JP2008009693A - Transcribing system, its server, and program for server - Google Patents
Transcribing system, its server, and program for server Download PDFInfo
- Publication number
- JP2008009693A JP2008009693A JP2006179177A JP2006179177A JP2008009693A JP 2008009693 A JP2008009693 A JP 2008009693A JP 2006179177 A JP2006179177 A JP 2006179177A JP 2006179177 A JP2006179177 A JP 2006179177A JP 2008009693 A JP2008009693 A JP 2008009693A
- Authority
- JP
- Japan
- Prior art keywords
- voice data
- transmission
- data
- server
- worker
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 230000005540 biological transmission Effects 0.000 claims abstract description 260
- 238000009826 distribution Methods 0.000 claims description 23
- 230000006870 function Effects 0.000 claims description 15
- 238000007726 management method Methods 0.000 description 79
- 238000004891 communication Methods 0.000 description 22
- 238000003860 storage Methods 0.000 description 8
- 238000000034 method Methods 0.000 description 6
- 238000013518 transcription Methods 0.000 description 6
- 230000035897 transcription Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 4
- 230000006403 short-term memory Effects 0.000 description 4
- 238000003058 natural language processing Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 1
- 230000000763 evoking effect Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000029058 respiratory gaseous exchange Effects 0.000 description 1
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
Description
本発明は、音声データに基づいて文字データを生成するための聞き起こしシステムに関する。 The present invention relates to a transcription system for generating character data based on voice data.
従来の聞き起こしシステムとしては、音声データをストリーミング配信によりリアルタイム又はそれに近いタイミングで各オペレータまで送信し、各オペレータが反訳データの任意の箇所を同時に編集することによって複数のオペレータによって1つの反訳データを生成するデジタル速記システムが知られている(例えば、特許文献1参照。)。
しかしながら、従来の聞き起こしシステムにおいては、複数のオペレータによる同一箇所の更新を回避するために全ての端末装置間で行単位で書き込み保護をかけることによりデータの保護をかける必要があり、端末装置の負担が大きいという問題があった。また、保護がかけられたテキスト行に対応する音声に保護をかける仕組みが提案されていないので、オペレータが聞き起こしをするかどうかの判断は音声を聞くしかないので、その作業がオペレータに負担となる。さらに、同じ行を複数の作業者が同時に更新し始めた場合は保護をかける前であるので、作業が重複してしまいオペレータに負担となる可能性もある。 However, in the conventional awakening system, it is necessary to protect data by applying write protection in line units between all terminal devices in order to avoid updating the same location by a plurality of operators. There was a problem that the burden was large. Also, since no mechanism has been proposed to protect the voice corresponding to a protected text line, the operator only has to listen to the voice to determine whether or not to wake up. Become. Furthermore, when a plurality of workers start updating the same line at the same time, it is before protection is applied, so that the operations may be duplicated and burden the operator.
本発明は、従来の問題を解決するためになされたもので、聞き起こし作業の作業者の負担と、作業者によって使用される端末の負担とを従来より低減することができる聞き起こしシステムを提供することを目的とする。 The present invention has been made in order to solve the conventional problems, and provides a transcribe system capable of reducing the burden on the worker of the awakening work and the burden on the terminal used by the worker as compared with the prior art. The purpose is to do.
本発明のサーバは、音声データに基づいて文字データを生成する聞き起こし作業に携わる複数の作業者によって使用される複数の作業者用端末と通信を行うサーバであって、前記聞き起こし作業の元となる音声データである元音声データを前記作業者用端末への送信用の音声データである複数の送信用音声データに分割する元音声データ分割手段と、前記元音声データ分割手段によって生成された複数の前記送信用音声データを前記複数の作業者用端末に振り分けて送信する振分送信手段とを備えたことを特徴とする。 The server of the present invention is a server that communicates with a plurality of worker terminals that are used by a plurality of workers engaged in a speech task that generates character data based on voice data, and Generated by the original voice data dividing means, the original voice data dividing means for dividing the original voice data that is the voice data to be divided into a plurality of transmission voice data that is the voice data for transmission to the worker terminal. A distribution transmission unit configured to distribute and transmit the plurality of transmission audio data to the plurality of worker terminals;
この構成により、本発明のサーバは、複数の送信用音声データのうち聞き起こし作業の作業者が聞き起こすべき送信用音声データを作業者用端末に送信するので、作業者の作業を従来より効率化して作業者の負担を従来より低減することができる。また、本発明のサーバは、作業者用端末同士における文字データの同期を必要としないので、作業者用端末の負担を従来より低減することができる。また、本発明のサーバは、元音声データの聞き起こし作業を複数の作業者に同時に分担させることができるので、元音声データ全体の聞き起こし作業に要する時間を短縮することができる。また、本発明のサーバは、送信用音声データを作業者用端末に電子的に送るので、例えばサーバの管理者が送信用音声データを記録媒体に格納して作業者に郵送する場合と比較して、元音声データ全体の聞き起こし作業に要する時間や費用を低減することができる。 With this configuration, the server according to the present invention transmits the transmission voice data to be woken up by the worker of the listening work among the plurality of transmission voice data to the worker terminal. Thus, the burden on the operator can be reduced as compared with the prior art. Moreover, since the server of this invention does not require the synchronization of the character data between the terminals for workers, the burden of the terminal for workers can be reduced conventionally. In addition, since the server of the present invention can simultaneously share the work of arousing the original voice data among a plurality of workers, it is possible to reduce the time required for the whole voice of the voice data. In addition, since the server of the present invention electronically sends the transmission voice data to the worker terminal, for example, the server administrator stores the transmission voice data in a recording medium and mails it to the worker. Thus, it is possible to reduce the time and cost required for the entire original voice data.
また、本発明のサーバの前記元音声データ分割手段は、前記元音声データに含まれる無音部分を区切りとして前記送信用音声データを生成することが好ましい。 Further, it is preferable that the original voice data dividing unit of the server of the present invention generates the transmission voice data with a silent part included in the original voice data as a delimiter.
この構成により、本発明のサーバは、送信用音声データがストリーミングで配信される構成と比較して、聞き直しや一時停止などの操作を作業者が行う必要性が減少するので、作業者が送信用音声データの聞き起こし作業に要する時間を短縮することができ、元音声データ全体の聞き起こし作業に要する時間を短縮することができる。 With this configuration, the server according to the present invention reduces the need for the operator to perform operations such as re-listening and pause, as compared with the configuration in which the audio data for transmission is distributed by streaming. It is possible to reduce the time required for the work of revoking the trusted sound data, and to reduce the time required for the work of revoking the entire original sound data.
また、本発明のサーバの前記元音声データ分割手段は、前記元音声データに含まれる文の切れ目部分を区切りとして前記送信用音声データを生成することが好ましい。 Further, it is preferable that the original voice data dividing unit of the server of the present invention generates the transmission voice data with a break portion of a sentence included in the original voice data as a delimiter.
この構成により、本発明のサーバは、送信用音声データが大き過ぎる構成と比較して、作業者が送信用音声データの聞き起こし作業に要する時間を短縮することができるので、元音声データ全体の聞き起こし作業に要する時間を短縮することができる。また、本発明のサーバは、送信用音声データが小さ過ぎる構成と比較して、送信用音声データに含まれる話の内容を聞き起こし作業の作業者に容易に理解させることができるので、作業者による送信用音声データの聞き起こし作業を容易化することができる。 With this configuration, the server according to the present invention can reduce the time required for the worker to wake up the transmission voice data compared to a configuration in which the transmission voice data is too large. It is possible to shorten the time required for the work of listening. In addition, the server of the present invention enables the worker of the work to easily hear the contents of the story included in the voice data for transmission compared with the configuration in which the voice data for transmission is too small. It is possible to facilitate the task of awakening the voice data for transmission.
