JP2016212374A - 音声出力装置、音声出力方法、およびプログラム - Google Patents

Abstract

【課題】音声出力装置であって、ユーザにより指定された範囲にある単語の音声をその単語数に応じた音声として出力する。
【解決手段】文書Ｇに表記されたテキストにスキャナ部１７を接触させて移動させ当該テキストを含む画像を読み取ると、その画像データから文字認識されたテキストが１つの単語である場合、当該単語に対応する見出し語の音声データが辞書データから取得されて出力され、複数の単語であって複数単語辞書データの見出し語にある場合は当該見出し語（イディオム）の音声データ（リエゾン）が取得されて出力される。また複数の単語であって複数単語辞書の見出し語にない場合は、当該複数単語を含む例文あるいは会話文が例文データあるいは会話集データから検索され、該例文（あるいは会話文）に対応する音声データのうち前記複数単語に対応する部分の読上げ音声データ（リエゾン）が出力される。
【選択図】 図１

Description

本発明は、例えば紙や画像によって表記されている外国語のテキストを用いて行なう学習を支援するための音声出力装置、音声出力方法、およびその制御プログラムに関する。

従来、外国語を学習する装置として、電子辞書、電子単語帳が実用されている。

電子単語帳は、電子辞書に記憶された辞書の内容のうち、例えば辞書検索された単語の内容やユーザによって指定された単語の内容が予め定められた範囲の情報量で登録され、当該登録された各単語の内容を、紙の単語帳を捲るように表示させて見ることができる。

また、前記電子辞書や電子単語帳には、表示されている単語について、［音声］キーのキー操作に応じて当該単語の音声（発音）を出力する機能を有するものがある。

単語等の文字列の音声を出力する装置として、タッチパネル式の表示画面に表示されたテキストを指等でなぞると、当該なぞられた範囲のテキストの音声を出力するテキスト読み上げ装置が考えられている（例えば、特許文献１参照。）。

また、スキャナにより読み取った文字を認識して表示すると共に、当該認識された文字の音声を出力する簡易入出力装置が考えられている（例えば、特許文献２参照。）。

さらに、タッチパネル式の表示画面に表示された文字列をペンタッチすると、当該ペンタッチされた文字が含まれる単語を始点とする一連の文字列の音声を出力する辞書機能を備えた電子装置が考えられている（例えば、特許文献３参照。）。

特開平０９−２６５２９９号公報 特開平０９−２４４８６８号公報 特開２０１０−８５７２７号公報

前記従来の装置では、ユーザによりタッチされたあるいはスキャナにより読み取った範囲の文字列に対応した音声を出力することができる。

しかしながら、前記ユーザにより指定された範囲の文字列に複数の単語が含まれていても、当該複数の単語の音声を順番に続けて出力するだけであり、連続する単語の組み合わせに応じて変化する連音（リエゾン）の音声として聞き取ることはできない。

本発明は、このような課題に鑑みなされたもので、ユーザにより指定された範囲にある単語の音声をその単語数に応じた適切な音声として出力することが可能になる音声出力装置、音声出力方法、およびその制御プログラムを提供することを目的とする。

本発明に係る音声出力装置は、複数の単語を含むテキストから少なくとも１つの単語を含む範囲をユーザに指定させる範囲指定手段と、前記範囲指定手段により１つの単語が指定された場合には、各単語の音声データを記憶している単語データベースから、前記指定された単語に対応する音声データを取得して音声出力をする第１の音声出力手段と、前記範囲指定手段により複数の単語が指定された場合には、文が読み上げられた音声データを記憶している文データベースから、前記指定された複数の単語に対応する部分の音声データを抽出して音声出力をする第２の音声出力手段とを備えたことを特徴としている。

本発明によれば、ユーザにより指定された範囲にある単語の音声をその単語数に応じた適切な音声として出力することが可能になる。

本発明の実施形態に係る音声出力装置１０の外観構成を示す図。 前記音声出力装置１０の電子回路の構成を示すブロック図。 前記音声出力装置１０の辞書データベース１２ｃ、複数単語辞書データベース１２ｄ、例文データベース１２ｅ、会話集データベース１２ｆの内容を示す図。 前記音声出力装置１０の第１実施形態の音声出力処理を示すフローチャート。 前記音声出力装置１０の第１実施形態の音声出力処理における再生速度決定処理を示すフローチャート。 音声出力装置１０の第１実施形態の音声出力処理に従った文書Ｇ上での本体操作に応じた音声出力動作を示す図。 前記音声出力装置の第２実施形態の構成を示す外観図。 前記音声出力装置の第３実施形態を説明する図。 前記音声出力装置の第３実施形態の音声出力処理を示すフローチャート。

