ホーム > 特許ランキング > 株式会社ＲｅｖＣｏｍｍ
(19)【発行国】日本国特許庁(JP)
(12)【公報種別】公開特許公報(A)
(11)【公開番号】P2023105607
(43)【公開日】2023-07-31
(54)【発明の名称】プログラム、情報処理装置及び情報処理方法
(51)【国際特許分類】
H04M 3/51 20060101AFI20230724BHJP
G10L 21/0364 20130101ALI20230724BHJP
G10L 21/057 20130101ALI20230724BHJP
G10L 21/007 20130101ALI20230724BHJP
【ＦＩ】
H04M3/51
G10L21/0364
G10L21/057
G10L21/007
【審査請求】未請求
【請求項の数】20
【出願形態】ＯＬ
(21)【出願番号】P 2022006544
(22)【出願日】2022-01-19
(71)【出願人】
【識別番号】517285219
【氏名又は名称】株式会社ＲｅｖＣｏｍｍ
(74)【代理人】
【識別番号】110002815
【氏名又は名称】ＩＰＴｅｃｈ弁理士法人
(72)【発明者】
【氏名】加藤 集平
【テーマコード（参考）】
5K201
【Ｆターム（参考）】
5K201BA12
5K201BA13
5K201CB13
5K201EC03
5K201EC06
(57)【要約】 （修正有）
【課題】複数のユーザ間で行われる通話において、顧客が、より適した音声でユーザと通話を実現する情報処理装置、方法及びプログラムを提供する。
【解決手段】コンピュータに第１ユーザと第２ユーザとの間で行われる通話を行うプログラムであって、プログラムは、プロセッサに、第１ユーザから通話音声を取得する音声取得ステップと、音声取得ステップにおいて取得した通話音声を変換する変換ステップと、変換ステップにおいて変換された通話音声を第２ユーザへ出力する出力ステップと、通話に関する通話属性を取得する属性取得ステップと、を情報処理装置に実行させる。変換ステップは、属性取得ステップにおいて取得した通話属性に基づき、音声取得ステップにおいて取得した通話音声を変換する。
【選択図】図１２
【解決手段】コンピュータに第１ユーザと第２ユーザとの間で行われる通話を行うプログラムであって、プログラムは、プロセッサに、第１ユーザから通話音声を取得する音声取得ステップと、音声取得ステップにおいて取得した通話音声を変換する変換ステップと、変換ステップにおいて変換された通話音声を第２ユーザへ出力する出力ステップと、通話に関する通話属性を取得する属性取得ステップと、を情報処理装置に実行させる。変換ステップは、属性取得ステップにおいて取得した通話属性に基づき、音声取得ステップにおいて取得した通話音声を変換する。
【選択図】図１２
【特許請求の範囲】
【請求項1】
プロセッサと、記憶部とを備え、コンピュータに第１ユーザと第２ユーザとの間で行われる通話を行うプログラムであって、
前記プログラムは、前記プロセッサに、
第１ユーザから通話音声を取得する音声取得ステップと、
前記音声取得ステップにおいて取得した前記通話音声を変換する変換ステップと、
前記変換ステップにおいて変換された前記通話音声を第２ユーザへ出力する出力ステップと、
前記通話に関する通話属性を取得する属性取得ステップと、
を実行させ、
前記変換ステップは、前記属性取得ステップにおいて取得した前記通話属性に基づき、前記音声取得ステップにおいて取得した前記通話音声を変換するステップを含む、
プログラム。
前記プログラムは、前記プロセッサに、
第１ユーザから通話音声を取得する音声取得ステップと、
前記音声取得ステップにおいて取得した前記通話音声を変換する変換ステップと、
前記変換ステップにおいて変換された前記通話音声を第２ユーザへ出力する出力ステップと、
前記通話に関する通話属性を取得する属性取得ステップと、
を実行させ、
前記変換ステップは、前記属性取得ステップにおいて取得した前記通話属性に基づき、前記音声取得ステップにおいて取得した前記通話音声を変換するステップを含む、
プログラム。
【請求項2】
前記変換ステップは、前記属性取得ステップにおいて取得した前記通話属性および前記音声取得ステップにおいて取得した前記通話音声に対して生成モデルを適用することにより、前記通話音声を変換するステップである、
請求項１記載のプログラム。
請求項１記載のプログラム。
【請求項3】
前記プログラムは、前記プロセッサに、
前記属性取得ステップにおいて取得した前記通話属性に基づき、複数の音声処理のうち所定の音声処理を選択する選択ステップと、
を実行させ、
前記変換ステップは、前記音声取得ステップにおいて取得した前記通話音声に、前記選択ステップにおいて選択された前記所定の音声処理を適用することにより、前記通話音声を変換するステップである、
請求項１記載のプログラム。
前記属性取得ステップにおいて取得した前記通話属性に基づき、複数の音声処理のうち所定の音声処理を選択する選択ステップと、
を実行させ、
前記変換ステップは、前記音声取得ステップにおいて取得した前記通話音声に、前記選択ステップにおいて選択された前記所定の音声処理を適用することにより、前記通話音声を変換するステップである、
請求項１記載のプログラム。
【請求項4】
前記選択ステップは、複数の音声処理のうち、第２ユーザにとってより聴きやすい音声となるような所定の音声処理を選択するステップである、
請求項３記載のプログラム。
請求項３記載のプログラム。
【請求項5】
前記選択ステップは、複数の音声処理のうち、第２ユーザにとってより信頼性が得られるような所定の音声処理を選択するステップである、
請求項３または４記載のプログラム。
請求項３または４記載のプログラム。
【請求項6】
前記選択ステップは、前記属性取得ステップにおいて取得した前記通話属性に対して音声処理モデルを適用することにより、前記所定の音声処理を選択するステップである、
請求項３から５のいずれか記載のプログラム。
請求項３から５のいずれか記載のプログラム。
【請求項7】
プロセッサと、記憶部とを備え、コンピュータに第１ユーザと第２ユーザとの間で行われる通話を行うプログラムであって、
前記プログラムは、前記プロセッサに、
第１ユーザから通話音声を取得する音声取得ステップと、
前記音声取得ステップにおいて取得した前記通話音声を変換する変換ステップと、
前記変換ステップにおいて変換された前記通話音声を第２ユーザへ出力する出力ステップと、
第１ユーザから受け付けた選択指示に基づき、複数の音声処理のうち所定の音声処理を選択する選択ステップと、
を実行させ、
前記変換ステップは、前記音声取得ステップにおいて取得した前記通話音声に、前記選択ステップにおいて選択された前記所定の音声処理を適用することにより、前記通話音声を変換するステップである、
プログラム。
前記プログラムは、前記プロセッサに、
第１ユーザから通話音声を取得する音声取得ステップと、
前記音声取得ステップにおいて取得した前記通話音声を変換する変換ステップと、
前記変換ステップにおいて変換された前記通話音声を第２ユーザへ出力する出力ステップと、
第１ユーザから受け付けた選択指示に基づき、複数の音声処理のうち所定の音声処理を選択する選択ステップと、
を実行させ、
前記変換ステップは、前記音声取得ステップにおいて取得した前記通話音声に、前記選択ステップにおいて選択された前記所定の音声処理を適用することにより、前記通話音声を変換するステップである、
プログラム。
【請求項8】
前記プログラムは、前記プロセッサに、
前記通話に関する通話属性を取得する属性取得ステップと、
を実行させ、
前記選択ステップは、
第１ユーザから評価指標の種別の選択指示を受け付けるステップと、
前記属性取得ステップにおいて取得した前記通話属性および前記受け付けた評価指標に基づき、前記複数の音声処理のうち前記所定の音声処理を選択するステップと、
を含む、
請求項７記載のプログラム。
前記通話に関する通話属性を取得する属性取得ステップと、
を実行させ、
前記選択ステップは、
第１ユーザから評価指標の種別の選択指示を受け付けるステップと、
前記属性取得ステップにおいて取得した前記通話属性および前記受け付けた評価指標に基づき、前記複数の音声処理のうち前記所定の音声処理を選択するステップと、
を含む、
請求項７記載のプログラム。
【請求項9】
前記選択ステップは、
第１ユーザから最適化したい評価指標の種別の選択指示を受け付けるステップと、
前記属性取得ステップにおいて取得した前記通話属性および前記受け付けた評価指標に基づき、複数の音声処理のうち、前記評価指標を最適化するような所定の音声処理を選択するステップと、
を含む、
請求項８記載のプログラム。
第１ユーザから最適化したい評価指標の種別の選択指示を受け付けるステップと、
前記属性取得ステップにおいて取得した前記通話属性および前記受け付けた評価指標に基づき、複数の音声処理のうち、前記評価指標を最適化するような所定の音声処理を選択するステップと、
を含む、
請求項８記載のプログラム。
【請求項10】
前記選択ステップは、
第１ユーザから評価指標の種別の選択指示を受け付けるステップと、
前記属性取得ステップにおいて取得した前記通話属性および前記受け付けた評価指標に対して音声処理モデルを適用することにより、前記複数の音声処理のうち前記所定の音声処理を選択するステップと、
を含む、
請求項８または９記載のプログラム。
第１ユーザから評価指標の種別の選択指示を受け付けるステップと、
前記属性取得ステップにおいて取得した前記通話属性および前記受け付けた評価指標に対して音声処理モデルを適用することにより、前記複数の音声処理のうち前記所定の音声処理を選択するステップと、
を含む、
請求項８または９記載のプログラム。
【請求項11】
前記音声取得ステップは、第２ユーザから第２通話音声を取得するステップを含み、
前記選択ステップは、第２ユーザからは選択指示を受け付けることができず、
前記変換ステップは、前記音声取得ステップにおいて取得した第２通話音声は変換しないステップである、
請求項８から１０のいずれか記載のプログラム。
前記選択ステップは、第２ユーザからは選択指示を受け付けることができず、
前記変換ステップは、前記音声取得ステップにおいて取得した第２通話音声は変換しないステップである、
請求項８から１０のいずれか記載のプログラム。
【請求項12】
前記属性取得ステップは、第２ユーザに関する属性情報を取得するステップを含み、
前記変換ステップは、前記属性取得ステップにおいて取得した第２ユーザに関する属性情報に基づき、前記音声取得ステップにおいて取得した前記通話音声を変換するステップを含む、
請求項１から６、８から１１のいずれか記載のプログラム。
前記変換ステップは、前記属性取得ステップにおいて取得した第２ユーザに関する属性情報に基づき、前記音声取得ステップにおいて取得した前記通話音声を変換するステップを含む、
請求項１から６、８から１１のいずれか記載のプログラム。
【請求項13】
前記属性取得ステップは、第１ユーザに関する属性情報を取得するステップを含み、
前記変換ステップは、前記属性取得ステップにおいて取得した第１ユーザに関する属性情報に基づき、前記音声取得ステップにおいて取得した前記通話音声を変換するステップを含む、
請求項１から６、８から１２のいずれか記載のプログラム。
前記変換ステップは、前記属性取得ステップにおいて取得した第１ユーザに関する属性情報に基づき、前記音声取得ステップにおいて取得した前記通話音声を変換するステップを含む、
請求項１から６、８から１２のいずれか記載のプログラム。
【請求項14】
前記属性取得ステップは、前記通話に関する属性情報を取得するステップを含み、
前記変換ステップは、前記属性取得ステップにおいて取得した前記通話に関する属性情報に基づき、前記音声取得ステップにおいて取得した前記通話音声を変換するステップを含む、
請求項１から６、８から１３のいずれか記載のプログラム。
前記変換ステップは、前記属性取得ステップにおいて取得した前記通話に関する属性情報に基づき、前記音声取得ステップにおいて取得した前記通話音声を変換するステップを含む、
請求項１から６、８から１３のいずれか記載のプログラム。
【請求項15】
前記属性取得ステップは、前記通話に関する属性情報を取得するステップを含み、
前記変換ステップは、前記属性取得ステップにおいて取得した前記通話におけるユーザまたは顧客の感情に関する情報に基づき、前記音声取得ステップにおいて取得した前記通話音声を変換するステップを含む、
請求項１から６、８から１４のいずれか記載のプログラム。
前記変換ステップは、前記属性取得ステップにおいて取得した前記通話におけるユーザまたは顧客の感情に関する情報に基づき、前記音声取得ステップにおいて取得した前記通話音声を変換するステップを含む、
請求項１から６、８から１４のいずれか記載のプログラム。
【請求項16】
前記属性取得ステップにおいて取得する前記通話属性は、ユーザおよび顧客の周辺環境、通話環境に関する情報は含まない、
請求項１から６、８から１５のいずれか記載のプログラム。
請求項１から６、８から１５のいずれか記載のプログラム。
【請求項17】
前記変換ステップは、
前記音声取得ステップにおいて取得した前記通話音声のうち、人物の音声成分を変換するステップを含み、
前記音声取得ステップにおいて取得した前記通話音声のうち、人物の音声成分以外の背景雑音、ノイズ、騒音などの音声成分を変換するステップを含まない、
請求項１から１６のいずれか記載のプログラム。
前記音声取得ステップにおいて取得した前記通話音声のうち、人物の音声成分を変換するステップを含み、
前記音声取得ステップにおいて取得した前記通話音声のうち、人物の音声成分以外の背景雑音、ノイズ、騒音などの音声成分を変換するステップを含まない、
請求項１から１６のいずれか記載のプログラム。
【請求項18】
前記プログラムは、前記プロセッサに、
第１ユーザから受け付けた第２選択指示に基づき、複数の音声処理のうち第２音声処理を選択する第２選択ステップと、
を実行させ、
前記音声取得ステップは、第２ユーザから第２通話音声を取得するステップを含み、
前記変換ステップは、前記取得ステップにおいて取得した第２通話音声に、第２選択ステップにおいて選択された第２音声処理を適用することにより、第２通話音声を変換するステップを含み、
前記出力ステップは、前記変換ステップにおいて変換された第２通話音声を第１ユーザへ出力するステップを含む、
請求項１から１７のいずれか記載のプログラム。
第１ユーザから受け付けた第２選択指示に基づき、複数の音声処理のうち第２音声処理を選択する第２選択ステップと、
を実行させ、
前記音声取得ステップは、第２ユーザから第２通話音声を取得するステップを含み、
前記変換ステップは、前記取得ステップにおいて取得した第２通話音声に、第２選択ステップにおいて選択された第２音声処理を適用することにより、第２通話音声を変換するステップを含み、
前記出力ステップは、前記変換ステップにおいて変換された第２通話音声を第１ユーザへ出力するステップを含む、
請求項１から１７のいずれか記載のプログラム。
【請求項19】
プロセッサと、記憶部とを備える情報処理装置であって、
前記プロセッサに、
第１ユーザから通話音声を取得する音声取得ステップと、
前記音声取得ステップにおいて取得した前記通話音声を変換する変換ステップと、
前記変換ステップにおいて変換された前記通話音声を第２ユーザへ出力する出力ステップと、
前記通話に関する通話属性を取得する属性取得ステップと、
を実行させ、
前記変換ステップは、前記属性取得ステップにおいて取得した前記通話属性に基づき、前記音声取得ステップにおいて取得した前記通話音声を変換するステップを含む、
情報処理装置。
前記プロセッサに、
第１ユーザから通話音声を取得する音声取得ステップと、
前記音声取得ステップにおいて取得した前記通話音声を変換する変換ステップと、
前記変換ステップにおいて変換された前記通話音声を第２ユーザへ出力する出力ステップと、
前記通話に関する通話属性を取得する属性取得ステップと、
を実行させ、
前記変換ステップは、前記属性取得ステップにおいて取得した前記通話属性に基づき、前記音声取得ステップにおいて取得した前記通話音声を変換するステップを含む、
情報処理装置。
【請求項20】
プロセッサと、記憶部とを備えるコンピュータにより実行される情報処理方法であって、
前記プロセッサに、
第１ユーザから通話音声を取得する音声取得ステップと、
前記音声取得ステップにおいて取得した前記通話音声を変換する変換ステップと、
前記変換ステップにおいて変換された前記通話音声を第２ユーザへ出力する出力ステップと、
前記通話に関する通話属性を取得する属性取得ステップと、
を実行させ、
前記変換ステップは、前記属性取得ステップにおいて取得した前記通話属性に基づき、前記音声取得ステップにおいて取得した前記通話音声を変換するステップを含む、
情報処理方法。
前記プロセッサに、
第１ユーザから通話音声を取得する音声取得ステップと、
前記音声取得ステップにおいて取得した前記通話音声を変換する変換ステップと、
前記変換ステップにおいて変換された前記通話音声を第２ユーザへ出力する出力ステップと、
前記通話に関する通話属性を取得する属性取得ステップと、
を実行させ、
前記変換ステップは、前記属性取得ステップにおいて取得した前記通話属性に基づき、前記音声取得ステップにおいて取得した前記通話音声を変換するステップを含む、
情報処理方法。
【発明の詳細な説明】
【技術分野】
【0001】
本開示は、プログラム、情報処理装置及び情報処理方法に関する。
【背景技術】
【0002】
従来、イヤホンやヘッドホンのようなユーザが主に頭部に装着して使用する音響デバイスにおいて、外部環境からの環境音（所謂ノイズ）を抑制し遮音効果を高めることが可能な音響デバイスが知られている。
特許文献１には、ユーザの状態や状況が逐次変化するような状況下においても、煩雑な操作を伴わずに、より好適な態様で音響を聴取可能とする技術が開示されている。
特許文献２には、自動で適切なノイズキャンセルフィルタを決定する技術が開示されている。
特許文献３には、突発的な環境の変化や複数の環境が交互に現れるといった環境に対応できる音声認識装置が開示されている。
特許文献１には、ユーザの状態や状況が逐次変化するような状況下においても、煩雑な操作を伴わずに、より好適な態様で音響を聴取可能とする技術が開示されている。
特許文献２には、自動で適切なノイズキャンセルフィルタを決定する技術が開示されている。
特許文献３には、突発的な環境の変化や複数の環境が交互に現れるといった環境に対応できる音声認識装置が開示されている。
【先行技術文献】
【特許文献】
【0003】
【特許文献1】再表２０１８／６１４９１号広報
【特許文献2】特開２０２０－８６０９９号公報
【特許文献3】特開２０００－３３０５８７号公報
【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、ユーザと顧客などの複数のユーザ間で行われる通話において、ユーザにより適した通話を実現することはできていなかった。
【0005】
そこで、本開示は、上記課題を解決すべくなされたものであって、その目的は、複数のユーザ間で行われる通話において、顧客が、より適した音声でユーザと通話を実現する技術を提供することである。
【課題を解決するための手段】
【0006】
プロセッサと、記憶部とを備え、コンピュータに第１ユーザと第２ユーザとの間で行われる通話を行うプログラムであって、プログラムは、プロセッサに、第１ユーザから通話音声を取得する音声取得ステップと、音声取得ステップにおいて取得した通話音声を変換する変換ステップと、変換ステップにおいて変換された通話音声を第２ユーザへ出力する出力ステップと、通話に関する通話属性を取得する属性取得ステップと、を実行させ、変換ステップは、属性取得ステップにおいて取得した通話属性に基づき、音声取得ステップにおいて取得した通話音声を変換するステップを含む、プログラム。
【発明の効果】
【0007】
本開示によれば、複数のユーザ間で行われる通話において、顧客は、より適した音声でユーザと通話を行うことができる。
【図面の簡単な説明】
【0008】
【図1】情報処理システム１の全体の構成を示す図である。
【図2】サーバ１０の機能構成を示すブロック図である。
【図3】ユーザ端末２０の機能構成を示すブロック図である。
【図4】ＣＲＭシステム３０の機能構成を示すブロック図である。
【図5】顧客端末５０の機能構成を示すブロック図である。
【図6】ユーザテーブル１０１２のデータ構造を示す図である。
【図7】組織テーブル１０１３のデータ構造を示す図である。
【図8】通話テーブル１０１４のデータ構造を示す図である。
【図9】音声処理テーブル１０１５のデータ構造を示す図である。
【図10】学習用データセット１０３１のデータ構造を示す図である。
【図11】顧客テーブル３０１２のデータ構造を示す図である。
【図12】音声変換処理（第一実施例）の動作を示すフローチャートである。
【図13】音声変換処理（第二実施例）の動作を示すフローチャートである。
【図14】音声変換処理（第三実施例）の動作を示すフローチャートである。
【図15】音声変換処理（第三実施例）におけるユーザ端末２０の表示画面例を示した図である。
【図16】コンピュータ９０の基本的なハードウェア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】
【0009】
