JP2017167384A - 音声出力処理装置、音声出力処理プログラムおよび音声出力処理方法 - Google Patents

Abstract

【課題】より少ない動作で聞きたい情報をより早く探し出すことが可能な音声出力処理装置、音声出力処理プログラムおよび音声出力処理方法の提供。【解決手段】複数行に渡る文字列からなる文章を画面に表示し、この画面上の指示物体の接触点を表す位置情報を出力する表示入力手段１０と、指示物体により文章の複数行が並ぶ方向に複数行に渡って連続してなぞられた際に、位置情報に基づいて、各行のなぞられた位置の文字列部分をそれぞれ特定する文字列群特定手段１３と、各行のなぞられた位置のそれぞれの文字列部分に対応する音声を合成する音声合成手段１５と、合成された音声を出力する音声出力手段１６とを有する。【選択図】図１

Description

本発明は、文字列を音声に変換して出力する音声出力処理装置、音声出力処理プログラムおよび音声出力処理方法に関する。

近年、パーソナルコンピュータ技術の進歩により、テキスト音声合成ソフトウェアやＯＳの音声出力機能などを用いて、テキストを音声に変換して出力することが可能となっている。従来の音声出力機能では、キーボードなどに割り当てられた早送り対応のキーや画面上のＧＵＩの早送りボタンをポインティングデバイスで押すことにより、再生音声の速度を倍速や３倍速に変更することが可能となっている。

しかしながら、視覚障がい者は目視でテキストを読むことができないため、テキスト中の音声出力されている位置を把握することができず、同じ文章を繰り返し読んだり、重要なところだけをゆっくりと読んだりすることが困難である。そのため、出力される音声だけを頼りに音声合成ソフトウェアの早送りや巻き戻し機能などを駆使して聞きたい情報を探さなければならないため、情報収集にかなりの時間を要する。

ところで、従来のテキスト音声出力処理装置としては、例えば特許文献１に記載のテキスト読み上げ装置が知られている。このテキスト読み上げ装置は、テキストを表示する表示器とポインティングを検出する入力器とが一体化された表示入力デバイスを有し、そのデバイスに表示された文字列を指などでなぞると、そのなぞられた部分の文字列を音声合成により読み上げるというものである。

特に、このテキスト読み上げ装置では、文字列が複数列に渡って表示されているディスプレイ画面上において、指で文字列のある行を水平右向きにトレースすると、そのトレースされた文字列に対応する合成音声を出力するように構成されている。すなわち、このテキスト読み上げ装置では、指の移動が垂直方向の変位成分を有していても、位置データの垂直方向の座標は固定したままで変化させないようにしており、垂直方向の座標は指を画面から一旦離して他の行を接触することにより変更される構成となっている。

特開平９−２６５２９９号公報

前述のように、視覚障がい者はテキスト中の音声出力されている位置を把握することができないため、出力される音声だけを頼りに音声合成ソフトウェアの早送りや巻き戻し機能などを駆使して聞きたい情報を探さなければならない。これに対して特許文献１に記載のテキスト読み上げ装置を使用した場合、行ごとに指で水平右向きにトレースし、指を画面から一旦離して他の行を再び水平右向きにトレースする動作を繰り返し行うことになるため、情報を探すために指を上下左右に頻繁に移動させる必要がある。

そこで、本発明においては、より少ない動作で聞きたい情報をより早く探し出すことが可能な音声出力処理装置、音声出力処理プログラムおよび音声出力処理方法を提供することを目的とする。

本発明の音声出力処理装置は、複数行に渡る文字列からなる文章を画面に表示し、この画面上の指示物体の接触点を表す位置情報を出力する表示入力手段と、指示物体により文章の複数行が並ぶ方向に複数行に渡って連続してなぞられた際に、位置情報に基づいて、各行のなぞられた位置の文字列部分をそれぞれ特定する文字列群特定手段と、各行のなぞられた位置のそれぞれの文字列部分に対応する音声を合成する音声合成手段と、合成された音声を出力する音声出力手段とを有するものである。

また、本発明の音声出力処理方法は、複数行に渡る文字列からなる文章を画面に表示し、この画面上の指示物体の接触点を表す位置情報を出力することが可能な表示入力手段において、指示物体により文章の複数行が並ぶ方向に複数行に渡って連続してなぞられた際に、位置情報に基づいて、各行のなぞられた位置の文字列部分をそれぞれ特定すること、各行のなぞられた位置のそれぞれの文字列部分に対応する音声を合成すること、合成された音声を出力することを含む。

