JPH11175091A

JPH11175091A - 電話回線用音声認識装置

Info

Publication number: JPH11175091A
Application number: JP35221097A
Authority: JP
Inventors: Takeshi Kato; 剛加藤
Original assignee: NEC Corp
Current assignee: NEC Corp
Priority date: 1997-12-05
Filing date: 1997-12-05
Publication date: 1999-07-02
Anticipated expiration: 2017-12-05
Also published as: US6522725B2; US20020094066A1; JP3055514B2

Abstract

(57)【要約】【課題】端末型の音声認識性能を備え局側での柔軟なサ
ービス変更が出来るようにした電話回線用音声認識装置
の提供。【解決手段】回線制御装置からの入力データを制御する
制御部、制御部を通して認識結果を受け取りサービスを
実行する音声認識ホスト部、音声認識ホスト部からの要
求に応じて音声応答する音声応答部、音声認識ホスト部
からの要求に応じデータを提供するデータベースを備え
た局設置ダウンロード装置と、ダウンロード装置から電
話網を通してダウンロードされる音声認識ソフトウェア
モジュールを受信しこれを格納する記憶部、該音声認識
ソフトウェアモジュールを実行し音声認識を行う演算
部、音声入出力部、を備え音声認識結果を音声認識ホス
ト部で規定された形式で回線インタフェースを介して応
答する電話端末と、を備える

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は、電話回線用音声認
識装置に関し、特に、音声品質の劣化により認識率の低
下を回避し、且つ局側でのサービス変更に柔軟に対処可
能な電話回線用音声認識装置に関する。

【０００２】

【従来の技術】従来の電話回線用音声認識装置は、局
（センター）設置型か、又は端末型かに分かれている。
図３に、局側に音声認識装置を設置した従来の構成の一
例をブロック図にて示す。図３を参照すると、電話端末
３０１、電話網３１０、音声認識ユニット内蔵交換機３
２０からなり、電話端末３０１は、回線インタフェース
３０３及び音声入力装置３０２を備え、音声認識ユニッ
ト内蔵交換機３２０は、音声認識部３２１、音声応答部
３２２、データベース３２３、制御部３２４、ＮＣＵ
（回線制御装置）３２５を備えている。この局設置型音
声認識方式においては、回線状態により音声品質の劣化
し（例えば漏話等の雑音、信号歪）、センター側の音声
認識部３２１に入力される音声信号の品質が悪くなり、
このため十分な認識性能を得るためには、処理内容、お
よび音声データ認識用のデータベースのデータ量が増大
することになる。また、センター側では不特定話者の音
声を認識するために、高度な認識技術を実装することが
必要とされている。

【０００３】この種の問題の解決を図るものとして、例
えば特開昭５８−７６８９０号公報には、端末側に音声
認識用の非線形時間軸照合用部ＬＳＩを設け、端末での
音声認識結果であるコード信号を電話回線を通してセン
ターに転送する声認識装置が提案されている。図４に、
この従来の方式をブロック図にて示す。図４を参照する
と、電話端末４０１は、音声入出力装置４０２、回線イ
ンタフェース４０３、音声認識装置４０４を備え、音声
認識装置４０４は、例えばディジタル信号に変換された
音声データを内蔵する標準パタンの照合し、最適に照合
したものを認識結果とし、認識結果を回線インタフェー
ス４０１を介してセンターに送る。

【０００４】しかしながら、この従来方式では、音声認
識機能は始めから端末側に固定されており、局側との連
携したサービス変更等が困難であり、センター側のアプ
リケーション（サービス）の仕様変更の自由度が縮減さ
れてしまうことになり、さらに端末側の音声認識装置の
性能向上も容易ではなかった。

【０００５】

【発明が解決しようとする課題】上記したように、従来
の電話回線用音声認識装置は、局（センター）設置型
か、端末型かのいずれかに分かれており、第１の問題点
として、局設置型音声認識方式においては、回線状態に
よる品質劣化をともなった音声の認識に対応した処理及
び構成が必要とされ、装置の大型化、コスト上昇を招く
という問題を有している。その理由は、局側の音声認識
装置には、サービス利用者の音声が回線を通して入力さ
れるためである。