以下、本開示の実施形態について図面を参照して説明する。実施形態を説明する全図において、共通の構成要素には同一の符号を付し、繰り返しの説明を省略する。なお、以下の実施形態は、特許請求の範囲に記載された本開示の内容を不当に限定するものではない。また、実施形態に示される構成要素のすべてが、本開示の必須の構成要素であるとは限らない。また、各図は模式図であり、必ずしも厳密に図示されたものではない。
【0010】
＜情報処理システム１の概要＞
本開示における情報処理システム１は、本開示にかかる通話サービスを提供する情報処理システムである。情報処理システム１は、ユーザと顧客との間で行われる通話に関するサービスを提供するとともに、通話に関連するデータを記憶、管理するための情報処理システムである。
本開示における情報処理システム１は、本開示にかかる通話サービスを提供する情報処理システムである。情報処理システム１は、ユーザと顧客との間で行われる通話に関するサービスを提供するとともに、通話に関連するデータを記憶、管理するための情報処理システムである。
【0011】
＜情報処理システム１の基本構成＞
情報処理システム１は、ネットワークＮを介して接続された、サーバ１０、複数のユーザ端末２０Ａ、２０Ｂ、２０Ｃ、ＣＲＭシステム３０、音声サーバ（ＰＢＸ）４０、および、音声サーバ（ＰＢＸ）４０に対して電話網Ｔを介して接続された顧客端末５０Ａ、５０Ｂ、５０Ｃを備えて構成されている。
情報処理システム１は、ネットワークＮを介して接続された、サーバ１０、複数のユーザ端末２０Ａ、２０Ｂ、２０Ｃ、ＣＲＭシステム３０、音声サーバ（ＰＢＸ）４０、および、音声サーバ（ＰＢＸ）４０に対して電話網Ｔを介して接続された顧客端末５０Ａ、５０Ｂ、５０Ｃを備えて構成されている。
【0012】
図１は、情報処理システム１の全体の構成を示す図である。
図２は、サーバ１０の機能構成を示すブロック図である。
図３は、ユーザ端末２０の機能構成を示すブロック図である。
図４は、ＣＲＭシステム３０の機能構成を示すブロック図である。
図５は、顧客端末５０の機能構成を示すブロック図である。
図２は、サーバ１０の機能構成を示すブロック図である。
図３は、ユーザ端末２０の機能構成を示すブロック図である。
図４は、ＣＲＭシステム３０の機能構成を示すブロック図である。
図５は、顧客端末５０の機能構成を示すブロック図である。
【0013】
サーバ１０は、ユーザと顧客との間で行われる通話に関連するデータ（通話データ）を記憶、管理するサービスを提供する情報処理装置である。
【0014】
ユーザ端末２０は、サービスを利用するユーザが操作する情報処理装置である。ユーザ端末２０は、例えば、据え置き型のＰＣ（Ｐｅｒｓｏｎａｌ Ｃｏｍｐｕｔｅｒ）、ラップトップＰＣでもよいし、スマートフォン、タブレット等の携帯端末であってもよい。また、ＨＭＤ（Ｈｅａｄ Ｍｏｕｎｔ Ｄｉｓｐｌａｙ）、腕時計型端末等のウェアラブル端末であってもよい。
【0015】
ＣＲＭシステム３０は、ＣＲＭ（Ｃｕｓｔｏｍｅｒ Ｒｅｌａｔｉｏｎｓｈｉｐ Ｍａｎａｇｅｍｅｎｔ、顧客関係管理）サービスを提供する事業者（ＣＲＭ事業者）が管理、運営する情報処理装置である。ＣＲＭサービスとしては、ＳａｌｅｓＦｏｒｃｅ、ＨｕｂＳｐｏｔ、Ｚｏｈｏ ＣＲＭ、ｋｉｎｔｏｎｅなどがある。
【0016】
音声サーバ（ＰＢＸ）４０は、ネットワークＮと電話網Ｔとを互いに接続することでユーザ端末２０と顧客端末５０との間における通話を可能とする交換機として機能する情報処理装置である。
【0017】
顧客端末５０は、顧客がユーザと通話する際に操作する情報処理装置である。顧客端末５０は、例えば、スマートフォン、タブレット等の携帯端末でもよいし、据え置き型のＰＣ（Ｐｅｒｓｏｎａｌ Ｃｏｍｐｕｔｅｒ）、ラップトップＰＣであってもよい。また、ＨＭＤ（Ｈｅａｄ Ｍｏｕｎｔ Ｄｉｓｐｌａｙ）、腕時計型端末等のウェアラブル端末であってもよい。
【0018】
各情報処理装置は演算装置と記憶装置とを備えたコンピュータにより構成されている。コンピュータの基本ハードウェア構成および、当該ハードウェア構成により実現されるコンピュータの基本機能構成は後述する。サーバ１０、ユーザ端末２０、ＣＲＭシステム３０、音声サーバ（ＰＢＸ）４０、顧客端末５０のそれぞれについて、後述するコンピュータの基本ハードウェア構成およびコンピュータの基本機能構成と重複する説明は省略する。
【0019】
以下、各装置の構成およびその動作を説明する。
【0020】
＜サーバ１０の機能構成＞
サーバ１０のハードウェア構成が実現する機能構成を図２に示す。サーバ１０は、記憶部１０１、制御部１０４を備える。
サーバ１０のハードウェア構成が実現する機能構成を図２に示す。サーバ１０は、記憶部１０１、制御部１０４を備える。
【0021】
＜サーバ１０の記憶部の構成＞
サーバ１０の記憶部１０１は、アプリケーションプログラム１０１１、ユーザテーブル１０１２、組織テーブル１０１３、通話テーブル１０１４、音声処理テーブル１０１５、評価モデル１０２１、生成モデル１０２２、音声処理モデル１０２３、学習用データセット１０３１を備える。
図６は、ユーザテーブル１０１２のデータ構造を示す図である。
図７は、組織テーブル１０１３のデータ構造を示す図である。
図８は、通話テーブル１０１４のデータ構造を示す図である。
図９は、音声処理テーブル１０１５のデータ構造を示す図である。
図１０は、学習用データセット１０３１のデータ構造を示す図である。
サーバ１０の記憶部１０１は、アプリケーションプログラム１０１１、ユーザテーブル１０１２、組織テーブル１０１３、通話テーブル１０１４、音声処理テーブル１０１５、評価モデル１０２１、生成モデル１０２２、音声処理モデル１０２３、学習用データセット１０３１を備える。
図６は、ユーザテーブル１０１２のデータ構造を示す図である。
図７は、組織テーブル１０１３のデータ構造を示す図である。
図８は、通話テーブル１０１４のデータ構造を示す図である。
図９は、音声処理テーブル１０１５のデータ構造を示す図である。
図１０は、学習用データセット１０３１のデータ構造を示す図である。
【0022】
ユーザテーブル１０１２は、サービスを利用する会員ユーザ（以下、ユーザ）の情報を記憶し管理するテーブルである。ユーザは、サービスの利用登録を行うことで、当該ユーザの情報がユーザテーブル１０１２の新しいレコードに記憶される。これにより、ユーザは本開示にかかるサービスを利用できるようになる。ユーザテーブル１０１２は、ユーザＩＤを主キーとし、ユーザＩＤ、ＣＲＭＩＤ、組織ＩＤ、ユーザ名、ユーザ属性のカラムを有するテーブルである。
【0023】
ユーザＩＤは、ユーザを識別するためのユーザ識別情報を記憶する項目である。
ＣＲＭＩＤは、ＣＲＭシステム３０において、ユーザを識別するための識別情報を記憶する項目である。ユーザはＣＲＭＩＤによりＣＲＭシステム３０にログインすることにより、ＣＲＭサービスの提供を受けることができる。つまり、サーバ１０におけるユーザＩＤと、ＣＲＭシステム３０におけるＣＲＭＩＤが紐付けられる。
組織ＩＤは、ユーザが所属する組織の組織ＩＤを記憶する項目である。
ユーザ名は、ユーザの氏名を記憶する項目である。
ユーザ属性は、ユーザの年齢、性別、出身地、方言、職種（営業、カスタマーサポートなど）などのユーザの属性に関する情報を記憶する項目である。
ＣＲＭＩＤは、ＣＲＭシステム３０において、ユーザを識別するための識別情報を記憶する項目である。ユーザはＣＲＭＩＤによりＣＲＭシステム３０にログインすることにより、ＣＲＭサービスの提供を受けることができる。つまり、サーバ１０におけるユーザＩＤと、ＣＲＭシステム３０におけるＣＲＭＩＤが紐付けられる。
組織ＩＤは、ユーザが所属する組織の組織ＩＤを記憶する項目である。
ユーザ名は、ユーザの氏名を記憶する項目である。
ユーザ属性は、ユーザの年齢、性別、出身地、方言、職種（営業、カスタマーサポートなど）などのユーザの属性に関する情報を記憶する項目である。
【0024】
組織テーブル１０１３は、ユーザが所属する組織に関する情報を定義するテーブルである。組織は、会社、法人、企業グループ、サークル、各種団体など任意の組織、グループなどが含まれる。組織は、会社の部署（営業部、総務部、カスタマーサポート部）などのより詳細なサブグループごとに定義しても良い。組織テーブル１０１３は、組織ＩＤを主キーとして、組織ＩＤ、組織名、組織属性のカラムを有するテーブルである。
【0025】
組織ＩＤは、組織を識別するための組織識別情報を記憶する項目である。
組織名は、組織の名称を記憶する項目である。組織の名称は、会社名、法人名、企業グループ名、サークル名、各種団体名など任意の組織名、グループ名を含む。
組織属性は、組織種別（会社、企業グループ、その他団体など）、業種（不動産、金融など）などの組織の属性に関する情報を記憶する項目である。
組織名は、組織の名称を記憶する項目である。組織の名称は、会社名、法人名、企業グループ名、サークル名、各種団体名など任意の組織名、グループ名を含む。
組織属性は、組織種別（会社、企業グループ、その他団体など）、業種（不動産、金融など）などの組織の属性に関する情報を記憶する項目である。
【0026】
通話テーブル１０１４は、ユーザと顧客との間で行われる通話に関連する通話データを記憶し管理するテーブルである。通話テーブル１０１４は、通話ＩＤを主キーとし、通話ＩＤ、ユーザＩＤ、顧客ＩＤ、通話カテゴリ、受発信種別、音声データのカラムを有するテーブルである。
【0027】
通話ＩＤは、通話データを識別するための通話データ識別情報を記憶する項目である。
ユーザＩＤは、ユーザと顧客との間で行われる通話において、ユーザのユーザＩＤ（ユーザ識別情報）を記憶する項目である。
顧客ＩＤは、ユーザと顧客との間で行われる通話において、顧客の顧客ＩＤ（顧客識別情報）を記憶する項目である。
通話カテゴリは、ユーザと顧客との間で行われた通話の種類（カテゴリ）を記憶する項目である。通話データは、通話カテゴリにより分類される。通話カテゴリには、ユーザと顧客との間で行われる通話の目的などに応じて、テレフォンオペレーター、テレマーケティング、カスタマーサポート、テクニカルサポートなどの値が記憶される。
受発信種別は、ユーザと顧客との間で行われた通話が、ユーザが発信した（アウトバウンド）ものか、ユーザが受信した（インバウンド）もののいずれかを区別するための情報を記憶する項目である。
音声データは、ユーザと顧客との間で行われた通話の音声データを記憶する項目である。音声データの形式としては、ｍｐ４、ｗａｖなど各種音声データ形式を用いることができる。また、他の場所に配置された音声データファイルに対する参照情報（パス）を記憶するものとしても良い。
音声データは、ユーザの音声と顧客の音声とが、それぞれ独立して識別可能な識別子が設定された形式のデータであっても良い。この場合、サーバ１０の制御部１０４は、ユーザの音声、顧客の音声に対してそれぞれ独立した解析処理を実行することができる。
本開示において、音声データに替えて、音声情報を含む動画データを用いても構わない。また、本開示における音声データは、動画データに含まれる音声データも含む概念である。
ユーザＩＤは、ユーザと顧客との間で行われる通話において、ユーザのユーザＩＤ（ユーザ識別情報）を記憶する項目である。
顧客ＩＤは、ユーザと顧客との間で行われる通話において、顧客の顧客ＩＤ（顧客識別情報）を記憶する項目である。
通話カテゴリは、ユーザと顧客との間で行われた通話の種類（カテゴリ）を記憶する項目である。通話データは、通話カテゴリにより分類される。通話カテゴリには、ユーザと顧客との間で行われる通話の目的などに応じて、テレフォンオペレーター、テレマーケティング、カスタマーサポート、テクニカルサポートなどの値が記憶される。
受発信種別は、ユーザと顧客との間で行われた通話が、ユーザが発信した（アウトバウンド）ものか、ユーザが受信した（インバウンド）もののいずれかを区別するための情報を記憶する項目である。
音声データは、ユーザと顧客との間で行われた通話の音声データを記憶する項目である。音声データの形式としては、ｍｐ４、ｗａｖなど各種音声データ形式を用いることができる。また、他の場所に配置された音声データファイルに対する参照情報（パス）を記憶するものとしても良い。
音声データは、ユーザの音声と顧客の音声とが、それぞれ独立して識別可能な識別子が設定された形式のデータであっても良い。この場合、サーバ１０の制御部１０４は、ユーザの音声、顧客の音声に対してそれぞれ独立した解析処理を実行することができる。
本開示において、音声データに替えて、音声情報を含む動画データを用いても構わない。また、本開示における音声データは、動画データに含まれる音声データも含む概念である。
【0028】
音声処理テーブル１０１５は、音声データに対して適用するエフェクト、フィルタなどの音声処理に関する情報（音声処理情報）を記憶するテーブルである。
音声処理テーブル１０１５は、音声処理ＩＤを主キーとし、音声処理ＩＤ、音声処理内容のカラムを有するテーブルである。
音声処理テーブル１０１５は、音声処理ＩＤを主キーとし、音声処理ＩＤ、音声処理内容のカラムを有するテーブルである。
【0029】
音声処理ＩＤは、音声処理内容を識別するための音声処理識別情報を記憶する項目である。
音声処理内容は、音声データに対して適用する音声処理内容を記憶する項目である。他の場所に配置された音声処理を行う関数、メソッド、プログラムなどへの参照を記憶しても良い。
音声処理内容は、音声データに対して声を変えるといった音声変換処理を含む。音声変換は、音声データを男性の音声、女性の音声、特定の人物、特定のキャラクタの音声への変換処理を含む。音声変換は、音声データを、特定の感情（喜び、悲しみ、怒り、驚き、恐れ、嫌悪）の音声への変換処理を含む。音声変換は、音声データに含まれる周波数ごとの強度（音声のスペクトル構造、周波数分布）の形状を変化させる変換処理を含む。音声変換は、基本周波数、抑揚の強弱、話速を変化させる、抑揚を変化させる（大きくする、小さくする）変換処理を含む。音声変換は、音声中に含まれるフィラー（例えばえー、あのー、などの言い淀み）などを除去する処理を含む。
音声変換処理は、音声データに含まれる人物の音声成分を変換する処理を含み、人物の音声成分以外の背景雑音、ノイズ、騒音などの音声成分を変換する処理を含まない構成としても良い。
音声処理内容は、音声データに対して適用する音声処理内容を記憶する項目である。他の場所に配置された音声処理を行う関数、メソッド、プログラムなどへの参照を記憶しても良い。
音声処理内容は、音声データに対して声を変えるといった音声変換処理を含む。音声変換は、音声データを男性の音声、女性の音声、特定の人物、特定のキャラクタの音声への変換処理を含む。音声変換は、音声データを、特定の感情（喜び、悲しみ、怒り、驚き、恐れ、嫌悪）の音声への変換処理を含む。音声変換は、音声データに含まれる周波数ごとの強度（音声のスペクトル構造、周波数分布）の形状を変化させる変換処理を含む。音声変換は、基本周波数、抑揚の強弱、話速を変化させる、抑揚を変化させる（大きくする、小さくする）変換処理を含む。音声変換は、音声中に含まれるフィラー（例えばえー、あのー、などの言い淀み）などを除去する処理を含む。
音声変換処理は、音声データに含まれる人物の音声成分を変換する処理を含み、人物の音声成分以外の背景雑音、ノイズ、騒音などの音声成分を変換する処理を含まない構成としても良い。
【0030】
評価モデル１０２１は、ユーザ属性、顧客属性、通話カテゴリ、受発信種別などの通話属性、音声データを入力データとして、評価指標値を出力（推論）する学習モデルである。
評価モデル１０２１は、単一の学習モデルである必要はなく、出力する評価指標の種別（評価種別）ごとに複数の独立した学習モデルを切り替えて実現しても良い。例えば、評価モデル１０２１は、出力する評価指標の種類（第１指標、第２指標など）に応じて、異なる複数の独立した学習モデルを含む。
評価モデルの一例として、ＳＩＩＢ（Ｓｐｅｅｃｈ ｉｎｔｅｌｌｉｇｉｂｉｌｉｔｙ ｉｎ ｂｉｔｓ）モデル（以下、第１モデル）がある。音声データを第１モデルに適用することによりＳＩＩＢスコア（以下、第１指標）が得られる。ＳＩＩＢスコアについては、arXiv:2104.08499などに記載されており、音声データを入力データとして聞き手側の聴きやすさ（知覚しやすさ）に関する定量的な評価指標である。
評価モデルは、例えば、ＨＡＳＰＩ（Ｈｅａｒｉｎｇ－ａｉｄ ｓｐｅｅｃｈ ｉｎｄｅｘ）、ＥＳＴＯＩ（Ｅｘｔｅｎｄｅｄ ｓｈｏｒｔ－ｔｉｍｅ ｂｏｊｅｃｔｉｖｅ ｉｎｔｅｌｌｉｇｉｂｉｌｉｔｙ）、ＰＥＳＱ（Ｐｅｒｃｅｐｔｕａｌ ｅｖａｌｕａｔｉｏｎ ｏｆ ｓｐｅｅｃｈ ｑｕａｌｉｔｙ）、ＶｉＳＱＯＬ（Ｖｉｒｔｕａｌ ｓｐｅｅｃｈ ｑｕａｌｉｔｙ ｏｂｊｅｃｔｉｖｅ ｌｉｓｔｅｎｅｒ）などの評価指標に応じて用意しても構わない。
その他、通話属性、音声データを入力データとして、特に聞き手側におけるアンケートなどの評価結果を教師データとして、任意の機械学習、深層学習、人工知能モデルなどを構築しても構わない。例えば、アンケートなどの評価結果としては、信頼性、信用性、心地良さ、快適性、好み、ストレス値、威圧度、興趣性などの項目を含んでも構わない。つまり、通話属性、音声データを入力データとして、聞き手側における信頼性、信用性、心地良さ、快適性、好み、ストレス値、威圧度、興趣性などの評価指標を出力する学習モデルとしても良い。
評価モデル１０２１は、単一の学習モデルである必要はなく、出力する評価指標の種別（評価種別）ごとに複数の独立した学習モデルを切り替えて実現しても良い。例えば、評価モデル１０２１は、出力する評価指標の種類（第１指標、第２指標など）に応じて、異なる複数の独立した学習モデルを含む。
評価モデルの一例として、ＳＩＩＢ（Ｓｐｅｅｃｈ ｉｎｔｅｌｌｉｇｉｂｉｌｉｔｙ ｉｎ ｂｉｔｓ）モデル（以下、第１モデル）がある。音声データを第１モデルに適用することによりＳＩＩＢスコア（以下、第１指標）が得られる。ＳＩＩＢスコアについては、arXiv:2104.08499などに記載されており、音声データを入力データとして聞き手側の聴きやすさ（知覚しやすさ）に関する定量的な評価指標である。
評価モデルは、例えば、ＨＡＳＰＩ（Ｈｅａｒｉｎｇ－ａｉｄ ｓｐｅｅｃｈ ｉｎｄｅｘ）、ＥＳＴＯＩ（Ｅｘｔｅｎｄｅｄ ｓｈｏｒｔ－ｔｉｍｅ ｂｏｊｅｃｔｉｖｅ ｉｎｔｅｌｌｉｇｉｂｉｌｉｔｙ）、ＰＥＳＱ（Ｐｅｒｃｅｐｔｕａｌ ｅｖａｌｕａｔｉｏｎ ｏｆ ｓｐｅｅｃｈ ｑｕａｌｉｔｙ）、ＶｉＳＱＯＬ（Ｖｉｒｔｕａｌ ｓｐｅｅｃｈ ｑｕａｌｉｔｙ ｏｂｊｅｃｔｉｖｅ ｌｉｓｔｅｎｅｒ）などの評価指標に応じて用意しても構わない。
その他、通話属性、音声データを入力データとして、特に聞き手側におけるアンケートなどの評価結果を教師データとして、任意の機械学習、深層学習、人工知能モデルなどを構築しても構わない。例えば、アンケートなどの評価結果としては、信頼性、信用性、心地良さ、快適性、好み、ストレス値、威圧度、興趣性などの項目を含んでも構わない。つまり、通話属性、音声データを入力データとして、聞き手側における信頼性、信用性、心地良さ、快適性、好み、ストレス値、威圧度、興趣性などの評価指標を出力する学習モデルとしても良い。
【0031】
生成モデル１０２２は、通話属性、音声データを入力データとして、変換音声データを出力（推論）する学習モデルである。
生成モデル１０２２の学習処理は、後述する。
生成モデル１０２２は、単一の学習モデルである必要はなく、通話属性、評価種別ごとに複数の独立した学習モデルを切り替えて実現しても良い。具体的には、生成モデル１０２２は、入力する通話属性、出力する評価種別ごとに複数の独立した学習モデルを含んでも構わない。
例えば、生成モデル１０２２は、通話属性のそれぞれの組み合わせに応じて、適した変換音声データを出力する複数の生成モデルを選択的に切り替えて実現しても良い。
例えば、生成モデル１０２２は、第１指標、第２指標などの複数の評価指標のそれぞれに対して、適した変換音声データを出力する第１生成モデル、第２生成モデルなどを選択的に切り替えて実現しても良い。
生成モデル１０２２の学習処理は、後述する。
生成モデル１０２２は、単一の学習モデルである必要はなく、通話属性、評価種別ごとに複数の独立した学習モデルを切り替えて実現しても良い。具体的には、生成モデル１０２２は、入力する通話属性、出力する評価種別ごとに複数の独立した学習モデルを含んでも構わない。
例えば、生成モデル１０２２は、通話属性のそれぞれの組み合わせに応じて、適した変換音声データを出力する複数の生成モデルを選択的に切り替えて実現しても良い。
例えば、生成モデル１０２２は、第１指標、第２指標などの複数の評価指標のそれぞれに対して、適した変換音声データを出力する第１生成モデル、第２生成モデルなどを選択的に切り替えて実現しても良い。
【0032】
音声処理モデル１０２３は、通話属性、音声データを入力データとして、音声処理ＩＤを出力（推論）する学習モデルである。
音声処理モデル１０２３の学習処理は、後述する。
音声処理モデル１０２３は、単一の学習モデルである必要はなく、通話属性、評価種別ごとに複数の独立した学習モデルを切り替えて実現しても良い。具体的には、音声処理モデル１０２３は、入力する通話属性、出力する評価種別ごとに複数の独立した学習モデルを含んでも構わない。
例えば、音声処理モデル１０２３は、通話属性のそれぞれの組み合わせに応じて、適した変換音声データを出力する複数の音声処理モデルを選択的に切り替えて実現しても良い。
例えば、音声処理モデル１０２３は、第１指標、第２指標などの複数の評価指標のそれぞれに対して、適した変換音声データを出力する第１音声処理モデル、第２音声処理モデルなどを選択的に切り替えて実現しても良い。
