JP2003036094A - 音声対話装置及び音声対話処理方法 - Google Patents

Abstract

(57)【要約】 【課題】 入力された音声に対する認識結果について、
分岐判断を行い後処理を決定することにより、効率が良
く、且つ信頼性の高い音声対話処理を行う。 【解決手段】 通信回線１０３を介して利用者の電話機
１０１に接続された音声対話処理部１０５を具える音声
対話装置１００において音声対話処理を行うにあたり、
電話機１０１から入力された音声を確定するための複数
の候補とそれぞれの候補に対する尤度とを認識結果とし
て決定し、且つ、判断を行う際に用いるため予め設定さ
れた基準値と尤度とを比較することによって、分岐判断
を行い、この分岐判断によって認識結果をどのように処
理するか決定する。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】この発明は、電話による音声
対話装置及び音声対話処理方法に関するものである。こ
の発明によれば、利用者の音声を認識してデータ化する
音声認識機能および利用者の音声を録音する音声録音機
能を有する装置において、音声対話処理を行う。

【０００２】

【従来の技術】従来の音声対話装置の一例が、特開平１
０−７０６１３号公報に開示されている。この文献によ
れば、利用者は、音声等の手段によって、電話機より音
声対話装置へ入力を行う。電話機より入力される情報
は、音声対話装置において、音声認識が容易とされる項
目と、音声認識が困難とされる項目に分けられる。

【０００３】音声認識が容易とされる項目について、音
声対話装置は、音声認識処理を行う。一方、音声認識が
困難とされる項目は、音声対話装置において、一旦音声
を録音し、オフラインで人手を介してデータ化（上記文
献では「聞き起こし」）する。このオフラインで人手を
介してデータ化する作業は、具体的に、次のようなもの
である。

【０００４】まず、利用者の有する電話機には、音声対
話装置からガイダンスメッセージが送られてくる。利用
者は、このガイダンスメッセージに従って、住所、名
字、名前等を発声する。利用者から発声された音声は、
電話機を介して、音声対話装置に入力される。入力され
た音声は、音声対話装置において一旦録音される。

【０００５】その後、録音された音声について、音声対
話装置が音声認識を行う。そして、認識された音声に基
づいて、住所及び氏名等について、複数の候補が決定さ
れる。決定された複数の候補は、コンピュータ端末の画
面等に表示される。

【０００６】コンピュータ端末の画面等に表示された複
数の候補について、オペレータ（人）が、聞き起こしの
作業を行う。そして、コンピュータ端末の画面等に表示
された複数の候補の中から、住所、氏名等の情報が確定
される。

【０００７】なお、上記文献によれば、聞き起こしで行
われる作業は、次のようなものである。一旦録音された
利用者の音声は、適当な手段によって再生される。オペ
レータ（人）は、再生された音声を聞きながら、コンピ
ュータ端末の画面等に表示された複数の候補について、
データの確認を行う。

【０００８】

【発明が解決しようとする課題】従来の音声対話装置で
は、音声認識が困難とされる項目について入力された音
声は、音声認識装置で正しく認識されていても、オペレ
ータがすべて聞き起こしの作業を行っていた。

【０００９】また、利用者は、音声認識が容易とされる
項目について音声入力するとき、音声認識装置が一度で
認識しなかった場合、音声認識装置が認識するまで、再
入力を繰り返さなければならなかった。

【００１０】従来の音声対話装置は、以上のような問題
点を有していた。このため、入力された音声に対し、効
率良く、しかも信頼性良く、認識処理等の音声対話処理
を行う音声対話装置の出現が望まれていた。

【００１１】

【課題を解決するための手段】そこで、この出願に係る
発明者等は、上述したような問題点を解消すべく、種々
の研究や思考を繰り返し行った。そして、利用者の入力
が次の設問の分岐条件になるか否かの判断を行い、後処
理を決定すれば、効率が良く且つ信頼性の高い音声対話
処理を行うことが出来るという結論に達し、この発明に
到った。

【００１２】この発明の音声対話装置は、通信回線を介
して利用者の電話機に接続された音声対話処理部を具え
ている。そして、この発明の音声対話装置は、つぎのよ
うな方法に従って、音声対話処理を行う。

【００１３】まず、音声対話処理部が、利用者の電話機
と音声対話を行い、利用者の音声を電話機から受信す
る。続いて、音声対話処理部は、受信した音声を確定す
るための複数の候補と、それぞれの候補に対する尤度と
を認識結果として決定する。その後、音声対話処理部
は、基準値と尤度とを比較し、認識結果について分岐判
断を行う。分岐判断の結果、認識結果をどのように処理
するかが決定される。即ち、この発明における分岐判断
とは、認識結果について、どのような処理をすべきかの
判断のことである。尚、基準値は、予め音声対話処理部
内に設定され、分岐判断に用いられるものである。

【００１４】以上述べたように、この発明の音声対話装
置及び音声対話処理方法によれば、入力された音声に対
する認識結果について、分岐判断が行われる。そして、
この分岐判断の結果、認識結果をどのように処理するか
が決定される。よって、入力された音声に対して、音声
対話装置で正しい認識結果が得られた場合は、人手を介
する作業を省くことができる。

【００１５】さらに、この発明の音声対話装置及び音声
対話処理方法によれば、分岐判断を行うことによって、
入力された音声が正しく音声認識されない場合について
も、適した処理を決定することができる。この結果、従
来の音声対話装置と比較して、利用者による再入力の処
理等の負担を軽減することができる。

【００１６】即ち、この発明の音声対話装置及び音声対
話処理方法によれば、尤度と基準値との比較に基づい
て、認識結果に対して的確な分岐判断が行われる。よっ
て、この発明の音声対話装置及び音声対話処理方法によ
れば、効率が良く、且つ信頼性の高い音声対話処理を実
現することができる。

【００１７】

【発明の実施の形態】以下、図を参照して、この発明の
音声対話装置における実施の形態について説明する。
尚、以下の説明に用いる各図は、この発明を理解できる
程度に概略的に示してあるに過ぎず、従って、この発明
が図示例のみに限定されるものでないことは理解された
い。また、説明に用いる各図において、同様な構成成分
については同一の符号を付して示し、重複する説明を省
略することもある。

【００１８】［実施の形態の構成］この発明の実施の形
態における音声対話装置１００の構成について、図１を
参照して説明する。図１に、この発明の実施の形態にお
ける音声対話装置１００の構成を示す。

【００１９】音声対話装置１００は、通信回線１０３を
介して利用者の電話機１０１に接続された音声対話処理
部１０５を具えている。

【００２０】音声対話処理部１０５は、電話機１０１か
ら入力された音声について、この音声を確定するための
複数の候補と、それぞれの候補に対する尤度とを認識結
果として決定する。その後、音声対話処理部１０５は、
基準値と尤度とを比較し、認識結果について分岐判断を
行う。この分岐判断の結果、認識結果をどのように処理
するかが決定される。

【００２１】ここで、認識結果における複数の候補と
は、詳しくは、入力された音声の特性を確定するための
ものである。認識結果における複数の候補は、例えば、
入力された音声から抽出された周波数スペクトル等の物
理的特徴に基づいて、決定される。

【００２２】また、音声対話装置１００は、記憶部１０
７を具えている。この記憶部１０７には、音声対話処理
に利用される音声処理情報１３７が予め格納されてい
る。

【００２３】音声処理情報１３７には、第１情報群と第
２情報群が含まれている。第１情報群は、認識結果の決
定に利用される第１情報と第２情報とを有する。また、
第２情報群は、分岐判断に利用される第３情報を有す
る。第１情報群と第２情報群に含まれる第１〜第３情報
について、詳細は後述する。

【００２４】次に、音声対話処理部１０５の構成につい
て説明する。

【００２５】音声対話処理部１０５は、通信回線１０３
を介して電話機１０１に接続された回線処理部１０９
と、音声対話制御部１１１と、認識結果を決定する音声
処理部１１３とを具えている。

【００２６】音声対話制御部１１１は、回線処理部１０
９、記憶部１０７及び音声処理部１１３と音声や所要の
情報のやり取りを行い、分岐判断の結果を出力する機能
を有している。音声対話制御部１１１には、基本処理部
１１５と、分岐判断部１１７と、基準値を格納するため
のメモリ１１９とが設けられている。

