JP2017116710A - 音声配信システムおよび文書配信システム - Google Patents

Abstract

【課題】 文書データに対して、音声再生条件に基づいた処理を行うことが可能な音声配信システムおよび文書配信システムを提供する。【解決手段】 利用者が利用する端末装置である利用者端末１０と、文書データを管理するサーバである文書管理サーバ２０と、文字データを音声データに変換するサーバである音声変換サーバ３０と、が通信可能に接続された音声配信システムであって、文書管理サーバ２０は、文書データを記憶した記憶手段と、利用者端末１０により指定された、読み上げ速さ倍率と再生時間を含む音声再生条件に基づいて、文字数を算出する手段と、算出された文字数に対応する文字データを、文書データから抽出する手段と、抽出された文字データを、音声変換サーバ３０に送信する手段と、音声変換サーバ３０から取得した音声データを利用者端末１０に送信する手段と、を有する。【選択図】 図１

Description

本発明は、音声再生条件に基づいて文書情報を処理するための技術に関する。

近年、コンピュータおよび通信技術の進展により、様々なデータを、ネットワークを介して配信することが行われている。ネットワークを介したデータの配信としては、音楽データの伸びが著しく、ＣＤの購入に代えて音楽データをダウンロードする利用者が増えている。

音楽データをダウンロードする際、単に１件分をまとめてダウンロードするだけでなく、通信回線の速度や情報端末、ネットワークの混雑状況等の環境によるサービス低下を避けることが望まれる。そのため、利用者が試聴時間等を指定し、試聴時間分だけ配信する技術も提案されている（特許文献１参照）。

特開２００２−２７８５６５号公報

一方、文字データを主体とする文書データを音声変換して音声データを得る技術も開発され、実用化されている。しかしながら、上記従来の技術では、音楽など既に音のデータに変換されているものについては、対応しているが、文字データを主体とする文書データに対して、音声再生条件に基づいた処理を行うことは困難であった。

そこで、本発明は、文書データに対して、音声再生条件に基づいた処理を行うことが可能な音声配信システムおよび文書配信システムを提供することを課題とする。

上記課題を解決するため、本発明第１の態様では、
利用者が利用する端末装置である利用者端末と、文書データを管理するサーバである文書管理サーバと、文字データを音声データに変換するサーバである音声変換サーバと、が通信可能に接続されたシステムであって、
前記文書管理サーバは、
文書データを記憶した記憶手段と、
前記利用者端末により指定された、読み上げ速さ倍率と再生時間を含む音声再生条件に基づいて、文字数を算出する手段と、
前記算出された文字数に対応する文字データを、前記文書データから抽出する手段と、
前記抽出された文字データを、前記音声変換サーバに送信する手段と、
前記音声変換サーバから取得した音声データを前記利用者端末に送信する手段と、
を有することを特徴とする音声配信システムを提供する。

本発明第１の態様によれば、利用者端末と、文書管理サーバと、音声変換サーバと、が通信可能に接続された音声配信システムであって、文書管理サーバが、文書データを記憶した記憶手段と、利用者端末により指定された、読み上げ速さ倍率と再生時間を含む音声再生条件に基づいて、文字数を算出する手段と、算出された文字数に対応する文字データを、文書データから抽出する手段と、抽出された文字データを、音声変換サーバに送信する手段と、音声変換サーバから取得した音声データを利用者端末に送信する手段と、を有するので、音声再生条件に基づいて、文書データから、所望の再生時間に対応した音声データを得ることが可能となる。

また、本発明第２の態様では、
利用者が利用する端末装置である利用者端末と、文字データを音声データに変換するサーバである音声変換サーバと、が通信可能に接続されたシステムであって、
前記利用者端末は、
文書データを記憶した記憶手段と、
指定された、読み上げ速さ倍率と再生時間を含む音声再生条件に基づいて、文字数を算出する手段と、
前記算出された文字数に対応する文字データを、前記文書データから抽出する手段と、
前記抽出された文字データを、前記音声変換サーバに送信する手段と、
前記音声変換サーバから音声データを受信する手段と、
を有することを特徴とする音声配信システムを提供する。

本発明第２の態様によれば、利用者端末と、音声変換サーバと、が通信可能に接続された音声配信システムであって、利用者端末が、文書データを記憶した記憶手段と、利用者端末により指定された、読み上げ速さ倍率と再生時間を含む音声再生条件に基づいて、文字数を算出する手段と、算出された文字数に対応する文字データを、文書データから抽出する手段と、抽出された文字データを、音声変換サーバに送信する手段と、音声変換サーバから音声データを受信する手段と、を有するので、音声再生条件に基づいて、文書データから、所望の再生時間に対応した音声データを得ることが可能となる。

また、本発明第３の態様では、前記音声変換サーバは、送信元から受信した文字データを音声データに変換する手段と、得られた音声データを送信元に送信する手段と、を有することを特徴とする。

また、本発明第４の態様では、
利用者が利用する端末装置である利用者端末、および文字データを音声データに変換するサーバである音声変換サーバ、と通信可能に接続されたサーバであって、
文書データを記憶した記憶手段と、
前記利用者端末により指定された、読み上げ倍率と時間を含む音声再生条件に基づいて、文字数を算出する手段と、
前記算出された文字数に対応する文字データを、前記文書データから抽出する抽出手段と、
前記抽出された文字データを、前記音声変換サーバに送信する手段と、
前記音声変換サーバから取得した音声データを前記利用者端末に送信する手段と、
を有することを特徴とする文書管理サーバを提供する。

本発明第４の態様によれば、利用者端末、音声変換サーバ、と通信可能に接続された文書管理サーバが、文書データを記憶した記憶手段と、前記利用者端末により指定された、読み上げ倍率と時間を含む音声再生条件に基づいて、文字数を算出する手段と、前記算出された文字数に対応する文字データを、前記文書データから抽出する抽出手段と、前記抽出された文字データを、前記音声変換サーバに送信する手段と、前記音声変換サーバから取得した音声データを前記利用者端末に送信する手段と、を有するので、音声再生条件に基づいて、文書データから、所望の再生時間に対応した音声データを得ることが可能となる。

また、本発明第５の態様では、前記文書管理サーバにおいて、前記音声再生条件は更に開始位置の情報を含むものであり、前記抽出手段は、前記開始位置の情報に基づいて、前記文字データを、前記文書データから抽出するものであることを特徴とする。

