DE10220519B4

DE10220519B4 - Speech information dialogue processing system for call centre interactive voice response systems converts telephone caller speech to text for display using expert system database

Info

Publication number: DE10220519B4
Application number: DE10220519A
Authority: DE
Inventors: Nicolas Andre Geppert; Jürgen Sattler
Original assignee: SAP SE
Current assignee: SAP SE
Priority date: 2002-05-08
Filing date: 2002-05-08
Publication date: 2005-11-03
Anticipated expiration: 2022-05-09
Also published as: DE10220519A1

Abstract

A speech information processing system converts (5) telephone (3) caller (1) speech into text and displays (6) it to the called person (2) using an expert system data base with key word recognition.

Description

Die vorliegende Erfindung betrifft ein Verfahren und ein elektronisches System zur automatischen Behandlung von Sprachinformationen aus einem Gespräch zwischen einem ersten menschlichen und einem oder mehreren zweiten menschlichen Gesprächspartnern.The The present invention relates to a method and an electronic System for automatically handling voice information a conversation between a first human and one or more second human interlocutors.

Die automatische Spracherkennung ist seit geraumer Zeit aus der Praxis bekannt und wird zur maschinellen Umsetzung gesprochener Sprache in geschriebenen Text eingesetzt.The Automatic speech recognition has been out of practice for some time becomes known and becomes the machine translation of spoken language used in written text.

Spracherkennungssysteme lassen sich nach der räumlichen-zeitlichen Verknüpfung von Sprachaufnahme und Sprachverarbeitung in zwei Gruppen unterteilen.

– "Online-Erkenner" sind Spracherkennungssysteme, die gesprochene Äußerungen unmittelbar in geschriebenen Text umsetzen. Hierzu zählen die meisten Bürodiktiersysteme.
– "Offline-Erkennungssysteme" führen eine zeitversetzte Spracherkennung zu einer Diktataufzeichnung durch, die der Anwender beispielsweise mit einem digitalen Aufzeichnungsgerät angelegt hat.

Speech recognition systems can be subdivided into two groups according to the spatial-temporal link between voice recording and voice processing.

- "Online recognizers" are speech recognition systems that translate spoken utterances directly into written text. This includes most office dictation systems.
"Offline recognition systems" perform a time-shifted speech recognition to a dictation record, which the user has created, for example, with a digital recording device.

Die bislang aus dem Stand der Technik bekannten sprachverarbeitenden Systeme können keine sprachlichen Inhalte verstehen, d.h. es können nicht wie beim menschlichen Sprachverstehen intelligente Hypothesen über das gesagte a priori gebildet werden. Stattdessen wird der akustische Erkennungsprozess durch das Heranziehen von text- oder anwendungsspezifischen Hypothesen unterstützt. Die folgenden Hypothesen bzw. Erkennungsmodi sind bislang verbreitet:

– die Diktat- bzw. Vokabular-Erkennung bedient sich einer Verknüpfung von domänenspezifischer Wortstatistik und Wortschätzen. Die Diktat- bzw. Vokabel-Erkennung findet bei Bürodiktiersystemen Anwendung;
– die Grammatikerkennung stützt sich auf anwendungsspezifisch gestaltete Regelsysteme, integriert hierbei erwartete Satzbaupläne unter Verwendung von Variablen;
– die Einzelworterkennung bzw. Keyword-Spotting wird dann eingesetzt, wenn erkennungsunterstützende Sprachdaten fehlen und wenn innerhalb längerer Sprachpassagen einzelne festgelegte Schlüsselwörter erwartet werden.

The language-processing systems hitherto known from the prior art can not understand linguistic contents, ie intelligent hypotheses about the a priori can not be formed, as in human speech understanding. Instead, the acoustic recognition process is supported by the use of text or application specific hypotheses. The following hypotheses or detection modes are so far common:

- Dictation or vocabulary recognition makes use of a combination of domain-specific word statistics and vocabularies. Dictation recognition is used in office dictation systems;
- grammar recognition relies on application-specific designed rule systems, integrating expected sentence building plans using variables;
- The individual word recognition or keyword spotting is used when recognition-supporting speech data is missing and when individual keywords are expected within longer speech passages.

Ein Spracherkennungssystem zur Behandlung von Sprechinformationen, die zwischen einem menschlichen Gesprächspartner und einem automatischen Gesprächsannahmesystem, ausgetauscht werden, sind beispielsweise aus der Veröffentlichung „Spoken language systems – beyond prompt and response" (BT Technol J Vol 14 No 1 January 1996) bekannt. Das Dokument offenbart ein Verfahren und ein System zur interaktiven Kommunikation zwischen einem menschlichen Gesprächspartner und einem automatischen Gesprächsannahmesystem. Das System weist eine Spracherkennung auf, die eine gesprochene Äußerung in einzelne oder mehrere Wörter oder Wortketten konvertiert. Weiter ist ein Schritt der Bedeutungsextraktion vorhanden, in dem der erkannten Wortfolge eine Bedeutung zugemessen wird, aufgrund derer das Gespräch von Seiten des automatischen Gesprächsannahmesystems einem nächsten Schritt zugeführt werden kann. Mittels einer Datenbankabfrage kann zu einem erkannten Wort eine Zusatzinformation erhalten werden. Aufgrund der erkannten und ermittelten Informationen wird eine Antwort generiert, die mittels eines Sprachsynthesizers in gesprochene Sprache transformiert und an den menschlichen Gesprächspartner weitergegeben wird. Sofern der menschliche Gesprächspartner über ein multimodales System, d.h. (Internet-PC mit Sprachanschluss) mit dem Gesprächsannahmesystem kommuniziert, können ihm Informationen, die das automatische Gesprächsannahmesystem ermittelt hat, visuell am Bildschirm und/oder akustisch über PC-Lautsprecher bzw. Kopfhörer zur Verfügung gestellt werden. Für weitere Details sei auf das genannte Dokument und die dort zitierte Sekundärliteratur verwiesen.One Speech recognition system for the treatment of speech information, the between a human interlocutor and an automatic one Call acceptance system, are exchanged, for example, from the publication "Spoken language systems - beyond prompt and response "(BT Technol J Vol 14 No 1 January 1996). The document discloses a method and system for interactive communication between a human interlocutor and an automatic call acceptance system. The system includes voice recognition that provides a spoken utterance in single or multiple words or word strings converted. Next is a step of meaning extraction present in which the recognized word sequence is given a meaning, because of that the conversation from the automatic call acceptance system to a next step supplied can be. By means of a database query can be identified to a Word additional information will be obtained. Because of the recognized and obtained information is generated a response by means of a speech synthesizer transformed into spoken language and at the human interlocutor is passed on. Unless the human interlocutor has a multimodal system, i.e. (Internet PC with voice connection) with the call acceptance system can communicate information that the automatic call acceptance system detects has, visually on the screen and / or acoustically via PC speakers or headphones to Provided become. For Further details are to the mentioned document and the cited there secondary literature directed.

Weiter offenbart das Dokument DE 197 03 373 A1 ein Kommunikationssystem für Hörbehinderte, welches eine Spracherkennungseinheit aufweist, die über ein Telefonnetz und mit einem Telefon empfangene Signale in einen computerlesbaren Code, insbesondere Sprachsignale in den entsprechenden ASCII-Text, umzuwandeln imstande ist. Der Text wird an einer Ausgabeeinheit, z. B. einem Monitor oder einem Display, dargestellt. Diesen Text kann der hörbehinderte Gesprächspartner lesen und darauf reagieren, entweder durch Hineinsprechen in den Telefonhörer oder durch Eingabe eines Textes an einem Ein- und Ausgabegerät.Further, the document discloses DE 197 03 373 A1 a communication system for the hearing impaired, which has a speech recognition unit which is capable of converting over a telephone network and with a telephone received signals into a computer-readable code, in particular speech signals in the corresponding ASCII text. The text is displayed on an output unit, e.g. As a monitor or a display represented. The hearing impaired interlocutor can read and respond to this text, either by speaking into the telephone receiver or by entering a text at an input and output device.

Aus der Druckschrift WO 01/13362 A1 ist ein Verfahren zur Unterstützung eines Dialogs bekannt, bei dem während des Dialogs zwischen einem Sender und einem Empfänger anhand einer Einzelworterkennung mindestens ein Wort des Senders erkannt wird, und mit diesem Wort eine Datenbankabfrage ausgelöst wird und durch das Ergebnis der Abfrage der Dialog unterstützt wird.Out the document WO 01/13362 A1 is a method for supporting a Dialogs known at the time of the dialogue between a sender and a receiver based on a single word recognition at least one word of the sender is recognized, and with that word triggered a database query is supported and by the result of the query the dialogue.

