JPH0242493A - 音声入力装置 - 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】 ［発明の目的］ （産業上の利用分野） 本発明は各種の処理動作を入力音声の認識結果に従って
制御するシステムに好適な音声入力装置に関する。

（従来の技術） 自動販売機では、基本的には指定された挿入口に金銭を
投入し、購入希望とする商品を指定する選択釦を押下す
ることにより、その指定商品の放出と釣銭の返却とが行
なわれるようになっている。しかし最近の自動販売機で
は販売商品が多様化し、その種類が益々増える傾向にあ
る。この為、選択釦の数が増え、その操作も複雑化して
いる傾向にある。具体的にはドリンク販売機にあっては
、［暖かい飲物、冷たい飲物］を選択し、またドリンク
の種類［コーヒー、紅茶、ジュース］を選択し、更には
コーヒーの場合には［ミルク、砂糖の要／不要、その量
の増減］を選択指定する等、その選択項目の数が非常に
多くなってきている。

このような選択項目の増大は、ユーザにとって好みのド
リンクを選択し得ると云う利点があるものの、選択釦数
の増大に伴いその操作が複雑化し、またこれらの多くの
選択釦を設ける為の前面パネルの大型化、ひいては自動
販売機自体の大型化を招くと云う問題がある。

そこで最近では、情報処理システムのマンマシン・イン
ターフェース技術として盛んに研究開発されている音声
認識技術を利用し、入・力音声を認識処理することで販
売商品の選択情報を入力することが考えられている。こ
のような音声認識技術を用いた自動販売機によれば、数
多くの選択釦を必要としない分だけ、その小型化を図り
得る等の効果が期待できる。

ところでこのような音声入力方式の自動販売機を実現す
る場合、入力音声に対する認識処理を実行する上で不特
定多数のユーザが利用すること、自動販売機の設置場所
が必ずしも音声の入力環境として適していないことを配
慮する必要が生じる。

例えば街頭等の騒音の多い場所に自動販売機が設置され
ることがある二二の場合には周囲雑音に起因して誤認識
が生じたり、認識リジェクトが生じる虞れがあることか
ら、雑音の混入をできるだけ防いで商品を特定する音声
だけを選択的に入力する為の工夫が必要となる°。また
現在の音声認識処理技術では、未だに不特定話者の音声
を１００％確実に認識することが不可能であり、その認
識結果が正しいか否かの確認をユーザに求める必要があ
る。従ってこれらことを十分に配慮して、音声入力によ
る自動販売機を実現する必要がある。

そこで従来では、例えばブレストークゆスイッチを設け
、このスイッチを押しながら音声を入力することで余分
な雑音の混入を防ぐようにしたり、また入力音声の認識
結果を表示し、この表示情報に従って確認釦を押下する
このにより入力情報を確定することが考えられている。

然し乍ら、このようなスイッチ操作は、音声による情報
入力によってスイッチ操作の煩わしさを解消すると云う
本来の目的に反するものであり、如何にしてスイッチ操
作を不要とするかと云う点で大きな課題が残されている
。

（発明が解決しようとする課題） このように従来にあっては、入力音声を認識処理し、そ
の認識結果に従って各種の処理を制御する上で、スイッ
チ操作を如何にして不要とするかと云う点で大きな課題
が残されている。

本発明はこのような事情を考慮してなされたもので、そ
の目的とするところは、種々の処理を制御する為の音声
情報を、スイッチ操作を伴うことなしに簡易に、且つ確
実に入力することのできる音声入力装置を提供すること
にある。

［発明の構成］ （課題を解決するための手段） 本発明は音声を入力する為のマイクロフォンまたはその
マイクロフォン近傍に、上記マイクロフォンへの発話者
の近接を検出する為のセンサを設け、このセンサにより
マイクロフォンへの発話者の近接が検出されたときに上
記マイクロフォンから入力される音声を音声認識部にて
認識するようにし、この音声認識部による認識結果を順
次バッファリングすると共にその最新の認識、結果を表
示部にて表示して上記発話者に提示出力するようにした
ことを特徴とするものである。

また前記センサによりマイクロフォンがらの発話者の離
脱が検出されたとき、音声認識部で求められた最新の認
識結果を入力情報として確定するようにしたことを特徴
とするものである。

