JP3384165B2

JP3384165B2 - 音声認識装置

Info

Publication number: JP3384165B2
Application number: JP01486495A
Authority: JP
Inventors: 照博後藤
Original assignee: Toyota Motor Corp
Current assignee: Toyota Motor Corp
Priority date: 1995-02-01
Filing date: 1995-02-01
Publication date: 2003-03-10
Anticipated expiration: 2018-03-10
Also published as: JPH08211892A

Description

【発明の詳細な説明】【０００１】【産業上の利用分野】本発明は、話者の発声音を言葉と
して認識する音声認識装置、特に誤認識の検出に関す
る。【０００２】【従来の技術】従来より、マンマシンインターフェース
の非常に優れた（操作者にとって負担が少ない）ものと
して、音声認識を利用したものが考えられている。例え
ば、各種の操作を操作者の発声によって指示できれば、
非常に操作性がよい。そこで、従来より、音声認識につ
いての各種の研究がなされ、各種音声認識装置について
の提案もある。【０００３】例えば、自動車などの車両において、オー
ディオ、エアコンディショナー、ナビゲーションシステ
ム等の機器を音声によって制御できれば、非常に便利で
あり、かつ運転者の負担を軽減できる。このためには、
発声音を音声認識装置によい制御のための言葉と認識
し、認識結果に基づいて、機器を制御すればよい。【０００４】しかし、音声認識は、その入力音声が雑音
を含まず、かつ発音明瞭な発音であれば、かなりの精度
で正しい認識が行われるが、走行中の車両では入力音声
がエンジン音等の雑音を含む可能性が高い。特に、アク
セルやブレーキを強く踏み込んだり、ギアチェンジをす
ると、車両内の雑音レベルが大きく変化する可能性が高
い。【０００５】そこで、特開平４ー２４６９６号公報にお
いては、車両のアクセルブレーキなどの運転操作状態を
検出する手段を設け、車両内の雑音が大きく変化すると
考えられる操作を検出した場合に、音声認識装置にこれ
についての信号を送る。そして、この場合には、音声認
識装置への音声信号の入力をキャンセルして誤認識を防
止する。このような装置によって、運転操作に起因する
車内騒音の増加に伴う誤認識を低減することができる。【０００６】【発明が解決しようとする課題】しかし、上記従来の音
声認識装置においては、通常走行時におけるエンジン音
その他の雑音が考慮されていない。音声認識における正
しい認識の確率を上昇するためには、できるだけ多くの
雑音を排除することが望ましい。また、自動車の場合、
音声認識の対象は、運転者の発声である場合が多い。運
転者は、アクセル、ブレーキ、ステアリング操作などの
各種の操作を行っており、その操作状態によっては、十
分明確な発声が行えない場合もある。例えば、発声の途
中で急ブレーキをかけたときなどは、その発声音声は正
しい認識を行えないものである場合が多い。従って、こ
のような場合も考慮して音声認識を行うことが望まれ
る。【０００７】本発明は、上記課題に鑑みなされたもので
あり、雑音や話者の発声状態を考慮してより正しい認識
が行える音声認識装置を提供することを目的とする。【０００８】【課題を解決するための手段】本発明は、話者の発声音
声から音声信号を発生する音声入力部と、前記音声入力
部から入力された音声信号を所定の言葉として認識処理
する認識部と、車両の操作状況を検出して、話者が正常
な発声を行える状態にあるか否かという話者の発声状態
を検出する発声状態検出部と、発声状態検出部における
検出結果に基づき、話者の誤発声レベルを判断する発声
状態判断部と、前記認識部での認識結果における一致度
と前記発声状態判断部における誤発声レベルに基づき認
識部における認識結果についての誤認識の確率を判断す
る認識結果判断部と、を含み、前記認識結果判断部が誤
認識が高いと判断したときにはその時の認識部の出力を
キャンセルすることを特徴とする。【０００９】【００１０】【作用】本発明によれば、認識部において上述の場合と
同様の普通の音声認識を行う。そして、発声状態検出部
において話者の発声の状態を検出する。例えば、高速で
カーブしているときであり、運転者が緊張しているとき
には、声がうわずって、正常なときの音声とは異なる場
合もある。このようなことを発声状態検出部において検
出し、この検出結果に応じて正常な発声が行われないと
判断された場合には、その時に認識部における認識結果
をキャンセルする。【００１１】このようにして、本出願の発明によって、
誤認識の発声を効果的に防止して効率的な音声認識が行
える。【００１２】【実施例】以下、本発明の実施例について、図面に基づ
いて説明する。【００１３】「実施例」図１は、実施例の全体構成を示すブロック図であり、マ
イクロフォン３０には、認識部３２が接続されており、
マイクロフォン３０で収集された音声が音声信号として
認識部３２に供給される。認識部３２には、認識辞書３
４が接続されており、認識部３２は、入力音声を後述の
主認識部１２と同様に音声認識する。そして、認識した
言葉についてのデータとその距離が認識結果として、認
識結果判断部３６に供給される。認識結果判断部３６に
は、発声状態判断部３８が接続されており、認識結果判
断部３６は発声状態判断部３８からの情報に基づき認識
部３２における認識結果の信頼性を判定する。そして、
認識結果判断部３６における判断結果において信頼性が
高いとされた場合には、認識部３２における認識結果を
そのまま出力する。一方、信頼性が低いと判断された場
合には、認識部３２における認識結果を無効として、音
声の再入力を促す。【００１４】そして、本実施例では、発声状態判断部３
８に各種センサからの信号が供給されている。すなわ
ち、ステアリングセンサ４０からの操舵情報、アクセル
センサ４２からのアクセル操作状況についての情報、ク
ラッチセンサ４４からのクラッチ操作状況についての情
報、ブレーキセンサ４６からのブレーキ操作状況につい
ての情報、シフトレバーセンサ４８からのシフトレバー
の操作状況についての情報、コンビスイッチセンサ５０
からのワイパーやウインカーの操作状況についての情
報、シートセンサ５２からのシート位置を移動させてい
るかの情報、車速センサ５４からの車両の速度、加速度
についての情報、心拍センサ５６からの運転者の心拍数
についての情報等が発声状態判断部３８に供給される。
なお、運転者の瞬きの状態なども、運転者の緊張度と関
係があるためこれを検出するとよい。【００１５】発声状態判断部３８は、各種センサから供
給される情報に基づいて、発声者のの状態を判定する。
例えば、急加速、急ブレーキ、急ハンドルなどの運転状
