JP2006203900A - 音声認識サーバ及び音声認識システム - Google Patents

Abstract

【課題】携帯電話機を用いて音声入力に対応するアプリケーションサービスを確実かつ容易に利用することができるようにすること。
【解決手段】この音声認識システム１００は、発話音声データから抽出された音声特徴量を携帯電話機４０から通信ネットワークＮを介して音声認識機能を備えた認証・認識サーバ２０へ送信し、認証・認識サーバ２０において携帯電話機４０から受信した音声特徴量に基づいて前記発話音声データの音声内容を音声認識し、音声認識結果からアプリケーションに関する要求内容を認識して当該要求内容を、アプリケーションサーバ１０へ送信する。
【選択図】図１

Description

本発明は、音声認識サーバ及び音声認識システムに関する。

従来、携帯電話機等の無線通信端末を音声入力機器として利用し、音声認識機能をセンター設備側に持たせて音声認識処理や認証処理を行う場合、無線通信端末からセンター設備に音声が送信される通信処理の過程で音声品質が劣化し、音声認識率及び認証率を上げることは難しかった。

例えば、音声入力機器として携帯電話機を利用した場合、電話回線の周波数帯域幅の制限により音声品質が劣化し、音声認識ソフトウェアが実装されたパーソナルコンピュータに接続されたマイクから音声入力する場合等に比べて音声品質の劣化が顕著であり、音声認識率を低下させる一因となっている。

このような通信による音質劣化を防ぐ方法としてＤＳＲ（Ｄｉｓｔｒｉｂｕｔｅｄ Ｓｐｅｅｃｈ Ｒｅｃｏｇｎｉｔｉｏｎ）方式が提案されている。このＤＳＲ方式は、音声認識処理のうち前段階の音響処理部分と後段階の音声認識処理部分とを分離して、音声入力機器側に音響処理部分を受け持たせ、センター設備側に音声認識処理部分を受け持たせて、入力音声を通信処理で劣化しないデータに加工してからセンター設備に送信するものである。

本発明の課題は、携帯電話機を用いて音声入力に対応するアプリケーションサービスを確実かつ容易に利用することができる音声認識サーバ及び音声認識システムを提供することである。

上記課題を解決するため、本発明の音声認識サーバは、携帯電話機から通信ネットワークを介して受信した音声特徴量から音声内容を音声認識する音声認識手段と、前記音声認識手段による音声認識結果を前記通信ネットワーク経由で前記携帯電話機へ送信する認識結果送信手段と、前記音声認識手段で音声認識された音声内容にアプリケーションサーバに関するサービス要求が含まれているか否か判別する判別手段と、音声認識された音声内容に含まれたサービス要求をアプリケーションサーバに送信する要求送信手段と、を具備ことを特徴としている。

この発明によれば、携帯電話機を用いて音声入力に対応するアプリケーションサービスを確実かつ容易に利用することができる。

また本発明は、上記音声認識サーバにおいて、前記携帯電話機から通信ネットワーク経由で音声特徴量を受信した場合、当該音声特徴量を用いたユーザー認証を行うユーザー認証手段を具備することを特徴とする。

また本発明の音声認識システムは、音声認識サーバとアプリケーションサーバとで連携して携帯電話機ユーザーに対してサービス提供する音声認識システムであって、前記音声認識サーバは、携帯電話機から通信ネットワークを介して受信した音声特徴量から音声内容を音声認識する音声認識手段と、前記音声認識手段による音声認識結果を前記通信ネットワーク経由で前記携帯電話機へ送信する認識結果送信手段と、前記音声認識手段で音声認識された音声内容に前記アプリケーションサーバに関するサービス要求が含まれているか否か判別する判別手段と、音声認識された音声内容に含まれたサービス要求を前記アプリケーションサーバに送信する要求送信手段とを具備することを特徴とする。

