JP4466665B2

JP4466665B2 - 議事録作成方法、その装置及びそのプログラム

Info

Publication number: JP4466665B2
Application number: JP2007063429A
Authority: JP
Inventors: 周平前川
Original assignee: NEC Corp
Current assignee: NEC Corp
Priority date: 2007-03-13
Filing date: 2007-03-13
Publication date: 2010-05-26
Anticipated expiration: 2027-03-13
Also published as: JP2008225068A; US20080228480A1; US8108212B2

Description

本発明は議事録を作成するための議事録作成方法、その装置及びそのプログラムに関し、特に音声認識を利用した議事録作成方法、その装置及びそのプログラムに関する。

従来の音声認識を使用し議事録作成を行うシステムの一例が、特許文献１に記載されている。図１に示すように、この従来の議事録作成システムは、クライアント装置９０７と、自らの会議中の発言の情報を送付すると共に会議支援を受ける会議サーバ装置９０５から構成されている。このような構成を有する従来のシステムはつぎのように動作する。すなわち、会議の参加者から会議中にリアルタイムで、テキストデータ又は音声による発言を入力装置で受け付け、該音声発言は、発言−テキスト変換処理装置による音声認識処理により、テキストデータに変換し、発言テキスト編集・管理処理装置により、発言の前記テキストデータの少なくとも一部を参加者及び会議責任者に、会議中にリアルタイムで表示すると共に、参加者又は会議責任者からの訂正又は承認の入力を会議中にリアルタイムで、前記発言テキスト編集・管理処理装置において受け付けるようにし、会議の議事進行をリアルタイムで支援することで、参加者の判断や発言などを含めた会議の質の向上を図ると共に、会議時間の短縮も可能とし、又議事録についてもその内容向上を実現することができる。

さらに、従来の音声認識を使用し言語モデルを更新することで認識精度の向上を図るシステムの一例が、特許文献２に記載されている。図２に示すように、この従来の音声認識システムは、入力音声と言語モデル９１２を用いて音響モデル９１３と照合する照合部９１１と、照合部９１１での照合結果から取り扱う話題を表す重要語を抽出する重要語抽出部９１４と、重要語に関連するテキストデータを格納しているテキストＤＢ９１６と、重要語抽出部９１４で抽出された重要語からテキストＤＢ９１６を検索し、検索されたテキストデータを元に言語モデルを学習して生成する言語モデル学習部９１５から構成されている。このような構成を有する従来のシステムはつぎのように動作する。すなわち、入力音声から照合部９１１は、言語モデル９１２を用いて音声の特徴を表す音響モデル９１３と入力音声とを照合する。当初の言語モデル９１２は、新聞記事などを元に学習して生成された初期言語モデルである。照合部９１１は、照合の結果、最も高い照合スコアを示した、単語列とその照合スコアからなる認識結果を取得して重要語抽出部９１４に送出する。重要語抽出部９１４は、照合部９１１から送出されてきた認識結果から取り扱う話題を表す重要語を抽出し、抽出した重要語とその重要度を言語モデル学習部９１５に送出する。言語モデル学習部９１５は、重要語抽出部９１４で抽出された重要語をキーとしてテキストＤＢ９１６を検索してそれに関連するテキストデータを取得し、取得されたテキストデータを元に単語の接続確率を計算するなどして言語モデルを学習する。言語モデル学習部９１５での学習により生成された言語モデルにより言語モデル９１２を更新し、更新された言語モデル９１２と音響モデル９１３を用いて再度音声認識を行う。取り扱う話題に関連したテキストデータを抽出して言語モデルを学習し、その言語モデルを使用して認識を行うことにより、付与するテキストの精度向上を実現することができる。

