JPH04106596A - 音声認識出力装置 - 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、音声認識機能を有し、その認識結果に対応し
た情報を出力する音声認識出力装置に関する。

（従来の技術） 従来、音声認識装置は、ワードプロセッサや音声合成装
置等の出力装置と接続され、認識された音声の内容に応
じて文字や音声の形態で出力を行なうのが一般的であっ
た。

第２図は、従来の音声認識処理フローを示す図である。

まず、アナログ音声信号２ｏが音声認識装置３０に入力
されると、マイクアンプ２１により適切なゲインで増幅
される。そして、その後、アナログローパスフィルタ２
２によって折り返し歪を防ぐための帯域制限が行なわれ
る。以上の処理を受けたアナログ音声信号は、Ａ／Ｄ変
換器２３によってディジタル音声信号に変換される。そ
して、次のバンドパスフィルタ２４による周波数分析で
最終的な音声データ表現であるスペクトルに変換される
。また、このとき、音声信号のパワーも演算される。

以上のように、スペクトルに変換された音声は、パワー
情報等を用いて音声区間を検出する音声区間検出器２５
により真の音声区間の始端及び終端が求められる。その
真の音声区間内のスペクトルデータと予め用意された標
準パターン２６とがマツチング部２７によりマツチング
される。このマツチングにより非類似度を表わす距離値
が各カテゴリ毎に算出される。その距離値の大小によっ
て最終的な認識結果２８が判定され、出力される。

次に、出力された認識結果が使用者の意図する処理を実
行するための出力装置２９に送られ、認識結果に応じた
出力が行なわれる。例えば、ワードプロセッサであるな
らば、認識語を文字列に変換し、デイスプレィ上に表示
する。又は、プリンタ毎にその文字を出力する。また、
音声翻訳機ならば、その認識語を他国語に翻訳した後、
音声翻訳でその機械語を出力する。

（発明が解決しようとする課題） しかしながら、上述した従来の技術には、次のような問
題点があった。

即ち、音声認識を利用した出力装置では、入力する音声
と出力との情報量は同等である。っまり、大きな情報量
を持つ出力、例えば長いセンテンスやガイダンスを得る
ためには、それだけ発声量を多くしなければならず、発
声者の負担が大きくなるという問題があった。

本発明は以上の点に着目してなされたもので、音声認識
を利用した出力装置の入力音声と出力との情報量が同等
であり、発声負担か大きいという問題点を除去するため
、キーワードのみを入力することにより、連想的に情報
量の大きい内容を出力することが可能な発声負担の少な
い操作性の優れた装置を提供することを目的とするもの
である。

（課題を解決するための手段） 本発明の音声認識出力装置は、音声を認識する音声認識
部と、キーワードと出力内容とを対応付ける情報を格納
したメモリとを備え、前記音声認識部により認識された
キーワードに対応した出力内容を前記メモリから出力す
るようにしたことを特徴とするものである。

（作用） 本発明の音声認識出力装置においては、キーワードによ
り音声の入力を行なう。従って、操作者は、センテンス
やガイダンス等の出力内容をフルに発声する必要はない
。この結果、装置の操作性の向上を図ることができる。

（実施例） 第１図は、本発明の音声認識出力装置の実施例を示すブ
ロック図である。

図示の装置は、マイク１と、音声認識部２と、リーダ４
と、メモリ５と、音声合成パターンメモリ６と、音声合
成部７と、スピーカ８とから成る。

マイク１は、操作者が音声情報を吹き込むためのもので
ある。

音声認識部２は、マイク１を通じて入力された音声を標
準パターンと比較することにより音声を認識する。

リーダ４は、音声認識部２から認識結果３を受は取り、
メモリ５に格納されたキーワードを探索する。

メモリ５は、キーワードに対応して音声合成パターンア
ドレスを格納している。この音声合成パターンアドレス
は、音声合成パターンメモリ６に格納された音声合成パ
ターンのアドレスである。

