JP7331933B2 - 言語推定装置、言語推定方法、およびプログラム - Google Patents

Description

本発明は、言語推定装置、言語推定方法、およびプログラムに関する。

近年、外国人移住者や外国人旅行者の増加に伴い、翻訳器や通訳者を介したコミュニケーションの需要が増加している。
特許文献１には、個別識別番号が書き込まれたＩＤカードを挿入すると、ＩＤカードの所有者専用端末として音声を出入力する音声通信装置が記載されている。ＩＤカードには所有者の音声または母国語の特定語録を記憶している。所有者専用端末はＩＤカードが挿入された状態で音声を照合すると制御できる。

特許文献２には、免税店において、商品購入時に輸出免税物品購入記録票を作成する装置が記載されている。この装置では、国別コードに複数の言語別報知情報が関連付けられて記憶されており、記録媒体から国別コードを読み取ると、国別コードに関連付けられている言語別報知情報を取得し、この言語別報知情報を用いて報知すべき情報を印字出力する。

特許文献３には、認識対象者の国籍を示す属性データをパスポートから読み出し、読み出した国籍に応じた言語にメッセージを翻訳することで、当該国籍に応じた言語のガイダンスを取得することが記載されている。

特開平３－１５０９２７号公報 特開２０１７－４３３３号公報 特開２０１９－４０６４２号公報

国際化が進む中で、来訪する外国人も多様化している。このため、翻訳が必要な言語の数が増加し、外国人話者が話す言語の特定に時間を要していた。

本発明は上記事情に鑑みてなされたものであり、その目的とするところは、言語推定を効率よくかつ精度よく行う技術を提供することにある。

本発明の各側面では、上述した課題を解決するために、それぞれ以下の構成を採用する。

第一の側面は、言語推定装置に関する。
第一の側面に係る第１の言語推定装置は、
国籍情報を取得する取得手段と、
取得した前記国籍情報を用いて、言語推定エンジンを選択する選択手段と、
選択した前記言語推定エンジンを用いて、話者の音声情報を解析して前記話者が用いる言語を特定する特定手段と、を有する。
第一の側面に係る第２の言語推定装置は、
国籍情報を取得する取得手段と、
取得した前記国籍情報を用いて、言語推定対象の言語の候補を選択する選択手段と、
言語推定エンジンを用いて、話者の音声情報を解析して前記話者が用いる言語を選択した前記候補から特定する特定手段と、を有する。

第二の側面は、少なくとも１つのコンピュータにより実行される言語推定方法に関する。
第二の側面に係る第１の言語推定方法は、
言語推定装置が、
国籍情報を取得し、
取得した前記国籍情報を用いて、言語推定エンジンを選択し、
選択した前記言語推定エンジンを用いて、話者の音声情報を解析して前記話者が用いる言語を特定する、ことを含む。
第二の側面に係る第２の言語推定方法は、
言語推定装置が、
国籍情報を取得し、
取得した前記国籍情報を用いて、言語推定対象の言語の候補を選択し、
言語推定エンジンを用いて、話者の音声情報を解析して前記話者が用いる言語を選択した前記候補から特定する、ことを含む。

なお、本発明の他の側面としては、上記第二の側面の方法を少なくとも１つのコンピュータに実行させるプログラムであってもよいし、このようなプログラムを記録したコンピュータが読み取り可能な記録媒体であってもよい。この記録媒体は、非一時的な有形の媒体を含む。
このコンピュータプログラムは、コンピュータにより実行されたとき、コンピュータに、言語推定装置上で、その言語推定方法を実施させるコンピュータプログラムコードを含む。

なお、以上の構成要素の任意の組合せ、本発明の表現を方法、装置、システム、記録媒体、コンピュータプログラムなどの間で変換したものもまた、本発明の態様として有効である。

また、本発明の各種の構成要素は、必ずしも個々に独立した存在である必要はなく、複数の構成要素が一個の部材として形成されていること、一つの構成要素が複数の部材で形成されていること、ある構成要素が他の構成要素の一部であること、ある構成要素の一部と他の構成要素の一部とが重複していること、等でもよい。

また、本発明の方法およびコンピュータプログラムには複数の手順を順番に記載してあるが、その記載の順番は複数の手順を実行する順番を限定するものではない。このため、本発明の方法およびコンピュータプログラムを実施するときには、その複数の手順の順番は内容的に支障のない範囲で変更することができる。

さらに、本発明の方法およびコンピュータプログラムの複数の手順は個々に相違するタイミングで実行されることに限定されない。このため、ある手順の実行中に他の手順が発生すること、ある手順の実行タイミングと他の手順の実行タイミングとの一部ないし全部が重複していること、等でもよい。

