JP2000123191A - 情報処理装置及び方法及び情報伝送システム - Google Patents

Abstract

(57)【要約】 【課題】アニメーションデータによるアニメーション表
示とテキストデータによるテキスト読み上げとの間の同
期を容易かつ正確に行えるようにする。 【解決手段】レシーバ１０６はアニメーション制御情報
が配された音声合成のためのテキスト列とアニメーショ
ンデータからなるデータを受信する。デマルチプレクサ
１０７は、当該データからアニメーションデータを抽出
し、外部記憶装置１０５に格納する。また、デマルチプ
レクサ１０７は、受信したデータより音声合成のための
テキスト列を抽出し、これをテキスト読み上げ部１１２
に提供し、音声合成出力を行わせる。更に、デマルチプ
レクサ１０７は、音声合成処理の進行に合わせて、受信
したデータのテキスト列中からアニメーション制御情報
を抽出し、アニメータ１０８は、抽出されたアニメーシ
ョン制御情報に従って外部記憶装置１１５に格納された
アニメーションデータの表示を制御する。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は、情報処理装置及び
情報伝送システムに関し、特に音声用情報と画像用情報
の伝送、受信に好適な情報処理装置及び情報伝送システ
ムに関する。

【０００２】

【従来の技術】従来より、ＴＶ会議やＴＶ電話等のよう
な音声情報と画像情報の送受信を行う画像・音声伝送シ
ステムが知られている。

【０００３】一般的な画像・音声伝送システムにおいて
は以下のような制御が行われる。まず、被写体をビデオ
カメラにより撮影して伝送すべき画像情報を獲得すると
ともに、マイクによって話者の音声を取り込むことによ
って伝送すべき音声情報を獲得する。伝送すべき画像情
報及び音声情報は、ビデオエンコーダ及びオーディオエ
ンコーダによってそれぞれ符号化（圧縮）される。こう
して圧縮された画像及び音声情報はマルチプレクサによ
って一本化され、圧縮一本化された画像・音声データが
伝送される。

【０００４】一方、上述のようにして伝送された画像・
音声データを受信した情報処理装置は、デマルチプレク
サによって画像データと音声データに分離し、それぞれ
を復号化して画像及び音声を再生する。なお、再生時に
おいては、映像と音声の同期がとられる。

【０００５】符号化の方式については色々な方式が用い
られるが、いずれにしろ上記の例は（圧縮された）自然
動画および音声データを伝送するものであり、ＴＶ会議
や、ＴＶ電話などで広く用いられている。

【０００６】また、自然画動画データ及び音声データを
送信する代わりに、それらをアニメーションデータとテ
キストデータとして送信することも提案されている。例
えば、ビデオカメラで得られた画像から顔や体のアニメ
ーション情報を抽出し、抽象化されたアバタ（化身）を
作成してアニメーションデータとする。また、テキスト
データは、マイクによって入力された話者音声を認識し
てテキストに変換することで得る。そして、マルチプレ
クサによりアバタのアニメーションデータおよびテキス
トデータがマルチプレクスされ伝送される。

【０００７】一方、受信側では、アニメーションデータ
に基づいて顔や体のアニメーション表示を実行するとと
もに、テキストデータを音声信号に変換して読み上げを
行う。当然ながら、アニメーションと音声の同期制御も
必要である。

【０００８】以上の例は、伝送路の帯域（ビットレー
ト）が低いときなどに有効な手法である。

【０００９】或いは、上記のアニメーションデータやテ
キストデータを、ビデオカメラやマイクを用いて取り込
むようなことを行わず、アニメーション作成器で、顔や
体の動きや喜怒哀楽を含むアニメーションデータを一か
ら作成したり、テキストエディタを用いて音声合成すべ
きテキストを編集したりするようにすることも考えられ
る。

【００１０】

【発明を解決するための手段】しかしながら、上記の情
報伝送システムにおいては以下のような問題があった。

【００１１】まず、自然動画や音声を圧縮して伝送する
方法では、伝走路の帯域が狭い（ビットレートが低い）
場合には対応しにくい。

【００１２】一方、アニメーションデータとテキストデ
ータで情報伝送を行う方法は、ビットレートの低い伝送
路に好適であるが、アニメーションデータとテキストデ
ータはそれぞれ完全に独立しており、このためテキスト
を音声データに変換する際には、アニメーションとの同
期をとる必要があるが、アニメーションの表示とテキス
ト読み上げを正確に同期させるのは困難である。

