JPH11249867A - 音声ブラウザシステム - Google Patents

Abstract

(57)【要約】 【課題】 視覚障害者であってもＷＷＷ情報を取得する
ことが可能な音声ブラウザシステムを提供する。 【解決手段】 本発明は、クライアントから音声入力に
よる要求を取得する音声要求取得手段と、音声要求取得
手段より入力された音声による要求を音声認識する音声
認識手段と、音声認識手段により認識された結果に基づ
いてクライアントから指定されたＵＲＬに対して、要求
をインターネットに送信する要求送信手段と、インター
ネットから取得した応答から音読テキストを抽出して音
声データに変換し、音声合成する音声データ生成手段
と、音声データ生成手段により生成された音声データを
クライアントに送信する音声データ送信手段とを有する
サーバと、ユーザの音声による要求を入力する音声入力
手段と、サーバから取得した結果よりＵＲＬを抽出し、
該ＵＲＬに基づいて該サーバにＨＴＭＬファイルを要求
する要求発行手段と、サーバから送信された音声データ
を出力する音声出力手段とを有するクライアントとを有
する。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は、音声ブラウザシス
テムに係り、特に、コンピュータとネットワークからな
るクライアント／サーバ構成のシステム、とりわけイン
ターネットにおけるWorld Wide Web（以下、単にＷＷＷ
と記す）システムのサーバに対し、クライアント端末の
マイクから音声で入力し、サーバに蓄積している情報を
音声で出力する音声ブラウザシステムに関する。

【０００２】

【従来の技術】周知のように、ＷＷＷシステムとして、
サーバ及びクライアントのハードウェア、ソフトウェア
がネットワーク上に適切に構成されている場合に、クラ
イアント端末上にインストールしたNetscape Navigator
などのブラウザを使用することによって、サーバに格納
したテキストやイメージの情報をクライアント画面上に
表示して閲覧することが可能である。

【０００３】このシステムでは、画面上の特定の情報を
マウスなどで選択すると、これと関連付けられた（以下
では、これをリンクが張られたと言い、先の特定の情報
をリンク項目と言う）情報にアクセスし、画面上に表示
し閲覧することが可能である。これらのサービスは、情
報を視覚によって享受することが前提であり、画面に目
を向けないと享受できない、あるいは、視覚障害者は全
く享受できないという欠点がある。これを解決する方法
として、最近の音声認識技術と音声合成技術を使用する
ことによって、マイクから音声で入力し、音声合成で出
力することが可能である。例えあ、音声で［首相官邸］
と入力すれば、［首相官邸］の情報にアクセスし、クラ
イアント端末のスピーカから、テキスト部分を合成音で
出力することができる。

【０００４】

【発明が解決しようとする課題】しかしながら、上記従
来の方法では、周知のＷＷＷ情報には、長い文章や、リ
ンク箇所が随所に１０個も２０個もある場合がある、カ
ラーのイメージ情報がテキストに混在することは勿論の
こと、動画とリンクが張られたり、視覚に訴える情報が
ふんだんに使用されるのが実情である。このような情報
を視覚障害者にいかに出力するかという問題が存在す
る。

【０００５】本発明は、上記の点に鑑みなされたもの
で、視覚障害者であってもＷＷＷ情報を取得することが
可能な音声ブラウザシステムを提供することを目的とす
る。

【０００６】

【課題を解決するための手段】図１は、本発明の原理構
成図である。本発明（請求項１）は、コンピュータとイ
ンターネットワークからなるクライアント／サーバシス
テムにおいて、サーバ１００に蓄積されている情報をク
ライアント２００側で音声により出力する音声ブラウザ
システムであって、サーバ１００は、クライアント２０
０から音声入力による要求を取得する音声要求取得手段
２０１と、音声要求取得手段２０１より入力された音声
による要求を音声認識する音声認識手段１０２と、音声
認識手段１０２により認識された結果に基づいてクライ
アント２００から指定されたＵＲＬに対して、要求をイ
ンターネット７０に送信する要求送信手段１０３と、イ
ンターネット７０から取得した応答から音読テキストを
抽出して音声データを変換し、音声合成する音声データ
生成手段１０４と、音声データ生成手段１０４により生
成された音声データをクライアント２００に送信する音
声データ送信手段１０５とを有し、クライアント２００
は、ユーザの音声による要求を入力する音声入力手段２
０１と、サーバ１００から取得した結果よりＵＲＬを抽
出し、該ＵＲＬに基づいて該サーバに、インターネット
７０上に公開されているＨＴＭＬファイルを要求する要
求発行手段２０２と、サーバ１００から送信された音声
データを出力する音声出力手段２０３とを有する。