また、本発明のサーバの前記元音声データ分割手段は、前記元音声データに含まれる話者の切り替わり部分を区切りとして前記送信用音声データを生成することが好ましい。 In addition, it is preferable that the original voice data dividing unit of the server of the present invention generates the transmission voice data with a speaker switching portion included in the original voice data as a delimiter.
この構成により、本発明のサーバは、送信用音声データが大き過ぎる構成と比較して、作業者が送信用音声データの聞き起こし作業に要する時間を短縮することができるので、元音声データ全体の聞き起こし作業に要する時間を短縮することができる。また、本発明のサーバは、送信用音声データが小さ過ぎる構成と比較して、送信用音声データに含まれる話の内容を聞き起こし作業の作業者に容易に理解させることができるので、作業者による送信用音声データの聞き起こし作業を容易化することができる。 With this configuration, the server according to the present invention can reduce the time required for the worker to wake up the transmission voice data compared to a configuration in which the transmission voice data is too large. It is possible to shorten the time required for the work of listening. In addition, the server of the present invention enables the worker of the work to easily hear the contents of the story included in the voice data for transmission compared with the configuration in which the voice data for transmission is too small. It is possible to facilitate the task of awakening the voice data for transmission.
また、本発明のサーバの前記元音声データ分割手段は、前記元音声データに含まれる話題の切り替わり部分を区切りとして前記送信用音声データを生成することが好ましい。 In addition, it is preferable that the original voice data dividing unit of the server of the present invention generates the transmission voice data with a topic switching portion included in the original voice data as a delimiter.
この構成により、本発明のサーバは、送信用音声データが大き過ぎる構成と比較して、作業者が送信用音声データの聞き起こし作業に要する時間を短縮することができるので、元音声データ全体の聞き起こし作業に要する時間を短縮することができる。また、本発明のサーバは、送信用音声データが小さ過ぎる構成と比較して、送信用音声データに含まれる話の内容を聞き起こし作業の作業者に容易に理解させることができるので、作業者による送信用音声データの聞き起こし作業を容易化することができる。 With this configuration, the server according to the present invention can reduce the time required for the worker to wake up the transmission voice data compared to a configuration in which the transmission voice data is too large. It is possible to shorten the time required for the work of listening. In addition, the server of the present invention enables the worker of the work to easily hear the contents of the story included in the voice data for transmission compared with the configuration in which the voice data for transmission is too small. It is possible to facilitate the task of awakening the voice data for transmission.
また、本発明のサーバの前記振分送信手段は、前記送信用音声データを送信する前記作業者用端末を前記送信用音声データの話者に応じて選択することが好ましい。 Moreover, it is preferable that the said distribution transmission means of the server of this invention selects the said operator terminal which transmits the said audio data for transmission according to the speaker of the said audio data for transmission.
この構成により、本発明のサーバは、作業者毎に特定の話者に特化させることができるので、作業者による聞き起こし作業の効率を向上させることができる。また、本発明のサーバは、作業者用端末毎に特定の話者に特化させることができるので、作業者用端末が音声認識を行う場合、話者の声質や話題によって音声認識の精度を向上することができる。 With this configuration, the server according to the present invention can be specialized for a specific speaker for each worker, so that the efficiency of the wake-up work by the worker can be improved. In addition, since the server of the present invention can be specialized for a specific speaker for each worker terminal, when the worker terminal performs speech recognition, the accuracy of speech recognition depends on the voice quality or topic of the speaker. Can be improved.
また、本発明のサーバは、音声認識によって前記音声データに基づいて前記文字データを生成する文字データ生成手段を備え、前記振分送信手段は、前記作業者用端末に送信する前記送信用音声データに対応する前記文字データを前記作業者用端末に送信することが好ましい。 The server of the present invention further includes character data generation means for generating the character data based on the voice data by voice recognition, and the distribution transmission means transmits the transmission voice data to the worker terminal. It is preferable that the character data corresponding to is transmitted to the worker terminal.
この構成により、本発明のサーバは、音声認識によって大体の文字データを生成するので、送信用音声データを最初から作業者に聞き起こさせる構成と比較して、作業者が送信用音声データの聞き起こし作業に要する時間や労力を低減することができる。したがって、本発明のサーバは、元音声データ全体の聞き起こし作業に要する時間や人件費を低減することができる。 With this configuration, the server of the present invention generates a large amount of character data by voice recognition, so that the worker can listen to the transmission voice data as compared with a configuration in which the transmission voice data is aroused from the beginning. The time and labor required for the wake-up work can be reduced. Therefore, the server of the present invention can reduce the time and labor cost required for the whole original voice data to be aroused.
また、本発明のサーバの前記振分送信手段は、前記送信用音声データの要求を前記作業者用端末から受けたときに前記要求を行った前記作業者用端末に前記送信用音声データを送信することが好ましい。 The distribution transmission unit of the server of the present invention transmits the transmission voice data to the worker terminal that has made the request when the request for the transmission voice data is received from the worker terminal. It is preferable to do.
この構成により、本発明のサーバは、作業者による聞き起こし作業の進捗状況に応じて作業者用端末に送信用音声データを送信することができるので、作業者による聞き起こし作業の進捗状況とは無関係に送信用音声データを作業者用端末に送信する構成と比較して、元音声データ全体の聞き起こし作業を効率化して所要時間を短縮することができる。 With this configuration, the server of the present invention can transmit the audio data for transmission to the worker terminal according to the progress status of the audible work by the worker, so what is the progress status of the wake-up work by the worker? Irrespective of the configuration in which the transmission voice data is transmitted to the worker terminal regardless of the above, it is possible to streamline the entire original voice data and reduce the required time.
また、本発明のサーバは、前記振分送信手段によって送信される前記送信用音声データを選択する送信用音声データ選択手段を備え、前記送信用音声データ選択手段は、前記送信用音声データの話題と、前記作業者とに基づいて前記送信用音声データを選択することが好ましい。 The server of the present invention further includes a transmission voice data selection unit that selects the transmission voice data transmitted by the distribution transmission unit, and the transmission voice data selection unit includes a topic of the transmission voice data. It is preferable to select the transmission voice data based on the operator.
この構成により、本発明のサーバは、作業者に適した送信用音声データを作業者用端末に送信することができるので、話題とは無関係に送信用音声データを作業者用端末に送信する構成と比較して、作業者が聞き起こし作業に要する時間を短縮することができる。したがって、本発明のサーバは、元音声データ全体の聞き起こし作業に要する時間を短縮することができる。 With this configuration, the server according to the present invention can transmit the transmission voice data suitable for the worker to the worker terminal, and therefore the transmission voice data is transmitted to the worker terminal regardless of the topic. Compared with, it is possible to shorten the time required for the operator to wake up. Therefore, the server of the present invention can shorten the time required for the work of rehearsing the entire original voice data.
また、本発明のサーバは、前記振分送信手段によって送信される前記送信用音声データを選択する送信用音声データ選択手段を備え、前記送信用音声データ選択手段は、前記作業者用端末が音声認識によって前記音声データに基づいて前記文字データを生成する場合、前記送信用音声データの話題と、前記音声認識によって使用される音声認識辞書が対象とする話題とに基づいて前記送信用音声データを選択することが好ましい。 The server of the present invention further includes a transmission voice data selection unit that selects the transmission voice data transmitted by the distribution transmission unit, and the transmission voice data selection unit is configured such that the worker terminal has a voice. When generating the character data based on the voice data by recognition, the voice data for transmission is determined based on the topic of the voice data for transmission and the topic targeted by the voice recognition dictionary used by the voice recognition. It is preferable to select.
