トップ :: G 物理学 :: G10 楽器;音響




【発明の名称】 音を出力する機器を制御する制御装置
【発明者】 【氏名】朝山 砂子

【氏名】小島 良宏

【氏名】藤▲さき▼ 克巳

【氏名】岡部 公治

【氏名】石原 俊英

【氏名】楠本 典孝

【氏名】茨木 寿美
【要約】 【課題】音を出力する機器の動作を、ユーザーが発した音声を用いて制御する場合に、機器からの音量を制御することによってユーザーが発した音声に対する雑音を軽減する。

【解決手段】音を収集するマイク１０２と、収集された音のうち、ユーザーが発した機器の動作を制御するための音声を認識し、認識単語とその信頼度とを得る音声認識手段１０４と、得られた信頼度と、リジェクトパラメータ１およびそのリジェクトパラメータ１より小さいリジェクトパラメータ２とを比較する認識結果判定部１０５と、信頼度がリジェクトパラメータ１以上の場合に、認識単語に基づいて機器の動作を制御する映像出力制御部１１１および音声制御部１０８とを備え、信頼度がリジェクトパラメータ１より小さく、かつリジェクトパラメータ２より大きい場合に、音声制御部１０８は、機器が出力する音量を小さくするように機器を制御する。
【特許請求の範囲】
【請求項１】 音を出力する機器の動作を、ユーザーが発した音声を利用して制御する制御装置であって、音を収集する音収集手段と、その音収集手段によって収集された音のうち、前記ユーザーが発した前記機器の動作を制御するための音声を認識し、認識単語とその信頼度とを得る音声認識手段と、その音声認識手段によって得られた前記信頼度と、所定のリジェクトパラメータ１およびそのリジェクトパラメータ１より小さい所定のリジェクトパラメータ２とを比較する比較手段と、前記音声認識手段によって得られた信頼度が前記リジェクトパラメータ１以上の場合に、前記音声認識手段によって得られた認識単語に基づいて前記機器の動作を制御し、前記音声認識手段によって得られた信頼度が前記リジェクトパラメータ１より小さく、かつ前記リジェクトパラメータ２より大きい場合に、前記機器が出力する音量を小さくするように前記機器を制御し、前記音声認識手段によって得られた信頼度が前記リジェクトパラメータ２以下の場合に、前記機器の動作を制御しない機器制御手段とを備えたことを特徴とする音を出力する機器を制御する制御装置。
【請求項２】 前記音収集手段によって収集された音の量を検出する音量検出手段を備え、前記音声認識手段によって得られた信頼度が前記リジェクトパラメータ１より小さく、かつ前記リジェクトパラメータ２より大きい場合であって、前記機器制御手段が前記機器からの音量を小さくするように前記機器を制御してから所定の期間内に、前記音量検出手段によって検出された音の量が所定の音声レベルよりも大きい期間がなかったとき、前記機器制御手段は、前記機器が出力する音量を制御前の量に戻すように、前記機器を制御することを特徴とする請求項１に記載の音を出力する機器を制御する制御装置。
【請求項３】 前記音声認識手段によって得られた信頼度が前記リジェクトパラメータ１より小さく、かつ前記リジェクトパラメータ２より大きい場合であって、前記機器制御手段が前記機器からの音量を小さくするように前記機器を制御した後に、前記機器制御手段が前記音声認識手段によって得られた新たな認識単語に基づいて前記機器の動作を制御したとき、前記機器制御手段は、前記機器が出力する音量を制御前の量に戻すように、前記機器を制御することを特徴とする請求項１に記載の音を出力する機器を制御する制御装置。
【請求項４】 前記音声認識手段によって得られた信頼度が前記リジェクトパラメータ１より小さく、かつ前記リジェクトパラメータ２より大きい場合であって、前記機器制御手段が前記機器からの音量を小さくするように前記機器を制御してから所定の期間内に、前記機器制御手段が新たな認識単語に基づいて前記機器の動作を制御しないとき、前記機器制御手段は、前記機器が出力する音量を制御前の量に戻すように、前記機器を制御することを特徴とする請求項１に記載の音を出力する機器を制御する制御装置。
【請求項５】 前記機器が出力する音量の設定値を検出する音量設定値検出手段と、その音量設定値検出手段によって検出された設定値に基づいて、前記リジェクトパラメータ１および／または前記リジェクトパラメータ２を変更するためのパラメータ変更手段とを備えたことを特徴とする請求項１に記載の音を出力する機器を制御する制御装置。
【請求項６】 前記機器が出力する音量の設定値を検出する音量設定値検出手段と、その音量設定値検出手段によって検出された設定値に基づいて、前記所定の期間および／または前記音声レベルを変更するためのパラメータ変更手段とを備えたことを特徴とする請求項２または４に記載の音を出力する機器を制御する制御装置。
【請求項７】 請求項１から６のいずれかに記載の本発明の全部または一部の手段の全部または一部の機能をコンピュータにより実行させるためのプログラムおよび／またはデータを担持した媒体であって、コンピュータにより処理可能なことを特徴とする媒体。