【０００７】本発明（請求項２）は、音声認識手段１０
２において、クライアント２００から入力された音声デ
ータの要求に類似する候補からなるリンク項目リスト
と、リンク項目リストを形態素解析する形態素解析手段
を含む。本発明（請求項３）は、音声データ生成手段１
０４において、インターネット７０から取得した応答を
クライアントが希望する言語に翻訳する翻訳手段を含
む。

【０００８】本発明（請求項４）は、音声出力手段２０
３において、サーバ１００から受信した音声データが、
音楽コンテンツまたは、朗読コンテンツである場合に、
再生を行う再生手段を含む。本発明（請求項５）は、再
生手段において、一時停止モード、再生モード、停止モ
ードを有する。

【０００９】本発明（請求項６）は、再生手段におい
て、音声データの再生中に、音声情報による割り込み出
力を行う割り込み手段を含む。上記のように、本発明で
は、インターネット上に公開されているＨＴＭＬ(Hyper
Text Markup Languege)形式のファイルを市販のＷｅｂ
ブラウザを通して視覚情報から音声情報に変換し、ユー
ザに提供することを可能にしたシステムである。また、
クライアント側で情報を取得する場合において、音声を
用いることで視覚障害者の操作も可能とする。

【００１０】

【発明の実施の形態】図２は、本発明が適用されるシス
テムの構成を示す。同図に示すシステムは、高速なネッ
トワーク上に各処理用エンジンを配置し、負荷分散を行
うことにより高速なレスポンスをクライアント端末１０
で実現可能とするものである。同図におけるシステムで
は、大別して２つのシステムに分けられる。

【００１１】まず、第１に同図におけるワークステーシ
ョン２０、３０、４０で構成されるフロント・エンドと
しての処理部である。ワークステーション２０、３０
は、翻訳サービスを提供するためのシステムである。ワ
ークステーション４０は、一般的にインターネットでよ
く利用される機能で、本システムでは主に、データのキ
ャッシングや漢字コードの変換で利用する。

【００１２】第２に、バック・エンドとして利用される
ワークステーション５０、６０である。ワークステーシ
ョン５０は、ユーザからクライアント端末１０に入力さ
れた音声データを、候補リスト（リンク項目のリスト）
と比較照合を行い、適切な項目を選出する。また、ユー
ザが入力した音声データとリンク項目が全く同一である
必要性を解消するためにリンク項目に対して形態素解析
処理を施す。そうすることにより、ユーザからはリンク
項目の断片を入力するだけでも適切なリンク項目を推量
し、選出する。ワークステーション６０は、クライアン
ト端末１０で抽出されたテキスト情報を、（言語種別の
パラメータ付きで）受信し、音声データを生成する音声
合成エンジンと呼ぶものである。

【００１３】次に、クライアント端末１０から送信され
たＨＴＭＬファイル要求は、ワークステーション２０上
で動作中にプロキシ・サーバを経由し、ワークステーシ
ョン４０のプロキシ・サーバを使って外部インターネッ
ト７０に転送される。インターネット７０から返送され
てきた応答データ（ＨＴＭＬファイル）は、ワークステ
ーション４０のプロキシ・サーバを経由して、ワークス
テーション２０のプロキシ・サーバで各翻訳エンジンへ
データの処理を依頼して（依頼のみ、処理結果はユーザ
の要求で随時クライアント端末１０へ送信される）クラ
イアント端末１０へ転送する。クライアント端末１０に
届いたＨＴＭＬファイルは、解析され、表示されるべき
テキスト情報をワークステーション６０の音声合成エン
ジンへ送信し、音声データへ変換され、クライアント端
末１０で出力される。また、音声認識のために必要なリ
ンク項目のリストは、ワークステーション５０の形態素
解析エンジンで形態素解析処理を施され、音声認識エン
ジンへ渡され、クライアント端末１０から音声データの
送信を待つ。