【００１３】本発明は上記の問題に鑑みてなされたもの
であり、その目的とするところは、アニメーションデー
タによるアニメーション表示とテキストデータによるテ
キスト読み上げとの間の同期を容易かつ正確に行えるよ
うにすることにある。

【００１４】また、本発明の他の目的は、受信側でアニ
メーションデータを保持させておくことを可能とし、読
み上げのためのテキストの送信の度にアニメーションデ
ータを送信しなくても済むようにすることにある。

【００１５】

【課題を解決するための手段】上記の目的を達成するた
めの本発明の一態様による情報処理装置は、例えば以下
の構成を備える。すなわち、音声合成のためのテキスト
列中にアニメーション制御情報が配されたデータを受信
する受信手段と、アニメーションデータを格納する格納
手段と、前記受信手段で受信したデータより音声合成の
ためのテキスト列を抽出し、抽出されたテキスト列に基
づいて音声合成をおこなって音声出力する音声出力手段
と、前記音声出力手段によって音声出力されているテキ
スト列の位置と、前記アニメーション制御情報の位置と
に基づいて前記格納手段に格納されたアニメーションデ
ータの表示を制御する表示制御手段とを備える。

【００１６】また、本発明によれば上記情報処理装置に
おいて実現される情報処理方法が提供される。また、本
発明によれば該情報処理方法をコンピュータに実現させ
るための制御プログラムを格納する記憶媒体が提供され
る。更に、本発明によれば、上記情報処理装置を用いた
情報伝送システムが提供される。

【００１７】

【発明の実施の形態】以下、添付の図面を参照して本発
明の好適な実施形態を説明する。

【００１８】［第１の実施形態］図１は、本実施形態に
よる情報処理装置の構成例を示すブロック図である。図
１において、１０は情報処理装置を指す。また、１１は
ＣＰＵであり情報処理装置１０の各種制御を実現する。
１２はＲＯＭでありＣＰＵ１１が実行する制御プログラ
ムや各種データを格納する。１３はＲＡＭであり、外部
記憶装置よりロードされたＣＰＵ１１が実行するための
制御プログラムを格納したり、ＣＰＵ１１が各種制御を
実行するに際しての作業領域を提供したりする。

【００１９】１４は表示装置であり、ＣＰＵ１１の制御
により各種表示を実現する。１５は入力装置であり、キ
ーボードやポインティングデバイス（マウス等）を含
む。また、１６は音声合成装置、１７は回線と情報処理
装置１０を接続するためのインターフェース、１８はバ
スである。

【００２０】１１３はスピーカであり、音声合成装置１
６よりの音声出力を再生する。また、１１５は外部記憶
装置である。１０’は情報処理装置１０と回線を介して
接続された情報処理装置であり、上述したのと同様の構
成を備える。本実施形態では、情報処理装置１０も情報
処理装置１０’もともにデータ送信側及び受信側として
機能するものとする。

【００２１】図２は第１の実施形態の情報伝送処理に関
る機能構成を説明するブロック図である。

【００２２】まずデータ送信側の機能構成を説明する。
図２において、１０１は人物の顔や体のアニメーション
の元となる画像を生成する画像生成部である。画像とし
ては、送信者に似ている人物像を作成してもよいし、送
信者とは全く異なったアバタ画像であってもかまわな
い。いずれにしろ、ここでは、アニメーション自体を行
う必要性はなく、人物の骨格や特徴といった点を、静止
画で描画し、かつ、アニメーションを行うときに必要と
なる特徴点（目の位置、口の位置など）を決定してやる
だけで良い。

【００２３】１０２はテキストエディタであり、音声合
成の対象となるテキストを編集する。テキスト編集は入
力装置１５を用いて行えばよい。なお、ここで編集され
たテキストには、後述するように合成音声出力時のアニ
メーションを指定するアニメーションタグが含まれてい
る。１０３はマルチプレクサであり、画像とテキストを
マルチプレクスして、図３のような送信データを生成す
る。図３は第１の実施形態による送信データのデータ構
成例を示す図である。３１〜３３はアニメーションデー
タであり、後述するアニメーションタグと対応するもの
である。３４はテキストデータであり、上述のテキスト
エディタ１０２によって作成されたものである。１０４
はトランスミッタであり、送信データを、指定された、
或いはデータ要求を行ってきた外部の情報処理装置に対
して送信する。

