特許 6518096 音声認識システムおよび音声認識方法

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】特許公報(B2)

(11)【特許番号】6518096

(24)【登録日】2019年4月26日

(45)【発行日】2019年5月22日

(54)【発明の名称】音声認識システムおよび音声認識方法

(51)【国際特許分類】

   G10L 15/28 20130101AFI20190513BHJP

   G10L 15/30 20130101ALI20190513BHJP

   G10L 15/00 20130101ALI20190513BHJP

   G10L 15/18 20130101ALI20190513BHJP

   G06F 3/16 20060101ALI20190513BHJP

   G06F 1/32 20190101ALI20190513BHJP

【ＦＩ】

   G10L15/28 230J

   G10L15/30

   G10L15/00 200A

   G10L15/18 400

   G06F3/16 650

   G06F1/32 Z

【請求項の数】7

【全頁数】21

(21)【出願番号】特願2015-53376(P2015-53376)

(22)【出願日】2015年3月17日

(65)【公開番号】特開2016-173464(P2016-173464A)

(43)【公開日】2016年9月29日

【審査請求日】2018年2月8日

(73)【特許権者】

【識別番号】591128453

【氏名又は名称】株式会社メガチップス

(74)【代理人】

【識別番号】100135002

【弁理士】

【氏名又は名称】松岡 直之

(72)【発明者】

【氏名】松谷 隆司

(72)【発明者】

【氏名】中村 健二

(72)【発明者】

【氏名】野本 祥平

【審査官】 大野 弘

(56)【参考文献】

【文献】 特開２０１０−１９１２２３（ＪＰ，Ａ）

【文献】 特開２０１０−０３９０９９（ＪＰ，Ａ）

【文献】 特開２０１４−０８９７１１（ＪＰ，Ａ）

【文献】 特開平０８−０６３３３０（ＪＰ，Ａ）

【文献】 特表２００５−５３５１６９（ＪＰ，Ａ）

(58)【調査した分野】（Int.Cl.，ＤＢ名）

Ｇ１０Ｌ １５／２８

Ｇ０６Ｆ １／３２

Ｇ０６Ｆ ３／１６

Ｇ１０Ｌ １５／００

Ｇ１０Ｌ １５／１８

Ｇ１０Ｌ １５／３０

(57)【特許請求の範囲】

【請求項1】

音声を音声辞書により認識する音声認識システムであって、
通常動作モードと前記通常動作モードに比べて消費電力が抑制される省電力モードとの間で動作モードを切り替えることが可能な第１演算装置と、
予め想定される複数の事象と前記音声辞書の候補となる複数の音声辞書候補とを関連づけて記憶する第１記憶装置と、
事象を検出するための物理量を観測情報として取得する観測手段と、
前記音声を音声情報として取得するマイクロフォンと、
前記音声辞書を記憶する第２記憶装置と、
前記第２記憶装置にアクセスする第２演算装置と、
を備え、
前記第２演算装置は、
前記観測手段により取得された観測情報に基づいて、前記予め想定される複数の事象の中から現在生じている事象を検出する事象検出手段と、
前記マイクロフォンにより取得された音声情報と前記第２記憶装置に記憶された音声辞書とに基づいて、音声認識を実行する音声認識手段と、
を備え、
前記事象検出手段により現在生じている事象として検出された事象に応じて、前記第１記憶装置に記憶されている複数の音声辞書候補の中から１の音声辞書候補を選択する選択手段をさらに備え、
前記選択手段により選択された１の音声辞書候補を前記音声辞書として前記第２記憶装置に記憶させ、
前記第１演算装置を前記省電力モードで動作させつつ前記第２演算装置を動作させたときの消費電力が、前記第１演算装置を前記通常動作モードで動作させたときの消費電力よりも小さい音声認識システム。

【請求項2】

請求項１に記載の音声認識システムであって、
前記観測手段は、ユーザの動きに起因する物理量を観測情報として取得し、
前記事象検出手段は、現在生じている事象として、前記ユーザの行動を推定する音声認識システム。

【請求項3】

請求項２に記載の音声認識システムであって、
前記事象検出手段は、前記ユーザの姿勢を推定することにより、前記ユーザの行動を推定する音声認識システム。

【請求項4】

請求項１ないし３のいずれかに記載の音声認識システムであって、
前記複数の音声辞書候補は、関連づけられる事象に応じて、収録される語彙が取捨選択されている音声認識システム。

【請求項5】

請求項１ないし４のいずれかに記載の音声認識システムであって、
ユーザにより携帯され、前記第１演算装置、前記第２演算装置および前記第２記憶装置を備える携帯端末装置と、
前記携帯端末装置との間でデータ通信が可能な状態で接続され、前記第１記憶装置および前記選択手段を備えるサーバ装置と、
を備える音声認識システム。

【請求項6】

請求項１ないし５のいずれかに記載の音声認識システムであって、
前記第２記憶装置は、過去の履歴情報を記憶しており、
前記事象検出手段は、前記第２記憶装置に記憶された履歴情報に基づいて、現在生じている事象を推定する音声認識システム。

【請求項7】

音声を音声辞書により認識する音声認識方法であって、
予め想定される複数の事象と前記音声辞書の候補となる複数の音声辞書候補とを関連づけて第１記憶装置に記憶する工程と、
通常動作モードと前記通常動作モードに比べて消費電力が抑制される省電力モードとの間で第１演算装置の動作モードを切り替える工程と、
事象を検出するための物理量を観測手段により観測情報として取得する工程と、
前記観測手段により取得された観測情報に基づいて、前記予め想定される複数の事象の中から現在生じている事象を、第２演算装置により検出する工程と、
現在生じている事象として前記第２演算装置により検出された事象に応じて、前記第１記憶装置に記憶されている複数の音声辞書候補の中から１の音声辞書候補を選択する工程と、
選択された前記１の音声辞書候補を前記音声辞書として、前記第２演算装置によりアクセスされる第２記憶装置に記憶させる工程と、
前記音声をマイクロフォンにより音声情報として取得する工程と、
前記マイクロフォンにより取得された音声情報と前記第２記憶装置に記憶された音声辞書とに基づいて、前記第２演算装置により音声認識を実行する工程と、
を有し、
前記第１演算装置を前記省電力モードで動作させつつ前記第２演算装置を動作させたときの消費電力が、前記第１演算装置を前記通常動作モードで動作させたときの消費電力よりも小さい音声認識方法。

【発明の詳細な説明】

【技術分野】

【0001】

本発明は、音声認識に使用する音声辞書を選択する技術に関する。

【背景技術】

【0002】

昨今、「ながらスマホ」という言葉が巷に流布されている。この言葉は、ユーザが、なんらかの行動を起こしつつ、同時に、スマートフォン等の携帯端末装置を使用することを意味し、危険な行為として警鐘が鳴らされている。このような問題は、携帯端末装置の使用（閲覧や操作）に際し、ユーザは当該携帯端末装置に視線を注ぐ必要があり、これによって周囲に対するユーザの目視力が低下することに原因がある。多くの携帯端末装置において、ユーザは、情報を受け取るためにはディスプレイを閲覧しなければならず、情報を入力する（操作する）ためにはタッチパネルやキーを注視しなければならないからである。

【0003】

従来より、携帯端末装置がユーザに情報を提供する方法として、スピーカから音声を流すなどの音声案内が知られている。また、ユーザの発した言葉（音声）に対して音声認識処理を実行し、携帯端末装置に情報を入力する技術が知られている。このように、音声案内および音声認識を採用すれば、ユーザの視線を必要とすることなく携帯端末装置を使用することができる。すなわち、音声を用いたユーザインタフェース、特に、音声認識を快適に利用するための技術は、昨今の携帯端末装置に欠かすことのできない技術になりつつある。

