JP2010537276A - 音声を利用できるテルネットインターフェイス - Google Patents

Abstract

データ識別子およびスピーチ／音声の認識の機能を付加する方法が、開示されている。テルネットクライアントは、テルネットセッションにおけるデータフィールドに対してデータ識別子を付加する、１つ以上のスクリプトを実行している。データ識別子に基づいて、入力データが、対応するフィールド内に挿入される。スクリプトは、テルネットクライアントのみにおいて実行されており、サーバーアプリケーションを修正する必要はない。さらに、テルネットクライアントに対してスピーチ認識および発声の機能を与えるための方法が、開示されている。入力データの一部が、音声に変換されるとともに、ユーザーに対して再生される。ユーザーは、さらに、自分の音声を用いて、テルネットセッションにおける特定のフィールドに対して、インプットを与えることが可能である。テルネットクライアントにおいて実行されているスクリプトは、ユーザーの音声をテキストに変換し、対応するフィールドに対して挿入する。
【選択図】図１

Description

この出願は、テルネットのような、簡易的なプロトコルのためのものを含むユーザーインターフェイスの設計および実装に関する。

ユーザーインターフェイスは、デバイスを生産的に利用するためには欠かせないものである。念入りに設計されて、好ましくはカスタマイズ可能なユーザーインターフェイスの必要性は、十分に認識されている。しかしながら、最も重要な情報に対して注意を引くレイアウトや、追加的な触覚効果および音響効果を用いて、「人間が最もうまく情報に関わること、および、人間が視覚的に表示された情報を得ること」を可能とする、テルネットなどの通信プロトコルをサポートするための構成は、容易には実施されない。

端末エミュレーション（テルネット）は、伝統的には、テキストのみの媒体である。音に対するサポートはビープ音に限られており、これよりも複雑な何らかの音をサポートするためには、特別な工夫が必要である。

大部分のオペレーターは、テキストのみからなる情報を読むことだけに関わることよりも、視覚および音の情報を受領することを好む。さらに、コンピューターに話しかけることによってデータの入力が可能となることは、現在の利用に比して、コンピューターの利用を著しく単純化し、改善し、さらに迅速化するはずである。それでもやはり、コンピューター間の通信に有用な１つのプロトコルは、テルネットプロトコルである。より安全なプロトコルを使用することは可能であるが、テルネットの単純さは、古いこと、および、セキュリティー関連の欠点があることにも関わらず、テルネットに今日的な意義を与え続けている。

テルネットプロトコルは、極めて汎用的な、双方向の、８ビット単位の通信用設備を設けるために導入されたものである。第１に、このプロトコルは、端末デバイス間およびプロセス間をインターフェイス接続する、標準的な方法を可能とする。このプロトコルは、多くの場合、端末間通信およびプロセス間通信（分散型計算方式）のために利用される。テルネット通信（すなわちセッション）は、典型的には、分散型のテルネット制御情報を有するデータをやりとりする、トランスミッション・コントロール・プロトコル（ＴＣＰ）通信である。典型的には、スクリプトと呼ばれる一連の通信が、データの一部としてテルネット通信上を送られる。テルネットプロトコルは、さらに、「ネットワーク仮想端末」および折衝オプションを可能とする。

テルネットセッションを確立すると、各エンドは、仮想的な「ネットワーク仮想端末（Ｎｅｔｗｏｒｋ Ｖｉｒｔｕａｌ Ｔｅｒｍｉｎａｌ）」から生じるとともに、この端末において終了する、と仮定される。この端末は、標準的な、ネットワークの全体に拡がる、端末における中間的な代理物となるものである。その結果、さまざまな端末の特徴点および端末の取り扱い規約をたどるための、「サーバー」および「ユーザー」あるいは「クライアント」ホストを必要としない。テルネットにおける全ての参加者は、自らのローカルデバイスの特徴点および規約をマッピングし、これにより、ネットワーク上のＮＶＴを取り扱っているように見えるようになる。したがって、それぞれが、他のメンバーによる同様のマッピングを前提とすることが可能となる。

折衝オプションに対する準備により、ホストは、最小のＮＶＴの範囲内において使用可能なサービスに加えて、追加的なサービスを提供することが可能となる。テルネットプロトコルからは独立しているものの、その範囲内において構築されている、さまざまな「オプション」がある。これらのオプションについては、「ＤＯ，ＤＯＮ’Ｔ，ＷＩＬＬ，ＷＯＮ’Ｔ」構造とともに使用することが可能であり、これにより、それらのテルネット通信に関する、より複雑な規約のセットを使用することを可能とするための、折衝を行うことができる。さらに、エミュレートされた端末は、テルネットプロトコルを遵守することによって、他のメンバーに影響を及ぼすことなく、ユーザーインターフェイスをさらに改善することが可能である。このようなオプションは、文字セット、エコーモード、データ・セキュリティー機能などの変更を含むことが可能である。オプションの使用をセットアップするための基本的な方法は、そのオプションが複数のメンバーに影響する場合には、メンバーに、そのオプションを発効するリクエストを開始させることである。これを受けて、他のメンバーは、このリクエストを受け入れるか、あるいは拒否することが可能である。このリクエストが受け入れられた場合、オプションは、直ちに効力を生じる。

テルネットセッションについては、スクリプトによってカスタマイズすることが可能である。スクリプトは、コンピューターのプログラミング言語であり、コンパイルすることを必要とせずに、キーボードから直接的にタイプすることの可能な、インタープリター型の言語である。スクリプトとは異なって、スクリプト内のコマンドは、１つずつ解釈され、プログラムは、特定のタイプのコンピューターあるいはプロセッサーにおいて実行するために適した、バイナリーの実行ファイルに恒久的に変換される。スクリプトによって得られる最も重要な利点は、伝統的な「編集−コンパイル−リンク−実行」のプロセスを縮小することにある。なお、スクリプト言語はインタープリター型であるものの、これは、コンパイルの余地のないものではない、ということに留意すべきである。コンパイラを設けるよりもインタープリターを工夫することの方が非常に容易なため、スクリプト言語のためのインタープリターを書き込むことが容易になっている。

