JPH05216493A - オペレータ支援型音声認識装置 - Google Patents

Abstract

(57)【要約】 【目的】 本発明の目的は、オペレータの情報システム
の操作量を削減し、効率のよい音声入力機能を有するオ
ペレータ支援型音声認識装置を提供することである。 【構成】 本発明は、発声者により連続して音声入力装
置１から入力される音声信号の中から任意に切り出した
複数の部分音声信号と、予め指定した複数の認識単位の
音声信号とを、予め指定した評価関数により類似度を評
価し、該類似度より類似性の高い認識単位を認識結果と
して音声認識装置２より出力するワードスポッティング
型音声認識装置であって、複数の認識単位を類似性の高
い順に表示する認識結果表示装置３と、認識結果表示装
置に表示された認識結果よりオペレータが一つ又は、複
数の認識結果を選択する結果選択装置４とを有する。

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】本発明は音声認識装置に係り、特
に、オペレータを介在して音声認識を行うオペレータ支
援型音声認識装置に関する。

【０００２】

【従来の技術】音声認識装置としては、連続的な音声の
中から特定の単語を検出するワードスポッティング型音
声認識装置がある。このような音声認識装置には、入力
された音声の中から、予め指定した認識単位と最も類似
するものを比較して認識結果とする装置がある。

【０００３】このような音声認識装置は、時間軸上に連
続的に入力される認識対象音声を、任意の時刻を起点と
して数ミリ秒〜１０数ミリ秒毎に仮の始点を設定し、こ
の仮の始点からの音声を、予め認識装置に登録した音韻
・文字・単語・文節等の認識対象語彙と、予め指定した
評価関数により類似性を評価する。類似性が高い場合に
は、この類似性の高い認識対象語彙が認識対象音声の該
当する時間軸上に発生されたと判断し、これを認識結果
として音声認識装置より情報処理システムに出力する。
このため、音声認識装置の誤認識はそのまま情報処理シ
ステムの誤動作となる。

【０００４】上記のような誤動作を避けるために、音声
認識装置の認識結果をオペレータに対して提示して、オ
ペレータの確認をとることにより誤認識によって、情報
処理システムが処理目的と異なる処理を実行することを
回避する。

【０００５】この確認の手順は、一般に認識結果の提示
を音声でオペレータに提示して、オペレータはその音声
を確認して、「はい」、「いいえ」と応えるという会話
手順で実現する。類似度が最も高い認識単位が誤認識で
あった場合、次に類似度の高い認識単位を更に提示する
等、順次、正解に辿りつくまで、このような会話手順を
繰り返すものである。

【０００６】

【発明が解決しようとする課題】しかし、上記の従来の
認識装置による音声認識は、入力された音声信号を時間
軸上のどの位置からどの位置までを単位とするか等の曖
昧さに起因して誤認識が生じる。このため、従来は、音
声認識装置の認識結果を直接利用して、様々な情報処理
システム等を制御したりすることは、簡単な認識の場合
を除いて困難である。このため、情報システム等へ音声
認識結果情報の入力に関しては、オペレータの介在が不
可欠となる。

【０００７】また、システムの操作性を向上させるため
に、オペレータの操作量を削減する必要があるが、オペ
レータの音声認識操作を音声認識装置で代行することも
上記の理由により困難である。

【０００８】本発明は上記の点に鑑みてなされたもの
で、オペレータの情報システムの操作量を削減し、効率
のよい音声入力機能を有するオペレータ支援型音声認識
装置を提供することを目的とする。

【０００９】

【課題を解決するための手段】本発明は、オペレータあ
るいは、オペレータ以外の発声者により連続して発声さ
れる音声信号の中から任意に切り出した複数の部分音声
信号と、予め指定した複数の認識単位の音声信号とを、
予め指定した評価関数により類似度を評価し、該類似度
より類似性の高い認識単位を認識結果として出力するワ
ードスポッティング型音声認識装置であって、複数の認
識単位を類似性の高い順に表示する認識結果表示装置
と、認識結果表示装置に表示された認識結果よりオペレ
ータが一つ又は、複数の認識結果を選択する結果選択装
置とを有する。

【００１０】また、本発明は、結果選択装置を介して、
オペレータが選択した認識結果と予め定めた連接規則に
適合しない認識結果を棄却し、棄却されなかった認識結
果を認識結果表示装置に表示する認識結果連接検定装置
を含む。

