音声認識装置および音声認識プログラム
【課題】ユーザが煩わしい操作をしなくとも、認識性能を向上することができる音声認識装置および音声認識プログラムを提供する。
【解決手段】複数の語彙を予め格納した語彙辞書記憶部１１と、認識対象語彙を抽出する語彙辞書管理部１２と、受け付けた音声に基づいて、認識対象語彙との一致度を算出する照合部１３と、一致度の算出結果から最もスコアの良かった語彙を認識結果として出力する結果出力部１４と、監視制御部１５の監視結果に応じて、抽出基準情報を変更する抽出基準情報管理部１２ｃとを備え、語彙辞書記憶部１１は、更に、認識対象語彙を抽出する際の尺度となる尺度情報２０を格納した尺度情報記憶部と、認識対象語彙を抽出する際の認識対象語彙２０の基準を示す抽出基準情報２４を格納した抽出基準情報記憶部とを含み、抽出基準情報２４が変更されることにより、語彙辞書管理部１２は、認識対象語彙の数を増減する。
【解決手段】複数の語彙を予め格納した語彙辞書記憶部１１と、認識対象語彙を抽出する語彙辞書管理部１２と、受け付けた音声に基づいて、認識対象語彙との一致度を算出する照合部１３と、一致度の算出結果から最もスコアの良かった語彙を認識結果として出力する結果出力部１４と、監視制御部１５の監視結果に応じて、抽出基準情報を変更する抽出基準情報管理部１２ｃとを備え、語彙辞書記憶部１１は、更に、認識対象語彙を抽出する際の尺度となる尺度情報２０を格納した尺度情報記憶部と、認識対象語彙を抽出する際の認識対象語彙２０の基準を示す抽出基準情報２４を格納した抽出基準情報記憶部とを含み、抽出基準情報２４が変更されることにより、語彙辞書管理部１２は、認識対象語彙の数を増減する。
【発明の詳細な説明】
【技術分野】
【０００１】
本発明は、音声認識装置および音声認識プログラムに関し、より詳細には、語彙辞書記憶部に格納されている複数の語彙から認識対象となる認識対象語彙を抽出し、抽出した認識対象語彙を用いて照合処理を行う音声認識装置および音声認識プログラムに関する。
【背景技術】
【０００２】
従来、ユーザからの入力を受け付ける一手段として、音声認識エンジンを利用し、ユーザの発話（音声）を認識してシステムへの入力として受け付ける音声認識装置が知られている。このような音声認識装置は、例えば、音声ポータルやカーナビゲーションシステムをはじめとする情報提供システムなどにおいて、既に実用化されている。
【０００３】
ここで、このような情報提供システムの機能は多様化（多機能化）しており、情報提供システムにて認識対象となる語彙が増加する傾向にある。例えば、音声認識装置がカーナビゲーションシステムに搭載される場合、認識対象となる語彙は、操作などの各機能、全国の地名や施設名などが含まれることになる。このため、認識対象となる語彙は膨大な数となる。膨大な数の語彙を語彙辞書記憶部に格納し、語彙辞書記憶部の中から、ユーザからの発話を的確かつ効率的に認識することは、たいへん難しい。
【０００４】
ところで、多機能化されている情報提供システムにおいて、実用上、ユーザが実際に使用する機能は、全体の機能の中の一部にすぎないことが多い。これに着目し、特許文献１には、語彙辞書記憶部に格納されている使用頻度の低い語彙を自動的に削除する技術が開示されている。具体的には、音声認識装置の消去制御部は、タイマーのカウント期間内に、語彙辞書記憶部に格納されている語彙の認識使用の有無を監視する。そして、消去制御部は、所定時間内に一度も認識使用されなかった語彙を削除する。これにより、語彙辞書記憶部の中から、ユーザからの発話を的確かつ効率的に認識することができるようになる。
【０００５】
また、特許文献２においても、語彙辞書記憶部に格納されている使用頻度の低い語彙を削除する技術が開示されている。特許文献２は、音声認識装置をカーナビゲーションシステムに搭載する構成が開示されている。
【０００６】
しかしながら、上記の特許文献１または特許文献２に開示されている構成では、例えばユーザが、削除した語彙を使用する場合、その削除した語彙を発話しても、その発話した語彙は語彙辞書記憶部から削除されているので、音声認識装置による認識ができないという問題を生じる。
【０００７】
このような問題を解決するため、特許文献３には、語彙辞書記憶部に格納されている使用頻度の低い語彙を削除するとともに、その削除した語彙を再び語彙辞書記憶部に格納する技術が開示されている。具体的には、削除した語彙のリストを表示画面に表示し、ユーザが、削除した語彙の中から語彙辞書記憶部に格納すべき語彙を選択する。そして、選択された語彙を語彙辞書記憶部に再び格納する。これにより、一旦は語彙を削除したが、後からその語彙を認識対象とする必要が生じた場合であっても、容易に、削除した語彙を語彙辞書記憶部に格納することができる。
【特許文献１】実開平５−６１８００号公報（第１図−第２図）
【特許文献２】特開平９−２６７９９号公報（第１図−第４図）
【特許文献３】特開２０００−２５９１８０号公報（第１図−第９図）
【発明の開示】
【発明が解決しようとする課題】
【０００８】
しかしながら、上述の特許文献３に開示された構成であっても、以下のような問題を生じる。
【０００９】
すなわち、特許文献３は、削除した語彙のリストを表示画面に表示し、ユーザが、語彙辞書記憶部に格納すべき語彙を選択する構成である。このため、ユーザは、語彙辞書記憶部に格納すべき語彙を把握する必要があるとともに、表示されたリストから語彙辞書記憶部に格納すべき語彙を選択する必要がある。それゆえ、ユーザが煩わしい操作をする必要があるという問題を生じる。
【００１０】
また、表示されたリストから語彙辞書記憶部に格納すべき語彙を選択する時点で、いわゆるアイズフリー（目を使わない）、ハンズフリー（手を使わない）という音声認識装置の利点が損なわれている。
【００１１】
本発明は、上記の問題点に鑑みてなされたものであり、その目的は、ユーザが煩わしい操作をしなくとも、認識性能が向上する音声認識装置および音声認識プログラムを提供することにある。
【課題を解決するための手段】
【００１２】
上記目的を達成するために本発明における音声認識装置は、受け付けた音声を発話音声データに変換する音声入力部と、前記発話音声データを特徴量に変換する音声分析部と、複数の語彙を予め格納した語彙辞書記憶部と、前記語彙辞書記憶部に格納されている複数の語彙から認識対象となる認識対象語彙を抽出する語彙辞書管理部と、前記音声分析部により変換された前記特徴量を用いて、前記語彙辞書管理部により抽出された前記認識対象語彙との一致度を算出する照合部と、前記照合部による一致度の算出結果から最もスコアの良かった語彙を認識結果として出力する結果出力部とを備えた音声認識装置において、前記語彙辞書記憶部に格納されている複数の語彙のそれぞれについて、前記認識対象語彙を抽出する尺度となる尺度情報を予め格納する尺度情報記憶部と、前記認識対象語彙を抽出する際の前記尺度情報の基準を示す抽出基準情報を予め格納する抽出基準情報記憶部と、所定の状態を監視する監視制御部と、前記監視制御部の監視結果に応じて、前記抽出基準情報記憶部に格納されている前記抽出基準情報を変更する抽出基準情報管理部とを備え、前記抽出基準情報が変更されることにより、前記語彙辞書管理部は、前記語彙辞書記憶部に格納されている複数の語彙から抽出される前記認識対象語彙の数を増減することを特徴とする。
【００１３】
本発明の音声認識装置によれば、語彙辞書管理部は、認識対象語彙を抽出する際の尺度情報の基準を示す抽出基準情報が変更されることにより、語彙辞書記憶部に格納されている複数の語彙から抽出される認識対象語彙の数を増減する。このため、監視制御部の監視結果に応じて、抽出基準情報が変更されると、語彙辞書管理部は、語彙辞書記憶部に格納されている複数の語彙から抽出される認識対象語彙の数を増減する。語彙辞書管理部が認識対象語彙の数を増加した場合、照合部は、増加した認識対象語彙に従って照合処理を行う。それゆえ、音声認識装置の認識対象語彙の数が増加し、発話の自由度が向上する。また、語彙辞書管理部が認識対象語彙の数を減少した場合、照合部は、減少した認識対象語彙に従って照合処理を行う。それゆえ、音声認識装置の認識対象語彙の数が制限され、認識率および認識速度が向上する。この結果、ユーザが煩わしい操作をしなくとも、認識性能が向上する音声認識装置を実現することができる。
【００１４】
上記本発明における音声認識装置においては、前記監視制御部は、ユーザから受け付けた操作の処理状態、ユーザから受け付けた音声の処理状態、および、時刻を計測する測定部からの所定の時刻の経過のうちの少なくとも１つの監視対象を監視し、前記語彙辞書管理部は、変更された前記抽出基準情報に応じて、前記語彙辞書記憶部に格納されている複数の語彙から抽出される前記認識対象語彙の数を増減し、前記照合部は、前記音声分析部により変換された前記特徴量を用いて、増減した前記認識対象語彙との一致度を算出する態様とするのが好ましい。
【００１５】
この態様によれば、監視制御部は、ユーザから受け付けた操作の処理状態、ユーザから受け付けた音声の処理状態、および、時刻を計測する測定部からの所定の時刻の経過のうちの少なくとも１つの監視対象を監視する。語彙辞書管理部は、変更された抽出基準情報に応じて、語彙辞書記憶部に格納されている複数の語彙から抽出される認識対象語彙の数を増減する。語彙辞書管理部が認識対象語彙の数を増加した場合、照合部は、増加した認識対象語彙に従って照合処理を行う。それゆえ、音声認識装置の認識対象語彙の数が増加し、発話の自由度が向上する。また、語彙辞書管理部が認識対象語彙の数を減少した場合、照合部は、減少した認識対象語彙に従って照合処理を行う。それゆえ、音声認識装置の認識対象語彙の数が制限され、認識率および認識速度が向上する。この結果、ユーザが煩わしい操作をしなくとも、認識性能が向上する音声認識装置を実現することができる。
【００１６】
上記本発明における音声認識装置においては、前記監視制御部は、下記（ａ）〜（ｈ）のうちの少なくとも１つの監視対象を監視するとともに、前記監視制御部は、下記（ａ）〜（ｄ）の状態を検出すると、前記抽出基準情報管理部に第１の更新信号を送信し、前記抽出基準情報管理部は、前記第１の更新信号に基づいて、前記語彙辞書記憶部に格納されている複数の語彙から抽出される前記認識対象語彙の数が増加するように、前記抽出基準情報記憶部に格納されている前記抽出基準情報を変更する一方、前記監視制御部は、前記抽出基準情報管理部に第１の更新信号を送信した後、下記（ｅ）〜（ｈ）の状態を検出すると、前記抽出基準情報管理部に第２の更新信号を送信し、前記抽出基準情報管理部は、前記第２の更新信号に基づいて、前記語彙辞書記憶部に格納されている複数の語彙から抽出される前記認識対象語彙の数が減少するように、前記抽出基準情報記憶部に格納されている前記抽出基準情報を変更する態様とするのが好ましい。
（ａ）認識結果が得られない場合
（ｂ）ユーザが直前の操作または発話に対して、修正・訂正的な操作または発話を行った場合
（ｃ）処理の確定操作が必要であるにも関わらず、所定時間経過しても、ユーザが確定操作を行わない場合
（ｄ）操作または発話が所定時間行われない場合
（ｅ）前記照合部が一致度を算出する処理を所定回数行った場合
（ｆ）所定の時刻が経過した場合
（ｇ）処理の確定操作が必要であるとき、所定時間内に、ユーザが確定操作を行った場合
（ｈ）ユーザが直前の操作または発話に対して、修正・訂正的な操作または発話を行わない場合
【００１７】
この態様によれば、監視制御部は、前記（ａ）〜（ｄ）の状態を検出すると、抽出基準情報管理部に第１の更新信号を送信する。抽出基準情報管理部は、第１の更新信号に基づいて、語彙辞書記憶部に格納されている複数の語彙から抽出される認識対象語彙の数が増加するように、抽出基準情報を変更する。このため、語彙辞書管理部は、変更された抽出基準情報に応じて、認識対象語彙の数を増加する。それゆえ、音声認識装置の認識対象語彙の数が増加し、発話の自由度が向上する。また、監視制御部は、抽出基準情報管理部に第１の更新信号を送信した後、前記（ｅ）〜（ｈ）の状態を検出すると、抽出基準情報管理部に第２の更新信号を送信する。抽出基準情報管理部は、第２の更新信号に基づいて、語彙辞書記憶部に格納されている複数の語彙から抽出される認識対象語彙の数が減少するように、抽出基準情報を変更する。このため、語彙辞書管理部は、変更された抽出基準情報に応じて、認識対象語彙の数を減少する。それゆえ、音声認識装置の認識対象語彙の数が制限され、認識率および認識速度が向上する。この結果、ユーザが煩わしい操作をしなくとも、認識性能が向上する音声認識装置を実現することができる。
【００１８】
上記本発明における音声認識装置においては、前記語彙辞書管理部は、前記抽出基準情報記憶部に格納されている前記抽出基準情報に応じて、下記（１）および（２）のいずれか一方の処理を選択的に行う態様とするのが好ましい。
（１）前記語彙辞書管理部は、前記尺度情報に基づいて、前記認識対象語彙を抽出する。
（２）前記語彙辞書管理部は、前記尺度情報に関わらず、前記語彙辞書記憶部に格納されている全ての語彙を前記認識対象語彙として抽出する。
【００１９】
この態様によれば、語彙辞書管理部は、抽出基準情報に応じて、（１）尺度情報に基づいて、認識対象語彙を抽出するのか、または、（２）尺度情報に関わらず、全ての語彙を認識対象語彙として抽出するのか、いずれか一方の処理を選択的に行う。このため、例えばユーザから受け付けた処理の状態に応じて、抽出基準情報が変更される。語彙辞書管理部は、抽出基準情報に応じて、前記（１）または（２）のいずれか一方の処理を選択的に行う。語彙辞書管理部が、前記（１）の処理を行っている場合、照合部は、尺度情報に基づいて抽出された認識対象語彙に従って照合処理を行う。それゆえ、音声認識装置の認識対象語彙の数が制限され、認識率および認識速度が向上する。また、語彙辞書管理部が、前記（２）の処理を行っている場合、照合部は、語彙辞書記憶部に格納されている全ての語彙を認識対象とする認識対象語彙に従って照合処理を行う。それゆえ、音声認識装置の認識対象語彙の数が増加し、発話の自由度が向上する。この結果、ユーザが煩わしい操作をしなくとも、認識性能が向上する音声認識装置を実現することができる。
【００２０】
上記本発明における音声認識装置においては、前記語彙辞書記憶部に格納されている複数の語彙のそれぞれの使用回数を監視して、複数の語彙のそれぞれの使用頻度を算出する使用頻度管理部と、前記使用頻度管理部により算出された前記使用頻度を、前記語彙辞書記憶部に格納されている複数の語彙のそれぞれに対応させて、使用頻度データとして格納する使用頻度記憶部と、少なくとも前記使用頻度記憶部に格納されている前記使用頻度データを用いて、前記尺度情報記憶部に格納されている前記尺度情報を更新する尺度情報管理部とを更に備えている態様とするのが好ましい。
【００２１】
この態様によれば、尺度情報管理部は、少なくとも使用頻度データを用いて尺度情報を更新する。このため、語彙辞書管理部は、例えば尺度情報に基づいて、認識対象語彙を抽出している場合、使用頻度の高い語彙を認識対象語彙として抽出できるとともに、使用頻度の低い語彙を認識対象から除くことができる。それゆえ、音声認識装置の認識率が向上する。この結果、ユーザが煩わしい操作をしなくとも、認識性能が向上する音声認識装置を実現することができる。
【００２２】
上記本発明における音声認識装置においては、前記語彙辞書記憶部に格納されている複数の語彙を複数の語彙グループとして分割するとともに、前記語彙辞書記憶部に格納されている前記語彙グループに属する複数の語彙のそれぞれの前記使用頻度に基づいて、前記語彙グループの使用頻度を算出する語彙グループ使用頻度管理部と、前記語彙グループ使用頻度管理部により算出された前記語彙グループの使用頻度を、前記語彙グループのそれぞれに対応させて、語彙グループの使用頻度データとして格納する語彙グループ使用頻度記憶部と、前記認識対象語彙を抽出する際の前記語彙グループの使用頻度データの基準を示す閾値を格納する閾値記憶部とを更に備え、前記語彙辞書管理部は、前記抽出基準情報記憶部に格納されている前記抽出基準情報に応じて、前記閾値記憶部に格納されている前記閾値および前記語彙グループ使用頻度記憶部に格納されている前記語彙グループの使用頻度データを参照し、下記（３）および（４）のいずれか一方の処理を選択的に行う態様とするのが好ましい。
（３）前記語彙辞書管理部は、前記語彙グループの使用頻度データが前記閾値以上の語彙グループについては、前記尺度情報に関わらず、当該語彙グループに属する全ての語彙を前記認識対象語彙として抽出する。
（４）前記語彙辞書管理部は、前記語彙グループの使用頻度データが前記閾値未満の語彙グループについては、前記尺度情報に基づいて、当該語彙グループに属する語彙から前記認識対象語彙を抽出する。
【００２３】
この態様によれば、語彙辞書管理部は、閾値および語彙グループの使用頻度データを参照して、（３）語彙グループの使用頻度データが閾値以上の語彙グループについては、尺度情報に関わらず、この語彙グループに属する全ての語彙を認識対象語彙として抽出するのか、または、（４）語彙グループの使用頻度データが閾値未満の語彙グループについては、尺度情報に基づいて、この語彙グループに属する語彙から認識対象語彙を抽出するのか、いずれか一方の処理を選択的に行う。このため、語彙辞書管理部は、語彙グループの使用頻度データが閾値以上の語彙グループについて、前記（３）の処理を行っている場合、照合部は、この語彙グループに属する全ての語彙を認識対象とする認識対象語彙に従って照合処理を行う。それゆえ、例えば使用頻度の高い語彙グループに属する全ての語彙を認識対象語彙としているので、それらの語彙グループに関する音声認識装置の認識対象語彙の数が増加し、発話の自由度が向上する。また、語彙辞書管理部は、語彙グループの使用頻度データが閾値未満の語彙グループについて、前記（４）の処理を行っている場合、照合部は、尺度情報に基づいて、語彙グループに属する語彙から抽出された認識対象語彙に従って照合処理を行う。それゆえ、例えば使用頻度の低い語彙グループに属する語彙を尺度情報に基づいて抽出した認識対象語彙としているので、それらの語彙グループに関する音声認識装置の認識対象語彙の数が制限され、認識率および認識速度が向上する。この結果、ユーザが煩わしい操作をしなくとも、認識性能が向上する音声認識装置を実現することができる。
【００２４】
上記本発明における音声認識装置においては、前記監視制御部は、ユーザから受け付けた操作の処理状態、ユーザから受け付けた音声の処理状態、および、時刻を計測する測定部からの所定の時刻の経過のうちの少なくとも１つの監視対象を監視し、前記監視制御部の監視結果に応じて、前記閾値記憶部に格納されている前記閾値を更新する閾値管理部を更に備え、前記語彙辞書管理部は、更新された前記閾値に応じて、前記（３）および前記（４）のいずれか一方の処理を選択的に行う態様とするのが好ましい。この態様によれば、閾値管理部は、監視制御部の監視結果に応じて、閾値を更新する。例えば、認識結果が得られない場合やユーザが操作に行き詰るような場合が生じると、閾値管理部は、閾値が小さくなるように更新する。このため、例えば語彙辞書管理部は、前記（４）の処理を行っている語彙グループについて、前記（３）の処理を行うように変更することができる。それゆえ、音声認識装置の認識対象語彙の数が増加し、発話の自由度が向上する。この結果、ユーザが煩わしい操作をしなくとも、認識性能が向上する音声認識装置を実現することができる。
【００２５】
上記本発明における音声認識装置においては、前記音声入力部により変換された前記発話音声データまたは前記音声分析部により変換された前記特徴量を格納する音声記憶部を更に備え、前記照合部は、前記音声記憶部に格納されている前記発話音声データまたは前記特徴量を用いて、前記語彙辞書管理部が抽出する前記認識対象語彙との一致度を算出する態様とするのが好ましい。この態様によれば、照合部は、音声記憶部に格納されている発話音声データまたは特徴量を用いて照合処理を行う。このため、例えばユーザから受け付けた処理の状態に応じて、語彙辞書管理部が、認識対象語彙の数を増加した場合、照合部は、音声記憶部に格納されている発話音声データまたは特徴量を用いて、増加した認識対象語彙との照合処理を行う。それゆえ、ユーザが再び同じ語彙を発話しなくともよく、ユーザの負担が軽減する。
【００２６】
上記本発明における音声認識装置においては、前記照合部が、前記音声記憶部に格納されている前記発話音声データまたは前記特徴量を用いて、前記語彙辞書管理部が抽出する前記認識対象語彙との一致度を算出する際、前記語彙辞書管理部は、直前に前記認識対象語彙として抽出した語彙を除いて、前記語彙辞書記憶部に格納されている複数の語彙から前記認識対象語彙を抽出する態様とするのが好ましい。この態様によれば、例えば認識結果が得られない状態が生じた後、再び同じ語彙の照合処理を行う際、照合部は、直前に認識対象語彙として抽出した語彙を除いた認識対象語彙を用いて照合処理を行う。それゆえ、音声認識装置の認識速度が向上する。この結果、ユーザが煩わしい操作をしなくとも、認識性能が向上する音声認識装置を実現することができる。
【００２７】
ところで、上記音声認識装置は、ハードウェアで実現してもよいが、コンピュータがプログラムを実行することで実現してもよい。具体的には、上記本発明における音声認識プログラムは、受け付けた音声を発話音声データに変換する音声入力処理と、前記発話音声データを特徴量に変換する音声分析処理と、複数の語彙を予め格納した語彙辞書記憶部から認識対象となる認識対象語彙を抽出する語彙辞書管理処理と、前記音声分析処理により変換された前記特徴量を用いて、前記語彙辞書管理処理により抽出された前記認識対象語彙との一致度を算出する照合処理と、前記照合処理による一致度の算出結果から最もスコアの良かった語彙を認識結果として出力する結果出力処理とをコンピュータに実行させる音声認識プログラムにおいて、前記語彙辞書管理処理は、尺度情報記憶部に予め格納された前記認識対象語彙を抽出する尺度となる尺度情報を参照するとともに、抽出基準情報記憶部に予め格納された前記認識対象語彙を抽出する際の前記尺度情報の基準を示す抽出基準情報を参照する処理をコンピュータに実行させる一方、所定の状態を監視する監視制御処理と、前記監視制御処理の監視結果に応じて、前記抽出基準情報記憶部に格納されている前記抽出基準情報を変更する抽出基準情報管理処理とをコンピュータに実行させ、前記抽出基準情報が変更されることにより、前記語彙辞書管理処理は、前記語彙辞書記憶部に格納されている複数の語彙から抽出される前記認識対象語彙の数を増減する処理をコンピュータに実行させることを特徴とする音声認識プログラムである。
【発明の効果】
【００２８】
以上のように、本発明の音声認識装置および音声認識プログラムは、認識対象語彙を抽出する際の尺度情報の基準を示す抽出基準情報が変更されることにより、語彙辞書記憶部に格納されている複数の語彙から抽出される認識対象語彙を増減することができる。このため、ユーザが煩わしい操作をしなくとも、認識性能を向上することができるという効果を奏する。
【発明を実施するための最良の形態】
【００２９】
