JPH096389A - 音声認識対話処理方法および音声認識対話装置 - Google Patents

Abstract

(57)【要約】 【目的】 本発明は、認識可能な登録単語数を増やすこ
となく、より自然な会話を可能とする。 【構成】 音声入力部１により入力された音声を分析し
て音声特徴データを発生する音声分析部２と、認識可能
な登録単語の標準音声特徴データを記憶する標準音声特
徴データ記憶部４と、前記音声特徴データを入力し、標
準音声特徴データ記憶部４の記憶内容を基に、入力音声
に含まれる登録単語に対応した検出データを出力する単
語検出部３と、前記音声特徴データを入力し、その特徴
データを基にして入力音声が肯定内容か否定内容かを識
別して、肯定または否定信号を出力する肯定否定識別部
５と、前記単語検出部３による登録単語の検出モードま
たは前記肯定否定識別部５による肯定否定識別モードの
いずれかのモードを設定し、設定されたモードにおい
て、入力音声に応じた応答内容を決定する音声理解会話
制御部６を有する。そして、応答内容を音声合成部８で
音声合成した後、音声出力部１０から出力する。

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】本発明は、音声を認識し、その認
識結果に対応した応答や特定動作を行う音声認識対話処
理方法および音声認識対話装置に関する。

【０００２】

【従来の技術】この種の音声認識対話装置の一例として
音声認識玩具がある。たとえば、特開昭６２ー２５３０
９３に開示されている音声認識玩具においては、音声指
令となる複数の命令語を認識対象言語として予め登録し
ておき、その玩具を使って遊ぶ子どもの発した音声信号
と登録されている音声信号との比較を行って、両音声信
号が一致したとき、音声指令に対する定められた電気信
号を出力し、これに基づいて玩具に特定動作を行わせる
ものである。

【０００３】

【発明が解決しようとする課題】しかしながら、従来の
この種の音声を認識した結果を基に、会話や動作行う、
ぬいぐるみなどの玩具では、話者の話した言葉と違う単
語や言葉を認識してしまうことも多く、また、たとえ単
語や言葉を正しく認識した場合においても、状況や環境
の変化に対応した反応や言葉を返すことはできないのが
一般的であった。つまり、従来のこの種の音声認識を用
いた玩具にあっては、たとえば、「おはよう」、「おや
すみ」などの言葉を予め幾つか登録しておき、話者が、
「おはよう」と問いかけるとそれを認識し、それに対し
た簡単な応答を行うというような単純な動作を行うもの
が殆どであった。

【０００４】最近では、たとえ玩具であっても、高度な
動作を行うものも要求されてきている。したがって、子
どもが「おはよう」と話したとき、単に「おはよう」と
いう程度の応答では、すぐに飽きてしまうことにもな
り、また、この種の音声認識対話技術は、もっと高学年
向きのゲーム機、さらには、日常的に用いる機器にも応
用できる可能性もあり、より高度な技術の開発が望まれ
ている。

【０００５】また、近年、連続的な音声を認識して、そ
れに対する応答を行う連続音声認識応答技術も開発さ
れ、或る技術分野ではすでに用いられているが、この技
術は、通常は極めて複雑で大規模なものであるため、前
記したような玩具、ゲーム機、日常用いる機器などに
は、価格の面から考えても、適用できるもではなかっ
た。

【０００６】そこで、本発明は、登録単語を増やすこと
なく、より自然な会話を可能とし、しかも簡単な構成で
安価に提供でき、玩具、ゲーム機、日常用いられる電子
機器などに幅広く適用可能な音声認識対話処理方法およ
び音声認識対話装置を実現することを目的としている。

【０００７】

【課題を解決するための手段】本発明の音声認識対話処
理方法は、音声入力手段により入力された音声を分析し
て音声特徴データを発生する音声分析工程と、この音声
分析工程により分析された音声特徴データを入力し、予
め登録された認識可能な単語の標準音声特徴データを基
に、前記入力音声に含まれる登録単語に対応した検出デ
ータを出力する単語検出工程と、前記音声分析工程によ
り分析された音声特徴データを入力し、その特徴データ
を基にして入力音声が肯定内容か否定内容かを識別し、
肯定内容であるときは肯定であることを示す信号を出力
し、否定内容であるときは否定であることを示す信号を
出力する肯定否定識別工程と、前記単語検出工程による
登録単語の検出モードまたは前記肯定否定識別工程によ
る肯定否定識別モードのいずれかのモードを、そのとき
の状況によって設定し、登録単語の検出モードの場合
は、前記単語検出工程からの検出データを入力し、この
検出データを基に前記入力音声の意味を理解し、それに
対応した応答内容を決定し、肯定否定識別モードの場合
は、前記肯定否定識別工程による前記肯定または否定信
号を入力してそれに対応した応答内容を決定する音声理
解会話制御工程と、この音声理解会話制御工程によって
決定された応答内容に基づいた音声合成出力を発生する
音声合成工程と、この音声合成工程からの音声合成出力
を外部に出力する音声出力工程を有したことを特徴とし
ている。

【０００８】前記肯定否定識別工程は、音声分析手段か
らの音声特徴データに最初に出現する母音部を検出し、
その母音の種類によって入力音声が肯定内容か否定内容
かを識別する。

【０００９】そして、前記音声理解会話制御工程におけ
る登録単語検出モードまたは肯定否定識別モードの設定
は、初期状態においては登録単語検出モードとし、ユー
ザに対して肯定または否定を意味する内容の返事を装置
側から要求した場合に、肯定否定識別モードに切り替え
るようにする。

【００１０】また、前記単語検出工程は、それぞれの登
録単語に対する標準音声特徴データと、音声分析工程か
ら出力される音声特徴データとを比較し、前記登録単語
が入力音声の時間軸上のどの部分にどの程度の確からし
さで存在するかを、それぞれの登録単語毎に、確からし
さを示す数値で検出してその検出データを音声理解会話
制御工程に送り、音声理解会話制御工程では、その検出
データを基に、そのとき入力された入力音声全体の意味
を理解し、それに対応した応答内容を決定する。この場
合、前記音声理解会話制御工程は、前記単語検出工程か
らの検出データにおいて、入力音声の時間軸上の同一時
刻に２つ以上の登録単語が共に所定以上の高い確からし
さを示す数値で現れている場合、最も高い確からしさを
有する登録単語を認識候補として決定する。あるいは、
それぞれの登録単語に対応してその登録単語が入力され
た場合の各登録単語に現れる確からしさを示す数値を表
した相関表を予め作成しておき、前記単語検出工程から
の検出データにおいて、入力音声の時間軸上の同一時刻
に２つ以上の登録単語が共に所定以上の高い確からしさ
を示す数値で現れている場合、前記相関表に基づいてい
ずれか１つの単語を認識候補として決定する。さらに、
前記音声理解会話制御工程は、前記単語検出工程からの
検出データにおいて、入力音声の時間軸上の異なった時
刻に２つ以上の登録単語が共に所定以上の高い確からし
さを示す数値で現れている場合、これら各登録単語か
ら、そのとき入力された入力音声全体の意味を理解し、
それに対応した応答内容を決定するようにする。また、
前記音声理解会話制御工程は、前記単語検出工程からの
検出データにおいて、入力音声の時間軸上の異なった時
刻に２つ以上の登録単語が共に所定以上の高い確からし
さを示す数値で現れている場合、これら各登録単語の関
連性を判断し、関連性のない場合には、それを示す情報
を出力する。前記音声理解会話制御工程は、前記単語検
出工程からの検出データにおいて、入力音声の時間軸上
の異なった時刻に予め定めた数以上の登録単語がともに
所定以上の高い確からしさを示す数値で現れている場合
は、認識不可として、それを示す情報を出力する。

【００１１】また、前記音声理解会話制御工程は、前記
音声分析工程から出力される入力音声の音量を示す信号
を得て、その音量を示す信号の大きさを判定して、予め
設定した上限値より大きいとき、または、予め設定した
下限値より小さいときは、それを示す情報を出力する。
さらに、前記音声理解会話制御工程は、前記音声分析工
程から出力される入力音声の音量を示す信号を得て、そ
の音量を示す信号の大きさから音声入力があったことを
検出し、かつ、音声入力があったにも係わらず認識でき
なかった場合には、それを示す情報を出力する。また、
前記音声理解会話制御工程は、装置が音声を出力してい
るときは、外部からの音声の入力を禁止する。

【００１２】また、前記音声理解会話制御工程は、登録
単語のなかで、或る登録単語と結びついて用いられる特
定の登録単語に対しては、前記或る単語が入力された場
合に限り、専用の認識モードを設定し、前記或る単語が
入力された場合は、当該専用モードにより、前記特定単
語の認識を行うようにする。

【００１３】また、前記音声理解会話制御工程は、時
刻、気温、気圧、日付などの変動データさらには装置の
状態などのデータを入力し、前記単語検出工程または肯
定否定識別工程からの内容に対して、前記変動データお
よび装置の状態データを基に、応答データを決定する。

【００１４】また、本発明の音声認識対話装置は、音声
を入力する音声入力手段と、この音声入力手段により入
力された音声を分析して音声特徴データを発生する音声
分析手段と、予め登録された認識可能な単語の標準音声
特徴データを記憶する標準音声特徴データ記憶手段と、
前記音声分析手段からの音声特徴データを入力し、前記
標準音声特徴データ記憶手段の記憶内容を基に、入力音
声に含まれる登録単語に対応した検出データを出力する
単語検出手段と、前記音声分析手段からの音声特徴デー
タを入力し、その特徴データを基にして入力音声が肯定
内容か否定内容かを識別し、肯定内容であるときは肯定
であることを示す信号を出力し、否定内容であるときは
否定であることを示す信号を出力する肯定否定識別手段
と、前記単語検出手段による登録単語の検出モードまた
は前記肯定否定識別手段による肯定否定識別モードのい
ずれかのモードを、そのときの状況によって設定し、登
録単語の検出モードの場合は、前記単語検出部からの検
出データを入力し、この検出データを基に前記入力音声
全体の意味を理解し、それに対応した応答内容を決定
し、肯定否定識別モードの場合は、前記肯定否定識別手
段からの前記肯定または否定信号を入力してそれに対応
した応答内容を決定する音声理解会話制御手段と、この
音声理解会話制御手段によって決定された応答内容に基
づいた音声合成出力を発生する音声合成手段と、この音
声合成手段からの音声合成出力を外部に出力する音声出
力手段とを有したことを特徴としている。

