JP2010102302A - 文書ナビゲーションのシステム、方法およびプログラム - Google Patents

Abstract

【課題】テキスト音声変換手段を用いてユーザが文書を理解することを支援する。
【解決手段】ユーザにテキスト文書を表示し、前記テキスト文書のテキストを少なくとも１つの可聴音に変換し、前記少なくとも１つの可聴音を前記ユーザに提示し、前記可聴音に対応する前記テキスト文書の部分を表示する。関心領域を示すリンクを含む前記テキスト文書の部分を表示するときに、前記文書ナビゲーション手段が該リンクによって示される該関心領域を表示する。前記テキスト文書のテキストの少なくとも１つの部分から少なくとも１つの関心領域への、少なくとも１つのリンクを生成することができる。
【選択図】図１

Description

本発明は、テキスト音声変換エンジンによる文書ナビゲーションシステムおよび文書ナビゲーション方法に関し、詳細には、テキスト音声変換エンジンにおいて音声テキストの内容に基づいて視覚的表示装置上の画像を変更することに関する。より詳細には、関心領域を示すリンクを含む文書のセクションを表示するときに、文書ナビゲーションアプリケーションが該リンクによって示された該関心領域を表示することに関する。

移動装置上で人々が文書を拾い読みする、流し読みする、および読むことを支援するために開発された幾つかの技術が存在するが、これらのアプリケーションはユーザが必然的に小さな画面上に表示された情報を利用（消費）することを必要とする。聴覚チャネルを使用することは、ユーザが「視覚資源を解放することによってユーザの環境をより容易に効果的に処理してナビゲートすること」を可能にし得る（非特許文献１）。特徴を読み取ってズームする自動化された画面を含む、視覚障害の人々が移動装置と対話することを支援するように設計された多くの音声ベースのアプリケーションは存在するが、視覚および聴覚チャネルの両者を利用する、移動（装置上の）文書を読む健常者のユーザを支援する取り組みはほとんど行われていない。

ヴァダスら（Ｖａｄａｓ， ｅｔ ａｌ．）、「簡易読取り：オーディオおよびハンドヘルド表示装置の比較（Ｒｅａｄｉｎｇ ｏｎ−ｔｈｅ−ｇｏ： ａ ｃｏｍｐａｒｉｓｏｎ ｏｆ ａｕｄｉｏ ａｎｄ ｈａｎｄ−ｈｅｌｄ ｄｉｓｐｌａｙｓ）」、ＣＨＩ２００６、頁２１９〜２２６ チウら（Ｃｈｉｕ， ｅｔ ａｌ．）、「コンテンツベースの自動ズーミング：小型表示装置での文書の観察（Ｃｏｎｔｅｎｔ Ｂａｓｅｄ Ａｕｔｏｍａｔｉｃ Ｚｏｏｍｉｎｇ： Ｖｉｅｗｉｎｇ Ｄｏｃｕｍｅｎｔｓ Ｓｍａｌｌ Ｄｉｓｐｌａｙｓ）」、ＡＣＭマルチメディア２００８抄録（ＡＣＭ Ｍｕｌｔｉｍｅｄｉａ ２００８） インターネット<URL:http://www.neospeech.com>、［２００８年１０月２０日検索］

本発明の課題は、文書をその完全な文脈においてユーザが理解するためにユーザの能力を補助する、視覚的表示を備えたテキスト音声変換アプリケーションを用いたシステムおよび方法を提供することである。

本発明の一態様は、ユーザに聴覚的に提示されている文書のテキストに関連する関心領域の視覚的表示を提示するために、テキスト音声変換（「ＴＴＳ」）エンジンと連携して文書を視覚的にナビゲートするシステムおよび方法に関する。ＴＴＳエンジンがテキストを音声に変換し、その音声をユーザに提示するとき、システムはテキストの対応部分を表示装置上に提示する。この提示のときに、システムがテキストのリンクされた部分に遭遇した場合には、視覚的表示はテキストのそのリンクされた部分に対応するリンクされた関心領域を表示するように変化する。

本発明の第１の態様は文書ナビゲーションシステムであって、ユーザにテキスト文書を表示する表示手段と、前記テキスト文書のテキストを少なくとも１つの可聴音に変換するテキスト音声変換手段と、前記少なくとも１つの可聴音を前記ユーザに提示する音声手段と、前記可聴音に対応する前記テキスト文書の部分を表示する文書ナビゲーション手段と、を備え、関心領域を示すリンクを含む前記テキスト文書の部分を表示するときに、前記文書ナビゲーション手段が該リンクによって示される該関心領域を表示する。

本発明の第２の態様は、第１の態様の文書ナビゲーションシステムであって、前記テキスト文書のテキストの少なくとも１つの部分から少なくとも１つの関心領域への、少なくとも１つのリンクを生成するリンキング手段をさらに備える。

本発明の第３の態様は、第２の態様の文書ナビゲーションシステムであって、前記リンキング手段は、関心領域にリンクするテキストの部分を決定するために予め記憶されたリンク候補となり得るテキスト情報を使用する。

