特許ウォッチ

公開番号2024082673
公報種別公開特許公報(A)
公開日2024-06-20
出願番号2022196684
出願日2022-12-08
発明の名称情報処理装置、情報処理システム、情報処理方法及びプログラム
出願人株式会社アドバンスト・メディア
代理人個人
主分類G10L 15/32 20130101AFI20240613BHJP(楽器;音響)
要約【課題】情報処理装置に対する情報の入力をより高速に行う。
【解決手段】情報処理装置1は、第1音声認識部54-1と、第2音声認識部54-2と、実行制御部55と、を備える。第1音声認識部54-1は、情報を入力するための画面における入力対象位置に情報を入力するための第1の発話を第1の音声認識エンジンによって音声認識する。実行制御部55は、第1音声認識部54-1によって音声認識された第1の発話が表す情報の入力内容に基づいて、当該情報の入力内容に関するプロセスを設定する。第2音声認識部54-2は、実行制御部55によって設定されたプロセス毎に、当該プロセスで入力される情報に対応する第2の音声認識エンジンによって第2の発話を音声認識する。
【選択図】図3
特許請求の範囲【請求項１】
情報を入力するための画面における入力対象位置に情報を入力するための第１の発話を第１の音声認識エンジンによって音声認識する第１音声認識手段と、
前記第１音声認識手段によって音声認識された前記第１の発話が表す情報の入力内容に基づいて、当該情報の入力内容に関するプロセスを設定するプロセス設定手段と、
前記プロセス設定手段によって設定されたプロセス毎に、当該プロセスで入力される情報に対応する第２の音声認識エンジンによって第２の発話を音声認識する第２音声認識手段と、
を備えることを特徴とする情報処理装置。
続きを表示（約 1,600 文字）【請求項２】
前記第１音声認識手段による音声認識結果及び前記第２音声認識手段による音声認識結果に基づいて、前記入力対象位置に対する情報の入力を実行する実行制御手段を備えることを特徴とする請求項１に記載の情報処理装置。
【請求項３】
前記プロセスには、前記入力対象位置にカーソルを移動させるアクション、当該プロセスで入力される情報に対応する前記第２の音声認識エンジンに切り替えるアクション、及び、当該プロセスで入力される情報の発話を待機するアクションが含まれることを特徴とする請求項１または２に記載の情報処理装置。
【請求項４】
前記第１の発話が表す情報の入力内容に関する前記プロセスが完了した場合に、前記第１音声認識手段が前記第１の音声認識エンジンによって音声認識を行う待機状態に移行することを特徴とする請求項１または２に記載の情報処理装置。
【請求項５】
前記プロセスには、複数の入力対象位置に情報を入力するアクションが含まれ、
前記第２音声認識手段は、前記複数の入力対象位置に情報を入力するアクションそれぞれにおいて、当該入力対象位置に対応する前記第２音声認識エンジンに切り替えて音声認識を行うことを特徴とする請求項１または２に記載の情報処理装置。
【請求項６】
ユーザによって使用される端末装置と、音声認識処理を実行するサーバとを含む情報処理システムであって、
前記端末装置は、
情報を入力するための画面を表示する表示手段と、
音声による発話の入力を受け付け、受け付けた発話のデータを前記サーバに送信する音声入力手段と、
を備え、
前記サーバは、
前記端末装置の前記画面における入力対象位置に情報を入力するための第１の発話を第１の音声認識エンジンによって音声認識する第１音声認識手段と、
前記第１音声認識手段によって音声認識された前記第１の発話が表す情報の入力内容に基づいて、当該情報の入力内容に関するプロセスを設定するプロセス設定手段と、
前記プロセス設定手段によって設定されたプロセス毎に、当該プロセスで入力される情報に対応する第２の音声認識エンジンによって第２の発話を音声認識する第２音声認識手段と、
を備えることを特徴とする情報処理システム。
【請求項７】
情報処理装置が実行する情報処理方法であって、
情報を入力するための画面における入力対象位置に情報を入力するための第１の発話を第１の音声認識エンジンによって音声認識する第１音声認識ステップと、
前記第１音声認識ステップにおいて音声認識された前記第１の発話が表す情報の入力内容に基づいて、当該情報の入力内容に関するプロセスを設定するプロセス設定ステップと、
前記プロセス設定ステップにおいて設定されたプロセス毎に、当該プロセスで入力される情報に対応する第２の音声認識エンジンによって第２の発話を音声認識する第２音声認識ステップと、
を含むことを特徴とする情報処理方法。
【請求項８】
コンピュータに、
情報を入力するための画面における入力対象位置に情報を入力するための第１の発話を第１の音声認識エンジンによって音声認識する第１音声認識機能と、
前記第１音声認識機能によって音声認識された前記第１の発話が表す情報の入力内容に基づいて、当該情報の入力内容に関するプロセスを設定するプロセス設定機能と、
前記プロセス設定機能によって設定されたプロセス毎に、当該プロセスで入力される情報に対応する第２の音声認識エンジンによって第２の発話を音声認識する第２音声認識機能と、
を実現させることを特徴とするプログラム。

