JPH07210193A - 音声対話装置 - Google Patents
音声対話装置Info
- Publication number
- JPH07210193A JPH07210193A JP6001472A JP147294A JPH07210193A JP H07210193 A JPH07210193 A JP H07210193A JP 6001472 A JP6001472 A JP 6001472A JP 147294 A JP147294 A JP 147294A JP H07210193 A JPH07210193 A JP H07210193A
- Authority
- JP
- Japan
- Prior art keywords
- unit
- phoneme
- voice
- syllable
- output
- 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.)
- Granted
Links
Abstract
(57)【要約】
【目的】 音声対話を行いながら機械に新しい言葉を記
憶せしめることが可能な音声対話装置の提供。 【構成】 音声認識を行い音素あるいは音節列を出力す
る音素／音節認識部３と、その出力を記憶する音素／音
節ラティス候補記憶部４と、音素／音節ラティスから音
声信号を合成する音声合成部５と、音声出力部６と、単
語の発音記号や意味を記憶する単語辞書８と、対話制御
部７を具備することにより、音素／音節ラティス候補記
憶部の中の前回の認識結果と音素／音節認識部３の出力
である最新の認識結果との比較を行い最も異なる音素／
音節あるいは音素群／音節群を前回と異なる候補に置き
換え前記音声合成部５に出力し、直前に出力した合成音
声を正解と判断しその音素／音節ラティスを前記単語辞
書８に記憶させることができ、音声対話により言葉の獲
得が実現できる。
憶せしめることが可能な音声対話装置の提供。 【構成】 音声認識を行い音素あるいは音節列を出力す
る音素／音節認識部３と、その出力を記憶する音素／音
節ラティス候補記憶部４と、音素／音節ラティスから音
声信号を合成する音声合成部５と、音声出力部６と、単
語の発音記号や意味を記憶する単語辞書８と、対話制御
部７を具備することにより、音素／音節ラティス候補記
憶部の中の前回の認識結果と音素／音節認識部３の出力
である最新の認識結果との比較を行い最も異なる音素／
音節あるいは音素群／音節群を前回と異なる候補に置き
換え前記音声合成部５に出力し、直前に出力した合成音
声を正解と判断しその音素／音節ラティスを前記単語辞
書８に記憶させることができ、音声対話により言葉の獲
得が実現できる。
Description
【０００１】
【産業上の利用分野】本発明は、音声を用いて機器と対
話を行いながら制御を行う音声対話装置に関する。
話を行いながら制御を行う音声対話装置に関する。
【０００２】
【従来の技術】音声を用いて機器と対話を行いながら制
御を行う音声対話装置は、おしゃべり人形などの玩具か
ら電話を用いた銀行の残高照会などまで序々にその用途
を拡大しつつある。
御を行う音声対話装置は、おしゃべり人形などの玩具か
ら電話を用いた銀行の残高照会などまで序々にその用途
を拡大しつつある。
【０００３】図４は、従来の音声対話装置の構成例であ
る。同図において、音声入力部１は音声を電気信号に変
換する部分、音声分析部２は音声信号をＦＦＴやＬＰＣ
分析により周波数スペクトルやケプストラムなどの音声
特徴情報に変換する部分、音素／音節認識部３は前記音
声分析部の音声特徴情報を基に音声認識を行い音素ある
いは音節列を出力する部分、対話制御部１２は音声対話
を管理し前記音素／音節認識部の出力から制御語を認識
し次の動作を判断する部分、キーボード部１３は音声で
は入力出来ない情報を入力するための部分、音声合成部
７は音素／音節ラティスから音声信号を合成する部分、
音声出力部８は前記音声合成部の出力を音響信号に変換
する部分、単語辞書１０は単語の発音記号や意味を記憶
する部分である。
る。同図において、音声入力部１は音声を電気信号に変
換する部分、音声分析部２は音声信号をＦＦＴやＬＰＣ
分析により周波数スペクトルやケプストラムなどの音声
特徴情報に変換する部分、音素／音節認識部３は前記音
声分析部の音声特徴情報を基に音声認識を行い音素ある
いは音節列を出力する部分、対話制御部１２は音声対話
を管理し前記音素／音節認識部の出力から制御語を認識
し次の動作を判断する部分、キーボード部１３は音声で
は入力出来ない情報を入力するための部分、音声合成部
７は音素／音節ラティスから音声信号を合成する部分、
音声出力部８は前記音声合成部の出力を音響信号に変換
する部分、単語辞書１０は単語の発音記号や意味を記憶
する部分である。
【０００４】例として上記の音声対話装置によるスケジ
ュール管理システムを考える。先ず、対話管理部１２が
「予定をどうぞ」というテキストを音声合成部７に送
り、音声合成部７と音声出力部８により合成音で「予定
をどうぞ」と問いかける。これに対しユーザーが「１３
時ミーティング」と言うと音声入力部１および音声分析
部２によりこの声が音声特徴情報に変換され音素／音節
認識部３で音素／音節ラティスに変換され対話制御部１
２がそれぞれ「１３時」、「ミーティング」という単語
