JP2006171544A - 音声ブラウザ装置、音声ブラウザ方法およびプログラム - Google Patents

Abstract

【課題】 ウェブページ全体における現在の読み上げ位置を知る場合、わざわざキーを押す動作を実行せずに、現在の読み上げ位置を知ることができ、また、読み上げを一時停止せずに、ウェブページ全体における現在の読み上げ位置を知ることができる音声ブラウザ装置、音声ブラウザ方法およびプログラムを提供することを目的とするものである。

【解決手段】 ウェブページ全体における読み上げ位置が、どの位置であるのかを、音声の高低や、長さ、強さ等の音の属性を変化させて提示する。

【選択図】 図１

Description

本発明は、ウェブコンテンツを音声読み上げして提示する音声ブラウザにおいて、コンテンツの読み上げ位置を、音声の属性によって示し、これによって、読み上げ音声を聞きながら、同時に読み上げ位置を把握することができる音声ブラウザ装置、音声ブラウザ方法およびプログラムに関する。

インターネットの普及によって、テレビやラジオ等の放送以外でも、様々な情報を得ることができる。インターネットの利用方法のうちの１つが、ウェブサイトの閲覧である。ウェブサイトの特徴は、様々な写真や文章を、ウェブページ作者の思う通りに２次元上に配置し、ユーザに提供できる点である。マルチメディア情報として、動画や音楽等を扱うことができるが、ウェブによって提供される情報の多くは、視覚的な情報である。したがって、視覚に障害があるユーザには、情報が提供されないという欠点がある。

このようなユーザを対象に、表示されているテキストを点字で表す点字ディスプレイや、表示されているテキストを音声で読み上げる音声ディスプレイが開発された。点字ディスプレイでは、ユーザが点字を理解していなければならないので、使えるユーザが限られるという欠点がある。

一方、音声ディスプレイでは、情報が音声としてユーザに提供されるので、特別な訓練等をせずに、ＰＣを扱うことができる（たとえば、特許文献１参照）。つまり、音声ブラウザでは、ウェブページに書かれているテキスト情報を、合成音声等で読み上げることによって、視覚に障害があるユーザがウェブページを閲覧することができる。

音声ブラウザは、音声ディスプレイの一種であり、ウェブコンテンツ読み上げ専用に開発されたものである。この音声ブラウザが開発されてから、目で見る代わりに合成音声を聞くことによって、視覚に障害があるユーザがウェブコンテンツから情報を得ることができる。

しかし、音声という異なるメディアでの表示の試みは、まだ始まったばかりであり、使い易さという観点からは工夫の余地がある。
特開平１１−２４９８６７号公報

音は、出力された瞬間のみ存在するという特徴がある。このために、ウェブ画面上のテキストが音声化されると、現在読み上げられている箇所が、ページ全体のどの位置であるのかを認識することが困難であるという欠点がある。

読み上げ場所が、ページ全体のどこであるかを知るには、読み上げ開始からの時間を憶えておくことが考えられる。しかし、読み上げ開始からの時間を覚えておくことは実際上、困難であるので、ＩＢＭホームページリーダ３．０１では、ヘルプ機能に、現在位置表示機能が実装されている。上記現在位置表示機能は、ＡｌｔキーとＦ１キーとを同時に押すと、たとえば、「ページの１０％」のように、現在位置が音声で提示される。この現在位置表示機能によって、現在どの部分を読み上げているかを知ることができる。

しかし、上記従来例では、現在の読み上げ位置を知る場合、わざわざキーを押す動作を実行する必要があり、その操作が煩雑であるという問題があり、また、読み上げを一時停止してから、現在読み上げ位置が音声提示されるので、読み上げの内容を理解することに集中できないという問題がある。

本発明は、ウェブページ全体における現在の読み上げ位置を知る場合、わざわざキーを押す動作を実行せずに、現在の読み上げ位置を知ることができ、また、読み上げを一時停止せずに、ウェブページ全体における現在の読み上げ位置を知ることができる音声ブラウザ装置、音声ブラウザ方法およびプログラムを提供することを目的とするものである。

