JP2010151941A

JP2010151941A - 音声応答装置、及びプログラム

Info

Publication number: JP2010151941A
Application number: JP2008327702A
Authority: JP
Inventors: Takakatsu Yoshimura; 貴克吉村; Yusuke Nakano; 雄介中野
Original assignee: Toyota Motor Corp; Toyota Central R&D Labs Inc
Current assignee: Toyota Motor Corp; Toyota Central R&D Labs Inc
Priority date: 2008-12-24
Filing date: 2008-12-24
Publication date: 2010-07-08
Anticipated expiration: 2028-12-24
Also published as: JP5088314B2

Abstract

【課題】入力された音声を棄却する場合に、より適切な対応を行う。
【解決手段】生成された所定個の発話内容の候補から無音を示す候補、及び生成された所定個の発話内容の候補の各々に対して形態素解析を行って候補の各々から自立語を抽出し（１０２、１０６）、生成された所定個の発話内容の候補中に、無音を示す候補が存在する場合、及び自立語を含まない候補が存在する場合には、入力された発話音声を無視するように、表示装置１８及びスピーカ１６から応答内容２６が応答されないように制御する（１０４でＹ、１０８でＹ）。
【選択図】図３

Description

本発明は、音声応答装置、及びプログラムに関する。

従来、入力された音声を認識して、認識結果と用例（事例）テキストとの単語の一致数を表すスコアを計算して、スコアが最も高い事例を適切な事例として選択し、この選択された事例に対応する応答内容（応答候補文）を出力する音声情報案内システムが知られている（例えば、非特許文献１参照）。この音声情報案内システムでは、最も高いスコアの事例に対応する応答内容を応答しているが、最も高いスコアの事例が複数存在する場合には、これらの事例の中からランダムに事例が選択され、選択された事例に対応する応答内容が応答される。
西村竜一、西原洋平、鶴身玲典、李晃伸、猿渡洋、鹿野清宏「実環境研究プラットホームとしての音声情報案内システムの運用」電子情報通信学会論文誌Ｄ−II Ｖｏｌ．Ｊ８７−Ｄ−II Ｎｏ．３ｐｐ．７８９−７９８２００４年３月

しかしながら、非特許文献１に記載の音声情報案内システムでは、計算された全てのスコアが低い場合（すなわち、発話に含まれる単語と全ての事例に含まれる単語とが一致する数が少ない場合）でも計算されたスコアのうち最も高いスコア、すなわち単語がほとんど一致しない場合のスコアの事例が選択されて、選択された事例に対応する応答内容が応答されてしまう。

このような場合に、例えば、スコアがある閾値以下であれば、入力された音声を棄却して最も高いスコアの事例に対応する応答内容が応答手段（例えば表示装置や音声出力装置）から応答されないようにすることも考えられるが、非特許文献１に記載の音声情報案内システムでは、棄却時にどのような対応をするのか（どのような処理を行うのか）については具体的に記載されていない
本発明は上述した問題点を解決するために成されたものであり、入力された音声を棄却する場合に、より適切な対応を行うことができる音声応答装置、及びプログラムを提供することを目的とする。

上記目的を達成するために、第１の発明に係る音声応答装置は、ユーザの発話音声を入力するための入力手段と、前記入力手段に入力されたユーザの発話音声に対して音声認識を行って信頼度が高い順に所定個の発話内容の候補を生成する音声認識手段と、ユーザの発話内容を表す文章の事例と該事例に対応する応答内容との組を複数個記憶した記憶手段と、前記音声認識手段によって生成された所定個の発話内容の候補から無音を示す候補、及び前記音声認識手段によって生成された所定個の発話内容の候補の各々に対して形態素解析を行って該候補の各々から自立語を抽出する抽出手段と、前記音声認識手段によって生成された所定個の発話内容の候補中に、無音を示す候補が存在する場合、及び自立語を含まない候補が存在する場合には、応答手段から応答内容が応答されないように制御すると共に、前記無音を示す候補が存在せず、かつ前記所定個の発話内容の候補の全てが自立語を含む場合には、前記音声認識手段によって生成された信頼度が高い候補に相当する前記事例に対応する応答内容が前記応答手段から応答されるように制御する制御手段とを含んで構成されている。

本発明に係る音声応答装置は、音声認識手段によって生成された所定個の発話内容の候補から無音を示す候補、及び音声認識手段によって生成された所定個の発話内容の候補の各々に対して形態素解析を行って候補の各々から自立語を抽出する。そして、音声認識手段によって生成された所定個の発話内容の候補中に、無音を示す候補が存在する場合、及び自立語を含まない候補が存在する場合には、入力された発話音声を無視するように、応答手段から応答内容が応答されないように制御するので、入力された音声を棄却する場合に、無意味な音声入力（例えば、「あー」、「えー」、「んー」等）に対して「無視する」ことにより不必要な応答を減少することができ、より適切な対応を行うことができる。

また、上記目的を達成するために、第２の発明に係る音声応答装置は、ユーザの発話音声を入力するための入力手段と、前記入力手段に入力されたユーザの発話音声に対して音声認識を行って信頼度が高い順に所定個の発話内容の候補を生成する音声認識手段と、ユーザの発話内容の文章の事例と該事例に対応する応答内容との組を複数個記憶した記憶手段と、前記音声認識手段によって生成された所定個の発話内容の候補の各々に対して形態素解析を行って該候補の各々から自立語を抽出する抽出手段と、前記抽出手段によって抽出された同一の自立語毎に、自立語の数を特定する特定手段と、前記音声認識手段によって生成された所定個の発話内容の候補中に、前記特定手段によって特定された数が第１の所定値以上の高信頼度自立語が存在しない場合、前記特定手段によって特定された数が前記第１の所定値より小さい第２の所定値以下の低信頼度自立語が多数存在する場合、及び前記記憶手段に記憶された事例に全ての前記高信頼度自立語が存在しない場合には、ユーザに再度の発話を促すための応答内容が応答手段から応答されるように制御すると共に、前記所定個の発話内容の候補中に、前記高信頼度自立語が存在し、前記低信頼度自立語が多数存在せず、かつ前記記憶手段に記憶された事例に全ての前記高信頼度自立語が存在する場合には、前記音声認識手段によって生成された信頼度が高い候補に相当する前記事例に対応する応答内容が前記応答手段から応答されるように制御する制御手段とを含んで構成されている。

本発明に係る音声応答装置は、音声認識手段によって生成された所定個の発話内容の候補の各々に対して形態素解析を行って候補の各々から自立語を抽出し、抽出された同一の自立語毎に、自立語の数を特定する。そして、音声認識手段によって生成された所定個の発話内容の候補中に、特定された数が第１の所定値以上の高信頼度自立語が存在しない場合、特定された数が第１の所定値より小さい第２の所定値以下の低信頼度自立語が多数存在する場合、及び記憶手段に記憶された事例に全ての高信頼度自立語が存在しない場合には、ユーザに再度の発話を促すための応答内容が応答手段から応答されるように制御する。従って、本発明に係る音声応答装置によれば、入力された音声を棄却する場合に、ユーザに再度の発話を促すことができ、より適切な対応を行うことができる。また、再度の発話を促されたユーザは、次は、より明確に発声するようになったり、言い方を変えてみたりするようになる。

また、上記目的を達成するために、第３の発明に係る音声応答装置は、ユーザの発話音声を入力するための入力手段と、前記入力手段に入力されたユーザの発話音声に対して音声認識を行って信頼度が高い順に所定個の発話内容の候補を生成する音声認識手段と、ユーザの発話内容の文章の事例と該事例に対応する応答内容との組を複数個記憶した記憶手段と、前記音声認識手段によって生成された所定個の発話内容の候補の各々に対して形態素解析を行って該候補の各々から自立語を抽出する抽出手段と、前記抽出手段によって抽出された同一の自立語毎に、自立語の数を特定する特定手段と、前記特定手段によって特定された数が第１の所定値以上の全ての高信頼度自立語が、前記記憶手段に記憶された事例中の何れか１つの事例に含まれていない場合には、入力された発話音声に相当する事例がなく対応する応答ができないことを示す応答内容が応答手段から応答されるように制御すると共に、該全ての高信頼度自立語が、該何れか１つの事例に含まれている場合には、全ての高信頼度自立語が含まれている事例に対応する応答内容が前記応答手段から応答されるように制御する制御手段とを含んで構成されている。

