音声制御システム、音声制御装置、音声制御方法および音声制御プログラム
【課題】ユーザの通話を監視して感情的な音声や危険語句をオペレータに伝達する前にマスキングなどにより一律に変換処理を行なうため、オペレータに判断を委ねることなく通話内容を制御すること。
【解決手段】ユーザ端末とオペレータ端末との通話を公衆電話網を介して確立させる電話交換手段と、電話交換手段により確立された通話をモニタしてユーザ端末とオペレータ端末との通話内容を音声情報として取得する通話モニタ手段と、通話モニタ手段により取得された音声情報中に認識されるユーザ端末の音声から、あらかじめ定められた特定の感情を表わす感情的音声または否定的な語彙を含む特定語彙の音声のうちいずれかの不穏当音声を検出する不穏当音声検出手段と、不穏当音声検出手段により検出された不穏当音声を制御した制御音声を生成する音声生成手段と、を備えることを特徴とする。
【解決手段】ユーザ端末とオペレータ端末との通話を公衆電話網を介して確立させる電話交換手段と、電話交換手段により確立された通話をモニタしてユーザ端末とオペレータ端末との通話内容を音声情報として取得する通話モニタ手段と、通話モニタ手段により取得された音声情報中に認識されるユーザ端末の音声から、あらかじめ定められた特定の感情を表わす感情的音声または否定的な語彙を含む特定語彙の音声のうちいずれかの不穏当音声を検出する不穏当音声検出手段と、不穏当音声検出手段により検出された不穏当音声を制御した制御音声を生成する音声生成手段と、を備えることを特徴とする。
【発明の詳細な説明】
【技術分野】
【０００１】
本発明は、音声制御技術に関する。
【背景技術】
【０００２】
上記技術分野において、特許文献１に示されているように、音声の感情部分の音量およびピッチ変動量を算出して、所定内に収まるように音量およびピッチ変動量を変換する技術が知られている。
【０００３】
また、特許文献２に示されているように、発話音声データから危険語句を検出すると、対応モードに応じて危険語句の音量を下げるなどの変換処理を行なう技術が知られている。さらに、発話音声データの音声ピッチの変動量が所定の変動量に達する回数が所定の回数以上である場合に、ユーザが感情的に発話しているものとして通話受付を他のオペレータに切り換える技術が知られている。
【先行技術文献】
【特許文献】
【０００４】
【特許文献１】特開2004-252085号公報
【特許文献２】特開2009-159558号公報
【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、上記特許文献１に記載の技術では、音声の感情部分の音量およびピッチ変動量を変換するに過ぎず、音声を他の音声に代替したりマスキングしたりすることはできなかった。
【０００６】
また、上記特許文献２に記載の技術では、危険語句を検出して音量を下げるなどの変換処理を行なうとしてもあらかじめ設定された内容で処理されるため、オペレータのストレスを軽減することに必ずしも効果的ではなかった。また、音声ピッチの変動の検出によりユーザが感情的に発話しているものと判定しても、通話を続行するか否かオペレータに判断させるため、感情的な発話をオペレータに伝達することを回避できなかった。
【０００７】
本発明の目的は、上述の課題を解決する技術を提供することにある。
【課題を解決するための手段】
【０００８】
上記目的を達成するため、本発明に係るシステムは、
ユーザ端末とオペレータ端末との通話を公衆電話網を介して確立させる電話交換手段と、
前記電話交換手段により確立された前記通話をモニタして前記ユーザ端末と前記オペレータ端末との通話内容を音声情報として取得する通話モニタ手段と、
前記通話モニタ手段により取得された前記音声情報中に認識される前記ユーザ端末の音声から、あらかじめ定められた特定の感情を表わす感情的音声または否定的な語彙を含む特定語彙の音声のうちいずれかの不穏当音声を検出する不穏当音声検出手段と、
前記不穏当音声検出手段により検出された前記不穏当音声を制御した制御音声を生成する音声生成手段と、
を備えることを特徴とする。
【０００９】
上記目的を達成するため、本発明に係る装置は、
ユーザ端末とオペレータ端末との通話を公衆電話網を介して確立させる電話交換手段により確立された前記通話をモニタして前記ユーザ端末と前記オペレータ端末との通話内容を音声情報として取得する通話モニタ手段と、
前記通話モニタ手段により取得された前記音声情報から認識される前記ユーザ端末の音声から、あらかじめ定められた特定の感情を表わす感情的音声または否定的な語彙を含む特定語彙の音声のうちいずれかの不穏当音声を検出する不穏当音声検出手段と、
前記不穏当音声検出手段により検出された前記不穏当音声を制御した制御音声を生成する音声生成手段と、
を備えることを特徴とする。
【００１０】
上記目的を達成するため、本発明に係る方法は、
ユーザ端末とオペレータ端末との通話を公衆電話網を介して確立させる電話交換手段により確立された前記通話をモニタして前記ユーザ端末と前記オペレータ端末との通話内容を音声情報として取得する通話モニタステップと、
前記通話モニタステップにより取得された前記音声情報から認識される前記ユーザ端末の音声から、あらかじめ定められた特定の感情を表わす感情的音声または否定的な語彙を含む特定語彙の音声のうちいずれかの不穏当音声を検出する不穏当音声検出ステップと、
前記不穏当音声検出ステップにより検出された前記不穏当音声を制御した制御音声を生成する音声生成ステップと、
を備えることを特徴とする。
【００１１】
上記目的を達成するため、本発明に係るプログラムは、
ユーザ端末とオペレータ端末との通話を公衆電話網を介して確立させる電話交換手段により確立された前記通話をモニタして前記ユーザ端末と前記オペレータ端末との通話内容を音声情報として取得する通話モニタステップと、
前記通話モニタステップにより取得された前記音声情報から認識される前記ユーザ端末の音声から、あらかじめ定められた特定の感情を表わす感情的音声または否定的な語彙を含む特定語彙の音声のいずれかの不穏当音声を検出する不穏当音声検出ステップと、
前記不穏当音声検出ステップにより検出された前記不穏当音声を制御した制御音声を生成する音声生成ステップと、
をコンピュータに実行させることを特徴とする。
【発明の効果】
【００１２】
本発明によれば、ユーザの通話を監視して感情的な音声や危険語句をオペレータに伝達する前にマスキングなどにより一律に変換処理を行なうため、オペレータにストレスを感じさせることなく通話内容を制御可能である。
【図面の簡単な説明】
【００１３】
【図１】本発明の第１実施形態に係る音声制御システムの構成を示すブロック図である。
【図２】本発明の第２実施形態に係る音声制御システムの構成を示すブロック図である。
【図３】本発明の第２実施形態に係る音声制御システムの動作手順を示すシーケンス図である。
【図４】本発明の第２実施形態に係る音声制御システムの処理手順を示すフローチャートである。
【図５】本発明の第２実施形態に係る不穏当音声検出部のハードウェア構成を示す図である。
【図６】本発明の第３実施形態に係る音声制御システムの構成を示すブロック図である。
【図７】本発明の第４実施形態に係る音声制御システムの構成を示すブロック図である。
【図８】本発明の第５実施形態に係る音声制御システムの構成を示すブロック図である。
【発明を実施するための形態】
【００１４】
以下に、本発明を実施するための形態について、図面を参照して、例示的に詳しく説明記載する。ただし、以下の実施の形態に記載されている、構成、数値、処理の流れ、機能要素などは一例に過ぎず、その変形や変更は自由であって、本発明の技術範囲を以下の記載に限定する趣旨のものではない。
【００１５】
［第１実施形態］
本発明の第１実施形態としての音声制御システム１００について、図１を用いて説明する。音声制御システム１００は、ユーザ端末１１１とオペレータ端末１１２との通話を制御する。
【００１６】
図１に示すように、音声制御システム１００は、電話交換機１０１と、通話モニタ部１０２と、不穏当音声検出部１０３と、音声生成部１０４とを含む。また、音声制御システム１００は、ユーザ端末１１１と、オペレータ端末１１２と、公衆電話網１２０とを含む。
【００１７】
電話交換機１０１は、ユーザ端末１１１と、オペレータ端末１１２との通話を確立させる。通話モニタ部１０２は、電話交換機１０１により確立された通話をモニタしてユーザ端末１１１とオペレータ端末１１２との通話内容を音声情報として取得する。
【００１８】
不穏当音声検出部１０３は、通話モニタ部１０２により取得された音声情報中に認識されるユーザ端末１１１の音声から、あらかじめ定められた特定の感情を表わす感情的音声または否定的な語彙を含む特定語彙の音声のうちいずれかの不穏当音声を検出する。
【００１９】
音声生成部１０４は、不穏当音声検出部１０３により検出された不穏当音声を制御した制御音声を生成する。
【００２０】
以上の構成および動作により、本実施形態における音声制御システムはユーザの通話を監視して感情的な音声や危険語句をオペレータに伝達する前にマスキングなどにより一律に変換処理を行なうため、オペレータにストレスを感じさせることなく通話内容を制御可能である。
