JP7315176B2 - セリフ分析プログラム、セリフ分析方法、およびセリフ分析システム - Google Patents

Description

本開示は、セリフがキャラクターにふさわしいか否かを分析するセリフ分析プログラム、セリフ分析方法、およびセリフ分析システムに関する。

ゲームやアニメーション等の作品のシナリオでは、様々なキャラクターが登場するものがある。シナリオ制作においては、キャラクターの性格、職業、性別等の特徴を反映するように、各キャラクターのセリフが決定される。

作品の規模が大きくなると、コスト低減や製作時間の短縮のため、複数の制作者が分担してシナリオを制作することがある。この場合、例えば最初にキャラクター毎の性格付けや口調、キャラクター同士の呼び方等の制作方針を決めておき、複数の制作者が当該制作方針に基づいて、それぞれの担当する箇所のシナリオを制作する。または、すでに確定されたシナリオに追加する新規シナリオを制作することもある。

特許文献１には、既存のゲームプログラムのセリフデータを含む要素データを記憶したデータベースに基づき、学習モデルを用いて新たなゲームプログラムを生成する技術が開示されている。

特開２０２０－６９３７７号公報

複数の制作者がシナリオ制作に関わったり、後から新規シナリオを追加したりする場合、シナリオ内に存在するセリフが、各キャラクターの特徴に合致していないとゲームのプレイヤーが違和感を覚えてしまう。

しかしながら、上述した特許文献１の技術は、単に既存のゲームプログラムのセリフデータの特徴を新たなゲームプログラムに当てはめるだけであり、ゲームのプレイヤーが違和感を覚えないようにするものではなかった。

本開示は、セリフがキャラクターにふさわしいか否かを分析するセリフ分析プログラム、セリフ分析方法、およびセリフ分析システムを提供することを目的とする。

本開示のセリフ分析プログラムは、コンピュータに、少なくとも１の指定キャラクターの新たなセリフに関する新規セリフデータを取得する手順と、既に確定したセリフを含む前記指定キャラクターの確定セリフデータを学習用データとして用いて機械学習を行い、前記指定キャラクターのセリフの特徴を学習することで生成された学習モデル、および前記新規セリフデータを用いて、前記新たなセリフの前記指定キャラクターに対するふさわしさを分析する手順と、前記ふさわしさについての分析結果を示す情報を出力する手順と、前記確定したセリフに含まれる前記指定キャラクターの一人称、および、前記新たなセリフに含まれる前記指定キャラクターの一人称を種類ごとに集計した第１集計結果、及び／または、前記確定したセリフに含まれる前記指定キャラクターの他のキャラクターの呼び方、および、前記新たなセリフに含まれる前記指定キャラクターの他のキャラクターの呼び方を種類ごとに集計した第２集計結果を出力する手順と、を実行させる。

本開示のセリフ分析方法は、コンピュータが、少なくとも１の指定キャラクターの新たなセリフに関する新規セリフデータを取得する手順と、既に確定したセリフを含む前記指定キャラクターの確定セリフデータを学習用データとして用いて機械学習を行い、前記指定キャラクターのセリフの特徴を学習することで生成された学習モデル、および前記新規セリフデータを用いて、前記新たなセリフの前記指定キャラクターに対するふさわしさを分析する手順と、前記ふさわしさについての分析結果を示す情報を出力する手順と、前記確定したセリフに含まれる前記指定キャラクターの一人称、および、前記新たなセリフに含まれる前記指定キャラクターの一人称を種類ごとに集計した第１集計結果、及び／または、前記確定したセリフに含まれる前記指定キャラクターの他のキャラクターの呼び方、および、前記新たなセリフに含まれる前記指定キャラクターの他のキャラクターの呼び方を種類ごとに集計した第２集計結果を出力する手順と、を実行する。

