JP6024675B2 - 音声認識端末装置、音声認識システム、音声認識方法 - Google Patents

Description

本発明は、音声認識を行う遠隔のサーバと通信して、ユーザの発話に対する音声認識を行う音声認識端末装置、音声認識システム、及び音声認識方法に関する。

従来、いわゆるクラウドコンピューティングを利用したサーバ型音声認識の技術が知られている（例えば、特許文献１参照）。この種のサーバ型音声認識の技術では、端末装置に入力されたユーザの音声コマンドの解析を遠隔の音声認識サーバが行い、端末装置は、音声認識サーバから受信した解析結果に応じた応答動作を行う。

また、特許文献１には、音声認識装置が音声認識サーバに音声コマンドの解析を依頼したときに、待ち受け時間内における通信状況が良好でないと判断した場合、解析結果の待ち受けを中止し、その旨をユーザに通知する旨が記載されている。

特開２０１２−２５６００１号公報

従来のサーバ型音声認識では、ユーザが音声コマンドを発話してからユーザに対する応答が行われるまでに、多少の時間がかかることがある。その要因としては、端末装置と音声認識サーバとの通信における遅延時間や、音声認識サーバでの処理時間等がある。ユーザが発話してから返答までに時間が空くと、たとえ、音声認識サーバとの通信や解析処理が正常に行われていたとしても、ユーザは音声コマンドが受付けられたか分からないことがある。そのために、ユーザが不安を感じたり、再度音声コマンドを発話してしまうことがあり、使い勝手が悪いとユーザが感じるおそれがある。

特許文献１に記載の技術では、待ち受け時間が経過（タイムアウト）するか、通信状況が良好でないと判明しない限りユーザへの通知が行われず、それまでの間、ユーザは音声コマンドが受付けられたか分からない。

本発明は上記問題を解決するためになされたものであり、ユーザが発話した音声コマンドが音声認識のシステムに受付けられたことを、対話形式でユーザに理解させるための技術を提供することを目的とする。

本発明の音声認識端末装置は、音声認識処理を行う所定の音声認識手段と通信可能に構成されたものである。本発明の音声認識端末装置は、音声取得手段、要求手段、決定手段、つなぎ発話手段、及び、出力手段を備える。

音声取得手段は、ユーザが発話した音声コマンドを取得する。要求手段は、音声取得手段により取得された音声コマンドについて、音声認識手段に音声認識処理を要求する。決定手段は、要求手段によって要求された音声認識処理の結果が得られるまでの待ち時間を埋め合わせるための、つなぎ言葉の内容を決定する。つなぎ発話手段は、決定手段により決定された内容のつなぎ言葉を、待ち時間中に音声情報として出力する。出力手段は、音声認識手段から音声認識処理の結果を取得した場合、取得した音声認識処理の結果に基づく出力処理を実行する。

本発明によれば、ユーザが音声コマンドを発話してから、音声コマンドの認識処理を担う遠隔のサーバ等から音声認識結果が得られるまでの待ち時間中に、待ち時間を埋め合わせるつなぎ言葉（フィラー）をユーザに対して発話できる。このようにすることで、ユーザは、自らが発話した音声コマンドがシステムに受付けられたことを認識できる。そのため、音声コマンドに対する音声認識の結果が得られるまでに多少の遅延がある場合であっても、ユーザが、音声コマンドが受付けられたかどうか分からずに不安になったり、音声コマンドを無用に発話し直すことを抑制できる。

また、本発明は、上述の音声認識端末装置と、この音声認識端末装置とは遠隔に設けられたサーバ装置とを有する音声認識システムとして実現することもできる。この音声認識システムでは、音声認識端末装置が、サーバ装置に音声コマンドの音声認識処理を要求し、サーバ装置が、音声コマンドに対する音声認識処理を行い、その結果を要求元の音声認識端末装置に通知する。

