JP2007108524A - 音声入力評価装置及び方法並びにプログラム - Google Patents

Abstract

【課題】 新人オペレータのスキル向上を簡易にかつ短時間で行う。
【解決手段】 シナリオ選択部２１により任意の受付用件及びシナリオを選択し、選択されたシナリオに含まれているシーンを再生するモードを再生モード選択部２２により選択し、選択された再生モードにしたがってシーンを再生し、再生されたシーンにより要求される応答及び端末操作を行い、当該応答及び端末操作を評価する。
【選択図】 図２

Description

本発明は、予測されるシーンごとに応答者の応答を評価する音声入力評価装置及び方法並びにプログラムに関する。

オペレータは、直接電話によって顧客に応対する。このときのオペレータの応対により、会社全体の印象が決定されてしまう。したがって、オペレータの顧客に対する電話応対スキルは、非常に重要である。

また、新人のオペレータを訓練する場合には、実際の電話応対に先だって、業務知識及び応対スキルを身につけるための研修を行う。研修では、例えば、指導者の指導の下において、実際の電話受付の模擬（シミュレーション）を顧客役とオペレータ役に分けて応答訓練を行う。また、研修が終了したオペレータは、実際の電話応対をするときに、応対に馴れるまでの間は、先輩オペレータが補助して個別の指導を行っている。

特開２００４−２１９７７９号公報

ところで、新人の研修時間を長期間とり、指導者が手厚く指導すれば、電話応対のスキル向上をさせることができるが、その分、時間とコストがかかってしまう。しかしながら、オペレータの研修を短期間で行ってしまうと、電話応対のスキルが低いため、必要な確認事項を欠落してしまったり、言葉使いの未熟さによって顧客に悪印象を与えてしまったりして、誤処理の発生確率が高くなってしまう。

したがって、新人のオペレータに対しては、十分な訓練を積む必要があるが、端末の操作や会話を滑らかに行うことができるように指導するには、指導者の人員を割り当てなければならない。この場合には、指導者の都合によっては新人のオペレータ指導が滞ってしまう。

そこで、本願発明では、上述した問題点を解決するために、指導者を不要とし、短時間で安価にオペレータの電話応対のスキル向上を図ることを目的とする音声入力評価装置及び方法並びにプログラムを提供する。

本発明に係る音声入力評価装置は、上述の課題を解決するために、所定の対話により構成されるシーンが一以上含まれて構成されるシナリオが１以上格納されているシナリオ格納手段と、シナリオ格納手段に格納されているシナリオの中から任意のシナリオを選択するシナリオ選択手段と、再生モードを選択する再生モード選択手段と、再生モード選択手段により選択された再生モードにしたがって、シナリオ選択手段により選択された任意のシナリオに含まれているシーンを再生するシーン再生手段と、シーン再生手段により再生された画像を表示する画像表示手段と、シーン再生手段により再生された音声を出力する音声出力手段と、画像表示手段に表示されている画像及び音声出力手段に出力されている音声に基づいて、要求される応答を音声により入力する音声入力手段と、音声入力手段により入力された音声を認識する音声認識手段と、音声認識手段により認識された結果に基づいて、予め定められた応答テキストを参照し、シーン再生手段により再生されるシーンごとに音声入力手段により入力された応答を評価する評価手段とを備える。

また、本発明に係る音声入力評価方法は、上述の課題を解決するために、所定の対話により構成されるシーンが一以上含まれて構成されるシナリオが１以上格納されているシナリオ格納部から、任意のシナリオを選択するシナリオ選択工程と、シナリオ選択工程により選択された任意のシナリオに含まれているシーンを再生するシーン再生工程と、再生モードを選択する再生モード選択工程と、再生モード選択工程により選択された再生モードにしたがって、シーン再生工程により再生された画像と音声に基づいて、要求される応答をマイクロホンにより入力する音声入力工程と、音声入力工程により入力された音声を認識する音声認識工程と、音声認識工程により認識された結果に基づいて、予め定められた応答テキストを参照し、シーン再生工程により再生されるシーンごとに音声入力工程により入力された応答を評価する評価工程とを備える。

