JP3581648B2 - 音声認識システム、情報処理装置及びそれらの制御方法、プログラム - Google Patents
音声認識システム、情報処理装置及びそれらの制御方法、プログラム Download PDFInfo
- Publication number
- JP3581648B2 JP3581648B2 JP2000360203A JP2000360203A JP3581648B2 JP 3581648 B2 JP3581648 B2 JP 3581648B2 JP 2000360203 A JP2000360203 A JP 2000360203A JP 2000360203 A JP2000360203 A JP 2000360203A JP 3581648 B2 JP3581648 B2 JP 3581648B2
- Authority
- JP
- Japan
- Prior art keywords
- voice
- input
- recognition
- server
- client
- 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.)
- Expired - Fee Related
Links
- 238000000034 method Methods 0.000 title claims description 47
- 230000010365 information processing Effects 0.000 title claims description 44
- 230000005540 biological transmission Effects 0.000 claims description 25
- 230000006870 function Effects 0.000 claims description 16
- 238000010586 diagram Methods 0.000 description 9
- 230000004044 response Effects 0.000 description 2
- KNMAVSAGTYIFJF-UHFFFAOYSA-N 1-[2-[(2-hydroxy-3-phenoxypropyl)amino]ethylamino]-3-phenoxypropan-2-ol;dihydrochloride Chemical compound Cl.Cl.C=1C=CC=CC=1OCC(O)CNCCNCC(O)COC1=CC=CC=C1 KNMAVSAGTYIFJF-UHFFFAOYSA-N 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
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
- G10L15/28—Constructional details of speech recognition systems
- G10L15/30—Distributed recognition, e.g. in client-server systems, for mobile phones or network applications
-
- 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
- G10L15/06—Creation of reference templates; Training of speech recognition systems, e.g. adaptation to the characteristics of the speaker's voice
Landscapes
- Engineering & Computer Science (AREA)
- Acoustics & Sound (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- Multimedia (AREA)
- Artificial Intelligence (AREA)
- Computer And Data Communications (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Telephonic Communication Services (AREA)
- User Interface Of Digital Computer (AREA)
Description
【０００１】
【発明の属する技術分野】
本発明は、複数種類の入力フォームからなる入力フォームに情報を入力するために、クライアントで入力された音声をサーバで認識するクライアント・サーバ型の音声認識システム、そのシステムを構成する情報処理装置及びそれらの制御方法、コンピュータ可読メモリに関するものである。
【０００２】
【従来の技術】
近年、キーボードやマウス等に加えて、音声が入力インタフェースとして用いられるようになってきた。
【０００３】
しかし、入力された音声を認識する音声認識では、音声認識の対象となる認識語彙が多くなる程、認識率が低下し、また、処理時間を必要とする。そのため、音声認識の対象となる認識語彙（例えば、読みと表記）を登録した認識辞書を複数持ち、入力対象や状況に応じて、認識辞書を切り換える（複数の認識辞書を同時に使用する場合もある）方法がとられている。
【０００４】
また、登録されていない語彙は認識することができないといった問題がある。この問題を解決する方法の一つに、ユーザ辞書（ユーザが音声認識の対象となる認識語彙を登録したもの）を用いる方法がある。
【０００５】
一方、リソースの小さい端末上で、音声認識を実現するために、クライアント・サーバ型の音声認識システムが研究されている。
【０００６】
【発明が解決しようとする課題】
上記の３つの技術は、既知であるが、これらの３つの技術を組み合わせたシステムは、現在のところ実現されていない。
【０００７】
本発明は上記の課題を解決するためになされたものであり、クライアント・サーバ型の音声認識システムにおいて、ユーザからの要求に応じて、ユーザ辞書を使用することにより、音声入力の効率を向上し、システム全体の処理負荷を低減することができる音声認識システム、情報処理装置及びそれらの制御方法、コンピュータ可読メモリ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】
上記の目的を達成するための本発明による音声認識システムは以下の構成を備える。即ち、
複数種類の入力フォームからなる入力フォームに情報を入力するために、クライアントで入力された音声をサーバで認識するクライアント・サーバ型の音声認識システムであって、
前記クライアントは、
音声入力部から入力された音声を受信する音声受信手段と、
前記音声の入力先となる前記入力フォームの種類を示す入力フォーム識別情報と、ユーザによって指定された認識対象語彙とその認識対象語彙に対する前記入力フォーム識別情報を対応づけて保持するユーザ辞書と、該音声を前記サーバへ送信する送信手段とを備え、
前記サーバは、
前記音声に対する前記入力フォーム識別情報と、前記ユーザ辞書と、該音声を前記クライアントから受信する受信手段と、
前記音声に対する前記入力フォーム識別情報に対応する認識対象語彙を、前記ユーザ辞書中の認識対象語彙から選択し、その選択した認識対象語彙を用いて、該音声を認識する音声認識手段と、
前記音声認識手段で認識した音声認識結果を前記クライアントに送信する送信手段と
を備える。
また、好ましくは、
前記サーバは、
複数種類の認識辞書を保持する保持手段を更に備え、
前記音声認識手段は、前記複数種類の認識辞書それぞれに対応する前記入力フォーム識別情報の対応を管理するテーブルを参照して、前記音声に対する前記入力フォーム識別情報に対応する認識辞書を前記保持手段から選択し、その選択した認識辞書と、前記選択した認識対象語彙を用いて、該音声を認識する。
【０００９】
上記の目的を達成するための本発明による情報処理装置は以下の構成を備える。即ち、
複数種類の入力フォームからなる入力フォームに情報を入力するために、クライアントで入力された音声をサーバで認識するクライアント・サーバ型の音声認識システムにおける前記クライアントとして機能する情報処理装置であって、
音声入力部から入力された音声を受信する音声受信手段と、
前記音声の入力先となる前記入力フォームの種類を示す入力フォーム識別情報と、ユーザによって指定された認識対象語彙とその認識対象語彙に対する前記入力フォーム識別情報を対応づけて保持するユーザ辞書と、該音声を前記サーバへ送信する送信手段と、
前記音声に対する前記入力フォーム識別情報に対応する、前記ユーザ辞書中の選択された認識対象語彙を用いて、前記サーバによって認識された該音声の音声認識結果を該サーバから受信する受信手段と
を備える。
【００１０】
上記の目的を達成するための本発明による情報処理装置は以下の構成を備える。即ち、
複数種類の入力フォームからなる入力フォームに情報を入力するために、クライアントで入力された音声をサーバで認識するクライアント・サーバ型の音声認識システムにおける前記サーバとして機能する情報処理装置であって、
前記クライアントで入力された音声の入力先となる前記入力フォームの種類を示す入力フォーム識別情報と、ユーザによって指定された認識対象語彙とその認識対象語彙に対する前記入力フォーム識別情報を対応づけて保持するユーザ辞書と、該音声を該クライアントから受信する受信手段と、
前記音声に対する前記入力フォーム識別情報に対応する認識対象語彙を、前記ユーザ辞書中の認識対象語彙から選択し、その選択した認識対象語彙を用いて、該音声を認識する音声認識手段と、
前記音声認識手段で認識した音声認識結果を前記クライアントに送信する送信手段と
を備える。
【００１１】
上記の目的を達成するための本発明による音声認識システムは以下の構成を備える。即ち、
複数種類の入力フォームからなる入力フォームに情報を入力するために、クライアントで入力された音声をサーバで認識するクライアント・サーバ型の音声認識システムであって、
前記クライアントは、
音声入力部から入力された音声を受信する音声受信手段と、
前記音声の入力先となる前記入力フォームの種類を示す入力フォーム識別情報と、ユーザによって指定された認識対象語彙とその認識対象語彙に対する前記サーバが保持する認識辞書の種類を示す認識辞書識別情報を対応づけて保持するユーザ辞書と、該音声を前記サーバへ送信する送信手段とを備え、
前記サーバは、
複数種類の認識辞書を保持する保持手段と、
前記音声に対する前記入力フォーム識別情報と、前記ユーザ辞書と、該音声を前記クライアントから受信する受信手段と、
前記音声に対する前記入力フォーム識別情報に対応する認識辞書を前記保持手段から選択し、また、前記音声に対する前記入力フォーム識別情報に対応する認識対象語彙を、前記ユーザ辞書中の認識対象語彙から選択し、それらの選択した認識辞書及び認識対象語彙を用いて、該音声を認識する音声認識手段と、
前記音声認識手段で認識した音声認識結果を前記クライアントに送信する送信手段と
を備える。
【００１２】
上記の目的を達成するための本発明による情報処理装置は以下の構成を備える。即ち、
複数種類の入力フォームからなる入力フォームに情報を入力するために、クライアントで入力された音声をサーバで認識するクライアント・サーバ型の音声認識システムにおける前記クライアントとして機能する情報処理装置であって、
音声入力部から入力された音声を受信する音声受信手段と、
前記音声の入力先となる前記入力フォームの種類を示す入力フォーム識別情報と、ユーザによって指定された認識対象語彙とその認識対象語彙に対する前記サーバが保持する認識辞書の種類を示す認識辞書識別情報を対応づけて保持するユーザ辞書と、該音声を前記サーバへ送信する送信手段と、
前記音声に対する前記入力フォーム識別情報に対応する認識辞書と、また、前記音声に対する前記入力フォーム識別情報に対応する、前記ユーザ辞書中の選択された認識対象語彙を用いて、前記サーバによって認識された該音声の音声認識結果を該サーバから受信する受信手段と
を備える。
【００１３】
上記の目的を達成するための本発明による情報処理装置は以下の構成を備える。即ち、
複数種類の入力フォームからなる入力フォームに情報を入力するために、クライアントで入力された音声をサーバで認識するクライアント・サーバ型の音声認識システムにおける前記サーバとして機能する情報処理装置であって、
複数種類の認識辞書を保持する保持手段と、
前記クライアントで入力された音声の入力先となる前記入力フォームの種類を示す入力フォーム識別情報と、ユーザによって指定された認識対象語彙とその認識対象語彙に対する認識辞書の種類を示す認識辞書識別情報を保持するユーザ辞書と、該音声を該クライアントから受信する受信手段と、
前記音声に対する前記入力フォーム識別情報に対応する認識辞書を前記保持手段から選択し、また、前記音声に対する前記入力フォーム識別情報に対応する認識対象語彙を、前記ユーザ辞書中の認識対象語彙から選択し、それらの選択した認識辞書及び認識対象語彙を用いて、該音声を認識する音声認識手段と、
前記音声認識手段で認識した音声認識結果を前記クライアントに送信する送信手段と
を備える。
【００１４】
上記の目的を達成するための本発明による音声認識システムの制御方法は以下の構成を備える。即ち、
複数種類の入力フォームからなる入力フォームに情報を入力するために、クライアントで入力された音声をサーバで認識するクライアント・サーバ型の音声認識システムの制御方法であって、
音声入力部から入力された音声を受信する音声受信工程と、
前記音声の入力先となる前記入力フォームの種類を示す入力フォーム識別情報と、ユーザによって指定された認識対象語彙とその認識対象語彙に対する前記入力フォーム識別情報を対応づけて保持するユーザ辞書と、該音声を前記サーバへ送信する第１送信工程と、
前記音声に対する前記入力フォーム識別情報に対応する認識対象語彙を、前記ユーザ辞書中の認識対象語彙から選択し、その選択した認識対象語彙を用いて、該音声を前記サーバで認識する音声認識工程と、
前記音声認識工程で認識した音声認識結果を前記クライアントに送信する第２送信工程と
を備える。
上記の目的を達成するための本発明による情報処理装置の制御方法は以下の構成を備える。即ち、
複数種類の入力フォームからなる入力フォームに情報を入力するために、クライアントで入力された音声をサーバで認識するクライアント・サーバ型の音声認識システムにおける前記クライアントとして機能する情報処理装置の制御方法であって、
音声入力部から入力された音声を受信する音声受信工程と、
前記音声の入力先となる前記入力フォームの種類を示す入力フォーム識別情報と、ユーザによって指定された認識対象語彙とその認識対象語彙に対する前記入力フォーム識別情報を対応づけて保持するユーザ辞書と、該音声を前記サーバへ送信する送信工程と、
前記音声に対する前記入力フォーム識別情報に対応する、前記ユーザ辞書中の選択された認識対象語彙を用いて、前記サーバによって認識された該音声の音声認識結果を該サーバから受信する受信工程と
を備える。
上記の目的を達成するための本発明による情報処理装置の制御方法は以下の構成を備える。即ち、
複数種類の入力フォームからなる入力フォームに情報を入力するために、クライアントで入力された音声をサーバで認識するクライアント・サーバ型の音声認識システムにおける前記サーバとして機能する情報処理装置の制御方法であって、
前記クライアントで入力された音声の入力先となる前記入力フォームの種類を示す入力フォーム識別情報と、ユーザによって指定された認識対象語彙とその認識対象語彙に対する前記入力フォーム識別情報を対応づけて保持するユーザ辞書と、該音声を該クライアントから受信する受信工程と、
前記音声に対する前記入力フォーム識別情報に対応する認識対象語彙を、前記ユーザ辞書中の認識対象語彙から選択し、その選択した認識対象語彙を用いて、該音声を認識する音声認識工程と、
