JPH08263092A - 応答音声生成方法および音声対話システム - Google Patents
応答音声生成方法および音声対話システムInfo
- Publication number
- JPH08263092A JPH08263092A JP7063974A JP6397495A JPH08263092A JP H08263092 A JPH08263092 A JP H08263092A JP 7063974 A JP7063974 A JP 7063974A JP 6397495 A JP6397495 A JP 6397495A JP H08263092 A JPH08263092 A JP H08263092A
- Authority
- JP
- Japan
- Prior art keywords
- voice
- input
- threshold value
- sentence
- duration
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Abstract
(57)【要約】
【目的】 入力音声の内容を理解し、その結果に基づい
て適切な応答を出力する音声対話システムにおいて、理
解率の向上と応答時間の短縮化を図る。 【構成】 音声が入力されると、音声認識部２１は即時
的に認識処理を行い、認識結果を言語解析処理部４に送
る。言語解析処理部４は、認識結果が文として成り立つ
ときは文成立情報を出力する。始終端検出部１は、当該
入力音声の始端検出後、パワー継続時間が発声時間閾値
を越えた時点で言語解析処理部４から文成立立情報が入
力されたときはその時点を当該音声の終端と認定する。
音声合成部２は、現時点までの音声の認識処理を終了さ
せ、その認識結果を文法的，意味的，対話文脈的に解析
し、入力音声への応答音声を合成して出力する。このよ
うにして途中々で入力音声を中断して、発声者との間で
内容の確認をしながら漸進的に対話を行う。
て適切な応答を出力する音声対話システムにおいて、理
解率の向上と応答時間の短縮化を図る。 【構成】 音声が入力されると、音声認識部２１は即時
的に認識処理を行い、認識結果を言語解析処理部４に送
る。言語解析処理部４は、認識結果が文として成り立つ
ときは文成立情報を出力する。始終端検出部１は、当該
入力音声の始端検出後、パワー継続時間が発声時間閾値
を越えた時点で言語解析処理部４から文成立立情報が入
力されたときはその時点を当該音声の終端と認定する。
音声合成部２は、現時点までの音声の認識処理を終了さ
せ、その認識結果を文法的，意味的，対話文脈的に解析
し、入力音声への応答音声を合成して出力する。このよ
うにして途中々で入力音声を中断して、発声者との間で
内容の確認をしながら漸進的に対話を行う。
Description
【０００１】
【産業上の利用分野】本発明は、利用者の発声に対する
応答音声を生成する応答音声生成方法およびこの方法を
採用した音声対話システムに関する。
応答音声を生成する応答音声生成方法およびこの方法を
採用した音声対話システムに関する。
【０００２】
【従来の技術】従来、利用者の発声を自動認識して発声
内容に対応する応答音声を生成出力するシステムが知ら
れている。このようなシステムにおいては、利用者が発
した音声の終端検出を契機にその発声内容に対応する応
答音声を生成し、生成した応答音声を音声出力装置より
出力している。この場合の音声の終端を自動的に検出す
る手法として、従来は、入力音声のパワーが、有音とし
て識別可能な最低パワー値を下回った時点からその状態
を一定時間継続する場合に、当該時点を音声終端とみな
す方式が採られていた。
内容に対応する応答音声を生成出力するシステムが知ら
れている。このようなシステムにおいては、利用者が発
した音声の終端検出を契機にその発声内容に対応する応
答音声を生成し、生成した応答音声を音声出力装置より
出力している。この場合の音声の終端を自動的に検出す
る手法として、従来は、入力音声のパワーが、有音とし
て識別可能な最低パワー値を下回った時点からその状態
を一定時間継続する場合に、当該時点を音声終端とみな
す方式が採られていた。
【０００３】また、入力音声を即時的に認識して、常に
現時点の認識結果が文として成り立つ確からしさを評価
し、評価値が予め設定した基準を上回る確からしさを持
った時点の直後に、無音状態が一定時間継続することを
もって入力の終端とみなす、という方式も提案されてい
る。この方式については、「文仮説の尤度を用いた音声
区間検出方法の検討：内藤ら；55ｐ」（平成６年度日本
音響学会秋季研究発表会；２−８−９）の記載が参考に
なる。
現時点の認識結果が文として成り立つ確からしさを評価
し、評価値が予め設定した基準を上回る確からしさを持
った時点の直後に、無音状態が一定時間継続することを
もって入力の終端とみなす、という方式も提案されてい
る。この方式については、「文仮説の尤度を用いた音声
区間検出方法の検討：内藤ら；55ｐ」（平成６年度日本
音響学会秋季研究発表会；２−８−９）の記載が参考に
なる。
【０００４】
【発明が解決しようとする課題】上述のように、従来の
音声対話システムでは、利用者が発した音声の終端検出
を契機にその発声内容に対応する応答音声を生成するの
で、例えば音声が非常に長い時間連続して入力されると
音声の認識に時間がかかる。しかも、音声の終端検出後
に初めて音声認識の結果の理解やそれに対する応答音声
の生成が行われるため、利用者の発声に対する応答が出
力されるまでかなりの時間がかかり、さらに、その精度
も低下してしまうという問題があった。このとき、シス
テムが、利用者の発声内容の理解に失敗すると、利用者
は再び長い時間にわたる音声を発声しなければならず、