【００２４】１０５は伝送路または回線を示す。なお、
伝送路の種類（アナログ、ディジタルなど）は特に限定
しない。

【００２５】一方、受信側では上述の送信データを受信
して音声及び画像再生を行う。１０６はレシーバであ
り、回線１０５を介して送信されてきた上述の送信デー
タを受信する。１０７はデマルチプレクサであり、受信
した送信データをアニメーションデータ（図３の３１〜
３３）とテキスト（３４）に分けるとともに、テキスト
３４に関してはさらに後述するアニメーションタグ、読
み上げ（または表示）を行うためのテキスト情報及びヘ
ッダデータに選別する。

【００２６】１１０は、送信データをデマルチプレクス
して得られたアニメーションデータおよびアニメーショ
ンタグ情報を表す。１０８はアニメータであり、アニメ
ーションデータおよびアニメーションタグ情報に基づい
てアニメーション処理を行い、モニタにアニメーション
表示を行う。１１１はテキスト表示部であり、読み上げ
を行うためのテキスト情報に基づいて表示を行う。１１
２はテキスト読み上げ部であり、読み上げを行うテキス
ト情報に基づいて音声合成を行い、音声信号を出力す
る。１１３はスピーカであり、テキスト読み上げ部１１
２より出力された音声信号により音声を再生する。

【００２７】一方、デマルチプレクサによって選択され
たヘッダデータは、人物特定部１１４に送信され、テキ
スト読み上げ部１１２で採用する性別等を決定する。な
お、人物特定部１１４で決定される内容として、男女性
別の他に年齢などを入れてもよい。一方、アニメーショ
ンに必要なデータ（アニメーションデータ３１〜３３）
は、外部記憶装置１１５の（実際は磁気ディスクなど）
に記憶される。

【００２８】図４はテキストデータの一例とテキスト抽
出例を示す図である。（ａ）に示すのは手紙文の例だ
が、本来のテキスト情報以外の情報は、タグと呼ばれる
<と>で囲まれて記述されている。このような表記はＨＴ
ＭＬ(Hyper Text Markup Language)を摸した表記方法で
あるが、これは説明の便宜上用いた一例に過ぎず、他の
いかなるフォーマットを用いてもかまわない。

【００２９】１〜４行目は、本文の内容とは異なる、受
信者のテキスト表示部やテキスト読み上げ部分では扱わ
れない、送信者の情報を記したヘッダである。１行目お
よび４行目では、それぞれヘッダ部と開始と終了を示し
ている。また、２行目では、<NAME>と</NAME>で囲まれ
た内部に、送信者の名前が記述されている。更に、３行
目では、<GENDER>と</GENDER>で囲まれた内部に性別が
記述されている。

【００３０】５行目からは手紙の本文である。５行目
は、<SMILE>と</SMILE>で囲まれており、このタグで囲
まれるテキストを読み上げる際には、笑っているような
アニメーション効果をすることを示す。同様に、６行目
（<NORMAL>と</NORMAL>で囲まれた部分）は真顔、７行
目（<PAIN>と</PAIN>で囲まれた部分）は苦痛の表情を
示す。このように、テキストをタグで囲むことによっ
て、容易にアニメーション情報を伝達することができ、
さらには、アニメーションとテキスト読み上げ時の同期
をとることも可能になる。

【００３１】なお、図４の（ｂ）はテキスト表示部１１
１によって表示される内容を示している。更に図４の
（ｃ）はヘッダデータを示しており、本実施形態の人物
特定部１１４では、性別情報を用いて合成音声の種類
（たとえば男性の声）を決定している。

【００３２】図５は第１の実施形態によるアニメーショ
ン表示と音声合成処理を説明するフローチャートであ
る。ステップＳ１１においてレシーバ１０６が送信デー
タを受信すると、ステップＳ１２においてデマルチプレ
クサ１０７が送信データをアニメーションとテキストに
分離する。そして、ステップＳ１３において、分離され
たアニメーションを外部記憶装置１１５に格納する。

