JP2017169037A - 通話録音システム及び通話録音方法 - Google Patents

Abstract

【課題】通話録音システムで生成される録音ファイルに関し、特定音を除去することで、処理量を低減して処理効率を向上させ、ＴＣＯを削減させる。【解決手段】電話による通話を録音して録音ファイルを作成する録音装置と、通話イベント・録音情報を取得する通話情報取得装置と、通話・録音情報管理装置とを備え、前記通話イベント・録音情報は、前記通話に関する通話イベントの情報と、前記録音に関する録音情報と、前記通話イベントに関する時間情報及び前記録音に関する時間情報とを含んでおり、前記通話イベント情報、前記録音情報及び前記時間情報に基づき、前記一次録音ファイルに含まれる録音データから特定音に相当する削除イベントと削除時間長の情報とを抽出し、抽出された前記削除イベントと前記削除時間長の情報とに基づき前記削除イベントに関する前記録音データを前記一次録音ファイルから削除して二次録音ファイルとして生成する。【選択図】図９

Description

本発明は、通話録音システム及び通話録音方法に係り、特に、コールセンタやオフィス等における顧客等との通話の内容を録音した録音ファイルの処理技術に関する。

コールセンタやオフィスにおける、顧客との電話対応時の通話を録音ファイルに記録するために、通話録音システムが用いられている。蓄積した録音ファイルを有効活用するために、音声データを、音声認識技術により分析することでテキストとして通話内容を可視化して活用することが行われている。この種の通話録音システムでは、例えば、録音ファイルを検索するインデックスとして、通話情報（通話開始時間、通話終了時間、通話識別ＩＤ、内線番号）と録音情報（通話開始時間、通話終了時間、録音ファイル）をデータベースにより管理する。これにより、システムの利用者は、通話情報をキーとして検索し、録音ファイルを再生できる。

特許文献１には、コールセンタやオフィスで生成される電話の通話録音ファイルや監視カメラ等で取得される画像ファイルの管理に関する技術が記載されている。特許文献１によれば、呼制御サーバが、ＣＴＩリンク（呼制御用インタファース（I/F））を介して電話システムから、この電話システムのＰＢＸと内部の電話機との間でやり取りされる呼制御情報（電話の着信、発信元電話番号、相手先電話番号等）、この電話システムにおいて端末を操作するオペレータの情報、この電話システムの状態情報、及び端末の情報を取得して管理する。
また、特許文献２には、音声データに含まれる非音声音を判定し、不要な音声パターンに一致する音を識別して、音声認識エンジン内で除外する処理を行うことで、音声認識の精度を向上させる技術が記載されている。

特開２０１４−１１６８９３号公報 特開２０１４−１１９５３６号公報

音声認識装置では、通話録音である録音ファイルを入力として、認識結果を出力する。しかし、録音ファイルには、呼出音や保留音等の特定音が通話音声と共に録音される。録音ファイルに呼出音や保留音等の特定音が含まれる場合、これらの特定音は、実際の通話音声ではないため、音声認識装置による音声認識結果に不要な情報になる。さらに、呼出音および保留音等の特定音の量に比例して、音声認識の処理量が増加し、ＴＣＯ(Total Cost of Ownership)が増加する。

特許文献１には、録音ファイルの音声認識に関する記載はない。
特許文献２に記載の発明では、非音声音データベースに予め設定された非音声音の特徴データに一致する特徴量データを検索することで不要な非音声音を除外している。この方式では、比較対象の非音声音の特徴量を記憶したデータベースが必要になる。さらに、非音声音の除外処理において、音声の量が多いほど、音声認識処理に要する時間は増大する。

本発明の目的は、通話録音システムで生成される一次録音ファイルに関して、この一次録音ファイルに関連して生成されるイベント情報を用いて特定音の除去処理を行った二次録音ファイルを生成することで、比較対象のデータベースの検索を不要とし、音声認識における処理効率を向上させ、ＴＣＯを削減することにある。

本願において開示される発明のうち、代表的なものの概要を説明すれば、下記のとおりである。通話録音システムは、電話による通話を録音して録音ファイルを作成する録音装置と、前記通話及び前記録音に関係する通話イベント・録音情報を取得する通話情報取得装置と、前記録音ファイルを管理する通話・録音情報管理装置とを備え、前記通話イベント・録音情報は、前記通話に関する通話イベントの情報と、前記録音に関する録音情報と、前記通話イベントに関する時間情報及び前記録音に関する時間情報とを含んでおり、前記通話・録音情報管理装置は、前記録音ファイルから特定音の削除処理を行う音声ファイル処理部を有し、前記音声ファイル処理部は、前記録音データの中の前記特定音に対応して、前記通話イベント及び前記録音情報の中で削除可能な削除イベントの情報を取得する機能と、前記録音ファイルを処理対象の一次録音ファイルとし、前記通話イベント情報、前記録音情報及び前記時間情報に基づき、前記一次録音ファイルに含まれる録音データから前記削除イベントと該削除イベントの削除時間長の情報とを抽出し、抽出された前記削除イベントと前記削除時間長の情報とに基づき前記削除イベントに関する前記録音データを前記一次録音ファイルから削除して二次録音ファイルとして生成する機能とを有することを特徴とする。

