WO2007066433A1 - 音声認識装置 - Google Patents

Abstract

　音声認識装置１０は、音声認識辞書を参照して入力音声を音声認識して音声認識結果を出力しており、外部接続機器２０－１～２０－Ｎが接続され外部接続機器からその種別を取得するとともに外部接続機器に登録されたデータを取得する外部情報取得手段１４と、データから語彙を抽出語彙として抽出し抽出語彙を解析して当該抽出語彙にヨミを付与して解析データとする語彙抽出解析手段１５及び１６と、種別に対応する音声認識辞書に解析データを格納する辞書生成手段１７とを有し、外部接続機器の種別毎に音声認識辞書１３－１～１３－Ｎを備える。

Description

認識

術分野

０００1 この 、複数の 声認識 書を備えて、音声認識を〒 声認識 置に関し 特に、携帯電話機 の 器に対応した音声認識 書を備える音声認識 置に関するものである。 ０００2 般に、音声認識 置にお ては、音声認識 書に登録された単語( )を参 照して音声認識を行 ており、音声認識 を向上さ るためには音声認識 書に多 数の 語を登録する必要がある。このため、音声認識 置には、既存の 声認識 書に 単語を追加 録して音声認識 書を更新する機能及び 又は 人用の 声認識 書を作成する機能を有するものがある。

０００3 えば、音声認識 置にお て、音声入力による電子メ の 成にお て使用 される音声認識 書の 成の 、メ 理が開始されたことを検出すると、ア プ ケ ョンにお て取得された文書デ タを読み込んで文書デ タを解析し、既 存の 声認識 書に存在しな 未知 を抽出して、抽出した を含む 声認、 書を作成するよ にしたものがある( えば、特許 )。

０００4 さらに、音声認識 書を作成・ 新する際、第 の 書記憶 に日常 用され る の 記及び 等が登録された の 書を記憶し、 2の 書記 憶 に特殊な の 記及び 等が登録された 2の 書を記憶して、テキ スト で両 書を用 て 態素 〒 方、読み付与 2で入力 態 素に読みを付与する際に、 2の 書の 関して 2の 書の みの 他の候 補の とを対応テ に記録して、音声認識 によ て対応テ の 容に基 て音声認識 書を作成して、音 声認識 書を、認識語彙 2の 書の 記及び他の音 補との けに基 て作成するよ にしたものがある( えば、特許 2 )。 ０００5 1 2 4 233577 ( 3 ～ 9 、 ～ 9 ) 2 2 3 27 83 ( 6 ～ 2 、 ～ 7 ) ０００6 来の 声認識 以上のよ に構成されて るので、音声認識 書を作成・ 新する際の対象が文書デ タの 受信が可能なアプ ケ ョンに限られており、 音声認識 置に接続される外部 器によ て認識の際の単語の 用頻度が大 き 異なることがあり、さらには、外部 器によ て認識に使用する単語・ 異なることもあることを考慮すると、単一のアプ ケ ョン( まり、単一の

のための 声認識 書を作成・ 新するよ にしたのでは、外部 器が異 なると効率的に音声認識を〒 ことができな と 題があ た。

０００7 また、従来の 声認識 置では、単一の 声認識 書に解析した単語を登録して るので、登録 語数が増加すると、音声認識 書の 索に時間が り、効率的 に音声認識を行えな ば り 、 が多 な て認識 が低下することがある。 ０００8 この 上記のよ 課題を解決するためになされたもので、外部 器に応 じて効率的に音声認識を〒 ことのできる音声認識 置を得ることを目的とする。

明の

０００9 この 明に係る音声 、音声認識 書を参照して人力 声を 声認識し て音声認識 果を出力しており、外部 器が接続され 器 らその 別を取得するとともに外部 器に登録されたデ タを取得する外部 得 手段と、デ タ ら語彙を抽出語彙として 出し 出語彙を解析して 出語彙 に を付与して解析デ タとする 段と、 別に対応する音声認識 書に解析デ タを 納する 書生成 段とを有し、外部 器の 音 声認識 書を備えることを特徴とするものである。

００1０ 上のよ に、この 明によれば、音声認識 果に て 認識である 否 を判 定して、 認識であると判定すると、音声認識 書を切り替えて音声認識 理を継 続するよ に構成したので、 特別の 作を〒 ことな 、音声認識 書を切り 替えて音声認識を〒 ことができ、その 果、音声認識 間を短縮して認識 を向上さ ることができると 果がある。

