JPH06175689A - 音声認識反応装置 - Google Patents
音声認識反応装置Info
- Publication number
- JPH06175689A JPH06175689A JP4351307A JP35130792A JPH06175689A JP H06175689 A JPH06175689 A JP H06175689A JP 4351307 A JP4351307 A JP 4351307A JP 35130792 A JP35130792 A JP 35130792A JP H06175689 A JPH06175689 A JP H06175689A
- Authority
- JP
- Japan
- Prior art keywords
- voice
- dictionary
- similarity
- unit
- recognition
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Landscapes
- Toys (AREA)
Abstract
(57)【要約】
【目的】 音声認識の結果とその確からしさ、更には、
音量情報やピッチ情報に応じて、操作者に対する音声応
答や動作応答を変化させることのできる音声認識反応装
置を提供することを目的とする。 【構成】 音声認識の結果である認識番号と認識の確か
らしさを段階的に示す類似レベルを、特徴抽出部３、類
似度演算部４、音声認識辞書５、及び類似度認識部７に
て求め、音量レベルを音量判定部６及び類似度認識部７
にて求め、前記認識番号と類似レベルと音量レベルとの
組み合わせによって動作辞書選択部８及び音声辞書選択
部１３が動作辞書格納部９と音声合成辞書格納部１４か
ら動作辞書と音声辞書をそれぞれ選択し、この選択した
辞書に基づいて可動部１２を駆動し、又、合成音声を出
力するように構成した。
音量情報やピッチ情報に応じて、操作者に対する音声応
答や動作応答を変化させることのできる音声認識反応装
置を提供することを目的とする。 【構成】 音声認識の結果である認識番号と認識の確か
らしさを段階的に示す類似レベルを、特徴抽出部３、類
似度演算部４、音声認識辞書５、及び類似度認識部７に
て求め、音量レベルを音量判定部６及び類似度認識部７
にて求め、前記認識番号と類似レベルと音量レベルとの
組み合わせによって動作辞書選択部８及び音声辞書選択
部１３が動作辞書格納部９と音声合成辞書格納部１４か
ら動作辞書と音声辞書をそれぞれ選択し、この選択した
辞書に基づいて可動部１２を駆動し、又、合成音声を出
力するように構成した。
Description
【０００１】
【産業上の利用分野】本発明は、音声を認識して聴覚的
反応或いは視覚的反応を示す例えば玩具ロボット等とし
て利用される音声認識反応装置に関する。
反応或いは視覚的反応を示す例えば玩具ロボット等とし
て利用される音声認識反応装置に関する。
【０００２】
【従来の技術】従来より、音声認識装置における認識結
果確認方法なる技術が知られており、例えば、認識可・
認識否の判断が必ずしも断定的でないことを示す認識結
果を発声者に示すようにしたものがある（特開昭５７−
７４７９７号公報参照）。また、音声認識の状況に応じ
て可聴音の周波数や継続時間を変化させるようにしたも
のがある（特開昭５８−２１６２９８号公報参照）。更
に、認識結果の信頼度に対して第１の閾値と第２の閾値
とを備え、これらの閾値に基づいて所定の制御を行うこ
とで、コマンド入力効率を落とさずに機械の致命的な誤
動作を起こさないようなコマンドを出力するようにした
ものが知られている（特開平３−２４８１９９号公報参
照）。しかし、これらの方法は、音声認識の確からしさ
が低い場合に操作者の確認を求めるための方法である。
果確認方法なる技術が知られており、例えば、認識可・
認識否の判断が必ずしも断定的でないことを示す認識結
果を発声者に示すようにしたものがある（特開昭５７−
７４７９７号公報参照）。また、音声認識の状況に応じ
て可聴音の周波数や継続時間を変化させるようにしたも
のがある（特開昭５８−２１６２９８号公報参照）。更
に、認識結果の信頼度に対して第１の閾値と第２の閾値
とを備え、これらの閾値に基づいて所定の制御を行うこ
とで、コマンド入力効率を落とさずに機械の致命的な誤
動作を起こさないようなコマンドを出力するようにした
ものが知られている（特開平３−２４８１９９号公報参
照）。しかし、これらの方法は、音声認識の確からしさ
が低い場合に操作者の確認を求めるための方法である。
【０００３】
【発明が解決しようとする課題】ところで、玩具ロボッ
トなどの娯楽機器においても、音声認識装置を備え、認
識結果に応じて予め用意してある音声、例えば、「名前
は」という入力音声を確認したときには、予め用意して
ある「何々ロボットです」といった合成音声を生成して
出力するものなどが知られている。
トなどの娯楽機器においても、音声認識装置を備え、認
識結果に応じて予め用意してある音声、例えば、「名前
は」という入力音声を確認したときには、予め用意して
ある「何々ロボットです」といった合成音声を生成して
出力するものなどが知られている。
【０００４】しかしながら、上記従来の玩具ロボットで