一般的に、スクリプト内の各コマンドについては、独立に実行することが可能である。これにより、処理状態の把握されない動作が生じる。換言すれば、スクリプト言語のコマンドが一旦実行されると、プロセッサーは、既に実行済のコマンドの影響を受けることなく、他のコマンドを実行することが可能となる。しかしながら、このスクリプト言語におけるほぼ本質的な特性を修正することが可能であり、これにより、影響力の状態を検出するための能力を得ることが可能となる。例えば、テルネットクライアントによってサポートされているスクリプトは、スクリーンに表示されているテキストを検出すること、あるいは、さらに、テルネットのデータストリーム内に含まれていない追加的な情報さえも、検出することが可能である。状態に関する情報については、スクリプトデータ内に組み込むことも可能であり、これにより、通常の方法におけるスクリプト言語に基づいたルーチンを実行しているときに、一部の動作に関する状態を保存することが可能となる。このような実装において組み込まれた状態情報を処理およびプログラムするために、追加的なコマンドを設けることも可能である。

スクリプト内のデータは、独特の構造を有している可能性があり、これは、この構造を取り扱うための特別に記載されたコードを必要とする、ということに留意するべきである。適切に設計および展開されたスクリプトは、プログラム・アプリケーションを手助けすることが可能であり、繰り返しの作業をすばやく自動化し、さらに、文脈的に関連したカスタマイズを実行することが可能である。適切なスクリプトおよび実装を提供することは、いまだに課題のままである。これは、ユーザーインターフェイスが複雑であること、および、ユーザーインターフェイスがカスタマイズを必要とすることに起因する。

端末エミュレーションのタイプによっては、ホストに対して情報を提示するために使用される、「フィールド」を定義しているものもある。これらは、ユーザーの入力のために確保されたスクリーンにおける１つ以上の領域である。各フィールドが独立に定義されているため、これらは、（スクリーン上において）異なる位置および長さとなることが可能であり、さらに、要求するデータのタイプを特定するための、固有のフラグを有することが可能である。フィールドの情報がホストに供給されるときには、フィールドの位置も同様に含まれている。ホストは、この情報を利用して、データの含まれていたフィールドを決定すること、および、このフィールドに関して適切にデータを取り扱うことが可能である。

フィールドに対して固有の数字あるいはテキストの文字列を割り当てることによって、フィールドを特定することも可能である。これらの数字あるいはテキストの文字列は、「データ識別子」と称される。これにより、バーコードに埋め込まれているデータ識別子に基づいて、スキャンされたバーコードを割り当てるべきフィールドを知るなどの、有用な措置をとることが可能となる。

これらのデータ識別子は、伝統的には、サーバーによって特定され、端末エミュレーション・セッションを通じて、クライアントに送られる。これにより、サーバーのプログラマーは、必要に応じて、これらを作成および変更することが可能となる。しかしながら、数年にわたって使用してきたサーバーアプリケーションを、アップデートしたがらない、あるいはアップデートできない企業を見つけることは、珍しいことではない。これまでのところ、倉庫の在庫システムに関しては、ハンドヘルド型のテルネットクライアントは、比較的に賢明でないデバイスとなっている。多くの企業が、在庫追跡システムを利用しているが、それと同時に、それらのサーバーアプリケーションを修正できない、あるいは修正したがらない状態にある。したがって、データ識別子、および、スピーチ認識および発声の機能を、在庫追跡システムに提供する必要性がある。これは、この機能を、サーバーの対極にあるテルネットクライアントに実装することによって実施される。

本発明の実施形態は、データ識別子の機能、および、スピーチおよび音声の認識の機能を提供する。これらの機能は、スクリプト記述によって、テルネットクライアントにおいて実施される。このテルネットクライアントは、好ましい実施形態では、携帯用のハンドヘルド型のバーコードスキャナーである。１つの態様においては、テルネットクライアントにおいて実行されている１つ以上のスクリプトが、データ識別子を、スクリーンのフィールドに関連づける。このフィールドは、テルネットセッションを介して、サーバーからテルネットクライアントによって受信されたものである。これらのデータ識別子を、例えば、フィールドの名称、および、スクリプト内において符号化されている他のロジックに基づいて、割り当てることも可能である。

バーコードをスキャンするために、あるいは、他のタイプの情報を取得するために、テルネットクライアントが使用される場合、１つ以上のスクリプトが、入力データを処理する。データが処理された後、データは、データ識別子に基づいて、対応するフィールド内に挿入される。これらのデータ識別子は、上記のフィールドに対してあらかじめ関連づけられている。その後、データは、既に確立されているテルネットセッションを介して、サーバーに送信される。特に、テルネットクライアントを操作するための方法であって、テルネットセッションを介して、サーバーからデータを受信することと、受信されたデータから、テルネットクライアントのスクリーンに表示することの可能なテキストを検出することと、（１）検出されたテキスト、および、（２）テルネットセッションの状態、の少なくとも１つに基づいて、スピーチを生成することと、を備えている、テルネットクライアントを操作するための方法が開示されている。

他の態様では、本発明の実施形態は、テルネットクライアントにおいて、テキスト・トゥ・スピーチ変換を実施する。これは、少なくともテルネット通信のスクリーンに表示されている情報のテキストあるいは文脈を検出することの可能なスクリプトを用いることによって、実施される。これらのスクリプトは、さらに、テキスト・トゥ・スピーチ変換のための情報を付加することも可能である。さらに、スクリプト記述を使用することによって、ユーザーインターフェイスにおける音声認識をカスタマイズすることも可能である。

