ナビゲーション装置
【課題】 より使い勝手よく、音声認識による住所入力を可能とする。
【解決手段】 ナビゲーション装置は、ユーザに任意の位置で住所を区切って音声入力させ、区切られた住所の音声ごとに、音声認識する。具体的には、トークボタンが押下されている間に入力された音声を一つの塊として、入力された音声の順に認識する。認識結果を順に並べて表示し、訂正の指示は、区切りで受け付ける。
【解決手段】 ナビゲーション装置は、ユーザに任意の位置で住所を区切って音声入力させ、区切られた住所の音声ごとに、音声認識する。具体的には、トークボタンが押下されている間に入力された音声を一つの塊として、入力された音声の順に認識する。認識結果を順に並べて表示し、訂正の指示は、区切りで受け付ける。
【発明の詳細な説明】
【技術分野】
【０００１】
本発明は、ナビゲーション装置に関し、特に車載用ナビゲーション装置の音声認識による住所入力に関する。
【背景技術】
【０００２】
特許文献１には、ユーザが発話した住所を認識する車載用ナビゲーション装置が記載されている。この車載用ナビゲーション装置は、住所入力の際、まず、「都道府県」を問いかける。そして、ユーザから音声入力を受け付け、入力された音声を認識し「都道府県」を特定し表示する。つぎに、「都市名」を問いかけ、入力された音声を認識し「都市名」を特定し表示する。つぎに、「町村名」を問いかけ、入力された音声を認識し「町村名」を特定し表示する。つぎに、「丁、番地、号」を問いかけ、入力された音声を認識し「丁、番地、号」を特定し表示する。
【０００３】
【特許文献１】特開２００１−２１５９９４号公報
【発明の開示】
【発明が解決しようとする課題】
【０００４】
特許文献１の方法では、ユーザは、いちいち問われるのを待たなければならない。一方で、ユーザに最初から住所の全てを言わせた後に音声認識したのでは、ユーザが言い間違った場合や、音声認識に誤りがあった場合、再度、ユーザに住所の全てを最初から言わせることになる。これでは、使い勝手が悪い。
【０００５】
本発明の目的は、より使い勝手よく、音声認識による住所入力を可能とすることにある。
【課題を解決するための手段】
【０００６】
上記課題を解決すべく、本発明では、ユーザが入力しようとする語句（例えば、住所）を、任意の位置で区切って音声入力させる。そして、入力された音声を区切りごとに認識する。認識結果の訂正は、その区切りで行えるようにする。
【０００７】
例えば、本発明のナビゲーション装置は、ユーザにより任意に区切られた語句の音声を順に取得する手段と、前記区切られた語句の音声をそれぞれ認識する音声認識手段と、前記区切られた語句の音声ごとの認識結果を順に並べて出力する出力手段とを備えている。
【０００８】
また、前記ナビゲーション装置は、前記認識結果の訂正箇所の指定を受け付ける訂正箇所指定手段を備えていてもよい。そして、前記音声取得手段は、前記訂正箇所指定手段により指定された箇所に対応する語句の音声を再取得する。前記音声認識手段は、前記再取得された音声を音声認識する。前記出力手段は、前記訂正箇所指定手段により指定された箇所の認識結果として前記再取得された音声の認識結果を出力する。
【０００９】
また、前記ナビゲーション装置は、ユーザが発した音声を入力するための音声入力装置と、ユーザが操作するためのボタンを備える入力装置とを備えていてもよい。そして、前記音声取得手段は、前記ボタンが押下されるごとに、当該ボタンが押下されている間に前記音声入力装置に入力された音声を、前記区切られた語句の音声として順に取得するようにしてもよい。
【発明を実施するための最良の形態】
【００１０】
以下に、本発明の一実施形態について、図面を参照して説明する。
【００１１】
図１は、車載用ナビゲーション装置１００の概略構成図である。図示するように、車載用ナビゲーション装置１００は、演算処理部１と、ディスプレイ２と、記憶装置３と、音声入出力装置４と、入力装置５と、車輪速センサ６と、地磁気センサ７と、ジャイロセンサ８と、ＧＰＳ(Global Positioning System)受信装置９と、を備えている。
【００１２】
演算処理部１は、様々な処理を行う中心的ユニットである。例えば各種センサ６〜８やＧＰＳ受信装置９から出力される情報を基にして現在位置を検出する。また、音声入出力装置４から入力された音声を認識し、認識した語句から、ユーザの入力内容を特定する。
【００１３】
ディスプレイ２は、演算処理部１で生成されたグラフィックス情報を表示するユニットである。
【００１４】
記憶装置３は、ＣＤ-ＲＯＭやＤＶＤ-ＲＯＭやＨＤＤやＩＣカードといった記憶媒体で構成されている。この記憶媒体には、地図データが記憶されている。
【００１５】
音声入出力装置４は、ユーザが発話した音声を取得し、演算処理部１に送信する。また、演算処理部１で生成したユーザへのメッセージを音声信号に変換し出力する。
【００１６】
入力装置５は、ユーザからの指示を受け付けるユニットである。図２は、入力装置５の構成を示す。入力装置５は、リモコンであり、トークボタン５１を備えている。トークボタン５１は、音声入力を受け付けるためのボタンである。なお、入力装置５は、スクロールキー、縮尺変更キーなどのハードスイッチ、ジョイスティック、ディスプレイ上に貼られたタッチパネルなどを備えていても良い。
【００１７】
