特許ウォッチ

公開番号2025020383
公報種別公開特許公報(A)
公開日2025-02-12
出願番号2024198001,2022112362
出願日2024-11-13,2022-07-13
発明の名称情報処理装置、情報処理方法及びプログラム
出願人カシオ計算機株式会社
代理人個人
主分類G10L 15/22 20060101AFI20250204BHJP(楽器;音響)
要約【課題】ユーザが機器に指示を出す際のウェイクワードの発声を省略することを可能にする。
【解決手段】情報処理装置100は、音声信号を取得する音声取得部と、制御部110と、を備え、制御部110は、音声信号から導出される第1認識データにウェイクワードが含まれていると判定した場合、ウェイクワードの後の音声信号から導出される第2認識データに制御処理に関する情報である制御情報が含まれていると判定したら、制御情報に応じた第1制御処理を実行し、所定の条件を満たした後の第1期間の間又は前記第1制御処理の実行中に、音声取得部で取得された音声信号から導出される第3認識データに制御情報が含まれていると判定した場合、第3認識データに含まれる制御情報に応じた第2制御処理を実行する、ことを特徴とする。
【選択図】図1
特許請求の範囲【請求項１】
音声信号を取得する音声取得部と、
制御部と、を備え、
前記制御部は、
前記音声信号から導出される第１認識データにウェイクワードが含まれていると判定した場合、
前記ウェイクワードの後の前記音声信号から導出される第２認識データに制御処理に関する情報である制御情報が含まれていると判定したら、前記制御情報に応じた第１制御処理を実行し、
所定の条件を満たした後の第１期間の間又は前記第１制御処理の実行中に、前記音声取得部で取得された音声信号から導出される第３認識データに前記制御情報が含まれていると判定した場合、前記第３認識データに含まれる制御情報に応じた第２制御処理を実行する、
ことを特徴とする情報処理装置。
続きを表示（約 1,900 文字）【請求項２】
前記制御部は、前記音声信号から導出される前記第３認識データに前記制御情報が含まれていると判定した場合、前記第３認識データに前記ウェイクワードが含まれていなくても前記第２制御処理を実行する、
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】
前記所定の条件は、前記第１制御処理の実行が完了すると満たされる、
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４】
前記制御部は、
前記第１制御処理を実行したことによって出力された第１出力情報に制御処理に関する制御パラメータが含まれていると判定した場合、
前記制御パラメータを前記第２制御処理の実行時に適用する、
ことを特徴とする請求項２に記載の情報処理装置。
【請求項５】
前記制御部は、
前記第１出力情報に含まれる情報と、パラメータテーブルに含まれる情報との間の関連性があるか否かを判定し、
前記関連性があると判定した場合に、前記第１出力情報に前記制御パラメータが含まれていると判定する、
ことを特徴とする請求項４に記載の情報処理装置。
【請求項６】
前記制御部は、
前記第２制御処理に基づいて、その後のユーザの行動を推定し、
前記所定の条件は、前記第１制御処理の実行が完了するか、又は前記推定した行動を検知すると満たされ、
前記制御部はさらに、
前記第２制御処理の実行が完了した後の第２期間の間に前記推定した行動を前記ユーザが行ったことを検知したら、検知後の前記第１期間の間に前記音声取得部で取得された音声信号から導出される前記第３認識データに前記制御情報が含まれていると判定した場合、前記第３認識データに含まれる制御情報に応じた新たな第２制御処理を実行する、
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７】
前記制御部は、
前記第２制御処理と行動テーブルとに基づいて前記ユーザの行動を推定し、
前記第２制御処理の実行が完了した後の第２期間の間に前記推定した行動を前記ユーザが行ったことを検知したら、検知後の前記第１期間の間に前記音声取得部で取得された音声信号から導出される前記第３認識データに含まれる制御情報と前記行動テーブルに含まれる情報との間の関連性があるか否かを判定し、
前記関連性があると判定した場合に、前記第３認識データに含まれる制御情報に応じた新たな第２制御処理を実行する、
ことを特徴とする請求項６に記載の情報処理装置。
【請求項８】
前記制御部は、
前記第１期間が開始してから終了するまでの、時間の経過量を出力する、
ことを特徴とする請求項１から７のいずれか１項に記載の情報処理装置。
【請求項９】
音声信号を取得する音声取得部と制御部とを備える情報処理装置の制御部が、
前記音声信号から導出される第１認識データにウェイクワードが含まれていると判定した場合、
前記ウェイクワードの後の前記音声信号から導出される第２認識データに制御処理に関する情報である制御情報が含まれていると判定したら、前記制御情報に応じた第１制御処理を実行し、
