JP2017004193A - 情報処理装置、情報処理方法、及びプログラム - Google Patents

Abstract

【課題】コンテンツに含まれるキーワードの認識率の低下を抑えつつ、キーワードに関連する情報を提供すること。【解決手段】情報処理装置は、コンテンツに含まれるコンテンツ構成要素を抽出する抽出部と、前記コンテンツの内容に基づく分野別に、前記コンテンツ構成要素と、前記コンテンツ構成要素に関連する情報である構成要素関連情報と、が対応付けられた構成要素関連情報データベースを記憶する記憶部と、前記抽出部が抽出した前記コンテンツ構成要素を検索キーとして前記構成要素関連情報データベースを検索する検索部と、前記コンテンツ構成要素が前記構成要素関連情報データベースに存在する場合、前記コンテンツ構成要素を出力し、出力した前記コンテンツ構成要素が指定された場合、指定された前記コンテンツ構成要素に対応付けられた前記構成要素関連情報を出力する出力部と、を備える。【選択図】図２

Description

本発明は、情報処理装置、情報処理方法、及びプログラムに関する。

従来、発話を音声認識することによって発話の内容に含まれるキーワードを抽出し、抽出したキーワードに関連する情報をユーザに提供する情報提供システムが知られている。
そのような情報提供システムにおいては、一般的に、音声認識する際に検索に使用される辞書に登録された語句が多いほど、キーワードの認識率は低下する。
そこで、例えば、特許文献１に記載された音声認識システムは、自動車のドライバーとオペレータとの間の通話を音声認識して、通話に含まれる特徴的発話を抽出する。特許文献１に記載された音声認識システムは、抽出した特徴的発話に応じて、通話中に、登録された語句の多い辞書から、登録された語句の少ない辞書へ切り替える。

特開２０１１−２０３３４９号公報

しかしながら、例えば、専門家や学芸員による講演、または文化財の展示会等において提供されるコンテンツは、予めシナリオが決まっているコンテンツであるか、または、予めシナリオは決まっていなくてもテーマを予め絞り込むことが可能なコンテンツである場合が多い。したがって、上記のような場面において提供されるコンテンツは、コンテンツに含まれる可能性があるキーワードを予め絞り込んでおくことが可能である。また、上記のような場面において提供されるコンテンツには、専門用語が多く含まれる場合が多い。
そのため、上記のような場面において提供されるコンテンツに対して音声認識や文字認識を行う場合に、広範な分野における汎用的な語句が多数登録された辞書が検索に使用されることは、キーワードの認識率の低下を招く原因になることがある。

本発明は上記の点に鑑みてなされたものであり、コンテンツに含まれるキーワードの認識率の低下を抑えつつ、キーワードに関連する情報を提供することができる、情報処理装置、情報処理方法、及びプログラムを提供する。

（１）本発明は上記の課題を解決するためになされたものであり、本発明の一態様としては、コンテンツに含まれるコンテンツ構成要素を抽出する抽出部と、前記コンテンツの内容に基づく分野別に、前記コンテンツ構成要素と、前記コンテンツ構成要素に関連する情報である構成要素関連情報と、が対応付けられた構成要素関連情報データベースを記憶する記憶部と、前記抽出部が抽出した前記コンテンツ構成要素を検索キーとして前記構成要素関連情報データベースを検索する検索部と、前記抽出部が抽出した前記コンテンツ構成要素が前記構成要素関連情報データベースに存在する場合、前記抽出部が抽出した前記コンテンツ構成要素を出力し、出力した前記コンテンツ構成要素が指定された場合、指定された前記コンテンツ構成要素に対応付けられた前記構成要素関連情報を出力する出力部と、を備えることを特徴とする、情報処理装置である。

（２）本発明の一態様としては、前記出力部は、前記抽出部が抽出した前記コンテンツ構成要素を表示する第１表示領域と、前記抽出部が抽出した前記コンテンツ構成要素に対応付けられた前記構成要素関連情報を表示する第２表示領域と、を有する、ことを特徴とする、（１）に記載の情報処理装置である。

（３）本発明の一態様としては、前記抽出部が抽出した複数の前記コンテンツ構成要素を、前記出力部はタイムライン形式で前記第１表示領域に表示する、ことを特徴とする、（２）に記載の情報処理装置である。

（４）本発明の一態様としては、前記検索部が検索する前記構成要素関連情報データベースの分野を指定する辞書指定部、を備え、前記検索部は、前記辞書指定部が指定する前記分野の前記構成要素関連情報データベースを検索する、ことを特徴とする、（１）に記載の情報処理装置である。

（５）本発明の一態様としては、前記辞書指定部は、前記コンテンツに含まれる場面が切り替わった場合に、前記検索部が検索する前記構成要素関連情報データベースの前記分野を再指定する、ことを特徴とする、（４）に記載の情報処理装置である。

（６）本発明の一態様としては、前記出力部が出力した前記コンテンツ構成要素と、前記出力部が出力した前記コンテンツ構成要素に対応付けられた前記構成要素関連情報と、を記憶する履歴記憶部、を備えることを特徴とする、（１）に記載の情報処理装置である。

（７）本発明の一態様としては、前記抽出部は、前記コンテンツに含まれる前記コンテンツ構成要素を、音声認識、または文字認識によって抽出する、ことを特徴とする、（１）に記載の情報処理装置である。

（８）本発明の一態様としては、コンテンツに含まれるコンテンツ構成要素を抽出する抽出ステップと、前記コンテンツの内容に基づく分野別に、前記コンテンツ構成要素と、前記コンテンツ構成要素に関連する情報である構成要素関連情報と、が対応付けられた構成要素関連情報データベースを記憶する記憶ステップと、前記抽出ステップにおいて抽出した前記コンテンツ構成要素を検索キーとして前記構成要素関連情報データベースを検索する検索ステップと、前記抽出ステップにおいて抽出した前記コンテンツ構成要素が前記構成要素関連情報データベースに存在する場合、前記抽出ステップにおいて抽出した前記コンテンツ構成要素を出力し、出力した前記コンテンツ構成要素が指定された場合、指定された前記コンテンツ構成要素に対応付けられた前記構成要素関連情報を出力する出力ステップと、を有することを特徴とする、情報処理方法である。

（９）本発明の一態様としては、コンピュータに、コンテンツに含まれるコンテンツ構成要素を抽出する抽出ステップと、前記コンテンツの内容に基づく分野別に、前記コンテンツ構成要素と、前記コンテンツ構成要素に関連する情報である構成要素関連情報と、が対応付けられた構成要素関連情報データベースを記憶する記憶ステップと、前記抽出ステップにおいて抽出した前記コンテンツ構成要素を検索キーとして前記構成要素関連情報データベースを検索する検索ステップと、前記抽出ステップにおいて抽出した前記コンテンツ構成要素が前記構成要素関連情報データベースに存在する場合、前記抽出ステップにおいて抽出した前記コンテンツ構成要素を出力し、出力した前記コンテンツ構成要素が指定された場合、指定された前記コンテンツ構成要素に対応付けられた前記構成要素関連情報を出力する出力ステップと、を実行させるための、プログラムである。

本発明によれば、コンテンツに含まれるキーワードの認識率の低下を抑えつつ、キーワードに関連する情報を提供することができる。

本発明の第１の実施形態に係る自動講演解説表示システム１の構成の一例を示す概略図である。 本発明の第１の実施形態に係る情報処理装置１０Ａの構成の一例を示すブロック図である。 本発明の第１の実施形態に係る情報処理装置１０Ａの出力の一例を示す概略図である。 本発明の第１の実施形態に係る構成要素関連情報データベースの構成の一例を示す概略図である。 本発明の第１の実施形態に係る情報処理装置１０Ａの動作の一例を示すフローチャートである。 本発明の第２の実施形態に係る自動映像解説表示システム２の構成の一例を示す概略図である。 本発明の第２の実施形態に係る情報処理装置１０Ｂの構成の一例を示すブロック図である。 本発明の第２の実施形態に係るコンテンツ再生装置３０が送信するデータの一例を示す概略図である。 本発明の第２の実施形態に係る情報処理装置１０Ｂの動作の一例を示すフローチャートである。

（第１の実施形態）
以下、本発明の第１の実施形態について、図面を参照しながら説明する。
図１は、本発明の第１の実施形態に係る自動講演解説表示システム１の構成の一例を示す概略図である。
第１の実施形態に係る自動講演解説表示システム１は、例えば、講演会の会場に設置されるシステムである。図１（Ａ）に図示する自動講演解説表示システム１は、複数の情報処理装置１０Ａと、マイクロフォン２０と、スピーカー２１と、を含んで構成される。