【００１１】また、本発明の認識結果表示装置は、連続
して発声される音声信号の表示されるべき認識単位をそ
の認識単位に対応する時間位置に表示する。

【００１２】

【作用】本発明は、複数の認識結果の候補を一度に表示
してオペレータに提示することにより、オペレータがそ
の提示されたものを目視により正解の有無を確認し、正
解がある場合には、正解を指示することができ、会話手
順が短くて済むことになる。

【００１３】また、認識結果の候補を表示する際に、所
定の規則に適合しない候補は表示せず、必要な候補のみ
を表示することにより、余分な候補の表示の必要がな
く、オペレータが認識結果を選択するのが容易になる。

【００１４】また、オペレータが正解の指示を行う場合
に、認識結果の候補を一般的なメニュー選択方式のよう
に表示することもできる。

【００１５】従って、直接オペレータが音声を聞き、そ
の内容を情報処理システムに入力する場合に比べて操作
量が少なくなる。

【００１６】

【実施例】図１は本発明の一実施例の構成を示す。本発
明のオペレータ支援型音声認識装置は、音声入力装置
１、音声認識装置２、認識結果表示装置３、結果選択装
置４、認識結果連接検定装置５により構成される。音声
入力装置１は、オペレータやオペレータ以外の発声者が
発声する音声信号を音声認識装置２に入力する。音声認
識装置２は、音声入力装置１から入力された音声信号の
中から切り出した複数の部分音声信号を一音声毎に認識
する。認識結果表示装置３は、音声認識装置２の部分音
声信号の認識結果である認識単位を表示する。結果選択
装置４は、オペレータが認識結果表示装置３に表示され
た認識結果の認識単位のうち、正解を指示する。認識結
果連接検定装置５は、検定結果選択装置４によりオペレ
ータが選択した認識単位との認識結果のうち、他の認識
単位の連接関係に基づいて、選択した認識単位と、所定
の連接規則に適合しない認識結果を除いて、残りの認識
結果を認識結果表示装置３に表示する。

【００１７】図２は本発明の一実施例の動作の概要を示
すフローチャートである。 ステップ１：音声入力装置１より音声信号が入力され
る。 ステップ２：音声認識装置２は、入力された連続音声信
号を１音声毎に認識する。 ステップ３：認識表示装置３は、認識された認識結果を
評価関数を用いて類似度を求める。 ステップ４：類似度の高い認識単位の順に認識結果表示
装置３に表示する。 ステップ５：認識結果連接検定装置５は、オペレータは
認識結果表示装置３の表示を見て、認識結果（Ａ）を選
択する。 ステップ６：認識結果のうちオペレータが選択した
（Ａ）と連接関係の有無を判定する。 ステップ７：認識結果がオペレータが選択した（Ａ）と
連接関係がある場合には、認識結果表示装置３に表示す
る。 ステップ８：認識結果がオペレータが選択した（Ａ）と
連接関係がない場合には、その認識結果は棄却されるた
め、認識結果表示装置３に表示されない。

【００１８】以下図１と共に、音声認識装置の動作につ
いて説明する。 (1) 音声入力装置１からオペレータやオペレータに業務
を依頼している他の発声者等により入力された連続音声
は、音声信号として音声認識装置２に入力される。 (2) 音声認識装置２に入力された音声の一部分の音声信
号と、予め認識装置に登録しておいた認識単位との類似
度を評価関数により評価して、評価結果の高い認識単位
を認識結果として認識結果表示装置３に出力する。図３
は本発明の一実施例の複数の認識単位を認識結果表示装
置３に表示した例を示す。 (3) 認識結果表示装置３は、音声認識装置２から複数の
認識単位が入力され、類似性の高い順に表示する。 (4) オペレータは、認識結果表示装置３に表示された認
識単位の中から正解の認識単位を目視により確認し、正
解を指示し、結果選択装置４から入力する。 オペレータは、認識候補を選択する場合には、例として
表示画面上の認識候補に対応する番号を、メニューを選
択する要領で結果選択装置４より入力する。 (5)(4)の結果選択装置４からの結果選択による正解の指
示は、認識結果連接検定装置５に伝えられる。 (6) 認識結果連接検定装置５は、予め保持しておいた音
声認識装置２から出力された認識結果のうち、(4) で結
果選択装置４を介してオペレータにより指示された認識
単位と連接の可能性のない、即ち、連接規則に適合しな
い認識単位を棄却し、再び認識結果表示装置３に表示す
る。認識結果連接検定の最も簡単な連接規則は、認識結
果を時間軸で検定し、オペレータにより正解と指示され
た認識単位の存在する時間軸上に、認識結果の一部また
は、全部が含まれている認識単位は正解とは成り得な
い。

