JPH075890A - 音声対話装置 - Google Patents

Abstract

(57)【要約】 【目的】 利用者の平均発声回数を低減する音声対話装
置を提供する。 【構成】 候補単語提示部８から提示される候補単語に
応答する利用者の音声入力により正解候補単語を決定す
る音声対話装置において、候補単語毎にその尤度と正解
率との間の対応関係を示すデータを格納する単語別尤度
−正解率対応データ格納部６、候補単語の正誤を確認す
るか或は単語の発声を再度指示するかを判断する正解率
の閾値を格納した正解率閾値格納部７を具備し、尤度計
算部２から得られる候補単語の尤度とデータ格納部６の
データとから対象候補単語の正解率を求め、この正解率
と正解率閾値格納部７に格納される閾値とを比較し、閾
値より正解率の方が大きい場合候補単語提示提示部８を
制御し、閾値より正解率の方が小さい場合再発声指示部
９を制御する確認制御部５を具備する音声対話装置。

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】この発明は、音声対話装置に関
し、特に、音声対話装置の利用者が発声した単語音声の
認識結果の正否を合理的且つ高精度に確認する音声対話
装置に関する。

【０００２】

【従来の技術】従来例を図１を参照して説明する。音声
対話装置においては、入力された単語音声と、予めメモ
リに記憶登録されている単語の全てとの間の尤度を計算
し、図１に示される如く、尤度の大きい順に、例えば最
も尤度の大きい「伊藤」から「佐藤」、「加藤」という
順に利用者に候補単語を提示して確認を行うことが多
い。また、確認を行なおうとする単語の尤度が極めて小
さい場合は、正解である確率が低いものと判断して、確
認処理を行なわずに、図２に示される如く「モウ一度御
名前ヲドウゾ」という様に再発声を指示する手法が一般
的に採用されている。

【０００３】従来、この様な確認対話処理を実施するに
際して、確認を行なうべき単語に関して、図３に示され
る如く、尤度について或る一定の閾値を設定して単語の
候補順位を決定するための尤度がこの閾値より大きいか
否かにより確認処理を選択すべきか或は再発声指示を選
択すべきかを判断している。尤度について或る一定の閾
値を設定するということは、確認処理を選択すべきか或
は再発声指示を選択すべきかを判断処理するに際して、
発声単語、候補単語に依らずに常に一定の閾値が使用さ
れるということである。ところが、単語によっては認識
尤度が高くしかも他の単語との間の尤度差が大きく出る
単語がある一方、正確な発声をすることが比較的に困難
であることその他の理由から認識尤度が低く他の単語と
の間の尤度差が余り出ない単語もある。

【０００４】ここで、尤度が統計的に高い単語について
は、尤度が小さく出たということは発声を誤った公算が
大きいところから、確認処理を選択するよりも再発声指
示を選択する割合を大とするために、閾値を相対的に高
く設定して方が効率的であると考えられる。逆に、尤度
が統計的に低い単語については、これは本来正確な発声
をすることが比較的に困難な単語であるところから、尤
度が小さく出たとはいえ、発声を誤ったというよりもむ
しろ本来的に尤度が小さいという単語固有の特性である
公算が大きいので、閾値を相対的に低く設定して再発声
指示を選択するよりも確認処理を選択する割合を大とす
る方が効率的であると考えられる。

【０００５】

【発明が解決しようとする課題】しかし、上述の判断処
理においては単語固有の尤度については何等の考慮をも
払わず、一定閾値を基準として判断処理を実施してい
る。従って、統計的に尤度が高い単語については、閾値
を高く設定した方が効率的であると考えられるにも関わ
らずに低く設定される結果となって、本来再発声を指示
する方が効率的であるにも関わらずに確認処理を継続す
ることとなる。一方、統計的に尤度が低い単語について
は、閾値を低く設定した方が効率的であると考えられる
にも関わらずに高く設定される結果となって、確認処理
を継続すべき時に再発声を指示することとなる。

