JP2000215024A - 音声応答システム - Google Patents

Abstract

(57)【要約】 【課題】 情報画面に対する定型的な指示や、指示の緊
急性に対して音声応答を適正化することのできる音声応
答システムを提供する。 【解決手段】 複数の画面情報及び音声情報をハードデ
ィスク３に記憶させ、入力部８の指示により画像情報を
階層化して表示装置４に表示させるとともに、入力部８
の指示の結果に対応する音声情報を音声出力部７及びス
ピーカ６で再生して出力するに当たり、時間計測部９が
入力部８による情報入力の間隔時間及び情報入力可能な
状態から実際に情報が入力されるまでの経過時間を計測
すると、クロック制御部１０が時間計測部９で計測され
た時間が短い場合ほど音声が高速で再生されるように、
間隔時間及び経過時間にそれぞれ対応させて音声再生速
度を調整する。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は、顧客と対話的に対
応しながら商品やイベント内容を紹介提示するシステム
やインターネットに接続されたウェブサーバ（Web Serv
er）の情報の閲覧など、階層化した画面構成によってシ
ステムが構成された情報分野で、画面の情報を見て行う
使用者の指示に対して音声で応答する音声応答システム
に関する。

【０００２】

【従来の技術】従来より、階層化した画像構成によって
システムが構成された情報分野では、画面の情報に対し
て使用者がマウスやキーボード、さらには音声認識によ
る音声指示など多彩な入力手段で指示をしている。この
とき、システムは指示の諾否をしないものや、文字で示
すものが一般的であった。ところが、近年、より人間的
なインターフェースを目指して音声で使用者に諾否を伝
えるシステムが主流になりつつある。音声での応答は話
す内容を音声データとしてメモリやディスクに保持し、
音声データを読み出しながら音声に変換するものや、話
す内容をテキストで保持し、音声合成によって出力する
ものなどがある。

【０００３】

【発明が解決しようとする課題】上述したシステムは、
音声応答という人間的なインターフェースを用いたにも
拘らず、話す速度はいずれも固定的で、一本調子になっ
てしまうという欠点があった。また、音声応答が人間的
であるが故に、人との対比という経緯の中でその不自然
さが際立って不快にさえ感じられる場合もあった。これ
らの欠点を除去するために、音声応答の速度制御が試み
られている。例えば、特公昭６２−１４５３２２号公報
では使用者の音声入力時の話し方のスピードを計測し、
計測したスピードに応じて音声応答の再生スピードを制
御して不自然さを取り除こうとしている。しかし、この
方式では早口の人には早口で応答するという状況が生
じ、使用者の話し方のみに依存してしまい、指示の即時
性や繰返し指示、定型的な指示に対応した適切な音声応
答とはなり得なかった。

【０００４】本発明は、上記の課題を解決するためにな
されたもので、情報画面に対する定型的な指示や、指示
の緊急性に対して音声応答を適正化することのできる音
声応答システムを提供することを目的とする。

【０００５】

【課題を解決するための手段】請求項１に係る発明は、
複数の画面情報及び音声情報を記憶手段に記憶させ、入
力手段の指示により画像情報を階層化して表示手段に表
示させるとともに、入力手段の指示の結果に対応する音
声情報を音声出力手段で再生して出力する音声応答シス
テムにおいて、入力手段による情報入力の間隔時間及び
情報入力可能な状態から実際に情報が入力されるまでの
経過時間を計測する時間計測手段と、時間計測手段で計
測された時間が短い場合ほど音声が高速で再生されるよ
うに、前記間隔時間及び経過時間にそれぞれ対応させて
音声再生速度を調整する再生速度調整手段とを、備えた
ことを特徴とするものである。

【０００６】請求項２に係る発明は、請求項１に記載の
音声応答システムにおいて、時間計測手段で計測された
時間が、あらかじめ設定した時間範囲の下限値以下であ
るとき、再生速度調整手段は音声の再生を行わず、時間
計測手段で計測された時間が、時間範囲の上限値以上で
あるとき、再生速度調整手段はあらかじめ設定した再生
速度範囲の最低速で音声を再生することを特徴とするも
のである。