【００２１】
［第２実施形態］
次に本発明の第２実施形態に係る音声制御システム２００について、図２を用いて説明する。図２は、本実施形態に係る音声制御システム２００の概略構成を示す図である。
【００２２】
図２に示すように、音声制御システム２００は、電話交換機２０１と、通話モニタ部２０２と、不穏当音声検出部２０３と、ユーザ端末２１１と、オペレータ端末２１２と、公衆電話網２２０とを含む。電話交換機２０１は、音声生成部２０４と、バッファリング部２１０とを有する。不穏当音声検出部２０３は、感情判定部２０５と、感情制御指示部２０６と、語彙判定部２０７と、語彙制御指示部２０８と、特定語彙記憶部２０９とを有する。なお、本実施形態において特定語彙記憶部２０９は、不穏当音声検出部２０３の外部に設置された構成であるが、不穏当音声検出部２０３の内部に含まれる構成であってもよい。
【００２３】
ユーザ端末２１１は、公衆電話網２２０を介して電話交換機２０１に接続される。通話モニタ部２０２は電話交換機２０１から、ユーザ端末２１１より発信された音声を取得して記憶部（不図示）に記憶する。通話モニタ部２０２は、取得した音声を不穏当音声検出部２０３の感情判定部２０５と語彙判定部２０７とに伝達する。
【００２４】
感情判定部２０５は、通話モニタ部２０２より伝達されたユーザ端末の音声（通話内容）から認識される音声中に、特定の感情を表わす感情的音声（不穏当音声）が含まれるか否か判定する。特定の感情とは、気持ちが高揚した状態であって、主に話者の怒りの感情を伴う状態である。感情的音声とは、主に話者が怒りの感情を伴う状態で発せられる音声であり、たとえば怒鳴り声や平常の会話時の音量と比べて大きな音量など、一定の音量以上の音声である。
【００２５】
感情判定部２０５は、ユーザ端末２１１の音声（通話内容）から認識される音声中に、感情的音声（不穏当音声）が含まれると判定した場合には、感情制御指示部２０６に判定結果を通知する。感情制御指示部２０６は、感情判定部２０５より通知された感情的音声をオペレータ端末２１２に直接伝達しないように制御する指示を行なう。感情的音声の制御方法は、たとえば、感情的音声の音量をあらかじめ定められた音量以下に下げたり、感情的音声を他の音で打ち消したり（マスキング）、他の音声で代替するなどの処理により行なう。なお、音量を下げることには、無音にすることも含まれる。
【００２６】
語彙判定部２０７は、通話モニタ部２０２より伝達されたユーザ端末２１１の音声（通話内容）に特定語彙（不穏当音声）が含まれるか否か判定する。特定語彙とは、オペレータが聴取した際に不快に感じる語彙であり、例えば相手を誹謗中傷する言葉や脅迫的な言葉など、否定的な意味の言葉を含む語彙である。
【００２７】
特定語彙は特定語彙記憶部２０９にあらかじめ格納されている。また、特定語彙は本実施形態が利用されるコールセンタの業種や、コールセンタが対象とする商品またはサービスに応じて、ユーザ端末２１１の音声に含まれる特定語彙を抽出して適宜追加され、更新される。特定語彙記憶部２０９は、特定語彙として不穏当音声を格納するだけでなく、コールセンタが対応する特定分野の業務において多用される専門用語やコールセンタの業務において一般的に使用される語彙（一般語彙）を記憶してもよい。語彙判定部２０７は、ユーザ端末２１１の音声中に、特定語彙記憶部２０９に格納された専門用語や一般語彙以外の語彙が含まれると判定すると、この判定した語彙を特定語彙に該当するものとして語彙制御指示部２０８に伝達してもよい。
【００２８】
語彙判定部２０７は、ユーザ端末２１１からの音声（通話内容）に特定語彙記憶部２０９に記憶されている特定語彙が含まれると判定した場合には、判定結果を語彙制御指示部２０８に通知する。語彙制御指示部２０８は、語彙判定部２０７より通知された特定語彙をオペレータ端末２１２に直接伝達しないように制御する指示を行なう。特定語彙の制御方法は、たとえば、特定語彙を含む音声を消去したり（ミュート）、特定語彙の音声を他の音で打ち消したり（マスキング）、または特定語彙を他の語彙に代替したりするなどの処理により行なう。
【００２９】
電話交換機２０１に含まれる音声生成部２０４は、感情制御指示部２０６および／または語彙制御指示部２０８による指示に基づいてユーザ端末２１１からの感情的音声および／または特定語彙（不穏当音声）を制御した制御音声を生成する。
【００３０】
はじめに、感情制御指示部２０６による感情的音声の制御指示に対応した、制御音声の生成について説明する。音声生成部２０４は、感情的音声の音量をあらかじめ定められた音量以下に下げるか、無音にする。これにより、オペレータ端末２１２で対応するオペレータが不快に感じない音量として聴取することができる。また、音声生成部２０４は、感情的音声を他の音で打ち消す（マスキングする）。これにより、ユーザ端末２１１からの感情的音声は、オペレータ端末２１２において他の音に打ち消されるか、聴取しがたい音声として伝えられるため、感情的音声を聴取されることはなく、オペレータが不快に感じることはない。さらに、音声生成部２０４は、感情的音声を他の音声で代替する。これにより、ユーザ端末２１１からの感情的音声は、オペレータ端末２１２に直接伝達されることはなく、オペレータの不快感を減殺することができる。
【００３１】
次に、語彙制御指示部２０８による特定語彙の制御指示に対応した、制御音声の生成について説明する。音声生成部２０４は、ユーザ端末２１１からの特定語彙の音声を消去する。また、音声生成部２０４は、特定語彙の音声を他の音で打ち消す（マスキング）。これにより、オペレータ端末２１２で対応するオペレータが不快に感じる音声を伝達することを回避できる。さらに、音声生成部２０４は、特定語彙の音声を他の語彙に代替する。これにより、対応するオペレータが不快に感じることを回避できる。
【００３２】
たとえば、ユーザ端末２１１からの音声に「〜をしろ。」、「〜をやれ。」のような命令調の音声が含まれる場合には、音声生成部２０４は、「〜をして下さい。」のように丁寧調に変換した音声を生成する。
【００３３】
音声生成部２０４は、代替音声や打ち消し音を記憶する記憶部（不図示）を有する。そして、記憶部に記憶された代替音声や打ち消し音は適宜更新される。
【００３４】
バッファリング部２１０は、音声生成部２０４において、感情制御指示部２０６および／または語彙制御指示部２０８による指示に基づいて音声が生成される際に、ユーザ端末２１１とオペレータ端末２１２との会話に支障が生じないように音声情報を一時保存する。バッファリング部２１０は、このバッファリングを通話内容の解析が十分可能な時間内で行なう。
【００３５】
電話交換機２０１は、音声生成部２０４において生成された音声（通話内容）を、ユーザ端末２１１からの音声としてオペレータ端末２１２に伝達する。以上の一連の動作により、ユーザ端末２１１とオペレータ端末２１２との通話が成立する。
【００３６】
図３は、本実施形態における電話交換機２０１と、通話モニタ部２０２と、不穏当音声検出部２０３（感情判定部２０５、感情制御指示部２０６、語彙判定部２０７、語彙制御指示部２０８）との動作手順を示すシーケンス図である。
【００３７】
ステップＳ３０１において、電話交換機２０１は、公衆電話網２２０より受信したユーザ端末２１１からの音声情報を通話モニタ部２０２に伝達する。ステップＳ３０３において、通話モニタ部２０２は、電話交換機２０１から伝達された音声情報を不穏当音声検出部２０３の感情判定部２０５と、語彙判定部２０７とに伝達する。ステップＳ３０５において、感情判定部２０５は、ユーザ端末２１１からの音声中に感情的音声が含まれていると判定すると、感情制御指示部２０６に判定結果を通知する。ステップＳ３０７において、感情制御指示部２０６は、感情的音声に対応する最適な音声制御指示を決定する。ステップＳ３０９において、感情制御指示部２０６は、決定した感情的音声の制御指示を音声生成部２０４に送信する。
【００３８】
ステップＳ３１１において、語彙判定部２０７は、特定語彙記憶部２０９に記憶された特定語彙に該当する語彙がユーザ端末２１１からの音声中に含まれていると判定すると、語彙制御指示部２０８に判定結果を通知する。ステップＳ３１３において、語彙制御指示部２０８は、特定語彙に対応する最適な音声制御指示を決定する。ステップＳ３１５において、語彙制御指示部２０８は、決定した特定語彙の制御指示を音声生成部２０４に送信する。
【００３９】
ステップＳ３１７において、電話交換機２０１の音声生成部２０４は、感情制御指示部２０６および／または語彙制御指示部２０８からの制御指示を受け付けると、制御指示にしたがった制御音声を生成する。ステップＳ３１９において、電話交換機２０１のバッファリング部２１０は、音声生成部２０４において生成された音声がオペレータ端末２１２に伝達されるまで、ユーザ端末２１１とオペレータ端末２１２との会話に支障が生じないように音声情報を一時保存する。ステップＳ３２１において、電話交換機２０１は、音声生成部２０４において生成された音声をオペレータ端末２１２に送信する。