また、本発明に係るプログラムは、上述の課題を解決するために、所定の対話により構成されるシーンが一以上含まれて構成されるシナリオが１以上格納されているシナリオ格納部から、任意のシナリオを選択するシナリオ選択工程と、再生モードを選択する再生モード選択工程と、再生モード選択工程により選択された再生モードにしたがって、シナリオ選択工程により選択された任意のシナリオに含まれているシーンを再生するシーン再生工程と、シーン再生工程により再生された画像が所定の対話とともに表示部に表示され、シーン再生工程により再生された音声が音声出力部に出力される練習工程と、シーン再生工程により再生された画像が表示部に表示され、シーン再生工程により再生された音声が音声出力部に出力され、当該画像及び音声に基づいて、要求される応答が音声により入力され、入力された音声を認識し、認識された結果に基づいて、予め定められた応答テキストを参照し、シーン再生工程により再生されるシーンごとに、入力された応答を評価する訓練工程とをコンピュータに実行させるためのものである。

本発明によれば、利用者自身の好きな時間に個人練習をすることができ、短時間でスキルの向上を図ることができる。また、本発明によれば、利用者は、自身の習熟度や弱点を発見し、効果的に学習をすることができる。

本発明では、利用者（オペレータ）にカスタマーセンター（コールセンター）における電話受付の場面（通話の開始から後処理を終えるまで）を模擬的に提供し、実際に体験してもらうことにより、電話受付に必要となる技術や知識の習得を実現するためのものである。また、本発明により訓練可能な主なものとしては、スクリプト（電話応答のための台本）の習得及び暗記、スクリプトに基づく発声練習、電話受付に付随する端末操作の習得等である。また、本発明が想定している主な利用者は、初めてカスタマーセンターで電話受付を経験する電話受付オペレータ、経験したことのない受付用件の習得を新たに目指す電話受付オペレータ、電話受付手順の再確認及びレベル向上を目指す電話受付オペレータである。

また、コールセンターでの利用を想定して構成された本発明によれば、コールセンター以外でも定型的な接客（営業）を行う利用者に対して利用することが可能である。このような利用者としては、例えば、ファーストフード等での接客及びレジ操作の訓練者や、営業用端末を用いた店頭や訪問販売における営業業務（セールス）の訓練者である。

ここで、以下に、本発明の実施の形態としての音声入力評価装置及び方法並びにプログラムについて詳細に説明する。なお、以下の実施の形態では、オペレータにより入力された音声及び操作の評価を図る装置を一実施例として説明する。

本発明に係るオペレータにより入力された音声及び操作の評価は、例えば、図１に示すように、所定の演算を行うＣＰＵ１０と、画像を表示する画像表示部１１と、ユーザの操作に応じて操作信号を生成するポインティングデバイス１２と、音声が出力される音声出力部１３と、ユーザの発した音声を入力する音声入力部１４と、所定のアプリケーション・プログラムが格納されている記憶部１５と、ＣＰＵ１０が各種演算を行う際に利用するワーキングメモリ１６を備えるＰＣ（パーソナルコンピュータ）１により行われる。

画像表示部１１は、画像を表示するＣＲＴ等のディスプレイである。

ポインティングデバイス１２は、画像表示部１１に表示されているＧＵＩ化された画像をユーザが操作し、当該ユーザの操作に応じて所定の操作信号を生成し、生成した操作信号をＣＰＵ１０に供給する。

ＣＰＵ１０は、ポインティングデバイス１２から供給された操作信号に応じて、記憶部１４からオペレータにより入力された音声及び操作の評価を行うためのアプリケーション・プログラムＡを読み出し、読み出したプログラムＡをワーキングメモリ１６に展開し、ＧＵＩ（graphical user interface）を画像表示部１１に表示させる。

音声出力部１３は、音声を出力するスピーカである。

音声入力部１４は、音声を入力するマイクロホンである。

また、音声出力部１３と音声入力部１４は、ヘッドセットとして一体的に構成されていても良い。

ここで、ＰＣ１により、本発明に係るオペレータにより入力された音声及び操作の評価を行うための構成について以下に説明する。なお、以下では、オペレータにより入力された音声及び操作の評価を行う装置を音声入力評価装置と呼ぶ。

