JPH03153300A - 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】 （産業上の利用分野） 本発明は、商品名などのように複数の単語で構成される
データを音声にて上位装置に入力する音声入力装置に関
するものである。

（従来の技術） 従来、複数の単語で構成されるデータを入力対象とする
場合、データをそのまま音声の認識単位とするよりも、
各単語を音声の認識単位とし、認識された単語列から入
力対象のデータを決定した方が、予め登録しておく音声
データの数を削減できると共に、認識精度が高いという
利点がある。

このため、前述したデータを入力対象とする従来の音声
入力装置では、予め入力対象のデータを構成する単語を
登録しておき、離散単語認識方式又は連続単語認識方式
を用いた音声認識部と、この音声認識部による認識結果
と、登録されている単語とを比較するデータ比較部とを
備えている。

前記音声認識部は、ユーザが入力対象のデータに対応す
る単語列を発生すると、この単語列に対応する候補単語
列を出力する。

前記データ比較部は、前記音声認識部より候補単語列を
入力し、この候補単語列に一致するデータを入力対象デ
ータとして、上位装置に送出する。

これにより、複数の単語により構成されるデータを上位
装置に音声入力することができる。

（発明が解決しようとする課題） しかしながら、前述した従来の音声入力装置では、複数
の単語からなるデータを音声入力する際に、ユーザは、
入力対象のデータに対して予め定められた正しい単語と
、この単語の区切り方を前もって知っていなければ、デ
ータを正しく入力することができなかった。

例えば、「ハウデイ」、「セレクト」、「スリム」、が
単語として登録されている場合、「ハウデイセレクトス
リム」という電話機名を入力する際、離散単語認識方式
を用いた音声入力装置では、「ハウデイセレクト」、「
スリム」と発声しても入力できず、「ハウデイ」、「セ
レクト」、「スリム」と発声しなければならない。

一方、連続単語認識方式を用いた音声入力装置では、「
ハウデイセレクト」、「スリム」と発声した場合には、
データ入力可能であるが、「ノ１ウディセレ」、「クト
スリム」のような単語の区切り方をした場合にはデータ
入力できない。

このように、いずれの場合にもユーザは、予め正しい単
語の区切り方を知っておく必要がある。

また、連続音声認識方式を用いた音声入力装置は、離散
単語認識方式を用いた音声入力装置に比べて、単語の区
切り方の自由度は大きいが、認識粘度が低いという問題
点があった。

さらに、前述したいずれの場合にも、ユーザは入力対象
のデータを全て正しく覚えていなければ、データ入力を
行うことはできなかった。例えば、「ハウデイセレクト
」の後に続く単語を忘れた場合には、データ入力を行う
ことができなかった。

また、登録されている単語列通りに発声しなければなら
ず、単語を省略して発声するとデータ入力を行うことが
できなかった。例えば、「セレクト」の単語を用いる商
品名は「ノ１ウデイセレクト」に特定できる場合にも、
「ハウデイ」の単語を省略することはできなかった。

本発明の目的は上記の問題点に鑑み、複数の単語で構成
されるデータを入力対象とし、ユーザが入力対象のデー
タの単語列を正確に知らなくても、また、単語列の一部
の単語を省略してもデータ入力可能であり、さらに、認
識精度の高い音声入力装置を提共することにある。

（課題を解決するための手段） 本発明は上記の目的を達成するために、単語列で構成さ
れるデータを入力対象とする音声入力装置において、入
力対象となるデータを構成する単語を節点及び葉とする
と共に、前記データの先頭の単語を根に最も近い節点と
した木構造にて前記データを階層的に蓄積するメニュー
データ蓄積手段と、前記単語の音声パターンを記憶する
単語テーブルと、前記単語テーブルに記憶された音声パ
ターン及び認識対象単語に基づいて、音声入力された単
語を認識する音声認識手段と、前記データの入力開始時
においては、前記メニューデータ蓄積手段に蓄積された
全ての節点及び葉に対応する単語を前記認識対象単語と
すると共に、前記データの入力途中においては、前記音
声認識手段により認識された単語に対応する前記木構造
の節点が一義的に一つ決まるときは、該節点の下位の節
点または葉に対応する単語を前記認識対象単語とし、前
記音声認識手段により認識された単語に対応する前記木
構造の節点が複数存在するときは、該節点の上位の節点
に対応する単語を前記認識対象単語とする認識対象決定
手段と、前記認識対象決定手段により決定された認識対
象単語を所定の表示形式にて表示するメニュー表示手段
と、前記音声認識手段により認識された単語と一致する
認識対象単語に対応する節点または葉が１つのときに、
前記木構造の根から該節点または葉に至る全ての節点に
対応する単語を単語列として記憶するデータ記憶手段と
、前記データ記憶手段に記憶された単語列の末端の単語
が前記木構造の葉に対応することを検出するデータ管理
手段と、前記データ管理手段の検出結果に基づいて、前
記データ記憶手段に記憶された単語列に対応するデータ
を上位装置に送出するデータ送出手段とを備えた音声入
力装置を提案する。