音声処理モデル１０２３の学習処理は、後述する。
音声処理モデル１０２３は、単一の学習モデルである必要はなく、通話属性、評価種別ごとに複数の独立した学習モデルを切り替えて実現しても良い。具体的には、音声処理モデル１０２３は、入力する通話属性、出力する評価種別ごとに複数の独立した学習モデルを含んでも構わない。
例えば、音声処理モデル１０２３は、通話属性のそれぞれの組み合わせに応じて、適した変換音声データを出力する複数の音声処理モデルを選択的に切り替えて実現しても良い。
例えば、音声処理モデル１０２３は、第１指標、第２指標などの複数の評価指標のそれぞれに対して、適した変換音声データを出力する第１音声処理モデル、第２音声処理モデルなどを選択的に切り替えて実現しても良い。
【0033】
評価モデル１０２１、生成モデル１０２２、音声処理モデル１０２３は、例えば機械学習、人工知能、深層学習モデルなどの一種である。
評価モデル１０２１、生成モデル１０２２、音声処理モデル１０２３の一例として、深層学習におけるディープニューラルネットワークによる深層学習モデルを説明する。深層学習モデルは、ＲＮＮ（Ｒｅｃｕｒｒｅｎｔ Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋ）、ＬＳＴＭ（Ｌｏｎｇ Ｓｈｏｒｔ Ｔｅｒｍ Ｍｅｍｏｒｙ）、ＧＲＵ（Ｇａｔｅｄ Ｒｅｃｕｒｒｅｎｔ Ｕｎｉｔ）など、任意の時系列データを入力データとする深層学習モデルであればどのような学習モデルであっても構わない。学習モデルは、例えば、Ａｔｔｅｎｔｉｏｎ、Ｔｒａｎｓｆｏｒｍｅｒなどを含む任意の深層学習モデルを含む。
評価モデル１０２１、生成モデル１０２２、音声処理モデル１０２３は、深層学習モデルである必要は必ずしもなく、任意の機械学習、人工知能モデルでも良い。
評価モデル１０２１、生成モデル１０２２、音声処理モデル１０２３の一例として、深層学習におけるディープニューラルネットワークによる深層学習モデルを説明する。深層学習モデルは、ＲＮＮ（Ｒｅｃｕｒｒｅｎｔ Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋ）、ＬＳＴＭ（Ｌｏｎｇ Ｓｈｏｒｔ Ｔｅｒｍ Ｍｅｍｏｒｙ）、ＧＲＵ（Ｇａｔｅｄ Ｒｅｃｕｒｒｅｎｔ Ｕｎｉｔ）など、任意の時系列データを入力データとする深層学習モデルであればどのような学習モデルであっても構わない。学習モデルは、例えば、Ａｔｔｅｎｔｉｏｎ、Ｔｒａｎｓｆｏｒｍｅｒなどを含む任意の深層学習モデルを含む。
評価モデル１０２１、生成モデル１０２２、音声処理モデル１０２３は、深層学習モデルである必要は必ずしもなく、任意の機械学習、人工知能モデルでも良い。
【0034】
学習用データセット１０３１は、生成モデル１０２２の学習処理に用いられるデータセットを記憶するテーブルである。学習用データセット１０３１は、通話データにおけるユーザに関する属性情報、顧客に関する属性情報、通話に関する属性情報が関連付けて記憶された機械学習、深層学習などの学習処理に用いられるデータセットである。
学習用データセット１０３１は、ユーザおよび顧客の間で行われた過去の通話データが記憶される通話テーブル１０１４、ユーザテーブル１０１２、組織テーブル１０１３、顧客テーブル３０１２などを組み合わせて作成しても良い。
学習用データセット１０３１は、ユーザに関する属性情報、顧客に関する属性情報、通話に関する属性情報、音声データ、第１指標、第２指標、第３指標のカラムを有するテーブルである。
学習用データセット１０３１は、ユーザおよび顧客の間で行われた過去の通話データが記憶される通話テーブル１０１４、ユーザテーブル１０１２、組織テーブル１０１３、顧客テーブル３０１２などを組み合わせて作成しても良い。
学習用データセット１０３１は、ユーザに関する属性情報、顧客に関する属性情報、通話に関する属性情報、音声データ、第１指標、第２指標、第３指標のカラムを有するテーブルである。
【0035】
ユーザに関する属性情報は、通話データにおける、ユーザのユーザ属性、ユーザの所属する組織の組織名または組織属性の情報を記憶する項目である。ユーザに関する属性情報は、通話データにおけるユーザの感情（喜び、悲しみ、怒り、驚き、恐れ、嫌悪）に関する情報（感情情報）を含んでも良い。
顧客に関する属性情報は、通話データにおける、顧客の顧客属性、顧客の所属する組織の組織名または組織属性の情報を記憶する項目である。顧客に関する属性情報は、通話データにおける顧客の感情情報を含んでも良い。
通話に関する属性情報は、通話データにおける、通話カテゴリ、受発信者種別の情報を記憶する項目である。通話に関する属性情報は、通話データにおけるユーザおよび顧客の感情情報を含んでも良い。
音声データは、ユーザと顧客との間で行われた通話の音声データを記憶する項目である。通話テーブル１０１４の音声データと同様であるため説明を省略する。
顧客に関する属性情報は、通話データにおける、顧客の顧客属性、顧客の所属する組織の組織名または組織属性の情報を記憶する項目である。顧客に関する属性情報は、通話データにおける顧客の感情情報を含んでも良い。
通話に関する属性情報は、通話データにおける、通話カテゴリ、受発信者種別の情報を記憶する項目である。通話に関する属性情報は、通話データにおけるユーザおよび顧客の感情情報を含んでも良い。
音声データは、ユーザと顧客との間で行われた通話の音声データを記憶する項目である。通話テーブル１０１４の音声データと同様であるため説明を省略する。
【0036】
＜サーバ１０の制御部の構成＞
サーバ１０の制御部１０４は、ユーザ登録制御部１０４１、音声変換部１０４２、学習部１０５１を備える。制御部１０４は、記憶部１０１に記憶されたアプリケーションプログラム１０１１を実行することにより、各機能ユニットが実現される。
サーバ１０の制御部１０４は、ユーザ登録制御部１０４１、音声変換部１０４２、学習部１０５１を備える。制御部１０４は、記憶部１０１に記憶されたアプリケーションプログラム１０１１を実行することにより、各機能ユニットが実現される。
【0037】
ユーザ登録制御部１０４１は、本開示に係るサービスの利用を希望するユーザの情報をユーザテーブル１０１２に記憶する処理を行う。
ユーザテーブル１０１２に記憶される情報は、ユーザが任意の情報処理端末からサービス提供者が運営するウェブページなどを開き、所定の入力フォームに入力しサーバ１０へ送信する。サーバ１０のユーザ登録制御部１０４１は、受信した情報をユーザテーブル１０１２の新しいレコードに記憶し、ユーザ登録が完了する。これにより、ユーザテーブル１０１２に記憶されたユーザはサービスを利用することができるようになる。
ユーザ登録制御部１０４１によるユーザ情報のユーザテーブル１０１２への登録に先立ち、サービス提供者は所定の審査を行いユーザによるサービス利用可否を制限しても良い。
ユーザＩＤは、ユーザを識別できる任意の文字列または数字で良く、ユーザが希望する任意の文字列または数字、もしくはサーバ１０のユーザ登録制御部１０４１が自動的に任意の文字列または数字を設定しても良い。
ユーザテーブル１０１２に記憶される情報は、ユーザが任意の情報処理端末からサービス提供者が運営するウェブページなどを開き、所定の入力フォームに入力しサーバ１０へ送信する。サーバ１０のユーザ登録制御部１０４１は、受信した情報をユーザテーブル１０１２の新しいレコードに記憶し、ユーザ登録が完了する。これにより、ユーザテーブル１０１２に記憶されたユーザはサービスを利用することができるようになる。
ユーザ登録制御部１０４１によるユーザ情報のユーザテーブル１０１２への登録に先立ち、サービス提供者は所定の審査を行いユーザによるサービス利用可否を制限しても良い。
ユーザＩＤは、ユーザを識別できる任意の文字列または数字で良く、ユーザが希望する任意の文字列または数字、もしくはサーバ１０のユーザ登録制御部１０４１が自動的に任意の文字列または数字を設定しても良い。
【0038】
音声変換部１０４２は、音声変換処理（第一実施例）、音声変換処理（第二実施例）、音声変換処理（第三実施例）、音声変換処理（第四実施例）を実行する。詳細は後述する。
学習部１０５１は、学習処理を実行する。詳細は後述する。
学習部１０５１は、学習処理を実行する。詳細は後述する。
【0039】
＜ユーザ端末２０の機能構成＞
ユーザ端末２０のハードウェア構成が実現する機能構成を図３に示す。ユーザ端末２０は、記憶部２０１、制御部２０４、ユーザ端末２０に接続された入力装置２０６、出力装置２０８を備える。入力装置２０６は、カメラ２０６１、マイク２０６２、位置情報センサ２０６３、モーションセンサ２０６４、キーボード２０６５、マウス２０６６を含む。出力装置２０８は、ディスプレイ２０８１、スピーカ２０８２を含む。
ユーザ端末２０のハードウェア構成が実現する機能構成を図３に示す。ユーザ端末２０は、記憶部２０１、制御部２０４、ユーザ端末２０に接続された入力装置２０６、出力装置２０８を備える。入力装置２０６は、カメラ２０６１、マイク２０６２、位置情報センサ２０６３、モーションセンサ２０６４、キーボード２０６５、マウス２０６６を含む。出力装置２０８は、ディスプレイ２０８１、スピーカ２０８２を含む。
【0040】
＜ユーザ端末２０の記憶部の構成＞
ユーザ端末２０の記憶部２０１は、ユーザ端末２０を利用するユーザを識別するためのユーザＩＤ２０１１、アプリケーションプログラム２０１２、ＣＲＭＩＤ２０１３を記憶する。
ユーザＩＤは、サーバ１０に対するユーザのアカウントＩＤである。ユーザは、ユーザ端末２０からユーザＩＤ２０１１を、サーバ１０へ送信する。サーバ１０は、ユーザＩＤ２０１１に基づきユーザを識別し、本開示にかかるサービスをユーザに対して提供する。なお、ユーザＩＤには、ユーザ端末２０を利用しているユーザを識別するにあたりサーバ１０から一時的に付与されるセッションＩＤなどの情報を含む。
ＣＲＭＩＤは、ＣＲＭシステム３０に対するユーザのアカウントＩＤである。ユーザは、ユーザ端末２０からＣＲＭＩＤ２０１３を、ＣＲＭシステム３０へ送信する。ＣＲＭシステム３０は、ＣＲＭＩＤ２０１３に基づきユーザを識別し、ＣＲＭサービスをユーザに対して提供する。なお、ＣＲＭＩＤ２０１３には、ユーザ端末２０を利用しているユーザを識別するにあたりＣＲＭシステム３０から一時的に付与されるセッションＩＤなどの情報を含む。
アプリケーションプログラム２０１２は、記憶部２０１に予め記憶されていても良いし、通信ＩＦを介してサービス提供者が運営するウェブサーバ等からダウンロードする構成としても良い。アプリケーションプログラム２０１２は、ユーザ端末２０に記憶されているウェブブラウザアプリケーション上で実行されるＪａｖａＳｃｒｉｐｔ（登録商標）などのインタープリター型プログラミング言語を含む。
ユーザ端末２０の記憶部２０１は、ユーザ端末２０を利用するユーザを識別するためのユーザＩＤ２０１１、アプリケーションプログラム２０１２、ＣＲＭＩＤ２０１３を記憶する。
ユーザＩＤは、サーバ１０に対するユーザのアカウントＩＤである。ユーザは、ユーザ端末２０からユーザＩＤ２０１１を、サーバ１０へ送信する。サーバ１０は、ユーザＩＤ２０１１に基づきユーザを識別し、本開示にかかるサービスをユーザに対して提供する。なお、ユーザＩＤには、ユーザ端末２０を利用しているユーザを識別するにあたりサーバ１０から一時的に付与されるセッションＩＤなどの情報を含む。
ＣＲＭＩＤは、ＣＲＭシステム３０に対するユーザのアカウントＩＤである。ユーザは、ユーザ端末２０からＣＲＭＩＤ２０１３を、ＣＲＭシステム３０へ送信する。ＣＲＭシステム３０は、ＣＲＭＩＤ２０１３に基づきユーザを識別し、ＣＲＭサービスをユーザに対して提供する。なお、ＣＲＭＩＤ２０１３には、ユーザ端末２０を利用しているユーザを識別するにあたりＣＲＭシステム３０から一時的に付与されるセッションＩＤなどの情報を含む。
アプリケーションプログラム２０１２は、記憶部２０１に予め記憶されていても良いし、通信ＩＦを介してサービス提供者が運営するウェブサーバ等からダウンロードする構成としても良い。アプリケーションプログラム２０１２は、ユーザ端末２０に記憶されているウェブブラウザアプリケーション上で実行されるＪａｖａＳｃｒｉｐｔ（登録商標）などのインタープリター型プログラミング言語を含む。
【0041】
＜ユーザ端末２０の制御部の構成＞
ユーザ端末２０の制御部２０４は、入力制御部２０４１および出力制御部２０４２を備える。制御部２０４は、記憶部２０１に記憶されたアプリケーションプログラム２０１２を実行することにより、入力制御部２０４１、出力制御部２０４２の機能ユニットが実現される。
ユーザ端末２０の入力制御部２０４１は、ユーザ端末２０に接続されたカメラ２０６１、マイク２０６２、位置情報センサ２０６３、モーションセンサ２０６４、キーボード２０６５、マウス２０６６などの入力装置から出力される情報を取得し各種処理を実行する。ユーザ端末２０の入力制御部２０４１は、入力装置２０６から取得した情報をユーザＩＤ２０１１とともにサーバ１０へ送信する処理を実行する。同様に、ユーザ端末２０の入力制御部２０４１は、入力装置２０６から取得した情報をＣＲＭＩＤ２０１３とともにＣＲＭシステム３０へ送信する処理を実行する。
ユーザ端末２０の出力制御部２０４２は、入力装置２０６に対するユーザによる操作およびサーバ１０、ＣＲＭシステム３０から情報を受信し、ユーザ端末２０に接続されたディスプレイ２０８１の表示内容、スピーカ２０８２の音声出力内容の制御処理を実行する。
ユーザ端末２０の制御部２０４は、入力制御部２０４１および出力制御部２０４２を備える。制御部２０４は、記憶部２０１に記憶されたアプリケーションプログラム２０１２を実行することにより、入力制御部２０４１、出力制御部２０４２の機能ユニットが実現される。
ユーザ端末２０の入力制御部２０４１は、ユーザ端末２０に接続されたカメラ２０６１、マイク２０６２、位置情報センサ２０６３、モーションセンサ２０６４、キーボード２０６５、マウス２０６６などの入力装置から出力される情報を取得し各種処理を実行する。ユーザ端末２０の入力制御部２０４１は、入力装置２０６から取得した情報をユーザＩＤ２０１１とともにサーバ１０へ送信する処理を実行する。同様に、ユーザ端末２０の入力制御部２０４１は、入力装置２０６から取得した情報をＣＲＭＩＤ２０１３とともにＣＲＭシステム３０へ送信する処理を実行する。
ユーザ端末２０の出力制御部２０４２は、入力装置２０６に対するユーザによる操作およびサーバ１０、ＣＲＭシステム３０から情報を受信し、ユーザ端末２０に接続されたディスプレイ２０８１の表示内容、スピーカ２０８２の音声出力内容の制御処理を実行する。
【0042】
＜ＣＲＭシステム３０の機能構成＞
ＣＲＭシステム３０のハードウェア構成が実現する機能構成を図４に示す。ＣＲＭシステム３０は、記憶部３０１、制御部３０４を備える。
ユーザは、別途ＣＲＭ事業者とも契約を締結しており、ユーザごとに設定されたＣＲＭＩＤ２０１３を用いてＣＲＭ事業者が運営するウェブサイトへウェブブラウザなどを介してアクセス（ログイン）することにより、ＣＲＭサービスの提供を受ける事ができる。
ＣＲＭシステム３０のハードウェア構成が実現する機能構成を図４に示す。ＣＲＭシステム３０は、記憶部３０１、制御部３０４を備える。
ユーザは、別途ＣＲＭ事業者とも契約を締結しており、ユーザごとに設定されたＣＲＭＩＤ２０１３を用いてＣＲＭ事業者が運営するウェブサイトへウェブブラウザなどを介してアクセス（ログイン）することにより、ＣＲＭサービスの提供を受ける事ができる。
【0043】
【0044】
顧客テーブル３０１２は、顧客情報を記憶し管理するためのテーブルである。顧客テーブル３０１２は、顧客ＩＤを主キーとし、顧客ＩＤ、ユーザＩＤ、氏名、電話番号、顧客属性、顧客組織名、顧客組織属性のカラムを有するテーブルである。
【0045】
顧客ＩＤは、顧客を識別するための顧客識別情報を記憶する項目である。
ユーザＩＤは、顧客に紐付けられたユーザのユーザＩＤ（ユーザ識別情報）を記憶する項目である。ユーザは、自身のユーザＩＤに紐付けられた顧客を一覧表示したり、顧客に対して発信（架電）することができる。
本開示において、顧客はユーザに対して紐付けられるものとしたが、組織（組織テーブル１０１３の組織ＩＤ）に対して紐付けても良い。その場合、組織に所属するユーザは、自身の組織ＩＤに紐付けられた顧客を一覧表示したり、顧客に対して発信することができる。
氏名は、顧客の氏名を記憶する項目である。
電話番号は、顧客の電話番号を記憶する項目である。
ユーザは、ＣＲＭシステムが提供するウェブサイトにアクセスし、電話を発信したい顧客を選択し「発信」などの所定の操作を行なうことにより、ユーザ端末２０から顧客の電話番号に対して電話を発信することができる。
顧客属性は、顧客の年齢、性別、出身地、方言、職種（営業、カスタマーサポートなど）などの顧客の属性に関する情報を記憶する項目である。
顧客組織名は、顧客の所属する組織の名称を記憶する項目である。組織の名称は、会社名、法人名、企業グループ名、サークル名、各種団体名など任意の組織名、グループ名を含む。
顧客組織属性は、顧客の組織種別（会社、企業グループ、その他団体など）、業種（不動産、金融など）などの組織の属性に関する情報を記憶する項目である。
顧客属性、顧客組織名、顧客組織属性は、ユーザが入力することにより記憶する構成としても良いし、所定のウェブサイトへ顧客がアクセスすることにより、顧客に入力させても良い。
ユーザＩＤは、顧客に紐付けられたユーザのユーザＩＤ（ユーザ識別情報）を記憶する項目である。ユーザは、自身のユーザＩＤに紐付けられた顧客を一覧表示したり、顧客に対して発信（架電）することができる。
本開示において、顧客はユーザに対して紐付けられるものとしたが、組織（組織テーブル１０１３の組織ＩＤ）に対して紐付けても良い。その場合、組織に所属するユーザは、自身の組織ＩＤに紐付けられた顧客を一覧表示したり、顧客に対して発信することができる。
氏名は、顧客の氏名を記憶する項目である。
電話番号は、顧客の電話番号を記憶する項目である。
ユーザは、ＣＲＭシステムが提供するウェブサイトにアクセスし、電話を発信したい顧客を選択し「発信」などの所定の操作を行なうことにより、ユーザ端末２０から顧客の電話番号に対して電話を発信することができる。
顧客属性は、顧客の年齢、性別、出身地、方言、職種（営業、カスタマーサポートなど）などの顧客の属性に関する情報を記憶する項目である。
顧客組織名は、顧客の所属する組織の名称を記憶する項目である。組織の名称は、会社名、法人名、企業グループ名、サークル名、各種団体名など任意の組織名、グループ名を含む。
顧客組織属性は、顧客の組織種別（会社、企業グループ、その他団体など）、業種（不動産、金融など）などの組織の属性に関する情報を記憶する項目である。
顧客属性、顧客組織名、顧客組織属性は、ユーザが入力することにより記憶する構成としても良いし、所定のウェブサイトへ顧客がアクセスすることにより、顧客に入力させても良い。
【0046】
＜ＣＲＭシステム３０の制御部の構成＞
ＣＲＭシステム３０の制御部３０４は、ユーザ登録制御部３０４１を備える。制御部３０４は、記憶部３０１に記憶されたアプリケーションプログラム３０１１を実行することにより、各機能ユニットが実現される。
ＣＲＭシステム３０の制御部３０４は、ユーザ登録制御部３０４１を備える。制御部３０４は、記憶部３０１に記憶されたアプリケーションプログラム３０１１を実行することにより、各機能ユニットが実現される。
【0047】
ＣＲＭシステム３０は、ＡＰＩ（Ａｐｐｌｉｃａｔｉｏｎ Ｐｒｏｇｒａｍｍｉｎｇ Ｉｎｔｅｒｆａｃｅ）、ＳＤＫ（Ｓｏｆｔｗａｒｅ Ｄｅｖｅｌｏｐｍｅｎｔ Ｋｉｔ）、コードスニペッド（以下、「ビーコン」と呼ぶ）と呼ばれる機能を提供しており、ユーザは予め本開示にかかるサーバ１０およびＣＲＭシステム３０についてアカウント情報などの紐付け設定を行うことにより、サーバ１０の制御部１０４とＣＲＭシステム３０の制御部３０４は相互に通信し、任意の情報処理を実現することができる。
【0048】
＜音声サーバ（ＰＢＸ）４０の概要＞
音声サーバ（ＰＢＸ）４０は、ユーザから顧客に対する発信があった場合に、顧客端末５０に対し発信（呼出し）を行う。
音声サーバ（ＰＢＸ）４０は、顧客からユーザに対する発信があった場合に、ユーザ端末２０に対し、その旨を示すメッセージ（以下、「着信通知メッセージ」と呼ぶ）を送る。また、音声サーバ（ＰＢＸ）４０は、サーバ１０が提供するビーコン、ＳＤＫ、ＡＰＩなどに着信通知メッセージを送ることができる。
音声サーバ（ＰＢＸ）４０は、ユーザから顧客に対する発信があった場合に、顧客端末５０に対し発信（呼出し）を行う。
音声サーバ（ＰＢＸ）４０は、顧客からユーザに対する発信があった場合に、ユーザ端末２０に対し、その旨を示すメッセージ（以下、「着信通知メッセージ」と呼ぶ）を送る。また、音声サーバ（ＰＢＸ）４０は、サーバ１０が提供するビーコン、ＳＤＫ、ＡＰＩなどに着信通知メッセージを送ることができる。
【0049】
＜顧客端末５０の機能構成＞
顧客端末５０のハードウェア構成が実現する機能構成を図５に示す。顧客端末５０は、記憶部５０１、制御部５０４、タッチパネル５０６、タッチセンシティブデバイス５０６１、ディスプレイ５０６２、マイク５０８１、スピーカ５０８２、位置情報センサ５０８３、カメラ５０８４、モーションセンサ５０８５を備える。