さらに、従来の音声認識を使用し言語モデルを更新することで認識精度の向上を図るシステムの一例が、特許文献３に記載されている。図３に示すように、この従来の音声認識システムは、音響モデル管理サーバ９５２と、言語モデル管理サーバ９５３と、音響認識装置９５１から構成されている。特徴的な部分は実施形態４で、ユーザ利用テキスト格納手段及びユーザ利用依存言語モデル構築手段を備え、ユーザが利用したテキストと最新状態に更新された言語データ９３４を参照に、ユーザが利用したテキストに合わせて言語モデルを構築することである。このような構成を有する従来のシステムはつぎのように動作する。すなわち、言語モデル管理サーバ９５３のユーザ利用テキスト取得手段は、言語モデル更新指令９３２を受けて、例えば、ユーザがあらかじめ指定したファイル、ディレクトリを走査することにより、ユーザが参照、あるいは記述したテキストファイルを読み出す。ユーザ利用テキスト格納手段は、ユーザ利用テキスト取得手段によって収集されたテキストを格納する。ユーザ利用テキスト依存言語モデル構築手段は、ユーザ利用テキスト及び更新された言語データ９３４を参照し、認識精度が高くなるように言語モデルを構築する。ユーザ利用テキストを用いた言語モデルの構築では、例えば、ユーザ利用テキストを特定向けテキストと見なし、ユーザ利用テキスト依存の言語モデルを構築する。このようにして構築された言語モデルは、ユーザが参照あるいは既出したテキストの性質を反映させているため、ユーザが発声する確率の高い言語的性質を含み、より精度の高い認識結果を得ることができる。

しかしながら、音声から議事録及び関連資料のテキスト化を行う際に音声認識による認識率の維持向上が非常に大きな問題になる。例えば特許文献１では、音声認識用辞書を学習させたり、関連ドキュメントＤＢ、専門用語辞書ＤＢ及び会議キーワードＤＢを設けて音声認識する際に用いる情報を格納したりしている。特許文献２は、重要語に関連するテキストデータを格納するテキストＤＢを設けて、言語モデルはテキストＤＢを検索して学習させている。特許文献３ではユーザ利用テキストから依存した言語モデルを構築させている。これらの特許文献では、言語モデルの情報追加・更新手段に関して辞書データを的確に一定量に保つ手段は述べられておらず、辞書データが一定量を超えると認識速度及び認識率が低下する。また、言語モデルを作成してから会議の議題・内容に変化が生じた場合、ユーザが手動で追加・更新を行うか、会議を重ねて言語モデルに学習させてからでないと正しい認識結果が表示されない。さらに方言による崩れた発音や単語の違いがある会議参加者が同時に参加する場合の施策は述べられていない。
特開２００６−５０５００号公報（図１、図７及び図９）特開２００５−２８４２０９号公報（図１及び図２）特開２００２−０９１４７７号公報（図１、図４、図６及び図８）

議事録を作成する場合、会議の参加者が執筆者として会議中に筆記することが必要となり、議事録の聞き取りミス、入力ミスの問題や記載時間と配布のための労力が必要となる。そこで例えば、発明の背景の記述にあるように過去の発明においては音声認識を行い、認識結果をテキスト化し議事録に出力することを提案している。これらの音声認識を使用して議事録を出力する際に、認識速度や認識率が重要な要素であり、そのためには言語モデル・音響モデルを最適に構築・設置する必要がある。過去の発明においては、専門言語モデルを設置する、言語モデルに関連情報を追加することによって認識率の向上施策が述べられているものもある。これらの施策に関して、作成された辞書データを言語モデルに登録した場合、幅広い話題に語彙数が増えるに従って認識速度及び認識率が低下する問題があり、複数の言語モデルを用意した場合でも、手動で切り替える手間やその切り替えミスの問題があった。また、会議において方言で発話された場合、認識率の問題があり、方言用の言語モデル・音響モデルに切り替えて使用した場合でも、手動で切り替える手間やその切り替えミスの問題があった。

そこで、本発明は、音声をテキスト化するために必要となる言語モデル及び音響モデルを各議題毎、各参加者毎に最適にすることを可能とする議事録作成方法、その装置及びそのプログラムを提供することを目的とする。

