[3G5-GS-6] 言語メディア処理：

[3G5-GS-6-02] 音声アクティビティ予測を利用した音声対話システムの構築と自然さの客観評価

〇樋口 栄作¹、山本 智幸¹、吉田 茂人¹ (1. シャープ株式会社)

キーワード：大規模言語モデル、対話システム、ターンテイキング、自然言語処理、あいづち

自然言語処理技術の進展に伴い，連続音声を扱う対話システムが普及しつつある．特にあいづちを打つ対話システムの応答は，応答速度の遅延や発話中の割り込みにより自然な会話を損なうが，あいづちと本文の分離が困難のため評価が難しい．本研究では，あいづちを含む自然なやりとりを実現するため，ターンテイキングに着目し，VAP（Voice Activity Projection）を応用した対話システムを構築した．会話の開始終了時刻を予測し，あいづちや割り込み発話を区別可能にする．実験により自然さの向上が確認され，今後の対話システム開発において有効となることを確認した．