【００２７】基本処理部１１５は、第１及び第２情報
を、記憶部１０７からメモリ１１９に読み込む。そして
基本処理部１１５は、第１情報を利用して、回線処理部
１０９を介して電話機１０１と音声対話を行い、電話機
１０１からの音声を受信する。

【００２８】音声処理部１１３は、電話機１０１からの
音声と第２情報とを基本処理部１１５から受信する。そ
して音声処理部１１３は、第２情報を利用して認識結果
を決定し、この認識結果を基本処理部１１５に送信す
る。

【００２９】分岐判断部１１７は、認識結果を基本処理
部１１５から受信する。そして分岐判断部１１７は、記
憶部１０７から第３情報を、メモリ１１９から基準値
を、それぞれ読み出す。続いて、分岐判断部１１７は、
尤度と基準値との比較、及び第３情報に基づいて、分岐
判断を行う。

【００３０】尚、この実施の形態において、基準値は、
認識結果における尤度に対して設定されることが好まし
い。更に、基準値は、第１閾値、第２閾値、第１閾値
差、第２閾値差の４つの基準値として設定されることが
最適である。

【００３１】ところで、音声処理部１１３は、音声認識
部１２１と音声録音部１２３とで構成されることが好ま
しい。

【００３２】音声認識部１２１は、電話機１０１からの
音声を受信し、この音声に対する音声認識処理を行っ
て、認識結果を出力する機能を有する。よって、認識結
果における尤度は、音声認識部１２１の装置構成に依存
する値となる。また、尤度に対して設定される基準値も
音声認識部１２１の装置構成に依存する値となる。

【００３３】一方、音声録音部１２３は、電話機１０１
からの音声を受信し、この音声に対する録音処理を行っ
て、音声録音ファイルを作成する機能を有する。

【００３４】以上説明したように、この実施の形態の音
声対話処理部１０５の装置構成によれば、音声認識部１
２１は、音声対話装置に入力される音声について、音声
認識を行い、認識結果を決定する。この認識結果におけ
る尤度と基準値とを比較することによって、分岐判断部
１１７は、音声認識について認識性能を評価することが
できる。この実施の形態による尤度と基準値との比較に
ついて、詳細は後述する。

【００３５】また、音声対話処理部１０５における各部
構成要素は、音声対話処理に適した任意好適な装置構成
とすることができる。このとき、基準値は、音声認識部
１２１の装置構成にあわせた所望の値を設定することが
できる。

【００３６】尚、この実施の形態における音声対話装置
１００は、複数のハードウェアから構成されるコンピュ
ータ装置とすることが最適である。更に、音声対話処理
部１０５における各部構成要素は、プログラムを有する
ハードウェアを用いることが望ましい。

【００３７】次に、記憶部１０７の構成について説明す
る。記憶部１０７には、音声処理情報１３７が格納され
るとともに、データベース部１３５が設けられている。

【００３８】音声処理情報１３７は、複数のファイルを
有する。この複数のファイルは、音声対話シーケンス１
２５、音声メッセージ１２７、確認認識文法１２９、確
認音声メッセージ１３１、再入力メッセージ１３３を含
むものである。

【００３９】ここで、音声対話シーケンス１２５、及び
音声メッセージ１２７は、音声対話装置１００を用いて
音声対話サービスを提供する組織が作成するものである
ことが好ましい。尚、音声メッセージ１２７は、音声に
よるメッセージを収録した複数のファイルを含むもので
ある。音声対話シーケンス１２５については、後に詳し
く説明する。

【００４０】また、確認認識文法１２９は、音声として
「はい」もしくは「いいえ」が入力されたときに、この
音声を音声認識するために用いられる。即ち、確認認識
文法１２９は、「はい」もしくは「いいえ」という入力
音声に対し、この音声を認識するための文法を記述した
ファイルであることが望ましい。

【００４１】また、確認音声メッセージ１３１は、利用
者に認識結果を確認するための音声メッセージを収録し
たファイルであることが好ましい。

【００４２】更に、再入力メッセージ１３３は、電話機
１０１を有する利用者に再入力を促すための音声メッセ
ージを収録したファイルとすることが最適である。

【００４３】尚、データベース部１３５は、音声対話装
置１００において提供するサービスに必要なデータ、及
び認識結果等を格納するものである。

【００４４】記憶部１０７の各ファイル１２５、１２
７、１２９、１３１、１３３は、実際には、コンピュー
タディスクに格納されていることが好ましい。また、１
２５、１２７、１２９、１３１、及び１３３の各ファイ
ルとデータベース部１３５は、同じ記憶装置に格納され
る構成であってもよい。ここで、この実施の形態におけ
る音声対話装置１００は、上述したような音声対話処理
部１０５を構成する各ハードウェアと、各ファイル及び
データベース部を有する記憶装置とから構成されるコン
ピュータ装置であることが好ましい。

【００４５】上述したような記憶部１０７の構成によれ
ば、音声対話シーケンス１２５と音声メッセージ１２７
を、任意好適なファイル構成とすることができる。従っ
て、この実施の形態では、利用者に対して様々な音声対
話サービスを行うことができる。また、この実施の形態
では、音声対話サービスの内容に適した音声対話処理を
行うことも可能である。

【００４６】尚、記憶部１０７に格納されている各ファ
イルは、必要に応じて更新されるものとすることが好ま
しい。

【００４７】次に、音声対話シーケンス１２５につい
て、図２を参照して説明する。図２は、音声対話シーケ
ンス１２５の構成について示す図である。この実施の形
態によれば、音声対話シーケンス１２５は、複数の対話
セル２０１と、複数のグローバル変数２１５とを有する
構成であることが望ましい。

【００４８】各対話セル２０１は、音声対話装置１００
で行われる一連の対話の最小単位である。そして、音声
対話処理の際、音声対話制御部１１１は、初期対話セル
より以降、各対話セルの処理を繰り返し行う。ここで、
初期対話セルとは、音声対話処理を開始する際、音声対
話制御部１１１が最初に処理を行う対話セルのことであ
る。

【００４９】対話セルは、第１情報群２１９と、第２情
報群２１７とを有する。既に説明したように、第１情報
群２１９には、第１情報と第２情報とが含まれている。
また、第２情報群２１７には、第３情報が含まれる。こ
の第３情報は、対話セルの処理を決定する対話セルモー
ド２０３とすることが望ましい。このとき、分岐判断部
１１７による分岐判断は、尤度と基準値との比較、及び
対話セルモード２０３に基づいて行われることが好適で
ある。対話セルモード２０３について、詳細は後述す
る。

【００５０】第１情報群２１９は、第１情報としての音
声ファイル名２１１と、第２情報としての認識文法２１
３とを含むものとすることが好ましい。

【００５１】音声ファイル名２１１は、電話機１０１へ
送信する音声メッセージのファイル名を、音声メッセー
ジ１２７の中から指定するものである。既に説明したよ
うに、音声メッセージ１２７は、音声によるメッセージ
を収録した複数のファイルを含むものである。音声メッ
セージ１２７に含まれる複数のファイルのうち、音声フ
ァイル名２１１によって指定されたファイルに該当する
音声メッセージが、電話機１０１へ送信される。

【００５２】この実施の形態によれば、電話機１０１に
送信された音声メッセージに対し、利用者は音声により
回答を行う。利用者の音声は、認識文法２１３を用い
て、音声対話装置１００によって認識される。

【００５３】また、第２情報群２１７は、対話セルモー
ド２０３のほかに、前処理プログラム２０５と、後処理
プログラム２０７と、次セルポインタ２０９とを含むこ
ととすることが最適である。

【００５４】前処理プログラム２０５は、音声対話に必
要な前処理を記述するものである。前処理とは、例え
ば、時刻の獲得、利用者の電話機１０１からの着信アカ
ウントなどの処理である。

【００５５】更に、後処理プログラム２０７は、例えば
音声認識結果に対する処理等、音声対話に必要な後処理
を記述するものである。

【００５６】また、次セルポインタ２０９は、１つの対
話セルにおける全ての処理が終了された後、次に進むべ
き対話セルを指定するものである。

【００５７】ここで、対話セルモード２０３は、複数の
フラグ列から構成されるものであることが好ましい。そ
して、各対話セルにおいて、対話セルモード２０３は、
前処理プログラム２０５、後処理プログラム２０７、及
び次セルポインタ２０９に依存する。