実施形態によっては、テルネットクライアントにおいて実行されている１つ以上のスクリプトが、単語のリストを提供する。この単語のリストは、「利用可能な単語およびフレーズ」の数を減少させるために、使用することが可能である。この「利用可能な単語およびフレーズ」とは、あるテルネットセッションにおいて、テキストの変換先として利用することの可能な単語およびフレーズ、および、テキストに変換することの可能な音声の単語およびフレーズのことである。したがって、正確性のために、予想された単語およびフレーズのみが、さらに解釈される。ユーザーとのインターフェイスが音声の指示を含んでいる場合、コンピューターは、使用可能な単語およびフレーズのリスト内の単語だけを検索することによって、テキストを、理解しやすいスピーチに変換する。テキストがデータフィールド内に書き込まれるときには、上記のリストに対してスピーチが照合され、使用可能な単語に最も近い単語が選択される。

実施形態によっては、テルネットセッションにおいてスピーチ認識が提供される。これは、テルネットセッションにおける現在のカーソルの位置、および、スクリーンに表示されている情報に基づいたテルネットセッションの文脈を、検出することの可能な、スクリプトを利用することによる。この情報を、このスクリプトによってスピーチを生成するための追加的な情報と組み合わせることも可能である。この処理の全ては、テルネットクライアントによって実行される。一方、サーバーアプリケーションは、変わらないままである。

特に、テルネットクライアントを操作するための方法において、テルネットセッションを介してサーバーからデータを受信することと、受信されたデータから、テルネットクライアントのスクリーンに表示することの可能な、１つ以上の入力フィールドを検出することと、１つ以上のデータ識別子を、検出された少なくとも１つの入力フィールドに関連づけることと、を含んでいる、テルネットクライアントを操作するための方法が開示されている。

テルネットクライアントによって本発明の方法が実行される、在庫追跡システムのための無線ネットワークを例示する図である。 本発明の方法を実行するように構成されている、テルネットクライアントを例示する図である。 サーバーからデータを受信すること、および、表示可能なテキストにおける１つ以上のフィールドにデータ識別子を関連づけることに関する、テルネットクライアントによって実行されるステップを示すブロック図である。 表示可能なテキストにおける１つ以上のフィールドにデータ識別子が関連づけられた後に、入力データを受信することに関する、テルネットクライアントによって実行されるステップを示すブロック図である。 サーバーからデータを受信すること、および、このデータに基づいて音声を出力することに関する、テルネットクライアントによって実行されるステップを示すブロック図である。 音声認識をサポートしているテルネットクライアントによって実行されるステップを示すブロック図である。

本発明の実施形態は、実施例と関連づけて説明することによって、最もよく理解される。説明に役立つ実施例は、倉庫、百貨店、あるいはスーパーマーケットにおける在庫追跡のためのシステムである。

図１は、好ましい実施形態の方法を実行するための、無線ネットワークの配置を示している。サーバー５０（ホストとも称される）は、さまざまなソフトウェア・アプリケーションを管理する。このようなアプリケーションの１つが、テルネット・ホスト・アプリケーションである。実施形態によっては、サーバー５０は、データベースを管理することもある。他の実施形態では、サーバー５０は、有線あるいは無線のネットワークを介して、データベースにアクセスする。これらのデータベースは、在庫情報、および、取引先や販売業者などに関する他の情報（所定の施設に関して一般的な情報）を含んでいる可能性がある。

好ましい実施形態では、サーバー５０は、複数のモバイル式のテルネットクライアント（例えば、テルネットクライアント１０および２０）に対して無線接続されている。これらのテルネットクライアントは、バーコードスキャナーである。

図２は、好ましい実施形態において使用されているテルネットクライアントを、より詳細に示す図である。テルネットクライアント３０は、バーコードをスキャンするための、光学式のスキャンモジュール３８を有している。さらに、テルネットクライアント３０は、この技術分野において一般的に知られている、入力装置３５および表示画面３６を備えている。さらに、テルネットクライアント３０は、好ましくは、ヘッドフォン・プラグ３３を備えている。好ましくは、プラグ３３は、マイクロフォンを有するヘッドフォンをサポートする、標準的な１／８インチのジャックである。しかしながら、これに代えて、周知の他のオーディオ入力／出力を使用することも可能である。例えば、テルネットクライアント３０は、ブルートゥースを実装するとともに、ブルートゥース・ヘッドフォンをサポートすることも可能である。

テルネットクライアント３０は、さらに、サーバー５０から無線メディアを介してデータを送受信するための、無線トランシーバーを備えている（図２には示していない）。

好ましい実施形態では、テルネットクライアントは、バージョン５．１０から始まるＷａｖｅｌｉｎｋのテルネットクライアント（２００５年７月に販売開始）である。このテルネットクライアントは、スクリプト記述のためのサポートを含んでいる。これらのスクリプトは、ユーザーによって、カスタム・プログラミング言語で記載されており、テルネットクライアントに関する固有の挙動を特定することを可能とするものである。各スクリプトを、それをどのように利用する予定であるのかによって、複数の異なる方法において開始することが可能である。スクリプトは、また、サーバー５０とは無関係に実行される。このため、スクリプト記述をサポートするための、サーバーに対する変更は不要である。

一般的に、スクリプトは、サーバー５０から受信したデータをユーザーに出力する前に、このデータの処理を実行すること、および、ユーザーによって入力されたデータをサーバー５０に送信する前に、このデータに対する処理を実行することによって、テルネットクライアントの機能を改善する。好ましい実施形態では、スクリプトは、テキストストリームを修正する能力を有している。カスタムスクリプトに加えて、テルネットクライアントは、他のプログラム、例えば、テキスト・トゥ・スピーチ・コンポーネント、および、スピーチ・トゥ・テキスト・コンポーネントを有することも可能である。スクリプトは、サーバー５０から受信されたデータを、例えばテキスト・トゥ・スピーチ・コンポーネントに対して送信する前に、変更することが可能である。あるいは、スクリプトは、このデータを音声認識コンポーネントから受信した後、このデータをサーバーに移すか、あるいはユーザーに表示する前に、このデータを修正することが可能である。スクリプトは、音声認識エンジンからのデータを使用して、それ自身の内部において（サーバーに対して問い合わせを行うことなく）、例えば、他のスクリプトを立ち上げる、あるいは、メッセージを表示するなどのアクションを開始する。

