JP2019220067A - 会議システム、会議サーバ及びプログラム - Google Patents

Abstract

【課題】会議の参加者だけに限定してワークスペースを割当てることができる会議システム、会議サーバ及びプログラムを提供する。【解決手段】会議システム１において、グループ化部３１は、パーソナルデバイス２Ａ、・・・の特徴抽出部２２により会議が開催される会議室に特有の情報から抽出された特徴をパーソナルデバイス毎に比較して、特徴が類似する複数のパーソナルデバイスをグループ化する。割当部３２は、グループ化されたグループ毎に、複数のパーソナルデバイスがアクセス可能なワークスペース２４を割当てる。そして、ワークスペースを割当てた複数のパーソナルデバイスに対して、ワークスペースに複数のパーソナルデバイスがアクセス可能とするためのワークスペースに関する情報を通知する。パーソナルデバイスは、ワークスペースに関する情報に基づいてパーソナルデバイスに割当てられたワークスペースにアクセスする。【選択図】図１

Description

本発明は、会議システム、会議サーバ及びプログラムに関する。

近年、会議に関連するワークスペースを提供するためのソフトウェアソリューションが多く登場している。ワークスペースとは、例えば、会議の参加者だけが参照可能な資料を共有することが可能な仮想的な空間のことであり、会議毎に会議の参加者に割当てられる。将来的には、会議に関連する各種の情報を共有するために、ワークスペースを提供可能なソフトウェアの使用が増加することが期待される。

ワークスペースを利用する会議の参加者は、会議の主催者が会議毎に作成する共通のワークスペースにアクセスする必要がある。しかし、現在は、会議の参加者が会議室に集まっていたとしても、各参加者が、会社ＩＤ又は電子メールアドレス等の参加者を識別するための情報を入力して、どのワークスペースにアクセス可能であるのか検索しなければならない。このため、会議の参加者がワークスペースにアクセスするまでの手間がかかっていた。そこで、会議の参加者を自動的に識別して、ワークスペースに自動的に参加することが可能な仕組みが望まれていた。

特許文献１には、会議参加者の近接を使用して会議への参加を開始する技術が開示されている。この技術では、ホストデバイス又は他のデバイスが、会議参加者の存在を検出すると、会議に参加するための招待状が会議参加者に送信される。

特許文献２には、発信側の端末から着信側の端末へ通話を要求する発信信号を検出すると、発信信号から、複数の端末が属するグループを識別するグループ識別子と、そのグループに属する端末のいずれかを識別する端末識別子とを抽出し、抽出されたグループ識別子及び端末識別子により識別可能な端末を着信側の端末として呼び出す技術が開示されている。

米国特許第９４９５６６３号明細書 特開２０１３−２２３０１９号公報

特許文献１及び２に開示された技術では、会議の参加者がワークスペースに自動的に参加するためには、会議室の中にホストデバイス（Ｂｌｕｅｔｏｏｔｈ（登録商標）ビーコン、ＷｉＦｉ（登録商標）ルーターなどのトランシーバー）ような外部装置を置いて事前にセットアップする作業が必要となる。このため、会議室毎にホストデバイスを用意するための費用がかかる他、会議室にホストデバイスを設置する作業の手間がかかっていた。

また、会議参加者が使用するホストデバイスから発信される電波を検出することで、特定の会議室にいる会議参加者をワークスペースにアクセスさせる技術を用いると、他の会議室にいる第三者が使用するホストデバイスが発信する電波を検出することがある。例えば、会議には参加していない他の者が使用するホストデバイスから発信された電波信号を捕捉すると、第三者が使用するホストデバイスにもワークスペースが割り当てられる可能性がある。この場合、会議に参加していない第三者がワークスペースにアクセスすることで、会議の参加者だけで共有すべき資料が、第三者に漏洩する恐れがある。

また、会議の参加者のうち、何人かがビデオ会議システムにより会議室から離れた場所から参加する場合がある。このとき、会議室から離れた場所にいる参加者を特定することができず、この参加者はワークスペースに割当てられないので、会議資料を共有することができない。

本発明はこのような状況に鑑みて成されたものであり、会議の参加者だけに限定してワークスペースを割当てることを目的とする。

上述した目的のうち少なくとも一つを実現するために、本発明の一側面を反映した会議システムは、会議の参加者により用いられる情報処理装置毎に、会議が開催されるエリアに特有の情報を取得する情報取得部と、情報処理装置毎に取得された特有の情報から特徴を抽出する特徴抽出部と、特徴を情報処理装置毎に比較して、特徴が類似する複数の情報処理装置をグループ化するグループ化部と、グループ化されたグループ毎に、複数の情報処理装置がアクセス可能なワークスペースを割当て、ワークスペースを割当てた複数の情報処理装置に対して、ワークスペースに複数の情報処理装置がアクセス可能とするためのワークスペースに関する情報を通知する割当部と、を備え、情報処理装置は、ワークスペースに関する情報に基づいて情報処理装置に割当てられたワークスペースにアクセスする。
なお、上記の会議システムは本発明の一態様であり、本発明の一側面を反映した会議サーバ、プログラムについても、本発明の一側面を反映した会議システムと同様の構成を有する。

本発明によれば、会議が開催されるエリアに特有の情報から抽出した特徴が類似する複数の情報処理装置毎にワークスペースを割当てるため、会議に参加していない第三者が使用する情報処理装置がワークスペースにアクセスすることを防ぐことができる。また、会議の参加者が使用する情報処理装置は自動的にワークスペースにアクセス可能であるため、会議の参加者はセットアップ等の手間を掛けなくて済む。
上記した以外の課題、構成及び効果は、以下の実施の形態の説明により明らかにされる。

本発明の第１の実施の形態に係る会議システムの全体構成例を示すブロック図である。 本発明の第１の実施の形態に係る会議システムの全体処理の例を示すフローチャートである。 本発明の第１の実施の形態に係る会議室１にいる参加者が参加する会議において、参加者が使用するパーソナルデバイスにワークスペースが割当てられる処理の例を示すシーケンス図である。 本発明の第１の実施の形態に係るパーソナルデバイス毎に特徴抽出部が抽出したテキストデータの例を示す説明図である。 本発明の第１の実施の形態に係る会議室２にいる参加者が参加する会議において、参加者が使用するパーソナルデバイスにワークスペースが割当てられる処理の例を示すシーケンス図である。 本発明の第１の実施の形態に係るパーソナルデバイス毎に特徴抽出部が音声データから抽出したテキストデータの例を示す説明図である。 本発明の第１の実施の形態に係るグループ化部がタイムスタンプの近い特徴データをグループ化する処理の例を示す説明図である。 本発明の第１の実施の形態に係る類似度行列の構成例を示す説明図である。 本発明の第１の実施の形態に係る各パーソナルデバイスが割当てられるワークスペースの例を示す説明図である。 本発明の第２の実施の形態に係る会議システムの全体構成例を示すブロック図である。 本発明の第２の実施の形態に係る会議室１にいる参加者が参加する会議において、各参加者が使用するパーソナルデバイスにワークスペースが割当てられる処理の例を示すシーケンス図である。 本発明の第４の実施の形態に係るビデオ会議システムにより遠隔地から会議に参加する参加者がいた場合に割当てられるワークスペースの例を示す全体構成図である。 本発明の第５の実施の形態に係る音声アシスタント装置が設けられた会議室１の様子を表す会議システムの全体構成図である。 本発明の第１〜第５の実施の形態に係る計算機のハードウェア構成例を示すブロック図である。

以下、本発明を実施するための形態例について、添付図面を参照して説明する。本明細書及び図面において、実質的に同一の機能又は構成を有する構成要素については、同一の符号を付することにより重複する説明を省略する。

［第１の実施の形態］
始めに、本発明の第１の実施の形態に係る会議システムの構成例について説明する。
図１は、会議システム１の全体構成例を示すブロック図である。

会議システム１は、３台のパーソナルデバイス２Ａ、２Ｃ、２Ｅ（情報処理装置の一例）と、パーソナルデバイス２Ａ、２Ｃ、２Ｅに対してＬＡＮ（Local Area Network）等のネットワークＮを介して接続される会議サーバ３（会議サーバの一例）とを備える。なお、会議サーバ３の処理により、パーソナルデバイス２Ａ、２Ｃ、２Ｅで起動するプログラムが異なることを示すため、図中の左側と右側に同じパーソナルデバイス２Ａ、２Ｃ、２Ｅを表す。

パーソナルデバイス２Ａ、２Ｃ、２Ｅは、それぞれ会議の参加者１０Ａ、１０Ｃ、１０Ｅにより使用される。参加者１０Ａ、１０Ｃ、１０Ｅは、それぞれパーソナルデバイス２Ａ、２Ｃ、２Ｅを持参して、会議が行われる共通の場所に集まる。本明細書において、例えば、ノートＰＣ、タブレット、スマートフォン、スマートウォッチ等の電子機器を総称して「パーソナルデバイス」と呼ぶ。なお、スマートフォン、スマートウォッチは、主に会議参加者の音声を取得するために用い、スマートフォン、スマートウォッチにワークスペースが割当てられると、スマートフォン、スマートウォッチに関連付けられたノートＰＣ、タブレット等がワークスペースにアクセスしてもよい。本明細書で用いられる各パーソナルデバイスの主要な構成はいずれも同じであるため、以下の説明で各パーソナルデバイスを区別しない場合には、「パーソナルデバイス２」と呼ぶ。また、参加者１０Ａ、１０Ｃ、１０Ｅを区別しない場合には、「参加者１０」と呼ぶ。

