JP2020052145A - 音声認識装置、音声認識方法、及び音声認識プログラム - Google Patents

音声認識装置、音声認識方法、及び音声認識プログラム Download PDF

Info

Publication number
JP2020052145A
JP2020052145A JP2018179407A JP2018179407A JP2020052145A JP 2020052145 A JP2020052145 A JP 2020052145A JP 2018179407 A JP2018179407 A JP 2018179407A JP 2018179407 A JP2018179407 A JP 2018179407A JP 2020052145 A JP2020052145 A JP 2020052145A
Authority
JP
Japan
Prior art keywords
user
voice recognition
voice
party
output
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
JP2018179407A
Other languages
English (en)
Inventor
嘉彦 菅原
Yoshihiko Sugawara
嘉彦 菅原
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Denso Corp
Toyota Motor Corp
Original Assignee
Denso Corp
Toyota Motor Corp
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Denso Corp, Toyota Motor Corp filed Critical Denso Corp
Priority to JP2018179407A priority Critical patent/JP2020052145A/ja
Priority to US16/567,301 priority patent/US11276404B2/en
Priority to CN201910864279.0A priority patent/CN110942770B/zh
Publication of JP2020052145A publication Critical patent/JP2020052145A/ja
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/22—Procedures used during a speech recognition process, e.g. man-machine dialogue
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/26—Speech to text systems
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/16—Sound input; Sound output
    • G06F3/165—Management of the audio stream, e.g. setting of volume, audio stream path
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/20—Speech recognition techniques specially adapted for robustness in adverse environments, e.g. in noise, of stress induced speech
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L21/00—Speech or voice signal processing techniques to produce another audible or non-audible signal, e.g. visual or tactile, in order to modify its quality or its intelligibility
    • G10L21/02—Speech enhancement, e.g. noise reduction or echo cancellation
    • G10L21/0208—Noise filtering
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04K—SECRET COMMUNICATION; JAMMING OF COMMUNICATION
    • H04K1/00—Secret communication
    • H04K1/02—Secret communication by adding a second signal to make the desired signal unintelligible
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04K—SECRET COMMUNICATION; JAMMING OF COMMUNICATION
    • H04K3/00—Jamming of communication; Counter-measures
    • H04K3/40—Jamming having variable characteristics
    • H04K3/45—Jamming having variable characteristics characterized by including monitoring of the target or target signal, e.g. in reactive jammers or follower jammers for example by means of an alternation of jamming phases and monitoring phases, called "look-through mode"
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04K—SECRET COMMUNICATION; JAMMING OF COMMUNICATION
    • H04K3/00—Jamming of communication; Counter-measures
    • H04K3/80—Jamming or countermeasure characterized by its function
    • H04K3/82—Jamming or countermeasure characterized by its function related to preventing surveillance, interception or detection
    • H04K3/825—Jamming or countermeasure characterized by its function related to preventing surveillance, interception or detection by jamming
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04K—SECRET COMMUNICATION; JAMMING OF COMMUNICATION
    • H04K3/00—Jamming of communication; Counter-measures
    • H04K3/80—Jamming or countermeasure characterized by its function
    • H04K3/86—Jamming or countermeasure characterized by its function related to preventing deceptive jamming or unauthorized interrogation or access, e.g. WLAN access or RFID reading
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/22—Procedures used during a speech recognition process, e.g. man-machine dialogue
    • G10L2015/223—Execution procedure of a spoken command
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04K—SECRET COMMUNICATION; JAMMING OF COMMUNICATION
    • H04K2203/00—Jamming of communication; Countermeasures
    • H04K2203/10—Jamming or countermeasure used for a particular application
    • H04K2203/12—Jamming or countermeasure used for a particular application for acoustic communication

