JP6114915B2 - 音声入力選択装置及び音声入力選択方法 - Google Patents

Description

本開示は、音声認識結果に応じて最適な音声入力装置を選択可能な音声入力選択装置及び音声入力方法に関する。

テレビ等のＡＶ機器では、インターネットに接続して内蔵するＷｅｂブラウザでインターネット上のＷｅｂサイトを閲覧することや、放送波から取得するＳＩ（Ｓｅｒｖｉｃｅ Ｉｎｆｏｒｍａｔｉｏｎ）情報の番組情報を利用して放送番組の検索を行うことが一般的になっている。検索キーワードを用いてＷｅｂサイトを検索する場合や放送番組の放送番組名検索を行う場合の検索する文字の入力をリモコンの操作で行う場合、操作者は多くのリモコン操作を行うことになる。

そこで、ＡＶ機器の操作者の音声を認識し、音声認識結果に基づいて文字入力やＡＶ機器を操作する音声認識技術のＡＶ機器への搭載が行われており、操作者の利便性向上に大きく貢献している。

特許文献１は、音声によるＡＶ機器等の遠隔操作を行う装置を開示する。この装置は、ＡＶ機器で音声を収集する音声収集部と、携帯電話などの外部機器と無線通信を行う無線通信部と、収集した音声と外部機器との無線通信とで取得した音声とをそれぞれ独立して音声認識を行う音声認識処理と、より音声認識精度の高い方を音声認識結果とする制御部とを備える。これにより、ＡＶ機器で収集した音声と外部機器で収集した音声のうち音声認識結果がよい方を用いてＡＶ機器の操作を行うことができる。

特開２０１１−１１８８２２号公報

上述のように、特許文献１による装置を用いれば、ＡＶ機器で収集した音声での音声認識結果と外部機器で収集した音声での音声認識結果とを比較し認識結果のよい方をＡＶ機器の操作に用いることが出来るが、必ず事前に外部機器を音声収集可能な状態にする必要があり、たとえＡＶ機器で収集した音声で十分な音声認識結果が得られる場合でも、外部機器での音声収集を行わなければならないという問題があった。

本開示は、このような課題を解決するためになされたものであり、テレビ等のＡＶ機器（音声入力選択装置）を音声で操作する場合に用いる音声入力装置が複数ある場合に、最も適切な音声入力装置を選択することが可能な音声入力選択装置及び音声入力選択方法を提供することを目的とする。

本開示における音声入力選択装置は、第１音声入力部を有する音声入力装置と接続可能な音声入力選択装置であって、第２音声入力部と、音声入力装置に関する情報を記憶する記憶部と、第１音声入力部または第２音声入力部から入力された音声を認識する音声認識部と、音声認識部において第２音声入力部からの音声が認識できない場合に、記憶部が記憶した音声入力装置に関する情報に基づいて、第１音声入力部の存在を通知する情報を出力する制御部と、を具備することを特徴とする。また、制御部は、音声認識部において第２音声入力部からの音声が認識できない場合に、音声入力装置に対して、第１音声入力部をオンにする指示を出力する、ことを特徴とする。

なお、本開示は、音声入力選択方法として実現したり、音声入力選択方法における各手順をコンピュータに実行させるプログラムとして実現したり、そのようなプログラムを記録したＤＶＤ等のコンピュータ読み取り可能な記録媒体として実現したりすることもできる。

本開示における音声入力選択装置等によれば、音声入力選択装置であるＡＶ機器自身で収集した音声での音声認識結果が悪い場合に、ＡＶ機器と通信する音声入力装置である外部機器を音声入力可能な状態に切替える。これにより、音声入力装置が複数ある場合に、最も適切な音声入力装置を容易に選択することができる。

実施の形態１における音声入力選択装置及び音声入力装置の機能ブロック図 同実施の形態におけるメッセージ表示の一例を示す図 同実施の形態における外部機器の音声入力装置使用可否確認動作を示すフローチャート 同実施の形態における外部機器を音声入力可能な状態へ切替える動作を示すフローチャート 同実施の形態における外部機器から音声データを取得し音声認識処理を行う動作を示すフローチャート

以下、適宜図面を参照しながら、実施の形態を詳細に説明する。但し、必要以上に詳細な説明は省略する場合がある。例えば、既によく知られた事項の詳細説明や実質的に同一の構成に対する重複説明を省略する場合がある。これは、以下の説明が不必要に冗長になるのを避け、当業者の理解を容易にするためである。