パーソナルデバイス２Ａの内部構成例について説明する。
パーソナルデバイス２Ａでは、アプリケーション２０が起動される。アプリケーション２０は、情報取得部２１、特徴抽出部２２及び通信部２３を備える。

アプリケーション２０は、パーソナルデバイス２Ａにプリインストールされたプログラムである。参加者１０Ａは、アプリケーション２０にログインした状態である。アプリケーション２０の制御により、情報取得部２１、特徴抽出部２２及び通信部２３が動作する。

情報取得部２１は、会議の参加者１０Ａ、１０Ｃ、１０Ｅにより用いられるパーソナルデバイス２毎に、会議が開催される会議室（エリアの一例）に特有の情報として、会議室にいる参加者１０Ａ、１０Ｃ、１０Ｅが発話した音声を変換した音声データを取得する。ここで、音声は、パーソナルデバイス２Ａに内蔵されるマイクロフォンが集音したアナログデータである。このため、情報取得部２１は、アナログデータをデジタル化した音声データに変換して、特徴抽出部２２に音声データを出力する。

特徴抽出部２２は、パーソナルデバイス２毎に取得された特有の情報から特徴を抽出する。ここで、特徴抽出部２２は、情報取得部２１から入力した音声データをテキストデータに変換し、このテキストデータを解析して、参加者１０Ａ、１０Ｃ、１０Ｅが発話した内容を表す音声の特徴を抽出する。音声の特徴は、テキストデータから抽出される所定期間の文字列により表される。

通信部２３は、特徴抽出部２２が抽出した音声の特徴を示す特徴データを、ネットワークＮを通じて会議サーバ３に送信する。会議サーバ３にアクセス可能なＵＲＬ（Uniform Resource Locator）等は、アプリケーション２０が予め保持している。

会議室内でパーソナルデバイス２Ａ、２Ｃ、２Ｅが置かれる位置により、話者が発話した内容の音量が変わるが、パーソナルデバイス２Ａ、２Ｃ、２Ｅの情報取得部２１が集音する音声と、特徴抽出部２２が抽出する音声の特徴はいずれも同じか類似する。そして、パーソナルデバイス２Ｃ、２Ｅも通信部２３を通じて会議サーバ３に音声の特徴データを送信する。

会議サーバ３は、会議毎に参加者１０を特定し、会議で使用される資料等を閲覧可能なワークスペースをパーソナルデバイス２に割当てる機能を持つ。この会議サーバ３は、例えばクラウド化されたサービスであり、多数のパーソナルデバイス２が会議サーバ３との間で様々なデータを送受信することが可能である。そして、会議サーバ３は、ワークスペースへのアクセスを許可したパーソナルデバイス２が、会議サーバ３からパーソナルデバイス２に通知するワークスペースに関する情報を用いて会議サーバ３にアクセスした際に、このパーソナルデバイス２にワークスペースを提供する。この会議サーバ３は、グループ化部３１、割当部３２、通信部３３及び記憶部３４を備える。

グループ化部３１は、特徴抽出部２２により抽出された音声の特徴をパーソナルデバイス２毎に比較して、特徴が類似する複数のパーソナルデバイス２をグループ化する。ここで、グループ化部３１は、特徴として抽出された文字列を、機械学習、又は文字列照合アルゴリズムによりパーソナルデバイス２毎に比較して、文字列が類似するパーソナルデバイス２をグループ化する。例えば、グループ化部３１は、パーソナルデバイス２Ａ、２Ｃ、２Ｅから受信した音声の特徴データを比較して、パーソナルデバイス２Ａ、２Ｃ、２Ｅが同じ会議室で使用されているか判断する。グループ化部３１は、パーソナルデバイス２Ａ、２Ｃ、２Ｅが同じ会議室で使用されていると判断すると、パーソナルデバイス２Ａ、２Ｃ、２Ｅをグループ化する。なお、本実施の形態では、グループ化部３１は、文字列の特徴が類似するパーソナルデバイス２をグループ化するが、文字列の特徴が同一であるパーソナルデバイス２もグループ化することが可能である。

割当部３２は、グループ化部３１によりグループ化されたグループ毎に、複数のパーソナルデバイス２がアクセス可能なワークスペースを割当てる。例えば、割当部３２は、グループ化部３１によりグループ化されたパーソナルデバイス２に対して、参加者１０Ａ、１０Ｃ、１０Ｅが共通して資料を閲覧可能なワークスペースを割当てる。そして、割当部３２は、ワークスペースにアクセス可能とするためのワークスペースに関する情報をパーソナルデバイス２Ａ、２Ｃ、２Ｅに通知する。

通信部３３は、ネットワークＮを介してパーソナルデバイス２Ａ、２Ｃ、２Ｅが備える通信部２３と通信を行って、各種のデータを互いに送受信することが可能である。例えば、通信部３３は、パーソナルデバイス２Ａ、２Ｃ、２Ｅから特徴データを受信する。また、通信部３３は、割当部３２により通知されるワークスペースに関する情報をパーソナルデバイス２Ａ、２Ｃ、２Ｅに送信する。

記憶部３４は、通信部３３が受信したパーソナルデバイス２Ａ、２Ｃ、２Ｅの特徴データを記憶する。また、記憶部３４は、グループ化部３１が、各特徴データの類似性を判断するために参照する閾値も記憶する。

なお、図１では不図示とするが、他の会議に参加する参加者により使用されるパーソナルデバイス２からも音声の特徴データが送信される。この場合、通信部３３は、他の会議に参加する参加者により使用されるパーソナルデバイス２から特徴データを受信し、グループ化部３１が、他の会議に参加する参加者が使用するパーソナルデバイス２をグループ化する。そして、割当部３２は、他の会議に参加する参加者が共通して資料を閲覧可能な別のワークスペースを割当て、他の会議に参加する参加者により使用されるパーソナルデバイス２に対して、割当部３２が割当てたワークスペースに関する情報を通知する。

パーソナルデバイス２Ａ、２Ｃ、２Ｅは、通信部２３が会議サーバ３から受信した、ワークスペースに関する情報に基づいてパーソナルデバイス２Ａ、２Ｃ、２Ｅに割当てられたワークスペースにアクセスすることが可能となる。ここで、パーソナルデバイス２Ａ、２Ｃ、２Ｅは、ネイティブアプリケーション、又はウェブブラウザを経由して、割当部３２により割当てられたワークスペースにアクセスするためのワークスペースアプリケーション２４を起動する。ネイティブアプリケーションとは、パーソナルデバイス２Ａ、２Ｃ、２Ｅ側で稼働するアプリケーションであり、図１に示すワークスペースアプリケーション２４である。また、パーソナルデバイス２Ａ、２Ｃ、２Ｅで表示されるウェブブラウザを通じてアクセスした会議サーバ３のサイト上で、ワークスペースアプリケーション２４を起動することも可能である。パーソナルデバイス２Ａ、２Ｃ、２Ｅは、ワークスペースアプリケーション２４を通じてアクセスしたワークスペースに保管されている、会議で利用可能な会議情報（資料等）をパーソナルデバイス２Ａ、２Ｃ、２Ｅに設けられた表示部に表示する。これにより会議の参加者はワークスペースから会議情報を閲覧することが可能となる。

図２は、会議システム１の全体処理の例を示すフローチャートである。
始めに、会議室にいる参加者１０の誰かが発言を開始すると、パーソナルデバイス２は、内蔵のマイクロフォンを通じて情報取得部２１が取得した音声を音声データに変換して録音する（Ｓ１）。なお、会議室にいる参加者１０は、各自が少なくとも１台ずつパーソナルデバイス２を会議室に持ち込んでいるものとする。また、１人の参加者１０が、複数台のパーソナルデバイス２（例えば、パーソナルコンピューター、スマートフォン）を持ち込んで、複数台のパーソナルデバイス２でアプリケーション２０を起動していてもよい。

次に、特徴抽出部２２は、録音された音声データから音声の特徴を抽出する（Ｓ２）。音声の特徴とは、例えば、会議の開始時に行われる挨拶の文言等を含むテキストデータである。そして、通信部２３は、抽出した音声の特徴を含む特徴データを会議サーバ３に送信する（Ｓ３）。

会議サーバ３の通信部３３は、特徴データを受信する（Ｓ４）。グループ化部３１は、パーソナルデバイス２から受信した特徴データを、記憶部３４に記憶される特徴データと比較する（Ｓ５）。最初に記憶部３４に記憶される特徴データは、グループ化部３１がパーソナルデバイス２から受信した特徴データと比較するための基準データとして用いられる。そして、グループ化部３１は、全てのパーソナルデバイス２から送信された特徴データに対して、基準データとの比較を行う。この比較に際して、グループ化部３１は、パーソナルデバイス２から受信した特徴データが、記憶部３４に記憶される特徴データ（基準データ）と一致するか否かを判断する（Ｓ６）。特徴データは、複数の特徴データ、すなわち特徴データと基準データとの類似度が閾値を超えた場合に一致すると判断される。