情報処理装置１０Ａは、講演会の聴衆へ、講演者が発言する内容（コンテンツ）に含まれるキーワード（コンテンツ構成要素）の関連情報を提供する装置である。情報処理装置１０Ａは、例えば、ディスプレイを備えたタブレット端末であり、講演開始前に予めそれぞれの聴衆へ貸与されるか、またはそれぞれの聴衆によって持参される。情報処理装置１０Ａは、講演会が実施される間、聴衆によって使用される。
但し、情報処理装置１０Ａは、タブレット端末に限られない。情報処理装置１０Ａは、例えば、ヘッドフォンを備えた音声再生端末であり、音声によってユーザ（聴衆）へ情報を提供する装置であっても構わない。また、情報処理装置１０Ａは、例えば、大人数で同時視聴が可能な大画面のモニタ（ディスプレイ）を備える装置であっても構わない。

マイクロフォン２０は、講演者が発話した音声を電気信号に変換する。
スピーカー２１は、マイクロフォン２０によって変換された電気信号に基づく音声を拡声して、講演会の聴衆へ向けて出力する。

情報処理装置１０Ａは、スピーカー２１から出力された音声（コンテンツ）を取得して、取得した音声を音声認識することができる、それにより、情報処理装置１０Ａは、音声に含まれるキーワード（コンテンツ構成要素）を抽出することができる。情報処理装置１０Ａは、抽出したキーワードを出力する。例えば、情報処理装置１０Ａは、自らの情報処理装置１０Ａが備えるディスプレイに、抽出したキーワードを順次、表示する。

なお、図１（Ｂ）に図示するように、例えば、スピーカー２１から出力された音声（コンテンツ）をパーソナルコンピュータ２２が取得し、パーソナルコンピュータ２２が音声認識をする構成であってもよい。その場合、パーソナルコンピュータ２２は、音声に含まれるキーワード（コンテンツ構成要素）を抽出し、抽出したキーワードを示すデータを、通信ネットワーク（図示せず）を介して、情報処理装置１０Ａへ送信する。情報処理装置１０Ａは、パーソナルコンピュータ２２から取得したデータに基づくキーワードを出力する。

情報処理装置１０Ａが備えるディスプレイに表示されたキーワードは、ユーザによって指定（選択）され得る。例えば、情報処理装置１０Ａが備えるディスプレイがタッチパネル式のディスプレイである場合には、ユーザによって所望のキーワードが表示された箇所がタッチされ得る。それにより、キーワードが指定される。情報処理装置１０Ａは、指定されたキーワードに関連する情報を、自らの情報処理装置１０Ａが備えるディスプレイに表示する。
以上により、ユーザは、例えば、講演の内容に含まれる任意のキーワード（コンテンツ構成要素）について解説する情報（構成要素関連情報）を、情報処理装置１０Ａによって参照することができる。

（情報処理装置１０Ａの構成）
次に、情報処理装置１０Ａの構成について、更に詳しく説明する。
図２は、本発明の第１の実施形態に係る情報処理装置１０Ａの構成の一例を示すブロック図である。
情報処理装置１０Ａは、取得部１０１と、抽出部１０２と、辞書指定部１０３と、検索部１０４と、記憶部１０５と、出力制御部１０６と、出力部１０７と、操作入力部１０８と、履歴記憶部１０９と、を含んで構成される。

取得部１０１は、スピーカー２１から出力された音声を取得する。取得部１０１は、例えば、情報処理装置１０Ａに内蔵されたマイクロフォンである。取得部１０１は、取得した音声を電気信号に変換し、抽出部１０２へ出力する。
抽出部１０２は、取得部１０１から取得した電気信号が示す音声を音声認識する。抽出部１０２は、音声認識により、音声に含まれるキーワードを抽出する。抽出部１０２は、抽出したキーワードに基づくテキストデータを、辞書指定部１０３、及び検索部１０４へ出力する。

辞書指定部１０３は、抽出部１０２から取得したテキストデータが示すキーワードに基づいて、講演の内容が属する分野を推定する。なお、推定の方法は、キーワードに基づいて講演の内容が属する分野を推定することができるならば、どんな方法でもかまわない。例えば、情報処理装置１０Ａが、分野とキーワードとが対応付けられたリストを予め保持しており、辞書指定部１０３は、そのリストに基づいて、取得したキーワードに対応する分野を推定結果とするような構成にしてもよい。

なお、上記の例においては、辞書指定部１０３が、講演の内容が属する分野を推定したが、代わりに、ユーザからの操作入力によって分野が予め指定されるような構成にしてもよい。その場合には、辞書指定部１０３は、後述する操作入力部１０８から、ユーザによって指定された分野を示す操作信号を取得する。
辞書指定部１０３は、推定した分野、またはユーザによって指定された分野を示すデータを、検索部１０４へ出力する。

検索部１０４は、抽出部１０２から取得したテキストデータが示すキーワードと同一のキーワードが、後述する記憶部１０５に記憶された構成要素関連情報データベースの中に存在するか否かを検索する。
記憶部１０５は、構成要素関連情報データベースを、コンテンツの内容が属する分野毎に、予め記憶している。記憶部１０５は、例えば、ＨＤＤ（Ｈａｒｄ Ｄｉｓｋ Ｄｒｉｖｅ）、フラッシュメモリ、ＥＥＰＲＯＭ（Ｅｌｅｃｔｒｉｃａｌｌｙ Ｅｒａｓａｂｌｅ Ｐｒｏｇｒａｍｍａｂｌｅ Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）、ＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ；読み出し専用メモリ）、ＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ ｒｅａｄ／ｗｒｉｔｅ Ｍｅｍｏｒｙ；読み書き可能なメモリ）、又はそれらの任意の組み合わせを含んで構成される。

構成要素関連情報データベースとは、コンテンツ構成要素と、そのコンテンツ構成要素に関連する情報である構成要素関連情報と、が対応付けられたデータベースである。構成要素関連情報データベースは、例えば、辞書のデータベースであり、キーワード（コンテンツ構成要素）とそのキーワードについての解説文（構成要素関連情報）とが対応付けられたデータベースである。
また、検索部１０４は、辞書指定部１０３から取得した、分野を示すデータに基づいて、検索対象にする構成要素関連情報データベースを特定する。

検索部１０４は、抽出部１０２から取得したテキストデータが示すキーワードと同一のキーワードが、記憶部１０５に記憶された、検索対象とした分野の構成要素関連情報データベース中に存在した場合、そのキーワードとそのキーワードに対応する解説文とを示すテキストデータを、出力制御部１０６へ出力する。
出力制御部１０６は、検索部１０４から取得したテキストデータに基づくキーワード、及び解説文を含む画像を、出力部１０７に表示させる。また、出力制御部１０６は、検索部１０４から取得したテキストデータを、後述する履歴記憶部１０９へ出力する。

出力部１０７は、出力制御部１０６から取得したデータに基づく情報を出力する。例えば、出力部１０７は、出力制御部１０６から取得したデータに基づく画像を表示する。出力部１０７はディスプレイ、例えば、液晶ディスプレイ、有機ＥＬ（Ｅｌｅｃｔｒｏｌｕｍｉｎｅｓｃｅｎｃｅ）ディスプレイ、等を含んで構成される。

操作入力部１０８は、ユーザ（聴衆）による各種の操作入力を受け付ける。操作入力部１０８は、受け付けた各種の操作入力に基づく操作信号を出力する。各種の操作入力に基づく操作信号とは、例えば、検索対象とする辞書の分野がユーザにより指定されたことを示す操作信号、出力部１０７に出力されたキーワードの中の１つがユーザにより指定されたことを示す操作信号、及びタイムライン形式で表示されている画面表示をスクロールさせる操作をユーザが行ったことを示す操作信号、等である。
操作入力部１０８は、例えば、情報処理装置１０Ａに備えられた操作ボタンまたはタッチパネル、操作用コントローラー、または、リモートコントローラーや携帯型端末等の他の機器から操作信号を取得することができる入力インターフェース、等を含んで構成される。