本開示のセリフ分析システムは、少なくとも１の指定キャラクターの新たなセリフに関する新規セリフデータを取得する取得部と、既に確定したセリフを含む前記指定キャラクターの確定セリフデータを学習用データとして用いて機械学習を行い、前記指定キャラクターのセリフの特徴を学習した学習モデルを生成する学習部と、前記学習モデル、および前記新規セリフデータを用いて、前記新たなセリフの前記指定キャラクターに対するふさわしさを分析し、前記ふさわしさについての分析結果を示す情報を出力し、前記確定したセリフに含まれる前記指定キャラクターの一人称、および、前記新たなセリフに含まれる前記指定キャラクターの一人称を種類ごとに集計した第１集計結果、及び／または、前記確定したセリフに含まれる前記指定キャラクターの他のキャラクターの呼び方、および、前記新たなセリフに含まれる前記指定キャラクターの他のキャラクターの呼び方を種類ごとに集計した第２集計結果を出力する分析部と、を備える。

本開示によれば、セリフがキャラクターにふさわしいか否かを分析することができる。

セリフ分析装置の構成について説明するための図 端末装置の構成について説明するための図 サーバ装置の構成について説明するための図 セリフ分析システムの確定セリフ学習処理を説明するためのフローチャート 確定セリフデータの一例を示す図 セリフ分析システムの新規セリフ分析処理を説明するためのフローチャート 分析部の分析により生成された分析データの一例を示す図 分析部の分析により生成された分析データの一例を示す図 セリフ分析に関するセリフ分析画面の例を示す図 セリフ分析に関するセリフ分析画面の例を示す図 口調情報画面の例を示す図 口調情報画面の例を示す図 一人称・呼び方表示画面の例を示す図

以下、本開示の各実施の形態について図面を参照して詳細に説明する。ただし、必要以上に詳細な説明、例えば、既によく知られた事項の詳細説明や実質的に同一の構成に対する重複説明等は省略する場合がある。また、以下の説明および参照される図面は、当業者が本開示を理解するために提供されるものであって、本開示の請求の範囲を限定するためのものではない。

＜構成＞
図１は、本開示の実施の形態に係るセリフ分析システム１の構成について説明するための図である。

図１に示すように、セリフ分析システム１は、端末装置２と、サーバ装置３と、を備える。図１に示す例では、複数の端末装置２がネットワークＮＷを介してサーバ装置３と通信可能に接続されている。なお、図１には複数の端末装置２と１台のサーバ装置３とが通信可能に接続された例が示されているが、本開示はこれに限定されず、端末装置２は１台であってもよいし、サーバ装置３が複数台であってもよい。ネットワークＮＷは、例えばインターネットまたは社内ネットワークである。

端末装置２は、例えばパーソナルコンピュータ（Personal Computer：ＰＣ）、ワークステーション、タブレット端末等のコンピュータである。図２は、端末装置２の構成について説明するための図である。

図２に示すように、端末装置２は、操作部２１と、表示部２２と、記憶部２３と、通信部２４と、制御部２５と、を備える。

操作部２１は、キーボード、マウス等の入力デバイスである。なお、操作部２１は、表示部２２に設けられたタッチパネルで構成されてもよい。

表示部２２は、液晶ディスプレイ、有機ＥＬ（Electro-Luminescence）ディスプレイ等の表示デバイスである。

記憶部２３は、各種情報を記憶する記憶デバイスである。記憶部２３は、例えば、ＨＤＤ（Hard Disk Drive）、ＳＳＤ（Solid State Drive）、フラッシュメモリ等で構成される。

通信部２４は、有線通信または無線通信により、ネットワークＮＷを介してサーバ装置３と通信を行う通信デバイスである。

制御部２５は、例えばＣＰＵ（Central Processing Unit）で構成されており、記憶部２３に格納された各種プログラムを読み出して実行することで、端末装置２の各種処理の制御を行う。

端末装置２は、セリフ分析システム１のユーザが利用するコンピュータであり、ユーザから、ゲームやアニメーション等のシナリオに含まれるセリフに関するデータの入力を受け付ける。

図３は、サーバ装置３の構成について説明するための図である。図３に示すように、サーバ装置３は、通信部３１と、記憶部３２と、制御部３３と、を備える。

通信部３１は、有線通信または無線通信により、ネットワークＮＷを介して端末装置２と通信を行う通信デバイスである。

記憶部３２は、各種情報を記憶する記憶デバイスである。記憶部３２は、例えば、ＨＤＤ、ＳＳＤ、フラッシュメモリ等で構成される。記憶部３２は、セリフに関するデータベース（以下、ＤＢと記載する）であるセリフＤＢを有する。また、記憶部３２は、セリフに関する機械学習の学習結果であるセリフ学習モデルを記憶する。

