JPH10190842A

JPH10190842A - 音声対話システム

Info

Publication number: JPH10190842A
Application number: JP8349396A
Authority: JP
Inventors: Toshiyuki Matsuda; 俊幸松田; Hitoshi Sato; 均佐藤
Original assignee: Hitachi Ltd
Current assignee: Hitachi Ltd
Priority date: 1996-12-27
Filing date: 1996-12-27
Publication date: 1998-07-21

Abstract

(57)【要約】【課題】自動的に対応する音声認識システムを選択
し、１電話回線で複数の言語に対応できる音声対話シス
テムを提供する。【解決手段】デジタル回線に接続する回線インターフ
ェイス手段１０と、発呼者の電話番号を識別し電話番号
からセレクタテーブル２１を参照して最適の音声認識シ
ステムを識別する電話番号識別手段２０と、単語音声を
音声認識用データを用いて認識する音声認識手段３０
と、複数の音声認識用データから現在の回線または発呼
者に最も適した音声認識用データを選択する認識データ
セレクタ３１と、複数の音声認識用データ３２と、音声
認識結果に基づいて音声による対話手順を制御する対話
制御手段４０と、対話データセレクタ５０と、対話用デ
ータ５１と、音声認識結果に基づいて音声ガイダンスを
出力する音声出力手段６０と、音声データセレクタ６１
と、音声用データ６２とからなる音声対話システム。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は、音声認識を用いて
自動的に対話する通信網に接続されたチケット予約シス
テムや自動交換システムなどに用いられる音声対話シス
テムに関する。

【０００２】

【従来の技術】従来、不特定話者認識装置や音声認識応
答装置等の音声認識技術を用いた音声対話システムは、
電話回線を介した不特定話者からの音声を音声認識技術
を用いて認識して、案内サービス等を行っている。これ
らの音声対話システムに用いられる音声認識装置は、大
語彙を対象とした不特定話者の単語音声認識方式を搭載
し、わが国にシステムにおいては、主に日本語の音声を
認識するように設計されている。

【０００３】一般的に、不特定話者を対象としたこれら
の音声認識方式は、予め用意されている隠れマルコフモ
デルと単語辞書を用いて、入力された音声を認識する。
ここで隠れマルコフモデルは、音素または音素片の単位
毎のモデル（以後、音素片モデルという）である。単語
辞書とは、単語毎に隠れマルコフモデルの並び順を表記
したものである。

【０００４】多数の話者が発声し、且つ音素がバランス
よく含まれている単語セット（以後、学習用データとい
う）を用い、各音素片モデル（隠れマルコフモデル）を
作成する。これは、学習用データを音響分析した後、フ
ォワードバックワード法と呼ばれる最尤学習により各音
素片モデルの状態遷移確率、シンボル出力確率分布等を
推定することであり、一般的にモデルの学習と呼ばれて
いる。

【０００５】音声を認識する場合は、音声認識用の単語
辞書の各単語について、音素片モデルを連結して単語の
モデルを生成し、入力音声の特徴ベクトル系列に対して
最大尤度を与える単語を認識結果として出力する。

【０００６】この隠れマルコフモデルと単語辞書を用い
た音声認識についての代表的な文献として、「確率モデ
ルによる音声認識：中川聖一著、電子情報通信学会」、
「音声認識の基礎（上、下）：ＬｅｗｒｅｎｃｅＲａ
ｂｉｎｅｒ，Ｂｉｉｎｇ−ＨｗａｎｇＪｕａｎｇ共
著、古井監訳、ＮＴＴアドバンステクノロジ株式会社」
などがある。

【０００７】このように従来の技術では、認識の対象と
なる音素と音響的特徴を結んでモデル化を行うので、そ
れぞれの言語毎にモデル化する事が一般的である。した
がって、日本の音声対話システムでは日本語に特化した
音素片モデルを、米国内の音声対話システムでは英語に
特化した音素片モデルを音声認識システムに搭載してい
る。

【０００８】

【発明が解決しようとする課題】上記音声認識技術につ
いて、音素とその音響的特徴についてさらに説明する。
ここで、音素とは一つの言語において、言葉の意味を表
すのに用いられる音の単位である。また、音響的特徴と
は、ある音声の波形そのものもしくはその波形を周波数
分析したもの等である

【０００９】。音素として識別できる母音の種類は、日
本語では５種類、欧州で使用されている言語では約２０
種類である。このことは「デイジタル音声処理：古井貞
煕著、東海大学出版会」の１０頁に記載されている。母
音の識別は、主に舌の位置を示す調音位置と顎の開き具
合により分類されている。例えば、／ｉ／と／ｕ／の場
合では、顎の開き具合は等しく、調音位置が前舌のもの
を／ｉ／、後舌のものを／ｕ／と分類する。一方、欧州
では違う音素として分類される中舌の音も存在するが、
これらの中舌の音は日本語では／ｉ／または／ｕ／のい
ずれかに属してしまう。音素の分類は、このように日本
と欧州で違いがある。しかし、音声の音響的特徴はほと
んどかわらない。このことにより日本と欧州の言語にお
いて音素の分類と音響的特徴の対応関係が異なることが
判る。

