JP2012203066A - 音声認識装置及び音声認識処理方法 - Google Patents

Abstract

【課題】 音声認識処理を行う場合に、優先度に応じて音声認識処理を行うことができる音声認識装置及び音声認識処理方法を提供することを目的とする。
【解決手段】 音声認識装置３００は、音声データを外部から取得し、取得した音声データを一次出力データベース３０３へ記録し、一次出力データベース３０３に記録される音声データを、処理すべき優先度に応じた条件を記憶する優先度メモリ３０５に記憶される条件と比較し、条件に一致した音声データをその条件の優先度に応じて音声認識処理を行わせるとともに、その音声データに対する追加処理を音声認識処理部３０６に対して指示する。音声認識処理された音声認識結果は、格納処理部３０７によって音声認識結果データベース３００Ｄへ優先度と関連付けされて格納される。
【選択図】 図５

Description

本発明の実施形態は、例えば、コールセンタシステムで用いられる音声認識装置の優先度付けによる処理に関する。

通信販売、製品やサービスのサポートデスク、又は資料請求等の対応を行うコールセンタシステムでは、ユーザとオペレータとの通話を録音し、録音された音声を音声認識装置によって音声認識を行ってテキスト化し、通話終了後に内容をテキストで確認することができるようになっている。このような音声認識を行うコールセンタシステムでは、録音された順番に音声認識処理を実施している。この音声認識処理は、コールセンタで同時に多数の通話が録音されることから通話と同時に処理されるような処理速度ではない。コールセンタで録音された１日分の録音データの音声認識処理は、例えば、録音された日の翌日、又は翌々日に完了する。すなわち、コールセンタシステムでの音声認識処理は、上記のように時間がかかり、通話内容をテキストで確認することができるまでに相当の時間を要していた。

ところで、コールセンタにおける音声認識処理に関し、発信者がオペレータ端末と接続されるまでの間の発信者の音声を音声認識し、音声認識の結果、ＮＧワードと一致した場合に待呼の順番を優先的に先頭に変更させるシステムが知られている。

特開２００８−２１９７４１号公報

しかしながら、コールセンタにおける音声認識処理自体を優先的に行うことはできなく、すぐに通話内容をテキストで確認したい場合や先に音声認識処理を行うべき処理に応対することができない。

そこで、目的は、音声認識処理を行う場合に、優先度に応じて音声認識処理を行うことができる音声認識装置及び音声認識処理方法を提供することにある。

上記目的を達成するための音声認識装置は、音声データを外部から取得する音声取得手段と、前記音声データを、前記音声取得手段により記録される一次出力データベースと、処理すべき優先度に応じた条件及び前記条件での追加処理の情報を記憶する優先度メモリと、音声データを音声認識してテキスト化する音声認識処理手段と、前記一次出力データベースに記録される前記音声データを、前記優先度メモリに記憶される条件と比較し、前記条件に一致した音声データを前記条件の優先度に応じて前記音声認識処理手段へ出力するとともに、前記音声認識処理手段へ出力する音声データに対する追加処理を前記音声認識処理手段に対して指示する優先度制御手段と、前記音声認識処理手段により音声認識処理された音声認識結果を音声認識結果データベースへ格納する格納処理手段とを備えることを特徴とする。

また、上記目的を達成するための音声認識処理方法は、 音声データを外部から取得する音声取得ステップと、前記音声データを、前記音声取得ステップにより一次出力データベースへ記録する一次記録ステップと、音声データを音声認識してテキスト化する音声認識処理ステップと、前記一次出力データベースに記録される前記音声データを、処理すべき優先度に応じた条件及び前記条件での追加処理の情報を記憶する優先度メモリに記憶される条件と比較し、前記追加処理を指示して前記条件に一致した音声データを前記条件の優先度に応じて音声認識処理を行わせる優先度制御ステップと、前記音声認識処理ステップにより音声認識処理された音声認識結果を音声認識結果データベースへ格納する格納処理ステップとを有することを特徴とする。

本発明の一実施の形態に係るコールセンタシステムの構成を示すブロック図。 図１のコールセンタシステムに設けられる音声認識装置の構成を示すブロック図。 図２の音声認識装置が備える一次出力データベースに記録される音声データの管理情報の例を示す図。 図１の音声認識結果データベースに記録される音声認識結果の記録例を示す図。 図２の音声認識装置における優先度に応じた音声認識処理の動作を示すシーケンス図。