本発明によれば、一次録音ファイルに関連して生成された通話に関するイベント情報を利用して、一次録音ファイルから特定音の削除処理を行って二次録音ファイルを生成するので、比較対象の特殊なデータベースの検索が不要である。また、音声認識システムにおいて音声認識処理の対象となる処理量が低減するため処理効率が向上し、ＴＣＯを削減させることができる。

本発明の実施例１に係る通話録音システムを適用したコールセンタシステムの構成例を示す図。 本発明の実施例１に係る通話録音システムの構成例を示す図。 実施例１における、音声ファイル処理部の機能ブロックの例を示す図。 実施例１における、通話イベント情報テーブルのフォーマットの例を示す図。 実施例１における、録音情報テーブルの構成例を示す図。 実施例１における、音声ファイル処理部への入力情報の一例を示すタイムチャート。 実施例１における、通話録音システムの動作を示すフローチャート。 実施例１における、一次録音ファイルから二次録音ファイルを生成する動作を示すシーケンス図。 実施例１における、通話録音システムの動作を示す模式図。 実施例１における、二次録音ファイルの生成過程の説明図。 本発明の実施例２に対応する、一次録音ファイルの例を示す説明図。 本発明の実施例３に対応する、一次録音ファイルの例を示す説明図。

以下、本発明の実施の形態を、図面に基づいて詳細に説明する。

まず、本発明の実施例１について、図１−図１０を参照しながら説明する。
図１は、実施例１に係る通話録音システムを適用したコールセンタシステムの構成例を示す図である。
コールセンタシステムでは、顧客等の架電者（電話をかける者）の顧客側電話機１０から公衆網１１を介して接続されるＩＰ−ＰＢＸ（Internet Protocol−Private Branch exchange、ＩＰ回線対応構内交換機）１２が、ネットワーク接続部１３を介して、オペレータ側ＩＰ電話機１４と接続されている。ＩＰ−ＰＢＸ１２は、顧客の顧客側電話機１０からの呼を受けて、通話のプロトコル変換、発着信の呼制御などを行う。オペレータ側ＩＰ電話機１４は、顧客の顧客側電話機１０と公衆網１１を介した外線による通話をするための装置である。架電者とオペレータとの通話は、通話録音システム１００により通話・録音情報として記録・保持される。オペレータ（又は管理者）は、ＰＣ端末１５を介して、通話録音システム１００にアクセスできる。１６は呼制御サーバであり、ＩＰ−ＰＢＸ１２とオペレータ側ＩＰ電話機１４との間でやり取りされる通話の呼制御情報（電話の着信、発信元電話番号、相手先電話番号等）、オペレータ側ＩＰ電話機１４を操作するオペレータの情報、ＩＰ−ＰＢＸ１２の状態情報、及びオペレータ側ＩＰ電話機１４やそれを操作する通話端末（図示略）の情報を取得して管理する。これらの情報はインタフェースを介してネットワーク接続部１３に転送される。

通話録音システム１００は、例えばサーバ装置で構成され、通話情報取得装置１１０、録音装置１２０、音声ファイル処理部（以下では、音声ファイル編集処理部と記載する場合もある）１４０を含む通話・録音情報管理装置１３０、及び、音声認識装置１６０としての機能を備えている。通話情報取得装置１１０は、通話に関係する通話イベント情報と、録音に関する録音情報とを、各々対応する時間情報と共に、前記通話イベント・録音情報として記録する通話情報取得機能を有している。例えば、ＩＰ−ＰＢＸ１２や呼制御サーバ１６から、「通話開始」や「通話終了」といった通話イベントに関する情報（通話時刻、内線番号）などを取得する。

録音装置１２０は、架電者とオペレータの通話音声を通話パケットとして取得し録音ファイルを作成する録音機能を有する。すなわち、顧客側電話機１０とオペレータ側ＩＰ電話機１４、または、オペレータ側ＩＰ電話機１４同士で通話を行うと、生成される音声パケット（ＲＴＰパケット）をキャプチャして録音ファイルを生成する。このＲＴＰパケットに呼出音、保留音が含まれると、その部位も録音ファイルとして生成する。すなわち、録音装置１２０は、電話機間でやりとりされる通話のデータストリームを、録音データとして録音ファイルに記録する。オペレータ側ＩＰ電話機１４での通話は、ＩＰ網でのＲＴＰ（Real−time Transport Protocol）によるものであり、録音装置１２０に送られ、一定時間ごと等に分割された録音ファイルとして保存される。