（作　用） 本発明によれば、メニューデータ蓄積手段により、単語
を節点及び葉に対応させると共に、入力対象のデータの
先頭の単語を根に最も近い節点とした木構造にて前記デ
ータが階層的に蓄積される。

また、前記単語の音声パターンが単語テーブルに記憶さ
れ、この音声パターン及び認識対象単語とに基づいて、
音声認識手段により、音声入力された４１語が認識され
る。

さらに、認識対象決定手段により、前記データの入力開
始時においては、前記メニューデータ蓄積手段に蓄積さ
れた全ての節点及び葉に対応する単語が、前記認識対象
単語とされる。また、前記データの入力途中においては
、前記音声認識手段により認識された単語に対応する前
記木構造の節点が一義的に一つ決まるときは、該節点の
下位の節点または葉に対応する単語が、前記認識対象単
語とされる。さらに、前記音声認識手段により認識され
た単語に対応する前記木構造の節点が複数存在するとき
は、該節点の上位の節点に対応する単語が前記認識対象
単語とされる。

また、メニュー表示手段により、前記認識対象単語が所
定の表示形式にて表示される。これにより、次に発声す
べき単語の例がユーザに示される。

さらに、前記音声認識手段によって認識された単語と一
致する認識対象単語に対応する節点または葉が１つのと
きに、データ記憶手段により、前記木構造の根から該節
点または葉に至る節点に対応する単語が単語列として記
憶される。これにより、単語列の中の一部の単語を省略
して発声しても入力可能となる。

また、データ管理手段により、前記データ記憶手段に記
憶された単語列の末端の単語が前記木構造の葉に対応し
たときに、これが検出され、さらに、データ送出手段に
よって、前記データ記憶手段に記憶された単語列に対応
するデータが上位装置に送出される。

（実施例） 第１図は本発明の一実施例を示すブロック図である。図
において、１はメニューデータ蓄積部で、第２図に示す
ように入力対象のデータ、例えば、電話機の商品名を構
成する単語を節点及び葉（以下、節点及び葉をノードと
称す）とすると共に、商品名を構成する先頭の単語を根
（以下、トップノードと称す）に最も近いノードとした
木構造にて階層的に蓄積している。また、各ノードには
ノード番号（図中の（）内に記す）が１対１に対応付け
られている。即ち、商品名「／％ウデイ・セレクト・ス
リム・ブラックアンドレッド」は４つの単語「ハウデイ
」、「セレクト」、「スリム」、「ブラックアンドレッ
ド」で構成され、それぞれノード番号１，２．３．４に
対応している。また、任意の単語において、この単語の
直前の単語を親ノードに、直後の単語を子ノードに対応
付けると共に、親ノードが同一でかつ、同一単語である
単語は同一ノードとなるように構成され、蓄積されてい
る。これにより、例えば、商品名「ハウデイ・セレクト
・ミニ」の「ハウデイ」と「セレクトコは商品名「ハウ
デイ・セレクト・スリム・ブラックアンドレッド」の構
成単語「ハウデイ」、「セレクト」と同一ノードに対応
付けられている。また、単語「ミニ」は「セレクト」の
ノードから分岐する子ノードに対応付けられ、ノード番
号７が付与されている。

２は単語テーブルで、入力対象となる商品名を構成する
単語の音声パターンが記憶されていると共に、第３図に
示すように各１１１語に単語番号が１対１に対応付けら
れ、さらにこの単語番号と前述したノード番号とが対応
付けられ、単語番号からノード番号を、またノード番号
から単語番号を検索できるようになっている。

３は音声認識部で、後述する認識対象決定部４から認識
対象単語を表すデータを入力すると共に、音声入力され
た単語の音声パターンと単語テーブル２に記憶されてい
る前記認識対象単語の音声パターンとを比較し、音声入
力された単語を２！麿して出力する。

４は認識対象決定部で、音声認識部３によって認識され
た単語を入力すると共にメニューデータ蓄積部１、単語
テーブル２をアクセスし、データの入力開始時において
は、メニューデータ蓄積部１に蓄積された全てのノード
に対応する単語を認識対象単語、即ち後述するデータ記
憶部６に記憶入力可能な単語とする。また、データの入
力途中においては、音声認識Ｈ３により認識された単語
に対応するノードが一義的に一つ決まるときは、このノ
ードの子ノードに対応する単語を認識対象単語とする。

