JPH11275205A

JPH11275205A - 自動ダイヤル用音声コマンドシステム

Info

Publication number: JPH11275205A
Application number: JP806099A
Authority: JP
Inventors: Chu Yaacherun; チュヤ−チェルン; Rin Too-Hoa; リントォ−ホア
Original assignee: Koninklijke Philips Electronics NV
Current assignee: Koninklijke Philips NV
Priority date: 1998-01-16
Filing date: 1999-01-14
Publication date: 1999-10-08
Also published as: CN1182694C; CN1232336A

Abstract

(57)【要約】【課題】本発明は音声コマンドによって自動ダイヤル
する音声コマンドシステムの提供を目的とする。【解決手段】本発明は、文字列ではなく音標表記を電
話帳のエントリーに使用する。音標表記は表１に定義さ
れた特別に設計されたキー入力系列に従ってキーパッド
で入力され得る。或いは、標準中国語の場合、１文字毎
に１音節であるため、エントリーは、音節を一つずつ電
話機の受話器に発話することにより音声認識で実現され
得る。音標表記は音声コマンドモデルに自動的に変換さ
れるので、利用者は口述コマンドにより電話番号をダイ
ヤルすることができる。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は、電話機に組み込ま
れるように音声コマンドによって自動ダイヤルする自動
ダイヤル用音声コマンドシステムに関する。

【０００２】

【従来の技術】所望の電話番号を入力するためキーパッ
ドを順番に押下するだけではなく、市販されている電話
機は、後でダイヤルするため電話番号を記憶するためホ
ットキー(hot key) を利用するような他の特徴を提供す
る。この種のアプローチは、一般手金い、利用者が電話
番号を入力する前に“記憶”キーを押下することを要求
し、この電話番号は対応したホットキーを押下すること
により記憶される。初期設定後、利用者は、意図した電
話番号をダイヤルするため対応したホットキーを押下す
ることにより登録された電話番号、すなわち、エントリ
ーを呼び出す。

【０００３】

【発明が解決しようとする課題】しかし、従来の番号を
ダイヤルすることは簡単な方法であるが、以下の通り幾
つかの欠点がある。（１）ホットキーと電話帳エントリ
ーとの間の対応関係を記憶することが困難である。
（２）他の人には利用者が設定した電話帳エントリーが
分からない。（３）作成された電話帳エントリーの対応
関係リストは、電話帳エントリーが変更される毎に更新
される必要がある。

【０００４】本発明の目的は、音声コマンドによって自
動ダイヤルすることを特徴とする自動ダイヤル用音声コ
マンドシステムを提供することである。本発明の別の目
的は、キーパッドを用いて漢字エントリーを入力するた
め使用される以下の表１に記載されるような音（おん）
と音節のための写像スキームを提供することである。表
１に掲載された符号化スキーム並びに本発明に記載され
た方法とを使用することにより、電話機のキーパッドを
用いて漢字エントリーを容易に入力できるようになる。
全ての漢字エントリーは、音標記号系列によって入力、
表示される。また、名前エントリーは音声コマンドモデ
ルに自動的に変換され、利用者は、補助的な学習をしな
くても、各エントリーを編集した後に口述コマンドによ
ってダイヤルできるようになる。

【０００５】

【課題を解決するための手段】本発明による自動ダイヤ
ル用音声コマンドシステムは、多数の基本構成要素を含
む。動作選択モジュールは、コマンドモード、編集モー
ド、又は、通常モードの三つのモードの中から電話機の
動作モードを決定する。変更モジュールは、対応した音
及び音標記号の形の名前エントリーと、電話番号エント
リーとを格納する電話帳データベースに、電話番号エン
トリーを追加する機能を特徴とする。音響データベース
は、基本音響モデルと、基本音響モデルを順番に連結す
ることにより形成される音声コマンドモデルとを含む。
音声認識モジュールは、利用者の入力発声を復号化し、
Ｎ個の最良結果を得るため、音響データベースに格納さ
れた音響モデル及び音声コマンドモデルを使用する。表
示モジュールは、変更モジュール及び音声認識モジュー
ルの結果を表示し、変更された結果を照合後に変更モジ
ュールに送り、所望の電話番号をダイヤルするため、復
号化された結果をダイヤルモジュールに送る。

【０００６】

【発明の実施の形態】以下、添付図面を参照して本発明
を詳細に説明する。図１は、本発明の一実施例による自
動ダイヤル用音声コマンドシステムを説明するブロック
図である。同図に示される如く、音声コマンドシステム
は、コマンドモード２７、編集モード２８又は通常モー
ド２６の中で現在動作モードを決定する動作選択モジュ
ール１０を含む。コマンドモード２７は、入力発声を受
け容れ、対応した電話番号を検出し、利用者の代わりに
その電話番号をダイヤルする。編集モード２８は電話帳
データベース１２の機能を提供する。通常モード２６は
典型的な電話機能と同じである。変更モジュール１１
は、登録、問い合わせ、変更の３種類の編集機能を提供
する。登録機能は、利用者が新しい名前及び番号のエン
トリーを電話帳データベース１２に追加できるように
し、音声コマンドモデルを形成するため名前エントリー
を表現する基本音響モデルを順番に接続する。問い合わ
せ機能は、利用者が特定のデータエントリーを見つける
手助けを行い、利用者が自分でダイヤルすることを可能
にさせる。変更機能は、電話番号エントリーの追加・削
除と、データレコードの削除のユーティリティを提供す
る。電話帳データベース１２は、対応した音標記号で表
された名前エントリーと、電話番号エントリーとを格納
する。音響データベース１３は、隠れマルコフモデルを
採用し、（ａ）４０８個の音節用の音響モデルと、
（ｂ）名前エントリーの対応した音響モデルによって形
成された音声コマンドモデルとを格納する。音声認識モ
ジュール１４は、入力発声を音響モデルに類似した特徴
ベクトルに復号化し、Ｎ個の最良音響モデル又はＮ個の
最良音声コマンドモデルを見つけるためビタビ復号化手
続きを使用する。表示モジュール１５は、変更モジュー
ル１１及び音声認識モジュール１４の結果を表示する。
フォント１６は、表示モジュール１５によって使用され
るアラビア数字、音標記号及び特殊サインの表示用フォ
ントを格納する。

