JP2003150194A - 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 - Google Patents

Abstract

(57)【要約】 【課題】音声対話装置においてユーザの発話した音声の
認識率を上げるために、認識しやすいような発話を行っ
てもらうようにシステム側で誘導する。 【解決手段】入力音声を処理して、発話速度・音量・発
話内容を取得する入力音声処理部１と、この入力音声処
理部１で取得された発話速度・音量・発話内容に応じて
出力音声の発話速度・音量・発話内容を決定する出力音
声決定部２と、この出力音声決定部２で決定された発話
速度・音量・発話内容に基づいた出力音声を生成する音
声出力処理部３を有する。たとえば、ユーザの発話が早
口過ぎる場合には、システム側からはゆっくりした口調
で応答し、適正な発話速度で発話するようにユーザを誘
導する。また、発話速度だけでなく、音量についても同
様に適正な音量で発話するようにユーザを誘導し、ま
た、間違いにくい単語を使用するような誘導を行い、さ
らに、言い回しの丁寧さについても適切となるような誘
導を行う。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は、ユーザとシステム
が音声によって情報のやりとりを行う音声対話装置およ
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に関
する。

【０００２】

【従来の技術】音声をシステムに入力するとシステム側
では入力された音声を認識して、その認識結果に対する
応答を行うといった音声対話装置が多数提案され実用化
されている。

【０００３】このような音声対話装置をより使いやすい
ものとするためには、入力される音声を適切に認識でき
ることが必要であり、そのためには、システム側の音声
認識性能の向上が不可欠であることは言うまでもない
が、システム側の音声認識性能だけではなく、システム
が認識し易いようにユーザに発話してもらうことも重要
である。また、その認識結果に対する応答を行う際、シ
ステム側で生成される再生音声がユーザに理解し易い音
声となるような音声出力性能の向上を図ることも重要で
ある。

【０００４】一方、ユーザにとっては人間同志が対話す
るような自然な話し方でシステムと対話できることも使
い勝手の良さを決定づける要件の１つであるといえる。

【０００５】このように、人間同志が対話するような自
然な話し方でシステムと対話できるようにする従来技術
としては、たとえば、特公昭６２−０５０８５０号公報
「音声入出力システム」がある。

【０００６】この従来技術は、入力音声（ユーザの発話
した音声）の発話速度に応じてシステム側からユーザに
対して出力される出力音声の速度を制御することによっ
て、システム側からの出力音声をユーザが理解し易くす
るとともに、ユーザ側からみれば人間同士と対話してい
る雰囲気を味わうことができるようにして、より自然な
対話を実現しようとするものである。

【０００７】これは、一般に人間同志が対話を行う際、
対話をしているうちに、発話速度が相手の発話速度に段
々合ってくるという現象があることが知られており、そ
の考え方を利用したものであると考えられる。

【０００８】つまり、この従来技術では、ユーザがシス
テムに対して発話する際、その発話速度に応じてシステ
ム側からの出力音声の速度を制御することによって、発
話者とシステムとの間の対話を、より人間同士の対話に
近づけようとしている。

【０００９】

【発明が解決しようとする課題】しかし、上述したよう
な現象（対話をしているうちに、発話速度が相手の発話
速度に段々合ってくるという現象）をそのまま利用する
と、ユーザの発話速度が極端に速かったり、極端に遅か
ったりした場合、システム側からの応答音声をそれに近
づけるような制御を行うと、返って自然さを損なった理
解しにくい発話となってしまうことにもなる。

【００１０】一方、前述したように、この種の音声対話
装置をより使いやすいものとするためには、ユーザから
の音声を適切に認識できることが必要であり、そのため
には、システムが認識し易いようにユーザに発話しても
らうことも重要であり、また、その認識結果に対する応
答を行う際、システム側で生成される再生音声がユーザ
に理解し易い音声となるようにすることも重要である。

【００１１】特に、システム側が音声認識する際の認識
のし易さは、ユーザの発話速度だけではなく、音量や発
話内容（語彙や言い回しなどを含む）などにも大きく左
右されるので、ユーザの発話速度、音量、発話内容など
がそのシステムにとって認識し易くなるようにユーザの
発話を誘導するような制御を行うことも重要である。

【００１２】そこで本発明は、ユーザの発話速度・音量
・発話内容がそのシステムにとって最適になるようにユ
ーザの発話を自然に誘導することで、認識率を高め、そ
れによって、ユーザとの対話を円滑かつ正確に行うこと
ができるようにすることを目的としている。

【００１３】

【課題を解決するための手段】上述した目的を達成する
ために本発明の音声対話装置は、ユーザとの情報のやり
とりを音声によって行う音声対話装置において、ユーザ
の発話した音声を処理して、その音声の認識結果として
の発話内容を取得するとともに、その発話速度と音量を
取得する入力音声処理手段と、この入力音声処理手段で
取得された前記入力音声の発話速度・音量・発話内容に
応じて、前記ユーザに対する出力音声の発話速度・音量
・発話内容を決定する出力音声決定手段と、この出力音
声決定部で決定された発話速度・音量・発話内容に基づ
いた出力音声を生成する音声出力処理手段とを有した構
成としている。

【００１４】また、本発明の音声対話装置における入力
音声最適化方法は、ユーザの発話した音声を音声認識処
理する上で適切な認識処理を可能とするようにユーザの
発話する音声を最適化制御する音声対話装置における入
力音声最適化方法であって、その入力音声最適化方法
は、ユーザの発話した音声を処理して、その音声の認識
結果としての発話内容を取得するとともに、その発話速
度と音量を取得し、それによって取得された前記入力音
声の発話速度・音量・発話内容に応じて、前記ユーザに
対する出力音声の発話速度・音量・発話内容を決定し、
それによって決定された発話速度・音量・発話内容に基
づいた出力音声を生成するようにしている。

【００１５】また、本発明の音声対話装置における入力
音声最適化処理プログラムは、ユーザの発話した音声を
音声認識処理する上で適切な認識処理を可能とするよう
にユーザの発話する音声を最適化制御する音声対話装置
における入力音声最適化処理プログラムであって、その
入力音声最適化処理プログラムは、ユーザの発話した音
声を処理して、その音声の認識結果としての発話内容を
取得するとともに、その発話速度と音量を取得する手順
と、それによって取得された前記入力音声の発話速度・
音量・発話内容に応じて、前記ユーザに対する出力音声
の発話速度・音量・発話内容を決定する手順と、それに
よって決定された発話速度・音量・発話内容に基づいた
出力音声を生成する手順とを含むものである。

【００１６】これら各発明において、前記ユーザに対す
る出力音声の発話速度を決定する処理は、前記ユーザの
発話した音声の発話速度がある基準となる発話速度より
速い場合には、音声認識し易い発話速度を前記ユーザに
示唆するために、前記ユーザに対する出力音声の発話速
度を前記ユーザの発話速度よりも遅い速度に設定し、前
記ユーザの発話した音声の発話速度がある基準となる発
話速度より遅い場合には、音声認識し易い発話速度を前
記ユーザに示唆するために、前記ユーザに対する出力音
声の発話速度を前記ユーザの発話速度よりも速い速度に
設定するようにしている。

【００１７】また、前記ユーザに対する出力音声の音量
を決定する処理は、前記ユーザの発話した音声の音量が
ある基準となる音量より大きい場合には、音声認識し易
い音量を前記ユーザに示唆するために、前記ユーザに対
する出力音声の音量を前記ユーザの音量よりも小さい音
量に設定し、前記ユーザの発話した音声の音量がある基
準となる音量より小さい場合には、音声認識し易い音量
を前記ユーザに示唆するために、前記ユーザに対する出
力音声の音量を前記ユーザの音量よりも大きい音量に設
定するようにしている。

