JPH08335094A - 音声入力方法およびこの方法を実施する装置 - Google Patents

Abstract

(57)【要約】 【目的】 経験に応じガイダンスを変更する音声入力方
法および装置を提供す。 【構成】 音声入力器２を具備し、入力された音声認識
結果の尤度を判定して結果を出力する音声認識部３、発
声者１に対して音声入力を促すガイダンスおよび有効と
された音声認識結果を呈示するガイダンスを発生させる
ガイダンス発生部６、ガイダンスを出力するガイダンス
出力部９、呈示された音声認識結果が正解か否かを発声
者１に確定させる確定部１０、音声認識部３による尤度
判定結果および確定部１０による確定結果を記憶する経
験値記憶部５、ガイダンスデータ蓄積部８、認識結果部
分を表すデータを蓄積するラベルデータ蓄積部７、ガイ
ダンス発生部６を制御し、経験値記憶部５に記憶される
経験値に応じてガイダンスを選択し、ガイダンスを生成
させる制御部４を具備する音声入力方法および装置。

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】この発明は、音声入力方法および
この方法を実施する装置に関し、特に、経験度に応じて
ガイダンスを簡略化して音声入力を効率化する音声入力
方法およびこの方法を実施する装置に関する。

【０００２】

【従来の技術】音声入力装置を電話のダイヤル操作その
他特定の操作に適用する場合、その場に応じて音声入力
を誘導するガイダンス音を発声者に提示することは、入
力操作に習熟していない初心の発声者にとっては有効で
ある。ガイダンスの提示の仕方には、ディスプレイによ
り視覚的に行うものと、音声により聴覚的に行うものと
があるが、人間の対話的な面の親和性を考慮すれば、音
声によるガイダンスはより良好な仕方であると考えられ
る。ところが、音声入力操作に或る程度習熟すると、冗
長なガイダンス音は発声者にとってはかえって操作の効
率性は悪化することにもつながる。

【０００３】これに対して、最近の音声入力装置にはバ
ージイン或はトークスルーと呼ばれる機能が設けられて
いる。即ち、ガイダンス音の生成途中で発声された音声
に対しても正しく認識を行わせるものである。これは、
入力音声に重畳するガイダンスの成分を信号処理して打
ち消すものである。しかし、重畳した信号成分は完全に
除去できるものではなく、認識率の低下を招く。また、
バージイン機能を実現する信号処理手順は一般に複雑に
なる。

【０００４】ここで、使用者の音声入力操作についての
習熟経験度に応じて操作の説明を行うガイダンスを簡略
化することにより、操作効率を低下させることなくして
有効なガイダンス音の提示を行なうものもある。しか
し、単に使用回数のみをカウントしてガイダンスの調整
変更を行うことに依っては、発声者が音声入力操作装置
を長期間取り扱わずにいて正しい操作の仕方を忘れてし
まった後に再び使用するという様な場合において、初期
状態のガイダンスを再び参照することができなくなる。

【０００５】

【発明が解決しようとする課題】この発明は、発声者に
よる音声入力および音声認識が繰り返されて経験が積算
されるとガイダンスを冗長なものから単純で短いものに
更新変更し、発声者が入力した音声を認識した結果を発
声者が正解と判定したか否か、即ち、正しく認識したか
否かを監視して発声者が誤った音声入力をした場合にガ
イダンスを単純で短いものから冗長なものに復帰せしめ
ることにより、上述の通りの問題を解消した音声入力方
法およびこの方法を実施する装置を提供するものであ
る。

【０００６】

【課題を解決するための手段】発声者による音声入力経
験を積算し、積算した経験値に基づいてガイダンスを更
新変更する音声入力方法を構成した。そして、経験値が
所定値を超えるとガイダンスを冗長なものから単純で短
いものに更新変更する音声入力方法を構成した。

