JPH0673800U - 音声認識装置 - Google Patents

Abstract

(57)【要約】 【目的】話者の発声に対して音声で応答を行なう音声認
識装置に関し、予め複数カ国語で音声認識および音声応
答可能とすることで使い勝手を良くし、かつ汎用性の高
い安価な装置を実現することを目的とする。 【構成】少なくとも、音声入力部１と、入力して来た音
声信号からその言語を判定する使用言語判定部２と、入
力された音声信号の内容を判別する複数カ国語対応の音
声認識部３と、音声認識結果に従って機器を制御する制
御部４と、音声応答のための複数カ国語対応の応答信号
発生部５とを有し、使用言語判定部２から出力した判定
信号が音声認識部３に入力して、認識対象言語が選定さ
れ、かつ使用言語判定部２から出力した判定信号が応答
信号発生部５に入力して、音声応答言語が選定されるよ
うな構成とする。

Description

【考案の詳細な説明】

【０００１】

【産業上の利用分野】

本考案は、話者の発声に対して音声で応答を行なう音声認識装置に関する。自 動車などの運転者が運転中に、エアコンディショナやオーディオ装置、カーナビ ゲーション、自動車電話、オートクルーズなどの機器を手動操作すると、安全運 転に支障を来たし、事故を引き起こすおそれがある。そこで、これらの機器の操 作を音声で指示し、また機器側では、指示された操作に対して音声で応答して、 話者が確認できるようにすることが、操作性向上のために望ましい。

【０００２】

【従来の技術】

自動車用に限らず、音声認識装置は、話者の音声を認識し、さらに認識した内 容に従って機器を操作するようになっている。そして、結果を話者に対して、機 器側から信号音を発して応答する。

【０００３】 図５は従来の音声認識装置における応答動作を示すフローチャートである。オ ーディオ機器を操作する場合であれば、まず、ステップS1において、例えば「プ レイ」と発声して音声入力し、再生動作を指示すると、ステップS2において、マ イクロホンを介して音声信号が入力され、ステップS3で音声認識に適するように 前処理が行なわれる。

【０００４】 次いで、ステップS4に示すように、音声認識部において、音声認識が行なわれ 、ステップS5において認識結果の判定が行なわれる。「プレイ」という言葉を認 識できた場合は、ステップS6において、認識できたことをブザー音などで応答し て話者に知らせた後、ステップS7において、プレイ動作を開始する。

【０００５】 これに対し、話者の言葉を認識できない場合は、ステップS8において、その旨 を知らせる信号音を出力して、話者に対し、再度音声入力するよう促す。

【０００６】

【考案が解決しようとする課題】

しかしながら、このようなブザー音などによる応答では、音声認識できたか、 できないかの二通り程度しか表現できない。自動車などの場合は、多数の機器が 装備されており、多数のスイッチを操作する必要があるので、スイッチ操作によ って行なわれる動作の内容も多種多様である。したがって、応答もブザー音では なく、操作指示の内容に応じて具体的に音声で応答できるのが望ましい。

【０００７】 例えば、話者が「プレイ」と発声した場合、その指示音声を認識し、しかもプ レイ可能であれば、例えば「カセットテープをプレイします」のように、音声で 応答し、音声認識できない場合は、「もう一度お話し下さい」のように、音声応 答（トークバック）できると、対話式に、より正確に機器操作を行なうことがで き、操作性が向上する。

【０００８】 また、エアコンディショナの場合は、温度や風量などの状態を、オートクルー ズの場合は、現在の速度などの状態を、音声応答で話者に知らせることができる と、操作がより簡便となる。

【０００９】 ところで、音声認識は通常、日本語で行なわれるが、輸出車の場合は、相手国 語で音声認識可能にしておく必要がある。また、本考案のように音声で応答する 場合も、輸出用の車両については、相手国語で応答する必要がある。

【００１０】 しかしながら、音声認識やトークバックを、輸出車に関してのみ、英語などの 相手国語で行なえるようにするには、英語を音声認識可能とし、しかもトークバ ックも英語で行なえる認識装置を別に開発する必要があり、コスト高となるとい う問題がある。

