JP2007193166A - 対話装置、対話方法及びプログラム - Google Patents

Abstract

【課題】装置から返答される言語を種々の言語に切り替えることで、ユーザの用途に合った対話状況を実現させる。
【解決手段】この対話装置には、ユーザからの発言内容が入力される音声入力部と、音声入力部に入力された前記発言内容を認識するための音声認識部と、音声認識部で認識された発言内容に対応した返答内容を作成する返答内容作成部と、返答内容作成部で作成された返答内容を音声として合成する音声合成部と、音声合成部で合成された音声を出力する音声出力部と、音声出力部で出力される言語の種類を設定する設定部とが備えられている。返答内容作成部は、設定部で設定された言語による返答内容を作成する。
【選択図】図１

Description

本発明は、対話装置、対話方法及びプログラムに関する。

従来、外国語を学習する際においては、例えば外国語で表された文章を自国語に翻訳するために、音声により入力された自国語文章を基にして翻訳を行う翻訳装置（例えば特許文献１参照）や、音声により入力された自国語を基にして他国語の文書を検索する検索装置（例えば特許文献２参照）などが開発されている。
特開平１０−６３６６４号公報 特開平９−６９１０９号公報

近年においては、ユーザからの発言内容に対して、装置側も言語で返答する対話装置が開発されているが、このような対話装置においても、語学レッスン等の用途を実現するために他の言語で返答させることが望まれている。

本発明の課題は、装置から返答される言語を種々の言語に切り替えることで、ユーザの用途に合った対話状況を実現させることである。

請求項１記載の発明における対話装置は、
ユーザからの発言内容が入力される音声入力部と、
前記音声入力部に入力された前記発言内容を認識するための音声認識部と、
前記音声認識部で認識された前記発言内容に対応した返答内容を作成する返答内容作成部と、
前記返答内容作成部で作成された前記返答内容を音声として合成する音声合成部と、
前記音声合成部で合成された音声を出力する音声出力部と、
前記音声出力部で出力される言語の種類を設定する設定部とを備え、
前記返答内容作成部は、前記設定部で設定された言語による前記返答内容を作成することを特徴としている。

請求項２記載の発明は、請求項１記載の対話装置において、
前記設定部では、前記言語の種類を優先順位をつけて複数設定可能であり、
前記返答内容作成部は、優先順位の高い言語から順に出力されるように前記設定部で設定された複数の言語による前記返答内容をそれぞれ作成することを特徴としている。

請求項３記載の発明は、請求項１記載の対話装置において、
前記設定部は、前記音声認識部で認識された前記発言内容の言語となるように、前記音声出力部で出力される言語の種類を設定することを特徴としている。

請求項４記載の発明は、請求項１記載の対話装置において、
現在地を認識する現在地認識部を備え、
前記設定部は、前記現在地認識部により認識された地域の言語となるように、前記音声出力部で出力される言語の種類を設定することを特徴としている。

請求項５記載の発明における対話方法は、
ユーザからの発言内容が入力される音声入力工程と、
前記音声入力工程で入力された前記発言内容を認識するための音声認識工程と、
前記音声認識工程で認識された前記発言内容に対応した返答内容を作成する返答内容作成工程と、
前記返答内容作成工程で作成された前記返答内容を音声として合成する音声合成工程と、
前記音声合成工程で合成された音声を出力する音声出力工程と、
前記音声出力工程で出力される言語の種類を設定する設定工程とを備え、
前記返答内容作成工程では、前記設定工程で設定された言語による前記返答内容を作成することを特徴としている。

請求項６記載の発明は、
入力された発言内容を認識して、当該発言内容に対応した返答を出力する対話装置を制御するためのプログラムであって、
ユーザからの発言内容が入力される音声入力ステップと、
前記音声ステップで入力された前記発言内容を認識するための音声認識ステップと、
前記音声認識ステップで認識された前記発言内容に対応した返答内容を作成する返答内容作成ステップと、
前記返答内容作成ステップで作成された前記返答内容を音声として合成する音声合成ステップと、
前記音声合成ステップで合成された音声を出力する音声出力ステップと、
前記音声出力ステップで出力される言語の種類を設定する設定ステップとを備え、
前記返答内容作成ステップでは、前記設定ステップで設定された言語による前記返答内容を作成することを特徴としている。

本発明によれば、設定部で設定された言語による返答内容が音声出力部から出力されるので、返答時の言語を種々の言語に切り替えることができる。これにより、ユーザの用途に合った対話状況が実現可能となる。

以下、図面を参照しつつ、本発明の実施形態について説明する。図１は、本実施形態の対話装置１の全体構成を示すブロック図である。この図１に示すように、対話装置１には、音声入力部２と、音声認識部３と、操作部４と、返答内容作成部５と、音声合成部６と、音声出力部７とが備えられている。