【００５８】即ち、対話セルモード２０３を構成する複
数のフラグ列は、（イ）その対話セルが音声認識処理を
含むかどうか、（ロ）その対話セルにおいて、次の対話
セルへの分岐があるかどうか、（ハ）後処理プログラム
２０７が、認識結果について、グローバル変数２１５に
代入するかどうか、（ニ）後処理プログラム２０７が、
認識結果について、データベース部１３５に登録するか
どうか、（ホ）後処理プログラム２０７が、認識結果に
ついて、グローバル変数２１５、或いはデータベース部
１３５内のカウンタ値を増やす処理を行うかどうか、を
示すものであること望ましい。

【００５９】ここで、グローバル変数２１５、或いはデ
ータベース部１３５内のカウンタ値を増やす処理につい
て説明する。例えば、音声対話装置１００にて、何らか
の選択型アンケートを行う音声対話サービスが提供され
る場合を考える。このとき、利用者の有する電話機１０
１から、順次アンケートに対する解答が、音声対話装置
１００に入力される。例えば、選択型アンケートにおい
ては、利用者による選択項目が、音声対話装置１００に
入力される。そして、グローバル変数２１５もしくはデ
ータベース部１３５において、入力された選択項目がカ
ウント、即ち集計される。

【００６０】次に、グローバル変数２１５について説明
する。グローバル変数２１５は、各対話セル２０１が共
通して利用する変数である。例えば、音声対話装置１０
０が、旅行等の予約サービスを提供するためのものであ
るとする。そして、この予約サービスでは、住所、氏
名、予約する日付等の情報について、利用者の回答を求
める対話が行われるものとする。よって、このときの対
話セル２０１は、住所の入力を促すための対話セル、氏
名の入力を促すための対話セル、及び予約する日付の入
力を促すための対話セル等を含むものとなる。そして、
各対話セルについて、利用者の音声による回答が、順次
音声対話装置１００に入力されると、各グローバル変数
に代入されるようにする。グローバル変数に代入された
情報は、各対話セルにおいて共通に利用されるため、正
確な値を代入する必要がある。

【００６１】［実施の形態の動作］次に、図１及び図２
の他、図３〜図１０に示す各フローチャートを参照し
て、この発明の実施の形態における各部構成要素の動作
について説明する。図３〜図１０のフローチャートで
は、音声対話制御部１１１、回線処理部１０９、音声認
識部１２１、及び音声録音部１２３にて行われる動作
を、それぞれ、対話制御プロセス、回線制御プロセス、
音声認識プロセス、及び音声録音プロセスに分けて説明
する。尚、利用者の電話機１０１によって行われる動作
は、単に利用者の電話機と名付けるプロセスで説明す
る。また、図中、各処理のステップを記号Ｓに番号を添
えて示してある。

【００６２】１．音声対話処理 この実施の形態において行われる音声対話処理につい
て、図３に示すフローチャートを参照して説明する。

【００６３】まず、図１に示したこの実施の形態の構成
において、音声対話処理部１０５に対して、サービス提
供者が従来既知の始動方法で、音声対話制御部１１１を
起動する。音声対話制御部１１１は起動されると、音声
対話処理を開始する。

【００６４】（Ｓ３０１）音声対話制御部１１１は、回
線処理部１０９を起動する。音声対話制御部１１１にお
いて、具体的には、基本処理部１１５が回線処理部１０
９を起動する。

【００６５】（Ｓ３０２）音声対話制御部１１１におい
て、基本処理部１１５は、回線処理部１０９を介して、
回線状態の変化待ちとなる。回線状態の変化待ちとは、
即ち、電話機１０１からの着信待ちの状態である。

【００６６】（Ｓ３０３）一方、起動された回線処理部
１０９は、通信回線１０３の状態を監視する動作を開始
する。

【００６７】（Ｓ３０４）しかる後、利用者が電話機１
０１から音声対話装置１００に発呼する（電話をかけ
る）。電話機１０１からの発呼は、回線処理部１０９に
おいて着信される。そして、回線処理部１０９は、音声
対話制御部１１１に着信通知を行う。ここで、着信通知
とは、電話機１０１からの発呼を着信した旨の通知のこ
とである。

【００６８】（Ｓ３０５）音声対話制御部１１１は、着
信通知を受け取ると、音声対話シーケンス１２５の初期
対話セルの処理を行う。

【００６９】音声対話制御部１１１において、具体的
に、着信通知は、基本処理部１１５によって受信され
る。そして、基本処理部１１５は、着信通知に応答し
て、音声対話シーケンス１２５の初期対話セルの情報
を、記憶部１０７からメモリ１１９に読み込む。メモリ
１１９に読み込まれた情報に基づいて、基本処理部１１
５は、初期対話セルの処理を行う。

【００７０】（Ｓ３０６）初期対話セルにおける全ての
処理が終了されると、音声対話制御部１１１において、
次セルポインタ２０９の有無が判断される。次セルポイ
ンタ２０９の有無は、音声対話処理における一連の対話
を終了するか否かの判断となる。具体的には、音声対話
制御部１１１において、基本処理部１１５が、次セルポ
インタ２０９の有無を判断する。

【００７１】初期対話セル内に次セルポインタ２０９が
存在しない場合、基本処理部１１５は、音声対話処理の
全ての対話は終了されるものみなす。そして、基本処理
部１１５は、後述するＳ３０７の処理を行う。

【００７２】一方、初期対話セル内に次セルポインタ２
０９が存在する場合、音声対話制御部１１１における動
作は、Ｓ３０５の処理へ戻る。具体的には、基本処理部
１１５が、次セルポインタ２０９をメモリ１１９に読み
出す。その後、基本処理部１１５は、次セルポインタ２
０９で指定された対話セルの処理を行う。各対話セルの
処理については後述する。

【００７３】尚、音声対話シーケンス１２５を構成する
複数の対話セル２０１が、それぞれＩＤを有している場
合、次セルポインタ２０９とは、各対話セルのＩＤを指
定するものである。また、次セルポインタ２０９が存在
しない対話セルを、最後の対話セルと呼ぶことにする。

【００７４】（Ｓ３０７）最後の対話セルの処理を終了
すると、音声対話制御部１１１は回線処理部１０９に回
線切断の旨を通知し、再び、着信待ちの状態になる。具
体的には、音声対話制御部１１１において、基本処理部
１１５が、回線処理部１０９に回線切断の旨を通知す
る。そして、基本処理部１１５は、再び、着信待ちの状
態となる。ここで、回線切断の旨の通知を、切断通知と
よぶことにする。

【００７５】切断通知を受信した回線処理部１０９は、
利用者の電話機１０１との回線を切断し、再び回線状態
の変化待ちになる。ここで、ひとりの利用者の１回の通
話に対する音声対話処理は終了される。

【００７６】２．各対話セルの処理 次に、図３に示すフローチャート中、Ｓ３０５の処理、
即ち各対話セルの処理について、図４に示すフローチャ
ートを参照して説明する。

【００７７】（Ｓ４０１）先ず、音声対話制御部１１１
は、対話セルの前処理プログラム２０５を実行する。前
処理プログラム２０５が実行されると、このプログラム
に記述されている前処理が行われる。

【００７８】具体的には、音声対話制御部１１１におい
て、基本処理部１１５が、前処理プログラム２０５をメ
モリ１１９に読み込む。メモリ１１９に読み込まれた前
処理プログラム２０５は、基本処理部１１５によって実
行される。

【００７９】（Ｓ４０２）次に、音声対話制御部１１１
は、対話セルの音声ファイル名２１１で指定された音声
メッセージを、回線処理部１０９を介して利用者の電話
機１０１に送信する。

【００８０】具体的には、音声対話制御部１１１におい
て、基本処理部１１５が、対話セルの音声ファイル名２
１１を記憶部１０７からメモリ１１９に読み込む。続い
て、基本処理部１１５は、読み込んだ音声ファイル名２
１１で指定されたメッセージを、音声メッセージ１２７
の中からメモリ１１９に読み出す。その後、読み出され
たメッセージは、基本処理部１１５によって、回線処理
部１０９を介して、利用者の電話機１０１に送信され
る。

