JPH11237896A - 音声認識による制御装置及び方法、制御対象ユニット、音声認識による制御を用いるシステム並びに音声認識による制御用プログラムを記録した記録媒体 - Google Patents

Abstract

(57)【要約】 【課題】 制御対象の動作状態に応じた適切な語句数で
認識を行うことによって、認識性能を向上させる。 【解決手段】 オーディオソースユニット２１におい
て、電源の状態が変化したとき、どのように変化したか
に関する情報が動作状態出力部２２１から通信回線２３
を介して送信される。辞書切り替え制御部２２４は、電
源の状態がどのように変化したかを受け取った情報から
判断し、オーディオソースユニット２１の電源がオフに
変化した場合は、語句の認識で用いる認識辞書を、電源
がオフの時に必要な単語だけを格納した認識辞書２２２
に切り替え、また、オーディオソースユニット２１の電
源がオンに変化した場合は、語句の認識で用いる認識辞
書を、電源がオンの時に必要な単語だけを格納した認識
辞書２２３に切り替える。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は、音声認識によって
各種制御対象の制御を行う技術の改良に関するもので、
より具体的には、語句を認識する際、制御対象の動作状
態に応じた必要な語句の認識用データだけを参照するよ
うにしたものである。

【０００２】

【従来の技術】音声認識は、認識しようとする語句ごと
に、語句の波形や特徴を表すパラメータなどの認識用デ
ータを予めデータベースに記録しておき、発話された言
葉をこれら認識用データとパターンマッチングすること
によって、発話された語句を推定する技術である。

【０００３】このような音声認識をオーディオシステム
など各種制御対象の制御に用いる場合、どの語句を発話
した場合にどのような内容の制御が行われるか、予め定
めておく。そして、語句の認識結果は、認識用データに
対応した語句ＩＤなどの形で得られ、制御用のアプリケ
ーションプログラムがこの認識結果を受け取り、どの語
句が認識されたか、すなわちユーザの発話語句に応じて
予め決められている制御を制御対象に対して行う。

【０００４】例えば、図７は、このような従来技術によ
ってオーディオシステムを制御する場合の構成例を示す
ブロック図である。このシステムは、ＣＤプレーヤ、ラ
ジオ受信機など複数のオーディオソースユニット１１，
１２と、これらオーディオソースユニット１１及び１２
を制御するための音声認識装置１３とを、通信回線１４
を介して接続したものである。このうち各オーディオソ
ースユニット１１，１２は、通信回線１４を介して外部
から送られてくる制御コマンドを受信し、制御コマンド
に基づいて各種動作を行うように構成されている。

【０００５】また、音声認識装置１３は、音声入力部１
３１と、認識辞書１３２と、パターンマッチング部１３
３と、コマンド出力部１３４と、を有する。そして、認
識辞書１３２には、このシステム上で発生しうるいろい
ろな結線状況や動作状態などあらゆる条件を想定し、オ
ーディオソースユニット１１，１２に送信するいろいろ
な制御コマンドに対応する全ての語句について、認識用
データが格納されている。

【０００６】この例では、ユーザの音声は、音声入力部
１３１によってデジタル波形に変換され、パターンマッ
チング部１３３が、変換されたデジタル波形を、認識辞
書１３２に格納されている各語句の認識用データと比較
するパターンマッチングを行い、音声に特徴が一致する
語句を認識辞書１３２内の語句から選択することによっ
て認識結果とする。この認識結果はコマンド出力部１３
４に受け渡され、コマンド出力部１３４は、認識結果に
応じた制御用コマンドを通信回線１４を介して送信する
ことによって、オーディオソースユニット１１や１２を
制御し、ユーザの発話内容に応じた動作を実現する。

【０００７】

【発明が解決しようとする課題】ところで、このような
システムにおいて、音声認識装置に制御対象として接続
されているオーディオソースユニットについては、様々
な種類・型式のものや動作状態が考えられる。なお、本
出願において「動作状態」とは、制御対象ユニットにつ
いて狭義の動作状態だけでなく、接続されているかどう
かや、どのような種類や型式か、どのような機能を持っ
ているかなど、使用できる語句の範囲に影響するあらゆ
る要素を広く意味する。

【０００８】例えば、 （１）オーディオソースユニットの電源の状態はオフと
オンが考えられる。 （２）また、接続されるオーディオソースユニットの種
類が同じでも、内蔵される機能が多いものが接続される
場合や、機能の少ないものが接続される場合が考えられ
る。 （３）また、オーディオソースユニットとして、ラジオ
受信機とＣＤプレーやのように複数の種類が接続されて
いて、それらが切り替えられたり選択されることによっ
て動作を行う場合も考えられる。なお、この場合は、例
えば現在あるソース（音源）が選択されている場合はそ
のソースは、動作中でかつ外部からの制御コマンドを受
け付け可能な状態となり、一方、他のソースは動作オフ
の状態で外部からの制御コマンドは受け付け不可能な状
態となる。

【０００９】これに対して、従来の音声認識装置は上記
のようなオーディオソースユニットの動作状態を判断す
る手段を有していない。このため、従来技術では、シス
テムに生じうるあらゆる状態を予め予測し、用いられる
可能性がある全ての語句を認識用データとして単一の認
識辞書に登録し、パターンマッチングの対象としてい
た。

【００１０】この結果、従来技術における音声認識装置
は、各時点で、そのときのシステムの動作状態では使用
することのない不必要な語句についても認識用データを
参照して認識動作を行い、認識結果に応じた制御コマン
ドをオーディオソースユニットに送信していた。しか
し、受信するオーディオソースユニットの側では、受信
した制御コマンドに対応する動作ができない状態である
ため、認識動作も制御コマンドの送受信も無駄な処理と
なっていた。