は、或る一つの入力された言葉に対して一つのリアクシ
ョンが用意されているだけであり、一つの言葉について
その音声認識の確からしさに応じて異なる色々なリアク
ションを示すことができないものであった。また、入力
音声の音量やピッチをリアクション選択のための情報と
して用いるものはなかった。
は、或る一つの入力された言葉に対して一つのリアクシ
ョンが用意されているだけであり、一つの言葉について
その音声認識の確からしさに応じて異なる色々なリアク
ションを示すことができないものであった。また、入力
音声の音量やピッチをリアクション選択のための情報と
して用いるものはなかった。
【０００５】本発明は、上記の事情に鑑み、音声認識の
結果とその確からしさ、更には、音量情報やピッチ情報
に応じて、操作者に対する音声応答や動作応答を変化さ
せることのできる音声認識反応装置を提供することを目
的とする。
結果とその確からしさ、更には、音量情報やピッチ情報
に応じて、操作者に対する音声応答や動作応答を変化さ
せることのできる音声認識反応装置を提供することを目
的とする。
【０００６】
【課題を解決するための手段】本発明の音声認識反応装
置は、上記従来の課題を解決するために、入力された音
声の特徴を抽出する特徴抽出部と、予め複数の音声の特
徴量を登録している音声認識辞書と、上記入力された音
声について抽出された特徴量と音声認識辞書中の各音声
の特徴量とを比較し各々について類似度を計算する類似
度計算部と、この計算された類似度をその値の大小によ
り数段階のレベルに分けて認識する類似度認識部と、音
声或いは音に対応したデータが格納されている音声辞書
格納部と、前記類似度が最も高かった音声認識辞書中の
音声の認識番号とその類似レベルとの組み合わせにより
音声辞書を選択する音声辞書選択部と、選択された音声
或いは音のデータを音声信号に変換する音声生成部と、
上記音声信号を音声或いは音に変換して出力する音声出
力部とを備えたことを特徴としている。
置は、上記従来の課題を解決するために、入力された音
声の特徴を抽出する特徴抽出部と、予め複数の音声の特
徴量を登録している音声認識辞書と、上記入力された音
声について抽出された特徴量と音声認識辞書中の各音声
の特徴量とを比較し各々について類似度を計算する類似
度計算部と、この計算された類似度をその値の大小によ
り数段階のレベルに分けて認識する類似度認識部と、音
声或いは音に対応したデータが格納されている音声辞書
格納部と、前記類似度が最も高かった音声認識辞書中の
音声の認識番号とその類似レベルとの組み合わせにより
音声辞書を選択する音声辞書選択部と、選択された音声
或いは音のデータを音声信号に変換する音声生成部と、
上記音声信号を音声或いは音に変換して出力する音声出
力部とを備えたことを特徴としている。
【０００７】また、入力された音声の特徴を抽出する特
徴抽出部と、予め複数の音声の特徴量を登録している音
声認識辞書と、上記入力された音声について抽出された
特徴量と音声認識辞書中の各音声の特徴量とを比較し各
々について類似度を計算する類似度計算部と、この計算
された類似度をその値の大小により数段階のレベルに分
けて認識する類似度認識部と、動作パターンに対応した
データが格納されている動作辞書格納部と、前記類似度
が最も高かった音声認識辞書中の音声の認識番号とその
類似レベルとの組み合わせにより動作辞書を選択する動
作辞書選択部と、選択された動作パターンのデータに基
づきアクチュエータ部を制御するアクチュエータ制御部
と、前記アクチュエータ部にて駆動される可動部とを備
えたことを特徴としている。
徴抽出部と、予め複数の音声の特徴量を登録している音
声認識辞書と、上記入力された音声について抽出された
特徴量と音声認識辞書中の各音声の特徴量とを比較し各
々について類似度を計算する類似度計算部と、この計算
された類似度をその値の大小により数段階のレベルに分
けて認識する類似度認識部と、動作パターンに対応した
データが格納されている動作辞書格納部と、前記類似度
が最も高かった音声認識辞書中の音声の認識番号とその
類似レベルとの組み合わせにより動作辞書を選択する動
作辞書選択部と、選択された動作パターンのデータに基
づきアクチュエータ部を制御するアクチュエータ制御部
と、前記アクチュエータ部にて駆動される可動部とを備
えたことを特徴としている。
【０００８】また、入力された音声の音量情報を判定す
る音量判定部を備えると共に、前記類似度認識部は音量
をその値の大小により数段階のレベルに分けて認識する
機能も備え、前記音声辞書選択部又は動作辞書選択部
は、前記類似度が最も高かった音声認識辞書中の音声の
認識番号とその類似レベルと前記音量レベルとの組み合
わせにより音声辞書を選択する、或いは動作辞書を選択
するように構成されていることを特徴としている。
る音量判定部を備えると共に、前記類似度認識部は音量
をその値の大小により数段階のレベルに分けて認識する
機能も備え、前記音声辞書選択部又は動作辞書選択部
は、前記類似度が最も高かった音声認識辞書中の音声の
認識番号とその類似レベルと前記音量レベルとの組み合
わせにより音声辞書を選択する、或いは動作辞書を選択
するように構成されていることを特徴としている。