を単語辞書１０を参照して認識し、次の動作として、
「ミーティングの相手をキーボードで入力してくださ
い」というテキストを音声合成部７に送る。音声合成部
７と音声出力部８はこのテキストを合成音で問いかけ
る。ユーザーはキーボード部１３で「まつした」と入力
すると、対話制御部１２は「１３時、まつしたさんとミ
ーティングですね？」というテキストを生成し、ユーザ
ーが「はい」と言うと、対話制御部はこの「１３時、ま
つしたさんとミーティング。」という内容をデータベー
スに格納する。
ュール管理システムを考える。先ず、対話管理部１２が
「予定をどうぞ」というテキストを音声合成部７に送
り、音声合成部７と音声出力部８により合成音で「予定
をどうぞ」と問いかける。これに対しユーザーが「１３
時ミーティング」と言うと音声入力部１および音声分析
部２によりこの声が音声特徴情報に変換され音素／音節
認識部３で音素／音節ラティスに変換され対話制御部１
２がそれぞれ「１３時」、「ミーティング」という単語
を単語辞書１０を参照して認識し、次の動作として、
「ミーティングの相手をキーボードで入力してくださ
い」というテキストを音声合成部７に送る。音声合成部
７と音声出力部８はこのテキストを合成音で問いかけ
る。ユーザーはキーボード部１３で「まつした」と入力
すると、対話制御部１２は「１３時、まつしたさんとミ
ーティングですね？」というテキストを生成し、ユーザ
ーが「はい」と言うと、対話制御部はこの「１３時、ま
つしたさんとミーティング。」という内容をデータベー
スに格納する。
【０００５】この従来例の問題点は、「まつした」と言
うような固有名詞の入力の場合、通常単語辞書１０に無
く音声認識が出来ないのでキーボードなどに依存すると
いう点である。すなわち、現状では人間が音声で用いる
ことの出来る単語の数は制限され、機械が人間のように
対話を通じて新しい言葉を学習するということは困難で
ある。従って、音声対話技術が適用できるためには限ら
れた単語で制御が出来る場合のみで、それ以外はキーボ
ードなどの入力手段が必要になる。
うような固有名詞の入力の場合、通常単語辞書１０に無
く音声認識が出来ないのでキーボードなどに依存すると
いう点である。すなわち、現状では人間が音声で用いる
ことの出来る単語の数は制限され、機械が人間のように
対話を通じて新しい言葉を学習するということは困難で
ある。従って、音声対話技術が適用できるためには限ら
れた単語で制御が出来る場合のみで、それ以外はキーボ
ードなどの入力手段が必要になる。
【０００６】
【発明が解決しようとする課題】上記、従来例で説明し
たように、現状の音声対話装置では人間が音声で用いる
ことの出来る単語の数は制限され、機械が人間のように
対話を通じて新しい言葉を学習するということは困難で
ある。従って、名前など固有名詞の入力にはキーボード
などの入力手段が必要である。
たように、現状の音声対話装置では人間が音声で用いる
ことの出来る単語の数は制限され、機械が人間のように
対話を通じて新しい言葉を学習するということは困難で
ある。従って、名前など固有名詞の入力にはキーボード
などの入力手段が必要である。
【０００７】本発明の目的は、上記従来の音声対話装置
の課題に鑑み、機械が人間のように対話を通じて新しい
言葉を学習するということが出来る音声対話装置の提供
を目的とするものである。
の課題に鑑み、機械が人間のように対話を通じて新しい
言葉を学習するということが出来る音声対話装置の提供
を目的とするものである。
【０００８】
【課題を解決するための手段】本発明による音声対話装
置は、音声を電気信号に変換する音声入力部と、前記音
声入力部からの音声信号をＦＦＴやＬＰＣ分析により周
波数スペクトルやケプストラムなどの音声特徴情報に変
換する音声分析部と、前記音声分析部の出力を基に音声
認識を行い音素あるいは音節列を出力する音素／音節認
識部と、前記音素／音節認識部の出力を記憶する音素／
音節ラティス候補記憶部と、音素／音節ラティスから音
声信号を合成する音声合成部と、前記音声合成部の出力
を音響信号に変換する音声出力部と、単語の発音記号や
意味を記憶する単語辞書と、音声対話を管理し「はい」
・「いいえ」などの制御語が入力されるべき時は前記音
素／音節認識部の出力から制御語を認識し次の動作を判
断し制御語では無い新しい単語が初めて入力されるべき
時は前記音素／音節ラティス候補記憶部の内容のうち最
も尤度の高い音素／音節ラティスを選択し前記音声合成
部に出力し、また新しい単語が言い直されて入力される
べき時は前記音素／音節ラティス候補記憶部の中の前回
の認識結果と前記音素／音節認識部の出力である最新の
認識結果との比較を行い最も異なる音素／音節あるいは
音素群／音節群を前回と異なる候補に置き換え前記音声
合成部に出力し、かつ制御語として「はい」などの肯定
語が入力されると直前に出力した合成音声を正解と判断
しその音素／音節ラティスを前記単語辞書に記憶させる
対話制御部を具備するものである。
置は、音声を電気信号に変換する音声入力部と、前記音
声入力部からの音声信号をＦＦＴやＬＰＣ分析により周
波数スペクトルやケプストラムなどの音声特徴情報に変
換する音声分析部と、前記音声分析部の出力を基に音声
認識を行い音素あるいは音節列を出力する音素／音節認
識部と、前記音素／音節認識部の出力を記憶する音素／
音節ラティス候補記憶部と、音素／音節ラティスから音