さらに、音声認識部３により認識された単語に対応する
ノードが複数存在するときは、これらのノードの上位の
ノード、ここでは親ノードに対応する単語を認識対象単
語とする。さらにまた、音声認識部３から認識対象単語
に含まれる単語が出力され、かつこの単語に対応するノ
ードが唯−決まるときに、後述するデータ記憶部６に対
して記憶指示を出力する。

５はメニュー表示部で、認識対象決定部４により決定さ
れた認識対象単語を図示せぬ表示器に表示する。ここで
は、商品名の先頭の単語、或いは音声認識部３によって
認識された単語の親ノード又は子ノードに対応する単語
を表示する。これにより、音声入力を行う際にユーザに
対して、次に発声すべき単語の例を示している。さらに
、後述するデータ送出部８から商品コードが送出される
ときに、商品名と商品コードを表示する。

６はデータ記憶部で、認識対象決定部４により決定され
た認識対象単語に含まれる単語を音声入力部から入力す
ると共に、認識対象決定部４から記憶指示を入力したと
きに、メニューデータ蓄積部１をアクセスして、トップ
ノードからこの単語に対応するノードに至るノードの単
語を単語列として記憶する。

７はデータ管理部で、データ記憶部６に記憶された単語
列の末端の単語が前述した木構造における葉、言い換え
れば末端ノードに対応するとき、これを検出する。

８はデータ送出部で、データ管理部７によってデータ記
憶部６に記憶された単語列の末端の単語が葉に対応する
ことが検出されたときに、この単語列からなる商品名に
対応する商品コードを上位装置（図示せず）に送出する
。

次に前述の構成よりなる本実施例の動作を第４図の処理
フローチャート及び第５図（ａ）〜（ｅ）の表示例に基
づいて説明する。

動作を開始したときの初期状態では、メニュー表示部５
は、トップノードに最も近いノードに対応する単語、即
ち、商品名の先頭の単語を第５図の（ａ）に示す形式で
表示器に表示する（Ｓｌ）。

このとき認識対象決定部４は、メニューデータ蓄積部１
に蓄積される全ての単語を認識対象単語とする（Ｓ２）
。

次に、認識対象決定部４は、音声認識部３が単語を認識
したか否かを監視しくＳ３）、単語を認識したときに単
語テーブル２をアクセスして、この単語に対応するノー
ドが唯−決まるか否かを判定する（Ｓ４）。音声認識部
３は、単語テーブル２に記憶されている音声パターンの
中の認識対象単語の音声パターンと入力された単語の音
声パターンとを比較し、単語を認識している。このため
、単語の入力が進むにつれ、認識対象単語の数が減少す
るので音声認識の精度を高めることができる。

前記Ｓ４の判定の結果、複数のノードが対応するとき、
例えば、「レッド」という単語が認識された場合、ノー
ド番号５２．５６のノードが対応する。即ち、「レッド
」の単語を有する商品名は「カクテルホン・モダン・レ
ッド」と「カクテルホン・ベルピア・レッド」の２つが
存在する。このため、このどちらの商品名かをユーザに
問い合わせるために、ノード番号５２．５６のそれぞれ
の親ノードに対応する単語、「モダン」と「ベルビア」
を表示する（Ｓ５）。この後、前記Ｓ３の処理に移行す
る。

前記Ｓ４の判定の結果、認識した単語に対応するノード
が唯−決まるときは、データ記憶部６は認識対象単語部
４から記憶指示を入力し、メニューデータ蓄積部１をア
クセスしてトップノードから認識した単工ｊのノードに
至るノードに対応する単語を単語列として記憶する（Ｓ
６）。

次いで、データ管理部７は、データ記憶部６を介してメ
ニューデータ蓄積部１をアクセスし、データ記憶部６に
記憶された単語列の末端の単語が前記木構造の葉に対応
するか否かを判定する（Ｓ７）。この判定の結果、前記
単語列の末端の単語が葉に対応するときは、データ送出
部８によってこの単語列からなる商品名に対応する商品
コードを上位装置に送出する（Ｓ８）。このとき、メニ
ュー表示部５の表示器には商品名と商品コードが表示さ
れる。この後、前記Ｓ１の処理に移行する。

前記Ｓ７の判定の結果、データ記憶部６に記憶された単
語列の末端の単語が葉に対応しないときは、認識した単
語のノードから分岐する下位のノードに対応する単語を
認識対象単語とする（Ｓ９）。さらに、メニュー表示部
によって、前記認識した単語の子ノードに対応する単語
を表示しくＳ　１０）　、前記Ｓ３の処理に移行する。

従って、例えば商品名「ハウデイ・セレクト・スリムφ
ナチュラルアーモンド」を入力する際に、ユーザが「ハ
ウデイ」、「セレクト」、「スリム」、「ナチュラルア
ーモンド」と順に発声した場合には、第５図の（ａ）　
、　（ｂ）　、　（ｃ）　、　（ｄ）　。