対話の進行に支障をきたす、という問題もあった。
音声対話システムでは、利用者が発した音声の終端検出
を契機にその発声内容に対応する応答音声を生成するの
で、例えば音声が非常に長い時間連続して入力されると
音声の認識に時間がかかる。しかも、音声の終端検出後
に初めて音声認識の結果の理解やそれに対する応答音声
の生成が行われるため、利用者の発声に対する応答が出
力されるまでかなりの時間がかかり、さらに、その精度
も低下してしまうという問題があった。このとき、シス
テムが、利用者の発声内容の理解に失敗すると、利用者
は再び長い時間にわたる音声を発声しなければならず、
対話の進行に支障をきたす、という問題もあった。
【０００５】本発明の課題は、かかる問題点に鑑み、発
声者からの音声を自動認識し、該認識結果に基づいて適
切な応答を出力する音声対話システムにおいて、音声の
理解率を向上させ、さらに、システム応答時間を短縮し
て対話の進行を円滑にする技術を提供することにある。
声者からの音声を自動認識し、該認識結果に基づいて適
切な応答を出力する音声対話システムにおいて、音声の
理解率を向上させ、さらに、システム応答時間を短縮し
て対話の進行を円滑にする技術を提供することにある。
【０００６】
【課題を解決するための手段】本発明は、上記課題を解
決する応答音声生成方法を提供する。この方法は、少な
くとも、入力音声の始端検出を契機に当該音声を逐次認
識するステップと、前記認識の結果に基づき前記入力音
声の内容が文として成立するか否かを解析するステップ
と、前記始端検出時点の入力音声が所定の継続時間経過
した時点で当該入力音声が文として成立している場合に
前記時点を当該入力音声の終端とみなしてその内容を解
読するステップと、解読した内容に対応する応答音声を
生成するステップと、を有することを特徴とする。
決する応答音声生成方法を提供する。この方法は、少な
くとも、入力音声の始端検出を契機に当該音声を逐次認
識するステップと、前記認識の結果に基づき前記入力音
声の内容が文として成立するか否かを解析するステップ
と、前記始端検出時点の入力音声が所定の継続時間経過
した時点で当該入力音声が文として成立している場合に
前記時点を当該入力音声の終端とみなしてその内容を解
読するステップと、解読した内容に対応する応答音声を
生成するステップと、を有することを特徴とする。
【０００７】なお、前記音声の内容を解読するステップ
において、前記所定継続時間の経過前に無音状態を検出
した場合は、当該無音検出時点を終端とする音声の内容
を解読するようにしても良い。
において、前記所定継続時間の経過前に無音状態を検出
した場合は、当該無音検出時点を終端とする音声の内容
を解読するようにしても良い。
【０００８】本発明は、上記応答音声生成方法の実施に
適した音声対話システムをも提供する。この音声対話シ
ステムは、従来方式、特に入力音声の終端検出方式を改
良したものである。具体的には、以下の要素を備えたこ
とを特徴とする。 （１）有音として識別可能な最低パワー値を規定した第
１の閾値，継続有音として識別可能な最短時間を規定し
た第２の閾値，及び，継続有音の継続許容時間を規定し
た第３の閾値を格納した閾値格納手段、（２）音声の入
力を契機に当該入力音声を逐次認識するとともに、認識
結果に基づき文として成立するか否かを判定し、成立す
るときに文成立情報を生成する音声認識手段、（３）入
力音声のパワー，該パワーの変化時点，及び変化前後の
音声パワーの継続時間を検出する手段を備え、検出され
た前記入力音声のパワー及び有音継続時間と前記閾値格
納手段に格納された第１及び第２の閾値とを比較して当
該入力音声の始端を検出するとともに、有音継続時間が
第３の閾値を越えた場合又は該第３の閾値を越え且つ前
記文成立情報を受信した場合に、該第３の閾値を越えた
時点又は前記第３の閾値を越え且つ前記文成立情報を受
信した時点の音声の終端を検出する始終端検出手段、
（４）前記検出された始端から終端までの文が意味する
内容を解読し、解読した内容に対応する応答音声、例え
ば当該文の意味する内容の要部語句を検出し、検出した
要部語句を含む応答音声を合成する解読手段。なお、
「有音」とは、音声パワーの低下が一定時間継続する場
合以外の音声状態をいい、必ずしも第１の閾値を越えた
もののみを意味するものではない。また、「継続有音」
とは、このような有音が時間的に継続している音声状態
をいうものとする。さらに、上記（２）の要素における
文成否の判定は、例えば所定の文法情報、意味情報、及
び単語情報等を用いて行うものとする。
適した音声対話システムをも提供する。この音声対話シ
ステムは、従来方式、特に入力音声の終端検出方式を改
良したものである。具体的には、以下の要素を備えたこ
とを特徴とする。 （１）有音として識別可能な最低パワー値を規定した第
１の閾値，継続有音として識別可能な最短時間を規定し
た第２の閾値，及び，継続有音の継続許容時間を規定し
た第３の閾値を格納した閾値格納手段、（２）音声の入
力を契機に当該入力音声を逐次認識するとともに、認識
結果に基づき文として成立するか否かを判定し、成立す
るときに文成立情報を生成する音声認識手段、（３）入
力音声のパワー，該パワーの変化時点，及び変化前後の
音声パワーの継続時間を検出する手段を備え、検出され
た前記入力音声のパワー及び有音継続時間と前記閾値格
納手段に格納された第１及び第２の閾値とを比較して当
該入力音声の始端を検出するとともに、有音継続時間が
第３の閾値を越えた場合又は該第３の閾値を越え且つ前
記文成立情報を受信した場合に、該第３の閾値を越えた
時点又は前記第３の閾値を越え且つ前記文成立情報を受
信した時点の音声の終端を検出する始終端検出手段、
（４）前記検出された始端から終端までの文が意味する
