JPS6054687B2 - 音声入力システム - Google Patents

Description

【発明の詳細な説明】 本発明は音声入力システムの改良に関する。

人間によつて発声された音声を音声認識部により自動的
に認識しその結果をもとに動作するシステム、すなわち
音声入力システムは計算機へのデータ入力手段として、
また各種桜械への制御データ入力手段として有効である
と考えられ、各種研究機関て開発が進められている。現
在では、たとえば１経エレクトロニクス誌の１９７奔１
月２７日号のＰ１６９〜Ｐ１９３に’゛音声認識はどこ
まで来たか’’と題して発表された記事に記載されてい
るごとく、発声者を限定してかつ単語数を数十語に限定
した場合には９９％程度の認識率で動作するシステムが
実現されている。しかし、音声入力システムを実際に利
用する種々の形態を考えると１％程度の誤認識が極めて
重大で許容できない場合が多い。

たとえば、米国では空港における手荷物の区分け作業を
音声入力システムによつて自動化することが試みられた
。すなわち、航空機乗客の手荷物をベルトコンベアに乗
せて置き、操作者が手荷物に付けられた飛行便の番号を
発声すると、番号が音声認識部によつて認識され、その
結果がベルトコンベアに対して送られる。ベルトコンベ
アは送られて来た番号に対応する出口までこの手荷物を
運搬して送出する。このような応用では、もし番号の認
識を誤まヨるとその手荷物は乗客とまつたく異なつた目
的地に送付されることになり、結果として乗客に多大な
迷惑をかけ、かつ航空会社の信用をいちじるしく損ねる
ことになる。このように誤認識が絶対に許されない場合
には認識結果の確認が必要にな；る。すなわち、認識さ
れるべきデータ（たとえば番号）が音声認識部に入力さ
れると認識結果が表示される。発声者はこの表示を見て
正しく判定されたかどうかを確認する。表示が正しくな
かつた時には手動スイッチあるいは音声信号によつて取
りリ消しを行なう。このような確認の動作は音声入力シ
ステムの信頼性を向上するために極めて有効であるがそ
のための具体的方法も、それを実行する装置の構成も末
だ確立されていない。特公昭４７−２１９２１号公報「
音声認識システム」５には「入力音声に対して確からし
い順に複数個の認識結果を出す認識装置の出力を確から
しい順序で発声者に応答する手段と、発声者の意図した
結果が応答されたときに発声者が確認情報を送る手段と
を備え、確認された認識結果を認識出力とすることを特
徴とする音声認識システム」が開示されている。

確かに、このような手段によると確認を極めて確実に行
なうことができるが、各入力発声が認識されるごとに、
必ず「確認情報を送る手段」を操作しなければならない
ので、操作上わずられしいという欠点があつた。本発明
の目的は認識結果の確認がやり易く，かつ確実に動作す
る音声入力システムを実現し提供することにある。

本発明による音声入力システムは入力音声を検出して分
析・処理することにより認識結果を定め出力する機能を
有する認識部と，前記認識結果を受け取つて動作する目
的装置との間に前記認識結果を一時保持するためのバッ
ファレジスタと，このバッファレジスタの内容を遅延時
間を置いて目的装置に引渡すべき時刻を決定しその時点
でタイミング信号を発生するための出力制御部とを接続
して構成される。

このように，認識結果を一度保持しておいて遅延を設け
て出力することによつて次のような効果が得られる。

すなわち認識結果に誤りがある場合はタイミング信号が
発生されるまでの比較的に長い間に取消し操作を行なえ
ばよいので確認や取消しの動作がやり易い。また，認識
結果がバッファレジスタに書込まれた以後は，認識部は
自由であるのて認識誤りがない限り遂次新しい入力音声
を処理できるので音声入力システムの動作速度は低下し
ない。次に本発明の原理を第１図以下の図面に基づいて
説明する。