所定の条件を満たした後の第１期間の間又は前記第１制御処理の実行中に、前記音声取得部で取得された音声信号から導出される第３認識データに前記制御情報が含まれていると判定した場合、
前記第３認識データに含まれる制御情報に応じた第２制御処理を実行する、
ことを特徴とする情報処理方法。
【請求項１０】
音声信号を取得する音声取得部と制御部とを備える情報処理装置の制御部に、
前記音声信号から導出される第１認識データにウェイクワードが含まれていると判定した場合、
前記ウェイクワードの後の前記音声信号から導出される第２認識データに制御処理に関する情報である制御情報が含まれていると判定したら、前記制御情報に応じた第１制御処理を実行し、
所定の条件を満たした後の第１期間の間又は前記第１制御処理の実行中に、前記音声取得部で取得された音声信号から導出される第３認識データに前記制御情報が含まれていると判定した場合、
前記第３認識データに含まれる制御情報に応じた第２制御処理を実行する、
処理を実行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、情報処理方法及びプログラムに関する。
続きを表示（約 1,800 文字）【背景技術】
【０００２】
スマートスピーカやスマートフォンのような音声を認識する機器においては、ユーザからいわゆるウェイクワードが発せられると、その後のユーザの音声による指示に対して応答をすることができる。例えば、そのユーザの音声に返答したり、ユーザの指示に従って様々なアプリケーションプログラムを起動したりすることができる。また、特許文献１には、複数のウェイクワードを用いて複数のクラウドサービスを使い分けることが可能な技術が開示されている。
【先行技術文献】
【特許文献】
【０００３】
特開２０１９－８６５３５号公報
【発明の概要】
【発明が解決しようとする課題】
【０００４】
特許文献１に開示されている技術は、第１ウェイクワードの後の音声データを第１プラットフォームに、第２ウェイクワードの後の音声データを第２プラットフォームに、それぞれ送信させることにより、複数のクラウドサービスを使い分けることができるようにしている。しかし、特許文献１に開示されている技術を含め、従来の技術では、ユーザがこれらの機器に音声で指示をするためには、常にウェイクワードを発声する必要があった。
【０００５】
本発明は上記実情に鑑みてなされたものであり、ユーザが機器に指示を出す際のウェイクワードの発声を省略することを可能にする情報処理装置、情報処理方法及びプログラムを提供することを目的とする。
【課題を解決するための手段】
【０００６】
上記目的を達成するため、本発明に係る情報処理装置の一態様は、
音声信号を取得する音声取得部と、
制御部と、を備え、
前記制御部は、
前記音声信号から導出される第１認識データにウェイクワードが含まれていると判定した場合、
前記ウェイクワードの後の前記音声信号から導出される第２認識データに制御処理に関する情報である制御情報が含まれていると判定したら、前記制御情報に応じた第１制御処理を実行し、
所定の条件を満たした後の第１期間の間又は前記第１制御処理の実行中に、前記音声取得部で取得された音声信号から導出される第３認識データに前記制御情報が含まれていると判定した場合、
前記第３認識データに含まれる制御情報に応じた第２制御処理を実行する、
ことを特徴とする。
【発明の効果】
【０００７】
本発明によれば、ユーザが機器に指示を出す際のウェイクワードの発声を省略することを可能にする。
【図面の簡単な説明】
【０００８】
実施の形態１に係る情報処理装置の機能構成の一例を示すブロック図である。
実施の形態１に係る情報処理装置に対してユーザが音声で指示したときの動作の例を示す図である。
実施の形態１に係る情報処理装置に対してユーザが音声で指示したときの動作の別の例を示す図である。
実施の形態１に係る情報処理装置における時間の経過量の表示例を示す図である。
実施の形態１に係る音声コマンド認識処理のフローチャートの一例である。
実施の形態２に係る情報処理装置に対してユーザが音声で指示したときの動作の例を示す図である。
実施の形態２に係る抽出パラメータテーブルの一例を示す図である。
実施の形態２に係る音声コマンド認識処理のフローチャートの一例である。
実施の形態３に係る情報処理装置に対してユーザが音声で指示したときの動作の例を示す図である。
実施の形態３に係る行動テーブルの一例を示す図である。
実施の形態３に係る音声コマンド認識処理のフローチャートの第１の部分の一例である。
実施の形態３に係る音声コマンド認識処理のフローチャートの第２の部分の一例である。
【発明を実施するための形態】
【０００９】
実施の形態に係る情報処理装置等について、図面を参照して説明する。なお、図中同一又は相当する部分には同一符号を付す。
【００１０】
（実施の形態１）
実施の形態１に係る情報処理装置は、ユーザが音声で様々な指示（様々なアプリケーションプログラムの起動等）を行うことができる電子機器であり、例えばスマートフォンである。
（【００１１】以降は省略されています）

関連特許