声信号を合成する音声合成部と、前記音声合成部の出力
を音響信号に変換する音声出力部と、単語の発音記号や
意味を記憶する単語辞書と、音声対話を管理し「はい」
・「いいえ」などの制御語が入力されるべき時は前記音
素／音節認識部の出力から制御語を認識し次の動作を判
断し制御語では無い新しい単語が初めて入力されるべき
時は前記音素／音節ラティス候補記憶部の内容のうち最
も尤度の高い音素／音節ラティスを選択し前記音声合成
部に出力し、また新しい単語が言い直されて入力される
べき時は前記音素／音節ラティス候補記憶部の中の前回
の認識結果と前記音素／音節認識部の出力である最新の
認識結果との比較を行い最も異なる音素／音節あるいは
音素群／音節群を前回と異なる候補に置き換え前記音声
合成部に出力し、かつ制御語として「はい」などの肯定
語が入力されると直前に出力した合成音声を正解と判断
しその音素／音節ラティスを前記単語辞書に記憶させる
対話制御部を具備するものである。
【０００９】また、本発明は前記音声入力部に接続され
て入力音声の単位時間当たりのパワーを分析するパワー
分析部と、その分析結果を記憶するパワー分析結果記憶
部と、前記パワー分析結果記憶部の中の前回の分析結果
と前記パワー分析部の出力である最新の分析結果との比
較を行うパワー比較部と、新しい単語が言い直されて入
力されるべき時は前記パワー比較部の出力から最もパワ
ー値の異なる音素／音節あるいは音素群／音節群を前回
と異なる候補に置き換え前記音声合成部に出力する対話
制御部をさらに具備するものである。
て入力音声の単位時間当たりのパワーを分析するパワー
分析部と、その分析結果を記憶するパワー分析結果記憶
部と、前記パワー分析結果記憶部の中の前回の分析結果
と前記パワー分析部の出力である最新の分析結果との比
較を行うパワー比較部と、新しい単語が言い直されて入
力されるべき時は前記パワー比較部の出力から最もパワ
ー値の異なる音素／音節あるいは音素群／音節群を前回
と異なる候補に置き換え前記音声合成部に出力する対話
制御部をさらに具備するものである。
【００１０】また、本発明は前記音声入力部に接続され
て入力音声のピッチ周波数を分析するピッチ分析部と、
その分析結果を記憶するピッチ分析結果記憶部と、前記
ピッチ分析結果記憶部の中の前回の分析結果と前記ピッ
チ分析部の出力である最新の分析結果との比較を行うピ
ッチ比較部と、新しい単語が言い直されて入力されるべ
き時は前記ピッチ比較部の出力から最もピッチ周波数の
異なる音素／音節あるいは音素群／音節群を前回と異な
る候補に置き換え前記音声合成部に出力する対話制御部
をさらに具備するものである。
て入力音声のピッチ周波数を分析するピッチ分析部と、
その分析結果を記憶するピッチ分析結果記憶部と、前記
ピッチ分析結果記憶部の中の前回の分析結果と前記ピッ
チ分析部の出力である最新の分析結果との比較を行うピ
ッチ比較部と、新しい単語が言い直されて入力されるべ
き時は前記ピッチ比較部の出力から最もピッチ周波数の
異なる音素／音節あるいは音素群／音節群を前回と異な
る候補に置き換え前記音声合成部に出力する対話制御部
をさらに具備するものである。
【００１１】
【作用】本発明では、音声入力部と音声分析部と音素／
音節認識部と音素／音節ラティス候補記憶部と音声合成
部と音声出力部と単語辞書と対話制御部を具備すること
により、新しい単語が入力された場合でも音素や音節ラ
ティス候補列に変換しユーザーに再合成して確認を要求
し、もし間違っていれば再度発声させて前回の候補とは
異なる認識候補を再度提示でき、ユーザーの確認ととも
にその音素あるいは音節列を単語辞書に新たに書き込む
ことにより新しい単語の獲得が可能になる。
音節認識部と音素／音節ラティス候補記憶部と音声合成
部と音声出力部と単語辞書と対話制御部を具備すること
により、新しい単語が入力された場合でも音素や音節ラ
ティス候補列に変換しユーザーに再合成して確認を要求
し、もし間違っていれば再度発声させて前回の候補とは
異なる認識候補を再度提示でき、ユーザーの確認ととも
にその音素あるいは音節列を単語辞書に新たに書き込む
ことにより新しい単語の獲得が可能になる。
【００１２】さらに入力音声の単位時間当たりのパワー
を分析するパワー分析部とパワー分析結果記憶部と、前
回の分析結果と最新の分析結果との比較を行うパワー比
較部を具備することにより、新しい単語が言い直されて
入力されるべき時は前記パワー比較部の出力から最もパ
ワー値の異なる音素／音節あるいは音素群／音節群を前
回と異なる候補に置き換えることでより正確な候補の修
正が可能になる。
を分析するパワー分析部とパワー分析結果記憶部と、前
回の分析結果と最新の分析結果との比較を行うパワー比
較部を具備することにより、新しい単語が言い直されて
入力されるべき時は前記パワー比較部の出力から最もパ
ワー値の異なる音素／音節あるいは音素群／音節群を前
回と異なる候補に置き換えることでより正確な候補の修
正が可能になる。
【００１３】さらに入力音声のピッチ周波数を分析する
ピッチ分析部とその分析結果を記憶するピッチ分析結果
記憶部と前回の分析結果と最新の分析結果との比較を行
うピッチ比較部を具備することにより、新しい単語が言
い直されて入力されるべき時は前記ピッチ比較部の出力
から最もピッチ周波数の異なる音素／音節あるいは音素
