JPH0359699A - 音声応答装置 - 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、記憶媒体に記憶された音声単語等を順次読み
出し、メッセージ文に編集し復元する際に生ずる単語間
の読み出し時の音声のとぎれを緩和する音声応答装置に
関する。

〔従来技術〕

音声応答装置は、不特定多数の利用者が利用する情報サ
ービスシステムの出力装置として使用されるものであり
、−例として列車の座席予約システム、市況情報案内シ
ステム、証券取引システｌ、等が挙げられる。

これ等は、電話加入者からの間合わせに対するメツセー
ジや、回答を音声により自動応答するもので、コンピュ
ータの編集機能と音声合成技術により所望する言葉を作
り出すものである。

一般に、音声合成方式として録音編集合成方式が広く用
いられている。この録音編集合成方式の音声合成装置は
、人間の発生した音声をある一定の規則に従って分割し
、これを記録媒体に記憶しておき、回答要求に応じてそ
の中から該回答文を構成する音声単語データを読み出し
、編集し、連のまとまった音声メ・２セージとして出力
する方式で、音声の品質の点で最も自然性の保てる方式
である。

例えば「お乗りの列車は　あさま３号 等の応答メツセージが出力される。。

ここで、−殻内な回転体メモリへの音声情報の記録形式
について、上記した列車の確認情報を例にとって簡単に
説明すると、上記した各言葉、即ち「お乗りのＪ、「列
車は」・・・・・・・・・の各々の出力時間をｌ　ｓｅ
ｃとし、回転体メモリの回転周期ｄ即ち回転体メモリの
１回転に要する時間を２０ｍ５ｅｃ　とした場合、上記
した各言葉は５０トラツクにわたって記録される。通常
この５０トラツクのことを１バンドと称せられる。勿論
１つの言葉がですね」 ５０トランクを占有するわけではなく、５０トラ、／り
の各々は、例えば３２語の多重化がなされ、５０トラン
クに３２詔が記録されている。なお音声応答装置の規模
によっては、「お乗りの」、「列車は」、「ですね」等
の固定文相バンドと、列車名用及び駅名用等の複数の可
変語用バンドが設けられることがある。

さて、各トラックについて今少し詳しく説明すれば、収
容語数の多重周期Ｘを１２５μＳｅｃとすると、１トラ
ツク内におけるサンプリング数ｙは、１６０（＝２０ｍ
ｓｅｃ　÷１２５μ５ｅｃ）となる。

つまり、各言葉は、８０００　（１６０Ｘ５０）ラック
）のサンプリング数を持ち、各多重周期Ｘ内には、３２
語の言葉がそれぞれの１／８０００の音声情報が多重記
録さていることになる。

一方、回転体メモリの各トラックにはそれぞれ読み出し
ヘッドが設けられており、これらの読み出しへノドを電
気的に切替えることにより、１つの連なった音声情報が
出力される。

しかしながら、ディジタル録音された回転体メモリから
記録されている情報を読み出す場合には、上記読み出し
ヘッドの切替にともなって読み出し信号のとぎれが生じ
、数トランクから同一転送速度で情報を読み出すことが
できない、このように読み出し信号のとぎれが生じる。

したがって音声応答装置では、回転体メモリから同一転
送速度（例えば前記した１２５μｓｅｃ　）で音声情報
を出力しなければ、とぎれとぎれの音声となってしまう
。

〔発明が解決しようとする問題点〕

このため従来の音声応答装置においては、回転体メモリ
から不連続に送られてくる音声情報をコアメモリ等を用
いて一旦記録し、その後一定の連続した速度で読み出し
、連続した音声情報を作っている。そして連続した音声
情報を作るためには、コアメモリ等のバッファメモリの
容量は、書き込み、読み出し、書き込みを１トラツクず
つ順次行なっていけば回転体メモリの１トラツク分の容
量が必要である。しかしこの場合、回転体メモリからの
音声情報をバッファメモリへ書き込む制御、及びバッフ
ァメモリに書き込まれている音声情報を一定速度で読み
出す制御が必要となり、そのための制御装置が複雑かつ
大規模となる欠点があった。又、前述したバッファメモ
リを設けないで、不連続な状態で音声情報を送出する　
と、音声単語単位で読み出す時に生ずる各フレーズ間の
応答の待ち時間に無音状態が発生し、開き手に回線が接
っていないのではないか、又、センターの音声応答装置
が故障しているのではないかという心理的な不安感を与
えるだけでなく、音声応答装置を用いてサービスの質の
向上を図るという目的に反することになる。

