JP2001042894A - 音声認識装置及び方法 - Google Patents

Abstract

(57)【要約】 【課題】話者の状況または周囲の状況を自動的に反映し
た音声認識処理を可能とする。 【解決手段】音声認識部１４は、認識モード切り替え部
１４１によりプッシュトークモードが設定されている場
合には、ボタンスイッチ１２が押されることで音声入力
部１１からの入力音声に対する音声認識動作を行うと共
に、その際の照合処理にプッシュトーク用辞書１３１を
用いる。また音声認識部１４は、ハンズフリーモードが
設定されている場合には、ボタンスイッチ１２とは無関
係に、音声入力部１１からの入力音声に対する音声認識
動作を行うと共に、その際の照合処理に、プッシュトー
ク用辞書１３１より認識語彙数が少ないハンズフリー用
辞書１３２を使用する。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は、事前に特定の操作
をした後に発声した言葉を認識するプッシュトークモー
ドと、事前の特定の操作無しに発声した言葉を認識する
ハンズフリーモードとの両認識モードを有する音声認識
装置及び方法に関する。

【０００２】

【従来の技術】この種のプッシュトークモードとハンズ
フリーモードの両認識モードを備えた音声認識装置は従
来から知られている。しかし従来の音声認識装置では、
ユーザの使用時にはモードが固定されていたり、ユーザ
がモードを指定しなければならなかった。このため、例
えばユーザ（話者）の手が空いていない状況において事
前の特定操作が不要なハンズフリーモードを使用したく
ても、プッシュトークモードに設定されている場合に
は、当該プッシュトークモードからハンズフリーモード
に切り替えるための操作（例えばボタン操作）が必要と
なり、現実にはモード切り替えができないという問題が
あった。

【０００３】また従来の音声認識装置では、ハンズフリ
ーモード自体は話者にとって事前の特定操作が不要なた
め便利であるものの、話者の発声した音声の区間の検出
が困難であるため、プッシュトークモードに比べて認識
率が悪いという問題があった。特に、ノイズが大きいと
いった、周囲の状況（環境）が悪い状態でハンズフリー
モードを使用した場合には、この問題は一層顕著とな
る。

【０００４】

【発明が解決しようとする課題】上記したように、プッ
シュトークモードとハンズフリーモードの両認識モード
を備えた従来の音声認識装置では、話者の手が空いてい
るためにボタン押下等の操作が行える状況にあったり、
逆に手が塞がっていてボタン押下等の操作が行えない状
況にあるといった、話者の状況や、ノイズが少ない静か
な環境、或いはノイズが大きいうるさい環境といった、
周囲の状況を考慮した設定は何もなされていなかった。
このため従来の音声認識装置では、話者の状況や周囲の
状況に適さないモードでの使用、或いは認識率を犠牲に
した使用等を防止することは困難であった。

【０００５】本発明は上記事情を考慮してなされたもの
でその目的は、話者の状況または周囲の状況を自動的に
反映した音声認識処理が可能な音声認識装置及び方法を
提供することにある。

【０００６】

【課題を解決するための手段】本発明は、事前に特定の
操作をした後に発声した音声を認識するプッシュトーク
モードと、事前の特定の操作なしに発声した音声を認識
するハンズフリーモードとが切り替え設定可能な音声認
識装置において、プッシュトークモードとハンズフリー
モードとで、少なくとも一部の認識語彙を異にして音声
認識処理を行う音声認識手段を備えたことを特徴とす
る。ここで、少なくとも一部の認識語彙を異にして音声
認識処理を行うのに、プッシュトークモードでの音声認
識に用いられるプッシュトーク用辞書と、ハンズフリー
モードでの音声認識に用いられ、プッシュトーク用辞書
とは少なくとも一部の認識語彙を異にするハンズフリー
用辞書とを設け、プッシュトークモードではプッシュト
ーク用辞書を用いて音声認識処理を行い、ハンズフリー
モードではハンズフリー用辞書を用いて音声認識処理を
行うとよい。

【０００７】このような構成においては、設定されてい
る認識モード（プッシュトークモード／ハンズフリーモ
ード）に応じて、（少なくとも一部が）異なる認識語彙
を対象とする認識処理が行われるため、認識モードに固
有の認識語彙に制限した認識処理が可能となり、認識率
が向上する。特に、ハンズフリーモードではプッシュト
ークモードに比べて音声区間を誤検出する可能性が高い
ため、プッシュトークモードの場合より認識語彙を少な
く設定することで、認識率の低下を防止することが可能
となる。

【０００８】また本発明は、音声認識装置の利用者の状
況、または音声認識装置が使用される環境を検出する検
出手段と、この検出手段の検出結果に応じてプッシュト
ークモードまたはハンズフリーモードを自動設定する認
識モード切り替え手段とを備えたことをも特徴とする。

【０００９】このような構成においては、音声認識装置
の利用者（話者）の状況、または音声認識装置が使用さ
れる環境に合わせて認識モードが自動的に切り替え設定
できる。このため、利用者が事前に特定の操作をしにく
い状況では、音声区間の検出精度は犠牲となるものの、
事前に特定の操作を必要としないハンズフリーモードを
自動設定することで利用者の負担を減らし、利用者が事
前に特定の操作をしやすい状況では、音声区間が高精度
に検出できるプッシュトークモードを自動設定すること
で、認識率の向上を図るといったことが可能となる。