ところで、最初に会議サーバ３が特徴データを受信した際、記憶部３４には基準データが記憶されていない。このため、パーソナルデバイス２から受信した特徴データは、記憶部３４に記憶される特徴データと一致しない。そこで、グループ化部３１は、特徴データを送信したパーソナルデバイス２をグループ化せず、割当部３２は、この特徴データを送信したパーソナルデバイス２に対して新しいワークスペースを割当てる（Ｓ７）。そして、最初に会議サーバ３が受信した特徴データを基準データとして記憶部３４に記憶する。

その後、会議サーバ３が特徴データを受信することで、グループ化部３１は、新たに受信した特徴データと、記憶部３４に記憶した特徴データ（基準データ）を比較し、新たに特徴データを送信したパーソナルデバイス２をグループ化することが可能となる。そして、ステップＳ７にて新しいワークスペースに割当てられたパーソナルデバイス２の特徴データ（基準データ）と、後で会議サーバ３が受信した特徴データとが一致する場合、割当部３２は、後で会議サーバ３に特徴データを送信したパーソナルデバイス２を、既存のワークスペースに割当てる（Ｓ８）。

その後、通信部３３は、割当部３２により割当てられたワークスペースに関する情報を、特徴データを送信したパーソナルデバイス２に送信する（Ｓ９）。ワークスペースに関する情報として、例えば、パーソナルデバイス２がワークスペースにアクセスするためのＵＲＬ、ログイン情報等がある。パーソナルデバイス２は、会議サーバ３から受信したワークスペースに関する情報に基づいて、会議サーバ３に用意されたワークスペースにアクセスすることができる。

なお、会議サーバ３は、複数台のパーソナルデバイス２から送信された複数の特徴データを同時に受信することがある。この場合、会議サーバ３は、同時に受信した複数の特徴データを記憶部３４に記憶しておき、グループ化部３１が、これら複数の特徴データを比較して、特徴データが一致するか否かを判断する。そして、一致する場合には、複数の特徴データから選択した一つの特徴データを基準データとして記憶部３４に記憶し、図２に示すフローチャートの処理を行う。

次に、参加者１０Ａ、１０Ｃ、１０Ｅが参加する会議で用いられるパーソナルデバイス２と、参加者１０Ｂ、１０Ｄ、１０Ｅが参加する会議とで用いられるパーソナルデバイス２に対して、それぞれ異なるワークスペースが割当てられる処理の例について、図３〜図６を参照して説明する。参加者１０Ａ、１０Ｃ、１０Ｅは会議室１に集まり、参加者１０Ｂ、１０Ｄ、１０Ｆは会議室２に集まってそれぞれの会議を行うものとする。図中では、参加者１０Ａ、１０Ｃ、１０Ｅが使用するパーソナルデバイス２をそれぞれ「デバイスＡ」、「デバイスＣ」、「デバイスＥ」と略記する。同様に、参加者１０Ｂ、１０Ｄ、１０Ｆが使用するパーソナルデバイス２をそれぞれ「デバイスＢ」、「デバイスＤ」、「デバイスＦ」と略記する。

始めに、会議室１にいる参加者１０Ａ、１０Ｃ、１０ＥにワークスペースＸが割当てられるまでの処理について説明する。
図３は、会議室１にいる参加者１０Ａ、１０Ｃ、１０Ｅが参加する会議において、各参加者が使用するパーソナルデバイス２Ａ、２Ｃ、２ＥにワークスペースＸが割当てられる処理の例を示すシーケンス図である。

始めに、パーソナルデバイス２Ａ、２Ｃ、２Ｅがそれぞれアプリケーション２０を開始する（Ｓ１１Ａ、Ｓ１１Ｃ、Ｓ１１Ｅ）。各パーソナルデバイス２のアプリケーション２０が開始された後、会議室１の参加者の一人が「Hello, good evening everyone」と発話する。パーソナルデバイス２Ａ、２Ｃ、２Ｅの情報取得部２１がそれぞれ音声を取得し、音声データに変換する（Ｓ１２Ａ、Ｓ１２Ｃ、Ｓ１２Ｅ）。

そして、パーソナルデバイス２Ａ、２Ｃ、２Ｅの特徴抽出部２２がそれぞれ音声データから発話の特徴を抽出してテキストデータに変換する（Ｓ１３Ａ、Ｓ１３Ｃ、Ｓ１３Ｅ）。

ここで、特徴抽出部２２により音声データから抽出されるテキストデータについて説明する。
図４は、パーソナルデバイス２毎に特徴抽出部２２が抽出したテキストデータの例を示す説明図である。図４に示す表は、パーソナルデバイス２のデバイス名と、タイムスタンプ付きで抽出されたテキストデータの項目を備える。

デバイス名項目には、パーソナルデバイス２Ａ、２Ｃ、２Ｅのデバイス名が格納される。
タイムスタンプ付きで抽出されたテキストデータの項目には、特徴抽出部２２が音声データから発話の特徴としてテキストデータの抽出を開始した時点をＴ_startとし、テキストデータの抽出を終了した時点をＴ_endとした区間内で抽出されたテキストデータの例が示される。

Ｔ_startとＴ_endは、共に無音となった瞬間であるが、例えば、会議の開始から一定時間後にＴ_startとＴ_endを設定しておき、発話の途中から特徴抽出部２２がテキストデータを抽出してもよい。また、Ｔ_startより前、Ｔ_endより後は、特徴抽出部２２がテキストデータを抽出する必要がない区間であり、発話内容が限定されないため、図中に「something」と記載される。

この例では、パーソナルデバイス２Ａの特徴抽出部２２が音声データから「Hello good evening everyone」を抽出し、パーソナルデバイス２Ｃの特徴抽出部２２が音声データから「Hello good evening everyone」を抽出し、パーソナルデバイス２Ｅの特徴抽出部２２が音声データから「Hello good evening one」を抽出したことが示される。音声データから抽出された特徴データには、Ｔ_startとＴ_endのタイムスタンプが付与される。

そして、参加者１０Ｂ、１０Ｄ、１０Ｆが用いるパーソナルデバイス２側の特徴抽出部２２は、音声−テキスト認識ＡＰＩ（Application Programming Interface）を使用して、音声データをテキストデータに変換する。ただし、パーソナルデバイス２のスピーカからの距離、及び情報取得部２１が取得する音声の品質によって、各パーソナルデバイス２の特徴抽出部２２が音声データから抽出する単語はわずかに異なる。各パーソナルデバイス２の特徴抽出部２２は、抽出した単語は、参加者１０が文章を話す前後に発生する無音区間により区切った複数の単語のグループをテキストデータに変換し、さらに、テキストデータにタイムスタンプを添付して特徴データを作成する。そして、通信部２３から会議サーバ３に特徴データが送信される。なお、特徴抽出部２２は、無音区間で単語を区切らなくてもよく、予め定めた時刻で参加者１０が話したときの音声をテキストデータに変換してもよい。

ここで、通信部２３から会議サーバ３に送信される特徴データの形式を以下に示す。
参加者情報＋テキストデータ＋ＨＨＭＭＳＳ（Ｔ_startの時分秒）＋ＨＨＭＭＳＳ（Ｔ_endの時分秒）

参加者情報項目は、パーソナルデバイス２を特定する情報である。参加者情報には、例えば、アプリケーション２０にログインしたときのログインＩＤ等が含まれる。
テキストデータ項目は、特徴抽出部２２により音声データから所定期間分だけ抜き出したテキストデータの一部分である。
ＨＨＭＭＳＳ（Ｔ_startの時分秒）は、特徴抽出部２２がテキストデータを抜き出す所定期間の開始タイミングを表す。
ＨＨＭＭＳＳ（Ｔ_endの時分秒）は、特徴抽出部２２がテキストデータを抜き出す所定期間の終了タイミングを表す。

再び図３の説明に戻る。
各パーソナルデバイス２の通信部２３は、特徴抽出部２２が抽出した特徴データを会議サーバ３に送信する（Ｓ１４Ａ、Ｓ１４Ｃ、Ｓ１４Ｅ）。会議サーバ３の通信部３３は、各パーソナルデバイス２から送信された特徴データを受信する（Ｓ１５）。

会議サーバ３のグループ化部３１は、通信部３３が各パーソナルデバイス２から受信した特徴データの類似性を判定し、特徴データを分類する（Ｓ１６）。会議サーバ３は、参加者１０が使用するパーソナルデバイス２が各会議室のどの位置に置かれているかを事前に知ることができないので、会議サーバ３に接続される全てのデバイスから受信するテキストデータの類似性を判定する必要がある。そこで、グループ化部３１は、会議室１にいる参加者１０が発話した内容を比較するために、多数のパーソナルデバイス２から送信された特徴データのうち、タイムスタンプが近いテキストデータを複数の特徴データから選択する。これによりグループ化部３１は、タイムスタンプが近いテキストデータを比較対象とすることができるので、比較に要する時間を低減することができる。

次に、グループ化部３１は、類似性が高い特徴データを送信したパーソナルデバイス２Ａ、２Ｃ、２Ｅを１つのグループに分類し（グループ化）、割当部３２は、このグループに固有のワークスペースＸを割当てる（Ｓ１７）。