出力部１０７に表示されたキーワードの１つが、操作入力部１０８を介してユーザにより指定された場合、操作入力部１０８は、指定されたキーワードを示す操作信号を出力制御部１０６へ出力する。
出力制御部１０６は、検索部１０４を介し、操作入力部１０８から取得した操作信号が示すキーワードを検索キーとして、記憶部１０５に記憶されている構成要素関連情報データベースを検索する。なお、検索対象とする構成要素関連情報データベースは、上記において辞書指定部１０３が推定した分野、またはユーザによって指定された分野の構成要素関連情報データベースである。
出力制御部１０６は、検索部１０４を介し、検索したキーワード（コンテンツ構成要素）に対応する解説文（構成要素関連情報）を示すテキストデータを取得する。
出力制御部１０６は、取得したテキストデータに基づく解説文を、出力部１０７に表示させる。また、出力制御部１０６は、取得したテキストデータを履歴記憶部１０９へ出力する。

履歴記憶部１０９は、出力制御部１０６が出力部１０７に表示させたキーワードを示すテキストデータ及び解説文を示すテキストデータを、出力制御部１０６から順次、取得する。すなわち、履歴記憶部１０９は、出力部１０７に表示されたキーワード及び解説文を、表示履歴として記憶する。
なお、情報処理装置１０Ａのユーザは、この表示履歴を示すデータを、例えば、ユーザ自身が保有するスマートフォン等に転送（ダウンロード）することができる。それにより、情報処理装置１０Ａのユーザは、講演会の終了後でも、ユーザ自身が保有するスマートフォンによって、キーワード及び解説文を参照することができる。
履歴記憶部１０９は、例えば、ＨＤＤ、フラッシュメモリ、ＥＥＰＲＯＭ、ＲＯＭ、ＲＡＭ、又はそれらの任意の組み合わせ、を含んで構成される。

（情報処理装置の出力例）
次に、第１の実施形態に係る情報処理装置１０Ａの出力例について図を参照しながら説明する。
図３は、本発明の第１の実施形態に係る情報処理装置１０Ａの出力の一例を示す概略図である。
図３（Ａ）及び図３（Ｂ）は、情報処理装置１０Ａが、自己の情報処理装置１０Ａの備えるディスプレイに画像を表示させた場合の一例である。

図３（Ａ）に示す画像の１行目（最上段）には、「００１」及び「江戸時代・・・１６０３年−１８６８．．．」と表示されている。これは、講演が始まってから最初に、検索部１０４から出力制御部１０６へ出力されたキーワードが、「江戸時代」であったことを示している。すなわち、抽出部１０２がキーワードを抽出する度に、順次、検索部１０４は抽出したキーワードを検索キーとして、記憶部１０５に記憶された構成要素関連情報データベースを検索する。そして、検索キーとしたキーワードと同一のキーワードが構成要素関連情報データベースに存在した場合、検索部１０４は出力制御部１０６へ、そのキーワードとそのキーワードに対応する解説文とを出力する。
「００１」は、キーワードが抽出された順番を示す通し番号である。
また、「１６０３年−１８６８．．．」は、キーワード（コンテンツ構成要素）である「江戸時代」に対応する解説文（構成要素関連情報）である。なお、１行の中に表示可能な文字数には限りがあるため、図３（Ａ）の例に示す画像の１行目（最上段）には、解説文の冒頭の部分である「１６０３年−１８６８」だけが表示されている。

図３（Ａ）に示す画像の２行目には、「００２」及び「征夷大将軍・・・」と表示されている。１行目と同様に、これは、講演が始まってから２番目に検索部１０４から出力制御部１０６へ出力されたキーワードが「征夷大将軍」であったことを示している。

このように、構成要素関連情報データベースに存在するキーワードが抽出される度に、出力部１０７は、前回抽出したキーワードの行の下側へ、１行ずつ新たな行を追加していくように表示を更新する。そして、画面の最も上の行から最も下の行まで、全ての行にキーワード等が表示された状態になった場合には、以前に追加されたキーワード等は、１行ずつ上に繰り上がっていくように、出力部１０７は画面の表示を更新する。それまで最も上の行に表示されていたキーワード（表示されているキーワードの中で、最も早くから画面に表示されていたキーワード）等は、画面から消去される。そして、出力部１０７は、新たに追加されるキーワードを最も下の行に表示する。すわなち、出力部１０７は、新しい情報が追加されることに応じて最も古い情報が順次消去されていく、いわゆるタイムライン形式の表示方法で、画面の表示を更新していく。

なお、公知の一般的なタイムライン形式での表示方法と同様に、画面から消去されたキーワード等は、画面をスクロールさせることによって、再び画面に表示させることも可能である。
なお、本発明の第１の実施形態に係る情報処理装置１０Ａの出力部１０７が表示する画像の表示方法は、上述したタイムライン形式での表示方法に限られない。出力部１０７は、例えば、表示してから一定の時間が経過したキーワード（行）等を、順次、非表示にしていくようにしてもよい。

また、第１の実施形態に係る情報処理装置１０Ａは、操作性向上のため、上述したように、各行の先頭には「００１」、「００２」等の通し番号を付与している。すなわち、タイムライン形式で表示されたキーワードをユーザが後から検索する際には、通し番号を目安にすることによって、既に画面から消去されているキーワードであっても、ユーザは所望のキーワードを検索し易くなる。
但し、操作性向上のためにキーワードに付与して表示する情報は、通し番号に限られない。例えば、情報処理装置１０Ａは、キーワードに通し番号を付与して表示する代わりに、各キーワード（行）が画面に表示された時間を、各行の先頭に付与して表示するようにしてもよい。

図３（Ａ）に示すタイムライン表示される表示領域（以下、第１表示領域とも言う）において、例えば、２行目の「征夷大将軍」の部分がユーザによって選択され得る。出力部１０７がタッチパネル式のディスプレイである場合には、２行目の「征夷大将軍」の部分がユーザによってタッチされることによって、選択され得る。
第１表示領域に表示されたキーワードである「征夷大将軍」が選択されると、図３（Ｂ）に示すように、キーワードである「征夷大将軍」に対応する解説文を全文表示する表示領域（以下、第２表示領域とも言う）が生成される。
なお上述したように、本実施形態においては、第１表示領域情報処理装置には解説文の冒頭の部分が表示される。但し、１０Ａの備えるディスプレイが大型である場合など、十分な広さの表示領域を確保できる場合には、第１表示領域に解説文の全文が表示される構成であっても構わない。

図３（Ｂ）は、画面の最上部に、通し番号「００２」、キーワード「征夷大将軍」、及びその解説文の全文、が表示された第２表示領域が表示されている状態を表す。また、図３（Ｂ）は、キーワード「征夷大将軍」を表示する第２表示領域の下側に、通し番号「００４」、キーワード「天守」、及びその解説文の全文、が表示された２つめの第２表示領域が表示されている状態を表す。すなわち、図３（Ｂ）は、「征夷大将軍」に続けて「天守」がユーザによって選択された場合を例示している。

なお、図３（Ｂ）に図示するように、第２表示領域が生成されると、生成された第２表示領域の分だけ、第１表示領域の表示面積は小さくなる。
なお、本実施形態において、第２表示領域に表示されるキーワードが増えた場合でもあっても、第１表示領域は一定の表示面積を保つことができる。すなわち、第２表示領域に表示されるキーワードが増えることに伴って、第２表示領域の表示面積が拡大し、第１表示領域の表示面積が縮小されていくが、第１の表示領域の面積が所定の表示面積まで縮小した場合には、それ以上は縮小されないようにすることができる。これにより、第２表示領域が生成された場合でも、第１表示領域に表示されるキーワード一覧をユーザが参照可能になるため、操作性が向上する。

このように、第１表示領域で選択されたキーワードの解説文の全文を、画面の上段から順にストックして表示する第２表示領域が生成される。なお、第２表示領域についても、第１表示領域と同様に、上下にスクロールさせて表示することが可能である。また、一度解説文がストックして表示されたキーワードについては、第１表示領域に表示されるキーワード一覧における当該キーワードの文字色が変更されるようにしてもよい。これにより、ユーザは、解説文を一度表示させた（既読の）キーワードであるか否かを、文字色の違いによって容易に判別することが可能になる。

第２表示領域に表示される情報は、第１表示領域のようにタイムライン形式で表示されて古い情報から順に消去されていくのではなく、ユーザからの明示的な操作によって消去されるまで表示され続ける。なお、ユーザからの明示的な操作とは、例えば、第２表示領域を消去させることに対応付けられた操作であるスワイプ操作などである。スワイプ操作とは、マルチタッチインターフェースにおける操作のうち、画面に触れた状態で指を滑らせる操作のことである。例えば、ユーザは、第２表示領域の部分を、右から左へ指を滑らせるスワイプ操作によって、所望の第２表示領域の部分を消去させることができる。
第２表示領域が消去されると、消去した第２表示領域の分だけ、第１表示領域の表示面積は再び大きくなる。