また本発明は、上記音声認識システムにおいて、前記アプリケーションサーバは、前記音声認識サーバから受信したサービス要求に応じて前記携帯電話機に供給するコンテンツデータ又はアプリケーションプログラムを送出することを特徴とする。
また本発明は、上記音声認識システムにおいて、前記アプリケーションサーバは、インターネット上に開設するアプリケーションサービス用ホームページにアクセスしてきた前記サービス要求元の携帯電話機ユーザーに対してアプリケーションサービスを提供することを特徴とする。

本発明によれば、携帯電話機を用いて音声入力に対応するアプリケーションサービスを確実かつ容易に利用することができる。

以下、図を参照して本発明の実施の形態を詳細に説明する。
図１〜図５は、本発明を適用した音声認識システムの一実施の形態を示す図である。
まず、構成を説明する。
図１は、本実施の形態における音声認識システム１００全体の概略構成を示す図である。この音声認識システム１００は、アプリケーションサーバ１０、認証・認識サーバ２０、無線基地局３０、携帯電話機４０、音声入力ユニット５０及び被制御機器６０により構成され、認証・認識サーバ２０、無線基地局３０及び被制御機器６０は、通信ネットワークＮに接続されている。

通信ネットワークＮは、公衆電話回線網、ＩＳＤＮ網、インターネット、ＬＡＮ（Ｌｏｃａｌ Ａｒｅａ Ｎｅｔｗｏｒｋ）又はＷＡＮ（Ｗｉｄｅ Ａｒｅａ Ｎｅｔｗｏｒｋ）等を含んで構成される。音声認識システム１００では、無線基地局３０は公衆電話回線網に接続され、認証・認識サーバ２０はＬＡＮ又はＷＡＮに接続されるものとする。

また、通信ネットワークＮは、ＬＡＮ又はＷＡＮと、公衆電話回線網、ＩＳＤＮ網及びインターネットとの間に、セキュリティ機能を搭載したネットワーク・サーバ等が接続されており、認証・認識サーバ２０に対するハッキング行為や違法メールなどが送信されないように構成されているものとする。

アプリケーションサーバ１０は、予め登録された携帯電話機４０のユーザーに対して、各種アプリケーションサービスを提供するためのサーバであり、携帯電話機４０から送信されるアプリケーションサービスの要求内容に応じて、携帯電話機４０で実行可能なアプリケーションプログラムを、認証・認識サーバ２０、通信ネットワークＮ及び無線基地局３０を介して携帯電話機４０に送信する。

認証・認識サーバ２０は、携帯電話機４０から送信される圧縮データからユーザーの音声特徴量及び生体特徴量を抽出し、その音声特徴量及び生体特徴量により当該ユーザーを認証するとともに、その音声特徴量により音声内容を認識し、その認証結果及び音声認識結果を応答情報として通信ネットワークＮ及び無線基地局３０を介して携帯電話機４０に送信する。

また、認証・認識サーバ２０は、携帯電話機４０のユーザーを認証した後、携帯電話機４０から送信されるアプリケーションに関する要求内容を含む音声特徴量を認識し、その音声認識結果に基づくアプリケーション要求指示をアプリケーションサーバ１０に送信し、そのアプリケーション要求指示に応じてアプリケーションサーバ１０から応答送信されるアプリケーションプログラムを通信ネットワークＮ及び無線基地局３０を介して携帯電話機４０に送信する。

無線基地局３０は、自己の設置場所から通信可能範囲に存在する携帯電話機４０から音声通話要求先の電話番号を受信すると、ネットワークＮを介して接続された電話交換機（図示せず）に送信して、携帯電話機４０と音声通話要求先の携帯電話機あるいは宅内固定電話機との間で音声通話処理に必要な通信プロトコルを実行する。

また、無線基地局３０は、自己の設置場所から通信可能範囲に存在する携帯電話機４０からアプリケーションサービス要求を受信すると、ネットワークＮを介して携帯電話機４０の識別情報を認証・認識サーバ２０に送信して、携帯電話機４０と認証・認識サーバ２０及びアプリケーションサーバ１０との間でアプリケーションサービスに必要な通信プロトコルを実行する。

