JPH05313691A - 音声処理装置 - Google Patents

Abstract

(57)【要約】 【目的】 装置を小型に構成するとともに、音声の誤認
識を防止する。 【構成】 コントローラ４において、内蔵するデータメ
モリから各選択項目が読み出され、メモリ３に記憶され
ている、赤、青、または黄などの色の種類を表す識別単
語と対応付られ、表示部５において、各選択項目が、対
応付けられた赤、青、または黄で、それぞれ表示され
る。そして、識別単語が発声されると、音声認識部２に
おいて、発声された識別単語と、メモリ３に記憶された
識別単語とのパターン間距離が計算され、そのパターン
間距離に対応して、発声された識別単語が音声認識さ
れ、コントローラ４において、音声認識された識別単語
と対応付けられた選択項目が選択される。

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】本発明は、例えば画面などに表示
された選択項目を音声で選択する場合に用いて好適な音
声処理装置に関する。

【０００２】

【従来の技術】従来の、例えばＣＡＤシステムにおいて
は、その画面上に表示された、例えば「線を引く」、
「線を消す」、「円を描く」、または「図形を塗りつぶ
す」などのコマンドに対応する選択項目の中から、所望
する作業のコマンド（選択項目）が発声されると、発声
された音声が認識され、その作業（線を引いたり、また
は消したりなどの作業）が行われるようになっている。

【０００３】

【発明が解決しようとする課題】このように、従来の装
置では、発声されたコマンド（選択項目）が音声認識さ
れるようになっているが、一般的な音声認識において
は、認識しようとする音声の特徴パラメータを標準パタ
ーンとして、例えばメモリなどに記憶させておき、発声
された音声の特徴パラメータである入力パターンとの距
離を最も短くする標準パターンに対応する音声が認識結
果とされる。

【０００４】従って、メモリには、音声としてのコマン
ド（選択項目）に対応する標準パターンすべてを記憶さ
せておかなければならず、その記憶容量は大きなものに
なり、装置が大型化する課題があった。

【０００５】さらに、例えば装置の作業（処理）内容が
追加される場合、即ちコマンド（選択項目）が追加され
る場合、そのコマンド（選択項目）に対応する標準パタ
ーンをメモリに、新たに記憶させなければならず、その
記憶容量が増加し、さらに装置が大型化する課題があっ
た。

【０００６】また、例えば「線を消す」と「円を消す」
などのように、似たような音声（音韻）のコマンド（選
択項目）が存在する場合、コマンド（選択項目）として
発声される音声が誤認識される確率が高くなるととも
に、これにより誤った作業（処理）が行われる課題があ
った。

【０００７】本発明は、このような状況に鑑みてなされ
たものであり、装置を小型に構成するとともに、音声の
誤認識を防止することができるようにするものである。

【０００８】

【課題を解決するための手段】請求項１に記載の音声処
理装置は、識別単語を記憶している記憶手段としてのメ
モリ３と、選択項目を、識別単語と対応付けて表示する
表示制御手段としてのコントローラ４および表示部５、
またはプログラムの処理ステップＳ１５およびＳ１６
と、発声された識別単語と、メモリ３に記憶されている
識別単語とのパターン間距離を計算し、そのパターン間
距離に対応して、発声された識別単語を音声認識する認
識手段としての音声認識部２、またはプログラムの処理
ステップＳ１８と、音声認識された識別単語と対応付け
られた選択項目を選択する選択手段としてのコントロー
ラ４、またはプログラムの処理ステップＳ１９とを備え
ることを特徴とする。

【０００９】請求項２に記載の音声処理装置は、コント
ローラ４および表示部５、またはプログラムの処理ステ
ップＳ１５およびＳ１６は、音声認識部２、またはプロ
グラムの処理ステップＳ１８による、発声された識別単
語の音声認識率に対応して、選択項目と識別単語とを対
応付けて表示することを特徴とする。

【００１０】請求項３に記載の音声処理装置は、メモリ
３は、色の種類を表す、例えば赤、青、または黄などの
識別単語を記憶していることを特徴とする。

【００１１】

【作用】請求項１に記載の音声処理装置においては、選
択項目を、メモリ３に記憶されている、例えば色、数
字、または方向などを示す識別単語と対応付けて表示す
る。そして、発声された識別単語と、メモリ３に記憶さ
れた識別単語とのパターン間距離を計算し、そのパター
ン間距離に対応して、発声された識別単語を音声認識
し、音声認識された識別単語と対応付けられた選択項目
を選択する。従って、選択項目に対応付けられた識別単
語が音声認識されるので、すべての選択項目をメモリ３
に記憶させておく必要がなく、従って、メモリ３の記憶
容量が少なくて済み、装置を小型に構成することができ
る。