【００３３】また、ステップＳ１４では、ステップＳ１
２で分離されたテキストを、さらにヘッダと、読み上げ
用のテキストデータ及びアニメーションタグを含むテキ
スト本文とに分離する。そして、ステップＳ１５では、
ステップＳ１４で得られたヘッダ情報に基づき、合成音
声の性別等を決定する。

【００３４】以降のステップＳ１６〜ステップＳ２０で
は、テキスト本文からアニメーションタグ、読み上げ用
テキストを抽出し、アニメーションとテキスト読み上げ
を行うとともに両者の同期を達成する。

【００３５】まず、ステップＳ１６では、テキスト本文
より文字列を取り込む。ここでは、例えば、 次に取り込むべき文字列が「<」で始まる場合は、
「>」が登場するまでの文字列を取り込む。 次に取り込むべき文字列が「<」以外で始まる場合
は、次の句読点や「？」までの文字列、或いは「<」の
直前までの文字列を取り込む。

【００３６】ステップＳ１７ではステップＳ１６で取り
込んだデータが「<」と「>」で囲まれたアニメーション
タグであるか否かを判定し、アニメーションタグであれ
ばステップＳ１９へ進み、当該アニメーションタグで示
されるアニメーションデータを選択してアニメータ１０
８に提供する。アニメータ１０８は提供されたアニメー
ションデータに従ってアニメーションの表示制御を行
う。一方、抽出された文字列がアニメーションタグでな
ければ、ステップＳ１８へ進み、当該文字列をテキスト
読み上げ部１１２へ提供することにより音声合成を行
う。

【００３７】次にステップＳ２０において、テキスト本
文中の全文字列について処理を終えたか否かを判定し、
未処理の文字列があればステップＳ１６へ戻る。また、
すべての文字列について処理を終えていれば本処理を終
了する。

【００３８】図６は、アニメーションとテキスト読み上
げの移行例を示す図である。図４に示すテキスト本文に
ついてステップＳ１６以降の処理が適用されると、ま
ず、<SMILE>が読み出され、これはアニメーションタグ
であると判定される。そしてステップＳ１９において<S
MILE>に相当するアニメーションを表示する。続いて、
「こんにちは。」が読み出され、今度はアニメーション
タグではないので、ステップＳ１８において当該テキス
ト列をテキスト読み上げ部１１２へ提供する。この結
果、図６の（ａ）に示すように、<SMILE>に相当するア
ニメーションと、「こんにちは。」という音声出力が実
行される。

【００３９】続いて抽出される文字列は「ご機嫌いかが
ですか？」であり、アニメーションタグではないので、
そのままのアニメーションを継続しながら「ご機嫌いか
がですか？」という音声合成を行う（ステップＳ１
９）。

【００４０】更に、続いて、「</SMILE>」と「<NORMAL
>」が抽出され、ステップＳ１９で真顔に対応するアニ
メーションが選択されて表示される。そして、これに続
く文字列が音声合成される（図６の（ｂ））。以下、同
様の処理が繰り返された、図６の（ｃ）、（ｄ）に示す
アニメーションと音声合成が行われることになる。すな
わち、テキストの内容に応じて、順に、笑顔→真顔→泣
き顔→真顔と、顔のアニメーションが変化していく。

【００４１】以上説明したように、第１の実施形態によ
れば、伝送するテキスト情報の中に、人間の顔や体の動
きや、喜怒哀楽を表現するアニメーション情報を重畳す
ることにより、アニメーション情報を容易に伝送・表示
したり、テキスト読み上げとアニメーション表示を容易
に同期させることが可能になる。

【００４２】［第２の実施形態］上記第１の実施形態で
は、テキスト読み上げ時にアニメーションを表示するた
めのアニメーションデータを送信データに含ませている
が、アニメーションデータは予め受信側装置に用意され
ているものを用いるようにしてもよい。

【００４３】図７は第２の実施形態による情報伝送処理
に関る機能構成を説明するブロック図である。図２に示
した第１の実施形態の機能構成と異なる点は、アニメー
ションデータを生成する画像生成部１０１が無く、外部
記憶装置４１５には予めアニメーションデータが格納さ
れている点である。図８は第２の実施形態におけるアニ
メーションデータの格納状態を示す図である。図８に示
されるように、喜怒哀楽を表すアニメーションデータの
セットに対して人物特定情報として用いられる属性（名
前、性別、メールアドレス）が対応づけられている。

