JPH11305793A - 音声認識装置 - Google Patents

Abstract

(57)【要約】 【課題】 発話された数字の誤認識を少なくして操作性
を向上させることができる音声認識装置を提供する。 【解決手段】 連続数字認識処理回路４１は、認識結果
が最も正しいものから順番に複数の連続数字の候補を出
力して認識候補選択回路４２に供給する。認識候補選択
回路４２は、桁数指定回路４３で連続数字の桁数の指定
がないときは、連続数字認識処理回路４１から供給され
る複数の連続数字の候補の中から最も認識結果が正しい
可能性のもの選択して出力し、また、桁数指定回路４３
で連続数字の桁数が指定されているときは、複数の連続
数字の候補の中から桁数指定回路４３で指定された桁数
であって最も認識結果が正しい可能性のもの選択して出
力する。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は、ナビゲーションシ
ステム等に用いて好適な音声認識装置に関する。

【０００２】

【従来の技術】従来より、自動車等に搭載させるナビゲ
ーションシステムが各種開発されている。ナビゲーショ
ンシステムは、例えば道路地図データが記憶されたＣＤ
−ＲＯＭ等の大容量データ記憶手段と、現在位置の検出
手段と、検出した現在位置の近傍の道路地図をデータ記
憶手段から読み出したデータに基づいて表示する表示手
段とから構成され、目的地までの道案内や現在地等を表
示手段に表示させるものである。

【０００３】ユーザはこのようなナビゲーションシステ
ムに対して予め目的地の地名を入力する必要があるが、
現在では、目的地の電話番号を入力すればその目的地が
自動的に設定されるものが既に開発されている。

【０００４】また、ナビゲーションシステムは自動車の
運転を妨げることなく操作できるようにする必要がある
ため、手操作によって電話番号を入力するだけでなく、
発話された電話番号を認識して入力することができるも
のが提案されている。

【０００５】

【発明が解決しようとする課題】発話した電話番号を入
力することができるナビゲーションシステムは、一般
に、認識可能な数字の桁数の制限がなく、かつ、連続し
て発話された数字を認識することができる音声認識装置
が設けられている。

【０００６】上記音声認識装置は、発話された数字の認
識を実行する際、発話区間前後の外来ノイズによって誤
認識することがあり、発話した数字の桁数以上の数字を
認識することがある。このとき、何らかの手段によって
訂正する必要があり、ユーザにとっては、この訂正を行
うための操作が非常に煩わしく、自動車の運転を妨げる
ことになりかねない。

【０００７】また、上述のような音声認識装置は、携帯
電話を手にすることなく自動車を運転しながらの電話を
可能にするためのいわゆるハンズ・フリー・キットにも
設けられており、上述したナビゲーションシステムと同
様の問題が生じている。

【０００８】本発明は、このような実情に鑑みて提案さ
れたものであり、発話される連続した数字の誤認識を少
なくして、訂正の操作を省いて操作性を向上させること
ができる音声認識装置を提供することを目的とする。

【０００９】

【課題を解決するための手段】上述の課題を解決するた
めに、本発明に係る音声認識装置は、入力される音声信
号に基づいて連続する数字を認識し、複数の連続数字の
候補を出力する連続数字認識手段と、数字の桁数を指定
する桁数指定手段と、上記連続数字認識手段から出力さ
れた複数の連続数字の候補の中で、上記桁数指定手段で
指定された桁数の連続数字であって、かつ、認識確率が
高いものを選択する選択手段とを備える。

【００１０】

【発明の実施の形態】以下、本発明の実施の形態につい
て、図面を参照しながら説明する。本発明は、例えば図
１に示す構成のナビゲーションシステム１に適用するこ
とができる。

【００１１】ナビゲーションシステム１は、自動車に搭
載され、その自動車現在位置を表示して目的地までの道
順を示すものである。ナビゲーションシステム１は、運
転手等の音声によって所定の操作を行うことができ、そ
の音声を認識する音声認識装置１０と、音声の認識結果
に基づいて現在地等を表示するナビゲーション装置２０
により構成される。