通話・録音情報管理装置１３０は、録音ファイルを管理する機能を有し、ＩＰ−ＰＢＸ１２や呼制御サーバ１６から取得した録音ファイルに関連する付加的な通話情報（通話イベント情報・録音情報等）に基づき、録音装置１２０で生成された録音ファイル（本発明では、一次録音ファイルと定義する）１５３から編集済の録音ファイル（本発明では、二次録音ファイル若しくは編集済録音ファイルと定義する）１５４を生成し、通話イベント・録音情報管理ＤＢ１５０に保持する機能を有している。すなわち、ＩＰ−ＰＢＸ１２とオペレータ側ＩＰ電話機１４との間でやり取りされる通話用パケット（例えば音声パケット）を取得し、一次録音ファイル１５３を管理するために、通話の基本属性情報を取得して録音情報テーブル１５２を作成すると共に、一次録音ファイルの通話に付加的なイベント情報を取得して通話イベント情報テーブル１５１を作成する。作成された通話イベント情報テーブル１５１、録音情報テーブル１５２、及び、一次録音ファイル１５３は、通話イベント・録音情報管理ＤＢ１５０に記憶される。

通話・録音情報管理装置１３０において、一次録音ファイル１５３から編集済の二次録音ファイル１５４を生成する処理は、音声ファイル編集処理１４０で実行される。一次録音ファイル１５３の録音データは、通話音声に関するデータと、通話音声以外の非通話音の音声データとを含んでいる。音声ファイル編集処理部１４０は、一次録音ファイル１５３から不要な音声（非通話音）を削除して、編集済録音ファイル１５４を生成し、バッファメモリ１５５に記録する。通話・録音情報管理装置１３０や音声ファイル編集処理部１４０は、データベースとして、通話・録音情報管理ＤＢ１５０をアクセスする。バッファメモリ１５５に一時的に格納された編集済録音ファイル１５４は、音声認識装置１６０へ転送される。音声認識装置１６０は、編集済録音ファイル１５４の音声データである録音データをテキストデータに変換して認識ファイルを生成する機能を有する。音声認識装置１６０は、データベースとして、音声認識管理ＤＢ１７０をアクセスする。

ＰＣ端末１５は、入出力部及びプロセッサ（処理手段）を備えた管理者用端末であり、オペレータＩＰ電話機１４の稼働状況やオペレータの作業状況を監視する機能を有する。オペレータは、ＰＣ端末１５から通話録音システム１００を操作することにより、必要な通話・録音情報を取得することができる。

なお、録音ファイル（一次録音ファイル１５３及び編集済録音ファイル１５４）は、架電者等の通話者とオペレータの間で交わされた通話音から成るファイルであり、例えば、商品注文やサービスの要求・変更、苦情（クレーム）、顧客からの契約内容の確認、等々に関する音声があげられる。録音情報テーブル１５２として構成される属性情報は、通話（即ち録音ファイル）ごとに特徴的な情報であり、通話パケットから取得される、オペレータと話者間で交わされる通話の開始時刻及び終了時刻、送信元ＩＰアドレス（ＰＢＸの内線側のポートＩＰアドレス）及び宛先ＩＰアドレス（内線電話機のＩＰアドレス）等が含まれる。

次に、図２を参照しながら、通話・録音情報管理装置１３０の構成について、より詳細に説明する。
通話・録音情報管理装置１３０は、通話情報登録部１３１、録音情報登録部１３２、検索画面部１３３、削除判定条件設定部１３５、録音転送部１３６、及び、音声ファイル編集処理部１４０等を備えている。オペレータがＰＣ端末１５から検索画面部１３３を操作して入力した情報に基づき、通話・録音情報管理ＤＢ１５０から音声認識の対象となる一次録音ファイル１５３０を検索・抽出するための処理がなされる。オペレータが抽出した一次録音ファイル１５３０の通話ＩＤが認識対象キュー１３４に入力され、入力順に音声認識の対象となる（Firs−In，First−Out）。また、音声データの特定音（不要音）の削除処理を行うのに必要な削除判定条件が、予め、オペレータにより、ＰＣ端末１５から削除判定条件設定部１３５を介して設定される。削除対象となる特定音（不要音）の判定条件の例としては、「保留音声」、「呼出音声」、「自動応答音声」等がある。

音声認識に先行して、音声ファイル編集処理部１４０において、認識対象キュー１３４に蓄積された通話ＩＤに対応する一次録音ファイル１５３０の音声データの削除処理が行われる。一次録音ファイル１５３から、判定条件に対応する不要な音声データが削除されて、編集済録音ファイル１５４０が生成される。この編集済録音ファイル１５４０が、音声認識の対象として、音声認識装置１６０へ転送される。

音声認識装置１６０は、録音受付部１６１、音声認識部１６２、及び、認識結果ＤＢ１７０を備えている。認識結果ＤＢ１７０には、業務情報・認識情報対応テーブル１７１や認識結果ファイル１７２が保持される。なお、認識結果ＤＢ１７０は、通話録音システム１００の外部、例えばクラウド上に設けても良い。

音声認識部１６２は、音声認識エンジン（図示略）により、録音データをテキストデータに変換する。業務情報・認識情報対応テーブルは、コールセンタにおける業務情報に関する録音データの音声認識に使用する認識エンジンを対応付けるテーブルである。

