音声対話システム

音声対話システム( SDS )は、音声で人間と会話できるコンピュータ システムです。このシステムには、テキストダイアログ システムには存在しない、音声認識装置とテキスト読み上げモジュールという 2 つの重要なコンポーネントがあります (テキスト ダイアログ システムは通常、OS が提供する他の入力システムを使用します)。これは、要求に応答することはできても、時間の経過に伴う継続性を維持しようとしないコマンド アンド コントロール音声システム とさらに区別されます。

• 自動音声認識装置(ASR) は、音声をテキストにデコードします。ドメイン固有の認識装置は、特定のアプリケーション用に設計された言語用に構成できます。「クラウド」認識装置は、非常に特殊な語彙に依存しないドメインに適しています。
• 自然言語理解は、認識をシステムの動作を制御できる概念構造に変換します。認識と理解の処理を組み合わせたアプローチもありますが、解釈を文法にコード化する必要があるため、柔軟性が低いと考えられています。
• ダイアログマネージャーは、ターンバイターンの動作を制御します。単純なダイアログ システムでは、ユーザーに質問し、その応答に基づいて行動します。このような指示されたダイアログ システムでは、ツリーのような構造を使用して制御します。フレーム (またはフォーム) ベースのシステムでは、ユーザーの主導権が確保され、さまざまなスタイルの対話に対応できます。より高度なダイアログ マネージャーには、誤解や説明に対処するためのメカニズムが組み込まれています。
• ドメイン推論エンジン、またはより単純にバックエンドは、知識ベースを使用して情報を取得し、システム応答の作成を支援します。単純なシステムでは、これはダイアログを通じて収集された情報を使用してクエリされるデータベースである可能性があります。ドメイン推論エンジンは、ダイアログ マネージャーとともに、対話のコンテキストを維持し、システムが人間の会話能力 (たとえば、照応法の使用) を反映できるようにします。
• 応答生成はテキストベースの自然言語生成に似ていますが、音声コミュニケーションのニーズを考慮しています。これには、より単純な文法構造の使用、1 回の出力発話の情報量の管理、人間の参加者が情報をより簡単に吸収できるように韻律マーカーの導入などが含まれます。完全なシステム設計では、語彙同調の要素も導入され、人間のユーザーが特定の話し方を好むように促し、認識パフォーマンスを向上させることができます。
• テキスト音声合成 (TTS) は、意図した発話を音声として実現します。アプリケーションによっては、TTS は音声の専門家によって作成された録音済みの素材の連結に基づいている場合があります。より複雑なアプリケーションでは、TTS は、大規模な語彙に対応し、開発者がシステムの特性 (「パーソナリティ」) を制御できる、より柔軟な手法を使用します。

音声対話システムは、複雑さの点で異なります。有向対話システムは非常に単純で、開発者はタスクを管理するグラフ (通常はツリー) を作成する必要がありますが、ユーザーのニーズに対応していない可能性があります。情報アクセス システムは通常、フォームに基づいており、ユーザーにある程度の柔軟性 (検索制約を指定する順序やオプションの制約の使用など) を提供しますが、機能には制限があります。問題解決型対話システムでは、人間のユーザーが、情報アクセス、計画構築、および後者の実行など、さまざまなアクティビティに参加できます。

システムの例としては次のようなものがあります。

• 情報アクセス: 天気、列車のスケジュール、株価、ディレクトリ案内。
• 取引: クレジットカードおよび銀行の照会、チケットの購入。
• メンテナンス: ドキュメントへのアクセスや診断テストなどの技術サポート。
• 家庭教師: 物理学や数学、言語学習などの教育に。
• エンターテイメントとチャット

対話システムの先駆者には、AT&T (1970 年代に音声認識システムを開発) やCSELT研究所などの企業があり、これらの企業は、米国の DARPA プロジェクト終了後、1980 年代にヨーロッパでいくつかの研究プロジェクト (SUNDIAL など) を主導しました。

音声対話システムの分野は非常に大きく、研究（SIGdial や Interspeech などの科学会議で取り上げられる）と大規模な産業部門（SpeechTek や AVIOS などの独自の会議を持つ）が含まれます。

次のようなものが技術的な紹介として適しているかもしれません。

• マイケル・F・マクティア、音声対話技術
• Gabriel Skantze、「音声対話システムにおけるエラー処理」、2007 年、第 2 章、音声対話システム。
• ピラニ、ジャンカルロ編。音声理解のための高度なアルゴリズムとアーキテクチャ。第 1 巻。Springer Science & Business Media、2013 年 。ISBN  978-3-540-53402-0