第１図ａは本発明による音声入力システムの基本的な構
成を示すブロック図であり，第１図ｂは第１図ａのシス
テムの動作を説明するためのタイムチャートてある。入
力Ｓとして最初の音声信号Ｓ１が認識部１０に入力され
ると認識！結果Ｘと出力同期パルスＰが出力される。認
識部の動作原理と構成は種々考えられるが，本発明の本
質には関係しないので省略し，ここでは，認識部１０は
入力Ｓとして音声信号が与えられると認識結果Ｘと出力
同期パルスＰを出力する機能を有・するものとする。こ
の認識結果Ｘは出力同期パルスＰを書込みパルスとして
バッファレジスタ１１に書込まれ信号ｒとして保持され
る。出力制御部１２は前記の出力制御パルスＰが与えら
れて以後遅延を置いてタイミング信号ｔを発生する。認
識結果を受けて動作する目的装置１（たとえばベルトコ
ンベア装置，あるいは紙テープ穿孔機など認識結果を受
けて動作する装置）はこのタイミング信号ｔに同期して
前記のバッファレジスタの内容ｒを受けとる。前記入力
音声信号Ｓ１の認識結果がバッファレジスタに書込まれ
た以後は認識部１０は自由であるのて次の入力音声信号
Ｓ２を入力され認識のための処理を実行することが可能
であノる。一方レジスタ１１の内容ｒは表示部１３によ
つて発声音に対して表示される。発声音は表示を確認し
て誤りがない限り次々に音声データを入力する。したが
つて誤りが発見されない限り，第１図ｂに示すごとく入
力音声Ｓｌ，Ｓ２，Ｓ３，・・・が入力され，それらの
認識結果が参照数字１６，１７，１８で示される時刻に
おいて目的装置に向けて出力される。発声音が誤認識を
発見した場合には直ちに，例えは押しボタンスイッチよ
り成る取り消し信号発生部１４を操作して取消し信号Ｃ
（パルス）を発生して出力制御部１２に送る。この取消
し信号が与えられた場合には前記タイミング信号ｔは発
生されない。したがつてバッファレジスタ１１に保持さ
れる誤つた認識結果は目的装置に出力されない。例えば
，第１図ｂの入力音声Ｓ１が誤つて認識された場合には
その認識結果は参照数字１５で示す時点で表示部１３に
表示される。発声音が誤認識を発見すると取消し信号発
生部１４を操作して取消し信号Ｃを発生する。これによ
つて参照数字１６で示すタイミング信号の発生は抑止さ
れる。したがつて入力音声Ｓ１の誤つた認識結果が出力
されることはない。上に述べた取り消し信号Ｃは参照数
字１６で示した時点までに発生されればよい。このよう
に，認識結果を遅らせて出力することによつて確認と取
り消しのための時間が充分に取れることになる。しかも
，第１図ｂより明らかなように，誤りがない限り次々に
データを入力することが可能なので一定時間に入力でき
るデータ量，すなわち入力速度は低下しない。以上は本
発明の原理の大筋を述べたものであつて，出力制御部の
構成と遅延の時間の定め方，取り消し信号の定め方等に
関して種々の実施形態が考えられる。

これらに関して第２図以下の図面を参照して説明する。
第２図ａは出力制御部１２の簡単な構成例を示したもの
であり，第２図ｂは認識誤りがない場合の動作例を示す
タイムチャートである。

フリップフロップ２０は前記認識部１０よりの出力同期
パルスＰをセット信号とし，前記取り消し信号Ｃをリセ
ット信号として動作する。すなわちＰのパルスが与えら
れると出力はｆ＝１となりｒのパルスが与えられるとｆ
＝０となる。前記タイミング信号ｔは前記出力同期パル
スＰとこのフリップフロップの出力ｆの論理積をＡＮＤ
回路２１によつて算出することによよつて得られる。そ
れゆえ，第２図ｂに示すように最初の入力音声Ｓ１の認
識結果は，後続の入力音声Ｓ２の認識結果が認識部１０
により決定され出力された時点でバッファレジスタ１１
より出力されることになる。もし最初の入力音声Ｓ１の
認識結果が誤まつていた場合の動作は第２図ｃのようで
ある。すなわち認識結果が発見されると発声者は次の入
力音声Ｓ２の入力をしないて取り消し信号発生部１４を
操作して取り消し信号Ｃを発生する。このパルスによつ
てフリップフロップ２０の内容ｆは０にリセットされる
。この後で発声者は先の音声データＳ１と同じものを再
入力する。以後の動作は第２図ｂのタイムチャートと同
様に推移する。以上のごとくそれぞれの音声データの認
識結果を後続の入力音声の認識結果が決定され出力され
る時点まで保持して後に出力するようにすると，誤りが
発見された時に後続の音声データの入力を差し控えるこ
とによつて，この間に充分な余裕をもつて確認し取り消
しの動作ができるという利点がある。第３図ａは出力制
御部１２の別の構成例を示したものてあり，第３図ｂは
その動作を例示するタイムチャートである。