以下図面により本発明の実施の形態について説明する。

図１は、本発明の実施形態に係る音声出力装置１０の外観構成を示す図である。

図２は、前記音声出力装置１０の電子回路の構成を示すブロック図である。

前記音声出力装置１０は、ペン型の電子機器として以下説明するが、例えば携帯機器として構成され、以下に示す処理プログラムを、テキストデータの取り込みあるいは表示機能を備えたタッチパネル式のＰＤＡ(personal digital assistants)、電子辞書、ＰＣ(personal computer)、携帯電話、電子ブック、携帯ゲーム機等にインストールすることで構成してもよい。

前記図１に示す音声出力装置１０は、ユーザが片手で把持可能なペン型の本体ケースを有し、本体先端にはＣＣＤイメージセンサを備えたスキャナ部１７、本体中央にはタッチパネル付き表示部１８、本体後部には音声出力部１９が設けられる。

この音声出力装置１０は、スキャナ部１７により読み取った文書Ｇの部分画像に含まれるテキストを文字認識し、この文字認識されたテキストを辞書データから検索し意味や例文を表示する辞書機能や、この文字認識されたテキストに含まれる一つの単語あるいは複数の単語に応じた発音の音声データを音声出力部１９から出力する機能を有する。また、詳細な説明は省略するが、内部データベースを用いた辞書検索機能や外国語学習機能を有している。

前記音声出力装置１０の電子回路は、プログラムによって動作が制御されるコンピュータによって構成され、その電子回路には、ＣＰＵ(central processing unit)１１が備えられる。

前記ＣＰＵ１１は、記憶装置１２内に予め記憶された装置制御プログラム１２ａに応じて、ＲＡＭ１６を作業用メモリとして回路各部の動作を制御する。なお、装置制御プログラム１２ａは、ＲＯＭカードなどの外部記録媒体１３から記録媒体読み取り部１４を介して前記記憶装置１２に読み込ませるか、あるいはインターネットＮ上のＷｅｂサーバ（この場合はプログラムサーバ）２０から通信部１５を介して前記記憶装置１２に読み込ませることができる。

前記記憶装置１２に記憶された装置制御プログラム１２ａは、スキャナ部１７、タッチパネル付き表示部１８からのユーザ操作に応じた入力信号、あるいは通信部１５を介して接続されるインターネットＮ上のＷｅｂサーバ２０との通信信号に応じて起動される。

前記ＣＰＵ１１には、前記記憶装置１２、記録媒体読み取り部１４、通信部１５、ＲＡＭ１６、スキャナ部１７、タッチパネル付き表示部１８、音声出力部１９が接続される。

前記記憶装置１２には、装置制御プログラム１２ａとして、当該装置１０の全体の動作を司るシステムプログラム、通信部１５を介してインターネットＮ上のＷｅｂサーバ２０や図示しないユーザＰＣ(Personal Computer)などとデータ通信するための通信プログラム等が記憶される。

また、前記装置制御プログラム１２ａには、前記スキャナ部１７により読み取られた画像データに含まれるテキストがＯＣＲ(Optical Character Recognition)処理により文字認識され、得られ単語が１つである場合は当該単語に対応する見出し語の音声データを辞書データベース１２ｃから取得して再生し、複数の単語であって当該複数の単語からなる見出し語がある場合は当該見出し語の音声データを複数単語辞書データベース１２ｄから取得して再生し、複数の単語であって当該複数の単語からなる見出し語がない場合は当該複数の単語に対応する音声データを例文データベース１２ｅあるいは会話集データベース１２ｆから取得して再生するための音声出力プログラム（図４参照）が含まれる。

そして、前記記憶装置１２には、更に、前記ＯＣＲ処理のための文字認識プログラム１２ｂが記憶される。その他に、辞書検索機能や外国語学習機能を実現するプログラムを記憶している。

図３は、前記音声出力装置１０の辞書データベース１２ｃ、複数単語辞書データベース１２ｄ、例文データベース１２ｅ、会話集データベース１２ｆの内容を示す図である。

前記辞書データベース１２ｃは、図３（Ａ）に示すように、複数の見出し語（単語）のそれぞれについて当該見出し語の発音データ（音声データ）と当該見出し語の語義を含む説明情報とを対応付けて記憶している。

前記複数単語辞書データベース１２ｄは、図３（Ｂ）に示すように、熟語、慣用語、成句等（イディオム）、複数の単語からなる見出し語のそれぞれについて当該見出し語を母語話者が読み上げた連音（リエゾン）による発音データ（音声データ）と当該見出し語の語義を含む説明情報とを対応付けて記憶している。

前記例文データベース１２ｅは、前記辞書データベース１２ｃおよび複数単語辞書データベース１２ｄに記憶された各見出し語（単語）（複数単語）を用いたそれぞれの例文と当該例文を母語話者が読み上げた連音（リエゾン）による読み上げデータ（音声データ）と当該例文の訳語とを対応付けて記憶している。