【請求項８】 請求項１から６のいずれかに記載の本発明の全部または一部の手段の全部または一部の機能をコンピュータにより実行させるためのプログラムおよび／またはデータであることを特徴とする情報集合体。
【発明の詳細な説明】【０００１】
【発明の属する技術分野】本発明は、音を出力する機器の動作を、ユーザーが発した音声を利用して制御する制御装置に関する。
【０００２】
【従来の技術】近年、テレビジョン受像機（以下テレビとする）等の電子機器の機能は複雑化、多機能化しており、操作を行うためのスイッチやボタンも多様化してきている。
【０００３】このため、電子機器の操作を行うためのスイッチ、ボタン、特にリモートコントロール送信機の機能も多様化してきており、電子機器の操作を正確に行うためには操作手順が複雑であったり、ボタン操作を数回以上行わなければならなかったりして、使い慣れたユーザーでもその機能を有効に使いこなすことは困難であった。
【０００４】このような電子機器の複雑なユーザーインターフェースを改善する一手段として、入力された音声を認識してその認識結果に基づいて何らかの操作を行うことが効果的であると考えられ、近年様々な形式で実用化されてきた。
【０００５】例えば特開平９−２２２９８５号公報には、電子機器の操作を音声のみで行う電子機器が開示されている。
【０００６】図５に従来例の音声認識機能を備えた電子機器のブロック図を示す。
【０００７】図５において、２０１は音声入力部であり、話者が発声した音声が入力される。２０２は音声認識部であり、音声入力部２０１から出力された音声データを認識処理して認識結果を求める。２０３は操作命令生成出力部であり、音声認識部２０２で得られた認識結果に基づいて電子機器の操作命令を生成する。２０４は操作対象の電子機器であり、操作命令生成出力部２０３で生成された操作命令に従って操作される。
【０００８】以上のように構成された従来の音声認識機能を備えた電子機器について、以下その動作を説明する。
【０００９】音声入力部２０１は、話者からの音声が入力されると入力された音声を音声データとして音声認識部２０２へ出力する。音声認識部２０２は、音声入力部２０１から出力された音声データを認識処理し、認識結果を操作命令生成出力部２０３へ出力する。操作命令生成出力部２０３は、音声認識部２０２から出力された認識結果に基づいて電子機器の操作命令を生成し、生成した操作命令を操作対象の電子機器２０４へ出力する。操作対象の電子機器２０４は、操作命令生成出力部２０３から出力された操作命令に従って操作される。
【００１０】例えば、操作対象の電子機器２０４がＣＤプレーヤーである場合、ユーザーが音声入力部２０１に対して「ＣＤを再生」と発声すると、音声認識部２０２がその音声を認識し、操作命令生成出力部２０３でＣＤを再生する命令が生成され、ＣＤプレーヤーは操作命令生成出力部２０３から出力された命令に従ってＣＤを再生する。
【００１１】
【発明が解決しようとする課題】しかし、電子機器にはテレビに代表されるように電子機器本体からも音声を出力するものがあり、このような機器において上記のような構成では、音声認識部には話者が発声した音声と共に、操作対象となる電子機器本体からの音声が入力される。このような場合、電子機器本体からの音声が雑音となり、音声認識部は話者の発声した音声コマンドを正確に認識することができない。即ち、話者が発声した音声コマンドに対する認識の棄却（以下リジェクトとする）や誤認識の発生する確率が高くなり、機器の操作性が低下するという問題があった。
【００１２】このため、音声を出力する電子機器の操作に音声認識機能を用いる場合には、電子機器本体から出力する音声の適切な制御が必要になる。
【００１３】本発明は、上記課題を解決するためになされ、音を出力する機器の動作を、ユーザーが発した音声を利用して制御する場合に、上記機器が出力する音量を制御することによってユーザーが発声した音声に対する雑音を軽減し、上記機器を制御する制御装置を提供することを目的とする。
【００１４】
【課題を解決するための手段】上記目的を達成するために、第１の本発明（請求項１に対応）は、音を出力する機器の動作を、ユーザーが発した音声を利用して制御する制御装置であって、音を収集する音収集手段と、その音収集手段によって収集された音のうち、前記ユーザーが発した前記機器の動作を制御するための音声を認識し、認識単語とその信頼度とを得る音声認識手段と、その音声認識手段によって得られた前記信頼度と、所定のリジェクトパラメータ１およびそのリジェクトパラメータ１より小さい所定のリジェクトパラメータ２とを比較する比較手段と、前記音声認識手段によって得られた信頼度が前記リジェクトパラメータ１以上の場合に、前記音声認識手段によって得られた認識単語に基づいて前記機器の動作を制御し、前記音声認識手段によって得られた信頼度が前記リジェクトパラメータ１より小さく、かつ前記リジェクトパラメータ２より大きい場合に、前記機器が出力する音量を小さくするように前記機器を制御し、前記音声認識手段によって得られた信頼度が前記リジェクトパラメータ２以下の場合に、前記機器の動作を制御しない機器制御手段とを備えたことを特徴とする音を出力する機器を制御する制御装置である。