本発明は、ウェブページ全体における読み上げ位置が、どの位置であるのかを、音声の高低や、長さ、強さ等の音の属性を変化させて提示する。

ページ内の読み上げ位置が進む毎に、上記音の属性が変化するので、音の属性に着目して、読み上げ音声を聞けば、読み上げ部分がページ全体のどの位置であるのかを認識することができる。

本発明によれば、読み上げている部分が、ウェブページ全体のどの位置にあるのかを、音声の高低や、長さ、強さ等の音の属性に置き換えて表示し、ページ内の読み上げ位置が進む毎に、上記音の属性が変化するので、音の属性に着目して、読み上げ音声を聞けば、読み上げ位置が、ウェブページ全体のどの位置であるのかを認識することができ、したがって、わざわざキーを押す動作を実行せずに、現在の読み上げ位置を知ることができ、また、読み上げを一時停止せずに、ウェブページ全体における現在の読み上げ位置を知ることができるという効果を奏する。

発明を実施するための最良の形態は、次の実施例である。

図１は、本発明の実施例１である音声ブラウザ１０と、ウェブサーバＷＳと、ネットワークＮＷとを示すブロック図である。

音声ブラウザ１０は、ネットワークＮＷを介して、ウェブサーバＷＳと通信し、ウェブコンテンツを受信し、表示する。また、パーソナルコンピュータ（ＰＣ）で実現する場合、情報入力部１１と、制御部１２と、送受信部１３と、情報解析部１４と、情報蓄積部１５と、音声合成部１６と、音声変形部１７と、情報出力部１８とを有する。

情報入力部１１は、キーボード、マウス等の入力装置であり、音声変形部１７は、ＰＣ本体で構成され、情報出力部１８は、モニタやスピーカで構成されている。

実施例１は、音声の高さを変えることによって、ウェブページ全体における読み上げ位置を提示する実施例である。つまり、読み上げ位置に応じた倍数を、読み上げ音声の周波数に乗じ、これによって、読み上げ位置を提示する実施例である。

なお、情報解析部１４は、音声に変換し音声出力している部分のウェブページ全体における位置である読み上げ位置を、判断し、記憶装置に記憶する読み上げ位置判断手段の例である。

制御部１２は、上記判断された読み上げ位置に基づいて、読み上げ音声の属性を変化させ、記憶装置に記憶する属性変換手段の例である。

なお、上記「記憶装置」は、半導体メモリ、ハードディスク等の外部記憶装置を含む概念である。

また、音声変換部１７と、情報出力部１８とは、上記属性変換手段によって、属性が変換された読み上げ音声を介して、読み上げ位置を提示する読み上げ位置提示手段の例である。

次に、音声ブラウザ１０の動作について説明する。

図２は、音声ブラウザ１０の動作を示すフローチャートである。

Ｓ１１で、キーボード等の情報入力部１１を介して、ＵＲＬを入力する。Ｓ１２で、制御部１２が制御することによって、ネットワークＮＷを介して、送受信部１３が入力したＵＲＬのウェブサーバＷＳと通信し、ウェブコンテンツを送受信部１３が受信する。Ｓ１３で、受信したウェブコンテンツを、情報解析部１４が解析し、ウェブコンテンツに含まれているＨＴＭＬタグや文章を解析し、読み上げる文章と、その属性とを決定する。

Ｓ１４で、読み上げ文章と音属性とを、情報蓄積部１５に記録し、Ｓ１５で、読み上げ単位区間の総数と、読み上げの順番とを記録する。

上記「読み上げ単位区間」は、読み上げるときに、読み上げ対象の文章が複数に区切られたうちの１つの範囲である。

図３は、実施例１において、情報蓄積部１５に記憶されている音声情報データ（リンクの有無、読み上げ音声）の例を示す図である。

ＨＴＭＬタグを解析した結果、読み上げ対象の文章（読み上げ対象文章）が、「明日の天気は、曇り時々雨、午後には晴れるでしょう。詳しい予報は、各地の天気をご覧ください。」であるとする。読み上げ対象の文章が、句読点で区切られた５つの部分（読み上げ単位区間）によって構成されている。

このうちで、読み上げ対象（読み上げ単位区間）「各地の天気をご覧ください。」には、リンクが張られているので、女声で読み上げ、その他の読み上げ対象には、リンクが張られていないので、男声で読み上げる。リンク部分をどの音声属性で読み上げ、リンク部分以外の部分をどの音声属性で読み上げるかは、情報蓄積部１５に予め設定、記録されている。

