JP5739718B2 - 対話装置 - Google Patents
対話装置 Download PDFInfo
- Publication number
- JP5739718B2 JP5739718B2 JP2011092683A JP2011092683A JP5739718B2 JP 5739718 B2 JP5739718 B2 JP 5739718B2 JP 2011092683 A JP2011092683 A JP 2011092683A JP 2011092683 A JP2011092683 A JP 2011092683A JP 5739718 B2 JP5739718 B2 JP 5739718B2
- Authority
- JP
- Japan
- Prior art keywords
- recognition
- response
- unit
- path search
- response action
- Prior art date
- Legal status (The legal status 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 status listed.)
- Active
Links
- 230000002452 interceptive effect Effects 0.000 title claims description 64
- 230000004044 response Effects 0.000 claims description 424
- 230000009471 action Effects 0.000 claims description 215
- 230000003993 interaction Effects 0.000 claims description 13
- 230000000694 effects Effects 0.000 claims 1
- 230000006399 behavior Effects 0.000 description 178
- 238000000034 method Methods 0.000 description 79
- 230000008569 process Effects 0.000 description 62
- 238000004458 analytical method Methods 0.000 description 20
- 239000013598 vector Substances 0.000 description 19
- 238000012545 processing Methods 0.000 description 13
- 230000007423 decrease Effects 0.000 description 5
- 238000001514 detection method Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 239000000945 filler Substances 0.000 description 3
- 230000011218 segmentation Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000000877 morphologic effect Effects 0.000 description 2
- 238000013518 transcription Methods 0.000 description 2
- 230000035897 transcription Effects 0.000 description 2
- 238000007476 Maximum Likelihood Methods 0.000 description 1
- 235000016496 Panda oleosa Nutrition 0.000 description 1
- 240000000220 Panda oleosa Species 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000029058 respiratory gaseous exchange Effects 0.000 description 1
- 238000010845 search algorithm Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/22—Procedures used during a speech recognition process, e.g. man-machine dialogue
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/30—Semantic analysis
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/26—Speech to text systems
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/22—Procedures used during a speech recognition process, e.g. man-machine dialogue
- G10L2015/223—Execution procedure of a spoken command
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Computational Linguistics (AREA)
- Health & Medical Sciences (AREA)
- Multimedia (AREA)
- Acoustics & Sound (AREA)
- Human Computer Interaction (AREA)
- Theoretical Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- User Interface Of Digital Computer (AREA)
Description
以下、本発明の第1実施形態に係る対話装置1について、図1〜図5を参照しながら詳細に説明する。対話装置1は、入力されたユーザの音声(以下、適宜入力音声という)から当該ユーザの発話内容を認識し、この発話内容に対応した応答行動を行うものである。対話装置1は、例えば前記したコミュニケーションロボットや、音声を用いて航空券やチケット等の購入を行うシステム等に利用される。
以下、第1実施形態に係る対話装置1の動作について、図6を参照しながら簡単に説明する。
以下、図6における認識区間の設定処理(ステップS2)の詳細について、図7を参照しながら簡単に説明する。
以下、図6における認識開始位置の更新処理(ステップS7)の詳細について、図8を参照しながら簡単に説明する。
以下、図6における応答行動の決定処理(ステップS5)の一例の詳細について、図9を参照(適宜図4(c)および図5参照)しながら簡単に説明する。なお、以下の説明では、まず図9(a)を参照しながらフローチャートによって一連の処理の流れを説明するとともに、図9(b)を参照しながら一連の処理の具体例についても説明する。
