JP2003316385A - 音声対話システム及び音声対話方法 - Google Patents

Abstract

(57)【要約】 【課題】 音声入力による対話を自由に、かつ、効率的
に行うことができるようにし、各種車載情報サービス
を、安価に、かつ、効率的に、使い勝手よく利用可能と
する。 【解決手段】 タスク管理処理８０２は、サービスする
各種情報のタスクに関するタスクドキュメント８０１を
データとして、具体的に必須な対話シーケンスの表現を
生成する。この対話シーケンスに基づいて、各タスクに
おいて出現する応答ダイアログ８０６や、時間ダイアロ
グ８０７、場所ダイアログ８０８、会場ダイアログ８０
９等の具体的な対話のダイアログが、実際の時間辞書８
０１０、地名辞書８０１１、会場名辞書８０１２等を利
用して、より詳細な対話ダイアログに生成される。そし
て、音声認識に必須な対話の流れがVoiceXML記述言語等
により表現されて、実際の音声対話のサービスが実行さ
れる。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は、音声対話システム
及び音声対話方法に係り、特に、音声入出力機能を有す
るネットワーク型の車載情報サービスシステム、電話を
端末とした音声ポータルによるネットワーク型の各種情
報サービスシステム等に適用して好適で、効率的に端末
とセンターとの機能分担を行って音声による対話を行う
ことを可能とした音声対話システム及び音声対話方法に
関する。

【０００２】

【従来の技術】従来、音声を利用した情報サービスシス
テムの１つとして、例えば、カーナビシステムが知られ
ている。一般に、カーナビシステムは、ネットワーク型
の構成となっていないため、ユーザがセンター側の情報
を自由に入手することができない。また、ネットワーク
型構成のものも知られているが、音声入力の対話シーケ
ンスが一意なものであり、自由な音声入力ができないも
のである。

【０００３】

【発明が解決しようとする課題】前述したように、従来
の音声対話機能を有するシステムは、ユーザがセンター
側の情報を自由に入手することができなかったり、自由
な音声の入力ができないという問題点を有している。

【０００４】本発明の目的は、前記従来技術の問題点を
解決し、例えば、車載情報サービスシステムにおいて、
音声入力による対話を自由に、かつ、効率的に行うこと
ができるようにし、車の中に居ながら道路の混雑状況、
旅行先、施設等の利用状況及び音楽配信等の各種車載情
報サービスを、安価に、かつ、効率的に、使い勝手よく
利用することができる音声対話システム及び音声対話方
法を提供することにある。

【０００５】

【課題を解決するための手段】本発明によれば前記目的
は、音声入出力機能を具備する端末と、該端末が通信手
段によりネットワークを介して結合されているセンター
との間で音声により対話する音声対話システムにおい
て、前記センターが、端末からの音声入力の内容に応じ
て、音声入出力の対話シーケンスを生成、変更する手段
を有することにより、また、変更された音声入出力の対
話シーケンスの情報を、通信で結合された端末へ転送す
る手段を有することにより達成される。

【０００６】また、前記目的は、音声入出力機能を具備
する端末と、該端末が通信手段によりネットワークを介
して結合されているセンターとの間で音声による対話を
行う音声対話方法において、前記センターが、前記端末
から入力される話題の項目を認識し、該話題の項目の詳
細情報を、複数の話題の項目について各項目間の関係を
含む詳細情報と前記各項目毎の対話シーケンスとを記録
している記録部から読み出し、前記読み出された詳細情
報に基づいて、前記項目に対応する対話シーケンスを前
記記録部から読み出し、前記読み出した対話シーケンス
を合成し、この対話シーケンスを前記端末にダウンロー
ドすることにより達成される。

【０００７】

【発明の実施の形態】以下、本発明による音声対話方法
及び音声対話システムの実施形態を図面により詳細に説
明する。

【０００８】図１は本発明の応用例の１つであるカー・
マルチメディアシステムの概念と現行のカーナビシステ
ムとを説明する図である。

【０００９】図１に示すように、現在のカーナビシステ
ムは、「単体」の装置として使用され、経路誘導等に使
用されるのが一般的である。一方、今後のカーナビシス
テムは、インターネット等のネットワークに結合した
「ネットワーク型」のシステムへ展開されて車載情報シ
ステムとして使用されるようになると予想される。その
際、従来のカーナビシステムでの音声インタフェース機
能の他に、車載情報サービスを効率よく、かつ、サービ
スの質を向上させるために、車載での端末とネットワー
ク側のセンターとの効率的な融合が必須となってくる。
そして、ネットワーク型の車載情報システムに対するサ
ービスとしては、例えば、インターネット上にある各種
店舗、レストラン等の時々刻々と変化するサービス情
報、スキー場等のスポーツ施設近辺の天気予報、交通状
態に関する情報、音楽等のエンタテーメントの配信情報
等のサービスがあり、また、緊急時の連絡に関するサー
ビスも必須となってくる。これらの情報サービスのため
に、「テレマティクス・サービス」が台頭してくると、
「音声ポータル」を使用した音声による情報サービスも
必須となってくる。

