現在、日本は超高齢化社会を迎えつつある。独居高齢者は他人と会話する頻度が低く、また、困ったときに頼れる人がいない傾向がある。そうした独居高齢者などの社会的孤立解消に対話エージェントの活用が期待される。雑談相手となる対話システムの役割の一つに心的状態の共有がある。ユーザが表出した心的状態に対して、ユーザが許容できないパラ言語情報での応答を対話システムがすることによって、ユーザの対話継続欲求が下がるという問題が存在する。本研究はこのような破綻の問題の解決を目指す。ユーザとシステムの対話を想定して、固定したユーザ発話と汎用性の高い相槌の「そうですか」というシステム発話を接続した音声刺激を用意し、聴取評価実験を行なった。分析を通してパラ言語情報に着目した応答多様性の許容範囲を調査した。許容範囲において、ユーザ発話の快不快状態とシステム発話の快不快状態にはある程度の相関が見られた。調査結果の考察から、ユーザ発話への相槌応答のパラ言語情報の特徴を許容範囲にするための指針の提案につなげる。

言語的協同は対話参加者が繰り返し発話などを通じて相手に似せた方法で対話に参与する行為である。本研究では人間同士の自由対話における繰り返し型の言語的協同の特徴量を分析した上で、ユーザの属性を考慮にいれて対話ロボットによる言語的協同がユーザに与える効果を検証する。大学(院)生38人を対象としてWOZ法による対話実験を行なった。実験の条件は一対話中の協同発話の頻度によって低頻度・中頻度・高頻度に分け、頻度条件ごとに実験群(協同発話)と対照群(相槌)を設けた。被験者は対話ごとに共感と対話継続欲求に関わる三つの項目に対する5段階評価を行なった。その結果から、高頻度の言語的協同は共感促進と対話継続欲求2の向上に効果があると考えられた。また、本実験の範囲で、言語的協同の頻度が高いほど共感の効果が顕著であることが考えられた。最後に、ロボットへの否定的態度が強いユーザ・ロボットへの不安感が強いユーザほど言語的協同の効果が高まることが示唆された。

本稿では,日本のポピュラー音楽のメロディ聴取時における,音楽ジャンル印象を考慮した自動編曲手法の提案を行う.従来の編曲手法と異なり,音楽ジャンル印象に基づいた編曲を行う点,複数の音楽ジャンルが混在したメロディの編曲を行う点から,多様な編曲結果を得ることを目標としている.日本人の被験者を対象とした印象評価実験を行い,メロディの特徴から音楽ジャンル印象の推定を行うモデルの構築を行った.また,モデルの構築結果を考慮し,ユーザが入力したメロディに対し,音楽ジャンル印象を任意の値に調節したメロディへ編曲を行うことができる,メロディ自動編曲システムの開発を行った.

We propose a humor utterance generation method that is compatible with dialogue systems, to increase "desire of continuing dialogue". A dialogue system retrieves leading-item: noun pairs from Twitter as knowledge and attempts to select the most humorous reply using word similarity, which reveals that incongruity can be explained by the incongruity-resolution model. We consider the differences among individuals, and confirm the validity of the proposed method. Ex-perimental results indicate that high-incongruity replies are significantly effective against low-incongruity replies with a limited condition.

The characteristics of the spoken language used to address infants have been eagerly studied as a part of the language acquisition research. Because of the uncontrollability factor with regard to the infants, the features and roles of infantdirected speech were tried to be revealed by the comparison of speech directed toward infants and that toward other listeners. However, they share few characteristics with infants, while infants have many characteristics which may derive the features of IDS. In this study, to solve this problem, we will introduce a new approach that replaces the infant with an infant-like robot which is designed to control its motions and to imitate its appearance very similar to a real infant. We have now recorded both infant-and infantlike robot-directed speech and are constructing both corpora. Analysis of these corpora is expected to contribute to the studies of infant-directed speech. In this paper, we discuss the contents of this approach and the outline of the corpora.