群／音節群を前回と異なる候補に置き換えることでより
正確な候補の修正が可能になる。
ピッチ分析部とその分析結果を記憶するピッチ分析結果
記憶部と前回の分析結果と最新の分析結果との比較を行
うピッチ比較部を具備することにより、新しい単語が言
い直されて入力されるべき時は前記ピッチ比較部の出力
から最もピッチ周波数の異なる音素／音節あるいは音素
群／音節群を前回と異なる候補に置き換えることでより
正確な候補の修正が可能になる。
【００１４】
【実施例】以下、本発明の実施例について図面を参照し
て説明する。
て説明する。
【００１５】図１は本発明の一実施例における音声対話
装置の構成を示すものである。同図において、音声入力
部１は、音声を電気信号に変換する部分、音声分析部２
は音声入力部１からの音声信号をＦＦＴやＬＰＣ分析に
より周波数スペクトルやケプストラムなどの音声特徴情
報に変換する部分。音素／音節認識部３は前記音声分析
部２の出力を基に音声認識を行い音素あるいは音節列を
出力する部分。音素／音節ラティス候補記憶部４は前記
音素／音節認識部３の出力を記憶する部分。音声合成部
５は音素／音節ラティスから音声信号を合成する部分。
音声出力部６は前記音声合成部５の出力を音響信号に変
換する部分。単語辞書８は単語の発音記号や意味を記憶
する部分。対話制御部７は音声対話を管理する部分であ
る。
装置の構成を示すものである。同図において、音声入力
部１は、音声を電気信号に変換する部分、音声分析部２
は音声入力部１からの音声信号をＦＦＴやＬＰＣ分析に
より周波数スペクトルやケプストラムなどの音声特徴情
報に変換する部分。音素／音節認識部３は前記音声分析
部２の出力を基に音声認識を行い音素あるいは音節列を
出力する部分。音素／音節ラティス候補記憶部４は前記
音素／音節認識部３の出力を記憶する部分。音声合成部
５は音素／音節ラティスから音声信号を合成する部分。
音声出力部６は前記音声合成部５の出力を音響信号に変
換する部分。単語辞書８は単語の発音記号や意味を記憶
する部分。対話制御部７は音声対話を管理する部分であ
る。
【００１６】上記のように構成された本実施例の音声対
話装置について以下にその動作を説明する。
話装置について以下にその動作を説明する。
【００１７】従来例と同様に上記の音声対話装置による
スケジュール管理システムを考える。先ず、本発明によ
る対話制御部７が「予定をどうぞ」というテキストを音
声合成部５に送り、音声合成部５と音声出力部６により
合成音で「予定をどうぞ」と問いかける。これに対しユ
ーザーが「１３時ミーティング」と言うと音声入力部１
および音声分析部２によりこの声が音声特徴情報に変換
され音素／音節認識部３で音素／音節ラティスに変換さ
れ対話制御部４がそれぞれ「１３時」、「ミーティン
グ」という単語を単語辞書８を参照して認識し、次の動
作として、「ミーティングの相手をどうぞ。」というテ
キストを音声合成部５に送る。音声合成部５と音声出力
部６は「ミーティングの相手をどうぞ」と合成音で問い
かける。ユーザーが「まつした」と発声すると、音声入
力部１、音声分析部２により「まつした」と言う音声が
音声特徴情報に変換され音素／音節認識部３で音素／音
節ラティスに変換される。この時対話制御部７はこの言
葉「まつした」が人の名前であり単語辞書８に無い単語
であることを対話の進行から認識している。対話制御部
７は、音素／音節ラティス候補記憶部４が空いているこ
とを確認して音素／音節認識部３の結果を音素／音節ラ
ティス候補記憶部４に格納すると同時に認識候補ラティ
スのなかで最も尤度の高い候補を用いて例えば「１３
時、まつしかさんとミーティングですね？」というテキ
ストを生成する。ここでは候補が「まつしか」であった
ことを意味する。ユーザーが「まつした」と再度言う
と、前回と同様に音声入力部１、音声分析部２により
「まつした」と言う音声が音声特徴情報に変換され音素
／音節認識部３で音素／音節ラティスに変換される。対
話制御部７は音素／音節認識部３の結果から「まつし
か」以外で最も尤度の高い候補をさがす。ここではそれ
が「まつした」であったと仮定する。対話制御部７は再
び「１３時、まつしたさんとミーティングですね？」と
いうテキストを生成する。ユーザーが「はい」と言う
と、対話制御部７はこの「１３時、まつしたさんとミー
ティング。」という内容をデータベースに格納し、同時
に「まつした」という単語を単語辞書８に格納する。ま
た同時にこのシステムは「まつした」という単語が人の
名前であることを理解しそのことも単語辞書８に書き込
む。
スケジュール管理システムを考える。先ず、本発明によ
る対話制御部７が「予定をどうぞ」というテキストを音
声合成部５に送り、音声合成部５と音声出力部６により
合成音で「予定をどうぞ」と問いかける。これに対しユ
ーザーが「１３時ミーティング」と言うと音声入力部１
および音声分析部２によりこの声が音声特徴情報に変換
され音素／音節認識部３で音素／音節ラティスに変換さ
れ対話制御部４がそれぞれ「１３時」、「ミーティン
グ」という単語を単語辞書８を参照して認識し、次の動
作として、「ミーティングの相手をどうぞ。」というテ
キストを音声合成部５に送る。音声合成部５と音声出力
部６は「ミーティングの相手をどうぞ」と合成音で問い
かける。ユーザーが「まつした」と発声すると、音声入
力部１、音声分析部２により「まつした」と言う音声が