【００１５】前記肯定否定識別手段は、音声分析手段か
らの音声特徴データに最初に出現する母音部を検出し、
その母音の種類によって入力音声が肯定内容か否定内容
かを識別する。

【００１６】そして、前記音声理解会話制御手段におけ
る登録単語検出モードまたは肯定否定識別モードの設定
は、初期状態においては登録単語検出モードとし、ユー
ザに対して肯定または否定を意味する内容の返事を装置
側から要求した場合に、肯定否定識別モードに切り替え
るようにする。

【００１７】また、前記単語検出手段は、それぞれの登
録単語に対する標準音声特徴データと、音声分析部から
出力される音声特徴データとを比較し、前記登録単語が
入力音声の時間軸上のどの部分にどの程度の確からしさ
で存在するかを、それぞれの登録単語毎に、確からしさ
を示す数値で検出してその検出データを音声理解会話制
御手段に送り、音声理解会話制御手段では、その検出デ
ータを基に、そのとき入力された入力音声全体の意味を
理解し、それに対応した応答内容を決定する。この場
合、前記音声理解会話制御手段は、前記単語検出手段か
らの検出データにおいて、入力音声の時間軸上の同一時
刻に２つ以上の登録単語が共に所定以上の高い確からし
さを示す数値で現れている場合、最も高い確からしさを
有する登録単語を認識候補として決定する。あるいは、
それぞれの登録単語に対応してその登録単語が入力され
た場合の各登録単語に現れる確からしさを示す数値を表
した相関表を予め作成しておき、前記単語検出手段から
の検出データにおいて、入力音声の時間軸上の同一時刻
に２つ以上の登録単語が共に所定以上の高い確からしさ
を示す数値で現れている場合、前記相関表に基づいてい
ずれか１つの単語を認識候補として決定する。さらに、
前記音声理解会話制御手段は、前記単語検出手段からの
検出データにおいて、入力音声の時間軸上の異なった時
刻に２つ以上の登録単語が共に所定以上の高い確からし
さを示す数値で現れている場合、これら各登録単語か
ら、そのとき入力された入力音声全体の意味を理解し、
それに対応した応答内容を決定するようにする。また、
前記音声理解会話制御手段は、前記単語検出手段からの
検出データにおいて、入力音声の時間軸上の異なった時
刻に２つ以上の登録単語が共に所定以上の高い確からし
さを示す数値で現れている場合、これら各登録単語の関
連性を判断し、関連性のない場合には、それを示す情報
を出力する。前記音声理解会話制御手段は、前記単語検
出手段からの検出データにおいて、入力音声の時間軸上
の異なった時刻に予め定めた数以上の登録単語がともに
所定以上の高い確からしさを示す数値で現れている場合
は、認識不可として、それを示す情報を出力する。

【００１８】また、前記音声理解会話制御手段は、前記
音声分析手段から出力される入力音声の音量を示す信号
を得て、その音量を示す信号の大きさを判定して、予め
設定した上限値より大きいとき、または、予め設定した
下限値より小さいときは、それを示す情報を出力する。
さらに、前記音声理解会話制御手段は、前記音声分析手
段から出力される入力音声の音量を示す信号を得て、そ
の音量を示す信号の大きさから音声入力があったことを
検出し、かつ、音声入力があったにも係わらず認識でき
なかった場合には、それを示す情報を出力する。また、
前記音声理解会話制御手段は、装置が音声を出力してい
るときは、外部からの音声の入力を禁止する。

【００１９】また、前記音声理解会話制御手段は、登録
単語のなかで、或る登録単語と結びついて用いられる特
定の登録単語に対しては、前記或る単語が入力された場
合に限り、専用の認識モードを設定し、前記或る単語が
入力された場合は、当該専用モードにより、前記特定単
語の認識を行うようにする。

【００２０】また、前記音声理解会話制御手段は、時
刻、気温、気圧、日付などの変動データさらには装置の
状態などのデータを入力し、前記単語検出部または肯定
否定識別部からの内容に対して、前記変動データおよび
装置の状態データを基に、応答データを決定する。

【００２１】

【作用】このような手段を用いることにより、話者の問
いかけに対する装置からの応答内容が、話者に対して肯
定か否定を意味する返事を要求する場合、会話モードが
肯定否定のモードに切り替えられて、話者の返事の内容
からそれが肯定内容か否定内容かを判断して、それに対
する応答メッセージを発生することができ、登録単語以
外の言葉でも会話が可能となり、認識可能な登録単語数
を増やすことなく、幅広いバリエーションを持った自然
に近い会話が可能となる。また、或る単語（登録単語）
を認識させる場合、その単語を含んだ文節形の内容であ
っても、正確にその単語をキーワードとして認識するこ
とができ、さらに、登録単語が２つ以上含まれた連続的
な音声入力に対しても、キーワードとなる登録単語を検
出することにより、入力音声全体の意味を理解して、そ
れに対する応答が可能となるため、認識可能な登録単語
数を増やすことなく、より一層、幅広いバリエーション
を持った自然に近い会話が可能となる。

【００２２】また、時刻、気温、気圧、日付などの変動
データさらには装置の状態などのデータを用い、前記単
語検出部または肯定否定識別部からの内容に対して、そ
の変動データおよび装置の状態データを基に、応答デー
タを決定することによって、様々な状況に応じた応答が
行え、幅広いバリエーションの会話が可能となる。

【００２３】

【実施例】以下、本発明の実施例を図面を参照して説明
する。なお、この実施例では、本発明を玩具に適用した
場合を例にとり、特にここでは、幼児用の玩具として、
たとえば、犬などのぬいぐるみに適用した場合について
説明する。図１は本発明の実施例を説明する構成図であ
り、概略的には、音声入力部１、音声分析部２、単語検
出部３、標準音声特徴データ記憶部４、肯定否定識別部
５、音声理解会話制御部６、状態記憶部７、音声合成部
８、応答データ記憶部９、音声出力部１０、変動データ
検出部２０（計時部１１、カレンダ部１２、気圧検出部
１３、気温検出部１４など）などから構成され、これら
は、ここでは図示されていないが、ぬいぐるみの中に納
められている。これら各部におけるそれぞれの機能など
については、以下に順次説明する。

【００２４】前記音声入力部１は図示されていないがマ
イクロホン、増幅器、ローパスフィルタ、Ａ／Ｄ変換器
などから構成され、マイクロホンから入力された音声
を、増幅器、ローパスフィルタを通して適当な音声波形
としたのち、Ａ／Ｄ変換器によりディジタル信号（たと
えば、１２ＫＨｚ．１６ｂｉｔｓ）に変換して出力し、
その出力を音声分析部２に送る。音声分析部２では、音
声入力部１から送られてきた音声波形信号を、演算器
（ＣＰＵ）を用いて短時間毎に周波数分析を行い、周波
数の特徴を表す数次元の特徴ベクトルを抽出（LPCーCEP
STRUM係数が一般的）し、この特徴ベクトルの時系列
（以下、音声特徴ベクトル列という）を単語検出部３、
肯定否定識別部５に送る。

【００２５】単語検出部３は図示されていないが主に演
算器（ＣＰＵ）と処理プログラムを記憶しているＲＯＭ
から構成され、標準音声特徴データ記憶部４に登録され
ている単語が、入力音声中のどの部分にどれくらいの確
かさで存在するかを検出するものであり、これについて
は後述する。標準音声特徴データ記憶部４は、多数（た
とえば、２００人程度）の話者が発話した音声を用いて
予め作成した認識対象単語の標準音声特徴データを記憶
（登録）している。ここでは、ぬいぐるみを例にしてい
るので、認識対象単語は１０単語程度とし、その単語と
しては、たとえば、「おはよう」、「おやすみ」、「こ
んにちは」、「明日」、「天気」など挨拶に用いる言葉
が多いが、これに限定されるものではなく、色々な単語
を登録することができ、登録単語数も１０単語に限られ
るものではない。

【００２６】また、前記肯定否定識別部５は、図示され
ていないが主に演算器（ＣＰＵ）と処理プログラムを記
憶しているＲＯＭから構成され、話者の話した音声が肯
定語か否定語かを判定するものである。つまり、装置
（ぬいぐるみ）からの応答が話者に対してｙｅｓかｎｏ
かの返事を求めるような内容の場合、その返事が肯定の
意味か否定の意味かを判別する。この場合、話者の返事
は、「はい」などというように１つの単語による返事、
「そうだね、一緒に行こうよ」などというように文節形
による返事、「そうだね、一緒に行こうよ。明日は楽し
みだね・・・」などといように文章形による返事のいず
れでもよい。この肯定否定識別部５は、音声分析部２か
ら出力される前記したような肯定否定を意味する返事に
対する音声の特徴ベクトル列における最初に出現する母
音部を抽出し、抽出された母音部の種類によって、話者
の返事が肯定か、否定かを検出して、肯定であれば肯定
であることを示す信号Ｙを出力し、否定であれば否定で
あることを示す信号Ｎを出力する。

【００２７】すなわち、話者の返事に対する音声の特徴
ベクトル列における最初に出現する母音部が、「ａ」、
「ｕ」、「ｏ」であった場合には、話者の返事は肯定を
意味する内容であると判断し、これに対して、最初に出
現する母音部が、「ｉ」、「ｅ」であった場合には、話
者の返事は否定を意味する内容であると判断する。たと
えば、話者の返事が「はい（ｈａｉ）」、「うん（ｕ
ｎ）」、「そうです（ｓｏｕｄｅｓｕ）」などのように
肯定を意味する内容である場合には、最初に出現する母
音は、この場合、「ａ」、「ｕ」、「ｏ」であり、ま
た、話者の返事が「いいえ（ｉｉｅ）」、「違う（ｔｉ
ｇａｕ）」などのように否定を意味する内容である場合
には、最初に出現する母音は、いずれも「ｉ」である。
これは、統計的なデータから検討した結果、９５％程度
の正解率が得られることがわかっている。これに関して
は幾つかの例外も有るがこれについては後述する。