本発明第５の態様によれば、文書管理サーバにおいて、音声再生条件が更に開始位置の情報を含むものであり、抽出手段は、開始位置の情報に基づいて、文字データを、文書データから抽出するようにしたので、所望の開始位置から、続きの音声データを取得することが可能となる。特に、再生途中で中断して、その続きからの音声データを取得するために好適である。

また、本発明第６の態様では、前記文書管理サーバにおいて、前記抽出手段は、抽出する文字データの末尾が文章構成単位の途中である場合は、末尾を当該文章構成単位の区切りとなる位置に変更するものであることを特徴とする。

本発明第６の態様によれば、文書管理サーバにおいて、抽出手段が、抽出する文字データの末尾が文章構成単位の途中である場合は、末尾をその文章構成単位の区切りとなる位置に変更するようにしたので、文章構成単位の途中で中断されることのない音声データを取得することが可能となる。

また、本発明第７の態様では、
利用者が利用する端末装置である利用者端末と、文書データを検索するサーバである文書管理サーバと、が通信可能に接続されたシステムであって、
前記文書管理サーバは、
文書データに対応する文字数を記憶した記憶手段と、
前記利用者端末により指定された、読み上げ速さ倍率と再生時間を含む音声再生条件に基づいて、文字数を算出する手段と、
前記算出された文字数を用いて前記記憶手段を参照し、対応する文書データを検索する手段と、
前記検索により特定された文書データの情報を、前記利用者端末に送信する手段と、
を有することを特徴とする文書配信システムを提供する。

本発明第７の態様によれば、利用者端末と、文書管理サーバと、が通信可能に接続されたシステムであって、文書管理サーバが、文書データに対応する文字数を記憶した記憶手段と、利用者端末により指定された、読み上げ速さ倍率と再生時間を含む音声再生条件に基づいて、文字数を算出する手段と、算出された文字数を用いて記憶手段を参照し、対応する文書データを検索する手段と、検索により特定された文書データの情報を、利用者端末に送信する手段と、を有するので、指定された音声再生条件を満たす文書データを検索することが可能となる。

また、本発明第８の態様では、
利用者が利用する端末装置である利用者端末と通信可能に接続されたサーバであって、
文書データに対応する文字数を記憶した記憶手段と、
前記利用者端末により指定された、読み上げ速さ倍率と再生時間を含む音声再生条件に基づいて、取得する文字数を算出する手段と、
前記算出された文字数を用いて前記記憶手段を参照し、対応する文書データを検索する手段と、
前記検索により特定された文書データの情報を、前記利用者端末に送信する手段と、
を有することを特徴とする文書管理サーバを提供する。

本発明第８の態様によれば、利用者端末と通信可能に接続された文書管理サーバが、文書データに対応する文字数を記憶した記憶手段と、利用者端末により指定された、読み上げ速さ倍率と再生時間を含む音声再生条件に基づいて、取得する文字数を算出する手段と、算出された文字数を用いて記憶手段を参照し、対応する文書データを検索する手段と、検索により特定された文書データの情報を、利用者端末に送信する手段と、を有するので、指定された音声再生条件を満たす文書データを検索することが可能となる。

また、本発明第９の態様では、利用者端末、音声変換サーバ、と通信可能に接続された前記文書管理サーバとして、コンピュータを機能させるためのプログラムを提供する。

また、本発明第１０の態様では、利用者端末と通信可能に接続された前記文書管理サーバとして、コンピュータを機能させるためのプログラムを提供する。

本発明によれば、文書データに対して、音声再生条件に基づいた処理を行うことが可能となるという効果を有する。

本発明第１の実施形態に係る音声配信システムを示す図である。 利用者端末１０のハードウェア構成を示す図である。 文書管理サーバ２０のハードウェア構成を示す図である。 本発明第１の実施形態に係る音声配信システムの処理動作を示すフローチャートである。 条件設定画面の一例を示す図である。 文書データ中の文字データの一例を示す図である。 本発明第２の実施形態に係る音声配信システムを示す図である。 本発明第２の実施形態に係る音声配信システムの処理動作を示すフローチャートである。 本発明の一実施形態に係る文書配信システムを示す図である。 記憶手段に記憶された文書情報の一例を示す図である。 本発明の一実施形態に係る文書配信システムの処理動作を示すフローチャートである。 検索画面の一例を示す図である。 検索結果の一例を示す図である。

＜１．音声配信システム＞
＜１．１．システム構成＞
以下、本発明の好適な実施形態について図面を参照して詳細に説明する。図１は、本発明第１の実施形態に係る音声配信システムを示す図である。図１において、１０は利用者端末、２０は文書管理サーバ、３０は音声変換サーバ、４０はネットワークである。利用者端末１０、文書管理サーバ２０、音声変換サーバ３０はインターネット等の公衆のネットワーク４０に接続されており、通信可能、すなわちデータの送受信が可能となっている。図１では、一例として利用者端末１０が３台示されているが、実際の接続数は、１台以上の任意の数を接続することが可能である。

利用者端末１０は、情報処理機能、ネットワーク通信機能、表示機能を備えた端末装置であり、パーソナルコンピュータ等の据置型端末または、スマートフォン、タブレット端末等の携帯型端末により実現される。利用者端末１０は、所定のプログラムが組み込まれることにより、文書管理サーバ２０との通信を行い、文書データに対応する音声データを取得する。

文書管理サーバ２０は、利用者端末１０からの設定条件に基づき、文書データから文字データを抽出し、その文字データに対応する音声データを音声変換サーバ３０から取得し、利用者端末１０に送信する。音声変換サーバ３０は、送信元である文書管理サーバ２０から取得した文字データを音声データに変換し、文書管理サーバ２０に送信する。

利用者端末１０は、上述のように、パーソナルコンピュータ、スマートフォン、タブレット端末等により実現可能である。パーソナルコンピュータ、スマートフォン、タブレット端末等を用いる場合、Ｗｅｂブラウザを用いる手法や、専用のプログラムを用いる手法により実現することができる。本実施形態では、パーソナルコンピュータにＷｅｂブラウザを組み込んだ場合について説明する。また、文書管理サーバ２０、音声変換サーバ３０は、Ｗｅｂサーバソフトウェアを備え、Ｗｅｂブラウザからの要求に応える機能を備えている。