態では、運転者は通常通りの発声はできないと考えられ
る。また、シフトチェンジ時、ウインカー操作時、シー
ト移動操作時、高速走行時、高心拍数時等にも発声が正
常でなくなる確率が高い。発声状態判断部３８は、これ
らの情報に基づいて、発声者が正しく発声したかを判定
する。この判定は、例えば、ファジー推論によったり、
各種センサからの出力状態に応じたマップを予め作成し
ておきこれに基づいて行う。そして、発声状態の判断結
果が認識結果判断部に送られ、認識結果判断部３６が認
識部３２の信頼性を発声状態判断部３８からの情報に基
づいて判定する。すなわち、認識部３２から供給される
認識結果における距離がある程度大きい場合であって、
発声状態がある程度以上正常でない場合には、認識結果
が信頼できないとして、この出力を無効にする。一方、
発声状態が正常であれば、認識結果をそのまま出力す
る。【００１６】また、発声状態によって、声の質が異なる
場合も多い。例えば、緊張している場合には、声が上ず
ることが多い。そこで、このような状態に応じた複数の
辞書を用意しておくことが好適である。すなわち、認識
辞書３４内に、正常状態の時に使用する辞書の他に、緊
張した状態における標準音声についてのデータを記憶す
る辞書を設けておき、発声状態判断部３８の判断結果に
基づき、使用する辞書を切り換えることで、音声認識の
精度を向上することができる。【００１７】さらに、認識が正常に行えなかった場合
に、再度の入力を促し、入力された音声を分析した結果
から１回目の判定結果を評価し、この評価内容を学習し
ていき、認識結果判断部３６の判断に反映させてもよ
い。学習によって、辞書を書き換えることも好適であ
る。【００１８】「関連構成例」図２は、本発明に関連する雑音低減のための構成例の全
体構成を示すブロック図であり、運転者などの発声音声
を電気信号である音声信号に変換するマイクロフォン１
０を音声入力部として有している。マイクロフォン１０
から出力された音声信号は、主認識部１２に入力され
る。この主認識部１２には、認識辞書１４が接続されて
おり、主認識部１２は、認識辞書１４を利用して、入力
される音声信号の音声認識を行う。そして、主認識部１
２は、主認識結果を出力する。一方、音声信号は副認識
部１６にも入力される。この副認識部１６には、リジェ
クト辞書１８が接続されており、副認識部１６はリジェ
クト辞書１８を利用して、入力される音声信号の音声認
識を行う。そして、副認識部１６は、副認識結果を出力
する。【００１９】主認識部１２および副認識部１６は、認識
結果判断部２０が接続されており、この主認識結果およ
び副認識結果はこの認識結果判断部２０に供給される。
そして、認識結果判断部２０は、主、副認識結果から主
認識結果の信頼性を判定し、主認識結果を出力するか否
かを判定する。そして、信頼性が所定以上であった場合
には、主認識結果を出力し、信頼性が所定以下であった
場合には、主認識結果をキャンセルし、音声信号の再度
の入力を求める。【００２０】ここで、主認識部１２における音声認識処
理について説明する。主認識部１２に接続されている認
識辞書１４には、認識の対象となっている言葉（例え
ば、「エアコン」「ラジオ」「オン」「オフ」等の言
葉）についての標準音声についてのデータが記憶されて
いる。このデータの形式としては各種のものが考えられ
るが、例えば、線形予測コーディング（ＬＰＣ）による
係数列（ＬＰＣケプストラム）のように、音声信号の周
波数特性を表す係数群を数値として持つことが好適であ
る。なお、車両の場合、その車両を使用する人間はある
程度限られる場合が多い。そこで、認識辞書１４に記憶
するデータは、その特定人の音声から作成したものにす
るとよい。例えば、使用開始当初に、利用者に認識対象
となっている言葉について発声させ、これに基づいて認
識辞書１４のデータを作成する。また、この場合利用者
は複数でもよい。【００２１】そして、主認識部１２では、入力される音
声信号からＬＰＣケプストラムを得ると共に、得られた
ＬＰＣケプストラムと認識辞書に記憶されている各単語
のＬＰＣケプストラムとの差を距離として算出し、最も
近いものを選択する。そして、選択された言葉について
のデータとその距離を主認識部１２における認識結果と
する。なお、ここで算出される距離は、選択された言葉
と入力音声の一致度が高いほど小さくなる。また、距離
が最短のものでもその距離が所定値以上であった場合に
は、認識不能とするとよい。【００２２】一方、副認識部１６に接続されているリジ
ェクト辞書１８には、「えー」、「あのー」、くしゃみ
の音、ゴットンという音等、マイクロフォン１０から入
力されると考えられる認識辞書１４にない（認識対象で
ない）音についてのデータ（ＬＰＣケプストラム）が記
憶されている。そして、副認識部１６は、入力されてく
る音声信号のＬＰＣケプストラムを算出すると共に、こ
れをリジェクト辞書１８に記憶されているデータとの距
離を演算算出し、最も近いもの選択する。そして、選択
された言葉についてのデータとその距離を主認識部１２
における認識結果とする。なお、入力音声信号について
のＬＰＣケプストラムの算出は、これのための算出部を
設け、算出結果を主認識部１２および副認識部１６に供
給するとよい。【００２３】そして、認識結果判断部２０は、主認識部
１２および副認識部１６から出力される距離を比較し、
副認識部１６において得た距離の方が小さいときには、
主認識部１２における認識結果を無効にする。そして、
スピーカを通じて、再度の発声を促す。一方、主認識部
１２において得た距離の方が小さいときには、主認識部
１２において得た認識結果を採用し、これを出力する。
例えば、認識結果がエアコンをオンする指令であれば、
この認識結果に基づきエアコンをオンする。【００２４】また、副認識部１６において、「えー」、
「あのー」、くしゃみの音等通常の音声に追加されるよ
うな言葉については、入力音声における該当区間を検出
するとよい。そして、追加された言葉について認識でき
たときには、このデータを主認識部１２に伝える。主認
識部１２は、このデータに基づいて、入力音声の中から
のこの区間を除外して、音声認識処理を行う。これによ
って、主認識部１２における音声認識の信頼性を大幅に
上昇することができる。このような処理は、副認識部１
６から主認識部１２に直接信号を供給して行ってもよい
し、認識結果判断部２０が主副認識部１２、１６の認識
結果から判定し、主認識部１２に音声区間の再設定の指
令を送り、主認識部１２が音声区間を再設定して、音声
認識をやり直してもよい。【００２５】【発明の効果】以上説明したように、本発明によれば、
発声状態検出部において、話者の状態を検出し、この検
出結果に応じて正常な発声が行われないと判断された場
合には、その時に認識部における認識結果をキャンセル
する。これによって、誤認識の発声を効果的に防止する
ことができる。