【０００７】

【発明の実施の形態】以下、本発明を図面に示す好適な
実施形態に基づいて詳細に説明する。図１は本発明に係
る音声応答システムの一実施形態のハードウェア構成を
示すブロック図である。同図において、ＣＰＵ（中央演
算処理装置）１にメモリ２とハードディスク（図面中、
ＨＤＤと略記する）３とが接続されている。このうち、
メモリ２はＣＰＵ１の演算処理に必要な制御手順及び制
御データを書き込み、必要に応じてＣＰＵに提供するＲ
ＯＭと、ＣＰＵ１の演算処理上のワーキングエリア又は
入出力のバッファとして用いられるＲＡＭとを含み、ハ
ードディスク３には使用者と対話をするための映像デー
タ及び音声データが書き込まれている。

【０００８】また、ＣＰＵ１には、ハードディスク３に
書き込まれた映像データに対応する画面をＣＲＴなどの
表示装置４に表示する画面出力部５と、ハードディスク
３に書き込まれた音声データが読み出されたとき、これ
をアナログ信号に変換してスピーカ６から音声を出力さ
せる音声出力部７とが接続されている。

【０００９】さらに、ＣＰＵ１には、表示装置４の画面
情報に対応して使用者が操作するマウスやキーボード、
あるいは音声入力装置などで構成された入力部８が接続
されている。この入力部８には、その情報入力の時間間
隔と、画面出力部５が表示装置４の画面情報を更新し、
情報入力可能な状態から実際に情報が入力されるまでの
時間とを計測する時間計測部９が接続されている。この
時間計測部９には、その計測時間に応じてクロックの繰
返し周期、すなわち、周波数を変え得る再生速度調整手
段としてのクロック制御部１０が接続されている。音声
出力部７はこのクロックに対応してハードディスク３か
らの音声データをアナログ信号に変換してスピーカ６に
供給する構成になっている。

【００１０】上記のように構成された本実施形態の動作
について以下に説明する。ＣＰＵ１はメモリ２の制御デ
ータに従ってハードディスク３に書き込まれた映像デー
タを読み出すとともに、画面出力部５がこの映像データ
に対応する画像を階層化して表示装置４に表示する。使
用者が表示装置４の表示画面に従って入力部８を操作
し、必要とする情報を出力するように指示を与える。こ
の指示に応じてＣＰＵ１はメモリ２の制御データに従っ
てハードディスク３に書き込まれた音声データを読み出
すとともに、表示画面を更新する必要があれば映像デー
タを読み出す。読み出された音声データは音声出力部７
によってアナログ信号に変換されスピーカ６に与えられ
て発話が行われる。また、読み出された映像データは画
面出力部５によって映像信号に変換され、これによっ
て、表示装置４の情報画面の更新が行われる。

【００１１】時間計測部９は入力部８の情報入力間隔
と、画面出力部５が情報を生成し、表示装置に画面表示
して情報入力可能になってから実際に情報が入力される
までの経過時間を計測する。クロック制御部１０は情報
入力間隔と経過時間に応じて、それぞれ所定の演算式に
よりクロック周期を決定し、決定された周期を持つクロ
ックを音声出力部７に加える。音声出力部７はこれに加
えられるクロックに従って、音声データのアナログ信号
への変換処理を実行する。この結果、時間計測部９の計
測時間に対応した速度での発話が行われる。