【０００６】この発明は、上述の通りの問題を解消した
音声対話装置を提供するものである。

【０００７】

【課題を解決するための手段】入力される音声信号を分
析し、その特徴パラメータを計算する音声分析部１を具
備し、予め登録された複数の単語の特徴パラメータを格
納する登録単語パラメータ記憶部３を具備し、音声分析
部１から得られる入力音声の特徴パラメータと登録単語
パラメータ記憶部３に記憶された登録単語の特徴パラメ
ータ或は各単語を隠れマルコフモデルと仮定し特徴パラ
メータを統計処理して得られる状態遷移確率およびシン
ボル出力確率とから入力音声の各登録単語に対する尤度
を計算する尤度計算部２を具備し、候補単語番号とその
候補単語の尤度とを尤度が高い順に出力する候補単語出
力部４を具備し、候補単語出力部４から出力される候補
単語を尤度順に利用者に提示する候補単語提示部８を具
備し、単語の発声を再度行うことを利用者に指示する再
発声指示部９を具備し、候補単語提示部８から提示され
る候補単語に応答する利用者の音声入力により正解候補
単語を決定する音声対話装置において、候補単語毎にそ
の尤度と正解率との間の対応関係を示すデータを格納す
る単語別尤度−正解率対応データ格納部６を具備し、候
補単語の正誤を確認するか或は単語の発声を再度指示す
るかを判断する正解率の閾値を格納した正解率閾値格納
部７を具備し、尤度計算部２から得られる候補単語の尤
度と単語別尤度−正解率対応データ格納部６のデータと
から対象候補単語の正解率を求め、この正解率と正解率
閾値格納部７に格納される閾値とを比較し、閾値より正
解率の方が大きい場合は候補単語提示提示部８を駆動
し、閾値より正解率の方が小さい場合は再発声指示部９
を駆動する確認制御部５を具備する、音声対話装置を構
成した。

【０００８】

【実施例】この発明の実施例を説明する。この発明は、
音声対話装置において従来から採用されている尤度の代
わりに、処理対象の候補単語の正解率を尤度から計算し
直し、計算された正解率に基づいて確認処理或は再発声
指示の選択判断を行なうものである。この正解率は、後
で詳しく説明されるが、候補単語毎に予め求められた尤
度の分布の特性を表す計算式に尤度を代入して求められ
るものである。

【０００９】この様にして求められた正解率は、対応す
る候補単語単独の尤度ではなくして他の単語との間の識
別率をも考慮したものとなされている。その結果、候補
単語により尤度分布が大きく異なる場合においても、共
通の正解率に基づいて確認と再発声の判断を行なうこと
ができる。正解率に基づいて確認と再発声の判断処理を
実施することにより、単語固有の尤度については何等の
考慮をも払わずに一定閾値を基準として判断処理を実施
する従来の音声対話装置の上述の欠点を解消することが
できる。

【００１０】ここで、正解率について説明する。先ず、
第ｉ位に単語番号ｋ（ｋ＝１、２、…Ｎ、但し、Ｎは認
識対象単語数）の候補単語Ｏ_kが尤度Ｌで観測された場
合、観測結果が正解である確率Ｐ_ikL を認識結果の尤度
の頻度分布を用いて表現する。なお、発声さたれ真の単
語をｗ_j（ｊ＝１、２、…Ｎ、但し、ｊは単語番号）、
発声単語の発生頻度（事前確率）をＰ（ｗ_j）とする。

【００１１】発生単語別出現尤度分布、即ち単語ｗ_jが
発声された時、第ｉ位に候補単語Ｏ_kが尤度Ｌで出現す
る確率分布Ｄ_j,ikL は予め得られているものとする。 Ｄ_j,ikL＝Ｐ（ｉ,Ｏ_k,L｜ｗ_j） 但し、ｉ、ｊ、 ｋ＝１、２、・・・Ｎ （1) Ｄ_j,ikLはシステム運用前の評価段階で求めることがで
きる。一方、実際の認識処理時にシステムの入手するこ
とができるデータは認識処理部から受けとる候補単語列
Ｏ_kおよび各ｋに対応する尤度Ｌの一覧である。

【００１２】従って、システムが入手することができる
情報、即ち、図４に示される様な単語番号ｋと尤度Ｌの
一覧から真の単語がｗj である確率Ｐ_ikL,jを計算する
ことができれば、Ｐ_ikL,j=kによって、観測結果が正解
である確率（正解率）Ｐ_ikLが得られ、システムの制
御、即ち、確認処理或は再発声処理の何れを選択すべき
かの判断をすることができる。Ｐ_ikL,jは、 Ｐ_ikL,j＝Ｐ（ｗ_j｜ｉ，Ｏ_k，Ｌ） （２） の意味であるが、ベーズの定理から、下記の様に表現す
ることができる。