このような音声認識システムによれば、ユーザが音声コマンドを発話してから、遠隔のサーバ装置から音声認識結果が得られるまでの待ち時間中に、待ち時間を埋め合わせるつなぎ言葉をユーザに対して発話できる。このようにすることで、ユーザは、自らが発話した音声コマンドがシステムに受付けられたことを認識できるので、音声コマンドが受付けられたかどうか分からずに不安になったり、音声コマンドを無用に発話し直すことを抑制できる。

また、本発明は、音声認識を行うコンピュータシステムにおける音声認識方法として実現することもできる。本発明の音声認識方法は、音声取得手順、要求手順、決定手順、つなぎ発話手順、及び、出力手順を有する。

音声取得手順では、ユーザが発話した音声コマンドを取得する。要求手順では、音声取得手順において取得された音声コマンドについて、所定の音声認識手段に音声認識処理を要求する。決定手順では、要求手順において要求された音声認識処理の結果が得られるまでの待ち時間を埋め合わせるための、つなぎ言葉の内容を決定する。つなぎ発話手順では、決定手順において決定された内容のつなぎ言葉を、待ち時間中に音声情報として出力する。出力手順では、音声認識手段から音声認識処理の結果を取得した場合、取得した音声認識処理の結果に基づく出力処理を実行する。このような音声認識方法によれば、本発明の音声認識端末装置について記載した上述の効果と同様の効果が得られる。

音声認識システムの構成を表すブロック図。 音声認識システムにおける処理手順を表すシーケンス図。 つなぎ言葉の発話タイミングを表すタイミングチャート。 つなぎ発話処理の手順を表すフローチャート。 応答出力処理の手順を表すフローチャート。

以下、本発明の実施形態を図面に基づいて説明する。なお、本発明は下記の実施形態に限定されるものではなく様々な態様にて実施することが可能である。
［音声認識システムの構成の説明］
図１に示すように、実施形態の音声認識システム１は、音声認識端末装置１０と、この音声認識端末装置１０と通信可能な遠隔の音声認識サーバ２０とを含んで構成される。音声認識端末装置１０は、例えば、音声認識機能を備えた車載ナビゲーション装置等の車載システムで具現化される。あるいは、車載システムに限らず、いわゆるスマートフォン等の携帯端末装置に実装されるものであってもよい。

音声認識端末装置１０は、マイク１１、通信部１２、入力部１３、記憶部１４、制御部１５、出力部１７、スピーカ１８、及びディスプレイ１９を備える。マイク１１は、ユーザが発話する音声コマンドを入力するための入力装置である。通信部１２は、所定の通信経路を介して遠隔の音声認識サーバ２０との間でデータの送受信を行う通信装置である。入力部１３は、制御部１５にデータを入力するための入力インタフェースである。この入力部１３は、マイク１１を介して入力された音声コマンドを制御部１５に入力すると共に、通信部１２を介して音声認識サーバ２０に送信する。入力部１３は、入力された音声コマンドを、例えば所定のファイル形式の音声圧縮データ等に変換して音声認識サーバ２０に送信する。入力部１３は、送信された音声コマンドに基づき音声認識サーバ２０において情報処理が行われた結果を表す応答メッセージを受信し、その受信した応答メッセージを制御部１５に入力する。

記憶部１４は、各種情報を記憶する記憶装置である。この記憶部１４には、例えば、制御部１５により実行されるプログラムや、その実行時に用いられるデータが記憶される。また、記憶部１４には、音声コマンドを認識するための認識辞書のデータが記憶されている。また、記憶部１４には、音声認識サーバ２０から応答メッセージを受信するまでの待ち時間に発話するつなぎ言葉を表す既製のデータを収録した辞書が記憶されている。また、記憶部１４には、音声コマンドから抽出したキーワードを用いてつなぎ言葉を作成するための雛形であるテンプレートの辞書が記憶されている。

