JP2003015688A

JP2003015688A - 音声認識方法および装置

Info

Publication number: JP2003015688A
Application number: JP2001201888A
Authority: JP
Inventors: Hiromi Tokifuji; 浩美時藤; Akiichi Kobayashi; 明一小林
Original assignee: Matsushita Electric Industrial Co Ltd
Current assignee: Panasonic Holdings Corp
Priority date: 2001-07-03
Filing date: 2001-07-03
Publication date: 2003-01-17

Abstract

(57)【要約】【課題】トークバック機能付きの音声認識方法では、
認識結果を「○○○を表示します」と表現内容が固定的
であり、また、誤認識が発生した場合に音声入力操作を
繰り返す必要があった。【解決手段】入力した単語の音声データと単語辞書内
の音声パターンとの類似度を計算し、類似度の高い順に
５個の認識結果候補を取得し、類似度の高い順に１個ず
つトークバックにより出力して、類似度が基準よりも高
いものについては「○○○を表示します」と肯定表現と
し、類似度が基準よりも低いものについては「○○○で
すか」と間接疑問表現とし、さらにその認識結果が正し
いか間違っているかをユーザに音声により確認を求め、
正しい場合にはその認識結果を確定し、間違っている場
合には次候補の認識結果を表示する。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は、入力操作の確認を
行うトークバック機能を備えた音声認識方法および装置
と車載ナビゲーション装置に関する。

【０００２】

【従来の技術】従来、この種の車載ナビゲーション装置
では、目的地の設定やルートの設定、施設の検索等を、
ディスプレイの前面に設けられたタッチパネルまたはリ
モコン操作の他に、音声認識技術を利用して音声入力に
より簡単に行うことができる。例えば音声入力ボタンを
押してから「○○○へ行く」と音声入力するだけで、そ
こを目的地に設定した推奨経路がディスプレイ上の地図
に表示される。また、施設の名称、住所、電話番号、郵
便番号等を、何段階かに分けて音声入力することによ
り、希望する施設や住居の検索が可能である。このよう
な車載ナビゲーション装置おける音声による入力は、ユ
ーザが車両の運転のために前方を注視しながら、またハ
ンドルから手を離すことなく入力できるので、安全運転
に大きく寄与することができる。また、装置に入力され
た音声に応答して音声を出力するトークバック機能によ
り、ユーザが入力操作した内容と装置が判断した内容と
が一致しているかどうかを確認することができ、大変便
利である。

【０００３】

【発明が解決しようとする課題】しかしながら、上記従
来のトークバック機能付きの音声認識方法では、例えば
「八王子駅」と音声入力した場合に、トークバックによ
り「八王子駅を表示します」と認識結果が音声により出
力されるが、その場合の表現内容が固定的である。ユー
ザが「八王子駅」を音声入力して、音声認識の結果、八
王子駅が正しく認識された場合はよいが、常に正しい音
声認識ができるとは限らない。話者の発音が不明確であ
ったり、外部の雑音が混入することにより、誤認識が発
生することがあり、このため通常は３回までの再入力が
可能になっている。そこで、「八王子駅」と音声入力し
たにも拘らず、誤って「王子駅」として認識され、「王
子駅を表示します」とトークバックが行われた場合、ユ
ーザは再びリモコンを操作して音声入力をやり直さなけ
ればならず、負担が大きくなるばかりでなく、装置の信
頼性に対して不満を持つことになる。

【０００４】本発明は、このような従来の問題を解決す
るものであり、装置に対する信頼性を高めることがで
き、操作が簡単で使い勝手の良好な音声認識方法および
装置とそれを利用した車載ナビゲーション装置を提供す
ることを目的とする。

【０００５】

【課題を解決するための手段】上記目的を達成するため
に、本発明の音声認識方法は、入力した単語の音声デー
タと単語辞書内の音声パターンとの類似度を計算し、類
似度の高い順に複数の音声パターンを単語認識候補と
し、前記単語認識候補を音声で出力することにより入力
操作の確認を行う際に、類似度が基準よりも高いか低い
かによって出力される音声の表現内容を変えることを特
徴するものである。類似度の計算は、通常はゼロから９
９９９通りの計算結果が得られ、得点数が高いほど類似
度が高くなる。そこで、例えば３０００点を基準とし
て、３０００点以下の場合には誤認識の可能性が高くな
り、３０００点を越えると誤認識の可能性が低くなるこ
とが経験的に知られているので、この点数を基準として
トークバックによる表現内容を変えることにより、ユー
ザは、装置がきちんと判断を行っていると理解し、装置
に対する信頼性を高めることができる。

