WO2021044569A1

WO2021044569A1 - 音声認識補助装置および音声認識補助方法

Info

Publication number: WO2021044569A1
Application number: PCT/JP2019/034922
Authority: WO
Inventors: 慶太山室
Original assignee: 三菱電機株式会社
Priority date: 2019-09-05
Filing date: 2019-09-05
Publication date: 2021-03-11
Also published as: JP7242873B2; JPWO2021044569A1

Abstract

音声認識装置による特定のキーフレーズの誤検出を抑制することが可能な音声認識補助装置の提供を目的とする。音声認識補助装置は、ユーザが発話した音声に含まれる特定のキーフレーズを検出して音声認識を開始する音声認識装置に対して、特定のキーフレーズを検出するための判定基準を変更する制御を行う。音声認識補助装置は、車両状況情報取得部および判定基準変更部を含む。車両状況情報取得部は、ユーザである車両の搭乗者の口の動きに関する情報、または、車両状態に関する情報を含む車両状況情報を取得する。判定基準変更部は、車両状況情報に基づいて判定基準を変更する制御を、音声認識装置に対して行う。

Description

音声認識補助装置および音声認識補助方法

　本発明は、音声認識補助装置および音声認識補助方法に関する。

　従来、音声認識装置は、ユーザによってスイッチ（H/WキーやS/Wキー）が押下された後に、音声認処理を開始するのが一般的であった。近年では、ユーザによって発話される特定のキーフレーズに基づいて音声認識処理を起動させる音声認識装置が主流である。音声認識処理を起動させるための特定のキーフレーズは、ウェイクアップワードと言われ、例えば、Android（登録商標）の「OK, google（登録商標）」やiPhone（登録商標）の「Hey, Siri（登録商標）」などが知られている。このウェイクアップワードにより、ユーザは特定のキーフレーズを発話するだけで音声認識処理を開始させることができるため、運転中など、手を離すことができない状況や、端末から少し離れた場所からでも、ユーザは手操作なしで音声認識を使用することが可能となった。

特開２０１５－２１９４４０号公報

　他者の会話や周辺の環境音などの騒音が大きい場合、音声認識装置がウェイクアップワードである特定のキーフレーズを誤検出し、想定外のタイミングで音声認識が起動する可能性がある。特に、自動車内での音声認識においては、同乗者との会話または周囲の環境音などが、ユーザによる発話に入り込む可能性が高い。その場合、特定のキーフレーズが誤検出され、ユーザが意図しないタイミングで音声認識が開始する。

　本発明は、以上のような課題を解決するためになされたものであり、音声認識装置による特定のキーフレーズの誤検出を抑制することが可能な音声認識補助装置の提供を目的とする。

　本発明に係る音声認識補助装置は、ユーザが発話した音声に含まれる特定のキーフレーズを検出して音声認識を開始する音声認識装置に対して、特定のキーフレーズを検出するための判定基準を変更する制御を行う。音声認識補助装置は、車両状況情報取得部および判定基準変更部を含む。車両状況情報取得部は、ユーザである車両の搭乗者の口の動きに関する情報、または、車両状態に関する情報を含む車両状況情報を取得する。判定基準変更部は、車両状況情報に基づいて判定基準を変更する制御を、音声認識装置に対して行う。

　本発明によれば、音声認識装置による特定のキーフレーズの誤検出を抑制する音声認識補助装置の提供が可能である。

　本発明の目的、特徴、局面、および利点は、以下の詳細な説明と添付図面とによって、より明白になる。

実施の形態１における音声認識補助装置の構成を示すブロック図である。音声認識補助装置が含む処理回路の構成の一例を示す図である。音声認識補助装置が含む処理回路の構成の別の一例を示す図である。実施の形態１における音声認識補助方法を示すフローチャートである。実施の形態２における音声認識システムおよび音声認識補助装置の構成を示すブロック図である。実施の形態２における音声認識補助方法を示すフローチャートである。実施の形態３における音声認識システムおよび音声認識補助装置の構成を示すブロック図である。実施の形態３における音声認識補助方法を示すフローチャートである。実施の形態４における音声認識システムおよび音声認識補助装置の構成を示すブロック図である。実施の形態５における音声認識システムおよび音声認識補助装置の構成を示すブロック図である。実施の形態５における履歴情報記憶部に記憶される音声認識回数の一例を示す図である。実施の形態５における音声認識補助方法を示すフローチャートである。実施の形態６における音声認識システムおよび音声認識補助装置の構成を示すブロック図である。実施の形態６における音声認識補助方法を示すフローチャートである。実施の形態７における音声認識補助装置およびそれに関連して動作する装置の構成を示すブロック図である。

　＜実施の形態１＞
　図１は、実施の形態１における音声認識補助装置１００の構成を示すブロック図である。

　音声認識補助装置１００に接続される音声認識装置２００は、ユーザが発話した音声を解析し、その音声に含まれる特定のキーフレーズを検出して音声認識を開始する機能を有する。特定のキーフレーズとは、いわゆる、ウェイクアップワードであり、音声認識装置２００に予め登録されている。音声認識装置２００は、その特定のキーフレーズを判定基準に基づいて認識する。例えば、音声認識装置２００は、ユーザの音声と特定のキーフレーズとの一致度または近似度を、判定基準に基づいて判定する。一致度または近似度が判定基準を満たしている場合、音声認識装置２００は、特定のキーフレーズを検出したと判断する。判定基準は、例えば、スコアであってもよいし、「高」、「中」、「低」などの離散的なレベルであってもよい。または、判定基準は、特定のキーフレーズを「認識する」あるいは「認識しない」の二値であってもよい。音声認識装置２００は、特定のキーフレーズを検出した場合、その後に発話される音声に対して音声認識を開始する。

　音声認識補助装置１００は、その音声認識装置２００に対して、特定のキーフレーズを検出するための判定基準を変更する制御を行う。音声認識補助装置１００は、車両状況情報取得部１０および判定基準変更部２０を含む。

　車両状況情報取得部１０は、車両状況情報を取得する。車両状況情報とは、ユーザである車両の搭乗者の口の動きに関する情報、または、車両状態の情報を含む。車両状況情報は、車両に搭載されたセンサー１１０または車載機器１２０によって検出される。車両の搭乗者とは、例えば、ドライバーまたは助手席に座っている者である。

