トップ :: G 物理学 :: G10 楽器;音響




【発明の名称】 音声認識装置、及びプログラム
【発明者】 【氏名】遠藤 剛
【要約】 【課題】本発明の課題は、マイクから音声入力された会話情報に基づいて、会議や市場調査等のテキスト化されたデータベースを自動的に構築する音声認識装置、及びプログラムを提供することである。

【解決手段】音声認識装置１によれば、マイクＭから入力された音声データを音声データ記憶部６１に格納し、音素認識処理部２１で音素データに変換した後に音素データ記憶部６２に格納する。同時に、音素データを発声辞書学習処理部２２で個人別発声辞書６４、共通発声辞書６５と照合し、照合結果を音素認識処理部２１に渡す。また、音声データ記憶部６１に格納された音素データを単語認識処理部２４において単語認識した後に、認識された単語データを単語データ記憶部６３に記憶する。
【特許請求の範囲】
【請求項１】入力された音声データを記憶する音声記憶手段と、音声認識のための特徴情報を記憶する特徴情報記憶手段と、前記音声記憶手段に記憶されている音声データを読み出し、前記特徴情報記憶手段に記憶されている特徴情報に基づいて前記音声データに対応するテキストデータを推定するテキスト推定手段と、前記テキスト推定手段により推定されたテキストデータを、その推定の確度情報と共に記憶するテキスト記憶手段と、前記特徴情報記憶手段に記憶されている特徴情報を学習させる学習手段と、前記学習手段による特徴情報の学習後、前記テキスト記憶手段に記憶されているテキストデータの確度情報を読み出し、確度が一定割合以下であるテキストデータを前記テキスト推定手段によって再度推定し、前記テキスト記憶手段に記憶されているテキストデータを更新するテキスト更新手段と、を備えることを特徴とする音声認識装置。
【請求項２】前記テキスト記憶手段に記憶されているテキストデータの確度情報を読み出し、確度が一定割合以上であるテキストデータに対応する音声データを前記音声記憶手段から削除する削除手段、を更に備えることを特徴とする請求項１記載の音声認識装置。
【請求項３】前記学習手段は、前記テキスト推定手段による音声認識結果に基づいて、前記特徴情報記憶手段に記憶されている特徴情報を学習させることを特徴とする請求項１記載の音声認識装置。
【請求項４】前記学習手段は、利用者からの入力情報に基づいて、前記特徴情報記憶手段に記憶されている特徴情報を学習させることを特徴とする請求項１記載の音声認識装置。
【請求項５】前記特徴情報記憶手段は、話者による発声の特徴情報を各話者毎に記憶し、前記テキスト推定手段によって推定が行われた音声データの話者を推定し、その推定の確度情報と共に記憶する話者推定手段と、前記テキスト推定手段は、前記話者推定手段によって推定された話者に対応する特徴情報によってテキストデータを推定し、前記学習手段は、前記話者推定手段によって推定された話者の確度が一定割合以上であった場合に、前記テキスト推定手段による音声認識結果に基づいて、推定された話者に対応する特徴情報を学習させることを特徴とする請求項１記載の音声認識装置。
【請求項６】前記特徴情報記憶手段は、各単語に含まれる音素の特徴情報を記憶し、前記テキスト推定手段は、読み出した音声データに含まれる音素と前記特徴情報記憶手段に記憶されている各単語に含まれる音素とを比較することによって該音声データに対応する単語を推定し、前記学習手段は、利用者が入力する新たな単語に対応する音素の特徴情報を追加登録することにより学習させることを特徴とする請求項１記載の音声認識装置。
【請求項７】前記特徴情報記憶手段は、各単語に含まれる音素の特徴情報を記憶し、前記テキスト推定手段は、読み出した音声データに含まれる音素と前記特徴情報記憶手段に記憶されている各単語に含まれる音素とを比較することによって該音声データに対応する単語を推定し、前記学習手段は、前記音声記憶手段に記憶されている音声データに含まれる音素列の中から共通する音素列が一定数以上含まれている音素列部分を抽出し、新たな単語として前記特徴情報記憶手段に追加登録することにより学習させることを特徴とする請求項１記載の音声認識装置。