これらの発明によれば、表示入力手段の画面に複数行に渡って表示された文章を、指示物体によりその文章の複数行が並ぶ方向に複数行に渡って連続してなぞると、表示入力手段はなぞられた位置を指示物体の接触点により検出して位置情報として出力し、各行のなぞられた位置のそれぞれの文字列部分に対応する音声が合成され、出力される。

ここで、表示入力手段は、文字列としてテキストデータおよび手書き文字データのいずれか一方または両方を表示するものであり、文字列群特定手段は、表示入力手段に表示される文字列が、テキストデータの場合には当該テキストデータから文字列部分を特定し、手書き文字データの場合には当該手書き文字データから手書き文字認識処理により変換されたテキストデータから文字列部分を特定するものであることが望ましい。これにより、文字列としてテキストデータだけでなく、手書き文字データまたは手書き文字データとテキストデータとが混在したものであっても、その文章を指示物体によりその文章の複数行が並ぶ方向に複数行に渡って連続してなぞると、表示入力手段はなぞられた位置を指示物体の接触点により検出して位置情報として出力し、各行のなぞられた位置のそれぞれの文字列部分に対応する音声が合成され、出力される。

また、本発明の音声出力処理プログラムは、複数行に渡る文字列からなる文章を画面に表示し、この画面上の指示物体の接触点を表す位置情報を出力することが可能な表示入力手段を有するコンピュータを、指示物体により文章の複数行が並ぶ方向に複数行に渡って連続してなぞられた際に、位置情報に基づいて、各行のなぞられた位置の文字列部分をそれぞれ特定する文字列群特定手段と、各行のなぞられた位置のそれぞれの文字列部分に対応する音声を合成する音声合成手段と、合成された音声を出力する音声出力手段として機能させるためのものである。このプログラムを実行したコンピュータによれば、上記本発明の音声出力処理装置と同様の作用、効果を奏することができる。

本発明によれば、複数行に渡って表示された文字列からなる文章、すなわち二次元的に表示された文章を、一方向になぞる動作、すなわちその文章の複数行が並ぶ方向のなぞる動作によって音声出力することができるので、視覚障がい者であっても文章を構成する文字列の位置を二次元的に把握して斜め読みすることが可能となり、より少ない動作で聞きたい情報をより早く探し出すことが可能となる。

本発明の実施の形態における音声出力処理装置のブロック構成図である。 図１の音声出力処理装置の斜め読み機能の説明図である。 図１の音声出力処理装置の詳細読み機能の説明図である。

図１は本発明の実施の形態における音声出力処理装置のブロック構成図、図２は図１の音声出力処理装置の斜め読み機能の説明図、図３は図１の音声出力処理装置の詳細読み機能の説明図である。

図１において、本発明の実施の形態における音声出力処理装置１は、文字列からなる文章を画面に表示し、この画面上の指示物体の接触点を表す位置情報を出力する表示入力手段１０と、文字列データを記憶する記憶手段１１と、文字列データを表示入力手段１０へ出力する表示処理手段１２と、後述する斜め読み機能を実現するための文字列群特定手段１３と、後述する詳細読み機能を実現するための文字列特定手段１４と、音声を合成する音声合成手段１５と、合成された音声を出力する音声出力手段１６とを有する。

表示入力手段１０は、例えば、抵抗膜方式や静電容量方式などのタッチパネルにより実現される。表示入力手段１０は、文字列としてテキストデータおよび手書き文字データのいずれか一方または両方を入力および表示することが可能である。記憶手段１１に記憶される文字列データは、これらのテキストデータおよび手書き文字データである。なお、テキストデータおよび手書き文字データは、この表示入力手段１０により直接入力されたものの他、他の装置により入力されたデータを使用することも可能である。表示処理手段１２は、記憶手段１１に記憶されたこれらの文字列データを表示入力手段１０へ出力する。