そして、割当部３２は、通信部３３を通じて、パーソナルデバイス２Ａ、２Ｃ、２Ｅに割当てたワークスペースＸに関する情報を通知する（Ｓ１８Ａ、Ｓ１８Ｃ、Ｓ１８Ｅ）。パーソナルデバイス２Ａ、２Ｃ、２Ｅは、割当部３２から通知された情報に基づいてワークスペースＸにアクセスし、資料等を表示することが可能となる。このため、会議の参加者１０Ａ、１０Ｃ、１０Ｅは、会議で用いられる資料を閲覧することができる。

次に、会議室２にいる参加者１０Ｂ、１０Ｄ、１０ＦにワークスペースＹが割当てられるまでの処理について説明する。
図５は、会議室２にいる参加者１０Ｂ、１０Ｄ、１０Ｆが参加する会議において、各参加者が使用するパーソナルデバイス２Ｂ、２Ｄ、２ＦにワークスペースＹが割当てられる処理の例を示すシーケンス図である。

図５に示すシーケンス図は、図３に示したシーケンス図とほぼ同じである。始めに、パーソナルデバイス２Ｂ、２Ｄ、２Ｆがそれぞれアプリケーション２０を開始する（Ｓ１１Ｂ、Ｓ１１Ｄ、Ｓ１１Ｆ）。会議室２にいる参加者１０Ｂ、１０Ｄ、１０Ｆのうちの１人が、「Hello, let's start the meeting」と発話したとする。パーソナルデバイス２Ｂ、２Ｄ、２Ｆの情報取得部２１がそれぞれ音声を取得し、音声データに変換する（Ｓ１２Ｂ、Ｓ１２Ｄ、Ｓ１２Ｆ）。

そして、パーソナルデバイス２Ｂ、２Ｄ、２Ｆの特徴抽出部２２がそれぞれ音声データから発話の特徴を抽出してテキストデータに変換する（Ｓ１３Ｂ、Ｓ１３Ｄ、Ｓ１３Ｆ）。

図６は、パーソナルデバイス２毎に特徴抽出部２２が音声データから抽出したテキストデータの例を示す説明図である。図６に示す表は、パーソナルデバイス２のデバイス名と、タイムスタンプ付きで抽出されたテキストデータの項目を備える。図６に示すこれらの項目は、図４に示した表の項目と同じである。

図６では、パーソナルデバイス２Ｂ、２Ｄの特徴抽出部２２が音声データから「Hello let’s start the meeting」を抽出し、パーソナルデバイス２Ｆの特徴抽出部２２が音声データから「Bello let’s start meeting」を抽出したことが示される。音声データから抽出された特徴データには、Ｔ_startとＴ_endのタイムスタンプが付与される。

再び図５の説明に戻る。
各パーソナルデバイス２の通信部２３は、特徴抽出部２２が抽出した特徴データを通信部２３が会議サーバ３に送信する（Ｓ１４Ｂ、Ｓ１４Ｄ、Ｓ１４Ｆ）。会議サーバ３で行われるステップＳ１５〜Ｓ１６の処理は、図３に示した処理と同様であるため説明を省略する。そして、会議サーバ３のグループ化部３１は、類似性が高い特徴データを送信したパーソナルデバイス２Ｂ、２Ｄ、２Ｆを１つのグループに分類し（グループ化）、割当部３２は、このグループに対して、固有のワークスペースＹを割当てる（Ｓ１７）。

そして、割当部３２は、通信部３３を通じて、パーソナルデバイス２Ｂ、２Ｄ、２Ｆに割当てたワークスペースＹに関する情報を通知する（Ｓ１８Ｂ、Ｓ１８Ｄ、Ｓ１８Ｆ）。パーソナルデバイス２Ｂ、２Ｄ、２Ｆは、割当部３２から通知された情報に基づいてワークスペースＹにアクセスし、資料等を表示することが可能となる。このため、会議の参加者１０Ｂ、１０Ｄ、１０Ｆは、会議で用いられる資料を閲覧することができる。

ここで、グループ化部３１がテキストデータの類似性を判定する際に行われる処理について説明する。
図７は、グループ化部３１がタイムスタンプの近い特徴データをグループ化する処理の例を示す説明図である。グループ化部３１は、例えば、参加者１０Ａの特徴データを、他の参加者１０の特徴データと比較する。

グループ化部３１は、情報取得部２１により音声が取得された時刻を表すタイムスタンプが付加された特徴を記憶部３４に記憶し、他の情報取得部２１により音声が取得された時刻を表すタイムスタンプが付加された特徴と、記憶部３４に記憶され、タイムスタンプが近い特徴とを比較して類似度を求める。例えば、グループ化部３１は、パーソナルデバイス２Ａから受信した特徴データの一例である、タイムスタンプが付されたテキストデータからタイムスタンプを分離する。そして、グループ化部３１は、テキストデータを語句単位に分解する。図中では、テキストデータを分解した語句を、語句１、語句２、…語句ｎと記載する。また、グループ化部３１は、パーソナルデバイス２Ａ以外の他のパーソナルデバイス２Ｂ〜２Ｎから受信した特徴データに含まれるテキストデータについても語句単位に分解する。

そして、グループ化部３１は、パーソナルデバイス２Ａから受信したタイムスタンプの近傍にあるテキストデータ、すなわち参加者１０Ａが発話したタイミングとほぼ同じタイミングで集音された音声のテキストデータを複数のテキストデータから選択する。なお、異なる会議室で発話されたタイミングがほぼ同じとなる場合もある。このため、グループ化部３１は、パーソナルデバイス２Ａから受信したテキストデータを分解した語句と、各パーソナルデバイス２から受信したテキストデータを分解した語句とを順に比較する。デバイス毎に各語句を比較した結果は、類似度係数Ｘ１〜ＸＮとして、参加者１０Ｂ〜１０Ｎに対して決定される。類似度係数は、“０”〜“１”の範囲で値を取り得る。類似度係数が“０”に近いほど、テキストデータから特徴として抽出される文字列の語句が類似しておらず、類似度係数が“１”に近いほど文字列の語句が類似していることを表す。

同じ会議室にあるパーソナルデバイス２から会議サーバ３に送信されるテキストデータには、ほぼ同じタイムスタンプが添付される。このため、グループ化部３１は、ほぼ同じタイムスタンプが添付されたテキストデータだけを特徴データから抽出し、比較すればよい。これにより、会議サーバ３側では、異なるタイミングで抽出された多数の特徴データのテキストデータを比較対象としなくてよく、グループ化部３１がテキストデータを比較する処理の回数を減らすことができる。

ここで、会議室１で開催される会議１と、会議室２で開催される会議２にいるそれぞれの参加者１０がほぼ同じ時刻に発話を開始し、かつ発話を終了したとする。この場合、グループ化部３１は、タイムスタンプが近いテキストデータを比較対象とする。このため、グループ化部３１は、会議室１、２にある各パーソナルデバイス２から受信した特徴データから同じ期間で発話された音声を表すテキストデータを抽出する。ここで、情報取得部２１により集音された音声をテキストデータに変換するアルゴリズムの出力が不正確であっても、同じ会議室で話された音声は音韻的に非常に類似する。

このため、グループ化部３１は、類似する文字列を参加者１０が発話した部分として識別することが可能な文字列照合アルゴリズムを用いて、複数のテキストデータを照合し、発話内容の類似性を判定することができる。文字列照合アルゴリズムとして、例えば、Ｌｅｖｅｎｓｈｔｅｉｎ距離などの文字列一致アルゴリズムが使用される。そして、グループ化部３１は、タイムスタンプが近い全てのテキストデータの類似度を計算し、類似度行列を作成する。

ここで、グループ化部３１がテキストデータの類似度を計算するために用いる類似度行列について説明する。
図８は、類似度行列の構成例を示す説明図である。この類似度行列は、会議室１にあるパーソナルデバイス２Ａ、２Ｃ、２Ｅと、会議室２にあるパーソナルデバイス２Ｂ、２Ｄ、２Ｆを表す「Ａ」〜「Ｆ」の符号をそれぞれ縦軸及び横軸に配置して構成される。縦軸及び横軸が交差するセルには、グループ化部３１が、２つのパーソナルデバイス２間で比較したテキストデータから求めた類似度係数が格納される。

グループ化部３１は、パーソナルデバイス２毎に特徴を比較した結果である類似度を格納する類似度行列を作成し、類似度が閾値よりも高いパーソナルデバイス２を、特徴が類似するパーソナルデバイス２としてグループ化する。例えば、会議室１には、パーソナルデバイス２Ａ、２Ｃ、２Ｅがある。このため、類似度行列においてパーソナルデバイス２Ａ、２Ｃが交差するセルの類似度係数が“０．８５”であり、パーソナルデバイス２Ａ、２Ｅが交差するセルの類似度係数が“０．９”であるため、類似度係数が非常に高い。このため、パーソナルデバイス２Ａ、２Ｃ、２Ｅは一つのグループに含めることができる。

一方、会議室１にあるパーソナルデバイス２Ａと、会議室２にあるパーソナルデバイス２Ｂとが交差するセルの類似度係数が“０．１”であり、パーソナルデバイス２Ａ、２Ｄが交差するセルの類似度係数が“０．１５”である。このため、パーソナルデバイス２Ａ、２Ｂ、２Ｄは一つのグループに含めることができない。