【００１２】音声認識装置１０は、自動車の運転席に設
けられるハンズフリーマイク１１と、音声信号をディジ
タル化するアナログ／ディジタル（Ａ／Ｄ）コンバータ
１２と、音声信号の分析を行う音響分析回路１３と、音
声信号の内容を認識する音声認識回路１４とを備える。

【００１３】ハンズフリーマイク１１は、単一指向性を
有するものであって、運転手の声を音声信号に変換して
Ａ／Ｄコンバータ１２に供給する。また、ハンズフリー
マイク１１に、スイッチ１１ａが設けられている。な
お、利用者は、数字等の音声を発話する間はスイッチ１
１ａをオンにする必要がある。これにより、スイッチ１
１ａがオンになっている間、音声認識回路１４は、ハン
ズフリーマイク１１に発話された連続数字を認識するよ
うになっている。そして、Ａ／Ｄコンバータ１２は、ハ
ンズフリーマイク１１からの音声信号をディジタル化し
て、この音声信号を音響分析回路１３に供給する。

【００１４】音響分析回路１３は、図２に示すように、
周波数分析部３１と、アダプテーション部３２と、ノイ
ズサブトラクション部３３と、特徴抽出部３４とを備え
る。

【００１５】周波数分析部３１は、周波数分析方法とし
て一般的なＦＦＴを用いて上記音声信号の周波数分析を
行い、音声信号のパワースペクトルを得る。

【００１６】アダプテーション部３２は、ハンズフリー
マイク１１に固有のマイクアダプテーションデータをメ
モリに格納しており、マイク固有の特性を正規化するた
めのマイクアダプテーション処理を実行する。なお、ア
ダプテーションデータは、ハンズフリーマイク１１の周
波数特性が平坦な標準マイクの特性になるように求めた
ものである。すなわち、マイクアダプテーションデータ
は、マイクの種類によって異なり、複数のマイクを用い
る場合はそれぞれ用意する必要がある。

【００１７】ノイズサブトラクション部３３は、音声区
間ではない信号区間をノイズ区間としてこのノイズ区間
のスペクトルを求めておいて、音声区間でこのノイズス
ペクトルを引く処理を行う。

【００１８】特徴抽出部３４は、周波数分析結果のパワ
ースペクトルをそのまま持っていたのではパラメータの
次元が多く、音声認識回路１４の計算量が増えるため、
適当な次元に圧縮処理を行う。特徴抽出部３４は、例え
ばケプストラムを用い、特に、音声認識では周波数軸に
聴覚的な特性の重み付けをしたメルケプストラムを用い
て圧縮処理を実行し、コード化されたケプストラム係数
とメルケプストラム係数を出力して、音声認識回路１４
に供給する。

【００１９】音声認識回路１４は、上記ケプストラム係
数とメルケプストラム係数から、ハンズフリーマイク１
１に入力された音声をＨＭＭ（Hidden Markov Model ）
法に基づいて認識する。すなわち、音声認識回路１４
は、メモリ１４ａに予め記憶されたモデル（ＨＭＭ）を
用いて、ハンズフリーマイク１１に入力された音声を認
識して、この認識結果をシステムコントローラ２８に供
給する。

【００２０】上記音声認識回路１４は、具体的には図３
に示すように、音響分析回路１３からのケプストラム係
数等に基づいて連続する数字の認識を行う連続数字認識
処理回路４１と、認識された複数の候補の中から所定の
ものを選択する認識候補選択回路４２と、数字の桁数を
指定するための桁数指定回路４３とを備える。

【００２１】連続数字認識処理回路４１は、例えば図４
に示すように、認識結果が最も確からしいものから順番
に複数の連続数字の候補を出力する。図４において、候
補番号１である連続数字３桁の認識結果が最も正しい可
能性が高く、候補番号２，３・・・となるにつれて正し
い可能性が低くなる。連続数字認識処理回路４１は、こ
のような複数の連続数字の候補を認識候補選択回路４２
に供給する。