上記各側面によれば、言語推定を効率よくかつ精度よく行う技術を提供することができる。

本発明の実施の形態に係る多言語対応コミュニケーションシステムの概念的な構成例を示すブロック図である。 本発明の実施の形態に係る言語推定装置の構成を論理的に示す機能ブロック図である。 本発明の実施の形態に係る言語推定装置を実現するコンピュータのハードウェア構成を例示するブロック図である。 本実施形態の言語推定装置の動作の一例を示すフローチャートである。 国別言語推定エンジンテーブルのデータ構造の一例を示す図である。 本実施形態の言語推定装置の論理的な構成例を示す機能ブロック図である。 本実施形態の言語推定装置の動作の一例を示すフローチャートである。 本実施形態の言語推定装置の論理的な構成例を示す機能ブロック図である。 出力部が表示する画面の一例を示す図である。 本実施形態の言語推定装置の動作例を示すフローチャートである。

以下、本発明の実施の形態について、図面を用いて説明する。尚、すべての図面において、同様な構成要素には同様の符号を付し、適宜説明を省略する。以下の各図において、本発明の本質に関わらない部分の構成については省略してあり、図示されていない。

実施形態において「取得」とは、自装置が他の装置や記憶媒体に格納されているデータまたは情報を取りに行くこと（能動的な取得）、および、自装置に他の装置から出力されるデータまたは情報を入力すること（受動的な取得）の少なくとも一方を含む。能動的な取得の例は、他の装置にリクエストまたは問い合わせしてその返信を受信すること、及び、他の装置や記憶媒体にアクセスして読み出すこと等がある。また、受動的な取得の例は、配信（または、送信、プッシュ通知等）される情報を受信すること等がある。さらに、「取得」とは、受信したデータまたは情報の中から選択して取得すること、または、配信されたデータまたは情報を選択して受信することであってもよい。

（第１の実施の形態）
＜システム概要＞
図１は、本発明の実施の形態に係る多言語対応コミュニケーションシステム１の概念的な構成例を示すブロック図である。多言語対応コミュニケーションシステム１は、言語推定装置１００と、翻訳装置１０と、を備える。言語推定装置１００と翻訳装置１０はと一体、すなわち物理的に同一のハードウェアであってもよい。

多言語対応コミュニケーションシステム１は、例えば、国際空港の税関、入国審査、検疫などの窓口での手続きを行う際に、来訪者（第１の話者Ｕａ）が用いている第１言語を、言語推定装置１００を用いて推定する。そして、翻訳装置１０は、特定された話者Ｕａの第１言語Ｌａと、窓口の係員等の対話者（第２の話者Ｕｂ）が用いている第２言語Ｌｂとの相互翻訳を行う。

翻訳装置１０は、第１の話者Ｕａと第２の話者Ｕｂの発話音声をマイクロフォン４などの音声入力装置を介して入力する。図１では、両者にそれぞれマイクロフォン４を設けた構成としているが、これに限定されない。少なくとも２方向の指向性を有する１つのマイクロフォン４であってもよい。また、図１では、スピーカ６などの音声出力装置も両者にそれぞれ設けた構成としているが、少なくとも１つあればよいし、２つ以上のスピーカ６を有してもよい。さらなる他の例では、携帯端末を用いて、当該音声入出力装置（マイクロフォン４とスピーカ６）の替わりとしてもよい。

そして、翻訳装置１０は、マイクロフォン４を介して入力された第１の話者Ｕａの発話音声が第１言語Ｌａであることを認識した後、この発話音声が示す内容を第１言語Ｌａの音声認識処理を用いて特定し、さらにその内容を第２の話者Ｕｂの第２言語Ｌｂに翻訳し、スピーカ６を介して音声出力する（図中、破線の矢印で示される流れ）。翻訳装置１０は、マイクロフォン４を介して入力された第２の話者Ｕｂの発話音声を第２言語Ｌｂで認識した後、第１の話者Ｕａの第１言語Ｌａに翻訳し、スピーカ６を介して音声出力する（図中、一点鎖線の矢印で示される流れ）。

ただし、言語間の翻訳は、双方向に限定されず、一方向であってもよい。また、翻訳装置１０を使わず、推定された言語を話せる通訳者が通訳してもよい。
さらに、言語推定装置１００は、話者の言語だけでなく、話者の居住場所の方言や訛りを推定してもよい。

＜機能構成例＞
図２は、本発明の実施の形態に係る言語推定装置１００の構成を論理的に示す機能ブロック図である。言語推定装置１００は、取得部１０２と、選択部１０４と、特定部１０６と、を備える。
取得部１０２は、国籍情報を取得する。
選択部１０４は、取得した国籍情報を用いて、言語推定エンジン１１０を選択する。
特定部１０６は、選択した言語推定エンジン１１０を用いて、話者の音声情報３０を解析して話者が用いる言語を特定する。