制御部３３は、例えばＣＰＵ（Central Processing Unit）で構成されており、サーバ装置３の各種処理の制御を行う。制御部３３は、取得部３３１と、登録部３３２と、学習部３３３と、分析部３３４と、を備える。

取得部３３１は、端末装置２からセリフに関するデータを取得する。登録部３３２は、取得したデータをセリフＤＢに登録する。学習部３３３は、セリフＤＢに登録されたデータに基づき、記憶部３２に記憶されたセリフ学習モデルを生成または更新する。分析部３３４は、端末装置２から取得した、新たなセリフに関するデータに基づき、セリフ学習モデルを用いて分析処理を行う。

＜セリフ分析システム１の全体の動作の流れ＞
セリフ分析システム１の全体の動作の流れについて説明する。

［確定セリフ学習処理］
図４は、セリフ分析システム１の確定セリフ学習処理を説明するためのフローチャートである。確定セリフ学習処理は、１つの作品、または一連の作品群の確定したシナリオにおけるセリフに基づいて、キャラクター毎のセリフの特徴を学習する処理である。なお、以下の説明において、確定したシナリオに含まれる各キャラクターのセリフを、確定セリフと記載することがある。

まず、端末装置２の操作部２１は、セリフ分析システム１のユーザの操作に基づいて、確定セリフデータの入力を受け付ける（ステップＳ１）。確定セリフデータとは、すでに確定したシナリオから抽出された、キャラクター毎のセリフに関するデータである。確定セリフデータは、キャラクター毎にあらかじめセリフが分けられたデータであってもよいし、シナリオ中の全キャラクターのセリフを含むデータであってもよい。確定セリフデータは、少なくとも、キャラクターに関する情報、および、セリフに関する情報を含む。キャラクターに関する情報とは、例えば、キャラクターの名前（名称）、またはキャラクター毎に割り振られた識別番号等である。

図５は、確定セリフデータの一例を示す図である。図５に示す確定セリフデータには、セリフ毎の識別情報である「セリフＩＤ」、キャラクター毎の識別情報である「キャラＩＤ」、キャラクターの名前である「キャラ名」、セリフの内容を示す「セリフ」が含まれる。

なお、確定セリフデータには、さらに他の情報が含まれてもよい。また、他の情報が含まれたデータが確定セリフデータと紐付けられて、以降の処理において用いられてもよい。他の情報の例としては、シナリオに登場する固有名詞等の登録単語、シナリオにおけるＮＧワード、単語の特殊な読み方（ルビ）等の情報が登録された辞書データが挙げられる。

なお、端末装置２に入力されるデータは、あらかじめシナリオから抽出されたセリフに関するデータであってもよいが、シナリオの全テキストを含むシナリオデータであってもよい。後者の場合、例えば端末装置２またはサーバ装置３が、あらかじめ記憶部２３に記憶されているセリフ抽出プログラムを動作させ、シナリオデータからキャラクター毎にセリフを抽出し、確定セリフデータを生成すればよい。

端末装置２の通信部２４は、確定セリフデータを、ネットワークＮＷを介してサーバ装置３へ送信する（ステップＳ２）。

サーバ装置３の取得部３３１は、通信部３１を介して確定セリフデータを取得する（ステップＳ３）。

サーバ装置３の登録部３３２は、確定セリフデータに基づき、キャラクター毎のセリフを記憶部３２のセリフＤＢに登録する（ステップＳ３）。

サーバ装置３の学習部３３３は、セリフＤＢに登録された確定セリフデータに基づいて、キャラクター毎のセリフの特徴を学習する（ステップＳ４）。

学習部３３３による、キャラクター毎のセリフの特徴の学習は、キャラクター毎の確定セリフデータを学習用データとして用いた機械学習によって行われる。学習部３３３が用いる機械学習の手法は特に限定されない。例えば、再帰型ニューラルネットワーク（ＲＮＮ：Recurrent Neural Network）、長・短期記憶（ＬＳＴＭ：long short-term memory）、汎用言語モデルＢＥＲＴ、等、既存のアルゴリズムが適宜採用されればよい。