本発明によれば、入力した音声をその言語のテキストデータとする音声認識ステップと、前記テキストデータを基に、議事録を作成する議事録作成ステップと、入力される言語の方言と議題、レジュメ又は参考資料とを基に、それぞれ、それらに適した音響モデル及び言語モデルとを選択するモデル選択ステップと、を備え、前記音声認識ステップは、前記モデル選択ステップにより選択された前記音響モデル及び前記言語モデルを利用する議事録作成方法であって、前記モデル選択ステップは、会議への各参加者毎に、前記音響モデル及び前記言語モデルを選択し、各参加者毎の方言は予め会議開催予定データに記述されており、前記モデル選択ステップは、前記会議開催予定データに記述されている各参加者毎の方言を基に、各参加者毎の音響モデルを選択し、前記議題、レジュメ又は参考資料は予め会議開催予定データに記述されており、前記モデル選択ステップは、前記会議開催予定データに記述されている議題、レジュメ又は参考資料を基に、言語モデルを選択することを特徴とする議事録作成方法が提供される。

また、本発明によれば、入力した音声をその言語のテキストデータとする音声認識手段と、前記テキストデータを基に、議事録を作成する議事録作成手段と、入力される言語の方言と議題、レジュメ又は参考資料とを基に、それぞれ、それらに適した音響モデル及び言語モデルとを選択するモデル選択手段と、を備え、前記音声認識手段は、前記モデル選択手段により選択された前記音響モデル及び前記言語モデルを利用する議事録作成装置であって、前記モデル選択手段は、会議への各参加者毎に、前記音響モデル及び前記言語モデルを選択し、各参加者毎の方言は予め会議開催予定データに記述されており、前記モデル選択手段は、前記会議開催予定データに記述されている各参加者毎の方言を基に、各参加者毎の音響モデルを選択し、前記議題、レジュメ又は参考資料は予め会議開催予定データに記述されており、前記モデル選択手段は、前記会議開催予定データに記述されている議題、レジュメ又は参考資料を基に、言語モデルを選択することを特徴とする議事録作成装置が提供される。

更に、本発明によれば、コンピュータを、入力した音声をその言語のテキストデータとする音声認識手段と、前記テキストデータを基に、議事録を作成する議事録作成手段と、入力される言語の方言と議題、レジュメ又は参考資料とを基に、それぞれ、それらに適した音響モデル及び言語モデルとを選択するモデル選択手段と、を備え、前記音声認識手段は、前記モデル選択手段により選択された前記音響モデル及び前記言語モデルを利用する議事録作成装置であって、前記モデル選択手段は、会議への各参加者毎に、前記音響モデル及び前記言語モデルを選択し、各参加者毎の方言は予め会議開催予定データに記述されており、前記モデル選択手段は、前記会議開催予定データに記述されている各参加者毎の方言を基に、各参加者毎の音響モデルを選択し、前記議題、レジュメ又は参考資料は予め会議開催予定データに記述されており、前記モデル選択手段は、前記会議開催予定データに記述されている議題、レジュメ又は参考資料を基に、言語モデルを選択することを特徴とする議事録作成装置として機能させるためのプログラムが提供される。

最適な言語モデル・音響モデルを会議開催前に自動選択することができ、会議の議題に的確な会議議事録を作成することができる。

本発明は、ネットワークに接続された端末上で音声認識処理を行う際に、会議開催前に予め議題にあった言語モデル・音響モデルに自動変更することで認識率を向上させ、聞き取りづらい方言を標準語に変換した会議議事録作成を行うことを特徴とする。