【００１８】また、前記ユーザに対する出力音声の発話
内容を決定する際、前記ユーザの発話した音声に、他の
単語と間違える可能性のある単語が存在しているか否か
を判断し、他の単語と間違える可能性のある単語が存在
している場合には、その単語が他の単語に置き換え可能
であるか否かを判断し、置き換え可能であれば、当該単
語を他の単語に置き換えて出力するようにしている。

【００１９】また、前記ユーザに対する出力音声の発話
内容を決定する際、前記ユーザの発話した発話内容の丁
寧さの度合いを判断する処理を行い、丁寧さの度合いが
ある基準より高い場合には、音声認識し易い丁寧さの度
合いを前記ユーザに示唆するために、前記ユーザに対す
る発話内容の丁寧さの度合いを前記ユーザの丁寧さの度
合いよりも低く設定する処理を行い、丁寧さの度合いが
ある基準より低い場合には、音声認識し易い丁寧さの度
合いを前記ユーザに示唆するために、前記ユーザに対す
る発話内容の丁寧さの度合いを前記ユーザの丁寧さの度
合いよりも高く設定する処理を行うようにしている。

【００２０】このように本発明によれば、ユーザの発話
した音声の発話速度・音量・発話内容に応じて、ユーザ
に対する出力音声の発話速度・音量・発話内容を決定し
て、その決定された発話速度・音量・発話内容に基づい
た出力音声を生成してそれをユーザに出力するようにし
ている。このように、ユーザの発話した音声の発話速度
・音量・発話内容に応じて、ユーザに対する出力音声の
発話速度・音量・発話内容を変えてユーザに応答すると
いった処理を繰り返すことで、ユーザの発話速度・音量
・発話内容がそのシステムにとって最適になるようにユ
ーザを自然に誘導することができ、それによって、認識
率を高めることができ、ユーザとの対話を円滑かつ正確
に行うことができるようになる。

【００２１】具体的には、ユーザの発話の発話速度が速
すぎる場合は、システム側からの認識結果に基づく確認
の発話をユーザの発話速度に比べてゆっくりした口調で
行うことにより、ユーザに対し、もっとゆっくりした口
調で発話するように自然に誘導する結果となる。これに
よって、たとえば、ユーザの発話の速度が速すぎて誤認
識された場合、ユーザは誤認識の原因が発話速度が速す
ぎることにあるのではないかと気づいて、今度はシステ
ム側からの口調に合わせたゆっくりした口調、すなわ
ち、認識されやすい発話速度で発話する可能性が高くな
り、それによって、認識率の向上を図ることができる。

【００２２】逆に、ユーザの発話速度が遅すぎる場合
は、システム側からの認識結果に基づく確認の発話をユ
ーザの発話速度に比べて速い口調（適正な口調）で発話
することにより、ユーザに対し、適正な速さで発話する
ように自然に誘導する結果となる。これによって、たと
えば、ユーザの発話の発話速度が遅すぎて誤認識された
場合、ユーザは誤認識の原因が発話速度が遅すぎること
にあるのではないかと気づいて、今度はシステム側から
の口調に合わせた適正な口調、すなわち、認識されやす
い速度で発話する可能性が高くなり、それによって、認
識率の向上を図ることができる。また、ユーザの発話の
音量が小さすぎる場合は、システム側からの認識結果に
基づく確認の発話をユーザの音量に比べて大きくはっき
りした口調で行うことにより、ユーザに対し、もっと大
きくはっきりした口調で発話するように自然に誘導する
結果となる。これによって、たとえば、ユーザの発話の
音量が小さすぎて誤認識された場合、ユーザは誤認識の
原因が小さな音量で発話したことにあるのではないかと
気づいて、今度はシステム側からの口調に合わせた大き
くはっきりとした口調、すなわち、認識しやすい音量で
発話する可能性が高くなり、それによって、認識率の向
上を図ることができる。

【００２３】逆に、ユーザの発話の音量が大きすぎる場
合は、システム側からの認識結果に基づく確認の発話を
ユーザの音量に比べて小さな口調で行うことにより、ユ
ーザに対し、もっと大きくはっきりした口調で発話する
ように自然に誘導する結果となる。これによって、たと
えば、ユーザの発話の音量が大きすぎて誤認識された場
合、ユーザは誤認識の原因が大きすぎる音量で発話した
ことにあるのではないかと気づいて、今度はシステム側
からの口調に合わせた適正な口調、すなわち、認識しや
すい音量で発話する可能性が高くなり、それによって、
認識率の向上を図ることができる。

【００２４】また、出力音声決定手段は、ユーザの発話
した音声に他の単語と間違える可能性のある単語が存在
しているか否かを判断し、他の単語と誤認識の可能性の
ある単語が存在している場合には、その単語が他の単語
に置き換え可能であるか否かを判断し、置き換え可能で
あれば、当該単語を他の単語に置き換えて出力するよう
にしている。

【００２５】このように、システム側ではユーザの発話
した間違いやすい単語を他の単語に置き換えてユーザに
対する発話を行うことで、ユーザは自分の発話した単語
は間違いやすい単語であることに気づき、以降はその間
違いやすい単語を、他の間違いにくい単語に置き換えて
発話するようになるので、誤認識されることが少なくな
り、システム間との対話を円滑に行うことができる。

【００２６】また、本発明はユーザの発話した発話内容
の丁寧さの度合いを判断し、丁寧さの度合いがある基準
より大きい場合には、前記ユーザに対して出力する発話
内容の丁寧さの度合いをより小さくし、前記丁寧さの度
合いがある基準より小さい場合には、当該ユーザに対し
て出力する発話内容の丁寧さの度合いをより大きくする
ようにしている。

【００２７】具体的には、ユーザの発話の丁寧さの度合
いが高すぎる場合は、システム側からユーザに対して出
力される発話をユーザの丁寧さの度合いよりも低くした
普通の言い回しで行うことにより、ユーザに対し、もっ
と普通の丁寧さで発話するように自然に誘導する結果と
なる。これによって、たとえば、ユーザの発話が誤認識
された場合、ユーザは誤認識の原因が自分の発話の仕方
が丁寧すぎることにあるのではないかと気づいて、今度
はシステム側からの口調に合わせ普通の丁寧さ、すなわ
ち、認識しやすい丁寧さで発話する可能性が高くなり、
それによって、認識率の向上を図ることができる。

【００２８】逆に、ユーザの発話の丁寧さの度合いが低
すぎる場合は、システム側からユーザに対して出力され
る発話をユーザの丁寧さの度合いよりも高くした普通の
言い回しで行うことにより、ユーザに対し、もっと普通
の丁寧さで発話するように自然に誘導する結果となる。
これによって、たとえば、ユーザの発話が誤認識された
場合、ユーザは誤認識の原因が自分の発話の仕方（丁寧
さ）に問題があるのではないかと気づいて、今度はシス
テム側からの口調に合わせ普通の丁寧さ、すなわち、認
識しやすい丁寧さで発話する可能性が高くなり、それに
よって、認識率の向上を図ることができる。

【００２９】

【発明の実施の形態】以下、本発明の実施の形態につい
て説明する。なお、この実施の形態で説明する内容は、
本発明の音声対話装置および音声対話装置における入力
音声最適化方法についての説明であるとともに、本発明
の音声対話装置における入力音声最適化処理プログラム
の具体的な処理内容についての説明を含むものである。

【００３０】図１は本発明の音声対話装置の全体的な構
成図であり、ユーザの発話した音声を信号処理して、入
力された音声の認識結果としての発話内容（語彙や言い
回しなどに対するテキスト）を取得するとともに、その
発話速度・音量を取得する入力音声処理部１、この入力
音声処理部１で取得された発話速度・音量・発話内容に
応じて、ユーザに対する出力音声の発話速度・音量・発
話内容（語彙や言い回しなど）を決定する出力音声決定
部２と、この出力音声決定部２で決定された音量、発話
速度、発話内容に応じて出力音声を生成する音声出力処
理部３とを有した構成となっている。