取得部１０２は、例えば、旅客が所持している旅券２０から国籍情報を取得する。一例として、取得部１０２は、旅券２０に埋め込まれているＩＣ（Integrated Circuit）チップに記録されている国籍情報をＩＣリーダ（不図示）を介して読み取る。他の例では、取得部１０２は、旅券２０に記載されている国籍の標記を含む画像を取得し、この画像をＯＣＲ（Optical Character Recognition）で処理することにより文字を読み取る。また、旅券２０に国籍の表記を含まない場合であっても、パスポートに記載された国籍情報を含むシリアルナンバーを読み取ることで、国籍情報を取得してもいい。他の例では、旅券２０に記載されている国籍情報が記録された２次元コードをバーコードリーダで読み取る。

さらに、他の例では、旅券２０の表紙等のデザイン（各国毎に異なる）を撮影した画像を取得することで、国籍情報を特定する。具体的には、言語推定装置１００は、予め各国の旅券２０のデザインの特徴量を図３のストレージデバイス１０４０に登録しておき（あるいは、外部のデータベースを参照してもよい）、取得部１０２は、旅券２０の撮像画像を画像処理により特徴量のマッチング処理を行い国を特定し、国籍情報として取得する。

さらに、言語推定装置１００は、例えば、空港の搭乗手続きカウンタ、手荷物預かりカウンタ、あるいは、空港や鉄道等の案内所、各種窓口の係員、あるいは、機内、客室、客車で乗務員などが、乗客、顧客の言語または方言や訛りなどを推定するのにも適用できる。

取得部１０２は、例えば、第１の話者Ｕａが所持している航空チケットに記載されている出発空港名、鉄道等の乗り物の乗車券の乗車駅名等の記載を含む画像を取得し、この画像をＯＣＲで処理することにより文字を読み取ってもよい。出発空港名や乗車駅名から国名や、都道府県名を検索して取得してもよい。方言や訛りを推定する例では、言語推定エンジン１１０は、都道府県名毎に特化したものが準備される。

言語推定エンジン１１０は、話者の発話音声を用いることで、その発話音声の言語が何であるかを推定する。本実施形態では、言語推定エンジン１１０は、国別に準備され、国別に使用される複数の言語に特化して学習されている。

＜ハードウェア構成例＞
図３は、図２に示す言語推定装置１００を実現するコンピュータ１０００のハードウェア構成を例示するブロック図である。コンピュータ１０００は、バス１０１０、プロセッサ１０２０、メモリ１０３０、ストレージデバイス１０４０、入出力インタフェース１０５０、およびネットワークインタフェース１０６０を有する。

バス１０１０は、プロセッサ１０２０、メモリ１０３０、ストレージデバイス１０４０、入出力インタフェース１０５０、およびネットワークインタフェース１０６０が、相互にデータを送受信するためのデータ伝送路である。ただし、プロセッサ１０２０などを互いに接続する方法は、バス接続に限定されない。

プロセッサ１０２０は、ＣＰＵ（Central Processing Unit） やＧＰＵ（Graphics Processing Unit）などで実現されるプロセッサである。

メモリ１０３０は、ＲＡＭ（Random Access Memory）などで実現される主記憶装置である。

ストレージデバイス１０４０は、ＨＤＤ（Hard Disk Drive）、ＳＳＤ（Solid State Drive）、メモリカード、又はＲＯＭ（Read Only Memory）などで実現される補助記憶装置である。ストレージデバイス１０４０はコンピュータ１０００の各機能を実現するプログラムモジュールを記憶している。プロセッサ１０２０がこれら各プログラムモジュールをメモリ１０３０上に読み込んで実行することで、そのプログラムモジュールに対応する各機能が実現される。また、ストレージデバイス１０４０は言語推定エンジン１１０も記憶している。

プログラムモジュールは、記録媒体に記録されてもよい。プログラムモジュールを記録する記録媒体は、非一時的な有形のコンピュータ１０００が使用可能な媒体を含み、その媒体に、コンピュータ１０００（プロセッサ１０２０）が読み取り可能なプログラムコードが埋め込まれてよい。

入出力インタフェース１０５０は、コンピュータ１０００と各種入出力機器とを接続するためのインタフェースである。

ネットワークインタフェース１０６０は、コンピュータ１０００を通信ネットワークに接続するためのインタフェースである。この通信ネットワークは、例えばＬＡＮ（Local Area Network）やＷＡＮ（Wide Area Network）である。ネットワークインタフェース１０６０が通信ネットワークに接続する方法は、無線接続であってもよいし、有線接続であってもよい。