【００２８】なお、母音の抽出方法の一例としては、複
数話者の音声を用いて予め得られている各母音の特徴ベ
クトル群のそれぞれの特徴ベクトルに対し、入力音声の
時系列に沿った特徴ベクトル列の各特徴ベクトルを、時
系列に従って１つづつ距離などで比較して行き、その距
離が或るしきい値よりも小さいなどの条件を用いて、母
音部を抽出する方法が考えられる。たとえば、「そうで
す（ｓｏｕｄｅｓｕ）」という入力音声があった場合、
その特徴ベクトル列の１つ１つの特徴ベクトルを、
「ａ」、「ｉ」、「ｕ」、「ｅ」、「ｏ」の各特徴ベク
トルとの距離を比較すると、この場合、最初に、「ｏ」
の特徴ベクトルとの距離が或るしきい値以下になる可能
性が高く、これにより、「そうです」という単語に最初
に現れる母音は「ｏ」であるということが検出される。

【００２９】ところで、前記単語検出部３は、隠れマル
コフモデル（ＨＭＭ）方式やＤＰマッチング方式などを
用いることも可能であるが、ここでは、ＤＲＮＮ（ダイ
ナミック リカレント ニューラル ネットワーク）方
式によるキーワードスポッティング処理（この技術に関
しては、本出願人がすでに特許出願済みである（特開平
６ー４０９７、特開平６ー１１９４７６）を用いて、不
特定話者による連続音声認識に近い音声認識を行う。

【００３０】この単語検出部３の具体的な処理につい
て、図２を参照しながら簡単に説明する。単語検出部３
は、標準音声特徴データ記憶部４に登録されている単語
が、入力音声中のどの部分にどれくらいの確かさで存在
するかを検出するものである。今、話者が「明日の天気
は、・・・」と問いかけた場合、図２（ａ）に示すよう
な音声信号が出力されたとする。この「明日の天気は、
・・・」の文節のうち、「明日」と「天気」がこの場合
のキーワードとなり、これらは、予め登録されている１
０単語程度の登録単語の１つとして、標準音声特徴デー
タ記憶部４にそのパターンが記憶されている。そして、
これら登録単語をたとえば１０単語としたとき、これら
１０単語（これを、単語１、単語２、単語３、・・・と
する）に対応して各単語を検出するための信号が出力さ
れていて、その検出信号の値などの情報から、入力音声
中にどの程度の確かさで対応する単語が存在するかを検
出する。つまり、単語１として「天気」という単語が入
力音声中に存在したときに、その「天気」という信号を
待っている検出信号が、同図（ｂ）の如く、入力音声の
「天気」の部分で立ち上がる。同様に、単語２として
「明日」という単語が入力音声中に存在したときに、そ
の「明日」という信号を待っている検出信号が、同図
（ｃ）の如く、入力音声の「明日」の部分で立ち上が
る。同図（ｂ），（ｃ）において、0.9あるいは0.8とい
った数値は、確からしさを示す数値であり、0.9や0.8と
いった高い数値であれば、その高い確からしさを持った
登録単語は、入力された音声に対する認識候補であると
いうことができる。つまり、「明日」という登録単語
は、入力音声信号の時間軸上のｗ１の部分に0.8という
確からしさで存在し、「天気」という登録単語は入力音
声信号の時間軸上のｗ２の部分に0.9という確からしさ
で存在することがわかる。

【００３１】また、この図２の例では、「天気」という
入力に対して、同図（ｄ）に示すように、単語３（この
単語３は「何時」という登録単語であるとする）を待つ
信号も、時間軸上のｗ２の部分に、ある程度の確からし
さ（その数値は0.6程度）を有して立ち上がっている。
このように、入力音声信号に対して同一時刻上に、２つ
以上の登録単語が認識候補として存在する場合には、最
も近似度（確からしさを示す数値）の高い単語を認識単
語として選定する方法、各単語間の相関規則を表した相
関表を予め作成しておき、この相関表により、いずれか
１つの単語を認識単語として選定する方法などを用い
て、或る１つの認識候補単語を決定する。この相関表を
用いてある１つの単語を認識単語として選定する方法の
具体例について説明する。なお、この処理は、音声理解
会話制御部６で行われる。

【００３２】前記相関表はそれぞれの登録単語毎に、入
力された各単語に対する近似度を表したものである。こ
れを図３を用いて説明する。ここでは、先に説明した図
２を参照して説明を行う都合上、認識単語数を４個とし
て説明する。図３（ａ）は図２の時間軸上のｗ２の部分
における単語検出部３からの出力（この場合、近似度）
を示すもので、単語１の近似度は0.9と高い数値となっ
ており、また、単語３の近似度は0.6と比較的高い数値
となっている。また、単語２と単語４の近似度は極めて
低い値となっている。

【００３３】図３（ｂ）は単語１に対する各単語間の相
関を表すものであり、単語１が入力音声として入力され
た場合、単語検出部３からの近似度は、単語１の近似度
は0.9と高い数値になり、それに次いで単語３の近似度
が比較的高い数値となるが、単語２、単語４の近似度は
それぞれ極めて小さい数値となることが表されている。
同様に、図３（ｃ）は、単語３に対する各単語間の相関
を表すものであり、単語３が入力された場合、単語検出
部３からの近似度は、単語３の近似度は0.9と高い数値
になるが、単語１、単語２、単語４の近似度はそれぞれ
極めて小さい数値となることが表されている。これは、
単語１（ここでは「天気」）が入力された場合、登録単
語の中の単語１（「天気」）と単語２（ここでは「何
時」）が認識候補とされる可能性があることが予め設定
されている。

【００３４】これとは逆に、単語３（「何時」）が入力
された場合には、単語１、２、４は近似度が低く、単語
３のみが認識候補となることが予め設定されているとい
うことである。なお、このような相関関係は状態記憶部
７に予め格納しておく。

【００３５】従って、図３（ａ）で示すような近似度出
力が音声理解会話制御部６に与えられると、状態記憶部
７に格納されている前記したような相関表から、この場
合は、認識単語は単語１であると判断する。つまり、も
し単語１が入力された場合は、単語１と単語３が認識候
補となる可能性があるが、単語３が入力された場合は、
単語１は認識候補ではないということがわかるため、こ
の場合は、入力された単語は単語１であると判断され
る。

【００３６】なお、図３では、単語１と単語３の相関表
のみが図示されているが、実際には、登録単語全てにつ
いて各単語間の相関が表されており、これらは状態記憶
部７に格納されている。そして、これら相関表の内容は
書き換え可能となっている。これは、話者個々の特性、
つまり、話者によっては、或る単語を話すと、必ず他の
或る単語の近似度が大きい数値で出てくるというよう
に、話者の話し方に個性があることに対応するためであ
り、それに合わせて相関表の内容を更新可能としてい
る。

【００３７】音声理解会話制御部６は、主に演算器（Ｃ
ＰＵ）と処理プログラムを記憶しているＲＯＭから構成
され、以下に述べるような様々な処理を行う。なお、以
上の各部に設けられたＣＰＵは、各部ごとに設けるよう
にしてもよいが、１台のＣＰＵで各部の処理を行うよう
にしてもよい。

【００３８】音声理解会話制御部６は、単語検出部３か
らの認識単語出力または前記肯定否定識別部５から肯定
否定の出力（ＹまたはＮ）のいずれかを選択して、会話
モード設定を行うとともに、計時部１１、カレンダ部１
２、気圧検出部１３、気温検出部１４などからなる変動
データ検出部２０から得られる変動データおよび状態記
憶部７の記憶内容（これについては後述する）を基に、
入力音声の意味を理解し、その意味および環境や時刻に
応じた応答内容を決定し、音声合成部８および応答デー
タ記憶部９へ出力信号を送る。たとえば、単語検出部３
からの図２（ｂ）〜（ｅ）に示すような検出データ（こ
れをワードラティスという。このワードラティスは、登
録単語名、近似度、単語の始点ｓと終点ｅを示す信号な
どが含まれる）が入力されると、まず、そのワードラテ
ィスを基に、入力音声の中のキーワードとしての単語を
１つまたは複数個決定する。この例では、入力音声は
「明日の天気は・・・」であるので、「明日」と「天
気」が検出されることになり、この「明日」と「天気」
のキーワードから「明日の天気は・・・」という連続的
な入力音声の内容を理解する。

【００３９】なお、以上説明したキーワードスポッティ
ング処理による連続音声に近い音声認識処理は、日本語
だけでなく他の言語においても適応可能である。たとえ
ば、使用する言語が英語であるとすれば、登録されてい
る認識可能な単語は、たとえば、“good-morning”、
“time”、“tommorow”、“good-night”などが一例と
して挙げられるが、これら認識可能な登録単語の特徴デ
ータが、標準音声特徴データ記憶部４に記憶されてい
る。そして今、話者が「what time is it now」と
問いかけた場合、この「what time is it now」の
文節のうち、単語「time」がこの場合のキーワードとな
り、「time」という単語が入力音声中に存在したとき
に、単語「time」の音声信号を待っている検出信号が、
入力音声の「time」の部分で立ち上がる。そして、単語
検出部３からの検出データ（ワードラティス）が入力さ
れると、まず、そのワードラティスを基に、入力音声の
中のキーワードとしての単語を１つまたは複数個決定す
る。この例では、入力音声は「what time is it no
w」であるので、「time」がキーワードとして検出され
ることになり、このキーワードをもとに、「what time
is it now」という連続的な入力音声の内容を理解
する。