第１の態様の文書ナビゲーションシステムにおいて、前記関心領域は前記テキスト文書の中にあってもよい。

第１の態様の文書ナビゲーションシステムにおいて、前記関心領域は前記テキスト文書とは別個であってもよい。

本発明の第４の態様は、第１の態様の文書ナビゲーションシステムであって、前記関心領域は非テキストオブジェクトを含む。

本発明の第５の態様は、第１の態様の文書ナビゲーションシステムであって、前記関心領域はテキストの部分を含む。

本発明の第６の態様は、第１の態様の文書ナビゲーションシステムであって、前記リンクはハイパーリンクを含む。

本発明の第７の態様は、第１の態様の文書ナビゲーションシステムであって、前記リンクはマクロを含む。

本発明の第８の態様は、第１の態様の文書ナビゲーションシステムであって、前記テキスト音声変換手段が前記テキスト文書のテキストの部分を的確な音声に変換できるか否かを前記ユーザに報知する報知手段をさらに備える。

本発明の第９の態様は、第１の態様の文書ナビゲーションシステムであって、関心領域が前記リンク先から前記表示手段に完全にロードされた場合、前記ユーザに報知する報知手段をさらに備える。

本発明の第１０の態様はテキスト音声変換手段を用いた文書ナビゲーション方法であって、テキスト文書をユーザに表示し、テキスト音声変換手段によって前記テキスト文書のテキストを少なくとも１つの可聴音に変換し、少なくとも１つの前記可聴音を前記ユーザに提示し、前記可聴音に対応する前記テキスト文書の部分を表示し、関心領域を示すリンクを含む前記テキスト文書の部分が表示されるとき、該リンクによって示される該関心領域をさらに表示する。

本発明の第１１の態様は、第１０の態様の文書ナビゲーション方法であって、前記テキスト文書のテキストの少なくとも１つの部分から少なくとも１つの関心領域への少なくとも１つのリンクを生成することをさらに含む。

本発明の第１２の態様は、第１１の態様の文書ナビゲーション方法であって、関心領域にリンクするテキストの部分を決定するために予め記憶されたリンク候補となり得るテキスト情報を使用する、ことをさらに含む。

第１０の態様の文書ナビゲーション方法は、前記テキスト文書の中から前記関心領域を選択することをさらに含んでもよい。

第１０の態様の文書ナビゲーション方法は、前記テキスト文書の外部から前記関心領域を選択することをさらに含んでもよい。

本発明の第１３の態様は、第１０の態様の文書ナビゲーション方法であって、前記関心領域として非テキストオブジェクトを選択することをさらに含む。

本発明の第１４の態様は、第１０の態様の文書ナビゲーション方法であって、前記関心領域としてテキストの部分を選択することをさらに含む。

本発明の第１５の態様は、第１０の態様の文書ナビゲーション方法であって、テキスト文書のテキストの少なくとも１つの前記部分を少なくとも１つの前記関心領域にリンクするためにハイパーリンクを用いることをさらに含む。

本発明の第１６の態様は、第１０の態様の文書ナビゲーション方法であって、テキスト文書のテキストの少なくとも１つの前記部分を少なくとも１つの前記関心領域にリンクするためにマクロを用いることをさらに含む。

本発明の第１７の態様は、第１０の態様の文書ナビゲーション方法であって、前記テキスト音声変換手段が前記テキスト文書のテキストの部分を的確な音声に変換できるか否かを前記ユーザに報知することをさらに含む。

本発明の第１８の態様は、第１０の態様の文書ナビゲーション方法であって、関心領域が前記リンク先から前記表示手段に完全にロードされた場合、前記ユーザに報知することをさらに含む。

本発明の第１９の態様は、文書ナビゲーションプログラムであって、テキスト文書をユーザに表示する機能と、テキスト音声変換手段によって前記テキスト文書のテキストを少なくとも１つの可聴音に変換する機能と、少なくとも１つの前記可聴音を前記ユーザに提示する機能と、前記可聴音に対応する前記テキスト文書の部分を表示する機能と、を含み、関心領域を示すリンクを含む前記テキスト文書の部分が表示されるとき、該リンクによって示される該関心領域をさらに表示する。

本発明に関連する別の態様は、一部は下記の説明に述べられ、また、一部は下記の説明から明らかになるか、あるいは本発明の実施によって知ることができる。本発明の態様は、下記の詳細な説明と添付の請求項に特に指摘された要素によって、また種々の要素と態様との組合せによって実現され達成され得る。

上記および下記の説明の両者とも単に例示的で説明的なものであって、如何なる仕方においても、請求された本発明またはその出願を限定するように意図されていないことは理解されるべきである。

本明細書に組み込まれて本明細書の一部を構成する付属図面は、本発明の実施形態を例示するものであり、またこの説明と共に、本発明の技法の原理を説明し例示する働きをするものである。

本発明の一実施形態による、テキスト音声変換（「ＴＴＳ」）エンジンと連携して文書を視覚的にナビゲートするシステムの概要を示す。 本発明の一実施形態による、文書ナビゲーションアプリケーションがテキストのリンクされたセクションを識別してリンクされた関心領域を表示するために表示を変更するときの視覚的表示の説明図を示す。 本発明の一実施形態による、文書ナビゲーションアプリケーションがテキストのリンクされたセクションを識別してリンクされた関心領域を表示するために表示を変更するときの視覚的表示の説明図を示す。 本発明の一実施形態による、文書ナビゲーションアプリケーションがテキストのリンクされたセクションを識別してリンクされた関心領域を表示するために表示を変更するときの視覚的表示の説明図を示す。 本発明の一実施形態による、ＴＴＳエンジンと連携して文書を視覚的にナビゲートする方法を示す。 本発明のシステムが実現され得るコンピュータプラットフォームの一例示的実施形態を示す。 ＴＴＳエンジンを用いて文書を視覚的にナビゲートするシステムがどのようにコンピュータプラットフォームに関係するかを示す機能図の一実施形態を示す。