【００１３】

【数１】

【００１４】上式の分母を条件と条件付き確率の積和に
置き換え、更に（１）式を代入すると、

【００１５】

【数２】

【００１６】となり、正解率Ｐ_ikLは、

【００１７】

【数３】

【００１８】で表され、予め得られている確率分布Ｄ
_j,ikLから候補の正解率を求めることができる。この発
明の方式は分布Ｄ_j,ikLが予めシステムの設計評価段階
で求められていることが前提となっている。正解候補に
ついては比較的短期間に分布を収集することができる
が、不正解候補、特に順位の低い候補の尤度の分布を求
めるためには大量の評価実験を行なう必要があり、上記
前提は必ずしも現実的でない。そこで、システムの運用
の初期段階においては次に述べる方法で初期分布を求
め、運用開始以後に十分なデータが蓄積された段階で、
分布を入れ換える方法が現実的かつ問題点が少ないと考
えられる。初期分布を決定するための条件として「認識
候補の正解率は、尤度のみで決定され、順位によらな
い。」という条件を設定する。即ち、 Ｐ_ikL,j＝Ｐ_kL,j＝Ｐ（ｗ_j｜Ｏ_k，Ｌ） （６） なる仮定を初期分布の設定のために導入する。

【００１９】これにより、観測単語別出現分布は下記の
様に簡略化される。 Ｄ_j,kL＝Ｐ（Ｏ_k，Ｌ｜ｗ_j） ｊ＝１，２，…Ｎ （７） この場合、一回の発声で全候補単語の尤度が得られるの
で、一単語当り数十程度の発声で初期データとして十分
なデータを獲得することができる。上述の仮定のもとに
正解率Ｐ_kLを再度求めると、下記の様になる。

【００２０】

【数４】

【００２１】この正解率Ｐ_kLの分子であるＤ_k,kLＰ（ｗ
_k）は、単語ｗ_kが発声された時に自身である単語kが尤
度Ｌで出現する確率を意味する。そして、分母は、単語
ｗ_k自身をも含めた単語ｗ_lが発声された時に単語kが尤
度Ｌで出現する確率をすべて総和したものである。従っ
て、単語ｗ_k自身以外の単語ｗ_lが発声された時に単語k
が尤度Ｌで出現する確率が考慮されたことになる。この
様な考慮のなされた共通の正解率Ｐ_kLに基づいて確認と
再発声の判断を実施することにより、結局単語固有の尤
度に対応した判断が実施されたことになり、単語固有の
尤度については何等の考慮をも払わずに一定閾値を基準
として判断処理を実施する従来の音声対話装置の欠点を
解消することができる。

【００２２】この発明の実施例を図４、図５および図６
を参照して具体的に説明する。先ず、音声対話装置から
例えば「＋＋＋をどうぞ」という様にプロンプト音声出
力がなされる。利用者はこれに対応して例えば「ＯＯＯ
をお願いします」と発声する。この発声に対応する音声
信号は、音声分析部１において音声のアナログディジタ
ル変換処理、特徴パラメータ抽出処理が施される。特徴
パラメータとしては例えば登録単語のケプストラム系
列、デルタケプストラム系列、パワー系列、或はこれら
パラメータをベクトル量子化（ＶＱ）したベクトル量子
化系列が一般的に採用される。この発明の音声対話装置
においては、これらの内の何れの特徴パラメータをも適
用することができる。抽出された特徴パラメータは、尤
度計算部２に送られる。尤度計算部２は、音声分析部１
において抽出処理された入力音声の特徴パラメータと、
登録単語パラメータ記憶部３に予め記憶される複数の登
録単語の特徴パラメータ或は各単語を隠れマルコフモデ
ル（ＨＭＭ）と仮定し特徴パラメータを統計処理して得
られる状態遷移確率およびシンボル出力確率とから、入
力された音声と各登録単語との間の尤度を計算する。計
算結果の尤度は候補単語出力部４に送られ、ここにおい
て図４に示される如く尤度の高い順に候補単語番号およ
び尤度が並べ替えられる。