前記音声認識工程で認識した音声認識結果を前記クライアントに送信する送信工程と
を備える。
上記の目的を達成するための本発明による音声認識システムの制御方法は以下の構成を備える。即ち、
複数種類の入力フォームからなる入力フォームに情報を入力するために、クライアントで入力された音声をサーバで認識するクライアント・サーバ型の音声認識システムの制御方法であって、
音声入力部から入力された音声を受信する音声受信工程と、
前記音声の入力先となる前記入力フォームの種類を示す入力フォーム識別情報と、ユー ザによって指定された認識対象語彙とその認識対象語彙に対する前記サーバが保持する認識辞書の種類を示す認識辞書識別情報を対応づけて保持するユーザ辞書と、該音声を前記サーバへ送信する第１送信工程と
前記音声に対する前記入力フォーム識別情報に対応する認識辞書を選択し、また、前記音声に対する前記入力フォーム識別情報に対応する認識対象語彙を、前記ユーザ辞書中の認識対象語彙から選択し、それらの選択した認識辞書及び認識対象語彙を用いて、該音声を前記サーバで認識する音声認識工程と、
前記音声認識工程で認識した音声認識結果を前記クライアントに送信する第２送信工程と
を備える。
上記の目的を達成するための本発明による情報処理装置の制御方法は以下の構成を備える。即ち、
複数種類の入力フォームからなる入力フォームに情報を入力するために、クライアントで入力された音声をサーバで認識するクライアント・サーバ型の音声認識システムにおける前記クライアントとして機能する情報処理装置の制御方法であって、
音声入力部から入力された音声を受信する音声受信工程と、
前記音声の入力先となる前記入力フォームの種類を示す入力フォーム識別情報と、ユーザによって指定された認識対象語彙とその認識対象語彙に対する前記サーバが保持する認識辞書の種類を示す認識辞書識別情報を対応づけて保持するユーザ辞書と、該音声を前記サーバへ送信する送信工程と、
前記音声に対する前記入力フォーム識別情報に対応する認識辞書と、また、前記音声に対する前記入力フォーム識別情報に対応する、前記ユーザ辞書中の選択された認識対象語彙を用いて、前記サーバによって認識された該音声の音声認識結果を該サーバから受信する受信工程と
を備える。
上記の目的を達成するための本発明による情報処理装置の制御方法は以下の構成を備える。即ち、
複数種類の入力フォームからなる入力フォームに情報を入力するために、クライアントで入力された音声をサーバで認識するクライアント・サーバ型の音声認識システムにおける前記サーバとして機能する情報処理装置の制御方法であって、
複数種類の認識辞書を保持する保持工程と、
前記クライアントで入力された音声の入力先となる前記入力フォームの種類を示す入力フォーム識別情報と、ユーザによって指定された認識対象語彙とその認識対象語彙に対する認識辞書の種類を示す認識辞書識別情報を保持するユーザ辞書と、該音声を該クライアントから受信する受信工程と、
前記音声に対する前記入力フォーム識別情報に対応する認識辞書を前記保持工程から選択し、また、前記音声に対する前記入力フォーム識別情報に対応する認識対象語彙を、前記ユーザ辞書中の認識対象語彙から選択し、それらの選択した認識辞書及び認識対象語彙を用いて、該音声を認識する音声認識工程と、
前記音声認識工程で認識した音声認識結果を前記クライアントに送信する送信工程と
を備える。
【００１５】
上記の目的を達成するための本発明によるコンピュータ可読メモリは以下の構成を備える。即ち、
複数種類の入力フォームからなる入力フォームに情報を入力するために、クライアントで入力された音声をサーバで認識するクライアント・サーバ型の音声認識システムの制御のプログラムコードが格納されたコンピュータ可読メモリであって、
音声入力部から入力された音声を受信する音声受信工程のプログラムコードと、
前記音声の入力先となる前記入力フォームの種類を示す入力フォーム識別情報と、ユーザによって指定された認識対象語彙とその認識対象語彙に対する前記入力フォーム識別情報を対応づけて保持するユーザ辞書と、該音声を前記サーバへ送信する第１送信工程のプログラムコードと、
前記音声に対する前記入力フォーム識別情報に対応する認識対象語彙を、前記ユーザ辞書中の認識対象語彙から選択し、その選択した認識対象語彙を用いて、該音声を前記サーバで認識する音声認識工程のプログラムコードと、
前記音声認識工程で認識した音声認識結果を前記クライアントに送信する第２送信工程のプログラムコードと
を備える。
上記の目的を達成するための本発明によるコンピュータ可読メモリは以下の構成を備える。即ち、
複数種類の入力フォームからなる入力フォームに情報を入力するために、クライアントで入力された音声をサーバで認識するクライアント・サーバ型の音声認識システムにおける前記クライアントとして機能する情報処理装置の制御のプログラムコードが格納されたコンピュータ可読メモリであって、
音声入力部から入力された音声を受信する音声受信工程のプログラムコードと、
前記音声の入力先となる前記入力フォームの種類を示す入力フォーム識別情報と、ユーザによって指定された認識対象語彙とその認識対象語彙に対する前記入力フォーム識別情報を対応づけて保持するユーザ辞書と、該音声を前記サーバへ送信する送信工程のプログラムコードと、
前記音声に対する前記入力フォーム識別情報に対応する、前記ユーザ辞書中の選択された認識対象語彙を用いて、前記サーバによって認識された該音声の音声認識結果を該サーバから受信する受信工程のプログラムコードと
を備える。
上記の目的を達成するための本発明によるコンピュータ可読メモリは以下の構成を備える。即ち、
複数種類の入力フォームからなる入力フォームに情報を入力するために、クライアントで入力された音声をサーバで認識するクライアント・サーバ型の音声認識システムにおける前記サーバとして機能する情報処理装置の制御のプログラムコードが格納されたコンピュータ可読メモリであって、
前記クライアントで入力された音声の入力先となる前記入力フォームの種類を示す入力フォーム識別情報と、ユーザによって指定された認識対象語彙とその認識対象語彙に対する前記入力フォーム識別情報を対応づけて保持するユーザ辞書と、該音声を該クライアントから受信する受信工程のプログラムコードと、
前記音声に対する前記入力フォーム識別情報に対応する認識対象語彙を、前記ユーザ辞書中の認識対象語彙から選択し、その選択した認識対象語彙を用いて、該音声を認識する音声認識工程のプログラムコードと、
前記音声認識工程で認識した音声認識結果を前記クライアントに送信する送信工程のプログラムコードと
を備える。
上記の目的を達成するための本発明によるコンピュータ可読メモリは以下の構成を備える。即ち、
複数種類の入力フォームからなる入力フォームに情報を入力するために、クライアントで入力された音声をサーバで認識するクライアント・サーバ型の音声認識システムの制御のプログラムコードが格納されたコンピュータ可読メモリであって、
音声入力部から入力された音声を受信する音声受信工程のプログラムコードと、
前記音声の入力先となる前記入力フォームの種類を示す入力フォーム識別情報と、ユーザによって指定された認識対象語彙とその認識対象語彙に対する前記サーバが保持する認識辞書の種類を示す認識辞書識別情報を対応づけて保持するユーザ辞書と、該音声を前記サーバへ送信する第１送信工程のプログラムコードと
前記音声に対する前記入力フォーム識別情報に対応する認識辞書を選択し、また、前記音声に対する前記入力フォーム識別情報に対応する認識対象語彙を、前記ユーザ辞書中の認識対象語彙から選択し、それらの選択した認識辞書及び認識対象語彙を用いて、該音声を前記サーバで認識する音声認識工程のプログラムコードと、
前記音声認識工程で認識した音声認識結果を前記クライアントに送信する第２送信工程のプログラムコードと
を備える。
上記の目的を達成するための本発明によるコンピュータ可読メモリは以下の構成を備える。即ち、
複数種類の入力フォームからなる入力フォームに情報を入力するために、クライアントで入力された音声をサーバで認識するクライアント・サーバ型の音声認識システムにおける前記クライアントとして機能する情報処理装置の制御のプログラムコードが格納されたコンピュータ可読メモリであって、
音声入力部から入力された音声を受信する音声受信工程のプログラムコードと、
前記音声の入力先となる前記入力フォームの種類を示す入力フォーム識別情報と、ユーザによって指定された認識対象語彙とその認識対象語彙に対する前記サーバが保持する認識辞書の種類を示す認識辞書識別情報を対応づけて保持するユーザ辞書と、該音声を前記サーバへ送信する送信工程のプログラムコードと、
前記音声に対する前記入力フォーム識別情報に対応する認識辞書と、また、前記音声に対する前記入力フォーム識別情報に対応する、前記ユーザ辞書中の選択された認識対象語彙を用いて、前記サーバによって認識された該音声の音声認識結果を該サーバから受信する受信工程のプログラムコードと
を備える。
上記の目的を達成するための本発明によるコンピュータ可読メモリは以下の構成を備える。即ち、
複数種類の入力フォームからなる入力フォームに情報を入力するために、クライアントで入力された音声をサーバで認識するクライアント・サーバ型の音声認識システムにおける前記サーバとして機能する情報処理装置の制御のプログラムコードが格納されたコンピュータ可読メモリであって、
複数種類の認識辞書を保持する保持工程のプログラムコードと、
前記クライアントで入力された音声の入力先となる前記入力フォームの種類を示す入力フォーム識別情報と、ユーザによって指定された認識対象語彙とその認識対象語彙に対する認識辞書の種類を示す認識辞書識別情報を保持するユーザ辞書と、該音声を該クライアントから受信する受信工程のプログラムコードと、
前記音声に対する前記入力フォーム識別情報に対応する認識辞書を前記保持工程から選択し、また、前記音声に対する前記入力フォーム識別情報に対応する認識対象語彙を、前記ユーザ辞書中の認識対象語彙から選択し、それらの選択した認識辞書及び認識対象語彙を用いて、該音声を認識する音声認識工程のプログラムコードと、
前記音声認識工程で認識した音声認識結果を前記クライアントに送信する送信工程のプログラムコードと
を備える。
【００１６】
【発明の実施の形態】
以下、図面を参照して本発明の好適な実施形態を詳細に説明する。
［実施形態１］
図１は実施形態１の音声認識システムのハードウェア構成を示す図である。
【００１７】
ＣＰＵ１０１は、クライアント１００全体を統括制御するものであり、ＲＯＭ１０２に格納されているプログラムをＲＡＭ１０３に読み出し、その読み出したプログラムに基づいて、各種処理動作を実行する。ＲＯＭ１０２は、ＣＰＵ１０１で実行する処理の各種プログラムを格納している。ＲＡＭ１０３は、ＲＯＭ１０２に格納されている各種プログラムの実行に必要な記憶領域を提供する。
【００１８】
二次記憶装置１０４は、ＯＳや各種プログラムを格納している。但し、クライアント１００をパーソナルコンピュータ等の汎用装置ではなく、専用装置で構成する場合には、ＲＯＭ１０２内にＯＳや各種プログラムを格納しても構わない。この格納されたプログラムをＲＡＭ１０３に読み出すことによって、ＣＰＵ１０１が処理を実行することが可能である。また、二次記憶装置１０４としては、ハードディスク装置、フロッピーディスクドライブ、ＣＤ−ＲＯＭ等がある。つまり、記憶媒体は如何なるものであっても構わない。
【００１９】
ネットワークＩ／Ｆ（インタフェース）１０５は、サーバ２００のネットワークＩ／Ｆ２０５と接続される。
【００２０】
入力装置１０６は、マウスやキーボード、マイク等で構成され、ＣＰＵ１０１で実行される処理の各種指示の入力を可能とし、これら複数の機器を同時に接続して使用できる。出力装置１０７は、ディスプレイ（ＣＲＴやＬＣＤ等）で構成され、入力装置１０６より入力された情報や、ＣＰＵ１０１で実行される各種処理で制御される表示画面を表示する。バス１０８は、クライアント１００の各種構成要素を相互に接続する。
【００２１】
ＣＰＵ２０１は、サーバ２００全体を統括制御するものであり、ＲＯＭ２０２に格納されているプログラムをＲＡＭ２０３に読み出し、その読み出したプログラムに基づいて、各種処理動作を実行する。ＲＯＭ２０２は、ＣＰＵ２０１で実行する処理の各種プログラムを格納している。ＲＡＭ２０３は、ＲＯＭ２０２に格納されている各種プログラムの実行に必要な記憶領域を提供する。
【００２２】
二次記憶装置２０４は、ＯＳや各種プログラムを格納している。但し、サーバ２００が、パーソナルコンピュータ等の汎用装置ではなく、専用装置で構成する場合には、ＲＯＭ２０２内にＯＳや各種プログラムを格納しても構わない。この格納されたプログラムをＲＡＭ２０３に読み出すことによってＣＰＵ２０１が処理を実行することが可能である。また、二次記憶装置２０４としては、ハードディスク装置、フロッピーディスクドライブ、ＣＤ−ＲＯＭ等がある。つまり、記憶媒体は如何なるものであっても構わない。
【００２３】
ネットワークＩ／Ｆ２０５は、クライアント１００のネットワークＩ／Ｆ１０５と接続される。バス１０６は、サーバ２００の各種構成要素を相互に接続する。
【００２４】
次に、実施形態１の音声認識システムの機能構成について、図２を用いて説明する。
【００２５】
図２は実施形態１の音声認識システムの機能構成を示すブロック図である。
【００２６】
音声入力部１２１は、マイク（入力装置１０６）からユーザが発生した音声を入力し、その入力された音声認識対象の音声データ（音声認識用データ）のＡ／Ｄ変換を行う。通信部１２２は、ユーザ辞書１２４ａ、音声認識用データ１２４ｂ、辞書管理情報１２４ｃ等をサーバ２００に送信し、送信した音声認識用データ１２４ｂに対する音声認識結果等をサーバ２００から受信する。
【００２７】
通信部２２１は、ユーザ辞書１２４ａ、音声認識用データ１２４ｂ、辞書管理情報１２４ｃ等をクライアント１００から受信し、受信した音声認識用データ１２４ｂに対する音声認識結果等をクライアント１００に送信する。
【００２８】
表示部１２３は、サーバ２００から受信した音声認識結果を、例えば、出力装置１０８で表示される本音声認識システムで実行される処理によって表示される表示画面上の入力フォーム等に格納して表示する。
【００２９】
辞書管理部２２３は、入力対象や状況等に応じて、音声認識に使用する認識分野別（例えば、名前用、住所用、英数字記号用等）に用意された複数種類の認識辞書群２２５（認識辞書１〜認識辞書Ｎ、Ｎ：正の整数）及びクライアント１００から受信したユーザ辞書１２４ａ）を切り換えて、選択する（複数種類の辞書を同時に使用する場合もある）。
【００３０】
尚、この複数種類の認識辞書群２２５は、後述するクライアント１００から送信されてくる辞書管理情報１２４ｃ（入力フォーム識別子）毎に用意されており、各認識辞書２２５にはその認識辞書の認識分野を示す認識辞書識別子が付与されており、辞書管理部２２３は、この認識辞書識別子と入力フォーム識別子を対応づけた、図５に示すような識別子テーブル２２３ａを管理している。
【００３１】
音声認識部２２４は、クライアント１００から受信した音声認識用データ１２４ｂ、辞書管理情報１２４ｃに基づいて辞書管理部２２３が音声認識用に指定する認識辞書２２５、ユーザ辞書１２４ａを使用して音声認識を行う。
【００３２】
尚、ユーザ辞書１２４ａは、ユーザが音声認識の対象となる認識語彙を登録したものであり、実施形態１の場合、例えば、図３に示すように、認識対象語彙の読みと表記を対応づけて構成される。
【００３３】
また、音声認識用データ１２４ｂは、音声入力部１２１においてＡ／Ｄ変換された音声データであっても良いし、その音声データを符号化したデータであっても良い。
【００３４】
また、辞書管理情報１２４ｃは、入力対象等を示す情報である。この辞書管理情報１２４ｃは、例えば、図４に示す実施形態１の音声認識システムで表示される音声入力用画面を構成する各入力フォームに、入力された音声をサーバ２００が音声認識し、その音声認識結果に対応するテキストデータを入力する場合において、図５に示すような、入力フォームの種類を示す識別子（入力フォーム識別子）である。そして、クライアント１００は、この入力フォーム識別子を辞書管理情報１２４ｃとしてサーバ２００に送信し、サーバ２００では、辞書管理部２２３において、識別子テーブル２２３ａを参照して、受信した入力フォーム識別子に対応する認識辞書識別子を取得し、音声認識に使用する認識辞書２２５を決定する。