下記の詳細な説明では、同じ機能要素が同様な数字で示される付属図面への参照が行われるであろう。前述の付属図面は、本発明の原理に一致する特定の実施形態および実現形態を、限定としてではなく例示として示している。これらの実現形態は当業者が本発明を実施するのを可能にするために十分詳細に説明されるが、また他の実現形態も利用可能であって本発明の範囲と精神から逸脱せずに種々の要素の構造的変更および／または代用が行われ得ることは理解されるべきである。したがって下記の詳細説明は、限定の意味で解釈されるべきではない。更に、説明される本発明の種々の実施形態は、汎用コンピュータ上で動作するソフトウエアの形で、あるいは専用のハードウエアの形で、またはソフトウエアとハードウエアの組合せの形で実現可能である。

本発明の一態様は、ユーザに音声で提示されている文書のテキストに関連する関心領域の視覚的表示を提示するためにテキスト音声変換（「ＴＴＳ」）エンジン（テキスト音声変換手段）と連携して文書を視覚的にナビゲートするためのシステムおよび方法に関する。このシステムは先ず文書を走査し、テキストのセクション（部分）から文書のもう１つの部分または文書の外部の関心領域へのリンクを生成する。ＴＴＳエンジンがテキストを音声に変換してその音声をユーザに提示するとき、システムはテキストの対応するセクションを表示装置上に提示する。この提示のときに、システムがテキストのリンクされたセクションに遭遇した場合には視覚的表示はテキストのそのリンクされたセクションに対応するリンクされた関心領域を表示するように変化する。

ここで説明されるシステムは、文書の視覚的表示をＴＴＳエンジンに結び付けるアプリケーションツールである。一実施形態ではこのツールは、話されたテキストの内容に依存して視覚的表示を関心領域に自動的にパンおよびズームする。例えばＴＴＳエンジンが「図１５に示されるように」という文書内のテキストを読んでいるとき、視覚的表示はこの文書の図１５を自動的に表示するであろう。そのときこの特定の実施形態では文書の図１５が関心領域である。これは文書の図にとって最も有用であるが、如何なるテキスト参照でも関心領域としてラベル付けでき、脚注や他の節（セクション）、章または付録への参照といったものであっても視覚的表示の変更を起こす合図として使用され得る。

更にこの技術は、ディジタル文書、走査文書およびウェブページを含む一連の文書タイプに適用され得る。元の文書が走査される一態様では本システムは、例えば公知の光学文字認識（「ＯＣＲ」）ソフトウエアを使用して文書をディジタルテキストに変換する。あるページの領域に自動的にパンおよびズームするためにテキスト内で参照を使用することに加えてこの技術は、ウェブページへのリンクを追尾する、または埋め込まれたマクロを起動するといった他のサービスを自動的に提供することができる。

図１に示された本発明の概念の一実施形態では本発明のシステムは、携帯電話またはラップトップといった（視覚的（画像））表示装置１０４を有する移動装置１００にインストールされた文書ナビゲーション（ＡＤＮ）アプリケーション１０２（文書ナビゲーション手段）と、電話のスピーカ１０８またはこの移動装置１００に接続されたヘッドフォンといったオーディオモジュール１０６（音声手段）と、を含む。一実施形態ではアプリケーション１０２は、メモリからアプリケーション１０２を実行するためのプロセッサ１１２を更に含む移動装置１００のメモリ１１０上に常駐するであろう。代替実施形態は、図４、５に関して下記に論じられる。文書が与えられると、メモリ内に常駐するリンキングモジュール１１４（リンキング手段）は先ず、文書内のテキストの少なくとも１つのセクションをこのテキストの少なくとも１つのセクションの外側の関心領域にリンクする。例えばリンキングモジュール１１４は、「図１５に示されるように」といった特定のフレーズ（語句）を識別して、この図が同じ文書内にあるにせよ、またはもう１つの文書内にあるにせよ、言及されている実際の図１５にリンクし得る。

リンキングモジュール１１４内で動作するアルゴリズムは、文書内でリンクを生成する場所を決定するために種々の方法を使用する。一実施形態ではこれらのリンクは、ハイパーリンクまたはマクロといった多くのディジタル文書に既に埋め込まれているものである。もしウェブ文書へのハイパーリンクといったリンクが文書自身に埋め込まれているならば、追加のリンクが所望されなければリンキングモジュール１１４は必要でない。もし追加のリンクが所望されれば、アルゴリズムは発見的方法(heuristics)のセットを頼りにすることができる。リンクが埋め込まれていないもう１つの実施形態ではリンキングモジュール１１４は、先ず関連する関心領域を抽出するためと、それからテキストをこの関心領域にリンクするための文書を通しての２つのパスを作る必要がある。少なくとも３つのタイプの関心領域：すなわち１）図と表、２）セクション、および３）引用文が存在し、これらは以下で別々に論じられる。