制御部１５は、図示しないＣＰＵ，ＲＯＭ，ＲＡＭ等を中心に構成された情報処理装置（例えば、マイクロコンピュータ）である。制御部１５は、プログラムを実行することにより音声認識端末装置１０の動作を制御する。音声認識部１６は、入力部１３を介して入力されたユーザの音声コマンドに対する音声認識を行い、その音声コマンドに含まれるキーワードを抽出する機能的構成である。この音声認識部１６による音声認識の結果は、つなぎ言葉の作成に用いられる。出力部１７は、制御部１５からの制御に応じてスピーカ１８から音声を出力し、また、ディスプレイ１９に画像を表示させる出力インタフェースである。

音声認識サーバ２０は、音声認識サービスを提供するサーバであり、例えば、インターネット等のコンピュータネットワーク上に構築されたサーバ装置等により具現化される。音声認識サーバ２０は、音声認識端末装置１０から音声コマンドのデータを受信して、その音声コマンドの内容を音声認識により解析する。そして、解析した音声コマンドの内容に基づく情報処理の結果を表す応答メッセージを作成し、音声コマンドの送信元である音声認識端末装置１０に送信する。例えば、ユーザの質問に対する回答を表す応答メッセージを返答したり、音声コマンドに含まれるキーワードに基づきＷｅｂサービス等を利用して有用な情報を検索し、その検索結果を表す応答メッセージを返答するといったサービス形態が挙げられる。あるいは、解析した音声コマンドの内容を表すテキストメッセージや、音声認識端末装置１０が実行可能な制御コマンドを返答するものであってもよい。

音声認識端末装置１０の制御部１５は、音声認識サーバ２０から受信した応答メッセージに基づく出力処理を実行する。例えば、受信した応答メッセージに含まれる情報を、音声で読み上げたり画像として表示する。あるいは、応答メッセージの内容に従って車載設備等の機器を操作するものであってもよい。

［音声認識システムにおける音声コマンド処理の説明］
音声認識システム１において実行される音声コマンド処理の手順について、図２のシーケンス図に基づいて説明する。

まず、音声認識端末装置１０が、ユーザからの音声コマンドの入力を受付けると（Ｓ１０）、入力された音声コマンドのデータを音声認識サーバ２０に送信する（Ｓ１２）。音声認識サーバ２０は、音声認識端末装置１０から受信した音声コマンドのデータに対する音声認識処理を行い、音声コマンドの内容を解析する（Ｓ２０）。そして、解析した音声コマンドの内容に応じた応答メッセージを作成する（Ｓ２２）。音声認識サーバ２０は、作成した応答メッセージを音声認識端末装置１０に送信する（Ｓ２４）。

一方、ユーザが音声コマンドを入力してから、音声認識サーバ２０から応答メッセージが得られるまでに、ある程度の待ち時間が生じる。ここでは、この待ち時間を応答遅延時間と称する。この応答遅延時間は、音声認識端末装置１０と音声認識サーバ２０との間の通信における遅延時間や、音声認識サーバ２０での処理に要する時間等に起因する。そこで、音声認識端末装置１０は、応答遅延時間を埋め合わせるためのつなぎ言葉を発話する（Ｓ１４）。そして、音声認識サーバ２０から応答メッセージを受信すると、受信した応答メッセージに基づく音声出力や表示出力等の出力処理を実行する（Ｓ１６）。

上述の音声コマンド処理において、音声認識端末装置１０がつなぎ言葉を発話する際のタイミングについて、図３のタイミングチャートに基づいて説明する。まず、ユーザが、「明日の天気は？」という内容の音声コマンドを発話したものとする。音声認識端末装置１０は、音声コマンドの終話を検知した場合、つなぎ言葉の内容を決定し、決定した内容のつなぎ言葉を応答遅延時間の間に発話する。図３の事例では、入力された音声コマンドに含まれる「天気」というキーワードを用いて、「天気ねー。」という内容のつなぎ言葉をスピーカ１８から音声出力したものとする。