【００３１】このように、本発明はユーザの発話した入
力音声の発話速度だけではなく、音量や発話内容（語彙
や言い回しなど）にも着目し、これらユーザの発話した
発話速度・音量・発話内容に応じた応答音声を生成する
ようにし、ユーザとシステムが対話を行っているうち
に、システムが認識するのに都合の良い話し方となるよ
うにユーザの発話の仕方（発話速度・音量・発話内容）
を誘導して行くものである。以下に具体例を参照しなが
ら詳細に説明する。

【００３２】図２は図１で示した構成要件のうちの入力
音声処理部１の構成を示すもので、この入力音声処理部
１は、音響信号処理部１１、音声認識部１２、音声認識
を行う際に用いる言語モデル１３と音響モデル１４を有
している。

【００３３】音響信号処理部１１はユーザの発話した音
声信号を入力して音声認識に必要なデータを取得し、そ
のデータを音声認識部１２に渡す。音声認識部１２は音
響信号処理部１１から渡されたデータを基に言語モデル
１３や音響モデル１４を用いてユーザの発話内容を音声
認識し、その認識結果としてのテキスト１５を出力す
る。

【００３４】また、この音響信号処理部１１ではユーザ
の発話した音声信号から音量１６を取り出すとともに、
ユーザの発話した音声信号と音声認識部１２から出力さ
れたテキストとから発話速度１７を取り出す。そして、
これらテキスト１５と音量１６と発話速度１７を出力音
声決定部２に渡す。

【００３５】出力音声決定部２は、図３に示すように、
ユーザに対して発話を行う際の発話内容を決定する発話
内容決定部２１、ユーザに対して発話を行う際の音量を
決定する音量決定部２２、ユーザに対して発話を行う際
の発話速度を決定する発話速度決定部２３を有してい
る。

【００３６】発話内容決定部２１は入力音声処理部１か
ら渡された認識結果としてのテキスト１５に対し、ユー
ザにどのような発話を行うかの発話内容を決定してそれ
を出力テキスト２４として出力する。

【００３７】音量決定部２２は入力音声処理部１から渡
された音量１６に対し、どのような音量とするかを決定
しそれを出力音量２５として出力する。

【００３８】また、発話速度決定部２３は入力音声処理
部１から渡された発話速度１７に対し、どのような発話
速度とするかを決定しそれを出力発話速度２６として出
力する。

【００３９】そして、これら出力テキスト２４、出力音
量２５、出力発話速度２６は音声出力処理部３に渡され
る。

【００４０】なお、この出力音声決定部２において、認
識結果に対してどのような発話内容とするかや、それを
どのような発話速度と音量で出力するかについての具体
的な例については後述する。

【００４１】図４は音声出力処理部３の構成を示すもの
で、この音声出力処理部３は、音声合成部３１、音声合
成辞書３２、音声出力部３３を有し、出力音声決定部２
から渡されたユーザに対する発話内容を示す出力テキス
ト２４、出力音量２５、出力発話速度２６を受け取る
と、音声合成部３１はこれら出力テキスト２４、出力音
量２５、出力発話速度２６を用い、音声合成辞書３２を
参照して規則合成を行い、その合成結果を音声出力部３
３から出力する。

【００４２】ここで、具体例を用いて本発明の実施の形
態を説明する。ここでは本発明の音声対話装置を鉄道の
乗車券販売窓口に適用した場合の実施の形態について説
明する。

【００４３】たとえば、ユーザが乗車券販売窓口で乗車
券を買おうとしたとき、乗車券販売窓口に設置されてい
る乗車券販売システム（以下、システムという）側がユ
ーザに対して、「ご利用区間を教えてください」と発話
し、それに対して、ユーザがかなり速い発話速度（早
口）で「新宿から渋谷まで」と発話したとする。

【００４４】このようなユーザの発話はこのシステムに
用いられている本発明の音声対話装置の入力音声処理部
１に入力される。そして、そのユーザの発話した音声信
号は、音響信号処理部１１で信号処理されて、音声認識
に必要なデータを音声認識部１２に渡し、音声認識部１
２ではそのデータに基づいた音声認識処理を行う。

【００４５】これによって、ユーザの発話が音声認識さ
れるが、この場合、ユーザが早口で発話したので、正し
く認識されずに、この場合の認識結果は、「しんじゅく
からしずおかまで」と誤認識されたとする。つまり、こ
の場合、ユーザの発話した発話内容のうち、「しぶや」
の部分が「しずおか」と誤認識された例である。なお、
入力音声処理部１の音声認識部１２による認識結果「し
んじゅくからしずおかまで」はテキスト１５として出力
される。

【００４６】さらに、この音響信号処理部１１からはユ
ーザの発話した音声信号から得られる音量１６と、ユー
ザの発話した音声信号と上述の認識結果とを用いて求め
られるユーザの発話速度１７が出力される。

【００４７】これら認識結果としてのテキスト１５
（「しんじゅくからしずおかまで」）と音量１６と発話
速度１７は、それぞれ出力音声決定部２に渡される。

【００４８】出力音声決定部２は、入力音声処理部１か
ら渡された認識結果としてのテキスト１５（「しんじゅ
くからしずおかですか」）に対しては発話内容決定部２
１がユーザに対しどのような発話内容とするかを決定し
てそれを出力テキスト２４とし、音量１６に対しては音
量決定部２２がどのような音量とするかを決定してそれ
を出力音量２５とし、発話速度１７に対しては発話速度
決定部２３がどのような発話速度２６とするかを決定し
てそれを出力発話速度とする。つまり、ユーザに対して
どのような発話内容をどのような発話速度と音量で出力
するかを決定する。

【００４９】なお、ユーザに対してどのような発話内容
とするかは認識結果に応じて予め決めておくことができ
る。たとえば、この例では、乗車券販売システムである
ので、ユーザが希望乗車区間を発話したら、その希望乗
車区間を認識して、その希望乗車区間を確認するような
発話内容とする。

【００５０】つまり、この場合は、ユーザが「新宿から
渋谷まで」と発話したので、本来は、「しんじゅくから
からしぶやですか」と応答すべきであるが、ここでは、
ユーザが早口であったため、「しぶや」を「しずおか」
と誤認識したので、「しんじゅくからしずおかですか」
という出力テキスト２４となる。

【００５１】また、出力音量２５と出力発話速度２６の
決定については、入力音声処理部１から渡された音量１
６と発話速度１７に応じて次のように決定する。

【００５２】まず、出力発話速度を決定する処理手順に
ついて図５のフローチャートを参照しながら説明する。
入力音声処理部１から渡されたユーザの発話速度（これ
をｖで表す）が予め設定した基準範囲内に入っているか
否かを調べる（ステップｓ１）。もし、ユーザの発話速
度ｖが基準範囲内に入っていれば、出力する発話速度は
そのままで良いと判断し、その発話速度ｖをそのまま出
力発話速度２６とする（ステップｓ２）。

【００５３】また、ユーザの発話速度ｖが基準範囲内か
ら外れているとすれば、発話速度ｖをkeyに発話速度テ
ーブル２３１（この発話速度テーブル２３１は図３の発
話速度決定部２３内に設けられているが図３では図示が
省略されている）を参照して、それに対応して設定され
た発話速度Ｖ(v)を取得し（ステップｓ３）、その取得
した発話速度Ｖ(v)を出力発話速度２６とする（ステッ
プｓ４）。

【００５４】なお、この発話速度テーブル２３１には、
ユーザの発話速度ｖが基準範囲内より小さい場合あるい
は大きい場合のユーザのそれぞれの発話速度ｖに対して
設定された出力発話速度Ｖ(v)が記述されている。