図と表に関しては文書を通しての第１のパスにおいてリンキングモジュール１１４は、図と表を分割してそれらの対応するキャプション（図表近辺に付される図表番号や簡単な説明文）を発見することができる（例えば本文テキストとは僅かに異なるフォントサイズを有する近接したテキスト領域を探すことによって）。それから第２のパスにおいてリンキングモジュール１１４は、本文テキストのセグメントにリンクさせるため、キャプションに対して例えばnグラム方式と用いてリンクさせるセグメントを探索することができる（大体の場合は、「図２(Figure 2)」のようなものを探しているので、おおよそは２-グラムである）。

セクションに関してリンキングモジュール１１４は、第１のパスにおいてセクション見出しを識別して、また第２のパスにおいて本文テキストのセグメントを探索してこれにリンクする必要がある。セクションヘッダ識別は、再び一実施形態においてフォントサイズ推定を使用して達成され得るであろう。

引用文に関してリンキングモジュール１１４は、第１のパスにおいて引用文と参照セクションとを識別する必要がある。引用文は本文テキストにおける幾つかの単純な正規表現探索を介して識別され得る（例えば、大抵の科学論文に関する”［＼ｄ＋］”。これは括弧付けされた１つ以上の文字列を求めるものである）。参照セクションは、上記のセクション識別技法を使用して適当なテキスト（「参照文」、「引用文」、またはより一般的な単語である「参考文献目録」）を照合することによって識別され得るであろう。

非限定的一例では、セクションヘッダを参照するときアルゴリズムは、フォントサイズとレタリングとを考慮することを必要とするだけである。スキャン入力された文書に関するアルゴリズムは、非特許文献２に記載されているように、本文テキストからキャプションテキストを区別するために、文書に対して事前処理されたセグメンテーション（文書構造解析により決定される領域）に依存する。

代替実施形態ではリンキングモジュール１１４は、外部サーバ（図示せず）に配置され、この場合、文書ナビゲーションアプリケーション１０２は、リンキングモジュール１１４がリンクを作成したとき、サーバから文書とリンクとをダウンロードするであろう。

ＴＴＳエンジン１２４は、ユーザが文書内のテキストを代表する音声（スピーチ）を聞くように、文書のテキストを可聴音に変換する。移動装置上のスピーカ１０８といったオーディオモジュール１０６はユーザに可聴音を提示する。代替実施形態ではＴＴＳエンジン１２４は外部サーバ（図示せず）に配置され、この場合、文書ナビゲーションアプリケーション１０２はＴＴＳエンジン１２４が文書をオーディオに変換した後に文書のオーディオストリームをダウンロードするであろう。文書ナビゲーションアプリケーション１０２はＴＴＳエンジン１２４からオーディオ信号を取り入れて、同じセクションからの音声（スピーチ）がユーザに可聴音で提示されているときに文書からのテキストの関連部分が表示装置１０４上に表示されるように、このオーディオ信号を同期化する。一実施形態では表示モジュール１１６（表示手段）は表示装置１０４上にインタフェースを提示する。表示インタフェースの一実施形態は図２Ａに示されており、これはマーク付けされた現在カーソル位置１２０を有する文書概要１１８とメインビュー（主要表示域）１２２におけるカーソル位置１２０に近接したテキストに最も関連のある視覚情報との両者を示している。任意のリンクされたテキストの代わりに文書ナビゲーションアプリケーション１０２は単に、非特許文献２等に参照され、図２Ａに示されたコンテンツベースの自動ズーミング（「ＣＢＡＺ」）を使用してメインビュー（主要表示）内のカーソル１２０を取り囲む近似的にズームされた領域を提示する。ＴＴＳエンジンの一実施形態は、非特許文献３で入手可能なＮｅｏＳｐｅｅｃｈ（登録商標）ＴＴＳ Ｓｏｆｔｗａｒｅである。文書ナビゲーションアプリケーション１０２がリンクされたフレーズに遭遇すると、文書ナビゲーションアプリケーション１０２は、ある予め指定された時間の間、表示装置において、リンクされた関心領域に自動的にパンおよびズームする。特に図２Ａに示されるように文書ナビゲーションアプリケーション１０２は、文書内のリンクされた領域間でメインビューが動くとき、視覚的表示のメインビュー１２２を適合させる。最初のうちリンクされた関心領域によらずに表示装置はメインビュー１２２にテキスト１２６だけを表示する。それから文書ナビゲーションアプリケーション１０２は、図２Ｂのウェブページ１２８へのリンク（図示せず）と図２Ｃの人物像１３０へのリンクとに遭遇する。それから文書ナビゲーションアプリケーション１０２は、それぞれのリンクされた関心領域を表示するためにメインビュー１２２を適合させる。ＴＴＳエンジン１２４からのオーディオ信号が文書の音声（スピーチ）を提示するので、カーソル位置１２０は右下の概要表示１１８上で更新されることにも留意されたい。

別の実施形態ではユーザは、ボタンを押してテキストのオーディオ信号を停止および開始することができる。またユーザはいつでも、文書の異なる部分を見るために、またはカーソル位置１２０を変更するためにメインビュー１２２を直接操作できる（異なるジェスチャ（身振り）が２つの行動を区別する）。前者の場合、システムは、ユーザ対話のタイムアウト後にメインビューをリセットするであろう。

