JPH11231889A - 音声認識装置 - Google Patents

Abstract

(57)【要約】 【課題】 音声認識の認識率を向上させると共に、ユー
ザーが不快に感ずることを極力防止する。 【解決手段】 本発明の音声認識装置は、入力された音
声と記憶されている複数の比較対象パターン候補とを比
較して類似度を計算し、この類似度が最も高いものを認
識結果とするように構成されたものにおいて、所定の地
点や所定の地域等を示すデータからなる優先認識情報を
入力する情報入力手段を備えると共に、前記優先認識情
報と記憶されている調整ルールに基づいて前記類似度を
調整する類似度調整手段１８を備えたところに特徴を有
するものである。この構成によれば、ユーザーにとって
優先的に認識されるべき言葉が認識され易くなる。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は、例えばナビゲーシ
ョンシステムに組み込むのに好適する装置であって、ナ
ビゲーションシステムに目的地等を入力する場合に音声
による入力を可能にする音声認識装置に関する。

【０００２】

【従来の技術】この種の音声認識装置は、ユーザーが発
した音声を入力し、この入力した音声と、認識辞書に記
憶されている複数の比較対象パターン候補とを比較（照
合）して、ユーザー発生音声と比較対象パターン候補の
一致度合い、即ち、類似度を計算するように構成されて
いる。そして、これら計算した類似度の中で最も高い類
似度を持つ比較対象パターン候補を、認識結果として出
力するように構成されている。

【０００３】このような構成の音声認識装置をナビゲー
ションシステムに組み込むと、ナビゲーションシステム
に目的地等を入力する場合に、音声による入力が可能と
なる。この構成の場合、ナビゲーションシステムを音声
によって操作可能となるので、運転中のユーザーにとっ
てもかなり利用し易い便利な装置となる。

【０００４】

【発明が解決しようとする課題】しかしながら、上記従
来構成の音声認識装置においては、発音が似ている目的
地や名称等を音声認識するような場合、認識結果が誤っ
ていることがときどきある。そして、このような誤認識
が発生すると、ユーザーが意図しない処理が実行されて
しまう、例えばユーザーが意図しない目的地が設定され
てしまうことがあり、このような場合、ユーザーに不快
感を与えていた。

【０００５】そこで、本発明の目的は、音声認識の認識
率を向上させることができ、ユーザーが不快に感ずるこ
とを極力防止できる音声認識装置を提供することにあ
る。

【０００６】

【課題を解決するための手段】請求項１の発明によれ
ば、優先認識情報を入力し、この優先認識情報と記憶さ
れている調整ルールに基づいて類似度を調整するように
構成したので、ユーザーにとって優先的に認識されるべ
き比較対象パターン候補（目的地や名称等の言葉）が認
識され易くなる。これにより、音声認識の認識率が向上
するから、ユーザーが不快に感ずることを極力少なくす
ることが可能である。

【０００７】この場合、請求項２の発明のように、ユー
ザーによる入力操作によって優先認識情報を入力させる
ように構成したり、また、請求項３の発明のように、優
先認識情報を記憶する記憶手段を備えるように構成した
りすることが好ましい。このように構成すると、ユーザ
ーの希望に合致するように認識率を向上させることがで
きる。

【０００８】請求項４の発明においては、現在位置を検
出する位置検出手段を備え、優先認識情報として上記検
出した現在位置を入力するように構成した。この構成に
よれば、自動的に認識率が向上するから、ユーザーの使
い勝手をより一層向上させることができる。

【０００９】請求項５の発明によれば、複数の比較対象
パターン候補に、都道府県名、市区町村名、位置、種別
またはランクのうちの少なくとも１つのデータまたは複
数を組み合わせたデータを付加すると共に、この付加し
たデータと優先認識情報と調整ルールに基づいて類似度
を調整するように構成した。これにより、類似度をより
一層細かく調整できるから、認識率もより一層向上す
る。

【００１０】請求項６の発明によれば、学習処理によっ
て調整ルールを変更したり増減したりするように構成し
たので、認識率が自動的に向上するようになる。そし
て、この場合、請求項７の発明のように、認識履歴に基
づいて調整ルールを変更したり増減したりするように構
成することが好ましい。このように構成すると、認識率
が一層向上する。

