JPH09230889A - 音声認識応答装置 - Google Patents

Abstract

(57)【要約】 （修正有） 【課題】従来の登録単語に相当する単語を保持する内部
辞書保持手段の他に、外部辞書保持手段を設け、利用者
が誤って知らずに発声した登録外単語の入力に対して、
入力された単語が登録外単語であるというような利用者
にとって有効な応答をして対処が可能な音声認識応答装
置。 【解決手段】アプリケーションに依存した登録語彙を保
持する内部辞書保持手段１０４と、登録語彙と同じ種類
の語彙でありアプリケーションとは独立な登録外の語彙
を保持する外部辞書保持手段１０５とを備え、アプリケ
ーション制御手段１０１は、内部辞書保持手段１０４の
保持する語彙と、外部辞書保持手段１０５の保持する語
彙とを合わせて認識対象語彙として音声認識手段１０２
に渡し、かつアプリケーション制御手段１０１は、該音
声認識手段１０２から得る認識結果が外部辞書保持手段
１０１の保持する語彙に含まれる場合にその旨の内容を
応答出力手段１０２を介し利用者に示す。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は、情報処理装置に係
り、特に、マンマシンインタフェース部分のデータ入力
手段として音声認識を利用する場合に、利用者と装置と
の対話操作を向上させるための音声認識利用技術に関す
るものである。

【０００２】

【従来の技術】音声認識応答装置は、情報検索など何ら
かのタスクが想定されており、利用者が音声で問い合わ
せると、結果を音声で、場合によっては、文字や画像で
示す装置である。

【０００３】従来の音声応答装置は、ある場面で音声認
識できる対象語彙は予め登録された範囲内での１通りの
語彙であり、例え同じ種類（例えば人名）の単語であっ
ても、予め登録されていない単語は決して正しく認識で
きない。この場合、音声応答装置は登録された単語内で
類似の単語に誤認識した結果を示したり、あるいは登録
単語内で該当なし（リジェクション）という結果を示
す。利用者が繰り返し発声しても結果は同じことの繰り
返しである。

【０００４】一方、利用者側からみると、誤認識された
りリジェクトされる単語が、単に装置の性能が低くて認
識できない単語であるのか、利用者の発声が悪いのか、
または他の要因なのかを知る術はなく、システムの不便
さを感じながらも、何度も発声を繰り返して、恐らくし
ばらくして諦めて利用を中断することになる。

【０００５】

【発明が解決しようとする課題】上記のような従来の音
声認識応答装置において、登録外の単語が入力された場
合に対処することが課題となる。

【０００６】本発明の目的は、従来の登録単語に相当す
る単語を保持する内部辞書保持手段の他に、外部辞書保
持手段を設けることにより、利用者が誤ってあるいは知
らずに発声した登録外単語の入力に対して、入力された
単語が登録外単語であるというような利用者にとって有
効な応答をして対処することが可能な音声認識応答装置
を提供することにある。

【０００７】

【課題を解決するための手段】本発明によれば、アプリ
ケーションに依存した登録語彙からなる内部辞書保持手
段の保持する語彙と、前記登録語彙と同じ種類の語彙で
あってアプリケーションとは独立な登録外の語彙からな
る外部辞書保持手段の保持する語彙とを合わせて認識対
象語彙とし、該認識対象語彙を音声認識手段に渡し、あ
るいは、該音声認識手段から得られる認識結果が前記外
部辞書に含まれる単語である場合にその旨の内容を応答
出力手段に伝えるアプリケーション制御手段を設けた音
声認識応答装置が提供される。

【０００８】

【発明の実施の形態】図１は、本発明の音声認識応答装
置の一実施例を示すブロック図である。アプリケーショ
ン制御手段１０１は、内部辞書保持手段１０４に保持さ
れた語彙（以後、内部辞書と呼ぶ）と外部辞書保持手段
１０５に保持された語彙（以後、外部辞書と呼ぶ）を合
わせて、認識対象語彙として音声認識手段１０２に送
る。内部辞書と外部辞書は対になっており、この対を複
数備えても良い。アプリケーションが場面設定可能な場
合には、１つの場面毎に内部辞書と外部辞書の対を用意
し、場面毎に異なる内部辞書と外部辞書を音声認識手段
１０２に送る。ここで、アプリケーション制御手段１０
１は、内部辞書と外部辞書を単純に組み合わ、音声認識
手段１０２へは１つの辞書（認識対象語彙２０１）とし
て送れば良い。辞書の中身は、例えば図２に示すような
単語の平仮名表記で良い。本発明は、この表記を限定す
るものではなく、音声認識手段１０２の入力としてその
まま使えるか、あるいは認識語彙の形に変換可能なもの
であれば良い。

