【発明の詳細な説明】
論理標準インターフェイスを有する音声制御された入力装置
本発明は、例えばコンピュータ等の動作ユニットへのデータの入力を音声制御
するＳＩＤと呼ばれる装置に関する。ハードウェアおよびソフトウェアで構成さ
れたＳＩＤは、音声認識技術の原理において設計され、音声に依存するかあるい
は音声とは関係のないものにすることができる。
本発明は、主に手を使用する必要のないコンピュータの簡単で容易な動作を意
図している。
ＳＩＤは、例えば、標準コードあるいは標準信号を発生する装置等の論理標準
インターフェイスと共に入力データを音声制御するための装置である。それは、
完全にキーボードおよび／または制御ユニットの使用を排除する。換言すれは、
ＳＩＤは、アプリケーションとマイクロフォン等の外部ユニットとの間の標準イ
ンターフェイスとして機能させるためのシステム駆動装置である。すなわち、別
のアプリケーション等の外界へ出て行く全てのデータは、標準的なコードシステ
ムと一致するコードである。これは、コンピュータのキーボードおよびその駆動
ルーチンと比較されることができる。それらは、外界へ出て行くデータに対して
米国規格協会（ＡＮＳＩ）の標準に従ったコード等の標準コードを使用し、一般
的な標準化されたコードシステムを介して、それらは全ての標準的なアプリケー
ションにおいてテキストを書込むことができ、また、キーおよびキーの組合わせ
の助けを借りて、例えばメニュー制御されたアプリケーション等のこれらのアプ
リケーションを制御することができる。キーボードは、例えばａ、ｂ等の文字キ
ーと、例えばＥＳＣ、ＴＡＢ、ＩＮＳＥＲＴ、ＨＯＭＥ等の制御および特別キー
と、例えばＦ１、Ｆ２等の機能キーと、ＡＬＴキー、ＣＴＲＬキー、あるいはＳ
ＨＩＦＴキーとの組合わせを有している。
これらは常に、共に動作しているアプリケーションとは関係なく、標準的なコ
ードシステムに従って同じコードを発生する。もちろん、このコードは、異なる
アプリケーションにおいて全く異なる機能を有していてもよい。これは、アプリ
ケーションの設計者によって決定されることである。キーボードの駆動ルーチン
である装置駆動装置は、キーボードと外界（アプリケーション）との間の通信の
ための標準インターフェイスであるので、キーボードは、テキストを入力し、ま
た、キーボード、駆動ルーチン、あるいはアプリケーションのいずれかを適合す
る必要なしにコンピュータの環境においてメニュー制御されたプログラムを含む
全てのコンピュータプログラムを制御するのに十分である。正確には、ＳＩＤは
、一般的な入力装置である。この理由のために、ＳＩＤは、その出て行くデータ
に対して標準コードを使用する。ＳＩＤが例えばＡＮＳＩ規格に従ったコードシ
ステムを使用する場合、機能的な観点から、ＳＩＤは、キーボードおよびその駆
動ルーチンと全く同じように動作するが、物理的なキーボードのキーを押すかわ
りに、使用者がマイクロフォンに話しかける。
今まで、そのような音声制御された装置は存在しなかった（スウェーデン特許
庁によって発行された特許に関する報告Dnr P 914/43参照）。テキストを発生す
ることのできる現在知られている全ての音声認識装置は、それらが標準インター
フェイスを有しておらず、それによって、それらは、１つあるいは幾つかのアプ
リケーションとしか機能できないという大きな欠点を有している。それらは、単
語の認識に基づいている。これは、すなわち、その製品が、相当なメモリを必要
とし、語彙が制限され、大きいレジスタを有し、速度が比較的遅く、ほとんど信
頼性がなく、発声する使用者に依存し、単一使用者システムであり、方言の変化
に対してほとんど許容できず、背景雑音を感知し易く、使用者の単語および指令
を“理解させる”ようにコンピュータをトレーニングするのに時間がかかり、学
習および使用が困難であり、比較的高価であることを意味している。そのような
製品の例として、ＩＢＭ社のVoice type and Dictation system と、Dragon Sys
tems社のDragon Dictateがあげられる。
同じ原理に基づき、音声認識技術を使用する別のアプリケーションは、米国特
許第4 914 704 号明細書に記載され（“Text editor for speech input”）、本