【０００９】さらに、入力された音声のピッチ情報を判
定するピッチ判定部を備えると共に、前記類似度認識部
はピッチをその大小により数段階のレベルに分けて認識
する機能も備え、前記音声辞書選択部又は動作辞書選択
部は、前記類似度が最も高かった音声認識辞書中の音声
の認識番号とその類似レベルと前記ピッチレベルの組み
合わせにより音声辞書を選択する、或いは動作辞書を選
択するように構成されていることを特徴としている。
定するピッチ判定部を備えると共に、前記類似度認識部
はピッチをその大小により数段階のレベルに分けて認識
する機能も備え、前記音声辞書選択部又は動作辞書選択
部は、前記類似度が最も高かった音声認識辞書中の音声
の認識番号とその類似レベルと前記ピッチレベルの組み
合わせにより音声辞書を選択する、或いは動作辞書を選
択するように構成されていることを特徴としている。
【００１０】
【作用】上記の構成によれば、計算された類似度をその
値の大小により数段階に分けて類似レベルとして認識
し、類似度が最も高かった音声認識辞書中の音声の認識
番号とその類似レベルとの組み合わせにより音声辞書を
選択し、その音声辞書の音声や音を出力するから、音声
認識の確からしさに応じて異なる色々な聴覚的リアクシ
ョンを示すことができることになる。同様に、音声認識
の確からしさに応じて異なる色々な視覚的リアクション
を示すことができる。
値の大小により数段階に分けて類似レベルとして認識
し、類似度が最も高かった音声認識辞書中の音声の認識
番号とその類似レベルとの組み合わせにより音声辞書を
選択し、その音声辞書の音声や音を出力するから、音声
認識の確からしさに応じて異なる色々な聴覚的リアクシ
ョンを示すことができることになる。同様に、音声認識
の確からしさに応じて異なる色々な視覚的リアクション
を示すことができる。
【００１１】また、類似度が最も高かった音声認識辞書
中の音声の認識番号とその類似段階値と音量レベル及び
／又はピッチレベルとの組み合わせにより音声辞書を選
択する、或いは動作辞書を選択するので、音声認識の確
からしさに加え、音量やピッチに応じて異なる色々な聴
覚的・視覚的なリアクションを示すことができる。
中の音声の認識番号とその類似段階値と音量レベル及び
／又はピッチレベルとの組み合わせにより音声辞書を選
択する、或いは動作辞書を選択するので、音声認識の確
からしさに加え、音量やピッチに応じて異なる色々な聴
覚的・視覚的なリアクションを示すことができる。
【００１２】
【実施例】以下、本発明をその実施例を示す図面に基づ
いて説明する。図１は音声認識反応装置を示すブロック
図である。図において、１はマイク、２は音声入力部、
３は特徴抽出部、４は類似度演算部、５は音声認識辞
書、６は音量判定部、７は類似度認識部、８は動作辞書
選択部、９は動作辞書格納部、１０はアクチュエータ制
御部、１１はアクチュエータ部、１２は可動部、１３は
音声合成辞書選択部、１４は音声合成辞書格納部、１５
は音声合成部、１６は音声出力部、１７はスピーカーで
ある。また、図２は本発明の音声認識反応装置が玩具ロ
ボットである場合のそのロボットの外観を示したもので
あり、このロボットの口に相当する部分が前記スピーカ
ー１７、耳に相当する部分が前記マイク１、首と腕と脚
に相当する部分が前記可動部１２であることを示してい
る。
いて説明する。図１は音声認識反応装置を示すブロック
図である。図において、１はマイク、２は音声入力部、
３は特徴抽出部、４は類似度演算部、５は音声認識辞
書、６は音量判定部、７は類似度認識部、８は動作辞書
選択部、９は動作辞書格納部、１０はアクチュエータ制
御部、１１はアクチュエータ部、１２は可動部、１３は
音声合成辞書選択部、１４は音声合成辞書格納部、１５
は音声合成部、１６は音声出力部、１７はスピーカーで
ある。また、図２は本発明の音声認識反応装置が玩具ロ
ボットである場合のそのロボットの外観を示したもので
あり、このロボットの口に相当する部分が前記スピーカ
ー１７、耳に相当する部分が前記マイク１、首と腕と脚
に相当する部分が前記可動部１２であることを示してい
る。
【００１３】マイク１は入力音声を音声信号に変換し、
音声入力部２は上記音声信号を増幅・整形する等の所定
の処理を行うものである。
音声入力部２は上記音声信号を増幅・整形する等の所定
の処理を行うものである。
【００１４】特徴抽出部３は、例えば、公知の周波数ス
ペクトル法に基づいて音声の特徴を抽出するものであ
り、複数個の互いに通過させる周波数が異なるバンドパ
スフィルターやＡ／Ｄ変換器などを備えて構成される。
ペクトル法に基づいて音声の特徴を抽出するものであ
り、複数個の互いに通過させる周波数が異なるバンドパ
スフィルターやＡ／Ｄ変換器などを備えて構成される。
【００１５】音声認識辞書５は、いわゆる登録モードに
おいて、前記マイク１及び音声入力部２を通じて取り込
まれ特徴抽出部３にて抽出された操作者の声の周波数ス
ペクトルに基づく特徴量を抽出し、その特徴量をデジタ
ルデータで格納しているものである。また、音声認識辞
書５は、複数の音声の特徴量を格納できるものである。
例えば、本実施例では、「バスター」（バスターは前記
ロボットの名前）、「進め」、「やっつけろ」といった
言葉が操作者により音声入力され、この３つの音声につ