音声入力評価装置２は、図２に示すように、所定の対話により構成されるシーンが一以上含まれて構成されるシナリオが１以上格納されているシナリオ格納部２０と、シナリオ格納部２０に格納されているシナリオの中から任意のシナリオを選択するシナリオ選択部２１と、再生モードを選択する再生モード選択部２２と、再生モード選択部２２により選択された再生モードにしたがって、シナリオ選択部２１により選択された任意のシナリオに含まれているシーンを再生し、再生した画像を画像表示部１１に表示させ、再生した音声を音声出力部１３に出力するシーン再生部２３と、画像表示部１１に表示されている画像及び音声出力部１３に出力されている音声に応じて、要求される応答を音声により音声入力部１４に入力し、音声入力部１４により入力された音声をシーンに対応付けて記憶する音声記憶部２４と、音声入力部１４により入力された音声を認識する音声認識部２５と、音声入力部１４により入力された音声の分析処理を行う分析部２６と、ポインティングデバイス１２により操作された様子を記憶する画像操作記憶部２７と、分析部２６により分析された結果と、ポインティングデバイス１２により操作された結果と、音声認識部２５により認識された結果に基づいて、シーン再生部２３により再生されるシーンごとに音声入力部１４により入力された応答を評価する評価部２８とを備える。

シナリオ格納部２０に格納されているシナリオは、複数個あり、カテゴリー（受付用件）ごとに分類されている。受付用件には、例えば、「契約変更」に関する用件や、「電気の供給停止」に関する用件がある。また、例えば、「契約変更」に関する用件には、「電気方式が単相３線の顧客が、電流制限値を４０Ａから５０Ａに契約変更を依頼するシナリオ」や、「電気方式が単相２線の顧客が、電流制限値を３０Ａから４０Ａに契約変更を依頼するシナリオ」が含まれている。

また、これらの各シナリオは、所定の対話と、当該対話に対応する画像操作イメージにより構成されるシーンが一以上含まれている。ここで、シーンについて図３を用いて説明する。なお、以下では、例えば、用件として、「契約変更」が選択され、シナリオとして、「電気方式が単相２線の顧客が、電流制限値を３０Ａから４０Ａに契約変更を依頼するシナリオ」が選択されたものとする。

シーン１（開始シーン）は、オペレータが電話を取り、第一声を発するシーンである。

シーン２は、顧客が用件（電流制限値を変更したい旨の用件）を伝達するシーンである。

シーン３は、オペレータがシーン２により伝達された用件の確認を行うシーンである。

シーン４は、顧客の本人確認を行うシーンである。

シーン５は、顧客がシーン４による要求に応じて本人情報の伝達を行うシーンである。なお、シーン５以降のシーンは、割愛する。

シーンｎ（最終シーン）は、オペレータが電話を切る際に、最後の一声を発するシーンである。

また、シーン２や、シーン４のように顧客が発言するシーンでは、後述する音声出力部１３により音声が出力される。

また、各シーンには対応する画像操作イメージが付随しており、後述する画像表示部１１にＧＵＩ（graphical user interface）として表示される。

シナリオ選択部２１は、シナリオ格納部２０から受付用件を選択し、その選択した受付用件に含まれているシナリオの中から任意のシナリオを選択する手動選択モードＡと、受付用件及びシナリオをランダムに選択するランダム選択モードＢと、すべての受付用件及びシナリオの中から、過去にオペレータが行った回数の少ないもの（最小実施）から受付用件及びシナリオを選択する最小実施選択モードＣとを有しており、ユーザにより、いずれかのモードが選択される。

また、シナリオ選択部２１は、上述以外のモードを有していても良く、例えば、オペレータの苦手な受付用件及びシナリオを選択するモードや、重要項目として指定されている受付用件及びシナリオを優先的に選択するモード等である。

再生モード選択部２２は、練習モードＸか本番モードＹかを選択する。練習モードＸでは、シーン再生部２３により再生される画像が所定の対話（テキスト）とともに画像表示部１１に表示され、また、シーン再生部２３により再生される音声が音声出力部１３から出力される。また、練習モードＸでは、要点を押さえたアドバイスを行うアシスト機能が付加されている。練習モードＸは、主に初心者のオペレータを対象としており、シーンごとの発生すべき対話（スクリプト）及びスクリプトに対応する端末操作を画像表示部１１に表示し、スクリプト及び操作をオペレータに学習させるモードである。

本番モードＹでは、シーン再生部２３により再生される画像が画像表示部１１に表示され、また、シーン再生部２３により再生される音声が音声出力部１３から出力される。本番モードＹは、主にスクリプトの学習が終了したオペレータを対象とし、本番の応答受付に近い状況で模擬的に一連の電話応答及び端末操作を行わせ、当該応答及び操作を評価する、いわゆるテストモードである。