以下、本発明のより具体的な実施形態について図面を参照しながら詳細に説明する。
【００３０】
（実施の形態１）
本発明の一実施形態について図１ないし図１１に基づいて説明すると以下の通りである。
【００３１】
すなわち、本実施形態に係る情報提供システム１は、ユーザの発話を認識する音声認識処理を行うものであって、例えば音声対話アプリケーションなどの上位プログラムからユーザの音声が渡され、その認識結果を例えば上位プログラムへ返す機能を有する音声認識装置２と、ユーザの操作を受け付ける操作処理部３と、所定の時刻を計測する時刻計測部４と、インターネットＮと接続する通信処理部５と、統計データを格納する統計データ記憶部６とを備えている。
【００３２】
以下では、音声認識装置２の詳細な構成について説明する前に、情報提供システム１の全体構成について簡単に説明する。
【００３３】
操作処理部３は、ポインティングデバイス、キーボード、タッチパネルなどから入力されるユーザの操作を受け付け、受け付けた操作を操作データに変換する。そして、操作処理部３は、変換した操作データが示す操作内容を実行する。操作データとしては、例えば、システムの電源投入や電源切断を示すデータ、操作の開始を示すデータ、操作の停止を示すデータ、操作の中止を示すデータ、操作の取り消し（リセット）を示すデータ、操作の確定を示すデータなどがある。
【００３４】
時刻計測部（測定部）４は、例えば図示しないＧＰＳ受信機から送られてくる測位信号を解析し、この測位信号に含まれる日付および時刻のデータに基づいて現在の年月日および時刻を検出する。時刻計測部４は、単にカウンタやタイマーなどから構成されていてもよく、特に限定されるものではない。
【００３５】
通信処理部５は、インターネットN上でＷｅｂクライアントとして機能する。通信処理部５は、音声認識装置２からの要求に従って、例えばＨＴＴＰ（Hyper Text Transfer Protocol）で後述する統計データ記憶部６からＨＴＭＬ（Hyper Text Markup Language）形式の統計データを受け取る。受け取った統計データは、音声認識装置２に出力する。なお、通信処理部５は、受け取った統計データを閲覧するブラウザを備えていてもよい。
【００３６】
統計データ記憶部６は、複数の語彙に関する統計データを格納する。統計データ記憶部６は、インターネットN上でＷｅｂサーバとして機能する。統計データは、例えば、性別、年齢、地域などに応じて、複数の語彙の使用頻度を統計的に示したデータである。統計データ記憶部６は、通信処理部５から要求があると、例えば、ＵＲＩ（Universal Resource Identifier）などに基づいて、通信処理部５が要求している統計データを判別し、この統計データを例えばＨＴＭＬ形式で通信処理部５へ送信する。
【００３７】
（音声認識装置の構成）
ここで、本実施形態に係る音声認識装置２は、音声入力部７、音声分析部８、特徴量記憶部９、音響モデル記憶部１０、語彙辞書記憶部１１、語彙辞書管理部１２、照合部１３、結果出力部１４、監視制御部１５、統計データ取得部１６、使用頻度管理部１７、および、使用頻度記憶部１８を備えている。
【００３８】
音声入力部７は、マイクロフォンなどから入力されるユーザの発話（音声）を受け付け、受け付けた音声を発話音声データに変換する。すなわち、音声入力部７は、ユーザの発話を受け付けると、所定の音声区間判定基準を用いて、入力された音声中の音声区間を判定する。そして、判定された音声区間における音声を、発話音声データに変換する。発話音声データは、後述する音声分析部８に出力される。
【００３９】
音声分析部８は、発話音声データを分析して特徴量を算出する。特徴量には、ＭＦＣＣ、ＬＰＣケプストラムやパワー、それらの一次や二次の回帰係数の他、それらの値を主成分分析や判別分析により次元圧縮したものなどの多次元ベクトルが使用されることが多いが、本実施形態では特に限定されるものではない。特徴量は、後述する特徴量記憶部９および照合部１３に出力される。
【００４０】
特徴量記憶部（音声記憶部）９は、特徴量を履歴情報として格納する。すなわち、特徴量記憶部９は、音声分析部８から出力された特徴量を固有の情報とともに格納する。固有の情報は、特徴量の開始時点、終了時点、識別番号などを表す情報である。なお、特徴量記憶部９は、特徴量を格納する代わりに、音声入力部７から出力される発話音声データを格納してもよい。
【００４１】
音響モデル記憶部１０は、どの音素がどういう特徴量になりやすいかという情報を統計的にモデル化したデータを格納する。音響モデルの例として、ＨＭＭ（Hidden Markov Model）などが挙げられる。
【００４２】
語彙辞書記憶部（尺度情報記憶部、抽出基準情報記憶部）１１は、複数の語彙および複数の語彙の情報を予め格納する。語彙の情報としては、例えば、単語（語彙）に固有に付されるＩＤや単語表記などを含むが、他に、単語間の接続規則（文法情報）などの任意の情報を含み得る。また、語彙辞書記憶部１１は、複数の語彙のそれぞれについて、後述する語彙辞書管理部１２が、認識対象となる認識対象語彙を抽出する尺度となる尺度情報を予め格納する。さらに、語彙辞書記憶部１１は、語彙辞書管理部１２が認識対象語彙を抽出する際の尺度情報の基準を示す抽出基準情報を予め格納する。
【００４３】
語彙辞書管理部１２は、語彙辞書記憶部１１に格納されている複数の語彙から認識対象となる認識対象語彙を抽出する。具体的には、語彙辞書管理部１２の認識対象語彙抽出部１２ａ（図２参照）が認識対象語彙を抽出する。また、語彙辞書管理部１２は、後述する監視制御部１５から入力される更新信号（第１の更新信号、第２の更新信号）に基づいて、語彙辞書記憶部１１に格納されている抽出基準情報を変更する。なお、語彙辞書管理部１２が認識対象語彙抽出部１２ａを含んでいる例について説明したが、これに限定されるものではない。例えば、後述する照合部１３が認識対象語彙抽出部を含んでいてもよい。すなわち、照合部１３が認識対象語彙を抽出してもよい。
【００４４】
また、語彙辞書管理部１２は、後述する統計データ取得部１６から入力される統計データ、および、後述する使用頻度記憶部１８に格納されている使用頻度データを用いて、語彙辞書記憶部１１に格納されている尺度情報を更新する。なお、語彙辞書記憶部１１および語彙辞書管理部１２の具体例については後述する。
【００４５】
照合部１３は、音声分析部８から特徴量を受け取ると、この特徴量に基づいて、照合処理を行う。すなわち、照合部１３は、この特徴量と音響モデル記憶部１０とを比較することにより、音声区間に含まれるフレーム（一定時間）毎の音素列を抽出する。照合部１３は、抽出した音素列をもとに、語彙辞書管理部１２により抽出された認識対象語彙に従って、一致度（類似度）を算出する。この一致度を算出する処理は、従来から知られている照合処理用のプログラムを使用して実行するように構成されている。算出された一致度は、後述する結果出力部１４に出力される。なお、照合部１３は、例えば、認識結果が得られないため、後述する監視制御部１５から読出信号を受け取ると、特徴量記憶部９に格納されている特徴量を読み出す態様であることが好ましい。この態様によれば、例えば、認識結果が得られないため、語彙辞書管理部１２が認識対象語彙の数を増加した場合、照合部１３は、特徴量記憶部９に格納されている特徴量を用いて、増加した認識対象語彙との照合処理を行う。それゆえ、ユーザが再び同じ語彙を発話しなくともよく、ユーザの負担が軽減する。
【００４６】
結果出力部１４は、照合部１３で算出された一致度の中から基準値を超える語彙を抽出し、抽出した語彙の中から最もスコアが良い語彙を認識結果として出力する。認識結果は、上位プログラムへ渡されるが、ディスプレイ、スピーカ、プリンタなどの出力装置に出力してもよい。また、認識結果は、図示しないＣＰＵにコマンドとして出力してもよい。
【００４７】
監視制御部１５は、ユーザから受け付けた操作の処理状態、ユーザから受け付けた音声の処理状態、および、時刻計測部４からの所定の時刻の経過のうちの少なくとも１つの監視対象を監視する。このため、監視制御部１５は、上記の操作処理部３、時刻計測部４、音声入力部７、照合部１３、および、結果出力部１４を監視している。監視制御部１５は、監視結果に応じて、語彙辞書管理部１２に第１の更新信号または第２の更新信号を出力する。また、監視制御部１５は、監視結果に応じて、照合部１３に読出信号を出力する。なお、監視制御部１５の具体例については後述する。
【００４８】
統計データ取得部１６は、任意のタイミングで、通信処理部５に統計データの取得を要求する。統計データは、上述のように、例えば、性別、年齢、地域などに応じて、複数の語彙の使用頻度を統計的に示したデータである。統計データ取得部１６は、通信処理部５から入力された統計データを、語彙辞書管理部１２に出力する。なお、統計データ取得部１６は、インターネットNを挟んで統計データを取得しているが、これに限定されるものではない。例えば、CD−ROMなどの記録媒体に格納された統計データを読み込んで取得してもよい。
【００４９】
使用頻度管理部１７は、語彙辞書記憶部１１に格納されている複数の語彙のそれぞれの使用頻度を算出する。本実施形態では、使用頻度管理部１７は、語彙辞書記憶部１１に格納されている複数の語彙のそれぞれの使用回数の監視結果と、後述する使用頻度記憶部１８に格納されている過去の使用頻度データに基づいて、複数の語彙のそれぞれの使用頻度を算出しているが、これに限るものではない。例えば、照合部１３から出力される一致度を利用して使用頻度を算出してもよい。
【００５０】
使用頻度記憶部１８は、使用頻度管理部１７により算出された使用頻度を、使用頻度データとして格納する。使用頻度データは、語彙辞書記憶部１１に格納されている複数の語彙のそれぞれに対応して格納する。
【００５１】
ところで、上記の音声認識装置２は、パーソナルコンピュータなどの任意のコンピュータにプログラムをインストールすることによって実現される。すなわち、上記の音声入力部７、音声分析部８、語彙辞書管理部１２、照合部１３、結果出力部１４、監視制御部１５、統計データ取得部１６、および、使用頻度管理部１７は、コンピュータのＣＰＵがこれらの機能を実現するプログラムに従って動作することによって具現化される。したがって、音声入力部７、音声分析部８、語彙辞書管理部１２、照合部１３、結果出力部１４、監視制御部１５、統計データ取得部１６、および、使用頻度管理部１７の機能を実現するためのプログラムまたはそれを記録した記録媒体も、本発明の一実施形態である。また、特徴量記憶部９、音響モデル記憶部１０、語彙辞書記憶部１１、および、使用頻度記憶部１８は、コンピュータの内蔵記憶装置またはこのコンピュータからアクセス可能な記憶装置によって具現化される。なお、本実施形態は、インターネットＮと接続可能な構成であることから、インターネットNから上記のプログラムをダウンロードするようにしてもよい。
【００５２】
（語彙辞書記憶部の具体例）
次に、音声認識装置２に含まれる語彙辞書記憶部１１および語彙辞書管理部１２の具体例について、図２に基づき説明する。なお、図２に示す語彙辞書記憶部１１に格納されている語彙の例は、音声認識装置２がカーナビゲーションシステムに用いられる場合の例である。
【００５３】
図２に示すように、語彙辞書記憶部１１は、尺度情報２０、単語ＩＤ２１、単語表記２２、および、単語読み２３を格納する。尺度情報２０は、語彙辞書管理部１２が認識対象語彙を抽出する尺度となる情報である。単語ＩＤ２１は、語彙（単語）に固有に付された情報である。単語表記２２は、単語を書き表した情報である。単語読み２３は、単語表記２２におけるその単語の読みに関する情報である。この単語読み２３に対応する図示しない音素系列が照合部１３による照合処理に用いられる語彙となる。すなわち、語彙辞書管理部１２の認識対象語彙抽出部１２ａは、この単語読み２３に対応する音素系列から認識対象となる認識対象語彙を抽出する。なお、単語読み２３は、図２では、ひらがなで格納されているが、これに限定されるものではない。すなわち、単語読み２３は、ひらがなに代えて、かたかなで格納されていてもよいし、上記の音素系列が格納されていてもよい。また、語彙辞書記憶部１１は、認識対象語彙抽出部１２ａが認識対象語彙を抽出する際の尺度情報２０の基準を示す抽出基準情報２４を更に格納する。なお、語彙辞書記憶部１１は、尺度情報２０、単語ＩＤ２１、単語表記２２、および、単語読み２３をテーブル構造で格納しているが、これに限定されるものではない。すなわち、テーブル構造に代えて、ツリー構造、ネットワーク構造、ファイル構造などであってもよい。
【００５４】
ここで、図２に示す例では、尺度情報２０として、１行目Ｒ１には“１”、２行目Ｒ２には“０”、３行目Ｒ３には“０”、・・・Ｎ行目ＲＮには“１”が格納されている。単語ＩＤ２１として、１行目Ｒ１には“００１”、２行目Ｒ２には“００２”、３行目Ｒ３には“００３”、・・・Ｎ行目ＲＮには“ＮＮＮ”が格納されている。単語表記２２として、１行目Ｒ１には“自宅に帰る”、２行目Ｒ２には“家に帰る”、３行目Ｒ３には“ＡＭラジオ”、・・・Ｎ行目ＲＮには“一般道優先”が格納されている。単語読み２３として、１行目Ｒ１には“じたくにかえる”、２行目Ｒ２には“うちにかえる”、３行目Ｒ３には“えーえむらじお”、・・・Ｎ行目ＲＮには“いっぱんどーゆーせん”が格納されている。そして、抽出基準情報２４として“１”が格納されている。
【００５５】
本実施形態では、抽出基準情報２４が“１”のとき、認識対象語彙抽出部１２ａは、尺度情報２０に基づいて、認識対象語彙を抽出する。具体的には、認識対象語彙抽出部１２ａは、尺度情報２０が“１”に対応する語彙を認識対象語彙として抽出する。また、抽出基準情報２４が“０”のとき、認識対象語彙抽出部１２ａは、尺度情報２０に関わらず、語彙辞書記憶部１１に格納されている全ての語彙を認識対象語彙として抽出する。
【００５６】
したがって、図２に示す例では、抽出基準情報２４として“１”が格納されているので、認識対象語彙抽出部１２ａは、尺度情報２０に基づいて、認識対象語彙を抽出する。すなわち、認識対象語彙抽出部１２ａは、尺度情報２０が“１”を示している１行目Ｒ１およびＮ行目ＲＮの語彙を認識対象語彙として抽出する。
【００５７】
ところで、上記では、尺度情報２０および抽出基準情報２４を“１”、“０”の２値のデータで表現する場合の例について説明したが、例えば、図３に示すように、尺度情報２０および抽出基準情報２４を“０”〜“１”までの連続的なデータで表現してもよい。
【００５８】
すなわち、図３に示す例では、尺度情報２０として、１行目Ｒ１には“０．９５”、２行目Ｒ２には“０．３１”、３行目Ｒ３には“０．０４”、・・・Ｎ行目ＲＮには“０．８８”が格納されている。また、抽出基準情報２４として、“０．８０”が格納されている。なお、図３では、尺度情報２０および抽出基準情報２４を小数点２桁で表現しているが、これに限るものではなく、任意の桁数で尺度情報２０および抽出基準情報２４を表現することができる。
【００５９】
本実施形態では、抽出基準情報２４が“０”以外のとき、認識対象語彙抽出部１２ａは、尺度情報２０に基づいて、認識対象語彙を抽出する。具体的には、認識対象語彙抽出部１２ａは、抽出基準情報２４を閾値とし、この抽出基準情報２４より大きい尺度情報２０に対応する語彙を認識対象語彙として抽出する。また、抽出基準情報２４が“０”のとき、認識対象語彙抽出部１２ａは、尺度情報２０に関わらず、語彙辞書記憶部１１に格納されている全ての語彙を認識対象語彙として抽出する。
【００６０】
したがって、図３に示す例では、抽出基準情報２４として“０．８０”が格納されているので、認識対象語彙抽出部１２ａは、尺度情報２０に基づいて、認識対象語彙を抽出する。すなわち、認識対象語彙抽出部１２ａは、抽出基準情報２４“０．８０”より大きい尺度情報２０に対応する語彙を認識対象語彙として抽出する。ここでは、１行目Ｒ１の尺度情報２０“０．９５”およびＮ行目ＲＮの尺度情報“０．８８”が該当するので、１行目Ｒ１およびＮ行目ＲＮの語彙を認識対象語彙として抽出する。
【００６１】
また、図４に示すように、尺度情報２０および抽出基準情報２４をランクで表現してもよい。図４は、尺度情報２０をＡランク、Ｂランク、Ｃランクの３つのランクに分類する例である。例えば、語彙の使用頻度の高い順にＡランク、Ｂランク、Ｃランクとするが、これに限定されるものではない。抽出基準情報２４は、Ａランク、Ｂランク、Ｃランクに加えて、尺度情報２０に関わらず、全ての語彙を対象とするＤランクを格納することができる。なお、抽出基準情報２４として、ＡランクおよびＢランクを対象とするＥランク、ＡランクおよびＣランクを対象とするＦランク、ＢランクおよびＣランクを対象とするＧランクを含んでいてもよい。
【００６２】
ここで、図４に示す例では、尺度情報２０として、１行目Ｒ１にはランクＡ、２行目Ｒ２にはランクＢ、３行目Ｒ３にはランクＣ、・・・Ｎ行目ＲＮにはランクＡが格納されている。また、抽出基準情報２４として、ランクＡが格納されている。
【００６３】
本実施形態では、抽出基準情報２４がＤランク以外のとき、認識対象語彙抽出部１２ａは、尺度情報２０に基づいて、認識対象語彙を抽出する。具体的には、認識対象語彙抽出部１２ａは、抽出基準情報２４と同一のランクの尺度情報２０に対応する語彙を認識対象語彙として抽出する。また、抽出基準情報２４がＤランクのとき、認識対象語彙抽出部１２ａは、尺度情報２０に関わらず、語彙辞書記憶部１１に格納されている全ての語彙を認識対象語彙として抽出する。
【００６４】
したがって、図４に示す例では、抽出基準情報２４としてランクＡが格納されているので、認識対象語彙抽出部１２ａは、尺度情報２０に基づいて、認識対象語彙を抽出する。すなわち、認識対象語彙抽出部１２ａは、抽出基準情報２４のランクＡと同一のランクの尺度情報２０に対応する語彙を認識対象語彙として抽出する。ここでは、１行目Ｒ１の尺度情報２０のランクＡおよびＮ行目ＲＮの尺度情報２０のランクＡが該当するので、１行目Ｒ１およびＮ行目ＲＮの語彙を認識対象語彙として抽出する。
【００６５】
（語彙辞書管理部の具体例）
語彙辞書管理部１２は、認識対象語彙抽出部１２ａ、尺度情報管理部１２ｂ、および、抽出基準情報管理部１２ｃを備えている。
【００６６】
認識対象語彙抽出部１２ａは、上述のように、認識対象語彙を抽出する際の尺度情報２０の基準を示す抽出基準情報２４が変更されることにより、語彙辞書記憶部１１に格納されている複数の語彙から抽出される認識対象語彙の数を増減する。なお、照合部１３が特徴量記憶部９に格納されている特徴量を用いて、認識対象語彙との照合処理を行う際、認識対象語彙抽出部１２ａは、直前に認識対象語彙として抽出した語彙を除いて認識対象語彙を抽出する態様であることが好ましい。この態様によれば、例えば認識結果が得られない状態が生じた後、再び同じ語彙の照合処理を行う際、照合部１３は、直前に認識対象語彙として抽出した語彙を除いた認識対象語彙を用いて照合処理を行うことができる。それゆえ、音声認識装置２の認識速度が向上する。
【００６７】
尺度情報管理部１２ｂは、使用頻度記憶部１８に格納されている使用頻度データおよび統計データ取得部１６から入力される統計データを用いて、尺度情報２０を更新する。尺度情報２０を“１”、“０”の２値のデータで表現する場合、尺度情報管理部１２ｂは、使用頻度の高い語彙に対応する尺度情報２０を“１”に更新するとともに、使用頻度の低い語彙に対応する尺度情報２０を“０”に更新する。例えば、使用頻度データおよび統計データから算出した値が基準値以上であれば、使用頻度が高い語彙であると判定し、尺度情報２０を“１”に更新する。また、使用頻度データおよび統計データから算出した値が基準値未満であれば、使用頻度が低い語彙であると判定し、尺度情報２０を“０”に更新する。また、尺度情報２０を“０”〜“１”までの連続的なデータで表現する場合、尺度情報管理部１２ｂは、使用頻度の高い語彙に対応する尺度情報２０を大きくする（“１”に近づける）とともに、使用頻度の低い語彙に対応する尺度情報２０を小さくする（“０”に近づける）ように更新する。さらに、尺度情報２０をランクで表現する場合、尺度情報管理部１２ｂは、使用頻度の高い語彙に対応する尺度情報２０のランクを上げるとともに、使用頻度の低い語彙に対応する尺度情報２０のランクを下げるように更新する。なお、尺度情報管理部１２ｂが尺度情報２０を更新するタイミングは、使用頻度データが更新されるタイミング、または、統計データが入力されるタイミングで更新されるが、これに限定されるものではなく、任意のタイミングで更新することができる。
【００６８】
抽出基準情報管理部１２ｃは、監視制御部１５から入力される更新信号（第１の更新信号、第２の更新信号）に基づいて、語彙辞書記憶部１１に格納されている抽出基準情報２４を変更する。抽出基準情報２４を“１”、“０”の２値のデータで表現する場合、抽出基準情報管理部１２ｃは、第１の更新信号が入力されると、抽出基準情報２４を“１”に変更する。抽出基準情報管理部１２ｃは、第２の更新信号が入力されると、抽出基準情報２４を“０”に変更する。また、抽出基準情報２４を“０”〜“１”までの連続的なデータで表現する場合、抽出基準情報管理部１２ｃは、第１の更新信号が入力されると、抽出基準情報２４が小さくなる（“０”に近づける）ように変更する。抽出基準情報管理部１２ｃは、第２の更新信号が入力されると、抽出基準情報２４が大きくなる（“１”に近づける）ように変更する。さらに、抽出基準情報２４をランクで表現する場合、抽出基準情報管理部１２ｃは、第１の更新信号が入力されると、抽出基準情報２４のランクを下げる。抽出基準情報管理部１２ｃは、第２の更新信号が入力されると、抽出基準情報２４のランクを上げる。なお、監視制御部１５からの第１の更新信号および第２の更新信号の詳細については後述する。
【００６９】
（格納形式の変形例）
ところで、上記では、尺度情報２０および抽出基準情報２４が語彙辞書記憶部１１に格納されている例について説明したが、これに限るものではない。すなわち、上記では、語彙辞書記憶部１１が、尺度情報２０を格納する尺度情報記憶部および抽出基準情報２４を格納する抽出基準情報記憶部に対応している例を説明したが、例えば、図５ないし図７に示すような構成であってもよい。
【００７０】
まず、図５に示すように、尺度情報記憶部２００および抽出基準情報記憶部２４０が語彙辞書記憶部１１とは分離する態様であってもよい。すなわち、図５に示す例では、尺度情報２０は、尺度情報記憶部２００に格納されている。抽出基準情報２４は、抽出基準情報記憶部２４０に格納されている。なお、尺度情報記憶部２００および抽出基準情報記憶部２４０は、それぞれ異なるハードウェアで構成してもよいし、同一のハードウェアの異なる領域で構成してもよい。
【００７１】
本実施形態では、認識対象語彙抽出部１２ａは、抽出基準情報記憶部２４０から抽出基準情報２４を読み出す（参照する）。抽出基準情報２４が“１”のとき、認識対象語彙抽出部１２ａは、尺度情報記憶部２００から尺度情報２０を読み出す（参照する）。認識対象語彙抽出部１２ａは、尺度情報２０に基づいて、語彙辞書記憶部１１から認識対象語彙を抽出する。また、抽出基準情報２４が“０”のとき、認識対象語彙抽出部１２ａは、尺度情報２０に関わらず、語彙辞書記憶部１１に格納されている全ての語彙を認識対象語彙として抽出する。