【０００６】第２の問題点は、例えば上記特開昭５８−
７６８９０号公報等に提案される端末型音声認識方式
は、局（センター）と一体となったサービスの提供、及
び最新のサービスの提供等は考慮されていない、という
ことである。その理由は、端末型音声認識方式において
音声認識機能は、端末に組み込み込まれた機能に依存
し、局側との動的なプログラム交換機能が実現されてい
ないためである。

【０００７】したがって、本発明は、上記問題点に鑑み
てなされたものであって、その目的は、端末型の音声認
識性能を備え、さらに局側での柔軟なサービス変更が出
来るようにした電話回線用音声認識装置を提供すること
にある。

【０００８】

【課題を解決するための手段】前記目的を達成するた
め、本発明の電話回線用音声認識装置は、局側から音声
認識用ソフトウェアモジュールを電話回線を通して電話
端末にダウンロードし、前記電話端末は、前記ダウンロ
ードされた前音声認識用ソフトウェアモジュールを処理
装置で実行することで加入者の音声を認識し、認識結果
を前記局側で予め規定された形式で前記電話回線を通し
て転送する手段を備え、前記局側に前記認識結果を基づ
き所定のサービスを実行する手段を備え、サービスを前
記加入者に供給する、ことを特徴とする。

【０００９】

【発明の実施の形態】本発明の実施の形態について以下
に説明する。本発明の電話回線用音声認識装置は、その
好ましい実施の形態において、音声認識部を電話端末側
と局側の２つに分け、演算手段で実行されることで音声
認識機能を実現するプログラム（図１の音声認識ソフト
ウェアモジュール４）を電話端末側に置き、その認識結
果を利用して動作する手段（図１の音声認識ホスト部１
１）を局側（図１のダウンロード装置１内）に配置する
ようにしたものである。

【００１０】より詳細には、本発明の実施の形態におい
ては、音声認識ソフトウェアモジュールを局側から電話
端末にダウンロードする方式をとり、局側の認識ホスト
の仕様変更などに迅速に対応出来るようにしたものであ
り、電話網からの通話を制御して制御手段に接続する回
線制御装置（図１の１５）と、この回線制御装置からの
入力データを制御する制御手段（図１の１４）と、制御
手段を通して認識結果を受け取りサービスを実行する音
声認識ホスト手段（図１の１１）と、音声認識ホスト手
段からの要求に応じて音声で応答する音声応答手段（図
１の１２）と、音声認識ホスト手段からの要求に応じ順
次データを提供するデータベース（図１の１４）と、を
備えた局設置型のダウンロード装置（図１の１）を備え
ている。

【００１１】そして、本発明の実施の形態において、電
話端末（図１の３）は、このダウンロード装置から電話
網（図１の２）を通してダウンロードされる音声認識ソ
フトウェアモジュール（図１の４）を回線インタフェー
ス手段（図１の３２）で受信しこれを格納する記憶手段
（図１の３１）と、この記憶手段に格納された音声認識
ソフトウェアモジュールを実行し音声認識を行う演算処
理手段（図１の３３）と、音声入出力手段（図１の３
４）と、を備え、音声認識結果を前記ダウンロード装置
の音声認識ホスト手段で規定された形式で前記回線イン
タフェース手段を介して応答する。

【００１２】このように、本発明の実施の形態において
は、音声認識用のプログラムを局側と電話端末側の２つ
にわけ、電話端末側の音声認識プログラムは局側から供
給する構成としたことにより、音声認識プログラムを局
側で一元的に管理でき、保守性を向上する。特に、局設
置型方式の長所である、利用者に対するサービスの入替
えが容易になる。

【００１３】また、局側から電話端末側に、実質的な音
声認識用プログラムを置き、電話端末側で音声認識を行
うことから、局設置型音声認識方式に不可避の問題であ
った音声の回線劣化による認識率低下を回避することが
できる。

【００１４】このように、本発明の実施の形態によれ
ば、局設置型、及び端末型の電話回線用音声認識装置の
双方の長所を兼ね備えるものである。

【００１５】

【実施例】上記した本発明の実施の形態について更に詳
細に説明すべく、本発明の実施例について図面を参照し
て以下に詳細に説明する。

【００１６】図１は、本発明の一実施例の構成を示す図
である。図１において、１は電話交換機に併設された局
側のダウンロード装置であり、音声認識ホスト部１１、
音声応答部１２、データベース１３、制御部１４、回線
制御部（ＮＣＵ）１５を備えている。２は電話網、３は
電話端末であり、電話端末（「汎用演算器つき電話端
末」ともいう）３は、回線インタフェース３１、メモリ
３２、演算部３３、音声入出力装置３４を備えている。
また、４はダウンロード装置１から電話網を介してダウ
ンロードされる音声認識ソフトウェアモジュールであ
る。