この構成により、本発明のサーバは、作業者用端末に適した送信用音声データを作業者用端末に送信することができるので、話題とは無関係に送信用音声データを作業者用端末に送信する構成と比較して、作業者が聞き起こし作業に要する時間を短縮することができる。したがって、本発明のサーバは、元音声データ全体の聞き起こし作業に要する時間を短縮することができる。 With this configuration, the server of the present invention can transmit the transmission voice data suitable for the worker terminal to the worker terminal, and therefore transmits the transmission voice data to the worker terminal regardless of the topic. Compared with the structure to perform, it can shorten the time which an operator requires for arousing work. Therefore, the server of the present invention can shorten the time required for the work of rehearsing the entire original voice data.
また、本発明のサーバの前記振分送信手段は、前記作業者用端末に前記送信用音声データを暗号化して送信することが好ましい。 Moreover, it is preferable that the said distribution transmission means of the server of this invention encrypts and transmits the said audio | voice data for transmission to the said terminal for workers.
この構成により、本発明のサーバは、例えば機密情報や個人情報などの秘密情報が元音声データに含まれる場合であっても、秘密を守りながら公衆ネットワークを介して作業者用端末と通信を行うことができる。 With this configuration, the server of the present invention communicates with the worker's terminal via the public network while protecting the secret even when the confidential information such as confidential information and personal information is included in the original voice data. be able to.
また、本発明のサーバ用プログラムは、音声データに基づいて文字データを生成する聞き起こし作業に携わる複数の作業者によって使用される複数の作業者用端末と通信を行うサーバを動作させるサーバ用プログラムであって、前記聞き起こし作業の元となる音声データである元音声データを前記作業者用端末への送信用の音声データである複数の送信用音声データに分割する元音声データ分割手段と、前記元音声データ分割手段によって生成された複数の前記送信用音声データを前記複数の作業者用端末に振り分けて送信する振分送信手段としてサーバを機能させることを特徴とする。 Further, the server program of the present invention is a server program for operating a server that communicates with a plurality of worker terminals used by a plurality of workers engaged in a transcription work that generates character data based on voice data. And original voice data dividing means for dividing the original voice data which is the voice data which is the source of the audible work into a plurality of transmission voice data which is voice data for transmission to the worker terminal, The server is made to function as a distribution transmission unit that distributes and transmits the plurality of transmission audio data generated by the original audio data division unit to the plurality of worker terminals.
この構成により、本発明のサーバ用プログラムは、複数の送信用音声データのうち聞き起こし作業の作業者が聞き起こすべき送信用音声データを作業者用端末に送信するので、作業者の作業を従来より効率化して作業者の負担を従来より低減することができる。また、本発明のサーバ用プログラムは、作業者用端末同士における文字データの同期を必要としないので、作業者用端末の負担を従来より低減することができる。また、本発明のサーバ用プログラムは、元音声データの聞き起こし作業を複数の作業者に同時に分担させることができるので、元音声データ全体の聞き起こし作業に要する時間を短縮することができる。また、本発明のサーバ用プログラムは、送信用音声データを作業者用端末に電子的に送るので、送信用音声データを記録媒体に格納して作業者に郵送する場合と比較して、元音声データ全体の聞き起こし作業に要する時間や費用を低減することができる。 With this configuration, the server program of the present invention transmits the voice data for transmission to be woken up by the worker of the listening work among the plurality of voice data for transmission to the worker terminal. It is more efficient and the burden on the operator can be reduced than before. Moreover, since the server program of the present invention does not require the synchronization of character data between the worker terminals, the burden on the worker terminal can be reduced as compared with the prior art. In addition, the server program of the present invention can share the work of rehearsing the original voice data to a plurality of workers at the same time, so that the time required for the work of rehearsing the whole original sound data can be reduced. In addition, since the server program of the present invention electronically sends the transmission voice data to the worker terminal, the original voice is compared with the case where the transmission voice data is stored in the recording medium and mailed to the worker. It is possible to reduce the time and cost required for the whole data rehearsal work.
また、本発明の聞き起こしシステムは、音声データに基づいて文字データを生成する聞き起こし作業に携わる複数の作業者によって使用される複数の作業者用端末と、前記複数の作業者用端末と通信を行うサーバとを備えた聞き起こしシステムであって、前記サーバは、前記聞き起こし作業の元となる音声データである元音声データを前記作業者用端末への送信用の音声データである複数の送信用音声データに分割する元音声データ分割手段と、前記元音声データ分割手段によって生成された複数の前記送信用音声データを前記複数の作業者用端末に振り分けて送信する振分送信手段とを備えたことを特徴とする。 In addition, the speech system according to the present invention includes a plurality of worker terminals used by a plurality of workers engaged in a speech task that generates character data based on voice data, and communicates with the plurality of worker terminals. And a server for performing a speech process, wherein the server is a plurality of voice data for transmission to the worker terminal of original voice data that is voice data that is a source of the work to be heard Original voice data dividing means for dividing the voice data for transmission, and distribution transmitting means for distributing the plurality of transmission voice data generated by the original voice data dividing means to the plurality of worker terminals for transmission. It is characterized by having.
この構成により、本発明の聞き起こしシステムは、複数の送信用音声データのうち聞き起こし作業の作業者が聞き起こすべき送信用音声データを作業者用端末に送信するので、作業者の作業を従来より効率化して作業者の負担を従来より低減することができる。また、本発明の聞き起こしシステムは、作業者用端末同士における文字データの同期を必要としないので、作業者用端末の負担を従来より低減することができる。また、本発明の聞き起こしシステムは、元音声データの聞き起こし作業を複数の作業者に同時に分担させることができるので、元音声データ全体の聞き起こし作業に要する時間を短縮することができる。また、本発明の聞き起こしシステムは、送信用音声データを作業者用端末に電子的に送るので、送信用音声データを記録媒体に格納して作業者に郵送する場合と比較して、元音声データ全体の聞き起こし作業に要する時間や費用を低減することができる。 With this configuration, the speech system according to the present invention transmits the voice data for transmission to be heard by the worker of the speech work among the plurality of voice data for transmission to the worker terminal. It is more efficient and the burden on the operator can be reduced than before. Moreover, since the transcription system of this invention does not require the synchronization of the character data in worker terminals, the burden of a worker terminal can be reduced conventionally. In addition, since the audible system of the present invention can share the utterance work of the original voice data to a plurality of workers at the same time, the time required for the wakeup work of the entire original voice data can be shortened. In addition, since the transmission system of the present invention electronically transmits the transmission voice data to the worker terminal, the original voice is compared with the case where the transmission voice data is stored in the recording medium and mailed to the worker. It is possible to reduce the time and cost required for the whole data rehearsal work.
また、本発明の聞き起こしシステムの前記作業者用端末は、前記音声データに基づいて音声を出力する音声出力手段と、作業者の指示に応じて前記文字データを編集する文字データ編集手段と、前記文字データを前記サーバに送信する文字データ送信手段とを備えることが好ましい。 Further, the worker terminal of the speech system of the present invention, the voice output means for outputting the voice based on the voice data, the character data editing means for editing the character data according to the instructions of the worker, It is preferable to include character data transmission means for transmitting the character data to the server.
この構成により、本発明の聞き起こしシステムは、作業者によって聞き起こされた文字データを作業者用端末からサーバに電子的に送るので、例えば作業者が文字データを記録媒体に格納してサーバの管理者に郵送する場合と比較して、元音声データ全体の聞き起こし作業に要する時間や費用を低減することができる。 With this configuration, the speech system according to the present invention electronically sends the character data aroused by the worker from the worker terminal to the server. For example, the worker stores the character data in the recording medium and stores the character data on the server. Compared with the case of mailing to an administrator, the time and cost required for the work of revoking the entire original voice data can be reduced.
