WO2018173404A1 - 情報処理装置および情報処理方法 - Google Patents

情報処理装置および情報処理方法 Download PDF

Info

Publication number
WO2018173404A1
WO2018173404A1 PCT/JP2017/046493 JP2017046493W WO2018173404A1 WO 2018173404 A1 WO2018173404 A1 WO 2018173404A1 JP 2017046493 W JP2017046493 W JP 2017046493W WO 2018173404 A1 WO2018173404 A1 WO 2018173404A1
Authority
WO
WIPO (PCT)
Prior art keywords
information processing
user
attention
control unit
information
Prior art date
Application number
PCT/JP2017/046493
Other languages
English (en)
French (fr)
Inventor
広 岩瀬
真里 斎藤
真一 河野
Original Assignee
ソニー株式会社
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by ソニー株式会社 filed Critical ソニー株式会社
Priority to EP17901790.0A priority Critical patent/EP3599549A4/en
Priority to JP2019506947A priority patent/JP6992800B2/ja
Priority to US16/487,469 priority patent/US11183167B2/en
Publication of WO2018173404A1 publication Critical patent/WO2018173404A1/ja

Links

Images

Classifications

    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
    • G10L13/00—Speech synthesis; Text to speech systems
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/16—Sound input; Sound output
    • G06F3/167—Audio in a user interface, e.g. using voice commands for navigating, audio feedback
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/40—Processing or translation of natural language
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
    • G10L13/00—Speech synthesis; Text to speech systems
    • G10L13/02—Methods for producing synthetic speech; Speech synthesisers
    • G10L13/04—Details of speech synthesis systems, e.g. synthesiser structure or memory management
    • G10L13/047—Architecture of speech synthesisers
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/20—Movements or behaviour, e.g. gesture recognition