【００１０】ここで利用者の状況としては、利用者が現
在どのような場所（例えば、事前に特定の操作がしやす
い居間、手が塞がりがちなため事前に特定の操作をしに
くい台所など）にいるかや、利用者が現在どのような姿
勢（事前に特定の操作がしやすい「立っている」姿勢、
事前に特定の操作をしにくい「横になっている」姿勢な
ど）をとっているかがある。そこで、上記検出手段とし
て、音声認識装置の利用者の位置を検出する位置検出手
段（位置センサ、或いは姿勢測定センサ等の位置検出手
段）を用いるならば、利用者の状況を検出することが可
能となる。

【００１１】一方、音声認識装置が使用される環境とし
ては、音声認識装置が現在存在する位置（音声認識装置
が搭載されたカーナビゲーションシステムであれば、走
行中の車両の位置、或いは目的地に近いか否かといった
相対位置）がある。そこで、音声認識装置が使用される
環境の検出手段として、ＧＰＳ（Global PositioningSy
stem）を用いるならば、音声認識装置が現在存在する位
置を検出できる。ここで、音声認識装置が搭載されたカ
ーナビゲーションシステムの例では、目的地に近付いて
から目的地に到着するまでの期間が、ユーザにとって位
置の確認等のコマンドを多く発声する可能性が高い。そ
こで、音声認識装置が事前に設定された位置に近付いて
から目的地に到着するまではハンズフリーモードに自動
設定し、それ以外はプッシュトークモードに自動設定す
るならば、ユーザの負担が少ないカーナビゲーションシ
ステムを実現できる。ここでは、目的地に近付いてから
目的地に到着するまでの期間に発声されるコマンドの数
は比較的少ないため、ハンズフリーモードでの認識語彙
を少なく設定することも可能である。このようにする
と、ハンズフリーモードのために音声区間が誤検出しや
すいとしても、認識率の低下を防止することが可能とな
る。

【００１２】この他に、音声認識装置が使用される環境
としては、周囲のノイズがある。そこで、音声認識装置
が使用される環境の検出手段として、音声認識装置の周
囲のノイズを計測するノイズ測定手段を用いることが可
能である。

【００１３】ここで、ノイズ測定手段による周囲ノイズ
計測結果に応じて認識モードを自動設定するのに、周囲
ノイズの大小により自動設定する手法、或いは周囲ノイ
ズの性質、例えば周囲ノイズが定常的であるか非定常的
であるかにより自動設定する手法が適用可能である。

【００１４】周囲ノイズの大小により認識モードを設定
する手法では、ノイズが大きい場合には、ハンズフリー
モードでは音声区間を検出するのが難しいため、プッシ
ュトークモードに自動設定し、周囲ノイズが小さいか存
在しない場合には、ハンズフリーモードでも音声区間の
検出が可能なため、利用者の負担の少ないハンズフリー
モードに自動設定するとよい。また、周囲ノイズの性質
により認識モードを設定する手法では、周囲ノイズが定
常的な場合には、ノイズ除去が可能なため、ノイズ除去
手段を設けることにより、利用者の負担の少ないハンズ
フリーモードに自動設定し、非定常的な場合には、ノイ
ズ除去が難しいため、音声区間の検出が容易なプッシュ
トークモードに自動設定するとよい。

【００１５】また、上記認識モードの切り替え時に、モ
ードの切り替えを利用者に提示するモード提示手段を備
えた構成を適用するならば、利用者の思い込みによる誤
使用を防止することが可能となる。ここで、モードの切
り替えの提示手法としては、音声によって認識モードが
切り替わったこと（更には切り替え後の認識モード）を
利用者に提示する手法、文字列の表示により認識モード
が切り替わったこと（更には切り替え後の認識モード）
を利用者に提示する手法、光る（点灯する）色の違いに
よって認識モードが切り替わったこと（更には切り替え
後の認識モード）を利用者に提示する手法、そして光る
（点灯する）箇所の違いによって認識モードが切り替わ
ったこと（更には切り替え後の認識モード）を利用者に
提示する手法などが適用可能である。

【００１６】

【発明の実施の形態】以下、本発明の実施の形態につき
図面を参照して説明する。

【００１７】［第１の実施形態］図１は本発明の第１の
実施形態に係る音声認識装置の全体構成を示すブロック
図である。

【００１８】図１の音声認識装置は事前に特定の操作を
した後に発声した音声（言葉）を認識するプッシュトー
クモードと、事前の特定の操作無しに発声した音声（言
葉）を認識するハンズフリーモードとの両認識モードを
有しており、マイクロホン１１１を含む音声入力部１１
と、（プッシュトークモードにおける）音声の入力開始
など、音声認識に関する処理の開始を、話者が当該装置
に指示するための例えばスイッチ（ボタンスイッチ）１
２と、音声認識（での照合）処理に用いられる認識辞書
１３と、音声認識部１４とから構成される。

【００１９】認識辞書１３は、プッシュトークモード時
の音声認識処理に用いられるプッシュトーク用辞書１３
１と、ハンズフリーモード時の音声認識処理に用いられ
るハンズフリー用辞書１３２とから構成される。プッシ
ュトーク用辞書１３、ハンズフリー用辞書１４には、そ
れぞれプッシュトークモード、ハンズフリーモードに固
有の認識語彙毎の音声モデルが登録されている。ここで
は、ハンズフリー用辞書１４に登録される認識語彙の数
は、プッシュトーク用辞書１３に登録される認識語彙の
数より少なく設定されている。