【００１１】具体的には、例えば、前記（１）の例に関
して、ＣＤプレーヤユニットでは「再生」といった語句
に対応した再生開始の制御コマンドは、電源がオンの状
態でなければ有効でない。にもかかわらず、電源がオフ
のときにも「再生」といった語句が認識の対象となり、
再生開始の制御コマンドが送信されることは無駄であ
る。同様に、「電源オン」といった語句は電源がオフの
時に認識されれば十分で、電源がオンの時には認識対象
とする必要はない。

【００１２】また、前記（２）の例に関して、ラジオチ
ューナーユニット（ラジオ受信機）としては、ＡＭ（波
受信）の機能のみを持つ機種と、ＡＭとＦＭ両方の機能
を持つ機種とが考えられ、どちらの機種も制御対象とし
て音声認識装置に接続される可能性がある。しかし、Ａ
Ｍの機能だけの機種が接続されている場合は、音声認識
装置の認識辞書には、ＦＭの機能の操作に関する語句は
不必要である。

【００１３】また、前記（３）の例に関して、ＣＤプレ
ーヤユニットとラジオチューナーユニットが音声認識装
置に接続されていて、ＣＤプレーヤユニットがＣＤを再
生中に、ユーザが「シークアップ」といったラジオのチ
ューニングに関する語句を発話した場合を考える。この
場合でも、音声認識装置は認識辞書に基づいてこの語句
を認識し、「シークアップ」という語句に対応した制御
コマンドを通信回線経由でラジオチューナーユニットに
送信する。しかし、ＣＤの再生中にオンになっているの
はＣＤプレーヤユニットであり、ラジオチューナーユニ
ットはオフの状態になっているため、「シークアップ」
の制御コマンドは受付不可の状態になる。したがって、
この場合も認識や制御コマンドの送信の処理は無駄とな
る。

【００１４】なお、ＣＤを再生している状態から、ラジ
オのチューニングに関するシークアップなどの動作を可
能にするには、予め音声による操作やキー操作などによ
ってソースをラジオに切り替えることによって、ラジオ
チューナーユニットをオンの状態にする必要がある。

【００１５】一方、音声認識の特徴として、認識辞書中
の語句数が少ないほど、入力された音声とパターンマッ
チングで比較対象とする候補が減るため、認識率と認識
応答時間などの性能が向上する。逆に、上記のように、
不必要な語句も常に認識対象とすると、マッチングの対
象とする語句数が増え、結果的に認識性能が悪化する。
このため、不必要な単語はなるべく認識対象から外し、
必要最小限の語句数で認識辞書を構成することが望まれ
ていた。

【００１６】本発明は、上記のような従来技術の問題点
を解決するために提案されたもので、その目的は、制御
対象の動作状態に応じた適切な語句数で認識を行うこと
によって、認識性能を向上させることである。

【００１７】

【課題を解決するための手段】上記の目的を達成するた
め、請求項１の発明は、認識しようとする語句ごとの特
徴を表す認識用データを格納した認識辞書を用いて、入
力される音声から語句を認識して制御対象を制御する音
声認識による制御装置において、制御対象がどのような
動作状態であるかに対応した複数の認識辞書と、制御対
象の動作状態に応じて、認識に用いる認識辞書を前記複
数の認識辞書の中から選択する手段と、入力される音声
から、選択されている認識辞書を用いて語句を認識する
手段と、認識された語句に応じて制御対象を制御する手
段と、を備えたことを特徴とする。請求項２の発明は、
制御装置に接続して前記制御装置からの制御コマンドに
よって動作させるための制御対象ユニットにおいて、当
該制御対象ユニットの動作状態に関する情報を前記制御
装置に送る手段を備えたことを特徴とする。請求項３の
発明は、認識しようとする語句ごとの特徴を表す認識用
データを格納した認識辞書を用いて、入力される音声か
ら語句を認識して制御対象を制御する音声認識による制
御装置と、前記制御装置に接続され、前記制御装置から
制御コマンドを受信することによって動作する１又は２
以上の制御対象ユニットと、を含む音声認識による制御
を用いるシステムにおいて、前記制御対象ユニットは、
当該制御対象ユニットの動作状態に関する情報を前記制
御装置に送る手段を備え、前記制御装置は、制御対象ユ
ニットがどのような動作状態であるかに対応した複数の
認識辞書と、前記制御対象ユニットの動作状態に関する
前記情報を受け取る手段と、前記制御対象ユニットの動
作状態に応じて、認識に用いる認識辞書を前記複数の認
識辞書の中から選択する手段と、入力される音声から、
選択されている認識辞書を用いて語句を認識する手段
と、認識された語句に応じて前記制御対象ユニットを制
御する手段と、を備えたことを特徴とする。請求項６の
発明は、請求項１の発明を方法の観点から把握したもの
で、認識しようとする語句ごとの特徴を表す認識用デー
タを格納した認識辞書を用いて、入力される音声から語
句を認識して制御対象を制御する音声認識による制御方
法において、制御対象がどのような動作状態であるかに
対応した複数の認識辞書を用い、制御対象の動作状態に
応じて、認識に用いる認識辞書を前記複数の認識辞書の
中から選択するステップと、入力される音声から、選択
されている認識辞書を用いて語句を認識するステップ
と、認識された語句に応じて制御対象を制御するステッ
プと、を含むことを特徴とする。

【００１８】請求項９の発明は、請求項１の発明をコン
ピュータプログラムを記録した記録媒体の観点から把握
したもので、コンピュータによって、認識しようとする
語句ごとの特徴を表す認識用データを格納した認識辞書
を用いて、入力される音声から語句を認識して制御対象
を制御する音声認識による制御用プログラムを記録した
記録媒体において、当該プログラムは前記コンピュータ
に、制御対象がどのような動作状態であるかに対応した
複数の認識辞書のなかから、制御対象の動作状態に応じ
て、認識に用いる認識辞書を選択させ、入力される音声
から、選択されている認識辞書を用いて語句を認識さ
せ、認識された語句に応じて制御対象を制御させること
を特徴とする。