【００７２】
また、図６に示すように、尺度情報２０に応じて、語彙辞書記憶部１１を、第１の語彙辞書記憶部１１ａおよび第２の語彙辞書記憶部１１ｂに分離する態様であってもよい。なお、第１の語彙辞書記憶部１１ａおよび第２の語彙辞書記憶部１１ｂは、それぞれ異なるハードウェアで構成してもよいし、同一のハードウェアの異なる領域で構成してもよい。
【００７３】
本実施形態では、認識対象語彙抽出部１２ａは、尺度情報２０を読み出す（参照する）。尺度情報２０が“１”のとき、認識対象語彙抽出部１２ａは、尺度情報２０が“１”に対応する語彙を第１の語彙辞書記憶部１１ａに格納する。尺度情報２０が“０”のとき、認識対象語彙抽出部１２ａは、尺度情報２０が“０”に対応する語彙を第２の語彙辞書記憶部１１ｂに格納する。そして、認識対象語彙抽出部１２ａは、抽出基準情報２４を読み出す（参照する）。抽出基準情報２４が“１”のとき、認識対象語彙抽出部１２ａは、第１の語彙辞書記憶部１１ａに格納されている語彙を認識対象語彙として抽出する。また、抽出基準情報２４が“０”のとき、認識対象語彙抽出部１２ａは、第１の語彙辞書記憶部１１ａおよび第２の語彙辞書記憶部１１ｂに格納されている語彙を認識対象語彙として抽出する。
【００７４】
さらに、図７に示すように、語彙辞書記憶部７を、認識対象となる語彙を格納する第３の語彙辞書記憶部１１ｃおよび全ての語彙を格納する第４の語彙辞書記憶部１１ｄに分離する態様であってもよい。第３の語彙辞書記憶部１１ｃおよび第４の語彙辞書記憶部１１ｄは、それぞれ異なるハードウェアで構成してもよいし、同一のハードウェアの異なる領域で構成してもよい。
【００７５】
本実施形態では、認識対象語彙抽出部１２ａは、尺度情報２０および抽出基準情報２４を読み出す（参照する）。抽出基準情報２４が“１”のとき、認識対象語彙抽出部１２ａは、尺度情報２０が“１”に対応する語彙を第４の語彙辞書記憶部１１ｄから抽出し、抽出した語彙を第３の語彙辞書記憶部１１ａに格納する。抽出基準情報２４が“０”のとき、認識対象語彙抽出部１２ａは、第４の語彙辞書記憶部１１ｄに格納されている全ての語彙を抽出し、抽出した全ての語彙を第３の語彙辞書記憶部１１ｃに格納する。そして、認識対象語彙抽出部１２ａは、第３の語彙辞書記憶部１１ｃに格納されている語彙を認識対象語彙として抽出する。
【００７６】
（監視制御部の具体例）
監視制御部１５は、下記（ａ）〜（ｈ）を監視対象とする。監視制御部１５は、まず、下記（ａ）〜（ｄ）のうちの少なくとも１つの状態を検出すると、語彙辞書管理部１２に第１の更新信号を出力し、照合部１３に読出信号を出力する。
（ａ）認識結果が得られない場合（例えば、照合部１３で算出された一致度が“０”であるため、認識結果が得られない場合、または、照合部１３で算出された一致度が結果出力部１４による基準値を満たしていないため、認識結果が得られない場合）
（ｂ）ユーザが直前の操作または発話に対して、修正・訂正的な操作または発話を行った場合（例えば、ユーザが、操作の停止、操作の中止、操作の取り消し、発話の言い直しをした場合など）
（ｃ）処理の確定操作が必要であるにも関わらず、所定時間経過しても、ユーザが確定操作を行わない場合
（ｄ）操作または発話が所定時間行われない場合
【００７７】
また、監視制御部１５は、語彙辞書管理部１２に第１の更新信号を出力した後、上記（ａ）〜（ｄ）の監視対象に加えて、下記（ｅ）〜（ｈ）の監視対象も監視する。監視制御部１５は、下記（ｅ）〜（ｈ）のうちの少なくとも１つの状態を検出すると、語彙辞書管理部１２に第２の更新信号を出力する。また、監視制御部１５は、再度、上記（ａ）〜（ｄ）のうちの少なくとも１つの状態を検出すると、語彙辞書管理部１２に再度第１の更新信号を出力する。
（ｅ）照合部１３が一致度を算出する処理を所定回数行った場合
（ｆ）所定の時刻が経過した場合
（ｇ）処理の確定操作が必要であるとき、所定時間内に、ユーザが確定操作を行った場合
（ｈ）ユーザが直前の操作または発話に対して、修正・訂正的な操作または発話を行わない場合
【００７８】
なお、監視対象として、上記（ａ）〜（ｈ）には限られず、用途に応じて任意の監視対象を設定できる。
【００７９】
（音声認識装置の動作例）
上記の構成において、音声認識装置２の概略動作について、例えば、図８に基づき説明すると、以下のとおりである。すなわち、図８に示すように、ユーザが音声の入力を開始すると（Ｏｐ１）、入力した音声は音声入力部７に出力される。音声入力部７は、所定の音声区間判定基準を用いて、入力された音声中の音声区間を判定し、判定された音声区間における音声を、発話音声データに変換する（Ｏｐ２）。変換された発話音声データは音声分析部８に出力される。音声分析部８は、入力された発話音声データを分析して特徴量を算出する（Ｏｐ３）。算出された特徴量は、特徴量記憶部９および照合部１３に出力される。照合部１３は、入力された特徴量に基づいて照合処理を行う（Ｏｐ４）。そして、照合処理の結果は、照合部１３から結果出力部１４に出力され、結果出力部１４が認識結果を出力する（Ｏｐ５）。なお、上記の音声認識装置２の概略動作は一例であって、これに限定されるものではない。
【００８０】
次に、図９を参照しながら、図８の照合処理（Ｏｐ４）の動作を詳細に説明する。すなわち、図９に示すように、認識対象語彙抽出部１２ａは、語彙辞書記憶部（抽出基準情報記憶部）１１に格納されている抽出基準情報２０を読み出す（参照する）（Ｏｐ４１）。読み出した抽出基準情報２４が“１”であれば（Ｏｐ４２にてＹＥＳ）、認識対象語彙抽出部１２ａは、語彙辞書記憶部（尺度情報記憶部）１１に格納されている尺度情報２０を読み出し（参照し）、読み出した尺度情報２０に基づいて、認識対象語彙を抽出する（Ｏｐ４３）。一方、読み出した抽出基準情報２４が“０”であれば（Ｏｐ４２にてＮＯ）、認識対象語彙抽出部１２ａは、尺度情報２０に関わらず、語彙辞書記憶部１１に格納されている全ての語彙を認識対象語彙として抽出する（Ｏｐ４４）。そして、照合部１３は、図８のＯｐ３で算出された特徴量を用いて、Ｏｐ４３またはＯｐ４４で抽出した認識対象語彙との一致度を算出する（Ｏｐ４５）。
【００８１】
続いて、図１０を参照しながら、尺度情報管理部１２ｂが尺度情報２０を更新する動作を説明する。なお、尺度情報管理部１２ｂが尺度情報２０を更新するタイミングは、使用頻度データが更新されるタイミング、または、統計データが入力されるタイミングで適宜更新される。したがって、尺度情報管理部１２ｂが尺度情報２０を更新する動作は、図８では、Ｏｐ１〜Ｏｐ５の間のいずれにも入ることになる。
【００８２】
図１０に示すように、尺度情報管理部１２ｂは、使用頻度記憶部１２に格納されている使用頻度データを読み出す（Ｏｐ１１）。例えば、尺度情報管理部１２ｂは、使用頻度記憶部１８に格納されている使用頻度データが更新されるタイミングで、使用頻度記憶部１８から使用頻度データを読み出す。尺度情報管理部１２ｂは、統計データ取得部１６から統計データが入力される（Ｏｐ１２）。そして、尺度情報管理部１２ｂは、使用頻度データおよび統計データを用いて、尺度情報２０を更新する（Ｏｐ１３）。
【００８３】
次に、図１１を参照しながら、抽出基準情報管理部１２ｃが抽出基準情報２４を変更する動作を説明する。なお、抽出基準情報管理部１２ｃが抽出基準情報２４を変更するタイミングは、監視制御部１５から第１の更新信号または第２の更新信号が入力されるタイミングで適宜更新される。したがって、抽出基準情報管理部１２ｃが抽出基準情報２４を変更する動作は、図８では、Ｏｐ１〜Ｏｐ５の間のいずれにも入ることになる。
【００８４】
図１１に示すように、監視制御部１５は、上述の（ａ）〜（ｄ）を監視対象として監視する（Ｏｐ２１）。監視制御部１５は、上述の（ａ）〜（ｄ）のうちの少なくとも１つの状態を検出すると（Ｏｐ２２にてＹＥＳ）、抽出基準情報管理部１２ｃに第１の更新信号を出力する（Ｏｐ２３）。なお、監視制御部１５は、照合部１３に読出信号を出力する。一方、Ｏｐ２２で上述の（ａ）〜（ｄ）のうちの少なくとも１つの状態を検出しなければ（Ｏｐ２２にてＮＯ）、Ｏｐ２１に戻って、監視制御部１５は、上述の（ａ）〜（ｄ）の監視対象を監視する。抽出基準情報管理部１２ｃは、第１の更新信号が入力されると、抽出基準情報を変更する（Ｏｐ２４）。
【００８５】
監視制御部１５は、抽出基準情報管理部１２ｃに第１の更新信号を出力した後、上述の（ａ）〜（ｄ）の監視対象に加えて、上述の（ｅ）〜（ｈ）も監視対象として監視する。すなわち、監視制御部１５は、上述の（ａ）〜（ｈ）を監視対象として監視する（Ｏｐ２５）。監視制御部１５は、上述の（ｅ）〜（ｈ）のうちの少なくとも１つの状態を検出すると（Ｏｐ２６にてＹＥＳ）、抽出基準情報管理部１２ｃに第２の更新信号を出力する（Ｏｐ２７）。一方、Ｏｐ２６で上述の（ｅ）〜（ｈ）のうちの少なくとも１つの状態を検出しなければ（Ｏｐ２６にてＮＯ）、Ｏｐ２５に戻って、監視制御部１５は、上述の（ａ）〜（ｈ）の監視対象を監視する。抽出基準情報管理部１２ｃは、第２の更新信号が入力されると、抽出基準情報を変更する（Ｏｐ２８）。なお、図示は省略するが、Ｏｐ２５で上述の（ａ）〜（ｄ）のうちの少なくとも１つの状態を検出すると、Ｏｐ２３に戻って、監視制御部１５は、再度、抽出基準情報管理部１２ｃに第１の更新信号を出力する。
【００８６】
以上に述べたように、本実施形態における音声認識装置２においては、認識対象語彙抽出部１２ａは、認識対象語彙を抽出する際の尺度情報２０の基準を示す抽出基準情報２４が変更されることにより、語彙辞書記憶部１１に格納されている複数の語彙から抽出される認識対象語彙の数を増減する。このため、例えばユーザから受け付けた処理の状態に応じて、抽出基準情報２４が変更される。認識対象語彙抽出部１２ａは、語彙辞書記憶部１１に格納されている複数の語彙から抽出される認識対象語彙の数を増減する。認識対象語彙抽出部１２ａが認識対象語彙の数を増加した場合、照合部１３は、増加した認識対象語彙に従って照合処理を行う。それゆえ、音声認識装置２の認識対象語彙の数が増加し、発話の自由度が向上する。また、認識対象語彙抽出部１２ａが認識対象語彙の数を減少した場合、照合部１３は、減少した認識対象語彙に従って照合処理を行う。それゆえ、音声認識装置２の認識対象語彙の数が制限され、認識率および認識速度が向上する。この結果、ユーザが煩わしい操作をしなくとも、認識性能が向上する音声認識装置２を実現することができる。
【００８７】
なお、本実施形態では、統計データ取得部からの要求に対して、通信処理部がインターネットを挟んで統計データ記憶部から統計データを取得する例について説明したが、これに限るものではない。すなわち、統計データ記憶部を例えばＤＶＤ、ＭＯ、ＣＤ、フレキシブルディスク、磁気テープなどの記憶装置で形成し、統計データ取得部は、この記憶装置から直接的あるいは間接的に統計データを読み出してもよい。要するに、統計データ取得部は、統計データを取得できる態様であれば、いかなる態様であってもよい。
【００８８】
また、本実施形態では、尺度情報および抽出基準情報の格納形式を、図２〜図７を例として説明したが、これに限るものではない。すなわち、語彙辞書管理部が、尺度情報および抽出基準情報を読み出し、読み出した尺度情報および抽出基準情報に基づいて認識対象語彙を抽出できれば、いかなる格納形式であってもよい。
【００８９】
さらに、本実施形態では、尺度情報管理部が尺度情報を更新し、抽出基準情報管理部が抽出基準情報を更新する例について説明したが、これに限るものではない。すなわち、音声認識装置の初期設定時にあっては、システム管理者が尺度情報および抽出基準情報を設定してもよい。また、音声認識装置の稼動時であっても、システム管理者またはユーザが、尺度情報を更新し、抽出基準情報を変更してもよい。
【００９０】
（実施の形態２）
実施の形態１では、語彙辞書記憶部１１に格納されている複数の語彙から認識対象語彙を抽出する例について説明した。これに対して、実施の形態２では、語彙辞書記憶部１１に格納されている複数の語彙を複数の語彙グループに分割し、分割した語彙グループ毎に、認識対象語彙を抽出する例について図１２ないし図１５に基づき以下に説明する。なお、第１の実施形態において説明した構成と同様の機能を有する構成については、第１の実施形態と同じ参照符号を付記し、その詳細な説明を省略する。
【００９１】
図１２に示すように、本実施形態に係る情報提供システム３０における音声認識装置５０は、語彙グループ使用頻度管理部５１、語彙グループ使用頻度記憶部５２、および、閾値記憶部５３を更に備えている。
【００９２】
語彙グループ使用頻度管理部５１は、語彙辞書記憶部１１に格納されている複数の語彙を複数の語彙グループとして分割する。例えば、共通の機能（役割）を有する語彙を纏めて語彙グループを形成する。そして、語彙グループ使用頻度管理部５１は、使用頻度管理部１７から語彙グループに属する複数の語彙のそれぞれの使用頻度を取得し、取得した使用頻度から語彙グループの使用頻度を算出する。なお、図示は省略するが、語彙グループ使用頻度管理部５１は、使用頻度記憶部１８に格納されている使用頻度データを直接参照して、語彙グループに属する複数の語彙のそれぞれの使用頻度を取得し、取得した使用頻度から語彙グループの使用頻度を算出してもよい。
【００９３】
語彙グループ使用頻度記憶部５２は、語彙グループ使用頻度管理部５１により算出された語彙グループの使用頻度を、語彙グループの使用頻度データとして格納する。語彙グループの使用頻度データは、複数の語彙グループのそれぞれに対応して格納されている。
【００９４】
閾値記憶部５３は、認識対象語彙を抽出する際の語彙グループの使用頻度データの基準を示す閾値を格納する。閾値は、語彙辞書管理部１２により参照される。なお、閾値記憶部５３の具体例については後述する。
【００９５】
ところで、語彙グループ使用頻度管理部５１は、パーソナルコンピュータ等の任意のコンピュータにプログラムをインストールすることによって実現される。なお、語彙グループ使用頻度管理部５１の機能をコンピュータで実現するためのプログラムまたはそれを記録した記録媒体も、本発明の一実施形態である。また、語彙グループ使用頻度記憶部５２、および、閾値記憶部５３は、コンピュータの内蔵記憶装置またはこのコンピュータからアクセス可能な記憶装置によって具現化される。なお、本実施形態は、インターネットNと接続可能な構成であることから、インターネットNから上記のプログラムをダウンロードするようにしてもよい。
【００９６】
（語彙グループ使用頻度記憶部および閾値記憶部の具体例）
次に、音声認識装置５０に含まれる語彙グループ使用頻度記憶部５２および閾値記憶部５３の具体例について、図１３に基づき説明する。なお、図１３に示す語彙辞書記憶部１１に格納されている語彙の例は、音声認識装置５０がカーナビゲーションシステムに用いられる場合の例である。
【００９７】
図１３に示すように、語彙グループ使用頻度記憶部５２は、単語ＩＤ２１、語彙グループ２５、および、語彙グループの使用頻度データ２６を格納する。語彙グループ２５は、語彙辞書記憶部１１に格納されている複数の語彙を複数の語彙グループとして分割したものである。具体的には、語彙グループ２５は、共通の機能（役割）を有する語彙を纏めて形成している。語彙グループの使用頻度データ２６は、語彙グループ２５の使用頻度を示すデータである。
【００９８】
閾値記憶部５３は、認識対象語彙を抽出する際の語彙グループの使用頻度データ２６の基準を示す閾値２７を格納する。具体的には、認識対象語彙抽出部１２ａは、語彙グループの使用頻度データ２６が閾値２７以上の語彙グループ２５については、尺度情報２０に関わらず、この語彙グループ２５に属する全ての語彙を認識対象語彙として抽出する。また、認識対象語彙抽出部１２ａは、語彙グループの使用頻度データ２６が閾値２７未満の語彙グループ２５については、尺度情報２０に基づいて、この語彙グループ２５に属する語彙から認識対象語彙を抽出する。具体的には、認識対象語彙抽出部１２ａは、語彙グループ２５に属する語彙から尺度情報２０が“１”に対応する語彙を認識対象語彙として抽出する。
【００９９】
語彙辞書管理部１２は、認識対象語彙抽出部１２ａ、尺度情報管理部１２ｂ、および、抽出基準情報管理部１２ｃに加えて、閾値管理部１２ｄを備えている。閾値管理部１２ｄは、閾値記憶部５３に格納されている閾値２７を更新する。具体的には、閾値管理部１２ｄは、監視制御部１５から第１の監視信号が入力されると、閾値２７が小さくなるように更新する。例えば、認識結果が得られない状況が繰り返し続いた場合、監視制御部１５は、閾値管理部１２ｄに、第１の更新信号を繰り返し出力する。閾値管理部１２ｄは、第１の更新信号が入力される度に、閾値２７を徐々に小さくしていく。また、閾値管理部１２ｄは、監視制御部１５から第２の更新信号が入力されると、閾値２７が大きくなるように更新する。
【０１００】
ここで、図１３に示す例では、単語ＩＤ２１“００１”に対応する単語表記２２“自宅に帰る”と、単語ＩＤ“００２”に対応する単語表記２２“家に帰る”とは、両者とも目的となる場所を操作する機能として同一であることから、これらを纏めて語彙グループ２５“目的地セット”としている。同様に、オーディオを操作する機能として共通している語彙を纏めて“オーディオ設定”、探索条件を操作する機能として共通している語彙を纏めて“探索条件設定”としている。また、語彙グループ２５“目的地セット”に対応して語彙グループの使用頻度データ２６“０．８５”が格納されている。語彙グループ２５“オーディオ設定”に対応して語彙グループの使用頻度データ２６“０．５０”が格納されている。語彙グループ２５“探索条件設定”に対応して語彙グループの使用頻度データ２６“０．２４”が格納されている。そして、閾値２７として “０．８０”が格納されている。
【０１０１】
したがって、認識対象語彙抽出部１２ａは、閾値２７“０．８０”より大きい語彙グループの使用頻度データ２６を抽出する。ここでは、語彙グループ２５“目的地セット”に対応する語彙グループの使用頻度データ“０．８５”が対応している。このため、認識対象語彙抽出部１２ａは、尺度情報２０に関わらず、語彙グループ２５“目的地セット”に属する全ての語彙を認識対象語彙として抽出する。また、認識対象語彙抽出部１２ａは、閾値２７“０．８０”より小さい語彙グループの使用頻度データ２６を抽出する。ここでは、語彙グループ２５“オーディオ設定”に対応する語彙グループの使用頻度データ“０．５０”と、語彙グループ２５“探索条件設定”に対応する語彙グループの使用頻度データ“０．２４”とが対応している。このため、認識対象語彙抽出部１２ａは、尺度情報２０に基づいて、語彙グループ２５“オーディオ設定”、“探索条件設定”に属する語彙から認識対象語彙を抽出する。具体的には、認識対象語彙抽出部１２ａは、語彙グループ２５に属する語彙から尺度情報２０が“１”に対応する語彙を認識対象語彙として抽出する。
【０１０２】
（音声認識装置の動作例）
上記の構成において、図１４を参照しながら、本実施形態の音声認識装置５０の照合処理の動作を詳細に説明する。すなわち、図１４に示すように、認識対象語彙抽出部１２ａは、閾値記憶部５３に格納されている閾値２７を読み出す（参照する）（Ｏｐ４１１）。認識対象語彙抽出部１２ａは、抽出基準情報２４に応じて、閾値２７を読み出す。本実施形態では、抽出基準情報２４が“０”のとき、認識対象語彙抽出部１２ａは、閾値２７を読み出す。次に、認識対象語彙抽出部１２ａは、語彙グループ使用頻度記憶部５２に格納されている語彙グループの使用頻度データ２６を読み出す（Ｏｐ４１２）。そして、語彙グループの使用頻度データ２６が閾値２７以上の場合（Ｏｐ４１３にてＹＥＳ）、認識対象語彙抽出部１２ａは、尺度情報２０に関わらず、語彙グループ２５に属する全ての語彙を認識対象語彙として抽出する（Ｏｐ４１４）。一方、Ｏｐ４１３で語彙グループの使用頻度データ２６が閾値２７未満の場合（Ｏｐ４１３にてＮＯ）、認識対象語彙抽出部１２ａは、尺度情報２０に基づいて、語彙グループ２５に属する語彙から認識対象語彙を抽出する（Ｏｐ４１５）。そして、認識対象語彙の抽出が、全ての語彙グループ２５について終了した場合（Ｏｐ４１６にてＹＥＳ）、照合部１３は、算出された特徴量を用いて、Ｏｐ４１４またはＯｐ４１５で抽出した認識対象語彙との一致度を算出する（Ｏｐ４１７）。一方、Ｏｐ４１６で認識対象語彙の抽出が、全ての語彙グループ２５について終了していない場合（Ｏｐ４１６にてＮｏ）、Ｏｐ４１２に戻って、認識対象語彙抽出部１２ａは、次に認識対象語彙を抽出すべき語彙グループの使用頻度データ２６を読み出す。
【０１０３】
次に、図１５を参照しながら、閾値管理部１２ｄが閾値２７を更新する動作を説明する。なお、閾値管理部１２ｄが閾値２７を更新するタイミングは、監視制御部１５から第１の更新信号または第２の更新信号が入力されるタイミングで適宜更新される。
【０１０４】
図１５に示すように、監視制御部１５は、上述の（ａ）〜（ｄ）を監視対象として監視する（Ｏｐ３１）。監視制御部１５は、上述の（ａ）〜（ｄ）のうちの少なくとも１つの状態を検出すると（Ｏｐ３２にてＹＥＳ）、閾値管理部１２ｄに第１の更新信号を出力する（Ｏｐ３３）。一方、Ｏｐ３２で上述の（ａ）〜（ｄ）のうちの少なくとも１つの状態を検出しなければ（Ｏｐ３２にてＮＯ）、Ｏｐ３１に戻って、監視制御部１５は、上述の（ａ）〜（ｄ）の監視対象を監視する。閾値管理部１２ｄは、第１の更新信号が入力されると、閾値２７を更新する（Ｏｐ３４）。例えば、閾値管理部１２ｄは、閾値２７が小さくなるように更新する。
【０１０５】
そして、監視制御部１５は、閾値管理部１２ｄに第１の更新信号を出力した後、上述の（ａ）〜（ｄ）の監視対象に加えて、上述の（ｅ）〜（ｈ）も監視対象として監視する。すなわち、監視制御部１５は、上述の（ａ）〜（ｈ）を監視対象として監視する（Ｏｐ３５）。監視制御部１５は、上述の（ｅ）〜（ｈ）のうちの少なくとも１つの状態を検出すると（Ｏｐ３６にてＹＥＳ）、閾値管理部１２ｄに第２の更新信号を出力する（Ｏｐ３７）。一方、Ｏｐ３６で上述の（ｅ）〜（ｈ）のうちの少なくとも１つの状態を検出しなければ（Ｏｐ３６にてＮＯ）、Ｏｐ３５に戻って、監視制御部１５は、上述の（ａ）〜（ｈ）の監視対象を監視する。閾値管理部１２ｄは、第２の更新信号が入力されると、閾値２７を更新する（Ｏｐ３８）。例えば、閾値管理部１２ｄは、閾値２７が大きくなるように更新する。なお、図示は省略するが、Ｏｐ３６で上述の（ａ）〜（ｄ）のうちの少なくとも１つの状態を検出すると、Ｏｐ３３に戻って、監視制御部１５は、再度、閾値管理部１２ｄに第１の更新信号を出力する。そして、閾値管理部１２ｄは、閾値２７が更に小さくなるように更新する。
【０１０６】