発明の詳細な説明【技術分野】
【０００１】
本発明は、情報処理装置、情報処理システム、情報処理方法及びプログラムに関する。
続きを表示（約 2,300 文字）【背景技術】
【０００２】
従来、ＰＣ（ＰｅｒｓｏｎａｌＣｏｍｐｕｔｅｒ）等の情報処理装置に対する情報の入力は、主としてキーボードやマウス操作による入力を前提としていた。
情報処理装置に入力を行うための入力装置においては、種々の観点から改良が行われている。
例えば、特許文献１には、クリック感として感得される疑似的な触感を発生させることを目的とする技術が記載されている。
【先行技術文献】
【特許文献】
【０００３】
特開２０２２－０８７３２１号公報
【発明の概要】
【発明が解決しようとする課題】
【０００４】
しかしながら、従来の技術においては、コンピュータプログラムに対して、主に人の手によってキーボードやマウス操作を行っているため、入力に要する時間の短縮には限界があると考えられる。
例えば、画面において入力対象となる位置をマウスでクリックした後、キーボードで文字を入力するといった動作を繰り返す場合、実際に情報を入力する動作に加えて、マウスを移動させる動作や、マウスとキーボードとの間で手を移動させる動作等が必要となり、これらの動作は情報の入力において無駄な時間となる可能性が高い。
【０００５】
本発明の課題は、情報処理装置に対する情報の入力をより高速に行うことである。
【課題を解決するための手段】
【０００６】
上記目的を達成するため、本発明の一態様の情報処理装置は、
情報を入力するための画面における入力対象位置に情報を入力するための第１の発話を第１の音声認識エンジンによって音声認識する第１音声認識手段と、
前記第１音声認識手段によって音声認識された前記第１の発話が表す情報の入力内容に基づいて、当該情報の入力内容に関するプロセスを設定するプロセス設定手段と、
前記プロセス設定手段によって設定されたプロセス毎に、当該プロセスで入力される情報に対応する第２の音声認識エンジンによって第２の発話を音声認識する第２音声認識手段と、
を備えることを特徴とする。
【発明の効果】
【０００７】
本発明によれば、情報処理装置に対する情報の入力をより高速に行うことができる。
【図面の簡単な説明】
【０００８】
本実施形態に係る情報処理装置の情報入力方法を示す模式図である。
情報処理装置１のハードウェア構成を示す模式図である。
情報処理装置１の機能的構成を示すブロック図である。
情報処理装置１が実行する情報入力処理の流れを示すフローチャートである。
情報入力処理によって情報の入力が行われるアプリケーションの入力画面例を示す模式図である。
対象項目として「報告日」が発話された場合の処理手順を示す模式図である。
対象項目として「利用者情報」が発話された場合の処理手順を示す模式図である。
本発明を適用した情報処理システムＳのシステム構成を示す模式図である。
【発明を実施するための形態】
【０００９】
以下、本発明の実施形態について、図面を用いて説明する。
［第１実施形態］
図１は、本実施形態に係る情報処理装置の情報入力方法を示す模式図である。
図１に示すように、本実施形態に係る情報処理装置は、情報入力のために発声された発話１を第１の音声認識エンジン（以下、「第１エンジン」と称する。）で音声認識し、この音声認識結果に対応する処理（以下、「結果処理１」と称する。）を実行する。結果処理１では、音声認識された処理内容に応じた一連のプロセスが設定される。次に、結果処理１の設定に応じて、次の情報入力に対応する第２の音声認識エンジン（以下、「第２エンジン」と称する。）を起動し、発話２の待機状態となる。そして、発話２が発声されると、発話２を第２エンジンで音声認識し、この音声認識結果に対応する処理（以下、「結果処理２」と称する。）を実行する。同様に、結果処理１の設定に応じて、次の情報入力に対応する第３の音声認識エンジンを起動し、発話３の待機状態となる。この後、発話３の発生に対応して、同様の処理が繰り返され、第Ｎエンジン（Ｎは自然数）によって結果処理Ｎが得られると、結果処理１で設定された一連のプロセスが完了する（以下、第２の音声認識エンジン、第３の音声認識エンジン、そして、第Ｎエンジンまでを総称して、「第２エンジン」と称する。）このような処理を情報入力の対象項目毎に実行することで、音声によって全ての対象項目に対する情報入力を行うことができる。
したがって、適時に適所で適切な音声認識エンジンを使用して情報の入力を行うことができるため、情報処理装置に対する情報の入力をより高速に行うことが可能となる。
以下、本実施形態に係る情報処理装置を具体的に説明する。
【００１０】
［ハードウェア構成］
図２は、情報処理装置１のハードウェア構成を示す模式図である。
図２に示すように、情報処理装置１は、ＣＰＵ（ＣｅｎｔｒａｌＰｒｏｃｅｓｓｉｎｇＵｎｉｔ）１１と、ＲＯＭ（ＲｅａｄＯｎｌｙＭｅｍｏｒｙ）１２と、ＲＡＭ（ＲａｎｄｏｍＡｃｃｅｓｓＭｅｍｏｒｙ）１３と、バス１４と、入力部１５と、出力部１６と、記憶部１７と、通信部１８と、ドライブ１９と、撮像部２０と、を備えている。
（【００１１】以降は省略されています）

関連特許