【００４４】図９は、第２の実施形態による情報処理装
置のデータ受信時の処理を説明するフローチャートであ
る。図９において、第１の実施形態（図５）と同様の処
理を行うステップには同一のステップ番号を付してあ
る。

【００４５】ステップＳ１１でデータを受信すると、ス
テップＳ３１において、デマルチプレクサ１０７が受信
したテキストデータを本文とヘッダとに分離する。そし
てステップＳ３２において、ステップＳ３１で分離され
たヘッダに基づいて、発声者とアニメーションデータセ
ットを決定する。すなわち、ヘッダに含まれている名
前、性別、メールアドレスにより音声発生時に表示する
アニメーションデータを決定する。

【００４６】以下、ステップＳ１６〜Ｓ２０は第１の実
施形態で説明したとおりである。なお、ステップＳ１９
では、ステップＳ３２で決定したアニメーションデータ
セットの中から表示すべきアニメーションデータが選択
されることとなる。

【００４７】以上のように、第２の実施形態では、あら
かじめ、受信側の外部記憶装置４１５に蓄積されている
顔などのアニメーションデータを、送信者から送られた
人物特定情報に基づいて選択する。このため、送信側
は、毎回アニメーションデータを送信する必要はなく、
テキストとヘッダ・タグ情報のみを伝送するだけで、音
声合成出力とアニメーションの同期表示を行うことが可
能になる。

【００４８】ここで、人物を特定する情報（名前、性
別、電子メールアドレスなど）はテキスト中に重畳され
る。一方、受信側においては、あらかじめ外部記憶装置
４１５に蓄積されていた特定人物の情報と照合し、合致
したアニメーションに必要な静止画像を抽出する。この
ため、送信側では、人間の顔や体の静止画を送信する必
要がなくなり、動きや、喜怒哀楽を表現するアニメーシ
ョン情報だけを伝送すれば良くなる。

【００４９】［第３の実施形態］第２の実施形態では、
テキストデータに埋め込まれている性別や名前、メール
アドレスから適用するアニメーションデータを決定し
た。しかしながら、このような決定方法では、送信者の
名前等とアニメーションデータを予め結びつけておく必
要があり、不特定多数の送信者に対応することはできな
い。そこで、第３の実施形態では、適用すべきアニメー
ションのアバタに対してより一般的な属性を付与し、不
特定多数の送信者からのデータに対応可能とする。

【００５０】図１０は第３の実施形態によるテキストデ
ータの一部を示す図である。<HEAD>.....</HEAD>間はテ
キストのヘッダ部であり、図４の例と同じく送信者情報
を示す。また、これに続く<AVATAR>.....</AVATAR>は、
アバタの情報を示すタグである。本例では、<FACE>タグ
で細身の顔を、<HAIR>タグで長髪を、<EYE>タグで青い
目を、<OPTION>タグで眼鏡を着用していることを示す。

【００５１】図１１は第３の実施形態によるアニメーシ
ョンデータの格納例を示す図である。図１１に示される
ように、喜怒哀楽を表すアニメーションデータの各セッ
トに対して顔の形状（<FACE>）、髪の毛の長さや色（<H
AIR>）、目の色（<EYE>）、眼鏡の有無（<OPTION>）等
を示す属性が付与されている。従って、アニメーション
表示に際しては、受信したテキストデータに含まれる<A
VATAR>と</AVATAR>で囲まれたアバタの情報から適切な
アニメーションのセットを選択し、これを表示する。す
なわち、これらのアバタ情報にもっとも適した画像を外
部記憶装置４１５から選択して読み出すことによって、
容易にアニメーションを行うことができる。

【００５２】なお、第３の実施形態の処理は第２の実施
形態（図９）と類似のものとなる。異なる点は、ステッ
プＳ３１においてテキストデータ本文とヘッダに加え
て、＜ＡＶＡＴＡＲ＞と＜／ＡＶＡＴＡＲ＞で記述され
た属性情報を取得し、ステップＳ３２において、この属
性情報に基づいて図１１で示されるデータを検索し、使
用すべきアニメーションデータを決定することである。