音声特徴情報に変換され音素／音節認識部３で音素／音
節ラティスに変換される。この時対話制御部７はこの言
葉「まつした」が人の名前であり単語辞書８に無い単語
であることを対話の進行から認識している。対話制御部
７は、音素／音節ラティス候補記憶部４が空いているこ
とを確認して音素／音節認識部３の結果を音素／音節ラ
ティス候補記憶部４に格納すると同時に認識候補ラティ
スのなかで最も尤度の高い候補を用いて例えば「１３
時、まつしかさんとミーティングですね？」というテキ
ストを生成する。ここでは候補が「まつしか」であった
ことを意味する。ユーザーが「まつした」と再度言う
と、前回と同様に音声入力部１、音声分析部２により
「まつした」と言う音声が音声特徴情報に変換され音素
／音節認識部３で音素／音節ラティスに変換される。対
話制御部７は音素／音節認識部３の結果から「まつし
か」以外で最も尤度の高い候補をさがす。ここではそれ
が「まつした」であったと仮定する。対話制御部７は再
び「１３時、まつしたさんとミーティングですね？」と
いうテキストを生成する。ユーザーが「はい」と言う
と、対話制御部７はこの「１３時、まつしたさんとミー
ティング。」という内容をデータベースに格納し、同時
に「まつした」という単語を単語辞書８に格納する。ま
た同時にこのシステムは「まつした」という単語が人の
名前であることを理解しそのことも単語辞書８に書き込
む。
【００１８】このようにして新しい単語「まつした」が
音声対話により獲得できた。次に図２を用いて本発明に
よる第２の実施例を説明する。図２において、パワー分
析部９は入力音声の単位時間当たりのパワーを分析する
部分。パワー分析結果記憶部１０はパワー分析部９の分
析結果を格納する部分。パワー比較部１１は前回の分析
結果と最新の分析結果との比較を行う部分である。
音声対話により獲得できた。次に図２を用いて本発明に
よる第２の実施例を説明する。図２において、パワー分
析部９は入力音声の単位時間当たりのパワーを分析する
部分。パワー分析結果記憶部１０はパワー分析部９の分
析結果を格納する部分。パワー比較部１１は前回の分析
結果と最新の分析結果との比較を行う部分である。
【００１９】上記のように構成された本発明による第２
の実施例の音声対話装置について以下にその動作を説明
する。
の実施例の音声対話装置について以下にその動作を説明
する。
【００２０】第１の実施例と同様に上記の音声対話装置
によるスケジュール管理システムを考える。先ず、本発
明による対話管理部７が「予定をどうぞ」というテキス
トを音声合成部５に送り、音声合成部５と音声出力部６
により合成音で「予定をどうぞ」と問いかける。これに
対しユーザーが「１３時ミーティング」と言うと音声入
力部１および音声分析部２によりこの声が音声特徴情報
に変換され音素／音節認識部３で音素／音節ラティスに
変換され対話制御部７がそれぞれ「１３時」、「ミーテ
ィング」という単語を単語辞書８を参照して認識し、次
の動作として、「ミーティングの相手をどうぞ。」とい
うテキストを音声合成部５に送る。音声合成部５と音声
出力部６は「ミーティングの相手をどうぞ」と合成音で
問いかける。ユーザーが「まつした」と発声すると、音
声入力部１、音声分析部２により「まつした」と言う音
声が音声特徴情報に変換され音素／音節認識部３で音素
／音節ラティスに変換される。これと同時にパワー分析
部９がパワー値を分析しパワー分析結果記憶部１０に格
納する。この時対話制御部７はこの言葉「まつした」が
人の名前であり単語辞書８に無い単語であることを対話
の進行から認識している。対話制御部７は、音素／音節
ラティス候補記憶部４が空いていることを確認して音素
／音節認識部３の結果を音素／音節ラティス候補記憶部
４に格納すると同時に認識候補ラティスのなかで最も尤
度の高い候補を用いて例えば「１３時、まつしかさんと
ミーティングですね？」というテキストを生成する。こ
こでは候補が「まつしか」であったことを意味する。ユ
ーザーが「まつした」と再度言うと、前回と同様に音声
入力部１、音声分析部２により「まつした」と言う音声
が音声特徴情報に変換され音素／音節認識部３で音素／
音節ラティスに変換される。またパワー分析部９がパワ
ー値を再度分析しパワー比較部１１がパワー分析部の出
力とパワー分析結果格納部１０の前回の値を比較しその
結果を対話制御部７に送る。対話制御部７は音素／音節
認識部３の結果とパワー比較部１１の比較結果から最も
パワー値に差のある音節を入れ換えて「まつしか」以外
で最も尤度の高い候補をさがす。図４はこのパワーの違
いを示す例である。ここでは「た」の部分が最も違いが
鮮明であるので対話制御部７は「まつしか」のうち
「か」の部分を次の候補に入れ換える。ここではそれが
「まつした」であったと仮定する。対話制御部７は再び
「１３時、まつしたさんとミーティングですね？」とい
うテキストを生成する。ユーザーが「はい」と言うと、
対話制御部７はこの「１３時、まつしたさんとミーティ
ング。」という内容をデータベースに格納し、同時に
「まつした」という単語を単語辞書８に格納する。また
同時にこのシステムは「まつした」という単語が人の名
前であることを理解しそのことも単語辞書８に書き込
む。
によるスケジュール管理システムを考える。先ず、本発
明による対話管理部７が「予定をどうぞ」というテキス