【００１１】 一方、国際化が進展すると、レンタルカーなどを想定したとき、同一車両を日 本人が運転することもあれば外国人が運転することもある。このような場合、日 本語のみ又は英語のみしか音声認識やトークバックできないとなると、所期の目 的を達成できず、不便である。

【００１２】 本考案の技術的課題は、このような問題に着目し、予め複数カ国語で音声認識 および音声応答可能とすることで使い勝手を良くし、かつ汎用性の高い安価な装 置を実現することにある。

【００１３】

【課題を解決するための手段】

図１は本考案による音声認識装置の基本構成を説明するブロック図である。請 求項１の音声認識装置は、話者の発声した音声の信号が入力すると、該音声信号 に対応するトークバック信号を出力し、音声で応答する音声認識装置において、 図１（１）のように、少なくとも、音声入力部１と、入力して来た音声信号から その言語を判定する使用言語判定部２と、入力された音声信号の内容を判別する 音声認識部３と、音声認識結果に従って機器を制御する制御部４と、音声応答の ための応答信号発生部５とを有している。

【００１４】 前記の音声認識部３は、入力した音声信号から複数カ国語を認識でき、また応 答信号発生部５は、複数カ国語で音声応答できる。そして、使用言語判定部２か ら出力された判定信号が音声認識部３に入力して、認識対象言語が選定され、か つ使用言語判定部２から出力された判定信号が応答信号発生部５に入力して、音 声応答言語が選定されるように構成されている。

【００１５】 請求項２は、話者の発声した音声の信号が入力すると、該音声信号に対応する トークバック信号を出力し、音声で応答する音声認識装置において、図１（２） のように、少なくとも、音声入力部１と、入力された音声信号の内容を判別する 音声認識部３と、音声認識結果に従って機器を制御する制御部４と、音声応答の ための応答信号発生部５と、使用言語の設定部６とを有している。

【００１６】 音声認識部３は、入力した音声信号から複数カ国語を認識でき、また応答信号 発生部５は、複数カ国語による音声応答が可能となっている。そして、前記音声 認識部３および前記応答信号発生部５の少なくとも一方は、使用言語設定部６か ら出力された選択信号に応じて、認識対象言語あるいは音声応答言語が選択され るように構成されている。

【００１７】

【作用】

本考案の音声認識部３は、それぞれの言語ごとに音声認識機能を有していて、 使用言語判定部２からの判定信号によって、判定された言語の音声認識機能が作 動する構成になっている。したがって、入力した音声信号から複数カ国語を認識 できる。

【００１８】 また、応答信号発生部５は、それぞれの言語ごとに、操作命令に応じた音声応 答機能を有しているため、使用言語判定部２において、入力して来た音声信号か らその言語が自動的に判定されて、判定信号が音声認識部３と応答信号発生部５ に入力し、使用言語が指定されると、音声認識部３では指定された言語のみを選 択して音声認識し、応答信号発生部５では、指定された言語を選択して音声応答 が行なわれる。

【００１９】 このように、音声入力部１から音声が入力するだけで、その言語が判定され、 その言語で音声認識や音声応答が行なわれるので、複数カ国語で音声認識および 音声応答でき、輸出用の装置や複数カ国の人種が使用する場合に便利である。ま た、輸出先の国語専用の装置とする必要がなく、汎用性が高いので、安価に実現 できる。

【００２０】 なお、使用言語判定部２においては、初期状態で入力してきた最初の音声信号 で言語の種別を判定して、以後はその言語のみを有効とする手法と、音声信号が 入力してくるたびにその言語の種別を判定し、判定信号を音声認識部３および応 答信号発生部５に入力して、使用言語を指定する手法とがあるが、本考案は両方 を含むものとする。

【００２１】 請求項２における音声認識部３も、入力した音声信号から複数カ国語を認識で き、また応答信号発生部５は、複数カ国語で音声応答が可能となっており、使用 言語設定部６から出力した設定信号が音声認識部３に入力して、認識対象言語が 選択され、あるいは使用言語設定部６から出力した設定信号が応答信号発生部５ に入力して、音声応答言語が選択される構成になっている。

