JPH01160249A - 翻訳通信方式 - Google Patents

Abstract

(57)【要約】本公報は電子出願前の出願データであるた
め要約のデータは記録されません。

Description

【発明の詳細な説明】 ［発明の目的］ （産業上の利用分野） 本発明は、複数の通信端末間で互に異なる言語の音声を
用いて通信を行なうための翻訳通信方式に関する。

（従来の技術） 機械翻訳装置を用いて異なる言語を使用する人どうしが
互いに自身の言語を用いて通信を交わす、すなわち翻訳
通信を行なうことは、人類の長年の夢である。

第４図は現在実用化されている機器を用いて実現される
翻訳通信システムの概略構成を示すもので、電話端末１
，２間で音声自動翻訳装置３を介して日本語・英語間の
翻訳通信を行なうシステムの基本的な構成例を示してい
る。電話端末］から入力される日本語の音声は回線を介
して音声自動翻訳装置３に送られ、日本語音声認識部４
で認識された後、日英翻訳部５で英語情報に翻訳される
。

この英語情報は英語音声合成部６で英語音声情報に合成
変換され、相手側の電話端末２より音声として出力され
る。一方、相手側の電話端末２から入力される英語の音
声は英語音声認識部７により認識された後、英日翻訳部
８で日本語情報に翻訳される。この日本語情報は日本語
音声合成部９で日本語音声情報に合成変換され、電話端
末１より音声として出力される。

このような翻訳通信システムにおいて、音声自動翻訳装
置３は中央に設置され、これを複数の端末で共用する形
となる。しかし、このような形態では音声自動翻訳装置
３は多数の端末から同時に入力される音声に対応しなけ
ればならないため、負荷が非常に大きくなり、端末間の
通話に対して十分な応答スピードが得られない。

また、このように中央の音声自動翻訳装置３を複数の端
末で共用すると、例えばあるユーザＡは言語Ｘと言語Ｙ
を翻訳し、他のユーザＢは言語Ｘと言語Ｚを翻訳すると
いうような、ユーザの希望する任意の翻訳機能を持たせ
ることが困難であり、各ユーザの要求に対して柔軟な対
応をとることが難しい。

（発明が解決しようとする問題点） このように中央の音声自動翻訳装置を複数の端末で共用
した従来の翻訳通信システムでは、応答スピードが遅く
、また翻訳機能に関する各ユーザの要求に柔軟に対応で
きないという問題があった。

この発明は上記の問題点を解決し、端末間の通話に対し
て追従できる程度に高い応答スピードが得られ、また翻
訳機能に関する各ユーザの要求に対して容易に対応でき
る翻訳通信方式を提供することを目的とする。

［発明の構成］ （問題点を解決するための手段） この発明に係る翻訳通信方式は、音声入力手段、入力音
声を分析する音声分析手段、音声分析手段の分析結果か
ら入力音声の言語情報を認識する音声認識手段、音声認
識手段により認識された言語情報を他国語の言語情報に
翻訳処理する翻訳手段、翻訳手段の翻訳結果を音声情報
として合成する音声合成手段および音声合成手段により
合成された音声情報を出力する音声出力手段の全部また
は少なくとも音声入力手段および音声出力手段を含む一
部を備えた第１の通信端末と、音声入力手段、音声分析
手段、音声認識手段、翻訳手段、音声合成手段および音
声出力手段のうち全部または少なくとも音声入力手段お
よび音声出力手段と第１の通信端末に備えられていない
他の一部を備えた第２の通信端末との間で、異種言語の
入力音声による通信を行なうことを特徴とする。

（作　用） 翻訳通信を行なう第１および第２の通信端末においては
、いずれも音声入力手段と音声出力手段は最低限備えて
おり、他の音声分析手段、音声認識手段、翻訳手段およ
び音声合成手段は少なくとも一方の端末が備えている。

これら第１および第２の通信端末は、中実装置を介する
ことなく直結され、第１の通信端末において音声入力手
段により入力された音声は、第１の通信端末内の音声分
析手段の出力、音声認識手段の出力または翻訳手段の出
力より他方の通信端末に送信された後、第２の通信端末
内の音声認識手段の入力、翻訳手段の入力または音声合
成手段の入力に供給され、第２の通信端末内の音声出力
手段より音声として出力される。