【０００６】また、本発明の音声認識方法は、前記類似
度が基準よりも高い場合には前記出力される音声の表現
内容を肯定形とし、前記類似度が基準よりも低い場合に
は前記出力される音声の表現内容を疑問形とすることを
特徴とするものであり、例えば類似度が高い場合は「○
○○を表示します」と表現し、類似度が低い場合には
「○○○ですか」と問いかける表現をすることにより、
ユーザは、装置がきちんと判断を行っていると理解し、
装置に対する信頼性をより高めることができる。

【０００７】また、本発明の音声認識方法は、前記出力
される音声によりユーザに出力単語の「正」「否」の確
認を求め、「正」の場合にはその出力単語を確定し、
「否」の場合には次候補の単語を音声で出力することを
特徴するものであり、誤認識が発生した場合でも、従来
のように音声入力を再び行う必要がなく、例えば「いい
え」と発声するだけで次候補が表示されるので、ユーザ
にとっては負担が少なく、使い勝手を向上させることが
できる。

【０００８】また、本発明の音声認識装置は、入力した
単語の音声データと単語辞書内の音声パターンとの類似
度を計算し、類似度の高い順に複数の音声パターンを単
語認識候補として出力することにより入力操作の確認を
行う音声認識手段と、前記出力される音声により確認を
行う際に、類似度が基準よりも高いか低いかによって前
記出力される音声による表現内容を変える制御手段とを
備えたものであり、例えば類似度が高い場合は「○○○
を表示します」と表現し、類似度が低い場合には「○○
○ですか」と問いかける表現をすることにより、ユーザ
は装置がきちんと判断を行っていると理解し、装置に対
する信頼性をより高めることができる。

【０００９】また、本発明の音声認識装置は、前記制御
手段が、前記出力される音声によりユーザに出力単語の
「正」「否」の確認を求め、「正」の場合にはその出力
単語を確定し、「否」の場合には次候補の単語を音声で
出力することを特徴するものであり、誤認識が発生した
場合でも、従来のように音声入力を再び行う必要がな
く、例えば「いいえ」と発声するだけで次候補が表示さ
れるので、ユーザにとっては負担が少なく、使い勝手を
向上させることができる。

【００１０】また、本発明は、上記した音声認識装置を
備えた車載ナビゲーション装置であり、ナビゲーション
装置の利便性および操作性をより向上させることができ
る。

【００１１】

【発明の実施の形態】以下、本発明の実施の形態につい
て図面を参照して説明する。図１は本発明の実施の形態
における音声認識装置を備えた車載ナビゲーション装置
の構成を示している。図１において、方位センサ１は、
３Ｄジャイロが使用され、自車の進行方位を検出する。
車速センサ２は、本装置を搭載した車両の電子制御装置
に使用されているもので、車輪の回転数に応じた車速パ
ルスを発生する。各種センサ３は、リバーススイッチ、
パーキングスイッチ、ライトスイッチなどであり、車両
の走行状態を検出する。センサ信号処理部４は、方位セ
ンサ１からの信号を基に車両の進行方向を算出するとと
もに、車速センサ２からの車速信号から走行距離を算出
し、さらに各種センサ３からの信号を基に車両の走行状
態を検出して、制御に必要な信号を生成する。ＤＶＤ−
ＲＯＭ５は、地図データや音声データ、音声認識辞書デ
ータなどが記録されている。ＤＶＤ−ＲＯＭドライブ６
は、ＤＶＤ−ＲＯＭ５から地図データや音声データ、音
声認識辞書データなどを読み出すものである。液晶ディ
スプレイ７は、地図および現在の自車位置、方位、操作
メニューなどを表示するものであり、その前面にタッチ
パネルなどの操作部を備えていてもよい。ＧＰＳ受信機
８は、複数の衛星から送信される電波を受信演算するこ
とで自車の現在位置（緯度・経度）を求めるものであ
る。ＧＰＳアンテナ９は、ＧＰＳ電波を受信するための
アンテナである。これらＤＶＤ−ＲＯＭドライブ６、液
晶ディスプレイ７、ＧＰＳ受信機８等は、車両のダッシ
ュボード上に配置され、車内ＬＡＮ１０を通じて装置本
体１１の通信インターフェース１２に接続される。装置
本体１１は、車両のトランクルームや車内のセンターコ
ンソールなどに設置される。