【００２０】音声認識部１４は、音声入力部１１により
入力された音声データを音響分析して特徴パラメータ系
列を求め、その特徴パラメータ系列を、その際の認識モ
ード（プッシュトークモードまたはハンズフリーモー
ド）で決まる辞書１３１または１３２に登録されている
各認識語彙毎の音声モデルと照合することで認識結果を
取得する。この音声認識部１４には、図１の音声認識装
置の周囲の状況（装置環境）を予め定められた項目につ
いて表す情報（ステータス）に基づいてプッシュトーク
モードまたはハンズフリーモードを自動的に切り替え設
定する認識モード切り替え部１４１が付加されている。

【００２１】次に、図１の構成の音声認識装置の動作
を、当該音声認識装置が車両に搭載されたカーナビゲー
ションシステム（音声認識装置付きカーナビゲーション
システム）に適用された場合を例に説明する。

【００２２】まず、認識モード切り替え部１４１には、
音声認識装置の周囲の状況（環境）を表す情報として、
当該音声認識装置を持つカーナビゲーションシステムが
搭載されている車両の状態、例えば走行中か停止中かを
表す情報が与えられる。

【００２３】認識モード切り替え部１４１は、車両の走
行中は（話者となる運転者がスイッチ操作を行わなくて
済むように）スイッチ１２の操作が不要なハンズフリー
モードに設定し、車両の停止中は（スイッチ操作を行う
ことに何ら問題はないことから）スイッチ１２の操作を
必要とするものの、音声区間が高精度に検出できるプッ
シュトークモードに設定する。

【００２４】音声認識部１４は、認識モード切り替え部
１４１によりプッシュトークモードが設定されている場
合、プッシュトーク用辞書１３１を読み込んで、認識す
る語彙を設定する。そして音声認識部１４は、スイッチ
１２が押された直後に、マイクロホン１１１を介して音
声入力部１１から入力された音声信号、即ちマイクロホ
ン１１１から入力されて音声入力部１１内の図示せぬＡ
／Ｄ変換器によりアナログ／デジタル変換された音声デ
ータを音響分析して特徴パラメータ系列を求め、その特
徴パラメータ系列を音声区間の特徴パラメータ系列であ
るとして、先に読み込んだプッシュトーク用辞書１３１
に登録されている各認識語彙毎の音声モデルと照合する
ことで認識結果を取得する。

【００２５】一方、認識モード切り替え部１４１により
ハンズフリーモードが設定されている場合、音声認識部
１４はハンズフリー用辞書１３２を読み込んで、認識す
る語彙を設定する。次に音声認識部１４は、スイッチ１
２の操作とは無関係に、マイクロホン１１１を介して音
声入力部１１から入力された音声信号を音響分析して特
徴パラメータ系列を求め、その特徴パラメータ系列から
算出されるパワーの分布から音声区間を検出する。そし
て音声認識部１４は、検出した音声区間の特徴パラメー
タ系列を、先に読み込んだハンズフリー用辞書１３２に
登録されている各認識語彙毎の音声モデルと照合するこ
とで認識結果を取得する。

【００２６】このように本実施形態においては、音声認
識装置が置かれている周囲の環境（音声認識装置付きカ
ーナビゲーションシステムの例では、車両が停止中であ
るか、或いは走行中であるか）に応じて、ユーザ（話
者）にとって負担の少ないハンズフリーモードで認識し
たり、確実に音声区間を検出できる（つまり精度よく照
合処理が行える）プッシュトークモードで認識したりす
ることができる。

【００２７】しかも本実施形態においては、プッシュト
ークモードとハンズフリーモードとで、認識（照合）処
理に用いる辞書が異なるため、それぞれ音声認識装置が
置かれている周囲の環境に適合した認識語彙を対象とす
る認識処理が行える。この効果について、上記の音声認
識装置付きカーナビゲーションシステムを例に具体的に
説明する。

【００２８】まず、音声認識装置付きカーナビゲーショ
ンシステムにおいては、話者（ユーザ）は車両の走行中
はコマンドを発声し、停止中は目的地などを発声する場
合が多く、走行中と停止中とで、発声する内容、つまり
認識すべき語彙が、（少なくとも）一部異なるのが一般
的である。したがって、走行中に対応して自動設定され
るハンズフリーモードと、停止中に対応して自動設定さ
れるプッシュトークモードの各認識モードにおいて、本
実施形態のようにプッシュトーク用辞書１３１とハンズ
フリー用辞書１３２とを使い分けて、それぞれ固有の認
識語彙を設定するならば、不要な認識語彙（の音声モデ
ル）を対象とする照合処理を行わずに済み、認識率の向
上と認識時間の短縮を図ることができる。

【００２９】特に、走行中（ハンズフリーモード）の発
声は、位置の確認等のコマンドの入力など、停止中（プ
ッシュトークモード）の場合に比べて限られているた
め、ハンズフリー用辞書１３２に登録される認識語彙の
数を少なく設定できる。このように、ハンズフリーモー
ドにおいて認識語彙数を少なく設定した場合、プッシュ
トークモードに比べて音声区間を誤検出する可能性が高
いにも拘わらず、少ない認識語彙の範囲内で認識処理が
行われることにより、認識率が低下するのを防止でき
る。一方、プッシュトークモードでは、音声区間を確実
に検出して高精度に照合処理が行えるため、認識語彙数
が多くても、高い認識率を確保することができる。

【００３０】以上は、認識モードが音声認識装置の周囲
の状況に応じて自動設定される場合について説明した
が、ユーザ操作により設定されるものであっても構わな
い。要は、プッシュトーク用辞書１３１とハンズフリー
用辞書１３２の両方の辞書を用意し、ハンズフリー用辞
書１３２に含まれる認識語彙の数が、プッシュトーク用
辞書１３１に含まれる認識語彙の数より少なくなるよう
に、辞書設定がなされていればよい。

