JPH10312193A - 音声入力装置 - Google Patents

Abstract

(57)【要約】 【課題】 少ない入力回数で、大語彙音声入力できる音
声入力装置を提供する。 【解決手段】 マイク５００とＡ／Ｄコンバータ５０１
は音声を取り込んでディジタルの音声信号に変えて信号
処理装置５に出力する。外部記憶装置５０３には階層化
した単語辞書を記憶させている。タッチパネル付きモニ
タ６０は、認識結果を表示するとともに、タッチ入力で
部分辞書の変更が行なえる。信号処理装置５では、最初
に所定の最下位階層の部分辞書を入力し、音声信号と辞
書内の単語との一致度を演算し、一致度の最も高い単語
をその上位階層構造を含めモニタにおいて表示する。そ
の単語が認識したい単語でなければ、変更したい階層が
タッチ入力される。そのタッチ信号が検出され対応した
辞書を外部記憶装置５０３から読み込まれる。その後音
声により階層が決定され、その階層下の最下層辞書が読
み込まれる。目的語を新たに発話して辞書との照合によ
り音声認識される。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】この発明は、少ない入力回数
で大語彙認識を行なうことができる音声入力装置に関す
る。

【０００２】

【従来の技術】音声を識別して情報を読み取る音声入力
装置は、手を介さずに指令やデータなどの入力ができる
ため、障害者用ワープロ、車載ナビゲーションといった
ような手操作が困難な場面に採用されつつある。典型的
な音声入力装置は、図１３に示すように、音声を取り込
み、電気信号に変えて音声信号を出力するマイク５００
と、アナログの音声信号をＡ／Ｄ変換してディジタル情
報に変換させるＡ／Ｄコンバータ５０１と、音声信号か
ら単語認識をするのに用いられる単語辞書を記憶した外
部記憶装置５０３と、ＣＰＵとメモリを持ち単語辞書を
メモリに読み込ませたうえでＣＰＵが音声信号と辞書内
の単語との一致度判定により音声認識を行なう信号処理
装置５０２とを有する。スイッチ５０５は装置使用者に
操作され音声信号の取り込みタイミングを信号処理装置
５０２に与える。モニタ５０４は認識された単語を表示
する。

【０００３】一般に音声による入力は、認識対象の語数
が多くなる程認識率が低下するため、大語彙認識の場合
階層化した辞書が使用される。入力の際、辞書の分類に
従って複数回音声入力を繰り返して階層を進み、認識対
象語数を絞り込んだ状態で認識し、誤認識率を低下させ
るようにしている。

【０００４】上記従来の装置における音声認識の詳細に
ついて、図１４のフローチャートに従って説明する。こ
こでは、ＪＲの駅名である「桜木町」を音声で入力する
場合を示す。このような駅名入力は、自動車のナビゲー
ション装置の目的地設定などに用いられている。外部記
憶装置５０３には例えば図２のような階層化した単語辞
書を記憶させてある。

【０００５】まず、ステップ５２１において、音声入力
の初期状態で、信号処理装置５０２は階層化された単語
辞書の、階層の最上位の部分辞書を最初の認識対象とし
設定する。ここでは図２中の部分辞書ａが設定される。
次に、装置使用者はスイッチ５０５を操作してマイク５
００に「施設」を発話する。これは「桜木町」が「施
設」という範疇に含まれることを使用者が認識している
ためである。スイッチ５０５が操作されたことは、ステ
ップ５２２において、検出される。これによって音声認
識処理が開始される。

【０００６】ステップ５２３では、信号処理装置５０２
内のＣＰＵが設定された階層の部分辞書を外部記憶装置
５０３からメモリに読み込ませる。初期では部分辞書ａ
が読み込まれる。信号処理装置５０２は、スイッチ５０
５が操作されるまでの音声の平均パワーを演算してお
り、スイッチ５０５が操作された後、音声の平均パワー
に比べて音声信号の瞬間パワーが所定値以上大きくなっ
たとき、使用者が発話開始したと判断し、ステップ５２
４において音声取り込みを開始する。

【０００７】ステップ５２５では、ＣＰＵが入力された
音声とメモリに読み込んだ部分辞書内の単語との一致度
を演算する。初期では「住所」、「施設」それぞれとの
一致度を演算する。

【０００８】そして、音声信号の瞬間パワーが所定値以
下になった時、使用者の発話が終了したと判断し、ステ
ップ５２６において、音声の取り込みを終了する。入力
音声と部分辞書内の単語との一致度の演算を終了する
と、ステップ５２７において、ＣＰＵが最も一致度高い
単語を選択する。ここでは「施設」の方が一致度が高い
ので選択される。