【００１２】マイク１３は、車内の運転者近傍に配置さ
れ、使用者からの発声語句を入力するものであり、スピ
ーカ１４は、検索結果や音声認識結果、走行ルート上の
交差点案内、分岐案内、料金所案内、出口案内などの音
声案内、リモコンでの操作内容を音声で確認したりする
場合に使用される。音声認識装置１５は、マイク１３か
ら入力された語句の音声認識を行う。記憶部１６は、プ
ログラムを格納したＲＯＭや作業データを一時的に格納
するＲＡＭ、画像データを格納するＶＲＡＭなどから構
成されている。画像プロセッサ１７は、メニューデータ
や地図データ、自車の現在位置データ、建物データなど
に基づき表示画像の生成処理を行う。表示制御部１８
は、通常設定モード時および音声認識モード時におい
て、それぞれ必要な画像データを画像プロセッサ１７か
ら読み出してＣＰＵ２０に渡す。音声プロセッサ１９
は、音声認識結果を音声信号に変換したり、検索結果や
走行ルート上の音声案内、リモコンでの操作内容を表す
音声信号をスピーカ１４に出力する。ＣＰＵ（中央処理
装置）２０は、装置全体を制御するものであり、通常設
定モード時および音声認識モード時においてそれぞれ必
要な制御を行うためのプログラムを実行する。リモコン
２１は、通常設定モードと音声認識モードとを切り替え
るための操作ボタンやその他の操作ボタンを有し、赤外
線を利用してリモコン受光部２２と通信を行う。リモコ
ン受光部２２は、液晶ディスプレイ７の前面に設けられ
ているが、他の位置に設けられる場合もあり、リモコン
２１から受信した操作信号を車内ＬＡＮ１０から通信イ
ンタフェース１２を介してＣＰＵ２０に送る。

【００１３】次に、本実施の形態における動作につい
て、まずナビゲーション装置としての基本動作について
説明する。図１において、車両のエンジンをかけると、
ナビゲーション装置の電源がオンになり、液晶ディスプ
レイ７にはメニュー画面が表示され、ＣＰＵ２０が現在
位置検出プログラムを起動させる。車両が走行を開始す
ると、ＧＰＳ受信機８からの位置情報と、方位センサ１
および車速センサ２からの信号をセンサ信号処理部４に
より処理したデータを基に、自車の正確な現在位置を算
出する。この自車位置情報に基づき、ＣＰＵ２０が、Ｄ
ＶＤ−ＲＯＭドライブ６を通じてＤＶＤ−ＲＯＭ５から
該当する地図データを読み出し、画像プロセッサ１７に
より画像データに変換して記憶部１６のＶＲＡＭに一旦
記憶した後、色信号に変換して通信インターフェイス１
２を通じて液晶ディスプレイ７の画面上に自車位置とと
もに表示する。また、マイク１３を通じて目的地などの
住所名を入力すると、音声認識装置１５の音声認識機能
によりその住所名を認識し、目的地が設定される。目的
地が設定されると、ＣＰＵ２０は、経路探索プログラム
を起動し、設定された目的地までの自車現在位置からの
最適な案内経路を算出し、液晶ディスプレイ７の地図上
に重ねて表示する。ユーザは液晶ディスプレイ７に表示
された案内経路に沿って車両を進めると、ＣＰＵ２０
は、現在位置情報と地図データ上の道路ネットワークデ
ータを基に、液晶ディスプレイ７上の自車位置マークを
順次更新してゆく。車両が案内経路中の分岐点などに差
し掛かると、地図データに付加された音声案内がスピー
カ１４から出力される。

【００１４】次に、上記実施の形態における音声認識装
置１５について説明する。図２は音声認識装置１５の構
成を示している。音声分析部２３は、マイク１３から入
力された音声を周波数分析して出力する。単語辞書部２
４には、単語音声の標準パターンが格納されている。音
声照合部２５は、音声分析部２３から出力された入力音
声のデータと単語辞書部２４から出力された単語の標準
パターンとの類似度を計算し、両者の間の類似度が高い
順に認識結果として出力する。制御部２６は、音声認識
装置１５の全体を制御するマイクロコンピュータであ
り、車載ナビゲーション装置のＣＰＵ２０を通じてＤＶ
Ｄ−ＲＯＭ５から読み出した単語辞書データを単語辞書
部２４に格納し、音声照合部２５における照合の際に読
み出したり、音声照合部２５から出力された認識結果を
音声プロセッサ１９を介して合成音声としてスピーカ１
４から出力する処理を行う。