いて特徴量が各々格納されているものである。
おいて、前記マイク１及び音声入力部２を通じて取り込
まれ特徴抽出部３にて抽出された操作者の声の周波数ス
ペクトルに基づく特徴量を抽出し、その特徴量をデジタ
ルデータで格納しているものである。また、音声認識辞
書５は、複数の音声の特徴量を格納できるものである。
例えば、本実施例では、「バスター」（バスターは前記
ロボットの名前）、「進め」、「やっつけろ」といった
言葉が操作者により音声入力され、この３つの音声につ
いて特徴量が各々格納されているものである。
【００１６】類似度演算部４は、いわゆる認識モードに
おいて、前記マイク１及び音声入力部２を通じて取り込
まれ特徴抽出部３にて抽出された操作者の声の周波数ス
ペクトルに基づく特徴量を一旦記憶すると共に、前記音
声認識辞書５から順次読み出した各音声の特徴量との比
較を行い、各音声についての類似度を算出し、最も高か
った類似度およびその音声の認識番号を類似度認識部７
に供給する。
おいて、前記マイク１及び音声入力部２を通じて取り込
まれ特徴抽出部３にて抽出された操作者の声の周波数ス
ペクトルに基づく特徴量を一旦記憶すると共に、前記音
声認識辞書５から順次読み出した各音声の特徴量との比
較を行い、各音声についての類似度を算出し、最も高か
った類似度およびその音声の認識番号を類似度認識部７
に供給する。
【００１７】音量判定部６は、いわゆる認識モードにお
いて、前記マイク１及び音声入力部２を通じて取り込ま
れ特徴抽出部３にて抽出された操作者の声の周波数スペ
クトルのレベルの平均値にて入力音声の音量を判定し、
この判定した音量情報を類似度認識部７に供給する。
いて、前記マイク１及び音声入力部２を通じて取り込ま
れ特徴抽出部３にて抽出された操作者の声の周波数スペ
クトルのレベルの平均値にて入力音声の音量を判定し、
この判定した音量情報を類似度認識部７に供給する。
【００１８】類似度認識部７は、類似度演算部４からの
類似度をその値の大小により数段階に分けて類似レベル
（例えば、レベル１，２，３…のように類似度が高くな
るほど大きな数値）として認識すると共に、音量判定部
６からの音量をその値の大小により数段階に分けて音量
レベル（例えば、レベル１，２，３…のように音量が大
きくなるほど大きな数値）として認識し、これら類似段
階値と音量段階値を、動作辞書選択部８及び音声合成辞
書選択部１３に供給するようになっている。
類似度をその値の大小により数段階に分けて類似レベル
（例えば、レベル１，２，３…のように類似度が高くな
るほど大きな数値）として認識すると共に、音量判定部
６からの音量をその値の大小により数段階に分けて音量
レベル（例えば、レベル１，２，３…のように音量が大
きくなるほど大きな数値）として認識し、これら類似段
階値と音量段階値を、動作辞書選択部８及び音声合成辞
書選択部１３に供給するようになっている。
【００１９】動作辞書選択部８は、前記類似度が最も高
かった音声認識辞書５中の音声の認識番号とその類似レ
ベルと音量レベルとの組み合わせにより動作辞書格納部
９から動作辞書を選択してアクチュエータ制御部１０に
出力する。上記音声の認識番号は、例えば「バスター」
については番号“１”、「進め」については番号
“２”、「やっつけろ」については番号“３”のように
付されている。また、動作辞書格納部９には、「片手を
上げる」「バンザイする」「がたがた揺れる」「ゆっく
り進む」「早く進む」「両手を上げ下げする」「両手を
激しく上下左右に振る」更に「なにもしない」といった
動作辞書が格納されている。具体的には、そのような動
作をさせるためのアクチュエータ駆動データ（駆動する
対象、駆動時間等のデータ）が格納されている。
かった音声認識辞書５中の音声の認識番号とその類似レ
ベルと音量レベルとの組み合わせにより動作辞書格納部
９から動作辞書を選択してアクチュエータ制御部１０に
出力する。上記音声の認識番号は、例えば「バスター」
については番号“１”、「進め」については番号
“２”、「やっつけろ」については番号“３”のように
付されている。また、動作辞書格納部９には、「片手を
上げる」「バンザイする」「がたがた揺れる」「ゆっく
り進む」「早く進む」「両手を上げ下げする」「両手を
激しく上下左右に振る」更に「なにもしない」といった
動作辞書が格納されている。具体的には、そのような動
作をさせるためのアクチュエータ駆動データ（駆動する
対象、駆動時間等のデータ）が格納されている。
【００２０】また、音声合成辞書選択部１３は、前記類
似度が最も高かった音声認識辞書５中の音声の認識番号
とその類似レベルと音量レベルとの組み合わせにより音
声合成辞書格納部１４から音声合成辞書を選択して音声
合成部１５に出力する。上記音声の認識番号は、前に説
明した通りである。また、音声合成辞書格納部１４に
は、「はい」「はい、ご主人様」「あなたは誰」「いや
だ」「ガー」「ガオー」といった音声合成辞書が格納さ
れている。具体的には、そのような合成音声を生成する
ためのデータが格納されている。
似度が最も高かった音声認識辞書５中の音声の認識番号
とその類似レベルと音量レベルとの組み合わせにより音
声合成辞書格納部１４から音声合成辞書を選択して音声