以上のような確定セリフ学習処理により、サーバ装置３の記憶部３２に、学習部３３３による学習の結果としてのセリフ学習モデルが生成または更新される。

［新規セリフ分析処理］
図６は、セリフ分析システム１の新規セリフ分析処理を説明するためのフローチャートである。新規セリフ分析処理は、新規に作成されたセリフが、キャラクターの特徴に合っているか否かを、セリフ学習モデルに基づいて分析する処理である。

まず、端末装置２の操作部２１は、セリフ分析システム１のユーザの操作に基づいて、新規セリフデータの入力を受け付ける（ステップＳ１１）。新規セリフデータとは、すでに確定したセリフ群に対して、新規に追加されるセリフに関するデータである。以下の説明において、新規に追加されるセリフを新規セリフと記載する。

新規セリフデータは、少なくとも、新規セリフに関する情報と、当該新規セリフを発すると指定された指定キャラクターを示す情報と、を含む。なお、本明細書では、新規セリフを発すると設定されたキャラクターを、指定キャラクターと記載する。

端末装置２の通信部２４は、新規セリフデータを、通信部２４により、ネットワークＮＷを介してサーバ装置３へ送信する（ステップＳ１２）。

サーバ装置３の分析部３３４は、セリフ学習モデルを用いて、受信した新規セリフデータの分析を行い、分析結果を示す分析データを出力する（ステップＳ１３）。分析部３３４による分析の詳細については後述する。

その後、サーバ装置３の通信部３１は、分析結果を示す分析データを端末装置２に対して送信する（ステップＳ１４）。これにより、セリフ分析システム１のユーザは、端末装置２の表示部２２を介して分析結果を参照したり、分析結果に基づいてセリフの修正等を行ったりすることができる。

［分析部３３４による分析の詳細］
以下では、サーバ装置３の分析部３３４による分析の詳細について説明する。図７Ａおよび図７Ｂは、分析部３３４の分析により生成された分析データの一例を示す図である。図７Ａおよび図７Ｂに示すように、分析データは、一致度、似た口調のキャラクター候補、一人称および他のキャラクターの呼び方、登録単語、ＮＧワード、文字数チェック等の項目を含む。

（１）一致度の算出
分析部３３４は、新規セリフデータに含まれる新規セリフ毎に、当該新規セリフにおけるキャラクターの口調が、確定セリフデータにおける当該キャラクターの口調と一致している度合い（一致度）を、学習モデルに基づいて算出し、分析結果を示す分析データとして出力する。言い換えると、一致度は、キャラクターの口調の特徴に対する新規セリフのふさわしさを表すパラメータである。分析部３３４は、指定キャラクターについてのみ一致度の算出を行ってもよいし、全てのキャラクターについて一致度の算出を行ってもよい。

本明細書において、口調とは、キャラクター毎の、ものの言い方、言葉の使い方、語尾等に表れた特徴を意味する。

一致度は、例えばパーセンテージで表される。図７Ａに示す例では、キャラ名「ユーシャー」の新規セリフの口調は、確定セリフデータに基づくキャラ名「ユーシャー」の口調との一致度が２９．９％であると示されている。一致度を算出することにより、新規セリフが指定キャラクターの口調に合っているか否かを客観的に示す分析結果を得ることができる。

（２）似た口調のキャラクター候補の抽出
上記説明した一致度の算出では、全てのキャラクターについて新規セリフに関する一致度が算出される。ある新規セリフにおいて、指定キャラクターの口調との一致度よりも、他のキャラクターの口調との一致度の方が高い場合、分析部３３４は、より一致度が高い口調のキャラクターを抽出し、抽出したキャラクターを分析データとして出力する。

図７Ａに示す例では、キャラ名「ユーシャー」の新規セリフの口調が、キャラ名「ブリン・ホブゴ」の口調に５４．０％の確率で似ていることが示されている。このパーセンテージは、学習モデルに基づいて算出された、キャラ名「ユーシャー」の新規セリフの特徴量と、キャラ名「ブリン・ホブゴ」の確定セリフの特徴量との類似度に基づいて算出されたものである。

