JPH11232074A

JPH11232074A - ネットワーク装置およびコントロール端末およびネットワーク端末

Info

Publication number: JPH11232074A
Application number: JP10034481A
Authority: JP
Inventors: Takeshi Hatakeyama; 武士畠山; Mitsuru Kitao; 充北尾
Original assignee: Matsushita Electric Industrial Co Ltd
Current assignee: Panasonic Holdings Corp
Priority date: 1998-02-17
Filing date: 1998-02-17
Publication date: 1999-08-27

Abstract

(57)【要約】【課題】コントロール端末によりネットワークを介し
てネットワーク端末をコントロールするネットワーク装
置において、ネットワーク端末を接続すると自動的にコ
ントロール端末からの音声入力によりネットワーク端末
の操作ができる音声入力操作のプラグ＆プレイ機能を実
現する。【解決手段】ネットワーク端末へのコマンドとコマン
ドを指示する音声の音声標準パターンを含む操作情報を
ネットワーク端末からコントロール端末へ送信する。コ
ントロール端末は、操作情報を記憶し、操作者から音声
入力が行われた時、内部の音声認識装置により、操作情
報中の各コマンドの音声標準パターンと入力音声の音声
パターンを比較してコマンドを決定し、ネットワーク端
末に送信する。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は、ネットワークを介
して、コントロール端末がネットワーク端末にコマンド
（操作信号）を送信し、ネットワーク端末の操作を行う
ネットワーク装置、ネットワーク端末、コントロール端
末に関するもので、特にコントロール端末において操作
者が音声により入力を行い、音声認識により操作を決定
し、ネットワーク端末にコマンド（操作信号）を送信を
行うものである。

【０００２】

【従来の技術】従来の音声認識の方法としては、同一端
末内に、音声標準パターンを用意しておき、標準パター
ンと音声入力信号の音声パターンと比較することによ
り、音声認識を行う方法があった。

【０００３】音声認識については、例えば、「音声情報
処理の基礎」（オーム社、１９８１年）にその解説があ
る。

【０００４】従来の音声認識では、ある単語を認識する
場合、同じ端末内に単語に対応する標準パターンを準備
しておき、これと入力音声を比較することにより、入力
音声に対応する単語を決定する。

【０００５】単語の音声認識の方式として、音声標準パ
ターンを用いるものと、音素構成パターンを用いるもの
の２つがある。

【０００６】まず、音声標準パターンを用いる場合の音
声認識について、図を用いて、説明を行う。

【０００７】図９は、従来の音声標準パターンを用いる
音声認識方法の説明図である。図９において、９１は音
声入力装置であり、９２は音声認識装置で、音声標準パ
ターン９２１、特徴抽出部９２２、単語認識部９２３よ
り構成される。

【０００８】音声は音声入力装置９１により入力された
後、音声信号として音声認識装置９２に出力される。音
声信号は、音声認識装置９２において、まず、特徴抽出
部９２２に入力され、ここで、音声標準パターン９２１
と同じ音声信号のフォーマットに変換される。例えば、
音声標準パターンの照合は、５ｍｓ〜１０ｍｓごとにサ
ンプリングした音声スペクトルの時間変化パターンを照
合することにより行われる。

【０００９】図１０は、音声スペクトル時間変化パター
ンの説明図である。１０１は音声スペクトル時間変化パ
ターンである。

【００１０】音声スペクトル時間変化パターン１０１の
ように、入力音声信号は、特徴抽出部９２２により周波
数スペクトルの時間変化パターンへ変換される。

【００１１】音声標準パターン９２１では、認識したい
単語の音声標準パターンが記憶されている。例えば、認
識したい単語が４つ存在する場合には、認識したい４つ
の単語に対応する音声標準パターンである４つの音声ス
ペクトル時間変化パターンが記憶されている。

【００１２】単語認識部９２３において、入力音声スペ
クトルの時間変化パターンと音声標準パターン９２１を
比較することにより、入力音声の単語の判定を行う。す
なわち認識したい単語が４つ存在する場合には、これら
４つの音声標準パターンのうち、入力音声パターンと最
も近いものを単語認識部９２３で判定し、最も近い音声
標準パターンに対応する単語を認識単語として出力す
る。

【００１３】判定する際の音声標準パターンの比較方法
としては、ＤＰマッチング法、ＨＭＭ法などが知られて
いる。

【００１４】次に、音素構成パターンを用いる場合の音
声認識について、図を用いて、説明を行う。

【００１５】図１１は、従来の音素構成パターンを用い
る音声認識方法の説明図である。図１１において、１１
０１は音声入力装置であり、１１０２は音声認識装置
で、音素標準パターン１１０２１、音素構成パターン１
１０２２、特徴抽出部１１０２３、音素認識部１１０２
４、単語認識部１１０２５より構成される。