なお、図３（Ｂ）に図示するように、第２表示領域に表示させる情報は、選択されたキーワードについての解説文だけに限られるものでなく、例えば、選択されたキーワードに関連する画像を表示させるようにしてもよい。

なお、情報処理装置１０Ａとパーソナルコンピュータ２２とが通信可能な状態である場合において、解説文がストックして表示されたキーワードの表示履歴を示す情報を、情報処理装置１０Ａからパーソナルコンピュータ２２へ送信するようにしてもよい。これにより、自動講演解説表示システム１は、ユーザからの関心が高いキーワードを示す統計情報をパーソナルコンピュータ２２に蓄積することが可能になる。
また、後述する情報処理装置１０Ｂとコンテンツ再生装置３０とが通信可能な状態である場合においても、上記と同様に、後述する自動映像解説表示システム２は、ユーザからの関心が高いキーワードを示す統計情報をコンテンツ再生装置３０に蓄積することが可能になる。

なお、情報処理装置１０Ａとパーソナルコンピュータ２２とが通信可能な状態である場合において、第１表示領域に表示されるキーワード一覧の中にユーザが所望するキーワードが存在しない時には、ユーザが当該キーワードを情報処理装置１０Ａから入力できるようにしてもよい。その場合、入力されたキーワードは、情報処理装置１０Ａからパーソナルコンピュータ２２へ送信される。これにより、自動講演解説表示システム１は、ユーザが所望するキーワードを示す、ユーザからのリクエスト、またはユーザからのフィードバックを収集することが可能になる。
また、後述する情報処理装置１０Ｂとコンテンツ再生装置３０とが通信可能な状態である場合においても、上記と同様に、後述する自動映像解説表示システム２は、ユーザが所望するキーワードを示す、ユーザからのリクエスト情報、またはユーザからのフィードバック情報を収集することが可能になる。

なお、情報処理装置１０Ａとパーソナルコンピュータ２２とが通信可能な状態ではない場合（オフライン環境である場合）において、上記リクエスト情報、及びフィードバック情報を情報処理装置１０Ａに蓄積しておくことができるようにしてもよい。その場合、例えば、上記リクエスト情報、及びフィードバック情報を２次元バーコード化して情報処理装置１０Ａの出力部１０７に表示させ、シアター会場の出口等に設置されたバーコードリーダー（図示せず）によって、当該２次元バーコードを読み取るようにしてもよい。これにより、自動講演解説表示システム１は、オフライン環境であっても、ユーザが所望するキーワードを示す、ユーザからのリクエスト、またはユーザからのフィードバックを収集することが可能になる。
また、後述する情報処理装置１０Ｂとコンテンツ再生装置３０とが通信可能な状態ではない場合（オフライン環境である場合）においても、上記と同様に、後述する自動映像解説表示システム２は、オフライン環境であっても、ユーザが所望するキーワードを示す、ユーザからのリクエスト、またはユーザからのフィードバックを収集することが可能になる。

上記のように、ユーザからリクエスト情報、及びフィードバック情報を収集する際には、その対価として、例えば、シアター会場にてユーザが閲覧したデータを、ユーザが持ち帰ることができるようにしてもよい（おみやげ機能）。その場合、例えば、情報処理装置１０Ａから、ユーザが持参したスマートフォン等の電子機器へ、当該データを転送可能にしたり、インターネット等の通信ネットワークを介して、当該データをダウンロード可能にしたりしてもよい。

（構成要素関連情報データベースの構成例）
次に、第１の実施形態に係る情報処理装置１０Ａの記憶部１０５が記憶する構成要素関連情報データベースの構成について、図を参照しながら説明する。
図４は、本発明の第１の実施形態に係る構成要素関連情報データベースの構成の一例を示す概略図である。
図４に例示する構成要素関連情報データベースは、キーワードとそのキーワードの解説文とを対応付けて記憶する辞書のデータベースである。図４に例示する構成要素関連情報データベースは、「辞書ＩＤ」、「キーワードＩＤ」、「キーワード」、及び「解説文」の４つ項目の列からなる２次元の表形式のデータ（テーブル）を含んで構成される。

図４に例示する構成要素関連情報データベースは、分野別、及び言語別に分類された複数の辞書を含む。「辞書ＩＤ」は、辞書を一意に特定するための識別子である。例えば、図４に示すテーブルの「辞書ＩＤ」の項目に対する値には、「ｅｄｏ０１ｊｐ」、「ｅｄｏ０１ｅｎ」、及び「ｋａｎｏ０１ｊｐ」という辞書ＩＤが含まれている。
「ｅｄｏ０１ｊｐ」の文字列に含まれる「ｅｄｏ」は、「江戸時代」に関連する専門用語を集めた辞書であることを表す。また、「ｅｄｏ０１ｊｐ」の文字列に含まれる「０１」は、「江戸時代」に関連する専門用語を集めた辞書に任意で付与される番号であり、例えば、辞書のバージョン番号を表す。また、「ｅｄｏ０１ｊｐ」の文字列に含まれる「ｊｐ」は、「Ｊａｐａｎｅｓｅ」を省略したものであり、キーワード及び解説文が「日本語」で記された辞書であることを表す。

同様に、「ｅｄｏ０１ｅｎ」の文字列に含まれる「ｅｄｏ」は、「江戸時代」に関連する専門用語を集めた辞書であることを表す。また、「０１」は、辞書に任意で付与される番号である。また、「ｅｎ」は、「Ｅｎｇｌｉｓｈ」を省略したものであり、キーワード及び解説文が「英語」で記された辞書であることを表す。
同様に、「ｋａｎｏ０１ｊｐ」の文字列に含まれる「ｋａｎｏ」は、「狩野派」に関連する専門用語を集めた辞書であることを表す。また、「０１」は、辞書に任意で付与される番号である。また、「ｊｐ」は、キーワード及び解説文が「日本語」で記された辞書であることを表す。

以上、説明したように、「辞書ＩＤ」の文字列の前半部のアルファベットで記されている部分（例えば、「ｅｄｏ」）は、辞書の内容が属する分野を表す。また、「辞書ＩＤ」の文字列の後半部のアルファベットで記されている部分（例えば、「ｊｐ」）は、辞書に内容を記述している言語を表す。

検索部１０４は、辞書指定部１０３から取得する、分野及び言語、またはそのいずれか一方を示すデータに基づいて、検索対象とする辞書データの辞書ＩＤを決定する。例えば、検索部１０４が辞書指定部１０３から取得した分野及び言語を示すデータが「江戸時代」及び「日本語」であるならば、検索部１０４は「辞書ＩＤ」の前半部が「ｅｄｏ」であり後半部が「ｊｐ」である辞書ＩＤを持つ辞書データを検索対象とする。

（情報処理装置１０Ａの動作）
次に、第１の実施形態に係る情報処理装置１０Ａの動作について説明する。
図５は、本発明の第１の実施形態に係る情報処理装置１０Ａの動作の一例を示すフローチャートである。
本フローチャートは、情報処理装置１０Ａが起動し、講演が開始した際に開始する。

（ステップＳ１０１）講演が開始され、取得部１０１は、音声の取得を開始する。取得部１０１は、取得した音声を示す音声データを、抽出部１０２へ出力する。その後、ステップＳ１０２へ進む。

（ステップＳ１０２）ユーザから、操作入力部１０８によって、検索対象とする辞書（例えば、辞書の分野及び言語）が指定されている場合には、ステップＳ１０７へ進む。そうでない場合は、ステップＳ１０３へ進む。
なお、ユーザの操作入力に基づいて検索対象とする辞書を指定可能であるほか、図１（Ｂ）に図示するパーソナルコンピュータ２２からの入力に基づいて検索対象とする辞書が指定可能であるような構成であっても構わない。その場合、検索対象とする辞書を示す情報が、パーソナルコンピュータ２２から通信ネットワーク（図示せず）を介して、情報処理装置１０Ａへ送信される。

（ステップＳ１０３）抽出部１０２は、取得部１０１から取得する音声データに基づく音声の音声認識を行う。抽出部１０２は、音声認識によって、音声に含まれるキーワードの抽出を試みる。その後、ステップＳ１０４へ進む。