合成部１５に出力する。上記音声の認識番号は、前に説
明した通りである。また、音声合成辞書格納部１４に
は、「はい」「はい、ご主人様」「あなたは誰」「いや
だ」「ガー」「ガオー」といった音声合成辞書が格納さ
れている。具体的には、そのような合成音声を生成する
ためのデータが格納されている。
【００２１】図３は、上記の動作辞書選択部８及び音声
合成辞書選択部１３による動作の選択処理及び合成音声
の選択処理を説明するための説明図である。例えば、同
図（ａ）は、類似度が最も高かった音声認識辞書５中の
音声の認識番号が“１”であった、即ち、入力音声が
「バスター」であると判断されたときの説明図であり、
その類似レベルがレベル１で音量レベルがレベル１のと
きは、“音声なしで動作なし”となり、類似レベルがレ
ベル２で音量レベルがレベル１のときは、音声は「は
い」、動作は「片手を上げる」となり、類似レベルがレ
ベル１で音量レベルがレベル２のときは、音声は「あな
たは誰」、動作は「がたがた揺れる」となり、類似レベ
ルがレベル２で音量レベルがレベル２のときは、音声は
「はい、ご主人様」、動作は「バンザイする」となる。
合成辞書選択部１３による動作の選択処理及び合成音声
の選択処理を説明するための説明図である。例えば、同
図（ａ）は、類似度が最も高かった音声認識辞書５中の
音声の認識番号が“１”であった、即ち、入力音声が
「バスター」であると判断されたときの説明図であり、
その類似レベルがレベル１で音量レベルがレベル１のと
きは、“音声なしで動作なし”となり、類似レベルがレ
ベル２で音量レベルがレベル１のときは、音声は「は
い」、動作は「片手を上げる」となり、類似レベルがレ
ベル１で音量レベルがレベル２のときは、音声は「あな
たは誰」、動作は「がたがた揺れる」となり、類似レベ
ルがレベル２で音量レベルがレベル２のときは、音声は
「はい、ご主人様」、動作は「バンザイする」となる。
【００２２】同図（ｂ）は、類似度が最も高かった音声
認識辞書５中の音声の認識番号が“２”であった、即
ち、入力音声が「進め」であると判断されたときの説明
図であり、同図（ｃ）は、類似度が最も高かった音声認
識辞書５中の音声の認識番号が“３”であった、即ち、
入力音声が「やっつけろ」であると判断されたときの説
明図である。そして、認識段階値と音量段階値との組み
合わせによる音声及び動作の選択は、これらの図に示さ
れたものとなる。このような音声及び動作を用意してお
くことで、あたかも、このロボットが感情をもって主人
を判別しているがごときに見せることができる。
認識辞書５中の音声の認識番号が“２”であった、即
ち、入力音声が「進め」であると判断されたときの説明
図であり、同図（ｃ）は、類似度が最も高かった音声認
識辞書５中の音声の認識番号が“３”であった、即ち、
入力音声が「やっつけろ」であると判断されたときの説
明図である。そして、認識段階値と音量段階値との組み
合わせによる音声及び動作の選択は、これらの図に示さ
れたものとなる。このような音声及び動作を用意してお
くことで、あたかも、このロボットが感情をもって主人
を判別しているがごときに見せることができる。
【００２３】アクチュエータ制御部１０は、動作辞書選
択部８にて選択された動作辞書に基づいてアクチュエー
タ１１を制御するものである。例えば、選択された動作
辞書が「片手を上げる」であれば、片手の動作を担うア
クチュエータ１１としてのモーターに対して、その片手
を上げるに必要な時間だけ電力を供給するなどの制御を
行うものである。
択部８にて選択された動作辞書に基づいてアクチュエー
タ１１を制御するものである。例えば、選択された動作
辞書が「片手を上げる」であれば、片手の動作を担うア
クチュエータ１１としてのモーターに対して、その片手
を上げるに必要な時間だけ電力を供給するなどの制御を
行うものである。
【００２４】音声合成部１５は、音声合成辞書選択部１
３にて選択された音声辞書のデジタルデータに基づいて
合成音声を生成するものである。例えば、選択された音
声辞書が「はい」であれば、その辞書のデジタルデータ
をＡ／Ｄ変換し、その「はい」に相当するさまざまな周
波数の音声信号を生成する。
３にて選択された音声辞書のデジタルデータに基づいて
合成音声を生成するものである。例えば、選択された音
声辞書が「はい」であれば、その辞書のデジタルデータ
をＡ／Ｄ変換し、その「はい」に相当するさまざまな周
波数の音声信号を生成する。
【００２５】音声出力部は、音声合成部１５からの音声
信号を増幅する等してスピーカー１７に供給する。
信号を増幅する等してスピーカー１７に供給する。
【００２６】上記の構成によれば、計算された類似度を
その値の大小により数段階に分けて類似レベルとして認
識し、類似度が最も高かった音声認識辞書中の音声の認
識番号とその類似レベルと音量レベルとの組み合わせに
より音声辞書を選択して前記の音声合成部１５に出力す
るため、音声認識の確からしさに応じて異なる色々な聴
覚的リアクション、即ち、「はい」や「ガオー」といっ
た音声によるリアクションを示すことができることにな
る。同様に、音声認識の確からしさに応じて異なる色々
な視覚的リアクション、即ち、「片手を上げる」や「両
手を激しく上下左右に振る」などの動作によるリアクシ
