実習：音声対話

2010年8月 西本卓也（東京大学）

更新日 2010-08-04

• Dialog Studio の最新版は http://sourceforge.jp/projects/galatea/releases/
• この記事の草稿は http://ja.nishimotz.com/dialogstudio_exercise

概要

• この実習は、音声対話システムの各モジュールを「改変可能な個別のパーツ」としてではなく「一つのまとまったシステム」として扱います。
• 実習には含めないが実演する内容：Webアプリケーションとしての VXML の実例、 Rails との連携
• ISTCが提案した「６階層モデル」：タスク内制御は VoiceXML の FIA に、タスク間制御は Controller に対応。

• Dialog Studio のドキュメント : http://galatea.sourceforge.jp/galatea-doc/main_ja.html
• $ から始まる行はターミナル（端末）でキーボードから入力する作業です（先頭の $ は入力不要です）

演習課題

• (1) 駅名、枚数などを変更して動作を確認して下さい。どのような単語が入力可能なのかは、リスト1 の grammar 要素を見て下さい。また、誤認識が起こったときに、(goto 要素などがないにも関わらず)なぜ対話の最初に戻るのか考えてみてください。
• (2) リスト 1 のticket.vxml に、席種をたずねる対話を追加してください。席種はグリーン・指定席・自由席があるものとします。また、席種の確認も行うように確認の対話も変更してください。
• (3) 出発駅と到着駅が同じであるかどうかをチェックし、同じであれば「不適切な入力です。」と応答して、対話を最初からやりなおすようにリスト1 のticket.vxml を変更してください。

リスト１（入力済みのファイル ticket.vxml を用意しています。1行目の encoding はエディタ環境および設定によっては UTF-8 などに変更してください）

<?xml version="1.0" encoding="euc-jp" ?>
<vxml version="2.0" xml:lang="ja">
<form id="form1">
<block>
<native>to @AM-MCL set AutoEmotionSpeak = 1</native>
<native>to @AM-MCL set AutoMove = 1</native>
<native>to @AM-MCL set AutoGaze = 1</native>
<native>to @FS-MCL set Background = woman01 bg1</native>
<native>to @AM-MCL set Mask = woman01 HAPPY 100 0 0 0</native>
</block>
<field name="source">
 <prompt>
 こちらは特急券販売システムです。出発駅をどうぞ。
 </prompt>
 <grammar root="#station1">
  <rule id="station1">
   <one-of>
    <item> <token sym="まいくてすと"> マイクテスト </token> </item>
    <item> <token sym="とうきょう" slot="source"> 東京 </token> </item>
    <item> <token sym="しながわ" slot="source"> 品川 </token> </item>
    <item> <token sym="なごや" slot="source"> 名古屋 </token> </item>
    <item> <token sym="きょうと" slot="source"> 京都 </token> </item>
    <item> <token sym="しんおおさか" slot="source"> 新大阪 </token> </item>
   </one-of>
  </rule>
 </grammar>
</field>
<field name="dest">
 <prompt>
 到着駅をどうぞ。
 </prompt>
 <grammar root="#station1">
  <rule id="station1">
   <one-of>
    <item> <token sym="まいくてすと"> マイクテスト </token> </item>
    <item> <token sym="とうきょう" slot="dest"> 東京 </token> </item>
    <item> <token sym="しながわ" slot="dest"> 品川 </token> </item>
    <item> <token sym="なごや" slot="dest"> 名古屋 </token> </item>
    <item> <token sym="きょうと" slot="dest"> 京都 </token> </item>
    <item> <token sym="しんおおさか" slot="dest"> 新大阪 </token> </item>
   </one-of>
  </rule>
 </grammar>
</field>
<field name="num">
 <prompt>
 枚数をどうぞ
 </prompt>
 <grammar root="#maisuu">
  <rule id="maisuu">
    <ruleref uri="#digit"/>
    <ruleref uri="#mai"/>
  </rule>
  <rule id="digit">
   <one-of>
    <item> <token sym="いち" slot="num"> １ </token> </item>
    <item> <token sym="に" slot="num"> ２ </token> </item>
    <item> <token sym="さん" slot="num"> ３ </token> </item>
   </one-of>
  </rule>
  <rule id="mai">
    <item> <token sym="まい"> 枚 </token> </item>
  </rule>
 </grammar>
</field>
<field name="confirm">
 <prompt>
  <value expr="source"/>駅から
  <value expr="dest"/>駅まで
  <value expr="num"/>枚ですね。
  よろしいですか
 </prompt>
 <grammar root="#yes_no">
  <rule id="yes_no">
   <one-of>
    <item> <token sym="はい" slot="confirm" value="y"> はい </token> </item>
    <item> <token sym="いいえ" slot="confirm" value="n"> いいえ </token> </item> 
   </one-of>
  </rule>
 </grammar>
 <filled>
   <if cond="confirm == 'y'">
     御購入ありがとうございました。
     <goto next="#form1"/>
   <else/>
     もうしわけありません。最初からやりなおして下さい。
     <clear/>
   </if>
 </filled>
</field>
</form>
</vxml>