【００２２】認識候補選択回路４２は、桁数指定回路４
３で連続数字の桁数の指定がないときは、連続数字認識
処理回路４１から供給される複数の連続数字の候補の中
から最も認識結果が正しい可能性のもの選択して、この
連続数字をナビゲーション装置２０に供給する。また、
連続数字認識処理回路４１は、桁数指定回路４３で連続
数字の桁数が指定されているときは、複数の連続数字の
候補の中から桁数指定回路４３で指定された桁数であっ
て最も認識結果が正しい可能性のもの選択して、この連
続数字をナビゲーション装置２０に供給する。

【００２３】桁数指定回路４３は、認識候補選択回路４
２で選択されて出力された連続数字に基づいて、認識候
補選択回路４２に次に供給される連続数字の桁数を指定
する。

【００２４】具体的に、東京２３区の電話番号を認識す
る場合を例に挙げて説明する。東京２３区の電話番号
は、市外局番が「０３」の２桁であり、その後は４桁＋
４桁の８桁で構成される。

【００２５】ユーザがハンズフリーマイク１１に「０
３」を発話すると、連続数字認識処理回路４１は、供給
されるケプストラム係数等に基づいて複数の連続数字の
候補を認識候補選択回路４２に供給する。このとき、桁
数指定回路４３は最初は連続数字の桁数を指定していな
いので、認識候補選択回路４２は、複数の連続数字候補
の中から最も認識結果が正しい可能性のあるもの例えば
「０３」を選択して出力する。桁数指定回路４３は、認
識候補選択回路４２が出力した「０３」に基づき次に入
力される連続数字は４桁であると判断して、連続数字の
桁数を４桁に指定する。なお、桁数指定回路４３は、最
初の入力が例えば「０６」だったときは次に３桁の指定
を行い、最初の入力が「０４９２」だったときは次に２
桁の指定を行う。すなわち、最初の市外局番に応じて次
の桁数を指定するようになっている。

【００２６】つぎに、ユーザがハンズフリーマイク１１
に「１２３４」を発話すると、認識候補選択回路４２
は、同様に複数の連続数字の候補を認識候補選択回路４
２に供給する。認識候補選択回路４２は、複数の連続数
字の候補の中から桁数指定回路４３で指定された桁数で
あって最も認識結果が正しい可能性のもの「３４５６」
選択して出力する。ここで、認識候補選択回路４２は、
ある連続数字がたとえ候補番号１であったとしても、４
桁以外の数字は誤ったものとして判断する。例えば上述
した図４に示すように、候補番号１の連続数字が「１２
３」であったとしても誤ったものとして判断し、４桁で
あって最も正しい可能性のある候補番号４の「３４５
６」を選択して出力する。

【００２７】そして、桁数指定回路４３は、認識候補選
択回路４２が出力した「３４５６」に基づいて次に入力
される連続数字も４桁であると判断して、連続数字の桁
数を４桁に指定する。同様にして、最後に発話される４
桁の連続数字も認識する。

【００２８】以上のように、音声認識回路１４は、連続
数字の桁数に関する情報を加味して音声認識処理を行う
ことによって、音声認識結果の選択の条件を付加して音
声認識率の向上を図ることができる。すなわち、認識さ
れる連続数字とその数字の桁数の両方の条件から最適な
連続数字を探し出すことができる。

【００２９】また、上記ナビゲーション装置２０は、Ｇ
ＰＳアンテナ２１と、ＧＰＳ受信回路２２と、ＣＤ−Ｒ
ＯＭ（Compact Disc-Read Only Memory ）から地図デー
タ等を読み出すＣＤ−ＲＯＭドライブ２３と、自律セン
サ２４と、音声を出力する応答部２５と、地図と共に現
在位置等を表示する表示部２６と、図示しない携帯電話
と接続するための携帯電話接続ユニット２７と、全体を
制御するシステムコントローラ２８とを備える。

【００３０】ＧＰＳ受信回路２２は、ＧＰＳ用衛星から
測定用信号をＧＰＳアンテナ２１を介して受信し、この
信号を解析して現在位置を検出する。なお、この現在位
置を示すデータは、その場所における緯度と経度のデー
タである。そして、ＧＰＳ受信回路２２は、これらの緯
度と経度のデータをシステムコントローラ２８に供給す
る。