Definitions

  • This disclosure relates to an information processing apparatus and an information processing method.
  • Patent Literature 1 discloses a technique for controlling the output order of utterances related to information notification based on a preset priority.
  • the present disclosure proposes a new and improved information processing apparatus and information processing method that allow the user to more effectively grasp the notification contents.
  • a control unit that controls information notification to the user based on the notification content, the control unit, based on the calculated degree of difficulty acquisition attention related to the user, the subject of the notification content
  • An information processing apparatus for determining an output position is provided.
  • the processor includes controlling information notification to the user based on the notification content, and the controlling is based on the calculated degree of difficulty of acquiring the user's attention.
  • An information processing method is further provided, further comprising determining an output position of the subject in the notification content.
  • FIG. 5 is a diagram illustrating a relationship between user attention and understanding of notification content according to an embodiment of the present disclosure.
  • FIG. It is an example of the system configuration
  • It is a flowchart which shows the flow of determination of the output position of a theme by the speech control part which concerns on the embodiment.
  • FIG. 3 is a diagram illustrating a hardware configuration example according to an embodiment of the present disclosure.
  • Embodiment 1.1 Outline of Embodiment 1.2.
  • System configuration example 1.3 Functional configuration example of information processing terminal 10 1.4.
  • Functional configuration example of external device 20 1.5.
  • Functional configuration example of information processing server 30 1.6. Details of determining the output position of the subject 1.7. 1. Flow of operation of information processing server 30 2.
  • the information presented by the agent is mainly divided into two types, response and notification.
  • the above-mentioned response means that the agent presents information in response to an inquiry from the user. For example, when a user asks "What is my schedule today?", The agent responds to the inquiry and outputs "Tonight's dinner schedule" Corresponds to the above response.
  • the above notification refers to sending information from the agent to the user.
  • the above notification corresponds to the case where the agent performs output such as “I received a mail from Mr. A.
  • the contents are as follows” based on the reception of the mail.
  • the main difference between the response and the notification is a user's attention level (hereinafter also referred to as attention).
  • attention a user's attention level
  • the user's attention since an inquiry from the user is assumed, it is assumed that the user's attention is directed to the agent when the agent outputs information. For this reason, in the case of a response, it can be said that there is a high possibility that the user can grasp the output information.
  • FIG. 1 is a diagram showing the relationship between user attention and understanding of notification contents.
  • the information notification SO1 when the information notification SO1 is output from the information processing terminal 10 in a situation where the noise level is high, such as when audio is output from the television device, until the attention of the user U1a is obtained. Is expected to take time. For this reason, it may be difficult for the user U1a to grasp the contents of the first half of the information notification SO1 that is not suitable for attention.
  • the information processing apparatus and the information processing method according to the present embodiment have been conceived by paying attention to the above points, and realize appropriate information notification according to the user's attention situation. For this reason, the information processing apparatus and the information processing method according to the present embodiment determine the output position of the subject in the notification content based on the attention acquisition difficulty level that is an index of the difficulty of the user's attention, and the output position
  • One of the features is that the information processing terminal is notified of information according to the above.
  • the information processing apparatus determines that the degree of attention acquisition difficulty related to the user U1a is high in a situation where the noise level is high, The output position may be set in the latter half of the notification content. Further, for example, in a situation where the noise level is low, the information processing apparatus may determine that the attention acquisition difficulty level related to the user U1b is low, and set the output position of the subject in the first half of the notification content. According to the information processing apparatus and the information processing method according to the present embodiment, it is possible to greatly reduce the possibility that the user may fail to grasp the subject matter of the notification content, and to realize more convenient information notification.
  • FIG. 2 is an example of a system configuration diagram of the information processing system according to the present embodiment.
  • the information processing system according to the present embodiment includes an information processing terminal 10, an external device 20, and an information processing server 30. Further, the information processing terminal 10 and the information processing server 30, and the external device 20 and the information processing server 30 are connected via the network 40 so that they can communicate with each other.
  • the information processing terminal 10 is an information processing apparatus that performs various information notifications to the user based on control by the information processing server 30.
  • the information processing terminal 10 according to the present embodiment can perform voice output of notification contents based on the output position of the subject determined by the information processing server 30.
  • the information processing terminal 10 according to the present embodiment may be, for example, a stationary, built-in, or autonomous mobile dedicated device.
  • the information processing terminal 10 according to the present embodiment may be a mobile phone, a smartphone, a PC (Personal Computer), a tablet, or various wearable devices.
  • the information processing terminal 10 according to the present embodiment is defined as various devices having a voice information notification function.
  • the information processing terminal 10 may have a function of collecting user's utterances and surrounding sounds and transmitting them to the information processing server 30. Further, the information processing terminal 10 according to the present embodiment may capture an image of the user and transmit it to the information processing server 30. Various pieces of information collected by the information processing terminal 10 can be used for calculating an attention acquisition difficulty and detecting an attention action by the information processing server 30 described later.
  • the external device 20 is an information processing device that transmits the operating status of the device and collected sensor information to the information processing server 30.
  • the operating status and sensor information described above can be used for calculation of the attention acquisition difficulty by the information processing server 30.
  • the attention acquisition difficulty level according to the present embodiment can be calculated in consideration of the user's situation in addition to noise.
  • the external device 20 according to the present embodiment may be various devices that are operated or used by the user.
  • 2 shows a case where the external device 20 is a game machine
  • the external device 20 according to the present embodiment is not limited to such an example.
  • the external device 20 according to the present embodiment may be, for example, a mobile phone, a smartphone, a PC, a tablet, a wearable device, or the like.
  • the external device 20 according to the present embodiment may be various home appliances, office equipment, indoor facilities including lighting, and the like.
  • the information processing server 30 is an information processing apparatus that controls information notification to the user by the information processing terminal 10. At this time, the information processing server 30 according to the present embodiment determines the output position of the subject in the notification content based on the attention acquisition difficulty level of the user, and outputs the audio output of the notification content in accordance with the output position to the information processing terminal. 10 can be performed.
  • the above-mentioned attention acquisition difficulty level may be an index indicating the difficulty of the user's attention.
  • the information processing server 30 can calculate the attention acquisition difficulty level based on various types of information collected by the information processing terminal 10 and the external device 20.
  • the network 40 has a function of connecting the information processing terminal 10 and the information processing server 30, and the external device 20 and the information processing server 30.
  • the network 40 may include a public line network such as the Internet, a telephone line network, a satellite communication network, various local area networks (LANs) including Ethernet (registered trademark), a wide area network (WAN), and the like. Further, the network 40 may include a dedicated line network such as an IP-VPN (Internet Protocol-Virtual Private Network).
  • the network 40 may include a wireless communication network such as Wi-Fi (registered trademark) or Bluetooth (registered trademark).
  • the system configuration example of the information processing system according to this embodiment has been described above. Note that the above-described configuration described with reference to FIG. 2 is merely an example, and the configuration of the information processing system according to the present embodiment is not limited to the example.
  • the functions of the information processing terminal 10 and the information processing server 30 according to the present embodiment may be realized by a single device. Further, the functions of the information processing server 30 according to the present embodiment can be realized by being distributed by a plurality of devices.
  • the configuration of the information processing system according to the present embodiment can be flexibly modified according to specifications and operations.
  • FIG. 3 is an example of a functional block diagram of the information processing terminal 10 according to the present embodiment.
  • the information processing terminal 10 according to the present embodiment includes an audio collection unit 110, a sensor unit 120, an output unit 130, and a communication unit 140.
  • the voice collection unit 110 has a function of collecting the user's voice and surrounding environmental sounds.
  • the voice collection unit 110 according to the present embodiment is realized by a microphone that converts a user's voice and environmental sound into an electrical signal.
  • the sensor unit 120 has a function of capturing a user image.
  • the sensor unit 120 includes an imaging sensor.
  • the sensor part 120 may collect various sensor information used for estimation of a user's condition. Therefore, the sensor unit 120 includes, for example, an infrared sensor, an acceleration sensor, a gyro sensor, a geomagnetic sensor, a vibration sensor, a pressure sensor, and a GNSS (Global Navigation Satellite System) signal receiver.
  • GNSS Global Navigation Satellite System
  • the output unit 130 has a function of outputting notification contents based on control by the information processing server 30. At this time, the output unit 130 may perform sound output based on the artificial sound synthesized by the information processing server 30.
  • the output unit 130 according to the present embodiment includes a speaker and an amplifier.
  • the output unit 130 may output visual information based on control by the information processing server 30.
  • the output unit 130 includes a display device such as a liquid crystal display (LCD) device or an organic light emitting diode (OLED) device.
  • LCD liquid crystal display
  • OLED organic light emitting diode
  • the communication unit 140 has a function of performing information communication with the information processing server 30 via the network 40. Specifically, the communication unit 140 transmits sound information collected by the sound collection unit 110, image information collected by the sensor unit 120, and sensor information to the information processing server 30. Further, the communication unit 140 receives the artificial voice information related to the notification content, the text information related to the notification content, and the like from the information processing server 30.
  • the functional configuration example of the information processing terminal 10 according to the present embodiment has been described above.
  • said structure demonstrated using FIG. 3 is an example to the last, and the function structure of the information processing terminal 10 which concerns on this embodiment is not limited to the example which concerns.
  • the information processing terminal 10 according to the present embodiment may further include a configuration other than that illustrated in FIG.
  • the information processing terminal 10 may include an input unit that detects an input operation by a user, for example.
  • the functional configuration of the information processing terminal 10 according to the present embodiment can be flexibly modified.
  • FIG. 4 is an example of a functional block diagram of the external device 20 according to the present embodiment.
  • the external device 20 according to the present embodiment includes an operating status acquisition unit 210, a sensor unit 220, and a communication unit 230.
  • the operating status acquisition unit 210 has a function of acquiring the operating status of the apparatus.
  • the operating status of the external device 20 acquired by the operating status acquiring unit 210 can be used for the calculation of the attention acquisition difficulty by the information processing server 30.
  • the operating status acquisition unit 210 may detect that a keyboard, a mouse, a touch panel, or the like is operated by the user.
  • the operating status acquisition unit 210 may detect that a controller or the like is operated by a user or the like.
  • the operation status acquisition unit 210 may detect that a call is being performed.
  • the operating status acquisition unit 210 indicates that the refrigerator door is open, the heat retention function of the rice cooker is operating and the lid is open, or the vacuum cleaner It may be detected that the suction operation is being performed.
  • the operation status acquisition unit 210 may detect that video or audio is being output and that there is a person around. At this time, the operating status acquisition unit 210 can detect that there is a person around, for example, based on sensor information collected by the human sensor.
  • the operation status acquisition unit 210 according to the present embodiment can also acquire the operation status of the external device 20 based on various sensor information collected by the sensor unit 220.
  • the operating status acquisition unit 210 may acquire operating statuses of other external devices 20 or may acquire operating statuses of a plurality of external devices 20.
  • the operating status acquisition unit 210 according to the present embodiment can estimate the operating status of the external device 20 based on the sensor information related to the other external device 20 collected by the sensor unit 220.
  • the sensor unit 220 has a function of collecting various sensor information related to the external device 20.
  • the sensor information collected by the sensor unit 220 may be used for acquisition of the operation status by the operation status acquisition unit 210.
  • the sensor unit 220 may collect sensor information related to the user and surrounding conditions.
  • the sensor unit 220 can acquire, for example, a user's speech or a user's image.
  • the sensor unit 220 according to the present embodiment may include various sensor devices.
  • the sensor unit 220 includes, for example, a microphone, an imaging sensor, a thermal sensor, a vibration sensor, an illuminance sensor, a human sensor, an acceleration sensor, a gyro sensor, a geomagnetic sensor, and the like.
  • the communication unit 230 has a function of performing information communication with the information processing server 30 via the network 40. Specifically, the communication unit 230 transmits the operation status of the external device 20 acquired by the operation status acquisition unit 210 to the information processing server 30. Further, the communication unit 230 may transmit the sensor information collected by the sensor unit 220 to the information processing server 30.
  • the functional configuration example of the external device 20 according to the present embodiment has been described above. Note that the above-described configuration described with reference to FIG. 4 is merely an example, and the functional configuration of the external device 20 according to the present embodiment is not limited to the related example. In addition to the above configuration, the external device 20 according to the present embodiment may include various configurations according to the characteristics of the external device 20.
  • FIG. 5 is an example of a functional block diagram of the information processing server 30 according to the present embodiment.
  • the information processing server 30 includes an acoustic analysis unit 310, an image analysis unit 320, a situation estimation unit 330, a natural language processing unit 340, a user information DB 350, an utterance control unit 360, a speech synthesis unit 370, and a communication unit. 380.
  • the acoustic analysis unit 310 has a function of recognizing the loudness based on sound information transmitted from the information processing terminal 10 or the external device 20. More specifically, the acoustic analysis unit 310 according to the present embodiment may recognize the ambient noise level. At this time, the acoustic analysis unit 310 according to the present embodiment can calculate the noise level based on, for example, the root mean square (also referred to as effective value or RMS) of the amplitude value of the acoustic signal in unit time. The unit time may be a frame time of one image captured by the information processing terminal 10, for example.
  • the noise level calculated by the acoustic analysis unit 310 according to the present embodiment is used for calculating an attention acquisition difficulty by the situation estimation unit 330 described later.
  • the acoustic analysis unit 310 has a function of recognizing the type of sound based on sound information transmitted from the information processing terminal 10 or the external device 20.
  • the acoustic analysis unit 310 according to the present embodiment may recognize a work sound generated in accordance with a user's action.
  • the work sound includes, for example, a sound generated when the user hits the keyboard of the PC, a sound generated when the user operates a home appliance such as a vacuum cleaner, and the like.
  • the work sound includes, for example, sound generated by operations such as washing, food processing, and processing performed by the user in the kitchen.
  • the above-mentioned work sound may include utterances of users and others.
  • the work sound recognized by the acoustic analysis unit 310 according to the present embodiment is used as an index of the user's action situation in the calculation of the attention acquisition difficulty by the situation estimation unit 330 described later.
  • the image analysis unit 320 has a function of recognizing a user's situation based on image information and sensor information transmitted from the information processing terminal 10 or the external device 20.
  • the image analysis unit 320 recognizes a situation related to the user's attention.
  • the image analysis unit 320 may recognize the distance from the information processing terminal 10 to the user.
  • the image analysis unit 320 can recognize the distance based on, for example, the size of the user's face area in the image and information collected by a depth sensor or the like.
  • the situation of the user recognized by the image analysis unit 320 according to the present embodiment is used for calculating an attention acquisition difficulty and detecting an attention action by the situation estimation unit 330 described later.
  • the image analysis unit 320 may recognize the user's face orientation and line of sight. More specifically, the image analysis unit 320 can recognize how far the user's face direction and line of sight deviate from the direction of the information processing terminal 10.
  • the user situation recognized by the image analysis unit 320 includes an action situation.
  • the image analysis unit 320 according to the present embodiment may recognize a user's action state based on image information or sensor information transmitted from the information processing terminal 10 or the external device 20. For example, the image analysis unit 320 may recognize that the user is reading a book or concentrated on studying based on image information. For example, the image analysis unit 320 may recognize that the user is exercising based on image information, acceleration information, angular velocity information, and the like.
  • the user's behavior situation recognized by the image analysis unit 320 according to the present embodiment is used for calculating an attention acquisition difficulty by the situation estimation unit 330 described later.
  • the situation estimation unit 330 has a function of calculating an attention acquisition difficulty level that is an index of difficulty of user's attention. At this time, the situation estimation unit 330 according to the present embodiment can calculate the attention acquisition difficulty level based on the noise level and the user situation. More specifically, the situation estimation unit 330 includes the noise level recognized by the acoustic analysis unit 310, the user's face and line of sight recognized by the image analysis unit 320, the distance between the user and the information processing terminal 10, and the like. The attention acquisition difficulty level may be calculated based on the above.
  • the user situation includes the user's action situation. That is, the situation estimation unit 330 according to the present embodiment includes the work sound recognized by the acoustic analysis unit 310, the operation status of the external device 20 transmitted from the external device 20, and the user behavior status recognized by the image analysis unit 320.
  • the attention acquisition difficulty level may be calculated based on the above.
  • the situation estimation unit 330 according to the present embodiment can comprehensively calculate the user's difficulty in taking into account various factors other than the noise level.
  • the situation estimation unit 330 according to the present embodiment may calculate the attention acquisition difficulty level A by linearly combining the weights of the factors, for example, as shown in the following formula (1).
  • K i in the above formula (1) represents a weighting factor of each factor, and may be a value set for each factor.
  • F i in the above formula (1) indicates a detected value of each factor.
  • the detection value F i includes a sound volume (dB) recognized by the acoustic analysis unit 310 and a level value corresponding to the sound volume (for example, 1 to 10, Etc.) may be input. That is, the situation estimation unit 330 estimates that the higher the noise level, the more difficult the user's attention is taken.
  • the factor when the factor is the user's behavior situation, a value indicating whether or not the corresponding behavior is detected (for example, undetected: 0, detected: 1) may be input as the detected value F i .
  • the user behavior status includes the work sound recognized by the acoustic analysis unit 310, the user behavior status recognized by the image analysis unit 320, or the user behavior estimated from the operating status of the external device 20.
  • the situation is included. That is, the situation estimation unit 330 estimates that the user's attention is difficult when the user is performing other actions.
  • the detection value F i includes a distance value recognized by the image analysis unit 320 (such as cm) and a level value (for example, 1 to 10) corresponding to the distance. , Etc.) may be entered. That is, the situation estimation unit 330 estimates that the more the user is away from the information processing terminal 10, the more difficult the user's attention is taken.
  • the detection value F i is a value indicating whether the face or line of sight is facing the information processing terminal (for example, facing: 0, facing). 1), the degree of deviation (°) between the direction of the information processing terminal 10 and the direction of the face or line of sight may be input. That is, the situation estimation unit 330 estimates that the user's attention is difficult when the information processing terminal 10 is not in the user's field of view.
  • the calculation example of the attention acquisition difficulty level by the situation estimation unit 330 according to the present embodiment has been described. Note that the above calculation method is merely an example, and the situation estimation unit 330 according to the present embodiment may calculate the attention acquisition difficulty level using other mathematical expressions and methods. In addition, the situation estimation unit 330 according to the present embodiment optimizes factors and weighting factor values used for calculating the attention acquisition difficulty by learning the calculated attention acquisition difficulty and the actual user reaction. It is also possible to do.
  • the situation estimation unit 330 has a function of detecting the user's attention behavior.
  • the above attention action refers to an action in which the user reacts to the notification content output from the information processing terminal 10.
  • the situation estimation unit 330 may detect the attention behavior based on the user situation recognized by the image analysis unit 320.
  • the situation estimation unit 330 can detect an attention action based on, for example, that the user has approached the information processing terminal 10 or that the user's face or line of sight is directed toward the information processing terminal 10.
  • the situation estimation unit 330 can detect an attention behavior based on the user's utterance recognized by the acoustic analysis unit 310.
  • the situation estimation unit 330 can detect an attention action based on, for example, the user uttering “What?” Or “E?”.
  • the natural language processing unit 340 has a function of performing natural language processing such as morphological analysis, dependency structure analysis, and assignment of a semantic concept based on text information related to the notification content.
  • the text information related to the notification content may be stored in the information processing server 30 in advance, or may be acquired via the communication unit 380 or the network 40.
  • the user information DB 350 is a database that stores various information related to the user. In addition to the user name and ID, the user information DB 350 stores attribute information such as age, sex, language used, and birthplace. The attribute information stored in the user information DB 350 according to the present embodiment is used for forming a notification content by the utterance control unit 360 described later.
  • the user information DB 350 according to the present embodiment may store user image information, audio features, and the like. In this case, the acoustic analysis unit 310 and the image analysis unit 320 can also identify the user based on the information stored in the user information DB 350. Further, the user information DB 350 may store the user's hobbies and schedules.
  • the utterance control unit 360 has a function of controlling information notification to the user based on the notification content. More specifically, the utterance control unit 360 according to the present embodiment is calculated by the situation estimation unit 330 and the function of extracting the subject from the notification content based on the result of the natural language processing by the natural language processing unit 340. And a function for determining the output position of the subject in the notification content based on the attention acquisition difficulty level. In addition, the utterance control unit 360 according to the present embodiment causes the information processing terminal 10 to output a notification content in accordance with the determined output position. Note that the utterance control unit 360 may cause the information processing terminal 10 to output the notification content as visual information.