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Health & Medical Sciences (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Human Computer Interaction (AREA)
  • Theoretical Computer Science (AREA)
  • Acoustics & Sound (AREA)
  • Computational Linguistics (AREA)
  • Signal Processing (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Computer Security & Cryptography (AREA)
  • Electromagnetism (AREA)
  • Microelectronics & Electronic Packaging (AREA)
  • Quality & Reliability (AREA)
  • Circuit For Audible Band Transducer (AREA)
  • Soundproofing, Sound Blocking, And Sound Damping (AREA)
  • Telephonic Communication Services (AREA)

Abstract

【課題】ユーザの発話内容が第三者に聞かれることを抑制可能な音声認識装置、音声認識方法、及び音声認識プログラムを提供すること。【解決手段】本発明に係る音声認識装置は、ユーザの発話音声を認識する音声認識装置であって、ユーザに要求する発話内容が第三者に聞かれたくない内容であるか否かに応じて任意の妨害音の出力を制御すると共に、ユーザの発話が終了したことに応じて妨害音の出力を停止する制御部を備える。これにより、ユーザの発話内容が第三者に聞かれることを抑制できる。【選択図】図１

Description

本発明は、ユーザの発話音声を認識する音声認識装置、音声認識方法、及び音声認識プログラムに関する。
特許文献１には、ユーザの発話音量を所望のレベルまで誘導すべく、音楽の出力を開始、又は、音楽出力状態を維持しつつ、ユーザの発話音量の算出結果に応じて音楽の音量を調整する音声対話装置が記載されている。
特開２０１３−０１９８０３号公報
音声認識装置を使用する場面において、ユーザが車両の同乗者等の第三者に発話内容を聞かれたくない場合がある。しかしながら、特許文献１に記載の音声対話装置は、第三者によるユーザの発話内容の聞き取りを妨害するレベルの音量で音楽を再生しないために、ユーザの発話内容が第三者によって聞かれてしまう可能性がある。
本発明は、上記課題に鑑みてなされたものであって、その目的は、ユーザの発話内容が第三者に聞かれることを抑制可能な音声認識装置、音声認識方法、及び音声認識プログラムを提供することにある。
本発明に係る音声認識装置は、ユーザの発話音声を認識する音声認識装置であって、前記ユーザに要求する発話内容が第三者に聞かれたくない内容であるか否かに応じて任意の妨害音の出力を制御すると共に、前記ユーザの発話が終了したことに応じて前記妨害音の出力を停止する制御部を備えることを特徴とする。
本発明に係る音声認識装置は、上記発明において、前記制御部は、音楽出力手段が音楽を出力している場合、該音楽の出力音量を前記発話内容の聞き取りを妨害するレベルに制御することを特徴とする。これにより、ユーザの発話内容が第三者に聞かれることを抑制できる。
本発明に係る音声認識装置は、上記発明において、前記制御部は、ユーザに発話を求める場面及び状況とユーザからの要求信号の有無に基づいて、前記ユーザに要求する発話内容が第三者に聞かれたくない内容であるか否かを判別することを特徴とする。これにより、ユーザに要求する発話内容が第三者に聞かれたくない内容であるか否かを精度よく判別することができる。