【０００９】ステップ５２８では、選択された一致度の
高い単語が認識の結果としてモニタ５０４において表示
される。ステップ５２９では、選択された単語が下の階
層の部分辞書名であるかどうかを判定し、辞書名である
場合ステップ５２３へ、そうでない場合ステップ５３０
へ進む。ここでは単語「施設」は図２の単語辞書に示さ
れるように下の階層の部分辞書ｅの辞書名となっている
ので、ステップ５２３に戻る。

【００１０】ステップ５２３では、ＣＰＵが外部記憶装
置５０３から新たに部分辞書ｅをメモリに読み込む。こ
のように、処理を繰り返すたび階層が進む。選択された
単語の下に部分辞書がなくなると、ステップ５３０で、
認識された単語は目的語となり出力される。ここでは
「桜木町」が出力される。

【００１１】

【発明が解決しようとする課題】上記のように従来の音
声入力装置においては、一つの単語を伝えるのに、その
単語の属する最下層までの部分辞書名を階層毎に入力し
なければならない。その階層は単語数が多いほど複雑に
なるので、大語彙の中からの認識になるほど使用者にと
って入力負担が大きいという問題があった。また使用者
が最も伝えたいのは目的語であるにも係わらず、目的語
の入力が最後で感覚的に違和感を抱かせ、使い勝手がよ
くないという問題があった。本発明は、上記従来の問題
点に鑑み、少ない入力回数で正確な音声入力を実現する
ことを目的としている。

【００１２】

【課題を解決するための手段】発話音声を情報化して入
力する音声入力手段と、複数の単語を含む部分辞書から
なるとともに階層構造を持った単語辞書と、使用する部
分辞書を決定する部分辞書決定手段と前記音声入力手段
からの入力音声と決定された部分辞書内の単語との一致
度を演算する演算手段と、演算された単語のうち最も一
致度の高い単語を選択して出力する単語選択手段とを有
し、前記部分辞書決定手段は、初めに所定の最下層の部
分辞書を決定し、階層変更指令を受けた場合に階層変更
をして部分辞書を決定するものとした。

【００１３】前記部分辞書決定手段は、上位階層への変
更指示を受けた場合、上位階層の部分辞書を決定し、入
力により単語選択手段が選択した単語が示す階層に変更
し、該階層下の所定の最下層部分辞書を決定することが
できる。前記部分辞書決定手段により初めに決定される
部分辞書は前回使用された最下層の部分辞書であること
が望ましい。また前回使用された最下層の部分辞書の代
わりに使用頻度の高い最下層の部分辞書を用いても可能
である。

【００１４】音声入力装置には表示手段を接続し、単語
選択手段が選択した単語及び上位の階層構造を表示する
のが望ましい。前記表示手段はタッチパネルを合わせ持
ち、使用者によってタッチされた階層に対応した階層変
更指令を前記部分辞書決定部に出力することも可能であ
る。また、タッチパネルに対するタッチ入力があったと
きに、変更可能な階層を表示手段上で表示するのが望ま
しい。

【００１５】前記部分辞書決定手段は、目的語に続き入
力が行なわれたときに、上位階層への変更指示を受けた
とし、設定されている最下層部分辞書より上位の全ての
部分辞書を決定し、単語選択手段が選択した単語が示す
階層に階層変更を行なうことができる。

【００１６】前記部分辞書決定手段は、目的語に続き入
力が行なわれたときに、設定されている最下層部分辞書
及びそれより上位の全ての部分辞書を決定し、単語選択
手段が選択した単語が上位部分辞書内の単語であれば、
上位階層への変更指示を受けたとし、前記単語が示す階
層に階層変更を行なうこともできる。

【００１７】また、最初に入力された音声を記憶する記
憶手段を合わせ持ち、階層が変更されたとき、前記単語
選択手段は前記記憶手段に記憶された音声を用いて、決
定された最下層の部分辞書内の単語との一致度を演算
し、出力することができる。

【００１８】

【作用】階層化した単語辞書を使用し、部分辞書を設定
する際に、初めに所定の最下層の部分辞書を設定するの
で、大語彙認識ができるとともに、１回目の単語を目的
語とすることもできる。そして一回の入力で認識できな
かった場合、階層変更指令で階層変更を行なうので、例
えば現在の部分辞書と目的語のある部分辞書と共通する
上位階層に変更して最下層の部分辞書を決定する段取り
をとることができ、最上位の部分辞書からの入力が必要
でなくなり、効率のよい入力が図られる。また、最初か
ら目的語で入力し、辞書の階層変更が認識できなかった
ときに行なうので、感覚に合致した音声入力が行なえ
る。