本発明に係る音声応答装置は、音声認識手段によって生成された所定個の発話内容の候補の各々に対して形態素解析を行って該候補の各々から自立語を抽出し、抽出された同一の自立語毎に、自立語の数を特定する。そして、特定された数が第１の所定値以上の全ての高信頼度自立語が、記憶手段に記憶された事例中の何れか１つの事例に含まれていない場合には、入力された発話音声に相当する事例がなく対応する応答ができないことを示す応答内容が応答手段から応答されるように制御する。従って、本発明に係る音声応答装置によれば、入力された音声を棄却する場合に、入力された発話音声に相当する事例がなく対応する応答ができないことをユーザに応答することができ、より適切な対応を行うことができる。また、入力された発話音声に相当する事例がなく対応する応答ができないことを提示されたユーザは、別な質問を行うようになる。

また、上記目的を達成するために、第４の発明に係るプログラムは、コンピュータを、ユーザの発話音声を入力するための入力手段に入力されたユーザの発話音声に対して音声認識を行って信頼度が高い順に所定個の発話内容の候補を生成する音声認識手段、前記音声認識手段によって生成された所定個の発話内容の候補から無音を示す候補、及び前記音声認識手段によって生成された所定個の発話内容の候補の各々に対して形態素解析を行って該候補の各々から自立語を抽出する抽出手段、及び前記音声認識手段によって生成された所定個の発話内容の候補中に、無音を示す候補が存在する場合、及び自立語を含まない候補が存在する場合には、応答手段から応答内容が応答されないように制御すると共に、前記無音を示す候補が存在せず、かつ前記所定個の発話内容の候補の全てが自立語を含む場合には、ユーザの発話内容を表す文章の事例と該事例に対応する応答内容との組を複数個記憶した記憶手段に記憶された、前記音声認識手段によって生成された信頼度が高い候補に相当する前記事例に対応する応答内容が前記応答手段から応答されるように制御する制御手段として機能させる。

本発明に係るプログラムによれば、入力されたユーザの発話音声に対して音声認識を行って信頼度が高い順に所定個の発話内容の候補を生成する音声認識手段、並びに所定個の発話内容の候補から無音を示す候補、及び音声認識手段によって生成された所定個の発話内容の候補の各々に対して形態素解析を行って候補の各々から自立語を抽出する抽出手段としてコンピュータを機能させる。そして、生成された所定個の発話内容の候補中に、無音を示す候補が存在する場合、及び自立語を含まない候補が存在する場合には、入力された発話音声を無視するように、応答手段から応答内容が応答されないように制御する制御手段として更にコンピュータを機能させるので、入力された音声を棄却する場合に、より適切な対応を行うことができる。また、無意味な音声入力（例えば、「あー」、「えー」、「んー」等）に対して「無視する」ことにより不必要な応答を減少することができる。

また、上記目的を達成するために、第５の発明に係るプログラムは、コンピュータを、ユーザの発話音声を入力するための入力手段に入力されたユーザの発話音声に対して音声認識を行って信頼度が高い順に所定個の発話内容の候補を生成する音声認識手段、前記音声認識手段によって生成された所定個の発話内容の候補の各々に対して形態素解析を行って該候補の各々から自立語を抽出する抽出手段、前記抽出手段によって抽出された同一の自立語毎に、自立語の数を特定する特定手段、及び前記音声認識手段によって生成された所定個の発話内容の候補中に、前記特定手段によって特定された数が第１の所定値以上の高信頼度自立語が存在しない場合、前記特定手段によって特定された数が前記第１の所定値より小さい第２の所定値以下の低信頼度自立語が多数存在する場合、及びユーザの発話内容の文章の事例と該事例に対応する応答内容との組を複数個記憶した記憶手段に記憶された事例に全ての前記高信頼度自立語が存在しない場合には、ユーザに再度の発話を促すための応答内容が応答手段から応答されるように制御すると共に、前記所定個の発話内容の候補中に、前記高信頼度自立語が存在し、前記低信頼度自立語が多数存在せず、かつ前記記憶手段に記憶された事例に全ての前記高信頼度自立語が存在する場合には、前記音声認識手段によって生成された信頼度が高い候補に相当する前記事例に対応する応答内容が前記応答手段から応答されるように制御する制御手段として機能させる。

本発明に係るプログラムによれば、入力されたユーザの発話音声に対して音声認識を行って信頼度が高い順に所定個の発話内容の候補を生成する音声認識手段、生成された所定個の発話内容の候補の各々に対して形態素解析が行われて候補の各々から自立語を抽出する抽出手段、及び抽出された同一の自立語毎に自立語の数を特定する特定手段としてコンピュータを機能させる。そして、生成された所定個の発話内容の候補中に、特定された数が第１の所定値以上の高信頼度自立語が存在しない場合、特定された数が第１の所定値より小さい第２の所定値以下の低信頼度自立語が多数存在する場合、及び記憶手段に記憶された事例に全ての高信頼度自立語が存在しない場合には、ユーザに再度の発話を促すための応答内容が応答手段から応答されるように制御する制御手段として更にコンピュータを機能させる。従って、本発明に係るプログラムによれば、入力された音声を棄却する場合に、ユーザに再度の発話を促すことができ、より適切な対応を行うことができる。また、再度の発話を促されたユーザは、次は、より明確に発声するようになったり、言い方を変えてみたりするようになる。

また、上記目的を達成するために第６の発明に係るプログラムは、コンピュータを、ユーザの発話音声を入力するための入力手段に入力されたユーザの発話音声に対して音声認識を行って信頼度が高い順に所定個の発話内容の候補を生成する音声認識手段、前記音声認識手段によって生成された所定個の発話内容の候補の各々に対して形態素解析を行って該候補の各々から自立語を抽出する抽出手段、前記抽出手段によって抽出された同一の自立語毎に、自立語の数を特定する特定手段、及び前記特定手段によって特定された数が第１の所定値以上の全ての高信頼度自立語が、ユーザの発話内容の文章の事例と該事例に対応する応答内容との組を複数個記憶した記憶手段に記憶された事例中の何れか１つの事例に含まれていない場合には、入力された発話音声に相当する事例がなく対応する応答ができないことを示す応答内容が応答手段から応答されるように制御すると共に、該全ての高信頼度自立語が、該何れか１つの事例に含まれている場合には、全ての高信頼度自立語が含まれている事例に対応する応答内容が前記応答手段から応答されるように制御する制御手段として機能させる。

本発明に係るプログラムによれば、ユーザの発話音声に対して音声認識を行って信頼度が高い順に所定個の発話内容の候補を生成する音声認識手段、生成された所定個の発話内容の候補の各々に対して形態素解析が行われて候補の各々から自立語を抽出する抽出手段、及び抽出された同一の自立語毎に自立語の数を特定する特定手段としてコンピュータを機能させる。そして、特定された数が第１の所定値以上の全ての高信頼度自立語が、記憶手段に記憶された事例中の何れか１つの事例に含まれていない場合には、入力された発話音声に相当する事例がなく対応する応答ができないことを示す応答内容が応答手段から応答されるように制御する制御手段として更にコンピュータを機能させる。従って、本発明に係るプログラムによれば、入力された音声を棄却する場合に、入力された発話音声に相当する事例がなく対応する応答ができないことをユーザに応答することができ、より適切な対応を行うことができる。また、入力された発話音声に相当する事例がなく対応する応答ができないことを提示されたユーザは、別な質問を行うようになる。

以上、説明したように、本発明に係る音声応答装置、及びプログラムによれば、入力された音声を棄却する場合に、より適切な対応を行うことができる、という効果が得られる。

以下、図面を参照して、本発明の音声応答装置の各実施の形態を詳細に説明する。

［第１の実施の形態］
まず、第１の実施の形態について説明する。図１に示すように、本実施の形態に係る音声応答装置１０は、コンピュータ１２、ユーザの発話（発話音声）を入力するためのマイクロフォン１４、スピーカ１６、及び表示装置１８を備えている。

マイクロフォン１４は、入力された音を検出し、波形信号を出力する。なお、入力された音としては、ユーザが発声した音声（ユーザの発話音声）や、ノイズの音等がある。

スピーカ１６は、入力されたデータに基づいた音を出力する。また、表示装置１８は、入力されたデータに基づいた画像を表示するＬＣＤ（Liquid Crystal Display）を含んで構成されている。なお、スピーカ１６、及び表示装置１８は、本発明の応答手段に対応する。