本発明に係る音声認識装置は、上記発明において、前記制御部は、音声入力装置を介して取得した音声データから前記妨害音を除去することにより前記ユーザの発話音声を認識することを特徴とする。これにより、妨害音を出力している状態であってもユーザの発話音声を精度よく認識することができる。
本発明に係る音声認識方法は、ユーザの発話音声を認識する音声認識方法であって、前記ユーザに要求する発話内容が第三者に聞かれたくない内容であるか否かに応じて任意の妨害音の出力を制御すると共に、前記ユーザの発話が終了したことに応じて前記妨害音の出力を停止するステップを含むことを特徴とする。
本発明に係る音声認識プログラムは、ユーザの発話音声を認識する音声認識プログラムであって、前記ユーザに要求する発話内容が第三者に聞かれたくない内容であるか否かに応じて任意の妨害音の出力を制御すると共に、前記ユーザの発話が終了したことに応じて前記妨害音の出力を停止する処理をコンピュータに実行させることを特徴とする。
本発明に係る音声認識装置、音声認識方法、及び音声認識プログラムによれば、ユーザに要求する発話内容が第三者に聞かれたくない内容であるか否かに応じて任意の妨害音の出力を制御するので、ユーザの発話内容が第三者に聞かれることを抑制できる。
図１は、本発明の一実施形態である音声認識装置の構成を示すブロック図である。 図２は、本発明の一実施形態である音声認識処理に流れを示すフローチャートである。
以下、図面を参照して、本発明の一実施形態である音声認識装置の構成及びその動作について説明する。
〔音声認識装置の構成〕
まず、図１を参照して、本発明の一実施形態である音声認識装置の構成について説明する。
図１は、本発明の一実施形態である音声認識装置の構成を示すブロック図である。図１に示すように、本発明の一実施形態である音声認識装置１は、ＣＰＵ（Central Processing Unit），ＤＳＰ（Digital Signal Processor），ＦＰＧＡ（Field Programmable Gate Array）等のプロセッサ及びＲＡＭ（Random Access Memory），ＲＯＭ（Read Only Memory）等の記憶部を含む、ワークステーション等の汎用の情報処理装置によって構成されており、音声認識処理部１１、音データベース（音ＤＢ）１２、音声再生部１３、及び音量設定部１４を備えている。音声認識処理部１１、音声再生部１３、及び音量設定部１４の機能は、プロセッサが記憶部に記憶されているコンピュータプログラムを実行することによって実現される。
音声認識処理部１１は、マイクロフォン等の音声入力装置２を介してユーザＰ１の発話音声を取得し、取得した発話音声の内容を認識する。詳しくは後述するが、本実施形態では、音声認識処理部１１は、音声入力装置２を介して取得した音声（マイク音声）データから音楽や妨害音のデータを除去し、除去処理後の音声データを用いて音楽や妨害音を再生している環境下でのユーザＰ１の発話音声の内容を認識する。
音ＤＢ１２は、音楽や妨害音のデータを記憶している。ここで、妨害音としては、ユーザＰ１の発話内容の聞き取りを妨害するのに適した専用音声（例えばノイズ音や不快にならず無音区間がないような音楽）やユーザが所有する音楽等を例示できる。
音声再生部１３は、音ＤＢ１２から音楽や妨害音のデータを取得し、取得したデータを再生出力する。
音量設定部１４は、音声再生部１３が再生している音楽や妨害音の音量を調整してユーザＰ１の近傍に設置されているスピーカ３ＡやユーザＰ１の周囲にいる第三者（例えば車両の同乗者）Ｐ２の近傍に設置されているスピーカ３Ｂから出力する。
なお、上述したコンピュータプログラムは、インストール可能な形式又は実行可能な形式のファイルでＣＤ−ＲＯＭ、フレキシブルディスク、ＣＤ−Ｒ、ＤＶＤ等のコンピュータが読み取り可能な記録媒体に記録して提供するように構成してもよい。また、上述したコンピュータプログラムは、電気通信回線に接続されたコンピュータ上に格納し、電気通信回線経由でダウンロードさせることによって提供するように構成してもよい。また、上述したコンピュータプログラムを電気通信回線を介して提供又は配布してもよい。
