特許ウォッチ

公開番号2025122234
公報種別公開特許公報(A)
公開日2025-08-20
出願番号2025094002,2023576298
出願日2025-06-05,2022-01-25
発明の名称音声認識システム、音声認識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 15/28 20130101AFI20250813BHJP(楽器;音響)
要約【課題】音声認識の使用リソースを効率化すること。
【解決手段】一実施形態に係る音声認識システムは、音声通話から取得された音声データに対してリアルタイムに音声認識を行うか否かを判定する音声認識制御部と、リアルタイムに音声認識を行うと判定された音声データに対して前記音声認識を行って、前記音声認識の結果を表すテキストを作成する音声認識部と、前記テキストをリアルタイムに参照可能な画面を端末に表示させるUI提供部と、を有し、前記音声認識制御部は、前記画面が前記端末に表示されている場合、前記画面で参照可能なテキストの作成元となる音声データに対してリアルタイムに音声認識を行うと判定する。
【選択図】図3
特許請求の範囲【請求項１】
音声通話から取得された音声データに対してリアルタイムに音声認識を行うか否かを判定する音声認識制御部と、
リアルタイムに音声認識を行うと判定された音声データに対して前記音声認識を行って、前記音声認識の結果を表すテキストを作成する音声認識部と、
前記テキストをリアルタイムに参照可能な画面を端末に表示させるＵＩ提供部と、
を有し、
前記音声認識制御部は、
前記画面が前記端末に表示されている場合、前記画面で参照可能なテキストの作成元となる音声データに対してリアルタイムに音声認識を行うと判定する、音声認識システム。
続きを表示（約 600 文字）【請求項２】
音声通話から取得された音声データに対してリアルタイムに音声認識を行うか否かを判定する音声認識制御手順と、
リアルタイムに音声認識を行うと判定された音声データに対して前記音声認識を行って、前記音声認識の結果を表すテキストを作成する音声認識手順と、
前記テキストをリアルタイムに参照可能な画面を端末に表示させるＵＩ提供手順と、
をコンピュータが実行し、
前記音声認識制御手順は、
前記画面が前記端末に表示されている場合、前記画面で参照可能なテキストの作成元となる音声データに対してリアルタイムに音声認識を行うと判定する、音声認識方法。
【請求項３】
音声通話から取得された音声データに対してリアルタイムに音声認識を行うか否かを判定する音声認識制御手順と、
リアルタイムに音声認識を行うと判定された音声データに対して前記音声認識を行って、前記音声認識の結果を表すテキストを作成する音声認識手順と、
前記テキストをリアルタイムに参照可能な画面を端末に表示させるＵＩ提供手順と、
をコンピュータに実行させ、
前記音声認識制御手順は、
前記画面が前記端末に表示されている場合、前記画面で参照可能なテキストの作成元となる音声データに対してリアルタイムに音声認識を行うと判定する、プログラム。

発明の詳細な説明【技術分野】
【０００１】
本発明は、音声認識システム、音声認識方法及びプログラムに関する。
続きを表示（約 2,000 文字）【背景技術】
【０００２】
コンタクトセンタ（又は、コールセンタとも呼ばれる。）を対象として、通話中の音声を収録し、リアルタイムにテキストに変換する音声認識システムが従来から知られている（例えば、非特許文献１）。このような音声認識システムでは、コンタクトセンタにおけるすべての通話に対して、音声の収録及び音声認識が行われることが一般的である。
【先行技術文献】
【非特許文献】
【０００３】
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】
【０００４】
しかしながら、従来では、必ずしもリアルタイムに音声認識する必要のない通話に対してもリアルタイムに音声認識が行われていた。例えば、オペレータが音声認識結果を確認するためのＵＩ（ユーザインターフェース）を起動していない場合等、音声認識結果が誰からも参照されていない場合であっても、リアルタイムに音声認識が行われていた。このため、リソース（特に、ＣＰＵ（Central Processing Unit）リソース等）が無駄に使用されていた。
【０００５】
本発明の一実施形態は、上記の点に鑑みてなされたもので、音声認識の使用リソースを効率化することを目的とする。
【課題を解決するための手段】
【０００６】
上記目的を達成するため、一実施形態に係る音声認識システムは、音声通話から取得された音声データに対してリアルタイムに音声認識を行うか否かを判定する音声認識制御部と、リアルタイムに音声認識を行うと判定された音声データに対して前記音声認識を行って、前記音声認識の結果を表すテキストを作成する音声認識部と、前記テキストをリアルタイムに参照可能な画面を端末に表示させるＵＩ提供部と、を有し、前記音声認識制御部は、前記画面が前記端末に表示されている場合、前記画面で参照可能なテキストの作成元となる音声データに対してリアルタイムに音声認識を行うと判定する。
【発明の効果】
【０００７】
音声認識の使用リソースを効率化することができる。
【図面の簡単な説明】
【０００８】
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。
リアルタイム通話テキスト画面の一例を示す図である。
本実施形態に係る音声認識システム及び端末の機能構成の一例を示す図である。
本実施形態に係るリアルタイム通話テキスト画面の表示開始処理の一例を示すシーケンス図である。
本実施形態に係るリアルタイム通話テキスト画面の表示終了処理の一例を示すシーケンス図である。
本実施形態に係る通話開始から通話終了までの処理の一例を示すシーケンス図である。
本実施形態に係るバックグラウンド音声認識処理の一例を示すシーケンス図である。
本実施形態に係る検索処理の一例を示すシーケンス図である。
音声認識の並列処理の一例を示す図である。
【発明を実施するための形態】
【０００９】
以下、本発明の一実施形態について説明する。本実施形態では、コンタクトセンタを対象として、オペレータの通話から収録した音声に対する音声認識の使用リソース（特に、ＣＰＵリソース等）を効率化す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、コンタクトセンタ以外にも、例えば、オフィス等で勤務する担当者を対象として、その担当者の通話から収録した音声に対する音声認識の使用リソースを効率化する場合等にも同様に適用することが可能である。より一般に、ある通話から収録した音声に対する音声認識の使用リソースを効率化する場合にも同様に適用することが可能である。
【００１０】
＜コンタクトセンタシステム１の全体構成＞
本実施形態に係るコンタクトセンタシステム１の全体構成例を図１に示す。図１に示すように、本実施形態に係るコンタクトセンタシステム１には、音声認識システム１０と、複数の端末２０と、複数の電話機３０と、ＰＢＸ（Private Branch eXchange）４０と、ＮＷスイッチ５０と、顧客端末６０とが含まれる。ここで、音声認識システム１０、端末２０、電話機３０、ＰＢＸ４０及びＮＷスイッチ５０は、コンタクトセンタのシステム環境であるコンタクトセンタ環境Ｅ内に設置されている。なお、コンタクトセンタ環境Ｅは同一の建物内のシステム環境に限られず、例えば、地理的に離れた複数の建物内のシステム環境であってもよい。
（【００１１】以降は省略されています）

関連特許