ＴＴＳエンジンを使用することと連携して文書を視覚的にナビゲートする方法の一実施形態が図３に示されている。第１のステップ３０２で、ＴＴＳエンジンを使用する変換のためにテキストを有する文書が取得される。次にステップ３０４でリンキングモジュールは文書を処理して、フレーズおよび単語といったテキストのセクションを適当な関心領域にリンクする。ステップ３０６でＴＴＳエンジンは、テキストを音声（スピーチ）に変換し、オーディオモジュールを使用して可聴音をユーザに提示する。ステップ３０８で文書ナビゲーションアプリケーションは、ＣＢＡＺを使用してユーザに可聴音で提示される音声のセクションに対応する表示されている文書の特定のセクションを有するリンクされた文書を表示装置上でユーザに表示する。ユーザは、可聴音スピーチの提示を意のままに停止および開始することによって、あるいは提示されるオーディオ信号のセグメントも変化するように文書内のカーソル位置を変化させることによって、文書ナビゲーションアプリケーション上での制御を行うことができる。ステップ３１０で文書ナビゲーションアプリケーションは、リンクされたテキストに遭遇する可能性があり、この場合、視覚的表示はステップ３１２でリンクされた関心領域をメインビュー上に表示するために変化するであろう。もしリンクされたテキストに遭遇しなければ、ステップ３１４のようにメインテキストビューは提示され続けるであろう。

更なる実施形態でシステムは、ユーザに提示されているオーディオストリームに有用な情報をインターリーブするために図１に示されるような報知モジュール１３２（報知手段）を組み込んでいる。例えば走査された文書に関して公知のＯＣＲツールは、走査されたテキストをディジタルテキストに変換し、更に認識精度を報告する。それから報知モジュール１３２は、認識誤りがテキスト音声変換を使用不能にしそうであるときに、オーディオストリーム内で指示すべき文書のディジタルテキストに（短いブリップ（語の存在を示す…のような文字列）または説明を用いて）注釈を入れる、精度があまりにも低いセクションを識別することができる。報知モジュール１３２は、テキストの特定のセクションが読取り不能であるかどうかに関してリンキングモジュール１１４から指示を受けるであろうが、この場合、報知モジュール１３２はＴＴＳエンジン１２４によって作り出されたオーディオストリームに報知が差し挟まれる。これらの指示は、対応するテキストを読むために、ユーザがよく聞き取れない音声（スピーチ）を聴くことを避けてその代わりにユーザの注意を視覚的表示に向けることを可能にするように、前もって提示され得る。

ここで説明されるシステムが文書精読を支援するために他の最新技術と共に使用され得ることは留意されるべきである。例えば一実施形態ではユーザは、カーソル位置１２０を変更するために表示装置１０４と対話できる。概要表示１１８は、図２Ａ〜２Ｃに示されるように、ユーザが常に文書における現在カーソル位置１２０を知っているようにメインビューポート（主要表示域）１２２に連結され得る。

図４は、本発明の方法論の一実施形態が実現され得るコンピュータ／サーバシステム４００の一実施形態を示すブロック図である。システム４００は、コンピュータ／サーバプラットフォーム４０１と周辺装置４０２とネットワーク資源４０３とを含む。

コンピュータプラットフォーム４０１は、コンピュータプラットフォーム４０１の種々の部分に亘って、または種々の部分の間で情報通信するためのデータバス４０４または他の通信機構と、情報を処理して他のコンピューティングおよび制御タスクを実行するための、バス４０４と接続されたプロセッサ（ＣＰＵ）４０５とを含み得る。コンピュータプラットフォーム４０１はまた、種々の情報ならびにプロセッサ４０５によって実行されるべき命令を記憶するための、バス４０４に接続されたランダムアクセスメモリ（ＲＡＭ）または他の動的記憶装置といった揮発性記憶装置４０６を含む。揮発性記憶装置４０６はまた、プロセッサ４０５による命令の実行時に一時的変数または他の中間情報を記憶するために使用され得る。コンピュータプラットフォーム４０１はまた更に、基本入出力システム（ＢＩＯＳ）といったプロセッサ４０５のための静的情報および命令、ならびに種々のシステム構成パラメータを記憶するための、バス４０４に接続された読取り専用メモリ（ＲＯＭまたはＥＰＲＯＭ）４０７または他の静的記憶装置を含み得る。情報と命令とを記憶するために、磁気ディスク、光ディスク、または固体フラッシュメモリ装置といった固定（永続）記憶装置４０８が設けられてバス４０４に接続される。

コンピュータプラットフォーム４０１は、システム管理者またはコンピュータプラットフォーム４０１のユーザに情報を表示するために、陰極線管（ＣＲＴ）、プラズマ表示装置、または液晶表示装置（ＬＣＤ）といった表示装置４０９にバス４０４を介して接続され得る。プロセッサ４０５に情報およびコマンド選択を伝達するために英数字および他のキーを含む（キーボードなどの）入力装置４１０がバス４０４に接続される。もう１つのタイプのユーザ入力装置は、プロセッサ４０５に方向情報およびコマンド選択を伝達するための、また表示装置４０９上でのカーソルの動きを制御するためのマウス、トラックボールまたはカーソル方向キーといったカーソル制御装置４１１である。この入力装置は一般的には、第１の軸（例えばｘ）と第２の軸（例えばｙ）という２つの軸方向に２つの自由度を持っており、この装置が平面内の位置を指定することを可能にしている。

