JP2003323190A - ホームページシステム - Google Patents

Abstract

(57)【要約】 【課題】 本発明は、音声対応のようなホームページへ
のアクセスに際して、すでに開発された音声対応ホーム
ページが他のサイトで無断使用されることを防止するた
めにプログラムをチェックするシステムを得ることを目
的とする。 【解決手段】 クライアントとサーバーによるインター
ネット通信において、サーバー上に設定されたホームペ
ージをクライアント側からの音声入力によって閲覧操作
するシステムにおいて、クライアント側にサーバー側か
ら送信されるチェックファイルを検査した結果作動する
音響モデル等からなるルールグラマを用いた音声認識エ
ンジンを備え、クライアントが音声認識対応ホームペー
ジを要求した場合、サーバーはチェックファイルと音声
認識対応ホームページに対応したルールグラマをページ
内容と共にクライアントに送信する手段を備えたことを
特徴とするホームページシステムであるとする。

Description

【発明の詳細な説明】

【０００１】

【発明が属する技術分野】本発明は、音声対応のような
特殊なホームページへのアクセスに際して、対応するた
めのプログラムをチェックするシステムに関する。本発
明の主な利用分野としては、自然言語で入力された音声
を認識してインターネットホームページを操作する、音
声対応ホームページに関する。

【０００２】

【従来の技術】音声認識技術をインターネットホームペ
ージに応用した特許としては、『ホームページアクセス
装置及びホームページアクセス方法』（特開2001-10968
7）がある。これは、ユーザーが一般電話端末やファク
シミリ端末でホームページアドレスやホームページの閲
覧項目を音声入力することによってホームページ情報を
取得する方法を提唱している。ユーザー端末とホームペ
ージ提供サーバーとの間に音声認識装置を設置し、その
装置を介して音声認識を行っている。

【０００３】他の例としては、『音声コマンドを使用し
てネットワークをナビゲートするデータ処理システムお
よび方法』（特開平10-320168）がある。これは、ユー
ザー端末（クライアント）に表示されているテキストを
中央処理装置の音声認識ユニットの特殊語彙リストに記
録することによって、登録された語彙の範囲でユーザー
が音声入力してリンクにアクセスすることができるよう
にするという方法を採用している。

【０００４】音声処理に関する、主なコンピュータを用
いた最新の技術は音声符号化技術、音声合成技術、音声
認識技術、話者認識技術に大別される。音声符号化技術
は、音声をスペクトル分析し、音声波のもつ冗長性を取
り除いて圧縮化する技術である。音声合成技術は、人間
の音声を合成する技術で、テキストの読み上げなどに利
用されている。音声認識技術は、音声を言語として認識
する技術であるが、発展途上の技術でもあり、はじめの
二つほど普及していない。話者認識技術は、音声から誰
かを特定する技術で、セキュリティシステムなどに応用
されているが、その性格上、広くは普及していない。

【０００５】音声処理で広く使用されている技術にスペ
クトル分析がある。スペクトル分析は、音響分析の標準
的な周波数分析で、その中でもとくに広く用いられてい
るものがパワースペクトル分析である。パワースペクト
ル分析では、まず入力された音声信号をデジタル処理で
標本化し、その標本化されたデータをＤＦＴ（離散的フ
ーリエ変換）やＦＦＴ（高速フーリエ変換）によって計
算して周波数の成分を求める。その求められた周波数成
分を分析して音韻論的処理を施すことにより、音声認識
技術等に応用できるデータが得られる。

【０００６】大部分の音声認識技術においては、サンプ
リングした音声スペクトルを分析した後、ベクトル量子
化によって１００種類程度のグループに分類し、ラベル
列として処理できるようにしている。その後に、隠れマ
ルコフモデル（ＨＭＭ）と呼ばれる統計モデルを用いて
尤度計算をしながらデータを分析し、結果を出力する。
ＨＭＭは不特定話者による連続音声認識技術の中核を担
うモデルである音韻モデルと単語モデルのいずれにも利
用できる。