センサ６〜８およびＧＰＳ受信装置９は、車載用ナビゲーション装置１００で現在地（自車位置）を検出するために使用されるものである。
【００１８】
図３は、演算処理部１の機能ブロック図である。
【００１９】
図示するように、演算処理部１は、ユーザ操作解析部４１と、音声認識部４２と、ナビゲーション処理部４３と、情報記憶部４４、表示処理部４５と、音声辞書データベース４６と、を備えている。
【００２０】
ユーザ操作解析部４１は、入力装置５に入力されたユーザからの要求を受け、その要求内容を解析して、その要求内容に対応する処理が実行されるように演算処理部１の各部を制御する。また、音声入出力装置４に入力され音声認識部４２により認識された語句からユーザの入力内容を解析して、その入力内容に対応する処理が実行されるように演算処理部１の各部を制御する。
【００２１】
音声認識部４２は、音声入出力装置４を介してユーザが発話した音声を取得する。そして、取得した音声を、音声辞書データベース４６を用いて認識し、ユーザが発した語句（単語）を特定する。音声から語句を認識する音声認識の手法は、既存の技術を適用できる。例えば、ＤＰ（動的計画法）マッチングを用いる方法やＨＭＭ（隠れマルコフモデル）を用いる方法などを適用できる。なお、音声辞書データベース４６には、音声認識に必要な音声モデルが語句に対応させて格納されている。
【００２２】
ナビゲーション処理部４３は、各センサ６〜８及びＧＰＳ受信装置９の出力から現在位置を求めたり、指定された２地点（現在地、目的地）間を結ぶ推奨経路を探索したりする。また、地点検索において、住所の入力があったときは、その住所に対応する地点を地図データから検索し、ディスプレイ２に表示する処理を行う。
【００２３】
情報記憶部４４は、音声認識部４２で認識された語句や、ナビゲーション処理部４３により検索された地点の情報を記憶する。
【００２４】
表示処理部４５は、ディスプレイ２への描画コマンドを生成する。例えば、指定された縮尺、描画方式で、道路、その他の地図構成物や、現在地、目的地、推奨経路のための矢印といったマークを描画するように地図描画コマンドを生成する。
【００２５】
図４は、演算処理部１のハードウェア構成例を示す図である。
【００２６】
図示するように、演算処理部１は、各デバイス間をバス３２で接続した構成としてある。演算処理部１は、数値演算及び各デバイスを制御するといった様々な処理を実行するＣＰＵ(Central Processing Unit)２１と、記憶装置３から読み出した地図データ、演算データなどを格納するＲＡＭ(Random Access Memory)２２と、プログラムやデータを格納するＲＯＭ(Read Only Memory)２３と、メモリ間およびメモリと各デバイスとの間のデータ転送を実行するＤＭＡ（Direct Memory Access）２４と、グラフィックス描画を実行し且つ表示制御を行う描画コントローラ２５と、グラフィックスイメージデータを蓄えるＶＲＡＭ(Video Random Access Memory)２６と、イメージデータをＲＧＢ信号に変換するカラーパレット２７と、アナログ信号をデジタル信号に変換するＡ/Ｄ変換器２８と、シリアル信号をバスに同期したパラレル信号に変換するＳＣＩ(Serial Communication Interface)２９と、パラレル信号をバスに同期させてバス上にのせるＰＩＯ(Parallel Input/Output)３０と、パルス信号を積分するカウンタ３１と、を有する。
【００２７】
［動作の説明］次に、上記構成の車載用ナビゲーション装置１００の音声認識による住所入力に関する動作について説明する。
【００２８】
図５は、かかる音声認識による住所入力の処理のフロー図である。また、図６は、かかる処理におけるディスプレイ２の表示画面の遷移例である。
【００２９】
このフローは、例えば、ナビゲーション処理部４３の地点検索の処理において、ユーザから入力装置５を介して、音声による住所入力の要求があった場合に開始される。
【００３０】
まず、音声認識部４２は、図６（ａ）に示すように、住所の音声入力を受け付ける旨のメッセージを画面５００に表示する（Ｓ１０１）。例えば、「トークボタンを押しながら、住所を発話してください。」などと、音声入力を促すためのメッセージを表示処理部４５を介して表示する。なお、音声認識部４２は、音声入出力装置４を介して音声によりメッセージを出力してもよい。
【００３１】
次に、音声認識部４２は、後述するＳ１０５において前回ユーザの発話が終了したときから、所定時間（例えば１０秒）経過したか否か判定する（Ｓ１０２）。
【００３２】
所定時間経過していない場合（Ｓ１０２でＮｏ）、音声認識部４２は、ユーザ操作解析部４１の出力に基づいて、入力装置５のトークボタン５１が押下されたか否か判定する（Ｓ１０３）。押下されていない場合、Ｓ１０２に戻って処理を続ける。
【００３３】
一方、トークボタン５１が押下された場合（Ｓ１０３でＹｅｓ）、音声認識部４２は、音声入力装置４に入力されている音声の取得を開始する（Ｓ１０４）。
【００３４】
そして、トークボタン５１の押下が解除されると（Ｓ１０５でＹｅｓ）、音声認識部４２は、トークボタン５１が押下されている間に取得した音声を一塊（一区切りの音声）として、情報記憶部４４に記憶する（Ｓ１０６）。そして、Ｓ１０２に戻り、処理を続ける。
【００３５】