【００１６】入力音声は、図９と同様に、音声入力装置
１１０１を通って、音声認識装置１１０２に入力され、
特徴抽出部１１０２３において音素標準パターンと同じ
音声信号のフォーマットに変換される。音素構成パター
ンを用いる方式では、音素認識部１１０２４において、
音声がどのような音素から構成されるか解析される。音
素標準パターン１１０２１では、ａ、ｉ、ｕ、ｅ、ｏな
どの母音、ｐ、ｂ、ｔなどの子音などのすべての音素に
対応する音声スペクトル時間変化パターンを記憶してお
り、これらの音素標準パターンと入力音声の音声パター
ンを比較することにより、音素認識部１１０２４で入力
音声がどのような音素からなるかを判定する。音素認識
部の認識結果である入力音声の音素構成パターンは、単
語認識部１１０２５へ出力される。単語認識部１１０２
５は、音素構成パターンから入力音声の単語を判定す
る。音素構成パターン１１０２２には、認識したい各単
語がどのような音素から構成されるかという情報を記憶
されている。このような単語の音素構成パターンは、認
識したい単語数分記憶されている。単語認識部１１０２
５は、音素認識部１１０２４からの入力音声の音素構成
パターンと認識単語の音素構成パターン１１０２２を比
較して、入力音声に対応する単語を判定し、認識結果と
して出力する。

【００１７】

【発明が解決しようとする課題】しかしながら、上記の
ような構成では、以下のような問題があった。

【００１８】コントロール端末により、ネットワークを
介して、ネットワーク端末のコントロールを行うネット
ワーク装置への対応の問題である。

【００１９】コントロール端末において、操作者が音声
入力を行い、ネットワーク端末を操作しているネットワ
ーク装置において、各ネットワーク端末に音声認識装置
をもうけ、コントロール端末から操作者の入力音声信号
をネットワークを介してネットワーク端末に送信し、各
ネットワーク端末で入力音声信号から音声認識を行い、
操作を決定する方法が考えられる。しかしながら、この
方式は、各ネットワーク端末において音声認識装置が必
要であり、ネットワークで音声入力信号を伝送する必要
があるため、ネットワーク中の帯域リソースの有効利用
からも好ましくない。

【００２０】一方、コントロール端末において入力音声
の音声認識を行い、操作信号をネットワークを介してネ
ットワーク端末に送信する場合、すべてのネットワーク
端末のすべての操作に対応する音声標準パターンをコン
トロール端末に記憶する必要があり、ネットワーク装置
の形態変化に対する管理保守が煩雑になるという問題点
がある。すなわち、新たなネットワーク端末をネットワ
ーク装置に接続するために、新しいネットワーク端末に
対応する新しい操作の音声標準パターンをコントロール
端末に記憶させるという手順が発生する。

【００２１】本発明は、かかる点に鑑み、音声入力によ
り操作を決定するコントロール端末によりネットワーク
端末のコントロールを行うネットワーク装置において、
ネットワーク端末の形態変化に容易に対応できるネット
ワーク装置を実現することを目的とする。

【００２２】

【課題を解決するための手段】本発明におけるネットワ
ーク装置では、ネットワーク端末において自端末の操作
のための音声標準パターンを記憶しておき、この音声標
準パターンを含む操作情報をネットワーク端末の初期化
時に、コントロール端末に送信する。コントロール端末
では、操作情報を記憶し、操作者からの音声入力があっ
た場合には、音声標準パターンを基に、音声認識を行
い、認識結果に対応する操作信号をコントロール端末か
らネットワーク端末に送信する。

【００２３】本発明におけるネットワーク装置では、前
記した構成により、ネットワーク端末をネットワーク装
置に接続すると自動的に、コントロール端末でネットワ
ーク端末を音声入力によりコントロールすることができ
る。

【００２４】

【発明の実施の形態】（実施の形態１）以下、本発明の
第１の実施の形態におけるネットワーク装置、コントロ
ール端末、ネットワーク端末について、図面を参照しな
がら説明する。

【００２５】図１は、本発明の第１の実施の形態におけ
るネットワーク装置の構成図である。

【００２６】図１において、１１はコントロール端末で
あり、タッチパネルディスプレイ１１１、操作情報記憶
装置１１２、音声入力装置１１３、音声認識装置１１
４、ネットワーク送受信装置１１５より構成され、１２
はネットワークであり、１３はネットワーク端末であ
り、ネットワーク送受信装置１３１、操作情報記憶装置
１３２、ネットワーク端末本体部１３３より構成され
る。