【００４０】
図４は、本実施形態における音声制御システム２００の処理手順を示すフローチャートである。
【００４１】
ステップＳ４０１において、電話交換機２０１は、ユーザ端末２１１から音声情報を受け付ける。ステップＳ４０３において、通話モニタ部２０２は、電話交換機２０１において受け付けられたユーザ端末２１１からの音声情報を取得する。ステップＳ４０５において、通話モニタ部２０２は、電話交換機２０１から取得した音声を不穏当音声検出部２０３の感情判定部２０５と語彙判定部２０７とに伝達する。
【００４２】
ステップＳ４０７において、感情判定部２０５は、音声に感情的音声が含まれるか否かの判定を行なう。感情的音声が含まれないと判定した場合には、ステップＳ４０３の処理に戻る。一方、感情的音声が含まれると判定した場合には、ステップＳ４１１の処理に進む。また、ステップＳ４０９において、語彙判定部２０７は音声情報中に特定語彙が含まれるか否かの判定を行ない、特定語彙が含まれると判定した場合には、ステップＳ４１１の処理に進む。
【００４３】
ステップＳ４１１において、感情制御指示部２０６は、感情判定部２０５において判定された感情的音声を制御するのに最適な手段を選択して、音声生成部２０４に制御指示を送信する。また、語彙制御指示部２０８は、語彙判定部２０７において判定された特定語彙を制御するのに最適な手段を選択して、音声生成部２０４に制御指示を送信する。ステップＳ４１３において、音声生成部２０４は、受け付けた感情的音声の制御指示および／または特定語彙の制御指示に基づいて、音声情報を制御して音声を生成する。ステップＳ４１５において、電話交換機２０１は、音声生成部２０４において生成された音声をオペレータ端末２１２に送信する。
【００４４】
不穏当音声検出部２０３の内部構成について、図５を用いて説明する。不穏当音声検出部２０３は、ＣＰＵ５１０、ＲＯＭ５２０、通信制御部５３０、ＲＡＭ５４０、およびストレージ５５０を備えている。ＣＰＵ５１０は中央処理部であって、様々なプログラムを実行することにより不穏当音声検出部２０３全体を制御する。ＲＯＭ５２０は、リードオンリメモリであり、ＣＰＵ５１０が最初に実行すべきブートプログラムの他、各種パラメータ等を記憶している。また、ＲＡＭ５４０は、ランダムアクセスメモリである。ＲＡＭ５４０は、伝達された音声情報５４１と、感情的音声５４２と、特定語彙５４３と、感情制御指示５４４と、語彙制御指示５４５とを有する。
【００４５】
一方、ストレージ５５０は、感情的音声判定プログラム５５１と、特定語彙判定プログラム５５２と、感情制御指示プログラム５５３と、語彙制御指示プログラム５５４とを有する。また、通信制御部５３０は、他の端末とのネットワークを介した通信を制御する。
【００４６】
伝達された音声情報５４１は、通話モニタ部２０２から不穏当音声検出２０３に伝達された、ユーザ端末２１１からの音声である。感情的音声５４２は、感情判定部２０５に伝達されたユーザ端末２１１からの音声に含まれた感情的音声である。特定語彙５４３は、語彙判定部２０７に伝達されたユーザ端末２１１からの音声に含まれる特定語彙である。
【００４７】
感情制御指示５４４は、感情判定部２０５において感情的音声と判定された音声を制御するために、感情制御指示部２０６において選択された最適な制御指示である。語彙制御指示５４５は、語彙判定部２０７において特定語彙と判定された音声を制御するために、語彙制御指示部２０８において選択された最適な制御指示である。
【００４８】
感情的音声判定プログラム５５１は、ユーザ端末２１１からの音声中に感情的音声が含まれるか否かの判定を行なう。感情的音声であるか否かの判定は、音量があらかじめ定められた音量以上に達するか否か、またはユーザ端末２１１からの音声の話速があらかじめ定められたピッチ以上に達するか否かにより判定する。
【００４９】
特定語彙判定プログラム５５２は、ユーザ端末２１１からの音声情報中に特定語彙が含まれるか否かの判定を行なう。特定語彙であるか否かの判定は、特定語彙記憶部２０９にあらかじめ記憶された特定語彙に該当するか否かにより判定する。
【００５０】
感情制御指示プログラム５５３は、感情的音声判定プログラム５５１により感情的音声であると判定された音声を制御するために最適な制御指示として、音量の消去や他の音声で代替を選択する。
【００５１】
語彙制御指示プログラム５５４は、特定語彙判定プログラム５５２により特定語彙であると判定された音声を制御するために最適な制御指示として、音量の消去や他の音で特定語彙のマスキングを選択する。
【００５２】
以上の構成および動作により、本実施形態における音声制御システムは、ユーザの通話を監視して感情的音声や特定語彙をオペレータに伝達する前に一律に変換処理を行うため、通話内容に何ら影響を生じさせることなく通話内容を制御することが可能である。
【００５３】
［第３実施形態］
次に本発明の第３実施形態に係る６００について、図６を用いて説明する。図６は、本実施形態に係る音声制御システム６００の構成を説明するための図である。本実施形態に係る音声制御システム６００は、上記第２実施形態と比べると、音声生成部６０４が独立した構成である点で異なる。その他の構成および動作は、第２実施形態と同様であるため、同じ構成および動作については同じ符号を付してその詳しい説明を省略する。
【００５４】
音声生成部６０４は、感情制御指示部２０６および語彙制御指示部２０８からの制御指示に基づいてユーザ端末２１１の音声を制御するための制御音声を生成する。音声生成部６０４は、生成した音声を電話交換機６０１に送信すると、バッファリング部２１０を介してオペレータ端末２１２に伝達される。
【００５５】
以上の構成および動作により、本実施形態における音声制御システムは、ユーザの通話を監視して感情的音声や特定語彙をオペレータに伝達する前に一律に変換処理を行うため、通話内容に何ら影響を生じさせることなく通話内容を制御することが可能である。
［第４実施形態］
次に本発明の第４実施形態に係る７００について、図７を用いて説明する。図７は、本実施形態に係る音声制御システム７００の構成を説明するための図である。本実施形態に係る音声制御システム７００は、上記第２実施形態と比べると、不穏当音声検出部７０３に音声生成部７０４を有する点で異なる。その他の構成および動作は、第２実施形態と同様であるため、同じ構成および動作については同じ符号を付してその詳しい説明を省略する。
【００５６】
不穏当音声検出部７０３の感情制御指示部２０６および語彙制御指示部２０８は、制御指示を音声生成部７０４に伝達する。音声生成部７０４は、各制御指示に基づいてユーザ端末２１１の音声を制御するための制御音声を生成する。音声生成部７０４は、生成した音声を電話交換機７０１に送信する。バッファリング部２１０は、音声生成部７０４から生成された音声が電話交換機７０１に送信されるまで、ユーザ端末２１１とオペレータ端末２１２との会話に支障が生じないように音声情報を一時保存する。
【００５７】
以上の構成および動作により、本実施形態における音声制御システムは、ユーザの通話を監視して感情的音声や特定語彙をオペレータに伝達する前に一律に変換処理を行うため、通話内容に何ら影響を生じさせることなく通話内容を制御することが可能である。
【００５８】
［第５実施形態］
次に本発明の第５実施形態に係る８００について、図８を用いて説明する。図８は、本実施形態に係る音声制御システム８００の構成を説明するための図である。本実施形態に係る音声制御システム８００は、上記第２実施形態と比べると、通話モニタ部２０２を有さず、電話交換機２０１から不穏当音声検出部８０３にユーザ端末２１１の音声が直接伝達される点で異なる。その他の構成および動作は、第２実施形態と同様であるため、同じ構成および動作については同じ符号を付してその詳しい説明を省略する。
【００５９】
不穏当音声検出部８０３は、電話交換機２０１からユーザ端末２１１の音声情報を直接取得する。不穏当音声検出部８０３は、取得した音声情報を記憶する記憶部（不図示）を有してもよい。
【００６０】
以上の構成および動作により、本実施形態における音声制御システムは、ユーザの通話を監視して感情的音声や特定語彙をオペレータに伝達する前に一律に変換処理を行うため、通話内容に何ら影響を生じさせることなく通話内容を制御することが可能である。
【００６１】
［他の実施形態］
以上、本発明の実施形態について詳述したが、それぞれの実施形態に含まれる別々の特徴を如何様に組み合わせたシステムまたは装置も、本発明の範疇に含まれる。
【００６２】
また、本発明は、複数の機器から構成されるシステムに適用されてもよいし、単体の装置に適用されてもよい。さらに、本発明は、実施形態の機能を実現する情報処理プログラムが、システムあるいは装置に直接あるいは遠隔から供給される場合にも適用可能である。したがって、本発明の機能をコンピュータで実現するために、コンピュータにインストールされるプログラム、あるいはそのプログラムを格納した媒体、そのプログラムをダウンロードさせるＷＷＷ(World Wide Web)サーバも、本発明の範疇に含まれる。
【００６３】
［実施形態の他の表現］