（ステップＳ１０４）抽出部１０２が、キーワードを抽出した場合、抽出部１０２は、抽出したキーワードを示すテキストデータを、辞書指定部１０３へ出力する。その後、ステップＳ１０５へ進む。抽出部１０２が、キーワードを抽出していない場合は、ステップＳ１０３へ戻る。

（ステップＳ１０５）辞書指定部１０３は、抽出部１０２から取得したテキストデータが示すキーワードに基づいて、講演の内容が属する分野及び言語を推定する。その後、ステップＳ１０６へ進む。

（ステップＳ１０６）辞書指定部１０３が、講演の内容が属する分野及び言語の推定を完了した場合、ステップＳ１０７へ進む。そうでない場合は、ステップＳ１０３へ戻る。

（ステップＳ１０７）辞書指定部１０３は、ユーザによって操作入力部１０８を介して指定された分野及び言語、または抽出部１０２から取得したキーワードに基づいて推定した分野及び言語、に基づいて、検索対象とする辞書を決定する。辞書指定部１０３は、決定した辞書に対応する辞書ＩＤを示すデータを検索部１０４へ出力する。その後、ステップＳ１０８へ進む。

（ステップＳ１０８）抽出部１０２は、取得部１０１から取得する音声データに基づく音声の音声認識を行う。抽出部１０２は、音声認識によって、音声に含まれるキーワードの抽出を試みる。その後、ステップＳ１０９へ進む。

（ステップＳ１０９）抽出部１０２が、キーワードを抽出した場合、抽出部１０２は、抽出したキーワードを示すテキストデータを、検索部１０４へ出力する。その後、ステップＳ１１０へ進む。抽出部１０２が、キーワードを抽出していない場合は、ステップＳ１１３へ進む。

（ステップＳ１１０）検索部１０４は、抽出部１０２から取得したテキストデータが示すキーワードを検索キーとして、記憶部１０５に記憶された構成要素関連情報データベースを検索する。その後、ステップＳ１１１へ進む。

（ステップＳ１１１）検索キーとしたキーワードと同一のキーワードが構成要素関連情報データベースに存在した場合には、検索部１０４は、検索キーとしたキーワードに対応付けられた解説文に基づくテキストデータを構成要素関連情報データベースから取得する。検索部１０４は、取得したテキストデータを、出力制御部１０６へ出力する。その後、ステップＳ１１２へ進む。検索キーとしたキーワードと同一のキーワードが構成要素関連情報データベースに存在しなかった場合には、ステップＳ１１３へ進む。

（ステップＳ１１２）出力制御部１０６は、通し番号と、検索部１０４から取得したテキストデータが示すキーワード及び解説文と、を出力部１０７のディスプレイの第１表示領域（タイムライン形式で表示する表示領域）に表示させる。その後、ステップＳ１１３へ進む。

（ステップＳ１１３）ユーザによって、操作入力部１０８を介して、出力部１０７のディスプレイの第１表示領域に表示されたキーワードの１つが指定された場合、操作入力部１０８は、第１表示領域に表示されたキーワードの１つが指定されたことを示す操作信号を、出力制御部１０６へ出力する。その後、ステップＳ１１４へ進む。第１表示領域に表示されたキーワードが指定されていない場合は、ステップＳ１１５へ進む。

（ステップＳ１１４）出力制御部１０６は、操作入力部１０８から取得した操作信号に基づいて、出力部１０７のディスプレイに第２表示領域を生成させる。また、それに伴って、出力制御部１０６は、第１表示領域を縮小させる。出力制御部１０６は、操作入力部１０８から取得した操作信号が示すキーワードと、そのキーワードに対応する解説文の全文を、生成した第２表示領域に表示させる。その後ステップＳ１１５へ進む。

（ステップＳ１１５）ユーザによって、操作入力部１０８を介して、出力部１０７のディスプレイに表示された第２表示領域の１つを消去させることを示す操作入力がなされた場合、操作入力部１０８は、第２表示領域の１つを消去することを示す操作信号を、出力制御部１０６へ出力する。その後、ステップＳ１１６へ進む。第２表示領域の１つを消去させることを示す操作入力がなされていない場合は、ステップＳ１１５へ進む。

（ステップＳ１１６）出力制御部１０６は、操作入力部１０８から取得した操作信号に基づいて、出力部１０７のディスプレイに表示された第２表示領域の１つを消去させる。また、それに伴って、出力制御部１０６は、第１表示領域を再び拡大させる。その後ステップＳ１１７へ進む。

（ステップＳ１１７）講演が終了した場合、本フローチャートの処理を終了する。そうでない場合は、ステップＳ１０８へ戻り、引き続き抽出部１０２はキーワードの抽出を継続する。
なお、講演が終了した場合、上述したユーザからのリクエスト情報、またはフィードバック情報を示す２次元バーコードを出力部１０７に表示するようにしてもよい。

以上、説明したように、本発明の第１の実施形態に係る情報処理装置１０Ａは、コンテンツの内容の属する分野別の辞書を、音声認識におけるキーワードの検索に使用する。それにより、特に、例えば講演または展示会等のように、コンテンツに専門用語を多く含み、予めコンテンツに含まれるキーワードを絞り込むことが可能である場面において、広範な分野の語句が多数登録された汎用的な辞書を検索に使用する場合に比べて、情報処理装置１０Ａは、キーワードの認識率の低下を抑えることができる。
以上により、第１の実施形態に係る情報処理装置１０Ａは、コンテンツに含まれるキーワードの認識率の低下を抑えつつ、キーワードに関連する情報をユーザへ提供することができる。

（第２の実施形態）
以下、本発明の第２の実施形態について、図面を参照しながら説明する。
図６は、本発明の第２の実施形態に係る自動映像解説表示システム２の構成の一例を示す概略図である。
第２の実施形態に係る自動映像解説表示システム２は、例えば、展示会の会場に設置されるシステムである。自動映像解説表示システム２は、映像コンテンツ、及びその映像コンテンツに関連するコンテンツ関連情報を観覧者へ提供する。

映像コンテンツとは、例えば、ビデオ映像のコンテンツ、またはＶＲ（Ｖｉｒｔｕａｌ Ｒｅａｌｉｔｙ；仮想現実）技術を用いて製作されたコンテンツであるＶＲコンテンツ、等である。なお、自動映像解説表示システム２が提供するコンテンツは映像コンテンツに限られるものではなく、音声コンテンツ、または、映像コンテンツと音声コンテンツとを組み合わせたコンテンツであっても構わない。
コンテンツ関連情報とは、例えば、映像コンテンツを構成する各シーン（場面）の解説をするための、テキスト（文字）コンテンツ、映像コンテンツ、音声コンテンツ、またはそれらのコンテンツを任意に組み合わせたコンテンツである。

自動映像解説表示システム２は、複数の情報処理装置１０Ｂと、コンテンツ再生装置３０と、を含んで構成される。
情報処理装置１０Ｂは、映像コンテンツの観覧者へ、例えば、映像コンテンツの映像の中に含まれる文字（キーワード）の関連情報を提供する装置である。情報処理装置１０Ｂは、例えば、カメラ、及びディスプレイを備えたタブレット端末であり、講演開始前に予めそれぞれの聴衆へ貸与されるか、またはそれぞれの聴衆によって持参される。情報処理装置１０Ｂは、映像コンテンツが再生される間、観覧者によって使用される。
但し、情報処理装置１０Ｂは、タブレット端末に限られない。情報処理装置１０Ｂは、例えば、ヘッドフォンを備えた音声再生端末であり、音声によってユーザ（観覧者）へ関連情報を提供する装置であっても構わない。また、情報処理装置１０Ｂは、例えば、大人数で同時視聴が可能な大画面のモニタ（ディスプレイ）を備える装置であっても構わない。

コンテンツ再生装置３０は、例えば、観覧者の前に設置された大型ディスプレイ等の表示画面を備え、予め記憶された映像コンテンツを再生することができる装置である。コンテンツ再生装置３０は、自らのコンテンツ再生装置３０が備える表示画面に表示することによって、映像コンテンツを観覧者に提供する。