顧客端末５０のハードウェア構成が実現する機能構成を図５に示す。顧客端末５０は、記憶部５０１、制御部５０４、タッチパネル５０６、タッチセンシティブデバイス５０６１、ディスプレイ５０６２、マイク５０８１、スピーカ５０８２、位置情報センサ５０８３、カメラ５０８４、モーションセンサ５０８５を備える。
【0050】
＜顧客端末５０の記憶部の構成＞
顧客端末５０の記憶部５０１は、顧客端末５０を利用する顧客の電話番号５０１１、アプリケーションプログラム５０１２を記憶する。
アプリケーションプログラム５０１２は、記憶部５０１に予め記憶されていても良いし、通信ＩＦを介してサービス提供者が運営するウェブサーバ等からダウンロードする構成としても良い。アプリケーションプログラム５０１２は、顧客端末５０に記憶されているウェブブラウザアプリケーション上で実行されるＪａｖａＳｃｒｉｐｔ（登録商標）などのインタープリター型プログラミング言語を含む。
顧客端末５０の記憶部５０１は、顧客端末５０を利用する顧客の電話番号５０１１、アプリケーションプログラム５０１２を記憶する。
アプリケーションプログラム５０１２は、記憶部５０１に予め記憶されていても良いし、通信ＩＦを介してサービス提供者が運営するウェブサーバ等からダウンロードする構成としても良い。アプリケーションプログラム５０１２は、顧客端末５０に記憶されているウェブブラウザアプリケーション上で実行されるＪａｖａＳｃｒｉｐｔ（登録商標）などのインタープリター型プログラミング言語を含む。
【0051】
＜顧客端末５０の制御部の構成＞
顧客端末５０の制御部５０４は、入力制御部５０４１および出力制御部５０４２を備える。制御部５０４は、記憶部５０１に記憶されたアプリケーションプログラム５０１２を実行することにより、入力制御部５０４１、出力制御部５０４２の機能ユニットが実現される。
顧客端末５０の入力制御部５０４１は、ユーザによるタッチパネル５０６のタッチセンシティブデバイス５０６１への操作内容、マイク５０８１への音声入力、位置情報センサ５０８３、カメラ５０８４、モーションセンサ５０８５などの入力装置から出力される情報を取得し各種処理を実行する。
顧客端末５０の出力制御部５０４２は、入力装置に対するユーザによる操作およびサーバ１０から情報を受信し、ディスプレイ５０６２の表示内容、スピーカ５０８２の音声出力内容などの制御処理を実行する。
顧客端末５０の制御部５０４は、入力制御部５０４１および出力制御部５０４２を備える。制御部５０４は、記憶部５０１に記憶されたアプリケーションプログラム５０１２を実行することにより、入力制御部５０４１、出力制御部５０４２の機能ユニットが実現される。
顧客端末５０の入力制御部５０４１は、ユーザによるタッチパネル５０６のタッチセンシティブデバイス５０６１への操作内容、マイク５０８１への音声入力、位置情報センサ５０８３、カメラ５０８４、モーションセンサ５０８５などの入力装置から出力される情報を取得し各種処理を実行する。
顧客端末５０の出力制御部５０４２は、入力装置に対するユーザによる操作およびサーバ１０から情報を受信し、ディスプレイ５０６２の表示内容、スピーカ５０８２の音声出力内容などの制御処理を実行する。
【0052】
＜情報処理システム１の動作＞
以下、情報処理システム１の各処理について説明する。
図１２は、音声変換処理（第一実施例）の動作を示すフローチャートである。
図１３は、音声変換処理（第二実施例）の動作を示すフローチャートである。
図１４は、音声変換処理（第三実施例）の動作を示すフローチャートである。
図１５は、音声変換処理（第三実施例）におけるユーザ端末２０の表示画面例を示した図である。
以下、情報処理システム１の各処理について説明する。
図１２は、音声変換処理（第一実施例）の動作を示すフローチャートである。
図１３は、音声変換処理（第二実施例）の動作を示すフローチャートである。
図１４は、音声変換処理（第三実施例）の動作を示すフローチャートである。
図１５は、音声変換処理（第三実施例）におけるユーザ端末２０の表示画面例を示した図である。
【0053】
＜用語定義＞
情報処理システム１の各処理について説明するにあたり、用語を以下の通り定義する。
通話データは、ユーザと顧客との間で行われる通話に関するデータであり、通話テーブル１０１４の各項目に記憶されたデータを含むデータである。
通話属性は、ユーザと顧客との間で行われる通話の属性に関するデータであり、ユーザ属性、ユーザの所属する組織の組織名または組織属性、通話におけるユーザの感情に関する情報（ユーザに関する属性情報）、顧客属性、顧客の所属する組織の組織名または組織属性、通話における顧客の感情に関する情報（顧客に関する属性情報）、通話カテゴリ、受発信者種別、通話における感情に関する情報（通話に関する属性情報）などを含む。つまり、通話データは、ユーザに関する属性情報、顧客に関する属性情報、通話に関する属性情報などの通話属性により特徴づけられることになる。
本開示における通話属性は、ユーザ個人および顧客個人に関する属性情報を含み、ユーザおよび顧客の周辺環境、通話環境に関する情報は含まない。例えば、ユーザおよび顧客周辺のノイズ、騒音状況に関する情報は含まない。
情報処理システム１の各処理について説明するにあたり、用語を以下の通り定義する。
通話データは、ユーザと顧客との間で行われる通話に関するデータであり、通話テーブル１０１４の各項目に記憶されたデータを含むデータである。
通話属性は、ユーザと顧客との間で行われる通話の属性に関するデータであり、ユーザ属性、ユーザの所属する組織の組織名または組織属性、通話におけるユーザの感情に関する情報（ユーザに関する属性情報）、顧客属性、顧客の所属する組織の組織名または組織属性、通話における顧客の感情に関する情報（顧客に関する属性情報）、通話カテゴリ、受発信者種別、通話における感情に関する情報（通話に関する属性情報）などを含む。つまり、通話データは、ユーザに関する属性情報、顧客に関する属性情報、通話に関する属性情報などの通話属性により特徴づけられることになる。
本開示における通話属性は、ユーザ個人および顧客個人に関する属性情報を含み、ユーザおよび顧客の周辺環境、通話環境に関する情報は含まない。例えば、ユーザおよび顧客周辺のノイズ、騒音状況に関する情報は含まない。
【0054】
＜発信処理＞
発信処理は、ユーザから顧客に対し発信（架電）する処理である。
発信処理は、ユーザから顧客に対し発信（架電）する処理である。
【0055】
＜発信処理の概要＞
発信処理は、ユーザはユーザ端末２０の画面に表示された複数の顧客のうち発信を希望する顧客を選択し、発信操作を行うことにより、顧客に対して発信を行なう一連の処理である。
発信処理は、ユーザはユーザ端末２０の画面に表示された複数の顧客のうち発信を希望する顧客を選択し、発信操作を行うことにより、顧客に対して発信を行なう一連の処理である。
【0056】
＜発信処理の詳細＞
ユーザから顧客に発信する場合における情報処理システム１の発信処理について説明する。
ユーザから顧客に発信する場合における情報処理システム１の発信処理について説明する。
【0057】
ユーザが顧客に発信する場合、情報処理システム１において以下の処理が実行される。
【0058】
ユーザはユーザ端末２０を操作することにより、ウェブブラウザを起動し、ＣＲＭシステム３０が提供するＣＲＭサービスのウェブサイトへアクセスする。ユーザは、CRMサービスが提供する顧客管理画面を開くことにより自身の顧客をユーザ端末２０のディスプレイ２０８１へ一覧表示することができる。
具体的に、ユーザ端末２０は、ＣＲＭＩＤ２０１３および顧客を一覧表示する旨のリクエストをＣＲＭシステム３０へ送信する。ＣＲＭシステム３０は、リクエストを受信すると、顧客テーブル３０１２を検索し、顧客ＩＤ、氏名、電話番号、顧客属性、顧客組織名、顧客組織属性などのユーザの顧客に関する情報をユーザ端末２０に送信する。ユーザ端末２０は、受信した顧客に関する情報をユーザ端末２０のディスプレイ２０８１に表示する。
具体的に、ユーザ端末２０は、ＣＲＭＩＤ２０１３および顧客を一覧表示する旨のリクエストをＣＲＭシステム３０へ送信する。ＣＲＭシステム３０は、リクエストを受信すると、顧客テーブル３０１２を検索し、顧客ＩＤ、氏名、電話番号、顧客属性、顧客組織名、顧客組織属性などのユーザの顧客に関する情報をユーザ端末２０に送信する。ユーザ端末２０は、受信した顧客に関する情報をユーザ端末２０のディスプレイ２０８１に表示する。
【0059】
ユーザは、ユーザ端末２０のディスプレイ２０８１に一覧表示された顧客から発信を希望する顧客を押下し選択する。顧客が選択された状態で、ユーザ端末２０のディスプレイ２０８１に表示された「発信」ボタンまたは、電話番号ボタンを押下することにより、ＣＲＭシステム３０に対し電話番号を含むリクエストを送信する。リクエストを受信したＣＲＭシステム３０は、電話番号を含むリクエストをサーバ１０へ送信する。リクエストを受信したサーバ１０は、音声サーバ（ＰＢＸ）４０に対し、発信リクエストを送信する。音声サーバ（ＰＢＸ）４０は、発信リクエストを受信すると、受信した電話番号に基づき顧客端末５０に対し発信（呼出し）を行う。
【0060】
これに伴い、ユーザ端末２０は、スピーカ２０８２などを制御し音声サーバ（ＰＢＸ）４０により発信（呼出し）が行われている旨を示す鳴動を行う。また、ユーザ端末２０のディスプレイ２０８１は、音声サーバ（ＰＢＸ）４０により顧客に対して発信（呼出し）が行われている旨を示す情報を表示する。例えば、ユーザ端末２０のディスプレイ２０８１は、「呼出中」という文字を表示してもよい。
【0061】
顧客は、顧客端末５０において不図示の受話器を持ち上げたり、顧客端末５０のタッチパネル５０６に着信時に表示される「受信」ボタンなどを押下することにより、顧客端末５０は通話可能状態となる。これに伴い、音声サーバ（ＰＢＸ）４０は、顧客端末５０による応答がなされたことを示す情報（以下、「応答イベント」と呼ぶ）を、サーバ１０、ＣＲＭシステム３０などを介してユーザ端末２０に送信する。
これにより、ユーザと顧客は、それぞれユーザ端末２０、顧客端末５０を用いて通話可能状態となり、ユーザと顧客との間で通話することができるようになる。具体的には、ユーザ端末２０のマイク２０６２により集音されたユーザの音声は、顧客端末５０のスピーカ５０８２から出力される。同様に、顧客端末５０のマイク５０８１から集音された顧客の音声は、ユーザ端末２０のスピーカ２０８２から出力される。
これにより、ユーザと顧客は、それぞれユーザ端末２０、顧客端末５０を用いて通話可能状態となり、ユーザと顧客との間で通話することができるようになる。具体的には、ユーザ端末２０のマイク２０６２により集音されたユーザの音声は、顧客端末５０のスピーカ５０８２から出力される。同様に、顧客端末５０のマイク５０８１から集音された顧客の音声は、ユーザ端末２０のスピーカ２０８２から出力される。
【0062】
ユーザ端末２０のディスプレイ２０８１は、通話可能状態になると、応答イベントを受信し、通話が行われていることを示す情報を表示する。例えば、ユーザ端末２０のディスプレイ２０８１は、「応答中」という文字を表示してもよい。
【0063】
＜着信処理＞
着信処理は、ユーザが顧客から着信（受電）する処理である。
着信処理は、ユーザが顧客から着信（受電）する処理である。
【0064】
＜着信処理の概要＞
着信処理は、ユーザがユーザ端末２０においてアプリケーションを立ち上げている場合に、顧客がユーザに対して発信した場合に、ユーザが着信する一連の処理である。
着信処理は、ユーザがユーザ端末２０においてアプリケーションを立ち上げている場合に、顧客がユーザに対して発信した場合に、ユーザが着信する一連の処理である。
【0065】
＜着信処理の詳細＞
ユーザが顧客から着信（受電）する場合における情報処理システム１の着信処理について説明する。
ユーザが顧客から着信（受電）する場合における情報処理システム１の着信処理について説明する。
【0066】
ユーザが顧客から着信する場合、情報処理システム１において以下の処理が実行される。
【0067】
ユーザはユーザ端末２０を操作することにより、ウェブブラウザを起動し、ＣＲＭシステム３０が提供するＣＲＭサービスのウェブサイトへアクセスする。このとき、ユーザはウェブブラウザにおいて、自身のアカウントにてＣＲＭシステム３０にログインし待機しているものとする。なお、ユーザはＣＲＭシステム３０にログインしていれば良く、ＣＲＭサービスにかかる他の作業などを行っていても良い。
【0068】
顧客は、顧客端末５０を操作し、音声サーバ（ＰＢＸ）４０に割り当てられた所定の電話番号を入力し、音声サーバ（ＰＢＸ）４０に対して発信する。音声サーバ（ＰＢＸ）４０は、顧客端末５０の発信を着信イベントとして受信する。
【0069】
音声サーバ（ＰＢＸ）４０は、サーバ１０に対し、着信イベントを送信する。具体的には、音声サーバ（ＰＢＸ）４０は、サーバ１０に対して顧客の電話番号５０１１を含む着信リクエストを送信する。サーバ１０は、ＣＲＭシステム３０を介してユーザ端末２０に対して着信リクエストを送信する。
これに伴い、ユーザ端末２０は、スピーカ２０８２などを制御し音声サーバ（ＰＢＸ）４０により着信が行われている旨を示す鳴動を行う。ユーザ端末２０のディスプレイ２０８１は、音声サーバ（ＰＢＸ）４０により顧客から着信があること旨を示す情報を表示する。例えば、ユーザ端末２０のディスプレイ２０８１は、「着信中」という文字を表示してもよい。
これに伴い、ユーザ端末２０は、スピーカ２０８２などを制御し音声サーバ（ＰＢＸ）４０により着信が行われている旨を示す鳴動を行う。ユーザ端末２０のディスプレイ２０８１は、音声サーバ（ＰＢＸ）４０により顧客から着信があること旨を示す情報を表示する。例えば、ユーザ端末２０のディスプレイ２０８１は、「着信中」という文字を表示してもよい。
【0070】
ユーザ端末２０は、ユーザによる応答操作を受付ける。応答操作は、例えば、ユーザ端末２０において不図示の受話器を持ち上げたり、ユーザ端末２０のディスプレイ２０８１に「電話に出る」と表示されたボタンを、ユーザがマウス２０６６を操作して押下する操作などにより実現される。
ユーザ端末２０は、応答操作を受付けると、音声サーバ（ＰＢＸ）４０に対し、ＣＲＭシステム３０、サーバ１０を介して応答リクエストを送信する。音声サーバ（ＰＢＸ）４０は、送信されてきた応答リクエストを受信し、音声通信を確立する。これにより、ユーザ端末２０は、顧客端末５０と通話可能状態となる。
ユーザ端末２０のディスプレイ２０８１は、通話が行われていることを示す情報を表示する。例えば、ユーザ端末２０のディスプレイ２０８１は、「通話中」という文字を表示してもよい。
ユーザ端末２０は、応答操作を受付けると、音声サーバ（ＰＢＸ）４０に対し、ＣＲＭシステム３０、サーバ１０を介して応答リクエストを送信する。音声サーバ（ＰＢＸ）４０は、送信されてきた応答リクエストを受信し、音声通信を確立する。これにより、ユーザ端末２０は、顧客端末５０と通話可能状態となる。
ユーザ端末２０のディスプレイ２０８１は、通話が行われていることを示す情報を表示する。例えば、ユーザ端末２０のディスプレイ２０８１は、「通話中」という文字を表示してもよい。
【0071】
通話可能状態になると、後述する音声変換処理（第一実施例）、音声変換処理（第二実施例）、音声変換処理（第三実施例）、音声変換処理（第四実施例）が実行される。
特定の、話者および聞き手のペアごとに、音声変換処理（第一実施例）、音声変換処理（第二実施例）、音声変換処理（第三実施例）のいずれかの音声変換処理が行われる構成としても良い。音声変換処理（第四実施例）は音声変換処理（第一実施例）、音声変換処理（第二実施例）、音声変換処理（第三実施例）と同時に実行されても良い。
３人以上の通話が行われている場合には、３人のうちの任意の２人の話者および聞き手のペアの組み合わせごとに、音声変換処理（第一実施例）、音声変換処理（第二実施例）、音声変換処理（第三実施例）のいずれかの音声変換処理を実行しても構わない。つまり、３人のうちの異なる２人の話者および聞き手のペアの組み合わせごとに、異なる音声変換処理が実行されても良い。
特定の、話者および聞き手のペアごとに、音声変換処理（第一実施例）、音声変換処理（第二実施例）、音声変換処理（第三実施例）のいずれかの音声変換処理が行われる構成としても良い。音声変換処理（第四実施例）は音声変換処理（第一実施例）、音声変換処理（第二実施例）、音声変換処理（第三実施例）と同時に実行されても良い。
３人以上の通話が行われている場合には、３人のうちの任意の２人の話者および聞き手のペアの組み合わせごとに、音声変換処理（第一実施例）、音声変換処理（第二実施例）、音声変換処理（第三実施例）のいずれかの音声変換処理を実行しても構わない。つまり、３人のうちの異なる２人の話者および聞き手のペアの組み合わせごとに、異なる音声変換処理が実行されても良い。
【0072】
＜変形例＞
なお、ユーザが顧客との間で通話可能状態となる方法は、発信処理、着信処理に限られず、ユーザと顧客との間で通話を実現するための任意の方法を用いても構わない。例えば、サーバ１０上に、ユーザと顧客との間で通話を行うためのルームとよばれる仮想的な通話空間を作成し、ユーザおよび顧客が当該ルームへユーザ端末２０、顧客端末５０に記憶されたウェブブラウザまたはアプリケーションプログラムを介してアクセスすることにより通話可能状態となる方法でも構わない。この場合、音声サーバ（ＰＢＸ）４０は不要となる。
具体的には、通話の主催者となるユーザがユーザ端末２０の入力装置２０６を操作し、サーバ１０へ通話開催に関するリクエストを送信する。サーバ１０の制御部１０４は、リクエストを受信するとユニークなルームＩＤなどのルーム識別情報を発行し、ユーザ端末２０へレスポンスを送信する。ユーザは、受信したルーム識別情報を、通話相手の顧客へメールなど任意の通信手段により送信する。ユーザは、ユーザ端末２０の入力装置２０６を操作し、ウェブブラウザなどでサーバ１０のルームに関するサービスを提供するＵＲＬへアクセスし、ルーム識別情報を入力することによりルームに入室することができる。同様に、顧客は顧客端末５０のタッチパネル５０６を操作し、ウェブブラウザなどでサーバ１０のルームに関するサービスを提供するＵＲＬへアクセスし、ルーム識別情報を入力することによりルームに入室することができる。これにより、ユーザと顧客とはルーム識別情報により関連付けられたルームとよばれる仮想的な通話空間内で、それぞれユーザ端末２０、顧客端末５０を介して通話を行うことができる。
ルーム識別情報を入力することにより、複数のユーザ、複数の顧客が１つのルームに入室することができる。これにより、複数のユーザと、複数の顧客とはルーム識別情報により関連付けられたルームとよばれる仮想的な通話空間内で、それぞれがユーザ端末２０、顧客端末５０を介して通話を行うことができる。
なお、ユーザが顧客との間で通話可能状態となる方法は、発信処理、着信処理に限られず、ユーザと顧客との間で通話を実現するための任意の方法を用いても構わない。例えば、サーバ１０上に、ユーザと顧客との間で通話を行うためのルームとよばれる仮想的な通話空間を作成し、ユーザおよび顧客が当該ルームへユーザ端末２０、顧客端末５０に記憶されたウェブブラウザまたはアプリケーションプログラムを介してアクセスすることにより通話可能状態となる方法でも構わない。この場合、音声サーバ（ＰＢＸ）４０は不要となる。
具体的には、通話の主催者となるユーザがユーザ端末２０の入力装置２０６を操作し、サーバ１０へ通話開催に関するリクエストを送信する。サーバ１０の制御部１０４は、リクエストを受信するとユニークなルームＩＤなどのルーム識別情報を発行し、ユーザ端末２０へレスポンスを送信する。ユーザは、受信したルーム識別情報を、通話相手の顧客へメールなど任意の通信手段により送信する。ユーザは、ユーザ端末２０の入力装置２０６を操作し、ウェブブラウザなどでサーバ１０のルームに関するサービスを提供するＵＲＬへアクセスし、ルーム識別情報を入力することによりルームに入室することができる。同様に、顧客は顧客端末５０のタッチパネル５０６を操作し、ウェブブラウザなどでサーバ１０のルームに関するサービスを提供するＵＲＬへアクセスし、ルーム識別情報を入力することによりルームに入室することができる。これにより、ユーザと顧客とはルーム識別情報により関連付けられたルームとよばれる仮想的な通話空間内で、それぞれユーザ端末２０、顧客端末５０を介して通話を行うことができる。
ルーム識別情報を入力することにより、複数のユーザ、複数の顧客が１つのルームに入室することができる。これにより、複数のユーザと、複数の顧客とはルーム識別情報により関連付けられたルームとよばれる仮想的な通話空間内で、それぞれがユーザ端末２０、顧客端末５０を介して通話を行うことができる。
【0073】
＜通話記憶処理＞
通話記憶処理は、ユーザと顧客との間で行われる通話に関するデータを記憶する処理である。
通話記憶処理は、ユーザと顧客との間で行われる通話に関するデータを記憶する処理である。
【0074】
＜通話記憶処理の概要＞
通話記憶処理は、ユーザと顧客との間で通話が開始された場合に、通話に関するデータを通話テーブル１０１４に記憶する一連の処理である。
通話記憶処理は、ユーザと顧客との間で通話が開始された場合に、通話に関するデータを通話テーブル１０１４に記憶する一連の処理である。
【0075】
＜通話記憶処理の詳細＞
ユーザと顧客との間で通話が開始されると、音声サーバ（ＰＢＸ）４０は、ユーザと顧客との間で行われる通話に関する音声データを録音し、サーバ１０へ送信する。サーバ１０の制御部１０４は、音声データを受信すると、通話テーブル１０１４に新たなレコードを作成し、ユーザと顧客との間で行われる通話に関するデータを記憶する。具体的に、サーバ１０の制御部１０４は、ユーザＩＤ、顧客ＩＤ、通話カテゴリ、受発信種別、音声データの内容を通話テーブル１０１４に記憶する。
