3 Stemmebaseret interaktion - The Game Design Chronologist ...

Med Nintendo DS som platform for spillet er den tredje mulighed udelukket, og da jeg
ønsker at mit spil skal tale engelsk er beregningskrævende statistiske metoder nødvendigt
for at skabe naturlig tale med den anden mulighed. Tilbage står den første og sidste
mulighed, hvor jeg vælger den første, fordi jeg ikke har behov for et stort ordforråd og
foretrækker naturlighed over syntetisk tale. Denne metode er dog teknisk så simpel, at der
ikke er behov for yderligere teori i dette afsnit. Det bør selvfølgelig understreges at det
igen er de pragmatiske og semantiske lag som der vides mindst om, hvorfor det trods den
simple teknik på det morfologiske lag (og derunder), er en stor udfordring at få
computeren til at sige noget der giver mening. Mit værktøj på dette område bliver igen
conversation for action-modellen, som blev beskrevet i afsnit 2.1.6.1.
Her ophører min behandling af talesyntese, og jeg vil nu i stedet belyse stemmebaseret
interaktion fra et HCI eller usability-perspektiv.
3.3 Dialogmanagement
At tildele en lingvistisk struktur mening og en position i en samtale håndteres af
førnævnte modeller. At holde samtalen i gang og sikre at den går i den rigtige retning
håndteres derimod af dialogmanageren. I Jurafsky & Martin belyses dette emne kun
overfladisk, hvorfor vi i VMK-kurset også anvendte bogen Spoken Dialogue Technology
[McTear, 2004]. Her præsenteres en række tilgange til dialogmanagement:
32
• Command and control benævnes ikke som en dialogbaseret
interaktionsform, idet brugeren blot giver systemet korte forudbestemte
kommandoer [McTear, 2005, s10]. Jeg mener dog at der kan være tale
om en dialog, i det systemet reagerer på kommandoen. Det er den
samme diskussion som jeg tog i afsnit 2.1.6.1, og jeg mener stadig, at en
fysisk reaktion på en kommando tæller som en del af samtalen. Derfor
mener jeg command and control er en tilgang til dialogmanagment,
selvom den ikke nævnes i kapitlet herom [McTear, 2004, k5].
• System-directed initiative er en af de i alt tre former for ”rigtig”
dialogmanagment som McTear beskriver [McTear, 2004, s108]. Her er
det systemet som styrer samtalen, og på den måde forhindrer brugeren i
at være i tvivl om sine interaktionsmuligheder. I Jeopardy-jargon vil det
være brugeren der har svarene, mens systemet stiller spørgsmålene. Den
største fordel ved denne tilgang er at ordforrådet kan specificeres eller
optimeres på forhånd, fordi spørgsmålene kan stilles sådan at der ikke er
mange forskellige måder at svare på.
• User-directed initiative er den anden tilgang til dialogmanagment som
McTear beskriver [McTear, 2004, s109]. Her er det nu systemet der har
svarene, mens brugeren stiller spørgsmålene. Det stille normalt store
krav til systemets NLP-evner, da brugeren kan formulere sine spørgsmål
meget forskelligt - især hvis der er tale om et system der skal anvendes
af flere brugere. User-directed initiative har tydelige ligheder med