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．