JPS63236452A - 音声認識装置 - 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】 技ＪＬ１野一 本発明は、音声認識装置、より詳細には、音声認識の結
果に基づいて自動的に電話がかけられるような、電話用
の音声認識装置に係るものである。

僅】１え４ 近年、音声認識の研究が盛んであり、注目されており、
単語音声の認識装置はすでに実用化されている。

而して、音声認識装置には、誰の声でも認識できる不特
定話者認識方式と、使用者の声をあらかじめ登録する特
定話者認識方式があり、認識率と認識できる単語数では
特定話者方式が有利である。

このような音声認識装置を電話に利用することは例えば
実開昭６１．−１０４５００号公報にも示されているよ
うにすでに考えられているが（以後音声電話と呼ぶ）、
電話に利用する場合は、利用者によって登棹する相１手
や番号が違うため、特定話者音声認識装置の利用が一般
的であろう。前記実開昭６１−１０４５００号公報によ
る利用例では、一般の電話機ではなく音声認識装置を内
部にもち、送話口で話した音声を認識し、その結果に応
じて相手のダイヤルを自動的に発信するようにしたもの
である。それと同時に認識した結果を、記録音や合成音
によって再生して話者にきかせて正しいことを確認する
ようになされることもある。

音声認識の場合、認識率は精々９７−９９％どまりであ
るため認識結果を何等かの方法で確認することは必要な
ことである。しかしながら、上記方法では認識結果に基
づいて相手のダイヤルを自動的に発信させるため、音声
電話専用の機械が必要であり、持ち歩くことができなか
った。

目　　　　　的 本発明は、以上のような欠点に鑑みてなされたもので、
特に、一般の電話機に取り付けるだけで、音声電話とな
るような装置を提供することを目的としてなされたもの
である。

構　　　成 本発明は、上記目的を達成するために、音声を入力する
入力部と、該入力部によって収集されたデータを分析す
る分析部と、該分析部で分析されたデータを保持するデ
ータ保持部と、データを照合する照合部と、電話機に信
号を転送する転送部と、該電話機からの音声を本体の前
記入力部へ印加せしめる手段と、特定の音声を再生する
ための手段とを備えた音声認識装置において、再生する
ための音声信号を格納する部分に音声信号とともに特定
の周波数を格納しておき、未知の入力音声を前記分析部
で分析し、前記照合部によって前記保持されたデータと
照合して未知入力音声を認識し、その結果に基づいて前
記格納された音声を再生し、その後の指示に従って前記
再生信号に対応ずいた前記特定の周波数音を再生し、こ
の音を前記電話機の送話部へ印加するようにしたことを
特徴としたものである。以下、本発明の実施例に基づい
て説明する。

第１図は、本発明の一実施例を説明するためのブロック
線図であるが、本発明は、釦式電話いゎゆるブツシュホ
ンでは特定の周波数音によってダイヤリングしているこ
とに注目してなされたものであり、図中、１．１３は音
声検出器で、ピックアップやマイクロフォンのような音
響／電気変換器である。２は音声検出器で検出された音
声を特徴量に変換する部分で、特徴量の種類は特に限定
するものではないが、例えばスペクトルをもちいるなら
バンドパスフィルタ群によって実現できる。

また、図には記載されていないが、音声区間検出部を設
けて必要な信号のみを取り出すことが効果的である。３
はスイッチで、このスイッチ３によって音声の登録モー
ドと認識モードに切換えられる。４は登録された音声の
標準パターンの格納部、５は再生する音声のデータの格
納部で、特に、再生音データ格納部５は音声の標準パタ
ーンを登録する際に発声された音をそのまま記憶してお
くことで標準パターンと音声パターンの対応づけが容易
にできる。６は特定の周波数を記憶する部分で、図示の
場合、再生音データ格納部５と分けて記されているが実
際には同じ部分を利用するのが良い。ここは音声の標準
パターンを登録する際に、まず登録すべき音声（通話す
る相手の名前）を発声し、続いて相手のダイヤルを電話
の釦を押して入力する。このダイヤルを押した時に発生
する周波数音を電話口の音声検出器１３で検出して記憶
しておく。７は音声の標準パターンと入力音声のパター
ンを比較照合する部分で、照合のしがたはいくつかの方
法が知られており、照合方法はどのような手段に依って
もよい。８は照合部で照合された結果によりその中の最
大類似度が得られた音声パターンを選択する部分である
。照合の仕方によっては最大類似度ではなく、最小距離
を選ぶこともある。９はコード格納部１ｏに格納された
コードと認識された音声のコードが一致しているかどう
かをみる比較部、１１．１２は音声発生部で電気／音響
変換器が用いられる。

