JP2005012833A - 音声応答サービス装置 - Google Patents

Abstract

【課題】テレフォンサービスの利用者の性別や年齢区分などの属性や相手の操作環境に合わせて、音質を変更することにより快適性の高いサービスを提供することにある。
【解決手段】音声応答により利用者との対話形式で処理を行う音声応答サービス装置において、前記利用者の属性を記憶する属性記憶部と、前記属性記憶部に記憶された利用者の属性情報に基づいて、利用者に応答する音声の音質を変更する利用者音質変更部とを備える音声応答サービス装置である。
【選択図】 図１０

Description

本発明は音声応答サービス装置に関する。本発明は、特に、履歴情報の再生を迅速に行い、テレフォンサービスの利用者の性別や年齢区分などの属性や相手の操作環境に合わせて、音質を変更する音声応答サービス装置に関する。

コンピュータにより自動応答する音声応答サービス装置として、テレホンサービスが知られている。

このテレホンサービスは、予め設定された音質（速度、音量、性別あるいはバックグランドミュージックＢＧＭ）により音声を流す。この種の音声応答サービス装置は、テレホンサービスが提供される時に、例えば、特定の年齢層に合わせた標準的な音質に設定する。

このような音声サービス装置は、例えば、特開昭５９ー１８１７６７号公報または特開平３ー１６０８６８号公報に記載される。これらの公報に記載された音声応答サービス装置は、音声サービス装置内の音声認識装置を使用することにより、預金残高照会などのサービスを提供する。

また、特開昭６１ー２３５９４０号公報の装置は、電話機での音声出力レベルを常に一定値になるように出力レベルを補正する。これにより、利用者は音声情報を容易に聴取することができる。

しかし、特開昭６１ー２３５９４０号公報の装置において、出力レベルを補正するために利用者側から音量、性別の指定が必要であった。すなわち、手動により補正が行われるため、作業が大変であった。

また、残りの公報の装置は利用者に合わせた音質によりサービスを提供していなかった。この種の音声応答サービス装置では、通話をする相手にしたがって声を大きくしたり、ゆっくり話すなどによって相手が理解しやすいように微調整を行う必要があった。このため、利用者の年齢、性別により自動的に音質を変更する音声応答サービス装置が要求されていた。

また、前記音声応答サービス装置は、テレホンサービスを利用することにより商品の通信販売を行うことができる。この音声応答サービス装置は、通常では、利用者情報や利用者からの商品入力情報を履歴情報として収集する。

前記音声応答サービス装置において、利用者の発注した商品、数量、金額などの発注トラブルなどによって利用者から問い合わせがあった場合に、過去の履歴情報を追うことにより利用者の操作を確認する作業が必要であった。

さらに、前記音声応答サービス装置は、障害などが発生したとき、履歴情報に基づき人手によって利用者の操作を再生させていた。

しかしながら、以上に説明した音声応答サービス装置では、たとえば発注トラブルが生
じた場合に、人手によって履歴情報を再生しなければならなかった。このため、多くの時間がかかるだけでなく、人件費も大きくなっていた。また、誤操作箇所を自動的に追跡する必要もあった。

さらに、この種の音声応答サービス装置では、手動によって発注トラブルの原因および音声応答サービスをスムースに行なうためのテストを行っていたので、開発時・保守時のテスト工数がかなりかかっていた。

そこで、本発明の目的は、テレフォンサービスの利用者の性別や年齢区分などの属性や相手の操作環境に合わせて、音質を変更することにより快適性の高いサービスを提供することにある。

また、本発明は、履歴情報から過去のサービスを再生し、容易にそのサービスの内容を確認することにある。さらに、本発明の目的は、開発時・保守時のテスト工数や人件費を削減することにある。

本発明の音声応答サービス装置は、前記課題を解決するため、以下の手段を採用した。

即ち、本発明は、音声応答により利用者との対話形式で処理を行う音声応答サービス装置において、前記利用者の属性を記憶する属性記憶部と、前記属性記憶部に記憶された利用者の属性情報に基づいて、利用者に応答する音声の音質を変更する利用者音質変更部とを備えるものである。

また、本発明は、以下の付加的構成要素を付加しても成立する。すなわち、前記利用者音質変更部により変更される音声の音質は、音量レベルであってもよい。

また、本発明は、前記利用者音質変更部により変更される音声の音質は、男性音と女性音との少なくとも一方であってもよい。

また、本発明は、前記属性記憶部は、利用者の性別により男性音または女性音を格納した性別ルールテーブルと、利用者の年齢に合った音量レベルを格納した音量テーブルとを備えてもよい。また、本発明は、利用者の入力動作の状態に応じて音量と音速度とを設定する状態ルールテーブルを備えてもよい。

また、本発明は、前記利用者音質変更部は、前記状態ルールテーブルを参照して音声属性を設定する音声属性設定部を備えてもよく、前記音声属性設定部によって設定された利用者の音声属性に合った音声情報を合成する音声合成処理部を備えてもよい。

また、本発明は、前記利用者音質変更部は、前記性別ルールテーブルと前記音量テーブルとを参照して音声属性を設定する音声属性設定部を備えてもよく、前記音声属性設定部によって設定された利用者の音声属性に合った音声情報を合成する音声合成処理部を備えてもよい。

また、属性記憶部は利用者の属性を記憶し、利用者音質変更部は属性記憶部に記憶された利用者の属性情報に基づいて利用者が応答する音声の音質を変更する。したがって、利用者に合わせた音質によりサービスを提供できる。