すなわち、音声認識部４２は、トークボタン５１が押下されるたびに、トークボタン５１が押下されている間に取得した音声を一塊として順番に記憶していく。例えば、ユーザがトークボタン５１を押下するごとに、「神奈川県」、「横浜市」、「戸塚区」、「吉田町」及び「＊−＊−＊」とそれぞれ発話した場合、情報記憶部４４には、「神奈川県」、「横浜市」、「戸塚区」、「吉田町」及び「＊−＊−＊」に対応する音声がそれぞれ順番に格納される。また、例えば、ユーザがトークボタン５１を押下するごとに、「神奈川県横浜市」、「戸塚区吉田町」及び「＊−＊−＊」とそれぞれ発話した場合、情報記憶部４４には、「神奈川県横浜市」、「戸塚区吉田町」及び「＊−＊−＊」に対応する音声がそれぞれ順番に格納される。すなわち、ユーザにより任意に区切られた住所の音声が順番に格納される。
【００３６】
Ｓ１０２において、音声認識部４２は、トークボタン５１の押下がなされることなく所定時間が経過したか否か、又はユーザから入力装置５を介して音声認識の要求を受け付けたか否かを判定する。
【００３７】
所定時間が経過した場合又は音声認識の要求があった場合（Ｓ１０２でＹｅｓ）、音声認識部４２は、情報記憶部４４に格納されている音声を、塊ごとに順番に認識する。そして、音声認識部４２は、図７に示すように、認識結果を塊４７１ごとに、情報記憶部４４の中の認識結果格納テーブル４７０に格納する（Ｓ１０７）。
【００３８】
次に、音声認識部４２は、認識結果格納テーブル４７０に格納された認識結果を、塊ごとに順番に並べて表示する（Ｓ１０８）。図６（ｂ）に表示画面の例を示す。画面５１０には、ユーザにより任意に区切られた住所５１１が順番に表示されている。
【００３９】
このとき、音声認識部４２は、住所の訂正箇所を指定するためのマーク５１２を、区切られた住所５１１ごとに、順に移動させて、表示する（Ｓ１０９）。なお、マーク５１２が最後の語句まで移動した場合、また最初の語句に戻るようにする。
【００４０】
そして、この間、音声認識部４２は、トークボタン５１が押下されたか否か判定する（Ｓ１１０）。
【００４１】
トークボタン５１が押下された場合（Ｓ１１０でＹｅｓ）、音声認識部４２は、前記したＳ１０４に移行し、処理を続ける。すなわち、トークボタン５１が押下されている間に音声入出力装置４に入力された音声を取得する。そして、トークボタン５１が押下されるごとに、取得した音声を一塊として記憶する。Ｓ１０７においては、新たに取得した音声について、塊ごとに、認識を行い、認識結果格納テーブル４７０に格納する。ただし、既に格納されている認識結果の中から、訂正部分を削除して更新する必要がある。すなわち、Ｓ１１０において訂正のためにトークボタン５１が押されたときに、マーク５１２が指示していた住所の一部の認識結果と、それに続く部分の認識結果を認識結果格納テーブル４７０から削除する。そして、残った認識結果に、新たに認識した結果を追加する。
【００４２】
そして、音声認識部４２は、再びＳ１０９において、認識結果格納テーブル４７０に格納された認識結果に基づいて、認識結果の表示を行う。
【００４３】
図６（ｃ）及び（ｄ）を参照して説明する。図６（ｃ）のように、「横浜市戸塚区」の部分にマーク５１２が来たときに、ユーザがボタン５１を押して「横浜市栄区」、「ＯＯ町」及び「＊−＊−＊」と、住所を発話し直したとする。かかる場合、図６（ｄ）に示すように、ユーザによりボタン５１が押されたときにマーク５１２が指示していた箇所以降の住所が訂正され表示される。
【００４４】
ここで、再び、区切られた住所ごとにマーク５１２を移動させて表示し（Ｓ１０９）、トークボタン５１の押下された場合（Ｓ１１０でＹｅｓ）、音声認識部４２は、Ｓ１０４以降の処理を行う。したがって、ユーザは必要に応じて、訂正を何度も繰り返すことができる。
【００４５】
音声認識部４２は、認識結果の表示を行っている間（Ｓ１０９〜Ｓ１１０）に、ユーザから確定要求があった場合（Ｓ１１１でＹｅｓ）、認識結果を確定し（Ｓ１１２）現在の認識結果（住所）をナビゲーション処理部４３に出力する。
【００４６】
これを受けて、ナビゲーション処理部４３は、音声認識部４２により特定された住所に対応する地点を地図データの中から検索し、検索した住所の地点の周辺地図をディスプレイ２に表示処理部４５を介して表示する（Ｓ１１４）。
【００４７】
以上、地点検索において、音声により住所入力を受け付け、音声認識により入力された住所を特定し、特定した住所に対応する地点を地図表示するまでの流れを説明した。なお、図５で示した処理の途中で、ユーザから入力装置５を介して、住所入力処理の終了を要求された場合も、音声認識部４２は、本処理を終了する。
【００４８】
以上、本発明の一実施形態について説明した。
【００４９】
本実施形態によれば、ユーザにより任意に区切られ発せられた語句（住所）の音声を取得する。そして、区切られた音声（一塊の音声）ごとに、認識を行う。また、区切られた音声の認識結果ごとに、訂正指示を受け付ける。したがって、ユーザは、自由に音声認識の単位（音声認識させる語句の長さ）を定めることができ、使い勝手がよいものとなる。例えば、ユーザは、音声認識しやすい語句については、長めに区切って音声入力し、音声認識されにくい語句については、短めに区切って音声入力することが可能となる。また、音声認識すべき区間がユーザにより指定されるので、入力された音声の中から発話区間を特定するといった問題がなく、発話区間が明確となり認識率を向上できる。