（Ｃ）の順に表示が変わる。これにより、商品名を完全
に覚えていなくても音声入力することができる。

また、前述と同じ商品名を入力する際に、「ハウデイ」
を省略して、「セレクト」、「スリム」、「ナチュラル
アーモンド」と順に発声した場合には、第５図の（ａ）
　、　（ｃ）　、　（ｄ）　、　（ｅ）の順に表示が変
わる。

この場合、「ハウデイ」の単語を省略しても、単語「セ
レクト」に対応するノードは１つだけなので、「セレク
ト」の上位ノードに対応する単語「ハウデイ」は一義的
に決まる。

このように単語を省略しても商品名を音声入力すること
ができる。これにより音声入力に要する時間を短縮する
ことができる。

また、音声認識部３にキーボードを備え、このキーボー
ドによってメニュー表示部５に表示される複数の単語の
中の−の単語を選択することにより、データ入力を行え
るようにしても良い。

さらに、音声学習手段を備え、単語テーブルに記憶され
ている任意の単語をユーザが指定して、この単語の音声
パターンをユーザに合わせて更新できるようにしても良
い。

尚、本実施例では電話機の商品名を入力対象として音声
入力装置を構成したが、複数の単語から構成される他の
データを入力対象としも同様の効果を得られることは言
うまでもないことである。

（発明の効果） 以上説明したように本発明によれば、使用者が入力対象
のデータを完全に覚えていなくても、メニュー表示手段
によって表示される認識対象単語の中から前記データを
構成する単語を選択して順次発声すれば、前記データを
容易に音声入力することができる。

また、単語の入力が進むにつれて、認識対象決足手段に
より認識対象単語の数が減少されるので、高い精度で音
声認識を行うことができる。

さらに、使用経験豊富な使用者の場合には、所定の単語
を省略して前記データを構成する単語を発声しても、前
記データの音声入力が可能であるので、前記データの音
声入力に要する時間を短縮することができるという非常
に優れた効果を発揮するものである。

【図面の簡単な説明】

第１図は本発明の一実施例を示すブロック図、第２図は
一実施例における木構造の構成を示す図、第３図は一実
施例の単語テーブルにおける対応関係を示す図、第４図
は一実施例における処理フローチャート、第５図（ａ）
乃至（Ｃ）は一実施例における表示例を示す図である。 １・・・メニューデータ蓄積部、２・・・単語テーブル
、３・・・音声認識部、４・・・認識対象決定部、５・
・・メニュー表示部、６・・・データ記憶部、７・・・
データ管理部、８・・・データ送出部。 一実施例における木構造の構成を示す図第２図 単語 単語番号 ノート番号 ハウデイ　　　　　　　１ セレクト　　　　　　２ スリム　　　　　　　３ ブラックアンドレッド４ ナチュラルアーモンド５ ０マンチツクグリーン６ カクテルホン モダン ５゜ １ ０ １ テレムーン ６ 一実施例の単語テーブルにおける対応関係を示す図第 一実施例における処理フローチャート

Claims (1)

1. 【特許請求の範囲】 単語列で構成されるデータを入力対象とする音声入力装
   置において、 入力対象となるデータを構成する単語を節点及び葉とす
   ると共に、前記データの先頭の単語を根に最も近い節点
   とした木構造にて前記データを階層的に蓄積するメニュ
   ーデータ蓄積手段と、前記単語の音声パターンを記憶す
   る単語テーブルと、 前記単語テーブルに記憶された音声パターン及び認識対
   象単語に基づいて、音声入力された単語を認識する音声
   認識手段と、 前記データの入力開始時においては、前記メニューデー
   タ蓄積手段に蓄積された全ての節点及び葉に対応する単
   語を前記認識対象単語とすると共に、前記データの入力
   途中においては、前記音声認識手段により認識された単
   語に対応する前記木構造の節点が一義的に一つ決まると
   きは、該節点の下位の節点または葉に対応する単語を前
   記認識対象単語とし、前記音声認識手段により認識され
   た単語に対応する前記木構造の節点が複数存在するとき
   は、該節点の上位の節点に対応する単語を前記認識対象
   単語とする認識対象決定手段と、前記認識対象決定手段
   により決定された認識対象単語を所定の表示形式にて表
   示するメニュー表示手段と、 前記音声認識手段により認識された単語と一致する認識
   対象単語に対応する節点または葉が１つのときに、前記
   木構造の根から該節点または葉に至る全ての節点に対応
   する単語を単語列として記憶するデータ記憶手段と、 前記データ記憶手段に記憶された単語列の末端の単語が
   前記木構造の葉に対応することを検出するデータ管理手
   段と、 前記データ管理手段の検出結果に基づいて、前記データ
   記憶手段に記憶された単語列に対応するデータを上位装
   置に送出するデータ送出手段とを備えた、 ことを特徴とする音声入力装置。