コンテンツ再生装置３０が再生する映像コンテンツの映像へ、観覧者が情報処理装置１０Ｂに備えられたカメラを向けると、情報処理装置１０Ｂは映像に含まれる文字を文字認識する。情報処理装置１０Ｂは、文字認識することによって、映像に含まれるキーワードを抽出することができる。
なお、情報処理装置１０Ｂにカメラが備えられているのではなく、情報処理装置１０Ｂとカメラとが別々の装置である構成であっても構わない。その場合、カメラが撮影した映像を示すデータが、カメラから通信ネットワーク（図示せず）等を介して、情報処理装置１０Ｂへ送信される。

また、情報処理装置１０Ｂが、コンテンツ再生装置３０が再生する映像コンテンツの映像に含まれる画像を画像認識することもできる構成であっても構わない。例えば、画像の中に歴史上の人物の写真が含まれている場合に、情報処理装置１０Ｂは、画像認識をすることによって、その歴史上の人物に関連するキーワード（例えば、人物の名前等）を抽出することができる。なお、画像認識をすることができる構成においては、構成要素関連情報データベースは、例えば、画像と、画像に対応するキーワード（コンテンツ構成要素）と、そのキーワードについての解説文（構成要素関連情報）とが対応付けられたデータベースである。
以下の説明においては、情報処理装置１０Ｂが、文字認識によってキーワードを抽出する場合について説明する。

情報処理装置１０Ｂは、抽出したキーワードを出力する。例えば、情報処理装置１０Ｂは、自らの情報処理装置１０Ｂが備えるディスプレイに、抽出したキーワードを順次、表示する。

ここで、表示したキーワードは、ユーザによって指定され得る。例えば、情報処理装置１０Ｂが備えるディスプレイがタッチパネル式のディスプレイである場合においては、ユーザによって所望のキーワードが表示された部分がタッチされることによって、任意のキーワードが指定される。情報処理装置１０Ｂは、指定されたキーワードに関連する情報を、自らの情報処理装置１０Ｂが備えるディスプレイに表示する。
以上により、観覧者は、例えば、映像コンテンツの映像に含まれる文字（キーワード）に関連する情報を、情報処理装置１０Ｂによって参照することができる。

また、コンテンツ再生装置３０は、例えば、辞書ＩＤを示すデータを情報処理装置１０Ｂの取得部１０１へ向けて送信することがある。辞書ＩＤとは、情報処理装置１０Ｂが文字認識をする際に使用する辞書を、一意に特定するための識別子である。辞書ＩＤを示すデータは、例えば、映像コンテンツを構成するシーン（場面）が切り替わったタイミングで出力される。情報処理装置１０Ｂには、映像コンテンツを構成するシーン（場面）毎にそれぞれ異なる辞書が記憶されている。
以上の構成により、コンテンツ再生装置３０は、辞書ＩＤを示すデータを情報処理装置１０Ｂへ送信することによって、情報処理装置１０Ｂが文字認識をする際に使用する辞書を、映像コンテンツを構成するシーン（場面）毎に切り替えさせることができる。

（情報処理装置１０Ｂの構成）
次に、本発明の第２の実施形態に係る情報処理装置１０Ｂの構成の一例について、図を用いて説明する。
図７は、本発明の第２の実施形態に係る情報処理装置１０Ｂの構成の一例を示すブロック図である。
情報処理装置１０Ｂは、取得部１０１と、抽出部１０２と、辞書指定部１０３と、検索部１０４と、記憶部１０５と、出力制御部１０６と、出力部１０７と、操作入力部１０８と、履歴記憶部１０９と、通信部１１０と、を含んで構成される。

取得部１０１は、コンテンツ再生装置３０が備えるディスプレイに表示された映像コンテンツの画像を取得する。取得部１０１は、例えば、情報処理装置１０Ｂに内蔵されたカメラを含んで構成される。取得部１０１は、取得した画像を電気信号に変換し、抽出部１０２へ出力する。
抽出部１０２は、取得部１０１から取得した電気信号が示す画像に含まれる文字を文字認識する。抽出部１０２は、文字認識によって画像に含まれるキーワードを抽出する。
抽出部１０２は、抽出したキーワードに基づくテキストデータを検索部１０４へ出力する。

通信部１１０は、コンテンツ再生装置３０から送信された辞書ＩＤを示すデータを受信する。通信部１１０は、例えば、Ｗｉ−Ｆｉ（登録商標）接続によって無線ＬＡＮルーターを介してコンテンツ再生装置３０と通信接続するための通信インターフェースである。
辞書ＩＤを示すデータは、例えば、コンテンツ再生装置３０が再生する映像コンテンツのシーン（場面）が切り替わったタイミングで、コンテンツ再生装置３０から、情報処理装置１０Ｂの通信部１１０へ送信される。
通信部１１０は、受信した辞書ＩＤを示すデータを辞書指定部１０３へ出力する。
なお、コンテンツ再生装置３０が、再生する映像コンテンツの映像に関連するキーワードに基づくテキストデータを、情報処理装置１０Ｂへ送信することも可能であるような構成であってもよい。その場合、通信部１１０は、コンテンツ再生装置３０から、キーワードに基づくテキストデータを受信する。そして、通信部１１０は、受信したテキストデータを、直接、検索部１０４へ出力する。

辞書指定部１０３は、通信部１１０から取得した辞書ＩＤを示すデータを、検索部１０４へ出力する。

検索部１０４は、抽出部１０２、または通信部１１０から取得したテキストデータが示すキーワードが、後述する記憶部１０５に記憶された構成要素関連情報データベース中に存在するか否かを検索する。
記憶部１０５は、構成要素関連情報データベースを、コンテンツの内容が属する分野毎に記憶する。記憶部１０５は、例えば、ＨＤＤ、フラッシュメモリ、ＥＥＰＲＯＭ、ＲＯＭ、ＲＡＭ、又はそれらの任意の組み合わせを含んで構成される。

構成要素関連情報データベースは、コンテンツ構成要素と、そのコンテンツ構成要素に関連する情報である構成要素関連情報と、を対応付けて記憶するデータベースである。構成要素関連情報データベースは、例えば、辞書であり、キーワードとそのキーワードの意味を解説する解説文とを対応付けて記憶するデータベースである。
また、検索部１０４は、辞書指定部１０３から取得した辞書ＩＤを示すデータに基づいて、検索対象にする構成要素関連情報データベースを決定する。

検索部１０４は、抽出部１０２、または通信部１１０から取得したテキストデータが示すキーワードが、記憶部１０５に記憶された、構成要素関連情報データベース中に存在した場合、そのキーワードを示すテキストデータを出力制御部１０６へ出力する。
出力制御部１０６は、検索部１０４から取得したテキストデータに基づくキーワードを含む画像を、出力部１０７に表示させる。また、出力制御部１０６は、検索部１０４から取得したテキストデータに基づくキーワードを、後述する履歴記憶部１０９へ出力する。

出力部１０７は、出力制御部１０６から取得したデータに基づく情報を出力する。例えば、出力部１０７は、出力制御部１０６から取得したデータに基づく画像を表示する。出力部１０７はディスプレイ、例えば、液晶ディスプレイ、有機ＥＬディスプレイ、等を含んで構成される。

操作入力部１０８は、ユーザ（観覧者）による各種の操作入力を受け付ける。操作入力部１０８は、受け付けた各種の操作入力に基づく操作信号を出力する。各種の操作入力に基づく操作信号とは、例えば、出力部１０７に出力されたキーワードの中の１つがユーザによって指定されたことを示す操作信号、及びタイムライン表示に表示されている画面表示をスクロールさせる操作をユーザが行ったことを示す操作信号、等である。
操作入力部１０８は、例えば、情報処理装置１０Ｂに備えられた操作ボタンやタッチパネル、操作用コントローラー、または、リモートコントローラーや携帯型端末等の外部の機器から操作信号を取得することができる入力インターフェース、等を含んで構成される。

出力部１０７に表示したキーワードの１つが、操作入力部１０８を介してユーザにより指定された場合、操作入力部１０８は、指定されたキーワードを示す操作信号を出力制御部１０６へ出力する。
出力制御部１０６は、検索部１０４を介して、操作入力部１０８から取得した操作信号が示すキーワードを検索キーとして、記憶部１０５に記憶されている構成要素関連情報データベースを検索する。出力制御部１０６は、検索部１０４を介して、検索したキーワード（コンテンツ構成要素）に対応する解説文（構成要素関連情報）を示すテキストデータを取得する。
出力制御部１０６は、取得したテキストデータに基づく解説文を、出力部１０７に表示させる。また、出力制御部１０６は、取得したテキストデータを履歴記憶部１０９へ出力する。