【０００７】図２乃至１０は、本発明の一実施例による
自動ダイヤル用音声コマンドシステムの処理を説明する
フローチャートである。動作手続きは図２乃至１０を参
照して詳細に説明される。図２は図１に示された動作選
択モジュール１０の処理を説明するフローチャートであ
る。動作選択モジュール１０は、コマンドモード２７、
編集モード２８又は通常モード２６の中から現在動作モ
ードを決定する。同図に示されるように、受話器が受話
器受けから外された後（ステップ２１）、動作選択モジ
ュール１０はダイヤルトーンを検出する（ステップ２
２）。ダイヤルトーンが無い場合、電話機は通常モード
２６に設定される。ダイヤルトーンが検出された場合、
音声コマンドシステムは、ダイヤル用のオンライン状態
に入る。動作選択モジュール１０は、次に、利用者の発
声があるかどうかを判定する（ステップ２３）。何らか
の入力発声の出現は自動ダイヤルを意図した音声コマン
ドを表し、システムはコマンドモード２７に入る。コマ
ンドモード２７の処理は図１０に詳細に示されている。
利用者の発声が無い場合、動作選択モジュール１０は、
“＃”キーが押下されたかどうかを判定する（ステップ
２５）。“＃”キーが押下された場合、システムは編集
モード２８に入る。編集モード２８の詳細は図３に示さ
れている。利用者によって“＃”キー以外のキーの押下
は、利用者のダイヤルを回す行動を意味するので、シス
テムは通常モード２６に入る。本発明の自動ダイヤル用
音声コマンドシステムが通常モードにはいるとき、電話
機は通常の電話機と同じように使用される。

【０００８】図３乃至９は、図１に示された変更モジュ
ール１１の処理を示すフローチャートである。変更モジ
ュール１１は、利用者が名前エントリー及び電話番号エ
ントリーを電話帳データベース１２に追加することがで
きる編集機能を提供する。また、変更モジュール１１
は、音声コマンドモデルを形成するため、発音記号リス
トに従って基本音響モデルを合成する。図３は編集モー
ドの処理を表すフローチャートであり、図４及び５は編
集モードの中の登録機能の処理を表すフローチャートで
あり、図６は編集モードの中の音声登録機能の処理を表
すフローチャートであり、図７は編集モードの中の問い
合わせ機能の処理を表すフローチャートであり、図８及
び９は編集モードの中の変更機能の処理を表すフローチ
ャートである。

【０００９】図３には、音声登録機能３７と、登録機能
３８と、問い合わせ機能３９と、変更機能４０の４種類
の機能を実現する編集モード２８の処理を説明するフロ
ーチャートが示されている。編集モードに入ると、 “１．音声、２. 登録、３．問い合わせ、４．変更” というメッセージが表示される（ステップ３１）。ステ
ップ３２において、押下されたキーが読まれる（key=ge
tkey()）。システムは、キー“１”が押下されたとき
“音声登録”機能３７に進み、キー“２”が押下された
とき“登録”機能３８に進み、キー“３”が押下された
とき“問い合わせ”機能３９に進み、キー“４”が押下
されたとき“変更”機能に進む。

【００１０】図４は、編集モード２８下の登録機能３８
の処理を説明するフローチャートである。登録機能３８
は、名前エントリーを編集するユーティリティと、電話
番号エントリーを編集するユーティリティと、音声コマ
ンドモデル４０８を形成するため発音記号リストに従っ
て基本音響モデル３５７を合成するユーティリティと、
名前エントリー及び電話番号エントリーを電話帳データ
ベース１２に追加するユーティリティと、音声コマンド
モデルを音響データベース１３に追加するユーティリテ
ィのようなユーティリティを実現する。図４の登録機能
のフローチャートにおいて、変数Nflag は、最初、１に
設定される（ステップ３１０）。Nflag=1 は、システム
が名前登録ユーティリティに入ることを意味する。次
に、システムは、変数Tcnt, cnt1, cnt2を１に設定する
（ステップ３１０）。変数Tcntは、電話番号エントリー
の長さ（最大１５個の数字）を表し、Tcnt=0は数字エン
トリーが存在しないことを表す。キーが押下されると、
キー入力エントリーが変数key に記憶される（ステップ
３１１）。システムは、次に、変数Nflag=1 であるかど
うかを検出する（ステップ３１２）。変数Nflag=1 の場
合、システムは名前登録ループに進み、システムは、図
５に示される如く、変数key="*" を検出する（ステップ
３３０）。変数key="*" の場合、表示装置のカーソルは
前のエントリーに移動し（ステップ３４３）、システム
はステップ３１１に戻る。変数key="*"ではない場合、
キー入力エントリーは名前バッファに入れられる（ステ
ップ３３１）。システムは、次に、変数key="#" である
かどうかを検出する（ステップ３３２）。変数key ≠"
#" の場合、キー"#" の連続的な押下の回数をカウント
する変数cnt1は０にリセットされ（ステップ３４４）、
システムはステップ３１１に戻る。変数key="#" の場
合、値１が変数cnt1に加算される（ステップ３３３）。
次に、システムは、変数cnt1=2を検出する（ステップ３
３４）。変数cnt1=2ではない場合、システムはステップ
３１１に戻る。変数cnt1=2の場合、利用者はキー”＃”
を２回押下しているので、名前登録セッションの終了を
意味し、変数cnt1は０にリセットされる（ステップ３３
５）。システムは、次に、名前エントリーに対応するキ
ー入力音標表記が表１に示されるような音標記号の符号
化定義を満たすかどうかを確認する（ステップ３３
６）。