【００１９】請求項１，３，６，９の発明では、各認識
辞書には、動作状態に応じた各語句が、その語句を認識
するための認識用データの形で格納されていて、これら
複数の認識辞書のうち、制御対象の動作状態に応じた認
識辞書が認識での参照対象として選択される。このた
め、入力された音声は、制御対象の動作状態に応じて、
不必要な語句を含まない必要最小限の語句とだけパター
ンマッチングされる。このように音声認識で参照する語
句数が減ることによって、認識性能が向上する。なお、
本出願において「動作状態」とは、制御対象について狭
義の動作状態だけでなく、接続されているかどうか、ど
のような種類か、どのような型式か、どのような機能を
持っているかなど、使用できる語句の範囲に影響するあ
らゆる要素を広く意味する。また、制御対象に関するこ
れら種類・型式・持っている機能などの情報は、接続用
の信号線などを通じて自動的に検出してもよいし、スイ
ッチなどでユーザが入力してもよい。また、請求項２，
３の発明では、制御対象からその動作状態に関する情報
が制御装置に送られるので、制御装置では、ユーザがス
イッチなどで制御対象の種類などを入力するまでもな
く、動作状態を容易に自動検出することができ、操作が
容易になる。

【００２０】請求項４の発明は、制御対象である複数の
ユニットを切り替えて制御する音声認識による制御装置
において、どのユニットを動作させるかを切り替えるた
めの各語句の特徴を表す認識用データを格納した第１の
認識辞書と、動作しているユニットの制御に用いる各語
句の特徴を表す認識用データを格納するための第２の認
識辞書と、ユニットの制御に用いる各語句の前記認識用
データを前記複数のユニットごとに記憶した記憶手段
と、動作しているユニットの制御に用いる各語句の前記
認識用データを前記記憶手段から前記第２の認識辞書に
コピーする手段と、入力される音声から前記第１の認識
辞書及び第２の認識辞書を用いて語句を認識する手段
と、認識された語句に応じてユニットを制御する手段
と、を有することを特徴とする。請求項７の発明は、請
求項４の発明を方法の観点から把握したもので、制御対
象である複数のユニットを切り替えて制御する音声認識
による制御方法において、どのユニットを動作させるか
を切り替えるための各語句の特徴を表す認識用データを
格納した第１の認識辞書と、動作しているユニットの制
御に用いる各語句の特徴を表す認識用データを格納する
ための第２の認識辞書と、ユニットの制御に用いる各語
句の特徴を表す認識用データを前記複数のユニットごと
に記憶した記憶装置とを用い、動作しているユニットの
制御に用いる各語句の前記認識用データを前記記憶装置
から前記第２の認識辞書にコピーするステップと、入力
される音声から前記第１の認識辞書及び第２の認識辞書
を用いて語句を認識するステップと、認識された語句に
応じてユニットを制御するステップと、を含むことを特
徴とする。請求項４，７の発明では、動作中のユニット
に関する語句だけが第２の認識辞書にコピーされて語句
の認識の際に参照され、動作中でないユニットに関する
語句は参照の対象とならない。このため、参照する語句
の数が減り、認識性能が向上する。一方、ユニットの切
り替えに関する語句は第１の認識辞書に固定されている
ので、どのユニットが動作中でもユニットの切り替えは
自由に行うことができる。

【００２１】請求項５の発明は、認識しようとする語句
ごとの特徴を表す認識用データを格納した認識辞書を用
いて、入力される音声から語句を認識して制御対象を制
御する音声認識による制御装置と、前記制御装置に制御
対象として接続され、前記制御装置から制御コマンドを
受信することによって動作する１又は２以上のユニット
と、を含む音声認識による制御を用いるシステムにおい
て、前記ユニットは、当該ユニットがどのような機能を
持っているかに関する機能情報を前記制御装置に送る手
段を備え、前記制御装置は、ユニットが持つ可能性のあ
る機能ごとに対応した複数の認識辞書と、前記機能情報
を受け取る手段と、受け取った機能情報に基づいて、前
記ユニットが持っている機能に対応する認識辞書を前記
複数の認識辞書の中から選択する手段と、入力される音
声から、選択されている認識辞書を用いて語句を認識す
る手段と、認識された語句に応じて前記ユニットを制御
する手段と、を備えたことを特徴とする。請求項８の発
明は、請求項５の発明を方法の観点から把握したもの
で、認識しようとする語句ごとの特徴を表す認識用デー
タを格納した認識辞書を用いて、入力される音声から語
句を認識して制御対象を制御する音声認識による制御装
置によって、前記制御装置に制御対象として接続され、
前記制御装置から制御コマンドを受信することによって
動作する１又は２以上のユニットを制御する音声認識に
よる制御方法において、前記ユニットから、当該ユニッ
トがどのような機能を持っているかに関する機能情報を
前記制御装置に送るステップと、前記制御装置におい
て、前記機能情報を受け取るステップと、前記ユニット
が持つ可能性のある機能ごとに対応した複数の認識辞書
のなかから、受け取った機能情報に基づいて、前記ユニ
ットが持っている機能に対応する認識辞書を選択するス
テップと、入力される音声から、選択されている認識辞
書を用いて語句を認識するステップと、認識された語句
に応じて前記ユニットを制御するステップと、を含むこ
とを特徴とする。請求項５，８の発明では、制御対象で
あるユニットが持っている機能に関する語句だけが認識
の際に参照され、ユニットが持っていない機能に関する
語句は参照されないので、参照される語句数が減少し、
認識性能が向上する。