また、本発明の聞き起こしシステムの前記振分送信手段は、前記元音声データに含まれる無音部分、文の切れ目部分、話者の切り替わり部分及び話題の切り替わり部分の少なくとも1種類からなる区切り情報を前記送信用音声データとともに前記作業者用端末に送信し、前記作業者用端末は、前記区切り情報に基づいて前記送信用音声データを前記音声出力手段による前記音声の出力用の音声データである複数の出力用音声データに分割する送信用音声データ分割手段を備えることが好ましい。 In addition, the distribution transmission means of the speech system according to the present invention includes delimiter information including at least one of a silent part, a sentence break part, a speaker switching part, and a topic switching part included in the original voice data. The worker terminal is transmitted to the worker terminal together with the transmission voice data, and the worker terminal is a plurality of voice data for outputting the voice by the voice output means based on the delimiter information. It is preferable to include transmission audio data dividing means for dividing the output audio data into the output audio data.
この構成により、本発明の聞き起こしシステムは、作業者の短期記憶に残る程度の量の音声を出力することができるので、作業者の短期記憶に残らないほどに大量の音声を連続して出力する構成と比較して、作業者による聞き起こし作業の効率を向上させることができる。したがって、本発明の聞き起こしシステムは、元音声データ全体の聞き起こし作業に要する時間を短縮することができる。 With this configuration, the speech system according to the present invention can output an amount of sound that remains in the worker's short-term memory, and thus outputs a large amount of sound continuously so as not to remain in the worker's short-term memory. Compared with the structure to perform, it is possible to improve the efficiency of the worker's awakening work. Therefore, the rehearsal system of the present invention can reduce the time required for rehearsing the entire original voice data.
また、本発明の聞き起こしシステムの前記文字データ編集手段は、前記出力用音声データ毎に前記文字データを編集することが好ましい。 Further, it is preferable that the character data editing means of the speech system of the present invention edits the character data for each output audio data.
この構成により、本発明の聞き起こしシステムは、出力中の音声に対応する箇所の文字データを作業者に編集させることができるので、作業者による聞き起こし作業の効率を向上させることができる。したがって、本発明の聞き起こしシステムは、元音声データ全体の聞き起こし作業に要する時間を短縮することができる。 With this configuration, the speech system according to the present invention can cause the worker to edit the character data at the location corresponding to the voice being output, so that the efficiency of the speech work by the worker can be improved. Therefore, the rehearsal system of the present invention can reduce the time required for rehearsing the entire original voice data.
また、本発明の聞き起こしシステムの前記作業者用端末は、音声認識によって前記音声データに基づいて前記文字データを生成する文字データ生成手段を備えることが好ましい。 Moreover, it is preferable that the said operator terminal of the transcription system of this invention is provided with the character data production | generation means which produces | generates the said character data based on the said audio | voice data by audio | voice recognition.
この構成により、本発明の聞き起こしシステムは、音声認識によって大体の文字データを生成するので、送信用音声データを最初から作業者に聞き起こさせる構成と比較して、作業者が送信用音声データの聞き起こし作業に要する時間や労力を低減することができる。したがって、本発明の聞き起こしシステムは、元音声データ全体の聞き起こし作業に要する時間や人件費を低減することができる。 With this configuration, the speech system according to the present invention generates a large amount of character data by speech recognition, so that the worker can transmit the voice data for transmission compared to the configuration in which the worker transmits the voice data for transmission from the beginning. It is possible to reduce the time and labor required for the task of awakening. Therefore, the speech system according to the present invention can reduce the time and labor cost required for the entire speech processing of the original voice data.
また、本発明の聞き起こしシステムの前記振分送信手段は、前記作業者用端末に前記送信用音声データを暗号化して送信し、前記文字データ送信手段は、前記サーバに前記文字データを暗号化して送信することが好ましい。 Further, the distribution transmission means of the transcribe system of the present invention encrypts and transmits the transmission voice data to the worker terminal, and the character data transmission means encrypts the character data to the server. Are preferably transmitted.
この構成により、本発明の聞き起こしシステムは、例えば機密情報や個人情報などの秘密情報が元音声データに含まれる場合であっても、サーバと作業者用端末との間で秘密を守りながら公衆ネットワークを介して通信を行うことができる。 With this configuration, the speech system according to the present invention allows the public system to keep the secret between the server and the worker terminal even when the original voice data includes confidential information such as confidential information and personal information. Communication can be performed via a network.
本発明によれば、聞き起こし作業の作業者の負担と、作業者によって使用される端末の負担とを従来より低減することができる聞き起こしシステムを提供することができる。 According to the present invention, it is possible to provide a wake-up system that can reduce the burden on the worker of the wake-up work and the load on the terminal used by the worker.
以下、本発明の一実施の形態について、図面を用いて説明する。 Hereinafter, an embodiment of the present invention will be described with reference to the drawings.
まず、本実施の形態に係る聞き起こしシステムの構成について説明する。 First, the configuration of the speech system according to the present embodiment will be described.
図1に示すように、本実施の形態に係る聞き起こしシステム10は、公共の議会や会社の会議室などの場所に設置されて会議を録音する録音装置20と、録音装置20によって録音された音声に基づいて文字データを生成する聞き起こし作業を管理するサーバとしての管理サーバ40と、聞き起こし作業に携わる複数の作業者によって使用される複数の作業者用端末としての複数の聞き起こし端末60とを備えている。録音装置20、管理サーバ40及び聞き起こし端末60は、インターネットなどの公衆ネットワーク11に接続されている。
As shown in FIG. 1, a speech system 10 according to the present embodiment is installed in a place such as a public parliament or a company meeting room, and a
図2に示すように、管理サーバ40は、コンピュータであり、サーバ用プログラムによって動作させられるようになっている。サーバ用プログラムは、録音装置20(図1参照。)や聞き起こし端末60(図1参照。)との通信を行う通信手段41と、各種のデータを記憶する記憶手段42と、聞き起こし作業の元となる音声データである元音声データ80(図3参照。)を聞き起こし端末60への送信用の音声データである複数の送信用音声データ81(図3参照。)に分割する元音声データ分割手段43と、通信手段41によって送信される送信用音声データ81を選択する送信用音声データ選択手段44として、管理サーバ40を機能させるようになっている。
As shown in FIG. 2, the
通信手段41は、元音声データ分割手段43によって生成された複数の送信用音声データ81を公衆ネットワーク11を介して複数の聞き起こし端末60に振り分けて送信するようになっており、振分送信手段としても機能するようになっている。なお、通信手段41は、送信用音声データ81の要求を聞き起こし端末60から受けたときに、要求を行った聞き起こし端末60に送信用音声データ81を送信するようになっている。
The communication means 41 distributes a plurality of
また、記憶手段42は、送信用音声データ81について、元音声データ80における先頭からの順番と、送信先である聞き起こし端末60との対応関係を示すテーブルである順番テーブル(図4参照。)を記憶するようになっている。順番テーブルの「送信先」項目には、管理サーバ40が聞き起こし端末60に未だ送信していない送信用音声データ81については、「未」という値が格納され、管理サーバ40が聞き起こし端末60に送信した送信用音声データ81については、送信先の聞き起こし端末60の名称が格納され、管理サーバ40が聞き起こし端末60から対応する文字データを受信した送信用音声データ81については、「済」という値が格納される。
Further, the storage means 42 is an order table (see FIG. 4) showing the correspondence between the order from the beginning of the original voice data 80 and the listening
また、元音声データ分割手段43は、音声認識機能と自然言語処理機能とによって元音声データ80に含まれる文の切れ目部分を判断し、文の切れ目部分を区切りとして送信用音声データ81を生成するようになっている。即ち、元音声データ分割手段43は、文単位で送信用音声データ81を生成するようになっている。
Further, the original voice
また、送信用音声データ選択手段44は、送信用音声データ81の話題と、聞き起こし端末60における音声認識によって使用される音声認識辞書が対象とする話題とに基づいて送信用音声データ81を選択するようになっている。
Further, the transmission voice data selection means 44 selects the
図5に示すように、聞き起こし端末60は、コンピュータであり、端末用プログラムによって動作させられるようになっている。端末用プログラムは、管理サーバ40(図1参照。)との通信を行う通信手段61と、各種のデータを記憶する記憶手段62と、送信用音声データ81(図6参照。)を音声の出力用の音声データである複数の出力用音声データ82(図6参照。)に分割する送信用音声データ分割手段63と、音声認識によって文字データを生成する文字データ生成手段64と、出力用音声データ82に基づいて音声を出力する音声出力手段65と、作業者の指示に応じて文字データを編集する文字データ編集手段66として、聞き起こし端末60を機能させるようになっている。
As shown in FIG. 5, the
通信手段61は、文字データを管理サーバ40に送信するようになっており、文字データ送信手段としても機能するようになっている。
The communication means 61 transmits character data to the
また、送信用音声データ分割手段63は、音声認識機能と自然言語処理機能とによって送信用音声データ81に含まれる文節の切れ目部分を判断し、文節の切れ目部分を区切りとして出力用音声データ82を生成するようになっている。即ち、送信用音声データ分割手段63は、文節単位で出力用音声データ82を生成するようになっている。
Further, the transmission voice data dividing means 63 determines the break portion of the phrase included in the
また、文字データ編集手段66は、出力用音声データ82毎に文字データを編集するようになっている。
The character
次に、聞き起こしシステム10の動作について説明する。 Next, the operation of the speech system 10 will be described.