【００５５】たとえば、ユーザの発話速度ｖが基準範囲
内より小さい方に外れていた場合（発話速度が遅すぎる
場合）には、そのときのユーザの発話速度ｖをkeyとし
て、この発話速度テーブル２３１を参照すると、そのと
きのユーザの発話速度ｖに対応して設定された発話速度
Ｖ(v)が取得される。なお、このとき取得される発話速
度Ｖ(v)は、ユーザの発話速度ｖよりも速い発話速度で
あるが、システムが認識しやすい適度な速さの発話速度
とするのが好ましい。

【００５６】逆にユーザの発話速度ｖが基準範囲内より
大きい方に外れていた場合（発話速度が速すぎる場合）
には、そのときのユーザの発話速度に対応して設定され
た発話速度Ｖ(v)が取得される。なお、このとき取得さ
れる発話速度Ｖ(v)は、ユーザの発話速度ｖよりも遅い
発話速度であるが、この場合も、システムが認識しやす
い適度な速さの発話速度とするのが好ましい。

【００５７】ところで、ここでの実施の形態では、ユー
ザが基準範囲を外れた速い発話速度ｖで「新宿から渋谷
まで」と発話した例であるため、図５のフローチャート
においては、そのユーザの発話速度ｖをkeyに発話速度
テーブル２３１を参照する処理を行い、それによって、
そのときのユーザの発話速度ｖに対応して設定された発
話速度Ｖ（v)を取得する。この取得された発話速度Ｖ
(v)は、ユーザの発話速度ｖに比べるとゆっくりした発
話速度であり、その発話速度Ｖ(v)が音声出力処理部３
に渡される。

【００５８】次に音量を決定する処理手順について図６
のフローチャートを参照しながら説明する。入力音声処
理部１から渡されたユーザの音量（これをａで表す）
が、予め設定した基準範囲内に入っているか否かを調べ
る（ステップｓ１１）。もし、ユーザの音量ａが基準範
囲内に入っていれば、出力する音量はそのままで良いと
判断し、その音量ａをそのまま出力音量２５とする（ス
テップｓ１２）。

【００５９】また、ユーザの音量ａが基準範囲内から外
れているとすれば、音量ａをkeyに音量テーブル２２１
（この音量テーブル２２１は図３の音量決定部２２内に
設けられているが図３では図示を省略してある）を参照
して、それに対応して設定された音量Ａ(a)を取得し
（ステップｓ１３）、その取得した音量Ａ(a)を出力音
量２５とする（ステップｓ１４）。

【００６０】なお、この音量テーブル２２１には、ユー
ザの音量が基準範囲内より小さい場合あるいは大きい場
合のユーザのそれぞれの音量ａに対する出力音量Ａ(a)
が記述されている。

【００６１】たとえば、ユーザの音量ａ１が基準範囲内
より小さい方に外れていた場合（発話の音量が小さすぎ
る場合）には、そのときのユーザの発話速度ａをkeyと
して、この音量テーブル２２１を参照すると、そのとき
のユーザの音量ａに対応して設定された音量Ａ(a) が取
得される。なお、このとき取得される音量Ａ(a)は、ユ
ーザの音量ａよりも大きい音量であるが、この場合も、
システムが認識しやすい適度な音量とするのが好まし
い。

【００６２】逆にユーザの音量ａが基準範囲内より大き
い方に外れていた場合（発話の音量が大きすぎる場合）
には、そのときのユーザの音量に対応して設定された音
量Ａ(a) が取得される。なお、このとき取得される音量
Ａ(a)は、ユーザの音量ａよりも小さい音量であるが、
この場合も、システムが認識しやすい適度な音量とする
のが好ましい。

【００６３】なお、ここでの例は、ユーザの発話速度は
速すぎるが音量は基準範囲内であるとして考える。した
がって、図６におけるフローチャートにおいては、その
ユーザの音量ａはその音量で良いと判断されて、ユーザ
の音量ａをそのまま出力音量２５とする（ステップｓ１
１，ｓ１２）。

【００６４】以上のようにして出力音声決定部２では、
ユーザの発話した発話内容・発話速度・音量に応じて、
システム側からはどのような発話内容をどのような発話
速度と音量で出力するかが決定され、その発話内容に対
する出力テキスト２４と、その出力音量２５、出力発話
速度２６が音声出力処理部３に渡される。

【００６５】この例では、出力音声決定部２から音声出
力処理部３に渡される認識結果に基づく出力テキスト
は、「しんじゅくからしずおかですか」であり、出力発
話速度２６は発話速度テーブル２３１を参照して取得さ
れた発話速度Ｖ(v)つまりユーザの発話した発話速度ｖ
よりもゆっくりした発話速度であり、出力音量はユーザ
の発話した音量ａである。

【００６６】出力音声処理部３はこれらのデータが出力
音声決定部２から渡されると、音声合成部３１では、こ
れらのデータに基づき音声合成辞書３２を参照して音声
合成処理を行い、その音声合成結果である合成音声を音
声出力部３３から出力する。

【００６７】この音声出力部３３から出力される合成音
声はこの例では、「しんじゅくからしずおかですか」と
いった発話内容が、ユーザの発話した「新宿から渋谷ま
で」に比べてゆっくりした発話速度Ｖ(v)で発話され
る。なお、音量はユーザの発話した音量ａと同様の音量
である。

【００６８】このようなシステム側とユーザ側の一連の
対話内容を図７に示す。図７（ａ）はシステム側の発話
内容であり、その発話内容は乗車券を購入しようとする
ユーザに対し、「ご利用区間を教えてください」であ
る。

【００６９】これに対して、ユーザは図７（ｂ）に示す
ように、速い発話速度で「新宿から渋谷まで」と発話
し、それをシステム側の入力音声処理部１が音声認識処
理し、出力音声決定部２がその認識結果に基づいてユー
ザの発話内容の確認を行うための出力テキスト２４を決
定するとともに、出力発話速度２６と出力音量２５決定
し、これらのデータを音声出力処理部３に渡す。

【００７０】これによって、音声出力処理部３では、こ
の場合、図７（ｃ）に示すように、「しんじゅくからし
ずおかですか」とゆっくりした発話速度（ただし、この
例では音量はユーザの音量と同様）で発話する。この図
７（ｃ）における下線を施した部分がゆっくりした発話
速度となっている部分である。

【００７１】このように、システム側からは、ユーザに
対しユーザの発話した発話速度ｖに比べてゆっくりした
発話速度Ｖ(v)でユーザの乗車券購入区間の確認を示す
発話内容が出力されるが、この例では、誤った認識がな
されているので、ユーザはそれを訂正する発話を行うこ
とになる。このとき、システム側からの発話がゆっくり
した口調であるので、ユーザは誤認識となった原因が自
分が早口で発話したことにあるのではないかといったこ
とに気づいて、今度はシステム側からの口調に合わせた
ゆっくりした速度で図７（ｄ）に示すように、「しんじ
ゅくからしぶやまで」と発話する。この図７（ｄ）にお
いて下線を施した部分がゆっくりした発話速度となって
いることを示す。

【００７２】このように、ユーザの発話がこの場合、早
口過ぎて誤認識された例であり、その場合、システム側
からの認識結果に基づく確認の発話内容（上述の例では
「しんじゅくからしずおかですか」）をユーザの発話速
度ｖに比べてゆっくりした発話速度で行うことにより、
ユーザに対し、もっとゆっくりした認識し易い発話速度
で発話するように自然に誘導する結果となる。

【００７３】これによって、ユーザは上述したように、
誤認識の原因が早口で発話したことにあるのではないか
と気づいて、今度はシステム側からの口調に合わせたゆ
っくりした発話速度、すなわち、システムが認識しやす
い発話速度で発話する可能性が高くなり、それによっ
て、認識率の向上を図ることができる。