【００２２】

【発明の実施の形態】次に、本発明の複数の実施の形態
について、図面を参照して説明する。なお、本発明の各
機能は、コンピュータを、ソフトウェアで制御すること
によって実現することが一般的と考えられる。この場
合、コンピュータが備えるレジスタ、メモリ、外部記憶
装置などの記憶装置が、いろいろな形式で、情報を一時
的に保持したり永続的に保存する。そして、ＣＰＵが、
前記ソフトウェアにしたがって、これらの情報に加工及
び判断などの処理を加え、さらに、処理の順序を制御す
る。

【００２３】また、コンピュータを制御するソフトウェ
アは、本出願の各請求項及び本明細書に記述する処理に
対応した命令を組み合わせることによって作成され、作
成されたソフトウェアは、コンパイルされた組み込みソ
フトウェアなどの形式で実行されることで、上記のよう
なハードウェア資源を活用する。

【００２４】但し、本発明を実現するための上記のよう
な態様はいろいろ変更することができ、例えば、本発明
を実現するソフトウェアを記録したＲＯＭチップやＣＤ
−ＲＯＭのような記録媒体は、それ単独でも本発明の一
態様である。また、本発明の機能の一部をＬＳＩなどの
物理的な電子回路で実現することも可能である。

【００２５】以上のように、コンピュータを使用して本
発明を実現する態様はいろいろ変更できるので、以下で
は、本発明の各機能を実現する仮想的回路ブロックを用
いることによって、本発明の実施の形態（以下「実施形
態」という）を説明する。

【００２６】なお、説明に用いるそれぞれの図につい
て、それ以前に説明した図と同一又は同種の部材に関し
ては説明を省略する。

【００２７】〔１．第１実施形態〕第１実施形態は、音
声認識装置（前記音声認識による制御装置に相当する）
とオーディオソースユニット（前記制御対象、ユニット
及び前記制御対象ユニットに相当する）とを接続した音
声認識を用いるカーオーディオシステムである。

【００２８】この第１実施形態は、請求項１，２，３，
６，９に対応するもので、音声認識装置が、オーディオ
ソースユニットが電源オフの状態で有効な語句を格納し
た認識辞書と、電源オンの状態で有効な語句を格納した
認識辞書とを持ち、オーディオソースユニットから音声
認識装置へ電源がオンかオフかの情報を送り、音声認識
装置ではこの情報に基づいて、これら２つの辞書を切り
替えて認識動作を行うものである。

【００２９】〔１−１．構成〕まず、図１は、第１実施
形態の構成を示す機能ブロック図である。第１実施形態
は、この図に示すように、オーディオソースユニット２
１と音声認識装置２２とを、通信回線２３を介して接続
したものである。このうちオーディオソースユニット２
１は、通信回線２３を介して外部からの制御コマンドを
受信することによって電源のオンオフなど各種動作を行
うものである。

【００３０】このオーディオソースユニット２１は、シ
ステム上にいくつか接続することができ、それぞれの内
部に、自身の動作状態を外部の音声認識装置２２に送信
するための動作状態出力部２１１（前記動作状態に関す
る情報を送る手段に相当する）を持つ。この動作状態出
力部２１１は、オーディオソースユニット２１の電源に
ついてオン／オフの状態が変化した際に、どのように変
化したかを通信回線２３を介して外部に通知するように
構成された部分である。

【００３１】一方、音声認識装置２２は、音声入力部２
２１と、認識辞書２２２及び２２３と、辞書切り替え制
御部２２４と、オーディオ状態受信部２２５と、パター
ンマッチング部２２６と、コマンド出力部２２７と、を
有する。このうち音声入力部２２１は、マイクロホン
（マイク）などから入力される音声をデジタル信号に変
換する部分である。また、認識辞書２２２は、オーディ
オソースユニット２１の電源がオフの状態の時に認識対
象となる各語句について、波形や各種パラメータなどの
特徴を表した認識用データを格納したものである。一
方、認識辞書２２３は、オーディオソースユニット２１
の電源がオンの状態の時に認識対象となる各語句につい
て認識用データを格納したものである。

【００３２】また、オーディオ状態受信部２２５は、オ
ーディオソースユニット２１の電源がオンかオフかの状
態変化に関して動作状態出力部２１１から送信される情
報を受信する手段である。また、辞書切り替え制御部２
２４は、オーディオ状態受信部２２５が受信した電源の
状態変化に関する情報に応じて、語句の認識で用いる認
識辞書を、認識辞書２２２又は認識辞書２２３のいずれ
か一方に切り替えることによって選択する部分である。

【００３３】また、パターンマッチング部２２６は、入
力された音声を選択されている認識辞書に格納されてい
る各認識用データとパターンマッチングすることによっ
て語句を認識する部分である。また、コマンド出力部２
２７は、認識された語句の意味する制御内容に応じた制
御コマンドをシステムの各ユニットに出力する手段であ
る。

【００３４】〔１−２．作用及び効果〕上記のような第
１実施形態では、オーディオソースユニット２１におい
て、電源の状態が変化したとき、どのように変化したか
に関する情報が動作状態出力部２２１から通信回線２３
を介して送信され、音声認識装置２２のオーディオ状態
受信部２２５によって受信される。ここで、図２は、第
１実施形態の音声認識装置２２が、このように送信され
た情報に基づいて認識辞書を切り替える処理手順を示す
フローチャートである。

【００３５】すなわち、オーディオ状態受信部２２５
は、電源の状態変化に関する情報を待ち受け（ステップ
１１）、情報を受信すると（ステップ１２）このように
受信した情報を辞書切り替え制御部２２４に渡す。