ョンを示すことができる。
その値の大小により数段階に分けて類似レベルとして認
識し、類似度が最も高かった音声認識辞書中の音声の認
識番号とその類似レベルと音量レベルとの組み合わせに
より音声辞書を選択して前記の音声合成部１５に出力す
るため、音声認識の確からしさに応じて異なる色々な聴
覚的リアクション、即ち、「はい」や「ガオー」といっ
た音声によるリアクションを示すことができることにな
る。同様に、音声認識の確からしさに応じて異なる色々
な視覚的リアクション、即ち、「片手を上げる」や「両
手を激しく上下左右に振る」などの動作によるリアクシ
ョンを示すことができる。
【００２７】図４は、音量レベルを考慮しない場合、即
ち、類似度が最も高かった音声認識辞書中の音声の認識
番号とその類似レベルとの組み合わせのみにより音声辞
書又は動作辞書を選択する場合で、類似度が最も高かっ
た音声認識辞書５中の音声の認識番号が“１”であっ
た、即ち、入力音声が「バスター」であると判断された
ときの説明図である。類似レベルがレベル１であれば、
音声なし動作なしとなり、レベル２であれば、音声は
「発音が悪いですね」、動作は「片手をやや上げる」と
なり、レベル３であれば、音声は「はい」、動作は「片
手を上げる」となり、レベル４であれば、音声は「は
い、発音が良いですね」、動作は「片手を上げて左右に
振る」となる。
ち、類似度が最も高かった音声認識辞書中の音声の認識
番号とその類似レベルとの組み合わせのみにより音声辞
書又は動作辞書を選択する場合で、類似度が最も高かっ
た音声認識辞書５中の音声の認識番号が“１”であっ
た、即ち、入力音声が「バスター」であると判断された
ときの説明図である。類似レベルがレベル１であれば、
音声なし動作なしとなり、レベル２であれば、音声は
「発音が悪いですね」、動作は「片手をやや上げる」と
なり、レベル３であれば、音声は「はい」、動作は「片
手を上げる」となり、レベル４であれば、音声は「は
い、発音が良いですね」、動作は「片手を上げて左右に
振る」となる。
【００２８】なお、音量レベルに代えて又はこれと共
に、音声のピッチレベルを考慮して音声辞書又は動作辞
書を選択するようにしてもよいものである。音声のピッ
チは、例えば、自己相関関数を用いた公知の方法を用い
て、音声信号をデジタル化したデータから検出すること
ができる。ピッチレベルは、音量レベルと同様に扱うこ
とができ、例えば、ピッチが高いものを音量の大きいも
の、ピッチが低いものを音量が小さいものとして対応づ
けることができる。
に、音声のピッチレベルを考慮して音声辞書又は動作辞
書を選択するようにしてもよいものである。音声のピッ
チは、例えば、自己相関関数を用いた公知の方法を用い
て、音声信号をデジタル化したデータから検出すること
ができる。ピッチレベルは、音量レベルと同様に扱うこ
とができ、例えば、ピッチが高いものを音量の大きいも
の、ピッチが低いものを音量が小さいものとして対応づ
けることができる。
【００２９】また、上記の実施例において、音声認識お
よび音声合成のアルゴリズムや特徴量、音量及びピッチ
の判定方法、可動部の制御方法等については、なんら限
定されるものではなく、他の方法等を用いてもよいもの
である。
よび音声合成のアルゴリズムや特徴量、音量及びピッチ
の判定方法、可動部の制御方法等については、なんら限
定されるものではなく、他の方法等を用いてもよいもの
である。
【００３０】
【発明の効果】以上のように、本発明によれば、音声認
識の確からしさに応じて異なる色々な聴覚的リアクショ
ンを示すことができることになる。同様に、音声認識の
確からしさに応じて異なる色々な視覚的リアクションを
示すことができる。さらに、音量レベル及び／又はピッ
チレベルとの組み合わせにより音声辞書を選択する、或
いは動作辞書を選択することにより、音声認識の確から
しさに加え、音量やピッチに応じて異なる色々な聴覚的
・視覚的なリアクションを示すことができるという効果
も奏する。
識の確からしさに応じて異なる色々な聴覚的リアクショ
ンを示すことができることになる。同様に、音声認識の
確からしさに応じて異なる色々な視覚的リアクションを
示すことができる。さらに、音量レベル及び／又はピッ
チレベルとの組み合わせにより音声辞書を選択する、或
いは動作辞書を選択することにより、音声認識の確から
しさに加え、音量やピッチに応じて異なる色々な聴覚的
・視覚的なリアクションを示すことができるという効果
も奏する。
【図１】本発明の音声認識反応装置のブロック図であ
る。
る。
【図２】本発明の音声認識反応装置が玩具ロボットであ
る場合のそのロボットの外観を示す正面図である。
る場合のそのロボットの外観を示す正面図である。
【図３】本発明の動作辞書選択部及び音声合成辞書選択
部による動作の選択処理及び合成音声の選択処理を説明
するための説明図である。
部による動作の選択処理及び合成音声の選択処理を説明
するための説明図である。
【図４】本発明の動作辞書選択部及び音声合成辞書選択
部において音量レベルを考慮しない場合の動作の選択処
理及び合成音声の選択処理を説明するための説明図であ
る。
部において音量レベルを考慮しない場合の動作の選択処
理及び合成音声の選択処理を説明するための説明図であ