【0004】

音声認識の技術において、入力された音声の音声認識率を向上させるために、ユーザの位置情報に応じて、複数の音声認識辞書の中から、最適な音声認識辞書を選択して切り替える技術が提案されている。例えば、特許文献１には、３軸ジャイロセンサーおよび３軸加速度センサーの出力に基づいて、作業者の相対的な位置を演算し、求められた作業者の相対的な位置に応じて、音声認識辞書を選択する技術が記載されている。

【0005】

また、消費電力を抑制する技術として、消費電力の小さいマイコンをメインＣＰＵとは別に搭載する技術が知られている。当該マイコンは、定常的に監視する必要があるセンサなどを制御し、その間、必要に応じてメインＣＰＵを休ませることにより、全体として消費電力を抑制する。消費電力の抑制技術は、電力の供給能力の劣る携帯端末装置において特に重要である。

【先行技術文献】

【特許文献】

【0006】

【特許文献1】特開２０１０−１９１２２３号公報

【発明の概要】

【発明が解決しようとする課題】

【0007】

ところが、特許文献１に記載されている技術では、作業者（ユーザ）は、「会計入ります」というように、これからの作業の内容などを示す音声を入力しなければ、音声認識辞書の切り替えが行われないという問題があった。すなわち、音声認識辞書を切り替えるためのトリガ（契機）は、ユーザ自身が、意識的に、かつ、確実に実行しなければならないという問題があった。

【0008】

ユーザに音声認識辞書の切り替えを意識させないためには、音声認識辞書を切り替えるトリガとなる事象の発生を監視し続けなければならず、電力消費が増大するという問題を生じる。すなわち、特許文献１に記載されている技術は、入力された音声の認識率を向上させることにのみ注視しており、認識率の向上と消費電力の抑制とを両立させるという視点に欠ける技術である。

【0009】

本発明は、上記課題に鑑みてなされたものであり、音声認識の認識精度を低下させることなく、消費電力を抑制する技術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】

【0010】

上記の課題を解決するため、請求項１の発明は、音声を音声辞書により認識する音声認識システムであって、通常動作モードと前記通常動作モードに比べて消費電力が抑制される省電力モードとの間で動作モードを切り替えることが可能な第１演算装置と、予め想定される複数の事象と前記音声辞書の候補となる複数の音声辞書候補とを関連づけて記憶する第１記憶装置と、事象を検出するための物理量を観測情報として取得する観測手段と、前記音声を音声情報として取得するマイクロフォンと、前記音声辞書を記憶する第２記憶装置と、前記第２記憶装置にアクセスする第２演算装置とを備え、前記第２演算装置は、前記観測手段により取得された観測情報に基づいて、前記予め想定される複数の事象の中から現在生じている事象を検出する事象検出手段と、前記マイクロフォンにより取得された音声情報と前記第２記憶装置に記憶された音声辞書とに基づいて、音声認識を実行する音声認識手段とを備え、前記事象検出手段により現在生じている事象として検出された事象に応じて、前記第１記憶装置に記憶されている複数の音声辞書候補の中から１の音声辞書候補を選択する選択手段をさらに備え、前記選択手段により選択された１の音声辞書候補を前記音声辞書として前記第２記憶装置に記憶させ、前記第１演算装置を前記省電力モードで動作させつつ前記第２演算装置を動作させたときの消費電力が、前記第１演算装置を前記通常動作モードで動作させたときの消費電力よりも小さい。

【0011】

また、請求項２の発明は、請求項１の発明に係る音声認識システムであって、前記観測手段は、ユーザの動きに起因する物理量を観測情報として取得し、前記事象検出手段は、現在生じている事象として、前記ユーザの行動を推定する。

【0012】

また、請求項３の発明は、請求項２の発明に係る音声認識システムであって、前記事象検出手段は、前記ユーザの姿勢を推定することにより、前記ユーザの行動を推定する。

【0013】

また、請求項４の発明は、請求項１ないし３のいずれかの発明に係る音声認識システムであって、前記複数の音声辞書候補は、関連づけられる事象に応じて、収録される語彙が取捨選択されている。

【0014】

また、請求項５の発明は、請求項１ないし４のいずれかの発明に係る音声認識システムであって、ユーザにより携帯され、前記第１演算装置、前記第２演算装置および前記第２記憶装置を備える携帯端末装置と、前記携帯端末装置との間でデータ通信が可能な状態で接続され、前記第１記憶装置および前記選択手段を備えるサーバ装置とを備える。

【0015】

また、請求項６の発明は、請求項１ないし５のいずれかの発明に係る音声認識システムであって、前記第２記憶装置は、過去の履歴情報を記憶しており、前記事象検出手段は、前記第２記憶装置に記憶された履歴情報に基づいて、現在生じている事象を推定する。

【0016】

また、請求項７の発明は、音声を音声辞書により認識する音声認識方法であって、予め想定される複数の事象と前記音声辞書の候補となる複数の音声辞書候補とを関連づけて第１記憶装置に記憶する工程と、通常動作モードと前記通常動作モードに比べて消費電力が抑制される省電力モードとの間で第１演算装置の動作モードを切り替える工程と、事象を検出するための物理量を観測手段により観測情報として取得する工程と、前記観測手段により取得された観測情報に基づいて、前記予め想定される複数の事象の中から現在生じている事象を、第２演算装置により検出する工程と、現在生じている事象として前記第２演算装置により検出された事象に応じて、前記第１記憶装置に記憶されている複数の音声辞書候補の中から１の音声辞書候補を選択する工程と、選択された前記１の音声辞書候補を前記音声辞書として、前記第２演算装置によりアクセスされる第２記憶装置に記憶させる工程と、前記音声をマイクロフォンにより音声情報として取得する工程と、前記マイクロフォンにより取得された音声情報と前記第２記憶装置に記憶された音声辞書とに基づいて、前記第２演算装置により音声認識を実行する工程とを有し、前記第１演算装置を前記省電力モードで動作させつつ前記第２演算装置を動作させたときの消費電力が、前記第１演算装置を前記通常動作モードで動作させたときの消費電力よりも小さい。

【発明の効果】

【0017】

請求項１ないし７に記載の発明は、第１演算装置を省電力モードで動作させつつ第２演算装置によって音声認識を実行することにより、第１演算装置を省電力モードで動作させつつ第２演算装置を動作させたときの消費電力が、第１演算装置を通常動作モードで動作させたときの消費電力よりも小さいため、消費電力を抑制することができる。また、現在生じている事象として検出された事象に応じて、第１記憶装置に記憶されている複数の音声辞書候補の中から１の音声辞書候補を選択することにより、音声認識の認識精度を低下させることなく、音声辞書の情報容量を抑制することができる。

【図面の簡単な説明】

【0018】

【図1】音声認識システムを示す図である。

【図2】サーバ装置のブロック図である。

【図3】データベースの構造を例示する図である。

【図4】サーバ装置が備える機能ブロックをデータの流れとともに示す図である。

【図5】携帯端末装置を示すブロック図である。

【図6】携帯端末装置が備える機能ブロックをデータの流れとともに示す図である。

【図7】サーバ装置の動作を示す流れ図である。

【図8】携帯端末装置の動作を示す流れ図である。

【図9】携帯端末装置が実行する更新要求処理を示す流れ図である。

【発明を実施するための形態】

【0019】

以下、本発明の好適な実施の形態について、添付の図面を参照しつつ、詳細に説明する。ただし、以下の説明において特に断らない限り、方向や向きに関する記述は、当該説明の便宜上、図面に対応するものであり、例えば実施品、製品または権利範囲等を限定するものではない。