コンピュータプラットフォーム４０１に追加の、または取外し可能な記憶容量を与えるために、外部記憶装置４１２がバス４０４を介してコンピュータプラットフォーム４０１に接続され得る。コンピュータシステム４００の一実施形態では外部取外し可能記憶装置４１２は、他のコンピュータシステムとのデータ交換を容易にするために使用され得る。

本発明は、ここで説明される技法を実現するためのコンピュータシステム４００の使用法に関連している。一実施形態では本発明のシステムは、コンピュータプラットフォーム４０１といった機械上に常駐できる。本発明の一実施形態によればここで説明される技法は、揮発性メモリ４０６に含まれた１つ以上の命令の１つ以上のシーケンスを実行するプロセッサ４０５に応じてコンピュータシステム４００によって実行される。このような命令は、固定（永続）記憶装置４０８といった他のコンピュータ可読媒体から揮発性メモリ４０６に読み込まれ得る。揮発性メモリ４０６に含まれた命令のシーケンスの実行は、ここで説明されるプロセスステップをプロセッサ４０５に実行させる。代替実施形態では、本発明を実現するために、配線接続回路がソフトウエア命令の代わりに、またはソフトウエア命令と組み合わせて使用され得る。したがって本発明の実施形態は、ハードウエア回路とソフトウエアとの如何なる特定の組合せにも限定されない。

ここで使用される用語「コンピュータ可読媒体」は、実行のためにプロセッサ４０５に命令を与えることに関与する任意の媒体を指している。コンピュータ可読媒体は、ここで説明される方法および／または技法のいずれかを実現するための命令を保持し得る機械可読媒体の単なる一例である。このような媒体は、不揮発性媒体と揮発性媒体とを含むがこれらに限定されない多くの形態を採り得る。不揮発性媒体は、例えば記憶装置４０８といった光または磁気ディスクを含む。揮発性媒体は、揮発性記憶装置４０６といった動的メモリを含む。伝送媒体は、データバス４０４を備えるワイヤを含む同軸ケーブル、銅ワイヤおよび光ファイバを含む。

コンピュータ可読媒体の一般的な形態は、例えばフロッピー（登録商標）ディスク、フレキシブルディスク、ハードディスク、磁気テープまたは他の任意の磁気媒体、ＣＤ−ＲＯＭ、他の任意の光媒体、パンチカード、紙テープ、孔のパターンを有する他の任意の物理媒体、ＲＡＭ、ＰＲＯＭ、ＥＰＲＯＭ、ＦＬＡＳＨ−ＥＰＲＯＭ、フラッシュドライブ、メモリカード、他の任意のメモリチップまたはカートリッジ、後述される搬送波、またはコンピュータが読み取ることのできる他の任意の媒体を含む。

コンピュータ可読媒体の種々の形態は、実行のためにプロセッサ４０５に１つ以上の命令の１つ以上のシーケンスを搬送することに含まれ得る。例えばこれらの命令は、最初にリモートコンピュータから磁気ディスク上に搬送され得る。代替としてリモートコンピュータは、命令をその動的メモリにロードし、モデムを使用して電話線でこれらの命令を送信できる。ローカルなモデムは、電話線でコンピュータシステム４００にデータを受信でき、また赤外線送信機を使用してデータを赤外線信号に変換できる。赤外線信号で搬送されたデータを赤外線検出器が受信し、適当な回路がこのデータをデータバス４０４上に置くことができる。バス４０４はデータを揮発性メモリ４０６に搬送し、このメモリからプロセッサ４０５は命令を検索して実行する。揮発性メモリ４０６によって受信された命令は任意選択的に、プロセッサ４０５による実行の前または後に固定記憶装置４０８に記憶され得る。これらの命令はまた、当分野では周知の種々のネットワークデータ通信プロトコルを使用してインターネットを介してコンピュータプラットフォーム４０１にダウンロードされ得る。

コンピュータプラットフォーム４０１はまた、データバス４０４に接続されたネットワークインタフェースカード４１３といった通信インタフェースを含む。通信インタフェース４１３は、ローカルネットワーク４１５に接続されたネットワークリンク４１４に双方向データ通信接続を与える。例えば通信インタフェース４１３は、対応するタイプの電話線にデータ通信接続を与えるための総合ディジタル通信網サービス（ＩＳＤＮ）カードまたはモデムであり得る。もう１つの例として通信インタフェース４１３は、互換性のあるＬＡＮにデータ通信接続を与えるためのローカルエリアネットワーク・インタフェースカード（ＬＡＮ ＮＩＣ）であり得る。周知の８０２．１１ａ、８０２．１１ｂ、８９２．１１ｇおよびブルートゥース（Ｂｌｕｅｔｏｏｔｈ）といった無線リンクもまたネットワーク実現のために使用され得る。このようないずれの実現形態においても通信インタフェース４１３は、種々のタイプの情報を表すディジタルデータストリームを搬送する電気信号、電磁気信号または光信号を送受信する。