Daneben offenbart die Druckschrift EP 1 035 737 A2 ein Fernmelde-Vermittlungssystem, insbesondere für Call-Center, welches eine Vermittlungszentrale mit einer Eingangsleitung und mehreren Endgeräten umfasst, eine computergestützte Anrufverteilereinheit zum Zuordnen eines eintreffenden Anrufs zu einem Endgerät und eine Hilfsverteilereinheit, die die Zuordnung eintreffenden Anrufe übernimmt, wenn die Vermittlungszentrale eine Störung der Anrufverteilereinheit erfasst. Die Anrufverteilereinheit kann über eine mitübertragene Telefonnummer und einer Datenbank den Anrufer identifizieren und ihm eine entsprechende Leitung zuordnen.In addition, the document discloses EP 1 035 737 A2 a telecommunications switching system, in particular for call centers, comprising a switching center with an input line and a plurality of terminals, a computer-aided call distribution unit for assigning an incoming Calling to a terminal and an auxiliary distribution unit, which assumes the assignment of incoming calls when the switching center detects a fault of the call distribution unit. The call distribution unit can identify the caller via a co-transmitted telephone number and a database and assign him a corresponding line.

Trotz diesem hohen Grad an Automatisierung sind solche Spracherkennungssysteme insbesondere hinsichtlich der Erkennung der Sprachinformation aufgrund der von Person zu Person unterschiedlichen Aussprache problematisch, wenn das Spracherkennungssystem nicht im Rahmen einer Lernphase auf die konkrete Aussprache einer Person eingestellt ist. Insbesondere Gesprächsannahmesysteme, bei denen ein Gesprächspartner eine Information erfragt oder eine Information abgibt, sind aufgrund der hohen Fehlerrate beim Spracherkennungsprozess und der unterschiedlichen Reaktion der einzelnen Gesprächspartner noch nicht praktikabel. Daher ist es bei vielen Anwendungen immer noch zwingend notwendig, anstelle eines Gesprächsannahmesystems einen zweiten Gesprächspartner einzusetzen, der Informationen des ersten Gesprächspartners entgegennimmt oder zur Verfügung stellt. Falls der zweite Gesprächspartner Informationen entgegennimmt, ist diese – in welcher Form auch immer – zumeist aufzunehmen, niederzuschreiben oder in einen Computer einzugeben. Dies hat nicht nur hohe Personalkosten zur Folge, sondern nimmt auch sehr viel Zeit in Anspruch, so dass der Gesprächsdurchsatz nicht optimal ist.In spite of Such high levels of automation are such speech recognition systems in particular with regard to the recognition of the language information due different pronunciation from person to person, if the speech recognition system is not part of a learning phase is set to the concrete pronunciation of a person. Especially Call answering systems, where a conversation partner ask for information or give information, are due the high error rate in the speech recognition process and the different ones Reaction of the individual conversation partners not yet practicable. Therefore, it is still the case in many applications mandatory, instead of a call acceptance system a second interlocutor to use the information of the first interlocutor receives or to disposal provides. If the second person Receives information, this is - in whatever form - usually record, write down or enter into a computer. This not only entails high personnel costs, but also decreases also take a lot of time, so the call flow is not optimal.

Der vorliegenden Erfindung liegt daher die Aufgabe zugrunde, ein Verfahren bereitzustellen, bei dem der Gesprächsdurchsatz von Gesprächen zwischen einem ersten und mindestens einem zweiten menschlichen Gesprächspartner optimiert wird.Of the The present invention is therefore based on the object, a method in which the call throughput of calls between a first and at least a second human interlocutor is optimized.

Diese Aufgabe wird erfindungsgemäß gelöst durch ein Verfahren zur Behandlung von Sprachinformationen aus einem Gespräch zwischen einem ersten menschlichen und einem oder mehreren zweiten menschlichen Gesprächspartnern, bei dem Gespräch ganz oder teilweise mittels eines automatischen Spracherkennungssystems, das eine gesprochene Äußerung automatisch in Text umwandeln kann, analysiert wird und das Ergebnis der Analyse dem oder jeden zweiten Gesprächspartner ganz oder teilweise zur Verfügung gestellt wird, dadurch gekennzeichnet,
daß das Spracherkennungssystem mit einem Datenbanksystem und/oder einem Expertensystem gekoppelt ist,
daß aus dem Datenbanksystem und/oder Expertensystem weitergehende Informationen extrahiert und dem oder jeden zweiten Gesprächspartner zur Verfügung gestellt werden und wobei die aus dem Datenbanksystem und/oder Expertensystem gewonnenen weitergehenden Informationen, den Spracherkennungsvorgang dynamisch steuern.This object is achieved according to the invention by a method for the treatment of speech information from a conversation between a first human and one or more second human interlocutors, wherein the conversation is analyzed in whole or in part by means of an automatic speech recognition system that can automatically convert a spoken utterance into text and the result of the analysis is made available to the or each other party in whole or in part, characterized in that
that the speech recognition system is coupled to a database system and / or an expert system,
that further information is extracted from the database system and / or expert system and made available to the or each other party and the further information obtained from the database system and / or expert system dynamically control the speech recognition process.

Ein automatisches Spracherkennungssystem im Sinne der Erfindung ist ein System, das eine gesprochene Äußerung automatisch in Text umwandeln kann.One automatic speech recognition system according to the invention a system that automatically translates a spoken utterance into text can convert.

Gegenstand der Erfindung ist weiter ein System zur Durchführung dieser Verfahren, aufweisend

– mindestens eine elektronische Vorrichtung zur Erkennung und Extrahierung von Sprachdaten (Spracherkennungssystem), die mit einer oder mehreren Vorrichtungen zur Erfassung von Sprachdaten (Gesprächsannahmesystem) verbindbar ist, und
– ein oder mehrere Mittel zur Darstellung und/oder Speicherung von erkannten und/oder extrahierten Sprachdaten, wobei das oder jedes Mittel zur Darstellung und/oder Speicherung direkt oder indirekt mit der Erkennungs- und Extrahierungsvorrichtung verbunden ist.

The invention further relates to a system for carrying out these methods, comprising

- At least one electronic device for the recognition and extraction of voice data (speech recognition system), which is connectable to one or more devices for detecting voice data (call acceptance system), and
One or more means for displaying and / or storing recognized and / or extracted speech data, wherein the or each means for presentation and / or storage is directly or indirectly connected to the recognition and extraction device.

„Direkt" bedeutet hier, daß die Verbindung über ein Kabel hergestellt ist, „indirekt" bedeutet hier drahtlos, beispielsweise über das Internet, über Funk- oder Infrarotverbindung."Direct" here means that the connection is via a Cable is made, "indirect" here means wireless, for example about the Internet, via radio or infrared connection.

Gegenstand der Erfindung ist ebenso ein Computerprogramm, um alle Schritte von einem beliebigen der erfindungsgemäßen Verfahren auszuführen, wenn das Programm auf einem Computer ausgeführt wird, sowie ein Produkt, das ein derartiges Programm auf einem computerlesbaren Speichermedium enthält, sowie ein Computer mit einem flüchtigen oder nichtflüchtigen Speicher, in dem ein derartiges Programm gespeichert ist.object The invention is also a computer program to all steps to carry out any of the inventive method, when the program runs on a computer, as well as a product, such a program on a computer-readable storage medium contains as well as a computer with a volatile one or non-volatile Memory in which such a program is stored.

Besondere Ausführungsformen des erfindungsgemäßen Verfahrens bzw. besondere Ausgestaltungen der erfindungsgemäßen Vorrichtungen sind in den jeweiligen Unteransprüchen offenbart.Special embodiments the method according to the invention or special embodiments of the inventive devices are in the respective subclaims disclosed.

Die Erfindung hat unter anderem den Vorteil, daß für die Aufzeichnung von Gesprächen auf Datenträgern für Datenverarbeitungsanlagen nun weniger Speicherplatz erforderlich ist als notwendig wäre, wenn das Gespräch akustisch aufgezeichnet werden sollte, beispielsweise als „wav-Datei" . Würde ein Gespräch als eine derartige Datei gespeichert werden, würden pro Minute Gesprächsdauer etwa 8 MByte gebraucht werden. Wird das Gespräch erfindungsgemäß in Text gewandelt und gespeichert, benötigt das gleiche Gespräch nur einige kByte.The Among other things, the invention has the advantage that for the recording of conversations disks for data processing systems Now less space is needed than would be necessary if the conversation should be recorded acoustically, for example as a "wav file" conversation As such a file would be stored per minute call duration about 8 MB needed. Is the conversation according to the invention in text converted and saved, needed the same conversation only a few kbytes.

Es ist bekannt, dass automatische Gesprächsannahmesysteme eingesetzt werden können, wenn der erwartete Gesprächsinformationsfluss weitgehend vorbestimmt ist, wenn also ein Gesprächspartner beispielsweise eine Antwort auf eine Frage – ja oder nein, eine Zahl zwischen 1 und 5 etc. – dem Gesprächsannahmesystem mitteilt. In diesem Fall können die Sprachdaten vom Spracherkennungssystem mit einer hohen Erfolgsrate richtig erkannt werden und die entsprechenden Informationen können zur weiteren Verarbeitung gespeichert werden.It is known that automatic call acceptance systems can be used when the expected call flow of information is largely predetermined, so if a conversation partner, for example, a response to a question - yes or no, a number between 1 and 5, etc. - the call acceptance system tells. In this case, the speech data can be recognized correctly by the speech recognition system at a high success rate, and the corresponding information can be stored for further processing.

