JP5056784B2 - 音声認識システム - Google Patents

Description

本発明は、ユーザが発話した音声を認識する音声認識システムに関するものである。

従来から、ユーザが発話した音声を認識する音声認識の技術が知られている。音声認識の技術は、スイッチ操作が困難な状況において種々の機器を操作するために広く用いられている。例えば車両運転中はスイッチ操作が困難であることから、音声認識の技術は車載ナビゲーション装置などを操作するために用いられている。

近年では、車載ナビゲーション装置を音声認識によって操作する機能が広がりつつあり、地名や電話帳や曲名などの語彙数が多いものを音声認識の対象としなければならないようになってきている。また、地名や曲名などについては、道路が新たに敷設されたり新曲が発売されたりするなど時間の経過ごとに、新たな認識対象が増え続けていく。従って、膨大な数の認識対象をより正確に音声認識できるように、音声認識における認識性能の向上が求められている。

そこで、この解決策として、例えば特許文献１に開示されているように、処理能力が高いサーバ側で音声認識処理をさせることが提案されている。

特開２００５−９１６１１号公報 特開２００６−１５４６３２号公報

しかしながら、特許文献１に開示の技術では、車載ナビゲーション装置とサーバとの間で通信が確立している場合にしか音声認識を行うことができないという問題を有していた。よって、車載ナビゲーション装置とサーバとの間で通信が確立できる場所でしか利用することができず、汎用性に欠けていた。

本発明は、上記従来の問題点に鑑みなされたものであって、その目的は、音声認識における認識性能をより向上させながら、より高い汎用性を実現することを可能にする音声認識システムを提供することにある。

請求項１の音声認識システムは、上記課題を解決するために、車両に搭載される車載端末が有する音声入力部を介してユーザから入力を受け付けた音声コマンドの発話データを、前記車両外の音声認識サーバに無線通信を介して送信するとともに、前記音声認識サーバが保持する音声認識用の辞書を用いて当該発話データに基づく音声認識を行い、この音声認識の結果である認識結果を前記車載端末に無線通信を介して返信する音声認識システムであって、前記車載端末は、前記車載端末が搭載される車両の現在位置を検出することが可能な車載ナビゲーション装置であり、前記音声入力部に入力された音声コマンドの発話データと当該発話データをもとに前記音声認識サーバで得られた認識結果との対応関係を示す対応関係データを登録していくことによって音声認識用の辞書としての簡易辞書を作成し、更新していく簡易辞書構築部と、最新の前記簡易辞書を格納する簡易辞書格納部と、前記音声認識サーバで前記音声認識を行わせることが可能か否かを判定する音声認識可否判定部と、前記音声認識サーバで前記音声認識を行わせることが可能でないと前記音声認識可否判定部で判定した場合には、前記音声入力部に入力された音声コマンドの発話データをもとに、前記簡易辞書格納部に格納されている前記簡易辞書を用いてこの発話データに対応する認識結果を得る簡易音声認識モードに切り替えるモード切り替え部と、前記音声認識サーバとの間での通信が途絶した場合に、この通信の途絶が生じた場所の位置情報である途絶位置情報を記録する途絶位置情報記録部とを備え、前記途絶位置情報記録部で記録した前記途絶位置情報を前記音声認識サーバに送信し、前記音声認識サーバは、複数の車両の前記車載端末から送信されてきた前記途絶位置情報を統合することを特徴としている。

これによれば、音声認識サーバで音声認識を行わせることが可能でないと音声認識可否判定部で判定された場合には、簡易辞書格納部に格納されている簡易辞書を用いて音声コマンドの発話データに対応する認識結果を得ることができるので、車載端末と音声認識サーバとの間で通信が確立していない場合であっても、音声コマンドの発話データに基づいて音声認識を行うことが可能になる。よって、以上の構成によれば、より高い汎用性を実現することが可能になる。

また、簡易辞書には、音声コマンドの発話データと当該発話データをもとに音声認識サーバで得られた認識結果との対応関係を示す対応関係データが登録されているので、この簡易辞書を用いて音声認識を行った場合であっても、過去に音声認識サーバで音声認識が行われた音声コマンドと同様の音声コマンドについては、音声認識サーバで音声認識を行うのと同等の認識性能で音声認識を行うことが可能になる。よって、以上の構成によれば、音声認識における認識性能をより向上させることが可能になる。

その結果、音声認識における認識性能をより向上させながら、より高い汎用性を実現することが可能になる。
また、請求項１の構成によれば、複数の車両でそれぞれ得られた途絶位置情報（つまり、車載端末と音声認識サーバとの間での通信の途絶が生じたことのある場所の位置情報）を音声認識サーバで統合するので、例えば音声認識サーバで統合した途絶位置情報を複数の車両の車載端末のそれぞれに配信することによって、複数の車両の車載端末同士で途絶位置情報を共有することが可能になる。

また、請求項２の音声認識システムでは、前記発話データは、音声の特徴量のデータであって、前記簡易辞書構築部は、前記音声入力部に入力された音声コマンドの音声の特徴量のデータと当該音声の特徴量のデータをもとに前記音声認識サーバで得られた認識結果とを少なくとも対応付けたリストとしての前記対応関係データを登録したテーブルを作成することによって前記簡易辞書を作成するとともに、新たな前記リストを前記テーブルに登録していくことによって前記簡易辞書を更新していくことを特徴としている。

これによれば、発話データとして音声の特徴量のデータを用いるので、音声のデータそのものを用いる場合に比べて扱うデータ量を抑えることができ、簡易辞書格納部の容量をより有効に利用することが可能になる。

また、請求項３の音声認識システムでは、前記音声認識サーバは、前記音声認識の際にこの音声認識の尤度も求めるとともに、認識結果にこの尤度も含めて前記車載端末に返信するものであって、前記車載端末は、前記簡易辞書構築部で新たな対応関係データを登録しようとする際に、この新たな対応関係データを登録後の新たな簡易辞書が前記簡易辞書格納部の容量に納まるか否かを判定する容量判定部と、当該新たな簡易辞書が前記簡易辞書格納部の容量に納まらないと前記容量判定部で判定した場合には、既に簡易辞書に登録されている対応関係データのうち、同一の音声コマンドに対して複数存在する対応関係データについては、対応付けられている認識結果に含まれる前記尤度が最も高いものを除いて削除することによって整理を行う対応関係データ整理部と、をさらに備えることを特徴としている。