【０００７】また、発声者が入力した音声を認識した結
果を発声者が正解と判定したか否かを監視して発声者が
誤った音声入力をした場合にガイダンスを単純で短いも
から冗長なものに復帰せしめる音声入力方法を構成し
た。ここで、発声者１の音声を入力する音声入力器２を
具備し、入力された音声を認識し、認識結果の尤度を判
定して結果を出力する音声認識部３を具備し、発声者１
に対して音声入力を促すガイダンスおよび尤度判定によ
り有効とされた音声認識結果を呈示するガイダンスを発
生させるガイダンス発生部６を具備し、発生されたガイ
ダンスを出力するガイダンス出力部９を具備し、呈示さ
れた音声認識結果が正解か否かを発声者１に確定させる
確定部１０を具備し、音声認識部３による尤度判定結果
および確定部１０による確定結果を経験値として記憶す
る経験値記憶部５を具備し、複数のガイダンスデータを
蓄積するガイダンスデータ蓄積部８を具備し、音声認識
結果を呈示するガイダンスを構成するデータの内の認識
結果部分を表すデータを蓄積するラベルデータ蓄積部７
を具備し、ガイダンス発生部６を制御し、経験値記憶部
５に記憶される経験値に応じてガイダンスデータ蓄積部
８およびラベルデータ蓄積部７よりガイダンスを選択
し、ガイダンスを生成させる制御部４を具備する音声入
力装置を構成した。

【０００８】そして、先の音声入力装置において、発声
者１による音声入力および音声認識部３の類似度計算が
繰り返されて経験値記憶部５における経験値が所定値を
超えると経験値記憶部５はレベルを更新設定してこれを
制御部４に送信するものである音声入力装置を構成し
た。また、この場合、制御部４は音声認識部３或は確定
部１０からエラーの出力を受信して経験値記憶部５のレ
ベルおよび経験値を復帰させるものである音声入力装置
を構成した。

【０００９】

【実施例】この発明の実施例を図１を参照して説明す
る。音声入力器２は、発声者１の音声信号を入力するも
のであり、例えば、オーディオマイクロホンである。音
声認識部３は、音声入力器２より入力された音声に基づ
いて音声区間を検出し、検出された音声区間について音
声の特徴をパターンとして抽出し、内蔵している辞書に
登録されている複数の標準パターンとの間で類似度計算
を行うものであり、類似度計算の結果、最も類似度が高
いと判定されたものの類似度が規定の閾値より高かった
場合、例えばそのラベル名を出力するところである。ま
た、類似度が規定の閾値より低いと判定された場合、エ
ラーを出力する。区間検出の方法としては、例えば、音
声入力器２より入力された信号パワーが或る一定の閾値
以上を持つ区間を音声区間として検出する方法を使用す
る。分析手法としては、例えば、ＬＰＣケプストラムを
使用する。また、認識の手法としては、例えば、音声認
識におけるパターンマッチング法として良く知られてい
るＤＰマッチングを使用する。

【００１０】制御部４は、音声認識部３および後で説明
される確定部であるボタン１０から送り出される出力を
受け取り、経験値記憶部５の記憶内容を参照し、書き換
えして次に出力すべきガイダンスを構成し、ガイダンス
発生部６にガイダンスを出力する制御信号を送る。経験
値記憶部５は、制御部４の制御により音声認識結果の出
力回数の累計と調整を行い、その結果を記憶するところ
である。また、出力回数に対応するレベルの設定を行
い、これを記憶する。ここで、レベルとは、ガイダンス
を冗長だが判りやすいものから単純で短いものに分類し
た程度を示す。レベルの設定方法については、動作の説
明の中で実例を示す。なお、この実施例においては、経
験値記憶部５の記憶内容およびレベルの設定を音声認識
結果の出力回数に基づいて設定しているが、この装置の
最近接使用日時を記録し、現日時から算出される経過日
数の如き時間情報を音声認識結果の出力回数に置き換え
て使用することができる。

【００１１】ガイダンス発生部６は、制御部４の制御に
よりラベルデータ蓄積部７およびガイダンスデータ蓄積
部８から音声データを読みだし、制御部４が構成したガ
イダンスをガイダンス出力部９に出力する。ラベルデー
タ蓄積部７は、音声認識部３に音声認識対象として登録
してある単語のラベル名に対応する音声データを蓄積す
る。