【００１７】図１を参照すると、サービス利用者から電
話網２を通して通話があると回線制御部（ＮＣＵ）１５
を介して制御部１４に接続される。制御部１４は音声認
識ホスト部１１に接続し、音声認識ホスト部１１または
データベース１３から音声認識ソフトウェアモジュール
４を、サービス利用者の汎用演算器つき電話端末３のメ
モリ３２にダウンロードする。

【００１８】電話端末３にダウンロードされた音声認識
ソフトウェアモジュールは、演算部３３により実行され
ると、まず電話端末３の端末種別、サービス利用者のい
る環境雑音レベルなどを調べ、またこのサービスが話者
を特定できるようなサービスの場合、サービス利用者の
話者性（発話タイミング、発生音量、訛り等）なども、
ダウンロードされた音声認識ソフトウェアモジュール４
のデータ部４２からセットし、サービス利用者の環境に
最適になるように設定する。

【００１９】音声認識するための準備が整うと、話者に
発話を促すように信号音または音声が再生され、話者
は、これに従い音声入力装置３４を介してサービスを利
用する。電話端末３で音声認識された認識結果は局側の
音声認識ホスト部１１で規定された形式（ＡＰＩ；アプ
リケーションインタフェース）に基づき転送され、音声
認識ホスト部１１は該認識結果に対応したサービスプロ
グラムを実行し、音声応答部１２は音声認識ホスト部１
１からの要求に応じて音声応答にて加入者にサービスを
供給する。

【００２０】本実施例においては、電話端末側の音声認
識ソフトウェアモジュールが、局側から供給されため、
常に局側の認識ホスト部１１のプログラムバージョン
や、仕様との整合性をとることができると共に、サービ
ス変更は、局側のダウンロード装置に内蔵されている音
声認識ソフトウェアモジュールと音声認識ホスト部１１
のプログラムを入れ替えることで容易に行うことができ
る。

【００２１】次に、本発明の第２の実施例について説明
する。図２は、本発明の第２の実施例の構成を示すブロ
ック図である。図２を参照すると、本発明の第２の実施
例において、ダウンロード用音声認識ソフトウェアモジ
ュール４のデータ部４２には、予め既知の音響データ等
（回線の劣化を調べられるようなテストパターン）を格
納しておき、ダウンロード用音声認識モジュール４が電
話端末３で受信された時点で、このテストパターンを用
いて回線の劣化状態を調べ、回線特性を判定すること
で、認識率向上に役立てるようにしたものである。

【００２２】また、音声認識ホスト部１１と既知の音響
データを電話網２を通して通信し、音声認識率向上に役
立てるようにしてもよい。この場合、ダウンロードされ
る音声認識ソフトウェアモジュール４は、通信モジュー
ルとしての働きも有する。

【００２３】また本発明の実施例においては、汎用演算
器付き電話端末３にダウンロードされるソフトウェアモ
ジュールとしては、音声認識用ソフトウェアに限らず、
その他のサービスを実行するためのモジュールをダウン
ロードして電話端末側で実行させるようにしてもよい。

【００２４】

【発明の効果】以上説明したように、本発明によれば、
音声認識ソフトウェアモジュールを電話端末にダウンロ
ードする構成としたことにより、端末型の音声認識性能
を備えると共に、さらに局側での柔軟なサービス変更が
出来るシステムを構築することができる、という効果を
奏する。

【００２５】その理由は、局側が提供するいわゆる局用
電話回線音声認識装置において、音声認識部を端末側に
置くことにより、回線の雑音等による音声認識率の低下
を防ぐと共に、端末側の音声認識ソフトウェアモジュー
ルが局側から供給されるため、局側の認識ホスト部のプ
ログラムバージョンや、仕様との整合をとることがで
き、サービス変更は、局側のダウンロード装置に内蔵さ
れている音声認識ソフトウェアモジュールと音声認識ホ
スト部のプログラムを入れ替えることによって行うこと
ができるためである。