これにより、ユーザは、新規セリフを発するべきキャラクターが指定キャラクターではなく、他のキャラクターである可能性を認識することができる。

なお、似たキャラクターの抽出結果は、指定キャラクターの新規セリフと確定セリフデータにおける当該キャラクターの口調との一致度よりも、指定キャラクターの新規セリフと確定セリフデータにおける他のキャラクターの口調との一致度の方が高い場合に表示される。一致度が高い他のキャラクターが複数ある場合、一致度が最も高いキャラクターが抽出結果として表示されればよい。図７Ａでは、キャラ名「ユーシャー」の新規セリフと各キャラクターの確定セリフデータとの一致度の中で、キャラ名「ユーシャー」の新規セリフとキャラ名「ブリン・ホブゴ」の確定セリフデータとの一致度（５４．０％）が最も高い場合の例が示されている。

（３）一人称、他のキャラクターの呼び方の分析
分析部３３４は、新規セリフ毎に、当該新規セリフに含まれる一人称、および、他のキャラクターを呼ぶときの呼び方が、確定セリフデータにおける指定キャラクターの一人称、および、他のキャラクターを呼ぶときの呼び方とそれぞれ一致するか否かを判定し、分析結果として出力する。

これにより、分析結果を参照したユーザは、新規セリフに含まれる一人称または他のキャラクターの呼び方が、指定キャラクターに合っているか否かを客観的に判断することができる。

一人称とは、キャラクターが自分自身を呼ぶときの呼び方である。一人称の例としては、例えば「俺」、「オレ」、「僕」、「ボク」、「私」、「わたし」、「ワタシ」、「あたし」、「うち」等が挙げられる。

また、他のキャラクターを呼ぶときの呼び方の例としては、「○○さん（○○はキャラクター名）」、「○○君」、「キミ」、「お前」、「貴様」等が挙げられる。

分析部３３４は、確定セリフに含まれる各キャラクターの一人称、および、新規セリフに含まれる各キャラクターの一人称を集計して得られた第１集計結果を分析結果として出力する。

図７Ａに示す例では、新規セリフにおけるキャラ名「ブリン・ホブゴ」の一人称が「俺」であること、確定セリフデータにおけるキャラ名「ブリン・ホブゴ」の一人称は全て「おれ」であり、「おれ」が４０回中の４０回である。この場合、分析部３３４は、図７Ａに示すように、第１集計結果「俺：０／４０回」、「おれ：４０／４０回」を分析結果として出力する。これを参照したユーザは、当該新規セリフにおける一人称「俺」が誤りである可能性が高いことを客観的に判断することができる。

ただし、キャラクターの一人称や、他のキャラクターの呼び方は場面によって揺れがあることがある。例えば、ある場面では一人称「オレ」を使用するキャラクターが、他の場面では一人称「僕」を使用する場合がある。このような場合、分析部３３４は、確定セリフデータにおける指定キャラクターの一人称を、全種類抽出して第１集計結果を分析結果として出力する。例えば、あるキャラクターについて、確定セリフデータにおいて一人称「オレ」が３０回、一人称「僕」が２０回登場していたとすると、分析部３３４は、第１集計結果「オレ：３０／５０」、「僕：２０／５０」を分析結果として出力する。これにより、ユーザは、指定キャラクターの一人称に揺れがあることを認識することができるとともに、新規セリフにおける一人称を再度確認する必要があることを認識することができる。

また、分析部３３４は、指定キャラクターが他のキャラクターを呼ぶときの呼び方についても、確定セリフに含まれる呼び方と新規セリフに含まれる呼び方を集計して得られた第２集計結果を分析結果として出力する。

図７Ａに示す例では、キャラ名「ユーシャー」というキャラクターが、新規セリフにおいて、キャラ名「キャッティ」という他のキャラクターを呼ぶときの呼び方は「キャッティさん」である。これに対して、キャラ名「ユーシャー」というキャラクターが、確定セリフにおいてキャラ名「キャッティ」というキャラクターを呼ぶときの呼び方は、６４回中６３回が「キャッティくん」であり、６４回中１回が「キャッティちゃん」である。この場合、分析部３３４は、図７Ａに示すように、第２集計結果「キャッティさん：０／６４回」、「キャッティくん：６３／６４回」、「キャッティちゃん：１／６４回」を分析結果として出力している。これにより、ユーザは、指定キャラクターによる他のキャラクターの呼び方に揺れがあることを認識することができるとともに、新規セリフにおける呼び方を再度確認する必要があることを認識することができる。