携帯電話機４０は、通常の音声通話機能と、アプリケーションサーバ１０がネットワークＮを介してインターネット上で開設するアプリケーションサービス用ホームページにアクセスするインターネットアクセス機能とを備える。

また、携帯電話機４０は、図２に示すように、外部機器と接続する外部機器接続部４０１、テンキーや各種機能キーを含むキー入力部４０２及びＬＣＤにより構成された表示部４０３を備える。本実施の形態では、外部機器接続部４０１に音声入力ユニット５０が接続される。なお、携帯電話機４０の通信方式は、ＰＤＣ方式、ＣＤＭＡ方式、ＧＳＭ方式あるいはＰＨＳ方式などで利用される従来の携帯電話機である。

音声入力ユニット５０は、図２に示すように、携帯電話機４０の外部機器接続部４０１に接続可能な携帯電話接続部５０９を備えており、携帯電話機４０に外付けすることにより、主に入力音声の音声認識機能を追加するものである。また、音声入力ユニット５０は、携帯電話機４０に接続されない場合、指示音声を指示信号として外部機器通信部５０８により被制御機器６０に無線送信して、被制御機器６０をリモート操作するリモコンユニットとしての機能も有する。

音声入力ユニット５０は、その内部の機能的構成を図３に示すように、音声入力部５０１、生体センサ部５０２、Ａ／Ｄ変換部５０３、特徴量抽出部５０４、音声認識部５０５、データ圧縮部５０６、携帯電話制御部５０７、外部機器通信部５０８及び携帯電話接続部５０９により構成される。

音声入力部５０１は、収音指向性が狭く、音声認識に必要な収音周波数帯域を持つマイクを有し、ユーザーが発声する音声を収音し、アナログ音声信号としてＡ／Ｄ変換部５０３に出力する。

生体センサ部５０２は、ユーザーの指紋、顔、又はアイリス等の生体特徴を検出する生体センサを有し、ユーザーの指紋、顔、又はアイリス等の生体特徴を検出し、その生体特徴量をデータ圧縮部５０６に出力する。

Ａ／Ｄ変換部５０３は、音声入力部５０１から入力されたアナログ音声信号を所定のサンプリング周波数でサンプリングし、そのサンプリングしたアナログ音声信号を所定の量子化数でデジタル変換してデジタル音声データとして特徴量抽出部５０４に出力する。

特徴量抽出部５０４は、Ａ／Ｄ変換部５０３から入力されたデジタル音声データから音声認識に必要な音声特徴量を抽出し、その音声特徴量を音声認識部５０５及びデータ圧縮部５０６に出力する。

音声認識部５０５は、音声入力ユニット５０が携帯電話機４０に接続されていない場合に動作し、特徴量抽出部５０４から入力された指示音声特徴量から指示音声内容を認識し、その指示情報をデータ圧縮部５０６に出力する。

データ圧縮部５０６は、特徴量抽出部５０４から入力された音声特徴量と、生体センサ部５０２から入力された生体特徴量とを携帯電話機４０のデータ通信方式に適したデータ圧縮方式で圧縮し、また、音声認識部５０５から入力された指示情報を外部機器通信部５０８の通信方式に適したデータ圧縮方式で圧縮し、各圧縮データ（送信情報）を携帯電話制御部５０７に出力する。

携帯電話制御部５０７は、音声入力ユニット５０が携帯電話機４０に接続されていた場合、データ圧縮部５０６から入力された圧縮データを携帯電話接続部５０９を介して携帯電話機４０のデータ通信機能を制御して、認証・認識サーバ２０に送信させる。そして、携帯電話制御部５０７は、送信した圧縮データに対する認証・認識サーバ２０の応答信号（認証結果、音声認識結果、コンテンツ等）を携帯電話機４０から携帯電話接続部５０９を介して受信すると、携帯電話機４０の表示部４０３を制御して受信内容を表示させる。