【０００９】利用者の音声２０２は、音声認識手段１０
２で認識される。本発明における音声認識手段１０２
は、利用者の音声２０２と認識させたい単語のリスト
（認識対象語彙２０１）を入力とし、そのリストの中で
尤もらしい単語を１つあるいは上位複数個を認識結果２
０３として出力する。音声認識処理は、認識語彙を平仮
名で表記した場合、例えば、音節を単位モデルとするＨ
ＭＭ（Hidden Markov Model）により実現可能である。
音節を単位モデルとした場合、音節１つを平仮名１文字
に対応付けることができる。ただし、本発明は、単位モ
デルの決め方は限定しない。ＨＭＭによる音声認識処理
は公知であり、詳細は省略する。例えば、”中川著：確
立モデルによる音声認識、電子情報通信学会”に詳しく
説明されている。

【００１０】音声認識手段１０２は、認識対象語彙２０
１として前記内部辞書と外部辞書を特に区別して扱う必
要はない。すなわち、音声認識手段１０２から出力され
る認識結果２０３も、内部辞書と外部辞書を特に区別し
て扱われる必要はない。認識結果２０３は、アプリケー
ション制御手段１０１に渡される。アプリケーション制
御手段１０１において、認識結果２０３が内部辞書と外
部辞書のどちらに含まれているかを調べる。認識結果２
０３が内部辞書に含まれる場合は、アプリケーションの
次の処理に進む。例えば従来の音声認識応答装置でも可
能なように、認識した内容を利用者に確認する応答（例
えば「さいとうですか」）を応答出力手段１０３を介し
て行う。一方、認識結果２０３が内部辞書には含まれず
外部辞書に含まれる場合は、登録外の期待していない間
違った入力であったことを伝えるような応答を応答出力
手段１０３を介して行う。例えば、アプリケーション制
御手段１０１で、入力された音声に対して図２における
内部辞書保持手段１０４に登録された名前が期待されて
いる際に、外部辞書保持手段１０５に登録された名前
「すずき」が認識結果として得られた場合には、装置は
利用者にに対して「こちらには”すずき”さんは登録さ
れていません」というような応答を応答出力手段１０３
を介して出力する。利用者は、このメッセージを参照す
ることにより、自分の発声した音声に不備はないことを
知ると共に、システムに対する信頼性が増し、スムーズ
な対話操作が行える。

【００１１】更に別な場合として、利用者の発声した単
語が内部辞書及び外部辞書のいずれにも登録されていな
い場合には、アプリケーション制御手段１０１中に含ま
れる図示しないプログラムによって、その認識結果を外
部辞書に新たに登録する。利用者の発声した単語が内部
辞書及び外部辞書のいずれにも登録されていないこと
は、連続した誤認識の一定回数以上の繰り返し（特開昭
62-39899）や、認識結果なしが一定回数以上の繰り返し
た場合、あるいは内部辞書及び外部辞書の登録語を順番
に提示して利用者に選択させようとした際に利用者がい
ずれも選択しなかった場合などにより決定できる。

【００１２】新たに外部辞書へ登録する際の利用者と装
置との対話操作の手順を、名前の登録を例にして、図３
のフローチャートに示す。図３において、利用者の発声
した単語が内部辞書及び外部辞書のいずれにも登録され
ていない場合、本装置の応答出力手段１０３から「その
ような名前の者はこちらにはおりません」というメッセ
ージを出力する（ステップ３０１）。続いて、未登録の
名前を新規に外部辞書に登録するために、装置は認識で
きなかった名前を１文字ずつ入力するようメッセージを
出力する。対話操作を重視し、利用者が対応可能か否か
を確認するため、例えば「辞書に名前を新規登録します
ので、先程入力した名前を１文字ずつ入力して下さい。
時間はありますか？」というようなメッセージを出力す
る（ステップ３０２）。このメッセージに対し、利用者
から「はい」などの同意の入力があれば（ステップ３０
３）、利用者から単音節認識あるいは、装置からの提示
に対して選択的に一文字ずつ新規単語を獲得し（ステッ
プ３０４）、外部辞書に新規に追加登録する（ステップ
３０５）。また、利用者から「いいえ」などの拒否の入
力があれば（ステップ３０３）、利用者に対して、「よ
ろしければ、次の機会に新規登録にご協力下さい」とい
うようなメッセージを出力し（ステップ３０６）、新規
登録時の対話操作を終了する。応答出力手段１０３は、
入力される応答内容を、音声合成処理により音声に変換
して利用者に伝えたり、文字として表示して利用者に伝
える。以上により、本発明の音声認識応答装置は実現で
きる。