このように同じ会議室にあるパーソナルデバイス２から受信した音声の類似度係数は高くなるが、異なる会議室にあるパーソナルデバイス２から受信した音声の類似度係数は低くなる。ここで、図８の各セルのうち、類似度係数が閾値（例えば、“０．５”）を超えるセルを斜線で塗りつぶして表現する。そして、グループ化部３１は、閾値を超える類似度係数が格納されるセルにより特定されるパーソナルデバイス２Ａ、２Ｃ、２Ｅをグループ化し、割当部３２が、このグループにワークスペースＸを割当てる。同様に、グループ化部３１は、閾値を超える類似度係数が格納されるセルにより特定されるパーソナルデバイス２Ｂ、２Ｄ、２Ｆをグループ化し、割当部３２が、このグループにワークスペースＹを割当てる。

図９は、各パーソナルデバイス２に割当てられるワークスペースの例を示す説明図である。
上述したように会議サーバ３のグループ化部３１は、図８に示した類似度行列により、閾値を超える類似度係数により特定されるパーソナルデバイス２をグループ化し、割当部３２がグループ毎にワークスペースを割当てる。そして、割当部３２が割当てたワークスペースは、各パーソナルデバイス２に通知される。これにより、パーソナルデバイス２Ａ、２Ｃ、２ＥがワークスペースＸにアクセスすることが可能となる。

＜比較データのサイズと閾値＞
このように各パーソナルデバイス２から受信した音声の類似度係数を求めるが、複数の会議室にあるパーソナルデバイス２から同時に取得された音声入力が同じ内容である可能性がある。音声入力が同じ内容であれば、異なる会議室にあるパーソナルデバイス２を同じグループと認識してしまう。

異なる会議室にあるパーソナルデバイス２を同じグループと認識させないようにするには、比較データを長くする必要がある。ここで会議サーバ３は、会議サーバ３に接続された全てのパーソナルデバイス２からほぼリアルタイムでデータを受信する。上述したように会議サーバ３が比較データの類似性を算出するには、特徴抽出部２２がテキストデータを抜き出す所定期間の開始タイミング（Ｔ_start）と終了タイミング（Ｔ_end）とを必要とする。

ただし、テキストデータから抜き出す文字列が長いと、グループ化部３１が各パーソナルデバイス２から受信した文字列をマッチングする処理の負荷がかかる。また、グループ化部３１は、マッチング処理が完了するまでグループを分類できず、割当部３２がワークスペースを割当てることもできないため、各パーソナルデバイス２がワークスペースに追加されるまでの待ち時間も長くなる。さらに、グループ化部３１が長い文字列をマッチングするには、会議サーバ３の計算能力を向上させなければならない。

ただし、グループ化部３１が、文字列をマッチングして、類似性を判断するには、４〜５語程度の文字列で十分である。４〜５語の文字列は、２〜３秒間の音声入力に相当する。そして、閾値は、パーソナルデバイス２をグループに分類するために予め定義される値であり、図８の類似度行列の例で示したように“０．５”程度であればよい。グループ化部３１が文字列を比較する時間は、会議サーバ３が受信したテキストデータから抜き出す文字列の長さに反比例する。このため、文字列を比較する時間が長ければ低い閾値であっても、グループ化部３１は、パーソナルデバイス２をグループ化することが可能である。

以上説明した第１の実施の形態に係る会議システム１では、会議室にある複数のパーソナルデバイス２にて音声データから抽出された特徴部分を変換して作成された特徴データが会議サーバ３に送信される。会議サーバ３は、各パーソナルデバイス２から受信した特徴データから抽出したテキストデータのうち、類似性が高いテキストデータに基づいてグループ化されたパーソナルデバイス２にワークスペースを割当てる。そして、会議サーバ３は、ワークスペースに関する情報をパーソナルデバイス２に通知する。このため、パーソナルデバイス２は、会議サーバ３から受信したワークスペースに関する情報に基づいて、ワークスペースに自動的にアクセスすることが可能となる。

このようにパーソナルデバイス２は自動的にワークスペースにアクセスできるので、ワークスペースを割当てるために用いる特別な外部装置を会議室にセットアップしなくてよい。また、会議の参加者が、ワークスペースにアクセスするために割当てられたＩＤを検索したり、参加者に事前に送信された電子メールからワークスペースにアクセスするための会議のＩＤを検索したりする必要がない。このように会議の参加者は、手間を掛けることなく、パーソナルデバイス２が自動的にアクセスしたワークスペースを通じて、会議で用いられる資料等を共有することができる。

各会議室は壁等で仕切られているため、会議室内でパーソナルデバイス２が集音する音声は、会議室内の参加者が話す内容に限られる。ただし、複数の会議室で同時に行われた会議において、各会議で行われる開始の挨拶等が同じ場合もある。しかし、会議の経過と共に、各会議の参加者が話す内容は異なる。このため、会議サーバ３は、会議の開始から所定時間の経過後に取得した音声データを変換したテキストデータを比較することで会議毎に用いられているパーソナルデバイス２を正確にグループ分けすることができる。そして、会議に参加していない第三者がワークスペースにアクセスすることを防ぐことができる。

また、各パーソナルデバイス２から会議サーバ３に送信される特徴データのデータ量は非常に小さい。このため、特徴データを伝送するために必要となる、各パーソナルデバイス２と会議サーバ３との間のネットワークＮの帯域幅を狭くすることができる。

［第２の実施の形態］
次に、本発明の第２の実施の形態に係る会議システム１Ａについて説明する。第２の実施の形態に係る会議システム１Ａでは、各パーソナルデバイス２が音声データを送信し、会議サーバ３が音声データから抽出した特徴部分をテキストデータに変換する処理を行う。

図１０は、会議システム１Ａの全体構成例を示すブロック図である。
会議システム１Ａが備えるパーソナルデバイス２Ａ、２Ｃ、２Ｅは、情報取得部２１と通信部２３を備える。
また、会議サーバ３は、グループ化部３１、割当部３２、通信部３３、記憶部３４に加えて、特徴抽出部３５を備える。特徴抽出部３５の機能は、上述した第１の実施の形態に係るパーソナルデバイス２が備える特徴抽出部２２の機能と同様である。

本実施の形態に係るパーソナルデバイス２は、情報取得部２１により取得された音声を変換した音声データをそのまま通信部２３を通じて会議サーバ３に送信する。
会議サーバ３の特徴抽出部３５は、通信部３３が受信した音声データから特徴を抽出して特徴データを作成する。そして、グループ化部３１が、特徴データに基づいてパーソナルデバイス２をグループ化し、割当部３２がグループ化されたグループ毎にワークスペースを割当てる。

図１１は、会議室１にいる参加者１０Ａ、１０Ｃ、１０Ｅが参加する会議において、各参加者が使用するパーソナルデバイス２Ａ、２Ｃ、２ＥにワークスペースＸが割当てられる処理の例を示すシーケンス図である。

始めに、パーソナルデバイス２Ａ、２Ｃ、２Ｅがそれぞれアプリケーション２０を開始する（Ｓ２１Ａ、Ｓ２１Ｃ、Ｓ２１Ｅ）。各パーソナルデバイス２のアプリケーション２０が開始された後、会議室１の参加者の一人が「say」と発話する。パーソナルデバイス２Ａ、２Ｃ、２Ｅの情報取得部２１がそれぞれ音声を取得し、音声データに変換する（Ｓ２２Ａ、Ｓ２２Ｃ、Ｓ２２Ｅ）。そして、パーソナルデバイス２Ａ、２Ｃ、２Ｅの通信部２３は、音声データを会議サーバ３に送信する（Ｓ２３Ａ、Ｓ２３Ｃ、Ｓ２３Ｅ）。

ここで、パーソナルデバイス２Ａ、２Ｃ、２Ｅから会議サーバ３に送信される音声データの形式の例を以下に示す。
音声データ＋参加者情報

第２の実施の形態に係る会議システム１Ａでは、パーソナルデバイス２Ａ、２Ｃ、２Ｅから会議サーバ３には、会議中に情報取得部２１が取得した音声を変換した音声データが送信され続ける。このため、音声データには、参加者情報が付与されるものの、ＨＨＭＭＳＳ（Ｔ_startの時分秒）及びＨＨＭＭＳＳ（Ｔ_endの時分秒）は付与されない。ただし、この会議システム１Ａで情報取得部２１が取得する音声の内容は、例えば、会議の開始時に会議の主催者が話すコメント等が適切である。このため、会議の開始時に、アプリケーション２０に設けられるスタートボタン等を主催者又は参加者が押すことで、例えば、５秒間だけ音声データが会議サーバ３に送信される。

会議サーバ３の通信部３３は、パーソナルデバイス２Ａ、２Ｃ、２Ｅから音声データを受信する（Ｓ２４）。次に、会議サーバ３の特徴抽出部３５は、受信した各音声データから特徴データを抽出する（Ｓ２５）。そして、会議サーバ３のグループ化部３１は、各音声データから抽出した特徴データの類似性を判定し、特徴データを分類する（Ｓ２６）。

