JP2001256142A - 音声情報提供方法及び音声情報提供装置 - Google Patents

Abstract

(57)【要約】 【課題】 回線の伝送速度が遅い場合でも音声による情
報提供を可能にする音声情報提供方法および音声情報提
供装置の提供を目的とする。 【解決手段】 音声合成処理によって音声情報を生成す
るための表音文字列を記憶する手段３１と、ここに記憶
された表音文字列を伝送回線を介して送信する手段３０
と、送信された表音文字列を受信する手段３３と、受信
された表音文字列から合成音声を生成する手段１１と、
合成された音声を出力する手段３８とを具備したことを
特徴とする。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は、インターネット等
の伝送媒体を介して音声、画像情報を含むマルチメディ
ア情報を提供する音声情報提供方法及び装置に関する。

【０００２】

【従来の技術】近年、インターネットの利用者数が増加
しており、多数の企業や個人がホームページを作ってイ
ンターネットを介して情報を発信している。企業の運営
するホームページには、企業のPRや、製品情報の公開を
目的としたものや、商品の通信販売を目的としたものな
ど、ホームページを運営する企業の広告を目的とするも
のが多い。また、情報検索エンジン（見たい情報がどこ
のホームページにあるかを検索するためのサーバー）に
代表されるホームページは、有用な情報を提供すること
によって多くの人々に閲覧されることを目的とし、この
ようなホームページを運営する企業は、ホームページ上
に広告を掲載することで、広告料によって収入を得てい
る。

【０００３】図１２は、インターネットを介して発信さ
れた情報を閲覧するシステムの構成例を示している。WW
W（World Wide Web）サーバー３０に接続された記憶装
置３１に記憶されているHTML(Hyper Text Makeup Langu
age)ファイル３２はホームページの内容を表示するため
の電子ファイルであり、HTML：Hyper Text Makeup Lang
uageと呼ばれるフォーマットに従って記述されてある。
HTMLで記述された電子ファイルを閲覧するためのWWWブ
ラウザ３３は閲覧する側のコンピュータ３４で動作する
コンピュータプログラムであり、ホームページの閲覧を
開始する場合には、閲覧したいホームページに関連づけ
られたHTMLファイル３２のURL(UniformResource Locato
r)を、インターネット３５を介してWWWサーバーに送信
する。

【０００４】URLには、インターネット上で所定のホー
ムページを特定するための情報が含まれており、送信さ
れたURLによって指定されたWWWサーバー３０は、インタ
ーネット３５を介してURLを送信したコンピュータに対
してHTMLファイル３２を送信する。HTMLファイル３２を
受信したWWWブラウザ３３は、ファイルの内容を解釈
し、コンピュータ３４のディスプレイにホームページの
内容を表示する。HTMLの書式については、「HTML」（河
西朝雄、河西雄一 著、ナツメ社）などの書籍に詳しく
解説されている。

【０００５】HTMLのファイルは、文書として表示される
テキストと、文書に対するいろいろな指示を表す「タ
グ」によって記述される。タグは、不等記号(<>)で囲ま
れた文字によって表される。

【０００６】ここで例えば、WWWサーバー３０に接続さ
れた記憶装置３１に、HTMLファイル３２と、音声データ
ファイル３６(ファイル名speech.wav)が記憶されてい
て、そのHTMLファイルの内容によりリンク先として音声
データファイル speech.wav が指定されている場合に
は、閲覧側のコンピュータからWWWブラウザ３３を操作
して、表示されたホームページのホットテキスト（例え
ば、表示画面上でアンダーラインが引かれた部分）をク
リックすると、WWWブラウザ３３はインターネット３５
を介してWWWサーバー３０にファイル名speech.wavで参
照される音声データファイル３６を要求する。WWWサー
バー３０は、音声データファイル３６をインターネット
３５を介して送信する。音声データファイル３６を受信
したWWWブラウザ３３は、音声データファイル３６の内
容や、ファイル名の拡張子などを参照して音声再生プロ
グラム３７を起動し、音声信号を生成してスピーカ３８
より音声を出力することができる。

【０００７】

【発明が解決しようとする課題】しかしながらインター
ネットにおける情報の伝送レートは、閲覧に供している
コンピュータの処理速度、記憶容量・メモリの大きさ、
通信モデムの性能、通信回線の種類等、コンピュータの
使用環境や現実に通信回線を利用した際の回線の混み具
合などによって様々であるのに対し、順次送信されてく
る音声データを途切れなく再生するためには、音声デー
タのビットレートよりも伝送されるビットレートの方が
高い必要があるため、一般に音声情報を途切れることな
くリアルタイムで再生することを保証することは困難で
ある。

【０００８】一方、理論的には、途中で途切れることな
く音声を再生することを補償するために、全ての音声デ
ータを受信した後に、音声の再生を開始することは可能
であったが、現実には音声データのデータ量は膨大であ
り、音声データファイルの転送を完了するまで音声情報
の再生が開始されないことから、音声が出力されるまで
の待ち時間が長くなるために実用的ではなく、ホームペ
ージの閲覧者は音声情報の利用をあきらめざるを得なか
った等の問題があった。

【０００９】そこで本発明は、上記従来の問題点に鑑み
てなされたもので、インターネットを媒体とした音声・
画像情報を含むマルチメディア情報を提供する音声情報
提供方法及び装置を実現することを目的とする。

【００１０】

【課題を解決するための手段】上記の目的を達成するた
めに、本発明は、音声そのもののデータと比較して極め
てデータ量の小さい表音文字データを送信し、受信側で
表音文字データに基づき音声合成処理を用いて音声デー
タを生成することにより、インターネットを媒体とした
音声による広告などの情報提供を可能にするものであ
る。