以上に述べたように、本実施形態における音声認識装置５０においては、認識対象語彙抽出部１２ａは、閾値２７および語彙グループの使用頻度データ２６を参照して、語彙グループの使用頻度データ２６が閾値２７より大きい語彙グループ２５については、尺度情報２０に関わらず、この語彙グループ２５に属する全ての語彙を認識対象語彙として抽出するのか、語彙グループの使用頻度データ２６が閾値２７より小さい語彙グループ２５については、尺度情報２０に基づいて、この語彙グループ２５に属する語彙から認識対象語彙を抽出するのか、いずれか一方の処理を選択的に行う。このため、認識対象語彙抽出部１２ａは、語彙グループの使用頻度データ２６が閾値２７より大きい語彙グループ２５について、照合部１３は、この語彙グループ２５に属する全ての語彙を認識対象とする認識対象語彙に従って照合処理を行う。それゆえ、例えば使用頻度の高い語彙グループ２５に属する全ての語彙を認識対象語彙としているので、これらの語彙グループ２５に関する音声認識装置５０の認識対象語彙の数が増加し、発話の自由度が向上する。また、認識対象語彙抽出部１２ａは、語彙グループの使用頻度データ２６が閾値２７より小さい語彙グループ２５について、照合部１３は、尺度情報２０に基づいて、語彙グループ２５に属する語彙から抽出された認識対象語彙に従って照合処理を行う。それゆえ、例えば使用頻度の低い語彙グループ２５に属する語彙を尺度情報２０に基づいて抽出した認識対象語彙としているので、これらの語彙グループ２５に関する音声認識装置５０の認識対象語彙の数が制限され、認識率および認識速度が向上する。この結果、ユーザが煩わしい操作をしなくとも、認識性能が向上する音声認識装置５０を実現することができる。
【０１０７】
なお、本実施形態では、閾値管理部が閾値を更新する例について説明したが、これに限るものではない。すなわち、音声認識装置の初期設定時にあっては、システム管理者が閾値を設定してもよい。また、音声認識装置の稼動時であっても、システム管理者またはユーザが、閾値を更新してもよい。
【０１０８】
すなわち、本発明は上述した実施形態１および実施形態２に限定されるものではなく、請求項に示した範囲で種々の変更が可能である。すなわち、請求項に示した範囲で適宜変更した技術的手段を組み合わせて得られる実施形態についても本発明の技術的範囲に含まれる。
【０１０９】
以上の実施の形態に関し、更に以下の付記を開示する。
【０１１０】
（付記１）
受け付けた音声を発話音声データに変換する音声入力部と、
前記発話音声データを特徴量に変換する音声分析部と、
複数の語彙を予め格納した語彙辞書記憶部と、
前記語彙辞書記憶部に格納されている複数の語彙から認識対象となる認識対象語彙を抽出する語彙辞書管理部と、
前記音声分析部により変換された前記特徴量を用いて、前記語彙辞書管理部により抽出された前記認識対象語彙との一致度を算出する照合部と、
前記照合部による一致度の算出結果から最もスコアの良かった語彙を認識結果として出力する結果出力部とを備えた音声認識装置において、
前記語彙辞書記憶部に格納されている複数の語彙のそれぞれについて、前記認識対象語彙を抽出する尺度となる尺度情報を予め格納する尺度情報記憶部と、
前記認識対象語彙を抽出する際の前記尺度情報の基準を示す抽出基準情報を予め格納する抽出基準情報記憶部と、
所定の状態を監視する監視制御部と、
前記監視制御部の監視結果に応じて、前記抽出基準情報記憶部に格納されている前記抽出基準情報を変更する抽出基準情報管理部とを備え、
前記抽出基準情報が変更されることにより、前記語彙辞書管理部は、前記語彙辞書記憶部に格納されている複数の語彙から抽出される前記認識対象語彙の数を増減することを特徴とする音声認識装置（１）。
【０１１１】
（付記２）
前記監視制御部は、ユーザから受け付けた操作の処理状態、ユーザから受け付けた音声の処理状態、および、時刻を計測する測定部からの所定の時刻の経過のうちの少なくとも１つの監視対象を監視し、
前記語彙辞書管理部は、変更された前記抽出基準情報に応じて、前記語彙辞書記憶部に格納されている複数の語彙から抽出される前記認識対象語彙の数を増減し、
前記照合部は、前記音声分析部により変換された前記特徴量を用いて、増減した前記認識対象語彙との一致度を算出する付記１に記載の音声認識装置（２）。
【０１１２】
（付記３）
前記監視制御部は、下記（ａ）〜（ｈ）のうちの少なくとも１つの監視対象を監視するとともに、
前記監視制御部は、下記（ａ）〜（ｄ）の状態を検出すると、前記抽出基準情報管理部に第１の更新信号を送信し、前記抽出基準情報管理部は、前記第１の更新信号に基づいて、前記語彙辞書記憶部に格納されている複数の語彙から抽出される前記認識対象語彙の数が増加するように、前記抽出基準情報記憶部に格納されている前記抽出基準情報を変更する一方、
前記監視制御部は、前記抽出基準情報管理部に第１の更新信号を送信した後、下記（ｅ）〜（ｈ）の状態を検出すると、前記抽出基準情報管理部に第２の更新信号を送信し、前記抽出基準情報管理部は、前記第２の更新信号に基づいて、前記語彙辞書記憶部に格納されている複数の語彙から抽出される前記認識対象語彙の数が減少するように、前記抽出基準情報記憶部に格納されている前記抽出基準情報を変更する付記２に記載の音声認識装置（３）。
（ａ）認識結果が得られない場合
（ｂ）ユーザが直前の操作または発話に対して、修正・訂正的な操作または発話を行った場合
（ｃ）処理の確定操作が必要であるにも関わらず、所定時間経過しても、ユーザが確定操作を行わない場合
（ｄ）操作または発話が所定時間行われない場合
（ｅ）前記照合部が一致度を算出する処理を所定回数行った場合
（ｆ）所定の時刻が経過した場合
（ｇ）処理の確定操作が必要であるとき、所定時間内に、ユーザが確定操作を行った場合
（ｈ）ユーザが直前の操作または発話に対して、修正・訂正的な操作または発話を行わない場合
【０１１３】
（付記４）
前記語彙辞書管理部は、前記抽出基準情報記憶部に格納されている前記抽出基準情報に応じて、下記（１）および（２）のいずれか一方の処理を選択的に行う付記２または３に記載の音声認識装置（４）。
（１）前記語彙辞書管理部は、前記尺度情報に基づいて、前記認識対象語彙を抽出する。
（２）前記語彙辞書管理部は、前記尺度情報に関わらず、前記語彙辞書記憶部に格納されている全ての語彙を前記認識対象語彙として抽出する。
【０１１４】
（付記５）
前記語彙辞書記憶部に格納されている複数の語彙のそれぞれの使用回数を監視して、複数の語彙のそれぞれの使用頻度を算出する使用頻度管理部と、
前記使用頻度管理部により算出された前記使用頻度を、前記語彙辞書記憶部に格納されている複数の語彙のそれぞれに対応させて、使用頻度データとして格納する使用頻度記憶部と、
少なくとも前記使用頻度記憶部に格納されている前記使用頻度データを用いて、前記尺度情報記憶部に格納されている前記尺度情報を更新する尺度情報管理部とを更に備えている付記１〜４のいずれか一項に記載の音声認識装置（５）。
【０１１５】
（付記６）
前記語彙辞書記憶部に格納されている複数の語彙を複数の語彙グループとして分割するとともに、前記語彙辞書記憶部に格納されている前記語彙グループに属する複数の語彙のそれぞれの前記使用頻度に基づいて、前記語彙グループの使用頻度を算出する語彙グループ使用頻度管理部と、
前記語彙グループ使用頻度管理部により算出された前記語彙グループの使用頻度を、前記語彙グループのそれぞれに対応させて、語彙グループの使用頻度データとして格納する語彙グループ使用頻度記憶部と、
前記認識対象語彙を抽出する際の前記語彙グループの使用頻度データの基準を示す閾値を格納する閾値記憶部とを更に備え、
前記語彙辞書管理部は、前記抽出基準情報記憶部に格納されている前記抽出基準情報に応じて、前記閾値記憶部に格納されている前記閾値および前記語彙グループ使用頻度記憶部に格納されている前記語彙グループの使用頻度データを参照し、下記（３）および（４）のいずれか一方の処理を選択的に行う付記５に記載の音声認識装置（６）。
（３）前記語彙辞書管理部は、前記語彙グループの使用頻度データが前記閾値より大きい語彙グループについては、前記尺度情報に関わらず、当該語彙グループに属する全ての語彙を前記認識対象語彙として抽出する。
（４）前記語彙辞書管理部は、前記語彙グループの使用頻度データが前記閾値より小さい語彙グループについては、前記尺度情報に基づいて、当該語彙グループに属する語彙から前記認識対象語彙を抽出する。
【０１１６】
（付記７）
前記監視制御部は、ユーザから受け付けた操作の処理状態、ユーザから受け付けた音声の処理状態、および、時刻を計測する測定部からの所定の時刻の経過のうちの少なくとも１つの監視対象を監視し、
前記監視制御部の監視結果に応じて、前記閾値記憶部に格納されている前記閾値を更新する閾値管理部を更に備え、
前記語彙辞書管理部は、更新された前記閾値に応じて、前記（３）および前記（４）のいずれか一方の処理を選択的に行う付記６に記載の音声認識装置（７）。
【０１１７】
（付記８）
前記音声入力部により変換された前記発話音声データまたは前記音声分析部により変換された前記特徴量を格納する音声記憶部を更に備え、
前記照合部は、前記音声記憶部に格納されている前記発話音声データまたは前記特徴量を用いて、前記語彙辞書管理部が抽出する前記認識対象語彙との一致度を算出する付記１〜７いずれか一項に記載の音声認識装置（８）。
【０１１８】
（付記９）
前記照合部が、前記音声記憶部に格納されている前記発話音声データまたは前記特徴量を用いて、前記語彙辞書管理部が抽出する前記認識対象語彙との一致度を算出する際、前記語彙辞書管理部は、直前に前記認識対象語彙として抽出した語彙を除いて、前記語彙辞書記憶部に格納されている複数の語彙から前記認識対象語彙を抽出する付記８に記載の音声認識装置（９）。
【０１１９】
（付記１０）
受け付けた音声を発話音声データに変換する音声入力処理と、
前記発話音声データを特徴量に変換する音声分析処理と、
複数の語彙を予め格納した語彙辞書記憶部から認識対象となる認識対象語彙を抽出する語彙辞書管理処理と、
前記音声分析処理により変換された前記特徴量を用いて、前記語彙辞書管理処理により抽出された前記認識対象語彙との一致度を算出する照合処理と、
前記照合処理による一致度の算出結果から最もスコアの良かった語彙を認識結果として出力する結果出力処理とをコンピュータに実行させる音声認識プログラムにおいて、
前記語彙辞書管理処理は、尺度情報記憶部に予め格納された前記認識対象語彙を抽出する尺度となる尺度情報を参照するとともに、抽出基準情報記憶部に予め格納された前記認識対象語彙を抽出する際の前記尺度情報の基準を示す抽出基準情報を参照する処理をコンピュータに実行させる一方、
所定の状態を監視する監視制御処理と、
前記監視制御処理の監視結果に応じて、前記抽出基準情報記憶部に格納されている前記抽出基準情報を変更する抽出基準情報管理処理とをコンピュータに実行させ、
前記抽出基準情報が変更されることにより、前記語彙辞書管理処理は、前記語彙辞書記憶部に格納されている複数の語彙から抽出される前記認識対象語彙の数を増減する処理をコンピュータに実行させることを特徴とする音声認識プログラム（１０）。
【０１２０】
（付記１１）
複数の語彙に関する統計データを格納した統計データ記憶装置から前記統計データを取得する統計データ取得部を更に備え、
前記尺度情報管理部は、前記使用頻度記憶部に格納されている前記使用頻度データおよび前記統計データ取得部が取得した前記統計データを用いて、前記尺度情報記憶部に格納されている前記尺度情報を更新する付記５に記載の音声認識装置。
【０１２１】
（付記１２）
前記監視制御部は、下記（ａ）〜（ｈ）のうちの少なくとも１つの監視対象を監視するとともに、
前記監視制御部は、下記（ａ）〜（ｄ）の状態を検出すると、前記閾値管理部に第１の更新信号を送信し、前記閾値管理部は、前記第１の更新信号に基づいて、前記閾値記憶部に格納されている前記閾値が小さくなるように更新する一方、
前記監視制御部は、前記閾値管理部に第１の更新信号を送信した後、下記（ｅ）〜（ｈ）の状態を検出すると、前記閾値管理部に第２の更新信号を送信し、前記閾値管理部は、前記第２の更新信号に基づいて、前記閾値記憶部に格納されている前記閾値が大きくなるように更新する付記７に記載の音声認識装置。
（ａ）認識結果が得られない場合
（ｂ）ユーザが直前の操作または発話に対して、修正・訂正的な操作または発話を行った場合
（ｃ）処理の確定操作が必要であるにも関わらず、所定時間経過しても、ユーザが確定操作を行わない場合
（ｄ）操作または発話が所定時間行われない場合
（ｅ）前記照合部が一致度を算出する処理を所定回数行った場合
（ｆ）所定の時刻が経過した場合
（ｇ）処理の確定操作が必要であるとき、所定時間内に、ユーザが確定操作を行った場合
（ｈ）ユーザが直前の操作または発話に対して、修正・訂正的な操作または発話を行わない場合
【０１２２】
（付記１３）
付記１０に記載の音声認識プログラムを記録したコンピュータ読み取り可能な記録媒体。
【産業上の利用可能性】
【０１２３】
以上のように、本発明は、ユーザが煩わしい操作をしなくとも、認識性能が向上する音声認識装置および音声認識プログラムとして有用である。
【図面の簡単な説明】
【０１２４】
【図１】本発明の第１の実施形態に係る音声認識装置の構成を示すブロック図である。
【図２】上記の音声認識装置における語彙辞書記憶部および語彙辞書管理部を中心とする要部を示すブロック図である。
【図３】上記の音声認識装置における語彙辞書記憶部および語彙辞書管理部を中心とする要部を示すブロック図である。
【図４】上記の音声認識装置における語彙辞書記憶部および語彙辞書管理部を中心とする要部を示すブロック図である。
【図５】図２における第１の変形例を示すブロック図である。
【図６】図２における第２の変形例を示すブロック図である。
【図７】図２における第３の変形例を示すブロック図である。
【図８】上記の音声認識装置の動作を示すフローチャートである。
【図９】上記の音声認識装置における照合処理の動作を示すフローチャートである。
【図１０】上記の音声認識装置における尺度情報管理部が尺度情報を更新する動作を示すフローチャートである。
【図１１】上記の音声認識装置における抽出基準情報管理部が抽出基準情報を更新する動作を示すフローチャートである。
【図１２】第２の実施形態に係る音声認識装置の構成を示すブロック図である。
【図１３】上記の音声認識装置における語彙辞書記憶部および語彙辞書管理部を中心とする要部を示すブロック図である。
【図１４】上記の音声認識装置における照合処理の動作を示すフローチャートである。
【図１５】上記の音声認識装置における閾値管理部が閾値を更新する動作を示すフローチャートである。
【符号の説明】
【０１２５】
２、５０ 音声認識装置
４ 時刻計測部（測定部）
７ 音声入力部
８ 音声分析部
９ 特徴量記憶部（音声記憶部）
１１ 語彙辞書記憶部（尺度情報記憶部、抽出基準情報記憶部）
１２ 語彙辞書管理部
１２ａ 認識対象語彙抽出部
１２ｂ 尺度情報管理部
１２ｃ 抽出基準情報管理部
１２ｄ 閾値管理部
１３ 照合部
１４ 結果出力部
１５ 監視制御部
１７ 使用頻度管理部
１８ 使用頻度記憶部
２０ 尺度情報
２００ 尺度情報記憶部
２４ 抽出基準情報
２４０ 抽出基準情報記憶部
２７ 閾値
５１ 語彙グループ使用頻度管理部
５２ 語彙グループ使用頻度記憶部
５３ 閾値記憶部
【技術分野】
【０００１】
本発明は、音声認識装置および音声認識プログラムに関し、より詳細には、語彙辞書記憶部に格納されている複数の語彙から認識対象となる認識対象語彙を抽出し、抽出した認識対象語彙を用いて照合処理を行う音声認識装置および音声認識プログラムに関する。
【背景技術】
【０００２】
従来、ユーザからの入力を受け付ける一手段として、音声認識エンジンを利用し、ユーザの発話（音声）を認識してシステムへの入力として受け付ける音声認識装置が知られている。このような音声認識装置は、例えば、音声ポータルやカーナビゲーションシステムをはじめとする情報提供システムなどにおいて、既に実用化されている。
【０００３】
ここで、このような情報提供システムの機能は多様化（多機能化）しており、情報提供システムにて認識対象となる語彙が増加する傾向にある。例えば、音声認識装置がカーナビゲーションシステムに搭載される場合、認識対象となる語彙は、操作などの各機能、全国の地名や施設名などが含まれることになる。このため、認識対象となる語彙は膨大な数となる。膨大な数の語彙を語彙辞書記憶部に格納し、語彙辞書記憶部の中から、ユーザからの発話を的確かつ効率的に認識することは、たいへん難しい。
【０００４】
ところで、多機能化されている情報提供システムにおいて、実用上、ユーザが実際に使用する機能は、全体の機能の中の一部にすぎないことが多い。これに着目し、特許文献１には、語彙辞書記憶部に格納されている使用頻度の低い語彙を自動的に削除する技術が開示されている。具体的には、音声認識装置の消去制御部は、タイマーのカウント期間内に、語彙辞書記憶部に格納されている語彙の認識使用の有無を監視する。そして、消去制御部は、所定時間内に一度も認識使用されなかった語彙を削除する。これにより、語彙辞書記憶部の中から、ユーザからの発話を的確かつ効率的に認識することができるようになる。
【０００５】
また、特許文献２においても、語彙辞書記憶部に格納されている使用頻度の低い語彙を削除する技術が開示されている。特許文献２は、音声認識装置をカーナビゲーションシステムに搭載する構成が開示されている。
【０００６】
しかしながら、上記の特許文献１または特許文献２に開示されている構成では、例えばユーザが、削除した語彙を使用する場合、その削除した語彙を発話しても、その発話した語彙は語彙辞書記憶部から削除されているので、音声認識装置による認識ができないという問題を生じる。
【０００７】
このような問題を解決するため、特許文献３には、語彙辞書記憶部に格納されている使用頻度の低い語彙を削除するとともに、その削除した語彙を再び語彙辞書記憶部に格納する技術が開示されている。具体的には、削除した語彙のリストを表示画面に表示し、ユーザが、削除した語彙の中から語彙辞書記憶部に格納すべき語彙を選択する。そして、選択された語彙を語彙辞書記憶部に再び格納する。これにより、一旦は語彙を削除したが、後からその語彙を認識対象とする必要が生じた場合であっても、容易に、削除した語彙を語彙辞書記憶部に格納することができる。
【特許文献１】実開平５−６１８００号公報（第１図−第２図）
【特許文献２】特開平９−２６７９９号公報（第１図−第４図）
【特許文献３】特開２０００−２５９１８０号公報（第１図−第９図）
【発明の開示】
【発明が解決しようとする課題】
【０００８】
しかしながら、上述の特許文献３に開示された構成であっても、以下のような問題を生じる。
【０００９】
すなわち、特許文献３は、削除した語彙のリストを表示画面に表示し、ユーザが、語彙辞書記憶部に格納すべき語彙を選択する構成である。このため、ユーザは、語彙辞書記憶部に格納すべき語彙を把握する必要があるとともに、表示されたリストから語彙辞書記憶部に格納すべき語彙を選択する必要がある。それゆえ、ユーザが煩わしい操作をする必要があるという問題を生じる。
【００１０】
また、表示されたリストから語彙辞書記憶部に格納すべき語彙を選択する時点で、いわゆるアイズフリー（目を使わない）、ハンズフリー（手を使わない）という音声認識装置の利点が損なわれている。
【００１１】
本発明は、上記の問題点に鑑みてなされたものであり、その目的は、ユーザが煩わしい操作をしなくとも、認識性能が向上する音声認識装置および音声認識プログラムを提供することにある。
【課題を解決するための手段】
【００１２】
上記目的を達成するために本発明における音声認識装置は、受け付けた音声を発話音声データに変換する音声入力部と、前記発話音声データを特徴量に変換する音声分析部と、複数の語彙を予め格納した語彙辞書記憶部と、前記語彙辞書記憶部に格納されている複数の語彙から認識対象となる認識対象語彙を抽出する語彙辞書管理部と、前記音声分析部により変換された前記特徴量を用いて、前記語彙辞書管理部により抽出された前記認識対象語彙との一致度を算出する照合部と、前記照合部による一致度の算出結果から最もスコアの良かった語彙を認識結果として出力する結果出力部とを備えた音声認識装置において、前記語彙辞書記憶部に格納されている複数の語彙のそれぞれについて、前記認識対象語彙を抽出する尺度となる尺度情報を予め格納する尺度情報記憶部と、前記認識対象語彙を抽出する際の前記尺度情報の基準を示す抽出基準情報を予め格納する抽出基準情報記憶部と、所定の状態を監視する監視制御部と、前記監視制御部の監視結果に応じて、前記抽出基準情報記憶部に格納されている前記抽出基準情報を変更する抽出基準情報管理部とを備え、前記抽出基準情報が変更されることにより、前記語彙辞書管理部は、前記語彙辞書記憶部に格納されている複数の語彙から抽出される前記認識対象語彙の数を増減することを特徴とする。
【００１３】
本発明の音声認識装置によれば、語彙辞書管理部は、認識対象語彙を抽出する際の尺度情報の基準を示す抽出基準情報が変更されることにより、語彙辞書記憶部に格納されている複数の語彙から抽出される認識対象語彙の数を増減する。このため、監視制御部の監視結果に応じて、抽出基準情報が変更されると、語彙辞書管理部は、語彙辞書記憶部に格納されている複数の語彙から抽出される認識対象語彙の数を増減する。語彙辞書管理部が認識対象語彙の数を増加した場合、照合部は、増加した認識対象語彙に従って照合処理を行う。それゆえ、音声認識装置の認識対象語彙の数が増加し、発話の自由度が向上する。また、語彙辞書管理部が認識対象語彙の数を減少した場合、照合部は、減少した認識対象語彙に従って照合処理を行う。それゆえ、音声認識装置の認識対象語彙の数が制限され、認識率および認識速度が向上する。この結果、ユーザが煩わしい操作をしなくとも、認識性能が向上する音声認識装置を実現することができる。
【００１４】
上記本発明における音声認識装置においては、前記監視制御部は、ユーザから受け付けた操作の処理状態、ユーザから受け付けた音声の処理状態、および、時刻を計測する測定部からの所定の時刻の経過のうちの少なくとも１つの監視対象を監視し、前記語彙辞書管理部は、変更された前記抽出基準情報に応じて、前記語彙辞書記憶部に格納されている複数の語彙から抽出される前記認識対象語彙の数を増減し、前記照合部は、前記音声分析部により変換された前記特徴量を用いて、増減した前記認識対象語彙との一致度を算出する態様とするのが好ましい。
【００１５】
この態様によれば、監視制御部は、ユーザから受け付けた操作の処理状態、ユーザから受け付けた音声の処理状態、および、時刻を計測する測定部からの所定の時刻の経過のうちの少なくとも１つの監視対象を監視する。語彙辞書管理部は、変更された抽出基準情報に応じて、語彙辞書記憶部に格納されている複数の語彙から抽出される認識対象語彙の数を増減する。語彙辞書管理部が認識対象語彙の数を増加した場合、照合部は、増加した認識対象語彙に従って照合処理を行う。それゆえ、音声認識装置の認識対象語彙の数が増加し、発話の自由度が向上する。また、語彙辞書管理部が認識対象語彙の数を減少した場合、照合部は、減少した認識対象語彙に従って照合処理を行う。それゆえ、音声認識装置の認識対象語彙の数が制限され、認識率および認識速度が向上する。この結果、ユーザが煩わしい操作をしなくとも、認識性能が向上する音声認識装置を実現することができる。
【００１６】