（作用） 本発明によれば、マイクロフォンまたはマイクロフォン
近傍に設けられたセンサにより、当該マイクロフォンへ
の発話者の近接が検出されたときにのみ上記マイクロフ
ォンを介して入力される音声を認識処理するので、余分
な周囲雑音の混入を効果的に防ぐことができる。その上
で、音声認識部で求められた認識結果を順次バッファリ
ングしてその最新の認識結果を確認表示し、例えば発話
者が上記マイクロフォンから離れたとき、これを前記セ
ンサにて検出して上記最新の認識結果を入力音声情報と
して確定するので、煩わしいスイッチ操作を一切伴うこ
となしに音声による情報入力を簡易に、しかも確実に行
なうことが可能となる。

換言すれば、マイクロフォンに近付いて正しい認識結果
が得られるまで繰返し音声を入力し、正しい認識結果が
得られた時点でマイクロフォンから離れることにより、
最新の認識結果が入力音声情報として確定されて入力処
理される。この結果、スイッチ操作を伴うことなしに音
声情報を簡易に、確実に入力することが可能となる。

（実施例） 以下、図面を参照して本発明の一実施例につき説明する
。

第１図は音声自動販売機に組込まれる本発明に係る音声
入力装置の概略的な構成例を示す図で、第２図は実施例
装置の基本的な処理手続きの流れを示す図である。

第１図においてｌは音声を入力する為のマイクロフォン
であり、２はこのマイクロフォン１の近傍、またはマイ
クロフォン１自体に組込まれて設けられる近接センサで
ある。この近接センサ２は超音波センサや静電センサ等
からなるが、ここでは反射型の光電スイッチとして実現
されている。

しかしてこの光電スイッチ（近接センサ）２は、マイク
ロフォン１の前方に向けて所定の拡がり角度で光を発し
、その反射光の該近接センサ２への受光到達までの時間
を計Δ−１して前記マイクロフォン１の前方の所定の距
離範囲内に位置する物体（例えば発話者）を検知するも
のである。この近接センサ２により、マイクロフォンｌ
の前面に所定の距離範囲内で発話者が対峙したか否か、
また発話者がマイクロフォン１から離れたか否かが検出
される。

制御部３はこのような近接センサ２によるセンシング結
果に従って音声認識部４の動作を制御し、前記マイクロ
フォンｌを介して入力された音声にχ・１する認識処理
を実行させる。この音声認識部４は、所謂不特定品名用
の音声認識装置からなり、入力音声の音ツ的特微分析結
果に従ってその特徴パターンを求め、予め認識辞書５に
格納されている認識対象単語の標準パターンとの類似度
を求める等してその入力音声を認識処理するものである
。

この音声認識部４による認識結果が前記制御部３に与え
られ、認識結果メモリ（図示せず）に順次バッファリン
グされる。このバッファリングされた認識結果中の最新
の認識結果が表示制御部６の制御の下で表示部７に表示
され、その確認が前記発話者に促される。

即ち、制御部３は第２図に示すようにセンサ２によりマ
イクロフォン１への発話者の近接を検出しくステップａ
）、マイクロフォンｌに対して発話者が所定距離範囲内
で対峙したとき一音声認識処理を起動する（ステップｂ
）。この音声認識処理の起動により、■音声認識部４は
入力音声を認識処理しくステップＣ）、■制御部３はそ
の認識結果をバッファリングしくステップｄ）、■表示
制御部６にてその認識結果の表示を行なう（ステップｅ
）、と云う一連の音声認識処理が音声が入力される都度
、繰返し実行される。

しかしてこの一連の音声認識処理が実行される過程にお
いて、前記制御部３は前記近接センサ２の出力を常時監
視しており、センサ出力がＯＦＦとなるか否かを判定し
ている。そしてセンサ出力がＯＦＦとなったとき、これ
を発話者のマイクロフォンｌからの離脱（遠ざかり）と
判定し、上述した音声認識処理を終了させ、そのときバ
ッファリングされている最新の認識結果を入力音声情報
として確定している（ステップｇ）。この確定結果が所
定の処理を実行する為の制御情報として与えられる。

この自動販売機に適用された実施例では、上記認識結果
（確定入力情報）に従って入金処理部８が起動され、そ
の入金処理結果に従って商品処理部９が起動されて商品
販売処理が行なわれる。

この音声入力型の自動販売機について更に詳しく説明す
ると、自動販売機の前面パネルには、例えば第３図に例
示するようにマイクロフォン１゜近接センサ２．デイス
プレィ７がそれぞれ設けられると共に、販売商品−覧表
１１．商品取出口１２゜コイン投入口１３．カード挿入
口１４．釣銭返却口１５等が設けられている。