このような構成を有する音声認識装置１は、以下に示す音声認識処理を実行することにより、ユーザＰ１が第三者Ｐ２に発話内容を聞かれてしまうことを抑制する。以下、図２を参照して、音声認識処理を実行する際の音声認識装置１の動作について説明する。
〔音声認識処理〕
図２は、本発明の一実施形態である音声認識処理の流れを示すフローチャートである。図２に示すフローチャートは、音声認識装置１がユーザＰ１に対して発話を要求する度毎に開始となり、音声認識処理はステップＳ１の処理に進む。
ステップＳ１の処理では、音声認識処理部１１が、ユーザＰ１に要求する発話内容が第三者Ｐ２に聞かれたくない内容であるか否かを判別する。具体的には、音声認識処理部１１は、ユーザＰ１に発話を求める場面や状況（例えば車両の同乗者全員参加のクイズを実施している状況で他者に聞かれないように回答をすることをユーザＰ１に求めていることを認識している場合）及びユーザＰ１からの要求信号の有無に基づいて、ユーザＰ１に要求する発話内容が第三者Ｐ２に聞かれたくない内容であるか否かを判別する。判別の結果、ユーザＰ１に要求する発話内容が第三者Ｐ２に聞かれたくない内容である場合（ステップＳ１：Ｙｅｓ）、音声認識処理部１１は、音声認識処理をステップＳ２の処理に進める。一方、ユーザＰ１に要求する発話内容が第三者Ｐ２に聞かれたくない内容でない場合には（ステップＳ１：Ｎｏ）、音声認識処理部１１は、音声認識処理をステップＳ５の処理に進める。
なお、第三者Ｐ２に聞かれたくない発話内容は、音声認識処理部１１がユーザＰ１に発言（回答）を求める内容に応じて予め定義されていてもよい。定義は、例えば設定する目的地はレベル１、名前はレベル１、住所はレベル２、電話番号はレベル２、銀行口座番号はレベル３、クイズの答えはレベル３といった具合に聞かれたくない程度を示すよう複数にレベル分けされていてもよいし、バイナリ（聞かれたくない／聞かれてもよい）でもよい。レベル分けされている場合、ユーザＰ１毎にどのレベル以上の場合聞かれたくないかを示す閾値を設定できるようにしてもよい。この場合、ユーザＰ１に閾値を超えたレベルの内容を発話させるときに、音声認識装置１は、発話内容の聞き取りと共に第三者に向けた妨害音の制御を行う。また、第三者Ｐ２がいない場合、自動的に閾値を無効（ゼロ）にするように音声認識装置１が判断するようにしてもよい。第三者Ｐ２がいない場合としては、着座センサで運転席以外の座席に乗員がいないと判断された場合や車室内カメラで運転者以外の乗員が検出されない場合等を例示できる。
ステップＳ２の処理では、音量設定部１４が、音声再生部１３が音楽を再生しているか否かを判別する。判別の結果、音声再生部１３が音楽を再生している場合（ステップＳ２：Ｙｅｓ）、音量設定部１４は、音声認識処理をステップＳ３の処理に進める。一方、音声再生部１３が音楽を再生していない場合には（ステップＳ２：Ｎｏ）、音量設定部１４は、音声認識処理をステップＳ４の処理に進める。
ステップＳ３の処理では、音量設定部１４が、第三者Ｐ２の近傍に設けられたスピーカ３Ｂから出力する音楽の音量を第三者Ｐ２がユーザＰ１の発話音声を聞き取れない程度の音量まで増加させる（音楽再生継続）。なお、このとき、ユーザＰ１と第三者Ｐ２がいる車室等の空間内全体の音量やユーザＰ１の周辺のみの音量を増加するようにしてもよい。また、単なる音量調整だけでなく、ユーザＰ１の発話音声を聞きづらくするイコライザーを掛けてもよい。これにより、ステップＳ３の処理は完了し、音声認識処理はステップＳ５の処理に進む。
ステップＳ４の処理では、音量設定部１４が、音ＤＢ１２に格納さている妨害音を再生するように音声再生部１３を制御する。そして、音量設定部１４は、第三者Ｐ２の近傍に設けられたスピーカ３Ｂから出力される妨害音の音量を第三者Ｐ２がユーザＰ１の発話音声を聞き取れない程度の音量に制御する。これにより、ステップＳ４の処理は完了し、音声認識処理はステップＳ５の処理に進む。
ステップＳ５の処理では、音声認識処理部１１が、音声入力装置２を介して取得した音声データから再生している音楽や妨害音を除去（キャンセル）する音声処理を行いながら音声認識を行ってユーザＰ１の発話を待ち受ける。これにより、ステップＳ５の処理は完了し、音声認識処理はステップＳ６の処理に進む。