【００３１】［第２の実施形態］図２は本発明の第２の
実施形態に係る音声認識装置の全体構成を示すブロック
図であり、図１と同一部分には同一符号を付してある。

【００３２】図２の音声認識装置は、音声入力部１１
と、スイッチ（ボタンスイッチ）１２と、認識辞書２３
と、音声認識部２４と、音声認識装置自体の位置、また
はユーザ（話者）の位置を検出する位置検出装置２５と
から構成される。

【００３３】音声認識部２４は、位置検出装置２５の位
置検出結果に応じて認識モード、つまりプッシュトーク
モードまたはハンズフリーモードを自動設定する認識モ
ード切り替え部２４１を有する。

【００３４】次に、図２の構成の音声認識装置の動作を
説明する。まず、位置検出装置２５は、音声認識装置の
位置、または当該音声認識装置のユーザ（話者）の位置
を検出し、その位置情報を音声認識部２４内の認識モー
ド切り替え部２４１に通知する。

【００３５】認識モード切り替え部２４１は、事前に例
えばユーザにより設定された、位置（音声認識装置位置
またはユーザ位置）と認識モード（プッシュトークモー
ド／ハンズフリーモード）との対応表を有している。認
識モード切り替え部２４１は、位置検出装置２５から通
知された位置情報により上記対応表を参照することで、
その位置情報に対応した認識モードを決定し、その決定
した認識モードを自動設定する。

【００３６】音声認識部２４は、認識モード切り替え部
２４１によりプッシュトークモードが設定されている場
合、スイッチ１２が押された直後にマイクロホン１１１
を介して音声入力部１１から入力された音声データにつ
いて、認識辞書２３を用いて認識処理を行う。一方、認
識モード切り替え部２４１によりハンズフリーモードが
設定されている場合、スイッチ１２の操作に無関係に、
マイクロホン１１１を介して音声入力部１１から入力さ
れた音声データについて、認識辞書２３を用いて認識処
理を行う。

【００３７】このように本実施形態においては、位置検
出装置２５により検出される位置に応じて認識モードが
自動設定される。これにより、位置によって発声スタイ
ルが限定される場合には、最適な認識モードの自動設定
が実現できる。

【００３８】なお、上記認識辞書２３には、前記第１の
実施形態と異なって、必ずしもプッシュトーク用辞書１
３１とハンズフリー用辞書１３２の２種を用意する必要
はなく、プッシュトークモードとハンズフリーモードと
で同一の辞書を共用するものであっても構わない。但
し、認識辞書２３を、前記第１の実施形態と同様に、プ
ッシュトーク用辞書と当該辞書より認識語彙数が少ない
ハンズフリー用辞書とで構成し、認識モードに応じて使
い分けるならば、ハンズフリーモードでの認識率の低下
を防止することができる。

【００３９】次に、位置検出装置２５の具体例について
図３を参照して説明する。まず、図３（ａ）はＧＰＳ２
５１を用いた位置検出装置２５の実現例を示す。

【００４０】図３（ａ）の位置検出装置２５を、図２の
音声認識装置に適用した場合、この音声認識装置の位置
が位置検出装置２５（を構成するＧＰＳ２５１）により
検出される。ここでは、認識モード切り替え部２４１
は、位置検出装置２５（ＧＰＳ２５１）の位置検出結果
により、音声認識装置が事前設定された位置に（ある誤
差の範囲内で）近付いたと判断すると、予め設定されて
いる認識モードに切り替える。このモード切り替えの効
果について、前記第１の実施形態と同様に、音声認識装
置付きカーナビゲーションシステムを例に説明する。

【００４１】まず、音声認識装置付きカーナビゲーショ
ンシステムにおいては、同じ走行中でも、目的地に近付
いてから目的地に到着するまでの期間が、ユーザにとっ
て位置の確認等のコマンドを多く発声する可能性が高
い。このような状況では、発声されるコマンドは比較的
小語彙である。そこで、音声認識装置が事前設定された
位置に近付いてから目的地に到着するまではハンズフリ
ーモードに自動設定し、それ以外はプッシュトークモー
ドに自動設定するならば、ユーザの負担が少ないカーナ
ビゲーションシステムを実現できる。

【００４２】次に、図３（ｂ）にユーザ位置を検出する
ための複数の位置センサ２５２を用いた位置検出装置２
５の実現例を示す。

【００４３】図３（ｂ）の位置検出装置２５を、図２の
音声認識装置に適用した場合、各位置センサ２５２が配
置（設置）されている位置（場所）のいずれにユーザが
存在するかが、位置検出装置２５（を構成する複数の位
置センサ２５２のうちの対応する位置センサ２５２）に
より検出される。ここでは、認識モード切り替え部２４
１は、位置検出装置２５（位置センサ２５２）の位置検
出結果により、事前設定されたユーザ位置と認識モード
（プッシュトークモード／ハンズフリーモード）との対
応表を参照することで、ユーザ位置に対応した認識モー
ドを自動設定する。この認識モードの自動設定の効果に
ついて、上記位置センサ２５２が家の各部屋に設置さ
れ、当該位置センサ２５２によりユーザのいる部屋が検
出されるシステムを例に説明する。