【００８１】（Ｓ４０３）電話機１０１は回線処理部１
０９から、メッセージを受信し、これを再生する。例え
ば、回線処理部１０９から、「こちらは××です。お客
様の年齢を２０代、３０代のようにお答えください。」
というメッセージを受信すると、これを電話機１０１は
再生する。

【００８２】（Ｓ４０４）その後、電話機１０１によっ
て再生されたメッセージに対し、利用者が回答を音声で
行う。電話機１０１は、利用者の音声を音声対話装置１
００に送信する。

【００８３】（Ｓ４０５）電話機１０１から、利用者の
音声を、通信回線１０３を介して、回線処理部１０９が
受信する。回線処理部１０９は、受信した利用者の音声
を音声対話制御部１１１に送信する。その後、音声対話
制御部１１１は入力処理をおこなう。ただし、この利用
者の回答および音声対話制御部１１１の入力処理は、存
在しない場合もある。例えば、コマーシャルのような音
声メッセージを送信、再生するだけの場合である。入力
処理については後述する。

【００８４】（Ｓ４０６）入力処理終了後、音声対話制
御部１１１は、対話セルの後処理プログラム２０７を実
行し、対話セルの処理を終了する。

【００８５】具体的に、音声対話制御部１１１におい
て、基本処理部１１５が、対話セルの後処理プログラム
２０７を、記憶部１０７からメモリ１１９に読み込み、
実行する。後処理プログラム２０７が実行されると、こ
のプログラムに記述されている後処理が行われる。

【００８６】３．入力処理 以上説明した図４のフローチャート中、Ｓ４０５の処
理、即ち入力処理について、図５及び図６に示すフロー
チャートを参照して説明する。まずは、図５に示すフロ
ーチャートを参照して、Ｓ５０１からＳ５０６までの処
理について説明する。

【００８７】（Ｓ５０１）まず、音声対話制御部１１１
は、音声処理部１１３における音声認識部１２１に、対
話セルの認識文法２１３を渡して、音声認識開始の旨を
通知する。音声認識部１２１は、認識文法２１３を用い
て音声認識処理を開始する。

【００８８】具体的には、音声対話制御部１１１におい
て、基本処理部１１５が、記憶部１０７から、対話セル
の認識文法２１３をメモリ１１９に読み出す。そして、
メモリ１１９に読み出された認識文法２１３は、基本処
理部１１５によって、音声認識部１２１に送信される。

【００８９】（Ｓ５０２）また、音声対話制御部１１１
において、基本処理部１１５は、音声録音部１２３に、
音声録音開始の旨を通知する。音声録音部１２３は音声
録音処理を開始する。

【００９０】（Ｓ５０３）その後、音声対話制御部１１
１は、音声認識部１２１及び音声録音部１２３からの結
果待ち状態になる。ここで、結果待ち状態とは、音声認
識部１２１及び音声録音部１２３から、音声処理の結果
が送信されるのを待つ状態である。ここで、音声処理と
は、音声認識部１２１で行われる音声認識、及び音声録
音部１２３で行われる音声録音の両方の処理を含めたも
のを意味する。

【００９１】（Ｓ５０４）次に、図４のフローチャート
を参照すれば、Ｓ４０３において電話機１０１は、音声
対話装置１００から受信したメッセージを再生する。こ
のメッセージに対し、利用者が回答を音声で行う。電話
機１０１は、利用者の音声を音声対話装置１００に送信
する。

【００９２】（Ｓ５０５）音声認識部１２１は、利用者
が行った回答についての音声を、音声対話制御部１１１
から受信する。具体的には、音声対話制御部１１１にお
いて、基本処理部１１５が、回線処理部１０９から利用
者の音声を受信する。そして、基本処理部１１５が、音
声認識部１２１に利用者の音声を送信する。

【００９３】次に、音声認識部１２１は、受信した音声
を確定するために、従来既知の方法によって音声認識を
行う。音声認識の結果、即ち認識結果は、複数の候補と
それぞれの候補に対する尤度として決定される。ここ
で、音声認識部１２１は、音声認識処理を終了する。ま
た、認識結果は、音声認識部１２１によって音声対話制
御部１１１に送信される。

【００９４】例えば、利用者が音声により「サンジュウ
ダイ」と回答した場合、利用者の音声に対する認識結果
は、次のようなものとなる。即ち、第１候補：「３０
代」、第１候補の尤度０．９８７；第２候補：「４０
代」、第２候補の尤度０．７６５；第３候補：「１０
代」、第３候補の尤度０．５４３のようになる。

【００９５】ここで、この実施の形態において、第１候
補とは最も高い尤度を有するものである。そして、以
下、尤度の高い順から、第２候補、第３候補・・・のよ
うに決定される。

【００９６】（Ｓ５０６）音声録音部１２３は、音声対
話制御部１１１から、利用者が行った回答についての音
声を受信する。このとき、音声対話制御部１１１におい
て行われる具体的な手順は、Ｓ５０５で説明したものと
同様である。よって、ここでは、重複する説明について
記載を省略する。

【００９７】次に、音声録音部１２３は、受信した音声
に対し録音処理を行う。そして、音声録音部１２３は、
録音した音声について音声録音ファイルを作成する。こ
こで、音声録音部１２３は音声録音処理を終了し、その
旨を音声対話制御部１１１に通知する。

【００９８】尚、この実施の形態の音声対話装置１００
において、上述したＳ５０１とＳ５０２の処理、及びＳ
５０５とＳ５０６の処理は並行して行われることが好ま
しい。

【００９９】次に図６に示すフローチャートを参照し
て、入力処理において行われるＳ５０７以降の処理につ
いて説明する。

【０１００】（Ｓ５０７）音声対話制御部１１１におい
て、基本処理部１１５は、音声認識部１２１、音声録音
部１２３からそれぞれ認識結果、音声録音処理終了の通
知を受信する。そして、基本処理部１１５は、認識結果
を分岐判断部１１７に送信する。

【０１０１】分岐判断部１１７は、認識結果を受信する
と、メモリ１１９より基準値を読み出す。既に説明した
ように、基準値は、第１閾値、第１閾値差、第２閾値、
第２閾値差の４つの基準値として設定されている。そし
て、分岐判断部１１７は、認識結果における複数の候補
のうち、第１候補の尤度及び第１候補の尤度と第２候補
の尤度との差について、それぞれ各閾値、各閾値差と比
較を行う。

【０１０２】ここで、第１候補の尤度と第２候補の尤度
の差と各閾値差との比較は、次のような判断に基づいて
行われることが望ましい。即ち、第１候補と第２候補の
尤度の差が大きいほど、第１候補は入力された音声を確
定するための信頼性が高い結果であると判断される。

【０１０３】また、このステップにおいて、対話セルの
対話セルモード２０３が、分岐判断部１１７によって、
記憶部１０７からメモリ１１９に読み込まれる。

【０１０４】そして、分岐判断部１１７は、上述したよ
うな各基準値と尤度との比較か、もしくは、対話セルモ
ード２０３に基づいて分岐判断を行う。

【０１０５】尚、分岐判断部１１７による分岐判断は、
認識結果について、（ａ）そのまま利用するか、（ｂ）
確認処理をおこなうか、（ｃ）再入力処理をおこなう
か、（ｄ）音声録音ファイルだけを保存するか、（ｅ）
認識結果を破棄するか、を判断するものであることが好
ましい。分岐判断部１１７によって行われる分岐判断に
ついて、詳細は後述する。

【０１０６】次に、（ａ）〜（ｅ）の判断の結果行われ
るＳ５０８〜Ｓ５１２の処理について説明する。

【０１０７】（Ｓ５０８）分岐判断部１１７が、（ａ）
によって、認識結果をそのまま利用すると判断した場合
は、音声対話制御部１１１において、第１候補がそのま
ま利用される。そして、入力処理は終了される。

【０１０８】（Ｓ５０９）分岐判断部１１７が、（ｂ）
によって、確認処理をおこなうと判断した場合は、音声
対話制御部１１１において、確認処理が行われる。確認
処理について、詳細は後述する。

【０１０９】（Ｓ５１０）分岐判断部１１７が、（ｃ）
によって、再入力処理をおこなうと判断した場合、音声
対話制御部１１１において、再入力処理が行われる。再
入力処理について、詳細は後述する。

