本申請要求2016年3月8日申請、申請?zhí)枮?016-044653的日本專利申請的優(yōu)先權(quán)，其全部內(nèi)容通過引用并入本文。

本發(fā)明涉及聲音處理系統(tǒng)，特別涉及能夠針對來自用戶的反問快速地應(yīng)答的聲音處理系統(tǒng)。

背景技術(shù)：

伴隨聲音識別技術(shù)的發(fā)展，車內(nèi)空間內(nèi)的聲音用戶接口的利用正在增加。另一方面，車內(nèi)空間是噪音多的環(huán)境，需要強勁地識別噪音。另外，要求構(gòu)筑以有多次反問為前提的系統(tǒng)。

在此，“反問”是指，關(guān)于a要求之后的“不是a，而是b的情況？”這樣的發(fā)聲。例如，“檢索澀谷附近的意大利餐廳”這樣的要求之后的、“不是澀谷而是橫浜的話是怎么樣？”、“代替意大利餐廳而檢索法國餐廳”這樣的發(fā)聲相當于“反問”。

在美國專利號no.7353176、美國專利號no.8036877、美國專利號no.8515752中公開了考慮上下文來掌握反問的內(nèi)容并準確地處理的內(nèi)容。

然而，美國專利號no.7353176、美國專利號no.8036877、美國專利號no.8515752是以能夠應(yīng)對反問為主要目標的發(fā)明，并未公開使反問處理快速化。

技術(shù)實現(xiàn)要素：

本發(fā)明的目的在于在聲音處理系統(tǒng)中，能夠針對反問的要求快速地應(yīng)答。

本發(fā)明的聲音處理系統(tǒng)具備：聲音取得單元，取得用戶的發(fā)聲；聲音識別單元，識別聲音取得單元取得的發(fā)聲的內(nèi)容；執(zhí)行單元，根據(jù)所述聲音識別單元的結(jié)果執(zhí)行處理；以及決定單元，決定代替某個詞的詞的候補。而且，在由所述聲音識別單元識別出包括第1詞的要求的情況下，通過所述執(zhí)行單元執(zhí)行包括所述第1詞的要求并將處理結(jié)果提供給所述用戶，并且通過所述決定單元決定作為所述第1詞的代替候補的第2詞，通過所述執(zhí)行單元還執(zhí)行代替所述第1詞而包括所述第2詞的要求并將處理結(jié)果存儲到存儲單元。

在本發(fā)明中，優(yōu)選為在由所述聲音識別單元識別出包括所述第1詞的要求之后識別出代替所述第1詞而包括所述第2詞的要求的情況下，所述執(zhí)行單元取得所述存儲單元中存儲的處理結(jié)果并提供給所述用戶。

這樣，利用決定單元決定成為反問的候補的詞的對，預(yù)先執(zhí)行與反問的候補有關(guān)的處理并存儲結(jié)果，從而能夠縮短實際發(fā)生了將第1詞置換為第2詞的反問時的處理時間。

在本發(fā)明中，所述決定單元能夠?qū)⒃趶乃鲇脩羧〉昧税硞€詞的要求之后從所述用戶取得了代替所述某個詞而包括其它詞的要求的次數(shù)，按照所述某個詞和所述其它詞的對存儲，將與輸入的詞成對的詞中的所述次數(shù)是閾值以上的詞決定為所述輸入的詞的代替候補。在此，“從所述用戶取得了代替所述某個詞而包括其它詞的要求的次數(shù)”可以是取得了指示為進行代替所述某個詞而包括其它詞的要求的發(fā)聲的次數(shù)。即，決定單元優(yōu)選為將關(guān)于a的要求之后的、“代替a而b的情況？”那樣的反問的次數(shù)針對用語a和b的對進行存儲。此外，決定單元存儲的上述次數(shù)未必僅根據(jù)實際用戶的發(fā)聲內(nèi)容來決定，關(guān)于設(shè)想為反問的頻度高的用語對，也可以將上述次數(shù)預(yù)先設(shè)定得較大。