そして、コンピュータ１０００は、入出力インタフェース１０５０またはネットワークインタフェース１０６０を介して、必要な機器（例えば、マイクロフォン４、およびスピーカ６）に接続する。

言語推定装置１００を実現するコンピュータ１０００は、例えば、パーソナルコンピュータ、スマートフォン、タブレット端末などである。あるいは、言語推定装置１００を実現するコンピュータ１０００は、専用の端末装置であってもよい。上記したように、言語推定装置１００は、翻訳装置１０と物理的に一体のコンピュータ１０００により実現されてもよい。例えば、言語推定装置１００は、コンピュータ１０００に、当該言語推定装置１００を実現するためのアプリケーションプログラムをインストールして起動することで実現される。

他の例では、コンピュータ１０００は、ウェブサーバであり、ユーザはパーソナルコンピュータ、スマートフォン、タブレット端末などのユーザ端末でブラウザを起動し、インターネットなどのネットワークを介して言語推定装置１００のサービスを提供するウェブページにアクセスすることで、言語推定装置１００の機能を利用できてもよい。

さらなる他の例では、コンピュータ１０００は、言語推定装置１００のサービスを提供するＳａａＳ（Software as a Service）などシステムのサーバ装置であってもよい。ユーザはパーソナルコンピュータ、スマートフォン、タブレット端末などのユーザ端末からインターネットなどのネットワークを介してサーバ装置にアクセスし、サーバ装置上で動作するプログラムにより言語推定装置１００が実現されてもよい。

＜動作例＞
図４は、本実施形態の言語推定装置１００の動作の一例を示すフローチャートである。
まず、取得部１０２は、第１の話者Ｕａの旅券２０から国籍情報を取得する（ステップＳ１０１）。

図５は、国別言語推定エンジンテーブル１１２のデータ構造の一例を示す図である。国別言語推定エンジンテーブル１１２は、国毎に特化した言語推定エンジンを関連付けて記憶している。なお、図５では理解しやすいように「アメリカ」、「Ａ」、「英語」等が国別言語推定エンジンテーブル１１２に記憶されているように記載されている。実際には、国別言語推定エンジンテーブル１１２には、国を示す情報、例えば、国を識別する情報と、言語推定エンジンを識別する情報とが関連付けられて記憶されている。さらに、各言語推定エンジンが推定対象とする言語については、当該国別言語推定エンジンテーブル１１２に記憶されている訳ではない。図５では、当該言語推定エンジンが、どの言語を推定対象として特化されたものかを説明のために示している。

例えば、アメリカには英語とスペイン語など複数の言語に特化した言語推定エンジンＡが関連付けられている。スイスには、フランス語、イタリア語、ドイツ語、ロマンシュ語の４つの言語に特化した言語推定エンジンＢが関連付けられている。

そして、選択部１０４は、国別言語推定エンジンテーブル１１２を参照し、ステップＳ１０１で取得した国籍情報が示す国に関連付けられている言語推定エンジン１１０を読み出し、特定部１０６が用いるべき言語推定エンジン１１０を選択する（ステップＳ１０３）。一例として、ステップＳ１０１で取得した国籍情報が示す国がアメリカである場合には、予め国別言語推定エンジンテーブル１１２に記憶されている複数の言語推定エンジンの中から、アメリカという国を示す情報に関連付く言語推定エンジンＡが選択される。

そして、特定部１０６は、第１の話者Ｕａの発話音声をマイクロフォン４から取得し、当該発話音声の音声情報３０を、ステップＳ１０３で選択した言語推定エンジンＡを用いて解析して第１の話者Ｕａが用いる第１言語Ｌａを、英語およびスペイン語などの複数の言語の中から特定する（ステップＳ１０５）。ここでは、第１の話者Ｕａの発話音声の音声情報３０を解析してスペイン語であることが特定されたものとする。このように、国別に特化された言語推定エンジンを用いるので、音声情報３０の解析対象となる言語の数を絞り込むことができる。

以上説明したように、本実施形態によれば、旅券２０などから取得した国籍情報を用いて、国別に学習された言語推定エンジン１１０を用いて、解析対象となる言語の数を絞り込んで言語推定されるので、言語推定処理を効率よく、かつ、精度よく行うことができる。

（第２の実施の形態）
本実施形態の言語推定装置１００は、複数の国を対象にした言語推定エンジン１１０を用いて言語を推定する構成を有する点で上記実施形態と相違する。

＜機能構成例＞
図６は、本実施形態の言語推定装置１００の論理的な構成例を示す機能ブロック図である。取得部１０２は、図２の上記実施形態と同じである。
選択部１０４は、取得部１０２が取得した国籍情報を用いて、言語推定対象の言語の候補を選択する。特定部１０６は、複数の国を対象にした１つの言語推定エンジン１１０を用いて、話者の音声情報を解析して前記話者が用いる言語を選択した候補から特定する。