内容を解読し、解読した内容に対応する応答音声、例え
ば当該文の意味する内容の要部語句を検出し、検出した
要部語句を含む応答音声を合成する解読手段。なお、
「有音」とは、音声パワーの低下が一定時間継続する場
合以外の音声状態をいい、必ずしも第１の閾値を越えた
もののみを意味するものではない。また、「継続有音」
とは、このような有音が時間的に継続している音声状態
をいうものとする。さらに、上記（２）の要素における
文成否の判定は、例えば所定の文法情報、意味情報、及
び単語情報等を用いて行うものとする。
【０００９】本発明は、従来方式を併用することもでき
る。この場合は、無音状態として識別可能な無音継続時
間を規定した第４の閾値を前記閾値格納手段に格納して
おく。そして、始終端検出手段が、前記有音継続時間が
第３の閾値に達する前に、パワー低下、すなわち無音を
検出し且つ該無音の継続時間が第４の閾値を越えた場合
に、無音検出時点を当該音声の終端として検出するよう
にする。
る。この場合は、無音状態として識別可能な無音継続時
間を規定した第４の閾値を前記閾値格納手段に格納して
おく。そして、始終端検出手段が、前記有音継続時間が
第３の閾値に達する前に、パワー低下、すなわち無音を
検出し且つ該無音の継続時間が第４の閾値を越えた場合
に、無音検出時点を当該音声の終端として検出するよう
にする。
【００１０】
【作用】本発明の始終端検出手段は、音声パワー検出手
段で検出された入力音声のパワーが第１の閾値を越え、
有音継続時間が第２の閾値を越えたことをもって当該音
声の始端検出を可能とする。この場合の始端は音声パワ
ーが第１の閾値を越えた時点である。音声認識手段は、
この始端検出を契機に認識を開始するとともに、所定の
解析及び判定処理の結果、文として成立する場合は文成
立情報を生成する。始終端検出手段は、また、有音継続
時間が第３の閾値を越え且つ文成立情報を受信した場合
に該受信時点を当該音声の終端とみなす。文成立情報を
無視できる場合は第３の閾値を越えた時点を当該音声の
終点とみなす。それ以前であっても無音を検出し且つそ
の継続時間が第４の閾値を越えた場合に無音検出時点を
当該音声の終端とする。応答音声合成手段は、検出され
た始端から終端までの文が意味する内容を解読し、解読
した内容に対応する応答音声を合成して出力する。な
お、終端検出直後に発声された音声の内容については認
識されないが、その後の対話の中で、認識されなかった
後続音声の内容を再度入力させるような応答音声を合成
することにより漸進的に対話処理が可能になる。
段で検出された入力音声のパワーが第１の閾値を越え、
有音継続時間が第２の閾値を越えたことをもって当該音
声の始端検出を可能とする。この場合の始端は音声パワ
ーが第１の閾値を越えた時点である。音声認識手段は、
この始端検出を契機に認識を開始するとともに、所定の
解析及び判定処理の結果、文として成立する場合は文成
立情報を生成する。始終端検出手段は、また、有音継続
時間が第３の閾値を越え且つ文成立情報を受信した場合
に該受信時点を当該音声の終端とみなす。文成立情報を
無視できる場合は第３の閾値を越えた時点を当該音声の
終点とみなす。それ以前であっても無音を検出し且つそ
の継続時間が第４の閾値を越えた場合に無音検出時点を
当該音声の終端とする。応答音声合成手段は、検出され
た始端から終端までの文が意味する内容を解読し、解読
した内容に対応する応答音声を合成して出力する。な
お、終端検出直後に発声された音声の内容については認
識されないが、その後の対話の中で、認識されなかった
後続音声の内容を再度入力させるような応答音声を合成
することにより漸進的に対話処理が可能になる。
【００１１】
【実施例】以下、図面を参照して本発明の好適な実施例
を詳細に説明する。図１は、本発明の一実施例に係る音
声対話システムの構成図である。この音声対話システム
では、利用者が発声した音声を音声入力端子ＩＮから入
力して始終端検出部１及び音声合成部２に導く。
を詳細に説明する。図１は、本発明の一実施例に係る音
声対話システムの構成図である。この音声対話システム
では、利用者が発声した音声を音声入力端子ＩＮから入
力して始終端検出部１及び音声合成部２に導く。
【００１２】始終端検出部１は、入力音声のパワー及び
その変化を検出する音声パワー検出部１１，有音継続時
間又は無音継続時間を検出（計測）する継続時間検出部
１２，これら検出値や閾値テーブル３に格納された各種
閾値，言語解析処理部４からの出力に基づいて所定の判
定処理を行う判定処理部１３，及び命令信号生成部１４
から構成される。言語解析処理部４は、後述の音声認識
部２１の認識結果に基づいて言語解析を行い、現時点ま
での認識結果が文として成り立つとみなすことができる
場合に、文成立情報を出力するものである。
その変化を検出する音声パワー検出部１１，有音継続時
間又は無音継続時間を検出（計測）する継続時間検出部
１２，これら検出値や閾値テーブル３に格納された各種
閾値，言語解析処理部４からの出力に基づいて所定の判
定処理を行う判定処理部１３，及び命令信号生成部１４
から構成される。言語解析処理部４は、後述の音声認識
部２１の認識結果に基づいて言語解析を行い、現時点ま
での認識結果が文として成り立つとみなすことができる
場合に、文成立情報を出力するものである。
【００１３】また、音声合成部２は、入力単位ＩＮから
入力された音声を即時的に認識する音声認識部２１，認
識結果を理解して意味表現情報を生成する音声理解部２
２，生成された意味表現情報に基づき所要の素片を合成
して応答音声を合成する応答生成部２３から構成され、
合成された音声を出力単位ＯＵＴに出力している。これ
ら各部は、命令信号生成部１４で生成された各種命令信
