JP2002023996A

JP2002023996A - 音声対応スクリプト動作装置

Info

Publication number: JP2002023996A
Application number: JP2000202858A
Authority: JP
Inventors: Kiyoyuki Suzuki; 清幸鈴木
Original assignee: Advanced Media Inc
Current assignee: Advanced Media Inc
Priority date: 2000-07-04
Filing date: 2000-07-04
Publication date: 2002-01-25

Abstract

(57)【要約】【課題】サーバー側がインターネット等のネットワ
ークを通してクライアント側に音声対応スクリプト等を
有するドキュメントを配信したい場合、クライアント側
の音声認識（合成）エンジンを意識することなく音声対
応スクリプト等を有するドキュメントを作成できるよう
にした。【解決手段】音声対応スクリプト動作装置における命
令検出手段は、ブラウザによる音声対応スクリプトから
抽出された音声認識コマンドに対応する処理内容を音声
認識エンジンの属性および処理と命令対応表とを見るこ
とによって検出する。変換手段は、前記検出されたコマ
ンドに基づいて、情報処理装置に内蔵されている音声認
識エンジンに合ったコマンドに変換し、音声認識エンジ
ンを動作させる。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は、サーバー側がイン
ターネット等のネットワークを通してクライアント側に
音声対応スクリプト等を有するドキュメントを配信した
い場合、クライアント側の音声認識（合成）エンジン
「以下、本明細書において、音声認識エンジンおよび音
声合成エンジンを単に音声認識（合成）と記載する」を
意識することなく音声対応スクリプト等を有するドキュ
メントを作成できるようにした、クライアント側に設け
られた音声対応スクリプト動作装置に関するものであ
る。また、音声認識（合成）エンジン用の辞書および／
またはグラマを本明細書において、以下、単に「辞書」
と記載する。

【０００２】

【従来の技術】近年、音声認識（合成）エンジンは、各
社がそれぞれ認識率の高いソフトウエアを開発してい
る。クライアントとしては、音声認識（合成）エンジン
の中身がどうであれ、音声認識（合成）の結果と使用目
的に合った音声認識（合成）エンジンを選択する。

【０００３】

【発明が解決しようとする課題】しかし、インターネッ
ト上で、音声対応スクリプトを有するドキュメント（た
とえば、ＨＴＭＬドキュメント）と辞書とをクライアン
ト側にダウンロードした場合、クライアント側は、ドキ
ュメントの作成者が考えていたものと同じ音声認識対応
スクリプトに合った音声認識（合成）エンジンを有して
いるとは限らない。

【０００４】サーバー側は、ドキュメントに付ける音声
対応スクリプトの作成に際し、クライアント側の音声認
識（合成）エンジンをいちいち意識して作成することが
困難である。これを解決する方法は、たとえば、サーバ
ー側が市販されている音声認識（合成）エンジンの数だ
け音声対応スクリプトを用意しておくことである。この
場合、クライアント側は、自分の所有する音声認識（合
成）エンジンに合った音声対応スクリプトをダウンロー
ドして利用することによって解決できる。しかし、サー
バー側は、音声認識（合成）エンジンの数に合った音声
対応スクリプトを用意することは困難である。

【０００５】本出願人は、音声対応スクリプトと音声認
識（合成）エンジンとの間に音声対応スクリプト動作装
置を置いて、共通の規格化された数少ないコマンドだけ
で、クライアント側の音声認識（合成）エンジンを意識
することなく、サーバー側で音声対応スクリプトを有す
るドキュメントを作成することができることを見い出し
た。また、本出願人は、音声対応スクリプトを有するド
キュメントと音声認識（合成）エンジンのコマンドが共
通である専用機であっても、前記ドキュメントにおける
複数のコマンド群を規格化された数少ないコマンドに変
換して、音声認識（合成）エンジンを作成した方が処理
を簡単にすることができることを見いだした。

【０００６】本発明は、サーバー側がクライアント側の
音声認識（合成）エンジンがどのようなものであるかを
認識することなく、音声対応スクリプトを有するドキュ
メントを作成できる、音声対応スクリプト動作装置を提
供することを目的とする。また、本発明は、クライアン
ト側がサーバー側の音声対応スクリプトを有するドキュ
メントに対応した音声認識（合成）エンジンが何である
かを意識することなく、ダウンロードして、自分の所有
する音声認識（合成）エンジンを起動することができ
る、音声対応スクリプト動作装置を提供することを目的
とする。

【０００７】

【課題を解決するための手段】（第１発明）第１発明の
音声対応スクリプト動作装置は、音声認識エンジンの相
違を意識せずに音声対応スクリプトを有するドキュメン
トの作成および利用ができるものであり、ブラウザによ
る音声対応スクリプトの抽出で、音声認識コマンドに対
応する処理内容を検出する命令検出手段２２と、前記コ
マンドに基づいて、情報処理装置に内蔵されている音声
認識エンジン２７に合ったコマンドに変換する変換手段
２５と、音声認識エンジン２７で認識された文字列等を
音声対応スクリプトに返す応答手段２９と、を備えてい
ることを特徴とする。

【０００８】（第２発明）第２発明の音声対応スクリプ
ト動作装置において、前記命令検出手段２２は、音声認
識エンジン２７の属性および処理と命令対応表２４とを
見ることによってコマンドを検出していることを特徴と
する。

【０００９】（第３発明）第３発明の音声対応スクリプ
ト動作装置において、前記変換手段２５は、前記命令検
出手段２２によって検出されたコマンドの処理と同じ処
理を行う音声認識エンジン２７のコマンドに変換するこ
とを特徴とする。