＜動作例＞
図７は、本実施形態の言語推定装置１００の動作の一例を示すフローチャートである。
図７のフローチャートは、図４の上記実施形態のフローチャートと同じステップＳ１０１を含むとともに、さらに、ステップＳ１１３とステップＳ１１５とを含む。

選択部１０４は、ステップＳ１０１で取得した国籍情報を用いて、言語推定対象の言語の候補を選択する（ステップＳ１１３）。

本実施形態の言語推定エンジン１１０は、ディープラーニングにより、対象となる全ての国（例えば、百数十カ国）に対応する全ての言語（例えば、５０言語）のニューラルネットワークを構築しておく。このニューラルネットワークの入力は音声データであり、出力が言語である。

言い換えると、選択部１０４は、この言語推定エンジン１１０のニューラルネットワークの出力の言語を国によってマスクすることで候補を絞り込む。例えば、予め国別に出力の言語を関連付けて記憶しておき、国に関連付けられた出力の言語とニューラルネットワークの出力の言語との論理積をとることで言語の候補を絞り込む。

そして、特定部１０６は、このようにして言語の候補が絞りこまれた言語推定エンジン１１０を用いて、話者の音声情報を解析して話者が用いる言語を特定する（ステップＳ１１５）。

本実施形態によれば、上記実施形態と同様な効果を奏する。

（第３の実施の形態）
図８は、本実施形態の言語推定装置１００の論理的な構成例を示す機能ブロック図である。本実施形態の言語推定装置１００は、上記実施形態とは、推定した言語をユーザに提示する構成を有している点以外は、上記実施形態のいずれかと同じである。

＜機能構成例＞
図８の言語推定装置１００は、図２または図６の上記実施形態の言語推定装置１００と同じ取得部１０２と、選択部１０４と、特定部１０６と、言語推定エンジン１１０と、を備えるとともに、さらに、出力部１２０を備える。

出力部１２０は、話者の音声情報を用いた言語推定結果の信頼度を示すスコアが第１の基準値以下の場合、特定した前記言語を用いた音声または文字を出力する。ここで、言語推定結果の信頼度を示すスコアは、例えば、話者の音声情報を音声認識処理した結果に含まれる尤度などであってもよい。言語推定結果の信頼度を示すスコアが第１の基準値より低い場合、推定結果が間違いである可能性を考慮して言語を用いた音声または文字を出力し、話者または応対者に選択させることができる。スコアを用いた判定は、特定部１０６が行ってもよい。また、スコアが第１の基準値を超える場合、特定部１０６は、最もスコアが高い言語に決定してよい。

第１の基準値は、言語推定の結果が信頼できるか否かを判定する基準であり、第１の基準値以下の場合は、言語推定の結果の信頼度が低いことを示し、第１の基準値を超える場合は、言語推定の結果が信頼できることを示す。

出力部１２０は、スピーカ６に音声、または表示装置１２２に文字を出力する。「貴方が話す言語はヒンディー語ですか？」などの質問文を特定された言語を用いて出力してもよい。

出力部１２０は、スコア順に特定された前記言語を用いた音声または文字を出力する。
図９は、出力部１２０が表示する画面３００の一例を示す図である。画面３００は、特定部１０６により特定された複数の言語をスコア順に操作ボタン３０２として表示するとともに、言語の選択をユーザに促すメッセージ３０４を表示する。画面３００を表示するとともに、メッセージを音声で出力してもよい。ここで、複数の言語は、スコアが高い順並べて表示されるのが好ましい。

なお、図９では、説明の簡略化のために日本語で操作ボタン３０２とメッセージ３０４が標記されているが、実際には、特定された言語でそれぞれ標記される。操作ボタン３０２を押下して言語を選択した後、ＯＫボタン３０６を押下して言語選択を確定することができる。また、操作ボタン３０２で言語が選択される度に、メッセージ３０４が選択された言語に標記が変更されてもよい。

図９の例では、ＧＵＩ（Graphical User Interface）として操作ボタンを用いているが、他の例では、チェックボタン、ラジオボタン、プルダウンメニュー、ドラムロールなどであってもよい。あるいは、ユーザの選択操作を受け付けるＵＩは用いず、単に複数の言語と、ユーザへの質問メッセージを表示するだけでもよい。