シーン再生部２３は、再生モード選択部２２により選択されたモードに応じて、シナリオ選択部２１によって選択されたシナリオに含まれているシーンを再生する。シーン再生部２３は、シーンが複数ある場合には、所定のタイミングで各シーンを再生する。なお、シーン再生部２３の詳細な動作については後述する。

音声記憶部２４は、音声入力部１４により入力されたオペレータが発生した音声を記憶する。音声記憶部２４は、再生モード選択部２２で本番モードＹが選択された場合に、オペレータが音声入力部１４に入力した音声を記憶しておく。オペレータは、本番モードＹが終了した後に、自身が入力した音声を再生することにより、学習に役立てることができる。

音声認識部２５は、音声入力部１４により入力されたオペレータが発生した音声を文字に変換する。

分析部２６は、音声入力部１４により入力されたオペレータが発生した発話された音声の音圧、ピッチ等の情報を分析する。

画像操作記憶部２７は、再生モード選択部２２で本番モードＹが選択された場合に、オペレータがポインティングデバイス１２により操作した様子を記憶する。オペレータは、本番モードＹが終了した後に、自身が操作した様子を再生することにより、学習に役立てることができる。また、音声入力評価装置２では、オペレータの要求に応じて、音声記憶部２４により記憶されている音声と、画像操作記憶部２７に記憶されている操作とをシーンとともに再生しても良い。

評価部２８は、音声認識部２５により認識された結果に基づいて、予め定められている応答テキストを参照し、オペレータが定められている応答を行ったかどうかについて評価する。また、評価部２８は、ポインティングデバイス１２により操作された結果に基づいて、予め定められている操作手順を参照し、オペレータが定められている操作を行ったかどうかについて評価する。また、評価部２８は、分析部２６により分析された発話の明確さに基づいてオペレータの発話を評価する。

評価部２８は、上述した各評価に基づいて総合評価を行い、例えば、シーンごとに点数化する。

また、音声入力評価装置２は、擬似的に顧客の各情報（氏名、住所、電話番号等）を格納する顧客情報格納部２９を備える。シーン再生部２３は、シナリオ選択部２１によって選択されたシナリオに含まれているシーンに基づいて、顧客情報格納部２９から任意の顧客情報を読み出し、読み出した顧客情報を再生される画像に反映させる。このような構成にすることにより、臨場感のある応答状況を再生することができる。

また、音声入力評価装置２は、オペレータごとに訓練履歴を保存する訓練履歴格納部３０を備える。例えば、音声入力評価装置２を利用する際に、オペレータが自己に固有のＩＤを入力して、練習モードＸや本番モードＹを実行する。訓練履歴格納部２は、オペレータが行ったシナリオの履歴や、本番モードＹにおける評価部２８による評価結果を記憶保持する。このような構成にすることにより、オペレータは、訓練履歴格納部３０に格納されている自己の訓練履歴を参照し、自己の習熟度を知ることができ、今後の訓練の目標を定めることが可能となる。

ここで、音声入力評価装置２の動作について図４に示すフローチャートを参照して説明する。なお、以下では、オペレータの操作により、音声入力評価装置２が起動され、画像表示部１１にオペレータにより入力された音声及び操作の評価を行うためのアプリケーション・プログラムＡに起因するＧＵＩが表示されているものとする。

ステップＳ１において、シナリオ選択部２１は、受付用件及びシナリオを選択する。ここで、シナリオ選択部２１の動作について図５に示すフローチャートを参照して説明する。

シナリオ選択部２１は、オペレータによるポインティングデバイス１２の操作により、手動選択モードＡか、ランダム選択モードＢか、最小実施選択モードＣが選択される（ステップＳ２０）。ステップＳ２０の工程により、手動選択モードＡが選択された場合には、シナリオ選択部２１は、受付用件及びシナリオを一覧表示する（ステップＳ２１）。シナリオ選択部２１は、ステップＳ２１の工程により示されている一覧の中からオペレータにより選択されたものを受付用件及びシナリオとして決定する（ステップＳ２４）。