【００１５】このように、第１の本発明では、音声認識手段によって得られた認識単語の信頼度に基づいて機器が出力する音量を小さくするようにその機器を制御するので、機器が出力する音量の影響により音声認識手段の認識単語の信頼度が低下した場合でも、機器が出力する音量を小さくし、それによって、音収集手段によって収集される機器からの音の影響を小さくすることができる。
【００１６】また、第１の本発明では、音声認識手段によって得られた認識単語の信頼度がリジェクトパラメータ１とリジェクトパラメータ２の間である場合、つまり、リジェクトパラメータ１より一定の範囲内で小さい場合のみ、機器が出力する音の音量制御を行うので、ユーザーの発声以外の音声信号が音収集手段に収集され、音声認識手段が低い信頼度の認識結果を出力した場合に誤って機器の音量制御を行うことがなく、機器の音量制御を適切に行うことができる。
【００１７】第２の本発明（請求項２に対応）は、前記音収集手段によって収集された音の量を検出する音量検出手段を備え、前記音声認識手段によって得られた信頼度が前記リジェクトパラメータ１より小さく、かつ前記リジェクトパラメータ２より大きい場合であって、前記機器制御手段が前記機器からの音量を小さくするように前記機器を制御してから所定の期間内に、前記音量検出手段によって検出された音の量が所定の音声レベルよりも大きい期間がなかったとき、前記機器制御手段は、前記機器が出力する音量を制御前の量に戻すように、前記機器を制御することを特徴とする第１の本発明に記載の音を出力する機器を制御する制御装置である。
【００１８】このように、第２の本発明では、音声認識手段によって得られた信頼度がリジェクトパラメータ１より小さく、かつリジェクトパラメータ２より大きい場合であって、機器制御手段が機器からの音量を小さくするように機器からの音量の制御を開始してから予め定められた時間内に、音収集手段へ予め定められた値以上の音が収集されなかった場合には、ユーザーの音声入力は終了したと判断して自動的に音量制御を解除する。即ち、ユーザーが音量制御を解除するための操作を行わずに、機器の音量を元（制御前の音量）に戻すことができるので、操作性に優れている。
【００１９】第３の本発明（請求項３に対応）は、前記音声認識手段によって得られた信頼度が前記リジェクトパラメータ１より小さく、かつ前記リジェクトパラメータ２より大きい場合であって、前記機器制御手段が前記機器からの音量を小さくするように前記機器を制御した後に、前記機器制御手段が前記音声認識手段によって得られた新たな認識単語に基づいて前記機器の動作を制御したとき、前記機器制御手段は、前記機器が出力する音量を制御前の量に戻すように、前記機器を制御することを特徴とする第１の本発明に記載の音を出力する機器を制御する制御装置である。
【００２０】このように、第３の本発明では、音量を制御している状態でユーザーが発声した音声コマンドの認識が成功した場合には、機器の音量を元（制御前の音量）に戻すことができる。つまり、機器から出力される音声信号の音量の制御を迅速に行うことができ、操作性に優れている。
【００２１】第４の本発明（請求項４に対応）は、前記音声認識手段によって得られた信頼度が前記リジェクトパラメータ１より小さく、かつ前記リジェクトパラメータ２より大きい場合であって、前記機器制御手段が前記機器からの音量を小さくするように前記機器を制御してから所定の期間内に、前記機器制御手段が新たな認識単語に基づいて前記機器の動作を制御しないとき、前記機器制御手段は、前記機器が出力する音量を制御前の量に戻すように、前記機器を制御することを特徴とする第１の本発明に記載の音を出力する機器を制御する制御装置である。
【００２２】第５の本発明（請求項５に対応）は、前記機器が出力する音量の設定値を検出する音量設定値検出手段と、その音量設定値検出手段によって検出された設定値に基づいて、前記リジェクトパラメータ１および／または前記リジェクトパラメータ２を変更するためのパラメータ変更手段とを備えたことを特徴とする第１の本発明に記載の音を出力する機器を制御する制御装置である。
【００２３】このように、第５の本発明では、機器が出力する音量の設定値に基づいてリジェクトパラメータ１およびリジェクトパラメータ２を適切に変更するので、機器から出力される音量の設定値が変化した場合でも認識結果の判定を正確に行うことができる。
【００２４】第６の本発明（請求項６に対応）は、前記機器が出力する音量の設定値を検出する音量設定値検出手段と、その音量設定値検出手段によって検出された設定値に基づいて、前記所定の期間および／または前記音声レベルを変更するためのパラメータ変更手段とを備えたことを特徴とする第２または第４の本発明に記載の音を出力する機器を制御する制御装置である。
【００２５】このように、第６の本発明では、機器が出力する音量の設定値に基づいて上記の所定の期間および／または音声レベルを適切に変更するので、機器から出力される音量の設定値が変化した場合でもユーザーの音声入力の終了を正確に検出することができる。
