富士通研究所（川崎市中原区、佐々木 繁社長）は、会話音声から、発話者が満足／不満足を感じている箇所を特定する音声分析技術を開発した。コールセンターや店舗、窓口などの顧客応対業務での活用を想定している。
「満足」の感情と高い相関関係にあるとされる「声の明るさ」に着目。発話者の声の高さ（トーン）の平均値や変化パターンを自動評価し、会話中の満足・不満を抽出する（画像１）。言葉と声の両方から判断することで、より適切なオペレータ教育や正確な応対評価が可能となる。また、応対者に対し、どのトークが良かったのか（あるいは悪かったのか）を具体的に示すことで、納得度の高いフィードバックが可能となる。
![画像１]()
画像１ 「声の明るさ」を定量化
なお、満足や不満の判定基準は、機械学習を利用して過去の会話音声と評価データを紐づけて学習、個別にカスタマイズすることもできる（画像２）。
![画像２]()
画像２ システムイメージ
この技術を活用した評価ツールの実証実験を富士通および富士通エフサスのコールセンターで行った結果、モニタリングとフィードバックにかかる時間を約30％短縮したという。
2016年度末に、富士通および富士通エフサスのコールセンター関連サービスとして商品化する予定だ。今後は、富士通のAI技術「Human Centric AI Zinrai（ジンライ）」にも活用し、銀行窓口や小売、医療、教育などを対象とした製品の開発を目指す。
「満足」の感情と高い相関関係にあるとされる「声の明るさ」に着目。発話者の声の高さ（トーン）の平均値や変化パターンを自動評価し、会話中の満足・不満を抽出する（画像１）。言葉と声の両方から判断することで、より適切なオペレータ教育や正確な応対評価が可能となる。また、応対者に対し、どのトークが良かったのか（あるいは悪かったのか）を具体的に示すことで、納得度の高いフィードバックが可能となる。
画像１ 「声の明るさ」を定量化
なお、満足や不満の判定基準は、機械学習を利用して過去の会話音声と評価データを紐づけて学習、個別にカスタマイズすることもできる（画像２）。
画像２ システムイメージ
この技術を活用した評価ツールの実証実験を富士通および富士通エフサスのコールセンターで行った結果、モニタリングとフィードバックにかかる時間を約30％短縮したという。
2016年度末に、富士通および富士通エフサスのコールセンター関連サービスとして商品化する予定だ。今後は、富士通のAI技術「Human Centric AI Zinrai（ジンライ）」にも活用し、銀行窓口や小売、医療、教育などを対象とした製品の開発を目指す。