コンピュータ１２は、ＲＯＭ（Read Only Memory）１２ａ、ＨＤＤ（Hard Disk Drive）１２ｂ、ＣＰＵ（Central Processing Unit）１２ｃ、ＲＡＭ（Random Access Memory）１２ｄ、及びＩ／Ｏ（入出力）ポート１２ｅを備えている。これらＲＯＭ１２ａ、ＨＤＤ１２ｂ、ＣＰＵ１２ｃ、ＲＡＭ１２ｄ、及びＩ／Ｏポート１２ｅは互いにバス１２ｆで接続されている。

記憶媒体としてのＲＯＭ１２ａには、ＯＳ等の基本プログラムが記憶されている。

記憶媒体としてのＨＤＤ１２ｂには、詳細を以下で説明する音声応答処理の処理ルーチンを実行するためのプログラムが記憶されている。

また、ＨＤＤ１２ｂには、図２（Ａ）に示されるような音響モデルデータベース２０が記憶されている。この音響モデルデータベース２０には、音響モデルとして、例えば、無音を表すモデルが登録されていると共に、音響モデルとして、ユーザによって発話される可能性がある言葉（例えば、「今」、「何時」、「えー」等）を表すモデルが多数登録されている。これらのモデルは音声認識をする際に用いられる。

また、ＨＤＤ１２ｂには、図２（Ｂ）に示されるような事例応答対データベース２２が記憶されている。この事例応答対データベース２２には、事例２４と、事例２４に対応する応答内容２６との組が複数個登録されている。本実施の形態では、例えば、統計的に、ユーザの発話内容を表す文章の事例を予め想定しておき、この想定したユーザの発話内容を表す文章の事例を事例２４として事例応答対データベース２２に予め登録しておく。そして、この事例２４に対応する応答内容を予め考えておき、この予め考えられた応答内容を応答内容２６として事例応答対データベース２２に登録しておく。図２（Ｂ）の例では、例えば、「今、何時？」の事例２４と、この「今、何時？」に対応する「○時○○分です」の応答内容２６との組が事例応答対データベース２２に記憶されている。なお、この「○時○○分です」の「○」や「○○」には、「○時○○分です」を応答する際に時刻サーバ（図示しない）等から取得した時刻が入力される。

ＣＰＵ１２ｃは、プログラムをＲＯＭ１２ａ及びＨＤＤ１２ｂから読み出して実行する。

ＲＡＭ１２ｄには、各種データが一時的に記憶される。

Ｉ／Ｏポート１２ｅには、上述したマイクロフォン１４、スピーカ１６、及び表示装置１８が接続されている。

次に、コンピュータ１２のＣＰＵ１２ｃが実行する音声応答処理の処理ルーチンについて図３を用いて説明する。なお、本実施の形態において、音声応答処理は、音声応答処理を実行するために、図示しない入力手段（キーボードやマウス）を介して、音声応答処理を実行する指示がユーザによって入力された場合、または他の機器（図示しない）から音声応答処理を実行する指示が入力された場合に実行される。

まず、ステップ１００で、マイクロフォン１４に入力された音（ユーザの発話音声を含む）に対して、音響モデルデータベース２０に登録されている音響モデルを用いる公知技術である音声認識処理を施して、信頼度が高い順に所定個の発話内容の候補（音声認識結果候補）を生成する。より具体的には、マイクロフォン１４に入力された音に応じた波形信号に基づいて音声認識処理を施す。なお、所定個を６個とした場合の例について以下説明する。ステップ１００では、例えば、図４に示すように、所定個（本実施の形態では６個）の発話内容の候補が生成される。なお、図４では、発話内容の候補として、信頼度が高い順に「１．えー」、「２．えーっと」、「３．絵」、「４．干支」、「５．江戸」、「６．エコ」の６個の候補が生成された場合を示している。ここで、この信頼度は、例えば、音響モデルと入力された音声との類似度を示すものである。また、ステップ１００は、本発明の音声認識手段に対応する。

次のステップ１０２では、上記ステップ１００で生成した所定個の発話内容の候補から、無音を示す候補を抽出する。なお、ステップ１０２は本発明の抽出手段に対応する。

次のステップ１０４では、上記ステップ１０２で無音を示す候補を抽出したか否かを判定することにより、上記ステップ１００で生成された所定個の発話内容の候補中に、無音を示す候補が存在するか否かを判断する。

ステップ１０４で、上記ステップ１０２で無音を示す候補を抽出したと判定された場合には、上記ステップ１００で生成された所定個の発話内容の候補中に、無音を示す候補が存在すると判断して、無音を示す候補が存在する場合には瞬間的にユーザが発した音声で意味の無い音声（例えば、「こっ」等の音声）や突発のノイズ等を誤って認識した可能性が高いため、応答手段であるスピーカ１６及び表示装置１８に対して応答内容を出力せずに音声応答処理を終了する。すなわち、ステップ１０４で、上記ステップ１０２で無音を示す候補を抽出したと判定された場合には、応答内容がスピーカ１６及び表示装置１８から応答されないように制御して、音声応答処理を終了する。なお、これにより、入力された音が棄却される。

例えば、図５に示すように、突発ノイズがマイクロフォン１４に入力され、ステップ１００において信頼度が高い順に「１．（短い無音）」、「２．えー」、「３．あー」、「４．えーっと」、「５．ええ」、「６．うん」の６個の候補が生成された場合には、ステップ１０２で無音を示す候補（「１．（短い無音）」）が抽出され、ステップ１０４でステップ１０２において無音を示す候補を抽出したと判定されて、表示装置１８及びスピーカ１６から応答内容が応答されないように制御される。

以上説明したように、ステップ１００〜ステップ１０４での処理によって、無意味な音声入力（例えば、突発ノイズや意味の無い音声等）に対して「無視する」ことにより不必要な応答を減少することができ、より適切な対応を行うことができる。

一方、ステップ１０４で、上記ステップ１０２で無音を示す候補を抽出していないと判定された場合には、次のステップ１０６へ進む。

ステップ１０６では、上記ステップ１００で生成された所定個の候補の各々に対して、形態素解析を行って候補の各々から自立語を検索語として抽出する。なお、ステップ１０６は、本発明の抽出手段に対応する。

次のステップ１０８では、上記ステップ１００で生成された所定個の候補のうち、上記ステップ１０６で抽出された検索語（自立語）を含まない候補が存在するか否かを判定する。ここで、検索語を含まない候補を、無意味な音のみから構成される候補とすることができる。

ステップ１０８で、検索語を含まない候補が存在すると判定された場合、すなわち無意味な音のみから構成される候補が存在する場合には、ユーザが発した音声で意味の無い音声（例えば、「えー」等の音声）を誤って認識した可能性が高いため、応答手段であるスピーカ１６及び表示装置１８に応答内容を出力せずに音声応答処理を終了する。すなわち、ステップ１０８で、上記ステップ１０６で抽出された検索語（自立語）を含まない候補が存在すると判定された場合には、応答内容がスピーカ１６及び表示装置１８から応答されないように制御して、音声応答処理を終了する。なお、これにより、入力された音が棄却される。

例えば、図６に示すように、ユーザの発話（発話音声）として「えーっと」がマイクロフォン１４に入力され、ステップ１００において信頼度が高い順に「１．えーっと」、「２．えー」、「３．あー」、「４．いいえ」、「５．ええ」、「６．え」の６個の候補が生成された場合には、ステップ１０６で所定個の候補の各々に対して形態素解析が行われて候補の各々から自立語が抽出される。なお、この場合には、例えば、「えーっと」、「いいえ」、及び「ええ」の語が自立語として抽出される。そして、ステップ１０８で、「２．えー」、「３．あー」、及び「６．え」の各候補が自立語を含まない候補であると判断されて、自立語を含まない候補が存在すると判定され、表示装置１８及びスピーカ１６から応答内容が応答されないように制御される。

以上説明したように、ステップ１００〜ステップ１０８での処理によって、無意味な音声入力（例えば、意味の無い音声等）に対して「無視する」ことにより不必要な応答を減少することができ、より適切な対応を行うことができる。