【００５０】
本発明は、上記実施形態に限定されない。上記実施形態は、本発明の技術的思想の範囲内で、様々な変形が可能である。
【００５１】
例えば、上記実施形態では、ユーザが最終的に入力しようとする語句の全部（住所の全部）の入力を待ってから、音声認識を開始しているが、これに限られない。トークボタン５１の押下が解除され、押下中に音声入出力装置４に入力された音声を一塊として取得したら（Ｓ１０６）、直ちにその一塊の音声を認識して、認識した語句を表示するようにしてもよい。すなわち、トークボタンが押下されるごとに、押下中に発せられた音声を取得し、音声認識し、表示するようにする。そして、訂正指示を受け付けたときは、新たに音声を取得し、上記の方法と同様に、新たに取得した音声から認識された語句により、訂正指示された語句を訂正する。
【００５２】
また、音声認識において、先に入力された音声から特定の概念が認識された場合、続いて入力された音声の認識では、その概念に含まれる候補に絞って認識するようにしてもよい。具体的には、「都道府県」が認識された場合、その次に入力された音声からは、認識された都道府県に含まれる市町村に候補を絞って認識する。
【００５３】
また、上記実施形態では、地点検索において住所入力する場合について説明したが、これに限られない。目的地の設定の際の住所入力や、自宅住所の入力、電話番号の検索のための住所入力の際にも適用できる。
【００５４】
また、住所でなくても、階層構造をもつデータの入力に適用できる。例えば、「５枚目のＣＤ」、「歌手＊＊」、「曲名＊＊」などと、音楽の曲目の指定を受け付けるときにも適用できる
また、上記の実施形態では、本発明を車載用ナビゲーション装置に適用した例について説明したが、本発明は車載用以外のナビゲーション装置にも適用することができる。また、ナビゲーション装置以外の機器（オーディオ機器など）にも適用できる。
【図面の簡単な説明】
【００５５】
【図１】図１は、本発明の一実施形態が適用された車載用ナビゲーション装置の概略構成図である。
【図２】図２は、入力装置の概略構成図である。
【図３】図３は、演算処理部１の機能構成を示す図である。
【図４】図４は、演算処理部１のハードウェア構成を示す図である。
【図５】図５は、地点検索における音声認識による住所入力の処理のフロー図である。
【図６】図６は、表示画面の遷移例である。
【図７】図７は、認識結果格納テーブルの構成を示す図である。
【符号の説明】
【００５６】
１００…車載用ナビゲーション装置、
１…演算処理部、２…ディスプレイ、３…記憶装置、４…音声出入力装置、５…入力装置、６…車輪速センサ、７…地磁気センサ、８…ジャイロ、９…ＧＰＳ受信装置、２１…ＣＰＵ、２２…ＲＡＭ、２３…ＲＯＭ、２４…ＤＭＡ、２５…描画コントローラ、２６…ＶＲＡＭ、２７…カラーパレット、２８…Ａ/Ｄ変換器、２９…ＳＣＩ、３０…ＰＩＯ、３１…カウンタ、４１…ユーザ操作解析部、４２…音声認識装置、４３…ナビゲーション装置、４４…情報記憶部、４５…表示処理部、４７…音声辞書データベース
【技術分野】
【０００１】
本発明は、ナビゲーション装置に関し、特に車載用ナビゲーション装置の音声認識による住所入力に関する。
【背景技術】
【０００２】
特許文献１には、ユーザが発話した住所を認識する車載用ナビゲーション装置が記載されている。この車載用ナビゲーション装置は、住所入力の際、まず、「都道府県」を問いかける。そして、ユーザから音声入力を受け付け、入力された音声を認識し「都道府県」を特定し表示する。つぎに、「都市名」を問いかけ、入力された音声を認識し「都市名」を特定し表示する。つぎに、「町村名」を問いかけ、入力された音声を認識し「町村名」を特定し表示する。つぎに、「丁、番地、号」を問いかけ、入力された音声を認識し「丁、番地、号」を特定し表示する。
【０００３】
【特許文献１】特開２００１−２１５９９４号公報
【発明の開示】
【発明が解決しようとする課題】
【０００４】
特許文献１の方法では、ユーザは、いちいち問われるのを待たなければならない。一方で、ユーザに最初から住所の全てを言わせた後に音声認識したのでは、ユーザが言い間違った場合や、音声認識に誤りがあった場合、再度、ユーザに住所の全てを最初から言わせることになる。これでは、使い勝手が悪い。
【０００５】
本発明の目的は、より使い勝手よく、音声認識による住所入力を可能とすることにある。
【課題を解決するための手段】
【０００６】
上記課題を解決すべく、本発明では、ユーザが入力しようとする語句（例えば、住所）を、任意の位置で区切って音声入力させる。そして、入力された音声を区切りごとに認識する。認識結果の訂正は、その区切りで行えるようにする。
【０００７】
例えば、本発明のナビゲーション装置は、ユーザにより任意に区切られた語句の音声を順に取得する手段と、前記区切られた語句の音声をそれぞれ認識する音声認識手段と、前記区切られた語句の音声ごとの認識結果を順に並べて出力する出力手段とを備えている。
【０００８】
また、前記ナビゲーション装置は、前記認識結果の訂正箇所の指定を受け付ける訂正箇所指定手段を備えていてもよい。そして、前記音声取得手段は、前記訂正箇所指定手段により指定された箇所に対応する語句の音声を再取得する。前記音声認識手段は、前記再取得された音声を音声認識する。前記出力手段は、前記訂正箇所指定手段により指定された箇所の認識結果として前記再取得された音声の認識結果を出力する。