【０１１０】（Ｓ５１１）分岐判断部１１７が、（ｄ）
によって、音声録音ファイルを保存すると判断した場
合、音声対話制御部１１１において基本処理部１１５
が、音声録音ファイルへのポインタを認識結果として代
用する。そして、基本処理部１１５は、音声録音ファイ
ルをデータベース部１３５に保存する。

【０１１１】尚、音声録音ファイルへのポインタとは、
例えば、図５に示すフローチャートにおいて、Ｓ５０６
の処理で作成される音声録音ファイルのファイル名を示
すものである。そして、このポインタを代用するとは、
例えば、音声対話制御部１１１において基本処理部１１
５が、認識結果を破棄し、音声録音ファイルのファイル
名を認識結果のかわりに用いて、入力処理を終了するこ
とを意味する。

【０１１２】またデータベース部１３５に保存された音
声録音ファイルは、必要に応じて、取り出され、確認作
業が行われることが好ましい。この確認作業は、既に説
明した聞き起こし、もしくは、音声認識部１２１での音
声認識処理等、所望の手段によって行われるものであ
る。

【０１１３】（Ｓ５１２）分岐判断部１１７が、（ｅ）
によって、認識結果を破棄すると判断した場合は、音声
対話制御部１１１において、認識結果なしとして入力処
理を終了する。

【０１１４】４．分岐判断 以上説明した図６のフローチャート中、Ｓ５０７の処理
について、図１１、及び図７と図８に示すフローチャー
トを参照して説明する。

【０１１５】Ｓ５０７の処理とは、分岐判断で行われる
処理である。図１１は、この分岐判断の手順について
（Ａ）〜（Ｆ）の５つに場合分けをし、それぞれの場合
について、上述したような判断（ａ）〜（ｅ）のうち、
どの判断が成されるのか、その対応関係を示したもので
ある。ここで、図１１、図７及び図８において、第１候
補の尤度、第２候補の尤度をそれぞれ、尤度（１）、尤
度（２）とする。また、図１１において、尤度差とは、
第１候補の尤度と第２候補の尤度との差を示すものであ
る。

【０１１６】まずは、図７に示すフローチャートにおけ
るＳ６０１からＳ６０７までの処理について説明する。

【０１１７】分岐判断部１１７は、基本処理部１１５か
ら認識結果を受信するとともに、メモリ１１９から基準
値を読み出す。更に、分岐判断部１１７は、対話セルモ
ード２０３を記憶部１０７からメモリ１１９に読み込
む。そして、分岐判断部１１７は、分岐判断を開始す
る。尚、対話セルモード２０３を構成する、（イ）〜
（ホ）の複数のフラグ列については既に説明した通りで
ある。

【０１１８】（Ｓ６０１）、（Ｓ６０２）分岐判断部１
１７は、Ｓ６０１において、第１候補の尤度が第１閾値
より大きく、且つＳ６０２において、第１候補と第２候
補との尤度の差が第１閾値差より大きい場合、第１候補
をそのまま利用する判断（ａ）を行う。

【０１１９】図１１を参照すれば、（Ｓ６０１）と（Ｓ
６０２）の処理において、（ａ）の判断が行われる場合
は（Ａ）に該当する。

【０１２０】（Ｓ６０３）次に、（Ａ）以外の場合で、
且つ対話セルモード２０３におけるフラグ列が、（イ）
且つ（（ロ）又は（ハ））であるとき、分岐判断部１１
７は、Ｓ６０４の処理を行う。

【０１２１】ここで、フラグ列が（イ）且つ（（ロ）又
は（ハ））であるとは、即ち、音声認識処理に応じた次
の対話セルへの分岐があることを示しているか、或い
は、後処理プログラム２０７について、認識結果をグロ
ーバル変数２１５に代入することを示している場合であ
る。

【０１２２】（Ｓ６０４）分岐判断部１１７は、第１候
補の尤度と第１閾値を比較する。そして、第１候補の尤
度が、第１閾値より大きい場合、分岐判断部１１７は、
Ｓ６０５の処理を続けて行う。

【０１２３】（Ｓ６０５）分岐判断部１１７は、第１候
補と第２候補との尤度の差と第２閾値差とを比較する。
そして、第１候補と第２候補との尤度の差が第２閾値差
より大きい場合、分岐判断部１１７は、第１候補につい
て確認処理をする判断を行う（ｂ）。

【０１２４】尚、（Ｓ６０４）において第１候補の尤度
が、第１閾値より大きい場合以外は、Ｓ６０６の処理に
移る。

【０１２５】（Ｓ６０６）分岐判断部１１７は、第１候
補の尤度と第２閾値を比較し、第１候補の尤度が、第２
閾値より大きい場合、Ｓ６０７の処理を続けて行う。

【０１２６】（Ｓ６０７）分岐判断部１１７は、第１候
補と第２候補との尤度の差と第１閾値差とを比較する。
そして、第１候補と第２候補との尤度の差が第１閾値差
より大きい場合、分岐判断部１１７は、第１候補につい
て確認処理をする判断を行う（ｂ）。

【０１２７】ここで、図１１を参照すれば、（Ｓ６０
３）〜（Ｓ６０７）の処理において、（ｂ）の判断が行
われる場合は（Ｂ）に該当する。

【０１２８】尚、図７に示すフローチャートを参照すれ
ば、分岐判断部１１７は、（Ｂ）以外の場合において、
第１候補について再入力処理をする判断（ｃ）を行う。
図１１を参照すれば、このときの場合分けは、（Ｃ）に
該当する。

【０１２９】次に、図８に示すフローチャートを参照し
て、Ｓ６０８からＳ６１２までの処理について説明す
る。

【０１３０】（Ｓ６０８）（Ｃ）以外の場合において、
且つ対話セルモード２０３におけるフラグ列が、（イ）
且つ（ホ）であるとき、分岐判断部１１７は、Ｓ６０９
の処理を行う。フラグ列が（イ）且つ（ホ）であると
は、即ち後処理プログラム２０７について、認識結果に
応じたグローバル変数２１５のカウンタ値を増やす処理
を行うことを示している場合である。

【０１３１】（Ｓ６０９）分岐判断部１１７は、第１候
補の尤度と第１閾値を比較し第１候補の尤度が、第１閾
値より大きい場合、Ｓ６１０の処理を行う。

【０１３２】（Ｓ６１０）分岐判断部１１７は、第１候
補と第２候補との尤度の差と第２閾値差とを比較する。
そして、第１候補と第２候補との尤度の差が第２閾値差
より大きい場合、分岐判断部１１７は、第１候補をその
まま利用する判断（ａ）を行う。

【０１３３】尚、Ｓ６０９において、第１候補の尤度が
第１閾値より大きい場合以外は、Ｓ６１１の処理に移
る。

【０１３４】（Ｓ６１１）分岐判断部１１７は、第１候
補の尤度と第２閾値を比較し、第１候補の尤度が、第２
閾値より大きい場合、Ｓ６１２の処理を続けて行う。

【０１３５】（Ｓ６１２）分岐判断部１１７は、第１候
補と第２候補との尤度の差と第１閾値差と比較する。そ
して、第１候補と第２候補との尤度の差が第１閾値差よ
り大きい場合、分岐判断部１１７は、第１候補をそのま
ま利用する判断（ａ）を行う。

【０１３６】ここで、図１１を参照すれば、（Ｓ６０
８）〜（Ｓ６１２）の処理において、（ａ）の判断が行
われる場合は、（Ｄ）に該当する。

【０１３７】そして、図８に示すフローチャートを参照
すれば、分岐判断部１１７は、（Ｄ）以外の場合におい
て、認識結果を破棄し次の処理に進む判断（ｅ）を行
う。図１１において、この場合は（Ｅ）に該当する。

【０１３８】更に、図８において、（Ｅ）以外の場合
は、認識結果を破棄し、音声録音ファイルを認識結果と
して代用し、データベース部に保存する判断（ｄ）が、
分岐判断部１１７によって行われる。この場合は、図１
１において、（Ｆ）に場合分けされる。

【０１３９】以上、図１１、図７及び図８を参照して説
明した、分岐判断部１１７が行う分岐判断の手順につい
て、例えば、認識結果が、第１候補：「３０代」、第１
候補の尤度０．９８７；第２候補：「４０代」、第２候
補の尤度０．７６５；第３候補：「１０代」、第３候補
の尤度０．５４３であった場合について考える。