【００１９】部分辞書決定手段は、上位階層への変更指
示を受けた場合、上位階層の部分辞書を決定し、入力に
より単語選択手段が選択した単語が示す階層に変更し、
該階層下の所定の最下層部分辞書を決定するようにした
場合、階層変更があったも、目的語の部分辞書と上位階
層との間の部分辞書に対する認識が不要で、階層が上位
に変更されても、すぐ目的語の入力となるので、装置使
用者を焦らせることなく、入力できる効果が得られる。
また部分辞書決定手段が初めに決定する部分辞書は前回
使用された最下層の部分辞書となれば、辞書構成を理解
し、階層変更が円滑に行なえる。さらに前回使用された
最下層の部分辞書の代わりに使用頻度の高い最下層の部
分辞書を用いても同じ効果が得られる。

【００２０】音声入力装置に表示手段を接続し、単語選
択手段が選択した単語及び上位の階層構造を表示手段で
表示するようにすると、階層変更が必要のときに、表示
された階層構造を頼りに階層変更ができるので、入力負
担が軽減される。表示手段はタッチパネルを合わせ持
ち、使用者によってタッチされた階層に対応した階層変
更指令を前記部分辞書決定部に出力するようにすると、
対話式な入力となり一層の入力負担軽減が図られる。ま
た、タッチ入力があったときに、音声入力によって変更
可能な階層を前記表示手段上で表示した場合、辞書の構
造を表示画面から知ることができ、辞書の構成などの予
備知識が無くても階層変更ができる効果が得られる。

【００２１】前記部分辞書決定手段は、目的語に続き入
力が行なわれたときに、上位階層への変更指示を受けた
とし、設定されている最下層部分辞書より上位の全ての
部分辞書を決定し、単語選択手段が選択した単語が示す
階層に階層変更を行なうようにすると、上位階層の単語
のみで、階層変更ができ入力負担がさらに軽減される。

【００２２】前記部分辞書決定手段は、目的語に続き入
力が行なわれたときに、設定されている最下層部分辞書
及びそれより上位の全ての部分辞書を決定し、単語選択
手段が選択した単語が上位部分辞書内の単語であれば、
上位階層への変更指示を受けたとし、前記単語が示す階
層に階層変更を行なった場合、部分辞書が正確でありな
がら、単語の誤認識による階層変更が防止される。

【００２３】最初に入力された音声を記憶する記憶手段
を合わせ持ち、階層が変更されたとき、前記単語選択手
段は前記記憶手段に記憶された音声を用いて、決定され
た最下層の部分辞書内の単語との一致度を演算し、出力
することで、階層を変更し、最下層の部分辞書が変わっ
ても、目的語の音声を二度と入力する必要がなく、音声
の入力回数がさらに減らされる。

【００２４】

【発明の実施の形態】次に、本発明の実施の形態を実施
例により説明する。図１は、本発明の第１の実施例を構
成を示すブロック図である。マイク５００により取り込
まれた音声信号はＡ／Ｄコンバータ５０１でディジタル
情報に変えられて信号処理装置５に入力される。スイッ
チ５０５は音声入力用に装置使用者が発話する直前に操
作され、信号処理装置５に発話音声の検出タイミングを
与えている。外部記憶装置５０３には単語辞書を記憶さ
せてある。モニタ６０はタッチパネル付きモニタで、信
号処理装置５の処理結果を表示するとともに、タッチパ
ネルで部分辞書の変更が行なえるようになっている。

【００２５】単語辞書は図２に示すような階層化した単
語辞書が用いられる。図においては部分辞書間の連線が
上下層間の繋がり関係を表示し、枠内に突出したのは下
の階層を代表する単語についての表示である。「住所」
と「施設」の二つの単語で構成する部分辞書ａは単語辞
書の最上層にあり、各単語に下位階層辞書として「住
所」からは政令指定都市に従った分類で都道府県名を記
した部分辞書ｂを設け、各都道府県について、市区名を
記した部分辞書ｃと区村名を記した部分辞書ｄが順次に
設けられている。

【００２６】部分辞書ａの単語「施設」の下位には
「駅」、「デパート」、「ホテル」のような「施設」の
種類名を記した単語の部分辞書ｅが続いている。「駅」
の下位に都道府県名を記した部分辞書ｆが設けられてい
る。部分辞書ｆからは交通会社名を記した部分辞書ｇ
と、部分辞書ｇに繋がっている駅名の部分辞書ｈが都道
府県毎に設けられている。

【００２７】また、単語「デパート」も都道府県名を記
した下層の部分辞書ｉと、市名を記した部分辞書ｊと、
「デパート」名を記した部分辞書ｋを持ち、都道府県別
に市区の部分辞書と区村の部分辞書に繋がっている。部
分辞書ｄ、部分辞書ｈ、部分辞書ｋは最下層部分辞書で
あり、目的語が登録され、認識したい単語はここで照合
され認識される。