図２は、利用者端末１０のハードウェア構成を示す図である。図２に示すように、利用者端末１０は、ＣＰＵ（Central Processing Unit）１０ａと、メインメモリであるＲＡＭ（Random Access Memory）１０ｂと、ＣＰＵ１０ａが実行するプログラムやデータを記憶するためのハードディスク、フラッシュメモリ等の大容量の記憶装置１０ｃと、キーボードやタッチパネル等の指示入力部１０ｄと、データ記憶媒体等の外部装置とデータ通信するためのデータ入出力Ｉ／Ｆ（インタフェース）１０ｅと、液晶ディスプレイや有機ＥＬディスプレイ等の表示デバイスである表示部１０ｆと、ネットワークを介して他のコンピュータと通信を行うための通信部１０ｇを備えており、互いにバスを介して接続されている。

図３は、文書管理サーバ２０のハードウェア構成を示す図である。文書管理サーバ２０は、汎用のコンピュータに、専用のプログラムを組み込むことにより実現される。図３に示すように、ＣＰＵ（Central Processing Unit）２０ａと、メインメモリであるＲＡＭ（Random Access Memory）２０ｂと、ＣＰＵ２０ａが実行するプログラムやデータを記憶するためのハードディスク、フラッシュメモリ等の大容量の記憶装置２０ｃと、キーボード等の指示入力部２０ｄと、データ記憶媒体等の外部装置とデータ通信するためのデータ入出力Ｉ／Ｆ（インタフェース）２０ｅと、ネットワークを介して他のコンピュータとネットワーク通信を行うための通信部２０ｇを備えており、互いにバスを介して接続されている。

記憶装置２０ｃには、ＣＰＵ２０ａを動作させ、コンピュータを、文書管理サーバ２０として機能させるための専用のプログラムが実装されている。この専用のプログラムをＣＰＵ２０ａが実行することにより、文書管理サーバ２０は、利用者端末１０により指定された、読み上げ速さ倍率と時間を含む音声再生条件に基づいて、文字数を算出する手段、算出された文字数に対応する文字データを、文書データから抽出する抽出手段、抽出された文字データを、音声変換サーバに送信する手段、音声変換サーバから取得した音声データを利用者端末に送信する手段としての機能、その他後述する様々な処理を実現することになる。また、記憶装置２０ｃは、文字データを記憶した記憶手段としても機能する。さらに、記憶装置２０ｃは、処理に必要な様々なデータを記憶する。

文書管理サーバ２０内の記憶装置２０ｃには、文書データを特定する識別情報である文書ＩＤと対応付けて文書データが記憶されている。文書データとは、文字データを含んだ形式である。いわゆる電子書籍データも文書データに含まれる。文字データは、各文字を文字コードにより表現したデータである。文字コードとしては、公知の各種の形式のものを用いることができる。また、文書データは、ページ単位で記録されており、文字データは、ページ番号により管理されている。

音声変換サーバ３０のハードウェア構成は、文書管理サーバ２０と同様のハードウェア構成となっており、汎用のコンピュータに、専用のプログラムを組み込むことにより実現される。音声変換サーバ３０が備える記憶装置３０ｃ（図示省略）には、音声変換サーバ３０が備えるＣＰＵ３０ａ（図示省略）を動作させ、コンピュータを、音声変換サーバ３０として機能させるためのプログラムが実装されている。このプログラムをＣＰＵ３０ａが実行することにより、音声変換サーバ３０は、後述する様々な処理を実現することになる。

＜１．２．処理動作＞
次に、本発明第１の実施形態に係る音声配信システムの処理動作について説明する。図４は、本発明第１の実施形態に係る音声配信システムの処理動作を示すフローチャートである。

本実施形態では、文書データを利用者端末１０のＲＡＭ１０ｂ（または記憶装置１０ｃ）に一時保存しておき、一時保存した文書データを音声データに変換し、音声として出力する態様となっている場合を想定して説明する。このようなシステムは、書籍の文書データを一定期間貸し出す、いわゆる電子図書館システムにも採用されているものである。利用者端末１０に、音声変換プログラムを組み込んでおくことにより、一時保存した内容を音声データに変換して出力する。

文書データを音声データに変換することは、利用者端末１０に、音声変換プログラムを組み込んでおくことにより実現できる。このような音声変換プログラムとしては、一般に「スクリーンリーダー」と呼ばれる公知のものを採用することができる。音声変換プログラムを利用して文書データの読み上げを行うことは、目の不自由な方にとっては、文書の内容を認識するために非常に有益なものとなっている。

音声変換プログラムを用いた音声再生を一時中断しようとした際、利用者は音声再生を中止する旨の指示を行う。具体的には、指示入力部１０ｄであるキーボードにおいて事前に中止キーとして設定されたキーを押すことにより、利用者端末１０は、音声再生を中止する。音声再生の中止と並行して、または音声再生の中止後、利用者端末１０は、表示部１０ｆに条件設定画面を表示する（ステップＳ１）。

図５は、表示部１０ｆに表示される条件設定画面の一例を示す図である。図５に示すように、本実施形態では、「読み上げ速さ倍率」「再生時間」「開始位置」の３条件を設定可能となっている。「読み上げ速さ倍率」は、文書を音声として読み上げる場合の速さの倍率を示すものである。ここでは、標準の読み上げ速さを１倍速としている。本実施形態では、図５に示すように、「読上げる速さを選択してください。」というメッセージの下に続いてチェックボックスが用意され、１倍速、２倍速、３倍速、４倍速の４種類が設定可能となっている。

「再生時間」は、音声として再生する際の開始から終了までの時間を示すものである。単位としては、時間単位や秒単位で設定できるようにすることも可能である。本実施形態では、分単位で設定できるようになっている。本実施形態では、図５に示すように、「聴きたい分数を指定してください。」というメッセージの下に続いて数値入力欄が用意され、分数を数値で入力することが可能となっている。

「開始位置」は、文書データ中のどこを開始位置とするかを示すものである。本実施形態では、図５に示すように、「どこから聴きたいかを指定してください。」というメッセージの下に続いてチェックボックスが用意され、「今読んでいる場所から」と「最初から」の２箇所のいずれかが設定可能となっている。

利用者は、表示された条件設定画面を利用して、条件の設定を行う。図５の例では、「読み上げ速さ倍率」として「２倍速」、「再生時間」として「３０分」、「開始位置」として「今読んでいる場所から」、が設定された状態を示している。