【００４０】また、音声認識会話制御部６は必要に応じ
て、前記変動データおよび状態記憶部７の記憶内容など
の各種データに変更があった場合には、変更した情報を
状態記憶部７に書き込む。そして、前記音声合成部８で
音声合成された合成ディジタル信号は、Ｄ／Ａ変換器、
増幅器、スピーカなどで構成される音声出力部１０に送
られ、応答メッセージとして出力される。さらに、この
音声理解会話制御部６には、前記ワードラティスととも
に、音声分析部２からのパワー信号（入力音声の音量を
示す信号）が、単語検出部３を介して入力される。ま
た、この音声理解会話制御部６は、装置（この場合はぬ
いぐるみ）側が音声を発生している場合には、外部（話
者）からの音声の入力を禁止するようにしている。

【００４１】なお、音声理解会話制御部６におけるモー
ド設定は、初期状態にあっては、自動的に単語認識モー
ドに設定されるようになっており、この場合は、単語検
出部３からの信号を有効とし、肯定否定識別部５からの
信号は無効とする。これに対して、話者が装置（この場
合は、ぬいぐるみ）からの応答メッセージ（ｙｅｓかｎ
ｏを意味する返事を要求する内容の応答メッセージ）に
対する返事（ｙｅｓまたはｎｏを意味する内容）をする
場合には、肯定否定識別モードとし、肯定否定識別部７
からの信号を有効とし、単語検出部３からの信号は無効
とする。

【００４２】これらのモードは、装置側から出力した応
答メッセージの内容によって決定する。つまり、装置側
から話者に対して、肯定または否定を意味する内容の返
事を要求するような場合のみ、肯定否定識別モードとす
る。なお、肯定否定識別モードであって、話者からある
一定時間入力が無い場合には、自動的に単語検出モード
に戻る。

【００４３】ところで、前述したように、肯定否定識別
部７は、最初に出現する母音部が、「ａ」、「ｕ」、
「ｏ」であった場合には、話者の返事は肯定を意味する
内容であると判断し、最初に出現する母音部が、
「ｉ」、「ｅ」であった場合には、話者の返事は否定を
意味する内容であると判断するが、その例外もある。た
とえば、「いいよ」は最初に抽出される母音が「ｉ」で
あるが、これは肯定文であり、また、「だめ」は最初に
抽出される母音が「ａ」であるが、これは否定文であ
る。このような例外の単語に関しては、以下のような処
理を行う。

【００４４】前記したような肯定否定を示す単語のうち
母音部が例外の単語（この場合、「いいよ」、「だ
め」）に関しては、肯定否定識別モードが選択された後
も、単語検出モードにおいては、これらの例外の単語の
入力を常時監視していて、たとえば、話者から「いい
よ」または「だめ」が入力されて、それらに対応する信
号が立ち上がったときには、単語検出モードの「いい
よ」を優先する。つまり、「いいよ」は肯定否定識別部
５においては、否定を意味すると識別され、否定信号Ｎ
が出力されるが、この場合は、単語検出モードの「いい
よ」を優先する処理を行う。また、「だめ」の場合は肯
定否定識別部５においては、肯定を意味すると識別さ
れ、肯定信号Ｙが出力されるが、この場合は、単語検出
モードの「だめ」を優先する処理を行う。

【００４５】以上が音声理解会話制御部６の概略的な処
理内容であるが、この音声理解会話制御部６の１つ１つ
の具体的な処理内容などについては後述する。

【００４６】前記状態記憶部７は、主にＲＡＭで構成さ
れており、現在の会話モード（単語認識モードか肯定否
定識別モード）、前記した各単語毎に設けられた近似度
の相関表、計時部１１、カレンダ部１２、気圧検出部１
３、気温検出部１４などの変動データ（たとえば、数時
間前の気圧、過去数日の特定時間の気温、ぬいぐるみに
対して過去１回から数回「おはよう」、「行って来ま
す」、「ただいま」、「おやすみ」と問いかけた時間、
あるいは、目覚ましのための過去数回のアラーム設定時
間など）、さらには、許容最大（及び最小）音量値、１
回の問いかけの文節（文章）の中に最大幾つまでの登録
単語が可能かを示す同時入力可能単語数などが記憶され
ており、これらは必要に応じて更新可能となっている。

【００４７】次に、話者と装置（ぬいぐるみ）との間の
具体的な会話例を用いて本発明を説明する。以下では、
単語認識モードをWORDmodeといい、肯定否定モードをYN
modeという。また、話者の問いかけ内容のなかで中括弧
内の単語は文字認識を行う上でのキーワードであること
を示している。

【００４８】まず、初期状態においては、WORDmodeであ
るから、話者が「｛おはよう｝ございます」と問いかけ
ると、ぬいぐるみは、「おはよう、今朝は早いね。暖か
いし、お花見に行こうよ」というような応答を行う。

【００４９】ここで、前記「おはよう」はキーワードで
あり、これは登録単語として予め登録されており、「お
はようございます」が入力されると、単語検出部３から
は、図２で説明したように、「おはようございます」と
いう入力に対するワードラティス（登録単語名、近似
度、単語検出部分の始点ｓ及び終点ｅ）が出力され、音
声理解会話制御部６に送られる。

【００５０】この音声理解会話制御部６では、送られて
きたワードラティスを基に、入力音声中に存在する単語
（登録単語）を決定する。この場合、「おはようござい
ます」という入力に対し、「おはよう」という単語が近
似度0.9、「おやすみ」という単語が近似度0.6、その他
の単語は、極めて低い近似度で出力されたとすると、音
声理解会話制御部６では、前記したように、最も高い近
似度を有する単語を認識単語とするか、あるいは、相関
表を用いて認識単語を決定するかして、この場合は、
「おはよう」が認識単語として決定される。

【００５１】このように、「おはよう」が認識される
と、変動データ検出部２０のなかの、たとえば、計時部
１１、カレンダ部１２、気温検出部１４からの時刻情
報、気温情報、カレンダ情報などを得て、これらの情報
を基に、「おはよう」（話者の実際の問いかけは「おは
ようございます」）に対する応答内容を決定する。ぬい
ぐるみからは、前記したように、「おはよう。今朝は早
いね（時刻情報より）。暖かいし（気温情報より）、お
花見に行こうよ？（カレンダ情報より）」などというよ
うに応答する。このような内容は予め設定されている。

【００５２】この応答内容は、話者に対して肯定または
否定を意味する返事を要求する内容であるから、会話モ
ードがYNmodeに切り替わる。

【００５３】「お花見に行こうよ？」という問いかけに
対し、話者がたとえば、「うん、行こう」と返事する
と、肯定否定識別部５は、「うん、行こう」の音声特徴
ベクトル列から最初に出現する母音がこの場合、「ｕ」
であるため、話者の返事は肯定内容であると判定し、肯
定信号Ｙを音声理解会話制御部６に送る。これにより、
音声理解会話制御部６では、それに対する応答内容を決
定し、ぬいぐるみからは、たとえば「わーい」といった
応答を発生する。この「わーい」という応答は肯定また
は否定を要求する内容ではないので、ここで会話モード
がWORDmodeに切り替わる。以上のようにして話者とぬい
ぐるみの会話がなされる。

【００５４】また、WORDmodeにおいて、話者が「｛行っ
て来ます｝」と言ったとすると、ぬいぐるみは、「行っ
てらっしゃい。今日は雨が降りそうだけど傘持った？
（気圧情報より）」などという会話も可能である。

【００５５】なお、ぬいぐるみから肯定否定を要求する
応答が発生すると、YNmodeに切り替わるが、ぬいぐるみ
からの問いかけに対して、話者が或る一定時間何の返事
もしない場合には、タイムアウトとなって、会話モード
が自動的にWORDmodeに切り替わる。

【００５６】また、話者が「｛明日｝の｛天気｝はどう
かな」と問いかけたとする。この場合は、登録単語のキ
ーワードが「明日」と「天気」の２つあり、図２で説明
したようなワードラティスが音声理解会話制御部６に送
られる。これにより、音声理解会話制御部６では、「明
日」、「天気」という２つの単語を認識単語として決定
し、この２つの単語から、話者の問いかけた内容は、
「明日の天気はどうか」という内容であることを理解す
る。そして、この理解した内容を基に、気圧変動を参照
（たとえば、状態記憶部７に時間毎の気圧値を記憶させ
ておき、その変動を参照する）して、明日の天気を予想
し、たとえば、「明日は、いいお天気になるよ」などと
応答する。

【００５７】この状態記憶部７には、前記したように、
種々の変動データとして、たとえば数時間前の気圧、過
去数日の特定時間の気温、ぬいぐるみに対して過去１回
から数回「おはよう」、「行って来ます」、「ただい
ま」、「おやすみ」と問いかけた時間、さらには、過去
の目覚まし用のアラーム設定時刻など）が記憶されてい
るため、たとえば、話者が「「おやすみ｝」と問いかけ
ると、ぬいぐるみは、「おやすみなさい。今日は遅いね
（過去の「おやすみ」と言った時刻情報より）、明日は
お休みなの？」というような応答を行い、YNmodeに切り
替わって、話者が「いや、ちがうよ」という否定の返事
を行うと、否定信号Ｎが出力される。

【００５８】これに対して、ぬいぐるみは、「じゃあ、
明日もいつものように７時に起こす？（過去の目覚まし
用のアラーム設定時刻を参考にする）」と応答する。再
び、YNmodeに切り替わって、話者が、「うん、頼むね」
と返事をすると、肯定信号Ｙが出力され、ぬいぐるみ
は、「わかった。お休みなさい」と応答する。

【００５９】なお、このような会話において、話者の話
す内容に対するぬいぐるみからの応答内容は、話者の話
す内容に対応させて、予め設定しておく。たとえば、最
初に「おやすみ」から始まった会話において、会話モー
ドがYNmodeの場合、「・・・７時に起こす？」といった
問いかけに対して、話者からの返事が肯定か否定かを判
断して、それに対応した応答内容を予め設定して内容か
ら取り出して出力するようにする。