一方、ステップ１０８で検索語を含まない候補が存在しないと判定された場合には、次のステップ１１０へ進む。

ステップ１１０では、上記ステップ１０６で抽出された同一の検索語（自立語）毎に、検索語の数を特定する。

次のステップ１１２では、上記ステップ１１０で特定された数が第１の所定値Ａ（例えばＡ＝４）以上の検索語を、信頼できる検索語である高信頼度検索語として特定する。なお、適切な音声応答が行えるような認識結果が所定の閾値以上となるような場合における検索語の数を予め実験的に求めておき、求めた数を第１の所定値Ａとして設定しておけばよい。また、高信頼度検索語は、本発明の高信頼度自立語に対応する。

次のステップ１１４では、上記ステップ１１０で特定された数が、上記第１の所定値Ａより小さい第２の所定値Ｂ（例えば１）以下の検索語を、信頼できない検索語である低信頼度検索語として特定する。なお、適切な音声応答が行えないような認識結果が所定の閾値より小さくなるような場合における検索語の数を予め実験的に求めておき、求めた数を第２の所定値Ｂとして設定しておけばよい。また、低信頼度検索語は、本発明の低信頼度自立語に対応する。

次のステップ１１６では、上記ステップ１１２で高信頼度検索語が特定されたか否かを判定することにより、上記ステップ１００で生成された所定個の候補中に、高信頼度検索語が存在するか否かを判定する。

ステップ１１６で、上記ステップ１１２において高信頼度検索語が特定されなかったと判定された場合（すなわち、上記ステップ１００で生成された所定個の候補中に、高信頼度検索語が存在しないと判定された場合）には、次のステップ１１８へ進む。

ステップ１１８では、ユーザに再度の発話を促すための応答内容が表示されるように表示装置１８を制御すると共に、ユーザに再度の発話を促すための応答内容が音声として出力されるようにスピーカ１６を制御する。すなわち、ステップ１１８では、ユーザに再度の発話を促すための応答内容が応答手段から応答されるように制御する。ここで、ユーザに再度の発話を促すための応答内容として、例えば、「もう一度、お話ください」の応答内容がある。そして、音声応答処理を終了する。これにより、入力された音声に相当する事例２４に対応する応答内容２６が応答手段から応答されない場合、すなわち入力された音声を棄却する場合に、ユーザに再度の発話を促すことができ、より適切な対応を行うことができる。また、再度の発話を促されたユーザは、次は、より明確に発声するようになったり、言い方を変えてみたりするようになる。

例えば、図７に示すように、ユーザの発話（発話音声）として「今何時？」がマイクロフォン１４に入力され、ステップ１００において信頼度が高い順に「１．なん」、「２．何時」、「３．なんて」、「４．なんの」、「５．なの」、「６．暇なんで」の６個の候補が生成された場合には、ステップ１０６で所定個の候補の各々に対して形態素解析が行われて候補の各々から自立語が抽出される。なお、この場合には、例えば、「なん」、「何時」、「なんて」、「なんの」、「暇」、及び「なんで」の語が検索語（自立語）として抽出される。そして、ステップ１０８で検索語を含まない候補が存在しないと判定され、ステップ１１０で同一の検索語（自立語）毎に検索語の数が特定される。なお、この場合には、「なん」、「何時」、「なんて」、「なんの」、「暇」、及び「なんで」の検索語の各々の数として”１”が特定される。図７の例では、各検索語の右に位置するかっこ内の数値が特定された数を示している。そして、所定値Ａを例えば、”４”とし、所定値Ｂを例えば”１”とした場合には、ステップ１１２で高信頼度検索語が特定されず、ステップ１１４で低信頼度検索語として「なん」、「何時」、「なんて」、「なんの」、「暇」、及び「なんで」の検索語の各々が特定される。そして、ステップ１１６で高信頼度検索語が特定されなかったと判定され、ステップ１１８で、ユーザに再度の発話を促すための応答内容（例えば、「もう一度お話ください」）が表示装置１８及びスピーカ１６から応答されるように制御される。このように、ステップ１００〜ステップ１１８の処理によって、入力された音声を棄却する場合に、ユーザに再度の発話を促すことができ、より適切な対応を行うことができる。また、再度の発話を促されたユーザは、次は、より明確に発声するようになったり、言い方を変えてみたりするようになる。

一方、ステップ１１６で、上記ステップ１１２で高信頼度検索語が特定されたと判定された場合（すなわち、上記ステップ１００で生成された所定個の候補中に、高信頼度検索語が存在すると判定された場合）には、次のステップ１２０へ進む。

ステップ１２０では、上記ステップ１１４で特定された低信頼度検索語が多数存在するか否かを判定する。ここで、多数とは、例えば、入力された音声に対する応答が適切に行うことができない場合における候補中の低信頼度検索語の数である。ここで、この入力された音声に対する応答が適切に行うことができない場合における候補中の低信頼度検索語の数は、予め実験的に求めておくことが可能である。本実施の形態では、第３の所定値Ｃを例えば”６”と設定して、上記ステップ１１４で特定された低信頼度検索語の数が、この第３の所定値Ｃ以上である場合には、低信頼度検索語が多数存在すると判定し、一方、上記ステップ１１４で特定された低信頼度検索語の数が、第３の所定値Ｃ未満である場合には、低信頼度検索語が多数存在しないと判定する。

ステップ１２０で、上記ステップ１１４で特定された低信頼度検索語が多数存在すると判定された場合には、ステップ１１８へ進む。

例えば、図８に示すように、ユーザの発話（発話音声）として「今何時？」がマイクロフォン１４に入力され、ステップ１００において信頼度が高い順に「１．今なんで」、「２．今何時」、「３．今なぜ」、「４．いいのに」、「５．何なの」、「６．いまなんて」の６個の候補が生成された場合には、ステップ１０６で所定個の候補の各々に対して形態素解析が行われて候補の各々から自立語が抽出される。なお、この場合には、例えば、「今」、「なんで」、「何時」、「なぜ」、「いい」、「何」、及び「なんて」の語が検索語（自立語）として抽出される。そして、ステップ１０８で検索語を含まない候補が存在しないと判定され、ステップ１１０で同一の検索語（自立語）毎に検索語の数が特定される。なお、この場合には、「今」の検索語の数として”４”が特定されると共に、「なんで」、「何時」、「なぜ」、「いい」、「何」、及び「なんて」の検索語の各々の数として”１”が特定される。図８の例では、図７の例と同様に、各検索語の右に位置するかっこ内の数値が特定された数を示している。そして、所定値Ａを例えば、”４”とし、所定値Ｂを例えば”１”とした場合には、ステップ１１２で高信頼度検索語として「今」の検索語が特定され、ステップ１１４で低信頼度検索語として「なんで」、「何時」、「なぜ」、「いい」、「何」、及び「なんて」の検索語の各々が特定される。そして、ステップ１１６で高信頼度検索語が特定されたと判定され、ステップ１２０で低信頼度検索語が多数存在すると判定され、ステップ１１８で、ユーザに再度の発話を促すための応答内容（例えば、「もう一度お話ください」）が表示装置１８及びスピーカ１６から応答されるように制御される。このように、ステップ１００〜１１６、１２０、１１８の処理によって、入力された音声を棄却する場合に、ユーザに再度の発話を促すことができ、より適切な対応を行うことができる。また、再度の発話を促されたユーザは、次は、より明確に発声するようになったり、言い方を変えてみたりするようになる。

一方、ステップ１２０で、上記ステップ１１４で特定された低信頼度検索語が多数存在しないと判定された場合には、次のステップ１２２へ進む。

ステップ１２２では、ＨＤＤ１２ｂに記憶されている事例応答対データベース２２に登録されている事例２４中に、上記ステップ１１２で特定された全ての高信頼度検索語が存在するか否かを判定する。なお、ステップ１２２では、例えば、事例応答対データベース２２に登録されている事例２４を上から順に１レコードずつ読み込んで、このレコード単位で読み込んだ事例２４に対して、上記ステップ１１２で特定された全ての高信頼度検索語を順番に１つずつ検索を行うことにより、事例２４中に、上記ステップ１１２で特定された全ての高信頼度検索語が存在するか否かを判定することができる。すなわち、ステップ１２２では、事例応答対データベース２２の事例２４に、上記ステップ１２２で特定された全ての高信頼度検索語が存在するか否かが判定される。