【００４４】なお、図３（ｂ）の位置検出装置２５を図
２の音声認識装置に適用する場合、図２中のマイクロホ
ン１１１内蔵の音声入力部１１及びスイッチ１２は位置
センサ２５２と組をなして各部屋に設置される。但し、
後述するように、ハンズフリーモードが設定される部屋
には、スイッチ１２を必ずしも設ける必要がない。ここ
では、音声入力部１１、スイッチ１２及び位置センサ２
５２は、いずれもｌＥＥＥ１３９４に準拠したバス型の
ネットワーク（ｌＥＥＥ１３９４バスネットワーク）な
どの信号線により音声認識部２４と結合されているもの
とする。この他に、無線信号により音声認識部２４と結
合することも可能である。

【００４５】今、位置センサ２５２が設置されている複
数の部屋のいずれかに、ユーザが入室したものとする。
この場合、ユーザが入室した部屋に設置されている位置
センサ２５２は、ユーザの存在を検出し、その検出結果
を音声認識部２４の認識モード切り替え部２４１に有線
または無線により通知する。

【００４６】認識モード切り替え部２４１は、複数の位
置センサ２５２のいずれかからユーザの存在を検出した
ことが通知されると、その位置センサ２５２（の設置箇
所）から決まる部屋、つまりユーザが存在する部屋（ユ
ーザ位置）に対応した認識モードを自動設定する。ここ
で、各部屋（ユーザ位置）と認識モード（プッシュトー
クモード／ハンズフリーモード）との対応表を、各部屋
の特徴を考慮して設定することで、ユーザが、例えば書
斎などのようなノイズの影響の少ない静かな部屋にいる
場合や、台所など手が塞がりやすい部屋（環境）にいる
場合には、スイッチ１２を操作する必要のないハンズフ
リーモードに自動設定し、居間のようにノイズの多い部
屋にいる場合には、音声区間を確実に検出できるプッシ
ュトークモードに自動設定して、この設定した認識モー
ドで認識することにより、ユーザにとって使用環境に適
合した使いやすい音声認識装置が実現できる。ここで
は、各部屋にユーザが同時に存在し、それぞれのユーザ
が発声しても、各部屋毎に設けられた音声入力部１１か
ら入力される音声に対し、各部屋毎に設定される認識モ
ードで並列に認識処理を行うことが可能である。なお、
音声入力部１１のマイクロホン１１１以外の要素（ここ
ではＡ／Ｄ変換器など）は、音声認識部２４側に持たせ
ても構わない。

【００４７】［第３の実施形態］図４は本発明の第３の
実施形態に係る音声認識装置の全体構成を示すブロック
図であり、図２と同一部分には同一符号を付してある。

【００４８】図４の音声認識装置は、音声入力部１１
と、スイッチ（ボタンスイッチ）１２と、認識辞書２３
と、音声認識部４４とから構成される。音声認識部４４
は、音声認識装置の周囲のノイズ環境に応じて、認識モ
ード、つまりプッシュトークモードまたはハンズフリー
モードを自動設定する認識モード切り替え部４４１と、
音声入力部１１から入力される音声データ（音響デー
タ）を音響分析して特徴パラメータ系列を求める音響分
析部４４２と、音響分析部４４２により求められた特徴
パラメータ系列を認識辞書２３に登録されている各認識
語彙毎の音声モデルと照合することで認識結果を取得す
る照合部４４３とから構成される。

【００４９】音響分析部４４２は、音声入力部１１によ
り入力される音響データ（音声データ）の特徴パラメー
タ系列からパワー（例えば平均パワー）を一定時間毎に
算出するパワー計算部４４２ａを有する。

【００５０】認識モード切り替え部４４１は、パワー計
算部４４２ａにより算出された一定時間毎の入力音響デ
ータのパワーの変化と値とから周囲ノイズを、ノイズの
有無と大きさについて検出し、その検出結果から一定レ
ベル以上のノイズの有無を判定するノイズ判定部４４１
ａを有する。認識モード切り替え部４４１は、このノイ
ズ判定部４１４ａの判定結果に応じて認識モードを自動
設定する。

【００５１】次に、図４の構成の音声認識装置の動作を
説明する。まず、音声認識装置の周囲のノイズはマイク
ロホン１１１により音声入力部１１内に入力され、デジ
タルの音響データに変換されて音響分析部４４２に送ら
れる。音響分析部４４２は入力音響データを音響分析し
て特徴パラメータ系列を求める。音響分析部４４２内の
パワー計算部４４２ａは、この特徴パラメータ系列から
入力音響データの例えば平均パワーを一定時間毎に算出
し、その算出結果を認識モード切り替え部４４１内のノ
イズ判定部４４１ａに渡す。ノイズ判定部４１４ａは、
入力音響データのパワーの時間変化から、そのパワーが
基準レベル以上変化しているか否かにより音声のパワー
の変化と区別して、一定レベル以上の周囲ノイズの有無
を判定する。

【００５２】認識モード切り替え部４４１は、ノイズ判
定部４４１ａにより一定レベル以上のノイズの存在が検
出された場合には、ハンズフリーモードでは音声区間を
検出するのが極めて難しいことから、プッシュトークモ
ードに自動設定する。これに対し、ノイズ判定部４４１
ａにより（一定レベル以上の）ノイズが存在しないこと
が検出された場合には、認識モード切り替え部４４１
は、ハンズフリーモードでも音声区間の検出が可能であ
ることから、ユーザの負担の少ないハンズフリーモード
に自動設定する。これにより、ユーザにとって使いやす
い、使用環境に適合した使いやすい音声認識装置が実現
できる。