【００３５】
次に、実施形態１の音声認識システムで実行される処理について、図６を用いて説明する。
【００３６】
図６は実施形態１の音声認識システムで実行される処理を示すフローチャートである。
【００３７】
ステップＳ１０１では、クライアント１００は、ユーザ辞書１２４ａをサーバ２００に送信する。
【００３８】
ステップＳ２０１では、サーバ２００は、ユーザ辞書１２４ａをクライアント１００から受信する。
【００３９】
ステップＳ１０２では、クライアント１００は、音声入力対象の入力フォームに音声入力が行われた場合に、その入力フォームの入力フォーム識別子を辞書管理情報１２４ｃとして、サーバ２００に送信する。
【００４０】
ステップＳ２０２では、サーバ２００は、辞書管理情報１２４ｃとして、入力フォーム識別子をクライアント１００から受信する。
【００４１】
ステップＳ２０３では、サーバ２００は、辞書管理情報１２４ｃで識別テーブル２２３ａを参照して、受信した入力フォーム識別子に対応する認識辞書識別子を取得し、音声認識に使用する認識辞書２２５を決定する。
【００４２】
ステップＳ１０３では、クライアント１００は、各入力フォームに入力するテキストデータとして音声入力された音声認識用データ１２４ｂをサーバ２００に送信する。
【００４３】
ステップＳ２０４では、サーバ２００は、各入力フォームに対応する音声認識用データ１２４ｂをクライアント１００から受信する。
【００４４】
ステップＳ２０５では、サーバ２００は、音声認識用データ１２４ｂに対し、辞書管理部２２３で音声認識用に指定された認識辞書２２５、ユーザ辞書１２４を用いて、音声認識部２２４で音声認識を行う。
【００４５】
尚、実施形態１では、音声認識部２２４による音声認識の際には必ず、クライアント１００からサーバ２００に送信されたユーザ辞書１２４ａ中の認識語彙を全て、認識対象語彙としている。
【００４６】
ステップＳ２０６では、サーバ２００は、音声認識部２２４から得られる音声認識結果をクライアント１００に送信する。
【００４７】
ステップＳ１０４では、クライアント１００は、各入力フォームに対する音声認識結果をサーバ２００から受信し、それぞれ対応する入力フォームに音声認識結果に対応するテキストデータを格納する。
【００４８】
ステップＳ１０５では、クライアント１００は、処理を終了するか否かを判定する。処理を終了しない場合（ステップＳ１０５でＮＯ）、ステップＳ１０２に戻り、処理を繰り返す。一方、処理を終了する場合（ステップＳ１０５でＹＥＳ）、サーバ２００に処理を終了する旨を通知し、処理を終了する。
【００４９】
ステップＳ２０７では、サーバ２００は、クライアント１００から処理の終了の指示があるか否かを判定する。処理の指示がない場合（ステップＳ２０７でＮＯ）、ステップＳ２０２に戻り、処理を繰り返す。一方、処理の終了の指示がある場合（ステップＳ２０７でＹＥＳ）、処理を終了する。
【００５０】
尚、上記処理では、音声入力対象の入力フォームに対する音声入力が行われた時に、その入力フォームに対応する辞書管理情報１２４ｃをクライアント１００からサーバ２００へ送信する構成としたが、音声入力対象の入力フォームが、入力装置１０６の指示によってフォーカス（音声入力対象の入力フォームが確定）された時に、送信するように構成しても良い。
【００５１】
また、サーバ２００では、音声認識用データ１２４ｂを全て受信してから音声認識を行う構成としたが、ある入力フォームに入力するテキストデータとして音声入力が行われる毎に、その音声認識用データ１２４ｂを逐次サーバ２００に送信し、リアルタイムで音声認識を行うように構成しても良い。
【００５２】
以上説明したように、実施形態１によれば、クライアント・サーバ型の音声認識システムにおいて、音声認識用データ１２４ｂの音声認識に用いる適切な認識辞書２２５とユーザ辞書１２４ａを併用して、サーバ２００において音声認識を実行することで、クライアント１００の音声認識に関わる処理負荷、記憶資源の使用を低減し、かつサーバ２００における音声認識精度を向上することができる。
［実施形態２］
尚、実施形態１において、ユーザ辞書１２４ａ中の認識語彙が発生しない場合には、ユーザ辞書１２４ａを使用する必要がないため、サーバ２００は、クライアント１００からユーザ辞書１２４ａを使用するという要求がある場合にのみ、ユーザ辞書１２４ａ中の認識語彙を全て認識対象語彙としても良い。
【００５３】
この場合は、例えば、辞書管理情報１２４ｃとして、ユーザ辞書１２４ａの使用の有無を示すフラグを追加することで、ユーザ辞書１２４ａの使用の有無をサーバ２００に通知する。
［実施形態３］
また、入力対象や状況等によって、ユーザ辞書１２４ａ中の認識対象語彙中に使用しない語彙があるため、入力対象や状況に応じて、ユーザ辞書１２４ａ中の特定の認識語彙のみを認識対象語彙としても良い。
【００５４】
この場合は、例えば、図７に示すように、認識語彙ごとに、入力フォーム識別子を指定して管理することにより、音声入力された入力フォームの入力フォーム識別子を持つ認識語彙のみを、認識対象語彙とすることができる。また、ある認識語彙に対して複数の入力フォーム識別子を指定しても良い。加えて、図８に示すように、入力フォーム識別子の代わりに、認識辞書識別子を指定して管理しても良い。
［実施形態４］
実施形態２と実施形態３を組み合わせることにより、音声認識部４による音声認識処理の更なる効率化を図ることができる。
［実施形態５］
本装置は、上記の処理のほとんどがプログラムによって実現できる。先に説明したように、装置としては、パーソナルコンピュータ等の汎用装置で良いわけであるから、本発明は、前述した実施形態の機能を実現するソフトウェアのプログラムコードを記録した記録媒体をシステムあるいは装置に供給し、そのシステムあるいは装置のコンピュータが記憶媒体に格納されたプログラムコードを読み出し実行することによっても実現はできるのはもちろんである。この場合、記憶媒体から読み出されたプログラムコード自体が、前述した実施形態の機能を実現することになり、そのプログラムコードを記憶した記憶媒体は本発明を構成することになる。プログラムコードを供給するための記憶媒体としては、フロッピーディスク、ハードディスク、光ディスク、光磁気ディスク、ＣＤ−ＲＯＭ、磁気テープ、不揮発性のメモリカード、ＲＯＭ等を用いることができる。
【００５５】
また、本発明は、前述したプログラムコードを記録した記録媒体をコンピュータに供給し、そのコンピュータ上で稼動しているＯＳ等が実際の処理の一部または全部を行い、その処理によって前述した実施形態の機能が実現されていることによっても達成できる。さらに、記憶媒体から読み出されたプログラムコードが、コンピュータによって挿入された機能拡張ボードや機能拡張ユニットに備わるメモリに書き込まれた後、機能拡張ボードや機能拡張ユニットに備わるＣＰＵ等がプログラムコードの指示に基づいて実際の処理の一部または全部を行い、その処理によって前述した実施形態の機能が実現される。本発明を上記記憶媒体に適用する場合、その記憶媒体には前述の図３のフローチャートに対応するプログラムコードを格納することになる。
【００５６】
【発明の効果】
以上説明したように、本発明によれば、クライアント・サーバ型の音声認識システムにおいて、ユーザからの要求に応じて、ユーザ辞書を使用することにより、音声入力の効率を向上し、システム全体の処理負荷を低減することができる音声認識システム、情報処理装置及びそれらの制御方法、コンピュータ可読メモリを提供できる。
【図面の簡単な説明】
【図１】実施形態１の音声認識システムのハードウェア構成を示す図である。
【図２】実施形態１の音声認識システムの機能構成を示すブロック図である。
【図３】実施形態１のユーザ辞書の構成を示す図である。
【図４】実施形態１の音声入力用画面を示す図である。
【図５】実施形態１の識別子テーブルを示す図である。
【図６】実施形態１の音声認識システムで実行される処理を示すフローチャートである。
【図７】実施形態３の入力フォーム識別子を付加したユーザ辞書の構成を示す図である。
【図８】実施形態３の認識辞書識別子を付加したユーザ辞書の構成を示す図である。
【符号の説明】
１００ クライアント
１０１ ＣＰＵ
１０２ ＲＯＭ
１０３ ＲＡＭ
１０４ 二次記憶装置
１０５ ネットワークＩ／Ｆ
１０６ 入力装置
１０７ 出力装置
１０８ バス
１２１ 音声入力部
１２２ 通信部
１２３ 表示部
１２４ａ ユーザ辞書
１２４ｂ 音声認識用データ
１２４ｃ 辞書管理情報
２００ サーバ
２０１ ＣＰＵ
２０２ ＲＯＭ
２０３ ＲＡＭ
２０４ 二次記憶装置
２０５ ネットワークＩ／Ｆ
２０６ バス
２２１ 通信部
２２３ 辞書管理部
２２３ａ 識別子テーブル
２２４ 音声認識部
２２５ 認識辞書
【発明の属する技術分野】
本発明は、複数種類の入力フォームからなる入力フォームに情報を入力するために、クライアントで入力された音声をサーバで認識するクライアント・サーバ型の音声認識システム、そのシステムを構成する情報処理装置及びそれらの制御方法、コンピュータ可読メモリに関するものである。
【０００２】
【従来の技術】
近年、キーボードやマウス等に加えて、音声が入力インタフェースとして用いられるようになってきた。
【０００３】
しかし、入力された音声を認識する音声認識では、音声認識の対象となる認識語彙が多くなる程、認識率が低下し、また、処理時間を必要とする。そのため、音声認識の対象となる認識語彙（例えば、読みと表記）を登録した認識辞書を複数持ち、入力対象や状況に応じて、認識辞書を切り換える（複数の認識辞書を同時に使用する場合もある）方法がとられている。
【０００４】
また、登録されていない語彙は認識することができないといった問題がある。この問題を解決する方法の一つに、ユーザ辞書（ユーザが音声認識の対象となる認識語彙を登録したもの）を用いる方法がある。
【０００５】
一方、リソースの小さい端末上で、音声認識を実現するために、クライアント・サーバ型の音声認識システムが研究されている。
【０００６】
【発明が解決しようとする課題】
上記の３つの技術は、既知であるが、これらの３つの技術を組み合わせたシステムは、現在のところ実現されていない。
【０００７】
本発明は上記の課題を解決するためになされたものであり、クライアント・サーバ型の音声認識システムにおいて、ユーザからの要求に応じて、ユーザ辞書を使用することにより、音声入力の効率を向上し、システム全体の処理負荷を低減することができる音声認識システム、情報処理装置及びそれらの制御方法、コンピュータ可読メモリ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】
上記の目的を達成するための本発明による音声認識システムは以下の構成を備える。即ち、
複数種類の入力フォームからなる入力フォームに情報を入力するために、クライアントで入力された音声をサーバで認識するクライアント・サーバ型の音声認識システムであって、
前記クライアントは、
音声入力部から入力された音声を受信する音声受信手段と、
前記音声の入力先となる前記入力フォームの種類を示す入力フォーム識別情報と、ユーザによって指定された認識対象語彙とその認識対象語彙に対する前記入力フォーム識別情報を対応づけて保持するユーザ辞書と、該音声を前記サーバへ送信する送信手段とを備え、
前記サーバは、
前記音声に対する前記入力フォーム識別情報と、前記ユーザ辞書と、該音声を前記クライアントから受信する受信手段と、
前記音声に対する前記入力フォーム識別情報に対応する認識対象語彙を、前記ユーザ辞書中の認識対象語彙から選択し、その選択した認識対象語彙を用いて、該音声を認識する音声認識手段と、
前記音声認識手段で認識した音声認識結果を前記クライアントに送信する送信手段と
を備える。
また、好ましくは、
前記サーバは、
複数種類の認識辞書を保持する保持手段を更に備え、
前記音声認識手段は、前記複数種類の認識辞書それぞれに対応する前記入力フォーム識別情報の対応を管理するテーブルを参照して、前記音声に対する前記入力フォーム識別情報に対応する認識辞書を前記保持手段から選択し、その選択した認識辞書と、前記選択した認識対象語彙を用いて、該音声を認識する。
【０００９】
上記の目的を達成するための本発明による情報処理装置は以下の構成を備える。即ち、
複数種類の入力フォームからなる入力フォームに情報を入力するために、クライアントで入力された音声をサーバで認識するクライアント・サーバ型の音声認識システムにおける前記クライアントとして機能する情報処理装置であって、
音声入力部から入力された音声を受信する音声受信手段と、
前記音声の入力先となる前記入力フォームの種類を示す入力フォーム識別情報と、ユーザによって指定された認識対象語彙とその認識対象語彙に対する前記入力フォーム識別情報を対応づけて保持するユーザ辞書と、該音声を前記サーバへ送信する送信手段と、
前記音声に対する前記入力フォーム識別情報に対応する、前記ユーザ辞書中の選択された認識対象語彙を用いて、前記サーバによって認識された該音声の音声認識結果を該サーバから受信する受信手段と
を備える。
【００１０】
上記の目的を達成するための本発明による情報処理装置は以下の構成を備える。即ち、
複数種類の入力フォームからなる入力フォームに情報を入力するために、クライアントで入力された音声をサーバで認識するクライアント・サーバ型の音声認識システムにおける前記サーバとして機能する情報処理装置であって、
前記クライアントで入力された音声の入力先となる前記入力フォームの種類を示す入力フォーム識別情報と、ユーザによって指定された認識対象語彙とその認識対象語彙に対する前記入力フォーム識別情報を対応づけて保持するユーザ辞書と、該音声を該クライアントから受信する受信手段と、
前記音声に対する前記入力フォーム識別情報に対応する認識対象語彙を、前記ユーザ辞書中の認識対象語彙から選択し、その選択した認識対象語彙を用いて、該音声を認識する音声認識手段と、
前記音声認識手段で認識した音声認識結果を前記クライアントに送信する送信手段と
を備える。
【００１１】
上記の目的を達成するための本発明による音声認識システムは以下の構成を備える。即ち、
複数種類の入力フォームからなる入力フォームに情報を入力するために、クライアントで入力された音声をサーバで認識するクライアント・サーバ型の音声認識システムであって、
前記クライアントは、
音声入力部から入力された音声を受信する音声受信手段と、
前記音声の入力先となる前記入力フォームの種類を示す入力フォーム識別情報と、ユーザによって指定された認識対象語彙とその認識対象語彙に対する前記サーバが保持する認識辞書の種類を示す認識辞書識別情報を対応づけて保持するユーザ辞書と、該音声を前記サーバへ送信する送信手段とを備え、
前記サーバは、
複数種類の認識辞書を保持する保持手段と、
前記音声に対する前記入力フォーム識別情報と、前記ユーザ辞書と、該音声を前記クライアントから受信する受信手段と、
前記音声に対する前記入力フォーム識別情報に対応する認識辞書を前記保持手段から選択し、また、前記音声に対する前記入力フォーム識別情報に対応する認識対象語彙を、前記ユーザ辞書中の認識対象語彙から選択し、それらの選択した認識辞書及び認識対象語彙を用いて、該音声を認識する音声認識手段と、
前記音声認識手段で認識した音声認識結果を前記クライアントに送信する送信手段と
を備える。
【００１２】
上記の目的を達成するための本発明による情報処理装置は以下の構成を備える。即ち、
複数種類の入力フォームからなる入力フォームに情報を入力するために、クライアントで入力された音声をサーバで認識するクライアント・サーバ型の音声認識システムにおける前記クライアントとして機能する情報処理装置であって、
音声入力部から入力された音声を受信する音声受信手段と、