【０００９】
また、前記ナビゲーション装置は、ユーザが発した音声を入力するための音声入力装置と、ユーザが操作するためのボタンを備える入力装置とを備えていてもよい。そして、前記音声取得手段は、前記ボタンが押下されるごとに、当該ボタンが押下されている間に前記音声入力装置に入力された音声を、前記区切られた語句の音声として順に取得するようにしてもよい。
【発明を実施するための最良の形態】
【００１０】
以下に、本発明の一実施形態について、図面を参照して説明する。
【００１１】
図１は、車載用ナビゲーション装置１００の概略構成図である。図示するように、車載用ナビゲーション装置１００は、演算処理部１と、ディスプレイ２と、記憶装置３と、音声入出力装置４と、入力装置５と、車輪速センサ６と、地磁気センサ７と、ジャイロセンサ８と、ＧＰＳ(Global Positioning System)受信装置９と、を備えている。
【００１２】
演算処理部１は、様々な処理を行う中心的ユニットである。例えば各種センサ６〜８やＧＰＳ受信装置９から出力される情報を基にして現在位置を検出する。また、音声入出力装置４から入力された音声を認識し、認識した語句から、ユーザの入力内容を特定する。
【００１３】
ディスプレイ２は、演算処理部１で生成されたグラフィックス情報を表示するユニットである。
【００１４】
記憶装置３は、ＣＤ-ＲＯＭやＤＶＤ-ＲＯＭやＨＤＤやＩＣカードといった記憶媒体で構成されている。この記憶媒体には、地図データが記憶されている。
【００１５】
音声入出力装置４は、ユーザが発話した音声を取得し、演算処理部１に送信する。また、演算処理部１で生成したユーザへのメッセージを音声信号に変換し出力する。
【００１６】
入力装置５は、ユーザからの指示を受け付けるユニットである。図２は、入力装置５の構成を示す。入力装置５は、リモコンであり、トークボタン５１を備えている。トークボタン５１は、音声入力を受け付けるためのボタンである。なお、入力装置５は、スクロールキー、縮尺変更キーなどのハードスイッチ、ジョイスティック、ディスプレイ上に貼られたタッチパネルなどを備えていても良い。
【００１７】
センサ６〜８およびＧＰＳ受信装置９は、車載用ナビゲーション装置１００で現在地（自車位置）を検出するために使用されるものである。
【００１８】
図３は、演算処理部１の機能ブロック図である。
【００１９】
図示するように、演算処理部１は、ユーザ操作解析部４１と、音声認識部４２と、ナビゲーション処理部４３と、情報記憶部４４、表示処理部４５と、音声辞書データベース４６と、を備えている。
【００２０】
ユーザ操作解析部４１は、入力装置５に入力されたユーザからの要求を受け、その要求内容を解析して、その要求内容に対応する処理が実行されるように演算処理部１の各部を制御する。また、音声入出力装置４に入力され音声認識部４２により認識された語句からユーザの入力内容を解析して、その入力内容に対応する処理が実行されるように演算処理部１の各部を制御する。
【００２１】
音声認識部４２は、音声入出力装置４を介してユーザが発話した音声を取得する。そして、取得した音声を、音声辞書データベース４６を用いて認識し、ユーザが発した語句（単語）を特定する。音声から語句を認識する音声認識の手法は、既存の技術を適用できる。例えば、ＤＰ（動的計画法）マッチングを用いる方法やＨＭＭ（隠れマルコフモデル）を用いる方法などを適用できる。なお、音声辞書データベース４６には、音声認識に必要な音声モデルが語句に対応させて格納されている。
【００２２】
ナビゲーション処理部４３は、各センサ６〜８及びＧＰＳ受信装置９の出力から現在位置を求めたり、指定された２地点（現在地、目的地）間を結ぶ推奨経路を探索したりする。また、地点検索において、住所の入力があったときは、その住所に対応する地点を地図データから検索し、ディスプレイ２に表示する処理を行う。
【００２３】
情報記憶部４４は、音声認識部４２で認識された語句や、ナビゲーション処理部４３により検索された地点の情報を記憶する。
【００２４】
表示処理部４５は、ディスプレイ２への描画コマンドを生成する。例えば、指定された縮尺、描画方式で、道路、その他の地図構成物や、現在地、目的地、推奨経路のための矢印といったマークを描画するように地図描画コマンドを生成する。
【００２５】
図４は、演算処理部１のハードウェア構成例を示す図である。
【００２６】
図示するように、演算処理部１は、各デバイス間をバス３２で接続した構成としてある。演算処理部１は、数値演算及び各デバイスを制御するといった様々な処理を実行するＣＰＵ(Central Processing Unit)２１と、記憶装置３から読み出した地図データ、演算データなどを格納するＲＡＭ(Random Access Memory)２２と、プログラムやデータを格納するＲＯＭ(Read Only Memory)２３と、メモリ間およびメモリと各デバイスとの間のデータ転送を実行するＤＭＡ（Direct Memory Access）２４と、グラフィックス描画を実行し且つ表示制御を行う描画コントローラ２５と、グラフィックスイメージデータを蓄えるＶＲＡＭ(Video Random Access Memory)２６と、イメージデータをＲＧＢ信号に変換するカラーパレット２７と、アナログ信号をデジタル信号に変換するＡ/Ｄ変換器２８と、シリアル信号をバスに同期したパラレル信号に変換するＳＣＩ(Serial Communication Interface)２９と、パラレル信号をバスに同期させてバス上にのせるＰＩＯ(Parallel Input/Output)３０と、パルス信号を積分するカウンタ３１と、を有する。