【００１４】次にクライアント端末１０で入力（指示）
された音声データを音声認識エンジン５０に送信し、音
声認識エンジン５０は、以前入力されていたリンク項目
（テキスト情報）と比較照合され、適切な結果を得る。
得られた結果をクライアント端末１０に送信する。これ
により、クライアント端末１０は、リンク項目からＵＲ
Ｌを抽出し、インターネット７０へプロキシサーバ２
０、４０を介して、次の情報を取得する。

【００１５】

【実施例】以下に、本発明の実施例を図面と共に説明す
る。図３は、本発明の一実施例のシステム構成を示す。
同図に示すシステムにおいて、図２と同様のものについ
ては同一符号を付す。同図に示すシステムは、クライア
ント端末１０、ワークステーション２０、３０、４０、
５０から構成される。

【００１６】クライアント端末１０は、Ｗｅｂブラウザ
１１、音声入力用ボタン監視プログラム１２、音声ブラ
ウザクライアント１３、音声入力用ボタン監視プログラ
ム１２に接続される音声入力開始用ボタン１５、音声ブ
ラウザクライアント１３に接続されるスピーカ１６及び
マイク１７から構成される。ワークステーション２０
は、プロキシサーバ２１の機能と、テキストを英語から
日本語に翻訳する英日翻訳エンジン２２を有する。

【００１７】ワークステーション３０は、テキストを日
本語から英語に翻訳する日英翻訳エンジン３１を有す
る。ワークステーション４０は、プロキシサーバ４１の
機能を有する。ワークステーション５０は、音声認識Ｉ
／Ｆプログラム５１、音声認識エンジン５２、形態素解
析エンジン５３を有する。

【００１８】ワークステーション６０は、音声合成エン
ジン６１を有する。Ｗｅｂブラウザ１１は、一般によく
利用されるもので、例えば、Netscape Navigator等があ
る。本実施例では、当該ブラウザを用いて説明する。当
該Ｗｅｂブラウザ１１は、インターネット７０への窓口
として必要情報を取得し、音声ブラウザクライアント１
３に渡す。また、Ｗｅｂブラウザ上への表示も行う。音
声ブラウザクライアント１３では、Ｗｅｂブラウザ１１
から得られた情報を解析し、音読すべきテキスト情報を
ワークステーション６０の音声合成エンジン６１へ、音
声認識すべきリンク項目の情報をワークステーション５
０の音声認識Ｉ／Ｆプログラム５１へそれぞれ送信す
る。

【００１９】クライアント端末１０は、音声合成エンジ
ン６１から受信した音声データをローカル・ディスクに
記録しながら、スピーカ１６により再生する。また、ユ
ーザからの入力は、音声入力開始用ボタン１５を押下す
ることによって、音声入力用ボタン監視プログラム１２
から音声ブラウザクライアント１３に通知される。その
通知を受けた音声ブラウザクライアント１３は、マイク
１７から音声の録音を開始する。音声ブラウザクライア
ント１３は、ユーザの音声入力開始用ボタン１５の解放
によって、録音の停止を行い、音声認識Ｉ／Ｆプログラ
ム５１に録音した音声データをワークステーション６０
の音声合成エンジン６１に送信する。

【００２０】クライアント端末１０に接続れるワークス
テーション２０のプロキシサーバ２１は、インターネッ
ト７０からの転送すべき情報（ＨＴＭＬファイル）を各
翻訳エンジン（英日翻訳エンジン２２、日英翻訳エンジ
ン３１）へ送信し、翻訳処理を行わせる。翻訳結果につ
いては、各翻訳エンジン２２、３１の記憶装置に記録し
ておき、ユーザから翻訳要求があった際にその翻訳結果
をクライアント端末１０に送信する。