【００１０】（第４発明）第４発明の音声対応スクリプ
ト動作装置において、前記音声認識エンジン２７のコマ
ンドは、前記命令検出手段２２によって検出されたコマ
ンドに対応する少なくとも複数が備えられていることを
特徴とする。

【００１１】（第５発明）第５発明の音声対応スクリプ
ト動作装置において、前記音声認識エンジン２７のコマ
ンドは、多くとも規格された、「ListRecognizer」、
「CreateRecognizer」、「LoadDictionary」、「LoadGr
ammar 」、「ActivateGrammar 」、「DeactivateGramma
r 」、「DeleteGrammar 」、「ResumeRecognizer」、
「PauseRecognizer 」、「DestroyRecognizer 」からな
ることを特徴とする。

【００１２】（第６発明）第６発明の音声対応スクリプ
ト動作装置において、音声合成エンジン８６の相違を意
識せずに音声対応スクリプトを有するドキュメントの作
成および利用ができるものであり、ブラウザによる音声
対応スクリプトの抽出で、音声合成コマンドに対応する
処理内容を検出する命令検出手段８１と、前記コマンド
に基づいて、情報処理装置に内蔵されている音声合成エ
ンジン８６に合ったコマンドに変換する変換手段８４
と、を備えていることを特徴とする。

【００１３】（第７発明）第７発明の音声対応スクリプ
ト動作装置において、前記命令検出手段８１は、音声合
成エンジン８６の属性および処理と命令対応表８３を見
ることによってコマンドを検出していることを特徴とす
る。

【００１４】（第８発明）第８発明の音声対応スクリプ
ト動作装置において、前記変換手段８４は、前記命令検
出手段８１によって検出されたコマンドの処理と同じ処
理を行う音声合成エンジン８６のコマンドに変換するこ
とを特徴とする。

【００１５】（第９発明）第９発明の音声対応スクリプ
ト動作装置において、前記音声合成エンジン８６のコマ
ンドは、多くとも規格された、「ListSynthesizer 」、
「CreateSynthesizer 」、「LoadSynthesizer 」、「Sp
eakPhrase 」、「ResumeSynthesizer 」、「PauseSynth
esizer」、「DestroySynthesizer」からなることを特徴
とする。

【００１６】

【発明の実施の形態】（第１発明）本出願人は、クライ
アント側の情報処理装置に備えている音声認識エンジン
の相違をサーバー側およびクライアント側のいずれにお
いても意識せずに、音声対応スクリプトを有するドキュ
メントの作成および利用ができる音声対応動作装置を開
発した。クライアント側は、先ず、自分のブラウザに音
声対応スクリプトを有するドキュメントをダウンロード
する。ブラウザは、前記音声対応スクリプトを抽出し、
音声認識用のコマンドであれば、音声認識を行うための
処理を開始する。

【００１７】次に、音声対応動作装置における命令検出
手段は、音声認識コマンドに対応する処理内容を検出す
る。変換手段は、前記コマンドに基づいて、クライアン
トが有する情報処理装置に内蔵されている音声認識エン
ジンに合ったコマンドに変換する。また、音声認識エン
ジンが作成された後、マイクロホンから入力された音声
が認識されると、認識された文字列あるいは音声認識エ
ンジンが準備した等の信号を音声対応スクリプトに返す
ための応答手段を有する。すなわち、前記応答手段は、
音声認識エンジンとブラウザの音声対応スクリプトとを
繋ぐインタフェースである。本発明は、サーバー側およ
びクライアント側が互いに音声対応スクリプトを有する
ドキュメントと音声認識エンジンとの相違を意識するこ
となく、前記ドキュメントを作成あるいは利用すること
ができる。次に、特定の音声認識エンジンのみに対応し
た音声対応スクリプトを有するドキュメントがブラウザ
により抽出され、前記特定の音声認識エンジンを動作さ
せることができる。前記ブラウザにより抽出されたコマ
ンド群は、命令検出手段により検出された後、変換手段
により複数のコマンド群が規格された最大１０個のコマ
ンドに定義される。そして、規格化された前記コマンド
は、前記音声認識エンジンを動作させることができる。

【００１８】（第２発明）第２発明の命令検出手段は、
抽出された音声対応スクリプトのコマンドがどのような
処理であるかを検出する。たとえば、音声認識エンジン
の属性は、たとえば、当該情報処理装置に内蔵されてい
る音声認識エンジンのモード、あるいは言語等である。
また、前記コマンドは、その命令が、たとえば、音声認
識エンジンの作成、指定された辞書の読み込み、指定さ
れたグラマの有効または無効、指定されたグラマを音声
認識エンジンから削除、音声認識エンジンへの音声入力
の開始または音声入力の中止、音声合成エンジンの廃棄
等の処理を行うものである。前記コマンドとコマンドの
処理内容とは、対応表になって記憶されている。

【００１９】（第３発明）第３発明は、命令検出手段に
よって検出されたコマンドおよびその処理内容を変換手
段によって、当該音声認識エンジンのコマンドに変換す
る。したがって、クライアントは、音声認識エンジンの
コマンドが音声対応スクリプトにおけるコマンドと異な
っていても、前記変換手段によって変換されるため、コ
マンドの相違を意識せずにサーバー側のドキュメントを
利用することができる。