【００１３】図２では、本発明における外部辞書と内部
辞書の一例を示している。具体的には、内部辞書が人名
であるときに、外部辞書として出現頻度が多い人名のリ
ストを用いることができることを示している。

【００１４】また、内部辞書が人名であるときの別な例
として、外部辞書として内部辞書含まれる人名の読み間
違いしやすい読み方のリストを用いることができる。

【００１５】さらにまた、内部辞書が人名であるときの
別な例として、外部辞書として過去のいづれかの時期に
内部辞書含まれ、ある更新の時点で削除された人名のリ
ストを用いることができる。例えば、異動に伴い発生し
うる状況である。

【００１６】人名以外にも会社名や部署名等に対して
も、同様なリストを用意することができる。

【００１７】内部辞書がある鉄道会社の路線名／駅名で
あるときに、外部辞書として別な鉄道会社の路線名／駅
名リストを用いることができる。

【００１８】以上のような組み合わせにより、様々な登
録外の単語の音声入力に対して、柔軟な対応ができるよ
うになる。

【００１９】

【発明の効果】本発明によれば、音声認識応答装置が、
利用者による登録外の単語の音声入力に対して、その入
力を認識し、間違いを指摘するなどの対処ができるよう
になる。また、利用者は、間違えに気付いて正しく言い
直したり、別な表現で言い直すことができるようにな
り、装置の利用効率が向上する効果（利用完了までの時
間の短縮など）が得られる。

【図面の簡単な説明】

【図１】本発明による音声認識応答装置の一実施例を示
すブロック図である。

【図２】本発明における内部辞書と外部辞書の一実施例
を示す図である。

【図３】本発明における外部辞書登録時の対話操作手順
を示す図である。

【符号の説明】

１０１…アプリケーション制御手段、１０２…音声認識
手段、１０３…応答出力手段、１０４…内部辞書保持手
段、１０５…外部辞書保持手段、１０６…音響モデル保
持手段、２０１…認識対象語彙、２０２…音声、２０３
…認識結果、２０４…応答内容、２０５…文字、２０６
…音声。

Claims (3)

【特許請求の範囲】
1. 【請求項１】音声を取り込み、与えられた認識対象語彙
   と音響モデルを組み合わせて得られる認識対象語彙の標
   準パターンと前記取り込んだ音声とを比較して、一つあ
   るいは複数の認識結果を出力する音声認識手段と、上記
   認識対象語彙を前記音声認識手段へ伝達し、上記認識対
   象語彙の認識結果に対して応答すべき内容を生成するア
   プリケーション制御手段と、該アプリケーション制御手
   段から生成された応答内容を音声あるいは文字情報とし
   て出力する応答出力手段からなる音声認識応答装置にお
   いて、 アプリケーションに依存した登録語彙を保持する内部辞
   書保持手段と、登録語彙と同じ種類の語彙であってアプ
   リケーションとは独立な登録外の語彙を保持する外部辞
   書保持手段とを備え、前記アプリケーション制御手段
   は、内部辞書保持手段の保持する語彙と、外部辞書保持
   手段の保持する語彙とを合わせて認識対象語彙として前
   記音声認識手段に渡し、かつ前記アプリケーション制御
   手段は、該音声認識手段から得られる認識結果が前記外
   部辞書保持手段の保持する語彙に含まれる場合にその旨
   の内容を応答出力手段に伝えることを特徴とする音声認
   識応答装置。
2. 【請求項２】前記内部辞書保持手段と外部辞書保持手段
   の対を複数備え、アプリケーション制御手段はアプリケ
   ーションの場面に応じて前記複数の対のいずれかを選択
   して用いることを特徴とする前記請求項１記載の音声認
   識応答装置。
3. 【請求項３】前記外部辞書保持手段の保持する語彙は、
   音声認識応答装置が利用されている間でも更新可能であ
   ることを特徴とする前記請求項１および２記載の音声認
   識応答装置。