【００１１】すなわち、本発明にかかる音声情報提供装
置は、音声合成処理によって音声情報を生成するための
表音文字列を記憶する手段と、ここに記憶された表音文
字列を伝送回線を介して送信する手段とを具備したこと
を特徴とする。

【００１２】また、本発明のかかる音声情報提供装置
は、伝送回線を介して送信された、音声合成処理によっ
て音声情報を生成するための表音文字列を受信する手段
と、受信された表音文字列から合成音声を生成する手段
と、合成された音声を出力する手段とを具備することを
特徴とする。

【００１３】また本発明にかかる音声情報提供装置は、
送信側では音声合成処理によって音声情報を生成するた
めの表音文字列を伝送回線を介して送信し、受信側では
受信された表音文字列から合成音声を生成することによ
り合成音声の情報を出力することを特徴とする。

【００１４】また本発明にかかる音声情報提供装置は、
音声合成処理によって音声情報を生成するための表音文
字列を記憶する手段と、ここに記憶された表音文字列を
伝送回線を介して送信する手段と、送信された表音文字
列を受信する手段と、受信された表音文字列から合成音
声を生成する手段と、合成された音声を出力する手段と
を具備したことを特徴とする。

【００１５】また本発明にかかる音声情報提供方法は、
伝送回線を介して音声情報及びこれに関連づけられた画
像情報を提供する方法であって、音声合成処理によって
音声情報を生成するための表音文字列を伝送回線を介し
て送信した後に当該音声情報に関連づけられた画像情報
を送信し、受信側では受信された表音文字列から合成音
声を生成し合成音声により当該音声情報を提供開始した
後に、当該画像情報を表示することを特徴とする。

【００１６】また本発明にかかる音声情報提供装置は、
音声合成処理によって音声情報を生成するための表音文
字列及びこの表音文字列に関連づけられた画像情報を記
憶する手段と、ここに記憶された表音文字列を伝送回線
を介して送信した後に当該表音文字列に関連づけられた
画像情報を送信する手段と、送信された表音文字列及び
画像情報を受信する手段と、受信された表音文字列から
合成音声を生成する手段と、合成された音声を出力する
手段と、受信された画像情報を表示する手段とを具備し
たことを特徴とする。

【００１７】また本発明にかかる音声情報提供方法は、
情報送信側では、無線通信端末から送信された端末識別
情報により情報提供可能と認証された無線通信端末に対
し、音声合成処理によって音声情報を生成するための表
音文字列を無線通信回線を介して送信し、情報受信側で
は受信された表音文字列から合成音声を生成することに
より合成音声の情報を出力することを特徴とする。

【００１８】また本発明にかかる音声情報提供装置は、
無線通信端末から送信された端末識別情報により情報提
供可能か否かを認証する手段と、音声合成処理によって
音声情報を生成するための表音文字列を記憶する手段
と、認証手段により認証された無線通信端末に対し記憶
手段に記憶された表音文字列を無線通信回線を介して送
信する手段とを備えた音声情報提供装置であって、前記
無線通信端末は、送信された表音文字列を受信する受信
部と、受信された表音文字列から合成音声を生成する音
声合成部と、合成された音声を出力する出力部とを具備
したことを特徴とする。

【００１９】また本発明にかかる音声情報提供方法は、
無線通信回線を介して音声情報及びこれに関連づけられ
た画像情報を提供する方法であって、無線通信端末から
送信された端末識別情報により情報提供可能と認証され
た無線通信端末に対し、音声合成処理によって音声情報
を生成するための表音文字列を無線通信回線を介して送
信した後に当該音声情報に関連づけられた画像情報を送
信し、受信側では受信された表音文字列から合成音声を
生成し合成音声により当該音声情報を提供開始した後
に、当該画像情報を表示することを特徴とする。

【００２０】また本発明にかかる音声情報提供装置は、
無線通信端末から送信された端末識別情報により情報提
供可能か否かを認証する手段と、音声合成処理によって
音声情報を生成するための表音文字列及びこの表音文字
列に関連づけられた画像情報を記憶する手段と、認証手
段により認証された当該無線通信端末に対し記憶手段に
記憶された表音文字列を無線通信回線を介して送信した
後に当該表音文字列に関連づけられた画像情報を送信す
る手段とを備えた音声情報提供装置であって、前記無線
通信端末は、送信された表音文字列及び画像情報を受信
する受信部と、受信された表音文字列から合成音声を生
成する音声合成部と、合成された音声を出力する出力部
と、受信された画像情報を表示する表示部とを具備した
ことを特徴とする。

【００２１】ここで表音文字とは、一字一字は意味を持
たず、言語音を表すだけの働きをする文字をいい例え
ば、ローマ字、梵字、アラビア文字、ひらがな、カタカ
ナの類をいう。表音文字データとは特定の意味を表わす
文字（または文字列）に相当する表音文字（または表音
文字列）として並べたデータをいい、具体的にはアクセ
ントが正しく、自然な韻律の音声を音声合成処理によっ
て生成するための入力となるデータである。

【００２２】通常の漢字仮名交じりのテキストを入力と
して音声を合成すると、読み間違い・アクセントの間違
い・不自然なイントネーションなどの問題が生じる。そ
こで表音文字としては、仮名文字などの音韻を表す記号
列や、漢字仮名交じりテキストに漢字の読み仮名を付加
したものなどが考えられる。また、それらに、アクセン
ト位置・語句の切れ目・ポーズの有無やポーズの長さ・
疑問文か否かなどを表す記号を付加しても良い。