【0020】

＜１． 実施の形態＞
図１は、音声認識システム１を示す図である。音声認識システム１は、サーバ装置２と、ユーザによって携帯される携帯端末装置３とを備えている。サーバ装置２と携帯端末装置３との間では、データ通信が可能となるように、図示しないネットワークによって接続されている。このようなネットワークとして、例えば、携帯電話網などを利用することができる。

【0021】

なお、音声認識システム１が備えるサーバ装置２や携帯端末装置３の数は、図１に示す１台に限定されるものではない。すなわち、音声認識システム１は、複数のサーバ装置２や複数の携帯端末装置３から構成されていてもよい。また、後述するサーバ装置２の構成および機能が複数の装置により分担して実現されていてもよい。さらに、サーバ装置２と携帯端末装置３とを接続するネットワークの形態は、単一のネットワークに限定されるものではなく、複合網であってもよい。また、以下の説明では、サーバ装置２を操作する者を「オペレータ」と称し、携帯端末装置３を操作する者を「ユーザ」と称する。

【0022】

図２は、サーバ装置２のブロック図である。サーバ装置２は、ＣＰＵ２０、記憶装置２１、操作部２２、表示部２３および通信部２４を備えている。

【0023】

ＣＰＵ２０は、記憶装置２１に格納されているプログラム２１０を読み取りつつ実行し、各種データの演算や制御信号の生成等を行う。これにより、ＣＰＵ２０は、サーバ装置２が備える各構成を制御するとともに、各種データを演算し作成する機能を有している。すなわち、サーバ装置２は、一般的なコンピュータとして構成されている。

【0024】

記憶装置２１は、サーバ装置２において各種データを記憶する機能を提供する。言い換えれば、記憶装置２１がサーバ装置２において電子的に固定された情報を保存する。

【0025】

記憶装置２１としては、ＣＰＵ２０の一時的なワーキングエリアとして使用されるＲＡＭやバッファ、読み取り専用のＲＯＭ、不揮発性のメモリ（例えばＮＡＮＤメモリなど）、比較的大容量のデータを記憶するハードディスク、専用の読み取り装置に装着された可搬性の記憶媒体（ＣＤ−ＲＯＭ、ＤＶＤ−ＲＯＭ、ＰＣカード、ＳＤカード、ＵＳＢメモリなど）等が該当する。図２においては、記憶装置２１を、あたかも１つの構造物であるかのように図示している。しかし、通常、記憶装置２１は、上記例示した各種装置（あるいは媒体）のうち、必要に応じて採用される複数種類の装置から構成されるものである。すなわち、記憶装置２１は、データを記憶する機能を有する装置群の総称である。

【0026】

また、現実のＣＰＵ２０は高速にアクセス可能なＲＡＭを内部に備えた電子回路である。しかし、このようなＣＰＵ２０が備える記憶装置も、説明の都合上、記憶装置２１に含めて説明する。すなわち、一時的にＣＰＵ２０自体が記憶するデータも、記憶装置２１が記憶するとして説明する。図２に示すように、記憶装置２１は、プログラム２１０、データベース２１１、選択辞書情報２１２および更新要求情報３１１（事象情報３７２）などを記憶するために使用される。

【0027】

図３は、データベース２１１の構造を例示する図である。図３に示すように、データベース２１１は、１つの音声辞書候補ごとに１つのレコードが作成されるテーブル構造の情報である。データベース２１１の各レコードには、レコード番号と、事象と、音声辞書候補とが互いに関連づけられて格納される。

【0028】

レコード番号は、データベース２１１の各レコードを個別に識別するための識別子である。図３に示す例では、データベース２１１には、ｎ個のレコードが記録されている（ｎは２以上の自然数。）。

【0029】

事象は、予め想定されるものであって、例えば、ユーザの状態種別（性別、年齢など）、ユーザの行動種別（調理や学習、通勤など）、周囲の状況種別（天気、季節、時間、屋外や屋内、シーンなど）などである。もちろん、これらの種別が複合的に組み合わされて、１つの事象とされてもよい。事象としては、ユーザの使用する言語の語彙が特徴的に予測できるものを想定することが好ましい。図３に示すデータベース２１１の例では、事象として、「ショッピング」、「ジョギング」および「デフォルト」が登録されている。

【0030】

音声辞書候補は、予め想定され、データベース２１１に登録されている複数の事象に対応して、それぞれ準備される個別の音声辞書である。例えば、「ショッピング」に対応して準備され、関連づけられている第１音声辞書は、ショッピングにおいて使用すると予想される語彙（例えば、商品名や店名、値段、用途などの言葉）を主に含む辞書である。また、例えば、「ジョギング」に関連づけられている第２音声辞書は、ジョギングにおいて使用すると予想される語彙（例えば、ペースや脈拍、コース、アドバイス、消費カロリーなどの言葉）を主に含む辞書である。

【0031】

このように、データベース２１１に予め登録しておく複数の音声辞書候補は、関連づけられる事象に応じて、収録される語彙が取捨選択されている。これにより、各語彙に関する認識精度を低下させることなく、音声辞書として使用する情報の容量を抑制することができる。一般的な音声辞書（汎用辞書）は、情報容量が数メガバイト程度である。しかし、事象を特定し、語彙を限定することにより、音声認識システム１は、例えば、音声辞書候補の情報容量として、数キロバイト程度に抑えることができる。

【0032】

なお、事象「デフォルト」に関連づけられている「第ｎ音声辞書」は、現在生じている事象（検索キーとしての事象、詳細後述。）が、レコード番号「００１」から「ｎ−１」までの事象に該当しないときにも選択される音声辞書候補とする。ここに示す第ｎ音声辞書は、汎用性のある語彙が登録されているものの、精度（例えば、サンプリング周波数）を抑えた音声辞書である。すなわち、サーバ装置２において、第ｎ音声辞書が選択された場合、使用される音声辞書の情報容量は他の音声辞書候補と同等であるが、認識精度は犠牲となる。

【0033】

すでに説明したように、データベース２１１の１つのレコードには１つの事象と１つの音声辞書候補とが格納される。そして、データベース２１１には、複数（ｎ個）のレコードが作成される。すなわち、記憶装置２１は、データベース２１１を記憶することにより、予め想定される複数の事象と、音声辞書の候補となる複数の音声辞書候補とを互いに関連づけて記憶する。したがって、記憶装置２１は、第１記憶装置に相当する。

【0034】

詳細は後述するが、図２に示す選択辞書情報２１２は、データベース２１１に登録されている複数の音声辞書候補の中から、ＣＰＵ２０によって選択された１の音声辞書候補を含む情報である。選択辞書情報２１２は、サーバ装置２から、更新要求情報３１１（事象情報３７２）を送信した携帯端末装置３に向けて送信される。

【0035】

更新要求情報３１１は、携帯端末装置３において作成され、サーバ装置２により受信される情報である。更新要求情報３１１は、当該携帯端末装置３を個別に識別する識別子（例えば、ネットワークアドレスなど）と、事象情報３７２とを含む情報である。詳細は後述するが、携帯端末装置３は、更新要求情報３１１をサーバ装置２に向けて送信することにより、音声辞書の更新をサーバ装置２に要求する。

【0036】

事象情報３７２は、先述のように、更新要求情報３１１に含まれる情報である。詳細は後述するが、事象情報３７２は、当該事象情報３７２を含む更新要求情報３１１を送信した携帯端末装置３において現在生じている事象を示す情報である。