【００１１】

【発明の実施の形態】以下、本発明をカーナビゲーショ
ンシステムに適用した一実施例について図面を参照しな
がら説明する。まず、図２はカーナビゲーションシステ
ム１の全体構成を概略的に示すブロック図である。この
図２に示すように、カーナビゲーションシステム１は、
音声認識装置２とナビゲーション装置３とを備えて構成
されている。上記音声認識装置２には、マイク４とＰＴ
Ｔ（Push-To-Talk）スイッチ５とスピーカ６とが接続さ
れている。

【００１２】また、ナビゲーション装置３の具体的構成
を、図３に示す。この図３において、ナビゲーション装
置３の制御回路７は、マイクロコンピュータを含んで構
成されており、ナビゲーション装置３の運転全般を制御
する機能を有している。この制御回路７には、位置検出
器８、地図データ入力器９、操作スイッチ群１０、外部
メモリ１１、表示装置１２及びリモコンセンサ１３が接
続されている。更に、制御回路７には、上記音声入力装
置２（の制御部１４（図４参照））が接続されている。

【００１３】ここで、位置検出器８は、地磁気センサや
ジャイロスコープや距離センサやＧＰＳ受信機（いずれ
も図示しない）等を組み合わせたものまたはその一部で
構成されている。この位置検出器８は、本実施例のカー
ナビゲーションシステム１を搭載した車両の現在位置を
検出して現在位置検出信号を出力するように構成されて
いる。この場合、位置検出器８が位置検出手段及び情報
入力手段を構成している。また、地図データ入力器９
は、地図データやマップマッチングデータ等を入力する
ための装置である。上記地図データ等のデータは、例え
ばＣＤ−ＲＯＭなどからなる記録媒体に記録されてい
る。

【００１４】更に、表示装置１２は、例えば液晶ディス
プレイ等で構成されており、カラー表示が可能で地図等
を明確に表示できるものである。操作スイッチ群１０
は、上記表示装置１２の画面の上面に設けられたタッチ
スイッチ（タッチパネル）と、上記画面の周辺部に設け
られたメカニカルなプッシュスイッチ等から構成されて
いる。リモコンセンサ１３は、ユーザーにより操作され
るリモコン１３ａから送信された送信信号を受信する受
信機である。そして、制御回路７は、ユーザーが操作ス
イッチ群１０やリモコン１３ａを操作することにより目
的地を設定したときに、現在位置からその目的地までの
最適経路を自動的に選択設定する機能や、現在位置を地
図上に位置付けるマップマッチング処理を実行する機能
等を有している。

【００１５】また、上記目的地等を設定する場合に、ユ
ーザーは、操作スイッチ群１０やリモコン１３ａを操作
する代わりに、音声認識装置２を用いて音声で入力する
ことが可能に構成されている。以下、上記音声認識装置
２について、図４を参照して説明する。

【００１６】図４に示すように、音声認識装置２は、制
御部１４、音声入力部１５、音声認識部１６及び音声合
成部１７から構成されている。ここで、制御部１４は、
音声認識装置２の動作全般を制御する機能を有してい
る。上記制御部１４は、上記ナビゲーション装置３の制
御回路７に接続されており、これにより、制御回路７と
の間でデータの授受を行うように構成されている。

【００１７】また、音声入力部１５は、ユーザーが発し
た音声をマイク４を介して入力し、音声データ（例えば
デジタルデータ）を音声認識部１６へ出力するように構
成されている。この場合、音声入力部１５は、ユーザー
がＰＴＴスイッチ８を押し下げ操作している間だけ、音
声データを音声認識部１６へ出力するように構成されて
いる。即ち、ＰＴＴスイッチ８が操作されている間だ
け、ユーザーが発した音声の音声認識処理が実行される
ように構成されている。