【００２７】
［動作の説明］次に、上記構成の車載用ナビゲーション装置１００の音声認識による住所入力に関する動作について説明する。
【００２８】
図５は、かかる音声認識による住所入力の処理のフロー図である。また、図６は、かかる処理におけるディスプレイ２の表示画面の遷移例である。
【００２９】
このフローは、例えば、ナビゲーション処理部４３の地点検索の処理において、ユーザから入力装置５を介して、音声による住所入力の要求があった場合に開始される。
【００３０】
まず、音声認識部４２は、図６（ａ）に示すように、住所の音声入力を受け付ける旨のメッセージを画面５００に表示する（Ｓ１０１）。例えば、「トークボタンを押しながら、住所を発話してください。」などと、音声入力を促すためのメッセージを表示処理部４５を介して表示する。なお、音声認識部４２は、音声入出力装置４を介して音声によりメッセージを出力してもよい。
【００３１】
次に、音声認識部４２は、後述するＳ１０５において前回ユーザの発話が終了したときから、所定時間（例えば１０秒）経過したか否か判定する（Ｓ１０２）。
【００３２】
所定時間経過していない場合（Ｓ１０２でＮｏ）、音声認識部４２は、ユーザ操作解析部４１の出力に基づいて、入力装置５のトークボタン５１が押下されたか否か判定する（Ｓ１０３）。押下されていない場合、Ｓ１０２に戻って処理を続ける。
【００３３】
一方、トークボタン５１が押下された場合（Ｓ１０３でＹｅｓ）、音声認識部４２は、音声入力装置４に入力されている音声の取得を開始する（Ｓ１０４）。
【００３４】
そして、トークボタン５１の押下が解除されると（Ｓ１０５でＹｅｓ）、音声認識部４２は、トークボタン５１が押下されている間に取得した音声を一塊（一区切りの音声）として、情報記憶部４４に記憶する（Ｓ１０６）。そして、Ｓ１０２に戻り、処理を続ける。
【００３５】
すなわち、音声認識部４２は、トークボタン５１が押下されるたびに、トークボタン５１が押下されている間に取得した音声を一塊として順番に記憶していく。例えば、ユーザがトークボタン５１を押下するごとに、「神奈川県」、「横浜市」、「戸塚区」、「吉田町」及び「＊−＊−＊」とそれぞれ発話した場合、情報記憶部４４には、「神奈川県」、「横浜市」、「戸塚区」、「吉田町」及び「＊−＊−＊」に対応する音声がそれぞれ順番に格納される。また、例えば、ユーザがトークボタン５１を押下するごとに、「神奈川県横浜市」、「戸塚区吉田町」及び「＊−＊−＊」とそれぞれ発話した場合、情報記憶部４４には、「神奈川県横浜市」、「戸塚区吉田町」及び「＊−＊−＊」に対応する音声がそれぞれ順番に格納される。すなわち、ユーザにより任意に区切られた住所の音声が順番に格納される。
【００３６】
Ｓ１０２において、音声認識部４２は、トークボタン５１の押下がなされることなく所定時間が経過したか否か、又はユーザから入力装置５を介して音声認識の要求を受け付けたか否かを判定する。
【００３７】
所定時間が経過した場合又は音声認識の要求があった場合（Ｓ１０２でＹｅｓ）、音声認識部４２は、情報記憶部４４に格納されている音声を、塊ごとに順番に認識する。そして、音声認識部４２は、図７に示すように、認識結果を塊４７１ごとに、情報記憶部４４の中の認識結果格納テーブル４７０に格納する（Ｓ１０７）。
【００３８】
次に、音声認識部４２は、認識結果格納テーブル４７０に格納された認識結果を、塊ごとに順番に並べて表示する（Ｓ１０８）。図６（ｂ）に表示画面の例を示す。画面５１０には、ユーザにより任意に区切られた住所５１１が順番に表示されている。
【００３９】
このとき、音声認識部４２は、住所の訂正箇所を指定するためのマーク５１２を、区切られた住所５１１ごとに、順に移動させて、表示する（Ｓ１０９）。なお、マーク５１２が最後の語句まで移動した場合、また最初の語句に戻るようにする。
【００４０】
そして、この間、音声認識部４２は、トークボタン５１が押下されたか否か判定する（Ｓ１１０）。
【００４１】
トークボタン５１が押下された場合（Ｓ１１０でＹｅｓ）、音声認識部４２は、前記したＳ１０４に移行し、処理を続ける。すなわち、トークボタン５１が押下されている間に音声入出力装置４に入力された音声を取得する。そして、トークボタン５１が押下されるごとに、取得した音声を一塊として記憶する。Ｓ１０７においては、新たに取得した音声について、塊ごとに、認識を行い、認識結果格納テーブル４７０に格納する。ただし、既に格納されている認識結果の中から、訂正部分を削除して更新する必要がある。すなわち、Ｓ１１０において訂正のためにトークボタン５１が押されたときに、マーク５１２が指示していた住所の一部の認識結果と、それに続く部分の認識結果を認識結果格納テーブル４７０から削除する。そして、残った認識結果に、新たに認識した結果を追加する。
【００４２】
そして、音声認識部４２は、再びＳ１０９において、認識結果格納テーブル４７０に格納された認識結果に基づいて、認識結果の表示を行う。
【００４３】