【請求項８】コンピュータに、入力された音声データを記憶させる機能と、音声認識のための特徴情報を記憶させる機能と、記憶された音声データを読み出し、記憶された特徴情報に基づいて前記音声データに対応するテキストデータを推定する音声認識機能と、推定されたテキストデータを、その推定の確度情報と共に記憶させるテキスト記憶機能と、記憶された特徴情報を学習させる機能と、前記特徴情報の学習後に、記憶されたテキストデータの確度情報を読み出し、確度が一定割合以下であるテキストデータを再度推定し、記憶されたテキストデータを更新するテキスト更新機能と、を実現させるためのプログラム。
【発明の詳細な説明】【０００１】
【発明の属する技術分野】本発明は、入力された音声をテキストデータに変換する音声認識装置、及びそのプログラムに関する。
【０００２】
【従来の技術】従来、マイクから入力された音声をテキストデータに変換する音声認識技術を利用した音声入力ワードプロセッサが製品化されている。この様な音声入力ワードプロセッサを利用して文書データを作成する処理では、マイクから入力されたアナログ音声データから音素を抽出し、単語辞書を参照することによって抽出された音素の並びを単語に変換する。そして、入力されたアナログ音声データが全て単語に変換され、仮の文書データが自動作成された後、人手を介して誤認識箇所の修正を行い最終的な文書データを作成する。
【０００３】この様な音声データの誤認識を修正する手間を減らすために、様々な手法で音素抽出精度及び単語抽出精度の向上が図られている。例えば、音素抽出精度を向上するためには、予め各話者毎の発声の癖を学習して個人発音辞書として登録しておき、音声データから音素を抽出する際に、話者に応じた個人発音辞書を参照する技術があり、単語抽出精度を向上するためには、できる限り多くの単語を予め辞書登録する方法等がある。
【０００４】
【発明が解決しようとする課題】しかしながら、予め各話者毎に発声の癖を学習させておくことは非常に手間がかかる上に、流行語や造語等の新しい単語を予め単語辞書に登録しておくことはできない。このため、未知の話者や未知の単語により、音声データの認識率が悪く、人手による誤認識箇所の修正作業は避けられなかった。
【０００５】本発明の課題は、マイクから音声入力された会話情報に基づいて、会議や市場調査等のテキスト化されたデータベースを自動的に構築する音声認識装置、及びプログラムを提供することである。
【０００６】
【課題を解決するための手段】本発明は、上記課題を解決するため、以下の様な特徴を備えている。なお、以下に示す手段の説明中、括弧書きにより実施の形態に対応する構成を例示する。また、符号は後記の図面参照符号に対応する。
【０００７】請求項１記載の発明は、入力された音声データを記憶する音声記憶手段（例えば、図２の音声データ記憶部６１）と、音声認識のための特徴情報を記憶する特徴情報記憶手段（例えば、図２の個人別発声辞書６４）と、前記音声記憶手段に記憶されている音声データを読み出し、前記特徴情報記憶手段に記憶されている特徴情報に基づいて前記音声データに対応するテキストデータを推定するテキスト推定手段（例えば、図１の制御部２）と、前記テキスト推定手段により推定されたテキストデータを、その推定の確度情報と共に記憶するテキスト記憶手段（例えば、図１の音素データ記憶部６２）と、前記特徴情報記憶手段に記憶されている特徴情報を学習させる学習手段（例えば、図１の制御部２）と、前記学習手段による特徴情報の学習後、前記テキスト記憶手段に記憶されているテキストデータの確度情報を読み出し、確度が一定割合以下であるテキストデータを前記テキスト推定手段によって再度推定し、前記テキスト記憶手段に記憶されているテキストデータを更新するテキスト更新手段（例えば、図１の制御部２）と、を備えることを特徴としている。