その後、ユーザからの音声コマンドに対する音声認識サーバ２０からの応答メッセージが得られた場合、その応答メッセージの内容をスピーカ１８から音声出力する。図３の事例では、明日の天気を問う趣旨の音声コマンドに対する回答として、「明日の天気は○○です。」という内容の応答メッセージを出力したとする。

なお、つなぎ言葉の発話中に、音声認識サーバ２０から応答メッセージを受信した場合、つなぎ言葉の発話が完了するのを待ってから応答メッセージを出力してもよいし、その時点でつなぎ言葉の発話を中断し、すぐに応答メッセージを出力してもよい。

［つなぎ発話処理の説明］
音声認識端末装置１０の制御部１５が実行する「つなぎ発話処理」の手順について、図４のフローチャートを参照しながら説明する。この処理は、ユーザによる音声コマンドの始話を検知したときに実行される処理である。

Ｓ１００では、制御部１５は、マイク１１を介しての音声コマンドの入力と並行して、音声認識部１６によるローカルの音声認識処理を開始する。また、Ｓ１０２では、制御部１５は、マイク１１を介しての音声コマンドの入力と並行して、音声認識サーバ２０への音声コマンドの送信を開始する。ここでは、入力された音声コマンドを所定のファイル形式の音声圧縮データに変換して音声認識サーバ２０に送信する。Ｓ１０４では、制御部１５は、音声コマンドの入力の終了を検知して、ローカルの音声認識処理を終了する。

Ｓ１０６では、制御部１５は、音声認識部１６による音声コマンドに対する音声認識が成功したか否かを判定する。音声認識が成功した場合（Ｓ１０６：ＹＥＳ）、制御部１５はＳ１０８に進む。一方、音声認識が成功しなかった場合（１０６：ＮＯ）、制御部１５はＳ１１２に進む。

音声認識が成功した場合に進むＳ１０８では、制御部１５は、認識された音声コマンドの内容から、キーワードとなる語句を抽出する。具体的には、音声コマンドに含まれる複数の語句の中から、一般名詞や固有名詞、動詞等の特定の品詞に該当する語句を優先的に抽出することが考えられる。一例として、「名古屋の天気は？」という内容の音声コマンドについて、「名古屋」や「天気」といったキーワードを抽出することが考えられる。また、抽出するキーワードは単数であってもよいし、複数であってもよい。単数のキーワードを抽出する場合、キーワードの候補となる複数の語句の中から、予め設定された属性にするものを優先的に選択することが考えられる。

次のＳ１１０では、制御部１５は、Ｓ１０８において抽出したキーワードを、記憶部１４に記憶されているテンプレートの辞書から取得したつなぎ言葉のテンプレートに当てはめることにより、つなぎ言葉を作成する。例えば、「天気」というキーワードを、「えーっと、○○（空白）ねー。」というテンプレートの空白部分に当てはめることにより、「えーっと、天気ねー。」というつなぎ言葉を完成させるといった手法が考えられる。また、属性ごとに複数種類のテンプレートを予め用意しておき、抽出したキーワードの属性に応じて最適なテンプレートを選択するような構成であってもよい。

一方、音声認識部１６による音声認識が成功しなかった場合に進むＳ１１２では、記憶部１４に記憶されている既製のつなぎ言葉の辞書の中から、今回出力するつなぎ言葉を選択する。一例として、「えーっとねー。」、「ちょっと待ってね。」等といった、辞書に予め収録されている複数種類のつなぎ言葉の中から、ランダムに選択するといった構成が考えられる。その際、前回使用したつなぎ言葉と同じつなぎ言葉を連続して使用しないように、前回使用したつなぎ言葉とは異なるつなぎ言葉を選択するように構成してもよい。

Ｓ１１４では、制御部１５は、Ｓ１１０で作成したつなぎ言葉、又は、Ｓ１１２で選択したつなぎ言葉をスピーカ１８から音声出力する。Ｓ１１４の後、制御部１５は本処理を終了する。

