JP2000322086A

JP2000322086A - 音声認識装置

Info

Publication number: JP2000322086A
Application number: JP11125751A
Authority: JP
Inventors: Kei Honda; 形本田; Kimio Kakurai; 喜三雄角頼; Shigeki Yamamoto; 茂樹山本; Masaru Sasaki; 大佐々木
Original assignee: Sony Corp
Current assignee: Sony Corp
Priority date: 1999-05-06
Filing date: 1999-05-06
Publication date: 2000-11-24

Abstract

(57)【要約】【課題】入力し音声に対応させたモニタ上のキャラクタ
の表示を特異な状態に動的表示させるようにして、音声
認識したことを視認により容易に解るようにした音声認
識装置を提供する。【解決手段】マイクから入力する音声信号を解読して認
識し、この認識した音声信号に基づいて所定の電子機器
の制御を行うことができる音声認識変換手段と、少なく
とも、放送番組の内容を知ることができるデータをモニ
タに出力制御する再生処理手段とからなり、再生処理手
段は、前記電子機器の制御の変化に対応した表示デー
タ、例えばキャラクタ、文字データを、動的にモニタ表
示させる機能を備えていることである。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は、音声認識装置に関
するものであり、詳しくは入力した音声に対応させて特
異のキャラクタを表示する補助表示機能を備えた音声認
識装置に関する。

【０００２】

【従来の技術】従来の音声認識装置において、音声認識
したことの認識率を上げる手法として、認識するための
語句を工夫したり、言語に基づいた辞書を細分化するよ
うにして認識度を高めるようにしている。又、キャラク
タと組み合せた音声認識装置も存在し、認識した音声に
基づいてキャラクタに一定の行為をさせるようにしたも
のが周知である。

【０００３】

【発明が解決しようとする課題】しかしながら、従来技
術での音声認識装置は、音声認識の認識率を上げるもの
として言語や語句の工夫をしたものであり、又、キャラ
クタを使用した場合でも音声認識に基づいて一定の行為
をさせるところに工夫が施されており、音声を認識した
時に何らかの視認による確認が容易にできるような工夫
がなされているものではなく、実際の音声入力により音
声認識がなされたか否かがきめ細かく確認できないとい
う問題がある。

【０００４】従って、音声を認識する機能が動作してい
る時に、モニタ上で音声認識を確認できる補助表示につ
いて解決しなければならない課題を有している。

【０００５】

【課題を解決するための手段】上記課題を解決するため
に、本発明に係る音声認識装置は、マイクから入力する
音声信号を解読して認識し、該認識した音声信号に基づ
いて所定の電子機器の制御を行うことができる音声認識
変換手段と、少なくとも、放送番組の内容を知ることが
できるデータをモニタに出力制御する再生処理手段とか
らなり、前記再生処理手段は、前記電子機器の制御に対
応した表示データを、動的にモニタ表示させる機能を備
えていることである。

【０００６】又、前記表示データは、キャラクタ及び又
は文字データであること；前記音声認識変換手段には、
前記認識した音声信号に応答する合成音声を作成して出
力する機能を備えていること；前記応答する合成音声
は、予め音声信号に符合させて作成されている音声辞書
データの中から選択して作成すること；前記表示データ
は、前記音声認識変換手段で生成する合成音声に対応さ
せて予め作成しておき、該作成してあるデータの中から
選択すること；前記表示データの動的モニタ表示は、キ
ャラクタの表情と動きとのデータで作成してあることで
ある。

【０００７】このように、音声認識に伴った所定の動き
をするようにした表示データ（キャラクタ）をモニタ上
に表示するようにすると、キャラクタの動きを見て音声
認識の判別ができるようになり補助表示としての機能を
持たせることができると共に誤認識を減少させることが
可能になる。

【０００８】

【発明の実施の形態】次に、本発明に係る音声認識装置
の実施の形態について図面を参照して説明する。

【０００９】本発明に係る音声認識装置は、図１に示す
ように、モニタ１１を備えた電子機器１２に組み込まれ
て構成されているものであり、認識した音声信号に基づ
いて電子機器１２の制御を行うことができる音声認識変
換手段である音声認識変換部１３と、少なくとも放送番
組の内容を知ることができるデータをモニタに出力制御
する再生処理手段である再生処理部１４とから構成され
ている。