【0037】

操作部２２は、サーバ装置２に対してオペレータ等が指示を入力するために操作するハードウェアである。操作部２２としては、例えば、各種キーやボタン類、スイッチ、タッチパネル、ポインティングデバイス、あるいは、ジョグダイヤルなどが該当する。操作部２２は、例えば、オペレータがデータベース２１１を構築する際などに操作される。

【0038】

表示部２３は、各種データを表示することによりオペレータ等に対して出力する機能を有するハードウェアである。表示部２３としては、例えば、ランプやＬＥＤ、ＣＲＴ、液晶ディスプレイや液晶パネルなどが該当する。

【0039】

通信部２４は、サーバ装置２が携帯端末装置３とデータ通信を行う機能を提供する。すなわち、サーバ装置２は、通信部２４により、携帯端末装置３から送信された情報を受信するとともに、携帯端末装置３に向けて情報を送信する。サーバ装置２が携帯端末装置３から受信する情報としては、例えば、更新要求情報３１１がある。また、サーバ装置２が携帯端末装置３に向けて送信する情報としては、例えば、選択辞書情報２１２がある。通信部２４は、選択辞書情報２１２を送信するときに、更新要求情報３１１を参照して、当該更新要求情報３１１を送信した携帯端末装置３を特定する。

【0040】

図４は、サーバ装置２が備える機能ブロックをデータの流れとともに示す図である。図４に示す選択部２００は、ＣＰＵ２０がプログラム２１０に従って動作することにより実現される機能ブロックである。

【0041】

選択部２００は、更新要求情報３１１に含まれる事象情報３７２に応じて、記憶装置２１に記憶されているデータベース２１１を検索し、複数の音声辞書候補の中から１の音声辞書候補を選択する。また、選択部２００は、選択した１の音声辞書候補を含む選択辞書情報２１２を作成する。

【0042】

事象情報３７２は、携帯端末装置３において作成される情報であって、当該携帯端末装置３からサーバ装置２に向けて送信される情報である。携帯端末装置３は、音声辞書を更新する必要が生じた場合、事象情報３７２を含む更新要求情報３１１を作成し、サーバ装置２に向けて送信する。すでに説明したように、事象情報３７２は、携帯端末装置３において、現在生じている事象として検出された事象を示す情報である。選択部２００は、事象情報３７２に示される事象を検索キーとして、データベース２１１を検索し、当該事象に関連づけられている音声辞書候補を特定する機能を有している。

【0043】

したがって、事象情報３７２に、現在生じている事象として、例えば「ショッピング」が示されている場合、図３に例示するデータベース２１１では、「ショッピング」に関連づけられている第１音声辞書が１の音声辞書候補として選択される。この場合、選択部２００によって作成される選択辞書情報２１２は、第１音声辞書となる。

【0044】

作成された選択辞書情報２１２は、携帯端末装置３からの更新要求（更新要求情報３１１）に対する応答として、通信部２４により当該更新要求を行った携帯端末装置３に向けて送信される。

【0045】

図５は、携帯端末装置３を示すブロック図である。携帯端末装置３は、ＣＰＵ３０、記憶装置３１、操作部３２、表示部３３、通信部３４およびスピーカ３５を備えている。

【0046】

ＣＰＵ３０は、記憶装置３１に格納されているプログラム３１０を読み取りつつ実行し、各種データの演算や制御信号の生成等を行う。これにより、ＣＰＵ３０は、携帯端末装置３が備える各構成を制御するとともに、各種データを演算し作成する機能を有している。すなわち、携帯端末装置３は、一般的なコンピュータとして構成されている。

【0047】

また、ＣＰＵ３０は、動作モードとして、すべての機能を利用可能な通常動作モードと、機能の一部または全部が制限される省電力モードとを有している。省電力モードは、いわゆるスリープモードであり、機能の一部または全部が制限される代わりに、ＣＰＵ３０における消費電力を抑制することができる動作モードである。

【0048】

なお、省電力モードには、複数のモードが段階的に定義されていてもよい。また、以下の説明では、「ＣＰＵ３０が省電力モードで動作する」とは、ＣＰＵ３０が完全に停止する場合も含む意味として使用する。

【0049】

記憶装置３１は、携帯端末装置３において各種データを記憶する機能を提供する。記憶装置３１としては、ＣＰＵ３０の一時的なワーキングエリアとして使用されるＲＡＭやバッファ、読み取り専用のＲＯＭ、不揮発性のメモリ（例えばＮＡＮＤメモリなど）、比較的大容量のデータを記憶するハードディスク、専用の読み取り装置に装着された可搬性の記憶媒体（ＰＣカード、ＳＤカード、ＵＳＢメモリなど）等が該当する。図５においては、記憶装置３１を、あたかも１つの構造物であるかのように図示している。しかし、通常、記憶装置３１は、上記例示した各種装置（あるいは媒体）のうち、必要に応じて採用される複数種類の装置から構成されるものである。すなわち、記憶装置３１は、データを記憶する機能を有し、ＣＰＵ３０によってアクセスされる装置群の総称である。

【0050】

また、現実のＣＰＵ３０は高速にアクセス可能なＲＡＭを内部に備えた電子回路である。しかし、このようなＣＰＵ３０が備える記憶装置も、説明の都合上、記憶装置３１に含めて説明する。すなわち、一時的にＣＰＵ３０自体が記憶するデータも、記憶装置３１が記憶するとして説明する。図５に示すように、記憶装置３１は、プログラム３１０および更新要求情報３１１などを記憶するために使用される。

【0051】

操作部３２は、携帯端末装置３に対してユーザが指示を入力するために操作するハードウェアである。操作部３２としては、例えば、各種キーやボタン類、スイッチ、タッチパネル、ポインティングデバイス、あるいは、ジョグダイヤルなどが該当する。

【0052】

表示部３３は、各種データを表示することによりユーザに対して出力する機能を有するハードウェアである。表示部３３としては、例えば、ランプやＬＥＤ、液晶ディスプレイや液晶パネルなどが該当する。

【0053】

通信部３４は、携帯端末装置３がサーバ装置２とデータ通信を行う機能を提供する。すなわち、携帯端末装置３は、通信部３４により、サーバ装置２から送信された情報を受信するとともに、サーバ装置２に向けて情報を送信する。携帯端末装置３がサーバ装置２から受信する情報としては、例えば、選択辞書情報２１２がある。また、携帯端末装置３がサーバ装置２に向けて送信する情報としては、例えば、更新要求情報３１１がある。

【0054】

スピーカ３５は、音声情報（一般に音声情報３７４とは異なるが、音声情報３７４を再生してもよい。）に基づいて、音声を出力する機能を有するハードウェアである。スピーカ３５は、ユーザに対して、音声案内をしたり、音楽や放送番組、受話機能などを提供するために用いられる。

【0055】

さらに、携帯端末装置３は、ＭＰＵ３６、記憶装置３７、観測装置群３８およびマイクロフォン３９を備えている。

【0056】

ＭＰＵ３６は、記憶装置３７に格納されているプログラム３７０を読み取りつつ実行し、各種データの演算や制御信号の生成等を行う。これにより、ＭＰＵ３６は、携帯端末装置３が備える各構成を制御するとともに、各種データを演算し作成する機能を有している。

【0057】

また、ＭＰＵ３６は、動作時に消費する電力が少ない演算装置として構成されている。具体的には、ＣＰＵ３０を省電力モードで動作させつつＭＰＵ３６を動作させた方が、ＣＰＵ３０が通常動作モードで動作する場合に比べて、携帯端末装置３における消費電力が少なくなるように設計されている。すなわち、ＭＰＵ３６は、携帯端末装置３におけるメインの演算装置であるＣＰＵ３０に比べて処理能力の低い、いわゆる組み込み用途のＬＳＩである。