【０００７】ＨＭＭの働きは、入力音声パターンを観測
して最もよくマッチする記号列または音韻列を見つけ出
すことである。言語モデルでは、大量のテキストデータ
をＨＭＭ等によって統計的に分析して得られた記号列の
出現確率が用いられる。またＨＭＭによって得られたモ
デルを、音響モデルまたはＨＭＭモデルという。

【０００８】音響モデルと言語モデルを用いた音声認識
システムがある。例えば、ある日本語認識システムでは
６万語の日本語辞書を持つ。その中に含まれる単語は、
確率計算に必要な統計データとしての音響モデルと言語
モデルを内包している。マイクから入力された音声はデ
ジタルデータ化され、６万語の辞書と照らし合わせて候
補を絞り、高速大分類、言語解析、詳細音声突き合わせ
のステップを踏み、最終的に音響モデルと言語モデルで
解析した解析結果で最も確率の高いものを認識結果とし
て選択する。

【０００９】

【発明が解決しようとする課題】本発明は、音声対応ホ
ームページを作成するための開発ツールを有料で管理セ
ンターが提供することを念頭においているために、すで
に開発された音声対応ホームページが他のサイトで無断
使用されることを防止する手段を得ることを目的とす
る。

【００１０】

【課題を解決するための手段】上記課題を解決するため
に、本発明の請求項１に記載された発明は、クライアン
トとサーバーによるインターネット通信において、前記
サーバー上に設定されたホームページをクライアント側
からの入力によって閲覧操作するシステムにおいて、前
記クライアント側に前記サーバー側から送信されるチェ
ックファイルを検査した結果作動するプログラムを備
え、前記クライアントがホームページを要求した場合、
前記サーバーは前記チェックファイルと前記ホームペー
ジに対応したルールグラマをページ内容と共にクライア
ントに送信する手段を備えたことを特徴とするホームペ
ージシステムとする。

【００１１】請求項２に記載された発明は、前記チェッ
クファイルがメッセージ中にＵＲＬを含むことを特徴と
する請求項１記載のホームページシステムである。

【００１２】請求項３に記載された発明は、クライアン
トとサーバーによるインターネット通信において、前記
サーバー上に設定されたホームページをクライアント側
からの音声入力によって閲覧操作するシステムにおい
て、前記クライアント側に音響モデル、言語モデルおよ
び辞書からなるルールグラマを用いて作動する音声認識
エンジンを備え、前記クライアントが音声認識対応ホー
ムページを要求した場合、前記サーバーは前記音声認識
対応ホームページに対応したルールグラマをページ内容
と共にクライアントに送信する手段を備えたことを特徴
とするホームページシステムとする。

【００１３】請求項４に記載された発明は、クライアン
トとサーバーによるインターネット通信において、前記
サーバー上に設定されたホームページをクライアント側
からの音声入力によって閲覧操作するシステムにおい
て、前記クライアント側に前記サーバー側から送信され
るチェックファイルを検査した結果作動する、音響モデ
ル、言語モデルおよび辞書からなるルールグラマを用い
た音声認識エンジンを備え、前記クライアントが音声認
識対応ホームページを要求した場合、前記サーバーは前
記チェックファイルと前記音声認識対応ホームページに
対応したルールグラマをページ内容と共にクライアント
に送信する手段を備えたことを特徴とするホームページ
システムである。

【００１４】請求項５に記載された発明は、前記チェッ
クファイルのメッセージには少なくてもＵＲＬが含まれ
ていることを特徴とする請求項４記載のホームページシ
ステムである。

【００１５】本発明のシステムについて、音声対応ホー
ムページを例に取り説明する。音声対応ホームページを
ホームページ提供サイトで開発する。ユーザー（クライ
アント）が音声入力できるデータは、ホームページ単位
で管理する。音声認識はユーザー端末で行うが、それに
必要な音声認識エンジンは管理センターが無料でユーザ
ーに提供し、音声認識対応ドキュメントおよび辞書はホ
ームページと共にサイトが提供する。音声認識エンジン
はユーザーの入力する音声に対して符号化、ノイズ処
理、補正の後、符号化された音声データから音声認識の
認識率を劣化させない程度に特徴パラメータを抽出し、
ルールグラマによって音声認識を行い、ホームページ操
作に必要な記号列（命令語）を作成してブラウザに渡
し、ブラウザはその記号列を受けて、サーバーにアクセ
スする。