【００１０】次に、音声認識の観点から説明する。上記
従来の音声認識技術では、各国において母国語で音素片
モデルと単語辞書を作成しているので、外国語の音声認
識の対応が不十分になる。例えば、日本語の学習データ
を用いた音素片モデルと日本語の音素を用いて、英単語
の単語辞書を作成する場合、日本語で使用する音素だけ
では英語の音素列を表現することに無理が生じる。ま
た、このモデルと単語辞書を用いて英単語の音声を認識
した場合、英語では区別して取り扱わなければならない
音素でも数少ない日本語の音素で近似していまうことか
ら、英単語の詳細な識別ができず誤認識してしまう問題
がある。

【００１１】したがって、複数の言語に対応した高性能
な音声認識を行うには、入力音声に対応させて各言語に
対応した音素片モデルと単語辞書を選択し、音声を認識
しなければならないという問題がある。

【００１２】従来、複数の言語に対応した音声認識を用
いて音声応答システムを実現するには、使用する言語毎
に電話回線を割り当てることが必要となる。この方式
は、少なくとも許容する言語の種類の数の電話回線と、
許容する言語の種類の数の音声認識を用いた音声対話シ
ステムが必要になり、装置規模が増大するという問題も
生じる。

【００１３】本発明は、音声対話システムが許容する複
数の言語に対して、発呼者の電話番号から自動的に対応
する音素片モデルと単語辞書を選択して音声認識する高
性能な音声認識システムを提供し、さらに１電話回線で
複数の言語に対応することができる音声対話システムを
提供することを課題とする。

【００１４】

【課題を解決するための手段】上記問題を解決するため
に、本発明は、発呼者の単語音声を認識する音声認識手
段と、該発呼者に音声の案内（音声ガイダンス）を出力
する音声出力手段と、該発呼者との音声による対話手順
を制御する対話制御手段と、音声認識用データと、対話
用データと、音声ガイダンスに用いる音声用データと、
データ選択手段と、デジタル回線に接続する回線インタ
ーフェイス手段と、該発呼者の電話番号を識別する電話
番号識別手段とから音声対話システムを構成する。

【００１５】さらに詳細には、本発明は、発呼者の単語
音声を認識する音声認識手段と、該発呼者に音声の案内
を出力する音声出力手段と、該発呼者との音声による対
話手順を制御する対話制御手段と、音声認識用データ
と、対話用データと、音声用データと、デジタル回線に
接続する回線インターフェイス手段と、該発呼者の電話
番号を識別する電話番号識別手段とからなる音声対話シ
ステムにおいて、上記各データから一つのデータを選択
するデータ選択手段を備え、上記電話番号識別手段は、
デジタル回線から回線インターフェイスを介し入力され
る発呼者の電話番号から必要に応じた情報を識別し、上
記音声認識手段は、デジタル回線から回線インターフェ
イス手段を介し入力される単語音声を音声認識用データ
を用いて認識し、上記音声出力手段は、該発呼者へ次の
操作を促すために必要な音声ガイダンスを音声用データ
を用いて回線インターフェイスを介しデジタル回線へ出
力し、上記対話制御手段は、対話用データを用いて音声
認識手段と音声出力手段を制御し、該発呼者と音声によ
る対話を行いながら、必要な情報を収集し、上記音声認
識用データを複数備えるとともに、上記データ選択手段
は、上記電話番号識別手段の識別結果から、複数の音声
認識用データから現在の回線または該発呼者に最も適し
た音声認識用データを選択することを行うように音声対
話システムを構成した。

【００１６】さらに、本発明は、上記音声対話システム
において、上記対話用データおよび上記音声用データを
それぞれ複数備えるとともに、データ選択手段は、上記
音声識別用データ選択手段に加えて対話用データ選択手
段と音声用データ選択手段が設けられ、それぞれのデー
タ選択手段は、上記電話番号識別手段の識別結果から、
対話用データの数のおよび音声用データの複数の内から
現在の回線または該発呼者に最も適した対話用データお
よび音声用データを選択するように構成した。

【００１７】加えて、本発明は、上記対話システムにお
いて、電話番号に対応した音声認識用データの対応を示
す音声認識セレクタテーブルを有し、上記電話番号識別
手段は、電話番号に付された国番号または通信システム
番号を識別し、識別結果に基づいて上記音声認識セレク
タテーブルから最適なデータ選択結果を得るように構成
した。

【００１８】回線インターフェイス手段は、ＩＳＤＮ等
のデジタル回線と音声データの送受をし、受信した音声
データと発呼者の電話番号を区別し、受信した音声デー
タを音声認識手段へ、電話番号を電話番号識別手段へ送
り出す。