  • FIG. 6 is a diagram for explaining a basic concept of information notification by the utterance control unit 360 according to the present embodiment.
  • the intensity of the attention acquisition difficulty level A calculated by the situation estimation unit 330 is shown as levels 1 to 3, and in the middle part and the lower part, changes in user's attention at each level and utterances are shown.
  • the subject output positions determined by the control unit 360 are shown.
  • the utterance control unit 360 may arrange the output position of the subject SP in the first half of the notification content, particularly in the beginning.
  • the utterance control unit 360 may arrange the output position of the subject SP near the center of the notification content.
  • the utterance control unit 360 may arrange the output position of the subject SP at the latter half of the notification content, particularly at the end.
  • the utterance control unit 360 can output the subject at a timing at which the user's attention is expected to become the highest with respect to the transition of the user's attention according to the degree of attention acquisition difficulty.
  • the output position of the theme of notification content can be changed dynamically according to a user's condition, and notification content is notified to a user at a more effective timing. It is possible to notify the subject of
  • the speech synthesizer 370 has a function of generating artificial speech based on the notification content formed by the utterance controller 360.
  • the artificial voice generated by the voice synthesizer 370 is transmitted to the information processing terminal 10 via the communication unit 380 and the network 40, and is output by the output unit 130.
  • the communication unit 380 has a function of performing information communication with the information processing terminal 10 and the external device 20 via the network 40. Specifically, the communication unit 380 receives sound information, image information, and sensor information from the information processing terminal 10. Further, the communication unit 380 receives the operation status and sensor information of the external device 20 from the external device 20. In addition, the communication unit 380 transmits, to the information processing terminal 10, artificial speech and text information related to the notification content in which the subject output position is designated by the utterance control unit 360.
  • each function of the information processing server 30 can be realized by being distributed by a plurality of devices.
  • the information processing server 30 may further include the functions of the information processing terminal 10.
  • the information processing server 30 can perform voice output of notification contents in accordance with the determined output position of the subject.
  • the functional configuration of the information processing server 30 according to the present embodiment can be modified as appropriate according to specifications and operations.
  • FIG. 7 is a flowchart showing a flow of determination of the output position of the subject by the utterance control unit 360 according to the present embodiment.
  • the utterance control unit 360 first extracts the subject from the notification content based on the result of the natural language processing by the natural language processing unit 340 (S1101).
  • FIG. 8 is a diagram for explaining the extraction of the subject by the utterance control unit 360 according to the present embodiment.
  • the upper part of FIG. 8 shows the notification content OS, and the middle part shows each clause delimited by the natural language processing unit 340.
  • Each phrase may be given a phrase type or semantic concept by the natural language processing unit 340.
  • the utterance control unit 360 detects a phrase having a word having a semantic concept such as “request”, “suggestion”, “aspiration”, or “opinion” from each of the phrases. For example, the utterance control unit 360 may detect “I recommend” as shown in FIG. Next, the utterance control unit 360 can detect a phrase “bringing an umbrella.” Having a case that is a target of the detected “I recommend”, and extract a subject “I recommending an an umbrella.”.
  • the utterance control unit 360 may extract a clause including proper nouns and numerical values and a predicate clause as a subject of the clause as a subject.
  • the utterance control unit 360 may use the content of the message as the subject.
  • the utterance control unit 360 can also delete from the notification content information that is difficult or redundant to understand by voice, such as the message transmission date and time, the sender's mail address, URL, and message attribute information. It is.
  • the utterance control unit 360 controls the output of visual information by the information processing terminal 10
  • the utterance control unit 360 requests the confirmation of the visual information displayed on the monitor or the like as the subject relating to the voice utterance. And the details of the notification content may be output to the output unit 130 of the information processing terminal 10.
  • the description of the flow of determination of the output position of the subject by the utterance control unit 360 will be continued.
  • the utterance control unit 360 subsequently forms the extracted subject based on the user attribute information (S1102).
  • the utterance control unit 360 uses a more direct expression to categorize the subject as “You shoulder take an umbrella.”. It is good.
  • the utterance control unit 360 sets the verb phrase to the head of the subject for the child user. You may arrange in.
  • the utterance control unit 360 can place the target noun phrase at the beginning of the subject.
  • the utterance control unit 360 can form a subject that is easier to grasp for the user according to the attribute information of the user stored in the user DB 350 and the characteristics of the language used.
  • the utterance control unit 360 may adopt a style that the user uses in daily life regarding the formation of the theme.
  • the utterance control unit 360 can learn, for example, the word order and words that the user prefers by collecting utterances in the daily life of the user.
  • the utterance control unit 360 may form the theme in a style that the user is familiar with in daily life. For example, when the user is a child, the utterance control unit 360 can form the subject by adopting word order or words that are used by the mother or the like on a daily basis for the user.
  • the utterance control unit 360 determines the output position of the subject based on the attention acquisition difficulty calculated by the situation estimation unit 330.
  • the utterance control unit 360 may first determine whether or not the attention acquisition difficulty level is equal to or less than the first threshold (S1103). That is, the utterance control unit 360 determines whether or not the attention acquisition difficulty level corresponds to level 1 that is relatively easy to take attention.
  • FIG. 9 is a diagram illustrating an example of the output position of the subject determined based on the attention acquisition difficulty level according to the present embodiment. 9 shows the original notification content OS including the subject SP and other text OP.
  • attention acquisition difficulty level A is level 1
  • utterance control unit 360 generates new notification content CS-1 in which the output position of the subject is changed to the beginning from original notification content OS. I understand that. At this time, the utterance control unit 360 may save the notification content CS-1 as a text file.
  • the utterance control unit 360 sets the output position of the subject in the latter half of the notification content. Setting is performed (S1105). More specifically, as shown in FIG. 9, the utterance control unit 360 generates new notification content CS-2 in which the output position of the subject SP is located at the end.
  • the utterance control unit 360 measures the length from the beginning to the subject SP in the notification content CS-2 generated in step S1105, and based on the length, the second control that becomes the boundary between the level 2 and the level 3 Is determined (S1106). At this time, the utterance control unit 360 may measure the length by counting the number of characters of other sentences OP. In addition, the utterance control unit 360 determines the second threshold value so that the value increases in proportion to the above length. The longer the other sentence OP is, the higher the possibility that the user's attention can be taken during the output of the other sentence OP without adding additional information to be described later. On the other hand, if the other sentence OP is short, it is difficult to obtain the user's attention while the other sentence OP is being output. The threshold value may be set low.
  • the utterance control unit 360 determines whether or not the attention acquisition difficulty level is equal to or less than the second threshold value determined in step S1106 (S1107). That is, the utterance control unit 360 determines whether or not the attention acquisition difficulty level corresponds to level 2.
  • the utterance control unit 360 is generated by adding the additional information AP to the beginning of -2 (S1108).
  • the utterance control unit 360 may determine the length of the additional information AP according to the attention acquisition difficulty level A. For example, the utterance control unit 360 may add additional information AP having a length proportional to a value obtained by subtracting the second threshold value from the attention acquisition difficulty level A.
  • the utterance control unit 360 may add a related topic related to the original notification content OS as additional information AP. At this time, the utterance control unit 360 acquires the name of the user stored in the user DB 350, the user's schedule, hobbies, and the like, and generates a related topic using such information, thereby achieving a so-called cocktail party effect. It may be triggered to get user attention. In addition, the utterance control unit 360 causes the speech synthesis unit 370 to synthesize a sentence (theme SP and other sentences OP) derived from the original notification content OP and related topics with different artificial speech, so that the user can output the speech. You may explicitly indicate that it is a related topic.
  • the additional information AP is not limited to the related topic as described above, and may be various information.
  • the additional information AP may be music or a radio program.
  • the utterance control unit 360 can improve the possibility that the user's attention can be acquired by playing music or a radio program according to the user's preference at the beginning.
  • the utterance control unit 360 can determine the output position of the subject according to the level of difficulty level of attention acquisition and cause the information processing terminal 10 to output the notification content according to the output position. According to the above function of the utterance control unit 360 according to the present embodiment, it is possible to present the subject of the notification content at the timing when the user's attention is estimated to be the highest, and effective information notification can be performed by the user. Can be done.
  • the output position of the subject described with reference to FIGS. 7 and 9 is merely an example, and the output position of the subject determined by the utterance control unit 360 according to the present embodiment is not limited to the example.
  • the utterance control unit 360 may first determine the second threshold value related to the attention acquisition difficulty after the formation of the theme. In this case, the utterance control unit 360 can make the determination of levels 1 to 3 at a time. At this time, if the attention acquisition difficulty level corresponds to level 2, the utterance control unit 360 may arrange the output position of the subject near the center of the notification content.
  • the function of determining the output position of the subject by the utterance control unit 360 according to the present embodiment can be flexibly modified according to the original notification content OP and the language used.
  • the utterance control unit 360 may perform control to change the output position of the subject when detecting the user's attention action during the output of the notification content.
  • the utterance control unit 360 can change the output position of the subject based on the fact that attention behavior is detected during the output of additional information added to the beginning of the notification content. .
  • FIG. 10 is a flowchart showing the flow of notification content output control by the utterance control unit 360 according to this embodiment.
  • the utterance control unit 360 first determines which level the attention acquisition difficulty level corresponds to (S1201).
  • the utterance control unit 360 notifies the information processing terminal 10 at the output position (notification content CS-1) of the subject set in level 1.
  • the output start of the content is controlled (S1202), and the notification content is output to the end as it is.
  • the utterance control unit 360 uses the subject output position (notification content CS-2) set in level 2 to notify the information content by the information processing terminal 10.
  • the output start is controlled (S1203), and the notification content is output to the end as it is.
  • the utterance control unit 360 uses the subject output position set in level 3 (notification content CS-3) to notify the information content by the information processing terminal 10.
  • the output start is controlled (S1204).
  • the utterance control unit 360 continues to execute the detection determination of the attention action during the output (S1205).
  • the utterance control unit 360 determines whether additional information is being output (S1206).
  • the utterance control unit 360 ends the output of additional information by the information processing terminal 10. (S1207), output of the notification content by the output position of the subject set in level 1 is started. At this time, the utterance control unit 360 may dynamically change the character string information related to the notification content, for example. Further, the utterance control unit 360 generates texts corresponding to the two notification contents related to the level 1 and the level 3 in advance, and converts the text corresponding to the notification contents of the level 1 based on the detection of the attention action. It is also possible to switch.
  • FIG. 11 is a diagram showing a specific example of output control of notification contents when the attention acquisition difficulty level is level 3 according to the present embodiment.
  • the upper part of FIG. 11 shows the notification content CS-3 set when the attention acquisition difficulty level is level 3.
  • the additional information AP is added to the beginning of the notification content CS-3, and the subject SP is arranged at the end of the notification content CS-3.
  • the utterance control unit 360 terminates the output of the additional information AP halfway as shown in the lower part of FIG. The position is changed immediately after the additional information AP. At this time, the utterance control unit 360 may end the output of the additional information AP, for example, at the timing when the sentence being output is output to the end. In addition, the utterance control unit 360 can reduce the uncomfortable feeling of switching by performing utterances connecting the additional information AP and the subject SP. Further, when the additional information AP is music or a radio program, the utterance control unit 360 may perform control so that output switching becomes more natural by gradually decreasing the volume.
  • the utterance control unit 360 outputs the other sentence OP and the subject SP as they are, as shown in the middle part of FIG. Processing may be terminated.
  • the output control of the notification content by the utterance control unit 360 according to the present embodiment has been described above. As described above, according to the utterance control unit 360 according to the present embodiment, the output position of the subject in the notification content can be flexibly controlled according to the user's state, and more effective information notification can be performed. It becomes possible.
  • the change control is not limited to this example.
  • the utterance control unit 360 according to the present embodiment can change the output position of the subject based on detecting the change of the user's attention acquisition difficulty level during the output of the notification content.
  • the utterance control unit 360 detects that the user's attention acquisition difficulty level has changed to level 1 or level 2, and is shown in the lower part of the figure. It is also possible to perform such output control. Further, for example, when the attention acquisition difficulty level is level 2, the utterance control unit 360 changes the theme output position based on the fact that the attention acquisition difficulty level has changed to level 3 during the output of other sentences OP. Additional information AP may be inserted before.
  • the utterance control unit 360 can control the re-output of the notification content based on the change in the degree of difficulty for acquiring the attention. For example, when the attention acquisition difficulty level is level 2 or level 3, when the user's attention behavior cannot be detected, the utterance control unit 360 re-sends the notification content at the timing when the user's attention acquisition difficulty level decreases. It may be output.
  • the re-output of the notification content may be performed based on a request by the user's utterance or the like.
  • the utterance control unit 360 since it is expected that the user's attention was not taken at the time of outputting the theme, the utterance control unit 360 stores the number of requests described above, and the next notification content is output according to the number of requests.
  • the attention acquisition difficulty may be calculated to be higher so as to delay the output position of the subject.
  • the utterance control unit 360 stores the number of detections described above for each user, and the next notification content is output according to the number of detections of the subject.
  • the attention acquisition difficulty level may be calculated to be lower so that the output position is advanced.
  • FIG. 12 is a flowchart showing an operation flow of the information processing server 30 according to the present embodiment.
  • the communication unit 380 of the information processing server 30 first receives sensor information and operation status from the information processing terminal 10 and the external device 20 (S1301).
  • the sensor information includes sound information and image information.
  • the acoustic analysis unit 310 performs acoustic analysis based on the sound information received in step S1301 (S1302). At this time, the acoustic analysis unit 310 may perform an analysis related to the noise level and the work sound.
  • the image analysis unit 320 performs image analysis based on the image information received in step S1302 (S1302). At this time, the image analysis unit 320 may perform analysis related to the user's situation.
  • the situation estimation unit 330 calculates the user's attention acquisition difficulty level based on the operating situation of the external device 20 received in step S1301 and the information analyzed in steps S1302 and S1303 (S1304).
  • the utterance control unit 360 extracts the subject from the notification content (S1305).
  • the utterance control unit 360 sets the output position of the subject extracted in step S1305 based on the attention acquisition difficulty calculated in step S1304 (S1306).
  • the utterance control unit 360 performs utterance control based on the output position of the subject set in step S1306 (S1307).
  • FIG. 13 is a block diagram illustrating a hardware configuration example of the information processing terminal 10 and the information processing server 30 according to an embodiment of the present disclosure.
  • the information processing terminal 10 and the information processing server 30 include, for example, a CPU 871, a ROM 872, a RAM 873, a host bus 874, a bridge 875, an external bus 876, an interface 877, and an input device 878. , Output device 879, storage 880, drive 881, connection port 882, and communication device 883.
  • the hardware configuration shown here is an example, and some of the components may be omitted. Moreover, you may further include components other than the component shown here.
  • the CPU 871 functions as, for example, an arithmetic processing unit or a control unit, and controls the overall operation or a part of each component based on various programs recorded in the ROM 872, RAM 873, storage 880, or removable recording medium 901.
  • the ROM 872 is a means for storing programs read by the CPU 871, data used for calculations, and the like.
  • the RAM 873 for example, a program read by the CPU 871, various parameters that change as appropriate when the program is executed, and the like are temporarily or permanently stored.
  • the CPU 871, the ROM 872, and the RAM 873 are connected to each other via, for example, a host bus 874 capable of high-speed data transmission.
  • the host bus 874 is connected to an external bus 876 having a relatively low data transmission speed via a bridge 875, for example.
  • the external bus 876 is connected to various components via an interface 877.
  • the input device 878 for example, a mouse, a keyboard, a touch panel, a button, a switch, a lever, or the like is used. Furthermore, as the input device 878, a remote controller (hereinafter referred to as a remote controller) capable of transmitting a control signal using infrared rays or other radio waves may be used.
  • the input device 878 includes a voice input device such as a microphone.
  • the output device 879 is a display device such as a CRT (Cathode Ray Tube), LCD, or organic EL, an audio output device such as a speaker or a headphone, a printer, a mobile phone, or a facsimile. It is a device that can be notified visually or audibly.
  • the output device 879 according to the present disclosure includes various vibration devices that can output a tactile stimulus.
  • the storage 880 is a device for storing various data.
  • a magnetic storage device such as a hard disk drive (HDD), a semiconductor storage device, an optical storage device, a magneto-optical storage device, or the like is used.
  • the drive 881 is a device that reads information recorded on a removable recording medium 901 such as a magnetic disk, an optical disk, a magneto-optical disk, or a semiconductor memory, or writes information to the removable recording medium 901.
  • a removable recording medium 901 such as a magnetic disk, an optical disk, a magneto-optical disk, or a semiconductor memory
  • the removable recording medium 901 is, for example, a DVD medium, a Blu-ray (registered trademark) medium, an HD DVD medium, or various semiconductor storage media.
  • the removable recording medium 901 may be, for example, an IC card on which a non-contact IC chip is mounted, an electronic device, or the like.
  • connection port 882 is a port for connecting an external connection device 902 such as a USB (Universal Serial Bus) port, an IEEE 1394 port, a SCSI (Small Computer System Interface), an RS-232C port, or an optical audio terminal. is there.
  • an external connection device 902 such as a USB (Universal Serial Bus) port, an IEEE 1394 port, a SCSI (Small Computer System Interface), an RS-232C port, or an optical audio terminal. is there.
  • the external connection device 902 is, for example, a printer, a portable music player, a digital camera, a digital video camera, or an IC recorder.
  • the communication device 883 is a communication device for connecting to a network.
  • the information processing server 30 determines the output position of the subject in the notification content based on the attention acquisition difficulty level, which is an index of the difficulty of user attention.
  • the information processing terminal performs information notification according to the output position. According to such a configuration, it is possible to make the user understand the notification contents more effectively.
  • the information processing server 30 controls the audio output of the notification content based on the determined output position of the subject.
  • Information output may be controlled.
  • the information processing server 30 can control text scrolling related to the notification content in the display device included in the information processing terminal 10. At this time, the information processing server 30 may control the output position of the subject in the text scroll based on the user's attention acquisition difficulty level.
  • each step related to the processing of the information processing server 30 in this specification does not necessarily have to be processed in time series in the order described in the flowchart.
  • each step related to the processing of the information processing server 30 may be processed in an order different from the order described in the flowchart, or may be processed in parallel.
  • a control unit for controlling information notification to the user based on the notification content With The control unit determines the output position of the subject in the notification content based on the calculated attention acquisition difficulty related to the user. Information processing device.
  • the control unit controls audio output of the notification content in accordance with the output position.
  • the control unit sets the output position of the subject in the first half of the notification content based on the attention acquisition difficulty level being a first threshold value or less.
  • the control unit sets the output position of the subject to the second half of the notification content based on the attention acquisition difficulty level exceeding a first threshold.
  • the information processing apparatus according to any one of (1) to (3).
  • the control unit adds additional information at the beginning of the notification content based on the attention acquisition difficulty level exceeding a second threshold, and causes the notification content including the additional information to be output.
  • the information processing apparatus according to any one of (1) to (4).
  • the control unit changes the output position of the subject based on the attention action of the user being detected during the output of the notification content.
  • the information processing apparatus according to any one of (1) to (5).
  • the control unit changes the output position of the subject based on the attention action being detected during the output of additional information included at the beginning of the notification content.
  • the information processing apparatus according to (6).
  • the control unit terminates the output of the additional information based on detection of the attention behavior during the output of the additional information, and changes the output position of the subject immediately after the additional information.
  • the information processing apparatus changes the output position of the subject based on a change in the attention acquisition difficulty during the output of the notification content.
  • the information processing apparatus according to any one of (1) to (8).
  • the additional information is a related topic related to the notification content.
  • the information processing apparatus according to any one of (5), 7, or 8.
  • the control unit extracts the subject from the notification content based on a result of natural language processing.
  • the information processing apparatus according to any one of (1) to (10).
  • the attention acquisition difficulty level is calculated based on at least one of a noise level and the user situation.
  • the information processing apparatus according to any one of (1) to (11).
  • the user situation includes the user action situation, The attention acquisition difficulty level is calculated based on at least the user's behavior situation, The information processing apparatus according to (12).
  • the user's behavior situation is estimated based on at least a working sound that accompanies the user's behavior, The information processing apparatus according to (13).
  • the user's behavior status is estimated based on at least the operating status of the external device, The information processing apparatus according to (13) or (14).
  • (16) The user behavior situation is estimated based on at least the user image, The information processing apparatus according to any one of (13) to (15).
  • a situation estimation unit for calculating the degree of difficulty for acquiring the attention Further comprising The information processing apparatus according to any one of (1) to (16).
  • the situation estimation unit detects the user's attention behavior.
  • the information processing apparatus according to (17).
  • the processor controls information notification to the user based on the notification content; Including The controlling determines a subject output position in the notification content based on the calculated attention acquisition difficulty level of the user; Further including Information processing method.