以下、図面を参照して本発明を実施するための最良の形態について詳細に説明する。

本発明を音声認識ソフトウェアとＷｅｂサービスに適応した具体例で説明する。図４は会議室Ａ、会議室Ｂ、会議開催サーバ・議事録作成サーバ５３０がネットワーク５４０で接続されている。会議開催前に会議主催者５３１が会議開催サーバ５３０にレジュメ等の会議開催情報を登録する。この会議開催情報を集めた会議開催データベースを元に、議題に最も適した言語モデル及び音響モデルを自動的にＷｅｂサービス（５５０、５５１、・・・）から選択し、会議開催前に事前にダウンロードを各端末へ行う。会議室Ａと会議室Ｂの各端末（５１１、５１２、５１３、５２１、５２２）には音声認識プロセスとＩＰ電話サービスが動作しており、端末に接続されたマイクより会議発言を入力すると、音声がそれぞれの会議室で聞ける。同時に音声認識結果がネットワーク経由で議事録作成サーバ５３０に送信され議事録データとして登録される。端末から議事録作成サーバ５３０に接続することにより、議事録を参照できる。これにより会議出席者が筆記することなく、会議情報を記録することができる。

各端末（５１１、５１２、５１３、５２１、５２２）で動作する音声認識プロセスは、ダウンロードされた言語モデルに切り替えされた後、音声認識を開始する。これにより話題分野（例：技術、マーケティング、営業、総務・・・）毎に最適な会議議事録を得ることができる。また、音響モデルを同様に自動的に切り替えることにより発言者の方言に合った議事録表示を行うことができる。

次に、本発明の実施形態の構成について図面を参照して詳細に説明する。図５を参照すると、本発明の第１の実施形態は、議事録作成部１０１０とモデル選択部１０２０と配布Ｗｅｂサービス部１０３０とから構成されている。議事録作成部１０１０には、音声入力手段１１０１と、音声認識手段１１０２と、議事録作成手段１１０３と、議事録表示手段１１０４を含む。モデル選択部１０２０には、会議開催予定入力手段１２０１と、会議開催データベース１２０２と、モデル選択手段１２０３を含む。配布Ｗｅｂサービス部１０３０は言語モデル１３０１と、音響モデル１３０２と、モデル配布手段１３０３を含む。

これらの手段はそれぞれ概略つぎのように動作する。会議開催に先立ち、会議の開催情報やレジュメを会議開催予定入力手段１２０１にて入力し、会議開催データベース１２０２に保存する。モデル選択手段１２０３は会議開催データベース１２０２の情報を元に適切な配布Ｗｅｂサービスを選択し、モデル配布手段１３０３にて言語モデル１３０１及び音響モデル１３０２を議事録作成部１０１０にダウンロードする。音声認識手段１１０２は、音声入力手段１１０１から入力された発話音声とモデル配布手段１３０３から得られた辞書データを元に音声認識プロセスを実行し、認識データを出力し、議事録作成手段１１０３に渡す。議事録作成手段１１０３は、ネットワークを介して会議参加者分認識データを受信し、議事録データを生成する。議事録表示手段１１０４は、議事録データをクライアントの画面上に表示する。

次に、図６のシーケンス図、図７及び図８のアクティビティ図を参照して本発明の第１の実施形態の動作について詳細に説明する。まず、会議開催主催者は会議開催前に予め、会議開催予定入力を行い、会議開催予定データを会議開催サーバに登録する（図６の２００）。図９に会議開催通知４０１をＸＭＬデータに変換し、会議開催データ４０２として登録している例を示している。次に、会議開催サーバは配布サービスを順にサービス数だけ言語モデル、音響モデルが会議議題と言語情報に最適であるサービスがどれかを検索する。図６では会議議題と言語情報を元に問い合わせていて、会議議題と言語モデルが一致していない回答状況を示している（図６の２０１及び２０２）。さらに、配布サービスに会議議題と言語情報を元に問い合わせを起こっており、会議議題と言語情報が一致した回答状況を示している（図６の２０３）。図７で問い合わせから回答までの詳細を示している。

配布ＷＥＢサービスからＷｅｂ情報を取得し、会議開催データを読み込み３０１と合わせて音響モデル配布指示３０２は配布Ｗｅｂサービスの音響モデル検索３０５に言語・方言情報を送信する。図８では図７の音響モデル配布指示３０２の詳細を示している。