る。
３ 特徴抽出部 ４ 類似度演算部 ５ 音声認識辞書 ６ 音量判定部 ７ 類似度認識部 ８ 動作辞書選択部 ９ 動作辞書格納部 １０ アクチュエータ制御部 １１ アクチュエータ １２ 可動部 １３ 音声合成辞書選択部 １４ 音声合成辞書格納部 １５ 音声合成部 １６ 音声出力部
Claims (4)
- 【請求項１】 入力された音声の特徴を抽出する特徴抽
出部と、予めれた複数の音声の特徴量を登録している音
声認識辞書と、上記入力された音声について抽出された
特徴量と音声認識辞書中の各音声の特徴量とを比較し各
々について類似度を計算する類似度計算部と、この計算
された類似度をその値の大小により数段階のレベルに分
けて認識する類似度認識部と、音声或いは音に対応した
データが格納されている音声辞書格納部と、前記類似度
が最も高かった音声認識辞書中の音声の認識番号とその
類似レベルとの組み合わせにより音声辞書を選択する音
声辞書選択部と、選択された音声或いは音のデータを音
声信号に変換する音声生成部と、上記音声信号を音声或
いは音に変換して出力する音声出力部とを備えたことを
特徴とする音声認識反応装置。 - 【請求項２】 入力された音声の特徴を抽出する特徴抽
出部と、予め複数の音声の特徴量を登録している音声認
識辞書と、上記入力された音声について抽出された特徴
量と音声認識辞書中の各音声の特徴量とを比較し各々に
ついて類似度を計算する類似度計算部と、この計算され
た類似度をその値の大小により数段階のレベルに分けて
認識する類似度認識部と、動作パターンに対応したデー
タが格納されている動作辞書格納部と、前記類似度が最
も高かった音声認識辞書中の音声の認識番号とその類似
レベルとの組み合わせにより動作辞書を選択する動作辞
書選択部と、選択された動作パターンのデータに基づき
アクチュエータ部を制御するアクチュエータ制御部と、
前記アクチュエータ部にて駆動される可動部とを備えた
ことを特徴とする音声認識反応装置。 - 【請求項３】 入力された音声の音量情報を判定する音
量判定部を備えると共に、前記類似度認識部は音量をそ
の値の大小により数段階のレベルに分けて認識する機能
を備え、前記音声辞書選択部又は動作辞書選択部は、前
記類似度が最も高かった音声認識辞書中の音声の認識番
号とその類似レベルと前記音量レベルとの組み合わせに
より音声辞書を選択する、或いは動作辞書を選択するよ
うに構成されていることを特徴とする請求項１又は２に
記載の音声認識反応装置。 - 【請求項４】 入力された音声のピッチ情報を判定する
ピッチ判定部を備えると共に、前記類似度認識部はピッ
チをその大小により数段階のレベルに分けて認識する機
能を備え、前記音声辞書選択部又は動作辞書選択部は、
前記類似度が最も高かった音声認識辞書中の音声の認識
番号とその類似レベルと前記ピッチレベルの組み合わせ
により音声辞書を選択する、或いは動作辞書を選択する
ように構成されていることを特徴とする請求項１又は２
に記載の音声認識反応装置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP4351307A JPH06175689A (ja) | 1992-12-07 | 1992-12-07 | 音声認識反応装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP4351307A JPH06175689A (ja) | 1992-12-07 | 1992-12-07 | 音声認識反応装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JPH06175689A true JPH06175689A (ja) | 1994-06-24 |
Family
ID=18416424
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP4351307A Pending JPH06175689A (ja) | 1992-12-07 | 1992-12-07 | 音声認識反応装置 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPH06175689A (ja) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH08266747A (ja) * | 1995-03-31 | 1996-10-15 | Matsushita Electric Ind Co Ltd | 音声認識装置、反応装置、反応選択装置及びこれらを用いた反応玩具 |
| JPH10111697A (ja) * | 1996-10-04 | 1998-04-28 | Matsushita Electric Ind Co Ltd | 音声反応装置と音声認識装置 |
| JPH10179941A (ja) * | 1996-10-21 | 1998-07-07 | Junji Kuwabara | 音声認識および音声発生装置、および、該音声認識および音声発生装置を備えた玩具、ならびに、音声認識および音声発生制御プログラムを記録した記録媒体 |