以下、図面を参照しながら、本実施形態に係る音声認識装置及び音声認識処理方法を説明する。

図１は、一実施の形態を示すコールセンタシステムの構成を示すブロック図である。このコールセンタシステムは、例えばＩＰ化されたシステムであり、ＩＰ交換装置１００、通話録音装置２００、通話音声データベース２００Ｄ、音声認識装置３００、音声認識結果データベース３００Ｄ、顧客データベース４００Ｄ、及び、電話端末１１、１２（以下、電話端末１０と総称する。）を有する。

ＩＰ交換装置１００は、ＩＰ網４００及びＬＡＮ（ローカルエリアネットワーク）と接続され、ＩＰ網４００からの発信を電話端末１０へ着信させる。また、ＩＰ交換装置１００は、電話端末１０からの発信を発信先へ接続する。さらに、ＩＰ交換装置１００は、電話端末１０との通話の音声データを、ＬＡＮを介して通話録音装置２００へ送る。

通話録音装置２００は、ＬＡＮを介してＩＰ交換装置１００からその通話の音声データを受け取り、受け取った音声データを通話音声データベース２００Ｄへ記録する。また、通話録音装置２００は、音声データ毎にオペレータの識別番号や発信番号等の管理情報を関連付けして通話音声データベース２００Dへ記録する。この管理情報は、ＩＰ交換装置１００から通話録音装置２００へ音声データとともにオペレータの識別番号や発信番号を送られてくる。または、オペレータの識別番号、発信番号、後述する業務番号は、オペレータによるＰＣ２０の操作に基づき通話録音装置２００に送られてもよい。なお、通話音声データベース２００Ｄには、録音した順に音声データ及びその管理情報が記録される。

音声認識装置３００は、通話録音装置２００によって通話音声データベース２００Ｄに記録された音声データを取得するために、通話音声録音装置２００に対して通話音声取得要求を行って音声データを取得する。また、音声認識装置３００は、取得した音声データを音声認識してテキスト化し、音声認識結果データベース３００Ｄへ記録する。

顧客データベース４００Ｄは、このコールセンタで応対する顧客の情報を記録する。後述するＰＣ（パーソナルコンピュータ）２０によって、顧客情報が読み出される。

電話端末１０は、ＩＰ交換装置１００とＬＡＮを介して接続され、オペレータにより外部との通話に用いられる。なお、電話端末１０は、ＬＡＮに接続されるＰＣ２０と予め対応付けされてもよく、電話端末１０とＰＣとが対応付けされている場合は、電話応対中のオペレータがＰＣ２０を操作することにより、顧客データベース４００Ｄに記録された顧客情報を閲覧又は更新を行うことができる。このような、電話端末１０、ＰＣ２０、及び顧客データベース４００Ｄの連携技術は、ＣＴＩ（Computer Telephony Integration）と呼ばれる。

なお、図１では電話端末１０は２台のみ示したが、ＬＡＮには多数の電話端末が接続される。

図２は、音声認識装置３００の構成を示す機能ブロック図である。音声認識装置３００は、ＬＡＮインタフェース（Ｉ／Ｆ）部３０１、音声取得処理部３０２、一次出力データベース３０３、優先度制御部３０４、優先度メモリ３０５、音声認識処理部３０６、格納処理部３０７、及び、登録処理部３０８を備える。

音声取得処理部３０２は、例えば、定期的に通話録音装置２００に対して通話音声取得要求を行い、この通話音声取得要求に応じて通話録音装置２００から送られてくる音声データとこの音声データに関連付けされた管理情報をＬＡＮインタフェース部３０１から受け取って一次出力データベース３０３に書き込む。また、次に音声データを取得した場合は、一次出力データベース３０３内に未だ残っている音声データの管理情報の次に今回取得した音声データの管理情報を書き込む。すなわち、取得した順に音声データが並べられる。

一次出力データベース３０３に書き込まれる情報は、通話音声データベース２００Ｄに記録される情報と同様である。一次出力データベース３０３に記録される情報の例を図３に示す。図３には、音声データを識別するための「通話１」等の通話識別番号、発信番号、後述する業務番号、及び、オペレータの識別番号が記録される。例えば、「通話１」は、発信番号が０３０−１１１１−２２２２、業務番号が２１、オペレータが佐藤さん（オペレータ識別番号が０１１４５２）であることが記録されている。「通話２」以降についても、同様に記録されている。