【００２３】あるいは、音韻継続時間長・基本周波数な
どの数値を含むものを用いても良い。また、合成音声
の、男女の別・声質・発声速度・音量・抑揚の大きさな
どを制御するパラメータを含むようにしてもよい。

【００２４】

【発明の実施の形態】以下、本発明の実施の形態を図面
を参照して説明する。

【００２５】図１は、本発明の一実施形態に係る音声情
報提供方法及び装置を実現するシステムの全体構成を示
す図である。WWW（World Wide Web）サーバー３０に接
続された記憶装置３１には、ホームページの表示内容、
表示手続を記述したHTML(Hyper Text Makeup Language)
ファイル１と、これに関連づけられた表音文字列データ
ファイル２（ファイル名：ｍｏｊｉ．ｔｔｓ）、画像デ
ータファイル３（ファイル名：ｉｍａｇｅ．ｇｉｆ）が
それぞれ記憶されている。ここで画像データファイル３
はホームページ上に表示されるべき動画像、静止画像等
である。HTMLファイル１、表音文字列データファイル２
については後述する。

【００２６】閲覧側のコンピュータ３４は、WWW（World
Wide Web）ブラウザ３３を介して指定された閲覧した
いホームページであるHTMLファイル１のURL(Uniform Re
source Locaor)情報をインターネット３５を介して送信
する。送信されたURL情報によって指定されたWWWサーバ
ー３０は、予め記憶装置３１に蓄積されたHTMLファイル
１をインターネット３５を介して閲覧側のコンピュータ
３４に送信する。HTMLファイル１を受信したコンピュー
タ３４内のWWWブラウザ３３は、受信したHTMLファイル
の内容を解釈し、コンピュータ３４のディスプレイにホ
ームページを表示する。このように、送信側は、wwwサ
ーバー３０と記憶装置３１とからなり、また受信側は、
コンピュータ３４と後述するスピーカ３８とを有してな
る。

【００２７】ここでHTMLファイル１の構成を図２に示
す。図２において、<HTML>、</HTML>はHTMLファイルで
あることを示し、<BODY></BODY>は表示される文書本体
であることを示す。<EMBED>タグは、このタグがあるHTM
LファイルがWWWブラウザに読み込まれた直後に SRC="フ
ァイル名" で示されるデータファイルが読み込まれるこ
とを示している。AUTOSTART=true は、読み込まれたデ
ータファイルの処理を自動的に開始することを示してい
る。<H1>、</H1>タグは、このタグで囲まれた文字列を
見出し文字として表示する。<IMG>タグは、SRC="ファイ
ル名" で示される画像データファイルを表示することを
示している。

【００２８】次に図１において、WWWサーバーの記憶装
置３１に記憶された表音文字列データファイル２は、例
えば「株式会社××は、信頼性を２倍向上させたPCサー
バー××××××など新製品を発表しました」という音
声情報を合成・出力するためのデータファイルである。
図３に表音文字列データファイルの構成例を示す。表音
文字列データファイルは、文字、記号の配列からなるテ
キストファイルである。ひらがな文字は、それぞれ当該
ひらがなに相当する音声を出力するためのデータであ
る。また本テキストファイルに挿入された記号の意味す
るところは、例えば次の通りである。

【００２９】 '：アクセントの位置 ；：ポーズを伴わない語句の区切り ／：ポーズを伴う語句の区切り ＃：直前の母音の無声化 。：文の終り これらの文字、記号を組み合わせることにより、アクセ
ント、ポーズ等の修飾を伴った合成音声を出力すること
が可能となる。例えば「かぶしきが'いしゃ」は「が'」
の部分にアクセントを持たせると共に、それ以外の部分
ではフラットな特性で合成音声を生成するよう処理され
るデータであり、「が'いしゃ；とーしばわ」の「し
ゃ」と「と」の間は、語句の切れ目ではあるけれども、
合成音声を生成する際にはポーズ（時間間隔）を空ける
ことなく連続して処理すべきデータであり、「××××
わ／しんらいせーお」の「わ」と「し」との間でポーズ
（時間間隔）を空けると共に、それ以外の部分ではポー
ズを空けることなく連続して音声を合成するよう処理さ
れるデータである。

【００３０】図１において、閲覧側のコンピュータ３４
は、WWWブラウザ３３を介して指定されたHTMLファイル
１のURLを、インターネット３５を介して送信する。送
信されたURLによって指定されたWWWサーバー３０は、HT
MLファイル１に続いて表音文字データファイル２と画像
データファイル３をインターネット３５を介してコンピ
ュータ３４に送信する。

【００３１】HTMLファイル、表音文字列データファイ
ル、画像データファイルを受信したコンピュータは、初
めにWWWブラウザ３３を介して、ＨＴＭＬファイルの内
容のうち、<EMBED SRC="moji.tts" AUTOSTART=true>の
行を解釈し、ファイル名moji.ttsの表音文字データファ
イル２を読み込み、拡張子 .tts のファイルに対応づけ
られた音声合成処理を行なうコンピュータソフトウェア
である音声合成プログラム４を起動する。音声合成プロ
グラム４は、表音文字データファイル２を入力として合
成音声を生成し、スピーカ３８より合成音声を出力す
る。