ステップＳ６の処理では、音声認識処理部１１が、音声認識結果に基づいてユーザＰ１の発話があったか否かを判別する。判別の結果、ユーザＰ１の発話があった場合（ステップＳ６：Ｙｅｓ）、音声認識処理部１１は、音声認識処理をステップＳ７の処理に進める。一方、ユーザＰ１の発話がない場合には（ステップＳ６：Ｎｏ）、音声認識処理部１１は、音声認識処理をステップＳ８の処理に進む。
ステップＳ７の処理では、音声認識処理部１１が、ユーザＰ１の発話内容を音声認識する。これにより、ステップＳ７の処理は完了し、音声認識処理はステップＳ８の処理に進む。
ステップＳ８の処理では、音声認識処理部１１が、ユーザＰ１の発話内容やユーザＰ１からの要求信号の有無等に基づいて音声認識を終了してもよいか否かを判別する。判別の結果、音声認識を終了してもよい場合（ステップＳ８：Ｙｅｓ）、音声認識処理部１１は、音声認識処理をステップＳ９の処理に進める。一方、音声認識を終了してもよくない場合には（ステップＳ８：Ｎｏ）、音声認識処理部１１は、音声認識処理をステップＳ５の処理に戻す。
ステップＳ９の処理では、音声認識処理部１１が、ユーザＰ１の発話の待ち受け処理を終了する。これにより、ステップＳ９の処理は完了し、音声認識処理はステップＳ１０の処理に進む。
ステップＳ１０の処理では、音量設定部１４が、ユーザＰ１の発話の待ち受け処理を開始する前に音声再生部１３が音楽を再生していたか否かを判別する。判別の結果、音声再生部１３が音楽を再生していた場合（ステップＳ１０：Ｙｅｓ）、音量設定部１４は、音声認識処理をステップＳ１１の処理に進める。一方、音声再生部１３が音楽を再生していなかった場合には（ステップＳ１０：Ｎｏ）、音量設定部１４は、音声認識処理をステップＳ１２の処理に進める。
ステップＳ１１の処理では、音量設定部１４が、音声認識処理を開始する前の音量に音楽の再生音量を戻す。これにより、ステップＳ１１の処理は完了し、一連の音声認識処理は終了する。
ステップＳ１２の処理では、音量設定部１４が、音声再生部１３を制御することによって妨害音の再生を停止する。これにより、ステップＳ１２の処理は完了し、一連の音声認識処理は終了する。
以上の説明から明らかなように、本発明の一実施形態である音声認識処理では、音声認識装置１が、ユーザＰ１に要求する発話内容が第三者Ｐ２に聞かれたくない内容であるか否かに応じて音楽や妨害音の出力を制御すると共に、ユーザＰ１の発話が終了したことに応じて妨害音の出力を停止するので、ユーザＰ１の発話内容が第三者Ｐ２に聞かれることを抑制できる。
また、本発明の一実施形態である音声認識処理では、音声認識装置１が、音楽を再生している場合、音楽の音量をユーザＰ１の発話内容の聞き取りを妨害するレベルに制御するので、ユーザＰ１の発話内容が第三者Ｐ２に聞かれることを抑制できる。
また、本発明の一実施形態である音声認識処理では、音声認識装置１が、ユーザＰ１に発話を求める場面及び状況とユーザからの要求信号の有無に基づいて、ユーザＰ１に要求する発話内容が第三者Ｐ２に聞かれたくない内容であるか否かを判別するので、ユーザＰ１に要求する発話内容が第三者Ｐ２に聞かれたくない内容であるか否かを精度よく判別することができる。
また、本発明の一実施形態である音声認識処理では、音声認識装置１が、音声入力装置２を介して取得した音声データから妨害音を除去することによりユーザＰ１の発話音声を認識するので、妨害音を出力している状態であってもユーザＰ１の発話音声を精度よく認識することができる。
以上、本発明者らによってなされた発明を適用した実施形態について説明したが、本実施形態による本発明の開示の一部をなす記述及び図面により本発明は限定されることはない。すなわち、本実施形態に基づいて当業者等によりなされる他の実施形態、実施例、及び運用技術等は全て本発明の範疇に含まれる。
１ 音声認識装置
２ 音声入力装置
３Ａ，３Ｂ スピーカ
１１ 音声認識処理部
１２ 音データベース（音ＤＢ）
１３ 音声再生部
１４ 音量設定部
Ｐ１ ユーザ
Ｐ２ 第三者

