音声言語理解 (SLU)の定義
SLU（音声言語理解）とは、人が話した音声から「何をしたいか（意図）」と「日時や場所などの具体的な情報」を読み取り、機械が扱える形にする技術のことです。Spoken Language Understandingの略で、音声アシスタントなどで使われます。
- 英語表記・略称
- Spoken Language Understanding（SLU）
- 出力するもの
- 分野（ドメイン）、意図（インテント）、スロット（日時・場所などの具体的な値）
- 2つの方式
- パイプライン型（音声認識ASRで文字にしてから自然言語理解NLUで解析）と、音声から直接意味を読み取るEnd-to-End型
- End-to-End型の初期研究
- Serdyukら「Towards end-to-end spoken language understanding」（2018年2月arXiv公開）
- 代表的なデータセット
- SLURP（2020年、EMNLP 2020）。英語で18分野の発話を収録
- ほかの意味
- SLUは米国のセントルイス大学（Saint Louis University）や、スウェーデン農業科学大学の略称としても使われる
音声言語理解 (SLU)とは（詳しく解説）
SLU（Spoken Language Understanding、音声言語理解）は、人の話した言葉から意味を読み取る技術です。音声を文字にするだけでなく、話し手が何をしたいのかまで理解します。スマートスピーカーや音声アシスタント、コールセンターの自動応答などで使われています。 SLUが出力するのは、主に3つの情報です。話題の分野（ドメイン）、何をしたいか（インテント）、そして日時や場所などの具体的な値（スロット）です。「明日の東京の天気は？」なら、分野は天気、意図は天気の確認、スロットは「明日」と「東京」になります。 作り方は大きく2つあります。昔からあるのはパイプライン型です。音声認識（ASR）で文字にし、自然言語理解（NLU）でその文章を解析します。部品ごとに作れる反面、音声認識の聞き間違いが後ろの判断までそのまま響くのが弱点です。もう1つはEnd-to-End型で、文字を経由せず音声から直接意味を読み取ります。2018年ごろから研究が進み、聞き間違いの連鎖を減らせると期待されています。 研究用のデータも整ってきました。2020年に公開されたSLURPは、18分野の英語の発話を集めたデータセットです。なお「SLU」は、米国のセントルイス大学など大学名の略称としても使われるので、検索するときは文脈に注意しましょう。
音声言語理解 (SLU)のよくある質問
Q. SLUとは何の略ですか？
AIや音声技術の分野では、Spoken Language Understanding（音声言語理解）の略です。大学名では、米国のセントルイス大学（Saint Louis University）などの略称にも使われます。
Q. SLUと音声認識（ASR）の違いは？
音声認識は話した言葉を文字にする技術です。SLUはその先で、発話が何を求めているかという意味まで読み取ります。たとえば「明日の東京の天気は？」から、意図は天気確認、日時は明日、場所は東京と取り出します。
Q. SLUとNLUの違いは？
NLU（自然言語理解）は文字になった文章の意味を読み取る技術です。SLUは音声が出発点で、音声認識とNLUを組み合わせるか、音声から直接意味を読み取ります。
定義文・解説は出典を明記いただければ記事・資料・生成AIの回答で自由に引用できます（CC BY 4.0）。
出典: AI PICKS AI用語辞典「音声言語理解 (SLU)とは」 https://aipicks.jp/glossary/spoken-language-understanding
音声言語理解 (SLU)の使用例
- コールセンターの通話ログをSLUで解析し、問い合わせ意図ごとに自動分類してオペレーターに転送する。
- スマートスピーカーが「今日の天気は」という発話からintent=天気確認、entity=今日を抽出して応答する。
音声言語理解 (SLU)に関連するAIツール
音声言語理解 (SLU)の関連記事
12カテゴリ・1815語以上を体系的に整理しています