優先度メモリ３０５は、優先すべき音声データに関する情報を記憶し、優先度制御部３０４によって優先度情報を参照される。なお、この優先すべき音声データに関する情報は、例えば、コールセンタでの応対業務内容を示す業務番号、重要顧客の発信番号、又は、新人オペレータの識別番号等である。ここで、業務番号とは、キャンペーンに関する通話、修理に関する通話、問合せに関する通話等、オペレータの応対業務内容に応じてあらかじめ割り振られた番号である。特定の業務番号を優先することは、特定のキャンペーンについての集計を行う際、集計タイミングが近づいている場合にそのキャンペーンに関する通話の音声データを先に音声認識を行う場合に有効である。また、重要顧客のニーズをいち早く生かすために重要顧客の発信番号を優先して音声認識したり、新人オペレータの教育のために特定のオペレータが応対した通話の音声を優先して音声認識したりすることが可能になる。

また、優先度メモリ３０５には、優先すべき音声データに関する情報とともに、通常の音声認識処理であるテキスト化を行った後にそのテキストに対してどのような処理を行うかという追加処理の情報を関連付けされる。この追加処理は、例えば、怒りや喜び等の感情を分析する感情分析処理、特定のキーワードを抽出するキーワード抽出処理、頻発するキーワードやキーワードの組合せによって話題を特定する話題特定処理
優先度制御部３０４は、優先度メモリ３０５に記憶される優先すべき通話の音声データに関する管理情報と、一次出力データベース３０３に書き込まれた音声データの発信番号、業務番号、オペレータ識別番号等とを照合し、一次出力データベース３０３に書き込まれた音声データが優先すべき処理対象か否かを、一次出力データベース３０３に書き込まれた管理情報の順に判断する。また、優先度制御部３０４は、優先して処理すべき音声データと判断した音声データを、一次出力データベース３０３から読み出して順に音声認識処理部３０６へ出力する。優先して処理すべき音声データがなければ、優先して処理しなくてよい音声データを、一次出力データベース３０３に書き込まれた順に音声認識処理部３０６へ出力する。また、優先度制御部３０４は、一次出力データベース３０３から音声データを音声認識処理部３０６へ出力する場合に、優先度メモリ３０５に記憶される優先すべき処理対象の追加処理を音声認識処理部３０６に対して指示する。また、優先度制御部３０４は、一次出力データベース３０３から音声データを音声認識処理部３０６へ出力する場合に、出力した音声データの管理情報に優先度情報を付加して格納処理部３０７へ出力する。

なお、優先度制御部３０４はタイマを備え、一定時間のみ優先して処理しなくてよい音声データを音声認識処理部３０６へ出力するようにしてもよい。この場合、優先度制御部３０４は、タイマがタイムアウトした場合に、タイムアウトを音声取得処理部３０２に通知し、音声取得処理部３０２は、このタイムアウトの通知を契機に通話録音装置２００に対して通話音声取得要求を行うようにしてもよい。

このように、タイマを用いて優先しなくてよい音声データを音声認識処理部３０６へ出力する処理を一定時間に限定し、タイムアウトした場合に次に録音された音声データを取得するようにすることで、優先して処理すべき音声データを優先して処理することができる。タイマがない場合は、一次出力データベース３０３に優先して処理すべき音声データが無くなるまで、優先しなくてよい音声データの音声認識処理を行うことができないが、このタイマを用い音声データの取得と連動させることで、優先しなくてよい音声データについての音声認識処理を少しずつ（優先度を下げて）行うことができる。

音声認識処理部３０６は、内部にバッファを備え、優先度制御部３０４によりそのバッファに音声データが書き込まれる。音声認識処理部３０６は、そのバッファに書き込まれた音声データを書き込まれた順に音声認識処理を行い、音声認識した結果としてテキストデータを格納処理部３０７に出力する。このとき、追加処理の指定がある処理であれば、キーワード抽出処理等の追加処理を行い、追加処理の結果も格納処理部３０７に出力する。