Abstract

ユーザに通知内容をより効果的に把握させる。通知内容に基づくユーザへの情報通知を制御する制御部、を備え、前記制御部は、算出された前記ユーザに係るアテンション獲得難易度に基づいて、前記通知内容における主題の出力位置を決定する、情報処理装置が提供される。また、プロセッサが、通知内容に基づくユーザへの情報通知を制御すること、を含み、前記制御することは、算出された前記ユーザに係るアテンション獲得難易度に基づいて、前記通知内容における主題の出力位置を決定すること、をさらに含む、情報処理方法が提供される。

Description

情報処理装置および情報処理方法
　本開示は、情報処理装置および情報処理方法に関する。
　近年、ユーザに対し情報通知などを行う種々のエージェント装置が普及している。また、上記のようなエージェント装置による情報通知の利便性や精度を向上させる技術が開発されている。例えば、特許文献１には、予め設定される優先度に基づいて情報通知に係る発話の出力順番を制御する技術が開示されている。
特開２０１５－２２７９５１号公報
　しかし、特許文献１に記載の技術では、情報通知を行う際のユーザの状況が考慮されていない。このため、特許文献１に記載の技術では、ユーザの注意が向いていない状況で優先度の高い通知内容を出力することも想定され、ユーザが重要な情報を見逃す可能性もある。
　そこで、本開示では、ユーザに通知内容をより効果的に把握させることが可能な、新規かつ改良された情報処理装置および情報処理方法を提案する。
　本開示によれば、通知内容に基づくユーザへの情報通知を制御する制御部、を備え、前記制御部は、算出された前記ユーザに係るアテンション獲得難易度に基づいて、前記通知内容における主題の出力位置を決定する、情報処理装置が提供される。
　また、本開示によれば、プロセッサが、通知内容に基づくユーザへの情報通知を制御すること、を含み、前記制御することは、算出された前記ユーザに係るアテンション獲得難易度に基づいて、前記通知内容における主題の出力位置を決定すること、をさらに含む、情報処理方法が提供される。
　以上説明したように本開示によれば、ユーザに通知内容をより効果的に把握させることが可能となる。
　なお、上記の効果は必ずしも限定的なものではなく、上記の効果とともに、または上記の効果に代えて、本明細書に示されたいずれかの効果、または本明細書から把握され得る他の効果が奏されてもよい。
本開示の一実施形態に係るユーザのアテンションと通知内容の理解との関係を示す図である。 同実施形態に係る情報処理システムのシステム構成図の一例である。 同実施形態に係る情報処理端末の機能ブロック図の一例である。 同実施形態に係る外部装置の機能ブロック図の一例である。 同実施形態に係る情報処理サーバの機能ブロック図の一例である。 同実施形態に係る発話制御部による情報通知の基本概念について説明するための図である。 同実施形態に係る発話制御部による主題の出力位置の決定の流れを示すフローチャートである。 同実施形態に係る発話制御部による主題の抽出について説明するための図である。 同実施形態に係るアテンション獲得難易度に基づいて決定される主題の出力位置の例を示す図である。 同実施形態に係る発話制御部による通知内容の出力制御の流れを示すフローチャートである。 同実施形態に係るアテンション獲得難易度がレベル３である場合における通知内容の出力制御の具体例を示す図である。 同実施形態に係る情報処理サーバの動作の流れを示すフローチャートである。 本開示の一実施形態に係るハードウェア構成例を示す図である。
　以下に添付図面を参照しながら、本開示の好適な実施の形態について詳細に説明する。なお、本明細書及び図面において、実質的に同一の機能構成を有する構成要素については、同一の符号を付することにより重複説明を省略する。
　なお、説明は以下の順序で行うものとする。
　１．実施形態
　　１．１．実施形態の概要
　　１．２．システム構成例
　　１．３．情報処理端末１０の機能構成例
　　１．４．外部装置２０の機能構成例
　　１．５．情報処理サーバ３０の機能構成例
　　１．６．主題の出力位置決定の詳細
　　１．７．情報処理サーバ３０の動作の流れ
　２．ハードウェア構成例
　３．まとめ
　＜１．実施形態＞
　＜＜１．１．実施形態の概要＞＞
　まず、本開示の一実施形態の概要について説明する。上述したように、近年では、種々のエージェントが開発されている。上記のようなエージェントは、例えば、人工音声を用いた発話により、ユーザに様々な情報を提示することができる。
　この際、エージェントが行う情報提示は、主に応答と通知の二つに大別される。ここで、上記の応答とは、ユーザからの問い合わせに応答してエージェントが情報を提示することを指す。例えば、ユーザから、「今日の私のスケジュールは？」、と問い合わせがあった際に、エージェントが当該問い合わせに応答して、「今夜は、ディナーの予定が入っています」、と出力する場合などが上記の応答に該当する。
　一方、上記の通知とは、エージェントからユーザに対し情報を発信することを指す。例えば、エージェントが、メールを受信したことに基づいて、「Ａさんからメールを受信しました。内容は以下のとおりです・・・」、などの出力を行う場合が上記の通知に該当する。
　ここで、上記の応答と通知との主な違いには、ユーザの注意度（以下、アテンション、とも称する）が挙げられる。応答の場合、ユーザからの問い合わせを前提とするため、エージェントが情報を出力する際には、ユーザのアテンションがエージェントに向いていることが想定される。このため、応答の場合、ユーザが出力される情報を把握できる可能性が高いといえる。
　一方、通知の場合、エージェント発信の情報出力となるため、情報の出力時にユーザのアテンションを直ぐに得ることができるとは限らない。また、ユーザのアテンションがエージェントに向いている場合であっても、アテンションは時間経過と共に徐々に低下していくことが想定される。
　図１は、ユーザのアテンションと通知内容の理解との関係を示す図である。例えば、図１の上段に示すように、テレビジョン装置から音声出力が行われるなど騒音レベルが高い状況において、情報処理端末１０から情報通知ＳＯ１が出力された場合、ユーザＵ１ａのアテンションが得られるまでには時間を要することが想定される。このため、ユーザＵ１ａは、アテンションが向いていなかった情報通知ＳＯ１の前半部分については、内容を把握することが困難な場合がある。
　一方、図１の下段に示すように、騒音レベルが低い状況において、情報処理端末１０から情報通知ＳＯ１が出力された場合、ユーザＵ１ｂのアテンションを得ることは比較的容易であるものの、人工音声による発話は一般に抑揚が単調であるなどの理由から、ユーザＵ１ｂのアテンションは時間経過と共に徐々に低下することが想定される。このため、ユーザＵ１ｂは、アテンションの低下した情報通知ＳＯ１の後半部分については、内容を把握し損ねる可能性がある。
　本実施形態に係る情報処理装置および情報処理方法は、上記の点に着目して発想されたものであり、ユーザのアテンション状況に応じた適切な情報通知を実現する。このために、本実施形態に係る情報処理装置および情報処理方法は、ユーザのアテンションの取りづらさの指標であるアテンション獲得難易度に基づいて通知内容における主題の出力位置を決定し、当該出力位置に則した情報通知を情報処理端末に行わせることを特徴の一つとする。
　より具体的には、例えば、図１に示す一例の場合、本実施形態に係る情報処理装置は、騒音レベルが高い状況においては、ユーザＵ１ａに係るアテンション獲得難易度が高いと判定し、主題の出力位置を通知内容の後半に設定してよい。また、例えば、騒音レベルが低い状況においては、情報処理装置は、ユーザＵ１ｂに係るアテンション獲得難易度が低いと判定し、主題の出力位置を通知内容の前半に設定してよい。本実施形態に係る情報処理装置および情報処理方法によれば、ユーザが通知内容の主題を把握し損ねる可能性を大幅に低減し、より利便性の高い情報通知を実現することが可能となる。
　＜＜１．２．システム構成例＞＞
　次に、本実施形態に係る情報処理システムのシステム構成例について説明する。図２は、本実施形態に係る情報処理システムのシステム構成図の一例である。図２を参照すると、本実施形態に係る情報処理システムは、情報処理端末１０、外部装置２０、および情報処理サーバ３０を備える。また、情報処理端末１０と情報処理サーバ３０、外部装置２０と情報処理サーバ３０は、ネットワーク４０を介して互いに通信が行えるように接続される。
　（情報処理端末１０）
　本実施形態に係る情報処理端末１０は、情報処理サーバ３０による制御に基づいて、ユーザに対し種々の情報通知を行う情報処理装置である。特に、本実施形態に係る情報処理端末１０は、情報処理サーバ３０が決定した主題の出力位置に基づいて通知内容の音声出力を行うことができる。本実施形態に係る情報処理端末１０は、例えば、据え置き型、組み込み型、または自律移動型の専用装置であってもよい。また、本実施形態に係る情報処理端末１０は、携帯電話、スマートフォン、ＰＣ（Ｐｅｒｓｏｎａｌ　Ｃｏｍｐｕｔｅｒ）、タブレット、または各種のウェアラブル装置であってもよい。本実施形態に係る情報処理端末１０は、音声による情報通知機能を有する種々の装置として定義される。
　また、本実施形態に係る情報処理端末１０は、ユーザの発話や周囲における音を収集し、情報処理サーバ３０に送信する機能を有してよい。また、本実施形態に係る情報処理端末１０は、ユーザの画像を撮像し、情報処理サーバ３０に送信してもよい。情報処理端末１０により収集される種々の情報は、後述する情報処理サーバ３０によるアテンション獲得難易度の算出やアテンション行動の検出に用いられ得る。
　（外部装置２０）
　本実施形態に係る外部装置２０は、装置の稼働状況や取集したセンサ情報を情報処理サーバ３０に送信する情報処理装置である。上記の稼働状況やセンサ情報は、情報処理サーバ３０によるアテンション獲得難易度の算出に用いられ得る。例えば、ある外部装置２０が稼働中である場合、ユーザが当該外部装置２０の操作に集中していることが想定されるため、アテンションが獲得しづらい状況が推定される。このように、本実施形態に係るアテンション獲得難易度は、騒音のほか、ユーザの状況を加味して算出され得る。
　このため、本実施形態に係る外部装置２０は、ユーザにより操作、あるいは利用される種々の装置であってよい。なお、図２の一例では、外部装置２０がゲーム機器である場合が示されているが、本実施形態に係る外部装置２０は、係る例に限定されない。本実施形態に係る外部装置２０は、例えば、携帯電話、スマートフォン、ＰＣ、タブレット、ウェアラブル装置などであってもよい。また、本実施形態に係る外部装置２０は、種々の家電機器、オフィス機器、照明を含む屋内設備などであってもよい。
　（情報処理サーバ３０）
　本実施形態に係る情報処理サーバ３０は、情報処理端末１０によるユーザへの情報通知を制御する情報処理装置である。この際、本実施形態に係る情報処理サーバ３０は、ユーザに係るアテンション獲得難易度に基づいて通知内容における主題の出力位置を決定し、当該出力位置に則した通知内容の音声出力を情報処理端末１０に行わせることができる。
　上述したとおり、上記のアテンション獲得難易度とは、ユーザのアテンションの取りづらさを示す指標であってよい。本実施形態に係る情報処理サーバ３０は、情報処理端末１０や外部装置２０により収集された各種の情報に基づいて、アテンション獲得難易度を算出することができる。
　（ネットワーク４０）
　ネットワーク４０は、情報処理端末１０と情報処理サーバ３０、外部装置２０と情報処理サーバ３０を接続する機能を有する。ネットワーク４０は、インターネット、電話回線網、衛星通信網などの公衆回線網や、Ｅｔｈｅｒｎｅｔ（登録商標）を含む各種のＬＡＮ（Ｌｏｃａｌ　Ａｒｅａ　Ｎｅｔｗｏｒｋ）、ＷＡＮ（Ｗｉｄｅ　Ａｒｅａ　Ｎｅｔｗｏｒｋ）などを含んでもよい。また、ネットワーク４０は、ＩＰ－ＶＰＮ（Ｉｎｔｅｒｎｅｔ　Ｐｒｏｔｏｃｏｌ－Ｖｉｒｔｕａｌ　Ｐｒｉｖａｔｅ　Ｎｅｔｗｏｒｋ）などの専用回線網を含んでもよい。また、ネットワーク４０は、Ｗｉ－Ｆｉ（登録商標）、Ｂｌｕｅｔｏｏｔｈ（登録商標）など無線通信網を含んでもよい。
　以上、本実施形態に係る情報処理システムのシステム構成例について説明した。なお、図２を用いて説明した上記の構成はあくまで一例であり、本実施形態に係る情報処理システムの構成は係る例に限定されない。例えば、本実施形態に係る情報処理端末１０および情報処理サーバ３０が有する機能は、単一の装置により実現されてもよい。また、本実施形態に係る情報処理サーバ３０が有する機能は、複数の装置により分散して実現することも可能である。本実施形態に係る情報処理システムの構成は、仕様や運用に応じて柔軟に変形され得る。
　＜＜１．３．情報処理端末１０の機能構成例＞＞
　次に、本実施形態に係る情報処理端末１０の機能構成例について説明する。図３は、本実施形態に係る情報処理端末１０の機能ブロック図の一例である。図３を参照すると、本実施形態に係る情報処理端末１０は、音声収集部１１０、センサ部１２０、出力部１３０、および通信部１４０を備える。
　（音声収集部１１０）
　音声収集部１１０は、ユーザの音声や周囲の環境音を収集する機能を有する。音声収集部１１０は、例えば、本実施形態に係る音声収集部１１０は、ユーザの音声や環境音を電気信号に変換するマイクロフォンにより実現される。
　（センサ部１２０）
　センサ部１２０は、ユーザの画像を撮像する機能を有する。このために、本実施形態に係るセンサ部１２０は、撮像センサを備える。また、センサ部１２０は、ユーザの状況の推定に用いられる種々のセンサ情報を収集してよい。このため、センサ部１２０は、例えば、赤外線センサ、加速度センサ、ジャイロセンサ、地磁気センサ、振動センサ、圧力センサ、ＧＮＳＳ（Ｇｌｏｂａｌ　Ｎａｖｉｇａｔｉｏｎ　Ｓａｔｅｌｌｉｔｅ　Ｓｙｓｔｅｍ）信号受信機などを備える。
　（出力部１３０）
　出力部１３０は、情報処理サーバ３０による制御に基づいて通知内容の出力を行う機能を有する。この際、出力部１３０は、情報処理サーバ３０により合成された人工音声に基づく音声出力を行ってよい。このために、本実施形態に係る出力部１３０は、スピーカやアンプを備える。
　また、出力部１３０は、情報処理サーバ３０による制御に基づいて視覚情報を出力してもよい。この場合、出力部１３０は、液晶ディスプレイ（ＬＣＤ：Ｌｉｑｕｉｄ　Ｃｒｙｓｔａｌ　Ｄｉｓｐｌａｙ）装置、ＯＬＥＤ（Ｏｒｇａｎｉｃ　Ｌｉｇｈｔ　Ｅｍｉｔｔｉｎｇ　Ｄｉｏｄｅ）装置などの表示装置を備える。
　（通信部１４０）
　通信部１４０は、ネットワーク４０を介して、情報処理サーバ３０との情報通信を行う機能を有する。具体的には、通信部１４０は、音声収集部１１０により収集された音情報やセンサ部１２０により収集された画像情報、センサ情報を情報処理サーバ３０に送信する。また、通信部１４０は、通知内容に係る人工音声情報や、通知内容に係るテキスト情報などを情報処理サーバ３０から受信する。