Für komplexere Gespräche ist erfindungsgemäß erkannt worden, dass anstelle eines Gesprächsannahmesystems ein zweiter Gesprächspartner erforderlich ist, um einen Informationsaustausch garantieren zu können, der nicht durch fehlerbehaftete Spracherkennungssysteme verfälscht wird. Insoweit ist jedoch vorgesehen, dass dem zweiten Gesprächspartner Hilfestellungen zur Verfügung gestellt werden, die ihm das mühsame und zeitaufwendige Eingeben oder Aufnehmen von Daten erleichtern bzw. abnehmen. Hierzu werden die Sprachdaten des Gesprächs des ersten und des oder jeden zweiten Gesprächspartners einem Spracherkennungssystem zugeführt. Es ist auch denkbar, dass die Sprachdaten lediglich des ersten Gesprächspartners dem Spracherkennungssystem zugeführt werden. Das Spracherkennungssystem führt nun für eine Untermenge der Sprachdaten – z. B. die Sprachdaten lediglich eines Gesprächspartners, ganz allgemein für alle Sprachdaten – die Spracherkennung durch. Selbst wenn diese nur teilweise erfolgreich ist, können die hieraus extrahierbaren Informationen einem Gesprächspartner zur Verfügung gestellt werden. Hierdurch können zumindest nahezu fehlerfrei einfache Daten wie Zahlen oder kurze Antworten auf Fragen vom Spracherkennungssystem erkannt werden, die dem Gesprächspartner sodann in einer speicherbaren Form vorliegen.For more complex conversations is recognized according to the invention been that instead of a call acceptance system a second interlocutor necessary to guarantee an exchange of information can, which is not corrupted by faulty speech recognition systems. In that regard, it is provided that the second party Assistance provided that will give him the tedious and time consuming inputting or recording of data or lose weight. For this the speech data of the conversation of the first and of or each second call partner a voice recognition system fed. It is also conceivable that the voice data of only the first party fed to the speech recognition system become. The speech recognition system now performs for a subset of the speech data - e.g. B. the voice data of only one interlocutor, in general for all Voice data - the Speech recognition. Even if these are only partially successful is, can the extractable information from a conversation partner to disposal be put. This allows at least almost error-free simple data like numbers or short ones Answers to questions are recognized by the speech recognition system, the conversation partner then be present in a storable form.

Es kann jedoch auch für komplexere Gespräche das Gespräch zunächst von einem automatischen Gesprächsannahmesystem entgegengenommen werden, welches das Gespräch dann eine den oder jeden zweiten Gesprächspartner weiterleitet oder diesen hinzuschaltet. Ebenso kann das Gespräch von dem automatischen Gesprächsannahmesystem hergestellt werden, indem dieses System so eingestellt ist, dass es Personen anhand einer vordefinierten Liste (z.B. Telefonbuch) automatisch per Telefon anwählt und anschließend den oder jeden zweiten Gesprächspartner hinzuschaltet oder das Gespräch an diesen weiterleitet. So könnten beispielsweise einfache Meinungsumfragen automatisch erstellt werden.It but it can also be used for more complex conversations the conversation first from an automatic call acceptance system be accepted, which the conversation then one or the other second interlocutor forwards or adds. Likewise, the conversation of the automatic call acceptance system be prepared by this system is set so that people based on a predefined list (e.g., phone book) dials automatically by phone and subsequently the or each other person hinzuschaltet or the conversation forwarded to this. So could For example, simple opinion polls are automatically created.

Bevorzugt ist das Spracherkennungssystem in das automatische Gesprächsannahmesystem integriert.Prefers is the voice recognition system in the automatic call acceptance system integrated.

In besonders vorteilhafter Weise werden die durch die Spracherkennung gewonnenen Informationen gespeichert, so dass diese beispielsweise einer statistischen Auswertung zu einem späteren Zeitpunkt zugeführt werden können.In Particularly advantageously, the by the speech recognition saved information, so this example be fed to a statistical evaluation at a later date can.

Falls ein Gesprächsannahmesystem eingesetzt wird, ist vorgesehen, dass das Gesprächsannahmesystem als ein "Interactive Voice Response System" (IVRS) arbeitet. Ein solches IVRS-System ist in der Lage, mit einem Gesprächspartner – wenn auch in eingeschränktem Rahmen – zu kommunizieren und in Abhängigkeit seiner Spracheingabe entsprechend zur reagieren. Vorzugsweise ist ein automatisch arbeitendes IVRS-System vorgesehen.If a call acceptance system is used, it is provided that the call acceptance system as an "interactive voice Response System "(IVRS) is working. Such an IVRS system is capable of having a conversation partner - though in restricted Frame - too communicate and depending on his Speech input to respond accordingly. Preferably, one is automatic working IVRS system provided.

Eine hohe Erkennungsrate kann in besonders vorteilhafter Weise dann erzielt werden, wenn der Gesprächspartner, dessen Sprachdaten zu analysieren sind, mit vorgegebenen Gesprächsstrukturen konfrontiert wird. Dies können Erklärungen und/oder Fragen des Gesprächsannahmesystems bzw. des zweiten Gesprächspartners sein, die in dieser Weise dem Spracherkennungssystem schon bekannt sind. Auf die gezielten Fragen bzw. die vorgegebenen Gesprächsstrukturen wird dann sehr wahrscheinlich der damit konfrontierte Gesprächspartner in der Regel "erwartungsgemäß" reagieren, so dass aus dieser erwartungsgemäßen Reaktion die darin enthaltene Information mit hoher Wahrscheinlichkeit richtig erkannt und dementsprechend extrahiert bzw. abgespeichert werden kann. Insoweit könnte hier in besonders vorteilhafter Weise zur Spracherkennung die Methode der Grammatikerkennung eingesetzt werden.A high recognition rate can then be achieved in a particularly advantageous manner If the person you are talking to, whose voice data are to be analyzed, with given call structures is confronted. This can Explanations and / or Questions of the call acceptance system resp. of the second party be already known in this way the speech recognition system are. On the specific questions or the given discussion structures is then very likely to be confronted with the interlocutor in the rule "as expected" respond, so off this expected reaction the information contained in it is highly likely to be correct be recognized and accordingly extracted or stored can. In that regard could here in a particularly advantageous manner for speech recognition method grammatical recognition are used.

Zur praktischen Realisierung eines Gesprächsannahmesystems und/oder eines Spracherkennungssystems ist vorgesehen, dass mindestens ein Computer eingesetzt wird. Hierbei kann es sich bei dem Gesprächsannahmesystem und bei dem Spracherkennungssystem um ein und denselben Computer handeln. In bevorzugter Ausgestaltung ist jedoch vorgesehen, dass lediglich ein Computer als Gesprächsannahmesystem eingesetzt wird. Die Sprachdaten des Gesprächs werden dann einem anderen Computer zugeleitet, auf dem das Spracherkennungssystem implementiert ist. Ein solcher Computer sollte hinreichende Leistungsdaten aufweisen. Darüber hinaus weist ein als Gesprächsannahmesystem eingesetzter Computer eine Schnittstelle zum Aufbauen einer Telefon- und/oder Videoverbindung auf. Eine weitere Schnittstelle ist vorgesehen, über die Sprach- bzw. und Videodaten ein- bzw. ausgegeben zu werden.to practical realization of a call acceptance system and / or a speech recognition system is provided that at least one Computer is used. This may be the call acceptance system and in the speech recognition system around the same computer act. In a preferred embodiment, however, it is provided that just a computer as a call acceptance system is used. The voice data of the conversation will then be changed Computer on which the speech recognition system implements is. Such a computer should have sufficient performance data. Furthermore has a call acceptance system an interface for setting up a telephone and / or video connection. Another interface is provided via the Voice or video data to be input or output.

Die Spracherkennung selbst könnte auf einem oder auf mehreren Computern ausgeführt werden. Insbesondere bei zeitkritischen Anwendungen wird die Spracherkennung vorzugsweise auf mehreren Computern vorzugsweise parallel ausgeführt. So könnte beispielsweise der Spracherkennungsprozess in mehrere Teilprozesse aufgeteilt werden, wobei jeder Teilprozess auf einem Computer ausgeführt wird. Bei der Unterteilung in Teilprozesse könnten jedem Teilprozess einzelne Sätze oder Nebensätze zugeordnet werden, eine zeitliche Aufteilung der Sprachdaten – beispielsweise in Zeitintervalle von jeweils 5 Sekunden – wäre ebenfalls denkbar. Falls der Computer mehrere Prozessoren (CPUs) aufweist, könnten die Teilprozesse auf die Prozessoren des Computers verteilt parallel ausgeführt werden.The speech recognition itself could be run on one or more computers. Especially in time-critical applications, the speech recognition is preferably carried out on several computers, preferably in parallel. So For example, the speech recognition process could be split into multiple subprocesses, with each subprocess running on a computer. When subdividing into sub-processes, individual sub-sets or sub-clauses could be assigned to each sub-process, a temporal distribution of the speech data - for example in time intervals of 5 seconds each - would also be conceivable. If the computer has multiple processors (CPUs), the threads could be distributed in parallel to the processors of the computer.