すなわち、音声応答文は予め記憶装置に記憶されている
音声単語を指定された順に読み出して編集し、応答音声
を送出するものであるため、読み出し時にわずかながら
検索待ち時間が生じ、初期応答時あるいはフレーズ間等
に無音状態が発生ずる。

特に電話回線を介して利用される音声応答システムに於
ては、問い合せ、予約などの場合、利用者からセンタへ
の情報入力は一般に押ボタン電話機のダイヤル信号で入
力されるため、そのダイヤル信号をコンピュータ側に予
め記憶されている照合テーブルと参照して暗証番号のｉ
認、会員コードの照合をしなければならない、この為会
員数が少ない場合はそれ程問題とならないが、会員数が
多くなる程、又、不特定多数の顧客に対して予約等のサ
ービスをする場合、大容量の記憶を必要とするからそれ
だけ記憶媒体からの読み出しに時間がかかり、応答文の
メツセージをｈＭ集するまでに待時間が生し問題となる
。

本発明は上述した従来の問題点に鑑みなされたもので、
メソセージの退出時にバンクグランドミュージック等の
背景音を混合して送出することにより、安価な方法にて
＠述した心理的な不安感を解消する音声応答装置を提供
することを目的とする。

〔問題点を解決するための手段〕

上述の目的を達成するために本発明は、記憶媒体に記憶
された音声単語等を順次続出し、応答すべきメソセージ
文に編集し、これを音声信号に復元した後回線に出力す
る音声応答装置に於いて、該メソセージ文の音声復元部
と回線送出部との間に他の音声入力を混合する混合回路
とから構成される。

又、他の音声入力は、音声応答装置自身、又は他のＭ樋
装置によりその音声入力レベルを任意に制御できるよう
構成することができる。

又、音声単語の記憶媒体は、ＣＩ）−ＲＯＭと、このＣ
Ｄ−ＲＯＭに記憶された各単語に対応する索引情報を記
憶する記憶部と、前記索引情報から該当する音声単語を
ＣＤ−ＲＯＭ上から読み出す制御装置とから構成し、メ
ソセージ文に対応した索引情報の入力に基づいて、該索
引情報に対応した音声単語を順次ＣＤ−ＲＯＭから読み
出すこともできる。

〔作用〕

このように構成することにより、利用者が本発明に係る
音声応答装置を備えたセンターを呼び出し、回線が接続
されると、「こちらは××予約センターです。会員番号
をどうぞ」という第１メツセージが利用者へ送信される
。そして、センターがこのメツセージを送信した後、音
楽等の音声を混合して回線に流せば、会員番号の照合中
、音声単語のｍｌ中に生ずる各フレーズ間の応答待ち時
間、あるいは暗証番号の確認処理中に生じる待時間にも
音楽等が流れている為、利用者は、その待ち時間が苦に
ならないと共に、安心して次のメツセージを待つことが
できる。

〔実施例〕

以下、本発明の一実施例を、添付図面を参照しつつ詳細
に説明する。

第１図は、本発明のシステムブロック図を示すもので、
（１）　　はコンピュータ、（２ａ）　、　（２ｂ）　
は音声応答装置、（３ａ）　、　（３ｂ）　は公衆回線
の網制御装置、（４）は公衆回線、〈５）は該公衆回線
（４）に接続される電話器、（３０）は音楽再生装置を
示す。

前記音声応答装置（２ａ）は、該コンピュータ（１）の
制御指示に基づき音声応答装置内のＣＤ−ＲＯＭに記録
されている音声を再生しアナログ音声信号として公衆回
線へ流す役割と、公Ｒ回線からの呼通知と電話器のブツ
シュホンデータをエンコーダによって０〜９のディジタ
ル信号データに変換してコンピュータへ通知する役割を
果す。