【００１８】そして、音声認識部１６は、上記音声入力
部１９から与えられた音声データ（入力した音声）を制
御部１４からの指示に従って音声認識処理を行い、その
音声認識結果を制御部１４へ出力するように構成されて
いる。上記音声認識部１６は、具体的には、図１に示す
ように、照合部１８及び辞書部１９から構成されてい
る。上記辞書部１９には、認識対象語彙及び認識対象語
彙のツリー構造（周知のデータ構造）から構成された辞
書データが記憶されている。ここで、認識対象語彙、即
ち、比較対象パターン候補のデータには、図５に示すよ
うに、都道府県名、市区町村名、認識語彙、位置、種別
及びランクのデータ（いわゆる属性データ）が付加され
ている。この図５には、認識対象語彙として２つの語彙
「東京ディズニーランド」及び「刈谷郵便局」につい
て、各属性データを示す。そして、辞書データ内の他の
認識対象語彙についても、ほぼ同様にして各属性データ
が付加されている。

【００１９】また、照合部１８は、音声入力部１５から
与えられた音声データに対して、上記辞書部１９に記憶
されている辞書データを用いて照合（認識）を行うよう
に構成されている。この場合、まず、音声データと辞書
データ内の複数の比較対象パターン候補とを比較して類
似度（即ち、両者の一致度合いを計算した値）を計算す
る。尚、この類似度を計算する処理は、既に知られてい
る照合処理用の制御プログラム（アルゴリズム）を使用
して実行されるようになっている。

【００２０】続いて、優先認識情報である例えば現在位
置（前記位置検出器８により検出された現在位置）と、
制御部１４内に設けられた記憶部２０（図１参照）に記
憶されている調整ルールに基づいて上記類似度の値を増
減する調整を行う。そして、照合部１８は、この調整し
た類似度が最も高い比較対象パターン候補（認識対象語
彙）を、認識結果として制御部１４へ出力するように構
成されている。この場合、照合部１８が類似度調整手段
を構成している。尚、上記類似度を調整する処理の具体
的内容については、後述する。

【００２１】また、制御部１４の記憶部２０に記憶され
ている調整ルールは、予めメーカー側で設定しておいた
標準的なルールと、ユーザーが入力するルールとがあ
り、これらルールの内容については後述する。そして、
ユーザーがルールを入力する場合は、ナビゲーション装
置３の操作スイッチ群１０やリモコン１３ａを操作する
ことにより、所望のルールを入力するように構成されて
いる。尚、ユーザーがルールを入力する場合、音声でル
ールを入力するように構成しても良い。

【００２２】一方、音声合成部１７は、発声させたい音
声を表わすデータ（例えば仮名文字等から構成されたテ
キストデータ）を制御部１４から受けると、この音声デ
ータから音声を合成するように構成されている。そし
て、音声合成部１７は、上記合成した音声をスピーカ６
から出力して発声させるように構成されている。

【００２３】次に、上記構成の作用、具体的には、目的
地の設定をユーザーが音声で行う場合の動作について、
図６及び図７も参照して説明する。図７のフローチャー
トは、音声認識装置２を動作させる制御プログラムのう
ちの音声認識処理を実行する制御部分の内容を示してい
る。

【００２４】まず、ユーザーは、ＰＴＴスイッチ５を押
しながら、設定したい目的地の名称（例えば「東京ディ
ズニーランド」）をマイク４に向かって発声する。する
と、音声認識装置２の音声入力部１５は、ユーザーが発
した音声をマイク４を介して入力し、音声データを音声
認識部１６へ出力する。これにより、音声認識装置２内
に音声入力が取得される（図７のステップＳ１）。

【００２５】続いて、音声認識装置２の音声認識部１６
は、優先認識情報として例えば現在位置を示す情報を取
得する（ステップＳ２）。この場合、音声認識部１６
は、ナビゲーション装置３の位置検出器８により検出さ
れた現在位置を示す情報（現在位置情報）を、制御回路
７と音声認識装置２の制御部１４とを介して受けるよう
に構成されている。また、ここで取得される現在位置を
示す情報は、例えば「愛知県刈谷市」というように現在
位置が属している所定の地域を示すデータである。尚、
現在位置を示す情報として、例えば現在位置の座標（経
度と緯度）も一緒に取得しておくように構成することが
好ましい。

