本特許（JP 2022-123566 A）は、複数の読み方を持つ単語（多読み単語）を含むテキスト処理において、音声認識→機械翻訳→音声合成といった複数処理間で“正しい読み”を一貫して扱うための言語処理システムに関する発明です。従来は、音声認識で誤った読みを仮定したり、翻訳段階で読みの曖昧性が失われたり、音声合成で誤読が発生するといった問題がありました。
本発明の特徴は、多読み単語に対して読み方を識別する「識別情報」を生成し、その識別情報を各処理間で受け渡す点です。音声認識処理および機械翻訳処理は、出力テキストに多読み単語が含まれる場合、単語ごとの読みを特定する識別情報を付与して出力します（要約欄より）。一方、機械翻訳処理および音声合成処理は、入力テキストに識別情報が含まれる場合、その識別情報に基づき対応する単語の読み方を決定します。
PDFの図1には、音声認識→機械翻訳→音声合成が直列接続された構成が示され、各処理で識別情報が付与／参照される流れが分かります。
これにより、音声入力から多言語翻訳、音声出力までの一連の処理において、“同じ単語が別読みで処理されてしまう問題”を確実に回避でき、読み精度の高い翻訳・音声生成が可能となります。

つまりは、音声認識・機械翻訳・音声合成を横断して“正しい読み”を維持。複数読みを持つ単語でも誤訳や誤読を防ぐ、識別情報連携型の高精度言語処理技術です。