００11 の 明の 施の による音声認識 置の 例を外部 器とともに ック図である。

2 に示す 声認識 置にお て音声認識 書 の 録を説明するた めの チヤ トである。

3 に示す 声認識 置にお て音声認識 書の 新及び新 成を説明 するための チヤ トである。

4 の 明の 施の 2による音声認識 置の 例を外部 器とともに示 す ック図である。

5 4に示す 声認識 置にお て音声認識 書をアクティ とする動作を説明 するための チヤ トである。

6 の 明の 施の 3による音声認識 置の 例を外部 器とともに示 す ック図である。

7 6に示す 声認識 置にお て外部 段の 作を説明する ための チヤ トである。

8 6に示す 声認識 置にお て語彙 段の 作を説明するための 図であり、 (a) (b)はそれぞれ 段によ て提示される 補 の例を示す図である。

明を実施するための 良の

下、この 明をより 細に説明するために、この 明を実施するための 良の 態に て、 の 面に従 て説明する。

施の ・

はこの 明の 施の による音声認識 置の 例を示す ック図であり 、 の 声認識 ０は、例えば、 ナビゲ ョン 置で用 られる。 声 認識 は イク等の音声入力 、音声認識 2、 数の 声認、 ( に辞書と呼ぶ) 3 3 ( は2 上の整 )を備えるととも に、外部 得手段 4、外部 5、外部 6 、外部 書生成 ( 書生成 ) 7、語彙 8、 C ( ン クトディスクデ タベ ス C に収録された楽曲に関する情報を C ソ ト又は周辺 器に提供するためのデ タベ ス) 9を備えて る。そして 、外部 得手段 4には複数の 2 2 が接続される。 ００13 なお、外部 5、外部 6、語彙

8、 C によ て語彙 段が 成され、語彙 8 C によ て解析 書が 成される。

００14 2 2 は、例えば、携帯電話機、小型 、 クプ ヤ( えば Pod( 品名) 、キ ボ ド、又はP (Pe so a a ss s a )であり、互 に異なる装置であり、辞書 3 3 はそれぞれ

2 2 に対応して る。

００15 声認識を〒 際には、音声入力 皿 ら入力された音声が音声認識 2 に与えられ、音声認識 2は、後述するよ にして生成された辞書 3 3 の ずれ を参照して人力 声を認識して、音声認識 果を出 する。 まり、外部 2 ( は ら までの ずれ の数)に関して音声認識を行 際には、辞書 3 を用 て音声認識が行われる。

００16 なお、上述の 声認識 果に応じて、例えば、カ ナビゲ ョン 置では、画面 外部 2 の 作を 、遷移 の 外部 器の 果が タ 等に表示される。

００17 次に動作に て説明する。

2を参照して、辞書 3 3 の 成に て説明すると、 、外部 2 が外部 得手段 4に接続されると、外部 2 ら機器を特定するための f 号が外部 得手段 4に与えられる。これによ て、外部 得手段 4は外部 2 の 類を判別する。

００18 て、外部 得手段 4は外部 2 内に記憶されたデ タ( えば、携帯電話機であれば受信メ 、 Po であれば 、ア ティスト 、ア ム )を取得した(ステップS )後、外部 書生成 7に外部 2 の ( )を通知する(ステップS 2)。なお、外部 得手段 4に接続 される外部 2 が変更されると、同様にして、ステップS S 2が実 行される。

００19 得手段 4で取得されたデ タは、外部 5に渡され 、ここで解析 象となる部分( えば、受信メ の 文、曲 、ア ティスト 、又 はア ム )を抽出して デ タとして外部 6に渡す(ス テップS 3)

００2０ 6では、抽出されたデ タがメ 章のよ 文章であ る際には、形態素 、語彙 8を参照して、文章を単語に切り分 け、解析の際に得られる を 語に付与して解析デ タを得る(ステップS 4) 方、抽出されたデ タが ア ティスト の 語である場合には、外部

6はその 記を としてC を検索して、 を取得し当 付与して解析デ タとする。

００21 これら解析デ タは外部 6 ら外部 書生成 7に 渡されて、外部 書生成 7は、外部 得手段 4 ら送られた外部 別に基 て、外部 2 に対応する 3 に解析デ タ を 納する(ステップS 5)。このよ にして、外部 2 2 に対 応して辞書 3 3 を生成することになる。

００22 ころで、前述の 3 3 は、メ 中の辞 域に保存され、 所定の 外によ て削除されることはな 。そして、音声認識 を起動 する都度、又は外部 2 を切り替える際に外部 2 に対応 する 3 が用 られる。

００23 て、 3を参照して、前述のステップ 5に て詳し 説明すると、外部 書生成 7では解析デ タを辞書 3 に 納する際、まず、外部 2 の 別に基 て該当する 3 が存在する 否 を判定し(