上記のように、音声ブラウザにおいて、通常の部分（リンクが張られていない部分）のコンテンツと、リンクが張られている部分のコンテンツとの違いを、音声の属性（男声と女声）で区別して聞き取れるように、音声合成し、提示する。

なお、上記読み上げ対象の文章を区切る場合、句読点で区切る以外に、単語や文字で区切ってもよく、文章や段落で区切ってもよい。

ただ、単語単位で、区切って音の高さを変えると、アクセントが変化し、誤解を招く可能性がある。この誤解を排除するためには、句読点単位で、読み上げ音声の高さを変えることが好ましいので、実施例１では、句読点単位で、読み上げ音声の高さを変えている。逆に言えば、実施例１では、句読点で区切られている読み上げ単位区間内では、読み上げ音声の高さを同一にしている。

さて、Ｓ１５で、受信したウェブコンテンツ全体の読み上げ対象の文章について、情報解析部１４が解析すると、読み上げ単位区間の総数が分かる。また、所定の読み上げ単位区間が、上記総数のうちの何番目であるのか（読み上げの順番）が分かる。この読み上げ単位区間の総数と、読み上げ単位区間の順番とから、任意の読み上げ単位区間が、全体のどの部分に当たるのかが分かる。これらの情報を、図３に示すデータに追記する。

図４は、実施例１において、情報蓄積部１５に記憶されている音声情報データに、読み上げの順番と、読み上げ単位区間の総数との音声データを追記した例を示す図である。

なお、読み上げ単位区間の総数は、１０００個である。ただし、１０００個は、一例であり、読み上げ単位区間の総数が１０００個以外の個数であってもよい。また、後述の図６、図１１、図１４に示す場合においても、読み上げ単位区間の総数は、１０００個であるが、読み上げ単位区間の総数が１０００個以外の個数であってもよい。

次に、図２に示すＳ１６で、音声合成部１６が音声を合成し、Ｓ１７で、この合成された音声は、音声変形部１７において、その音声の高さが変化される。

次に、音声の高さを変化させる方法について、説明する。

任意の瞬間の合成音声を、周波数解析すると、異なる純音によって構成されていると考えられる。

図５は、実施例１において、音声変形部１７の動作を示す図である。

音声合成部１６が合成した音声は、音圧Ａ１の周波数ｆ１の純音と、音圧Ａ２の周波数ｆ２の純音と、音圧Ａ３の周波数ｆ３の純音と、音圧Ａ４の周波数ｆ４の純音と、音圧Ａ５の周波数ｆ５の純音との５つの純音によって構成されているとする。この音声を、図５において、斜線が付されている５つの長方形で示し、これらによって、合成音声ｘが構成されている。

実際の合成音声では、さらに多くの純音によって構成されている。ここで、音声変形部１７が、音声を高くするには、５つの純音の周波数を、それぞれ、ａ倍すればよい。なお、上記「ａ」は、シフト係数である。この結果、音圧Ａ１の周波数ｆ１の純音、音圧Ａ２の周波数ｆ２の純音、音圧Ａ３の周波数ｆ３の純音、音圧Ａ４の周波数ｆ４の純音、音圧Ａ５の周波数ｆ５の純音が、それぞれ、音圧Ａ１の周波数ｆ１’の純音、音圧Ａ２の周波数ｆ２’の純音、音圧Ａ３の周波数ｆ３’の純音、音圧Ａ４の周波数ｆ４’の純音、音圧Ａ５の周波数ｆ５’の純音になる。ここで、ｆ１＜ｆ２＜ｆ３＜ｆ４＜ｆ５であり、各周波数は、ｆ１’＝ａｆ１、ｆ２’＝ａｆ２、ｆ３’＝ａｆ３、ｆ４’＝ａｆ４、ｆ５’＝ａｆ５である。

これら周波数がａ倍された純音を、図５では、斜線のない５つの長方形で示し、これら周波数がａ倍された５つの純音によって、合成音声ｘ’が構成されている。このようにすることによって、その倍音関係を変化させることなく、音声を高くすることができる。

