一种声音识别装置包括：声音开始指示部(3)，该声音开始指示部(3)指示开始声音识别；声音输入部(1)，该声音输入部(1)将所发出的声音输入并转换成声音信号；声音识别部(2)，该声音识别部(2)基于声音信号对声音进行识别；发声开始时间检测部(4)，该发声开始时间检测部(4)检测自声音开始指示部作出指示至声音信号从声音输入部传送来为止的时间；发声定时判定部(5)，该发声定时判定部(5)通过对发声开始时间检测部检测出的时间与预定的阈值进行比较，判定表示发声开始的快慢的发声定时；对话控制部(6)，该对话控制部(6)根据判定出的发声定时，决定呈现声音识别部的识别结果时的呈现内容；系统应答生成部(7)，该系统应答生成部(7)基于已决定的呈现内容生成系统应答；以及输出部(8)、(9)，该输出部将生成的系统应答输出。