また、変更する音声の音質は、音量レベルであり、聞き易い音量レベルが自動的に設定される。また、変更する音声の音質は、男性音または女性音であり、利用者が男性音また
は女性音のいずれかの音質を選択して、聞き易い方の音でサービスを受けることができる。

また、性別ルールテーブルにより利用者の性別により男性音または女性音が設定され、音量テーブルにより利用者の年齢にあった音量レベルが設定される。その結果、利用者の好みに合わせた音量が設定できる。

また、状態ルールテーブルは利用者の入力動作の状態に応じて音量と音速度とを設定するので、利用者の操作負担を軽減できる。また、前記音声属性設定部は、前記状態ルールテーブルを参照して音声属性を設定する。その結果、利用者に合わせた音声属性が設定できる。

また、音声合成処理部は前記音声属性設定部によって設定された利用者の音声属性に合った音声情報を合成する。すなわち、利用者の操作状態に合わせて、音量、速度を変更することにより、ユーザの属性や熟練度に対応する快適性の高いサービスを提供できる。

また、性別ルールテーブルと音量テーブルとを用いることにより利用者の属性に合わせて、音量、速度を変更することにより、ユーザの属性や熟練度に対応する快適性の高いサービスを提供できる。

本発明によれば、属性記憶部は利用者の属性を記憶し、利用者音質変更部は属性記憶部に記憶された利用者の属性情報に基づいて利用者が応答する音声の音質を変更する。したがって、利用者に合わせた音質によりサービスを提供できる。

また、変更する音声の音質は、音量レベルであり、聞き易い音量レベルが自動的に設定される。また、変更する音声の音質は、男性音または女性音であり、利用者が男性音または女性音のいずれかの音質を選択して、聞き易い方の音でサービスを受けることができる。

また、性別ルールテーブルにより利用者の性別により男性音または女性音が設定され、音量テーブルにより利用者の年齢にあった音量レベルが設定される。その結果、利用者の好みに合わせた音量が設定できる。

また、状態ルールテーブルは利用者の入力動作の状態に応じて音量と音速度とを設定するので、利用者の操作負担を軽減できる。また、前記音声属性設定部は、前記状態ルールテーブルを参照して音声属性を設定する。その結果、利用者に合わせた音声属性が設定できる。

また、音声合成処理部は前記音声属性設定部によって設定された利用者の音声属性に合った音声情報を合成する。すなわち、利用者の操作状態に合わせて、音量、速度を変更することにより、ユーザの属性や熟練度に対応する快適性の高いサービスを提供できる。

また、性別ルールテーブルと音量テーブルとを用いることにより利用者の属性に合わせて、音量、速度を変更することにより、ユーザの属性や熟練度に対応する快適性の高いサービスを提供できる。

以下、本発明の音声応答サービス装置の実施の形態を図面を参照して詳細に説明する。＜実施の形態１＞
図１は本発明の音声応答サービス装置を含む音声応答サービスシステムの実施の形態１を示すブロック図である。

実施の形態１のシステムは、利用者とコンピュータとの対話処理を履歴情報格納部から自動再生して商品の受注業務、予約業務、資料請求業務および銀行振込業務などの時間外業務に適用することにより、人件費を削減する。

図１において、音声応答サービスシステムは、音声応答サービス装置として動作するコンピュータＣと、このコンピュータＣに接続され利用者が利用する電話機側Ｕから構成される。音声応答サービスシステムは、テレホンサービス業務に用いられる。

前記音声応答サービスシステムは、たとえば、家庭、オフイスなどの電話機側ＵによりコンピュータＣにプッシュボタン信号を出力し、コンピュータＣと電話機側Ｕとの間で対話処理を行うことにより前記各種の業務を行う。

前記コンピュータＣは点線で囲まれる音声応答サービス部１０と、履歴情報抽出部１２、疑似回線制御部１９、スピーカ３３を備える。前記音声応答サービス部１０は、通常時にテレフォンサービスを行うときに動作する。前記音声応答サービス部１０は、ナレーションストーリ出力部１５、履歴情報格納部１１、切換部２０、回線制御部１４、サービス実行部１７、音声合成処理部１８を備える。

図５はサービス内容を記述した図である。ここでは、サービス内容は例えば、商品の受注業務である。このサービス内容はナレーションストーリと呼ばれる。前記ナレーションストーリ出力部１５はナレーションストーリを出力する。

図２は履歴情報格納部１１に格納される履歴情報を示す図である。図５のナレーションストーリの通りに音声応答サービスが行われたとき、図２に記録される履歴情報の一例が示される。履歴情報格納部１１は、時間とともにサービス内容を記録する。

すなわち、履歴情報格納部１１は、時間Ａに利用者が商品受注システムに適用した電話回線の接続から電話回線の切断までに提供するサービスの開始からサービスの終了までのサービスの内容の時間的推移を表すログ情報（履歴情報）を格納する。履歴情報格納部１１は、電話回線の接続時間、切断時間、コンピュータがナレーションを読み始めた時間、利用者がプッシュボタンを入力した時間などの時間情報を記録する。

図３と図４は利用者側（Ｕ）とコンピュータ側（Ｃ）との動作シーケンスを示す図である。図３は図５のナレーションストーリ通りにサービスが実行されるシーケンスを示す図である。図４はサービスの実行途中で障害が発生した例を示す図である。

前記履歴情報抽出部１２は、前記履歴情報格納部１１に接続され、サービスの再生を行うときに動作する。前記履歴情報抽出部１２は、履歴情報格納部１１に格納された履歴情報の中から、利用者が入力したプッシュホンデータを抽出する。履歴情報抽出部１２には切換部２０が接続される。