上記本発明における音声認識装置においては、前記監視制御部は、下記（ａ）〜（ｈ）のうちの少なくとも１つの監視対象を監視するとともに、前記監視制御部は、下記（ａ）〜（ｄ）の状態を検出すると、前記抽出基準情報管理部に第１の更新信号を送信し、前記抽出基準情報管理部は、前記第１の更新信号に基づいて、前記語彙辞書記憶部に格納されている複数の語彙から抽出される前記認識対象語彙の数が増加するように、前記抽出基準情報記憶部に格納されている前記抽出基準情報を変更する一方、前記監視制御部は、前記抽出基準情報管理部に第１の更新信号を送信した後、下記（ｅ）〜（ｈ）の状態を検出すると、前記抽出基準情報管理部に第２の更新信号を送信し、前記抽出基準情報管理部は、前記第２の更新信号に基づいて、前記語彙辞書記憶部に格納されている複数の語彙から抽出される前記認識対象語彙の数が減少するように、前記抽出基準情報記憶部に格納されている前記抽出基準情報を変更する態様とするのが好ましい。
（ａ）認識結果が得られない場合
（ｂ）ユーザが直前の操作または発話に対して、修正・訂正的な操作または発話を行った場合
（ｃ）処理の確定操作が必要であるにも関わらず、所定時間経過しても、ユーザが確定操作を行わない場合
（ｄ）操作または発話が所定時間行われない場合
（ｅ）前記照合部が一致度を算出する処理を所定回数行った場合
（ｆ）所定の時刻が経過した場合
（ｇ）処理の確定操作が必要であるとき、所定時間内に、ユーザが確定操作を行った場合
（ｈ）ユーザが直前の操作または発話に対して、修正・訂正的な操作または発話を行わない場合
【００１７】
この態様によれば、監視制御部は、前記（ａ）〜（ｄ）の状態を検出すると、抽出基準情報管理部に第１の更新信号を送信する。抽出基準情報管理部は、第１の更新信号に基づいて、語彙辞書記憶部に格納されている複数の語彙から抽出される認識対象語彙の数が増加するように、抽出基準情報を変更する。このため、語彙辞書管理部は、変更された抽出基準情報に応じて、認識対象語彙の数を増加する。それゆえ、音声認識装置の認識対象語彙の数が増加し、発話の自由度が向上する。また、監視制御部は、抽出基準情報管理部に第１の更新信号を送信した後、前記（ｅ）〜（ｈ）の状態を検出すると、抽出基準情報管理部に第２の更新信号を送信する。抽出基準情報管理部は、第２の更新信号に基づいて、語彙辞書記憶部に格納されている複数の語彙から抽出される認識対象語彙の数が減少するように、抽出基準情報を変更する。このため、語彙辞書管理部は、変更された抽出基準情報に応じて、認識対象語彙の数を減少する。それゆえ、音声認識装置の認識対象語彙の数が制限され、認識率および認識速度が向上する。この結果、ユーザが煩わしい操作をしなくとも、認識性能が向上する音声認識装置を実現することができる。
【００１８】
上記本発明における音声認識装置においては、前記語彙辞書管理部は、前記抽出基準情報記憶部に格納されている前記抽出基準情報に応じて、下記（１）および（２）のいずれか一方の処理を選択的に行う態様とするのが好ましい。
（１）前記語彙辞書管理部は、前記尺度情報に基づいて、前記認識対象語彙を抽出する。
（２）前記語彙辞書管理部は、前記尺度情報に関わらず、前記語彙辞書記憶部に格納されている全ての語彙を前記認識対象語彙として抽出する。
【００１９】
この態様によれば、語彙辞書管理部は、抽出基準情報に応じて、（１）尺度情報に基づいて、認識対象語彙を抽出するのか、または、（２）尺度情報に関わらず、全ての語彙を認識対象語彙として抽出するのか、いずれか一方の処理を選択的に行う。このため、例えばユーザから受け付けた処理の状態に応じて、抽出基準情報が変更される。語彙辞書管理部は、抽出基準情報に応じて、前記（１）または（２）のいずれか一方の処理を選択的に行う。語彙辞書管理部が、前記（１）の処理を行っている場合、照合部は、尺度情報に基づいて抽出された認識対象語彙に従って照合処理を行う。それゆえ、音声認識装置の認識対象語彙の数が制限され、認識率および認識速度が向上する。また、語彙辞書管理部が、前記（２）の処理を行っている場合、照合部は、語彙辞書記憶部に格納されている全ての語彙を認識対象とする認識対象語彙に従って照合処理を行う。それゆえ、音声認識装置の認識対象語彙の数が増加し、発話の自由度が向上する。この結果、ユーザが煩わしい操作をしなくとも、認識性能が向上する音声認識装置を実現することができる。
【００２０】
上記本発明における音声認識装置においては、前記語彙辞書記憶部に格納されている複数の語彙のそれぞれの使用回数を監視して、複数の語彙のそれぞれの使用頻度を算出する使用頻度管理部と、前記使用頻度管理部により算出された前記使用頻度を、前記語彙辞書記憶部に格納されている複数の語彙のそれぞれに対応させて、使用頻度データとして格納する使用頻度記憶部と、少なくとも前記使用頻度記憶部に格納されている前記使用頻度データを用いて、前記尺度情報記憶部に格納されている前記尺度情報を更新する尺度情報管理部とを更に備えている態様とするのが好ましい。
【００２１】
この態様によれば、尺度情報管理部は、少なくとも使用頻度データを用いて尺度情報を更新する。このため、語彙辞書管理部は、例えば尺度情報に基づいて、認識対象語彙を抽出している場合、使用頻度の高い語彙を認識対象語彙として抽出できるとともに、使用頻度の低い語彙を認識対象から除くことができる。それゆえ、音声認識装置の認識率が向上する。この結果、ユーザが煩わしい操作をしなくとも、認識性能が向上する音声認識装置を実現することができる。
【００２２】
上記本発明における音声認識装置においては、前記語彙辞書記憶部に格納されている複数の語彙を複数の語彙グループとして分割するとともに、前記語彙辞書記憶部に格納されている前記語彙グループに属する複数の語彙のそれぞれの前記使用頻度に基づいて、前記語彙グループの使用頻度を算出する語彙グループ使用頻度管理部と、前記語彙グループ使用頻度管理部により算出された前記語彙グループの使用頻度を、前記語彙グループのそれぞれに対応させて、語彙グループの使用頻度データとして格納する語彙グループ使用頻度記憶部と、前記認識対象語彙を抽出する際の前記語彙グループの使用頻度データの基準を示す閾値を格納する閾値記憶部とを更に備え、前記語彙辞書管理部は、前記抽出基準情報記憶部に格納されている前記抽出基準情報に応じて、前記閾値記憶部に格納されている前記閾値および前記語彙グループ使用頻度記憶部に格納されている前記語彙グループの使用頻度データを参照し、下記（３）および（４）のいずれか一方の処理を選択的に行う態様とするのが好ましい。
（３）前記語彙辞書管理部は、前記語彙グループの使用頻度データが前記閾値以上の語彙グループについては、前記尺度情報に関わらず、当該語彙グループに属する全ての語彙を前記認識対象語彙として抽出する。
（４）前記語彙辞書管理部は、前記語彙グループの使用頻度データが前記閾値未満の語彙グループについては、前記尺度情報に基づいて、当該語彙グループに属する語彙から前記認識対象語彙を抽出する。
【００２３】
この態様によれば、語彙辞書管理部は、閾値および語彙グループの使用頻度データを参照して、（３）語彙グループの使用頻度データが閾値以上の語彙グループについては、尺度情報に関わらず、この語彙グループに属する全ての語彙を認識対象語彙として抽出するのか、または、（４）語彙グループの使用頻度データが閾値未満の語彙グループについては、尺度情報に基づいて、この語彙グループに属する語彙から認識対象語彙を抽出するのか、いずれか一方の処理を選択的に行う。このため、語彙辞書管理部は、語彙グループの使用頻度データが閾値以上の語彙グループについて、前記（３）の処理を行っている場合、照合部は、この語彙グループに属する全ての語彙を認識対象とする認識対象語彙に従って照合処理を行う。それゆえ、例えば使用頻度の高い語彙グループに属する全ての語彙を認識対象語彙としているので、それらの語彙グループに関する音声認識装置の認識対象語彙の数が増加し、発話の自由度が向上する。また、語彙辞書管理部は、語彙グループの使用頻度データが閾値未満の語彙グループについて、前記（４）の処理を行っている場合、照合部は、尺度情報に基づいて、語彙グループに属する語彙から抽出された認識対象語彙に従って照合処理を行う。それゆえ、例えば使用頻度の低い語彙グループに属する語彙を尺度情報に基づいて抽出した認識対象語彙としているので、それらの語彙グループに関する音声認識装置の認識対象語彙の数が制限され、認識率および認識速度が向上する。この結果、ユーザが煩わしい操作をしなくとも、認識性能が向上する音声認識装置を実現することができる。
【００２４】
上記本発明における音声認識装置においては、前記監視制御部は、ユーザから受け付けた操作の処理状態、ユーザから受け付けた音声の処理状態、および、時刻を計測する測定部からの所定の時刻の経過のうちの少なくとも１つの監視対象を監視し、前記監視制御部の監視結果に応じて、前記閾値記憶部に格納されている前記閾値を更新する閾値管理部を更に備え、前記語彙辞書管理部は、更新された前記閾値に応じて、前記（３）および前記（４）のいずれか一方の処理を選択的に行う態様とするのが好ましい。この態様によれば、閾値管理部は、監視制御部の監視結果に応じて、閾値を更新する。例えば、認識結果が得られない場合やユーザが操作に行き詰るような場合が生じると、閾値管理部は、閾値が小さくなるように更新する。このため、例えば語彙辞書管理部は、前記（４）の処理を行っている語彙グループについて、前記（３）の処理を行うように変更することができる。それゆえ、音声認識装置の認識対象語彙の数が増加し、発話の自由度が向上する。この結果、ユーザが煩わしい操作をしなくとも、認識性能が向上する音声認識装置を実現することができる。
【００２５】
上記本発明における音声認識装置においては、前記音声入力部により変換された前記発話音声データまたは前記音声分析部により変換された前記特徴量を格納する音声記憶部を更に備え、前記照合部は、前記音声記憶部に格納されている前記発話音声データまたは前記特徴量を用いて、前記語彙辞書管理部が抽出する前記認識対象語彙との一致度を算出する態様とするのが好ましい。この態様によれば、照合部は、音声記憶部に格納されている発話音声データまたは特徴量を用いて照合処理を行う。このため、例えばユーザから受け付けた処理の状態に応じて、語彙辞書管理部が、認識対象語彙の数を増加した場合、照合部は、音声記憶部に格納されている発話音声データまたは特徴量を用いて、増加した認識対象語彙との照合処理を行う。それゆえ、ユーザが再び同じ語彙を発話しなくともよく、ユーザの負担が軽減する。
【００２６】
上記本発明における音声認識装置においては、前記照合部が、前記音声記憶部に格納されている前記発話音声データまたは前記特徴量を用いて、前記語彙辞書管理部が抽出する前記認識対象語彙との一致度を算出する際、前記語彙辞書管理部は、直前に前記認識対象語彙として抽出した語彙を除いて、前記語彙辞書記憶部に格納されている複数の語彙から前記認識対象語彙を抽出する態様とするのが好ましい。この態様によれば、例えば認識結果が得られない状態が生じた後、再び同じ語彙の照合処理を行う際、照合部は、直前に認識対象語彙として抽出した語彙を除いた認識対象語彙を用いて照合処理を行う。それゆえ、音声認識装置の認識速度が向上する。この結果、ユーザが煩わしい操作をしなくとも、認識性能が向上する音声認識装置を実現することができる。
【００２７】
ところで、上記音声認識装置は、ハードウェアで実現してもよいが、コンピュータがプログラムを実行することで実現してもよい。具体的には、上記本発明における音声認識プログラムは、受け付けた音声を発話音声データに変換する音声入力処理と、前記発話音声データを特徴量に変換する音声分析処理と、複数の語彙を予め格納した語彙辞書記憶部から認識対象となる認識対象語彙を抽出する語彙辞書管理処理と、前記音声分析処理により変換された前記特徴量を用いて、前記語彙辞書管理処理により抽出された前記認識対象語彙との一致度を算出する照合処理と、前記照合処理による一致度の算出結果から最もスコアの良かった語彙を認識結果として出力する結果出力処理とをコンピュータに実行させる音声認識プログラムにおいて、前記語彙辞書管理処理は、尺度情報記憶部に予め格納された前記認識対象語彙を抽出する尺度となる尺度情報を参照するとともに、抽出基準情報記憶部に予め格納された前記認識対象語彙を抽出する際の前記尺度情報の基準を示す抽出基準情報を参照する処理をコンピュータに実行させる一方、所定の状態を監視する監視制御処理と、前記監視制御処理の監視結果に応じて、前記抽出基準情報記憶部に格納されている前記抽出基準情報を変更する抽出基準情報管理処理とをコンピュータに実行させ、前記抽出基準情報が変更されることにより、前記語彙辞書管理処理は、前記語彙辞書記憶部に格納されている複数の語彙から抽出される前記認識対象語彙の数を増減する処理をコンピュータに実行させることを特徴とする音声認識プログラムである。
【発明の効果】
【００２８】
以上のように、本発明の音声認識装置および音声認識プログラムは、認識対象語彙を抽出する際の尺度情報の基準を示す抽出基準情報が変更されることにより、語彙辞書記憶部に格納されている複数の語彙から抽出される認識対象語彙を増減することができる。このため、ユーザが煩わしい操作をしなくとも、認識性能を向上することができるという効果を奏する。
【発明を実施するための最良の形態】
【００２９】
以下、本発明のより具体的な実施形態について図面を参照しながら詳細に説明する。
【００３０】
（実施の形態１）
本発明の一実施形態について図１ないし図１１に基づいて説明すると以下の通りである。
【００３１】
すなわち、本実施形態に係る情報提供システム１は、ユーザの発話を認識する音声認識処理を行うものであって、例えば音声対話アプリケーションなどの上位プログラムからユーザの音声が渡され、その認識結果を例えば上位プログラムへ返す機能を有する音声認識装置２と、ユーザの操作を受け付ける操作処理部３と、所定の時刻を計測する時刻計測部４と、インターネットＮと接続する通信処理部５と、統計データを格納する統計データ記憶部６とを備えている。
【００３２】
以下では、音声認識装置２の詳細な構成について説明する前に、情報提供システム１の全体構成について簡単に説明する。
【００３３】
操作処理部３は、ポインティングデバイス、キーボード、タッチパネルなどから入力されるユーザの操作を受け付け、受け付けた操作を操作データに変換する。そして、操作処理部３は、変換した操作データが示す操作内容を実行する。操作データとしては、例えば、システムの電源投入や電源切断を示すデータ、操作の開始を示すデータ、操作の停止を示すデータ、操作の中止を示すデータ、操作の取り消し（リセット）を示すデータ、操作の確定を示すデータなどがある。
【００３４】
時刻計測部（測定部）４は、例えば図示しないＧＰＳ受信機から送られてくる測位信号を解析し、この測位信号に含まれる日付および時刻のデータに基づいて現在の年月日および時刻を検出する。時刻計測部４は、単にカウンタやタイマーなどから構成されていてもよく、特に限定されるものではない。
【００３５】
通信処理部５は、インターネットN上でＷｅｂクライアントとして機能する。通信処理部５は、音声認識装置２からの要求に従って、例えばＨＴＴＰ（Hyper Text Transfer Protocol）で後述する統計データ記憶部６からＨＴＭＬ（Hyper Text Markup Language）形式の統計データを受け取る。受け取った統計データは、音声認識装置２に出力する。なお、通信処理部５は、受け取った統計データを閲覧するブラウザを備えていてもよい。
【００３６】
統計データ記憶部６は、複数の語彙に関する統計データを格納する。統計データ記憶部６は、インターネットN上でＷｅｂサーバとして機能する。統計データは、例えば、性別、年齢、地域などに応じて、複数の語彙の使用頻度を統計的に示したデータである。統計データ記憶部６は、通信処理部５から要求があると、例えば、ＵＲＩ（Universal Resource Identifier）などに基づいて、通信処理部５が要求している統計データを判別し、この統計データを例えばＨＴＭＬ形式で通信処理部５へ送信する。
【００３７】
（音声認識装置の構成）
ここで、本実施形態に係る音声認識装置２は、音声入力部７、音声分析部８、特徴量記憶部９、音響モデル記憶部１０、語彙辞書記憶部１１、語彙辞書管理部１２、照合部１３、結果出力部１４、監視制御部１５、統計データ取得部１６、使用頻度管理部１７、および、使用頻度記憶部１８を備えている。
【００３８】
音声入力部７は、マイクロフォンなどから入力されるユーザの発話（音声）を受け付け、受け付けた音声を発話音声データに変換する。すなわち、音声入力部７は、ユーザの発話を受け付けると、所定の音声区間判定基準を用いて、入力された音声中の音声区間を判定する。そして、判定された音声区間における音声を、発話音声データに変換する。発話音声データは、後述する音声分析部８に出力される。
【００３９】
音声分析部８は、発話音声データを分析して特徴量を算出する。特徴量には、ＭＦＣＣ、ＬＰＣケプストラムやパワー、それらの一次や二次の回帰係数の他、それらの値を主成分分析や判別分析により次元圧縮したものなどの多次元ベクトルが使用されることが多いが、本実施形態では特に限定されるものではない。特徴量は、後述する特徴量記憶部９および照合部１３に出力される。
【００４０】
特徴量記憶部（音声記憶部）９は、特徴量を履歴情報として格納する。すなわち、特徴量記憶部９は、音声分析部８から出力された特徴量を固有の情報とともに格納する。固有の情報は、特徴量の開始時点、終了時点、識別番号などを表す情報である。なお、特徴量記憶部９は、特徴量を格納する代わりに、音声入力部７から出力される発話音声データを格納してもよい。
【００４１】
音響モデル記憶部１０は、どの音素がどういう特徴量になりやすいかという情報を統計的にモデル化したデータを格納する。音響モデルの例として、ＨＭＭ（Hidden Markov Model）などが挙げられる。
【００４２】
語彙辞書記憶部（尺度情報記憶部、抽出基準情報記憶部）１１は、複数の語彙および複数の語彙の情報を予め格納する。語彙の情報としては、例えば、単語（語彙）に固有に付されるＩＤや単語表記などを含むが、他に、単語間の接続規則（文法情報）などの任意の情報を含み得る。また、語彙辞書記憶部１１は、複数の語彙のそれぞれについて、後述する語彙辞書管理部１２が、認識対象となる認識対象語彙を抽出する尺度となる尺度情報を予め格納する。さらに、語彙辞書記憶部１１は、語彙辞書管理部１２が認識対象語彙を抽出する際の尺度情報の基準を示す抽出基準情報を予め格納する。
【００４３】
語彙辞書管理部１２は、語彙辞書記憶部１１に格納されている複数の語彙から認識対象となる認識対象語彙を抽出する。具体的には、語彙辞書管理部１２の認識対象語彙抽出部１２ａ（図２参照）が認識対象語彙を抽出する。また、語彙辞書管理部１２は、後述する監視制御部１５から入力される更新信号（第１の更新信号、第２の更新信号）に基づいて、語彙辞書記憶部１１に格納されている抽出基準情報を変更する。なお、語彙辞書管理部１２が認識対象語彙抽出部１２ａを含んでいる例について説明したが、これに限定されるものではない。例えば、後述する照合部１３が認識対象語彙抽出部を含んでいてもよい。すなわち、照合部１３が認識対象語彙を抽出してもよい。
【００４４】
また、語彙辞書管理部１２は、後述する統計データ取得部１６から入力される統計データ、および、後述する使用頻度記憶部１８に格納されている使用頻度データを用いて、語彙辞書記憶部１１に格納されている尺度情報を更新する。なお、語彙辞書記憶部１１および語彙辞書管理部１２の具体例については後述する。
【００４５】
照合部１３は、音声分析部８から特徴量を受け取ると、この特徴量に基づいて、照合処理を行う。すなわち、照合部１３は、この特徴量と音響モデル記憶部１０とを比較することにより、音声区間に含まれるフレーム（一定時間）毎の音素列を抽出する。照合部１３は、抽出した音素列をもとに、語彙辞書管理部１２により抽出された認識対象語彙に従って、一致度（類似度）を算出する。この一致度を算出する処理は、従来から知られている照合処理用のプログラムを使用して実行するように構成されている。算出された一致度は、後述する結果出力部１４に出力される。なお、照合部１３は、例えば、認識結果が得られないため、後述する監視制御部１５から読出信号を受け取ると、特徴量記憶部９に格納されている特徴量を読み出す態様であることが好ましい。この態様によれば、例えば、認識結果が得られないため、語彙辞書管理部１２が認識対象語彙の数を増加した場合、照合部１３は、特徴量記憶部９に格納されている特徴量を用いて、増加した認識対象語彙との照合処理を行う。それゆえ、ユーザが再び同じ語彙を発話しなくともよく、ユーザの負担が軽減する。
【００４６】
結果出力部１４は、照合部１３で算出された一致度の中から基準値を超える語彙を抽出し、抽出した語彙の中から最もスコアが良い語彙を認識結果として出力する。認識結果は、上位プログラムへ渡されるが、ディスプレイ、スピーカ、プリンタなどの出力装置に出力してもよい。また、認識結果は、図示しないＣＰＵにコマンドとして出力してもよい。
【００４７】
監視制御部１５は、ユーザから受け付けた操作の処理状態、ユーザから受け付けた音声の処理状態、および、時刻計測部４からの所定の時刻の経過のうちの少なくとも１つの監視対象を監視する。このため、監視制御部１５は、上記の操作処理部３、時刻計測部４、音声入力部７、照合部１３、および、結果出力部１４を監視している。監視制御部１５は、監視結果に応じて、語彙辞書管理部１２に第１の更新信号または第２の更新信号を出力する。また、監視制御部１５は、監視結果に応じて、照合部１３に読出信号を出力する。なお、監視制御部１５の具体例については後述する。
【００４８】
統計データ取得部１６は、任意のタイミングで、通信処理部５に統計データの取得を要求する。統計データは、上述のように、例えば、性別、年齢、地域などに応じて、複数の語彙の使用頻度を統計的に示したデータである。統計データ取得部１６は、通信処理部５から入力された統計データを、語彙辞書管理部１２に出力する。なお、統計データ取得部１６は、インターネットNを挟んで統計データを取得しているが、これに限定されるものではない。例えば、CD−ROMなどの記録媒体に格納された統計データを読み込んで取得してもよい。
【００４９】
使用頻度管理部１７は、語彙辞書記憶部１１に格納されている複数の語彙のそれぞれの使用頻度を算出する。本実施形態では、使用頻度管理部１７は、語彙辞書記憶部１１に格納されている複数の語彙のそれぞれの使用回数の監視結果と、後述する使用頻度記憶部１８に格納されている過去の使用頻度データに基づいて、複数の語彙のそれぞれの使用頻度を算出しているが、これに限るものではない。例えば、照合部１３から出力される一致度を利用して使用頻度を算出してもよい。
【００５０】
使用頻度記憶部１８は、使用頻度管理部１７により算出された使用頻度を、使用頻度データとして格納する。使用頻度データは、語彙辞書記憶部１１に格納されている複数の語彙のそれぞれに対応して格納する。
【００５１】