音声合成部１６、情報出力部１８での制限から、出力できる最高の周波数、最低の周波数、シフト係数ａの値には、制限がある。これらの制限から、最高周波数（ｆｍａｘ）、最低周波数（ｆｍｉｎ）、最大シフト係数（ａｍａｘ）を決定する。これらの値を、情報蓄積部１５に予め設定しておく。

図５に示す例では、ｆｍｉｎ＜ｆ１、ａｍａｘｆ５＜ｆｍａｘとなるように設定する。周波数が段々高くなるようにするためには、シフト係数ａを１以上にすればよい。そのため、シフト係数ａを以下のように設定する。つまり、ｘ番目のファイル（読み上げ単位区間がｘ番目である読み上げ対象文章（読み上げ対象））のシフト係数をａ（ｘ）とし、かつｂを、正の定数とすると、以下の式（１）のようにすれば、シフト係数ａ（ｘ）を線形的に増加させることができる。

ａ（ｘ）＝１＋ｂｘ（ｘ−１） ， ｂ＞０ ……式（１）
これによって、１番目の読み上げ単位区間では、シフト係数ａ（ｘ）が１であるので、周波数変化はない。以下、シフト係数ａ（２）＝１＋ｂ、シフト係数ａ（３）＝１＋２ｂ…となり、１０００番目の読み上げ単位区間（読み上げ対象文章）のシフト係数ａ（１０００）は、１＋９９９ｂである。

このようにシフト係数ａを設定して、周波数を変化させればよい。このときに、周波数が離散的にしか変更できなければ、より近い値に合わせればよい。このようにして、音声変形部１７において、合成音声の構成純音を、各シフト係数だけシフトする。

図６は、実施例１において、図４に示す音声情報データに、シフト係数とファイル名とを追記した例であって、情報蓄積部１５に記憶されている音声情報データの例を示す図である。

作成された音ファイル１〜５のデータは、図６に示すように、情報蓄積部１５に蓄積されている音声情報データに追記される。

ここで、読み上げ単位を、任意に決めることができることは既に説明した。音ファイルの合成単位も、任意に決めるようにしてもよい。

なお、上記「音ファイル」は、読み上げ対象文章を読み上げた音声波形のデジタルデータを記録したファイルであり、読み上げ対象文章とは異なる。

図７は、実施例１において、情報蓄積部１５に記憶されている音声情報データの例を示す図である。

音ファイル１を、図７に示すように、短い音ファイルに区切って、構成するようにしてもよい。この場合、文章を任意の長さで区切って、音ファイルに変換してもよい。

図７に示す音ファイル１−１、１−２、１−３をつなぎ合わせて、音ファイル１を作るようにしてもよい。

図２に示すＳ１８で、音ファイルを情報蓄積部１５から読み出し、情報出力部１８が出力する。このようにして、ページ内の読み上げ位置に応じて、高さを変えた音声でウェブコンテンツを読み上げることができる。

本発明の実施例２は、読み上げ位置を、音声の長さで提示する実施例であり、つまり、具体的には、音の長さを、線形に変化させることによって、読み上げ位置を提示する実施例である。

図８は、本発明の実施例２である音声ブラウザ装置２０を示すブロック図である。

音声ブラウザ装置２０は、基本的には、音声ブラウザ装置１０と同じであり、情報蓄積部１５の代わりに、情報蓄積部２５が設けられ、音声変形部１７の代わりに、音声変形部２７が設けられている点が、音声ブラウザ装置１０とは異なる。

音声変形部２７は、ページ内の読み上げ位置に応じて、合成された音声の長さを変化させる。

図９は、本発明の実施例２の動作を示すフローチャートである。

実施例２の動作において、Ｓ１１〜Ｓ１３の動作は、実施例１におけるＳ１１〜Ｓ１６と同様である。Ｓ２４で、読み上げ文章と音属性とを情報蓄積部２５に記録し、Ｓ２５で、読み上げ単位区間の総数と、読み上げ単位区間の順番とを記録し、Ｓ２６で、音声合成部１６が音ファイルを作成し、情報蓄積部２５に記録し、Ｓ２６において合成された音声は、Ｓ２７において、ページ内の読み上げ位置に応じて、音声変形部２７が、音声の長さを変化させる。