これによれば、同一の音声コマンドに対して複数存在する対応関係データについては、対応付けられている認識結果に含まれる尤度が最も高いものを除いて削除することによって整理を行うので、簡易辞書格納部の容量をより有効に利用することが可能になる。

また、請求項４の音声認識システムでは、前記音声認識可否判定部は、前記車載端末と前記音声認識サーバとの間の通信が確立できなくなったときに、前記音声認識サーバで前記音声認識を行わせることが可能でないと判定することを特徴としている。

この請求項４のように、音声認識サーバで音声認識を行わせることが可能か否かを判定する態様として、車載端末と音声認識サーバとの間の通信が確立できなくなったときに、音声認識サーバで音声認識を行わせることが可能でないと判定する態様としてもよい。

また、請求項５の音声認識システムでは、前記車載端末は、前記途絶位置情報を取得する途絶位置情報取得部をさらに備え、前記音声認識可否判定部は、前記車載端末を搭載する車両の現在位置が、前記途絶位置情報が示す場所に該当したときに、前記音声認識サーバで前記音声認識を行わせることが可能でないと判定することを特徴としている。

この請求項５のように、音声認識サーバで音声認識を行わせることが可能か否かを判定する態様として、車載端末を搭載する車両の現在位置が、途絶位置情報（つまり、車載端末と音声認識サーバとの間での通信の途絶が生じたことのある場所の位置情報）が示す場所に該当したときに、音声認識サーバで音声認識を行わせることが可能でないと判定する態様としてもよい。

また、請求項６の音声認識システムでは、前記車載端末は、前記途絶位置情報を取得する途絶位置情報取得部と、前記車両の車速の情報である車速情報を取得する車速情報取得部と、をさらに備え、前記音声入力部には、音声コマンドの入力を一度に受け付けることが可能な時間である最大発話入力可能時間が設定されており、前記音声認識可否判定部は、前記車速情報取得部で取得した車速情報と前記車載端末を搭載する車両の現在位置と前記最大発話入力可能時間とをもとに、前記途絶位置情報が示す場所に当該車両が到達するまでの時間が前記最大発話入力可能時間よりも短いと判定したときに、前記音声認識サーバで前記音声認識を行わせることが可能でないと判定することを特徴としている。

この請求項６のように、音声認識サーバで音声認識を行わせることが可能か否かを判定する態様として、車速情報取得部で取得した車速情報と車載端末を搭載する車両の現在位置と最大発話入力可能時間とをもとに、途絶位置情報（つまり、車載端末と音声認識サーバとの間での通信の途絶が生じたことのある場所の位置情報）が示す場所に当該車両が到達するまでの時間が最大発話入力可能時間よりも短いと判定したときに、音声認識サーバで音声認識を行わせることが可能でないと判定する態様としてもよい。

また、請求項７の音声認識システムでは、前記車載端末は、前記音声認識サーバとの間で無線通信を介してデータの送受信を行うことが可能な通信モジュールが接続されるものであって、前記途絶位置情報取得部は、前記通信モジュールを介して前記音声認識サーバから前記途絶位置情報を取得することを特徴としている。

この請求項７のように、途絶位置情報取得部が、通信モジュールを介して音声認識サーバから途絶位置情報を取得する態様としてもよい。

また、請求項８の音声認識システムでは、前記車載端末は、他車両に搭載される前記車載端末との間で車車間通信によってデータの送受信が可能な車車間通信部をさらに備え、前記途絶位置情報取得部は、前記音声認識サーバから前記途絶位置情報を取得済みの他車両の前記車載端末から前記車車間通信部による車車間通信によって前記途絶位置情報を取得することを特徴としている。

この請求項８のように、途絶位置情報取得部が、音声認識サーバから途絶位置情報を取得済みの他車両の車載端末から車車間通信部による車車間通信によって途絶位置情報を取得する態様としてもよい。

また、請求項９の音声認識システムでは、前記車載端末は、前記音声認識サーバでの音声認識の要否についてのユーザからの操作入力を受け付けるサーバ音声認識要否入力部をさらに備え、前記音声認識可否判定部は、前記音声認識サーバでの音声認識を必要としない旨のユーザからの操作入力を前記サーバ音声認識要否入力部で受け付けていたときに、前記音声認識サーバで前記音声認識を行わせることが可能でないと判定することを特徴としている。

この請求項９のように、音声認識サーバで音声認識を行わせることが可能か否かを判定する態様として、音声認識サーバでの音声認識を必要としない旨のユーザからの操作入力をサーバ音声認識要否入力部で受け付けていたときに、音声認識サーバで音声認識を行わせることが可能でないと判定する態様としてもよい。

また、請求項１０の音声認識システムでは、前記サーバ音声認識要否入力部は、音声コマンドの種類ごとに前記音声認識サーバでの音声認識の要否についてのユーザからの操作入力を受け付けることが可能であって、前記音声認識可否判定部は、前記音声認識サーバでの音声認識を必要としない旨のユーザからの操作入力を前記サーバ音声認識要否入力部で受け付けていた音声コマンドについては、前記音声認識サーバで前記音声認識を行わせることが可能でないと判定し、前記モード切り替え部は、前記音声入力部に当該音声コマンドの発話データが入力されたときには、前記簡易音声認識モードに切り替えることを特徴としている。

これによれば、サーバ音声認識要否入力部で音声コマンドの種類ごとに音声認識サーバでの音声認識の要否についてのユーザからの操作入力を受け付け、音声入力部に当該音声コマンドの発話データが入力されたときには、モード切り替え部が簡易音声認識モードに切り替えるので、ユーザが指定した音声コマンドの発話データについては音声認識サーバで音声認識を行わずに車載端末の簡易辞書を用いて音声認識することが可能になる。よって、例えばユーザがよく使う音声コマンドなど、音声認識サーバで音声認識を行うのと同等の認識性能で簡易辞書においても既に音声認識を行うことが可能になっていると考えられる音声コマンドについては、音声認識サーバを利用せずに音声認識を行い、音声認識の処理時間を低減したり、音声認識サーバの負荷を低減したりすることが可能になる。