【００５３】なお、本データは、あくまでアバタの特徴
を決定付けるもので、必ずしも送信者の特徴を示すもの
なくてもかまわないことは明白である。

【００５４】なお、本発明は、複数の機器（例えばホス
トコンピュータ，インタフェイス機器，リーダ，プリン
タなど）から構成されるシステムに適用しても、一つの
機器からなる装置（例えば、複写機，ファクシミリ装置
など）に適用してもよい。

【００５５】また、本発明の目的は、前述した実施形態
の機能を実現するソフトウェアのプログラムコードを記
録した記憶媒体を、システムあるいは装置に供給し、そ
のシステムあるいは装置のコンピュータ（またはＣＰＵ
やＭＰＵ）が記憶媒体に格納されたプログラムコードを
読出し実行することによっても、達成されることは言う
までもない。

【００５６】この場合、記憶媒体から読出されたプログ
ラムコード自体が前述した実施形態の機能を実現するこ
とになり、そのプログラムコードを記憶した記憶媒体は
本発明を構成することになる。

【００５７】プログラムコードを供給するための記憶媒
体としては、例えば、フロッピディスク，ハードディス
ク，光ディスク，光磁気ディスク，ＣＤ−ＲＯＭ，ＣＤ
−Ｒ，磁気テープ，不揮発性のメモリカード，ＲＯＭな
どを用いることができる。

【００５８】また、コンピュータが読出したプログラム
コードを実行することにより、前述した実施形態の機能
が実現されるだけでなく、そのプログラムコードの指示
に基づき、コンピュータ上で稼働しているＯＳ（オペレ
ーティングシステム）などが実際の処理の一部または全
部を行い、その処理によって前述した実施形態の機能が
実現される場合も含まれることは言うまでもない。

【００５９】さらに、記憶媒体から読出されたプログラ
ムコードが、コンピュータに挿入された機能拡張ボード
やコンピュータに接続された機能拡張ユニットに備わる
メモリに書込まれた後、そのプログラムコードの指示に
基づき、その機能拡張ボードや機能拡張ユニットに備わ
るＣＰＵなどが実際の処理の一部または全部を行い、そ
の処理によって前述した実施形態の機能が実現される場
合も含まれることは言うまでもない。

【００６０】

【発明の効果】以上説明したように本発明によれば、ア
ニメーションデータによるアニメーション表示とテキス
トデータによるテキスト読み上げとの間の同期を容易か
つ正確に行えるようになる。

【００６１】この結果、簡単な手順で、しかも、非常に
低レートの伝送路においても、顔や体のアニメーション
を伴った、画像・テキストの伝送を行うことが可能とな
るという効果が得られる。

【００６２】また、本発明によれば、受信側でアニメー
ションデータを保持させておくことが可能となり、読み
上げのためのテキストの送信の度にアニメーションデー
タを送信しなくても済むようになる。

【図面の簡単な説明】

【図１】本実施形態による情報処理装置の構成例を示す
ブロック図である。

【図２】第１の実施形態の情報伝送処理に関る機能構成
を説明するブロック図である。

【図３】第１の実施形態による送信データのデータ構成
例を示す図である。

【図４】テキストデータの一例とテキスト抽出例を示す
図である。

【図５】第１の実施形態によるアニメーション表示と音
声合成処理を説明するフローチャートである。

【図６】アニメーションとテキスト読み上げの移行例を
示す図である。

【図７】第２の実施形態による情報伝送処理に関る機能
構成を説明するブロック図である。

【図８】第２の実施形態におけるアニメーションデータ
の格納状態を示す図である。

【図９】第２の実施形態によるアニメーション表示と音
声合成処理を説明するフローチャートである。

【図１０】第３の実施形態によるテキストデータの一部
を示す図である。

【図１１】第３の実施形態によるアニメーションデータ
の格納例を示す図である。

───────────────────────────────────────────────────── フロントページの続き Ｆターム(参考） 5B050 BA08 BA12 BA16 CA05 EA20 EA24 FA02 FA10 5C082 AA31 AA34 BA12 BA43 BB01 BB53 CB01 DA73 DA87 MM02 MM05 MM07 5E501 AB02 AB16 AB20 BA20 CA02 CA08 CB02 CB09 EA32 EB05 FA13 FA15 FA32 FB25

Claims (22)