　搭乗者の口の動きに関する情報は、例えば、搭乗者の口の開閉度、または、口の開閉パターンの情報である。車両状態の情報は、車両の窓の開閉状態の情報、車両の位置および時刻の情報、または、車両の乗車人数の情報である。これらの車両状況情報は、音声認識装置２００による音声認識処理の際、音声認識装置２００に入力され得る音の発生要因に関連する情報である。例えば、口が閉じているにも関わらず音声認識装置２００に入力される音は、雑音である可能性が高い。または、窓が開いている状態で音声認識装置２００に入力される音は、車両の外部の騒音である可能性が高い。または、車両の位置と時刻とに基づいて判別される車両の利用シーンによっては、音声認識装置２００に入力される音声がユーザによる発話でない場合がある。または、多数の同乗者がいる場合には、ユーザではない同乗者の音声が音声認識装置２００に入力される可能性が高い。

　判定基準変更部２０は、車両状況情報に基づいて、判定基準を変更する制御を、音声認識装置２００に対して行う。

　図２は、音声認識補助装置１００が含む処理回路９０の構成の一例を示す図である。車両状況情報取得部１０および判定基準変更部２０の各機能は、処理回路９０により実現される。すなわち、処理回路９０は、車両状況情報取得部１０および判定基準変更部２０を有する。

　処理回路９０が専用のハードウェアである場合、処理回路９０は、例えば、単一回路、複合回路、プログラム化されたプロセッサ、並列プログラム化されたプロセッサ、ＡＳＩＣ（Application Specific Integrated Circuit）、ＦＰＧＡ（Field-Programmable Gate Array）、またはこれらを組み合わせた回路等である。車両状況情報取得部１０および判定基準変更部２０の各機能は、複数の処理回路により個別に実現されてもよいし、１つの処理回路によりまとめて実現されてもよい。

　図３は、音声認識補助装置１００が含む処理回路の構成の別の一例を示す図である。処理回路は、プロセッサ９１とメモリ９２とを有する。プロセッサ９１がメモリ９２に格納されるプログラムを実行することにより、車両状況情報取得部１０および判定基準変更部２０の各機能が実現される。例えば、プログラムとして記述されたソフトウェアまたはファームウェアがプロセッサ９１により実行されることにより各機能が実現される。このように、音声認識補助装置１００は、プログラムを格納するメモリ９２と、そのプログラムを実行するプロセッサ９１とを有する。

　プログラムには、音声認識補助装置１００が、ユーザである車両の搭乗者の口の動きに関する情報、または、車両状態の情報を含む車両状況情報を取得し、車両状況情報に基づいて、判定基準を変更する制御を、音声認識装置２００に対して行う機能が記述されている。また、プログラムは、車両状況情報取得部１０および判定基準変更部２０の手順または方法をコンピュータに実行させるものである。

　プロセッサ９１は、例えば、ＣＰＵ（Central Processing Unit）、演算装置、マイクロプロセッサ、マイクロコンピュータ、ＤＳＰ（Digital Signal Processor）等である。メモリ９２は、例えば、ＲＡＭ（Random Access Memory）、ＲＯＭ（Read Only Memory）、フラッシュメモリ、ＥＰＲＯＭ（Erasable Programmable Read Only Memory）、ＥＥＰＲＯＭ（Electrically Erasable Programmable Read Only Memory）等の、不揮発性または揮発性の半導体メモリである。または、メモリ９２は、磁気ディスク、フレキシブルディスク、光ディスク、コンパクトディスク、ミニディスク、ＤＶＤ等、今後使用されるあらゆる記憶媒体であってもよい。

　上述した車両状況情報取得部１０および判定基準変更部２０の各機能は、一部が専用のハードウェアによって実現され、他の一部がソフトウェアまたはファームウェアにより実現されてもよい。このように、処理回路は、ハードウェア、ソフトウェア、ファームウェア、またはこれらの組み合わせによって、上述の各機能を実現する。

　図４は、実施の形態１における音声認識補助方法を示すフローチャートである。

　ステップＳ１にて、車両状況情報取得部１０は、車両状況情報を取得する。

　ステップＳ２にて、判定基準変更部２０は、車両状況情報に基づいて、判定基準を変更する制御を、音声認識装置２００に対して行う。

　その後、音声認識装置２００は、音声認識補助装置１００にて変更された判定基準に基づいて、搭乗者が発話した音声に含まれる特定のキーフレーズを検出する。特定のキーフレーズを検出した場合には、音声認識装置２００は音声認識を開始する。

　以上をまとめると、実施の形態１における音声認識補助装置１００は、ユーザが発話した音声に含まれる特定のキーフレーズを検出して音声認識を開始する音声認識装置２００に対して、特定のキーフレーズを検出するための判定基準を変更する制御を行う。音声認識補助装置１００は、車両状況情報取得部１０および判定基準変更部２０を含む。車両状況情報取得部１０は、ユーザである車両の搭乗者の口の動きに関する情報、または、車両状態に関する情報を含む車両状況情報を取得する。判定基準変更部２０は、車両状況情報に基づいて判定基準を変更する制御を、音声認識装置２００に対して行う。

　このような音声認識補助装置１００は、音声認識装置２００による特定のキーフレーズの判定動作を補助し、その特定のキーフレーズの誤検出を抑制する。

　また、実施の形態１における音声認識補助方法は、ユーザが発話した音声に含まれる特定のキーフレーズを検出して音声認識を開始する音声認識装置２００に対して、特定のキーフレーズを検出するための判定基準を変更する制御を行う。音声認識補助方法は、ユーザである車両の搭乗者の口の動きに関する情報、または、車両状態に関する情報を含む車両状況情報を取得し、車両状況情報に基づいて判定基準を変更する制御を、音声認識装置２００に対して行う。

　このような音声認識補助方法は、音声認識装置２００による特定のキーフレーズの判定動作を補助し、その特定のキーフレーズの誤検出を抑制する。

　＜実施の形態２＞
　実施の形態２における音声認識補助装置および音声認識補助方法を説明する。実施の形態２は実施の形態１の下位概念であり、実施の形態２における音声認識補助装置は、実施の形態１における音声認識補助装置１００の各構成を含む。なお、実施の形態１と同様の構成および動作については説明を省略する。

　図５は、実施の形態２における音声認識システム３０１および音声認識補助装置１０１の構成を示すブロック図である。音声認識システム３０１は音声認識補助装置１０１および音声認識装置２００を含む。