【００３２】次にWWWブラウザ３３では、 ＜Ｈ１＞ ×××××のホームページ </H1> <IMG SRC="image.gif">の行を解釈し、ファイル名imag
e.gifの画像データファイル３を読み込んで、コンピュ
ータ３４のディスプレイに例えば見出し用の画像と紹介
用の画像を表示する。

【００３３】ここで、本実施形態で説明した表音文字デ
ータファイル２より合成された音声の長さは、およそ9
秒程度である。例えば、9秒間の音声データのデータ量
は、1サンプルあたり2byte、サンプリング周波数を22kH
zとすると、396000byteのデータ量となる。これに対し
て表音文字データファイル２は、半角仮名文字を利用す
れば84byteのデータ量であり、音声データと比較して極
めてデータ量が小さい（およそ1/5000のデータ量）。ま
た、通常、例えば画像データファイル３のデータ量が15
000byteであるのと比較しても表音文字データファイル
２のデータ量は極めて小さい（およそ1/200のデータ
量）ことから、表音文字データファイル２の伝送は短時
間で終了することが可能であり、閲覧側でホームページ
にアクセスされた直後に合成音の出力を開始することが
可能である。

【００３４】特に、現実的には、ホームページを閲覧す
る際に、受信側のパーソナルコンピュータの処理速度が
遅かったり、インターネット回線の伝送速度が遅かった
り、相手方のホームページに画像が多用されていたりし
た場合、ホームページが表示されるまでに時間がかか
り、しばらく所望のホームページが表示されず、直ちに
必要な情報を得ることができないことがある。このよう
な場合でも、本実施形態のように、画像データよりもデ
ータ量の小さな表音文字列データファイルを、関連づけ
られた画像データファイルに先んじて送信することによ
って、ホームページの画像データが表示される前に合成
音声による情報提供を行なうことができるというメリッ
トがある。

【００３５】次に本実施形態にかかる音声情報提供方法
の手続をフローチャートを参照しつつ説明する（図４参
照）。閲覧側のコンピュータは、WWWブラウザを介して
指定された所望のHTMLファイルのURLをインターネット
３５を介して送信する（ステップ５０）。送信されたUR
Lによって指定されたWWWサーバーは、HTMLファイルに続
いて表音文字データファイルと画像データファイルをイ
ンターネットを介して閲覧側のコンピュータに送信す
る。閲覧側のコンピュータはこれらのファイルを受信す
る（ステップ５１）。

【００３６】HTMLファイル、表音文字列データファイ
ル、画像データファイルを受信したコンピュータは、初
めにWWWブラウザ３３を介して、ＨＴＭＬファイルを読
み込み（ステップ５２）、HTMLファイルの内容に従い表
音文字データファイルを読み込み（ステップ５３）、表
音文字列データファイルに対応づけられた音声合成処理
を行なうコンピュータソフトウェアである音声合成プロ
グラムを起動する（ステップ５４）。音声合成プログラ
ムは、表音文字列データファイルを合成音声に変換して
合成音声を生成し（ステップ５５）、スピーカ３８より
合成音声を出力する（ステップ５６）。次にWWWブラウ
ザでは画像データファイルを読み込んで（ステップ５
７）、閲覧側のコンピュータのディスプレイに例えば見
出し用の画像と紹介用の画像を表示する（ステップ５
８）。このようにデータ量の少ない表音文字列データフ
ァイルを伝送して合成音声を出力することにより、閲覧
側にとって待ち時間の少ない情報提供方法を実現するこ
とが可能となる。

【００３７】次に、本発明の音声情報提供装置の別の実
施形態について説明する。音声情報提供装置に用いられ
るシステムは図１に示した構成と同様である。しかし前
述した実施形態では、閲覧側のコンピュータから特定の
URLにより指定されるホームページにアクセスした直後
に、WWWブラウザを操作することなく合成音声による情
報提供サービスが開始されたが、本実施形態では、WWW
ブラウザを操作することにより表音文字データファイル
が読み込まれ、合成音声が出力される点が異なる。

【００３８】本実施形態を実現するために用いられるHT
MLファイル１の内容を図５に示す。

【００３９】<HTML>、</HTML>はHTMLファイルであるこ
とを示し、<BODY></BODY>は表示される文書本体である
ことを示す。<A></A>は関連する特定のリンク先を指定
するために用いられるタグである。<A></A>に挟まれた"
image.gif"はリンク先を指定するために用いられるスイ
ッチとしての画像ファイルであり、閲覧側のWWWブラウ
ザを介してこの画像をクリックすると、<A>タグの属性
であるHREF="moji.tts"で指定されるmoji.ttsの表音文
字列データファイルにリンクして、WWWサーバーへ同フ
ァイルの送信を要求する。要求に従いWWWサーバーから
は表音文字列データファイルmoji.ttsが送信され、閲覧
側のコンピュータでは音声文字列データファイルが受信
されると共に、音声合成プログラムが起動し、表音文字
列データファイルを合成音声に変換する。そして変換さ
れた合成音声がスピーカより出力され音声情報の提供が
完了する。

【００４０】本実施形態で用いられる表音文字データフ
ァイル２は、「モバイルPentium （登録商標）II プロ
セッサ400MHz、8.1GBハードディスク、64MBメモリを搭
載しています。」という説明・案内用の音声を合成する
ためのデータファイルであり、図６に示すような文字、
記号からなるテキストファイルである。ここで文字列
「もばいるぺんてぃあむつーぷろせっさ…」に挿入され
た記号「'」「；」等はアクセントの位置、語句の切れ
目、ポーズの有無等の表わす記号であり、それらの意味
は前述した通りであるため説明を省略する。

