[發明專利]聲音識別裝置

有效

• 申請號: 201080064456.4
• 申請日: 2010-03-30
• 公開（公告）號: CN102770910A
• 公開（公告）日: 2012-11-07
• 發明（設計）人: 山崎道弘;丸田裕三
• 申請（專利權）人: 三菱電機株式會社
• 主分類號: G10L15/06
• 分類號: G10L15/06;G10L15/22
• 代理公司: 上海專利商標事務所有限公司 31100
• 代理人: 李玲

技術領域

本發明涉及對輸入聲音進行聲音識別的聲音識別裝置。

背景技術

現有的聲音識別裝置中，以大詞匯識別對利用對話成為識別對象的詞匯的范圍逐漸進行縮小這樣的聲音識別的情況下，一般預先生成與對話內容相對應的聲音識別詞典（以下稱為識別詞典）。因此，在需要分別生成與各種對話內容相對應的識別詞典的情況下，為了將預先生成的識別詞典進行存儲而需要大容量的存儲裝置。

此外，除了上述的預先生成識別詞典的情況以外，還有根據與使用者的對話進展狀況在線收集識別對象詞匯來生成識別詞典的情況。在此情況下，若要在所有的聲音識別的情境中都生成識別詞典，則隨著在線收集的詞匯數量增多，使生成識別詞典所需的時間（編譯時間等）增加。該詞典生成時間成為使用者在對話過程中的等待時間。

專利文獻1中揭示了一種聲音信息檢索裝置，其能根據與使用者的對話進展，動態地變更用于聲音識別的詞匯，根據來自使用者的要求，返回以前使用過的詞匯。該裝置中，基于以前的聲音識別及詞匯檢索的結果的歷史來選擇識別對象的詞匯，從而能高效地檢索識別對象的詞匯數量。

此外，在專利文獻2中揭示了一種預測使用者的行動來動態地變更識別詞典的聲音識別裝置。該裝置保持有使用者的行動歷史，基于從行動歷史導出的行動時間帶等來預測使用者的行動，并更新或變更識別對象詞匯。由此，能根據使用者的行動歷史縮小識別對象的詞匯數量。

然而，在專利文獻1中，由于基于以前的聲音識別及詞匯檢索的結果的歷史來選擇識別對象的詞匯，因此，存在以下的問題：無法根據對話內容來縮小識別對象的詞匯數量，對話過程中的識別詞典的生成長增加。

同樣，在專利文獻2中也存在無法根據使用者的行動歷史內容來縮小識別對象的詞匯數量、使識別詞典的生成所需的時間增加的可能性。

本發明是為了解決上述問題而完成的，其目的在于得到一種能縮短與使用者的對話過程中生成識別詞典所需的時間、且能降低將預先生成的識別詞典進行存儲所需的存儲區域的使用容量的聲音識別裝置。

現有技術文獻

專利文獻

專利文獻1：日本專利特開平7－219590號公報

專利文獻2：日本專利特開2002－341892號公報

發明內容

本發明所涉及的聲音識別裝置利用對話邊切換識別對象的詞匯邊進行聲音識別，所述聲音識別裝置包括：靜態生成部，該靜態生成部對于成為識別對象的詞匯數量為閾值以上的詞匯預先生成識別詞典；動態生成部，該動態生成部對于識別對象的詞匯數量小于閾值的詞匯，在對話情境中生成識別詞典；以及聲音識別部，該聲音識別部參照由靜態生成部或動態生成部所生成的識別詞典來對輸入聲音進行聲音識別。

根據本發明，對于成為識別對象的詞匯數量為閾值以上的詞匯，預先生成識別詞典，對于識別對象的詞匯數量小于閾值的詞匯，在對話的情境中生成識別詞典，因此，具有能縮短與使用者對話過程中生成識別詞典所需的時間、且能降低將預先生成的識別詞典進行存儲所需的存儲區域的使用容量這樣的效果。

附圖說明

圖1是表示本發明的實施方式1的聲音識別裝置的結構的框圖。

圖2是表示本發明的實施方式2的聲音識別裝置的結構的框圖。

圖3是表示本發明的實施方式3的聲音識別裝置的結構的框圖。

圖4是表示實施方式3的識別詞典動態生成判定部所進行的判定處理流程的流程圖。

圖5是表示實施方式3的識別詞典靜態生成判定部所進行的判定處理流程的流程圖。

圖6是表示本發明的實施方式4的聲音識別裝置的結構的框圖。

圖7是表示本發明的實施方式5的聲音識別裝置的結構的框圖。

具體實施方式

以下，為了更詳細地說明本發明，根據附圖對用于實施本發明的方式進行說明。

實施方式1

圖1是表示本發明的實施方式1的聲音識別裝置的結構的框圖。實施方式1中的聲音識別裝置1在聲音識別中使用以下識別詞典：在利用與使用者的對話進行聲音識別之前預先生成的識別詞典；以及在與使用者的對話過程中生成的識別詞典。本發明中，將在利用與使用者的對話進行聲音識別之前、所謂的靜態生成的識別詞典稱為“靜態生成詞典”，此外，將在與使用者的對話過程中、所謂的動態生成的識別詞典稱為“動態生成詞典”。