【特許請求の範囲】
1. 【請求項１】 音声合成のためのテキスト列中にアニメ
   ーション制御情報が配されたデータを受信する受信手段
   と、 アニメーションデータを格納する格納手段と、 前記受信手段で受信したデータより音声合成のためのテ
   キスト列を抽出し、抽出されたテキスト列に基づいて音
   声合成をおこなって音声出力する音声出力手段と、 前記音声出力手段によって音声出力されているテキスト
   列の位置と、前記アニメーション制御情報の位置とに基
   づいて前記格納手段に格納されたアニメーションデータ
   の表示を制御する表示制御手段とを備えることを特徴と
   する情報処理装置。
2. 【請求項２】 前記アニメーション制御情報は、用いる
   べきアニメーションの表情を特定することを特徴とする
   請求項１に記載の情報処理装置。
3. 【請求項３】 前記受信手段において受信されるデータ
   は、アニメーションデータを含み、 前記格納手段は、前記受信手段で受信されたデータから
   アニメーションデータを抽出して格納することを特徴と
   する請求項１に記載の情報処理装置。
4. 【請求項４】 前記格納手段は、アニメーションデータ
   に属性情報を対応づけて格納し、 前記受信手段で受信したデータによって指定される属性
   情報に基づいて用いるべきアニメーションデータを決定
   する決定手段を更に備えることを特徴とする請求項１に
   記載の情報処理装置。
5. 【請求項５】 前記属性情報は、送信者を特定する情報
   を含み、 前記決定手段は、前記データに記述された送信者情報に
   基づいて適用すべきアニメーションデータを決定するこ
   とを特徴とする請求項４に記載の情報処理装置。
6. 【請求項６】 前記送信者を特定する情報は、送信者の
   名前、性別、メールアドレスの何れかもしくは組み合わ
   せであることを特徴とする請求項５に記載の情報処理装
   置。
7. 【請求項７】 前記属性情報は、アニメーションデータ
   の画像的特徴を示す情報を含み、 前記決定手段は、前記データに記述された画像的特徴に
   基づいて適用すべきアニメーションを決定することを特
   徴とする請求項４に記載の情報処理装置。
8. 【請求項８】 前帰属性情報は、アニメーションデータ
   が表す顔の特徴を示すことを特徴とする請求項７に記載
   の情報処理装置。
9. 【請求項９】 前記アニメーション制御情報は、前記デ
   ータ中において所定の記号で挟まれた部分に記述された
   テキスト列であることを特徴とする請求項１に記載の情
   報処理装置。
10. 【請求項１０】 前記データ中よりテキスト列を抽出す
    る抽出手段と、 前記抽出手段で抽出したテキスト列が前記所定の記号で
    挟まれたテキスト列であるか否かに基づいて、当該テキ
    スト列アニメーション制御用情報か否かを判定する判定
    手段とを更に備え、 前記音声出力手段は、前記判定手段により前記抽出手段
    で抽出したテキスト列がアニメーション制御用情報でな
    いと判定された場合に、当該テキスト列に基づいて音声
    合成をおこなって音声出力し、 前記表示制御手段は、前記判定手段により前記抽出手段
    で抽出したテキスト列がアニメーション制御用情報であ
    ると判定された場合に、当該テキスト列に基づいて前記
    格納手段に格納されたアニメーションデータの表示を制
    御することを特徴とする請求項９に記載の情報処理装
    置。
11. 【請求項１１】 音声合成のためのテキスト列中にアニ
    メーション制御情報が配されたデータを受信する受信工
    程と、 アニメーションデータを格納する格納工程と、 前記受信工程で受信したデータより音声合成のためのテ
    キスト列を抽出し、抽出されたテキスト列に基づいて音
    声合成をおこなって音声出力する音声出力工程と、 前記音声出力工程によって音声出力されているテキスト
    列の位置と、前記アニメーション制御情報の位置とに基
    づいて前記格納工程で格納されたアニメーションデータ
    の表示を制御する表示制御工程とを備えることを特徴と
    する情報処理方法。
12. 【請求項１２】 前記アニメーション制御情報は、用い
    るべきアニメーションの表情を特定することを特徴とす
    る請求項１１に記載の情報処理方法。
13. 【請求項１３】 前記受信工程において受信されるデー
    タは、アニメーションデータを含み、 前記格納工程は、前記受信工程で受信されたデータから