また、ステップＳ２０の工程により、ランダム選択モードＢが選択された場合には、シナリオ選択部２１は、シナリオ格納部２０からランダムに一の受付用件及びシナリオを選択する（ステップＳ２２）。この際、該当者の訓練履歴を参照することにより、シナリオの評価点数に基づいて点数の低いものほど選ばれる確率を上げた上でランダムに選択することも可能である。シナリオ選択部２１は、ステップＳ２２の工程により選択されたものを受付用件及びシナリオとして決定する（ステップＳ２４）。

また、ステップＳ２０の工程により、最小実施選択モードＣが選択された場合には、シナリオ選択部２１は、訓練履歴格納部３０を参照し、オペレータの実行回数の少ないものから順に受付用件及びシナリオを一覧表示する（ステップＳ２３）。シナリオ選択部２１は、ステップＳ２３の工程により示されている一覧の中からオペレータにより選択されたものを受付用件及びシナリオとして決定する（ステップＳ２４）。

ステップＳ２において、再生モード選択部２２は、再生モードを選択する。再生モード選択部２２は、オペレータによるポインティングデバイス１２の操作により、練習モードＸ又は本番モードＹを選択する。

ステップＳ３において、シーン再生部２３は、ステップＳ２の工程により練習モードＸが選択された場合には、ステップＳ１の工程により選択されたシナリオを練習モードＸにしたがって再生する。

ステップＳ４において、シーン再生部２３は、ステップＳ２の工程により本番モードＹが選択された場合には、ステップＳ１の工程により選択されたシナリオを本番モードＹにしたがって再生する。

ここで、シーン再生部２３によりシーン１（開始シーン）からシーンｎ（最終シーン）まで再生する際の動作について図６に示すフローチャートを参照して説明する。

シーン再生部２３は、ステップＳ１の工程により選択されたシナリオを読み込み（ステップＳ３０）、シーンに応じて顧客が発声するシーンか、オペレータが発声するシーンかを判別する（ステップＳ３１）。シーン再生部２３は、顧客が発声するシーンであると判別した場合には、シナリオ格納部２０からシーンに対応する音声を読み出し、読み出した音声を音声出力部１３から出力する（ステップＳ３２）。なお、シーン再生部２３は、シーンに対応した音声がシナリオ格納部２０にない場合には、シーンに対応した音声を生成し、生成した音声を音声出力部１３から出力するような構成であっても良い。

シーン再生部２３は、顧客の音声を出力した後は、シーンを次のシーンに切り替え、ステップＳ３１の工程に戻る。

シーン再生部２３は、オペレータが発声するシーンであると判別した場合には、オペレータにより発声された音声が音声入力部１４に入力され、音声入力部１４に入力された音声を音声認識部２５で認識処理を開始し、また、音声の録音を開始する（ステップＳ３３）。

シーン再生部２３は、一のシーンから続く次のシーンへ切り替えるために、ステップＳ３３の工程により認識された音声に基づき、所定のキーワードとの比較を行い、また、無音部分を検知する（ステップＳ３４）。ここで、ステップＳ３４の工程について図７に示すフローチャートを参照して詳述する。

シーン再生部２３は、音声認識部２５により認識された結果に基づき、所定のキーワードが含まれているかどうかを判断する（ステップＳ４０）。シーン再生部２３は、所定のキーワードが含まれていた場合には、「ｔｒｕｅ」と判断し、所定のキーワードが含まれていない場合には、「ｆａｌｓｅ」と判断する。

シーン再生部２３は、ステップＳ４０の工程により「ｆａｌｓｅ」と判断した場合には、現在のシーンに切り替わってからの経過時間が、予め定められている最大所要時間に達しているかどうかを判断する（ステップＳ４１）。シーン再生部２３は、経過時間＞最大所要時間ならば「ｔｒｕｅ」と判断し、経過時間＞最大所要時間でないならば「ｆａｌｓｅ」と判断する。

シーン再生部２３は、ステップＳ４１の工程により「ｆａｌｓｅ」と判断した場合には、無音（オペレータが何も発声しない）時間が、予め定められている最大無音時間に達しているかどうかを判断する（ステップＳ４２）。シーン再生部２３は、無音時間＞最大無音時間ならば「ｔｒｕｅ」と判断し、無音時間＞最大無音時間でないならば「ｆａｌｓｅ」と判断する。

なお、上述は、音声認識結果通知イベントについての処理に関する説明であるが、一定の時間、音声認識結果通知イベントが発生しない場合には、タイマーイベントにより強制的に、音声認識結果通知イベントによる発生がなされたものとしてステップＳ４０に移行し、若しくは、直接的にステップＳ４０に移行する。