前記会話集データベース１２ｆは、様々な場面に対応する会話文と当該会話文を母語話者が読み上げた連音（リエゾン）による読み上げデータ（音声データ）と当該会話文の訳語とを対応付けて記憶している。この会話集データベース１２ｆは、外国語学習機能で利用することができる。

また、前記記憶装置１２には、前記スキャナ部１７により読み取られた画像データ１２ｇ、前記ＯＣＲ処理によりテキストとして認識されたテキストデータ１２ｈなどが記憶される。

前記ＲＡＭ１６には、表示データエリア１６ａ、再生速度設定データエリア１６ｂが備えられる。前記表示データエリア１６ａには、前記タッチパネル付き表示部１８の表示サイズに対応したメモリ容量が確保され、当該表示部１８に表示させるべき表示データが展開されて記憶される。前記再生速度設定データエリア１６ｂには、前記スキャナ１７による画像の読み取りに伴い検出された当該読み取りの移動速度に応じて決定される前記１つの単語または複数の単語に対応する音声データの再生速度（低／中／高）が記憶される。

このように構成された音声出力装置１０は、前記ＣＰＵ１１が前記装置制御プログラム１２ａ（音声出力処理等を実行するためのプログラムを含む）に記述された命令に従い回路各部の動作を制御し、ソフトウエアとハードウエアとが協働して動作することにより、以下の動作説明で述べる機能を実現する。

次に、前記構成の音声出力装置１０の動作について説明する。

（第１実施形態）
図４は、前記音声出力装置１０の第１実施形態の音声出力処理を示すフローチャートである。

図５は、前記音声出力装置１０の第１実施形態の音声出力処理における再生速度決定処理を示すフローチャートである。

図６は、前記音声出力装置１０の第１実施形態の音声出力処理に従った文書Ｇ上での本体操作に応じた音声出力動作を示す図である。

例えば、図６に示すように、文書Ｇ（英字新聞等）に表記されている英文（外国語）テキストに含まれる任意のテキスト部分（文字列）に対して、音声出力装置１０のスキャナ部１７を接触させて移動させると、当該移動に伴いスキャナ部１７により読み取られたテキスト部分の画像データ１２ｇが順次記憶される（ステップＳ１）と共に、前記画像の読み取り速度に基づき移動の速度が検出される（ステップＳ２）。

そして、前記検出された移動の速度に基づき前記テキスト部分の読み取りが停止したと判断されると（ステップＳ３（Ｙｅｓ））、当該読み取りに伴い記憶された前記画像データ１２ｇに含まれるテキストがＯＣＲ処理により文字認識されテキストデータ１２ｈとして記憶される（ステップＳ４）。

すると、前記文字認識されたテキストデータ１２ｈは複数の単語のテキストであるか、または１つの単語のテキストであるかが判断される（ステップＳ５，Ｓ６）。

ここで、前記図６で示したように、文書Ｇ上に表記された１つの単語、例えば、“important”のテキスト部分が読み取られると、１つの単語であると判断され（ステップＳ６（Ｙｅｓ））、当該単語に対応する見出し語“important”が辞書データベース１２ｃ（図３（Ａ）参照）から検索され（ステップＳ７）、同見出し語に対応した音声データ「インポータント」が取得される（ステップＳ８）。

すると、前記ステップＳ２において検出された前記テキスト部分の画像読み取りの移動速度に応じた再生速度が決定され（ステップＳＡ）、前記見出し語“important”に対応した音声データ「インポータント」が当該決定された再生速度で音声出力部１９から出力される（ステップＳ１２）。

また、前記図６で示したように、文書Ｇ上に表記された２つの単語“What time”のテキスト部分が読み取られると、複数の単語であると判断され（ステップＳ５（Ｙｅｓ））、当該複数の単語“What time”に対応する見出し語が前記複数単語辞書データベース１２ｄにあるか否かが判断される（ステップＳ９）。

ここで、前記複数の単語“What time”に対応する見出し語が前記複数単語辞書データベース１２ｄにないと判断されると（ステップＳ９（Ｎｏ））、当該複数の単語“What time”を含む例文データあるいは会話文データが例文データベース１２ｅあるいは会話集データベース１２ｆから検索される（ステップＳ１０）。そして、検索された例文データ（あるいは会話文データ）に対応する音声データのうち前記複数の単語“What time”に対応する部分の音声データが取得される（ステップＳ１１)。この場合に、連音（リエゾン）で発声されていればその音声データが取得されるので、ここでは読み上げ音声データ「ファッタイム」が取得される（ステップＳ１１）。

