JP2018049140A - 音声分析プログラム、音声分析装置、及び音声分析方法 - Google Patents

Abstract

【課題】ディスカッションにおいてどの程度の情報が発信されているのかを高精度に把握できるようにする。【解決手段】コンピュータ１０は、複数の話者のそれぞれの音声を受け付け、受け付けた前記複数の話者のそれぞれの音声を音声認識によりテキスト化し、所定時間ごとの前記複数の話者のそれぞれの音声に対応するテキストの文字数を特定し、前記所定時間ごとに、前記複数の話者のそれぞれの音声に対応した前記文字数を示すグラフを出力する。【選択図】図１

Description

本発明は、音声分析プログラム、音声分析装置、及び音声分析方法に関する。

ディスカッションの際の話者の音声を集音し、雑音レベルを超える発話がなされている時間帯を帯グラフで表示することで、発話がなされている期間を可視化する技術が知られている。

特開平１１−５３３８５号公報 特開２００５−１９７８６７号公報

しかし、話者が声を発している期間は長いものの、ゆっくり話しているだけであったり、あまり意味のない唸り等を或る程度の音量でマイクが検出しているような場合、これらの発話がなされている時間帯は帯グラフで表示される。このように、これらの発話はディスカッションとしてあまり意味がないにもかかわらず、帯グラフでは活発な議論があったかのように表示されてしまう場合がある。

１つの側面では、本発明は、ディスカッションにおいてどの程度の情報が発信されているのかを高精度に把握できるようにすることを目的とする。

なお、前記目的に限らず、後述する発明を実施するための形態に示す各構成により導かれる作用効果であって、従来の技術によっては得られない作用効果を奏することも本発明の他の目的の１つとして位置付けることができる。

１つの側面では、音声分析プログラムは、以下の処理をコンピュータに実行させてよい。前記処理は、複数の話者のそれぞれの音声を受け付ける処理を含んでよい。また、前記処理は、受け付けた前記複数の話者のそれぞれの音声を音声認識によりテキスト化する処理を含んでよい。さらに、前記処理は、所定時間ごとの前記複数の話者のそれぞれの音声に対応するテキストの文字数を特定する処理を含んでよい。また、前記処理は、前記所定時間ごとに、前記複数の話者のそれぞれの音声に対応した前記文字数を示すグラフを出力する処理を含んでよい。

１つの側面では、ディスカッションにおいてどの程度の情報が発信されているのかを高精度に把握できる。

一実施形態に係る音声分析システムの構成例を示すブロック図である。 発話データベースの一例を示す図である。 グラフ生成部により生成されるグラフの一例を示す図である。 表示領域に表示されるテキスト情報の一例を示す図である。 グラフ領域に表示されるテキスト情報のポップアップの一例を示す図である。 グラフ領域に表示される発話文字数のポップアップの一例を示す図である。 グラフ領域に表示されるユーザ情報のポップアップの一例を示す図である。 グラフの表示スケールの変更前後の一例を示す図である。 グラフの集計単位時間の変更前後の一例を示す図である。 グラフの表示領域に集計単位時間を変更するための操作領域を追加する場合の一例を示す図である。 １つの第２分類グループに着目したグラフの一例を示す図である。 積み上げグラフの一例を示す図である。 表示領域に表示されるグラフの条件指定画面の一例を示す図である。 音声変換部による動作例を説明するフローチャートである。 グラフ出力部による動作例を説明するフローチャートである。 グラフ表示変更処理の動作例を説明するフローチャートである。 図１に示すコンピュータのハードウェア構成例を示すブロック図である。

以下、図面を参照して本発明の実施の形態を説明する。ただし、以下に説明する実施形態は、あくまでも例示であり、以下に明示しない種々の変形や技術の適用を排除する意図はない。例えば、本実施形態を、その趣旨を逸脱しない範囲で種々変形して実施することができる。なお、以下の実施形態で用いる図面において、同一符号を付した部分は、特に断らない限り、同一若しくは同様の部分を表す。

〔１〕一実施形態
〔１−１〕音声分析システムの構成例
一実施形態に係る音声分析システムは、例えば、ディスカッションにおける発言内容の分析に利用可能である。ディスカッションとしては、例えば、複数人が参加して発言する授業（例えば協調学習）や会議等が挙げられる。

以下の説明では、音声分析システムが、大学発教育支援コンソーシアム（ＣＯＲＥＦ）が開発した「知識構成型ジグソー法」（以下、単に「ジグソー法」と表記する）という協調学習法に利用される場合を例に挙げて説明する。アクティブラーニングの一例であるジグソー法では、以下の流れで授業が行なわれる。

（１）出題者（例えば教師）が、いくつかの知識を「知識の部品」として組み合わせることで解けるようになる「課題」を設定する。

（２）生徒は、「課題」に対して一人で思いつく回答を書く。

（３）生徒を、同じ資料を読み合うグループに分ける。生徒は、資料に書かれた内容や意味を話し合いグループで理解を深める。この資料は、グループごとに異なる「知識の部品」について書かれたものである。ここでの活動は、「エキスパート活動」と呼ばれる。

（４）生徒を、違う「知識の部品」についての資料を読んだ生徒が一人ずついる新たなグループに分ける。生徒は、自身のエキスパート活動でわかってきた内容を新たなグループ内で説明し合い、理解が深まったところで、それぞれの「知識の部品」を組み合わせて、「課題」への答えを作成する。ここでの活動は、「ジグソー活動」と呼ばれる。

（５）ジグソー活動のグループごとに答えを根拠とともに発表しあう。

（６）生徒は、一人で「課題」に対する答えを記述する。

音声分析システムは、例えば、上記（４）のジグソー活動における各生徒の会話音声を収集・分析し、生徒ごとの発話量をグラフ表示することで、授業中の生徒のディスカッションの状況を可視化できる。

これにより、教師は、ディスカッションにおいてどの程度の情報が発信されているのかを高精度に把握でき、各生徒が上記（３）のエキスパート活動で得た知識の理解度や授業への参加意欲等を適切に捉えることができる。例えば、教師は、音声分析システムが出力したグラフと、上記（２）や（６）における書面又は電子データとを判断材料として、様々な観点から生徒の学びの変容を適切に捉えることができる。

なお、音声分析システムは、上記（４）のジグソー活動に加えて、又は、代えて、上記（３）のエキスパート活動や上記（５）のグループごとの発表について音声の収集・分析を行ない、グラフ表示を行なってもよい。

〔１−２〕音声分析システムの構成例
次に、図１を参照して、一実施形態に係る音声分析システム１について説明する。図１に示すように、一実施形態に係る音声分析システム１は、例示的に、コンピュータ１０、ネットワーク２０、及び、端末３０をそなえてよい。

コンピュータ１０は、複数の話者の発話内容について音声分析を行なう音声分析装置の一例である。なお、話者とは、ディスカッションの参加者であってよく、例えば、上述したジグソー法では生徒であってよい。

コンピュータ１０としては、例えば、デスクトップやラップトップ等のＰＣ（Personal Computer）、タブレット、スマートフォン、ＰＤＡ（Personal Digital Assistant）、或いはサーバ等の種々の情報処理装置が挙げられる。