【００３１】システムコントローラ２８は、ＧＰＳ受信
回路２２から上記位置データが供給されると、ＣＤ−Ｒ
ＯＭドライブ２３からその位置データの示す位置の近傍
の道路地図のデータを読み出すように制御する。システ
ムコントローラ２８は、ＣＤ−ＲＯＭドライブ２３から
読み出した道路地図のデータに基づいて、表示部２６に
道路を表示させたり、応答部２５に「現在、××で
す。」等の現在地の音声を出力させる。

【００３２】また、システムコントローラ２８は、音声
認識回路１４の認識結果に基づいて、発話された電話番
号による目的地の設定をしたり、さらに、発話された地
名の入力や表示部２６の表示モードの切換等を行うこと
ができる。例えば、運転手がスイッチ１１ａをオンにし
てハンズフリーマイク１１にある地名を発生すると、シ
ステムコントローラ２８は、ハンズフリーマイク１１，
音響分析回路１３，音声認識回路１４等を介してその地
名を認識し、その地名のデータをＣＤ−ＲＯＭドライブ
２３から読み出して、表示部２６にその地名の位置をマ
ークする。

【００３３】一方、自律センサ２４は、自動車の図示し
ないエンジン制御用コンピュータから供給される車速に
対応するパルス信号が供給され、このパルス信号に基づ
いて当該自動車の正確な走行速度を算出すると共に、そ
の内部の図示しないジャイロセンサの出力によって進行
方向を検出する。さらに、速度と進行方向によって決め
られた位置からの自律航行による現在位置の測定を行
う。

【００３４】携帯電話接続ユニット２７は、携帯電話と
ナビゲーションシステム１とを接続するものである。こ
れにより、利用者は、例えばハンズフリーマイク１１で
話をしながら電話することができる。

【００３５】以上のように、上記ナビゲーションシステ
ム１は、例えば目的地の設定のために発話された電話番
号を認識するときは、連続数字の桁数に関する情報を加
味して音声認識処理を行うことによって、音声認識結果
の選択の条件を付加して音声認識率の向上を図り、誤認
識時の訂正のための操作の手間がなくなり、より操作性
を向上させることができる。

【００３６】なお、本発明は、上述した実施の形態に限
定されるものではなく、発話された数字を認識する必要
がある種々の装置に適用することができるのは言うまで
もない。

【００３７】

【発明の効果】以上詳細に説明したように、本発明に係
る音声認識装置によれば、入力される音声信号に基づい
て連続する数字を認識し、複数の連続数字の候補を出力
し、出力された複数の連続数字の候補の中で、桁数指定
手段で指定された桁数の連続数字であって、かつ、認識
確率が高いものを選択して出力することによって、複数
の連続数字から最も最適なものを選択することができ、
この結果、発話される連続した数字の誤認識を少なくし
て、訂正の操作を省いて操作性を向上させることができ
る。

【図面の簡単な説明】

【図１】本発明を適用したナビゲーションシステムの具
体的な構成を示すブロック図である。

【図２】上記ナビゲーションシステムを構成する音声認
識装置に備えられた音響分析回路の具体的な構成を示す
ブロック図である。

【図３】上記音声認識装置に備えられた音声認識回路の
構成を示すブロック図である。

【図４】上記音声認識装置が備える連続数字認識処理回
路の処理結果の一例を示す図である。

【符号の説明】

１ ナビゲーションシステム、４１ 連続数字認識処理
回路、４２ 認識候補選択回路、４３ 桁数指定回路

Claims (2)

【特許請求の範囲】
1. 【請求項１】 入力される音声信号に基づいて連続する
   数字を認識し、複数の連続数字の候補を出力する連続数
   字認識手段と、 数字の桁数を指定する桁数指定手段と、 上記連続数字認識手段から出力された複数の連続数字の
   候補の中で、上記桁数指定手段で指定された桁数の連続
   数字であって、かつ、認識確率が高いものを選択する選
   択手段とを備える音声認識装置。
2. 【請求項２】 上記桁数指定手段は、上記選択手段で選
   択された連続数字の桁数に基づいて、上記連続数字認識
   手段から次に出力される連続数字の桁数を指定すること
   を特徴とする請求項１記載の音声認識装置。