【００２０】（第４発明）第４発明において、前記音声
認識エンジンのコマンドは、市販されている全ての音声
認識エンジンに対応できるようにするのが望ましい。ま
た、市販されている全ての音声認識エンジンに対応して
いれば、全く音声認識エンジンのコマンドを意識せずに
音声対応スクリプトを有するドキュメントを利用するこ
とができ、また、ドキュメントの作成者もクライアント
を意識せずに音声対応スクリプトを有するドキュメント
を作成できる。

【００２１】（第５発明）第５発明は、音声認識エンジ
ンのコマンドとして、たとえば、多くとも規格された、
「ListRecognizer」、「CreateRecognizer」、「LoadDi
ctionary」、「LoadGrammar 」、「ActivateGrammar
」、「DeactivateGrammar 」、「DeleteGrammar 」、
「ResumeRecognizer」、「PauseRecognizer 」、「Dest
royRecognizer」を設けることで、どのような仕様の音
声認識エンジンでも作成することができる。また、単機
能の情報処理装置の場合、さらに、コマンドを少なくす
ることも可能である。

【００２２】（第６発明）第６発明は、音声合成エンジ
ンの相違を意識せずに音声対応スクリプトを有するドキ
ュメントの作成および利用ができる音声対応動作装置で
ある。クライアント側は、先ず、自分のブラウザに音声
対応スクリプトを有するドキュメントをダウンロードす
る。ブラウザは、前記音声対応スクリプトを抽出し、音
声合成用のコマンドであれば、音声合成を行うための処
理を開始する。

【００２３】音声対応動作装置における命令検出手段
は、音声合成コマンドに対応する処理内容を検出する。
変換手段は、前記コマンドに基づいて、クライアントが
有する情報処理装置に内蔵されている音声合成エンジン
に合ったコマンドに変換する。また、音声合成エンジン
が作成された後、ドキュメントにおける音声対応部分が
音声に合成されて出力する。本発明は、サーバー側にあ
る音声対応スクリプトを有するドキュメントに対して自
分の音声合成エンジンを意識することなく利用すること
ができる。

【００２４】（第７発明）第７発明の命令検出手段は、
抽出された音声対応スクリプトのコマンドがどのような
処理であるかを検出する。たとえば、音声合成エンジン
の属性は、たとえば、当該情報処理装置に内蔵されてい
る音声認識エンジンのモード、言語、あるいは声質（男
性／女性）等である。また、前記コマンドは、その命令
が、たとえば、音声合成エンジンの作成、指定された辞
書の読み込み、指定された文字列を音声合成エンジンに
よる音声の再生、音声合成エンジンによる音声再生の中
止、音声合成エンジンによる音声再生の再開、音声合成
エンジンの廃棄等である。前記コマンドとコマンドの処
理内容とは、対応表になって記憶されている。

【００２５】（第８発明）第８発明における音声合成エ
ンジンのコマンドは、市販されている全ての音声合成エ
ンジンに対応できるようにするのが望ましい。また、市
販されている全ての音声合成エンジンに対応していれ
ば、全く音声合成エンジンのコマンドを意識せずに音声
対応スクリプトを有するドキュメントを利用することが
でき、また、ドキュメントの作成者もクライアントを意
識せずに音声対応スクリプトを有するドキュメントを作
成できる。また、第８発明は、専用の音声対応スクリプ
トを有するドキュメントのコマンド群を変換手段によ
り、規格化された最大７個のコマンドに変換して、専用
の音声合成エンジンを作成することもできる。

【００２６】（第９発明）第９発明における音声合成エ
ンジンのコマンドは、多くとも規格された、「ListSynt
hesizer 」、「CreateSynthesizer 」、「LoadSynthesi
zer 」、「SpeakPhrase 」、「ResumeSynthesizer 」、
「PauseSynthesizer」、「DestroySynthesizer」を設け
ることで、どのような仕様の音声合成エンジンでも作成
することができる。また、単機能の情報処理装置の場
合、さらに、コマンドを少なくすることもできる。

【００２７】

【実施例】図１は本発明の実施例を説明するための
概念ブロック構成図である。図１において、クライアン
ト１１側には、サーバー１２側から音声対応スクリプト
１３′および辞書データ１４を有する、たとえば、ＨＴ
ＭＬドキュメント１３がダウンロードされる。音声対応
スクリプト動作装置１５は、音声対応スクリプト１３′
からの音声認識コマンドを音声認識エンジン１６が動作
するコマンドに変換する。そして、前記コマンドによっ
て、音声認識エンジン１６は、起動、音声認識、あるい
は終了等の動作を行い、図示されていないマイクロホン
からの音声を認識して、ＨＴＭＬドキュメント１３にテ
キストとして書き込まれる。

【００２８】また、音声対応スクリプト動作装置１５
は、音声対応スクリプト１３′からの音声合成コマンド
を音声合成エンジン１７が動作するコマンドに変換す
る。そして、前記コマンドによって、音声合成エンジン
１７は、起動、音声合成、あるいは終了等の動作を行
い、前記ＨＴＭＬドキュメント１３の音声に対応した内
容を図示されていないスピーカーから音声として出力し
たり、あるいは音声合成エンジンの動作を準備、廃棄、
または一連の動作を行うための一ステップであることも
ある。なお、前記音声対応スクリプト動作装置１５は、
音声認識スクリプト動作装置および音声合成スクリプト
動作装置から構成されている。