【００１９】電話番号識別手段は、ＩＳＤＮ等のデジタ
ル回線の回線インターフェイス手段から発呼者の電話番
号を受信し、音声認識と対話と音声ガイダンスで用いる
最適なデータセット（音声認識用データ、対話用デー
タ、音声用データ）を選択するため、その電話番号（国
番号、通信システム番号）からデータセットのインデッ
クス情報（発呼者の電話番号に対応したデータセットに
関する情報）を抽出する。

【００２０】音声認識用データ選択手段は、電話番号識
別手段から出力されたインデックス情報に基づいて、音
声対話システムに搭載されている複数の音声認識用デー
タの内から受信した電話番号に対応した音声認識用デー
タを選択する。音声認識手段は、対話制御手段から制御
され、起動がかかれば選択した音声認識用データに基づ
いて、回線Ｉ／Ｆから送られてきた音声データを音声認
識し、対話制御手段にその結果を通知する。

【００２１】対話用データ選択手段は、電話番号識別手
段から出力されたインデックス情報に基づいて、電話番
号識別手段によって選択された対話用データをシステム
に搭載されている対話用データの内から選択する。対話
用データは、それぞれの言語に対応した対話手順からな
る。対話制御手段は、音声認識手段と音声出力手段を対
話用データに基づいて制御し、発呼者と音声対話を行い
必要とする情報を聞き出す。

【００２２】音声ガイダンス用の音声データ選択手段
は、電話番号識別手段が出力したインデックス情報に基
づいて、音声ガイダンスに用いる言語に対応した音声デ
ータをシステムに搭載されている音声データの内から選
択する。音声用データは、対話の内容を各言語毎に音声
波形データもしくは音声圧縮データとして有している。
音声出力手段は、対話制御手段から制御され、指定され
た音声データからなる音声ガイダンスを回線インターフ
ェイス手段に送出する。

【００２３】

【発明の実施の形態】以下、本発明にかかる音声対話シ
ステムの実施例を図面を用いて説明する。図１は、本発
明にかかる音声対話システムの第１の実施例の機能ブロ
ック図である。第１の実施例は、複数の言語に対応して
音声認識および音声応答を行うシステムである。図１に
おいて、音声対話システム１００は、回線インターフェ
イス手段１０（以下、回線Ｉ／Ｆという）と、電話番号
識別手段２０と、発呼者の電話番号と各種データの対応
付けを記述している音声認識選択データ（以下、セレク
タテーブルという）２１と、音声認識手段（以下、音声
認識という）３０と、音声認識用データセレクタ（以
下、認識データセレクタという）３１と、音声認識に使
用するＮ個の音声認識用データ３２と、対話制御手段
（以下、対話制御という）４０と、対話用データセレク
タ（以下、対話データセレクタという）５０と、対話制
御４０を制御するために使用するＮ個の対話用データ５
１と、音声出力手段（以下、音声出力という）６０と、
音声用データセレクタ（以下、音声データセレクタとい
う）６１と、音声出力６０が使用する音声が音声波形ま
たは圧縮音声波形で記載されたＮ個の音声用データ６２
と、上位制御部とのインターフェイスで、回線Ｉ／Ｆ１
０と電話番号識別２０と対話制御４０を司る制御手段
（以下、音声対話システム制御という）７０とを備え
る。

【００２４】回線Ｉ／Ｆ１０は、デジタル回線網に接続
され、着信時に音声データと発呼者の電話番号を分離す
る機能を持つ。分離された音声データは音声認識３０へ
送られ、発呼者の電話番号は電話番号識別２０へ送られ
る。また、回線Ｉ／Ｆ１０は、音声出力６０からの音声
データをデジタル回線網へ伝送する。

【００２５】電話番号識別２０は、回線Ｉ／Ｆ１０から
発呼者の電話番号を受け取り、電話番号に含まれた国番
号に基づいてセレクタテーブル２１から音声認識用デー
タと対話用データと音声用データの各々に関するインデ
ックス情報を検索する。

【００２６】第１の実施例におけるセレクタテーブルの
構成例を図２を用いて説明する。図２は、各データがメ
モリ上に搭載されている場合のセレクタテーブル（イン
デックス情報）２１−１を示す。その内容は、発呼者の
電話番号（国番号）と、各データの開始アドレスとデー
タ量を示す。例えば独国（独国の国番号は「４９」）か
ら本システムに着信し、発呼者の電話番号が「４９−Ｘ
ＸＸＸＸＸＸＸ」の場合、電話番号識別２０は、先頭Ｎ
桁の電話番号（国番号：４９）からセレクタテーブル２
１−１を参照し、認識用データの開始アドレス０ｘ３８
００とデータ量０ｘ８０００を認識データセレクタ３１
へ、対話用データの開始アドレス０ｘ３Ｄ０００とデー
タ量０ｘ２０００を対話データセレクタ５０へ、音声用
データの開始アドレス０ｘ１８０００とデータ量０ｘ４
０００を音声データセレクタ６１へ送信する。