ところで、上記の音声認識装置２は、パーソナルコンピュータなどの任意のコンピュータにプログラムをインストールすることによって実現される。すなわち、上記の音声入力部７、音声分析部８、語彙辞書管理部１２、照合部１３、結果出力部１４、監視制御部１５、統計データ取得部１６、および、使用頻度管理部１７は、コンピュータのＣＰＵがこれらの機能を実現するプログラムに従って動作することによって具現化される。したがって、音声入力部７、音声分析部８、語彙辞書管理部１２、照合部１３、結果出力部１４、監視制御部１５、統計データ取得部１６、および、使用頻度管理部１７の機能を実現するためのプログラムまたはそれを記録した記録媒体も、本発明の一実施形態である。また、特徴量記憶部９、音響モデル記憶部１０、語彙辞書記憶部１１、および、使用頻度記憶部１８は、コンピュータの内蔵記憶装置またはこのコンピュータからアクセス可能な記憶装置によって具現化される。なお、本実施形態は、インターネットＮと接続可能な構成であることから、インターネットNから上記のプログラムをダウンロードするようにしてもよい。
【００５２】
（語彙辞書記憶部の具体例）
次に、音声認識装置２に含まれる語彙辞書記憶部１１および語彙辞書管理部１２の具体例について、図２に基づき説明する。なお、図２に示す語彙辞書記憶部１１に格納されている語彙の例は、音声認識装置２がカーナビゲーションシステムに用いられる場合の例である。
【００５３】
図２に示すように、語彙辞書記憶部１１は、尺度情報２０、単語ＩＤ２１、単語表記２２、および、単語読み２３を格納する。尺度情報２０は、語彙辞書管理部１２が認識対象語彙を抽出する尺度となる情報である。単語ＩＤ２１は、語彙（単語）に固有に付された情報である。単語表記２２は、単語を書き表した情報である。単語読み２３は、単語表記２２におけるその単語の読みに関する情報である。この単語読み２３に対応する図示しない音素系列が照合部１３による照合処理に用いられる語彙となる。すなわち、語彙辞書管理部１２の認識対象語彙抽出部１２ａは、この単語読み２３に対応する音素系列から認識対象となる認識対象語彙を抽出する。なお、単語読み２３は、図２では、ひらがなで格納されているが、これに限定されるものではない。すなわち、単語読み２３は、ひらがなに代えて、かたかなで格納されていてもよいし、上記の音素系列が格納されていてもよい。また、語彙辞書記憶部１１は、認識対象語彙抽出部１２ａが認識対象語彙を抽出する際の尺度情報２０の基準を示す抽出基準情報２４を更に格納する。なお、語彙辞書記憶部１１は、尺度情報２０、単語ＩＤ２１、単語表記２２、および、単語読み２３をテーブル構造で格納しているが、これに限定されるものではない。すなわち、テーブル構造に代えて、ツリー構造、ネットワーク構造、ファイル構造などであってもよい。
【００５４】
ここで、図２に示す例では、尺度情報２０として、１行目Ｒ１には“１”、２行目Ｒ２には“０”、３行目Ｒ３には“０”、・・・Ｎ行目ＲＮには“１”が格納されている。単語ＩＤ２１として、１行目Ｒ１には“００１”、２行目Ｒ２には“００２”、３行目Ｒ３には“００３”、・・・Ｎ行目ＲＮには“ＮＮＮ”が格納されている。単語表記２２として、１行目Ｒ１には“自宅に帰る”、２行目Ｒ２には“家に帰る”、３行目Ｒ３には“ＡＭラジオ”、・・・Ｎ行目ＲＮには“一般道優先”が格納されている。単語読み２３として、１行目Ｒ１には“じたくにかえる”、２行目Ｒ２には“うちにかえる”、３行目Ｒ３には“えーえむらじお”、・・・Ｎ行目ＲＮには“いっぱんどーゆーせん”が格納されている。そして、抽出基準情報２４として“１”が格納されている。
【００５５】
本実施形態では、抽出基準情報２４が“１”のとき、認識対象語彙抽出部１２ａは、尺度情報２０に基づいて、認識対象語彙を抽出する。具体的には、認識対象語彙抽出部１２ａは、尺度情報２０が“１”に対応する語彙を認識対象語彙として抽出する。また、抽出基準情報２４が“０”のとき、認識対象語彙抽出部１２ａは、尺度情報２０に関わらず、語彙辞書記憶部１１に格納されている全ての語彙を認識対象語彙として抽出する。
【００５６】
したがって、図２に示す例では、抽出基準情報２４として“１”が格納されているので、認識対象語彙抽出部１２ａは、尺度情報２０に基づいて、認識対象語彙を抽出する。すなわち、認識対象語彙抽出部１２ａは、尺度情報２０が“１”を示している１行目Ｒ１およびＮ行目ＲＮの語彙を認識対象語彙として抽出する。
【００５７】
ところで、上記では、尺度情報２０および抽出基準情報２４を“１”、“０”の２値のデータで表現する場合の例について説明したが、例えば、図３に示すように、尺度情報２０および抽出基準情報２４を“０”〜“１”までの連続的なデータで表現してもよい。
【００５８】
すなわち、図３に示す例では、尺度情報２０として、１行目Ｒ１には“０．９５”、２行目Ｒ２には“０．３１”、３行目Ｒ３には“０．０４”、・・・Ｎ行目ＲＮには“０．８８”が格納されている。また、抽出基準情報２４として、“０．８０”が格納されている。なお、図３では、尺度情報２０および抽出基準情報２４を小数点２桁で表現しているが、これに限るものではなく、任意の桁数で尺度情報２０および抽出基準情報２４を表現することができる。
【００５９】
本実施形態では、抽出基準情報２４が“０”以外のとき、認識対象語彙抽出部１２ａは、尺度情報２０に基づいて、認識対象語彙を抽出する。具体的には、認識対象語彙抽出部１２ａは、抽出基準情報２４を閾値とし、この抽出基準情報２４より大きい尺度情報２０に対応する語彙を認識対象語彙として抽出する。また、抽出基準情報２４が“０”のとき、認識対象語彙抽出部１２ａは、尺度情報２０に関わらず、語彙辞書記憶部１１に格納されている全ての語彙を認識対象語彙として抽出する。
【００６０】
したがって、図３に示す例では、抽出基準情報２４として“０．８０”が格納されているので、認識対象語彙抽出部１２ａは、尺度情報２０に基づいて、認識対象語彙を抽出する。すなわち、認識対象語彙抽出部１２ａは、抽出基準情報２４“０．８０”より大きい尺度情報２０に対応する語彙を認識対象語彙として抽出する。ここでは、１行目Ｒ１の尺度情報２０“０．９５”およびＮ行目ＲＮの尺度情報“０．８８”が該当するので、１行目Ｒ１およびＮ行目ＲＮの語彙を認識対象語彙として抽出する。
【００６１】
また、図４に示すように、尺度情報２０および抽出基準情報２４をランクで表現してもよい。図４は、尺度情報２０をＡランク、Ｂランク、Ｃランクの３つのランクに分類する例である。例えば、語彙の使用頻度の高い順にＡランク、Ｂランク、Ｃランクとするが、これに限定されるものではない。抽出基準情報２４は、Ａランク、Ｂランク、Ｃランクに加えて、尺度情報２０に関わらず、全ての語彙を対象とするＤランクを格納することができる。なお、抽出基準情報２４として、ＡランクおよびＢランクを対象とするＥランク、ＡランクおよびＣランクを対象とするＦランク、ＢランクおよびＣランクを対象とするＧランクを含んでいてもよい。
【００６２】
ここで、図４に示す例では、尺度情報２０として、１行目Ｒ１にはランクＡ、２行目Ｒ２にはランクＢ、３行目Ｒ３にはランクＣ、・・・Ｎ行目ＲＮにはランクＡが格納されている。また、抽出基準情報２４として、ランクＡが格納されている。
【００６３】
本実施形態では、抽出基準情報２４がＤランク以外のとき、認識対象語彙抽出部１２ａは、尺度情報２０に基づいて、認識対象語彙を抽出する。具体的には、認識対象語彙抽出部１２ａは、抽出基準情報２４と同一のランクの尺度情報２０に対応する語彙を認識対象語彙として抽出する。また、抽出基準情報２４がＤランクのとき、認識対象語彙抽出部１２ａは、尺度情報２０に関わらず、語彙辞書記憶部１１に格納されている全ての語彙を認識対象語彙として抽出する。
【００６４】
したがって、図４に示す例では、抽出基準情報２４としてランクＡが格納されているので、認識対象語彙抽出部１２ａは、尺度情報２０に基づいて、認識対象語彙を抽出する。すなわち、認識対象語彙抽出部１２ａは、抽出基準情報２４のランクＡと同一のランクの尺度情報２０に対応する語彙を認識対象語彙として抽出する。ここでは、１行目Ｒ１の尺度情報２０のランクＡおよびＮ行目ＲＮの尺度情報２０のランクＡが該当するので、１行目Ｒ１およびＮ行目ＲＮの語彙を認識対象語彙として抽出する。
【００６５】
（語彙辞書管理部の具体例）
語彙辞書管理部１２は、認識対象語彙抽出部１２ａ、尺度情報管理部１２ｂ、および、抽出基準情報管理部１２ｃを備えている。
【００６６】
認識対象語彙抽出部１２ａは、上述のように、認識対象語彙を抽出する際の尺度情報２０の基準を示す抽出基準情報２４が変更されることにより、語彙辞書記憶部１１に格納されている複数の語彙から抽出される認識対象語彙の数を増減する。なお、照合部１３が特徴量記憶部９に格納されている特徴量を用いて、認識対象語彙との照合処理を行う際、認識対象語彙抽出部１２ａは、直前に認識対象語彙として抽出した語彙を除いて認識対象語彙を抽出する態様であることが好ましい。この態様によれば、例えば認識結果が得られない状態が生じた後、再び同じ語彙の照合処理を行う際、照合部１３は、直前に認識対象語彙として抽出した語彙を除いた認識対象語彙を用いて照合処理を行うことができる。それゆえ、音声認識装置２の認識速度が向上する。
【００６７】
尺度情報管理部１２ｂは、使用頻度記憶部１８に格納されている使用頻度データおよび統計データ取得部１６から入力される統計データを用いて、尺度情報２０を更新する。尺度情報２０を“１”、“０”の２値のデータで表現する場合、尺度情報管理部１２ｂは、使用頻度の高い語彙に対応する尺度情報２０を“１”に更新するとともに、使用頻度の低い語彙に対応する尺度情報２０を“０”に更新する。例えば、使用頻度データおよび統計データから算出した値が基準値以上であれば、使用頻度が高い語彙であると判定し、尺度情報２０を“１”に更新する。また、使用頻度データおよび統計データから算出した値が基準値未満であれば、使用頻度が低い語彙であると判定し、尺度情報２０を“０”に更新する。また、尺度情報２０を“０”〜“１”までの連続的なデータで表現する場合、尺度情報管理部１２ｂは、使用頻度の高い語彙に対応する尺度情報２０を大きくする（“１”に近づける）とともに、使用頻度の低い語彙に対応する尺度情報２０を小さくする（“０”に近づける）ように更新する。さらに、尺度情報２０をランクで表現する場合、尺度情報管理部１２ｂは、使用頻度の高い語彙に対応する尺度情報２０のランクを上げるとともに、使用頻度の低い語彙に対応する尺度情報２０のランクを下げるように更新する。なお、尺度情報管理部１２ｂが尺度情報２０を更新するタイミングは、使用頻度データが更新されるタイミング、または、統計データが入力されるタイミングで更新されるが、これに限定されるものではなく、任意のタイミングで更新することができる。
【００６８】
抽出基準情報管理部１２ｃは、監視制御部１５から入力される更新信号（第１の更新信号、第２の更新信号）に基づいて、語彙辞書記憶部１１に格納されている抽出基準情報２４を変更する。抽出基準情報２４を“１”、“０”の２値のデータで表現する場合、抽出基準情報管理部１２ｃは、第１の更新信号が入力されると、抽出基準情報２４を“１”に変更する。抽出基準情報管理部１２ｃは、第２の更新信号が入力されると、抽出基準情報２４を“０”に変更する。また、抽出基準情報２４を“０”〜“１”までの連続的なデータで表現する場合、抽出基準情報管理部１２ｃは、第１の更新信号が入力されると、抽出基準情報２４が小さくなる（“０”に近づける）ように変更する。抽出基準情報管理部１２ｃは、第２の更新信号が入力されると、抽出基準情報２４が大きくなる（“１”に近づける）ように変更する。さらに、抽出基準情報２４をランクで表現する場合、抽出基準情報管理部１２ｃは、第１の更新信号が入力されると、抽出基準情報２４のランクを下げる。抽出基準情報管理部１２ｃは、第２の更新信号が入力されると、抽出基準情報２４のランクを上げる。なお、監視制御部１５からの第１の更新信号および第２の更新信号の詳細については後述する。
【００６９】
（格納形式の変形例）
ところで、上記では、尺度情報２０および抽出基準情報２４が語彙辞書記憶部１１に格納されている例について説明したが、これに限るものではない。すなわち、上記では、語彙辞書記憶部１１が、尺度情報２０を格納する尺度情報記憶部および抽出基準情報２４を格納する抽出基準情報記憶部に対応している例を説明したが、例えば、図５ないし図７に示すような構成であってもよい。
【００７０】
まず、図５に示すように、尺度情報記憶部２００および抽出基準情報記憶部２４０が語彙辞書記憶部１１とは分離する態様であってもよい。すなわち、図５に示す例では、尺度情報２０は、尺度情報記憶部２００に格納されている。抽出基準情報２４は、抽出基準情報記憶部２４０に格納されている。なお、尺度情報記憶部２００および抽出基準情報記憶部２４０は、それぞれ異なるハードウェアで構成してもよいし、同一のハードウェアの異なる領域で構成してもよい。
【００７１】
本実施形態では、認識対象語彙抽出部１２ａは、抽出基準情報記憶部２４０から抽出基準情報２４を読み出す（参照する）。抽出基準情報２４が“１”のとき、認識対象語彙抽出部１２ａは、尺度情報記憶部２００から尺度情報２０を読み出す（参照する）。認識対象語彙抽出部１２ａは、尺度情報２０に基づいて、語彙辞書記憶部１１から認識対象語彙を抽出する。また、抽出基準情報２４が“０”のとき、認識対象語彙抽出部１２ａは、尺度情報２０に関わらず、語彙辞書記憶部１１に格納されている全ての語彙を認識対象語彙として抽出する。
【００７２】
また、図６に示すように、尺度情報２０に応じて、語彙辞書記憶部１１を、第１の語彙辞書記憶部１１ａおよび第２の語彙辞書記憶部１１ｂに分離する態様であってもよい。なお、第１の語彙辞書記憶部１１ａおよび第２の語彙辞書記憶部１１ｂは、それぞれ異なるハードウェアで構成してもよいし、同一のハードウェアの異なる領域で構成してもよい。
【００７３】
本実施形態では、認識対象語彙抽出部１２ａは、尺度情報２０を読み出す（参照する）。尺度情報２０が“１”のとき、認識対象語彙抽出部１２ａは、尺度情報２０が“１”に対応する語彙を第１の語彙辞書記憶部１１ａに格納する。尺度情報２０が“０”のとき、認識対象語彙抽出部１２ａは、尺度情報２０が“０”に対応する語彙を第２の語彙辞書記憶部１１ｂに格納する。そして、認識対象語彙抽出部１２ａは、抽出基準情報２４を読み出す（参照する）。抽出基準情報２４が“１”のとき、認識対象語彙抽出部１２ａは、第１の語彙辞書記憶部１１ａに格納されている語彙を認識対象語彙として抽出する。また、抽出基準情報２４が“０”のとき、認識対象語彙抽出部１２ａは、第１の語彙辞書記憶部１１ａおよび第２の語彙辞書記憶部１１ｂに格納されている語彙を認識対象語彙として抽出する。
【００７４】
さらに、図７に示すように、語彙辞書記憶部７を、認識対象となる語彙を格納する第３の語彙辞書記憶部１１ｃおよび全ての語彙を格納する第４の語彙辞書記憶部１１ｄに分離する態様であってもよい。第３の語彙辞書記憶部１１ｃおよび第４の語彙辞書記憶部１１ｄは、それぞれ異なるハードウェアで構成してもよいし、同一のハードウェアの異なる領域で構成してもよい。
【００７５】
本実施形態では、認識対象語彙抽出部１２ａは、尺度情報２０および抽出基準情報２４を読み出す（参照する）。抽出基準情報２４が“１”のとき、認識対象語彙抽出部１２ａは、尺度情報２０が“１”に対応する語彙を第４の語彙辞書記憶部１１ｄから抽出し、抽出した語彙を第３の語彙辞書記憶部１１ａに格納する。抽出基準情報２４が“０”のとき、認識対象語彙抽出部１２ａは、第４の語彙辞書記憶部１１ｄに格納されている全ての語彙を抽出し、抽出した全ての語彙を第３の語彙辞書記憶部１１ｃに格納する。そして、認識対象語彙抽出部１２ａは、第３の語彙辞書記憶部１１ｃに格納されている語彙を認識対象語彙として抽出する。
【００７６】
（監視制御部の具体例）
監視制御部１５は、下記（ａ）〜（ｈ）を監視対象とする。監視制御部１５は、まず、下記（ａ）〜（ｄ）のうちの少なくとも１つの状態を検出すると、語彙辞書管理部１２に第１の更新信号を出力し、照合部１３に読出信号を出力する。
（ａ）認識結果が得られない場合（例えば、照合部１３で算出された一致度が“０”であるため、認識結果が得られない場合、または、照合部１３で算出された一致度が結果出力部１４による基準値を満たしていないため、認識結果が得られない場合）
（ｂ）ユーザが直前の操作または発話に対して、修正・訂正的な操作または発話を行った場合（例えば、ユーザが、操作の停止、操作の中止、操作の取り消し、発話の言い直しをした場合など）
（ｃ）処理の確定操作が必要であるにも関わらず、所定時間経過しても、ユーザが確定操作を行わない場合
（ｄ）操作または発話が所定時間行われない場合
【００７７】
また、監視制御部１５は、語彙辞書管理部１２に第１の更新信号を出力した後、上記（ａ）〜（ｄ）の監視対象に加えて、下記（ｅ）〜（ｈ）の監視対象も監視する。監視制御部１５は、下記（ｅ）〜（ｈ）のうちの少なくとも１つの状態を検出すると、語彙辞書管理部１２に第２の更新信号を出力する。また、監視制御部１５は、再度、上記（ａ）〜（ｄ）のうちの少なくとも１つの状態を検出すると、語彙辞書管理部１２に再度第１の更新信号を出力する。
（ｅ）照合部１３が一致度を算出する処理を所定回数行った場合
（ｆ）所定の時刻が経過した場合
（ｇ）処理の確定操作が必要であるとき、所定時間内に、ユーザが確定操作を行った場合
（ｈ）ユーザが直前の操作または発話に対して、修正・訂正的な操作または発話を行わない場合
【００７８】
なお、監視対象として、上記（ａ）〜（ｈ）には限られず、用途に応じて任意の監視対象を設定できる。
【００７９】
（音声認識装置の動作例）
上記の構成において、音声認識装置２の概略動作について、例えば、図８に基づき説明すると、以下のとおりである。すなわち、図８に示すように、ユーザが音声の入力を開始すると（Ｏｐ１）、入力した音声は音声入力部７に出力される。音声入力部７は、所定の音声区間判定基準を用いて、入力された音声中の音声区間を判定し、判定された音声区間における音声を、発話音声データに変換する（Ｏｐ２）。変換された発話音声データは音声分析部８に出力される。音声分析部８は、入力された発話音声データを分析して特徴量を算出する（Ｏｐ３）。算出された特徴量は、特徴量記憶部９および照合部１３に出力される。照合部１３は、入力された特徴量に基づいて照合処理を行う（Ｏｐ４）。そして、照合処理の結果は、照合部１３から結果出力部１４に出力され、結果出力部１４が認識結果を出力する（Ｏｐ５）。なお、上記の音声認識装置２の概略動作は一例であって、これに限定されるものではない。
【００８０】
次に、図９を参照しながら、図８の照合処理（Ｏｐ４）の動作を詳細に説明する。すなわち、図９に示すように、認識対象語彙抽出部１２ａは、語彙辞書記憶部（抽出基準情報記憶部）１１に格納されている抽出基準情報２０を読み出す（参照する）（Ｏｐ４１）。読み出した抽出基準情報２４が“１”であれば（Ｏｐ４２にてＹＥＳ）、認識対象語彙抽出部１２ａは、語彙辞書記憶部（尺度情報記憶部）１１に格納されている尺度情報２０を読み出し（参照し）、読み出した尺度情報２０に基づいて、認識対象語彙を抽出する（Ｏｐ４３）。一方、読み出した抽出基準情報２４が“０”であれば（Ｏｐ４２にてＮＯ）、認識対象語彙抽出部１２ａは、尺度情報２０に関わらず、語彙辞書記憶部１１に格納されている全ての語彙を認識対象語彙として抽出する（Ｏｐ４４）。そして、照合部１３は、図８のＯｐ３で算出された特徴量を用いて、Ｏｐ４３またはＯｐ４４で抽出した認識対象語彙との一致度を算出する（Ｏｐ４５）。
【００８１】
続いて、図１０を参照しながら、尺度情報管理部１２ｂが尺度情報２０を更新する動作を説明する。なお、尺度情報管理部１２ｂが尺度情報２０を更新するタイミングは、使用頻度データが更新されるタイミング、または、統計データが入力されるタイミングで適宜更新される。したがって、尺度情報管理部１２ｂが尺度情報２０を更新する動作は、図８では、Ｏｐ１〜Ｏｐ５の間のいずれにも入ることになる。
【００８２】
図１０に示すように、尺度情報管理部１２ｂは、使用頻度記憶部１２に格納されている使用頻度データを読み出す（Ｏｐ１１）。例えば、尺度情報管理部１２ｂは、使用頻度記憶部１８に格納されている使用頻度データが更新されるタイミングで、使用頻度記憶部１８から使用頻度データを読み出す。尺度情報管理部１２ｂは、統計データ取得部１６から統計データが入力される（Ｏｐ１２）。そして、尺度情報管理部１２ｂは、使用頻度データおよび統計データを用いて、尺度情報２０を更新する（Ｏｐ１３）。
【００８３】
次に、図１１を参照しながら、抽出基準情報管理部１２ｃが抽出基準情報２４を変更する動作を説明する。なお、抽出基準情報管理部１２ｃが抽出基準情報２４を変更するタイミングは、監視制御部１５から第１の更新信号または第２の更新信号が入力されるタイミングで適宜更新される。したがって、抽出基準情報管理部１２ｃが抽出基準情報２４を変更する動作は、図８では、Ｏｐ１〜Ｏｐ５の間のいずれにも入ることになる。
【００８４】
図１１に示すように、監視制御部１５は、上述の（ａ）〜（ｄ）を監視対象として監視する（Ｏｐ２１）。監視制御部１５は、上述の（ａ）〜（ｄ）のうちの少なくとも１つの状態を検出すると（Ｏｐ２２にてＹＥＳ）、抽出基準情報管理部１２ｃに第１の更新信号を出力する（Ｏｐ２３）。なお、監視制御部１５は、照合部１３に読出信号を出力する。一方、Ｏｐ２２で上述の（ａ）〜（ｄ）のうちの少なくとも１つの状態を検出しなければ（Ｏｐ２２にてＮＯ）、Ｏｐ２１に戻って、監視制御部１５は、上述の（ａ）〜（ｄ）の監視対象を監視する。抽出基準情報管理部１２ｃは、第１の更新信号が入力されると、抽出基準情報を変更する（Ｏｐ２４）。
【００８５】
監視制御部１５は、抽出基準情報管理部１２ｃに第１の更新信号を出力した後、上述の（ａ）〜（ｄ）の監視対象に加えて、上述の（ｅ）〜（ｈ）も監視対象として監視する。すなわち、監視制御部１５は、上述の（ａ）〜（ｈ）を監視対象として監視する（Ｏｐ２５）。監視制御部１５は、上述の（ｅ）〜（ｈ）のうちの少なくとも１つの状態を検出すると（Ｏｐ２６にてＹＥＳ）、抽出基準情報管理部１２ｃに第２の更新信号を出力する（Ｏｐ２７）。一方、Ｏｐ２６で上述の（ｅ）〜（ｈ）のうちの少なくとも１つの状態を検出しなければ（Ｏｐ２６にてＮＯ）、Ｏｐ２５に戻って、監視制御部１５は、上述の（ａ）〜（ｈ）の監視対象を監視する。抽出基準情報管理部１２ｃは、第２の更新信号が入力されると、抽出基準情報を変更する（Ｏｐ２８）。なお、図示は省略するが、Ｏｐ２５で上述の（ａ）〜（ｄ）のうちの少なくとも１つの状態を検出すると、Ｏｐ２３に戻って、監視制御部１５は、再度、抽出基準情報管理部１２ｃに第１の更新信号を出力する。
【００８６】
以上に述べたように、本実施形態における音声認識装置２においては、認識対象語彙抽出部１２ａは、認識対象語彙を抽出する際の尺度情報２０の基準を示す抽出基準情報２４が変更されることにより、語彙辞書記憶部１１に格納されている複数の語彙から抽出される認識対象語彙の数を増減する。このため、例えばユーザから受け付けた処理の状態に応じて、抽出基準情報２４が変更される。認識対象語彙抽出部１２ａは、語彙辞書記憶部１１に格納されている複数の語彙から抽出される認識対象語彙の数を増減する。認識対象語彙抽出部１２ａが認識対象語彙の数を増加した場合、照合部１３は、増加した認識対象語彙に従って照合処理を行う。それゆえ、音声認識装置２の認識対象語彙の数が増加し、発話の自由度が向上する。また、認識対象語彙抽出部１２ａが認識対象語彙の数を減少した場合、照合部１３は、減少した認識対象語彙に従って照合処理を行う。それゆえ、音声認識装置２の認識対象語彙の数が制限され、認識率および認識速度が向上する。この結果、ユーザが煩わしい操作をしなくとも、認識性能が向上する音声認識装置２を実現することができる。