Falls die Rechenleistung eines einzelnen Computers zur Spracherkennung und/oder für das Gesprächsannahmesystem nicht ausreicht, könnte ein Computer-Netzwerksystem vorgesehen sein, so dass diese Aufgaben auf mehreren Computern parallel ausführt werden. Insbesondere könnten einzelne Computer des Netzwerksystems spezielle, unterschiedliche Spracherkennungsmodi ausführen, so dass jeder Computer die gleichen Sprachdaten unter einem anderen Gesichtspunkt analysiert.If the computing power of a single computer for speech recognition and / or for the call acceptance system not enough, could one Computer network system should be provided, so that these tasks be executed in parallel on several computers. In particular, individual computers could the network system special, different speech recognition modes To run, so each computer has the same voice data under a different one Analyzed point of view.

In ganz besonders bevorzugter Weise werden die Sprachdaten des Gesprächs zumindest weitgehend unverändert gespeichert. Das Abspeichern könnte hierbei sämtliche Sprachdaten des Gesprächs umfassen. Falls beispielsweise ein Gesprächspartner oder das Gesprächsannahmesystem vorgegebene, dem Spracherkennungssystem bekannte Gesprächsstrukturen verwendet, könnten lediglich die Sprachdaten des anderen Gesprächspartners abgespeichert werden.In Most preferably, the voice data of the conversation are at least largely unchanged saved. The saving could here all Voice data of the conversation include. For example, if a conversation partner or the call acceptance system specified, The speech recognition system known call structures used, could only the voice data of the other party are stored.

Grundsätzlich ist bei dem Speichervorgang vorgesehen, zusätzlich zu den Sprachdaten Marker bzw. Bookmarks abzuspeichern, so dass das abzuspeichernde Gespräch hierdurch sinnzusammenhängend oder logisch unterteilt wird. Diese Unterteilung könnte bei einer nachfolgenden Sprachdatenerkennung den Vorgang der Informationsextraktion beschleunigen oder vereinfachen.Basically provided in the storage process, in addition to the voice data markers or Save bookmarks, so that the conversation to be stored by this meaningful coherent or logically subdivided. This subdivision could be at a subsequent speech data recognition the process of information extraction accelerate or simplify.

Weiterhin ist vorgesehen, dass Informationen über den aktuellen Gesprächszustand bei der Spracherkennung berücksichtigt werden. So könnte beispielsweise zu Beginn des Gesprächs der Umstand berücksichtigt werden, dass die beiden Gesprächspartner sich gegenseitig identifizieren, so dass eine Spracherkennung hierzu entsprechende Vokabel- bzw. Grammatikerkennungsmodi einsetzt. Diese Informationen über den aktuellen Gesprächszustand, wie auch immer diese gewonnen werden, könnten ebenfalls zusammen mit den -Sprachdaten gespeichert werden.Farther is provided that information about the current conversation state taken into account in speech recognition become. For example at the beginning of the conversation the circumstance taken into account be that the two interlocutors identify each other so that speech recognition can do this appropriate vocabulary or grammar detection modes are used. These information about the current conversation state, however these may be won, could also be along with the language data are stored.

Insbesondere bei der Auswertung von Sprachdaten, die von einem Gesprächsannahmesystem aufgezeichnet worden sind, könnte eine Spracherkennung individuell auf einen Analyseauftrag ausgerichtet sein. So könnte beispielsweise eine Zuschauerumfrage oder ein Zuhörerquiz einer Fernseh- oder Radiosendung automatisch dahingehend ausgewertet werden, welche politische Maßnahme beispielsweise bei den Zuschauern bzw. in der Zuhörerschaft eine höhere Akzeptanz hat. Hierbei könnte als Analyseauftrag beispielsweise vorgegeben sein, herauszufinden, ob Maßnahme A oder Maßnahme B bevorzugt wird, so dass die Information und die Kenntnis der möglichen Varianten der Umfrage bei der Spracherkennung berücksichtigt bzw. der Spracherkennung als zusätzliche Information zur Verfügung gestellt werden.Especially in the evaluation of voice data by a call acceptance system could have been recorded a speech recognition individually aligned to an analysis order be. So could for example, a viewer survey or a listener quiz a television or radio program automatically evaluated to the effect which political measure, for example a higher acceptance among the spectators and the audience Has. This could be as For example, an analysis job may be dictated to determine if measure A or measure B is preferred so that the information and knowledge of the possible Variants of the survey taken into account in speech recognition or the speech recognition as additional Information available be put.

Falls die Sprachdaten von einem Gespräch zwischen zwei Gesprächspartnern stammen, ist in ganz besonders bevorzugter Weise vorgesehen, dass die Spracherkennung individuell auf einen Analyseauftrag ausgerichtet wird. Dieser könnte beispielsweise die Spracherkennung der Sprachdaten hauptsächlich von einem der beteiligten Gesprächspartner umfassen, wobei die Analyse hierbei beispielsweise speziell auf die Erkennung der Telefonnummer des einen Anrufers oder Ähnliches gerichtet sein kann.If the voice data of a conversation between two interlocutors originate, is provided in a very particularly preferred manner that the speech recognition is individually tailored to an analysis order becomes. This could be For example, the speech recognition of the speech data mainly from one of the involved interlocutors For example, the analysis here specifically refers to the recognition of the telephone number of the one caller or the like can be directed.

Als Methoden zur Spracherkennung sind die Diktat-, Grammatik-, Einzelworterkennung und/oder das Keyword-Spotting vorgesehen. Hierbei könnte beispielsweise in Abhängigkeit des aktuellen Gesprächszustands von der einen Spracherkennungsmethode auf die andere Spracherkennungsmethode umgeschaltet werden, wenn absehbar ist, dass eine andere Spracherkennungsmethode für den aktuellen Gesprächszustand die besseren Ergebnisse bei der Spracherkennung verspricht. Vorzugsweise könnten die unterschiedlichen Methoden der Spracherkennung auch parallel eingesetzt werden, was beispielsweise auf mehrere Computer parallel verteilt durchgeführt wird.When Speech recognition methods include dictation, grammar, single-word recognition and / or keyword spotting. This could, for example dependent on the current call state switched from one speech recognition method to the other speech recognition method if it is foreseeable that another voice recognition method for the current conversation state which promises better results in speech recognition. Preferably could the Different methods of speech recognition also used in parallel which, for example, is distributed in parallel to several computers carried out becomes.

Ganz besonders bevorzugt ist vorgesehen, die Spracherkennung wiederholt auszuführen. Hierzu ist es möglich, die Sprachdaten bzw. die zumindest weitgehend unverändert gespeicherten Sprachdaten eines Gesprächs wiederholt unterschiedlichen oder gleichen Spracherkennungsprozessen zuzuführen. Eine wiederholte Spracherkennung ist insbesondere bei einem Offline-Erkennungssystem vorgesehen, da hier eine Zeitverzögerung der Spracherkennung möglich ist.All it is particularly preferred that speech recognition be repeated perform. For this it is possible the voice data or the stored at least largely unchanged Voice data of a conversation repeated different or same speech recognition processes supply. Repeated speech recognition is especially in an offline recognition system provided there is a time delay of speech recognition possible is.

Für eine weitere Spracherkennungsstrategie ist vorgesehen, eine dynamische Anpassung der Spracherkennung vorzunehmen. Hierbei könnte beispielsweise das Vokabular zur Spracherkennung variiert und/oder angepasst werden. So könnte eine zunächst eingesetzte Spracherkennungsmethode – beispielsweise die Diktaterkennung – eine geringe Erkennungsrate ergeben, so dass abzusehen ist, dass die Beibehaltung der Diktaterkennung nur wenig Aussicht auf Erfolg haben wird. Sodann ist vorgesehen, dynamisch eine andere Spracherkennungsmethode einzusetzen, wobei auch bei der neu eingesetzten Sprachmethode sofort die Erkennungsrate analysiert wird und gegebenenfalls ein weiterer dynamischer Spracherkennungsschritt folgt. Hierbei könnte auch vorgesehen sein, auf mehreren Computern parallel die gleiche Spracherkennungsmethode auf die Sprachdaten anzuwenden, jedoch wird auf jedem Computer ein anderes Vokabular zur Spracherkennung eingesetzt. Eine unmittelbare Analyse der Erkennungsrate dieser parallel verlaufenden Spracherkennungsprozesse kann eine dynamische Anpassung bzw. Steuerung der weiteren Spracherkennung zur Folge haben.For a further speech recognition strategy, provision is made for a dynamic adaptation of the speech recognition. In this case, for example, the vocabulary for speech recognition could be varied and / or adapted. Thus, an initially used speech recognition method - for example the dictation recognition - could result in a low recognition rate, so that it is foreseeable that retention of dictation recognition will have little chance of success. It is then provided to use a different voice recognition method dynamically, whereby the recognition rate is also analyzed immediately in the newly used speech method and possibly followed by another dynamic speech recognition step. It could also be provided to apply the same speech recognition method to the speech data in parallel on several computers, but a different vocabulary for speech recognition is used on each computer. Immediate analysis of the recognition rate of these parallel speech recognition processes may result in dynamic adaptation or control of further speech recognition.