【００６０】以上のように、２つ以上の単語が同一の時
間軸上に少し異なる時刻に或る程度高い近似値でそれぞ
れ現れ、しかも上述のように２つの単語が「明日」、
「天気」というように意味が通る場合は、「明日の天気
は・・・」というように理解してそれに対する応答内容
を発生できるが、たとえば、図４に示すように、「明
日」、「おはよう」という単語が同一の時間軸上の少し
異なる時刻に、或る程度の近似値を持ってそれぞれ現れ
た場合は、「明日・・・おはよう」では意味が通らない
ため、このような場合には、近似度の低い方を誤認識と
して排除する。たとえば、「明日」の近似度が0.7、
「おはよう」の近似度が0.9であった場合には、「明
日」を誤認識であるとして排除する。さらに、図５に示
すように、同一時間軸上において、或る時刻に「明日」
という単語が近似度0.9で現れ、その後、或る同一時刻
に「おはよう」と「天気」という単語が両者とも高い近
似度(「おはよう」の単語の近似度を0.7、「天気」の単
語の近似度を0.8とする）で現れた場合には、単語の関
連性の規則を用いて決定する。この場合、まず、「明
日」の近似度が高い数値であれば、「明日」を認識単語
として決定し、続いて、この「明日」に続く単語として
「天気」を選択することにより、結局は、「明日」、
「天気」というように認識単語を決定する。これは、前
記したように相関表により決定される場合もあるが、相
関表により決定されない場合でも、このようにして決定
することもできる。また、このように、関連性のない単
語が認識候補として出てきた場合、以上説明したような
方法で意味の通る内容に決定できればよいが、意味の通
る内容に決定できないような場合には、たとえば、ぬい
ぐるみが「なにかおかしいよ」というような応答を行
い、話者に対して注意を促す。

【００６１】以上の実施例で説明したように、本発明
は、認識可能な登録単語を、仮に１０単語程度とした場
合でも、その１０単語のみの会話ではなく、幅広いバリ
エーションを持った会話が可能となる。すなわち、従来
では、登録単語が、たとえば、「おはよう」、「おやす
み」、「こんにちわ」などであった場合には、話者はそ
れと全く同じ単語を話すことが要求され、装置側から
は、それらの単語に対応した応答のみが返ってくるとい
う程度のものであったが、本発明は、「おはよう」を言
う場合でも、「おーい、おはよう」、「おはようござい
ます」などという言い方をしても「おはよう」を認識す
ることができる。また、肯定否定識別部５を設け、話者
の問いかけに対するぬいぐるみからの応答内容が、話者
に対してYESか、NOを意味する返事を要求する場合、会
話モードをYNmodeに切り替えて、話者の返事の内容から
それが肯定内容か否定内容かを判断して、それに対する
応答メッセージを発生するようにしたので、登録単語以
外の言葉での会話が可能となり、認識可能な登録単語数
を増やすことなく、より一層、幅広いバリエーションを
持った自然に近い会話が可能となる。

【００６２】なお、音声理解会話制御部６による処理
は、以上説明した内容だけではなく、状態記憶部７に記
憶された様々な情報を用いて様々な処理が可能である。
たとえば、状態記憶部７に、各単語に対して時刻や気温
などの変動データによって設定される重みづけ係数を、
状態記憶部７に記憶させておき、この重みづけ係数を用
いて、認識候補単語を決定するようにすれば、認識率を
より高いものとすることができる。前記各単語に対して
設定される重みづけ係数は、たとえば、そのときの時刻
が朝のときは、「おはよう」という単語に対しては大き
な値を設定し、「おやすみ」という単語に対しては小さ
い値を設定することにより、「おはよう」という入力音
声に対して、「おはよう」という単語と「おやすみ」と
いう単語の両方が高い近似度を持って認識候補として出
力された場合でも、重みづけ係数を考慮した近似度を得
ることにより、両者の近似度の差を大きくすることがで
き、認識率の向上を図ることができる。具体例で説明す
ると、朝７時０分における重みづけ係数を、「おはよ
う」という単語に対しては1.0、「おやすみ」という単
語に対しては0.5と設定することにより、「おはよう」
という入力音声に対して、「おはよう」という単語の近
似度が0.9、「おやすみ」という単語の近似度が仮に0.6
と高い数値であっても、重みづけ係数を掛け算すること
により、「おはよう」という単語の近似度は0.9、「お
やすみ」という単語の近似度は0.3となって、両者の差
は３倍以上となるため、この時刻においては、「おはよ
う」という単語が正確に認識されることになる。これ
は、時刻データのみならず、温度データにより、温度に
より「寒い」や「暑い」と言う単語に対して重みづけ係
数を設定することにより、そのときの温度に応じた重み
づけ係数を考慮して、「寒い」や「暑い」といった単語
の認識を行うことにより、同様に、認識率の向上を図る
ことができる。このように、色々な変動データを用いて
重みづけ係数を設定することにより、同じように処理す
ることができる。

【００６３】また、音声理解会話制御部６には、音声分
析部２からのパワー信号（入力音声の音量）も入力され
るが、このパワー信号の大きさを、予め設定したしきい
値と比較するなどして検出し、或るパワーより大きい場
合には、誤認識する場合があるため、ぬいぐるみから、
「もっと小さな声で話して」というような内容の応答メ
ッセージを発生する。これとは逆に、入力音声が、或る
パワーより小さい場合には、誤認識する場合があるた
め、ぬいぐるみから、「もっと大きな声で話して」とい
うような内容の応答メッセージを発生する。これによ
り、話者は適切な音量の声で話すようになり、認識率の
向上が図れる。

【００６４】また、入力音声のパワーは適正であって
も、認識できなかったような場合、つまり、話者が何か
（登録単語）を話しても、認識できい場合もあるが、こ
のようなときには、ぬいぐるみから、たとえば、「なあ
に」といような応答をおこなうことにより、いかにも生
きた相手と会話しているような雰囲気を味わうことがで
きる。

【００６５】また、話者の１回の問いかけによる入力音
声によって認識候補として検出される単語数をたとえ
ば、２個までいうように制限を設け、３個以上存在する
場合には、ぬいぐるみから、たとえば、「なにかおかし
いよ」というようなメッセージを発生する。すなわち、
１回の問いかけによる入力音声によって検出された認識
候補単語が、たとえば、「明日」、「天気」、「何
時」、「おはよう」などというように検出された場合、
これらは全体として結びつかないことが多く、誤認識で
ある可能性が高いと判断する。

【００６６】また、登録認識単語の中に、普段はあまり
使われることがなく、ある特定の内容を持つ単語と結び
ついて用いられるような単語（ここでは特定単語とい
う）が存在している場合、話者がその特定の内容を持つ
単語を入力したときにだけ、その特定単語を認識するた
めだけの特定のモードを設定するようにしてもよい。た
とえば、「早く」、「遅く」といった単語が通常、目覚
まし用のアラーム設定の時にしか使われない単語とすれ
ば、これらの単語は、話者がぬいぐるみに対して、「起
こして」と問いかけたときに、ぬいぐるみから「いつも
の通り、７時ね」というように応答したとき、「もっと
｛早く｝」、あるいは「もっと｛遅く｝」といった程度
にしか用いられない場合が多い。したがって 、この
「早く」、「遅く」を常に認識対象単語として扱う必要
はなく、「起こして」という単語が入力されたときの
み、認識モードが「早く」、「遅く」を認識する特定の
モードに移るようにする。このように、特定のモードを
設定することにより、特定単語のみを認識する処理を行
えばよいため、全体としての認識率を上げることができ
る。この特定単語は「早く」、「遅く」に限られるもの
ではなく、通常はあまり用いられずに他の単語と結びつ
いて用いられることの多い単語であればよい。なお、こ
の特定のモードから通常のモードへの切替の一例として
は、ぬいぐるみから「いつもの通り、７時ね」というよ
うに応答したとき、話者から「もっと｛早く｝」、ある
いは「もっと｛遅く｝」といった返事がなく、「うん」
や「そうね」といった肯定信号Ｙを検出した場合など
に、特定モードから通常のモードに移すようにする。

【００６７】また、以上の実施例では、本発明を玩具と
してぬいぐるみに適用した例を説明したが、ぬいぐるみ
に限られるものではなく。他の玩具にも適用できること
は勿論であり、さらに、玩具だけではなく、ゲーム機
や、日常使われる様々な電子機器などにも適用でき、そ
の適用範囲は極めて広いものと考えられる。

【００６８】

【発明の効果】以上説明したように、本発明の音声認識
対話処理方法は、請求項１によれば、音声入力手段によ
り入力された音声を分析して音声特徴データを発生する
音声分析工程と、この音声分析工程により分析された音
声特徴データを入力し、予め登録された認識可能な単語
の標準音声特徴データを基に、前記入力音声に含まれる
登録単語に対応した検出データを出力する単語検出工程
と、前記音声分析工程により分析された音声特徴データ
を入力し、その特徴データを基にして入力音声が肯定内
容か否定内容かを識別し、肯定内容であるときは肯定で
あることを示す信号を出力し、否定内容であるときは否
定であることを示す信号を出力する肯定否定識別工程
と、前記単語検出工程による登録単語の検出モードまた
は前記肯定否定識別工程による肯定否定識別モードのい
ずれかのモードを、そのときの状況によって設定し、登
録単語の検出モードの場合は、前記単語検出工程からの
検出データを入力し、この検出データを基に前記入力音
声の意味を理解し、それに対応した応答内容を決定し、
肯定否定識別モードの場合は、前記肯定否定識別工程に
よる前記肯定または否定信号を入力してそれに対応した
応答内容を決定する音声理解会話制御工程とを有したの
で、話者の問いかけに対する装置からの応答内容が、話
者に対してYESか、NOを意味する返事を要求すると、会
話モードが肯定または否定のモードに切り替えられて、
話者の返事の内容からそれが肯定内容か否定内容かを判
断して、それに対する応答メッセージを発生することが
できるため、登録単語以外の言葉での会話が可能とな
り、認識可能な登録単語数を増やすことなく、幅広いバ
リエーションを持った自然に近い会話が可能となり、し
かも、装置の構成が簡単で安価に提供できるため、玩具
や、ゲーム機、日常用いられる電子機器など広い分野に
適用できる。