上記の実施形態の一部または全部は、以下の付記のようにも記載されうるが、以下には限られない。
（付記１）
ユーザ端末とオペレータ端末との通話を公衆電話網を介して確立させる電話交換手段と、
前記電話交換手段により確立された前記通話をモニタして前記ユーザ端末と前記オペレータ端末との通話内容を音声情報として取得する通話モニタ手段と、
前記通話モニタ手段により取得された前記音声情報中に認識される前記ユーザ端末の音声から、あらかじめ定められた特定の感情を表わす感情的音声または否定的な語彙を含む特定語彙の音声のうちいずれかの不穏当音声を検出する不穏当音声検出手段と、
前記不穏当音声検出手段により検出された前記不穏当音声を制御した制御音声を生成する音声生成手段と、
を備えることを特徴とする音声制御システム。
（付記２）
前記不穏当音声検出手段は、
前記感情的音声が前記ユーザ端末からの前記音声に含まれるか否か判定する感情判定手段と、
判定された前記感情的音声を前記オペレータ端末に直接伝達しないように制御することを指示する感情制御指示手段と、
前記特定語彙が前記ユーザ端末からの前記音声に含まれるか否か判定する語彙判定手段と、
判定された前記特定語彙を前記オペレータ端末に直接伝達しないように制御することを指示する語彙制御指示手段と、
を備えることを特徴とする付記１に記載の音声制御システム。
（付記３）
前記感情制御指示手段は、前記ユーザ端末からの前記感情的音声が前記特定の感情を表わす場合には前記音声の音量をあらかじめ定められた音量以下に下げ、または前記音声を他の音を用いてマスキングし、他の音声で代替することにより、前記感情的音声を前記オペレータ端末に直接伝達することを回避する指示を出すことを特徴とする請求項２に記載の音声制御システム。
（付記４）
前記語彙制御指示手段は、前記ユーザ端末からの前記音声に前記特定語彙が含まれる場合には前記特定語彙の音声を消去しまたは他の音を用いてマスキングし、前記特定語彙を他の語彙に代替することにより、前記特定語彙を前記オペレータ端末に直接伝達することを回避する指示を出すことを特徴とする請求項２または３に記載の音声制御システム。
（付記５）
前記特定語彙を記憶する特定語彙記憶手段をさらに有することを特徴とする請求項１ないし４に記載の音声制御システム。
（付記６）
前記特定語彙記憶手段は、特定分野において多用される用語や語彙を特定語彙としてあらかじめ記憶することを特徴とする請求項５に記載の音声制御システム。
（付記７）
前記特定語彙記憶手段に記憶される前記特定語彙は、前記感情判定部または前記語彙判定部のいずれかに伝達された前記音声情報から抽出されて更新されることを特徴とする請求項５または６に記載の音声制御システム。
（付記８）
ユーザ端末とオペレータ端末との通話を公衆電話網を介して確立させる電話交換手段により確立された前記通話をモニタして前記ユーザ端末と前記オペレータ端末との通話内容を音声情報として取得する通話モニタ手段と、
前記通話モニタ手段により取得された前記音声情報から認識される前記ユーザ端末の音声から、あらかじめ定められた特定の感情を表わす感情的音声または否定的な語彙を含む特定語彙の音声のうちいずれかの不穏当音声を検出する不穏当音声検出手段と、
前記不穏当音声検出手段により検出された前記不穏当音声を制御した制御音声を生成する音声生成手段と、
を備えることを特徴とする音声制御装置。
（付記９）
ユーザ端末とオペレータ端末との通話を公衆電話網を介して確立させる電話交換手段により確立された前記通話をモニタして前記ユーザ端末と前記オペレータ端末との通話内容を音声情報として取得する通話モニタステップと、
前記通話モニタステップにより取得された前記音声情報から認識される前記ユーザ端末の音声から、あらかじめ定められた特定の感情を表わす感情的音声または否定的な語彙を含む特定語彙の音声のうちいずれかの不穏当音声を検出する不穏当音声検出ステップと、
前記不穏当音声検出ステップにより検出された前記不穏当音声を制御した制御音声を生成する音声生成ステップと、
を備えることを特徴とする音声制御方法。
（付記１０）
ユーザ端末とオペレータ端末との通話を公衆電話網を介して確立させる電話交換手段により確立された前記通話をモニタして前記ユーザ端末と前記オペレータ端末との通話内容を音声情報として取得する通話モニタステップと、
前記通話モニタステップにより取得された前記音声情報から認識される前記ユーザ端末の音声から、あらかじめ定められた特定の感情を表わす感情的音声または否定的な語彙を含む特定語彙の音声のいずれかの不穏当音声を検出する不穏当音声検出ステップと、
前記不穏当音声検出ステップにより検出された前記不穏当音声を制御した制御音声を生成する音声生成ステップと、
をコンピュータに実行させることを特徴とする音声制御プログラム。
【技術分野】
【０００１】
本発明は、音声制御技術に関する。
【背景技術】
【０００２】
上記技術分野において、特許文献１に示されているように、音声の感情部分の音量およびピッチ変動量を算出して、所定内に収まるように音量およびピッチ変動量を変換する技術が知られている。
【０００３】
また、特許文献２に示されているように、発話音声データから危険語句を検出すると、対応モードに応じて危険語句の音量を下げるなどの変換処理を行なう技術が知られている。さらに、発話音声データの音声ピッチの変動量が所定の変動量に達する回数が所定の回数以上である場合に、ユーザが感情的に発話しているものとして通話受付を他のオペレータに切り換える技術が知られている。
【先行技術文献】
【特許文献】
【０００４】
【特許文献１】特開2004-252085号公報
【特許文献２】特開2009-159558号公報
【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、上記特許文献１に記載の技術では、音声の感情部分の音量およびピッチ変動量を変換するに過ぎず、音声を他の音声に代替したりマスキングしたりすることはできなかった。
【０００６】
また、上記特許文献２に記載の技術では、危険語句を検出して音量を下げるなどの変換処理を行なうとしてもあらかじめ設定された内容で処理されるため、オペレータのストレスを軽減することに必ずしも効果的ではなかった。また、音声ピッチの変動の検出によりユーザが感情的に発話しているものと判定しても、通話を続行するか否かオペレータに判断させるため、感情的な発話をオペレータに伝達することを回避できなかった。
【０００７】
本発明の目的は、上述の課題を解決する技術を提供することにある。
【課題を解決するための手段】
【０００８】
上記目的を達成するため、本発明に係るシステムは、
ユーザ端末とオペレータ端末との通話を公衆電話網を介して確立させる電話交換手段と、
前記電話交換手段により確立された前記通話をモニタして前記ユーザ端末と前記オペレータ端末との通話内容を音声情報として取得する通話モニタ手段と、
前記通話モニタ手段により取得された前記音声情報中に認識される前記ユーザ端末の音声から、あらかじめ定められた特定の感情を表わす感情的音声または否定的な語彙を含む特定語彙の音声のうちいずれかの不穏当音声を検出する不穏当音声検出手段と、
前記不穏当音声検出手段により検出された前記不穏当音声を制御した制御音声を生成する音声生成手段と、
を備えることを特徴とする。
【０００９】
上記目的を達成するため、本発明に係る装置は、
ユーザ端末とオペレータ端末との通話を公衆電話網を介して確立させる電話交換手段により確立された前記通話をモニタして前記ユーザ端末と前記オペレータ端末との通話内容を音声情報として取得する通話モニタ手段と、
前記通話モニタ手段により取得された前記音声情報から認識される前記ユーザ端末の音声から、あらかじめ定められた特定の感情を表わす感情的音声または否定的な語彙を含む特定語彙の音声のうちいずれかの不穏当音声を検出する不穏当音声検出手段と、
前記不穏当音声検出手段により検出された前記不穏当音声を制御した制御音声を生成する音声生成手段と、
を備えることを特徴とする。
【００１０】
上記目的を達成するため、本発明に係る方法は、
ユーザ端末とオペレータ端末との通話を公衆電話網を介して確立させる電話交換手段により確立された前記通話をモニタして前記ユーザ端末と前記オペレータ端末との通話内容を音声情報として取得する通話モニタステップと、
前記通話モニタステップにより取得された前記音声情報から認識される前記ユーザ端末の音声から、あらかじめ定められた特定の感情を表わす感情的音声または否定的な語彙を含む特定語彙の音声のうちいずれかの不穏当音声を検出する不穏当音声検出ステップと、
前記不穏当音声検出ステップにより検出された前記不穏当音声を制御した制御音声を生成する音声生成ステップと、
を備えることを特徴とする。
【００１１】
上記目的を達成するため、本発明に係るプログラムは、
ユーザ端末とオペレータ端末との通話を公衆電話網を介して確立させる電話交換手段により確立された前記通話をモニタして前記ユーザ端末と前記オペレータ端末との通話内容を音声情報として取得する通話モニタステップと、