Zusätzlich oder alternativ ist ein ganz besonders bevorzugter Verfahrensschritt vorgesehen, der unter dem Oberbegriff "Vokabulardynamisierung" zusammengefasst werden kann. Hierbei werden die Sprachdaten mehrmals analysiert. In einem ersten Erkennungsschritt werden die Sprachdaten klassifiziert. Hierzu könnten beispielsweise Methoden des Keyword-Spotting eingesetzt werden. In Abhängigkeit des Ergebnisses der Sprachdatenklassifizierung werden die Sprachdaten in einem weiteren Erkennungsschritt unter Hinzuziehung von speziellem Vokabular erneut untersucht. Hierbei wird dem Erkennungsvorgang ein Vokabular zugrundegelegt, das in direktem oder im näheren Zusammenhang mit dem Ergebnis des Sprachdatenklassifizierungsschritts liegt. Hierbei ist es durchaus denkbar, dass dem Erkennungsschritt der Sprachdaten ein Vokabular aus mehreren speziellen Bereichen zugrundegelegt wird. Dieser weitere Erkennungsschritt wird vorzugsweise auf die ursprünglichen Sprachdaten angewandt, wobei jedoch die im ersten Erkennungsschritt gewonnenen Informationen hinzugezogen werden können. Demgemäß werden die Verfahrensschritte der Vokabulardynamisierung immer wieder auf die ursprünglichen Sprachdaten angewandt.Additionally or Alternatively, a very particularly preferred method step provided under the generic term "vocabulary dynamics" summarized can be. Here, the voice data are analyzed several times. In a first recognition step, the speech data is classified. Could do this For example, methods of keyword spotting are used. Dependent on the result of the voice data classification becomes the voice data in a further recognition step involving special Vocabulary re-examined. This is the recognition process based on a vocabulary that is directly or more closely related with the result of the voice data classification step. It is quite conceivable that the recognition step of the Voice data is based on a vocabulary of several special areas becomes. This further recognition step is preferably applied to the original Speech data is applied, but in the first recognition step obtained information can be consulted. Accordingly, become the procedural steps of vocabulary dynamics repeatedly on the originals Language data applied.

Im Folgenden werden iterativ weitere Erkennungsschritte durchgeführt, die im Idealfall zur vollständigen Erkennung der gesamten Sprachdaten oder zumindest einer Untermenge der Sprachdaten führt. Die weiteren iterativen Erkennungsschritte werden vorzugsweise über Erkennungswahrscheinlichkeiten gesteuert, so dass hierdurch beispielsweise ein Abbruchkriterium für weitere Erkennungsschritte gegeben sein kann, wenn z. B. sich die Erkennungswahrscheinlichkeit nicht mehr ändert.in the Following iteratively further detection steps are performed, the ideally to complete Detection of the entire voice data or at least a subset the voice data leads. The further iterative recognition steps are preferably via detection probabilities controlled, so that, for example, a termination criterion for further Detection steps can be given if z. For example, the detection probability does not change anymore.

Erfindungsgemäß ist vorgesehen, dass das Spracherkennungssystem und/oder der Spracherkennungsvorgang mit einem Datenbanksystem, wie z.B. R/3^® (SAP Aktiengesellschaft, D-69190 Walldorf) und/oder Expertensystem gekoppelt wird. Hierdurch können die Ergebnisse oder die Teilergebnisse des Spracherkennungsvorgangs direkt in ein Datenbank und/oder Expertensystem eingegeben werden. weiterhin können Informationen aus dem Datenbank- und/oder Expertensystem zum Spracherkennungsvorgang hinzugezogen werden, beispielsweise zur Vokabulardynamisierung. So können durch diese Kopplung weitergehende Informationen extrahiert werden, die – wie bereits angedeutet – zur Spracherkennung genutzt werden.According to the invention that the speech recognition system and / or the speech recognition process with a database system, such as R 3 ^® (SAP Aktiengesellschaft, D-69190 Walldorf) and / or expert system is coupled / is provided. This allows the results or partial results of the speech recognition process to be entered directly into a database and / or expert system. Furthermore, information from the database and / or expert system can be used for the speech recognition process, for example for vocabulary dynamics. Thus, through this coupling further information can be extracted, which - as already indicated - are used for speech recognition.

Die aus dem Datenbank- und/oder Expertensystem gewonnen Informationen können zur Steuerung des dynamischen Erkennungsvorgangs der Spracherkennung eingesetzt werden. So könnten beispielsweise Informationen, die in einem Datenbank- bzw. R/3^®-System über einen Gesprächspartner abgelegt sind, den Erkennungsvorgang der von diesem Gesprächspartner vorliegenden Sprachdaten dahingehend zur Steuerung eingesetzt werden, dass zur Spracherkennung Vokabular zugrundegelegt wird, das bereits in vorangegangenen Gesprächen mit diesem Gesprächspartner eingesetzt wurde. Hierbei können auch die während dem aktuellen Gespräch erkannten Sprachdaten in das Datenbank- bzw. R/3^®-System oder in eine entsprechende Datenbank abgespeichert werden und – schon während des Gesprächs – den Vokabelschatz dieses Gesprächspartners bei der Spracherkennung dynamisch erweitern.The information obtained from the database and / or expert system can be used to control the dynamic recognition process of speech recognition. Thus, for example, information stored in a database or R / ^3® system via a conversation partner could be used to control the recognition process of the speech data available from that interlocutor in such a way that speech recognition is based on vocabulary already in previous conversations was used with this interlocutor. In this case, the speech data recognized during the current conversation can also be stored in the database or R / ^3® system or in a corresponding database and - even during the conversation - dynamically expand the vocabulary of this conversation partner during speech recognition.

Nun ist grundsätzlich vorgesehen, die insbesondere aus der Sprachdatenerkennung gewonnenen Informationen zu speichern. In ganz besonders bevorzugter Weise ist zusätzlich oder alternativ hierzu vorgesehen, Informationen in Form einer grafischen und/oder orthographischen Repräsentation zur Verfügung zu stellen. Dies kann für Informationen vorgesehen sein, die gegebenenfalls zeitversetzt von einem mit einem Gesprächsannahmesystem aufgezeichneten Gespräch stammen. Dies könnte allerdings auch für Informationen einer Spracherkennung von Gesprächsdaten zutreffen, die von einem Gespräch zwischen zwei oder mehreren Gesprächspartnern stammen. Hierbei können entweder alle Informationen des Gesprächs, d.h. sozusagen jedes Wort, oder lediglich extrahierte und/oder selektierte Informationen hieraus, die für die jeweilige Anwendung des erfindungsgemäßen Verfahrens gerade zweckmäßig sind, angezeigt werden. Das zur Verfügung Stellen der Informationen könnte beispielsweise auf einer Ausgabeeinheit eines Computers, z. B. eines Monitors, auf einem Bildschirm oder Fernseher erfolgen. Auch die Ausgabe der Informationen auf einem Handy-Display könnte vorgesehen sein.Now is basically provided, in particular from the speech data recognition obtained Store information. In a particularly preferred manner is additional or alternatively provided, information in the form of a graphical and / or orthographic representation for disposal to deliver. This can be for Be provided information that may be delayed by a with a call acceptance system recorded conversation come. this could but also for Information of a voice recognition of call data that is used by a conversation come between two or more interlocutors. in this connection can either all information of the conversation, i. every word, so to speak, or only extracted and / or selected information therefrom, the for the particular application of the method according to the invention are just expedient, are displayed. The available Ask the information could for example, on an output unit of a computer, e.g. B. one Monitors, done on a screen or TV. Also the Output of the information on a mobile phone display could be provided be.