【００１２】ガイダンスデータ蓄積部８は、発声者１に
音声入力を促す音声ガイダンスのデータとラベルデータ
蓄積部７中のデータとを組み合わせて発声者１に認識結
果を告げる音声ガイダンスのデータを複数蓄積する。ガ
イダンス出力部９は、ガイダンス発生部６から送られて
くるガイダンスを発声者１に出力するものであり、これ
は例えばスピーカーである。なお、この実施例において
は、ガイダンスの形態を音声として説明するが、ガイダ
ンス出力部９としては液晶パネルその他の視覚的な応答
によるものとすることができる。この場合は、ラベルデ
ータ蓄積部７およびガイダンスデータ蓄積部８に蓄積さ
れるデータは、テキストデータまたはグラフィックデー
タとする。

【００１３】ボタン１０は、音声認識部３が動作してい
ない状態においては、同認識部の起動を行うスイッチと
して機能する。また、この認識部の起動後はガイダンス
出力部９に出力された認識結果について発声者１に確定
／非確定を行わせる確定部として機能し、発声者１の操
作により発声者１の意図した結果であった場合に制御部
４に確定用信号を送り、発声者１の意図しなかった結果
であった場合に制御部４に音声認識部３から出力される
ものと同様のエラーを出力するものである。なお、ボタ
ン１０による確定用信号およびエラーの出力は１回の認
識結果につき１回のみ有効であるものとする。

【００１４】この実施例は、ガイダンス出力部９に出力
された認識結果について発声者１に確定／非確定を行わ
せる機能は、ボタン１０の使用により実行するものとし
て説明するが、当該システムにおいて使用される音声認
識機能を適用して「はい」／「いいえ」、「イエス」／
「ノー」その他の発声によっても実行することができる
ものとする。

【００１５】この発明の音声入力方法および装置の動作
を図２ないし図４を参照して説明する。一例として人名
を入力する場合を説明する。発声者１は、ボタン１０を
操作して音声認識部３を起動する（ＳＴＥＰ１）。音声
認識部３に初めて起動がかけられた場合、制御部４は、
経験値記憶部５の経験値を０としてカウントする（ＳＴ
ＥＰ２）。経験値記憶部５は、レベルをＬ０と設定して
制御部４にこれを送信する（ＳＴＥＰ３）。制御部４は
送られてきたレベルＬ０に基づいてにガイダンスを構成
する。ここで、制御部４のガイダンスの構成法につい
て、レベル、経験値とガイダンスの対応を図５に示す。
図５の第１項はレベル、第２項は経験値、第４項はガイ
ダンスを示す。レベルＬ０、経験値０の場合のガイダン
スは「人名を発声してください。ピッ」である。制御部
４は構成したガイダンス「人名を発声してください。ピ
ッ」をガイダンス発生部６に対して指定する。ガイダン
ス発生部６は、ガイダンスデータ蓄積部８から指定され
たガイダンスに対応する音声データを抽出し、ガイダン
ス出力部９より出力する（ＳＴＥＰ４）。今、発声者１
が音声入力器２に向かって「田中」という人名を発声し
たとする（ＳＴＥＰ５）。発声された「田中」という音
声は、音声認識部３により音声パターンとして音声認識
部３内の標準パターンとの間で類似度計算される。類似
度計算の結果、類似度が規定の閾値より高いと判定され
た場合は、そのラベルが音声認識部３より制御部４に出
力される（ＳＴＥＰ６）。制御部４は、経験値記憶部５
から現在のレベルＬ０を参照する（ＳＴＥＰ７）。制御
部４は、音声認識部３より送られてきた認識結果のラベ
ル名および経験値記憶部５から参照したレベルに基づい
て、認識結果を発声者に提示するガイダンスを作成す
る。レベルと認識結果提示用のガイダンスの対応につい
ては、図５に示す。第５項は認識結果ガイダンスを示
す。表中の「＊＊」には、ラベル名が入る。即ち、「認
識結果は、田中です。認識結果は、田中です。誤りの場
合、ボタンを押してください。」というガイダンスが作
成される。以下、作成されたガイダンスがガイダンス出
力部９より出力されるまでの手順は、初めに出力された
音声入力を促すガイダンス「人名を発声してください。
ピッ」の時と同様であるが、ラベル名の部分に対応する
音声データについては、ラベルデータ蓄積部７から抽出
するものとする（ＳＴＥＰ８）。ガイダンス出力部９に
出力されたラベル名が「田中」であり、発声者１がこれ
を正しいと判断した場合、発声者１はボタン１０により
確定の操作を行い、制御部４は経験値記憶部５に記憶さ
れている経験値を１つカウントして１とする（ＳＴＥＰ
９、１０）。また、経験値記憶部５は、図５に示した様
にレベルをＬ０に再設定する（ＳＴＥＰ３）。ガイダン
ス出力部９に出力されたラベル名が「田中」ではなくし
て別の結果、例えば「畑中」であり、発声者１がこれを
正しくないと判断してボタン１０により否定の操作を行
った場合、制御部４にはエラーが送られる。この場合、
制御部４は経験値記憶部５の経験値のカウントを行わな
い（ＳＴＥＰ９、１１）。音声認識部３において類似度
が規定の閾値より低いと判定された場合、音声認識部３
は制御部４にエラーを出力する。制御部４は、エラー発
生時のガイダンスとして「認識エラーです。」をガイダ
ンス発生部６に対して指定する。これまでと同様の手順
によりガイダンス出力部９はガイダンス「認識エラーで
す。」を出力する。この場合も制御部４は経験値記憶部
５の経験値のカウントを行わない（ＳＴＥＰ１２）。そ
れぞれの場合について、制御部４が経験値記憶部５に設
定されているレベルに基づいて次の音声入力を促すガイ
ダンスを指定し、これまでと同様の手順によりガイダン
ス出力部９からガイダンス音声が出力され、次の音声入
力へと移行していく。以上の説明においては、経験値は
１或は０であり、レベルは何れもＬ０であるので、再び
「人名を発声してください。ピッ」がガイダンス出力部
９より出力される（ＳＴＥＰ３、４）。発声者１による
音声入力および音声認識部３の類似度計算、ボタン１０
の操作が幾度か繰り返されてカウンタ５における経験値
が１０になる迄は、経験値記憶部５はレベルをＬ０に設
定して制御部４に送る（ＳＴＥＰ３）。この間、上述し
た動作と同様な動作によりガイダンス出力部９からは音
声入力誘導用のガイダンスとして「人名を発声してくだ
さい。ピッ」が出力される（ＳＴＥＰ４）。また、認識
結果を提示するためのガイダンスとしては、認識結果が
「田中」であれば上述の「認識結果は、田中です。認識
結果は、田中です。誤りの場合は、ボタンを押してくだ
さい。」というガイダンスが出力される（ＳＴＥＰ
８）。