【００７４】また、ユーザの発話速度が基準範囲から外
れるほど遅すぎる場合も同様に考えることができる。こ
の場合のユーザの発話速度をｖとすれば、図５のフロー
チャートにおいて、ユーザの発話速度ｖをkeyに発話速
度テーブル２３１を参照してそれに対応した発話速度Ｖ
(v)を取得する。この取得された発話速度Ｖ(v)は、ユー
ザのゆっくり過ぎる発話速度ｖに比べると、より速い発
話速度である。

【００７５】このように、ユーザの発話速度ｖが基準範
囲から外れるほど遅すぎる場合は、ユーザの発話速度ｖ
に比べるとより速い発話速度Ｖ(v)が取得され、その発
話速度Ｖ(v)が音声出力処理部３に渡される。それ以外
の処理は、上述のユーザの発話速度ｖが基準範囲から外
れるほど速すぎる場合の処理に準じて行うことができる
ので、ここではその説明は省略する。

【００７６】この場合は、システム側からはユーザのゆ
っくり過ぎる発話速度よりも速い発話速度（たとえば、
システムが認識処理する上で都合のよい発話速度）での
発話がなされるので、ユーザはそのシステム側から発話
される音声を聞くことによって、このシステムはその程
度の発話速度が最適であることを知る。これによって、
ユーザは以降にこのシステムを利用するときにはその発
話速度を念頭に置いて発話するようになることが期待で
きる。

【００７７】なお、上述した例では、ユーザの発話速度
が基準範囲から外れることによって誤認識された場合に
ついての説明であったが、ユーザの発話の発話速度が基
準範囲から外れても正しく認識される場合もある。その
場合は、その正しく認識された結果に対してユーザに出
力される発話内容（この例では「しんじゅくからしぶや
ですか」）が、ユーザの発話速度が速すぎる場合にはそ
れよりもゆっくしりした発話速度（上述したように、た
とえば、システムが認識処理する上で都合のよい発話速
度）で出力され、また、ユーザの発話速度が遅すぎる場
合にはそれよりも速い発話速度（上述したように、たと
えば、システムが認識処理する上で都合のよい発話速
度）で出力されることになる。

【００７８】このように、ユーザの発話内容が正しく認
識されたか誤認識されたかに係わらず、ユーザの発話内
容が基準範囲から外れた場合には、その認識結果に対し
てシステム側からユーザに出力される発話内容は、たと
えば、システムが認識処理する上で都合のよい発話速度
で出力されることになる。

【００７９】ユーザはシステム側から発話される音声の
発話速度を聞くことによって、このシステムはその程度
の発話速度が最適であることを知ることができる。つま
り、システム側はユーザに対してシステムが認識処理す
る上で都合の良い発話速度を示唆するすものとなり、そ
れによって、ユーザは以降にこのシステムを利用すると
きにはその発話速度を念頭に置いて発話するようになる
ことが期待できる。

【００８０】以上の説明は、ユーザの発話速度が基準範
囲を外れるほど速すぎたり遅すぎたりした例であった
が、ユーザの発話する音量が基準範囲を外れるほど大き
く過ぎたり小さすぎたりした場合についても同様に考え
ることができる。

【００８１】この音量については図６のフローチャート
で説明したように、ユーザの発話する音量ａが基準範囲
を外れるほど大きすぎる場合には、そのときのユーザの
音量ａに対応して設定された音量Ａ(a) が取得される。
なお、このとき取得される音量Ａ(a)は、ユーザの音量
ａよりも小さい音量であり、その取得した音量Ａ(a)で
ユーザに対する出力テキスト２４を音声合成部３１処理
してユーザに対する発話内容を出力する。

【００８２】この合成音声を聞いたユーザは、システム
側からの発話が自分の発話した音量よりも小さな音量と
なっているので、そのシステム側から発話される音声を
聞くことによって、このシステムはその程度の音量が最
適であることを知ることができる。これによって、ユー
ザは以降にこのシステムを利用するときにはその音量を
念頭に置いて発話するようになることが期待できる。

【００８３】また、音量が基準範囲を外れるほど小さす
ぎる場合には、そのときのユーザの音量ａに対応して設
定された音量Ａ(a) が取得される。なお、このとき取得
される音量Ａ(a)は、ユーザの音量ａよりも大きい音量
であり、その取得した音量Ａ(a)でユーザに対する出力
テキスト２４を音声合成部３１処理してユーザに対する
発話内容を出力する。

【００８４】この音声合成処理された発話内容を聞いた
ユーザは、システム側からの発話が自分の発話した音量
よりも大きな音量となっているので、そのシステム側か
ら発話される音声を聞くことによって、このシステムは
その程度の大きさの音量が最適であることを知ることが
できる。これによって、ユーザは以降にこのシステムを
利用するときにはその音量を念頭に置いて発話するよう
になることが期待できる。

【００８５】図８はユーザの発話の音量が小さ過ぎて誤
認識された場合のシステム側とユーザ側の対話内容を示
すもので、図８（ａ）に示すようにシステム側がユーザ
に対し、「ご利用区間を教えてください」と発話したと
き、ユーザは図８（ｂ）に示すように、基準を外れるほ
ど小さな音量で「新宿から渋谷まで」と発話したとす
る。このユーザの発話はシステム側の入力音声処理部１
に入力されて音声認識処理される。

【００８６】そして、出力音声決定部２がその認識結果
に基づいてユーザの発話内容の確認を行うための出力テ
キスト２４を決定するとともに、それをどのような発話
速度と音量とするかを示す出力発話速度２６と出力音量
２５決定し、これらのデータを音声出力処理部３に渡
す。これによって、音声出力処理部３では、図８（ｃ）
に示すように、「しんじゅくからしずおかですか」と大
きな音量で発話する。この図８（ｃ）における太線部分
が大きな音量となっている部分である。

【００８７】このように、システム側からは、ユーザに
対しユーザの発話した音量ａに比べて大きな音量Ａ(a)
でユーザの乗車券購入区間の確認を示す発話内容が発話
されるが、この例では、誤った認識がなされているの
で、ユーザはそれを訂正する発話を行うことになる。

【００８８】このとき、システム側からの発話が大きな
音量でなされているので、ユーザは誤認識となった原因
が自分が小さな音量で発話したことにあるのではないか
といったことに気づいて、今度はシステム側からの音量
に合わせた大きな音量で図８（ｄ）に示すように、「し
んじゅくからしぶやまで」と再度発話する。この図８
（ｄ）における太線部分が大きな音量となっていること
を示す。

【００８９】このように、ユーザの発話がこの場合、音
量が小さすぎて誤認識された例であり、その場合、シス
テム側からの認識結果に基づく確認の発話内容（上述の
例では「しんじゅくからしずおかですか」）をユーザの
音量ａに比べて大きな音量で行うことにより、ユーザに
対し、もっと大きな音量で発話するように自然に誘導す
る結果となる。

【００９０】これによって、ユーザは上述したように、
誤認識の原因が小さな音量で発話したことにあるのでは
ないかと気づいて、今度はシステム側からの口調に合わ
せた大きくはっきりとした口調、すなわち、認識しやす
い音量で発話する可能性が高くなり、それによって、認
識率の向上を図ることができる。

【００９１】なお、上述した例において、話者の発話の
発話速度が速すぎて、かつ、音が小さすぎる場合、話者
の発話の発話速度が速すぎて、かつ、音が大きすぎる場
合、話者の発話の発話速度が遅すぎて、かつ、音が小さ
すぎる場合、話者の発話の発話速度が遅すぎて、かつ、
音が大きすぎる場合などのように、発話速度と音量の両
方が基準範囲を外れるような場合の制御も前述同様に行
うことができることは勿論であるが、これについての説
明は省略する。