明細書において以下ＵＳＰと呼ばれる。基本的に、目的および結果において、Ｓ
ＩＤは上述のＵＳＰとは根本的に異なる。すなわち、ＳＩＤは、キーボードある
いはマウスおよびそれらの駆動ルーチンに比較されるだけであるが、例えば、ワ
ードプロセッサ（“Microsoft WORD for Windows”）等のアプリケーションプロ
グラムとは比較されない。同様に、ＵＳＰに従ったワードプロセッサ（“Text e
ditor for speech input”）および他のワードプロセッサ（Word Perfect，Micr
osoft WORD for Windows，およびDragon Dictate等）と比較することができるが
、キーボードの駆動ルーチンとは比較できない。従って、全く同じ方法でワード
プロセッサ（Microsoft WORD for Windows）と計算プログラムEXCEL あるいはフ
ァックスプログラムWINFAX等とを比較することはできず、また、ＳＩＤとワード
プロセッサ（例えば“Text editor for speech input”）とは比較できない。
ＵＳＰは、“音声入力用テキスト編集”のためのワードプロセッサであり、す
なわち、テキストをそれ自体のアプリケーション“Text editor”に入力するた
めの音声認識技術である別個のアプリケーションプログラムである。“Text edi
tor”への音声入力を通して与えられたテキストは、いずれの標準コードでもな
く、いわゆる“Text editor”の設計者がこの特定のアプリケーションのためだ
けに定めた“トークンおよびストリングフォーマット”（ＵＳＰ：図３、図４）
である。それ故に、このワードプロセッサは、“Text editor”以外のアプリケ
ーションのための別のインターフェイスを有しておらず、それ故に、それはそれ
自体以外の別のアプリケーションにテキストを入力したり動作させることができ
ない。
他方、ＳＩＤは駆動ルーチンであり、完全にキーボードを置換することができ
るように標準的なコードシステムに従った標準コードを使用する。例えば、ＡＮ
ＳＩ標準に従った場合、コード“９７”は、“ａ”の代りにコード入力され、コ
ード“００；５９”は、ＳＩＤがコンピュータ環境における全ての標準的なアプ
リケーションに対する標準インターフェイスとなるように、出て行くデータとし
て“Ｆ１”の代りにコード入力される。
ＵＳＰは、ＡＳＣＩＩの表にリストされたコードの一部分として含まれた“Te
xt editor”に対して表記可能な文字だけを書込む。
他方、ＳＩＤは、標準的なコードシステムにおいて見られるものに従って、表
記可能な文字に対する標準コードだけでなく、全てのキーボードのキーの１つあ
るいは幾つかの組合わせに対する標準コードも、その出て行くデータとして動作
ユニットに送る。それらは、例えば、
ＥＳＣ、ＴＡＢ、ＨＯＭＥ、ＩＮＳＥＲＴ等の、制御および特別キー、
ＣＴＲＬ＋Ａ、ＣＴＲＬ＋Ｂ等の、文字キー＋ＣＴＲＬ、
ＡＬＴ＋Ａ、ＡＬＴ＋Ｂ等の、文字キー＋ＡＬＴ、
ＳＨＩＦＴ＋ＴＡＢ等の、キー＋ＳＨＩＦＴ、
Ｆ１、Ｆ２等の機能キー、
ＣＴＲＬ＋Ｆ１、ＡＬＴ＋Ｆ２等の、これらのキーの１つあるいは幾つかの組
合わせ等、である。
請求の範囲において説明されるようなＳＩＤのこれらの特有の特徴によって、
本発明は多数の特有の特性を有する全く独特なものとなる。
Ａ：ＳＩＤは、ＡＮＳＩ標準に従ったコードシステムを使用するので、キーボー
ドおよびその駆動ルーチンと全く同様であり同様に機能する。これは、
Ａ．１：それ自体のワードプロセッサだけにテキストを入力するＵＳＰと対照的
に、ＳＩＤは、他のアプリケーションを制御し、それにテキストを入力する一般
的な入力装置である。
Ａ．２：ＳＩＤは、“ブラインド”を巻き上げるためにメニュー制御されたプロ
グラムにおいてメニューを活動させ、ＡＬＴ＋文字キーの組合わせに対する標準
コードを送ることによってサブメニューにおける異なる指令および会話式ディス
プレイ装置を動作させる。例えば、ＡＬＴ＋Ａの組合わせは、標準コード“００
；３０”を有しており、それは、例えば、メニュー列において下線を引かれたＡ
、すなわちＡを有する任意の標準的なアプリケーションにおけるメニュー列の“