【００１６】発声者１による音声入力および音声認識部
３の類似度計算が更に繰り返されて経験値記憶部５にお
ける経験値が所定値１０を超えると、経験値記憶部５は
レベルをＬ１に更新設定してこれを制御部４に送信する
（ＳＴＥＰ１３、１４）。この場合、制御部４は音声入
力誘導用のガイダンスとして、単純で短い「発声してく
ださい。ピッ」を、また、認識結果を提示するガイダン
スとして、認識結果が「田中」であれば単純で短い「認
識結果は田中です。」をガイダンス発生部６に対して指
定する。この様にして上述した動作と同様な動作により
ガイダンス出力部９からは「発声してください。ピッ」
および「認識結果は田中です。」が出力される（ＳＴＥ
Ｐ１５〜２１）。

【００１７】経験値記憶部５のレベルがＬ１の状態にお
いて、制御部４が音声認識部３或はボタン１０からエラ
ーの出力を受けた場合、これは発声者の習熟の度合に多
少問題のあることを意味しているので、制御部４は経験
値記憶部５のレベルをＬ０とすると共に、経験値を図５
第３項に指定される通りの５に戻す。これによりガイダ
ンス出力部９より出力されるガイダンスは「人名を発声
してください。ピッ」および「認識結果は、田中です。
認識結果は、田中です。誤りの場合は、ボタンを押して
ください。」に戻される（ＳＴＥＰ２２、２３、２
４）。

【００１８】レベルＬ１からレベルＬ２への移行につい
ても同様である。即ち、経験値のカウントによりガイダ
ンスが「発声してください。ピッ」からより簡易な「ピ
ッ」音に「認識結果は田中です。」から単に認識結果を
伝えるだけの「田中です。」に変更される。また、制御
部４が音声認識部３或はボタン１０からエラーの出力を
受けた場合、それぞれ元のガイダンスに戻される（ＳＴ
ＥＰ２５〜３５）。