また、第１の通信端末は音声人力手段、音声分析手段、
音声認識手段、翻訳手段、音声合成手段および音声出力
手段の全部を備え、第２の通信端末は音声入力手段およ
び音声出力手段のみを備えるという関係でもよい。その
場合、第１の通信端末内の音声入力手段により入力され
た音声は第１の通信端末内の音声分析手段、音声認識手
段、翻訳手段、音声合成手段を介して第２の通信端末に
送信された後、第２の通信端末内の音声出力手段を介し
て音声として出力され、第２の通信端末内の音声入力手
段により入力された入力音声は第１の通信端末に送信さ
れた後、第１の通信端末内の音声分析手段、音声認識手
段、翻訳手段、音声合成手段および音声出力手段を介し
て音声として出力される。すなわち、第２の通信端末は
第１の通信端末内の音声分析、音声認識、翻訳および音
声合成の各機能を利用して、第１の通信端末との翻訳通
信を行なう。

この発明では通信を行なう第１および第２の通信端末の
少なくとも一方に翻訳通信に必要な機能を持たせ、中央
の音声自動翻訳装置を介さずに直接翻訳通信を行なう構
成としたことによって、入力音声に対する応答スピード
が速くなり、はぼリアルタイムでの通話が可能となる。

すなわち、中央に多数の端末で共用される音声自動翻訳
装置を設ける場合、その音声自動翻訳装置は多数の端末
から同時に入力される音声に対応しなければならないた
め、応答スピードの低下が避けられないが、この発明で
は各通信端末はそのユーザの発話による音声または通信
相手からの音声の音声分析、音声認識、翻訳、音声合成
のみを行なえばよいので、リアルタイムの通話を行なう
のに十分な応答スピードが得られる。

また、この発明ではユーザが想定される通信相手等に応
じて、使用する通信端末の機能を任意に選ぶことができ
、システムとしての柔軟性が高シ）。

（実施例） 以下、この発明の実施例を図面を参照して説明する。第
１図はこの発明の一実施例に係る音声入力手段、音声分
析手段、音声認識機能、翻訳手段、音声合成手段および
音声出力手段の全てを備えた通信端末の構成例を示して
いる。

第１図において、制御部１１は通信端末内の各部を制御
する装置であり、プログラムメモリ゛１２に格納された
制御プログラムに従って動作する。

データメモリ１３は処理の途中結果等のデータを表示す
るメモリである。また、キー人力部１４はユーザが翻訳
通信に必要な各種コマンドの入力や翻訳結果の修正等を
行なうためのものであり、表示部１５はユーザに対する
入力指示や翻訳結果等の表示を行なうものである。

マイクロフォン１６．増幅器１７およびＡ／Ｄ変換器１
８（符号化手段）は音声入力手段を構成し、Ａ／Ｄ変換
器１８の出力は制御部１１と音声分析部１９に入力され
る。

音声分析部１９はＡ／Ｄ変換器１８の出力をフィルタリ
ング等により分析し、分析結果として分析パラメータを
音声認識の前処理部としてのセグメント変換部２０へ出
力する。セグメント変換部２０は分析パラメータ系列を
標準パターンメモリ２１の内容を参照して、音声認識の
ためのセグメント情報に置換える。セグメント情報の単
位としては、音声のスペクトルに対応する最も低レベル
のものから、音素、音節、ＶＣＶ　（Ｖ−母音、Ｃ−子
音）単位のもの等が使用される。標準パターンメモリ２
１の内容は、入力音声（日本語対象。

英語対象、・・・または個人対象）に応じてデータメモ
リ１３から前もって転送される。また、図示しない外部
記憶装置（ＩＣメモリカード等）から制御部１１を介し
て標準パターンメモリ２１に標準パターンを転送しても
よい。セグメント変換部２０からのセグメント系列は制
御部１１を介して音声認識部２２に送られる。

音声認識部２２はセグメント系列を、認識辞書部２３の
内容を参照しながら、音声入力手段により入力された音
声の言語、例えば日本語に変換する。認識の形式はセグ
メント変換の種類により異なり、低次のセグメントでは
ＤＰマツチング。

ＨＭＭ、遷移ネットワーク等が単語会文節単位で用いら
れる。また、音声認識部２２ではこの他、文単位で構文
解析、意味解釈がなされ、複数候補単語（文節）に絞り
込まれる。この結果は表示部１５で表示され、ユーザは
複数候補からの選択。

修正、また必要に応じて再発声等を行なうことになる。

翻訳部２４は音声認識部２２の認識結果を翻訳辞書部２
５の内容を参照して音声入力手段により入力された音声
と異なる言語、例えば英語に翻訳する。翻訳辞書部２５
は翻訳処理に必要な単語辞書１文法辞書等の各種辞書の
情報が翻訳対象（日。