ユーザと顧客との間で通話が開始されると、音声サーバ（ＰＢＸ）４０は、ユーザと顧客との間で行われる通話に関する音声データを録音し、サーバ１０へ送信する。サーバ１０の制御部１０４は、音声データを受信すると、通話テーブル１０１４に新たなレコードを作成し、ユーザと顧客との間で行われる通話に関するデータを記憶する。具体的に、サーバ１０の制御部１０４は、ユーザＩＤ、顧客ＩＤ、通話カテゴリ、受発信種別、音声データの内容を通話テーブル１０１４に記憶する。
【0076】
サーバ１０の制御部１０４は、発信処理または着信処理においてユーザ端末２０から、ユーザのユーザＩＤ２０１１を取得し、新たなレコードのユーザＩＤの項目に記憶する。
サーバ１０の制御部１０４は、発信処理または着信処理において電話番号に基づきＣＲＭシステム３０へ問い合わせを行なう。ＣＲＭシステム３０は、顧客テーブル３０１２を電話番号により検索することにより、顧客ＩＤを取得し、サーバ１０へ送信する。サーバ１０の制御部１０４は、取得した顧客ＩＤを新たなレコードの顧客ＩＤの項目に記憶する。
サーバ１０の制御部１０４は、予めユーザまたは顧客ごとに設定された通話カテゴリの値を、新たなレコードの通話カテゴリの項目に記憶する。なお、通話カテゴリは、通話ごとにユーザが値を選択したり入力することにより記憶しても良い。
サーバ１０の制御部１０４は、行われている通話がユーザにより発信したものか、顧客から発信されたものかを識別し、新たなレコードの受発信種別の項目にアウトバウンド（ユーザから発信）、インバウンド（顧客から発信）のいずれかの値を記憶する。
サーバ１０の制御部１０４は、音声サーバ（ＰＢＸ）４０から受信する音声データを、新たなレコードの音声データの項目に記憶する。なお、音声データは他の場所に音声データファイルとして記憶し、通話終了後に、音声データファイルに対する参照情報（パス）を記憶するものとしても良い。また、サーバ１０の制御部１０４は、通話終了後にデータを記憶する構成としても良い。
サーバ１０の制御部１０４は、発信処理または着信処理において電話番号に基づきＣＲＭシステム３０へ問い合わせを行なう。ＣＲＭシステム３０は、顧客テーブル３０１２を電話番号により検索することにより、顧客ＩＤを取得し、サーバ１０へ送信する。サーバ１０の制御部１０４は、取得した顧客ＩＤを新たなレコードの顧客ＩＤの項目に記憶する。
サーバ１０の制御部１０４は、予めユーザまたは顧客ごとに設定された通話カテゴリの値を、新たなレコードの通話カテゴリの項目に記憶する。なお、通話カテゴリは、通話ごとにユーザが値を選択したり入力することにより記憶しても良い。
サーバ１０の制御部１０４は、行われている通話がユーザにより発信したものか、顧客から発信されたものかを識別し、新たなレコードの受発信種別の項目にアウトバウンド（ユーザから発信）、インバウンド（顧客から発信）のいずれかの値を記憶する。
サーバ１０の制御部１０４は、音声サーバ（ＰＢＸ）４０から受信する音声データを、新たなレコードの音声データの項目に記憶する。なお、音声データは他の場所に音声データファイルとして記憶し、通話終了後に、音声データファイルに対する参照情報（パス）を記憶するものとしても良い。また、サーバ１０の制御部１０４は、通話終了後にデータを記憶する構成としても良い。
【0077】
＜音声変換処理（第一実施例）＞
音声変換処理（第一実施例）は、ユーザが発話した音声データに対して通話属性に基づき選択された生成モデル１０２２を適用することにより得られる変換音声データを顧客に対して出力する処理である。
これにより、顧客は、より適した音声でユーザと通話を行うことができる。
音声変換処理（第一実施例）は、ユーザが発話した音声データに対して通話属性に基づき選択された生成モデル１０２２を適用することにより得られる変換音声データを顧客に対して出力する処理である。
これにより、顧客は、より適した音声でユーザと通話を行うことができる。
【0078】
＜音声変換処理（第一実施例）の概要＞
音声変換処理（第一実施例）は、ユーザと顧客とが通話可能状態となると開始される。音声変換処理（第一実施例）は、通話属性を取得し、通話属性、ユーザが発話した音声データを入力データとして生成モデル１０２２に入力し、出力される変換音声データを顧客に対して出力する一連の処理である。
音声変換処理（第一実施例）は、ユーザと顧客とが通話可能状態となると開始される。音声変換処理（第一実施例）は、通話属性を取得し、通話属性、ユーザが発話した音声データを入力データとして生成モデル１０２２に入力し、出力される変換音声データを顧客に対して出力する一連の処理である。
【0079】
＜音声変換処理（第一実施例）の詳細＞
ステップＳ１０１において、ユーザと顧客とが通話可能状態となると音声変換処理（第一実施例）が開始される。
ステップＳ１０１において、ユーザと顧客とが通話可能状態となると音声変換処理（第一実施例）が開始される。
【0080】
ステップＳ１０２において、サーバ１０の音声変換部１０４２は、通話に関する通話属性を取得する。
具体的に、サーバ１０の音声変換部１０４２は、ユーザのユーザＩＤに基づきユーザテーブル１０１２のユーザＩＤの項目を検索し、組織ＩＤおよびユーザ属性の項目を取得する。サーバ１０の音声変換部１０４２は、取得した組織ＩＤに基づき、組織テーブル１０１３の組織ＩＤの項目を検索し、組織名、組織属性の項目を取得する。つまり、サーバ１０の音声変換部１０４２は、ユーザに関する属性情報を取得する。サーバ１０の音声変換部１０４２は、ユーザの発話音声からユーザの感情状態を推定しユーザの感情情報を、ユーザに関する属性情報として取得しても良い。
サーバ１０の音声変換部１０４２は、顧客の顧客ＩＤを含む照会リクエストをＣＲＭシステム３０に送信する。ＣＲＭシステム３０は、受信したリクエストに含まれる顧客ＩＤに基づき、顧客テーブル３０１２の顧客ＩＤの項目を検索し、顧客属性、顧客組織名、顧客組織属性の項目を取得し、サーバ１０へ送信する。サーバ１０の音声変換部１０４２は、ＣＲＭシステム３０から顧客の顧客属性、顧客組織名、顧客組織属性の項目を取得する。つまり、サーバ１０の音声変換部１０４２は、顧客に関する属性情報を取得する。サーバ１０の音声変換部１０４２は、顧客の発話音声から顧客の感情状態を推定し顧客の感情情報を、顧客に関する属性情報として取得しても良い。
サーバ１０の音声変換部１０４２は、通話テーブル１０１４を参照し、通話記憶処理により記憶された通話データに含まれる通話カテゴリ、受発信種別の情報を取得する。サーバ１０の音声変換部１０４２は、通話に関する通話ＩＤに基づき、通話テーブル１０１４の通話ＩＤの項目を検索し、通話カテゴリ、受発信種別の項目を取得する。つまり、サーバ１０の音声変換部１０４２は、通話に関する属性情報を取得する。サーバ１０の音声変換部１０４２は、ユーザおよび顧客の発話音声からユーザおよび顧客の感情状態を推定しユーザおよび顧客の感情情報を、通話に関する属性情報として取得しても良い。
具体的に、サーバ１０の音声変換部１０４２は、ユーザのユーザＩＤに基づきユーザテーブル１０１２のユーザＩＤの項目を検索し、組織ＩＤおよびユーザ属性の項目を取得する。サーバ１０の音声変換部１０４２は、取得した組織ＩＤに基づき、組織テーブル１０１３の組織ＩＤの項目を検索し、組織名、組織属性の項目を取得する。つまり、サーバ１０の音声変換部１０４２は、ユーザに関する属性情報を取得する。サーバ１０の音声変換部１０４２は、ユーザの発話音声からユーザの感情状態を推定しユーザの感情情報を、ユーザに関する属性情報として取得しても良い。
サーバ１０の音声変換部１０４２は、顧客の顧客ＩＤを含む照会リクエストをＣＲＭシステム３０に送信する。ＣＲＭシステム３０は、受信したリクエストに含まれる顧客ＩＤに基づき、顧客テーブル３０１２の顧客ＩＤの項目を検索し、顧客属性、顧客組織名、顧客組織属性の項目を取得し、サーバ１０へ送信する。サーバ１０の音声変換部１０４２は、ＣＲＭシステム３０から顧客の顧客属性、顧客組織名、顧客組織属性の項目を取得する。つまり、サーバ１０の音声変換部１０４２は、顧客に関する属性情報を取得する。サーバ１０の音声変換部１０４２は、顧客の発話音声から顧客の感情状態を推定し顧客の感情情報を、顧客に関する属性情報として取得しても良い。
サーバ１０の音声変換部１０４２は、通話テーブル１０１４を参照し、通話記憶処理により記憶された通話データに含まれる通話カテゴリ、受発信種別の情報を取得する。サーバ１０の音声変換部１０４２は、通話に関する通話ＩＤに基づき、通話テーブル１０１４の通話ＩＤの項目を検索し、通話カテゴリ、受発信種別の項目を取得する。つまり、サーバ１０の音声変換部１０４２は、通話に関する属性情報を取得する。サーバ１０の音声変換部１０４２は、ユーザおよび顧客の発話音声からユーザおよび顧客の感情状態を推定しユーザおよび顧客の感情情報を、通話に関する属性情報として取得しても良い。
【0081】
サーバ１０の音声変換部１０４２は、ユーザに関する属性情報、顧客に関する属性情報、通話に関する属性情報の少なくともいずれか１つを通話属性として取得しても良い。例えば、ユーザに関する属性情報のみを通話属性として取得しても良い。
また、サーバ１０の音声変換部１０４２は、ユーザ属性、ユーザの所属する組織の組織名または組織属性、ユーザの感情情報、顧客属性、顧客の所属する組織の組織名または組織属性、顧客の感情情報、通話カテゴリ、受発信者種別、通話の感情情報のいずれか１つを通話属性として取得しても良い。例えば、通話カテゴリのみを通話属性として取得しても良い。
また、サーバ１０の音声変換部１０４２は、ユーザ属性、ユーザの所属する組織の組織名または組織属性、ユーザの感情情報、顧客属性、顧客の所属する組織の組織名または組織属性、顧客の感情情報、通話カテゴリ、受発信者種別、通話の感情情報のいずれか１つを通話属性として取得しても良い。例えば、通話カテゴリのみを通話属性として取得しても良い。
【0082】
ステップＳ１０４において、サーバ１０の音声変換部１０４２は、ユーザから通話音声を取得し、取得した通話音声を変換する。このとき、サーバ１０の音声変換部１０４２は、ステップＳ１０２において取得した通話属性に基づき、取得した通話音声を変換する。サーバ１０の音声変換部１０４２は、ステップＳ１０２において取得した通話属性および通話音声に対して生成モデル１０２２を適用することにより、取得した通話音声を変換する。
具体的に、サーバ１０の音声変換部１０４２は、音声サーバ（ＰＢＸ）４０からユーザにより発話された音声データを逐次的に取得する。サーバ１０の音声変換部１０４２は、ユーザにより発話後、発話された音声データをできるだけ遅延なく取得することが望ましい。
サーバ１０の音声変換部１０４２は、取得した通話属性、音声データを入力データとして生成モデル１０２２に入力し、出力される変換音声データを取得する。
具体的に、サーバ１０の音声変換部１０４２は、音声サーバ（ＰＢＸ）４０からユーザにより発話された音声データを逐次的に取得する。サーバ１０の音声変換部１０４２は、ユーザにより発話後、発話された音声データをできるだけ遅延なく取得することが望ましい。
サーバ１０の音声変換部１０４２は、取得した通話属性、音声データを入力データとして生成モデル１０２２に入力し、出力される変換音声データを取得する。
【0083】
サーバ１０の音声変換部１０４２は、顧客に対して出力される変換音声データの評価指標の種別に応じて複数の生成モデル１０２２を選択的に切り替えて適用し、音声データを変換しても良い。
例えば、顧客からより信頼性が得られるような生成モデル１０２２を用いて、音声データを変換しても良い。例えば、顧客がより聴きやすい（聴き取りやすい）生成モデル１０２２を用いて、音声データを変換しても良い。例えば、顧客に対して、ＳＩＩＢ、ＨＡＳＰＩ、ＥＳＴＯＩ、ＰＥＳＱ、ＶｉＳＱＯＬなどの評価指標や、信頼性、信用性、心地良さ、快適性、好み、ストレス値、威圧度、興趣性などの評価指標が適したものとなるような生成モデル１０２２を用いて、音声データを変換しても良い。
例えば、顧客からより信頼性が得られるような生成モデル１０２２を用いて、音声データを変換しても良い。例えば、顧客がより聴きやすい（聴き取りやすい）生成モデル１０２２を用いて、音声データを変換しても良い。例えば、顧客に対して、ＳＩＩＢ、ＨＡＳＰＩ、ＥＳＴＯＩ、ＰＥＳＱ、ＶｉＳＱＯＬなどの評価指標や、信頼性、信用性、心地良さ、快適性、好み、ストレス値、威圧度、興趣性などの評価指標が適したものとなるような生成モデル１０２２を用いて、音声データを変換しても良い。
【0084】
サーバ１０の音声変換部１０４２は、ユーザに関する属性情報、顧客に関する属性情報、通話に関する属性情報の少なくともいずれか１つを通話属性として用いて、通話音声を変換しても良い。例えば、ユーザに関する属性情報のみを通話属性として用いて、通話音声を変換しても良い。
また、サーバ１０の音声変換部１０４２は、ユーザ属性、ユーザの所属する組織の組織名または組織属性、ユーザの感情情報、顧客属性、顧客の所属する組織の組織名または組織属性、顧客の感情情報、通話カテゴリ、受発信者種別、通話の感情情報のいずれか１つを通話属性として用いて、通話音声を変換しても良い。例えば、通話カテゴリのみを通話属性として用いて、通話音声を変換しても良い。
また、サーバ１０の音声変換部１０４２は、ユーザ属性、ユーザの所属する組織の組織名または組織属性、ユーザの感情情報、顧客属性、顧客の所属する組織の組織名または組織属性、顧客の感情情報、通話カテゴリ、受発信者種別、通話の感情情報のいずれか１つを通話属性として用いて、通話音声を変換しても良い。例えば、通話カテゴリのみを通話属性として用いて、通話音声を変換しても良い。
【0085】
ステップＳ１０５において、サーバ１０の音声変換部１０４２は、ステップＳ１０４において変換された通話音声を顧客へ出力する。サーバ１０の音声変換部１０４２は、変換音声データを音声サーバ（ＰＢＸ）４０に送信する。音声サーバ（ＰＢＸ）４０は、受信した変換音声データを、顧客端末５０に対して出力する。顧客端末５０のスピーカ５０８２は、受信した変換音声データをユーザの通話音声として出力する。
つまり、ユーザ端末２０のマイク２０６２により集音されたユーザの音声に関する音声データは、サーバ１０の音声変換部１０４２により変換音声データに変換され、顧客端末５０のスピーカ５０８２から出力される。
つまり、ユーザ端末２０のマイク２０６２により集音されたユーザの音声に関する音声データは、サーバ１０の音声変換部１０４２により変換音声データに変換され、顧客端末５０のスピーカ５０８２から出力される。
【0086】
＜音声変換処理（第二実施例）＞
音声変換処理（第二実施例）は、ユーザが発話した音声データに対して音声処理モデル１０２３を適用することにより特定された音声処理内容を適用した変換音声データを顧客に対して出力する処理である。
これにより、ユーザは、顧客にとってより適した音声へ変換することができる音声処理を選択することができる。
音声変換処理（第二実施例）は、ユーザが発話した音声データに対して音声処理モデル１０２３を適用することにより特定された音声処理内容を適用した変換音声データを顧客に対して出力する処理である。
これにより、ユーザは、顧客にとってより適した音声へ変換することができる音声処理を選択することができる。
【0087】
＜音声変換処理（第二実施例）の概要＞
音声変換処理（第二実施例）は、ユーザと顧客とが通話可能状態となると開始される。音声変換処理（第二実施例）は、通話属性を取得し、通話属性を入力データとして音声処理モデル１０２３に入力し、出力される音声処理ＩＤにより音声処理内容を選択し、ユーザが発話した音声データに対して選択された音声処理内容を適用して出力される変換音声データを顧客に対して出力する一連の処理である。
音声変換処理（第二実施例）は、ユーザと顧客とが通話可能状態となると開始される。音声変換処理（第二実施例）は、通話属性を取得し、通話属性を入力データとして音声処理モデル１０２３に入力し、出力される音声処理ＩＤにより音声処理内容を選択し、ユーザが発話した音声データに対して選択された音声処理内容を適用して出力される変換音声データを顧客に対して出力する一連の処理である。
【0088】
＜音声変換処理（第二実施例）の詳細＞
ステップＳ３０１において、ユーザと顧客とが通話可能状態となると音声変換処理（第二実施例）が開始される。
ステップＳ３０１において、ユーザと顧客とが通話可能状態となると音声変換処理（第二実施例）が開始される。
【0089】
ステップＳ３０２において、サーバ１０の音声変換部１０４２は、通話に関する通話属性を取得する。ステップＳ３０２は、音声変換処理（第一実施例）におけるステップＳ１０２と同様であるため説明を省略する。
【0090】
ステップＳ３０３において、サーバ１０の音声変換部１０４２は、取得した通話属性に基づき、複数の音声処理のうち所定の音声処理を選択する。サーバ１０の音声変換部１０４２は、ステップＳ３０２において取得した通話属性に対して音声処理モデル１０２３を適用することにより、所定の音声処理を選択する。
具体的には、サーバ１０の音声変換部１０４２は、取得した通話属性を入力データとして音声処理モデル１０２３に入力し、出力される音声処理ＩＤを取得する。サーバ１０の音声変換部１０４２は、取得した音声処理ＩＤに基づき、音声処理テーブル１０１５の音声処理ＩＤの項目を検索し、音声処理内容を取得する。つまり、サーバ１０の音声変換部１０４２は、通話属性に基づき音声処理内容を特定し選択する。
具体的には、サーバ１０の音声変換部１０４２は、取得した通話属性を入力データとして音声処理モデル１０２３に入力し、出力される音声処理ＩＤを取得する。サーバ１０の音声変換部１０４２は、取得した音声処理ＩＤに基づき、音声処理テーブル１０１５の音声処理ＩＤの項目を検索し、音声処理内容を取得する。つまり、サーバ１０の音声変換部１０４２は、通話属性に基づき音声処理内容を特定し選択する。
【0091】
ステップＳ３０４において、サーバ１０の音声変換部１０４２は、ユーザから通話音声を取得し、取得した通話音声を変換する。このとき、サーバ１０の音声変換部１０４２は、ステップＳ３０２において取得した通話属性に基づき、取得した通話音声を変換する。サーバ１０の音声変換部１０４２は、通話音声に、ステップＳ３０２において選択された所定の音声処理を適用することにより、通話音声を変換する。
具体的に、サーバ１０の音声変換部１０４２は、音声サーバ（ＰＢＸ）４０からユーザにより発話された音声データを逐次的に取得する。サーバ１０の音声変換部１０４２は、ユーザにより発話後、発話された音声データをできるだけ遅延なく取得することが望ましい。
サーバ１０の音声変換部１０４２は、取得した通話属性、音声データに対してステップＳ３０３において選択した音声処理内容を適用し、出力される変換音声データを取得する。
具体的に、サーバ１０の音声変換部１０４２は、音声サーバ（ＰＢＸ）４０からユーザにより発話された音声データを逐次的に取得する。サーバ１０の音声変換部１０４２は、ユーザにより発話後、発話された音声データをできるだけ遅延なく取得することが望ましい。
サーバ１０の音声変換部１０４２は、取得した通話属性、音声データに対してステップＳ３０３において選択した音声処理内容を適用し、出力される変換音声データを取得する。
【0092】
サーバ１０の音声変換部１０４２は、顧客に対して出力される変換音声データの評価指標の種別に応じて複数の音声処理モデル１０２３を選択的に切り替えて適用し、音声データを変換しても良い。
例えば、顧客からより信頼性が得られるような音声処理モデル１０２３を用いて、音声データを変換しても良い。例えば、顧客がより聴きやすい（聴き取りやすい）音声処理モデル１０２３を用いて、音声データを変換しても良い。例えば、顧客に対して、ＳＩＩＢ、ＨＡＳＰＩ、ＥＳＴＯＩ、ＰＥＳＱ、ＶｉＳＱＯＬなどの評価指標や、信頼性、信用性、心地良さ、快適性、好み、ストレス値、威圧度、興趣性などの評価指標が適したものとなるような音声処理モデル１０２３を用いて、音声データを変換しても良い。
例えば、顧客からより信頼性が得られるような音声処理モデル１０２３を用いて、音声データを変換しても良い。例えば、顧客がより聴きやすい（聴き取りやすい）音声処理モデル１０２３を用いて、音声データを変換しても良い。例えば、顧客に対して、ＳＩＩＢ、ＨＡＳＰＩ、ＥＳＴＯＩ、ＰＥＳＱ、ＶｉＳＱＯＬなどの評価指標や、信頼性、信用性、心地良さ、快適性、好み、ストレス値、威圧度、興趣性などの評価指標が適したものとなるような音声処理モデル１０２３を用いて、音声データを変換しても良い。
【0093】
サーバ１０の音声変換部１０４２は、ユーザに関する属性情報、顧客に関する属性情報、通話に関する属性情報の少なくともいずれか１つを通話属性として用いて、通話音声を変換しても良い。例えば、ユーザに関する属性情報のみを通話属性として用いて、通話音声を変換しても良い。
また、サーバ１０の音声変換部１０４２は、ユーザ属性、ユーザの所属する組織の組織名または組織属性、ユーザの感情情報、顧客属性、顧客の所属する組織の組織名または組織属性、顧客の感情情報、通話カテゴリ、受発信者種別、通話の感情情報のいずれか１つを通話属性として用いて、通話音声を変換しても良い。例えば、通話カテゴリのみを通話属性として用いて、通話音声を変換しても良い。
