特許ウォッチ

公開番号2025127546
公報種別公開特許公報(A)
公開日2025-09-02
出願番号2024024305
出願日2024-02-21
発明の名称音声処理装置、音声処理方法およびプログラム
出願人パナソニックオートモーティブシステムズ株式会社
代理人弁理士法人酒井国際特許事務所
主分類G10L 17/00 20130101AFI20250826BHJP(楽器;音響)
要約【課題】登録されている複数のユーザの音声情報が類似する場合における音声認識の誤認識を軽減すること。
【解決手段】一実施形態の音声処理装置は、複数のユーザのそれぞれの音声情報が登録される登録情報から、ユーザ同士で音声情報の特徴が類似するユーザグループごとのグループ情報を算出するグループ情報算出部と、ユーザの発話履歴に基づいてユーザごとに発話履歴係数を算出する発話履歴係数算出部と、発話履歴係数に基づいてユーザの中から所定の数のユーザを音声情報の認識対象に選択する選択部と、選択部により選択された認識対象の認識対象者情報を出力する出力部と、を有し、出力部は、選択部により選択された認識対象の中にユーザグループが同一の複数のユーザが含まれる場合において、認識対象者情報およびユーザグループが同一の複数のユーザが含まれることを示す情報を出力することを特徴とする。
【選択図】図3
特許請求の範囲【請求項１】
複数のユーザのそれぞれの音声情報が登録される登録情報から、ユーザ同士で前記音声情報の特徴が類似するユーザグループのグループ情報を算出するグループ情報算出部と、
前記ユーザの発話履歴に基づいて前記ユーザごとに発話履歴係数を算出する発話履歴係数算出部と、
前記発話履歴係数に基づいて前記ユーザの中から所定の数のユーザを前記音声情報の認識対象に選択する選択部と、
前記選択部により選択された前記認識対象の認識対象者情報を出力する出力部と、
を有し、
前記出力部は、
前記選択部により選択された前記認識対象の中に前記ユーザグループが同一の複数のユーザが含まれる場合において、前記認識対象者情報およびユーザグループが同一の複数のユーザが含まれることを示す情報を出力する、
音声処理装置。
続きを表示（約 1,600 文字）【請求項２】
前記発話履歴係数算出部は、登録されている前記ユーザの前記音声情報のうち、過去に発話として認識された回数が多い前記音声情報に対応するユーザほど、前記発話履歴係数の値が高くなるように算出する、
請求項１に記載の音声処理装置。
【請求項３】
前記発話履歴係数算出部は、登録されている前記ユーザの前記音声情報のうち、過去に発話として認識された回数が所定の期間内において多い前記音声情報ほど、前記発話履歴係数の値が高くなるように算出する、
請求項１に記載の音声処理装置。
【請求項４】
前記発話履歴係数算出部は、登録されている前記ユーザの前記音声情報のうち、過去に発話が認識された回数が多い曜日または時間帯と現在の曜日または時間帯とが近い前記音声情報に対応するユーザほど、前記発話履歴係数の値が高くなるように算出する、
請求項１に記載の音声処理装置。
【請求項５】
前記選択部は、選択する前記認識対象の中に前記ユーザグループが同一の複数のユーザが含まれる場合、前記ユーザグループが同一の複数のユーザのそれぞれの発話履歴係数に基づいて前記ユーザグループが同一の複数のユーザのうち前記発話履歴係数が所定の条件を満たすユーザを前記認識対象から削除する、
請求項１乃至請求項４のうちの何れか一項に記載の音声処理装置。
【請求項６】
前記出力部により出力された前記認識対象者情報に対して認識対象者の追加または削除の選択をユーザから受け付けるユーザ選択部をさらに有する、
請求項１乃至請求項４のうちの何れか一項に記載の音声処理装置。
【請求項７】
話者の音声を入力する音声入力部と、
前記音声入力部から入力される音声の話者を、前記認識対象の認識対象者に対応するそれぞれの前記音声情報に基づいて認識する話者認識部と、
をさらに有する請求項１乃至４のうちの何れか一項に記載の音声処理装置。
【請求項８】
前記音声入力部から入力される音声信号に基づいて前記音声情報を算出して前記登録情報に登録する音声情報算出部をさらに有する請求項７に記載の音声処理装置。
【請求項９】
複数のユーザのそれぞれの音声情報が登録される登録情報から、ユーザ同士で前記音声情報の特徴が類似するユーザグループごとのグループ情報を算出するステップと、
前記ユーザの発話履歴に基づいて前記ユーザごとに発話履歴係数を算出するステップと、
前記発話履歴係数に基づいて前記ユーザの中から所定の数のユーザを前記音声情報の認識対象に選択するステップと、
選択された前記認識対象の認識対象者情報を出力するステップと
選択された前記認識対象の中に前記ユーザグループが同一の複数のユーザが含まれる場合において、前記認識対象者情報およびユーザグループが同一の複数のユーザが含まれることを示す情報を出力するステップと、
を含む音声処理方法。
【請求項１０】
コンピュータに、
複数のユーザのそれぞれの音声情報が登録される登録情報から、ユーザ同士で前記音声情報の特徴が類似するユーザグループごとのグループ情報を算出するグループ情報算出部と、
前記ユーザの発話履歴に基づいて前記ユーザごとに発話履歴係数を算出する発話履歴係数算出部と、
前記発話履歴係数に基づいて前記ユーザの中から所定の数のユーザを前記音声情報の認識対象に選択する選択部と、
前記選択部により選択された前記認識対象の認識対象者情報を出力する出力部と、
として機能させ、
前記選択部により選択された前記認識対象の中に前記ユーザグループが同一の複数のユーザが含まれる場合において、前記認識対象者情報およびユーザグループが同一の複数のユーザが含まれることを示す情報を前記出力部に出力させる、
プログラム。