次に、実施例２において、音声の長さを変化させる方法について説明する。

図１０は、実施例２における音声変形部２７の動作の説明図である。

長さを変化させる前の音声ｘ（ｘ番目の音ファイル）の長さを、図１０に示すように、ｔｘであるとする。ここで、音声変形部２７において、音声を長くするには、たとえば、音声ｘを構成する波形を時間方向に伸ばせばよい。この場合、音の高さも同時に変化する。また、音を伸ばしたい長さの分だけ、音声ｘを構成する波形を、同じ波形で補間するようにしてもよい。つまり、音声ｘを構成する波形のうちで、周期的な部分の波形を複製し、挿入することによって、波形を伸ばすようにしてもよい。

すなわち、母声は、子音と母音とからなり、母音は、周期的な波形であるので、周期的な部分の一部をコピーして付け足すことによって、波形を延ばすことができ、これによって、音声ｘを補間することができる。

この場合、音の高さは一定になる。図１０に示す例では、音声ｘの長さｔｘを時間方向にＢｘ倍して、音声ｘ’に変換している。この結果、音声ｘ’の長さは、Ｂｘｔｘになったとする。この長さ（変換後の音ファイルの長さ）を、「ｆ（ｔｘ）」と呼び、Ｂｘを、「シフト係数」と呼ぶ。

ところで、音ファイルの長さは一定ではなく、所定の基準長さをｔ０とし、ｘ番目の音ファイルの長さがｔｘであるとすると、基準長さとの比はｔｘ／ｔ０である。このように、各音ファイルの長さを、基準長さｔ０との比で表す。

ファイルの順番に応じて、変換後の基準長さｔ０を、Δｔずつ長くする場合を考える。ｘ番目の音ファイルの変換後の基準長さは、ｔ０＋（ｘ−１）Δｔである。すなわち、ｘ番目の音ファイルの長さがｔｘである場合、基準長さｔ０との比を求める。音ファイルの長さｔｘは、基準長さｔ０のｔｘ／ｔ０倍であり、つまり、各音ファイルの長さは、基準長さとの比で表され、各音ファイルの長さを変換するときに、基準長さを変化させ、基準長さとの比を変えないようにすると、変換後の長さｆ（ｘ）は、次の式（２）に示すようになる。

ｆ（ｔｘ）＝ｔｘ／ｔ０×｛ｔ０＋（ｘ−１）Δｔ｝＝ｔｘ＋ｔｘ／ｔ０（ｘ−１）Δｔ ……式（２）
この変換を元の長さｔｘをＢｘ倍してｆ（ｔｘ）になったとすると、シフト係数Ｂｘは、次の式（３）で求めることができる。

Ｂｘ＝ｆ（ｔｘ）／ｔｘ＝１＋１／ｔ０（ｘ−１）Δｔ ……式（３）
音ファイルの長さを変換する場合、上記式（３）に従って、音ファイルを時間方向に、シフト係数Ｂｘ倍してやればよい。シフト係数の最大値は、Ｂ１０００＝１＋９９９Δｔ／ｔ１であるので、このシフト係数の最大値が、所望の長さになるように、Δｔを設定すればよい。

上記説明では、１番目の音ファイルの長さｔ１を基準として、音ファイルの長さを変換したが、音ファイルの長さは、母音の数に比例すると考えられる。母音の数を調べて、１母音当たりの長さを、Ｂｘ倍するようにしてもよい。また、ここでは、１番目の音ファイルの長さｔ１の値を、基準にしているが、任意の順番の音ファイルの長さを基準にするようにしてもよい。このときに、音ファイルの長さが離散的にしか変更できない場合、より近い値に合わせればよい。このようにして、音声変形部２７において、長さが変更された合成音声が作成される。

図１１は、実施例２において、情報蓄積部１５に記憶されている音声情報データの例を示す図である。

作成された音ファイル１〜５は、図１１に示すように、データに追記される。

本発明の実施例３は、読み上げ位置を、音声の強さ（大きさ）で提示する実施例である。

具体的には、実施例３は、その瞬間までに再生された音ファイルの再生時間とそのページ全ての音ファイルの再生時間との比に応じて、音声の強さを変え、ウェブページ全体における読み上げ位置を呈示する実施例である。