【００２６】この後、音声認識部１６の照合部１８は、
音声入力部１５から与えられた音声データに対して、辞
書部１９に記憶されている辞書データを用いてデータ照
合（認識）を行う（ステップＳ３）。ここでは、音声デ
ータと辞書データ内の複数の比較対象パターン候補とを
比較して、類似度（即ち、一致度合い）を計算する。今
の場合、ユーザーが発声した音声である例えば「東京デ
ィズニーランド」に対して、類似度が高い順に、次の３
つの認識候補が抽出されたとする。第１の候補は、「東
京○○郵便局」であり、これはランクがＢで類似度が１
００点であったとする。第２の候補は、「東京ディズニ
ーランド」であり、これはランクがＡで類似度が９５点
であったとする。第３の候補は、［東京○○ランド」で
あり、これはランクがＣで類似度が９０点であったとす
る。

【００２７】ここで、従来構成の音声認識装置では、上
記３つの候補の中で、類似度が最も高いもの、即ち、
「東京○○郵便局」を認識結果として出力するようにな
っている。これに対して、本実施例の音声認識装置２に
おいては、その照合部１８が、現在位置のデータと、制
御部１４の記憶部２０に記憶されている調整ルールとに
基づいて上記各類似度の値を増減する調整を行うように
構成されている（ステップＳ４）。

【００２８】具体的には、図６の表に示すように、例え
ば３つの条件を考慮して類似度の値を調整する。ここ
で、上記３つの条件のうちの第１の条件は、認識候補語
の存在位置が隣接県外であるか（それとも同一市区町村
であるか）、または、認識候補語の存在位置と現在位置
との間の距離が○ｋｍ以上であるか（それとも○ｋｍ以
内であるか）を判断している。この場合、○ｋｍは予め
決められた設定値である。第２の条件は、認識候補語の
種別（ジャンル）が何であるか、例えば遊園地である
か、郵便局であるか、………を判断している。第３の条
件は、認識候補語のランクがＡ、Ｂ、Ｃのいずれである
かを判断している。ここで、ランクＡは著名な施設であ
ることを表わし、ランクＢは中程度に知られている施設
であることを表わし、ランクＣはマイナーな施設（その
施設がある地元の人しか知らない施設）であることを表
わしている。

【００２９】そして、照合部１８は、上記した３つの条
件を考慮しながら、抽出した認識候補の類似度の値を、
図６の表の右端の項目（処置）で示すように調整するよ
うに構成されている。具体的には、隣接県外で、遊園地
で、ランクＡであれば、類似度を１０だけ加算している
（図６のＮｏ．１参照）。また、隣接県外で、遊園地
で、ランクＣであれば、類似度を１０だけ減算している
（図６のＮｏ．２参照）。また、隣接県外で、郵便局
で、ランクＢであれば、類似度を５だけ減算している
（図６のＮｏ．３参照）。また、同一市区町村で、郵便
局で、ランクＢであれば、類似度を５だけ加算している
（図６のＮｏ．４参照）。そして、この図６の表のよう
に類似度を調整するための調整ルールを、制御部１４の
記憶部２０内に予め記憶しておくように構成している。

【００３０】ここで、上述したような調整ルールを設定
した理由について、簡単に説明する。まず、「東京ディ
ズニーランド」のような著名（有名）な施設（ランク
Ａ）は、全国どこからでも目的地として設定される可能
性が高いため、現在位置に関わりなく、認識され易くす
る必要がある。このため、類似度を高くするように調整
している。これに対して、「○○保健所」や「○○郵便
局」といった生活密着型のローカルな施設（ランクＢ）
は、地域住民の利用が圧倒的であるから、現在位置に近
いとき（例えば同一市区町村内であるとき）には、その
類似度を高く調整して認識され易くしている。一方、上
記ローカルな施設が現在位置から遠く離れているとき
（隣接県外であるとき）には、その類似度を低く調整し
て認識され難くしている。

【００３１】この場合、ユーザーは、行ったこともない
地域の情報（施設の名前等）はほとんど知らないから、
そのような地域の施設は認識されない方が好ましく、上
記調整処理により上記地域の施設は認識され難くなるか
ら、ユーザーの使用感に沿った好ましいものとなる。一
方、ユーザーは、著名な施設や地元の情報（施設の名前
等）は詳しく知っているから、そのような著名施設や地
元施設は認識された方が好ましく、上記調整処理により
上記著名施設や地元施設は認識され易くなるから、ユー
ザーの使用感に沿った好ましいものとなるのである。