【００２９】音声対応スクリプトを有するＨＴＭＬドキ
ュメント１３内の辞書データ１４は、辞書および／また
はグラマ変換装置１８（本明細書において、以下、単
に、「辞書変換装置」と記載する）によって、クライア
ント１１側の音声認識（合成）エンジン１６、１７に合
った辞書（辞書および／またはグラマ以下、単に辞書
と記載する）１４′に変換される。前記辞書１４′は、
後に説明する音声対応スクリプト動作装置と同様な方法
によって、クライアント１１の有する音声認識（合成）
エンジン１６、１７に合ったものとする。本発明は、音
声対応スクリプト動作装置１５および辞書変換装置１８
により、サーバー１２側で、クライアント１１側の音声
認識（合成）エンジン１６、１７がどのようなメーカー
のものであっても、これらを意識することなく音声対応
スクリプトを有するドキュメントを作成することができ
る。

【００３０】図２は本発明の実施例で、音声認識スクリ
プト動作装置を詳述するためのブロック構成図である。
図２において、命令検出手段２２は、図１で、たとえ
ば、音声対応スクリプト１３′および辞書データ１４を
有するＨＴＭＬドキュメント１３がブラウザによる音声
対応スクリプトを抽出した後、そのコマンドを検出する
ためのものである。

【００３１】音声認識エンジンの属性情報記憶手段２３
には、後述の音声認識エンジンモード名、言語等が記憶
されている。処理および命令対応表２４は、コマンドと
その処理内容が後述の図３に示す表になって、格納され
ている。変換手段２５は、前記検出されたコマンドを音
声認識エンジン２７に対応するコマンドに変換するため
のものである。

【００３２】音声認識エンジンと命令対応表２６は、後
述の図４に示すように、市販されている音声認識エンジ
ンに対応したコマンドと命令検出手段２２で検出される
であろう全てのコマンドと対応して格納されている。前
記変換手段２５は、命令検出手段２２で検出されたコマ
ンドが音声認識エンジンと命令対応表２６のどれに対応
しているかを調べ、対応しているコマンドに変換して、
音声認識エンジン２７に与える。

【００３３】マイクロホン２８に入った音声は、前記変
換されたコマンドによって動作できる状態にある音声認
識エンジン２７によって、文字列、あるいは準備完了、
終了等を表す信号が応答手段２９に送られる。前記応答
手段２９は、音声対応スクリプトと音声認識エンジンと
のインタフェースであり、前記文字列等をテキストにし
て、音声対応スクリプト１３′に渡す。

【００３４】図３は本発明の音声認識エンジン側に必要
な命令と機能とが対応している表を示す図である。図３
において、たとえば、「ListRecognizer」というコマン
ドは、クライアント側にある音声認識エンジンが提供可
能なエンジンモードの一覧を取得する。そして、返す情
報は、たとえば、「(1) エンジンモード名、(2) 言語、
(3) ディクテーショングラマをサポートするかどうか、
(4) ルールグラマをサポートするかどうか」である。

【００３５】また、「CreateRecognizer」というコマン
ドは、指定されたエンジンモードの音声認識エンジンを
作成する。図３に示されたコマンドの数は、１０個であ
るが、最低これだけあれば、音声認識エンジンを作成さ
せたり、廃棄させること、辞書を音声認識エンジンに読
み込むこと、指定されたグラマの有効あるいは無効、指
定されたグラマを音声認識エンジンから削除、音声認識
エンジンへの音声入力の開始または中止させることがで
きる。そして、前記１０個のコマンドは、異なる手順の
音声認識エンジンを動作させ、音声認識を行った後、終
了させることができる。

【００３６】図４は本発明の実施例で、音声認識エンジ
ンと命令対応表を説明するための図である。図４におい
て、図３に示された１０個のコマンドは、市販されてい
る音声認識エンジンにおいて、どのようなコマンドにな
っているかが判る。したがって、クライアント側で所有
する音声認識エンジンに合ったコマンドを抽出すること
によって、音声認識エンジンの動作等を行わせることが
できる。市販されている音声認識エンジンのコマンド
は、図４において、（イ）・・・、（ａ）・・・、・・
・、−−−と記載されているが、複数のコマンド群から
構成されているのが一般的である。また、前記コマンド
群〔（イ）・・・、（ａ）・・・等〕は、図３における
から11までのコマンドと、図４における各市販されて
いる音声認識（合成）エンジンのコマンドから11まで
がそれぞれ対応している（音声合成エンジンが省略され
ている）。音声対応スクリプトを有するドキュメントと
音声認識エンジンが共通の場合、たとえば、○○Ｖｏｉ
ｃｅのコマンド群（イ）をのように規格化されたコマ
ンドであると定義する。したがって、（イ）ないし
（ヌ）までのコマンド群は、ないし11のような規格化
されたコマンドに変換手段２５により変換することで、
前記のような場合であっても、音声認識エンジンの処理
を簡単にすることができる。

【００３７】図５は本発明の実施例で、音声認識エンジ
ンを動作させるためのフローチャートを説明する図であ
る。図６は図５のフローチャートの続きで、(1) におい
て図５の(1) と接続されている。図７は図６のフローチ
ャートの続きで、(2) において図６と接続されている。
図５ないし図７と図２を使用して、本発明の実施例を説
明する。たとえば、サーバー側のＨＴＭＬドキュメント
がクライアント側に音声対応スクリプトおよび辞書デー
タと共にダウンロードされる。クライアント側のブラウ
ザにより、音声対応スクリプトは、図２におけるブラウ
ザによる音声対応スクリプトの抽出手段２１によって、
解釈されて実行される（ステップ５１）。