記録保管”メニュー等を活動させる。これは、通常のコンピュータのキーボード
のＡＬＴキーおよびＡキーを同時に押すことと全く同じである。
Ａ．３：ＣＴＲＬ＋文字キーあるいは別のキーの補助によって、ＳＩＤは、手短
かに指令を付勢させ、すなわち、それは、ブラインドを巻く必要なしに指令を付
勢し、また、異なるプログラムにおけるこれらのコードのための定められた機能
を実行する。
Ａ．４：ＳＩＤはまた、ＥＳＣ、ＨＯＭＥ等の制御および特別キーおよび機能キ
ーに対するコードと、標準化されたコードシステムに従った別のキーの組合わせ
に対するコードを送る。
Ａ．５：ＳＩＤは、ＡＮＳＩ標準に従ったエスケイプ(Escape)シーケンスを使用
することによってディスプレイ上でカーソルを動かす。
ＵＳＰは、例えば、幾つかのＡＳＣＩＩ文字等の表記可能な文字だけをそれ自
体の定められたコード方式を介して書込む能力以外は上述のことを全く行うこと
ができない。
Ｂ：ＳＩＤは、キーボードを有し、標準コードあるいは標準信号システムを使用
する他の装置に供給されたときには、同じ標準化されたコードあるいは信号シス
テムを使用する。これによって、キーボードの代りに音声によって制御される新
しい製品が作られることができる。
Ｃ：その設計により、ＳＩＤは、さらに以下のような利点、とりわけ、
− 設置および開始動作が簡単であり、迅速であり、
− 簡単に学習し、使用が困難でなく、
− 他の言語に簡単に翻訳されることができ、
− “内蔵型”の無限の語彙を有している、等の利点を有する装置である。
例えば、ＡＳＣＩＩコードが標準コードとして使用されている場合、ＳＩＤは
、数字および表音文字に対するＡＳＣＩＩコードを発生するだけでなく、例えば
、制御および通信の目的に使用される制御文字、グラフィックス、外国語の記号
および数学的記号等の別の文字のためのコードも発生する。この特徴によって、
自動的にシステムに“無限”の語彙が内蔵される。さらに、拡大されたＡＳＣＩ
Ｉコード（拡張されたＡＳＣＩＩコード）の設定はまた外国語の文字のための文
字コードも含んでいるという事実のために、ＳＩＤは、内蔵型の無限の“多言語
”の語彙を有する。本発明は、使用が容易な、使用者の観点からフレキシブルな
製品であり、その理由は、それによって、上述の欠点およびワードベースの音声
認識装置に関する問題を排除あるいは減少するからである。本発明はまた、他の
システムにはない多くの特性ならびに新しい可能性、使用の範囲、および製品の
発想への道を開く特性を有している。
そのような装置を達成するために必要な手段は、例えば、マイクロフォン、オ
ーディオカード、ＳＩＤプログラム等のシステム駆動装置、物理的に独立した入
力装置および通信媒体のためのマイクロコンピュータ等の、音声信号を導入する
ために必要な素子である。
添付された図面は、本発明の実施形態を概略的に示している。
図１は、全体的な構成を示す。
図２は、物理的に独立した音声制御された入力装置を示し、図３は、その論理
装置を示す。
図４は、アプリケーションプログラムおよびＳＩＤプログラムがデータシステ
ムにおいて位置されている場所を示しており、システム駆動装置であるＳＩＤプ
ログラムは、アプリケーションプログラムと例えばマイクロフォン等の外部ユニ
ットとの間の標準インターフェイスである。
ＳＩＤは、それが使用されるアプリケーションに依存して、音声に依存した認
識あるいは音声とは関係のない認識のいずれかを行うように設計されることがで
きる。使用者識別および装置の制限的な使用が所望された場合、音声に依存して
認識を行うＳＩＤが使用されるべきであるが、例えば、マルチ・ユーザ・システ
ム等が所望された場合、音声とは関係なく認識を行うユニットの方が好ましい。
図２および図３において示されているように、ＳＩＤは、ハードウェアおよび
ソフトウェアから主に以下の順序で構成されており、それらは、例えばマイクロ
フォン1 等の、システムに音声信号を導入する装置、オーディオカード2 、ＳＩ
Ｄのプログラム3 、マイクロコンピュータ4 、物理的に別個のユニット5 のため
の構成、音声信号1 を導入するための構成とユニット5/8 との間ならびにユニッ
トと制御される装置9 との間の部分的な通信媒体6,7 である。