［応答出力処理の説明］
音声認識端末装置１０の制御部１５が実行する「応答出力処理」の手順について、図５のフローチャートを参照しながら説明する。この処理は、音声コマンドを音声認識サーバ２０に送信したときに実行される処理である。

Ｓ２００では、制御部１５は、音声認識サーバ２０から応答メッセージを受信する。Ｓ２０２では、制御部１５は、受信した応答メッセージの内容と、上述のつなぎ発話処理（図４参照）のＳ１１０においてつなぎ言葉の作成に用いたキーワードとを比較し、互いの整合性を判断する。

そして、Ｓ２０４では、制御部１５は、Ｓ２００における比較の結果、応答メッセージの内容と、つなぎ言葉の生成に用いたキーワードとが整合しているか否かに応じて処理を分岐する。応答メッセージの内容と、つなぎ言葉の生成に用いたキーワードとが整合しない場合（Ｓ２０４：ＮＯ）、制御部１５はＳ２０６に進む。一方、応答メッセージの内容と、つなぎ言葉の生成に用いたキーワードとが整合する場合（Ｓ２０４：ＹＥＳ）、制御部１５はＳ２０８に進む。また、Ｓ２０４では、上述のつなぎ発話処理（図４参照）において記憶部１４に記憶されている既製のつなぎ言葉を出力した場合は、Ｓ２０８に進む。

つなぎ言葉の生成に用いたキーワードが応答メッセージの内容と整合しない場合に進むＳ２０６では、制御部１５は、つなぎ言葉の発話内容が誤りであったことを通知する旨の誤認通知メッセージを、スピーカ１８から音声出力する。具体的には、つなぎ言葉の作成に用いたキーワードが、応答メッセージにおいて認識されている音声コマンドの内容と異なる場合、それを訂正する内容のメッセージを出力することが考えられる。一例として、あるキーワード「○○」を含むつなぎ言葉を発話したにも関わらず、応答メッセージが「○○」と発音がよく似た別の言葉である「△△」に関する内容のものであった場合、「あっ、間違えちゃった。△△だった。」という具合に、正しいキーワードに訂正する内容の誤認通知メッセージを出力する。

Ｓ２０８では、制御部１５は、音声認識サーバ２０から受信した応答メッセージに基づく出力処理を実行する。ここでは、受信した応答メッセージの内容を音声で読み上げたり画像として表示したり、応答メッセージの内容に従って車載設備等の機器を操作する。Ｓ２０８の後、制御部１５は本処理を終了する。

［変形例］
上述のつなぎ発話処理（図４参照）において、音声コマンドを音声認識サーバ２０に送信したときに、予測される応答遅延時間に応じた時間長のつなぎ言葉を選択するように構成してもよい。具体的には、発話に要する時間長が異なる複数種類の既製のつなぎ言葉を予め辞書に定義しておく。そして、予測される応答遅延時間に応じて、適度な時間長のつなぎ言葉を選択する。あるいは、ローカルの音声認識で得られたキーワードを用いてつなぎ言葉を作成する場合、いくつかのテンプレートをつなげることによってつなぎ言葉の時間長を調節する。なお、応答遅延時間は、例えば、音声認識サーバ２０との通信状況や、過去の通信履歴等に基づいて予測することができる。

上述の実施形態では、音声認識サーバ２０がインターネット上に構築された遠隔のサーバ等で実現される事例について説明した。これに限らず、音声認識端末装置１０と音声認識サーバ２０とがローカルエリアネットワーク（ＬＡＮ）に接続されるような構成であってもよい。あるいは、音声認識端末装置１０の機能と、音声認識サーバ２０の機能とが１つのコンピュータシステムで実現される構成であってもよい。