次に、グループ化部３１は、類似性が高い特徴データを送信したパーソナルデバイス２Ａ、２Ｃ、２Ｅをグループ化し、割当部３２は、グループ化されたパーソナルデバイス２Ａ、２Ｃ、２ＥにワークスペースＸを割当てる（Ｓ２７）。割当部３２は、通信部３３を通じて、パーソナルデバイス２Ａ、２Ｃ、２Ｅに割当てたワークスペースＸに関する情報を通知する（Ｓ２８Ａ、Ｓ２８Ｃ、Ｓ２８Ｅ）。パーソナルデバイス２Ａ、２Ｃ、２Ｅは、割当部３２から通知された情報に基づいてワークスペースＸにアクセスし、資料等を表示することが可能となる。

以上説明した第２の実施の形態に係る会議システム１Ａでは、各パーソナルデバイス２が音声データから特徴データを抽出することなく、音声データのまま会議サーバ３に送信する。そして、会議サーバ３が音声データから特徴データを抽出する。ここで、音声データから特徴データを抽出する処理は、ＣＰＵ資源を消費する。このため、パーソナルデバイス２よりも高性能なＣＰＵを備える会議サーバ３が音声データから特徴データを抽出することで、パーソナルデバイス２の処理負荷を低減することが可能となる。

なお、会議に遅れた参加者が、会議の途中で会議室に入った場合には、例えば、会議に遅れた参加者が、アプリケーション２０に設けられるスタートボタン等を押すことで、会議室にある全てのパーソナルデバイス２から会議サーバ３に音声データが５秒間送信される。そして、音声データが送信された期間における音声の特徴が一致していれば、会議サーバ３は、会議に遅れた参加者が使用するパーソナルデバイス２にワークスペースを割当てる。これにより、会議に遅れた参加者であってもワークスペースを利用することが可能となる。このように会議システム１Ａは、会議の途中で参加者が会議室に入ったとしても、会議の進行を妨げることなく、遅れた参加者がワークスペースを利用するための処理を実行することができる。

［第３の実施の形態］
次に、本発明の第３の実施の形態に係る会議システム１について説明する。第３の実施の形態に係る会議システム１では、音声データからテキストデータ以外のデータを特徴データとして抽出する。本実施の形態では、例えば、図１に示した会議システム１により、パーソナルデバイス２が音声データから抽出した特徴データを会議サーバ３に送信する。

上述した第１及び第２の実施の形態において、音声データから抽出される特徴データはテキストデータであった。しかし、特徴データは、テキストデータだけに限定されない。なぜなら情報取得部２１により集音された音声信号には、各パーソナルデバイス２を識別するために有用な多くの特徴を含むからである。

ここで、音声信号から特徴を抽出する機能は、大まかに低レベルの機能と高レベルの機能に分類することが可能である。
低レベルの機能としては、例えば、約２０〜３０ミリ秒の短いフレームから計算される短期スペクトル特性を用いて音声の特徴を抽出するものがある。ＭＦＣＣ（Mel-Frequency Cepstrum Coefficients）、ＬＰＣＣ（Linear Predictive Coding Coefficients）、ＬＳＦ（Line Spectral frequencies）、ＰＬＰ（Perceptual Linear Prediction）等の技術が、音声信号から特徴を抽出するために広く使用されている。このため、特徴抽出部２２は、ＭＦＣＣ、ＬＰＣＣ、ＬＳＦ、ＰＬＰ等の技術を用いて音声信号から抽出した特徴を特徴データとして会議サーバ３に送信してもよい。そして、会議サーバ３は、パーソナルデバイス２から受信した特徴データに基づいて会議を識別し、パーソナルデバイス２をグループ分けすることができる。

高レベルの機能としては、例えば、話者が学習した習慣、話者が使用する特定の単語や個人言語（Idiolect）などのスタイルを用いて音声の特徴を抽出するものがある。パーソナルデバイス２は、例えば、会議の参加者が発話した時における、イディオム、セマンティクス、アクセント、発音などから抽出した特徴を特徴データとして会議サーバ３に送信してもよい。この場合においても、会議サーバ３は、パーソナルデバイス２から受信した特徴データに基づいて会議を識別し、パーソナルデバイス２をグループ分けすることができる。

以上説明した第３の実施の形態に係る会議システム１では、音声信号から特徴データを抽出する技術として、音声データをテキストデータに変換する以外の技術を用いる。このような技術を用いても、会議サーバ３は、ある会議室で行われる会議の特徴を、他の会議室で行われる会議の特徴と識別し、パーソナルデバイス２にワークスペースを割当てることが可能となる。

［第４の実施の形態］
次に、本発明の第４の実施の形態に係る会議システム１Ｂについて説明する。第４の実施の形態に係る会議システム１Ｂでは、会議室にいる参加者の他に、ビデオ会議システムにより会議に参加する参加者についても、会議室にいる参加者と同じワークスペースを割当てることを可能とする。

遠隔会議が行われている間、遠隔地にいる参加者のパーソナルデバイス２は会議室内にはない。このため、Ｂｌｕｅｔｏｏｔｈ又はＷｉｆｉ等の無線の電波強度を利用してパーソナルデバイス２を使用する参加者が同じ会議に参加しているか否かを確認する従来の技術では、遠隔地にいる参加者が参加している会議を識別できない。ここで、遠隔地にいる参加者は、会議室で発話される音声を共有することで会議に参加している。このため、本実施の形態に係るパーソナルデバイス２は、ビデオ会議装置のスピーカーから放音される音声を集音して音声データに変換する。そして、会議サーバ３が、この音声データから抽出した特徴データを比較することで、参加者が参加している会議を特定することが可能となる。

図１２は、ビデオ会議システムにより遠隔地から会議に参加する参加者がいた場合に割当てられるワークスペースの例を示す全体構成図である。ここでは、会議室１、会議室２で異なる会議が同時に開催されているものとする。そして、パーソナルデバイス２のうち、一部のパーソナルデバイス２が会議室１とは異なる会議室３に設けられ、会議が行われる会議室１と、異なる会議室３とがビデオ会議システムにより接続される。

具体的には、会議１が開催される会議室１に参加者１０Ａ、１０Ｅがいる。この会議室１には、ビデオ会議アプリケーション４１が起動されるビデオ会議装置４Ａが設置されている。ビデオ会議アプリケーション４１は、会議室１とは離れた場所にある会議室３にいる参加者１０Ｃが使用するビデオ会議装置４Ｂでも起動されている。ビデオ会議装置４Ａ、４Ｂは、それぞれマイクロフォン４２及びスピーカー４３を備える。

このため、情報取得部２１によって会議室１で取得される会議室１の音声が、ビデオ会議システムを通じて会議室３で放音されると共に、会議室３の音声がビデオ会議システムを通じて会議室１で放音される。すなわち、会議室１に設置されるビデオ会議装置４Ａは、マイクロフォン４２が会議室１で集音した参加者１０Ａ、１０Ｅの音声を音声データに変換して、会議室３に設置されたビデオ会議装置４Ｂに送信する。会議室３に設置されたビデオ会議装置４Ｂは、スピーカー４３を通じて参加者１０Ａ、１０Ｅの音声を放音する。逆に、会議室３に設置されたビデオ会議装置４Ｂは、マイクロフォン４２が会議室３で集音した参加者１０Ｃの音声を音声データに変換して、会議室に設置されたビデオ会議装置４Ａに送信する。そして、会議室１に設置されたビデオ会議装置４Ａは、スピーカー４３を通じて参加者１０Ｃの音声を放音する。

ビデオ会議アプリケーション４１は、会議室１，３にいる参加者により発話された音声をそれぞれの会議室１，３にあるビデオ会議装置４Ａ，４Ｂを通じて時間差なく放音する制御を行う。このため、パーソナルデバイス２Ａ、２Ｃ、２Ｅの情報取得部２１が同じタイミングで集音する音声はほぼ同じ内容である。そこで、パーソナルデバイス２Ａ、２Ｃ、２Ｅの特徴抽出部２２は、会議室１にあるパーソナルデバイス２Ａ，２Ｅにより取得された音声、及び会議室３にあるパーソナルデバイス２Ｃにより取得された音声から特徴を抽出することが可能である。そして、通信部２３は、特徴データを会議サーバ３に送信する。図１２では、会議室１のパーソナルデバイス２が特徴データを会議サーバ３に送信する例が記載されているが、会議室３のパーソナルデバイス２が特徴データを会議サーバ３に送信してもよい。そして、会議サーバ３は、各パーソナルデバイス２から受信した特徴データを比較して、パーソナルデバイス２を分類し、ワークスペースを割当てる。

以上説明した第４の実施の形態に係る会議システム１Ｂでは、会議室から離れた場所にいる参加者が参加する会議であっても、会議室にいる参加者と会議室から離れた場所にいる参加者が使用するパーソナルデバイス２に同じワークスペースが割当てられる。このため、本実施の形態に係る会議システム１Ｂは、会議室に全ての参加者がいなくても、同じ会議に参加している参加者に割当てられたワークスペースを利用することが可能となる。

なお、ビデオ会議において、マイクロフォン４２が、参加者が発話した音声を直接受信できない場合もある。例えば、遠隔地にいる参加者１０Ｃがヘッドフォンを装着して会議室１で行われる会議の内容を聞いている場合、ヘッドフォンから放音される音声をパーソナルデバイス２Ｃの情報取得部２１が集音することができない。この場合、パーソナルデバイス２Ｃには、ヘッドフォンから放音される音声を録音可能なコールレコーダーの機能を有するアプリケーションを起動しておき、ビデオ会議装置４Ｂとパーソナルデバイス２Ｃを接続する。これにより、ヘッドフォンがビデオ会議装置４Ｂに接続された場合であっても、パーソナルデバイス２のコールレコーダーのアプリケーションが会議室１，３で発生する音声を録音できる。そして、パーソナルデバイス２のアプリケーション２０は、録音されたデータから特徴データを抽出し、会議サーバ３に特徴データを送信することが可能である。