本研究では非タスク対話システムにTwitterを用いてユーモア発話を自動生成させることを目指している.これまでに対話継続欲求の高いシステムのデザイン手法の確立を目的とし,「次回も対話を行いたい」と感じる要因を分析した.その中でユーモアを扱うことは対話継続欲求について有効であることが示された.本論文ではTwitterからアイテム述語ペア,修飾-名詞ペアを抽出し,それを対話システムの知識とすることで,システムがリアリティの高い応答を行いユーモアを生成する手法を提案した.また評価実験において提案手法を用いる対話システムがユーモアを生成できることを確認した.

音声対話システムの実用化が進む中で、日常で用いられるシステムやエンターテイメント性を要求されるシステムにおいては,ユーザが長期間利用し続けられる,対話継続欲求の高いデザインが求められると考え、3つの雑談対話システム構築を通じて対話継続欲求の向上を目指してきた。ユーモア発話の生成や、システム発話の発話速度の制御、そしてユーザ発話からのパーソナリティ推定に応じた発話生成がいずれも対話継続欲求の向上に効果的であることを確認した。従来、タスク指向の対話システムにおいてはタスク達成時間など効率が重視されることが多かったが、非タスク指向の対話システムではこのようなインタラクション継続欲求を高めるデザイン方法の確立が重要と考える。

本研究では,人の話し方は親密度によってどのように変化するのかを調べた.評価に使用するデータとして,大学生の初対面の時の対話データ(低親密度)と知り合って6ヶ月後の対話データ(高親密度)の2種類の対話データを準備した.その後,3ペアの話者に対して評価実験を行い,被験者が話し方の印象を評価し,4つの因子「快活さ」「好ましさ」「話し上手」「速さ感」を抽出した.初対面の時の話し方の印象と,知り合って半年経過した時の話し方の印象を比較した結果,低親密度のデータでは話し相手にかかわらず因子ごとの得点は同じ傾向になり,親密度が高くなると話し相手によって得点が変化した.特に,親密度が高くなると「話し上手」因子の得点が高くなる傾向が見られた.

本研究では、エージェントによるユーザ特性の把握がエージェントへの愛着感および対話継続欲求に与える影響を考察する。近年、音声対話システムをユーザに長く使い続けてもらうための戦略が活発に研究されている。我々は、音声の韻律情報からユーザの活性度を推定し、推定結果に基づく発話へのユーザ応答より実際の活性度を取得、韻律と実際の活性度を次回以降の推定に用いる学習データとして蓄積し、徐々に推定精度を向上させていく音声対話システムを提案する。被験者実験の結果より、提案手法を用いることであらかじめ作成した判別基準のみを用いる手法よりも安定して状態判別精度が向上すること、状態判別精度が高いほどユーザはシステムが自分の特性を把握していると感じ、よりシステムに愛着を抱く傾向があることが明らかになった。

<p>高齢者や障害者をユーザとして想定した場合，ユーザへの負荷が小さいシステムが必要となる．しかし，現状の多くのシステムでは自然な対話が実現できておらず，ユーザに負担を課している．本研究では，非母語・母語対話における話者交替のタイミングを分析し，非母語話者-母語話者間で話者交替の様相が異なることを示す．この結果は，母語の対話では，参与者が互いに負荷を軽減するように話者交替を行っているこが示唆された．</p>

歌声に関する研究の発展に伴い、多様な歌声の印象を適切に評価できる尺度の需要は益々高まると考えられるため、本研究では「ポピュラー音楽における歌唱音声評価尺度」の構築を行った。今回は、アマチュア歌唱音声に対する有効性を検討し、3因子×4語、計12語からなる歌唱音声評価尺度を構築し、信頼性を確認した。また、歌唱音声評価に関わる因子として、話声とは異なる、歌唱音声独特の因子が観察された。

我々は自然な連続音声からの音韻獲得モデルを提案する.提案法は人が音声の時間的な変化を知覚するメカニズムを模擬しており,教師なしで入力された言語の音韻の数と境界を推定することができる.本研究では,人の言語獲得研究において議論される,対乳児発話音声(Infant Directed Speech, IDS)の特徴である「変動性」の役割を明確にするため,提案モデルを使用して対成人音声(Adult Directed Speech, ADS)とIDSを入力とした学習を行い,結果を比較した.その結果,IDSはADSに比べて無声破裂子音の認識率が有意に高かった.そのため,IDSは非定常な音素の音響特徴を強調し,その獲得を補助する可能性が示された.