【0058】

記憶装置３７は、携帯端末装置３において各種データを記憶する機能を提供する。言い換えれば、記憶装置３７が、記憶装置３１と同様に、携帯端末装置３において電子的に固定された情報を保存する。

【0059】

記憶装置３７としては、ＭＰＵ３６の一時的なワーキングエリアとして使用されるＲＡＭやバッファ、読み取り専用のＲＯＭ、不揮発性のメモリ（例えばＮＡＮＤメモリなど）等が該当する。図５においては、記憶装置３７を、あたかも１つの構造物であるかのように図示している。しかし、通常、記憶装置３７は、上記例示した各種装置（あるいは媒体）のうち、必要に応じて採用される複数種類の装置から構成されるものである。すなわち、記憶装置３７は、データを記憶する機能を有し、ＭＰＵ３６によってアクセスされる装置群の総称である。

【0060】

また、現実のＭＰＵ３６は高速にアクセス可能なＲＡＭを内部に備えた電子回路である。しかし、このようなＭＰＵ３６が備える記憶装置も、説明の都合上、記憶装置３７に含めて説明する。すなわち、一時的にＭＰＵ３６自体が記憶するデータも、記憶装置３７が記憶するとして説明する。図５に示すように、記憶装置３７は、プログラム３７０、観測情報３７１、事象情報３７２、履歴情報３７３、音声情報３７４および選択辞書情報２１２などを記憶するために使用される。

【0061】

観測装置群３８は、周囲の環境を示す情報や携帯端末装置３（携帯端末装置３を携帯するユーザ）の動きに関する情報などを検出して、観測情報３７１を取得する複数の検出装置から構成される。観測装置群３８としては、温度センサ、気圧センサ、湿度センサ、照度センサ、振動感知センサ、位置を特定するＧＰＳ、周囲の画像を取得する撮像装置、ジャイロセンサ、加速度センサ、磁気センサ、脈拍センサ、血圧センサなどが想定される。

【0062】

また、ジャイロセンサ、加速度センサおよび磁気センサなどは、ユーザの動きに起因する物理量を観測情報３７１として取得する。ジャイロセンサや加速度センサ、磁気センサなどにより取得された情報に基づいて、携帯端末装置３を所持しているユーザの姿勢を推定したり、行動を推定したりする手法は従来の技術を適宜適用することができるため、ここでは詳細な説明を省略する。なお、後述するマイクロフォン３９によって取得される音声情報３７４を観測情報３７１の一部とみなしてもよい。

【0063】

観測装置群３８は、ＭＰＵ３６によって制御されており、ＣＰＵ３０における通常動作モードのときのみならず、省電力モードのときにおいても、観測情報３７１の取得が可能とされている。ただし、ＭＰＵ３６により、必要に応じて、観測装置群３８のうちの一部の装置が停止されてもよい。

【0064】

マイクロフォン３９は、周囲の音声を電気信号に変換し、音声情報３７４を取得する機能を有するハードウェアである。マイクロフォン３９は、観測装置群３８と同様に、ＭＰＵ３６によって制御されており、ＣＰＵ３０における通常動作モードのときのみならず、省電力モードのときにおいても、音声情報３７４の取得が可能とされている。携帯端末装置３がマイクロフォン３９を備えることにより、ユーザの発する音声（言語）は、音声情報３７４に変換され、記憶装置３７に記憶される。

【0065】

図６は、携帯端末装置３が備える機能ブロックをデータの流れとともに示す図である。図６に示すインタフェース部３６０、事象検出部３６１および音声認識部３６２は、ＭＰＵ３６がプログラム３７０に従って動作することにより実現される機能ブロックである。

【0066】

インタフェース部３６０は、ＣＰＵ３０とＭＰＵ３６との間の信号の入出力を制御する機能を有する。インタフェース部３６０は、ＣＰＵ３０から転送される選択辞書情報２１２を記憶装置３７に記憶させる。また、事象検出部３６１によって作成された事象情報３７２をＣＰＵ３０に向けて転送する。さらに、音声認識部３６２の認識結果をＣＰＵ３０に向けて転送する機能も有している。

【0067】

また、インタフェース部３６０は、必要に応じて、省電力モードで動作しているＣＰＵ３０の動作モードを通常動作モードに切り替える機能も有している。これにより、ＭＰＵ３６は、例えば、複雑な処理が必要になったときに、ＣＰＵ３０を通常動作モードに復帰させて処理させることができる。

【0068】

事象検出部３６１は、観測装置群３８により取得された観測情報３７１と履歴情報３７３とに基づいて、予め想定される複数の事象の中から現在生じている事象を検出する。事象検出部３６１は、特定の事象（現在生じている事象）を検出した場合には、当該事象を示す事象情報３７２を作成する。より詳細には、事象検出部３６１は、常時取得される観測情報３７１により、現在生じている事象を監視しつつ、現在生じている事象の変化を検出する。そして、事象の変化を検出したときには、新たに現在生じている事象となった事象を示す事象情報３７２を作成する。

【0069】

また、事象検出部３６１は、履歴情報３７３を作成する機能も有している。履歴情報３７３とは、過去に、どのような観測情報３７１に基づいて、どの事象を検出したかといった情報である。履歴情報３７３の具体例としては、例えば、日曜の朝にユーザはジョギングをしたといった情報や、夕方の所定の時刻に料理をしたといった情報、あるいは、所定の位置（お店の場所）では買い物をしたといった情報などである。これにより、ユーザの行動パターンなどに基づいて事象を検出することができるため、事象の検出精度が向上する。

【0070】

なお、履歴情報３７３には、音声認識部３６２による認識率などを含めてもよい。このように構成することによって、事象情報３７２に基づいて選択された音声辞書候補（選択辞書情報２１２）の認識率をフィードバックすることができ、以後は、さらに適切な音声辞書候補が選択されることとなる。また、履歴情報３７３は、操作部３２がユーザによって操作されることにより、入力された情報に基づいて作成されてもよい。

【0071】

音声認識部３６２は、マイクロフォン３９により取得された音声情報３７４と、記憶装置３７に記憶された選択辞書情報２１２とに基づいて、音声認識を実行する。音声認識部３６２による音声認識の具体的な手法は、従来の技術を適宜採用することができるため、詳細な説明を省略する。

【0072】

なお、音声認識部３６２による認識結果は、インタフェース部３６０を介して、ＣＰＵ３０に伝達されるものとして説明する。ただし、認識結果は、必ずしもＣＰＵ３０に伝達されなければならないものではない。例えば、ＭＰＵ３６によってのみ処理される情報であってもよい。

【0073】

以上が、音声認識システム１の構成および機能の説明である。次に、音声認識方法について説明する。

【0074】

図７は、サーバ装置２の動作を示す流れ図である。図７に示す各工程は、本発明に係る音声認識方法を実現するにあたり、主に、サーバ装置２が実行する工程を示すものである。また、図７に示す各工程が開始されるまでに、予めデータベース２１１が作成され、記憶装置２１に記憶されているものとする。すなわち、携帯端末装置３側で想定される複数の事象と、複数の音声辞書候補とを互いに関連づけて記憶装置２１に記憶する工程は、すでに完了しているものとする。

【0075】

サーバ装置２は、運用が開始されると、携帯端末装置３からの更新要求情報３１１を受信したか否かを監視する（ステップＳ１）。

【0076】

更新要求情報３１１を受信すると（ステップＳ１においてＹｅｓ。）、選択部２００は、受信された更新要求情報３１１に含まれる事象情報３７２に基づいて、データベース２１１を検索する。