【００２７】以上のようなネットワーク装置の動作の概
要は以下の通りである。ネットワーク端末１３がネット
ワーク１２に接続された時、ネットワーク端末１３は、
コントロール端末１１に対して、コマンド名、アイコン
情報、音声標準パターン情報などからなる操作情報を送
信し、コントロール端末１１はこれらを記憶し、解析す
ることにより、操作者に操作環境を提供する。

【００２８】操作者から音声入力が行われた時、コント
ロール端末は、記憶していた音声標準パターンを基に音
声認識を行い、コマンドをネットワーク端末１３に送信
し、ネットワーク端末１３は、所望の動作を行う。

【００２９】以上のような動作を、以下詳細に説明す
る。本実施の形態においては、ネットワーク端末１３と
して、カーナビを考える。

【００３０】ネットワーク端末１３のカーナビが、ネッ
トワーク１２に接続された時、コントロール端末１１
に、コマンド名、アイコン情報、音声標準パターンなど
からなる操作情報を送信する。これらの操作情報を図を
用いて説明する。

【００３１】図２は、本発明の第１の実施の形態におけ
る操作情報の説明図である。図２において、２１は操作
情報である。

【００３２】本実施の形態のカーナビにおいては、コマ
ンドとして、拡大、縮小、左、右、上、下の６つが存在
し、操作情報２１としては６つコマンド名とそれらの各
コマンドに対するコントロール端末上に表示されるボタ
ンのアイコン、コマンドを指定する単語の音声標準パタ
ーンが存在する。

【００３３】このような操作情報は、ネットワーク端末
１３の操作情報記憶装置１３２において記憶されてお
り、ネットワーク送受信装置１３１によって、コントロ
ール端末１１に送信される。

【００３４】コントロール端末１１は、ネットワーク端
末１３からの操作情報をネットワーク送受信装置１１５
により受信し、操作情報を操作情報記憶装置１１２に出
力する。操作情報記憶装置１１２は、この操作情報を記
憶する。

【００３５】タッチパネルディスプレイ１１１は、操作
情報記憶装置１１２上の操作情報を解析し、操作者に対
して、ボタンによる操作画面を提供する。

【００３６】ボタンによる操作画面について図を用いて
説明する。図３は、操作画面の説明図である。図３にお
いて、３１は操作画面である。

【００３７】タッチパネルディスプレイ１１１には、操
作画面３１のような画面が表示される。拡大、縮小、
左、右、上、下のコマンドのアイコンが表示され、操作
者がこれらのボタンをタッチパネルディスプレイ１１１
上で選択した時、次のように動作が行われ、ネットワー
ク端末１３において所望の動作が行われる。今、操作者
が拡大のボタンを選択し、ボタンを押下したとする。こ
の時、タッチパネルディスプレイ１１１は、ネットワー
ク送受信装置１１５に対して、拡大のコマンドを出力す
る。ネットワーク送受信装置１１５は、拡大コマンドを
受け、ネットワーク端末１３に拡大コマンドを送信す
る。

【００３８】ネットワーク端末１３は、拡大コマンドを
ネットワーク送受信装置１３１で受信し、ネットワーク
端末本体部１３３に出力する。ネットワーク端末本体部
１３３は、拡大コマンドを受けると拡大の動作を行い、
操作者の要求が実現される。

【００３９】以上のようにして、操作画面による操作が
行われるが、本実施の形態におけるネットワーク装置に
おいては、操作画面による操作だけでなく、音声による
操作が可能である。以下、音声による操作の動作手順に
ついて説明を行う。

【００４０】操作者から音声入力があった時、操作者の
音声は音声入力装置１１３に入力される。この音声入力
信号は音声認識装置１１４に入力され、操作情報記憶装
置１１２上の最も近い音声標準パターンを持つコマンド
と対応づけられ、認識されたコマンドが音声認識装置１
１４から出力される。

【００４１】音声認識装置１１４における動作について
図を用いて説明する。図４は、本発明の第１の実施の形
態の音声認識装置の動作の説明図である。図４におい
て、４１は特徴抽出部、４２は単語認識部である。

【００４２】入力された音声信号はまず、特徴抽出部４
１において、従来の技術で説明したような入力音声パタ
ーン（音声スペクトル時間変化パターン）に変換され、
単語認識部４２に出力される。単語認識部４２において
入力音声パターンが、操作情報記憶装置１１２に記憶さ
れている操作情報の６つの音声標準パターンと比較さ
れ、最も近い音声標準パターンが決定され、その音声標
準パターンに対応するコマンド名が認識結果として出力
される。