なお、前記読み取られた複数の単語“What time”を含むテキストデータが前記例文データベース１２ｅと会話集データベース１２ｆの両方から検索された場合は（ステップＳ１０）、予め設定された各データベース１２ｅ，１２ｆの優先順位に従いその何れかのデータベース１２ｅ（１２ｆ）から前記複数の単語“What time”に対応する部分の音声データが取得される（ステップＳ１１）。

すると、前記１つの単語の場合と同様に、前記テキスト部分の画像読み取りの移動速度に応じた再生速度が決定され（ステップＳＡ）、前記複数の単語“What time”に対応した連音（リエゾン）の音声データ「ファッタイム」が当該決定された再生速度で音声出力部１９から出力される（ステップＳ１２）。

また、前記文書Ｇ上に表記された２つの単語（例えば“set out”）のテキスト部分が読み取られた際に（ステップＳ５（Ｙｅｓ））、当該複数の単語“set out”（イディオム）に対応する見出し語が前記複数単語辞書データベース１２ｄにあると判断された場合は（ステップＳ９（Ｙｅｓ））、当該複数単語辞書データベース１２ｄから同見出し語“set out”（イディオム）に対応した連音（リエゾン）による音声データ「セッタウト」が検索されて取得される（ステップＳ８）。

するとまた、前記同様に、前記テキスト部分の画像読み取りの移動速度に応じた再生速度が決定され（ステップＳＡ）、前記複数の単語“set out”（イディオム）に対応した連音（リエゾン）の音声データ「セッタウト」が当該決定された再生速度で音声出力部１９から出力される（ステップＳ１２）。

ここで、前記テキスト部分の画像読み取りの移動速度に応じた再生速度の決定処理（ステップＳＡ）について図５のフローチャートを用いて説明する。

先ず、前記ステップＳ２において前記画像の読み取り開始から停止までに繰り返し検出された移動速度の平均値（平均移動速度Ｖ）が算出され（ステップＡ１）、この平均移動速度Ｖが、予め設定された低速値Ｖｓおよび高速値Ｖｆと比較される（ステップＡ２，Ａ３）。

そして、前記平均移動速度Ｖが前記低速値Ｖｓよりも小さいと判断された場合は（ステップＡ２（Ｙｅｓ））、前記再生速度設定データ１６ｂが“低”に設定される（ステップＡ５）。また、前記平均移動速度Ｖが前記高速値Ｖｆよりも大きいと判断された場合は（ステップＡ３（Ｙｅｓ））、前記再生速度設定データ１６ｂが“高”に設定される（ステップＡ６）。

一方、前記平均移動速度Ｖが前記低速値Ｖｓから高速値Ｖｆまでの間にあると判断された場合は（ステップＡ２（Ｎｏ），Ａ３（Ｎｏ））、前記再生速度設定データ１６ｂが“中”に設定される（ステップＡ６）。

したがって、前記構成の音声出力装置１０による第１実施形態の音声出力機能によれば、外国語の文書Ｇに表記された所望の部分のテキストにスキャナ部１７を接触させて移動させ当該テキストを含む画像を読み取ると、その画像データから文字認識されたテキストが１つの単語であるか複数の単語であるかが判断される。そして、１つの単語である場合は当該単語に対応する見出し語の音声データが辞書データベース１２ｃから取得されて出力され、複数の単語であって複数単語辞書データベース１２ｄの見出し語にある場合は当該見出し語（イディオム）の音声データ（リエゾン）が取得されて出力される。また、前記複数の単語であって複数単語辞書データベース１２ｄの見出し語にない場合は、当該複数の単語を含む例文あるいは会話文が例文データベース１２ｅあるいは会話集データベース１２ｆから検索され、その例文（あるいは会話文）に対応する音声データのうち前記複数の単語に対応する部分の読み上げ音声データ（リエゾン）が出力される。

これにより、前記文書Ｇ上でユーザにより指定された範囲にある単語の音声をその単語数に応じた適切な音声として出力することができる。

（第２実施形態）
図７は、前記音声出力装置の第２実施形態の構成を示す外観図である。

この第２実施形態の音声出力装置では、前記第１実施形態におけるスキャナ部１７を、別体のペン型スキャナ１７Ｄとして構成し、このペン型スキャナ１７Ｄにより読み取った文書Ｇ上の画像データを、Bluetooth（登録商標）等の近距離無線信号ＢＴによりＰＤＡ（スマートフォン等）１０Ａや電子辞書１０Ｂに送信する。

前記ＰＤＡ１０Ａや電子辞書１０Ｂには、前記第１実施形態と同様に、移動速度検出機能、ＯＣＲ機能、辞書機能、再生速度決定機能、１つの単語か複数の単語かに応じた音声出力機能を持たせる。