（４）あらかじめ登録された用語の表記ミスチェック
上述したように、確定セリフデータ、または、確定セリフデータに紐付けられたデータには、表記を間違えやすい単語や固有名詞等が、登録単語として記憶されている。図７Ｂに示す例では、キャラ名「ララ・ソーサー」の新規セリフに含まれる単語「アボガド」が、登録単語「アボカド」の表記ミスであるとして抽出されている。このような構成により、あらかじめ表記を間違えやすい単語を登録しておき、それが新規セリフに含まれているか否かを検出することにより、高精度で表記ミスを見つけ出すことができる。

また、登録単語には、表記を間違えやすい単語や固有名詞だけでなく、種々のものが含まれる。例えば、シナリオによっては、一般的な用語とは表記が異なる特殊な用語がセリフ中に登場することがある。特殊な用語の例としては、人名や地名等の固有名詞が挙げられる。例えば歴史上実在した人物と同姓同名の架空の人物の名前をカタカナで表記したり、実在の地名と同じ架空の地名を同じ読み方の別の漢字で表記したり、等が考えられる。

このような特殊な用語があらかじめユーザによってセリフ分析システム１に登録されている場合、分析部３３４は、新規セリフに特殊な用語が含まれているか否か、および、含まれている場合にあらかじめ登録された表記と合っているか否か、を判定し、分析結果として出力する。これにより、ユーザは、新規セリフ中に特殊な用語が正しく表記されているか否かを判断することができる。

（５）ＮＧワードの有無チェック
分析部３３４は、あらかじめ登録されたＮＧワード（本開示の禁止語句の一例）、すなわちセリフ中に登場すべきでない用語が新規セリフに含まれるか否かをチェックし、その有無を分析結果として出力する。ＮＧワードには、例えば放送禁止用語や倫理上好ましくない用語の他、キャラクターの性格上、言わせたくない用語等が含まれる。すなわち、ＮＧワードはキャラクター毎にあらかじめ登録されうる。

図７Ｂに示す例では、キャラ名「キャッティ」の新規セリフに含まれる単語「イカサマ」が、ＮＧワードとして抽出されている。

これにより、ユーザは、キャラクターが発するはずがない用語が新規セリフ中に含まれるか否かを容易に判断することができる。

（６）文字数チェック
分析部３３４は、新規セリフの文字数があらかじめ設定された文字数内に収まっているか否かを判定し、分析結果として出力する。例えばゲームの場合、セリフがあらかじめ決められた大きさのウインドウ内に表示されることがある。このような場合には、ウインドウ内に表示できる文字数をユーザがあらかじめ設定し、分析部３３４は、新規セリフがこの文字数以内であるか否かを判定する。

図７Ｂに示す例では、ウインドウの大きさが３通り（３０文字×２行、４２文字×３行、および５０文字×４行）想定されており、このウインドウ内に収まらないと判断された新規セリフには「×」が表示されている。これにより、ユーザは、新規セリフの文字数がウインドウ内に収まるか否かを判断することができる。

［分析結果の表示例］
次に、端末装置２における表示部２２の表示例について説明する。

図８Ａおよび図８Ｂは、新規セリフ分析に関するセリフ分析画面１００の例を示す図である。図８Ａは、ユーザによる新規セリフ分析処理の開始操作を待ち受ける状態におけるセリフ分析画面１００を示しており、図８Ｂは、新規セリフ分析処理の結果を表示した状態におけるセリフ分析画面１００を示している。

図８Ａに示すように、新規セリフ分析処理の開始操作を待ち受ける状態では、セリフ分析画面１００は、キャラクター名を入力する欄１０１と、新規セリフを入力する欄１０２と、開始ボタン１０３と、を有する。ユーザは、キャラクター名を欄１０１に入力またはプルダウンメニューから選択し、欄１０２に新規セリフを入力して、開始ボタン１０３を操作する。これにより、上述した新規セリフ分析処理が開始される。

図８Ｂに示すように、サーバ装置３における新規セリフ分析処理が完了し、端末装置２が分析データを受信すると、表示部２２に表示されるセリフ分析画面１００には、分析結果欄１０４が追加される。分析結果欄１０４には、新規セリフ分析処理における分析結果が表示される。