【００１６】本発明では、サイトに音声対応ホームペー
ジの開発ツールの有料提供とユーザーに音声認識エンジ
ンの無料提供を、管理センターが行う。この場合、音声
対応ホームページが他のサイトで不正使用されないため
に、ユーザーが音声対応ホームページを利用する際に、
まずサーバーからチェックファイルを端末に送信しても
らい、ユーザー端末でチェックファイルの内容（メッセ
ージ）をチェックし、メッセージが管理センターの認証
したものである場合には、初めて音声によるホームペー
ジアクセスが可能となるようにする。具体的には、以下
の通りである。

【００１７】インターネット上でホームページを提供す
るサーバーとホームページを閲覧するユーザーとの間で
ホームページをやりとりする際に、ユーザーが音声入力
によってホームページを閲覧できるシステムにおいて、
予めユーザー端末に音声認識エンジンを組み込んでお
き、ユーザーが音声認識対応サーバーにページ（画面）
を要求した場合、サーバーはそのページに対応したルー
ルグラマをページと共にユーザー端末に送信する手段、
ユーザーが前記ページに対して音声入力を行うと、音声
認識エンジンは音響分析、音声認識を行い、認識結果を
記号列として出力し、その結果によって何らかの処理を
行う手段を有する音声対応インターネットホームページ
とする。

【００１８】ユーザー端末が管理センターから入手した
音声認識エンジンには音響分析機能が組み込まれてい
て、ユーザーの音声を分析する機能を有している。この
音響分析の結果として出力されるのは特徴パラメータで
ある。特徴パラメータは音声認識率を劣化させず、なお
かつデータ量の小さな符号化音声データ（デジタル音声
データ）である。サーバーより送信された、ページに即
したルールグラマはこの特徴パラメータに対して音響的
確率計算・言語的確率計算することによって音声認識を
行い、記号列を作成する。

【００１９】ホームページ提供サイト（サーバー）とク
ライアント（ユーザー）とから構成される点は従来の形
態と同じであるが、本発明ではさらに管理センターを設
け、管理センターが、音声対応ホームページをユーザー
が利用できるようにするための音声認識エンジンの提供
と、音声対応ホームページをサイトが開発することので
きるツールの提供を行う。音声認識エンジンは一度入手
すれば、変更のない限り利用できる。また、音声対応ホ
ームページ開発ツールもサイトに有料提供した後は、サ
イトは自由に開発ツールを用いて音声対応ホームページ
を作成することができる。したがって、通常のホームペ
ージアクセス処理において管理センターが介在すること
はない。

【００２０】ただし、管理センターが認証したサイト以
外が不正に音声対応ホームページをコピーして利用して
いないかをチェックするために、サイトは有料で音声対
応ホームページ開発ツールの提供を受ける際に、管理セ
ンターに対してチェックファイルも要求する。チェック
ファイルのメッセージには少なくてもＵＲＬが含まれて
いて、該ＵＲＬとサイトが開設するホームページのＵＲ
Ｌと比較することによって、不正がないかどうかを判断
する。したがって、サイトがホームページを別のアドレ
スに移す際には、別のチェックファイルを管理センター
から再度発行してもらう必要がある。

【００２１】なお、チェックファイルが容易に他のサイ
トで不正に改竄されないために、メッセージは暗号化し
ておく。この暗号を解読したり、現在接続中のサイトの
ＵＲＬとの比較等の処理は音声認識エンジンが行う。

【００２２】

【発明の実施の形態】本発明の実施の形態を図を用いて
説明する。図１は、音声入力のためのチェックから音声
入力に至るまでの処理手順を示したシステム構成図であ
る。データのやり取りを概念的に示した図であるため
に、必ずしも矢印の通りにデータが動いているとは限ら
ない。例えば、チェック処理240Sとサーバー1のチェッ
クファイル120が直接矢印で結ばれているが、サーバー1
とユーザー端末2とのデータのやり取りは基本的にブラ
ウザ220を介して行われる。また図では管理センターよ
り、すでにユーザー端末2には音声認識エンジン210がロ
ードされており、サーバー1にはチェックファイル120が
ロードされているものとしてある。