したがって、この第２実施形態の音声出力装置によれば、外国語の文書Ｇに表記された所望の部分のテキストを、ペン型スキャナ１７Ｄを操作して読み取ると、ＰＤＡ１０Ａあるいは電子辞書１０Ｂにおいて、前記所望の部分のテキストが１つの単語である場合は当該単語に対応する見出し語の音声データが出力され、複数の単語である場合は当該複数の単語に対応する見出し語（イディオム）の音声データ（リエゾン）、または当該複数の単語を含む例文あるいは会話文に対応する音声データ（リエゾン）のうち同複数の単語に対応する部分の読み上げ音声データが出力される。

これにより、前記第１実施形態と同様に、前記文書Ｇ上でユーザにより指定された範囲にある単語の音声を、ＰＤＡ１０Ａや電子辞書１０Ｂの側でその単語数に応じた適切な音声として出力することができる。

（第３実施形態）
図８は、前記音声出力装置の第３実施形態を説明する図である。

この第３実施形態では、ＰＤＡ（スマートフォン等）や電子辞書などの単体の携帯機器を音声出力装置として構成し、内蔵カメラにより撮像（読み取り）されＯＣＲ処理された文書ＧＴ、あるいは外部からダウンロードされるか予め記憶された複数のテキストデータの中からユーザによって選択された文書ＧＴを表示させ、ユーザによって指定された所望の部分のテキスト（１単語または複数単語）に対応する音声データを出力する。

図９は、前記音声出力装置の第３実施形態の音声出力処理を示すフローチャートである。

この第３実施形態のフローチャートにおいて、ステップＴ１０〜Ｔ１７に対応する処理については、前記図４で示した第１実施形態のフローチャートにおけるステップＳ５〜Ｓ１２に対応する処理と同じのためその詳細な説明は省略する。

内蔵カメラにより英字新聞等の外国語の書面を撮像した画像データを取り込み（ステップＴ１，Ｔ２）、ＯＣＲ処理（ステップＴ３）により文字認識したテキストの文書ＧＴを表示部１８に表示させる（ステップＴ５）。

あるいは、複数のテキストデータの中からユーザによって選択された文書ＧＴを表示部１８に表示させる（ステップＴ４，Ｔ５）。

前記表示部１８に表示された文書ＧＴを対象に、所望の部分のテキストをペンＰでドラッグｄして指定すると（ステップＴ６（Ｙｅｓ））、当該ペンＰの移動の停止が判断される（ステップＴ９（Ｙｅｓ））までの間、前記指定の範囲のテキストが取り込まれテキストデータ１２ｈとして順次記憶されると共に（ステップＴ７）、前記ペンＰのドラッグに伴う移動速度が逐次検出される（ステップＴ８）。

そして、前記ペンＰの移動が停止したと判断されると（ステップＴ９（Ｙｅｓ））、前記第１実施形態と同様に、前記指定の範囲のテキストが１つの単語である場合には（ステップＴ１１（Ｙｅｓ））、当該単語に対応する見出し語の音声データが辞書データベース１２ｃから検索されて取得され（ステップＴ１２，Ｔ１３）、前記移動速度の平均に応じて決定された再生速度で出力される（ステップＴＡ（Ａ１〜Ａ６），Ｔ１７）。

また前記第１実施形態と同様に、前記指定の範囲のテキストが複数の単語であって当該複数の単語に対応する見出し語（イディオム）が複数単語辞書データベース１２ｄにある場合は（ステップＴ１４（Ｙｅｓ））、同複数の単語に対応する見出し語（イディオム）の音声データ（リエゾン）が前記複数単語辞書データベース１２ｄから検索されて取得され（ステップＴ１３）、前記移動速度の平均に応じて決定された再生速度で出力される（ステップＴＡ（Ａ１〜Ａ６），Ｔ１７）。

また前記第１実施形態と同様に、前記指定の範囲のテキストが複数の単語であって当該複数の単語に対応する見出し語（イディオム）が複数単語辞書データベース１２ｄにない場合には（ステップＴ１４（Ｎｏ））、当該複数の単語を含む例文あるいは会話文に対応する音声データのうち同複数の単語に対応する部分の音声データ（リエゾン）が例文データベース１２ｅあるいは会話集データベース１２ｆから検索されて取得され（ステップＴ１５，Ｔ１６）、前記移動速度の平均に応じて決定された再生速度で出力される（ステップＴＡ，Ｔ１７）。

したがって、この第３実施形態の音声出力装置によれば、カメラにより撮像してＯＣＲ処理したテキストや任意に選択したテキストの文書ＧＴを表示させ、当該表示文書ＧＴ内の所望の部分のテキストを、ペンＰによりドラッグして指定すると、前記所望の部分のテキストが１つの単語である場合は当該単語に対応する見出し語の音声データが出力され、複数の単語である場合は当該複数の単語に対応する見出し語の音声データが出力されるか、または同複数の単語を含む例文あるいは会話文に対応する音声データのうち同複数の単語に対応する部分の読み上げ音声データが出力される。