なお、発明者（ら）は、当業者が本開示を十分に理解するために添付図面および以下の説明を提供するのであって、これらによって特許請求の範囲に記載の主題を限定することを意図するものではない。

（実施の形態１）
以下、図１〜５を用いて、実施の形態１を説明する。

［１−１．構成］
図１は、実施の形態１における音声入力選択装置及び音声入力装置の機能ブロック図である。本実施の形態では、テレビを音声入力選択装置として、また携帯端末を音声入力装置として説明する。なお、テレビは、音声入力装置としてマイクも具備している。

テレビ１００は、携帯端末２００と無線や有線のＬＡＮ（Ｌｏｃａｌ Ａｒｅａ Ｎｅｔｗｏｒｋ）で接続して通信し、マイク１０１、ＡＤコンバータ１０２、エコーキャンセラー１０３、雑音除去処理部１０４、音声認識部１０５、音声認識結果判定部１０６、起動処理部１１０、外部機器検索部１１１、音声入力装置記憶部１１２、音声入力切替部１１３、操作制御部１１４、表示部１１５、通信部１１６を具備する。

携帯端末２００は、外部機器通信部２０１、音声入力使用可否判定部２０２、音声入力制御部２０３、音声記憶部２０４を具備する。

マイク１０１は、テレビ１００の周囲の音声を収集し、アナログの音声信号に変換して出力する。ＡＤコンバータ１０２は、マイク１０１から入力される音声信号の増幅、デジタル音声データへの変換を行い、変換後のデジタル音声データを出力する。エコーキャンセラー１０３は、ＡＤコンバータ１０２から入力されるデジタル音声データから、テレビ１００に内蔵されるスピーカ（図示せず）から発せられる音声成分を除去したデジタル音声データを出力する。雑音除去処理部１０４は、テレビ１００の操作者の音声がマイク１０１に到達するまでに混入した雑音を、デジタルフィルタ処理を行って除去して出力する。

音声認識部１０５は、雑音除去処理部１０４から入力されるデジタル音声データと通信部１１６から入力される携帯端末２００から取得したデジタル音声データに対して音声認識処理を行う。この音声認識処理によってテレビ１００の操作者の音声が、テレビ１００を操作するためのチャンネル切替えや音量調整などの命令や、Ｗｅｂブラウザでの検索キーワード入力時の文字列として使用される。音声認識結果判定部１０６は、音声認識部１０５の音声認識処理の結果を判定する。

起動処理部１１０は、テレビ１００の電源がオンとなった時に、テレビ１００を動作可能な状態にするため各種処理や指令を行うものである。外部機器検索部１１１は、起動処理部１１０からの指令を受け、テレビ１００と通信可能な外部機器に対して音声入力装置として使用可能であるかの問い合わせを通信部１１６へ出力するとともに、通信部１１６を介して取得した問い合わせに対する返信から外部機器が音声入力装置として使用可能であるかどうかを判定し、判定結果を音声入力装置記憶部１１２へ記憶させる。

通信部１１６は、外部機器検索部１１１からの問い合わせと、音声入力切替部１１３からの指令を携帯端末２００に送信する。また、携帯端末２００から、外部機器検索部１１１からの問い合わせに対する返信と、操作者のデジタル音声データを受信する。

音声入力装置記憶部１１２は、外部機器検索部１１１から入力された判定結果を記憶する。記憶する情報（内容）は、外部機器の基本情報と使用可能情報または使用不可情報である。ここで、外部機器の基本情報とは、外部機器の機器名や外部機器から送信するデジタル音声データの形式等である。

音声入力切替部１１３は、音声認識結果判定部１０６の判定がマイク１０１から出力されたデジタル音声データに対してなされかつ音声認識判定結果が悪い場合に、音声入力装置記憶部１１２で記憶した内容を確認し、音声入力装置として使用可能な外部機器に対して音声入力状態にする指令を、通信部１１６を介して出力する。

操作制御部１１４は、音声認識結果判定部１０６の判定結果がよい場合に、音声認識部１０５が行った音声認識処理により得られる命令や文字列に対してテレビ１００を制御する。また、音声認識結果判定部１０６の判定がマイク１０１から出力されたデジタル音声データに対してなされかつ音声認識判定結果が悪い場合は、その旨のメッセージ表示を行うように表示部１１５を制御する。この場合、音声入力装置記憶部１１２で記憶した内容を確認し、音声入力装置として使用可能である外部機器を利用することを促すようなメッセージ表示（図２参照）を行うよう表示部１１５を制御する。