【００１２】次に、発話速度の決定について詳しく説明
する。一般に、使用者が情報画面に慣れてきたり、指示
が定型的であったりすれば、入力間隔は短くなる。した
がって、入力部８による入力間隔ｔ１を計測すれば使用
者の情報画面に対する慣れや、定型的な指示であるか否
かを概略的に判断することができる。しかしながら、情
報量の多い画面や、順次移り替わる映像情報を含むよう
な画面では、その生成に時間がかかる。この画面生成の
時間も入力部８による入力間隔ｔ１に含まれる。したが
って、入力間隔ｔ１のみでは使用者の慣れや、定型的な
指示であるか否かの判断に大きな誤差を生じる。そこ
で、指示の即時性をより正確に判断するために、情報画
面が生成されて入力可能になってから実際に情報が入力
されるまでの経過時間ｔ２をも計測する。

【００１３】そして、発話速度を制御するために、ハー
ドディスク３に書き込まれた音声データの再生が可能
で、かつ、自然な発話に近い最大発話速度のクロック周
期をＴｆとし、最小発話速度のクロック周期をＴｓとす
る。また、実験により、最大発話速度に対応する入力間
隔をｔ１ｆ、入力部８による入力が可能になってから実
際に入力されるまでの経過時間をｔ２ｆとし、最小発話
速度に対応する入力間隔をｔ１ｓ、経過時間をｔ２ｓと
する。

【００１４】クロック制御部１０は計測された入力間隔
ｔ１と経過時間ｔ２から、実験により求められた入力間
隔ｔ１ｆ，ｔ１ｓ及び経過時間ｔ２ｆ，ｔ２ｓを基にし
て発話速度に対応するクロック周期Ｔを演算する。ここ
で、計測した時間とそれを基にして算出したクロック周
期Ｔが聴覚上自然な発話に近づくように、一次あるいは
高次の関数式を用いることができる。一例として、計測
した時間ｔ１，ｔ２とそれを基に算出したクロック周期
Ｔとを比例させる場合に、入力間隔ｔ１を基準にすると
クロック周期Ｔは次式を満たすように決定される。

【００１５】

【数１】 ただし、ＴはＴｆ＜Ｔ＜Ｔｓの範囲に制限されるものと
する。また、経過時間ｔ２を基準にするとクロック周期
Ｔは次式を満たすように決定される。

【００１６】

【数２】 ただし、ＴはＴｆ＜Ｔ＜Ｔｓの範囲に制限されるものと
する。

【００１７】図２はクロック制御部１０の具体的な処理
手順を示すＰＡＤ（問題分析図：Problem Analysis Dia
gram）のメインルーチンである。同図において、電源が
投入されている期間（Ｓ11）、情報画面の更新がなされ
たか否かの判定を繰り返す（Ｓ12）。本実施形態では初
期起動時に情報画面の更新状態から入力部８での入力が
なされるため、最初に、上述した（２）式を用いてクロ
ック周期を決定するべく計測モードｎを「２」に設定す
る（Ｓ13）。続いて、時間の計測開始時刻Ｔstartを取
り込み（Ｓ14）、さらに、入力部８での入力に対応して
クロック周期Ｔを決定する入力処理を実行する（Ｓ1
5）。この入力処理の後、情報画面の更新なしで入力部
８での入力がなされると上述した（１）式を用いてクロ
ック周期を決定する入力処理を実行する（Ｓ16）。な
お、Ｓは処理ステップを意味している。

【００１８】図３は図２に示した入力処理（Ｓ15，Ｓ1
6）のサブルーチンである。すなわち、入力処理におい
ては、まず、入力部８から入力があったか否かを判定し
（Ｓ21）、入力ありと判定すれば計測終了時刻Ｔendを
取り込む（Ｓ22）。次に、情報入力可能な状態から実際
に情報が入力されるまでの経過時間ｔ２（ｔ２＝Ｔend
−Ｔstart）を演算し（Ｓ23）、続いて、上述した
（２）式を用いてクロック周期Ｔを決定する。次に、決
定した周期Ｔが最小発話速度のクロック周期Ｔｓより長
いか否かを判定し、かつ、決定した周期Ｔが最大発話速
度のクロック周期Ｔｆより短いか否かを判定する（Ｓ2
5）。そして、決定した周期Ｔがクロック周期Ｔｓより
長い場合には発話の周期Ｔを最低速で再生するＴｓを出
力し（Ｓ26）、決定した周期Ｔがクロック周期Ｔｆより
短い場合には発話の周期Ｔを「０」にする指示、すなわ
ち、再生しない指示を与える（Ｓ27）。

