将来の人間-機械協奏社会を考えたとき， 機械と人間がいかに自然で容易にコミュニケ ーションできるかが重要な課題となる．機械 側のインタフェースが限りなく人間に近い姿 をし，人間に近い対話をすることは，こうし た課題の解決法の一つの方法であると考える． そこで我々は，本物の人間と区別がつかない レベルの 3D CGで描かれ，映像内でリアルに 動作する「Saya」に注目し，Saya をエージェ ントとして音声・マルチモーダル対話を行え るシステムの構築を行っている． 本稿では，Saya および構築した対話システ ムの全体像を紹介するとともに，そこで用い られている音声認識・音声合成・画像認識・ インタラクション制御技術の概要を説明する．