すなわち、実施例１、２では、読み上げ区間に応じて、ウェブページ全体における読み上げ位置を提示する。実施例３では、音ファイル単位ではなく時間単位で、読み上げ経過時間に応じて読み上げ位置を提示する。

図１２は、本発明の実施例３である音声ブラウザ装置３０を示すブロック図である。

音声ブラウザ装置３０は、基本的には、音声ブラウザ装置１０と同じであり、情報蓄積部１５の代わりに、情報蓄積部３５が設けられ、音声変形部１７の代わりに、音声変形部３７が設けられている点が、音声ブラウザ装置１０とは異なる。

音声変形部３７は、読み上げ位置に応じて、音ファイル（音声）の強さを変化させる。

図１３は、本発明の実施例３である音声ブラウザ装置３０の動作を示すフローチャートである。

図１３のＳ１１〜Ｓ１３の動作は、実施例１、２におけるＳ１１〜Ｓ１３の動作と同様である。続いて、Ｓ３４で、読み上げる文章と音属性とを情報蓄積部３５に記録し、Ｓ３５で、音ファイルを作る前に、音ファイルの再生時間を計算する。たとえば、音ファイルの種類とその再生時間とをデータベースに入れておけば、合成される予定の音ファイルの再生時間を知ることができる。これを、情報蓄積部３５に記録する。

Ｓ３６において合成された音声を、Ｓ３７で、音声変形部３７が、読み上げ位置に応じて、合成音声の強さを変化させ、情報蓄積部３５に記録する。

図１４は、実施例３において、情報蓄積部３５に記憶されている音声情報データの例を示す図である。

図１４では、音ファイルｘの再生時間を、ｔｘで示してある。この実施例では、音ファイルの数が１０００個存在し、それぞれの再生時間がｔ１，ｔ２，ｔ３，…，ｔ９９９，ｔ１０００であるときに、全ての再生時間を求めるには、それぞれを足し合わせればよい。つまり、全ての再生時間Ｔａｌｌを、次の式（４）で求めることができる。

Ｔａｌｌ＝ｔ１＋ｔ２＋ｔ３＋…＋ｔ９９９＋ｔ１０００ ……式（４）
ここで、ｘ番目の音ファイルが始まる前のファイルまでに再生された時間を、次の式（５）で求めることができる。

Ｔｘ＝ｔ１＋…＋ｔｘ−１ ……式（５）
よって、全ての再生時間Ｔａｌｌに対する、ｘ番目の音ファイルが始まる前のファイルまでに再生された時間Ｔｘの割合Ｐｘは、次の式（６）が示すようになる。

Ｐｘ＝Ｔｘ／Ｔａｌｌ ……式（６）
これに応じて、音声を変化させればよい。

次に、実施例３において、音声の強さを変化させる方法について説明する。

図１５は、本発明の実施例３において、音声変形部３７が、音声の強さを変化させる動作の説明図である。

変化前の音声ｘの強さ（音圧レベル）が、図１５に示すように、Ａｘであるとする。ここで、音声変形部３７において、この音声ｘの音圧レベルを上げるには、音声を構成する波形の振幅を大きくすればよい。

図１５に示す例では、音声ｘの振幅ＡｘをＣｘ倍して、音声ｘ’に変換している。その結果、音声ｘ’の振幅は、ＣｘＡｘになる。

上記倍数Ｃｘを求める場合、次の式（７）に示すように、定数ｃを用いて求める。

Ｃｘ＝１−ｘＰｘ＝１−ｃＴｘ／Ｔａｌｌ ……式（７）

本発明の実施例４は、音の聞こえる方向を変えることによって、読み上げ位置を提示する実施例である。

つまり、実施例４は、音の聞こえる方向、すなわち、音の聞こえてくる方向を制御する因子を線形に変化させることによって、読み上げ位置を提示する実施例である。

図１６は、本発明の実施例４である音声ブラウザ装置４０を示すブロック図である。

音声ブラウザ装置４０は、基本的には、音声ブラウザ装置１０と同じであり、情報蓄積部１５の代わりに、情報蓄積部４５が設けられ、音声変形部１７の代わりに、音声変形部４７が設けられている点が、音声ブラウザ装置１０とは異なる。