【０００８】請求項１記載の発明によれば、音声入力が行われた時点で、入力された音声データを認識するために十分な特徴情報が、特徴情報記憶手段に登録されていない場合でも、認識できなかった部分を、後日改めて学習した特徴情報を用いて自動的に認識し直してテキストデータに変換することができ、より精度の良い音声認識が可能となる。これにより、例えば、マイクから入力される音声データを次々に蓄積させていくだけで、、市場調査や会議議事録等のテキスト化されたデータベースを自動的に構築することが可能となる。
【０００９】
【発明の実施の形態】以下、図を参照して本発明の実施の形態を詳細に説明する。まず、図１を参照して音声認識装置１の内部構成を詳細に説明する。図１は、音声認識装置１の機能的構成を示すブロック図である。図１に示す様に、音声認識装置１は、コンピュータで構成された端末装置であり、制御部２、入力部３、ＲＡＭ４、表示部５、記録媒体６ａを有する記憶部６、及びマイクＭを備え、記録媒体６ａを除く各部はバス７により接続されている。
【００１０】制御部２は、記憶部６の有する記録媒体６ａに記憶されている各種制御プログラムを読み出し、ＲＡＭ４内に形成されたワークメモリ４ａに展開し、該制御プログラムに従って各部を集中制御する。また、制御部２は、ワークメモリ４ａに展開した制御プログラムに従って、後述する音声記録処理（図５参照）、音素認識処理（図６参照）、単語認識処理（図７参照）、単語自動学習処理（図１１（ａ）参照）、単語手動登録処理（図１１（ｂ）参照）等の各種処理を実行する。
【００１１】入力部３は、文字／英数字入力キー、カーソルキー、及び各種機能キー等を備えたキーボードと、ポインティングデバイスであるマウスと、を備えて構成され、キーボードで押下操作されたキーの押下信号とマウスによる操作信号とを、入力信号として制御部２へ出力する。
【００１２】ＲＡＭ（Random Access Memory）４は、制御部２により実行制御される各種処理において、記憶部６から読み出された音声認識装置１に対応するシステムプログラム、各種処理プログラム、入力若しくは出力データ、及びパラメータ等の一時的な格納領域となるワークメモリ４ａを形成する。
【００１３】表示部５は、ＬＣＤ（Liquid Crystal Display）やＣＲＴ（Cathode Ray Tube）等により構成され、制御部２から入力される表示信号の指示に従って各種表示データの画面表示を行う。
【００１４】記憶部６は、プログラムやデータ等が予め記憶された記録媒体６ａを有し、この記録媒体６ａは磁気的、光学的記録媒体、若しくは半導体等の不揮発性メモリで構成されている。また、詳細なデータ格納例に関しては後述するが、記憶部６は、内部に音声データ記憶部６１、音素データ記憶部６２、単語データ記憶部６３、個人別発声辞書６４、共通発声辞書６５、単語辞書６６を有する。更に、個人別発声辞書６４は、話者Ａに関する個人別発声辞書６４１、話者Ｂに関する個人別発声辞書６４２、話者Ｃに関する個人別発声辞書６４３から構成される。
【００１５】記録媒体６ａは、記憶部６に固定的に設けたもの、若しくは着脱自在に装着するものであり、記録媒体６ａには音声認識装置１に対応するシステムプログラム、及びこれに対応する音素認識処理プログラム等の各種処理プログラム、及びこれらのプログラムで処理されたデータ、ファイル等を記憶する。これらの各処理プログラムは、読み取り可能なプログラムコードの形態で格納され、制御部２は当該プログラムコードに従った動作を逐次実行する。
【００１６】マイクＭは、外部から入力されたアナログ音声データを制御部２へ出力する。
【００１７】次に、図２を参照して、音声認識装置１により実行される各処理の概略について説明する。図２は、記憶部６内部に形成された各種記憶部と辞書を利用した音声認識装置１の機能的構成を示す概略図である。前提として、制御部２は、音素認識処理部２１、発声辞書学習処理部２２、単語辞書学習処理部２３、単語認識処理部２４、単語辞書登録処理部２５の各処理部に機能的に分類される。
【００１８】図２に示す様に、まずマイクＭから入力された音声データは、音声データ記憶部６１に格納され、音素認識処理部２１で音素データに変換された後に音素データ記憶部６２に格納される。同時に、音素データは、発声辞書学習処理部２２で個人別発声辞書６４、共通発声辞書６５と照合され、照合結果を音素認識処理部２１に渡す処理を繰り替えして音素認識の精度を上げる。
