特許ウォッチ

公開番号2025007915
公報種別公開特許公報(A)
公開日2025-01-17
出願番号2023109642
出願日2023-07-03
発明の名称リモート会議システムおよび文字情報生成方法および文字情報生成プログラム
出願人コニカミノルタ株式会社
代理人個人
主分類G10L 15/22 20060101AFI20250109BHJP(楽器;音響)
要約【課題】入力される音声のうちから適切な音声を選択可能なリモート会議システムを提供する。
【解決手段】サーバー及び少なくとも2台の端末が互いに通信可能に接続されるリモート会議システムにおいて、サーバーのCPUは、少なくとも2台の端末それぞれの音声を音声認識する音声認識部15と、第1端末の音声が第2端末の音声の少なくとも一部と重複する場合に第1端末の音声を音声認識した第1文字情報と第2端末の音声を音声認識した第2文字情報とのいずれか一方を選択する選択部17と、を備える。
【選択図】図4
特許請求の範囲【請求項１】
少なくとも２台の端末が通信可能に接続され、それらの端末で入力された音声を互いに他の端末へ配信するリモート会議システムにおいて、
前記少なくとも２台の端末それぞれの音声を音声認識する音声認識手段と、
第１端末の音声が第２端末の音声の少なくとも一部と重複する場合に、前記第１端末の音声を音声認識した第１文字情報と前記第２端末の音声を音声認識した第２文字情報とのいずれか一方を選択する選択手段と、を備えたリモート会議システム。
続きを表示（約 1,200 文字）【請求項２】
前記選択手段は、前記第１文字情報と前記第２文字情報とが類似する場合に、いずれか一方を選択する、請求項１に記載のリモート会議システム。
【請求項３】
前記選択手段は、前記第１文字情報と前記第２文字情報のうち前記第１端末と前記第２端末の一方の音声の音量が所定の閾値以下でかつ他方の音声の音量が所定の閾値より大きい場合に、前記第１文字情報と前記第２文字情報とのいずれか一方を選択する、請求項１に記載のリモート会議システム。
【請求項４】
前記選択手段は、前記第１文字情報と前記第２文字情報のうち前記第１端末の音声の音量が前記第２端末の音声の音量より大きい場合、前記第１文字情報を選択する、請求項２または３に記載のリモート会議システム。
【請求項５】
前記選択手段は、前記第１文字情報と前記第２文字情報のうち前記第１端末の音声が入力されるタイミングと前記第２端末の音声が入力されるタイミングより早い場合、前記第１文字情報を選択する、請求項２または３に記載のリモート会議システム。
【請求項６】
前記選択手段は、前記第１文字情報と前記第２文字情報のうち過去に音声認識された履歴情報に基づく評価の高い一方を選択する、請求項２または３に記載のリモート会議システム。
【請求項７】
音声の話者を特定する話者特定手段と、
音声を音声認識した文字情報と前記話者とを関連付ける関連付手段と、をさらに備え、
前記関連付手段は、前記選択手段により前記第１文字情報と前記第２文字情報とのいずれか一方が選択される場合に、前記選択手段により選択された前記文字情報に対して話者を関連付けない、請求項１～３のいずれかに記載のリモート会議システム。
【請求項８】
前記少なくとも２台の端末それぞれの音声を他の端末へ配信する配信手段を、さらに備えた、請求項１～３のいずれかに記載のリモート会議システム。
【請求項９】
少なくとも２台の端末が通信可能に接続されたコンピューターで実行される文字情報生成方法であって、
前記少なくとも２台の端末それぞれの音声を音声認識する音声認識ステップと、
第１端末の音声と第２端末の音声とが重複する場合に、前記第１端末の音声を音声認識し第１文字情報と前記第１端末の音声を音声認識した第２文字情報とのいずれか一方または双方を選択する選択ステップと、を含む、文字情報生成方法。
【請求項１０】
少なくとも２台の端末が通信可能に接続されたコンピューターで実行される文字情報生成プログラムであって、
前記少なくとも２台の端末それぞれの音声を音声認識する音声認識ステップと、
第１端末の音声と第２端末の音声とが重複する場合に、前記第１端末の音声を音声認識し第１文字情報と前記第１端末の音声を音声認識した第２文字情報とのいずれか一方または双方を選択する選択ステップと、を含む、文字情報生成プログラム。