【００２１】ワークステーション４０のプキシサーバ４
１では、インターネット７０からの情報を一部変換（漢
字コード等）したり、情報を一時的にキャッシュするな
どの機能を有する。ワークステーション５０の音声認識
Ｉ／Ｆプログラム５１は、音声ブラウザクライアント１
３から送信されるリンク項目を形態素解析エンジン５３
に入力し、出力された結果である分解された文字列の品
詞を元に適切な再構成処理を行う。その結果を音声認識
エンジン５２へ登録し、音声ブラウザクライアント１３
から送信される録音された音声データを音声認識エンジ
ン５２に渡し、当該音声認識エンジン５２において照合
された結果を音声ブラウザクライアント１３に返送す
る。

【００２２】ワークステーション６０の音声合成エンジ
ン６１は、音声ブラウザクライアント１３で抽出された
音読すべきテキスト情報を受信し、音声データを生成
し、音声ブラウザクライアント１３に返送する。図４
は、本発明の一実施例の動作のシーケンスチャートであ
る。まず、ユーザが音声入力開始用ボタン１５を押下す
ると（ステップ１０１）、音声入力用ボタン監視プログ
ラム１２から音声ブラウザクライアント１３へその通知
が転送される。音声ブラウザクライアント１３は、マイ
ク１７から音声録音を開始し、終了を待つ。ユーザによ
りボタンが解放になると（ステップ１０２）、音声入力
用ボタン監視プログラム１２から再度終了の通知が音声
ブラウザクライアント１３に報告される。その報告を受
けた音声ブラウザクライアント１３は、録音を停止し、
ワークステーション５０の音声認識Ｉ／Ｆプログラム５
１へその録音された音声データを送信する（ステップ１
０３）。

【００２３】ワークステーション５０の音声認識Ｉ／Ｆ
プログラム５１は、当該データを受信し、音声認識エン
ジン５２にそのデータを転送し（ステップ１０４）、認
識処理を依頼する。当該音声認識エンジン５２により認
識処理された結果を音声人気Ｉ／Ｆプログラム５１が取
得すると（ステップ１０５）、当該認識結果が音声ブラ
ウザクライアント１３に転送される（ステップ１０
６）。音声ブラウザクライアント１３は、結果のリンク
項目からＵＲＬを得て、Ｗｅｂブラウザ１１に要求送信
指示を発行する（ステップ１０７）。

【００２４】Ｗｅｂブラウザ１１は、指定されたＵＲＬ
へデータ要求伝文をプロキシサーバ２１、４１を経由し
てインターネット７０に送信する（ステップ１０８）。
プロキシサーバ２１がプロキシサーバ４１を経由して、
当該要求に対応する応答をインターネット７０から取得
すると（ステップ１０９）、当該応答を英日翻訳エンジ
ン２２または、日英翻訳エンジン３１に送信する（ステ
ップ１１０）。

【００２５】英日翻訳エンジン２２、日英翻訳エンジン
３１のいずれかがプロキシサーバ２１により指示された
処理を行い、その結果をプロキシサーバ２１に返却す
る。これによりプロキシサーバ２１は、応答データをク
ライアント端末１０のＷｅｂブラウザ１１に送信する
（ステップ１１１）。クライアント端末１０のＷｅｂブ
ラウザ１１が応答データを受け取ると、音声ブラウザク
ライアント１３に渡される（ステップ１１２）。このと
き、ページがマルチフレームの場合は、Ｗｅｂブラウザ
１１から上記の処理を構成ビュー分繰り返す。音声ブラ
ウザクライアント１３では、取得した応答データを解析
し、リンク項目と表示されるテキスト情報等を取得し、
それぞれをワークステーション６０の音声合成エンジン
６１及び、ワークステーション５０の音声認識Ｉ／Ｆプ
ログラム５１に送信する（ステップ１１３）。その際、
ＨＴＭＬ解析を行い、イメージ（絵）情報に付加されて
いる説明文等のテキスト情報がある場合は、その情報も
適切に処理し、音声合成エンジン６１へ送信され、ユー
ザにイメージの子細をスピーカ１６より音読で伝える。
また、音声合成エンジン６１に送信する場合は、言語別
に１文単位で送信を行うことによって適切なサービス
（１文単位の巻き戻し／早送り等）をユーザに提供する
ことを可能にしている。音声認識Ｉ／Ｆプログラム５１
には、リンク項目など動的に変化する認識候補リスト情
報などを送信する（ステップ１１４）。なお、固定コマ
ンドについては、毎回送信は行わないものとする。