シーン再生部２３は、ステップＳ４０の工程、ステップＳ４１の工程又はステップＳ４２の工程において、「ｔｒｕｅ」と判断された場合には、音声の認識処理及び録音を停止し（ステップＳ３５）、シーンを次のシーンへ切り替え、ステップＳ３１の工程に戻る。

ステップＳ３１の工程において、シーン再生部２３は、切り替えるシーンがないとき、つまり、最終シーンの再生が終わったと判断した場合には、シーンの再生処理を終了する。

ステップＳ５において、評価部２８は、オペレータにより入力された音声からスクリプトの実施率調査（オペレータが予め定められているスクリプトに沿って応答できているかどうかの調査）と、端末操作の調査を行う。

ステップＳ６において、分析部２６は、音声の分析処理を行う。

ステップＳ７において、評価部２８は、ステップＳ５の工程による調査結果及び、ステップＳ６の工程による音声の分析処理の結果に基づいて、シーンごとに評価を行う。評価部２８は、分析部２６の結果から、オペレータの発声の明瞭度、発話の速度、焦り度合い、威圧感、抑揚の適切さ等の評価を行う。また、評価部２８は、シーンごとに重み付けを行い、重要なシーンにおいては厳しく評価したり、あまり重要でないシーンにおいては甘く評価したりしても良い。また、評価部２８は、例えば、シーン３〜シーン５については順不同なものとし、シーン３〜シーン５を総合してオペレータの応答及び端末操作を評価するような構成であっても良い。

ステップＳ８において、評価部２８は、画像表示部１１に評価（採点）結果を表示する。評価部２８は、結果の表示形態として、例えば、シーンごとに点数化して表示する。また、評価部２８は、評価結果を訓練履歴格納部３０に格納する。

また、音声入力評価装置２は、オペレータの操作により、訓練実施状況を画像表示部１１に表示させるような構成であっても良いし、訓練履歴格納部３０にアクセスし、過去の採点履歴を画像表示部１１に一覧表示させるような構成であっても良い。

このようにして本発明に係る音声入力評価装置２は、シナリオ選択部２１により任意の受付用件及びシナリオを選択し、選択されたシナリオに含まれているシーンを再生するモードを再生モード選択部２２により選択し、選択された再生モードにしたがってシーンを再生し、再生されたシーンにより要求される応答及び端末操作を行い、当該応答及び端末操作を評価する。したがって、本発明に係る音声入力評価装置２を利用すれば、オペレータは、自身の好きな時間に個人練習をすることができ、短時間でスキルの向上を図ることができる。また、本発明に係る音声入力評価装置２を利用すれば、オペレータは、自身の習熟度や弱点を発見し、効果的に学習をすることができる。また、本発明によれば、オペレータのスキル向上に指導者が不要となるので、人員の削減を図ることができる。

また、本発明では、上述で説明した音声入力評価装置２による一連の処理は、ソフトウェアにより行うこともできる。一連の処理をソフトウェアによって行う場合には、そのソフトウェアを構成するプログラムが、汎用のコンピュータ等にインストールされる。また、当該プログラムは、ＣＤ−ＲＯＭのようなリムーバブルメディアに記録されてユーザに配布されても良いし、ネットワークを介してユーザのコンピュータにダウンロードされることにより配布されても良い。

なお、本発明は、図面を参照して説明した上述の実施例に限定されるものではなく、添付の請求の範囲及びその主旨を逸脱することなく、様々な変更、置換又はその同等のものを行うことが可能である。

本発明に係るオペレータにより入力された音声及び操作の評価を行う装置の構成を示すブロック図である。 本発明に係る音声入力評価装置の機能を示すブロック図である。 本発明に係るシナリオに含まれているシーンの構成を示す図である。 本発明に係る音声入力評価装置の動作についての説明に供するフローチャートである。 シナリオ選択部の動作についての説明に供するフローチャートである。 シーン再生部の動作についての説明に供するフローチャートである。 キーワードの比較及び無音部分の検知についての説明に供するフローチャートである。