ステップ１２２で、ＨＤＤ１２ｂに記憶されている事例応答対データベース２２に登録されている事例２４中に、上記ステップ１１２で特定された全ての高信頼度検索語が存在しない（特定された全ての高信頼度検索語のうち、少なくとも１つは事例２４中に存在しない）と判定された場合には、ステップ１１８へ進む。

例えば、図９に示すように、ユーザの発話（発話音声）として「暇なので」がマイクロフォン１４に入力され、ステップ１００において信頼度が高い順に「１．暇何時」、「２．暇何時で」、「３．今何時」、「４．暇なの」、「５．今何時で」、「６．暇何で」の６個の候補が生成された場合には、ステップ１０６で所定個の候補の各々に対して形態素解析が行われて候補の各々から自立語が抽出される。なお、この場合には、例えば、「暇」、「何時」、「なの」、及び「なんで」の語が検索語（自立語）として抽出される。そして、ステップ１０８で検索語を含まない候補が存在しないと判定され、ステップ１１０で同一の検索語（自立語）毎に検索語の数が特定される。なお、この場合には、「暇」及び「何時」の検索語の各々の数として”４”が特定されると共に、「なの」及び「なんで」の検索語の各々の数として”１”が特定される。図９の例では、図７、８の例と同様に、各検索語の右に位置するかっこ内の数値が特定された数を示している。そして、所定値Ａを例えば、”４”とし、所定値Ｂを例えば”１”とした場合には、ステップ１１２で高信頼度検索語として「暇」及び「何時」の検索語が特定され、ステップ１１４で低信頼度検索語として「なの」、及び「なんで」の検索語の各々が特定される。そして、ステップ１１６で高信頼度検索語が特定されたと判定され、ステップ１２０で低信頼度検索語が多数存在しないと判定される。このような場合に、図９に示すように、高信頼度検索語として特定された「何時」の検索語が事例応答対データベース２２の事例２４に存在するものの、「暇」の検索語が事例２４に存在しないときには、ステップ１２２に進み、ステップ１２２で、事例応答対データベース２２の事例２４中に、全ての高信頼度検索語が存在しないと判定され、そして、ステップ１１８で、ユーザに再度の発話を促すための応答内容（例えば、「もう一度お話ください」）が表示装置１８及びスピーカ１６から応答されるように制御される。このように、ステップ１００〜１１６、１２０〜１２２、１１８の処理によって、入力された音声を棄却する場合に、ユーザに再度の発話を促すことができ、より適切な対応を行うことができる。また、再度の発話を促されたユーザは、次は、より明確に発声するようになったり、言い方を変えてみたりするようになる。

一方、ステップ１２２で、事例応答対データベース２２に登録されている事例２４中に、上記ステップ１１２で特定された全ての高信頼度検索語が存在する（特定された全ての高信頼度検索語が事例２４中に存在する）と判定された場合には、ステップ１２４へ進む。

ステップ１２４では、上記ステップ１１２で特定された全ての高信頼度検索語が、ＨＤＤ１２ｂに記憶された事例応答対データベース２２に登録された事例２４中の何れか１つの事例２４に含まれているか否かを判定する。

ステップ１２４で、全ての高信頼度検索語が、事例応答対データベース２２に登録された事例２４中の何れか１つの事例２４に含まれていると判定された場合には、次のステップ１２６へ進む。

ステップ１２６では、全ての高信頼度検索語を含む事例２４に対応する応答内容２６を応答するように、表示装置１８及びスピーカ１６を制御する。すなわち、ステップ１２６では、全ての高信頼度検索語が含まれている事例２４に対応する応答内容２６が表示装置１８及びスピーカ１６から応答されるように制御する。これにより、全ての高信頼度検索語が含まれている事例２４に対応する応答内容２６が表示装置１８及びスピーカ１６によってユーザに応答される。

例えば、図１０に示すように、ユーザの発話（発話音声）として「今、何時？」がマイクロフォン１４に入力され、ステップ１００において信頼度が高い順に「１．今何時」、「２．今何時に」、「３．何時に」、「４．今なんて」、「５．何時なの」、「６．今の何に」の６個の候補が生成された場合には、ステップ１０６で所定個の候補の各々に対して形態素解析が行われて候補の各々から自立語が抽出される。なお、この場合には、例えば、「今」、「何時」、「なんて」、「何」、及び「なの」の語が検索語（自立語）として抽出される。そして、ステップ１０８で検索語を含まない候補が存在しないと判定され、ステップ１１０で同一の検索語（自立語）毎に検索語の数が特定される。なお、この場合には、「今」及び「何時」の検索語の各々の数として”４”が特定されると共に、「なんて」、「何」、及び「なの」の検索語の各々の数として”１”が特定される。図１０の例では、図７、８、９の例と同様に、各検索語の右に位置するかっこ内の数値が特定された数を示している。そして、所定値Ａを例えば、”４”とし、所定値Ｂを例えば”１”とした場合には、ステップ１１２で高信頼度検索語として「今」及び「何時」の検索語が特定され、ステップ１１４で低信頼度検索語として「なんて」、「何」、及び「なの」の検索語の各々が特定される。そして、ステップ１１６で高信頼度検索語が特定されたと判定され、ステップ１２０で低信頼度検索語が多数存在しないと判定される。このような場合に、図１０に示すように、高信頼度検索語として特定された「今」及び「何時」の検索語が事例応答対データベース２２の事例２４中の何れか１つの事例２４に含まれている（図１０の例では「今、何時」の１つの事例２４に含まれている）ときには、ステップ１２２で、事例応答対データベース２２の事例２４中に、全ての高信頼度検索語が存在すると判定され、ステップ１２４へ進む。そして、ステップ１２４で、全ての高信頼度検索語が、事例応答対データベース２２に登録された事例２４中の何れか１つの事例２４に含まれていると判定される。そして、ステップ１２６で、全ての高信頼度検索語を含む事例２４に対応する応答内容２６を応答するように、表示装置１８及びスピーカ１６を制御する。なお、図１０の例では、「今、何時」の事例２４に対応する「○時○○分です」の応答内容２６が応答されるように、表示装置１８及びスピーカ１６を制御する。これにより、全ての高信頼度検索語が含まれている事例２４に対応する応答内容２６が応答手段によってユーザに応答される。

一方、ステップ１２４で、全ての高信頼度検索語が、事例応答対データベース２２に登録された事例２４中の何れか１つの事例２４に含まれていないと判定された場合には、次のステップ１２８へ進む。

ステップ１２８では、ユーザ発話の内容に相当する事例２４がなく対応する応答ができないことを示す応答内容（例えば、「分かりません」）を応答するように、表示装置１８及びスピーカ１６を制御する。すなわち、ステップ１２８では、ユーザ発話の内容に相当する事例２４がなく対応する応答ができないことを示す応答内容が応答されるように、応答手段を制御する。これにより、入力された音声を棄却する場合に、入力された発話音声に相当する事例２４がなく対応する応答ができないことをユーザに応答することができ、より適切な対応を行うことができる。また、入力された発話音声に相当する事例がなく対応する応答ができないことを提示されたユーザは、別な質問を行うようになる。

例えば、図１１に示すように、ユーザの発話（発話音声）として「今、天気？」がマイクロフォン１４に入力され、ステップ１００において信頼度が高い順に「１．今天気」、「２．今天気に」、「３．天気に」、「４．今なんて」、「５．天気なの」、「６．今の何に」の６個の候補が生成された場合には、ステップ１０６で所定個の候補の各々に対して形態素解析が行われて候補の各々から自立語が抽出される。なお、この場合には、例えば、「今」、「天気」、「なんて」、「何」、及び「なの」の語が検索語（自立語）として抽出される。そして、ステップ１０８で検索語を含まない候補が存在しないと判定され、ステップ１１０で同一の検索語（自立語）毎に検索語の数が特定される。なお、この場合には、「今」及び「天気」の検索語の各々の数として”４”が特定されると共に、「なんて」、「何」、及び「なの」の検索語の各々の数として”１”が特定される。図１１の例では、図７、８、９、１０の例と同様に、各検索語の右に位置するかっこ内の数値が特定された数を示している。そして、所定値Ａを例えば、”４”とし、所定値Ｂを例えば”１”とした場合には、ステップ１１２で高信頼度検索語として「今」及び「天気」の検索語が特定され、ステップ１１４で低信頼度検索語として「なんて」、「何」、及び「なの」の検索語の各々が特定される。そして、ステップ１１６で高信頼度検索語が特定されたと判定され、ステップ１２０で低信頼度検索語が多数存在しないと判定される。このような場合に、図１１に示すように、高信頼度検索語として特定された「今」及び「天気」の検索語が事例応答対データベース２２に登録されている事例２４中の何れか１つの事例２４に含まれていない（図１１の例では事例応答対データベース２２に登録されている事例２４の何れか１つの事例２４に含まれていない）ときには、ステップ１２２で、事例応答対データベース２２の事例２４中に、全ての高信頼度検索語が存在すると判定され、ステップ１２４へ進む。そして、ステップ１２４で、全ての高信頼度検索語が、事例応答対データベース２２に登録された事例２４中の何れか１つの事例２４に含まれていないと判定される。そして、ステップ１２８で、ユーザ発話の内容に相当する事例２４がなく対応する応答ができないことを示す応答内容（例えば、「分かりません」）を応答するように、表示装置１８及びスピーカ１６を制御する。これにより、入力された音声を棄却する場合に、入力された発話音声に相当する事例２４がなく対応する応答ができないことをユーザに応答することができ、より適切な対応を行うことができる。また、入力された発話音声に相当する事例がなく対応する応答ができないことを提示されたユーザは、別な質問を行うようになる。