前記音声の入力先となる前記入力フォームの種類を示す入力フォーム識別情報と、ユーザによって指定された認識対象語彙とその認識対象語彙に対する前記サーバが保持する認識辞書の種類を示す認識辞書識別情報を対応づけて保持するユーザ辞書と、該音声を前記サーバへ送信する送信手段と、
前記音声に対する前記入力フォーム識別情報に対応する認識辞書と、また、前記音声に対する前記入力フォーム識別情報に対応する、前記ユーザ辞書中の選択された認識対象語彙を用いて、前記サーバによって認識された該音声の音声認識結果を該サーバから受信する受信手段と
を備える。
【００１３】
上記の目的を達成するための本発明による情報処理装置は以下の構成を備える。即ち、
複数種類の入力フォームからなる入力フォームに情報を入力するために、クライアントで入力された音声をサーバで認識するクライアント・サーバ型の音声認識システムにおける前記サーバとして機能する情報処理装置であって、
複数種類の認識辞書を保持する保持手段と、
前記クライアントで入力された音声の入力先となる前記入力フォームの種類を示す入力フォーム識別情報と、ユーザによって指定された認識対象語彙とその認識対象語彙に対する認識辞書の種類を示す認識辞書識別情報を保持するユーザ辞書と、該音声を該クライアントから受信する受信手段と、
前記音声に対する前記入力フォーム識別情報に対応する認識辞書を前記保持手段から選択し、また、前記音声に対する前記入力フォーム識別情報に対応する認識対象語彙を、前記ユーザ辞書中の認識対象語彙から選択し、それらの選択した認識辞書及び認識対象語彙を用いて、該音声を認識する音声認識手段と、
前記音声認識手段で認識した音声認識結果を前記クライアントに送信する送信手段と
を備える。
【００１４】
上記の目的を達成するための本発明による音声認識システムの制御方法は以下の構成を備える。即ち、
複数種類の入力フォームからなる入力フォームに情報を入力するために、クライアントで入力された音声をサーバで認識するクライアント・サーバ型の音声認識システムの制御方法であって、
音声入力部から入力された音声を受信する音声受信工程と、
前記音声の入力先となる前記入力フォームの種類を示す入力フォーム識別情報と、ユーザによって指定された認識対象語彙とその認識対象語彙に対する前記入力フォーム識別情報を対応づけて保持するユーザ辞書と、該音声を前記サーバへ送信する第１送信工程と、
前記音声に対する前記入力フォーム識別情報に対応する認識対象語彙を、前記ユーザ辞書中の認識対象語彙から選択し、その選択した認識対象語彙を用いて、該音声を前記サーバで認識する音声認識工程と、
前記音声認識工程で認識した音声認識結果を前記クライアントに送信する第２送信工程と
を備える。
上記の目的を達成するための本発明による情報処理装置の制御方法は以下の構成を備える。即ち、
複数種類の入力フォームからなる入力フォームに情報を入力するために、クライアントで入力された音声をサーバで認識するクライアント・サーバ型の音声認識システムにおける前記クライアントとして機能する情報処理装置の制御方法であって、
音声入力部から入力された音声を受信する音声受信工程と、
前記音声の入力先となる前記入力フォームの種類を示す入力フォーム識別情報と、ユーザによって指定された認識対象語彙とその認識対象語彙に対する前記入力フォーム識別情報を対応づけて保持するユーザ辞書と、該音声を前記サーバへ送信する送信工程と、
前記音声に対する前記入力フォーム識別情報に対応する、前記ユーザ辞書中の選択された認識対象語彙を用いて、前記サーバによって認識された該音声の音声認識結果を該サーバから受信する受信工程と
を備える。
上記の目的を達成するための本発明による情報処理装置の制御方法は以下の構成を備える。即ち、
複数種類の入力フォームからなる入力フォームに情報を入力するために、クライアントで入力された音声をサーバで認識するクライアント・サーバ型の音声認識システムにおける前記サーバとして機能する情報処理装置の制御方法であって、
前記クライアントで入力された音声の入力先となる前記入力フォームの種類を示す入力フォーム識別情報と、ユーザによって指定された認識対象語彙とその認識対象語彙に対する前記入力フォーム識別情報を対応づけて保持するユーザ辞書と、該音声を該クライアントから受信する受信工程と、
前記音声に対する前記入力フォーム識別情報に対応する認識対象語彙を、前記ユーザ辞書中の認識対象語彙から選択し、その選択した認識対象語彙を用いて、該音声を認識する音声認識工程と、
前記音声認識工程で認識した音声認識結果を前記クライアントに送信する送信工程と
を備える。
上記の目的を達成するための本発明による音声認識システムの制御方法は以下の構成を備える。即ち、
複数種類の入力フォームからなる入力フォームに情報を入力するために、クライアントで入力された音声をサーバで認識するクライアント・サーバ型の音声認識システムの制御方法であって、
音声入力部から入力された音声を受信する音声受信工程と、
前記音声の入力先となる前記入力フォームの種類を示す入力フォーム識別情報と、ユー ザによって指定された認識対象語彙とその認識対象語彙に対する前記サーバが保持する認識辞書の種類を示す認識辞書識別情報を対応づけて保持するユーザ辞書と、該音声を前記サーバへ送信する第１送信工程と
前記音声に対する前記入力フォーム識別情報に対応する認識辞書を選択し、また、前記音声に対する前記入力フォーム識別情報に対応する認識対象語彙を、前記ユーザ辞書中の認識対象語彙から選択し、それらの選択した認識辞書及び認識対象語彙を用いて、該音声を前記サーバで認識する音声認識工程と、
前記音声認識工程で認識した音声認識結果を前記クライアントに送信する第２送信工程と
を備える。
上記の目的を達成するための本発明による情報処理装置の制御方法は以下の構成を備える。即ち、
複数種類の入力フォームからなる入力フォームに情報を入力するために、クライアントで入力された音声をサーバで認識するクライアント・サーバ型の音声認識システムにおける前記クライアントとして機能する情報処理装置の制御方法であって、
音声入力部から入力された音声を受信する音声受信工程と、
前記音声の入力先となる前記入力フォームの種類を示す入力フォーム識別情報と、ユーザによって指定された認識対象語彙とその認識対象語彙に対する前記サーバが保持する認識辞書の種類を示す認識辞書識別情報を対応づけて保持するユーザ辞書と、該音声を前記サーバへ送信する送信工程と、
前記音声に対する前記入力フォーム識別情報に対応する認識辞書と、また、前記音声に対する前記入力フォーム識別情報に対応する、前記ユーザ辞書中の選択された認識対象語彙を用いて、前記サーバによって認識された該音声の音声認識結果を該サーバから受信する受信工程と
を備える。
上記の目的を達成するための本発明による情報処理装置の制御方法は以下の構成を備える。即ち、
複数種類の入力フォームからなる入力フォームに情報を入力するために、クライアントで入力された音声をサーバで認識するクライアント・サーバ型の音声認識システムにおける前記サーバとして機能する情報処理装置の制御方法であって、
複数種類の認識辞書を保持する保持工程と、
前記クライアントで入力された音声の入力先となる前記入力フォームの種類を示す入力フォーム識別情報と、ユーザによって指定された認識対象語彙とその認識対象語彙に対する認識辞書の種類を示す認識辞書識別情報を保持するユーザ辞書と、該音声を該クライアントから受信する受信工程と、
前記音声に対する前記入力フォーム識別情報に対応する認識辞書を前記保持工程から選択し、また、前記音声に対する前記入力フォーム識別情報に対応する認識対象語彙を、前記ユーザ辞書中の認識対象語彙から選択し、それらの選択した認識辞書及び認識対象語彙を用いて、該音声を認識する音声認識工程と、
前記音声認識工程で認識した音声認識結果を前記クライアントに送信する送信工程と
を備える。
【００１５】
上記の目的を達成するための本発明によるコンピュータ可読メモリは以下の構成を備える。即ち、
複数種類の入力フォームからなる入力フォームに情報を入力するために、クライアントで入力された音声をサーバで認識するクライアント・サーバ型の音声認識システムの制御のプログラムコードが格納されたコンピュータ可読メモリであって、
音声入力部から入力された音声を受信する音声受信工程のプログラムコードと、
前記音声の入力先となる前記入力フォームの種類を示す入力フォーム識別情報と、ユーザによって指定された認識対象語彙とその認識対象語彙に対する前記入力フォーム識別情報を対応づけて保持するユーザ辞書と、該音声を前記サーバへ送信する第１送信工程のプログラムコードと、
前記音声に対する前記入力フォーム識別情報に対応する認識対象語彙を、前記ユーザ辞書中の認識対象語彙から選択し、その選択した認識対象語彙を用いて、該音声を前記サーバで認識する音声認識工程のプログラムコードと、
前記音声認識工程で認識した音声認識結果を前記クライアントに送信する第２送信工程のプログラムコードと
を備える。
上記の目的を達成するための本発明によるコンピュータ可読メモリは以下の構成を備える。即ち、
複数種類の入力フォームからなる入力フォームに情報を入力するために、クライアントで入力された音声をサーバで認識するクライアント・サーバ型の音声認識システムにおける前記クライアントとして機能する情報処理装置の制御のプログラムコードが格納されたコンピュータ可読メモリであって、
音声入力部から入力された音声を受信する音声受信工程のプログラムコードと、
前記音声の入力先となる前記入力フォームの種類を示す入力フォーム識別情報と、ユーザによって指定された認識対象語彙とその認識対象語彙に対する前記入力フォーム識別情報を対応づけて保持するユーザ辞書と、該音声を前記サーバへ送信する送信工程のプログラムコードと、
前記音声に対する前記入力フォーム識別情報に対応する、前記ユーザ辞書中の選択された認識対象語彙を用いて、前記サーバによって認識された該音声の音声認識結果を該サーバから受信する受信工程のプログラムコードと
を備える。
上記の目的を達成するための本発明によるコンピュータ可読メモリは以下の構成を備える。即ち、
複数種類の入力フォームからなる入力フォームに情報を入力するために、クライアントで入力された音声をサーバで認識するクライアント・サーバ型の音声認識システムにおける前記サーバとして機能する情報処理装置の制御のプログラムコードが格納されたコンピュータ可読メモリであって、
前記クライアントで入力された音声の入力先となる前記入力フォームの種類を示す入力フォーム識別情報と、ユーザによって指定された認識対象語彙とその認識対象語彙に対する前記入力フォーム識別情報を対応づけて保持するユーザ辞書と、該音声を該クライアントから受信する受信工程のプログラムコードと、
前記音声に対する前記入力フォーム識別情報に対応する認識対象語彙を、前記ユーザ辞書中の認識対象語彙から選択し、その選択した認識対象語彙を用いて、該音声を認識する音声認識工程のプログラムコードと、
前記音声認識工程で認識した音声認識結果を前記クライアントに送信する送信工程のプログラムコードと
を備える。
上記の目的を達成するための本発明によるコンピュータ可読メモリは以下の構成を備える。即ち、
複数種類の入力フォームからなる入力フォームに情報を入力するために、クライアントで入力された音声をサーバで認識するクライアント・サーバ型の音声認識システムの制御のプログラムコードが格納されたコンピュータ可読メモリであって、
音声入力部から入力された音声を受信する音声受信工程のプログラムコードと、
前記音声の入力先となる前記入力フォームの種類を示す入力フォーム識別情報と、ユーザによって指定された認識対象語彙とその認識対象語彙に対する前記サーバが保持する認識辞書の種類を示す認識辞書識別情報を対応づけて保持するユーザ辞書と、該音声を前記サーバへ送信する第１送信工程のプログラムコードと
前記音声に対する前記入力フォーム識別情報に対応する認識辞書を選択し、また、前記音声に対する前記入力フォーム識別情報に対応する認識対象語彙を、前記ユーザ辞書中の認識対象語彙から選択し、それらの選択した認識辞書及び認識対象語彙を用いて、該音声を前記サーバで認識する音声認識工程のプログラムコードと、
前記音声認識工程で認識した音声認識結果を前記クライアントに送信する第２送信工程のプログラムコードと
を備える。
上記の目的を達成するための本発明によるコンピュータ可読メモリは以下の構成を備える。即ち、
複数種類の入力フォームからなる入力フォームに情報を入力するために、クライアントで入力された音声をサーバで認識するクライアント・サーバ型の音声認識システムにおける前記クライアントとして機能する情報処理装置の制御のプログラムコードが格納されたコンピュータ可読メモリであって、
音声入力部から入力された音声を受信する音声受信工程のプログラムコードと、
前記音声の入力先となる前記入力フォームの種類を示す入力フォーム識別情報と、ユーザによって指定された認識対象語彙とその認識対象語彙に対する前記サーバが保持する認識辞書の種類を示す認識辞書識別情報を対応づけて保持するユーザ辞書と、該音声を前記サーバへ送信する送信工程のプログラムコードと、
前記音声に対する前記入力フォーム識別情報に対応する認識辞書と、また、前記音声に対する前記入力フォーム識別情報に対応する、前記ユーザ辞書中の選択された認識対象語彙を用いて、前記サーバによって認識された該音声の音声認識結果を該サーバから受信する受信工程のプログラムコードと
を備える。
上記の目的を達成するための本発明によるコンピュータ可読メモリは以下の構成を備える。即ち、
複数種類の入力フォームからなる入力フォームに情報を入力するために、クライアントで入力された音声をサーバで認識するクライアント・サーバ型の音声認識システムにおける前記サーバとして機能する情報処理装置の制御のプログラムコードが格納されたコンピュータ可読メモリであって、
複数種類の認識辞書を保持する保持工程のプログラムコードと、
前記クライアントで入力された音声の入力先となる前記入力フォームの種類を示す入力フォーム識別情報と、ユーザによって指定された認識対象語彙とその認識対象語彙に対する認識辞書の種類を示す認識辞書識別情報を保持するユーザ辞書と、該音声を該クライアントから受信する受信工程のプログラムコードと、
前記音声に対する前記入力フォーム識別情報に対応する認識辞書を前記保持工程から選択し、また、前記音声に対する前記入力フォーム識別情報に対応する認識対象語彙を、前記ユーザ辞書中の認識対象語彙から選択し、それらの選択した認識辞書及び認識対象語彙を用いて、該音声を認識する音声認識工程のプログラムコードと、
前記音声認識工程で認識した音声認識結果を前記クライアントに送信する送信工程のプログラムコードと
を備える。
【００１６】
【発明の実施の形態】
以下、図面を参照して本発明の好適な実施形態を詳細に説明する。
［実施形態１］
図１は実施形態１の音声認識システムのハードウェア構成を示す図である。
【００１７】
ＣＰＵ１０１は、クライアント１００全体を統括制御するものであり、ＲＯＭ１０２に格納されているプログラムをＲＡＭ１０３に読み出し、その読み出したプログラムに基づいて、各種処理動作を実行する。ＲＯＭ１０２は、ＣＰＵ１０１で実行する処理の各種プログラムを格納している。ＲＡＭ１０３は、ＲＯＭ１０２に格納されている各種プログラムの実行に必要な記憶領域を提供する。
【００１８】
二次記憶装置１０４は、ＯＳや各種プログラムを格納している。但し、クライアント１００をパーソナルコンピュータ等の汎用装置ではなく、専用装置で構成する場合には、ＲＯＭ１０２内にＯＳや各種プログラムを格納しても構わない。この格納されたプログラムをＲＡＭ１０３に読み出すことによって、ＣＰＵ１０１が処理を実行することが可能である。また、二次記憶装置１０４としては、ハードディスク装置、フロッピーディスクドライブ、ＣＤ−ＲＯＭ等がある。つまり、記憶媒体は如何なるものであっても構わない。
【００１９】
ネットワークＩ／Ｆ（インタフェース）１０５は、サーバ２００のネットワークＩ／Ｆ２０５と接続される。
【００２０】