Claims (6)

  1. ユーザの発話音声を認識する音声認識装置であって、
    前記ユーザに要求する発話内容が第三者に聞かれたくない内容であるか否かに応じて任意の妨害音の出力を制御すると共に、前記ユーザの発話が終了したことに応じて前記妨害音の出力を停止する制御部を備える
    ことを特徴とする音声認識装置。
  2. 前記制御部は、音楽出力手段が音楽を出力している場合、該音楽の出力音量を前記発話内容の聞き取りを妨害するレベルに制御することを特徴とする請求項１に記載の音声認識装置。
  3. 前記制御部は、ユーザに発話を求める場面及び状況とユーザからの要求信号の有無に基づいて、前記ユーザに要求する発話内容が第三者に聞かれたくない内容であるか否かを判別することを特徴とする請求項１又は２に記載の音声認識装置。
  4. 前記制御部は、音声入力装置を介して取得した音声データから前記妨害音を除去することにより前記ユーザの発話音声を認識することを特徴とする請求項１〜３のうち、いずれか１項に記載の音声認識装置。
  5. ユーザの発話音声を認識する音声認識方法であって、
    前記ユーザに要求する発話内容が第三者に聞かれたくない内容であるか否かに応じて任意の妨害音の出力を制御すると共に、前記ユーザの発話が終了したことに応じて前記妨害音の出力を停止するステップを含む
    ことを特徴とする音声認識方法。
  6. ユーザの発話音声を認識する音声認識プログラムであって、
    前記ユーザに要求する発話内容が第三者に聞かれたくない内容であるか否かに応じて任意の妨害音の出力を制御すると共に、前記ユーザの発話が終了したことに応じて前記妨害音の出力を停止する処理をコンピュータに実行させる
    ことを特徴とする音声認識プログラム。
JP2018179407A 2018-09-25 2018-09-25 音声認識装置、音声認識方法、及び音声認識プログラム Pending JP2020052145A (ja)

Priority Applications (3)

Application Number Priority Date Filing Date Title
JP2018179407A JP2020052145A (ja) 2018-09-25 2018-09-25 音声認識装置、音声認識方法、及び音声認識プログラム
US16/567,301 US11276404B2 (en) 2018-09-25 2019-09-11 Speech recognition device, speech recognition method, non-transitory computer-readable medium storing speech recognition program
CN201910864279.0A CN110942770B (zh) 2018-09-25 2019-09-12 音声识别装置、音声识别方法、存储音声识别程序的非暂时性计算机可读介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2018179407A JP2020052145A (ja) 2018-09-25 2018-09-25 音声認識装置、音声認識方法、及び音声認識プログラム

Publications (1)

Publication Number Publication Date
JP2020052145A true JP2020052145A (ja) 2020-04-02

Family

ID=69883292

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2018179407A Pending JP2020052145A (ja) 2018-09-25 2018-09-25 音声認識装置、音声認識方法、及び音声認識プログラム

Country Status (3)

Country Link
US (1) US11276404B2 (ja)
JP (1) JP2020052145A (ja)
CN (1) CN110942770B (ja)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2020052145A (ja) * 2018-09-25 2020-04-02 トヨタ自動車株式会社 音声認識装置、音声認識方法、及び音声認識プログラム

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004096664A (ja) * 2002-09-04 2004-03-25 Matsushita Electric Ind Co Ltd ハンズフリー通話装置および方法
JP2007006363A (ja) * 2005-06-27 2007-01-11 Fujitsu Ltd 電話機
JP2007256606A (ja) * 2006-03-23 2007-10-04 Aruze Corp 出音システム