以上、説明したように、本実施の形態に係る音声応答装置１０は、ユーザの発話音声を入力するための入力手段としてのマイクロフォン１４と、ユーザの発話内容を表す文章の事例２４と事例２４に対応する応答内容２６との組を複数個記憶した記憶手段としてのＨＤＤ１２ｂとを含んで構成されている。本実施の形態に係る音声応答装置１０は、マイクロフォン１４に入力されたユーザの発話音声に対して音声認識を行って信頼度が高い順に所定個の発話内容の候補を生成し、生成された所定個の発話内容の候補から無音を示す候補、及び生成された所定個の発話内容の候補の各々に対して形態素解析を行って候補の各々から自立語を抽出し、生成された所定個の発話内容の候補中に、無音を示す候補が存在する場合、及び自立語を含まない候補が存在する場合には、応答手段としての表示装置１８及びスピーカ１６から応答内容２６が応答されないように制御する。

本実施の形態に係る音声応答装置１０は、生成された所定個の発話内容の候補から無音を示す候補、及び生成された所定個の発話内容の候補の各々に対して形態素解析を行って候補の各々から自立語を抽出する。そして、生成された所定個の発話内容の候補中に、無音を示す候補が存在する場合、及び自立語を含まない候補が存在する場合には、入力された発話音声を無視するように、表示装置１８及びスピーカ１６から応答内容２６が応答されないように制御するので、入力された音声を棄却する場合に、無意味な音声入力（例えば、「あー」、「えー」、「んー」等）に対して「無視する」ことにより不必要な応答を減少することができ、より適切な対応を行うことができる。

また、本実施の形態に係る音声応答装置１０は、マイクロフォン１４に入力されたユーザの発話音声に対して音声認識を行って信頼度が高い順に所定個の発話内容の候補を生成し、生成された所定個の発話内容の候補の各々に対して形態素解析を行って候補の各々から自立語を抽出し、抽出された同一の自立語毎に自立語の数を特定し、生成された所定個の発話内容の候補中に、特定された数が第１の所定値Ａ以上の高信頼度自立語が存在しない場合、特定された数が前記第１の所定値Ａより小さい第２の所定値Ｂ以下の低信頼度自立語が多数存在する場合、及びＨＤＤ１２ｂに記憶された事例２４に全ての高信頼度自立語が存在しない場合には、ユーザに再度の発話を促すための応答内容が表示装置１８及びスピーカ１６から応答されるように制御する。

本実施の形態に係る音声応答装置１０は、生成された所定個の発話内容の候補の各々に対して形態素解析を行って候補の各々から自立語を抽出し、抽出された同一の自立語毎に自立語の数を特定する。そして、生成された所定個の発話内容の候補中に、特定された数が第１の所定値Ａ以上の高信頼度自立語が存在しない場合、特定された数が第１の所定値Ａより小さい第２の所定値Ｂ以下の低信頼度自立語が多数存在する場合、及びＨＤＤ１２ｂに記憶された事例２４に全ての高信頼度自立語が存在しない場合には、ユーザに再度の発話を促すための応答内容が表示装置１８及びスピーカ１６から応答されるように制御する。従って、本実施の形態に係る音声応答装置１０によれば、入力された音声を棄却する場合に、ユーザに再度の発話を促すことができ、より適切な対応を行うことができる。また、再度の発話を促されたユーザは、次は、より明確に発声するようになったり、言い方を変えてみたりするようになる。

また、本実施の形態に係る音声応答装置１０は、マイクロフォン１４に入力されたユーザの発話音声に対して音声認識を行って信頼度が高い順に所定個の発話内容の候補を生成し、生成された所定個の発話内容の候補の各々に対して形態素解析を行って候補の各々から自立語を抽出し、抽出された同一の自立語毎に自立語の数を特定し、特定された数が第１の所定値Ａ以上の全ての高信頼度自立語が、前記ＨＤＤ１２ｂに記憶された事例２４中の何れか１つの事例２４に含まれていない場合には、入力された発話音声に相当する事例２４がなく対応する応答ができないことを示す応答内容が表示装置１８及びスピーカ１６から応答されるように制御する。

本実施の形態に係る音声応答装置１０は、生成された所定個の発話内容の候補の各々に対して形態素解析を行って候補の各々から自立語を抽出し、抽出された同一の自立語毎に自立語の数を特定する。そして、特定された数が第１の所定値Ａ以上の全ての高信頼度自立語が、ＨＤＤ１２ｂに記憶された事例２４中の何れか１つの事例２４に含まれていない場合には、入力された発話音声に相当する事例２４がなく対応する応答ができないことを示す応答内容が表示装置１８及びスピーカ１６から応答されるように制御する。従って、本実施の形態に係る音声応答装置１０によれば、入力された音声を棄却する場合に、入力された発話音声に相当する事例２４がなく対応する応答ができないことをユーザに応答することができ、より適切な対応を行うことができる。また、入力された発話音声に相当する事例２４がなく対応する応答ができないことを提示されたユーザは、別な質問を行うようになる。

［第２の実施の形態］
次に本発明の第２の実施の形態に係る音声応答装置３０について説明する。なお、第１の実施の形態と同様の構成及び同様の処理については、同一符号を付して、説明を省略する。

図１２に示すように、音声応答装置３０は、マイクロフォン１４、音声認識装置３２、検索語抽出装置３４、事例照合装置３６、応答生成装置３８、音響モデルデータベース２０を記憶したメモリ４０、事例応答対データベース２２を記憶したメモリ４２、スピーカ１６、及び表示装置１８を備えている。同図に図示されているように、マイクロフォン１４及びメモリ４０は音声認識装置３２に接続されている。音声認識装置３２は、検索語抽出装置３４に接続されている。検索語抽出装置３４及びメモリ４２は、事例照合装置３６に接続されている。事例照合装置３６は、応答生成装置３８に接続されている。そして、応答生成装置３８は、スピーカ１６及び表示装置１８に接続されている。本実施の形態において、第１の実施の形態と異なる点は、音声認識装置３２が上記ステップ１００の処理を実行し、検索語抽出装置３４が上記ステップ１０２、１０４、１０６の処理を、処理の流れに沿って第１の実施の形態と同様に適宜実行し、事例照合装置３６が上記ステップ１０８、１１０、１１２、１１４、１１６、１２０、１２２、１２４の処理を、処理の流れに沿って第１の実施の形態と同様に適宜実行し、応答生成装置３８が上記ステップ１１８、１２６、１２８の処理を、処理の流れに沿って第１の実施の形態と同様に適宜実行する点である。

［第３の実施の形態］
次に本発明の第３の実施の形態に係る音声応答装置について説明する。なお、第１の実施の形態と同様の構成及び同様の処理については、同一符号を付して、説明を省略する。

本実施の形態において、第１の実施の形態と異なる点は、本実施の形態に係る音声応答装置は、図１３に示す音声応答処理を実行する点である。同図に図示されるように、ステップ１０４及びステップ１０８で肯定判定がされた場合には音声応答処理を終了すると共に、ステップ１０８で否定判定がされた場合には、ステップ２００へ進む。