入力装置１０６は、マウスやキーボード、マイク等で構成され、ＣＰＵ１０１で実行される処理の各種指示の入力を可能とし、これら複数の機器を同時に接続して使用できる。出力装置１０７は、ディスプレイ（ＣＲＴやＬＣＤ等）で構成され、入力装置１０６より入力された情報や、ＣＰＵ１０１で実行される各種処理で制御される表示画面を表示する。バス１０８は、クライアント１００の各種構成要素を相互に接続する。
【００２１】
ＣＰＵ２０１は、サーバ２００全体を統括制御するものであり、ＲＯＭ２０２に格納されているプログラムをＲＡＭ２０３に読み出し、その読み出したプログラムに基づいて、各種処理動作を実行する。ＲＯＭ２０２は、ＣＰＵ２０１で実行する処理の各種プログラムを格納している。ＲＡＭ２０３は、ＲＯＭ２０２に格納されている各種プログラムの実行に必要な記憶領域を提供する。
【００２２】
二次記憶装置２０４は、ＯＳや各種プログラムを格納している。但し、サーバ２００が、パーソナルコンピュータ等の汎用装置ではなく、専用装置で構成する場合には、ＲＯＭ２０２内にＯＳや各種プログラムを格納しても構わない。この格納されたプログラムをＲＡＭ２０３に読み出すことによってＣＰＵ２０１が処理を実行することが可能である。また、二次記憶装置２０４としては、ハードディスク装置、フロッピーディスクドライブ、ＣＤ−ＲＯＭ等がある。つまり、記憶媒体は如何なるものであっても構わない。
【００２３】
ネットワークＩ／Ｆ２０５は、クライアント１００のネットワークＩ／Ｆ１０５と接続される。バス１０６は、サーバ２００の各種構成要素を相互に接続する。
【００２４】
次に、実施形態１の音声認識システムの機能構成について、図２を用いて説明する。
【００２５】
図２は実施形態１の音声認識システムの機能構成を示すブロック図である。
【００２６】
音声入力部１２１は、マイク（入力装置１０６）からユーザが発生した音声を入力し、その入力された音声認識対象の音声データ（音声認識用データ）のＡ／Ｄ変換を行う。通信部１２２は、ユーザ辞書１２４ａ、音声認識用データ１２４ｂ、辞書管理情報１２４ｃ等をサーバ２００に送信し、送信した音声認識用データ１２４ｂに対する音声認識結果等をサーバ２００から受信する。
【００２７】
通信部２２１は、ユーザ辞書１２４ａ、音声認識用データ１２４ｂ、辞書管理情報１２４ｃ等をクライアント１００から受信し、受信した音声認識用データ１２４ｂに対する音声認識結果等をクライアント１００に送信する。
【００２８】
表示部１２３は、サーバ２００から受信した音声認識結果を、例えば、出力装置１０８で表示される本音声認識システムで実行される処理によって表示される表示画面上の入力フォーム等に格納して表示する。
【００２９】
辞書管理部２２３は、入力対象や状況等に応じて、音声認識に使用する認識分野別（例えば、名前用、住所用、英数字記号用等）に用意された複数種類の認識辞書群２２５（認識辞書１〜認識辞書Ｎ、Ｎ：正の整数）及びクライアント１００から受信したユーザ辞書１２４ａ）を切り換えて、選択する（複数種類の辞書を同時に使用する場合もある）。
【００３０】
尚、この複数種類の認識辞書群２２５は、後述するクライアント１００から送信されてくる辞書管理情報１２４ｃ（入力フォーム識別子）毎に用意されており、各認識辞書２２５にはその認識辞書の認識分野を示す認識辞書識別子が付与されており、辞書管理部２２３は、この認識辞書識別子と入力フォーム識別子を対応づけた、図５に示すような識別子テーブル２２３ａを管理している。
【００３１】
音声認識部２２４は、クライアント１００から受信した音声認識用データ１２４ｂ、辞書管理情報１２４ｃに基づいて辞書管理部２２３が音声認識用に指定する認識辞書２２５、ユーザ辞書１２４ａを使用して音声認識を行う。
【００３２】
尚、ユーザ辞書１２４ａは、ユーザが音声認識の対象となる認識語彙を登録したものであり、実施形態１の場合、例えば、図３に示すように、認識対象語彙の読みと表記を対応づけて構成される。
【００３３】
また、音声認識用データ１２４ｂは、音声入力部１２１においてＡ／Ｄ変換された音声データであっても良いし、その音声データを符号化したデータであっても良い。
【００３４】
また、辞書管理情報１２４ｃは、入力対象等を示す情報である。この辞書管理情報１２４ｃは、例えば、図４に示す実施形態１の音声認識システムで表示される音声入力用画面を構成する各入力フォームに、入力された音声をサーバ２００が音声認識し、その音声認識結果に対応するテキストデータを入力する場合において、図５に示すような、入力フォームの種類を示す識別子（入力フォーム識別子）である。そして、クライアント１００は、この入力フォーム識別子を辞書管理情報１２４ｃとしてサーバ２００に送信し、サーバ２００では、辞書管理部２２３において、識別子テーブル２２３ａを参照して、受信した入力フォーム識別子に対応する認識辞書識別子を取得し、音声認識に使用する認識辞書２２５を決定する。
【００３５】
次に、実施形態１の音声認識システムで実行される処理について、図６を用いて説明する。
【００３６】
図６は実施形態１の音声認識システムで実行される処理を示すフローチャートである。
【００３７】
ステップＳ１０１では、クライアント１００は、ユーザ辞書１２４ａをサーバ２００に送信する。
【００３８】
ステップＳ２０１では、サーバ２００は、ユーザ辞書１２４ａをクライアント１００から受信する。
【００３９】
ステップＳ１０２では、クライアント１００は、音声入力対象の入力フォームに音声入力が行われた場合に、その入力フォームの入力フォーム識別子を辞書管理情報１２４ｃとして、サーバ２００に送信する。
【００４０】
ステップＳ２０２では、サーバ２００は、辞書管理情報１２４ｃとして、入力フォーム識別子をクライアント１００から受信する。
【００４１】
ステップＳ２０３では、サーバ２００は、辞書管理情報１２４ｃで識別テーブル２２３ａを参照して、受信した入力フォーム識別子に対応する認識辞書識別子を取得し、音声認識に使用する認識辞書２２５を決定する。
【００４２】
ステップＳ１０３では、クライアント１００は、各入力フォームに入力するテキストデータとして音声入力された音声認識用データ１２４ｂをサーバ２００に送信する。
【００４３】
ステップＳ２０４では、サーバ２００は、各入力フォームに対応する音声認識用データ１２４ｂをクライアント１００から受信する。
【００４４】
ステップＳ２０５では、サーバ２００は、音声認識用データ１２４ｂに対し、辞書管理部２２３で音声認識用に指定された認識辞書２２５、ユーザ辞書１２４を用いて、音声認識部２２４で音声認識を行う。
【００４５】
尚、実施形態１では、音声認識部２２４による音声認識の際には必ず、クライアント１００からサーバ２００に送信されたユーザ辞書１２４ａ中の認識語彙を全て、認識対象語彙としている。
【００４６】
ステップＳ２０６では、サーバ２００は、音声認識部２２４から得られる音声認識結果をクライアント１００に送信する。
【００４７】
ステップＳ１０４では、クライアント１００は、各入力フォームに対する音声認識結果をサーバ２００から受信し、それぞれ対応する入力フォームに音声認識結果に対応するテキストデータを格納する。
【００４８】
ステップＳ１０５では、クライアント１００は、処理を終了するか否かを判定する。処理を終了しない場合（ステップＳ１０５でＮＯ）、ステップＳ１０２に戻り、処理を繰り返す。一方、処理を終了する場合（ステップＳ１０５でＹＥＳ）、サーバ２００に処理を終了する旨を通知し、処理を終了する。
【００４９】
ステップＳ２０７では、サーバ２００は、クライアント１００から処理の終了の指示があるか否かを判定する。処理の指示がない場合（ステップＳ２０７でＮＯ）、ステップＳ２０２に戻り、処理を繰り返す。一方、処理の終了の指示がある場合（ステップＳ２０７でＹＥＳ）、処理を終了する。
【００５０】
尚、上記処理では、音声入力対象の入力フォームに対する音声入力が行われた時に、その入力フォームに対応する辞書管理情報１２４ｃをクライアント１００からサーバ２００へ送信する構成としたが、音声入力対象の入力フォームが、入力装置１０６の指示によってフォーカス（音声入力対象の入力フォームが確定）された時に、送信するように構成しても良い。
【００５１】
また、サーバ２００では、音声認識用データ１２４ｂを全て受信してから音声認識を行う構成としたが、ある入力フォームに入力するテキストデータとして音声入力が行われる毎に、その音声認識用データ１２４ｂを逐次サーバ２００に送信し、リアルタイムで音声認識を行うように構成しても良い。
【００５２】
以上説明したように、実施形態１によれば、クライアント・サーバ型の音声認識システムにおいて、音声認識用データ１２４ｂの音声認識に用いる適切な認識辞書２２５とユーザ辞書１２４ａを併用して、サーバ２００において音声認識を実行することで、クライアント１００の音声認識に関わる処理負荷、記憶資源の使用を低減し、かつサーバ２００における音声認識精度を向上することができる。
［実施形態２］
尚、実施形態１において、ユーザ辞書１２４ａ中の認識語彙が発生しない場合には、ユーザ辞書１２４ａを使用する必要がないため、サーバ２００は、クライアント１００からユーザ辞書１２４ａを使用するという要求がある場合にのみ、ユーザ辞書１２４ａ中の認識語彙を全て認識対象語彙としても良い。
【００５３】
この場合は、例えば、辞書管理情報１２４ｃとして、ユーザ辞書１２４ａの使用の有無を示すフラグを追加することで、ユーザ辞書１２４ａの使用の有無をサーバ２００に通知する。
［実施形態３］
また、入力対象や状況等によって、ユーザ辞書１２４ａ中の認識対象語彙中に使用しない語彙があるため、入力対象や状況に応じて、ユーザ辞書１２４ａ中の特定の認識語彙のみを認識対象語彙としても良い。
【００５４】
この場合は、例えば、図７に示すように、認識語彙ごとに、入力フォーム識別子を指定して管理することにより、音声入力された入力フォームの入力フォーム識別子を持つ認識語彙のみを、認識対象語彙とすることができる。また、ある認識語彙に対して複数の入力フォーム識別子を指定しても良い。加えて、図８に示すように、入力フォーム識別子の代わりに、認識辞書識別子を指定して管理しても良い。
［実施形態４］
実施形態２と実施形態３を組み合わせることにより、音声認識部４による音声認識処理の更なる効率化を図ることができる。
［実施形態５］
本装置は、上記の処理のほとんどがプログラムによって実現できる。先に説明したように、装置としては、パーソナルコンピュータ等の汎用装置で良いわけであるから、本発明は、前述した実施形態の機能を実現するソフトウェアのプログラムコードを記録した記録媒体をシステムあるいは装置に供給し、そのシステムあるいは装置のコンピュータが記憶媒体に格納されたプログラムコードを読み出し実行することによっても実現はできるのはもちろんである。この場合、記憶媒体から読み出されたプログラムコード自体が、前述した実施形態の機能を実現することになり、そのプログラムコードを記憶した記憶媒体は本発明を構成することになる。プログラムコードを供給するための記憶媒体としては、フロッピーディスク、ハードディスク、光ディスク、光磁気ディスク、ＣＤ−ＲＯＭ、磁気テープ、不揮発性のメモリカード、ＲＯＭ等を用いることができる。
【００５５】
また、本発明は、前述したプログラムコードを記録した記録媒体をコンピュータに供給し、そのコンピュータ上で稼動しているＯＳ等が実際の処理の一部または全部を行い、その処理によって前述した実施形態の機能が実現されていることによっても達成できる。さらに、記憶媒体から読み出されたプログラムコードが、コンピュータによって挿入された機能拡張ボードや機能拡張ユニットに備わるメモリに書き込まれた後、機能拡張ボードや機能拡張ユニットに備わるＣＰＵ等がプログラムコードの指示に基づいて実際の処理の一部または全部を行い、その処理によって前述した実施形態の機能が実現される。本発明を上記記憶媒体に適用する場合、その記憶媒体には前述の図３のフローチャートに対応するプログラムコードを格納することになる。
【００５６】
【発明の効果】
以上説明したように、本発明によれば、クライアント・サーバ型の音声認識システムにおいて、ユーザからの要求に応じて、ユーザ辞書を使用することにより、音声入力の効率を向上し、システム全体の処理負荷を低減することができる音声認識システム、情報処理装置及びそれらの制御方法、コンピュータ可読メモリを提供できる。
【図面の簡単な説明】
【図１】実施形態１の音声認識システムのハードウェア構成を示す図である。
【図２】実施形態１の音声認識システムの機能構成を示すブロック図である。
【図３】実施形態１のユーザ辞書の構成を示す図である。
【図４】実施形態１の音声入力用画面を示す図である。
【図５】実施形態１の識別子テーブルを示す図である。
【図６】実施形態１の音声認識システムで実行される処理を示すフローチャートである。
【図７】実施形態３の入力フォーム識別子を付加したユーザ辞書の構成を示す図である。
【図８】実施形態３の認識辞書識別子を付加したユーザ辞書の構成を示す図である。
【符号の説明】
１００ クライアント
１０１ ＣＰＵ
１０２ ＲＯＭ
１０３ ＲＡＭ
１０４ 二次記憶装置
１０５ ネットワークＩ／Ｆ
１０６ 入力装置
１０７ 出力装置
１０８ バス
１２１ 音声入力部
１２２ 通信部
１２３ 表示部
１２４ａ ユーザ辞書
１２４ｂ 音声認識用データ
１２４ｃ 辞書管理情報
２００ サーバ
２０１ ＣＰＵ
２０２ ＲＯＭ
２０３ ＲＡＭ
２０４ 二次記憶装置
２０５ ネットワークＩ／Ｆ
２０６ バス
２２１ 通信部
２２３ 辞書管理部
２２３ａ 識別子テーブル
２２４ 音声認識部
２２５ 認識辞書
Claims (19)
- 複数種類の入力フォームからなる入力フォームに情報を入力するために、クライアントで入力された音声をサーバで認識するクライアント・サーバ型の音声認識システムであって、
前記クライアントは、
音声入力部から入力された音声を受信する音声受信手段と、
前記音声の入力先となる前記入力フォームの種類を示す入力フォーム識別情報と、ユーザによって指定された認識対象語彙とその認識対象語彙に対する前記入力フォーム識別情報を対応づけて保持するユーザ辞書と、該音声を前記サーバへ送信する送信手段とを備え、
前記サーバは、
前記音声に対する前記入力フォーム識別情報と、前記ユーザ辞書と、該音声を前記クライアントから受信する受信手段と、
前記音声に対する前記入力フォーム識別情報に対応する認識対象語彙を、前記ユーザ辞書中の認識対象語彙から選択し、その選択した認識対象語彙を用いて、該音声を認識する音声認識手段と、
前記音声認識手段で認識した音声認識結果を前記クライアントに送信する送信手段と
を備えることを特徴とする音声認識システム。 - 前記サーバは、
複数種類の認識辞書を保持する保持手段を更に備え、
前記音声認識手段は、前記複数種類の認識辞書それぞれに対応する前記入力フォーム識別情報の対応を管理するテーブルを参照して、前記音声に対する前記入力フォーム識別情報に対応する認識辞書を前記保持手段から選択し、その選択した認識辞書と、前記選択した認識対象語彙を用いて、該音声を認識する
ことを特徴とする請求項１に記載の音声認識システム。 - 複数種類の入力フォームからなる入力フォームに情報を入力するために、クライアントで入力された音声をサーバで認識するクライアント・サーバ型の音声認識システムにおける前記クライアントとして機能する情報処理装置であって、
音声入力部から入力された音声を受信する音声受信手段と、
前記音声の入力先となる前記入力フォームの種類を示す入力フォーム識別情報と、ユーザによって指定された認識対象語彙とその認識対象語彙に対する前記入力フォーム識別情報を対応づけて保持するユーザ辞書と、該音声を前記サーバへ送信する送信手段と、
前記音声に対する前記入力フォーム識別情報に対応する、前記ユーザ辞書中の選択された認識対象語彙を用いて、前記サーバによって認識された該音声の音声認識結果を該サーバから受信する受信手段と
を備えることを特徴とする情報処理装置。 - 複数種類の入力フォームからなる入力フォームに情報を入力するために、クライアントで入力された音声をサーバで認識するクライアント・サーバ型の音声認識システムにおける前記サーバとして機能する情報処理装置であって、