典型的な従来技術の在庫追跡システムでは、サーバーが、バーコードスキャナーから、特定のタイプのバーコード（この技術分野では、「シンボロジー」とも称される）を受信するように構成されている。このバーコードスキャナーを、他のタイプのバーコードの読み取りに使用するためには、サーバーを再設定する必要があった。例えば、倉庫内の特定のアイテムが異なるタイプの２つのバーコードを有している場合、サーバー５０を、最初に、第１のタイプのバーコードを読み取るように設定し、その後、第２のタイプのバーコードを読み取るように設定する必要があった。より進歩した従来技術の在庫追跡システムには、再設定を必要とすることなく、双方のバーコードを受信するように、サーバーを設定することが可能なシステムもある。サーバー５０内のホストプログラムを、アイテムごとに、第１のタイプのバーコードに続いて第２のタイプのバーコードを受信するように、設定することも可能である。このようなシステムは、バーコードスキャナーによる異なる順序での２つのバーコードのスキャン画像を受信すると、適切に処理することはできない。

好ましい実施形態では、テルネットクライアントにおいて実行されているスクリプトは、データ識別子を用いることによって、システムの利用におけるより大きな柔軟性を与える能力を有している。図３は、サーバー５０からデータを受信すること、および、入力フィールドにデータ識別子を関連づけることに関する、テルネットクライアント（例えば、図２に示したテルネットクライアント３０）によって実行されるステップのブロック図を示している。ステップ６２では、テルネットクライアント３０は、サーバー５０からデータを受信する。ステップ６４では、テルネットクライアントにおいて実行されている１つ以上のスクリプトが、受信されたデータ内における表示可能なテキストを検出する。好ましい実施形態では、表示可能なテキストは、１つ以上の入力フィールドを備えており、これらは、テルネットクライアントのスクリーンに表示される。実施形態によっては、表示可能なテキストは、他の情報を有することも可能である。ステップ６６では、テルネットクライアントにおいて実行されているスクリプトは、表示可能なテキストを分析し、入力フィールドに対してデータ識別子を加える。典型的には、データ識別子は、スクリーンに表示されている入力フィールドに対して割り当てられる。データ識別子は、表示可能なテキストのアイテムに加えられる、単なるテキストの文字列である。データ識別子は、テルネットクライアントのスクリーンに表示することが可能なものであってもよいし、また、表示できないものであってもよい。データ識別子には、その冒頭に、あるいはその末尾に、あるいは冒頭および末尾の双方に、特殊な文字からなるシーケンスがついている。これらは、データ識別子を他のテキスト情報から区別するため、および、データ識別子どうしを区別するために使用される。特殊な文字からなるシーケンスは、データ識別子を配置および使用するために、スクリプトによって使用される。

図４は、表示可能なテキストにおける１つ以上のフィールドにデータ識別子が割り当てられた後に、テルネットクライアントによって実行されるステップのブロック図を示している。ステップ７２では、テルネットクライアントは、インプットを受信する。好ましい実施形態では、インプットは、バーコードのスキャン画像である。しかしながら、このインプットを、他の任意のタイプのインプット（例えば、入力ボタン３５の打ち込みからなるシーケンス、あるいは、ヘッドフォン・プラグ３３を介して受信された音声コマンドなど）とすることも可能である。ステップ７４では、スクリプトは、入力データを処理する。好ましい実施形態では、ステップ７４において、スクリプトは、入力データの構文を解析するか、入力データの文字を削除するか、あるいは、入力データに特定の文字を追加することも可能である。例えば、スクリプトは、入力データに対して、現在の日付を追加することが可能である。さらに、１つ以上のスクリプトは、テルネットクライアントの地理的な位置（例えば、倉庫の階数など）を判断するとともに、この地理的な位置の識別結果を、その位置においてスキャンされたバーコードに加えることが可能である。他の実施形態では、他のより複雑な動作を実施することも可能である。

ステップ７６では、テルネットクライアントにおいて実行されている１つ以上のスクリプトが、テルネットプロトコルを介してサーバーに送信するための、テキストメッセージを作成する。メッセージを作成する際には、スクリプトは、処理されたデータを、特定のデータ識別子によって識別されているフィールドに挿入する。例えば、そのロジックにしたがって、スクリプトは、スキャンされたバーコードが特定のタイプであることを、ステップ７４において判断する。ステップ７６では、同じスクリプト（あるいは別のスクリプト）が、このバーコードを、対応するデータ識別子によって識別されているフィールドに挿入する。このデータ識別子は、図３に示したステップ６６において、既にフィールドに関連づけられているものである。処理された入力データを対応するフィールド内に単に挿入することに加えて、スクリプトは、入力データを挿入した後、このデータを操作することも可能である。例えば、スクリプトは、データを所望のフォーマットに変換するために、ダッシュ、ピリオドなどを挿入することが可能である。

図３および図４に示した方法における、好ましい実施形態の動作が、以下に例示される。倉庫における特定のアイテムは、２つのバーコードを有しており、１つが製造業者によって添付されたものである一方、別の１つが販売業者によって添付されたものである。テルネットクライアント（例えばテルネットクライアント３０）およびサーバー５０は、これらの間においてテルネットセッションを確立する。サーバーにおいて実行されているアプリケーションは、アイテムごとに２つのバーコードを受信するようにプログラムされている。サーバーは、テルネットクライアントに対して、このテルネットクライアントが入力しなければならない２つのフィールドを有するスクリーンを送信する。ステップ６２において、テルネットクライアントは、サーバーからスクリーンを受信する。ステップ６４において、サーバーにおいて実行されている１つ以上のスクリプトが、サーバーが、入力されることを所望する２つのフィールドを判断する。ステップ６６において、テルネットクライアントにおいて実行されている１つ以上のスクリプトが、これら２つのフィールドに対して、データ識別子を関連づける。