【００３８】前記ブラウザによる音声対応スクリプトの
抽出手段２１は、前記処理が、音声認識であるか、ある
いは音声合成であるか否かを調べる（ステップ５２）。
前記処理が音声認識でないと判断された場合、音声を合
成させるための処理を行う（ステップ５３）。前記処理
が音声認識であると判断された場合、命令検出手段２２
は、音声認識コマンドを認識する（ステップ５４）。次
に、命令検出手段２２は、処理および命令対応表２４を
見ることにより認識されたコマンドが「ListRecognize
r」であるか否かを調べる（ステップ５５）。命令検出
手段２２は、コマンドが「ListRecognizer」であると判
断した場合、前記コマンド「ListRecognizer」を変換
手段２５に渡す。

【００３９】すなわち、命令検出手段２２は、処理およ
び命令対応表２４を見ることにより「ListRecognizer」
なるコマンドが予め音声認識エンジンの属性情報記憶手
段２３に格納されている情報、たとえば、「(1) エンジ
ンモード名、(2) 言語、(3)ディクテーショングラマを
サポートするかどうか、(4) ルールグラマをサポートす
るかどうか」を取得して変換手段２５に渡す。前記変換
手段２５は、たとえば、音声認識エンジンと命令対応表
２６（図４）のと、コンピュータの有する音声認識エ
ンジンが○○Ｖｏｉｃｅであった場合、（イ）に記述さ
れているコマンドによって音声認識エンジンの属性を設
定する（ステップ５６）。

【００４０】次に、前記コマンドが「ListRecognizer」
でないと判断された場合、命令検出手段２２は、処理お
よび命令対応表２４を見ることにより、コマンドが「Cr
eateRecognizer」であるか否かを調べる（ステップ５
７）。命令検出手段２２は、前記コマンドが「CreateRe
cognizer」であると判断した場合、前記コマンド「Crea
teRecognizer」を変換手段２５に渡す。前記変換手段２
５は、音声認識エンジンと命令対応表２６（図４）の
におけるコマンドによって、指定されたモードの音声認
識エンジンを作成する（ステップ５８）。

【００４１】前記コマンドが「CreateRecognizer」でな
いと判断された場合、命令検出手段２２は、処理および
命令対応表２４を見ることにより、コマンドが「LoadDi
ctionary」であるか否かを調べる( ステップ５９）。命
令検出手段２２は、前記コマンドが「LoadDictionary」
であると判断した場合、前記コマンド「LoadDictionar
y」を変換手段２５に渡す。前記変換手段２５は、音声
認識エンジンと命令対応表２６のにおけるコマンドに
よって、辞書を音声認識エンジンに読み込む（ステップ
６０）。

【００４２】前記コマンドが「LoadDictionary」でない
と判断された場合、命令検出手段２２は、処理および命
令対応表２４を見ることにより、コマンドが「LoadGram
mar」であるか否かを調べる（ステップ６１）。命令検
出手段２２は、前記コマンドが「LoadGrammar 」である
と判断した場合、グラマを音声認識エンジンに読み込む
（ステップ６２）。

【００４３】前記コマンドが「LoadGrammar 」でないと
判断された場合、命令検出手段２２は、処理および命令
対応表２４を見ることにより、コマンドが「ActivateGr
ammar 」であるか否かを調べる（ステップ６３）。命令
検出手段２２は、前記コマンドが「ActivateGrammar 」
であると判断した場合、前記コマンド「ActivateGramma
r 」を変換手段２５に渡す。前記変換手段２５は、前記
同様に、音声認識エンジンのグラマを有効にする（ステ
ップ６４）。

【００４４】前記コマンドが「ActivateGrammar 」でな
いと判断した場合、命令検出手段２２は、処理および命
令対応表２４を見ることにより、コマンドが「Deactiva
teGrammar 」であるか否かを調べる（ステップ６５）。
命令検出手段２２は、前記コマンドが「DeactivateGram
mar 」であると判断した場合、前記コマンド「Deactiva
teGrammar 」を変換手段２５に渡す。前記変換手段２５
は、前記同様に、音声認識エンジンのグラマを無効にす
る（ステップ６６）。

【００４５】前記コマンドが「DeactivateGrammar 」で
ないと判断した場合、命令検出手段２２は、処理および
命令対応表２４を見ることにより、コマンドが「Delete
Grammar 」であるか否かを調べる（ステップ６７）。命
令検出手段２２は、前記コマンドが「DeleteGrammar 」
であると判断した場合、前記コマンド「DeleteGrammar
」を変換手段２５に渡す。前記変換手段２５は、前記
同様に、前記グラマを音声認識エンジンから削除する
（ステップ６８）。

【００４６】前記コマンドが「DeleteGrammar 」でない
と判断した場合、命令検出手段２２は、処理および命令
対応表２４を見ることにより、コマンドが「ResumeReco
gnizer」であるか否かを調べる（ステップ６９）。命令
検出手段２２は、前記コマンドが「ResumeRecognizer」
であると判断した場合、前記コマンド「ResumeRecogniz
er」を変換手段２５に渡す。前記変換手段２５は、前記
同様に、音声認識エンジンへ音声を入力開始する（ステ
ップ７０）。

【００４７】前記コマンドが「ResumeRecognizer」でな
いと判断した場合、命令検出手段２２は、処理および命
令対応表２４を見ることにより、コマンドが「PauseRec
ognizer 」であるか否かを調べる（ステップ７１）。命
令検出手段２２は、前記コマンドが「PauseRecognizer
」であると判断した場合、前記コマンド「PauseRecogn
izer 」を前記変換手段２５に渡す。前記変換手段２５
は、前記同様に、音声認識エンジンへの音声入力を中止
する（ステップ７２）。