【０１４０】ここで、メモリ１１９に格納されている基
準値について、第１閾値が０．８００、第２閾値が０．
６００、第１閾値差が０．２００、第２閾値差が０．１
００のように設定されているものとする。

【０１４１】このとき、第１候補の尤度、及び第１候補
と第２候補との尤度の差は、それぞれ０．９８７、０．
２２２である。よって、第１候補の尤度は、第１閾値
０．８００より大きく、且つ第１候補と第２候補との尤
度の差は、第１閾値差より大きい。即ち、このとき、図
７に示すフローチャートにおけるＳ６０１とＳ６０２の
処理において、分岐判断部１１７によって、（ａ）の判
断が行われる。これは、既に説明した（Ａ）の場合に相
当する。

【０１４２】尚、ここでは、第１候補の尤度、及び第１
候補と第２候補の尤度の差と、各閾値、各閾値差との比
較を行い、分岐判断を行うことについて説明したが、各
候補の尤度及びそれぞれの尤度の差と、各閾値、及び各
閾値差について比較する場合があってもよい。

【０１４３】５．確認入力処理 次に、図６に示したフローチャート中、Ｓ５０９の処
理、即ち確認入力処理について、図９に示すフローチャ
ートを参照して説明する。

【０１４４】ここで、既に説明したように、図６に示し
たフローチャート中、Ｓ５０９の処理で、分岐判断部１
１７が確認処理を行うと判断した場合、音声対話制御部
１１１において確認入力処理が開始される。

【０１４５】（Ｓ７０１）基本処理部１１５は、確認音
声メッセージ１３１を、記憶部１０７からメモリ１１９
に読み出す。続いて、基本処理部１１５は、認識結果の
第１候補に確認音声メッセージ１３１を付与する。そし
て、第１候補に付与された確認音声メッセージは、回線
処理部１０９を介し基本処理部１１５によって、利用者
の電話機１０１に送信される。

【０１４６】ここで、第１候補に付与された確認音声メ
ッセージは、認識結果における第１候補が、入力された
音声を確定するものであるか、確認を行うものである。
例えば、認識結果における第１候補が「３０代」である
場合、この第１候補に付与された確認音声メッセージ
は、「３０代でよろしいですか。はい、いいえでお答え
ください。」というようなものとなる。即ち、この実施
の形態で行われる確認処理において、利用者からの回答
は「はい」、もしくは「いいえ」で行われるものとす
る。

【０１４７】（Ｓ７０２）電話機１０１は、回線処理部
１０９からメッセージを受信し、これを再生する。

【０１４８】（Ｓ７０３）音声対話制御部１１１におい
て、基本処理部１１５は、「はい」もしくは「いいえ」
だけを認識する確認認識文法１２９を、記憶部１０７か
らメモリ１１９に読み込む。そして、基本処理部１１５
は、音声認識部１２１に確認認識文法１２９を送信する
とともに、音声認識開始の旨を通知する。音声認識部１
２１は確認認識文法１２９を用いて音声認識処理を開始
する。

【０１４９】（Ｓ７０４）その後、音声対話制御部１１
１は、音声認識部１２１からの結果待ち状態となる。こ
こで、結果待ち状態とは、音声認識部１２１から認識結
果が送信されるのを待つ状態である。

【０１５０】（Ｓ７０５）Ｓ７０２において、電話機１
０１で再生されたメッセージに対して、利用者は音声で
回答する。電話機１０１は、利用者の音声を音声対話装
置１００に送信する。

【０１５１】（Ｓ７０６）電話機１０１から、利用者の
音声を回線処理部１０９が受信する。続いて、基本処理
部１１５が回線処理部１０９から利用者の音声を受信す
る。基本処理部１１５は、音声認識部１２１に、利用者
の音声を送信する。

【０１５２】音声認識部１２１は、利用者の音声を受信
すると、この音声に対して音声認識を行う。音声認識の
手順は、確認認識文法１２９を用いて行われること以外
は、既に説明したものと同様である。そして、決定され
た認識結果は、音声認識部１２１から基本処理部１１５
に通知される。決定された認識結果の通知を結果通知と
いう。

【０１５３】例えば、利用者からの音声による回答が、
「はい」であるとすると、音声認識部１２１によって決
定された認識結果は、第１候補：「はい」、第１候補の
尤度０．９９０のようになる。

【０１５４】（Ｓ７０７）基本処理部１１５は、認識結
果を受信すると、分岐判断部１１７にこれを送信する。
分岐判断部１１７は、この認識結果の第１候補が「いい
え」ならば、Ｓ７０８の処理、即ち再入力処理を行う判
断をする。Ｓ７０８の処理についての詳細な説明は、後
述する。

【０１５５】一方、認識結果の第１候補が「はい」なら
ば、分岐判断部１１７は、全ての確認入力処理を終了す
る判断をする。このとき、音声対話制御部１１１におい
て、この認識結果の第１候補はそのまま利用され、処理
される。

【０１５６】６．再入力処理 ここで、図９に示すフローチャートにおけるＳ７０８の
処理、即ち再入力処理について、図１０に示すフローチ
ャートを参照して説明する。尚、図６のフローチャート
におけるＳ５１０の処理は、これより説明する再入力処
理と同様のものであり、同様の手順によって行われる。

【０１５７】（Ｓ８０１）まず、音声対話制御部１１１
において、基本処理部１１５は、再入力メッセージ１３
３を、記憶部１０７からメモリ１１９に読み出す。続い
て、回線処理部１０９を介して、基本処理部１１５より
利用者の電話機１０１に、再入力メッセージが送信され
る。

【０１５８】再入力メッセージは、例えば、「もう一
度、お答えを発声してください。」というように、利用
者に対して、電話機１０１における音声の再入力を促す
ものである。

【０１５９】（Ｓ８０２）電話機１０１は、回線処理部
１０９からメッセージを受信し、これを再生する。

【０１６０】（Ｓ８０３）利用者は、電話機１０１から
の再入力メッセージに対して、回答を音声で行う。電話
機１０１は利用者の音声を音声対話装置１００に送信す
る。

【０１６１】（Ｓ８０４）電話機１０１から、利用者の
音声を回線処理部１０９が受信する。続いて、基本処理
部１１５は、回線処理部１０９から利用者の音声を受信
する。その後、音声対話制御部１１１において、利用者
の音声に対する入力処理が行われる。この入力処理は既
に説明したものと同様の手順によって行われる。

【０１６２】入力処理終了後、この実施の形態の動作
は、図４に示すフローチャートにて既に説明したよう
な、Ｓ４０６以降の処理に移る。ここでは、重複する記
載について説明を省略する。

【０１６３】以上、この実施の形態の音声対話処理によ
れば、音声対話シーケンス１２５における各対話セル２
０１の処理が、繰り返し行われる。そして、この対話セ
ルの処理では、分岐判断部１１７は、対話セルモード２
０３、及び認識結果における尤度と基準値との比較に基
づいて、入力された音声に対して分岐判断を行う。そし
て、この分岐判断によって、認識結果について適した処
理が行われる。即ち、この実施の形態によれば、各対話
セルにおいて、最も適した音声対話処理が行われる。

【０１６４】よって、従来は人手による聞き起こしの作
業が必要であった認識結果に対して、この実施の形態で
は、人手を介する作業を省くことができる場合もある。
さらに、音声認識が様々な事由によってうまく行われな
い場合においても、分岐判断によって適した処理が決定
され、行われる。

【０１６５】また、認識結果における尤度と基準値を比
較することによって、分岐判断部１１７は、音声認識に
ついて認識性能を評価することができる。即ち分岐判断
部１１７は、認識結果について、音声処理部１１３の装
置構成を考慮した的確な分岐判断を行っているといえ
る。

【０１６６】

【発明の効果】以上、この発明の音声対話装置及び音声
対話処理方法によれば、入力された音声に対する認識結
果について、音声対話制御部において、分岐判断部が分
岐判断を行い、最も適した処理を決定する。この際、分
岐判断部において、基準値と尤度とを比較することによ
り、音声認識の認識性能を評価することができる。即ち
分岐判断部は、音声処理部における認識結果について的
確な分岐判断を行っている。よって、この発明の音声対
話装置及び音声対話処理方法によれば、効率が良く、且
つ信頼性の高い音声対話処理を実現することができる。