ステップ２００では、ステップ１００で生成された所定個の候補のうち、最も高い候補に相当する事例２４を事例応答対データベース２２から検索し、検索した結果得られた事例２４に対応する応答内容２６が表示装置１８及びスピーカ１６から応答されるように制御する。そして、音声応答処理を終了する。なお、ステップ２００は、制御手段に対応する。

以上、説明したように、本実施の形態に係る音声応答装置は、ユーザの発話音声を入力するための入力手段としてのマイクロフォン１４と、ユーザの発話内容を表す文章の事例２４と事例２４に対応する応答内容２６との組を複数個記憶した記憶手段としてのＨＤＤ１２ｂとを含んで構成されている。本実施の形態に係る音声応答装置は、マイクロフォン１４に入力されたユーザの発話音声に対して音声認識を行って信頼度が高い順に所定個の発話内容の候補を生成し、生成された所定個の発話内容の候補から無音を示す候補、及び生成された所定個の発話内容の候補の各々に対して形態素解析を行って候補の各々から自立語を抽出し、生成された所定個の発話内容の候補中に、無音を示す候補が存在する場合、及び自立語を含まない候補が存在する場合には、応答手段としての表示装置１８及びスピーカ１６から応答内容２６が応答されないように制御すると共に、無音を示す候補が存在せず、かつ所定個の発話内容の候補の全てが自立語を含む場合には、生成された信頼度が高い候補に相当する事例２４に対応する応答内容２６が表示装置１８及びスピーカ１６から応答されるように制御する。

本実施の形態に係る音声応答装置は、生成された所定個の発話内容の候補から無音を示す候補、及び生成された所定個の発話内容の候補の各々に対して形態素解析を行って候補の各々から自立語を抽出する。そして、生成された所定個の発話内容の候補中に、無音を示す候補が存在する場合、及び自立語を含まない候補が存在する場合には、入力された発話音声を無視するように、表示装置１８及びスピーカ１６から応答内容２６が応答されないように制御するので、入力された音声を棄却する場合に、無意味な音声入力（例えば、「あー」、「えー」、「んー」等）に対して「無視する」ことにより不必要な応答を減少することができ、より適切な対応を行うことができる。

［第４の実施の形態］
次に本発明の第４の実施の形態に係る音声応答装置について説明する。なお、第１の実施の形態及び第３の実施の形態と同様の構成及び同様の処理については、同一符号を付して、説明を省略する。

本実施の形態において、第１の実施の形態と異なる点は、本実施の形態に係る音声応答装置は、図１４に示す音声応答処理を実行する点である。同図に図示されるように、ステップ１０２の次にステップ１０６を実行し、ステップ１０６の次にステップ１１０を実行し、ステップ１２２で肯定判定がされた場合にはステップ２００を実行して音声応答処理を終了する。

以上、説明したように、本実施の形態に係る音声応答装置は、ユーザの発話音声を入力するための入力手段としてのマイクロフォン１４と、ユーザの発話内容の文章の事例２４と事例２４に対応する応答内容２６との組を複数個記憶した記憶手段としてのＨＤＤ１２ｂとを含んで構成されている。本実施の形態に係る音声応答装置は、マイクロフォン１４に入力されたユーザの発話音声に対して音声認識を行って信頼度が高い順に所定個の発話内容の候補を生成し、生成された所定個の発話内容の候補の各々に対して形態素解析を行って候補の各々から自立語を抽出し、抽出された同一の自立語毎に自立語の数を特定し、生成された所定個の発話内容の候補中に、特定された数が第１の所定値Ａ以上の高信頼度自立語が存在しない場合、特定された数が前記第１の所定値Ａより小さい第２の所定値Ｂ以下の低信頼度自立語が多数存在する場合、及びＨＤＤ１２ｂに記憶された事例２４に全ての高信頼度自立語が存在しない場合には、ユーザに再度の発話を促すための応答内容が表示装置１８及びスピーカ１６から応答されるように制御すると共に、所定個の発話内容の候補中に、高信頼度自立語が存在し、低信頼度自立語が多数存在せず、かつＨＤＤ１２ｂに記憶された事例２４に全ての高信頼度自立語が存在する場合には、生成された信頼度が高い候補に相当する事例２４に対応する応答内容２６が表示装置１８及びスピーカ１６から応答されるように制御する。

本実施の形態に係る音声応答装置は、生成された所定個の発話内容の候補の各々に対して形態素解析を行って候補の各々から自立語を抽出し、抽出された同一の自立語毎に自立語の数を特定する。そして、生成された所定個の発話内容の候補中に、特定された数が第１の所定値Ａ以上の高信頼度自立語が存在しない場合、特定された数が第１の所定値Ａより小さい第２の所定値Ｂ以下の低信頼度自立語が多数存在する場合、及びＨＤＤ１２ｂに記憶された事例２４に全ての高信頼度自立語が存在しない場合には、ユーザに再度の発話を促すための応答内容が表示装置１８及びスピーカ１６から応答されるように制御する。従って、本実施の形態に係る音声応答装置によれば、入力された音声を棄却する場合に、ユーザに再度の発話を促すことができ、より適切な対応を行うことができる。また、再度の発話を促されたユーザは、次は、より明確に発声するようになったり、言い方を変えてみたりするようになる。

［第５の実施の形態］
次に本発明の第５の実施の形態に係る音声応答装置について説明する。なお、第１の実施の形態、第３の実施の形態、及び第４の実施の形態と同様の構成及び同様の処理については、同一符号を付して、説明を省略する。

本実施の形態において、第１の実施の形態と異なる点は、本実施の形態に係る音声応答装置は、図１５に示す音声応答処理を実行する点である。同図に図示されるように、ステップ１０２の次にステップ１０６を実行し、ステップ１０６の次にステップ１１０を実行し、ステップ１１４の次にステップ１２４を実行し、ステップ１２４で否定判定がされた場合にはステップ１２８を実行して音声応答処理を終了し、ステップ１２４で肯定判定がされた場合にはステップ１２６を実行して音声応答処理を終了する。

以上、説明したように、本実施の形態に係る音声応答装置は、ユーザの発話音声を入力するための入力手段としてのマイクロフォン１４と、ユーザの発話内容の文章の事例２４と事例２４に対応する応答内容２６との組を複数個記憶した記憶手段としてのＨＤＤ１２ｂとを含んで構成されている。本実施の形態に係る音声応答装置は、マイクロフォン１４に入力されたユーザの発話音声に対して音声認識を行って信頼度が高い順に所定個の発話内容の候補を生成し、生成された所定個の発話内容の候補の各々に対して形態素解析を行って候補の各々から自立語を抽出し、抽出された同一の自立語毎に自立語の数を特定し、特定された数が第１の所定値Ａ以上の全ての高信頼度自立語が、ＨＤＤ１２ｂに記憶された事例２４中の何れか１つの事例２４に含まれていない場合には、入力された発話音声に相当する事例２４がなく対応する応答ができないことを示す応答内容が表示装置１８及びスピーカ１６から応答されるように制御すると共に、全ての高信頼度自立語が、何れか１つの事例２４に含まれている場合には、全ての高信頼度自立語が含まれている事例２４に対応する応答内容２６が表示装置１８及びスピーカ１６から応答されるように制御する。

本実施の形態に係る音声応答装置は、生成された所定個の発話内容の候補の各々に対して形態素解析を行って候補の各々から自立語を抽出し、抽出された同一の自立語毎に自立語の数を特定する。そして、特定された数が第１の所定値Ａ以上の全ての高信頼度自立語が、ＨＤＤ１２ｂに記憶された事例２４中の何れか１つの事例２４に含まれていない場合には、入力された発話音声に相当する事例２４がなく対応する応答ができないことを示す応答内容が表示装置１８及びスピーカ１６から応答されるように制御する。従って、本実施の形態に係る音声応答装置によれば、入力された音声を棄却する場合に、入力された発話音声に相当する事例２４がなく対応する応答ができないことをユーザに応答することができ、より適切な対応を行うことができる。また、入力された発話音声に相当する事例がなく対応する応答ができないことを提示されたユーザは、別な質問を行うようになる。