　音声認識補助装置１０１は、車両状況情報取得部１０Ａ、車両状況判定部３０および判定基準変更部２０を含む。

　車両状況情報取得部１０Ａは、搭乗者情報取得部１１を含む。搭乗者情報取得部１１は、車両に設けられたカメラ等のセンサー１１０によって検出される車両状況情報のうち、搭乗者の状態に関する情報を、逐次取得する。実施の形態２における搭乗者情報取得部１１は、開口度情報取得部１１Ａ、視線情報取得部１１Ｂおよび顔向き情報取得部１１Ｃを含む。

　開口度情報取得部１１Ａは、搭乗者の状態に関する情報として、搭乗者の口の開閉度合い、または口の開閉パターンを示す開口度情報を取得する。開閉パターンとは、口の開閉度合いおよび開口形状の時系列変化である。視線情報取得部１１Ｂは、搭乗者の状態に関する情報として、搭乗者の視線情報を取得する。顔向き情報取得部１１Ｃは、搭乗者の状態に関する情報として、搭乗者の顔向き情報を取得する。これら開口度情報、視線情報および顔向き情報は、例えば、カメラによって取得される搭乗者の顔画像を解析することによって検出される。

　車両状況判定部３０は、車両状況情報に基づき、搭乗者の状態を判定する。例えば、車両状況判定部３０は、（Ａ）搭乗者が口を閉じている状態、（Ｂ）搭乗者が口を開けている状態、（Ｃ）搭乗者が口を開けており、かつ、操作画面に視線を向けている状態、（Ｄ）搭乗者が口を開けており、かつ、操作画面に顔および視線の両方を向けている状態、を判定する。

　判定基準変更部２０は、搭乗者の状態に基づいて、判定基準を変更する制御を、逐次、音声認識装置２００に対して行う。例えば、判定基準変更部２０は、搭乗者の状態に基づいて既存の判定基準を変更し、変更された判定基準を後述する音声認識装置２００のキーフレーズ判定部２２０に出力する。または、判定基準変更部２０は、搭乗者の状態に基づいて、音声認識装置２００に対し判定基準を変更するよう指令を出力してもよい。その場合、後述する音声認識装置２００のキーフレーズ判定部２２０がその指令に従い、判定基準を変更する。

　判定基準変更部２０は、例えば、上記の（Ａ）→（Ｂ）→（Ｃ）→（Ｄ）の順に、音声認識装置２００が特定のキーフレーズを認識しにくくなるよう、判定基準を変更する。搭乗者の状態が（Ａ）の状態である場合、判定基準変更部２０は、判定基準を上げる。その結果、音声認識装置２００は特定のキーフレーズを認識しにくくなる。または、搭乗者の状態が（Ｄ）の状態である場合、判定基準変更部２０は、判定基準を下げる。その結果、音声認識装置２００は特定のキーフレーズを認識しやすくなる。

　車両状況情報取得部１０Ａ、車両状況判定部３０および判定基準変更部２０の機能は、図２または図３に示される処理回路によって実現される。

　音声認識装置２００は、音声取得部２１０、キーフレーズ判定部２２０、音声認識起動部２３０および音声認識部２４０を含む。

　音声取得部２１０は、車両内のマイク１３０が検出する搭乗者の音声を取得する。

　キーフレーズ判定部２２０は、ユーザが発話した音声を解析し、その音声と特定のキーフレーズとの一致度を、判定基準に基づいて判定する。特定のキーフレーズは、音声認識装置２００に予め登録されている。

　音声認識起動部２３０は、キーフレーズ判定部２２０の判定結果に基づいて、音声認識部２４０の音声認識処理機能を起動させる。

　音声認識部２４０は、その後に搭乗者が発話する音声に対して音声認識処理を行う。

　音声取得部２１０、キーフレーズ判定部２２０、音声認識起動部２３０および音声認識部２４０の機能は、図２または図３に示される処理回路によって実現される。音声認識装置２００の処理回路は、音声認識補助装置１０１の処理回路とは別であってもよいし、一体であってもよい。

　図６は、実施の形態２における音声認識補助方法を示すフローチャートである。ここでは、音声認識補助装置１０１および音声認識装置２００のユーザがドライバーである例を示す。車両状況情報としての搭乗者の状態に関する情報が、ドライバーの状態に関する情報であるか、または同乗者の状態に関する情報であるかは、例えば、搭乗者の状態を検出するカメラが撮影する画像を解析することによって区別可能である。

　ステップＳ１０にて、開口度情報取得部１１Ａは、センサー１１０によって検出されるドライバーの開口度情報を取得する。ここでは、開口度情報取得部１１Ａは、ドライバーの口の開閉度合いを示す開口度情報を取得する。

　ステップＳ２０にて、車両状況判定部３０は、開口度情報に基づいて、口の開閉度合いを判定する。

　ステップＳ３０にて、車両状況判定部３０は、ドライバーの口が開いているか否かを判定する。口が開いていない場合、ステップＳ４０が実行される。口が開いている場合、ステップＳ５０が実行される。

　ステップＳ４０にて、判定基準変更部２０は、判定基準を「高」に変更する。ドライバーの口が開いていない状態で、音声認識装置２００に入力される音声は、ドライバーの発話に基づく音声ではない。判定基準を「高」に変更することで、音声認識装置２００のキーフレーズ判定部２２０は、特定のキーフレーズを認識しにくくなる。次に、ステップＳ１４０が実行される。

　ステップＳ５０にて、視線情報取得部１１Ｂは、センサー１１０によって検出されるドライバーの視線情報を取得する。

　ステップＳ６０にて、車両状況判定部３０は、視線情報に基づいて、視線方向を判定する。

　ステップＳ７０にて、車両状況判定部３０は、ドライバーの視線がカーナビへ向いているか否かを判定する。視線がカーナビへ向いていない場合、ステップＳ８０が実行される。視線がカーナビへ向いている場合、ステップＳ９０が実行される。

　ステップＳ８０にて、判定基準変更部２０は、判定基準を「中」に変更する。この状態は、ドライバーの口が開いているものの、視線がカーナビに向いていない状態である。この状態で音声認識装置２００に入力される音声は、ドライバーの発話に基づく音声である可能性、および、そうではない可能性のいずれもある。そのため、判定基準は「中」に変更される。次に、ステップＳ１４０が実行される。