ネットワークリンク４１３は一般的には、１つ以上のネットワークを経由するデータ通信を他のネットワーク資源に与える。例えばネットワークリンク４１４は、ローカルネットワーク４１５を経由する接続をホストコンピュータ４１６またはネットワーク記憶装置／サーバ４２２に与え得る。更に、あるいは代替としてネットワークリンク４１４は、ゲートウェイ／ファイアウォール４１７を介してインターネットといったワイドエリアまたはグローバルネットワーク４１８に接続し得る。こうしてコンピュータプラットフォーム４０１は、リモートネットワーク記憶装置／サーバ４１９といった、インターネット４１８上のどこにでも配置されるネットワーク資源にアクセスできる。他方ではコンピュータプラットフォーム４０１はまた、ローカルエリアネットワーク４１５および／またはインターネット４１８上のどこにでも位置するクライアントによってアクセスされ得る。ネットワーククライアント４２０、４２１はそれら自身、プラットフォーム４０１に類似のコンピュータプラットフォームに基づいて実現され得る。

ローカルエリアネットワーク４１５とインターネット４１８は両者とも、ディジタルデータストリームを搬送する電気信号、電磁気信号または光信号を使用する。ディジタルデータをコンピュータプラットフォーム４０１に、またコンピュータプラットフォーム４０１から搬送する、種々のネットワークを経由する信号および通信インタフェース４１３を経由するネットワークリンク４１４上の信号は、情報を搬送する搬送波の一般的な形態である。

コンピュータプラットフォーム４０１は、インターネット４１８とＬＡＮ４１５、ネットワークリンク４１４と通信インタフェース４１３を含む種々のネットワーク（単数または複数）を経由してメッセージを送信し、プログラムコードを含むデータを受信することができる。インターネットの例ではシステム４０１がネットワークサーバとして機能するとき、このシステムはインターネット４１８、ゲートウェイ／ファイアウォール４１７、ローカルエリアネットワーク４１５および通信インタフェース４１３を経由してクライアント（単数または複数）４２０および／または４２１上で動作するアプリケーションプログラムのために要求されたコードまたはデータを送信する可能性がある。同様にシステムは、他のネットワーク資源からコードを受信し得る。

受信されたコードは、それが受信されたときにプロセッサ４０５によって実行され得る、および／または後刻の実行のために固定記憶装置４０８または揮発性記憶装置４０６にそれぞれ、あるいは他の不揮発性記憶装置に記憶され得る。この仕方でコンピュータシステム４０１は、搬送波の形態でアプリケーションコードを取得できる。

図５は、どのようにコンピュータプラットフォーム４０１がテキスト音声変換（「ＴＴＳ」）エンジンと連携して文書を視覚的にナビゲートするためのシステムに関係するかを示す。ここで図５は、図２Ａで説明された表示装置１０４のメインビュー(主要表示域)１２２を示す。入力情報が表示装置１０４を介して与えられると、感知ユニット５０２は入力を感知してこれを処理ユニット５０４に転送する。それから処理ユニット５０４は、接続されたＲＡＭまたはＲＯＭ５０６に記憶された文書ナビゲーションアプリケーションと連携して情報を処理し、表示装置１０４を介してユーザが入力したコマンドを解釈する。例えば、ユーザがズーム領域実施形態を駆動するためのコマンドを入力したのであれば、処理ユニット５０４はＴＴＳエンジン５０８の使用を介して文書テキストを可聴音に変換してこれをオーディオ出力ユニット５１０に転送し、それからこのオーディオ出力ユニット５１０はユーザのためにこの変換された可聴音を出力し始める。可聴音が出力されているとき処理ユニット５０４はまた、文書内のリンクされた領域の間でカーソルが動くときに、可視表示装置１０４のメインビュー１２２を調整するように表示コントローラ５１２に命令を転送する。この例のコンピュータプラットフォームによって本発明の他の実施形態も可能である。更にこのコンピュータプラットフォームは、表示装置を介してコマンドを受信することに限定されない。処理ユニットのためのコマンドを入力するために、前述のような他の入出力（Ｉ／Ｏ）装置５１４がコンピュータプラットフォームに取り付けられ得る。

最後に、ここで説明されたプロセスおよび技法が如何なる特定の装置にも本質的に関連付けられず、また構成要素の如何なる適当な組合せによってでも実現され得ることは理解されるべきである。さらにここで説明された教示にしたがって種々のタイプの汎用装置が使用され得る。ここで説明された方法ステップを実行するために専用の装置を構成することが好ましい可能性もある。本発明は、すべての点で限定的ではなく、例示的であるように意図された特定の例に関連して説明されてきた。当業者は、テキスト音声変換エンジンを用いた文書ナビゲーションのためのシステムおよび方法を実行するためにハードウエア、ソフトウエアおよびファームウエアの多くの異なる組合せが適当であることを認めるであろう。例えば、説明されたソフトウエアは、アセンブラ、Ｃ／Ｃ＋＋、パール（ｐｅｒｌ）、シェル（ｓｈｅｌｌ）、ＰＨＰ、ジャバ（Ｊａｖａ（登録商標））などといった種々のプログラミング言語またはスクリプト言語で実現され得る。