Ganz allgemein ist vorgesehen, die Informationen zeitversetzt zur Verfügung zu stellen. Dies wird insbesondere bei Gesprächsinformationen der Fall sein, die von einem Gesprächsannahmesystem stammen, wo also eine zeitgleiche Spracherkennung bzw. Informationsauswertung nicht erforderlich ist. Alternativ hierzu ist in bevorzugter Weise vorgesehen, die Informationen nahezu zeitgleich, d.h. "Online" zu erkennen und/oder dem Gesprächspartner zur Verfügung zu stellen. Dies ist insbesondere dann der Fall, wenn Sprachdaten eines Gesprächs zwischen zwei Gesprächspartnern erkannt bzw. analysiert werden. Hierbei können die Informationen entweder einem oder beiden bzw. allen Gesprächspartnern zur Verfügung gestellt werden, je nach dem welches Ziel die Anwendung des erfindungsgemäßen Verfahrens verfolgt. Das Online zur Verfügung Stellen der Informationen könnte allerdings auch in Verbindung mit einem Gesprächsannahmesystem erfolgen, beispielsweise wenn bei einer Rundfunk- oder Fernsehsendung eine "Live-Umfrage" nach nur kurzer Zeit ausgewertet sein muss.In general, it is intended to provide the information with a time delay. This will be the case in particular with call information originating from a call acceptance system, ie where a simultaneous speech recognition or information analysis is not required. Alternatively, it is provided in a preferred manner, the information almost at the same time, ie to recognize "online" and / or to provide the interlocutor. This is the case in particular when voice data of a conversation between two call partners are recognized or analyzed. In this case, the information can be made available to one or both or to all interlocutors, depending on the purpose pursued by the application of the method according to the invention. The provision of the information online could, however, also take place in conjunction with a call acceptance system, for example if a "live survey" must be evaluated after a short time on a radio or television program.

Nun könnte der Gesprächspartner, dem die Informationen während des Gesprächs zur Verfügung gestellt werden (der oder jede zweite Gesprächspartner), die Spracherkennung zumindest teilweise vorgeben, steuern und/oder lenken. Hierzu könnten auf einer grafischen Benutzeroberfläche eines entsprechenden Computers bzw. Steuerrechners entsprechende Symbole vorgesehen sein, die unterschiedliche Wirkungen auf die Spracherkennung haben und einfach und schnell vom dem Gesprächspartner betätigt werden können. Insbesondere könnte hierbei vorgesehen sein, dass der Gesprächspartner entsprechende Symbole betätigen kann, die mehrere, vom Spracherkennungssystem kommende Ergebnisse als richtig oder falsch klassifizieren bzw. auswählen können. Letztendlich kann so der eine Gesprächspartner hierdurch das Erkennungssystem auf die Stimme des anderen Gesprächspartners schulen, so dass bei einem länger andauernden Gespräch das Spracherkennungssystem zumindest weitgehend die Sprachdaten des anderen Gesprächspartners erkennen kann. Weiterhin können entsprechende Symbole vorgesehen sein, die eine Annahme oder Ablehnung von abzuspeichernden Informationen als Ergebnis der Spracherkennung zur Folge haben.Now could the conversation partner, the information during of the conversation to disposal (or every other caller), speech recognition at least partially pretend, control and / or direct. This could be up a graphical user interface a corresponding computer or control computer corresponding Be provided with different effects on the symbols Have speech recognition and easily and quickly from the interlocutor actuated can be. In particular, could be provided here that the caller corresponding symbols can operate the several results coming from the speech recognition system as can classify or select right or wrong. In the end, so can the one interlocutor thereby the recognition system to the voice of the other interlocutor train, so for a longer lasting conversation the voice recognition system at least largely the voice data of the other party can recognize. Furthermore you can appropriate symbols may be provided which include an acceptance or rejection of information to be stored as a result of speech recognition have as a consequence.

Weiterhin könnte beispielsweise vorgesehen sein, dass der Gesprächspartner das Vokabular für die Spracherkennung, oder die Reihenfolge der Anwendung der unterschiedlichen Spracherkennungsmethoden vorgibt.Farther could For example, be provided that the interlocutor the vocabulary for speech recognition, or the order of application of the different speech recognition methods pretends.

Insbesondere bei einer Kopplung des Spracherkennungssystems mit einem Datenbank- und/oder Expertensystem könnte vorgesehen sein, dass für jeden Gesprächspartner ein Benutzerprofil angelegt oder schon abgespeichert ist. Zur Spracherkennung eines weiteren Gesprächs mit diesem Gesprächspartner könnte dieses Benutzerprofil automatisch geladen werden. Darüber hinaus ist auch denkbar, dass der Gesprächspartner, dem die Informationen zur Verfügung gestellt werden, dieses Benutzerprofil lädt. In einem Benutzerprofil kann insbesondere der Erkennungsmodus der Spracherkennung, ein spezieller Vokabularschatz oder ähnliches abgespeichert sein.Especially in a coupling of the speech recognition system with a database and / or Expert system could be provided for that every conversation partner a user profile has been created or already saved. For speech recognition another conversation with this interlocutor could this user profile will be loaded automatically. Furthermore is also conceivable that the interlocutor, where the information is available asked, this user profile loads. In a user profile In particular, the recognition mode of speech recognition, a special Vocabulary treasure or similar be stored.

In besonders bevorzugter Weise werden neben den extrahierten Sprachinformationen noch Informationen des Datenbank- und/oder Expertensystems extrahiert zur Verfügung gestellt. Diese Vorgehensweise könnte beispielsweise im Einsatz eines Call-Centers angewandt werden. Hierbei ist der das Gespräch entgegennehmende Gesprächspartner, im folgenden Agent genannt, derjenige, dem die extrahierten Informationen zur Verfügung gestellt werden. So können dem Agent neben den erkannten und extrahierten Informationen aus dem Spracherkennungsprozess auch weitergehende Informationen, beispielsweise über den Anrufer, dessen Tätigkeitsfeld usw. ebenfalls zur Verfügung gestellt werden, so dass in besonders vorteilhafter Weise der Agent noch vor Beendigung des Gesprächs mehr Informationen erhält, als eigentlich in dem Gespräch ausgetauscht wurden. Hierdurch kann der Agent auch andere Themengebiete ansprechen, die nicht vom Anrufer aus angesprochen sind, wodurch dem Anrufer in besonders vorteilhafter Weise das Gefühl vermittelt wird, dass der Agent des Call-Centers den Anrufer nebst seinem Tätigkeitsgebiet persönlich kennt. Durch diese Vorgehensweise kann auch in vorteilhafter Weise eine Beratung des Anrufers intensiver und/oder effektiver durchgeführt werden.In most preferably, in addition to the extracted speech information still extracts information from the database and / or expert system to disposal posed. This approach could For example, be applied in the use of a call center. Here is the conversation receiving conversation partners, in the following called agent, the one to whom the extracted information to disposal be put. So can the agent next to the detected and extracted information The speech recognition process also more information, for example about the Caller whose field of activity etc. also available be placed so that in a particularly advantageous manner, the agent even before the conversation ends gets more information, as actually in the conversation were exchanged. This allows the agent to cover other topics as well address that are not addressed by the caller, which the caller conveys the feeling in a particularly advantageous manner is that the agent of the call center the caller along with his field of activity personally knows. By this procedure can also be in an advantageous manner Consultation of the caller be carried out more intensively and / or more effectively.

Zur einfachen Bedienung durch einen Gesprächspartner könnten die entsprechenden Ausgabemodule für die extrahierten Informationen und/oder die Symbole für die Steuerung bzw. Lenkung der Spracherkennung in eine Gesamtoberfläche und/oder in ein Gesamtprogramm eines Computerprogramms eingebunden sein. Hierdurch hat beispielsweise ein Agent eines Call-Centers lediglich eine zentrale Anwendung bzw. ein zentrales Programm zu bedienen, so dass letztendlich auch hierdurch die Effizienz des Gesamtsystems erhöht wird.to simple operation by a conversation partner could corresponding output modules for the extracted information and / or the symbols for the controller or steering the speech recognition in an overall surface and / or be integrated into an overall program of a computer program. As a result, for example, an agent of a call center has only one central application or a central program to use, so that Ultimately, this also increases the efficiency of the overall system.

Das erfindungsgemäße Verfahren könnte in weiter vorteilhafter Weise zum Schulen von Agenten eines Call-Centers eingesetzt werden. So könnte beispielsweise gerade aufgrund der Informationen, die über einen Anrufer in einem Datenbank- und/oder Expertensystem gespeichert sind, die Gesprächsstrategie des Agenten geschult werden. Ein Ziel hierbei könnte beispielsweise sein, dass der Agent eines Call-Centers einerseits lernt ein erfolgreiches Verkaufsgespräch mit einem Anrufer zu absolvieren und andererseits wichtige Daten über den Anrufer – entweder bereits gespeicherte oder in dem Gespräch gewonnene Informationen – dem Gesamtsystem zuzuführen oder in dem Gesamtsystem abzuspeichern, so dass auch die Schnelligkeit eines Agenten eines Call-Centers in der Gesprächsabwicklung geschult werden kann.The inventive method could be used in a further advantageous manner for training agents of a call center. For example, because of the information that is stored about a caller in a database and / or expert system, the call strategy of the agent could be trained. A goal here could be, for example, that the agent of a call center learns on the one hand to complete a successful sales call with a caller and on the other important information about the caller - either already stored or gained in the conversation information - the entire system or store in the overall system so that even the speed of an agent of one Call centers can be trained in call handling.