まず、録音装置20の動作について説明する。
First, the operation of the
録音装置20は、会議の録音が録音装置20の管理者によって指示されると、会議の録音を行って元音声データ80を録音しながら、公衆ネットワーク11を介して管理サーバ40に元音声データ80をリアルタイムに送信する。
When the recording of the conference is instructed by the administrator of the
次に、管理サーバ40の動作について説明する。
Next, the operation of the
管理サーバ40は、録音装置20から公衆ネットワーク11を介して元音声データ80を通信手段41によって受信し始めると、図7に示すように、元音声データ80を記憶手段42によって記憶し始める(S101)。
When the
次いで、管理サーバ40は、記憶手段42によって記憶されていく元音声データ80を元音声データ分割手段43によって図3に示すように送信用音声データ81に分割し始める(S102)。ここで、管理サーバ40は、元音声データ80に含まれる文の切れ目部分を区切りとして送信用音声データ81を生成する。即ち、送信用音声データ81は、文単位の音声データである。
Next, the
なお、管理サーバ40は、送信用音声データ81を生成すると、生成した送信用音声データ81についての項目を順番テーブルに追加し、「送信先」項目に「未」という値を格納する。
Note that, when the
そして、管理サーバ40は、複数の送信用音声データ81を通信手段41によって公衆ネットワーク11を介して複数の聞き起こし端末60に振り分けて送信し始める(S103)。即ち、管理サーバ40は、以後、送信用音声データ81の要求を公衆ネットワーク11を介して聞き起こし端末60から通信手段41によって受けたときに、要求を行った聞き起こし端末60に公衆ネットワーク11を介して通信手段41によって送信用音声データ81を送信する。ただし、管理サーバ40は、順番テーブルの「送信先」項目に名称が格納されている聞き起こし端末60からの要求には応じない。
Then, the
なお、管理サーバ40は、送信用音声データ81を聞き起こし端末60に送信すると、送信した送信用音声データ81について、順番テーブルの「送信先」項目に送信先の聞き起こし端末60の名称を格納する。
When the
管理サーバ40によって送信される送信用音声データ81は、送信用音声データ選択手段44によって選択される。即ち、管理サーバ40は、送信用音声データ81の話題と、送信用音声データ81の要求を行った聞き起こし端末60によって使用される音声認識辞書が対象とする話題とに基づいて、送信用音声データ81の要求を行った聞き起こし端末60に送信する送信用音声データ81を選択する。例えば、送信用音声データ81の要求を行った聞き起こし端末60によって使用される音声認識辞書が対象とする話題が医療関連である場合、管理サーバ40は、送信用音声データ81の要求を行った聞き起こし端末60に送信する送信用音声データ81として、話題が医療関連である送信用音声データ81を選択する。送信用音声データ81の話題は、予め会議の議題に基づいて登録されていても良いし、管理サーバ40が音声認識によって元音声データ80や送信用音声データ81から抽出しても良い。送信用音声データ81の要求を行った聞き起こし端末60によって使用される音声認識辞書が対象とする話題は、予め管理サーバ40に登録されていても良いし、送信用音声データ81の要求とともに聞き起こし端末60から管理サーバ40に通知されても良い。
The
そして、管理サーバ40は、公衆ネットワーク11を介して聞き起こし端末60から文字データを通信手段41によって受信すると、受信した文字データを並べながら記憶手段42によって記憶し始める(S104)。即ち、管理サーバ40は、以後、文字データを聞き起こし端末60から公衆ネットワーク11を介して受信すると、受信した文字データの送信元である聞き起こし端末60に管理サーバ40自身が直前に送信した送信用音声データ81について、順番テーブルに基づいて元音声データ80における順番を求め、求めた順番通りに文字データを並べながら記憶する。即ち、管理サーバ40によって受信された文字データは、元になった送信用音声データ81と同じ順番で並べられ、最終的に全体として元音声データ80に対応した文字データとなる。
Then, when the
なお、管理サーバ40は、文字データを記憶すると、記憶した文字データの送信元である聞き起こし端末60に管理サーバ40自身が直前に送信した送信用音声データ81について、順番テーブルの「送信先」項目に「済」という値を格納する。
When the
次に、聞き起こし端末60の動作について説明する。
Next, the operation of the listening
聞き起こし端末60は、作業者によって送信用音声データ81の取り込みが指示されると、図8に示すように、公衆ネットワーク11を介して管理サーバ40に通信手段61によって送信用音声データ81を要求する(S121)。
When the operator instructs the capture of the
そして、聞き起こし端末60は、管理サーバ40から公衆ネットワーク11を介して送信用音声データ81が送信されたと判断するまで、管理サーバ40から送信用音声データ81が送信されたか否かを判断する(S122)。
Then, the listening
聞き起こし端末60は、管理サーバ40から送信用音声データ81が送信されたとS122において判断すると、管理サーバ40から送信された送信用音声データ81を通信手段61によって受信して(S123)、記憶手段62によって記憶する(S124)。
When the listening
次いで、聞き起こし端末60は、S124において記憶した送信用音声データ81を送信用音声データ分割手段63によって図6に示すように出力用音声データ82として文節単位に分割し(S125)、S124において記憶した送信用音声データ81に基づいて文字データ生成手段64によって音声認識を行って出力用音声データ82毎に文字データを生成する(S126)。
Next, the listening
そして、聞き起こし端末60は、S126において生成された全ての文字データの編集の完了が作業者によって指示されたか否かを判断する(S127)。
Then, the
聞き起こし端末60は、全ての文字データの編集の完了が作業者によって指示されていないとS127において判断すると、S125において分割された何れかの出力用音声データ82が作業者によって指定されたか否かを判断する(S128)。
If it is determined in S127 that the completion of editing of all the character data is not instructed by the operator, the listening
聞き起こし端末60は、何れの出力用音声データ82も作業者によって指定されていないとS128において判断すると、再びS127の処理を実行する。
If it is determined in S128 that no
聞き起こし端末60は、何れかの出力用音声データ82が作業者によって指定されたとS128において判断すると、S128において作業者によって指定された出力用音声データ82に基づいて音声出力手段65によって音声を出力し(S129)、S128において作業者によって指定された出力用音声データ82に対応する文字データを作業者の指示に基づいて文字データ編集手段66によって編集した後(S130)、再びS127の処理を実行する。したがって、作業者は、聞き起こし端末60の図示していないスピーカなどの音声出力装置から音声を聞きながら、聞き起こし端末60の図示していないキーボードなどの入力装置を介して文字データを編集するという作業を、出力用音声データ82毎、即ち、文節単位毎に実行することができる。
When it is determined in S128 that any of the
聞き起こし端末60は、全ての文字データの編集の完了が作業者によって指示されたとS127において判断すると、公衆ネットワーク11を介して管理サーバ40に通信手段61によって一連の文字データを送信する(S131)。
When it is determined in S127 that the operator has instructed completion of editing all the character data, the
以上に説明したように、聞き起こしシステム10は、複数の送信用音声データ81のうち聞き起こし作業の作業者が聞き起こすべき送信用音声データ81を聞き起こし端末60に送信するので、作業者の作業を従来より効率化して作業者の負担を従来より低減することができる。
As described above, the awakening system 10 awakens and transmits to the terminal 60 the
また、聞き起こしシステム10は、聞き起こし端末60同士における文字データの同期を必要としないので、聞き起こし端末60の負担を従来より低減することができる。
In addition, since the speech system 10 does not require synchronization of character data between the
また、聞き起こしシステム10は、元音声データ80の聞き起こし作業を複数の作業者に同時に分担させることができるので、元音声データ80全体の聞き起こし作業に要する時間を短縮することができる。 In addition, since the audible system 10 can simultaneously share the audible work of the original voice data 80 to a plurality of workers, the time required for the wakeup work of the entire original voice data 80 can be reduced.