【００９２】また、上述した発話速度や音量の制御（図
７(c)や図８(c)）は、それぞれの単語やセンテンスごと
に行うことが可能である。たとえば、図７（ｃ）の例で
は、「しんじゅくからしずおかですか」という発話内容
において、アンダラインを施した部分つまり、「しんじ
ゅく」と「しずおか」の部分だけを、この図７（ｃ）の
場合、ゆっくりした発話速度に設定しているが、「か
ら」や「ですか」の部分に対しても発話速度を所定の速
度に設定することも可能である。また、音量についても
発話速度の場合と同様にそれぞれの単語やセンテンスご
とに所定の音量を設定することが可能である。

【００９３】次に、ユーザの発話した音声に間違いやす
い単語が存在する場合、その間違いやすい単語を他の間
違いにくい単語に置き換えることができれば、その間違
いにくい単語に置き換えてシステム側から出力する例に
ついて前述と同じく乗車券販売システムの例で説明す
る。

【００９４】たとえば、システム側がユーザに対して
「何時の列車がご希望ですか」と聞いて、ユーザが「し
ちじ（７時）」と発話した場合、それをシステム側で音
声認識し、それが正しく認識された場合、システム側か
らは「しちじ（７時）でよろしいでしょうか」と発話す
るのではなく、「しちじ」の部分を「ななじ（７時）」
に置き換えて、「ななじ（７時）でよろしいでしょう
か」と発話する例が考えられる。

【００９５】この場合、もし、認識結果をそのまま用い
て「しちじでよろしいでしょうか」と発話すると、それ
を聞くユーザ側では、７時か１時かどちらか確認しにく
い場合もあり、本当に「７時」として認識されたのか不
安になる。これを防ぐため、システム側では、間違いや
すい単語については、その単語を他の間違いにくい単語
に置き換ることができる場合には、その間違いにくい単
語に置き換えて発話する。

【００９６】これを実現するには、出力音声決定部２が
入力音声処理部１から認識結果としてのテキスト１５を
受け取ると、その認識結果が間違いやすい単語であるか
否かを判断し、間違いやすい単語であれば、その間違い
やすい単語を他の単語に置き換え可能かどうかを判断す
る。そして、他の単語に置き換えられれば、その置き換
えられる単語を取得して、それを用いた出力テキストを
作成してそれを音声出力処理部３に渡す。

【００９７】これは、そのシステムが取り扱う単語の中
で、どのような単語が間違いやすいかを予め調べておく
とともに、その間違いやすい単語が他の単語に置き換え
られるかを調べ、間違いやすいとされるそれぞれの単語
対応に置き換え後の単語が記述されたテーブルを持つこ
とで実現できる。

【００９８】たとえば、上述したように、認識結果に
「しちじ」が含まれるような場合、その「しちじ」は間
違いやすい単語として判断され、その間違いやすい「し
ちじ」が他の単語に置き換えできるかをテーブル参照に
よって判断すると、この場合、「しちじ」は「ななじ」
に置き換えられることがわかり、認識結果の「しちじ」
の部分を「ななじ」に置き換える。

【００９９】このように、間違いやすい単語は、その単
語を他の単語で置き換えが可能であれば、他の単語に置
き換えることで、ユーザに正しい情報を伝達することが
できる。また、システム側からこのような間違いやすい
単語を他の単語に置き換えることで、ユーザも以降はそ
のような単語は、間違いを起こしにくい単語を用いて発
話することが期待できるので、システム間との対話を円
滑に行うことができる。

【０１００】次に、ユーザの発話内容の丁寧さの度合い
に応じて、システム側からユーザに対して出力する発話
内容の丁寧さの度合いを制御して、システムが認識しや
すい丁寧さの度合いでユーザに発話してもらうように誘
導する例について説明する。

【０１０１】ユーザによっては用いる丁寧さの度合いは
様々であり、認識側からすると、基準範囲を外れた丁寧
さの度合い、つまり、あまりにも砕けた言い回しや、あ
まりにも丁寧さの度合いの高い言い回しは認識率が悪
い。これに対処するために、ユーザの発話内容を認識
し、その認識結果を構文解析し、認識結果として得られ
たユーザの発話した発話内容に存在する語彙や言い回し
などから、丁寧さの度合いを判断し、その丁寧さの度合
いに応じてシステム側からユーザに対して行う発話内容
の丁寧さを変える。

【０１０２】この丁寧さの度合いを判断し、その丁寧さ
の度合いに応じてシステム側からの応答出力の丁寧さを
変える処理は、前述の音量や発話速度と同様の考え方で
実現することができる。

【０１０３】すなわち、出力音声決定部２では、予め基
準範囲となる丁寧さの度合いを設定しておき、ユーザの
発話内容を音声認識して得られたテキストの中にその基
準範囲を外れる言い回しなどがあるか否かを判断し、丁
寧さの度合いの基準範囲を外れる語彙や言い回しなどに
ついては、より適切な語彙や言い回しなどに変えた内容
として音声出力処理部３に渡す。

【０１０４】これによって、音声出力処理部３からは適
切な丁寧さの度合いを有した発話内容をユーザに出力す
るので、ユーザは以降はシステム側から出力される丁寧
さのの度合いに合わせた言い回しで発話するようにな
り、認識率の向上を図ることができる。

【０１０５】なお、以上の説明では、システムが認識し
やすい適切な音量への誘導、システムが認識しやすい適
切な発話速度への誘導、間違いにくい単語の使用への誘
導、適切な丁寧さの度合いへの誘導をそれぞれ個別に説
明したが、これらは、それぞれを組み合わせて、より適
切な音量、発話速度、間違いにくい単語の使用、適切な
丁寧さの度合いとなるようにユーザの発話を誘導して行
くことで、システム側では認識率が向上し、効率よく適
切な音声対話が可能となる。

【０１０６】なお、本発明は以上説明した実施の形態に
限定されるものではなく、本発明の要旨を逸脱しない範
囲で種々変形実施可能となるものである。たとえば、前
述の実施の形態では、システム側から出力する音声は、
出力音声決定部２から渡された出力テキストや出力音
量、出力発話速度を用いて規則合成処理することによっ
て生成するようにしたが、予め録音してある音声データ
を再生するような方式であってもよい。

【０１０７】その場合、出力音声決定部２の発話内容決
定部２１は、入力音声処理部１から渡された認識結果と
してのテキスト１５の内容に応じて、どのような発話内
容を出力するかを指示する発話内容指示番号を出力する
機能を有し、この発話内容指示番号と、音量決定部２２
で決定された出力音量２５と、発話速度決定部２３で決
定された出力発話速度２６とを音声出力処理部３に渡す
ようにする。

【０１０８】この場合、音声出力生成部３は図９のよう
に構成され、話速変換部３４が出力音声決定部２からの
発話内容指示番号（これに符号２７を付す）、出力音量
２５、出力発話速度２６を受け取り、その発話内容指示
番号２７に対応する音声録音データを音声録音データテ
ーブル３５から取得し、取得した音声録音データに対
し、出力音声決定部２から渡された出力発話速度を用い
て話速変換するとともに音量２５を用いて所定の音量と
し、それを音声出力部３３に渡し、この音声出力部３３
では話速変換された音声を出力音声決定部２から録音再
生音声として出力する。

【０１０９】このように、システム側から出力する音声
の生成は規則合成による処理だけに限られるものではな
く、録音された音声を選択し、その選択された音声を出
力音声決定部２で決定された出力発話速度に話速変換す
るとともに、出力音声決定部２で決定された出力音量に
して出力するようにしてもよい。

【０１１０】この方式は、システム側から出力する発話
内容の種類があまり多くないような場合には有効であ
る。

【０１１１】また、前述の実施の形態では、本発明を乗
車券販売システムに適用した例について説明したが、本
発明はこれに限られるものではなく、ユーザとシステム
とが音声によって情報をやりとりするシステムに広く適
用することができる。