　以上、本実施形態に係る情報処理端末１０の機能構成例について説明した。なお、図３を用いて説明した上記の構成はあくまで一例であり、本実施形態に係る情報処理端末１０の機能構成は係る例に限定されない。例えば、本実施形態に係る情報処理端末１０は、図２に示す以外の構成をさらに備えてもよい。情報処理端末１０は、例えば、ユーザによる入力操作を検出する入力部などを備え得る。本実施形態に係る情報処理端末１０の機能構成は、柔軟に変形され得る。
　＜＜１．４．外部装置２０の機能構成例＞＞
　次に、本実施形態に係る外部装置２０の機能構成例について説明する。図４は、本実施形態に係る外部装置２０の機能ブロック図の一例である。図４を参照すると、本実施形態に係る外部装置２０は、稼働状況取得部２１０、センサ部２２０、および通信部２３０を備える。
　（稼働状況取得部２１０）
　稼働状況取得部２１０は、装置の稼働状況を取得する機能を有する。稼働状況取得部２１０により取得された外部装置２０の稼働状況は、情報処理サーバ３０によるアテンション獲得難易度の算出に用いられ得る。例えば、外部装置２０がＰＣやスマートフォンなどである場合、稼働状況取得部２１０は、キーボードやマウス、タッチパネルなどがユーザにより操作されていることを検出してもよい。また、例えば、外部装置２０がゲーム機器である場合、稼働状況取得部２１０は、コントローラなどがユーザなどにより操作されていることを検出してもよい。
　また、例えば、外部装置２０が通話機能を有する電話機などの装置である場合、稼働状況取得部２１０は、通話が行われていることを検出してもよい。また、例えば、外部装置２０が家電機器である場合、稼働状況取得部２１０は、冷蔵庫のドアが開いていること、炊飯器の保温機能が動作しており蓋が開いていること、または掃除機の吸引動作が行われていること、などを検出してよい。また、例えば、外部装置２０がテレビジョン装置である場合、稼働状況取得部２１０は、映像または音声の出力が行われており、かつ周囲に人が存在すること、などを検出してよい。この際、稼働状況取得部２１０は、例えば、人感センサにより収集されたセンサ情報に基づいて、周囲に人がいることを検出することができる。このように、本実施形態に係る稼働状況取得部２１０は、センサ部２２０により収集された種々のセンサ情報に基づいて外部装置２０の稼働状況を取得することも可能である。
　さらには、稼働状況取得部２１０は、他の外部装置２０の稼働状況を取得してもよいし、複数の外部装置２０の稼働状況を取得してもよい。本実施形態に係る稼働状況取得部２１０は、センサ部２２０により収集された他の外部装置２０に係るセンサ情報に基づいて、当該外部装置２０の稼働状況を推定することが可能である。
　（センサ部２２０）
　センサ部２２０は、外部装置２０に係る種々のセンサ情報を収集する機能を有する。センサ部２２０が収集したセンサ情報は、稼働状況取得部２１０による稼働状況の取得に用いられてもよい。また、センサ部２２０は、ユーザや周囲の状況に係るセンサ情報を収集してもよい。センサ部２２０は、例えば、ユーザの発話やユーザの画像などを取得することが可能である。このために、本実施形態に係るセンサ部２２０は、種々のセンサ装置を備えてよい。センサ部２２０は、例えば、マイクロフォン、撮像センサ、熱センサ、振動センサ、照度センサ、人感センサ、加速度センサ、ジャイロセンサ、地磁気センサなどを備える。
　（通信部２３０）
　通信部２３０は、ネットワーク４０を介して、情報処理サーバ３０との情報通信を行う機能を有する。具体的には、通信部２３０は、稼働状況取得部２１０により取得された外部装置２０の稼働状況を情報処理サーバ３０に送信する。また、通信部２３０は、センサ部２２０により収集されたセンサ情報を情報処理サーバ３０に送信してもよい。
　以上、本実施形態に係る外部装置２０の機能構成例について説明した。なお、図４を用いて説明した上記の構成はあくまで一例であり、本実施形態に係る外部装置２０の機能構成は係る例に限定されない。本実施形態に係る外部装置２０は、上記の構成に加え、外部装置２０の特性に応じた種々の構成を備え得る。
　＜＜１．５．情報処理サーバ３０の機能構成例＞＞
　次に、本実施形態に係る情報処理サーバ３０の機能構成例について説明する。図５は、本実施形態に係る情報処理サーバ３０の機能ブロック図の一例である。図５を参照すると、情報処理サーバ３０は、音響解析部３１０、画像解析部３２０、状況推定部３３０、自然言語処理部３４０、ユーザ情報ＤＢ３５０、発話制御部３６０、音声合成部３７０、および通信部３８０を備える。
　（音響解析部３１０）
　音響解析部３１０は、情報処理端末１０や外部装置２０から送信される音情報に基づいて音の大きさを認識する機能を有する。より具体的には、本実施形態に係る音響解析部３１０は、周囲の騒音レベルを認識してよい。この際、本実施形態に係る音響解析部３１０は、例えば、単位時間における音響信号の振幅値の二乗平均平方根（実効値またはＲＭＳとも称する）に基づいて騒音レベルを算出することができる。なお、上記の単位時間は、例えば、情報処理端末１０により撮像される１画像のフレーム時間が用いられてもよい。本実施形態に係る音響解析部３１０により算出される騒音レベルは、後述する状況推定部３３０によるアテンション獲得難易度の算出に用いられる。
　また、音響解析部３１０は、情報処理端末１０や外部装置２０から送信される音情報に基づいて音の種別を認識する機能を有する。本実施形態に係る音響解析部３１０は、特に、ユーザの行動に伴い生じる作業音を認識してよい。上記の作業音には、例えば、ユーザがＰＣのキーボードを打つ動作に伴い生じる音、ユーザによる掃除機などの家電機器の操作に伴い生じる音などが含まれる。また、上記の作業音には、例えば、ユーザがキッチンで行う洗い物、食材の処理、加工などの動作に伴い生じる音が含まれる。さらには、上記の作業音には、ユーザや他者の発話などが含まれてよい。本実施形態に係る音響解析部３１０により認識される作業音は、後述する状況推定部３３０によるアテンション獲得難易度の算出において、ユーザの行動状況の一指標として用いられる。
　（画像解析部３２０）
　画像解析部３２０は、情報処理端末１０や外部装置２０から送信される画像情報やセンサ情報に基づいてユーザの状況を認識する機能を有する。本実施形態に係る画像解析部３２０は、特に、ユーザのアテンションに係る状況を認識する。画像解析部３２０は、例えば、情報処理端末１０からユーザまでの距離を認識してよい。この際、画像解析部３２０は、例えば、画像中におけるユーザの顔領域の大きさや、深度センサなどにより収集された情報に基づいて、上記の距離を認識することが可能である。本実施形態に係る画像解析部３２０により認識されるユーザの状況は、後述する状況推定部３３０によるアテンション獲得難易度の算出やアテンション行動の検出に用いられる。
　また、画像解析部３２０は、ユーザの顔の向きや視線を認識してもよい。より具体的には、画像解析部３２０は、ユーザの顔の向きや視線が情報処理端末１０の方向とどれだけ乖離しているかを認識することができる。
　さらに、画像解析部３２０により認識されるユーザの状況には、行動状況も含まれる。本実施形態に係る画像解析部３２０は、情報処理端末１０や外部装置２０から送信される画像情報やセンサ情報に基づいてユーザの行動状況を認識してよい。画像解析部３２０は、例えば、画像情報に基づいて、ユーザが本を読んでいることや勉強などの集中していることを認識してもよい。また、例えば、画像解析部３２０は、画像情報、加速度情報、角速度情報などに基づいて、ユーザが運動を行っていることを認識してもよい。本実施形態に係る画像解析部３２０により認識されるユーザの行動状況は、後述する状況推定部３３０によるアテンション獲得難易度の算出に用いられる。
　（状況推定部３３０）
　本実施形態に係る状況推定部３３０は、ユーザのアテンションの取りづらさの指標であるアテンション獲得難易度を算出する機能を有する。この際、本実施形態に係る状況推定部３３０は、騒音レベルやユーザの状況に基づいてアテンション獲得難易度を算出することができる。より具体的には、状況推定部３３０は、音響解析部３１０により認識された騒音レベルや、画像解析部３２０により認識されたユーザの顔や視線の向き、ユーザと情報処理端末１０との距離などに基づいてアテンション獲得難易度を算出してよい。
　また、上述したとおり、上記のユーザの状況には、ユーザの行動状況が含まれる。すなわち、本実施形態に係る状況推定部３３０は、音響解析部３１０により認識された作業音や外部装置２０から送信される外部装置２０の稼働状況、画像解析部３２０により認識されたユーザの行動状況にさらに基づいて、アテンション獲得難易度を算出してよい。
　このように、本実施形態に係る状況推定部３３０は、騒音レベル以外にも種々の要因を考慮し、総合的にユーザのアテンションの取りづらさを算出することができる。この際、本実施形態に係る状況推定部３３０は、例えば、下記の数式（１）に示すように、各要因の重み付けを線形結合し、アテンション獲得難易度Ａを算出してもよい。
Figure JPOXMLDOC01-appb-M000001
　ここで、上記の数式（１）におけるＫｉは各要因の重み係数を示し、要因ごとにそれぞれ設定される値で値であってよい。また、上記の数式（１）におけるＦｉは、各要因の検出値を示す。
　例えば、要因が騒音レベルである場合、検出値Ｆｉには、音響解析部３１０により認識された音の大きさ（ｄＢ）や当該音の大きさに応じたレベル値（例えば、１～１０、など）が入力されてもよい。すなわち、状況推定部３３０は、騒音レベルが高いほどユーザのアテンションが取りづらいと推定する。
　また、例えば、要因がユーザの行動状況である場合、検出値Ｆｉには、該当する行動の検出有無を示す値（例えば、未検出：０、検出：１）が入力されてよい。上述したように、ユーザの行動状況には、音響解析部３１０により認識された作業音や画像解析部３２０により認識されたユーザの行動状況、または外部装置２０の稼働状況から推定されるユーザの行動状況が含まれる。すなわち、状況推定部３３０は、ユーザが他の行動を行っている場合には、ユーザのアテンションが取りづらいと推定する。
　また、例えば、要因がユーザまでの距離である場合、検出値Ｆｉには、画像解析部３２０により認識された距離の値（ｃｍなど）や当該距離に応じたレベル値（例えば、１～１０、など）が入力されてもよい。すなわち、状況推定部３３０は、情報処理端末１０からユーザが離れているほど、ユーザのアテンションが取りづらいと推定する。
　また、例えば、要因がユーザの顔や視線の方向である場合、検出値Ｆｉには、顔や視線が情報処理端末に向いているか否かを示す値（例えば、向いている：０、向いていない：１）や、情報処理端末１０の方向と顔や視線の向きの方向との乖離度（°）などが入力されてもよい。すなわち、状況推定部３３０は、ユーザの視界に情報処理端末１０が入っていない場合には、ユーザのアテンションが取りづらいと推定する。
　以上、本実施形態に係る状況推定部３３０によるアテンション獲得難易度の算出例について説明した。なお、上記の算出方法はあくまで一例であり、本実施形態に係る状況推定部３３０は、他の数式や手法を用いてアテンション獲得難易度を算出してもよい。また、本実施形態に係る状況推定部３３０は、算出したアテンション獲得難易度と実際のユーザの反応とを学習することで、アテンション獲得難易度の算出に利用する要因や重み係数の値を最適化することも可能である。
　また、本実施形態に係る状況推定部３３０は、ユーザのアテンション行動を検出する機能を有する。ここで、上記のアテンション行動とは、情報処理端末１０から出力される通知内容に対し、ユーザが反応を示す行動を指す。この際、状況推定部３３０は、画像解析部３２０により認識されたユーザの状況に基づいてアテンション行動を検出してよい。状況推定部３３０は、例えば、ユーザが情報処理端末１０に近づいてきたこと、ユーザの顔や視線が情報処理端末１０の方向に向いたこと、などに基づいてアテンション行動を検出することができる。
　また、状況推定部３３０は、音響解析部３１０により認識されたユーザの発話に基づいてアテンション行動を検出することも可能である。状況推定部３３０は、例えば、ユーザが、「なに？」や「え？」などの発話を行ったことに基づいて、アテンション行動を検出することができる。
　（自然言語処理部３４０）
　自然言語処理部３４０は、通知内容に係るテキスト情報に基づいて、形態素解析や係り受け構造解析、意味概念の付与などの自然言語処理を行う機能を有する。なお、上記の通知内容に係るテキスト情報は、予め情報処理サーバ３０に保持されていてもよいし、通信部３８０やネットワーク４０を介して取得されてもよい。
　（ユーザ情報ＤＢ３５０）
　ユーザ情報ＤＢ３５０は、ユーザに係る種々の情報を記憶するデータベースである。ユーザ情報ＤＢ３５０は、ユーザの名前やＩＤのほか、例えば、年齢、性別、使用言語、出身地などの属性情報を記憶する。本実施形態に係るユーザ情報ＤＢ３５０に記憶される属性情報は、後述する発話制御部３６０による通知内容の成形に用いられる。また、本実施形態に係るユーザ情報ＤＢ３５０には、ユーザの画像情報や音声特徴などが記憶されてもよい。この場合、音響解析部３１０や画像解析部３２０は、ユーザ情報ＤＢ３５０に記憶される上記の情報に基づいて、ユーザを識別することも可能である。また、ユーザ情報ＤＢ３５０は、ユーザの趣味嗜好やスケジュールなどを記憶してもよい。
　（発話制御部３６０）
　発話制御部３６０は、通知内容に基づくユーザへの情報通知を制御する機能を有する。より具体的には、本実施形態に係る発話制御部３６０は、自然言語処理部３４０による自然言語処理の結果に基づいて、通知内容から主題を抽出する機能と、状況推定部３３０により算出されたアテンション獲得難易度に基づいて、通知内容における主題の出力位置を決定する機能と、を有する。また、本実施形態に係る発話制御部３６０は、決定した出力位置に則した通知内容を情報処理端末１０に音声出力させる。なお、発話制御部３６０は、情報処理端末１０に通知内容を視覚情報として出力させてもよい。
　ここで、本実施形態に係る発話制御部３６０による情報通知制御の基本概念について説明する。図６は、本実施形態に係る発話制御部３６０による情報通知の基本概念について説明するための図である。図６の上段には、状況推定部３３０により算出されるアテンション獲得難易度Ａの強度がレベル１～３で示されており、中段および下段には、各レベルにおけるユーザのアテンションの推移、および発話制御部３６０により決定される主題の出力位置がそれぞれ示されている。
　例えば、アテンション獲得難易度Ａがレベル１である場合、すなわちユーザのアテンションが比較的取り易い状況である場合、ユーザのアテンションは、曲線Ｃ１に示すように、情報通知の開始直後が最も高く、その後、時刻ｔの経過と共に下降していくことが予測される。この場合、本実施形態に係る発話制御部３６０は、主題ＳＰの出力位置を通知内容の前半、特に冒頭に配置してもよい。
　また、例えば、アテンション獲得難易度Ａがレベル２である場合、すなわちユーザのアテンションの取りづらさが中程度である場合、ユーザのアテンションは、曲線Ｃ２に示すように、時刻ｔの経過と共に上昇し、その後、下降していくことが予測される。この場合、本実施形態に係る発話制御部３６０は、主題ＳＰの出力位置を通知内容の中央付近に配置してもよい。