図１に示すように、コンピュータ１０は、例示的に、集音装置１１、音声変換部１２、グラフ出力部１３、発話データベース（ＤＢ；Database）１４、及び、表示装置１５をそなえてよい。

集音装置１１は、音声を集音する装置である。集音装置１１が集音した話者の音声は音声変換部１２に出力される。集音装置１１は、コンピュータ１０に有線又は無線で接続されてもよいし、コンピュータ１０に内蔵されてもよい。集音装置１１としては、例えば、ピンマイク、ヘッドセット、イヤフォンマイク等の装着型マイクロフォン、ハンドマイク等の把持型又は据置型マイクロフォン等の種々の形態のマイクロフォンが挙げられる。

なお、集音装置１１は、コンピュータ１０に１つ又は複数存在してもよく、１つの集音装置１１が１又は複数の話者の音声を集音してもよい。１つの集音装置１１が複数の話者の音声を集音する場合、コンピュータ１０は、集音装置１１が集音した複数の話者の音声を話者認識処理によって話者ごとに認識する機能をそなえてもよい。或いは、音声分析システム１に後述する端末３０（集音装置３１）が存在する場合、コンピュータ１０は集音装置１１をそなえなくてもよい。

音声変換部１２は、集音装置１１が集音した音声を発話内容に対応するテキストに変換し、変換したテキストを発話データベース１４に登録する。

グラフ出力部１３は、発話データベース１４が記憶する情報に基づいて、話者ごとの発話量の計時変化を示すグラフを生成して表示装置１５に出力する。

発話データベース１４は、音声変換部１２により音声から変換されたテキストの情報を記憶するデータベースである。

表示装置１５は、グラフ出力部１３により生成・出力されたグラフを表示する。表示装置１５としては、例えば、ＰＣモニタやタッチパネル等のコンピュータ１０に接続又は内蔵（搭載）されたディスプレイ、又は、プロジェクタ、プリンタ等が挙げられる。

ネットワーク２０は、例えば、ＬＡＮ（Local Area Network）、ＷＡＮ（Wide Area Network）、及びインターネットのいずれか、又はこれらの任意の組み合わせを含んでよい。なお、ネットワーク２０は、有線ネットワーク及び無線ネットワークの一方又は双方を含んでよい。

端末３０は、音声を集音する集音装置３１をそなえ、集音装置３１で集音した話者の音声をネットワーク２０を介してコンピュータ１０に送信する。集音装置３１としては、例えば、上述した集音装置１１と同様のマイクロフォンが挙げられる。

端末３０は、集音装置３１が接続された又は集音装置３１を内蔵したコンピュータであってもよいし、通信機能をそなえた集音装置３１そのものであってもよい。コンピュータとしては、例えば、上述したコンピュータ１０と同様の情報処理装置、或いは、携帯電話等の通話装置が挙げられる。

なお、端末３０は音声分析システム１に複数存在してもよいし、集音装置３１が端末３０に複数存在してもよい。また、コンピュータ１０が集音装置１１をそなえる場合には、端末３０が音声分析システム１に存在しなくてもよい。以下の説明では、コンピュータ１０が集音装置１１により集音された音声に基づいて音声分析を行なうものとするが、集音装置３１により集音された音声についても同様に音声分析を行なうことができる。

〔１−３〕音声分析処理の説明
次に、音声変換部１２及びグラフ出力部１３による音声分析処理について説明する。

音声変換部１２は、図１に例示するように、音声取得部１２１及びテキスト変換部１２２をそなえてよい。

音声取得部１２１は、複数の話者のそれぞれの音声を受け付ける受付部の一例である。例えば、音声取得部１２１は、集音装置１１が集音した音声を取得し、取得した音声をテキスト変換部１２２に出力する。このとき、音声取得部１２１は、取得した音声を話者単位且つ発話単位でテキスト変換部１２２に出力してよい。

話者単位の音声とは、例えば、１つの集音装置１１が一人の話者の音声を集音する場合、集音装置１１単位で集音された音声となる。或いは、１つの集音装置１１が複数の話者の音声を集音する場合、話者単位の音声は、話者認識処理により得られる話者ごとの音声となる。例えば、音声取得部１２１又は集音装置１１は、取得した音声を話者ごとに認識し分離する話者認識機能を有してよい。

発話単位の音声とは、例えば、話者による連続した（一連の）発話の音声と位置付けられてよい。連続した発話とは、例えば、音声が検出されてから音声が途切れるまでの期間であってよい。一例として、音声取得部１２１は、一定時間以上連続して無音が検出された（換言すれば音声が検出されない）場合に、音声が途切れたことを検出してよい。なお、無音とは、検出された音声の強度が一定レベル未満であることを意味してよい。

テキスト変換部１２２は、音声取得部１２１が受け付けた複数の話者のそれぞれの音声を音声認識によりテキスト化するテキスト化部の一例である。例えば、テキスト変換部１２２は、音声取得部１２１が取得した音声に対して音声認識処理を施し、発話内容を示すテキストを取得する。

また、テキスト変換部１２２は、音声から変換したテキストに対応する文字数をカウントしてもよい。テキスト変換部１２２による文字数のカウントにより、意味のある言葉を対象とした発話量を取得できる。

これにより、話者が声を発している期間は長いものの、ゆっくり話しているだけである場合や、あまり意味のない唸り等を或る程度の音量で集音装置１１が検出しているような場合であっても、話者の発信した情報を定量的に捉えることができる。

なお、音声から変換されたテキストは、かな・カナ・漢字・アルファベット・記号（句読点、長音等）のように複数の文字種を含んでもよい。この場合、テキストに対応する文字数のカウントは、これら全ての文字種のトータルの文字数でもよいし、記号等の一部の文字種を除外した文字数でもよい。なお、１つの漢字の文字数は、“1”とカウントされてもよいし、漢字の振り仮名の文字数でカウントされてもよい。また、カウント対象の文字は、テキスト内のディスカッションにおいて意味のある単語を構成する文字に限定されてもよい。意味のある単語は、例えば、コンピュータ１０が有する辞書データに登録されている単語との比較によって識別されてもよい。さらに、カウント対象の文字から、“あー”や“えっと”等のディスカッションには意味のない言葉が除外されてもよい。

なお、文字数の取得は、テキスト変換部１２２ではなく、グラフ出力部１３が行なってもよい。

テキスト変換部１２２により変換されたテキストの情報は、関連する情報とともに、図２に例示する発話データベース１４に登録される。

図２に示すように、発話データベース１４は、例示的に、「日付」、「時刻」、「ユーザ」、「第１分類グループ」、「第２分類グループ」、「発話単位」、及び、「文字数」の項目を含んでよい。

「日付」及び「時刻」には、集音装置１１により音声が取得された、或いは、音声取得部１２１が音声を受け付けた日付及び時刻の情報が設定されてよい。「ユーザ」には、話者を識別する識別情報、例えばユーザＩＤ（Identifier）が設定されてよい。ユーザＩＤは、集音装置１１ごとに予め設定されてもよいし、音声取得部１２１によって、話者認識により認識された話者ごとに、予め設定されたユーザＩＤに対応付けられてもよい。

「第１分類グループ」及び「第２分類グループ」のそれぞれには、ユーザに設定されたグループが設定されてよい。例えば、上述したジグソー法において、上記（４）のジグソー活動のグループが「第１分類グループ」に設定されてよく、上記（３）のエキスパート活動のグループが「第２分類グループ」に設定されてよい。