【図面の簡単な説明】

【図１】本発明の第１の実施例の構成を示す図である。

【図２】本発明の第１の実施例の構成を示す図である。

【図３】従来の局（センター）型の電話回線用音声認識
装置の構成の一例を示す図である。

【図４】従来の端末型の電話回線音声認識装置の構成の
一例を示す図である。

【符号の説明】

１ダウンロード装置１１音声認識ホスト部１２音声応答部１３データベース１４制御部１５回線制御ユニット（ＮＣＵ）２電話網３汎用演算機付き電話端末３１回線Ｉ／Ｆ（インタフェース）３２メモリ３３演算部３４音声入出力装置４音声認識ソフトウェアモジュール４１音声認識プログラム部４２データ部

Claims

【特許請求の範囲】

【請求項１】電話網からの通話を制御する回線制御手段
と、前記回線制御手段からの入力データを制御する前記制御
手段と、前記制御手段を通して認識結果を受け取りサービスを実
行する音声認識ホスト手段と、前記音声認識ホスト手段からの要求に応じて音声で応答
する音声応答手段と、前記音声認識ホスト手段からの要求に応じ順次データを
提供するデータベースと、を備えた局設置型のダウンロ
ード装置と、前記ダウンロード装置から前記電話網を通してダウンロ
ードされる音声認識ソフトウェアモジュールを回線イン
タフェースで受信しこれを格納する記憶手段と、前記記憶手段に格納された音声認識ソフトウェアモジュ
ールを実行し音声認識を行う演算手段と、音声入出力手段と、を備え、音声認識結果を前記ダウンロード装置の前記音
声認識ホスト手段で規定された形式で前記回線インタフ
ェースを介して応答する電話端末と、を備えたことを特徴とするような電話回線用音声認識装
置。
【請求項２】前記電話端末側に、話者の話者性、すなわ
ち発話タイミング、発話音量、発話の癖などを示すパラ
メータを保存するか、もしくは、前記音声認識ホスト手
段で話者が特定できた時点で、前記音声認識ソフトウェ
アモジュールに前記パラメータが付加されて前記電話端
末にダウンロードされ、さらに端末種別データが前記音
声認識ソフトウェアモジュールに付加されてダウンロー
ドされる、ことを特徴とする請求項１記載の電話回線用
音声認識装置。
【請求項３】前記音声認識ソフトウェアモジュールが、
音声認識用プログラムよりなる音声認識プログラム部
と、前記音声認識プログラム部に付随するデータ部とを
含むことを特徴とする請求項１記載の電話回線用音声認
識装置。
【請求項４】前記音声認識ソフトウェアモジュールに回
線の状態をテストするためのデータを付加して前記電話
端末にダウンロードし、前記電話端末はこのテスト用デ
ータを用いて回線特定の試験を行う、ことを特徴とする
請求項１記載の電話回線用音声認識装置。
【請求項５】前記ダウンロード装置が、前記音声認識ソ
フトウェアモジュールに替わって、所望のサービスを前
記電話端末側で実行するためのソフトウェアモジュール
をダウンロードする、ことを特徴とする請求項１記載の
電話回線用音声認識装置。
【請求項６】局側のダウンロード装置から電話網を通し
てダウンロードされる音声認識ソフトウェアモジュール
を回線インタフェースで受信しこれを格納する記憶手段
と、前記記憶手段に格納された音声認識ソフトウェアモジュ
ールを実行して音声認識を行う演算手段と、音声入出力手段と、を備えたことを特徴とするような電話端末。
【請求項７】局側から音声認識用ソフトウェアモジュー
ルを電話回線を通して電話端末にダウンロードし、前記電話端末が、前記ダウンロードされた前音声認識用
ソフトウェアモジュールを処理装置で実行することで加
入者の音声を認識し、該認識結果を前記局側で予め規定
された形式で前記電話回線を通して転送する手段を備
え、前記局側が、前記電話端末側から転送された認識結果に
基づき所定のサービスシナリオを実行する手段を備え、
サービスを前記加入者に供給する、ことを特徴とする電
話回線用音声認識装置。
【請求項８】前記局側に、前記サービスを実行する手段
の要求に応じて音声で応答する手段を更に備えたことを
特徴とする請求項７記載の電話回線用音声認識装置。