以下、図6における応答行動の決定処理(ステップS5)のその他の例の詳細について、図10を参照(適宜図4(c)および図5参照)しながら簡単に説明する。なお、以下の説明では、まず図10(a)を参照しながらフローチャートによって一連の処理の流れを説明するとともに、図10(b)を参照しながら一連の処理の具体例についても説明する。
以下、図6における応答行動の実行処理(ステップS6)の一例の詳細について、図11を参照しながら簡単に説明する。
以下、図6における応答行動の実行処理(ステップS6)のその他の例の詳細について、図12を参照しながら簡単に説明する。
以下、第2実施形態に係る対話装置1Aについて、図13および図14を参照しながら簡単に説明する。対話装置1Aは、図13に示すように、応答行動記憶手段60と、応答行動履歴記憶手段70と、を更に備える以外は、第1実施形態に係る対話装置1と同様の構成を備えている。従って、以下の説明では、対話装置1との相違点を中心に説明を行い、当該対話装置1と重複する構成については詳細説明を省略する。
[対話装置1Aの動作]
以下、第2実施形態に係る対話装置1Aの動作について、図15を参照しながら簡単に説明する。なお、対話装置1Aは、応答行動の決定処理(図6のステップS5)以外の処理は、対話装置1と同様であるため、以下の説明では、対話装置1Aにおける応答行動の実行処理についてのみ説明する。また、以下の説明では、まず図15(a)を参照しながらフローチャートによって一連の処理の流れを説明するとともに、図15(b)を参照しながら一連の処理の具体例についても説明する。
ここで、前記した対話装置1,1Aは、一般的なコンピュータを、前記した各手段および各部として機能させるプログラムにより動作させることで実現することができる。このプログラムは、通信回線を介して配布することも可能であるし、CD−ROM等の記録媒体に書き込んで配布することも可能である。
10 音声入力手段
20 認識区間設定手段
21 音声分析部
22 認識開始位置設定部
23 認識終了位置設定部
24 認識終了位置更新部
25 認識開始位置更新部
30 音声認識手段
31 第1パス探索部
32 第2パス探索部
40 応答行動決定手段
50 応答行動実行手段
60 応答行動記憶手段
70 応答行動履歴記憶手段
Claims (6)
- 入力された音声を音声認識することでユーザの発話内容を認識し、当該発話内容に対応した所定の応答行動を行う対話装置であって、
前記音声中における前記ユーザの発話の始端となる発話始端フレームを認識開始位置に設定するとともに、当該認識開始位置から所定の時間長だけ進んだ位置のフレームを認識終了位置に設定し、既に設定された前記認識終了位置を、当該認識終了位置から前記所定の時間長だけ進んだ位置のフレームに繰り返し更新することで、音声認識を実施する前記認識終了位置の異なる複数の認識区間を設定する認識区間設定手段と、
前記認識区間において音声認識を行う音声認識手段と、
前記音声認識手段による認識結果の中に所定のキーフレーズが含まれる場合、当該キーフレーズに対応した所定の応答行動を決定する応答行動決定手段と、
前記応答行動決定手段によって決定された応答行動を逐次実行する応答行動実行手段と、を備え、
前記音声認識手段は、
前記ユーザの発話区間において、前記発話始端フレームから発話の終端となる発話終端フレームに向かって単語候補の探索を行う第1パス探索部と、
前記第1パス探索部による探索結果に従って、前記認識終了位置の異なる複数の認識区間のそれぞれについて、前記認識終了位置から前記認識開始位置に向かって前記単語候補の探索を行う第2パス探索部と、を備え、
前記認識区間設定手段は、前記第2パス探索部による探索結果の中に前記ユーザの発話の区切りが含まれる場合、前記認識開始位置を、当該発話の区切りの先頭の位置のフレームに更新し、
前記応答行動決定手段は、前記第2パス探索部による探索結果の中に前記所定のキーフレーズが含まれる場合、当該キーフレーズに対応して予め定められた前記所定の応答行動を決定することを特徴とする対話装置。 - 前記応答行動決定手段は、前記第2パス探索部による探索結果の中に複数の単語からなる所定のキーフレーズが含まれる場合、当該キーフレーズに対応した所定の応答行動を決定することを特徴とする請求項1に記載の対話装置。
- 前記第2パス探索部は、探索を行った前記単語候補ごとに、当該単語候補の確からしさを示す単語信頼度を算出し、
前記応答行動決定手段は、前記第2パス探索部による探索結果の中に前記所定のキーフレーズが含まれるとともに、当該キーフレーズと一致する単語候補の前記単語信頼度が予め定められた所定値よりも高い場合、前記キーフレーズに対応した前記所定の応答行動を決定することを特徴とする請求項1または請求項2に記載の対話装置。 - 前記キーフレーズと、当該キーフレーズに対応した前記所定の応答行動と、当該所定の応答行動のカテゴリを示す応答行動カテゴリと、をそれぞれ関連付けて記憶する応答行動記憶手段と、
前記応答行動決定手段によって既に決定された応答行動の履歴を記憶する応答行動履歴記憶手段と、を備え、
前記応答行動決定手段は、前記第2パス探索部による探索結果の中に前記所定のキーフレーズが含まれる場合、前記応答行動記憶手段および前記応答行動履歴記憶手段を参照することで、今回決定しようとする応答行動の前記応答行動カテゴリと、前回決定された応答行動の前記応答行動カテゴリと、が一致するか否かを判定し、両者が一致する場合、前記キーフレーズに対応した前記所定の応答行動を決定することを特徴とする請求項1から請求項3のいずれか一項に記載の対話装置。 - 前記応答行動実行手段は、前記第2パス探索部による最後の探索結果に従って決定された応答行動と、前記第2パス探索部による最後よりも前の探索結果に従って決定された応答行動と、が異なる場合、最後の探索結果に従って決定された応答行動を実行することを特徴とする請求項1から請求項4のいずれか一項に記載の対話装置。
- 前記応答行動実行手段は、前記応答行動決定手段によって決定された応答行動の実行を開始した後に、前記第2パス探索部による最後の探索が行われた場合において、現在実行中の応答行動に対応した前記第2パス探索部による探索結果の認識結果と、前記第2パス探索部による最後の探索結果と、が異なる場合、現在実行中の応答行動を中止して当該応答行動を訂正するための所定の応答行動を実行した後、前記第2パス探索部による最後の探索結果に従って、前記応答行動決定手段によって決定された応答行動を実行することを特徴とする請求項1から請求項5のいずれか一項に記載の対話装置。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2011092683A JP5739718B2 (ja) | 2011-04-19 | 2011-04-19 | 対話装置 |
