特許ウォッチ

公開番号2025017835
公報種別公開特許公報(A)
公開日2025-02-06
出願番号2023121124
出願日2023-07-25
発明の名称音声処理システム、音声処理方法
出願人ドーナッツロボティクス株式会社
代理人弁理士法人みなとみらい特許事務所
主分類G10L 15/00 20130101AFI20250130BHJP(楽器;音響)
要約【課題】
翻訳を伴う音声テキスト化の好適な処理を実現する。
【解決手段】
入力された音声データをテキスト化し、テキストデータをそれぞれの音声入出力装置に送信し、指定言語と、テキストデータ及び当該テキストデータの変換結果の少なくとも何れか一方と、に基づきそれぞれの音声入出力装置において出力する。
【選択図】図1
特許請求の範囲【請求項１】
音声処理システムであって、
音声処理装置と、複数の音声入出力装置と、を備え、
前記音声処理装置は、入力された音声データをテキスト化し、テキストデータをそれぞれの音声入出力装置に送信するテキスト処理部を備え、
それぞれの前記音声入出力装置は、指定言語と、前記テキストデータ及び前記テキストデータの変換結果の少なくとも何れか一方と、に基づき出力する出力部を備える、音声処理システム。
続きを表示（約 720 文字）【請求項２】
前記音声処理装置は、音声データを前記音声入出力装置より取得する音声取得部と、
当該音声データのテキスト化領域を制御する制御指示を前記音声入出力装置より取得する制御指示取得部と、を備える、請求項１に記載の音声処理システム。
【請求項３】
前記出力部は、前記テキストデータ又は前記テキストデータの変換結果をチャット画面として前記音声入出力装置の表示部に表示し、
前記チャット画面は、制御指示ボタンを備え、
前記制御指示取得部は、前記制御指示ボタンのオン／オフ操作に応じて生成される前記テキスト化領域に関する制御指示を取得する、請求項２に記載の音声処理システム。
【請求項４】
前記音声入出力装置は、制御指示ボタンを備え、
前記制御指示取得部は、前記制御指示ボタンのオン／オフ操作に応じて生成される前記テキスト化領域に関する制御指示を取得する、請求項２に記載の音声処理システム。
【請求項５】
前記出力部は、他の音声入出力装置より送信された音声データ及び、前記変換結果に対応する合成音声データの少なくとも何れか一方を音声出力する、請求項１～４の何れか一項に記載の音声処理システム。
【請求項６】
音声処理装置と、複数の音声入出力装置を用いた音声処理方法であって、
入力された音声データをテキスト化し、テキストデータをそれぞれの音声入出力装置に送信し、
指定言語と、前記テキストデータ及び前記テキストデータの変換結果の少なくとも何れか一方と、に基づきそれぞれの前記音声入出力装置において出力する、音声処理方法。

発明の詳細な説明【技術分野】
【０００１】
本発明は、翻訳を伴う音声テキスト化の好適な処理を実現する音声処理システム、音声処理方法に関する。
続きを表示（約 1,200 文字）【背景技術】
【０００２】
異なる言語による対話におけるデータ処理において、まず、第１言語の入力音声を取得し、入力音声を第１言語の第１テキストデータに変換処理し、第１言語の第１テキストデータを第２言語の第１テキストデータに翻訳処理し、第２言語の第１テキストデータを出力する、という流れが一般的に知られている。また、第２言語の第１テキストデータを第２言語の出力音声に変換して出力することで、異なる言語による対話を実現することが知られている。
【０００３】
特許文献１に記載の双方向音声翻訳システムでは、受け付ける音声又は当該音声の言語に応じた適切な音声認識エンジン、翻訳エンジン、音声合成エンジンの組合せによる音声翻訳が実行できることが開示されている。
【０００４】
このように、異なる言語間における音声対話では、第１言語および第２言語の間で翻訳処理を実行するための各種エンジンを制御し、第１言語の音声データおよび第１テキストデータ、並びに、その翻訳結果である第２言語の音声データおよびテキストデータが生成されるように、多数のデータと処理を伴うことから複雑な構成であることが把握される。
【先行技術文献】
【特許文献】
【０００５】
国際公開第２０１９／１１１３４６号
【発明の概要】
【発明が解決しようとする課題】
【０００６】
翻訳を伴う音声データ処理は、工数やデータ数が多いことから処理速度、処理負担などのコストが大きいことが課題であった。
【０００７】
本発明は、翻訳を伴う音声テキスト化の好適な処理を実現する技術を提供することを解決すべき課題とする。
【課題を解決するための手段】
【０００８】
上述した課題を解決するために、本発明は、音声処理システムであって、音声処理装置と、複数の音声入出力装置と、を備え、前記音声処理装置は、入力された音声データをテキスト化し、テキストデータをそれぞれの音声入出力装置に送信するテキスト処理部を備え、それぞれの前記音声入出力装置は、指定言語と、前記テキストデータ及び前記テキストデータの変換結果の少なくとも何れか一方と、に基づき出力する出力部を備える。
【０００９】
また、本発明は、音声処理装置と、複数の音声入出力装置を用いた音声処理方法であって、入力された音声データをテキスト化し、テキストデータをそれぞれの音声入出力装置に送信し、指定言語と、前記テキストデータ及び前記テキストデータの変換結果の少なくとも何れか一方と、に基づきそれぞれの前記音声入出力装置において出力する。
【００１０】
このような構成とすることで、音声データに対応するテキストデータを、それぞれの音声入出力装置の指定言語によって変換結果の出力とするか判断でき、出力のリアルタイム性を向上させることができる。
（【００１１】以降は省略されています）

関連特許