【００２６】音声認識Ｉ／Ｆプログラム５１では、受信
したリンク項目について１度形態素解析エンジン５３に
より形態素解析処理を施し（ステップ１１５、１１
６）、音声認識エンジン５２へ固定コマンドと共に登録
され（ステップ１１７）、ユーザからの音声データを待
機する。なお、当該登録は、ユーザから送信される音声
データとの比較照合に利用するために必要となる。

【００２７】音声合成エンジン６０は、ユーザからの音
声を合成し、合成された音声データを音声ブラウザクラ
イアント１３に送信する（ステップ１１８）。次に、具
体的な例を用いて説明する。図５は、本発明の一実施例
のユーザインターフェースを示す図であり、図６は、本
発明の一実施例の音声ブラウザにより音読される例を示
す図である。

【００２８】同図は、Ｗｅｂブラウザ１１のユーザイン
タフェースである。ページには、タイトル１１０、リン
ク項目１３０、本文１２０がテキスト情報で表示されて
いる。これらの情報は、ＨＴＭＬに従った文法で書かれ
たファイルから得られ、当該ファイルを音声ブラウザク
ライアント１３側で解析を行い、タイトル、リンク項
目、本文といった項目に分類する。そして、出力される
情報は、図５に示すように音読される。適切なガイダン
スを付加することによって、ユーザに詳細に情報を提供
する。

【００２９】また、入力時において、リンク項目を指示
する場合には、リンク項目全文を音声ブラウザクライア
ント１３に入力することなく、印象に残った単語だけの
入力でアクセスが可能である。その仕組みについては、
まず、形態素解析エンジン５３にリンク項目全文を入力
し、品詞分解された結果から再度組み合わせを行う。最
小の要素である単語から複合語などを再構築していくこ
とによって、ユーザからの（単語から複合語までの）入
力に対処できる。

【００３０】図７は、本発明の一実施例のＷｅｂブラウ
ザのマルチフレーム構成によって表示されているホーム
ページの型であり、図８は、本発明の一実施例の音声ブ
ラウザにより音読される例である。この場合には、音声
ブラウザクライアント１３では、複数のビューを持つこ
となどをＨＴＭＬファイルを解析することによって取得
し、ユーザに音声で伝える。また、音読はビュー単位で
行われるものとする。

【００３１】図９は、本発明の一実施例のＷｅｂブラウ
ザにイメージが掲載された例であり、図１０は、本発明
の一実施例の音声ブラウザにより音読される例である。
図９に示すイメージ図は、視覚情報であるため、当該情
報を音声で伝えるのは困難である。しかし、ＨＴＭＬの
タグ情報を解析することによって、イメージに説明を付
加することによって音声ブラウザクライアント１３側で
イメージに対応する説明を抽出し、音声で読み上げるこ
とを可能とする。この場合は、ＨＴＭＬ作成者がそのイ
メージ図に関する説明文をテキスト情報で追記すること
を条件とする。

【００３２】次に、再生制御機能について説明する。こ
の機能は、音読の読み上げ速度、音量、話者の性別など
を音声の指示によってリアルタイムに変更できる機能で
ある。読み上げ速度、話者の性別に関しては、音声デー
タの再作成を音声合成エンジン６１のパラメータを変更
することによって行い、また、再生ポイントから優先的
に再作成を行うことによってリアルタイムに変更を可能
にした。音量については、システムのパラメータを変更
することによって対処するものとする。