US13/450,515 US9002705B2 (en) | 2011-04-19 | 2012-04-19 | Interactive device that recognizes input voice of a user and contents of an utterance of the user, and performs a response corresponding to the recognized contents |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2011092683A JP5739718B2 (ja) | 2011-04-19 | 2011-04-19 | 対話装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2012226068A JP2012226068A (ja) | 2012-11-15 |
JP5739718B2 true JP5739718B2 (ja) | 2015-06-24 |
Family
ID=47022013
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2011092683A Active JP5739718B2 (ja) | 2011-04-19 | 2011-04-19 | 対話装置 |
Country Status (2)
Country | Link |
---|---|
US (1) | US9002705B2 (ja) |
JP (1) | JP5739718B2 (ja) |
Families Citing this family (25)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10304465B2 (en) | 2012-10-30 | 2019-05-28 | Google Technology Holdings LLC | Voice control user interface for low power mode |
US10373615B2 (en) | 2012-10-30 | 2019-08-06 | Google Technology Holdings LLC | Voice control user interface during low power mode |
US10381002B2 (en) | 2012-10-30 | 2019-08-13 | Google Technology Holdings LLC | Voice control user interface during low-power mode |
US9584642B2 (en) | 2013-03-12 | 2017-02-28 | Google Technology Holdings LLC | Apparatus with adaptive acoustic echo control for speakerphone mode |
CN103838773A (zh) * | 2012-11-26 | 2014-06-04 | 百度在线网络技术(北京)有限公司 | 搜索结果用户评判方法及装置 |
WO2014087704A1 (ja) * | 2012-12-06 | 2014-06-12 | 楽天株式会社 | 入力支援装置、入力支援方法、及び入力支援プログラム |
WO2014125736A1 (ja) * | 2013-02-14 | 2014-08-21 | ソニー株式会社 | 音声認識装置、および音声認識方法、並びにプログラム |
US9747899B2 (en) | 2013-06-27 | 2017-08-29 | Amazon Technologies, Inc. | Detecting self-generated wake expressions |
US9829336B2 (en) * | 2013-10-22 | 2017-11-28 | Mitsubishi Electric Corporation | Server for navigation, navigation system, and navigation method |
US8768712B1 (en) | 2013-12-04 | 2014-07-01 | Google Inc. | Initiating actions based on partial hotwords |
CN103903623B (zh) * | 2014-03-31 | 2017-09-29 | 联想(北京)有限公司 | 一种信息处理方法及电子设备 |
US10134425B1 (en) * | 2015-06-29 | 2018-11-20 | Amazon Technologies, Inc. | Direction-based speech endpointing |
US20170069309A1 (en) | 2015-09-03 | 2017-03-09 | Google Inc. | Enhanced speech endpointing |
US10339917B2 (en) | 2015-09-03 | 2019-07-02 | Google Llc | Enhanced speech endpointing |
CN105355200B (zh) * | 2015-11-20 | 2020-02-07 | 深圳狗尾草智能科技有限公司 | 直接训练和修改机器人交互内容的***及方法 |
US10044710B2 (en) | 2016-02-22 | 2018-08-07 | Bpip Limited Liability Company | Device and method for validating a user using an intelligent voice print |
US20170282383A1 (en) * | 2016-04-04 | 2017-10-05 | Sphero, Inc. | System for content recognition and response action |
JP6402748B2 (ja) * | 2016-07-19 | 2018-10-10 | トヨタ自動車株式会社 | 音声対話装置および発話制御方法 |
JP6649200B2 (ja) * | 2016-08-04 | 2020-02-19 | 日本電信電話株式会社 | 発話生成装置、方法、及びプログラム |
JP6599914B2 (ja) * | 2017-03-09 | 2019-10-30 | 株式会社東芝 | 音声認識装置、音声認識方法およびプログラム |
JP7243625B2 (ja) * | 2017-11-15 | 2023-03-22 | ソニーグループ株式会社 | 情報処理装置、及び情報処理方法 |
CN110111793B (zh) * | 2018-02-01 | 2023-07-14 | 腾讯科技(深圳)有限公司 | 音频信息的处理方法、装置、存储介质及电子装置 |
JPWO2020208926A1 (ja) | 2019-04-08 | 2020-10-15 | ||
GB2583117B (en) * | 2019-04-17 | 2021-06-30 | Sonocent Ltd | Processing and visualising audio signals |
CN110534109B (zh) * | 2019-09-25 | 2021-12-14 | 深圳追一科技有限公司 | 语音识别方法、装置、电子设备及存储介质 |