In ganz besonders vorteilhafter Weise wird das Spracherkennungssystem auf die Stimme eines Gesprächspartners trainiert. Im Fall eines Call-Centers ist dies der Agent des Call-Centers, der praktisch bei jedem Gespräch mit dem Spracherkennungssystem interagiert. Somit können zumindest die Sprachdaten des einen Gesprächspartners bzw. des Agents mit einer optimierten Erkennungsrate erkannt und/oder analysiert werden. Die Erkennungsrate des Spracherkennungssystems kann in weiter vorteilhafter Weise auch dadurch gesteigert werden, dass der eine Gesprächspartner bzw. der Agent des Call-Centers einzelne, für den Gesprächspartner bzw. Agent wichtige Worte wiederholt. Somit kann das Spracherkennungssystem diese nunmehr vom Gesprächspartner, auf den das Spracherkennungssystem trainiert ist, mit einer hohen Erkennungsrate richtig erkannt bzw. analysiert werden.In very particularly advantageous way is the speech recognition system to the voice of a conversation partner trained. In the case of a call center, this is the agent of the call center, practically every conversation interacts with the speech recognition system. Thus, at least the voice data of one caller or the agent with an optimized detection rate detected and / or to be analyzed. The recognition rate of the speech recognition system can also be increased in a further advantageous manner by that the one interlocutor or the agent of the call center individual, important for the conversation partner or agent Words repeated. Thus, the speech recognition system can do this now from the interlocutor, on which the speech recognition system is trained, with a high Recognition rate can be correctly recognized or analyzed.

Es gibt nun verschiedene Möglichkeiten, die Lehre der vorliegenden Erfindung in vorteilhafter Weise auszugestalten und weiterzubilden. Dazu ist einerseits auf die dem Patentanspruch 1 nachgeordneten Patentansprüche und andererseits auf die nachfolgende Erläuterung der bevorzugten Ausführungsbeispiele der Erfindung anhand der Zeichnung zu verweisen. In Verbindung mit der Erläuterung der bevorzugten Ausführungsbeispiele der Erfindung anhand der Zeichnung werden auch im Allgemeinen bevorzugte Ausgestaltungen und Weiterbildungen der Lehre erläutert. In der Zeichnung zeigenIt are now different ways to design the teaching of the present invention in an advantageous manner and further education. On the one hand to the claim 1 subordinate claims and on the other hand to the following explanation of the preferred embodiments of the invention with reference to the drawing. Combined with the explanation the preferred embodiments The invention with reference to the drawings are also generally preferred Embodiments and developments of the teaching explained. In show the drawing

1 eine schematische Darstellung einer ersten Konfiguration zur Durchführung des erfindungsgemäßen Verfahrens, 1 a schematic representation of a first configuration for carrying out the method according to the invention,

2 eine schematische Darstellung einer zweiten Konfiguration zur Durchführung des erfindungsgemäßen Verfahrens, 2 a schematic representation of a second configuration for carrying out the method according to the invention,

3 eine schematische Darstellung eines Ausführungsbeispiels eines Spracherkennungssystems und 3 a schematic representation of an embodiment of a speech recognition system and

4 eine schematische Darstellung einer weiteren Konfiguration zur Durchführung des erfindungsgemäßen Verfahrens. 4 a schematic representation of another configuration for carrying out the method according to the invention.

1 zeigt schematisch einen ersten Gesprächspartner 1 und einen zweiten Gesprächspartner 2, wobei die beiden Gesprächspartner 1, 2 ein Telefongespräch führen. Die Telefonverbindung ist mit dem Bezugszeichen 3 angedeutet. Sprachdaten des Gesprächs wird über die Verbindung 4 einem Spracherkennungssystem 5 zugeführt. 1 schematically shows a first party 1 and a second interlocutor 2 , where the two interlocutors 1 . 2 make a phone call. The telephone connection is with the reference number 3 indicated. Voice data of the conversation is over the connection 4 a speech recognition system 5 fed.

Erfindungsgemäß wird zumindest eine Untermenge der Sprachdaten erkannt und extrahiert. Das Ergebnis der Spracherkennung wird dem zweiten Gesprächspartner 2 über Verbindung 6 zur Verfügung gestellt. Die Verbindung 6 kann beispielsweise auch eine Sichtverbindung zu einem Bildschirm sein.According to the invention, at least a subset of the speech data is recognized and extracted. The result of speech recognition becomes the second party 2 via connection 6 made available. The connection 6 may for example also be a line of sight to a screen.

In 2 ist eine erfindungsgemäße Konfiguration gezeigt, bei der ein Gesprächspartner 1 mit einem Gesprächsannahmesysteme 7 über eine Telefonverbindung 3 telefoniert, bzw. telefoniert hat, und das Gesprächsannahmesystem 7 das Gespräch ein einen zweiten Gesprächspartner 2 weitergeleitet hat. Das Gesprächsannahmesystem 7 ist hierbei als ein automatisches Interactive Voice Response System ausgeführt. Die Spracherkennung 5 sowie die Speicherung einerseits der Sprachdaten und andererseits der hieraus extrahierten Informationen sind ebenfalls in dem Gesprächsannahmesystem 7 vorgesehen. Das Gesprächsannahmesystem 7 ist ein Computer.In 2 a configuration according to the invention is shown in which a conversation partner 1 with a call acceptance system 7 over a telephone connection 3 telephoned, or has phoned, and the call acceptance system 7 the conversation is a second party 2 has forwarded. The call acceptance system 7 is designed as an automatic interactive voice response system. The speech recognition 5 as well as the storage of one hand, the voice data and on the other hand, the information extracted therefrom are also in the call acceptance system 7 intended. The call acceptance system 7 is a computer.

Bei dem Spracherkennungssystem 5 kann es sich auch um mehrere Computer handeln, wie in 3 schematisch gezeigt wird. Im Konkreten handelt es sich um ein Computer-Netzwerksystem, auf dem die Spracherkennung parallel ausgeführt wird. Die Sprachdaten werden über die Verbindung 4 dem Spracherkennungssystem 5 zugeführt. Die Sprachdaten werden von dem Eingangs-/Ausgangsserver 8 über das Netzwerk weiterverteilt. So werden die Sprachdaten über Verbindung 9 einem Datenspeicher 10 zugeführt. Weiterhin werden die Sprachdaten über Verbindung 11 dem Baseform-Server 12 sowie über Verbindung 13 den drei Recognition-Servern 14 zugeführt. Der Baseform-Server 12 dient hierbei zur Bereitstellung der erforderlichen phonetischen Aussprachetranskriptionen. Über Verbindung 15 ist ebenfalls ein Sprachdatenaustausch zwischen Baseform-Server 12 und den drei Recognition-Servern 14 vorgesehen.In the speech recognition system 5 it can also be multiple computers, like in 3 is shown schematically. Specifically, it is a computer network system running speech recognition in parallel. The voice data will be over the connection 4 the speech recognition system 5 fed. The voice data is from the input / output server 8th redistributed over the network. So the voice data will be over connection 9 a data store 10 fed. Furthermore, the voice data via connection 11 the base form server 12 as well as via connection 13 the three recognition servers 14 fed. The base form server 12 serves to provide the necessary phonetic pronunciation transcriptions. About connection 15 is also a voice data exchange between base form server 12 and the three recognition servers 14 intended.

Die Spracherkennung auf den Recognition-Servern 14 wird hierbei parallel ausgeführt, und zwar führt einer der drei Recognition-Server 14 eine Diktaterkennung, der andere Recognition-Server 14 eine Grammatikerkennung und schließlich der dritte Recognition-Server 14 eine Keyword-Spotting-Erkennung aus. Demgemäß werden die drei unterschiedlichen Methoden der Spracherkennung quasi parallel eingesetzt, die unterschiedlichen Spracherkennungsmethoden benötigen geringfügig unterschiedliche Rechenzeiten, so dass keine zeitgleiche Parallelisierung im strengen Sinn vorliegt.The speech recognition on the recognition servers 14 This is done in parallel, and that leads to one of the three Recognition server 14 one dictation recognition, the other recognition server 14 a grammar recognition and finally the third recognition server 14 a keyword spotting detection. Accordingly, the three different methods of speech recognition are used virtually in parallel, the different speech recognition methods require slightly different computation times, so that there is no simultaneous parallelization in the strict sense.

Falls die Spracherkennung wiederholt ausgeführt wird, werden die auf dem Datenspeicher 10 gespeicherten Original-Sprachdaten des Gesprächs von dem Eingangs/Ausgangsserver 8 angefordert und erneut auf den Baseform-Server 12 und die Recognition-Server 14 verteilt.If the speech recognition is performed repeatedly, those on the data memory become 10 stored original voice data of the call from the input / output server 8th requested and again to the base form server 12 and the recognition server 14 distributed.