なお、会議室にいる参加者が使用するいずれかのパーソナルデバイス２にてプリインストールしたビデオ会議アプリケーション４１を起動してもよい。同じく、遠隔地にいる参加者１０Ｃが使用するパーソナルデバイス２Ｃにプリインストールしたビデオ会議アプリケーション４１を起動してもよい。これによりビデオ会議装置４Ａ、４Ｂを用意しなくても、ビデオ会議を行うことが可能となる。

また、本実施の形態においても、会議サーバ３が特徴抽出部３５を備える構成として、特徴抽出部３５が音声データから発話の特徴を抽出してもよい。

［第５の実施の形態］
次に、本発明の第５の実施の形態に係る会議システム１Ｃについて説明する。第５の実施の形態に係る会議システム１Ｃでは、会議室に設けられた音声アシスタント装置により会議の円滑な進行を図ることができる。

近年、職場を対象とした音声アシスタント装置の開発が行われている。音声アシスタント装置は、一般的にＡＩ（Artificial Intelligence）によって駆動される。そして、音声アシスタント装置の機能が増強されると、会議には会議のスケジューリング、参加者への通知、情報の推薦などのタスクを実行することによって参加者を支援する機能を有するようになると考えられる。このような会議支援を行う音声アシスタント装置であれば、会議の参加者も音声アシスタント装置を受入れやすくなる。そこで、音声アシスタント装置を会議室に設けた例について説明する。

図１３は、音声アシスタント装置５が設けられた会議室１の様子を表す会議システム１Ｃの全体構成図である。
会議システム１Ｃを構成する情報処理装置の一部は、会議室１に設けられた音声アシスタント装置５であるとする。音声アシスタント装置５は、会議室１で開催される会議を支援するための情報を出力する会議支援装置の一例であり、会議の円滑な進行を支援することができる。音声アシスタント装置５は、会議中に発せられた音声を収集する他、同じ参加者により以前に開催された会議の情報を今回の会議の参加者に提供したり、次に開催される会議のスケジュールを調整したりする機能を有する。音声アシスタント装置５は、会議室内の音声を集音し、会議サーバ３に音声データを送信する機能を有する。

音声アシスタント装置５が収集した音声と、参加者のパーソナルデバイス２が収集した音声は同じであるため、会議サーバ３は、音声アシスタント装置５とパーソナルデバイス２が同じ会議室１にいると判断する。このため、会議サーバ３は、会議室１で行われる会議を支援するための情報を音声アシスタント装置５に送信する。音声アシスタント装置５は、割当部３２により割当てられたワークスペースに応じて会議を支援するための情報を出力する。例えば、ワークスペースに参加者のスケジュールがリンクされていれば、音声アシスタント装置５は、参加者のスケジュールを参照して、会議の開催に適した情報を参加者に提供することが可能である。これにより、音声アシスタント装置５は、各参加者が会議を円滑に進めることが可能となるように音声により会議を支援することができる

以上説明した第５の実施の形態に係る会議システム１Ｃでは、会議室１に設けられた音声アシスタント装置５が会議の参加者に対して音声による会議の支援を行うことが可能である。このため、会議の参加者は、音声アシスタント装置５から支援された情報を利用して、会議を円滑に進めることが可能となる。

また、音声アシスタント装置５は、会議毎に自動的に割当てられたワークスペースにアクセスすることが可能である。このため、会議の参加者が、音声アシスタント装置５に対してワークスペースにアクセスするための設定等を行う必要がない。

次に、会議システム１，１Ａ，１Ｂ，１Ｃの各装置を構成する計算機Ｃのハードウェア構成を説明する。
図１４は、計算機Ｃのハードウェア構成例を示すブロック図である。

計算機Ｃは、いわゆるコンピュータとして用いられるハードウェアである。計算機Ｃは、バスＣ４にそれぞれ接続されたＣＰＵ（Central Processing Unit：中央処理装置）Ｃ１、ＲＯＭ（Read Only Memory）Ｃ２、ＲＡＭ（Random Access Memory）Ｃ３を備える。さらに、計算機Ｃは、表示装置Ｃ５、入力装置Ｃ６、不揮発性ストレージＣ７、ネットワークインターフェイスＣ８を備える。

ＣＰＵ Ｃ１は、本実施の形態に係る各機能を実現するソフトウェアのプログラムコードをＲＯＭ Ｃ２から読み出して実行する。ＲＡＭ Ｃ３には、演算処理の途中に発生した変数やパラメーター等が一時的に書き込まれる。例えば、パーソナルデバイス２が備えるＣＰＵ Ｃ１がソフトウェアのプログラムコードを実行することにより、情報取得部２１、特徴抽出部２２の機能が実現される。同様に、会議サーバ３が備えるソフトウェアのプログラムコードを実行することにより、グループ化部３１、割当部３２、特徴抽出部３５の機能が実現される。

表示装置Ｃ５は、例えば、液晶ディスプレイモニタであり、計算機Ｃで行われる処理の結果等を会議の参加者に表示する。入力装置Ｃ６には、例えば、キーボード、マウス等が用いられ、会議の参加者が所定の操作入力、指示を行うことが可能である。

不揮発性ストレージＣ７としては、例えば、ＨＤＤ（Hard Disk Drive）、ＳＳＤ（Solid State Drive）、フレキシブルディスク、光ディスク、光磁気ディスク、ＣＤ−ＲＯＭ、ＣＤ−Ｒ、磁気テープ、不揮発性のメモリ等が用いられる。この不揮発性ストレージＣ７には、ＯＳ（Operating System）、各種のパラメーターの他に、計算機Ｃを機能させるためのプログラムが記録されている。ＲＯＭ Ｃ２、不揮発性ストレージＣ７は、ＣＰＵ Ｃ１が動作するために必要なプログラムやデータ等を永続的に記録しており、計算機Ｃによって実行されるプログラムを格納したコンピュータ読取可能な非一過性の記録媒体の一例として用いられる。例えば、パーソナルデバイス２が備える不揮発性ストレージＣ７にはアプリケーション２０を実行可能なプログラムが記録される。また、会議サーバ３が備える不揮発性ストレージＣ７により、記憶部３４の機能が実現される。

ネットワークインターフェイスＣ８には、例えば、ＮＩＣ（Network Interface Card）等が用いられ、端子が接続されたＬＡＮ、専用線等を介して各種のデータを装置間で送受信することが可能である。例えば、パーソナルデバイス２が備えるネットワークインターフェイスＣ８が通信部２３の機能を実現する。同様に、会議サーバ３が備えるネットワークインターフェイスＣ８が通信部３３の機能を実現する。

［変形例］
なお、近年のパーソナルデバイス２は、照度を計測可能な光センサを備えるものがある。このため、会議室に設けられた照明器具から発せられる所定期間における照明光の波長、又は照度の変化を特有の情報として光センサが計測した計測結果を会議毎の特徴として抽出してもよい。例えば、会議室毎に照明器具が異なっていれば、各照明器具から発せられる照明光の波長は会議室毎に異なる。また、プロジェクターによりスクリーンに資料を投影する際には、会議室の照明をオフにすることが多い。そこで、パーソナルデバイス２は、光センサにより計測される、会議室の照明がオフにされた前後の照度変化を会議室の特徴として抽出し、この特徴データを会議サーバ３に送信する。そして、会議サーバ３は、各パーソナルデバイス２から受信した特徴データが一致するパーソナルデバイス２を一つのグループとして分類し、ワークスペースを割当てることが可能である。このように会議室の照明光の波長、又は照度の変化を会議の特徴として用いることで、会議を開始する前に各パーソナルデバイス２に割当てたワークスペースにより、各パーソナルデバイス２が事前にワークスペースにアクセスしておくことが可能となる。

また、会議が開始されるエリアの一例として、壁等により仕切られる会議室を挙げたが、壁等がないオープンスペースで行われる打合せであってもよい。オープンスペースで行われる打合せの参加者は、互いに近い距離で発話するため、各参加者が持つパーソナルデバイス２が備える情報取得部２１は、マイクロフォンを用いて参加者が発話した音声を集音できる。このため、各参加者が持つパーソナルデバイス２に対してワークスペースを割当てることも可能である。

また、特徴抽出部２２が音声データを変換したテキストデータから特徴を抽出する処理は、例えば、情報取得部２１がマイクロフォンにより集音した音声の音量が所定値を超えるような音声データを対象として行ってもよい。例えば、会議の参加者ではない第三者が会議室のドア越しにパーソナルデバイス２を近づけたとしても、会議室から漏れる音声の音量が所定値を超えないため、テキストデータから特徴を抽出する処理は行われない。これにより第三者がワークスペースにアクセスする事態を避けることができる。