符号の説明

１ ＰＣ（パーソナルコンピュータ）、２ 音声入力評価装置、１０ ＣＰＵ、１１ 画像表示部、１２ ポインティングデバイス、１３ 音声出力部、１４ 音声入力部、１５ 記憶部、１６ ワーキングメモリ、２０ シナリオ格納部、２１ シナリオ選択部、２２ 再生モード選択部、２３ シーン再生部、２４ 音声記憶部、２５ 音声認識部、２６ 分析部、２７ 画像操作記憶部、２８ 評価部、２９ 顧客情報格納部、３０ 訓練履歴格納部

Claims (7)

1. 所定の対話により構成されるシーンが一以上含まれて構成されるシナリオが１以上格納されているシナリオ格納手段と、
   上記シナリオ格納手段に格納されているシナリオの中から任意のシナリオを選択するシナリオ選択手段と、
   再生モードを選択する再生モード選択手段と、
   上記再生モード選択手段により選択された再生モードにしたがって、上記シナリオ選択手段により選択された任意のシナリオに含まれているシーンを再生するシーン再生手段と、
   上記シーン再生手段により再生された画像を表示する画像表示手段と、
   上記シーン再生手段により再生された音声を出力する音声出力手段と、
   上記画像表示手段に表示されている画像及び上記音声出力手段に出力されている音声に基づいて、要求される応答を音声により入力する音声入力手段と、
   上記音声入力手段により入力された音声を認識する音声認識手段と、
   上記音声認識手段により認識された結果に基づいて、予め定められた応答テキストを参照し、上記シーン再生手段により再生されるシーンごとに上記音声入力手段により入力された応答を評価する評価手段とを備えることを特徴とする音声入力評価装置。
2. 上記音声入力手段により入力された音声を記憶する記憶手段を備えることを特徴とする請求項１記載の音声入力評価装置。
3. 上記音声入力手段により入力された音声の分析処理を行う分析手段を備え、
   上記評価手段は、上記分析手段により行われた音声の分析処理の結果を評価することを特徴とする請求項１記載の音声入力評価装置。
4. 上記表示手段に表示されている画像を操作する画像操作手段を備え、
   上記シナリオ格納手段は、所定の対話と、当該対話に対応する画像操作により構成されるシーンが一以上含まれて構成されるシナリオが複数個格納されており、
   上記画像操作手段は、上記シーン再生手段により再生されている画像において要求される操作を行い、
   上記評価手段は、上記画像操作手段により行われた操作の結果を加味して、上記音声認識手段により認識された結果を評価することを特徴とする請求項１記載の音声入力評価装置。
5. 上記画像操作手段により操作された様子を記憶する画像操作記憶手段を備えることを特徴とする請求項４記載の音声入力評価装置。
6. 所定の対話により構成されるシーンが一以上含まれて構成されるシナリオが１以上格納されているシナリオ格納部から、任意のシナリオを選択するシナリオ選択工程と、
   上記シナリオ選択工程により選択された任意のシナリオに含まれているシーンを再生するシーン再生工程と、
   再生モードを選択する再生モード選択工程と、
   上記再生モード選択工程により選択された再生モードにしたがって、上記シーン再生工程により再生された画像と音声に基づいて、要求される応答をマイクロホンにより入力する音声入力工程と、
   上記音声入力工程により入力された音声を認識する音声認識工程と、
   上記音声認識工程により認識された結果に基づいて、予め定められた応答テキストを参照し、上記シーン再生工程により再生されるシーンごとに上記音声入力工程により入力された応答を評価する評価工程とを備えることを特徴とする音声入力評価方法。
7. 所定の対話により構成されるシーンが一以上含まれて構成されるシナリオが１以上格納されているシナリオ格納部から、任意のシナリオを選択するシナリオ選択工程と、
   再生モードを選択する再生モード選択工程と、
   上記再生モード選択工程により選択された再生モードにしたがって、上記シナリオ選択工程により選択された任意のシナリオに含まれているシーンを再生するシーン再生工程と、
   上記シーン再生工程により再生された画像が所定の対話とともに表示部に表示され、上記シーン再生工程により再生された音声が音声出力部に出力される練習工程と、
   上記シーン再生工程により再生された画像が表示部に表示され、上記シーン再生工程により再生された音声が音声出力部に出力され、当該画像及び音声に基づいて、要求される応答が音声により入力され、上記入力された音声を認識し、上記認識された結果に基づいて、予め定められた応答テキストを参照し、上記シーン再生工程により再生されるシーンごとに、上記入力された応答を評価する訓練工程とをコンピュータに実行させるためのプログラム。

Images