【００１９】以上の通り、この発明は、使用者の使用経
験の量を測定し、或る程度の経験値が観測された場合に
ガイダンスの種類を冗長だが判りやすいものから単純で
短いものに変える。また、音声認識エラーが生じた場
合、および認識結果が発声者により正解と判定されなか
った場合は、再び冗長で判り易いガイダンスに戻すこと
により操作効率を向上させることができる。従って、発
声者が音声入力装置を長期間取り扱わずにいて正しい操
作の仕方を忘れてしまった後に再び使用するという様な
場合においても、まごつくことなしに容易に操作をする
ことができる。

【００２０】

【発明の効果】以上の通りであって、この発明は、発声
者の入力回数から算出した経験値に基づいて音声入力の
ガイダンスを自動選択することにより、音声入力を効率
化することができる。そして、入力誤りおよび誤認識そ
の他のエラー発生時に経験値を戻すことにより、発声者
による習熟度に対応したガイダンスの自動選択を行い、
音声入力を効率化することができる。

【図面の簡単な説明】

【図１】実施例を説明する図。

【図２】実施例を説明するフロー図。

【図３】図２の続き。

【図４】図３の続き。

【図５】レベル、経験値とガイダンスの対応を示す図。

【符号の説明】

１ 発声者 ２ 音声入力器 ３ 音声認識部 ４ 制御部 ５ 経験値記憶部 ６ ガイダンス発生部 ７ ラベルデータ蓄積部 ８ ガイダンスデータ蓄積部 ９ ガイダンス出力部 １０ 確定部

Claims (6)

【特許請求の範囲】
1. 【請求項１】 発声者による音声入力経験を積算し、積
   算した経験値に基づいてガイダンスを更新変更すること
   を特徴とする音声入力方法。
2. 【請求項２】 請求項１に記載される音声入力方法にお
   いて、経験値が所定値を超えるとガイダンスを冗長なも
   のから単純で短いものに更新変更することを特徴とする
   音声入力方法。
3. 【請求項３】 請求項２に記載される音声入力方法にお
   いて、発声者が入力した音声を認識した結果を発声者が
   正解と判定したか否かを監視して発声者が誤った音声入
   力をした場合にガイダンスを単純で短いものから冗長な
   ものに復帰せしめることを特徴とする音声入力方法。
4. 【請求項４】 発声者の音声を入力する音声入力器を具
   備し、 入力された音声を認識し、認識結果の尤度を判定して結
   果を出力する音声認識部を具備し、 発声者に対して音声入力を促すガイダンスおよび尤度判
   定により有効とされた音声認識結果を呈示するガイダン
   スを発生させるガイダンス発生部を具備し、 発生されたガイダンスを出力するガイダンス出力部を具
   備し、 呈示された音声認識結果が正解か否かを発声者に確定さ
   せる確定部を具備し、 音声認識部による尤度判定結果および確定部による確定
   結果を経験値として記憶する経験値記憶部を具備し、 複数のガイダンスデータを蓄積するガイダンスデータ蓄
   積部を具備し、 音声認識結果を呈示するガイダンスを構成するデータの
   内の認識結果部分を表すデータを蓄積するラベルデータ
   蓄積部を具備し、 ガイダンス発生部を制御し、経験値記憶部に記憶される
   経験値に応じてガイダンスデータ蓄積部およびラベルデ
   ータ蓄積部よりガイダンスを選択し、ガイダンスを生成
   させる制御部を具備する、 ことを特徴とする音声入力装置。
5. 【請求項５】 請求項４に記載される音声入力装置にお
   いて、発声者による音声入力および音声認識部の類似度
   計算が繰り返されて経験値記憶部における経験値が所定
   値を超えると経験値記憶部はレベルを更新設定してこれ
   を制御部に送信するものであることを特徴とする音声入
   力装置。
6. 【請求項６】 請求項５に記載される音声入力装置にお
   いて、制御部は音声認識部或は確定部からエラーの出力
   を受信して経験値記憶部のレベルおよび経験値を復帰さ
   せるものであることを特徴とする音声入力装置。