【００４８】前記コマンドが「PauseRecognizer 」でな
いと判断した場合、命令検出手段２２は、処理および命
令対応表２４を見ることにより、コマンドが「DestroyR
ecognizer 」であるか否かを調べる（ステップ７３）。
命令検出手段２２は、前記コマンドが「DestroyRecogni
zer 」であると判断した場合、前記コマンド「DestroyR
ecognizer 」を前記変換手段２５に渡す。前記変換手段
２５は、前記同様に、音声認識エンジンを廃棄する（ス
テップ７４）。

【００４９】前記コマンドが「DestroyRecognizer 」で
ないと判断した場合、命令検出手段２２は、ステップ６
９に戻り、コマンドが「ResumeRecognizer」であるか否
かを調べ、音声認識エンジンへ音声入力を開始する（ス
テップ７０）。

【００５０】図８は本発明の実施例で、音声合成スクリ
プト動作装置を詳述するためのブロック構成図である。
図８において、命令検出手段８１は、図２に示すものと
略同じ機能を有するものである。音声合成エンジンの属
性情報記憶手段８２には、後述の音声認識エンジンモー
ド名、言語、声質（男性または女性）等が記憶されてい
る。処理および命令対応表８３は、コマンドとその処理
内容が後述の図９に示す表になって、格納されている。
変換手段８４は、前記検出されたコマンドを音声合成エ
ンジン８６に対応するコマンドに変換するためのもの
で、音声合成エンジンと命令対応表８５（図４と略同じ
であるため省略されている）を参照する。

【００５１】前記音声合成エンジンと命令対応表８５
は、市販されている音声合成エンジンに対応したコマン
ドと命令検出手段８１で検出されるであろう全てのコマ
ンドと対応された表になって、格納されている。前記変
換手段８４は、命令検出手段８１で検出されたコマンド
が音声合成エンジンと命令対応表８５のどれに対応して
いるかを調べ、対応しているコマンドに変換する。前記
コマンドは、音声合成エンジン８６に与えられ、音声合
成エンジン８６を動作させ、音声に対応した、たとえ
ば、ＨＴＭＬドキュメント１３がスピーカー８７から音
声となって出力される。

【００５２】図９は本発明の音声合成エンジン側に必要
な命令と機能とが対応している表を示す図である。図９
において、たとえば、「ListSynthesizer 」というコマ
ンドは、クライアント側にある音声合成エンジンが提供
可能なエンジンモードの一覧を取得する。そして、返す
情報は、たとえば、「(1) エンジンモード名、(2) 言
語、(3) 声質（男性／女性）」等である。

【００５３】また、たとえば、「CreateSynthesizer 」
というコマンドは、指定されたエンジンモードの音声合
成エンジンを作成する。図９に示されたコマンドの数
は、７個であるが、最低これだけあれば、音声合成エン
ジンを作成させたり、廃棄させること、辞書を音声合成
エンジンに読み込むこと、指定された文字列を音声合成
エンジンにより音声として再生、音声合成エンジンによ
る音声再生を中止、または再開させることができる。そ
して、前記７個のコマンドは、異なる手順の音声合成エ
ンジンを動作させ、音声合成を行った後、終了させるこ
とができる。また、最大７個の前記コマンドは、規格化
されているため、複数の音声合成エンジンに対応できる
以外に、専用の音声合成エンジンの場合でも、同様に変
換されることにより達成される。

【００５４】図１０は本発明の実施例で、音声合成エン
ジンを動作させるためのフローチャートを説明する図で
ある。図１１は図１０のフローチャートの続きで、(3)
において図１０の(3) と接続されている。図１０および
図１１を使用して、本発明の実施例を説明する。図５に
示すステップ５２において、音声認識処理でなく、音声
合成処理（ステップ５３、図１０のステップ１０１）で
ある場合、命令検出手段８１は、図９に示す処理および
命令対応表８３を見ることにより認識されたコマンドが
「ListSynthesizer 」であるか否かを調べる（ステップ
１０２）。命令検出手段８１は、コマンドが「ListSynt
hesizer 」であると判断した場合、前記コマンド「List
Synthesizer 」を変換手段８４に渡す。前記変換手段８
４は、図示されていない音声合成エンジンと命令対応表
を参照して、音声合成エンジンの属性を設定する（ステ
ップ１０３）。

【００５５】すなわち、命令検出手段８１は、処理およ
び命令対応表８３を見ることにより「ListSynthesizer
」なるコマンドが予め音声合成エンジンの属性情報記
憶手段８２に格納されている情報、たとえば、「(1) エ
ンジンモード名、(2) 言語、(3) 声質（男性／女性）」
を取得して変換手段８４に渡す。

【００５６】次に、前記コマンドが「ListSynthesizer
」でないと判断された場合、命令検出手段８１は、処
理および命令対応表８３を見ることにより、コマンドが
「CreateSynthesizer 」であるか否かを調べる（ステッ
プ１０４）。命令検出手段８１は、前記コマンドが「Cr
eateSynthesizer 」であると判断した場合、前記コマン
ド「CreateSynthesizer 」を変換手段８４に渡す。前記
変換手段８４は、前記同様に、前記コマンドが指定され
たモードの音声合成エンジン８６を作成する（ステップ
１０５）。