【図面の簡単な説明】

【図１】この発明の実施の形態における音声対話装置の
構成を示すブロック図である。

【図２】音声対話シーケンスの構成を示すブロック図で
ある。

【図３】この実施の形態における音声対話処理を示すフ
ローチャートである。

【図４】この実施の形態による各対話セルの処理を示す
フローチャートである。

【図５】この実施の形態による入力処理を示すフローチ
ャートである。

【図６】この実施の形態による入力処理を示すフローチ
ャートである。

【図７】この実施の形態による分岐判断における処理を
示すフローチャートである。

【図８】この実施の形態による分岐判断における処理を
示すフローチャートである。

【図９】この実施の形態による確認処理を示すフローチ
ャートである。

【図１０】この実施の形態による再入力処理を示すフロ
ーチャートである。

【図１１】この実施の形態による分岐判断部における分
岐判断を説明するための図である。

【符号の説明】 １００：音声対話装置 １０１：利用者の電話機 １０３：通信回線 １０５：音声対話処理部 １０７：記憶部 １０９：回線処理部 １１１：音声対話制御部 １１３：音声処理部 １１５：基本処理部 １１７：分岐判断部 １１９：メモリ １２１：音声認識部 １２３：音声録音部 １２５：音声対話シーケンス １２７：音声メッセージ １２９：確認認識文法 １３１：確認音声メッセージ １３３：再入力メッセージ １３５：データベース部 １３７：音声処理情報 ２０１：対話セル ２０３：対話セルモード（第３情報） ２０５：前処理プログラム ２０７：後処理プログラム ２０９：次セルポインタ ２１１：音声ファイル名（第１情報） ２１３：認識文法（第２情報） ２１５：グローバル変数 ２１７：第２情報群 ２１９：第１情報群

フロントページの続き (72)発明者 早川 慎司 東京都港区虎ノ門１丁目７番12号 沖電気 工業株式会社内 Ｆターム(参考） 5D015 KK02 KK04 LL10 5D045 AB04 AB26 5K027 BB01 HH20

Claims (18)