ユーザ情報読み込み（図８の３２１）の結果、ユーザ情報から言語情報を取得できる場合、参加者名から国・言語情報を決定する（図８の３２２、３２５）。図１０に会議開催データ４０４と共にユーザ情報テーブル４０５を予め用意して置き、これらのデータを元に会議議題と国・言語情報をモデル選択手段１２０３に送信する例を示している。参加者の情報が未知で参加者名だけでは国・言語情報が特定できない場合は、会議開催場所を読み込み、場所名から国・言語情報を決定する（図８の３２３、３２４）。図１１に会議開催データ４０４と共に会議開催場所テーブル４０６を予め用意しておきデータを元に会議議題と国・言語情報をモデル選択手段１２０３に送信する例を示している。このようにしてどの音響モデルを検索手段３０５の候補にするか絞り込む（図８の３２６）。

図７の音響モデル検索３０５は送信された言語・方言情報を元に該当言語を検索する。自サーバに見つからなかった場合、他サーバ検索３０８をＷＥＢサービス・サーバ数だけ行う。見つかった場合、音響モデル二次検索３０６において、ユーザの方言情報と一致する音響モデルを確定し、音響モデル配布準備３０７から配布元ＵＲＬ情報を会議開催サーバに返却する。このようにして音響モデルダウンロード元を決定する。言語モデル配布指示３０３は配布元ＵＲＬへ会議内容情報を送信する。図８では言語モデル配布指示３０３の詳細を示している。

会議内容情報の中の会議議題をテキストマイニングし（図８の３３１）、マイニング結果から言語モデルを特定できる場合は、モデル接続先情報をこの時点で決定する（図８の３３５）。マイニング結果から言語モデルを特定できない場合は、レジュメ情報をテキストマイニングし（図８の３３２）、同時に参考資料格納先から情報をダウンロード、これらの参考資料のテキストマイニングを実施する（図８の３３３、３３４）。両方のマイニング結果からモデル接続先情報を決定する（図８の３３５）。言語モデル検索３１０は送信された会議内容情報を元に言語モデルを検索する。自サービスに見つからなかった場合、他サービス検索３１２をＷＥＢサービス数だけ行う。言語モデル配布準備３１１において、会議内容情報と一致する言語モデルを確定し、該当ＵＲＬ、サービス情報を会議開催サーバに返却する。音響モデル配布指示３０２、言語モデル配布指示３０３を会議参加者分繰り返すことにより、会議開催前に辞書データを配布準備する。

会議開催時間を元に開催前に会議開催サーバは会議参加者に参加可能かを確認し（図６の２１０及び２１１）、参加可能者は配布サービスから辞書データのダウンロードを行う（図６の２１２）。会議開催時間になると、会議開催サーバから議事録作成サーバに会議開催データを送信する（図６の２２１）。これにより、音声認識を使用し会話情報を議事録として受信することが可能となる（図６の２２２）。会議終了（図６の２３０）まで議事録作成を行う。

次に、本発明の第１の実施形態の効果について説明する。本発明の第１の実施形態では、会議開催データを元にその議題に合った言語モデル・音響モデルを自動的にダウンロードし、音声認識辞書として適応するように構成されているため、議題に合った認識結果を期待できる（また、本発明の第１の実施形態では、さらに、各地方言→標準語変換を行った言語モデルを用意した場合、ユーザ情報を参照して言語・方言情報と連携するように構成されているため、会話された方言を標準語に変換して議事録を作成できる）。

第１の効果は、会議議題の内容にあった音声−テキスト変換を行い、音声認識精度を向上させることができることにある。

その理由は、会議開催データから認識分野に適した言語モデルを決定、会議開催前に自動的に該当する言語モデルを配布し、辞書を動的に切り替えることができるためである。

第２の効果は、各地方言による発話を認識精度の高い標準語に変換して会議議事録が作成できることにある。

その理由は、会議開催データと会議参加者のユーザ情報の言語情報から、方言−標準語変換を施した言語モデル及び方言の訛りに対応した音響モデルを決定、会議開催前に自動的に該当する言語モデル・音響モデルを配布し、辞書を動的に切り替えることができるためである。