【００６９】また、請求項２によれば、前記単語検出工
程は、それぞれの登録単語に対する標準音声特徴データ
と、音声分析工程から出力される少なくとも１つの登録
単語を含む音声特徴データとを比較し、前記登録単語が
入力音声の時間軸上のどの部分にどの程度の確からしさ
で存在するかを、それぞれの登録単語に対応して確から
しさを示す数値で検出してその検出データを音声理解会
話制御工程に送り、音声理解会話制御工程では、その検
出データを基に、そのとき入力された入力音声全体の意
味を理解し、それに対応した応答内容を決定するように
したので、認識可能な登録単語の範囲でも幅広いバリエ
ーションを持った会話が可能となる。すなわち、従来で
は、登録単語と全く同じ単語を話すことが要求され、装
置側からは、それらの単語に対応した応答のみが返って
くるという程度のものであったが、本発明は、「おはよ
う」を言う場合でも、「おーい、おはよう」、「おはよ
うございます」などという言い方をしても「おはよう」
を認識することができ、また、「明日の天気は・・・」
というように話したばあい、「明日」と「天気」という
キーワードから入力音声全体の意味を理解して、それに
対する応答が可能となるため、認識可能な登録単語数を
増やすことなく、より一層、幅広いバリエーションを持
った自然に近い会話が可能となる。

【００７０】また、請求項３によれば、前記肯定否定識
別工程は、音声分析手段からの音声特徴データに最初に
出現する母音部を検出し、その母音の種類によって入力
音声が肯定内容か否定内容かを識別することにより、話
者の返事が肯定であるか否定であるかを高い確率で識別
することができる。

【００７１】また、請求項４によれば、前記音声理解会
話制御工程における登録単語検出モードまたは肯定否定
識別モードの設定は、初期状態においては登録単語検出
モードとし、話者に対して肯定または否定を意味する内
容の返事を装置側から要求した場合に、肯定否定識別モ
ードに切り替えるようにしたので、話者に対して肯定ま
たは否定を意味する内容の返事を要求した場合にのみ、
会話モードを切り替えることができ、また、会話モード
を切り替えてそのモードにおける処理を行えばよいこと
から、他のモードの処理を行う必要がなくなるため、処
理の簡素化が図れ、認識率の向上も図れる。

【００７２】また、請求項５によれば、請求項２におけ
る前記音声理解会話制御工程は、前記単語検出工程から
の検出データにおいて、入力音声の時間軸上の同一時刻
に２つ以上の登録単語が共に所定以上の高い確からしさ
を示す数値で現れている場合、最も高い確からしさを有
する登録単語を認識候補として決定するようにしたの
で、簡単な処理で容易に認識候補を決定することができ
る。

【００７３】また、請求項６によれば、前記音声理解会
話制御工程は、それぞれの登録単語に対応してその登録
単語が入力された場合の各登録単語に現れる確からしさ
を示す数値を表した相関表を予め作成しておき、前記単
語検出工程からの検出データにおいて、入力音声の時間
軸上の同一時刻に２つ以上の登録単語が共に所定以上の
高い確からしさを示す数値で現れている場合、前記相関
表に基づいていずれか１つの単語を認識候補として決定
するようにしたので、簡単な処理でしかも確実に認識候
補を決定できる。

【００７４】また、請求項７によれば、請求項２におけ
る前記音声理解会話制御工程は、前記単語検出工程から
の検出データにおいて、入力音声の時間軸上の異なった
時刻に２つ以上の登録単語が共に所定以上の高い確から
しさを示す数値で現れている場合、これら各登録単語か
らそのとき入力された入力音声全体の意味を理解し、そ
れに対応した応答内容を決定するようにしたので、複数
のキーワードをもとに入力音声全体の意味を理解して、
それに対する応答が可能となるため、認識可能な登録単
語数を増やすことなく、より一層、幅広いバリエーショ
ンを持った自然に近い会話が可能となる。

【００７５】また、請求項８によれば、請求項２におけ
る前記音声理解会話制御工程は、前記単語検出工程から
の検出データにおいて、入力音声の時間軸上の異なった
時刻に２つ以上の登録単語が共に所定以上の高い確から
しさを示す数値で現れている場合、これら各登録単語の
関連性を判断し、関連性のない場合には、それを示す情
報として、たとえば再入力を促すことにより、誤認識を
防止することができ、装置として認識性能の向上を図る
ことができる。

【００７６】また、請求項９によれば、請求項２におけ
る前記音声理解会話制御工程は、前記単語検出工程から
の検出データにおいて、入力音声の時間軸上の異なった
時刻に予め定めた数以上の登録単語がともに所定以上の
高い確からしさを示す数値で現れている場合は、誤認識
の可能性が多いと判断して、たとえば再入力を促すこと
により、誤認識を防止することができ、装置として認識
性能の向上を図ることができる。

【００７７】また、請求項１０によれば、前記音声理解
会話制御工程は、前記音声分析工程から出力される入力
音声の音量を示す信号を得て、その音量を示す信号の大
きさを判定して、予め設定した上限値より大きいとき、
または、予め設定した下限値より小さいときは、それを
示す情報を出力することにより、適切な音量での入力を
促すことができ、誤認識を防止することができ、装置と
して認識性能の向上を図ることができる。

【００７８】また、請求項１１によれば、前記音声理解
会話制御工程は、前記音声分析工程から出力される入力
音声の音量を示す信号を得て、その音量を示す信号の大
きさから音声入力があったことを検出し、かつ、音声入
力があったにも係わらず認識できなかった場合には、そ
れを示す情報として、たとえば、聞こえなかったことを
意味する応答を行うことにより、ユーザは自然に近い会
話を味わうことが可能となる。

【００７９】また、請求項１２によれば、前記音声理解
会話制御工程は、装置が音声を出力しているときは、外
部からの音声の入力を禁止するようにしたので、装置と
して認識性能の向上を図ることができる。

【００８０】また、請求項１３によれば、前記音声理解
会話制御工程は、登録単語のなかで、或る登録単語と結
びついて用いられる特定の登録単語に対しては、前記或
る単語が入力された場合に限り、専用の認識モードを設
定し、前記或る単語が入力された場合は、当該専用モー
ドにより、前記特定単語の認識を行うようにしたので、
限られた場合にのみ使用された単語を、通常の認識モー
ドから外して、或単語の認識を行おうとしたとき、専用
モードによって、前記特定単語のみの認識を行うことが
できるため、装置として認識性能の向上を図ることがで
きる。

【００８１】また、請求項１４によれば、前記音声理解
会話制御工程は、時刻、気温、気圧、日付などの変動デ
ータさらには装置の状態などのデータを入力し、前記単
語検出工程または肯定否定識別工程からの内容に対し
て、前記変動データおよび装置の状態データを基に、応
答データを決定するようにしたので、様々な状況に応じ
た応答が行え、幅広いバリエーションの会話が可能とな
る。

【００８２】また、本発明の音声認識対話装置は、請求
項１５によれば、音声入力手段により入力された音声を
分析して音声特徴データを発生する音声分析手段と、予
め登録された認識可能な単語の標準音声特徴データを記
憶する標準音声特徴データ記憶手段と、前記音声分析手
段からの音声特徴データを入力し、前記標準音声特徴デ
ータ記憶手段の記憶内容を基に、入力音声に含まれる登
録単語に対応した検出データを出力する単語検出手段
と、前記音声分析手段からの音声特徴データを入力し、
その特徴データを基にして入力音声が肯定内容か否定内
容かを識別し、肯定内容であるときは肯定であることを
示す信号を出力し、否定内容であるときは否定であるこ
とを示す信号を出力する肯定否定識別手段と、前記単語
検出手段による登録単語の検出モードまたは前記肯定否
定識別手段による肯定否定識別モードのいずれかのモー
ドを、そのときの状況によって設定し、登録単語の検出
モードの場合は、前記単語検出部からの検出データを入
力し、この検出データを基に前記入力音声の意味を理解
し、それに対応した応答内容を決定し、肯定否定識別モ
ードの場合は、前記肯定否定識別手段からの前記肯定ま
たは否定信号を入力してそれに対応した応答内容を決定
する音声理解会話制御手段とを有したので、話者の問い
かけに対する装置からの応答内容が、話者に対してYES
か、NOを意味する返事を要求すると、会話モードが肯定
否定のモードに切り替えられて、話者の返事の内容から
それが肯定内容か否定内容かを判断して、それに対する
応答メッセージを発生することができるため、登録単語
以外の言葉での会話が可能となり、認識可能な登録単語
数を増やすことなく、幅広いバリエーションを持った自
然に近い会話が可能となり、しかも、装置の構成が簡単
で安価に提供できるため、玩具や、ゲーム機、日常用い
られる電子機器など広い分野に適用できる。

【００８３】また、請求項１６によれば、前記単語検出
手段は、それぞれの登録単語に対する標準音声特徴デー
タと、音声分析部から出力される少なくとも１つの登録
単語を含む音声特徴データとを比較し、前記登録単語が
入力音声の時間軸上のどの部分にどの程度の確からしさ
で存在するかを、それぞれの登録単語に対応して確から
しさを示す数値で検出してその検出データを音声理解会
話制御手段に送り、音声理解会話制御手段では、その検
出データを基に、そのとき入力された入力音声全体の意
味を理解し、それに対応した応答内容を決定するように
したので、認識可能な登録単語の範囲でも幅広いバリエ
ーションを持った会話が可能となる。すなわち、従来で
は、登録単語と全く同じ単語を話すことが要求され、装
置側からは、それらの単語に対応した応答のみが返って
くるという程度のものであったが、本発明は、「おはよ
う」を言う場合でも、「おーい、おはよう」、「おはよ
うございます」などという言い方をしても「おはよう」
を認識することができ、また、「明日の天気は・・・」
というように話したばあい、「明日」と「天気」という
キーワードから入力音声全体の意味を理解して、それに
対する応答が可能となるため、認識可能な登録単語数を
増やすことなく、より一層、幅広いバリエーションを持
った自然に近い会話が可能となる。