さらに、出力部１２０は、スコアが第２の基準値以下の言語を用いた音声または文字は出力しない。第２の基準値は第１の基準値よりさらに低い値であり、信頼性がほとんどないと思われる範囲を規定する値である。これにより、ある程度の信頼度が確保されている言語をユーザに提示できる。

さらに、出力部１２０は、候補間のスコアの差分が第３の基準値以下の場合、当該候補の言語を用いて、言い換えると、言語推定結果の確度が拮抗している候補を用いて、音声または言語を出力してもよい。この判定処理も特定部１０６が行ってもよい。また、差分が第３の基準値を超える場合、特定部１０６は、スコアが最も高い言語に決定してもよい。

出力部１２０は、第１の基準値、第２の基準値、および第３の基準値を用いた判定処理の少なくともいずれか一つを、または少なくともいずれか２つを組み合わせて行い、その判定結果に基づいて、音声または言語の出力を行うか否かを決めることができる。

＜動作例＞
図１０は、本実施形態の言語推定装置１００の動作例を示すフローチャートである。図１０のフローは、図４のステップＳ１０５の後、または図７のステップＳ１１５の後に開始する。出力部１２０は、ステップＳ１０３で選択された複数の言語を用いて話者の音声情報を解析する際の音声認識結果の信頼度を示すスコアが第１の基準値以下か否かを判定する（ステップＳ２０１）。スコアが第１の基準値以下でない場合（ステップＳ２０１のＹＥＳ）、ステップＳ２０３をバイパスして本フローを終了する。

一方、スコアが第１の基準値以下の場合（ステップＳ２０１のＮＯ）、出力部１２０は、当該言語を用いた音声をスピーカ６から出力、または当該言語を用いた文字を表示装置１２２に表示する（ステップＳ２０３）。

本実施形態によれば、言語推定エンジン１１０による話者の音声認識結果の信頼度を記すスコアが第１の基準値より低い場合に、その言語を用いた音声または文字を出力する。これにより、本実施形態の言語推定装置１００は、上記実施形態と同様な効果を奏するとともに、さらに、推定結果の信頼度が低い場合に、話者または応対者に、音声または文字で確認させ、適切な言語の選択を受け付けることができる。

以上、図面を参照して本発明の実施形態について述べたが、これらは本発明の例示であり、上記以外の様々な構成を採用することもできる。
たとえば、取得部１０２が取得した国籍情報が予め定められた国を示している場合は、選択部１０４は、言語推定エンジン１１０の選択を行わず、特定部１０６は、国に予め関連付けられている言語を特定する。

ここで、日本など日本語のみの単一言語の国については、予め国別言語対応テーブルに国と言語を関連付けて記憶しておく。そして、選択部１０４は、まず、当該国別言語対応テーブルを参照し、取得部１０２が取得した国籍情報が示す国を、国別言語対応テーブル内で検索し、国が見つかったら、当該国に関連付けられている言語を取得し出力する。

この構成によれば、単一言語の国については、言語推定エンジン１１０を用いた言語推定処理を省略できるので、コンピュータ１０００の負荷を低減でき、さらに精度が向上し、かつ効率もよい。

また、言語推定装置１００は、さらに、特定部１０６が特定した言語に対応する翻訳エンジンを選択する第２の選択部（不図示）を備えてもよい。第２の選択部は、選択した翻訳エンジンの情報を図１の多言語対応コミュニケーションシステム１の翻訳装置１０に通知する。翻訳装置１０は、通知された翻訳エンジンを用いて、第１の話者Ｕａの第１言語Ｌａと、第２の話者Ｕｂの第２言語Ｌｂとの相互翻訳を行うことができる。

以上、実施形態および実施例を参照して本願発明を説明したが、本願発明は上記実施形態および実施例に限定されるものではない。本願発明の構成や詳細には、本願発明のスコープ内で当業者が理解し得る様々な変更をすることができる。
なお、本発明において利用者に関する情報を取得、利用する場合は、これを適法に行うものとする。