１と１２は電話機の送話口に接続され、１３と１１は受
話口に接続されている。そこで使用者は、スイッチ３を
音声登録側（図示位置）に倒し、音声の登録を行う。ま
ず、音声登録しようと思う何人かの人名と電話番号を用
意して送話口にむかって人名を発声し、そのダイヤルの
釦を押すことを順に繰り返す。この際１発声された声は
音声出力用データとして登録され、釦を押したときに得
られる発振音は周波数記憶部６に記憶される。音声の標
準パターンと音声出力用データ、周波数記憶部のデータ
はそれぞれ対応ずけられている。すべての登録が終わる
と、スイッチ３を認識側に倒し。

かけたい相手の名前を送話口に向かって発する。

その音声は分析され照合部で音声の標準パターンと比較
され、もっとも類似性の高いものが認識結果としてえら
ばれる。この結果は音声出力用データ５へ送られ、それ
に対応づいた音声が出力されて利用者の耳に聞える。そ
れが正しければ送話口にむかってハイ、正しくなければ
イイエ、と言う。

この音声も先の人名と同様に認識して、今度は、コード
比較部で予め記憶されているハイのコードと一致するか
どうかを確かめ、一致すれば先の認識結果に対応する周
波数音を再生し、音声発生部１２から電話機へ入力せし
める。ボタン式電話ではダイヤルの一つの番号が二つの
周波数音の組み合わせで表現されており、その周波数音
を送話口へ送ることによって任意のダイヤルが可能であ
る。

また、ハイのコードと一致しない時は認識結果が誤りで
利用者がハイと言わなかったものとして再度相手の名前
の入力から行う。勿論、ハイ、イイエでなく他の言葉で
も良いことは言うまでもない。

以上に述べた方法によると、専用の電話機でなくとも本
装置を一般のボタン式電話機に接続するだけで音声電話
として利用できるようになるし、さらに小型化すれば持
ち歩きができて、必要な時には出先から、近くの公衆電
話に接続して利用できるようなものができる。また１以
上には、音響変換器の接続については詳しく述べなかっ
たが、これは特に指定するものではなく、−例をあげれ
ば音響カプラーのようなもので、送信口に１と１２を、
受信口に１１と１３をセットしたものを使えば良い。た
だし、この場合、相手にかかったあとの会話のときに電
話の受話器をはずすなり、音響カプラーに継いだまま会
話ができるような手段が必要となるため、通常の電話の
受話器にピックアップを取り付けるだけで利用できるよ
うにすることが望ましい。

なお、音声認識の利用は、その認識率が十分高くないた
め、必ず認識結果を利用者に示し、その結果が正しいと
認められたときに動作するようにするのが一般的であり
、結果を利用者に示す方法として、音声で再生して聞か
せるのが最も自然であると考えられている。

効　　　果 以上の説明から明らかなように、本発明は、音声認識技
術と音声合成のような再生技術が組み合わせて普及して
いることに注目してなされたものであり、音声再生のデ
ータのなかに同じ音声帯域のダイヤルの周波数音もあわ
せて記憶しておくことで、それぞれに特別な構成を持た
せることなく共通したデータの取り扱いができるという
利点がある。

【図面の簡単な説明】

第１図は、本発明の一実施例を説明するためのブロック
線図である。 １・・・マイクロフォン、２・・・特徴抽出部、３・・
・スイッチ、４・・・単語標準パターン、５・・・音声
出力用データ、６・・・周波数記憶部、７・・・照合部
、８・・・最大類似度検出部、９・・・コード比較部、
１０・・・「ハイ」コード部、１１．１２・・・スピー
カ、１３・・・マイクロフォン。 代理人　高野　四辺゛仁：（１′〜・７・−１゛−

Claims (1)

【特許請求の範囲】
1. 音声を入力する入力部と、該入力部によって収集された
   データを分析する分析部と、該分析部で分析されたデー
   タを保持するデータ保持部と、データを照合する照合部
   と、電話機に信号を転送する転送部と、該電話機からの
   音声を本体の前記入力部へ印加せしめる手段と、特定の
   音声を再生するための手段とを備えた音声認識装置にお
   いて、再生するための音声信号を格納する部分に音声信
   号とともに特定の周波数を格納しておき、未知の入力音
   声を前記分析部で分析し、前記照合部によって前記保持
   されたデータと照合して未知入力音声を認識し、その結
   果に基づいて前記格納された音声を再生し、その後の指
   示に従って前記再生信号に対応ずいた前記特定の周波数
   音を再生し、この音を前記電話機の送話部へ印加するよ
   うにしたことを特徴とする音声認識装置。