すなわち、音声応答装置（２ａ、２ｂ・・・）は次のよ
うに構成される。（６）は公衆回線（４）がら送られて
くるブツシュホンデータを０〜９のブツシュホンのキー
に該当した周波数に弁別する周波数フィルター。（７）
はこの弁別された周波数を０〜９のディジタル信号のデ
ータへ変換するエンコーダ。

（８）はコンピュータとの通信制御を行なう通信制御装
置で、公衆回線（４）からの着呼及びプッシュホンデー
タを該コンピュータ（１）　とのプロコトルに基づくデ
ィジタルデータに変換してコンピュータ（１）へ送信す
る機能と、コンピュータ（１）カラの索引データを受信
してコンパクトディスクドライブ回路（９）を制御する
機能を持っている。（９）は前記通信制御装置（８）か
らのセクターアドレスの指示に基づいてコンパクトディ
スクを駆動制御するコンパクトディスクドライブ回路。

（１ｏ）はＣＤ−ＲＯＭに記憶されている音声データを
指示のあったセクタアドレスまで読み取りヘンドを制御
して該セクタに記録されている音声データを読み出し、
その音声データ（ＰＣＭ信号）をＤ／Ａ変換（ディジタ
ル／アナログ変換〉するコンパクトディスク読み取り装
置。（１１）は前記コンパクトディスク読み取り装置（
１０）によってＤ／Ａ変換されたアナログ信号電圧を回
線（４）の電圧レベルまで増巾させると共に回線（４）
との平衡回路を構成させるスピーチネットワークである
。　（３１）は後述する音楽再生装置の音声出力信号と
、音声応答装置の音声出力信号とを混合する混合器で、
その出力は網制御装置（ＮＣＵ）（３）へ接続される。

（３０）は背景音を作り出す音楽再生装置で、カセット
プレーヤー、コンパクト・ディスク・プレーヤー等から
構成され、その音声出力信号は混合器（３１）の一方に
入力され、音声応答装置（２）の出力信号と混合されて
回線へ出力される。

このように本発明の実施例に於ては音声情報とそれ以外
のそのシステムに係わるデータ情報とを分離して、音声
情報とは別途独立した大記憶容量で安価な音声応答装置
を設けこれに単語等の音声情報を記憶させたものである
。そしてシステム全体を制御するコンピュータはその音
声応答装置に記憶されている単語、熟語の索引アドレス
データを持ち、この索引アドレスデータを該音声応答装
置に出力することにより音声応答装置が音声信号に変換
するものである。そして、この音声応答装置が出力する
音声情報はＰＣＭ記録方式によりＣＤ　−ＲＯＭを媒体
として記憶させている為、肉声と変らぬ音声を公衆回線
に流すことが出来る。

即ち、音声情報の記憶媒体としてＣＤ−ＲＯＭを用いた
為、その録音に於て音響設備の整備されたスタジオにて
高品質なオーディオ機器等を用いて録音することが出来
るにのため、従来のコンピュータに直結した磁気ディス
ク等に記憶させる場合は、それに接続される機器（Ａ／
Ｄ変換器等）の性能により録音品質が制約されていたが
、本実施例に於ては本格的な音響設備により録音できる
ため従来に比しより優れた自然音に近い音声品質で録音
することが出来る。

次に第２図に音声応答装置及び音楽再生装置の具体的な
回路ブロック図について説明する。　（１２）はＮ　Ｃ
Ｕ　（３）に接続される接続ラインを示す。

（１３ａ）　（１３ｂ）はそれぞれ整流器ｌ、整流器２
を示し、前記接続ライン（１２〉にその入力側を並列に
接続される。そして整流器１　（１３ａ）の出力はマイ
クロコンピュータ（８）の出力信号（１９）により開閉
制御される接点（２１ａ）　（２１ｂ）を介して混合器
（３１〉の出力側へ接続され、該滌合器（３１）の入力
側はスピーチネットワーク＋ｃ（１１）へ接続される。