前記通話モニタステップにより取得された前記音声情報から認識される前記ユーザ端末の音声から、あらかじめ定められた特定の感情を表わす感情的音声または否定的な語彙を含む特定語彙の音声のいずれかの不穏当音声を検出する不穏当音声検出ステップと、
前記不穏当音声検出ステップにより検出された前記不穏当音声を制御した制御音声を生成する音声生成ステップと、
をコンピュータに実行させることを特徴とする。
【発明の効果】
【００１２】
本発明によれば、ユーザの通話を監視して感情的な音声や危険語句をオペレータに伝達する前にマスキングなどにより一律に変換処理を行なうため、オペレータにストレスを感じさせることなく通話内容を制御可能である。
【図面の簡単な説明】
【００１３】
【図１】本発明の第１実施形態に係る音声制御システムの構成を示すブロック図である。
【図２】本発明の第２実施形態に係る音声制御システムの構成を示すブロック図である。
【図３】本発明の第２実施形態に係る音声制御システムの動作手順を示すシーケンス図である。
【図４】本発明の第２実施形態に係る音声制御システムの処理手順を示すフローチャートである。
【図５】本発明の第２実施形態に係る不穏当音声検出部のハードウェア構成を示す図である。
【図６】本発明の第３実施形態に係る音声制御システムの構成を示すブロック図である。
【図７】本発明の第４実施形態に係る音声制御システムの構成を示すブロック図である。
【図８】本発明の第５実施形態に係る音声制御システムの構成を示すブロック図である。
【発明を実施するための形態】
【００１４】
以下に、本発明を実施するための形態について、図面を参照して、例示的に詳しく説明記載する。ただし、以下の実施の形態に記載されている、構成、数値、処理の流れ、機能要素などは一例に過ぎず、その変形や変更は自由であって、本発明の技術範囲を以下の記載に限定する趣旨のものではない。
【００１５】
［第１実施形態］
本発明の第１実施形態としての音声制御システム１００について、図１を用いて説明する。音声制御システム１００は、ユーザ端末１１１とオペレータ端末１１２との通話を制御する。
【００１６】
図１に示すように、音声制御システム１００は、電話交換機１０１と、通話モニタ部１０２と、不穏当音声検出部１０３と、音声生成部１０４とを含む。また、音声制御システム１００は、ユーザ端末１１１と、オペレータ端末１１２と、公衆電話網１２０とを含む。
【００１７】
電話交換機１０１は、ユーザ端末１１１と、オペレータ端末１１２との通話を確立させる。通話モニタ部１０２は、電話交換機１０１により確立された通話をモニタしてユーザ端末１１１とオペレータ端末１１２との通話内容を音声情報として取得する。
【００１８】
不穏当音声検出部１０３は、通話モニタ部１０２により取得された音声情報中に認識されるユーザ端末１１１の音声から、あらかじめ定められた特定の感情を表わす感情的音声または否定的な語彙を含む特定語彙の音声のうちいずれかの不穏当音声を検出する。
【００１９】
音声生成部１０４は、不穏当音声検出部１０３により検出された不穏当音声を制御した制御音声を生成する。
【００２０】
以上の構成および動作により、本実施形態における音声制御システムはユーザの通話を監視して感情的な音声や危険語句をオペレータに伝達する前にマスキングなどにより一律に変換処理を行なうため、オペレータにストレスを感じさせることなく通話内容を制御可能である。
【００２１】
［第２実施形態］
次に本発明の第２実施形態に係る音声制御システム２００について、図２を用いて説明する。図２は、本実施形態に係る音声制御システム２００の概略構成を示す図である。
【００２２】
図２に示すように、音声制御システム２００は、電話交換機２０１と、通話モニタ部２０２と、不穏当音声検出部２０３と、ユーザ端末２１１と、オペレータ端末２１２と、公衆電話網２２０とを含む。電話交換機２０１は、音声生成部２０４と、バッファリング部２１０とを有する。不穏当音声検出部２０３は、感情判定部２０５と、感情制御指示部２０６と、語彙判定部２０７と、語彙制御指示部２０８と、特定語彙記憶部２０９とを有する。なお、本実施形態において特定語彙記憶部２０９は、不穏当音声検出部２０３の外部に設置された構成であるが、不穏当音声検出部２０３の内部に含まれる構成であってもよい。
【００２３】
ユーザ端末２１１は、公衆電話網２２０を介して電話交換機２０１に接続される。通話モニタ部２０２は電話交換機２０１から、ユーザ端末２１１より発信された音声を取得して記憶部（不図示）に記憶する。通話モニタ部２０２は、取得した音声を不穏当音声検出部２０３の感情判定部２０５と語彙判定部２０７とに伝達する。
【００２４】
感情判定部２０５は、通話モニタ部２０２より伝達されたユーザ端末の音声（通話内容）から認識される音声中に、特定の感情を表わす感情的音声（不穏当音声）が含まれるか否か判定する。特定の感情とは、気持ちが高揚した状態であって、主に話者の怒りの感情を伴う状態である。感情的音声とは、主に話者が怒りの感情を伴う状態で発せられる音声であり、たとえば怒鳴り声や平常の会話時の音量と比べて大きな音量など、一定の音量以上の音声である。
【００２５】
感情判定部２０５は、ユーザ端末２１１の音声（通話内容）から認識される音声中に、感情的音声（不穏当音声）が含まれると判定した場合には、感情制御指示部２０６に判定結果を通知する。感情制御指示部２０６は、感情判定部２０５より通知された感情的音声をオペレータ端末２１２に直接伝達しないように制御する指示を行なう。感情的音声の制御方法は、たとえば、感情的音声の音量をあらかじめ定められた音量以下に下げたり、感情的音声を他の音で打ち消したり（マスキング）、他の音声で代替するなどの処理により行なう。なお、音量を下げることには、無音にすることも含まれる。
【００２６】
語彙判定部２０７は、通話モニタ部２０２より伝達されたユーザ端末２１１の音声（通話内容）に特定語彙（不穏当音声）が含まれるか否か判定する。特定語彙とは、オペレータが聴取した際に不快に感じる語彙であり、例えば相手を誹謗中傷する言葉や脅迫的な言葉など、否定的な意味の言葉を含む語彙である。
【００２７】
特定語彙は特定語彙記憶部２０９にあらかじめ格納されている。また、特定語彙は本実施形態が利用されるコールセンタの業種や、コールセンタが対象とする商品またはサービスに応じて、ユーザ端末２１１の音声に含まれる特定語彙を抽出して適宜追加され、更新される。特定語彙記憶部２０９は、特定語彙として不穏当音声を格納するだけでなく、コールセンタが対応する特定分野の業務において多用される専門用語やコールセンタの業務において一般的に使用される語彙（一般語彙）を記憶してもよい。語彙判定部２０７は、ユーザ端末２１１の音声中に、特定語彙記憶部２０９に格納された専門用語や一般語彙以外の語彙が含まれると判定すると、この判定した語彙を特定語彙に該当するものとして語彙制御指示部２０８に伝達してもよい。
【００２８】
語彙判定部２０７は、ユーザ端末２１１からの音声（通話内容）に特定語彙記憶部２０９に記憶されている特定語彙が含まれると判定した場合には、判定結果を語彙制御指示部２０８に通知する。語彙制御指示部２０８は、語彙判定部２０７より通知された特定語彙をオペレータ端末２１２に直接伝達しないように制御する指示を行なう。特定語彙の制御方法は、たとえば、特定語彙を含む音声を消去したり（ミュート）、特定語彙の音声を他の音で打ち消したり（マスキング）、または特定語彙を他の語彙に代替したりするなどの処理により行なう。
【００２９】
電話交換機２０１に含まれる音声生成部２０４は、感情制御指示部２０６および／または語彙制御指示部２０８による指示に基づいてユーザ端末２１１からの感情的音声および／または特定語彙（不穏当音声）を制御した制御音声を生成する。
【００３０】
はじめに、感情制御指示部２０６による感情的音声の制御指示に対応した、制御音声の生成について説明する。音声生成部２０４は、感情的音声の音量をあらかじめ定められた音量以下に下げるか、無音にする。これにより、オペレータ端末２１２で対応するオペレータが不快に感じない音量として聴取することができる。また、音声生成部２０４は、感情的音声を他の音で打ち消す（マスキングする）。これにより、ユーザ端末２１１からの感情的音声は、オペレータ端末２１２において他の音に打ち消されるか、聴取しがたい音声として伝えられるため、感情的音声を聴取されることはなく、オペレータが不快に感じることはない。さらに、音声生成部２０４は、感情的音声を他の音声で代替する。これにより、ユーザ端末２１１からの感情的音声は、オペレータ端末２１２に直接伝達されることはなく、オペレータの不快感を減殺することができる。
【００３１】
次に、語彙制御指示部２０８による特定語彙の制御指示に対応した、制御音声の生成について説明する。音声生成部２０４は、ユーザ端末２１１からの特定語彙の音声を消去する。また、音声生成部２０４は、特定語彙の音声を他の音で打ち消す（マスキング）。これにより、オペレータ端末２１２で対応するオペレータが不快に感じる音声を伝達することを回避できる。さらに、音声生成部２０４は、特定語彙の音声を他の語彙に代替する。これにより、対応するオペレータが不快に感じることを回避できる。
【００３２】