【特許請求の範囲】
1. 【請求項１】 通信回線を介して利用者の電話機に接続
   され、該電話機からの音声を受信し、音声対話処理を行
   う音声対話装置において、 前記電話機から入力された音声について、該音声を確定
   するための複数の候補とそれぞれの候補に対する尤度と
   を認識結果として決定し、且つ、判断を行う際に用いる
   ため予め設定された基準値と前記尤度とを比較すること
   によって、分岐判断を行い、前記認識結果をどのように
   処理するか決定する音声対話処理部を具えることを特徴
   とする音声対話装置。
2. 【請求項２】 請求項１に記載の音声対話装置におい
   て、 前記認識結果の決定に利用される第１情報と第２情報と
   を含む第１情報群と、 前記分岐判断に利用される第３情報を含む第２情報群と
   を有する音声処理情報が、予め格納されている記憶部を
   具えることを特徴とする音声対話装置。
3. 【請求項３】 請求項２に記載の音声対話装置におい
   て、 前記音声対話処理部は、 前記電話機に接続された回線処理部と、 基本処理部、分岐判断部、及び前記基準値を格納するた
   めのメモリを有する音声対話制御部と、 前記認識結果を決定する音声処理部とを具え、 前記基本処理部は、前記第１情報と前記第２情報とを、
   前記記憶部から前記メモリに読み込み、該第１情報を利
   用して、前記回線処理部を介して前記電話機と音声対話
   を行い、及び前記電話機からの音声を受信し、 前記音声処理部は、前記電話機からの音声と前記第２情
   報とを、前記基本処理部から受信し、前記第２情報を利
   用して前記認識結果を決定し、及び該認識結果を前記基
   本処理部に送信し、 前記分岐判断部は、前記認識結果を前記基本処理部から
   受信し、及び前記記憶部から前記第３情報を、前記メモ
   リから前記基準値を、それぞれ読み出すとともに、 前記尤度と前記基準値との比較、及び前記第３情報に基
   づいて、前記分岐判断を行うことを特徴とする音声対話
   装置。
4. 【請求項４】 請求項３に記載の音声対話装置におい
   て、 前記音声処理部は、 前記認識結果の決定を行うための音声認識部と、 前記電話機からの音声に対し、録音処理を行い、音声録
   音ファイルを作成する音声録音部とを具えることを特徴
   とする音声対話装置。
5. 【請求項５】 請求項４に記載の音声対話装置におい
   て、 前記記憶部に予め格納された前記音声処理情報には、複
   数の対話セルを有する音声対話シーケンスが含まれてお
   り、 前記対話セルは、 前記第１情報群と、該対話セルの処理を決定する前記第
   ３情報としての対話セルモードを含む前記第２情報群と
   を有しており、 前記分岐判断は、前記尤度と前記基準値との比較、及び
   前記対話セルモードに基づいて行われることを特徴とす
   る音声対話装置。
6. 【請求項６】 請求項５に記載の音声対話装置におい
   て、 前記音声処理情報には、音声によるメッセージを収録し
   た複数のファイルを有する音声メッセージが含まれてお
   り、 前記第１情報群は、 前記電話機と前記音声対話を行う際に利用されるファイ
   ルを、前記複数のファイルから指定する前記第１情報と
   しての音声ファイル名と、 前記認識結果を決定する際に利用される前記第２情報と
   しての認識文法とを含み、 前記第２情報群は、前記対話セルモードのほかに、 前記音声対話処理に必要な前処理を記述する前処理プロ
   グラムと、 前記音声対話処理に必要な後処理を記述する後処理プロ
   グラムと、 該対話セルにおける処理の終了後、次に進むべき対話セ
   ルを指定する次セルポインタとを含み、 前記対話セルモードは、 前記前処理プログラムと、前記後処理プログラムと、前
   記次セルポインタとに依存することを特徴とする音声対
   話装置。
7. 【請求項７】 請求項６に記載の音声対話装置におい
   て、 前記音声対話シーケンスは、前記対話セルに対応して設
   定されたグローバル変数を有しており、且つ、前記対話
   セルモードは、複数のフラグ列から構成されており、 該フラグ列は、 （イ）前記対話セルモードが音声認識処理を含むかどう
   か、 （ロ）前記対話セルにおいて、次の対話セルへの分岐が
   あるかどうか、 （ハ）前記後処理プログラムが、前記認識結果につい
   て、前記グローバル変数に代入するかどうか、 （ニ）前記後処理プログラムが、前記認識結果につい
   て、前記記憶部に設置されたデータベース部に登録する
   かどうか、又は、 （ホ）前記後処理プログラムが、前記認識結果につい
   て、前記グローバル変数或いは前記データベース部内の
   カウンタ値を増やす処理を行うかどうか、を示すもので
   あることを特徴とする音声対話装置。
8. 【請求項８】 請求項７に記載の音声対話装置におい
   て、 前記分岐判断部は、前記分岐判断の結果、前記認識結果
   について、 そのまま利用するか、破棄するか、確認処理を行うか、
   再入力処理を行うか、又は、前記音声録音ファイルを前
   記認識結果として代用し前記データベース部に保存する
   か、のいずれかの処理を決定することを特徴とする音声
   対話装置。
9. 【請求項９】 請求項８に記載の音声対話装置におい
   て、 前記認識結果について、そのまま利用するか、破棄する
   か、確認処理を行うか、再入力処理を行うか、又は、前
   記音声録音ファイルを前記認識結果として代用し前記デ
   ータベース部に保存するか、の判断を行う際に用いられ
   る前記基準値は、第１閾値、第２閾値、第１閾値差、及
   び第２閾値差の４つの基準値として設定されていること
   を特徴とする音声対話装置。
10. 【請求項１０】 請求項９に記載の音声対話装置におい
    て、 前記分岐判断部は、前記分岐判断において、前記複数の
    候補のうち第１候補の尤度、及び該第１候補と第２候補
    との尤度の差について、 （Ａ）前記第１候補の尤度が前記第１閾値より大きく、
    且つ前記尤度の差が前記第１閾値差より大きい場合、前
    記第１候補をそのまま利用する判断を行い、 （Ｂ）（Ａ）以外の場合で、且つ前記対話セルモードに
    おけるフラグ列が、前記対話セルについて、前記音声認
    識処理に応じた前記次の対話セルへの分岐があることを
    示しているか、或いは、前記後処理プログラムについ
    て、前記認識結果を前記グローバル変数に代入すること
    を示しているとき、 前記第１候補の尤度が、前記第１閾値より大きく、且つ
    前記尤度の差が前記第２閾値差より大きい場合、 或いは前記第１候補の尤度が、前記第２閾値より大き
    く、且つ前記尤度の差が前記第１閾値差より大きい場合
    において、前記第１候補について確認処理をする判断を
    行い、 （Ｃ）（Ｂ）以外の場合において、前記第１候補につい
    て再入力処理をする判断を行い、 （Ｄ）（Ｃ）以外の場合において、且つ前記対話セルモ
    ードにおけるフラグ列が、前記後処理プログラムについ
    て、前記認識結果に応じた前記グローバル変数のカウン
    タ値を増やす処理を行うことを示しているとき、 前記第１候補の尤度が、前記第１閾値より大きく、且つ
    前記尤度の差が前記第２閾値差より大きい場合、 或いは前記第１候補の尤度が、前記第２閾値より大き
    く、且つ前記尤度の差が前記第１閾値差より大きい場合
    において、前記第１候補をそのまま利用する判断を行
    い、 （Ｅ）（Ｄ）以外の場合、前記認識結果を破棄し、次の
    処理に進む判断を行い、 （Ｆ）（Ｅ）以外の場合、前記認識結果を破棄し、前記
    音声録音ファイルを前記認識結果として代用し前記デー
    タベース部に保存する判断を行うことを特徴とする音声
    対話装置。
11. 【請求項１１】 通信回線を介して利用者の電話機に接
    続された音声対話処理部を具える音声対話装置において
    音声対話処理を行うにあたり、 前記電話機から入力された音声を確定するための複数の
    候補とそれぞれの候補に対する尤度とを認識結果として
    決定し、且つ、判断を行う際に用いるため予め設定され
    た基準値と前記尤度とを比較することによって、分岐判
    断を行い、該分岐判断によって前記認識結果をどのよう
    に処理するか決定することを特徴とする音声対話処理方
    法。
12. 【請求項１２】 請求項１１に記載の音声対話処理方法
    において、 第１及び第２情報を含む第１情報群と、第３情報を含む
    第２情報群とを有する音声処理情報を予め記憶部に格納
    しておくとき、 前記第１及び第２情報を前記記憶部から読み出して、該
    第１及び第２情報を利用し前記認識結果を決定し、 前記第３情報を前記記憶部から読み出して、該第３情報
    を利用し前記分岐判断を行うことを特徴とする音声対話
    処理方法。
13. 【請求項１３】 請求項１２に記載の音声対話処理方法
    において、 前記第１及び第２情報を前記記憶部からメモリに読み出
    し、 該読み出された第１情報を利用して、回線処理部を介し
    て基本処理部と前記電話機との間で音声対話を行い、及
    び前記電話機からの音声を前記回線処理部を介して前記
    基本処理部で受信し、 前記メモリに読み出された前記第２情報を利用して前記
    認識結果を決定し、 前記第３情報を前記記憶部から読み出すとともに、前記
    メモリに予め格納されている前記基準値を読み出し、 前記尤度と前記基準値との比較、及び前記第３情報に基
    づいて、前期分岐判断を行うことを特徴とする音声対話
    処理方法。
14. 【請求項１４】 請求項１３に記載の音声対話処理方法
    において、 前記電話機からの音声に対して、音声録音部において、
    録音処理を行って音声録音ファイルを作成することを特
    徴とする音声対話処理方法。
15. 【請求項１５】 請求項１４に記載の音声対話処理方法
    において、 前記記憶部に予め格納された前記音声処理情報は、複数
    の対話セルを有する音声対話シーケンスを含み、 前記対話セルは、前記第１情報群と、前記対話セルの処
    理を決定する前記第３情報としての対話セルモードを含
    む前記第２情報群とを有しており、 前記分岐判断は、前記尤度と前記基準値との比較、及び
    前記対話セルモードに基づいて行われることを特徴とす
    る音声対話処理方法。
16. 【請求項１６】 請求項１５に記載の音声対話処理方法
    において、 前記音声処理情報には、音声によるメッセージを収録し
    た複数のファイルを有する音声メッセージが含まれてお
    り、 前記第１情報群は、 前記基本処理部と前記電話機との間で前記音声対話を行
    う際に利用されるファイルを、前記複数のファイルから
    指定する前記第１情報としての音声ファイル名と、 前記認識結果を決定する際に利用される前記第２情報と
    しての認識文法とを含み、 前記第２情報群は、前記対話セルモードのほかに、 前記音声対話処理に必要な前処理を記述する前処理プロ
    グラムと、 前記音声対話処理に必要な後処理を記述する後処理プロ
    グラムと、 該対話セルにおける処理の終了後、次に進むべき対話セ
    ルを指定する次セルポインタとを含み、 前記対話セルモードは、 前記前処理プログラムと、前記後処理プログラムと、前
    記次セルポインタとに依存することを特徴とする音声対
    話処理方法。
17. 【請求項１７】 請求項１６に記載の音声対話処理方法
    において、 前記音声対話シーケンスは、前記対話セルに対応して設
    定されたグローバル変数を有しており、且つ、前記対話
    セルモードは、複数のフラグ列から構成されており、 該フラグ列は、 （イ）前記対話セルモードが音声認識処理を含むかどう
    か、 （ロ）前記対話セルにおいて、次の対話セルへの分岐が
    あるかどうか、 （ハ）前記後処理プログラムが、前記認識結果につい
    て、前記グローバル変数に代入するかどうか、 （ニ）前記後処理プログラムが、前記認識結果につい
    て、前記記憶部に設置されたデータベース部に登録する
    かどうか、又は、 （ホ）前記後処理プログラムが、前記認識結果につい
    て、前記グローバル変数或いは前記データベース部内の
    カウンタ値を増やす処理を行うかどうか、を示すもので
    あることを特徴とする音声対話処理方法。
18. 【請求項１８】 請求項１７に記載の音声対話処理方法
    において、 前記基準値を、第１閾値、第２閾値、第１閾値差、第２
    閾値差の４つの基準値として設定しておき、前記分岐判
    断は、前記複数の候補のうち第１候補の尤度、及び該第
    １候補と第２候補との尤度の差について、 （Ａ）前記第１候補の尤度が前記第１閾値より大きく、
    且つ前記尤度の差が前記第１閾値差より大きい場合、前
    記第１候補をそのまま利用する処理を決定し、 （Ｂ）（Ａ）以外の場合で、且つ前記対話セルモードに
    おけるフラグ列が、前記対話セルについて、前記音声認
    識処理に応じた前記次の対話セルへの分岐があることを
    示しているか、或いは、前記後処理プログラムについ
    て、前記認識結果を前記グローバル変数に代入すること
    を示しているとき、 前記第１候補の尤度が、前記第１閾値より大きく、且つ
    前記尤度の差が前記第２閾値差より大きい場合、或いは
    前記第１候補の尤度が、前記第２閾値より大きく、且つ
    前記尤度の差が前記第１閾値差より大きい場合におい
    て、前記第１候補について確認処理を行う決定をし、 （Ｃ）（Ｂ）以外の場合において、前記第１候補につい
    て再入力処理をする決定をし、 （Ｄ）（Ｃ）以外の場合において、且つ前記対話セルモ
    ードにおけるフラグ列が、前記後処理プログラムについ
    て、前記認識結果に応じた前記グローバル変数のカウン
    タ値を増やす処理を行うことを示しているとき、 前記第１候補の尤度が、前記第１閾値より大きく、且つ
    前記尤度の差が前記第２閾値差より大きい場合、 或いは前記第１候補の尤度が、前記第２閾値より大き
    く、且つ前記尤度の差が前記第１閾値差より大きい場合
    において、前記第１候補をそのまま利用する処理を決定
    し、 （Ｅ）（Ｄ）以外の場合、前記認識結果を破棄し、次の
    処理に進む決定をし、 （Ｆ）（Ｅ）以外の場合、前記認識結果を破棄し、前記
    音声録音ファイルを前記認識結果として代用し前記デー
    タベース部に保存する処理を決定することを特徴とする
    音声対話処理方法。