【００３２】次に、前述したようにして各認識候補語の
類似度が調整されると、上記３つの認識候補語のうちの
「東京ディズニーランド」の類似度が最も高くなる。こ
の結果、「東京ディズニーランド」を認識結果として出
力するようになっている（ステップＳ５）。

【００３３】さて、上述した類似度の調整においては、
郵便局の類似度が減点されることにより、郵便局が認識
され難くなるように調整された。これに対して、現在位
置が愛知県刈谷市である場合において、ユーザーが「刈
谷郵便局」と発声したときには、認識候補としての「刈
谷郵便局」の類似度が加算されるように調整される。こ
のため、「刈谷郵便局」が認識結果として認識され易く
なり、認識率が向上するから、ユーザーの使用感が向上
するのである。

【００３４】このような構成の本実施例によれば、優先
認識情報として例えば現在位置を入力し、この現在位置
と記憶部２０に記憶されている調整ルールに基づいて認
識候補語（比較対象パターン候補）の類似度を調整する
ように構成したので、ユーザーにとって優先的に認識さ
れるべき認識候補語の類似度が高くなり、その認識候補
語が認識され易くなる。これにより、音声認識の認識率
が向上し、ユーザーが不快に感ずることを極力少なくす
ることができる。

【００３５】また、上記実施例では、現在位置を検出す
る位置検出器８を備え、優先認識情報として上記検出し
た現在位置を入力するように構成した。この構成によれ
ば、ユーザーが行ったこともないような遠隔地の施設で
あり、且つ、あまり知名度が高くない施設が認識される
ことはほとんどなくなると共に、自動車が移動したとき
でも自動的に認識率が向上するから、ユーザーの使用感
をより一層向上させることができる。

【００３６】更に、上記実施例では、認識候補語（比較
対象パターン候補）に、都道府県名、市区町村名、位
置、種別及びランクのデータを付加すると共に、この付
加したデータと現在位置（優先認識情報）と調整ルール
に基づいて類似度を調整するように構成した。これによ
り、類似度をより一層細かく調整できるから、認識率を
より一層向上させることができる。

【００３７】尚、上記実施例において、認識候補語（比
較対象パターン候補）に、都道府県名、市区町村名、位
置、種別またはランクのうちの少なくとも１つのデータ
を付加するだけの構成としても良いし、また、それらの
うちの適当な複数のデータを組み合わせたデータを付加
するように構成しても良い。

【００３８】また、上記実施例では、優先認識情報とし
て、位置検出器８により検出した現在位置の情報を入力
するように構成したが、これに限られるものではなく、
例えばユーザーによる入力操作によって、ユーザーの居
住所やユーザーが車両を主として使用する使用場所（使
用エリア）等の情報を入力させるように構成しても良
い。この場合、ユーザーの居住所や使用場所等の情報
（優先認識情報）を記憶手段に記憶させるように構成す
ることが好ましい。この記憶手段としては、ＥＥＰＲＯ
Ｍ等の不揮発性メモリやバックアップ機能付きＲＡＭを
使用すると良い。また、居住所や使用場所等の情報を入
力するに当たっては、ナビゲーション装置３の操作スイ
ッチ群１０やリモコン１３ａ等を操作したり、音声で入
力したりすれば良い。そして、居住所や使用場所等の情
報を優先認識情報とした場合には、ユーザーが旅行等で
遠方へ出かけているようなときでも、自宅方面の施設の
認識率が向上する。

【００３９】更に、上記実施例では、記憶部２０に予め
記憶されている認識ルールを用いて類似度の調整を行う
ように構成したが、これに限られるものではなく、ユー
ザーが希望する調整ルールを記憶部２０に記憶（登録）
させて、この調整ルールを用いるように構成しても良
い。この場合、ユーザーは、ナビゲーション装置３の操
作スイッチ群１０やリモコン１３ａ等をユーザーが操作
することにより、希望する調整ルールを制御回路７を介
して音声認識装置２の制御部１４の記憶部２０に記憶
（登録）させるように構成すれば良い。また、ユーザー
が希望する調整ルールを音声で登録させるように構成し
ても良い。そして、このようにユーザーが希望する調整
ルールを自由に登録可能に構成すると、認識率が一層向
上する。