【００２６】第７の本発明（請求項７に対応）は、第１から第６いずれかの本発明の全部または一部の手段の全部または一部の機能をコンピュータにより実行させるためのプログラムおよび／またはデータを担持した媒体であって、コンピュータにより処理可能なことを特徴とする媒体である。
【００２７】第８の本発明（請求項８に対応）は、第１から第６のいずれかの本発明の全部または一部の手段の全部または一部の機能をコンピュータにより実行させるためのプログラムおよび／またはデータであることを特徴とする情報集合体である。
【００２８】
【発明の実施の形態】以下に、本発明の実施の形態を図面を参照して説明する。
【００２９】（実施の形態１）本発明の実施の形態１について、図面を用いて説明する。
【００３０】本実施の形態の電子機器の構成について、図１を参照して説明する。なお、本実施の形態の電子機器は音を出力する機器であって、その電子機器内部には、ユーザーが発した音声を利用してその電子機器本体の動作を制御する制御装置が組み込まれているものとする。
【００３１】さて図１に示すように、本電子機器は、音声入力部１０１と、音声認識部１０４と、認識結果判定部１０５と、音声出力制御部１０６と、音声出力部１１０と、映像出力制御部１１１と、映像出力部１１２とで構成されている。
【００３２】音声入力部１０１は、マイク１０２と音声入力レベル検出部１０３とで構成されている。
【００３３】マイク１０２は、音声収集装置であって、話者が発声した音声等の音を収集する。
【００３４】音声入力レベル検出部１０３は、マイク１０２へ入力された音声の音声レベルを検出する。
【００３５】音声認識部１０４は、利用できる音声コマンドを標準音声データとして記憶した認識用辞書（図示せず）を保持し、認識用辞書を用いて、音声データと標準音声データとを比較して認識処理を行う。認識処理については、例えばＣ．シュマントによる“コンピュータとのヴォイスコミュニケーション−未来のコンピューティングに向けて−”（サイエンス社）に示すように、音声認識部１０４が、音声入力部１０１から入力された音声データをデジタル信号処理により、例えば２０ミリ秒毎のＬＰＣ係数のフレームを抽出する。
【００３６】次に、求めたＬＰＣ係数のフレームと、標準音声データとして認識用辞書に保持している各音声コマンドのＬＰＣ係数データとをマッチングアルゴリズムを用いて比較する。マッチングアルゴリズムは、例えばＬＰＣパラメータの各次元のベクトル毎に標準音声データの各次元のベクトルとの距離を算出し、その総和を求めこれを入力された音声データと標準音声データとの距離とする。
【００３７】次に、入力された音声データと標準音声データとの距離がもっとも小さい場合を最高点（例えば１００）となるように正規化してこれを認識単語の信頼度とし、認識単語の信頼度がもっとも高い標準音声データを求め、その単語と単語の信頼度を一組のセットとして、予め定められたセット数だけ認識結果として出力する。
【００３８】認識結果判定部１０５は音声認識部１０４から出力された認識単語とその単語の信頼度に基づいて認識の成功／失敗を判定する。単語の信頼度が予め定められたリジェクトパラメータ１（φ１、φ１：実数）より大きければ認識成功と判定し、認識単語の内容を解析して音声出力制御信号または映像出力制御信号を出力する。認識単語の信頼度がφ１より小さければ、認識失敗と判定して認識結果をリジェクトし、かつ、予め定められたリジェクトパラメータ２（φ２、φ２：実数、φ１＞φ２）より大きければ音量制御部１０８へ音声出力部１１０から出力する音声信号の音量を小さくすることを示す音量制御信号を出力する。
【００３９】音声出力制御部１０６は、チャンネル切換部１０７と音量制御部１０８とパラメータ変更通知部１０９とで構成されている。
【００４０】チャンネル切換部１０７は例えばテレビの場合ではテレビ音声のチャンネル切換制御部であり、音声出力制御信号が入力されると、その内容に基づいて音声出力部１１０へ出力する音声ソースのチャンネルの切換を行う。
【００４１】音量制御部１０８は現在の音量の設定値を記憶する記憶部（図示せず）を保持し、音量制御信号が入力されると、現在の音量の設定値を記憶部へ記憶し、音量制御信号の内容に従って音声出力部１１０から出力する音声信号の音量の制御を行う。
【００４２】パラメータ変更通知部１０９は音声出力部１１０から出力される音声信号の音量の設定値に基づいてリジェクトパラメータ１またはリジェクトパラメータ２を変更することを示すパラメータ変更通知信号を出力する。パラメータ変更通知部１０９は、例えば電子機器の電源投入時やチャンネル切換部１０７が音声出力部１１０から出力する音声信号を変更した時など、音量の制御を行う前、すなわち、認識結果判定部１０５から音量制御信号が出力され、音量制御部１０８が音声出力部１１０から出力される音声の音量を制御する前に、音量制御部１０８で設定されている音量の設定値に基づいてリジェクトパラメータ１およびリジェクトパラメータ２の両方または一方を変更する。リジェクトパラメータ１およびリジェクトパラメータ２が既に適切な値に設定されている場合は変更しなくてもよい。