号によりその入出力制御がなされる。
入力された音声を即時的に認識する音声認識部２１，認
識結果を理解して意味表現情報を生成する音声理解部２
２，生成された意味表現情報に基づき所要の素片を合成
して応答音声を合成する応答生成部２３から構成され、
合成された音声を出力単位ＯＵＴに出力している。これ
ら各部は、命令信号生成部１４で生成された各種命令信
号によりその入出力制御がなされる。
【００１４】なお、本実施例では、音声認識部２１及び
言語解析処理部４により音声認識手段を構成し、また、
音声理解部２２と応答生成部２３を含んで解読手段を構
成している。
言語解析処理部４により音声認識手段を構成し、また、
音声理解部２２と応答生成部２３を含んで解読手段を構
成している。
【００１５】図２は、上記閾値テーブル３に格納される
各種閾値の例を示す概念図である。図２において、音声
パワー閾値３１は、有音として識別可能な最低パワー値
を規定した値（第１の閾値）であり、有音時間閾値３２
は、継続有音として識別可能な最短時間を規定した値
（第２の閾値）である。これら閾値３１，３２は入力音
声の始端検出時に用いられる。無音時間閾値３３は、無
音状態として識別可能な継続時間を規定した値（第４の
閾値）であり、発声時間閾値３４は、有音の継続許容時
間を規定した値（第３の閾値）である。これら閾値３
３，３４は入力音声の終端検出時に用いられる。また、
最大発声時間閾値３５は、システムが許容し得る最大有
音継続時間を規定した値である。
各種閾値の例を示す概念図である。図２において、音声
パワー閾値３１は、有音として識別可能な最低パワー値
を規定した値（第１の閾値）であり、有音時間閾値３２
は、継続有音として識別可能な最短時間を規定した値
（第２の閾値）である。これら閾値３１，３２は入力音
声の始端検出時に用いられる。無音時間閾値３３は、無
音状態として識別可能な継続時間を規定した値（第４の
閾値）であり、発声時間閾値３４は、有音の継続許容時
間を規定した値（第３の閾値）である。これら閾値３
３，３４は入力音声の終端検出時に用いられる。また、
最大発声時間閾値３５は、システムが許容し得る最大有
音継続時間を規定した値である。
【００１６】次に、本実施例の音声対話システムの各部
作用を説明する。図３は、本実施例による始終端検出部
１を中心とした処理の手順図であり、Ｓは処理ステップ
を表す。図３を参照すると、入力音声のパワー値と音声
パワー閾値３１との比較により有音状態が確認されると
（Ｓ１０１，１０２）、判定処理部１３は、有音の継続
時間が有音時間閾値３２以上継続するか否かを判定し
（Ｓ１０３）、継続している場合は、有音検出時点を当
該入力音声の始端と認定する（Ｓ１０４）。その後、有
音継続時間を監視する（Ｓ１０５）。
作用を説明する。図３は、本実施例による始終端検出部
１を中心とした処理の手順図であり、Ｓは処理ステップ
を表す。図３を参照すると、入力音声のパワー値と音声
パワー閾値３１との比較により有音状態が確認されると
（Ｓ１０１，１０２）、判定処理部１３は、有音の継続
時間が有音時間閾値３２以上継続するか否かを判定し
（Ｓ１０３）、継続している場合は、有音検出時点を当
該入力音声の始端と認定する（Ｓ１０４）。その後、有
音継続時間を監視する（Ｓ１０５）。
【００１７】ここで、該有音継続時間が発声時間閾値３
４に達する前に（Ｓ１０５：No）音声パワー検出部１１
で無音、すなわち音声パワーが音声パワー閾値３１を下
回り始めたことを検出し（Ｓ１０６）、かつ継続時間検
出部１２で無音継続時間が無音時間閾値３３を越えたこ
とを検出したときは、無音検出時点を音声の終端と認定
する（Ｓ１０８）。
４に達する前に（Ｓ１０５：No）音声パワー検出部１１
で無音、すなわち音声パワーが音声パワー閾値３１を下
回り始めたことを検出し（Ｓ１０６）、かつ継続時間検
出部１２で無音継続時間が無音時間閾値３３を越えたこ
とを検出したときは、無音検出時点を音声の終端と認定
する（Ｓ１０８）。
【００１８】また、有音の継続時間が発声時間閾値３４
を越えたときは（Ｓ１０５：Yes）、言語解析処理部４
から文成立情報が入力されるのを待つ（Ｓ１０９）。入
力されたとき（Ｓ１０９：Yes）、あるいはこの時点で
の未入力を無視しても文の成立が推定できる場合は（Ｓ
１１０：Yes）、文成立情報の受信時点あるいは発声時
間閾値３４を越えた時点を当該音声の終端と認定する
（Ｓ１１２）。なお、Ｓ１１０において、文成立情報の
未入力を無視できない場合は（Ｓ１１０：No）、最大発
声時間閾値３５を越えるまで文成立情報の入力を待ち
（Ｓ１１１）、入力された場合は（Ｓ１１１：Yes）、
文成立情報の受信時点を当該音声の終端と認定する（Ｓ
１１２）。
を越えたときは（Ｓ１０５：Yes）、言語解析処理部４
から文成立情報が入力されるのを待つ（Ｓ１０９）。入
力されたとき（Ｓ１０９：Yes）、あるいはこの時点で
の未入力を無視しても文の成立が推定できる場合は（Ｓ
１１０：Yes）、文成立情報の受信時点あるいは発声時
間閾値３４を越えた時点を当該音声の終端と認定する
（Ｓ１１２）。なお、Ｓ１１０において、文成立情報の
未入力を無視できない場合は（Ｓ１１０：No）、最大発
声時間閾値３５を越えるまで文成立情報の入力を待ち
（Ｓ１１１）、入力された場合は（Ｓ１１１：Yes）、
文成立情報の受信時点を当該音声の終端と認定する（Ｓ
１１２）。
【００１９】Ｓ１０８あるいはＳ１１２において音声の
終端が認定された場合は、音声の認識処理終了及び認識
結果の命令出力を命令信号生成部１４に依頼する。一
方、Ｓ１１１において最大発声時間閾値３５を越えても
文成立情報が入力されなかった場合は（Ｓ１１１：Ye
s）、再度の音声入力の命令出力を命令信号生成部１４