上記の実施形態の一部または全部は、以下の付記のようにも記載されうるが、以下に限られない。
以下、参考形態の例を付記する。
１． 国籍情報を取得する取得手段と、
取得した前記国籍情報を用いて、言語推定エンジンを選択する選択手段と、
選択した前記言語推定エンジンを用いて、話者の音声情報を解析して前記話者が用いる言語を特定する特定手段と、を備える、言語推定装置。
２． 国籍情報を取得する取得手段と、
取得した前記国籍情報を用いて、言語推定対象の言語の候補を選択する選択手段と、
言語推定エンジンを用いて、話者の音声情報を解析して前記話者が用いる言語を選択した前記候補から特定する特定手段と、を備える言語推定装置。
３． 前記取得手段は、旅券から前記国籍情報を取得する、
１．または２．に記載の言語推定装置。
４． 前記話者の前記音声情報を用いた言語推定結果の信頼度を示すスコアが第１の基準値以下の場合、前記特定手段が特定した前記言語を用いた音声または文字を出力する出力手段をさらに備える、
１．から３．のいずれか一つに記載の言語推定装置。
５． 前記出力手段は、前記スコア順に前記音声または前記文字を出力する、
４．に記載の言語推定装置。
６． 前記出力手段は、さらに、前記スコアが第２の基準値以下の前記言語を用いた前記音声または前記文字は出力しない、
４．または５．に記載の言語推定装置。
７． 前記特定手段が特定した前記言語に対応する翻訳エンジンを選択する第２の選択手段をさらに備える、
１．から６．のいずれか一つに記載の言語推定装置。
８． 前記取得手段が取得した前記国籍情報が予め定められた国を示している場合は、前記選択手段は、言語推定エンジンの選択を行わず、前記特定手段は、前記国に予め関連付けられている言語を特定する、
１．から７．のいずれか一つに記載の言語推定装置。

９． 言語推定装置が、
国籍情報を取得し、
取得した前記国籍情報を用いて、言語推定エンジンを選択し、
選択した前記言語推定エンジンを用いて、話者の音声情報を解析して前記話者が用いる言語を特定する、言語推定方法。
１０． 言語推定装置が、
国籍情報を取得し、
取得した前記国籍情報を用いて、言語推定対象の言語の候補を選択し、
言語推定エンジンを用いて、話者の音声情報を解析して前記話者が用いる言語を選択した前記候補から特定する、言語推定方法。
１１． 前記言語推定装置が、旅券から前記国籍情報を取得する、
９．または１０．に記載の言語推定方法。
１２． 前記言語推定装置が、さらに、
前記話者の前記音声情報を用いた言語推定結果の信頼度を示すスコアが第１の基準値以下の場合、特定した前記言語を用いた音声または文字を出力する、
９．から１１．のいずれか一つに記載の言語推定方法。
１３． 前記言語推定装置が、さらに、
前記スコア順に前記音声または前記文字を出力する、
１２．に記載の言語推定方法。
１４． 前記言語推定装置が、さらに、
前記スコアが第２の基準値以下の前記言語を用いた前記音声または前記文字は出力しない、
１２．または１３．に記載の言語推定方法。
１５． 前記言語推定装置が、さらに、
特定した前記言語に対応する翻訳エンジンを選択する、
９．から１４．のいずれか一つに記載の言語推定方法。
１６． 前記言語推定装置が、さらに、
取得した前記国籍情報が予め定められた国を示している場合は、言語推定エンジンの選択を行わず、前記国に予め関連付けられている言語を特定する、
９．から１５．のいずれか一つに記載の言語推定方法。

１７． コンピュータに、
国籍情報を取得する手順、
取得した前記国籍情報を用いて、言語推定エンジンを選択する手順、
選択した前記言語推定エンジンを用いて、話者の音声情報を解析して前記話者が用いる言語を特定する手順、を実行させるためのプログラム。
１８． コンピュータに、
国籍情報を取得する手順、
取得した前記国籍情報を用いて、言語推定対象の言語の候補を選択する手順、
言語推定エンジンを用いて、話者の音声情報を解析して前記話者が用いる言語を選択した前記候補から特定する手順、を実行させるためのプログラム。
１９． 旅券から前記国籍情報を取得する手順、をコンピュータにさらに実行させるための、
１７．または１８．に記載のプログラム。
２０． 前記話者の前記音声情報を用いた言語推定結果の信頼度を示すスコアが第１の基準値以下の場合、特定した前記言語を用いた音声または文字を出力する手順、をコンピュータにさらに実行させるための、
１７．から１９．のいずれか一つに記載のプログラム。
２１． 前記スコア順に前記音声または前記文字を出力する手順、をコンピュータにさらに実行させるための、
２０．に記載のプログラム。
２２． 前記スコアが第２の基準値以下の前記言語を用いた前記音声または前記文字は出力しない手順、をコンピュータにさらに実行させるための、
２０．または２１．に記載のプログラム。
２３． 特定した前記言語に対応する翻訳エンジンを選択する手順、をコンピュータにさらに実行させるための、
１７．から２２．のいずれか一つに記載のプログラム。
２４． 取得した前記国籍情報が予め定められた国を示している場合は、言語推定エンジンの選択を行わず、前記国に予め関連付けられている言語を特定する手順、をコンピュータにさらに実行させるための、
１７．から２３．のいずれか一つに記載のプログラム。