これにより、前記第１実施形態と同様に、前記文書ＧＴ上でユーザにより指定された範囲にある単語の音声を、その単語数に応じた適切な音声として出力することができる。

なお、前記各実施形態では、辞書データベース１２ｃ、複数単語辞書データベース１２ｄ、例文データベース１２ｅ、会話集データベース１２ｆを、別々のデータベースとして構成したが、例えば前記辞書データベース１２ｃに他のデータベース１２ｄ〜１２ｆの内容を記憶させてもよい。この場合、辞書データベース１２ｃには、元々ある単数の単語からなる見出し語に加えて、前記複数単語所データベース１２ｄによる複数の単語からなる見出し語（イディオム）を記憶させ、当該各見出し語に対応付けて同見出し語を含む例文や会話文を記憶させることが考えられる。

前記各実施形態において記載した音声出力装置による各処理の手法、すなわち、図４のフローチャートに示す第１実施形態（第２実施形態）の音声出力処理、図５のフローチャートに示す前記音声出力処理に伴う再生速度決定処理、図９のフローチャートに示す第３実施形態の音声出力処理等の各手法は、何れもコンピュータに実行させることができるプログラムとして、メモリカード（ＲＯＭカード、ＲＡＭカード等）、磁気ディスク（フロッピ（登録商標）ディスク、ハードディスク等）、光ディスク（ＣＤ−ＲＯＭ、ＤＶＤ等）、半導体メモリ等の外部記録装置の媒体（１３）に格納して配布することができる。そして、スキャナ部（１７）あるいはテキストデータの取り込み機能を備えた電子機器（１０）のコンピュータ（ＣＰＵ１１）は、この外部記録装置の媒体（１３）に記憶されたプログラムを記憶装置（１２）に読み込み、この読み込んだプログラムによって動作が制御されることにより、前記各実施形態において説明したユーザ指定の範囲のテキストの単語に対応した音声出力機能を実現し、前述した手法による同様の処理を実行することができる。

また、前記各手法を実現するためのプログラムのデータは、プログラムコードの形態として通信ネットワーク（Ｎ）上を伝送させることができ、この通信ネットワーク（Ｎ）に接続されたコンピュータ装置（プログラムサーバ）から前記プログラムのデータを、前記スキャナ部（１７）あるいはテキストデータの取り込み機能を備えた電子機器（１０）に取り込んで記憶装置（１２）に記憶させ、前述したユーザ指定の範囲のテキストの単語に対応した音声出力機能を実現することもできる。

本願発明は、前記各実施形態に限定されるものではなく、実施段階ではその要旨を逸脱しない範囲で種々に変形することが可能である。さらに、前記各実施形態には種々の段階の発明が含まれており、開示される複数の構成要件における適宜な組み合わせにより種々の発明が抽出され得る。例えば、各実施形態に示される全構成要件から幾つかの構成要件が削除されたり、幾つかの構成要件が異なる形態にして組み合わされても、発明が解決しようとする課題の欄で述べた課題が解決でき、発明の効果の欄で述べられている効果が得られる場合には、この構成要件が削除されたり組み合わされた構成が発明として抽出され得るものである。

以下に、本願出願の当初の特許請求の範囲に記載された発明を付記する。

［１］
複数の単語を含むテキストから少なくとも１つの単語を含む範囲をユーザに指定させる範囲指定手段と、
前記範囲指定手段により１つの単語が指定された場合には、各単語の音声データを記憶している単語データベースから、前記指定された単語に対応する音声データを取得して音声出力をする第１の音声出力手段と、
前記範囲指定手段により複数の単語が指定された場合には、文が読み上げられた音声データを記憶している文データベースから、前記指定された複数の単語に対応する部分の音声データを抽出して音声出力をする第２の音声出力手段と
を備えたことを特徴とする音声出力装置。

［２］
見出し語と、当該見出し語の説明情報と、当該見出し語の音声データとを関連付けて記憶している辞書データ記憶手段と、
文が読み上げられた音声データを記憶している文データ記憶手段と、
前記範囲指定手段により指定された範囲に含まれる単語の数を判断する単語数判断手段とを備え、
前記第１の音声出力手段は、前記単語数判断手段により単語が単数であると判断された場合に、前記単語データベースとしての前記辞書データ記憶手段から、前記指定された単語に対応する見出し語の音声データを取得して音声出力をし、
前記第２の音声出力手段は、前記単語数判断手段により単語が複数であると判断された場合に、前記文データベースとしての前記文データ記憶手段から、前記指定された複数の単語に対応する部分の音声データを抽出して音声出力をすることを特徴とする［１］に記載の音声出力装置。

