JP2018116130A - 車内音声処理装置および車内音声処理方法 - Google Patents

Abstract

【課題】ユーザが面倒なボタン操作を行うことなく、発話音声を音声認識用と車内会話用とに適切に使い分けられる「車内音声処理装置および車内音声処理方法」を提供する。
【解決手段】音声認識用ワードと車内会話用ワードとを含む音声辞書を記憶する音声辞書記憶部２１と、マイク２００より入力された発話音声が音声認識用ワードまたは車内会話用ワードの何れに該当するかを判定する発話音声判定部１２と、音声認識用ワードに該当する場合に発話コマンドとして所定の処理を実行する音声認識用処理部１３と、車内会話用ワードに該当する場合に発話音声をスピーカ３００から出力する車内会話用処理部１４とを備え、音声認識または車内会話の開始を指示するためのボタン操作をユーザが一々行うことなく、ワード判定の結果に応じて、発話コマンドの実行またはスピーカ３００への音声出力の何れかが適宜行われるようにする。
【選択図】図１

Description

本発明は、車内音声処理装置および車内音声処理方法に関し、特に、マイクより入力された発話音声を音声認識処理および車内会話処理に使用するシステムに用いて好適なものである。

車両には、オーディオ装置、エアコンディショナ、ナビゲーション装置など各種の電子機器が搭載されている。また、これらの電子機器を操作する際の片手運転等を回避するために、電子機器の操作を音声認識により行えるようにしたシステムも提供されている。この音声認識技術を用いれば、運転者は、ハンドルから手を離すことなく（リモートコントローラや操作パネル等の操作部を手動で操作せずに）各種電子機器の操作を行うことができる。

音声認識装置は通常、ユーザが発声した特定の単語や熟語、簡単な命令文など（以下、これらをまとめて「ワード」という）を発話コマンドとして認識する。電子機器は、音声認識装置により認識されたワード（発話コマンド）に応じた制御を行う。かかる音声認識装置では、音声認識辞書に登録している各認識対象ワードの音声パターンとユーザの発話音声とを比較して、発話音声との類似度が最も高い音声パターンを検索し、その音声パターンに対応付けられているワードを発話音声のワードであると認識する。

従来の音声認識装置は、ユーザが備え付けの発話ボタンを押すことで音声認識モードとなり、マイクから入力されたユーザの発話音声を認識してコマンドを実行するようになされている。発話ボタンの操作に代えて、手を叩く等の特定動作をトリガとして音声認識モードとなるようになされたものも知られている。最近では、音声認識時に発話ボタンの操作や特定動作などのトリガを不要にした音声認識（以下、トリガレス音声認識という）も提供されている。トリガレス音声認識では、マイクを常時オン状態にしておき、入力音声を識別して、発話コマンドに該当するワードかどうかを判定する。

なお、車内で発声された音声の認識結果と、音声キーワード記憶手段に記憶された音声キーワードとを照合することによって、音声認識された音声が指示入力であるか否かを判定し、指示入力でないと判定した場合に、照合結果に基づき車載アクチュエータを作動させるようにした技術も知られている（例えば、特許文献１参照）。

一方、車内における乗員どうしの会話を行いやすくするために、前部座席のマイクから入力された乗員（例えば、運転者）の発話音声を、後部座席に設置されたスピーカから出力することで、前部座席の乗員の発話音声を後部座席の乗員に聞こえやすくすることができるようにした車内会話（ＩＣＣ：In Car Communication）システムも知られている（例えば、特許文献２，３参照）。

特許文献２に記載の車室内会話支援装置は、開閉自在な機構を有した、運転者が車室後方席の搭乗者の様子を確認するための後席確認ミラーと、後席確認ミラーの開閉動作に干渉しない場所で後席確認ミラーから所定距離の位置に設けられた音声用マイクと、音声用マイクで集音された音声を車室後方席に向かって出力する車載スピーカとを備えている。

特許文献３に記載の通信制御装置は、個人が車両内の座席で発音したときの声紋データから定まる個人の呼び名と個人が発音した座席とを対応付けた座席対応データを有し、車両内の座席にいる者が通信したい呼び名を発音したとき、座席対応データを参照して、発音した呼び名と対応する座席に設置している通信機器と、通信したい呼び名を発音したときの通信機器とを接続する。