ステップ７２において、ユーザーは、バーコードをスキャンする。バーコードがスキャンされると、テルネットクライアントにおいて実行されている１つ以上のスクリプトが、ステップ７４において、入力されたスキャン画像を処理する。この例では、これらのスクリプトは、単に、スキャンされたバーコードのタイプを判断するだけである。ステップ７６においては、最も新しくスキャンされたバーコードのタイプが判断された後、それが、そのタイプに適合する特定のデータ識別子に関連づけられたフィールドに挿入される。従来技術のシステムとは異なって、２つのスキャン画像のシーケンスは重要ではない。さらに、サーバーにおいて実行されているアプリケーションを、修正する必要もない。

以下は、データ識別子をサポートするために有用な、スプリクト記述のコマンドの一部である。
・スクリーン上のフィールドの数を取得する；
・フィールドの位置を取得／設定する；
・フィールドのサイズを取得／設定する；
・フィールドのフラグ／タイプを取得／設定する；
・フィールドのデータ識別子の値を取得／設定する；
・フィールドにおける、１つ以上の特定のシンボロジー（バーコードのタイプ）との関連性を取得／設定する；
・スキャンされたバーコードデータがフィールドにコピーされたときに、追加的なバーコードの処理／操作を取得／設定する；および、
・単一のフィールドに割り当てられた複数のデータ識別子をサポートする。

スクリプトにおいてデータ識別子を特定することを可能とするために、プログラマーは、さらに、自らのサーバーアプリケーションに変更を加えることなく、データ識別子の柔軟性をうまく利用することが可能である。好ましい実施形態では、テルネットクライアントを、（「Ｗａｖｅｌｉｎｋ’ｓ Ａｖａｌａｎｃｈｅ ｍａｎａｇｅｒ」などのソフトウェアを利用することによって）遠隔管理するように構成することも可能である。この能力を持つことによって、簡単な中央制御によって、テルネットクライアントに対して、スクリプト記述のアップデートを、自動的に分配することが可能となる。

以下の記述は、説明するまでもないスクリプトの引用である。これは、フィールドに対して、データ識別子、および、１つ以上のシンボロジーを関連づけるとともに、第２のフィールドに挿入されるスキャン画像のプレフィックスを「Ｂ８」に設定するものである（なお、「／／」によって始まる行は、コメントである）。

スクリプト例＃１
／／第１のフィールド（インデックス０）に対して、シンボロジーおよびデータ識別子を割り当てる。
Ｓｅｔ＿Ｆｉｅｌｄ＿Ｄａｔａ＿ＩＤ（０，“ＩＴＥＭ１”）
Ｓｅｔ＿Ｆｉｅｌｄ＿Ｓｙｍｂｏｌｏｇｙ＿ＩＤ（０，“ＭＳＩ”）

／／第２のフィールド（インデックス１）に対して、２つのシンボロジーおよび２つのデータ識別子を割り当てる。
Ｓｅｔ＿Ｆｉｅｌｄ＿Ｄａｔａ＿ＩＤ（１，“ＩＴＥＭ２”）
Ｓｅｔ＿Ｆｉｅｌｄ＿Ｓｙｍｂｏｌｏｇｙ＿ＩＤ（１，“ＵＰＣＡ”）
Ｓｅｔ＿Ｆｉｅｌｄ＿Ｓｙｍｂｏｌｏｇｙ＿ＩＤ（１，“ＣＯＤＡＢＡＲ”）

／／第２のフィールドに割り当てられたバーコードデータを、常に「Ｂ８」によって始まるように設定する。
Ｓｅｔ＿Ｆｉｅｌｄ＿Ｐｒｅｆｉｘ＿Ｓｃａｎ＿Ｄａｔａ（１，“Ｂ８”）。

好ましい実施形態における別の態様では、テキスト・トゥ・スピーチが、アドオン・コンポーネントとなっている。これは、テキストを取得して、それをスピーチに変換することの可能なものである。これは、未処理のテキストを処理する能力を有しており、さらに、作出されたスピーチを改善するための、追加的な指示（例えば、使用されている言語および発音のガイドなど）を受けることが可能である。好ましい実施形態では、スクリプトは、テルネット通信における現在の状態（現時点においてスクリーンに表示されているテキストを含む）を検出する能力を有している。スクリプトは、さらに、テルネットクライアントに保存されている追加的な情報、あるいは、スクリプト自身によって演算された追加的な情報を、使用することも可能である。これらの情報は、テルネットセッションからは得ることのできないものである。この組み合わせにより、スクリプトは、テキスト・トゥ・スピーチ・コンポーネントに対して指示および未処理のテキストを与えることに関して、および、テルネットセッションにおける現在の状態に基づいて音声の指示を修正することについて、役立つようになる。

追加的に、好ましい実施形態では、音声認識がアドオン・コンポーネントとなっている。これは、マイクロフォンからのインプットをテキストに変換することの可能なものである。これは、認識の正確性を向上させるための追加的な指示（例えば、使用可能な単語のリスト、および、現在のユーザーに関する保存された音声の情報など）を、サポートしている。

本発明の好ましい実施形態では、音声認識は、テルネットクライアントにおいて実行されているテルネットスクリプトによって、サポートされている。このスクリプトは、使用可能な単語あるいはフレーズを決定する。この決定は、好ましくは、現時点において選択されているフィールド、現在のカーソル位置、および、現時点において表示されているページ上のテキストのうちの、１つ以上に基づいて実施される。音声およびスピーチの認識は、使用可能な単語およびフレーズのセットを強く限定することによって、より正確になる。例示的な実施形態では、現時点において選択されているフィールドがバーコード情報を求めている場合には、音声認識エンジンは、スピーチを無効なインプットに変更せずに、その代わりに、有効な数字および文字と適合しているものを探すことになる。これは、例えば「１」と「ｏｎｅ」とを区別する場合などにおいて、音声認識エンジンにとって有用となるはずである。