通話・録音情報管理装置１３０のハードウェア構成は示していないが、プログラムを実行するプロセッサ、データ及び実行予定のプログラムを格納するメモリ等を有し、上記各部は、サーバのプロセッサでプログラムが実行されることでそれらの機能が実現される。

図３に、プログラムが実行されることで実現される音声ファイル編集処理部１４０の機能ブロックの例を示す。音声ファイル編集処理部１４０は、認識対象キュー（通話ＩＤ）を取得する機能１４００、一次録音ファイルの通話データ取得機能１４１０、録音情報・通話イベント情報取得機能１４２０、削除対象イベント抽出・削除時間決定処理機能１４３０、削除判定条件取得機能１４４０、不要音声削除処理機能１４５０、編集済録音ファイル処理機能１４６０、編集済録音ファイル転送機能１４７０、及び、Ｉ／Ｏ１４８０を備えている。

音声ファイル編集処理部１４０は、通話イベント情報及び録音情報から、通話音声以外の音声（特定音）のデータに対応して予め削除可能に設定されている削除イベントの情報を取得し、通話ＩＤに対応した一次録音ファイル１５３０を処理対象とする。さらに、この一次録音ファイルに対応した通話イベント情報テーブル１５１及び録音情報テーブル１５２から、各イベント情報と各イベントの時間情報とを取得する。そして、一次録音ファイル１５３０の録音データに含まれる削除イベントとこの削除イベントに対応する削除時間情報とを抽出し、削除時間情報に基づき削除イベントに関する録音データを一次録音ファイルから削除して、編集済録音ファイル１５４として生成する。この編集済録音ファイル１５４０は、録音転送部１３６により、音声認識装置１６０へ転送される。

図４は、通話イベント情報テーブル１５１のフォーマットの例を示す図である。
通話イベント情報テーブル１５１は一次録音ファイルの通話に付加的な属性情報を含んで構成される。すなわち、録音ファイルを識別する通話ＩＤ、話者との録音等のイベントを開始した時刻を示すイベント時刻（年月日時分秒）、内線（内線電話機のＩＰアドレス）、録音開始等のイベントの種別を示すイベント、通話先の外線番号や内線電話番号を示す相手先電話番号、コールセンタで対応するオペレータを識別するオペレータＩＤ、電話機からの発信か着信かの種別を示す発着信種別、着信番号、呼識別ＩＤ、の各情報を含んでいる。内線や相手先の電話番号は、呼制御用のパケットを監視したり或いはＩＰ−ＰＢＸが保持する情報を取得する等の方法で得られる。なお、この例では、イベント「録音開始」と同期してイベント「呼出音」が発生し、イベント「呼出音」の終了とイベント「通話音声」の開始とが同期しているものとする。

この例の通話イベント情報テーブル１５１によれば、通話ＩＤ１００００として記録された一連の通話は、内線「１０００」から、オペレータＯＰ１０００と外線番号「０９０１１２２ＸＸＸＸ」の話者との通話であり（呼識別ＩＤ＝ＡＡＡＡＡ）、１０時１０分００秒に通話が開始されたことがわかる。この通話は、１０時１５分３０秒に一旦保留となり、１０時１５分４５秒に再開され、１０時１６分３０秒に終了している。

図５は、図４の通話イベント情報テーブル１５１に対応する、録音情報テーブル１５２の構成例を示す図である。録音情報テーブル１５２は、一次録音ファイルの基本属性情報を含んで構成される。すなわち、話者との録音を開始した時刻を示す録音開始時刻（年月日時分秒）、同じく録音を終了した時刻を示す録音終了時刻（年月日時分秒）、通話元の内線電話番号を示す内線番号、録音ファイルの送信元ＩＰアドレス（ＰＢＸの内線側のポートＩＰアドレス）ＩＰ１及び宛先ＩＰアドレス（内線電話機のＩＰアドレス）ＩＰ２、対応する通話ＩＤ、及び、一次録音ファイルの格納場所を示す録音ファイルパス、の各情報を含んでいる。一次録音ファイルは、例として、音声パケットが送信された状態を録音の開始とし、音声パケットが一定期間送信されてない状態を終了と判定して、録音の開始時刻から終了時刻までの音声パケットから生成する。

なお、送信元ＩＰアドレスＩＰ１や宛先ＩＰアドレスＩＰ２は、通話パケットのヘッダ部から取得される。録音ファイルパスは、録音ファイルが格納されているストレージ内ディレクトリ等の情報である。また、通話元の電話番号は、呼制御用のパケットを監視する等の方法で得られる。

この例の録音情報テーブル１５２によれば、通話ＩＤ１００００として記録された一連の通話は、１０時０９分５０秒に録音が開始され、１０時１６分３０秒に録音が終了している。

音声ファイル編集処理部１４０には、認識対象キュー１３４にある通話ＩＤ１４００に基づいて取得された一次録音ファイルの通話イベント情報１５１０及び録音情報１５２０に関する情報が入力される。図６は、音声ファイル編集処理部１４０への入力情報６００の一例を示す、タイムチャートである。