In vorteilhafter Weise ist das Spracherkennungssystem 5 sowie der Spracherkennungsvorgang mit einem Datenbanksystem 16 über die Verbindungen 17, 18 gekoppelt. Durch diese Kopplung werden weitergehende Informationen extrahiert. So werden die aus dem Datenbanksystem 16 gespeicherten und abgerufenen Informationen über den Gesprächspartner 1 dazu verwendet, den Spracherkennungsvorgang zu unterstützen. Hierzu wird dem Recognition-Server 14, auf dem die Diktaterkennung läuft, ein Vokabular zur Verfügung gestellt, das auf dem Datenbanksystem 16 gespeichert ist und im Rahmen eines vorherigen Gesprächs mit dem Gesprächspartner 1 in Verbindung gebracht wurde.Advantageously, the speech recognition system 5 and the speech recognition process with a database system 16 about the connections 17 . 18 coupled. This coupling extracts further information. That's how they get out of the database system 16 stored and retrieved information about the interlocutor 1 used to support the speech recognition process. This is done by the Recognition server 14 , on which the dictation recognition is running, a vocabulary provided on the database system 16 is stored and during a previous conversation with the other party 1 was associated.

In 4 ist schematisch gezeigt, dass dem Gesprächspartner 2 die Informationen des Spracherkennungssystems 5 nebst den Informationen des Datenbanksystems in Form einer graphischen und orthographischen Repräsentation auf dem Monitor 19 des Computers 20 zur Verfügung gestellt werden. Die Repräsentation der Informationen erfolgt hierbei während des Gesprächs.In 4 is shown schematically that the interlocutor 2 the information of the speech recognition system 5 together with the information of the database system in the form of a graphical and orthographic representation on the monitor 19 of the computer 20 to provide. The representation of the information takes place here during the conversation.

Der Gesprächspartner 2 kann ebenfalls über den Computer 20 bei dem Spracherkennungsvorgang eingreifen und diesen derart steuern, dass ein optimales Spracherkennungsergebnis erzielt werden kann. Sowohl die graphische und orthographische Repräsentation der extrahierten Sprachinformationen als auch die Steuerung des Spracherkennungsvorgangs erfolgt mit einer Benutzerschnittstelle, die auf dem Computer 20 nebst Monitor 19 dem Gesprächspartner 2 zur Verfügung steht. Hierdurch kann der als Agent eingesetzte Gesprächspartner 2 in einem Call-Center eine optimale Anruferberatung durchführen.The conversation partner 2 can also via the computer 20 engage with the voice recognition process and control it so that an optimal speech recognition result can be achieved. Both the graphical and orthographic representation of the extracted speech information and the control of the speech recognition process are performed with a user interface residing on the computer 20 besides monitor 19 the conversation partner 2 is available. This allows the agent used as an agent 2 Carry out an optimal caller consultation in a call center.

Abschließend sei ganz besonders darauf hingewiesen, dass die voranstehend erörterten Ausführungsbeispiele lediglich zur Beschreibung der beanspruchten Lehre dienen, diese jedoch nicht auf die Ausführungsbeispiele einschränken.In conclusion, be particularly noted that the above discussed embodiments merely to describe the claimed teaching, this but not on the embodiments limit.

Claims

A method of treating speech information from a first human (1) and one or more second human interlocutor conversation ( 2 ), in which the call is wholly or partly performed by means of an automatic speech recognition system ( 5 ), which can automatically convert a spoken utterance into text, and the result of the analysis is analyzed by the or each second interlocutor ( 2 ) is provided in whole or in part, characterized in that the speech recognition system ( 5 ) with a database system ( 16 ) and / or an expert system is coupled that from the database system ( 16 ) and / or expert system further information is extracted and made available to the or each other interlocutor and where the data from the database system ( 16 ) and / or expert system, dynamically control the speech recognition process.

The method of claim 1, wherein the call is a telephone conversation and the second interlocutor was called by the first.

The method of claim 2, wherein the telephone call is from an automatic call acceptance system ( 7 ), and the call acceptance system ( 7 ) the or each second human interlocutor ( 2 ) or the call to the or each second human interlocutor ( 2 ).

Method according to claim 1, wherein a call acceptance system ( 7 ) automatically establishes a call connection with the first caller ( 1 ).

Method according to claim 3 or 4, wherein the call acceptance system ( 7 ) works as an Interactive Voice Response System (IVRS).

Method according to one or more of claims 1 to 5, wherein the first party ( 1 ) is confronted with predetermined conversation structures.

Method according to one or more of claims 3 to 6, wherein as a call acceptance system ( 7 ) and / or as a speech recognition system ( 5 ) at least one computer is used.

The method of claim 7, wherein the speech recognition is on one or more computers ( 12 . 14 ) is performed.

The method of claim 7 or 8, wherein the speech recognition in the form of multiple processes on a computer or distributed running on multiple processors of a computer in parallel.

Method according to one or more of claims 7 to 9, where speech recognition in a computer network system in parallel accomplished becomes.

Method according to one or more of claims 1 to 10, wherein the voice data of the conversation stored at least largely unchanged become.

Method according to one or more of claims 1 to 11, wherein information about the current call state in speech recognition be taken into account.

Method according to one or more of claims 1 to 12, wherein the speech recognition is customized to an analysis job is aligned.

Method according to one or more of claims 1 to 13, where for speech recognition methods of dictation, grammar, Single word recognition and / or keyword spotting.

The method of claim 14, wherein the different ones Methods of speech recognition can be used in parallel.

Method according to one or more of claims 1 to 15, wherein the speech recognition is repeatedly executed.

The method of claim 17, wherein the vocabulary for speech recognition varies and / or adapted.

The method of claim 17 or 18, wherein the dynamic Adaptation of speech recognition in a first recognition step the voice data are classified.

The method of claim 19, wherein in another Detecting step the language data with the help of special Vocabulary be re-examined.

The method of claim 20, wherein further iteratively Detection steps performed become.

Method according to one or more of claims 1 to 20, the result of the analysis and / or the further information in the form of a graphic and / or orthographic representation to disposal be put.

Method according to one or more of claims 1 to 21, the result of the analysis and / or the further information time-delayed available be put.

Method according to one or more of claims 1 to 22, wherein the analysis and / or the extraction of the further information carried out almost simultaneously (online) and / or the second party ( 2 ) to provide.

Method according to one or more of claims 1 to 23, wherein the second party ( 2 ) at least partially dictates, controls and / or directs speech recognition.

Method according to one or more of claims 1 to 24, wherein the second party ( 2 ) Detection modes of speech analysis ( 5 ) in the form of user profiles or that they are loaded automatically.

Method according to one or more of claims 1 to 25, wherein in addition to the result of the speech analysis still information of the database system ( 16 ) and / or expert system are extracted and / or made available.

Method according to one or more of claims 1 to 26, wherein the result of the analysis of the conversation is stored as text.

Method according to one or more of claims 1 to 27, characterized by use in a call center.

Method according to one or more of claims 1 to 28, characterized by the integration into an overall surface and / or into an overall program.

Method according to one or more of claims 1 to 29, characterized by the use to train agents of a Call center.

Method according to one or more of claims 1 to 30, wherein the speech recognition system ( 5 ) to the voice of the first ( 1 ) or of the or each second interlocutor ( 2 ) is trained.

The method of claim 31, wherein the recognition rate of the speech recognition system ( 5 ) is increased by the fact that the or each second party ( 2 ) individual, from the first interlocutor ( 1 ) repeated spoken words, so that the speech recognition system ( 5 ) can analyze the voice data of the trained voice.

System for carrying out a method according to one or more of the preceding claims, comprising - at least one electronic device for the recognition and extraction of speech data (speech recognition system, 5 ) equipped with one or more speech data acquisition devices (call acceptance system, 7 ), and one or more means for displaying and / or storing recognized and / or extracted speech data, the or each means for representing ( 19 ) and / or storage is directly or indirectly connected to the recognition and extraction device.

The system of claim 33, wherein the speech recognition system with at least one call acceptance system connected is.

The system of claim 34, wherein the speech recognition system with two call acceptance systems connected is.

System according to one or more of claims 38 to 40, wherein at least one call acceptance system a stationary one or mobile phone is.

System according to one or more of claims 33 to 36, wherein at least one call acceptance system an IVRS.

System according to one or more of claims 33 to 37, wherein the speech recognition system one or more computers includes.

System according to one or more of claims 33 to 38, the call acceptance system includes one or more computers.

The system of claim 39, wherein the plurality of computers connected in the form of a network.

The system of claim 40, wherein the network comprises a Client / server - structure having.

Computer program to all steps of any Method according to one any combination of claims 1 to 32 if the program is running on a computer.

Computer-readable medium on which a computer program according to claim 42 is stored.

Computer with a volatile and / or non-volatile Memory in which a computer program according to claim 42 is stored is.