【0077】

すでに説明したように、更新要求情報３１１に含まれる事象情報３７２には、携帯端末装置３において、「現在生じている事象」が示されている。したがって、選択部２００は、当該現在生じている事象を検索キーとしてデータベース２１１を検索することにより、当該現在生じている事象に関連づけられている音声辞書候補をデータベース２１１から選択する（ステップＳ２）。

【0078】

データベース２１１において各事象に関連づけられている音声辞書候補は、各事象に対応して最適化され、登録された音声辞書である。したがって、選択部２００が、携帯端末装置３において現在生じている事象に関連づけられている音声辞書候補を選択することにより、現在生じている事象に最も適した音声辞書候補が選択されることになる。例えば、現在生じている事象として、「ジョギング」が示されている場合、選択部２００は、ジョギングしているユーザに適した音声辞書として作成されている第２音声辞書を選択することができる。

【0079】

ステップＳ２を実行すると、選択部２００は、選択した音声辞書候補と、選択に使用した事象情報３７２を含む更新要求情報３１１を識別するための識別子とを含む選択辞書情報２１２を作成する（ステップＳ３）。

【0080】

このようにして、新たに選択辞書情報２１２が作成されると、通信部２４は、選択辞書情報２１２に含まれる識別子に基づいて更新要求情報３１１を特定する。そして、通信部２４は、特定した更新要求情報３１１を送信した携帯端末装置３を特定して、当該携帯端末装置３に向けて、当該更新要求情報３１１を送信する（ステップＳ４）。これにより、サーバ装置２は、携帯端末装置３からの更新要求（更新要求情報３１１）に対する応答として、選択辞書情報２１２を送信する。

【0081】

図８は、携帯端末装置３の動作を示す流れ図である。図８に示す各工程は、本発明に係る音声認識方法を実現するにあたり、主に、携帯端末装置３が実行する工程を示すものである。また、図８に示す各工程が開始されるまでに、予め第ｎ音声辞書が記憶装置３７に選択辞書情報２１２として記憶されているものとする。すなわち、携帯端末装置３において、デフォルトの音声辞書（第ｎ音声辞書）を記憶装置３７に記憶する工程は、すでに完了しているものとする。

【0082】

なお、図８には、ＣＰＵ３０を通常動作モードから省電力モードに切り替える工程を図示していない。このような動作モードの切り替えは、例えば、所定の期間、ユーザによる操作が検出されないときや、ユーザによる直接の指示（省電力モードへの切り替え指示）があったとき、あるいは、利用中のアプリケーションによって判断されたときなどに実行される。ただし、省電力モードへの切り替えのトリガとなるものは、これらに限定されるものではない。

【0083】

携帯端末装置３は、電源が投入されると、所定の初期設定を実行した後、音声認識を実行することが可能な状態に遷移する。この状態を、以下、「運用開始状態」と称する。運用開始状態において、ＣＰＵ３０の動作モードは、通常動作モードまたは省電力モードである。また、運用開始状態において、携帯端末装置３は、ユーザによって携帯されているものとする。

【0084】

運用開始状態において、携帯端末装置３は、観測装置群３８により観測情報３７１を作成する（ステップＳ１１）。ステップＳ１１は、ユーザの指示がなくても、周期的かつ継続的に実行される。ステップＳ１１において作成された観測情報３７１は、記憶装置３７に格納される。

【0085】

観測情報３７１が記憶装置３７に格納されると、事象検出部３６１は、当該観測情報３７１と、履歴情報３７３とに基づいて、現在生じている事象を検出する。より詳細には、事象検出部３６１は、観測装置群３８により取得された観測情報３７１を分析して状況を把握するとともに、履歴情報３７３に基づいてユーザの行動パターン等を参照することにより現在生じている事象を推定する。さらに、事象検出部３６１は、すでに記憶されている事象情報３７２と比較することにより、事象が変化したか否かを判定する（ステップＳ１２）。

【0086】

このように、携帯端末装置３は、運用開始状態において、常時、観測情報３７１の取得を行い、かつ、現在生じている事象に変化がないか否かを監視している。すなわち、通常動作モードのときは当然として、省電力モードにおいても、ステップＳ１２の処理は実行される。さらに、ステップＳ１２の処理に際して、ユーザからの特別な指示を必要としないため、ユーザが特に意識しなくても、ステップＳ１２の処理は実行される。なお、事象情報３７２に示される事象の初期値は、「デフォルト」である。

【0087】

事象に変化が生じており、ステップＳ１２においてＹｅｓと判定すると、携帯端末装置３は、更新要求処理を実行する（ステップＳ１３）。

【0088】

図９は、携帯端末装置３が実行する更新要求処理を示す流れ図である。更新要求処理とは、携帯端末装置３が、サーバ装置２に対して、新しい音声辞書を送信するように要求する処理である。

【0089】

更新要求処理が開始されると、事象検出部３６１は、検出した事象（新たに生じた事象）を示す新たな事象情報３７２を作成する（ステップＳ３１）。また、事象検出部３６１は、新たに作成した事象情報３７２により、記憶装置３７にすでに記憶されている事象情報３７２を更新する。

【0090】

さらに、事象検出部３６１は、新たに作成した事象情報３７２（検出結果）や、当該事象情報３７２を作成する際に参照した観測情報３７１（検出結果の元となった情報）などに基づいて、履歴情報３７３を更新する（ステップＳ３２）。これにより、過去における事象の検出結果などが蓄積される。

【0091】

次に、インタフェース部３６０は、事象情報３７２が更新されたことを検出して、ＣＰＵ３０の動作モードが省電力モードであるか否かを判定する（ステップＳ３３）。そして、動作モードが省電力モードの場合（ステップＳ３３においてＹｅｓ。）、動作モードを通常動作モードに切り替える（ステップＳ３４）。一方、省電力モードでない場合（ステップＳ３３においてＮｏ。）、インタフェース部３６０は、ステップＳ３４の処理をスキップする。

【0092】

ステップＳ３３およびＳ３４の処理を、より具体的に説明する。事象情報３７２が更新され、当該事象情報３７２をＣＰＵ３０に向けて送信する必要が生じたときに、インタフェース部３６０は、ＣＰＵ３０に向けて割り込み信号を通知する。ＭＰＵ３６（インタフェース部３６０）からＣＰＵ３０に向けて割り込み信号が通知されたときに、ＣＰＵ３０が省電力モードであれば、この割り込み信号がＣＰＵ３０を通常動作モードに復帰させる信号となる。一方で、通信部３４からＣＰＵ３０に向けて割り込み信号が通知されたときに、ＣＰＵ３０が通常動作モードであれば、この割り込み信号がＣＰＵ３０を通常動作モードに復帰させる信号とみなされることはなく、一般的な割り込み信号として処理される。したがって、実際のインタフェース部３６０は、ステップＳ３３において、ＣＰＵ３０が省電力モードであるか否かについて判定するわけではない。

【0093】

ステップＳ３３およびＳ３４が実行された後において、ＣＰＵ３０は必ず通常動作モードとなり、事象情報３７２を受け取れる状態となる。したがって、インタフェース部３６０は、新たに作成された事象情報３７２をＣＰＵ３０に向けて転送する（ステップＳ３５）。

【0094】

ＭＰＵ３６から事象情報３７２を受け取ると、ＣＰＵ３０は、当該事象情報３７２に基づいて、更新要求情報３１１を作成する（ステップＳ３６）。更新要求情報３１１は、すでに説明したように、事象情報３７２および携帯端末装置３の識別子（例えば、ネットワークアドレスなど）を含む情報である。