【００４１】本実施形態では、図５に示されるHTMLファ
イルにアクセスされると、HTMLファイルの内容に従いホ
ームページが表示される。ホームページ閲覧側のコンピ
ュータに搭載されたWWWブラウザを操作して、ファイル
名"image.gif"で示される画像の部分をクリックする
と、WWWサーバーよりファイル名moji.ttsで参照される
表音文字データファイルが閲覧側のコンピュータに送信
される。表音文字データファイルを受信したコンピュー
タでは、上述した実施形態と同様に、表音文字列データ
ファイルに関連づけられた音声合成プログラムが起動さ
れて、合成音声が生成され、スピーカ３８より合成音声
が出力される。

【００４２】次に本実施例にかかる音声情報提供方法の
手続についてフローチャートを参照しつつ説明する（図
７参照）。閲覧側のコンピュータはWWWブラウザを用い
て所望のHTMLファイルの属するWWWサーバーのURLをイン
ターネットを介して送信する（ステップ６０）。閲覧側
のコンピュータは、送信されたURLにより指定されたWWW
サーバーよりインターネットを介して送信されたHTMLフ
ァイル、画像データファイルを受信する（ステップ６
１）。HTMLファイルを受信したコンピュータは、WWWブ
ラウザを起動してHTMLファイルを読み込み、HTMLファイ
ルの内容を解釈、処理する（ステップ６２）と共に、画
像データファイルを読み込み（ステップ６３）、その内
容を表示する（ステップ６４）。表示された画像ファイ
ルには表音文字列データファイルへの関連づけがなされ
ており、WWWブラウザを操作してその画像の部分をクリ
ックすると（ステップ６５）、関連づけられた表音文字
列データファイルがWWWサーバーから送信され、閲覧側
のコンピュータでは表音文字列データファイルが受信さ
れる（ステップ６６）。閲覧側のコンピュータでは、音
声合成プログラムが起動され（ステップ６７）、同プロ
グラムにより表音文字列データが合成音声データに変換
され（ステップ６８）、スピーカを介して合成音声が出
力される（ステップ６９）。

【００４３】本実施形態においては、閲覧側のコンピュ
ータで音声による情報提供を希望する場合にのみ表音文
字列データファイルがされ、音声合成プログラムが起動
することとなるため、音声情報の提供を希望しない場合
には表音文字列データファイルが受信されることなく画
像データのみの情報提供を受けることができるというメ
リットがある。しかし音声情報の提供に先立ち画像デー
タが表示しなければならないこととなるため、画像情報
より先にデータ量の少ない音声情報を提供することがで
きるという前述の実施形態のメリットは損なわれる。

【００４４】なお、上述した実施形態では、コンピュー
タ上で動作すべき音声合成処理用ソフトウェア（コンピ
ュータプログラム）は、ホームページを閲覧する側のコ
ンピュータにあらかじめ用意されているものとして説明
したが、当該ホームページの閲覧を希望する場合に、WW
Wサーバーアクセス時に表音文字データファイルだけで
なく、表音文字データから音声を合成する音声合成処理
用ソフトウェア（コンピュータプログラム）をも併せ
て、WWWサーバーからインターネットを介して受信する
ようにしてもよい。この場合、コンピュータ内のWWWブ
ラウザは、受信した音声合成処理用ソフトウェア（コン
ピュータプログラム）を起動して、受信した表音文字デ
ータを処理し、合成音声を生成することとなる。

【００４５】このように、プログラムを送信してWWWブ
ラウザがそれを実行する処理も、HTMLを用いて記述する
ことが可能であり、HTMLから呼び出されて実行される音
声合成プログラムは、オブジェクト指向言語であるＪａ
ｖａ（登録商標）で記述しておけばよく、このようにHT
MLファイルを構成することにより、音声合成プログラム
が閲覧側に予め搭載されていない場合であっても、音声
情報の提供を受けることが可能となる。

【００４６】次に本発明の音声情報提供方法及び装置を
別の実施形態につき、図面を参照しつつ説明する。

【００４７】これは音声合成処理手段を備えた携帯電
話、携帯型パーソナルコンピュータ等の携帯情報端末を
用いた無線電話網または携帯電話網を介した情報提供方
法を説明する実施形態である。

【００４８】図８において無線通信端末Ａ（または携帯
情報端末Ａ）５は、アンテナ６、無線部７、制御部８、
表示部９を備えており、通常の無線データ端末あるいは
携帯電話としての動作可能な通信端末、情報端末であ
る。そして他の無線通信端末Ｂ（または携帯情報端末
Ｂ）１０も、無線通信端末Ａと同様の機能を備えている
ものとし、無線通信網１１の一部をなす基地局１２等を
介して、無線通信端末Ａ、Ｂ間で相互にデータ通信ある
いは音声、画像等の情報を交換することができる。

【００４９】ここで無線通信端末Ａ、Ｂはそれぞれ音声
合成機能を備えた音声処理部１３を有しており、表音文
字列データファイルを受信することにより合成音声を出
力することができるものとする。

【００５０】ここでインターネットを経由して音声、画
像等の有料の情報提供サービスの提供を受けるための手
続について説明する。まず無線通信網１１のゲートウェ
イサーバー１４は無線通信端末Ａから送信された無線通
信端末Ａの識別情報（例えば携帯電話に付与された電話
番号、ＩＤ情報等）を元に、その無線通信端末Ａが有料
の情報提供サービスを受けられるかどうかを認証する。
例えば無線通信端末Ａの使用者が当該有料の情報提供サ
ービス会社と予め情報提供につき契約を交わしてある場
合には「情報提供可能」な無線通信端末であるとして、
ゲートウェイサーバー１４は認証結果を無線通信端末Ａ
に返信する。逆に未契約の場合には、「情報提供不可」
な無線通信端末であるとして認証結果を無線通信端末に
返信する。