また、図９Ａおよび図９Ｂは、キャラクター毎のセリフ分析結果のうち、キャラクターの口調、すなわち一人称および他のキャラクターの呼び方、語尾等に関する情報を表示させるための口調情報画面２００の例を示す図である。図９Ａは、ユーザによる口調情報を表示させる操作を待ち受ける状態における口調情報画面２００を示しており、図９Ｂは、口調情報を表示した状態における口調情報画面２００を示している。

図９Ａに示すように、口調情報を表示させる操作を待ち受ける状態では、口調情報画面２００は、キャラクター名を入力またはプロダウンメニューから選択する欄２０１を有する。

ユーザは、キャラクター名を欄２０１に入力またはプルダウンメニューから選択すると、図９Ｂに示すように口調情報画面２００の表示が切り替わる。図９Ｂに示すように、口調情報を表示した状態では、口調情報画面２００は、分析結果欄２０２を有する。分析結果欄２０２には、口調に関する項目の分析結果が表示される。

図１０は、キャラクター毎の一人称および他のキャラクターの呼び方を示す情報を表示させるための一人称・呼び方表示画面３００の例を示す図である。図１０に示すように、一人称・呼び方表示画面３００は、一人称、他のキャラクターの呼び方をマトリクスで示す画面である。

なお、図８Ａ，Ｂ、図９Ａ，Ｂ、および図１０に例示した端末装置２の表示部に表示される各画面は一例であり、本開示はこれに限定されない。各画面の表示内容は、よりユーザの使い勝手がよいように、表示する分析結果の項目をユーザが適宜設定できるようにしてもよい。また、これらの画面は、ユーザの操作に応じて、端末装置２が生成してもよいし、サーバ装置３が生成して端末装置２に送信してもよい。

以上、本発明に係る実施の形態について図面を参照して詳述してきたが、上述したセリフ分析システム１の端末装置２またはサーバ装置３の各機能は、コンピュータプログラムにより実現され得る。

端末装置２またはサーバ装置３の各機能を実現するコンピュータは、キーボードやマウス、タッチパッド等の入力装置、ディスプレイやスピーカ等の出力装置、ＣＰＵ（Central Processing Unit）、ＲＯＭ（Read Only Memory）、ＲＡＭ（Random Access Memory）、ハードディスク装置やＳＳＤ（Solid State Drive）等の記憶装置、ＤＶＤ－ＲＯＭ（Digital Versatile Disk Read Only Memory）やＵＳＢ（Universal Serial Bus）メモリ等の記録媒体から情報を読み取る読取装置、ネットワークを介して通信を行うネットワークカード等を備え、各部はバスにより接続される。

そして、読取装置は、上記各装置の機能を実現するためのプログラムを記録した記録媒
体からそのプログラムを読み取り、記憶装置に記憶させる。あるいは、ネットワークカードが、ネットワークに接続されたサーバ装置と通信を行い、サーバ装置からダウンロードした上記各装置の機能を実現するためのプログラムを記憶装置に記憶させる。

そして、ＣＰＵが、記憶装置に記憶されたプログラムをＲＡＭにコピーし、そのプログラムに含まれる命令をＲＡＭから順次読み出して実行することにより、上記各装置の機能が実現される。

なお、上述した実施の形態では、図１に示すように、セリフ分析システム１が互いに独立した装置である端末装置２とサーバ装置３とを有する場合について説明した。しかしながら、本開示はこれに限定されず、例えばユーザが操作する操作部と、分析結果を表示する表示部と、セリフデータベースおよび学習結果データベースを記憶する記憶部と、取得部、登録部、学習部および分析部を含む制御部と、を１つのセリフ分析装置が備えてもよいし、複数の装置が連携してこれらの各部の機能を実現してもよい。

本開示は、シナリオに追加するセリフに関する分析を行うセリフ分析システムに有用である。

１ セリフ分析システム
２ 端末装置
２１ 操作部
２２ 表示部
２３ 記憶部
２４ 通信部
２５ 制御部
３ サーバ装置
３１ 通信部
３２ 記憶部
３３ 制御部
３３１ 取得部
３３２ 登録部
３３３ 学習部
３３４ 分析部