　ステップＳ９０にて、顔向き情報取得部１１Ｃは、センサー１１０によって検出されるドライバーの顔向き情報を取得する。

　ステップＳ１００にて、車両状況判定部３０は、顔向き情報に基づいて、顔の方向を判定する。

　ステップＳ１１０にて、車両状況判定部３０は、ドライバーの顔がカーナビへ向いているか否かを判定する。顔がカーナビへ向いていない場合、ステップＳ１２０が実行される。顔がカーナビへ向いている場合、ステップＳ１３０が実行される。

　ステップＳ１２０にて、判定基準変更部２０は、判定基準を「低」に変更する。この状態は、ドライバーの口が開いており、かつ、視線がカーナビに向いているものの、顔がカーナビに向いていない状態である。この状態で音声認識装置２００に入力される音声は、ドライバーの発話に基づく音声である可能性が高い。そのため、判定基準は「低」に変更される。これにより、音声認識装置２００のキーフレーズ判定部２２０は、特定のキーフレーズを認識しやすくなる。次に、ステップＳ１４０が実行される。

　ステップＳ１３０にて、判定基準変更部２０は、判定基準を「最低」に変更する。この状態は、ドライバーの口が開いており、かつ、視線および顔がカーナビに向いている状態である。この状態で音声認識装置２００に入力される音声は、ドライバーの発話に基づく音声である可能性が非常に高い。そのため、判定基準は「最低」に変更される。これにより、音声認識装置２００のキーフレーズ判定部２２０は、特定のキーフレーズをより認識しやすくなる。次に、ステップＳ１４０が実行される。

　ステップＳ１４０にて、キーフレーズ判定部２２０は、変更された判定基準に基づいて、ドライバーの音声と特定のキーフレーズとの一致度を判定する。

　その後、ドライバーの音声と特定のキーフレーズとが一致していると判定された場合、音声認識起動部２３０は、音声認識部２４０の音声認識処理機能を起動させる。音声認識部２４０は、その後にドライバーが発話する音声に対して音声認識処理を行う。

　以上をまとめると、実施の形態２における車両状況情報取得部１０Ａは、搭乗者情報取得部１１を含む。搭乗者情報取得部１１は、車両に設けられたセンサー１１０によって検出される車両状況情報のうち、車両の搭乗者の口の動きに関する情報を取得する。搭乗者の口の動きに関する情報は、搭乗者の口の開閉度、または、口の開閉パターンの情報を含む。

　このような音声認識補助装置１０１は、ユーザである搭乗者が音声認識装置２００に対して発話している状況を判断する。音声認識補助装置１０１は、搭乗者が音声認識装置２００に対して発話していると判断した場合、音声認識装置２００が特定のキーフレーズを認識しやすくなるよう、判定基準を変更する。搭乗者が音声認識装置２００に対して発話していないと判断した場合には、音声認識補助装置１０１は、音声認識装置２００が特定のキーフレーズを認識しにくくなるよう、判定基準を変更する。その結果、音声認識装置２００による特定のキーフレーズの誤検出が低減し、ユーザに不快な印象を与えることがなくなる。

　また、このような音声認識システム３０１においては、ユーザが予め誤検出されにくい特定のキーフレーズを選定する必要がない。ユーザが自由に特定のキーフレーズを設定した場合であっても、音声認識システム３０１は正確にその特定のキーフレーズを検出する。このように、音声認識システム３０１は高いユーザビリティを提供する。

　また、特定のキーフレーズの誤検出を避けるため、特定条件下において、その検出を省略して、直接、音声認識を開始する音声認識技術が知られている。例えば、そのような音声認識技術においては、音声対話の終了後の一定時間内の発話であれば特定のキーフレーズを必要とすることなく、音声認識処理が実行される。しかし、特定条件下に限定されるため、ユーザビリティが低い。それに対して、実施の形態２における音声認識補助装置１０１は、誤検出そのものの頻度を低減させるため、幅広い条件下で正確な音声認識処理を可能とする。

　また、音声認識補助装置１０１は、逐次、車両状況情報を取得し、その車両状況情報に基づいて判定基準を変更する制御も、逐次行っている。そのため、音声認識補助装置１０１は、車両状況の急な変化に対しても、正確に判定基準を変更する制御を行うことができ、誤検出を低減させることができる。

　また、音声認識補助装置１０１は、既存の音声認識装置２００に外部装置として取り付けることも可能である。言い換えると、既存の音声認識装置２００に音声認識補助装置１０１を取り付けるだけで、上記の効果を奏する音声認識システム３０１を構築可能である。

　（実施の形態２の変形例１）
　図６のステップＳ１０において、開口度情報取得部１１Ａは、ドライバーの口の開閉度合いを示す開口度情報に代えて、ドライバーの口の開閉パターンを示す開口度情報を取得してもよい。その場合、ステップＳ２０において、車両状況判定部３０は、開口度情報取得部１１Ａにて取得されたドライバーの口の開閉パターンと、特定のキーフレーズが発話される際の口の開閉パターンと、に基づいて、ドライバーの口の開閉度合いおよび開口形状の時系列変化を判定する。特定のキーフレーズが発話される際の口の開閉パターンは、予め音声認識補助装置１０１に登録されている。ステップＳ３０において、車両状況判定部３０は、それら２つの開閉パターンが一致するか否かを判定する。開閉パターンが一致しない場合、ステップＳ４０が実行され、一致している場合、ステップＳ５０が実行される。このような音声認識補助装置１０１も、上記と同様の効果を奏する。

　（実施の形態２の変形例２）
　判定基準は、検出される搭乗者の状態ごとに、すなわち車両状況情報ごとに、予め定められたものであってもよい。その場合、車両状況情報ごとに予め定められた判定基準は、音声認識補助装置１０１または音声認識装置２００に記憶されている。

　または、判定基準は、ユーザの操作により任意に設定可能であってもよい。例えば、上記（Ａ）または（Ｂ）の場合、音声認識装置２００が特定のキーフレーズを認識しないような判定基準に設定可能である。また（Ｃ）の場合、音声認識装置２００が特定のキーフレーズを認識しにくいような判定基準に設定可能である。また（Ｄ）の場合、音声認識装置２００が特定のキーフレーズを認識しやすいような判定基準に設定可能である。