【００５１】次に無線通信端末Ａは所望の情報をダウン
ロードするため、情報提供しているWWWサーバーを特定
するための情報（例えばURL情報）、あるいは当該所望
の情報の種類を特定するための情報（例えばURL以下の
音声ファイル情報）を送信する。その情報は無線通信網
１１、インターネット１５を介して所定のWWWサーバー
１６に送信され、これを受信したWWWサーバー１６はHTM
Lファイル１８、表音文字列データファイル１９、画像
データファイル２０を当該無線通信端末Ａ宛てに送信す
る。無線通信端末Ａはこれらの電子ファイルを受信し、
HTMLファイルを解釈、処理することによりホームページ
の内容や、画像データの内容を無線通信端末Ａの表示部
９に表示する。表音文字列データファイル１９が受信さ
れた場合には、無線通信端末Ａの制御部８は音声処理部
１３に含まれる音声合成部を起動し、表音文字列データ
を合成音声データに変換し、合成音により音声情報を出
力する。

【００５２】かかる実施形態においては、有料で音声、
画像等の情報を提供している場合であっても、これらの
情報を受信した無線通信端末の使用者は無線通信会社に
対して無線通信料と共に情報コンテンツのダウンロード
料金（または情報料）を支払う。そして無線通信会社
は、一定の手数料を差し引いたダウンロード料金（また
は情報料）を情報提供業者に支払う。このようにして情
報提供事業者は、独自に課金システムを構築する必要が
なく、有料の情報提供サービスを実現する場合でも、簡
単に情報提供料金を回収することができる。

【００５３】ここで例えば無線通信端末、携帯電話等の
表示部の小さな携帯情報端末では文字、画像等により情
報を提示するよりも、音声による情報提示方法がより有
効であり、携帯情報端末のユーザが移動中でも端末の表
示部に注目する労力を求めることなく、効果の高い情報
提示を行なうことが可能となる。また無線通信端末、携
帯情報端末等は無線通信回線を経由するため回線の通信
品質が劣化しやすいことから、できるだけ送信データ量
を小さくすることが望ましい。かかる観点からも、無線
通信端末、携帯情報端末で表音文字列データファイルを
受信し、受信側で音声を合成することにより、品質の高
い音声情報提供サービスを実現することが可能となる。

【００５４】次に本実施形態にかかる音声情報提供方法
の手続をフローチャートに従って説明する（図９参
照）。有料の音声情報コンテンツの提供を希望する無線
通信端末は、無線通信網のゲートウェイサーバーに対し
て自己の無線通信端末の識別情報（例えば携帯電話に付
与された電話番号、ＩＤ情報等）を送信する（ステップ
７０）。ゲートウェイサーバーは、その無線通信端末が
当該有料の音声情報コンテンツの提供サービスを受けら
れるかどうかを認証する（ステップ７１）。例えば無線
通信端末の使用者が当該有料の音声情報コンテンツのサ
ービス会社と予め情報提供につき契約を交わしてある場
合には「情報提供可能」な無線通信端末であるとして
（ステップ７２）、ゲートウェイサーバー１４は認証結
果を無線通信端末に返信する（ステップ７３）。逆に未
契約の場合には、「情報提供不可」な無線通信端末であ
るとして認証結果を無線通信端末に返して、終了する
（ステップ７４）。

【００５５】次に無線通信端末は所望の音声情報をダウ
ンロードするため、情報提供しているWWWサーバーを特
定するための情報（例えばURL情報）、あるいは当該所
望の情報の種類を特定するための情報（例えばURL以下
の音声ファイル情報）等のコンテンツ要求情報を送信す
る（ステップ７５）。その情報は無線通信網、インター
ネットを介して所定のWWWサーバーに送信され、これを
受信したWWWサーバーは表音文字列データファイル、画
像データファイルを当該無線通信端末宛てに送信する。
無線通信端末は表音文字列データファイル、画像データ
ファイルを受信し（ステップ７６）、まず表音文字列デ
ータファイルを読み込み（ステップ７７）、無線通信端
末の音声処理部内に設けられた音声合成部の音声合成プ
ログラムを起動することにより（ステップ７８）、表音
文字列データを音声データに変換し、合成音声を生成し
て、音声データを出力する（ステップ７９）。これによ
り音声情報コンテンツのダウンロード、再生を完了す
る。次に無線通信端末は画像データファイルを読み込み
（ステップ８０）、受信した画像データを表示する（ス
テップ８１）。これにより画像情報コンテンツのダウン
ロード、再生を完了する。かかるステップによって、音
声情報提供を実現することができる。

【００５６】以上の実施例においては音声、画像等の情
報提供の要求信号を送信する端末と情報を受信する端末
とが同一端末であったが、情報提供の要求信号を送信す
る端末から受信を希望する端末の識別情報を指定するこ
とにより、他の無線情報端末に対して情報提供サービス
を受けさせることができる。すなわち無線通信端末Ａは
自己の端末識別情報と共に音声、画像等の情報の配信を
希望する無線通信端末Ｂの端末識別情報（例えば携帯端
末の電話番号、携帯情報端末のＩＤ番号等）をゲートウ
ェイサーバーに送信する。ゲートウェイサーバーでは無
線通信端末Ａの識別情報に従い情報提供可能かどうかの
認証を行ない、情報提供可能である場合には、無線通信
端末Ｂに対してHTMLファイル、表音文字列データファイ
ル、画像データファイル等を送信する。無線通信端末Ｂ
では、音声処理部の音声合成プログラムを起動して表音
文字列データを音声データに変換して合成音声を出力し
たり、画像データファイルの内容を表示部に表示したり
することができる。