このように、複数のユーザのそれぞれは、複数の第１分類グループのうちのいずれかに属するとともに、複数の第２分類グループのうちのいずれかに属し、複数の第１分類グループのそれぞれには、互いに異なる第２分類グループに属するユーザが含まれてよい。

なお、図２の例では、音声分析システム１がジグソー法の授業に利用される場合を想定し、２つの分類グループを示しているが、分類グループの数はこれに限定されるものではない。発話データベース１４には、ディスカッションの形態に応じて、１つの分類グループが設定されてもよいし、３つ以上の分類グループが設定されてもよい。

「発話単位」には、テキスト変換部１２２が変換した発話単位のテキストが設定されてよい。「文字数」には、テキスト変換部１２２（又はグラフ出力部１３）によりカウントされた、発話単位の文字数が設定されてよい。

図１の説明に戻り、グラフ出力部１３は、グラフ生成部１３１及び制御部１３２をそなえてよい。

グラフ生成部１３１は、コンピュータ１０のオペレータによる操作に応じて、発話データベース１４が記憶する情報に基づき、話者ごとの発話量の計時変化を示すグラフを生成し、表示装置１５に出力する。なお、オペレータとは、ディスカッションにおける発話内容の分析を行なう者であってよく、例えば、上述したジグソー法では教師であってよい。

グラフ生成部１３１は、グラフを表示するインタフェースとして、コンピュータ１０にインストールされているＷｅｂブラウザを使用してよい。なお、Ｗｅｂブラウザに代えて、他のアプリケーションが用いられてもよい。

グラフ生成部１３１により生成されるグラフの一例を図３に示す。グラフは、表示装置１５の表示領域１５０におけるグラフ領域１６０に表示されてよい。表示領域１５０は、例えばＷｅｂブラウザのウィンドウ領域であってよい。グラフ領域１６０は、横軸の時間軸及び縦軸の文字数軸を含む表示範囲を有してよく、グラフは、グラフ領域１６０上に、一定時間ごとの複数のユーザのそれぞれの音声に対応した文字数をプロットした折れ線グラフであってよい。

グラフは、同一の第１分類グループに属する複数のユーザを対象として生成されてよく、ユーザごとに１つの折れ線で発話量が示されてよい。図３の例では、第１分類グループ“groupA”（図２参照）に属する“USER1”、“USER2”、及び“USER3”のそれぞれの発話内容のテキストに対応する文字数の折れ線が、それぞれ実線、破線、一点鎖線でグラフ領域１６０に示されている。なお、各ユーザの折れ線は、線種の違いの他に、線の色や太さの違い等、種々の手法により他のユーザの折れ線と区別されてよい。

グラフ生成部１３１は、例えば、オペレータから要求のあった第１分類グループに属する話者が一定時間に発話した文字数を発話データベース１４に基づき特定する。そして、グラフ生成部１３１は、特定した文字数及び時刻に対応する点をグラフ領域１６０にプロットし、プロットした点を繋ぎ合わせることで、ユーザごとの折れ線を生成してよい。

ここで、文字数を特定する時間の範囲である一定時間（換言すれば、文字数の集計単位時間）としては、例えば、数十秒間〜数分間等の時間であってよい。この一定時間は、例えば、グラフ領域１６０の時間軸のスケール又はオペレータによる操作に応じて可変であってもよい。

一例として、一定時間が１分間である場合、図２に示す範囲における“USER1”が“15:45:00”〜“15:45:59”の１分間に発話した文字数は、“15:45:33”の“22”文字と、“15:45:42”の“8”文字とを合計した“30”文字となる。この場合、グラフ生成部１３１は、グラフの横軸における特定の時刻と、縦軸“30”（文字）とが交差する位置に点をマークすればよい。このように、グラフ生成部１３１は、ユーザごとに、一定時間ごとに発話した文字数を算出し、グラフ領域１６０にプロットすればよい。なお、グラフの横軸における特定の時刻とは、時間範囲の開始時刻〜終了時刻のいずれかの時刻でよく、例えば、開始時刻“15:45:00”、中間の時刻“15:45:30”、終了時刻“15:45:59”等が挙げられる。

なお、発話データベース１４に文字数の項目が存在しない場合（テキスト変換部１２２が文字数をカウントしない場合）、グラフ生成部１３１は、発話データベース１４内のテキスト化された発話内容から文字数をカウントする処理を行なってもよい。

以上のように、グラフ生成部１３１、又は、テキスト変換部１２２及びグラフ生成部１３１は、所定時間ごとの複数の話者のそれぞれの音声に対応するテキストの文字数を特定する特定部の一例である。

また、グラフ生成部１３１は、所定時間ごとに、複数の話者のそれぞれの音声に対応した文字数を示すグラフを出力する出力部の一例である。

なお、グラフ生成部１３１は、グラフを生成する処理において、付加情報の収集を行なってもよい。付加情報とは、グラフ領域１６０に表示されるグラフに関連した情報であり、例えば、グラフ領域１６０の所定の領域に種々の態様で表示されてよい。

付加情報としては、例えば、ユーザが発話したテキストの情報、グラフにプロットされた文字数の数値情報、ユーザの属する第１又は第２分類グループに関する情報、その他、種々の情報が挙げられる。付加情報をグラフ領域１６０に表示することで、オペレータは、付加情報を補助的な判断材料として用いることができ、グラフに基づく発話状況をより高精度に分析できる。

一例として、付加情報がテキスト情報である場合を説明する。図４に例示するように、表示領域１５０には、テキスト情報及び発話時刻を表示するテキスト領域１６６が表示されてもよい。例えば、テキスト領域１６６には、直近の一定時間（集計単位時間）内に発話された又はテキスト変換されたテキストが表示されてもよい。図４の例では、最新の時刻である“11:10”の直前の集計単位時間である“11:09:00”〜“11:09:59”（集計単位時間が１分の場合）の発話内容のテキストが、話者ごとに記載されている。

なお、付加情報は、グラフ領域１６０にポップアップ表示されてもよい。一例として、図５に示すように、オペレータの操作するマウスカーソル１６４がグラフ領域１６０内に位置する場合、当該マウスカーソル１６４の位置するグラフ上の時刻に対応する各ユーザの発話内容及び時刻がポップアップ１６７として表示されてもよい。これにより、各ユーザの発話したテキストを文字数と対応付けて把握することが容易になる。

ポップアップ表示される付加情報の他の例として、図６に示すように、マウスカーソル１６４の位置するグラフ上の時刻に対応する各ユーザの発話した文字数の数値が、ポップアップ１６８として表示されてもよい。文字数の数値が付加情報として表示されることにより、各ユーザの発話した文字数を容易に把握することができる。

図６の例では、マウスカーソル１６４の位置するグラフ上の時刻と各ユーザの折れ線とが交差する符号Ａ及びＢの点について、“USER1”及び“USER2”の発話した文字数がそれぞれポップアップ１６８内に表示されている。なお、符号Ｃで示す“USER3”については、当該時刻の発話数が“0”であるためポップアップ１６８内への表示が省略されているが、発話数が“0”の場合もポップアップ１６８内に表示されてもよい。