条件を設定した後、利用者が送信指示を行う。送信指示は、指示入力部１０ｄであるキーボード上のキーのうち、事前に設定されたキーを押すことにより行われるように設定されていてもよいし、条件設定画面に送信ボタンを用意しておき、送信ボタンをクリックすることにより行われるように設定されていてもよい。

利用者により送信指示が行われると、利用者端末１０は、文書管理サーバ２０に対して、設定条件に対応する音声データの要求を行う（ステップＳ２）。具体的には、ＨＴＴＰ（Hypertext Transfer Protocol）要求（リクエスト）とともに、設定条件を文書管理サーバ２０に送信する。音声データの要求の際、利用者端末１０は、ＲＡＭ１０ｂに記憶されている情報の中から、文書ＩＤを取得する。また、「開始位置」として「今読んでいる場所から」が設定された場合は、ＲＡＭ１０ｂに記憶されている情報の中から、今読んでいるページ番号を取得する。取得された文書ＩＤとページ番号は、設定条件の一部として送信される。

文書管理サーバ２０では、利用者端末１０から音声データの要求を受信すると、音声データの要求とともに受信した設定条件に基づいて、抽出文字数を算出する（ステップＳ３）。具体的には、まず、文書管理サーバ２０は、記憶装置２０ｃの所定の領域に記憶されている「標準の読み上げ速さ」の情報を取得する。そして、利用者端末１０から受信した設定条件に含まれる「読み上げ速さ倍率」、「再生時間」を取得する。

そして、文書管理サーバ２０は、取得した「標準の読み上げ速さ」、「読み上げ速さ倍率」、「再生時間」を乗算して、文字数を算出する。例えば、「標準の読み上げ速さ」が「３００文字／分」、「読み上げ速さ倍率」が「２倍速」、「再生時間」が「３０分」である場合、３００×２×３０＝１８０００（文字）として文字数が算出される。

文字数が算出されたら、文書管理サーバ２０は、文書データ中から文字データを抽出する（ステップＳ４）。具体的には、まず、利用者端末１０から受信した設定条件に含まれる「文書ＩＤ」、「開始位置」を取得する。そして、取得した「文書ＩＤ」で記憶装置２０ｃ内に記憶された文書データを特定し、取得した「開始位置」とステップＳ３において算出された文字数に基づいて、抽出する文字データを特定する。

文字データの特定は、文書データの「開始箇所」を先頭とし、そこから算出された文字数分進んだ位置を末尾として、その間の文字データを抽出対象とすることにより行う。この際、末尾が文章構成単位の途中である場合は、末尾をその文章構成単位の区切りとなる位置に変更する。文章構成単位とは、全体を読み易くいするために、所定の構成に分ける単位であり、例えば、章や節等を単位とすることができる。ここで、抽出する文字データの特定について、図６を用いて説明する。図６は、文書データ中の文字データの一例を示す図である。図６の例では、実質的な文書を示す文字データだけでなく、制御文字が含まれた形式となっている。図６において、＜ｈ１＞は章を、＜ｈ２＞は節を示す制御文字として用いられている。＜ｈ１＞の対は、章の開始であり、次の＜ｈ１＞の対が出現するまで、その章が続くことを示している。また、＜ｈ２＞の対は、節の開始であり、次の＜ｈ２＞の対が出現するまで、その章が続くことを示している。

図６に示した例において、「開始位置」が４行目の先頭であって、算出された文字数が４５文字であったとする。制御文字は含めず、改行文字は含めてカウントするため、本来、「また、明日以降も秋雨前線の影響で、すっきりしない天気が続くでしょう。＜ｈ２＞東海地方＜ｈ２＞台風１８号は本日遅」までで４５文字となる（「＜ｈ２＞東海地方＜ｈ２＞」は、カウントしない。）。しかし、これでは、末尾が文の途中となるため、「また、明日以降も秋雨前線の影響で、すっきりしない天気が続くでしょう。＜ｈ２＞東海地方＜ｈ２＞台風１８号は本日遅くに上陸する恐れがあるでしょう。」までを抽出対象の文字データとして特定する。

文字データが特定されたら、文書管理サーバ２０は、文書データから特定された文字データを抽出する。そして、文書管理サーバ２０は、音声変換サーバ３０に対して、抽出した文字データの音声変換要求を行う（ステップＳ５）。具体的には、ＨＴＴＰ要求とともに、抽出した文字データを音声変換サーバ３０に送信する。詳細には、ステップＳ４において取得された文字データと、設定条件に含まれる「標準の読み上げ速さ」、「読み上げ速さ倍率」の情報を音声変換サーバ３０に送信する。

文書管理サーバ２０から音声変換要求を受信したら、音声変換サーバ３０は、音声変換要求とともに受信した文字データを音声データに変換する（ステップＳ６）。具体的には、公知の文字音声変換処理により、文字データを音声データに変換する。音声データの形式としては、公知の様々な形式のものを用いることができる。本実施形態では、多くの音楽プレーヤーや、音声再生ソフトウェアに対応しているＭＰ３（MPEG-1 Audio Layer-3）を用いている。ステップＳ６においては、例えば、１８０００文字分の文字データを受信し、「標準の読み上げ速さ」が「３００文字／分」、「読み上げ速さ倍率」が「２倍速」と設定されている場合、再生時間約３０分に相当するＭＰ３形式の音声データに変換する。

続いて、音声変換サーバ３０は、文書管理サーバ２０からの音声変換要求に応答して、変換された音声データを文書管理サーバ２０に送信する（ステップＳ７）。具体的には、ＨＴＴＰ応答（レスポンス）とともに、音声データを文書管理サーバ２０に送信する。さらに、文書管理サーバ２０は、ＨＴＴＰ応答として音声変換サーバ３０から音声データを受信したら、利用者端末１０からの音声データの要求に応答して、音声変換サーバ３０から受信した音声データを利用者端末１０に送信する（ステップＳ８）。具体的には、ＨＴＴＰ応答とともに、音声データを利用者端末１０に送信する。すなわち、音声変換サーバ３０から受信した音声データを利用者端末１０に転送する。利用者端末１０では、ＨＴＴＰ応答とともに受信した音声データを記憶装置１０ｃ内の所定の記憶領域に格納する（ステップＳ９）。

