特許ウォッチ

公開番号2025098176
公報種別公開特許公報(A)
公開日2025-07-01
出願番号2025051869,2024534869
出願日2025-03-26,2022-07-21
発明の名称情報処理システム、情報処理方法及びプログラム
出願人NTTテクノクロス株式会社
代理人弁理士法人ITOH
主分類G10L 15/22 20060101AFI20250624BHJP(楽器;音響)
要約【課題】精度の良い音声認識結果を得ることが可能な技術を提供すること。
【解決手段】本開示の一態様による情報処理システムは、複数の音声認識辞書の中から、音声認識に用いられる音声認識辞書を選択する選択部と、前記選択部によって選択された音声認識辞書を用いて、顧客との間の音声通話に含まれる発話を前記音声認識によりテキスト化した音声認識テキストを生成する音声認識部と、を有し、前記選択部によって選択された音声認識辞書が変更された場合、変更後の音声認識辞書を用いて、前記音声通話に含まれる一部又は全部の発話を並列に前記音声認識によりテキスト化した音声認識テキストを生成する。
【選択図】図2
特許請求の範囲【請求項１】
複数の音声認識辞書の中から、音声認識に用いられる音声認識辞書を選択する選択部と、
前記選択部によって選択された音声認識辞書を用いて、顧客との間の音声通話に含まれる発話を前記音声認識によりテキスト化した音声認識テキストを生成する音声認識部と、
を有し、
前記選択部によって選択された音声認識辞書が変更された場合、変更後の音声認識辞書を用いて、前記音声通話に含まれる一部又は全部の発話を並列に前記音声認識によりテキスト化した音声認識テキストを生成する、情報処理システム。
続きを表示（約 1,200 文字）【請求項２】
複数の音声認識辞書の中から、音声認識に用いられる音声認識辞書を選択する選択部と、
前記選択部によって選択された音声認識辞書を用いて、顧客との間の音声通話に含まれる発話を前記音声認識によりテキスト化した第１の音声認識テキストを生成する音声認識部と、
前記第１の音声認識テキストを、前記顧客との間の音声通話を行っている者以外の者が利用する端末の画面上に表示させる表示部と、
を有し、
前記音声認識部は、
前記選択部によって選択された音声認識辞書が変更された場合、変更後の音声認識辞書を用いて、前記音声通話に含まれる発話のうちの前記変更が行われる前の発話と、前記変更が行われた後の発話とを前記音声認識によりテキスト化した第２の音声認識テキストを生成し、
前記表示部は、
前記選択部によって選択された音声認識辞書が変更された場合、前記第２の音声認識テキストを前記画面上に表示させる、情報処理システム。
【請求項３】
複数の音声認識辞書の中から、音声認識に用いられる音声認識辞書を選択する選択手順と、
前記選択手順によって選択された音声認識辞書を用いて、顧客との間の音声通話に含まれる発話を前記音声認識によりテキスト化した音声認識テキストを生成する音声認識手順と、
をコンピュータが実行し、
前記選択手順によって選択された音声認識辞書が変更された場合、変更後の音声認識辞書を用いて、前記音声通話に含まれる一部又は全部の発話を並列に前記音声認識によりテキスト化した音声認識テキストを生成する、情報処理方法。
【請求項４】
複数の音声認識辞書の中から、音声認識に用いられる音声認識辞書を選択する選択手順と、
前記選択手順によって選択された音声認識辞書を用いて、顧客との間の音声通話に含まれる発話を前記音声認識によりテキスト化した第１の音声認識テキストを生成する音声認識手順と、
前記第１の音声認識テキストを、前記顧客との間の音声通話を行っている者以外の者が利用する端末の画面上に表示させる表示手順と、
をコンピュータが実行し、
前記音声認識手順は、
前記選択手順によって選択された音声認識辞書が変更された場合、変更後の音声認識辞書を用いて、前記音声通話に含まれる発話のうちの前記変更が行われる前の発話と、前記変更が行われた後の発話とを前記音声認識によりテキスト化した第２の音声認識テキストを生成し、
前記表示手順は、
前記選択手順によって選択された音声認識辞書が変更された場合、前記第２の音声認識テキストを前記画面上に表示させる、情報処理方法。
【請求項５】
コンピュータを、請求項１又は２に記載の情報処理システムとして機能させるプログラム。