音声入力部２は、例えばマイク等から構成されており、ユーザからの発言内容が入力されるようになっている。
音声認識部３は、音声入力部２に入力された発言内容を認識するためのものである。具体的には、音声認識部３は音声入力部２からの発言内容の音声波形を取得することで、発言内容を認識するようになっている。
操作部４は、各種指示が入力されるものである。各種指示には、入力時における言語や返答言語の種類を選択するための選択指示が含まれている。また、操作部４では、返答言語の種類を優先順位をつけて複数設定できるようになっている。

返答内容作成部５は、音声認識部３で認識された発言内容に対応した返答内容を作成するものである。返答内容作成部５には、単語と当該単語の音声波形と当該単語の用途とを関連付けて記憶する複数のデータベース８が設けられている。複数のデータベース８はそれぞれ異なる言語に対応している。この言語としては、各国の共通語、公用語だけでなく方言等も含まれている。例えば、英語のデータベース８１には、英単語、当該英単語の音声波形、用途が、標準日本語のデータベース８２には、標準日本語の単語、当該単語の音声波形、用途が、関西弁のデータベース８３には、関西弁日本語の単語、当該単語の音声波形、用途が、それぞれ関連付けられて記憶されている。

そして、返答内容作成部５は、音声認識部３で取得した音声波形（以下、取得波形）と、操作部４で選択されていた入力言語におけるデータベース中の各単語の音声波形とを照合して、取得波形に近似な波形を有する単語を抽出する。この際、取得波形に近似な波形の単語が１つ以上抽出されることもあるが、その場合最も近似な波形の単語が取得波形に適合すると判断するようになっている。
また、返答内容作成部５は、適合と判断した単語の用途と同一の用途である単語群からら返答内容を作成する。この際、返答内容作成部５は、操作部４で選択されていた返答言語のデータベース８から同一の用途である単語群を分類して、返答内容を作成する。
なお、操作部４で返答言語の種類が優先順位をつけて複数設定されている場合には、返答内容作成部５は、優先順位の高い言語から順に出力されるように操作部４で設定された複数の言語による返答内容をそれぞれ作成するようになっている。

音声合成部６は、作成された返答内容を構成する単語の音声波形をデータベース８から読み出して、これらの音声波形を合成することで返答内容全体の音声波形を作成する。
音声出力部７は、例えばスピーカーから構成されるものである、音声合成部６で作成された返答内容全体の音声波形を基に、返答内容を音声で出力するようになっている。

次に、本実施形態の対話装置１で実行されるプログラムについて説明する。このプログラムが実行されることで本実施形態の対話方法が対話装置１で実現されるようになっている。
まず、ステップＳ１では、操作部４により返答言語の種類が設定される（設定工程、設定ステップ）。

ステップＳ２では、音声入力部２にユーザからの発言内容が入力される（音声入力工程、音声入力ステップ）。
ステップＳ３では、ステップＳ３で入力された発言内容を音声認識部３により認識する（音声認識工程、音声認識ステップ）。
ステップＳ４では、返答内容作成部５は、操作部４により返答言語が複数設定されているか否かを判断し、返答言語が複数設定されていない場合にはステップＳ５に移行し、複数設定されている場合にはステップＳ１１に移行する。

ステップＳ５では、返答内容作成部５は、ステップＳ４で認識された発言内容に対応した返答内容を作成する（返答内容作成工程、返答内容作成ステップ）。この際、返答内容作成部５は、ステップＳ１で設定された言語による返答内容を作成する。

ステップＳ６では、音声合成部６がステップＳ５で作成された返答内容を音声として合成する（音声合成工程、音声合成ステップ）。
ステップＳ７では、ステップＳ６で合成された音声を音声出力部７により出力し（音声出力工程、音声出力ステップ）、ステップＳ２に移行する。

一方、ステップＳ１１では、返答内容作成部５は、ステップＳ４で認識された発言内容に対応した返答内容を作成する（返答内容作成工程、返答内容作成ステップ）。この際、返答内容作成部５は、優先順位の高い言語から順に出力されるように操作部４で設定された複数の言語による返答内容をそれぞれ作成し、ステップＳ６に移行する。

つまり、例えば入力言語が日本語、返答言語が英語に設定されている場合には、日本語での発言に対して英語で返答されることになる。また、入力言語が日本語で、返答言語が英語と日本語で、英語の方が優先順位が高い場合、日本語での発言に対して、英語、日本語という順で同一の返答内容が返答されることになる。このように、返答時の言語を種々の言語に切り替えることができるので、ユーザの用途に合った対話状況を実現することができる。特に、異なる複数の言語で返答がなされる場合には、言語学習のバリエーションを多様化することができる。