切換部２０は接点からなるもので、回線制御部１４をサービス実行部１７に接続するとき、すなわち、通常のサービスが提供されるとき、利用者が入力するプッシュボタン信号を電話機３０からサービス実行部１７に読み込み動作する。

切換部２０は、履歴情報抽出部１２をサービス実行部１７に接続するとき、すなわち、過去のサービスを再生するとき、利用者が入力したプッシュホンデータを履歴情報格納部
１１から履歴情報抽出部１２を介してサービス実行部１７に送る。サービス実行部１７は履歴情報抽出部１２からの過去のサービスを実施する。音声合成処理部１８はサービス実行部１７からの過去に行ったサービスを音声で再生する。

前記音声合成処理部１８は、図６に示される音声合成方式の中で、たとえば文字列より音声を合成する規則合成方式によって発音を表す文字列より音声を合成する。音声応答サービスシステムで使用する音声合成方式には図６に示されるように、波形符号化方式、分析合成化方式、規則合成方式などがある。

規則合成方式は、図７および図８において説明される。規則合成方式は、かな漢字混じりの文字列を文章解析し、その解析された文字列からなる信号波形を合成することにより、音声に変換する方式である。この規則合成方式は、他の方式に比べて情報量が少なくて済むので、出力語数を無限にすることができ、音声応答サービスシステムに好適な方式である。

波形符号化方式とは、読み上げたい単語をあらかじめ録音しておき、言葉同士をつなげることにより、合成する方式である。分析合成化方式とは、音声の生成モデルに基づいて音声信号を符号化する音声合成方式であり、これらの方式でも音声を合成することが可能である。

テレフォンサービスでは、音声合成方式による発音のほかに、蓄積音の再生による音声も使用している。蓄積音声は、一般的に規則合成音よりも品質が良いが、内容の変更には録音作業が必要であるため、運用性が悪くなる。この蓄積音声は、不変的な内容の読み上げに使用するのに良い。

一方、規則合成音は、一過性の文章、不定型文章、一部可変文書などの不定型の音声を再生する際に好適である。図７は音声合成方式を採用した音声合成処理部の具体的な構成例を示す図である。図７において、前記音声合成処理部１８は、言語処理部３１、音響処理部３２とから構成される。言語処理部３１には、文章解析部３４、単語辞書３５、読み・韻律記号付与部３６が設けられている。

文章解析部３４は入力した文章を解析単位に分割し、分割された文章を単語辞書３５に記憶された単語と照合することにより単語分割を行い、単語毎の読み、アクセント型、文法情報を設定する。読み・韻律記号付与部３６は文章解析部３４から得られた情報に基づき読みや韻律記号を付加する。韻律記号は例えばポーズ、文節のアクセント、イントネーションなどである。

この言語処理部３１では、読み・韻律記号付与部３６が読みや韻律記号を付与すると、音響処理部３２は抑揚を付加して波形合成などにより音響を出力する。音響処理部３２は、抑揚生成部３７、波形合成部３８および音素データベースである音素片部３９から構成されている。抑揚生成部３７は前記読み、韻律記号に基づき音素毎の時間長と、声の高さを表す抑揚パターンを生成する。波形合成部３８は音素片部３９に格納された音素片データを読み出し、前記音素時間長、抑揚パターンに従って音素片データをなめらかに接続して音声波形を合成する。

この音響処理部３２は、波形合成部３８から波形合成された音声をスピーカ３３に出力し、スピーカ３３はたとえば「コレワ、オンセーゴーセーデス」を出力する。

図８は図７に示す音声合成方式によって音声合成を行う具体的例を示す図である。たとえば、図８に示す「これは、音声合成です」という文章を例として、音声合成を説明する
。先ず、文章解析部３４は前記文章を入力し単語分割を行う。文章解析部３４は文章を「これ／は／、音声／合成／で／す。」のように単語毎に分割する。

次に、文章解析部３４は文節の設定を行う。文章解析部３４は「これは／、音声合成です。」のように文節を設定する。読み・韻律記号付与部３６は、文章解析部３４の結果に基づき、読みを付与し、ポーズ、文節のアクセント、イントネーションを表す韻律符号を付与する。読みは「コレ／ワ／、オ^,ンセー／ゴーセー／デス／。」となる。韻律符号は
、「コレワ、オンセーゴ^,ーセーデス。」となる。

次に、音響処理部３２において、抑揚生成部３７は音の高さを示す抑揚パターンを生成し、波形合成部３８は音素片部３９から音素片データを読み出し音素時間長情報と抑揚パターン情報に従って音素片データを接続して音声波形を合成する。

以上の処理を行うことにより、音声データが音響処理部３２から出力される。
（通常サービス時の動作説明）
次に、このように構成された音声応答サービスシステムの実施の形態１の通常サービス時における動作を説明する。

まず、切換部２０が回線制御部１４をサービス実行部１７に接続する。ナレーションストーリ出力部１５が、ナレーションストーリをナレーショーンストーリ解析部１６に出力すると、ナレーショーンストーリ解析部１６は前記ナレーションストーリを解析する。

サービス実行部１７は、解析されたナレーションストーリにしたがって、音声合成処理部１８への音声出力指示、履歴情報書き込み部２７への指示、回線制御部１４へのプッシュボタン読み込み指示、読み込んだ結果での処理の分岐、データベースアクセス部２２へのアクセス指示などを行う。利用者が入力するプッシュボタン信号は電話機３０からサービス実行部１７に読み込まれる。

音声の出力については、ナレーションストーリにしたがって、蓄積音ファイル２６、テキストファイル２５等を用いてサービスを実行する。データベース２３は、利用者に関する情報が書き込まれている利用者データベース、商品情報が書き込まれている商品データベースあるいは受注情報が書き込まれている受注データベースからなる。