車載ナビ用音声認識システム１００の概略的な構成を示すブロック図である。 ナビゲーション装置１の概略的な構成を示すブロック図である。 ナビゲーション装置１での音声認識に関連する処理のフローを示すフローチャートである。

以下、本発明の実施形態について図面を用いて説明する。図１は、本発明が適用された車載ナビ用音声認識システム１００の概略的な構成を示すブロック図である。図１に示す車載ナビ用音声認識システム１００は、ナビゲーション装置１を搭載した複数の車両（車両Ａ、車両Ｂ）および当該車両外に設けられた情報センタ２を含んでいる。

情報センタ２は、サーバから構成されており、ネットワーク（つまり、通信網）を介して車両Ａ・Ｂのナビゲーション装置１と通信することが可能な通信部、音声認識用の辞書を保持する辞書記憶部、車両Ａ・Ｂのナビゲーション装置１から送信されてくる後述の途絶位置情報を統合した情報を格納する途絶位置情報記憶部、および通信や音声認識の処理や途絶位置情報の統合の処理等を制御する制御部などを備えている。なお、情報センタ２は、１つのサーバからなるものであってもよいし、複数のサーバからなっているものであってもよい。

例えば情報センタ２は、車両Ａ・Ｂのナビゲーション装置１から送信されてくる後述の発話データをもとに、辞書記憶部に保持されている辞書を用いて音声認識を行う。そして、音声認識を行った結果（以下、認識結果と呼ぶ）を当該発話データの送信元のナビゲーション装置１に返信する。よって、情報センタ２は、音声認識サーバとして機能する。

なお、音声認識については、周知の手法を用いて行う構成とすればよく、例えば特許文献２に開示されているように隠れマルコフモデル等を用いて行うことが可能である。また、情報センタ２の音声認識では、この音声認識の尤もらしさを示す尤度も求め、認識結果にこの尤度も含めてナビゲーション装置１に返信するものとする。

さらに、辞書記憶部に保持される辞書についても、音声認識に用いられる周知の辞書と同様の辞書を用いる構成とすればよく、例えば単語とその単語の発音を表記する音素や発音記号などとが対応付けられた辞書等を用いることが可能である。なお、本実施形態の辞書は、処理能力が一般的に高いサーバでの文字認識に用いるので、例えば千語から数万語の大規模の辞書であるものとする。

また、例えば情報センタ２は、車両Ａ・Ｂのナビゲーション装置１から送信されてくる後述の途絶位置情報を統合する。詳しくは、既に受信済みの途絶位置情報と同一の場所を示す途絶位置情報が送信されてきた場合には両者をまとめながら、送信されてくる途絶位置情報を統合し、統合した途絶位置情報を保持する。よって、情報センタ２は、この点についても音声認識サーバとして機能する。

ナビゲーション装置１は、自動車等の車両に搭載されるものであって、本実施形態では、自動車としての車両Ａ・Ｂに搭載されるものとする。よって、ナビゲーション装置１は、請求項の車載ナビゲーション装置として機能する。ナビゲーション装置１は、一般的なナビゲーション装置と同様の経路案内を行う機能を有している他に、例えば、情報センタ２とネットワークを介して通信を行う機能や自車両以外の他車両に搭載されたナビゲーション装置１との間で通信を行う機能を有している。

なお、図１では、車載ナビ用音声認識システム１００にナビゲーション装置１を搭載した２台の車両（つまり、車両Ａ・Ｂ）を含む構成を示したが、必ずしもこれに限らない。ナビゲーション装置１を搭載した車両は、車載ナビ用音声認識システム１００に１台しか含まれていない構成であってもよいし、車載ナビ用音声認識システム１００に３台以上含まれている構成であってもよい。しかしながら、以降では便宜上、車載ナビ用音声認識システム１００にはナビゲーション装置１を搭載した車両Ａ・Ｂの２台の車両が含まれるものとして説明を続ける。

ここで、図２を用いてナビゲーション装置１の概略的な構成について説明を行う。図２は、ナビゲーション装置１の概略的な構成を示すブロック図である。図２に示すようにナビゲーション装置１は、位置検出器１１、地図データ入力器１６、操作スイッチ群１７、音声入力部１８、リモコン１９、リモコンセンサ２０、センタ通信部２１、車車間通信部２２、外部メモリ２３、表示装置２４、音声出力装置２５、およびこれらと接続された制御装置２６を備えている。

位置検出器１１は、周知の地磁気センサ１２、ジャイロスコープ１３、距離センサ１４、および衛星からの電波に基づいて車両の現在位置を検出するＧＰＳ（Global Positioning System）のためのＧＰＳ受信機１５を有している。これらのセンサ等１２〜１５は、各々が性質の異なる誤差を持っているため、複数のセンサにより各々補完しながら使用するように構成されている。なお、精度によっては上述した内の一部で構成してもよく、さらにステアリングの回転センサ、各転動輪の回転速度から速度を検出する車速センサ等を用いてもよい。

地図データ入力器１６は、記憶媒体（図示せず）が装着され、その記憶媒体に格納されている位置検出の精度向上のためのいわゆるマップマッチング用データ、地図データ、および目印データを含む各種データを入力するための装置である。地図データには、道路を示すリンクデータとノードデータとが含まれる。なお、リンクとは、地図上の各道路を交差・分岐・合流する点等の複数のノードにて分割したときのノード間を結ぶものであり、各リンクを接続することにより道路が構成される。リンクデータは、リンクを特定する固有番号（リンクＩＤ）、リンクの長さを示すリンク長、リンクの始端及び終端ノード座標（緯度・経度）、道路名称、道路種別、道路幅員、車線数、右折・左折専用車線の有無とその専用車線の数、および制限速度等の各データから構成される。

一方、ノードデータは、地図上の各道路が交差、合流、分岐するノード毎に固有の番号を付したノードＩＤ、ノード座標、ノード名称、ノードに接続するリンクのリンクＩＤが記述される接続リンクＩＤ、および交差点種類等の各データから構成される。