【００１１】

【表１】

【００１２】名前エントリーが符号化定義を満たさない
場合、エラーメッセージが表示され（ステップ３３７及
び３４６）、システムはステップ３１１に戻る。さもな
ければ、名前エントリーは表１のマッピング３４５に従
って音標記号に変換される。システムは、名前エントリ
ーが表１に示されるような４０８個の音節の定義を満た
すかどうかを確認する（ステップ３３８）。名前エント
リーがマッピング定義を満たさない場合（ステップ３３
９）、エラーメッセージが表示され（ステップ３４
８）、システムはステップ３１１に戻る。名前エントリ
ーがマッピング定義を満たす場合、システムは名前エン
トリーが重複しているかどうかを確認する（ステップ３
４０）。名前が重複している場合、重複メッセージが表
示され（ステップ３４９）、システムはステップ３１１
に戻る。さもなければ、システムは、利用者にキー入力
された名前エントリーを照合するよう問い合わせるメッ
セージを表示する（ステップ３４１）。肯定的な確認が
得られない場合、システムはステップ３１１に戻る。さ
もなければ、変数Nflag は０にリセットされる（ステッ
プ３４２）。変数Nflag=1 の場合、システムが電話番号
登録ユーティリティに入ることを示し、システムはステ
ップ３１１に戻る。以下、名前登録ユーティリティの一
例を説明する。

【００１３】利用者が中国語の名前“李小華”を入力し
たい場合、最初に文字列を音標表記

【００１４】

【外１】

【００１５】に変換する。次に、利用者は、音標表記に
対応したキー入力シーケンスを表１から見つける。表１
の数字より前にキー“＃”が置かれるべきであることに
注意する必要がある。

【００１６】

【外２】

【００１７】に対し得られるキー入力シーケンスは、
“５８＃７２＃３”＃６４＃７２＃８１＃３＃６１＃７
３３７５＃２＃＃”であり、２重のキー“＃＃”は名前
登録セッションの終了を示す。文字列は名前バッファに
移され、表示モジュールによって、

【００１８】

【外３】

【００１９】のように表示される。他の一実施例におい
て、システムは、個々の音標記号に対応した数字を表示
するため表示モジュール１５を使用し、これにより、使
用者は対応したキーを押下して所望の音標記号を選択で
きる。例えば、表示モジュール１５の１ページ目に、音
標記号

【００２０】

【外４】

【００２１】と、対応した数字“０１２３４５６
７．．．”を最初に表示してもよい。漢字文字列“李小
華”を入力するため、音標記号

【００２２】

【外５】

【００２３】を表現する数字“７”が最初に選択され
る。所望の音標記号が１ページ目に表示できない場合、
２ページ目に、名前エントリーを同じ方法で完全に入力
するように表示される。図５において、変数Nflag を０
にすることは名前登録セッションの終了を表し（ステッ
プ３４２）、システムは電話番号登録の準備ができてい
る。図４は、番号登録ユーティリティのフローチャート
である。キーが押下された後、キーエントリーは変数ke
y に記憶される（ステップ３１１）。システムは、変数
Nflag=1であるかどうかを検出する（ステップ３１
２）。変数Nflag=1 ではない場合、システムは番号登録
ループに入る。次にシステムは変数key="*" であるかど
うかを検出する（ステップ３１３）。変数key="*" の場
合、カーソルは前のエントリーに移動し（ステップ３１
９）、システムはステップ３１１に戻る。さもなけれ
ば、システムは、変数key="#" であるかどうかを検出す
る（ステップ３１４）。変数key ≠"#" の場合、変数cn
t1は０にリセットされる（ステップ３１５）。変数cnt1
は、キー“＃”の連続的な押下の回数をカウントする。
システムは、変数key が０以上かつ９以下の範囲に収ま
るかどうか、並びに、変数Tcntが１５未満であるかどう
かを検出する（ステップ３１６）。否定的な結果は、変
数key が無効エントリーであることを意味し、システム
は何もすることなくステップ３１１に戻る。変数key が
有効エントリーである場合、キー入力エントリーは、番
号バッファに一時的に入れられる（ステップ３１７）。
次に、ステップ３１８において変数Tcntに値１が加算さ
れ（数字１を電話番号に加算する）、システムはステッ
プ３１１に戻る。ステップ３１４において、変数key="
#" の場合、値１が変数cnt1に加算される（ステップ３
２０）。システムは、次に、変数cnt1=2であるかどうか
を検出する（ステップ３２１）。変数cntl≠2 の場合、
１個の電話番号エントリーが完全に登録されている可能
性がある。システムは、変数Tcnt>0であるかどうかを検
出する（ステップ３２６）。否定的な結果は電話番号エ
ントリーが無いことを示し、システムは何もしないでス
テップ３１１に戻る。肯定的な結果の場合、電話番号エ
ントリーが有効であり、記憶された電話番号エントリー
数（最大４）を表す変数cnt2に値１が加算される（ステ
ップ３２７）。システムは変数Tcntを０にリセットす
る。システムは、変数cnt2=4であるかどうかを検出する
（ステップ３２８）。否定的な結果の場合、システムは
ステップ３１１に戻る。変数cnt2=4の場合、４個全ての
電話番号エントリーが利用者によって完全に設定されて
いる。名前バッファ及び番号バッファに一時的に収容さ
れた名前エントリー及び電話番号エントリーは、電話帳
データベース１２に移され（ステップ３２４）、システ
ムは図３の編集モードの開始点に戻る。ステップ３２１
において変数cnt1=2の場合、番号登録セッションが終了
する。システムは変数cnt1を０にリセットし（ステップ
３２２）、変数cnt2>0であるかどうかを検出する（ステ
ップ３２３）。否定的な結果は、番号バッファに電話番
号エントリーが無いことを表し、システムは何も動作す
ることなくステップ３１１に戻る。肯定的な結果の場
合、電話番号エントリーは一時的に番号バッファに収容
され、システムはステップ３２４に進み、前述の通り、
音響モデルを音声コマンドモデルに変換し、名前エント
リー及び電話番号エントリーを電話帳データベース１２
に移す。番号登録動作の一例を以下に説明する。