【０１１２】また、本発明は、以上説明した本発明を実
現するための処理手順が記述された処理プログラムを作
成し、その処理プログラムをフロッピィディスク、光デ
ィスク、ハードディスクなどの記録媒体に記録させてお
くことができ、本発明はその処理プログラムが記録され
た記録媒体をも含むものである。また、ネットワークか
ら当該処理プログラムを得るようにしてもよい。

【０１１３】

【発明の効果】以上説明したように本発明によれば、ユ
ーザの発話した音声の発話速度・音量・発話内容に応じ
て、ユーザに対する出力音声の発話速度・音量・発話内
容を決定して、その決定された発話速度・音量・発話内
容に基づいた出力音声を生成してそれをユーザに出力す
るようにしている。このように、ユーザの発話した音声
の発話速度・音量・発話内容に応じて、ユーザに対する
出力音声の発話速度・音量・発話内容を変えてユーザに
応答するといった処理を繰り返すことで、ユーザの発話
速度・音量・発話内容がそのシステムにとって最適にな
るようにユーザを自然に誘導することができ、それによ
って、認識率を高めることができ、ユーザとの対話を円
滑かつ正確に行うことができるようになる。

【０１１４】具体的には、ユーザの発話の発話速度が速
すぎる場合は、システム側からの認識結果に基づく確認
の発話をユーザの発話速度に比べてゆっくりした口調で
行い、逆に、ユーザの発話の発話速度が遅すぎる場合
は、システム側からの認識結果に基づく確認の発話をユ
ーザの発話速度に比べて速い口調で行うことにより、ユ
ーザに対し、適正な発話速度で発話するように自然に誘
導することができる。

【０１１５】同様に、ユーザの発話の音量が大きすぎる
場合は、システム側からの認識結果に基づく確認の発話
をユーザの音量に比べて小さくし、逆に、ユーザの発話
の音量が小さすぎる場合は、システム側からの認識結果
に基づく確認の発話をユーザの音量に比べて大きくする
ことにより、ユーザに対し、適正な音量で発話するよう
に自然に誘導することができる。また、ユーザの発話の
丁寧さの度合いが高すぎる場合は、システム側からの認
識結果に基づく確認の発話をユーザの丁寧さの度合いに
比べて引くくし、逆に、ユーザの発話の丁寧さの度合い
が低すぎる場合は、システム側からの認識結果に基づく
確認の発話をユーザの丁寧さの度合いに比べて高くする
ことにより、ユーザに対し、適正な丁寧さで発話するよ
うに自然に誘導することができる。

【０１１６】さらに、ユーザの発話内容に間違いやすい
単語があって、その単語が他の単語に置き換え可能であ
るときは、他の単語に置き換えてユーザに出力すること
によって、そのような単語については間違いにくい単語
を使用するように誘導することもでる。

【０１１７】このように、本発明はシステムが処理する
上で都合のよい発話速度、音量、発話内容（語彙や言い
回しなど）を用いて発話するように、ユーザを自然に誘
導することができるので、ユーザの発話内容をシステム
側が適切に認識できるようになり、システムとユーザと
の音声対話を円滑に行うことができる。

【図面の簡単な説明】

【図１】本発明の実施の形態に用いられる音声対話装置
の全体的な構成図である。

【図２】図１で示した音声対話装置における入力音声処
理部１の構成を説明する図である。

【図３】図１で示した音声対話装置における出力音声決
定部２の構成を説明する図である。

【図４】図１で示した音声対話装置における音声出力処
理部３の構成を説明する図である。

【図５】図３で示した出力音声決定部２における発話速
度決定部２３の発話速度を決定する処理手順を説明する
フローチャートである。

【図６】図３で示した出力音声決定部２における音量決
定部２２の音量を決定する処理手順を説明するフローチ
ャートである。

【図７】システム側とユーザとの対話の一例を示す図で
あり、ユーザが速い発話速度で発話し、それに対してシ
ステム側からゆっくりした発話速度で応答する例を示す
図である。

【図８】システム側とユーザとの対話の一例を示す図で
あり、ユーザが小さい音量で発話し、それに対してシス
テム側から大きな音量で応答する例を示す図である。

【図９】本発明の他の実施の形態を説明する図であり、
システム側からユーザに対して出力する音声を録音音声
を選択して再生する場合の音声出力処理部３の構成を示
す図である。

【符号の説明】

１ 入力音声処理部 ２ 出力音声決定部 ３ 音声出力処理部 １１ 音響信号処理部 １２ 音声認識部 １５ テキスト １６ 音量 １７ 発話速度 ２１ 発話内容決定部 ２２ 音量決定部 ２３ 発話速度決定部 ２４ 出力テキスト ２５ 出力音量 ２６ 出力発話速度 ３１ 音声合成部 ３２ 音声合成辞書 ３３ 音声出力部 ３４ 話速変換部 ３５ 音声録音データテーブル ２２１ 音量テーブル ２３１ 発話速度テーブル

───────────────────────────────────────────────────── フロントページの続き (51)Int.Cl.⁷ 識別記号 ＦＩ テーマコート゛(参考） Ｇ１０Ｌ 3/00 ５６１Ｅ

Claims (15)