に依頼する（Ｓ１１３）。
終端が認定された場合は、音声の認識処理終了及び認識
結果の命令出力を命令信号生成部１４に依頼する。一
方、Ｓ１１１において最大発声時間閾値３５を越えても
文成立情報が入力されなかった場合は（Ｓ１１１：Ye
s）、再度の音声入力の命令出力を命令信号生成部１４
に依頼する（Ｓ１１３）。
【００２０】音声認識部２１は、命令信号生成部１４か
ら送られる認識処理終了等の命令に従い、現時点までの
音声の認識処理を終了させ、その認識結果を音声理解部
４へ渡す。音声理解部４は、この認識結果を文法的，意
味的，対話文脈的に解析し、入力音声が含んでいる意味
内容を表す意味表現情報を応答生成部５に渡す。応答生
成部５は、音声理解部４からもたらされた入力音声の意
味表現情報、あるいは命令信号生成部１４からの再度の
音声入力命令に対応する合成音声を生成し、これを音声
出力端子ＯＵＴより出力する。合成音声の生成に際して
は、予め備えている対話知識や専門知識を使用し、入力
音声の内容から不要語句を除いた要部語句やその正否を
問う内容の応答音声、あるいは入力音声の内容を認識で
きなかった内容の音声を生成する。以上の処理を一連の
対話処理が終了するまで繰り返す（Ｓ１１４）。
ら送られる認識処理終了等の命令に従い、現時点までの
音声の認識処理を終了させ、その認識結果を音声理解部
４へ渡す。音声理解部４は、この認識結果を文法的，意
味的，対話文脈的に解析し、入力音声が含んでいる意味
内容を表す意味表現情報を応答生成部５に渡す。応答生
成部５は、音声理解部４からもたらされた入力音声の意
味表現情報、あるいは命令信号生成部１４からの再度の
音声入力命令に対応する合成音声を生成し、これを音声
出力端子ＯＵＴより出力する。合成音声の生成に際して
は、予め備えている対話知識や専門知識を使用し、入力
音声の内容から不要語句を除いた要部語句やその正否を
問う内容の応答音声、あるいは入力音声の内容を認識で
きなかった内容の音声を生成する。以上の処理を一連の
対話処理が終了するまで繰り返す（Ｓ１１４）。
【００２１】次に、本実施例の音声対話システムにおけ
る具体的な処理例を図４を参照して説明する。図４
（ａ）は、利用者から発せられる音声の内容説明図であ
り、従来の音声始終端検出方式では、図示のような発声
内容は１つの文として扱われ、その認識結果に基づい
て、システムの応答音声が生成されていた。
る具体的な処理例を図４を参照して説明する。図４
（ａ）は、利用者から発せられる音声の内容説明図であ
り、従来の音声始終端検出方式では、図示のような発声
内容は１つの文として扱われ、その認識結果に基づい
て、システムの応答音声が生成されていた。
【００２２】これに対して本実施例では、図示の(1)〜
(6)の区間毎に音声認識及びその内容理解を行い、図４
（ｂ）のような対話形式で応答音声を生成出力する。つ
まり、利用者が「えーと、会議室を予約したいんですが
・・・」と発した時点(1)でシステム側で有音状態を検
出し、認識を開始する。この時点(1)では未だ発声時間
閾値３４を越えず、しかも文として成立していないと判
定すると、「・・・会議室は第３会議室」と発した時点
(2)まで認識を続ける。その後、発声時間閾値３４を越
え、かつ文として成立したと判定したときは、時点(2)
にて最初の文に対する発声が終了したとみなし、それま
での意味内容に対応する応答音声、例えば入力発声内容
の要部語句を含む応答音声「第３会議室ですね」を生成
して出力する。これにより利用者は、発声が一時中断さ
れたことを知り、後続内容、すなわち時点(2)以降の内
容について発声を開始する。
(6)の区間毎に音声認識及びその内容理解を行い、図４
（ｂ）のような対話形式で応答音声を生成出力する。つ
まり、利用者が「えーと、会議室を予約したいんですが
・・・」と発した時点(1)でシステム側で有音状態を検
出し、認識を開始する。この時点(1)では未だ発声時間
閾値３４を越えず、しかも文として成立していないと判
定すると、「・・・会議室は第３会議室」と発した時点
(2)まで認識を続ける。その後、発声時間閾値３４を越
え、かつ文として成立したと判定したときは、時点(2)
にて最初の文に対する発声が終了したとみなし、それま
での意味内容に対応する応答音声、例えば入力発声内容
の要部語句を含む応答音声「第３会議室ですね」を生成
して出力する。これにより利用者は、発声が一時中断さ
れたことを知り、後続内容、すなわち時点(2)以降の内
容について発声を開始する。
【００２３】システム側は、後続内容について上記同様
の手順で処理を行う。すなわち、発声時間閾値３４を越
えて最初の文として成り立つ時点(4)で発声が終了した
とみなし、「来週の金曜日、３時からご希望ですね」と
応答する。利用者は、この応答が正しければ、時点(4)
以降の内容を発声する。なお、時点(4)以降の発声の継
続時間（時点(4)〜(6)）が、発声時間閾値３４以下であ
る場合は、システム側は、発声時間閾値３４に達する前
であっても発声が終了したと判定し、最終発声終了時点
(6)に対応する応答音声「大きい会議室を希望ですね」
を出力する。このようにして利用者との間で対話を漸進
的に行うことにより、円滑なシステム運用が可能にな
る。
の手順で処理を行う。すなわち、発声時間閾値３４を越
えて最初の文として成り立つ時点(4)で発声が終了した
とみなし、「来週の金曜日、３時からご希望ですね」と
応答する。利用者は、この応答が正しければ、時点(4)
以降の内容を発声する。なお、時点(4)以降の発声の継
続時間（時点(4)〜(6)）が、発声時間閾値３４以下であ
る場合は、システム側は、発声時間閾値３４に達する前
であっても発声が終了したと判定し、最終発声終了時点
(6)に対応する応答音声「大きい会議室を希望ですね」