上記のように、図４のフローチャートに従ってステップＳ１〜ステップＳ９に従った処理を実行することにより、設定条件に対応した音声データが利用者端末１０で取得されることになる。利用者は、取得した音声データを、別途、携帯型の音楽プレーヤー、音声再生機能付きのスマートフォン等の音声再生機器に転送して格納することにより、持ち運ぶことが可能となる。条件設定画面において、「今読んでいる場所から」を選択した場合には、利用者が利用者端末１０で読んでいた場所の続きからの音声データが所望の音声再生機器に記録される。そして、利用者は、外出先において、読んでいた続きから音声データを楽しむことが可能になる。

＜１．３．第２の実施形態＞
次に、本発明に係る音声配信システムの第２の実施形態について説明する。図７は、本発明に係る音声配信システムの第２の実施形態を示す図である。第２の実施形態が、第１の実施形態と異なる点は、文書管理サーバの機能を利用者端末が備えている点である。図７において、１２は利用者端末、３０は音声変換サーバ、４０はネットワークである。利用者端末１２、音声変換サーバ３０はインターネット等の公衆のネットワーク４０に接続されており、通信可能、すなわちデータの送受信が可能となっている。図７において、図７に示した第１の実施形態と同様の機能を有するものについては、同一符号を付して説明を省略する。図７では、一例として利用者端末１２が３台示されているが、実際の接続数は、１台以上の任意の数を接続することが可能である。

利用者端末１２は、情報処理機能、ネットワーク通信機能、表示機能を備えた端末装置であり、パーソナルコンピュータ等の据置型端末または、スマートフォン、タブレット端末等の携帯型端末により実現される。利用者端末１２は、所定のプログラムが組み込まれることにより、設定条件に基づき、文書データから文字データを抽出し、その文字データに対応する音声データを音声変換サーバ３０に送信し、文字データに対応する音声データを音声変換サーバ３０から取得する。音声変換サーバ３０は、送信元である利用者端末１２から取得した文字データを音声データに変換し、利用者端末１２に送信する。

利用者端末１２は、上述のように、パーソナルコンピュータ、スマートフォン、タブレット端末等により実現可能である。パーソナルコンピュータ、スマートフォン、タブレット端末等を用いる場合、専用のプログラムを用いる手法により実現することができる。本実施形態では、パーソナルコンピュータにＷｅｂブラウザと専用のプログラムを組み込んだ場合について説明する。また、音声変換サーバ３０は、Ｗｅｂサーバソフトウェアを備え、Ｗｅｂブラウザからの要求に応える機能を備えている。

利用者端末１２は、図２に示した第１の実施形態における利用者端末１０と同等のハードウェア構成を備えている。すなわち、利用者端末１２は、ＣＰＵ１２ａと、ＲＡＭ１２ｂと、記憶装置１２ｃと、指示入力部１２ｄと、データ入出力Ｉ／Ｆ１２ｅと、表示部１２ｆと、通信部１２ｇを備えており、互いにバスを介して接続されている（図示省略）。

記憶装置１２ｃには、ＣＰＵ１２ａを動作させ、コンピュータを利用者端末１２として機能させるための専用のプログラムが実装されている。この専用のプログラムをＣＰＵ１２ａが実行することにより、利用者端末１２は、指定された、読み上げ速さ倍率と時間を含む音声再生条件に基づいて、文字数を算出する手段、算出された文字数に対応する文字データを、文書データから抽出する抽出手段、抽出された文字データを、音声変換サーバに送信する手段、音声変換サーバから音声データを受信する手段としての機能、その他後述する様々な処理を実現することになる。また、記憶装置１２ｃは、文字データを記憶した記憶手段としても機能する。さらに、記憶装置１２ｃは、処理に必要な様々なデータを記憶する。利用者端末１２内の記憶装置１２ｃには、文書データを特定する識別情報である文書ＩＤと対応付けて文書データが記憶されている。

次に、第２の実施形態に係る音声配信システムの処理動作について説明する。図８は、第２の実施形態に係る音声配信システムの処理動作を示すフローチャートである。

第２の実施形態では、文書データを利用者端末１２のＲＡＭ１２ｂ（または記憶装置１２ｃ）に記憶しておき、文書データを音声データに変換し、音声として出力する態様となっている場合を想定して説明する。このようなシステムは、書籍の文書データを一定期間貸し出す、いわゆる電子図書館システムにも採用されているものである。利用者端末１２に、音声変換プログラムを組み込んでおくことにより、記憶している文書データを音声データに変換して出力する。

文書データを音声データに変換することは、利用者端末１２に、音声変換プログラムを組み込んでおくことにより実現できる。このような音声変換プログラムとしては、上述の「スクリーンリーダー」と呼ばれる公知のものを採用することができる。

音声変換プログラムを用いた音声再生を一時中断しようとした際、利用者は音声再生を中止する旨の指示を行う。具体的には、指示入力部１２ｄであるキーボードにおいて事前に中止キーとして設定されたキーを押すことにより、利用者端末１２は、音声再生を中止する。音声再生の中止と並行して、または音声再生の中止後、利用者端末１２は、表示部１２ｆに図５に示したような条件設定画面を表示する（ステップＳ３１）。

図５に示したような条件設定画面対して、第１の実施形態と同様に条件を設定した後、利用者が音声データの要求指示を行う。要求指示は、指示入力部１２ｄであるキーボード上のキーのうち、事前に設定されたキーを押すことにより行われるように設定されていてもよいし、条件設定画面に音声要求ボタンを用意しておき、音声要求ボタンをクリックすることにより行われるように設定されていてもよい。

利用者により音声データの要求指示が行われると、利用者端末１２は、設定条件に対応する音声データの要求を行う（ステップＳ３２）。具体的には、設定条件に従った処理の実行を開始する。音声データの要求の際、利用者端末１２は、ＲＡＭ１２ｂに記憶されている情報の中から、文書ＩＤを取得する。また、「開始位置」として「今読んでいる場所から」が設定された場合は、ＲＡＭ１２ｂに記憶されている情報の中から、今読んでいるページ番号を取得する。取得された文書ＩＤとページ番号は、設定条件の一部として組み込まれる。

利用者端末１２では、設定条件に基づいて、抽出文字数を算出する（ステップＳ３３）。具体的には、まず、利用者端末１２は、記憶装置１２ｃの所定の領域に記憶されている「標準の読み上げ速さ」の情報を取得する。そして、設定条件に含まれる「読み上げ速さ倍率」、「再生時間」を取得する。そして、利用者端末１２は、取得した「標準の読み上げ速さ」、「読み上げ速さ倍率」、「再生時間」を乗算して、文字数を算出する。