英、仏、・・・および分野等）に応じてデータメモリ１
３または外部記憶装置（ＩＣメモリカード等）から制御
部１１を介して予め転送されている。ユーザは必要に応
じて、翻訳部２４の翻訳結果を日本語文と対照させた形
式で表示部１５に表示することができ、またキー人力部
１４を通して翻訳結果を修正することも可能である。

なお、翻訳部２４の翻訳結果を表示部１５で表示すると
共に、制御部１１を介して規則合成部２９に送り、音声
合成部３１．Ｄ／Ａ変換器３２゜増幅器３３およびスピ
ーカ３４を介して音声で確認することも可能である。

翻訳部２４の翻訳結果は、制御部１１を介して文単位ま
たは複数文の単位で送信部２６へ転送され、送信部２６
から回線へ送り出される。　　−一方、回線から受信部
２７で受信された信号は制御部１１に入力される。制御
部１１内に設けられた受信信号割当部２８は、受信信号
をその情報レベル、すなわち受信信号が■音声を単に符
号化したレベル（Ａ／Ｄ変換器１８の出力に相当）か、
■音声分析したレベル（音声分析部１９の出力に相当す
るレベル）か、■セグメント変換したレベル（セグメン
ト変換部２の出力に相当するレベル）か、■音声認識し
たレベル（音声認識部２２の出力に相当するレベル）か
、■翻訳結果のレベル（翻訳部２４の出力に相当するレ
ベル）か、■翻訳結果を規則合成したレベル（規則合成
部２９の出力に相当するレベル）か、め翻訳結果を音声
合成したレベル（音声合成部３１の出力に相当するレベ
ル）かに応じて、音声分析部１９．音声認識部２２．翻
訳部２４．規則合成部２９．音声合成部３１．Ｄ／Ａ変
換器３２．増幅器３３のいずれか・に割当てを行ない、
その位置から処理を始めるように制御する。すなわち、
受信信号の情報レベルが■の場合は音声分析部１９から
、■の場合はセグメント変換部２０から、■の場合は音
声認識部２２から、■の場合は翻訳部２４から、■の場
合は規則合成部２９から、■の場合は音声合成部３１か
ら、■の場合はＤ／Ａ変換器３２から、それぞれ処理を
始める。

規則合成部２９は入力された翻訳結果からなる入力信号
を規則合成辞書部３０の内容を参照して、音声合成に必
要な音韻・韻律パラメータ等のパラメータ系列に変換す
る。規則合成辞書部３０は合成対象毎に用意され、例え
ばキー人力部１４を介して合成対象の言語が指定される
と、その言語に対応した辞書が用いられる。

規則合成部２９により得られた合成パラメータ系列は、
制御部１１を介して音声合成部３１に入力され、音声信
号が合成される。

Ｄ／Ａ変換器３２（復号化手段）と増幅器３３およびス
ピーカ３４は音声出力手段を構成し、音声合成部３１の
合成結果を音声として出力する。

第２図は第１図の構成の通信端末４１．４２を回線４３
を介して直結し、翻訳通信を行なう例を示している。今
、日本語を話す人が第１の通信端末４１を用いて、第２
の通信端末４２を用いる英語を話す人と翻訳通信を行な
う場合について具体的に説明する。

第１の通信端末４１において、音声入力手段（マイクロ
フォン１６．増幅器１７およびＡ／Ｄ変換器１８）より
入力された日本語音声は、音声分析部１９で分析された
後、セグメント変換部２０を介して音声認識部２２で認
識され、その認識結果が翻訳部２４で英語文に翻訳され
る。翻訳結果である英語文は送信部２６より回線４３を
経て第２の通信端末４２に送信される。

第２の通信端末４２において受信部２７で受信された英
語文の入力信号は、受信信号割当部２８により表示部１
５と規則合成部２９に送られ、表示部１５で英語文が表
示されると共に、規則合成部２９で規則合成された後、
音声合成部３１で合成され、音声出力手段（Ｄ／Ａ変換
器３２．増幅器３３およびスピーカ３４）より英語音声
として出力される。

第２の通信端末４２のユーザは、表示部１５の表示とス
ピーカ３４からの音声により第１の通信端末４１のユー
ザからの通信内容を理解し、それに応じた返答を英語音
声により行なう。この英語音声は第２通信端末４２内の
音声入力手段（マイクロフォン１６．増幅器１７および
Ａ／Ｄ変換器１８）より入力され、音声分析部１９で分
析された後、セグメント変換部２０を介して音声認識部
２２で認識され、その認識結果が翻訳部２４で日本語文
に翻訳される。翻訳結果である日本語文は送信部２６よ
り回線４３を経て第１の通信端末４１に送信される。