該スピーチネットワークＩＣ（１１）は２線−４線の変
換と音声の送受信とを制御するＩＣ（集積回路）で回線
電流の大小に応して平衡回路網の切替ができる様になっ
ている。そして前記スピーチネットワークＩＣ（１１〉
の他方側は、変成器を介して多重周波数信号検出部（１
５〉及び回線断検出部（１６）の入力側に及びＣＤ−Ｒ
ＯＭドライバ（９）の出力側にそれぞれ接続される。該
多重周波数信号検出部（１５）は、客より送られてくる
ブツシュホンデータをＯ〜９のディジタル信号に変換し
てコンピュータ（１）からのメツセージに対する客の応
答結果をマイクロコンピュータ（２２）へ知らせる。又
、回線断検出部（１６）は、客が電話を切ったことを検
出するもので、音声応答サービスが終了したことをマイ
クロコンピュータ（２２）に知らせるものである。これ
らの入力信号はマイクロコンピュータ（２２）内で一定
の伝送フォーマットにしてコンピュータ（１）へ伝送さ
れる。又、（９）はＣＤ−ＲＯＭドライバ、（１０）は
ＣＤ−ＲＯＭコントローラでこの部分でマイクロコンピ
ュータ（２２）より送られてくるセクタアドレスデータ
をＣＤ−ＲＯＭコントローラ（１０）がこれを解読して
コンバク）・ディスクの読み取りヘッドを制御し、読み
出されたＰＣＭ音声データを前記ＣＤ−ＲＯＭドライバ
（９）によりＤ／Ａ信号（ディジタル／アナログ信号）
に変換し、回線＜４）に送出できる音声レベルまで増巾
される。そしてこのコンパクトディスクの制御は、コン
ピュータ（１）からのセクターアドレスの索引データの
受信に基づきマイクロコンピュータ（２２）が制御する
。

次に、前記整流器２　（１３ｂ）の出力側はトーンリン
ガ−ＩＧ（１７）へ接続され、このトーンリンガ−ＩＣ
（１７）にて客からの着信が検出され、該検出信号はは
（１８）のフォトカンプラによりレベル変換されてマイ
クロコンピュータ（２２）へ入力される。マイクロコン
ピュータ（２２）は、この信号入力によりサービスの開
始をコンピュータ（１）へ知らせる。

このマイクロコンピュータ（２２）は音声応答装置（２
）全体を制御し、前述した信号の検出をコンピュータ（
１）に知らせると共に、コンピュータ　（１）からの指
示に基づきコンパクトディスクを制御して回線に音声を
流す。

他方、音楽再生装置（３０）の出力は、前述した混合器
（３１）のもう一方の入力に加えられ両方の音声入力が
ミキシングされて回線へ送出される。この音楽再生装置
（３０）は次の様に構成される。　（４４）は、この音
声再生装置（３０）のコンパクト・ディスク・プレーヤ
ーの再生・停止制御、音量の設定等を制御するマイクロ
コンピュータで、通信インターフェース（４５）を介し
てシステム全体を制御するコンピュータ（１）の指令に
より制御される。このマイクロコンピュータ（４４）の
出力によりＣＤ−ＲＯＭコントローラ（４３）を制御し
、ディスク（６０）を回転させるモータ（４７）をサー
ボ回路（図示せず）で制御する。そして光ピンクアップ
〈４６）より検出された信号はＣＤ−ＲＯＭドライバ（
４２）で増巾され、この増巾された信号を変成器（４１
）を介してスピチネットワークＩＣ（４０）へ出力され
る。