【００１０】音声認識変換部１３は、音声を入力するマ
イク１５と、このマイク１５で得られた音声信号を増幅
する音声入力用増幅器１６と、増幅された音声信号を解
読すると共に合成音を作成するか否かの制御等をする音
声処理用マイクロプロセッサ１７と、入力した音声信号
に対する応答用の音声信号に符合させて作成されている
音声辞書データ、即ち、音声辞書データ部１８と、音声
処理用マイクロプロセッサ１７で作成された合成音信号
を増幅する合成音再生用増幅器１９と、この合成音再生
用増幅器１９で増幅された合成音を発生させるためのス
ピーカ２０とからなる。

【００１１】再生処理部１４は、電子機器１２の制御に
対応した表示データを、動的にモニタ表示させる機能を
備えており、音声認識変換部１３で認識された音声信号
に基づいて所定の表示データをモニタ１１上に表示する
ように制御する再生処理用マイクロプロセッサ２１と、
音声処理用マイクロプロセッサ１７で認識した音声信号
を一時蓄積するためのメモリ２２と、認識した音声信号
に対応した種々のキャラクタの表情と動きとのデータで
作成されている表示データからなる表示データ部２３
と、この表示データ部２３の中から選択された表示デー
タ、例えば、特定のキャラクタ３０を動的に順次表示す
るように編集する表示ＩＣ部２４と、この表示ＩＣ部２
４により編集されたキャラクタ３０を映像信号として電
子機器１２のモニタ１１に映し出すビデオＩＣ部２５と
から構成されている。

【００１２】このような構成における音声認識装置につ
いて、先ず、音声を入力してモニタ１１にキャャラクタ
３０を動的に変化させて順次表示させるための動作につ
いて、図２のフローチャートに基づいて以下説明する。

【００１３】先ず、音声が入力される前において、ガイ
ド役のキャラクタ３０が存在している音声辞書データ
と、キャラクタ３０が存在していない音声辞書データと
の辞書の切り換えを行う（ステップＳＴ１１、ＳＴ１
２、ＳＴ１３）。これは、キャラクタ３０が存在してい
る場合には、音声辞書データとキャラクタ３０を表示さ
せるための表示データとの関連付けを行う必要があるか
らである。

【００１４】このような状態において、音声入力による
指示があった場合には、先ず、音声入力した音声信号の
解読及び認識を行う（ステップＳＴ１４）。具体的に
は、音声処理用マイクロプロセッサ１７が「音量を小さ
く！！」、「今、何時！！」等の言葉を認識することで
ある。このような言葉、即ち、音声による入力指示があ
った入力音声信号を認識すると、この認識した音声信号
が返答を要する言葉であるか、又は、電子機器１２の制
御、即ち、具体的に電子機器１２の操作をする言葉（状
態変化ともいう）であるか、又は、電子機器１２の制御
を行うと共に返答も要する言葉であるかの判断をする。

【００１５】具体的には、「音量を小さく！！」の言葉
であれば電子機器１２の音量を小さくする制御をする言
葉であると共に「音量を小さくしました！！」という言
葉が応答する合成音声であり、音声入力指示が「今、何
時！！」の言葉であれば、「今は、午後２時です！！」
という応答のみの合成音声を作成すればよい。この応答
する合成音声が必要か否かは任意に設定変更することが
できるようになっている。例えば、上述の「音量を小さ
く！！」であれば電子機器１２を音量を小さくする制御
のみを行うようにして、応答はしないで、且つモニタ１
１にキャラクタ３０を表示させるようにしてもよい（図
１参照）。

【００１６】ここで、音声入力指示の「音量を小さく！
！」等により電子機器１２の制御を行い、且つモニタ１
１に表示するキャラクタ２５の変更を行うために表示デ
ータの変更を行う（ステップＳＴ１６）。尚、音声入力
指示が「今、何時！！」等による電子機器１２の制御を
行う必要がなく応答のみを必要な場合でも表示データの
変更を行って、所望のキャラクタ３０をモニタ１１へ表
示することもできる。

【００１７】次に、電子機器１２の制御を行うに伴っ
て、表示データ部２３から表示データを選択すると共
に、応答するための音声辞書データの変更を行う（ステ
ップＳＴ１７）。具体的には、音声指示入力が「音量を
小さく！！」である場合には、これを認識した音声信号
に対しては、「音量を小さくしました！！」という応答
用の音声辞書データを選択する。そして、この「音量を
小さくしました！！」という応答用の合成音声用の音声
辞書データに関連付けされた表示データのキャラクタ３
０が表示データ部２３から選択される。