【００２３】ここで、先ず、尤度第１位の候補単語につ
いて、その尤度と単語別尤度−正解率対応データ格納部
６のデータとから対象候補単語の正解率を求める。次い
で、求められた正解率と正解率閾値格納部７に格納され
る閾値とを比較して、正解率の方が大きい場合はその候
補単語の単語番号を候補単語提示部８に渡す。候補単語
提示部８は該当する候補単語が正しいか否かを「はい」
或は「いいえ」と答える様に利用者に質問する。例：
「○○ですか？」。

【００２４】利用者の応答音声を認識した結果「はい」
ならば、尤度第１位の候補単語が正解単語であり、「い
いえ」ならば、尤度第２位の候補について同様の処理を
繰り返す。正解率の方が小さい場合は再発声指示部９を
制御して「もういちどどうぞ」その他単語の発声を再度
行うことを利用者に指示する。

【００２５】

【発明の効果】以上の通りであって、この発明の対話装
置は、候補単語により尤度分布が大きく異なる場合にお
いても、共通の正解率に基づいて確認と再発声の判断を
行なうことができるので、無駄な再発声、必要以上の確
認処理を行なうことなく対話を進めることができ、結果
的に利用者の平均発声回数を低減することができるとい
う効果を奏する。

【００２６】この発明の対話装置において、予め単語別
に正解率の計算結果をのテーブル化して単語別尤度−正
解率対応データ格納部に格納しておき、実際の対話処理
時はこれを参照して処理を実行すれば処理速度は向上す
る。

【図面の簡単な説明】

【図１】候補単語の正否を確認する対話の例を説明する
図。

【図２】再発声を指示する対話の例を説明する図。

【図３】尤度の一定閾値を使用した確認対話処理の従来
例を説明する図。

【図４】認識処理部から渡される情報の例を示す図。

【図５】この発明の一実施例を示す図。

【図６】この発明の確認対話処理の例を説明する図。

【符号の説明】

１ 音声分析部 ２ 尤度計算部 ３ 登録単語パラメータ記憶部 ４ 候補単語出力部 ５ 確認制御部 ６ 単語別尤度−正解率対応データ格納部 ７ 正解率閾値格納部 ８ 候補単語提示部 ９ 再発声指示部

Claims (1)

【特許請求の範囲】
1. 【請求項１】 入力される音声信号を分析し、その特徴
   パラメータを計算する音声分析部を具備し、 予め登録された複数の単語の特徴パラメータを格納する
   登録単語パラメータ記憶部を具備し、 音声分析部から得られる入力音声の特徴パラメータと登
   録単語パラメータ記憶部に記憶された登録単語の特徴パ
   ラメータ或は各単語を隠れマルコフモデルと仮定し特徴
   パラメータを統計処理して得られる状態遷移確率および
   シンボル出力確率とから入力音声の各登録単語に対する
   尤度を計算する尤度計算部を具備し、 候補単語番号とその候補単語の尤度とを尤度が高い順に
   出力する候補単語出力部を具備し、 候補単語出力部から出力される候補単語を尤度順に利用
   者に提示する候補単語提示部を具備し、 単語の発声を再度行うことを利用者に指示する再発声指
   示部を具備し、 候補単語提示部から提示される候補単語に応答する利用
   者の音声入力により正解候補単語を決定する音声対話装
   置において、 候補単語毎にその尤度と正解率との間の対応関係を示す
   データを格納する単語別尤度−正解率対応データ格納部
   を具備し、 候補単語の正誤を確認するか或は単語の発声を再度指示
   するかを判断する正解率の閾値を格納した正解率閾値格
   納部を具備し、 尤度計算部から得られる候補単語の尤度と単語別尤度−
   正解率対応データ格納部のデータとから対象候補単語の
   正解率を求め、この正解率と正解率閾値格納部に格納さ
   れる閾値とを比較し、閾値より正解率の方が大きい場合
   は候補単語提示部を駆動し、閾値より正解率の方が小さ
   い場合は再発声指示部を駆動する確認制御部を具備す
   る、 ことを特徴とする音声対話装置。