【００８７】
なお、本実施形態では、統計データ取得部からの要求に対して、通信処理部がインターネットを挟んで統計データ記憶部から統計データを取得する例について説明したが、これに限るものではない。すなわち、統計データ記憶部を例えばＤＶＤ、ＭＯ、ＣＤ、フレキシブルディスク、磁気テープなどの記憶装置で形成し、統計データ取得部は、この記憶装置から直接的あるいは間接的に統計データを読み出してもよい。要するに、統計データ取得部は、統計データを取得できる態様であれば、いかなる態様であってもよい。
【００８８】
また、本実施形態では、尺度情報および抽出基準情報の格納形式を、図２〜図７を例として説明したが、これに限るものではない。すなわち、語彙辞書管理部が、尺度情報および抽出基準情報を読み出し、読み出した尺度情報および抽出基準情報に基づいて認識対象語彙を抽出できれば、いかなる格納形式であってもよい。
【００８９】
さらに、本実施形態では、尺度情報管理部が尺度情報を更新し、抽出基準情報管理部が抽出基準情報を更新する例について説明したが、これに限るものではない。すなわち、音声認識装置の初期設定時にあっては、システム管理者が尺度情報および抽出基準情報を設定してもよい。また、音声認識装置の稼動時であっても、システム管理者またはユーザが、尺度情報を更新し、抽出基準情報を変更してもよい。
【００９０】
（実施の形態２）
実施の形態１では、語彙辞書記憶部１１に格納されている複数の語彙から認識対象語彙を抽出する例について説明した。これに対して、実施の形態２では、語彙辞書記憶部１１に格納されている複数の語彙を複数の語彙グループに分割し、分割した語彙グループ毎に、認識対象語彙を抽出する例について図１２ないし図１５に基づき以下に説明する。なお、第１の実施形態において説明した構成と同様の機能を有する構成については、第１の実施形態と同じ参照符号を付記し、その詳細な説明を省略する。
【００９１】
図１２に示すように、本実施形態に係る情報提供システム３０における音声認識装置５０は、語彙グループ使用頻度管理部５１、語彙グループ使用頻度記憶部５２、および、閾値記憶部５３を更に備えている。
【００９２】
語彙グループ使用頻度管理部５１は、語彙辞書記憶部１１に格納されている複数の語彙を複数の語彙グループとして分割する。例えば、共通の機能（役割）を有する語彙を纏めて語彙グループを形成する。そして、語彙グループ使用頻度管理部５１は、使用頻度管理部１７から語彙グループに属する複数の語彙のそれぞれの使用頻度を取得し、取得した使用頻度から語彙グループの使用頻度を算出する。なお、図示は省略するが、語彙グループ使用頻度管理部５１は、使用頻度記憶部１８に格納されている使用頻度データを直接参照して、語彙グループに属する複数の語彙のそれぞれの使用頻度を取得し、取得した使用頻度から語彙グループの使用頻度を算出してもよい。
【００９３】
語彙グループ使用頻度記憶部５２は、語彙グループ使用頻度管理部５１により算出された語彙グループの使用頻度を、語彙グループの使用頻度データとして格納する。語彙グループの使用頻度データは、複数の語彙グループのそれぞれに対応して格納されている。
【００９４】
閾値記憶部５３は、認識対象語彙を抽出する際の語彙グループの使用頻度データの基準を示す閾値を格納する。閾値は、語彙辞書管理部１２により参照される。なお、閾値記憶部５３の具体例については後述する。
【００９５】
ところで、語彙グループ使用頻度管理部５１は、パーソナルコンピュータ等の任意のコンピュータにプログラムをインストールすることによって実現される。なお、語彙グループ使用頻度管理部５１の機能をコンピュータで実現するためのプログラムまたはそれを記録した記録媒体も、本発明の一実施形態である。また、語彙グループ使用頻度記憶部５２、および、閾値記憶部５３は、コンピュータの内蔵記憶装置またはこのコンピュータからアクセス可能な記憶装置によって具現化される。なお、本実施形態は、インターネットNと接続可能な構成であることから、インターネットNから上記のプログラムをダウンロードするようにしてもよい。
【００９６】
（語彙グループ使用頻度記憶部および閾値記憶部の具体例）
次に、音声認識装置５０に含まれる語彙グループ使用頻度記憶部５２および閾値記憶部５３の具体例について、図１３に基づき説明する。なお、図１３に示す語彙辞書記憶部１１に格納されている語彙の例は、音声認識装置５０がカーナビゲーションシステムに用いられる場合の例である。
【００９７】
図１３に示すように、語彙グループ使用頻度記憶部５２は、単語ＩＤ２１、語彙グループ２５、および、語彙グループの使用頻度データ２６を格納する。語彙グループ２５は、語彙辞書記憶部１１に格納されている複数の語彙を複数の語彙グループとして分割したものである。具体的には、語彙グループ２５は、共通の機能（役割）を有する語彙を纏めて形成している。語彙グループの使用頻度データ２６は、語彙グループ２５の使用頻度を示すデータである。
【００９８】
閾値記憶部５３は、認識対象語彙を抽出する際の語彙グループの使用頻度データ２６の基準を示す閾値２７を格納する。具体的には、認識対象語彙抽出部１２ａは、語彙グループの使用頻度データ２６が閾値２７以上の語彙グループ２５については、尺度情報２０に関わらず、この語彙グループ２５に属する全ての語彙を認識対象語彙として抽出する。また、認識対象語彙抽出部１２ａは、語彙グループの使用頻度データ２６が閾値２７未満の語彙グループ２５については、尺度情報２０に基づいて、この語彙グループ２５に属する語彙から認識対象語彙を抽出する。具体的には、認識対象語彙抽出部１２ａは、語彙グループ２５に属する語彙から尺度情報２０が“１”に対応する語彙を認識対象語彙として抽出する。
【００９９】
語彙辞書管理部１２は、認識対象語彙抽出部１２ａ、尺度情報管理部１２ｂ、および、抽出基準情報管理部１２ｃに加えて、閾値管理部１２ｄを備えている。閾値管理部１２ｄは、閾値記憶部５３に格納されている閾値２７を更新する。具体的には、閾値管理部１２ｄは、監視制御部１５から第１の監視信号が入力されると、閾値２７が小さくなるように更新する。例えば、認識結果が得られない状況が繰り返し続いた場合、監視制御部１５は、閾値管理部１２ｄに、第１の更新信号を繰り返し出力する。閾値管理部１２ｄは、第１の更新信号が入力される度に、閾値２７を徐々に小さくしていく。また、閾値管理部１２ｄは、監視制御部１５から第２の更新信号が入力されると、閾値２７が大きくなるように更新する。
【０１００】
ここで、図１３に示す例では、単語ＩＤ２１“００１”に対応する単語表記２２“自宅に帰る”と、単語ＩＤ“００２”に対応する単語表記２２“家に帰る”とは、両者とも目的となる場所を操作する機能として同一であることから、これらを纏めて語彙グループ２５“目的地セット”としている。同様に、オーディオを操作する機能として共通している語彙を纏めて“オーディオ設定”、探索条件を操作する機能として共通している語彙を纏めて“探索条件設定”としている。また、語彙グループ２５“目的地セット”に対応して語彙グループの使用頻度データ２６“０．８５”が格納されている。語彙グループ２５“オーディオ設定”に対応して語彙グループの使用頻度データ２６“０．５０”が格納されている。語彙グループ２５“探索条件設定”に対応して語彙グループの使用頻度データ２６“０．２４”が格納されている。そして、閾値２７として “０．８０”が格納されている。
【０１０１】
したがって、認識対象語彙抽出部１２ａは、閾値２７“０．８０”より大きい語彙グループの使用頻度データ２６を抽出する。ここでは、語彙グループ２５“目的地セット”に対応する語彙グループの使用頻度データ“０．８５”が対応している。このため、認識対象語彙抽出部１２ａは、尺度情報２０に関わらず、語彙グループ２５“目的地セット”に属する全ての語彙を認識対象語彙として抽出する。また、認識対象語彙抽出部１２ａは、閾値２７“０．８０”より小さい語彙グループの使用頻度データ２６を抽出する。ここでは、語彙グループ２５“オーディオ設定”に対応する語彙グループの使用頻度データ“０．５０”と、語彙グループ２５“探索条件設定”に対応する語彙グループの使用頻度データ“０．２４”とが対応している。このため、認識対象語彙抽出部１２ａは、尺度情報２０に基づいて、語彙グループ２５“オーディオ設定”、“探索条件設定”に属する語彙から認識対象語彙を抽出する。具体的には、認識対象語彙抽出部１２ａは、語彙グループ２５に属する語彙から尺度情報２０が“１”に対応する語彙を認識対象語彙として抽出する。
【０１０２】
（音声認識装置の動作例）
上記の構成において、図１４を参照しながら、本実施形態の音声認識装置５０の照合処理の動作を詳細に説明する。すなわち、図１４に示すように、認識対象語彙抽出部１２ａは、閾値記憶部５３に格納されている閾値２７を読み出す（参照する）（Ｏｐ４１１）。認識対象語彙抽出部１２ａは、抽出基準情報２４に応じて、閾値２７を読み出す。本実施形態では、抽出基準情報２４が“０”のとき、認識対象語彙抽出部１２ａは、閾値２７を読み出す。次に、認識対象語彙抽出部１２ａは、語彙グループ使用頻度記憶部５２に格納されている語彙グループの使用頻度データ２６を読み出す（Ｏｐ４１２）。そして、語彙グループの使用頻度データ２６が閾値２７以上の場合（Ｏｐ４１３にてＹＥＳ）、認識対象語彙抽出部１２ａは、尺度情報２０に関わらず、語彙グループ２５に属する全ての語彙を認識対象語彙として抽出する（Ｏｐ４１４）。一方、Ｏｐ４１３で語彙グループの使用頻度データ２６が閾値２７未満の場合（Ｏｐ４１３にてＮＯ）、認識対象語彙抽出部１２ａは、尺度情報２０に基づいて、語彙グループ２５に属する語彙から認識対象語彙を抽出する（Ｏｐ４１５）。そして、認識対象語彙の抽出が、全ての語彙グループ２５について終了した場合（Ｏｐ４１６にてＹＥＳ）、照合部１３は、算出された特徴量を用いて、Ｏｐ４１４またはＯｐ４１５で抽出した認識対象語彙との一致度を算出する（Ｏｐ４１７）。一方、Ｏｐ４１６で認識対象語彙の抽出が、全ての語彙グループ２５について終了していない場合（Ｏｐ４１６にてＮｏ）、Ｏｐ４１２に戻って、認識対象語彙抽出部１２ａは、次に認識対象語彙を抽出すべき語彙グループの使用頻度データ２６を読み出す。
【０１０３】
次に、図１５を参照しながら、閾値管理部１２ｄが閾値２７を更新する動作を説明する。なお、閾値管理部１２ｄが閾値２７を更新するタイミングは、監視制御部１５から第１の更新信号または第２の更新信号が入力されるタイミングで適宜更新される。
【０１０４】
図１５に示すように、監視制御部１５は、上述の（ａ）〜（ｄ）を監視対象として監視する（Ｏｐ３１）。監視制御部１５は、上述の（ａ）〜（ｄ）のうちの少なくとも１つの状態を検出すると（Ｏｐ３２にてＹＥＳ）、閾値管理部１２ｄに第１の更新信号を出力する（Ｏｐ３３）。一方、Ｏｐ３２で上述の（ａ）〜（ｄ）のうちの少なくとも１つの状態を検出しなければ（Ｏｐ３２にてＮＯ）、Ｏｐ３１に戻って、監視制御部１５は、上述の（ａ）〜（ｄ）の監視対象を監視する。閾値管理部１２ｄは、第１の更新信号が入力されると、閾値２７を更新する（Ｏｐ３４）。例えば、閾値管理部１２ｄは、閾値２７が小さくなるように更新する。
【０１０５】
そして、監視制御部１５は、閾値管理部１２ｄに第１の更新信号を出力した後、上述の（ａ）〜（ｄ）の監視対象に加えて、上述の（ｅ）〜（ｈ）も監視対象として監視する。すなわち、監視制御部１５は、上述の（ａ）〜（ｈ）を監視対象として監視する（Ｏｐ３５）。監視制御部１５は、上述の（ｅ）〜（ｈ）のうちの少なくとも１つの状態を検出すると（Ｏｐ３６にてＹＥＳ）、閾値管理部１２ｄに第２の更新信号を出力する（Ｏｐ３７）。一方、Ｏｐ３６で上述の（ｅ）〜（ｈ）のうちの少なくとも１つの状態を検出しなければ（Ｏｐ３６にてＮＯ）、Ｏｐ３５に戻って、監視制御部１５は、上述の（ａ）〜（ｈ）の監視対象を監視する。閾値管理部１２ｄは、第２の更新信号が入力されると、閾値２７を更新する（Ｏｐ３８）。例えば、閾値管理部１２ｄは、閾値２７が大きくなるように更新する。なお、図示は省略するが、Ｏｐ３６で上述の（ａ）〜（ｄ）のうちの少なくとも１つの状態を検出すると、Ｏｐ３３に戻って、監視制御部１５は、再度、閾値管理部１２ｄに第１の更新信号を出力する。そして、閾値管理部１２ｄは、閾値２７が更に小さくなるように更新する。
【０１０６】
以上に述べたように、本実施形態における音声認識装置５０においては、認識対象語彙抽出部１２ａは、閾値２７および語彙グループの使用頻度データ２６を参照して、語彙グループの使用頻度データ２６が閾値２７より大きい語彙グループ２５については、尺度情報２０に関わらず、この語彙グループ２５に属する全ての語彙を認識対象語彙として抽出するのか、語彙グループの使用頻度データ２６が閾値２７より小さい語彙グループ２５については、尺度情報２０に基づいて、この語彙グループ２５に属する語彙から認識対象語彙を抽出するのか、いずれか一方の処理を選択的に行う。このため、認識対象語彙抽出部１２ａは、語彙グループの使用頻度データ２６が閾値２７より大きい語彙グループ２５について、照合部１３は、この語彙グループ２５に属する全ての語彙を認識対象とする認識対象語彙に従って照合処理を行う。それゆえ、例えば使用頻度の高い語彙グループ２５に属する全ての語彙を認識対象語彙としているので、これらの語彙グループ２５に関する音声認識装置５０の認識対象語彙の数が増加し、発話の自由度が向上する。また、認識対象語彙抽出部１２ａは、語彙グループの使用頻度データ２６が閾値２７より小さい語彙グループ２５について、照合部１３は、尺度情報２０に基づいて、語彙グループ２５に属する語彙から抽出された認識対象語彙に従って照合処理を行う。それゆえ、例えば使用頻度の低い語彙グループ２５に属する語彙を尺度情報２０に基づいて抽出した認識対象語彙としているので、これらの語彙グループ２５に関する音声認識装置５０の認識対象語彙の数が制限され、認識率および認識速度が向上する。この結果、ユーザが煩わしい操作をしなくとも、認識性能が向上する音声認識装置５０を実現することができる。
【０１０７】
なお、本実施形態では、閾値管理部が閾値を更新する例について説明したが、これに限るものではない。すなわち、音声認識装置の初期設定時にあっては、システム管理者が閾値を設定してもよい。また、音声認識装置の稼動時であっても、システム管理者またはユーザが、閾値を更新してもよい。
【０１０８】
すなわち、本発明は上述した実施形態１および実施形態２に限定されるものではなく、請求項に示した範囲で種々の変更が可能である。すなわち、請求項に示した範囲で適宜変更した技術的手段を組み合わせて得られる実施形態についても本発明の技術的範囲に含まれる。
【０１０９】
以上の実施の形態に関し、更に以下の付記を開示する。
【０１１０】
（付記１）
受け付けた音声を発話音声データに変換する音声入力部と、
前記発話音声データを特徴量に変換する音声分析部と、
複数の語彙を予め格納した語彙辞書記憶部と、
前記語彙辞書記憶部に格納されている複数の語彙から認識対象となる認識対象語彙を抽出する語彙辞書管理部と、
前記音声分析部により変換された前記特徴量を用いて、前記語彙辞書管理部により抽出された前記認識対象語彙との一致度を算出する照合部と、
前記照合部による一致度の算出結果から最もスコアの良かった語彙を認識結果として出力する結果出力部とを備えた音声認識装置において、
前記語彙辞書記憶部に格納されている複数の語彙のそれぞれについて、前記認識対象語彙を抽出する尺度となる尺度情報を予め格納する尺度情報記憶部と、
前記認識対象語彙を抽出する際の前記尺度情報の基準を示す抽出基準情報を予め格納する抽出基準情報記憶部と、
所定の状態を監視する監視制御部と、
前記監視制御部の監視結果に応じて、前記抽出基準情報記憶部に格納されている前記抽出基準情報を変更する抽出基準情報管理部とを備え、
前記抽出基準情報が変更されることにより、前記語彙辞書管理部は、前記語彙辞書記憶部に格納されている複数の語彙から抽出される前記認識対象語彙の数を増減することを特徴とする音声認識装置（１）。
【０１１１】
（付記２）
前記監視制御部は、ユーザから受け付けた操作の処理状態、ユーザから受け付けた音声の処理状態、および、時刻を計測する測定部からの所定の時刻の経過のうちの少なくとも１つの監視対象を監視し、
前記語彙辞書管理部は、変更された前記抽出基準情報に応じて、前記語彙辞書記憶部に格納されている複数の語彙から抽出される前記認識対象語彙の数を増減し、
前記照合部は、前記音声分析部により変換された前記特徴量を用いて、増減した前記認識対象語彙との一致度を算出する付記１に記載の音声認識装置（２）。
【０１１２】
（付記３）
前記監視制御部は、下記（ａ）〜（ｈ）のうちの少なくとも１つの監視対象を監視するとともに、
前記監視制御部は、下記（ａ）〜（ｄ）の状態を検出すると、前記抽出基準情報管理部に第１の更新信号を送信し、前記抽出基準情報管理部は、前記第１の更新信号に基づいて、前記語彙辞書記憶部に格納されている複数の語彙から抽出される前記認識対象語彙の数が増加するように、前記抽出基準情報記憶部に格納されている前記抽出基準情報を変更する一方、
前記監視制御部は、前記抽出基準情報管理部に第１の更新信号を送信した後、下記（ｅ）〜（ｈ）の状態を検出すると、前記抽出基準情報管理部に第２の更新信号を送信し、前記抽出基準情報管理部は、前記第２の更新信号に基づいて、前記語彙辞書記憶部に格納されている複数の語彙から抽出される前記認識対象語彙の数が減少するように、前記抽出基準情報記憶部に格納されている前記抽出基準情報を変更する付記２に記載の音声認識装置（３）。
（ａ）認識結果が得られない場合
（ｂ）ユーザが直前の操作または発話に対して、修正・訂正的な操作または発話を行った場合
（ｃ）処理の確定操作が必要であるにも関わらず、所定時間経過しても、ユーザが確定操作を行わない場合
（ｄ）操作または発話が所定時間行われない場合
（ｅ）前記照合部が一致度を算出する処理を所定回数行った場合
（ｆ）所定の時刻が経過した場合
（ｇ）処理の確定操作が必要であるとき、所定時間内に、ユーザが確定操作を行った場合
（ｈ）ユーザが直前の操作または発話に対して、修正・訂正的な操作または発話を行わない場合
【０１１３】
（付記４）
前記語彙辞書管理部は、前記抽出基準情報記憶部に格納されている前記抽出基準情報に応じて、下記（１）および（２）のいずれか一方の処理を選択的に行う付記２または３に記載の音声認識装置（４）。
（１）前記語彙辞書管理部は、前記尺度情報に基づいて、前記認識対象語彙を抽出する。
（２）前記語彙辞書管理部は、前記尺度情報に関わらず、前記語彙辞書記憶部に格納されている全ての語彙を前記認識対象語彙として抽出する。
【０１１４】
（付記５）
前記語彙辞書記憶部に格納されている複数の語彙のそれぞれの使用回数を監視して、複数の語彙のそれぞれの使用頻度を算出する使用頻度管理部と、
前記使用頻度管理部により算出された前記使用頻度を、前記語彙辞書記憶部に格納されている複数の語彙のそれぞれに対応させて、使用頻度データとして格納する使用頻度記憶部と、
少なくとも前記使用頻度記憶部に格納されている前記使用頻度データを用いて、前記尺度情報記憶部に格納されている前記尺度情報を更新する尺度情報管理部とを更に備えている付記１〜４のいずれか一項に記載の音声認識装置（５）。
【０１１５】
（付記６）
前記語彙辞書記憶部に格納されている複数の語彙を複数の語彙グループとして分割するとともに、前記語彙辞書記憶部に格納されている前記語彙グループに属する複数の語彙のそれぞれの前記使用頻度に基づいて、前記語彙グループの使用頻度を算出する語彙グループ使用頻度管理部と、
前記語彙グループ使用頻度管理部により算出された前記語彙グループの使用頻度を、前記語彙グループのそれぞれに対応させて、語彙グループの使用頻度データとして格納する語彙グループ使用頻度記憶部と、
前記認識対象語彙を抽出する際の前記語彙グループの使用頻度データの基準を示す閾値を格納する閾値記憶部とを更に備え、
前記語彙辞書管理部は、前記抽出基準情報記憶部に格納されている前記抽出基準情報に応じて、前記閾値記憶部に格納されている前記閾値および前記語彙グループ使用頻度記憶部に格納されている前記語彙グループの使用頻度データを参照し、下記（３）および（４）のいずれか一方の処理を選択的に行う付記５に記載の音声認識装置（６）。
（３）前記語彙辞書管理部は、前記語彙グループの使用頻度データが前記閾値より大きい語彙グループについては、前記尺度情報に関わらず、当該語彙グループに属する全ての語彙を前記認識対象語彙として抽出する。
（４）前記語彙辞書管理部は、前記語彙グループの使用頻度データが前記閾値より小さい語彙グループについては、前記尺度情報に基づいて、当該語彙グループに属する語彙から前記認識対象語彙を抽出する。
【０１１６】
（付記７）
前記監視制御部は、ユーザから受け付けた操作の処理状態、ユーザから受け付けた音声の処理状態、および、時刻を計測する測定部からの所定の時刻の経過のうちの少なくとも１つの監視対象を監視し、
前記監視制御部の監視結果に応じて、前記閾値記憶部に格納されている前記閾値を更新する閾値管理部を更に備え、
前記語彙辞書管理部は、更新された前記閾値に応じて、前記（３）および前記（４）のいずれか一方の処理を選択的に行う付記６に記載の音声認識装置（７）。
【０１１７】
（付記８）
前記音声入力部により変換された前記発話音声データまたは前記音声分析部により変換された前記特徴量を格納する音声記憶部を更に備え、
前記照合部は、前記音声記憶部に格納されている前記発話音声データまたは前記特徴量を用いて、前記語彙辞書管理部が抽出する前記認識対象語彙との一致度を算出する付記１〜７いずれか一項に記載の音声認識装置（８）。
【０１１８】
（付記９）
前記照合部が、前記音声記憶部に格納されている前記発話音声データまたは前記特徴量を用いて、前記語彙辞書管理部が抽出する前記認識対象語彙との一致度を算出する際、前記語彙辞書管理部は、直前に前記認識対象語彙として抽出した語彙を除いて、前記語彙辞書記憶部に格納されている複数の語彙から前記認識対象語彙を抽出する付記８に記載の音声認識装置（９）。
【０１１９】
（付記１０）
受け付けた音声を発話音声データに変換する音声入力処理と、
前記発話音声データを特徴量に変換する音声分析処理と、
複数の語彙を予め格納した語彙辞書記憶部から認識対象となる認識対象語彙を抽出する語彙辞書管理処理と、
前記音声分析処理により変換された前記特徴量を用いて、前記語彙辞書管理処理により抽出された前記認識対象語彙との一致度を算出する照合処理と、
前記照合処理による一致度の算出結果から最もスコアの良かった語彙を認識結果として出力する結果出力処理とをコンピュータに実行させる音声認識プログラムにおいて、