また、聞き起こしシステム10は、送信用音声データ81を聞き起こし端末60に電子的に送るので、送信用音声データ81を記録媒体に格納して作業者に郵送する場合と比較して、元音声データ80全体の聞き起こし作業に要する時間や費用を低減することができる。
In addition, since the audible system 10 audibly transmits the
そして、聞き起こしシステム10は、元音声データ80全体の聞き起こし作業に要する時間を短縮することができるので、例えば午前中の会議の内容を記した議事録を午後に用意することができる。 Then, since the audible system 10 can shorten the time required for the audible work of the entire original voice data 80, for example, a minutes describing the contents of the morning meeting can be prepared in the afternoon.
また、聞き起こしシステム10は、送信用音声データ81を聞き起こし端末60に電子的に送るので、勤労意欲がありながら在宅勤務という条件に拘束される人、例えばシングルマザーに勤労機会を提供することができる。
In addition, since the awakening system 10 awakens the
また、聞き起こしシステム10は、作業者によって聞き起こされた文字データを聞き起こし端末60から管理サーバ40に電子的に送るので、例えば作業者が文字データを記録媒体に格納して管理サーバ40の管理者に郵送する場合と比較して、元音声データ80全体の聞き起こし作業に要する時間や費用を低減することができる。
In addition, the transcribe system 10 transcribes character data aroused by the worker and electronically sends it from the terminal 60 to the
また、管理サーバ40は、元音声データ80に含まれる文の切れ目部分を区切りとして送信用音声データ81を生成するようになっているので、送信用音声データ81が大き過ぎる構成と比較して、作業者が送信用音声データ81の聞き起こし作業に要する時間を短縮することができ、元音声データ80全体の聞き起こし作業に要する時間を短縮することができる。また、管理サーバ40は、元音声データ80に含まれる文の切れ目部分を区切りとして送信用音声データ81を生成するようになっているので、送信用音声データ81が小さ過ぎる構成と比較して、送信用音声データ81に含まれる話の内容を聞き起こし作業の作業者に容易に理解させることができ、作業者による送信用音声データ81の聞き起こし作業を容易化することができる。
In addition, since the
なお、管理サーバ40の元音声データ分割手段43は、元音声データ80に含まれる文の切れ目部分以外の部分を区切りとして送信用音声データ81を生成するようになっていても良い。送信用音声データ81は、作業者が聞き起こし作業を請け負うか否かを即決できる程度に小さいことが好ましい。
Note that the original voice
例えば、元音声データ分割手段43は、所定の音量以下の状態が所定の秒数以上続いた場合に無音部分と判断するなどして、元音声データ80に含まれる息継ぎなどの無音部分を判断し、無音部分を区切りとして送信用音声データ81を生成するようになっていても良い。この場合、管理サーバ40は、送信用音声データ81がストリーミングで配信される構成と比較して、聞き直しや一時停止などの操作を作業者が行う必要性が減少するので、作業者が送信用音声データ81の聞き起こし作業に要する時間を短縮することができ、元音声データ80全体の聞き起こし作業に要する時間を短縮することができる。
For example, the original voice
また、元音声データ分割手段43は、声紋などを利用した話者識別機能によって元音声データ80に含まれる話者の切り替わり部分を判断し、話者の切り替わり部分を区切りとして送信用音声データ81を生成するようになっていても良い。また、元音声データ分割手段43は、音声認識機能と自然言語処理機能とによって元音声データ80に含まれる話題の切り替わり部分を判断し、話題の切り替わり部分を区切りとして送信用音声データ81を生成するようになっていても良い。これらの場合、管理サーバ40は、元音声データ80に含まれる文の切れ目部分を区切りとして送信用音声データ81を生成する構成と同様な効果を得ることができる。
Further, the original voice data dividing means 43 determines a speaker switching portion included in the original voice data 80 by a speaker identification function using a voiceprint or the like, and sets the
また、元音声データ分割手段43は、元音声データ80に含まれる無音部分、文の切れ目部分及び話者の切り替わり部分の少なくとも1種類を区切りとして元音声データ80を分割した後、所定の時間分、例えば3分間分を再結合して送信用音声データ81を生成するようになっていても良い。この場合、管理サーバ40は、作業者が送信用音声データ81の聞き起こし作業に要する時間を略均一にすることができる。
The original voice
また、管理サーバ40の通信手段41は、元音声データ80に含まれる話者の切り替わり部分を区切りとして元音声データ分割手段43が送信用音声データ81を生成する場合、送信用音声データ81を送信する聞き起こし端末60を送信用音声データ81の話者に応じて選択するようになっていても良い。この場合、管理サーバ40は、聞き起こし端末60毎に特定の話者に特化させることができるので、話者の声質や話題によって聞き起こし端末60による音声認識の精度を向上することができる。また、管理サーバ40は、作業者毎に特定の話者に特化させることができるので、作業者による聞き起こし作業の効率を向上させることができる。
Further, the communication means 41 of the
また、管理サーバ40は、送信用音声データ81の要求を聞き起こし端末60から受けたときに、要求を行った聞き起こし端末60に送信用音声データ81を送信するようになっているので、作業者による聞き起こし作業の進捗状況に応じて聞き起こし端末60に送信用音声データ81を送信することができる。したがって、管理サーバ40は、作業者による聞き起こし作業の進捗状況とは無関係に送信用音声データ81を聞き起こし端末60に送信する構成と比較して、元音声データ80全体の聞き起こし作業を効率化して所要時間を短縮することができる。
In addition, when the
また、管理サーバ40は、送信用音声データ81の話題と、聞き起こし端末60における音声認識によって使用される音声認識辞書が対象とする話題とに基づいて送信用音声データ81を選択するようになっているので、聞き起こし端末60に適した送信用音声データ81を聞き起こし端末60に送信することができる。したがって、管理サーバ40は、話題とは無関係に送信用音声データ81を聞き起こし端末60に送信する構成と比較して、作業者が聞き起こし作業に要する時間を短縮することができ、元音声データ80全体の聞き起こし作業に要する時間を短縮することができる。
Further, the
なお、管理サーバ40の送信用音声データ選択手段44は、送信用音声データ81の話題と、音声認識辞書が対象とする話題とに基づいた方法以外の方法によって送信用音声データ81を選択するようになっていても良い。
The transmission voice
例えば、送信用音声データ選択手段44は、送信用音声データ81の話題と、聞き起こし端末60における作業者とに基づいて送信用音声データ81を選択するようになっていても良い。この場合、管理サーバ40は、例えば法律関連の話題を得意とする作業者の聞き起こし端末60に法律関係の話題の送信用音声データ81を送信するなど、作業者に適した送信用音声データ81を聞き起こし端末60に送信することができるので、話題とは無関係に送信用音声データ81を聞き起こし端末60に送信する構成と比較して、作業者が聞き起こし作業に要する時間を短縮することができる。したがって、管理サーバ40は、元音声データ80全体の聞き起こし作業に要する時間を短縮することができる。
For example, the transmission voice
また、聞き起こしシステム10は、音声認識によって大体の文字データを生成するので、送信用音声データ81を最初から作業者に聞き起こさせる構成と比較して、作業者が送信用音声データ81の聞き起こし作業に要する時間や労力を低減することができる。したがって、聞き起こしシステム10は、元音声データ80全体の聞き起こし作業に要する時間や人件費を低減することができる。