また、携帯電話制御部５０７は、音声入力ユニット５０が携帯電話機４０に接続されていない場合、データ圧縮部５０６から入力された圧縮データを被制御機器６０を制御する制御信号として外部機器通信部５０８に出力し、外部機器通信部５０８を制御して制御信号を被制御機器６０に送信させる。

外部機器通信部５０８は、ＩｒＤＡ（Ｉｎｆｒａｒｅｄ Ｄａｔａ Ａｓｓｏｃｉａｔｉｏｎ）、無線ＬＡＮ、又はブルートゥース（Ｂｌｕｅｔｏｏｔｈ）等の被制御機器６０に対応した無線通信機能を有し、携帯電話制御部５０７から入力された制御信号を被制御機器６０に無線送信する。電池部５１０は、充電可能な蓄電池と、音声入力ユニット５０内の各部に必要な駆動電圧を生成する電圧生成回路とを内蔵し、その生成した駆動電圧を音声入力ユニット５０内の各部に供給する。

被制御機器６０は、ＩｒＤＡ（Ｉｎｆｒａｒｅｄ Ｄａｔａ Ａｓｓｏｃｉａｔｉｏｎ）、無線ＬＡＮ、又はブルートゥース（ＢＩｕｅｔｏｏｔｈ）等の無線通信機能と、通信ネットワークＮに接続する有線通信機能とを有する家電製品等であり、音声入力ユニット５０から無線送信される圧縮データを受信して、その圧縮データに含まれる指示情報に応じた動作を行うとともに、通信ネットワークＮを介して認証・認識サーバ２０から送信される指示信号を受信して、指示信号に応じた動作を行う。

次に、本実施の形態の動作を説明する。
まず、音声認識システム１００を携帯電話機４０のユーザーが利用する際の前提としてユーザー認証のための音声特徴量と生体特徴量の登録が必要であり、音声入力ユニット５０を携帯電話機４０に接続し、ユーザーの音声特徴量情報と生体特徴量情報を認証・認識サーバ２０に送信して登録しておくものとする。

音声入力ユニット５０が携帯電話機４０に接続された場合の音声認識システム１００の動作について、図４に示すフローチャートを参照して説明する。音声入力ユニット５０が携帯電話機４０に接続されている場合、ユーザーの音声（例えば、名前等）が音声入力ユニット５０の音声入力部５０１に向かって発声されると（ステップＳ１０１）、音声入力部５０１により収音されてアナログ音声信号としてＡ／Ｄ変換部５０３に出力される（ステップＳ１０２）。また、この時、生体センサ部５０２では、ユーザーの指紋、顔、又はアイリス等の生体特徴量が検出され（ステップＳ２０１）、その検出された生体特徴量がデータ圧縮部５０６に出力される（ステップＳ２０２）。

次いで、Ａ／Ｄ変換部５０３では、音声入力部５０１から入力されたアナログ音声信号がサンプリングされ、デジタル音声データに変換されて特徴量抽出部５０４に出力される（ステップＳ１０３）。特徴量抽出部５０４では、Ａ／Ｄ変換部５０３から入力されたデジタル音声データから音声認識に必要な音声特徴量が抽出され、その音声特徴量がデータ圧縮部５０６に出力される（ステップＳ１０４）。

データ圧縮部５０６では、特徴量抽出部５０４から入力された音声特徴量及び生体センサ部５０２から入力された生体特徴量が携帯電話機４０のデータ通信方式に適したデータ圧縮方式で圧縮され、その圧縮データが携帯電話制御部５０７に出力される（ステップＳ１０５）。携帯電話制御部５０７では、データ圧縮部５０６から圧縮データが入力されると、携帯電話接続部５０９を介して携帯電話機４０のデータ通信機能が制御されて、その圧縮データが無線基地局３０及び通信ネットワークＮを介して認証・認識サーバ２０に送信される（ステップＳ１０６）。