一方、第１の通信端末４１において受信部２７で受信さ
れた日本語文の入力信号は、受信信号割当部２８により
表示部１５と規則合成部２９に送られ、表示部１５で日
本語文が表示されると共に、規則合成部２９で規則合成
された後、音声合成部　・３１で合成され、音声出力手
段（Ｄ／Ａ変換器３２、増幅器３３およびスピーカ３４
）より日本語音声として出力される。

上記の説明では、日本語と英語間の翻訳通信について述
べたが、翻訳に係る言語対はなんでもよく、また同じ言
語どうしく例えば日本語どうし）で通信を行なうことも
可能である。例えば日本語どうしで通信を行なう場合は
、ユーザがその旨を通信端末４１．４２に指示しておき
、それに従ってそれぞれの制御部１１が通信端末内の各
部を制御する。

また、上記説明では入力音声の音声分析・音声認識・翻
訳の処理を音声が入力された通信端末内で行なったが、
必ずしもこのように処理を割当てる必要はない。例えば
音声が入力された側の通信端末で音声認識までの処理を
行ない、他方の通信端末で音声認識結果の翻訳から音声
出力までを行なってもよい。要するに、第１の通信端末
４１内の音声入力手段により入力された音声を、第１の
通信端末内の音声分析部１９の出力、音声認識部２２の
出力または翻訳部２４の出力より第２の通信端末４２に
送信し、第２の通信端末４２内の音声認識部２２の入力
、翻訳部２４の入力または音声合成部３１（または規則
合成部２９）の入力に供給し、第２の通信端末４２内の
音声出力゛手段より音声として出力すればよい。

また、この発明において翻訳通信を行なう第１および第
２の通信端末は、音声入力手段、音声分析手段、音声認
識手段、翻訳手段、音声合成手段および音声出力手段の
全部を備えている必要はなく、少なくとも音声入力手段
および音声出力手段は両端末が備えているが、他の手段
についてはそれぞれ一方のみが備えているのみでもよい
。

第３図はそのような例として、上述した手段を全て備え
た第１図に示した構成の第１の通信端末５１と、第１図
の構成から音声分析部１９．セグメント変換部２０．標
準パターンメモリ２１．音声認識部２２．認識辞書部２
３．翻訳部２４．翻訳辞書部２５．規則合成部２９．規
則合成辞書部３０および音声合成部３１を取除いた第２
の通信端末５２とを回線５３を介して直結した例を示し
ている。

この第３図の構成で日本語を話す人が第１の通信端末５
１を用い、英語を話す人が第２の通信端末５２を用いて
翻訳通信を行なう場合の動作を説明する。まず、第１お
よび第２の通信端末５１゜５２は自身が備えた機能を制
御部１１に知らせておく。第１の端末５１における日本
語音声から英語文の翻訳までの処理は、第２図の場合と
同様の手順で行なわれる。

ここで、第２の通信端末５２は音声合成機能を備えてい
ないので、第１の通信端末５１は翻訳結果である英語文
をさらに音声合成部３１により英語音声に合成し、これ
ら英語文と英語音声の両者を送信部２６より回線５３を
介して第２の通信端末５２へ送信する。

第２の通信端末５２においては、第１の通信端末５１か
らの信号を受信信号割当部２８で英語文と英語音声とに
振分け、前者は表示部１５により表示し、後者はＤ／Ａ
変換器３２より増幅器３３を経てスピーカ３４から音声
として出力する。

第２の通信端末５２のユーザは、これらの表示および音
声により第１の通信端末５１のユーザからの通信内容を
理解し、それに応じた返答を英語音声で行なう。この英
語音声はマイクロフォン１６より増幅器１７を介してＡ
／Ｄ変換器１８に人力される。ここで、第２の通信端末
５２は音声分析以後の機能を備えていないので、Ｄ／Ａ
変換器１８の出力が送信部２６から回線５３を経て第１
の通信端末５１に送信される。

第１の通信端末５１では第２の通信端末５２からの信号
を受信信号割当部２８で音声分析部１９へ送り、セグメ
ント変換部２０および音声認識部２２によって英語文と
して認識する。この英語文の認識結果はさらに翻訳部２
４で日本語に翻訳され、以後は先と同様にして表示部１
５で日本語文として表示されるとともに、スピーカ３４
から日本語音声として出力される。