【００２４】“李小華”が２個の電話番号：２１２−７
８２７６５７及び７５５６１３３を保有する場合を想定
する。これらは、シーケンス“２１２７８２７６５７＃
７５５６１３３＃＃”によって入力され、単独のキー
“＃”は別々の電話番号を分離するため使用され、２重
のキー“＃＃”は番号エントリーの最後を表す。キー入
力された名前エントリー及び電話番号エントリーは、表
１に示されたデータ構造を有する電話帳データベース１
２に記憶される。表１の第１列は、音声コマンドモジュ
ールの通し番号と一致したシリアル番号を表す。第２列
は、名前エントリーを対応した音標記号の形式で表現す
る。第３乃至６列は、番号エントリーを記憶するため使
用される。表１に示されるように、キー入力エントリー
は、“李小華”を表現する文字列“５８７８３６４
７２８１３６１７３７５２”を含み、その
番号エントリーは、２１２−７８２７６５７及び７５５
６１３３である。

【００２５】音声コマンドモジュール１３は、基本音響
モデル３５７と、基本音響モデル３５７を連結すること
により形成される音声コマンドモデル４０８とを含む。
基本音響モデル３５７は、トーン（声調）を含まない音
節モデルである。各音節モデルは、ライトコンテクスト
依存性（ＲＣＤ）頭音及び末尾音の組合せである。全部
で１０９個のＲＣＤ頭音及び３８個の末尾音が使用され
る。これらのＲＣＤ頭音及び末尾音は、多数話者音声デ
ータベースを用いるセグメンタルｋ−平均法によって学
習された隠れマルコフモデルである。これらの隠れマル
コフモデルの特徴ベクトルは、１２メル−周波数ケプス
トラム(Mel-frequency cepstrum)係数と、１２デルタメ
ル−周波数ケプストラム(Delta Mel-frequency cepstru
m)係数とからなる。名前“李小華”は、音響モデルがＲ
ＣＤ頭音及び末尾音から合成される態様を説明するため
一例として使用される。音節

【００２６】

【外６】

【００２７】は、ＲＣＤ頭音“ｌ＿ｉ”及び末尾音
“ｉ”とにより形成される。記号

【００２８】

【外７】

【００２９】は、

【００３０】

【外８】

【００３１】の音節モデルを表現するため使用される。
同様に、記号

【００３２】

【外９】

【００３３】及び

【００３４】

【外１０】

【００３５】は、夫々、

【００３６】

【外１１】

【００３７】及び

【００３８】

【外１２】

【００３９】の音節モデルを表現するため使用される。
音声コマンドモデルは、音節モデルを同様に連結するこ
とによって形成される。例えば、名前“李小華”に対す
る音声コマンドモデルは、音節モデル

【００４０】

【外１３】

【００４１】

【外１４】

【００４２】及び

【００４３】

【外１５】

【００４４】を連結することにより形成される。記号

【００４５】

【外１６】

【００４６】は、“李小華”に対する音声コマンドモデ
ルを表現するため使用される。図６は、編集モード中の
音声登録機能を説明するフローチャートである。上記の
通り、図４に示された登録機能は、名前エントリーを編
集するため表１に示された音標記号に対する符号化スキ
ームを使用して名前エントリーを編集する方法を提供す
る。編集モード中の音声登録機能は、利用者が口述入力
によって名前エントリーを編集し得る別の方法を提供す
る。音声登録過程において、変数Scntは０に初期セット
される（ステップ３５１）。変数Scntが０であるとき、
入力発声が無い。次に、音節が受話器に発声される（ス
テップ３５２）。変数kcntは０にセットされる（ステッ
プ３５３）。変数kcntが０であるとき、音節が更なる照
合を必要とすることを意味する。入力音節は更なる処理
のため音声認識モジュール１４に供給される。音声認識
モジュール１４は、端点検出段階と、特徴抽出段階と、
パターンマッチング段階の３段階により構成される。端
点検出モジュール３５４は、音声信号を背景ノイズから
分離する。特徴抽出モジュール３５５は、１２個のメル
−周波数ケプストラム係数及び１２個のデルタメル−周
波数ケプストラム係数とからなる特徴ベクトルを抽出す
るため入力音声のスペクトル解析を行う。パターンマッ
チングモジュール３５５は、入力音声に最も類似したＮ
個の最良音節モデル３５７を見つけるため、ビタビ復号
化手続を使用する。得られた結果は、入力音声と４０８
個の音節モデル３５７との間の類似度を表現するマッチ
ングスコアに応じて分類される。得られた結果は、次
に、マッチングスコアに従って対応した音標記号の形で
順番に表示される（ステップ３５８）。最高のマッチン
グスコアの結果が最初に表示される。システムは、キー
入力値を要求し（ステップ３６０）、キー入力値を表現
する変数key が０と４の範囲に収まるかどうかを決定す
る。肯定的な結果は、現在表示中の音標記号が入力音節
に対応することを意味し、変数key の値は入力音節のト
ーンを表す。システムは、次に、変数kcnt=0であるかど
うかを検出する（ステップ３６９）。肯定的な結果は、
音節が更なる照合を要求することを意味し、音節及びそ
のトーンは、名前バッファに一時的に格納される（ステ
ップ３７０）。値１が変数Scntに加算され、文字が名前
エントリーに追加されたことを表す。変数kcntは１にセ
ットされ、入力音節が選択されたことを示す（ステップ
３６７）。