<p>健常な乳児は生後一年以内に母国語の音韻を獲得する。乳児は周囲の成人の言語入力に基づいた学習を行っていると考えられるが、詳細なメカニズムは明らかになっていない。そこで我々では、自然な連続音声の入力と、ヒトの認知能力を模擬したニューラルネットワークモデルによる音韻体系範疇化のシミュレーションを行っている。本研究では、母音と子音を音声の動的特徴に基づいて同一のモデルで取り扱う手法について報告する。</p>

音声対話における人間同士のやり取りは，発話に含まれる言語情報だけでなく，それを補助する別の情報も活用して行なわれていると考えられる．この発話に付随して生成され言語情報の円滑な伝達を補助する情報をパラ言語情報と呼ぶ．本論文では，パラ言語情報として，韻律情報を用いた態度認識と画像情報を用いた頭部ジェスチャの認識手法を示すとともに，それを用いた対話システムを構築する．前者は，発話者の態度が肯定的か否定的かを，F0パターンと音素アライメントを用いて識別する．後者は頷き，傾げ，横振りの３ジェスチャを，オプティカルフローを特徴量，left to right HMMを確率モデルとして用いることによって認識する．実験結果からこれらの手法が，パラ言語情報としてユーザの態度を表すのに十分な性能を持っていることを示す．The human-human interactions in a spoken seem to use not only linguistic information in the utterances but also some sorts of additional information supporting linguistic information. We call these sorts of additional information "para-linguistic information". In this paper, we present a recognition method of attitudes by prosodic information, and a recognition method of head gestures. In the former method. in order to recognize two attitudes, such as "positive" and "negative", F0 pattern and phoneme alignment are introduced as features. In the latter method, in order to recognize three gestures, such as "nod", "tilt" and "shake", left-to-right HMM is introduced as the probabilistic model as well as optical flow is introduced as features. Experimental results show that these methods are sufficient to recognize user's attitude as para-linguistic information. Finally, we show a proto-type spoken dialogue system using para-linguistic information and how these sorts of information contribute the efficient conversation.

The human-human interactions in a spoken dialogue seem to use not only linguistic information in the utterances but also some sorts of additional information supporting linguistic information. We call these sorts of additional information "para-linguistic information". In this paper, we present a recognition method of attitudes by prosodic information, and a recognition method of head gestures. In the former method, in order to recognize two attitudes, such as "positive" and "negative", F0 pattern and phoneme alignment are introduced as features. In the latter method, in order to recognize three gestures, such as "nod", "tilt" and "shake", left-to-right HMM is introduced as the probabilistic model as well as optical flow is introduced as features. Experiment results show that these methods are sufficient to recognize user's attitude as para-linguistic information. Finally, we show a proto-type spoken dialogue system using para-linguistic information and how these sorts of information contribute the efficient conversation.

本稿では日本語の韻律ラベリングスキームであるJ_ToBIを拡張した新スキーム、X-JToBI(eXtended J_ToBI)を提案する。新スキームでは分節音ラベリングが実施されていることを前提として、J_ToBIの問題点であったtoneラベル位置と物理的イベントの不一致を解消した。さらに自発音声の韻律ラベリングを実施するために必要とされる多くの拡張を施した。この拡張には、BPMインベントリの拡張と表示方法の変更、BIラベルの詳細化、フィラー用ラベルの提案、卓立のラベリング法などが含まれる。

本稿では、キー概念検索・未知語処理・ユーザモデルおよびシステムモデルに基づく対話管理・知識獲得を主な機能として有する、音声対話に基づいた知的情報検索システムを提案する。また、各機能を実装したデモシステムを構築し、学術情報検索に適用する方法について検討した結果を述べる。This paper presents an intelligent system for information retrieval based on human-machine dialogue through spoken language with novel features such as use of key concepts, unknown word processing, dialogue management through user and system modeling, and automatic acquisition of knowledge to adapt the system to individual users. It then describes and experimental system for academic information retrieval constructed to implement these features and to demonstrate their feasibility.