【００１０】図２は音声による情報サービスを行う場合
の本発明の一実施形態による端末とネットワークとの構
成を示す概念図である。図２において、２００はユー
ザ、２０１は端末、２０２は音声ポータルゲートウェイ
(Gateway）、２０３はネットワーク、２０４〜２０６は
情報サービスＷｅｂセンタサーバである。

【００１１】図２において、端末２０１は、音声ポータ
ルゲートウェイ２０２を介してインターネット等のネッ
トワーク２０３に結合されている。ネットワーク２０３
上には、各種のコンテンツサーバである情報サービスＷ
ｅｂセンタサーバ２０４〜２０６が結合されている。利
用者であるユーザ２００は、端末２０１が有する音声イ
ンタフェースを利用して音声入力を行い、各種情報サー
ビスを利用することが可能である。端末２０１は、車載
情報システムの場合、車に搭載されている車載端末であ
り、通信手段としては、携帯電話等で使用しているイン
フラであるＰＤＣ(Personal Digital Communication)の
通信手段を利用することができる。また、携帯電話を端
末として利用することも可能である。

【００１２】図３は音声インタフェースを利用した車載
情報サービスシステムの構成例を示す図である。図３に
おいて、３０１は車載システム、３０２は音声ポータル
システム、３０３はネットワーク、３０１１は車載端
末、３０１２は雑音抑圧処理部、３０１３は音声認識
部、３０１４は対話管理部、３０１５はVoiceXMLインタ
プリタ、３０１６はオーディオ、カーナビ等の車載機器
である。図３に示す例は、サービスの内容が、ルートガ
イダンスと天気予報とのサービスであるとして、その具
体例を説明する例である。

【００１３】図３においてユーザは、車載システム３０
１の車載端末３０１１の音声インタフェースを利用し
て、センター側のサーバにアクセスすることにより、目
的地までの距離と目的地の天気とに関する情報を入手す
ることができる。音声インタフェースを実現する音声認
識部３０１３と対話管理部３０１４とは、車載端末側と
音声ポータル側とのどちらにもある備えられる場合があ
り、効率的な連携をもって、ユーザであるドライバーへ
必要な情報を供給する。音声認識部の前段に、車載利用
に耐えるような雑音抑圧の前処理を行う雑音抑圧処理部
３０１２が具備されることが多い。さらに、VoiceXMLイ
ンタプリタ３０１４が、車載システム３０１側あるいは
音声ポータルセンター３０２側の両方に具備されてい
る。音声ポータルセンター３０２は、少なくとも、対話
管理部、音声認識部及び音声合成部を具備し、対話シー
ケンスをVoiceXML記述言語により実現するものとしてい
る。車載端末３０１１の音声処理部と音声ポータルでの
音声処理部との連携、例えば、車載オーディオ等の機器
３０１６の操作等のネットワークに接続する必要のない
サービス要求に関しては、車載端末だけで処理を完了さ
せて、時々刻々変動する道路情報等は、センターに接続
して、ネットワーク３０３を介してＷＷＷ等から入手す
る。その際、音声ポータルゲートウェイ等で、音声認識
処理、対話管理処理等を分担連携することが、通信料の
削減や通信線路の音声の歪み回避等の面から重要であ
る。

【００１４】図４はVoiceXMLゲートウェイを具備した情
報サービスシステムの構成例を示す図である。図４にお
いて、４０１は携帯電話機、４０２は電話網、４０３は
VoiceXMLゲートウェイ（あるいは音声ポータルゲートウ
ェイ）、４０５、４０６はホームページ、４０７は音声
ポータル、４０８はパソコン（ＰＣ）、４０９はＨＴＭ
Ｌ、４０１０はインターネットである。