また、上記記憶媒体には、各種施設の種類、名称、住所のデータなども記憶されており、それらのデータは経路探索の際の目的地設定などに用いられる。なお、上記記憶媒体としては、ＣＤ−ＲＯＭまたはＤＶＤ−ＲＯＭ、メモリカード、ＨＤＤ等が用いられる。

操作スイッチ群１７は、例えば表示装置２４と一体になったタッチスイッチもしくはメカニカルなスイッチ等が用いられ、スイッチ操作により制御装置２６へ各種機能（例えば、地図縮尺変更、メニュー表示選択、目的地設定、経路探索、経路案内開始、現在位置修正、表示画面変更、音量調整、主要エリア初期設定等）の操作指示を行う。また、操作スイッチ群１７は、出発地および目的地を設定するためのスイッチを含んでいる。そのスイッチを操作することによって、ユーザは、予め登録しておいた地点、施設名、電話番号、住所などから、出発地および目的地を設定することができる。

音声入力部１８は、ユーザの発話音（ナビゲーション装置１への音声コマンド）を集音し、その集音した音声情報である音声コマンドの発話データを制御装置２６に出力するものであって、マイクロフォン等を用いて構成することができる。なお、発話データは、例えば音声信号である。音声入力部１８は、操作スイッチ群１７のうち音声認識開始スイッチがオン操作されると最大発話入力可能時間の間、ユーザの発話音の集音を行うものとする。なお、最大発話入力可能時間とは、音声コマンドの入力を一度に受け付けることが可能な時間として任意に設定可能なものである。

リモコン１９には複数の操作スイッチ（図示せず）が設けられ、スイッチ操作によりリモコンセンサ２０を介して各種指令信号を制御装置２６に入力することにより、操作スイッチ群１７と同じ機能を制御装置２６に対して実行させることが可能である。

センタ通信部２１は、ネットワークを介して情報センタ２との間で通信を行うものである。また、センタ通信部２１は、無線通信を介してネットワークに接続するものとする。よって、例えばセンタ通信部２１は、通信モジュールを介してネットワークに接続する構成としてもよい。ここで言うところの通信モジュールとしては、例えば車両に搭載されるＤＣＭ（data communication module）等のテレマティクス通信に用いられる車載通信モジュールや例えばＢｌｕｅｔｏｏｔｈ（登録商標）等で接続した携帯電話機等を用いる構成とすればよい。

なお、本実施形態では、センタ通信部２１がネットワークを介して情報センタ２との間で通信を行う構成を示したが、必ずしもこれに限らず、ネットワークを介さずに情報センタ２との間で通信を行う構成としてもよい。

車車間通信部２２は、他車両に搭載されたナビゲーション装置１の車車間通信部２２との間で無線通信によってデータの送受信を行う（つまり、車車間通信を行う）ものである。なお、車車間通信部２２は、Ｂｌｕｅｔｏｏｔｈや無線ＬＡＮ等の無線通信によってデータの送受信を行う構成とすればよい。

外部メモリ２３は、ＨＤＤ等の書き込み可能な大容量記憶装置である。外部メモリ２３には大量のデータや電源をＯＦＦしても消去してはいけないデータを記憶したり、頻繁に使用するデータを地図データ入力器１６からコピーして利用したりする等の用途がある。また、外部メモリ２３には、後述する簡易辞書が格納されるものとする。なお、外部メモリ２３は、リムーバブルなメモリであってもよい。

表示装置２４は、車両の走行を案内するための地図および目的地選択画面等を表示するものであって、フルカラー表示が可能なものであり、液晶ディスプレイ、有機ＥＬディスプレイ、プラズマディスプレイ等を用いて構成することができる。また、音声出力装置２５は、スピーカ等から構成され、制御装置２６の指示に基づいて、経路案内時の案内音声などを出力する。

制御装置２６は通常のコンピュータとして構成されており、内部には周知のＣＰＵ、ＲＯＭ、ＲＡＭ、Ｉ／Ｏ及びこれらの構成を接続するバスライン（いずれも図示せず）が備えられている。制御装置２６は、位置検出器１１、地図データ入力器１６、操作スイッチ群１７、音声入力部１８、リモコンセンサ２０、センタ通信部２１、車車間通信部２２、外部メモリ２３から入力された各種情報に基づき、ナビゲーション機能としての処理（例えば、地図縮尺変更処理、メニュー表示選択処理、目的地設定処理、経路探索実行処理、経路案内開始処理、現在位置修正処理、表示画面変更処理、音量調整処理等）や音声認識に関連する処理（サーバ音声認識処理、簡易辞書構築処理、途絶位置情報記録処理、途絶位置情報取得処理、音声認識可否判定処理、容量判定処理、対応関係リスト整理処理、モード切り替え処理、使用頻度情報更新処理等）を実行する。

例えば、制御装置２６は、サーバ音声認識処理を行う。サーバ音声認識処理では、リモコン１９を介してリモコンセンサ２０で、あるいは操作スイッチ群１７によって音声認識処理の実行開始が指示されると、音声入力部１８から入力された音声コマンドの発話データをセンタ通信部２１によって情報センタ２に送信し、当該発話データについて情報センタ２から返信される認識結果を受け取る。また、制御装置２６は、情報センタ２から返信される認識結果を受け取った場合には、この認識結果に従った処理を実行し、音声コマンドに従ったナビゲーション装置１の操作を開始する。なお、ナビゲーション装置１のセンタ通信部２１から発話データを受信した情報センタ２では、当該発話データに基づいて音声認識を行い、認識結果を当該発話データの送信元のナビゲーション装置１のセンタ通信部２１に返信するものとする。

また、制御装置２６は、情報センタ２から認識結果を受け取った場合には、簡易辞書構築処理を行う。簡易辞書構築処理では、音声入力部１８に入力された音声コマンドの発話データと当該発話データをもとに情報センタ２で得られた認識結果とを少なくとも対応付けたリスト（以下、対応関係リスト）を外部メモリ２３に格納されているテーブルに登録していくことによって音声認識用の辞書としての簡易辞書を作成する。そして、新たな対応関係リストが得られるたびに、この新たな対応関係リストを上述のテーブルに登録することによって簡易辞書を更新していく。従って、外部メモリ２３には、最新の簡易辞書が格納されることになる。よって、制御装置２６は、請求項の簡易辞書構築部として機能するとともに、外部メモリ２３は、請求項の簡易辞書格納部として機能する。