【００５７】また先の実施形態では、無線通信端末の認
証後に改めて情報コンテンツのダウンロードのための要
求情報を送信するよう説明したが、無線通信端末の識別
情報と音声情報コンテンツダウンロードのための要求情
報を同時に送信して、端末認証後、直ちにコンテンツダ
ウンロードを開始するよう手続を簡略化することも可能
である。

【００５８】次に音声合成処理手段を備えた携帯電話、
携帯型パーソナルコンピュータ等の携帯情報端末を用い
た無線電話網または携帯電話網を介した音声情報提供方
法及び装置の別の実施形態について、同じく図８を用い
て説明する。本実施形態においては、漢字かな混じりの
文章を表音文字列データに変換する「テキスト−表音文
字列変換」サーバー２１、同サーバー用の「テキスト−
表音文字列変換」テーブルを記憶した記憶装置２２を用
いた音声情報提供装置、方法に関する。

【００５９】テキスト−表音文字列変換サーバーは、漢
字かな混じり文を入力として音声合成用の表音文字列デ
ータを生成する機能を有する。テキスト−表音文字列変
換サーバーの中核をなす変換プログラム（コンピュータ
ソフトウェア）の処理手続について、図１０及び図１１
を参照しつつ説明する。

【００６０】漢字、数字、かな文字等を含む漢字かな混
じり文がサーバーに入力される（ステップ９０）と、入
力文は文節単位に切り分けられる（ステップ９１）。サ
ーバーの記憶装置には、単語あるいは文節単位の「漢字
かな混じりテキスト」とこれに相当する「表音文字列デ
ータ」とを対応づけた「テキスト−表音文字列変換テー
ブル」が記憶されており、このテーブルを参照すること
により（ステップ９２）文節単位に切り分けられた漢字
かな混じり文は表音文字列データに変換され、表音文字
列が生成される（ステップ９３、図１１"(a)表音文字列
データ変換"参照）。ここで変換テーブルにない単語等
は変換されずに表音文字列データが欠落することとなる
ため、一旦生成された表音文字列に修正が必要であれば
（ステップ９４）、新たに「新語辞書登録」をすると共
に表音文字列を修正する（ステップ９５、図１１"(b)表
音文字列修正"参照）。更に必要に応じて音声合成処理
精度を高めるため、表音文字列に音声のアクセント位置
を示す「アクセント位置情報」を挿入し（ステップ９
６）、表音文字データ生成を完了する（ステップ９７、
図１１"(c)アクセント位置情報挿入"参照）。

【００６１】ここでインターネットを経由して、漢字か
な混じり文を音声情報に変換するサービスについて説明
する。電子メール等で受信された漢字かな混じり文を音
声情報として出力したい場合には、無線通信端末A５
（または無線通信端末Ａ宛ての電子メールが蓄積された
メールサーバー）に蓄積された電子メール（電子ファイ
ル、漢字かな混じり文）をテキスト−表音文字列変換サ
ーバー２１に転送する。サーバー２１では、転送された
漢字かな混じり文（電子ファイル）を表音文字列に変換
して無線通信端末Ａ宛てに返信する。無線通信端末Ａで
は、音声処理部の音声合成プログラムを用いて表音文字
列に変換された表音文字列データ（電子ファイル）を音
声データに変換する。これにより漢字かな混じり文を音
声情報に変換することができる。

【００６２】かかる音声情報変換サービスを利用するこ
とにより、音声情報を利用して電子メール等の漢字かな
混じり文の情報を入手することができるため、視覚的に
電子メールの内容を確認することが難しい場合、例えば
利用者が移動中であって無線通信端末Ａの表示部を確認
しづらい場合や、自動車運転中であって電子メールの内
容をチェックする操作をすることができない場合等であ
っても、音声情報を利用して容易に電子メールの内容を
理解することができる等のメリットがある。

【００６３】

【発明の効果】以上説明したように、本発明の音声情報
提供方法及び装置によれば、通信回線の伝送速度が遅い
場合でも音声による情報提供を実現することができる。

【図面の簡単な説明】

【図１】 本発明の音声情報提供装置の構成を示す図。

【図２】 本発明に用いるHTMLファイルの内容を示す
図。

【図３】 本発明に用いる表音文字列の内容を示す図。

【図４】 本発明の音声情報提供方法のフローチャー
ト。

【図５】 本発明に用いるHTMLファイルの内容を示す
図。

【図６】 本発明に用いる表音文字列の内容を示す図。

【図７】 本発明の音声情報提供方法のフローチャー
ト。

【図８】 本発明の音声情報提供装置の応用例を示す
図。

【図９】 本発明の音声情報提供方法の応用例のフロー
チャート。

【図１０】 本発明に用いる表音文字列変換方法のフロ
ーチャート。

【図１１】 本発明に用いる表音文字列変換方法の原理
を示す図。

【図１２】 従来の音声情報提供装置の構成を示す図。

【符号の説明】

１…HTMLファイル ２…表音文字列データファイル ３…画像データファイル ４…音声合成プログラム ５…無線情報端末Ａ ６…アンテナ ７…無線部 ８…制御部 ９…表示部 １０…無線情報端末Ｂ １１…無線通信網 １２…基地局 １３…音声処理部（音声合成部含む） １４…ゲートウェイサーバー １５…インターネット １６…WWWサーバー １７…記憶装置 １８…HTMLファイル １９…表音文字列データファイル ２０…画像データファイル ２１…テキスト−表音文字列変換サーバー ２２…記憶装置 ３０…WWWサーバー ３１…記憶装置 ３３…WWWブラウザ ３４…コンピュータ ３５…インターネット