認証・認識サーバ２０では、携帯電話機４０から受信した圧縮データが伸長されて音声特徴量と生体特徴量が抽出され、この音声特徴量及び生体特徴量が、予め登録された該当ユーザーの音声特徴量及び生体特徴量と照合されて携帯電話機４０のユーザー認証が行われるとともに、音声特徴量に基づいて音声認識が行われ、その認証結果及び音声認識結果が通信ネットワークＮ及び無線基地局３０を介して携帯電話機に送信される。

携帯電話制御部５０７では、認証・認識サーバ２０から送信された認証結果及び音声認識結果が携帯電話機４０により受信されると、携帯電話接続部５０９を介して携帯電話機４０の表示部４０３が制御されて受信内容が表示される（ステップＳ１０７）。

また、認証・認識サーバ２０では、音声認識した音声内容にアプリケーションサーバ１０へのサービス要求が含まれていれるか否かが判別され、アプリケーションサーバ１０へのサービス要求が含まれていると、そのサービス要求内容がアプリケーションサーバ１０に送信される。

アプリケーションサーバ１０では、認証・認織サーバ２０から送信されたサービス要求内容に応じて、対応するコンテンツデータやアプリケーションプログラムが認証・認識サーバ２０に送信される。認証・認識サーバ２０では、アプリケ−ションサーバ１０から送信されたコンテンツデータやアプリケーションプログラムが通信ネットワークＮ及び無線基地局３０を介して携帯電話機４０に送信される。

携帯電話制御部５０７では、認証・認識サーバ２０から送信されたコンテンツデータやアプリケーションプログラムが携帯電話機４０により受信されると、携帯電話接続部５０９を介して携帯電話機４０のアプリケーション実行部（図示せず）及び表示部４０３が制御されて、コンテンツや実行中のアプリケーション内容が表示される（ステップＳ１０７）。

以後、続いて音声入力部５０１に入力された音声の認識は、音声入力ユニット５０、携帯電話機４０及び認証・認識サーバ２０において実行される上記ステップＳ１０１〜ステップＳ１０７の処理手順により繰り返し行われ、その音声認識結果に基づく応答内容が携帯電話機４０の表示部４０３に表示される。

また、音声入力部５０１から入力された音声内容が被制御機器６０に対する指示音声であった場合、認証・認識サーバ２０は、その指示音声内容を認識し、対応する制御信号を通信ネットワークＮを介して被制御機器６０に制御信号を送信する。

したがって、携帯電話機４０に音声入力ユニット５０を接続することにより、ユーザーは、携帯電話機４０の表示部４０３を自分の正面に向けた状態で、音声入力しながら音声認識結果を表示郡４０３で確認することができ、携帯電話機４０を用いて音声入力に対応するアプリケーションサービスを確実かつ容易に利用することができる。

次に、音声入力ユニット５０が携帯電話機４０に接続されていない場合の音声認識システム１００の動作について、図５に示すフローチャートを参照して説明する。音声入力ユニット５０が携帯電話機４０に接続されていない場合、ユーザーの指示音声（例えば、電源オン等）が音声入力ユニット５０の音声入力部５０１に向かって発声されると（ステップＳ３０１）、音声入力部５０１により収音されてアナログ指示音声信号としてＡ／Ｄ変換部５０３に出力される（ステップＳ３０２）。

次いで、Ａ／Ｄ変換部５０３では、音声入力部５０１から入力されたアナログ指示音声信号がサンプリングされ、デジタル指示音声データに変換されて特徴量抽出部５０４に出力される（ステップＳ３０３）。特徴量抽出部５０４では、Ａ／Ｄ変換部５０３から入力されたデジタル指示音声データから音声認識に必要な指示音声特徴量が抽出され、その指示音声特徴量が音声認識部５０５に出力される（ステップＳ３０４）。