履歴記憶部１０９は、出力制御部１０６が出力部１０７に表示させたキーワードを示すデータ、及び解説文を示すデータを、出力制御部１０６から取得する。すなわち、履歴記憶部１０９は、出力部１０７に表示されたキーワード、及び解説文を、表示履歴として記憶する。履歴記憶部１０９は、例えば、ＨＤＤ、フラッシュメモリ、ＥＥＰＲＯＭ、ＲＯＭ、ＲＡＭ、又はそれらの任意の組み合わせを含んで構成される。

（辞書ＩＤを示すデータの送信例）
次に、情報処理装置１０Ｂが検索対象とする辞書を指定するために、コンテンツ再生装置３０が送信する辞書ＩＤを示すデータの送信の一例について、図を用いて説明する。
図８は、本発明の第２の実施形態に係るコンテンツ再生装置３０が送信するデータの一例を示す概略図である。
図８に示す概略図は、コンテンツ再生装置３０が再生する映像コンテンツに含まれる映像の場面（シーン）が切り替わる毎に、コンテンツ再生装置３０から情報処理装置１０へ送信される辞書ＩＤを示すデータの一例を示している。図８の左側の「ＯＰＥＮＩＮＧ」の映像から、図８の右側へ向かって「ＳＣＥＮＥ１」、「ＳＣＥＮＥ２」、「ＳＣＥＮＥ３」、「ＳＣＥＮＥ４」、「ＣＲＥＤＩＴ」の順番で、映像コンテンツに含まれる映像が流れる（再生される）ことを示す。

図８の「ＯＰＥＮＩＮＧ」の映像の下には矢印が引かれ、その先に「ｏｐｅｎ０１ｊｐ」と記載されている。これは、映像コンテンツの中の「ＯＰＥＮＩＮＧ」の映像の再生が開始されると、まず「ｏｐｅｎ０１ｊｐ」という辞書ＩＤを示すデータが、コンテンツ再生装置３０から情報処理装置１０Ｂの通信部１１０へ送信されることを表す。
情報処理装置１０Ｂの辞書指定部１０３は、通信部１１０が受信したデータに基づく辞書ＩＤによって、検索部１０４が検索対象とする辞書を特定する。

次に、「ＳＣＥＮＥ１」の映像の下には矢印が引かれ、その先に「ｅｄｏ０１ｊｐ」と記載されている。これは、映像コンテンツの中の場面（シーン）が「ＯＰＥＮＩＮＧ」から「ＳＣＥＮＥ１」へ切り替わった際に、「ｅｄｏ０１ｊｐ」という辞書ＩＤを示すデータが、コンテンツ再生装置３０から情報処理装置１０Ｂの通信部１１０へ送信されることを表す。「ＳＣＥＮＥ２」以降についても同様の処理であるため、説明を省略する。
以上、説明したように、第２の実施形態に係るコンテンツ再生装置３０は、例えば、再生する映像コンテンツの場面（シーン）が切り替わったタイミングで、情報処理装置１０Ｂへ、辞書ＩＤを示すデータを送信する。送信される辞書ＩＤは、切り替わった場面（シーン）の内容に対応する辞書に付与された辞書ＩＤである。

それにより、第２の実施形態に係る情報処理装置１０Ｂは、例えば、再生する映像コンテンツの場面（シーン）が切り替わったタイミングで、検索する辞書を再指定することができる。そして、情報処理装置１０Ｂは、コンテンツ再生装置３０で再生されている映像コンテンツのそれぞれの場面（シーン）に対応した辞書を検索対象として、情報処理装置１０は文字認識を行うことができる。

（情報処理装置１０Ｂの動作）
次に、第２の実施形態に係る情報処理装置１０Ｂの動作について説明する。
図９は、本発明の第１の実施形態に係る情報処理装置１０Ｂの動作の一例を示すフローチャートである。
本フローチャートは、情報処理装置１０Ｂが起動し、映像コンテンツの再生が開始された際に開始する。

（ステップＳ２０１）映像コンテンツの再生が開始され、取得部１０１（カメラ）は、映像コンテンツの映像に含まれる画像の取得を開始する。取得部１０１は、取得した画像を示す画像データを、抽出部１０２へ出力する。その後、ステップＳ２０２へ進む。

（ステップＳ２０２）情報処理装置１０Ｂの辞書指定部１０３は、まず全ての辞書を検索対象とすることを示すデータを検索部１０４へ出力する。例えば、辞書指定部１０３は、全ての辞書に対応する辞書ＩＤを示すデータを検索部１０４へ出力することによって、検索部１０４に全ての辞書を検索対象にさせるようにする構成にしてもよい。その後、ステップＳ２０３へ進む。

（ステップＳ２０３）通信部１１０が、コンテンツ再生装置３０から辞書ＩＤを示すデータを取得した場合、通信部１１０は、取得したデータを辞書指定部１０３へ出力する。その後、ステップＳ２０４へ進む。通信部１１０が、コンテンツ再生装置３０から辞書ＩＤを示すデータを取得していない場合は、ステップＳ２０５へ進む。

（ステップＳ２０４）辞書指定部１０３は、取得したデータに基づいて、検索対象とする辞書を決定する。辞書指定部１０３は、決定した辞書に対応する辞書ＩＤを示すデータを検索部１０４へ出力する。その後、ステップＳ２０５へ進む。

（ステップＳ２０５）抽出部１０２は、取得部１０１から取得する画像データに基づく画像に含まれる文字の文字認識を行う。抽出部１０２は、文字認識によって、画像に含まれるキーワードの抽出を試みる。その後、ステップＳ２０６へ進む。

（ステップＳ２０６）抽出部１０２が、キーワードを抽出した場合、抽出部１０２は、抽出したキーワードを示すテキストデータを、検索部１０４へ出力する。その後、ステップＳ２０７へ進む。抽出部１０２が、キーワードを抽出していない場合は、ステップＳ２１０へ進む。

（ステップＳ２０７）検索部１０４は、抽出部１０２から取得したテキストデータが示すキーワードを検索キーとして、記憶部１０５に記憶された構成要素関連情報データベースを検索する。その後、ステップＳ２０８へ進む。

（ステップＳ２０８）検索キーとしたキーワードと同一のキーワードが構成要素関連情報データベースに存在した場合には、検索部１０４は、検索キーとしたキーワードに対応付けられた解説文に基づくテキストデータを構成要素関連情報データベースから取得する。検索部１０４は、取得したテキストデータを、出力制御部１０６へ出力する。その後、ステップＳ２０９へ進む。検索キーとしたキーワードと同一のキーワードが構成要素関連情報データベースに存在しなかった場合には、ステップＳ２１０へ進む。

（ステップＳ２０９）出力制御部１０６は、通し番号と、検索部１０４から取得したテキストデータが示すキーワード及び解説文と、を出力部１０７のディスプレイの第１表示領域（タイムライン形式で表示する表示領域）に表示させる。その後、ステップＳ２１０へ進む。

（ステップＳ２１０）ユーザによって、操作入力部１０８を介して、出力部１０７のディスプレイの第１表示領域に表示されたキーワードの１つが指定された場合、操作入力部１０８は、第１表示領域に表示されたキーワードの１つが指定されたことを示す操作信号を、出力制御部１０６へ出力する。その後、ステップＳ２１１へ進む。第１表示領域に表示されたキーワードが指定されていない場合は、ステップＳ２１２へ進む。

（ステップＳ２１１）出力制御部１０６は、操作入力部１０８から取得した操作信号に基づいて、出力部１０７のディスプレイに第２表示領域を生成させる。また、それに伴って、出力制御部１０６は、第１表示領域を縮小させる。出力制御部１０６は、操作入力部１０８から取得した操作信号が示すキーワードと、そのキーワードに対応する解説文の全文を、生成した第２表示領域に表示させる。その後ステップＳ２１２へ進む。

（ステップＳ２１２）ユーザによって、操作入力部１０８を介して、出力部１０７のディスプレイに表示された第２表示領域の１つを消去させることを示す操作入力がなされた場合、操作入力部１０８は、第２表示領域の１つを消去することを示す操作信号を、出力制御部１０６へ出力する。その後、ステップＳ２１３へ進む。第２表示領域の１つを消去させることを示す操作入力がなされていない場合は、ステップＳ２１４へ進む。