前記クライアントで入力された音声の入力先となる前記入力フォームの種類を示す入力フォーム識別情報と、ユーザによって指定された認識対象語彙とその認識対象語彙に対する前記入力フォーム識別情報を対応づけて保持するユーザ辞書と、該音声を該クライアントから受信する受信手段と、
前記音声に対する前記入力フォーム識別情報に対応する認識対象語彙を、前記ユーザ辞書中の認識対象語彙から選択し、その選択した認識対象語彙を用いて、該音声を認識する音声認識手段と、
前記音声認識手段で認識した音声認識結果を前記クライアントに送信する送信手段と
を備えることを特徴とする情報処理装置。 - 複数種類の入力フォームからなる入力フォームに情報を入力するために、クライアントで入力された音声をサーバで認識するクライアント・サーバ型の音声認識システムであって、
前記クライアントは、
音声入力部から入力された音声を受信する音声受信手段と、
前記音声の入力先となる前記入力フォームの種類を示す入力フォーム識別情報と、ユーザによって指定された認識対象語彙とその認識対象語彙に対する前記サーバが保持する認識辞書の種類を示す認識辞書識別情報を対応づけて保持するユーザ辞書と、該音声を前記サーバへ送信する送信手段とを備え、
前記サーバは、
複数種類の認識辞書を保持する保持手段と、
前記音声に対する前記入力フォーム識別情報と、前記ユーザ辞書と、該音声を前記クライアントから受信する受信手段と、
前記音声に対する前記入力フォーム識別情報に対応する認識辞書を前記保持手段から選択し、また、前記音声に対する前記入力フォーム識別情報に対応する認識対象語彙を、前記ユーザ辞書中の認識対象語彙から選択し、それらの選択した認識辞書及び認識対象語彙を用いて、該音声を認識する音声認識手段と、
前記音声認識手段で認識した音声認識結果を前記クライアントに送信する送信手段と
を備えることを特徴とする音声認識システム。 - 複数種類の入力フォームからなる入力フォームに情報を入力するために、クライアントで入力された音声をサーバで認識するクライアント・サーバ型の音声認識システムにおける前記クライアントとして機能する情報処理装置であって、
音声入力部から入力された音声を受信する音声受信手段と、
前記音声の入力先となる前記入力フォームの種類を示す入力フォーム識別情報と、ユーザによって指定された認識対象語彙とその認識対象語彙に対する前記サーバが保持する認識辞書の種類を示す認識辞書識別情報を対応づけて保持するユーザ辞書と、該音声を前記サーバへ送信する送信手段と、
前記音声に対する前記入力フォーム識別情報に対応する認識辞書と、また、前記音声に対する前記入力フォーム識別情報に対応する、前記ユーザ辞書中の選択された認識対象語彙を用いて、前記サーバによって認識された該音声の音声認識結果を該サーバから受信する受信手段と
を備えることを特徴とする情報処理装置。 - 複数種類の入力フォームからなる入力フォームに情報を入力するために、クライアントで入力された音声をサーバで認識するクライアント・サーバ型の音声認識システムにおける前記サーバとして機能する情報処理装置であって、
複数種類の認識辞書を保持する保持手段と、
前記クライアントで入力された音声の入力先となる前記入力フォームの種類を示す入力フォーム識別情報と、ユーザによって指定された認識対象語彙とその認識対象語彙に対する認識辞書の種類を示す認識辞書識別情報を保持するユーザ辞書と、該音声を該クライアントから受信する受信手段と、
前記音声に対する前記入力フォーム識別情報に対応する認識辞書を前記保持手段から選択し、また、前記音声に対する前記入力フォーム識別情報に対応する認識対象語彙を、前記ユーザ辞書中の認識対象語彙から選択し、それらの選択した認識辞書及び認識対象語彙を用いて、該音声を認識する音声認識手段と、
前記音声認識手段で認識した音声認識結果を前記クライアントに送信する送信手段と
を備えることを特徴とする情報処理装置。 - 複数種類の入力フォームからなる入力フォームに情報を入力するために、クライアントで入力された音声をサーバで認識するクライアント・サーバ型の音声認識システムの制御方法であって、
音声入力部から入力された音声を受信する音声受信工程と、
前記音声の入力先となる前記入力フォームの種類を示す入力フォーム識別情報と、ユーザによって指定された認識対象語彙とその認識対象語彙に対する前記入力フォーム識別情報を対応づけて保持するユーザ辞書と、該音声を前記サーバへ送信する第１送信工程と、
前記音声に対する前記入力フォーム識別情報に対応する認識対象語彙を、前記ユーザ辞書中の認識対象語彙から選択し、その選択した認識対象語彙を用いて、該音声を前記サーバで認識する音声認識工程と、
前記音声認識工程で認識した音声認識結果を前記クライアントに送信する第２送信工程と
を備えることを特徴とする音声認識システムの制御方法。 - 複数種類の入力フォームからなる入力フォームに情報を入力するために、クライアントで入力された音声をサーバで認識するクライアント・サーバ型の音声認識システムにおける前記クライアントとして機能する情報処理装置の制御方法であって、
音声入力部から入力された音声を受信する音声受信工程と、
前記音声の入力先となる前記入力フォームの種類を示す入力フォーム識別情報と、ユーザによって指定された認識対象語彙とその認識対象語彙に対する前記入力フォーム識別情報を対応づけて保持するユーザ辞書と、該音声を前記サーバへ送信する送信工程と、
前記音声に対する前記入力フォーム識別情報に対応する、前記ユーザ辞書中の選択された認識対象語彙を用いて、前記サーバによって認識された該音声の音声認識結果を該サーバから受信する受信工程と
を備えることを特徴とする情報処理装置の制御方法。 - 複数種類の入力フォームからなる入力フォームに情報を入力するために、クライアントで入力された音声をサーバで認識するクライアント・サーバ型の音声認識システムにおける前記サーバとして機能する情報処理装置の制御方法であって、
前記クライアントで入力された音声の入力先となる前記入力フォームの種類を示す入力フォーム識別情報と、ユーザによって指定された認識対象語彙とその認識対象語彙に対する前記入力フォーム識別情報を対応づけて保持するユーザ辞書と、該音声を該クライアントから受信する受信工程と、
前記音声に対する前記入力フォーム識別情報に対応する認識対象語彙を、前記ユーザ辞書中の認識対象語彙から選択し、その選択した認識対象語彙を用いて、該音声を認識する音声認識工程と、
前記音声認識工程で認識した音声認識結果を前記クライアントに送信する送信工程と
を備えることを特徴とする情報処理装置の制御方法。 - 複数種類の入力フォームからなる入力フォームに情報を入力するために、クライアントで入力された音声をサーバで認識するクライアント・サーバ型の音声認識システムの制御方法であって、
音声入力部から入力された音声を受信する音声受信工程と、
前記音声の入力先となる前記入力フォームの種類を示す入力フォーム識別情報と、ユーザによって指定された認識対象語彙とその認識対象語彙に対する前記サーバが保持する認識辞書の種類を示す認識辞書識別情報を対応づけて保持するユーザ辞書と、該音声を前記サーバへ送信する第１送信工程と
前記音声に対する前記入力フォーム識別情報に対応する認識辞書を選択し、また、前 記音声に対する前記入力フォーム識別情報に対応する認識対象語彙を、前記ユーザ辞書中の認識対象語彙から選択し、それらの選択した認識辞書及び認識対象語彙を用いて、該音声を前記サーバで認識する音声認識工程と、
前記音声認識工程で認識した音声認識結果を前記クライアントに送信する第２送信工程と
を備えることを特徴とする音声認識システムの制御方法。 - 複数種類の入力フォームからなる入力フォームに情報を入力するために、クライアントで入力された音声をサーバで認識するクライアント・サーバ型の音声認識システムにおける前記クライアントとして機能する情報処理装置の制御方法であって、
音声入力部から入力された音声を受信する音声受信工程と、
前記音声の入力先となる前記入力フォームの種類を示す入力フォーム識別情報と、ユーザによって指定された認識対象語彙とその認識対象語彙に対する前記サーバが保持する認識辞書の種類を示す認識辞書識別情報を対応づけて保持するユーザ辞書と、該音声を前記サーバへ送信する送信工程と、
前記音声に対する前記入力フォーム識別情報に対応する認識辞書と、また、前記音声に対する前記入力フォーム識別情報に対応する、前記ユーザ辞書中の選択された認識対象語彙を用いて、前記サーバによって認識された該音声の音声認識結果を該サーバから受信する受信工程と
を備えることを特徴とする情報処理装置の制御方法。 - 複数種類の入力フォームからなる入力フォームに情報を入力するために、クライアントで入力された音声をサーバで認識するクライアント・サーバ型の音声認識システムにおける前記サーバとして機能する情報処理装置の制御方法であって、
複数種類の認識辞書を保持する保持工程と、
前記クライアントで入力された音声の入力先となる前記入力フォームの種類を示す入力フォーム識別情報と、ユーザによって指定された認識対象語彙とその認識対象語彙に対する認識辞書の種類を示す認識辞書識別情報を保持するユーザ辞書と、該音声を該クライアントから受信する受信工程と、
前記音声に対する前記入力フォーム識別情報に対応する認識辞書を前記保持工程から選択し、また、前記音声に対する前記入力フォーム識別情報に対応する認識対象語彙を、前記ユーザ辞書中の認識対象語彙から選択し、それらの選択した認識辞書及び認識対象語彙を用いて、該音声を認識する音声認識工程と、
前記音声認識工程で認識した音声認識結果を前記クライアントに送信する送信工程と
を備えることを特徴とする情報処理装置の制御方法。 - 複数種類の入力フォームからなる入力フォームに情報を入力するために、クライアントで入力された音声をサーバで認識するクライアント・サーバ型の音声認識システムの制御のプログラムコードが格納されたコンピュータ可読メモリであって、
音声入力部から入力された音声を受信する音声受信工程のプログラムコードと、
前記音声の入力先となる前記入力フォームの種類を示す入力フォーム識別情報と、ユーザによって指定された認識対象語彙とその認識対象語彙に対する前記入力フォーム識別情報を対応づけて保持するユーザ辞書と、該音声を前記サーバへ送信する第１送信工程のプログラムコードと、
前記音声に対する前記入力フォーム識別情報に対応する認識対象語彙を、前記ユーザ辞書中の認識対象語彙から選択し、その選択した認識対象語彙を用いて、該音声を前記サーバで認識する音声認識工程のプログラムコードと、
前記音声認識工程で認識した音声認識結果を前記クライアントに送信する第２送信工程のプログラムコードと
を備えることを特徴とするコンピュータ可読メモリ。 - 複数種類の入力フォームからなる入力フォームに情報を入力するために、クライアントで入力された音声をサーバで認識するクライアント・サーバ型の音声認識システムにおける前記クライアントとして機能する情報処理装置の制御のプログラムコードが格納されたコンピュータ可読メモリであって、
音声入力部から入力された音声を受信する音声受信工程のプログラムコードと、
前記音声の入力先となる前記入力フォームの種類を示す入力フォーム識別情報と、ユーザによって指定された認識対象語彙とその認識対象語彙に対する前記入力フォーム識別情報を対応づけて保持するユーザ辞書と、該音声を前記サーバへ送信する送信工程のプログラムコードと、
前記音声に対する前記入力フォーム識別情報に対応する、前記ユーザ辞書中の選択された認識対象語彙を用いて、前記サーバによって認識された該音声の音声認識結果を該サーバから受信する受信工程のプログラムコードと
を備えることを特徴とするコンピュータ可読メモリ。 - 複数種類の入力フォームからなる入力フォームに情報を入力するために、クライアントで入力された音声をサーバで認識するクライアント・サーバ型の音声認識システムにおける前記サーバとして機能する情報処理装置の制御のプログラムコードが格納されたコンピュータ可読メモリであって、
前記クライアントで入力された音声の入力先となる前記入力フォームの種類を示す入力フォーム識別情報と、ユーザによって指定された認識対象語彙とその認識対象語彙に対する前記入力フォーム識別情報を対応づけて保持するユーザ辞書と、該音声を該クライアントから受信する受信工程のプログラムコードと、
前記音声に対する前記入力フォーム識別情報に対応する認識対象語彙を、前記ユーザ辞書中の認識対象語彙から選択し、その選択した認識対象語彙を用いて、該音声を認識する音声認識工程のプログラムコードと、
前記音声認識工程で認識した音声認識結果を前記クライアントに送信する送信工程のプログラムコードと
を備えることを特徴とするコンピュータ可読メモリ。 - 複数種類の入力フォームからなる入力フォームに情報を入力するために、クライアントで入力された音声をサーバで認識するクライアント・サーバ型の音声認識システムの制御のプログラムコードが格納されたコンピュータ可読メモリであって、
音声入力部から入力された音声を受信する音声受信工程のプログラムコードと、
前記音声の入力先となる前記入力フォームの種類を示す入力フォーム識別情報と、ユーザによって指定された認識対象語彙とその認識対象語彙に対する前記サーバが保持する認識辞書の種類を示す認識辞書識別情報を対応づけて保持するユーザ辞書と、該音声を前記サーバへ送信する第１送信工程のプログラムコードと
前記音声に対する前記入力フォーム識別情報に対応する認識辞書を選択し、また、前記音声に対する前記入力フォーム識別情報に対応する認識対象語彙を、前記ユーザ辞書中の認識対象語彙から選択し、それらの選択した認識辞書及び認識対象語彙を用いて、該音声を前記サーバで認識する音声認識工程のプログラムコードと、
前記音声認識工程で認識した音声認識結果を前記クライアントに送信する第２送信工程のプログラムコードと
を備えることを特徴とするコンピュータ可読メモリ。 - 複数種類の入力フォームからなる入力フォームに情報を入力するために、クライアントで入力された音声をサーバで認識するクライアント・サーバ型の音声認識システムにおける前記クライアントとして機能する情報処理装置の制御のプログラムコードが格納されたコンピュータ可読メモリであって、
音声入力部から入力された音声を受信する音声受信工程のプログラムコードと、
前記音声の入力先となる前記入力フォームの種類を示す入力フォーム識別情報と、ユーザによって指定された認識対象語彙とその認識対象語彙に対する前記サーバが保持する認識辞書の種類を示す認識辞書識別情報を対応づけて保持するユーザ辞書と、該音声を前記サーバへ送信する送信工程のプログラムコードと、
前記音声に対する前記入力フォーム識別情報に対応する認識辞書と、また、前記音声に対する前記入力フォーム識別情報に対応する、前記ユーザ辞書中の選択された認識対象語彙を用いて、前記サーバによって認識された該音声の音声認識結果を該サーバから受信する受信工程のプログラムコードと
を備えることを特徴とするコンピュータ可読メモリ。 - 複数種類の入力フォームからなる入力フォームに情報を入力するために、クライアントで入力された音声をサーバで認識するクライアント・サーバ型の音声認識システムにおける前記サーバとして機能する情報処理装置の制御のプログラムコードが格納されたコンピュータ可読メモリであって、
複数種類の認識辞書を保持する保持工程のプログラムコードと、
前記クライアントで入力された音声の入力先となる前記入力フォームの種類を示す入力フォーム識別情報と、ユーザによって指定された認識対象語彙とその認識対象語彙に対する認識辞書の種類を示す認識辞書識別情報を保持するユーザ辞書と、該音声を該クライアントから受信する受信工程のプログラムコードと、
前記音声に対する前記入力フォーム識別情報に対応する認識辞書を前記保持工程から選択し、また、前記音声に対する前記入力フォーム識別情報に対応する認識対象語彙を、前記ユーザ辞書中の認識対象語彙から選択し、それらの選択した認識辞書及び認識対象語彙を用いて、該音声を認識する音声認識工程のプログラムコードと、