【００４３】この時の、動作を図５を用いて説明する。
図５は、音声パターンの比較の説明図である。図５にお
いて、５１は音声入力パターン、５２は音声標準パター
ンＡ、５３は音声標準パターンＢ、５４は音声標準パタ
ーンＣ、５５は音声標準パターンＤ、５６は音声標準パ
ターンＥ、５７は音声標準パターンＦである。

【００４４】単語認識部４２では、音声入力パターン５
１と最も近い音声標準パターンを探索する。図５の例で
は、音声標準パターンＡが最も近いと判定される。

【００４５】実際の比較の方式には、様々なものがあ
り、ＤＰマッチング法、ＨＭＭ法などが知られている。

【００４６】単語認識部４２は、入力音声が音声標準パ
ターンＡの音声であると判定し、音声標準パターンＡに
対応するコマンドである拡大を音声認識装置１１４の出
力とする。

【００４７】ネットワーク送受信装置１１５は、この拡
大のコマンドを受け、ネットワーク１２を介して、ネッ
トワーク端末１３に対して、拡大コマンドを送信しす
る。ネットワーク端末１３では、ネットワーク送受信装
置１３１を介して、ネットワーク端末本体部１３３に拡
大コマンドが出力され、操作者の所望の動作である拡大
が行われる。

【００４８】以上のような動作により、コントロール端
末がネットワーク端末の操作を音声認識により行うネッ
トワーク装置において、新規にネットワーク端末が接続
された場合にでも自動的にそのネットワーク端末を音声
入力で操作することが可能となる。新たにネットワーク
端末を追加することができるネットワーク装置において
は、コントロール端末において将来のネットワーク端末
まですべてに対応することができるような操作情報を記
憶しておくことは非常に困難であるため、このような音
声認識を実現する操作環境のプラグ＆プレイ機能は非常
に有効である。

【００４９】なお、本実施の形態では、音声認識の方法
として、音声標準パターンを用いる方法について説明を
行ったが、他のいかなる標準パターンを用いる音声認識
の方法に対しても本発明は有効である。

【００５０】また、本実施の形態では、ネットワーク端
末としてカーナビについて説明したが、他のいかなるネ
ットワーク端末についても本発明は有効である。

【００５１】なお、本実施の形態では、音声標準パター
ンとして、音声スペクトル時間変化パターンを用いる場
合について説明を行ったが、音声標準パターンとして他
のいかなる音声信号のフォーマットを用いる場合につい
ても本発明は有効である。

【００５２】また、本実施の形態では、ネットワーク端
末が１台の場合のネットワーク装置について説明を行っ
たが、ネットワーク端末が複数台のネットワーク端末を
コントロール端末でコントロールするネットワーク装置
についても本発明は有効である。この場合、コントロー
ル端末において、ネットワーク端末の選択を行う必要が
あるが、ネットワーク端末の選択の際に用いるネットワ
ーク端末の名前に対応する音声の音声標準パターンをネ
ットワークからコントロール端末へ送信し、コントロー
ル端末においてネットワーク端末の選択を音声認識によ
り行うことができる。

【００５３】なお、本実施の形態では、音声認識による
操作だけでなく、操作画面による操作も可能な場合のネ
ットワーク装置について述べたが、音声認識による操作
のみ実現するネットワーク装置にも、本発明は有効であ
る。

【００５４】（実施の形態２）以下、本発明の第２の実
施の形態におけるネットワーク装置、コントロール端
末、ネットワーク端末について、図面を参照しながら説
明する。

【００５５】図６は、本発明の第２の実施の形態におけ
るネットワーク装置の構成図である。

【００５６】図６において、６１はコントロール端末で
あり、タッチパネルディスプレイ６１１、操作情報記憶
装置６１２、音声入力装置６１３、音声認識装置６１
４、ネットワーク送受信装置６１５、個人認証装置６１
６により構成され、６２はネットワークであり、６３は
ネットワーク端末であり、ネットワーク送受信装置６３
１、操作情報記憶装置６３２、ネットワーク端末本体部
６３３より構成される。

【００５７】なお、本実施の形態においては、実施の形
態１と同様にネットワーク端末としては、カーナビを考
えるものとする。

【００５８】実施の形態１と同様の動作により、音声認
識の標準パターン情報を含む操作情報がコントロール端
末６１に送信され、操作情報記憶装置６１２により記憶
される。本実施の形態においては、音声認識の標準パタ
ーン情報として、従来の技術で説明を行った音素構成パ
ターンを送信し、コントロール端末６１において、入力
音声があった場合には、音素認識を行い、更に操作情報
の音素構成パターンと比較することにより、単語を判定
する。従って、この時、各音素の音素標準パターンは、
コントロール端末６１において予め記憶しておく必要が
ある。音素標準パターンは、個人により変化するもので
あるため、コントロール端末において個人認証を行い、
各個人用の音素標準パターンを用いて音素認識を行うこ
とにより、音素認識の認識率を高めることができる。