第１の実施の形態に係る音声応答装置を示す図である。第１の実施の形態に係る音響モデルデータベース及び事例応答対データベースの模式図である。第１の実施の形態に係る音声応答装置が実行する音声応答処理の処理ルーチンのフローチャートを示す図である。第１の実施の形態に係る音声認識結果候補を示す図である。第１の実施の形態に係る音声応答処理を説明するための図である。第１の実施の形態に係る音声応答処理を説明するための図である。第１の実施の形態に係る音声応答処理を説明するための図である。第１の実施の形態に係る音声応答処理を説明するための図である。第１の実施の形態に係る音声応答処理を説明するための図である。第１の実施の形態に係る音声応答処理を説明するための図である。第１の実施の形態に係る音声応答処理を説明するための図である。第２の実施の形態に係る音声応答装置を示す図である。第３の実施の形態に係る音声応答装置が実行する音声応答処理の処理ルーチンのフローチャートを示す図である。第４の実施の形態に係る音声応答装置が実行する音声応答処理の処理ルーチンのフローチャートを示す図である。第５の実施の形態に係る音声応答装置が実行する音声応答処理の処理ルーチンのフローチャートを示す図である。

符号の説明

１０音声応答装置
１２コンピュータ
１２ｂＨＤＤ
１２ｃＣＰＵ
１４マイクロフォン
１６スピーカ
１８表示装置
２２事例応答対データベース
２４事例
２６応答内容

Claims

ユーザの発話音声を入力するための入力手段と、
前記入力手段に入力されたユーザの発話音声に対して音声認識を行って信頼度が高い順に所定個の発話内容の候補を生成する音声認識手段と、
ユーザの発話内容を表す文章の事例と該事例に対応する応答内容との組を複数個記憶した記憶手段と、
前記音声認識手段によって生成された所定個の発話内容の候補から無音を示す候補、及び前記音声認識手段によって生成された所定個の発話内容の候補の各々に対して形態素解析を行って該候補の各々から自立語を抽出する抽出手段と、
前記音声認識手段によって生成された所定個の発話内容の候補中に、無音を示す候補が存在する場合、及び自立語を含まない候補が存在する場合には、応答手段から応答内容が応答されないように制御すると共に、前記無音を示す候補が存在せず、かつ前記所定個の発話内容の候補の全てが自立語を含む場合には、前記音声認識手段によって生成された信頼度が高い候補に相当する前記事例に対応する応答内容が前記応答手段から応答されるように制御する制御手段と、
を含む音声応答装置。
ユーザの発話音声を入力するための入力手段と、
前記入力手段に入力されたユーザの発話音声に対して音声認識を行って信頼度が高い順に所定個の発話内容の候補を生成する音声認識手段と、
ユーザの発話内容の文章の事例と該事例に対応する応答内容との組を複数個記憶した記憶手段と、
前記音声認識手段によって生成された所定個の発話内容の候補の各々に対して形態素解析を行って該候補の各々から自立語を抽出する抽出手段と、
前記抽出手段によって抽出された同一の自立語毎に、自立語の数を特定する特定手段と、
前記音声認識手段によって生成された所定個の発話内容の候補中に、前記特定手段によって特定された数が第１の所定値以上の高信頼度自立語が存在しない場合、前記特定手段によって特定された数が前記第１の所定値より小さい第２の所定値以下の低信頼度自立語が多数存在する場合、及び前記記憶手段に記憶された事例に全ての前記高信頼度自立語が存在しない場合には、ユーザに再度の発話を促すための応答内容が応答手段から応答されるように制御すると共に、前記所定個の発話内容の候補中に、前記高信頼度自立語が存在し、前記低信頼度自立語が多数存在せず、かつ前記記憶手段に記憶された事例に全ての前記高信頼度自立語が存在する場合には、前記音声認識手段によって生成された信頼度が高い候補に相当する前記事例に対応する応答内容が前記応答手段から応答されるように制御する制御手段と、
を含む音声応答装置。
ユーザの発話音声を入力するための入力手段と、
前記入力手段に入力されたユーザの発話音声に対して音声認識を行って信頼度が高い順に所定個の発話内容の候補を生成する音声認識手段と、
ユーザの発話内容の文章の事例と該事例に対応する応答内容との組を複数個記憶した記憶手段と、
前記音声認識手段によって生成された所定個の発話内容の候補の各々に対して形態素解析を行って該候補の各々から自立語を抽出する抽出手段と、
前記抽出手段によって抽出された同一の自立語毎に、自立語の数を特定する特定手段と、
前記特定手段によって特定された数が第１の所定値以上の全ての高信頼度自立語が、前記記憶手段に記憶された事例中の何れか１つの事例に含まれていない場合には、入力された発話音声に相当する事例がなく対応する応答ができないことを示す応答内容が応答手段から応答されるように制御すると共に、該全ての高信頼度自立語が、該何れか１つの事例に含まれている場合には、全ての高信頼度自立語が含まれている事例に対応する応答内容が前記応答手段から応答されるように制御する制御手段と、
を含む音声応答装置。
コンピュータを、
ユーザの発話音声を入力するための入力手段に入力されたユーザの発話音声に対して音声認識を行って信頼度が高い順に所定個の発話内容の候補を生成する音声認識手段、
前記音声認識手段によって生成された所定個の発話内容の候補から無音を示す候補、及び前記音声認識手段によって生成された所定個の発話内容の候補の各々に対して形態素解析を行って該候補の各々から自立語を抽出する抽出手段、及び
前記音声認識手段によって生成された所定個の発話内容の候補中に、無音を示す候補が存在する場合、及び自立語を含まない候補が存在する場合には、応答手段から応答内容が応答されないように制御すると共に、前記無音を示す候補が存在せず、かつ前記所定個の発話内容の候補の全てが自立語を含む場合には、ユーザの発話内容を表す文章の事例と該事例に対応する応答内容との組を複数個記憶した記憶手段に記憶された、前記音声認識手段によって生成された信頼度が高い候補に相当する前記事例に対応する応答内容が前記応答手段から応答されるように制御する制御手段
として機能させるためのプログラム。
コンピュータを、
ユーザの発話音声を入力するための入力手段に入力されたユーザの発話音声に対して音声認識を行って信頼度が高い順に所定個の発話内容の候補を生成する音声認識手段、
前記音声認識手段によって生成された所定個の発話内容の候補の各々に対して形態素解析を行って該候補の各々から自立語を抽出する抽出手段、
前記抽出手段によって抽出された同一の自立語毎に、自立語の数を特定する特定手段、及び
前記音声認識手段によって生成された所定個の発話内容の候補中に、前記特定手段によって特定された数が第１の所定値以上の高信頼度自立語が存在しない場合、前記特定手段によって特定された数が前記第１の所定値より小さい第２の所定値以下の低信頼度自立語が多数存在する場合、及びユーザの発話内容の文章の事例と該事例に対応する応答内容との組を複数個記憶した記憶手段に記憶された事例に全ての前記高信頼度自立語が存在しない場合には、ユーザに再度の発話を促すための応答内容が応答手段から応答されるように制御すると共に、前記所定個の発話内容の候補中に、前記高信頼度自立語が存在し、前記低信頼度自立語が多数存在せず、かつ前記記憶手段に記憶された事例に全ての前記高信頼度自立語が存在する場合には、前記音声認識手段によって生成された信頼度が高い候補に相当する前記事例に対応する応答内容が前記応答手段から応答されるように制御する制御手段
として機能させるためのプログラム。
コンピュータを、
ユーザの発話音声を入力するための入力手段に入力されたユーザの発話音声に対して音声認識を行って信頼度が高い順に所定個の発話内容の候補を生成する音声認識手段、
前記音声認識手段によって生成された所定個の発話内容の候補の各々に対して形態素解析を行って該候補の各々から自立語を抽出する抽出手段、
前記抽出手段によって抽出された同一の自立語毎に、自立語の数を特定する特定手段、及び
前記特定手段によって特定された数が第１の所定値以上の全ての高信頼度自立語が、ユーザの発話内容の文章の事例と該事例に対応する応答内容との組を複数個記憶した記憶手段に記憶された事例中の何れか１つの事例に含まれていない場合には、入力された発話音声に相当する事例がなく対応する応答ができないことを示す応答内容が応答手段から応答されるように制御すると共に、該全ての高信頼度自立語が、該何れか１つの事例に含まれている場合には、全ての高信頼度自立語が含まれている事例に対応する応答内容が前記応答手段から応答されるように制御する制御手段
として機能させるためのプログラム。