【００４３】音声出力部１１０はスピーカーなどであり、電子機器からの音声信号を出力する。
【００４４】映像出力制御部１１１は例えばテレビの場合はテレビ映像のチャンネル切換制御部であり、映像出力制御信号が入力されると、その内容に基づいて映像出力部１１２へ出力する映像ソースのチャンネルの切換を行う。
【００４５】映像出力部１１２はディスプレイなどの映像表示装置であり、映像出力制御部１１１から得られた映像信号を出力する。
【００４６】なお、本実施の形態では、本発明の音を出力する機器を制御する制御装置の、音収集手段の一例としてマイク１０２を、音声認識手段の一例として音声認識部１０４を、比較手段の一例として認識結果判定部１０５を、機器制御手段の一例として音量制御部１０８および映像出力制御部１１１を、それぞれ用いる。
【００４７】以上のように構成された電子機器について、以下その動作を図２のフローチャートを用いて説明する。
【００４８】音声入力待ち状態Ｓ３００では、リジェクトパラメータ１およびリジェクトパラメータ２は、パラメータ変更通知部１０９が音声出力部１１０から出力される音声信号の音量の設定値に基づいて出力するパラメータ変更通知信号に基づいて適切な値に設定されている。
【００４９】ステップＳ３０１では、話者が発声した音声コマンドが、音声入力部１０１に入力される。音声入力部１０１は、入力された音声を、音声データとして音声認識部１０４へ出力する。
【００５０】ステップＳ３０２では、音声認識部１０４が、音声入力部１０１から出力された音声データを認識用辞書を用いて音声認識処理を行う。話者の音声データに最も近い標準音声データを求め、その単語と単語の信頼度を認識結果判定部１０５へ出力する。例えば、電子機器がテレビである場合、認識用辞書には、一例として「チャンネル○○に変更」や、「ステレオ出力」や、「モノラル出力」といったテレビの操作内容を表現したフレーズが標準音声データとして記録されており、音声認識部１０４は、それら標準音声データそれぞれと音声入力部１０１からの音声データとを比較し、音声データの内容となるフレーズとその信頼度を求め、それを認識結果として認識結果判定部１０５へ出力する。
【００５１】ステップＳ３０３では、認識結果判定部１０５が、音声認識部１０４から出力された認識単語の信頼度とφ１とを比較して、信頼度がφ１より大きい場合には、認識成功と判定し、ステップＳ３０４へ遷移する。信頼度がφ１より小さい場合には、認識失敗と判定し、認識結果をリジェクトして、ステップＳ３０９へ遷移する。例えば入力された音声データと標準音声データとの距離がもっとも小さい場合が１００である場合、リジェクトパラメータ１（φ１）を８０と設定することができる。
【００５２】ステップＳ３０４では、認識結果判定部１０５が、認識単語のコマンドの内容を解析し、その内容が電子機器の映像出力を制御するコマンドである場合は、ステップＳ３０５へ遷移する。また、その内容が電子機器の音声出力を制御するコマンドである場合は、ステップＳ３０７へ遷移する。
【００５３】ステップＳ３０５では、映像出力制御部１１１が、認識結果判定部１０５より映像出力の制御を通知されると、制御コマンドの内容に従って映像出力部１１２から出力する映像ソースのチャンネルの切換を行う。
【００５４】ステップＳ３０６では、映像出力制御部１１１で切り換えられた映像ソースを画面に表示し、音声入力待ち状態Ｓ３００へ戻る。
【００５５】ステップＳ３０７では、チャンネル切換部１０７が、認識結果判定部１０５より音声出力の制御を通知されると、制御コマンドの内容に従って音声出力部１１０から出力する音声ソースのチャンネルの切換を行う。
【００５６】ステップＳ３０８では、チャンネル切換部１０７で切り換えられた音声ソースを音声出力部１１０から出力し、音声入力待ち状態Ｓ３００へ戻る。
【００５７】ステップＳ３０９では、認識結果判定部１０５が、音声認識部１０４から出力された認識単語の信頼度とφ２とを比較して、信頼度がφ２より大きい場合には、音量制御部１０８へ音量制御信号を出力し、ステップＳ３１０に遷移する。信頼度がφ２より小さい場合には、音声入力待ち状態Ｓ３００へ戻る。なお、上記のように例えば入力された音声データと標準音声データとの距離がもっとも小さい場合が１００である場合、リジェクトパラメータ２（φ２）を６０と設定することができる。
【００５８】ステップＳ３１０では、音量制御部１０８が、認識結果判定部１０５から音量制御信号が入力されると、音声出力部１１０から出力される音声信号の音量を下げ、音声入力待ち状態Ｓ３００へ戻る。
【００５９】このように、本発明の実施の形態１によれば、音声を出力し、音声認識機能を備えた電子機器を音声で操作する場合、ステップＳ３０３において認識結果判定部１０５が認識結果をリジェクトし、さらにステップＳ３０９において認識結果判定部１０５が音量制御を行うことを決定すると、音量制御部１０８へ音声出力部１１０から出力する音声信号の音量を小さくすることを示す音量制御信号を出力する。音量制御部１０８は、音量制御信号に応じて音声出力部１１０から出力する音声信号の音量を小さくする。故に、電子機器本体から出力される音声信号が、話者の発声した音声コマンドの雑音となって認識性能を低下させることがなく、認識処理を正確に行うことができ、電子機器の操作性を向上させることができる。