【００１９】図４は本発明の一実施例の動作を説明する
ための図を示す。図４において、の認識単位“おんせ
い”との認識単位“しんごう”は正解となり得るが、
の認識単位“せいしん”はの“せい”との“し
ん”の２つの認識単位に含まれているために正解とはな
らない。また、認識結果連接検定において、文法上の接
続要件等も予め連接規則として指定しておくことが可能
である。

【００２０】上記の(1) から(7) の処理によりオペレー
タは、所望の認識単位を選択することにより正しい音声
認識が可能となる。

【００２１】図５は本発明の一実施例の認識結果表示装
置を説明するための図を示す。認識結果表示装置３の表
示は、図５に示すように１音声毎に表示する。認識結果
表示装置３は入力音声のうちどの部分を認識したかを、
認識候補を時間位置に表示してオペレータに指示するこ
とにより、１つの認識候補が２箇所以上で認識された場
合に、選択の基準とすることができる。

【００２２】上記のように、認識結果表示装置３に複数
の認識結果候補を表示して、オペレータが所望の認識候
補を結果選択装置４を介して選択する構成であるので、
最初に表示された類似度の高い認識単位が誤認識であっ
ても、表示されている中から正解を選択できる。このよ
うにして選択された音声認識結果は、情報処理システム
に入力される。これにより情報処理システムの誤動作を
防ぐことができる。

【００２３】なお、認識結果表示装置３に表示される認
識結果候補をオペレータが選択する際に、本実施例で
は、メニューを選択する方法について述べているが、複
数の認識結果候補より一つを選択する方法は、この例に
限定されるものではない。

【００２４】

【発明の効果】上述のように本発明のよれば、音声認識
装置の認識結果を複数まとめてオペレータに提示して、
これをオペレータが選択する構成であるため、最も類似
度が高い認識単位が誤認識であっても、認識・提示され
た複数の認識単位の中に含まれていれば、簡単な選択操
作のみで正しい情報を音声から抽出し、情報処理システ
ムに入力することができる。

【００２５】また、多くの場合は、１回の選択・指示に
より必要情報を抽出できるため、会話応対にとる操作時
間も短く、操作性を高めることができる。

【図面の簡単な説明】

【図１】本発明の一実施例の構成を示す図である。

【図２】本発明の一実施例の動作の概要を示すフローチ
ャートである。

【図３】本発明の一実施例の複数の認識単位を認識結果
表示装置に表示した例を示す図である。

【図４】本発明の一実施例の動作を説明するための図で
ある。

【図５】本発明の一実施例の認識結果表示装置を説明す
るための図である。

【符号の説明】

１ 音声入力装置 ２ 音声認識装置 ３ 認識結果表示装置 ４ 結果選択装置 ５ 認識結果連接検定装置

Claims (3)

【特許請求の範囲】
1. 【請求項１】 オペレータあるいは、オペレータ以外の
   発声者により連続して発声される音声信号の中から任意
   に切り出した複数の部分音声信号と、予め指定した複数
   の認識単位の音声信号とを、予め指定した評価関数によ
   り類似度を評価し、該類似度より類似性の高い認識単位
   を認識結果として出力するワードスポッティング型音声
   認識装置であって、 複数の認識単位を類似性の高い順に表示する認識結果表
   示装置と、 前記認識結果表示装置に表示された前記認識結果よりオ
   ペレータが一つ又は、複数の認識結果を選択する結果選
   択装置とを有するオペレータ支援型音声認識装置。
2. 【請求項２】 前記結果選択装置を介して、オペレータ
   が選択した認識結果と予め定めた連接規則に適合しない
   認識結果を棄却し、棄却されなかった認識結果を前記認
   識結果表示装置に表示する認識結果連接検定装置を含む
   ことを特徴とする請求項１記載のオペレータ支援型音声
   認識装置。
3. 【請求項３】 前記認識結果表示装置は、前記連続して
   発声される音声信号の表示されるべき認識単位を該認識
   単位に対応する時間位置に表示することを特徴とする請
   求項１記載のオペレータ支援型音声認識装置。