[发明专利]控制装置、语音交互装置、语音识别服务器以及存储介质

说明书

本发明涉及控制装置、语音交互装置、语音识别服务器以及存储介质。一种控制装置，其包括：计算单元，该计算单元被配置成控制包括语音识别模型的语音交互装置，其中，当与对象者的会话开始时，计算单元指示语音交互装置以通过从语音识别模型中已经暂时选择的一个语音识别模型来首先执行语音识别和响应生成，基于对象者在语音识别服务器中的话语的语音识别结果来确定在语音交互装置中保持的语音识别模型中的被估计为最佳的语音识别模型，并且当被估计为最佳的语音识别模型和已经被暂时选择的一个语音识别模型彼此不同时，指示语音交互装置以将语音识别模型切换到被估计为最佳的语音识别模型并执行语音识别和响应生成。

技术领域

本公开涉及一种控制装置、语音交互装置、语音识别服务器以及程序。

背景技术

已知一种语音交互系统，其用于分析作为会话伙伴的对象者(用户)发出的话语，掌握话语的含义和内容，根据话语的类型生成响应，并且通过语音或文本将响应呈现给语音对象识别对象者。日本未经审查的专利申请特开No.2018-109663和2018-045190公开语音交互系统，该语音交互系统被配置成通过语音识别的精度较高的服务器侧和响应速度较高的本地(终端设备)侧以划分方式执行会话处理。

发明内容

在日本未经审查的专利申请特开No.2018-109663和第2018-045190中公开的技术中，为了提高响应的准确性，需要在服务器侧执行语音识别和响应生成。然而，在这种情况下，存在由于终端设备与服务器之间的通信速率的限制而做出响应所花费的时间相对较长的问题。在日本未经审查的专利申请特开No.2018-045190中，在对象者已经发言之后发送服务器生成的响应所需的时间段(延迟时间段)中，语音交互系统通过以诸如做出令人满意的回应或重复对象者的话语的这种简单的方式响应来赢得时间。但是，当语音交互系统在每个延迟时间段做出响应以赢得时间时，会话变成不自然的会话，并且可能无法充分缓解对象者在延迟时间段内感到的压力。

鉴于上述情况做出本公开，并且本公开旨在提供一种语音交互装置的控制装置、语音交互装置、语音识别服务器以及程序，其能够减少响应所需时间并减少会话的不自然感。

根据本公开的一个实施例的控制装置包括：计算单元，该计算单元被配置成控制包括多个语音识别模型的语音交互装置，其中，当与对象者的会话开始时，计算单元指示语音交互装置通过从多个语音识别模型中已经暂时选择的一个语音识别模型来首先执行语音识别和响应生成，基于在语音识别服务器中的对象者发出的话语的语音识别结果来确定在语音交互装置中保持的多个语音识别模型中被估计为最佳的语音识别模型，并且当被估计为最佳的语音识别模型和已经被暂时选择的一个语音识别模型彼此不同时，指示语音交互装置以将语音识别模型切换到被估计为最佳的语音识别模型并执行语音识别和响应生成。

当与对象者的会话开始时，控制装置的计算单元指示语音交互装置以通过已经从被包括在语音交互装置中的多个语音识别模型中暂时选择的一个语音识别模型来首先执行语音识别和响应生成。根据该过程，可以减少语音交互装置的响应所需的时间。然后，计算单元基于关于在语音识别服务器中对象者的话语的语音识别的结果，确定在语音交互装置中保持的多个语音识别模型当中的被估计为最佳的语音识别模型。暂时选择的一个语音识别模型被切换为基于语音识别服务器的语音识别结果估计为最佳的确定的语音识别模型，其中语音识别的准确性很高，由此，可以减少响应的不自然。

此外，已经被暂时选择的语音识别模型优选地是基于过去的会话信息已经被确定为包括在语音交互装置中的多个语音识别模型当中的最频繁使用的语音识别模型。根据该技术，可以降低已经被暂时选择的一个语音识别模型的响应给予对象者陌生感的程度。

此外，当语音交互装置将语音识别模型切换到估计为最佳的语音识别模型时，计算单元优选使语音交互装置将语音识别模型从其与已经暂时选择的一个语音识别模型的相似度水平高的语音识别模型按阶段地切换成被估计为最佳的语音识别模型。根据该技术，与语音识别模型突然切换到被估计为最佳的模型的情况相比，可以减少对象者在会话中感觉到的陌生感。