［３］
前記単語数判断手段により単語が複数であると判断された場合に、前記辞書データ記憶手段に該当する見出し語があるか判断する見出し語判断手段と、
前記見出し語判断手段により該当する見出し語があると判断された場合は、前記指定された複数の単語に対応する見出し語の音声データを前記辞書データ記憶手段から取得して音声出力をする第３の音声出力手段と
を備え、
前記第２の音声出力手段は、前記見出し語判断手段により該当する見出し語がないと判断された場合に、前記文データ記憶手段から前記指定された複数の単語に対応する部分の音声データを抽出して音声出力をすることを特徴とする［２］に記載の音声出力装置。

［４］
前記辞書データ記憶手段は、単数の単語を見出し語とした第１の辞書データと、複数の単語からなるイディオムを見出し語とした第２の辞書データとを有する
ことを特徴とする［３］に記載の音声出力装置。

［５］
前記文データ記憶手段は、前記辞書データ記憶手段に記憶された見出し語を含む例文と当該例文が読み上げられた音声データとを記憶している例文データ記憶手段を有し、
前記第２の音声出力手段は、前記見出し語判断手段により前記指定された複数の単語に該当する見出し語が前記辞書データ記憶手段にないと判断された場合に、当該複数の単語を含む例文の同複数の単語に対応した部分の音声データを前記例文データ記憶手段から取得して音声出力をする、
ことを特徴とする［４］に記載の音声出力装置。

［６］
ユーザ操作に応じて移動した範囲の画像を読み取る画像読み取り手段と、
この画像読み取り手段により読み取られた画像に含まれるテキストを文字認識する文字認識手段とを備え、
前記範囲指定手段は、表記されているテキストを、ユーザ操作に従って、所望の開始位置から終了位置まで前記画像読み取り手段により読み取って指定する、
ことを特徴とする［１］ないし［５］の何れかに記載の音声出力装置。

［７］
タッチパネル付き表示部を備え、
前記範囲指定手段は、前記タッチパネル付き表示部に表示されているテキストを、ユーザのタッチ操作に従って、所望の開始位置から終了位置まで指定する、
ことを特徴とする［１］ないし［６］の何れかに記載の音声出力装置。

［８］
複数の単語を含むテキストから少なくとも１つの単語を含む範囲をユーザに指定させる範囲指定ステップと、
前記範囲指定ステップにより１つの単語が指定された場合には、各単語の音声データを記憶している単語データベースから、前記指定された単語に対応する音声データを取得して音声出力をする第１の音声出力ステップと、
前記範囲指定ステップにより複数の単語が指定された場合には、文が読み上げられた音声データを記憶している文データベースから、前記指定された複数の単語に対応する部分の音声データを抽出して音声出力をする第２の音声出力ステップと
を備えたことを特徴とする音声出力方法。

［９］
電子機器のコンピュータを制御するためのプログラムであって、
前記コンピュータを、
複数の単語を含むテキストから少なくとも１つの単語を含む範囲をユーザに指定させる範囲指定手段と、
前記範囲指定手段により１つの単語が指定された場合には、各単語の音声データを記憶している単語データベースから、前記指定された単語に対応する音声データを取得して音声出力をする第１の音声出力手段と、
前記範囲指定手段により複数の単語が指定された場合には、文が読み上げられた音声データを記憶している文データベースから、前記指定された複数の単語に対応する部分の音声データを抽出して音声出力をする第２の音声出力手段、
として機能させるためのコンピュータ読み込み可能なプログラム。

１０ …音声出力装置
１０Ａ…ＰＤＡ（スマートフォン等）
１０Ｂ…電子辞書
１１ …ＣＰＵ
１２ …記憶装置
１２ａ…装置制御プログラム
１２ｂ…文字認識プログラム
１２ｃ…辞書データベース
１２ｄ…複数単語辞書データベース
１２ｅ…例文データベース
１２ｆ…会話集データベース
１２ｇ…画像データ
１２ｈ…テキストデータ
１３ …外部記録媒体
１４ …記録媒体読み取り部
１５ …通信部
１６ …ＲＡＭ
１６ａ…表示データエリア
１６ｂ…再生速度設定データエリア
１７ …スキャナ部
１７Ｄ…ペン型スキャナ
１８ …タッチパネル付き表示部
１９ …音声出力部
Ｇ，ＧＴ…文書
Ｐ …ペン
ｄ …ドラッグ

Claims (9)

