接客時間推定に向けた従業員の位置·音声データによる発話クラスタリング

摘要

我々はレストランで収録された音声について，発話クラスタリングの研究を行っている．発話データには，従業員同士の会話や，顧客との会話が含まれており，対象話者をクラスタリングすることで，従業員の接客時間などの業務に関する指標を推定できることが期待される．本稿では，マイク装着者，他の従業員，顧客の3クラス発話クラスタリングを検討している．しかし，話者の不特定性や雑音の影響により分類精度が低下する事が考えられる．そこで，従業員の位置情報を音声データと統合して精度向上を試みた．さらに，提案手法をレストラン以外の場面に応用した際の汎用性について考察した．