を出力する。このようにして利用者との間で対話を漸進
的に行うことにより、円滑なシステム運用が可能にな
る。
【００２４】
【発明の効果】以上の説明から明かなように、本発明で
は、長期にわたって連続して音声が入力される場合であ
っても、この入力音声が所定の継続時間（第３の閾値）
を越えた場合、あるいはその時点で文として成立する場
合は、逐次認識対象音声の終端とみなして所要の応答音
声を生成し、発声者との間の対話を漸進的に行うので、
システムの応答音声が出力されるまでの時間が短縮化さ
れるほか、個々の音声の認識率が従来方式に比べて格段
に向上する効果がある。また、上記継続時間経過前であ
っても、無音状態を検出した場合は、無音検出時点を終
端として同様の処理を行うので、従来方式との互換も図
れる。これにより発話者との間の対話の進行を円滑にす
ることができ、従来の問題点を解消することができる。
は、長期にわたって連続して音声が入力される場合であ
っても、この入力音声が所定の継続時間（第３の閾値）
を越えた場合、あるいはその時点で文として成立する場
合は、逐次認識対象音声の終端とみなして所要の応答音
声を生成し、発声者との間の対話を漸進的に行うので、
システムの応答音声が出力されるまでの時間が短縮化さ
れるほか、個々の音声の認識率が従来方式に比べて格段
に向上する効果がある。また、上記継続時間経過前であ
っても、無音状態を検出した場合は、無音検出時点を終
端として同様の処理を行うので、従来方式との互換も図
れる。これにより発話者との間の対話の進行を円滑にす
ることができ、従来の問題点を解消することができる。
【図１】本発明の一実施例に係る音声対話システムのブ
ロック構成図。
ロック構成図。
【図２】本実施例による閾値テーブルの格納内容説明
図。
図。
【図３】本実施例による認識対象音声の始終端検出処理
の手順説明図。
の手順説明図。
【図４】本実施例の音声対話システムによる具体的な対
話形式説明図であり、（ａ）は入力音声の内容例，
（ｂ）はこの内容例に基づく対話手順図である。
話形式説明図であり、（ａ）は入力音声の内容例，
（ｂ）はこの内容例に基づく対話手順図である。
１ 始終端検出部 １１ 音声パワー検出部 １２ 継続時間検出部 １３ 判定処理部 １４ 命令信号生成部 ２ 音声合成部 ２１ 音声認識部 ２２ 音声理解部 ２３ 応答生成部 ３ 閾値テーブル ４ 言語解析処理部
───────────────────────────────────────────────────── フロントページの続き (51)Int.Cl.6 識別記号 庁内整理番号 ＦＩ 技術表示箇所 Ｇ０６Ｆ 3/16 ３３０ 9172−5Ｅ Ｇ０６Ｆ 3/16 ３３０Ａ Ｇ１０Ｌ 5/02 Ｇ１０Ｌ 5/02 Ｊ
Claims (5)
- 【請求項１】 入力音声の始端検出を契機に当該音声を
逐次認識するステップと、 前記認識の結果に基づき前記入力音声の内容が文として
成立するか否かを解析するステップと、 前記始端検出時点の入力音声が所定の継続時間経過した
時点で当該入力音声が文として成立している場合に前記
時点を当該入力音声の終端とみなしてその内容を解読す
るステップと、 解読した内容に対応する応答音声を生成するステップ
と、 を有することを特徴とする応答音声生成方法。 - 【請求項２】 前記入力音声の内容を解読するステップ
は、 前記所定継続時間の経過前に無音状態を検出した場合
に、当該無音検出時点を終端とする音声の内容を解読す
ることを特徴とする請求項１記載の応答音声生成方法。 - 【請求項３】 有音として識別可能な最低パワー値を規
定した第１の閾値，継続有音として識別可能な最短時間
を規定した第２の閾値，及び，有音の継続許容時間を規
定した第３の閾値を格納した閾値格納手段と、 音声の入力を契機に当該入力音声を逐次認識するととも
に、認識結果に基づき文として成立するか否かを判定
し、成立するときに文成立情報を生成する音声認識手段
と、 入力音声のパワー及び該音声の継続時間と前記閾値格納
手段に格納された第１及び第２の閾値とを比較して当該
入力音声の始端を検出するとともに、始端検出時点の音
声継続時間（以下、有音継続時間）が前記第３の閾値を
越えた場合又は該第３の閾値を越え且つ前記文成立情報
を受信した場合に、該第３の閾値を越えた時点又は文成
立情報を受信した時点の音声の終端を検出する始終端検
出手段と、 前記検出された始端から終端までの文が意味する内容を
解読し、解読した内容に対応する応答音声を合成する応
答音声合成手段と、 を有することを特徴とする音声対話システム。 - 【請求項４】 無音状態として識別可能な無音継続時間
を規定した第４の閾値を前記閾値格納手段に格納して成
り、 前記始終端検出手段は、前記有音継続時間が前記第３の
閾値に達する前に無音を検出し且つ該無音の継続時間が
前記第４の閾値を越えた場合に、前記無音検出時点を当
該音声の終端として検出することを特徴とする請求項３
記載の音声対話システム。 - 【請求項５】 前記応答音声合成手段は、 前記検出された始端から終端までの文の意味する内容の
要部語句を検出し、検出した要部語句を含む応答音声を
合成することを特徴とする請求項３又は４記載の音声対
話システム。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP7063974A JPH08263092A (ja) | 1995-03-23 | 1995-03-23 | 応答音声生成方法および音声対話システム |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP7063974A JPH08263092A (ja) | 1995-03-23 | 1995-03-23 | 応答音声生成方法および音声対話システム |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JPH08263092A true JPH08263092A (ja) | 1996-10-11 |