文字数が算出されたら、利用者端末１２は、文書データ中から文字データを抽出する（ステップＳ３４）。具体的には、第１の実施形態におけるステップＳ４と同様な処理が行われる。

そして、利用者端末１２は、音声変換サーバ３０に対して、抽出した文字データの音声変換要求を行う（ステップＳ３５）。具体的には、第１の実施形態におけるステップＳ５と同様な処理が行われる。

利用者端末１２から音声変換要求を受信したら、音声変換サーバ３０は、音声変換要求とともに受信した文字データを音声データに変換する（ステップＳ３６）。具体的には、第１の実施形態におけるステップＳ６と同様な処理が行われる。

続いて、音声変換サーバ３０は、利用者端末１２からの音声変換要求に応答して、変換された音声データを利用者端末１２に送信する（ステップＳ３７）。具体的には、第１の実施形態におけるステップＳ７と同様な処理が行われる。利用者端末１２では、ＨＴＴＰ応答とともに受信した音声データを記憶装置１２ｃ内の所定の記憶領域に格納する（ステップＳ３８）。

上記のように、図８のフローチャートに従ってステップＳ３１〜ステップＳ３８に従った処理を実行することにより、設定条件に対応した音声データが利用者端末１２で取得されることになる。利用者は、取得した音声データを、別途、携帯型の音楽プレーヤー、音声再生機能付きのスマートフォン等の音声再生機器に転送して格納することにより、持ち運ぶことが可能となる。条件設定画面において、「今読んでいる場所から」を選択した場合には、利用者が利用者端末１２で読んでいた場所の続きからの音声データが所望の音声再生機器に記録される。そして、利用者は、外出先において、読んでいた続きから音声データを楽しむことが可能になる。

＜２．文書配信システム＞
＜２．１．システム構成＞
次に、本発明の一実施形態に係る文書配信システムについて説明する。図９は、本発明の一実施形態に係る文書配信システムを示す図である。図９において、１１は利用者端末、２１は文書管理サーバ、３０は音声変換サーバ、４０はネットワークである。図９に示した文書配信システムにおいて、図１に示した音声配信システムと同様の構成については、同一符号を付して説明を省略する。利用者端末１１、文書管理サーバ２１、音声変換サーバ３０はインターネット等の公衆のネットワーク４０に接続されており、データの送受信が可能となっている。図９では、一例として利用者端末１１が３台示されているが、実際の接続数は、１台以上の任意の数を接続することが可能である。

利用者端末１１は、上記利用者端末１０と同様、情報処理機能、ネットワーク通信機能、表示機能を備えた端末装置であり、パーソナルコンピュータ等の据置型端末または、スマートフォン、タブレット端末等の携帯型端末により実現される。利用者端末１１は、所定のプログラムが組み込まれることにより、文書管理サーバ２１との通信を行い、文書データの検索を行う。

文書管理サーバ２１は、利用者端末１１からの再生時間を含む検索条件に基づき、記憶手段内に記憶された文書情報を検索し、再生時間に対応する文字数の文書データの情報を検索結果として取得し、利用者端末１１に送信する。音声変換サーバ３０は、音声データへの変換要求があった場合に、文書管理サーバ２１から受信した文字データを音声データに変換する。

利用者端末１１は、上述のように、上記利用者端末１０と同様、パーソナルコンピュータ、スマートフォン、タブレット端末等により実現可能である。パーソナルコンピュータ、スマートフォン、タブレット端末等を用いる場合、Ｗｅｂブラウザを用いる手法や、専用のプログラムを用いる手法により実現することができる。本実施形態では、パーソナルコンピュータにＷｅｂブラウザを組み込んだ場合について説明する。

利用者端末１１のハードウェア構成は、図２に示した利用者端末１０と同様であり、ＣＰＵ１１ａと、ＲＡＭ（Random Access Memory）１１ｂと、記憶装置１１ｃと、指示入力部１１ｄと、データ入出力Ｉ／Ｆ１１ｅと、表示部１１ｆと、通信部１１ｇを備えており、互いにバスを介して接続されている（図示省略）。

文書管理サーバ２１のハードウェア構成は、図３に示した文書管理サーバ２０と同様であり、ＣＰＵ２１ａと、ＲＡＭ２１ｂと、記憶装置２１ｃと、指示入力部２１ｄと、データ入出力Ｉ／Ｆ２１ｅと、通信部２１ｇを備えており、互いにバスを介して接続されている（図示省略）。文書管理サーバ２１は、このようなハードウェア構成の汎用のコンピュータに、専用のプログラムを組み込むことにより実現される。

記憶装置２１ｃには、ＣＰＵ２１ａを動作させ、コンピュータを、文書管理サーバ２１として機能させるための専用のプログラムが実装されている。この専用のプログラムをＣＰＵ２１ａが実行することにより、文書管理サーバ２１は、利用者端末１１により指定された、読み上げ速さ倍率と再生時間を含む音声再生条件に基づいて、文字数を算出する手段、算出された文字数を用いて記憶手段を参照し、対応する文書データを検索する手段、検索により特定された文書データの情報を、利用者端末に送信する手段としての機能、その他後述する様々な処理を実現することになる。また、記憶装置２１ｃは、文書データに対応する文字数を記憶した記憶手段としても機能する。さらに、記憶装置２１ｃは、処理に必要な様々なデータを記憶する。

文書管理サーバ２１内の記憶装置２１ｃには、文書データを特定する識別情報である文書ＩＤと対応付けて文書データに関する情報である文書情報が記憶されている。文書データとは、文字データを含んだ形式のデータである。いわゆる電子書籍データも文書データに含まれる。文字データは、各文字を文字コードにより表現したデータである。文字コードとしては、公知の各種の形式のものを用いることができる。

図１０は、記憶手段である記憶装置２１ｃに記憶された文書情報の一例を示す図である。図１０に示すように、文書情報は、文書名、著者名、文字数を含むメタデータである。文字数は、文書データに含まれる文字数である。図示は省略しているが、各文書に対応付けて、文書データを特定する識別情報である文書ＩＤが記録されている。また、文書情報としては、図１０に図示したもの以外のものが記録されていてもよい。