次に、本発明の第２の実施形態の構成について図面を参照して詳細に説明する。図１２は第１の発明の実施形態図４に言語モデル作成サービス５６０を追加した構成である。図１３を参照すると、本発明の第２の実施形態の構成は、議事録作成部１０１０とモデル選択部１０２０と配布Ｗｅｂサービス部１０３０とモデル作製Ｗｅｂサービス部１０４０から構成されている。議事録作成部１０１０には、音声入力手段１１０１と、音声認識手段１１０２と、議事録作成手段１１０３と、議事録表示手段１１０４を含む。モデル選択部１０２０には、会議開催予定入力手段１２０１と、会議開催データベース１２０２と、モデル選択手段１２０３を含む。配布Ｗｅｂサービス部１０３０は言語モデル１３０１と、音響モデル１３０２と、モデル配布手段１３０３を含む。作成Ｗｅｂサービス部１０４０は辞書更新手段１４０１と、辞書情報取得手段１４０２と、言語モデル作成手段１４０３を含む。これらの手段はそれぞれ概略つぎのように動作する。会議開催に先立ち、会議の開催情報やレジュメを会議開催予定入力手段１２０１にて入力し、会議開催データベース１２０２に保存する。モデル選択手段１２０３は会議開催データベース１２０２の情報を元に適切な配布Ｗｅｂサービス部１０３０を選択し、モデル配布手段１３０３にて言語モデル１３０１及び音響モデル１３０２を議事録作成部１０１０にダウンロードする。インターネット５０等から分野ごとに単語単位で辞書情報を予め集める辞書情報取得手段１４０２と辞書更新手段１４０１から得られた辞書情報を元に、言語モデル作成手段１４０３は言語モデル１３０１を作成し、的確なＷｅｂサービス上に配置する。音声認識手段１１０２は、音声入力手段１１０１から入力された発話音声とモデル配布手段１３０３から得られた辞書データを元に音声認識プロセスを実行し、認識データを出力し、議事録作成手段１１０３に渡す。議事録作成手段１１０３は、ネットワークを介して会議参加者分認識データを受信し、議事録データを生成する。議事録表示手段１１０４は、議事録データをクライアントの画面上に表示する。

次に、図１４のシーケンス図及び図１５のアクティビティ図を参照して本発明の第２の実施形態の動作について詳細に説明する。まず、会議開催主催者は会議開催前に予め、会議開催予定入力を行い、会議開催予定データを会議開催サーバに登録する（図１４の２００）。次に、会議開催サーバは配布サービスを順にサービス数だけ言語モデル、音響モデルが議題に最適であるサービスがどれかを検索する。図１４では会議議題と言語モデルが一致していない回答状況を示している（図１４の２０１）。さらに、配布サービスに会議議題と言語情報を元に問い合わせが起こっており、同じく会議議題と言語モデルが一致しない回答状況を示している（図１４の２０２）。図１５で問い合わせから回答までの詳細を示している。

配布ＷＥＢサービスからＷｅｂ情報を取得し、会議開催データを読み込み３０１と合わせて音響モデル配布指示３０２は配布Ｗｅｂサービスの音響モデル検索３０５に言語・方言情報を送信する。図１５の音響モデル検索３０５は送信された言語・方言情報を元に該当言語を検索する。自サーバに見つからなかった場合、他サーバ検索３０８をＷＥＢサービス・サーバ数だけ行う。音響モデル二次検索３０６において、ユーザの方言情報と一致する音響モデルを確定し、音響モデル配布準備３０７から配布元ＵＲＬ情報を会議開催サーバに返却する。言語モデル配布指示３０３は配布元ＵＲＬへ会議内容情報を送信する。言語モデル検索３１０は送信された会議内容情報を元に言語モデルを検索する。自サービスに見つからなかった場合、他サービス検索３１２をＷＥＢサービス数だけ行う。