【００１８】そして、応答すべき音声辞書データが選ば
れると、次に、この音声辞書データに基づく音声合成の
処理がなされ、スピーカ２０から合成音声（「音量を小
さくしました！！」）が出力される。同時に、この合成
音声の出力状態に伴って選択された表示データに基づく
キャラクタ３０がモニタ１１上に音量が小さくなったこ
とを知らせるための特異な或いは突飛な表示変化を持っ
て動的表示される。この特異の変化を持ったキャラクタ
３０の動的表示は、予め関連付けされている複数の表示
データを選択しておき、順次表示するようにすればよ
い。又、表示データはキャラクタ３０に限定されること
なく、文字データであってもよく、要は音声入力指示に
対して視覚により認識し易いもの全てが含まれる。

【００１９】このようにして、音声入力指示に対して、
その指示の伴う電子機器１２の制御を行うと共に、実際
に電子機器１２の制御をしたことの応答をする。そし
て、その制御を行った時にモニタ１１に表示するキャラ
クタ３０を動的にモニタ表示させるようにすると、音声
指示による確認が視覚により認識できるため、誤認識等
を減少させ、且つ常時認識率の高い状態を維持できるよ
うになるのである。

【００２０】

【発明の効果】以上説明したように、本発明に係る音声
認識システムは、マイクから入力した音声信号に基づい
て電子機器の制御をする際に、その制御態様をモニタに
キャラクタ等を動的にモニタ表示させて認識し易くした
ことにより、音声による操作指示が視覚により認識し易
くなり、誤認識率を減少させ、認識率を高度に維持させ
ることができるという効果がある。

【図面の簡単な説明】

【図１】本発明に係る音声認識システムの構成を示すブ
ロック図である。

【図２】同音声入力する際のフローチャートである。

【符号の説明】

１１；モニタ、１２；電子機器、１３；音声認識変換
部、１４；再生処理部、１５；マイク、１６；音声入力
用増幅部、１７；音声処理要マイクロプロセッサ、１
８；音声辞書データ部、１９；合成音再生用増幅器、２
０；スピーカ、２１；再生処理用マイクロプロセッサ、
２２；メモリ、２３；表示データ部、２４；表示ＩＣ
部、２５；ビデオＩＣ部、３０；キャラクタ

───────────────────────────────────────────────────── フロントページの続き (72)発明者山本茂樹東京都品川区北品川６丁目７番35号ソニー株式会社内 (72)発明者佐々木大東京都港区赤坂七丁目１番１号株式会社ソニー・コンピュータエンタテインメント内Ｆターム(参考） 5C025 AA29 BA27 CA09 CA18 5D015 KK01 KK04 LL05 LL06 9A001 DZ11 HH17 HH18 KK62

Claims

【特許請求の範囲】

【請求項１】マイクから入力する音声信号を解読して認
識し、該認識した音声信号に基づいて所定の電子機器の
制御を行うことができる音声認識変換手段と、少なくと
も、放送番組の内容を知ることができるデータをモニタ
に出力制御する再生処理手段とからなり、前記再生処理
手段は、前記電子機器の制御に対応した表示データを、
動的にモニタ表示させる機能を備えていることを特徴と
する音声認識装置。
【請求項２】前記表示データは、キャラクタ及び又は文
字データであることを特徴とする請求項１に記載の音声
認識装置。
【請求項３】前記音声認識変換手段には、前記認識した
音声信号に応答する合成音声を作成して出力する機能を
備えていることを特徴とする請求項１に記載の音声認識
装置。
【請求項４】前記応答する合成音声は、予め音声信号に
符合させて作成されている音声辞書データの中から選択
して作成することを特徴とする請求項３に記載の音声認
識装置。
【請求項５】前記表示データは、前記音声認識変換手段
で生成する合成音声に対応させて予め作成しておき、該
作成してあるデータの中から選択することを特徴とする
請求項１に記載の音声認識装置。
【請求項６】前記表示データの動的モニタ表示は、キャ
ラクタの表情と動きとのデータで作成してあることを特
徴とする請求項１に記載の音声認識装置。