図６（ｃ）及び（ｄ）を参照して説明する。図６（ｃ）のように、「横浜市戸塚区」の部分にマーク５１２が来たときに、ユーザがボタン５１を押して「横浜市栄区」、「ＯＯ町」及び「＊−＊−＊」と、住所を発話し直したとする。かかる場合、図６（ｄ）に示すように、ユーザによりボタン５１が押されたときにマーク５１２が指示していた箇所以降の住所が訂正され表示される。
【００４４】
ここで、再び、区切られた住所ごとにマーク５１２を移動させて表示し（Ｓ１０９）、トークボタン５１の押下された場合（Ｓ１１０でＹｅｓ）、音声認識部４２は、Ｓ１０４以降の処理を行う。したがって、ユーザは必要に応じて、訂正を何度も繰り返すことができる。
【００４５】
音声認識部４２は、認識結果の表示を行っている間（Ｓ１０９〜Ｓ１１０）に、ユーザから確定要求があった場合（Ｓ１１１でＹｅｓ）、認識結果を確定し（Ｓ１１２）現在の認識結果（住所）をナビゲーション処理部４３に出力する。
【００４６】
これを受けて、ナビゲーション処理部４３は、音声認識部４２により特定された住所に対応する地点を地図データの中から検索し、検索した住所の地点の周辺地図をディスプレイ２に表示処理部４５を介して表示する（Ｓ１１４）。
【００４７】
以上、地点検索において、音声により住所入力を受け付け、音声認識により入力された住所を特定し、特定した住所に対応する地点を地図表示するまでの流れを説明した。なお、図５で示した処理の途中で、ユーザから入力装置５を介して、住所入力処理の終了を要求された場合も、音声認識部４２は、本処理を終了する。
【００４８】
以上、本発明の一実施形態について説明した。
【００４９】
本実施形態によれば、ユーザにより任意に区切られ発せられた語句（住所）の音声を取得する。そして、区切られた音声（一塊の音声）ごとに、認識を行う。また、区切られた音声の認識結果ごとに、訂正指示を受け付ける。したがって、ユーザは、自由に音声認識の単位（音声認識させる語句の長さ）を定めることができ、使い勝手がよいものとなる。例えば、ユーザは、音声認識しやすい語句については、長めに区切って音声入力し、音声認識されにくい語句については、短めに区切って音声入力することが可能となる。また、音声認識すべき区間がユーザにより指定されるので、入力された音声の中から発話区間を特定するといった問題がなく、発話区間が明確となり認識率を向上できる。
【００５０】
本発明は、上記実施形態に限定されない。上記実施形態は、本発明の技術的思想の範囲内で、様々な変形が可能である。
【００５１】
例えば、上記実施形態では、ユーザが最終的に入力しようとする語句の全部（住所の全部）の入力を待ってから、音声認識を開始しているが、これに限られない。トークボタン５１の押下が解除され、押下中に音声入出力装置４に入力された音声を一塊として取得したら（Ｓ１０６）、直ちにその一塊の音声を認識して、認識した語句を表示するようにしてもよい。すなわち、トークボタンが押下されるごとに、押下中に発せられた音声を取得し、音声認識し、表示するようにする。そして、訂正指示を受け付けたときは、新たに音声を取得し、上記の方法と同様に、新たに取得した音声から認識された語句により、訂正指示された語句を訂正する。
【００５２】
また、音声認識において、先に入力された音声から特定の概念が認識された場合、続いて入力された音声の認識では、その概念に含まれる候補に絞って認識するようにしてもよい。具体的には、「都道府県」が認識された場合、その次に入力された音声からは、認識された都道府県に含まれる市町村に候補を絞って認識する。
【００５３】
また、上記実施形態では、地点検索において住所入力する場合について説明したが、これに限られない。目的地の設定の際の住所入力や、自宅住所の入力、電話番号の検索のための住所入力の際にも適用できる。
【００５４】
また、住所でなくても、階層構造をもつデータの入力に適用できる。例えば、「５枚目のＣＤ」、「歌手＊＊」、「曲名＊＊」などと、音楽の曲目の指定を受け付けるときにも適用できる
また、上記の実施形態では、本発明を車載用ナビゲーション装置に適用した例について説明したが、本発明は車載用以外のナビゲーション装置にも適用することができる。また、ナビゲーション装置以外の機器（オーディオ機器など）にも適用できる。
【図面の簡単な説明】
【００５５】
【図１】図１は、本発明の一実施形態が適用された車載用ナビゲーション装置の概略構成図である。
【図２】図２は、入力装置の概略構成図である。
【図３】図３は、演算処理部１の機能構成を示す図である。
【図４】図４は、演算処理部１のハードウェア構成を示す図である。
【図５】図５は、地点検索における音声認識による住所入力の処理のフロー図である。
【図６】図６は、表示画面の遷移例である。
【図７】図７は、認識結果格納テーブルの構成を示す図である。
【符号の説明】
【００５６】
１００…車載用ナビゲーション装置、
１…演算処理部、２…ディスプレイ、３…記憶装置、４…音声出入力装置、５…入力装置、６…車輪速センサ、７…地磁気センサ、８…ジャイロ、９…ＧＰＳ受信装置、２１…ＣＰＵ、２２…ＲＡＭ、２３…ＲＯＭ、２４…ＤＭＡ、２５…描画コントローラ、２６…ＶＲＡＭ、２７…カラーパレット、２８…Ａ/Ｄ変換器、２９…ＳＣＩ、３０…ＰＩＯ、３１…カウンタ、４１…ユーザ操作解析部、４２…音声認識装置、４３…ナビゲーション装置、４４…情報記憶部、４５…表示処理部、４７…音声辞書データベース
【特許請求の範囲】
【請求項１】
ナビゲーション装置であって、