【００２３】ユーザー2は閲覧したいサイトのサーバー1
に接続する（S1）。この場合、通常のブラウザ220を使
用するために、マウスあるいはキーボード処理になる
（予め特殊な音声入力は音声認識エンジン210で行える
ようにしておけば、音声入力も可）。サーバー1は初期
画面をユーザー端末2に送信する（S2）。

【００２４】初期画面で音声入力を選択した場合、ブラ
ウザ220はその旨をサーバー1に送信する（S1）。このメ
ッセージを受け、サーバー1はチェックファイル120を送
信する（S3）。チェックファイルを受けて、音声認識エ
ンジン210がチェックファイルからＵＲＬを含む情報を
抜き出し、現在接続中のサイト1のＵＲＬ等と比較し（2
40S）、等しい場合には初期化（241S）時にルールグラ
マもロードされ、音声入力の準備が整えられる。音声認
識エンジン210はルールグラマ111をもとに当該画面110
に対するルールグラマ111を用いた音声入力のための初
期化をする(241S）。これで、該画面110に対する音声入
力が可能となる。

【００２５】マイク230より音声入力を行う（242S）
と、音声認識エンジン210は音声認識を行い、画面110に
対応する記号列を生成して、ブラウザ220に伝達する。
ブラウザ220はそのメッセージを受け、サーバー1に送信
する（S1）。以下の処理は、通常のインターネット処理
となる。

【００２６】以上が音声入力の全体の処理手順である
が、ユーザー端末側を中心により詳しく示した図が図２
である。通常はブラウザ220で動作する。例えば、コン
トローラー、タッチパネル、マウス、キーボードなどの
入力デバイス260でデータ入力を行い、ブラウザ220はブ
ラウザスクリプト221によって入力データを解析し、そ
の解析結果に従って何らかの操作が行われる。

【００２７】本発明では、音響分析処理と音声認識処理
を分離して音声認識を行う。前者では音声データを符号
化、ノイズ処理、補正（ノーマライズ）をし、最終的な
結果として特徴パラメータを抽出する。後者では、特徴
パラメータをルールグラマを用いて分析し、記号列を生
成する。図２において音響分析は230Sで行い、音声認識
は231Sで行う。

【００２８】画面250に対応したルールグラマ252とＶＸ
ＭＬ（Voice Extensible Markup Language）記述プログ
ラム251は、音声認識エンジン210に取り入れて初期化
し、音声入力を待つ。一方、マイク230より入力された
音声データ231（アナログ音声データ）は音響分析処理2
30Sで符号化（デジタル化）、ノイズ除去、補正を行
い、特徴パラメータ232を抽出する。特徴パラメータ232
は、音声対応インタープリタ211に取り入れられ、音声
認識デコーダー処理231Sで音響的確率計算、言語的確率
計算を行い記号列233を出力する。この音声認識を行う
ときに使われるのがルールグラマ252である。ルールグ
ラマ252には音響モデル、言語モデル、辞書が含まれる
が、画面250（サイト1の画面110に同じ）に対応した音
声認識のみを行う。またルールグラマ252（サイト1のル
ールグラマ111に同じ）の音響モデル、言語モデルは通
常のモデルを単純化したもので、特徴パラメータ232を
音響的確率計算をするために画面ごとに独自に開発され
たモデルである。

【００２９】生成された記号列（図の音声認識結果23
3）は、ブラウザスクリプト221で画面に表示される。ま
た入力音声が次の画面要求の場合にはサーバー1にその
旨を送信し、次の画面を入手する。サーバー1は要求さ
れた次の画面110（画面に対応するＶＸＭＬ112とルール
グラマ111を含む）をユーザー端末2に送信する。以下、
同様の処理が繰り返される。

【００３０】上記のように本発明で音声認識エンジンの
処理を大別すると、音響分析による特徴パラメータの抽
出処理と、特徴パラメータを受けて音声認識デコーダー
による記号列の生成処理に分かれる。この点を図式化し
たのが図３である。

