JPS6348946A - 音声認識処理方式 - Google Patents

Abstract

(57)【要約】本公報は電子出願前の出願データであるた
め要約のデータは記録されません。

Description

【発明の詳細な説明】 「産業上の利用分野」 この発明は音声認識を利用した電話サービスを提供する
ための音声認識処理装置（二おける音声Ｖ、侃識処理方
式に関するものである。

「従来の技術」 電話交換機にトランク形音声認識処理装置等を付加し５
発／着信に対応するガイダンスの送出に伴う詮声入力信
号を上記装置内の音声認識機能を利用して認識し、この
認識結果（一応じて電話サービスメニューを自動選択で
きるシステムが実現しつつある。

このようなシステム（二おいて音声認識を利用した電話
サービスを提供する従来の付加トランク形音声認識処理
装置は第４図（二示す構成をとっていた。音声認識処理
装置１１は溝内電話交換機などの′世話交換機１２と多
重回線１３（二より接続されている。電話機１１〜ＩＫ
からの音声信号はＰＢＸ等の電話交換機１２を介して多
重化され、音声認識処理装置１１に入力される。この信
号は次Ｃ二信号分配器（ＤＭＰＸ）１４により独立した
回線信号（二分配され、各音声信号は有音／無音検出回
路（以下ＤＥＴと略記）２１〜２Ｎおよび音声認識部（
以下ＶＲＵと略記）３．〜３Ｎ（Ｋ＞Ｎ）（１６４人力
される。ある回線において音声認識が必要な時点（音声
認識フェーズ）（二なると、ＣＰＵＣ中央処理装置）１
５はその回線（二対窓したＶＲＵへ音声認識開始を命す
る。この命令（二よりそのＶＲＵは音声認識処理を実行
可能となる。

この音声認識フェーズ（：入ってからＣＰＵ１５は回線
（二対窓したＤＥＴの出力値を読み出すことにより音声
入力があったか否かを判定しており（例えば有音区間で
は″１″、無音区間ではｏ”）、音声入力があった場合
は有音区間から一定期間以上の無音区間が続いたら音声
人力終了と判定し、そのＶＲＵに音声認識終了を命する
。また音声認識フェーズし入ってから一定期間以上無音
区間が続いた場合は音声入力なしと判定し、ＶＲＵに音
声認識終了を命するとともに、音声認識フェーズを終了
し次の処理へ移る。

このよう（二従来の技術では１回線に１台のＶＲＵを対
応させるため（文献：吉用他”音声ダイヤル方式の検討
（３）電子通信学会技術報告Ｓ　Ｅ　８　＝１−１３８
参照）、音声認識を利用した電話サービスを同時に提供
すべき回線の数だけＶ　ＲＵが必要となる問題があった
。また１回の電話サービスの時間は通常数十秒以上であ
り、この期間中ＶＲＵは保留されるが、認識すべき音声
信号は通常数秒であり、さらに１回の電話サービス（発
呼から終話までの間）で通常数回の音声信号が認識され
るため、ＶＲＵの利用率は極めて低くなるという問題が
あった。

この発明の目的は、高価なＶＲＵの所要数を削減し経済
化を図ると共に、ＶＲＵ利用率を向上することにある。

この発明の音声認識処理方式では、交換機トランクイン
タフェースからの音声入力信号を一旦格納するメモリ手
段と、この音声入力信号な需視して有音信号を検出する
有音検出手段と、複数の音声認識手段と、各手段間のデ
ータ転送制御を行う転送制御手段と、これら各手段間を
接続する結合手段とが設けられた電話交換機の付加トラ
ンク形音声認識処理装置において、少なくとも有音判定
（二係わった直曲の音声人力信号から以降の無音判定ま
での音声入力信号を前記メモリ手段Ｃ二格納するよう＋
−１７＋１　ｉ卸すると共（二、有音検出手段による有
音信号検出時点を契機（二、前記転送制御手段は２空き
の音声認識手段がある場合（二は直も（二それを捕捉し
、空きの音声認識手段がない場合には少なくとも一つの
音声認識手段が空いてからそれを捕捉し、前記メモリ手
段に格納中の認識すべき音声入力信号を、捕捉した音声
認識手段に最初から順（二転送して認識動作を行い、引
き続き音声入力信号を監視中の有音検出手段が一定期間
以上の無音信号を検出した時点を契機Ｃ二、捕捉した音
声認識手段の対応した有音区間の認識動作を完了させて
この手段を解放する。