【００２２】 したがって、予め人為的に使用言語を選択する操作が必要ではあるが、複数カ 国語に対応できるので、請求項１の場合と同様な効果を奏するほか、一旦使用言 語を設定すれば、使用言語を変更しない限り、操作を行なう必要がないので、使 用言語の変更の頻度が少ない装置に有利であり、また構成が簡素となるため、よ り安価に実現できる。

【００２３】

【実施例】

次に本考案による音声認識装置が実際上どのように具体化されるかを実施例で 説明する。図２は請求項１の音声認識装置を自動車に実施した例を示すブロック 図である。自動車７のフロントシート８の前方には、運転席側および助手席側の 双方に、音声入力手段として、マイクロホン１ａ、１ｂが配設されている。

【００２４】 そして、マイクロホン１ａ、１ｂで検出された音声信号は、雑音除去などを行 なう前処理回路９を経て、使用言語の判定部２に入力され、フロントシート８に おける話者の話した言語の種別が判別される。使用言語判定部２において、話者 の使用言語が判別されると、その判別信号が音声認識部３と応答信号発生部５に 入力され、判定された言語のみが有効となる。

【００２５】 この自動車には、装備として、オーディオ装置Ａ１、エアコンディショナＡ２ 、自動車電話Ａ３、ナビゲーション装置Ａ４およびオートクルーズＡｎなどが搭 載されている。

【００２６】 この実施例は、初期状態で入力してきた最初の音声信号で言語の種別を判定し て、以後はその言語のみを有効とする構成になっているものとする。いま、フロ ントシート８の話者が、日本語で機器の操作を行なう場合であれば、エンジンを 始動させて初期状態において、まず「ニホンゴ」と発声すると、マイクロホン１ ａまたは１ｂから入力した音声信号は、前処理回路９を経て、使用言語判定部２ に入力し、使用言語の種別が「日本語」であると判定される。

【００２７】 そして、この判定信号によって、音声認識部３および応答信号発生部５では、 日本語のみが有効とされ、音声認識部３に登録されている日本語の単語ないし文 章と、入力してきた単語ないし文章とが比較照合される。

【００２８】 例えば、オーディオ装置Ａ１のカセットテープを再生する場合であれば、話者 がまず「テープ・プレイ」と発声すると、マイクロホン1aまたは1bから入力した 音声信号は、前処理回路９および使用言語判定部２を経て、音声認識部３に入力 し、音声認識部３に登録されている日本語の辞書と比較照合される。

【００２９】 英語など、他の国語の辞書も登録されているが、他の国語が登録されているテ ーブルは選択されず、使用言語判定部２から入力した判定信号によって、日本語 が登録されているテーブルのみが選択され、予め登録されている用語と比較照合 される。

【００３０】 その結果、カセートテープの再生命令であることが認識され、認識信号にした がって制御部４において、カセットが挿入されていて再生が可能か確認が行なわ れる。そして、再生が可能であれば、応答信号発生部５から出力する音声信号に よって、例えば「テープをプレイします」と、スピーカから日本語で応答が行な われた後、テープの再生が開始する。カセットが挿入されていない場合は、「カ セットが挿入されていません。カセットを挿入して下さい」と、音声応答が行な われる。

【００３１】 一方、プレイ状態において、例えば「テープ・ストップ」と発声すると、前記 のプレイ指示の場合と同様にして、制御部４で停止が可能か確認が行なわれた後 、応答信号発生部５から「テープを停止します」等の応答信号を出力してスピー カを鳴動させた後に、再生動作が停止する。

【００３２】 さらに、カセットテープを取り出したい場合は、「テープ・イジェクト」と発 声すれば、前記の場合と同じ原理で「テープをイジェクトします」等の応答音を 発生した後に、カセットテープがイジェクトされる。

【００３３】 フロントシート８の話者が、英語でハンドフリー操作を行なう場合であれば、 エンジン始動後に、例えば「イングリッシュ」と発声すると、マイクロホン１ａ または１ｂから入力した音声信号が前処理回路９を経て、使用言語判定部２に入 力し、使用言語の種別が「英語」と判定される。この判定信号により、音声認識 部３および応答信号発生部５では、英語のみが有効とされ、音声認識部３に登録 されている英語の辞書と、入力してきた英語の音声信号とが比較照合される。し たがって、以後は英語によって、搭載機器をハンドフリー操作できる。