ユーザにより任意に区切られた語句の音声を順に取得する手段と、
前記区切られた語句の音声をそれぞれ認識する音声認識手段と、
前記区切られた語句の音声ごとの認識結果を順に並べて出力する出力手段と
を備えることを特徴とするナビゲーション装置。
【請求項２】
請求項１において、
前記認識結果の訂正箇所の指定を受け付ける訂正箇所指定手段を備え、
前記音声取得手段は、
前記訂正箇所指定手段により指定された箇所に対応する語句の音声を再取得し、
前記音声認識手段は、
前記再取得された音声を音声認識し、
前記出力手段は、
前記訂正箇所指定手段により指定された箇所の認識結果に代えて前記再取得された音声の認識結果を出力する
ことを特徴とするナビゲーション装置。
【請求項３】
請求項１において、
ユーザが発した音声を入力するための音声入力装置と、
ユーザが操作するためのボタンを備える入力装置とを備え、
前記音声取得手段は、
前記ボタンが押下されるごとに、当該ボタンが押下されている間に前記音声入力装置に入力された音声を、前記区切られた語句の音声として順に取得する
ことを特徴とするナビゲーション装置。
【請求項４】
ナビゲーション装置であって、
ユーザが発した音声を入力するための音声入力装置と、
ユーザが操作するためのボタンを備える入力装置と、
住所の発話を促すメッセージを出力する手段と、
前記ボタンが押下されるごとに、当該ボタンが押下されている間に前記音声入力装置に入力された音声を、区切られた住所の音声として順に取得する音声取得手段と、
前記区切られた住所の音声をそれぞれ認識する音声認識手段と、
前記区切られた住所の音声ごとの認識結果を順に並べて表示する表示手段と、
前記表示手段により表示された認識結果の訂正箇所の指定を受け付ける訂正箇所指定手段とを備え、
前記音声取得手段は、
前記表示手段により認識結果が表示されている間に前記ボタンが押下された場合、当該ボタンが押下されている間に前記音声入力装置に入力された音声を取得し、
前記音声認識手段は、
前記音声取得手段により取得された音声を認識し、
前記表示手段は、
前記訂正箇所指定手段により指定された箇所の認識結果として当該取得された音声の認識結果を表示する
ことを特徴とするナビゲーション装置。
【請求項１】
ナビゲーション装置であって、
ユーザにより任意に区切られた語句の音声を順に取得する手段と、
前記区切られた語句の音声をそれぞれ認識する音声認識手段と、
前記区切られた語句の音声ごとの認識結果を順に並べて出力する出力手段と
を備えることを特徴とするナビゲーション装置。
【請求項２】
請求項１において、
前記認識結果の訂正箇所の指定を受け付ける訂正箇所指定手段を備え、
前記音声取得手段は、
前記訂正箇所指定手段により指定された箇所に対応する語句の音声を再取得し、
前記音声認識手段は、
前記再取得された音声を音声認識し、
前記出力手段は、
前記訂正箇所指定手段により指定された箇所の認識結果に代えて前記再取得された音声の認識結果を出力する
ことを特徴とするナビゲーション装置。
【請求項３】
請求項１において、
ユーザが発した音声を入力するための音声入力装置と、
ユーザが操作するためのボタンを備える入力装置とを備え、
前記音声取得手段は、
前記ボタンが押下されるごとに、当該ボタンが押下されている間に前記音声入力装置に入力された音声を、前記区切られた語句の音声として順に取得する
ことを特徴とするナビゲーション装置。
【請求項４】
ナビゲーション装置であって、
ユーザが発した音声を入力するための音声入力装置と、
ユーザが操作するためのボタンを備える入力装置と、
住所の発話を促すメッセージを出力する手段と、
前記ボタンが押下されるごとに、当該ボタンが押下されている間に前記音声入力装置に入力された音声を、区切られた住所の音声として順に取得する音声取得手段と、
前記区切られた住所の音声をそれぞれ認識する音声認識手段と、
前記区切られた住所の音声ごとの認識結果を順に並べて表示する表示手段と、
前記表示手段により表示された認識結果の訂正箇所の指定を受け付ける訂正箇所指定手段とを備え、
前記音声取得手段は、
前記表示手段により認識結果が表示されている間に前記ボタンが押下された場合、当該ボタンが押下されている間に前記音声入力装置に入力された音声を取得し、
前記音声認識手段は、
前記音声取得手段により取得された音声を認識し、
前記表示手段は、
前記訂正箇所指定手段により指定された箇所の認識結果として当該取得された音声の認識結果を表示する
ことを特徴とするナビゲーション装置。
【図１】
【図２】
【図３】
【図４】
【図５】
【図６】
【図７】
【図２】
【図３】
【図４】
【図５】
【図６】
【図７】
【公開番号】特開２００７−２５０７５（Ｐ２００７−２５０７５Ａ）
【公開日】平成１９年２月１日（２００７．２．１）
【国際特許分類】
【出願番号】特願２００５−２０４８４７（Ｐ２００５−２０４８４７）
【出願日】平成１７年７月１３日（２００５．７．１３）
【出願人】（５９１１３２３３５）株式会社ザナヴィ・インフォマティクス (745)
【Ｆターム（参考）】
【公開日】平成１９年２月１日（２００７．２．１）
【国際特許分類】
【出願日】平成１７年７月１３日（２００５．７．１３）
【出願人】（５９１１３２３３５）株式会社ザナヴィ・インフォマティクス (745)
【Ｆターム（参考）】
[ Back to top ]