1. 複数の単語を含むテキストから少なくとも１つの単語を含む範囲をユーザに指定させる範囲指定手段と、
   前記範囲指定手段により１つの単語が指定された場合には、各単語の音声データを記憶している単語データベースから、前記指定された単語に対応する音声データを取得して音声出力をする第１の音声出力手段と、
   前記範囲指定手段により複数の単語が指定された場合には、文が読み上げられた音声データを記憶している文データベースから、前記指定された複数の単語に対応する部分の音声データを抽出して音声出力をする第２の音声出力手段と
   を備えたことを特徴とする音声出力装置。
2. 見出し語と、当該見出し語の説明情報と、当該見出し語の音声データとを関連付けて記憶している辞書データ記憶手段と、
   文が読み上げられた音声データを記憶している文データ記憶手段と、
   前記範囲指定手段により指定された範囲に含まれる単語の数を判断する単語数判断手段とを備え、
   前記第１の音声出力手段は、前記単語数判断手段により単語が単数であると判断された場合に、前記単語データベースとしての前記辞書データ記憶手段から、前記指定された単語に対応する見出し語の音声データを取得して音声出力をし、
   前記第２の音声出力手段は、前記単語数判断手段により単語が複数であると判断された場合に、前記文データベースとしての前記文データ記憶手段から、前記指定された複数の単語に対応する部分の音声データを抽出して音声出力をすることを特徴とする請求項１に記載の音声出力装置。
3. 前記単語数判断手段により単語が複数であると判断された場合に、前記辞書データ記憶手段に該当する見出し語があるか判断する見出し語判断手段と、
   前記見出し語判断手段により該当する見出し語があると判断された場合は、前記指定された複数の単語に対応する見出し語の音声データを前記辞書データ記憶手段から取得して音声出力をする第３の音声出力手段と
   を備え、
   前記第２の音声出力手段は、前記見出し語判断手段により該当する見出し語がないと判断された場合に、前記文データ記憶手段から前記指定された複数の単語に対応する部分の音声データを抽出して音声出力をすることを特徴とする請求項２に記載の音声出力装置。
4. 前記辞書データ記憶手段は、単数の単語を見出し語とした第１の辞書データと、複数の単語からなるイディオムを見出し語とした第２の辞書データとを有する
   ことを特徴とする請求項３に記載の音声出力装置。
5. 前記文データ記憶手段は、前記辞書データ記憶手段に記憶された見出し語を含む例文と当該例文が読み上げられた音声データとを記憶している例文データ記憶手段を有し、
   前記第２の音声出力手段は、前記見出し語判断手段により前記指定された複数の単語に該当する見出し語が前記辞書データ記憶手段にないと判断された場合に、当該複数の単語を含む例文の同複数の単語に対応した部分の音声データを前記例文データ記憶手段から取得して音声出力をする、
   ことを特徴とする請求項４に記載の音声出力装置。
6. ユーザ操作に応じて移動した範囲の画像を読み取る画像読み取り手段と、
   この画像読み取り手段により読み取られた画像に含まれるテキストを文字認識する文字認識手段とを備え、
   前記範囲指定手段は、表記されているテキストを、ユーザ操作に従って、所望の開始位置から終了位置まで前記画像読み取り手段により読み取って指定する、
   ことを特徴とする請求項１ないし請求項５の何れか１項に記載の音声出力装置。
7. タッチパネル付き表示部を備え、
   前記範囲指定手段は、前記タッチパネル付き表示部に表示されているテキストを、ユーザのタッチ操作に従って、所望の開始位置から終了位置まで指定する、
   ことを特徴とする請求項１ないし請求項６の何れか１項に記載の音声出力装置。
8. 複数の単語を含むテキストから少なくとも１つの単語を含む範囲をユーザに指定させる範囲指定ステップと、
   前記範囲指定ステップにより１つの単語が指定された場合には、各単語の音声データを記憶している単語データベースから、前記指定された単語に対応する音声データを取得して音声出力をする第１の音声出力ステップと、
   前記範囲指定ステップにより複数の単語が指定された場合には、文が読み上げられた音声データを記憶している文データベースから、前記指定された複数の単語に対応する部分の音声データを抽出して音声出力をする第２の音声出力ステップと
   を備えたことを特徴とする音声出力方法。
9. 電子機器のコンピュータを制御するためのプログラムであって、
   前記コンピュータを、
   複数の単語を含むテキストから少なくとも１つの単語を含む範囲をユーザに指定させる範囲指定手段と、
   前記範囲指定手段により１つの単語が指定された場合には、各単語の音声データを記憶している単語データベースから、前記指定された単語に対応する音声データを取得して音声出力をする第１の音声出力手段と、
   前記範囲指定手段により複数の単語が指定された場合には、文が読み上げられた音声データを記憶している文データベースから、前記指定された複数の単語に対応する部分の音声データを抽出して音声出力をする第２の音声出力手段、
   として機能させるためのコンピュータ読み込み可能なプログラム。