【００５７】前記コマンドが「CreateSynthesizer 」で
ないと判断された場合、命令検出手段８１は、処理およ
び命令対応表８３を見ることにより、コマンドが「Load
Synthesizer 」であるか否かを調べる( ステップ１０
６）。命令検出手段８１は、前記コマンドが「LoadSynt
hesizer 」であると判断した場合、前記コマンド「Load
Synthesizer 」を変換手段８４に渡す。前記変換手段８
４は、前記同様に、辞書を音声合成エンジンに読み込ま
せる（ステップ１０７）。

【００５８】前記コマンドが「LoadSynthesizer 」でな
いと判断された場合、命令検出手段８１は、処理および
命令対応表８３を見ることにより、コマンドが「SpeakP
hrase 」であるか否かを調べる（ステップ１０８）。命
令検出手段８１は、前記コマンドが「SpeakPhrase 」で
あると判断した場合、前記コマンド「SpeakPhrase 」を
変換手段８４に渡す。前記変換手段８４は、前記同様
に、音声合成エンジン８６により音声を再生する（ステ
ップ１０９）。

【００５９】前記コマンドが「SpeakPhrase 」でないと
判断した場合、命令検出手段８１は、処理および命令対
応表８３を見ることにより、コマンドが「ResumeSynthe
sizer 」であるか否かを調べる（ステップ１１０）。命
令検出手段８１は、前記コマンドが「ResumeSynthesize
r 」であると判断した場合、前記コマンド「ResumeSynt
hesizer 」を変換手段８４に渡す。前記変換手段８４
は、前記同様に、音声合成エンジン８６に音声合成を開
始させる（ステップ１１１）。

【００６０】前記コマンドが「ResumeSynthesizer 」で
ないと判断した場合、命令検出手段８１は、処理および
命令対応表８３を見ることにより、コマンドが「PauseS
ynthesizer」であるか否かを調べる( ステップ１１２
)。命令検出手段８１は、コマンドが「PauseSynthesiz
er」であると判断した場合、前記コマンド「PauseSynth
esizer」を変換手段８４に渡す。前記変換手段８４は、
前記同様に、音声合成エンジンに８６より音声を中止さ
せる（ステップ１１３）。

【００６１】前記コマンドが「PauseSynthesizer」でな
いと判断した場合、命令検出手段８１は、処理および命
令対応表８３を見ることにより、コマンドが「DestroyS
ynthesizer」であるか否かを調べる（ステップ１１
４）。命令検出手段８１は、前記コマンドが「DestroyS
ynthesizer」であると判断した場合、前記コマンド「De
stroySynthesizer」を変換手段８４に渡す。前記変換手
段８４は、前記同様に、音声合成エンジン８６を廃棄す
る（ステップ１１５）。

【００６２】前記コマンドが「DestroySynthesizer」で
ないと判断した場合、命令検出手段８１は、ステップ１
１０に戻り、コマンドが「ResumeSynthesizer 」である
か否かを調べる。このように、音声合成エンジン８６が
廃棄されるまで、処理を続ける。

【００６３】以上、本実施例を詳述したが、本発明は、
前記実施例に限定されるものではない。そして、特許請
求の範囲に記載された本発明を逸脱することがなけれ
ば、種々の設計変更を行なうことが可能である。たとえ
ば、実施例において、規格化されたコマンドの数は、最
大７個または１０個にしたが、新しい機能が増加した場
合、前記規格化されたコマンドの最大数も増加すること
ができる。本発明は、公知の如何なる音声認識（合成）
エンジンをクライアント側およびサーバー側で互いに意
識することなく音声対応スクリプトを有するドキュメン
トを作成したり、あるいは利用することができる。

【００６４】本発明の音声対応スクリプト動作装置は、
市販されている多数の音声認識（合成）エンジンに対す
るものであるが、前記市販の一つの音声認識（合成）エ
ンジン専用のものにすることも可能である。また、本発
明の音声対応スクリプト動作装置におけるブロック部の
内部については、実施例で詳述していないものがある
が、公知あるいは周知の技術手段によって達成できるも
のである。

【００６５】本実施例における情報処理装置について
は、特に言及していないが、パーソナルコンピュータ、
電話機、携帯電話機、モバイル機器、各種情報処理装置
を備えた応用機器を含む。

【００６６】

【発明の効果】本発明によれば、数少ない限られたコマ
ンドとこれらの処理を対応表と、市販されている音声認
識（合成）エンジンの命令対応表を備えておくことによ
り、ドキュメントの作成者がクライアント側の音声認識
（合成）エンジンを意識することなく音声対応スクリプ
トを有するドキュメントを作成することができる。

【００６７】本発明によれば、クライアントは、音声対
応スクリプト動作装置を備えることにより、自分の音声
認識（合成）エンジンを意識することなく、音声対応ス
クリプトを有するドキュメントをダウンロードして、音
声を認識あるいは合成することができる。

【００６８】本発明によれば、音声認識（合成）エンジ
ンの作成、廃棄、辞書またはグラマの読み込み、グラマ
の有効／無効あるいは削除、音声認識（合成）エンジン
への音声入力（再生）等が僅かな数の規格されたコマン
ドによって達成される。

【００６９】本発明によれば、音声対応スクリプト動作
装置が限られたコマンドのみによって構成されているた
め、情報処理装置におけるメモリの占める割合が少な
く、かつ簡単でしかも安価に提供できる。