入力情報６００によれば、通話ＩＤ１００００に対応する一次録音ファイル１５３０の先頭にはヘッダ１５３１が付与されている。このヘッダには、一次録音ファイルのファイルサイズや記憶レート（Byte/sec）の情報等が含まれている。一次録音ファイル１５３０はさらに、録音に関するイベント（録音開始Ｙ１，録音終了Ｙ２）の間で連続した録音ファイルとなっている。通話イベントの（ａ）呼出音１５３２は、この例では、録音開始Ｙ１と同期している。通話イベントの通話開始（Ｅ１）に伴い通話音声１５３３が記録され、保留（Ｅ２）に伴い通話が一旦保留となり、その間、（ｂ）保留音１５３４が流れ、通話再開（Ｅ３）に伴う通話音声１５３５が記録され、通話終了（Ｅ４）と同期して録音終了（Ｙ２）になっている。

次に、図７−図１０を参照しながら、本実施例の通話録音システム１００における不要音声データの削除処理の動作を説明する。図７は通話録音システムの動作を示すフローチャート、図８は、一次録音ファイルから編集済録音ファイルを生成する動作を示すシーケンス図、図９は、通話録音システムの動作を示す模式図、図１０は、編集済録音ファイルの生成過程の説明図である。

最初に、編集処理対象となる音声ファイル１５３０を特定するために、認識対象キュー１３４の検索を行い、処理対象の通話ＩＤを取得する（図７：Ｓ７０１）。すなわち、図８に示すように、オペレータが端末１５を介して通話・録音情報管理装置１３０を起動し、その検索画面１３３を介して通話情報を要求する。これに対して、通話・録音情報管理装置１３０は、通話・録音情報管理ＤＢ１５０にアクセスし、通話情報を返信する。端末１５のオペレータは、認識処理の対象となる少なくとも１つの一次録音ファイルの通話ＩＤを選択する。選択された通話ＩＤは、認識キュー１３４に入力され、入力順に音声認識の対象となる。音声ファイル編集処理部１４０は、認識キュー１３４を検索して、最初に編集処理を行うべき一次録音ファイルの通話ＩＤ１４００を取得する。

なお、一次録音ファイルの通話ＩＤの取得は、オペレータが随時行っても良いが、予め編集処理の対象をオペレータが通話・録音情報管理装置１３０に設定し、所定の時間ごとに定期的に検索処理が実行され、認識キュー１３４に入力され、さらに、音声認識の処理がなされるようにしても良い。

次に、通話ＩＤ１４００を基に、通話イベント情報テーブル１５１から、対応する通話イベント情報１５１０を取得し（図７：Ｓ７０２）、録音情報テーブル１５２から、通話ＩＤ１４００に対応する録音情報１５２０を取得し（Ｓ７０３）、録音情報１５２０の録音ファイルパスより、処理対象の一次録音ファイル１５３０を取得する（Ｓ７０４）。さらに、一次録音ファイルのヘッダ１５３１から、この一次録音ファイル１５３０の記憶レート（Byte/sec）を取り出す（Ｓ７０５）。

次に、通話イベント情報１５１０から、一次録音ファイル１５３０の各通話イベント（E1，−，Ez）と対応する各イベント開始時刻（Te1，-）を取得する（Ｓ７０６）。また、録音情報１５２０から、他の通話イベント（録音開始に伴う呼出（Y1））、録音終了（Y2））と、各対応の開始時刻（Ty1）、終了時刻（Ty2）を取得する（Ｓ７０７）。さらに、音声データの削除の判定処理を行うのに必要な、一次録音ファイルのイベント削除条件１３５を取得する（Ｓ７０８）。

すなわち、図９に示したように、通話・録音情報管理装置１３０は、通話ＩＤ１４００に対応する、通話イベント情報１５１、録音情報１５２、一次録音ファイル、及び、不要音削除判定条件をそれぞれ取得する。

次に、図７のＳ７０６、Ｓ７０７で取得した通話イベントの中から、イベント削除条件１３５に該当する削除対象の通話イベント（Y1，E2，−）を抽出し、これら各削除対象の各イベントの開始時刻（Ty1，Te2，−）を取得する（Ｓ７０９）。また、削除対象のイベント（録音開始）の時刻（Ty1）と次の非削除イベント（通話開始）の時刻（Te1）の差分時間、すなわち削除時間長（t1）を取得する（Ｓ７１０）。

すなわち、音声データの削除の判定処理の結果、図１０のテーブル１０００に示したように、音声ファイル編集処理部１４０において、削除イベント「（ａ）呼出音」１５３２と、この削除イベントに対応する削除時間長の情報（t1）とが抽出される。

次に、一次録音ファイル１５３０から、最初の削除対象のイベント、ここでは、録音開始時刻（Ty1）を始点に、「差分時間（t1）×記憶レート」のバイト数ｎ1を削除する（Ｓ７１１）。すなわち、図１０に示したように、一次録音ファイル１５３０から、通話イベントの「（ａ）呼出音」１５３２に対応する録音ファイル部分が削除される。