トを音声合成部５に送り、音声合成部５と音声出力部６
により合成音で「予定をどうぞ」と問いかける。これに
対しユーザーが「１３時ミーティング」と言うと音声入
力部１および音声分析部２によりこの声が音声特徴情報
に変換され音素／音節認識部３で音素／音節ラティスに
変換され対話制御部７がそれぞれ「１３時」、「ミーテ
ィング」という単語を単語辞書８を参照して認識し、次
の動作として、「ミーティングの相手をどうぞ。」とい
うテキストを音声合成部５に送る。音声合成部５と音声
出力部６は「ミーティングの相手をどうぞ」と合成音で
問いかける。ユーザーが「まつした」と発声すると、音
声入力部１、音声分析部２により「まつした」と言う音
声が音声特徴情報に変換され音素／音節認識部３で音素
／音節ラティスに変換される。これと同時にパワー分析
部９がパワー値を分析しパワー分析結果記憶部１０に格
納する。この時対話制御部７はこの言葉「まつした」が
人の名前であり単語辞書８に無い単語であることを対話
の進行から認識している。対話制御部７は、音素／音節
ラティス候補記憶部４が空いていることを確認して音素
／音節認識部３の結果を音素／音節ラティス候補記憶部
４に格納すると同時に認識候補ラティスのなかで最も尤
度の高い候補を用いて例えば「１３時、まつしかさんと
ミーティングですね？」というテキストを生成する。こ
こでは候補が「まつしか」であったことを意味する。ユ
ーザーが「まつした」と再度言うと、前回と同様に音声
入力部１、音声分析部２により「まつした」と言う音声
が音声特徴情報に変換され音素／音節認識部３で音素／
音節ラティスに変換される。またパワー分析部９がパワ
ー値を再度分析しパワー比較部１１がパワー分析部の出
力とパワー分析結果格納部１０の前回の値を比較しその
結果を対話制御部７に送る。対話制御部７は音素／音節
認識部３の結果とパワー比較部１１の比較結果から最も
パワー値に差のある音節を入れ換えて「まつしか」以外
で最も尤度の高い候補をさがす。図４はこのパワーの違
いを示す例である。ここでは「た」の部分が最も違いが
鮮明であるので対話制御部７は「まつしか」のうち
「か」の部分を次の候補に入れ換える。ここではそれが
「まつした」であったと仮定する。対話制御部７は再び
「１３時、まつしたさんとミーティングですね？」とい
うテキストを生成する。ユーザーが「はい」と言うと、
対話制御部７はこの「１３時、まつしたさんとミーティ
ング。」という内容をデータベースに格納し、同時に
「まつした」という単語を単語辞書８に格納する。また
同時にこのシステムは「まつした」という単語が人の名
前であることを理解しそのことも単語辞書８に書き込
む。
【００２１】このようにしてパワー情報を用いることに
より、より正確に新しい単語「まつした」が決定可能と
なる。
より、より正確に新しい単語「まつした」が決定可能と
なる。
【００２２】このことは、パワーの代わりにピッチ情報
を用いても可能であり、図３に示す本発明による第３の
実施例が可能である。図３において、ピッチ分析部１２
は入力音声のピッチを分析する部分。ピッチ分析結果記
憶部１３はピッチ分析部１２の分析結果を格納する部
分。ピッチ比較部１４は前回の分析結果と最新の分析結
果との比較を行う部分である。
を用いても可能であり、図３に示す本発明による第３の
実施例が可能である。図３において、ピッチ分析部１２
は入力音声のピッチを分析する部分。ピッチ分析結果記
憶部１３はピッチ分析部１２の分析結果を格納する部
分。ピッチ比較部１４は前回の分析結果と最新の分析結
果との比較を行う部分である。
【００２３】上記のように構成された本発明による第３
の実施例の音声対話装置は、第２の実施例と同様の動作
を行う。
の実施例の音声対話装置は、第２の実施例と同様の動作
を行う。
【００２４】また、ピッチとパワー両方を組み合わせる
ことにより、より正確な推定が可能になる。
ことにより、より正確な推定が可能になる。
【００２５】
【発明の効果】以上のように本発明によれば、音素／音
節認識手段と推定される音素／音節ラティスを音声合成
し問返す動作を連続する対話制御手段を具備することに
より機械が新しい言葉を音声対話により獲得することを
可能にせしめる。また、言い直されて入力される単語と
前回の発声の単語とのパワー値の比較により適切な音節
の候補を置き換えることによってより正確な候補の推定
が可能になる。 さらに、ピッチ情報あるいはピッチと
パワー情報を用いればより正確に推定ができ未知の単語
獲得がよりスムーズにおこなえる。
節認識手段と推定される音素／音節ラティスを音声合成
し問返す動作を連続する対話制御手段を具備することに
より機械が新しい言葉を音声対話により獲得することを
可能にせしめる。また、言い直されて入力される単語と
前回の発声の単語とのパワー値の比較により適切な音節
の候補を置き換えることによってより正確な候補の推定
が可能になる。 さらに、ピッチ情報あるいはピッチと
パワー情報を用いればより正確に推定ができ未知の単語
獲得がよりスムーズにおこなえる。
【図面の簡単な説明】
【図１】本発明第１の実施例における音声対話装置のブ
ロック図
ロック図
【図２】本発明第２の実施例における音声対話装置のブ
ロック図
ロック図
【図３】本発明第３の実施例における音声対話装置のブ
ロック図
ロック図
【図４】「マツシタ」と言う単語の２回の発声における