発明の詳細な説明【技術分野】
【０００１】
この発明は、リモート会議システムおよび文字情報生成方法および文字情報生成プログラムに関し、特に、音声から文字情報を生成するリモート会議システム、文字情報生成方法およびその文字情報生成方法をコンピューターに実行させる文字情報生成プログラムに関する。
続きを表示（約 1,600 文字）【背景技術】
【０００２】
近年、離れた場所に位置する複数のユーザーがコンピューターを介して会話するリモート会議システムが普及している。会議の参加者の複数のそれぞれがコンピューターを用いてリモート会議に参加する。参加者の音声は、マイクロホンで集音され、音声に対応する音声データが別の参加者が操作するコンピューターに送信される。このリモート会議システムにおいて、音声を文字に変換することにより、議事録を自動的に生成する技術が知られている。議事録を作成する際に、話者が特定され、話者と発言内容とが関連付けて記される。この場合における話者は、音声を送信してきたコンピューターを特定することにより特定される。
【０００３】
一方、リモート会議に参加する参加者のうち２以上が同一の領域に位置した状態でリモート会議に参加する場合がある。この場合、一方の参加者の音声が、自身の操作するコンピューターと他方の参加者が操作するコンピューターそれぞれで集音される場合がある。この場合は、同一人物の発言であるにもかかわらず、異なる複数人の発言として議事録が作成されてしまう。また、会議の参加者の操作ミスにより、会議とは別の人との会話が入力してしまう場合がある。
【０００４】
特開２０２２－７１９６０号公報には、取得され混在する複数の音声データを、各音声データの開始から終了までの発言区間毎に検知して自己の音声入力部から入力された自己の音声データを蓄積し、各音声入力部から取得された話者毎の蓄積された音声データを同期させて参照し、取得した話者毎の音声データの類似度を算出して類似度の高低を比較判別し、類似度が低い音声データは異なる話者の音声データとみなし、類似度が高い音声データは同一話者の音声データとみなし、これら類似度が高い話者が同一とみなされた音声データについて音声エネルギの大小を比較判別し、音声エネルギが相対的に大きいと判別された音声データを、自己の音声入力部から入力された自己の発言と特定し、自他の発言を切り分けることを特徴とする発言切り分けシステムが記載されている。
【０００５】
しかしながら、特開２０２２－７１９６０号公報に記載の発言切り分けシステムは、複数の音声データの類似度を判別するために複数の音声データそれぞれの音声エネルギを比較しなければならない。このため、複雑な処理が必要となる。また、会議とは関係のない会話の音声が選択されてしまう場合があるといった問題がある。
【先行技術文献】
【特許文献】
【０００６】
特開２０２２－７１９６０号公報
【発明の概要】
【発明が解決しようとする課題】
【０００７】
この発明の目的の１つは、リモート会議に入力される音声のうちから適切な音声を選択可能なリモート会議システムを提供することである。
【０００８】
この発明の他の目的は、リモート会議に入力される音声のうちから適切な音声を選択可能な文字情報生成方法を提供することである。
【０００９】
この発明の他の目的は、リモート会議に入力される音声のうちから適切な音声を選択可能な文字情報生成プログラムを提供することである。
【課題を解決するための手段】
【００１０】
この発明のある局面によれば、リモート会議システムは、少なくとも２台の端末が通信可能に接続され、それらの端末で入力された音声を互いに他の端末へ配信するリモート会議システムにおいて、少なくとも２台の端末それぞれの音声を音声認識する音声認識手段と、第１端末の音声が第２端末の音声の少なくとも一部と重複する場合に、第１端末の音声を音声認識した第１文字情報と第２端末の音声を音声認識した第２文字情報とのいずれか一方を選択する選択手段と、を備える。
（【００１１】以降は省略されています）

関連特許