In this research, we aim at the establishment of a method of controlling dialogues in accordence with the changes of performance in computation. So that the system takes the most suitable dialogue strategy according to performance in computation, it needs to calculate evaluation functions modeled with performance in computation in the inside all time. In this paper, we model dialogue control centered on 'system transparency' with computation time and accuracy of system's processes. Then, we simulate this model by controlling dialogue strategies. We also confirm effectiveness of the model by preliminary experiment using the prototype of spoken dialogue system.

In this research, we focus on two main topics about the model for use of non-verbal information. The first topic is the clarification of the difference of the model between using non-verbal information by human beings and using non-verbal information by robot. The other topic is the clarification of the difference of the model between the CG robot and the real robot. As a result, we clarified the strength of constraint and naturalness of various types of non-verbal information. We also confirmed that appropriate output timing of non-verbal information with the CG robot is the start of utterances. This is the same as the usage of non-verbal information in human-human dialogue. Moreover, pie confirmed non-verbal information made speaker-change more smoothly for the humanoid robot than in the case of the CG robot.

This paper describes controlling robot's gaze which has relation to smoothness of turn-taking in communication. We considered the role of gaze in dialogues between human beings and examined it by CG simulation and our humanoid Also we analyzed the features of gaze movement in dialogues by plural persons and confirmed that controlling gaze is efficient in confirmation of communication channel by implementing it on the humanoid.

音声対話、特に自由会話において話者の発話計画に影響すると考えられる時間的制約に関して、対話コーパスを対象に分析を行なった。話者が発話の番を所有する時間を計測し、各状況における傾向を調べることにより、時間的制約が対話に与える影響を詳細化することを試みた。その結果、聴者としての時間的制約の影響は明確な個人差をもって対話に現れることがわかった。さらに発話の機能や対話様式、参加者の積極性などの要因が時間的制約の影響に変化を与えることが示された。

資料形態 : テキストデータ プレーンテキスト コレクション : 国立国会図書館デジタルコレクション > デジタル化資料 > 雑誌

本研究の目的は、音声対話システムの発話の音声言語的特徴制御によるユーザのインタラクション欲求向上について検証することである。エージェントに対する印象の強さはユーザごとに個人差がある可能性がある。模擬的な共同タスク環境を設計したうえで被験者実験を行い、個人の特性とエージェントに対する印象の関係を明らかにした。さらに、具体的な音声言語的特徴制御の例としてユーモアを扱い、ユーモア発話生成がユーザのインタラクション欲求向上に与える影響を、対話システム開発を通じて検証した。ユーモアを含まない発話文を選択する手法よりも提案したユーモア発話生成手法の方がユーザの対話継続欲求を向上できることが示された

本研究は、画像についての説明を、話し言葉か書き言葉か、対話か独話かの、合計4通りの条件(モード)について、データの収録方法の開発、データの収集と整備、ならびに4種類のモード間の自動変換アルゴリズムを将来開発するための基礎として、各モード間の差異についての知見の発見と集約を行なうものである。得られたデータから、文章のスタイルを表す多くのパラメータの、話し言葉と書き言葉における差が、独話より対話の方が少ないことから、即時的な文の生成や、発話に対する受け手の理解状況への注意などの対話の持つ特性が、話し言葉と書き言葉それぞれの特徴を減少させることが示唆された