【００２８】信号処理装置５は、音声入力部５３におい
てスイッチ５０５が操作されるまでマイク５００からデ
ィジタル化された音声信号の平均パワーを演算してい
る。その平均パワー値より瞬間パワーが大きくなったと
きに、発話が開始したと判断し、音声信号の取り込みを
開始する。その音声信号は単語選択部５２において単語
認識される。この際最初に使われる単語辞書は部分辞書
決定部５１が外部記憶装置５０３から読み込んだ最下位
階層にある部分辞書である。

【００２９】単語出力部５４はその認識の結果と単語の
上位階層の名称をモニタ６０に一時出力するが、装置と
しての出力は保留する。この間モニタ６０上に表示され
た上位階層の名称をタッチ入力すれば部分辞書の変更が
できる。所定時間内にタッチパネルへのタッチが無けれ
ば、単語出力部５４は認識の結果を装置の出力として出
力する。

【００３０】部分辞書の変更があった場合は、部分辞書
決定部５１はタッチされた名称の部分辞書を外部記憶装
置５０３から読み込み、装置使用者はスイッチ５０５を
操作して下位辞書を決定するための発話をする。部分辞
書決定部５１はそれに係わる所定の最下位部分辞書を決
定し、外部記憶装置５０３から読み込む。その後再び音
声入力をし単語選択部５２において単語認識される。最
初に入力するあるいは階層変更後に入力される最下層の
部分辞書は前回使用した部分辞書あるいは使用頻度の最
も高い部分辞書である。

【００３１】次に、図３のフローチャートに従って装置
の作動の流れを説明する。まず、ステップ１０１におい
て、音声入力の初期状態で、階層の最下位の部分辞書を
最初の認識対象として部分辞書決定部５１において設定
する。初期設定として最も使用頻度の高い部分辞書ある
いは前回使用された最下層の部分辞書が用いられるが、
ここでは例えば図２中の部分辞書ｈが設定されたとす
る。

【００３２】装置使用者はスイッチ５０５を操作して、
マイク５００に発話をする。ステップ１０２では、音声
入力部５３がスイッチ５０５が操作されたか否かを検出
し、操作された場合、マイク５００が動作してからの音
声の平均パワー値を算出してステップ１０３へ進む。ス
テップ１０３では、決定された部分辞書を前記外部記憶
装置５０３から部分辞書決定部５１に読み込む。ここで
は部分辞書ｈが読み込まれる。

【００３３】ステップ１０４では、使用者の発話音声取
り込みを開始する。すなわち入力した音声信号を絶えず
算出した音声の平均パワーと比べ、瞬間パワーが所定値
以上大きくなったとき、使用者の発話開始と判断し、発
話音声の取り込みを開始する。ここでは、例えば使用者
は目的語として「桜木町」を発話したとする。ステップ
１０５では、部分辞書決定部５１に読み込まれた部分辞
書ｈ内の単語と発話音声との一致度を単語選択部５２に
おいて演算する。なお、ここでの処理は音声信号をとり
ながら所定時間で区切った音声区間部分と各単語との比
較が行なわれており、音声信号の取り込みはそれに同時
に進行されている。

【００３４】ステップ１０６で、音声信号の瞬間パワー
が平均パワー以下になったとき、使用者が発話完了と判
断し、音声取り込み終了してステップ１０７へ進む。ス
テップ１０７では、単語選択部５２で演算された一致度
の最も高い単語を認識の結果として単語出力部５４に出
力する。

【００３５】ステップ１０８では、単語出力部５４はそ
の認識の結果と単語の上位階層の名称をモニタ６０に一
時出力し表示させるが、装置としての出力は保留する。
図４はモニタ６０の表示画面である。ｈが選択された単
語の辞書で、ａ、ｅ、ｆ、ｇはその単語の上位辞書であ
る。ｈの枠から表示されているのは目的語であり、その
上の枠に並べられているのが目的語に関連する上位辞書
内の単語で、右から左へ階層順位の増加を表示してい
る。階層を変更する場合に、単語が映っているところを
タッチすれば、階層の変更ができる。そしてステップ１
０９で、所定時間内にタッチパネルへのタッチ入力が無
ければ、ステップ１１０において「桜木町」という単語
の認識結果を装置の出力として出力する。この場合、階
層を変更する必要がなく、発話回数が一回で終了する。

【００３６】もし、使用者がステップ１０４で「そご
う」と発話していたとすれば、初期の部分辞書がｈであ
ったため、他の単語が表示されてしまう。その場合、上
位の階層を変更する必要が生じるため、使用者は図４中
のｅをタッチ入力する。

【００３７】そのタッチ入力がステップ１０９で検出さ
れると処理がステップ１１１へ進む。ステップ１１１で
は、タッチされた階層をどの階層に変更可能かモニタ６
０に表示する。ここでは「駅」、「デパート」、「ホテ
ル」を表示する。図５はその表示様子を示している。ス
テップ１１２では、部分辞書決定部５１が新たに部分辞
書ｅを外部記憶装置５０３から読み込む。

【００３８】ステップ１１３では、タッチして表示され
た上位階層の中から選択して音声入力する。「そごう」
の場合は使用者はそれに関連のある「デパート」を音声
で入力し、単語選択部５２で認識される。本ステップは
ステップ１０２からステップ１０７までと同様の処理を
行なってもよい。ステップ１１４では、部分辞書決定部
５１が、認識された単語「デパート」に繋がる最下層の
部分辞書ｋを決定する。

【００３９】ステップ１１５では、再度音声入力やり直
しを使用者に報知するため、モニタ６０に再度入力の指
示マークを表示して、ステップ１０２に戻る。その後使
用者が「そごう」を発話してステップ１０２からステッ
プ１０８までの処理が再び行なわれて、ステップ１１０
において、「そごう」という単語が出力される。

【００４０】マイク５００、Ａ／Ｄコンバータ５０１、
音声入力部５３は音声入力手段を構成している。部分辞
書決定部５１は辞書決定手段を構成している。単語選択
部５２は単語選択手段を構成している。モニタ６０は表
示手段を構成している。

【００４１】本実施例は以上のように構成され、第１の
音声の入力が行なわれた場合、音声信号と所定の最下層
の部分辞書の単語との一致度が演算されるので、第１の
単語を目的語とすることができ、使用者の入力負担が軽
減されることになる。また、部分辞書の変更が必要なと
き、上位の階層の下に複数の階層が存在しても、その最
下層の部分辞書を設定して使用するので、階層変更によ
る入力負担増加が少ない。そして、最初に使用する部分
辞書を使用頻度の高いものあるいは前回使用したものと
しているので、使用者は出力結果を容易に理解し、階層
変更が円滑に行なえる。

【００４２】また、モニタが単語を表示するときに単語
の上位階層構造を表示するので、どの階層を変更したい
かを容易に判断できる。タッチ入力があったとき、音声
入力によってどのような階層に変更可能かを表示するこ
とで、辞書の構成を知らなくても、どの階層に変更する
かの操作ができる。

【００４３】図６は、第２の実施例の構成を示すブロッ
ク図である。この実施例は、図１に示す第１の実施例に
おける信号処理装置５の代わりに音声記憶部６６を設け
た信号処理装置６を用いる。音声信号記憶部６６は音声
入力部６３の音声信号を単語選択部６２に出力するとと
もに、一回目の音声信号は音声記憶部６６が記憶する。
部分辞書変更があった場合、音声記憶部６６に記憶され
た音声信号を用いて部分辞書との一致度を判定し、目的
語を認識する。その他は第１の実施例と同様である。

【００４４】次に、図７のフローチャートに従って装置
の作動の流れを説明する。ステップ２０１〜ステップ２
１５まではスッテプ２０７を除いて第１の実施例におけ
る図３のフローチャートのステップ１０１〜ステップ１
１４と同様の処理を行なう。すなわちまず、階層の最下
位の部分辞書を最初の認識対象として設定し、外部記憶
装置５０３から読み込む。使用者の発話音声信号を取り
込みながら設定された部分辞書内の単語と一致度を演算
する。そして音声信号の取り込みが終了すると、ステッ
プ２０７において、音声記憶部６６が音声信号を記憶す
る。一致度の最も高い単語が認識の結果として選択さ
れ、上位階層を含めてモニタ６０において表示される。

【００４５】そして、所定時間内にモニタ６０のタッチ
パネルに対するタッチ入力が無ければ、選択された単語
を装置の出力として出力するが、タッチ入力があった場
合、タッチされた階層に部分辞書の変更を行なう。階層
変更された部分辞書が新たに外部記憶装置５０３から読
み込まれる。その後階層変更のための発話をし、音声入
力によって階層を示す単語が特定されると、その階層下
の最下位部分辞書を外部記憶装置５０３から読み込む。

【００４６】その後、第１の実施例では再度音声入力や
り直しを使用者に報知するが、本実施例では、ステップ
２１６において、音声記憶部６６から記憶した音声信号
を用い、最下層の部分辞書内の単語との一致度を演算す
る。各単語から一致度の最も高い単語がステップ２０８
において選択される。そしてステップ２１０にモニタ６
０へのタッチ入力がないと判定されると、ステップ２１
１で認識した単語を装置の出力として出力する。

【００４７】本実施例によっても、第１の実施例と同様
の効果が得られるとともに、部分辞書の変更後、再度最
初に目的語を発話し音声入力する必要がないので、入力
回数が減少されることになる。

【００４８】次に、第３の実施例について説明する。図
８は、第３の実施例の構成を示すブロック図である。こ
の実施例は、図６に示す第２の実施例における信号処理
装置６の代わりに信号処理装置７を用いる。音声信号記
憶部６６は音声入力部７３の音声信号を単語選択部６２
に出力するとともに、一回目の音声信号は音声記憶部６
６が記憶する。部分辞書変更がある場合、音声記憶部６
６に記憶された音声信号を用いて認識する。