また、本発明は上述した実施の形態に限られるものではなく、特許請求の範囲に記載した本発明の要旨を逸脱しない限りその他種々の応用例、変形例を取り得ることは勿論である。
例えば、上述した実施の形態は本発明を分かりやすく説明するために装置及びシステムの構成を詳細かつ具体的に説明したものであり、必ずしも説明した全ての構成を備えるものに限定されない。また、ここで説明した実施の形態の構成の一部を他の実施の形態の構成に置き換えることは可能であり、さらにはある実施の形態の構成に他の実施の形態の構成を加えることも可能である。また、各実施の形態の構成の一部について、他の構成の追加、削除、置換をすることも可能である。
また、制御線や情報線は説明上必要と考えられるものを示しており、製品上必ずしも全ての制御線や情報線を示しているとは限らない。実際には殆ど全ての構成が相互に接続されていると考えてもよい。

１…会議システム、２Ａ〜２Ｆ…パーソナルデバイス、３…会議サーバ、４Ａ，４Ｂ…ビデオ会議装置、５…音声アシスタント装置、２０…アプリケーション、２１…情報取得部、２２…特徴抽出部、２３…通信部、２４…ワークスペースアプリケーション、３１…グループ化部、３２…割当部、３３…通信部、３４…記憶部、４１…ビデオ会議アプリケーション、４２…マイクロフォン、４３…スピーカー

Claims (21)

1. 会議の参加者により用いられる情報処理装置毎に、前記会議が開催されるエリアに特有の情報を取得する情報取得部と、
   前記情報処理装置毎に取得された前記特有の情報から特徴を抽出する特徴抽出部と、
   前記特徴を前記情報処理装置毎に比較して、前記特徴が類似する複数の前記情報処理装置をグループ化するグループ化部と、
   グループ化されたグループ毎に、複数の前記情報処理装置がアクセス可能なワークスペースを割当て、前記ワークスペースを割当てた複数の前記情報処理装置に対して、前記ワークスペースに複数の前記情報処理装置がアクセス可能とするための前記ワークスペースに関する情報を通知する割当部と、を備え、
   前記情報処理装置は、前記ワークスペースに関する情報に基づいて前記情報処理装置に割当てられた前記ワークスペースにアクセスする
   会議システム。
2. 前記特有の情報は、前記参加者が発話した音声を前記情報取得部が取得して変換した音声データであり、
   前記特徴抽出部は、前記音声データをテキストデータに変換し、前記テキストデータから所定期間の文字列を前記特徴として抽出する
   請求項１に記載の会議システム。
3. 前記グループ化部は、前記特徴として抽出された前記文字列を、機械学習、又は文字列照合アルゴリズムにより前記情報処理装置毎に比較して、前記文字列が類似する前記情報処理装置をグループ化する
   請求項２に記載の会議システム。
4. 前記グループ化部は、前記情報処理装置毎に前記特徴を比較した結果である類似度を格納する類似度行列を作成し、前記類似度が閾値よりも高い前記情報処理装置を、前記特徴が類似する前記情報処理装置としてグループ化する
   請求項３に記載の会議システム。
5. さらに、記憶部を備え、
   前記割当部は、前記情報取得部により前記音声が取得された時刻を表すタイムスタンプが付加された前記特徴を前記記憶部に記憶し、他の前記情報取得部により前記音声が取得された時刻を表すタイムスタンプが付加された前記特徴と、前記記憶部に記憶され、前記タイムスタンプが近い前記特徴とを比較して前記類似度を求める
   請求項４に記載の会議システム。
6. 前記情報処理装置のうち、一部の前記情報処理装置が前記エリアと異なるエリアに設けられ、前記会議が行われる前記エリアと、前記異なるエリアとがビデオ会議システムにより接続され、
   前記情報取得部によって前記エリアで取得される前記音声が、前記ビデオ会議システムを通じて前記異なるエリアで放音されると共に、前記異なるエリアの前記音声が前記ビデオ会議システムを通じて前記エリアで放音され、
   前記特徴抽出部は、前記エリアにある前記情報処理装置により取得された前記音声、及び前記異なるエリアにある前記情報処理装置により取得された音声から前記特徴を抽出する
   請求項１〜５のいずれか一項に記載の会議システム。
7. 前記情報処理装置のうち、一部の前記情報処理装置は、前記エリアに設けられ、前記エリアで開催される前記会議を支援するための情報を出力する会議支援装置であって、
   前記会議支援装置は、前記割当部により割当てられた前記ワークスペースに応じて前記会議を支援するための情報を出力する
   請求項１〜５のいずれか一項に記載の会議システム。
8. 前記情報処理装置は、ネイティブアプリケーション、又はウェブブラウザを経由して、前記割当部により割当てられたワークスペースにアクセスするためのワークスペースアプリケーションを起動し、起動した前記ワークスペースアプリケーションからアクセスした前記ワークスペースを通じて、前記会議で利用可能な会議情報を前記情報処理装置に設けられた表示部に表示する
   請求項１〜７のいずれか一項に記載の会議システム。
9. 前記情報処理装置は、前記情報取得部及び前記特徴抽出部を備え、
   前記情報処理装置にネットワークを介して接続され、クラウド化された会議サーバが、前記割当部を備える
   請求項８に記載の会議システム。
10. 前記情報処理装置は、前記情報取得部を備え、
    前記情報処理装置にネットワークを介して接続され、クラウド化された会議サーバが、前記特徴抽出部及び前記割当部を備える
    請求項８に記載の会議システム。
11. 前記特有の情報は、前記エリアの照明光の波長、又は照度であり、
    前記特徴抽出部は、所定期間における前記エリアの照明光の波長、又は前記照度の変化を前記特徴として抽出する
    請求項２に記載の会議システム。
12. 前記エリアは、会議室である
    請求項１〜１１のいずれか一項に記載の会議システム。
13. 会議の参加者により用いられる情報処理装置により取得された前記会議が開催されるエリアに特有の情報から特徴を抽出する特徴抽出部と、
    前記特徴を前記情報処理装置毎に比較して、前記特徴が類似する複数の前記情報処理装置をグループ化するグループ化部と、
    グループ化されたグループ毎に、複数の前記情報処理装置がアクセス可能なワークスペースを割当て、前記ワークスペースを割当てた複数の前記情報処理装置に対して、前記ワークスペースに複数の前記情報処理装置がアクセス可能とするための前記ワークスペースに関する情報を通知する割当部と、を備える
    会議サーバ。
14. 前記特有の情報は、前記参加者が発話した音声を前記情報処理装置が取得して変換した音声データであり、
    前記特徴抽出部は、前記音声データをテキストデータに変換し、前記テキストデータから所定期間の文字列を前記特徴として抽出する
    請求項１３に記載の会議サーバ。
15. 前記グループ化部は、前記特徴として抽出された前記文字列を、機械学習、又は文字列照合アルゴリズムにより前記情報処理装置毎に比較して、前記文字列が類似する前記情報処理装置をグループ化する
    請求項１４に記載の会議サーバ。
16. 前記グループ化部は、前記情報処理装置毎に前記特徴を比較した結果である類似度を格納する類似度行列を作成し、前記類似度が閾値よりも高い前記情報処理装置を、前記特徴が類似する前記情報処理装置としてグループ化する
    請求項１５に記載の会議サーバ。
17. さらに、記憶部を備え、
    前記割当部は、前記情報処理装置により前記音声が取得された時刻を表すタイムスタンプが付加された前記特徴を前記記憶部に記憶し、他の前記情報処理装置により前記音声が取得された時刻を表すタイムスタンプが付加された前記特徴と、前記記憶部に記憶され、前記タイムスタンプが近い前記特徴とを比較して前記類似度を求める
    請求項１６に記載の会議サーバ。
18. 前記情報処理装置のうち、一部の前記情報処理装置が前記エリアと異なるエリアに設けられ、前記会議が行われる前記エリアと、前記異なるエリアとがビデオ会議サーバにより接続され、
    前記情報処理装置によって前記エリアで取得される前記音声が、前記ビデオ会議サーバを通じて前記異なるエリアで放音されると共に、前記異なるエリアの前記音声が前記ビデオ会議サーバを通じて前記エリアで放音され、
    前記特徴抽出部は、前記エリアにある前記情報処理装置により取得された前記音声、及び前記異なるエリアにある前記情報処理装置により取得された音声から前記特徴を抽出する
    請求項１３〜１７のいずれか一項に記載の会議サーバ。
19. 前記特有の情報は、前記エリアの照明光の波長、又は照度であり、
    前記特徴抽出部は、所定期間における前記エリアの照明光の波長、又は前記照度の変化を前記特徴として抽出する
    請求項１３に記載の会議サーバ。
20. 前記エリアは、会議室である
    請求項１３〜１９のいずれか一項に記載の会議サーバ。
21. 会議の参加者により用いられる情報処理装置により取得された前記会議が開催されるエリアに特有の情報から特徴を抽出する手順と、
    前記特徴を前記情報処理装置毎に比較して、前記特徴が類似する複数の前記情報処理装置をグループ化する手順と、
    グループ化されたグループ毎に、複数の前記情報処理装置がアクセス可能なワークスペースを割当てる手順と、
    前記ワークスペースを割当てた複数の前記情報処理装置に対して、前記ワークスペースに複数の前記情報処理装置がアクセス可能とするための前記ワークスペースに関する情報を通知する手順と、を
    コンピューターに実行させるためのプログラム。

Images