【００１９】更に、音素データ記憶部６２に格納された音素データは、単語辞書学習処理部２３で単語辞書６６を参照して得られた単語データ候補に基づいて、単語認識処理部２４において単語認識される。この処理を繰り返し行うことで単語認識の精度を上げる。そして、認識された単語データは、単語データ記憶部６３に記憶される。なお、単語辞書６６の単語データは、単語辞書登録処理部２５から利用者の手操作による登録も可能である。
【００２０】次に、図３は、会話情報データベース内部のデータ格納例を示す図である。図３に示す様に、音声データ記憶部６１、音素データ記憶部６２、単語データ記憶部６３の各記憶部は、夫々種別領域６１ａ，６２ａ，６３ａと、記録場所領域６１ｂ，６２ｂ，６３ｂと、記録日領域６１ｃ，６２ｃ，６３ｃと、記録位置領域６１ｄ，６２ｄ，６３ｄと、話者領域６１ｅ，６２ｅ，６３ｅと、話者確度領域６１ｆ，６２ｆ，６３ｆと、データ内容領域６１ｇ，６２ｇ，６３ｇと、データ確度領域６１ｈ，６２ｈ，６３ｈと、を備えて構成される。ここで、確度情報とは各種データの認識精度または推定の確からしさを表す情報であり、実施例では百分率表示により数値化された確度データとして記憶している。
【００２１】種別領域６１ａ，６２ａ，６３ａは、格納するデータの種類を示す種別データ（例；“音声”、“音素”、“単語”）を格納し、記録場所領域６１ｂ，６２ｂ，６３ｂは、各データが記録された場所のデータ（例；“会議室Ａ”…）を格納し、記録日領域６１ｃ，６２ｃ，６３ｃは、各データが記録された日付データ（例；“１２年４月１０日”…）を格納する。
【００２２】記録位置領域６１ｄ，６２ｄ，６３ｄは、各データを構成する最小単位のデータ毎に、その記録位置データ（例；“０〜５２バイト”、“５３〜８９バイト”）を格納し、話者領域６１ｅ，６２ｅ，６３ｅは、各データに対応する音声を発声した話者のデータ（例；“Ａさん”、“Ｂさん”）を格納し、話者確度領域６１ｆ，６２ｆ，６３ｆは、各データに対応する音声の話者が、対応する話者領域に格納された話者である確率を示す話者確度データ（例；“５７”、“３４”…）を格納し、データ内容領域６１ｇ，６２ｇ，６３ｇは、各データ内容（例；“Ｈ”の音声データ、“Ｈ”、“本日”…）を格納し、データ確度領域６１ｈ，６２ｈ，６３ｈは、データ内容領域に格納されたデータが、実際に発声された音声に対応するデータである確率を示すデータ確度データ（例；“３５”、“５３”…）を格納する。
【００２３】次に、図４（ａ）は、話者Ａに対応する個人別発声辞書６４１内部のデータ格納例を示す図である。図４（ａ）に示す様に、音素を発声した話者データ（例；“Ａさん”）を格納する話者領域６４１ａと、その音素データ（例；“Ｈ”、“Ｏ”）を格納する音素領域６４１ｂと、対応する音素データの音声スペクトルデータ等の特徴情報を格納する特徴情報領域６４１ｃと、を備えて構成される。
【００２４】更に、図４（ｂ）は、単語辞書６６内部のデータ格納例を示す図である。図４（ｂ）に示す様に、単語データ（例；“本日”、“晴天”）を格納する単語領域６６ａと、その単語データを構成する音素データ群（例；“ＨＯＮＪＩＴＵ”、“ＳＥＩＴＥＮ”）を格納する構成音素領域６６ｂと、を備えて構成される。
【００２５】次に動作を説明する。動作説明の前提として、以下に説明するフローチャートに記述されている各機能を実現するためのプログラムは、読み取り可能なプログラムコードの形態で記録媒体に格納されており、制御部２は上記プログラムコードに従った動作を逐次実行する。また、制御部２は、伝送媒体を介して伝送されてきた上述のプログラムコードに従った動作を逐次実行することもできる。すなわち、記録媒体の他、伝送媒体を介して外部供給されたプログラム或いはデータを利用して本実施の形態特有の動作を実行することもできる。