【００６０】また、ステップＳ３０９において認識結果判定部１０５がリジェクトした認識単語の信頼度が認識成功の判定値より一定の範囲内で小さい場合のみ音量制御を行うことを決定し、音量制御部１０８へ音声出力部１１０から出力する音声信号の音量を小さくすることを示す音量制御信号を出力する。故に、話者の発声以外の音声が入力され、音声認識部で誤って認識された場合に不必要な音量制御を行うことがなく、適切な音量制御を行うことができる。
【００６１】また、ステップＳ３０７において、音声出力部１１０から出力する音声信号の音量が変更された場合には、パラメータ変更通知部１０９は音声信号の音量の設定値に基づいて各パラメータを変更することを示すパラメータ変更通知信号を出力する。認識結果判定部１０５は、音声信号の音量の設定値に応じてφ１またはφ２を適切に変更する。例えば、音声信号の音量の設定値が大きくなるとφ１やφ２を大きくし、音声信号の音量の設定値が小さくするとそれにともなってφ１やφ２を小さくする。これにより、電子機器本体から出力される音声信号の音量が変化し、音声入力部１０１へ入力される音声信号の音量が変化した場合でも、話者が発声する音声コマンドを正確に検出することができ、電子機器の操作性を向上させることができる。
【００６２】（実施の形態２）本発明の実施の形態２について、図面を参照して説明する。
【００６３】図３に示すように、本発明の実施の形態２の電子機器は、実施の形態１の電子機器に音量制御時間計測部１１３を追加したものである。
【００６４】以下、本実施の形態の電子機器の構成のうち、実施の形態１とは異なる部分について説明する。
【００６５】音声入力レベル検出部１０３は、マイク１０２へ入力された音声の音量が予め定められたレベルパラメータγ（γ：実数）よりも小さい場合に、音声入力非検出信号を出力する。
【００６６】音量制御部１０８は、音声認識部１０４から出力された認識単語の信頼度がリジェクトパラメータ１より小さく、かつリジェクトパラメータ２より大きくて音量の制御を開始すると、まず制御する前の音量の設定値を記憶部に保存し、次に音量の制御を開始したことを示す音量制御開始信号を出力する。また、音量の制御を開始した後に、音量制御時間計測部１１３から音量制御解除信号が入力された場合には、音量制御を解除した後に、認識結果判定部１０５へ音量制御解除通知信号を出力する。また、認識結果判定部１０５から音量制御解除信号が入力された場合には、音量制御を解除した後に、音量制御時間計測部１１３へ音量制御解除通知信号を出力する。
【００６７】音量制御時間計測部１１３は、時間を計測するタイマー（図示せず）を保持し、音量制御部１０８から出力された音量制御開始信号が入力されると、音声入力レベル検出部１０３から出力される音声入力非検出信号の入力を監視し、監視時間を計測する。音声入力非検出信号が継続して入力された時間χ（χ：実数）が予め定められた音声非検出パラメータμ（μ：実数）より長ければ、音量制御部１０８へ音量制御解除信号を出力する。また、音量制御時間計測部１１３は音量制御部１０８から出力される音量制御解除通知信号が入力されると、音声入力非検出信号の監視を停止する。
【００６８】認識結果判定部１０５は、音量制御信号を音量制御部１０８へ出力した後（音量の制御を行っている状態）で、音量制御部１０８から音量制御解除通知信号が入力される前に、音声認識部１０４から出力された認識結果を認識成功と判定した場合には、音量制御解除信号を出力する。
【００６９】以上のように構成された電子機器の動作のうち、実施の形態１とは異なる部分、つまり、音量の制御が開始されてから音量の制御を解除する処理について、以下図４のフローチャートを用いて説明する。
【００７０】ステップＳ４０１では、音量制御部１０８が、音声出力部１１０から出力される音声信号の音量を制御する音量制御信号を出力すると、音量制御時間計測部１１３へ音量制御開始信号を出力する。
【００７１】ステップＳ４０２では、音量制御時間計測部１１３は、音量制御部１０８から音量制御開始信号が出力されると、音声入力レベル検出部１０３から出力される音声入力非検出信号の入力の監視を開始する。
【００７２】ステップＳ４０３では、音声入力非検出信号が継続して入力された時間χと、予め定められた時間μとを比較し、χがμより小さければステップＳ４０４へ遷移する。一方、χがμより大きければ、ステップＳ４１２へ遷移する。
【００７３】まず、χがμより小さい場合の処理の流れ（Ｓ４０４からＳ４１１）について説明する。
【００７４】ステップＳ４０４では、音声入力レベル検出部１０３へ入力された音声の音声レベルとγとを比較し、音声レベルがγよりも大きい場合はステップＳ４０６へ遷移する。一方、音声レベルがγよりも小さい場合は、ステップＳ４０５へ遷移する。