そして、該スピーチネットワークＩＣ（４０）のもう一
方側は、前述した混合器（３１）へ接続される。

次に、コンパクト・ディスク・プレーヤの基本回路につ
いて、その−例を第３図に示す。光ビ・ツクアップ（５
０）より検出された信号はＲＦ増幅回路（５１）で増幅
される。この出力は復調回路（５２）に入る。復調回路
（５２）では、まず入力信号が基準レヘルよりハイかロ
ーか判定され、完全な矩形波に変換される。この段階で
Ｐ　Ｌ　Ｌ　（Ｐｈａｓｅ　Ｌｏｃｋ　Ｌｏｏｐ）回路
により同期信号が分離される。この同期信号は、すべて
のコントロールの基準になるもので、周波数は４．３２
１６ＭＨｚである。信号はＥＦＭ変調（Ｅｉｇｈｔ　ｔ
ｏ　Ｆｏｕｒｔｅｅｎ　Ｍｏｄｕｌａｔｉｏｎ）されて
いるので、これを復調しデータを得る。

このデータはまず、メモリ（５３）にたくわえられる。

メモリ（５３）にたくわえられたデータは、読み出すと
きインターリーブを元に戻しくデイインターリーブ）か
つエラーがあれば誤り訂正をする。

これがイ３号処理回路（５４）である。

誤りを訂正したデータはディジタル・アナログ変換回路
（５５）によりアナログ信号に戻して、低減フィルタ（
ローパス・フィルタ）（５６）ヲ通シタノち出力される
。この段階の信号は、普通のオーディオ信号であり、後
段にアンプを接続すれば、音となって聞くことができる
。

ＲＦ信号の一部は、フォーカス・サーボ回路（５７）お
よびトラッキング・サーボ回路（５８）に入り、増幅さ
れた後、ピックアップのアクチュエータを駆動する。

ディスクを回転させるモータ（スピン・モータ〉（５９
）もサーボ回路で制御される。復調回路（５２）で分離
されたクロックと基準周波数を比較して、常にクロック
が基準周波数と一致するようにターンテーブルの回転を
制御する。ターンテーブルの多少の回転ムラに伴うワウ
・フラツグは、メモリでカバーされるため、出力には影
響しない。

ディスク（６０）に記録されている演奏時間などのサブ
コードは、表示、キー回路で（６１）で解読されてデイ
スプレィ（６２）に表示される。

次に第４図は、音声応答装置（２）、該音声応答装置を
複数台制御するコンピュータ（１）及びホストコンピュ
ータ（１００）間の命令の流れを示すもので、音声応答
装置（２〉　はコンピュータ（１）から音声制御コマン
ドを受けて、これに該当する音声を再生して、該音声を
回線に送出する。

又、回線から送られてくるＰＢコード（ブツシュボタン
信号コード）は、音声応答装置（２）を経由してコンピ
ュータ（１）へ入力される。

本発明は以上の様のように構成される。

次に音声応答装置（２）及び音楽再生装置（３０）の動
作について第１図に基づいて説明する。

■　客が電話をかけてくる。

■　（３）の網制御装置が呼び出しを検出し、回線を接
続したのち、（８）の通信制御装置によりコンピュータ
に着呼を通知する。

■　コンピュータ（１）　　は客への第１メツセージ「
こちらは××予約センターです、会員番号をどうぞ」と
いう音声に該当する複数のセクターアドレスを音声応答
装置（２）へ送る。同時にコンピュータ（１）　　は音
楽再生装！　（３０）に音楽の再生信号を出力し、バッ
クグランドミュージンクをｌ昆合器を経由して客へ送信
する。

■　通信制？１１装置は（８）はコンピュータ（１）か
ら送られてきた複数のセクターアドレスを（９）のコン
パクトディスクドライブ回路へ送る。

■　（９）のドライブ回路はセクターアドレスの順に（
１０）のコンパクトディスク読み取り装置に対し読み取
り指示を出す。

■　（ｌＯ）のコンパクトディスク読み取り装置は装着
されているコンパクトディスクより該当するセクターア
ドレスのデータを読み出しスピーチネットワーク（１１
）へ送り音声として復元する。

■　編集された第１メツセージが音声として回線（４）
へ送り出される。

■　客が会員番号をブツシュホンより入力する。

■　客より送られてくるブツシュホンのデータを（６）
の周波数フィルターにより、０〜９のブツシュホンのキ
ーに該当した周波数をとらえ、（７）のエンコーダーに
よってＯ〜９のデジタル信号のデータへ変換され通信制
御語！　（８）を通してコンピュータ（１）へ通知され
る。