【特許請求の範囲】
1. 【請求項１】 ユーザとの情報のやりとりを音声によっ
   て行う音声対話装置において、 ユーザの発話した音声を処理して、その音声の認識結果
   としての発話内容を取得するとともに、その発話速度と
   音量を取得する入力音声処理手段と、 この入力音声処理手段で取得された前記入力音声の発話
   速度・音量・発話内容に応じて、前記ユーザに対する出
   力音声の発話速度・音量・発話内容を決定する出力音声
   決定手段と、 この出力音声決定部で決定された発話速度・音量・発話
   内容に基づいた出力音声を生成する音声出力処理手段
   と、 を有したことを特徴とする音声対話装置。
2. 【請求項２】 前記出力音声決定手段が行うユーザに対
   する出力音声の発話速度を決定する処理は、 前記ユーザの発話した音声の発話速度がある基準となる
   発話速度より速い場合には、音声認識し易い発話速度を
   前記ユーザに示唆するために、前記ユーザに対する出力
   音声の発話速度を前記ユーザの発話速度よりも遅い速度
   に設定し、 前記ユーザの発話した音声の発話速度がある基準となる
   発話速度より遅い場合には、音声認識し易い発話速度を
   前記ユーザに示唆するために、前記ユーザに対する出力
   音声の発話速度を前記ユーザの発話速度よりも速い速度
   に設定することを特徴とする請求項１記載の音声対話装
   置。
3. 【請求項３】 前記出力音声決定手段が行うユーザに対
   する出力音声の音量を決定する処理は、 前記ユーザの発話した音声の音量がある基準となる音量
   より大きい場合には、音声認識し易い音量を前記ユーザ
   に示唆するために、前記ユーザに対する出力音声の音量
   を前記ユーザの音量よりも小さい音量に設定し、 前記ユーザの発話した音声の音量がある基準となる音量
   より小さい場合には、音声認識し易い音量を前記ユーザ
   に示唆するために、前記ユーザに対する出力音声の音量
   を前記ユーザの音量よりも大きい音量に設定することを
   特徴とする請求項１または２に記載の音声対話装置。
4. 【請求項４】 前記出力音声決定手段がユーザに対する
   出力音声の発話内容を決定する際、前記ユーザの発話し
   た音声に、他の単語と間違える可能性のある単語が存在
   しているか否かを判断し、他の単語と間違える可能性の
   ある単語が存在している場合には、その単語が他の単語
   に置き換え可能であるか否かを判断し、置き換え可能で
   あれば、当該単語を他の単語に置き換えて出力すること
   を特徴とする請求項１から３のいすれかに記載の音声対
   話装置。
5. 【請求項５】 前記出力音声決定手段がユーザに対する
   出力音声の発話内容を決定する際、前記ユーザの発話し
   た発話内容の丁寧さの度合いを判断する処理を行い、 丁寧さの度合いがある基準より高い場合には、音声認識
   し易い丁寧さの度合いを前記ユーザに示唆するために、
   前記ユーザに対する発話内容の丁寧さの度合いを前記ユ
   ーザの丁寧さの度合いよりも低く設定する処理を行い、 丁寧さの度合いがある基準より低い場合には、音声認識
   し易い丁寧さの度合いを前記ユーザに示唆するために、
   前記ユーザに対する発話内容の丁寧さの度合いを前記ユ
   ーザの丁寧さの度合いよりも高く設定する処理を行うこ
   とを特徴とする請求項１から４のいずれかに記載の音声
   対話装置。
6. 【請求項６】 ユーザの発話した音声を音声認識処理す
   る上で適切な認識処理を可能とするようにユーザの発話
   する音声を最適化する音声対話装置における入力音声最
   適化方法であって、その入力音声最適化方法は、 ユーザの発話した音声を処理して、その音声の認識結果
   としての発話内容を取得するとともに、その発話速度と
   音量を取得し、 それによって取得された前記入力音声の発話速度・音量
   ・発話内容に応じて、前記ユーザに対する出力音声の発
   話速度・音量・発話内容を決定し、 それによって決定された発話速度・音量・発話内容に基
   づいた出力音声を生成することを特徴とする音声対話装
   置における入力音声最適化方法。
7. 【請求項７】 前記ユーザに対する出力音声の発話速度
   を決定する処理は、 前記ユーザの発話した音声の発話速度がある基準となる
   発話速度より速い場合には、音声認識し易い発話速度を
   前記ユーザに示唆するために、前記ユーザに対する出力
   音声の発話速度を前記ユーザの発話速度よりも遅い速度
   に設定し、 前記ユーザの発話した音声の発話速度がある基準となる
   発話速度より遅い場合には、音声認識し易い発話速度を
   前記ユーザに示唆するために、前記ユーザに対する出力
   音声の発話速度を前記ユーザの発話速度よりも速い速度
   に設定することを特徴とする請求項６記載の音声対話装
   置における入力音声最適化方法。
8. 【請求項８】 前記ユーザに対する出力音声の音量を決
   定する処理は、 前記ユーザの発話した音声の音量がある基準となる音量
   より大きい場合には、音声認識し易い音量を前記ユーザ
   に示唆するために、前記ユーザに対する出力音声の音量
   を前記ユーザの音量よりも小さい音量に設定し、 前記ユーザの発話した音声の音量がある基準となる音量
   より小さい場合には、音声認識し易い音量を前記ユーザ
   に示唆するために、前記ユーザに対する出力音声の音量
   を前記ユーザの音量よりも大きい音量に設定することを
   特徴とする請求項６または７記載の音声対話装置におけ
   る入力音声最適化方法。
9. 【請求項９】 前記ユーザに対する出力音声の発話内容
   を決定する際、前記ユーザの発話した音声に、他の単語
   と間違える可能性のある単語が存在しているか否かを判
   断し、他の単語と間違える可能性のある単語が存在して
   いる場合には、その単語が他の単語に置き換え可能であ
   るか否かを判断し、置き換え可能であれば、当該単語を
   他の単語に置き換えて出力することを特徴とする請求項
   ６から８のいずれかに記載の音声対話装置における入力
   音声最適化方法。
10. 【請求項１０】 前記ユーザに対する出力音声の発話内
    容を決定する際、前記ユーザの発話した発話内容の丁寧
    さの度合いを判断する処理を行い、 丁寧さの度合いがある基準より高い場合には、音声認識
    し易い丁寧さの度合いを前記ユーザに示唆するために、
    前記ユーザに対する発話内容の丁寧さの度合いを前記ユ
    ーザの丁寧さの度合いよりも低く設定する処理を行い、 丁寧さの度合いがある基準より低い場合には、音声認識
    し易い丁寧さの度合いを前記ユーザに示唆するために、
    前記ユーザに対する発話内容の丁寧さの度合いを前記ユ
    ーザの丁寧さの度合いよりも高く設定する処理を行うこ
    とを特徴とする請求項６から９のいずれかに記載の音声
    対話装置における入力音声最適化方法。
11. 【請求項１１】 ユーザの発話した音声を音声認識処理
    する上で適切な認識処理を可能とするようにユーザの発
    話する音声を最適化制御する音声対話装置における入力
    音声最適化処理プログラムであって、その入力音声最適
    化処理プログラムは、 ユーザの発話した音声を処理して、その音声の認識結果
    としての発話内容を取得するとともに、その発話速度と
    音量を取得する手順と、 それによって取得された前記入力音声の発話速度・音量
    ・発話内容に応じて、前記ユーザに対する出力音声の発
    話速度・音量・発話内容を決定する手順と、 それによって決定された発話速度・音量・発話内容に基
    づいた出力音声を生成する手順と、 を含むことを特徴とする音声対話装置における入力音声
    最適化処理プログラム。
12. 【請求項１２】 前記ユーザに対する出力音声の発話速
    度を決定する処理は、 前記ユーザの発話した音声の発話速度がある基準となる
    発話速度より速い場合には、音声認識し易い発話速度を
    前記ユーザに示唆するために、前記ユーザに対する出力
    音声の発話速度を前記ユーザの発話速度よりも遅い速度
    に設定し、 前記ユーザの発話した音声の発話速度がある基準となる
    発話速度より遅い場合には、音声認識し易い発話速度を
    前記ユーザに示唆するために、前記ユーザに対する出力
    音声の発話速度を前記ユーザの発話速度よりも速い速度
    に設定することを特徴とする請求項１１記載の音声対話
    装置における入力音声最適化処理プログラム。
13. 【請求項１３】 前記ユーザに対する出力音声の音量を
    決定する処理は、 前記ユーザの発話した音声の音量がある基準となる音量
    より大きい場合には、音声認識し易い音量を前記ユーザ
    に示唆するために、前記ユーザに対する出力音声の音量
    を前記ユーザの音量よりも小さい音量に設定し、 前記ユーザの発話した音声の音量がある基準となる音量
    より小さい場合には、音声認識し易い音量を前記ユーザ
    に示唆するために、前記ユーザに対する出力音声の音量
    を前記ユーザの音量よりも大きい音量に設定することを
    特徴とする請求項１１または１２記載の音声対話装置に
    おける入力音声最適化処理プログラム。
14. 【請求項１４】 前記ユーザに対する出力音声の発話内
    容を決定する際、前記ユーザの発話した音声に、他の単
    語と間違える可能性のある単語が存在しているか否かを
    判断し、他の単語と間違える可能性のある単語が存在し
    ている場合には、その単語が他の単語に置き換え可能で
    あるか否かを判断し、置き換え可能であれば、当該単語
    を他の単語に置き換えて出力することを特徴とする請求
    項１１から１３のいずれかに記載の音声対話装置におけ
    る入力音声最適化処理プログラム。
15. 【請求項１５】 前記ユーザに対する出力音声の発話内
    容を決定する際、前記ユーザの発話した発話内容の丁寧
    さの度合いを判断する処理を行い、 丁寧さの度合いがある基準より高い場合には、音声認識
    し易い丁寧さの度合いを前記ユーザに示唆するために、
    前記ユーザに対する発話内容の丁寧さの度合いを前記ユ
    ーザの丁寧さの度合いよりも低く設定する処理を行い、 丁寧さの度合いがある基準より低い場合には、音声認識
    し易い丁寧さの度合いを前記ユーザに示唆するために、
    前記ユーザに対する発話内容の丁寧さの度合いを前記ユ
    ーザの丁寧さの度合いよりも高く設定する処理を行うこ
    とを特徴とする請求項１１から１４のいずれかに記載の
    音声対話装置における入力音声最適化処理プログラム。