另外，在本發(fā)明中，決定單元還能夠?qū)⒛硞€詞和該詞的代替候補關(guān)聯(lián)起來存儲，將與輸入的詞關(guān)聯(lián)起來存儲的詞決定為該輸入的詞的代替候補。另外，決定單元也可以根據(jù)詞匯辭典判斷用語的類似性，將與輸入的詞類似的詞決定為代替候補。不論在哪一個情況下，都優(yōu)選為還考慮發(fā)聲中的上下文來決定代替候補。

另外，在本發(fā)明中，還優(yōu)選為在所述用戶在包括所述第1詞的要求之后代替包括所述第1詞的要求而發(fā)聲了包括所述第2詞的要求的情況下，所述聲音識別單元根據(jù)包括所述第1詞的要求的上下文信息決定所述第2詞的屬性，進行所述第2詞的識別。

雖然有同一詞根據(jù)上下文不同而具有不同的含意的情況，但在代替包括第1詞的要求而發(fā)聲了包括第2詞的要求的情況下，設(shè)想第1詞和第2詞具有相同的屬性。因此，通過考慮包括第1詞的要求的上下文信息，能夠精度良好地求出第2詞的屬性，能夠精度良好地識別第2詞。

根據(jù)本發(fā)明，在聲音處理系統(tǒng)中，能夠針對反問的要求快速地應(yīng)答。

參照附圖，本發(fā)明的進一步特征將從以下具體實施例的描述中變得清晰。

附圖說明

圖1是示出實施方式的聲音處理系統(tǒng)的結(jié)構(gòu)例的圖。

圖2是示出實施方式的詞對存儲部的例子的圖。

圖3是示出實施方式的聲音處理方法的流程的流程圖。

圖4是示出實施方式的聲音處理方法的流程的流程圖。

具體實施方式

以下，參照附圖，說明本發(fā)明的示例性的實施方式。此外，以下的說明示例地說明了本發(fā)明，本發(fā)明不限于以下的實施方式。

<反問>

在說明本實施方式的聲音處理系統(tǒng)之前，說明“反問”。設(shè)想用戶的發(fā)聲內(nèi)容是針對聲音處理系統(tǒng)要求某種處理的狀況。例如，考慮進行“檢索澀谷附近處的意大利餐廳”這樣的要求的狀況。在之后用戶進行“檢索橫浜附近處的意大利餐廳”這樣的要求的情況下，考慮為“不是澀谷而是橫浜的話是怎么樣？”這樣發(fā)聲。在本說明書中，這樣將包括某個詞a的要求/指示之后的“不是a而是b的情況？”那樣的發(fā)聲稱為“反問”。在上述例子中，除了變更“澀谷”這樣的詞的反問以外，還設(shè)想將“意大利”變更為“法國”的反問。即，反問的模式設(shè)想與某個要求中包含的詞的數(shù)量相當?shù)牧俊?/p>

<系統(tǒng)結(jié)構(gòu)>

圖1是示出本實施方式的聲音處理系統(tǒng)的系統(tǒng)結(jié)構(gòu)的圖。本實施方式的聲音處理系統(tǒng)是通過聲音處理服務(wù)器200識別車輛100內(nèi)的用戶的發(fā)聲，并執(zhí)行與發(fā)聲內(nèi)容對應(yīng)的處理來對車輛100內(nèi)的用戶提供處理結(jié)果的系統(tǒng)。

車輛100具備包括聲音取得部110和信息提供部120的信息處理裝置(計算機)。信息處理裝置包括運算裝置、存儲裝置、輸入輸出裝置等，通過由運算裝置執(zhí)行存儲裝置中保存的程序來提供下述的功能。