なお、対応関係リストに対応づける発話データは、音声信号そのものでなく音素成分等の音声の特徴量にまで圧縮されたものであることが好ましい。これによれば、音声信号そのものを扱うよりもデータ量を抑えることができるので、簡易辞書のデータ量も抑えることができ、簡易辞書を格納する外部メモリ２３の容量をより有効に利用することが可能になる。また、発話データを音声の特徴量にまで圧縮する処理は、情報センタ２での音声認識の過程で行うものとしてもよいし、制御装置２６で行うものとしてもよい。なお、情報センタ２での音声認識の過程で行う場合には、認識結果に加えてこの音声の特徴量も情報センタ２から制御装置２６が受け取り、簡易辞書の作成、更新を行う構成としてもよい。

また、制御装置２６は、簡易辞書構築処理において新たな対応関係リストを簡易辞書に登録しようとする際に、この新たな対応関係リストを登録後の新たな簡易辞書が外部メモリ２３の容量に納まるか否かを判定する容量判定処理を行う。よって、制御装置２６は、請求項の容量判定部としても機能する。なお、外部メモリ２３の容量とは、簡易辞書の格納のために割り当てられている保存領域の容量とする。

さらに、制御装置２６は、容量判定処理において、新たな簡易辞書が外部メモリ２３の容量に納まらないと判定した場合には、既に簡易辞書に登録されている対応関係リストのうち、同一の音声コマンドに対して複数存在する対応関係リストについては、対応付けられている認識結果に含まれる尤度が最も高いものを残して他を削除することによって整理を行う対応関係リスト整理処理を行う。よって、制御装置２６は、請求項の対応関係データ整理部としても機能する。これによれば、同一の音声コマンドに対して複数存在する対応関係リストについて整理を行うことによって、外部メモリ２３の容量をより有効に利用することが可能になる。

さらに、制御装置２６は、途絶位置情報記録処理を行う。途絶位置情報記録処理では、センタ通信部２１と情報センタ２との間での通信が途絶した場合に、この通信の途絶が生じた場所の位置情報である途絶位置情報を、制御装置２６が図示しないＥＥＰＲＯＭ等の電気的に書き換え可能なメモリに記録する。よって、制御装置２６は、請求項の途絶位置情報記録部としても機能する。なお、ここで言うところの場所の位置情報とは、地図データ上の一点を示す座標等の情報であってもよいし、地図データ上の一定範囲のエリアを示す情報であってもよいし、地図データ上のメッシュを示すＩＤ等の情報であってもよい。そして、制御装置２６は、記録した途絶位置情報をセンタ通信部２１から情報センタ２に送信させる。なお、記録した途絶位置情報の情報センタ２への送信は、例えば、定期的に行われる構成であってもよいし、途絶位置情報が得られるたびに行われる構成であってもよいし、サーバ音声認識処理における情報センタ２との通信のついでに行われる構成であってもよい。

また、制御装置２６は、途絶位置情報取得処理を行う。途絶位置情報取得処理では、例えば、情報センタ２が保持している途絶位置情報を、通信モジュールを介してセンタ通信部２１で取得させたり、情報センタ２から途絶位置情報を取得済みの他車両のナビゲーション装置１から、この途絶位置情報を車車間通信によって車車間通信部２２で取得させたりする。よって、センタ通信部２１および車車間通信部２２は、請求項の途絶位置情報取得部として機能する。なお、センタ通信部２１や車車間通信部２２で取得させた途絶位置情報については、図示しないＥＥＰＲＯＭ等の電気的に書き換え可能なメモリに制御装置２６が記録する。

さらに、制御装置２６は、情報センタ２で音声認識を行わせることが可能か否かを判定する音声認識可否判定処理を行う。よって、制御装置２６は、請求項の音声認識可否判定部としても機能する。音声認識可否判定処理では、例えば、ナビゲーション装置１のセンタ通信部２１と情報センタ２との間の通信が確立できなくなったときに、情報センタ２で音声認識を行わせることが可能でないと判定する。また、例えば、位置検出器１１から制御装置が取得した自車両の現在位置が、上述のメモリに記録されている途絶位置情報のうちのいずれかの途絶位置情報が示す場所に該当したときに、情報センタ２で音声認識を行わせることが可能でないと判定する。さらに、例えば、音声認識の要否についての操作入力として情報センタ２での音声認識を必要としない旨のユーザからの操作入力を、音声入力部１８で、もしくはリモコン１９を介してリモコンセンサ２０で、あるいは操作スイッチ群１７で受け付けており、情報センタ２での音声認識を必要としない設定が制御装置２６でなされていたときに、情報センタ２で音声認識を行わせることが可能でないと判定する。よって、操作スイッチ群１７、音声入力部１８、リモコン１９、およびリモコンセンサ２０はサーバ音声認識要否入力部として機能する。なお、音声認識可否判定処理は、例えば、任意に設定される一定時間ごとや自車両が任意に設定される一定の距離を走行するごとに行われるものとすればよい。

また、制御装置２６は、情報センタ２で音声認識を行わせることが可能でないと音声認識可否判定処理において判定した場合には、モード切り替え処理を行う。モード切り替え処理では、音声入力部１８に入力された音声コマンドの発話データをもとに、外部メモリ２３に格納されている簡易辞書を用いてこの発話データに対応する認識結果を得る簡易音声認識モードに切り替える。そして、この簡易音声認識モードに切り替えているときに音声入力部１８に音声コマンドが入力された場合には、この音声コマンドの発話データをもとに、外部メモリ２３に格納されている簡易辞書に登録されているテーブルを参照してこの発話データに対応する認識結果を得ることによって、ナビゲーション装置１側で音声認識を行い、音声コマンドに従ったナビゲーション装置１の操作を開始する。よって、制御装置２６は、請求項のモード切り替え部としても機能する。また、この簡易音声認識モードに切り替える前のモードは、文字認識を情報センタ２側で行わせるサーバ音声認識モードであるものとする。