Family
ID=13244773
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP7063974A Pending JPH08263092A (ja) | 1995-03-23 | 1995-03-23 | 応答音声生成方法および音声対話システム |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPH08263092A (ja) |
Cited By (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2000099099A (ja) * | 1998-09-22 | 2000-04-07 | Sharp Corp | データ再生装置 |
| US7202677B2 (en) | 1995-05-26 | 2007-04-10 | Formfactor, Inc. | Socket for mating with electronic component, particularly semiconductor device with spring packaging, for fixturing, testing, burning-in or operating such a component |
| JP2012226068A (ja) * | 2011-04-19 | 2012-11-15 | Honda Motor Co Ltd | 対話装置 |
| CN107371144A (zh) * | 2017-08-11 | 2017-11-21 | 深圳传音通讯有限公司 | 一种智能发送信息的方法及装置 |
| CN108694941A (zh) * | 2017-04-07 | 2018-10-23 | 联想（新加坡）私人有限公司 | 用于交互式会话的方法、信息处理装置及产品 |
| JP2019132997A (ja) * | 2018-01-31 | 2019-08-08 | 日本電信電話株式会社 | 音声処理装置、方法およびプログラム |
| JP2020079921A (ja) * | 2018-11-13 | 2020-05-28 | バイドゥ オンライン ネットワーク テクノロジー （ベイジン） カンパニー リミテッド | 音声インタラクション実現方法、装置、コンピュータデバイス及びプログラム |
| CN112435669A (zh) * | 2020-11-19 | 2021-03-02 | 福州灵医科技有限公司 | 一种机器人多轮对话语音交互方法、系统和终端设备 |
| CN114648983A (zh) * | 2020-12-02 | 2022-06-21 | 北京中关村科金技术有限公司 | 基于声音分贝静默检测的方法、装置及存储介质 |
| CN117456998A (zh) * | 2023-11-17 | 2024-01-26 | 小米科技(武汉)有限公司 | 语音交互方法、装置及存储介质 |
| US12307209B2 (en) | 2021-02-17 | 2025-05-20 | Samsung Electronics Co., Ltd. | Electronic device and controlling method of electronic device |
| JP7689787B1 (ja) * | 2025-03-21 | 2025-06-09 | 株式会社Recho | 情報処理装置、情報処理方法及びプログラム |
-
1995
- 1995-03-23 JP JP7063974A patent/JPH08263092A/ja active Pending
Cited By (16)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7202677B2 (en) | 1995-05-26 | 2007-04-10 | Formfactor, Inc. | Socket for mating with electronic component, particularly semiconductor device with spring packaging, for fixturing, testing, burning-in or operating such a component |
| US7534654B2 (en) | 1995-05-26 | 2009-05-19 | Formfactor, Inc. | Socket for making with electronic component, particularly semiconductor device with spring packaging, for fixturing, testing, burning-in or operating such a component |
| JP2000099099A (ja) * | 1998-09-22 | 2000-04-07 | Sharp Corp | データ再生装置 |
| JP2012226068A (ja) * | 2011-04-19 | 2012-11-15 | Honda Motor Co Ltd | 対話装置 |