聲音取得部110由一個或者多個麥克風或者麥克風陣列構(gòu)成，取得用戶發(fā)出的聲音。聲音取得部110取得的聲音通過無線通信被發(fā)送到聲音處理服務(wù)器200。此外，聲音取得部110不需要將所取得的聲音原樣地發(fā)送到聲音處理服務(wù)器200，而可以取得聲音的特征量并僅發(fā)送特征量。信息提供部120是用于將車輛100從聲音處理服務(wù)器200取得的信息提供給用戶的裝置，包括圖像顯示裝置、聲音輸出裝置等。

聲音處理服務(wù)器200具備包括聲音識別部210、執(zhí)行部220、詞對存儲部230、決定部240的信息處理裝置(計算機)。信息處理裝置包括運算裝置、存儲裝置、輸入輸出裝置等，通過由運算裝置執(zhí)行存儲裝置中保存的程序來提供下述的功能。

聲音識別部210是用于識別從車輛100的聲音取得部110發(fā)送的聲音，并掌握其內(nèi)容(文本)以及含意的功能部。聲音識別部210根據(jù)詞匯辭典、語言模型，進行聲音識別。作為具體的聲音識別手法，能夠利用現(xiàn)有的任意的手法。在圖中記載為聲音識別部210僅從1臺車輛100取得聲音，但還能夠從許多車輛100取得聲音并識別。

此外，聲音識別部210在識別反問的發(fā)聲時，優(yōu)選為根據(jù)反問之前的發(fā)聲內(nèi)容的上下文來決定并識別反問中包含的詞的屬性等。在反問中被置換的詞是在同一上下文中使用的詞，所以能夠通過使用上下文信息來更高精度地識別反問中包含的詞。

執(zhí)行部220是執(zhí)行與利用聲音識別部210進行聲音識別的結(jié)果對應(yīng)的處理的功能部。例如，如果用戶的發(fā)聲是要求取得滿足預(yù)定的條件的信息的發(fā)聲，則執(zhí)行部220從檢索服務(wù)器300取得滿足該條件的信息，并發(fā)送給車輛100。

執(zhí)行部220在從用戶受理了要求的情況下，推測所設(shè)想的反問，并執(zhí)行與推測出的反問的要求對應(yīng)的處理，將處理結(jié)果存儲到存儲部(未圖示)。即，執(zhí)行部220預(yù)取(先取)所推測的反問的要求的結(jié)果。然后，在實際從用戶接受到反問的情況下，如果已預(yù)取到結(jié)果，則將其結(jié)果發(fā)送到車輛100。另外，執(zhí)行部220在發(fā)生了反問的情況下，將哪個詞被哪個詞置換的情況記錄到詞對存儲部230。關(guān)于這些處理的詳細內(nèi)容后述。

詞對存儲部230存儲反問中的置換前的詞和置換后的詞的對的出現(xiàn)次數(shù)。圖2是示出詞對存儲部230的表格結(jié)構(gòu)的圖。詞對存儲部230保存置換前的詞231、置換后的詞232、上下文信息233、出現(xiàn)次數(shù)234。置換前的詞231是通過反問置換前的詞，置換后的詞232是通過反問置換后的詞。上下文信息233是確定發(fā)聲中的上下文的信息。出現(xiàn)次數(shù)234是通過利用上下文信息233確定的上下文而置換前的詞231被置換后的詞232置換的反問出現(xiàn)的次數(shù)。

此外，不需要僅根據(jù)實際發(fā)生的反問來決定詞對存儲部230中的出現(xiàn)次數(shù)。例如，在要求“檢索a”之后發(fā)生了“不是a而是b的情況？”這樣的反問的情況下，增加將詞a置換為詞b的反問的出現(xiàn)次數(shù)。此時，也可以增加將詞b置換為詞a的反問的出現(xiàn)次數(shù)。另外，在進而接下來繼續(xù)了“c的情況？”這樣的反問的情況下，增加將詞a置換為詞c的反問的出現(xiàn)次數(shù)。此時，除了增加將詞a置換為詞c的反問的出現(xiàn)次數(shù)以外，還可以增加將詞b置換為詞c的反問、將詞c置換為詞a的反問、將詞c置換為詞b的反問的出現(xiàn)次數(shù)。這是因為考慮在發(fā)生反問的情況下成為反問的對象的詞是可相互置換的緣故。