【００５３】なお、以上の実施形態では、認識モード切
り替え部４４１内のノイズ判定部４４１ａによりノイズ
の大きさが判定される場合について説明したが、これに
限るものではない。

【００５４】例えば、図５の変形例に示すように、認識
モード切り替え部４４１に代えて、ノイズの大きさでは
なくて、ノイズの性質（ここでは、ノイズ除去が可能な
定常的なノイズであるか否か）を判定（検出）するノイ
ズ性質判定部５４１ａを持つ認識モード切り替え部５４
１を用い、この認識モード切り替え部５４１を内蔵した
音声認識部５４を音声認識部４４に代えて用いるように
してもよい。ここでは、音声入力部１１と音声認識部５
４内の音響分析部４４２との間に、ノイズ除去用のノイ
ズ除去部５４４を設け、ノイズ性質判定部５４１ａによ
りノイズ除去が可能な性質のノイズ（ここでは定常的な
ノイズ）であると判定された場合に、その判定結果に応
じてノイズ除去部５４４によるノイズ除去動作が行われ
る構成を適用している。

【００５５】次に、図５の構成の音声認識装置の動作を
説明する。まず、ノイズ性質判定部５４１ａは、音響分
析部４４２内のパワー計算部４４２ａから送られる入力
音響データの一定時間毎の平均パワーから、一定レベル
以上の周囲ノイズの有無と、ノイズがある場合には、そ
のノイズが定常的なノイズであるか、或いは非定常的な
ノイズであるかを判定する。

【００５６】認識モード切り替え部５４１は、ノイズ性
質判定部５４１ａにより、一定レベル以上の周囲ノイズ
が存在し、且つ当該ノイズが定常的なノイズであると判
定された場合には、ノイズを除去することが容易であ
り、したがってノイズが存在しないことを前提とするハ
ンズフリーモードで音声区間を検出することが可能であ
るとして、周囲ノイズが存在しない場合と同様に、ハン
ズフリーモードに自動設定する。これに対し、ノイズ性
質判定部５４１ａにより、一定レベル以上の周囲ノイズ
が存在し、且つ当該ノイズが非定常的なノイズであると
判定された場合には、ノイズを除去することが難しいこ
とから、認識モード切り替え部５４１は、音声区間が確
実に検出できるプッシュトークモードを自動設定する。

【００５７】ノイズ性質判定部５４１ａは、一定レベル
以上の周囲ノイズが存在し、且つ当該ノイズが定常的な
ノイズであると判定した場合、その旨をノイズ除去部５
４４に通知して、当該ノイズ除去部５４４によるノイズ
除去機能を働かせる。これによりノイズ除去部５４４
は、音声入力部１１から送られる入力音声データ（音響
データ）からスペクトルサブトラクション等の周知の手
法によりノイズを除去し、音響分析部４４２に送る。

【００５８】音響分析部４４２は、ハンズフリーモード
では、ノイズ除去部５４４により定常的ノイズが除去さ
れた音声データを、スイッチ１２の操作とは無関係に音
響分析して特徴パラメータ系列を求める。音響分析部４
４２は、この特徴パラメータ系列に基づいて、パワー計
算部４４２ａにより入力音声のパワーを計算し、そのパ
ワーの分布から音声区間を検出する。そして音響分析部
４４２は、検出した音声区間の特徴パラメータ系列を照
合部４４３に送る。

【００５９】一方、プッシュトークモードでは、音響分
析部４４２はスイッチ１２が押されることで動作を開始
し、それ以降音声入力部１１から（ノイズ除去部５４４
を介して）入力される音声データを音響分析して特徴パ
ラメータ系列を求める。そして音響分析部４４２は、こ
の特徴パラメータ系列を（音声区間の特徴パラメータ系
列として）照合部４４３に送る。なお、プッシュトーク
モードにおいても、音響分析部４４２にて定常的に音響
分析動作を行って特徴パラメータ系列を求め、その中か
ら、スイッチ１２が押された時点以降の特徴パラメータ
系列を選択して照合部４４３に送るようにしても構わな
い。

【００６０】照合部４４３は、音響分析部４４２から送
られた音声区間の特徴パラメータ系列を認識辞書２３に
登録されている各認識語彙毎の音声モデルと照合するこ
とで認識結果を取得する。

【００６１】このように、図５の構成の音声認識装置に
おいては、ノイズ除去部５４４を設け、定常的なノイズ
のときは、当該ノイズ除去部５４４によるノイズ除去が
可能であることを考慮して、ノイズのない場合と同様に
ハンズフリーモードに自動設定することにより、ユーザ
の負担を減らすことができ、ユーザにとって使いやすい
音声認識装置が実現できる。

【００６２】［第４の実施形態］図６は本発明の第４の
実施形態に係る音声認識装置の全体構成を示すブロック
図であり、図２と同一部分には同一符号を付してある。

【００６３】図６の音声認識装置は、複数の音声入力部
１１と、複数のスイッチ（ボタンスイッチ）１２と、認
識辞書２３と、音声認識部６４と、複数の姿勢測定セン
サ６５とから構成される。ここで、音声入力部１１、ス
イッチ１２及び姿勢測定センサ６５は、それぞれ組をな
して、例えば各部屋に設置されており、それぞれｌＥＥ
Ｅ１３９４バスネットワークなどの信号線により音声認
識部６４と結合されているものとする。

【００６４】各姿勢測定センサ６５は、（ユーザの対応
する部屋における存在と）ユーザの「横になっている」
「立っている」「座っている」といった姿勢を検出す
る。

【００６５】音声認識部６４は、各姿勢測定センサ６５
のユーザ姿勢検出結果に応じて、部屋毎にユーザ姿勢に
適合した認識モード、つまりプッシュトークモードまた
はハンズフリーモードを自動設定する。