【００１５】図４に示すように、インターネット４０１
０等のネットワークへ接続してサービスを受ける構成と
して、従来、パソコンＰ（ＰＣ）４０８から入力を行う
方法が主流であった。この場合、インターネット４０１
０に接続されているコンテンツに関するホームページ
は、通常のＨＴＭＬ４０９で記述されている。しかし、
携帯電話４０１等の入力手段を利用する場合、電話網４
０２を利用して、VoiceXMLゲートウェイ（あるいは音声
ポータルゲートウェイ）４０３を介して、VoiceXMLで記
述されているホームページ４０５、４０６にアクセスす
ることになる。VoiceXMLは、このような音声によるホー
ムページアクセスに対処したコンテンツの記述言語であ
り、現在、VoiceXMLフォーラムとＷ３Ｃ（ＷＷＷコンソ
ーシアム）とにより、世界標準化作業が進められてい
る。VoiceXMLゲートウェイ４０３は、例えば、VoiceXML
インタプリタ、音声認識、音声合成、ＤＴＭＦ等の処理
モジュールで構成される。

【００１６】図５は音声インタフェース機能を備えた車
載情報サービス等に使用される音声対話システムの構成
例を示すブロック図、図６は図５における音声認識部の
機能構成例を示すブロック図である。図５、図６におい
て、５０１は入力音声、５０２は雑音抑圧部、５０３は
音声認識部、５０４は対話管理部、５０５はVoiceXML記
述言語、５０６は音響モデル単語辞書、５０７は対話コ
ーパス、５０８はユーザプロファイル、５０９は認識結
果、６０２は音声入力部、６０３は音声分析部、６０４
は音声検出部、６０５は照合部、６０６はＨＭＭ連結
部、６０７はＨＭＭ音響モデル、６０８は単語辞書、６
０９は判定部である。

【００１７】図５に示す音声対話システムは、雑音抑圧
部５０２と、音声認識部５０３と、対話管理部５０４と
により構成され、音声５０１が雑音抑圧部５０２に入力
され、雑音抑圧部５０２、音声認識部５０３、対話管理
部５０４により順に処理されて認識結果５０９として出
力される。音声認識部５０３は、通常、音響モデル情報
及び単語辞書情報５０６を持ち、また、対話管理部５０
４は、対話コーパス５０７とユーザプロファイル５０８
とに関する情報を有する。音声認識と対話管理とは、Vo
iceXML記述言語５０５により、より密接に連携されて、
対話シーケンスを実現している。

【００１８】音声認識部５０３は、図６に示すように、
音声入力部６０２、音声分析部６０３、音声検出部６０
４、照合部６０５、ＨＭＭ連結部６０６、ＨＭＭ音響モ
デル６０７、単語辞書６０８、判定部６０９により構成
されている。

【００１９】このように構成される音声認識部５０３に
おいて、入力された音声５０１は、音声入力部６０２で
サンプリングの折り返し雑音を除去するためにＬＰＦ(L
ow Pass Filtering)処理が施され、Ａ／Ｄ(Analog to D
igital）変換器によりアナログデータからデジタルデー
タへ変換される。デジタルデータに変換された音声波形
データは、音声分析部６０３でスペクトル分析により、
音声のスペクトル情報へ変換される。その後、このスペ
クトル情報は、音声検出部６０４ににより音声区間の検
出が行われ、音声区間内の音声データとされる。この音
声データは、照合部６０５により標準音声データとの類
似度との算出が施され、判定部６０９により、最終的に
入力音声の内容が認識、決定されて認識結果５０９が出
力される。 前述における照合部６０５の処理は、現
在、最もよく使用されている隠れマルコフモデル(ＨＭ
Ｍ：Hidden Markov Model）方式を用いることとしてい
る。この場合、標準音声データとして、少なくてもＨＭ
Ｍ音響モデル６０７、単語辞書６０８及びＨＭＭ連結部
６０６の構成が必要となる。隠れマルコフモデル方式に
よる音声認識に関しては、文献「確率モデルによる音声
認識（中川聖一著、電子情報通信学会編）」に記載され
たものが知られている。前述した照合部６０５の例は、
隠れマルコフモデルを使用するとしたが、本発明は、ニ
ューラルネットワーク等による認識方式使用することが
できる。

【００２０】図７は音声認識・合成を行う端末装置の構
成例を示すブロック図である。音声認識や合成は、パソ
コン等のソフトウェアによっても実現することができる
が、図７に示す例は、汎用マイコンを使用した音声認
識、合成ボードにより実現した例である。図７におい
て、７０１はＡ／Ｄ変換モジュール７０１、７０２はシ
ステムコントローラ、７０３はＲＯＭ、７０４はマイコ
ン、７０５はＲＡＭ、７０６はバス、７０７はＲＳ２３
２ＣＩ／Ｆ、７０８はＤ／Ａ変換モジュールである。