フリップフロップ３０は前記出力同期信号Ｐをセット信
号とし，前記の取り消し信号Ｃとタイミング信号３３の
論理和信号であるｇをリセット信号として動作する。最
初入力音声Ｓ１が入力され認識部１０によつて認識され
ると出力同期信号のパルスＰが発生され，フリップフロ
ップ３０はオン，すなわちその出力ｆはｆ＝１となる。
それと同時にカウンタ３２の内容は０にリセットされる
。クロックパルス発生部３４は例えば２０ｎ１ｓｅｃ周
期のク礪ンクパルスｃｌを発生し続ける。このクロック
パルスｃ１と前記信号ｆの論理積ＣｋがＡＮＤ回路３２
によつて計算されカウンタ３２にクロック信号として与
えられる。カウンタ回路３２はその内容があらかじめ設
定された値Ｔ例えば１００（２秒の時間長に相当）にな
つた時点でパルス信号を出力する。このパルスが前記の
タイミング信号ｔになる。それゆえ，タイミング信号ｔ
は最初の入力音声Ｓ１の認識結果が出力されてから２秒
後に出力されることになる。タイミング信号ｔは０Ｒ回
路３３を経由してフリップフロップ３０に与えられ，こ
れによつてフリップフロップはオフ（ｆ＝０）にリセッ
トされる。ｆ＝０となると前記のクロック信号ｃ１はＡ
ＮＤ回路３１によつて阻止されるゆえにカウンタ回路３
２の動作も停止される。誤りが発見され前記取り消し信
号発生部から取り消し信号Ｃが送られて来ると，フリッ
プフロップはオフ（ｆ＝０）にリセットされる。この場
合には，カウンタ回路３２の内容がＴになる以前にクロ
ックパルスｃ１がＡＮＤ回路３１によつて阻止されるか
らタイミング信号ｔのパルスは発生されない。第２図の
実施例では後続の音声が入力され認識されないとタイミ
ング信号ｔが発生されず，認識結果力泪的装置に供給さ
れるようになつていたため，最後に入力したデータは永
久に目的装置に送られないという欠点があつた。

第３図の実施例では上記のごとき欠点はないが，一定期
間（例えば２秒）以内に取り消し操作を行なわないと誤
つた認識結果がそのまま出力されてしまう可能性がある
。第４図は第２図の実施例と第３図の実施例の長所を組
み合せて両者の短所を補つた構成例である。

図において，フリップフロップ３０，，ＡＮＤ回路３１
，カウンタ３２，０Ｒ回路３３およびクロックパルス発
生部３４はいずれも第３図のそれぞれと同じものである
。また，ＡＮＤ回路２１は第２図のＡＮＤ回路２１と同
じものてある。タイミング信号ｔは認識部１０よりの出
力同期信号Ｐが与えられてよりカウンタ回路３２が一定
時間Ｔだけカウントするか，または後続の入力音声デー
タが認識され出力同期信号Ｐが発生された時点で・与え
られるように０Ｒ回路３６を設けてある。このような構
成によつて遅延時間Ｔを比較的長く（例えば３秒）設定
しておくと，確認の時間は必要に応じて充分（例えば３
秒まで）取ることができ，誤認識が発生しない限り次々
に後続のデータを入力てき入力速度も速く，しかも最後
の入力データも一定の遅延（例えば３秒）をおいて出力
されるという効果が得られる。以上の実施例では，認識
部１０から認識が終了した時点で発生される出力同期信
号Ｐを基準として動作をするとしたが，音声の始端が検
出された時点を基準として動作することも可能である。

第５図ａは音声の始端を基準として動作する音声入力シ
ステムの構成例であり，第５図ｂはその動作例を示すタ
イムチャートである。第５図ａでは表示部と取消し信号
発生部と目的装置は省略してある。認識部５０は入力音
声の始端を検出する機能を有しており，入力音声の始端
が検出された時点で始端検出パルスｈを発生する。また
入力音声の認識処理が終了した時点で認識結果ｘが出力
同期信号Ｐを発生する動作は第１図の認識部１０と同様
である。一般に音声認識装置は音声の振幅レベルを検定
して音声区間を決定する機能を有しているのでこのよう
な始端検出パルスｈを発生する機能を付加するのは容易
である。バッファレジスタ５１は第１図のバッファレジ
スタ１１と同様であり，出力制御部５２は第１図の出力
制御部１２と同一の機能を有し，一例として第２図ａの
ことく構成される。たた七，出力同期信号Ｐの代りに始
端検出パルスｈを供給される。第５図ｂに示されるごと
く，最初の入力音声Ｓ１の認識結果は後続の入力音声Ｓ
２の始端が検出された時点で，すなわち参照数字５５で
示されるタイミング信号ｔに同期して出力される。かく
のごとく始端検出信号ｈを基準にして動作すると，第２
図の実施例と同様の利点の他に，認識結果が出力される
時点が早くなる特徴がある。すなわち，第２図の実施例
の場合には最初の入力音声Ｓ１の認識結果は参照数字５
６で示される時点で出力されたのに比して，本実施例に
よると参照数字５５で示される時点で．出力される。な
お，本実施例も第３図の実施例と組み合せて両者の長所
を生かすことが可能である。その場合には出力制御部５
２を第４図のことく構成し，出力同期信号Ｐのかわりに
始端検出パルスｈを入力されるようにすればよい。第１
図の実施例においては誤認識の取り消しは取り消し信号
発生部１４を手動操作するとによつて実行されるとした
。