【0095】

更新要求情報３１１を作成すると、ＣＰＵ３０は、当該更新要求情報３１１をサーバ装置２に向けて送信するように通信部３４を制御する。これにより、通信部３４が、更新要求情報３１１をサーバ装置２に向けて送信する（ステップＳ３７）。

【0096】

ステップＳ３７が実行され、通信部３４が更新要求情報を送信すると、携帯端末装置３は、更新要求処理を終了して、図８に示す処理に戻る。

【0097】

図８に戻って、ステップＳ１２においてＮｏと判定した場合、携帯端末装置３はステップＳ１３をスキップする。したがって、現在生じている事象に変化が生じない限り、携帯端末装置３が更新要求処理（ステップＳ１３）を実行することはなく、更新要求情報３１１がサーバ装置２に向けて送信されることもない。

【0098】

運用開始状態において、携帯端末装置３は、マイクロフォン３９により音声情報３７４を作成する（ステップＳ１４）。ステップＳ１４は、運用開始状態において、ユーザの指示がなくても、周期的かつ継続的に実行される。ステップＳ１４において作成された音声情報３７４は、記憶装置３７に格納される。

【0099】

音声情報３７４が記憶装置３７に格納されると、音声認識部３６２は、当該音声情報３７４と、選択辞書情報２１２とに基づいて、音声認識を実行し（ステップＳ１５）、認識に成功したか否かを判定する（ステップＳ１６）。

【0100】

このように、携帯端末装置３では、ステップＳ１４ないしＳ１６における処理が、ＭＰＵ３６によって実現されており、ＣＰＵ３０が省電力モードであっても、実行することが可能である。すなわち、音声認識システム１は、消費電力を抑制しつつ、常時、音声認識を実行することができるように構成されている。

【0101】

また、ステップＳ１４ないしＳ１６における処理は、携帯端末装置３の運用開始状態において、ユーザの特別な指示がなくても実行される処理として構成されている。したがって、ユーザは、特に意識することなく、音声認識を利用することができ、ユーザの負担が軽減される。

【0102】

音声認識部３６２が認識に成功した場合（ステップＳ１６においてＹｅｓ。）、ＭＰＵ３６は、認識結果を実行する（ステップＳ１７）。

【0103】

ステップＳ１７における認識結果の実行とは、ＭＰＵ３６がＣＰＵ３０に向けて認識結果を転送することである。具体的には、まず、音声認識部３６２が、当該認識結果をインタフェース部３６０に伝達する。次に、インタフェース部３６０が、音声認識部３６２から伝達された認識結果をＣＰＵ３０に向けて転送する。

【0104】

なお、認識結果をＣＰＵ３０に向けて転送するときに、ＣＰＵ３０が省電力モードであった場合、インタフェース部３６０は、ＣＰＵ３０の動作モードを通常動作モードに切り替えてから、当該認識結果を転送する。

【0105】

現在生じている事象として「ジョギング」が検出されており、第２音声辞書候補が選択辞書情報２１２として記憶装置３７に記憶されている状態を例に、ＣＰＵ３０が実行する処理を説明する。このような状態で、例えば、ユーザが「脈拍」と発声すると、音声認識部３６２が第２音声辞書候補を用いて音声認識を行い、「脈拍」という言葉（テキスト情報）を認識結果としてＣＰＵ３０に伝達する。

【0106】

ＭＰＵ３６から認識結果を受け取ったＣＰＵ３０は、当該認識結果に応じた処理を実行する。

【0107】

上記に示す例では、ＣＰＵ３０は、ユーザの「脈拍」という発声に対する処理として、ユーザの脈拍数を計測して音声案内するようにスピーカ３５を制御する。これにより、スピーカ３５から、例えば、「１２０」などの音声が再生される。したがって、ユーザは、携帯端末装置３を目視して閲覧し、操作しなくても、携帯端末装置３を使用することができる。

【0108】

運用開始状態において、サーバ装置２から送信された選択辞書情報２１２を通信部３４が受信すると（ステップＳ１８においてＹｅｓ。）、携帯端末装置３は、動作モードが省電力モードであるか否かを判定する（ステップＳ１９）。そして、動作モードが省電力モードの場合（ステップＳ１９においてＹｅｓ。）、動作モードを通常動作モードに切り替える（ステップＳ２０）。一方、省電力モードでない場合（ステップＳ１９においてＮｏ。）、携帯端末装置３は、ステップＳ２０の処理をスキップする。

【0109】

ステップＳ１８ないしＳ２０の処理を、より具体的に説明する。通信部３４は、運用開始状態において、ネットワークを監視しており、当該ネットワークを介して携帯端末装置３に着信があったか否かを監視している。そして、通信部３４が着信を検出した場合には、通信部３４からＣＰＵ３０に向けて割り込み信号が通知される。したがって、実際の通信部３４は、ステップＳ１８において、受信された情報が選択辞書情報２１２であるか否かについて判定するわけではない。

【0110】

通信部３４からＣＰＵ３０に向けて割り込み信号が通知されたときに、ＣＰＵ３０が省電力モードであれば、この割り込み信号がＣＰＵ３０を通常動作モードに復帰させる信号となる。一方で、通信部３４からＣＰＵ３０に向けて割り込み信号が通知されたときに、ＣＰＵ３０が通常動作モードであれば、この割り込み信号がＣＰＵ３０を通常動作モードに復帰させる信号とみなされることはなく、一般的な割り込み信号として処理される。したがって、ＣＰＵ３０は、ステップＳ１９において省電力モードか否かを判定するわけではない。

【0111】

ステップＳ１９においてＮｏの場合、または、ステップＳ２０が実行された場合、ＣＰＵ３０は、通信部３４が受信した選択辞書情報２１２をＭＰＵ３６（インタフェース部３６０）に向けて転送する。ＣＰＵ３０から選択辞書情報２１２が転送されると、インタフェース部３６０は、記憶装置３７に、当該選択辞書情報２１２を記憶させる（ステップＳ２１）。これにより、携帯端末装置３において、すでに記憶されていた選択辞書情報２１２が、新たに受信された選択辞書情報２１２に更新される。

【0112】

すでに説明したように、初期状態において、携帯端末装置３の記憶装置３７には、第ｎ音声辞書が選択辞書情報２１２として記憶されている。この状態において、例えば、事象「ジョギング」に関連づけられている第２音声辞書が選択辞書情報２１２として受信されると、ステップＳ２１が実行されることにより、第ｎ音声辞書が第２音声辞書に更新されることになる。

【0113】

例えば、ジョギング中のユーザが使用する言葉（携帯端末装置３に対して入力する言葉）は、ジョギングに関連する語彙に限られると予想できる。したがって、現在生じている事象として「ジョギング」が検出されたときに、ジョギングに対応して語彙が取捨選択された第２音声辞書を音声認識に用いることにより、音声認識の精度を低下させることなく、通常の音声辞書に比べて情報容量（サイズ）を減らした音声辞書を使用することができる。

【0114】

このように、音声認識システム１は、音声辞書のサイズが小さいため、応答性能がよいという利点がある。すでに説明したように、音声認識システム１では、携帯端末装置３において新しい事象が検出されるたびに、それに応じた音声辞書がサーバ装置２から携帯端末装置３にダウンロードされる。もし、ダウンロードする音声辞書のサイズが大きければ、ダウンロードに時間を要し、音声辞書を準備するまでの時間が増大することになり、応答性能が低下する。しかし、音声認識システム１は、ダウンロードする音声辞書（選択辞書情報２１２）のサイズが小さいため、ダウンロードに要する時間は短く、応答性能が犠牲にならずに済む。