発明の詳細な説明【技術分野】
【０００１】
本開示は、音声処理装置、音声処理方法およびプログラムに関する。
続きを表示（約 1,600 文字）【背景技術】
【０００２】
従来、発話されたコマンドを認識して処理を実行する処理装置がある。車載機器などの場合には、車両にユーザ以外の同乗者がいると、同乗者が意図せず発話したワードがコマンドとして認識されるため、ユーザの音声の特徴を登録しておくことで音声情報の話者認識も合わせて行う。
【０００３】
特許文献１には、マイクが利用者の発話以外に他人の発話や周囲のノイズなどを全て収集することによる音声認識の誤認識を抑制することを目的とした技術が開示されている。
【先行技術文献】
【特許文献】
【０００４】
特開２００９－８６１３２号公報
【発明の概要】
【発明が解決しようとする課題】
【０００５】
本開示は、登録されている複数のユーザの音声情報が類似する場合における音声認識の誤認識を軽減することが可能な音声処理装置、音声処理方法およびプログラムを提供することである。
【課題を解決するための手段】
【０００６】
本開示に係る音声処理装置は、複数のユーザのそれぞれの音声情報が登録される登録情報から、ユーザ同士で前記音声情報の特徴が類似するユーザグループごとのグループ情報を算出するグループ情報算出部と、前記ユーザの発話履歴に基づいて前記ユーザごとに発話履歴係数を算出する発話履歴係数算出部と、前記発話履歴係数に基づいて前記ユーザの中から所定の数のユーザを前記音声情報の認識対象に選択する選択部と、前記選択部により選択された前記認識対象の認識対象者情報を出力する出力部と、を有し、前記出力部は、前記選択部により選択された前記認識対象の中に前記ユーザグループが同一の複数のユーザが含まれる場合において、前記認識対象者情報およびユーザグループが同一の複数のユーザが含まれることを示す情報を出力することを特徴とする。
【発明の効果】
【０００７】
本開示によれば、登録されている複数のユーザの音声情報が類似する場合における音声認識の誤認識を軽減することができる。
【図面の簡単な説明】
【０００８】
図１は、実施の形態にかかる音声処理装置の適用対象の一例について説明する図である。
図２は、実施の形態にかかる音声処理装置のハードウェアブロックの構成の一例を示す図である。
図３は、実施の形態にかかる音声処理装置の機能ブロックの構成の一例を示す図である。
図４は、認識対象者選択部が生成した登録情報テーブルの一例を示す図である。
図５は、認識対象者を選択する手順の説明図である。
図６は、認識対象者の出力例を示す図である。
図７は、認識対象者の選択を手動で修正する操作例を示す図である。
図８は、選択された認識対象者の中にグループ番号が同じメンバが複数いるケース２の説明図である。
図９は、ケース２におけるＵＩ画面の出力例と、修正用のＵＩ画面の操作例とを示す図である。
図１０は、認識対象者の選択フローの一例を示す図である。
【発明を実施するための形態】
【０００９】
以下に添付図面を参照しながら、本開示に係る音声処理装置、音声処理方法およびプログラムの実施の形態について詳細に説明する。
【００１０】
（実施の形態）
図１は、実施の形態にかかる音声処理装置の適用対象の一例について説明する図である。まず、音声認識の処理の概念について説明する。図１には、音声認識を行う処理の概念図を示している。音声認識の処理は、コマンド認識を行うコマンド認識１－１と話者認識を行う話者認識１－２とがある。
（【００１１】以降は省略されています）

関連特許