【００２７】音声認識３０は、対話制御４０から制御さ
れる。音声認識の要求が対話制御４０からあった場合、
回線Ｉ／Ｆ１０からの音声データを受信して、電話番号
に基づいて選択した認識用データを用いて音声認識処理
を行う。認識結果は、対話制御４０へ通知する。この音
声認識処理は従来技術で述べた音声認識方式を用いてい
る。

【００２８】対話制御４０は、音声対話システム制御７
０からの指示で動作し、さらに、対話用データによって
音声認識３０と音声出力６０を制御することによって、
発呼者との会話を制御する。また対話で得られた対話相
手からの情報を記録する機能を有している。

【００２９】音声出力６０は、対話制御４０から制御さ
れる。音声出力の要求が対話制御４０からあった場合、
指示された音声を音声用データ６２から読み込み、回線
Ｉ／Ｆ１０へ送信する。

【００３０】認識データセレクタ３１は、電話番号識別
２０からのインデックス情報に基づいて、音声認識で使
用する認識用データ３２を選択する。対話データセレク
タ５０は、電話番号識別２０からのインデックス情報に
基づいて対話制御で使用する対話用データ５１を選択す
る。音声データセレクタ６１は、電話番号識別２０から
のインデックス情報に基づいて音声出力６０で使用する
音声用データ６２を選択する。

【００３１】認識用データ３２は、音声認識に用いる音
素片データと単語辞書データから構成される。対話用デ
ータ５１は、発呼者との対話の手順を表記しているデー
タから構成される。音声用データ６２は、システムの音
声ガイダンス用の音声波形データもしくは音声波形デー
タを圧縮したデータから構成される。

【００３２】次に、本発明にかかる第１の実施例の音声
対話システムのハードウェア構成を図３を用いて説明す
る。図３において、音声対話システム１００は、回線Ｉ
／Ｆ１０と、上位制御インターフェイス（以下、上位制
御Ｉ／Ｆという）１１と、電話番号識別２０と、セレク
タテーブル２１−２と、音声用データが格納されたハー
ドディスク６３と、プロセッサ８０と、データセレクタ
８１と、認識用データと対話用データが格納された高速
メモリ８２と、ハードディスク制御手段（以下、ハード
ディスク制御という）８３とから構成される。

【００３３】回線Ｉ／Ｆ１０は、デジタル回線網に接続
され、着信時に音声データと発呼者の電話番号を分離す
る機能を持つ。分離された音声データと発呼者の電話番
号はプロセッサ８０へ送られる。また回線Ｉ／Ｆ１０
は、音声出力ためにプロセッサ８０から音声データを受
けデジタル回線網へ送出する。

【００３４】上位制御Ｉ／Ｆ１１は、上位制御からプロ
セッサ８０の制御コマンドを受信し、プロセッサ８０か
ら上位制御へ現在の状態を送信する。

【００３５】プロセッサ８０は、図１に示した音声対話
システム制御と音声認識と対話制御と音声出力の処理を
行う。このプロセッサ８０は、マイクロプロセッサ（Ｍ
ＰＵ）またはデジタルシグナルプロセッサ（ＤＳＰ）等
で実現する。

【００３６】ハードディスク制御８３は、プロセッサ８
０からの要求に応じて必要な音声用データを読み出し、
プロセッサ８０に転送する。

【００３７】ハードディスク６３は、音声ガイダンスに
用いる音声用データを蓄積する。

【００３６】高速メモリ８２は、音声認識で使用する認
識用データと対話制御で使用する対話用データを搭載す
る。複数の言語に対応する場合は、対象となる言語の音
声認識用データと対話用データを全て搭載する。

【００３８】電話番号識別２０は、アドレス参照手段
（以下、アドレス参照という）２０１を有し、回線Ｉ／
Ｆ１０から発呼者の電話番号を受け、セレクタテーブル
２１−２を参照してデータセレクタ２０で使用するアド
レスをデータセレクタ８１へ送信する。ここでは、電話
番号識別２０をプロセッサ８０の外に配置したが、プロ
セッサ８０内に本機能をソフトウェアとして搭載させて
もよい。

【００３９】データセレクタ８１は、電話番号識別２０
で指定されたアドレスをプロセッサ８０からのアドレス
に加算し、高速メモリ８２のアドレスを決定する。１６
ｂｉｔのアドレシングを行うプロセッサの場合、１Ｍｗ
ｏｒｄのメモリ空間をアクセスするためにデータセレク
タで２０ｂｉｔのアドレスを生成し、メモリアクセスを
行う。

【００４０】次いで、本発明にかかる第１の実施例の音
声対話システムの他のハードウェア構成を図４を用いて
説明する。図４において、音声対話システム１００は、
回線Ｉ／Ｆ１０と、上位制御インターフェイス１１と、
電話番号識別２０と、セレクタテーブル２１−３と、認
識用データと対話用データと音声用データを格納したハ
ードディスク６３と、プロセッサ８０と、データセレク
タ８１と、高速メモリ８２と、ハードディスク制御８３
とから構成される。