【００５９】図７は、本発明の第２の実施の形態におけ
る操作情報の説明図である。図７において、７１は操作
情報である。

【００６０】本実施の形態では、操作情報として、各コ
マンドを指示する音声の音素構成パターンを送信する。
例えば、拡大コマンドの音素構成パターンはｋａｋ
ｕｄａｉとなる。これら各コマンドの音素構成パ
ターンを含む操作情報がネットワーク端末６３からコン
トロール端末６１に送信され、操作情報記憶装置６１２
に記憶される。

【００６１】実施の形態１と同様の動作により、タッチ
パネルディスプレイ６１１にネットワーク端末６３の操
作画面が映され、これを基に操作者はネットワーク端末
６３の操作を行うことができる。

【００６２】次に、音声入力によるネットワーク端末６
３の操作は、次のような動作により行われる。

【００６３】個人認証装置６１６は、個人認証を行い、
個人の認証情報を音声認識装置６１４に出力する。個人
認証装置としては、パスワードによる個人認証、カード
による個人認証を行う装置が考えられる。本実施の形態
では、Ａさん、Ｂさん、Ｃさんという３人を個人認証装
置６１６は認証できるものとし、個人認証装置６１６か
ら現在、コントロール端末６１を使用しているのは、Ａ
さん、Ｂさん、Ｃさんのいずれかという個人認証情報を
音声認識装置６１４に出力するものとする。

【００６４】音声認識装置６１４の動作を図を用いて説
明する。図８は、本発明の第２の実施の形態における音
声認識装置の動作の説明図である。図８においては、８
１は音素標準パターンＡ、８２は音素標準パターンＢ、
８３は音素標準パターンＣ、８４は特徴抽出部、８５は
音素認識部、８６は単語認識部である。

【００６５】入力された音声は、特徴抽出部８４で、従
来の技術で説明したような音声入力パターン（音声スペ
クトル時間変化パターン）に変換され、音素認識部８５
に出力される。音素認識部８５は、音素標準パターンを
用いて、音声入力がどのような音素により構成されるか
を判別する。音素標準パターンＡ、Ｂ、Ｃでは、すべて
の音素（ａ、ｉ、ｕ、ｅ、ｏ、ｋ、、、、）に対応する
図１０のような音声標準パターンを記憶しており、これ
らと特徴抽出部８４からの音声入力パターンを比較する
ことにより、音素認識部８５は、音声入力の音素構成パ
ターンを決定する。これらの比較方法としてＤＰマッチ
ング法、ＨＭＭ法が知られている。コマンドが拡大の場
合には、音素認識部８５からは、ｋａｋｕｄ
ａｉという音素構成パターンが単語認識部８６に出力
される。

【００６６】音素認識部８５は、比較に用いる音素標準
パターンをＡ、Ｂ、Ｃの３つから選択する。この際、個
人認証装置６１４からの個人認証情報を基にして、選択
を行うことにより、コントロール端末６１を使用中の操
作者に適した音素認識を行う。音素標準パターンは個人
により特徴があるため、このような方式により、音素の
認識率の向上を図ることができる。

【００６７】単語認識部８６は、音素認識部８５からの
音素構成パターンと操作情報記憶装置６１２の操作情報
に含まれる各コマンドの音素構成パターンを比較し、入
力音声に対応するコマンドを決定する。従って、本実施
の形態の例においては、ｋａｋｕｄａｉとい
う音素構成パターンから拡大コマンドが単語認識部８６
から出力される。

【００６８】音声認識装置７１４からのコマンド出力で
ある拡大コマンドは、実施の形態１と同様にして、ネッ
トワーク端末６３のネットワーク端末本体部６３３に送
信され、操作者の所望の動作が実現される。

【００６９】以上のような動作により、ネットワーク端
末から各コマンドを指定する音声の音素構成パターンを
送信し、コントロール端末において音素構成パターンに
より音声認識を行うより、新しいネットワーク端末をネ
ットワーク装置に接続するだけで自動的に、コントロー
ル端末で音声入力を用いてネットワーク端末を操作する
ことが可能となる。音素標準パターンを用いる音声認識
は、音声標準パターンを用いる音声認識に比べて認識率
が低くなるが、本実施の形態は、第１実施の形態の方式
と比べてネットワーク中を送信する操作情報の量が少な
くなるというメリットがある。また、個人認証を行い、
各個人用の音素標準パターンを用いることにより、音素
認識率を上げることが可能である。