In addition, since the awakening system 10 generates almost character data by voice recognition, the worker can listen to the
なお、聞き起こしシステム10は、聞き起こし端末60が音声認識によって文字データを生成するのではなく、管理サーバ40が元音声データ80に基づいて音声認識によって文字データを生成し、送信用音声データ81に対応する文字データを送信用音声データ81とともに管理サーバ40が聞き起こし端末60に送信するようになっていても良い。
In the speech system 10, the
もちろん、聞き起こしシステム10は、管理サーバ40及び聞き起こし端末60の双方とも音声認識によって文字データを生成しないものであっても良い。
Of course, both the
また、聞き起こし端末60は、送信用音声データ81を出力用音声データ82に分割するので、作業者の短期記憶に残る程度の量の音声を出力することができる。したがって、聞き起こしシステム10は、作業者の短期記憶に残らないほどに大量の音声を聞き起こし端末60が連続して出力する構成と比較して、作業者による聞き起こし作業の効率を向上させることができ、元音声データ80全体の聞き起こし作業に要する時間を短縮することができる。
In addition, since the listening
なお、出力用音声データ82は、本実施の形態において、文節単位であるが、文節単位以外であっても良い。例えば、聞き起こし端末60は、送信用音声データ81に含まれる無音部分、文の切れ目部分、話者の切り替わり部分及び話題の切り替わり部分の少なくとも1種類からなる区切り情報を送信用音声データ81とともに管理サーバ40から受信し、区切り情報に基づいて送信用音声データ81に含まれる無音部分、文の切れ目部分、話者の切り替わり部分及び話題の切り替わり部分の少なくとも1種類を区切りとして出力用音声データ82を生成するようになっていても良い。送信用音声データ81が元音声データ80における話者の切り替わり部分を区切りとして生成されている場合には、聞き起こし端末60は、例えば、送信用音声データ81に含まれる文の切れ目部分を区切りとして出力用音声データ82を生成するようになっていても良い。
The
もちろん、聞き起こし端末60は、送信用音声データ81を分割せずに送信用音声データ81全体の音声を連続して出力するようになっていても良い。
Of course, the
また、聞き起こしシステム10は、出力用音声データ82毎に文字データを編集するので、出力中の音声に対応する箇所の文字データを作業者に編集させることができる。したがって、聞き起こしシステム10は、作業者による聞き起こし作業の効率を向上させることができ、元音声データ80全体の聞き起こし作業に要する時間を短縮することができる。
In addition, since the awakening system 10 edits the character data for each
もちろん、聞き起こし端末60は、出力用音声データ82毎に文字データを編集できるようになっていなくても良い。
Of course, the
録音装置20は、元音声データ80を管理サーバ40に送信するときに、元音声データ80を暗号化するようになっていても良い。管理サーバ40は、送信用音声データ81を聞き起こし端末60に送信するときに、送信用音声データ81を暗号化するようになっていても良い。聞き起こし端末60は、作業者によって聞き起こされた文字データを管理サーバ40に送信するときに、文字データを暗号化するようになっていても良い。聞き起こしシステム10は、録音装置20、管理サーバ40及び聞き起こし端末60の間で暗号化通信を行うようになっているとき、例えば機密情報や個人情報などの秘密情報が元音声データ80に含まれる場合であっても、録音装置20、管理サーバ40及び聞き起こし端末60の間で秘密を守りながら公衆ネットワーク11を介して通信を行うことができる。
The
また、元音声データ80は、録音装置20から公衆ネットワーク11を介して管理サーバ40に格納されるようになっているが、他の方法によって管理サーバ40に格納されるようになっていても良い。例えば、元音声データ80は、録音装置20の管理者によって記録媒体に格納されて管理サーバ40の管理者に郵送され、管理サーバ40の管理者によって管理サーバ40に格納させられるようになっていても良い。
Further, the original voice data 80 is stored in the
なお、聞き起こしシステム10は、議事録の作成事業以外の様々な事業に適用されることもできる。例えば、聞き起こしシステム10は、携帯電話に音声を入力して管理サーバ40に元音声データ80を生成し、生成した元音声データ80を複数の聞き起こし端末60によって分担して聞き起こし、聞き起こした文字データを管理サーバ40から携帯電話に送信し、管理サーバ40から携帯電話に送信された文字データを携帯電話によるメールの本文にするというような事業に適用されることができる。
Note that the awakening system 10 can also be applied to various businesses other than the minutes creation business. For example, the speech system 10 inputs voice to a mobile phone, generates original voice data 80 in the
また、端末用プログラムやサーバ用プログラムは、記録媒体に格納されて流通されても良いし、ネットワークを介して流通されても良い。 Further, the terminal program and the server program may be stored and distributed in a recording medium, or may be distributed via a network.
10 聞き起こしシステム
11 公衆ネットワーク
20 録音装置
40 管理サーバ(サーバ)
41 通信手段(振分送信手段)
42 記憶手段
43 元音声データ分割手段
44 送信用音声データ選択手段
60 聞き起こし端末(作業者用端末)
61 通信手段(文字データ送信手段)
62 記憶手段
63 送信用音声データ分割手段
64 文字データ生成手段
65 音声出力手段
66 文字データ編集手段
80 元音声データ
81 送信用音声データ
82 出力用音声データ
10 Transcription System 11
41 Communication means (distribution transmission means)
42 Storage means 43 Original voice data division means 44 Transmission voice data selection means 60 Talking terminal (worker terminal)
61 Communication means (character data transmission means)
62 Storage means 63 Transmission voice data division means 64 Character data generation means 65 Voice output means 66 Character data editing means 80
Claims (18)
前記聞き起こし作業の元となる音声データである元音声データを前記作業者用端末への送信用の音声データである複数の送信用音声データに分割する元音声データ分割手段と、前記元音声データ分割手段によって生成された複数の前記送信用音声データを前記複数の作業者用端末に振り分けて送信する振分送信手段とを備えたことを特徴とするサーバ。 A server that communicates with a plurality of worker terminals used by a plurality of workers engaged in a speech task that generates character data based on voice data,
Original voice data dividing means for dividing original voice data, which is voice data that is a source of the awakening work, into a plurality of transmission voice data that is voice data for transmission to the worker terminal; and the original voice data A server comprising: a distribution transmission unit that distributes and transmits the plurality of transmission audio data generated by the division unit to the plurality of worker terminals.