　また、上記の実施の形態２にける判定基準変更部２０は、開口度情報、視線情報および顔向き情報の全てに基づいて、判定基準を変更する制御を行ったが、いずれか１つの情報に基づいて上記制御を行ってもよい。例えば、判定基準変更部２０は、車両に設けられたセンサー１１０が検出できる情報の組み合わせに基づいて、その制御を行ってもよい。

　＜実施の形態３＞
　実施の形態３における音声認識補助装置および音声認識補助方法を説明する。実施の形態３は実施の形態１の下位概念であり、実施の形態３における音声認識補助装置は、実施の形態１における音声認識補助装置１００の各構成を含む。なお、実施の形態１または２と同様の構成および動作については説明を省略する。

　図７は、実施の形態３における音声認識システム３０２および音声認識補助装置１０２の構成を示すブロック図である。音声認識補助装置１０２は、車両状況情報取得部１０Ｂ、車両状況判定部３０および判定基準変更部２０を含む。

　車両状況情報取得部１０Ｂは、車両情報取得部１２を含む。車両情報取得部１２は、車両に設けられたセンサー１１０または車載機器１２０によって検出される車両状況情報のうち、車両状態に関する情報を、逐次取得する。実施の形態３における車両情報取得部１２は、車載機器情報取得部１２Ａおよび乗車人数情報取得部１２Ｂを含む。

　車載機器情報取得部１２Ａは、車両状態に関する情報として、車両の窓の開閉状態の情報、車両の位置および時刻の情報を取得する。それらの情報は、車載機器１２０によって検出される。乗車人数情報取得部１２Ｂは、車両状態に関する情報として、車両の乗車人数の情報を取得する。車両の乗車人数の情報は、例えば、カメラ等のセンサー１１０によって取得される車内の画像を解析することによって検出される。

　車両状況判定部３０は、車両状況情報に基づき、車両状態を判定する。例えば、車両状況判定部３０は、（Ｅ）窓の開閉状態、（Ｆ）車両の利用シーン（例えば、通勤時の利用、プライベートの利用など）、（Ｇ）同乗者の存否状態、を判定する。なお、車両の利用シーンは、車両の位置および時刻に基づいて判定される。例えば、車両の位置が自宅と勤務地との間であり、時刻が平日の朝である場合、通勤時の利用と判定される。または例えば、車両の位置が自宅とレジャー施設との間であり、時刻が休日の昼間である場合、プライベートの利用と判定される。

　判定基準変更部２０は、車両状態に基づいて、判定基準を変更する制御を、逐次、音声認識装置２００に対して行う。実施の形態３における判定基準は、「認識する」もしくは「認識しない」の二値である。すなわち、音声認識装置２００のキーフレーズ判定部２２０は、判定基準が「認識する」の場合、音声取得部２１０にて取得された音声を解析して特定のキーフレーズを認識するための処理を実行する。判定基準が「認識しない」の場合、キーフレーズ判定部２２０は、その音声を解析して特定のキーフレーズを認識するための処理を実行しない。

　判定基準変更部２０は、例えば、車両の窓が開いている場合、判定基準を「認識しない」に変更する。または、判定基準変更部２０は、車両の窓が閉じている場合、判定基準を「認識する」に変更する。同様に、判定基準変更部２０は、車内に同乗者が存在する場合、判定基準を「認識しない」に変更する。または、判定基準変更部２０は、車内に同乗者が存在しない場合、判定基準を「認識する」に変更する。同様に、判定基準変更部２０は、車両の利用シーンに応じて判定基準を変更する。

　車両状況情報取得部１０Ｂ、車両状況判定部３０および判定基準変更部２０の機能は、図２または図３に示される処理回路によって実現される。

　図８は、実施の形態３における音声認識補助方法を示すフローチャートである。ここでは、音声認識補助装置１０２および音声認識装置２００のユーザがドライバーである例を示す。

　ステップＳ２１０にて、車載機器情報取得部１２Ａは、車載機器１２０によって検出される車両の窓の開閉状態の情報を取得する。

　ステップＳ２２０にて、車両状況判定部３０は、窓の開閉状態を判定する。

　ステップＳ２３０にて、車両状況判定部３０は、窓が閉じているか否かを判定する。窓が開いている場合、ステップＳ２４０が実行される。窓が閉じている場合、ステップＳ２５０が実行される。

　ステップＳ２４０にて、判定基準変更部２０は、判定基準を「認識しない」に変更する。この状態は、車両の窓が開いている状態である。この状態で音声認識装置２００に入力される音声には、ドライバーによる発話以外の音声、例えば、風の音や外部の騒音等が入り込む可能性が高い。判定基準を「認識しない」に変更することで、音声認識装置２００のキーフレーズ判定部２２０は、特定のキーフレーズを認識しなくなる。次に、ステップＳ３４０が実行される。

　ステップＳ２５０にて、車載機器情報取得部１２Ａは、車載機器１２０によって検出される車両の位置および時刻の情報を取得する。

　ステップＳ２６０にて、車両状況判定部３０は、車両の位置および時刻の情報に基づいて、利用シーンを判定する。

　ステップＳ２７０にて、車両状況判定部３０は、プライベートな利用であるか否かを判定する。プライベートな利用である場合、ステップＳ２８０が実行される。プライベートな利用でない場合、ステップＳ２９０が実行される。

　ステップＳ２８０にて、判定基準変更部２０は、判定基準を「認識しない」に変更する。この状態は、車両の窓が閉じており、かつ、プライベートな利用である状態である。この状態で音声認識装置２００に入力される音声には、ドライバーによる発話以外の音声が入り込む可能性が高い。そのため、判定基準は「認識しない」に変更される。次に、ステップＳ３４０が実行される。

　ステップＳ２９０にて、乗車人数情報取得部１２Ｂは、センサー１１０によって検出される乗車人数の情報を取得する。

　ステップＳ３００にて、車両状況判定部３０は、搭乗者の乗車人数を判定する。

　ステップＳ３１０にて、車両状況判定部３０は、乗車人数は２人以上か否かを判定する。乗車人数が２人以上である場合、ステップＳ３２０が実行される。乗車人数が１人である場合、ステップＳ３３０が実行される。

　ステップＳ３２０にて、判定基準変更部２０は、判定基準を「認識しない」に変更する。この状態は、車両の窓が閉じており、プライベートな利用ではなく、かつ、乗車人数が２人以上の状態である。この状態で音声認識装置２００に入力される音声には、ドライバーによる発話以外の音声が入り込む可能性が高い。そのため、判定基準は「認識しない」に変更される。次に、ステップＳ３４０が実行される。