【００８４】また、請求項１７によれば、前記肯定否定
識別手段は、音声分析手段からの音声特徴データに最初
に出現する母音部を検出し、その母音の種類によって入
力音声が肯定内容か否定内容かを識別することにより、
話者の返事が肯定であるか否定であるかを高い確率で識
別することができる。

【００８５】また、請求項１８によれば、前記音声理解
会話制御手段における登録単語検出モードまたは肯定否
定識別モードの設定は、初期状態においては登録単語検
出モードとし、話者に対して肯定または否定を意味する
内容の返事を装置側から要求した場合に、肯定否定識別
モードに切り替えるようにしたので、話者に対して肯定
または否定を意味する内容の返事を要求した場合にの
み、会話モードを切り替えることができ、また、会話モ
ードを切り替えてそのモードにおける処理を行えばよい
ことから、他のモードの処理を行う必要がなくなるた
め、処理の簡素化が図れ、認識率の向上も図れる。

【００８６】また、請求項１９によれば、請求項１６に
おける前記音声理解会話制御手段は、前記単語検出手段
からの検出データにおいて、入力音声の時間軸上の同一
時刻に２つ以上の登録単語が共に所定以上の高い確から
しさを示す数値で現れている場合、最も高い確からしさ
を有する登録単語を認識候補として決定するようにした
ので、簡単な処理で容易に認識候補を決定することがで
きる。

【００８７】また、請求項２０によれば、前記音声理解
会話制御手段は、それぞれの登録単語に対応してその登
録単語が入力された場合の各登録単語に現れる確からし
さを示す数値を表した相関表を予め作成しておき、前記
単語検出手段からの検出データにおいて、入力音声の時
間軸上の同一時刻に２つ以上の登録単語が共に所定以上
の高い確からしさを示す数値で現れている場合、前記相
関表に基づいていずれか１つの単語を認識候補として決
定するようにしたので、簡単な処理でしかも確実に認識
候補を決定できる。

【００８８】また、請求項２１によれば、請求項１６に
おける前記音声理解会話制御手段は、前記単語検出手段
からの検出データにおいて、入力音声の時間軸上の異な
った時刻に２つ以上の登録単語が共に所定以上の高い確
からしさを示す数値で現れている場合、これら各登録単
語からそのとき入力された入力音声全体の意味を理解
し、それに対応した応答内容を決定するようにしたの
で、複数のキーワードをもとに入力音声全体の意味を理
解して、それに対する応答が可能となるため、認識可能
な登録単語数を増やすことなく、より一層、幅広いバリ
エーションを持った自然に近い会話が可能となる。

【００８９】また、請求項２２によれば、請求項１６に
おける前記音声理解会話制御手段は、前記単語検出手段
からの検出データにおいて、入力音声の時間軸上の異な
った時刻に２つ以上の登録単語が共に所定以上の高い確
からしさを示す数値で現れている場合、これら各登録単
語の関連性を判断し、関連性のない場合には、それを示
す情報として、たとえば再入力を促すことにより、誤認
識を防止することができ、装置として認識性能の向上を
図ることができる。

【００９０】また、請求項２３によれば、請求項１６に
おける前記音声理解会話制御手段は、前記単語検出手段
からの検出データにおいて、入力音声の時間軸上の異な
った時刻に予め定めた数以上の登録単語がともに所定以
上の高い確からしさを示す数値で現れている場合は、誤
認識の可能性が多いと判断して、たとえば再入力を促す
ことにより、誤認識を防止することができ、装置として
認識性能の向上を図ることができる。

【００９１】また、請求項２４によれば、前記音声理解
会話制御手段は、前記音声分析手段から出力される入力
音声の音量を示す信号を得て、その音量を示す信号の大
きさを判定して、予め設定した上限値より大きいとき、
または、予め設定した下限値より小さいときは、それを
示す情報を出力することにより、適切な音量での入力を
促すことができ、誤認識を防止することができ、装置と
して認識性能の向上を図ることができる。

【００９２】また、請求項２５によれば、前記音声理解
会話制御手段は、前記音声分析手段から出力される入力
音声の音量を示す信号を得て、その音量を示す信号の大
きさから音声入力があったことを検出し、かつ、音声入
力があったにも係わらず認識できなかった場合には、そ
れを示す情報として、たとえば、聞こえなかったことを
意味する応答を行うことにより、ユーザは自然に近い会
話を味わうことが可能となる。

【００９３】また、請求項２６によれば、前記音声理解
会話制御手段は、装置が音声を出力しているときは、外
部からの音声の入力を禁止するようにしたので、装置と
して認識性能の向上を図ることができる。

【００９４】また、請求項２７によれば、前記音声理解
会話制御手段は、登録単語のなかで、或る登録単語と結
びついて用いられる特定の登録単語に対しては、前記或
る単語が入力された場合に限り、専用の認識モードを設
定し、前記或る単語が入力された場合は、当該専用モー
ドにより、前記特定単語の認識を行うようにしたので、
限られた場合にのみ使用された単語を、通常の認識モー
ドから外して、或単語の認識を行おうとしたとき、専用
モードによって、前記特定単語のみの認識を行うことが
できるため、装置として認識性能の向上を図ることがで
きる。

【００９５】また、請求項２８によれば、前記音声理解
会話制御手段は、時刻、気温、気圧、日付などの変動デ
ータさらには装置の状態などのデータを入力し、前記単
語検出部または肯定否定識別部からの内容に対して、前
記変動データおよび装置の状態データを基に、応答デー
タを決定するようにしたので、様々な状況に応じた応答
が行え、幅広いバリエーションの会話が可能となる。

【図面の簡単な説明】

【図１】本発明の実施例の構成を説明するブロック図。

【図２】同実施例の単語検出部から出力されるワードラ
ティスの一例を示す図。

【図３】同実施例において音声理解会話制御部が参照す
る単語相関表の一例を示す図。

【図４】同実施例における単語検出部からの単語検出デ
ータの一例を示す図。

【図５】同実施例における単語検出部からの単語検出デ
ータの他の例を示す図。

【符号の説明】

１・・・音声入力部 ２・・・音声分析部 ３・・・単語検出部 ４・・・標準単語データ記憶部 ５・・・肯定否定識別部 ６・・・音声理解会話制御部 ７・・・状態記憶部 ８・・・音声合成部 ９・・・応答データ記憶部 １０・・・音声出力部 １１・・・計時部 １２・・・カレンダ部 １３・・・気圧検出部 １４・・・気温検出部 ２０・・・変動データ検出部

───────────────────────────────────────────────────── フロントページの続き (72)発明者 枝常 伊佐央 長野県諏訪市大和３丁目３番５号 セイコ ーエプソン株式会社内

Claims (28)