従来の技術では利用可能なＶＲＵの選択を認識すべき音
声入力信号単位（二は行っておらず、単（二発呼から終
話まで利用可能なＶ　ＲＵ　ｆｘ長時間保留していた。

この発明は交換機トランクインタフェースから認識すべ
き音声入力信号単位に、利用可能なＶＲＵを選択するこ
とを最も主要な特徴としており、この点で従来の技術と
異なる。

「実施例」 以下、この発明の一実施例（二ついて図面によす説明す
る。第１図はこの発明の一実施例の構成図を示す。第１
図（二おいて電話機１１〜ＩＫからの音声信号は電話交
換機１２を介して多重化され、音声認識処理装置１１に
入力される。この信号は次（二信号分配器（ＤＭＰＸ）
１４により独立し定置線信号（二分配され、各回線信号
は有音／無音検出回路（以下ＤＥＴと略記）２、〜２Ｈ
＋二人力されるとともにメモリ２１へ一旦格納される。

各ＤＥＴ２１〜２Ｎでは入力される音声信号のレベル＠
（量子化値）ｔサンプル周期（例えば１２５μ５ＥＣ）
毎（二積算しており、一定のサンプル数（フレームと呼
ぶ）毎（二この累積値を算出する。各Ｄ　Ｅ　Ｔ　２゜
〜２Ｎは、この累ｆＭ　ｆＵがあらかじめ設定したしき
い値を越えた場合、そのフレームを有音区間と判定し、
しきい値以下では無音区間と判定する。

この判定結果は転送路（例えば共通〕（ス）２２を通じ
て転送制御部２３により読み出され、転送側ｉ卸部２３
はある一定数の有音区間が続いたＤＥＴ＆検出すると、
利用可能なＶＲＵを探す。もし利用可能なＶＲＵがある
場合は、転送制御部２３はこの利用可能なＶ　ＲＵ　ｌ
−音声認識開始を命じ、認識すべき音声信号乞メモリ２
１から読み出し、上記認識開始を命じたＶＲＵヘデータ
転送する。

またもし利用可能なＶＲＵが無い場合は、転送制御部２
３は少なくとも一つのＶＲＵが空きになるかどうかを監
視し、空きのＶＲＵを探した後に１これに音声認識開始
を命じて認識すべき音声信号をメモリ２１からこのＶ　
ＲＵへ小云送する。ＶＲＵでは転送制御部２３からの音
声認識開始の命令（二より音声認識処理を開始する。一
方、ＤＥＴ２．〜２Ｎでは常に有音／無音区間の判定を
行っているが。

有音区間からある一定数の無音区間（１変化したＤＥＴ
を転送制御部２３が検出すると、転送制御部２３はその
回線からの音声入力信号の認識２行っていたＶＲ１Ｊ＋
二音声認識終了を命じてそのＶＲＵを解放する。

以上述べたこの発明の動作服念を第２図に示す。

同図で有音区間は音声信号が存在していること？示す。

電話機から出力された音声信号が１番目の回線（二人力
されるとこの回線（二対窓しているＤＥＴ２１が有音区
間の先頭を検出する。同図は有音検出の時点では、ＶＲ
Ｕ３．〜３Ｍの全てが音声認識処理中で他の音声信号を
受信不可である場合を想定したものであり、メモＩＪ　
２１へ回線ｉの音声信号が格納される。ｖＲＵ３Ｊの認
識処理終了を命じると、転送制御部ｚ３はその利用可能
となったＶＲＵ３ｊを捕捉後、ｖＲｕ３ｊへ音声認識開
始を命すると共（二、−旦メモリ２１（二格納した回線
ｉの音声信号を■ＲＵ３ｊへ転送する。一方、ＤＥＴ２
１で有音区間から無音区間への変化を検出すると、転送
制御部２３は■ＲＵ３Ｊへ音声認識終了を命じる。これ
によりｖＲｕ３ｊは解放され次の音声信号の受信が可能
となる。

「発明の効果」 以上説明したよう（二、この発明の方式を適用した音声
認識処理装置では、認識すべき音声人力信号単位（二、
利用可能なＶＲＵを選択するので、必要となるＶＲＵの
台数を交換機との回線数よりも少なくすることが可能で
あり、音声認識を利用した電話サービスの経済化が図れ
る。以下では上記回線数と必要なＶＲＵの台数の関係（
一ついて述べる。

解析モデル ここでは複数のサーバ（ＶＲＵ）のトラヒックモデルＣ
Ｍ／Ｍ／Ｓ型の待ち行列モデル）を用いて解析した（第
３図）。すなわち認３ｊ１丁べき音電信号は電話端末か
らランダム（二発生し、音声認識時間（サービス時間）
は指数分布？とるものとする。またＶＲＵは認識すべき
音声信号の入力と同時（二音声認識処理を開始しくＶＲ
Ｕの捕捉）、上記音声信号の人力後ただち（二認識処理
を終了するものとする（ＶＲＵの開放）。