他の例として、図７に示すように、マウスカーソル１６４の位置する折れ線のユーザの属する第２分類グループが、ポップアップ１６９として表示されてもよい。これにより、１つの第１分類グループについてのグラフが表示されているときに、１つの折れ線のユーザがどの第２分類グループに属するかを容易に把握でき、第１分類グループ内での第２分類グループごとの理解度等の分析・比較が容易になる。

図７の例では、マウスカーソル１６４の位置する（接する）折れ線に対応する“USER1”の属する第２分類グループ“groupX”（図２参照）が、ポップアップ１６９内に表示されている。

グラフ生成部１３１は、発話データベース１４から取得した情報に基づき、図４〜図７に例示する少なくとも１つの付加情報を表示してよい。なお、グラフ生成部１３１は、グラフの生成の際に、取得した情報に基づきテキスト領域１６６又はポップアップ１６７〜１６９を表示するためのコードを生成し、表示領域１５０のコンテンツページに埋め込んでもよい。

なお、付加情報として表示される情報は、上述した情報に限定されるものではない。例えば、マウスカーソル１６４の位置する折れ線のユーザが作成したワークシートや教材等の情報がポップアップとして表示されてもよい。ワークシートとは、課題に対してユーザが記入した提出物であり、一例として、上述したジグソー法における（２）又は（６）で入力した情報が挙げられる。また、教材とは、生徒或いは教師が使用した資料であり、一例として、上述したジグソー法における（３）で使用した資料が挙げられる。

制御部１３２は、表示装置１５に表示されるグラフに関する種々の制御を行なう。

例えば、制御部１３２は、グラフ領域１６０に表示されるグラフの更新制御を行なってよい。一実施形態では、グラフ出力部１３は、音声変換部１２による発話データベース１４への情報登録と並行してグラフを出力する。このため、制御部１３２は、グラフ生成部１３１に対して、所定周期として例えば１分間隔で、発話データベース１４に新たに追加された情報をグラフに反映させてよい。所定周期を短くすることで、発話状況をよりリアルタイムに近い形で把握できる。

また、制御部１３２は、オペレータからの要求に応じて、以下の（ａ）及び（ｂ）の少なくとも１つの制御を行なってよい。

（ａ）グラフのスケール変更制御
表示領域１５０には、Ｗｅｂページレイアウトとして、グラフのスケールや表示範囲を変更するためのズームボタン１６２、及び、スケール変更領域１７０が表示されている（図３等参照）。

ズームボタン１６２は、グラフ領域１６０の横軸のスケールを、１時間（“1h”）、３時間（“3h”）、６時間（“6h”）、１２時間（“12h”）、全体（“All”）の中から選択して切り替えるボタンである。

スケール変更領域１７０は、プレビュー領域１７２に表示される全体のグラフから、２つの調整部１７４やスライダ１７６の操作により、グラフ領域１６０に表示する範囲を指定するための領域である。例えば、プレビュー領域１７２内で２つの調整部１７４（つまみ）を移動させることで、プレビュー領域１７２における調整部１７４の間のグラフがグラフ領域１６０に表示される。また、スライダ１７６をスライドさせることで、プレビュー領域１７２内のグラフを時間軸方向に移動させることができる。

制御部１３２は、オペレータによるズームボタン１６２或いはスケール変更領域１７０の操作入力を受け付けると、操作入力に応じたグラフをグラフ領域１６０に表示させるようにグラフ生成部１３１を制御してよい。

例えば、図８の紙面上部に示すように、“20分”の表示スケールで文字数の集計単位時間が“2分”の場合において、表示スケールが“5分”に変更された場合、制御部１３２は、図８の紙面下部に示すように、グラフを“5分”の表示スケールに変更制御する。このように、制御部１３２は、文字数を示すグラフに対して表示範囲の時間スケールの変更を制御してよい。

ところで、図８に示すように、“12:00”〜“12:05”の間は“USER1”及び“USER2”の双方が発話している。しかし、二人が同時に発話することは考え難く、実際には、一方が発話し他方がそれに応じるといった会話の流れが存在するはずである。図８の紙面下部に示すように、単に、表示スケールを“20分”から“5分”に変更したとしても、グラフから会話の流れを把握することが難しい。

そこで、制御部１３２は、図９に例示するように、表示スケールの変更とともに、文字数の集計単位時間、換言すれば所定時間の長さを変更する制御を行なってよい。図９には、“5分”の表示スケールで、文字数の集計単位時間が“2分”の場合（図９の紙面上部参照）と、文字数の集計単位時間が“30秒”の場合（図９の紙面下部参照）とを示している。なお、図９には、便宜上、集計単位の区切りを表す一点鎖線を示している。

このように、表示スケールの変更に合わせて文字数の集計粒度を変化させることで、図９の紙面下部に示すように、“USER1”及び“USER2”のどちらが発話し、どちらがそれに応えたのかといった会話の流れを把握し易くなり、発話状況の分析精度を向上できる。

なお、制御部１３２は、表示スケールごとに適切な集計単位時間を対応付けて管理し、変更された表示スケールに対応する集計単位時間に切り替えてもよい。或いは、オペレータにより集計単位時間を変更可能な操作領域が表示領域１５０に設けられてもよい。換言すれば、表示スケールの変更とは独立して集計単位時間の変更が可能であってもよい。

図１０に、表示領域１５０Ａに表示される集計単位時間を変更する操作領域１８０の一例を示す。操作領域１８０には、例示的に、“30秒”、“1分”、“3分”等の固定値の切り替えが可能なボタンや、分及び秒の指定（入力）が可能な入力欄等が含まれてもよい。制御部１３２は、操作領域１８０で受け付けた操作入力に応じて、集計単位時間を変更してよい。なお、操作領域１８０は、マウスカーソル１６４等の所定の操作によってポップアップ表示されてもよい。また、操作領域１８０には、集計単位時間を直感的・視覚的に変更できるようなスライダが設けられてもよい。

（ｂ）グラフ切替制御
表示領域１５０には、１つの第１分類グループに着目したグラフに代えて、他の観点により集計されたグラフが表示されてもよい。

（ｂ−１）第２分類グループに着目したグラフ
図１１は、１つの第２分類グループに着目したグラフの一例を示す図である。図１１の例では、第２分類グループ“groupX”（図２参照）に属する“USER1”、“USER11”、及び“USER21”のそれぞれの発話内容のテキストに対応する文字数の折れ線が、それぞれ実線、破線、一点鎖線でグラフ領域１６０Ａに示されている。

このように、同じ第２分類グループに属するユーザのそれぞれによる互いに異なる第１分類グループでの発話量を比較することで、第２分類グループで学習した内容のユーザごとの理解度を比較・分析できる。これにより、例えば教師は、“USER21”の発話量が“USER1”及び“USER11”の発話量よりも少ないため、エキスパート活動における理解度が低い可能性があるといった点を認識できる。また、“USER21”の属する第１分類グループに着目したグラフを併せて参照するといった利用も可能である。

なお、図１１に例示するグラフ領域１６０Ａにおいても、上述したテキスト表示（図４参照）、マウスカーソル１６４の位置に応じたポップアップ表示（図５〜図７参照）、スケールや集計単位時間の変更（図８及び図９参照）等の制御が可能である。