【００３３】再制御機能の付加機能として、特定のサー
ビス（現在時刻の通知等）の割り込み等も付加すること
が可能である。詳しくは、音読中に現在時刻を質問する
と、システムに時刻を問い合わせ、一度音声合成エンジ
ン６１へ音声データの作成を要求し、作成完了と共に音
読を一時中断し、現在時刻をアナウンスする。また、そ
の後、中断中の音読を再開することによって実現でき
る。

【００３４】また、ＨＴＭＬファイル中に埋め込まれて
いる音声データの再生制御も可能である。図１１は、本
発明の一実施例の音楽／朗読コンテンツ再生を行う場合
の構成図である。この音声データは、音楽や朗読などの
内容のもので再生する際には、再生可能な再生用ソフト
ウェア１４をＷｅｂブラウザ１１が自動的に起動する。
その再生用ソフトウェア１４を音声ブラウザクライアン
ト１３が制御することによって、一時停止や再生などの
当該ソフトウェアが持つ従来の機能を音声で制御するこ
とが可能となる。

【００３５】図１２は、本発明の一実施例の音声データ
の再生制御のシーケンスチャートである。まず、音声ブ
ラウザクライアント１３からＷｅｂブラウザ１１にＵＲ
Ｌの指示を発行すると（ステップ２０１）、Ｗｅｂブラ
ウザ１１は、当該指示をインターネット７０に送信す
る。これによりＷｅｂブラウザ１１において、インター
ネット７０からＨＴＭＬを取得して、音声ブラウザクラ
イアント１３に転送し、当該音声ブラウザクライアント
１３において当該ＨＴＭＬの解析を行う。また、Ｗｅｂ
ブラウザ１１は、ＨＴＭＬに埋め込まれた音声データを
インターネット７０に要求し（ステップ２０３）、イン
ターネット７０から取得した当該要求に対応する応答を
取得して、再生用ソフトウェア１４を起動して転送する
（ステップ２０４）。また、音声ブラウザクライアント
１３は、解析された結果に基づいて音声認識エンジン５
３に対して音声認識要求を発行し（ステップ２０５）、
音声認識結果を取得すると、当該結果を音声ブラウザク
ライアント１３に転送する（ステップ２０６）。これに
より音声ブラウザクライアント１３は再生用ソフトウェ
ア１４を制御して、音声を再生する。

【００３６】なお、本発明は、上記の実施例に限定され
ることなく、特許請求の範囲内で種々変更・応用が可能
である。

【００３７】

【発明の効果】上述のように、本発明によれば、音声入
力によってインターネットのＷＷＷ情報にアクセスし、
音声で出力することが可能となる。また、アクセスした
情報が英文の場合、翻訳機能よって日本語で出力可能で
あるので、英語の知識が少ないユーザでも、情報の内容
を把握することができる。

【００３８】さらに、テキスト文のみでなく、音楽情
報、朗読情報へのアクセス可能であるため、娯楽用とし
ても使用することができる。さらに、音楽情報や朗読情
報の再生の際には、通常のラジカセ（出力・再生・録音
機能を有するラジオ・カセット）と同様に、一時停止、
再生、停止などの再生制御が可能であるため、ユーザの
抵抗感が少ない。

【００３９】さらに、テキスト音読中などに割り込んで
時報を聞くことが可能であるため、視覚障害者向、また
は、時計を持ち合わせていない場合でも音声で時報を知
ることができる。以上の機能により視覚障害者のインタ
ーネット利用への支援が可能となる。