パワーの違いの様子を示す図
パワーの違いの様子を示す図
【図５】従来の音声対話装置のブロック図
１ 音声入力部（手段） ２ 音声分析部（手段） ３ 音素／音節認識部（手段） ４ 音素／音節ラティス候補記憶部（手段） ５ 音声合成部（手段） ６ 音声出力部（手段） ７ 対話制御部（手段） ８ 単語辞書 ９ パワー分析部（手段） １０ パワー分析結果記憶部（手段） １１ パワー比較部（手段） １２ ピッチ分析部（手段） １３ ピッチ分析結果記憶部（手段） １４ ピッチ比較部（手段）
Claims (3)
- 【請求項１】音声を電気信号に変換する音声入力部と、
前記音声入力部からの音声信号をＦＦＴやＬＰＣ分析に
より周波数スペクトルやケプストラムなどの音声特徴情
報に変換する音声分析部と、前記音声分析部の出力を基
に音声認識を行い音素あるいは音節列を出力する音素／
音節認識部と、前記音素／音節認識部の出力を記憶する
音素／音節ラティス候補記憶部と、音素／音節ラティス
から音声信号を合成する音声合成部と、前記音声合成部
の出力を音響信号に変換する音声出力部と、単語の発音
記号や意味を記憶する単語辞書と、音声対話を管理し
「はい」・「いいえ」などの制御語が入力されるべき時
は前記音素／音節認識部の出力から制御語を認識し次の
動作を判断し制御語では無い新しい単語が初めて入力さ
れるべき時は前記音素／音節ラティス候補記憶部の内容
のうち最も尤度の高い音素／音節ラティスを選択し前記
音声合成部に出力し、また新しい単語が言い直されて入
力されるべき時は前記音素／音節ラティス候補記憶部の
中の前回の認識結果と前記音素／音節認識部の出力であ
る最新の認識結果との比較を行い最も異なる音素／音節
あるいは音素群／音節群を前回と異なる候補に置き換え
前記音声合成部に出力し、かつ制御語として「はい」な
どの肯定語が入力されると直前に出力した合成音声を正
解と判断しその音素／音節ラティスを前記単語辞書に記
憶させる対話制御部を具備することを特徴とする音声対
話装置。 - 【請求項２】前記音声入力部に接続されて入力音声の単
位時間当たりのパワーを分析するパワー分析部と、その
分析結果を記憶するパワー分析結果記憶部と、前記パワ
ー分析結果記憶部の中の前回の分析結果と前記パワー分
析部の出力である最新の分析結果との比較を行うパワー
比較部と、新しい単語が言い直されて入力されるべき時
は前記パワー比較部の出力から最もパワー値の異なる音
素／音節あるいは音素群／音節群を前回と異なる候補に
置き換え前記音声合成部に出力する対話制御部を具備す
ることを特徴とする請求項１に記載の音声対話装置。 - 【請求項３】前記音声入力部に接続されて入力音声のピ
ッチ周波数を分析するピッチ分析部と、その分析結果を
記憶するピッチ分析結果記憶部と、前記ピッチ分析結果
記憶部の中の前回の分析結果と前記ピッチ分析部の出力
である最新の分析結果との比較を行うピッチ比較部と、
新しい単語が言い直されて入力されるべき時は前記ピッ
チ比較部の出力から最もピッチ周波数の異なる音素／音
節あるいは音素群／音節群を前回と異なる候補に置き換
え前記音声合成部に出力する対話制御部を具備すること
を特徴とする請求項１または２に記載の音声対話装置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP00147294A JP3465334B2 (ja) | 1994-01-12 | 1994-01-12 | 音声対話装置及び音声対話方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP00147294A JP3465334B2 (ja) | 1994-01-12 | 1994-01-12 | 音声対話装置及び音声対話方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPH07210193A true JPH07210193A (ja) | 1995-08-11 |
| JP3465334B2 JP3465334B2 (ja) | 2003-11-10 |
Family
ID=11502409
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP00147294A Expired - Fee Related JP3465334B2 (ja) | 1994-01-12 | 1994-01-12 | 音声対話装置及び音声対話方法 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP3465334B2 (ja) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1975857B (zh) | 2005-10-21 | 2011-01-05 | 环球娱乐株式会社 | 会话控制装置 |
| WO2012150658A1 (ja) * | 2011-05-02 | 2012-11-08 | 旭化成株式会社 | 音声認識装置および音声認識方法 |
| CN106710597A (zh) * | 2017-01-04 | 2017-05-24 | 广东小天才科技有限公司 | 语音数据的录音方法及装置 |