　また、例えば、アテンション獲得難易度Ａがレベル３である場合、すなわちユーザのアテンションが比較的取りづらい状況である場合、ユーザのアテンションは、曲線Ｃ３に示すように、情報通知の開始直後に最も低く、その後、時刻ｔの経過と共に上昇していくことが予測される。この場合、本実施形態に係る発話制御部３６０は、主題ＳＰの出力位置を通知内容の後半、特に末尾に配置してもよい。
　このように、本実施形態に係る発話制御部３６０は、アテンション獲得難易度に応じたユーザのアテンションの推移に対し、ユーザのアテンションが最も高くなると予想されるタイミングで主題を出力させることができる。本実施形態に係る発話制御部３６０による上記の制御によれば、ユーザの状況に応じて通知内容の主題の出力位置を動的に変更することができ、より効果的なタイミングでユーザに通知内容の主題を通知することが可能となる。
　（音声合成部３７０）
　音声合成部３７０は、発話制御部３６０により成形された通知内容に基づく人工音声を生成する機能を有する。音声合成部３７０が生成する人口音声は、通信部３８０およびネットワーク４０を介して情報処理端末１０に送信され、出力部１３０により音声出力される。
　（通信部３８０）
　通信部３８０は、ネットワーク４０を介して、情報処理端末１０および外部装置２０との情報通信を行う機能を有する。具体的には、通信部３８０は、情報処理端末１０から、音情報や画像情報、センサ情報を受信する。また、通信部３８０は、外部装置２０から、外部装置２０の稼働状況やセンサ情報を受信する。また、通信部３８０は、発話制御部３６０により主題の出力位置が指定された通知内容に係る人工音声やテキスト情報を情報処理端末１０に送信する。
　以上、本実施形態に係る情報処理サーバ３０の機能構成例について詳細に説明した。なお、図５を用いて説明した上記の構成はあくまで一例であり、本実施形態に係る情報処理サーバ３０の機能構成は係る例に限定されない。例えば、情報処理サーバ３０が有する各機能は、複数の装置により分散して実現することも可能である。また、上述したとおり、情報処理サーバ３０は、情報処理端末１０が有する機能をさらに備えてもよい。この場合、情報処理サーバ３０は、決定した主題の出力位置に則した通知内容の音声出力などを行うことができる。本実施形態に係る情報処理サーバ３０の機能構成は、仕様や運用に応じて適宜変形され得る。
　＜＜１．６．主題の出力位置決定の詳細＞＞
　次に、本実施形態に係る主題の出力位置決定について詳細に述べる。図７は、本実施形態に係る発話制御部３６０による主題の出力位置の決定の流れを示すフローチャートである。
　図７を参照すると、発話制御部３６０は、まず、自然言語処理部３４０による自然言語処理の結果に基づいて、通知内容から主題を抽出する（Ｓ１１０１）。
　図８は、本実施形態に係る発話制御部３６０による主題の抽出について説明するための図である。図８の上段には、通知内容ＯＳが示されており、また、中段には、自然言語処理部３４０により区切られた各文節が示されている。また、各文節には、自然言語処理部３４０により句の種類や意味概念が付与されていてよい。
　この際、発話制御部３６０は、各文節の中から、「依頼」、「提案」、「願望」、または「意見」などの意味概念を有する文言を有する文節を検出する。例えば、発話制御部３６０は、図８に示すように、“Ｉ　ｒｅｃｏｍｍｅｎｄ”を検出してよい。次に、発話制御部３６０は、検出した“Ｉ　ｒｅｃｏｍｍｅｎｄ”の対象となる格を有する文節、“ｂｒｉｎｇｉｎｇ　ａｎ　ｕｍｂｒｅｌｌａ．”を検出し、主題“Ｉ　ｒｅｃｏｍｍｅｎｄ　ｂｒｉｎｇｉｎｇ　ａｎ　ｕｍｂｒｅｌｌａ．”を抽出することができる。
　一方で、発話制御部３６０は、固有名詞や数値が含まれる文節と、当該文節の係り先となる述語節を主題として抽出してもよい。また、メールやＳＮＳ（Ｓｏｃｉａｌ　Ｎｅｔｗｏｒｋｉｎｇ　Ｓｅｒｖｉｃｅ）などで受信したメッセージを通知内容の一部とする場合には、発話制御部３６０は、当該メッセージの内容を主題としてもよい。なお、この際、発話制御部３６０は、メッセージの送信日時や送信者のメールアドレス、ＵＲＬ、メッセージの属性情報など、音声による理解が困難あるいは冗長である情報については通知内容から削除することも可能である。
　また、発話制御部３６０が情報処理端末１０による視覚情報の出力を制御する場合においては、発話制御部３６０は、音声発話に係る主題として、モニタなどに表示される視覚情報の確認を依頼する文章を設定し、通知内容の詳細を情報処理端末１０の出力部１３０に出力させてもよい。
　再び、図７を参照し、発話制御部３６０による主題の出力位置の決定の流れについて説明を続ける。ステップＳ１１０１における主題の抽出が完了すると、続いて、発話制御部３６０は、抽出した主題をユーザの属性情報に基づいて成形する（Ｓ１１０２）。
　例えば、主題が、“Ｉ　ｒｅｃｏｍｍｅｎｄ　ｂｒｉｎｇｉｎｇ　ａｎ　ｕｍｂｒｅｌｌａ．”であり、対象ユーザが子供である場合、発話制御部３６０は、より直接的な表現を用いて、主題を、“Ｙｏｕ　ｓｈｏｕｌｄ　ｔａｋｅ　ａｎ　ｕｍｂｒｅｌｌａ．”としてもよい。
　また、例えば、通知内容に用いられる言語が日本語のように、語順の入れ替えが比較的容易である場合には、発話制御部３６０は、子供のユーザに対しては、動詞句を主題の先頭に配置してもよい。一方、ユーザが大人である場合には、発話制御部３６０は、対象の名詞句を主題の先頭に配置することもできる。
　このように、本実施形態に係る発話制御部３６０は、ユーザＤＢ３５０に記憶されるユーザの属性情報や用いられる言語の特性に応じて、ユーザにとってより把握の容易い主題を成形することができる。
　なお、発話制御部３６０は、主題の成形に関し、ユーザが日常において使用している様式を採用してもよい。発話制御部３６０は、例えば、ユーザの日常における発話を収集することで、ユーザが好んで用いる語順や単語を学習することが可能である。また、発話制御部３６０は、ユーザが日常において聞き馴染んでいる様式に主題を成形してもよい。例えば、ユーザが子供である場合、発話制御部３６０は、母親などが当該ユーザに対して日常的に使用する語順や単語を採用して主題を成形することができる。
　ステップＳ１１０２における主題の成形が完了すると、続いて、発話制御部３６０は、状況推定部３３０により算出されたアテンション獲得難易度に基づいて主題の出力位置を決定する。
　この際、発話制御部３６０は、まず、アテンション獲得難易度が第１の閾値以下であるか否かを判定してよい（Ｓ１１０３）。すなわち、発話制御部３６０は、アテンション獲得難易度が、比較的アテンションの取り易いレベル１に相当するか否かを判定する。
　ここで、アテンション獲得難易度が第１の閾値以下である場合（Ｓ１１０３：Ｙｅｓ）、発話制御部３６０は、ステップＳ１１０２において成形した主題の出力位置を、図９に示すように、通知内容の前半に設定する（Ｓ１１０４）。図９は、本実施形態に係るアテンション獲得難易度に基づいて決定される主題の出力位置の例を示す図である。なお、図９の最上段には、主題ＳＰとその他の文章ＯＰを含む元の通知内容ＯＳが示されている。図９を参照すると、アテンション獲得難易度Ａがレベル１である場合、発話制御部３６０が元の通知内容ＯＳから主題の出力位置を冒頭に変更した新たな通知内容ＣＳ－１を生成していることがわかる。なお、この際、発話制御部３６０は、通知内容ＣＳ－１をテキストファイルとして保存してもよい。
　一方、アテンション獲得難易度が第１の閾値を上回る場合（Ｓ１１０３：Ｎｏ）、すなわち、アテンション獲得難易度がレベル２以上である場合、発話制御部３６０は、主題の出力位置を通知内容の後半に設定する（Ｓ１１０５）。より具体的には、発話制御部３６０は、図９に示すように、主題ＳＰの出力位置を末尾に位置した新たな通知内容ＣＳ－２を生成する。
　次に、発話制御部３６０は、ステップＳ１１０５で生成した通知内容ＣＳ－２における冒頭から主題ＳＰまでの長さを計測し、当該長さに基づいて、レベル２およびレベル３の境界となる第２の閾値を決定する（Ｓ１１０６）。この際、発話制御部３６０は、その他の文章ＯＰの文字数をカウントすることで上記の長さを計測してもよい。また、発話制御部３６０は、上記の長さに比例して値が大きくなるように第２の閾値を決定する。その他の文章ＯＰが長いほど、後述する付加情報を付加せずとも、その他の文章ＯＰの出力中にユーザのアテンションが取れる可能性が高くなる。一方で、その他の文章ＯＰが短い場合には、その他の文章ＯＰの出力中にユーザのアテンションを得ることが困難となるため、レベル３へ分岐しやすくなるよう、発話制御部３６０は、第２の閾値の値を低く設定してよい。
　次に、発話制御部３６０は、アテンション獲得難易度がステップＳ１１０６において決定した第２の閾値以下であるか否かを判定する（Ｓ１１０７）。すなわち、発話制御部３６０は、アテンション獲得難易度がレベル２に相当するか否かを判定する。
　ここで、アテンション獲得難易度が第２の閾値を上回る場合（Ｓ１１０７：Ｎｏ）、すなわち、アテンション獲得難易度がレベル３である場合、発話制御部３６０は、図９に示すように、通知内容ＣＳ－２の冒頭に付加情報ＡＰを付加した通知内容ＣＳ－３を生成する（Ｓ１１０８）。
　この際、発話制御部３６０は、アテンション獲得難易度Ａの高さに応じて付加情報ＡＰの長さを決定してよい。発話制御部３６０は、例えば、アテンション獲得難易度Ａから第２の閾値を引いた値に比例した長さの付加情報ＡＰを付加してもよい。
　また、発話制御部３６０は、元の通知内容ＯＳに関連する関連話題を付加情報ＡＰとして付加してよい。この際、発話制御部３６０は、ユーザＤＢ３５０に記憶されるユーザの名前や、ユーザのスケジュール、趣味嗜好などを取得し、これらの情報を用いた関連話題を生成することで、いわゆるカクテルパーティー効果を誘発し、ユーザのアテンションを得るきっかけとしてもよい。また、発話制御部３６０は、音声合成部３７０に、元の通知内容ＯＰに由来する文章（主題ＳＰおよびその他の文章ＯＰ）と関連話題とを異なる人工音声で合成させることで、ユーザに出力が関連話題であることを明示的に示してもよい。
　なお、本実施形態に係る付加情報ＡＰは、上記のような関連話題に限定されず、種々の情報であり得る。例えば、付加情報ＡＰは、音楽やラジオプログラムなどであってもよい。発話制御部３６０は、ユーザの嗜好に応じた音楽やラジオプログラムを冒頭に再生させることで、ユーザのアテンションが取得できる可能性を向上させることができる。
　以上、本実施形態に係る発話制御部３６０による主題の出力位置の決定の流れについて説明した。発話制御部３６０は、上記のようにアテンション獲得難易度のレベルに応じて主題の出力位置を決定し、当該出力位置に則した通知内容を情報処理端末１０に出力させることができる。本実施形態に係る発話制御部３６０が有する上記の機能によれば、ユーザのアテンションが最も高まると推定されるタイミングで通知内容の主題を提示することが可能となり、ユーザにより効果的な情報通知を行うことが可能となる。
　なお、図７および図９を用いて説明した主題の出力位置はあくまで一例であり、本実施形態に係る発話制御部３６０により決定される主題の出力位置は係る例に限定されない。例えば、元の通知内容ＯＰが十分に長い場合にあっては、発話制御部３６０は、主題の成形後に、アテンション獲得難易度に係る第２の閾値を先に決定してもよい。この場合、発話制御部３６０は、レベル１～３の判定を一度に行うことが可能である。また、この際、アテンション獲得難易度がレベル２に相当する場合には、発話制御部３６０は、主題の出力位置を通知内容の中央付近に配置してもよい。本実施形態に係る発話制御部３６０による主題の出力位置の決定機能は、元の通知内容ＯＰや用いられる言語に応じて柔軟に変形され得る。
　続いて、本実施形態に係る発話制御部３６０による通知内容の出力中における主題の出力位置の変更機能について説明する。本実施形態に係る発話制御部３６０は、通知内容の出力中にユーザのアテンション行動を検出した場合、主題の出力位置を変更する制御を行ってもよい。
　より具体的には、本実施形態に係る発話制御部３６０は、通知内容の冒頭に付加した付加情報の出力中にアテンション行動を検出したことに基づいて、主題の出力位置を変更することができる。
　図１０は、本実施形態に係る発話制御部３６０による通知内容の出力制御の流れを示すフローチャートである。
　図１０を参照すると、発話制御部３６０は、まず、アテンション獲得難易度がどのレベルに相当するかを判定する（Ｓ１２０１）。
　ここで、アテンション獲得難易度がレベル１である場合（Ｓ１２０１：レベル１）、発話制御部３６０は、レベル１において設定した主題の出力位置（通知内容ＣＳ－１）で、情報処理端末１０による通知内容の出力開始を制御し（Ｓ１２０２）、そのまま通知内容を最後まで出力させる。
　一方、アテンション獲得難易度がレベル２である場合（Ｓ１２０１：レベル２）、発話制御部３６０は、レベル２において設定した主題の出力位置（通知内容ＣＳ－２）で、情報処理端末１０による通知内容の出力開始を制御し（Ｓ１２０３）、そのまま通知内容を最後まで出力させる。
　他方、アテンション獲得難易度がレベル３である場合（Ｓ１２０１：レベル３）、発話制御部３６０は、レベル３において設定した主題の出力位置（通知内容ＣＳ－３）で、情報処理端末１０による通知内容の出力開始を制御する（Ｓ１２０４）。
　レベル３に対応した通知内容ＣＳ－３の出力開始を制御した場合、続いて、発話制御部３６０は、出力中にアテンション行動の検出判定を継続して実行する（Ｓ１２０５）。
　ここで、アテンション行動を検出した場合（Ｓ１２０５：Ｙｅｓ）、続いて、発話制御部３６０は、付加情報の出力中であるか否かを判定する（Ｓ１２０６）。
　ここで、付加情報の出力中である場合（Ｓ１２０６：Ｙｅｓ）、すなわち、付加情報の出力中にアテンション行動を検出した場合、発話制御部３６０は、情報処理端末１０による付加情報の出力を終了させ（Ｓ１２０７）、レベル１で設定した主題の出力位置による通知内容の出力を開始させる。この際、発話制御部３６０は、例えば、通知内容に係る文字列情報を動的に変更してもよい。また、発話制御部３６０は、予めレベル１およびレベル３に係る２つの通知内容に対応するテキストを生成しておき、アテンション行動を検出したことに基づいて、レベル１の通知内容に対応するテキストに切り替えを行うことも可能である。
　図１１は、本実施形態に係るアテンション獲得難易度がレベル３である場合における通知内容の出力制御の具体例を示す図である。図１１の上段には、アテンション獲得難易度がレベル３である場合に設定される通知内容ＣＳ－３が示されている。この際、通知内容ＣＳ－３の冒頭には、上述したとおり、付加情報ＡＰが付加され、また、通知内容ＣＳ－３の末尾には主題ＳＰが配置される。
　ここで、付加情報ＡＰの出力中にユーザのアテンション行動ＡＢを検出した場合、発話制御部３６０は、図１１の下段に示すように、付加情報ＡＰの出力を途中で終了させ、主題ＳＰの出力位置を付加情報ＡＰの直後に変更する。この際、発話制御部３６０は、例えば、出力中の文章が最後まで出力されたタイミングで、付加情報ＡＰの出力を終了させてもよい。また、発話制御部３６０は、付加情報ＡＰと主題ＳＰと繋ぐ発話を行わせることで、切り替えの違和感を軽減させることも可能である。また、付加情報ＡＰが音楽やラジオプログラムである場合、発話制御部３６０は、音量を徐々に下げさせることで、出力の切り替えがより自然となるよう制御を行ってもよい。
