[發明專利]對話系統以及對話單元

在審

• 申請號: 202310129465.6
• 申請日: 2023-02-17
• 公開（公告）號: CN116631453A
• 公開（公告）日: 2023-08-22
• 發明（設計）人: 大須賀晉;田中五大;鍋倉彩那;中野涼太;渡邊凌太;佐藤辰耶;北岡教英;西村良太;原直;太田健吾;石川晃之;石川友香
• 申請（專利權）人: 株式會社愛信
• 主分類號: G10L25/78
• 分類號: G10L25/78;G06V40/16;G06V40/20
• 代理公司: 北京集佳知識產權代理有限公司 11227
• 代理人: 王瑋

本發明提供一種能夠高精度地判定用戶是否正在向系統說話的對話系統。PU(22)通過操作顯示部(12)來控制作為人物的圖像的智能體圖像(14)。PU(22)執行基于麥克風(34)的輸出信號(Ss)的聲音區間檢測。另外，PU(22)基于紅外線照相機(32)的紅外線圖像數據(Dir)，來判定用戶的嘴是否正在動作。在檢測到是聲音區間的意旨并且判定為用戶的嘴正在動作的情況下，PU(22)判定為用戶正在講話，并將智能體圖像14設為聽取姿勢的圖像。

技術領域

本發明涉及對話系統以及對話單元。

背景技術

例如，在下述專利文獻1中記載有多模態對話裝置。該裝置通過將聲音特征量、以及與用戶的面部朝向相關的特征量向識別模型輸入，來識別是否與對話裝置正在對話。

專利文獻1：日本特開2011-215900號公報

但是，在通過與面部朝向相關的特征量和聲音特征量來判定是否與裝置正在對話的情況下，其精度未必高。

發明內容

以下，描述用于解決上述課題的機構以及其作用效果。

1.一種對話系統，是與用戶進行對話的對話系統，其具備：執行裝置，其執行檢測處理以及識別處理，上述識別處理是在通過上述檢測處理檢測出規定狀態的情況下，識別為上述用戶對上述對話系統說話的處理，上述檢測處理是將拍攝上述用戶的照相機的輸出信號作為輸入而檢測上述規定狀態的處理，上述規定狀態包含上述用戶的嘴正在動作的狀態。

在上述結構中，以檢測出規定狀態的情況為條件，識別為用戶向對話系統說話的情況。這里，在規定狀態包含用戶的嘴正在動作的狀態的情況下，能夠以大概率判定為用戶正在發聲。因此，基于該狀態而判定為正在向對話系統說話，由此能夠提高判定精度。

2.根據上述1所述的對話系統，上述規定狀態還包含上述用戶的視線朝向了上述對話系統的狀態以及上述用戶正在指示上述對話系統的狀態這兩個狀態中的至少一個狀態。

另外，在規定狀態包含用戶的視線朝向了該系統的狀態的情況下，能夠推測用戶與對話系統進行對話的意思。因此，基于該狀態而判定為正在向對話系統說話，由此能夠提高判定精度。另外，在規定狀態包含指示了該系統的狀態的情況下，能夠推測用戶正試著與對話系統進行溝通。因此，基于該狀態而判定為正在向對話系統說話，由此能夠提高判定精度。

3.根據上述1或者2所述的對話系統，上述檢測處理是除了上述照相機的輸出信號之外還將麥克風的輸出信號作為輸入而檢測上述規定狀態的處理，上述規定狀態包含上述用戶的嘴正在動作的狀態和輸出聲音的狀態雙方都成立的狀態。

在上述結構中，由于在規定狀態中包含用戶的嘴正在動作的狀態，所以能夠以大概率判定為用戶正在發聲。

在上述結構中，規定狀態包含上述用戶的嘴正在動作的狀態和輸出聲音的狀態。因此，能夠確定聲音的輸出是用戶發出的概率高的狀況，或者是用戶朝向對話系統發出的概率高的狀況。

4.根據上述3所述的對話系統，上述檢測處理包含檢測輸出上述聲音的區間的聲音區間檢測處理，上述規定狀態中的輸出上述聲音的狀態是由上述聲音區間檢測處理判定為聲音區間的狀態。

在上述結構中，將判定為聲音區間的狀態作為輸出聲音的狀態的檢測。因此，例如與參考通過聲音識別將輸出信號轉換為文本數據的內容等的情況比較，能夠減輕是否是規定狀態的判定處理的運算負荷。因此，能夠迅速地結束是否是規定狀態的判定處理。

5.根據上述1～4中任一個所述的對話系統，上述執行裝置操作顯示裝置來執行顯示智能體圖像的顯示處理，上述智能體圖像是智能體的圖像，上述智能體是與上述用戶對話的人物，上述顯示處理包含在由上述識別處理識別為說話的情況下，顯示表示上述智能體聽取上述用戶的話語的姿勢的圖像的處理。