前記音声認識工程で認識した音声認識結果を前記クライアントに送信する送信工程のプログラムコードと
を備えることを特徴とするコンピュータ可読メモリ。
Priority Applications (7)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2000360203A JP3581648B2 (ja) | 2000-11-27 | 2000-11-27 | 音声認識システム、情報処理装置及びそれらの制御方法、プログラム |
| KR1020010073679A KR100679113B1 (ko) | 2000-11-27 | 2001-11-26 | 음성인식시스템, 음성인식서버, 음성인식클라이언트 및 그들의 제어방법과, 컴퓨터가독메모리 |
| CNB011394773A CN1187733C (zh) | 2000-11-27 | 2001-11-27 | 语音识别***、服务器、客户机及其控制方法 |
| US09/993,570 US7099824B2 (en) | 2000-11-27 | 2001-11-27 | Speech recognition system, speech recognition server, speech recognition client, their control method, and computer readable memory |
| AT01309945T ATE353463T1 (de) | 2000-11-27 | 2001-11-27 | Client/server basiertes spracherkennungssystem |
| EP01309945A EP1209662B1 (en) | 2000-11-27 | 2001-11-27 | Client-server based speech recognition |
| DE60126462T DE60126462T2 (de) | 2000-11-27 | 2001-11-27 | Client/Server basiertes Spracherkennungssystem |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2000360203A JP3581648B2 (ja) | 2000-11-27 | 2000-11-27 | 音声認識システム、情報処理装置及びそれらの制御方法、プログラム |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2002162988A JP2002162988A (ja) | 2002-06-07 |
| JP3581648B2 true JP3581648B2 (ja) | 2004-10-27 |
Family
ID=18831838
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2000360203A Expired - Fee Related JP3581648B2 (ja) | 2000-11-27 | 2000-11-27 | 音声認識システム、情報処理装置及びそれらの制御方法、プログラム |
Country Status (7)
| Country | Link |
|---|---|
| US (1) | US7099824B2 (ja) |
| EP (1) | EP1209662B1 (ja) |
| JP (1) | JP3581648B2 (ja) |
| KR (1) | KR100679113B1 (ja) |
| CN (1) | CN1187733C (ja) |
| AT (1) | ATE353463T1 (ja) |
| DE (1) | DE60126462T2 (ja) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8676582B2 (en) | 2007-03-14 | 2014-03-18 | Nec Corporation | System and method for speech recognition using a reduced user dictionary, and computer readable storage medium therefor |
Families Citing this family (51)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7003463B1 (en) | 1998-10-02 | 2006-02-21 | International Business Machines Corporation | System and method for providing network coordinated conversational services |
| US7409349B2 (en) * | 2001-05-04 | 2008-08-05 | Microsoft Corporation | Servers for web enabled speech recognition |
| US7506022B2 (en) * | 2001-05-04 | 2009-03-17 | Microsoft.Corporation | Web enabled recognition architecture |
| US7610547B2 (en) * | 2001-05-04 | 2009-10-27 | Microsoft Corporation | Markup language extensions for web enabled recognition |
| US7366673B2 (en) | 2001-06-15 | 2008-04-29 | International Business Machines Corporation | Selective enablement of speech recognition grammars |
| US7711570B2 (en) | 2001-10-21 | 2010-05-04 | Microsoft Corporation | Application abstraction with dialog purpose |
| US8229753B2 (en) | 2001-10-21 | 2012-07-24 | Microsoft Corporation | Web server controls for web enabled recognition and/or audible prompting |
| JP3542578B2 (ja) * | 2001-11-22 | 2004-07-14 | キヤノン株式会社 | 音声認識装置及びその方法、プログラム |
| JP2004325688A (ja) * | 2003-04-23 | 2004-11-18 | Toyota Motor Corp | 音声認識システム |
| US7260535B2 (en) | 2003-04-28 | 2007-08-21 | Microsoft Corporation | Web server controls for web enabled recognition and/or audible prompting for call controls |
| US20040230637A1 (en) * | 2003-04-29 | 2004-11-18 | Microsoft Corporation | Application controls for speech enabled recognition |
| DE10329546A1 (de) * | 2003-06-30 | 2005-01-20 | Daimlerchrysler Ag | Lexikon gesteuerter Teilsprachmodell-Mechanismus für die automatische Spracherkennung |
| US8311835B2 (en) | 2003-08-29 | 2012-11-13 | Microsoft Corporation | Assisted multi-modal dialogue |
| JP2005128076A (ja) * | 2003-10-21 | 2005-05-19 | Ntt Docomo Inc | 端末からの音声データを認識する音声認識システム及び方法 |
| US20050119892A1 (en) * | 2003-12-02 | 2005-06-02 | International Business Machines Corporation | Method and arrangement for managing grammar options in a graphical callflow builder |
| US8160883B2 (en) * | 2004-01-10 | 2012-04-17 | Microsoft Corporation | Focus tracking in dialogs |
| US7552055B2 (en) | 2004-01-10 | 2009-06-23 | Microsoft Corporation | Dialog component re-use in recognition systems |
| US8589156B2 (en) * | 2004-07-12 | 2013-11-19 | Hewlett-Packard Development Company, L.P. | Allocation of speech recognition tasks and combination of results thereof |
| US20060095266A1 (en) * | 2004-11-01 | 2006-05-04 | Mca Nulty Megan | Roaming user profiles for speech recognition |
| US8275618B2 (en) * | 2004-12-22 | 2012-09-25 | Nuance Communications, Inc. | Mobile dictation correction user interface |
| JP2009514005A (ja) * | 2005-10-27 | 2009-04-02 | コーニンクレッカ フィリップス エレクトロニクス エヌ ヴィ | 口述筆記された情報を処理する方法及びシステム |
| US7774202B2 (en) * | 2006-06-12 | 2010-08-10 | Lockheed Martin Corporation | Speech activated control system and related methods |
| US20090204392A1 (en) * | 2006-07-13 | 2009-08-13 | Nec Corporation | Communication terminal having speech recognition function, update support device for speech recognition dictionary thereof, and update method |
| US8214208B2 (en) * | 2006-09-28 | 2012-07-03 | Reqall, Inc. | Method and system for sharing portable voice profiles |
| KR100913130B1 (ko) * | 2006-09-29 | 2009-08-19 | 한국전자통신연구원 | 사용자 프로파일을 이용한 음성 인식 서비스 방법 및 장치 |
| JP4859642B2 (ja) * | 2006-11-30 | 2012-01-25 | 富士通株式会社 | 音声情報管理装置 |
| TWI336048B (en) * | 2007-05-11 | 2011-01-11 | Delta Electronics Inc | Input system for mobile search and method therefor |
| CN101079885B (zh) * | 2007-06-26 | 2010-09-01 | 中兴通讯股份有限公司 | 一种提供自动语音识别统一开发平台的***和方法 |
| JP4749438B2 (ja) * | 2008-03-28 | 2011-08-17 | 三菱電機インフォメーションシステムズ株式会社 | 音声文字変換装置、音声文字変換方法及び音声文字変換プログラム |
| JP4749437B2 (ja) * | 2008-03-28 | 2011-08-17 | 三菱電機インフォメーションシステムズ株式会社 | 音声文字変換装置、音声文字変換方法及び音声文字変換プログラム |
| JP4815463B2 (ja) * | 2008-03-28 | 2011-11-16 | 三菱電機インフォメーションシステムズ株式会社 | 音声文字変換装置、音声文字変換方法及び音声文字変換プログラム |
| US8019608B2 (en) * | 2008-08-29 | 2011-09-13 | Multimodal Technologies, Inc. | Distributed speech recognition using one way communication |
| JP5471106B2 (ja) * | 2009-07-16 | 2014-04-16 | 独立行政法人情報通信研究機構 | 音声翻訳システム、辞書サーバ装置、およびプログラム |
| JP5796496B2 (ja) * | 2010-01-29 | 2015-10-21 | 日本電気株式会社 | 入力支援システム、方法、およびプログラム |
| US9953653B2 (en) | 2011-01-07 | 2018-04-24 | Nuance Communications, Inc. | Configurable speech recognition system using multiple recognizers |
| KR20130016644A (ko) * | 2011-08-08 | 2013-02-18 | 삼성전자주식회사 | 음성인식장치, 음성인식서버, 음성인식시스템 및 음성인식방법 |
| KR20150063423A (ko) | 2012-10-04 | 2015-06-09 | 뉘앙스 커뮤니케이션즈, 인코포레이티드 | Asr을 위한 개선된 하이브리드 컨트롤러 |
| CN103839549A (zh) * | 2012-11-22 | 2014-06-04 | 腾讯科技（深圳）有限公司 | 一种语音指令控制方法及*** |
| DE112013006770B4 (de) * | 2013-03-06 | 2020-06-18 | Mitsubishi Electric Corporation | Spracherkennungsvorrichtung und Spracherkennungsverfahren |
| JP6416752B2 (ja) * | 2013-04-19 | 2018-10-31 | パナソニック インテレクチュアル プロパティ コーポレーション オブ アメリカＰａｎａｓｏｎｉｃ Ｉｎｔｅｌｌｅｃｔｕａｌ Ｐｒｏｐｅｒｔｙ Ｃｏｒｐｏｒａｔｉｏｎ ｏｆ Ａｍｅｒｉｃａ | 家電機器の制御方法、家電機器制御システム、及びゲートウェイ |
| CN104217720B (zh) * | 2013-05-29 | 2019-03-01 | 腾讯科技（深圳）有限公司 | 一种基于短连接实现通讯录语音识别的方法、***和装置 |
| CN103474063B (zh) * | 2013-08-06 | 2015-12-23 | 福建华映显示科技有限公司 | 语音辨识***以及方法 |