【００７０】なお、本実施の形態では、音素認識の方法
として、音声スペクトル時間変化パターンを用いる方法
について説明を行ったが、他のいかなる標準パターンを
用いる音素認識の方法に対しても本発明は有効である。

【００７１】また、本実施の形態では、ネットワーク端
末としてカーナビについて説明したが、他のいかなるネ
ットワーク端末についても本発明は有効である。

【００７２】なお、本実施の形態では、ネットワーク端
末が１台の場合のネットワーク装置について説明を行っ
たが、ネットワーク端末が複数台のネットワーク端末を
コントロール端末でコントロールするネットワーク装置
についても本発明は有効である。この場合、ネットワー
ク端末の選択を行う必要があるが、ネットワーク端末の
選択の際に用いるネットワーク端末の名前に対応する音
声の音素構成パターンをコントロール端末から送信し、
コントロール端末においてネットワーク端末の選択を音
声認識により行うことができる。

【００７３】また、本実施の形態では、音声認識による
操作だけでなく、操作画面による操作も可能とするネッ
トワーク装置について述べたが、音声認識による操作の
み実現するネットワーク装置にも、本発明は有効であ
る。

【００７４】また、本実施の形態では、個人認証を行
い、各個人ごとの音素標準パターンを音声認識装置にお
いて準備する場合について述べたが、音素標準パターン
を個人毎に準備せず、各人に共通の音素標準パターンを
１つ準備することも可能である。

【００７５】

【発明の効果】以上、説明したように、本発明における
ネットワーク装置では、ネットワーク端末において自端
末の操作のための音声標準パターンを記憶しておき、音
声標準パターンを含む操作情報を、コントロール端末に
送信し、コントロール端末において、操作者からの音声
入力があった場合には、音声標準パターンを基に、音声
認識を行い、認識結果に対応するコマンドをコントロー
ル端末からネットワーク端末に送信する。これにより、
ネットワーク端末をネットワーク装置に接続すると自動
的に、コントロール端末において音声入力でネットワー
ク端末を操作することが可能となる。

【図面の簡単な説明】

【図１】本発明の第１の実施の形態におけるネットワー
ク装置の構成図

【図２】本発明の第１の実施の形態における操作情報の
説明図

【図３】操作画面の説明図

【図４】本発明の第１の実施の形態における音声認識装
置の動作の説明図

【図５】音声パターンの比較の説明図

【図６】本発明の第２の実施の形態におけるネットワー
ク装置の構成図

【図７】本発明の第２の実施の形態における操作情報の
説明図

【図８】本発明の第２の実施の形態における音声認識装
置の動作の説明図

【図９】従来の音声標準パターンを用いる音声認識方法
の説明図

【図１０】音声スペクトル時間変化パターンの説明図

【図１１】従来の音素構成パターンを用いる音声認識方
法の説明図

【符号の説明】

１１，６１コントロール端末１１１，６１１タッチパネルディスプレイ１１２，１３２，６１２，６３２操作情報記憶装置１１３，６１３，９１，１１０１音声入力装置１１４，６１４，９２，１１０２音声認識装置１１５，１３１，６１５，６３１ネットワーク送受信
装置１２，６２ネットワーク１３，６３ネットワーク端末１３３，６３３ネットワーク端末本体部２１，７１操作情報３１操作画面４１，８４，９２２，１１０２３特徴抽出部４２，８６，９２３，１１０２５単語認識部５１音声入力パターン５２音声標準パターンＡ５３音声標準パターンＢ５４音声標準パターンＣ５５音声標準パターンＤ５６音声標準パターンＥ５７音声標準パターンＦ６１６個人認証装置８１音素標準パターンＡ８２音素標準パターンＢ８３音素標準パターンＣ８５，１１０２４音素認識部９２１音声標準パターン１０１音声スペクトル時間変化パターン１１０２１音素標準パターン１１０２２音素構成パターン