【００２６】次に、音声認識の前提として実行される音声記録処理について図５のフローチャートを参照して詳細に説明する。まず、制御部２は、マイクＭからの音声入力を待機して（ステップＳ１）、音声入力が有れば（ステップＳ１；Ｙ）、入力された音声をデジタル変換してワークメモリ４ａに一時記憶する（ステップＳ２）。音声入力が終了すると（ステップＳ３；Ｙ）、制御部２は、ユーザに対して音声データの記録場所、及び記録日時情報の入力を促す（ステップＳ４）。
【００２７】入力部３から記録場所、及び記録日時情報が入力されると、制御部２は、これらの情報をデジタル変換した音声データと対応付けて、会話情報データベースの音声データ記憶部６１の各領域（記録場所領域６１ｂ、記録日領域６１ｃ、データ内容領域６１g等）に記録する（ステップＳ５）。
【００２８】次に、記録された音声データを音素データとして認識するため、音声認識装置１により実行される音素認識処理について図６のフローチャートを参照して詳細に説明する。まず、制御部２は、音素データ記憶部６２から確度が９０％以上の音素データの有無を判定する（ステップＳ１１）。確度が９０％以上の音素データが検索された場合（ステップＳ１１；Ｙ）、その音素データに対応する音声データ部分を音声データ記憶部６１から削除して（ステップＳ１２）、ステップＳ１３以降の処理に移行する。
【００２９】また、確度が９０％以上の音素データが検索されない場合には（ステップＳ１１；Ｎ）、制御部２は、音素データ記憶部６１に話者が記憶されている音声データ部分については、その記憶された話者に対応する個人別発声辞書６４を音素認識に用いる発声辞書として選択し、話者が記憶されていない音声データ部分については、共通発声辞書６５を音素認識に用いる発声辞書として選択する（ステップＳ１３）。なお、ステップＳ１３の処理は、確度が９０％以上の音素データが検索された場合にも、ステップＳ１２の終了後に実行される。
【００３０】次に、制御部２は、各音声データ部分毎に選択された発声辞書を参照して、その発声辞書に記憶されている各音素の特徴情報と音声データとを照合して、特徴情報が最近似する音素データを検索し、音声データに対応する適切な音素データを抽出する（ステップＳ１４）。抽出された音素データは、その確度データと共に音素データ記憶部６２のデータ内容領域６２ｇとデータ確度領域６２ｈとに夫々記憶される（ステップＳ１５）。
【００３１】次に、制御部２は、データ内容領域６２ｇに記憶された音素データの特徴情報に最も近い音素データの特徴情報を有する個人別発声辞書を検索する（ステップＳ１６）。次に、制御部２は、検索された個人別発声辞書の中に、話者の確度が９０％以上の音素データの有無を判定し（ステップＳ１７）、その様な音素データが有れば（ステップＳ１７；Ｙ）、制御部２は、その個人別発声辞書に当該音素データの特徴情報を追加して（ステップＳ１８）、本音素認識処理を終了する。一方、話者の確度が９０％以上の音素データが無ければ（ステップＳ１７；Ｎ）、制御部２は、そのまま本音素認識処理を終了する。
【００３２】次に、記憶された音素データを単語データとして認識するため、音声認識装置１により実行される単語認識処理について図７のフローチャートを参照して詳細に説明する。まず、制御部２は、単語データ記憶部６３から確度が９０％以上の単語データの有無を判定する（ステップＳ２１）。確度が９０％以上の単語データが検索された場合（ステップＳ２１；Ｙ）、その単語データに対応する音素データを音素データ記憶部６２から削除して（ステップＳ２２）、ステップＳ２３以降の処理に移行する。
【００３３】また、確度が９０％以上の単語データが検索されない場合には（ステップＳ２１；Ｎ）、制御部２は、単語辞書に含まれる単語データを構成する音素データと、音素データ記憶部６２に記憶されている各音素データとを照合させて、音素データに対応する適切な単語データを抽出する（ステップＳ２３）。
【００３４】抽出された単語データは、その確度データと共に単語データ記憶部６３のデータ内容領域６３ｇとデータ確度領域６３ｈとに夫々記憶される（ステップＳ２４）。次に、制御部２は、データ内容領域６３ｇに記憶された単語データを構成する各音素データの話者及び話者確度に基づいて、当該単語データに最も近い話者を選定すると共にその話者確度を算出して、話者データを話者領域６３ｅに、話者確度データを話者確度領域６３ｆにそれぞれ更新記憶させる（ステップＳ２５）。