【００２１】図７に示すように、音声認識・合成を行う
端末装置は、入力音声５０１をＡ／Ｄ変換するＡ／Ｄ変
換モジュール７０１と、サンプリングされた音声データ
を編集するシステムコントローラ７０２と、音声認識ミ
ドルウェアと標準音声データが記憶されているＲＯＭ(R
ead Only Memory)７０３と、主処理部であるマイコン７
０４と、ワークメモリとして働くＲＡＭ(Random Access
Memory)７０５と、それらを有機的に結合処理するＢＵ
Ｓ７０６と、認識結果５０９の出力を行うインタフェー
スであるＲＳ２３２ＣＩ／Ｆ７０７とにより構成され
る。音声合成ボードには、音声合成音７０９を出力する
Ｄ／Ａ変換モジュール７０８が備えられている。

【００２２】前述した端末装置の構成は、最低限必要な
機能による例を示したものであり、この他に、種々の回
路構成をとることができる。

【００２３】図８は本発明の実施形態による対話管理を
用いた車載サービスにおける対話ダイアログの生成につ
いて説明する図である。図８において、８０１はタスク
ドキュメント、８０２はタスク管理処理、８０３は天気
予報VoiceXML、８０４は観光ガイドVoiceXML、８０５は
催し物ガイドVoiceXML、８０６は応答ダイアログ、８０
７は時間ダイアログ、８０８は場所ダイアログ、８０９
は会場ダイアログ、８０１０は時間辞書、８０１１は地
名辞書、８０１２は会場名辞書である。

【００２４】図８において、タスク管理処理８０２は、
天気予報の情報入手や観光案内情報の等の各タスクに関
するデータであるタスクドキュメント８０１をデータと
して、具体的に必須な対話シーケンスの表現を生成す
る。この対話シーケンスに基づいて、各タスクにおいて
出現する応答ダイアログ８０６や、時間ダイアログ８０
７、場所ダイアログ８０８、会場ダイアログ８０９等の
具体的な対話のダイアログが、実際の時間辞書８０１
０、地名辞書８０１１、会場名辞書８０１２等を利用し
て、より詳細な対話ダイアログに生成される。前述のタ
スクの対話シーケンスから具体的な対話ダイアログの流
れへの生成過程は、自動的に行われる。その結果、音声
認識に必須な対話の流れがVoiceXML記述言語等により表
現されて、実際の音声対話のサービスが実行されること
になる。

【００２５】図８に示す例は、具体的なVoiceXML表現の
対話シーケンスが、天気予報VoiceXML８０３、観光ガイ
ドVoiceXML８０４、催し物ガイドVoiceXML８０５等のモ
ジュールとして自動生成される。この自動生成されたVo
iceXMLモジュールは、センター側あるいは端末へ転送さ
れて、実際の音声対話を利用したサービスが実施される
ことになる。

【００２６】次に、前述で説明した本発明の実施形態を
運転中の道案内に適用した場合の具体例について説明す
る。

【００２７】図９は道路を走行中のドライバーが音声対
話により目的地（ここでは四川楼）を設定したときの対
話シーケンスを説明する図である。ここで注意すべきこ
とは、四川楼という目的地を設定した後でなければ、道
案内の対話シーケンスが決まらないこと、換言すると道
案内の対話シーケンスは、四川楼という目的地が決まっ
た後で自動生成しなければならないことである。この対
話シーケンスの自動生成は、すでに説明したように、各
タスクに関するデータ（タスクドキュメント）８０１を
データとして、タスク管理処理８０２により、具体的に
必須な対話シーケンスに表現されるように行われる。そ
の対話シーケンスに基づいて、各タスクにおいて出現す
るダイアログが、図示していない店名辞書、地名辞書等
を利用して自動生成される。ここで以後の説明のため、
道案内の対話シーケンスを図９のように、３つの区間
Ａ、Ｂ、Ｃに分ける。

【００２８】図１０は対話シーケンスと実際の運転状況
との対応を説明する図、図１１は図１０に示す対話シー
ケンスを状態遷移モデルにより表現した図である。い
ま、ドライバーが「四川楼に行きたい」と発話すると、
端末は「桜通を東に向かってください」と案内する。車
両が図１０に示す区間Ａを通過し、点Ｐ１に到達する
と、端末は「伏見通りで右折してください」と案内す
る。車両が区間Ｂを通過し、点Ｐ２に到達すると端末は
「四川楼はまもなく左側にあります」と案内する。そし
て、車両が目的地に到着して対話シーケンスが完了す
る。