データベースアクセス部２２は、データベース２３の書き込み読み出し処理を行う。テキストファイル２５は予めテキスト情報を格納し、蓄積音声ファイル２６は蓄積音声情報を格納する。履歴情報書き込み部２７は、サービス実行部１７で指示されたサービス内容を履歴情報格納部１１に書き込む。音声合成処理部１８は、既に図６から図８において説明された音声合成方式によって音声を合成する。

なお、切換部５０により音声合成処理部１８からの音声データ出力は、回線制御部１４を介して電話機３０に出力することもできる。このとき、電話回線に接続せずに音声応答サービスの内容をモデル化し、それらのモデルを解析することができる。

また、音声合成処理部１８からの音声データは、疑似回線制御部１９を制御してスピーカ３３を鳴動させることもできる。作業者はサービス内容を音声データとして聞くことができる。
＜ナレーションストーリ出力部＞
次に、ナレーションストーリ出力部１５を、図５に示す手順番号１から手順番号２３までの手順にしたがって詳細に説明する。

このナレーションストーリ出力部１５では、ナレーションの内容が手順番号１から手順番号２３までの手順にしたがって決められている。すなわち、手順番号１では、サービスの概要に蓄積音声ファイル「open.pcm」が指定されているので、図１の蓄積音ファイル２６から「open.pcm」を読み出し、「open.pcm」が音声応答サービス部１０より読み上げられる。

手順番号２では、ナレーションストーリ出力部１５の利用者番号の入力ナレーションである、たとえば「利用者番号を入力してください」が音声応答サービス部１０より読み上げられる。

手順番号３では、利用者側で利用者番号を電話機３０のプッシュボタンより入力すると、そのプッシュボタンの内容が読み込まれ、利用者番号が音声応答サービス部１０に入力される。

手順番号４では、音声応答サービス部１０は利用者の照会があると、データベース２３の利用者データベースをアクセスさせる。手順番号５では、手順番号４でのデータベース２３を照会した結果を、ナレーションストーリ出力部１５の利用者番号および利用者番号の確認である「××番、〇〇様ですね？」というナレーションとして、音声応答サービス部１０より読み上げる。

手順番号６では、利用者からの確認結果に基づいて音声応答サービス部１０は処理を分岐する。この手順番号６では、たとえば「１」を利用者が電話機３０のプッシュボタンで選択したとき、処理は手順番号７の処理に進む。また、たとえば「９」を利用者が電話機３０のプッシュボタンで選択したとき、手順番号２の処理を再び実行する。

手順番号７では、ナレーションストーリ出力部１５の商品番号の入力案内ナレーションである「商品番号を入力してください」というナレーションを音声応答サービス部１０より読み上げる。

手順番号８では、たとえばプッシュボタンにより商品番号を音声応答サービス部１０に入力すると、音声応答サービス部１０は前記商品番号を読み込む。手順番号９では、音声応答サービス部１０は商品の照会があると、データベース２３の商品データベースをアクセスさせる。

手順番号１０では、手順番号９でのデータベースを照会した結果を、ナレーションストーリ出力部１５の商品番号確認ナレーションである「××番、〇〇様ですね？」というナレーションとして、音声応答サービス部１０より読み上げる。

手順番号１１では、利用者からの確認結果に基づいて音声応答サービス部１０は処理を分岐する。この手順番号１１では、たとえば「１」を利用者が電話機３０のプッシュボタンで選択したとき、処理は手順番号１２の処理に進む。

またたとえば「９」を利用者が電話機３０のプッシュボタンで選択したとき、手順番号７の処理を再び実行する。手順番号１２では、ナレーションストーリ出力部１５の個数入力ナレーションである、「個数を入力してください」というナレーションを音声応答サービス部１０より読み上げる。

手順番号１３では、たとえばプッシュボタンにより個数を音声応答サービス部１０に入力すると、音声応答サービス部１０は個数を読み込む。手順番号１４では、ナレーションストーリ出力部１５で入力完了確認ナレーションである、「以上でよろしいですか」とい
うナレーションを音声応答サービス部１０より読み上げる。

手順番号１５では、利用者からの確認結果に基づいて音声応答サービス部１０は処理を分岐する。この手順番号１５では、たとえば「１」を利用者が電話機３０のプッシュボタンで選択したとき、処理は手順番号１６の処理に進む。

またたとえば「９」を利用者が電話機３０のプッシュボタンで選択したとき、手順番号７の処理を再び実行する。手順番号１６では、ナレーションストーリ出力部１５の入力確認ナレーションである「以上でよろしいですか」を音声応答サービス部１０から読み上げる。

手順番号１７では、利用者からの確認結果に基づいて音声応答サービス部１０は処理を分岐する。たとえば、「１」を利用者が電話機３０のプッシュボタンで選択したとき、処理は手順番号１８の処理に進む。

またたとえば「９」を利用者が電話機３０のプッシュボタンで選択したとき、手順番号７の処理を行う。手順番号１８では、ナレーションストーリ出力部１５で発注内容繰り返しナレーションにテキストファイル「order.txt」が指定されているので、テキストファ
イル２５から読み出したナレーションを音声応答サービス部１０より読み上げる。

手順番号１９では、ナレーションストーリ出力部１５の発注確認ナレーションである「以上でよろしいですか」というナレーションを音声応答サービス部１０より読み上げる。

このとき、手順番号２０では、利用者からの確認結果に基づいて音声応答サービス部１０は処理を分岐する。この手順番号２０では、たとえば「１」を利用者が電話機３０のプッシュボタンで選択したとき、手順番号２１の処理を行う。