【００６６】次に、図６の構成の音声認識装置の動作を
説明する。まず、各姿勢測定センサ６５は、ユーザが存
在する場合、そのユーザの「横になっている」「立って
いる」「座っている」といった姿勢を検出する。この姿
勢測定センサ６５の姿勢検出結果は、上記信号線を介し
て音声認識部６４に通知される。なお、無線信号により
音声認識部６４に通知することも可能である。

【００６７】認識モード切り替え部６４１は、事前に例
えばユーザにより設定された、各ユーザ姿勢と認識モー
ド（プッシュトークモード／ハンズフリーモード）との
対応表を有している。認識モード切り替え部６４１は、
姿勢測定センサ６５により検出されたユーザ姿勢により
上記対応表を参照することで、そのユーザ姿勢に対応し
た認識モードを決定し、その決定した認識モードを当該
姿勢測定センサ６５が設置されている部屋に対応して自
動設定する。ここでは、ユーザがスイッチ１２を操作し
にくい姿勢をとっている場合、例えば「横になってい
る」場合には、スイッチ１２の操作が不要なハンズフリ
ーモードに自動設定する。これに対しユーザがスイッチ
１２を操作しやすい姿勢をとっている場合、例えば「立
っている」或いは「座っている」場合には、スイッチ１
２の操作が必要であるものの音声区間が確実に検出でき
るプッシュトークモードに自動設定する。これにより、
各部屋のユーザにとって使いやすい音声認識装置が実現
できる。

【００６８】［第５の実施形態］図７は本発明の第５の
実施形態に係る音声認識装置の全体構成を示すブロック
図であり、図２と同一部分には同一符号を付してある。

【００６９】図７の音声認識装置は、音声入力部１１
と、スイッチ（ボタンスイッチ）１２と、認識辞書２３
と、音声認識部７４と、モード提示部７５とから構成さ
れる。音声認識部７４は、前記第１乃至第４の実施形態
のいずれかで適用された手法で認識モードを切り替え設
定する認識モード切り替え部７４１を有している。この
認識モード切り替え部７４１は、認識モードが切り替わ
った際に、その旨をモード提示部７５によりユーザに提
示する。また認識モード切り替え部７４１は、現在の有
効な認識モードを認識モード切り替え部７４１によりユ
ーザに提示する。

【００７０】次に、図７の構成の音声認識装置の動作を
説明する。認識モード切り替え部７４１は、現在設定さ
れている認識モードを認識モード切り替え部７４１によ
りユーザに提示している。このような状態で、前記第１
乃至第４の実施形態のいずれかで適用された手法によ
り、現在の認識モードとは異なるモード（プッシュトー
クモード→ハンズフリーモード、またはハンズフリーモ
ード→プッシュトークモード）に切り替え設定する条件
が成立した場合、認識モード切り替え部７４１は、認識
モードを該当するモードに切り替え設定する。同時に認
識モード切り替え部７４１は、認識モードが切り替わっ
たことをモード提示部７５によりユーザに提示する。ま
た、認識モード切り替え部７４１は、切り替え設定後の
モードを現在の有効なモードとしてモード提示部７５に
よりユーザに提示する。

【００７１】このように、モード提示部７５を用いたユ
ーザへの提示を行うことで、ユーザの音声認識装置に対
する認識モードの思い込みによる誤使用をなくすことが
できる。

【００７２】ここで、モード提示部７５としては、音声
による提示機能、或いは表示パネルへの文字列表示によ
る提示機能、或いは両者を併用した提示機能を持つもの
が適用可能である。この他、設定される認識モード（プ
ッシュトークモード／ハンズフリーモード）に応じて異
なる点灯手法を適用するモード提示部７５であっても構
わない。ここで、点灯手法としては、モードによって点
灯箇所を変更する手法（つまり、モードで決まる固有の
箇所を光らせる手法）、モードによって点灯色を切り替
える手法（つまり、モードで決まる固有の色で光らせる
手法）、モードによって点滅のパターンを切り替える手
法などが適用可能である。

【００７３】

【発明の効果】以上詳述したように本発明によれば、利
用者（話者）の状況または周囲の状況を自動的に反映し
た音声認識処理を行うことができるため、利用者の状況
や周囲の状況に適さないモードでの使用、或いは認識率
を犠牲にした使用等を防止し、利用者の負担を少なく
し、且つ認識率の低下を防止することが可能となる。

【図面の簡単な説明】

【図１】本発明の第１の実施形態に係る音声認識装置の
全体構成を示すブロック図。

【図２】本発明の第２の実施形態に係る音声認識装置の
全体構成を示すブロック図。

【図３】図２中の位置検出装置２５の構成例を示す図。

【図４】本発明の第３の実施形態に係る音声認識装置の
全体構成を示すブロック図。

【図５】図４の音声認識装置の変形例を示すブロック
図。

【図６】本発明の第４の実施形態に係る音声認識装置の
全体構成を示すブロック図。

【図７】本発明の第５の実施形態に係る音声認識装置の
全体構成を示すブロック図。

【符号の説明】

１１…音声入力部 １２…スイッチ（ボタンスイッチ） １３，２３…認識辞書 １４，２４，４４，５４，６４，７４…音声認識部 ２５…位置検出装置（検出手段、位置検出手段） ６５…姿勢測定センサ（検出手段、姿勢検出手段） ７５…モード提示部 １３１…プッシュトーク用辞書 １３２…ハンズフリー用辞書 １４１，２４１，４４１，５４１，６４１，７４１…認
識モード切り替え部 ２５１…ＧＰＳ（検出手段、位置検出手段） ２５２…位置センサ（検出手段、位置検出手段） ４４１ａ…ノイズ判定部（ノイズ測定手段） ４４２…音響分析部 ４４２ａ…パワー計算部 ４４３…照合部 ５４１ａ…ノイズ性質判定部（ノイズ測定手段）