表示部１１５は、操作制御部１１４の制御内容に応じてテレビ１００のディスプレイ（図示せず）上にメッセージなどを出力する。

外部機器通信部２０１は、テレビ１００からの音声入力装置として使用可能であるかの問い合わせを受信した場合に、音声入力使用可否判定部２０２に対して問い合わせ、その結果をテレビ１００に送信する。また、テレビ１００からの音声入力可能な状態にする指令を受信した場合に、音声入力制御部２０３に対して音声入力可能な状態にする指令を行う。更に、音声入力制御部２０３の指令に応じて音声記憶部２０４に記憶されたデジタル音声データをテレビ１００に送信する。

音声入力使用可否判定部２０２は、外部機器通信部２０１からの音声入力装置として使用可能であるかの問い合わせに対して音声入力装置の有無や使用状況を確認し、音声入力装置が使用できるかを返信する。

音声入力制御部２０３は、外部機器通信部２０１からの音声入力可能な状態にする指令により、携帯端末２００の状態を音声入力可能な状態とし、操作者の発話と終話を判定し、音声をデジタル音声データに変換して音声記憶部２０４に記録するように制御する。

音声記憶部２０４は、音声入力制御部２０３の制御により操作者の発話と終話のタイミングに応じてデジタル音声データに変換された操作者の音声を記憶する。

［１−２．動作］
以上のように構成された、テレビ１００の動作について、外部機器（携帯端末２００）の音声入力装置使用可否確認動作（図３参照）、外部機器（携帯端末２００）を音声入力状態へ切替える動作（図４参照）、外部機器（携帯端末２００）から音声データを取得し音声認識処理を行う動作（図５参照）に分け、それぞれの動作について下記で詳細に説明する。

図３は、外部機器の音声入力装置使用可否確認動作を説明するためのフローチャートである。以下の動作は起動処理部１１０の指示をトリガとして実行される。外部機器検索部１１１において、外部機器との通信方法の特定を実行する（ステップＳ１１）。通信部１１６において、外部機器への音声入力使用状況問い合わせを実行する（ステップＳ１２）。外部機器検索部１１１において、外部機器の音声入力装置が使用可能であるかを判定し（ステップＳ１３）、使用可能であると判定した場合は（ステップＳ１３で「Ｙｅｓ」）、外部機器の基本情報と使用可能情報を音声入力装置記憶部１１２に記憶する（ステップＳ１４）。一方、使用可能でないと判定した場合は（ステップＳ１３で「Ｎｏ」）、外部機器の基本情報と使用不可情報を音声入力装置記憶部１１２に記憶する（ステップＳ１５）。そして、上記の処理を未確認外部機器がなくなるまで（ステップＳ１６で「Ｎｏ」）繰り返す。

図４は、外部機器を音声入力可能な状態へ切替える動作を説明するためのフローチャートである。以下の動作は音声認識部１０５で音声認識処理を行った場合に実行される。音声認識結果判定部１０６において、音声認識部１０５で行った音声認識処理の結果を判定する。音声認識処理では、処理対象のデジタル音声データが一定の条件を満たさないと認識できない。一定の条件とは例えば音声の入力レベルである。音声認識結果判定部１０６において判定結果がよいと判定した場合は（ステップＳ２１で「Ｎｏ」）、外部機器を音声入力状態へ切替えないため、以降の処理は実行しない。一方、判定結果が悪いと判定した場合は（ステップＳ２１で「Ｙｅｓ」）、音声認識結果判定部１０６において、更に、内蔵のマイク１０１で取得した音声データか否かを判定する（ステップＳ２２）。内蔵のマイク１０１で取得したデジタル音声データではなく外部機器から取得したデジタル音声データであると判定した場合は（ステップＳ２２で「Ｎｏ」）、既に外部機器が音声入力状態に切り替わっているため以降の処理は実行しない。内蔵のマイク１０１で取得したデジタル音声データであると判定した場合は（ステップＳ２２で「Ｙｅｓ」）、音声入力切替部１１３において音声入力装置記憶部１１２で記憶した外部機器の基本情報と使用可能情報とを参照し、音声入力装置として使用可能な外部機器はあるかどうかを判定する（ステップＳ２３）。音声入力装置として使用可能な外部機器がないと判定した場合は（ステップＳ２３で「Ｎｏ」）、以降の処理を実行しない。音声入力装置として使用可能な外部機器があると判定した場合は（ステップＳ２３で「Ｙｅｓ」）、音声入力切替部１１３において、外部機器を音声入力可能状態へ切り替る処理を実行する（ステップＳ２４）。