（ｂ−２）第１又は第２分類グループにおける総発話量の積み上げグラフ
上述したグラフ領域１６０及び１６０Ａには、集計単位時間ごとの発話量を示すグラフが表示されているが、これに限定されるものではない。例えば、グラフとして、複数のユーザのそれぞれの音声に対応した文字数の累積値を示す積み上げグラフ（棒グラフ）が用いられてもよい。

図１２は、積み上げグラフの一例を示す図である。図１２の例では、第１分類グループ“groupA”（図２参照）に属する“USER1”、“USER2”、及び“USER3”のそれぞれの発話内容のテキストに対応する文字数を累積した棒グラフが、それぞれ実線、破線、一点鎖線でグラフ領域１６０Ｂに示されている。図１２に示す棒グラフは、図３に示す折れ線の集計単位時間ごとの発話量をユーザごとに合計したものに対応する。なお、図１２では、文字数の表示スケールを図３に示す表示スケールから変更している。

このように、ユーザごとの発話量を時系列に沿って累積して表示することで、ユーザごとの総発話量を容易に比較・分析できる。

なお、積み上げグラフによる発話量の表示は、図１１を参照して説明したような１つの第２分類グループに着目した場合に適用されてもよい。また、図１２に例示するグラフ領域１６０Ｂにおいても、上述したテキスト表示（図４参照）、マウスカーソル１６４の位置に応じたポップアップ表示（図５〜図７参照）、スケールや集計単位時間の変更（図８及び図９参照）等の制御が可能である。

以上のように、グラフ生成部１３１は、ユーザの発話量を示す種々の態様のグラフを出力できる。制御部１３２は、表示する分類グループや、表示形式（折れ線又は積み上げグラフ）等の要求をオペレータから受け付けると、これらの要求に応じたグラフの生成をグラフ生成部１３１に指示してよい。

図１３に、表示領域１５０Ｂに表示されるグラフの条件指定画面１９０の一例を示す。条件指定画面１９０には、例示的に、表示グループ選択領域１９２、表示方法選択領域１９４、及び選択された条件でのグラフ出力を制御部１３２に指示するグラフ出力ボタン１９６が表示されてもよい。条件指定画面１９０は、例えばグラフ出力を行なうための初期画面であってもよい。

表示グループ選択領域１９２には、グラフ表示する分類グループのチェックボックス、及び、チェックされた分類グループから１つのグループを選択するプルダウンリストが含まれてもよい。表示方法選択領域１９４には、グラフの表示形式を折れ線又は積み上げグラフから選択するチェックボックスが含まれてもよい。

制御部１３２は、条件指定画面１９０で指定された条件に基づいて、グラフ生成部１３１によるグラフの生成を制御してよい。

なお、図４に示すテキスト領域１６６、図１０に示す操作領域１８０、及び、図１３に示す条件指定画面１９０の少なくとも１つは、例えば、図示しない表示領域１５０上のメニューボタンの操作によって表示領域１５０上に表示されるようにしてもよい。

また、制御部１３２は、時間軸の表示スケールや、グラフの表示形式の変更に応じて、文字数の軸方向（図３等の例では縦軸方向）の表示スケールの変更を制御してもよい。

〔１−４〕動作例
次に、図１４〜図１６を参照して、上述の如く構成された音声分析システム１の動作例を説明する。

〔１−４−１〕音声変換部の動作例
はじめに、音声変換部１２の動作例について説明する。図１４に例示するように、ディスカッションの開始に応じて、例えばオペレータによりコンピュータ１０の音声変換部１２の機能が起動されると（ステップＡ１）、音声取得部１２１は、話者単位、発話単位で集音装置１１から発話内容を取り込む（ステップＡ２）。

テキスト変換部１２２は、音声取得部１２１が取得した話者単位、発話単位の発話内容を音声認識によりテキストに変換する（ステップＡ３）。そして、テキスト変換部１２２は、変換したテキストを、日付、時刻、話者（ユーザ）ＩＤ、分類グループ等の情報とともに、発話データベース１４に登録する（ステップＡ４）。なお、このとき、テキスト変換部１２２は、変換したテキストの文字数をカウントし、カウントした文字数を発話データベース１４に登録してもよい。

音声変換部１２は、ディスカッションが終了するまで（ステップＡ５、ステップＡ５でＮｏ）、話者単位、発話単位での発話内容の取り込みを行ない、ディスカッションが終了すると（ステップＡ５でＹｅｓ）、処理が終了する。以上により、発話音声の取得、音声のテキストへの変換、及び発話データベース１４の更新に関する処理が行なわれる。

〔１−４−２〕グラフ出力部の動作例
次に、グラフ出力部１３の動作例について説明する。図１５に例示するように、グラフ出力部１３は、オペレータからのグラフ表示要求を待ち受ける（ステップＢ１、ステップＢ１でＮｏ）。

グラフ表示要求を受けた場合（ステップＢ１でＹｅｓ）、グラフ生成部１３１は、発話データベース１４に基づき、指定されたグループのグラフを生成し表示装置１５に出力する（ステップＢ２）。このとき、グラフ生成部１３１は、発話データベース１４内の集計単位時間ごとの文字数を集計し、ユーザごとの折れ線又は積み上げグラフを生成する。なお、グラフ生成部１３１は、付加情報を収集しグラフ領域１６０に設定してもよい。

グラフ出力部１３は、オペレータからグラフ表示変更要求を受けたか否かを判定する（ステップＢ３）。グラフ表示変更要求を受けた場合（ステップＢ３でＹｅｓ）、制御部１３２は、グラフ生成部１３１に対して、グラフ表示変更要求に応じたグラフを表示装置１５に表示させる制御を行ない（ステップＢ４）、処理がステップＢ５に移行する。一方、グラフ表示変更要求を受けていない場合（ステップＢ３でＮｏ）、処理がステップＢ５に移行する。

ステップＢ５では、グラフ出力部１３は、一定時間が経過したか否かを判定する。一定時間が経過していない場合（ステップＢ５でＮｏ）、処理がステップＢ３に移行する。一方、一定時間が経過した場合（ステップＢ５でＹｅｓ）、制御部１３２は、グラフ生成部１３１に対して、発話データベース１４に基づきグラフを更新させ（ステップＢ６）、処理がステップＢ３に移行する。

なお、ステップＢ５及びＢ６におけるグラフの更新は、Ｗｅｂブラウザによる定期的なページの更新により実現されてもよい。

〔１−４−３〕集計単位時間の変更処理の動作例
次に、図１５のステップＢ４におけるグラフ表示変更処理の動作例について説明する。図１６に例示するように、制御部１３２は、グラフ表示変更要求が集計単位時間の変更に係る要求か否かを判定する（ステップＢ１１）。なお、この要求は、表示スケール変更を伴っていてもよく伴っていなくてもよい。

集計単位時間の変更要求の場合（ステップＢ１１でＹｅｓ）、制御部１３２は、グラフの集計単位時間の設定情報に、表示スケールに対応する集計単位時間、又は、指定された集計単位時間を設定する（ステップＢ１２）。また、制御部１３２は、表示スケールの変更を伴う場合には、設定情報に変更後の表示スケールを設定する（ステップＢ１３）。なお、設定情報は、例えば後述する図１７のメモリ１０ｂ等に記憶されてよい。