最も簡単化された形態である図１において、ＳＩＤは“ブラックボックス”10
で表され、そこへ、例えば表音文字、数字、あるいは別のキーおよびキーの組合
わせ等を表す音声信号が入力され、そこにおいて、既に“ボックス”において記
憶された信号と比較され、その後、そこから、例えばＡＮＳＩ、ＡＳＣＩＩ、Ｉ
ＳＯ、ＥＢＥＤＩＣ、テレテキスト、ディジット・トーン等の使用される標準シ
ステムに従って、標準コードが出力される。換言すれば、我々が“ａ”、“ｂ”
等と発音するとき、ＡＳＣＩＩコードが使用された場合、ユニットは97,98 等を
発生する（図３参照）。このようにして、同じコードシステムを使用する別の装
置9 と簡単に通信することができるように、論理標準インターフェイス11を生成
する。
これが行われる方法は、音声認識が音声に依存するかあるいは音声とは関係が
ないかに応じて一定の程度まで変化させることができる。
音声に依存した音声認識のバージョンにおいて、使用者は、例えば、コンピュ
ータプログラムに意図された“語彙”のために“コンピュータをトレーニングす
ること”によって開始する。すなわち、設置／設定プログラムによって、使用者
は指令の都度マイクロフォンに話すように要求される。使用者は、幾つかのある
いは全てのキーの名前およびそれらの標準的な組合わせをマイクロフォンに話す
ことによって次々に入力する。
発声された文字は、オーディオカードによってデジタル化される。ＳＩＤプロ
グラムは、これらの名前の音声の表示をレジスタに記憶し、そこにおいて、各ア
イテムは、これらのキーあるいは標準キーの組合わせのそれぞれに対する標準コ
ードに関連付けられる。トレーニング期間が完了した後に、ＳＩＤは使用するこ
とができる。使用者が、例えば文字をコンピュータに言うとき、この文字はデジ
タル化され、その後、既にＳＩＤプログラムのレジスタに記憶されている文字と
比較される。文字が認識されたとき、対応する文字の標準コードが取り出され、
別のプログラムあるいはユニットをさらに処理するために送られる。
音声とは関係ない音声認識では、使用者は、質問において“語彙”に関してコ
ンピュータをトレーニングする必要がなく、その理由は、これらの文字の言葉の
音、すなわち音素が既にＳＩＤプログラムのレジスタに記憶されているからであ
る。ここにおいて、基準テキストで短時間トレーニングするだけで十分である。
文字の音は予めプログラムされているので、使用者が誰であるかに関係なく、プ
ログラムは、予めプログラムされたものと同じ（人間の）言語を使用者が話す限
り機能する。
ＳＩＤプログラムは、キーボードの駆動ルーチンがディスプレイ上で見られな
いのと同じように、ディスプレイ上で見られる必要はない。任意の不正確なメッ
セージは、テキスト、音声、あるいは信号として示されることができる。
ＳＩＤが異なる目的のために様々に構成されることができるという事実は、Ｓ
ＩＤが、キーボードを完全に置換するあるいはそれを補足するものとなるように
、コンピュータ、あるいはキーボードを有しているおよび／または標準コードシ
ステムを使用する別の装置に使用できることを意味している。それ故に、これに
よって、例えばコンピュータおよびその全てのプログラムを音声だけで動作させ
ることが可能となる。
ＳＩＤは、とりわけ、言葉においてアルファベットを使用するので、それは語
彙において“制限がない”ものである。ＳＩＤは、表記可能な文字、すなわち、
表音文字、数字、およびその他の文字等のために使用されることができ、また、
表記不可能な文字、すなわち、制御および特別な文字のためにも使用することが
できる。
ＳＩＤは、機能キー、制御ユニット上のボタン、およびプログラムにおける指
令あるいは特別な指令シーケンスを置換するために使用されることができる。
ＳＩＤは、例えば、コンピュータゲームに関連するような場合、およびファイ
ルあるいはそれ自体の定められた指令等を呼出す等の特別の場合のための所定の
文字のための別名を提供するために使用されることができる。
ＳＩＤは、音声制御されたタイプライタを作るために、プリンタあるいは電子
タイプライタに適用されることができる。
ＳＩＤは、紙を使用せずにメッセージを音声でファクシミリによって送る音声