音声合成パターンメモリ６は、出力内容である音声合成
パターンを格納したメモリである。

音声合成部７は、音声パターンから音声を合成する。

スピーカ８は、音声合成部７で合成された音声を出力す
る。

次に、上述した装置の動作を説明する。

まず、キーワードＡがマイク１を通して音声認識部２に
入力される。次に、キーワードと各音声合成パターンの
アドレスとの対応が記載されたメモリ５をリーダ４が探
索し、音声認識部２で認識されたキーワードの対応する
音声合成パターンのアドレスを読み出す。そして、その
アドレス指定された音声合成パターンのデータが音声合
成部に送られ、長いセンテンスの合成音９がスピーカか
ら出力される。

次に、第２実施例について説明する。

第１実施例では、キーワードのみの入力であったが、第
２実施例では、キーワードの他にそのキーワードを用い
るシテユエーション（状況）も入力可能としたところに
その特徴がある。これによって、１つのキーワードに対
し、状況に応じた何通りもの出力が可能となった。

第３図は、本発明の第２実施例を示すブロック図である
。

図示の装置は、音声認識部１１と、知識データベース１
５と、音声合成部１７とから成る。

音声認識部１１は、入力された音声を標準パターンと比
較することにより音声を認識する。

知識データベース１５は、キーワードに対応して音声合
成パターンを格納したメモリと、当該メモリに格納され
たキーワードを探索するり−ダ等から成る。

音声合成部１７は、音声パターンから音声を合成する。

次に、上述した装置の動作を説明する。

まず、「コーヒー」といつ音声を音声認識部１１に入力
し、認識させる。次に、「買物」１２、「レストラン」
１３、「休憩」１４の３つのシチュエーションから１つ
を選択する。尚、このシチュエーションを選択する方法
としては、いかなる方法であってもよい。例えば、プッ
シュホクンや音声入力等が考えられる。また、シチュエ
ーションの入力回数も１回だけでなく、より複雑な状況
に対応するため、複数回入力する場合も考えられる。　
シチュエーションの入力が完了した状態でキーワードを
入力すると、知識データベースの探索が行なわれる。こ
の探索により、入力されたキーワードに対する各シチュ
エーションに応じた最適な音声合成パターンのアドレス
が見出される。次に、その探索された音声合成パターン
１６が音声合成部１７に送られ、スピーカから出力され
る。その出力内容としては、例えば、「買物」と選択し
たときは、「コーヒーはいくらですか。」、「レストラ
ン」では、「コーヒー−杯下さい。」、「休憩」では、
「コーヒーを飲みに行きましょう、」となる。

以上のように、第２実施例では、１つのキーワードに対
して状況に応じた出力が可能となる。

また、第２実施例の発展形として複数のキーワードを入
力することで、より長いセンテンスを出力するという方
法も考えられる。

尚、ここで示した出力装置として音声合成翻訳機を例と
して挙げたが、他にもワードプロセッサ、デイスプレィ
装置等の様々なアプリケーションが考えられる。

（発明の効果） 以上説明したように、本発明の音声認識出力装置によれ
ば、キーワードの音声を入力するだけで、大きな情報量
を持つ出力を得ることができるので、操作者の負担を大
幅に減少することができる。

更に、状況に応じた判断機能を付与することによって、
キーワードの音声からセンテンスを推定して出力可能と
することができる。この結果、１つのキーワードに対す
る装置の利用範囲の拡大を図ることができる。

【図面の簡単な説明】

第１図は本発明の第１実施例を示すブロック図、第２図
は従来の音声認識装置の構成を示すブロック図、第３図
は本発明の第２実施例を示すブロック図である。 ■・・・マイク、２・・・音声認識部、４・・・リーグ
、５・・・メモリ、６・・・音声合成パターンメモリ、
７・・・音声合成部、８・・・スピーカ。

Claims (1)

1. 【特許請求の範囲】 １、音声を認識する音声認識部と、 キーワードと出力内容とを対応付ける情報を格納したメ
   モリとを備え、 前記音声認識部により認識されたキーワードに対応した
   出力内容を前記メモリから出力するようにしたことを特
   徴とする音声認識出力装置。 ２、キーワードの意味的情報を知識データベースから探
   索し、状況の指定に応じてキーワードから出力内容を推
   定するようにしたことを特徴とする請求項１記載の音声
   認識出力装置。