またたとえば「９」を利用者が電話機３０のプッシュボタンで選択したとき、手順番号２３の処理を実行する。手順番号２１では、ナレーションストーリ出力部１５の発注番号ナレーションである「発注番号は〇〇番ですね？」というナレーションを音声応答サービス部１０より読み上げる。

手順番号２２では、発注処理を行う。受注した内容をデータベース２３の発注データベースに書き込む。手順番号２３では、ナレーションストーリ出力部１５のサービスの終了ナレーションに、蓄積音声である「close.pcm」が指定されているので、蓄積音ファイル
２６から読み出し音声応答サービス部１０より読み上げられる。

以上に説明した図５の音声応答サービス装置によれば、利用者側Ｕの電話機３０とコンピュータＣの音声応答サービス部１０との処理を対話形式で確実に行うことができる。
（図３のシーケンスの説明）
以上に説明した図１のナレーションストーリ出力部１５を用いて図３の処理を説明する。

たとえば、利用者Ｕ側では、利用者番号「６５１１２３」が入力１０３として電話機３０のプッシュボタンにより入力されると、コンピュータＣ側に利用者番号「６５１１２３」が送信される。コンピュータＣ側に送信された利用者番号「６５１１２３」である送信情報はコンピュータＣ側の回線制御部１４によって確認された後に、ナレーションストーリ出力部１５からナレーションストーリ１０４が出力される。そして、利用者番号・利用者名の確認案内１０４が利用者Ｕ側の電話機３０に送信される。

一方、コンピュータＣ側では、図３に示すように利用者Ｕ側から送られた利用者番号・利用者名の確認ｏｋを回線制御部１４が確認した後に、コンピュータＣ側から利用者Ｕ側の電話機３０に商品番号の入力案内指示を出力するためにナレーションストリー出力部１５からナレーションストーリ１０６が出力される。

ナレーションストーリ出力部１５は、ナレーションストーリをナレーションストーリ解析部１６に出力し、ナレーションストーリ解析部１６はナレーションストーリを解析する。

サービス実行部１７は、ナレーションストーリ解析部１６で解析されたナレーションストーリにしたがってデータベース２３あるいはファイル２５、２６を用いてサービスを実行する。
（発注時の処理）
また、利用者Ｕ側の電話機３０は、コンピュータＣ側のナレーションストーリ出力部１５から送られた商品番号入力指示の案内１０６にしたがって、利用者が商品番号「３２１」を電話機３０のプッシュボタンより入力する。この商品番号「３２１」は、特定の商品を表すコード情報である。

利用者ＵがコンピュータＣ側に対して商品番号「３２１」が電話機３０より入力１０７として入力したときには、コンピュータＣ側の回線制御部１４はその商品番号「３２１」を確認し、さらに、商品番号「３２１」をデータベース２３の商品データベースにあることを確認する。そして、商品番号「３２１」の確認指示案内がコンピュータＣ側から利用者Ｕ側の電話機３０に送信１０８として送信される。

利用者Ｕ側の電話機３０は、商品番号「３２１」の確認指示案内をコンピュータＣ側から受信したとき、自己が発注した商品が、商品番号「３２１」で表された商品に相違ないことを示す確認情報「１」が、電話機３０のプッシュボタンより入力される。

次に、商品の個数入力案内１１０がコンピュータＣ側から利用者Ｕ側の電話機３０に送信される。個数入力案内１１０を受けた利用者Ｕ側の電話機３０は、発注すべき商品の個数、たとえば「３」を電話機３０のプッシュボタンより入力１１１として入力する。

利用者Ｕ側からコンピュータＣ側に発注すべき商品の個数情報が送信されたときには、コンピュータＣ側はデータベース２３の商品データベースに商品の在庫があることを確認して、その商品の個数確認情報１１２がコンピュータＣ側から利用者Ｕ側の電話機３０に送信される。

このとき、利用者Ｕ側の電話機３０は、個数確認済み情報「１」を電話機３０のプッシュボタンより入力１１４として入力する。コンピュータＣ側から入力終了確認案内１１４が利用者Ｕ側の電話機３０に送信されると、入力完了の意志、たとえば「１」なら終了指示が電話機３０のプッシュボタンより入力１１５として入力され、その終了指示が利用者Ｕ側からコンピュータＣ側に送信される。

以上の応答指示がコンピュータＣ側と利用者Ｕ側の電話機３０間で行われると、発注の意志を確認するため、ナレーションストーリ出力部１５の注文内容の確認案内１１６、発注確認案内１１７がコンピュータＣ側から利用者Ｕ側の電話機３０に送信される。

これらの案内に対して利用者Ｕ側の電話機３０において、発注処理「１」を利用者が電話機３０のプッシュボタンより入力１１８として入力する。発注処理情報「１」が利用者Ｕ側の電話機３０からコンピュータＣ側に送信されたことをコンピュータＣ側が確認した
ときには、発注番号案内１１９、サービス終了案内１２０はコンピュータＣ側から利用者Ｕ側に送信される。そして、コンピュータＣ側は利用者Ｕ側の電話機３０の電話回線から切断１２１として切断される。

以上により、実施の形態１では、利用者Ｕ側とコンピュータＣ側との間の対話形式によって、たとえば商品発注業務を行うとき、履歴情報書き込み部２７が図２に示すログ情報を図１に示した履歴情報格納部１１の特定の書き込み領域に書き込むことができる。また、履歴情報抽出部１２は、その書き込まれたログ情報を適宜読み出す。これにより、発注情報に誤りがある場合などに発注業務を円滑に行うことができる。
（コンピュータ側のトラブル時の処理）
次に、コンピュータＣ側にトラブルが発生したときの処理を説明する。図４のシーケンス図は発注トラブル時における処理を示す図である。図３と同じサービスの概要説明１０１から利用者の確認指示１０５までの処理は、詳しい説明を省略する。