　ステップＳ３３０にて、判定基準変更部２０は、判定基準を「認識する」に変更する。この状態は、車両の窓が閉じており、プライベートな利用ではなく、かつ、乗車人数が１人の状態である。この状態で音声認識装置２００に入力される音声には、ドライバーによる発話以外の音声が入り込む可能性は低い。そのため、判定基準は「認識する」に変更される。これにより、音声認識装置２００のキーフレーズ判定部２２０は、特定のキーフレーズを認識することができる。次に、ステップＳ３４０が実行される。

　ステップＳ３４０にて、キーフレーズ判定部２２０は、変更された判定基準に基づいて、搭乗者の音声と特定のキーフレーズとの一致度を判定する。

　その後、搭乗者の音声と特定のキーフレーズとが一致していると判定された場合、音声認識起動部２３０は、音声認識部２４０の音声認識処理機能を起動させる。音声認識部２４０は、その後に搭乗者が発話する音声に対して音声認識処理を行う。

　以上をまとめると、実施の形態３における車両状況情報取得部１０Ｂは、車両情報取得部１２を含む。車両情報取得部１２は、車両に設けられたセンサー１１０または車載機器１２０によって検出される車両状況情報のうち、車両状態に関する情報を取得する。車両状態の情報は、車両の窓の開閉状態の情報、車両の位置と時刻との情報、または、車両の乗車人数の情報を含む。

　このような音声認識補助装置１０２は、ユーザである搭乗者の発話以外の音声が音声認識装置２００に入り込む可能性の高い状況を判断する。その可能性が高い場合には、音声認識補助装置１０２は、音声認識装置２００が特定のキーフレーズを認識しないように、判定基準を変更する。音声認識補助装置１０２は、ユーザである搭乗者（ドライバー）の音声以外の環境音でキーフレーズが誤検出されることを抑制する。

　（実施の形態３の変形例）
　判定基準変更部２０は、車両の窓の開閉状態の情報、車両の位置および時刻の情報、車両の乗車人数の情報の全てに基づいて、判定基準を変更する制御を行う必要はなく、車両に設けられたセンサー１１０または車載機器１２０が検出できる情報の組み合わせに基づいて、その制御を行ってもよい。

　また、判定基準は、ユーザの操作により任意に設定可能であってもよい。例えば、車両の窓が開いている場合、音声認識装置２００が特定のキーフレーズを認識しないような判定基準に設定可能である。または、通勤中の利用である場合、音声認識装置２００が特定のキーフレーズを認識するような判定基準に設定可能である。または、同乗者が存在する場合、音声認識装置２００が特定のキーフレーズを認識するような判定基準に設定可能である。

　＜実施の形態４＞
　実施の形態４における音声認識補助装置および音声認識補助方法を説明する。実施の形態４は実施の形態１の下位概念であり、実施の形態４における音声認識補助装置は、実施の形態１における音声認識補助装置の各構成を含む。なお、実施の形態１から３のいずれかと同様の構成および動作については説明を省略する。

　図９は、実施の形態４における音声認識システム３０３および音声認識補助装置１０３の構成を示すブロック図である。車両状況情報取得部１０Ｃは、実施の形態１に示される搭乗者情報取得部１１および実施の形態３に示される車両情報取得部１２の両方を含む。

　車両状況判定部３０は、搭乗者の状態に関する情報および車両状態に関する情報を組み合わせて、搭乗者の状態および車両状態を判定する。

　判定基準変更部２０は、車両状況判定部３０の判定結果に基づいて、判定基準を変更する制御を、音声認識装置２００に対して行う。

　このような音声認識補助装置１０３は、より的確に特定のキーフレーズの誤検出を抑制する。

　＜実施の形態５＞
　実施の形態５における音声認識補助装置および音声認識補助方法を説明する。実施の形態５は実施の形態１の下位概念であり、実施の形態５における音声認識補助装置は、実施の形態１における音声認識補助装置１００の各構成を含む。なお、実施の形態１から４のいずれかと同様の構成および動作については説明を省略する。

　図１０は、実施の形態５における音声認識システム３０４および音声認識補助装置１０４の構成を示すブロック図である。音声認識補助装置１０４は、車両状況情報取得部１０Ｃ、車両状況判定部３０、判定基準変更部２０および履歴情報記憶部４０を含む。

　車両状況情報取得部１０Ｃは、実施の形態１に示される搭乗者情報取得部１１および実施の形態３に示される車両情報取得部１２の両方を含む。

　判定基準変更部２０は、車両状況判定部３０の判定結果に基づいて、すなわち搭乗者の状態および車両状態に基づいて判定基準を変更する制御を、音声認識装置２００に対して行う。

　履歴情報記憶部４０は、車両状況情報取得部１０Ｃにて取得された搭乗者の状態および車両状態の情報ごとに、つまり車両状況情報ごとに、音声認識装置２００による音声認識回数を記憶している。ここで音声認識回数とは、音声認識装置２００が判定基準変更部２０にて変更された判定基準に基づいて、特定のキーフレーズを検出した後、搭乗者の音声に対して音声認識を開始した回数である。図１１は、実施の形態５における履歴情報記憶部４０に記憶される音声認識回数の一例を示す図である。

　履歴情報記憶部４０は、音声認識装置２００のキーフレーズ判定部２２０が特定のキーフレーズを検出した後、搭乗者が続けて発話した場合、音声認識回数をプラスする。一方で、履歴情報記憶部４０は、キーフレーズ判定部２２０が特定のキーフレーズを検出した後、搭乗者が続けて発話しなかった場合、または、音声認識処理を終了させる内容を発話した場合、音声認識回数をマイナスする。

　実施の形態４における判定基準変更部２０は、履歴情報記憶部４０に記憶されている音声認識回数のうち、車両状況情報取得部１０Ｃで取得された車両状況情報に対応する音声認識回数が予め定められた回数以上である場合に、判定基準を緩和する。

　これら車両状況情報取得部１０Ｃ、車両状況判定部３０、判定基準変更部２０および履歴情報記憶部４０の機能は、図２または図３に示される処理回路によって実現される。

　図１２は、実施の形態５における音声認識補助方法を示すフローチャートである。このフローチャートは、音声認識装置２００のキーフレーズ判定部２２０が特定のキーフレーズを検出した後の音声認識システム３０４の動作を示している。ここでは、音声認識補助装置１０２および音声認識装置２００のユーザがドライバーである例を示す。