【００３５】次に、制御部２は、ステップＳ２５で記憶された話者確度データの中に、話者確度が６０％以上の単語データの有無を判定する（ステップＳ２６）。ここで、その様な単語データが有れば（ステップＳ２６；Ｙ）、制御部２は、当該単語データを構成する全ての音素データの話者を、単語データ記憶部６３に記憶された単語データの話者に変更して、音素データ記憶部６２の話者領域６２ｅ内の話者データを更新記憶して（ステップＳ２７）、本単語認識処理を終了する。一方、話者確度が６０％以上の単語データが無ければ（ステップＳ２７；Ｎ）、制御部２は、そのまま本単語認識処理を終了する。
【００３６】以下、図８〜図１０の会話情報データベースの状態遷移例を参照して、上記各処理の実行に伴って、マイクＭから入力された音声データから音素データを経て単語データを生成する過程について説明する。
【００３７】図８は、“本日は晴天なり”の音声データが入力された際に認識された音素データと単語データの例を示す図である。図８に示す状態においては、依然音素データの話者が正確に特定されていないので、参照する個人別発声辞書６４内の音素データがばらつき、単語データの確度（認識精度）が“本日＝７３％”、“は＝５９％”、“零点＝２８％”という様に、低い値を示している。また、実際に単語辞書６６に登録されていない単語である“晴天”が“零点”と誤認識されている。
【００３８】また、図９は、単語辞書６６に“晴天”という単語が登録された際に認識された音素データと単語データの例を示す図である。図９に示す状態においては、音素データの確度が９０％以上に達した音声データは削除される。また、単語データの話者確度が６０％以上（７３％）であるので、音素データの全音素の話者が当該単語データの話者である“Ａ”に変更されている。その結果、単語データを選択する際に、正しい話者である“Ａ”の個人別発声辞書６４１が参照され、単語データのデータ確度が７３％から９１％に上がる。更に、単語データ“晴天”が単語辞書６６に新規に登録されたため、正しく認識されている。
【００３９】図１０は、単語辞書６６に“晴天”という単語が登録された際に認識された音素データと単語データの例を示す図である。図１０に示す状態においては、単語データのデータ確度が９０％以上（９１％）に達したので、対応する単語データである“本日”のみ残して、音声データ、音素データ、及び単語データの確度、話者データは削除されることになる。
【００４０】次に、図１１（ａ）を参照して、制御部２の一機能として、単語データを自動登録するために単語辞書登録処理部２５により実行される単語自動学習処理について説明する。まず、制御部２は、音素データ記憶部６２に残された部分音素列同士を比較して、それらの音素列の共通部分を抽出する（ステップＳ３１）。次に、制御部２は、抽出された音素列の共通部分が音素データ記憶部６２内部に５回以上出現するか否かを判定し（ステップＳ３２）、５回以上出現する場合には（ステップＳ３２；Ｙ）、その音素列の記号（アルファベット）に対応するカタカナを、登録する単語の文字列として選定する（ステップＳ３３）。そして、制御部２は、選定された文字列を、単語辞書６６内の対応する領域に追加記憶させる（ステップＳ３４）。
【００４１】次に、図１１（ｂ）を参照して、制御部２の一機能として、単語データを手動操作で登録するために単語辞書登録処理部２５により実行される単語手動学習処理について説明する。まず、ユーザが入力部３を介して登録する単語の文字列を入力した（ステップＳ３５）後、その単語を構成する音素データ（構成音素）を記号（アルファベット）で入力する（ステップＳ３６）。そして、制御部２は、入力された単語の文字列と記号に対応する音素データを、単語辞書６６内の対応する領域に追加記憶させる（ステップＳ３７）。