【００２９】前述したような対話シーケンスを状態遷移
モデルにより表現すると、図１１に示すようになる。図
１１において、Ａ３０１〜Ａ３０５はノードであり、ノ
ード間が有向リンクにより接続されている。ドライバー
が「四川楼に行きたい」と発話すると、対話プログラム
は、制御をノードＡ３０１に移し、「桜通を東に向かっ
てください」と案内して、制御をノードＡ３０２に移
す。車両が区間Ａを通過している時点で制御はノードＡ
３０２にある。そして、車両が点Ｐ１に到達すると、対
話プログラムは、「伏見通りで右折してください」と案
内する。そして制御をＡ３０３に移す。車両が区間Ｂを
通過している時点で制御はＡ３０３にある。そして、車
両が点Ｐ２に到達すると、対話プログラムは、「四川楼
はまもなく左側にあります」と案内し、制御をノードＡ
３０４に移す。そして、車両が目的地に到着すると、制
御をノードＡ３０５に移す。そして、対話シーケンスが
完了する。

【００３０】なお、前述の状態遷移モデルに基づく対話
シーケンスは、前述の自動生成により作成されたもので
あり、ＸＭＬベースの記述言語で記述される。

【００３１】以上述べたように、本発明の実施形態は、
道案内のように目的地が確定した後に対話シーケンスを
生成しなければならないような事例に対して特に効果を
発揮する。

【００３２】図１２は図９の対話の区間Ｂにおいて、ド
ライバーが駐車場情報を問い合わせた場合の対話シーケ
ンスについて説明する図、図１３は対話シーケンスと実
際の運転状況との対応を説明する図、図１４は図１３に
示す対話シーケンスを状態遷移モデルにより表現した図
である。図１２において注意すべきことは、駐車場情報
問い合わせは、区間Ａ、Ｂ、Ｃのいずれの区間において
も起こり得ることである。

【００３３】図１４に示す状態遷移モデルにおいて、ノ
ードＡ５０１、Ａ５０２は駐車場案内の対話シーケンス
を表現しており、ノードＡ５０１に制御が移ると、「お
店の裏手に駐車場があります」と案内してノードＡ５０
２に制御を移して対話を完了する。

【００３４】さて、前述の例では、区間Ａ、Ｂ、Ｃに対
応するノードから、ノードＡ５０１に有向リンクにより
接続され、「駐車場はある？」といった駐車場案内の問
い合わせ発話をドライバーが発したとき、制御は、前記
有向リンクを辿ってノードＡ５０１に到達する。この時
点で、対話制御プログラムは、復帰先記憶手段にどのノ
ードから制御が移ったかを記憶する。復帰先記憶手段
は、いわゆるスタックで構成される。ここでは、区間Ｂ
走行中に駐車場問い合わせが発生したので、復帰先とし
てＡ３０３がｐｕｓｈされる。「お店の裏手に駐車場が
あります」という案内をした後、制御はノードＡ５０２
に移る。駐車場案内対話が終了すると、対話プログラム
は、復帰先記憶手段から復帰先をｐｏｐし、ノードＡ３
０３に制御を復帰させる。

【００３５】なお、前述の駐車場案内対話シーケンスも
前述した自動生成機能により自動的に生成したものであ
る。また、道案内対話シーケンスの各ノードＡ３０２〜
Ａ３０４から、ノードＡ５０１への有向リンクの接続
も、自動生成することが可能である。具体的には、ＸＭ
Ｌベースの記述言語で、有向リンクをどのノードからど
のノードに接続するか、また、どのような発話が入力さ
れたとき、その有向リンクを辿るかを記述する。この機
能により、ある対話の最中に、違う対話を割り込ませる
対話シーケンスの自動生成が可能となる。さらに、復帰
先記憶手段としてスタックを用いることにより、道案内
の最中に寄り道情報を尋ね、さらに寄り道情報を尋ねて
いる最中に天気情報を尋ねるというような２回以上の対
話の割り込みも可能となる。このような複雑な対話シー
ケンスの制御は、各タスクに関するデータ（タスクドキ
ュメント）８０１をデータとして、タスク管理処理８０
２により、具体的に必須な対話シーケンスに表現され
る。本発明の実施形態は、その対話シーケンスに基づい
て、各タスクにおいて出現するダイアログが、図示しな
い店名辞書、地名辞書等を利用して自動生成されるこ
と、また、各対話シーケンスを表現するノード間の接続
を自動生成するという手法を用いることにより、前述で
説明したような音声による案内を行うことができるもの
である。