この場合には取り消し信号発生部は押しボタンスイッチ
などにより構成される。しかし発生者が移動しながらデ
ータを入力している場合や手を他の作業に使用している
場合には押しボタンスイッチ等を手動操作するのは不便
である。このように手動操作を極力避けたい場合には取
り消し指令をも音声入力することが便利である。第６図
ａは取り消し信号をも音声入力によつて行なうための一
構成例であり，第６図ｂはその動作の一例を示すタイム
チャートである。認識判定部６０は認識部６１０と判定
部６２０より成る。認識部６１０より認識結果ｙが出力
されると判定部６２０はその認識結果ｙがあらかじめ定
められた取り消し指令のコードＺと一致するか否かを調
べる。一致しない場合にはこの認識結果ｙは通常のデー
タであつたとし，信号Ｘとして出力すると同時に出力同
期信号Ｐを発生する。バッファレジスタ６１は第１図の
バッファレジスタと同Ｌに前記信号Ｘを一時保持する。
もし前記の認識結果ｙが取り消し指令コードＺと一致し
た場合には判定部６２０は取り消し信号Ｃを発生する。
出力制御部６２は第２図〜第４図のいずれの構成でもよ
く前記出力同期信号Ｐと取り消し信号Ｃを入力として動
作する。第６図ｂは最初の入力音声Ｓ１が誤認識された
時の動作例である。誤認識が発見されると取り消し指令
コードＺ（たとえば゜゛キャンセル゛と発声）を入力す
る。これにより，判定部６２０から取り消し信号Ｃが出
力制御部６２に送られるからＳ１の誤つた認識結果は外
部に出力されない。以後再ひ入力音声Ｓ１を入力し処理
を続行する。かくのごとき構成によるとデータの入力と
誤認識の訂正がマイクロホンだけで行なわれることにな
り，特にワイヤレスマイクロホンを使用することによつ
て発声者が運動あるいは作業をしながら音声入力システ
ムを効率よく処理できることになり，その効果は極めて
高い。以上のいずれの実施例においても、特公昭４７一
２１９２１号公報の構成と異なつて、発声ごごとに毎回
確認操作を行なう必要がないので操作性は極めて良好て
ある。

以上，本発明の原理を実施例に基づいて説明したが，こ
れらの記載は本発明の範囲を限定するものではない。特
に，出力制御部の具体的構成，目的装置に対する認識結
果出力の具体的方法には種々の変形が可能である。また
，以上の説明では表示部は視覚表示を行なうとしたが，
これを音声応答表示に置きかえてもよい。さらに，バッ
ファレジスタと出力制御部を認識部に付加して商品化す
ることも，目的装置に付加して商品化することも可能で
あるが，最終的に本発明の構成を取ることを目的とする
限り本発明の範囲に含まれるものてある。

【図面の簡単な説明】

第１図ａは本発明の原理的構成を示すブロック図で，１
は目的装置，１０は認識部，１１はバッファレジスタ，
１２は出力制御部，１３は表示部，１４は取り消し信号
発生部であり，同図ｂは動作の一例を示すタイムチャー
トである。

Claims (1)

【特許請求の範囲】
1. １ 入力音声を分析し処理することにより認識結果を定
   める機能を有する認識部と、前記認識結果を受け取つて
   動作する目的装置との間にあつて前記認識結果を一時保
   持するためのバッファレジスタと、このバッファレジス
   タの内容を表示するための表示部と、遅延時刻を定め、
   その間に取り消し操作が行なわれない場合において出力
   指令をする出力制御部とを備え、この出力指令の時刻に
   おいて前記バッファレジスタ内の認識結果を目的装置に
   引渡すことを特徴とする音声入力システム。