発明の詳細な説明【技術分野】
【０００１】
本開示は、情報処理システム、情報処理方法及びプログラムに関する。
続きを表示（約 1,700 文字）【背景技術】
【０００２】
音声認識技術では、一般に、単語の表記、読み、並び方等が登録された音声認識辞書が用いられる。このような音声認識辞書には、音声認識の対象とする用途や言語等に応じて様々な種類の辞書が存在する。例えば、汎用的な用途の辞書、特定の業務に関わる専門用語が多く登録された辞書、特定の言語に特化した辞書、特定の方言に特化した辞書等が存在する。
【０００３】
コンタクトセンタ（又は、コールセンタとも呼ばれる。）では、上記のような音声認識技術を実装した音声認識システムにより、通話中の音声をリアルタイムにテキストに変換し、そのテキストをオペレータに提示することが行われている（例えば、非特許文献１）。
【先行技術文献】
【非特許文献】
【０００４】
ForeSight Voice Mining（フォーサイトボイスマイニング），インターネット＜ＵＲＬ：https://www.ntt-tx.co.jp/products/foresight_vm/＞
【発明の概要】
【発明が解決しようとする課題】
【０００５】
しかしながら、従来では、複数の音声認識辞書が用意されていても、オペレータがその中から適切な辞書を選択することは困難であった。このため、オペレータに対して予め設定されている音声認識辞書（例えば、デフォルトとして設定されている汎用的な音声認識辞書）を用いて音声認識が行われ、その結果、十分な精度の音声認識結果が得られない場合があった。
【０００６】
本開示は、上記の点に鑑みてなされたもので、精度の良い音声認識結果を得ることが可能な技術を提供することを目的とする。
【課題を解決するための手段】
【０００７】
本開示の一態様による情報処理システムは、複数の音声認識辞書の中から、音声認識に用いられる音声認識辞書を選択する選択部と、前記選択部によって選択された音声認識辞書を用いて、顧客との間の音声通話に含まれる発話を前記音声認識によりテキスト化した音声認識テキストを生成する音声認識部と、を有し、前記選択部によって選択された音声認識辞書が変更された場合、変更後の音声認識辞書を用いて、前記音声通話に含まれる一部又は全部の発話を並列に前記音声認識によりテキスト化した音声認識テキストを生成する。
【発明の効果】
【０００８】
精度の良い音声認識結果を得ることが可能な技術が提供される。
【図面の簡単な説明】
【０００９】
本実施形態に係るコンタクトセンタシステムの全体構成の一例を示す図である。
本実施形態に係るコンタクトセンタシステムの機能構成の一例を示す図である。
本実施形態に係る応対支援処理の一例を示すシーケンス図である。
音声認識の一例を説明するための図（その１）である。
音声認識の一例を説明するための図（その２）である。
音声認識の一例を説明するための図（その３）である。
音声認識の一例を説明するための図（その４）である。
音声認識の一例を説明するための図（その５）である。
応対支援画面の一例を説明するための図（その１）である。
応対支援画面の一例を説明するための図（その２）である。
【発明を実施するための形態】
【００１０】
以下、本発明の一実施形態について説明する。以下、本実施形態では、コンタクトセンタを対象として、複数の音声認識辞書の中から自動又は手動で辞書の選択が可能な場合に、オペレータと顧客との間の通話の音声に関して精度の良い音声認識結果を得ることができるコンタクトセンタシステム１について説明する。ただし、コンタクトセンタは一例であって、例えば、オフィス等を対象として、複数の音声認識辞書の中から自動又は手動で辞書の選択が可能な場合に、担当者と顧客との間の通話の音声に関して精度の良い音声認識結果を得るときにも同様に適用することが可能である。
（【００１１】以降は省略されています）

関連特許