　一方、その他の文章ＯＰの出力中にユーザのアテンション行動ＡＢを検出した場合、発話制御部３６０は、図１１の中段に示すように、その他の文章ＯＰおよび主題ＳＰをそのまま出力させ発話制御に係る処理を終了してよい。
　以上、本実施形態に係る発話制御部３６０による通知内容の出力制御について説明した。上述したように、本実施形態に係る発話制御部３６０によれば、ユーザの状態に応じて通知内容における主題の出力位置を柔軟に制御することができ、より効果的な情報通知を行うことが可能となる。
　なお、図１０および図１１を用いた上記の説明では、発話制御部３６０がユーザのアテンション行動を検出した場合に主題の出力位置を変更する場合について述べたが、本実施形態に主題の出力位置の変更制御は係る例に限定されない。本実施形態に係る発話制御部３６０は、通知内容の出力中にユーザのアテンション獲得難易度の変化を検出したことに基づいて、主題の出力位置を変更することも可能である。
　発話制御部３６０は、例えば、図１１に示す通知内容ＣＳ－３の付加情報を出力中に、ユーザのアテンション獲得難易度がレベル１またはレベル２に変化したことを検出し、図中下段に示すような出力制御を行うことも可能である。また、発話制御部３６０は、例えば、アテンション獲得難易度がレベル２である場合において、その他の文章ＯＰの出力中にアテンション獲得難易度がレベル３に変化したことに基づいて、主題の出力位置の前に付加情報ＡＰを挿入してもよい。
　さらには、発話制御部３６０は、アテンション獲得難易度の変化に基づいて、通知内容の再出力を制御することも可能である。例えば、アテンション獲得難易度がレベル２またはレベル３である場合において、ユーザのアテンション行動が検出できなかった際、発話制御部３６０は、ユーザのアテンション獲得難易度の低下したタイミングで、通知内容を再出力させてもよい。
　また、通知内容の再出力は、ユーザの発話などによる要求に基づいて行われてもよい。この場合、主題の出力時にユーザのアテンションが取れていなかったことが予想されるため、発話制御部３６０は、上記の要求回数を記憶し、次回の通知内容の出力においては、当該要求回数に応じて主題の出力位置をより遅らせるようにアテンション獲得難易度を高めに算出してもよい。
　一方、付加情報ＡＰの出力時にアテンション行動を検出した場合、発話制御部３６０は、ユーザごとに上記の検出回数を記憶し、次回の通知内容の出力においては、当該当該検出回数に応じて主題の出力位置をより早めるようにアテンション獲得難易度を低めに算出してもよい。
　＜＜１．７．情報処理サーバ３０の動作の流れ＞＞
　次に、本実施形態に係る情報処理サーバ３０の全体の動作の流れについて説明する。図１２は、本実施形態に係る情報処理サーバ３０の動作の流れを示すフローチャートである。
　図１２を参照すると、情報処理サーバ３０の通信部３８０は、まず、情報処理端末１０や外部装置２０からセンサ情報や稼働状況を受信する（Ｓ１３０１）。ここで、上記のセンサ情報には、音情報や画像情報が含まれる。
　次に、音響解析部３１０は、ステップＳ１３０１において受信された音情報に基づく音響解析を実施する（Ｓ１３０２）。この際、音響解析部３１０は、騒音レベルや作業音に係る解析を行ってよい。
　また、画像解析部３２０は、ステップＳ１３０２において受信された画像情報に基づく画像解析を実施する（Ｓ１３０２）。この際、画像解析部３２０は、ユーザの状況に係る解析を行ってよい。
　次に、状況推定部３３０は、ステップＳ１３０１において受信した外部装置２０の稼働状況や、ステップＳ１３０２やＳ１３０３において解析された情報に基づいて、ユーザのアテンション獲得難易度を算出する（Ｓ１３０４）。
　次に、発話制御部３６０は、通知内容から主題の抽出を行う（Ｓ１３０５）。
　続いて、発話制御部３６０は、ステップＳ１３０４において算出されたアテンション獲得難易度に基づいて、ステップＳ１３０５において抽出した主題の出力位置を設定する（Ｓ１３０６）。
　続いて、発話制御部３６０は、ステップＳ１３０６において設定した主題の出力位置に基づく発話制御を行う（Ｓ１３０７）。
　＜２．ハードウェア構成例＞
　次に、本開示の一実施形態に係る情報処理端末１０および情報処理サーバ３０に共通するハードウェア構成例について説明する。図１３は、本開示の一実施形態に係る情報処理端末１０および情報処理サーバ３０のハードウェア構成例を示すブロック図である。図１３を参照すると、情報処理端末１０および情報処理サーバ３０は、例えば、ＣＰＵ８７１と、ＲＯＭ８７２と、ＲＡＭ８７３と、ホストバス８７４と、ブリッジ８７５と、外部バス８７６と、インターフェース８７７と、入力装置８７８と、出力装置８７９と、ストレージ８８０と、ドライブ８８１と、接続ポート８８２と、通信装置８８３と、を有する。なお、ここで示すハードウェア構成は一例であり、構成要素の一部が省略されてもよい。また、ここで示される構成要素以外の構成要素をさらに含んでもよい。
　（ＣＰＵ８７１）
　ＣＰＵ８７１は、例えば、演算処理装置又は制御装置として機能し、ＲＯＭ８７２、ＲＡＭ８７３、ストレージ８８０、又はリムーバブル記録媒体９０１に記録された各種プログラムに基づいて各構成要素の動作全般又はその一部を制御する。
　（ＲＯＭ８７２、ＲＡＭ８７３）
　ＲＯＭ８７２は、ＣＰＵ８７１に読み込まれるプログラムや演算に用いるデータ等を格納する手段である。ＲＡＭ８７３には、例えば、ＣＰＵ８７１に読み込まれるプログラムや、そのプログラムを実行する際に適宜変化する各種パラメータ等が一時的又は永続的に格納される。
　（ホストバス８７４、ブリッジ８７５、外部バス８７６、インターフェース８７７）
　ＣＰＵ８７１、ＲＯＭ８７２、ＲＡＭ８７３は、例えば、高速なデータ伝送が可能なホストバス８７４を介して相互に接続される。一方、ホストバス８７４は、例えば、ブリッジ８７５を介して比較的データ伝送速度が低速な外部バス８７６に接続される。また、外部バス８７６は、インターフェース８７７を介して種々の構成要素と接続される。
　（入力装置８７８）
　入力装置８７８には、例えば、マウス、キーボード、タッチパネル、ボタン、スイッチ、及びレバー等が用いられる。さらに、入力装置８７８としては、赤外線やその他の電波を利用して制御信号を送信することが可能なリモートコントローラ（以下、リモコン）が用いられることもある。また、入力装置８７８には、マイクロフォンなどの音声入力装置が含まれる。
　（出力装置８７９）
　出力装置８７９は、例えば、ＣＲＴ（Ｃａｔｈｏｄｅ　Ｒａｙ　Ｔｕｂｅ）、ＬＣＤ、又は有機ＥＬ等のディスプレイ装置、スピーカ、ヘッドホン等のオーディオ出力装置、プリンタ、携帯電話、又はファクシミリ等、取得した情報を利用者に対して視覚的又は聴覚的に通知することが可能な装置である。また、本開示に係る出力装置８７９は、触覚刺激を出力することが可能な種々の振動デバイスを含む。
　（ストレージ８８０）
　ストレージ８８０は、各種のデータを格納するための装置である。ストレージ８８０としては、例えば、ハードディスクドライブ（ＨＤＤ）等の磁気記憶デバイス、半導体記憶デバイス、光記憶デバイス、又は光磁気記憶デバイス等が用いられる。
　（ドライブ８８１）
　ドライブ８８１は、例えば、磁気ディスク、光ディスク、光磁気ディスク、又は半導体メモリ等のリムーバブル記録媒体９０１に記録された情報を読み出し、又はリムーバブル記録媒体９０１に情報を書き込む装置である。
　（リムーバブル記録媒体９０１）
リムーバブル記録媒体９０１は、例えば、ＤＶＤメディア、Ｂｌｕ－ｒａｙ（登録商標）メディア、ＨＤ　ＤＶＤメディア、各種の半導体記憶メディア等である。もちろん、リムーバブル記録媒体９０１は、例えば、非接触型ＩＣチップを搭載したＩＣカード、又は電子機器等であってもよい。
　（接続ポート８８２）
　接続ポート８８２は、例えば、ＵＳＢ（Ｕｎｉｖｅｒｓａｌ　Ｓｅｒｉａｌ　Ｂｕｓ）ポート、ＩＥＥＥ１３９４ポート、ＳＣＳＩ（Ｓｍａｌｌ　Ｃｏｍｐｕｔｅｒ　Ｓｙｓｔｅｍ　Ｉｎｔｅｒｆａｃｅ）、ＲＳ－２３２Ｃポート、又は光オーディオ端子等のような外部接続機器９０２を接続するためのポートである。
　（外部接続機器９０２）
　外部接続機器９０２は、例えば、プリンタ、携帯音楽プレーヤ、デジタルカメラ、デジタルビデオカメラ、又はＩＣレコーダ等である。
　（通信装置８８３）
　通信装置８８３は、ネットワークに接続するための通信デバイスであり、例えば、有線又は無線ＬＡＮ、Ｂｌｕｅｔｏｏｔｈ（登録商標）、又はＷＵＳＢ（Ｗｉｒｅｌｅｓｓ　ＵＳＢ）用の通信カード、光通信用のルータ、ＡＤＳＬ（Ａｓｙｍｍｅｔｒｉｃ　Ｄｉｇｉｔａｌ　Ｓｕｂｓｃｒｉｂｅｒ　Ｌｉｎｅ）用のルータ、又は各種通信用のモデム等である。
　＜３．まとめ＞
　以上説明したように、本開示の一実施形態に係る情報処理サーバ３０は、ユーザのアテンションの取りづらさの指標であるアテンション獲得難易度に基づいて通知内容における主題の出力位置を決定し、当該出力位置に則した情報通知を情報処理端末に行わせることを特徴の一つとする。係る構成によれば、ユーザに通知内容をより効果的に把握させることが可能となる。
　以上、添付図面を参照しながら本開示の好適な実施形態について詳細に説明したが、本開示の技術的範囲はかかる例に限定されない。本開示の技術分野における通常の知識を有する者であれば、請求の範囲に記載された技術的思想の範疇内において、各種の変更例または修正例に想到し得ることは明らかであり、これらについても、当然に本開示の技術的範囲に属するものと了解される。
　例えば、上記実施形態では、情報処理サーバ３０が、決定した主題の出力位置に基づく通知内容の音声出力を制御する場合について主に説明したが、情報処理サーバ３０は、主題の出力位置に基づく視覚情報の出力を制御してもよい。例えば、情報処理サーバ３０は、情報処理端末１０が備える表示装置において、通知内容に係るテキストスクロールなどを制御することができる。この際、情報処理サーバ３０は、ユーザのアテンション獲得難易度に基づいて、上記のテキストスクロールにおける主題の出力位置を制御してよい。
　また、本明細書の情報処理サーバ３０の処理に係る各ステップは、必ずしもフローチャートに記載された順序に沿って時系列に処理される必要はない。例えば、情報処理サーバ３０の処理に係る各ステップは、フローチャートに記載された順序と異なる順序で処理されても、並列的に処理されてもよい。
　また、本明細書に記載された効果は、あくまで説明的または例示的なものであって限定的ではない。つまり、本開示に係る技術は、上記の効果とともに、または上記の効果に代えて、本明細書の記載から当業者には明らかな他の効果を奏しうる。
　なお、以下のような構成も本開示の技術的範囲に属する。
（１）
　通知内容に基づくユーザへの情報通知を制御する制御部、
　を備え、
　前記制御部は、算出された前記ユーザに係るアテンション獲得難易度に基づいて、前記通知内容における主題の出力位置を決定する、
情報処理装置。
（２）
　前記制御部は、前記出力位置に則した前記通知内容の音声出力を制御する、
前記（１）に記載の情報処理装置。
（３）
　前記制御部は、前記アテンション獲得難易度が第１の閾値以下であることに基づいて、前記主題の前記出力位置を前記通知内容の前半に設定する、
前記（１）または（２）に記載の情報処理装置。
（４）
　前記制御部は、前記アテンション獲得難易度が第１の閾値を上回ることに基づいて、前記主題の前記出力位置を前記通知内容の後半に設定する、
前記（１）～（３）のいずれかに記載の情報処理装置。
（５）
　前記制御部は、前記アテンション獲得難易度が第２の閾値を上回ることに基づいて、前記通知内容の冒頭に付加情報を付加し、前記付加情報を含む前記通知内容を出力させる、
前記（１）～（４）のいずれかに記載の情報処理装置。
（６）
　前記制御部は、前記通知内容の出力中に前記ユーザのアテンション行動が検出されたことに基づいて、前記主題の前記出力位置を変更する、
前記（１）～（５）のいずれかに記載の情報処理装置。
（７）
　前記制御部は、前記通知内容の冒頭に含まれる付加情報の出力中に前記アテンション行動が検出されたことに基づいて、前記主題の前記出力位置を変更する、
前記（６）に記載の情報処理装置。
（８）
　前記制御部は、前記付加情報の出力中に前記アテンション行動が検出されたことに基づいて、前記付加情報の出力を終了させ、前記主題の前記出力位置を前記付加情報の直後に変更する、
前記（７）に記載の情報処理装置。
（９）
　前記制御部は、前記通知内容の出力中における前記アテンション獲得難易度の変化に基づいて、前記主題の前記出力位置を変更する、
前記（１）～（８）のいずれかに記載の情報処理装置。
（１０）
　前記付加情報は、前記通知内容に関連する関連話題である、
前記（５）、７、または８のいずれかに記載の情報処理装置。
（１１）
　前記制御部は、自然言語処理の結果に基づいて前記通知内容から前記主題を抽出する、
前記（１）～（１０）のいずれかに記載の情報処理装置。
（１２）
　前記アテンション獲得難易度は、騒音レベルまたは前記ユーザの状況のうち少なくともいずれかに基づいて算出される、
前記（１）～（１１）のいずれかに記載の情報処理装置。
（１３）
　前記ユーザの状況は、前記ユーザの行動状況を含み、
　前記アテンション獲得難易度は、少なくとも前記ユーザの行動状況に基づいて算出される、
前記（１２）に記載の情報処理装置。
（１４）
　前記ユーザの行動状況は、少なくとも前記ユーザの行動に伴い生じる作業音に基づいて推定される、
前記（１３）に記載の情報処理装置。
（１５）
　前記ユーザの行動状況は、少なくとも外部装置の稼働状況に基づいて推定される、
前記（１３）または（１４）に記載の情報処理装置。
（１６）
　前記ユーザの行動状況は、少なくとも前記ユーザの画像に基づいて推定される、
前記（１３）～（１５）のいずれかに記載の情報処理装置。
（１７）
　前記アテンション獲得難易度を算出する状況推定部、
　をさらに備える、
前記（１）～（１６）のいずれかに記載の情報処理装置。
（１８）
　前記状況推定部は、前記ユーザのアテンション行動を検出する、
前記（１７）に記載の情報処理装置。
（１９）
　前記制御部による制御に基づいて前記通知内容を出力する出力部、
　をさらに備える、
前記（１）～（１８）のいずれかに記載の情報処理装置。
（２０）
　プロセッサが、通知内容に基づくユーザへの情報通知を制御すること、
　を含み、
　前記制御することは、算出された前記ユーザに係るアテンション獲得難易度に基づいて、前記通知内容における主題の出力位置を決定すること、
　をさらに含む、
情報処理方法。
　１０　　　情報処理端末
　１１０　　音声収集部
　１２０　　センサ部
　１３０　　出力部
　１４０　　通信部
　２０　　　外部装置
　２１０　　稼働状況取得部
　２２０　　センサ部
　２３０　　通信部
　３０　　　情報処理サーバ
　３１０　　音響解析部
　３２０　　画像解析部
　３３０　　状況推定部
　３４０　　自然言語処理部
　３５０　　ユーザ情報ＤＢ
　３６０　　発話制御部
　３７０　　音声合成部
　３８０　　通信部