たとえば、ユーザ端末２１１からの音声に「〜をしろ。」、「〜をやれ。」のような命令調の音声が含まれる場合には、音声生成部２０４は、「〜をして下さい。」のように丁寧調に変換した音声を生成する。
【００３３】
音声生成部２０４は、代替音声や打ち消し音を記憶する記憶部（不図示）を有する。そして、記憶部に記憶された代替音声や打ち消し音は適宜更新される。
【００３４】
バッファリング部２１０は、音声生成部２０４において、感情制御指示部２０６および／または語彙制御指示部２０８による指示に基づいて音声が生成される際に、ユーザ端末２１１とオペレータ端末２１２との会話に支障が生じないように音声情報を一時保存する。バッファリング部２１０は、このバッファリングを通話内容の解析が十分可能な時間内で行なう。
【００３５】
電話交換機２０１は、音声生成部２０４において生成された音声（通話内容）を、ユーザ端末２１１からの音声としてオペレータ端末２１２に伝達する。以上の一連の動作により、ユーザ端末２１１とオペレータ端末２１２との通話が成立する。
【００３６】
図３は、本実施形態における電話交換機２０１と、通話モニタ部２０２と、不穏当音声検出部２０３（感情判定部２０５、感情制御指示部２０６、語彙判定部２０７、語彙制御指示部２０８）との動作手順を示すシーケンス図である。
【００３７】
ステップＳ３０１において、電話交換機２０１は、公衆電話網２２０より受信したユーザ端末２１１からの音声情報を通話モニタ部２０２に伝達する。ステップＳ３０３において、通話モニタ部２０２は、電話交換機２０１から伝達された音声情報を不穏当音声検出部２０３の感情判定部２０５と、語彙判定部２０７とに伝達する。ステップＳ３０５において、感情判定部２０５は、ユーザ端末２１１からの音声中に感情的音声が含まれていると判定すると、感情制御指示部２０６に判定結果を通知する。ステップＳ３０７において、感情制御指示部２０６は、感情的音声に対応する最適な音声制御指示を決定する。ステップＳ３０９において、感情制御指示部２０６は、決定した感情的音声の制御指示を音声生成部２０４に送信する。
【００３８】
ステップＳ３１１において、語彙判定部２０７は、特定語彙記憶部２０９に記憶された特定語彙に該当する語彙がユーザ端末２１１からの音声中に含まれていると判定すると、語彙制御指示部２０８に判定結果を通知する。ステップＳ３１３において、語彙制御指示部２０８は、特定語彙に対応する最適な音声制御指示を決定する。ステップＳ３１５において、語彙制御指示部２０８は、決定した特定語彙の制御指示を音声生成部２０４に送信する。
【００３９】
ステップＳ３１７において、電話交換機２０１の音声生成部２０４は、感情制御指示部２０６および／または語彙制御指示部２０８からの制御指示を受け付けると、制御指示にしたがった制御音声を生成する。ステップＳ３１９において、電話交換機２０１のバッファリング部２１０は、音声生成部２０４において生成された音声がオペレータ端末２１２に伝達されるまで、ユーザ端末２１１とオペレータ端末２１２との会話に支障が生じないように音声情報を一時保存する。ステップＳ３２１において、電話交換機２０１は、音声生成部２０４において生成された音声をオペレータ端末２１２に送信する。
【００４０】
図４は、本実施形態における音声制御システム２００の処理手順を示すフローチャートである。
【００４１】
ステップＳ４０１において、電話交換機２０１は、ユーザ端末２１１から音声情報を受け付ける。ステップＳ４０３において、通話モニタ部２０２は、電話交換機２０１において受け付けられたユーザ端末２１１からの音声情報を取得する。ステップＳ４０５において、通話モニタ部２０２は、電話交換機２０１から取得した音声を不穏当音声検出部２０３の感情判定部２０５と語彙判定部２０７とに伝達する。
【００４２】
ステップＳ４０７において、感情判定部２０５は、音声に感情的音声が含まれるか否かの判定を行なう。感情的音声が含まれないと判定した場合には、ステップＳ４０３の処理に戻る。一方、感情的音声が含まれると判定した場合には、ステップＳ４１１の処理に進む。また、ステップＳ４０９において、語彙判定部２０７は音声情報中に特定語彙が含まれるか否かの判定を行ない、特定語彙が含まれると判定した場合には、ステップＳ４１１の処理に進む。
【００４３】
ステップＳ４１１において、感情制御指示部２０６は、感情判定部２０５において判定された感情的音声を制御するのに最適な手段を選択して、音声生成部２０４に制御指示を送信する。また、語彙制御指示部２０８は、語彙判定部２０７において判定された特定語彙を制御するのに最適な手段を選択して、音声生成部２０４に制御指示を送信する。ステップＳ４１３において、音声生成部２０４は、受け付けた感情的音声の制御指示および／または特定語彙の制御指示に基づいて、音声情報を制御して音声を生成する。ステップＳ４１５において、電話交換機２０１は、音声生成部２０４において生成された音声をオペレータ端末２１２に送信する。
【００４４】
不穏当音声検出部２０３の内部構成について、図５を用いて説明する。不穏当音声検出部２０３は、ＣＰＵ５１０、ＲＯＭ５２０、通信制御部５３０、ＲＡＭ５４０、およびストレージ５５０を備えている。ＣＰＵ５１０は中央処理部であって、様々なプログラムを実行することにより不穏当音声検出部２０３全体を制御する。ＲＯＭ５２０は、リードオンリメモリであり、ＣＰＵ５１０が最初に実行すべきブートプログラムの他、各種パラメータ等を記憶している。また、ＲＡＭ５４０は、ランダムアクセスメモリである。ＲＡＭ５４０は、伝達された音声情報５４１と、感情的音声５４２と、特定語彙５４３と、感情制御指示５４４と、語彙制御指示５４５とを有する。
【００４５】
一方、ストレージ５５０は、感情的音声判定プログラム５５１と、特定語彙判定プログラム５５２と、感情制御指示プログラム５５３と、語彙制御指示プログラム５５４とを有する。また、通信制御部５３０は、他の端末とのネットワークを介した通信を制御する。
【００４６】
伝達された音声情報５４１は、通話モニタ部２０２から不穏当音声検出２０３に伝達された、ユーザ端末２１１からの音声である。感情的音声５４２は、感情判定部２０５に伝達されたユーザ端末２１１からの音声に含まれた感情的音声である。特定語彙５４３は、語彙判定部２０７に伝達されたユーザ端末２１１からの音声に含まれる特定語彙である。
【００４７】
感情制御指示５４４は、感情判定部２０５において感情的音声と判定された音声を制御するために、感情制御指示部２０６において選択された最適な制御指示である。語彙制御指示５４５は、語彙判定部２０７において特定語彙と判定された音声を制御するために、語彙制御指示部２０８において選択された最適な制御指示である。
【００４８】
感情的音声判定プログラム５５１は、ユーザ端末２１１からの音声中に感情的音声が含まれるか否かの判定を行なう。感情的音声であるか否かの判定は、音量があらかじめ定められた音量以上に達するか否か、またはユーザ端末２１１からの音声の話速があらかじめ定められたピッチ以上に達するか否かにより判定する。
【００４９】
特定語彙判定プログラム５５２は、ユーザ端末２１１からの音声情報中に特定語彙が含まれるか否かの判定を行なう。特定語彙であるか否かの判定は、特定語彙記憶部２０９にあらかじめ記憶された特定語彙に該当するか否かにより判定する。
【００５０】
感情制御指示プログラム５５３は、感情的音声判定プログラム５５１により感情的音声であると判定された音声を制御するために最適な制御指示として、音量の消去や他の音声で代替を選択する。
【００５１】
語彙制御指示プログラム５５４は、特定語彙判定プログラム５５２により特定語彙であると判定された音声を制御するために最適な制御指示として、音量の消去や他の音で特定語彙のマスキングを選択する。
【００５２】
以上の構成および動作により、本実施形態における音声制御システムは、ユーザの通話を監視して感情的音声や特定語彙をオペレータに伝達する前に一律に変換処理を行うため、通話内容に何ら影響を生じさせることなく通話内容を制御することが可能である。
【００５３】
［第３実施形態］
次に本発明の第３実施形態に係る６００について、図６を用いて説明する。図６は、本実施形態に係る音声制御システム６００の構成を説明するための図である。本実施形態に係る音声制御システム６００は、上記第２実施形態と比べると、音声生成部６０４が独立した構成である点で異なる。その他の構成および動作は、第２実施形態と同様であるため、同じ構成および動作については同じ符号を付してその詳しい説明を省略する。
【００５４】
音声生成部６０４は、感情制御指示部２０６および語彙制御指示部２０８からの制御指示に基づいてユーザ端末２１１の音声を制御するための制御音声を生成する。音声生成部６０４は、生成した音声を電話交換機６０１に送信すると、バッファリング部２１０を介してオペレータ端末２１２に伝達される。
【００５５】
以上の構成および動作により、本実施形態における音声制御システムは、ユーザの通話を監視して感情的音声や特定語彙をオペレータに伝達する前に一律に変換処理を行うため、通話内容に何ら影響を生じさせることなく通話内容を制御することが可能である。