Claims (9)

【特許請求の範囲】
1. 【請求項１】 事前に特定の操作をした後に発声した音
   声を認識するプッシュトークモードと、事前の特定の操
   作なしに発声した音声を認識するハンズフリーモードと
   が切り替え設定可能な音声認識装置において、 前記プッシュトークモードと前記ハンズフリーモードと
   で、少なくとも一部の認識語彙を異にして音声認識処理
   を行う音声認識手段を具備することを特徴とする音声認
   識装置。
2. 【請求項２】 事前に特定の操作をした後に発声した音
   声を認識するプッシュトークモードと、事前の特定の操
   作なしに発声した音声を認識するハンズフリーモードと
   が切り替え設定可能な音声認識装置において、 前記音声認識装置の利用者の状況、または前記音声認識
   装置が使用される環境を検出する検出手段と、 前記検出手段の検出結果に応じて前記プッシュトークモ
   ードまたは前記ハンズフリーモードを自動設定する認識
   モード切り替え手段とを具備することを特徴とする音声
   認識装置。
3. 【請求項３】 事前に特定の操作をした後に発声した音
   声を認識するプッシュトークモードと、事前の特定の操
   作なしに発声した音声を認識するハンズフリーモードと
   が切り替え設定可能な音声認識装置において、 前記音声認識装置自体または前記音声認識装置の利用者
   の位置を検出する位置検出手段と、 前記位置検出手段の位置検出結果に応じて前記プッシュ
   トークモードまたは前記ハンズフリーモードを自動設定
   する認識モード切り替え手段とを具備することを特徴と
   する音声認識装置。
4. 【請求項４】 事前に特定の操作をした後に発声した音
   声を認識するプッシュトークモードと、事前の特定の操
   作なしに発声した音声を認識するハンズフリーモードと
   が切り替え設定可能な音声認識装置において、 前記音声認識装置自体または前記音声認識装置の利用者
   の位置を検出する位置検出手段と、 前記位置検出手段の位置検出結果に応じて前記プッシュ
   トークモードまたは前記ハンズフリーモードを自動設定
   する認識モード切り替え手段と、 前記プッシュトークモードでの音声認識に用いられるプ
   ッシュトーク用辞書と、 前記ハンズフリーモードでの音声認識に用いられ、前記
   プッシュトーク用辞書とは少なくとも一部の認識語彙を
   異にするハンズフリー用辞書と、 前記プッシュトークモードでは前記プッシュトーク用辞
   書を用いて音声認識処理を行い、前記ハンズフリーモー
   ドでは前記ハンズフリー用辞書を用いて音声認識処理を
   行う音声認識手段とを具備することを特徴とする音声認
   識装置。
5. 【請求項５】 事前に特定の操作をした後に発声した音
   声を認識するプッシュトークモードと、事前の特定の操
   作なしに発声した音声を認識するハンズフリーモードと
   が切り替え設定可能な音声認識装置において、 前記音声認識装置の周囲のノイズを計測するノイズ測定
   手段と、 前記ノイズ測定手段により計測された周囲ノイズに応じ
   て前記プッシュトークモードまたは前記ハンズフリーモ
   ードを自動設定する認識モード切り替え手段とを具備す
   ることを特徴とする音声認識装置。
6. 【請求項６】 事前に特定の操作をした後に発声した音
   声を認識するプッシュトークモードと、事前の特定の操
   作なしに発声した音声を認識するハンズフリーモードと
   が切り替え設定可能な音声認識装置において、 前記音声認識装置の利用者の姿勢を検出する姿勢検出手
   段と、 前記姿勢検出手段により検出された利用者の姿勢に応じ
   て前記プッシュトークモードまたは前記ハンズフリーモ
   ードを自動設定する認識モード切り替え手段とを具備す
   ることを特徴とする音声認識装置。
7. 【請求項７】 前記モードの切り替え時に、モードの切
   り替えを利用者に提示するモード提示手段を更に具備す
   ることを特徴とする請求項１乃至請求項６のいずれか１
   つに記載の音声認識装置。
8. 【請求項８】 事前に特定の操作をした後に発声した音
   声を認識するプッシュトークモードと、事前の特定の操
   作なしに発声した音声を認識するハンズフリーモードと
   を切り替え設定し、この設定したモードに基づいて音声
   認識処理を行う音声認識方法において、 前記プッシュトークモードと前記ハンズフリーモードと
   で、少なくとも一部の認識語彙を異にするようにしたこ
   とを特徴とする音声認識方法。
9. 【請求項９】 事前に特定の操作をした後に発声した音
   声を認識するプッシュトークモードと、事前の特定の操
   作なしに発声した音声を認識するハンズフリーモードと
   を切り替え設定し、この設定したモードに基づいて音声
   認識処理を行う音声認識方法において、 前記音声認識装置の利用者の状況、または前記音声認識
   装置が使用される環境を検出し、 この検出結果に応じて前記プッシュトークモードまたは
   前記ハンズフリーモードを自動設定することを特徴とす
   る音声認識方法。