【００３６】図１５はVoiceXMLを用いた対話シーケンス
の内部表現の一例を説明する図である。ここでは、県名
と地名とを入力することにより、その土地の天気の情報
を入手するタスクを前提としている。そして、図示例で
は、「お天気情報サービスへようこそ」というシステム
からのプロンプトを開始として、ユーザは県名と地名と
を音声で入力することにより、知りたい土地の天気の情
報を入手することになる。

【００３７】図１６は３階層構造による対話管理部の構
成を示すブロック図である。図１６において、１００１
は対話コーパス、１００２は対話ドキュメント、１００
３は対話内容管理部、１００４はVoiceXML生成部であ
り、他の符号は図８の場合と同一である。

【００３８】図１６に示す例は、VoiceXMLの自動生成を
可能とする対話管理部の構成を示しており、実際には、
データ制御部と記録部とを有するシステムとして構成さ
れ、制御部によって処理が制御される。３階層構造は、
タスク管理部８０２、対話内容（対話ダイアログ）管理
部１００３、及び、VoiceXML生成部１００４である。そ
して、有人システムとユーザとによる実際の対話を記録
した対話コーパス１００１を基に事前作成されたタスク
ドキュメント８０１と対話ドキュメント１００２とを使
用して、タスク管理部８０２は、各タスクにより話され
る対話シーケンスを明記する。その後、対話内容管理部
１００３は、対話シーケンスをより具体化し、詳細な対
話内容（対話ダイアログ）を対話ドキュメント１００２
を基にして表記する。最後に、VoiceXML生成部１００４
は、音声入力処理の必要なVoiceXMLモジュールを自動生
成する。

【００３９】ここで、処理部とデータ部との詳細に関し
て説明する。対話コーパス１００１は、例えば、図９に
示されるような道路を走行中のドライバーが音声対話に
より目的地（を設定した時の対話シーケンス等）の詳細
をテキストに書き起こしたものであり、話題（タスク）
の種類に従って、どのような具体的な対話シーケンスと
なっているかを整理した情報をも有する。タスクドキュ
メント８０１は、対話コーパス１００１に格納されてい
る情報の中から、話題（タスク）に関する情報を纏めた
ものである。

【００４０】図１７はタスクドキュメント８０１の例と
対話ドキュメント１００２の例とを説明する図である。
タスクドキュメント８０１には、サービス名として「車
載情報サービス」、具体的話題タスクとして、タスク
１：天気予報、タスク２：観光案内等のように、車載情
報サービスで必要となる各種タスクの詳細が、単独タス
クと、結合タスクとのような形で明記されている。対話
ドキュメント１００２には、各タスクに使用される具体
的な対話ダイアログの詳細が明記されている。例えば、
天気予報のタスク１には、応答ダイアログ、時間ダイア
ログ、場所ダイアログ等のように、各対話で使用される
具体的な対話（ダイアログ）の詳細が明記されている。
タスク管理部８０２は、音声認識で得られた結果を基
に、現在ユーザ（ドライバー）が、どの話題に関して入
力しているのかを判断し、タスク手順を明記して、次の
対話内容管理部１００３に送る。対話内容管理部１００
３は、対話ドキュメント１００２の情報に基づいて、具
体的な対話内容の手順を生成する。そして、生成された
対話シーケンスを基に、音声認識を稼動させるためのVo
iceXML記述言語による表現が自動生成されることにな
る。

【００４１】前述で説明した本発明の実施形態に含まれ
る各種の機能部及びその処理は、プログラムとして構成
することができ、このプログラムは、ＨＤ、ＤＡＴ、Ｆ
Ｄ、ＭＯ、ＤＶＤ−ＲＯＭ、ＣＤ−ＲＯＭ等の記録媒体
に格納して提供することができる。

【００４２】図１８は本発明が適用されたカーマルチメ
ディアシステムの機能構成を示す図である。

【００４３】カーマルチメディアシステムを構成する上
での必須な要件としては、図１８に示すように、ヒュー
マンインタフェース、マシンインタフェース、基盤技術
の３項目を挙げることができる。これらの中で、将来の
車載情報サービスシステム、いわゆる、カーマルチメデ
ィアを実現する重要な要素として、音声によるインタフ
ェースがある。前述した本発明の実施形態は、このよう
な重要な要素としての音声を用いたインタフェースで、
必須となる音声対話の自動生成の手法を提供することが
できる。

【００４４】

【発明の効果】以上説明したように本発明によれば、車
の中に居ながら道路の混雑状況、旅行先、施設等の利用
状況及び音楽配信等の各種車載情報サービスを、安価
に、かつ、効率的入力、使い勝手よく利用することが可
能となる。