【００４１】回線Ｉ／Ｆ１０は、デジタル回線網とのイ
ンターフェイスと、音声データと発呼者の電話番号を分
離する機能を持つ。分離された音声データはプロセッサ
８０へ、発呼者の電話番号は電話番号識別２０へ送られ
る。また、回線Ｉ／Ｆ１０は、音声出力ためにプロセッ
サから音声データを受けデジタル回線網へ送出する。

【００４２】上位制御Ｉ／Ｆ１１は、上位制御からプロ
セッサ８０の制御コマンドを受信し、プロセッサ８０か
ら上位制御へ現在の状態を送信する。

【００４３】プロセッサ８０は、図１に示した音声対話
システム制御と音声認識と対話制御と音声出力の処理を
行う。このプロセッサ８０は、マイクロプロセッサ（Ｍ
ＰＵ）またはデジタルシグナルプロセッサ（ＤＳＰ）等
で実現する。

【００４４】高速メモリ８２は、音声認識で使用する認
識用データと対話制御で使用する対話用データの１セッ
トを搭載する。

【００４５】ハードディスク制御８３は、プロセッサ８
０からの要求に応じて必要な音声用データをハードディ
スク６３から読み出しプロセッサ８０に転送する機能
と、電話番号に基づいて選択された認識用データ及び対
話用データの１セットをハードディスク６３から高速メ
モリ８２へダウンロードする機能を有している。

【００４６】ハードディスク６３は、音声ガイダンス用
の音声用データおよび音声認識に必要な認識用データな
らびに対話制御に必要な対話用データを蓄積する。

【００４７】電話番号識別２０は、テーブル参照２０２
とデータセレクタを制御するセレクタ制御手段（以下、
セレクタ制御という）２０３から構成される。テーブル
参照２０２は、回線Ｉ／Ｆ１０から発呼者の電話番号を
受け取り、その番号からセレクタテーブル２１−３内の
データファイル名を検索し、検索結果をセレクタ制御２
０３に渡す。セレクタ制御２０３は、プロセッサ８０か
らの指示でテーブル参照２０２を起動させ、テーブル参
照の結果であるデータファイル名をハードディスク制御
６３に通知し、ハードディスク６３に格納された認識用
データと対話用データの高速メモリ８２への転送指示を
データセレクタ８１へ通知する。

【００４８】データセレクタ８１は、データ転送手段
（以下、データ転送という）８１３とゲート８１２から
構成される。データ転送８１３は、セレクタ制御２０３
から転送の指示を受け、ハードディスク制御８３からの
認識用データと対話用データをゲート８１２を介して高
速メモリ８２へダウンロードする。この時、セレクタ制
御２０３は、ゲート８１２とプロセッサ８０に制御信号
を与え、ゲート８１２にデータを通す場合はプロセッサ
８０を停止させ、データバスやアドレスバス上での信号
衝突を回避する。

【００４９】図５に、上記したセレクタテーブル２１−
３の構成を示す。セレクタテーブル２１−３は、発信電
話番号（国番号）と、認識用データファイル名と、対話
用データファイル名と、音声出力インデックスデータフ
ァイル名とから構成されている。電話番号識別２０は、
発呼者の電話番号の先頭の番号（国番号）を識別し、テ
ーブル参照２０２は、この国番号を用いてセレクタテー
ブル３１−３を参照し、音声認識用データと対話用デー
タと音声出力データのファイル名を引き出す。例えば、
米国（０１）から発信された場合、音声認識用データフ
ァイルは「ＵＳＡ＿Ｒｅｃｏｇ」が、対話用データファ
イルは「ＵＳＡ＿Ｃｏｎｖ」が、音声出力ファイルは
「ＵＳＡ＿Ｇｕｉｄｅ」がそれぞれ引き出される。

【００５０】図６を用いて、本発明にかかる音声対話シ
ステムの第２の実施例を説明する。この実施例は、単一
の言語を対象とし、国内の通信回線、例えば、通常の有
線電話，ＰＨＳ，デジタル携帯電話に接続されたＰＢＸ
における音声対話システムの例である。ＰＨＳは３２Ｋ
ｂｐｓに音声圧縮し、デジタル携帯電話は３．４Ｋｂｐ
ｓに音声圧縮して音声を伝送しているので、６２Ｋｂｐ
ｓで音声圧縮せずに伝送している通常の有線電話とは音
声音質が異なり、それぞれの圧縮形態によって音声認識
に用いる認識データが異なる。第２の実施例は、音質が
異なる相手でも音声認識による精度の高い対応を可能と
した音声対応システムに関する。