【００３６】電源の状態に関する情報を受け取った辞書
切り替え制御部２２４は、電源の状態がどのように変化
したかを受け取った情報から判断し（ステップ１３）、
オーディオソースユニット２１の電源がオフに変化した
場合は、語句の認識で用いる認識辞書を、電源がオフの
時に必要な単語だけを格納した認識辞書２２２に切り替
え（ステップ１４）、また、オーディオソースユニット
２１の電源がオンに変化した場合は、語句の認識で用い
る認識辞書を、電源がオンの時に必要な単語だけを格納
した認識辞書２２３に切り替える（ステップ１５）。

【００３７】そして、パターンマッチング部２２６は
（図１）、入力される音声の波形を、このように切り替
えられた認識辞書２２２又は２２３に含まれている各語
句の認識用データとマッチングし、音声の波形やその特
徴が一致した語句を認識結果として選択する。例えば、
オーディオソースユニット２１の電源がオフの場合、マ
ッチングの対象としては認識辞書２２２が用いられ、こ
の認識辞書２２２には例えば「電源オン」という語句は
登録されているが、電源がオフの状態では使用しない例
えば「電源オフ」といった語句は登録されていない。

【００３８】逆に、オーディオソースユニット２１の電
源がオンの場合は、マッチングの対象としては認識辞書
２２３が用いられ、この認識辞書２２３には例えば「電
源オフ」という語句は登録されているが、電源がオンの
状態では使用しない例えば「電源オン」といった語句は
登録されていない。

【００３９】このため、オーディオソースユニット２１
の電源がオフのときもオンのときも、その状態で必要の
ない語句はマッチングの対象から外れ、マッチングの対
象としなければならない語句数が従来よりも減少するの
で、認識性能が向上する。なお、パターンマッチング部
２２６は、上記のように認識された認識結果を、語句の
ＩＤなどの形でコマンド出力部２２７に渡し、コマンド
出力部２２７は渡された認識結果に応じた制御用のコマ
ンドを、通信回線２３を介してオーディオソースユニッ
ト２１に出力することによって、ユーザの発話内容に対
応した動作を実現する。

【００４０】以上のように、第１実施形態では、各認識
辞書には、動作状態に応じた各語句が、その語句を認識
するための認識用データの形で格納されていて、これら
複数の認識辞書のうち、制御対象の動作状態に応じた認
識辞書が認識での参照対象として選択される。このた
め、入力された音声は、制御対象の動作状態に応じて、
不必要な語句を含まない必要最小限の語句とだけパター
ンマッチングされる。このように音声認識で参照する語
句数が減ることによって、認識性能が向上する。

【００４１】特に、第１実施形態では、制御対象である
オーディオソースユニットからその動作状態に関する情
報が制御装置に送られるので、制御装置では、ユーザが
スイッチなどで制御対象の種類などを入力するまでもな
く、動作状態を容易に自動検出することができ、操作が
容易になる。

【００４２】〔２．第２実施形態〕第２実施形態は、請
求項５，８に対応するもので、システムに接続されうる
各ユニットが持つ可能性のある個々の機能ごとに、その
機能に対応する語句を格納した認識辞書をそれぞれ用意
し、どのような機能を持つかについてユニットから送ら
れる情報に応じて、必要な認識辞書を選択して語句の認
識に用いるものである。

【００４３】〔２−１．構成〕この第２実施形態では、
図３に示すように、オーディオソースユニット３１が機
能情報出力部３１１を持ち、この機能情報出力部３１１
は、オーディオソースユニット３１がシステムに接続さ
れた初期状態の際に、当該オーディオソースユニット３
１がどのような機能を持っているかに関する機能情報を
音声認識装置３２に送信するように構成されている。

【００４４】また、音声認識装置３２は、音声入力部３
２１、オーディオ状態受信部３２４、パターンマッチン
グ部３２５、コマンド出力部３２６の他、複数の認識辞
書３２２１〜３２２ｎを持ち、認識辞書群３２２１〜３
２２ｎはそれぞれ、システムに接続される可能性のある
オーディオソースユニットの各機能に対応し、その機能
に関する各語句を格納したものである。

【００４５】例えば、システムに接続される可能性のあ
るユニットが３種類あって、１種類のユニットが３つの
機能を持つ可能性があり、１つの機能を利用するのに３
つの語句を使用するとする。この場合は、３種類×３機
能＝９つの認識辞書があり、１つの認識辞書あたり３つ
の語句が格納されているので、全体として２７の語句の
認識用データが存在することになる。

【００４６】また、音声認識装置３２は、辞書選択制御
部３２３と、オーディオ状態受信部３２４とを持ち、こ
のオーディオ状態受信部３２４は、機能情報出力部３１
１から送信される機能情報を受信する部分である。ま
た、辞書選択制御部３２３は、オーディオ状態受信部３
２４が受信した機能情報に基づいて、認識辞書群３２２
１〜３２２ｎから、システムに接続されているオーディ
オソースユニットの持つ機能に対応する認識辞書を、パ
ターンマッチング部３２５が語句認識で参照する対象と
して選択する部分である。

【００４７】〔２−２．作用及び効果〕上記のような構
成を有する第２実施形態では、オーディオソースユニッ
ト３１がシステムに新たに接続され、最初に起動された
ときに、当該オーディオソースユニット３１の機能情報
出力部３１１は、オーディオソースユニット３１がどの
ような機能を持つかという機能情報を、通信回線３３を
介して音声認識装置３２のオーディオ状態受信部３２４
に送信する。ここで、図４は、音声認識装置３２におい
て、認識辞書群３２２１〜３２２ｎから、オーディオソ
ースユニット３１の持つ機能に対応する認識辞書を、語
句認識で参照する対象として機能情報に基づいて選択す
る処理手順を示すフローチャートである。