そして、制御部１３２は、設定情報に基づき、グラフ生成部１３１に対して、グラフの表示変更を実行させる制御を行ない（ステップＢ１４）、グラフ生成部１３１は設定情報に基づきグラフを更新し、処理が終了する。これにより、表示スケールの変更とともに又は表示スケールの変更とは独立して、集計単位時間が変更される。

一方、グラフ表示変更要求が集計単位時間の変更に係る要求ではない場合（ステップＢ１１でＮｏ）、制御部１３２は、グラフ表示変更要求が表示スケールの変更に係る処理か否かを判定する（ステップＢ１５）。表示スケールの変更に係る処理の場合（ステップＢ１５でＹｅｓ）、処理がステップＢ１３に移行し、ステップＢ１３及びＢ１４の処理により、表示スケールが変更される。

グラフ表示変更要求が表示スケールの変更に係る処理ではない場合（ステップＢ１５でＮｏ）、制御部１３２は、グラフ表示変更要求がグラフ種別の切り替えに係る要求か否かを判定する（ステップＢ１６）。グラフ種別の切り替えに係る要求の場合（ステップＢ１６でＹｅｓ）、制御部１３２は、設定情報に変更後のグラフ種別を設定し（ステップＢ１７）、処理がステップＢ１４に移行する。ステップＢ１４の処理により、表示する分類グループ、又は、表示形式等のグラフが切り替えられる。

グラフ表示変更要求がグラフ種別の切り替えに係る要求ではない場合（ステップＢ１６でＮｏ）、制御部１３２は、グラフ表示変更要求に応じた制御を行ない（ステップＢ１８）、処理が終了する。

〔１−５〕コンピュータのハードウェア構成例
次に、上述したコンピュータ１０のハードウェア構成例について説明する。図１７に示すように、コンピュータ１０は、例示的に、ＣＰＵ（Central Processing Unit）１０ａ、メモリ１０ｂ、記憶部１０ｃ、ＩＦ（Interface）部１０ｄ、Ｉ／Ｏ（Input / Output）部１０ｅ、及び読取部１０ｆをそなえてよい。

ＣＰＵ１０ａは、種々の制御や演算を行なうプロセッサ又は演算処理装置の一例である。ＣＰＵ１０ａは、コンピュータ１０内の各ブロックとバスで相互に通信可能に接続されてよい。プロセッサとしては、ＣＰＵ１０ａに代えて、例えば、ＭＰＵ、ＤＳＰ、ＡＳＩＣ、ＦＰＧＡ等の集積回路が用いられてもよい。なお、ＭＰＵはMicro Processing Unitの略称であり、ＤＳＰはDigital Signal Processorの略称であり、ＡＳＩＣはApplication Specific Integrated Circuitの略称であり、ＦＰＧＡはField-Programmable Gate Arrayの略称である。

メモリ１０ｂは、種々のデータやプログラム等の情報を格納するハードウェアの一例である。メモリ１０ｂとしては、例えばＲＡＭ（Random Access Memory）等の揮発性メモリが挙げられる。

記憶部１０ｃは、種々のデータやプログラム等の情報を格納するハードウェアの一例である。記憶部１０ｃとしては、例えばＨＤＤ（Hard Disk Drive）等の磁気ディスク装置、ＳＳＤ（Solid State Drive）等の半導体ドライブ装置、不揮発性メモリ等の各種記憶装置が挙げられる。不揮発性メモリとしては、例えば、フラッシュメモリ、ＳＣＭ（Storage Class Memory）、ＲＯＭ（Read Only Memory）等が挙げられる。

なお、図１に示す発話データベース１４は、例えば、メモリ１０ｂ又は記憶部１０ｃの記憶領域により実現されてよい。

また、記憶部１０ｃは、コンピュータ１０の各種機能の全部若しくは一部を実現するプログラム１０ｈを格納してよい。ＣＰＵ１０ａは、記憶部１０ｃに格納されたプログラム１０ｈをメモリ１０ｂに展開して実行することにより、図１に示すコンピュータ１０の音声変換部１２及びグラフ出力部１３としての機能を実現できる。

ＩＦ部１０ｄは、ネットワーク２０との間の接続及び通信の制御等を行なう通信インタフェースの一例である。例えばＩＦ部１０ｄは、ＬＡＮ、インフィニバンド（Infiniband）、光通信（例えばＦＣ（Fibre Channel；ファイバチャネル））等に準拠したアダプタが挙げられる。プログラム１０ｈは、ネットワーク２０等からＩＦ部１０ｄを介してコンピュータ１０にダウンロードされ、記憶部１０ｃに格納されてもよい。

また、ＩＦ部１０ｄは、集音装置１１が接続されるアダプタ、例えば、音響信号入力用のフォーン端子、ＵＳＢ（Universal Serial Bus）、Ｂｌｕｅｔｏｏｔｈ（登録商標）等に準拠したアダプタをそなえてもよい。

Ｉ／Ｏ部１０ｅは、マウス、キーボード、又は操作ボタン等の入力部、並びに、ディスプレイ、プロジェクタ、又はプリンタ等の出力部、の一方又は双方を含んでよい。なお、図１に示す表示装置１５は、Ｉ／Ｏ部１０ｅの出力部の一例である。

読取部１０ｆは、記録媒体１０ｇに記録されたデータやプログラムの情報を読み出すリーダの一例である。読取部１０ｆは、記録媒体１０ｇを接続可能又は挿入可能な接続端子又は装置を含んでよい。読取部１０ｆとしては、例えばＵＳＢ等に準拠したアダプタ、記録ディスクへのアクセスを行なうドライブ装置、ＳＤカード等のフラッシュメモリへのアクセスを行なうカードリーダ等が挙げられる。なお、記録媒体１０ｇにはプログラム１０ｈが格納されてもよく、読取部１０ｆが記録媒体１０ｇからプログラム１０ｈを読み出して記憶部１０ｃに格納してもよい。

記録媒体１０ｇとしては、例示的に、磁気／光ディスクやフラッシュメモリ等の非一時的な記録媒体が挙げられる。磁気／光ディスクとしては、例示的に、フレキシブルディスク、ＣＤ（Compact Disc）、ＤＶＤ（Digital Versatile Disc）、ブルーレイディスク、ＨＶＤ（Holographic Versatile Disc）等が挙げられる。フラッシュメモリとしては、例示的に、ＵＳＢメモリやＳＤカード等が挙げられる。なお、ＣＤとしては、例示的に、ＣＤ−ＲＯＭ、ＣＤ−Ｒ、ＣＤ−ＲＷ等が挙げられる。また、ＤＶＤとしては、例示的に、ＤＶＤ−ＲＯＭ、ＤＶＤ−ＲＡＭ、ＤＶＤ−Ｒ、ＤＶＤ−ＲＷ、ＤＶＤ＋Ｒ、ＤＶＤ＋ＲＷ等が挙げられる。

上述したコンピュータ１０のハードウェア構成は例示である。従って、コンピュータ１０内でのハードウェアの増減（例えば任意のブロックの追加や削除）、分割、任意の組み合わせでの統合、又は、バスの追加若しくは削除等は適宜行なわれてもよい。