また図４の説明においては、図１から図３までの符号を参照して説明する。実施の形態１では、利用者が確認ＯＫ１０５の「１」を電話機３０のプッシュボタンから入力した後に、コンピュータＣ側のソフトウェアやデータベース２３、テキストファイル２５、蓄積音声ファイル２６などに障害が発生したとする。

この場合には、障害発生１３０がコンピュータＣ側にあったことを利用者に知らせるために、コンピュータＣは障害発生信号を利用者の電話機３０に送信すると、電話回線が切断１２１として切断される。

このように、サービス中に障害が発生した場合に、再現試験、あるいは障害修正後における確認テストが行われる。この場合には、図１の履歴情報格納部１１に格納された履歴情報が再生される。これにより、コンピュータＣ側に障害原因があることを利用者に認識させることができる。また、自動的にテスティングが行えるので、テスト時間が短縮される。
（音声応答サービスの再現）
次に、音声応答サービスの再現を説明する。前述したように、通常のサービスが提供されるときには、利用者Ｕが電話機３０のプッシュボタンから入力した信号が回線制御部１４により認識され、そのプッシュボタン信号はサービス実行部１７に読み込まれる。

一方、音声応答サービスを再生する場合には、切換部２０によりサービス実行部１７が履歴情報抽出部１２に接続される。履歴情報抽出部１２は履歴情報格納部１１から利用者が過去に利用したサービスを抽出（特定）し、履歴情報格納部１１に記録されたプッシュボタンから入力された数値をプッシュボタンの読み込み値として、サービス実行部１７に送る。

音声合成処理部１８はサービス実行部１７を介して履歴情報抽出部１２により抽出された履歴情報、すなわち、過去の音声応答サービスを再生する。このようにして実施の形態１では、疑似的に音声応答サービスを実行することにより、音声応答サービスを再生することができる。

このときの動作を図１、図２および図５の説明を参照して説明する。例として、１９９４年９月６日にサービスを利用した利用者番号６５１１２３のサービスの内容を再生する。

このときには、音声合成処理部１８によって再生された音声が回線制御部１４により、利用者Ｕの電話機３０に送られる。利用者が過去のサービスの内容を聞くことができる。

履歴情報抽出部１２は、履歴情報格納部１１により格納された図２の履歴情報の中から、再生したい利用者の履歴情報を特定する。履歴情報の特定方法については、図１０を用いて（利用者履歴の特定をするための動作）の欄にて詳細に説明する。ここでは、図２に示される履歴情報の中、例えば、履歴情報Ａが特定される。

また、切換部２０は、サービス実行部１７に履歴情報抽出部１２を接続し、履歴情報抽出部１２を起動させることにより、図５のサービスストーリにしたがって再生が開始される。

ナレーションストーリ出力部１５の動作については先に＜ナレーションストーリ出力部＞にて詳細に説明してあるので、ここでは説明を省略する。図５の手順番号１および手順番号２では、通常の通りに音声応答サービス部１０からサービスの概要説明、利用者番号の入力が読み上げられる。

手順番号３の利用者番号の入力では、サービス実行部１７は履歴情報抽出部１２にプッシュボタンの読み込み指示を行う。履歴情報抽出部１２は図２に示した履歴情報の利用者番号「６５１１２３」１０３を読み込み、音声合成処理部１８は「ロク ゴ イチ イチ 二
サン」を合成することにより音声データを得る。音声データは回線制御部１４により利
用者Ｕの電話機３０に送られ、利用者に利用者番号が伝えられる。

手順番号５は、通常の通りの動作となる。手順番号６では、利用者からの結果に基づいて処理が分岐されるため、サービス実行部１７は履歴情報抽出部１２にプッシュボタンの読み込み指示を行う。履歴情報抽出部１２は利用者確認「１」１０５を読み込み、音声合成処理部１８は「イチ」を合成することにより音声データを得る。音声データは回線制御部１４により、利用者Ｕの電話機３０に送られ、利用者に確認結果が伝えられ、処理は手順番号７へ分岐される。

以降の処理の説明を省略するが、回線切断１２１までのサービスを行うことにより、過去のサービスを再現することができる。なお、切換部５０により音声合成処理部１８が疑似回線制御部１９に接続された場合には、音声合成処理部１８からの音声データは疑似回線制御部１９を介してスピーカ３３に出力してもよい。

また、この例では、音声合成処理部１８はプッシュボタンの番号を音声に変換してその番号を利用者に伝えた。例えば、必要に応じてプッシュボタンの番号を音声合成処理部１８に送らないことにより、その番号を利用者に伝えないようにすることも可能である。
（利用者履歴を特定するための動作）
次に、利用者履歴を特定するための動作を詳細に説明する。図９は履歴ファイルから利用者の再生したい記録を特定するための処理を示すフローチャートである。利用者履歴を特定するための動作は、履歴情報抽出部１２の履歴情報の抽出処理によって行われる。

先ず、履歴情報格納部１１内の利用年月日の履歴ファイルをオープンする（ＳＴ４０）。ここでは、図２の履歴ファイルを例示して説明する。この履歴ファイルの終了まで以下の処理を行う。

先ず、履歴ファイルから１行を読み込む（ＳＴ４２）。たとえば、ＳＴ４２において読み込んだ行に、「回線切断」が記録されている場合には、再生開始位置の可能性がある。このため、行番号１を履歴情報格納部１１に記録する（ＳＴ４３，ＳＴ４４）。