【００５１】この実施例における対話用データは、単一
のデータであってよく、ガイダンスに用いる音声用デー
タは単一のデータ、例えば、日本語音声用データであっ
て、圧縮処理が行われない音声波形データおよび／また
は音声圧縮データであってよい。

【００５２】図６に示した音声対話システム１１０は、
回線Ｉ／Ｆ１０と、電話番号識別２０と、セレクタテー
ブル２１−４と、音声認識３０と、認識データセレクタ
３１と、複数の認識用データ３２と、対話制御４０と、
対話用データ５２と、音声出力６０と、音声用データ６
４と、制御７０とから構成される。

【００５３】回線Ｉ／Ｆ１０は、デジタル回線網に接続
され、着信時に音声データと発呼者の電話番号を分離す
る機能を持つ。分離された音声用データは回線Ｉ／Ｆ１
０から音声認識３０へ送られ、発呼者の電話番号は電話
番号識別２０へ送られる。また回線Ｉ／Ｆ１０は、音声
出力６０からの音声データをデジタル回線網へ伝送す
る。

【００５４】電話番号識別２０は、回線Ｉ／Ｆ１０から
発呼者の電話番号を受け取り、セレクタテーブル２１−
４から認識用データのインデックス情報を検索する。こ
のセレクタテーブル２１−４の例を図７を用いて説明す
る。

【００５５】図７は、各データがメモリ上に搭載されて
いる場合のセレクタテーブル２１−４の内容を示す。セ
レクタテーブル２１−４は、発呼者の電話番号（発信電
話番号：通信システム番号）に対応して各認識用データ
の開始アドレスとデータ量が書き込まれている。例え
ば、ＰＨＳから本システムに着信した発呼者の電話番号
が「０５０−ＸＸＸ．．．．ＸＸ」の場合、電話番号識
別２０は先頭の電話番号からセレクタテーブル２１−４
を参照し、音声認識のデータの開始アドレス（０ｘ２８
０００）とそのデータ量（０ｘ８０００）を認識データ
セレクタ３１へ送信する。

【００５６】音声認識３０は、対話制御４０から制御さ
れる。音声認識の要求が対話制御４０からあった場合、
音声認識３０は、受信した回線Ｉ／Ｆ１０からの音声デ
ータを、電話番号から得た情報に基づいて選択した認識
用データ３２と対比して音声認識処理を行う。認識結果
は対話制御４０へ通知される。この音声認識処理は、従
来技術で述べた音声認識方式を用いている。

【００５７】対話制御４０は、音声対応システム制御７
０からの指示で動作する。対話制御４０は、対話用デー
タ５２から音声認識結果に対応する対話内容を選び出
し、音声用データ６４からこの対話内容を表現する音声
用データを選び出して音声出力６０を制御して音声によ
り出力して、発呼者との会話を制御する。また、対話制
御４０は、この対話で得られた対話相手の情報を記録す
る機能を有している。

【００５８】音声出力６０は、対話制御４０から制御さ
れる。音声出力の要求が対話制御４０からあった場合、
指示された音声を音声用データ６４から読み込み、回線
Ｉ／Ｆ１０へ送信する。

【００５９】認識データセレクタ３１は、電話番号識別
２０から得たインデックス情報を用いて認識用データ３
２から音声認識で使用する認識用データを選択する。

【００６０】第１の実施例と同様に、複数の認識用デー
タ（３２−１，３２−２〜３２−ｎ）は、音声認識のた
めの音素片データと単語辞書データから構成される。た
だし、第２の実施例の場合、認識用データは、言語はい
ずれも日本語であり、音素片データと単語辞書データが
音声圧縮の有無もしくは音声圧縮の種類（程度）によっ
て異なっている。対話用データ５２は、第１の実施と例
同様に、発呼者との対話の手順を表記しているデータか
ら構成されるが、単一の言語を対象としていることか
ら、単一の対話用データであってよい。

【００６１】音声用データ６４は、音声対話システムの
音声ガイダンス用の音声波形データもしくは音声波形デ
ータを圧縮したデータから構成される。

【００６２】第２の実施例のハードウェアブロックは、
図３または図４と同様に構成される。ただし、第２の実
施例では、選択すべきデータは音声認識に用いる認識用
データのみであることから、音声対話システムのセレク
タテーブル２１−４の内容は単純化される。すなわち、
図３に示すように認識用データおよび対話用データを高
速メモリ８２に格納し音声用データをハードディスクに
格納した場合には、セレクタテーブル２１の内容は、図
２に示したセレクタテーブル２１−１の内容に対して図
７に示すセレクタテーブル２１−４が用いられる。図４
に示すような認識用データをハードディスクから高速メ
モリ８２へダウンロードする場合には、セレクタテーブ
ル２１の内容は、図３に示したセレクタテーブル２１−
３の内容に対して図８に示すセレクタテーブル２１−５
が用いられる。図８に示すセレクタテーブル２１−５
は、発信番号に対応して認識用データファイル名が記載
されており、電話番号から得た認識用データファイル名
のデータファイルを高速メモリ８２へ転送する。