【図面の簡単な説明】

【図１】本発明の原理構成図である。

【図２】本発明が適用されるシステム構成図である。

【図３】本発明の一実施例のシステム構成図である。

【図４】本発明の一実施例の動作のシーケンスチャート
である。

【図５】本発明の一実施例のＷｅｂブラウザの通常のユ
ーザインタフェースを示す図である。

【図６】本発明の一実施例の音声ブラウザにより音読さ
れる例である。

【図７】本発明の一実施例のＷｅｂブラウザのマルチフ
レーム構成によって表示されているホームページの型の
例である。

【図８】本発明の一実施例の音声ブラウザにより音読さ
れる例である。

【図９】本発明の一実施例のＷｅｂブラウザにイメージ
が掲載された例である。

【図１０】本発明の一実施例の音声ブラウザにより音読
される例である。

【図１１】本発明の一実施例の音楽／朗読コンテンツ再
生を行う場合の構成図である。

【図１２】本発明の一実施例の音声データの再生制御の
シーケンスチャートである。

【符号の説明】

１０ クライアント端末 １１ Ｗｅｂブラウザ １２ 音声入力用ボタン監視用プログラム １３ 音声ブラウザクライアント １４ 再生用ソフトウェア ２０，３０，４０，５０，６０ ワークステーション ２１ プロキシサーバ ２２ 英日翻訳エンジン ３１ 日英翻訳エンジン ４１ プロキシサーバ ５１ 音声認識Ｉ／Ｆプログラム ５２ 音声認識エンジン ５３ 形態素解析エンジン ６１ 音声合成エンジン ７０ インターネット １００ サーバ １０１ 音声要求手段 １０２ 音声認識手段 １０３ 要求送信手段 １０４ 音声データ生成手段 １０５ 音声データ送信手段 １１０ タイトル １２０ 本文 １３０ リンク項目 ２００ クライアント ２０１ 音声入力手段 ２０２ 要求発行手段 ２０３ 音声出力手段 ２１０ 第一フレーム ２２０ 第二フレーム ３１０ イメージ図

───────────────────────────────────────────────────── フロントページの続き (72)発明者 金丸 哲哉 東京都新宿区西新宿三丁目19番２号 日本 電信電話株式会社内 (72)発明者 木目田 常治 東京都新宿区西新宿三丁目19番２号 日本 電信電話株式会社内 (72)発明者 氏家 正美 東京都渋谷区桜丘町20番１号 エヌティテ ィエレクトロニクス株式会社内

Claims (6)

【特許請求の範囲】
1. 【請求項１】 コンピュータとインターネットワークか
   らなるクライアント／サーバシステムにおいて、サーバ
   に蓄積されている情報をクライアント側で音声により出
   力する音声ブラウザシステムであって、 前記サーバは、 クライアントから音声入力による要求を取得する音声要
   求取得手段と、 前記音声要求取得手段より入力された音声による要求を
   音声認識する音声認識手段と、 前記音声認識手段により認識された結果に基づいて前記
   クライアントから指定されたＵＲＬに対して、前記要求
   を前記インターネットに送信する要求送信手段と、 前記インターネットから取得した応答から音読テキスト
   を抽出して音声データに変換し、音声合成する音声デー
   タ生成手段と、 音声データ生成手段により生成された音声データを前記
   クライアントに送信する音声データ送信手段とを有し、 前記クライアントは、 ユーザの音声による要求を入力する音声入力手段と、 前記サーバから取得した結果よりＵＲＬを抽出し、該Ｕ
   ＲＬに基づいて該サーバにＨＴＭＬファイルを要求する
   要求発行手段と、 前記サーバから送信された音声データを出力する音声出
   力手段とを有することを特徴とする音声ブラウザシステ
   ム。
2. 【請求項２】 前記音声認識手段は、 前記クライアントから入力された音声データの要求に類
   似する候補からなるリンク項目リストと、 前記リンク項目リストを形態素解析する形態素解析手段
   を含む請求項１記載の音声ブラウザシステム。
3. 【請求項３】 前記音声データ生成手段は、 前記インターネットから取得した応答を前記クライアン
   トが希望する言語に翻訳する翻訳手段を含む請求項１記
   載の音声ブラウザシステム。
4. 【請求項４】 前記音声出力手段は、 前記サーバから受信した音声データが、音楽コンテンツ
   または、朗読コンテンツである場合に、再生を行う再生
   手段を含む請求項１記載の音声ブラウザシステム。
5. 【請求項５】 前記再生手段は、 一時停止モード、再生モード、停止モードを有する請求
   項４記載の音声ブラウザシステム。
6. 【請求項６】 前記再生手段は、 前記音声データの再生中に、音声情報による割り込み出
   力を行う割り込み手段を含む請求項４乃至５記載の音声
   ブラウザシステム。