特許ウォッチ

公開番号2025160510
公報種別公開特許公報(A)
公開日2025-10-22
出願番号2025134205,2024097168
出願日2025-08-12,2018-09-11
発明の名称連続発話推定方法、連続発話推定装置、およびプログラム
出願人NTT株式会社
代理人個人,個人,個人
主分類G10L 15/28 20130101AFI20251015BHJP(楽器;音響)
要約【課題】利用方法に合わせて適切に動作を変化させる。
【解決手段】本開示の連続発話推定方法は、利用者の音声にキーワードが含まれるか否かを検出する。利用者の音声に含まれるキーワードの後に連続する発話がある場合は応答音を発出せず、利用者の音声に含まれるキーワードの後に連続する発話がない場合は応答音を発出するよう、応答音の発出を制御する。利用者の音声に含まれるキーワードの後に連続する発話がない場合は、応答音の発出終了後の目的音を音声認識の対象とする。
【選択図】図8
特許請求の範囲【請求項１】
利用者の音声にキーワードが含まれるか否かを検出し、
上記キーワードの後に連続する発話がある場合は応答音を発出せず、上記キーワードの後に連続する発話がない場合は上記応答音を発出するよう、上記応答音の発出を制御し、
上記キーワードの後に連続する発話がない場合は、上記応答音の発出終了後の目的音を音声認識の対象とする、
連続発話推定方法。
続きを表示（約 650 文字）【請求項２】
上記キーワードの後に連続する発話がない場合は、上記キーワード検出時点から上記応答音の長さ分だけ時間が経過した時点から、上記目的音として抽出する、請求項１記載の連続発話推定方法。
【請求項３】
上記キーワードの後に連続する発話がある場合、上記キーワードの発話直後から上記目的音として抽出する、請求項２記載の連続発話推定方法。
【請求項４】
利用者の音声にキーワードが含まれるか否かを検出し、かつ上記キーワードの後に連続する発話があるか否かを検出する連続発話検出付キーワード検出部と、
上記キーワードの後に連続する発話がある場合は応答音を発出せず、上記キーワードの後に連続する発話がない場合は上記応答音を発出するよう、上記応答音の発出を制御する、制御部と、
上記キーワードの後に連続する発話がない場合は、上記応答音の発出終了後の目的音を音声認識の対象とする目的音出力部と、
を含む連続発話推定装置。
【請求項５】
コンピュータに、
利用者の音声にキーワードが含まれるか否かを検出し、
上記キーワードの後に連続する発話がある場合は応答音を発出せず、上記キーワードの後に連続する発話がない場合は上記応答音を発出するよう、上記応答音の発出を制御し、
上記キーワードの後に連続する発話がない場合は、上記応答音の発出終了後の目的音を音声認識の対象とする、
処理を実行させるためのプログラム。

発明の詳細な説明【技術分野】
【０００１】
この発明は、キーワードの発音後に連続して目的音の発話があるか否かを推定する技術に関する。
続きを表示（約 2,000 文字）【背景技術】
【０００２】
例えばスマートスピーカや車載システムなどの、音声による制御が可能な機器では、トリガとなるキーワードが発音された際に音声認識を開始するキーワードウェイクアップと呼ばれる機能が搭載されていることがある。このような機能では、音声信号を入力とし、キーワードの発音を検出する技術が必要となる。
【０００３】
図１は、非特許文献１に開示されている従来技術の構成である。従来技術では、キーワード検出部９１が入力された音声信号からキーワードの発音を検出すると、目的音出力部９９がスイッチをオンにして、当該音声信号を音声認識等の対象とする目的音として出力する。また、応答音出力部９２がキーワード検出時に応答音を出力して、キーワードの発音を検出したことを利用者に知らせる。このとき、各処理のタイミングを制御するために、遅延部９３をさらに備え、キーワード検出部９１の出力（図１Ａ参照）または入力音声（図１Ｂ参照）を遅延させてもよい。
【先行技術文献】
【非特許文献】
【０００４】
Sensory,Inc.、“TrulyHandsfreeTM”、［online］、［平成30年8月17日検索］、インターネット<URL: http://www.sensory.co.jp/product/thf.htm>
【発明の概要】
【発明が解決しようとする課題】
【０００５】
しかしながら、従来技術では、キーワードを発話した後に応答音を待ってから目的音を発話する利用方法の他に、キーワードと目的音を連続して発話する利用方法もあり得る。応答音を待ってから目的音を発話する利用方法を想定して、応答音の後に目的音区間の開始位置を設定した場合、利用者がキーワードと目的音を連続して発話すると目的音の話頭が切れてしまうという問題が生じる。また、キーワードと目的音を連続して発話する利用方法を想定して、キーワード発話の直後に目的音区間の開始位置を設定した場合、応答音が目的音の発話と時間的に重なり音声認識しにくい音になってしまうという問題がある。
【０００６】
この発明の目的は、上述のような技術的課題を鑑みて、キーワードを発話した後で応答音を待ってから目的音を発話する利用方法と、キーワードと目的音を連続して発話する利用方法とを自動的に判別し、各利用方法に合わせて適切に動作を変化させることである。
【課題を解決するための手段】
【０００７】
上記の課題を解決するために、この発明の一の態様の連続発話推定方法は、利用者の音声にキーワードが含まれるか否かを検出し、キーワードの後に連続する発話がある場合は応答音を発出せず、キーワードの後に連続する発話がない場合は応答音を発出するよう、応答音の発出を制御し、キーワードの後に連続する発話がない場合は、応答音の発出終了後の目的音を音声認識の対象とする。
【発明の効果】
【０００８】
この発明によれば、キーワードを発話した後で応答音を待ってから目的音を発話する利
用方法と、キーワードと目的音を連続して発話する利用方法とを自動的に判別できるため、各利用方法に合わせて適切に動作を変化させることができる。
【図面の簡単な説明】
【０００９】
図１は従来のキーワード検出装置の機能構成を例示する図である。
図２は発明の原理を説明するための図である。
図３は第一実施形態の連続発話推定装置の機能構成を例示する図である。
図４は第一実施形態の連続発話推定方法の処理手順を例示する図である。
図５は第二実施形態の連続発話推定装置の機能構成を例示する図である。
図６は第三実施形態の連続発話推定装置の機能構成を例示する図である。
図７は第四実施形態の連続発話推定装置の機能構成を例示する図である。
図８は第五実施形態の連続発話推定装置の機能構成を例示する図である。
図９は第六実施形態の連続発話推定装置の機能構成を例示する図である。
【発明を実施するための形態】
【００１０】
従来技術では、キーワードを発話した後で応答音を待ってから目的音を発話する利用方法と、キーワードと目的音を連続して発話する利用方法との両方に対応することは難しかった。キーワードを発話した後で応答音を待ってから目的音を発話する利用方法を想定してキーワード検出時に応答音を発出すると、利用者がキーワードと目的音を連続して発話する利用方法を想定して発話した場合に、応答音と目的音が重なってしまうということが主な問題点である。
（【００１１】以降は省略されています）

関連特許