• native 要素は Galatea プロトコルによる通信コマンドです

演習の流れ

• 音声入出力に関する準備
  • ヘッドセットマイク
• 対話マネージャの基本操作
  • サンプル対話の実行
• 対話シナリオの変更・拡張
  • VXML ファイルのコピー・編集・実行

準備

• ヘッドセットマイクの接続
• 音量の設定
  • スピーカーのアイコン - 「音量調整ツール」
• 音声の取り込みテスト

$ wavesurfer

実習：手順１

• Galatea Dialog Studioの実行

$ cp （コピー元ディレクトリ）/form.vxml .
$ galatea-runner form.vxml

• コピー元ディレクトリは /usr/local/galatea-demo/ など、実習環境に応じて指示します

• 対話例は後述（マイクOFFのまま）

• 終了（メニューからは終了できない）
  • ターミナルにフォーカス指定して Ctrl+C

Dialog Studioの操作

• アドレスボックス / 「Go」
  • 実行中のファイル名または URL を表示
  • ファイル名などを入力して 「Go」 を押すと、指定された対話を開始
  • 実行中の対話があれば終了して実行

• 「Validate」
  • ファイル内容の文法などをチェック
  • ただし実行時エラーはチェックできない
  • 実行中の対話に影響を与えない

• 「Run」
  • Pauseで中断中の対話の再開

• 「Pause」
  • 実行中の対話を一時中断・再開
  • 発話中の場合は、現在出力中の音声などを出力し終えてから待機
  • 注意：すぐに止まらないことがある

• 「File」 - 「Open Local File...」
  • ダイアログからファイルを指定して実行

• 「Face」 - 「AgentEnable」/「AgentDisable」
  • エージェントを一時的に表示・非表示

• 「Face」 - 「Texture」/「Wireframe」/...
  • エージェントの表示方法を切替

• 「Mask」
  • 顔と声を同時に切替える
  • 制約：組み合わせは固定

• 「Auto」 - 「AutoMove ON/OFF」
  • 顔の制御を実行・停止

• 「Auto」 - 「AutoGaze ON/OFF」
  • 視線の制御を実行・停止

• 「Auto」 - 「EmotionSpeak ON/OFF」
  • 感情切替による声の制御を有効化・無効化

• 「Expression」
  • 感情を切替（AutoMove ON にて有効）

• 「Demo」 - 「Nod」/「Say Hello」
  • うなずく動作や音声合成のデモ

• 「Demo」 - 「Demo1」/「Demo2」/「Demo3」
  • 定義済み対話デモ
  • 実行中に内容を閲覧するには、Source タブを使う。

実習：手順２

• マイクをONにする
• アドレスボックスを確認 : form.vxml
• 「Go」 を押して対話

実習：手順３

• 対話例(form.vxml)
  • ガラティアカフェにようこそ
  • テイクアウトですか？
  • 「はい」「いいえ」
• お飲み物は何になさいますか？
  • 「コーヒー」「紅茶」
  • 参考：「コーヒーのホット」なども受理可能
• ホットとアイスのどちらがいいですか？
  • 「ホット」「アイス」