Claims (20)

  1. 　通知内容に基づくユーザへの情報通知を制御する制御部、
    　を備え、
    　前記制御部は、算出された前記ユーザに係るアテンション獲得難易度に基づいて、前記通知内容における主題の出力位置を決定する、
    情報処理装置。
  2. 　前記制御部は、前記出力位置に則した前記通知内容の音声出力を制御する、
    請求項１に記載の情報処理装置。
  3. 　前記制御部は、前記アテンション獲得難易度が第１の閾値以下であることに基づいて、前記主題の前記出力位置を前記通知内容の前半に設定する、
    請求項１に記載の情報処理装置。
  4. 　前記制御部は、前記アテンション獲得難易度が第１の閾値を上回ることに基づいて、前記主題の前記出力位置を前記通知内容の後半に設定する、
    請求項１に記載の情報処理装置。
  5. 　前記制御部は、前記アテンション獲得難易度が第２の閾値を上回ることに基づいて、前記通知内容の冒頭に付加情報を付加し、前記付加情報を含む前記通知内容を出力させる、
    請求項１に記載の情報処理装置。
  6. 　前記制御部は、前記通知内容の出力中に前記ユーザのアテンション行動が検出されたことに基づいて、前記主題の前記出力位置を変更する、
    請求項１に記載の情報処理装置。
  7. 　前記制御部は、前記通知内容の冒頭に含まれる付加情報の出力中に前記アテンション行動が検出されたことに基づいて、前記主題の前記出力位置を変更する、
    請求項６に記載の情報処理装置。
  8. 　前記制御部は、前記付加情報の出力中に前記アテンション行動が検出されたことに基づいて、前記付加情報の出力を終了させ、前記主題の前記出力位置を前記付加情報の直後に変更する、
    請求項７に記載の情報処理装置。
  9. 　前記制御部は、前記通知内容の出力中における前記アテンション獲得難易度の変化に基づいて、前記主題の前記出力位置を変更する、
    請求項１に記載の情報処理装置。
  10. 　前記付加情報は、前記通知内容に関連する関連話題である、
    請求項５に記載の情報処理装置。
  11. 　前記制御部は、自然言語処理の結果に基づいて前記通知内容から前記主題を抽出する、
    請求項１に記載の情報処理装置。
  12. 　前記アテンション獲得難易度は、騒音レベルまたは前記ユーザの状況のうち少なくともいずれかに基づいて算出される、
    請求項１に記載の情報処理装置。
  13. 　前記ユーザの状況は、前記ユーザの行動状況を含み、
    　前記アテンション獲得難易度は、少なくとも前記ユーザの行動状況に基づいて算出される、
    請求項１２に記載の情報処理装置。
  14. 　前記ユーザの行動状況は、少なくとも前記ユーザの行動に伴い生じる作業音に基づいて推定される、
    請求項１３に記載の情報処理装置。
  15. 　前記ユーザの行動状況は、少なくとも外部装置の稼働状況に基づいて推定される、
    請求項１３に記載の情報処理装置。
  16. 　前記ユーザの行動状況は、少なくとも前記ユーザの画像に基づいて推定される、
    請求項１３に記載の情報処理装置。
  17. 　前記アテンション獲得難易度を算出する状況推定部、
    　をさらに備える、
    請求項１に記載の情報処理装置。
  18. 　前記状況推定部は、前記ユーザのアテンション行動を検出する、
    請求項１７に記載の情報処理装置。
  19. 　前記制御部による制御に基づいて前記通知内容を出力する出力部、
    　をさらに備える、
    請求項１に記載の情報処理装置。
  20. 　プロセッサが、通知内容に基づくユーザへの情報通知を制御すること、
    　を含み、
    　前記制御することは、算出された前記ユーザに係るアテンション獲得難易度に基づいて、前記通知内容における主題の出力位置を決定すること、
    　をさらに含む、
    情報処理方法。
PCT/JP2017/046493 2017-03-24 2017-12-25 情報処理装置および情報処理方法 WO2018173404A1 (ja)

Priority Applications (3)

Application Number Priority Date Filing Date Title
EP17901790.0A EP3599549A4 (en) 2017-03-24 2017-12-25 INFORMATION PROCESSING DEVICE AND INFORMATION PROCESSING METHOD
JP2019506947A JP6992800B2 (ja) 2017-03-24 2017-12-25 情報処理装置および情報処理方法
US16/487,469 US11183167B2 (en) 2017-03-24 2017-12-25 Determining an output position of a subject in a notification based on attention acquisition difficulty

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2017-059448 2017-03-24
JP2017059448 2017-03-24

Publications (1)

Publication Number Publication Date
WO2018173404A1 true WO2018173404A1 (ja) 2018-09-27

Family

ID=63584264

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2017/046493 WO2018173404A1 (ja) 2017-03-24 2017-12-25 情報処理装置および情報処理方法

Country Status (4)

Country Link
US (1) US11183167B2 (ja)
EP (1) EP3599549A4 (ja)
JP (1) JP6992800B2 (ja)
WO (1) WO2018173404A1 (ja)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP3893086A4 (en) * 2018-12-04 2022-01-26 Sony Group Corporation INFORMATION PROCESSING DEVICE AND INFORMATION PROCESSING METHOD

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2013057887A (ja) * 2011-09-09 2013-03-28 Hitachi Ltd 音声出力装置、音声出力方法および音声出力プログラム
JP2015132878A (ja) * 2014-01-09 2015-07-23 ソニー株式会社 情報処理装置、情報処理方法およびプログラム
JP2015227951A (ja) 2014-05-30 2015-12-17 シャープ株式会社 発話装置、発話制御装置、発話制御システム、発話装置の制御方法、発話制御装置の制御方法、および制御プログラム

Family Cites Families (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130300759A1 (en) * 2012-05-08 2013-11-14 Nokia Corporation Method and apparatus for modifying the presentation of information based on the attentiveness level of a user
US9196248B2 (en) * 2013-02-13 2015-11-24 Bayerische Motoren Werke Aktiengesellschaft Voice-interfaced in-vehicle assistance
US9075435B1 (en) 2013-04-22 2015-07-07 Amazon Technologies, Inc. Context-aware notifications
US9575971B2 (en) * 2013-06-28 2017-02-21 Harman International Industries, Incorporated Intelligent multimedia system
EP3067782B1 (en) 2013-11-08 2021-05-05 Sony Corporation Information processing apparatus, control method, and program
US9308920B2 (en) * 2014-02-05 2016-04-12 GM Global Technology Operations LLC Systems and methods of automating driver actions in a vehicle
US9639231B2 (en) 2014-03-17 2017-05-02 Google Inc. Adjusting information depth based on user's attention
US20150302718A1 (en) * 2014-04-22 2015-10-22 GM Global Technology Operations LLC Systems and methods for interpreting driver physiological data based on vehicle events
KR101659027B1 (ko) * 2014-05-15 2016-09-23 엘지전자 주식회사 이동 단말기 및 차량 제어 장치
WO2016136062A1 (ja) 2015-02-27 2016-09-01 ソニー株式会社 情報処理装置、情報処理方法、及びプログラム
US20160288708A1 (en) * 2015-03-30 2016-10-06 Panasonic Automotive Systems Company Of America, Division Of Panasonic Corporation Of North America Intelligent caring user interface
KR20170100175A (ko) * 2016-02-25 2017-09-04 삼성전자주식회사 전자 장치 및 전자 장치의 동작 방법
US10170111B2 (en) * 2017-01-19 2019-01-01 Toyota Motor Engineering & Manufacturing North America, Inc. Adaptive infotainment system based on vehicle surrounding and driver mood and/or behavior

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2013057887A (ja) * 2011-09-09 2013-03-28 Hitachi Ltd 音声出力装置、音声出力方法および音声出力プログラム
JP2015132878A (ja) * 2014-01-09 2015-07-23 ソニー株式会社 情報処理装置、情報処理方法およびプログラム
JP2015227951A (ja) 2014-05-30 2015-12-17 シャープ株式会社 発話装置、発話制御装置、発話制御システム、発話装置の制御方法、発話制御装置の制御方法、および制御プログラム

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP3893086A4 (en) * 2018-12-04 2022-01-26 Sony Group Corporation INFORMATION PROCESSING DEVICE AND INFORMATION PROCESSING METHOD

Also Published As

Publication number Publication date
JPWO2018173404A1 (ja) 2020-01-23
EP3599549A4 (en) 2020-03-25
US20200193963A1 (en) 2020-06-18
JP6992800B2 (ja) 2022-01-13
EP3599549A1 (en) 2020-01-29
US11183167B2 (en) 2021-11-23

Similar Documents

Publication Publication Date Title
JP6738445B2 (ja) デジタルアシスタントサービスの遠距離拡張
US11227626B1 (en) Audio response messages
KR102279647B1 (ko) 디지털 어시스턴트 서비스의 원거리 확장
US11620999B2 (en) Reducing device processing of unintended audio
US9720644B2 (en) Information processing apparatus, information processing method, and computer program
JP6229287B2 (ja) 情報処理装置、情報処理方法及びコンピュータプログラム
US11810557B2 (en) Dynamic and/or context-specific hot words to invoke automated assistant
CN110418208A (zh) 一种基于人工智能的字幕确定方法和装置
JP2019207720A (ja) 情報処理装置、情報処理方法及びプログラム
KR20150138109A (ko) 수동 시작/종료 포인팅 및 트리거 구문들에 대한 필요성의 저감
JP2017138476A (ja) 情報処理装置、情報処理方法、及びプログラム
US20140303975A1 (en) Information processing apparatus, information processing method and computer program
JP6897677B2 (ja) 情報処理装置及び情報処理方法
US20200143813A1 (en) Information processing device, information processing method, and computer program
US20210225363A1 (en) Information processing device and information processing method
WO2018173404A1 (ja) 情報処理装置および情報処理方法
JP2016189121A (ja) 情報処理装置、情報処理方法およびプログラム
WO2017199486A1 (ja) 情報処理装置
WO2017029850A1 (ja) 情報処理装置、情報処理方法およびプログラム
JPWO2019073668A1 (ja) 情報処理装置、情報処理方法、およびプログラム
JP2016156877A (ja) 情報処理装置、情報処理方法およびプログラム
JPWO2019017027A1 (ja) 情報処理装置および情報処理方法
WO2018061346A1 (ja) 情報処理装置
WO2019026396A1 (ja) 情報処理装置、情報処理方法、およびプログラム
JP6897678B2 (ja) 情報処理装置及び情報処理方法

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 17901790

Country of ref document: EP

Kind code of ref document: A1

ENP Entry into the national phase

Ref document number: 2019506947

Country of ref document: JP

Kind code of ref document: A

NENP Non-entry into the national phase

Ref country code: DE

WWE Wipo information: entry into national phase

Ref document number: 2017901790

Country of ref document: EP

ENP Entry into the national phase

Ref document number: 2017901790

Country of ref document: EP

Effective date: 20191024