【００１５】次に、制御部２６における制御について図
３のフロー図を参照して説明する。マイク１３から音声
が入力されると（ステップＳ１）、その音声が音声分析
部２３で単語毎に周波数分析され、短時間スペクトルの
時系列（ＬＰＣケプストラム係数列）として出力される
（ステップＳ２）。単語辞書部２４には、音素記号系列
（ＬＰＣケプストラム係数列）からなる約３０００単語
の標準パターンが格納されている。音声照合部２５は、
音声分析部２３から出力された単語の短時間スペクトル
の時系列と単語辞書部２４から出力された単語の音素記
号系列との類似度を計算し、ゼロから９９９９通りの計
算結果から得点数の高いすなわち類似度の高い順に５個
の音素記号系列を認識結果として出力し（ステップＳ
３）、類似度点数の高い方から順番に並べて上位５個の
リストを作成する（ステップＳ４）。制御部２６は、音
声照合部２５から認識結果が出力されると、その都度、
類似度点数が３０００点を越えているかどうかを調べ
（ステップＳ５）、３０００点を越えている認識結果出
力に対してはトークバックの表現パターンＡに分類し
（ステップＳ６）、３０００点を越えていない認識結果
出力に対してはトークバックの表現パターンＢに分類す
る（ステップＳ７）。表現パターンＡは、図４に示すよ
うに、「○○○を表示します。」という肯定文からな
り、表現パターンＢは、「○○○ですか？正しかったら
「はい」、間違っていたら「いいえ」とお話下さい」と
いう間接疑問文とその確認からなる。このように分類し
た後、上から順番に１つずつトークバックにより出力す
る（ステップＳ８）。例えば、「東京ドーム」と音声入
力した場合に、音声認識結果が図５に示すように、「東
京堂」が２９００点、「東京ドーン」が２３００点、
「東京ドーム」が１８００点、「東京ドール」が１５０
０点、「東京都」が１０００点の場合に、まず初めに
「東京堂を表示します。正しかったら“はい”、間違っ
ていたら“いいえ”とお話下さい」とトークバックが音
声出力される（ステップＳ９）。これに対しユーザが
“いいえ”と発声すると、それを音声認識装置１５が音
声認識するとともに、制御部２６は“いいえ”に対応し
て次ぎの音声認識結果候補をリストから抽出して、「東
京ドーンですか？正しかったら“はい”、間違っていた
ら“いいえ”とお話下さい」とトークバックが音声出力
される。そして、これに対しても、ユーザから“いい
え”が発声されると、制御部２６は次ぎの音声認識結果
候補を抽出して、「東京ドームですか？正しかったら
“はい”、間違っていたら“いいえ”とお話下さい」と
トークバックが音声出力される。そして、これに対し
て、ユーザから“はい”が発声されると、制御部２６は
音声認識結果として「東京ドーム」を確定する（ステッ
プＳ１０）。音声認識処理をこれで終了するが、その後
のナビゲーション機能として、「行き先」、「経由地設
定」、「ポイント登録」の３つの選択項目が液晶ディス
プレイ７に表示され、「行き先設定か経由地設定かポイ
ント登録のいずれにしますか」という音声案内が出力さ
れるので、ユーザがその１つを選択することにより、検
索した施設に対する設定登録が行われる。

【００１６】このように、本実施の形態によれば、入力
した単語の音声データと単語辞書内の音声パターンとの
類似度を計算し、類似度の高い順に５個の認識結果候補
をリストとして保持し、類似度の高い順番に１個ずつト
ークバックにより出力して、類似度点数が３０００点を
超えるものについては肯定表現とし、３０００点以下の
ものについては間接疑問表現とし、さらにその認識結果
が正しいか間違っているかをユーザに確認を求めるの
で、ユーザは装置が正しく判断を行っていることを理解
できるとともに、従来のような何回も音声入力操作を繰
り返す必要がないので、装置に対する信頼性と操作性を
向上させることができる。