【００４８】すなわち、受信待ちの状態のオーディオ状
態受信部３２４が（ステップ２１）機能情報を受信する
と（ステップ２２）、オーディオソースユニット３１が
各機能を持っているかどうか１つずつ判断され（ステッ
プ２３，２５…２８）、持っている機能に対応した認識
辞書が語句認識で参照する対象に加えられる（ステップ
２４，２６…２９）。

【００４９】なお、機能情報の一例として、例えばある
ユニットが持っている可能性のある機能が８つある場
合、１バイトの８ビットそれぞれを１つずつの機能に対
応させ、１番目の機能がある場合は１ビット目を１、な
い場合は０とし、２番目の機能については同様に２ビッ
ト目を１又は０とする。このように作成した機能情報を
１バイト長のデータとして通信回線３３経由で送信し、
このデータを渡された辞書選択制御部３２３は、１ビッ
ト目から値を参照し、値が１になっている場合に対応す
る認識辞書を参照の対象に加えればよい。

【００５０】そして、パターンマッチング部３２５は、
音声から語句を認識するとき、認識辞書群３２２１〜３
２２ｎのなかで、上記のように選択された認識辞書のみ
を音声と比較するための参照対象とする。そして、認識
結果としては、選択されている各認識辞書に含まれる全
ての語句のなかから、語句の認識用データと音声とがも
っともよく一致するものを選び、その語句のＩＤなどを
コマンド出力部３２６に渡す。このような認識結果を受
け取ったコマンド出力部３２６は、ユーザの音声から認
識された語句（発話内容）に応じて、制御コマンドを送
信することによってオーディオソースユニット３１を制
御する。

【００５１】以上のように、第２実施形態では、制御対
象であるユニットが持っている機能に関する語句だけが
認識の際に参照され、ユニットが持っていない機能に関
する語句は参照されないので、参照される語句数が減少
し、認識性能が向上する。

【００５２】〔３．第３実施形態〕第３実施形態は、請
求項４，７に対応するもので、第１と第２の二つの認識
辞書を用い、第１の辞書はオーディオソースのユニット
を切り替えるための語句を格納した内容固定のものと
し、第２の辞書は、どのソースが動作しているかに応じ
て、動作しているソースについて用いる語句を格納する
内容可変のものとする例である。

【００５３】〔３−１．構成〕この第３実施形態では、
図５に示すように、複数のオーディオソースユニット４
１，４２がそれぞれ動作状態出力部４１１，４２１を持
つ。このうち動作状態出力部４１１は、オーディオソー
スユニット４１が動作を開始したときに、そのことを通
信回線４４を介して音声認識装置４３に通知するように
構成されている。同様に、動作状態出力部４２１は、オ
ーディオソースユニット４３が動作を開始したときに、
そのことを通信回線４４を介して音声認識装置４３に通
知するように構成されている。

【００５４】また、音声認識装置４３は、音声入力部４
３１、オーディオ状態受信部４３６、パターンマッチン
グ部４３７、コマンド出力部４３８の他、第１の認識辞
書４３２と、第２の認識辞書４３３と、認識単語情報群
記憶部４３４と、辞書切り替え制御部４３５と、を持
つ。このうち第１の認識辞書４３２は、ＲＯＭなどを用
いた内容固定の認識辞書で、どのオーディオソースユニ
ットをスピーカの音源にするかというオーディオソース
の切り替えに用いる語句（認識単語）を格納している。

【００５５】一方、第２の認識辞書４３３は、前記コピ
ーする手段に相当するもので、書き換え可能なＲＡＭな
どを用いた内容可変の認識辞書であり、認識単語情報群
記憶部４３４は第２の認識辞書４３３にコピーする語句
（認識単語）の認識用データの候補（認識単語情報群）
を記憶している部分である。すなわち、認識単語情報群
記憶部４３４内の語句の情報は、それぞれ１つのオーデ
ィオソースに対応するいくつかのグループに分けてあ
り、１つのグループは、対応するオーディオソースが動
作しているときに用いる各語句を認識するための認識用
データの集合である。

【００５６】そして、辞書切り替え制御部４３５は、各
オーディオソースユニット４１又は４２からオーディオ
状態受信部４３６が動作開始の通知を受け取ったとき
に、動作を開始したオーディオソースに対応する語句す
なわちその語句の認識用データのグループを認識単語情
報群記憶部４３４から第２の認識辞書４３３にコピーす
る部分である。

【００５７】〔３−２．作用及び効果〕上記のような構
成を有する第３実施形態では、第１の認識辞書４３２の
内容はオーディオソースの切り替えに用いる語句に固定
されていて、ユーザがオーディオソースの切り替えを語
句で指定するとパターンマッチング部４３７は、ユーザ
の発話した語句を第１の認識辞書４３２から発見し、こ
の認識結果をコマンド出力部４３８に送る。この場合、
コマンド出力部４３８は、例えばそれまで動作していた
ユニットに電源をオフにする制御コマンドを送り、一
方、新たに動作させるユニットに電源をオンにする制御
コマンドを送ることによって、オーディオソースを切り
替える。

【００５８】この切り替えによって、例えばＣＤプレー
ヤであるオーディオソースユニット４１が動作を開始し
た場合、オーディオソースユニット４１の動作状態出力
部４１１は、動作を開始したことを音声認識装置４３の
オーディオ状態受信部４３６に通知し、辞書切り替え制
御部４３５はオーディオ状態受信部４３６からこの通知
を受け取る。ここで、図６は、オーディオソースユニッ
トから受け取る動作開始の情報に基づいて第２の認識辞
書４３３の内容が書き換えられる処理手順を示すフロー
チャートである。