＜２．２．処理動作＞
次に、本発明の一実施形態に係る文書配信システムの処理動作について説明する。図１１は、本発明の一実施形態に係る文書配信システムの処理動作を示すフローチャートである。

利用者は、利用者端末１１から文書管理サーバ２１にアクセスする。すると、文書管理サーバ２１は、検索画面用データを作成して、アクセス元の利用者端末１１に送信する。そして、利用者端末１１は、受信した検索画面用データの表示処理を行うことにより、表示部１１ｆに検索画面を表示する（ステップＳ１１）。

図１２は、表示部１１ｆに表示される検索画面の一例を示す図である。図１２に示すように、本実施形態では、「再生時間」「読み上げ速さ倍率」の２条件を設定可能となっている。「再生時間」は、文書の最初から最後までを音声として再生するために必要な時間を示すものである。単位としては、時間単位や秒単位で設定できるようにすることも可能であるが、ここでは、分単位で設定できるようになっている。本実施形態では、図１２に示すように、「検索したいコンテンツの長さを指定してください。」というメッセージの下に続いて２つの数値入力欄が用意され、分数の下限と上限を数値で入力することが可能となっている。ここで、「コンテンツ」とは、文書データを意味している。

「読み上げ速さ倍率」は、音声として読み上げる場合の速さの倍率を示すものである。ここでは、標準の読み上げ速さを１倍速としている。本実施形態では、図１２に示すように、「読上げる速さを選択してください。」というメッセージの下に続いてチェックボックスが用意され、１倍速、２倍速、３倍速、４倍速の４種類が設定可能となっている。

図１２に示した検索画面の最下部には、「検索」と表記された検索ボタンが用意されている。この検索ボタンを指示操作することにより、設定された条件による検索処理が開始される。

利用者は、表示された検索画面を利用して、検索条件の設定を行う。図１２の例では、「再生時間」として「１０分」（下限）〜「１５分」（上限）、「読み上げ速さ倍率」として「３倍速」、が設定された状態を示している。検索条件を設定した後、利用者が検索指示を行う。検索指示は、検索画面に用意された検索ボタンを、クリックすることにより行う。利用者により検索指示が行われると、利用者端末１１は、文書管理サーバ２１に対して、検索条件に従った検索要求を行う（ステップＳ１２）。具体的には、ＨＴＴＰ要求とともに、検索条件を文書管理サーバ２１に送信する。

文書管理サーバ２１では、利用者端末１１から検索要求を受信すると、検索要求とともに受信した検索条件に基づいて、検索条件を満たす文書の文字数を算出する（ステップＳ１３）。具体的には、まず、文書管理サーバ２１は、記憶装置２１ｃの所定の領域に記憶されている「標準の読み上げ速さ」の情報を取得する。そして、利用者端末１０から受信した設定条件に含まれる「読み上げ速さ倍率」、「再生時間」を取得する。

そして、文書管理サーバ２１は、取得した「標準の読み上げ速さ」、「読み上げ速さ倍率」、「再生時間」を乗算して、文字数の下限と上限を算出する。例えば、「標準の読み上げ速さ」が「３００文字／分」、「読み上げ速さ倍率」が「３倍速」、「再生時間」が「１０分」である場合、３００×３×１０＝９０００（文字）として文字数が算出される。同様に、「標準の読み上げ速さ」が「３００文字／分」、「読み上げ速さ倍率」が「３倍速」、「再生時間」が「１５分」である場合、３００×３×１５＝１３５００（文字）として文字数が算出される。したがって、図１２に示した例の場合、下限が９０００文字、上限が１３５００文字となる。

文字数が算出されたら、文書管理サーバ２１は、文書の検索を行う（ステップＳ１４）。具体的には、ステップＳ１３において算出された文字数の下限と上限の範囲を満たす文字数の文書を検索する。この条件で図１０に示した文書情報を検索した場合、文書名「○○門」の文書が条件に合致し、検索結果として得られる。

検索結果が得られたら、文書管理サーバ２１は、利用者端末１１に対して、検索要求の応答を行う（ステップＳ１５）。具体的には、検索結果を組み込んだ所定のページデータを作成し、ＨＴＴＰ応答とともに、検索結果データとして利用者端末１１に送信する。利用者端末１１では、ＨＴＴＰ応答として文書管理サーバ２１から検索結果データを受信したら、文書管理サーバ２１から受信した検索結果データを表示部１１ｆに表示する。

図１３は、表示部１１ｆに表示される検索結果の一例を示す図である。図１３に示すように、検索結果としては、文書名、著者名、各倍速による再生時間が表示される。検索条件として設定した「３倍」に対応する再生時間は、他の倍速の再生時間と区別し易いように、所定の強調表示がなされている。

検索結果として得られた文書の音声データを取得することを希望する場合には、この状態で、音声データの要求指示を行う。要求指示は、キーボード上のキーのうち、事前に設定されたキーを押すことにより行われるように設定されていてもよいし、検索結果画面に要求ボタンを用意しておき、要求ボタンをクリックすることにより行われるように設定されていてもよい。

利用者により要求指示が行われると、利用者端末１１は、文書管理サーバ２１に対して音声データの要求を行う（ステップＳ１６）。具体的には、ＨＴＴＰ要求とともに、音声データの要求指示を文書管理サーバ２１に送信する。

利用者端末１１から音声データの要求指示を受信したら、文書管理サーバ２１は、文書データ中から文字データを抽出する（ステップＳ１７）。具体的には、検索結果として取得された文書の文書データ中から文字データを抽出する。この際、まず、文書データ中の開始位置から終了位置までの文字データを特定する。

文字データが特定されたら、文書管理サーバ２１は、文書データから特定された文字データを抽出する。そして、文書管理サーバ２１は、音声変換サーバ３０に対して、音声変換要求を行う（ステップＳ１８）。具体的には、ＨＴＴＰ要求とともに、抽出した文字データを、音声変換サーバ３０に送信する。詳細には、ステップＳ１７において取得された文字データと、検索条件に含まれる「標準の読み上げ速さ」、「読み上げ速さ倍率」の情報を音声変換サーバ３０に送信する。

文書管理サーバ２１から音声変換要求を受信したら、音声変換サーバ３０は、音声変換要求とともに受信した文字データを音声データに変換する（ステップＳ１９）。具体的には、公知の文字音声変換処理により、文字データを音声データに変換する。音声データの形式としては、公知の様々な形式のものを用いることができる。本実施形態では、多くの音楽プレーヤーや、音声再生ソフトウェアに対応しているＭＰ３（MPEG-1 Audio Layer-3）を用いている。