この発明は上記実施例に限定されるものではなく、その
要旨を逸脱しない範囲で種々変形して実施することが可
能である。

［発明の効果］ この発明によれば、音声入力手段、音声分析手段、音声
認識手段、翻訳手段、音声合成手段および音声出力手段
のうち少なくとも音声入力手段および音声出力手段は両
方が備え、他の手段は少なくとも一方が備えた２つの通
信端末間で、中央の音声自動翻訳装置を介さずに直接翻
訳通信を行なうため、翻訳機能を有する端末は多くとも
相手端末への音声または相手端末からの音声の翻訳のみ
を行なえばよく、多数の端末間で授受される音声の翻訳
を行なう必要のある中央の音声自動翻訳装置を設けた場
合に比較して入力音声に対する応答スピードが格段に高
くなり、リアルタイムでの通信が可能となる。

また、この発明によると通信端末毎に想定される通信相
手の使用言語等に応じて翻訳対象言語を定めるなど、使
用する通信端末の機能を任意に選ぶことができ、ユーザ
の要求に対する柔軟性が高い。

【図面の簡単な説明】

第１図はこの発明の一実施例に係る翻訳通信方式で使用
する通信端末の構成例を示す図、第２図は第１図の構成
の第１および第２の通信端末を直結して翻訳通信を行な
うシステムを示す図、第３図は第１図の構成の第１の通
信端末と機能を一部省略した第２の通信端末とを直結し
て翻訳通信を行なうシステムを示す図、第４図は従来の
翻訳通信方式を説明するための図である。 １６・・・マイクロフォン、１８・・・Ａ／Ｄｆｍ器、
１９・・・音声分析部、２２・・・音声認識部、２４・
・・翻訳部、３１・・・音声合成部、３２・・・Ｄ／Ａ
変換器、３４・・・スピーカ、２８・・・受信信号割当
部、４１゜５１・・・第１の通信端末、４２．５２・・
・第２の通信端末、４３．５３・・・回線。 出願人代理人　弁理士　鈴江武彦

Claims (4)

【特許請求の範囲】
1. （１）音声入力手段、入力音声を分析する音声分析手段
   、音声分析手段の分析結果から入力音声の言語情報を認
   識する音声認識手段、音声認識手段により認識された言
   語情報を他国語の言語情報に翻訳処理する翻訳手段、翻
   訳手段の翻訳結果を音声情報として合成する音声合成手
   段および音声合成手段により合成された音声情報を出力
   する音声出力手段の全部または少なくとも音声入力手段
   および音声出力手段を含む一部を備えた第１の通信端末
   と、音声入力手段、音声分析手段、音声認識手段、翻訳
   手段、音声合成手段および音声出力手段のうち全部また
   は少なくとも音声入力手段および音声出力手段と第１の
   通信端末に備えられていない他の一部を備えた第２の通
   信端末との間で、異種言語の入力音声による通信を行な
   うことを特徴とする翻訳通信方式。
2. （２）第１の通信端末内の音声入力手段により入力され
   た音声は、第１の通信端末内の音声分析手段の出力、音
   声認識手段の出力または翻訳手段の出力より第２の通信
   端末に送信された後、第２の通信端末内の音声認識手段
   の入力、翻訳手段の入力または音声合成手段の入力に供
   給され、第２の通信端末内の音声出力手段より音声とし
   て出力されることを特徴とする特許請求の範囲第１項記
   載の翻訳通信方式。
3. （３）第１の通信端末は音声入力手段、音声分析手段、
   音声認識手段、翻訳手段、音声合成手段および音声出力
   手段の全部を備え、第２の通信端末は音声入力手段、音
   声分析手段、音声認識手段、翻訳手段、音声合成手段お
   よび音声出力手段のうち音声入力手段および音声出力手
   段のみを備え、第１の通信端末内の音声入力手段により
   入力された音声は第１の通信端末内の音声分析手段、音
   声認識手段、翻訳手段、音声合成手段を介して第２の通
   信端末に送信された後、第２の通信端末内の音声出力手
   段を介して音声として出力され、第２の通信端末内の音
   声入力手段により入力された入力音声は第１の通信端末
   に送信された後、第１の通信端末内の音声分析手段、音
   声認識手段、翻訳手段、音声合成手段および音声出力手
   段を介して音声として出力されることを特徴とする特許
   請求の範囲第１項記載の翻訳通信方式。
4. （４）音声入力手段は入力音声を符号化する手段を含み
   、音声出力手段は音声合成手段の合成結果を復号化する
   手段を含むことを特徴とする特許請求の範囲第１項、第
   ２項または第３項記載の翻訳通信方式。