【００３１】音響分析処理230Sで抽出される特徴パラメ
ータ232は、アナログ音声データ231を符号化、ノイズ除
去、補正した音声データから、認識率を劣化させない程
度に音声データの特徴をよく表す特徴量の組であり、通
常の音声データに比べて最大3.75%まで縮小することが
できる。音声認識デコーダー231Sは、特徴パラメータ23
2に対してルールグラマ252を用いて音声認識を行い、音
声認識結果233を出力する。このルールグラマ252には音
響モデル2521、辞書2522、言語モデル2523が含まれる。
いずれも通常の音響モデル、辞書、言語モデルよりも単
純化してあり、しかも画面に対応した音声認識のみに絞
り込んでいるために、データの軽量化が実現されてい
る。

【００３２】

【発明の効果】本発明は、音響分析部と音声認識デコー
ダー部を分離し、音響分析部を管理センターが提供する
音声認識エンジンに含め、音声認識を行うのに必要なル
ールグラマをインターネットホームページ提供サイトが
画面ごとに開発し、ユーザーに提供する形態にしてい
る。データが軽量かつ高速処理のために音響分析では声
データを特徴ベクトルのみで表現した特徴パラメータを
抽出し、特徴パラメータを基に音声認識を行うルールグ
ラマは通常の音響モデルと言語モデルを単純化したもの
であり、なおかつ画面（ホームページ）ごとに開発され
る。また本発明では、無断で他のサイトによる音声対応
ホームページの不正使用を防止するために、ＵＲＬによ
るサイト管理を行っている。これによって、得られる本
発明の効果は以下の通りである。

【００３３】これまで音響分析と音声認識は切って切れ
ないほど密接な関係にあり、しかも音響分析の結果得ら
れる符号化音声データは（デジタル音声データ）は大容
量であるために、分離が難しく、サイトから画面ごとの
辞書と音声認識ソフトウェアを送信することが難しかっ
た。これに対して本発明では、音響分析は管理センター
が提供する音声認識エンジンに組み込まれていて、音声
認識の中心部となるルールグラマのみをサイトから送信
してもらえば、音声入力が行える点である。しかも、音
声認識はすべてユーザーで行うために、ユーザーとサイ
トの間に音声を認識するための装置（または基地）を介
在させる必要がない。

【００３４】音声認識の中心部は、通常の音響モデル、
言語モデルを単純化したルールグラマを用いるために、
データの軽量化が実現されている。しかも、本発明では
画面単位にルールグラマ（音響モデル、辞書、言語モデ
ル）を開発するために、画面と共にユーザー端末にルー
ルグラマを送信する形態にしても、通常の画面送信と同
じ速度でデータをユーザー端末に送信できる。

【００３５】音響分析で抽出される特徴パラメータは、
音声認識率を劣化させない程度に軽量化を可能にしてい
るために、ユーザー端末へのメモリ上の負担を極力軽減
することができる。画面単位の音声認識であるために、
音声認識処理速度が速く、音声認識機能が付加されて
も、全体の処理速度は音声認識機能がない場合と同じ程
度の処理速度で、音声認識機能が利用できる。しかも画
面に即したルールグラマを用いるために、高認識率が確
保できる。

【００３６】本発明は、管理センターが有料で音声認識
開発ツールをサイトに提供し、無料で音声認識エンジン
をユーザーに提供する形態を行う形態を想定している。
このため、あるサイトが開発した音声対応ホームページ
を他のサイトがコピーして無断で音声対応ホームページ
を利用しないとも限らない。この不正使用防止のため
に、本発明では管理センターが認めたサイトであるかの
認証にＵＲＬを使用しているために、他のサイトが無断
でコピー使用をするとしても、音声対応ホームページと
して利用できない。しかもＵＲＬを暗号化してチェック
ファイルをサイトに提供するために、他のサイトがチェ
ックファイルを改竄することとができないように工夫さ
れている。