【００４９】第１あるいは第２の実施例では階層の変更
はモニタ６０のタッチパネルで行なったが、本実施例は
音声による階層変更を行なう。すなわち第一回目の音声
入力を目的語に対応させ、以後の音声入力は階層変更に
対応させている点が第１あるいは第２の実施例と異な
る。モニタ６０の代わりに表示のみのモニタ７０を使用
する。その他は第１の実施例と同様である。

【００５０】次に、図９のフローチャートに従って装置
の作動の流れを説明する。ステップ２０１〜ステップ２
１６まではステップ３１０、ステップ３１３を除いて第
２の実施例における図７のフローチャートと同様の処理
を行なう。すなわちまず、階層の最下位の部分辞書を最
初の認識対象として設定され、外部記憶装置５０３から
読み込まれる。使用者の発話音声信号を取り込みながら
設定された部分辞書内の単語と一致度を演算する。そし
て音声信号の取り込みが終了すると、音声記憶部６６が
音声信号を記憶する。そしてステップ２０８において一
致度の最も高い単語が認識の結果として選択され、ステ
ップ２０９において上位階層を含めてモニタ７０におい
て表示されるとステップ３１０へ進む。

【００５１】ステップ３１０では、音声入力部７３がス
イッチ５０５が操作されたか否かを検出し、操作された
場合、音声入力があるため、ステップ３１３へ進む。ス
テップ３１３では現在使用中の部分辞書の上位全ての部
分辞書を外部記憶装置５０３から読み込む。その後第
１、第２の実施例と同様に上位階層の音声入力がなさ
れ、階層を示す単語が特定されると、その階層下の最下
位部分辞書を外部記憶装置５０３から読み込む。

【００５２】ステップ２１６において、音声記憶部６６
から記憶した音声信号を用い、部分辞書内の単語との一
致度を演算する。各単語から一致度の最も高い単語がス
テップ２０８において選択される。ステップ３１０にお
いてスイッチ５０５に対する操作がないことが検出され
ると、ステップ２１１で認識した単語を装置の出力とし
て出力する。このように、例えば最初に部分辞書ｈが設
定されていて、入力する単語は辞書にない「そごう」の
場合、使用者が「デパート」を発話すれば、図１０に示
すように「そごう」の上位辞書を含むハッチングした部
分辞書が自動的に設定されるので、階層変更があっても
煩わしい操作はない。

【００５３】すなわち、最初の発話に対し、装置が使用
者の指定したい階層と異なる階層の単語を出力する場
合、使用者が指定したい階層名称を発話するという手順
をとることで、発話、返答、詳しい説明という自然な対
話を実現でき、最も自然な感覚で音声入力ができる効果
が得られる。各階層の部分辞書が設定されるので、音声
による認識率の低下が懸念されるが、一般に上位の部分
辞書内の単語は、分類のための単語であり、単語数は最
下層の部分辞書内の単語数に比較して極めて少ないた
め、認識率は十分に使用に堪える。

【００５４】次に、第３の実施例の変形例について説明
する。前記各実施例では、最下層の部分辞書が正確に設
定されても、騒音などの影響で単語を誤認識することが
ある。この場合すべての上位階層の部分辞書を設定し直
しても辿り着いたのはもとの部分辞書であり、余計な入
力回数を作る結果となる。この変形例はそれに対処する
ためのもので、誤認識があっても、同じ部分辞書内の単
語なら、階層変更せずに処理できるようにしている。

【００５５】図１１は装置作動の流れを示すフローチャ
ートである。このフローチャートはステップ４１２、ス
テップ４１３、ステップ４１４を図９の第３の実施例に
おけるステップ３１３、ステップ２１４に置き換えて構
成される。すなわちまず、階層の最下位の部分辞書を最
初の認識対象として設定され、外部記憶装置５０３から
読み込まれる。使用者の発話音声信号を取りながら設定
された部分辞書内の単語と一致度を演算する。そして音
声信号の取り込みが終了すると、音声記憶部６６が音声
信号を記憶する。一致度の最も高い単語が認識の結果と
して選択され、ステップ２０９において上位階層を含め
てモニタ７０において表示される。

【００５６】そして、ステップ３１０において、音声入
力部７３がスイッチ５０５が操作されたか否かを検出
し、操作された場合、音声入力があるため、ステップ４
１２へ進む。ステップ４１２では、現在使用中の部分辞
書およびその上位全ての部分辞書を読み込む。ステップ
４１３では、使用者が発話した音声を入力し、読み込ま
れた部分辞書内の単語との一致度を演算する。