Family Cites Families (37)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3138370B2 (ja) * 1993-09-09 2001-02-26 株式会社日立製作所 情報処理装置
US6963759B1 (en) * 1999-10-05 2005-11-08 Fastmobile, Inc. Speech recognition technique based on local interrupt detection
US6937977B2 (en) * 1999-10-05 2005-08-30 Fastmobile, Inc. Method and apparatus for processing an input speech signal during presentation of an output audio signal
US20010044786A1 (en) * 2000-03-14 2001-11-22 Yoshihito Ishibashi Content usage management system and method, and program providing medium therefor
CN1618203A (zh) * 2001-12-15 2005-05-18 汤姆森特许公司 视频会议带宽选择机制
US20040125922A1 (en) * 2002-09-12 2004-07-01 Specht Jeffrey L. Communications device with sound masking system
WO2006021943A1 (en) * 2004-08-09 2006-03-02 Nice Systems Ltd. Apparatus and method for multimedia content based
US20060109983A1 (en) * 2004-11-19 2006-05-25 Young Randall K Signal masking and method thereof
JP2006215206A (ja) * 2005-02-02 2006-08-17 Canon Inc 音声処理装置およびその制御方法
JP4765394B2 (ja) 2005-05-10 2011-09-07 トヨタ自動車株式会社 音声対話装置
KR100735557B1 (ko) * 2005-10-12 2007-07-04 삼성전자주식회사 음성 신호를 감쇄하고 마스킹하여 음성 신호를 교란시키는방법 및 장치
US20070208806A1 (en) * 2006-03-02 2007-09-06 Sun Microsystems, Inc. Network collaboration system with conference waiting room
US8886537B2 (en) * 2007-03-20 2014-11-11 Nuance Communications, Inc. Method and system for text-to-speech synthesis with personalized voice
US7689421B2 (en) * 2007-06-27 2010-03-30 Microsoft Corporation Voice persona service for embedding text-to-speech features into software programs
KR20110042315A (ko) * 2008-07-18 2011-04-26 코닌클리케 필립스 일렉트로닉스 엔.브이. 공공 장소들에서 사적 대화들을 엿듣는 것을 방지하기 위한 방법 및 시스템
US8983845B1 (en) * 2010-03-26 2015-03-17 Google Inc. Third-party audio subsystem enhancement
WO2012063963A1 (ja) * 2010-11-11 2012-05-18 日本電気株式会社 音声認識装置、音声認識方法、および音声認識プログラム
JP2012113130A (ja) * 2010-11-25 2012-06-14 Yamaha Corp サウンドマスキング装置
JP5695447B2 (ja) * 2011-03-01 2015-04-08 株式会社東芝 テレビジョン装置及び遠隔操作装置
US8972251B2 (en) * 2011-06-07 2015-03-03 Qualcomm Incorporated Generating a masking signal on an electronic device
JP2013019803A (ja) 2011-07-12 2013-01-31 Mitsubishi Motors Corp 運転支援装置
US9230556B2 (en) * 2012-06-05 2016-01-05 Apple Inc. Voice instructions during navigation
US8670986B2 (en) * 2012-10-04 2014-03-11 Medical Privacy Solutions, Llc Method and apparatus for masking speech in a private environment
KR102069863B1 (ko) * 2012-11-12 2020-01-23 삼성전자주식회사 입력 수단의 결제 기능을 제어하는 전자 장치 및 방법
JP2014130251A (ja) * 2012-12-28 2014-07-10 Glory Ltd 会話保護システム及び会話保護方法
US9697831B2 (en) * 2013-06-26 2017-07-04 Cirrus Logic, Inc. Speech recognition
US20150117439A1 (en) * 2013-10-24 2015-04-30 Vonage Network, Llc Systems and methods for controlling telephony communications
US20150230022A1 (en) * 2014-02-07 2015-08-13 Samsung Electronics Co., Ltd. Wearable electronic system
WO2016051519A1 (ja) * 2014-09-30 2016-04-07 三菱電機株式会社 音声認識システム
US9489172B2 (en) * 2015-02-26 2016-11-08 Motorola Mobility Llc Method and apparatus for voice control user interface with discreet operating mode
US9715283B2 (en) * 2015-02-26 2017-07-25 Motorola Mobility Llc Method and apparatus for gesture detection in an electronic device
JP2016177204A (ja) * 2015-03-20 2016-10-06 ヤマハ株式会社 サウンドマスキング装置
JP2016177205A (ja) * 2015-03-20 2016-10-06 ヤマハ株式会社 サウンドマスキング装置
CN106657552B (zh) * 2016-11-30 2019-08-06 Oppo广东移动通信有限公司 防止监听的方法、装置及终端
JP2020052145A (ja) * 2018-09-25 2020-04-02 トヨタ自動車株式会社 音声認識装置、音声認識方法、及び音声認識プログラム
US11915123B2 (en) * 2019-11-14 2024-02-27 International Business Machines Corporation Fusing multimodal data using recurrent neural networks
US11776557B2 (en) * 2020-04-03 2023-10-03 Electronics And Telecommunications Research Institute Automatic interpretation server and method thereof