【００４７】一方、変数kcntが０ではない場合、入力音
節が選択されたことを示す。入力音節のトーンは、変数
key の値によって置換される（ステップ３６８）。シス
テムは次のキー入力値のためステップ３６０に戻る。変
数key が０と４の間に収まらないとき、システムは、変
数key=8 であるかどうかを検出する（ステップ３６
２）。肯定的な結果は、マッチング結果の次の候補を調
べるべきであることを意味し、システムはステップ３５
８に戻る。否定的な結果の場合、システムは変数key=7
であるかどうかを検出する（ステップ３６３）。肯定的
な結果は、次の音節が受話器に発声される準備ができて
いることを表し、システムはステップ３５２に戻る。さ
もなければ、システムは、変数key=0 であるかどうかを
検出する（ステップ３６４）。否定的な結果の場合、シ
ステムはステップ３６０に戻り、キー入力値が要求され
る。変数key が０である場合、名前登録セッションの終
了を表す。システムは、次に、変数Scnt>0であるかどう
かを検出する（ステップ３６５）。否定的な結果は、名
前エントリーが名前バッファに格納されていないことを
表し、システムはステップ３５２に戻り、利用者に音声
で名前エントリーを入力するよう要求する。変数Scntが
０よりも大きい場合、名前登録セッションの終了を示
す。システムは、変数Nflag, Tcnt, cnt1,cnt2 を０に
リセットする（ステップ３５６）。変数設定は、後続の
番号登録機能のため図４に示された結合ポイントａｔ
（ステップ３５０）に進む前に行われる必要がある。

【００４８】一例として、名前“李小華”を入力するた
め、最初に、音節

【００４９】

【外１７】

【００５０】が受話器に向けて発話される。音声認識モ
ジュール１４によって見つけられたＮ個の最良音響モデ
ルが

【００５１】

【外１８】

【００５２】である場合を考える。表示モジュール１５
は、最初に、音標記号

【００５３】

【外１９】

【００５４】を表示する。この音標記号は単語“李”を
表現する音標記号ではないので、キー“８”が押下され
る。表示モジュールは、次に、単語“李”を表現しない
音標記号

【００５５】

【外２０】

【００５６】を表示するので、再度キー“８”が押下さ
れる。表示モジュールは、次に、単語“李”の音標記号
に対応した音標記号

【００５７】

【外２１】

【００５８】を表示するので、その音標記号のトーン
（声調）を表示するためキー“３”が押下される。変更
が必要である場合、値１から４までのキーが次の音声入
力の前に入力される。例えば、キー“４”は、

【００５９】

【外２２】

【００６０】を

【００６１】

【外２３】

【００６２】に変更する。次に、キー“７”を押下する
ことにより、名前エントリーは、次の音声入力

【００６３】

【外２４】

【００６４】及び、後続の音声入力

【００６５】

【外２５】

【００６６】に関して照合される。利用者は、名前登録
セッションの終了を示すためキー“０”を押下する。こ
のとき、名前バッファは、“李小華”を表現する文字列
“＃５８＃７２＃２”＃６４＃７２＃８１＃３＃６１＃
７３＃７５＃２＃＃”を含む。システムは、変更モジュ
ールの電話番号登録エントリー機能３８に進む。図７は
編集モジュール２８の問い合わせ機能３９を示すフロー
チャートである。問い合わせ機能３９は、前のデータエ
ントリーを表示し（ステップ３７９）若しくは次のデー
タエントリーを表示し（ステップ３８０）、利用者が現
在表示中のデータエントリーをダイヤルできるようにす
る（ステップ３７８）。利用者が問い合わせ機能３９に
進んだ後、システムは、電話帳データベース１２にデー
タエントリーが存在するかどうかを検出する（ステップ
３７１）。データエントリーが存在しない場合、問い合
わせ機能は注視され、システムは図３の編集モード２８
の開始点に戻る。データエントリーが存在する場合、シ
ステムは、最後に使用されたデータエントリーを表示す
る（ステップ３７２）。キーの入力が要求され、キー入
力値は変数key に格納される（ステップ３７３）。シス
テムは、変数key="*" であるかどうかを検出する（ステ
ップ３７４）。肯定的な結果の場合、前のデータエント
リーが表示され（ステップ３７９）、システムはステッ
プ３７３に戻る。否定的な結果の場合、システムは、変
数key="#" であるかどうかを検出する（ステップ３７
５）。肯定的な結果の場合、次のデータエントリーが表
示され（ステップ３８０）、システムはステップ３７３
に戻る。否定的な結果の場合、システムは、変数key=0
であるかどうかを検出する（ステップ３７６）。肯定的
な結果は、問い合わせセッションの終了を示し、システ
ムは図３の編集モジュールの開始点２８に戻る。否定的
な結果の場合、システムは、変数key が現在表示中の電
話番号と一致するかどうかを検出する（ステップ３７
７）。肯定的な結果の場合、システムは、選択された電
話番号をダイヤルし、通常モジュール２６に進む。否定
的な結果の場合、システムはキー入力値を無視し、次の
キー入力値のためステップ３７３に戻る。