| US9002705B2 (en) | 2011-04-19 | 2015-04-07 | Honda Motor Co., Ltd. | Interactive device that recognizes input voice of a user and contents of an utterance of the user, and performs a response corresponding to the recognized contents |
| CN108694941A (zh) * | 2017-04-07 | 2018-10-23 | 联想（新加坡）私人有限公司 | 用于交互式会话的方法、信息处理装置及产品 |
| CN107371144B (zh) * | 2017-08-11 | 2021-02-02 | 深圳传音通讯有限公司 | 一种智能发送信息的方法及装置 |
| CN107371144A (zh) * | 2017-08-11 | 2017-11-21 | 深圳传音通讯有限公司 | 一种智能发送信息的方法及装置 |
| JP2019132997A (ja) * | 2018-01-31 | 2019-08-08 | 日本電信電話株式会社 | 音声処理装置、方法およびプログラム |
| JP2020079921A (ja) * | 2018-11-13 | 2020-05-28 | バイドゥ オンライン ネットワーク テクノロジー （ベイジン） カンパニー リミテッド | 音声インタラクション実現方法、装置、コンピュータデバイス及びプログラム |
| CN112435669A (zh) * | 2020-11-19 | 2021-03-02 | 福州灵医科技有限公司 | 一种机器人多轮对话语音交互方法、系统和终端设备 |
| CN112435669B (zh) * | 2020-11-19 | 2024-04-02 | 福州灵医科技有限公司 | 一种机器人多轮对话语音交互方法、系统和终端设备 |
| CN114648983A (zh) * | 2020-12-02 | 2022-06-21 | 北京中关村科金技术有限公司 | 基于声音分贝静默检测的方法、装置及存储介质 |
| US12307209B2 (en) | 2021-02-17 | 2025-05-20 | Samsung Electronics Co., Ltd. | Electronic device and controlling method of electronic device |
| CN117456998A (zh) * | 2023-11-17 | 2024-01-26 | 小米科技(武汉)有限公司 | 语音交互方法、装置及存储介质 |
| JP7689787B1 (ja) * | 2025-03-21 | 2025-06-09 | 株式会社Recho | 情報処理装置、情報処理方法及びプログラム |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP3004883B2 (ja) | 終話検出方法及び装置並びに連続音声認識方法及び装置 | |
| US10600414B1 (en) | Voice control of remote device | |
| US20200251107A1 (en) | Voice control of remote device | |
| US10593328B1 (en) | Voice control of remote device | |
| JP3180655B2 (ja) | パターンマッチングによる単語音声認識方法及びその方法を実施する装置 | |
| CN100524459C (zh) | 用于语音识别的方法和系统 | |
| US8532995B2 (en) | System and method for isolating and processing common dialog cues | |
| JP2009169139A (ja) | 音声認識装置 | |
| JP2003316386A (ja) | 音声認識方法および音声認識装置および音声認識プログラム | |
| JP3069531B2 (ja) | 音声認識方法 | |
| KR100379994B1 (ko) | 문법적 제한사항을 갖는 라벨러를 이용한 구두 발언 거절 | |
| JPH08146991A (ja) | 情報処理装置及びその制御方法 | |
| JP2018091911A (ja) | 音声対話システム及び音声対話方法 | |
| JP2003150194A (ja) | 音声対話装置および音声対話装置における入力音声最適化方法ならびに音声対話装置における入力音声最適化処理プログラム | |
| JP2012163692A (ja) | 音声信号処理システム、音声信号処理方法および音声信号処理方法プログラム | |
| JP2001343983A (ja) | 音声始端検出方法、音声認識装置における音声区間検出方法および音声認識装置 | |
| JP3277579B2 (ja) | 音声認識方法および装置 | |
| JP2007072331A (ja) | 音声対話方法および音声対話システム | |
| CN114267339B (zh) | 语音识别处理方法及系统、设备以及存储介质 | |
| JP3285704B2 (ja) | 音声対話のための音声認識方法及び装置 | |
| JP7361988B2 (ja) | 音声対話システム、音声対話方法及び音声対話管理装置 | |
| JPH07230293A (ja) | 音声認識装置 | |
| JPH11175093A (ja) | 音声認識確認応答方法 | |
| JP2000122678A (ja) | 音声認識機器制御装置 | |
| JP5074759B2 (ja) | 対話制御装置、対話制御方法及び対話制御プログラム |