音声認識部５０５では、特徴量抽出部５０４から入力された音声特徴量から指示音声内容が認識され、その指示情報がデータ圧縮部５０６に出力される（ステップＳ３０５）。データ圧縮部５０６では、音声認識部５０５から入力された指示情報が外部機器通信部５０８のデータ通信方式に適したデータ圧縮方式で圧縮されその圧縮データが携帯電話制御部５０７に出力される（ステップＳ３０６）。携帯電話制御部５０７では、外部機器通信部５０８が制御されてデータ圧縮部５０６から入力された圧縮データが被制御機器６０に送信される（ステップＳ３０７）。

以後、続いて音声入力部５０１に入力された指示音声の認識は、音声入力ユニット５０内において実行される上記ステップＳ３０１〜ステップＳ３０７の処理手順により繰り返し行われ、その音声認識結果に基づく指示情報が被制御機器６０に送信されて、被制御機器６０がリモート操作される。

以上のように、本実施の形態の音声認識システム１００では、従来の携帯電話機４０の外部機器接続部４０１に音声入力ユニット５０を接続し、音声入力ユニット５０が、ユーザーの音声を収音して音声認識に必要な音声特徴量を抽出し、その音声特徴量を携帯電話機４０のデータ通信方式に適した圧縮データに変換し、携帯電話機４０のデータ通信機能を制御して認証・認識サーバ２０に圧縮データを送信させ、認証・認識サーバ２０から送信される音声認識結果を携帯電話機４０の表示部４０３に表示させるようにした。

したがって、従来は無線通信端末として最も普及している現行の携帯電話機に対して音声認識機能を実装することができなかったが、本実施の形態の音声入力ユニット５０を現行の携帯電話機に接続することにより、現行の携帯電話機にも音声認識機能を付加することができ、従来の携帯電話機ユーザーに対して音声認識サービスを提供できる。

このため、既存の携帯電話機ユーザーに対して、ＤＳＲ方式の音声認識機能を普及させることが容易になり、携帯電話機ユーザーにとって最も簡便な入力環境の提供と、サービス提供者にとっても優位な音声認識サービスの普及を促進することができる。

また、従来のＤＳＲ方式の音声認識サービスでは、センター設備が音声認識した後、応答を音声で携帯電話機に返すようにしていたが、本実施の形態の音声認識システム１００では、入力音声を携帯電話機４０のデータ通信方式に適した圧縮データに変換して認証・認識サーバ２０に送信し、認証・認識サーバ２０から送信される音声認識結果を携帯電話機４０の表示部４０３に表示させるようにしたため、携帯電話機ユーザーは、音声認識結果及び応答内容を見ながら音声入力を継続することができ、その応答レスポンスも高速化でき、使い勝手の良い音声入力環境を提供できる。その結果、無駄な音声データの授受を無くして、通信ネットワークの利用効率を向上させるとともに通信コストも抑えることができる。

また、本実施の形態の音声認識システム１００では、現行の携帯電話機の通信方式のみを利用して音声認識サービス及びアプリケーションサービスを提供できるため、従来のように、インターネットから提供されるサービスと音声認識サービスとを利用する場合、データと音声を別々のネットワーク（インターネットと電話回線）で授受する必要が無くなり、通信コストを更に抑えることができる。

更に、本実施の形態の音声入力ユニット５０では、指向性の良いマイクなどを搭載した音声入力部５０１としたため、従来の携帯電話機に内蔵されたマイクを利用する場合に比べて、ユーザーが発声する音声の周波数帯域を十分カバーして確実に収音することができる。

また、本実施の形態の音声入力ユニット５０では、音声認識部５０５と被制御機器６０に搭載された無線通信機能に対応した外部機器通信部５０８とを有するため、音声入力ユニット５０が携帯電話機４０に接続されず単体の場合は、指示音声を入力して被制御機器６０をリモート操作することもでき、音声入力ユニット５０の利用形態を拡大でき、利便性を向上できる。