【００１２】請求項２に記載の音声処理装置において
は、コントローラ４および表示部５、またはプログラム
の処理ステップＳ１５およびＳ１６は、音声認識部２、
またはプログラムの処理ステップＳ１８による、発声さ
れた識別単語の音声認識率に対応して、選択項目と識別
単語とを対応付けて表示する。従って、音声認識率の高
い識別単語が使用されるので、音声の誤認識による装置
の誤動作が防止される。

【００１３】請求項３に記載の音声処理装置において
は、メモリ３は、色の種類を表す、例えば赤、青、また
は黄などの識別単語を記憶している。従って、赤、青、
または黄などの色の種類が発声されるだけで選択項目の
選択が行われるので、装置の操作性が向上する。

【００１４】

【実施例】図１は、本発明の音声処理装置を応用したデ
ータベースシステムの一実施例の構成を示すブロック図
である。マイク１は、発声された、例えば「赤」、
「青」、または「黄」などの色の種類を表す識別単語を
電気信号としての音声信号に変換して音声認識部２に供
給する。

【００１５】音声認識部２は、認識／登録切換スイッチ
６が登録モード側になっている場合、コントローラ４に
制御され、マイク１より供給される音声信号（識別単
語）を音響分析し、標準パターンとしての音声の特徴パ
ラメータを算出し、メモリ３に供給して記憶させる。ま
た、音声認識部２は、認識／登録切換スイッチ６が認識
モード側になっている場合、コントローラ４に制御さ
れ、マイク１より供給される音声信号（識別単語）を音
響分析し、入力パターンとしての音声の特徴パラメータ
を算出して、この入力パターンと、メモリ３に記憶され
ているすべての標準パターンとのパターン間距離を計算
する。そして、音声認識部２は、入力パターンとのパタ
ーン間距離を最も短くする標準パターン（識別単語）を
認識結果としてコントローラ４に出力する。メモリ３
は、標準パターンとしての音声（識別単語）の特徴パラ
メータを記憶する。

【００１６】ここで、識別単語とは、一般的に区別をつ
けることができる、いわば汎用的な単語（文字）で、例
えば色（例えば赤、青、もしくは黄など）、数字（例え
ば１，２、もしくは３など）、方向（例えば東、西、
南、もしくは北、上、下、左、もしくは右など）、また
はアルファベット（例えばＡ，Ｂ、もしくはＣなど）な
どのことである。

【００１７】コントローラ４は、音声認識部２などの外
部ブロックを制御する他、内蔵するデータメモリ（図示
せず）に記憶された選択項目と、メモリ３に記憶され
た、例えば赤、青、または黄などの色の種類を表す識別
単語とを対応付け、表示部５に表示させる。表示部５
は、コントローラ４で赤、青、または黄などの色の種類
を表す識別単語と対応付けられた選択項目を、それぞれ
赤、青、または黄などの表示色で表示する。登録／認識
切換スイッチ６は、装置の動作モードを登録モードと認
識モードとに切り換えるためのスイッチである。

【００１８】次に、その動作について説明する。まず、
認識／登録切換スイッチが登録モード側に切り換えられ
ている場合、例えば赤、青、黄、または緑などの色の種
類を表す識別単語が、それぞれ例えば３回ずつ発声され
ると、マイク１において、発声された識別単語が電気信
号としての音声信号に変換され、音声認識部２に供給さ
れる。

【００１９】音声認識部２において、３回ずつ発声され
た識別単語が、それぞれ音響分析され、音声の特徴パラ
メータが算出される。即ち、１つの識別単語が３回発声
されるので、音声認識部２において、３回分（３回発声
分）の特徴パラメータが算出される。さらに、音声認識
部２において、３回分の特徴パラメータのうちの、例え
ば２回分の特徴パラメータが、マルチテンプレート化す
るための標準パターンとしてメモリ３に出力され、メモ
リ３に記憶される。そして、音声認識部２において、３
回分の特徴パラメータのうちの、残りの１回分の特徴パ
ラメータが入力パターンとされ、この入力パターンと、
メモリ３に先に記憶された２回分の特徴パラメータであ
る標準パターンとのパターン間距離が計算され、音声認
識率が算出される。