前記振分送信手段は、前記作業者用端末に送信する前記送信用音声データに対応する前記文字データを前記作業者用端末に送信することを特徴とする請求項1に記載のサーバ。 Character data generating means for generating the character data based on the voice data by voice recognition,
The server according to claim 1, wherein the distribution transmission unit transmits the character data corresponding to the transmission voice data to be transmitted to the worker terminal to the worker terminal.
前記送信用音声データ選択手段は、前記送信用音声データの話題と、前記作業者とに基づいて前記送信用音声データを選択することを特徴とする請求項8に記載のサーバ。 Voice data selection means for transmission for selecting the voice data for transmission transmitted by the distribution transmission means,
The server according to claim 8, wherein the transmission voice data selection unit selects the transmission voice data based on a topic of the transmission voice data and the worker.
前記送信用音声データ選択手段は、前記作業者用端末が音声認識によって前記音声データに基づいて前記文字データを生成する場合、前記送信用音声データの話題と、前記音声認識によって使用される音声認識辞書が対象とする話題とに基づいて前記送信用音声データを選択することを特徴とする請求項8に記載のサーバ。 Voice data selection means for transmission for selecting the voice data for transmission transmitted by the distribution transmission means,
The transmission voice data selection means, when the worker terminal generates the character data based on the voice data by voice recognition, the topic of the voice data for transmission and the voice recognition used by the voice recognition 9. The server according to claim 8, wherein the transmission voice data is selected based on a topic targeted by a dictionary.
前記聞き起こし作業の元となる音声データである元音声データを前記作業者用端末への送信用の音声データである複数の送信用音声データに分割する元音声データ分割手段と、前記元音声データ分割手段によって生成された複数の前記送信用音声データを前記複数の作業者用端末に振り分けて送信する振分送信手段としてサーバを機能させることを特徴とするサーバ用プログラム。 A server program for operating a server that communicates with a plurality of worker terminals used by a plurality of workers engaged in a speech task that generates character data based on voice data,
Original voice data dividing means for dividing original voice data, which is voice data that is a source of the awakening work, into a plurality of transmission voice data that is voice data for transmission to the worker terminal; and the original voice data A server program that causes a server to function as a distribution transmission unit that distributes and transmits a plurality of transmission audio data generated by a division unit to the plurality of worker terminals.
前記サーバは、前記聞き起こし作業の元となる音声データである元音声データを前記作業者用端末への送信用の音声データである複数の送信用音声データに分割する元音声データ分割手段と、前記元音声データ分割手段によって生成された複数の前記送信用音声データを前記複数の作業者用端末に振り分けて送信する振分送信手段とを備えたことを特徴とする聞き起こしシステム。 A speech system comprising a plurality of worker terminals used by a plurality of workers engaged in a speech task that generates character data based on voice data, and a server that communicates with the plurality of worker terminals Because
The server includes original voice data dividing means for dividing original voice data, which is voice data that is a source of the listening work, into a plurality of transmission voice data that is voice data for transmission to the worker terminal; 2. A hearing system comprising: a distribution transmission unit that distributes and transmits a plurality of the transmission audio data generated by the original audio data division unit to the plurality of worker terminals.
前記作業者用端末は、前記区切り情報に基づいて前記送信用音声データを前記音声出力手段による前記音声の出力用の音声データである複数の出力用音声データに分割する送信用音声データ分割手段を備えたことを特徴とする請求項14に記載の聞き起こしシステム。 The distribution transmission means includes at least one type of delimiter information included in the original voice data, including a silent part, a sentence break part, a speaker switching part, and a topic switching part, together with the transmission voice data. To the device for
The worker terminal includes transmission voice data dividing means for dividing the transmission voice data into a plurality of output voice data which are voice data for outputting the voice by the voice output means based on the delimiter information. 15. The speech system according to claim 14, further comprising:
前記文字データ送信手段は、前記サーバに前記文字データを暗号化して送信することを特徴とする請求項14に記載の聞き起こしシステム。
The distribution transmission means encrypts and transmits the transmission voice data to the worker terminal,
15. The system according to claim 14, wherein the character data transmission means encrypts the character data and transmits it to the server.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2006179177A JP2008009693A (en) | 2006-06-29 | 2006-06-29 | Transcribing system, its server, and program for server |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2006179177A JP2008009693A (en) | 2006-06-29 | 2006-06-29 | Transcribing system, its server, and program for server |
Related Child Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2008146063A Division JP2008226272A (en) | 2008-06-03 | 2008-06-03 | Speech processing server |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2008009693A true JP2008009693A (en) | 2008-01-17 |
Family
ID=39067857
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2006179177A Pending JP2008009693A (en) | 2006-06-29 | 2006-06-29 | Transcribing system, its server, and program for server |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP2008009693A (en) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008107624A (en) * | 2006-10-26 | 2008-05-08 | Kddi Corp | Transcription system |
JP5533865B2 (en) * | 2009-06-18 | 2014-06-25 | 日本電気株式会社 | Editing support system, editing support method, and editing support program |
-
2006
- 2006-06-29 JP JP2006179177A patent/JP2008009693A/en active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008107624A (en) * | 2006-10-26 | 2008-05-08 | Kddi Corp | Transcription system |
JP5533865B2 (en) * | 2009-06-18 | 2014-06-25 | 日本電気株式会社 | Editing support system, editing support method, and editing support program |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9418659B2 (en) | Computer-implemented system and method for transcribing verbal messages | |
US8473081B2 (en) | Method and system for event reminder using an earpiece | |
US10659730B2 (en) | Systems and methods for improved video call handling | |
US20030157968A1 (en) | Personalized agent for portable devices and cellular phone | |
JP2009506356A (en) | System and method for synchronizing sound and manually transcribed text | |
JP2006042345A (en) | Apparatus and method of managing talk burst authority of mobile communication terminal device for ptt service | |
US20120166188A1 (en) | Selective noise filtering on voice communications | |
WO2020189441A1 (en) | Information processing device, information processing method, and program | |
US8077877B1 (en) | Courtesy announcement system and method of using | |
US20210295826A1 (en) | Real-time concurrent voice and text based communications | |
US11676607B2 (en) | Contextual denormalization for automatic speech recognition | |
US6760704B1 (en) | System for generating speech and non-speech audio messages | |
JP2006050500A (en) | Conference support system | |
JP2008107624A (en) | Transcription system | |
JP2013046088A (en) | Voice control system, voice controller, voice control method, and voice control program | |
JP2008009693A (en) | Transcribing system, its server, and program for server | |
KR102296925B1 (en) | Network broadcasting system | |
JP2002344636A (en) | Agenda automatic generating system in voice conference | |
JP2008226272A (en) | Speech processing server | |
US20210280193A1 (en) | Electronic Speech to Text Court Reporting System Utilizing Numerous Microphones And Eliminating Bleeding Between the Numerous Microphones | |
CN111754974B (en) | Information processing method, device, equipment and computer storage medium | |
KR101344288B1 (en) | System and method for providing emusicon in chatting program | |
JP5763018B2 (en) | Information presentation system and information presentation server | |
CA3166755A1 (en) | Audio interface to retrieve content from social media platform | |
JP2022185174A (en) | Message service providing method, message service providing program and message service system |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
RD04 | Notification of resignation of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7424 Effective date: 20071226 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20080220 |
|
A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20080220 |
|
A975 | Report on accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A971005 Effective date: 20080402 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20080409 |
|
RD02 | Notification of acceptance of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7422 Effective date: 20080515 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20080603 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20080701 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20080811 |
|
A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20081118 |