ステップS 6)、 当する 3 が存在しな と、辞書 に新 たに辞書 3 を作成して( ステップS 7)、この新 3 に 解析デ タを 納する。

００24 方、ステップS 6にお て、外部 2 に対応する 3 が存在 すると判定した場合には、外部 書生成 7は、辞書 3 中の語 調 て、解析デ タに一致する がある 否 を調 る。 まり、解析デ タ ら辞 書 3 に存在しな デ タを抽出して(ステップS 8)、辞書 3 に存在しな デ タのみを辞書 3 に 納して、辞書 3 を更新する( 新手段 ステップS g)。そして、外部 書生成 7は、辞書 3 に既に存在する 解析デ タを破棄する。

００25 なお、辞書 新の 、辞書に存在する 解析デ タに含まれて な

削除するよ にしてもよ 。このよ にすれば、辞書に 納されるデ タ量の増加 を防止でき、その 率的に音声認識を〒 ことができる。

００26 上のよ に、この 施の によれば、外部 器の 別に応じて辞書を生 成するよ に構成したので、外部 の 書を用 て音声認識を〒 にす れば、認識 率が向上するば りでな 、認識 が向上し、外部 器を容易に 音声入力によ て することができる 果がある。

００27 この 施の によれば、外部 器を外部 得手段に接続すると、 自 動的に対応する 書が更新される結果、 意識することな 辞書の 新が行 える 果がある。

００28 施の 2・

4はこの 明の 施の 2による音声認識 置の 例を示す ック図であり 、 の 声認識 3 にお て、 に示す 声認識 同一の 素 に ては同一の 号を付す。 声認識 3 はさらに音声認識 御手 段3 を有しており、外部 得手段 4は外部 2 の 別を 声認識 御手段3 にも通知する。

００29 5も参照して、 ま、外部 2 が変更されると、前述したよ に、外部 得手段 4は外部 2 らデ タを取得した(ステップS )後、 外部 得手段 7に外部 報機器2 の 別を通知するとともに、音声 認識 御手段3 に外部 報機器2 の 別を通知する(ステップS ) ００3０ で関連して説明したよ に、外部 得手段 4で取得されたデ タ ら、外 部 5によ て解析 象となる部分が 出されて デ タとして 外部 6に渡される(ステップS )。そして、外部

6では、語彙 8又はC を参照して、解析デ タ( を付 与した語彙)を得る(ステップS )。 書生成 7は、外部 4 ら送られた外部 別に基 て、外部 2 に対応す る 3 に解析デ タを 納する(ステップS 4)

００31 方、音声認識 御手段3 は、外部 別に応じてこの

2 に対応する 3 をアクティ にする(ステップS 5)。なお、複数の 器が外部 得手段 4に接続されて る際には、これら複数の 器に各 に対応する 書がアクティ とされる。

００32 上のよ に、この 施の 2によれば、外部 器の 別に応じて対応する 書をアクティ とするよ に構成したので、音声認識を〒 、外部 得手段 に外部 器を接続すれば、辞書が切り替えられることにな て、 辞書 の り替えを意識することな 、音声入力を〒 ことができる 果がある。

００33 この 施の 2によれば、外部 得手段に接続された外部 器に対応 する 書のみがアクティ となる結果、音声認識の際に参照す き辞書を削減する ことができ、音声認識を 率的に行 ことができるば りでな 、認識 を向上さ る ことができる 果がある。

００34 施の 3・

6はこの 明の 施の 3による音声認識 置の 例を示す ック図であり 、 の 声認識 4 にお て、 に示す 声認識 同一の 素 に ては同一の 号を付す。 声認識 4 はさらに語彙 補選択 4

42を有しており、後述するよ に、外部

5で 出された デ タ( )を外部 6で解析した結果 られた解析デ タ( が付与された語彙)にゆらぎが存在する場合( えば、複数の 補が存在する場合)、外部 6はその

42に連絡する。

００35 42では複数の 補を、例えば、 タ ( ず)に表 示して、 選択を促す。 語彙 補選択 4 によ て複数の 補 ら の 補を選択 として選択すると、この 外部

6に与えられ、外部 6は選択 解析デ タとし て外部 書生成 7に渡す。そして、外部 書生成 7は、外部 得手段 4 ら送られた外部 別に基 て、外部 2 に 対応する 3 に解析デ タを 納する。

００36 7 8も参照して、 ま、 Podのよ 音楽デ タ 器が外部

2 として外部 得手段 4に接続されて るとすると、前述したよ に、外部 得手段 4は外部 2 の 別を外部 書生成 7に渡 すとともに、外部 2 らデ タを取得して(ステップS 6)、このデ タ を外部 5に送る。

００37 5は、外部 得手段 4で取得されたデ タ ら解析 象となる部分を抽出してにこでは、例えば、 、ア ティスト 、 ア ム デ タが 出される ステップS 7)、抽出デ タとして外部 6に送る。 6では、まず、抽出デ タがメ 章の よ 文章である 否 を判定して(ステップS 8)、抽出デ タが文章であると、外 部 6は形態素 、語彙 8を参照して、文 章を単語( )に切り分け、解析の際に得られる を 語に付与して解析デ タを得る(ステップS g)

