ロボットが人間と自然に話すための技術――音声認識、音声合成、知的エージェント、感情認識、感情生成

人間の言葉を聞き取る「Speech to Text」（音声認識）とコンピュータが合成音声で話す「Text to Speech」が使われる。音声認識されたテキスト文は単語や文節に解析され、機械が処理するデータへと変換される。