制御されたファクシミリ装置を作るためにファクシミリ装置に適用されることが
できる。それは、例えば、ミニコール(Minicall)テキストあるいは別の移動無線
ユニットに音声でテキストをファクシミリによって送る、音声制御されたペーパ
ーレスの移動無線ファクシミリ装置を作るために適用されることができる。ＳＩ
Ｄは、コードロックあるいは個人コードを有する会員制制御システムに適用され
ることができる。それは、例えば、家庭電子装置等を音声で音声制御するための
リモートコントロール装置に適用されることができる。
ＳＩＤは、電話、あるいはＡＳＣＩＩコードの代りに例えばディジット・トー
ン等を発生することによって電話をダイアリングするためのコードロックシステ
ムに適用されることができる。
ＳＩＤはまた、対話式の電気通信およびデータ通信、音声制御された玩具、コ
ンピュータゲーム等と接続されたアプリケーションにおいて使用されることがで
きる。
また、制御ユニットを完全に置換するあるいはそれを補足するためにＳＩＤを
使用することが可能でなければならない。ここにおいては、例えば、カーソルは
、使用者が希望した位置を示すことによってディスプレイ上で動かされる。所望
された位置にカーソルを動かすために、例えば、ＸＹ座標あるいはＸおよびＹ座
標が使用されることができる。
ＳＩＤの主な機能は、キーボードおよび／または制御ユニットを置換すること
である。これによって、理想的に身体障害者を補助することができる。
物理的に、ＳＩＤは、物理的インターフェイス12,13 を有する独立のユニット
5 として設計されることができる。その接続装置13は、制御あるいは使用される
装置9 上の標準的な入力ソケットに差し込まれることができる。ＳＩＤと他の装
置7 との間の通信媒体、および、音声入力と音声入力6 のための装置との間の通
信媒体は多様であり、それ故に、照明、変調された無線等のための種々の種類の
ケーブル、あるいは別の媒体が要求される。
ＳＩＤはまた、論理ユニット8 であってもよい。換言すると、それは、例えば
、コンピュータシステムの一部分であってもよく、システム、プログラム14、あ
るいはシステムに接続された他の装置9 を動作し制御するためにそのハードウェ
アを使用することができる。
本発明を多数の技術的分野、ブランチ、および使用者グループ内で使用する余
地がある。それは、多数の装置を音声制御するために、あるいは、新しい製品の
製造と関連して構成および適用されることができる。これらの例として、音声制
御されたコンピュータ、音声制御されたタイプライタ、音声制御されたペーパー
レスのファクシミリ装置、音声制御されたペーパーレスの移動無線型ファクシミ
リ装置、音声制御されたコードロックシステムあるいは個人コードを有する会員
制制御装置、音声制御されたリモートコントロール装置、電子通信およびデータ
通信内の音声制御された電話のアプリケーション、音声制御された玩具、および
音声制御されたコンピュータゲーム等があげられる。
ＳＩＤは、コンピュータ、異なるプログラム、およびコンピュータに接続され
た装置の制御および動作を容易にするような身体障害者への補助等の、多数の異
なる使用の範囲を有している。ＳＩＤを使用して、身体的に障害を有する人は外
界と通信することが可能となる。それは、労働環境を改良するために使用される
ことができ、そこにおいては、例えば、コンピュータのマウスおよびキーボード
の使い過ぎによって生じる職業病等を防ぐことができる。ＳＩＤは、データセキ
ュリティを改良するため、すなわち、例えばレジストレーションあるいはワード
プロセッシング等と関連して不正確な入力の危険を減少させるために使用される
ことができる。書くよりも話す方が速いので生産性も増加され、また、キーボー
ドおよび手が音声によって置換されるのでそれらの必要をなくしてより大きなフ
レキシビリティが達成され、キーボード等の必要がなくなるので、例えば、スト
ックの処理および移動無線ユニット等のためのマイクロフォンがより小型にされ
、より少ないスペースしか占めない。
もちろん、ＳＩＤは、上述のユニット、アプリケーション、および使用の範囲
だけに制限されることはない。それはまた、本発明の基本的な発想のフレームワ
ーク内で種々の可能性を有している。