販売商品−覧表１１は、この自動販売機において販売す
る商品の商品名とその音声入力の為の読みの情報、およ
びその販売価格等を一覧表形式にして表示したものであ
る。またコイン投入口１４は商品販売代金としての硬貨
を投入する為のものであり、カード挿入口１５は、所謂
プリペイド・カード等を挿入する為のものである。

しかしてマイクロフォン１の近傍に設けられた近接セン
サ２は、マイクロフォンｌの前面に発話者（商品購入者
）が所定の距離範囲内に対峙するか否かを常時監視して
おり、第５図に示すようにマイクロフォン１への発話者
の接近が検出されたとき（ステップＡ）、先ず前記表示
制御部６を起動して購入対象とする商品を指定する音声
の入力を促すメッージを表示する（ステップＢ）。この
メツセージ表示は、例えば前記表示部７に第４図（ａ）
に示すように ｒ商品名を発声して下さい。」 等の文字列を表示することにより行なわれる。尚、ここ
では文字列によりメツセージを表示する例につき説明す
るが、音声合成により上記メツセージを音声出力するよ
うにすることも可能である。

このようにして発話者のマイクロフォンｌへの対峙状態
を検出し、音声入力を促すメツセージを表示して前記音
声認識部４を起動する。

尚、上記センサ２によるマイクロフォン１に対する発話
者の位置検出は、マイクロフォン１によって周囲＊　Ｔ
Ｈの混入が少ない状態で発話者の音声を入力し得る距離
、発話者が自然性良く自動販売機の前面パネルに対峙し
、前述した表示部７に表示されるメッージ等を無理なく
読める距離等の条件を配慮して定められる。

しかして音声認識部４が起動されると、その音声認識処
理は前記センサ２によって発話者がマイクロフォンｌか
ら離れるまで継続的に実行される。

具体的にはマイクロフォン１を介して入力される発話者
の発声音声を入力処理しくステップＣ）、その入力音声
を認識処理する（ステップＤ）。そしてその認識処理結
果をバッファリングしくステップＥ）、その認識結果を
前記表示部７に表示する（ステップＦ）。この認識結果
の表示は、例えば第４図（１））に示すように認識結果
として求められた商品名とその販売価格を表示すると共
に、その後の処理手続きを促すメツセージを表示するこ
とにより行なわれる。具体的には 「ジュース　　１００円 よろしかったら、お金をいれて下さい。

間違っていたら、もう−度発声して下さい。」等の表示
を行なう。商品購入者（発話者）はこのような表示メツ
セージに従い、その認識結果が正しければ商品購入の為
の金銭の入力を行なうことになり、また認識結果が誤っ
ている場合には、再度商品を指定する単語の発声を行な
うことになる。

しかしてこの音声認識処理は、音声が入力される都度、
順次繰返し行なわれ、その最新の認識結果が順次更新さ
れてバッファリングされる。そしてその最新の認識結果
が前記表示部７に表示される。

ここで上記メツセージに従って商品購入金銭が投入され
ると、或いは金銭投入の為に発話者（購入者）がマイク
ロフォンｌに対峙する位置から離れると、上述した音声
認識処理に対して割込み処理が起動され（ステップＧ）
、前述した如くバッファリングされている最新の認識結
果が入力音声情報として確定される（ステップＨ）。

するとこの入力確定された音声入力情報（認識結果）に
対する商品販売処理が起動される。この処理は、先ず投
入金銭の入力部゛理がなされ（ステップｌ）、その金銭
の種別判定、その真偽判定等が行なわれる。しかる後、
前述した如く入力確定された商品の販売金額と入力金銭
との比較判定が行なわれ、その人金高が販売価格を満た
しているか否かが調べられる（ステップＪ）。そして販
売代金の入力がなされたことが確認されたとき、その商
品の販売処理を行なう（ステップＫ）。具体的には、前
記音声入力により指定された商品を、その入力音声の認
識結果に従って選択し、これを前記商品取出し口１２に
放出することにより、その販売が行なわれる。

以上のように商品の販売処理を行なった後、この商品販
売に関して釣銭の必要性を判定しくステップＬ）、釣銭
が必要な場合にはその釣銭返却処理を実行する（ステッ
プＭ・）。

尚、プリペイドカードを用いた商品販売の場合には、予
めカードの挿入が行なわれることがある。

従ってこのような場合には、入力音声に対する認識処理
が行なわれてその認識結果を表示する際、例えば 「購入物はジュース（１００円）ですね。

よろしかったら、マイクから離れて下さい。

間違っていたら、もう−度発声して下さい。」等のメツ
セージを表示するようにすれば良い。そして商品販売後
には、カード残高金額から販売価格を差引いた後、その
カードを返却処理するようにすれば良い。