全てのサービス数を超えても言語モデルが特定できない場合、配布サービスは作成サービスに言語モデル作成問い合わせを行い、議題にあった言語モデルを作成する（図１４の２０３）。

予めＷｅｂやＳＮＳ等から分野別に得られたテキスト情報を取得し（図１５の３２１）、形態素解析（図１５の３２２）や読み付け（図１５の３２３）を行うことにより、言語モデルを作成する（図１５の３２４）。作成された言語モデルは的確な分野別に言語モデル配布サービスに格納される。格納後、言語モデル検索手段３１０に言語モデル配布準備３１１において、会議内容情報と一致する言語モデルを確定し、該当ＵＲＬ、サービス情報を会議開催サーバに返却する。これを会議参加者分繰り返すことにより、会議開催前に辞書データを配布準備する。会議開催時間を元に開催前に会議開催サーバは会議参加者に参加可能かを確認し（図１４の２１０、２１１）、参加可能者は配布サービスから辞書データのダウンロードを行う（図１４の２１２）。会議開催時間になると、会議開催サーバから議事録作成サーバに会議開催データを送信する（図１４の２２１）。これにより、音声認識を使用し会話情報を議事録として受信することが可能となる（図１４の２２２）。会議終了（図１４の２３０）まで議事録作成を行う。

次に、本発明の第２の実施形態の効果について説明する。本発明の第２の実施形態では、第１の実施形態に加えて該当言語モデルが存在しない場合、予め分野別に辞書情報を集めて置いた情報と会議議題情報から、言語モデルを会議開催前までに作成し、自動的にダウンロードすることで、議題に合った認識結果を期待できる。

次に、本発明の第３の実施形態の構成について図面を参照して説明する。図１６を参照すると、本発明の第３の実施形態の構成は、第１、２の実施形態の構成においてイベント受信手段１１０５を追加した構成図である。すなわち第１および第２の実施形態の構成における議事録作成、モデル選択、配布Ｗｅｂサービス及び作成Ｗｅｂサービスによる処理と同一の処理に加えて、イベント受信手段１１０５は音声認識手段１１０２で音声データを認識し、特定の認識キーワードが入力された場合、モデル配布手段１３０３に配布指示を行う。本発明の第３の実施形態では、会議参加者が特定の言葉を発話することにより、言語モデル・音響モデルを会議中にでもダウンロードすることができる。こうして、変更された議題に合った認識結果を期待できる。

なお、上述した議事録作成方法及びその装置は、ハードウェア、ソフトウェア又はそれらの組合せにより実現することができる。

本発明によれば、スケジューリングされた業務において、多量のデータの中から、データを切り替えて的確な情報を得る必要があるデバイスで、予め関連情報を提出しておくことによりデータ選択を自動的に決定すると言った用途に適用できる。例えば、専門用語が非常に多く出てくるようなコンタクトセンターや裁判所の筆記において、辞書を予め切り替えることにより、的確な認識結果を表示する漢字カナ変換装置といった用途にも適用可能である。

第１の従来例による議事録作成装置を示すブロック図である。第２の従来例による議事録作成装置を示すブロック図である。第３の従来例による議事録作成装置を示すブロック図である。本発明の実施形態による議事録作成装置の構成を示す概念図である。本発明の実施形態による議事録作成装置の構成を示すブロック図である。本発明の実施形態による議事録作成装置の動作を示すシーケンス図である。本発明の実施形態による議事録作成装置の動作を示す第１のアクティビティ図である。本発明の実施形態による議事録作成装置の動作を示す第２のアクティビティ図である。本発明の実施形態で利用する会議開催通知及び会議開催データの例を示す図である。本発明の実施形態で利用する会議開催データ及びユーザ情報テーブルの例を示す図である。本発明の実施形態で利用する会議開催データ及び開催場所情報テーブルの例を示す図である。本発明の他の実施形態による議事録作成装置の構成を示す概念図である。本発明の他の実施形態による議事録作成装置の構成を示すブロック図である。本発明の他の実施形態による議事録作成装置の動作を示すシーケンス図である。本発明の他の実施形態による議事録作成装置の動作を示すアクティビティ図である。本発明の更に他の実施形態による議事録作成装置の構成を示す概念図である。