【００３４】 図３は、図２の実施例の装置における処理手順を示すフローチャートである。 いま、エンジンを始動させた初期状態において、ステップS1で、図２のマイクロ ホン１ａまたは１ｂに向かって、「ニホンゴ」と発声し音声入力すると、ステッ プS2でマイクロホン１ａまたは１ｂから音声信号が出力し、ステップS3において 図２の前処理回路９により雑音除去などが行なわれる。

【００３５】 そして、ステップＳ４において、本考案による言語判定部２に音声信号が入力 され、入力された用語が言語判定用語であると、言語の種別が判定されて、ステ ップS5で音声認識装置３および応答信号発生部５に対して、日本語が設定され、 使用言語の指定が完了する。

【００３６】 ついで、ステップS1において、例えば「テープ・プレイ」などの操作命令が音 声入力されると、ステップS2でマイクロホン１ａまたは１ｂから音声信号が出力 し、ステップS3において雑音除去などの前処理が行なわれる。そして、次のステ ップＳ４で、入力された用語は言語判定用語（“ニホンゴ”または“イングリッ シュ”）ではないと判定される。すなわち、操作指令の用語であるので、ステッ プS6で、音声認識部３により、日本語の辞書テーブルが選択されて、入力した日 本語の意味が認識される。

【００３７】 ステップS7における意味判定の結果、正常に認識された場合であれば、ステッ プS8において制御部４によりカセットテープの再生が可能か確認が行なわれた後 、ステップS9において、「テープを再生します」と音声応答が行なわれ、ステッ プＳ10において、カセットテープの再生動作が開始される。

【００３８】 ステップS6における音声認識が不可能であると、ステップS7で判定された場合 は、ステップＳ11において、応答信号発生部５から「もう一度入力して下さい」 との音声信号を出力してスピーカを駆動し、音声操作のリトライを促す。

【００３９】 なお、エンジンを始動させて初期状態において、ステップS1で「イングリッシ ュ」と発声し音声入力すると、ステップS4において「英語」と判定されて、図２ における音声認識部３および応答信号発生部５には、英語が設定されるので、以 後の音声入力では、英語のみで音声認識および音声応答が行なわれる。

【００４０】 この実施例では、エンジンを始動した初期状態において、「ニホンゴ」または 「イングリッシュ」と発声して、最初に、以後の使用言語を指定するようになっ ている。したがって、エンジンを停止しない限り、使用言語の変更はできない。

【００４１】 これに対し、図３の判定ステップＳ４を省き、入力された用語のすべてについ て、図２の使用言語判定部２における判定を行ない、音声認識部３および応答信 号発生部５に言語判定信号を入力する構成にすれば、言語が入力される度に言語 判定を行ない、音声認識部３において、判定された言語の登録テーブル中の用語 と比較照合し、かつ応答信号発生部５からは判定された言語で音声応答を行なう ことができる。この構成によると、使用言語を変更するたびに、エンジンを停止 し再度始動して言語の設定をやり直す必要はなく、操作性が向上する。

【００４２】 しかしながら、「テープ・プレイ」や「テープ・イジクト」などの操作命令語 のように、日本語と英語で共通している用語を用いると、日本語で操作命令した のに英語で音声応答が行なわれるとか、逆に英語で操作命令したのに日本語で音 声応答が行なわれる、といった事態が発生し、混乱を来す。これを防止するには 、単語で命令しないで、「テープをプレイしなさい」や「テープをイジェクトし なさい」などのように、文章で命令する必要があり、また使用言語判定部２は、 単語の特徴のみでなく、日本語と英語の構文の違いなどを利用して言語判定する 必要がある。

【００４３】 以上は、請求項１の思想によって、入力音声から自動的に言語判定を行なう例 であるのに対し、請求項２のように人為的に使用言語を設定する場合は、図４の ように、ステップS0において、スイッチなどで使用言語を選択すると、図１（２ ）における使用言語の設定部６から設定信号が発生して、音声認識部３および応 答信号発生部５に入力し、以後の使用言語が選択される。