　ステップＳ４１０にて、音声認識起動部２３０は、音声認識部２４０の音声認識処理機能を起動させる。

　ステップＳ４２０にて、音声認識部２４０は、ドライバーの音声を認識したか否かを判定する。ドライバーの音声が認識されなかった場合、ステップＳ４３０が実行される。ドライバーの音声が認識された場合、ステップＳ４６０が実行される。

　ステップＳ４３０にて、音声認識部２４０は、履歴情報記憶部４０に音声認識回数をマイナスするよう通知する。

　ステップＳ４４０にて、履歴情報記憶部４０は、音声認識部２４０による音声認識時の車両状況情報を車両状況判定部３０から取得する。

　ステップＳ４５０にて、履歴情報記憶部４０は、車両状況情報に対応する音声認識回数をマイナスする。次に、ステップＳ５００が実行される。

　ステップＳ４６０にて、音声認識部２４０は、音声認識処理を終了させる発話を認識したか否かを判定する。音声認識処理を終了させる発話が認識された場合、ステップＳ４３０が実行される。音声認識処理を終了させる発話が認識されなかった場合、ステップＳ４７０が実行される。

　ステップＳ４７０にて、音声認識部２４０は、履歴情報記憶部４０に音声認識回数をプラスするよう通知する。

　ステップＳ４８０にて、履歴情報記憶部４０は、音声認識部２４０による音声認識時の車両状況情報を車両状況判定部３０から取得する。

　ステップＳ４９０にて、履歴情報記憶部４０は、車両状況情報に対応する音声認識回数をプラスする。次に、ステップＳ５００が実行される。

　ステップＳ５００にて、判定基準変更部２０は、現在の車両状況情報に対応する音声認識回数が予め定められた第１基準値を超えたか否かを判定する。音声認識回数が予め定められた第１基準値を超えていない場合、ステップＳ５１０が実行される。予め定められた第１基準値を超えている場合、ステップＳ５２０が実行される。

　ステップＳ５１０にて、判定基準変更部２０は、現在の車両状況情報に対応する音声認識回数が予め定められた第２基準値を割ったか否かを判定する。音声認識回数が予め定められた第２基準値を割った場合、ステップＳ５２０が実行される。予め定められた第２基準値を割っていない場合、音声認識補助方法は終了する。

　ステップＳ５２０にて、判定基準変更部２０は、判定基準を強化する。これにより、音声認識装置２００のキーフレーズ判定部２２０は、特定のキーフレーズを認識しにくくなる。

　ステップＳ５３０にて、判定基準変更部２０は、判定基準を緩和する。これにより、音声認識装置２００のキーフレーズ判定部２２０は、特定のキーフレーズを認識しやすくなる。

　以上で音声認識方法は終了する。

　以上をまとめると、実施の形態５における音声認識補助装置１０４は、履歴情報記憶部４０を含む。履歴情報記憶部４０は、音声認識回数を、車両状況情報取得部１０Ｃにて取得された車両状況情報ごとに記憶している。音声認識回数とは、音声認識装置２００が判定基準に基づいて特定のキーフレーズを検出した後に搭乗者が続けて発話した音声に対して音声認識を開始した回数である。判定基準変更部２０は、履歴情報記憶部４０に記憶されている音声認識回数のうち、車両状況情報取得部１０Ｃで取得された車両状況情報に対応する音声認識回数が予め定められた回数以上である場合に、判定基準を緩和する。

　このような音声認識補助装置１０４は、音声認識装置２００が特定のキーフレーズを誤検出しないよう判定基準を正確に変更する。

　＜実施の形態６＞
　実施の形態６における音声認識補助装置および音声認識補助方法を説明する。実施の形態６は実施の形態１の下位概念であり、実施の形態６における音声認識補助装置は、実施の形態１における音声認識補助装置１００の各構成を含む。なお、実施の形態１から５のいずれかと同様の構成および動作については説明を省略する。

　図１３は、実施の形態６における音声認識システム３０５および音声認識補助装置１０５の構成を示すブロック図である。音声認識補助装置１０５は、車両状況情報取得部１０Ｃ、車両状況判定部３０、判定基準変更部２０およびキーフレーズ省略判定部５０を含む。

　キーフレーズ省略判定部５０は、車両状況情報に基づいて、特定のキーフレーズの検出を省略して音声認識を開始する制御を、音声認識装置２００に対して行う。言い換えると、音声認識システム３０５は、車両状況が特定の状態である場合、特定のキーフレーズの検出を省略して音声認識を開始する。特定の状態とは、例えば、搭乗者の口が開いている状態、車両の窓が閉じている状態、または、同乗者がいない状態である。

　キーフレーズ省略判定部５０は、車両状況が特定の状態である場合、キーフレーズ判定部２２０に対し、特定のキーフレーズの検出を省略する制御を行う。さらに、キーフレーズ省略判定部５０は、音声認識起動部２３０に対し、特定のキーフレーズの検出を待つことなく、音声認識部２４０の音声認識処理機能を起動させる制御を行う。

　車両状況情報取得部１０Ｃ、車両状況判定部３０および判定基準変更部２０の機能は、他の実施の形態と同様である。これら車両状況情報取得部１０Ｃ、車両状況判定部３０、判定基準変更部２０およびキーフレーズ省略判定部５０の機能は、図２または図３に示される処理回路によって実現される。

　図１４は、実施の形態６における音声認識補助方法を示すフローチャートである。

　ステップＳ６１０にて、車両状況情報取得部１０Ｃは、車両状況情報を取得する。このステップＳ６１０は、例えば、図６に示されるステップＳ１０，Ｓ５０またはＳ９０に対応する。または、図８に示されるＳ２１０，Ｓ２５０，Ｓ２９０に対応する。

　ステップＳ６２０にて、車両状況判定部３０は、車両状況を判定する。このステップＳ６２０は、例えば、図６に示されるステップＳ２０，Ｓ６０またはＳ１００に対応する。または、図８に示されるＳ２２０，Ｓ２６０，Ｓ３００に対応する。実施の形態６においては、車両状況判定部３０が車両状況を判定したあと、判定基準変更部２０の機能およびキーフレーズ省略判定部５０の機能の両方が実行される。判定基準変更部２０の機能は、他の実施の形態と同様であるため説明を省略する。

