定義
相槌生成(Backchannel)とは、音声対話AIが会話中に「うん」「はい」「なるほど」等の相槌を自然なタイミングで挿入し、間合いを埋める技術のこと。
相槌生成 (Backchannel)とは（詳しく解説）
相槌生成(Backchannel)は、音声対話システムにおいてユーザーの発話中や発話の合間に「うん」「はい」「なるほど」といった短い相槌を適切なタイミングで自動生成し、会話の自然さを高める技術で、音声対話における「聞いている感」を演出する要素として位置づけられる。従来の音声アシスタントは発話が終わるまで無音のまま待つ設計が主流だったが、相槌が入らないと人間側が「聞こえているか不安」になり会話が途切れがちになるとされる。2026年時点の実運用では、コールセンターAIや音声エージェントに組み込む際、相槌のタイミングを誤ると発話を遮ってしまう「割り込み」が起きやすく、VAD(音声区間検出)の精度とレイテンシがボトルネックになりやすい。現場では相槌の種類・頻度をペルソナごとに調整し、業種によっては相槌を意図的に減らすチューニングが行われることもある。また低遅延な相槌生成には追加の推論コストがかかるため、既存の音声合成パイプラインに後付けする場合はコスト対効果を見極めた選定が必要とされる。
この解説の引用について
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「相槌生成 (Backchannel)とは」 https://aipicks.jp/glossary/backchannel
相槌生成 (Backchannel)の使用例
- 音声エージェントのシステムプロンプトに『発話中は200〜500msごとに短い相槌のみ生成し、文は作らない』と制約を入れる設計例。
- VADの無音区間が0.3秒未満なら相槌候補、0.3秒以上なら発話交代とみなす閾値を設定する例。