［第４実施形態］
次に本発明の第４実施形態に係る７００について、図７を用いて説明する。図７は、本実施形態に係る音声制御システム７００の構成を説明するための図である。本実施形態に係る音声制御システム７００は、上記第２実施形態と比べると、不穏当音声検出部７０３に音声生成部７０４を有する点で異なる。その他の構成および動作は、第２実施形態と同様であるため、同じ構成および動作については同じ符号を付してその詳しい説明を省略する。
【００５６】
不穏当音声検出部７０３の感情制御指示部２０６および語彙制御指示部２０８は、制御指示を音声生成部７０４に伝達する。音声生成部７０４は、各制御指示に基づいてユーザ端末２１１の音声を制御するための制御音声を生成する。音声生成部７０４は、生成した音声を電話交換機７０１に送信する。バッファリング部２１０は、音声生成部７０４から生成された音声が電話交換機７０１に送信されるまで、ユーザ端末２１１とオペレータ端末２１２との会話に支障が生じないように音声情報を一時保存する。
【００５７】
以上の構成および動作により、本実施形態における音声制御システムは、ユーザの通話を監視して感情的音声や特定語彙をオペレータに伝達する前に一律に変換処理を行うため、通話内容に何ら影響を生じさせることなく通話内容を制御することが可能である。
【００５８】
［第５実施形態］
次に本発明の第５実施形態に係る８００について、図８を用いて説明する。図８は、本実施形態に係る音声制御システム８００の構成を説明するための図である。本実施形態に係る音声制御システム８００は、上記第２実施形態と比べると、通話モニタ部２０２を有さず、電話交換機２０１から不穏当音声検出部８０３にユーザ端末２１１の音声が直接伝達される点で異なる。その他の構成および動作は、第２実施形態と同様であるため、同じ構成および動作については同じ符号を付してその詳しい説明を省略する。
【００５９】
不穏当音声検出部８０３は、電話交換機２０１からユーザ端末２１１の音声情報を直接取得する。不穏当音声検出部８０３は、取得した音声情報を記憶する記憶部（不図示）を有してもよい。
【００６０】
以上の構成および動作により、本実施形態における音声制御システムは、ユーザの通話を監視して感情的音声や特定語彙をオペレータに伝達する前に一律に変換処理を行うため、通話内容に何ら影響を生じさせることなく通話内容を制御することが可能である。
【００６１】
［他の実施形態］
以上、本発明の実施形態について詳述したが、それぞれの実施形態に含まれる別々の特徴を如何様に組み合わせたシステムまたは装置も、本発明の範疇に含まれる。
【００６２】
また、本発明は、複数の機器から構成されるシステムに適用されてもよいし、単体の装置に適用されてもよい。さらに、本発明は、実施形態の機能を実現する情報処理プログラムが、システムあるいは装置に直接あるいは遠隔から供給される場合にも適用可能である。したがって、本発明の機能をコンピュータで実現するために、コンピュータにインストールされるプログラム、あるいはそのプログラムを格納した媒体、そのプログラムをダウンロードさせるＷＷＷ(World Wide Web)サーバも、本発明の範疇に含まれる。
【００６３】
［実施形態の他の表現］
上記の実施形態の一部または全部は、以下の付記のようにも記載されうるが、以下には限られない。
（付記１）
ユーザ端末とオペレータ端末との通話を公衆電話網を介して確立させる電話交換手段と、
前記電話交換手段により確立された前記通話をモニタして前記ユーザ端末と前記オペレータ端末との通話内容を音声情報として取得する通話モニタ手段と、
前記通話モニタ手段により取得された前記音声情報中に認識される前記ユーザ端末の音声から、あらかじめ定められた特定の感情を表わす感情的音声または否定的な語彙を含む特定語彙の音声のうちいずれかの不穏当音声を検出する不穏当音声検出手段と、
前記不穏当音声検出手段により検出された前記不穏当音声を制御した制御音声を生成する音声生成手段と、
を備えることを特徴とする音声制御システム。
（付記２）
前記不穏当音声検出手段は、
前記感情的音声が前記ユーザ端末からの前記音声に含まれるか否か判定する感情判定手段と、
判定された前記感情的音声を前記オペレータ端末に直接伝達しないように制御することを指示する感情制御指示手段と、
前記特定語彙が前記ユーザ端末からの前記音声に含まれるか否か判定する語彙判定手段と、
判定された前記特定語彙を前記オペレータ端末に直接伝達しないように制御することを指示する語彙制御指示手段と、
を備えることを特徴とする付記１に記載の音声制御システム。
（付記３）
前記感情制御指示手段は、前記ユーザ端末からの前記感情的音声が前記特定の感情を表わす場合には前記音声の音量をあらかじめ定められた音量以下に下げ、または前記音声を他の音を用いてマスキングし、他の音声で代替することにより、前記感情的音声を前記オペレータ端末に直接伝達することを回避する指示を出すことを特徴とする請求項２に記載の音声制御システム。
（付記４）
前記語彙制御指示手段は、前記ユーザ端末からの前記音声に前記特定語彙が含まれる場合には前記特定語彙の音声を消去しまたは他の音を用いてマスキングし、前記特定語彙を他の語彙に代替することにより、前記特定語彙を前記オペレータ端末に直接伝達することを回避する指示を出すことを特徴とする請求項２または３に記載の音声制御システム。
（付記５）
前記特定語彙を記憶する特定語彙記憶手段をさらに有することを特徴とする請求項１ないし４に記載の音声制御システム。
（付記６）
前記特定語彙記憶手段は、特定分野において多用される用語や語彙を特定語彙としてあらかじめ記憶することを特徴とする請求項５に記載の音声制御システム。
（付記７）
前記特定語彙記憶手段に記憶される前記特定語彙は、前記感情判定部または前記語彙判定部のいずれかに伝達された前記音声情報から抽出されて更新されることを特徴とする請求項５または６に記載の音声制御システム。
（付記８）
ユーザ端末とオペレータ端末との通話を公衆電話網を介して確立させる電話交換手段により確立された前記通話をモニタして前記ユーザ端末と前記オペレータ端末との通話内容を音声情報として取得する通話モニタ手段と、
前記通話モニタ手段により取得された前記音声情報から認識される前記ユーザ端末の音声から、あらかじめ定められた特定の感情を表わす感情的音声または否定的な語彙を含む特定語彙の音声のうちいずれかの不穏当音声を検出する不穏当音声検出手段と、
前記不穏当音声検出手段により検出された前記不穏当音声を制御した制御音声を生成する音声生成手段と、
を備えることを特徴とする音声制御装置。
（付記９）
ユーザ端末とオペレータ端末との通話を公衆電話網を介して確立させる電話交換手段により確立された前記通話をモニタして前記ユーザ端末と前記オペレータ端末との通話内容を音声情報として取得する通話モニタステップと、
前記通話モニタステップにより取得された前記音声情報から認識される前記ユーザ端末の音声から、あらかじめ定められた特定の感情を表わす感情的音声または否定的な語彙を含む特定語彙の音声のうちいずれかの不穏当音声を検出する不穏当音声検出ステップと、
前記不穏当音声検出ステップにより検出された前記不穏当音声を制御した制御音声を生成する音声生成ステップと、
を備えることを特徴とする音声制御方法。
（付記１０）
ユーザ端末とオペレータ端末との通話を公衆電話網を介して確立させる電話交換手段により確立された前記通話をモニタして前記ユーザ端末と前記オペレータ端末との通話内容を音声情報として取得する通話モニタステップと、
前記通話モニタステップにより取得された前記音声情報から認識される前記ユーザ端末の音声から、あらかじめ定められた特定の感情を表わす感情的音声または否定的な語彙を含む特定語彙の音声のいずれかの不穏当音声を検出する不穏当音声検出ステップと、
前記不穏当音声検出ステップにより検出された前記不穏当音声を制御した制御音声を生成する音声生成ステップと、
をコンピュータに実行させることを特徴とする音声制御プログラム。
【特許請求の範囲】
【請求項１】
ユーザ端末とオペレータ端末との通話を公衆電話網を介して確立させる電話交換手段と、
前記電話交換手段により確立された前記通話をモニタして前記ユーザ端末と前記オペレータ端末との通話内容を音声情報として取得する通話モニタ手段と、
前記通話モニタ手段により取得された前記音声情報中に認識される前記ユーザ端末の音声から、あらかじめ定められた特定の感情を表わす感情的音声または否定的な語彙を含む特定語彙の音声のうちいずれかの不穏当音声を検出する不穏当音声検出手段と、
前記不穏当音声検出手段により検出された前記不穏当音声を制御した制御音声を生成する音声生成手段と、
を備えることを特徴とする音声制御システム。
【請求項２】
前記不穏当音声検出手段は、
前記感情的音声が前記ユーザ端末からの前記音声に含まれるか否か判定する感情判定手段と、
判定された前記感情的音声を前記オペレータ端末に直接伝達しないように制御することを指示する感情制御指示手段と、
前記特定語彙が前記ユーザ端末からの前記音声に含まれるか否か判定する語彙判定手段と、