【００４０】また、上記実施例が、例えば「地名＋施設
名」を音声で入力して目標物を特定するような音声認識
システムであるとした場合に、現在位置の周辺の施設
や、ユーザーが登録した住所や場所の周辺の施設につい
ては、「施設名」だけを音声で入力するだけで、目標物
を特定できるような認識ルールを作成し、このルールを
記憶部２０に登録しておくことが好ましい。このように
構成すると、ユーザーにとって、より一層使い勝手が良
くなる。

【００４１】更にまた、学習処理によって調整ルールを
変更したり増減したりするように構成することも好まし
い構成である。この学習処理の構成の一例として、認識
履歴（例えば各施設名が過去において実際に認識された
認識回数）を記憶しておき、この認識履歴に基づいて調
整ルールを変更したり調整ルールを増減したりする構
成、例えば認識回数の多い施設名ほど認識され易くなる
ように調整ルールを変える構成が考えられる。そして、
このように構成すると、認識率が自動的に向上すると共
に、認識率がより一層向上する。

【００４２】尚、上記実施例では、本発明の音声認識装
置２をカーナビゲーションシステム１に適用したが、こ
れに限られるものではなく、例えば車載用空調装置（い
わゆるカーエアコン）、カーオーディオ機器、屋内用空
調装置、携帯型ナビゲーション装置等に適用しても良
い。また、パワーウインドウの開閉操作の指令や、ミラ
ーの反射角度の設定操作の指令等を音声で行うように構
成する場合が考えられ、このような構成に本発明の音声
認識装置を適用しても良い。

【図面の簡単な説明】

【図１】本発明の一実施例を示す音声認識部のブロック
図

【図２】カーナビゲーションシステムのブロック図

【図３】ナビゲーション装置のブロック図

【図４】音声認識装置のブロック図

【図５】辞書データに登録されている認識語彙のデータ
構造を示す図

【図６】認識ルールの一例を説明するための表を示す図

【図７】フローチャート

【符号の説明】

１はカーナビゲーションシステム、２は音声認識装置、
３はナビゲーション装置、４はマイク、５はＰＴＴスイ
ッチ、７は制御回路、８は位置検出器（情報入力手段、
位置検出手段）、９は地図データ入力器、１０は操作ス
イッチ群、１２は表示装置、１４は制御部、１５は音声
入力部、１６は音声認識部、１８は照合部（類似度調整
手段）、１９は辞書部、２０は記憶部を示す。

Claims (7)

【特許請求の範囲】
1. 【請求項１】 入力された音声と記憶されている複数の
   比較対象パターン候補とを比較して類似度を計算し、こ
   の類似度が高いものを認識結果とするように構成された
   音声認識装置において、 所定の地点や所定の地域等を示すデータからなる優先認
   識情報を入力する情報入力手段と、 前記優先認識情報と記憶されている調整ルールに基づい
   て前記類似度を調整する類似度調整手段とを備えたこと
   を特徴とする音声認識装置。
2. 【請求項２】 前記情報入力手段は、ユーザーによる入
   力操作に応じて前記優先認識情報が入力されるように構
   成されていることを特徴とする請求項１記載の音声認識
   装置。
3. 【請求項３】 前記優先認識情報を記憶する記憶手段を
   備えたことを特徴とする請求項２記載の音声認識装置
4. 【請求項４】 現在位置を検出する位置検出手段を備
   え、 前記情報入力手段は、前記優先認識情報として前記現在
   位置を入力するように構成されていることを特徴とする
   請求項１記載の音声認識装置。
5. 【請求項５】 前記複数の比較対象パターン候補に、都
   道府県名、市区町村名、位置、種別またはランクのうち
   の少なくとも１つのデータまたは複数を組み合わせたデ
   ータを付加すると共に、 前記類似度調整手段は、上記付加したデータと前記優先
   認識情報と前記調整ルールに基づいて前記類似度を調整
   するように構成されていることを特徴とする請求項１な
   いし４のいずれかに記載の音声認識装置。
6. 【請求項６】 学習処理によって前記調整ルールを変更
   したり増減したりするように構成されていることを特徴
   とする請求項１ないし５のいずれかに記載の音声認識装
   置。
7. 【請求項７】 認識履歴に基づいて前記調整ルールを変
   更したり増減したりするように構成されていることを特
   徴とする請求項６記載の音声認識装置。