本研究の目的は、音声対話システムの発話の音声言語的特徴制御によるユーザのインタラクション欲求向上について検証することである。エージェントに対する印象の強さはユーザごとに個人差がある可能性がある。模擬的な共同タスク環境を設計したうえで被験者実験を行い、個人の特性とエージェントに対する印象の関係を明らかにした。さらに、具体的な音声言語的特徴制御の例としてユーモアを扱い、ユーモア発話生成がユーザのインタラクション欲求向上に与える影響を、対話システム開発を通じて検証した。ユーモアを含まない発話文を選択する手法よりも提案したユーモア発話生成手法の方がユーザの対話継続欲求を向上できることが示された

アイヌ語の人称表示の方言差を観察し、方言間の距離が近いことでこれまで知られてきた沙流方言と千歳方言の動詞の人称表示体系に、重要な差異のあることを確認し、この事実が示唆するアイヌ語の人称表示の一般的な傾向および歴史的背景を考察した。アイヌ語の叙事詩のなかに現れる親族語彙について、沙流方言のテキストと静内方言のテキストのなかでの用法の違いを調査した。アイヌ語音声データベースのシステムを試験的に構築した。アイヌ語音声データベースに入力するレコードの整備を進めた。アイヌ語のテキストをデータベース化する際に、動詞内部をできる限り形態素ごとに区切り、そこにタグをつけていく作業を試み、その結果を評価した

母語対話の話者交替時には、話者移行適格場ＴＲＰに制約された重複発話が多数観測される。これは、母語対話の心的負担を軽減させるメカニズムによるものと思われる。日本人母語話者ではプロソディに話者交替の予告情報が存在していた。成人の日英両母語話者と非母語話者の話者交替タイミングには差異が見いだされ、予告情報は言語情報ではなく、主に物理量のプロソディにあることが示唆された。日本語母語5歳児と成人母語話者の対話では個人差が若干存在するが、6歳児では成人母語話者との差異がなかった。母語プロソディ獲得臨界期の生後18ヶ月までに予告機能基盤の獲得が進み、6歳頃までに母語の話者交替の機能が獲得されると思われる

本研究は、母親が乳児に話しかける際の話し方、対乳児発話(Infant-Directed Speech, IDS)に含まれる音声がどのような特徴をもち、それが乳児の音声獲得にどのような役割を果たしているのかを音声学的解析手法と、音響特性に基づいた数理モデルを用いた解析手法を融合して解析した。母音の質の違いにつては対乳児発話であっても対成人発話であってもSOMを用いたモデルで獲得が可能なことが分かったが、長短母音の違いは母音の長さ情報のみからの獲得は困難であることが分かった

本研究では,現実の多様な対話状況に対応するために,能動的にインタラクションを行うコミュニケーション機構の検討を行った.従来の対話システム研究は,情報端末のインタフェースとして特定のタスクを効率よくこなすことを目的としていたが,対話を自発的に開始・継続する対話システムへと発展させるためにこのシステム機構の研究を行う.そのために,動画像・音声による人物認識と対話内容認識を目指す(i)対話状況把握の研究,対話システムがどのように対話を開始し,継続,終了すべきかをモデリングする(ii)自発的コミュニケーション制御モデルの研究,そして,どのようにシステムの意図を表出するかという(iii)音声生成と動作表現の技術の大きく3種類の技術の検討を行った.(i)として,ステレオカメラによる人物姿勢推定の研究を行った.従来用いられなかった奥行き情報,人物の形状とテクスチャ情報などを同時に用いることにより,高精度な人物姿勢推定を実現した.また,対話時に話者の意図を推定する技術の研究を行った.文末特徴や単語N-gramを用いることにより,従来法より精度の高い意図推定が可能となった.(ii)として,ロボットが人に話しかける際の話しかけ判断モデル,継続モデル,終了モデルを検討した.音声・画像情報から,システムが対話相手の心的状況を推定し,対話の開始・継続・終了を行う技術を実現した.(iii)として,音声の生理的表現の一つである「笑い」を音声合成により生成する技術を検討した.人間の笑い声の音響分析に基づき,話し声から「笑い声」,「喋り笑い」の合成を実現した