前記語彙辞書管理処理は、尺度情報記憶部に予め格納された前記認識対象語彙を抽出する尺度となる尺度情報を参照するとともに、抽出基準情報記憶部に予め格納された前記認識対象語彙を抽出する際の前記尺度情報の基準を示す抽出基準情報を参照する処理をコンピュータに実行させる一方、
所定の状態を監視する監視制御処理と、
前記監視制御処理の監視結果に応じて、前記抽出基準情報記憶部に格納されている前記抽出基準情報を変更する抽出基準情報管理処理とをコンピュータに実行させ、
前記抽出基準情報が変更されることにより、前記語彙辞書管理処理は、前記語彙辞書記憶部に格納されている複数の語彙から抽出される前記認識対象語彙の数を増減する処理をコンピュータに実行させることを特徴とする音声認識プログラム（１０）。
【０１２０】
（付記１１）
複数の語彙に関する統計データを格納した統計データ記憶装置から前記統計データを取得する統計データ取得部を更に備え、
前記尺度情報管理部は、前記使用頻度記憶部に格納されている前記使用頻度データおよび前記統計データ取得部が取得した前記統計データを用いて、前記尺度情報記憶部に格納されている前記尺度情報を更新する付記５に記載の音声認識装置。
【０１２１】
（付記１２）
前記監視制御部は、下記（ａ）〜（ｈ）のうちの少なくとも１つの監視対象を監視するとともに、
前記監視制御部は、下記（ａ）〜（ｄ）の状態を検出すると、前記閾値管理部に第１の更新信号を送信し、前記閾値管理部は、前記第１の更新信号に基づいて、前記閾値記憶部に格納されている前記閾値が小さくなるように更新する一方、
前記監視制御部は、前記閾値管理部に第１の更新信号を送信した後、下記（ｅ）〜（ｈ）の状態を検出すると、前記閾値管理部に第２の更新信号を送信し、前記閾値管理部は、前記第２の更新信号に基づいて、前記閾値記憶部に格納されている前記閾値が大きくなるように更新する付記７に記載の音声認識装置。
（ａ）認識結果が得られない場合
（ｂ）ユーザが直前の操作または発話に対して、修正・訂正的な操作または発話を行った場合
（ｃ）処理の確定操作が必要であるにも関わらず、所定時間経過しても、ユーザが確定操作を行わない場合
（ｄ）操作または発話が所定時間行われない場合
（ｅ）前記照合部が一致度を算出する処理を所定回数行った場合
（ｆ）所定の時刻が経過した場合
（ｇ）処理の確定操作が必要であるとき、所定時間内に、ユーザが確定操作を行った場合
（ｈ）ユーザが直前の操作または発話に対して、修正・訂正的な操作または発話を行わない場合
【０１２２】
（付記１３）
付記１０に記載の音声認識プログラムを記録したコンピュータ読み取り可能な記録媒体。
【産業上の利用可能性】
【０１２３】
以上のように、本発明は、ユーザが煩わしい操作をしなくとも、認識性能が向上する音声認識装置および音声認識プログラムとして有用である。
【図面の簡単な説明】
【０１２４】
【図１】本発明の第１の実施形態に係る音声認識装置の構成を示すブロック図である。
【図２】上記の音声認識装置における語彙辞書記憶部および語彙辞書管理部を中心とする要部を示すブロック図である。
【図３】上記の音声認識装置における語彙辞書記憶部および語彙辞書管理部を中心とする要部を示すブロック図である。
【図４】上記の音声認識装置における語彙辞書記憶部および語彙辞書管理部を中心とする要部を示すブロック図である。
【図５】図２における第１の変形例を示すブロック図である。
【図６】図２における第２の変形例を示すブロック図である。
【図７】図２における第３の変形例を示すブロック図である。
【図８】上記の音声認識装置の動作を示すフローチャートである。
【図９】上記の音声認識装置における照合処理の動作を示すフローチャートである。
【図１０】上記の音声認識装置における尺度情報管理部が尺度情報を更新する動作を示すフローチャートである。
【図１１】上記の音声認識装置における抽出基準情報管理部が抽出基準情報を更新する動作を示すフローチャートである。
【図１２】第２の実施形態に係る音声認識装置の構成を示すブロック図である。
【図１３】上記の音声認識装置における語彙辞書記憶部および語彙辞書管理部を中心とする要部を示すブロック図である。
【図１４】上記の音声認識装置における照合処理の動作を示すフローチャートである。
【図１５】上記の音声認識装置における閾値管理部が閾値を更新する動作を示すフローチャートである。
【符号の説明】
【０１２５】
２、５０ 音声認識装置
４ 時刻計測部（測定部）
７ 音声入力部
８ 音声分析部
９ 特徴量記憶部（音声記憶部）
１１ 語彙辞書記憶部（尺度情報記憶部、抽出基準情報記憶部）
１２ 語彙辞書管理部
１２ａ 認識対象語彙抽出部
１２ｂ 尺度情報管理部
１２ｃ 抽出基準情報管理部
１２ｄ 閾値管理部
１３ 照合部
１４ 結果出力部
１５ 監視制御部
１７ 使用頻度管理部
１８ 使用頻度記憶部
２０ 尺度情報
２００ 尺度情報記憶部
２４ 抽出基準情報
２４０ 抽出基準情報記憶部
２７ 閾値
５１ 語彙グループ使用頻度管理部
５２ 語彙グループ使用頻度記憶部
５３ 閾値記憶部
【特許請求の範囲】
【請求項１】
受け付けた音声を発話音声データに変換する音声入力部と、
前記発話音声データを特徴量に変換する音声分析部と、
複数の語彙を予め格納した語彙辞書記憶部と、
前記語彙辞書記憶部に格納されている複数の語彙から認識対象となる認識対象語彙を抽出する語彙辞書管理部と、
前記音声分析部により変換された前記特徴量を用いて、前記語彙辞書管理部により抽出された前記認識対象語彙との一致度を算出する照合部と、
前記照合部による一致度の算出結果から最もスコアの良かった語彙を認識結果として出力する結果出力部とを備えた音声認識装置において、
前記語彙辞書記憶部に格納されている複数の語彙のそれぞれについて、前記認識対象語彙を抽出する尺度となる尺度情報を予め格納する尺度情報記憶部と、
前記認識対象語彙を抽出する際の前記尺度情報の基準を示す抽出基準情報を予め格納する抽出基準情報記憶部と、
所定の状態を監視する監視制御部と、
前記監視制御部の監視結果に応じて、前記抽出基準情報記憶部に格納されている前記抽出基準情報を変更する抽出基準情報管理部とを備え、
前記抽出基準情報が変更されることにより、前記語彙辞書管理部は、前記語彙辞書記憶部に格納されている複数の語彙から抽出される前記認識対象語彙の数を増減することを特徴とする音声認識装置。
【請求項２】
前記監視制御部は、ユーザから受け付けた操作の処理状態、ユーザから受け付けた音声の処理状態、および、時刻を計測する測定部からの所定の時刻の経過のうちの少なくとも１つの監視対象を監視し、
前記語彙辞書管理部は、変更された前記抽出基準情報に応じて、前記語彙辞書記憶部に格納されている複数の語彙から抽出される前記認識対象語彙の数を増減し、
前記照合部は、前記音声分析部により変換された前記特徴量を用いて、増減した前記認識対象語彙との一致度を算出する請求項１に記載の音声認識装置。
【請求項３】
前記監視制御部は、下記（ａ）〜（ｈ）のうちの少なくとも１つの監視対象を監視するとともに、
前記監視制御部は、下記（ａ）〜（ｄ）の状態を検出すると、前記抽出基準情報管理部に第１の更新信号を送信し、前記抽出基準情報管理部は、前記第１の更新信号に基づいて、前記語彙辞書記憶部に格納されている複数の語彙から抽出される前記認識対象語彙の数が増加するように、前記抽出基準情報記憶部に格納されている前記抽出基準情報を変更する一方、
前記監視制御部は、前記抽出基準情報管理部に第１の更新信号を送信した後、下記（ｅ）〜（ｈ）の状態を検出すると、前記抽出基準情報管理部に第２の更新信号を送信し、前記抽出基準情報管理部は、前記第２の更新信号に基づいて、前記語彙辞書記憶部に格納されている複数の語彙から抽出される前記認識対象語彙の数が減少するように、前記抽出基準情報記憶部に格納されている前記抽出基準情報を変更する請求項２に記載の音声認識装置。
（ａ）認識結果が得られない場合
（ｂ）ユーザが直前の操作または発話に対して、修正・訂正的な操作または発話を行った場合
（ｃ）処理の確定操作が必要であるにも関わらず、所定時間経過しても、ユーザが確定操作を行わない場合
（ｄ）操作または発話が所定時間行われない場合
（ｅ）前記照合部が一致度を算出する処理を所定回数行った場合
（ｆ）所定の時刻が経過した場合
（ｇ）処理の確定操作が必要であるとき、所定時間内に、ユーザが確定操作を行った場合
（ｈ）ユーザが直前の操作または発話に対して、修正・訂正的な操作または発話を行わない場合
【請求項４】
前記語彙辞書管理部は、前記抽出基準情報記憶部に格納されている前記抽出基準情報に応じて、下記（１）および（２）のいずれか一方の処理を選択的に行う請求項２または３に記載の音声認識装置。
（１）前記語彙辞書管理部は、前記尺度情報に基づいて、前記認識対象語彙を抽出する。
（２）前記語彙辞書管理部は、前記尺度情報に関わらず、前記語彙辞書記憶部に格納されている全ての語彙を前記認識対象語彙として抽出する。
【請求項５】
前記語彙辞書記憶部に格納されている複数の語彙のそれぞれの使用回数を監視して、複数の語彙のそれぞれの使用頻度を算出する使用頻度管理部と、
前記使用頻度管理部により算出された前記使用頻度を、前記語彙辞書記憶部に格納されている複数の語彙のそれぞれに対応させて、使用頻度データとして格納する使用頻度記憶部と、
少なくとも前記使用頻度記憶部に格納されている前記使用頻度データを用いて、前記尺度情報記憶部に格納されている前記尺度情報を更新する尺度情報管理部とを更に備えている請求項１〜４のいずれか一項に記載の音声認識装置。
【請求項６】
前記語彙辞書記憶部に格納されている複数の語彙を複数の語彙グループとして分割するとともに、前記語彙辞書記憶部に格納されている前記語彙グループに属する複数の語彙のそれぞれの前記使用頻度に基づいて、前記語彙グループの使用頻度を算出する語彙グループ使用頻度管理部と、
前記語彙グループ使用頻度管理部により算出された前記語彙グループの使用頻度を、前記語彙グループのそれぞれに対応させて、語彙グループの使用頻度データとして格納する語彙グループ使用頻度記憶部と、
前記認識対象語彙を抽出する際の前記語彙グループの使用頻度データの基準を示す閾値を格納する閾値記憶部とを更に備え、
前記語彙辞書管理部は、前記抽出基準情報記憶部に格納されている前記抽出基準情報に応じて、前記閾値記憶部に格納されている前記閾値および前記語彙グループ使用頻度記憶部に格納されている前記語彙グループの使用頻度データを参照し、下記（３）および（４）のいずれか一方の処理を選択的に行う請求項５に記載の音声認識装置。
（３）前記語彙辞書管理部は、前記語彙グループの使用頻度データが前記閾値以上の語彙グループについては、前記尺度情報に関わらず、当該語彙グループに属する全ての語彙を前記認識対象語彙として抽出する。
（４）前記語彙辞書管理部は、前記語彙グループの使用頻度データが前記閾値未満の語彙グループについては、前記尺度情報に基づいて、当該語彙グループに属する語彙から前記認識対象語彙を抽出する。
【請求項７】
前記監視制御部は、ユーザから受け付けた操作の処理状態、ユーザから受け付けた音声の処理状態、および、時刻を計測する測定部からの所定の時刻の経過のうちの少なくとも１つの監視対象を監視し、
前記監視制御部の監視結果に応じて、前記閾値記憶部に格納されている前記閾値を更新する閾値管理部を更に備え、
前記語彙辞書管理部は、更新された前記閾値に応じて、前記（３）および前記（４）のいずれか一方の処理を選択的に行う請求項６に記載の音声認識装置。
【請求項８】
前記音声入力部により変換された前記発話音声データまたは前記音声分析部により変換された前記特徴量を格納する音声記憶部を更に備え、
前記照合部は、前記音声記憶部に格納されている前記発話音声データまたは前記特徴量を用いて、前記語彙辞書管理部が抽出する前記認識対象語彙との一致度を算出する請求項１〜７いずれか一項に記載の音声認識装置。
【請求項９】
前記照合部が、前記音声記憶部に格納されている前記発話音声データまたは前記特徴量を用いて、前記語彙辞書管理部が抽出する前記認識対象語彙との一致度を算出する際、前記語彙辞書管理部は、直前に前記認識対象語彙として抽出した語彙を除いて、前記語彙辞書記憶部に格納されている複数の語彙から前記認識対象語彙を抽出する請求項８に記載の音声認識装置。
【請求項１０】
受け付けた音声を発話音声データに変換する音声入力処理と、
前記発話音声データを特徴量に変換する音声分析処理と、
複数の語彙を予め格納した語彙辞書記憶部から認識対象となる認識対象語彙を抽出する語彙辞書管理処理と、
前記音声分析処理により変換された前記特徴量を用いて、前記語彙辞書管理処理により抽出された前記認識対象語彙との一致度を算出する照合処理と、
前記照合処理による一致度の算出結果から最もスコアの良かった語彙を認識結果として出力する結果出力処理とをコンピュータに実行させる音声認識プログラムにおいて、
前記語彙辞書管理処理は、尺度情報記憶部に予め格納された前記認識対象語彙を抽出する尺度となる尺度情報を参照するとともに、抽出基準情報記憶部に予め格納された前記認識対象語彙を抽出する際の前記尺度情報の基準を示す抽出基準情報を参照する処理をコンピュータに実行させる一方、
所定の状態を監視する監視制御処理と、
前記監視制御処理の監視結果に応じて、前記抽出基準情報記憶部に格納されている前記抽出基準情報を変更する抽出基準情報管理処理とをコンピュータに実行させ、
前記抽出基準情報が変更されることにより、前記語彙辞書管理処理は、前記語彙辞書記憶部に格納されている複数の語彙から抽出される前記認識対象語彙の数を増減する処理をコンピュータに実行させることを特徴とする音声認識プログラム。
【請求項１】
受け付けた音声を発話音声データに変換する音声入力部と、
前記発話音声データを特徴量に変換する音声分析部と、
複数の語彙を予め格納した語彙辞書記憶部と、
前記語彙辞書記憶部に格納されている複数の語彙から認識対象となる認識対象語彙を抽出する語彙辞書管理部と、
前記音声分析部により変換された前記特徴量を用いて、前記語彙辞書管理部により抽出された前記認識対象語彙との一致度を算出する照合部と、
前記照合部による一致度の算出結果から最もスコアの良かった語彙を認識結果として出力する結果出力部とを備えた音声認識装置において、
前記語彙辞書記憶部に格納されている複数の語彙のそれぞれについて、前記認識対象語彙を抽出する尺度となる尺度情報を予め格納する尺度情報記憶部と、
前記認識対象語彙を抽出する際の前記尺度情報の基準を示す抽出基準情報を予め格納する抽出基準情報記憶部と、
所定の状態を監視する監視制御部と、
前記監視制御部の監視結果に応じて、前記抽出基準情報記憶部に格納されている前記抽出基準情報を変更する抽出基準情報管理部とを備え、
前記抽出基準情報が変更されることにより、前記語彙辞書管理部は、前記語彙辞書記憶部に格納されている複数の語彙から抽出される前記認識対象語彙の数を増減することを特徴とする音声認識装置。
【請求項２】
前記監視制御部は、ユーザから受け付けた操作の処理状態、ユーザから受け付けた音声の処理状態、および、時刻を計測する測定部からの所定の時刻の経過のうちの少なくとも１つの監視対象を監視し、
前記語彙辞書管理部は、変更された前記抽出基準情報に応じて、前記語彙辞書記憶部に格納されている複数の語彙から抽出される前記認識対象語彙の数を増減し、
前記照合部は、前記音声分析部により変換された前記特徴量を用いて、増減した前記認識対象語彙との一致度を算出する請求項１に記載の音声認識装置。
【請求項３】
前記監視制御部は、下記（ａ）〜（ｈ）のうちの少なくとも１つの監視対象を監視するとともに、
前記監視制御部は、下記（ａ）〜（ｄ）の状態を検出すると、前記抽出基準情報管理部に第１の更新信号を送信し、前記抽出基準情報管理部は、前記第１の更新信号に基づいて、前記語彙辞書記憶部に格納されている複数の語彙から抽出される前記認識対象語彙の数が増加するように、前記抽出基準情報記憶部に格納されている前記抽出基準情報を変更する一方、
前記監視制御部は、前記抽出基準情報管理部に第１の更新信号を送信した後、下記（ｅ）〜（ｈ）の状態を検出すると、前記抽出基準情報管理部に第２の更新信号を送信し、前記抽出基準情報管理部は、前記第２の更新信号に基づいて、前記語彙辞書記憶部に格納されている複数の語彙から抽出される前記認識対象語彙の数が減少するように、前記抽出基準情報記憶部に格納されている前記抽出基準情報を変更する請求項２に記載の音声認識装置。
（ａ）認識結果が得られない場合
（ｂ）ユーザが直前の操作または発話に対して、修正・訂正的な操作または発話を行った場合
（ｃ）処理の確定操作が必要であるにも関わらず、所定時間経過しても、ユーザが確定操作を行わない場合
（ｄ）操作または発話が所定時間行われない場合
（ｅ）前記照合部が一致度を算出する処理を所定回数行った場合
（ｆ）所定の時刻が経過した場合
（ｇ）処理の確定操作が必要であるとき、所定時間内に、ユーザが確定操作を行った場合
（ｈ）ユーザが直前の操作または発話に対して、修正・訂正的な操作または発話を行わない場合
【請求項４】
前記語彙辞書管理部は、前記抽出基準情報記憶部に格納されている前記抽出基準情報に応じて、下記（１）および（２）のいずれか一方の処理を選択的に行う請求項２または３に記載の音声認識装置。
（１）前記語彙辞書管理部は、前記尺度情報に基づいて、前記認識対象語彙を抽出する。
（２）前記語彙辞書管理部は、前記尺度情報に関わらず、前記語彙辞書記憶部に格納されている全ての語彙を前記認識対象語彙として抽出する。
【請求項５】
前記語彙辞書記憶部に格納されている複数の語彙のそれぞれの使用回数を監視して、複数の語彙のそれぞれの使用頻度を算出する使用頻度管理部と、
前記使用頻度管理部により算出された前記使用頻度を、前記語彙辞書記憶部に格納されている複数の語彙のそれぞれに対応させて、使用頻度データとして格納する使用頻度記憶部と、
少なくとも前記使用頻度記憶部に格納されている前記使用頻度データを用いて、前記尺度情報記憶部に格納されている前記尺度情報を更新する尺度情報管理部とを更に備えている請求項１〜４のいずれか一項に記載の音声認識装置。
【請求項６】
前記語彙辞書記憶部に格納されている複数の語彙を複数の語彙グループとして分割するとともに、前記語彙辞書記憶部に格納されている前記語彙グループに属する複数の語彙のそれぞれの前記使用頻度に基づいて、前記語彙グループの使用頻度を算出する語彙グループ使用頻度管理部と、
前記語彙グループ使用頻度管理部により算出された前記語彙グループの使用頻度を、前記語彙グループのそれぞれに対応させて、語彙グループの使用頻度データとして格納する語彙グループ使用頻度記憶部と、
前記認識対象語彙を抽出する際の前記語彙グループの使用頻度データの基準を示す閾値を格納する閾値記憶部とを更に備え、
前記語彙辞書管理部は、前記抽出基準情報記憶部に格納されている前記抽出基準情報に応じて、前記閾値記憶部に格納されている前記閾値および前記語彙グループ使用頻度記憶部に格納されている前記語彙グループの使用頻度データを参照し、下記（３）および（４）のいずれか一方の処理を選択的に行う請求項５に記載の音声認識装置。
（３）前記語彙辞書管理部は、前記語彙グループの使用頻度データが前記閾値以上の語彙グループについては、前記尺度情報に関わらず、当該語彙グループに属する全ての語彙を前記認識対象語彙として抽出する。
（４）前記語彙辞書管理部は、前記語彙グループの使用頻度データが前記閾値未満の語彙グループについては、前記尺度情報に基づいて、当該語彙グループに属する語彙から前記認識対象語彙を抽出する。
【請求項７】
前記監視制御部は、ユーザから受け付けた操作の処理状態、ユーザから受け付けた音声の処理状態、および、時刻を計測する測定部からの所定の時刻の経過のうちの少なくとも１つの監視対象を監視し、
前記監視制御部の監視結果に応じて、前記閾値記憶部に格納されている前記閾値を更新する閾値管理部を更に備え、
前記語彙辞書管理部は、更新された前記閾値に応じて、前記（３）および前記（４）のいずれか一方の処理を選択的に行う請求項６に記載の音声認識装置。
【請求項８】
前記音声入力部により変換された前記発話音声データまたは前記音声分析部により変換された前記特徴量を格納する音声記憶部を更に備え、
前記照合部は、前記音声記憶部に格納されている前記発話音声データまたは前記特徴量を用いて、前記語彙辞書管理部が抽出する前記認識対象語彙との一致度を算出する請求項１〜７いずれか一項に記載の音声認識装置。
【請求項９】
前記照合部が、前記音声記憶部に格納されている前記発話音声データまたは前記特徴量を用いて、前記語彙辞書管理部が抽出する前記認識対象語彙との一致度を算出する際、前記語彙辞書管理部は、直前に前記認識対象語彙として抽出した語彙を除いて、前記語彙辞書記憶部に格納されている複数の語彙から前記認識対象語彙を抽出する請求項８に記載の音声認識装置。
【請求項１０】
受け付けた音声を発話音声データに変換する音声入力処理と、
前記発話音声データを特徴量に変換する音声分析処理と、
複数の語彙を予め格納した語彙辞書記憶部から認識対象となる認識対象語彙を抽出する語彙辞書管理処理と、
前記音声分析処理により変換された前記特徴量を用いて、前記語彙辞書管理処理により抽出された前記認識対象語彙との一致度を算出する照合処理と、
前記照合処理による一致度の算出結果から最もスコアの良かった語彙を認識結果として出力する結果出力処理とをコンピュータに実行させる音声認識プログラムにおいて、
前記語彙辞書管理処理は、尺度情報記憶部に予め格納された前記認識対象語彙を抽出する尺度となる尺度情報を参照するとともに、抽出基準情報記憶部に予め格納された前記認識対象語彙を抽出する際の前記尺度情報の基準を示す抽出基準情報を参照する処理をコンピュータに実行させる一方、
所定の状態を監視する監視制御処理と、
前記監視制御処理の監視結果に応じて、前記抽出基準情報記憶部に格納されている前記抽出基準情報を変更する抽出基準情報管理処理とをコンピュータに実行させ、
前記抽出基準情報が変更されることにより、前記語彙辞書管理処理は、前記語彙辞書記憶部に格納されている複数の語彙から抽出される前記認識対象語彙の数を増減する処理をコンピュータに実行させることを特徴とする音声認識プログラム。
【図１】
【図２】
【図３】
【図４】
【図５】
【図６】
【図７】
【図８】
【図９】
【図１０】
【図１１】
【図１２】
【図１３】
【図１４】
【図１５】
【図２】
【図３】
【図４】
【図５】
【図６】
【図７】
【図８】
【図９】
【図１０】
【図１１】
【図１２】
【図１３】
【図１４】
【図１５】
【公開番号】特開２００７−３１０１３７（Ｐ２００７−３１０１３７Ａ）
【公開日】平成１９年１１月２９日（２００７．１１．２９）
【国際特許分類】
【出願番号】特願２００６−１３９０７０（Ｐ２００６−１３９０７０）
【出願日】平成１８年５月１８日（２００６．５．１８）
【出願人】（０００００５２２３）富士通株式会社 (25,993)
【Ｆターム（参考）】
【公開日】平成１９年１１月２９日（２００７．１１．２９）
【国際特許分類】
【出願日】平成１８年５月１８日（２００６．５．１８）
【出願人】（０００００５２２３）富士通株式会社 (25,993)
【Ｆターム（参考）】
[ Back to top ]