【００６７】図８及び９は、編集モード２８における変
更機能４０を示すフローチャートである。変更機能は、
番号エントリーの追加／削除ユーティリティと、データ
ベース中のレコードの削除ユーティリティを実現する。
利用者が変更機能４０に入った後、システムは、最初
に、データエントリーが電話帳データベース１２に存在
するかどうかを検出する（ステップ３８１）。否定的な
結果の場合、変更機能は中止され、システムは図３の編
集モードの開始点２８に戻る。肯定的な結果の場合、シ
ステムは、最後に使用されたデータエントリーを表示し
（ステップ３８２）、変数Aflag, Dflag, Tcntを０にセ
ットする（ステップ３８３）。変数Aflag=1 は追加ユー
ティリティの選択を表し、変数Dflag=1 は削除ユーティ
リティの選択を表し、変数Tcntは電話番号エントリーの
長さ（最大１５個の数字）を示す。利用者は、キーを押
下することにより命令を入力することができ、キー入力
値は変数key に格納される（ステップ３８４）。システ
ムは、変数key="*" であるかどうかを検出する（ステッ
プ３８５）。肯定的な結果は、削除が選択されたことを
表し、変数Dflag は１にセットされ、変数Aflag は０に
セットされる（ステップ３９０）。システムはステップ
３８４に戻る。システムは、変数key="#" であるかどう
かを検出する（ステップ３８６）。肯定的な結果は追加
ユーティリティが選択され、変数Dflag は０にセットさ
れる（ステップ３９８）。システムは、次に、変数Tcnt
>0であるかどうかを検出する（ステップ３９９）。肯定
的な結果は、追加ユーティリティの終了を表し、番号バ
ッファに一時的に格納された番号エントリーは電話番号
データベース１２に移される（ステップ４０２）。値１
が先に記憶されている電話番号エントリーの総数を表現
する変数TelCntに加算され、１を加算することにより、
追加の番号エントリーが入力されたことを表す（最大
４）。また、変数Aflag は追加ユーティリティを終了さ
せるため０にリセットされ、変数Tcntは０にリセットさ
れる（ステップ４０３）。システムは次にステップ３８
４に戻る。変数Tcntが０であるとき、番号エントリーが
存在しない。追加ユーティリティに入った後、システム
は、最初に、電話番号エントリーの数が４を超えるかど
うかを検出する（ステップ４００）。換言すれば、シス
テムは、変数TelCnt=4であるかどうかを検出する。肯定
的な結果は、これ以上の番号登録はできないことを意味
し、システムはキー“＃”を無視し、ステップ３８４に
戻る。否定的な結果の場合、追加電話番号エントリーが
加えられ、追加ユーティリティに入るため、変数Aflag
は１にセットされる（ステップ４０１）。次に、システ
ムはステップ３８４に戻る。変数key が“＊”でも
“＃”でも無い場合、システムは、変数Dflag=1 である
かどうかを検出する（ステップ３８７）。肯定的な結果
は削除ユーティリティの開始を示す。削除ユーティリテ
ィに入った後、システムは、最初に、変数key が表示中
のいずれかの電話番号と一致するかどうかを検出する
（ステップ３９１）。肯定的な結果の場合、システムは
対応した番号エントリーを電話帳データベースから削除
する（ステップ３９７）。否定的な結果の場合、システ
ムは、変数key=5 であるかどうかを検出する（ステップ
３９２）。肯定的な結果は、名前エントリーと、電話番
号エントリーと、名前エントリーを表現する音声コマン
ドモデル４０８とを含むデータベースのレコードが削除
されるべきことを示す（ステップ３９２）。このとき、
システムは、レコード全体を削除すべきかどうかを問い
合わせるメッセージを表示する（ステップ３９３）。否
定的な応答の場合、システムは何も動作しないでステッ
プ３８４に戻る。肯定的な応答の場合、レコード全体が
電話帳データベース１２から削除され、名前エントリー
に対応する音声コマンドモデル４０８は音響データベー
ス１３から削除される。その後、システムは他のエント
リーが電話帳データベース１２に存在するかどうかを検
出する（ステップ３９５）。肯定的な結果の場合、シス
テムは、次の変更コマンドのため、変更機能の開始点４
０に戻る。さもなければ、システムは次の編集コマンド
のため、図３の編集モードの開始点２８に戻る。削除ユ
ーティリティにおいて、変数key が表示中のいずれの電
話番号とも一致せず、また、変数key=5 ではない場合、
システムはステップ３８９に進む。変数key が“＊”で
も“＃”でも無く、変数Dflag ≠1 である場合、システ
ムは変数Aflag=1 であるかどうかを検出する（ステップ
３８８）。肯定的な結果の場合、追加ユーティリティが
選択され、システムは追加ユーティリティに進む。次
に、システムは、ステップ４０４において、変数key が
０から９の範囲に収まるか、並びに、変数Tcnt<15 （電
話番号エントリーの最大長さ）であるかどうかを検出す
る。肯定的な結果は、変数key を番号バッファに一時的
に格納させ（ステップ４０５）、値１が変数Tcntに加算
され（ステップ４０６）、電話番号の数字の追加を示
す。システムはステップ３８４に戻る。変数key が０か
ら９間での範囲に収まらないか、或いは、変数Tcntが１
５未満ではない場合、キー入力値は無効であるか、若し
くは、番号エントリーの数字が１５個以上であることを
意味するので、システムは何も動作しないでステップ３
８４に戻る。変数key が“＊”或いは“＃”のいずれで
もなく、変数Dflag 及びAflag が共に１ではないとき、
システムは、変数key=0 であるかどうかを検出する（ス
テップ３８９）。変数key ≠0 である場合、システムは
キー入力値を無視し、ステップ３８４に戻る。変数値が
０である場合、変更機能４０の終了を示し、システムは
次の編集コマンドのため図３の編集モードの開始点２８
に戻る。変更機能の一例を以下に説明する。