音声変形部４７は、読み上げ位置に応じて、音の聞こえる方向を変え、これによって、読み上げ位置を提示する。

図１７は、本発明の実施例４の動作を示すフローチャートである。

実施例４の動作において、Ｓ１１〜Ｓ１３の動作は、実施例１におけるＳ１１〜Ｓ１３と同様である。

Ｓ４４で、読み上げ文章と音属性とを情報蓄積部４５に記録し、Ｓ４５で、読み上げ単位区間の総数と、読み上げ単位区間の順序とを記録し、Ｓ４６で、音声合成部１６が音ファイルを作成し、情報蓄積部４５に記録する。Ｓ４６で合成された音声は、Ｓ４７で、音声変形部４７が、読み上げ位置に応じて、音の聞こえる方向を変化させ、情報蓄積部４５に記録する。

音の聞こえる方向を左右に制御するには、左右の耳に同じ音を提示し、その音圧を変化させる。音圧の差がないと、中央から音が聞こえる。しかし、音圧を変化させると、音圧の大きい方向から音が聞こえるように感じる。この音圧の差を制御すればよい。

次に、実施例４において、音圧を変化させる方法について、説明する。

図１８は、本発明の実施例４において、音声変形部４７の動作の説明図である。

左右の耳に、音圧Ａｘの音を提示していたとする。音の聞こえる方向を右方向にずらす場合、右耳に提示する音の振幅を、図１８（１）に示すように、音圧ＡｘからＡｘ’に増やす。音声変形部４７において、音圧を上げるには、音声ｘを構成する波形の振幅を大きくすればよい。一方、左耳に提示する音の振幅は、音圧Ａｘのままである。なお、左右の耳に提示する音の振幅の双方を変化させるようにしてもよい。振幅をどの程度増やすかについては、実施例３と同様にすればよい。

また、音の聞こえる方向の左右を制御する他の方法は、左右の耳に同じ音を提示し、その音の聞こえ始めるタイミングを変化させる方法である。

図１９は、本発明の実施例４において、音声変形部４７の動作の説明図である。

音の提示開始時間の差がなければ、中央から音が聞こえる。しかし、図１９に示すように、音の提示開始時間を、図１９（１）に示すタイミングから、図１９（２）に示すように、時間Δｔずらすと、先に音が聞こえた方、図１９に示す例では、右方向から音が聞こえてくるように感じる。時間Δｔが大きくなる程、より右方向から聞こえるように感じる。ただし、時間Δｔがあまり大きくなり過ぎると、左右が異なる音として聞こえる。同じ音であると聞こえる範囲で、時間Δｔを決めることが必要である。

または、ユーザの頭部伝達関数を、計算するか、仮定することによって、音の方向を上下、または前後の位置に変換して、提示することができる。上記「頭部伝達関数」は、ある方向からくる音が、聞くユーザの頭部の影響でどのように変形されるかを計算する関数である。つまり、音がある方向から聞こえたときに、頭部の影響で、音は周波数スペクトラムや時間構造に歪みが生じる。逆に、そのときの歪みを、たとえば、複数の音源を用いることによって再現できれば、音はその方向から聞こえたと感じる。

上記のようにして、音の聞こえる方向を、下方向から上方向に徐々に変化させたり、後ろから前へと徐々に変化させたりすることができる。上記頭部伝達関数は、ユーザの頭部の形状によって異なるので、ユーザ一人一人によって異なる。ユーザが変わる度に、頭部伝達関数を計算し、記録して使用してもよい。また、平均的な頭部伝達関数を求めて、記録し、上記記録した平均的な頭部伝達関数を使用するようにしてもよい。

上記実施例をプログラムの発明として把握することができる。つまり、上記実施例は、ネットワークを介して受信したウェブコンテンツを音声変換し、読み上げる音声ブラウザにおいて、音声に変換し、音声出力している部分のウェブページ全体における位置である読み上げ位置を、判断し、記憶装置に記憶する読み上げ位置判断手順と、上記判断された読み上げ位置に基づいて、読み上げ音声の属性を変化させ、記憶装置に記憶する属性変換手順と、上記属性変換手順で、属性が変換された読み上げ音声を介して、また、音声出力装置から、読み上げ位置を提示する読み上げ位置提示手順とをコンピュータに実行させるプログラムの例である。