さらに、削除対象の他のイベントがあるか判定を行う（Ｓ７１２）。削除対象の他のイベントがある場合、削除対象のイベントと次の非削除イベントの開始時刻の差分時間、すなわち削除時間長を取得し（Ｓ７１６）、一次録音ファイルから、削除イベントの開始時刻を始点に、「差分時間×記憶レート」のバイト数ｎｎを削除する（Ｓ７１７）。例えば、図１０の例では、判定条件に該当する「（ｂ）保留音」１５３４と、この削除イベントに対応する削除時間長の情報（t2）とが抽出される。そして、一次録音ファイル１５３０のデータから、通話イベントの「（ｂ）保留音」１５３４に対応する録音ファイル部分のデータが削除される。このようにして、一次録音ファイル１５３０は、図１０の「削除済録音ファイル」のような、通話音声１５３３、１５３５部分のみを有するデータとなる。

なお、削除イベントに対応する削除時間長（ｔｎ）の求め方は、Ｓ７１０、（Ｓ７１６）に記載の方法に限定されるものではない。差分時間（t1、t2、−）として必要なのは、あくまでも、不要音が記録されている削除対象のイベント自体の録音期間であり、削除対象のイベント自体の開始時刻や終了時刻を直接、あるいは間接的に取得することで、差分時間（t1、t2、−）を算出しても良い。

一方、削除対象の他のイベントがない場合、一次録音ファイル１５３０の非削除ファイル部分（例えば、図６の通話音声１５３３，１５３５）のファイルサイズの情報を取得する（図７：Ｓ７１３）。そして、非削除ファイル部分に新サイズ情報を設定した音声ヘッダ１５４１と通話ＩＤとを付与して、編集済録音ファイル１５４０を生成する（Ｓ７１４）。すなわち、図１０に示したように、編集済録音ファイル１５４０は、ファイル全体の音声ヘッダ１５４１、通話音声１５３３とそれに対応する音声ヘッダ１５４２，通話音声１５３５とそれに対応する音声ヘッダ１５４４、及び通話ＩＤ（図示略）で構成される。

このようにして、音声認識要求対象となった一次録音ファイル１５３０から、呼出音・保留音等の、音声認識に不要な情報である不要音声データが削除された、ファイルのサイズを小さくした新たな編集済録音ファイル１５４０が生成され、バッファメモリ１５５に一時的に格納される。

音声ファイル編集処理部１４０は、認識キュー１３４を検索して、他に処理すべき一次録音ファイルが存在する場合、その通話ＩＤを取得し、以下、同様の処理を繰り返す。

認識キュー１３４内の全ての通話ＩＤの処理が完了すると、音声ファイル編集処理部１４０は、図８、図９に示すように、編集済録音ファイル１５４を音声認識装置１６０へ転送する（図７：Ｓ７１５）。音声認識装置１６０では、転送された編集済録音ファイル１５４を保持すると共にその音声認識処理を行って、編集済録音ファイル１５４の音声データである録音データをテキストデータに変換し、その結果を認識結果ＤＢ１７０に保持する。

本実施例によれば、除外すべき特定音の特徴量を記憶した特殊なデータベースは不要であり、通話録音システムで一次録音ファイルと共に生成されるイベント情報を用いることで、容易に保留音・呼出音等の特定音の除去処理を行い、二次録音ファイルを生成することができる。また、音声認識装置１６０に入力される二次録音ファイルが、音声認識に不要な特定音を予め除外したファイルであり、ファイルサイズが小さくなる。そのため、音声認識装置１６０が処理する録音ファイルの処理量が減少し、音声認識装置の処理効率を向上させることができる。また、二次録音ファイルのサイズが小さくなるため、認識結果ＤＢ１７０に保持される音声認識されたテキストデータのファイルサイズも小さくなり、コールセンタシステムなどにおけるＴＣＯが削減される。

架電者とオペレータとの通話が同じであったと仮定しても、録音装置等の機能の差異や、コールセンタシステム等の構成の差異によって、一次録音ファイルの音声データや対応するイベント情報が異なったものとなる。

図１１は、本発明の実施例２に対応する、一次録音ファイルの例を示す図である。図１１の（Ａ）の例では、一連の通話（通話ＩＤ１４００）の途中で通話音声の無い状態が所定の期間続したため、一次録音ファイル１１００が、「（ａ）呼出音」１５３２と通話音声１５３３を含む一次録音ファイル（１）と、通話音声１５３５のみの一次録音ファイル（２）の２個のファイルとして記録されている。この例では、図７のＳ７１０−Ｓ７１１とは異なり、「（ｂ）保留音」１５３４の削除処理が不要である。一次録音ファイル（１）から呼出音１５３２を除外した、新たな編集済録音ファイル１５４０が生成される。

