック図である。

【図７】図６の外部コンピュータ１０２の動作を説明す
るためのフローチャートである。

【図８】音声辞書装置の他の利用形態を説明するための
図である。

【図９】図８の接続専用外部コンピュータ１１１の動作
を説明するためのフローチャートである。

【図１０】図８の外部コンピュータ１０２の動作を説明
するためのフローチャートである。

【符号の説明】

１コネクタ，２ＬＣＤ（出力手段），３マイ
ク（入力手段），５確認実行キー，２５開始キ
ー，２６終了キー，５２音声認識回路（音声認
識手段），５５ＣＰＵ（処理手段），５８モデ
ム（通信手段），７０辞書検索回路，１００音
声辞書装置，１０１公衆電話回線網，１０２外
部コンピュータ，１１１接続専用外部コンピュータ

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Ｇ０６Ｆ 15/38 Ａ

Claims

【特許請求の範囲】

【請求項１】音声を入力するための入力手段と、前記入力手段から入力された前記音声を、外部の情報処
理装置に送信し、その情報処理装置から送信されてくる
前記音声の音声認識結果を受信する通信手段と、前記通信手段で受信された前記音声認識結果に対応し
て、所定の処理を行う処理手段とを備えることを特徴と
する音声処理装置。
【請求項２】前記処理手段は、前記音声認識結果をキ
ーワードとして、辞書の検索を行うことを特徴とする請
求項１に記載の音声処理装置。
【請求項３】前記音声認識結果を出力する出力手段を
さらに備えることを特徴とする請求項１に記載の音声処
理装置。
【請求項４】前記音声を音声認識する音声認識手段を
さらに備え、前記通信手段は、前記音声認識手段により前記音声を音
声認識することが困難なとき、その音声を、前記情報処
理装置に送信することを特徴とする請求項１に記載の音
声処理装置。
【請求項５】前記通信手段は、前記情報処理装置との
通信を、広域コンピュータネットワークを介して行うこ
とを特徴とする請求項１に記載の音声処理装置。
【請求項６】前記通信手段は、前記情報処理装置との
通信を、無線により行うことを特徴とする請求項１に記
載の音声処理装置。
【請求項７】前記情報処理装置は、複数存在すること
を特徴とする請求項１に記載の音声処理装置。
【請求項８】前記情報処理装置は、ＤＰ（Dynamic Pr
ogramming）マッチング法またはＨＭＭ（Hidden Markov
Model）法により音声認識を行うことを特徴とする請求
項１に記載の音声処理装置。
【請求項９】端末に入力された音声を、外部の情報処
理装置に送信し、前記情報処理装置において、前記音声を音声認識し、そ
の音声認識結果を、前記端末に送信し、前記端末において、前記情報処理装置から送信されてく
る前記音声認識結果を受信し、その音声認識結果に対応
して、所定の処理を行うことを特徴とする音声処理方
法。
【請求項１０】前記情報処理装置は複数存在し、前記
音声は、そのうちのいずれか１つに送信されることを特
徴とする請求項９に記載の音声処理方法。