Family Cites Families (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH06259090A (ja) * | 1993-03-09 | 1994-09-16 | Nec Corp | 音声対話システム |
JPH06266383A (ja) * | 1993-03-11 | 1994-09-22 | Fujitsu Ltd | 音声切出装置 |
JPH08263092A (ja) * | 1995-03-23 | 1996-10-11 | N T T Data Tsushin Kk | 応答音声生成方法および音声対話システム |
JPH09212779A (ja) * | 1996-01-31 | 1997-08-15 | Hitachi Zosen Corp | セキュリティ装置 |
JP3813491B2 (ja) * | 2001-10-30 | 2006-08-23 | 日本放送協会 | 連続音声認識装置およびそのプログラム |
US7813928B2 (en) * | 2004-06-10 | 2010-10-12 | Panasonic Corporation | Speech recognition device, speech recognition method, and program |
US8843376B2 (en) * | 2007-03-13 | 2014-09-23 | Nuance Communications, Inc. | Speech-enabled web content searching using a multimodal browser |
US20090248411A1 (en) * | 2008-03-28 | 2009-10-01 | Alon Konchitsky | Front-End Noise Reduction for Speech Recognition Engine |
JP2012502325A (ja) * | 2008-09-10 | 2012-01-26 | ジュンヒュン スン | デバイスインターフェイシングのための多重モード調音統合 |
JP4992925B2 (ja) * | 2009-03-23 | 2012-08-08 | トヨタ自動車株式会社 | 音声対話装置及びプログラム |
-
2011
- 2011-04-19 JP JP2011092683A patent/JP5739718B2/ja active Active
-
2012
- 2012-04-19 US US13/450,515 patent/US9002705B2/en not_active Expired - Fee Related
Also Published As
Publication number | Publication date |
---|---|
JP2012226068A (ja) | 2012-11-15 |
US20120271633A1 (en) | 2012-10-25 |
US9002705B2 (en) | 2015-04-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP5739718B2 (ja) | 対話装置 | |
JP5040909B2 (ja) | 音声認識辞書作成支援システム、音声認識辞書作成支援方法及び音声認識辞書作成支援用プログラム | |
EP2048655B1 (en) | Context sensitive multi-stage speech recognition | |
KR100612839B1 (ko) | 도메인 기반 대화 음성인식방법 및 장치 | |
JP4301102B2 (ja) | 音声処理装置および音声処理方法、プログラム、並びに記録媒体 | |
KR100679044B1 (ko) | 사용자 적응형 음성 인식 방법 및 장치 | |
JP5282737B2 (ja) | 音声認識装置および音声認識方法 | |
JP4465564B2 (ja) | 音声認識装置および音声認識方法、並びに記録媒体 | |
JP4802434B2 (ja) | 音声認識装置及び音声認識方法、並びにプログラムを記録した記録媒体 | |
US20140067394A1 (en) | System and method for decoding speech | |
KR20040076035A (ko) | 음소 결합정보를 이용한 연속 음성인식방법 및 장치 | |
JP2001249684A (ja) | 音声認識装置および音声認識方法、並びに記録媒体 | |
US7653541B2 (en) | Speech processing device and method, and program for recognition of out-of-vocabulary words in continuous speech | |
JP5447373B2 (ja) | 言語モデルスコア先読み値付与装置およびその方法ならびにプログラム記録媒体 | |
JP4987530B2 (ja) | 音声認識辞書作成装置および音声認識装置 | |
JP4733436B2 (ja) | 単語・意味表現組データベースの作成方法、音声理解方法、単語・意味表現組データベース作成装置、音声理解装置、プログラムおよび記憶媒体 | |
JP2000056795A (ja) | 音声認識装置 | |
WO2013125203A1 (ja) | 音声認識装置、音声認識方法およびコンピュータプログラム | |
JP6497651B2 (ja) | 音声認識装置および音声認識プログラム | |
Arısoy et al. | Discriminative n-gram language modeling for Turkish | |
JP2975542B2 (ja) | 音声認識装置 | |
JP3575904B2 (ja) | 連続音声認識方式及び標準パタン訓練方式 | |
JP2005070330A (ja) | 音声認識装置及びプログラム | |
JP4689497B2 (ja) | 音声認識装置 | |
JP4600705B2 (ja) | 音声認識装置および音声認識方法、並びに記録媒体 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20131127 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20140724 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20140930 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20141113 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20150414 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20150424 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 5739718 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |