特許ウォッチ

公開番号2025169106
公報種別公開特許公報(A)
公開日2025-11-12
出願番号2024074137
出願日2024-04-30
発明の名称サービス情報提供システム
出願人個人
代理人
主分類G06Q 50/10 20120101AFI20251105BHJP(計算;計数)
要約【課題】ユーザからの単一メディアの入力データから、応答結果として2種類以上のメディア、生成モデルでの出力結果をユーザに提示することにより、異なった視点での結果を与えることによりユーザがより感覚的に深く出力結果を得るサービス情報提供システムを提供する。
【解決手段】ユーザ端末1、サーバ2と4つの生成モデル3の3種類の構成要素がネットワークで接続されているサービス情報提供システムにおいて、サーバは、言語生成モデル、画像生成モデル、音声生成モデル、映像生成モデルなどの少なくとも2種類以上のメディアの生成モデルシステムを利用可能で、ユーザの与える単一メディアの入力情報に対し、複数メディアで出力結果を提示する一対多の関係にすることで、アイデア創出に役に立つ異なった視点で出力結果を得ることができる。
【選択図】図1
特許請求の範囲【請求項１】
ユーザ端末からネットワーク経由で接続してデータを受信するための受信機能、ユーザ端末にデータを送信するための送信機能と情報処理機能を持つサーバを有し、
前記サーバは少なくとも言語生成の言語生成モデル、画像生成の画像生成モデル、音生成の音生成モデル、音楽生成の音楽生成モデル、映像生成の映像生成モデルなどの複数の生成モデルの少なくとも２種類以上の生成モデルを有し、
前記ユーザ端末に入力したテキスト、画像、音、音楽、映像等のいずれか１種類のデータと保存している生成モデルへの入力用ベースから生成モデルへの入力データを作成する情報処理機能を前記ユーザ端末、もしくは、前記サーバに有し、
前記言語生成モデル、前記画像生成モデル、前記音生成モデル、前記音楽生成モデル、前記映像生成モデルの中の２種類以上の生成モデルに対し、それぞれの前記生成モデル用の入力データを質問文としてそれぞれの生成モデル送信し、それぞれの生成モデルから回答を受け取り、それらの結果をユーザ端末に送信し、その生成結果を前記ユーザ端末に提示する機能を持つことで、
ユーザがアイディアや発想を求めて生成モデルを活用する際、異なった複数の視点での結果を提供することでイメージや発想の手助けをすることを特徴とするサービス情報提供システム。
続きを表示（約 900 文字）【請求項２】
前記サーバで処理されているユーザの入力データと保存している生成モデルへの入力用ベースから生成モデルへの入力データを作成する情報処理機能を前記ユーザ端末にもち、前記ユーザ端末内に保存した生成モデルで情報処理することを特徴とする、請求項１に記載のサービス情報提供システム。
【請求項３】
ユーザの入力データがテキスト、画像、音声のいずれか１種類あり、その内容に明確な指示が含まれないこと特徴とする請求項１または２に記載のサービス情報提供システム。
【請求項４】
ユーザの入力データの内容が、感情や感覚を表す複数の言葉であり、これらの言葉だけでは生成モデルの入力データには不十分であることを特徴とする請求項１または２に記載のサービス情報提供システム。
【請求項５】
前記ユーザ端末から前記サーバへ送信される内容が感情や感覚を表す複数の言葉であることにより、異なる生成モデルの入力テンプレートを作成することを容易にしていることを特徴とする請求項１に記載のサービス情報提供システム。
【請求項６】
ユーザ端末にテキストを入力することのできる入力欄、および、ユーザがテキスト入力完了時に入力したテキストを送信するボタンを備えた画面と、前記ユーザ端末から送信されたテキストデータを受信して処理する前記サーバを有し、
前記サーバには、言語を理解して言語を生成する前記言語生成モデルと言語を理解して理解した言語から画像を生成する前記画像生成モデルとを有し、
前記ユーザ入力のテキストデータと前記サーバに保存している生成モデル入力素材から前記言語生成モデルへの入力データを作成し、この入力データを用いて前記言語生成モデルを実行して得られた生成結果と、前記ユーザ入力のテキストデータと前記サーバ日本している画像生成モデル入力素材用からの入力データを作成して前記画像生成モデルを実行して得られた生成結果の２つの生成結果をユーザの端末に返信して、ユーザ端末に提示することを特徴とする請求項１に記載のサービス情報提供システム。

発明の詳細な説明【技術分野】
【０００１】
本発明は、ユーザにネットワーク経由でサービス情報提供システムに関する。
続きを表示（約 2,400 文字）【背景技術】
【０００２】
近年、英語や日本語など多言語に対応した言語モデルチャットシステム（非特許文献１など）や、キーワードを入力して画像を生成することができる画像生成システム（非特許文献２など）など人工知能を利用したシステムが多く提供されており、ブラウザからも利用できるようになり一般ユーザも利用できるようになってきている。
【０００３】
このように生成ＡＩがブラウザで提供されることで一般ユーザが利用しやすい環境が整ってきた。この流れで企業、会社などでも社内用、および商用で生成ＡＩを利用する環境が整ってきている。特許文献１には生成ＡＩの言語モデルを利用して、音声の会話を入力し精度よく要約文を生成させる技術が開示されている。ここでは、音声の会話の音源である音声データをテキスト化して、「はい」などのようにテキストにした時に同じ文字列でも怒っている場合、怒っていない場合があり、その音声データの感情状態を分析すること精度よく要約文を生成する方法を開示している。
【０００４】
特許文献２では、ユーザが作成したい画像のキーワードを生成ＡＩの画像生成モデルに入力して、新規性のある画風の画像を生成する技術が開示されている。ユーザが入力したキーワードから生成した画像のＮ次元の特徴データと蓄積されている画像のＮ次元の特徴データを利用し、ある特徴データの分布で疎な領域の特徴データを考慮することで新規性のある画風を生成する方法を示している。
【０００５】
また、特許文献３では、音声チャットボットにおいて認識結果の自動学習装置において効率よく認識精度を上げる方法として、ＡＩチャットボットで話者からの発話内容をＡＩチャットボットでの認識結果を復唱し、話者の反応により認識内容の正誤を判断し、初めの段階で「誤」と判断され、後になって「正」と判断されたものの認識結果の差分に基づいて学習させる学習方法を有することで認識精度を上げること示している
【先行技術文献】
【特許文献】
【０００６】
特許第６５１３８６９号
特許第７２７０８９４号
特開２０２１－５６３９２
【非特許文献】
【０００７】
ＯｐｅｎＡＩＣｈａｔＧＰＴ令和６年４月１２日検索インターネットＵＲＬｈｔｔｐｓ：／／ｃｈａｔ．ｏｐｅｎａｉ．ｃｏｍ／
ＳｔａｂｉｌｉｔｙＡＩＳＤＸＬ令和６年４月１２日検索インターネットＵＲＬｈｔｔｐｓ：／／ｊａ．ｓｔａｂｉｌｉｔｙ．ａｉ／ｓｔａｂｌｅ－ｄｉｆｆｕｓｉｏｎ
ＯｐｅｎＡＩＳｏｒａ令和６年４月１２日検索インターネットＵＲＬｈｔｔｐｓ：／／ｗｗｗ．ｃｉｃｉａｉ．ｃｏｍ／
【発明の概要】
【発明が解決しようとする課題】
【０００８】
しかしながら、ＣｈａｔＧＰＴなどでは、ブラウザ上で質問内容をテキスト入力すると質問内容の後に生成された回答内容が追記される。また、スマートスピーカと言われるＡＩ機能と通信機能を備えたＡＩチャットボットでは、話者とチャットボットのマイク、スピーカにより会話することで質問内容に対してスピーカから回答することができる。このようなスマートスピーカでは、天気や株価のチェックといった一般的な受け答えから、ニュースを聞いたり、タイマーを設定したり、音楽再生といった作業も依頼することが可能である。これらの対話はＣｈａｔＧＰＴでは、ブラウザでのテキストメディアの入力に対し、テキストメディアで、スマートスピーカについては、話者の話しかけ（音声）に対しスマートスピーカから発せされる音声で回答がされる。ここでは、対話のやり取りがテキストや音声であり、質問と回答が同じテキストメディア、音声メディアであり、質問に対して回答内容が１つ示される一対一の関係である。
【０００９】
上記の各特許文献に開示されている技術は、特許文献１に示されている音声をテキストに変換して要約文を作成することや、特許文献２に示されているユーザが入力するキーワードから新規性のある画風の画像を生成するなど、ＣｈａｔＧＰＴやスマートスピーカの場合とは異なり、質問と回答のメディアが音声からテキスト、テキストから画像などのメディア変換されている。しかしながらそれらの質問に対する出力結果は、一対一の関係でありＣｈａｔＧＰＴやスマートスピーカと同じである。
【００１０】
ＣｈａｔＧＰＴやスマートスピーカなどは生成ＡＩの生成モデルを用いて質問に対する回答を生成している。一例ではあるが、「認知症について説明してください。」、「今日の天気は？」、「以下の文を要約してください。」、「あなたはプロのライターです。次の商品について、ターゲットに刺さるキャッチコピーを作成してください。」、「テキストをｎｅｕｔｒａｌ、ｎｅｇａｔｉｖｅ、またはｐｏｓｉｔｉｖｅに分類してください。テキスト：この食べ物はまずまずでした。」などのような質問文が言語生成モデルに入力情報として与えられ回答が得られる。画像生成モデルに対しては、「夕方に公園で遊ぶ子どもたち」、「最高品質、美しい１人の女性、長髪、茶髪、キャミソールとスカートを着ている、照れ笑い、日光のライティング、背景は街並み」などのように１つの回答を得るための説明であり、より求めているものに近いものを得るために詳細な質問文が用いられている。ここでも質問と回答の関係は、言語生成モデルでは、入力のテキストに対し出力のテキスト、画像生成モデルの入力のテキストに対して出力の画像という一対一の関係にある。
（【００１１】以降は省略されています）

関連特許