当初の計画に従って、研究期間の前半ではデータの整備をおこなった。具体的には以下のデータを新規に生成した。また既存のデータのエラー修正も実施した。1.『日本語話し言葉コーパス』コア部分(約44万語)について、韻律情報その他をアクセント句単位に再編成した韻律研究用XMLデータを設計し、作成した(担当:菊池)。2.『日本語話し言葉コーパス』の異なり語(約4万語)に対して、和語、漢語、外来語等の語種情報を付与した(小椋)。3.『日本語話し言葉コーパス』からガ行鼻濁音を含みうる語を文脈とともに切り出した鼻濁音研究用データベースを作成した(前川・日比谷)。4.『日本語話し言葉コーパス』全体(約752万語)を対照として、語形の変異現象を包括的に記録した語形変異研究用RDBを整備した(前川)。これらのデータを利用して、『日本語話し言葉コーパス』に記録された各種の言語変異現象の研究を実施した。具体的には以下の現象を分析した。1.母音の無声化(前川・菊池)2.母音の非語彙的延長(伝)3.助詞の撥音化(小磯)4.ガ行鼻濁音(日比谷)5.語形変異(前川)6.アクセント句末イントネーションのうち上昇調の変異(前川・菊池)7.文末の文体的特徴(小椋)研究成果は国際学会を含む各種学会で報告した他、3年分の成果をまとめた報告書(252頁)を刊行し

フルオンデマンドによるeラーニングのコースを実質的に成果のあるものにするためには、教員、コーチ、サポートスタッフの3種類の人的資源がそれぞれに割り当てられた仕事をこなすこと、そしてラーニング・マネジメント・システム(LMS)を含むeラーニングシステムが学習者の学習を促進するような機能をもつことが必要である。教員の仕事は大きく分けて、コースの設計、実施、評価と改善の3つに分類できる。eラーニングになってとりわけ重要なことは、コースの設計と詳細化における仕事に重心が移ることである。eラーニングにおける教員の仕事はコースの設計と詳細化という部分に重心が移った。それによってコースの実施段階では教員を補佐し、実質的に授業運営の大きな部分を担う人材が必須のものとなった。それがコーチである。コーチの仕事は、大きく分けて、学習活動の促進、雰囲気と規範作り、議論プロセスの主導の3つである。LMSについては、有償・無償のものを含めてさまざまな種類のものが利用できる。最低限、ビデオ配信、BBS、レポート・テストのやりとりができるシステムであればeラーニングを実施することができる。しかし、eラーニング授業をもっと着実なものにするためには、それぞれの機能についていっそうの工夫が必要である。将来的な学習環境について述べる。現在の環境は、学習者がLMSにログインして、そこで学習のリソースを見て、自分の手元でノートを取るというような形になっている。しかし、将来的には、Webブラウザを開けば、すぐにそこが自分の学習用のワークスペースになっているようなイメージにしたい

本研究では、まずHough & Duncan の開発したObservational System for Instructional Analysis(OSIA)を用いて、大学の講義、小学校英語授業を録画したものを記述し、マトリックス、タイムラインに転記した。同時に、教室内発語をすべて書き起こし、さらに教員の表清分析を行ない解析した結果、以下の諸点が明らかになった。1)大学の授業のインターアクションのレベルは講義型の場合、単調な教師の説明が圧倒的に多く、小学校の授業は、教師、児童間のインターアクションのレベルは、英語授業の場合、とりわけ高く、児童の反応が多いことが、記述データの分布図(マトリックス)から再確認された。2)小学校授業でのALTは、教育経験の有無により、発語、発問と児童の解答のタイミングに違いがあり、経験の浅いALTは、絵を見せていきなり反復練習に入るのに対し、小学校での教育経験のあるALTは、提示->児童の発語という児童からの主体的な発語を中心に授業を行っており、それが、授業の活性化につながっていることが確認された。3)小学校授業において、教員の表情の緩急が授業の活性化につながっており、児童の参加態度の積極性、動機づけにも影響を与えていることが、データ、授業観察、ビデオ録画からも読み取れた。4)長い英語のフレーズよりも、短い発問、説明がより児童の学習態度には効果的である。5)褒める、ポジティブなフィードバックが英語授業のような言語教育場面においては、特に効果的である。6)アーティファクトの使用は、タイミングが合う限りにおいては、授業のテンポアップにつながる