決定部240是在取得了來自用戶的發(fā)聲時，推測用戶的發(fā)聲的反問的功能部。決定部240參照詞對存儲部230，推測在反問中哪個詞被置換為哪個詞。具體而言，決定部240參照詞對存儲部230，將用戶的發(fā)聲中包含的詞以及該發(fā)聲的上下文中出現(xiàn)次數(shù)是閾值以上的詞對推測為在反問中被置換的詞對。在有多個閾值以上的詞對的情況下，詞候補決定部240選擇所有詞對即可。但是，也可以僅選擇居上位的預(yù)定數(shù)個的詞對。

<處理內(nèi)容>

首先，參照圖3、圖4說明本實施方式的聲音處理系統(tǒng)中的處理。最初，在步驟s102中，聲音取得部110取得用戶的發(fā)聲并發(fā)送給聲音識別部210，聲音識別部210識別發(fā)聲的內(nèi)容。在此，假設(shè)從用戶接受到“檢索從a到c的路徑”這樣的發(fā)聲。實際上，a、c是具體的地名、店鋪名等。另外，以下將該發(fā)聲表示為{a、c}。

在步驟s104中，聲音識別部210臨時地存儲當識別出發(fā)聲{a、c}時得到的上下文信息、各詞的領(lǐng)域。

在步驟s106中，執(zhí)行部220執(zhí)行與發(fā)聲{a、c}對應(yīng)的處理，將其結(jié)果發(fā)送到車輛100。具體而言，執(zhí)行部220對檢索服務(wù)器300發(fā)出求從a到c的路徑的要求，取得其結(jié)果。然后，執(zhí)行部220將從檢索服務(wù)器300得到的處理結(jié)果發(fā)送到車輛100。在車輛100中，信息提供部120對用戶提供處理結(jié)果。

在步驟s108中，決定部240決定針對發(fā)聲{a、c}設(shè)想的反問中的候補詞。例如，決定對發(fā)聲{a、c}內(nèi)的詞a進行置換的詞的候補集合{bi}。具體而言，決定部240參照詞對存儲部230，將置換前的詞是詞a且上下文信息與發(fā)聲{a、c}的上下文信息(已在s104中存儲)一致的記錄項中所包含的置換后的詞，決定為候補詞。在該說明中，僅說明置換詞a的候補詞，但同樣地決定置換詞c的候補詞也是優(yōu)選的。

在步驟s110中，執(zhí)行部220關(guān)于置換詞a的詞的候補集合{bi}的各個，進行與發(fā)聲內(nèi)容{bi、c}對應(yīng)的處理，即“檢索從bi到c的路徑”這樣的處理，并存儲到存儲裝置中。與步驟s102同樣地，通過對檢索服務(wù)器300發(fā)出要求來進行路徑的檢索即可。

在步驟s112中，取得來自用戶的反問的發(fā)聲，并識別其內(nèi)容。在此，設(shè)想用戶反問“不是從a而是從b1的話是怎么樣？”的情況。以下，將這樣的反問表示為(a、b1)。聲音識別部210在識別詞b1時，考慮在步驟s104中存儲的發(fā)聲{a、c}的上下文信息、領(lǐng)域，來決定詞b1的屬性信息。例如，詞b1有具有地名和店鋪名等多個含意的情況，但聲音識別部210考慮發(fā)聲{a、c}的上下文信息等來能夠判斷為反問(a、b1)中的詞b1表示地名。