【００４４】 したがって、ステップS0において、例えば英語が設定されたとすると、以後は 英語による操作指令のみが有効となり、他の言語を用いる場合は、ステップS0に おいて設定しなおす必要がある。この実施例では、言語設定スイッチを手動操作 する必要はあるが、一旦設定しておくと、使用言語の変更がない限り何ら操作を 行なう必要がない。言語設定は、手動操作スイッチに限らず、前記のように例え ば音声で設定するようにしてもよい。

【００４５】 なお、音声認識部３の認識対象言語と応答信号発生部５の音声応答言語のいず れか一方のみを選択可能（他方は所定言語で行なう）としてもよく、また両者の 言語を別個に独立して設定できるようにしてもよい。

【００４６】 以上の実施例は、日本語と英語の二カ国語を使用可能とした例であるが、これ のみに限定されないことはもちろんであり、また三カ国語以上を選択使用可能と することもできる。

【００４７】 音声による操作対象は、図２における機器のほか、例えばワイパーなどのよう な各種のスイッチ類の操作を、可能な限り本考案による音声認識装置で行なうこ とができる。しかも、自動車内における機器の操作に限らず、他の機器の操作に も適用できる。

【００４８】

【考案の効果】

請求項１によれば、音声入力するだけで、その言語が判定され、その言語で音 声認識や音声応答が行なわれるので、複数カ国語で音声認識および音声応答でき 、輸出用の装置や複数カ国の人種が使用する場合に便利である。また、輸出先の 国語専用の装置とする必要がないので、汎用性が高く、安価に実現できる。

【００４９】 請求項２のように、予め人為的にスイッチ操作などで使用言語を選択する構成 の場合は、一旦使用言語を設定すれば、使用言語を変更しない限り、操作を要し ないので、使用言語の変更の頻度が少ない装置に有利であり、構成が簡素なため より安価に実現できる。

【図面の簡単な説明】

【図１】本考案による音声認識装置の基本原理を説明す
るブロック図である。

【図２】請求項１の音声認識装置を自動車に実施した例
を示すブロック図である。

【図３】図２の実施例装置における処理手順を例示する
フローチャートである。

【図４】請求項２の考案における処理手順を例示するフ
ローチャートである。

【図５】従来の音声認識装置における応答動作を示すフ
ローチャートである。

【符号の説明】

１ 音声入力部 ２ 使用言語判定部 ３ 音声認識部 ４ 制御部 ５ 応答信号発生部 ６ 使用言語設定部 A1〜An 自動車における各種装備

Claims (2)

【実用新案登録請求の範囲】
1. 【請求項１】 話者の発声した音声の信号が入力する
   と、該音声信号に対応するトークバック信号を出力し、
   音声で応答する音声認識装置において、 少なくとも、音声入力部（１）と、入力して来た音声信
   号からその言語を判定する使用言語判定部（２）と、入
   力された音声信号の内容を判別する音声認識部（３）
   と、音声認識結果に従って機器を制御する制御部（４）
   と、音声応答のための応答信号発生部（５）とを有し、 音声認識部（３）は、入力した音声信号から複数カ国語
   を認識でき、また応答信号発生部（５）は、複数カ国語
   による音声応答が可能となっており、 使用言語判定部（２）から出力した判定信号が音声認識
   部（３）に入力して、認識対象言語が選定され、かつ使
   用言語判定部（２）から出力した判定信号が応答信号発
   生部（５）に入力して、音声応答言語が選定されるよう
   に構成されていることを特徴とする音声認識装置。
2. 【請求項２】 話者の発声した音声の信号が入力する
   と、該音声信号に対応するトークバック信号を出力し、
   音声で応答する音声認識装置において、 少なくとも、音声入力部（１）と、入力された音声信号
   の内容を判別する音声認識部（３）と、音声認識結果に
   従って機器を制御する制御部（４）と、音声応答のため
   の応答信号発生部（５）と、使用言語の設定部（６）と
   を有し、 音声認識部（３）は、入力した音声信号から複数カ国語
   を認識でき、また応答信号発生部（５）は、複数カ国語
   による音声応答が可能となっており、 前記音声認識部（３）および前記応答信号発生部（５）
   の少なくとも一方は、使用言語設定部（６）から出力さ
   れた選択信号に応じて、認識対象言語あるいは音声応答
   言語が選択されるように構成されていることを特徴とす
   る音声認識装置。