【図面の簡単な説明】

【図１】本発明の応用例の１つであるカー・マルチメデ
ィアシステムの概念と現行のカーナビシステムとを説明
する図である。

【図２】音声による情報サービスを行う場合の本発明の
一実施形態による端末とネットワークとの構成を示す概
念図である。

【図３】音声インタフェースを利用した車載情報サービ
スシステムの構成例を示す図である。

【図４】VoiceXMLゲートウェイを具備した情報サービス
システムの構成例を示す図である。

【図５】音声インタフェース機能を備えた車載情報サー
ビス等に使用される音声対話システムの構成例を示すブ
ロック図である。

【図６】図５における音声認識部の機能構成例を示すブ
ロック図である。

【図７】音声認識・合成を行う端末装置の構成例を示す
ブロック図である。

【図８】本発明の実施形態による対話管理を用いた車載
サービスにおける対話ダイアログの生成について説明す
る図である。

【図９】道路を走行中のドライバーが音声対話により目
的地（ここでは四川楼）を設定したときの対話シーケン
スを説明する図である。

【図１０】対話シーケンスと実際の運転状況との対応を
説明する図である。

【図１１】図１０に示す対話シーケンスを状態遷移モデ
ルにより表現した図である。

【図１２】図９の対話の区間Ｂにおいて、ドライバーが
駐車場情報を問い合わせた場合の対話シーケンスについ
て説明する図である。

【図１３】対話シーケンスと実際の運転状況との対応を
説明する図である。

【図１４】図１３に示す対話シーケンスを状態遷移モデ
ルにより表現した図である。

【図１５】VoiceXMLを用いた対話シーケンスの内部表現
の一例を説明する図である。

【図１６】３階層構造による対話管理部の構成を示すブ
ロック図である。

【図１７】タスクドキュメント８０１の例と対話ドキュ
メント１００２の例とを説明する図である。

【図１８】本発明が適用されたカーマルチメディアシス
テムの機能構成を示す図である。

【符号の説明】

２００ ユーザ ２０１ 端末 ２０２ 音声ポータルゲートウェイ(Gateway） ２０３ ネットワーク ２０４〜２０６ 情報サービスＷｅｂセンタサーバ ３０１ 車載システム ３０２ 音声ポータルシステム ３０３ ネットワーク ３０１１ 車載端末 ３０１２ 雑音抑圧処理部 ３０１３ 音声認識部 ３０１４ 対話管理部 ３０１５ VoiceXMLインタプリタ ３０１６ オーディオ、カーナビ等の車載機器 ４０１ 携帯電話機 ４０２ 電話網 ４０３ VoiceXMLゲートウェイ（あるいは音声ポータル
ゲートウェイ） ４０５、４０６ ホームページ ４０７ 音声ポータル ４０８ パソコン（ＰＣ） ４０９ ＨＴＭＬ ４０１０ インターネット ５０１ 入力音声 ５０２ 雑音抑圧部 ５０３ 音声認識部 ５０４ 対話管理部 ５０５ VoiceXML記述言語 ５０６ 音響モデル単語辞書 ５０７ 対話コーパス ５０８ ユーザプロファイル ５０９ 認識結果 ６０２ 音声入力部 ６０３ 音声分析部 ６０４ 音声検出部 ６０５ 照合部 ６０６ ＨＭＭ連結部 ６０７ ＨＭＭ音響モデル ６０８ 単語辞書 ６０９ 判定部 ７０１ Ａ／Ｄ変換モジュール７０１ ７０２ システムコントローラ ７０３ ＲＯＭ ７０４ マイコン ７０５ ＲＡＭ ７０６ バス ７０７ ＲＳ２３２ＣＩ／Ｆ ７０８ Ｄ／Ａ変換モジュール ８０１ タスクドキュメント ８０２ タスク管理処理 ８０３ 天気予報VoiceXML ８０４ 観光ガイドVoiceXML ８０５ 催し物ガイドVoiceXML ８０６ 応答ダイアログ ８０７ 時間ダイアログ ８０８ 場所ダイアログ ８０９ 会場ダイアログ ８０１０ 時間辞書 ８０１１ 地名辞書 ８０１２ 会場名辞書 １００１ 対話コーパス １００２ 対話ドキュメント １００３ 対話内容管理部 １００４ VoiceXML生成部