特開２００８−１０５６０８号公報 特開２０１４−１８１０１５号公報 特開２００８−９２３２２号公報

ところで、従来のＩＣＣシステムでは、ユーザが備え付けの会話開始ボタンを押すことで車内会話モードがオンとなり、前部座席のマイクから入力された発話音声が後部座席のスピーカから出力される。そして、ユーザが会話終了ボタンを押すことで車内会話モードがオフとなり、スピーカからの音声出力は停止される。ただ、このように会話開始／終了ボタンを一々押すことは煩わしいので、ボタン操作をしなくてもスピーカを通して会話ができるように、常に車内会話モードをオンにしておきたいという要望もある（以下、トリガレス車内会話という）。

しかしながら、トリガレス音声認識とトリガレス車内会話とを併用すると、マイクから入力される音声が、トリガレス音声認識またはトリガレス車内会話のどちらの用途のものであるかが定まらず、誤動作を起こす恐れがある。例えば、運転者が音声認識のために入力した音声が後部座席のスピーカから出力されてしまったり、運転者が後部座席の乗員と会話するために入力した音声が音声認識（誤認識）されてしまったりする恐れがある。

本発明は、このような問題を解決するために成されたものであり、ユーザが面倒なボタン操作を行うことなく、マイクから入力される発話音声を音声認識用と車内会話用とに適切に使い分けることができるようにすることを目的とする。

上記した課題を解決するために、本発明では、音声認識用のワードとその音声パターンとを対応付けるとともに、車内会話用のワードとその音声パターンとを対応付けて成る音声辞書を音声辞書記憶部に記憶させておく。そして、マイクより入力された発話音声が音声認識用のワードまたは車内会話用のワードの何れかに該当するか否かを判定し、音声認識用のワードに該当する場合は、当該音声認識用のワードを発話コマンドとして所定の処理を実行する一方、車内会話用のワードに該当する場合は、マイクより入力される発話音声をスピーカから出力するようにしている。

上記のように構成した本発明によれば、マイクから常に入力される発話音声が音声認識用のワードに該当するか否かに加えて、入力される発話音声が車内会話用のワードに該当するか否かの判定も行われ、何れかのワードに該当すると判定された場合に、発話音声に応じたコマンドの実行または発話音声のスピーカへの出力の何れかが適宜行われる。これにより、音声認識または車内会話の開始を指示するためのボタン操作をユーザが一々行うことなく、マイクから入力される発話音声を音声認識用と車内会話用とに適切に使い分けることができる。

本実施形態による車内音声処理装置の機能構成例を示すブロック図である。 本実施形態の車内音声処理装置を適用する車載システムの構成例を示す図である。 本実施形態の音声辞書記憶部に記憶される音声認識用ワードおよび車内会話用ワードの一例を示す図である。 本実施形態による車内音声処理装置の動作例を示すフローチャートである。

以下、本発明の一実施形態を図面に基づいて説明する。図１は、本実施形態による車内音声処理装置１００の機能構成例を示すブロック図である。図２は、本実施形態の車内音声処理装置１００を適用する車載システムの構成例を示す図である。車載システムは、本実施形態の車内音声処理装置１００、マイク２００、スピーカ３００およびディスプレイ４００を備えて構成されている。

図２に示すように、本実施形態の車内音声処理装置１００およびディスプレイ４００は、車両のセンターコンソールまたはダッシュボード等に設置される。マイク２００は、車両の前部座席付近に設置される。また、スピーカ３００は、車両の後部座席付近に設置される。

本実施形態の車内音声処理装置１００は、マイク２００より入力された発話音声を、当該発話音声を発話コマンドとして実行する音声認識処理と、当該発話音声をスピーカ３００から出力する車内会話処理との両方に使用するようになされた車載システムに用いて好適なものである。

すなわち、マイク２００から入力された発話音声は、車内音声処理装置１００により発話コマンドとして実行される。または、マイク２００から入力された発話音声は、車内音声処理装置１００を介してスピーカ３００から出力され、後部座席の乗員が前部座席の乗員の発話音声を聞くことができるようになっている。ディスプレイ４００は、後述する確認メッセージを表示するために使用される。

図１に示すように、本実施形態の車内音声処理装置１００は、その機能構成として、音声入力部１１、発話音声判定部１２、音声認識用処理部１３および車内会話用処理部１４を備えている。また、車内音声処理装置１００は、記憶媒体として、音声辞書記憶部２１および音声一時記憶部２２を備えている。

上記各機能ブロック１１〜１４は、ハードウェア、ＤＳＰ（Digital Signal Processor）、ソフトウェアの何れによっても構成することが可能である。例えばソフトウェアによって構成する場合、上記各機能ブロック１１〜１４は、実際にはコンピュータのＣＰＵ、ＲＡＭ、ＲＯＭなどを備えて構成され、ＲＡＭやＲＯＭ、ハードディスクまたは半導体メモリ等の記録媒体に記憶されたプログラムが動作することによって実現される。

音声入力部１１は、前部座席付近に設置されたマイク２００から、前部座席の乗員の発話音声を入力する。音声一時記憶部２２は、音声入力部１１によりマイク２００より入力された発話音声を一時的に記憶する。これは、マイク２００より入力された発話音声が特定のワードか否かを判定し、その判定の後にその発話音声を音声認識処理または車内会話処理の何れかに利用するためである。

したがって、音声一時記憶部２２に記憶した発話音声は、音声認識処理または車内会話処理の何れかに利用した後、または何れの処理にも利用しないことが決定した後は、消去してよい。あるいは、発話音声を音声一時記憶部２２に記憶した後、所定時間が経過したときに消去するようにしてもよい。また、別の例として、次の発話音声が音声一時記憶部２２に記憶されたときに、前に記憶されていた発話音声を消去するようにしてもよい。

音声辞書記憶部２１は、音声認識用のワードとその音声パターンとを対応付けるとともに、車内会話用のワードとその音声パターンとを対応付けて成る音声辞書を記憶する。図３は、音声辞書記憶部２１に記憶される音声認識用ワードおよび車内会話用ワードの一例を示す図である。音声認識用ワードは、例えば、「ふろんとかめらから」、「ちずひょうじ」、「るーとあんない」といった、発話コマンドとして使用されるワードである。一方、車内会話用ワードは、例えば、「ねぇー」、「あのさー」、「そういえば」といった、会話の開始によく使用されるワードである。

発話音声判定部１２は、音声辞書記憶部２１に登録されている各ワードの音声パターンと、音声一時記憶部２２に記憶された発話音声とを比較し、発話音声が音声認識用ワードまたは車内会話用ワードの何れかに該当するか否かを判定する。すなわち、発話音声判定部１２は、音声辞書記憶部２１に登録されている各ワードの音声パターンと発話音声とを比較して、発話音声との類似度が所定レベル以上で最も高い音声パターンを検索し、その音声パターンに対応付けられているワードを発話音声のワードであると認識する。そして、その認識したワードが音声認識用ワードまたは車内会話用ワードの何れかに該当するか否かを判定する。

音声認識用処理部１３は、発話音声判定部１２により発話音声が音声認識用ワードに該当すると判定された場合、当該音声認識用ワードを発話コマンドとして所定の処理を実行する。すなわち、音声認識用処理部１３は、種々の音声認識用ワード毎に発話コマンド（所定の処理の実行命令）を対応付けて記憶しており、発話音声判定部１２により判定された音声認識用ワードに対応する発話コマンドを発行することにより、所定の処理を実行する。

車内会話用処理部１４は、発話音声判定部１２により発話音声が車内会話用ワードに該当すると判定された場合、マイク２００より入力される発話音声をスピーカ３００から出力する。本実施形態において、車内会話用処理部１４は、発話音声判定部１２により発話音声が車内会話用ワードに該当すると判定された場合、車内会話モードをオンに設定し、音声一時記憶部２２に記憶される発話音声（発話音声判定部１２の判定に用いられた発話音声の他、車内会話モードがオフとされるまでの間に音声一時記憶部２２に随時記憶される発話音声を含む）をスピーカ３００から出力する。また、車内会話用処理部１４は、車内会話モードがオンに設定された後、マイク２００から発話音声が入力されない状態（音声一時記憶部２２に記憶された発話音声の更新がない状態）が所定時間以上続いた時点で、車内会話モードをオフに設定する。

なお、車内会話モードがオンに設定されている際も、発話音声判定部１２の判定処理は続行する。会話を行っている中で、音声認識用ワードに相当する発話音声が入力されることもあるからである。ここで、その音声認識用ワードが、乗員が発話コマンドとして意識して発話したものである場合もあり得るし、会話の中で偶然に発話されたに過ぎない場合もあり得る。

そこで、車内会話モードがオンに設定されているときに、音声一時記憶部２２に記憶された発話音声が音声認識用ワードに該当すると発話音声判定部１２により判定された場合、発話音声判定部１２は、発話コマンドに該当するか否かの確認メッセージをディスプレイ４００に出力する。そして、発話コマンドに該当するとの応答をユーザ操作を通じて受けた場合に、音声認識用処理部１３が当該発話コマンドに対応する所定の処理を実行する。

図４は、上記のように構成した本実施形態による車内音声処理装置１００の動作例を示すフローチャートである。図４に示すフローチャートは、車内音声処理装置１００の電源がオンとされたときに開始する。

まず、音声入力部１１は、マイク２００から発話音声の入力があったか否かを判定する（ステップＳ１）。マイク２００から発話音声の入力があった場合、音声一時記憶部２２は、その入力された発話音声を記憶する（ステップＳ２）。そして、発話音声判定部１２は、音声辞書記憶部２１に登録されている各ワードの音声パターンと、音声一時記憶部２２に記憶された発話音声とを比較し（ステップＳ３）、発話音声が音声認識用ワードに該当するか否かを判定する（ステップＳ４）。

ここで、発話音声が音声認識用ワードに該当すると判定された場合、発話音声判定部１２は、車内会話モードがオンに設定中か否かを判定する（ステップＳ５）。車内会話モードがオンに設定中ではない（オフに設定されている）と判定された場合、音声認識用処理部１３は、音声認識用ワードに該当すると判定された発話音声を発話コマンドとして所定の処理を実行する（ステップＳ８）。

一方、車内会話モードがオンに設定中であると発話音声判定部１２により判定された場合、発話音声判定部１２は、音声認識用ワードであると判定された発話音声が発話コマンドに該当するか否かの確認メッセージをディスプレイ４００に出力する（ステップＳ６）。そして、発話音声判定部１２は、発話コマンドに該当するとの応答を示すユーザ操作を受けたか否かを判定する（ステップＳ７）。

ここで、発話音声が発話コマンドに該当するとの応答があった場合、音声認識用処理部１３は、当該発話コマンドに対応する所定の処理を実行する（ステップＳ８）。一方、発話音声が発話コマンドに該当するとの応答がなかった場合、あるいは、発話コマンドに該当しないとの応答があった場合、車内会話用処理部１４は、その発話音声（ステップＳ２で音声一時記憶部２２に記憶されたもの）をスピーカ３００から出力する（ステップＳ１１）。

また、上記ステップＳ４において、発話音声が音声認識用ワードに該当しないと判定された場合、発話音声判定部１２は、発話音声が車内会話用ワードに該当するか否かを判定する（ステップＳ９）。ここで、発話音声が車内会話用ワードに該当すると判定された場合、車内会話用処理部１４は、車内会話モードをオンに設定し（ステップＳ１０）、その発話音声（ステップＳ２で音声一時記憶部２２に記憶されたもの）をスピーカ３００から出力する（ステップＳ１１）。

一方、発話音声が車内会話用ワードにも該当しないと判定された場合、発話音声判定部１２は、車内会話モードがオンに設定中か否かを判定する（ステップＳ１２）。車内会話モードがオンに設定中の場合、車内会話用処理部１４は、その発話音声をスピーカ３００から出力する（ステップＳ１１）。これに対し、車内会話モードがオフの場合、処理はステップＳ１５に進む。

また、上記ステップＳ１において、マイク２００から発話音声の入力がないと判定された場合、車内会話用処理部１４は、ステップＳ１０で車内会話モードがオンに設定された後、マイク２００から発話音声が入力されない状態（音声一時記憶部２２に記憶された発話音声の更新がない状態）が所定時間以上続いたか否かを判定する（ステップＳ１３）。発話音声が入力されない状態がまだ所定時間以上続いていない場合、処理はステップＳ１に戻る。一方、発話音声が入力されない状態が所定時間以上続いた場合、音声認識用処理部１３は、車内会話モードをオフに設定する（ステップＳ１４）。その後、処理はステップＳ１に戻る。

上記ステップＳ８またはステップＳ１１の処理の後、車内音声処理装置１００は電源がオフにされたか否かを判定する（ステップＳ１５）。車内音声処理装置１００の電源がオフにされていない場合、処理はステップＳ１に戻る。一方、車内音声処理装置１００の電源がオフにされた場合は、図４に示すフローチャートの処理は終了する。

以上詳しく説明したように、本実施形態では、音声認識用ワードとその音声パターンとを対応付けるとともに、車内会話用ワードとその音声パターンとを対応付けて成る音声辞書を音声辞書記憶部２１に記憶させておく。そして、マイク２００より入力された発話音声が音声認識用ワードまたは車内会話用ワードの何れかに該当するか否かを発話音声判定部１２にて判定し、音声認識用ワードに該当する場合は、音声認識用処理部１３が当該音声認識用ワードを発話コマンドとして所定の処理を実行する。一方、車内会話用ワードに該当する場合は、車内会話用処理部１４が発話音声をスピーカ３００から出力する。

このように構成した本実施形態によれば、マイク２００から常に入力される発話音声が音声認識用ワードに該当するか否かに加えて、入力される発話音声が車内会話用ワードに該当するか否かの判定も行われ、何れかのワードに該当すると判定された場合に、発話音声に応じたコマンドの実行または発話音声のスピーカ３００への出力の何れかが適宜行われる。これにより、音声認識または車内会話の開始を指示するためのボタン操作をユーザが一々行うことなく、マイク２００から入力される発話音声を音声認識用と車内会話用とに適切に使い分けることができる。

なお、上記実施形態では、マイク２００から発話音声が入力されない状態が所定時間以上続いた時点で、車内会話モードをオフに設定する例について説明したが、本発明はこれに限定されない。例えば、車内会話用ワードとして、車内会話開始用のワードと車内会話終了用のワードとを音声辞書記憶部２１に登録しておき、車内会話用処理部１３は、発話音声判定部１２により発話音声が車内会話開始用のワードに該当すると判定された場合に車内会話モードをオンに設定し、発話音声が車内会話終了用のワードに該当すると判定された場合に車内会話モードをオフに設定するようにしてもよい。

また、上記実施形態では、車内会話モードがオンに設定されているときに、発話音声が音声認識用ワードに該当すると判定された場合、発話コマンドに該当するか否かの確認メッセージを出力し、発話コマンドに該当するとの応答をユーザ操作を通じて受けた場合にのみ、発話コマンドに対応する所定の処理を実行する例について説明したが、本発明はこれに限定されない。例えば、確認メッセージの出力は行わず、直ちに発話コマンドに対応する所定の処理を実行するようにしてもよい。

また、上記実施形態では、車内会話モードがオンに設定されているときに、音声認識用ワードに該当する発話音声を発話コマンドとして所定の処理を実行した後も、車内会話モードのオン状態を継続する例について説明したが、本発明はこれに限定されない。例えば、車内会話モードがオンに設定されているときに音声認識用処理部１３が発話コマンドを実行した時点で、車内会話モードをオフに設定するようにしてもよい。

また、上記実施形態では、車内会話モードがオンに設定されている際も、発話音声判定部１２の判定処理を続行する例について説明したが、本発明はこれに限定されない。例えば、車内会話モードがオンに設定された場合、その後車内会話モードがオフに設定されるまでの間は、発話音声判定部１２の判定処理は行わないようにしてもよい。

また、上記実施形態では、車内会話開始用ワードとして、「ねぇー」、「あのさー」、「そういえば」といった、会話の開始によく使用されるワードを登録する例について説明したが、本発明はこれに限定されない。例えば、後部座席によく座る人の名前やあだ名をユーザ操作によって任意に音声辞書記憶部２１に登録できるようにしてもよい。

その他、上記実施形態は、何れも本発明を実施するにあたっての具体化の一例を示したものに過ぎず、これによって本発明の技術的範囲が限定的に解釈されてはならないものである。すなわち、本発明はその要旨、またはその主要な特徴から逸脱することなく、様々な形で実施することができる。

１１ 音声入力部
１２ 発話音声判定部
１３ 音声認識用処理部
１４ 車内会話用処理部
２１ 音声辞書記憶部
２２ 音声一時記憶部
１００ 車内音声処理装置

Claims (5)

1. 音声認識用のワードとその音声パターンとを対応付けるとともに、車内会話用のワードとその音声パターンとを対応付けて成る音声辞書を記憶する音声辞書記憶部と、
   上記音声辞書に登録されている各ワードの音声パターンと、マイクより入力された発話音声とを比較し、上記発話音声が上記音声認識用のワードまたは上記車内会話用のワードの何れかに該当するか否かを判定する発話音声判定部と、
   上記発話音声判定部により上記発話音声が上記音声認識用のワードに該当すると判定された場合、当該音声認識用のワードを発話コマンドとして所定の処理を実行する音声認識用処理部と、
   上記発話音声判定部により上記発話音声が上記車内会話用のワードに該当すると判定された場合、上記マイクより入力される発話音声をスピーカから出力する車内会話用処理部とを備えたことを特徴とする車内音声処理装置。
2. 上記車内会話用処理部は、上記発話音声判定部により上記発話音声が上記車内会話用のワードに該当すると判定された場合、車内会話モードをオンに設定し、上記マイクより入力される発話音声を上記スピーカから出力するようにするとともに、上記車内会話モードがオンに設定された後、上記マイクから発話音声が入力されない状態が所定時間以上続いた時点で、上記車内会話モードをオフに設定することを特徴とする請求項１に記載の車内音声処理装置。
3. 上記車内会話用処理部は、上記発話音声判定部により上記発話音声が上記車内会話開始用のワードに該当すると判定された場合、車内会話モードをオンに設定し、上記マイクより入力される発話音声声を上記スピーカから出力するようにするとともに、上記発話音声判定部により上記発話音声が上記車内会話終了用のワードに該当すると判定された場合、上記車内会話モードをオフに設定することを特徴とする請求項１に記載の車内音声処理装置。
4. 上記車内会話モードがオンに設定されているときに、上記マイクより入力された発話音声が上記音声認識用のワードに該当すると上記発話音声判定部により判定された場合、上記発話音声判定部は、上記発話コマンドに該当するか否かの確認メッセージを出力し、上記発話コマンドに該当するとの応答をユーザ操作を通じて受けた場合に、上記音声認識用処理部が、当該発話コマンドに対応する所定の処理を実行することを特徴とする請求項２または３に記載の車内音声処理装置。
5. 音声認識用のワードとその音声パターンとを対応付けるとともに、車内会話用のワードとその音声パターンとを対応付けて成る音声辞書を記憶する音声辞書記憶部を備えた車内音声処理装置において、車内音声を処理する方法であって、
   上記車内音声処理装置の発話音声判定部が、上記音声辞書に登録されている各ワードの音声パターンと、マイクより入力された発話音声とを比較し、上記発話音声が上記音声認識用のワードまたは上記車内会話用のワードの何れかに該当するか否かを判定する第１のステップと、
   上記第１のステップにおいて上記発話音声判定部により上記発話音声が上記音声認識用のワードに該当すると判定された場合、上記車内音声処理装置の音声認識用処理部が、上記音声認識用のワードを発話コマンドとして所定の処理を実行する第２のステップと、
   上記第１のステップにおいて上記発話音声判定部により上記発話音声が上記車内会話用のワードに該当すると判定された場合、上記車内音声処理装置の車内会話用処理部が、上記マイクより入力される発話音声をスピーカから出力する第３のステップとを有するとを特徴とする車内音声処理方法。