【００５７】ステップ４１４では一致度の最も高い単語
が上位階層の部分辞書内にあるか否かを判定する。単語
が上位階層の部分辞書内にある場合、階層変更するため
のものであり、ステップ２１５へ進み、第３の実施例と
同様の処理を行なう。単語が最下層の部分辞書内にある
場合、既に認識された目的語であるためステップ２０９
へ進み、ステップ３１０でスイッチに対する新たな操作
が行なわれていないかの判定を経てステップ２１１にお
いて単語が出力される。

【００５８】このように、もし最初に部分辞書ｈが設定
されていて、入力したい単語は「桜木町」の場合、騒音
などによる「桜木町」の音声信号に歪みが生じ、「関
内」と誤って表示される可能性がある。また「桜木町」
を発話するつもりで「関内」と誤って発話することが考
えられる。このような部分辞書が正しい場合でも、図１
２にハッチングで示すように部分辞書ｈを含む全ての上
位階層の部分辞書が自動的に設定されるので、「桜木
町」と発話し直しすれば、階層変更をせずに音声入力が
できる。これによって階層の変更は必要なときのみ行な
われることになり、音声入力負担がさらに軽減される。
このほか第３の実施例のように発話、返答、詳しい説明
という自然な対話形式で音声入力ができる効果も得られ
る。

【００５９】

【発明の効果】以上説明したように、本発明によれば、
１回目の単語を目的語とすることができるので、まず目
的語で入力し、正確でなかったら階層を変更して目的語
を再度入力して認識し、自然な感覚で音声入力ができ
る。また辞書を変更する際、例えば現在の部分辞書から
遡り、目的語と共通する内容の上位部分辞書に変更して
最下層の部分辞書を決定する段取りをとるので、目的語
が認識されるまでの入力回数が少なく、入力負担が軽減
される

【００６０】部分辞書決定手段は、上位階層への変更指
示を受けた場合、上位階層の部分辞書を決定し、音声入
力により単語選択手段が選択した単語が示す階層に変更
し、該階層下の所定の最下層部分辞書を決定するように
した場合、階層変更があったも、目的語の入っている部
分辞書に至るまでの部分辞書に対する認識が不要で、大
きな入力負担とならない効果が得られる。また部分辞書
決定手段が初めに決定する部分辞書は前回使用された最
下層の部分辞書となれば、辞書構成を理解し、階層変更
が円滑に行なえる。さらに前回使用された最下層の部分
辞書の代わりに使用頻度の高い最下層の部分辞書を用い
ても同じ効果が得られる。

【００６１】音声入力装置に表示手段を接続し、単語選
択手段が選択した単語及び上位の階層構造を表示手段で
表示するようにすると、階層変更が必要のときに、表示
された階層構造を頼りに階層変更ができるので、入力負
担がさらに軽減される。前記表示手段はタッチパネルを
合わせ持ち、使用者によってタッチされた階層に対応し
た階層変更指令を前記部分辞書決定部に出力するように
すると、対話式な入力となり一層の入力負担軽減が図ら
れる。また、タッチ入力があったときに、音声入力によ
って変更可能な階層を前記表示手段上で表示した場合、
辞書の構造を表示画面から知ることができ辞書の構成に
対する予備知識が無くても階層変更ができる効果が得ら
れる。

【００６２】前記部分辞書決定手段は、目的語に続き音
声入力が行なわれたときに、上位階層への変更指示を受
けたとし、設定されている最下層部分辞書より上位の全
ての部分辞書を決定し、単語選択手段が選択した単語が
示す階層に階層変更を行なうようにすると、階層変更に
対する操作が不要で入力負担が一層軽減される。

【００６３】前記部分辞書決定手段は、目的語に続き音
声入力が行なわれたときに、設定されている最下層部分
辞書及びそれより上位の全ての部分辞書を決定し、単語
選択手段が選択した単語が上位部分辞書内の単語であれ
ば、上位階層への変更指示を受けたとし、前記単語が示
す階層に階層変更を行なった場合、部分辞書が正確であ
りながら、単語の誤認識による階層変更が防止され、無
駄な入力を生じさせない効果が得られる。

【００６４】最初に入力された音声を記憶する記憶手段
を合わせ持ち、階層が変更されたとき、前記単語選択手
段は前記記憶手段に記憶された音声を用いて、決定され
た最下層の部分辞書内の単語との一致度を演算し、出力
することで、階層を変更し、最下層の部分辞書が変わっ
ても、目的語の音声入力を二度と行なう必要がなく、音
声の入力回数がさらに減らされる。また、最初の発話に
対し、装置が使用者の指定したい階層と異なる階層の単
語を出力する場合、第２の実施例と同様に使用者が指定
したい階層名称を発話するという手順をとることで、発
話、返答、詳しい説明という自然な対話を実現でき、最
も自然な感覚で音声入力ができる効果が得られる。