【００５９】すなわち、辞書切り替え制御部４３５は、
受信待ちの状態で（ステップ３１）オーディオソースユ
ニットから動作開始の情報を受け取ると（ステップ３
２）、例えば、どのユニットが動作を開始したかに応じ
て（ステップ３３，３５…３８）、動作を開始したその
ユニットについて用いる語句の情報すなわち認識用デー
タのグループを、認識単語情報群記憶部４３４から選択
して第２の認識辞書４３３にコピーする。

【００６０】そして、パターンマッチング部４３７は、
語句の認識の際、第１の認識辞書４３２と第２の認識辞
書４３３とを参照する。すなわち、ＣＤプレーヤである
オーディオソースユニット４１が動作しているときは、
第２の認識辞書４３３にはＣＤプレーヤの操作に必要な
語句だけが格納されていて、ユーザがＣＤプレーヤの操
作に用いる語句を発話すると、音声を第２の認識辞書４
３３の内容と照合したときに一致する語句が認識され
る。

【００６１】また、第１の認識辞書４３２には常に、オ
ーディオソースの切り替えに用いる語句が格納されてい
るので、ユーザがオーディオソースを現在とは違ったオ
ーディオソースに切り替える語句を発話すると、音声を
第１の認識辞書４３２の内容と照合したときに一致する
語句が認識される。このときは、オーディオソースが切
り替えられると共に、前記と同様の処理手順によって、
新たなオーディオソースの操作に用いる語句だけが第２
の認識辞書４３３に格納された状態となる。

【００６２】以上のように、第３実施形態では、動作中
のユニットに関する語句だけが第２の認識辞書にコピー
されて語句の認識の際に参照され、動作中でないユニッ
トに関する語句は参照の対象とならない。このため、参
照する語句の数が減り、認識性能が向上する。一方、ユ
ニットの切り替えに関する語句は第１の認識辞書に固定
されているので、どのユニットが動作中でもユニットの
切り替えは自由に行うことができる。

【００６３】〔４．他の実施の形態〕なお、本発明は上
記各実施形態に限定されるものではなく、次に例示する
ような他の実施の形態も含むものである。例えば、図
１，図３，図５に示した構成は一例に過ぎず、本発明
は、カーオーディオシステム以外の他の種類のシステム
を制御するのに用いることもできる。

【００６４】例えば、本発明は、周辺機器を持つ一般的
なコンピュータ自体を制御するために、当該コンピュー
タの機能として実現することもできる。具体的には、例
えば、接続する周辺機器の種類、機能、動作状態などに
応じて認識する単語を必要なものに限定することもでき
る。

【００６５】また、カーオーディオシステムと組み合わ
せる場合も、例えば、ＣＤプレーヤやラジオチューナー
ユニット（ラジオ受信機）など具体的なユニットの種類
は例示に過ぎず、他の種類の音源や他の機能を持つユニ
ットに自由に置き換えることができる。

【００６６】

【発明の効果】以上のように、本発明によれば、制御対
象の動作状態に応じて、語句の認識の際に参照する認識
用データの語句数が限定されるので、認識性能が改善さ
れる。

【図面の簡単な説明】

【図１】本発明の第１実施形態の構成を示す機能ブロッ
ク図。

【図２】本発明の第１実施形態において、認識辞書を変
更する処理手順を示すフローチャート。

【図３】本発明の第２実施形態の構成を示す機能ブロッ
ク図。

【図４】本発明の第２実施形態において、認識辞書を変
更する処理手順を示すフローチャート。

【図５】本発明の第３実施形態の構成を示す機能ブロッ
ク図。

【図６】本発明の第３実施形態において、認識辞書を変
更する処理手順を示すフローチャート。

【図７】従来の音声認識装置によってカーオーディオシ
ステムを制御する場合の構成例を示す図。

【符号の説明】

２１，３１，４１，…オーディオソースユニット ２１１，４１１，４２１…動作状態出力部 ２２，３２，４３…音声認識装置 ２２１，３２１，４３１…音声入力部 ２２２，２２３，３２２１〜３２２ｎ，４３２，４３３
…認識辞書 ２２４，４３５…辞書切り替え制御部 ２２５，３２４，４３６…オーディオ状態受信部 ２２６，３２５，４３７…パターンマッチング部 ２２７，３２６，４３８…コマンド出力部 ２３，３３，４４…通信回線 ３２３…辞書選択制御部

フロントページの続き (72)発明者 木佐貫 誠 東京都文京区白山５丁目35番２号 クラリ オン株式会社内

Claims (9)