【００６８】利用者が電話帳データベース１２に記憶さ
れた３番目のデータレコードを問い合わせ機能を用いて
選択する場合を考える。このレコードは、

【００６９】

【外２６】

【００７０】に対する４組の電話番号エントリーを有す
る。表示モジュール１５はデータエントリーを以下の通
り表示する。

【００７１】

【外２７】

【００７２】４番目の電話番号エントリーを８５５６６
９４から５８６２６９９に変更する必要がある場合、最
初に、キー“＊４”を押下することにより４番目の番号
が削除される。ここで、“＊”は削除ユーティリティを
表し、“４”は４番目の番号エントリーを表す。次に、
新しい番号エントリーが系列“＃５８６２６９９＃０”
によって入力される。ここで、最初の“＃”は番号エン
トリーの先頭を表し、２番目の“＃”は番号エントリー
の末尾を表す。系列中の最後の“０”は、変更セッショ
ンの終了を意味する。上記処理の実行後、システムは、
変更されたデータレコードを以下の通り表示する。

【００７３】

【外２８】

【００７４】図１０は、図１の音声認識モジュール１４
のコマンドモード２７を説明するフローチャートであ
る。コマンドモード２７は、利用者が音声コマンドを用
いて記憶された電話番号エントリーをダイヤルすること
ができる。コマンドモード２７に入った後、利用者は、
最初に相手先の名前を受話器に向けて発話する（ステッ
プ４０７）。但し、相手先の名前は、上記の編集モジュ
ール２８を用いて、予め音声コマンドモデル４０８に変
換され、相手先の電話番号は電話帳データベース１２に
記憶されていると仮定する。音声セグメントは、処理の
ため音声認識モジュール１４に送られる。音声認識モジ
ュール１４は、音声認識モジュール１４は、端点検出段
階と、特徴抽出段階と、パターンマッチング段階の３段
階により構成される。端点検出モジュール３５４は、音
声セグメントを背景ノイズから分離する。特徴抽出モジ
ュール３５５は、１２個のメル−周波数ケプストラム係
数及び１２個のデルタメル−周波数ケプストラム係数と
からなる音声コマンドモデル１３の特徴ベクトルを抽出
するため音声セグメントのスペクトル解析を行う。パタ
ーンマッチングモジュール３５５は、入力音声セグメン
トに最も類似したＮ個の最良音声コマンドモデル４０８
を見つけるため、ビタビ復号化手続を使用する。得られ
た結果は、入力音声セグメントと音声コマンドデル４０
８との間の類似度を表現するマッチングスコアに応じて
分類される。得られた結果は、次に、分類された順番で
対応した音標記号の形で表示される（ステップ３５
８）。最高のマッチングスコアの結果が最初に表示され
る。システムは、変数key に格納されたキー入力値を要
求する（ステップ４０９）。次に、システムは、変数ke
y=8 であるかどうかを検出する（ステップ４１０）。肯
定的な結果は、現在表示中のデータエントリーが正しく
ないことを意味し、システムは、次の実現可能なデータ
エントリーのためステップ３５８に戻る。変数key が８
では無い場合、表示されたデータエントリーが正しい、
若しくは、利用者が再度受話器に発話すべきであるのい
ずれかを示す。システムは、変数key=7 であるかどうか
を検出する（ステップ４１１）。肯定的な結果の場合、
システムは、コマンドモードの開始点２７に戻り、口述
入力が期待される。変数key=7 では無い場合、表示され
たデータエントリーは正しいことを意味するので、シス
テムは、変数key が表示されたいずれかの電話番号エン
トリーと一致するかどうかを検出する（ステップ４１
２）。肯定的な結果は、システムが選択された電話番号
を直ちにダイヤルすることを許可し（ステップ４１
３）、システムを通常モード２６に進める。否定的な結
果の場合、システムは、次のキー入力値のためステップ
４０９に進む。音声コマンドを使用して記憶された電話
番号をダイヤルする方法を以下に説明する。

【００７５】利用者が“李小華”と通話したい場合、利
用者は最初に受話器を取り上げ、受話器に向かって“李
小華”と発話する。この場合、音声認識モジュール１４
は、“王大明”が最高マッチングスコアを有するを候補
であると認識し、“李小華”を２番目にマッチする候補
であると認識し、表示モジュール１５は、最初に以下の
通り表示する。

【００７６】

【外２９】

【００７７】“王大明”は所望のエントリーではないた
め、利用者は、次の候補を表示するためキー“８”を押
下し、表示モジュール１５は以下の通り表示する。

【００７８】

【外３０】

【００７９】“李小華”は所望のエントリーであり、こ
の人の１番目の電話番号エントリーである７５５６１３
３が所望の電話番号エントリーであるため、利用者はキ
ー“１”を押下し、システムは、選択された番号エント
リーをダイヤルするため、復号化された結果をダイヤル
モジュールに送る。“李小華”は２個の番号エントリー
しか含まないので、キー“３”又は“４”を押下しても
何も起こらない。

【００８０】

【発明の効果】上記の通り、本発明は、音声コマンドを
用いて自動的にダイヤルすることを特徴とする自動ダイ
ヤル用音声コマンドシステムを提案する。また、本発明
において明らかにされたマッピングスキーム及び編集方
法は、中国語の名前を対応した音標記号で表現、表示す
るため使用することができる。さらに、名前エントリー
は、自動的に音声コマンドモデルに変換され、利用者
は、補助的な学習をすることなく、各エントリーを編集
した後、ダイヤルすることが可能になる。