符号の説明

１０１０議事録作成部
１１０１音声入力手段
１１０２音声認識手段
１１０３議事録作成手段
１１０４議事録表手段
１１０５イベント受信手段
１０２０モデル選択部
１２０１会議開催予定入力手段
１２０２会議開催データベース
１２０３モデル選択手段
１０３０配布Ｗｅｂサービス部
１３０１言語モデル
１３０２音響モデル
１３０３モデル配布手段
１０４０作成Ｗｅｂサービス部
１４０１辞書更新手段
１４０２辞書情報取得手段
１４０３言語モデル作成手段

Claims

入力した音声をその言語のテキストデータとする音声認識ステップと、
前記テキストデータを基に、議事録を作成する議事録作成ステップと、
入力される言語の方言と議題、レジュメ又は参考資料とを基に、それぞれ、それらに適した音響モデル及び言語モデルとを選択するモデル選択ステップと、
を備え、
前記音声認識ステップは、前記モデル選択ステップにより選択された前記音響モデル及び前記言語モデルを利用する議事録作成方法であって、
前記モデル選択ステップは、会議への各参加者毎に、前記音響モデル及び前記言語モデルを選択し、
各参加者毎の方言は予め会議開催予定データに記述されており、前記モデル選択ステップは、前記会議開催予定データに記述されている各参加者毎の方言を基に、各参加者毎の音響モデルを選択し、
前記議題、レジュメ又は参考資料は予め会議開催予定データに記述されており、前記モデル選択ステップは、前記会議開催予定データに記述されている議題、レジュメ又は参考資料を基に、言語モデルを選択することを特徴とする議事録作成方法。
入力した音声をその言語のテキストデータとする音声認識手段と、
前記テキストデータを基に、議事録を作成する議事録作成手段と、
入力される言語の方言と議題、レジュメ又は参考資料とを基に、それぞれ、それらに適した音響モデル及び言語モデルとを選択するモデル選択手段と、
を備え、
前記音声認識手段は、前記モデル選択手段により選択された前記音響モデル及び前記言語モデルを利用する議事録作成装置であって、
前記モデル選択手段は、会議への各参加者毎に、前記音響モデル及び前記言語モデルを選択し、
各参加者毎の方言は予め会議開催予定データに記述されており、前記モデル選択手段は、前記会議開催予定データに記述されている各参加者毎の方言を基に、各参加者毎の音響モデルを選択し、
前記議題、レジュメ又は参考資料は予め会議開催予定データに記述されており、前記モデル選択手段は、前記会議開催予定データに記述されている議題、レジュメ又は参考資料を基に、言語モデルを選択することを特徴とする議事録作成装置。
コンピュータを、
入力した音声をその言語のテキストデータとする音声認識手段と、
前記テキストデータを基に、議事録を作成する議事録作成手段と、
入力される言語の方言と議題、レジュメ又は参考資料とを基に、それぞれ、それらに適した音響モデル及び言語モデルとを選択するモデル選択手段と、
を備え、
前記音声認識手段は、前記モデル選択手段により選択された前記音響モデル及び前記言語モデルを利用する議事録作成装置であって、
前記モデル選択手段は、会議への各参加者毎に、前記音響モデル及び前記言語モデルを選択し、
各参加者毎の方言は予め会議開催予定データに記述されており、前記モデル選択手段は、前記会議開催予定データに記述されている各参加者毎の方言を基に、各参加者毎の音響モデルを選択し、
前記議題、レジュメ又は参考資料は予め会議開催予定データに記述されており、前記モデル選択手段は、前記会議開催予定データに記述されている議題、レジュメ又は参考資料を基に、言語モデルを選択することを特徴とする議事録作成装置として機能させるためのプログラム。