この出願は、２０１９年９月１０日に出願された日本出願特願２０１９－１６４４０４号を基礎とする優先権を主張し、その開示の全てをここに取り込む。

１ 多言語対応コミュニケーションシステム
４ マイクロフォン
６ スピーカ
１０ 翻訳装置
２０ 旅券
３０ 音声情報
１００ 言語推定装置
１０２ 取得部
１０４ 選択部
１０６ 特定部
１１０ 言語推定エンジン
１１２ 国別言語推定エンジンテーブル
１２０ 出力部
１２２ 表示装置
３００ 画面
３０２ 操作ボタン
３０４ メッセージ
３０６ ＯＫボタン
１０００ コンピュータ
１０１０ バス
１０２０ プロセッサ
１０３０ メモリ
１０４０ ストレージデバイス
１０５０ 入出力インタフェース
１０６０ ネットワークインタフェース
Ｌａ 第１言語
Ｌｂ 第２言語
Ｕａ 第１の話者
Ｕｂ 第２の話者

Claims (10)

1. 国籍情報を取得する取得手段と、
   取得した前記国籍情報を用いて、言語推定エンジンを選択する選択手段と、
   選択した前記言語推定エンジンを用いて、話者の音声情報を解析して前記話者が用いる言語を特定する特定手段と、を備え、
   前記言語推定エンジンは、国別に設けられ、各国別の言語推定エンジンは、当該国で使用される複数の言語の中から前記話者が用いる言語を推定し、
   前記選択手段は、前記国籍情報が示す国に対応する前記言語推定エンジンを選択する、言語推定装置。
2. 国籍情報を取得する取得手段と、
   取得した前記国籍情報を用いて、言語推定対象の言語の候補を選択する選択手段と、
   言語推定エンジンを用いて、話者の音声情報を解析して前記話者が用いる言語を選択した前記候補から特定する特定手段と、を備え、
   前記言語推定エンジンは、ディープラーニングにより、対象国全てに対応する全ての言語について構築されるニューラルネットワークであり、
   前記国籍情報が示す国別に、前記ニューラルネットワークから出力される言語が関連付けて記憶されており、
   前記選択手段は、前記国籍情報が示す前記話者の国に対応する言語で、前記言語推定エンジンの前記ニューラルネットワークから出力される言語をマスクすることで、前記候補を絞り込み、
   前記特定手段は、当該マスクされた言語推定エンジンを用いて、前記話者の言語を特定する、言語推定装置。
3. 前記取得手段は、旅券から前記国籍情報を取得する、
   請求項１または２に記載の言語推定装置。
4. 前記話者の前記音声情報を用いた言語推定結果の信頼度を示すスコアが第１の基準値以下の場合、前記特定手段が特定した前記言語を用いた音声または文字を出力する出力手段をさらに備える、
   請求項１から３のいずれか一項に記載の言語推定装置。
5. 前記出力手段は、前記スコア順に前記音声または前記文字を出力する、
   請求項４に記載の言語推定装置。
6. 前記出力手段は、さらに、前記スコアが第２の基準値以下の前記言語を用いた前記音声または前記文字は出力しない、
   請求項４または５に記載の言語推定装置。
7. 前記特定手段が特定した前記言語に対応する翻訳エンジンを選択する第２の選択手段をさらに備える、
   請求項１から６のいずれか一項に記載の言語推定装置。
8. 前記取得手段が取得した前記国籍情報が予め定められた国を示している場合は、前記選択手段は、言語推定エンジンの選択を行わず、前記特定手段は、前記国に予め関連付けられている言語を特定する、
   請求項１から７のいずれか一項に記載の言語推定装置。
9. 言語推定装置が、
   国籍情報を取得し、
   取得した前記国籍情報を用いて、言語推定エンジンを選択し、
   選択した前記言語推定エンジンを用いて、話者の音声情報を解析して前記話者が用いる言語を特定し、
   前記言語推定エンジンは、国別に設けられ、各国別の言語推定エンジンは、当該国で使用される複数の言語の中から前記話者が用いる言語を推定し、
   前記言語推定装置が、
   前記国籍情報が示す国に対応する前記言語推定エンジンを選択する、言語推定方法。
10. コンピュータに、
    国籍情報を取得する手順、
    取得した前記国籍情報を用いて、言語推定エンジンを選択する手順、
    選択した前記言語推定エンジンを用いて、話者の音声情報を解析して前記話者が用いる言語を特定する手順、を実行させ、
    前記言語推定エンジンは、国別に設けられ、各国別の言語推定エンジンは、当該国で使用される複数の言語の中から前記話者が用いる言語を推定し、
    前記国籍情報が示す国に対応する前記言語推定エンジンを選択する手順をさらに前記コンピュータに実行させるためのプログラム。

Images