【0115】

また、音声辞書のサイズが小さいため、記憶装置３７の記憶容量が小さくて済むとともに、ＭＰＵ３６のような比較的処理能力の低い演算装置でも音声認識を実行することができる。したがって、システム全体として、コストを抑制することができる。

【0116】

また、特開２０１０−１９１２２３号公報に記載されている技術では、作業者（ユーザ）は、「会計入ります」というように、これからの作業の内容などを示す音声を入力しなければ、音声辞書の切り替えが行われない。すなわち、音声辞書を切り替えるためのトリガは、ユーザ自身が、意識的に確実に実行しなければならない。しかし、音声認識システム１は、観測装置群３８によって、継続的に、かつ、ユーザに意識させることなく取得される観測情報３７１に基づいて現在生じている事象を自動的に検出し、これをトリガとして更新要求（更新要求処理）を行う。したがって、ユーザは、音声辞書を切り替えるためのトリガを与えることを特に意識する必要がなく、ユーザの負担が軽減される。

【0117】

また、従来の技術では、音声辞書の選択は、位置情報に基づいて行われるため、ユーザは、目的の音声辞書が選択される位置でしかトリガを与えることができない。したがって、従来の技術は、ユーザが、自身の存在位置と音声辞書との対応関係をよく理解していなければ、逆に、不適切な音声辞書を選択するおそれがある。しかし、音声認識システム１は、多様な観測情報３７１（および履歴情報３７３）に基づいて現在生じている事象を検出するため、ユーザに頼ることなく、最適な音声辞書を選択することができる。

【0118】

また、従来の技術では、音声辞書の選択が位置情報のみに基づいて行われるため、位置に関係のない事象に基づいて音声辞書を最適化することができず、汎用性が低いとともに、語彙の絞り込みも不十分という問題がある。しかし、音声認識システム１は、多様な観測情報３７１に基づいて現在生じている事象を検出するため、より状況に応じた音声辞書を選択することが可能となる。

【0119】

以上のように、音声を音声辞書により認識する音声認識システム１は、通常動作モードと通常動作モードに比べて消費電力が抑制される省電力モードとの間で動作モードを切り替えることが可能なＣＰＵ３０と、予め想定される複数の事象と音声辞書の候補となる複数の音声辞書候補とを関連づけるデータベース２１１を記憶する記憶装置２１と、事象を検出するための物理量を観測情報３７１として取得する観測装置群３８と、音声を音声情報３７４として取得するマイクロフォン３９と、選択辞書情報２１２を記憶する記憶装置３７と、記憶装置３７にアクセスするＭＰＵ３６とを備えている。そして、ＭＰＵ３６は、観測装置群３８により取得された観測情報３７１に基づいて、予め想定される複数の事象の中から現在生じている事象を検出する事象検出部３６１と、マイクロフォン３９により取得された音声情報３７４と記憶装置３７に記憶された選択辞書情報２１２とに基づいて、音声認識を実行する音声認識部３６２とを備える。また、音声認識システム１は、事象検出部３６１により現在生じている事象として検出された事象に応じて、記憶装置２１に記憶されている複数の音声辞書候補の中から１の音声辞書候補を選択する選択部２００をさらに備え、選択部２００により選択された選択辞書情報２１２を音声辞書として記憶装置３７に記憶させる。さらに、音声認識システム１では、ＣＰＵ３０を省電力モードで動作させつつＭＰＵ３６を動作させたときの消費電力が、ＣＰＵ３０を通常動作モードで動作させたときの消費電力よりも小さくなるように設計されている。これにより、消費電力の低いＭＰＵ３６に音声認識を実行させることにより、消費電力を抑制することができる。また、サイズの小さい選択辞書情報２１２を音声認識に使用したとしても、選択辞書情報２１２が事象に応じて最適化されているため、認識率を低下させることがない。

【0120】

また、観測装置群３８は、ユーザの動きに起因する物理量を観測情報３７１として取得し、事象検出部３６１は、現在生じている事象として、ユーザの行動を推定する。ユーザの発する音声（言葉）は、ユーザの行動との関連性が高い。したがって、ユーザの行動を推定することで、より最適な音声辞書を選択することができる。すなわち、音声認識の精度が向上する。

【0121】

また、事象検出部３６１は、ユーザの姿勢を推定することにより、当該ユーザの行動を推定する。ユーザの行動は、ユーザの姿勢との関連性が高いため、ユーザの行動推定精度が向上する。

【0122】

また、複数の音声辞書候補は、関連づけられる事象に応じて、収録される語彙が取捨選択されている。これにより、認識精度を低下させることなく、音声辞書（選択辞書情報２１２）のサイズを抑制することができる。

【0123】

また、音声認識システム１電力の自給能力の低い携帯端末装置３に適用することにより、消費電力の抑制効果がより顕著となる。

【0124】

また、記憶装置３７は、過去の履歴情報３７３を記憶しており、事象検出部３６１は、記憶装置３７に記憶された履歴情報３７３に基づいて、現在生じている事象を推定する。したがって、事象の推定精度が向上する。

【0125】

なお、上記実施の形態では、ＣＰＵ３０を省電力モードから通常動作モードに切り替える工程として、ステップＳ２０およびステップＳ３４のみを説明した。ただし、ＣＰＵ３０を通常動作モードに切り替えるトリガとなるものは、これらの工程を実行する条件となるものに限定されるわけではない。

【0126】

＜２． 変形例＞
以上、本発明の実施の形態について説明してきたが、本発明は上記実施の形態に限定されるものではなく様々な変形が可能である。

【0127】

例えば、上記実施の形態に示した各工程は、あくまでも例示であって、上記に示した順序や内容に限定されるものではない。すなわち、同様の効果が得られるならば、適宜、順序や内容が変更されてもよい。例えば、事象情報３７２を更新する工程（ステップＳ３１）と、履歴情報３７３を更新する工程（ステップＳ３２）との順序を入れ替えても、本発明を実現することができる。

【0128】

また、上記実施の形態に示した選択部２００は、ＣＰＵ２０がプログラム２１０に従って動作することにより、ソフトウェア的に実現されると説明した。また、インタフェース部３６０や事象検出部３６１、および、音声認識部３６２は、ＭＰＵ３６がプログラム３７０に従って動作することにより、ソフトウェア的に実現されると説明した。しかし、これらの機能ブロックの一部または全部を専用の論理回路で構成し、ハードウェア的に実現してもよい。

【0129】

また、上記実施の形態では、サーバ装置２にデータベース２１１が記憶され、サーバ装置２が備えるＣＰＵ２０（選択部２００）が音声辞書候補の選択を行う例で説明した。しかし、例えば、データベース２１１に相当する情報を携帯端末装置３の記憶装置３１に記憶しておき、ＣＰＵ３０が音声辞書候補を選択してＭＰＵ３６に伝達するように構成してもよい。

【符号の説明】

【0130】

１ 音声認識システム
２ サーバ装置
２０，３０ ＣＰＵ
２００ 選択部
２１，３１，３７ 記憶装置
２１０，３１０，３７０ プログラム
２１１ データベース
２１２ 選択辞書情報
２２，３２ 操作部
２３，３３ 表示部
２４，３４ 通信部
３ 携帯端末装置
３１１ 更新要求情報
３５ スピーカ
３６ ＭＰＵ
３６０ インタフェース部
３６１ 事象検出部
３６２ 音声認識部
３７１ 観測情報
３７２ 事象情報
３７３ 履歴情報
３７４ 音声情報
３８ 観測装置群
３９ マイクロフォン

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】

【図7】

【図8】

【図9】