【図面の簡単な説明】【図１】実施例の構成を示すブロック図である。【図２】関連構成例の構成を示すブロック図である。【符号の説明】１０マイクロフォン、１２主認識部、１４認識辞
書、１６副認識部、１８リジェクト辞書、２０認
識結果判断部、３０マイクロフォン、３２認識部、３
４認識辞書、３６認識結果判断部、３８発声状態
判断部。

───────────────────────────────────────────────────── フロントページの続き (51)Int.Cl.⁷ 識別記号ＦＩＧ１０Ｌ 3/00 ５６１Ａ (56)参考文献特開平１−158498（ＪＰ，Ａ) 特開昭61−57996（ＪＰ，Ａ) 特開昭63−132300（ＪＰ，Ａ) 特開昭58−76893（ＪＰ，Ａ) 特開昭63−191198（ＪＰ，Ａ) 特開平３−129400（ＪＰ，Ａ) 特開平２−308299（ＪＰ，Ａ) 特開平５−119792（ＪＰ，Ａ) (58)調査した分野(Int.Cl.⁷，ＤＢ名) G10L 15/00 G10L 15/28

Claims

(57)【特許請求の範囲】【請求項１】話者の発声音声から音声信号を発生する
音声入力部と、前記音声入力部から入力された音声信号を所定の言葉と
して認識処理する認識部と、車両の操作状況を検出して、話者が正常な発声を行える
状態にあるか否かという話者の発声状態を検出する発声
状態検出部と、発声状態検出部における検出結果に基づき、話者の誤発
声レベルを判断する発声状態判断部と、前記認識部での認識結果における一致度と前記発声状態
判断部における誤発声レベルに基づき認識部における認
識結果についての誤認識の確率を判断する認識結果判断
部と、を含み、前記認識結果判断部が誤認識が高いと判断したときには
その時の認識部の出力をキャンセルすることを特徴とす
る音声認識装置。