【００１７】なお、上記実施の形態におけるトークバッ
クの表現パターンは一例であり、これら以外の種々の表
現が可能である。また、トークバックの表現内容を変更
する際の類似度点数の設定も可変であり、トークバック
の表現パターンの数や音声認識結果リストに計上する単
語数も任意に設定することができる。

【００１８】

【発明の効果】以上説明したように、本発明の音声認識
方法および装置は、入力した単語の音声データと単語辞
書内の音声パターンとの類似度を計算し、類似度の高い
順に複数の音声パターンを単語認識候補として出力し、
出力される音声により入力操作の確認を行う際に、類似
度が基準よりも高いか低いかによって出力される音声に
よる表現内容を変えるので、ユーザは、装置が類似度に
応じて音声認識をきちんと行っていると判断し、装置に
対する信頼性を高めることができる。

【００１９】また、出力される音声によりユーザに出力
単語の「正」「否」の確認を求め、「正」の場合にはそ
の出力単語を確定し、「否」の場合には次候補の単語を
音声で出力するので、誤認識が発生した場合でも、従来
のように音声入力操作を繰り返す必要がなく、例えば
「いいえ」と発声するだけで次候補が表示されるので、
ユーザにとっては負担が少なく、使い勝手を向上させる
ことができる。

【図面の簡単な説明】

【図１】本発明の実施の形態における車載ナビゲーショ
ン装置の構成を示すブロック図

【図２】本発明の実施の形態における音声認識装置の構
成を示すブロック図

【図３】本発明の実施の形態における音声認識装置の処
理を示すフロー図

【図４】本発明の実施の形態におけるトークバックにお
ける表現パターンを示すテーブル図

【図５】本発明の実施の形態における類似度点数による
音声認識結果のリストを示すテーブル図

【符号の説明】

１方位センサ２車速センサ３各種センサ４センサ信号処理部５ＤＶＤ−ＲＯＭ６ＤＶＤ−ＲＯＭドライブ７液晶ディスプレイ８ＧＰＳ受信機９ＧＰＳアンテナ１０車内ＬＡＮ１１装置本体１２通信インターフェイス１３マイク１４スピーカ１５音声認識装置１６記憶部１７画像プロセッサ１８表示制御部１９音声プロセッサ２０ＣＰＵ２１リモコン２２リモコン受光部２３音声分析部２４単語辞書部２５音声照合部２６制御部

───────────────────────────────────────────────────── フロントページの続きＦターム(参考） 2F029 AA02 AB01 AB07 AB09 AB13 AC02 AC08 AC14 AC18 5D015 KK01 LL06 5H180 AA01 BB13 EE01 FF04 FF05 FF22 FF25 FF27 FF33

Claims

【特許請求の範囲】

【請求項１】入力した単語の音声データと単語辞書内
の音声パターンとの類似度を計算し、類似度の高い順に
複数の音声パターンを単語認識候補とし、前記単語認識
候補を音声で出力することにより入力操作の確認を行う
際に、類似度が基準よりも高いか低いかによって出力さ
れる音声の表現内容を変えることを特徴する音声認識方
法。
【請求項２】前記類似度が基準よりも高い場合には前
記出力される音声の表現内容を肯定形とし、前記類似度
が基準よりも低い場合には前記出力される音声の表現内
容を疑問形とすることを特徴とする請求項１記載の音声
認識方法。
【請求項３】前記出力される音声によりユーザに出力
単語の「正」「否」の確認を求め、「正」の場合にはそ
の出力単語を確定し、「否」の場合には次候補の単語を
音声で出力することを特徴する請求項１または請求項２
記載の音声認識方法。
【請求項４】入力した単語の音声データと単語辞書内
の音声パターンとの類似度を計算し、類似度の高い順に
複数の音声パターンを単語認識候補として出力すること
により入力操作の確認を行う音声認識手段と、前記出力
される音声により確認を行う際に、類似度が基準よりも
高いか低いかによって前記出力される音声の表現内容を
変える制御手段とを備えた音声認識装置。
【請求項５】前記制御手段が、前記出力される音声に
よりユーザに出力単語の「正」「否」の確認を求め、
「正」の場合にはその出力単語を確定し、「否」の場合
には次候補の単語を音声で出力することを特徴する請求
項４記載の音声認識装置。
【請求項６】請求項４または請求項５記載の音声認識
装置を備えた車載ナビゲーション装置。