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004096664A (ja) * 2002-09-04 2004-03-25 Matsushita Electric Ind Co Ltd ハンズフリー通話装置および方法
JP2007006363A (ja) * 2005-06-27 2007-01-11 Fujitsu Ltd 電話機
JP2007256606A (ja) * 2006-03-23 2007-10-04 Aruze Corp 出音システム

Also Published As

Publication number Publication date
CN110942770B (zh) 2023-07-28
US11276404B2 (en) 2022-03-15
CN110942770A (zh) 2020-03-31
US20200098371A1 (en) 2020-03-26

Similar Documents

Publication Publication Date Title
US11348595B2 (en) Voice interface and vocal entertainment system
CN109714663B (zh) 一种耳机的控制方法、耳机及存储介质
US8705753B2 (en) System for processing sound signals in a vehicle multimedia system
JP4260046B2 (ja) 音声明瞭度改善装置及び音声明瞭度改善方法
CN107995360B (zh) 通话处理方法及相关产品
US10140089B1 (en) Synthetic speech for in vehicle communication
JP4209247B2 (ja) 音声認識装置および方法
JP2010156826A (ja) 音響制御装置
JP2013531273A (ja) スピーカ及びマイクロホンを備える音声認識システムを調整する方法、及び音声認識システム
JP2012163692A (ja) 音声信号処理システム、音声信号処理方法および音声信号処理方法プログラム
CN110942770B (zh) 音声识别装置、音声识别方法、存储音声识别程序的非暂时性计算机可读介质
JP5593759B2 (ja) 通話音声処理装置、通話音声制御装置および方法
JP2008167319A (ja) ヘッドホンシステム、ヘッドホン駆動制御装置およびヘッドホン
JP2004013084A (ja) 音量制御装置
CN111464902A (zh) 信息处理方法、装置及耳机和存储介质
JP6995254B2 (ja) 音場制御装置及び音場制御方法
JP4765394B2 (ja) 音声対話装置
JP7474548B2 (ja) オーディオデータの再生の制御
KR20220091151A (ko) 차량용 능동 소음 제어 장치 및 그 제어 방법
JP2007219122A (ja) 音響機器及びプログラム
JP4353084B2 (ja) 映像再生方法及び装置及びプログラム
JP4493557B2 (ja) 音声信号判断装置
WO2021245871A1 (ja) 通話環境生成方法、通話環境生成装置、プログラム
JP7105320B2 (ja) 音声認識装置、音声認識装置の制御方法、コンテンツ再生装置、及びコンテンツ送受信システム
Schmidt et al. Evaluation of in-car communication systems

Legal Events

Date Code Title Description
RD01 Notification of change of attorney

Free format text: JAPANESE INTERMEDIATE CODE: A7426

Effective date: 20181002

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A821

Effective date: 20181002

A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20210211

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20211215

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20211221

A02 Decision of refusal

Free format text: JAPANESE INTERMEDIATE CODE: A02

Effective date: 20220614