図５は、サーバー５０からデータを受信すること、および、このデータに基づいて音声を出力することに関する、テルネットクライアント（例えば、図２に示されているテルネットクライアント３０）によって実行されるステップのブロック図を示している。ステップ８２では、テルネットクライアント３０は、サーバー５０からデータを受信する。ステップ８４では、テルネットクライアントにおいて実行されている１つ以上のスクリプトが、受信されたデータを分析する。データの分析あるいは処理は、多くの異なる動作を含むことが可能である。好ましい実施形態では、テルネットクライアントにおいて実行されているスクリプトは、受信されたデータにおける、テルネットクライアントのスクリーンに表示することの可能なテキスト、テルネットクライアントのスクリーンに表示することの可能な１つ以上の入力フィールド、テルネットセッションの状態、および、テルネットセッションにおけるカーソルの位置、という複数のアイテムを検出する能力を有している。実施形態によっては、他の情報を検出することも可能である。ステップ８６では、テルネットクライアントにおいて実行されているスクリプトが、スピーチを生成する。スピーチの生成では、スクリプトは、ステップ８４において検出されたアイテムのうちの、１つ以上を処理する。追加的に、スクリプトは、スピーチを生成するときに、従前のユーザーの入力を考慮することも可能である。生成されたスピーチは、複数の形式をとることが可能である。特に、スピーチを、ユーザーに対する指示、インプットを作成するためのプロンプト、ヘルプ情報、ユーザーに対して読み上げられた、表示されているテキストの一部、および、従前のユーザーの入力に基づく何らかの情報、とすることも可能である。

一実施形態では、公知のテキスト−音声パッケージを用いてテキストを処理することによって、テキストが音声に変換される。スピーチに変換されるテキストは、ステップ８４において検出された１つ以上のアイテム（例えば、テルネットクライアントのスクリーンに表示されているテキストの一部）であってもよいし、あるいは、１つ以上の入力フィールドであってもよい。さらに、スピーチに変換されるテキストは、所定の文字列であってもよいし、あるいは、従前のユーザーの入力に基づくテキストであってもよい。他の実施形態では、決定された表示可能なテキストに基づいてハードコード記録を参照するとともに、記録されている音声を出力することによって、リアルタイムでのテキスト−音声変換を実施することなく、ステップ８６を実行することも可能である。さらに他の実施形態では、上記した２つの方法の組み合わせを実施することも可能である。特に、保存されている記録から、音声メッセージの一部を再生することも可能である。このときには、テキスト−音声パッケージを用いて、表示可能なテキストを処理することによって、このメッセージの他の部分を取得することが可能である。

音声の指示は、ユーザーによるテルネットクライアントの操作における生産性を、大いに向上させることが可能である。例えば、もともとのテルネットのビープ音の代わりに、ユーザーに対して、バーコードのスキャンにおけるエラーを知らせるとともに、再スキャンを求めることが可能である。さらに、ユーザーに対して、次のバーコードのスキャンを促すことも可能である。それに加えて、ユーザーに対して、例えば、「ボックスカバーの右上の隅にある、製造業者のバーコードをスキャンしてください」のような、有用な情報を与えることも可能である。上述したように、この指示内の情報を、異なる情報源から得ることも可能である。例えば、「をスキャンしてください」というフレーズを、スクリプトによって呼び出された、あらかじめ記録されているメッセージとすることが可能である。また、「製造業者のバーコード」というフレーズを、テルネットクライアントのスクリーンに表示された入力フィールドとすることが可能である。さらに、「ボックスカバーの右上の隅にある、」というフレーズを、あらかじめ規定されたテキストの文字列から変換されたスピーチとすることが可能である。

図６は、音声認識をサポートしているテルネットクライアントによって実行される、ステップのブロック図を示している。ステップ９２では、テルネットクライアントは、音声入力を受信する。ステップ９４では、公知の音声−テキスト・エンジンが、音声入力をテキストに変換する。ステップ９６では、テルネットクライアントにおいて実行されている１つ以上のスクリプトが、テルネットプロトコルによってサーバーに送信するための、テキストメッセージを作成する。その後、このテキストメッセージが、サーバーに送信される。

入力された音声を音声−テキスト・エンジンで処理することによってスピーチを入力テキストに変換するスクリプトの挙動を、特定の入力パラメータによって修正することも可能である。これらのパラメータについては、現時点においてテルネットクライアントのスクリーンに表示されているテキスト、入力クライアントのスクリーンに表示されている１つ以上の入力フィールド、テルネットセッションの状態、および、カーソルの位置、から導出することも可能である。これにより、より正確に、かつ、より文脈に沿って、スピーチをテキスト入力に変換することが可能となる。

音声認識アプリケーションにおける典型的な使用は、ユーザーにおけるハンズフリー操作である。例えば、ユーザーは倉庫における特定の棚から全てのアイテムを取ってくること、および、アイテムの数を入力することを、迅速に行なうことが可能である。従来技術のシステムでは、アイテムのバーコードをスキャンしなければならなかったか、あるいは代替的に、入力装置３５を用いて手動によって、アイテムの数を入力しなければならなかった。双方の方法とも、手動での操作を必要とする。好ましい実施形態では、ユーザーは、単に、テルネットクライアントに接続されているマイクロフォンに向かって、アイテムの数を音読すればよい。ユーザーの両手は、アイテムを搬送したり、他の仕事を実行したりするために、自由なままである。テルネットクライアントは、ステップ９２において音声情報を受信し、ステップ９４においてそれをテキストに変換し、さらに、ステップ９６において、テルネットプロトコルを介してサーバーに対して送信するための、メッセージを作成する。これにより、仕事によっては、完全にハンズフリーな操作が可能となる。したがって、従業員の生産性が向上する。