００38 この デ タは外部 6 ら外部 書生成 7に送 られ、外部 書生成 7は、外部 得手段 4 ら送られた外部

2 の 別に対応する 2 に解析デ タを 納する(ステップS 2 ) ００39 方、ステップS 8にお て、抽出デ タが文章でな と判定されると、外部

6ではその 記を としてC を検索して(ステップS 2 )、検索 果である 存在する 否 を判定する( まり、一致する がある を判断する ステッ S 22)。 致する があると、外部 6 は を付与して解析デ タとする(ステップS 23)。その 、外部 書生成 7によ てステップS 2 が行われる。

００4０ ころで、 、ア ティスト 、又はア ム名にゆらぎがあると、抽出デ タ 一 致する C に存在 ず、ステップS 22にお て、外部

6は検索 果が存在しな 判断する。 えば、 8(a に示すよ に、外部 2 に登録されて るデ タの 記が x であり、C に 録されて る の 記が x 等であると、抽出デ タ 一致する C に存在しな 。この 合、外部

6では、抽出デ タに類似する 語彙 補として選択して(ステップS 24 )、語彙 42によ て タ ( )43に語彙 補を提示する。 ００41 8(a)に示す例では、提示 43に語彙 補として、 O x O X が提示され、 ザが語彙 補選択 4 によ て語彙 補 ら の 補を選択 として選択すると、ステップS 23にお て外部 6 は選択 を付与して解析デ タとする。その 、外部 書生成 7 によ てステップS 2 が行われる。

００42 6にお て デ タ 登録 との類 を判定する 際には、抽出デ タの 登録 の 記の 文字の 、 な に変換した際の文 文字の 用 て類 ( 数に対する 字 数の )が求められる。 えば、 (ま た 一致して な )～ ( 全 に一致して る)までの 合 を有し、 が予 定された ( えば、8 ) 上であると、外部 6はその 語彙 補として語彙 42によ て提示 43に提示する。 示の例では、ステップS 22 S 24 が 段に相当する。

００43 8 b 示す例では、外部 2 に登録されて るデ タの 記が ウ ィッ カムズトゥ であり、C に登録されて る の 記が ウィッ カムトゥ 等であると、抽出デ タ 一致する C に存在しな ものの、 定によ て、外部 6は、語彙 42に よ て提示 43に語彙 補として ウィッ カムトゥ を提示する。

００44 上のよ に、この 施の 3によれば、外部 器に登録されて るデ タ の 記に一致する 存在しな 場合にお ても、 する 補を提示して ザが語彙 補 ら の 補を選択すると、選択 として辞書に登録す るよ に構成したので、辞書の 度よ することができ、 認識 を低減するこ とができる 果がある。

上の利用 ， 上のよ に、この 明に係る音声認識 、外部 器に応じて効率的に 音声認識を行 ことのできるので、例えば 帯電話機 で用 られる音声認識 置 に用 るのに適して る。

Claims

求の

声認識 書を参照して人力 声を 声認識して音声認識 果を出 する音声 認識 置にお て、

外部 器が接続され 器 らその 別を取得するとともに前記 器に登録されたデ タを取得する外部 得手段と、 前記デ タ ら語彙を抽出語彙として 出し 出語彙を解析して 出語彙 に を付与して解析デ タとする 段と、

前記 別に対応する前記 声認識 書に前記 デ タを 納する 書生成 段とを有し、

前記 器の 前記 声認識 書を備えることを特徴とする音声認、

2 書生成 解析デ タを受けた 器の 別に対応する音声認識 書が存在する 否 を判定する種別 段と、

前記 器の 別に対応する音声認識 書が存在しな と 別に対 応する音声認識 書を新規に作成する 段と、

前記 器の 別に対応する音声認識 書が存在すると 別に対応 する音声認識 書を更新する 新手段とを有することを特徴とする

載の 声認識 。

3 得手段に接続された外部 器の 別を受け、 別に対応する 音声認識 書のみをアクティ とする音声認識 御手段を有することを特徴と する 載の 声認識 。

4 、抽出語彙を解析する際に用 る解析 書と、

前記 出語彙に一致する 前記 書に存在しな と 出語彙に類 似する 前記 書に存在する 否 を判定する類 段とを有 し、

前記 出語彙に類似する 前記 書に存在すると する 語彙 補として提示する 段を備えることを特徴とする 載 の 声認識 。 5 段によ て提示された語彙 補 ら の 補を選択 と して選択する 補選択 段を有し、

語彙 前記 を付与して解析デ タとすることを特徴とする 4 載の 声認識 。