［効果］
実施形態の音声認識システム１によれば、以下の効果を奏する。
音声認識端末装置１０は、ユーザが音声コマンドを発話してから音声認識サーバ２０から応答メッセージを受信するまでの待ち時間中に、待ち時間を埋め合わせるつなぎ言葉をユーザに対して発話することができる。このようにすることで、ユーザは、自らが発話した音声コマンドがシステムに受付けられたことを認識できる。そのため、音声コマンドに対する応答メッセージが得られるまでに多少の遅延がある場合であっても、ユーザが、音声コマンドが受付けられたかどうか分からずに不安になったり、音声コマンドを無用に発話し直すことを抑制できる。

また、音声認識端末装置１０は、ユーザの音声コマンドから抽出したキーワードをテンプレートに当てはめることによって、つなぎ言葉を作成することができる。これにより、つなぎ言葉のバリエーションを豊富にすることができる。あるいは、音声コマンドからキーワードを抽出できなかった場合でも、予め用意された既製のつなぎ言葉から選んで発話することで、様々な種類のつなぎ言葉を発話できる。

１…音声認識システム、１０…音声認識端末装置、１１…マイク、１２…通信部、１３…入力部、１４…記憶部、１５…制御部、１６…音声認識部、１７…出力部、１８…スピーカ、１９…ディスプレイ、２０…音声認識サーバ。

Claims (9)