この場合、上記読み上げ音声の属性は、音声の高さ、長さ、強さ、音の聞こえてくる方向のうちの少なくとも１つである。

つまり、上記実施例を、コンピュータとプログラムとによって実現することができ、上記プログラムを、記録媒体に記録するようにしてもよく、また、上記プログラムを、ネットワークを通して提供するようにしてもよい。

本発明の実施例１である音声ブラウザ１０と、ウェブサーバＷＳと、ネットワークＮＷとを示すブロック図である。 音声ブラウザ１０の動作を示すフローチャートである。 実施例１において、情報蓄積部１５に記憶されている音声情報データ（リンクの有無、読み上げ音声）の例を示す図である。 実施例１において、情報蓄積部１５に記憶されている音声情報データに、読み上げの順番と、読み上げ単位区間の総数との音声データを追記した例を示す図である。 実施例１において、音声変形部１７の動作を示す図である。 実施例１において、図４に示す音声情報データに、シフト係数とファイル名とを追記した例であって、情報蓄積部１５に記憶されている音声情報データの例を示す図である。 実施例１において、情報蓄積部１５に記憶されている音声情報データの例を示す図である。 本発明の実施例２である音声ブラウザ装置２０を示すブロック図である。 本発明の実施例２の動作を示すフローチャートである。 実施例２における音声変形部２７の動作の説明図である。 実施例２において、情報蓄積部１５に記憶されている音声情報データの例を示す図である。 本発明の実施例３である音声ブラウザ装置３０を示すブロック図である。 本発明の実施例３である音声ブラウザ装置３０の動作を示すフローチャートである。 実施例３において、情報蓄積部３５に記憶されている音声情報データの例を示す図である。 本発明の実施例３において、音声変形部３７が、音声の強さを変化させる動作の説明図である。 本発明の実施例４である音声ブラウザ装置４０を示すブロック図である。 本発明の実施例４の動作を示すフローチャートである。 本発明の実施例４において、音声変形部４７の動作の説明図である。 本発明の実施例４において、音声変形部４７の動作の説明図である。

符号の説明

１０，２０、３０、４０…音声ブラウザ装置、
１１…情報入力部、
１２…制御部、
１３…送受信部、
１４…情報解析部、
１５、２５、３５、４５…情報蓄積部、
１６…音声号税部、
１７、２７、３７、４７…音声変形部。

Claims (7)

1. ネットワークを介して受信したウェブコンテンツを音声変換し、読み上げる音声ブラウザにおいて、
   音声に変換し、音声出力している部分のウェブページ全体における位置である読み上げ位置を、判断し、記憶装置に記憶する読み上げ位置判断手段と；
   上記判断された読み上げ位置に基づいて、読み上げ音声の属性を変化させ、記憶装置に記憶する属性変換手段と；
   を有することを特徴とする音声ブラウザ装置。
2. 請求項１において、
   上記属性変換手段によって属性が変換された読み上げ音声を介して、読み上げ位置を提示する読み上げ位置提示手段を有することを特徴とする音声ブラウザ装置。
3. 請求項１において、
   上記読み上げ音声の属性は、音声の高さ、長さ、強さ、音の聞こえてくる方向のうちの少なくとも１つであることを特徴とする音声ブラウザ装置。
4. ネットワークを介して受信したウェブコンテンツを音声変換し、読み上げる音声ブラウザにおいて、
   音声に変換し、音声出力している部分のウェブページ全体における位置である読み上げ位置を、判断し、記憶装置に記憶する読み上げ位置判断工程と；
   上記判断された読み上げ位置に基づいて、読み上げ音声の属性を変化させ、記憶装置に記憶する属性変換工程と；
   を有することを特徴とする音声ブラウザ方法。
5. 請求項４において、
   上記属性変換工程で属性が変換された読み上げ音声を介して、また、音声出力装置から、読み上げ位置を提示する読み上げ位置提示工程を有することを特徴とする音声ブラウザ方法。
6. 請求項４において、
   上記読み上げ音声の属性は、音声の高さ、長さ、強さ、音の聞こえてくる方向のうちの少なくとも１つであることを特徴とする音声ブラウザ方法。
7. 請求項４〜請求項６のいずれか１項に記載の方法を、コンピュータに実行させることを特徴とするプログラム。

Images