【００７５】ステップＳ４０５では、音声入力レベル検出部１０３が音声入力非検出信号を音量制御時間計測部１１３へ出力し、ステップＳ４０３へ遷移する。
【００７６】ステップＳ４０６では、音声認識部１０４が入力された音声データを音声認識処理して、認識単語とその信頼度を認識結果判定部１０５へ出力する。
【００７７】ステップＳ４０７では、認識結果判定部１０５が、音声認識部１０４から出力された認識単語の信頼度とφ１とを比較して、信頼度がφ１より大きい場合には、認識成功と判定し、ステップＳ４０８へ遷移する。一方、信頼度がφ１より小さい場合には、認識失敗と判定し、認識結果をリジェクトしてステップＳ４０２へ遷移する。
【００７８】ステップＳ４０８では、認識結果判定部１０５が、音量制御部１０８から出力された音量制御解除通知信号が入力されていなければ、音量制御部１０８へ音量制御解除信号を出力する。
【００７９】ステップＳ４０９では、音量制御部１０８が、認識結果判定部１０５から出力された音量制御解除信号が入力されると、音声出力部１１０から出力される音声信号の音量を元（制御前の音量）に戻す。
【００８０】ステップＳ４１０では、音量制御部１０８が、音量制御時間計測部１１３へ音量制御解除通知信号を出力する。
【００８１】ステップＳ４１１では、音量制御時間計測部１１３が、音量制御部１０８から出力された音量制御解除通知信号が入力されると、音声入力レベル検出部１０３から出力される音声入力非検出信号の入力の監視を停止する。
【００８２】次に、χがμより大きい場合の処理の流れ（Ｓ４１２からＳ４１５）について説明する。
【００８３】ステップＳ４１２では、音量制御時間計測部１１３が、音量制御部１０８へ音量制御解除信号を出力する。
【００８４】ステップＳ４１３では、音量制御部１０８が、音量制御時間計測部１１３から出力された音量制御解除信号が入力されると、音声出力部１１０から出力される音声信号の音量を元（制御前の音量）に戻す。
【００８５】ステップＳ４１４では、音量制御部１０８が、認識結果判定部１０５へ音量制御解除通知信号を出力する。
【００８６】ステップＳ４１５では、音量制御時間計測部１１３が、音声入力レベル検出部１０３から出力される音声入力非検出信号の入力の監視を停止する。
【００８７】このように、本発明の実施の形態２によれば、音量制御部１０８が音声出力部１１０から出力する音声信号の音量を小さくしている場合には、音量制御時間計測部１１３は音声入力レベル検出部１０３から出力される音声入力非検出信号の入力を監視する。音声入力非検出信号が継続して入力された時間χが予め定められた一定の時間μよりも長ければ、話者の音声入力は終了したと判断して音量制御時間計測部１１３が音量制御部１０８へ音量制御解除信号を出力する。
【００８８】音量制御部１０８は、音量制御時間計測部１１３から音量制御解除信号が出力されると、音声出力部１１０から出力する音声信号の音量を、元（制御前の音量）に戻す。これにより、話者は音量制御を解除して音量を大きくするための操作を行う必要がなく、電子機器が自動的に音量を元に戻すので、操作性に優れた電子機器を提供することができる。
【００８９】また、音声入力非検出信号が継続して入力された時間χが予め定められた一定の時間μに達しない間に、話者が音声コマンドを発声し、そのコマンドが認識処理された結果、認識結果判定部１０５で認識成功と判定された場合には、認識結果判定部１０５は、音量制御部１０８へ音量制御解除信号を出力する。音量制御部１０８は、音量制御解除信号が入力されると、音声出力部１１０から出力していた音声信号の音量を元（制御前の音量）に戻す。これにより、音量を制御している状態で、話者が発声した音声コマンドの認識が成功した場合には、予め定められた一定の時間μが経過する前に、電子機器が自動的に音量を元（制御前の音量）に戻す。つまり、電子機器から出力される音声信号の音量の制御を迅速に行うことができ、操作性に優れた電子機器を提供することができる。
【００９０】また、上記実施の形態において認識単語の信頼度がφ１より大きい場合に、認識結果判定部１０５が音量制御部１０８へ音量制御解除信号を出力し、音量制御部１０８が音声出力部１１０から出力する音声信号の音量を元（制御前の音量）に戻していたが、元に戻さなくてもよい。例えば、機器の操作を行うための音声入力が複数回繰り返される場合などは、音量の制御を開始してから一度目の認識成功時に音量を元に戻さなくてもよい。
【００９１】また、実施の形態２の電子機器では、音声認識部１０４から出力された認識単語の信頼度がリジェクトパラメータ１より小さく、かつリジェクトパラメータ２より大きくて、音量制御部１０８が音量の制御を開始した場合、その音量制御を開始してから例えば２分等所定の時間が経過した場合、新たな認識単語に基づいて音声出力部１１０や映像出力部１１２を制御しないとき、入力された音声レベルの大きさに関わらず、音量制御部１０８は音声出力部１１０から出力する音声信号の音量を元（制御前の音量）に戻すとしてもよい。