判定された前記特定語彙を前記オペレータ端末に直接伝達しないように制御することを指示する語彙制御指示手段と、
を備えることを特徴とする請求項１に記載の音声制御システム。
【請求項３】
前記感情制御指示手段は、前記ユーザ端末からの前記感情的音声が前記特定の感情を表わす場合には前記音声の音量をあらかじめ定められた音量以下に下げ、または前記音声を他の音を用いてマスキングし、他の音声で代替することにより、前記感情的音声を前記オペレータ端末に直接伝達することを回避する指示を出すことを特徴とする請求項２に記載の音声制御システム。
【請求項４】
前記語彙制御指示手段は、前記ユーザ端末からの前記音声に前記特定語彙が含まれる場合には前記特定語彙の音声を消去しまたは他の音を用いてマスキングし、前記特定語彙を他の語彙に代替することにより、前記特定語彙を前記オペレータ端末に直接伝達することを回避する指示を出すことを特徴とする請求項２または３に記載の音声制御システム。
【請求項５】
前記特定語彙を記憶する特定語彙記憶手段をさらに有することを特徴とする請求項１ないし４に記載の音声制御システム。
【請求項６】
前記特定語彙記憶手段は、特定分野において多用される用語や語彙を特定語彙としてあらかじめ記憶することを特徴とする請求項５に記載の音声制御システム。
【請求項７】
前記特定語彙記憶手段に記憶される前記特定語彙は、前記感情判定部または前記語彙判定部のいずれかに伝達された前記音声情報から抽出されて更新されることを特徴とする請求項５または６に記載の音声制御システム。
【請求項８】
ユーザ端末とオペレータ端末との通話を公衆電話網を介して確立させる電話交換手により確立された前記通話をモニタして前記ユーザ端末と前記オペレータ端末との通話内容を音声情報として取得する通話モニタ手段と、
前記通話モニタ手段により取得された前記音声情報から認識される前記ユーザ端末の音声から、あらかじめ定められた特定の感情を表わす感情的音声または否定的な語彙を含む特定語彙の音声のうちいずれかの不穏当音声を検出する不穏当音声検出手段と、
前記不穏当音声検出手段により検出された前記不穏当音声を制御した制御音声を生成する音声生成手段と、
を備えることを特徴とする音声制御装置。
【請求項９】
ユーザ端末とオペレータ端末との通話を公衆電話網を介して確立させる電話交換手段により確立された前記通話をモニタして前記ユーザ端末と前記オペレータ端末との通話内容を音声情報として取得する通話モニタステップと、
前記通話モニタステップにより取得された前記音声情報から認識される前記ユーザ端末の音声から、あらかじめ定められた特定の感情を表わす感情的音声または否定的な語彙を含む特定語彙の音声のうちいずれかの不穏当音声を検出する不穏当音声検出ステップと、
前記不穏当音声検出ステップにより検出された前記不穏当音声を制御した制御音声を生成する音声生成ステップと、
を備えることを特徴とする音声制御方法。
【請求項１０】
ユーザ端末とオペレータ端末との通話を公衆電話網を介して確立させる電話交換手段により確立された前記通話をモニタして前記ユーザ端末と前記オペレータ端末との通話内容を音声情報として取得する通話モニタステップと、
前記通話モニタステップにより取得された前記音声情報から認識される前記ユーザ端末の音声から、あらかじめ定められた特定の感情を表わす感情的音声または否定的な語彙を含む特定語彙の音声のいずれかの不穏当音声を検出する不穏当音声検出ステップと、
前記不穏当音声検出ステップにより検出された前記不穏当音声を制御した制御音声を生成する音声生成ステップと、
をコンピュータに実行させることを特徴とする音声制御プログラム。
【請求項１】
ユーザ端末とオペレータ端末との通話を公衆電話網を介して確立させる電話交換手段と、
前記電話交換手段により確立された前記通話をモニタして前記ユーザ端末と前記オペレータ端末との通話内容を音声情報として取得する通話モニタ手段と、
前記通話モニタ手段により取得された前記音声情報中に認識される前記ユーザ端末の音声から、あらかじめ定められた特定の感情を表わす感情的音声または否定的な語彙を含む特定語彙の音声のうちいずれかの不穏当音声を検出する不穏当音声検出手段と、
前記不穏当音声検出手段により検出された前記不穏当音声を制御した制御音声を生成する音声生成手段と、
を備えることを特徴とする音声制御システム。
【請求項２】
前記不穏当音声検出手段は、
前記感情的音声が前記ユーザ端末からの前記音声に含まれるか否か判定する感情判定手段と、
判定された前記感情的音声を前記オペレータ端末に直接伝達しないように制御することを指示する感情制御指示手段と、
前記特定語彙が前記ユーザ端末からの前記音声に含まれるか否か判定する語彙判定手段と、
判定された前記特定語彙を前記オペレータ端末に直接伝達しないように制御することを指示する語彙制御指示手段と、
を備えることを特徴とする請求項１に記載の音声制御システム。
【請求項３】
前記感情制御指示手段は、前記ユーザ端末からの前記感情的音声が前記特定の感情を表わす場合には前記音声の音量をあらかじめ定められた音量以下に下げ、または前記音声を他の音を用いてマスキングし、他の音声で代替することにより、前記感情的音声を前記オペレータ端末に直接伝達することを回避する指示を出すことを特徴とする請求項２に記載の音声制御システム。
【請求項４】
前記語彙制御指示手段は、前記ユーザ端末からの前記音声に前記特定語彙が含まれる場合には前記特定語彙の音声を消去しまたは他の音を用いてマスキングし、前記特定語彙を他の語彙に代替することにより、前記特定語彙を前記オペレータ端末に直接伝達することを回避する指示を出すことを特徴とする請求項２または３に記載の音声制御システム。
【請求項５】
前記特定語彙を記憶する特定語彙記憶手段をさらに有することを特徴とする請求項１ないし４に記載の音声制御システム。
【請求項６】
前記特定語彙記憶手段は、特定分野において多用される用語や語彙を特定語彙としてあらかじめ記憶することを特徴とする請求項５に記載の音声制御システム。
【請求項７】
前記特定語彙記憶手段に記憶される前記特定語彙は、前記感情判定部または前記語彙判定部のいずれかに伝達された前記音声情報から抽出されて更新されることを特徴とする請求項５または６に記載の音声制御システム。
【請求項８】
ユーザ端末とオペレータ端末との通話を公衆電話網を介して確立させる電話交換手により確立された前記通話をモニタして前記ユーザ端末と前記オペレータ端末との通話内容を音声情報として取得する通話モニタ手段と、
前記通話モニタ手段により取得された前記音声情報から認識される前記ユーザ端末の音声から、あらかじめ定められた特定の感情を表わす感情的音声または否定的な語彙を含む特定語彙の音声のうちいずれかの不穏当音声を検出する不穏当音声検出手段と、
前記不穏当音声検出手段により検出された前記不穏当音声を制御した制御音声を生成する音声生成手段と、
を備えることを特徴とする音声制御装置。
【請求項９】
ユーザ端末とオペレータ端末との通話を公衆電話網を介して確立させる電話交換手段により確立された前記通話をモニタして前記ユーザ端末と前記オペレータ端末との通話内容を音声情報として取得する通話モニタステップと、
前記通話モニタステップにより取得された前記音声情報から認識される前記ユーザ端末の音声から、あらかじめ定められた特定の感情を表わす感情的音声または否定的な語彙を含む特定語彙の音声のうちいずれかの不穏当音声を検出する不穏当音声検出ステップと、
前記不穏当音声検出ステップにより検出された前記不穏当音声を制御した制御音声を生成する音声生成ステップと、
を備えることを特徴とする音声制御方法。
【請求項１０】
ユーザ端末とオペレータ端末との通話を公衆電話網を介して確立させる電話交換手段により確立された前記通話をモニタして前記ユーザ端末と前記オペレータ端末との通話内容を音声情報として取得する通話モニタステップと、
前記通話モニタステップにより取得された前記音声情報から認識される前記ユーザ端末の音声から、あらかじめ定められた特定の感情を表わす感情的音声または否定的な語彙を含む特定語彙の音声のいずれかの不穏当音声を検出する不穏当音声検出ステップと、
前記不穏当音声検出ステップにより検出された前記不穏当音声を制御した制御音声を生成する音声生成ステップと、
をコンピュータに実行させることを特徴とする音声制御プログラム。
【図１】
【図２】
【図３】
【図４】
【図５】
【図６】
【図７】
【図８】
【図２】
【図３】
【図４】
【図５】
【図６】
【図７】
【図８】
【公開番号】特開２０１３−４６０８８（Ｐ２０１３−４６０８８Ａ）
【公開日】平成２５年３月４日（２０１３．３．４）
【国際特許分類】
【出願番号】特願２０１１−１８０２１７（Ｐ２０１１−１８０２１７）
【出願日】平成２３年８月２２日（２０１１．８．２２）
【出願人】（０００００４２３７）日本電気株式会社 (19,353)
【Ｆターム（参考）】
【公開日】平成２５年３月４日（２０１３．３．４）
【国際特許分類】
【出願日】平成２３年８月２２日（２０１１．８．２２）
【出願人】（０００００４２３７）日本電気株式会社 (19,353)
【Ｆターム（参考）】
[ Back to top ]