【００１９】一方、決定したＴが最小発話速度のクロッ
ク周期Ｔｓ以下で、最大発話速度のクロック周期Ｔｆ以
上であれば、（２）式で決定した周期Ｔをそのまま出力
する。続いて、入力部８から入力されることを予期し
て、上述した（１）式を用いてクロック周期を決定する
べく計測モードｎを「１」に設定する（Ｓ29）。続い
て、時間の計測開始時刻Ｔstartを取り込み（Ｓ30）、
情報画面が更新されないときは上記の処理を繰り返す
（Ｓ31）。これによって、上記（１）式を用いて周期Ｔ
が決定され、これ以降、全く同様な処理が行われる。

【００２０】図２及び図３のＰＡＤに示す処理を実行す
ることによって、電源の投入時には表示装置４の情報画
面の更新が行われるため、最初のクロック周期Ｔは情報
入力可能な状態から実際に情報が入力されるまでの経過
時間を基準にして決定され、これ以降、情報画面の更新
がされない状態で情報入力の操作が行われると情報入力
の間隔時間を基準にしてクロック周期Ｔが決定され、情
報画面の更新がされる毎に経過時間を基準にしてクロッ
ク周期Ｔが決定される。

【００２１】かくして、本実施形態によれば、イベント
会場での展示品の紹介や商品カタログの紹介、あるいは
インターネットのウェブサーバの情報の閲覧など、階層
化した画面構成によってシステムが構成され、使用者が
画面の情報を見て指示をし、必要な情報を音声で得ると
き、適当な速度の応答が得られる。

【００２２】

【発明の効果】以上の説明によって明らかなように、本
発明によれば、情報画面に対する定型的な指示や、指示
の緊急性に対して音声応答を適正化することのできる音
声応答システムを提供することができる。

【図面の簡単な説明】

【図１】本発明に係る音声応答システムの一実施形態の
ハードウェア構成を示すブロック図である。

【図２】図１に示した実施形態を構成するクロック制御
部の具体的な処理手順を示すＰＡＤのメインルーチンで
ある。

【図３】図２に示した主要な処理ステップのサブルーチ
ンである。

【符号の説明】

１ ＣＰＵ ２ メモリ ３ ハードディスク（記憶手段） ４ 表示装置（表示手段） ５ 画面出力部 ６ スピーカ（音声出力手段） ７ 音声出力部（音声出力手段） ８ 入力部（入力手段） ９ 時間計測部（時間計測手段） １０ クロック制御部（再生速度調整手段）

Claims (2)

【特許請求の範囲】
1. 【請求項１】 複数の画面情報及び音声情報を記憶手段
   に記憶させ、入力手段の指示により前記画像情報を階層
   化して表示手段に表示させるとともに、前記入力手段の
   指示の結果に対応する前記音声情報を音声出力手段で再
   生して出力する音声応答システムにおいて、 前記入力手段による情報入力の間隔時間及び情報入力可
   能な状態から実際に情報が入力されるまでの経過時間を
   計測する時間計測手段と、 前記時間計測手段で計測された時間が短い場合ほど音声
   が高速で再生されるように、前記間隔時間及び経過時間
   にそれぞれ対応させて音声再生速度を調整する再生速度
   調整手段とを、 備えたことを特徴とする音声応答システム。
2. 【請求項２】 前記時間計測手段で計測された時間が、
   あらかじめ設定した時間範囲の下限値以下であるとき、
   前記再生速度調整手段は音声の再生を行わず、前記時間
   計測手段で計測された時間が、前記時間範囲の上限値以
   上であるとき、前記再生速度調整手段はあらかじめ設定
   した再生速度範囲の最低速で音声を再生することを特徴
   とする請求項１に記載の音声応答システム。