在步驟s114中，聲音處理服務(wù)器200更新詞對存儲部230。具體而言，將與置換前的詞是“a”、置換后的詞是“b1”、上下文信息是發(fā)聲{a、c}的上下文信息相應(yīng)的記錄項的出現(xiàn)次數(shù)增加1。在不存在這樣的記錄項的情況下，新制作該記錄項而將其出現(xiàn)次數(shù)設(shè)為1即可。此時，也可以將置換前的詞是“b1”且置換后的詞是“a”的記錄項的出現(xiàn)次數(shù)增加1。這是因為考慮反問的詞的對是可雙向地交換的。

在步驟s116中，執(zhí)行部220判斷是否已存儲(已預(yù)取){b1、c}即“從b1向c的路徑的檢索”的處理結(jié)果。如果已存儲，則執(zhí)行部220從存儲部取得其結(jié)果，發(fā)送到車輛100。如果未已存儲，則執(zhí)行{b1、c}的處理，并將其處理結(jié)果發(fā)送到車輛100。在車輛100中，信息提供部120對用戶提供該處理結(jié)果。

<本發(fā)明的有利的效果>

根據(jù)本發(fā)明，在受理了基于來自用戶的聲音的要求時，預(yù)想發(fā)生反問，預(yù)先執(zhí)行與預(yù)想的反問對應(yīng)的處理來預(yù)取結(jié)果。因此，在實際發(fā)生了反問時，無需進行處理就能夠立即返回結(jié)果。如本實施方式那樣，在針對外部服務(wù)器發(fā)出要求來進行處理的情況下花費幾秒程度的時間，但通過預(yù)取來能夠?qū)⒃摃r間縮短為小于1秒。即，能夠使反問時的應(yīng)答快速化。

另外，根據(jù)實際發(fā)生的反問次數(shù)來決定成為反問的對象的詞，所以能夠提高推測精度。如本實施方式那樣，在聲音處理服務(wù)器200一并處理來自多個車輛100的聲音的情況下，能夠存儲更多的反問的歷史，所以能夠進行精度更良好的推測。

另外，在發(fā)生了反問的情況下，利用反問之前的發(fā)聲的上下文信息、領(lǐng)域來識別反問中包含的詞的屬性信息，所以能夠進行精度良好的聲音識別。在車輛內(nèi)由于道路噪聲等的影響而取得的聲音有時變得不清楚，但通過這樣利用上下文信息，在車輛內(nèi)也能夠進行精度良好的聲音識別。

<變形例>

在上述實施方式中，根據(jù)實際產(chǎn)生的反問的次數(shù)推測成為反問的對象的詞，但成為反問的對象的詞的推測方法不限于上述方法。例如，決定部240也可以構(gòu)成為具有詞匯辭典，在反問之前的發(fā)聲的上下文中，將與該發(fā)聲中包含的詞的類似度是閾值以上的詞推測為反問對象的詞。這樣，也能夠得到與上述同樣的效果。

另外，在反問對象的詞的推測中，重視進行該發(fā)聲的用戶的歷史也是優(yōu)選的。在上述說明中，聲音處理服務(wù)器200將從各種車輛(用戶)得到的反問的發(fā)生次數(shù)存儲于詞對存儲部230中，但對每個用戶的反問次數(shù)進行計數(shù)，并根據(jù)用戶的反問次數(shù)推測反問也是優(yōu)選的。由此，能夠進行反映了每個用戶的特征的推測。

在上述實施方式中，設(shè)想了車輛內(nèi)的利用，但本發(fā)明的聲音處理系統(tǒng)的利用場景不限于車輛內(nèi)，而能夠在任意的環(huán)境中利用。另外，以聲音取得部(麥克風)設(shè)置于車輛且聲音識別部和執(zhí)行部設(shè)置于服務(wù)器的、所謂中心型的聲音處理系統(tǒng)為例子進行了說明，但既可以將這些所有功能包含于1個裝置來實施本發(fā)明，也可以通過以與上述不同的方式分擔了功能的結(jié)構(gòu)來實施本發(fā)明。