また、サーバ１０の音声変換部１０４２は、ユーザ属性、ユーザの所属する組織の組織名または組織属性、ユーザの感情情報、顧客属性、顧客の所属する組織の組織名または組織属性、顧客の感情情報、通話カテゴリ、受発信者種別、通話の感情情報のいずれか１つを通話属性として用いて、通話音声を変換しても良い。例えば、通話カテゴリのみを通話属性として用いて、通話音声を変換しても良い。
【0094】
ステップＳ３０５において、サーバ１０の音声変換部１０４２は、ステップＳ３０４において変換された通話音声を顧客へ出力する。ステップＳ３０５は、音声変換処理（第一実施例）におけるステップＳ１０５と同様であるため説明を省略する。
【0095】
＜音声変換処理（第三実施例）＞
音声変換処理（第三実施例）は、ユーザが発話した音声データに対して、ユーザが選択した音声処理モデル１０２３を適用することにより得られる変換音声データを顧客に対して出力する処理である。
これにより、ユーザの選択指示に応じて、顧客はより快適な音声でユーザとの通話を行うことができる。
音声変換処理（第三実施例）は、ユーザが発話した音声データに対して、ユーザが選択した音声処理モデル１０２３を適用することにより得られる変換音声データを顧客に対して出力する処理である。
これにより、ユーザの選択指示に応じて、顧客はより快適な音声でユーザとの通話を行うことができる。
【0096】
＜音声変換処理（第三実施例）の概要＞
音声変換処理（第三実施例）は、ユーザと顧客とが通話可能状態となると開始される。音声変換処理（第三実施例）は、ユーザは音声処理内容を選択し、ユーザが発話した音声データに対して選択された音声処理内容を適用して出力される変換音声データを顧客に対して出力する一連の処理である。
音声変換処理（第三実施例）は、ユーザと顧客とが通話可能状態となると開始される。音声変換処理（第三実施例）は、ユーザは音声処理内容を選択し、ユーザが発話した音声データに対して選択された音声処理内容を適用して出力される変換音声データを顧客に対して出力する一連の処理である。
【0097】
＜音声変換処理（第三実施例）の詳細＞
ステップＳ５０１において、ユーザと顧客とが通話可能状態となると音声変換処理（第三実施例）が開始される。
ステップＳ５０１において、ユーザと顧客とが通話可能状態となると音声変換処理（第三実施例）が開始される。
【0098】
ステップＳ５０３において、ユーザから受け付けた選択指示に基づき、複数の音声処理のうち所定の音声処理を選択する。例えば、複数の音声処理のうち、抑揚を小さくする音声処理を選択すると、顧客に対する威圧的な印象を軽減することができる。顧客が女性である場合などには、声量の大きな音声を小さくする音声処理を選択することにより、顧客に対する威圧的な印象を軽減することができる。
ユーザは、ユーザと顧客との通話中の任意のタイミングで音声処理を選択しても構わない。また、ユーザは、通話の開始前に音声処理を予め選択しておく構成としても構わない。
具体的に、ユーザはユーザ端末２０の入力装置２０６を操作して、適用を希望する音声処理内容に関する音声処理ＩＤを含むリクエストをサーバ１０へ送信する。サーバ１０の音声変換部１０４２は、受信したリクエストに含まれる音声処理ＩＤに基づき、音声処理テーブル１０１５の音声処理ＩＤの項目を検索し、音声処理内容を取得する。つまり、サーバ１０の音声変換部１０４２は、ユーザから受け付けた選択指示に基づき音声処理内容を特定し選択する。
ユーザは、ユーザと顧客との通話中の任意のタイミングで音声処理を選択しても構わない。また、ユーザは、通話の開始前に音声処理を予め選択しておく構成としても構わない。
具体的に、ユーザはユーザ端末２０の入力装置２０６を操作して、適用を希望する音声処理内容に関する音声処理ＩＤを含むリクエストをサーバ１０へ送信する。サーバ１０の音声変換部１０４２は、受信したリクエストに含まれる音声処理ＩＤに基づき、音声処理テーブル１０１５の音声処理ＩＤの項目を検索し、音声処理内容を取得する。つまり、サーバ１０の音声変換部１０４２は、ユーザから受け付けた選択指示に基づき音声処理内容を特定し選択する。
【0099】
図１５に、音声変換処理（第三実施例）におけるユーザ端末２０の表示画面例を図示する。ユーザ端末２０のディスプレイ２０８１には、通話画面８０が表示される。通話画面８０には、現在、通話中の顧客情報８０１、音声処理内容を選択するためのユーザインタフェース８０２が表示される。顧客情報８０１は、顧客に関する属性情報である、顧客に関する顧客属性、顧客の所属する組織の組織名または組織属性の情報、顧客の感情情報を含んでも良い。ユーザは、ユーザ端末２０の入力装置２０６を操作することにより、音声処理内容に関連付けられたスイッチ８０３を押下することにより、複数の音声処理のうち所定の音声処理を選択する。図１５では、音声処理ＩＤがM００２の音声処理内容が選択されていることが示されている。
【0100】
＜変形例＞
なお、ユーザは、ユーザ端末２０の入力装置２０６を操作して、最適化したい評価指標の種別を選択する構成としても良い。具体的に、ユーザは、ユーザ端末２０の入力装置２０６を操作して、ＳＩＩＢ、ＨＡＳＰＩ、ＥＳＴＯＩ、ＰＥＳＱ、ＶｉＳＱＯＬなどの評価指標や、信頼性、信用性、心地良さ、快適性、好み、ストレス値、威圧度、興趣性などの評価指標を選択しても良い。例えば、ユーザは、ユーザ端末２０の入力装置２０６を操作して、顧客がより聴きやすい（聴き取りやすい）といった選択肢や、顧客からより信頼性が得られるといった選択肢を選択する構成としても良い。
なお、ユーザ端末２０のディスプレイ２０８１は、ユーザが選択可能な評価指標をユーザに対して一覧して提示する構成としても良い。ユーザは、ユーザ端末２０の入力装置２０６を操作して、一覧して提示された評価指標から最適化したい項目を選択することにより、最適化したい評価指標の種別を選択する構成としても良い。
なお、ユーザは、ユーザ端末２０の入力装置２０６を操作して、最適化したい評価指標の種別を選択する構成としても良い。具体的に、ユーザは、ユーザ端末２０の入力装置２０６を操作して、ＳＩＩＢ、ＨＡＳＰＩ、ＥＳＴＯＩ、ＰＥＳＱ、ＶｉＳＱＯＬなどの評価指標や、信頼性、信用性、心地良さ、快適性、好み、ストレス値、威圧度、興趣性などの評価指標を選択しても良い。例えば、ユーザは、ユーザ端末２０の入力装置２０６を操作して、顧客がより聴きやすい（聴き取りやすい）といった選択肢や、顧客からより信頼性が得られるといった選択肢を選択する構成としても良い。
なお、ユーザ端末２０のディスプレイ２０８１は、ユーザが選択可能な評価指標をユーザに対して一覧して提示する構成としても良い。ユーザは、ユーザ端末２０の入力装置２０６を操作して、一覧して提示された評価指標から最適化したい項目を選択することにより、最適化したい評価指標の種別を選択する構成としても良い。
【0101】
ユーザ端末２０は、選択した評価指標の種別を含むリクエストをサーバ１０に送信する。
【0102】
サーバ１０の音声変換部１０４２は、受信したリクエストに含まれる評価指標の種別に基づき、音声処理モデル１０２３を選択する。具体的には、サーバ１０の音声変換部１０４２は、受信した評価指標の種別に応じて、より大きな評価指標を得るために最適化（学習）された音声処理モデル１０２３を選択する。
このとき、サーバ１０の音声変換部１０４２は、音声変換処理（第二実施例）のステップＳ３０２、ステップＳ３０３と同様に、通話に関する通話属性を取得し、取得した通話属性に基づき、複数の音声処理のうち所定の音声処理を選択する。
このとき、サーバ１０の音声変換部１０４２は、音声変換処理（第二実施例）のステップＳ３０２、ステップＳ３０３と同様に、通話に関する通話属性を取得し、取得した通話属性に基づき、複数の音声処理のうち所定の音声処理を選択する。
【0103】
また、サーバ１０の音声変換部１０４２は、受信したリクエストに含まれる評価指標の種別に基づき、生成モデル１０２２を選択しても良い。具体的には、サーバ１０の音声変換部１０４２は、受信した評価指標の種別に応じて、より大きな評価指標を得るために最適化（学習）された生成モデル１０２２を選択しても良い。
【0104】
つまり、ステップＳ５０３において、サーバ１０の音声変換部１０４２は、ユーザから受け付けた選択指示に基づき、直接的に音声処理ＩＤを受け付けて音声処理内容を特定し選択しても良いし、間接的に音声処理モデル１０２３を用いて音声処理ＩＤを特定し音声処理内容を特定し選択しても良い。また、サーバ１０の音声変換部１０４２は、ユーザから受け付けた選択指示に基づき、生成モデル１０２２を特定し選択しても良い。
【0105】
ステップＳ５０４において、サーバ１０の音声変換部１０４２は、ユーザから通話音声を取得し、取得した通話音声を変換する。このとき、サーバ１０の音声変換部１０４２は、ステップＳ５０３において選択した音声処理内容に基づき、取得した通話音声を変換する。なお、サーバ１０の音声変換部１０４２は、ステップＳ５０３において選択した生成モデル１０２２に基づき、取得した通話音声を変換しても良い。
具体的に、サーバ１０の音声変換部１０４２は、音声サーバ（ＰＢＸ）４０からユーザにより発話された音声データを逐次的に取得する。サーバ１０の音声変換部１０４２は、ユーザにより発話後、発話された音声データをできるだけ遅延なく取得することが望ましい。
サーバ１０の音声変換部１０４２は、取得した通話属性、音声データに対してステップＳ５０３において選択した音声処理内容を適用し、出力される変換音声データを取得する。また、サーバ１０の音声変換部１０４２は、取得した通話属性、音声データに対してステップＳ５０３において選択した生成モデル１０２２を適用し、出力される変換音声データを取得しても良い。
具体的に、サーバ１０の音声変換部１０４２は、音声サーバ（ＰＢＸ）４０からユーザにより発話された音声データを逐次的に取得する。サーバ１０の音声変換部１０４２は、ユーザにより発話後、発話された音声データをできるだけ遅延なく取得することが望ましい。
サーバ１０の音声変換部１０４２は、取得した通話属性、音声データに対してステップＳ５０３において選択した音声処理内容を適用し、出力される変換音声データを取得する。また、サーバ１０の音声変換部１０４２は、取得した通話属性、音声データに対してステップＳ５０３において選択した生成モデル１０２２を適用し、出力される変換音声データを取得しても良い。
【0106】
ステップＳ５０５において、サーバ１０の音声変換部１０４２は、ステップＳ５０４において変換された通話音声を顧客へ出力する。ステップＳ５０５は、音声変換処理（第一実施例）におけるステップＳ１０５と同様であるため説明を省略する。
【0107】
＜変形例＞
音声変換処理（第一実施例）、音声変換処理（第二実施例）、音声変換処理（第三実施例）においては、音声変換を行うことができるのはユーザの発話音声のみとし、顧客の発話音声に対しては音声変換を行うことができない構成としても良い。
具体的には、顧客は音声処理などの選択指示を行うことができず、サーバ１０の音声変換部１０４２は、顧客から音声処理に関する選択指示は受け付けない構成としても良い。このとき、サーバ１０の音声変換部１０４２は、顧客の発話音声については変換せずに、ユーザに対して出力する構成としても良い。具体的には、顧客端末５０のマイク５０８１により集音された顧客の音声に関する音声データは、サーバ１０の音声変換部１０４２により変換されずに、ユーザ端末２０のスピーカ２０８２から出力される。
これにより、ユーザは、顧客の音声を変換せずに顧客の音声を確認しつつ顧客との通話を行うことができる。
音声変換処理（第一実施例）、音声変換処理（第二実施例）、音声変換処理（第三実施例）においては、音声変換を行うことができるのはユーザの発話音声のみとし、顧客の発話音声に対しては音声変換を行うことができない構成としても良い。
具体的には、顧客は音声処理などの選択指示を行うことができず、サーバ１０の音声変換部１０４２は、顧客から音声処理に関する選択指示は受け付けない構成としても良い。このとき、サーバ１０の音声変換部１０４２は、顧客の発話音声については変換せずに、ユーザに対して出力する構成としても良い。具体的には、顧客端末５０のマイク５０８１により集音された顧客の音声に関する音声データは、サーバ１０の音声変換部１０４２により変換されずに、ユーザ端末２０のスピーカ２０８２から出力される。
これにより、ユーザは、顧客の音声を変換せずに顧客の音声を確認しつつ顧客との通話を行うことができる。
【0108】
＜音声変換処理（第四実施例）＞
音声変換処理（第四実施例）は、顧客が発話した音声データに対して、ユーザが選択した音声処理モデル１０２３を適用することにより得られる変換音声データをユーザに対して出力する処理である。
音声変換処理（第四実施例）は、顧客が発話した音声データに対して、ユーザが選択した音声処理モデル１０２３を適用することにより得られる変換音声データをユーザに対して出力する処理である。
【0109】
＜音声変換処理（第四実施例）の概要＞
音声変換処理（第四実施例）は、ユーザと顧客とが通話可能状態となると開始される。音声変換処理（第四実施例）は、ユーザは音声処理内容を選択し、顧客が発話した音声データに対して選択された音声処理内容を適用して出力される変換音声データをユーザに対して出力する一連の処理である。
音声変換処理（第四実施例）は、ユーザと顧客とが通話可能状態となると開始される。音声変換処理（第四実施例）は、ユーザは音声処理内容を選択し、顧客が発話した音声データに対して選択された音声処理内容を適用して出力される変換音声データをユーザに対して出力する一連の処理である。
【0110】
＜音声変換処理（第四実施例）の詳細＞
ユーザと顧客とが通話可能状態となると音声変換処理（第四実施例）が開始される。
ユーザから受け付けた選択指示に基づき、複数の音声処理のうち所定の音声処理を選択する。例えば、複数の音声処理のうち、ユーザにとってより聴きやすい音声となるような所定の音声処理を選択しても良い。例えば、複数の音声処理のうち、ユーザにとってより快適性が得られるような所定の音声処理を選択しても良い。例えば、複数の音声処理のうち、ユーザの好みの音声、ストレス値が小さくなる、興趣性が高まるような所定の音声処理を選択しても良い。例えば、顧客が怒っている場合などには、ユーザは、複数の音声処理のうち、抑揚を小さくしたり、音声を小さくする音声処理を選択することにより、顧客との応対に伴う心理的ストレスを低減させることができる。
ユーザは、ユーザと顧客との通話中の任意のタイミングで音声処理を選択しても構わない。また、ユーザは、通話の開始前に音声処理を予め選択しておく構成としても構わない。
具体的に、ユーザはユーザ端末２０の入力装置２０６を操作して、適用を希望する音声処理内容に関する音声処理ＩＤを含むリクエストをサーバ１０へ送信する。サーバ１０の音声変換部１０４２は、受信したリクエストに含まれる音声処理ＩＤに基づき、音声処理テーブル１０１５の音声処理ＩＤの項目を検索し、音声処理内容を取得する。つまり、サーバ１０の音声変換部１０４２は、ユーザから受け付けた選択指示に基づき音声処理内容を特定し選択する。
ユーザと顧客とが通話可能状態となると音声変換処理（第四実施例）が開始される。
ユーザから受け付けた選択指示に基づき、複数の音声処理のうち所定の音声処理を選択する。例えば、複数の音声処理のうち、ユーザにとってより聴きやすい音声となるような所定の音声処理を選択しても良い。例えば、複数の音声処理のうち、ユーザにとってより快適性が得られるような所定の音声処理を選択しても良い。例えば、複数の音声処理のうち、ユーザの好みの音声、ストレス値が小さくなる、興趣性が高まるような所定の音声処理を選択しても良い。例えば、顧客が怒っている場合などには、ユーザは、複数の音声処理のうち、抑揚を小さくしたり、音声を小さくする音声処理を選択することにより、顧客との応対に伴う心理的ストレスを低減させることができる。
ユーザは、ユーザと顧客との通話中の任意のタイミングで音声処理を選択しても構わない。また、ユーザは、通話の開始前に音声処理を予め選択しておく構成としても構わない。
具体的に、ユーザはユーザ端末２０の入力装置２０６を操作して、適用を希望する音声処理内容に関する音声処理ＩＤを含むリクエストをサーバ１０へ送信する。サーバ１０の音声変換部１０４２は、受信したリクエストに含まれる音声処理ＩＤに基づき、音声処理テーブル１０１５の音声処理ＩＤの項目を検索し、音声処理内容を取得する。つまり、サーバ１０の音声変換部１０４２は、ユーザから受け付けた選択指示に基づき音声処理内容を特定し選択する。
【0111】
＜変形例＞
なお、ユーザは、ユーザ端末２０の入力装置２０６を操作して、最適化したい評価指標の種別を選択する構成としても良い。具体的に、ユーザは、ユーザ端末２０の入力装置２０６を操作して、ＳＩＩＢ、ＨＡＳＰＩ、ＥＳＴＯＩ、ＰＥＳＱ、ＶｉＳＱＯＬなどの評価指標や、信頼性、信用性、心地良さ、快適性、好み、ストレス値、威圧度、興趣性などの評価指標を選択しても良い。例えば、ユーザは、ユーザ端末２０の入力装置２０６を操作して、ユーザがより聴きやすい（聴き取りやすい）といった選択肢や、ユーザがより快適性が得られるといった選択肢を選択する構成としても良い。
なお、ユーザ端末２０のディスプレイ２０８１は、ユーザが選択可能な評価指標をユーザに対して一覧して提示する構成としても良い。ユーザは、ユーザ端末２０の入力装置２０６を操作して、一覧して提示された評価指標から最適化したい項目を選択することにより、最適化したい評価指標の種別を選択する構成としても良い。
ユーザ端末２０は、選択した評価指標の種別を含むリクエストをサーバ１０に送信する。
サーバ１０の音声変換部１０４２は、受信したリクエストに含まれる評価指標の種別に基づき、音声処理モデル１０２３を選択する。具体的には、サーバ１０の音声変換部１０４２は、受信した評価指標の種別に応じて、より大きな評価指標を得るために最適化（学習）された音声処理モデル１０２３を選択する。
このとき、サーバ１０の音声変換部１０４２は、音声変換処理（第二実施例）のステップＳ３０２、ステップＳ３０３と同様に、通話に関する通話属性を取得し、取得した通話属性に基づき、複数の音声処理のうち所定の音声処理を選択する。なお、このとき、通話属性としては、音声変換処理（第二実施例）のステップＳ３０２、ステップＳ３０３と異なり、ユーザに関する属性情報と、顧客に関する属性情報とを入れ替えて適用する。音声変換処理（第四実施例）においては、顧客が音声データの話者となり、ユーザが変換音声データの聞き手となるためである。
なお、ユーザは、ユーザ端末２０の入力装置２０６を操作して、最適化したい評価指標の種別を選択する構成としても良い。具体的に、ユーザは、ユーザ端末２０の入力装置２０６を操作して、ＳＩＩＢ、ＨＡＳＰＩ、ＥＳＴＯＩ、ＰＥＳＱ、ＶｉＳＱＯＬなどの評価指標や、信頼性、信用性、心地良さ、快適性、好み、ストレス値、威圧度、興趣性などの評価指標を選択しても良い。例えば、ユーザは、ユーザ端末２０の入力装置２０６を操作して、ユーザがより聴きやすい（聴き取りやすい）といった選択肢や、ユーザがより快適性が得られるといった選択肢を選択する構成としても良い。
なお、ユーザ端末２０のディスプレイ２０８１は、ユーザが選択可能な評価指標をユーザに対して一覧して提示する構成としても良い。ユーザは、ユーザ端末２０の入力装置２０６を操作して、一覧して提示された評価指標から最適化したい項目を選択することにより、最適化したい評価指標の種別を選択する構成としても良い。
ユーザ端末２０は、選択した評価指標の種別を含むリクエストをサーバ１０に送信する。
サーバ１０の音声変換部１０４２は、受信したリクエストに含まれる評価指標の種別に基づき、音声処理モデル１０２３を選択する。具体的には、サーバ１０の音声変換部１０４２は、受信した評価指標の種別に応じて、より大きな評価指標を得るために最適化（学習）された音声処理モデル１０２３を選択する。
このとき、サーバ１０の音声変換部１０４２は、音声変換処理（第二実施例）のステップＳ３０２、ステップＳ３０３と同様に、通話に関する通話属性を取得し、取得した通話属性に基づき、複数の音声処理のうち所定の音声処理を選択する。なお、このとき、通話属性としては、音声変換処理（第二実施例）のステップＳ３０２、ステップＳ３０３と異なり、ユーザに関する属性情報と、顧客に関する属性情報とを入れ替えて適用する。音声変換処理（第四実施例）においては、顧客が音声データの話者となり、ユーザが変換音声データの聞き手となるためである。
【0112】
つまり、サーバ１０の音声変換部１０４２は、ユーザから受け付けた選択指示に基づき、直接的に音声処理ＩＤを受け付けて音声処理内容を特定し選択しても良いし、間接的に音声処理モデル１０２３を用いて音声処理ＩＤを特定し音声処理内容を特定し選択しても良い。
【0113】
サーバ１０の音声変換部１０４２は、顧客から通話音声を取得し、取得した通話音声を変換する。このとき、サーバ１０の音声変換部１０４２は、選択した音声処理内容に基づき、取得した通話音声を変換する。
具体的に、サーバ１０の音声変換部１０４２は、音声サーバ（ＰＢＸ）４０から顧客により発話された音声データを逐次的に取得する。サーバ１０の音声変換部１０４２は、顧客により発話後、発話された音声データをできるだけ遅延なく取得することが望ましい。
サーバ１０の音声変換部１０４２は、取得した通話属性、音声データに対して選択した音声処理内容を適用し、出力される変換音声データを取得する。
具体的に、サーバ１０の音声変換部１０４２は、音声サーバ（ＰＢＸ）４０から顧客により発話された音声データを逐次的に取得する。サーバ１０の音声変換部１０４２は、顧客により発話後、発話された音声データをできるだけ遅延なく取得することが望ましい。