【００８１】本発明は、上記実施例に制限されることが
なく、本発明の範囲内で変更をする限り、実際的に変更
し得ることに注意する必要がある。例えば、音響データ
ベース１３に格納された音響モデル３５７は、図６に示
された音声登録機能が、音声入力として、音節

【００８２】

【外３１】

【００８３】の代わりに、頭音

【００８４】

【外３２】

【００８５】及び、末尾音

【００８６】

【外３３】

【００８７】を使用する場合、１０９個のＲＣＤ頭音及
び３９個の末尾音により置き換えてもよい。さらに、特
徴ベクトルは、１２個のメル−周波数ケプストラム係数
及び１２個のデルタメル−周波数ケプストラム係数の他
に、エネルギー成分又はＬＰＣ成分のような別の特徴に
より構成してもよい。その上、本発明の応用は中国語に
限定されない。本発明は、特定の言語の特徴を組み込む
ことによって音響データベース１３、フォント及び変更
モジュール１１に適切な変更を加えることにより、いか
なる言語においても実施することが可能である。本発明
の範囲は特許請求の範囲に記載されている。

【図面の簡単な説明】

【図１】本発明の一実施例による自動ダイヤル用音声コ
マンドシステムを示すブロック図である。

【図２】本発明の一実施例による動作選択モジュールを
説明するフローチャートである。

【図３】本発明の一実施例による編集モードを説明する
フローチャートである。

【図４】本発明の一実施例による編集モードにおける登
録機能を説明するフローチャートである。

【図５】本発明の一実施例による編集モードにおける登
録機能を説明するフローチャートである。

【図６】本発明の一実施例による編集モードにおける音
声登録機能を説明するフローチャートである。

【図７】本発明の一実施例による編集モードにおける問
い合わせ機能を説明するフローチャートである。

【図８】本発明の一実施例による編集モードにおける変
更機能を説明するフローチャートである。

【図９】本発明の一実施例による編集モードにおける変
更機能を説明するフローチャートである。

【図１０】本発明の一実施例によるコマンドモードを説
明するフローチャートである。

【符号の説明】

１０動作選択モジュール１１変更モジュール１２電話帳データベース１３音響データベース１４音声認識モジュール１５表示モジュール１６フォント

───────────────────────────────────────────────────── フロントページの続き (71)出願人 590000248 Ｇｒｏｅｎｅｗｏｕｄｓｅｗｅｇ１, 5621 ＢＡＥｉｎｄｈｏｖｅｎ，ＴｈｅＮｅｔｈｅｒｌａｎｄｓ (72)発明者トォ−ホアリン台湾，ケールン 204，ケールン，ジジンファーストロード 214，４エフ

Claims

【特許請求の範囲】

【請求項１】自動ダイヤル用音声コマンドシステムに
おいて、コマンドモード、編集モード又は通常モードの中から上
記システムの動作モードを決定する動作選択モジュール
と、編集機能を行い、データをデータベースに格納する変更
モジュールと、基本音響モデルから音声コマンドモデルを生成する音響
データベースと、利用者の入力発声を復号化し、上記入力発声に類似した
Ｎ個の最良復号化結果を認識する音声認識モジュール
と、上記変更モジュール及び／又は上記音声認識モジュール
の結果を表示し、上記変更された結果を上記データベー
スに格納し、及び／又は、ダイヤルするため上記認識さ
れた結果をダイヤルモジュールに送る表示モジュールと
を含むシステム。
【請求項２】上記変更モジュールは、声調及び音標記
号に対応した電話機のキーパッドを押下することにより
上記データを入力するため、声調及び音標記号用のマッ
ピングスキームを利用する登録機能を有する請求項１記
載のシステム。
【請求項３】上記変更モジュールは、音声コマンドに
よって上記データを入力するため使用される声調及び音
標記号用のマッピングスキームを利用する登録機能を有
する請求項１記載のシステム。
【請求項４】上記変更モジュールは、声調及び音標記
号に対応した電話機のキーパッドを押下することにより
上記データを入力するため、上記表示モジュールによっ
て表示された声調及び音標記号用のマッピングスキーム
を利用する登録機能を有する請求項１記載のシステム。
【請求項５】上記変更モジュールは、音声コマンドに
よって上記データを入力するため、上記表示モジュール
によって表示された声調及び音標記号用のマッピングス
キームを利用する登録機能を有する請求項１記載のシス
テム。
【請求項６】上記変更モジュールは、アルファベット
に対応した電話機のキーパッドを押下することにより上
記データを入力するため、所与のアルファベット用のマ
ッピングスキームを利用する登録機能を有する請求項１
記載のシステム。
【請求項７】上記変更モジュールは、音声コマンドに
よって上記データを入力するため、所与のアルファベッ
ト用のマッピングスキームを利用する登録機能を有する
請求項１記載のシステム。
【請求項８】上記変更モジュールは、アルファベット
に対応した電話機のキーパッドを押下することにより上
記データを入力するため使用される上記表示モジュール
によって表示された所与のアルファベット用のマッピン
グスキームを利用する登録機能を有する請求項１記載の
システム。
【請求項９】上記変更モジュールは、音声コマンドに
より上記データを入力するため使用される上記表示モジ
ュールによって表示された所与のアルファベット用のマ
ッピングスキームを利用する登録機能を有する請求項１
記載のシステム。
【請求項１０】上記データは名前データ及び電話番号
データを含む請求項１記載のシステム。