ＳＴ４２において読み込んだ行に、「回線切断」が記録されている場合（ＳＴ４５）で
、利用者履歴が見つかっている場合には（ＳＴ４６）、行番号１を再生開始位置と断定する（ＳＴ４７）。

ＳＴ４２において読み込んだ行に、「利用者番号入力ナレーション」が記録されている場合（ＳＴ４８）には、次の行からのプッシュボタン入力数値を利用者番号とする（ＳＴ４９）。

ここで、再生したい利用者番号とＳＴ４９の利用者番号が一致するとき（ＳＴ５０）には、該当する利用者履歴が見つかったと判断する（ＳＴ５１）。上記処理を履歴ファイルの終了するまで行ったあと、利用月日の履歴ファイルをクローズする。これにより、利用者履歴の特定を行うことができる。

このように、実施の形態１では、利用者Ｕ側とコンピュータＣ側での対話形式で、たとえば商品発注業務を行うとき、図２に示すログ情報を履歴情報格納部１１の特定の書き込み領域に書き込みできる。その書き込まれたログ情報を適宜読み出すことにより、発注情報に誤りがある場合などに発注業務を円滑に行うことができる。

また、テレホンサービスなどの音声応答サービスにおける利用者Ｕ側とコンピュータＣ側とのやり取りをログ情報として再生しそのログ情報を利用者に聞かせることにより、利用者のプッシュボタン入力時におけるプッシュボタンの押し間違えなどによる誤操作箇所を追跡できる。

例えば、履歴情報格納部１１に電話回線の接続、切断の時間、利用者の利用者情報を読み始めた時間および利用者がプッシュボタンから入力を行った時間などの時系列的な情報などが書き込める。このため、利用者の入力ミスなどがある場合に前記情報を再生することにより、誤操作箇所を利用者が容易に認識できる。

さらに、自動ティスティングが行われることによりテスト工数を低減できる。
＜実施の形態２＞
図１０は本発明の音声応答サービス装置を含む音声応答サービスシステムの実施の形態２を示すブロック図である。人間によってサービスが行われる場合には、相手の様子に従い、声を大きくしたり、ゆっくり話したりする。すなわち、相手が理解し易いように音量が調整される。

実施の形態２では、コンピュータが相手の年齢、性別、聞き易さ聞き難さなどの発音状態などの情報により自動的に音質を変更し、動的に利用者に合わせた音質によってサービスを実施する。

ここでは、図１０に示される構成において、実施の形態１の図１に示される構成とは異なる構成のみを説明する。その他の構成については同一の符号を付し、ここでは詳しい説明を省略する。

図１０において、サービス実行部１７には、属性テーブル４０と、状態ルールテーブル４１とが接続される。これらのテーブルは図示しないデータベースに設けられる。属性テーブル４０は利用者の性別および利用者の年齢区分に応じた音量レベルを設定する。状態ルールデータデース４１は利用者の入力動作の状態に応じて音量または話す速度を設定する。

図１１は図１０に示す実施の形態２の主要部を示す構成ブロック図である。図１１において、属性テーブル４０は、利用者の性別により男性音または女性音が格納された性別ル
ールテーブル４０ａと、利用者の年齢により音量レベルが変化した音量テーブル４０ｂとから構成される。

性別ルールテーブル４０ａにおいて、利用者が男性である場合、声の柔らかさを出すために音声合成された女性音が選択される。利用者が女性である場合には、声のめりはりを出すために音声合成された男性音が選択される。

音量テーブル４０ｂには、利用者の年齢区分にあった音量レベルがおおまかに設定できる。たとえば、利用者の年齢が０〜５９才では音量レベルが４に設定され、利用者の年齢が６０〜６９才では音量レベルが５に設定される。利用者の年齢が７０〜７９才では音量レベルが６に設定され、利用者の年齢が８０〜８９才では音量レベルが７に設定される。

すなわち、たとえば音量レベル１から順に音量レベルを高くし、数値が大きい方が音量が大きくなるように設定される。利用者の性別、年齢区分などにしたがっておおまかな音量が設定される。

性別ルールテーブル４０ａ及び音量テーブル４０ｂはおおまかな利用者にあった音量レベルを設定する。状態ルールテーブル４１は、音量または声の速度を利用者に合わせて調整する。

性別ルールテーブル４０ａ、音量テーブル４０ｂ及び状態ルールテーブル４１はサービス実行部１７ｄに接続される。サービス実行部１７ｄには音声属性設定イベント発生部４２、音声合成処理部１８が接続される。

例えば、音量が小さく速度が遅いことを表す指示が、プッシュボタンから音声属性設定イベント発生部４２に送信された場合には、音声属性設定イベント発生部４２は利用者の音声属性を設定するためのイベントを発生する。

前記サービス実行部１７ｄは、属性テーブル４０のルールをチェックするルールチェック処理部１７ａ、このルールチェック処理部１７ａの処理出力にしたがって音声属性を設定する音声属性設定部１７ｂ、この音声属性設定部１７ｂの音声属性出力にしたがってナレーション文をナレーションストーリ出力部１５より出力するナレーション文出力部１７ｃとから成る。

状態ルールテーブル４１は、音量を１レベルだけ上げるとともに、声の速度を１レベルだけ下げるように設定することができる。音声合成処理部１８は、音声属性設定部１７ｂの出力とナレーション文出力部１７ｃの出力から音声合成処理を行う。
（実施の形態２の動作）
次に、実施の形態２の動作を説明する。たとえば利用者の属性がデータベースに存在する場合に、利用者番号などから利用者属性を得たり、任意の利用者が自分の属性を電話機３０のプッシュボタンより入力すると、音声属性設定イベント発生部１５は、音声属性の設定イベントを発生する。