【図面の簡単な説明】

【図１】本発明のマクロ的データの流れと処理を説明す
るためのシステム構成図である。

【図２】本発明のユーザー端末を中心に見た音声処理と
データの流れを説明するための処理フローチャートであ
る。

【図３】本発明の音声認識を説明するための処理フロー
チャートである。

【符号の説明】

１ ホームページ提供サーバーまたはサイト １１０ 画面（ホームページ、コンテンツ、ドキュメ
ント） １１１ ルールグラマ（音響モデル、言語モデル、辞
書を含む） １１２ ＶＸＭＬまたはそれによって記述されたプロ
グラム １２０ チェックファイル ２ ユーザー端末またはユーザー ２１０ 音声認識エンジン ２１１ 音声対応インタープリタ ２２０ ブラウザ ２２１ ブラウザスクリプト ２３０ マイク等の音声入力装置 ２３０Ｓ 音響分析処理 ２３１Ｓ 音声認識デコーダーまたはデコード（音声認
識）処理 ２３１ 音声データ（アナログ音声データ） ２３２ 特徴パラメータ ２３３ 音声認識結果（記号列など） ２４０Ｓ チェック処理 ２４１Ｓ 初期化処理 ２４２Ｓ 音声入力 ２５０ 画面、基本的に１１０と同じ ２５１ ＶＸＭＬ、基本的に１１２と同じ ２５２ ルールグラマ、基本的に１１１と同じ ２５２１ 音響モデル ２５２２ 辞書 ２５２３ 言語モデル ２６０ 入力デバイス（キーボード、タッチパネルな
ど） Ｓｎ、Ｓｎｎ等はデータの流れを示す。ｎ、ｎｎは連
番。

───────────────────────────────────────────────────── 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） Ｇ０６Ｆ 15/00 ３１０ Ｇ１０Ｌ 3/00 ５５１Ｐ Ｇ１０Ｌ 15/06 ５７１Ｈ 15/18 ５３７Ｊ 15/28 ５５１Ａ ５２１Ｖ Ｆターム(参考） 5B017 AA03 BA06 CA16 5B085 AA08 BA07 BC02 BE01 BE04 BG01 BG02 BG07 5D015 KK03 LL02 LL11

Claims (5)

【特許請求の範囲】
1. 【請求項１】クライアントとサーバーによるインターネ
   ット通信において、前記サーバー上に設定されたホーム
   ページをクライアント側からの入力によって閲覧操作す
   るシステムにおいて、 前記クライアント側に前記サーバー側から送信されるチ
   ェックファイルを検査した結果作動するプログラムを備
   え、 前記クライアントがホームページを要求した場合、前記
   サーバーは前記チェックファイルと前記ホームページに
   対応したルールグラマをページ内容と共にクライアント
   に送信する手段を備えたことを特徴とするホームページ
   システム。
2. 【請求項２】前記チェックファイルがメッセージ中にＵ
   ＲＬを含むことを特徴とする請求項１記載のホームペー
   ジシステム。
3. 【請求項３】クライアントとサーバーによるインターネ
   ット通信において、前記サーバー上に設定されたホーム
   ページをクライアント側からの音声入力によって閲覧操
   作するシステムにおいて、 前記クライアント側に音響モデル、言語モデルおよび辞
   書からなるルールグラマを用いて作動する音声認識エン
   ジンを備え、 前記クライアントが音声認識対応ホームページを要求し
   た場合、前記サーバーは前記音声認識対応ホームページ
   に対応したルールグラマをページ内容と共にクライアン
   トに送信する手段を備えたことを特徴とするホームペー
   ジシステム。
4. 【請求項４】クライアントとサーバーによるインターネ
   ット通信において、前記サーバー上に設定されたホーム
   ページをクライアント側からの音声入力によって閲覧操
   作するシステムにおいて、 前記クライアント側に前記サーバー側から送信されるチ
   ェックファイルを検査した結果作動する、音響モデル、
   言語モデルおよび辞書からなるルールグラマを用いた音
   声認識エンジンを備え、 前記クライアントが音声認識対応ホームページを要求し
   た場合、前記サーバーは前記チェックファイルと前記音
   声認識対応ホームページに対応したルールグラマをペー
   ジ内容と共にクライアントに送信する手段を備えたこと
   を特徴とするホームページシステム。
5. 【請求項５】前記チェックファイルのメッセージには少
   なくてもＵＲＬが含まれていることを特徴とする請求項
   ４記載のホームページシステム。