Claims

【特許請求の範囲】

【請求項１】ネットワーク端末とコントロール端末を
具備し、前記ネットワーク端末は、前記コントロール端末に対し
て、操作を指定する音声の音声標準パターンを含む操作
情報を送信し、前記コントロール端末から操作信号を受
け、前記操作信号で指定された動作を行い、前記コントロール端末は、前記ネットワーク端末から前
記音声標準パターンを含む前記操作情報を受信し、操作
者から音声入力があった時、前記音声入力と前記音声標
準パターンから操作者の意図する操作を判定し、操作に
対応する前記操作信号を前記ネットワーク端末に送信す
ることを特徴とするネットワーク装置。
【請求項２】操作情報が、ボタンに関する情報とボタ
ンに対応する音声標準パターンの組み合わせを含むこと
を特徴とする請求項１記載のネットワーク装置。
【請求項３】コントロール端末に対して、操作を指定
する音声の音声標準パターンを含む操作情報を送信し、
前記コントロール端末から操作信号を受け、前記操作信
号で指定された動作を行うことを特徴とするネットワー
ク端末。
【請求項４】操作情報が、ボタンに関する情報とボタ
ンに対応する音声標準パターンの組み合わせを含むこと
を特徴とする請求項３記載のネットワーク装置。
【請求項５】ネットワーク端末から操作を指定する音
声の音声標準パターンを含む操作情報を受信し、操作者
から音声入力があった時、音声入力信号と前記音声標準
パターンから操作者の意図する操作を判定し、操作に対
応する操作信号を前記ネットワーク端末に送信すること
を特徴とするコントロール端末。
【請求項６】操作情報が、ボタンに関する情報とボタ
ンに対応する音声標準パターンの組み合わせを含むこと
を特徴とする請求項５記載のコントロール端末。
【請求項７】ネットワーク送受信装置と操作情報記憶
装置とネットワーク端末本体部を具備するネットワーク
端末であって、前記ネットワーク送受信装置は、前記操作情報記憶装置
からの操作を指示する音声の音声標準パターンを含む操
作情報をネットワークに送信し、コントロール端末から
の操作信号を前記ネットワーク端末本体部に送信し、前記操作情報記憶装置は、前記操作情報を記憶してお
り、前記操作情報を前記ネットワーク送受信装置に出力
し、前記ネットワーク端末本体部は、前記ネットワーク送受
信装置から前記操作信号を受け、前記操作信号に対応す
る動作を行うことを特徴とするネットワーク端末。
【請求項８】ネットワーク送受信装置と操作情報記憶
装置と音声入力装置と音声認識装置を具備するコントロ
ール端末であって、前記ネットワーク送受信装置は、ネットワーク端末から
操作を指示する音声の音声標準パターンを含む操作情報
を受信した時、前記操作情報を前記操作情報記憶装置に
出力し、前記音声認識装置からの操作信号を受け、前記
操作信号を前記ネットワーク端末に送信し、前記操作情報記憶装置は、前記ネットワーク送受信装置
からの前記操作情報を記憶し、前記音声認識装置からの
指示に基づき、前記操作情報を前記音声認識装置に出力
し、前記音声入力装置は、操作者からの音声入力を受け、前
記音声入力に対応する音声入力信号を前記音声認識装置
に出力し、前記音声認識装置は、前記操作情報記憶装置から、前記
操作情報を受け、前記音声入力装置からの前記音声入力
信号を受けた時、前記操作情報中の操作を指示する音声
の前記音声標準パターンとの比較から、操作者の意図す
る操作を判定し、前記音声入力に対応する前記操作信号
を前記ネットワーク送受信装置に出力することを特徴と
するコントロール端末。
【請求項９】ネットワーク端末とコントロール端末を
具備し、前記ネットワーク端末は、前記コントロール端末に対し
て、操作を指定する音声がどのような音素から構成され
るかを示す音素構成パターンを含む操作情報を送信し、
前記コントロール端末から操作信号を受信し、前記操作
信号で指定された動作を行い、前記コントロール端末は、前記ネットワーク端末から前
記操作情報を受信し、操作者から音声入力があった時、
前記音声入力に対応する音声入力信号と記憶しておいた
音素標準パターンの比較により音素認識を行い、前記音
声入力の前記音素構成パターンを識別し、操作者からの
前記音声入力の前記音素構成パターンと前記操作情報の
前記音素構成パターンを比較することにより、操作者の
意図する操作を判定し、操作に対応する前記操作信号を
前記コントロール端末に送信することを特徴とするネッ
トワーク装置。
【請求項１０】コントロール端末に対して、操作を指
定する音声がどのような音素から構成されるかを示す音
素構成パターンを含む操作情報を送信し、前記コントロ
ール端末から操作信号を受信し、前記操作信号で指定さ
れた動作を行うことを特徴とするネットワーク端末。
【請求項１１】ネットワーク端末から操作を指定する