Claims (7)

1. コンピュータに、
   少なくとも１の指定キャラクターの新たなセリフに関する新規セリフデータを取得する手順と、
   既に確定したセリフを含む前記指定キャラクターの確定セリフデータを学習用データとして用いて機械学習を行い、前記指定キャラクターのセリフの特徴を学習することで生成された学習モデル、および前記新規セリフデータを用いて、前記新たなセリフの前記指定キャラクターに対するふさわしさを分析する手順と、
   前記ふさわしさについての分析結果を示す情報を出力する手順と、
   前記確定したセリフに含まれる前記指定キャラクターの一人称、および、前記新たなセリフに含まれる前記指定キャラクターの一人称を種類ごとに集計した第１集計結果、及び／または、前記確定したセリフに含まれる前記指定キャラクターの他のキャラクターの呼び方、および、前記新たなセリフに含まれる前記指定キャラクターの他のキャラクターの呼び方を種類ごとに集計した第２集計結果を出力する手順と、
   を実行させる、セリフ分析プログラム。
2. 前記ふさわしさを分析する手順では、
   前記指定キャラクターの前記新たなセリフの特徴が、前記学習モデルに学習されている前記指定キャラクターのセリフの特徴とどの程度一致するかを示す一致度を算出し、当該一致度を前記ふさわしさとして分析する、
   請求項１に記載のセリフ分析プログラム。
3. 前記コンピュータに、
   前記一致度が所定値より低い場合に、前記指定キャラクター以外のキャラクターのうち、前記新たなセリフに近い特徴を有するセリフを発するキャラクターを、前記学習モデルに基づいて抽出する手順をさらに実行させる、
   請求項２に記載のセリフ分析プログラム。
4. 前記コンピュータに、
   予め禁止された禁止語句が前記新たなセリフに含まれるか否かを判定する手順をさらに実行させる、
   請求項１から３のいずれか一項に記載のセリフ分析プログラム。
5. 前記コンピュータに、
   前記新たなセリフの文字数が所定の文字数以内であるか否かを判定する手順をさらに実行させる、
   請求項１から４のいずれか一項に記載のセリフ分析プログラム。
6. コンピュータが、
   少なくとも１の指定キャラクターの新たなセリフに関する新規セリフデータを取得する手順と、
   既に確定したセリフを含む前記指定キャラクターの確定セリフデータを学習用データとして用いて機械学習を行い、前記指定キャラクターのセリフの特徴を学習することで生成された学習モデル、および前記新規セリフデータを用いて、前記新たなセリフの前記指定キャラクターに対するふさわしさを分析する手順と、
   前記ふさわしさについての分析結果を示す情報を出力する手順と、
   前記確定したセリフに含まれる前記指定キャラクターの一人称、および、前記新たなセリフに含まれる前記指定キャラクターの一人称を種類ごとに集計した第１集計結果、及び／または、前記確定したセリフに含まれる前記指定キャラクターの他のキャラクターの呼び方、および、前記新たなセリフに含まれる前記指定キャラクターの他のキャラクターの呼び方を種類ごとに集計した第２集計結果を出力する手順と、
   を実行する、セリフ分析方法。
7. 少なくとも１の指定キャラクターの新たなセリフに関する新規セリフデータを取得する取得部と、
   既に確定したセリフを含む前記指定キャラクターの確定セリフデータを学習用データとして用いて機械学習を行い、前記指定キャラクターのセリフの特徴を学習した学習モデルを生成する学習部と、
   前記学習モデル、および前記新規セリフデータを用いて、前記新たなセリフの前記指定キャラクターに対するふさわしさを分析し、前記ふさわしさについての分析結果を示す情報を出力し、前記確定したセリフに含まれる前記指定キャラクターの一人称、および、前記新たなセリフに含まれる前記指定キャラクターの一人称を種類ごとに集計した第１集計結果、及び／または、前記確定したセリフに含まれる前記指定キャラクターの他のキャラクターの呼び方、および、前記新たなセリフに含まれる前記指定キャラクターの他のキャラクターの呼び方を種類ごとに集計した第２集計結果を出力する分析部と、
   を備える、セリフ分析システム。

Images