また、本実施の形態の音声入力ユニット５０では、ユーザーの指紋、顔又はアイリス等の生体特徴量を検出する生体センサ部５０２を有し、検出された生体特徴量も認証・認識サーバ２０に送信し、音声特徴量及び生体特徴量をユーザー認証時に利用するようにしたため、正規登録ユーザーか否かの認証を確実に行うことができ、音声特徴と生体特徴とを組み合わせたユーザー認証サービスを容易に提供できる。その結果、音声認識サービス及びアプリケーションサービスの不正使用を防止できる。

なお、上記実施の形態では、音声入力ユニット５０を携帯電話機４０に接続するものとして説明したが、例えば、無線通信機能を備えた携帯型情報端末の外部機器接続部の仕様に合わせるようにしても良い。

本発明を適用した一実施の形態における音声認識システム１００の全体構成を示す図である。 本実施の形態における携帯電話機４０と音声入力ユニット５０の外観を示す図である。 図２の音声入力ユニット５０内部の機能的構成を示すブロック図である。 図２の音声入力ユニット５０が携帯電話機４０に接続された場合に、音声入力ユニット５０により実行される動作内容を示すフローチャートである。 図２の音声入力ユニット５０が携帯電話機４０に接続されない場合に、音声入力ユニット５０により実行される動作内容を示すフローチャートである。

符号の説明

１０ アプリケーションサーバ
２０ 認証・認識サーバ
３０ 無線基地局
４０ 携帯電話機
５０ 音声入力ユニット
６０ 被制御機器
１００ 音声認識システム
４０１ 外部機器接続部
４０２ キー入力部
４０３ 表示部
５０１ 音声入力部
５０２ 生体センサ部
５０３ Ａ／Ｄ変換部
５０４ 特徴量抽出部
５０５ 音声認識部
５０６ データ圧縮部
５０７ 携帯電話制御部
５０８ 外部機器通信部
５０９ 携帯電話接続部

Claims (5)

1. 携帯電話機から通信ネットワークを介して受信した音声特徴量から音声内容を音声認識する音声認識手段と、
   前記音声認識手段による音声認識結果を前記通信ネットワーク経由で前記携帯電話機へ送信する認識結果送信手段と、
   前記音声認識手段で音声認識された音声内容にアプリケーションサーバに関するサービス要求が含まれているか否か判別する判別手段と、
   音声認識された音声内容に含まれたサービス要求をアプリケーションサーバに送信する要求送信手段と、
   を具備したことを特徴とする音声認識サーバ。
2. 前記携帯電話機から通信ネットワーク経由で音声特徴量を受信した場合、当該音声特徴量を用いたユーザー認証を行うユーザー認証手段を具備したことを特徴とする請求項１記載の音声認識サーバ。
3. 音声認識サーバとアプリケーションサーバとで連携して携帯電話機ユーザーに対してサービス提供する音声認識システムであって、
   前記音声認識サーバは、
   携帯電話機から通信ネットワークを介して受信した音声特徴量から音声内容を音声認識する音声認識手段と、
   前記音声認識手段による音声認識結果を前記通信ネットワーク経由で前記携帯電話機へ送信する認識結果送信手段と、
   前記音声認識手段で音声認識された音声内容に前記アプリケーションサーバに関するサービス要求が含まれているか否か判別する判別手段と、
   音声認識された音声内容に含まれたサービス要求を前記アプリケーションサーバに送信する要求送信手段と、
   を具備することを特徴とする音声認識システム。
4. 前記アプリケーションサーバは、前記音声認識サーバから受信したサービス要求に応じて前記携帯電話機に供給するコンテンツデータ又はアプリケーションプログラムを送出することを特徴とする請求項３記載の音声認識システム。
5. 前記アプリケーションサーバは、インターネット上に開設するアプリケーションサービス用ホームページにアクセスしてきた前記サービス要求元の携帯電話機ユーザーに対してアプリケーションサービスを提供することを特徴とする請求項３又は請求項４記載の音声認識ステム。
   
   

Images