スクリプト記述は、使用可能な音声応答の範囲（ｕｎｉｖｅｒｓｅ）を限定することを可能にし、さらに、その結果として、音声認識率を向上させることを可能にする。例えば、応答の範囲が１〜５の整数に限定されている場合、音声認識パッケージは、５つの使用可能なオプションのみから、ユーザーによって音読されたものに最も類似した数字を照合しようとする。また、上述したように、スクリプト記述は、サーバーに対して送信されるメッセージを、単語の代わりに数字に設定することが可能である。

テキスト−音声変換およびスピーチ認識に関連する複数のスクリプトコマンドを、強力なアプリケーションを実施するために、組み合わせることも可能である。以下に示すスクリプト例は、アイテムの数を入力することをユーザーに促す例を実施するために必要な、コアコマンドを与えるものである。

スクリプト例♯２
ｖａｒ Ｓｔｒｉｎｇ ｓＲｅｓｕｌｔ
Ｓｐｅｅｃｈ＿Ｆｒｏｍ＿Ｔｅｘｔ（“Ｈｏｗ ｍａｎｙ ｉｔｅｍｓ？”）

／／ユーザーによって話された、１〜５の数字を表示する文字列を戻す。
ｓＲｅｓｕｌｔ＝Ｓｐｅｅｃｈ＿Ｔｏ＿Ｔｅｘｔ（“１”，“２”，“３”，“４”，“５”）
Ｋｅｙｐｒｅｓｓ＿Ｓｔｒｉｎｇ（ｓＲｅｓｕｌｔ）
Ｋｅｙｐｒｅｓｓ＿Ｋｅｙ（“Ｅｎｔｅｒ”）。

好ましい実施形態では、ログイン情報が保存される。これは、現在のユーザーの記録を残すため、および、保存されているユーザーの音声情報のうちの、どれを使用するべきかを音声認識コンポーネントに伝えるためである。保存されている音声情報は、ユーザーに関する音声認識の正確性を改善する。なぜならば、公知の方法にしたがって、音声認識パッケージを訓練することが可能であるからである。以下のスクリプト例は、スピーチのセッティングを設定するとともに、ユーザーに、自分の声を用いてログインするように促すものである。ユーザーが自分の信用証明物を提供した後、ログインに関与する他のスクリプトが呼び出される。

スクリプト例＃３
ｖａｒ Ｓｔｒｉｎｇ ｓＮａｍｅ
Ｓｐｅｅｃｈ＿Ｓｅｔｔｉｎｇ（“Ｌａｎｇｕａｇｅ”，“Ｅｎｇｌｉｓｈ”）
Ｓｐｅｅｃｈ＿Ｓｅｔｔｉｎｇ（“Ｖｏｉｃｅ”，“Ｂｏｂ”）

／／「ＵｓｅｒＮａｍｅｓ．ｔｘｔ」は、会社の全従業員の氏名を含んでいる。
／／これは、Ｓｐｅｅｃｈ＿Ｔｏ＿Ｔｅｘｔ（ ）に利用される。
Ｓｐｅｅｃｈ＿Ｓｅｔｔｉｎｇ（“Ｃｏｎｖｅｒｔ＿Ｆｉｌｅ”，“Ｃ：＼Ｓａｆｅ＼ＵｓｅｒＮａｍｅｓ．ｔｘｔ”）

／／「ＮａｍｅＰｒｏｎｏｕｎｃｅ．ｔｘｔ」は、「珍しい氏名をどのように発音するのか」を規定している。
／／これは、Ｓｐｅｅｃｈ＿Ｆｒｏｍ＿Ｔｅｘｔ（ ）に利用される。
Ｓｐｅｅｃｈ＿Ｓｅｔｔｉｎｇ（“Ｐｒｏｎｏｕｎｃｅ＿Ｆｉｌｅ”，“Ｃ：＼Ｓａｆｅ＼ＮａｍｅＰｒｏｎｏｕｎｃｅ．ｔｘｔ”）

Ｓｐｅｅｃｈ＿Ｆｒｏｍ＿Ｔｅｘｔ（“Ｌｏｇｉｎ Ｎａｍｅ？”）
ｓＮａｍｅ＝Ｓｐｅｅｃｈ＿Ｔｏ＿Ｔｅｘｔ（ ）
Ｓｐｅｅｃｈ＿Ｔｏ＿Ｔｅｘｔ（Ｓｔｒｉｎｇ＿Ｃｏｍｂｉｎｅ（“Ｌｏｇｇｉｎｇ ｉｎ ａｓ”，ｓＮａｍｅ）

／／このユーザーに関する、保存されている音声情報（プロファイル）をロードする。
／／後に実行される追加的なスピーチの結果は、このプロファイルに追加される。
Ｓｐｅｅｃｈ＿Ｓｅｔｔｉｎｇ（“Ｕｓｅｒ＿Ｐｒｏｆｉｌｅ”，ｓＮａｍｅ）

／／Ｌｏｇｉｎは、他のスクリプトである。
ｃａｌｌ Ｌｏｇｉｎ（ｓＮａｍｅ）。

テルネットセッションを介して生じる通信は、継続的なものである。サーバーがデータを受信したときには、サーバーは、テルネットクライアントに対してデータを送り返すことも可能である。クライアントは、より多くのデータを、サーバーなどに送信する。したがって、図３〜図６に示されているステップを、単一のテルネットセッションにおいて、何度も繰り返すことが可能である。

データ識別子、音声認識、およびスピーチに関連するスクリプトコマンドを、特定のタスクを実施するスクリプトのセットあるいは単一のスクリプトにおいて、組み合わせることも可能であるということを理解するべきである。いくつかの実施形態では、スピーチに変換されるフィールドの名称に対しても、データ識別子を関連づけることが可能である。同様に、ユーザーによって提供される音声情報を、まず、テキストに変換し、その後、テキストの処理に関連するスクリプトによって、処理することも可能である。