───────────────────────────────────────────────────── フロントページの続き (51)Int.Cl.⁷ 識別記号 ＦＩ テーマコート゛(参考） Ｇ１０Ｌ 15/28 Ｇ１０Ｌ 3/00 ５５１Ｐ (72)発明者 渡辺 純一郎 東京都国分寺市東恋ケ窪一丁目280番地 株式会社日立製作所中央研究所内 (72)発明者 鯨井 俊宏 東京都国分寺市東恋ケ窪一丁目280番地 株式会社日立製作所中央研究所内 (72)発明者 赤堀 一郎 愛知県刈谷市昭和町１丁目１番地 株式会 社デンソー内 (72)発明者 立石 雅彦 愛知県刈谷市昭和町１丁目１番地 株式会 社デンソー内 (72)発明者 ミタムラ・テルコ アメリカ合衆国ペンシルベーニア州ピッツ バーグ、ニュウエル・サイモン・ホール 4621 カーネギ・メロン・ユニバーシテ ィ、ラングエージ・テクノロジ・インステ ィチュート内 (72)発明者 エリック・ナイバーグ アメリカ合衆国ペンシルベーニア州ピッツ バーグ、ニュウエル・サイモン・ホール 4621 カーネギ・メロン・ユニバーシテ ィ、ラングエージ・テクノロジ・インステ ィチュート内 (72)発明者 上野 祥樹 愛知県刈谷市昭和町１丁目１番地 株式会 社デンソー内 Ｆターム(参考） 2F029 AA02 AC02 AC18 5D015 HH23 KK02 LL02 5H180 AA01 BB02 BB05 FF13 FF25 FF38

Claims (9)

【特許請求の範囲】
1. 【請求項１】 音声入出力機能を具備する端末と、該端
   末が通信手段によりネットワークを介して結合されてい
   るセンターとの間で音声により対話する音声対話システ
   ムにおいて、前記センターは、端末からの音声入力の内
   容に応じて、音声入出力の対話シーケンスを生成、変更
   する手段を有することを特徴とする音声対話システム。
2. 【請求項２】 前記センターは、変更された音声入出力
   の対話シーケンスの情報を、通信で結合された端末へ転
   送する手段を有すること特徴とする請求項１記載の音声
   対話システム。
3. 【請求項３】 前記端末は、音声入出力部、音声分析
   部、音声認識部、対話管理部を備えて構成され、前記セ
   ンターは、前記端末と連携動作する対話管理部、音声分
   析部、音声認識部を備えて構成されたことを特徴とする
   請求項１または２記載の音声対話システム。
4. 【請求項４】 前記センターに備えられる対話管理部
   は、対話シーケンスをＸＭＬベースの記述言語により表
   現することを特徴とする請求項３記載の音声対話システ
   ム。
5. 【請求項５】 前記センターに設けられる対話管理部
   は、ＸＭＬベースの記述言語による対話シーケンスを、
   前記端末からの音声入力の内容に応じて変更して前記端
   末にダウンロードすることを特徴とする請求項４記載の
   音声対話システム。
6. 【請求項６】 前記センターに設けられる対話管理部
   は、対話シナリオ表記手段と、対話ダイアログ表記手段
   と、対話シーケンス表記手段とによる少なくとも３階層
   構造の対話管理手段を備えて構成されたことを特徴とす
   る請求項４または５記載の音声対話システム。
7. 【請求項７】 前記端末にダウンロードする情報は、対
   話シーケンス表記手段により表記された情報であること
   を特徴とする請求項５記載の音声対話システム。
8. 【請求項８】 音声入出力機能を具備する端末と、該端
   末が通信手段によりネットワークを介して結合されてい
   るセンターとの間で音声による対話を行う音声対話方法
   において、前記センターは、前記端末から入力される話
   題の項目を認識し、該話題の項目の詳細情報を、複数の
   話題の項目について各項目間の関係を含む詳細情報と前
   記各項目毎の対話シーケンスとを記録している記録部か
   ら読み出し、前記読み出された詳細情報に基づいて、前
   記項目に対応する対話シーケンスを前記記録部から読み
   出し、前記読み出した対話シーケンスを合成し、この対
   話シーケンスを前記端末にダウンロードすることによ
   り、端末との間での音声による対話を行うことを特徴と
   する音声対話方法。
9. 【請求項９】 端末から入力される話題の項目を認識す
   るステップと、該話題の項目の詳細情報を、複数の話題
   の項目について各項目間の関係を含む詳細情報と前記各
   項目毎の対話シーケンスとを記録している記録部から読
   み出すステップと、前記読み出された詳細情報に基づい
   て、前記項目に対応する対話シーケンスを前記記録部か
   ら読み出すステップと、前記読み出した対話シーケンス
   を合成するステップと、この対話シーケンスを前記端末
   にダウンロードするステップとをコンピュータに実行さ
   せて音声による対話を行うことを特徴とするプログラ
   ム。