格納処理部３０７は、音声認識処理部３０６から受け取った音声認識結果であるテキストデータ及び追加処理の結果を、優先度制御部３０４から送られてくる優先度情報が付加された管理情報と照合し、テキストデータ及び追加処理の結果を、顧客情報（発信番号や顧客ＩＤ）、業務番号、オペレータの情報、優先度、追加処理内容等と関連付けて音声認識結果データベース３００Ｄへ記録する。また、例えば、優先して処理されたものとそうでないものとを別フォルダで管理するようにしてもよい。音声認識結果データベース３００Ｄの音声認識結果の記録の例は、図４に示される。この例では、通話１は、優先すべき処理対象であり、追加処理内容は話題抽出である。また、基本の音声認識結果は、「修理をお願いしたいのですが…」というテキストであり、追加処理結果（ここでは話題特定処理の結果）は、「修理」である。

このように、分類したり優先か否かをユーザが識別可能にしたりして音声認識結果データベース３００Ｄへ記録することで、音声データをテキストで確認したい場合に優先して確認すべきものがわかりやすくなる。

登録処理部３０８は、ＬＡＮインタフェース部３０１から入力される優先度情報の登録要求に応じて、優先度情報を優先度メモリ３０５に記憶する。例えば、オペレータがＰＣ２０を操作して音声認識装置３００に対して優先度情報の登録要求を行う。このとき、顧客に応じた優先度情報の登録要求を行う場合は、ＰＣ２０から顧客データベース４００Ｄを参照して、顧客の情報を閲覧する。

図５は、音声認識装置における優先度に応じた音声認識処理の動作を示すシーケンス図である。

まず、音声取得処理部３０２は、通話録音装置２００に対して通話音声要求通知を出力して音声データとその管理情報とをＬＡＮインタフェース３０１から受け取り（Ｓ１）、一次出力データベース３０３に書き込む（Ｓ２）。優先度制御部３０４は、一次出力データベース３０３に書き込まれた音声データの管理情報と優先度メモリ３０５とを照合して、優先すべき処理対象が有るか否かを判断する（Ｓ３）。優先すべき処理対象がある場合（ステップＳ３でＹｅｓ）は、一次出力データベース３０３に記憶される管理情報の順に優先度を判定し（Ｓ４）、判定の結果、優先すべき処理対象であれば（ステップＳ４で優先）優先すべき音声データを音声認識処理部３０６へ出力する（Ｓ５）。このとき、優先度制御部３０４は、その音声データの管理情報を格納処理部３０７へ出力する。また、優先度制御部３０４は、その音声データに対して行う追加処理を音声認識処理部３０６に対して指定する。その後、優先すべき処理対象の有無の判断を行う（Ｓ３）。また、優先度判定の結果、優先すべき処理対象でなければ（ステップＳ４で非優先）その音声データを一次出力ＤＢから取り出さず、次の音声データの優先度判断を続ける（Ｓ６）。

ステップＳ３で優先すべき処理対象が無い場合（ステップＳ３でＮｏ）は、優先でない音声データを一次出力データベース３０３から取り出して音声認識処理部３０６へ出力する。このとき、優先度制御部３０４は、その音声データの管理情報を格納処理部３０７へ出力する。その後、タイマがタイムアウトしたか否かを判断し（Ｓ８）、タイムアウトしていなければ（ステップＳ８でＮｏ）ステップＳ７の優先でない音声データを音声認識処理部３０６へ出力する処理を継続し、タイムアウトした場合（ステップＳ８でＹｅｓ）は、ステップＳ１へ戻り音声データを通話録音装置２００から取得する。

以上のように、音声認識装置に音声認識処理を優先して行うべき条件を予め記憶しておき、その条件と一致した音声データを音声認識処理することで、音声認識処理を優先度に応じて処理することができる。また、音声認識結果を、優先か否かをユーザが識別可能にして音声認識結果データベース３００Ｄへ記録することで、テキストを確認する場合に、優先のものを纏めて確認することができる。

また、音声認識処理行う際に、基本の音声認識処理である音声データのテキスト化だけでなく、音声データに応じて追加の音声認識処理を行うようにすることで、音声認識処理を通話毎に最適化することが可能となり、処理効率が向上する。すなわち、追加サービスを全ての音声データに適用すると音声認識処理の負荷上昇が見込まれるが、追加サービスの適用対象を優先度に応じて限定することで全ての音声データに対して処理を追加する必要がなくなり、処理効率が上昇する。