【特許請求の範囲】
1. 【請求項１】 音声入力手段により入力された音声を分
   析して音声特徴データを発生する音声分析工程と、 この音声分析工程により分析された音声特徴データを入
   力し、予め登録された認識可能な単語の標準音声特徴デ
   ータを基に、前記入力音声に含まれる登録単語に対応し
   た検出データを出力する単語検出工程と、 前記音声分析工程により分析された音声特徴データを入
   力し、その特徴データを基にして入力音声が肯定内容か
   否定内容かを識別し、肯定内容であるときは肯定である
   ことを示す信号を出力し、否定内容であるときは否定で
   あることを示す信号を出力する肯定否定識別工程と、 前記単語検出工程による登録単語の検出モードまたは前
   記肯定否定識別工程による肯定否定識別モードのいずれ
   かのモードを、そのときの状況によって設定し、登録単
   語の検出モードの場合は、前記単語検出工程からの検出
   データを入力し、この検出データを基に前記入力音声の
   意味を理解し、それに対応した応答内容を決定し、肯定
   否定識別モードの場合は、前記肯定否定識別工程による
   前記肯定または否定信号を入力してそれに対応した応答
   内容を決定する音声理解会話制御工程と、 この音声理解会話制御工程によって決定された応答内容
   に基づいた音声合成出力を発生する音声合成工程と、 この音声合成工程からの音声合成出力を外部に出力する
   音声出力工程と、 を有したことを特徴とする音声認識対話処理方法。
2. 【請求項２】 前記単語検出工程は、それぞれの登録単
   語に対する標準音声特徴データと、音声分析工程から出
   力される音声特徴データとを比較し、前記登録単語が入
   力音声の時間軸上のどの部分にどの程度の確からしさで
   存在するかを、それぞれの登録単語毎に、確からしさを
   示す数値で検出してその検出データを音声理解会話制御
   工程に送り、音声理解会話制御工程では、その検出デー
   タを基に、そのとき入力された入力音声全体の意味を理
   解し、それに対応した応答内容を決定することを特徴と
   する請求項１記載の音声認識対話処理方法。
3. 【請求項３】 前記肯定否定識別工程は、音声分析工程
   からの音声特徴データに最初に出現する母音部を検出
   し、その母音の種類によって入力音声が肯定内容か否定
   内容かを識別することを特徴とする請求項１記載の音声
   認識対話処理方法。
4. 【請求項４】 前記音声理解会話制御工程における登録
   単語検出モードまたは肯定否定識別モードの設定は、初
   期状態においては登録単語検出モードとし、ユーザに対
   して肯定または否定を意味する内容の返事を装置側から
   要求した場合に、肯定否定識別モードに切り替えること
   を特徴とする請求項１または２記載の音声認識対話処理
   方法。
5. 【請求項５】 前記音声理解会話制御工程は、前記単語
   検出工程からの検出データにおいて、入力音声の時間軸
   上の同一時刻に２つ以上の登録単語が共に所定以上の高
   い確からしさを示す数値で現れている場合、最も高い確
   からしさを有する登録単語を認識候補として決定するこ
   とを特徴とする請求項２記載の音声認識対話処理方法。
6. 【請求項６】 前記音声理解会話制御工程は、或る登録
   単語が入力された場合に、各登録単語毎に現れる確から
   しさを示す数値を表した登録単語間の相関関係を、それ
   ぞれの登録単語毎に予め作成しておき、前記単語検出工
   程からの検出データにおいて、入力音声の時間軸上の同
   一時刻に２つ以上の登録単語が共に所定以上の高い確か
   らしさを示す数値で現れている場合、前記予め作成され
   た相関関係に基づいていずれか１つの単語を認識候補と
   して決定することを特徴とする請求項２記載の音声認識
   対話処理方法。
7. 【請求項７】 前記音声理解会話制御工程は、前記単語
   検出工程からの検出データにおいて、入力音声の時間軸
   上の異なった時刻に２つ以上の登録単語が共に所定以上
   の高い確からしさを示す数値で現れている場合、これら
   各登録単語からそのとき入力された入力音声全体の意味
   を理解し、それに対応した応答内容を決定することを特
   徴とする請求項２記載の音声認識対話処理方法。
8. 【請求項８】 前記音声理解会話制御工程は、前記単語
   検出工程からの検出データにおいて、入力音声の時間軸
   上の異なった時刻に２つ以上の登録単語が共に所定以上
   の高い確からしさを示す数値で現れている場合、これら
   各登録単語の関連性を判断し、関連性のない場合には、
   それを示す情報を出力することを特徴とする請求項２記
   載の音声認識対話処理方法。
9. 【請求項９】 前記音声理解会話制御工程は、前記単語
   検出工程からの検出データにおいて、入力音声の時間軸
   上の異なった時刻に予め定めた数以上の登録単語がとも
   に所定以上の高い確からしさを示す数値で現れている場
   合は、認識不可として、それを示す情報を出力すること
   を特徴とする請求項２記載の音声認識対話処理方法。
10. 【請求項１０】 前記音声理解会話制御工程は、前記音
    声分析工程から出力される入力音声の音量を示す信号を
    得て、その音量を示す信号の大きさを判定して、予め設
    定した上限値より大きいとき、または、予め設定した下
    限値より小さいときは、それを示す情報を出力すること
    を特徴とする請求項１または２記載の音声認識対話処理
    方法。
11. 【請求項１１】 前記音声理解会話制御工程は、前記音
    声分析工程から出力される入力音声の音量を示す信号を
    得て、その音量を示す信号の大きさから音声入力があっ
    たことを検出し、かつ、音声入力があったにも係わらず
    認識できなかった場合には、それを示す情報を出力する
    ことを特徴とする請求項１または２記載の音声認識対話
    処理方法。
12. 【請求項１２】 前記音声理解会話制御工程は、前記音
    声出力工程により音声を出力しているときは、外部から
    の音声の入力を禁止するようにしたことを特徴とする請
    求項１または２記載の音声認識対話処理方法。
13. 【請求項１３】 前記音声理解会話制御工程は、登録単
    語のなかで、或る登録単語と結びついて用いられる特定
    の登録単語に対しては、前記或る単語が入力された場合
    に限り、専用の認識モードを設定し、前記或る単語が入
    力された場合は、当該専用モードにより、前記特定単語
    の認識を行うことを特徴とする請求項１または２記載の
    音声認識対話処理方法。
14. 【請求項１４】 前記音声理解会話制御工程は、時刻、
    気温、気圧、日付などの変動データさらには装置の状態
    などを記憶した状態記憶データを入力し、前記単語検出
    工程たは肯定否定識別工程からの内容に対して、前記変
    動データおよび装置の状態記憶データを基に、応答デー
    タを決定することを特徴とする請求項１または２記載の
    音声認識対話処理方法。
15. 【請求項１５】 音声を入力する音声入力手段と、 この音声入力手段により入力された音声を分析して音声
    特徴データを発生する音声分析手段と、 予め登録された認識可能な単語の標準音声特徴データを
    記憶する標準音声特徴データ記憶手段と、 前記音声分析手段からの音声特徴データを入力し、前記
    標準音声特徴データ記憶手段の記憶内容を基に、入力音
    声に含まれる登録単語に対応した検出データを出力する
    単語検出手段と、 前記音声分析手段からの音声特徴データを入力し、その
    特徴データを基にして入力音声が肯定内容か否定内容か
    を識別し、肯定内容であるときは肯定であることを示す
    信号を出力し、否定内容であるときは否定であることを
    示す信号を出力する肯定否定識別手段と、 前記単語検出手段による登録単語の検出モードまたは前
    記肯定否定識別手段による肯定否定識別モードのいずれ
    かのモードを、そのときの状況によって設定し、登録単
    語の検出モードの場合は、前記単語検出部からの検出デ
    ータを入力し、この検出データを基に前記入力音声の意
    味を理解し、それに対応した応答内容を決定し、肯定否
    定識別モードの場合は、前記肯定否定識別手段からの前
    記肯定または否定信号を入力してそれに対応した応答内
    容を決定する音声理解会話制御手段と、 この音声理解会話制御手段によって決定された応答内容
    に基づいた音声合成出力を発生する音声合成手段と、 この音声合成手段からの音声合成出力を外部に出力する
    音声出力手段と、 を有したことを特徴とする音声認識対話装置。
16. 【請求項１６】 前記単語検出手段は、それぞれの登録
    単語に対する標準音声特徴データと、音声分析部から出
    力される音声特徴データとを比較し、前記登録単語が入
    力音声の時間軸上のどの部分にどの程度の確からしさで
    存在するかを、それぞれの登録単語毎に、確からしさを
    示す数値で検出してその検出データを音声理解会話制御
    手段に送り、音声理解会話制御手段では、その検出デー
    タを基に、そのとき入力された入力音声全体の意味を理
    解し、それに対応した応答内容を決定することを特徴と
    する請求項１５記載の音声認識対話装置。
17. 【請求項１７】 前記肯定否定識別手段は、音声分析手
    段からの音声特徴データに最初に出現する母音部を検出
    し、その母音の種類によって入力音声が肯定内容か否定
    内容かを識別することを特徴とする請求項１５記載の音
    声認識対話装置。
18. 【請求項１８】 前記音声理解会話制御手段における登
    録単語検出モードまたは肯定否定識別モードの設定は、
    初期状態においては登録単語検出モードとし、ユーザに
    対して肯定または否定を意味する内容の返事を装置側か
    ら要求した場合に、肯定否定識別モードに切り替えるこ
    とを特徴とする請求項１５または１６記載の音声認識対
    話装置。
19. 【請求項１９】 前記音声理解会話制御手段は、前記単
    語検出手段からの検出データにおいて、入力音声の時間
    軸上の同一時刻に２つ以上の登録単語が共に所定以上の
    高い確からしさを示す数値で現れている場合、最も高い
    確からしさを有する登録単語を認識候補として決定する
    ことを特徴とする請求項１６記載の音声認識対話装置。
20. 【請求項２０】 前記音声理解会話制御手段は、或る登
    録単語が入力された場合に、各登録単語毎に現れる確か
    らしさを示す数値を表した登録単語間の相関関係を、そ
    れぞれの登録単語毎に予め作成しておき、前記単語検出
    手段からの検出データにおいて、入力音声の時間軸上の
    同一時刻に２つ以上の登録単語が共に所定以上の高い確
    からしさを示す数値で現れている場合、前記予め作成さ
    れた相関関係に基づいていずれか１つの単語を認識候補
    として決定することを特徴とする請求項１６記載の音声
    認識対話装置。
21. 【請求項２１】 前記音声理解会話制御手段は、前記単
    語検出手段からの検出データにおいて、入力音声の時間
    軸上の異なった時刻に２つ以上の登録単語が共に所定以
    上の高い確からしさを示す数値で現れている場合、これ
    ら各登録単語からそのとき入力された入力音声全体の意
    味を理解し、それに対応した応答内容を決定することを
    特徴とする請求項１６記載の音声認識対話装置。
22. 【請求項２２】 前記音声理解会話制御手段は、前記単
    語検出手段からの検出データにおいて、入力音声の時間
    軸上の異なった時刻に２つ以上の登録単語が共に所定以
    上の高い確からしさを示す数値で現れている場合、これ
    ら各登録単語の関連性を判断し、関連性のない場合に
    は、それを示す情報を出力することを特徴とする請求項
    １６記載の音声認識対話装置。
23. 【請求項２３】 前記音声理解会話制御手段は、前記単
    語検出手段からの検出データにおいて、入力音声の時間
    軸上の異なった時刻に予め定めた数以上の登録単語がと
    もに所定以上の高い確からしさを示す数値で現れている
    場合は、認識不可として、それを示す情報を出力するこ
    とを特徴とする請求項１６記載の音声認識対話装置。
24. 【請求項２４】 前記音声理解会話制御手段は、前記音
    声分析手段から出力される入力音声の音量を示す信号を
    得て、その音量を示す信号の大きさを判定して、予め設
    定した上限値より大きいとき、または、予め設定した下
    限値より小さいときは、それを示す情報を出力すること
    を特徴とする請求項１５または１６記載の音声認識対話
    装置。
25. 【請求項２５】 前記音声理解会話制御手段は、前記音
    声分析手段から出力される入力音声の音量を示す信号を
    得て、その音量を示す信号の大きさから音声入力があっ
    たことを検出し、かつ、音声入力があったにも係わらず
    認識できなかった場合には、それを示す情報を出力する
    ことを特徴とする請求項１５または１６記載の音声認識
    対話装置。
26. 【請求項２６】 前記音声理解会話制御手段は、装置が
    音声を出力しているときは、外部からの音声の入力を禁
    止するようにしたことを特徴とする請求項１５または１
    ６記載の音声認識対話装置。
27. 【請求項２７】 前記音声理解会話制御手段は、登録単
    語のなかで、或る登録単語と結びついて用いられる特定
    の登録単語に対しては、前記或る単語が入力された場合
    に限り、専用の認識モードを設定し、前記或る単語が入
    力された場合は、当該専用モードにより、前記特定単語
    の認識を行うことを特徴とする請求項１５または１６記
    載の音声認識対話装置。
28. 【請求項２８】 前記音声理解会話制御手段は、時刻、
    気温、気圧、日付などの変動データさらには装置の状態
    などを記憶した状態記憶データを入力し、前記単語検出
    部または肯定否定識別部からの内容に対して、前記変動
    データおよび装置の状態記憶データを基に、応答データ
    を決定することを特徴とする請求項１５または１６記載
    の音声認識対話装置。