［相］　コンピュータ（１）はデータのチエツクを行な
い、次に客に入力してもらう為の第２メツセージを選択
し、該当する複数のセクターアドレスを音声応答装置（
２）に送る。

以下■よりくり返す。

この間、音楽再生装置（３０）から常時、バックグラン
ドミュージンクが流れているためセンターからの応答に
無音状態が生じることはない。

■　客が電話を切ると音声応答装置（２）の回線断検出
部が回線断を検出し、音声応答サービスが終了したこと
をコンピュータ（１）に知らせる。

これにより一連の処理が終了し次の客の問合わせを待つ
。

本発明は以上のように構成されるが、音声合成する際に
単語間の時間間隔を短くする目的でＣＤＦ２０Ｍからの
読出しスピードを速くするため、使用頻度の高い単語に
ついては、同一トラック内に適当な間隔を空けて同一単
語を複数個記憶させておけば、読取りヘッドがいかなる
位置にあってもトラ、クー周待たなくて目的単語を読み
出すことが出来る為、読み出し時間のスピードア・７プ
を図ることが出来る。又、読み取りヘッドの制御もＣＤ
−ＲＯＭの円盤の直径方向に対し、進退自由に制御させ
ることにより、目的とするセクターアドレスへの到達を
速くさせることが出来、再生待ち時間を短縮させること
ができる。

又、音楽再生装置の音声出力レベルを音声データの検索
中は少し大きめの音量とするよう制御しても良い。

〔発明の効果〕

以上詳述した様に、本発明は、記憶された音声単語を編
集して音声応答する音声応答装置の音声復元部と回線送
出部との間に他の音声入力を混合する混合回路を設けた
から、音声単語データを編集する上で発生するフレーズ
間の微妙な無音時間により生しる全体的なイントネーシ
ョンの不自然さを背景音により解消させることが出来る
。

又、利用者に回線が接がっていないのではないかという
不安感・抵抗感を緩和させ、サービスの品質の向上を図
ることができる。

【図面の簡単な説明】

図面は本発明の一実施例を示すもので、第１図は本発明
の全体構成を示すシステムブロック図、第２図は、本発
明に係る音声応答装置と音楽再生装置の回路ブロック図
、第３図は、前記音楽再生装置に用いるコンパクト・デ
ィスク・プレーヤの回路構成図、第４図は音声応答装置
に対する外部からの命令の流れを示す。 （１〉　・・・コンピュータ、 （２ａ）　、　（２ｂ）・・・音声応答装置、（３ａ）
、　（３ｂ）　　＝−Ｎ　ＣＵ　、　　　（４）　　−
公衆回線、（５）・・・電話機、 （８）・・・通信制御装置、 （９）・・・コンパクトディスクドライブ回路、（１１
）・・・スピーチネットワーク、（３０）・・・音楽再
生装置、　　（３１）・・・混合器。 第 図

Claims (3)

【特許請求の範囲】
1. （１）記憶媒体に記憶された音声単語等を順次読出し、
   応答すべきメッセージ文に編集し、これを音声信号に復
   元した後回線に出力する音声応答装置に於て、該メッセ
   ージ文の音声復元部と回線送出部との間に他の音声入力
   を混合する混合回路を備えたことを特徴とする音声応答
   装置。
2. （２）他の音声入力が音声応答装置自身、又は他の制御
   装置によりその音声入力レベルを任意に制御できること
   を特徴とする請求項第１項記載の音声応答装置。
3. （３）音声単語の記憶媒体がＣＤ−ＲＯＭと、このＣＤ
   −ＲＯＭに記憶された各単語に対応する索引情報を記憶
   する記憶部と、前記索引情報から該当する音声単語をＣ
   Ｄ−ＲＯＭ上から読み出す制御装置とからなり、メッセ
   ージ文に対応した索引情報の入力に基づいて、該索引情
   報に対応した音声単語を順次ＣＤ−ＲＯＭから読み出す
   ことを特徴とする請求項第１項又は第２項記載の音声応
   答装置。