なお、この簡易音声認識モードへの切り替え後は、例えば、任意に設定される一定時間後にサーバ音声認識モードに切り替える構成としてもよいし、音声認識可否判定処理において情報センタ２で音声認識を行わせることが可能であるとの判定が行われたときにサーバ音声認識モードに切り替える構成としてもよい。また、情報センタ２での音声認識を必要としない設定が制御装置２６でなされている場合には、この設定が解除されるまで簡易音声認識モードを持続し、この設定が解除されたときにサーバ音声認識モードに切り替える構成としてもよい。

また、簡易辞書に登録される対応関係リストには、音声コマンドの発話データと当該発話データをもとに情報センタ２で得られた認識結果以外にも、例えば、その対応関係リストを登録した日付情報や音声コマンドの種類を識別するためのＩＤや対応関係リストごとの使用頻度（つまり、簡易音声認識モードでの文字認識においてその対応関係リストが参照された回数）や音声コマンドの種類ごとの使用頻度（その音声コマンドが音声入力部１８から入力された回数）等が対応付けられていてもよい。

次に、図３を用いて、ナビゲーション装置１での音声認識に関連する処理のフローについての説明を行う。図３は、ナビゲーション装置１での音声認識に関連する処理のフローを示すフローチャートである。なお、本フローは、例えば自車両のイグニッションスイッチがオンされてナビゲーション装置１に電源供給されたときに開始される。

まず、ステップＳ１では、制御装置２６が音声認識可否判定処理を行う。そして、情報センタ２で音声認識を行わせることが可能（つまり、サーバ音声認識可能）であると判定した場合（ステップＳ１でＹｅｓ）には、ステップＳ２に移る。また、情報センタ２で音声認識を行わせることが可能でないと判定した場合（ステップＳ１でＮｏ）には、ステップＳ７に移る。

ステップＳ２では、制御装置２６がサーバ音声認識処理を開始して、音声入力部１８から入力された音声コマンドの発話データをセンタ通信部２１によって情報センタ２に送信し、ステップＳ３に移る。続いて、ステップＳ３では、当該発話データについて情報センタ２から返信される認識結果を、センタ通信部２１を介して制御装置２６が受け取り、ステップＳ４に移る。

ステップＳ４では、制御装置２６が容量判定処理を行う。そして、新たな簡易辞書が外部メモリ２３の容量に納まる（つまり、保存領域の空きがある）と判定した場合（ステップＳ４でＹｅｓ）には、ステップＳ５に移る。また、新たな簡易辞書が外部メモリ２３の容量に納まらない（つまり、保存領域の空きがない）と判定した場合（ステップＳ４でＮｏ）には、ステップＳ６に移る。

ステップＳ５では、制御装置２６が簡易辞書構築処理を行い、ステップＳ９に移る。ステップＳ６では、制御装置２６が対応関係リスト整理処理を行い、ステップＳ４に戻ってフローを繰り返す。

ステップＳ７では、外部メモリ２３に格納されている簡易辞書を用いて発話データに対応する認識結果を得ることによって、ナビゲーション装置１側で音声認識（つまり、簡易辞書を用いて文字認識）を行い、ステップＳ８に移る。なお、本フローでは、便宜上、簡易辞書を用いることによって発話データに対応する認識結果を必ず得ることができるものとして説明を行ったが、簡易辞書を用いて発話データに対応する認識結果を得ることができなかった場合には、例えば文字認識を行うことができないことを示す表示や音声出力等を表示装置２４や音声出力装置２５で行うとともに、任意に設定される一定時間が経過した後にステップＳ１に戻ってフローを繰り返す等する構成とすればよい。

ステップＳ８では、制御装置２６が使用頻度情報更新処理を行い、ステップＳ９に移る。使用頻度情報更新処理では、簡易音声認識モードでの文字認識において参照された対応関係リストについて、対応関係リストに対応付けられている対応関係リストごとの使用頻度の回数を１増やすデータの更新を行う。また、対応関係リストごとの使用頻度の情報は、容量判定処理において、新たな簡易辞書が外部メモリ２３の容量に納まらないと判定した場合に、使用頻度の低い対応関係リストを優先的に削除して簡易辞書を整理するのに用いる構成とすればよい。

なお、簡易辞書の整理については、対応関係リストに対応付けられているその対応関係リストを登録した日付情報をもとに、古い対応関係リストを優先的に削除して行う構成としてもよいし、対応関係リストに対応付けられている音声コマンドの種類ごとの使用頻度をもとに、使用頻度の低い音声コマンドに対応付けられている（詳しくは、使用頻度の低い音声コマンドのＩＤに対応付けられている）対応関係リストをまとめて優先的に削除する構成としてもよいし、これまで説明した簡易辞書の整理の手法を組み合わせて行う構成としてもよい。

ステップＳ９では、自車両のイグニッションスイッチがオフになった場合（ステップＳ９でＹｅｓ）には、フローを終了する。また、自車両のイグニッションスイッチがオフになっていない場合（ステップＳ９でＮｏ）には、ステップＳ１に戻ってフローを繰り返す。

以上の構成によれば、情報センタ２で音声認識を行わせることが可能でないと制御装置２６で判定された場合には、外部メモリ２３に格納されている簡易辞書を用いて音声コマンドの発話データに対応する認識結果を得ることができるので、ナビゲーション装置１と情報センタ２との間で通信が確立していない場合であっても、音声コマンドの発話データに基づいて音声認識を行うことが可能になる。よって、以上の構成によれば、より高い汎用性を実現することが可能になる。また、簡易辞書には、音声コマンドの発話データと当該発話データをもとに情報センタ２で得られた認識結果とを少なくとも対応付けた対応関係リストが登録されているので、この簡易辞書を用いて音声認識を行った場合であっても、過去に情報センタ２で音声認識が行われた音声コマンドと同様の音声コマンドについては、情報センタ２で音声認識を行うのと同等の認識性能で音声認識を行うことが可能になる。よって、以上の構成によれば、音声認識における認識性能をより向上させることが可能になる。その結果、音声認識における認識性能をより向上させながら、より高い汎用性を実現することが可能になる。よって、ナビゲーション装置１は、請求項の車載端末として機能する。