本発明は、以上の構成に限定されるものではなく、種々の変形が可能である。例えば、上記実施形態では、音声認識装置３００が備える優先度制御部３０４は、一次出力データベース３０３に記録されている音声データの優先度を判断した後に一次出力データベース３０３から音声データを取り出して音声認識処理部３０６へ出力したが、優先度制御部３０４は、内部にメモリを備えて、一次出力データベースから音声データの管理情報（または管理情報と音声データと）を取得し、非優先と判断された音声データについては、その管理情報（または管理情報と音声データと）を一次出力データベースへ戻すようにしてもよい。また、優先度制御部３０４は、一次出力データベース３０３に記録されている音声データの優先度を判断した後に優先すべき処理を音声認識処理部３０６へ出力する場合、その時点では一次出力データベース３０３からその処理対象の音声データを削除せずに処理済のステータスを付加し、後に纏めて削除するようにしてもよい。さらに、上記実施形態では、優先度を、優先または非優先としたが、優先の度合いによって３つ以上の段階に分けて、優先度の高いものから処理するようにしてもよい。

なお、本発明のいくつかの実施形態を説明したが、これらの実施形態は、例として提示したものであり、発明の範囲を限定することは意図していない。これら新規な実施形態は、その他の様々な形態で実施されることが可能であり、発明の要旨を逸脱しない範囲で、種々の省略、置き換え、変更を行うことができる。これら実施形態やその変形は、発明の範囲や要旨に含まれるとともに、特許請求の範囲に記載された発明とその均等の範囲に含まれる。

１０，１１，１２…電話端末、２０…ＰＣ、１００…ＩＰ交換装置、２００…通話録音装置、２００Ｄ…通話音声データベース、３００…音声認識装置、３００Ｄ…音声認識結果データベース、３０１…ＬＡＮインタフェース部、３０２…音声取得処理部、３０３…一次出力データベース、３０４…優先度制御部。３０５…優先度メモリ、３０６…音声認識処理部、３０７…格納処理部、３０８…登録処理部、４００…ＩＰ網。

Claims (6)

1. 音声データを外部から取得する音声取得手段と、
   前記音声データを、前記音声取得手段により記録される一次出力データベースと、
   処理すべき優先度に応じた条件及び前記条件での追加処理の情報を記憶する優先度メモリと、
   音声データを音声認識してテキスト化する音声認識処理手段と、
   前記一次出力データベースに記録される前記音声データを、前記優先度メモリに記憶される条件と比較し、前記条件に一致した音声データを前記条件の優先度に応じて前記音声認識処理手段へ出力するとともに、前記音声認識処理手段へ出力する音声データに対する追加処理を前記音声認識処理手段に対して指示する優先度制御手段と、
   前記音声認識処理手段により音声認識処理された音声認識結果を音声認識結果データベースへ格納する格納処理手段と
   を備えることを特徴とする音声認識装置。
2. 前記追加処理は、前記音声データのテキスト化の処理の後に行う、感情分析処理、キーワード抽出処理、又は話題特定処理の少なくとも何れか１つを含む処理であることを特徴とする請求項１に記載の音声認識装置。
3. 前記格納処理手段は、前記音声認識処理手段により音声認識処理された音声認識結果を前記音声認識結果データベースへ格納する場合に、前記優先度及び前記追加処理と関連付けて前記音声認識結果データベースへ格納することを特徴とする請求項１又は請求項２に記載の音声認識装置。
4. 音声データを外部から取得する音声取得ステップと、
   前記音声データを、前記音声取得ステップにより一次出力データベースへ記録する一次記録ステップと、
   音声データを音声認識してテキスト化する音声認識処理ステップと、
   前記一次出力データベースに記録される前記音声データを、処理すべき優先度に応じた条件及び前記条件での追加処理の情報を記憶する優先度メモリに記憶される条件と比較し、前記追加処理を指示して前記条件に一致した音声データを前記条件の優先度に応じて音声認識処理を行わせる優先度制御ステップと、
   前記音声認識処理ステップにより音声認識処理された音声認識結果を音声認識結果データベースへ格納する格納処理ステップと
   を有することを特徴とする音声認識処理方法。
5. 前記追加処理は、前記音声データのテキスト化の処理の後に行う、感情分析処理、キーワード抽出処理、又は話題特定処理の少なくとも何れか１つを含む処理であることを特徴とする請求項４に記載の音声認識装置。
6. 前記格納処理手段は、前記音声認識処理手段により音声認識処理された音声認識結果を前記音声認識結果データベースへ格納する場合に、前記優先度及び前記追加処理と関連付けて前記音声認識結果データベースへ格納することを特徴とする請求項４又は請求項５に記載の音声認識処理方法。

Images