音声と音楽による人間・機械間メタコミュニケーション
•Download as PPTX, PDF•
1 like•3,140 views
2015年音学シンポジウムでの発表スライドです。
Recommended
More Related Content
What's hot
What's hot (17)
More from Akinori Ito
Recently uploaded
Recently uploaded (9)
音声と音楽による人間・機械間メタコミュニケーション
- 6. メタコミュニケーション G. Bateson (1956, 1979) ◦“Communication that refers to communication” ある行動が「本気」な のか「ごっこ」なのか をしめすシグナル 6
- 7. 電気通信における メタコミュニケーション ◦無線通信のパイロット信号 ◦ 送受信アンテナ間の利得と位相を計測 ◦TCP/IP ◦ コネクション開始時のSYN/ACKなど ◦ ヘッダ情報（ペイロード以外） ◦HTTPヘッダ情報 ◦ コンテンツの種類，サイズなど 通信路の状態，送信・受信側の状態などを交換する → 人間のコミュニケーションでも同様？ 7
- 8. 人間の メタコミュニケーション ◦音声言語＋α的文脈では ◦ 言語現象のみ[Levin+77,Sanford+87] ◦ 非言語現象を「パラコミュニケーション」 と呼ぶ [Beitman+07] ◦ 音声対話システムでは「聞き返し，確認」 などをメタコミュニケーションと呼ぶよう だ [Beitman+95,Dybkaer+01] ◦ここではコミュニケーションチャネル に関係する情報交換をすべて「メタコ ミュニケーション」と呼ぶ 8
- 10. メタコミュニケーションの 重要性 ◦通常の対話制御 ◦ タスク達成のための情報収集 ◦ ユーザについての仮定 ◦ タスクについて知っている ◦ タスク達成のために努力する 10
- 15. 研究紹介 15
- 17. うるさくてよく聞こえない んだけど ◦劣悪な環境では，認識しやすい表現で指 示する [Oba+ 08] • 雑音環境から認識性能を予 測する方法の確立 • システムが持つ文法に合う発 話をユーザに促すための対話 戦略 17
- 18. うるさくてよく聞こえない んだけど ◦雑音から音声認識率を推定 →辞書と対話戦略を変える 18 環境 システム発話 ユーザ発話 高認識率 ご用件をどう ぞ エアコンの温度を下 げて 低認識率 質問にだけ答 えてください．ど の機器を操作し ますか？ えー，エアコン
- 19. うるさくてよく聞こえない んだけど 19 語彙 対話戦略語彙 対話戦略語彙 対話戦略語彙 対話戦略 対話戦略選択 認識率 推定（NN) 入力 音声 音声認識 語彙 対話管理 対話戦略語彙 音声合成 出力 音声
- 20. ちょっと顔見せて ◦音声対話システムでは仮想エージェント やロボットが対話相手になることが多い 20 ゆるキャラ（たけまるくん） [Cincarek+ 2008] リアル風CG [Wik+ 2009] VR環境＋CG (REA) [Bickmore+ 2005] ロボット (SCHEMA) [Matsuyama+ 2009]
- 22. ちょっと顔見せて ◦ARエージェントによる「モノ」との対話 22 エージェントがいる場 合といない場合の対話 を比較 • 話しかけやすさが向 上 • 親しい口調のため単 語数が減少 [Miyake+ 2012]
- 23. 上から目線？下から目線？ 対話相手はどういう高さがいいのか ◦一般に高い方が「偉く見える」 ◦ 背の高い人の方が年収が高い [Judge+ 2004] ◦ ビデオ会議でモニタを高い位置に置くと会 話の支配率が上がる [Huang+ 2002] ◦従来は直感で設計 ◦ ASIMOの高さは1200mm 23
- 24. 上から目線？下から目線？ ◦高さ変更可能なロボットによる対話実験 [Hiroi+ 2012] ◦ もっとも話しやすいロボット の高さは，人間の目の高さ から30cm下±20cm以内 ◦ 従来のロボットとおおむね 一致 24
- 25. もっと近づいてもいい？ ロボットはどこまで近づいてもいい のか ◦四角いロボットを近づけて適切な位置 で止める実験を行った[Hiroi+ 2009] 25 • ロボットが大きいほど適 切な「間合い」は大きい • およそ1m～1.4m • ロボットの高さが1.2mを 超えると頭打ち
- 27. もしもし，聞こえてる？ ◦ロボットが命令を無視する状況での コマンド音声の特徴を調査 [Totsuka+ 2014] ◦ 移動ロボットを音声で止める ◦ 1/5の確率で命令を無視 27
- 30. ねえ，なぜ黙っているの？ 答えられない場合の例 30 登録済みの ユーザIDをどうぞ ユーザID？ 何のこと？ 登録済みの ユーザIDをどうぞ ああ、 えーっと・・・ State Aの例 State Bの例
- 31. ねえ，なぜ黙っているの？ ◦従来の対応 ◦ 一定時間後にプロンプト音声を繰り返す (Incremental prompt) [Yankelovitch96] ◦ 前記のAの場合（しかも原因が聞き取りの 問題だった場合）しか対応できない ◦何がしたいか ◦ 答えられない原因の推定 →原因に応じた案内をする（といいな） 31
- 32. ねえ，なぜ黙っているの？ ◦入力できないユーザの状態推定 [Chiba+ 14] 32 学習データ 特徴抽出 VQ コード ブック テストデータ 特徴抽出 VQ 分類器（SVM） 学習 推定Bag-of-Behavior セッション セッション 特徴系列 … VQ系列 … 頻度ベクトル 5 9 8 5 7 3 特徴系列 … VQ系列 … 頻度ベクトル 4 4 6 5 3 8
- 35. 早く答えてよ！ 人間と人間，人間と機械の英会話 35 How are you? Great. And you? How are you? … fine.
- 37. 早く答えてよ！ 対人間の場合と同じようなタイミン グで答えてほしい ◦人間の場合は微妙な表情などで間合い を測っている（？） ◦CGキャラクタやロボットでそれと同じ 制御をするのは簡単ではない 37
- 39. 早く答えてよ！ ◦タイムプレッシャーの効果 ◦ 交替潜時が減少 ◦ 「練習をしている感じ」 「緊張感」が向上 ◦ 朗読だけの練習より 交替潜時減少が大きい ◦ 効果が2週間後も持続 39
- 50. 本人熱唱度を測る ◦知覚熱唱度は人によって大きく異なる ⇒どんなに頑張っても「熱唱」と知覚 されない歌唱者がいる ◦本人熱唱度は測れるのか？ ◦ 「熱唱」「非熱唱」の2値分類 ◦歌唱パワーの時間的なばらつきを測る [Ito 14] ◦ 熱唱と非熱唱ではサビの大きさが異なる ◦ 単純な方法で72%程度の精度 50
- 52. おわりに ◦「人間に対して感情をシミュレートす るロボットは作るべきでない」という 意見がある[50] ◦ 産総研のPAROなどへの批判 ◦ もし禁止しなければ，世の中が「にせも の」だらけになるぞ，という警告 52 [50] Bringsjord&Clark. Red-pill robots only, please. IEEE Trans. Affective Comp., 3(4):394-397, 2011.
- 53. おわりに ◦この件についての個人的感想 ◦ 感情（に類するもの）のシミュレーション なしにはメタコミュニケーションは成立し えない ◦ 人間に対するコミュニケーションチャネルと同じ ものを機械が使うためには不可欠 ◦ もう手遅れ ◦ ギャルゲーの発展(1991～) ◦ HMDによるキャラクタ召喚 53