ルールチェック処理部１７ａは、音声属性設定イベント発生部１５からの出力によって性別ルールテーブル４０ａ、音量テーブル４０ｂを参照して、参照したテーブル情報を音声属性設定部１７ｂに出力する。音声属性設定部１７ｂは利用者の音声の属性を設定する。

たとえば、男性、６１才がこの音声応答サービスを利用する場合には、性別ルールテーブル４０ａ、音量テーブル４０ｂが参照され、音声性別を柔らかにするため、女性音が設
定され、音量レベルが５に設定される。

また、音声属設定イベント発生部１５において、利用者の入力操作が発生した場合には、ルールチェック処理部１７ａは状態ルールテーブル４１を参照する。状態ルールテーブル４１のテーブル情報から音声属性設定部１７ｂは音声属性を設定する。

例えば、利用者が入力誤りをしたときには、音声速度を１レベルだけ遅くし、音量を１レベルだけ大きくする。すなわち、ナレーションが速く、しかも音量が小さく、音声を聞き取ることができないと考えられる。この場合には、ゆっくりしかも大きく話すように音質を変更する。

一方、利用者に適した音声の属性設定コマンドが、音声属性設定部１７ｂから出力され、ナレーション文出力部１７ｃからナレーションが出力されると、音声合成処理部１８は利用者に適した音質に合成する。

このように、実施の形態２では、利用者の年齢区分、性別、聞き易さ聞き難さなどの発音状態などの情報により自動的に音質を変更することにより、どのような利用者に対しても聞き易い音質で音声応答サービスが行える。

これにより、聞き間違いなどによる誤操作をなくして利用者サービスの向上を図ることができる。また、実施の形態２を商品の受注業務、予約業務、資料請求業務に適用した場合でも、利用者の音声による誤認識が少なくなり、これらの業務をスムースに行うことができる。

本発明の音声応答サービス装置を含む音声応答サービスシステムの実施の形態１を示すブロック図である。 本発明の実施の形態１の履歴情報を示す図である。 実施の形態１のナレーションストーリ通りにサービスが実行されるシーケンスを示す図である。 実施の形態１のサービスの実行途中で障害が発生した例を示す図である。 実施の形態１のサービス内容を記述した図である。 実施の形態１の音声合成方式を例示した図である。 音声合成方式を採用した音声合成処理部の具体的な構成例を示す図である。 図７に示す音声合成方式によって音声合成を行う具体的例を示す図である。 履歴ファイルから利用者の再生したい記録を特定するための処理を示すフローチャートである。 本発明の音声応答サービス装置を含む音声応答サービスシステムの実施の形態２を示すブロック図である。 図１０に示す実施の形態２の主要部を示す構成ブロック図である。

符号の説明

１０ 音声応答サービス部
１１ 履歴情報格納部
１２ 履歴情報抽出部
１４ 回線制御部
１５ ナレーションストーリ出力部
１６ ナレーションストーリ解析部
１７ サービス実行部
１７ａ ルールチェック処理部
１７ｂ 音声属性設定部
１７ｃ ナレーション文出力部
１８ 音声合成処理部
１９ 疑似回線制御部
２０ 切換部
２２ データベースアクセス部
２３ データベース
２５ テキストファイル
２６ 蓄積音声ファイル
２７ 履歴情報書き込み部
３０ 電話機
３１ 言語処理部
３２ 音響処理部
３３ スピーカ
３４ 文章解析部
３５ 単語辞書
３６ 読み・韻律記号付与部
３７ 抑揚生成部
３８ 波形合成部
３９ 音素片部
４０ 属性テーブル
４１ 状態ルールテーブル
４２ 音声属性設定イベント発生部

Claims (9)

1. 音声応答により利用者との対話形式で処理を行う音声応答サービス装置において、
   前記利用者の属性を記憶する属性記憶部と、
   前記属性記憶部に記憶された利用者の属性情報に基づいて、利用者に応答する音声の音質を変更する利用者音質変更部と、
   を備えることを特徴とする音声応答サービス装置。
2. 前記利用者音質変更部により変更される音声の音質は、音量レベルであることを特徴とする請求項１記載の音声応答サービス装置。
3. 前記利用者音質変更部により変更される音声の音質は、男性音と女性音との少なくとも一方であることを特徴とする請求項１記載の音声応答サービス装置。
4. 前記属性記憶部は、利用者の性別により男性音または女性音を記憶した性別ルールテーブルと、
   利用者の年齢に合った音量レベルを記憶した音量テーブルとを備えることを特徴とする請求項１に記載の音声応答サービス装置。
5. 利用者の入力動作の状態に応じて音量と音速度とを設定する状態ルールテーブルを備えることを特徴とする請求項１に記載の音声応答サービス装置。
6. 前記利用者音質変更部は、前記状態ルールテーブルを参照して音声属性を設定する音声属性設定部を備えることを特徴とする請求項５に記載の音声応答サービス装置。
7. 前記音声属性設定部によって設定された利用者の音声属性に合った音声情報を合成する音声合成処理部を備えることを特徴とする請求項６に記載の音声応答サービス装置。
8. 前記利用者音質変更部は、前記性別ルールテーブルと前記音量テーブルとを参照して音声属性を設定する音声属性設定部を備えることを特徴とする請求項４に記載の音声応答サービス装置。
9. 前記音声属性設定部によって設定された利用者の音声属性に合った音声情報を合成する音声合成処理部を備えることを特徴とする請求項８に記載の音声応答サービス装置。

Images