なお、本発明は上記実施形態に限らず適宜変更可能であるのは勿論である。
例えば、本発明の構成をナビゲーション装置や携帯機器に適用することも可能である。ナビゲーション装置や携帯機器であると、ユーザとともに各地を移動するために、その地方に応じた方言で種々の案内を音声出力することができる。この場合、操作部４に住所を入力することでその地方の方言が出力言語として設定されることになる。さらに、ＧＰＳ等の現在地認識部が組み込まれたナビゲーション装置や携帯機器であれば、認識された現在地の方言が出力言語として設定されることになる。この際には設定部が、現在地認識部により認識された地域の言語となるように、音声出力部で出力される言語の種類を設定する。これにより、対話時に現在地の雰囲気を醸し出すことが可能となる。

また、本実施形態では、本発明の設定部が操作部４であって、当該操作部４により返答言語が設定される場合を例示して説明しているが、返答内容作成部５が、音声認識部３で認識された発言内容の言語となるように、音声出力部２で出力される言語の種類を設定するようにしてもよい。具体的には、返答内容作成部５は、音声認識部３で取得した音声波形を解析することで入力言語が何語であるかを判定することで、ユーザの言語を特定し、その特定した言語を返答言語として設定する。この場合、返答内容作成部５が設定部となる。

さらに、本実施形態では、ユーザと対話装置とが対話する場合を例示して説明したが、対話装置のみで対話を行わせてもよい。これにより、習得したい言語での対話をユーザが第三者的な立場で聞き取ることができ、言語学習のお手本とすることができる。
また、表示部が備えられた対話装置である場合には、その表示装置に対話相手となるキャラクターを表示させることも可能である。この場合、設定された返答言語の地域風土に応じたキャラクターを表示させると、その地域の雰囲気を表現することができる。

本実施形態に係る対話装置の主制御構成を表すブロック図である。 図１の対話装置で実行されるプログラムを表すフローチャートである。

符号の説明

１ 対話装置
２ 音声入力部
３ 音声認識部
４ 操作部（設定部）
５ 返答内容作成部
６ 音声合成部
７ 音声出力部
８ データベース

Claims (6)

1. ユーザからの発言内容が入力される音声入力部と、
   前記音声入力部に入力された前記発言内容を認識するための音声認識部と、
   前記音声認識部で認識された前記発言内容に対応した返答内容を作成する返答内容作成部と、
   前記返答内容作成部で作成された前記返答内容を音声として合成する音声合成部と、
   前記音声合成部で合成された音声を出力する音声出力部と、
   前記音声出力部で出力される言語の種類を設定する設定部とを備え、
   前記返答内容作成部は、前記設定部で設定された言語による前記返答内容を作成することを特徴とする対話装置。
2. 請求項１記載の対話装置において、
   前記設定部では、前記言語の種類を優先順位をつけて複数設定可能であり、
   前記返答内容作成部は、優先順位の高い言語から順に出力されるように前記設定部で設定された複数の言語による前記返答内容をそれぞれ作成することを特徴とする対話装置。
3. 請求項１記載の対話装置において、
   前記設定部は、前記音声認識部で認識された前記発言内容の言語となるように、前記音声出力部で出力される言語の種類を設定することを特徴とする対話装置。
4. 請求項１記載の対話装置において、
   現在地を認識する現在地認識部を備え、
   前記設定部は、前記現在地認識部により認識された地域の言語となるように、前記音声出力部で出力される言語の種類を設定することを特徴とする対話装置。
5. ユーザからの発言内容が入力される音声入力工程と、
   前記音声入力工程で入力された前記発言内容を認識するための音声認識工程と、
   前記音声認識工程で認識された前記発言内容に対応した返答内容を作成する返答内容作成工程と、
   前記返答内容作成工程で作成された前記返答内容を音声として合成する音声合成工程と、
   前記音声合成工程で合成された音声を出力する音声出力工程と、
   前記音声出力工程で出力される言語の種類を設定する設定工程とを備え、
   前記返答内容作成工程では、前記設定工程で設定された言語による前記返答内容を作成することを特徴とする対話方法。
6. 入力された発言内容を認識して、当該発言内容に対応した返答を出力する対話装置を制御するためのプログラムであって、
   ユーザからの発言内容が入力される音声入力ステップと、
   前記音声ステップで入力された前記発言内容を認識するための音声認識ステップと、
   前記音声認識ステップで認識された前記発言内容に対応した返答内容を作成する返答内容作成ステップと、
   前記返答内容作成ステップで作成された前記返答内容を音声として合成する音声合成ステップと、
   前記音声合成ステップで合成された音声を出力する音声出力ステップと、
   前記音声出力ステップで出力される言語の種類を設定する設定ステップとを備え、
   前記返答内容作成ステップでは、前記設定ステップで設定された言語による前記返答内容を作成することを特徴とするプログラム。

Images