〔２〕その他
上述した一実施形態に係る技術は、以下のように変形、変更して実施することができる。

例えば、図１に示すコンピュータ１０の各機能ブロックは、それぞれ任意の組み合わせで併合してもよく、分割してもよい。

また、コンピュータのＣＰＵ１０ａは、シングルプロセッサやシングルコアプロセッサに限定されるものではなく、マルチプロセッサやマルチコアプロセッサであってもよい。

さらに、コンピュータ１０の機能は、例えばクラウド環境のように、ネットワーク２０又は他のインターネット等のネットワークを介して、複数のコンピュータに分散又は冗長化して配置されてもよい。

一例として、コンピュータ１０のグラフ出力部１３の機能がクラウドサーバに存在してもよい。この場合、コンピュータ１０は、発話データベース１４の情報をクラウドサーバに送信し、Ｗｅｂブラウザを介して、クラウドサーバのグラフ出力部１３が提供するグラフ表示機能を利用してもよい。

他の例として、コンピュータ１０のグラフ出力部１３及び発話データベース１４の機能がクラウドサーバに存在してもよい。この場合、コンピュータ１０は、音声データを変換したテキストデータを関連する情報とともにクラウドサーバに送信し、発話データベース１４を更新してもよい。

上述した一実施形態では、音声分析システム１が１つの授業内容を分析する場合を例に挙げて説明したが、これに限定されるものではない。

例えば、発話データベース１４には、一人の教師が複数のクラスのそれぞれに対して行なった複数の授業内容に係るテキストデータが記憶されてもよい。或いは、発話データベース１４には、複数の教師のそれぞれが同一の又は異なるクラスに対して行なった複数の授業内容に係るテキストデータが記憶されてもよい。また、複数の発話データベース１４がコンピュータ１０に存在してもよい。

そして、グラフ出力部１３は、１つ又は複数の発話データベース１４に基づいて、一人の教師が複数のクラスに対して行なった複数の授業間の発話内容の分析に用いるグラフを出力してもよい。或いは、グラフ出力部１３は、複数の教師のそれぞれが行なった複数の授業間の発話内容の分析に用いるグラフを出力してもよい。これらのグラフには、上述した手法により、授業ごと、第１分類グループごと、又は、第２分類グループごとに、発話内容を示す折れ線や積み上げグラフが表示されてもよい。

これにより、クラス間の発話内容の比較、教師間の授業の比較、或いは教材や資料の比較等を高精度に行なうことができる。また、比較により、次回の授業に用いる教材や資料等の見直しや最適化を図ることができ、例えば、分析によって得られる最適な教材や資料等を一覧表示することもできる。さらに、音声分析システム１に教材や資料等の管理システムを組み込むことで、協調学習の一元管理を行なうことも可能である。

また、一実施形態では、音声分析システム１を協調学習に用いる場合を例に挙げて説明したが、これに限定されるものではない。

例えば、音声分析システム１は、企業や組織、団体等の一定のグループにおける会議等の分析に用いられてもよい。この場合、オペレータは、グループ内のメンバー（会議の参加者）の発話状況を分析でき、分析結果としてのグラフを、例えばメンバーの理解度や業務への意欲の判断等に用いることが可能である。

〔３〕付記
以上の実施形態に関し、さらに以下の付記を開示する。

（付記１）
複数の話者のそれぞれの音声を受け付け、
受け付けた前記複数の話者のそれぞれの音声を音声認識によりテキスト化し、
所定時間ごとの前記複数の話者のそれぞれの音声に対応するテキストの文字数を特定し、
前記所定時間ごとに、前記複数の話者のそれぞれの音声に対応した前記文字数を示すグラフを出力する、
処理をコンピュータに実行させることを特徴とする、音声分析プログラム。

（付記２）
前記文字数を示すグラフとともに、前記複数の話者のそれぞれに対応する付加情報を出力する処理を前記コンピュータに実行させることを特徴とする、付記１記載の音声分析プログラム。

（付記３）
前記付加情報は、前記複数の話者のそれぞれの音声に対応するテキストであることを特徴とする、付記２記載の音声分析プログラム。

（付記４）
前記文字数を示すグラフに対して表示範囲の時間スケールの変更を制御する処理を前記コンピュータに実行させることを特徴とする、付記１〜３のいずれか１項記載の音声分析プログラム。

（付記５）
前記所定時間の長さを変更し、
変更後の所定時間ごとの前記複数の話者のそれぞれの音声に対応するテキストの文字数を特定し、
前記変更後の所定時間ごとに、前記複数の話者のそれぞれの音声に対応した前記文字数を示すグラフを出力する、
処理を前記コンピュータに実行させることを特徴とする、付記１〜４のいずれか１項記載の音声分析プログラム。

（付記６）
前記文字数を示すグラフは、時間軸及び文字数軸を含む表示範囲上に、前記所定時間ごとの前記複数の話者のそれぞれの音声に対応した前記文字数をプロットした折れ線グラフであることを特徴とする、付記１〜５のいずれか１項記載の音声分析プログラム。

（付記７）
前記複数の話者のそれぞれは、複数の第１分類グループのうちのいずれかに属するとともに、複数の第２分類グループのうちのいずれかに属し、前記複数の第１分類グループのそれぞれには、互いに異なる第２分類グループに属する話者が含まれ、
前記文字数を示すグラフは、同一の第１分類グループに属する複数の話者を対象として生成されるグラフである
ことを特徴とする、付記１〜６のいずれか１項記載の音声分析プログラム。

（付記８）
前記文字数を示すグラフを、同一の第２分類グループに属する複数の話者を対象として生成されるグラフに切り替える制御を行なう処理を前記コンピュータに実行させることを特徴とする、付記７記載の音声分析プログラム。

（付記９）
前記文字数を示すグラフは、時間軸及び文字数軸を含む表示範囲上に、前記所定時間ごとの前記複数の話者のそれぞれの音声に対応した前記文字数の累積値を示す棒グラフであることを特徴とする、付記１〜５のいずれか１項記載の音声分析プログラム。

（付記１０）
前記文字数を示すグラフを、時間軸及び文字数軸を含む表示範囲上に、前記所定時間ごとの前記複数の話者のそれぞれの音声に対応した前記文字数をプロットした折れ線グラフと、前記表示範囲上に、前記所定時間ごとの前記複数の話者のそれぞれの音声に対応した前記文字数の累積値を示す棒グラフと、の間で切り替える制御を行なう処理を前記コンピュータに実行させることを特徴とする、付記１〜９のいずれか１項記載の音声分析プログラム。

（付記１１）
複数の話者のそれぞれの音声を受け付ける受付部と、
受け付けた前記複数の話者のそれぞれの音声を音声認識によりテキスト化するテキスト化部と、
所定時間ごとの前記複数の話者のそれぞれの音声に対応するテキストの文字数を特定する特定部と、
前記所定時間ごとに、前記複数の話者のそれぞれの音声に対応した前記文字数を示すグラフを出力する出力部と、をそなえる
ことを特徴とする、音声分析装置。