| CN105023575B (zh) * | 2014-04-30 | 2019-09-17 | 中兴通讯股份有限公司 | 语音识别方法、装置和*** |
| KR102325724B1 (ko) * | 2015-02-28 | 2021-11-15 | 삼성전자주식회사 | 다수의 기기에서 텍스트 데이터 동기화 |
| US10049666B2 (en) * | 2016-01-06 | 2018-08-14 | Google Llc | Voice recognition system |
| US10971157B2 (en) | 2017-01-11 | 2021-04-06 | Nuance Communications, Inc. | Methods and apparatus for hybrid speech recognition processing |
| JP6883471B2 (ja) * | 2017-05-11 | 2021-06-09 | オリンパス株式会社 | 収音装置、収音方法、収音プログラム、ディクテーション方法及び情報処理装置 |
| KR20190096853A (ko) * | 2019-07-30 | 2019-08-20 | 엘지전자 주식회사 | 음성 처리 방법 및 음성 처리 장치 |
| JP7463690B2 (ja) * | 2019-10-31 | 2024-04-09 | 株式会社リコー | サーバ装置、通信システム、情報処理方法、プログラムおよび記録媒体 |
| TWI752474B (zh) * | 2020-04-22 | 2022-01-11 | 莊連豪 | 無障礙智能語音系統及其控制方法 |
| CN112100987A (zh) * | 2020-09-27 | 2020-12-18 | 中国建设银行股份有限公司 | 一种多源数据字典的转码方法及装置 |
Family Cites Families (17)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH0695683A (ja) * | 1992-09-10 | 1994-04-08 | Fujitsu Ltd | 音声認識装置 |
| JP3725566B2 (ja) | 1992-12-28 | 2005-12-14 | 株式会社東芝 | 音声認識インターフェース |
| EP0607615B1 (en) * | 1992-12-28 | 1999-09-15 | Kabushiki Kaisha Toshiba | Speech recognition interface system suitable for window systems and speech mail systems |
| TW274135B (ja) * | 1994-09-14 | 1996-04-11 | Hitachi Seisakusyo Kk | |
| JP3267064B2 (ja) * | 1994-09-20 | 2002-03-18 | 株式会社日立製作所 | パターン情報処理装置 |
| JPH08180141A (ja) * | 1994-12-20 | 1996-07-12 | Matsushita Electric Ind Co Ltd | 文字認識システム |
| JPH08272789A (ja) | 1995-03-30 | 1996-10-18 | Mitsubishi Electric Corp | 言語情報変換装置 |
| US5774628A (en) * | 1995-04-10 | 1998-06-30 | Texas Instruments Incorporated | Speaker-independent dynamic vocabulary and grammar in speech recognition |
| US6078886A (en) * | 1997-04-14 | 2000-06-20 | At&T Corporation | System and method for providing remote automatic speech recognition services via a packet network |
| KR19990009682A (ko) * | 1997-07-11 | 1999-02-05 | 김유승 | 화자인식 원격 클라이언트 계정 검증 시스템 및 화자검증방법 |
| DE69814819T2 (de) * | 1997-11-14 | 2004-04-01 | Scansoft, Inc., Peabody | Verfahren und system zur gemeinsamen nutzung von hardware in einem sprachbasierten kommunikationssystem mit sprachverarbeitung auf verschiedenen relativen komplexitätsstufen |
| US6195641B1 (en) * | 1998-03-27 | 2001-02-27 | International Business Machines Corp. | Network universal spoken language vocabulary |
| JPH11308270A (ja) | 1998-04-22 | 1999-11-05 | Olympus Optical Co Ltd | 通信システム及びそれに用いられる端末装置 |
| JP2000075887A (ja) | 1998-08-31 | 2000-03-14 | Sony Corp | パターン認識装置、方法及びシステム |
| JP2000206983A (ja) | 1999-01-19 | 2000-07-28 | Sony Corp | 情報処理装置および方法、並びに提供媒体 |
| KR100647420B1 (ko) * | 1999-12-13 | 2006-11-17 | 주식회사 케이티 | 클라이언트/서버 모델을 활용한 음성인식 시스템 및 그를 이용한 음성인식 서비스 제공방법 |
| CN1315721A (zh) * | 2000-03-23 | 2001-10-03 | 韦尔博泰克有限公司 | 客户服务器语音信息传送***与方法 |
-
2000
- 2000-11-27 JP JP2000360203A patent/JP3581648B2/ja not_active Expired - Fee Related
-
2001
- 2001-11-26 KR KR1020010073679A patent/KR100679113B1/ko not_active IP Right Cessation
- 2001-11-27 US US09/993,570 patent/US7099824B2/en not_active Expired - Fee Related
- 2001-11-27 DE DE60126462T patent/DE60126462T2/de not_active Expired - Lifetime
- 2001-11-27 CN CNB011394773A patent/CN1187733C/zh not_active Expired - Fee Related
- 2001-11-27 AT AT01309945T patent/ATE353463T1/de not_active IP Right Cessation
- 2001-11-27 EP EP01309945A patent/EP1209662B1/en not_active Expired - Lifetime
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8676582B2 (en) | 2007-03-14 | 2014-03-18 | Nec Corporation | System and method for speech recognition using a reduced user dictionary, and computer readable storage medium therefor |
Also Published As
| Publication number | Publication date |
|---|---|
| CN1356688A (zh) | 2002-07-03 |
| US7099824B2 (en) | 2006-08-29 |
| KR20020041296A (ko) | 2002-06-01 |
| EP1209662B1 (en) | 2007-02-07 |
| JP2002162988A (ja) | 2002-06-07 |
| EP1209662A3 (en) | 2004-01-28 |
| US20020065652A1 (en) | 2002-05-30 |
| CN1187733C (zh) | 2005-02-02 |
| EP1209662A2 (en) | 2002-05-29 |
| DE60126462D1 (de) | 2007-03-22 |
| ATE353463T1 (de) | 2007-02-15 |
| DE60126462T2 (de) | 2007-11-15 |
| KR100679113B1 (ko) | 2007-02-07 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP3581648B2 (ja) | 音声認識システム、情報処理装置及びそれらの制御方法、プログラム | |
| CN103377652B (zh) | 一种用于进行语音识别的方法、装置和设备 | |
| US20120173237A1 (en) | Interactive speech recognition model | |
| JP6254209B2 (ja) | 音声を利用できるテルネットインターフェイス | |
| US7251602B2 (en) | Voice browser system | |
| JP3141833B2 (ja) | ネットワークアクセスシステム | |
| US6959195B2 (en) | Transmission-side mobile unit, reception-side mobile unit, information communication system, information communication method, and server apparatus | |
| JPH0863478A (ja) | 言語処理方法及び言語処理装置 | |
| JPH08223309A (ja) | 音声入力ネットワークサービスシステム | |
| JP2002373311A (ja) | バーコードリーダ | |
| JP2002091473A (ja) | 情報処理装置 | |
| JP2000020417A (ja) | 情報処理方法及び装置、その記憶媒体 | |
| JP3529299B2 (ja) | かな漢字変換システム、かな漢字変換方法、および記録媒体 | |
| US20030046379A1 (en) | Network server apparatus, internet appliance terminal unit environment information managing method, and internet appliance terminal unit environment information managing program | |
| JP3857188B2 (ja) | テキスト読み上げシステム及び方法 | |
| JPH113296A (ja) | メディア変換システム | |
| CN117057384B (zh) | 支持多类型业务办理的用户码串生成方法、介质及设备 | |
| JPH11153998A (ja) | 音声応答装置及びその方法、コンピュータ可読メモリ | |
| JP2003258786A (ja) | 公開鍵証明書検索装置、公開鍵証明書検索方法、コンピュータプログラムおよびコンピュータプログラムを記録した記録媒体 | |
| JP2009157774A (ja) | 書き起こしテキスト作成支援装置及び書き起こしテキスト作成支援プログラム | |
| KR100277834B1 (ko) | 도서 낭독 시스템 및 서비스 처리 방법 | |
| JP2005128076A (ja) | 端末からの音声データを認識する音声認識システム及び方法 | |
| JP2002132550A (ja) | ドキュメント管理システム | |
| JP2000059511A (ja) | 文書読み上げ装置及び文書指定方法 | |
| JP2003186872A (ja) | 言語処理システム |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20040227 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20040312 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20040511 |
|
| TRDD | Decision of grant or rejection written | ||
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20040716 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20040723 |
|
| R150 | Certificate of patent or registration of utility model |
Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20080730 Year of fee payment: 4 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20080730 Year of fee payment: 4 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20090730 Year of fee payment: 5 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20090730 Year of fee payment: 5 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20100730 Year of fee payment: 6 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20100730 Year of fee payment: 6 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20110730 Year of fee payment: 7 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20120730 Year of fee payment: 8 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20120730 Year of fee payment: 8 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20130730 Year of fee payment: 9 |
|
| LAPS | Cancellation because of no payment of annual fees |