| FR2784206A1 (fr) * | 1998-10-02 | 2000-04-07 | D J B | Convertisseur de devises a commande vocale |
| JP2012519501A (ja) * | 2009-03-05 | 2012-08-30 | ステレンボッシュ ユニバーシティ | 懐く挙動を示す玩具 |
| US12051412B2 (en) | 2019-02-26 | 2024-07-30 | Preferred Networks, Inc. | Control device, system, and control method |
-
1992
- 1992-12-07 JP JP4351307A patent/JPH06175689A/ja active Pending
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH08266747A (ja) * | 1995-03-31 | 1996-10-15 | Matsushita Electric Ind Co Ltd | 音声認識装置、反応装置、反応選択装置及びこれらを用いた反応玩具 |
| JPH10111697A (ja) * | 1996-10-04 | 1998-04-28 | Matsushita Electric Ind Co Ltd | 音声反応装置と音声認識装置 |
| JPH10179941A (ja) * | 1996-10-21 | 1998-07-07 | Junji Kuwabara | 音声認識および音声発生装置、および、該音声認識および音声発生装置を備えた玩具、ならびに、音声認識および音声発生制御プログラムを記録した記録媒体 |
| FR2784206A1 (fr) * | 1998-10-02 | 2000-04-07 | D J B | Convertisseur de devises a commande vocale |
| JP2012519501A (ja) * | 2009-03-05 | 2012-08-30 | ステレンボッシュ ユニバーシティ | 懐く挙動を示す玩具 |
| US12051412B2 (en) | 2019-02-26 | 2024-07-30 | Preferred Networks, Inc. | Control device, system, and control method |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US6535852B2 (en) | Training of text-to-speech systems | |
| US10789937B2 (en) | Speech synthesis device and method | |
| KR102867181B1 (ko) | 차량 및 그 제어방법 | |
| WO2000040377A1 (fr) | Appareil de type machine, procede d'actionnement de celui-ci et support enregistre | |
| JPH096390A (ja) | 音声認識対話処理方法および音声認識対話装置 | |
| US6865535B2 (en) | Synchronization control apparatus and method, and recording medium | |
| JP2002123289A (ja) | 音声対話装置 | |
| JPH06175689A (ja) | 音声認識反応装置 | |
| JP5301037B2 (ja) | 音声認識装置 | |
| JP2002236494A (ja) | 音声区間判別装置、音声認識装置、プログラム及び記録媒体 | |
| JP6291808B2 (ja) | 音声合成装置及び方法 | |
| CN111429882A (zh) | 播放语音的方法、装置及电子设备 | |
| JP2005038160A (ja) | 画像生成装置およびその画像生成方法、ならびにコンピュータ読み取り可能な記録媒体 | |
| JP4539313B2 (ja) | 音声認識辞書作成システム、音声認識辞書作成方法、音声認識システムおよびロボット | |
| JP2536896B2 (ja) | 音声合成装置 | |
| JPH0430040B2 (ja) | ||
| JP2000099099A (ja) | データ再生装置 | |
| US20250182737A1 (en) | Speech Synthesizer and Method for Speech Synthesis | |
| JPH05224689A (ja) | 音声合成装置 | |
| JPH0538700U (ja) | 音声応答装置 | |
| JPH1097270A (ja) | 音声認識装置 | |
| JP6260227B2 (ja) | 音声合成装置及び方法 | |
| JP3133347B2 (ja) | 韻律制御装置 | |
| JPH11338492A (ja) | 話者認識装置 | |
| JP2001175275A (ja) | サブワード音響モデル生成方法および音声認識装置 |