【００４２】以上説明した様に、本発明に係る音声認識装置１によれば、日々蓄積されていく音声データの全てを直ちに最終文章データに変換するのではなく、個人発音辞書または単語辞書のデータ量不足によって認識できない部分は、テキストデータに変換せずに音声データのまま残しておき、日々蓄積されていく音声データを処理する過程で、個人発音辞書及び単語辞書を徐々に学習させていき、個人発音辞書または単語辞書のデータ量不足によって認識できなかった部分を後日改めて認識させ、データベースに登録する。これにより、予め個人発音辞書または単語辞書を登録しておくこと無く、会議や市場調査等に関するテキスト化されたデータベースを自動的に構築することが可能となる。
【００４３】その結果、例えば、会議等における発言の音声会話情報に基づいて、テキストデータ化された会議議事録を作成したり、人の集まる場所に設置されたマイクからその場所に訪れた人の会話情報を次々と入力し、その会話情報に含まれる流行語等のキーワードを抽出してデータベースに登録することで、若者の流行の市場調査を行うことができる。
【００４４】なお、上記実施の形態における記述内容は、本発明に係る音声認識装置の好適な一例であり、これに限定されるものではない。また、音声認識装置１の細部構成、及び詳細動作に関しても、本発明の趣旨を逸脱することのない範囲で適宜変更可能である。
【００４５】
【発明の効果】請求項１または請求項８記載の発明によれば、音声入力が行われた時点で、入力された音声データを認識するために十分な特徴情報が、特徴情報記憶手段に登録されていない場合でも、認識できなかった部分を、後日改めて学習した特徴情報を用いて自動的に認識し直してテキストデータに変換することができ、より精度の良い音声認識が可能となる。これにより、例えば、マイクから入力される音声データを次々に蓄積させていくだけで、、市場調査や会議議事録等のテキスト化されたデータベースを自動的に構築することが可能となる。
【００４６】請求項２記載の発明によれば、請求項１記載の発明の効果に加えて、認識の確度が一定割合以上となり確定したテキストデータに対する音声データを削除することにより記憶領域を節約できる。また、認識の確度が一定割合以下の未確定部分の音声データは確定するまで残しておくことができ、少ない記憶容量で確実に高精度のテキストデータを得ることができる。
【００４７】請求項３記載の発明によれば、請求項１記載の発明の効果に加えて、音声データを次々と入力して音声認識を行わせていくだけで、自動的に特徴情報記憶手段の特徴情報を学習していき、学習前に認識した不確かなテキストデータを学習後に再び精度の高い認識をさせることができる。
【００４８】請求項４記載の発明によれば、請求項１記載の発明の効果に加えて、例えば、新しい流行語や造語等の様に、既存の特徴情報では音声認識できなかった音声データを、利用者の入力情報に基づいて学習させた特徴情報を利用して認識できる。
【００４９】請求項５記載の発明によれば、請求項１記載の発明の効果に加えて、特徴情報記憶手段に予め話者固有の特徴情報が記憶されていない場合でも、入力される音声データの話者を推定し、自動的に話者固有の特徴情報を学習させることができる。
【００５０】請求項６記載の発明によれば、請求項１記載の発明の効果に加えて、例えば、新しい流行語や造語等の様に、既存の特徴情報では音声認識できなかった音声データを、利用者の入力情報に基づいて学習させた特徴情報を利用して認識できる。
【００５１】請求項７記載の発明によれば、請求項１記載の発明の効果に加えて、例えば、流行語等の様に、新たに多く話される様になった単語を自動的に登録し、登録前に遡って再認識させることができる。
【出願人】 【識別番号】０００００１４４３
【氏名又は名称】カシオ計算機株式会社
【出願日】 平成１３年１月１９日（２００１．１．１９）
【代理人】 【識別番号】１０００９００３３
【弁理士】
【氏名又は名称】荒船 博司 （外１名）
【公開番号】 特開２００２−２１５１８４（Ｐ２００２−２１５１８４Ａ）
【公開日】 平成１４年７月３１日（２００２．７．３１）
【出願番号】 特願２００１−１２０２６（Ｐ２００１−１２０２６）