【００６３】図９を用いて、本発明にかかる音声対話シ
ステムの運用面での実施例を説明する。図９は、第１の
実施例の音声対話システムを用いて、自動交換システム
を搭載したＰＢＸによって米国との通話の自動交換を行
う通信システムを示す。この通信システムは、米国側の
電話機Ａ９０１と、米国側の交換機Ａ９１０と、日本側
の交換機Ｂ９１１と、自動交換システム搭載ＰＢＸ９３
０と、内線電話（内線１〜Ｎ）９０５〜９０ｎとから構
成される。

【００６４】米国内の電話番号「０１−ＸＸＸＸ……Ｘ
Ｘ」の電話から日本のある企業に電話をかけ、自動交換
システムを搭載したＰＢＸ９３０で着信した場合を考え
る。自動交換システムを搭載した日本側のＰＢＸ９３０
は、米国の電話Ａ９０１を着信し、ＰＢＸ９３０内に
搭載された音声対話システム１００に接続する。音声対
話システム１００では、発呼者の電話番号「０１−ＸＸ
ＸＸ……ＸＸ」を受信し、その先頭番号からシステム内
に搭載されたの複数の認識用データと対話用データと音
声用データから米国対応の各データを選択する。以後、
選択された各データに基づいて対話システムは、米国の
発呼者と音声で対話しながら接続を希望する内線番号を
得て、当該着信を内線へ転送する。

【００６５】図１０は、第２の実施例の音声対話システ
ムを用いて、自動交換システムを搭載したＰＢＸによっ
て形態無線電話やＰＨＳからの着信に対して適正に音声
認識して自動交換する通信システムを示す。この実施例
の通信システムは、電話９０１と、自動交換システム搭
載ＰＢＸ９３１と、ＰＢＸに収容された内線電話（内線
１９０５、内線２９０６、内線Ｎ９０ｎ）と、音
声対話システム１１０とから構成する。これは国内のシ
ステムを想定し、電話機９０１やデジタル携帯電話９０
２やＰＨＳ９０３等から発呼し、自動交換システム搭載
ＰＢＸ９３１で着信する例である。

【００６６】デジタル携帯電話９０２やＰＨＳ９０３等
は、伝送路中に音声符号化を入れ音声情報の圧縮を行っ
ているため通常の有線電話とは音質が異なる。このこと
により、有線電話を対象とした認識用データを用いて、
デジタル携帯電話やＰＨＳを通した音声を認識する場
合、音声認識の性能を劣化させてしまう。したがって、
音声対話システム内にデジタル携帯電話やＰＨＳに特化
した認識用データを搭載することで、音声認識の性能を
劣化させない。

【００６７】電話番号「０５０−ＸＸＸ……ＸＸ」のＰ
ＨＳ９０３からある企業に電話をかけ、自動交換システ
ム搭載ＰＢＸ９３１で着信した場合を考える。自動交換
システム搭載ＰＢＸ９３１は電話９０１から着信し、自
動交換システム搭載ＰＢＸ９３１内の音声対話システム
１１０に接続する。音声対話システム１１０では、発呼
者の電話番号「０５０−ＸＸＸ……ＸＸ」を受信し、そ
の先頭番号に基づいてシステム内に搭載された複数の認
識用データからＰＨＳに対応したモデルの音声認識用デ
ータを選択する。以後、選択された各データに基づき対
話システムは、ＰＨＳを使用している発呼者と音声で対
話しながら接続を希望する内線番号を得て、内線へ転送
する。

【００６８】図１１を用いて第１の音声対話システムを
用いた電話による自動受付システムを説明する。自動受
付システムは、電話９０１と、デジタル回線９２０で結
ばれた交換機Ａ９１０と交換機Ｂ９１１と、自動受付シ
ステム９４０とから構成される。この自動受付システム
９４０は、音声対話システム１００と、受付管理システ
ム９４１とから構成される。

【００６９】この自動受付システムを電話による商品販
売受付サービスに使用した場合の動作例を説明する。顧
客が電話９０１から交換機Ａ９１０−ディジタル回線９
２０−交換機Ｂ９１１を介して電自動受付システム９４
０に話をかける。自動受付システム９４０は、これを着
信すると、音声対話システム１００が、発呼者の電話番
号を受信しその電話番号を用いて、受付管理システム９
４１に顧客情報を問い合わせる。受付管理システム９４
１は、顧客の電話番号情報に基づいて受付管理システム
９４１内に設けた顧客情報を検索し、当該顧客の本シス
テム使用履歴を参照し、顧客との最適な対話手順を判断
し、その結果を音声対話システム１００へ通知する。こ
こで顧客のシステム使用履歴とは、以前にシステムを利
用したときの顧客の音声の特徴や対話の癖、また顧客が
どの商品に興味があるか等の情報を記録したものであ
る。音声対話システム１００は、受付管理システム９４
１からの情報に基づいて認識用データ、対話用データ、
音声用データを選択し、利用者と対話を行いながら商品
の注文の受付を行う。