【特許請求の範囲】
1. 【請求項１】 認識しようとする語句ごとの特徴を表す
   認識用データを格納した認識辞書を用いて、入力される
   音声から語句を認識して制御対象を制御する音声認識に
   よる制御装置において、 制御対象がどのような動作状態であるかに対応した複数
   の認識辞書と、 制御対象の動作状態に応じて、認識に用いる認識辞書を
   前記複数の認識辞書の中から選択する手段と、 入力される音声から、選択されている認識辞書を用いて
   語句を認識する手段と、 認識された語句に応じて制御対象を制御する手段と、 を備えたことを特徴とする音声認識による制御装置。
2. 【請求項２】 制御装置に接続して前記制御装置からの
   制御コマンドによって動作させるための制御対象ユニッ
   トにおいて、 当該制御対象ユニットの動作状態に関する情報を前記制
   御装置に送る手段を備えたことを特徴とする制御対象ユ
   ニット。
3. 【請求項３】 認識しようとする語句ごとの特徴を表す
   認識用データを格納した認識辞書を用いて、入力される
   音声から語句を認識して制御対象を制御する音声認識に
   よる制御装置と、 前記制御装置に接続され、前記制御装置から制御コマン
   ドを受信することによって動作する１又は２以上の制御
   対象ユニットと、 を含む音声認識による制御を用いるシステムにおいて、 前記制御対象ユニットは、当該制御対象ユニットの動作
   状態に関する情報を前記制御装置に送る手段を備え、 前記制御装置は、 制御対象ユニットがどのような動作状態であるかに対応
   した複数の認識辞書と、 前記制御対象ユニットの動作状態に関する前記情報を受
   け取る手段と、 前記制御対象ユニットの動作状態に応じて、認識に用い
   る認識辞書を前記複数の認識辞書の中から選択する手段
   と、 入力される音声から、選択されている認識辞書を用いて
   語句を認識する手段と、 認識された語句に応じて前記制御対象ユニットを制御す
   る手段と、 を備えたことを特徴とする音声認識による制御を用いる
   システム。
4. 【請求項４】 制御対象である複数のユニットを切り替
   えて制御する音声認識による制御装置において、 どのユニットを動作させるかを切り替えるための各語句
   の特徴を表す認識用データを格納した第１の認識辞書
   と、 動作しているユニットの制御に用いる各語句の特徴を表
   す認識用データを格納するための第２の認識辞書と、 ユニットの制御に用いる各語句の前記認識用データを前
   記複数のユニットごとに記憶した記憶手段と、 動作しているユニットの制御に用いる各語句の前記認識
   用データを前記記憶手段から前記第２の認識辞書にコピ
   ーする手段と、 入力される音声から前記第１の認識辞書及び第２の認識
   辞書を用いて語句を認識する手段と、 認識された語句に応じてユニットを制御する手段と、 を有することを特徴とする音声認識による制御装置。
5. 【請求項５】 認識しようとする語句ごとの特徴を表す
   認識用データを格納した認識辞書を用いて、入力される
   音声から語句を認識して制御対象を制御する音声認識に
   よる制御装置と、 前記制御装置に制御対象として接続され、前記制御装置
   から制御コマンドを受信することによって動作する１又
   は２以上のユニットと、 を含む音声認識による制御を用いるシステムにおいて、 前記ユニットは、当該ユニットがどのような機能を持っ
   ているかに関する機能情報を前記制御装置に送る手段を
   備え、 前記制御装置は、 ユニットが持つ可能性のある機能ごとに対応した複数の
   認識辞書と、 前記機能情報を受け取る手段と、 受け取った機能情報に基づいて、前記ユニットが持って
   いる機能に対応する認識辞書を前記複数の認識辞書の中
   から選択する手段と、 入力される音声から、選択されている認識辞書を用いて
   語句を認識する手段と、 認識された語句に応じて前記ユニットを制御する手段
   と、 を備えたことを特徴とする音声認識による制御を用いる
   システム。
6. 【請求項６】 認識しようとする語句ごとの特徴を表す
   認識用データを格納した認識辞書を用いて、入力される
   音声から語句を認識して制御対象を制御する音声認識に
   よる制御方法において、 制御対象がどのような動作状態であるかに対応した複数
   の認識辞書を用い、 制御対象の動作状態に応じて、認識に用いる認識辞書を
   前記複数の認識辞書の中から選択するステップと、 入力される音声から、選択されている認識辞書を用いて
   語句を認識するステップと、 認識された語句に応じて制御対象を制御するステップ
   と、 を含むことを特徴とする音声認識による制御方法。
7. 【請求項７】 制御対象である複数のユニットを切り替
   えて制御する音声認識による制御方法において、 どのユニットを動作させるかを切り替えるための各語句
   の特徴を表す認識用データを格納した第１の認識辞書
   と、動作しているユニットの制御に用いる各語句の特徴
   を表す認識用データを格納するための第２の認識辞書
   と、ユニットの制御に用いる各語句の特徴を表す認識用
   データを前記複数のユニットごとに記憶した記憶装置と
   を用い、 動作しているユニットの制御に用いる各語句の前記認識
   用データを前記記憶装置から前記第２の認識辞書にコピ
   ーするステップと、 入力される音声から前記第１の認識辞書及び第２の認識
   辞書を用いて語句を認識するステップと、 認識された語句に応じてユニットを制御するステップ
   と、 を含むことを特徴とする音声認識による制御方法。
8. 【請求項８】 認識しようとする語句ごとの特徴を表す
   認識用データを格納した認識辞書を用いて、入力される
   音声から語句を認識して制御対象を制御する音声認識に
   よる制御装置によって、 前記制御装置に制御対象として接続され、前記制御装置
   から制御コマンドを受信することによって動作する１又
   は２以上のユニットを制御する音声認識による制御方法
   において、 前記ユニットから、当該ユニットがどのような機能を持
   っているかに関する機能情報を前記制御装置に送るステ
   ップと、 前記制御装置において、 前記機能情報を受け取るステップと、 前記ユニットが持つ可能性のある機能ごとに対応した複
   数の認識辞書のなかから、受け取った機能情報に基づい
   て、前記ユニットが持っている機能に対応する認識辞書
   を選択するステップと、 入力される音声から、選択されている認識辞書を用いて
   語句を認識するステップと、 認識された語句に応じて前記ユニットを制御するステッ
   プと、 を含むことを特徴とする音声認識による制御方法。
9. 【請求項９】 コンピュータによって、認識しようとす
   る語句ごとの特徴を表す認識用データを格納した認識辞
   書を用いて、入力される音声から語句を認識して制御対
   象を制御する音声認識による制御用プログラムを記録し
   た記録媒体において、 当該プログラムは前記コンピュータに、 制御対象がどのような動作状態であるかに対応した複数
   の認識辞書のなかから、制御対象の動作状態に応じて、
   認識に用いる認識辞書を選択させ、 入力される音声から、選択されている認識辞書を用いて
   語句を認識させ、 認識された語句に応じて制御対象を制御させることを特
   徴とする音声認識による制御用プログラムを記録した記
   録媒体。