本発明の種々の代表的実施形態が、ある程度の特殊性をもって上記に説明されてきたが、当業者は、本明細書と請求項とに記載された本発明の主題の精神または範囲から逸脱せずに、開示された実施形態に多数の修正を行うことができるであろう。ここで直接または間接的に述べられた方法論では種々のステップと動作が１つの可能な動作順序で説明されているが、当業者は、本発明の精神と範囲から必ずしも逸脱せずにステップおよび動作が再配列、交換または省略され得ることを認めるであろう。また説明された実施形態の種々の態様および／または構成要素は、文書表示およびナビゲーションシステムにおいて、単独に、あるいは任意の組合せにおいて使用され得る。上記の説明に含まれた、あるいは付属図面に示されたすべての事項は単に例示的であって限定的ではないと解釈されるべきであることが意図されている。

１００ 移動装置
１０２ 文書ナビゲーションアプリケーション
１０４ 表示装置
１０６ オーディオモジュール
１０８ スピーカ
１１４ リンキングモジュール
１１６ 表示モジュール
１２４ ＴＴＳエンジン
１３２ 報知モジュール

Claims (19)

1. ユーザにテキスト文書を表示する表示手段と、
   前記テキスト文書のテキストを少なくとも１つの可聴音に変換するテキスト音声変換手段と、
   前記少なくとも１つの可聴音を前記ユーザに提示する音声手段と、
   前記可聴音に対応する前記テキスト文書の部分を表示する文書ナビゲーション手段と、
   を備える文書ナビゲーションシステムであって、
   関心領域を示すリンクを含む前記テキスト文書の部分を表示するときに、前記文書ナビゲーション手段が該リンクによって示される該関心領域を表示する、
   文書ナビゲーションシステム。
2. 前記テキスト文書のテキストの少なくとも１つの部分から少なくとも１つの関心領域への、少なくとも１つのリンクを生成するリンキング手段をさらに備える、請求項１に記載の文書ナビゲーションシステム。
3. 前記リンキング手段は、関心領域にリンクするテキストの部分を決定するために予め記憶されたリンク候補となり得るテキスト情報を使用する、請求項２に記載の文書ナビゲーションシステム。
4. 前記関心領域は非テキストオブジェクトを含む、請求項１に記載の文書ナビゲーションシステム。
5. 前記関心領域はテキストの部分を含む、請求項１に記載の文書ナビゲーションシステム。
6. 前記リンクはハイパーリンクを含む、請求項１に記載の文書ナビゲーションシステム。
7. 前記リンクはマクロを含む、請求項１に記載の文書ナビゲーションシステム。
8. 前記テキスト音声変換手段が前記テキスト文書のテキストの部分を的確な音声に変換できるか否かを前記ユーザに報知する報知手段をさらに備える請求項１に記載の文書ナビゲーションシステム。
9. 関心領域が前記リンク先から前記表示手段に完全にロードされた場合、前記ユーザに報知する報知手段をさらに備える請求項１に記載の文書ナビゲーションシステム。
10. テキスト文書をユーザに表示し、
    テキスト音声変換手段によって前記テキスト文書のテキストを少なくとも１つの可聴音に変換し、
    少なくとも１つの前記可聴音を前記ユーザに提示し、
    前記可聴音に対応する前記テキスト文書の部分を表示する、
    テキスト音声変換手段を用いた文書ナビゲーション方法であって、
    関心領域を示すリンクを含む前記テキスト文書の部分が表示されるとき、該リンクによって示される該関心領域をさらに表示する、
    文書ナビゲーション方法。
11. 前記テキスト文書のテキストの少なくとも１つの部分から少なくとも１つの関心領域への少なくとも１つのリンクを生成することをさらに含む、請求項１０に記載の文書ナビゲーション方法。
12. 関心領域にリンクするテキストの部分を決定するために予め記憶されたリンク候補となり得るテキスト情報を使用する、ことをさらに含む、請求項１１に記載の文書ナビゲーション方法。
13. 前記関心領域として非テキストオブジェクトを選択することをさらに含む、請求項１０に記載の文書ナビゲーション方法。
14. 前記関心領域としてテキストの部分を選択することをさらに含む、請求項１０に記載の文書ナビゲーション方法。
15. テキスト文書のテキストの少なくとも１つの前記部分を少なくとも１つの前記関心領域にリンクするためにハイパーリンクを用いることをさらに含む、請求項１０に記載の文書ナビゲーション方法。
16. テキスト文書のテキストの少なくとも１つの前記部分を少なくとも１つの前記関心領域にリンクするためにマクロを用いることをさらに含む、請求項１０に記載の文書ナビゲーション方法。
17. 前記テキスト音声変換手段が前記テキスト文書のテキストの部分を的確な音声に変換できるか否かを前記ユーザに報知することをさらに含む、請求項１０に記載の文書ナビゲーション方法。
18. 関心領域が前記リンク先から前記表示手段に完全にロードされた場合、前記ユーザに報知することをさらに含む、請求項１０に記載の文書ナビゲーション方法。
19. テキスト文書を表示する機能と、
    前記テキスト文書のテキストを少なくとも１つの可聴音に変換する機能と、
    少なくとも１つの前記可聴音を前記ユーザに提示する機能と、
    前記可聴音に対応する前記テキスト文書の部分を表示する機能と、
    をコンピュータに実現させる文書ナビゲーションプログラムであって、
    関心領域を示すリンクを含む前記テキスト文書の部分が表示されるとき、該リンクによって示される該関心領域をさらに表示する、
    文書ナビゲーションプログラム。