サーバ１０の音声変換部１０４２は、取得した通話属性、音声データに対して選択した音声処理内容を適用し、出力される変換音声データを取得する。
【0114】
サーバ１０の音声変換部１０４２は、ステップＳ５０４において変換された通話音声をユーザへ出力する。ステップＳ５０５は、ユーザと顧客が入れ替わっていることを除き、音声変換処理（第一実施例）におけるステップＳ１０５と同様であるため説明を省略する。
【0115】
＜変形例＞
音声変換処理（第一実施例）、音声変換処理（第二実施例）、音声変換処理（第三実施例）のそれぞれステップＳ１０４、Ｓ３０４、Ｓ５０４において、上述したユーザと顧客がルームとよばれる仮想的な通話空間内で通話を行う場合は、サーバ１０の音声変換部１０４２は、音声サーバ（ＰＢＸ）４０を介さずに、サーバ１０が受け付けたユーザにより発話された音声データを逐次的に取得する構成としても良い。同様に、サーバ１０の音声変換部１０４２は、音声サーバ（ＰＢＸ）４０を介さずに、サーバ１０が受け付けた顧客により発話された音声データを逐次的に取得する構成としても良い。
音声変換処理（第一実施例）、音声変換処理（第二実施例）、音声変換処理（第三実施例）のそれぞれステップＳ１０４、Ｓ３０４、Ｓ５０４において、上述したユーザと顧客がルームとよばれる仮想的な通話空間内で通話を行う場合は、サーバ１０の音声変換部１０４２は、音声サーバ（ＰＢＸ）４０を介さずに、サーバ１０が受け付けたユーザにより発話された音声データを逐次的に取得する構成としても良い。同様に、サーバ１０の音声変換部１０４２は、音声サーバ（ＰＢＸ）４０を介さずに、サーバ１０が受け付けた顧客により発話された音声データを逐次的に取得する構成としても良い。
【0116】
同様に、音声変換処理（第一実施例）、音声変換処理（第二実施例）、音声変換処理（第三実施例）のそれぞれステップＳ１０５、Ｓ３０５、Ｓ５０５において、上述したユーザと顧客がルームとよばれる仮想的な通話空間内で通話を行う場合は、サーバ１０の音声変換部１０４２は、音声サーバ（ＰＢＸ）４０を介さずに、変換音声データを顧客端末５０に対して出力する構成としても良い。つまり、音声変換処理（第一実施例）、音声変換処理（第二実施例）、音声変換処理（第三実施例）において音声サーバ（ＰＢＸ）４０は必須の構成要件ではない。
【0117】
音声変換処理（第四実施例）において、上述したユーザと顧客がルームとよばれる仮想的な通話空間内で通話を行う場合は、サーバ１０の音声変換部１０４２は、音声サーバ（ＰＢＸ）４０を介さずに、サーバ１０が受け付けた顧客により発話された音声データを逐次的に取得する構成としても良い。同様に、サーバ１０の音声変換部１０４２は、音声サーバ（ＰＢＸ）４０を介さずに、サーバ１０が受け付けたユーザにより発話された音声データを逐次的に取得する構成としても良い。
【0118】
同様に、音声変換処理（第四実施例）において、上述したユーザと顧客がルームとよばれる仮想的な通話空間内で通話を行う場合は、サーバ１０の音声変換部１０４２は、音声サーバ（ＰＢＸ）４０を介さずに、変換音声データをユーザ端末２０に対して出力する構成としても良い。つまり、音声変換処理（第四実施例）において音声サーバ（ＰＢＸ）４０は必須の構成要件ではない。
【0119】
＜学習処理＞
生成モデル１０２２、音声処理モデル１０２３の学習処理を以下に説明する。なお、以下の学習処理は特定の評価指標（例えば、第１指標）に対する学習処理に関するもので、複数の評価指標を用いる場合は、第１指標、第２指標などの評価種別ごとに用意された複数の生成モデル１０２２、音声処理モデル１０２３のそれぞれに対して学習処理が行われる。
生成モデル１０２２、音声処理モデル１０２３の学習処理を以下に説明する。なお、以下の学習処理は特定の評価指標（例えば、第１指標）に対する学習処理に関するもので、複数の評価指標を用いる場合は、第１指標、第２指標などの評価種別ごとに用意された複数の生成モデル１０２２、音声処理モデル１０２３のそれぞれに対して学習処理が行われる。
【0120】
＜生成モデル１０２２の学習処理＞
生成モデル１０２２の学習処理は、生成モデル１０２２に含まれるディープニューラルネットワークの学習パラメータを深層学習により学習させる処理である。
生成モデル１０２２の学習処理は、生成モデル１０２２に含まれるディープニューラルネットワークの学習パラメータを深層学習により学習させる処理である。
【0121】
＜生成モデル１０２２の学習処理の概要＞
生成モデル１０２２の学習処理は、ユーザに関する属性情報、顧客に関する属性情報、通話に関する属性情報、音声データを入力データ（入力ベクトル）として、より大きな評価指標が得られる変換音声データを出力するように、生成モデル１０２２に含まれるディープニューラルネットワークの学習パラメータを深層学習により学習させる処理である。
生成モデル１０２２の学習処理は、ユーザに関する属性情報、顧客に関する属性情報、通話に関する属性情報、音声データを入力データ（入力ベクトル）として、より大きな評価指標が得られる変換音声データを出力するように、生成モデル１０２２に含まれるディープニューラルネットワークの学習パラメータを深層学習により学習させる処理である。
【0122】
＜生成モデル１０２２の学習処理の詳細＞
サーバ１０の学習部１０５１は、通話属性、音声データの各項目を学習用データセット１０３１から取得する。サーバ１０の学習部１０５１は、通話属性、音声データを入力データとして、生成モデル１０２２に含まれるディープニューラルネットワークの学習パラメータを変化させながら適用し、複数の変換音声データを生成する。
このとき、サーバ１０の学習部１０５１は、通話属性として、ユーザに関する属性情報、顧客に関する属性情報、通話に関する属性情報の少なくとも１つを入力データに含めて、それ以外を除外して学習処理を実行しても構わない。サーバ１０の学習部１０５１は、通話属性として、ユーザ属性、ユーザの所属する組織の組織名または組織属性、ユーザの感情情報、顧客属性、顧客の所属する組織の組織名または組織属性、顧客の感情情報、通話カテゴリ、受発信者種別、通話の感情情報のいずれか１つを入力データに含めて、それ以外を除外して学習処理を実行しても構わない。
サーバ１０の学習部１０５１は、通話属性、音声データを入力データとして、評価モデル１０２１に適用することにより、複数の変換音声データのそれぞれに対する聞き手側における評価指標が得られる。サーバ１０の学習部１０５１は、より大きな評価指標が得られるように生成モデル１０２２に含まれるディープニューラルネットワークの学習パラメータを最適化する。
これにより、通話属性、音声データを入力データとして、より大きな評価指標が得られる変換音声データを出力するような生成モデル１０２２を得ることができる。
サーバ１０の学習部１０５１は、通話属性、音声データの各項目を学習用データセット１０３１から取得する。サーバ１０の学習部１０５１は、通話属性、音声データを入力データとして、生成モデル１０２２に含まれるディープニューラルネットワークの学習パラメータを変化させながら適用し、複数の変換音声データを生成する。
このとき、サーバ１０の学習部１０５１は、通話属性として、ユーザに関する属性情報、顧客に関する属性情報、通話に関する属性情報の少なくとも１つを入力データに含めて、それ以外を除外して学習処理を実行しても構わない。サーバ１０の学習部１０５１は、通話属性として、ユーザ属性、ユーザの所属する組織の組織名または組織属性、ユーザの感情情報、顧客属性、顧客の所属する組織の組織名または組織属性、顧客の感情情報、通話カテゴリ、受発信者種別、通話の感情情報のいずれか１つを入力データに含めて、それ以外を除外して学習処理を実行しても構わない。
サーバ１０の学習部１０５１は、通話属性、音声データを入力データとして、評価モデル１０２１に適用することにより、複数の変換音声データのそれぞれに対する聞き手側における評価指標が得られる。サーバ１０の学習部１０５１は、より大きな評価指標が得られるように生成モデル１０２２に含まれるディープニューラルネットワークの学習パラメータを最適化する。
これにより、通話属性、音声データを入力データとして、より大きな評価指標が得られる変換音声データを出力するような生成モデル１０２２を得ることができる。
【0123】
サーバ１０の学習部１０５１は、生成モデル１０２２をＧＡＮ（Ｇｅｎｅｒａｔｉｖｅ Ａｄｖｅｒｓａｒｉａｌ Ｎｅｔｗｏｒｋ、敵対的生成ネットワーク）などの任意の学習モデルとして構成しても良い。
【0124】
＜音声処理モデル１０２３の学習処理＞
音声処理モデル１０２３の学習処理は、音声処理モデル１０２３に含まれるディープニューラルネットワークの学習パラメータを深層学習により学習させる処理である。
音声処理モデル１０２３の学習処理は、音声処理モデル１０２３に含まれるディープニューラルネットワークの学習パラメータを深層学習により学習させる処理である。
【0125】
＜音声処理モデル１０２３の学習処理の概要＞
音声処理モデル１０２３の学習処理は、ユーザ属性、顧客属性、通話カテゴリ、受発信種別などの通話属性を入力データ（入力ベクトル）として、より大きな評価指標が得られる音声処理内容を出力するように、音声処理モデル１０２３に含まれるディープニューラルネットワークの学習パラメータを深層学習により学習させる処理である。
具体的には、音声処理モデル１０２３の学習処理における音声処理モデル１０２３は、通話属性を入力データ（入力ベクトル）として、より大きな評価指標が得られる音声処理テーブル１０１５における音声処理ＩＤを出力する学習モデルである。
音声処理モデル１０２３の学習処理は、ユーザ属性、顧客属性、通話カテゴリ、受発信種別などの通話属性を入力データ（入力ベクトル）として、より大きな評価指標が得られる音声処理内容を出力するように、音声処理モデル１０２３に含まれるディープニューラルネットワークの学習パラメータを深層学習により学習させる処理である。
具体的には、音声処理モデル１０２３の学習処理における音声処理モデル１０２３は、通話属性を入力データ（入力ベクトル）として、より大きな評価指標が得られる音声処理テーブル１０１５における音声処理ＩＤを出力する学習モデルである。
【0126】
＜音声処理モデル１０２３の学習処理の詳細＞
サーバ１０の学習部１０５１は、学習用データセット１０３１に含まれる通話属性に関連づけられた音声データに対して、音声処理テーブル１０１５に格納されている音声処理内容をそれぞれ適用した複数の音声処理データを生成する。
サーバ１０の学習部１０５１は、通話属性を入力データとして、当該通話属性に関連付けられた複数の音声処理データを評価モデル１０２１に適用することにより、複数の音声処理データのそれぞれに対する評価指標が得られる。サーバ１０の学習部１０５１は、より大きな評価指標が得られるような音声処理ＩＤを得られるように、音声処理モデル１０２３に含まれるディープニューラルネットワークの学習パラメータを最適化する。
これにより、通話属性を入力データとして、より大きな評価指標が得られる音声処理ＩＤを出力するような音声処理モデル１０２３を得ることができる。
サーバ１０の学習部１０５１は、学習用データセット１０３１に含まれる通話属性に関連づけられた音声データに対して、音声処理テーブル１０１５に格納されている音声処理内容をそれぞれ適用した複数の音声処理データを生成する。
サーバ１０の学習部１０５１は、通話属性を入力データとして、当該通話属性に関連付けられた複数の音声処理データを評価モデル１０２１に適用することにより、複数の音声処理データのそれぞれに対する評価指標が得られる。サーバ１０の学習部１０５１は、より大きな評価指標が得られるような音声処理ＩＤを得られるように、音声処理モデル１０２３に含まれるディープニューラルネットワークの学習パラメータを最適化する。
これにより、通話属性を入力データとして、より大きな評価指標が得られる音声処理ＩＤを出力するような音声処理モデル１０２３を得ることができる。
【0127】
なお、音声処理モデル１０２３の学習処理においては、入力データ（入力ベクトル）に通話属性に加えて音声データを含めても構わない。
【0128】
＜コンピュータの基本ハードウェア構成＞
図１６は、コンピュータ９０の基本的なハードウェア構成を示すブロック図である。コンピュータ９０は、プロセッサ９０１、主記憶装置９０２、補助記憶装置９０３、通信ＩＦ９９１（インタフェース、Interface）を少なくとも備える。これらは通信バス９２１により相互に電気的に接続される。
図１６は、コンピュータ９０の基本的なハードウェア構成を示すブロック図である。コンピュータ９０は、プロセッサ９０１、主記憶装置９０２、補助記憶装置９０３、通信ＩＦ９９１（インタフェース、Interface）を少なくとも備える。これらは通信バス９２１により相互に電気的に接続される。
【0129】
プロセッサ９０１とは、プログラムに記述された命令セットを実行するためのハードウェアである。プロセッサ９０１は、演算装置、レジスタ、周辺回路等から構成される。
【0130】
主記憶装置９０２とは、プログラム、及びプログラム等で処理されるデータ等を一時的に記憶するためのものである。例えば、ＤＲＡＭ（Dynamic Random Access Memory）等の揮発性のメモリである。
【0131】
補助記憶装置９０３とは、データ及びプログラムを保存するための記憶装置である。例えば、フラッシュメモリ、ＨＤＤ（Hard Disc Drive）、光磁気ディスク、ＣＤ－ＲＯＭ、ＤＶＤ－ＲＯＭ、半導体メモリ等である。
【0132】
通信ＩＦ９９１とは、有線又は無線の通信規格を用いて、他のコンピュータとネットワークを介して通信するための信号を入出力するためのインタフェースである。
ネットワークは、インターネット、ＬＡＮ、無線基地局等によって構築される各種移動通信システム等で構成される。例えば、ネットワークには、３Ｇ、４Ｇ、５Ｇ移動通信システム、ＬＴＥ（Long Term Evolution）、所定のアクセスポイントによってインターネットに接続可能な無線ネットワーク（例えばWi-Fi（登録商標））等が含まれる。無線で接続する場合、通信プロトコルとして例えば、Ｚ－Ｗａｖｅ（登録商標）、ＺｉｇＢｅｅ（登録商標）、Ｂｌｕｅｔｏｏｔｈ（登録商標）等が含まれる。有線で接続する場合は、ネットワークには、ＵＳＢ（Universal Serial Bus）ケーブル等により直接接続するものも含む。
ネットワークは、インターネット、ＬＡＮ、無線基地局等によって構築される各種移動通信システム等で構成される。例えば、ネットワークには、３Ｇ、４Ｇ、５Ｇ移動通信システム、ＬＴＥ（Long Term Evolution）、所定のアクセスポイントによってインターネットに接続可能な無線ネットワーク（例えばWi-Fi（登録商標））等が含まれる。無線で接続する場合、通信プロトコルとして例えば、Ｚ－Ｗａｖｅ（登録商標）、ＺｉｇＢｅｅ（登録商標）、Ｂｌｕｅｔｏｏｔｈ（登録商標）等が含まれる。有線で接続する場合は、ネットワークには、ＵＳＢ（Universal Serial Bus）ケーブル等により直接接続するものも含む。
【0133】
なお、各ハードウェア構成の全部または一部を複数のコンピュータ９０に分散して設け、ネットワークを介して相互に接続することによりコンピュータ９０を仮想的に実現することができる。このように、コンピュータ９０は、単一の筐体、ケースに収納されたコンピュータ９０だけでなく、仮想化されたコンピュータシステムも含む概念である。
【0134】
＜コンピュータ９０の基本機能構成＞
コンピュータ９０の基本ハードウェア構成（図１６）により実現されるコンピュータの機能構成を説明する。コンピュータは、制御部、記憶部、通信部の機能ユニットを少なくとも備える。
コンピュータ９０の基本ハードウェア構成（図１６）により実現されるコンピュータの機能構成を説明する。コンピュータは、制御部、記憶部、通信部の機能ユニットを少なくとも備える。
【0135】
なお、コンピュータ９０が備える機能ユニットは、それぞれの機能ユニットの全部または一部を、ネットワークで相互に接続された複数のコンピュータ９０に分散して設けても実現することができる。コンピュータ９０は、単一のコンピュータ９０だけでなく、仮想化されたコンピュータシステムも含む概念である。
【0136】
制御部は、プロセッサ９０１が補助記憶装置９０３に記憶された各種プログラムを読み出して主記憶装置９０２に展開し、当該プログラムに従って処理を実行することにより実現される。制御部は、プログラムの種類に応じて様々な情報処理を行う機能ユニットを実現することができる。これにより、コンピュータは情報処理を行う情報処理装置として実現される。
【0137】
記憶部は、主記憶装置９０２、補助記憶装置９０３により実現される。記憶部は、データ、各種プログラム、各種データベースを記憶する。また、プロセッサ９０１は、プログラムに従って記憶部に対応する記憶領域を主記憶装置９０２または補助記憶装置９０３に確保することができる。また、制御部は、各種プログラムに従ってプロセッサ９０１に、記憶部に記憶されたデータの追加、更新、削除処理を実行させることができる。
【0138】
データベースは、リレーショナルデータベースを指し、行と列によって構造的に規定された表形式のテーブル、マスタと呼ばれるデータ集合を、互いに関連づけて管理するためのものである。データベースでは、表をテーブル、マスタ、表の列をカラム、表の行をレコードと呼ぶ。リレーショナルデータベースでは、テーブル、マスタ同士の関係を設定し、関連づけることができる。
通常、各テーブル、各マスタにはレコードを一意に特定するための主キーとなるカラムが設定されるが、カラムへの主キーの設定は必須ではない。制御部は、各種プログラムに従ってプロセッサ９０１に、記憶部に記憶された特定のテーブル、マスタにレコードを追加、削除、更新を実行させることができる。
通常、各テーブル、各マスタにはレコードを一意に特定するための主キーとなるカラムが設定されるが、カラムへの主キーの設定は必須ではない。制御部は、各種プログラムに従ってプロセッサ９０１に、記憶部に記憶された特定のテーブル、マスタにレコードを追加、削除、更新を実行させることができる。
【0139】
なお、本開示におけるデータベース、マスタは、情報が構造的に規定された任意のデータ構造体（リスト、辞書、連想配列、オブジェクトなど）を含み得る。データ構造体には、データと、任意のプログラミング言語により記述された関数、クラス、メソッドなどを組み合わせることにより、データ構造体と見なし得るデータも含むものとする。
【0140】
通信部は、通信ＩＦ９９１により実現される。通信部は、ネットワークを介して他のコンピュータ９０と通信を行う機能を実現する。通信部は、他のコンピュータ９０から送信された情報を受信し、制御部へ入力することができる。制御部は、各種プログラムに従ってプロセッサ９０１に、受信した情報に対する情報処理を実行させることができる。また、通信部は、制御部から出力された情報を他のコンピュータ９０へ送信することができる。
【0141】
＜付記＞
以上の各実施形態で説明した事項を以下に付記する。
以上の各実施形態で説明した事項を以下に付記する。
【0142】
（付記１）
プロセッサと、記憶部とを備え、コンピュータに第１ユーザと第２ユーザとの間で行われる通話を行うプログラムであって、プログラムは、プロセッサに、第１ユーザから通話音声を取得する音声取得ステップ（Ｓ１０４、Ｓ３０４）と、音声取得ステップにおいて取得した通話音声を変換する変換ステップ（Ｓ１０４、Ｓ３０４）と、変換ステップにおいて変換された通話音声を第２ユーザへ出力する出力ステップ（Ｓ１０５、Ｓ３０５）と、通話に関する通話属性を取得する属性取得ステップ（Ｓ１０２、S３０２）と、を実行させ、変換ステップは、属性取得ステップにおいて取得した通話属性に基づき、音声取得ステップにおいて取得した通話音声を変換するステップを含む、プログラム。
これにより、複数のユーザ間で行われる通話において、通話属性に応じて、顧客は、より適した音声でユーザと通話を行うことができる。
プロセッサと、記憶部とを備え、コンピュータに第１ユーザと第２ユーザとの間で行われる通話を行うプログラムであって、プログラムは、プロセッサに、第１ユーザから通話音声を取得する音声取得ステップ（Ｓ１０４、Ｓ３０４）と、音声取得ステップにおいて取得した通話音声を変換する変換ステップ（Ｓ１０４、Ｓ３０４）と、変換ステップにおいて変換された通話音声を第２ユーザへ出力する出力ステップ（Ｓ１０５、Ｓ３０５）と、通話に関する通話属性を取得する属性取得ステップ（Ｓ１０２、S３０２）と、を実行させ、変換ステップは、属性取得ステップにおいて取得した通話属性に基づき、音声取得ステップにおいて取得した通話音声を変換するステップを含む、プログラム。
これにより、複数のユーザ間で行われる通話において、通話属性に応じて、顧客は、より適した音声でユーザと通話を行うことができる。
【0143】
（付記２）
変換ステップは、属性取得ステップにおいて取得した通話属性および音声取得ステップにおいて取得した通話音声に対して生成モデルを適用することにより、通話音声を変換するステップである、付記１記載のプログラム。
これにより、複数のユーザ間で行われる通話において、通話属性に応じて、顧客は、より適した音声でユーザと通話を行うことができる。
変換ステップは、属性取得ステップにおいて取得した通話属性および音声取得ステップにおいて取得した通話音声に対して生成モデルを適用することにより、通話音声を変換するステップである、付記１記載のプログラム。