【図面の簡単な説明】

【図１】第１の実施例の構成を示すブロック図である。

【図２】階層化した単語辞書の構成を示す図である。

【図３】第１の実施例のフローチャートである。

【図４】モニタ表示画面を示すブロック図である。

【図５】部分辞書を変更時のモニタ表示画面を示す図で
ある。

【図６】第２の実施例の構成を示すブロック図である。

【図７】第２の実施例のフローチャートである。

【図８】第３の実施例の構成を示すブロック図である。

【図９】第３の実施例のフローチャートである。

【図１０】最下位部分辞書を変更時に仮設定された上位
部分辞書を示す図である。

【図１１】第３の実施例の変形例を示すフローチャート
である。

【図１２】最下位部分辞書を変更時に仮設定された部分
辞書を示す図である。

【図１３】従来例の構成を示すブロック図である。

【図１４】従来例のフローチャートである。

【符号の説明】

５、６、７ 信号処理装置 ５１、７１ 部分辞書決定部 ５２、６２ 単語選択部 ５３、６３、７３ 音声入力部 ５４、６４ 単語出力部 ６０、７０、５０４ モニタ ６６ 音声記憶部 ５００ マイク ５０１ Ａ／Ｄコンバータ ５０２ 信号処理装置 ５０３ 外部記憶装置 ５０５ スイッチ ａ、ｂ、ｃ、ｄ、ｅ、ｆ 部分辞書 ｇ、ｈ、ｉ、ｊ、ｋ 部分辞書

Claims (10)

【特許請求の範囲】
1. 【請求項１】 発話音声を情報化して入力する音声入力
   手段と、複数の単語を含む部分辞書からなるとともに階
   層構造を持った単語辞書と、使用する部分辞書を決定す
   る部分辞書決定手段と前記音声入力手段からの音声情報
   と決定された部分辞書内の単語との一致度を演算する演
   算手段と、演算された単語のうち最も一致度の高い単語
   を選択して出力する単語選択手段とを有し、前記部分辞
   書決定手段は、初めに所定の最下層の部分辞書を決定
   し、階層変更指令を受けた場合に階層変更をして部分辞
   書を新たに決定することを特徴とする音声入力装置。
2. 【請求項２】 前記部分辞書決定手段は、上位階層への
   変更指示を受けた場合、指示された上位階層の部分辞書
   を決定し、入力により前記単語選択手段が選択した単語
   が示す階層に変更し、該階層下の所定の最下層部分辞書
   を決定することを特徴とする請求項１記載の音声入力装
   置。
3. 【請求項３】 前記部分辞書決定手段により初めに決定
   される部分辞書は前回使用された最下層の部分辞書であ
   ることを特徴とする請求項１または２記載の音声入力装
   置。
4. 【請求項４】 前記部分辞書決定手段により初めに決定
   される部分辞書は使用頻度の高い最下層の部分辞書であ
   ることを特徴とする請求項１または２記載の音声入力装
   置。
5. 【請求項５】 前記音声入力装置には表示手段が接続さ
   れ、前記単語選択手段が選択した単語及び上位の階層構
   造を表示するようにしたことを特徴とする請求項１また
   は２記載の音声入力装置。
6. 【請求項６】 前記表示手段はタッチパネルを合わせ持
   ち、使用者によってタッチされた階層に対応した階層変
   更指令が前記部分辞書決定手段に出力されることを特徴
   とする請求項５記載の音声入力装置。
7. 【請求項７】 前記表示手段はタッチ入力があったとき
   に、変更可能な階層を表示することを特徴とする請求項
   ６記載の音声入力装置。
8. 【請求項８】 前記部分辞書決定手段は、目的語に続き
   入力が行なわれたときに、上位階層への変更指示を受け
   たとし、設定されている最下層部分辞書より上位の全て
   の部分辞書を決定し、単語選択手段が選択した単語が示
   す階層に階層変更を行なうことを特徴とする請求項１ま
   たは２記載の音声入力装置。
9. 【請求項９】 前記部分辞書決定手段は、目的語に続き
   入力が行なわれたときに、設定されている最下層部分辞
   書及びそれより上位の全ての部分辞書を決定し、単語選
   択手段が選択した単語が上位部分辞書内の単語であれ
   ば、上位階層への変更指示を受けたとし、前記単語が示
   す階層に階層変更を行なうことを特徴とする請求項１ま
   たは２記載の音声入力装置。
10. 【請求項１０】 前記音声入力装置は最初に入力された
    音声信号を記憶する記憶手段を合わせ持ち、階層が変更
    されたとき、前記単語選択手段が前記記憶手段に記憶さ
    れた音声信号を用いて、決定された最下層の部分辞書内
    の単語との一致度を演算し、出力することを特徴とする
    請求項１、２、８または９記載の音声入力装置。