【００２０】以上のように、音声認識部２において、マ
イク１より供給されたすべての識別単語の標準パターン
が算出されるとともに、各識別単語の音声認識率が算出
された後、メモリ３に記憶された、識別単語（ここで
は、赤、青、黄、および緑）の標準パターンが、例えば
赤、青、黄、緑のように、その音声認識率の高い順に並
べ変えられる。

【００２１】次に、認識／登録切換スイッチが認識モー
ド側に切り換えられると、コントローラ４において、内
蔵するデータメモリに記憶されている選択項目が読み出
され、音声認識率の高い順にメモリ３に記憶された赤、
青、黄、または緑（識別単語の標準パターン）とそれぞ
れ対応付けられて、表示部５に出力され、表示部５にお
いて、各選択項目が、それぞれ赤、青、黄、または緑の
表示色で表示される。

【００２２】ここで、コントローラ４の内蔵するデータ
メモリに記憶されている選択項目は、例えば会社組織に
関するもので、図２に示すように階層化されている。

【００２３】従って、表示部５において、まず第１の階
層における選択項目としての「総務部」、「営業部」、
「技術部」、または「特許部」が、赤、青、黄、または
緑の表示色でそれぞれ表示される。

【００２４】ここで、あらかじめコントローラ４の内蔵
する検索モードスイッチ（図示せず）が操作され、装置
のモードは、例えば電話番号検索モード、即ち図２の第
３の階層における、「採用係」や「研修係」などの各係
の電話番号を検索するモードになっており、例えば「総
務部人事課の研修係の電話番号」が検索される場合、ま
ず最初に第１の階層における「総務部」が選択される。

【００２５】即ち、表示部５における「総務部」の表示
色である赤が発声されて、音声「赤」がマイク１に入力
される。マイク１において、音声「赤」は電気信号とし
ての音声信号に変換され、音声認識部２に供給される。
音声認識部２において、マイク１より供給された音声信
号（識別単語「赤」）が音響分析され、入力パターンと
しての音声の特徴パラメータが算出され、この入力パタ
ーンと、メモリ３に記憶されているすべての標準パター
ンとのパターン間距離が計算される。そして、音声認識
部２において、入力パターンとのパターン間距離を最も
短くする標準パターン（識別単語「赤」）が認識結果と
してコントローラ４に出力される。

【００２６】ここで、前述したように、音声認識部２に
おける音声認識率の高い識別単語（赤、青、黄または
緑）が選択項目（総務部、営業部、技術部、または特許
部）と対応付けられているので、音声認識部２におい
て、マイク１に入力された識別単語としての音声は、ほ
とんどまちがいなく認識される。

【００２７】コントローラ４において、音声認識部２よ
り出力された認識結果（識別単語「赤」）に対応付けら
れた選択項目（「総務部」）が選択され、その選択項目
（「総務部」）の下位に位置する第２の階層における選
択項目「人事課」、「総務課」、「秘書課」、および
「広報課」が、内蔵するデータメモリから読み出され
る。さらに、コントローラ４において、各選択項目「人
事課」、「総務課」、「秘書課」、または「広報課」
が、音声認識率の高い順にメモリ３に記憶された赤、
青、黄、または緑（識別単語の標準パターン）と対応付
けられて、表示部５に出力される。表示部５において、
各選択項目「人事課」、「総務課」、「秘書課」、また
は「広報課」が、それぞれ赤、青、黄、または緑の表示
色で表示される。

【００２８】表示部５における「人事課」の表示色であ
る赤が発声されると、音声「赤」がマイク１に入力さ
れ、電気信号としての音声信号に変換され、音声認識部
２に供給される。音声認識部２において、マイク１より
供給された音声信号（識別単語「赤」）が音響分析さ
れ、入力パターンとしての音声の特徴パラメータが算出
され、この入力パターンと、メモリ３に記憶されている
すべての標準パターンとのパターン間距離が計算され
る。そして、音声認識部２において、入力パターンとの
パターン間距離を最も短くする標準パターン（識別単語
「赤」）が認識結果としてコントローラ４に出力され
る。

【００２９】コントローラ４において、音声認識部２よ
り出力された認識結果（識別単語「赤」）に対応付けら
れた選択項目（「人事課」）が選択され、その選択項目
（「人事課」）の下位に位置する第３の階層における選
択項目「採用係」、「研修係」、および「企画係」が、
内蔵するデータメモリから読み出される。さらに、コン
トローラ４において、各選択項目「採用係」、「研修
係」、または「企画係」が、音声認識率の高い順にメモ
リ３に記憶された赤、青、または黄（識別単語の標準パ
ターン）と対応付けられて、表示部５に出力される。表
示部５において、各選択項目「採用係」、「研修係」、
または「企画係」が、それぞれ赤、青、または黄の表示
色で表示される。