1. 音声認識処理を行う所定の音声認識手段（２０）と通信可能に構成された音声認識端末装置（１０）であって、
   ユーザが発話した音声コマンドを取得する音声取得手段（１１，１３）と、
   前記音声取得手段により取得された音声コマンドについて、前記音声認識手段に音声認識処理を要求する要求手段（１５，Ｓ１２）と、
   前記要求手段によって要求された前記音声認識処理の結果が得られるまでの待ち時間を埋め合わせるための、つなぎ言葉の内容を決定する決定手段（１５，Ｓ１４）と、
   前記決定手段により決定された内容のつなぎ言葉を、前記待ち時間中に音声情報として出力するつなぎ発話手段（１５，Ｓ１４）と、
   前記音声認識手段から前記音声認識処理の結果を取得した場合、取得した音声認識処理の結果に基づく出力処理を実行する出力手段（１５，Ｓ１６）と、
   前記音声取得手段により取得された音声コマンドの発話内容を認識する副認識手段（１６）とを備え、
   発話内容が完成している既製のつなぎ言葉と、つなぎ言葉のテンプレートとが予め設定されており、
   前記決定手段は、前記副認識手段による発話内容の認識に成功した場合、認識された発話内容の少なくとも一部を前記テンプレートに当てはめることによって、前記つなぎ言葉を作成する一方、前記副認識手段による発話内容の認識に失敗した場合、前記既製のつなぎ言葉を発話対象に決定すること、
   を特徴とする音声認識端末装置。
2. 請求項１に記載の音声認識端末装置において、
   前記副認識手段により認識された発話内容を用いて作成された前記つなぎ言葉の内容が、前記音声認識手段から取得した音声認識処理の結果と適合するか否かを判断する判断手段（１５，Ｓ２０４）と、
   前記判断手段によって、前記つなぎ言葉の内容が前記音声認識処理の結果と適合しないと判断された場合、前記つなぎ言葉が誤りであった旨の音声情報を出力する誤り通知手段（１５，Ｓ２０６）と、
   を備えることを特徴とする音声認識端末装置。
3. 請求項１又は請求項２に記載の音声認識端末装置において、
   前記既製のつなぎ言葉は、複数種類設定されており、
   前記決定手段は、前記副認識手段による発話内容の認識に失敗した場合、前記複数種類の既製のつなぎ言葉の中から、過去に使用した履歴に基づいて、発話対象となる前記つなぎ言葉を選択すること、
   を特徴とする音声認識端末装置。
4. 請求項３に記載の音声認識端末装置において、
   前記決定手段は、前記複数種類の既製のつなぎ言葉の中から発話対象となる前記つなぎ言葉を選択する際、前回使用したつなぎ言葉とは異なるつなぎ言葉を選択すること、
   を特徴とする音声認識端末装置。
5. 請求項１ないし請求項４の何れか１項に記載の音声認識端末装置（１０）と、前記音声認識端末装置とは遠隔に設けられたサーバ装置（２０）とを有する音声認識システム（１）であって、
   前記音声認識端末装置では、
   前記要求手段は、前記音声取得手段により取得された音声コマンドについて、前記サーバ装置に音声認識処理を要求し、
   前記出力手段は、前記サーバ装置から前記音声認識処理の結果を取得した場合、取得した音声認識処理の結果に基づく前記出力処理を実行し、
   前記サーバ装置は、
   前記音声認識端末装置から音声コマンドに対する音声認識処理の要求を受付け、その受付けた要求に係る音声コマンドに対する音声認識処理を行う認識処理手段（Ｓ２０，Ｓ２２）と、
   前記認識処理手段による音声認識処理の結果を要求元の前記音声認識端末装置に通知する通知手段（Ｓ２４）と、
   を備えること、
   を特徴とする音声認識システム。
6. 音声認識を行うコンピュータシステムにおける音声認識方法であって、
   ユーザが発話した音声コマンドを取得する音声取得手順（Ｓ１０）と、
   前記音声取得手順において取得された音声コマンドについて、所定の音声認識手段に音声認識処理を要求する要求手順（Ｓ１２）と、
   前記要求手順において要求された前記音声認識処理の結果が得られるまでの待ち時間を埋め合わせるための、つなぎ言葉の内容を決定する決定手順（Ｓ１４）と、
   前記決定手順において決定された内容のつなぎ言葉を、前記待ち時間中に音声情報として出力するつなぎ発話手順（Ｓ１４）と、
   前記音声認識手段から前記音声認識処理の結果を取得した場合、取得した音声認識処理の結果に基づく出力処理を実行する出力手順（Ｓ１６）と、
   前記音声取得手順おいて取得された音声コマンドの発話内容を認識する副認識手順（Ｓ１０４）とを有し、
   発話内容が完成している既製のつなぎ言葉と、つなぎ言葉のテンプレートとが予め設定されており、
   前記決定手順では、前記副認識手順において発話内容の認識に成功した場合、認識された発話内容の少なくとも一部を前記テンプレートに当てはめることによって、前記つなぎ言葉を作成する一方、前記副認識手順において発話内容の認識に失敗した場合、前記既製のつなぎ言葉を発話対象に決定すること、
   を特徴とする音声認識方法。
7. 請求項６に記載の音声認識方法において、
   前記副認識手順において認識された発話内容を用いて作成された前記つなぎ言葉の内容が、前記音声認識手段から取得した音声認識処理の結果と適合するか否かを判断する判断手順（Ｓ２０４）と、
   前記判断手順において、前記つなぎ言葉の内容が前記音声認識処理の結果と適合しないと判断された場合、前記つなぎ言葉が誤りであった旨の音声情報を出力する誤り通知手順（Ｓ２０６）と、
   を有することを特徴とする音声認識方法。
8. 請求項６又は請求項７に記載の音声認識方法において、
   前記既製のつなぎ言葉は、複数種類設定されており、
   前記決定手順では、前記副認識手順において発話内容の認識に失敗した場合、前記複数種類の既製のつなぎ言葉の中から、過去に使用した履歴に基づいて、発話対象となる前記つなぎ言葉を選択すること、
   を特徴とする音声認識方法。
9. 請求項８に記載の音声認識方法において、
   前記決定手順では、前記複数種類の既製のつなぎ言葉の中から発話対象となる前記つなぎ言葉を選択する際、前回使用したつなぎ言葉とは異なるつなぎ言葉を選択すること、
   を特徴とする音声認識方法。

Images