なお、実施例１及び図１１の（Ａ）の例では、「（ａ）呼出音」のイベント開始とイベント「録音開始」とが同期し、「（ａ）呼出音」のイベント終了と通話開始のイベントＥ１とが同期しているが、これらが、異なるイベント情報のパターンとして取得される場合もある。例えば、図１１の（Ｂ）の例では、一連の通話（通話ＩＤ１４００）を記録した一次録音ファイル１１１０が、「（ａ）呼出音」のみの一次録音ファイル（１）、通話音声１のみの一次録音ファイル（２）、通話音声のみの一次録音ファイル（３）の、３個のファイルとして記録されている。イベント「呼出音」の開始と、イベント「録音開始」、イベント「呼出音」の終了と通話開始のイベントとは同期していない。図１１の（Ｂ）の例では、「（ａ）呼出音」のイベント開始やイベント終了の情報が、呼制御サーバの情報などからイベント情報として取得される（図示略）。実施例１に関して図７のＳ７１０−Ｓ７１１、Ｓ７１６−Ｓ７１７で述べた処理とは異なり、削除対象のイベント「（ａ）呼出音」１５３２の開始時刻とその終了時刻との差分時間（t1）が取得される。そして、「（ａ）呼出音」の開始時刻を始点に、「差分時間（t1）×記憶レート」のバイト数n1を削除する。削除対象の他のイベントに関しても同様である。この例でも、実施例１と同様にして、一次録音ファイル（１）の呼出音を除外した、新たな編集済録音ファイル１５４０が生成される。本実施例でも、実施例１と同様な効果がある。

コールセンタ業務において、架電者とオペレータとの一連の通話の形態として、架電者が同じでオペレータが複数になる場合もある。
図１２は、本発明の実施例３に対応する、一次録音ファイルの例を示す図である。この例では、架電者が同じであり（呼識別ＩＤ＝ＡＡＡ）、通話が内線１０００のオペレータから内線２０００のオペレータに引継がれており、通話ＩＤ＝１００００の一次録音ファイル（１）と通話ＩＤ＝１０００１の一次録音ファイル（２）とが記録されている。コールセンタ業務においては、同じ架電者からの一連の会話は、１つの一次録音ファイル１５３０として管理し、音声認識処理できることが望ましい。このような例では、実施例１と同様にして、通話ＩＤ毎に管理可能な編集済録音ファイルを生成すると共に、呼識別ＩＤ単位で管理できる、１つの編集済録音ファイル１５３０として管理することもできる。
本実施例でも、実施例１と同様な効果がある。

以上、本発明をコールセンタシステムに適用した例について述べたが、本発明は、架電者とオペレータとの間で行われた通話の応対情報を録音装置や録画装置に記録し、そのデータを再利用する他のシステム、例えばヘルプデスク支援システム等にも適用できる。

１０…顧客側電話機、１１…公衆網、１２…ＩＰ−ＰＢＸ（Internet Protocol−Private Branch exchange、ＩＰ回線対応構内交換機）、１３…ネットワーク接続部、１４…オペレータ側ＩＰ電話機、１５…ＰＣ端末、１６…呼制御サーバ、１００…通話録音システム、１１０…通話情報取得装置、１２０…録音装置、１３０…通話・録音情報管理装置、１３１…通話情報登録部、１３２…録音情報登録部、１３３…検索画面部、１３４…処理対象キュー、１３５…削除判定条件、１３６…録音転送部、１４０…音声ファイル編集処理部、１５０…通話イベント・録音情報管理ＤＢ、１５１…通話イベント情報テーブル、１５２…録音情報テーブル、１５３…一次録音ファイル、１５４…二次録音ファイル（編集済録音ファイル）、１５５…バッファメモリ、１６０…音声認識装置、１６１…録音受付部、１６２…音声認識部、１７０…音声認識管理ＤＢ、１７１…業務情報・認識情報対応テーブル、１７２…認識ファイル、６００…音声ファイル編集処理部への入力情報、１０００…テーブル、１４００…処理対象キュー（通話ＩＤ）取得機能、１４１０…一次録音ファイルの通話データ取得機能、１４２０…録音情報・通話イベント情報取得機能、１４３０…削除対象イベント抽出・削除時間決定処理機能、１４４０…削除判定条件取得機能、１４５０…不要音声削除処理機能、１４６０…編集済録音ファイル処理機能、１４７０…編集済録音ファイル処理機能、１４８０…Ｉ／Ｏ、１５１０…イベン情報、１５２０…録音情報、１５３０…処理対象の一次録音ファイル、１５３１…音声ヘッダ、１５３２…呼出音、１５３３…通話音声、１５３４…保留音、１５３５…通話音声、１５４０…編集済録音ファイル、１５４１…音声ヘッダ、１５４２…音声ヘッダ、１５４４…音声ヘッダ。

Claims (10)