【００３０】ここで、コントローラ４において、音声認
識部２における音声認識率の高い識別単語（赤、青、黄
または緑）が選択項目（採用係、研修係、または企画
係）と対応付けられるので、第３の階層における選択項
目のように、その数が３つだけの場合、４つの識別単語
（赤、青、黄または緑）のうち、音声認識率の高い上位
３つの識別単語（赤、青、および黄）が用いられる。

【００３１】表示部５における「研修係」の表示色であ
る青が発声されると、音声「青」がマイク１に入力さ
れ、電気信号としての音声信号に変換され、音声認識部
２に供給される。音声認識部２において、前述した処理
と同様の処理が行われ、音声認識結果としての標準パタ
ーン（識別単語「青」）がコントローラ４に出力され
る。

【００３２】コントローラ４において、音声認識部２よ
り出力された認識結果（識別単語「青」）に対応付けら
れた選択項目（「研修係」）が選択される。そして、そ
の選択項目（「研修係」）の下位に位置するデータとし
ての電話番号が、コントローラ４において内蔵するデー
タメモリから読み出されて表示部５に出力される。表示
部５において、コントローラ４より出力された「採用係
（総務部人事課の採用係」の電話番号が表示される。

【００３３】次に、図３のフローチャートを参照して、
装置のモードが登録モードの場合の動作について、さら
に説明する。まず最初に、ステップＳ１において、認識
／登録切換スイッチ６が操作され、登録モード側に切り
換えられる。ステップＳ２において、音声「赤」、
「青」、「黄」または「緑」がマイク１に入力され、そ
れぞれ音響分析されて、標準パターンとしての音声の特
徴パラメータが算出される。そして、ステップＳ３に進
み、音声「赤」、「青」、「黄」または「緑」の音声認
識率が、それぞれ計算され、ステップＳ４に進む。ステ
ップＳ４において、音声「赤」、「青」、「黄」または
「緑」の標準パターンが、ステップＳ３で計算された音
声認識率の高い順にメモリ３に登録され、処理を終了す
る。

【００３４】さらに、図４は、装置のモードが認識モー
ドの場合の動作を説明するためのフローチャートであ
る。まず最初に、ステップＳ１１において、認識／登録
切換スイッチ６が操作されて認識モード側に切り換えら
れ、ステップＳ１２に進む。ステップＳ１２において、
コントローラ４の内蔵するデータメモリに記憶された選
択項目の階層を示す変数ｎに、初期値としての１がセッ
トされ、ステップＳ１３に進む。ステップＳ１３におい
て、コントローラ４の内蔵する検索モードスイッチが操
作され、例えば前述したような電話番号検索モードにさ
れ、ステップＳ１４に進む。ステップＳ１４において、
第ｎ階層の選択項目がコントローラ４の内蔵するデータ
メモリから読み出され、ステップＳ１５に進む。

【００３５】ステップＳ１５において、第ｎ階層の各選
択項目が、装置のモードが登録モード（図３）のとき
に、音声認識率の高い順にメモリ３に登録された識別単
語「赤」、「青」、「黄」または「緑」と、それぞれ順
番に対応付けられ、ステップＳ１６において、第ｎ階層
の各選択項目が、対応付けられた識別単語「赤」、
「青」、「黄」または「緑」の表す色（表示色）で表示
され、ステップＳ１７に進む。ステップＳ１７におい
て、第ｎ階層の各選択項目が表示されている表示色（識
別単語）「赤」、「青」、「黄」または「緑」のうちの
いずれかが発声されたか否かが判定される。

【００３６】ステップＳ１７において、第ｎ階層の各選
択項目が表示されている表示色（識別単語）「赤」、
「青」、「黄」または「緑」のうちのいずれかが発声さ
れていないと判定された場合、再びステップＳ１７に戻
る。ステップＳ１７において、第ｎ階層の各選択項目が
表示されている表示色（識別単語）「赤」、「青」、
「黄」または「緑」のうちのいずれかが発声されたと判
定された場合、ステップＳ１８に進み、ステップＳ１７
で発声された音声（識別単語「赤」、「青」、「黄」ま
たは「緑」）が音声認識され、ステップＳ１９に進む。