音声がどのような音素から構成されるかを示す音素構成
パターンを含む操作情報を受信し、操作者から音声入力
があった時、前記音声入力と記憶しておいた音素標準パ
ターンの比較により音素認識を行い、前記音声入力の前
記音素構成パターンを識別し、操作者からの前記音声入
力の前記音素構成パターンと前記操作情報の前記音素構
成パターンを比較することにより、操作者の意図する操
作を判定し、操作に対応する操作信号を前記ネットワー
ク端末に送信することを特徴とするコントロール端末。
【請求項１２】コントロール端末が、個人認証機能を
有し、個人毎に異なる音素標準パターンを準備してお
き、前記コントロール端末を使用中の個人に対応した前
記音素標準パターンを用いて音素認識を行い、操作者の
意図する操作を判定することを特徴とする請求項９記載
のネットワーク装置。
【請求項１３】個人認証機能を有し、個人毎に異なる
音素標準パターンを準備しておき、前記コントロール端
末を使用中の個人に対応した前記音素標準パターンを用
いて音素認識を行い、操作者の意図する操作を判定する
ことを特徴とする請求項１１記載のコントロール端末。
【請求項１４】ネットワーク送受信装置と操作情報記
憶装置とネットワーク端末本体部を具備するネットワー
ク端末であって、前記ネットワーク送受信装置は、前記操作情報記憶装置
からの操作を指示する音声がどのような音素から構成さ
れるかを示す音素構成パターンを含む操作情報をコント
ロール端末に送信し、前記コントロール端末からの操作
信号を前記ネットワーク端末本体部に送信し、前記操作情報記憶装置は、前記操作情報を記憶してお
り、前記操作情報を前記ネットワーク送受信装置に出力
し、前記ネットワーク端末本体部は、前記ネットワーク送受
信装置から前記操作信号を受け、前記操作信号に対応す
る動作を行うことを特徴とするネットワーク端末。
【請求項１５】ネットワーク送受信装置と操作情報記
憶装置と音声入力装置と音声認識装置を具備するコント
ロール端末であって、前記ネットワーク送受信装置は、ネットワーク端末から
操作を指示する音声がどのような音素から構成されるか
を示す音素構成パターンを含む操作情報を受信した時、
前記操作情報を前記操作情報記憶装置に出力し、前記音
声認識装置からの操作信号を受け、前記ネットワーク端
末に送信し、前記操作情報記憶装置は、前記ネットワーク送受信装置
からの前記操作情報を記憶し、前記音声認識装置からの
指示に基づき、前記音声認識装置に前記操作情報を出力
し、前記音声入力装置は、操作者からの音声入力を受け、前
記音声入力に対応する音声入力信号を前記音声認識装置
に出力し、前記音声認識装置は、予め音素標準パターンを記憶して
おり、前記音声入力装置からの前記音声入力信号と前記
音素標準パターンを比較することにより音素認識を行
い、前記音声入力の前記音素構成パターンを識別し、前
記操作情報記憶装置に指示を出し、前記操作情報を受
け、操作を指示する音声の前記音素構成パターンと前記
音声入力の前記音素構成パターンを比較することにより
前記音声入力に対応する操作を判定し、操作に対応する
前記操作信号を前記ネットワーク送受信装置に出力する
ことを特徴とするコントロール端末。
【請求項１６】個人認証装置とネットワーク送受信装
置と操作情報記憶装置と音声入力装置と音声認識装置を
具備するコントロール端末であって、前記個人認証装置は、装置を使用している個人を認証
後、個人認証情報を前記音声認識装置に出力し、前記ネットワーク送受信装置は、ネットワーク端末から
操作を指示する音声がどのような音素から構成されるか
を示す音素構成パターンを含む操作情報を受信した時、
前記操作情報を前記操作情報記憶装置に出力し、前記音
声認識装置からの操作信号を受け、前記ネットワーク端
末に送信し、前記操作情報記憶装置は、前記ネットワーク送受信装置
からの前記操作情報を記憶し、前記音声認識装置からの
指示に基づき、前記音声認識装置に前記操作情報を出力
し、前記音声入力装置は、操作者からの音声入力を受け、前
記音声認識装置に出力し、前記音声認識装置は、予め複数人に対する前記音素構成
パターンを記憶しており、前記個人認証装置からの前記
個人認証情報を受け、コントロール端末を使用中の個人
に対応した前記音素構成パターンと前記音声入力装置か
ら音声入力信号を比較することにより音素認識を行い、
前記音声入力の前記音素構成パターンを識別し、前記操
作情報記憶装置に指示を出し、前記操作情報を受け、操
作を指示する音声の前記音素構成パターンと前記音声入
力の前記音素構成パターンを比較することにより前記音
声入力に対応する操作を判定し、操作に対応する前記操
作信号を前記ネットワーク送受信装置に出力することを
特徴とするコントロール端末。