この解析ではＶＲＵＹ捕捉するための平均待ち時間（列
平均待ち時間）により、妥当なＶＲＵの台数を推定する
。Ｍ／Ｍ／Ｓヤ１待ち行９１１での列平均待ち時間Ｗ、
は次式で表わされる（木間鶴千代「待ち行列の理論」理
工学社、等７参ｌ！（ｉ　）。

１％　＝　ＳＳ　ｌす”−Ｐｏ／〔ＳＩμ（ｌ−ρ）２
：）−式（１）％式％）：）） ここで、Ｓ：サーバ数（ＶＲＵａの台数）、μ：平均サ
ービス時間（平均音声認識時間）、ρ：サーバ（ＶＲＵ
）（７）利Ｉｎ率（〈１）、ａ：全サーバ（全ＶＲＵ）
に加わる総トラヒック数（ｅｒｌ数）である。

■単語発声の時間は１ｍ常数秒であるので平均サービス
時間μ（平均音声認識時間）暑ここでは２秒とした。電
話端末１００台、ｌ電話端末当りの呼Ｆｑ　Ｏ，ｌ　５
　ｅｒｌ、平均端末保留時間８０秒、１発呼当り音声認
識回数を２回とするとａ　＝　Ｑ、７５　ｅｒｌとなる
。

ｙ−ｂの条件におけるＶＲＵの台数とＶＲＵを捕捉する
ための平均待ち時間の関係を表１（二示す。

但し、筒表では平均待ち時間を平均サービス時間μ；二
より正規化した。

表Ｉ　　ＶＲＵの台数と ＶＲＵを捕捉するための正規化平均 ｈ：平均待ち時間、μ：平均音声認識時間＝２秒％ａ：
全Ｖ　ＲＵ　ＣｊｌＤわろ総トラヒック数＝Ｑ、７５ｅ
ｒｌ この表より、この発明の音声認識処理装置（二おいて、
ＶＲＵ’＆４〜８台設ければ平均待ち時間はほとんど問
題にならない。一般ｆ二電話端末１００台に対して交換
機に約３２回線分のサービストランクを用意するのが通
例であり、従来の技術では３２台程度のＶＲＵが必要と
なる。従ってこの発明の必用（二より、必要なＶＲＵの
台数を１／４〜１／８と大幅に削減できる。

【図面の簡単な説明】

？５１図はこの発明の一実施例の構成暑示すブロック図
、第２図はこの発明の一実施例の動作概念を示す図、第
３図はトラヒック解析モデルを説明する図、第４図は従
来の付加トランク形の音声認識装置の構成を示すブロッ
ク図である。 特許出願人　　日本電信電話株式会社 代　　理　　人　　　草　　　野　　　　　卓うせ　　
１　　じ］　　　　　　　　　　　　普Ｐま５言虹久化
工里狡１【オ　２　図 ｊ弓準埠ヨーＭ級軒罎−一 オ　３　Ｚ 第４　図 音声認識処理装置

Claims (1)

【特許請求の範囲】
1. （１）電話交換機の付加トランク形音声認識処理装置に
   おいて、 上記電話交換機のトランクの回線数設けられ、その交換
   機トランクインタフェースからの音声入力信号を監視し
   て有音信号を検出する有音検出手段と、 上記音声入力信号を一旦格納するメモリ手段と、 上記回線数より少ない複数の音声認識手段と、各手段間
   のデータ転送制御を行う転送制御手段と、 これら各手段間を接続する結合手段とを備え、少なくと
   も有音判定に係わつた直前の音声入力信号から以降の無
   音判定までの音声入力信号を上記メモリ手段に格納する
   ように制御すると共に、 上記有音検出手段による有音信号検出時点を契機に、上
   記転送制御手段は、空きの音声認識手段がある場合には
   直ちにそれを捕捉し、 空きの音声認識手段がない場合には少なくとも一つの音
   声認識手段が空いてからそれを捕捉し、 上記メモリ手段に格納中の認識すべき音声入力信号を、
   捕捉した音声認識手段に最初から順に転送して認識動作
   を行い、 引き続き音声入力信号を監視中の有音検出手段が一定期
   間以上の無音信号を検出した時点を契機に、捕捉した音
   声認識手段の対応した有音区間の認識動作を完了させて
   その手段を解放することを特徴とする音声認識処理方式
   。