（付記１２）
前記出力部は、前記文字数を示すグラフとともに、前記複数の話者のそれぞれに対応する付加情報を出力することを特徴とする、付記１１記載の音声分析装置。

（付記１３）
前記付加情報は、前記複数の話者のそれぞれの音声に対応するテキストであることを特徴とする、付記１２記載の音声分析装置。

（付記１４）
前記文字数を示すグラフに対して表示範囲の時間スケールの変更を制御する制御部、をそなえることを特徴とする、付記１１〜１３のいずれか１項記載の音声分析装置。

（付記１５）
前記制御部は、前記所定時間の長さを変更し、
前記特定部は、変更後の所定時間ごとの前記複数の話者のそれぞれの音声に対応するテキストの文字数を特定し、
前記出力部は、前記変更後の所定時間ごとに、前記複数の話者のそれぞれの音声に対応した前記文字数を示すグラフを出力する、
ことを特徴とする、付記１１〜１４のいずれか１項記載の音声分析装置。

（付記１６）
前記複数の話者のそれぞれは、複数の第１分類グループのうちのいずれかに属するとともに、複数の第２分類グループのうちのいずれかに属し、前記複数の第１分類グループのそれぞれには、互いに異なる第２分類グループに属する話者が含まれ、
前記文字数を示すグラフは、同一の第１分類グループに属する複数の話者を対象として生成されるグラフである
ことを特徴とする、付記１１〜１５のいずれか１項記載の音声分析装置。

（付記１７）
前記制御部は、前記文字数を示すグラフを、同一の第２分類グループに属する複数の話者を対象として生成されるグラフに切り替える制御を行なうことを特徴とする、付記１６記載の音声分析装置。

（付記１８）
前記制御部は、前記文字数を示すグラフを、時間軸及び文字数軸を含む表示範囲上に、前記所定時間ごとの前記複数の話者のそれぞれの音声に対応した前記文字数をプロットした折れ線グラフと、前記表示範囲上に、前記所定時間ごとの前記複数の話者のそれぞれの音声に対応した前記文字数の累積値を示す棒グラフと、の間で切り替える制御を行なうことを特徴とする、付記１１〜１７のいずれか１項記載の音声分析装置。

（付記１９）
コンピュータのプロセッサが、複数の話者のそれぞれの音声を受け付け、
前記プロセッサが、受け付けた前記複数の話者のそれぞれの音声を音声認識によりテキスト化し、
前記プロセッサが、所定時間ごとの前記複数の話者のそれぞれの音声に対応するテキストの文字数を特定し、
前記プロセッサが、前記所定時間ごとに、前記複数の話者のそれぞれの音声に対応した前記文字数を示すグラフを出力する、
ことを特徴とする、音声分析方法。

（付記２０）
前記プロセッサが、前記文字数を示すグラフとともに、前記複数の話者のそれぞれに対応する付加情報を出力することを特徴とする、付記１９記載の音声分析方法。

１ 音声分析システム
１０ コンピュータ
１１、３１ 集音装置
１２ 音声変換部
１２１ 音声取得部
１２２ テキスト変換部
１３ グラフ出力部
１３１ グラフ生成部
１３２ 制御部
１４ 発話データベース
１５ 表示装置
２０ ネットワーク
３０ 端末
１５０、１５０Ａ、１５０Ｂ 表示領域
１６０、１６０Ａ、１６０Ｂ グラフ領域
１６２ ズームボタン
１６４ マウスカーソル
１６６ テキスト領域
１６７、１６８、１６９ ポップアップ
１７０ スケール変更領域
１７２ プレビュー領域
１７４ 調整部
１７６ スライダ
１８０ 操作領域
１９０ 条件指定画面
１９２ 表示グループ選択領域
１９４ 表示方法選択領域
１９６ グラフ出力ボタン

Claims (10)

1. 複数の話者のそれぞれの音声を受け付け、
   受け付けた前記複数の話者のそれぞれの音声を音声認識によりテキスト化し、
   所定時間ごとの前記複数の話者のそれぞれの音声に対応するテキストの文字数を特定し、
   前記所定時間ごとに、前記複数の話者のそれぞれの音声に対応した前記文字数を示すグラフを出力する、
   処理をコンピュータに実行させることを特徴とする、音声分析プログラム。
2. 前記文字数を示すグラフとともに、前記複数の話者のそれぞれに対応する付加情報を出力する処理を前記コンピュータに実行させることを特徴とする、請求項１記載の音声分析プログラム。
3. 前記付加情報は、前記複数の話者のそれぞれの音声に対応するテキストであることを特徴とする、請求項２記載の音声分析プログラム。
4. 前記文字数を示すグラフに対して表示範囲の時間スケールの変更を制御する処理を前記コンピュータに実行させることを特徴とする、請求項１〜３のいずれか１項記載の音声分析プログラム。
5. 前記所定時間の長さを変更し、
   変更後の所定時間ごとの前記複数の話者のそれぞれの音声に対応するテキストの文字数を特定し、
   前記変更後の所定時間ごとに、前記複数の話者のそれぞれの音声に対応した前記文字数を示すグラフを出力する、
   処理を前記コンピュータに実行させることを特徴とする、請求項１〜４のいずれか１項記載の音声分析プログラム。
6. 前記複数の話者のそれぞれは、複数の第１分類グループのうちのいずれかに属するとともに、複数の第２分類グループのうちのいずれかに属し、前記複数の第１分類グループのそれぞれには、互いに異なる第２分類グループに属する話者が含まれ、
   前記文字数を示すグラフは、同一の第１分類グループに属する複数の話者を対象として生成されるグラフである
   ことを特徴とする、請求項１〜５のいずれか１項記載の音声分析プログラム。
7. 前記文字数を示すグラフを、同一の第２分類グループに属する複数の話者を対象として生成されるグラフに切り替える制御を行なう処理を前記コンピュータに実行させることを特徴とする、請求項６記載の音声分析プログラム。
8. 前記文字数を示すグラフを、時間軸及び文字数軸を含む表示範囲上に、前記所定時間ごとの前記複数の話者のそれぞれの音声に対応した前記文字数をプロットした折れ線グラフと、前記表示範囲上に、前記所定時間ごとの前記複数の話者のそれぞれの音声に対応した前記文字数の累積値を示す棒グラフと、の間で切り替える制御を行なう処理を前記コンピュータに実行させることを特徴とする、請求項１〜７のいずれか１項記載の音声分析プログラム。
9. 複数の話者のそれぞれの音声を受け付ける受付部と、
   受け付けた前記複数の話者のそれぞれの音声を音声認識によりテキスト化するテキスト化部と、
   所定時間ごとの前記複数の話者のそれぞれの音声に対応するテキストの文字数を特定する特定部と、
   前記所定時間ごとに、前記複数の話者のそれぞれの音声に対応した前記文字数を示すグラフを出力する出力部と、をそなえる
   ことを特徴とする、音声分析装置。
10. コンピュータのプロセッサが、複数の話者のそれぞれの音声を受け付け、
    前記プロセッサが、受け付けた前記複数の話者のそれぞれの音声を音声認識によりテキスト化し、
    前記プロセッサが、所定時間ごとの前記複数の話者のそれぞれの音声に対応するテキストの文字数を特定し、
    前記プロセッサが、前記所定時間ごとに、前記複数の話者のそれぞれの音声に対応した前記文字数を示すグラフを出力する、
    ことを特徴とする、音声分析方法。

Images