【００９２】上記実施の形態１及び実施の形態２では、音声入力レベル検出部１０３、音声認識部１０４、認識結果判定部１０５、チャンネル切換部１０７、音量制御部１０８、映像出力制御部１１３、パラメータ変更通知部１０９、音量制御時間計測部１１３を専用のハードウェアにより構成したが、これに代えて、同様の機能をコンピュータ上のソフトウェアで実現してもよい。
【００９３】また、上記実施の形態１及び２では、音を出力する電子機器内部に、ユーザーが発した音声を利用してその電子機器本体の動作を制御する制御装置が組み込まれているとしたが、音を出力する機器と、ユーザーが発した音声を利用してその機器の動作を制御する制御装置とは別個に存在していてもよい。
【００９４】以上のように本発明の実施の形態によれば、次に示すような効果が得られる。
【００９５】第一に、音声認識手段から得られた認識単語の信頼度が認識成功の判定値から一定の範囲内である場合に音声出力手段から出力する音声信号の音量を制御するので、前記出力音声の影響により音声認識手段の認識単語の信頼度が低下した場合には、前記出力音声の音量を制御することによって、音声認識手段に入力される前記出力音声の影響を小さくすることができる。また、話者の発声以外の音声信号が音声入力手段に入力され、音声認識手段が低い信頼度の認識結果を出力した場合に誤って音量制御を行うことがなく、音量制御を適切に行うことができる。
【００９６】第二に、認識結果判定手段は、パラメータ変更通知手段から出力されるパラメータ変更通知信号に基づいてリジェクトパラメータ１およびリジェクトパラメータ２を適切に変更する。従って、電源投入時や音声信号のソース変更により音声信号の音量が変更された場合でも音声認識手段では、話者が発声した音声の認識を正確に行うことが可能になり、機器の操作性を向上させることができる。
【００９７】第三に、音量を制御している状態で、予め定められた一定の時間が経過しても音声入力手段への音声入力がなかった場合には、音量制御時間計測手段が、自動的に音量制御を解除することにより、話者は音量制御のための操作を行う必要がなく、電子機器の音量を元（制御前の音量）に戻すことができるので、操作性に優れた電子機器を提供することができる。
【００９８】第四に、音量を制御している状態で、話者が発声した音声コマンドの認識が成功した場合には、音声非検出パラメータで設定した時間が経過して、音量制御時間計測手段から音量制御解除信号が出力される前に、電子機器の音量を元（制御前の音量）に戻すことができる。つまり、電子機器から出力される音声信号の音量の制御を迅速に行うことができ、操作性に優れた電子機器を提供することができる。
【００９９】なお、本発明は、上述した本発明の全部または一部の手段の全部または一部の機能をコンピュータにより実行させるためのプログラムおよび／またはデータを担持した媒体であり、コンピュータにより読み取り可能且つ、読みとられた前記プログラムおよび／またはデータが前記コンピュータと協動して前記機能を実行する媒体である。
【０１００】また、本発明は、上述した本発明の全部または一部の手段の全部または一部の機能をコンピュータにより実行させるためのプログラムおよび／またはデータである情報集合体であり、コンピュータにより読み取り可能且つ、読みとられた前記プログラムおよび／またはデータが前記コンピュータと協動して前記機能を実行する情報集合体である。
【０１０１】データとは、データ構造、データフォーマット、データの種類などを含む。媒体とは、ＲＯＭ等の記録媒体、インターネット等の伝送媒体、光・電波・音波等の伝送媒体を含む。担持した媒体とは、例えば、プログラムおよび／またはデータを記録した記録媒体や、プログラムおよび／またはデータを伝送する伝送媒体等を含む。
【０１０２】コンピュータにより処理可能とは、例えば、ＲＯＭなどの記録媒体の場合であれば、コンピュータにより読み取り可能であることであり、伝送媒体の場合であれば、伝送対象となるプログラムおよび／またはデータが伝送の結果として、コンピュータにより取り扱えることであることを含む。
【０１０３】情報集合体とは、例えば、プログラムおよび／またはデータ等のソフトウェアを含むものである。
【０１０４】なお、以上説明したように、本発明の構成は、ソフトウェア的に実現してもよいし、ハードウェア的に実現してもよい。
【０１０５】
【発明の効果】以上説明したところから明らかなように、本発明は、音を出力する機器の動作を、ユーザーが発した音声を利用して制御する場合に、上記機器が出力する音量を制御することによってユーザーが発声した音声に対する雑音を軽減し、上記機器を制御する制御装置を提供することができる。
【出願人】 【識別番号】０００００５８２１
【氏名又は名称】松下電器産業株式会社
【出願日】 平成１２年１２月１４日（２０００．１２．１４）
【代理人】 【識別番号】１０００９２７９４
【弁理士】
【氏名又は名称】松田 正道
【公開番号】 特開２００２−１８２６９１（Ｐ２００２−１８２６９１Ａ）
【公開日】 平成１４年６月２６日（２００２．６．２６）
【出願番号】 特願２０００−３８０９９５（Ｐ２０００−３８０９９５）