【００３７】ステップＳ１９において、音声認識された
識別単語（「赤」、「青」、「黄」または「緑」のうち
のいずれかひとつ）が、ステップＳ１５で対応付けられ
た選択項目が選択され、さらに、その選択項目の下位の
階層が存在するか否かが判定される。ステップＳ１９に
おいて、選択項目の下位の階層が存在すると判定された
場合、ステップＳ２０に進み、選択項目の階層を示す変
数ｎが１だけインクリメントされ、ステップＳ１４に戻
る。ステップＳ１９において、選択項目の下位の階層が
存在しないと判定されるまで、ステップＳ１４乃至Ｓ２
０の処理を繰り返す。

【００３８】ステップＳ１９において、選択項目の下位
の階層が存在しないと判定された場合、処理を終了す
る。

【００３９】以上のように、識別単語を選択項目に対応
付け、発声された識別単語を音声認識して選択項目を選
択するようにしたので、例えば選択項目を追加または変
更しても、その数が、あらかじめメモリ３に登録されて
いる識別単語の数を越えない限り、その記憶内容（識別
単語）を追加または変更する必要がなく、装置の汎用性
を向上させることができる。さらに、本実施例における
場合のように、選択項目が階層的に構成されているとき
には、最も多くの選択項目を有する階層における選択項
目数と同じだけの数の認識単語をメモリ３に登録するだ
けで済み、従って、はるかにその記憶容量を少なくする
ことができる。

【００４０】なお、本実施例においては、色の種類を表
す例えば「赤」、「青」、「黄」または「緑」などを識
別単語として用いたが、例えば選択項目が表示部５で表
示される順番や、または位置に対応して、前述した数字
（例えば１，２、もしくは３など）、およびアルファベ
ット（例えばＡ，Ｂ、もしくはＣなど）、または方向
（例えば東、西、南、もしくは北、上、下、左、もしく
は右など）、およびアルファベット（例えばＡ，Ｂ、も
しくはＣなど）などを識別単語として用いることができ
る。

【００４１】

【発明の効果】請求項１に記載の音声処理装置によれ
ば、選択項目を、記憶手段に記憶されている識別単語と
対応付けて表示する。そして、発声された識別単語と、
記憶手段に記憶された識別単語とのパターン間距離を計
算し、そのパターン間距離に対応して、発声された識別
単語を音声認識し、音声認識された識別単語と対応付け
られた選択項目を選択する。従って、選択項目に対応付
けられた識別単語が音声認識されるので、すべての選択
項目を記憶手段に記憶させておく必要がなく、従って、
記憶手段の記憶容量が少なくて済み、装置を小型に構成
することができる。

【００４２】請求項２に記載の音声処理装置によれば、
表示制御手段は、認識手段による、発声された識別単語
の音声認識率に対応して、選択項目と識別単語とを対応
付けて表示する。従って、音声認識率の高い識別単語が
使用されるので、音声の誤認識による装置の誤動作が防
止される。

【００４３】請求項３に記載の音声処理装置によれば、
記憶手段は、色の種類を表す識別単語を記憶している。
従って、例えば赤、青、または黄などの色の種類が発声
されるだけで選択項目の選択が行われるので、装置の操
作性が向上する。

【図面の簡単な説明】

【図１】本発明の音声処理装置を応用したデータベース
システムの一実施例の構成を示すブロック図である。

【図２】図１の実施例のコントローラ４の内蔵するデー
タメモリに記憶された選択項目の階層を示す図である。

【図３】図１の実施例の動作を説明するためのフローチ
ャートである。

【図４】図１の実施例の動作を説明するためのフローチ
ャートである。

【符号の説明】

１ マイク ２ 音声認識部 ３ メモリ ４ コントローラ ５ 表示部 ６ 認識／登録切換スイッチ

Claims (3)

【特許請求の範囲】
1. 【請求項１】 識別単語を記憶している記憶手段と、 選択項目を、前記記憶手段に記憶されている識別単語と
   対応付けて表示する表示制御手段と、 発声された識別単語と、前記記憶手段に記憶されている
   識別単語とのパターン間距離を計算し、前記パターン間
   距離に対応して、前記発声された識別単語を音声認識す
   る認識手段と、 前記認識手段により音声認識された識別単語と対応付け
   られた前記選択項目を選択する選択手段とを備えること
   を特徴とする音声処理装置。
2. 【請求項２】 前記表示制御手段は、前記認識手段によ
   る前記発声された識別単語の音声認識率に対応して、前
   記選択項目と前記識別単語とを対応付けて表示すること
   を特徴とする請求項１に記載の音声処理装置。
3. 【請求項３】 前記記憶手段は、色の種類を表す識別単
   語を記憶していることを特徴とする請求項１または２に
   記載の音声処理装置。