　ステップＳ６３０にて、キーフレーズ省略判定部５０は、車両状況が特定の状態であるか否かを判定する。特定の状態でないと判定された場合、音声認識補助方法は終了する。特定の状態であると判定された場合、ステップＳ６４０が実行される。

　ステップＳ６４０にて、キーフレーズ省略判定部５０は、特定のキーフレーズの検出を省略して音声認識を開始する制御を、音声認識装置２００に対して行う。ここでは、キーフレーズ省略判定部５０は、キーフレーズ判定部２２０に対し、特定のキーフレーズの検出を省略する制御を行う。さらに、キーフレーズ省略判定部５０は、音声認識起動部２３０に対し、特定のキーフレーズの検出を待つことなく、音声認識部２４０の音声認識処理機能を起動させる制御を行う。

　その後、音声認識部２４０は、搭乗者が発話する音声に対して音声認識処理を行う。

　以上をまとめると、実施の形態６における音声認識補助装置１０５は、キーフレーズ省略判定部５０を含む。キーフレーズ省略判定部５０は、車両状況情報に基づいて、前記特定のキーフレーズの検出を省略して前記音声認識を開始する制御を、前記音声認識装置２００に対して行う。

　このような音声認識補助装置１０５は、特定のキーフレーズの検出を省略することができる。

　＜実施の形態７＞
　以上の各実施の形態に示された音声認識補助装置は、ナビゲーション装置と、通信端末と、サーバと、これらにインストールされるアプリケーションの機能とを適宜に組み合わせて構築されるシステムにも適用することができる。ここで、ナビゲーション装置とは、例えば、ＰＮＤ（Portable Navigation Device）などを含む。通信端末とは、例えば、携帯電話、スマートフォンおよびタブレットなどの携帯端末を含む。

　図１５は、実施の形態７における音声認識補助装置１００およびそれに関連して動作する装置の構成を示すブロック図である。

　音声認識補助装置１００、音声認識装置２００および通信装置１６０がサーバ４００に設けられている。音声認識補助装置１００は、車両１に設けられたセンサー１１０または車載機器１２０から通信装置１４０および通信装置１６０を介して車両状況情報を取得する。音声認識補助装置１００は、車両状況情報に基づいて判定基準を変更する制御を音声認識装置２００に対して行う。音声認識装置２００は、車両１に設けられたマイク１３０にて取得される音声に対して音声認識処理を行い、車両１に設けられたスピーカ１５０に、各通信装置を介して応答を出力する。

　このように、音声認識補助装置１００がサーバ４００に配置されることにより、車載装置の構成を簡素化することができる。

　また、音声認識補助装置１００の機能あるいは構成要素の一部がサーバ４００に設けられ、他の一部が車両１に設けられるなど、分散して配置されてもよい。

　なお、本発明は、その発明の範囲内において、各実施の形態を自由に組み合わせたり、各実施の形態を適宜、変形、省略したりすることが可能である。

　本発明は詳細に説明されたが、上記した説明は、全ての局面において、例示であって、本発明がそれに限定されるものではない。例示されていない無数の変形例が、この発明の範囲から外れることなく想定され得るものと解される。

　１　車両、１０　車両状況情報取得部、１１　搭乗者情報取得部、１１Ａ　開口度情報取得部、１１Ｂ　視線情報取得部、１１Ｃ　顔向き情報取得部、１２　車両情報取得部、１２Ａ　車載機器情報取得部、１２Ｂ　乗車人数情報取得部、２０　判定基準変更部、３０　車両状況判定部、４０　履歴情報記憶部、５０　キーフレーズ省略判定部、１００　音声認識補助装置、１１０　センサー、１２０　車載機器、２００　音声認識装置、３００　音声認識システム。

Claims

　ユーザが発話した音声に含まれる特定のキーフレーズを検出して音声認識を開始する音声認識装置に対して、前記特定のキーフレーズを検出するための判定基準を変更する制御を行う音声認識補助装置であって、
　前記ユーザである車両の搭乗者の口の動きに関する情報、または、車両状態に関する情報を含む車両状況情報を取得する車両状況情報取得部と、
　前記車両状況情報に基づいて前記判定基準を変更する制御を、前記音声認識装置に対して行う判定基準変更部と、を備える音声認識補助装置。
　前記車両状況情報取得部は、
　前記車両に設けられたセンサーによって検出される前記車両状況情報のうち、前記車両の前記搭乗者の前記口の動きに関する前記情報を取得する搭乗者情報取得部を含み、
　前記搭乗者の前記口の動きに関する前記情報は、前記搭乗者の前記口の開閉度、または、前記口の開閉パターンの情報を含む、請求項１に記載の音声認識補助装置。
　前記車両状況情報取得部は、
　前記車両に設けられたセンサーまたは車載機器によって検出される前記車両状況情報のうち、前記車両状態に関する前記情報を取得する車両情報取得部を含み、
　前記車両状態の前記情報は、前記車両の窓の開閉状態の情報、前記車両の位置と時刻との情報、または、前記車両の乗車人数の情報を含む、請求項１に記載の音声認識補助装置。
　前記音声認識装置が前記判定基準に基づいて前記特定のキーフレーズを検出した後に前記搭乗者が続けて発話した前記音声に対して前記音声認識を開始した回数である音声認識回数を、前記車両状況情報取得部にて取得された前記車両状況情報ごとに記憶する履歴情報記憶部をさらに備え、
　前記判定基準変更部は、
　前記履歴情報記憶部に記憶されている前記音声認識回数のうち、前記車両状況情報取得部で取得された前記車両状況情報に対応する前記音声認識回数が予め定められた回数以上である場合に、前記判定基準を緩和する、請求項１に記載の音声認識補助装置。
　前記車両状況情報に基づいて、前記特定のキーフレーズの検出を省略して前記音声認識を開始する制御を、前記音声認識装置に対して行うキーフレーズ省略判定部をさらに備える、請求項１に記載の音声認識補助装置。
　ユーザが発話した音声に含まれる特定のキーフレーズを検出して音声認識を開始する音声認識装置に対して、前記特定のキーフレーズを検出するための判定基準を変更する制御を行う音声認識補助方法であって、
　前記ユーザである車両の搭乗者の口の動きに関する情報、または、車両状態に関する情報を含む車両状況情報を取得し、
　前記車両状況情報に基づいて前記判定基準を変更する制御を、前記音声認識装置に対して行う、音声認識補助方法。