かくしてこのように構成された本装置によれば、近接セ
ンサ２によってマイクロフォンｌに発話者が対峙した状
態が検出されている期間、発話者が発声入力する音声を
逐次認識処理し、常に最新の認識結果をバッファリング
するものとなっている。

そして発話者がマイクロフォンｌから離れたとき等、そ
の音声入力の終了が確認された時点でバッファリングさ
れている最新の認識結果を入力音声情報として確定する
ものとなっている。従って入力音声に対する認識結果に
誤りが成る場合であっても、−々その誤り指定すること
なく、繰返し音声を入力することによって入力音声に対
する認識結果を順次更新していくことができる。その上
で、正しい認識結果が得られた時点で、例えばマイクロ
フォンｌから離れることで音声入力の終了を指示するだ
けで、最新の認識結果を入力情報として確定し、これを
入力処理することが可能となる。

従って従来のように音声入力しながら選択釦を操作する
等の煩わしさがなく、音声入力だけで簡易に、しかも確
実に情報入力することができ、その入力効率の向上と、
取扱い性の向上を図ることができる。

尚、本発明は上述した実施例に限定されるものではない
。例えば上述した実施例においてコイン投入口１４を、
硬貨投入時に発話者がマイクロフォンｌに対峙する位置
から確実に離れる位置等に定めておけば良いことは勿論
のことであり、自動販売機の前面パネルのスペース的な
関係がらそれが不可能な場合には、音声入力時にマイク
ロフォンｌに所定の距離を隔てて対峙する位置がら後ろ
に下がるように指示することで、その入力確定を促すこ
とも可能である。

またここでは音声による自動販売機゛を例に説明したが
、エレベータにおける行先階床の指示に用いることも可
能である。具体的にはエレベータ・ホールにおける篭呼
び、およびエレベータ篭での行先階床の指示に上述した
音声入力装置を用いれば、キー操作を行なうことなくそ
のエレベータの運転制御を行なうことが可能となり、例
えば病院におけるエレベータ制御等に大きく貢献する。

つまり病院等にあっては患者がエレベータ釦を操作する
ことが不自由なことが多々あり、また看護婦等にあって
も患者を支えている等してエレベータ釦を操作すること
が不自由なことが多くある。このような場合、上述した
音声入力装置を用いることにより、その不具合を効果的
に解消することが可能となる。その他、本発明はその要
旨を逸脱しない範囲で種々変形して実施することができ
る。

［発明の効果］ 以上説明したように本発明によれば、近接センサにより
発話者のマイクロフォンへの対峙を検出して音声入力を
許可し、入力音声を順次認識処理して最新の認識結果を
バッファリングし、発話者がマイクロフォンから離れる
等して音声入力の終了が指示されたとき、バッファリン
グされている最新の認識結果を音声入力情報として確定
処理するので、煩わしい選択釦操作を伴うことなしに簡
易に、且つ確実に正しい情報を音声入力することができ
る等の実用上多大なる効果が奏せられる。

【図面の簡単な説明】

図は本発明の一実施例を示すもので、第１図は実施例に
係る音声認識装置を組込んだ自動販売機の概略構成図、
第２図は実施例装置の基本的な処理手続きを示す図、第
３図は自動販売機の前面パネルの構成例を示す図、第４
図は表示部による表示メツセージの例を示す図、第５図
は自動販売機における商品販売処理手続きの流れを示す
図である。 ■・・・マイ クロッオン、 ２・・・近接センサ、 ３・・・制 御部、 ４・・・音声認識部、 ５・・・認識辞書、 ６・・・表示 制御部、 ７・・・表示部、 訃・・入金処理部、 ９・・・商品 処理部。

Claims (2)

【特許請求の範囲】
1. （１）マイクロフォンと、このマイクロフォンまたはマ
   イクロフォン近傍に設けられて上記マイクロフォンへの
   発話者の近接を検出するセンサと、このセンサによる発
   話者の近接時に上記マイクロフォンから入力される音声
   を認識する音声認識部と、この認識結果を順次バッファ
   リングし、最新の認識結果を上記発話者に提示出力する
   表示部とを具備したことを特徴とする音声入力装置。
2. （２）請求項第（１）項記載の音声入力装置において、
   センサにより発話者の離脱が検出されたとき、音声認識
   部で求められた最新の認識結果を入力情報として確定す
   る手段を備えたことを特徴とする音声入力装置。