これにより、複数のユーザ間で行われる通話において、通話属性に応じて、顧客は、より適した音声でユーザと通話を行うことができる。
【0144】
（付記３）
プログラムは、プロセッサに、属性取得ステップにおいて取得した通話属性に基づき、複数の音声処理のうち所定の音声処理を選択する選択ステップ（Ｓ３０３）と、を実行させ、変換ステップは、音声取得ステップにおいて取得した通話音声に、選択ステップにおいて選択された所定の音声処理を適用することにより、通話音声を変換するステップである、付記１記載のプログラム。
これにより、複数のユーザ間で行われる通話において、通話属性に応じて、顧客は、より適した音声でユーザと通話を行うことができる。
プログラムは、プロセッサに、属性取得ステップにおいて取得した通話属性に基づき、複数の音声処理のうち所定の音声処理を選択する選択ステップ（Ｓ３０３）と、を実行させ、変換ステップは、音声取得ステップにおいて取得した通話音声に、選択ステップにおいて選択された所定の音声処理を適用することにより、通話音声を変換するステップである、付記１記載のプログラム。
これにより、複数のユーザ間で行われる通話において、通話属性に応じて、顧客は、より適した音声でユーザと通話を行うことができる。
【0145】
（付記４）
選択ステップは、複数の音声処理のうち、第２ユーザにとってより聴きやすい音声となるような所定の音声処理を選択するステップである、付記３記載のプログラム。
これにより、複数のユーザ間で行われる通話において、通話属性に応じて、顧客は、より聴きやすい音声でユーザと通話を行うことができる。
選択ステップは、複数の音声処理のうち、第２ユーザにとってより聴きやすい音声となるような所定の音声処理を選択するステップである、付記３記載のプログラム。
これにより、複数のユーザ間で行われる通話において、通話属性に応じて、顧客は、より聴きやすい音声でユーザと通話を行うことができる。
【0146】
（付記５）
選択ステップは、複数の音声処理のうち、第２ユーザにとってより信頼性が得られるような所定の音声処理を選択するステップである、付記３または４記載のプログラム。
これにより、複数のユーザ間で行われる通話において、通話属性に応じて、通話を通じて、ユーザは顧客に対して信頼感のある印象を与えることができる。
選択ステップは、複数の音声処理のうち、第２ユーザにとってより信頼性が得られるような所定の音声処理を選択するステップである、付記３または４記載のプログラム。
これにより、複数のユーザ間で行われる通話において、通話属性に応じて、通話を通じて、ユーザは顧客に対して信頼感のある印象を与えることができる。
【0147】
（付記６）
選択ステップは、属性取得ステップにおいて取得した通話属性に対して音声処理モデルを適用することにより、所定の音声処理を選択する（Ｓ３０４、Ｓ５０４）ステップである、付記３から５のいずれか記載のプログラム。
これにより、複数のユーザ間で行われる通話において、通話属性に応じて、顧客は、より適した音声でユーザと通話を行うことができる。
選択ステップは、属性取得ステップにおいて取得した通話属性に対して音声処理モデルを適用することにより、所定の音声処理を選択する（Ｓ３０４、Ｓ５０４）ステップである、付記３から５のいずれか記載のプログラム。
これにより、複数のユーザ間で行われる通話において、通話属性に応じて、顧客は、より適した音声でユーザと通話を行うことができる。
【0148】
（付記７）
プロセッサと、記憶部とを備え、コンピュータに第１ユーザと第２ユーザとの間で行われる通話を行うプログラムであって、プログラムは、プロセッサに、第１ユーザから通話音声を取得する音声取得ステップ（Ｓ５０４）と、音声取得ステップにおいて取得した通話音声を変換する変換ステップ（Ｓ５０４）と、変換ステップにおいて変換された通話音声を第２ユーザへ出力する出力ステップ（Ｓ５０５）と、第１ユーザから受け付けた選択指示に基づき、複数の音声処理のうち所定の音声処理を選択する選択ステップ（Ｓ５０３）と、を実行させ、変換ステップは、音声取得ステップにおいて取得した通話音声に、選択ステップにおいて選択された所定の音声処理を適用することにより、通話音声を変換するステップである、プログラム。
これにより、複数のユーザ間で行われる通話において、ユーザからの選択指示に基づき、顧客は、より適した音声でユーザと通話を行うことができる。
プロセッサと、記憶部とを備え、コンピュータに第１ユーザと第２ユーザとの間で行われる通話を行うプログラムであって、プログラムは、プロセッサに、第１ユーザから通話音声を取得する音声取得ステップ（Ｓ５０４）と、音声取得ステップにおいて取得した通話音声を変換する変換ステップ（Ｓ５０４）と、変換ステップにおいて変換された通話音声を第２ユーザへ出力する出力ステップ（Ｓ５０５）と、第１ユーザから受け付けた選択指示に基づき、複数の音声処理のうち所定の音声処理を選択する選択ステップ（Ｓ５０３）と、を実行させ、変換ステップは、音声取得ステップにおいて取得した通話音声に、選択ステップにおいて選択された所定の音声処理を適用することにより、通話音声を変換するステップである、プログラム。
これにより、複数のユーザ間で行われる通話において、ユーザからの選択指示に基づき、顧客は、より適した音声でユーザと通話を行うことができる。
【0149】
（付記８）
プログラムは、プロセッサに、通話に関する通話属性を取得する属性取得ステップと、を実行させ、選択ステップは、第１ユーザから評価指標の種別の選択指示を受け付けるステップと、属性取得ステップにおいて取得した通話属性および受け付けた評価指標に基づき、複数の音声処理のうち所定の音声処理を選択するステップと、を含む、付記７記載のプログラム。
これにより、複数のユーザ間で行われる通話において、ユーザから選択指示を受け付けた評価指標の種別に基づき、通話属性に応じて、顧客は、より適した音声でユーザと通話を行うことができる。
プログラムは、プロセッサに、通話に関する通話属性を取得する属性取得ステップと、を実行させ、選択ステップは、第１ユーザから評価指標の種別の選択指示を受け付けるステップと、属性取得ステップにおいて取得した通話属性および受け付けた評価指標に基づき、複数の音声処理のうち所定の音声処理を選択するステップと、を含む、付記７記載のプログラム。
これにより、複数のユーザ間で行われる通話において、ユーザから選択指示を受け付けた評価指標の種別に基づき、通話属性に応じて、顧客は、より適した音声でユーザと通話を行うことができる。
【0150】
（付記９）
選択ステップは、第１ユーザから最適化したい評価指標の種別の選択指示を受け付けるステップと、属性取得ステップにおいて取得した通話属性および受け付けた評価指標に基づき、複数の音声処理のうち、評価指標を最適化するような所定の音声処理を選択するステップと、を含む、付記８記載のプログラム。
これにより、複数のユーザ間で行われる通話において、ユーザから選択指示を受け付けた評価指標の種別に基づき、通話属性に応じて、顧客は、より適した音声でユーザと通話を行うことができる。
選択ステップは、第１ユーザから最適化したい評価指標の種別の選択指示を受け付けるステップと、属性取得ステップにおいて取得した通話属性および受け付けた評価指標に基づき、複数の音声処理のうち、評価指標を最適化するような所定の音声処理を選択するステップと、を含む、付記８記載のプログラム。
これにより、複数のユーザ間で行われる通話において、ユーザから選択指示を受け付けた評価指標の種別に基づき、通話属性に応じて、顧客は、より適した音声でユーザと通話を行うことができる。
【0151】
（付記１０）
選択ステップは、第１ユーザから評価指標の種別の選択指示を受け付けるステップと、属性取得ステップにおいて取得した通話属性および受け付けた評価指標に対して音声処理モデルを適用することにより、複数の音声処理のうち所定の音声処理を選択するステップと、を含む、付記８または９記載のプログラム。
これにより、複数のユーザ間で行われる通話において、ユーザから選択指示を受け付けた評価指標の種別に基づき、通話属性に応じて、顧客は、より適した音声でユーザと通話を行うことができる。
選択ステップは、第１ユーザから評価指標の種別の選択指示を受け付けるステップと、属性取得ステップにおいて取得した通話属性および受け付けた評価指標に対して音声処理モデルを適用することにより、複数の音声処理のうち所定の音声処理を選択するステップと、を含む、付記８または９記載のプログラム。
これにより、複数のユーザ間で行われる通話において、ユーザから選択指示を受け付けた評価指標の種別に基づき、通話属性に応じて、顧客は、より適した音声でユーザと通話を行うことができる。
【0152】
（付記１１）
音声取得ステップは、第２ユーザから第２通話音声を取得するステップを含み、選択ステップは、第２ユーザからは選択指示を受け付けることができず、変換ステップは、音声取得ステップにおいて取得した第２通話音声は変換しないステップである、付記８から１０のいずれか記載のプログラム。
これにより、第２ユーザの音声を変換せずに、第１ユーザは、第２ユーザの音声を確認しつつ第２ユーザとの通話を行うことができる。
音声取得ステップは、第２ユーザから第２通話音声を取得するステップを含み、選択ステップは、第２ユーザからは選択指示を受け付けることができず、変換ステップは、音声取得ステップにおいて取得した第２通話音声は変換しないステップである、付記８から１０のいずれか記載のプログラム。
これにより、第２ユーザの音声を変換せずに、第１ユーザは、第２ユーザの音声を確認しつつ第２ユーザとの通話を行うことができる。
【0153】
（付記１２）
属性取得ステップは、第２ユーザに関する属性情報を取得するステップを含み、変換ステップは、属性取得ステップにおいて取得した第２ユーザに関する属性情報に基づき、音声取得ステップにおいて取得した通話音声を変換するステップを含む、付記１から６、８から１１のいずれか記載のプログラム。
これにより、複数のユーザ間で行われる通話において、顧客に関する属性情報に応じて、顧客は、より適した音声でユーザと通話を行うことができる。
属性取得ステップは、第２ユーザに関する属性情報を取得するステップを含み、変換ステップは、属性取得ステップにおいて取得した第２ユーザに関する属性情報に基づき、音声取得ステップにおいて取得した通話音声を変換するステップを含む、付記１から６、８から１１のいずれか記載のプログラム。
これにより、複数のユーザ間で行われる通話において、顧客に関する属性情報に応じて、顧客は、より適した音声でユーザと通話を行うことができる。
【0154】
（付記１３）
属性取得ステップは、第１ユーザに関する属性情報を取得するステップを含み、変換ステップは、属性取得ステップにおいて取得した第１ユーザに関する属性情報に基づき、音声取得ステップにおいて取得した通話音声を変換するステップを含む、付記１から６、８から１２のいずれか記載のプログラム。
これにより、複数のユーザ間で行われる通話において、ユーザに関する属性情報に応じて、顧客は、より適した音声でユーザと通話を行うことができる。
属性取得ステップは、第１ユーザに関する属性情報を取得するステップを含み、変換ステップは、属性取得ステップにおいて取得した第１ユーザに関する属性情報に基づき、音声取得ステップにおいて取得した通話音声を変換するステップを含む、付記１から６、８から１２のいずれか記載のプログラム。
これにより、複数のユーザ間で行われる通話において、ユーザに関する属性情報に応じて、顧客は、より適した音声でユーザと通話を行うことができる。
【0155】
（付記１４）
属性取得ステップは、通話に関する属性情報を取得するステップを含み、変換ステップは、属性取得ステップにおいて取得した通話に関する属性情報に基づき、音声取得ステップにおいて取得した通話音声を変換するステップを含む、付記１から６、８から１３のいずれか記載のプログラム。
これにより、複数のユーザ間で行われる通話において、通話に関する属性情報に応じて、顧客は、より適した音声でユーザと通話を行うことができる。
属性取得ステップは、通話に関する属性情報を取得するステップを含み、変換ステップは、属性取得ステップにおいて取得した通話に関する属性情報に基づき、音声取得ステップにおいて取得した通話音声を変換するステップを含む、付記１から６、８から１３のいずれか記載のプログラム。
これにより、複数のユーザ間で行われる通話において、通話に関する属性情報に応じて、顧客は、より適した音声でユーザと通話を行うことができる。
【0156】
（付記１５）
属性取得ステップは、通話に関する属性情報を取得するステップを含み、変換ステップは、属性取得ステップにおいて取得した通話におけるユーザまたは顧客の感情に関する情報に基づき、音声取得ステップにおいて取得した通話音声を変換するステップを含む、付記１から６、８から１４のいずれか記載のプログラム。
これにより、複数のユーザ間で行われる通話において、ユーザまたは顧客の感情情報に応じて、顧客は、より適した音声でユーザと通話を行うことができる。例えば、ユーザまたは顧客の感情状態に応じて、より適した音声でユーザと通話を行うことができる。
属性取得ステップは、通話に関する属性情報を取得するステップを含み、変換ステップは、属性取得ステップにおいて取得した通話におけるユーザまたは顧客の感情に関する情報に基づき、音声取得ステップにおいて取得した通話音声を変換するステップを含む、付記１から６、８から１４のいずれか記載のプログラム。
これにより、複数のユーザ間で行われる通話において、ユーザまたは顧客の感情情報に応じて、顧客は、より適した音声でユーザと通話を行うことができる。例えば、ユーザまたは顧客の感情状態に応じて、より適した音声でユーザと通話を行うことができる。
【0157】
（付記１６）
属性取得ステップにおいて取得する通話属性は、ユーザおよび顧客の周辺環境、通話環境に関する情報は含まない、付記１から１５のいずれか記載のプログラム。
これにより、複数のユーザ間で行われる通話において、通話属性に応じて、顧客は、より適した音声でユーザと通話を行うことができる。
属性取得ステップにおいて取得する通話属性は、ユーザおよび顧客の周辺環境、通話環境に関する情報は含まない、付記１から１５のいずれか記載のプログラム。
これにより、複数のユーザ間で行われる通話において、通話属性に応じて、顧客は、より適した音声でユーザと通話を行うことができる。
【0158】
（付記１７）
変換ステップは、音声取得ステップにおいて取得した通話音声のうち、人物の音声成分を変換するステップを含み、音声取得ステップにおいて取得した通話音声のうち、人物の音声成分以外の背景雑音、ノイズ、騒音などの音声成分を変換するステップを含まない、付記１から１６のいずれか記載のプログラム。
これにより、複数のユーザ間で行われる通話において、通話属性に応じて、顧客は、より適した音声でユーザと通話を行うことができる。
変換ステップは、音声取得ステップにおいて取得した通話音声のうち、人物の音声成分を変換するステップを含み、音声取得ステップにおいて取得した通話音声のうち、人物の音声成分以外の背景雑音、ノイズ、騒音などの音声成分を変換するステップを含まない、付記１から１６のいずれか記載のプログラム。
これにより、複数のユーザ間で行われる通話において、通話属性に応じて、顧客は、より適した音声でユーザと通話を行うことができる。
【0159】
（付記１８）
プログラムは、プロセッサに、第１ユーザから受け付けた第２選択指示に基づき、複数の音声処理のうち第２音声処理を選択する第２選択ステップと、を実行させ、音声取得ステップは、第２ユーザから第２通話音声を取得するステップを含み、変換ステップは、取得ステップにおいて取得した第２通話音声に、第２選択ステップにおいて選択された第２音声処理を適用することにより、第２通話音声を変換するステップを含み、出力ステップは、変換ステップにおいて変換された第２通話音声を第１ユーザへ出力するステップを含む、付記１から１７のいずれか記載のプログラム。
これにより、例えば、複数の音声処理のうち、ユーザにとってより聴きやすい音声で顧客と通話を行うことができる。例えば、複数の音声処理のうち、ユーザにとってより快適性が得られるような所定の音声で顧客と通話を行うことができる。例えば、複数の音声処理のうち、ユーザの好みの音声、ストレス値が小さくなる、興趣性が高まるような所定の音声で顧客と通話を行うことができる。例えば、顧客が怒っている場合などには、ユーザは、複数の音声処理のうち、抑揚を小さくしたり、音声を小さくする音声処理を選択することにより、顧客との応対に伴う心理的ストレスを低減させることができる。
プログラムは、プロセッサに、第１ユーザから受け付けた第２選択指示に基づき、複数の音声処理のうち第２音声処理を選択する第２選択ステップと、を実行させ、音声取得ステップは、第２ユーザから第２通話音声を取得するステップを含み、変換ステップは、取得ステップにおいて取得した第２通話音声に、第２選択ステップにおいて選択された第２音声処理を適用することにより、第２通話音声を変換するステップを含み、出力ステップは、変換ステップにおいて変換された第２通話音声を第１ユーザへ出力するステップを含む、付記１から１７のいずれか記載のプログラム。
これにより、例えば、複数の音声処理のうち、ユーザにとってより聴きやすい音声で顧客と通話を行うことができる。例えば、複数の音声処理のうち、ユーザにとってより快適性が得られるような所定の音声で顧客と通話を行うことができる。例えば、複数の音声処理のうち、ユーザの好みの音声、ストレス値が小さくなる、興趣性が高まるような所定の音声で顧客と通話を行うことができる。例えば、顧客が怒っている場合などには、ユーザは、複数の音声処理のうち、抑揚を小さくしたり、音声を小さくする音声処理を選択することにより、顧客との応対に伴う心理的ストレスを低減させることができる。
【0160】
（付記１９）
プロセッサと、記憶部とを備える情報処理装置であって、プロセッサに、第１ユーザから通話音声を取得する音声取得ステップ（Ｓ１０４、Ｓ３０４）と、音声取得ステップにおいて取得した通話音声を変換する変換ステップ（Ｓ１０４、Ｓ３０４）と、変換ステップにおいて変換された通話音声を第２ユーザへ出力する出力ステップ（Ｓ１０５、Ｓ３０５）と、通話に関する通話属性を取得する属性取得ステップ（Ｓ１０２、S３０２）と、を実行させ、変換ステップは、属性取得ステップにおいて取得した通話属性に基づき、音声取得ステップにおいて取得した通話音声を変換するステップを含む、情報処理装置。
これにより、複数のユーザ間で行われる通話において、通話属性に応じて、顧客は、より適した音声でユーザと通話を行うことができる。
プロセッサと、記憶部とを備える情報処理装置であって、プロセッサに、第１ユーザから通話音声を取得する音声取得ステップ（Ｓ１０４、Ｓ３０４）と、音声取得ステップにおいて取得した通話音声を変換する変換ステップ（Ｓ１０４、Ｓ３０４）と、変換ステップにおいて変換された通話音声を第２ユーザへ出力する出力ステップ（Ｓ１０５、Ｓ３０５）と、通話に関する通話属性を取得する属性取得ステップ（Ｓ１０２、S３０２）と、を実行させ、変換ステップは、属性取得ステップにおいて取得した通話属性に基づき、音声取得ステップにおいて取得した通話音声を変換するステップを含む、情報処理装置。
これにより、複数のユーザ間で行われる通話において、通話属性に応じて、顧客は、より適した音声でユーザと通話を行うことができる。
【0161】
（付記２０）
プロセッサと、記憶部とを備えるコンピュータにより実行される情報処理方法であって、プロセッサに、第１ユーザから通話音声を取得する音声取得ステップ（Ｓ１０４、Ｓ３０４）と、音声取得ステップにおいて取得した通話音声を変換する変換ステップ（Ｓ１０４、Ｓ３０４）と、変換ステップにおいて変換された通話音声を第２ユーザへ出力する出力ステップ（Ｓ１０５、Ｓ３０５）と、通話に関する通話属性を取得する属性取得ステップ（Ｓ１０２、S３０２）と、を実行させ、変換ステップは、属性取得ステップにおいて取得した通話属性に基づき、音声取得ステップにおいて取得した通話音声を変換するステップを含む、情報処理方法。
これにより、複数のユーザ間で行われる通話において、通話属性に応じて、顧客は、より適した音声でユーザと通話を行うことができる。
プロセッサと、記憶部とを備えるコンピュータにより実行される情報処理方法であって、プロセッサに、第１ユーザから通話音声を取得する音声取得ステップ（Ｓ１０４、Ｓ３０４）と、音声取得ステップにおいて取得した通話音声を変換する変換ステップ（Ｓ１０４、Ｓ３０４）と、変換ステップにおいて変換された通話音声を第２ユーザへ出力する出力ステップ（Ｓ１０５、Ｓ３０５）と、通話に関する通話属性を取得する属性取得ステップ（Ｓ１０２、S３０２）と、を実行させ、変換ステップは、属性取得ステップにおいて取得した通話属性に基づき、音声取得ステップにおいて取得した通話音声を変換するステップを含む、情報処理方法。
これにより、複数のユーザ間で行われる通話において、通話属性に応じて、顧客は、より適した音声でユーザと通話を行うことができる。
【符号の説明】
【0162】
１ 情報処理システム、１０ サーバ、１０１ 記憶部、１０３ 制御部、２０Ａ，２０Ｂ，２０Ｃ ユーザ端末、２０１ 記憶部、２０４ 制御部、３０ ＣＲＭシステム、３０１ 記憶部、３０４ 制御部、５０Ａ，５０Ｂ，５０Ｃ 顧客端末、５０１ 記憶部、５０４ 制御部
【図1】
【図2】
【図3】
【図4】
【図5】
【図6】
【図7】
【図8】
【図9】
【図10】
【図11】
【図12】
【図13】
【図14】
【図15】
【図16】