実習：手順４

• ファイルの実行（演習課題１）

$ cp （コピー元ディレクトリ）/ticket.vxml .
$ galatea-runner ticket.vxml

• 修正するための準備（演習課題２・３）

$ cp ticket.vxml ticket2.vxml
$ cp ticket.vxml ticket3.vxml

実習：手順５

• 演習課題１＝ticket.vxml（元ファイル）
  • 動作確認（さまざまな駅名や枚数で）
  • grammar要素の確認

• 演習課題２＝ticket2.vxml （コピー）
  • 席種を尋ねる対話とその確認対話を追加
  • グリーン車、指定席、自由席

• 演習課題３＝ticket3.vxml （コピー）
  • 出発駅と到着駅が同じでないようにチェック

実習：手順６

• ticket2.vxmlの編集（3も同様）

$ emacs

あるいは

$ gedit

修正したファイルの実行

$ galatea-runner ticket2.vxml

注意事項

• 日本語入力
  • 日本語キーボードの「半角／全角」で切替（環境による）

• XML の規則（HTML より厳しい）
  • タグの入れ子構造
  • 大文字小文字、全角半角の区別
  • 属性の値は"" で囲む
  • 「Validate」 で確認できる

• XMLを読みやすくするために
  • <!-- と --> ではさまれた部分はコメント
    • ただし入れ子にはできない
  • 改行や空行・字下げは自由に行ってよい
• Dialog Studio が 不正終了したら
  • 不要プロセスが残る場合がある
  • 不要プロセスの消去： $ galatea-killall

ヒント

• field要素のname属性と一致させるもの
  • token要素のslot属性（grammar）
  • value要素のexpr属性（prompt）
• 出力の<prompt> 要素を省略できない場合
  • <field> の中で用いる場合
  • 属性指定：<prompt bargein="false"> など
  • 読み上げ方を指定する要素を含む場合
    • 日本語テキスト音声合成用記号(JEIDA-62-2000)要素 および W3C 仕様に準拠
• 値の比較による条件分岐は if 要素で行う
  • cond 属性の中には ECMAScript の式を記述する

<if cond="a == 'x'"> <!-- 変数 a の内容が文字列 'x' と一致する -->
<if cond="a != b">   <!-- 変数 a と変数 b の内容が一致しない -->
<if cond="a &gt; b"> <!-- 変数 a > b である -->
<if cond="a &lt; b"> <!-- 変数 a < b である -->

演習課題２の回答例

<!-- 演習２：field "num" の後に追加 -->
<field name="type">
 <prompt>席種をどうぞ</prompt>
 <grammar version="1.0" root="#seat">
  <rule id="seat">
   <one-of>
    <item> <token sym="ぐりーんしゃ" slot="type"> グリーン車 </token> </item>
    <item> <token sym="していせき" slot="type"> 指定席 </token> </item>
    <item> <token sym="じゆうせき" slot="type"> 自由席 </token> </item>
   </one-of>
  </rule>
 </grammar>
</field>
<field name="confirm">
 <prompt>
  <value expr="source"/>駅から
  <value expr="dest"/>駅まで
  <value expr="type"/>を  <!-- 演習２：この行を追加 -->
  <value expr="num"/>枚ですね。
  よろしいですか
 </prompt>

• 音声合成エンジン gtalk の辞書で 席種＝セキシュ を追加する必要があるかも知れません

演習課題３の回答例

<filled>
   <!-- 演習３：filledに追加（ここから） -->
   <if cond="source == dest">
     不適切な入力です。
     <clear namelist="source dest"/>
   </if>
   <!-- 追加（ここまで） -->
   <if cond="confirm == 'y'">
     御購入ありがとうございました。
   <else/>
     もうしわけありません。最初からやりなおして下さい。
     <clear/>
   </if>
</filled>

実習：手順７（最後）

• シャットダウンしてください
• ヘッドセットを回収します