───────────────────────────────────────────────────── フロントページの続き Ｆターム(参考） 5B075 ND14 ND16 PQ02 PQ04 5B089 GA11 GA25 GB03 HA10 HA11 JB01 JB06 KA07 KC58 KH21 LB13 LB17 5D045 AA20 9A001 BB02 BB03 BB04 CC02 CC05 DD11 HH11 HH18 HH23 JJ19 JZ25 JZ26 JZ27 KK43 KK60 LL03

Claims (10)

【特許請求の範囲】
1. 【請求項１】音声合成処理によって音声情報を生成する
   ための表音文字列を記憶する手段と、ここに記憶された
   表音文字列を伝送回線を介して送信する手段と、を具備
   したことを特徴とする音声情報提供装置。
2. 【請求項２】伝送回線を介して送信された、音声合成処
   理によって音声情報を生成するための表音文字列を受信
   する手段と、受信された表音文字列から合成音声を生成
   する手段と、合成された音声を出力する手段とを具備し
   たことを特徴とする音声情報提供装置。
3. 【請求項３】送信側では音声合成処理によって音声情報
   を生成するための表音文字列を伝送回線を介して送信
   し、受信側では受信された表音文字列から合成音声を生
   成することにより合成音声の情報を出力することを特徴
   とする音声情報提供装置。
4. 【請求項４】音声合成処理によって音声情報を生成する
   ための表音文字列を記憶する手段と、ここに記憶された
   表音文字列を伝送回線を介して送信する手段と、送信さ
   れた表音文字列を受信する手段と、受信された表音文字
   列から合成音声を生成する手段と、合成された音声を出
   力する手段とを具備したことを特徴とする音声情報提供
   装置。
5. 【請求項５】伝送回線を介して音声情報及びこれに関連
   づけられた画像情報を提供する方法であって、音声合成
   処理によって音声情報を生成するための表音文字列を伝
   送回線を介して送信した後に当該音声情報に関連づけら
   れた画像情報を送信し、受信側では受信された表音文字
   列から合成音声を生成し合成音声により当該音声情報を
   提供開始した後に、当該画像情報を表示することを特徴
   とする音声情報提供方法。
6. 【請求項６】音声合成処理によって音声情報を生成する
   ための表音文字列及びこの表音文字列に関連づけられた
   画像情報を記憶する手段と、ここに記憶された表音文字
   列を伝送回線を介して送信した後に当該表音文字列に関
   連づけられた画像情報を送信する手段と、送信された表
   音文字列及び画像情報を受信する手段と、受信された表
   音文字列から合成音声を生成する手段と、合成された音
   声を出力する手段と、受信された画像情報を表示する手
   段とを具備したことを特徴とする音声情報提供装置。
7. 【請求項７】情報送信側では、無線通信端末から送信さ
   れた端末識別情報により情報提供可能と認証された無線
   通信端末に対し、音声合成処理によって音声情報を生成
   するための表音文字列を無線通信回線を介して送信し、
   情報受信側では受信された表音文字列から合成音声を生
   成することにより合成音声の情報を出力することを特徴
   とする音声情報提供方法。
8. 【請求項８】無線通信端末から送信された端末識別情報
   により情報提供可能か否かを認証する手段と、音声合成
   処理によって音声情報を生成するための表音文字列を記
   憶する手段と、認証手段により認証された無線通信端末
   に対し記憶手段に記憶された表音文字列を無線通信回線
   を介して送信する手段とを備えた音声情報提供装置であ
   って、前記無線通信端末は、送信された表音文字列を受
   信する受信部と、受信された表音文字列から合成音声を
   生成する音声合成部と、合成された音声を出力する出力
   部とを具備したことを特徴とする音声情報提供装置。
9. 【請求項９】無線通信回線を介して音声情報及びこれに
   関連づけられた画像情報を提供する方法であって、無線
   通信端末から送信された端末識別情報により情報提供可
   能と認証された無線通信端末に対し、音声合成処理によ
   って音声情報を生成するための表音文字列を無線通信回
   線を介して送信した後に当該音声情報に関連づけられた
   画像情報を送信し、受信側では受信された表音文字列か
   ら合成音声を生成し合成音声により当該音声情報を提供
   開始した後に、当該画像情報を表示することを特徴とす
   る音声情報提供方法。
10. 【請求項１０】無線通信端末から送信された端末識別情
    報により情報提供可能か否かを認証する手段と、音声合
    成処理によって音声情報を生成するための表音文字列及
    びこの表音文字列に関連づけられた画像情報を記憶する
    手段と、認証手段により認証された当該無線通信端末に
    対し記憶手段に記憶された表音文字列を無線通信回線を
    介して送信した後に当該表音文字列に関連づけられた画
    像情報を送信する手段とを備えた音声情報提供装置であ
    って、前記無線通信端末は、送信された表音文字列及び
    画像情報を受信する受信部と、受信された表音文字列か
    ら合成音声を生成する音声合成部と、合成された音声を
    出力する出力部と、受信された画像情報を表示する表示
    部とを具備したことを特徴とする音声情報提供装置。