【００７０】本発明によれば、音声対応スクリプトを有
するドキュメントと音声認識（合成）エンジンとが対応
している場合であっても、音声対応スクリプト動作装置
によって、複数のコマンド群を規格化されたコマンドに
変換することにより、音声認識（合成）エンジンの作成
が容易になる。

【図面の簡単な説明】

【図１】本発明の実施例を説明するための概念ブロック
構成図である。

【図２】本発明の実施例で、音声認識スクリプト動作装
置を詳述するためのブロック構成図である。

【図３】本発明の音声認識エンジン側に必要な命令と機
能とが対応している表を示す図である。

【図４】本発明の実施例で、音声認識エンジンと命令対
応表を説明するための図である。

【図５】本発明の実施例で、音声認識エンジンを動作さ
せるためのフローチャートを説明する図である。

【図６】図５のフローチャートの続きで、(1) において
図５の(1) と接続されている。

【図７】図６のフローチャートの続きで、(2) において
図６と接続されている。

【図８】本発明の実施例で、音声合成スクリプト動作装
置を詳述するためのブロック構成図である。

【図９】本発明の音声合成エンジン側に必要な命令と機
能とが対応している表を示す図である。

【図１０】本発明の実施例で、音声合成エンジンを動作
させるためのフローチャートを説明する図である。

【図１１】図１０のフローチャートの続きで、(3) にお
いて図１０の(3) と接続されている。

【符号の説明】

１１・・・クライアント１２・・・サーバー１３・・・ＨＴＭＬドキュメント１３′・・音声対応スクリプト１４・・・辞書データ１５・・・音声対応スクリプト動作装置１６・・・音声認識エンジン１７・・・音声合成エンジン１８・・・辞書変換装置２１・・・ブラウザによる音声対応スクリプトの抽出手
段２２・・・命令検出手段２３・・・音声認識エンジンの属性情報記憶手段２４・・・処理および命令対応表２５・・・変換手段２６・・・音声認識エンジンと命令対応表２７・・・音声認識エンジン２８・・・マイクロホン２９・・・応答手段８１・・・命令検出手段８２・・・音声合成エンジンの属性情報記憶手段８３・・・処理および命令対応表８４・・・変換手段８５・・・音声合成エンジンと命令対応表８６・・・音声合成エンジン８７・・・スピーカー

───────────────────────────────────────────────────── フロントページの続き (51)Int.Cl.⁷ 識別記号ＦＩテーマコート゛(参考）Ｇ１０Ｌ 3/00 ５７１Ｊ

Claims

【特許請求の範囲】

【請求項１】音声認識エンジンの相違を意識せずに音声
対応スクリプトを有するドキュメントの作成および利用
ができる音声対応動作装置において、ブラウザによる音声対応スクリプトの抽出で、音声認識
コマンドに対応する処理内容を検出する命令検出手段
と、前記コマンドに基づいて、情報処理装置に内蔵されてい
る音声認識エンジンに合ったコマンドに変換する変換手
段と、音声認識エンジンで認識された文字列等を音声対応スク
リプトに返す応答手段と、を備えていることを特徴とする音声対応スクリプト動作
装置。
【請求項２】前記命令検出手段は、音声認識エンジンの
属性および処理と命令対応表とを見ることによってコマ
ンドを検出していることを特徴とする請求項１記載の音
声対応スクリプト動作装置。
【請求項３】前記変換手段は、前記命令検出手段によっ
て検出されたコマンドの処理と同じ処理を行う音声認識
エンジンのコマンドに変換することを特徴とする請求項
１記載の音声対応スクリプト動作装置。
【請求項４】前記音声認識エンジンのコマンドは、前記
命令検出手段によって検出されたコマンドに対応する少
なくとも複数が備えられていることを特徴とする請求項
１記載の音声対応スクリプト動作装置。
【請求項５】前記音声認識エンジンのコマンドは、多く
とも規格された、「ListRecognizer」、「CreateRecogn
izer」、「LoadDictionary」、「LoadGrammar 」、「Ac
tivateGrammar 」、「DeactivateGrammar 」、「Delete
Grammar 」、「ResumeRecognizer」、「PauseRecognize
r 」、「DestroyRecognizer 」からなることを特徴とす
る請求項１記載の音声対応スクリプト動作装置。
【請求項６】音声合成エンジンの相違を意識せずに音声
対応スクリプトを有するドキュメントの作成および利用
ができる音声対応動作装置において、ブラウザによる音声対応スクリプトの抽出で、音声合成
コマンドに対応する処理内容を検出する命令検出手段
と、前記コマンドに基づいて、情報処理装置に内蔵されてい
る音声合成エンジンに合ったコマンドに変換する変換手
段と、を備えていることを特徴とする音声対応スクリプト動作
装置。
【請求項７】前記命令検出手段は、音声合成エンジンの
属性および処理と命令対応表を見ることによってコマン
ドを検出していることを特徴とする請求項６記載の音声
対応スクリプト動作装置。
【請求項８】前記変換手段は、前記命令検出手段によっ
て検出されたコマンドの処理と同じ処理を行う音声合成
エンジンのコマンドに変換することを特徴とする請求項
６記載の音声対応スクリプト動作装置。
【請求項９】前記音声合成エンジンのコマンドは、多く
とも規格された、「ListSynthesizer 」、「CreateSynt
hesizer 」、「LoadSynthesizer 」、「SpeakPhrase
」、「ResumeSynthesizer 」、「PauseSynthesize
r」、「DestroySynthesizer」からなることを特徴とす
る請求項６記載の音声対応スクリプト動作装置。