【００７０】上記のような自動受付システムは、同様な
構成で宅配サービスの自動受付サービスとして利用する
こともできる。

【００７１】

【発明の効果】これまでの説明で明らかなように、本発
明によれば、電話番号識別手段とデータ選択手段を持つ
音声対話システムは、音声認識性能を劣化させないで、
一つのシステムで複数の言語に対応することができ、対
話の対象になる言語毎に電話回線を設ける必要がなくな
り、装置規模の増大を防ぐことができる。

【図面の簡単な説明】

【図１】本発明にかかる音声対話システムの第１の実施
例の機能ブロック図。

【図２】本発明の第１の実施例のセレクタテーブルの構
成例。

【図３】図１に示した第１の実施例のハードウェア機能
ブロック図。

【図４】図１に示したの第１の実施例の他のハードウェ
ア機能ブロック図。

【図５】図４に示すハードウェア機能ブロックのセレク
タテーブルの構成例。

【図６】本発明にかかる音声対話システムの第２の実施
例の機能ブロック図。

【図７】図６に示した第２の実施例の第１のセレクタテ
ーブルの構成例。

【図８】図６に示した第２の実施例の第２のセレクタテ
ーブルの構成例。

【図９】本発明にかかる音声対話システムの第１の実施
例の運用例。

【図１０】本発明にかかる音声対話システムの第２の実
施例の運用例。

【図１１】本発明にかかる音声対話システムを自動受付
に適用した例のシステム構成図。

【符号の説明】

１０回線Ｉ／Ｆ１１上位制御Ｉ／Ｆ２０電話番号識別２１セレクタテーブル３０音声認識３１認識データセレクタ３２認識用データ４０対話制御５０対話データセレクタ５１，５２対話用データ６０音声出力６１音声データセレクタ６２音声用データ６３ハードディスク６４音声用データ７０音声対応システム制御８０プロセッサ８２高速メモリ８３ハードディスク制御１００，１１０音声対話システム２０１アドレス参照２０２テーブル参照２０３セレクタ制御８１１アドレス加算部８１２ゲート８１３データ転送９０１電話９０２携帯電話９０３ＰＨＳ９０５〜９０ｎ内線１〜内線Ｎ９１０交換機１９１１交換機２９２０デジタル回線９２１公衆網９３０，９３１自動交換システム搭載ＰＢＸ

Claims

【特許請求の範囲】

【請求項１】発呼者の単語音声を認識する音声認識手
段と、該発呼者に音声の案内を出力する音声出力手段
と、該発呼者との音声による対話手順を制御する対話制
御手段と、音声認識用データと、対話用データと、音声
用データと、デジタル回線に接続する回線インターフェ
イス手段と、該発呼者の電話番号を識別する電話番号識
別手段とからなる音声対話システムにおいて、上記各データから一つのデータを選択するデータ選択手
段を備え、上記電話番号識別手段は、デジタル回線から回線インタ
ーフェイスを介し入力される発呼者の電話番号から必要
に応じた情報を識別し、上記音声認識手段は、デジタル回線から回線インターフ
ェイス手段を介し入力される単語音声を音声認識用デー
タを用いて認識し、上記音声出力手段は、該発呼者へ次の操作を促すために
必要な音声ガイダンスを音声用データを用いて回線イン
ターフェイスを介しデジタル回線へ出力し、上記対話制御手段は、対話用データを用いて音声認識手
段と音声出力手段を制御し、該発呼者と音声による対話
を行いながら、必要な情報を収集し、上記音声認識用データを複数備えるとともに、上記データ選択手段は、上記電話番号識別手段の識別結
果から、複数の音声認識用データから現在の回線または
該発呼者に最も適した音声認識用データを選択すること
を行うように構成されていることを特徴とする音声対話
システム。
【請求項２】上記対話用データおよび上記音声用デー
タをそれぞれ複数備えるとともに、データ選択手段は、
上記音声識別用データ選択手段に加えて対話用データ選
択手段と音声用データ選択手段が設けられ、それぞれの
データ選択手段は、上記電話番号識別手段の識別結果か
ら、対話用データの数のおよび音声用データの複数の内
から現在の回線または該発呼者に最も適した対話用デー
タおよび音声用データを選択するように構成されている
請求項１記載の音声対話システム。
【請求項３】上記電話番号識別手段が識別した電話番
号に対応した音声認識用データの対応を示す音声認識セ
レクタテーブルを有することを特徴とする請求項１また
は請求項２記載の音声対話システム。
【請求項４】上記電話番号識別手段は、電話番号に付
された国番号または通信システム番号を識別し、識別結
果に基づいて上記音声認識セレクタテーブルから最適な
データ選択結果を得るように構成された請求項３記載の
音声対話システム。