特に、データ識別子に関連する機能を実施するため、あるいは、スピーチおよび音声の認識に関連する機能を実施するために、サーバーを修正することは不要である。

本発明の実施形態に関する上述の説明は、例示および説明を目的として提示されている。上述の説明は、包括的であること、および、開示されている形態そのものに本発明を限定することを意図するものではない。当業者にとっては、多くの修正および変更が明らかであるはずである。上述の複数の実施形態は、本発明の原理およびその実用的な応用を最もよく説明するために、選択および説明されたものであり、これにより、他の当業者は、本発明を理解することが可能となっている。特定の使用に適した、さまざまな実施形態および修正が想定されている。本発明の範囲については、添付の特許請求の範囲およびその均等物によって規定されることが意図されている。

Claims (16)

1. テルネットクライアントを操作するための方法であって、
   ａ．テルネットセッションを介して、サーバーからデータを受信することと、
   ｂ．前記テルネットクライアントにおいて、１つ以上のスクリプトを実行することと、を備え、
   前記１つ以上のスクリプトが、前記テルネットクライアントに、
   ｉ．（１）前記テルネットクライアントのスクリーンに表示することの可能なテキスト、（２）前記テルネットクライアントのスクリーンに表示することの可能な、１つ以上の入力フィールド、（３）前記テルネットセッションの状態、および、（４）前記テルネットセッションにおけるカーソルの位置、の少なくとも１つを含む情報を、受信されたデータから検出させるとともに、
   ｉｉ．（１）検出された前記テキスト、（２）検出された１つ以上の前記フィールド、（３）前記テルネットセッションの状態、（４）前記カーソルの位置、および、（５）従前のユーザーの入力、の少なくとも１つを含む情報に基づいて、スピーチを生成させる、方法。
2. 前記生成されたスピーチが、（１）あらかじめ記録されたメッセージ、（２）スピーチに変換される検出されたテキストの一部、（３）スピーチに変換されるテキストにおける、あらかじめ規定された文字列、（４）従前のユーザーの入力に基づいて、テキストから変換されたスピーチ、の少なくとも１つを含む、請求項１に記載の方法。
3. 前記生成されたスピーチの内容が、（１）指示、（２）プロンプト、（３）ヘルプ情報、（４）前記テルネットクライアントのスクリーンに表示されているテキストの一部、および、（５）従前のユーザーの入力、の少なくとも１つを含む、請求項２に記載の方法。
4. 前記生成されたスピーチが、使用可能な単語およびフレーズを含み、これらの単語およびフレーズから、（１）前記テルネットセッションにおけるカーソルの位置、（２）前記テルネットセッションの状態、および、（３）検出された前記テキストの一部、の少なくとも１つを含む情報に基づいて、スピーチを生成することが可能となっている、請求項２に記載の方法。
5. テルネットクライアントを操作するための方法であって、
   ａ．前記テルネットクライアントにおいて、１つ以上のスクリプトを実行することを備え、
   前記１つ以上のスクリプトが、前記テルネットクライアントに、
   ｉ．ユーザーからのスピーチを受信させるとともに、
   ｉｉ．スピーチを入力テキストに変換させるようになっており、
   さらに、
   ｂ．前記テルネットセッションを介して、前記サーバーに対して前記入力テキストを送信することを備える、方法。
6. 前記テルネットクライアントにおいて実行されており、このテルネットクライアントにスピーチを入力テキストに変換させる、１つ以上のスクリプトに対するパラメータが、（１）前記テルネットクライアントのスクリーンに表示されているテキスト、（２）前記テルネットクライアントのスクリーンに表示されている、１つ以上の入力フィールド、（３）前記テルネットセッションの状態、および、（４）前記テルネットセッションにおけるカーソルの位置、の少なくとも１つを含む、請求項５に記載の方法。
7. スピーチの変換において使用することの可能な単語およびフレーズを特定することをさらに含む、請求項６に記載の方法。
8. テルネットクライアントを操作するための方法であって、
   ａ．テルネットセッションを介して、サーバーからデータを受信することと、
   ｂ．前記テルネットクライアントにおいて、１つ以上のスクリプトを実行することと、を備え、
   前記１つ以上のスクリプトが、前記テルネットクライアントに、
   ｉ．前記テルネットクライアントのスクリーンに表示することの可能な、１つ以上の入力フィールドを、受信されたデータから検出させるとともに、
   ｉｉ．１つ以上のデータ識別子を、少なくとも１つの検出された入力フィールドに関連づけさせる、方法。
9. （１）前記テルネットクライアントによって特定された、１つ以上のルール、および、（２）前記少なくとも１つの検出された入力フィールドの名称、の少なくとも１つを含む情報に基づいて、１つ以上のデータ識別子が、少なくとも１つの検出された前記入力フィールドに関連づけられる、請求項８に記載の方法。
10. ａ．前記テルネットクライアントのユーザーからインプットを受信することと、
    ｂ．前記テルネットクライアントにおいて、１つ以上のスクリプトを実行することと、を備え、
    前記１つ以上のスクリプトが、前記テルネットクライアントに、
    ｉ．前記受信されたインプットを処理させるとともに、
    ｉｉ．前記検出された入力フィールドに関連づけられている１つ以上のデータ識別子に基づいて、前記検出された入力フィールドの１つに、前記処理されたインプットを照合させるようになっている、請求項９に記載の方法。
11. 前記受信されたインプットの処理が、（１）前記受信されたインプットに対する構文解析、（２）前記受信されたインプットに対する追加的なテキストの挿入、および、（３）前記受信されたインプットの一部の削除、の少なくとも１つを含む、請求項１０に記載の方法。
12. 前記受信されたインプットがバーコードのスキャン画像である、請求項１１に記載の方法。
13. 前記受信されたインプットがスピーチである、請求項１１に記載の方法。
14. スピーチをテキストに変換することをさらに含む、請求項１３に記載の方法。
15. スピーチを生成することをさらに含む、請求項１４に記載の方法。
16. 前記生成されたスピーチの内容が、（１）指示、（２）プロンプト、（３）ヘルプ情報、（４）前記テルネットクライアントのスクリーンに表示されているテキストの一部、および、（５）従前のユーザーの入力、の少なくとも１つを含む、請求項１５に記載の方法。

Images