（ステップＳ２１３）出力制御部１０６は、操作入力部１０８から取得した操作信号に基づいて、出力部１０７のディスプレイに表示された第２表示領域の１つを消去させる。また、それに伴って、出力制御部１０６は、第１表示領域を再び拡大させる。その後ステップＳ２１４へ進む。

（ステップＳ２１４）映像コンテンツの再生が終了した場合、本フローチャートの処理を終了する。そうでない場合は、ステップＳ２０３へ戻り、引き続き抽出部１０２はキーワードの抽出を継続する。
なお、講演が終了した場合、上述したユーザからのリクエスト情報、またはフィードバック情報を示す２次元バーコードを出力部１０７に表示するようにしてもよい。

以上、説明したように、本発明の第２の実施形態に係る情報処理装置１０Ｂは、再生されている映像コンテンツの場面（シーン）毎の辞書を、文字認識におけるキーワードの検索に使用する。それにより、特に、例えば文化財の展示会等のように、コンテンツに専門用語を多く含み、予めコンテンツに含まれるキーワードを絞り込むことが可能である場面において、広範な分野の語句が多数登録された汎用的な辞書を検索に使用する場合に比べて、情報処理装置１０Ｂは、キーワードの認識率の低下を抑えることができる。
以上により、第２の実施形態に係る情報処理装置１０Ｂは、コンテンツに含まれるキーワードの認識率の低下を抑えつつ、キーワードに関連する情報をユーザへ提供することができる。

以上、この発明の実施形態について詳しく説明してきたが、具体的な構成は上述のものに限られることはなく、この発明の要旨を逸脱しない範囲内において様々な設計変更等をすることが可能である。

なお、上述した実施形態における情報処理装置１０Ａ、または情報処理装置１０Ｂの一部又は全部をコンピュータで実現するようにしてもよい。その場合、この制御機能を実現するためのプログラムをコンピュータ読み取り可能な記録媒体に記録して、この記録媒体に記録されたプログラムをコンピュータシステムに読み込ませ、実行することによって実現してもよい。

なお、ここでいう「コンピュータシステム」とは、情報処理装置１０Ａ、または情報処理装置１０Ｂに内蔵されたコンピュータシステムであって、ＯＳや周辺機器等のハードウェアを含むものとする。また、「コンピュータ読み取り可能な記録媒体」とは、フレキシブルディスク、光磁気ディスク、ＲＯＭ、ＣＤ−ＲＯＭ等の可搬媒体、コンピュータシステムに内蔵されるハードディスク等の記憶装置のことをいう。

さらに「コンピュータ読み取り可能な記録媒体」とは、インターネット等のネットワークや電話回線等の通信回線を介してプログラムを送信する場合の通信回線のように、短時間、動的にプログラムを保持するもの、その場合のサーバやクライアントとなるコンピュータシステム内部の揮発性メモリのように、一定時間プログラムを保持しているものも含んでもよい。また上記プログラムは、前述した機能の一部を実現するためのものであっても良く、さらに前述した機能をコンピュータシステムにすでに記録されているプログラムとの組み合わせで実現できるものであってもよい。

また、上述した実施形態における情報処理装置１０Ａ、または情報処理装置１０Ｂを、ＬＳＩ（Ｌａｒｇｅ Ｓｃａｌｅ Ｉｎｔｅｇｒａｔｉｏｎ）等の集積回路として実現してもよい。情報処理装置１０Ａ、または情報処理装置１０Ｂの各機能ブロックは個別にプロセッサ化してもよいし、一部、または全部を集積してプロセッサ化してもよい。また、集積回路化の手法はＬＳＩに限らず専用回路、または汎用プロセッサで実現してもよい。また、半導体技術の進歩によりＬＳＩに代替する集積回路化の技術が出現した場合、当該技術による集積回路を用いてもよい。

１・・・自動講演解説表示システム、２・・・自動映像解説表示システム、１０・・・情報処理装置、１０Ａ・・・情報処理装置、１０Ｂ・・・情報処理装置、２０・・・マイクロフォン、２１・・・スピーカー、２２・・・パーソナルコンピュータ、３０・・・コンテンツ再生装置、１０１・・・取得部、１０２・・・抽出部、１０３・・・辞書指定部、１０４・・・検索部、１０５・・・記憶部、１０６・・・出力制御部、１０７・・・出力部、１０８・・・操作入力部、１０９・・・履歴記憶部、１１０・・・通信部

Claims (9)

1. コンテンツに含まれるコンテンツ構成要素を抽出する抽出部と、
   前記コンテンツの内容に基づく分野別に、前記コンテンツ構成要素と、前記コンテンツ構成要素に関連する情報である構成要素関連情報と、が対応付けられた構成要素関連情報データベースを記憶する記憶部と、
   前記抽出部が抽出した前記コンテンツ構成要素を検索キーとして前記構成要素関連情報データベースを検索する検索部と、
   前記抽出部が抽出した前記コンテンツ構成要素が前記構成要素関連情報データベースに存在する場合、前記抽出部が抽出した前記コンテンツ構成要素を出力し、出力した前記コンテンツ構成要素が指定された場合、指定された前記コンテンツ構成要素に対応付けられた前記構成要素関連情報を出力する出力部と、
   を備えることを特徴とする、情報処理装置。
2. 前記出力部は、前記抽出部が抽出した前記コンテンツ構成要素を表示する第１表示領域と、前記抽出部が抽出した前記コンテンツ構成要素に対応付けられた前記構成要素関連情報を表示する第２表示領域と、を有する、
   ことを特徴とする、請求項１に記載の情報処理装置。
3. 前記抽出部が抽出した複数の前記コンテンツ構成要素を、前記出力部はタイムライン形式で前記第１表示領域に表示する、
   ことを特徴とする、請求項２に記載の情報処理装置。
4. 前記検索部が検索する前記構成要素関連情報データベースの分野を指定する辞書指定部、を備え、
   前記検索部は、前記辞書指定部が指定する前記分野の前記構成要素関連情報データベースを検索する、
   ことを特徴とする、請求項１に記載の情報処理装置。
5. 前記辞書指定部は、前記コンテンツに含まれる場面が切り替わった場合に、前記検索部が検索する前記構成要素関連情報データベースの前記分野を再指定する、
   ことを特徴とする、請求項４に記載の情報処理装置。
6. 前記出力部が出力した前記コンテンツ構成要素と、前記出力部が出力した前記コンテンツ構成要素に対応付けられた前記構成要素関連情報と、を記憶する履歴記憶部、
   を備えることを特徴とする、請求項１に記載の情報処理装置。
7. 前記抽出部は、前記コンテンツに含まれる前記コンテンツ構成要素を、音声認識、または文字認識によって抽出する、
   ことを特徴とする、請求項１に記載の情報処理装置。
8. コンテンツに含まれるコンテンツ構成要素を抽出する抽出ステップと、
   前記コンテンツの内容に基づく分野別に、前記コンテンツ構成要素と、前記コンテンツ構成要素に関連する情報である構成要素関連情報と、が対応付けられた構成要素関連情報データベースを記憶する記憶ステップと、
   前記抽出ステップにおいて抽出した前記コンテンツ構成要素を検索キーとして前記構成要素関連情報データベースを検索する検索ステップと、
   前記抽出ステップにおいて抽出した前記コンテンツ構成要素が前記構成要素関連情報データベースに存在する場合、前記抽出ステップにおいて抽出した前記コンテンツ構成要素を出力し、出力した前記コンテンツ構成要素が指定された場合、指定された前記コンテンツ構成要素に対応付けられた前記構成要素関連情報を出力する出力ステップと、
   を有することを特徴とする、情報処理方法。
9. コンピュータに、
   コンテンツに含まれるコンテンツ構成要素を抽出する抽出ステップと、
   前記コンテンツの内容に基づく分野別に、前記コンテンツ構成要素と、前記コンテンツ構成要素に関連する情報である構成要素関連情報と、が対応付けられた構成要素関連情報データベースを記憶する記憶ステップと、
   前記抽出ステップにおいて抽出した前記コンテンツ構成要素を検索キーとして前記構成要素関連情報データベースを検索する検索ステップと、
   前記抽出ステップにおいて抽出した前記コンテンツ構成要素が前記構成要素関連情報データベースに存在する場合、前記抽出ステップにおいて抽出した前記コンテンツ構成要素を出力し、出力した前記コンテンツ構成要素が指定された場合、指定された前記コンテンツ構成要素に対応付けられた前記構成要素関連情報を出力する出力ステップと、
   を実行させるための、プログラム。

Images