図５は、外部機器から音声データを取得し音声認識処理を行う動作を説明するためのフローチャートである。以下の動作は通信部１１６で外部機器からの通信を受信した場合に実行される。通信部１１６において、外部機器から音声データを受信する（ステップＳ３１）。この音声データは携帯端末２００で記憶した携帯端末２００の操作者の音声である。音声認識部１０５において、通信部１１６で受信されたデジタル音声データに対して音声認識処理を実行する（ステップＳ３２）。音声認識結果判定部１０６において、音声認識部１０５で行った音声認識処理の結果を判定し（ステップＳ３３）、判定結果が悪い場合は（ステップＳ３３で「Ｎｏ」）、以降の処理は実行しない。判定結果がよい場合は（ステップＳ３３で「Ｙｅｓ」）、操作制御部１１４において、音声認識部１０５で得られるテレビ１００に対する操作命令を実行する（ステップＳ３４）。

［１−３．効果等］
以上のように、本実施の形態において、ＡＶ機器自身で収集した音声での音声認識結果が悪い場合に、ＡＶ機器と通信する外部機器を音声入力状態に切替えることが出来る。

以上のように、本開示における技術の例示として、実施の形態を説明した。そのために、添付図面および詳細な説明を提供した。

したがって、添付図面および詳細な説明に記載された構成要素の中には、課題解決のために必須な構成要素だけでなく、上記技術を例示するために、課題解決のためには必須でない構成要素も含まれ得る。そのため、それらの必須ではない構成要素が添付図面や詳細な説明に記載されていることをもって、直ちに、それらの必須ではない構成要素が必須であるとの認定をするべきではない。

また、上述の実施の形態は、本開示における技術を例示するためのものであるから、特許請求の範囲またはその均等の範囲において種々の変更、置き換え、付加、省略などを行うことができる。

本開示は、音声認識技術により操作者の音声による操作を行う装置に適用可能である。具体的には、テレビ、レコーダーなどに、本開示は適用可能である。

１００ テレビ（音声入力選択装置）
１０１ マイク
１０２ ＡＤコンバータ
１０３ エコーキャンセラー
１０４ 雑音除去処理部
１０５ 音声認識部
１０６ 音声認識結果判定部
１１０ 起動処理部
１１１ 外部機器検索部
１１２ 音声入力装置記憶部
１１３ 音声入力切替部
１１４ 操作制御部
１１５ 表示部
１１６ 通信部
２００ 携帯端末（音声入力装置）
２０１ 外部機器通信部
２０２ 音声入力使用可否判定部
２０３ 音声入力制御部
２０４ 音声記憶部

Claims (4)

1. 第１音声入力部を有する音声入力装置と接続可能な音声入力選択装置であって、
   第２音声入力部と、
   前記音声入力装置に関する情報を記憶する記憶部と、
   前記第１音声入力部または前記第２音声入力部から入力された音声を認識する音声認識部と、
   前記音声認識部において前記第２音声入力部からの音声が認識できない場合に、前記記憶部が記憶した前記音声入力装置に関する情報に基づいて、前記第１音声入力部の存在を通知する情報を出力する制御部と、
   を具備することを特徴とする音声入力選択装置。
2. 前記制御部は、前記音声認識部において前記第２音声入力部からの音声が認識できない場合に、前記音声入力装置に対して、前記第１音声入力部をオンにする指示を出力する、ことを特徴とする請求項１に記載の音声入力選択装置。
3. 第１音声入力部を有する音声入力装置と接続可能な、第２音声入力部を有する音声入力選択装置における音声入力選択方法であって、
   前記音声入力装置に関する情報を記憶する記憶ステップと、
   前記第２音声入力部から入力された音声を認識する音声認識ステップと、
   前記音声認識ステップにおいて前記第２音声入力部からの音声が認識できない場合に、前記記憶ステップにおいて記憶した前記音声入力装置に関する情報に基づいて、前記第１音声入力部の存在を通知する情報を出力する制御ステップと、
   を有する音声入力選択方法。
4. 前記音声認識ステップにおいて前記第２音声入力部からの音声が認識できない場合に、前記音声入力装置に対して、前記第１音声入力部をオンにする指示を出力する指示出力ステップと、を更に有する請求項３に記載の音声入力選択方法。

Images