自然言語は「談話>文句>語>音節>モーラ>音素」の様な階層構造をなしているというのが現代言語学の基本的な仮定である。この仮定は書き言葉にはよくあてはまる。しかし、自発音声(自然な話し言葉)においては、様々な理由によって、明瞭な階層構造を認定しがたいケースが頻出する。本研究の目的は、この破綻にどのような類型が存在するかを『日本語話し言葉コーパス』に記録された膨大なデータを用いて検討し、そのような破綻を含む言語データをXML文書化する方法を考案することである。初年度には『日本語話し言葉コーパス』の転記テキストにおいて階層構造の破綻がどのように生じているかの類型化作業をおこない、一部試験的にXML文書化を実施した。本最終年度は、昨年度の成果を継承して、XML文書の仕様を確定し、『日本語話し言葉コーパス』に含まれる752万語分の転記テキスト(音声データ661時間分に該当)と形態素解析結果をXML文書化した。そのうち約50万語(44時間相当)に関しては、上記に加えて分節音とイントネーションの両面にわたる音声ラベルもXML文書中にとりこんだ。このようにして作成されたXML文書は、複雑な構造(最大で10階層、17要素、208属性)を有しているので、その検索は容易でない。そこで『日本語話し言葉コーパス』用のXML文書検索ツールを開発した。このツールは、GUIを介して検索式(XPathないしX-Query)を生成する機能とともに、検索結果をXSLでフォーマットしてユーザーが望む形式で出力する機能を有している。本ツールはJAVAで開発されているので、主要なOS上で利用できる。本研究の成果である『日本語話し言葉コーパス』のXML文書と検索ツールは『日本語話し言葉コーパス』公開版の一部として2004年6月上旬に一般公開する予定である

今年度の成果は以下の通りである。a)対話のリズムと韻律制御前年度までの成果に基づいて、対話における話題境界の判別を題材に、韻律情報におけるアクセント句単位でのパラメータを用いて統計的なモデルを学習し、オープンデータに対しても人間と同程度の判別精度が得られることを確認した。(白井・菊池)自然な対話システムを構築する上で重要なシステム側の相槌生成と話者交替のタイミングの決定を、韻律情報と表層的言語情報を用いて行う方法を開発した。この決定法を、実際に天気予報を題材にした雑談対話システムに実装し、被験者がシステムと対話することにより主観的な評価を行い、有用性を確認した。(中川)b)対話音声理解応用対話音声における繰り返しの訂正発話に関する特徴の統計的な分析結果を踏まえ、フレーズ単位の韻律的特徴の併用と訂正発話検出への適用を評価した。また、これらと併せた頑健な対話音声理解のため、フィラーの韻律的な特徴分析・モデル化の検討を行った。(甲斐)c)対話音声合成応用語彙の韻律的有標性について程度の副詞を用い、生成・聴覚の両面から分析を行い、自然な会話音声生成のための韻律的強勢制御を実現した。また、統計的計算モデルによる話速制御モデルを作成し、会話音声にみられる局所話速の分析を進め、自由な話速の制御を可能とした。さらに、韻律制御パラメータが合成音声の自然性品質に及ぼす影響を調べた。(匂坂)d)対話システム上記の成果をまとめ,対話システムを実装した。特に,顔表情の認識・生成システム,声表情の認識・生成システムなどを前年度までに開発した対話プラットホーム上に統合し,パラ言語情報の授受を可能とするリズムある対話システムを構築した。(小林