    アニメーションデータを抽出して格納することを特徴と
    する請求項１１に記載の情報処理方法。
14. 【請求項１４】 前記格納工程は、アニメーションデー
    タに属性情報を対応づけて格納し、 前記受信工程で受信したデータによって指定される属性
    情報に基づいて用いるべきアニメーションデータを決定
    する決定工程を更に備えることを特徴とする請求項１１
    に記載の情報処理方法。
15. 【請求項１５】 前記属性情報は、送信者を特定する情
    報を含み、 前記決定工程は、前記データに記述された送信者情報に
    基づいて適用すべきアニメーションデータを決定するこ
    とを特徴とする請求項１４に記載の情報処理方法。
16. 【請求項１６】 前記送信者を特定する情報は、送信者
    の名前、性別、メールアドレスの何れかもしくは組み合
    わせであることを特徴とする請求項１５に記載の情報処
    理方法。
17. 【請求項１７】 前記属性情報は、アニメーションデー
    タの画像的特徴を示す情報を含み、 前記決定工程は、前記データに記述された画像的特徴に
    基づいて適用すべきアニメーションを決定することを特
    徴とする請求項１４に記載の情報処理方法。
18. 【請求項１８】 前帰属性情報は、アニメーションデー
    タが表す顔の特徴を示すことを特徴とする請求項１７に
    記載の情報処理方法。
19. 【請求項１９】 前記アニメーション制御情報は、前記
    データ中において所定の記号で挟まれた部分に記述され
    たテキスト列であることを特徴とする請求項１１に記載
    の情報処理方法。
20. 【請求項２０】 前記データ中よりテキスト列を抽出す
    る抽出工程と、 前記抽出工程で抽出したテキスト列が前記所定の記号で
    挟まれたテキスト列であるか否かに基づいて、当該テキ
    スト列アニメーション制御用情報か否かを判定する判定
    工程とを更に備え、 前記音声出力工程は、前記判定工程により前記抽出工程
    で抽出したテキスト列がアニメーション制御用情報でな
    いと判定された場合に、当該テキスト列に基づいて音声
    合成をおこなって音声出力し、 前記表示制御工程は、前記判定工程により前記抽出工程
    で抽出したテキスト列がアニメーション制御用情報であ
    ると判定された場合に、当該テキスト列に基づいて前記
    格納工程に格納されたアニメーションデータの表示を制
    御することを特徴とする請求項１９に記載の情報処理方
    法。
21. 【請求項２１】 音声合成のためのテキスト列中にアニ
    メーション制御情報が配されたデータを作成する作成手
    段と、 前記作成手段で作成されたデータを送信する送信手段
    と、 前記送信手段によって送信されたデータを受信する受信
    手段と、 前記受信手段を備えた受信側装置において、アニメーシ
    ョンデータを格納する格納手段と、 前記受信手段で受信したデータより音声合成のためのテ
    キスト列を抽出し、抽出されたテキスト列に基づいて音
    声合成をおこなって音声出力する音声出力手段と、 前記音声出力手段によって音声出力されているテキスト
    列の位置と、前記アニメーション制御情報の位置とに基
    づいて前記格納手段に格納されたアニメーションデータ
    の表示を制御する表示制御手段とを備えることを特徴と
    する情報伝送システム。
22. 【請求項２２】 音声合成のためのテキスト列中にアニ
    メーション制御情報が配されたデータに基づいて、コン
    ピュータに音声合成とアニメーション表示を行わせるた
    めの制御プログラムを格納する記憶媒体であって、該制
    御プログラムが、 音声合成のためのテキスト列中にアニメーション制御情
    報が配されたデータを受信する受信工程のコードと、 アニメーションデータを格納する格納工程のコードと、 前記受信工程で受信したデータより音声合成のためのテ
    キスト列を抽出し、抽出されたテキスト列に基づいて音
    声合成をおこなって音声出力する音声出力工程のコード
    と、 前記音声出力工程によって音声出力されているテキスト
    列の位置と、前記アニメーション制御情報の位置とに基
    づいて前記格納工程で格納されたアニメーションデータ
    の表示を制御する表示制御工程のコードとを備えること
    を特徴とする記憶媒体。