| CN110264993A (zh) * | 2019-06-27 | 2019-09-20 | 百度在线网络技术（北京）有限公司 | 语音合成方法、装置、设备及计算机可读存储介质 |
| WO2026004823A1 (ja) * | 2024-06-25 | 2026-01-02 | 株式会社バンダイ | 音声処理装置、玩具、及び、コンピュータプログラム |
-
1994
- 1994-01-12 JP JP00147294A patent/JP3465334B2/ja not_active Expired - Fee Related
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1975857B (zh) | 2005-10-21 | 2011-01-05 | 环球娱乐株式会社 | 会话控制装置 |
| WO2012150658A1 (ja) * | 2011-05-02 | 2012-11-08 | 旭化成株式会社 | 音声認識装置および音声認識方法 |
| CN106710597A (zh) * | 2017-01-04 | 2017-05-24 | 广东小天才科技有限公司 | 语音数据的录音方法及装置 |
| CN110264993A (zh) * | 2019-06-27 | 2019-09-20 | 百度在线网络技术（北京）有限公司 | 语音合成方法、装置、设备及计算机可读存储介质 |
| WO2026004823A1 (ja) * | 2024-06-25 | 2026-01-02 | 株式会社バンダイ | 音声処理装置、玩具、及び、コンピュータプログラム |
Also Published As
| Publication number | Publication date |
|---|---|
| JP3465334B2 (ja) | 2003-11-10 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US6711543B2 (en) | Language independent and voice operated information management system | |
| Juang et al. | Automatic speech recognition–a brief history of the technology development | |
| US11763797B2 (en) | Text-to-speech (TTS) processing | |
| KR100383353B1 (ko) | 음성인식장치및음성인식장치용어휘발생방법 | |
| JP2733955B2 (ja) | 適応型音声認識装置 | |
| US7630878B2 (en) | Speech recognition with language-dependent model vectors | |
| CN100401375C (zh) | 语音处理系统及方法 | |
| US20030069729A1 (en) | Method of assessing degree of acoustic confusability, and system therefor | |
| JP2003316386A (ja) | 音声認識方法および音声認識装置および音声認識プログラム | |
| JP2002304190A (ja) | 発音変化形生成方法及び音声認識方法 | |
| JPH09500223A (ja) | 多言語音声認識システム | |
| KR20050098839A (ko) | 네트워크 환경에서 음성 처리를 위한 중간 처리기 | |
| JP3803029B2 (ja) | 音声認識装置 | |
| JP2001188781A (ja) | 会話処理装置および方法、並びに記録媒体 | |
| WO2007063827A1 (ja) | 声質変換システム | |
| JPH11175082A (ja) | 音声対話装置及び音声対話用音声合成方法 | |
| WO2004047075A1 (ja) | 音声処理装置および方法、記録媒体並びにプログラム | |
| US20040006469A1 (en) | Apparatus and method for updating lexicon | |
| US10854196B1 (en) | Functional prerequisites and acknowledgments | |
| JP3465334B2 (ja) | 音声対話装置及び音声対話方法 | |
| JP2871420B2 (ja) | 音声対話システム | |
| JP4048473B2 (ja) | 音声処理装置および音声処理方法、並びにプログラムおよび記録媒体 | |
| JP2002532763A (ja) | 音声によって動作される自動問合せシステム | |
| Lee | The conversational computer: an apple perspective. | |
| JP2980382B2 (ja) | 話者適応音声認識方法および装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| LAPS | Cancellation because of no payment of annual fees |