また、以上の構成によれば、複数の車両でそれぞれ得られた途絶位置情報を情報センタ２で統合して保持しているので、例えば情報センタ２で統合した途絶位置情報を複数の車両のナビゲーション装置１のそれぞれに配信することによって、複数の車両のナビゲーション装置１同士で途絶位置情報を共有することが可能になる。本実施形態の例を用いて詳しく説明すると、車両Ａのナビゲーション装置１で得られた途絶位置情報（ここでは、途絶位置情報Ａおよび途絶位置情報Ｂが得られたものとする）と車両Ｂのナビゲーション装置１で得られた途絶位置情報（ここでは、途絶位置情報Ｂおよび途絶位置情報Ｃが得られたものとする）とを情報センタ２が統合することによって、情報センタ２は途絶位置情報Ａ、途絶位置情報Ｂ、および途絶位置情報Ｃを保持することになる。そして、途絶位置情報Ａ、途絶位置情報Ｂ、および途絶位置情報Ｃを車両Ａのナビゲーション装置１と車両Ｂのナビゲーション装置１のそれぞれに配信することによって、車両Ａのナビゲーション装置１と車両Ｂのナビゲーション装置１は、途絶位置情報Ａ、途絶位置情報Ｂ、および途絶位置情報Ｃを共有することができる。

なお、音声認識可否判定処理では、前述の車速センサで検出した車速情報を制御装置２６で取得し、制御装置２６が取得した車速情報と制御装置２６が位置検出器１１から取得した自車両の現在位置と制御装置２６によって音声入力部１８に設定されている最大発話入力可能時間とをもとに、途絶位置情報が示す場所に自車両が到達するまでの時間が最大発話入力可能時間よりも短いと判定したときに、情報センタ２で音声認識を行わせることが可能でないと判定する構成としてもよい。よって、制御装置２６は、請求項の車速情報取得部としても機能する。

さらに、音声認識の要否についての操作入力としては、音声コマンドの種類ごとに情報センタ２での音声認識の要否についてのユーザからの操作入力を、音声入力部１８で、もしくはリモコン１９を介してリモコンセンサ２０で、あるいは操作スイッチ群１７で受け付け、音声コマンドの種類ごとに情報センタ２での音声認識を必要としない設定が制御装置２６でなされる構成としてもよい。この場合には、情報センタ２での音声認識を必要としない旨のユーザからの操作入力を受け付けていた音声コマンドについては、音声認識可否判定処理において情報センタ２で音声認識を行わせることが可能でないと判定し、音声入力部１８に当該音声コマンドの発話データが入力されたときには、簡易音声認識モードに切り替えてナビゲーション装置１側で音声認識を行う構成とすればよい。また、この場合には、対象とする音声コマンドの発話データが音声入力部１８に入力されたことの判断は、制御装置２６が外部メモリ２３に格納されている簡易辞書を参照することによって簡易に音声コマンドの種別を判別することによって行う構成とすればよい。

以上の構成によれば、ユーザが指定した音声コマンドの発話データについては情報センタ２で音声認識を行わずにナビゲーション装置１側の簡易辞書を用いて音声認識することが可能になる。よって、例えばユーザがよく使う音声コマンドなど、情報センタ２で音声認識を行うのと同等の認識性能で簡易辞書においても既に音声認識を行うことが可能になっていると考えられる音声コマンドについては、情報センタ２を利用せずに音声認識を行い、音声認識の処理時間を低減したり、情報センタ２の負荷を低減したりすることが可能になる。

なお、前述の実施形態では、情報センタ２で保持する途絶位置情報は、ナビゲーション装置１から送信されてくる途絶位置情報に由来する構成を示したが、必ずしもこれに限らない。例えば、ナビゲーション装置１から送信されてくる途絶位置情報に加え、トンネルなど通信が途絶すると推測される場所の位置情報を途絶位置情報として情報センタ２の管理者側で追加する構成であってもよい。

また、前述の実施形態では、請求項の車載端末として車載ナビゲーション装置を適用した例を示したが、必ずしもこれに限らない。請求項の車載端末は、音声コマンドによって操作可能な機能を有する車載機器であって、直接的もしくは間接的に車両外のサーバと通信可能なものであれば車載ナビゲーション装置以外の車載機器であってもよい。

なお、本発明は、上述した各実施形態に限定されるものではなく、請求項に示した範囲で種々の変更が可能であり、異なる実施形態にそれぞれ開示された技術的手段を適宜組み合わせて得られる実施形態についても本発明の技術的範囲に含まれる。

１ ナビゲーション装置（車載端末、車載ナビゲーション装置）、２ 情報センタ（音声認識サーバ）、１１ 位置検出器、１２ 地磁気センサ、１３ ジャイロスコープ、１４ 距離センサ、１５ ＧＰＳ受信機、１６ 地図データ入力器、１７ 操作スイッチ群（サーバ音声認識要否入力部）、１８ 音声入力部（サーバ音声認識要否入力部）、１９ リモコン（サーバ音声認識要否入力部）、２０ リモコンセンサ（サーバ音声認識要否入力部）、２１ センタ通信部（途絶位置情報取得部）、２２ 車車間通信部（途絶位置情報取得部）、２３ 外部メモリ（簡易辞書格納部）、２４ 表示装置、２５ 音声出力装置、２６ 制御装置（簡易辞書構築部、容量判定部、対応関係データ整理部、途絶位置情報記録部、音声認識可否判定部、モード切り替え部、車速情報取得部）、１００ 車載ナビ用音声認識システム１００（音声認識システム）

Claims (10)