続いて、音声変換サーバ３０は、文書管理サーバ２１からの音声変換要求に応答して、変換された音声データを文書管理サーバ２１に送信する（ステップＳ２０）。具体的には、ＨＴＴＰ応答とともに、音声データを文書管理サーバ２１に送信する。さらに、文書管理サーバ２１は、ＨＴＴＰ応答として音声変換サーバ３０から音声データを受信したら、利用者端末１１からの音声データの要求に応答して、音声変換サーバ３０から受信した音声データを利用者端末１１に送信する（ステップＳ２１）。具体的には、ＨＴＴＰ応答とともに、音声データを利用者端末１１に送信する。すなわち、文書管理サーバ２１は、音声変換サーバ３０から受信した音声データを利用者端末１１に転送する。利用者端末１１では、ＨＴＴＰ応答とともに受信した音声データを記憶装置１０ｃ内の所定の記憶領域に格納する（ステップＳ２２）。

上記のように、図１１のフローチャートに従ってステップＳ１１〜ステップＳ２２に従った処理を実行することにより、検索条件に対応した音声データが利用者端末１１で取得されることになる。利用者は、取得した音声データを、別途、携帯型の音楽プレーヤー、音声再生機能付きのスマートフォン等の音声再生機器に転送して格納することにより、持ち運ぶことが可能となる。

以上、本発明の好適な実施形態について説明したが、本発明は上記実施形態に限定されず、種々の変形が可能である。例えば、上記実施形態では、文書管理サーバと音声変換サーバの２つのサーバを備える構成としたが、文書管理サーバと音声変換サーバが備える機能を、１つのコンピュータが備える構成であってもよい。

１０、１１、１２・・・利用者端末
１０ａ、２０ａ・・・ＣＰＵ
１０ｂ、２０ｂ・・・ＲＡＭ
１０ｃ、２０ｃ・・・記憶装置
１０ｄ、２０ｄ・・・指示入力部
１０ｅ、２０ｅ・・・データ入出力Ｉ／Ｆ
１０ｆ・・・表示部
１０ｇ、２０ｇ・・・通信部
２０、２１・・・文書管理サーバ
３０・・・音声変換サーバ
４０・・・ネットワーク

Claims (10)

1. 利用者が利用する端末装置である利用者端末と、文書データを管理するサーバである文書管理サーバと、文字データを音声データに変換するサーバである音声変換サーバと、が通信可能に接続されたシステムであって、
   前記文書管理サーバは、
   文書データを記憶した記憶手段と、
   前記利用者端末により指定された、読み上げ速さ倍率と再生時間を含む音声再生条件に基づいて、文字数を算出する手段と、
   前記算出された文字数に対応する文字データを、前記文書データから抽出する手段と、
   前記抽出された文字データを、前記音声変換サーバに送信する手段と、
   前記音声変換サーバから取得した音声データを前記利用者端末に送信する手段と、
   を有することを特徴とする音声配信システム。
2. 利用者が利用する端末装置である利用者端末と、文字データを音声データに変換するサーバである音声変換サーバと、が通信可能に接続されたシステムであって、
   前記利用者端末は、
   文書データを記憶した記憶手段と、
   指定された、読み上げ速さ倍率と再生時間を含む音声再生条件に基づいて、文字数を算出する手段と、
   前記算出された文字数に対応する文字データを、前記文書データから抽出する手段と、
   前記抽出された文字データを、前記音声変換サーバに送信する手段と、
   前記音声変換サーバから音声データを受信する手段と、
   を有することを特徴とする音声配信システム。
3. 前記音声変換サーバは、
   送信元から受信した文字データを音声データに変換する手段と、
   得られた音声データを送信元に送信する手段と、
   を有することを特徴とする請求項１または請求項２に記載の音声配信システム。
4. 利用者が利用する端末装置である利用者端末、および文字データを音声データに変換するサーバである音声変換サーバ、と通信可能に接続されたサーバであって、
   文書データを記憶した記憶手段と、
   前記利用者端末により指定された、読み上げ速さ倍率と再生時間を含む音声再生条件に基づいて、文字数を算出する手段と、
   前記算出された文字数に対応する文字データを、前記文書データから抽出する抽出手段と、
   前記抽出された文字データを、前記音声変換サーバに送信する手段と、
   前記音声変換サーバから取得した音声データを前記利用者端末に送信する手段と、
   を有することを特徴とする文書管理サーバ。
5. 前記音声再生条件は更に開始位置の情報を含むものであり、
   前記抽出手段は、前記開始位置の情報に基づいて、前記文字データを、前記文書データから抽出するものであることを特徴とする請求項４に記載の文書管理サーバ。
6. 前記抽出手段は、抽出する文字データの末尾が文章構成単位の途中である場合は、末尾を当該文章構成単位の区切りとなる位置に変更するものであることを特徴とする請求項４または請求項５に記載の文書管理サーバ。
7. 利用者が利用する端末装置である利用者端末と、文書データを管理するサーバである文書管理サーバと、が通信可能に接続されたシステムであって、
   前記文書管理サーバは、
   文書データに対応する文字数を記憶した記憶手段と、
   前記利用者端末により指定された、読み上げ速さ倍率と再生時間を含む音声再生条件に基づいて、文字数を算出する手段と、
   前記算出された文字数を用いて前記記憶手段を参照し、対応する文書データを検索する手段と、
   前記検索により特定された文書データの情報を、前記利用者端末に送信する手段と、
   を有することを特徴とする文書配信システム。
8. 利用者が利用する端末装置である利用者端末と通信可能に接続されたサーバであって、
   文書データに対応する文字数を記憶した記憶手段と、
   前記利用者端末により指定された、読み上げ速さ倍率と再生時間を含む音声再生条件に基づいて、取得する文字数を算出する手段と、
   前記算出された文字数を用いて前記記憶手段を参照し、対応する文書データを検索する手段と、
   前記検索により特定された文書データの情報を、前記利用者端末に送信する手段と、
   を有することを特徴とする文書管理サーバ。
9. 請求項４から請求項６のいずれか一項に記載の文書管理サーバとして、コンピュータを機能させるためのプログラム。
10. 請求項８に記載の文書管理サーバとして、コンピュータを機能させるためのプログラム。
    
    

Images