1. 電話による通話を録音し録音ファイルを作成する録音装置と、
   前記通話及び前記録音に関係する通話イベント・録音情報を取得する通話情報取得装置と、
   前記録音ファイルを管理する通話・録音情報管理装置とを備え、
   前記通話イベント・録音情報は、前記通話に関する通話イベントの情報と、前記録音に関する録音情報と、前記通話イベントに関する時間情報及び前記録音に関する時間情報とを含んでおり、
   前記通話・録音情報管理装置は、前記録音ファイルから特定音の削除処理を行う音声ファイル処理部を有し、
   前記音声ファイル処理部は、
   前記録音データの中の前記特定音に対応して、前記通話イベント及び前記録音情報の中で削除可能な削除イベントの情報を取得する機能と、
   前記録音ファイルを処理対象の一次録音ファイルとし、前記通話イベント情報、前記録音情報及び前記時間情報に基づき、前記一次録音ファイルに含まれる録音データから前記削除イベントと該削除イベントの削除時間長の情報とを抽出し、抽出された前記削除イベントと前記削除時間長の情報とに基づき前記削除イベントに関する前記録音データを前記一次録音ファイルから削除して二次録音ファイルとして生成する機能とを有する
   ことを特徴とする通話録音システム。
2. 請求項１において、
   前記音声ファイル処理部は、
   前記一次録音ファイルのヘッダから、当該一次録音ファイルの記憶レート（Byte/sec）を取得する機能と、
   前記一次録音ファイルから、前記削除イベントの開始時刻を始点に、前記削除時間長×前記記憶レートのバイト数nを削除し、前記二次録音ファイルとして生成する機能とを有する
   ことを特徴とする通話録音システム。
3. 請求項２において、
   前記通話イベント情報は、前記通話のパケットから取得される情報であり、通話ＩＤと、通話開始・保留・再開・通話終了を含む通話種別と、前記通話種別の各通話時刻の情報を含んでおり、
   前記録音情報は、前記録音装置による録音開始とその時刻、録音終了とその時刻、録音ファイルパス及び前記通話ＩＤを含んでいる
   ことを特徴とする通話録音システム。
4. 請求項３において、
   前記削除イベントは、呼出及び保留を含んでおり、
   前記音声ファイル処理部は、
   前記録音開始の時刻から前記通話開始の時刻までを前記呼出に関する前記削除時間長として取得し、
   前記保留の時刻から前記再開の時刻までを前記保留に関する前記削除時間長として取得する
   ことを特徴とする通話録音システム。
5. 請求項３において、
   前記音声ファイル処理部は、
   前記一次録音ファイルの非削除ファイル部分のファイルサイズの情報を取得し、前記非削除ファイル部分に新たなサイズ情報を設定した音声ヘッダと通話ＩＤとを付与して、前記二次録音ファイルを生成する機能を有する
   ことを特徴とする通話録音システム。
6. 請求項５において、
   さらに、音声認識装置を備えており、
   前記一次録音ファイルは、音声認識の対象として前記通話ＩＤにより前記録音情報から選択されたものであり、
   前記音声ファイル処理部は、前記二次録音ファイルを前記音声認識装置へ転送する機能を有し、
   前記音声認識装置は、前記二次録音ファイルの前記録音データをテキストデータに変換する機能を有する
   ことを特徴とする通話録音システム。
7. 請求項６において、
   前記通話・録音情報管理装置は、
   認識処理の対象となる前記一次録音ファイルの前記通話ＩＤをオペレータが選択するための検索画面と、
   選択された前記通話ＩＤを入力する認識キューを有し、
   前記音声ファイル処理部は、前記認識キューを検索して、前記通話ＩＤを基に前記音声認識の対象となる前記一次録音ファイルを取得する
   ことを特徴とする通話録音システム。
8. 電話による通話を録音し録音ファイルを作成する通話録音方法であって、
   前記通話に関する通話イベント情報と、前記録音に関する録音情報と、前記通話イベントに関する時間情報及び前記録音に関する時間情報とを記録し、
   前記録音ファイルから特定音を削除する削除判定条件を取得し、
   前記削除判定条件に基づき、前記通話イベント及び前記録音情報の中で削除可能に設定されている削除イベントの情報を取得し、
   前記録音ファイルを処理対象の一次録音ファイルとし、前記通話イベント情報、前記録音情報及び前記時間情報に基づき、前記一次録音ファイルに含まれる録音データから前記削除イベントと該削除イベントの削除時間長の情報とを抽出し、抽出された前記削除イベントと前記削除時間長の情報とに基づき前記削除イベントに関する前記録音データを前記一次録音ファイルから削除して二次録音ファイルとして生成する
   ことを特徴とする通話録音方法。
9. 請求項８において、
   前記一次録音ファイルのヘッダから、当該一次録音ファイルの記憶レート（Byte/sec）を取得し、
   前記一次録音ファイルから、前記削除イベントの開始時刻を始点に、前記削除時間長×前記記憶レートのバイト数nを削除し、前記二次録音ファイルとして生成する
   ことを特徴とする通話録音方法。
10. 請求項９において、
    前記一次録音ファイルの非削除ファイル部分のファイルサイズの情報を取得し、前記非削除ファイル部分に新たなサイズ情報を設定した音声ヘッダと通話ＩＤとを付与して、前記二次録音ファイルを生成する
    ことを特徴とする通話録音方法。

Images