1. 車両に搭載される車載端末が有する音声入力部を介してユーザから入力を受け付けた音声コマンドの発話データを、前記車両外の音声認識サーバに無線通信を介して送信するとともに、前記音声認識サーバが保持する音声認識用の辞書を用いて当該発話データに基づく音声認識を行い、この音声認識の結果である認識結果を前記車載端末に無線通信を介して返信する音声認識システムであって、
   前記車載端末は、
   前記車載端末が搭載される車両の現在位置を検出することが可能な車載ナビゲーション装置であり、
   前記音声入力部に入力された音声コマンドの発話データと当該発話データをもとに前記音声認識サーバで得られた認識結果との対応関係を示す対応関係データを登録していくことによって音声認識用の辞書としての簡易辞書を作成し、更新していく簡易辞書構築部と、
   最新の前記簡易辞書を格納する簡易辞書格納部と、
   前記音声認識サーバで前記音声認識を行わせることが可能か否かを判定する音声認識可否判定部と、
   前記音声認識サーバで前記音声認識を行わせることが可能でないと前記音声認識可否判定部で判定した場合には、前記音声入力部に入力された音声コマンドの発話データをもとに、前記簡易辞書格納部に格納されている前記簡易辞書を用いてこの発話データに対応する認識結果を得る簡易音声認識モードに切り替えるモード切り替え部と、
   前記音声認識サーバとの間での通信が途絶した場合に、この通信の途絶が生じた場所の位置情報である途絶位置情報を記録する途絶位置情報記録部とを備え、
   前記途絶位置情報記録部で記録した前記途絶位置情報を前記音声認識サーバに送信し、
   前記音声認識サーバは、
   複数の車両の前記車載端末から送信されてきた前記途絶位置情報を統合することを特徴とする音声認識システム。
2. 前記発話データは、音声の特徴量のデータであって、
   前記簡易辞書構築部は、前記音声入力部に入力された音声コマンドの音声の特徴量のデータと当該音声の特徴量のデータをもとに前記音声認識サーバで得られた認識結果とを少なくとも対応付けたリストとしての前記対応関係データを登録したテーブルを作成することによって前記簡易辞書を作成するとともに、新たな前記リストを前記テーブルに登録していくことによって前記簡易辞書を更新していくことを特徴とする請求項１に記載の音声認識システム。
3. 前記音声認識サーバは、前記音声認識の際にこの音声認識の尤度も求めるとともに、認識結果にこの尤度も含めて前記車載端末に返信するものであって、
   前記車載端末は、
   前記簡易辞書構築部で新たな対応関係データを登録しようとする際に、この新たな対応関係データを登録後の新たな簡易辞書が前記簡易辞書格納部の容量に納まるか否かを判定する容量判定部と、
   当該新たな簡易辞書が前記簡易辞書格納部の容量に納まらないと前記容量判定部で判定した場合には、既に簡易辞書に登録されている対応関係データのうち、同一の音声コマンドに対して複数存在する対応関係データについては、対応付けられている認識結果に含まれる前記尤度が最も高いものを除いて削除することによって整理を行う対応関係データ整理部と、をさらに備えることを特徴とする請求項１または２に記載の音声認識システム。
4. 前記音声認識可否判定部は、前記車載端末と前記音声認識サーバとの間の通信が確立できなくなったときに、前記音声認識サーバで前記音声認識を行わせることが可能でないと判定することを特徴とする請求項１〜３のいずれか１項に記載の音声認識システム。
5. 前記車載端末は、
   前記途絶位置情報を取得する途絶位置情報取得部をさらに備え、
   前記音声認識可否判定部は、前記車載端末を搭載する車両の現在位置が、前記途絶位置情報が示す場所に該当したときに、前記音声認識サーバで前記音声認識を行わせることが可能でないと判定することを特徴とする請求項１〜４のいずれか１項に記載の音声認識システム。
6. 前記車載端末は、
   前記途絶位置情報を取得する途絶位置情報取得部と、
   前記車両の車速の情報である車速情報を取得する車速情報取得部と、をさらに備え、
   前記音声入力部には、音声コマンドの入力を一度に受け付けることが可能な時間である最大発話入力可能時間が設定されており、
   前記音声認識可否判定部は、前記車速情報取得部で取得した車速情報と前記車載端末を搭載する車両の現在位置と前記最大発話入力可能時間とをもとに、前記途絶位置情報が示す場所に当該車両が到達するまでの時間が前記最大発話入力可能時間よりも短いと判定したときに、前記音声認識サーバで前記音声認識を行わせることが可能でないと判定することを特徴とする請求項１〜４のいずれか１項に記載の音声認識システム。
7. 前記車載端末は、前記音声認識サーバとの間で無線通信を介してデータの送受信を行うことが可能な通信モジュールが接続されるものであって、
   前記途絶位置情報取得部は、前記通信モジュールを介して前記音声認識サーバから前記途絶位置情報を取得することを特徴とする請求項５または６に記載の音声認識システム。
8. 前記車載端末は、
   他車両に搭載される前記車載端末との間で車車間通信によってデータの送受信が可能な車車間通信部をさらに備え、
   前記途絶位置情報取得部は、前記音声認識サーバから前記途絶位置情報を取得済みの他車両の前記車載端末から前記車車間通信部による車車間通信によって前記途絶位置情報を取得することを特徴とする請求項５または６に記載の音声認識システム。
9. 前記車載端末は、
   前記音声認識サーバでの音声認識の要否についてのユーザからの操作入力を受け付けるサーバ音声認識要否入力部をさらに備え、
   前記音声認識可否判定部は、前記音声認識サーバでの音声認識を必要としない旨のユーザからの操作入力を前記サーバ音声認識要否入力部で受け付けていたときに、前記音声認識サーバで前記音声認識を行わせることが可能でないと判定することを特徴とする請求項１〜８のいずれか１項に記載の音声認識システム。
10. 前記サーバ音声認識要否入力部は、音声コマンドの種類ごとに前記音声認識サーバでの音声認識の要否についてのユーザからの操作入力を受け付けることが可能であって、
    前記音声認識可否判定部は、前記音声認識サーバでの音声認識を必要としない旨のユーザからの操作入力を前記サーバ音声認識要否入力部で受け付けていた音声コマンドについては、前記音声認識サーバで前記音声認識を行わせることが可能でないと判定し、
    前記モード切り替え部は、前記音声入力部に当該音声コマンドの発話データが入力されたときには、前記簡易音声認識モードに切り替えることを特徴とする請求項９に記載の音声認識システム。

Images