表示入力手段１０は、表示処理手段１２から出力された文字列データを図２に示すように複数行に渡る文字列からなる文章２１として画面２０に表示する。なお、本実施形態においては、図２に示すように、文章２１の行の方向をＸ、文章２１の複数行が並ぶ方向をＹとして説明するが、方向Ｙについては方向Ｘに対して直交する方向のみを意味するのではなく、複数行を跨ぐ方向を意味するものとする。また、表示入力手段１０は、その画面上で指示物体３０の接触点を検出し、その位置情報を出力する。指示物体３０は、例えば、操作者の指やスタイラスペンなどのポインタである。

文字列群特定手段１３は、図２に示すように指示物体３０により文章２１の複数行が並ぶ方向Ｙに複数行に渡って連続してなぞられた際に、表示入力手段１０により検出された位置情報に基づいて、各行のなぞられた位置の文字列部分２２Ａ，２２Ｂ，２２Ｃ，２２Ｄ，２２Ｅ，２２Ｆをそれぞれ特定する。ここで、指示物体３０により連続してなぞられるとは、指示物体３０が表示入力手段１０に最初に接触した点から離れることなく複数行に渡って接触しながら連続して移動し、最後に表示入力手段１０から離れるまでの操作をいう。なお、ここで特定する文字列部分２２Ａ〜２２Ｆは、単語単位、文節単位や、所定の文字数（例えば、６〜７文字程度）単位とすることが可能である。これらの文字列部分２２Ａ〜２２Ｆの特定方法については、例えば形態素解析を用いて文章全体を予め品詞別に文字列を切り分ける手法など、様々な公知の言語解析手法を利用可能であるため、詳細な説明を省略する。

文字列特定手段１４は、図３に示すように指示物体３０により文章の行の方向Ｘに連続してなぞられた際に、表示入力手段１０により検出された位置情報に基づいて、なぞられた位置の文字列部分２３を特定する。ここで特定する文字列部分２３は、指示物体３０により文章の行の方向Ｘに連続してなぞられた際に通過する位置にある文字列である。

なお、文字列群特定手段１３および文字列特定手段１４は、表示入力手段１０に表示される文字列が、テキストデータの場合には当該テキストデータから文字列部分２２Ａ〜２２Ｆ，２３を特定し、手書き文字データの場合には当該手書き文字データから手書き文字認識処理により変換されたテキストデータから文字列部分２２Ａ〜２２Ｆ，２３を特定する。

音声合成手段１５は、文字列群特定手段１３により特定された各行のなぞられた位置の文字列部分２２Ａ〜２２Ｆに対応する音声を合成する。また、音声合成手段１５は、文字列特定手段１４により特定された文字列部分２３に対応する音声を合成する。音声合成についてもハイパーテキスト（ＨＴＭＬなど）に用いられるタグを利用した音声タグを文字列内に組み込んでおくことにより、読み上げの速度や男性の声または女性の声の発話の切り替え、音声の高低などをリアルタイムに音声読み上げソフトで切り替えるなど、公知の手法を利用可能であるため、ここでの詳細な説明は省略する。音声出力手段１６は、音声合成手段１５により合成された音声をスピーカーやイヤホン等へ出力する。

上記構成の音声出力処理装置１によれば、利用者は図２に示すように表示入力手段１０の画面２０に複数行に渡って表示された文章２１を、指等の指示物体３０によりその文章２１の複数行が並ぶ方向Ｙに複数行に渡って連続してなぞると、表示入力手段１０はなぞられた位置を指示物体の接触点により検出して位置情報として出力し、各行のなぞられた位置のそれぞれの文字列部分２２Ａ〜２２Ｆに対応する音声が合成され、出力される。

このように、本実施形態における音声出力処理装置１によれば、複数行に渡って表示された文字列からなる文章２１、すなわち二次元的に表示された文章２１を、一方向になぞる動作、すなわちその文章２１の複数行が並ぶ方向Ｙのなぞる動作によって、各行のなぞられた位置のそれぞれの文字列部分２２Ａ〜２２Ｆを音声出力することができるので、視覚障がい者であっても文章２１を構成する文字列の位置を二次元的に把握して斜め読みすることが可能となり、より少ない動作で聞きたい情報をより早く探し出すことが可能となる。

また、利用者は、こうして聞きたい情報を探し出した後、図３に示すように表示入力手段１０の画面２０に表示された文章２１の聞きたい部分の文字列部分２３を、指等の指示物体３０により文章２１の行の方向Ｘに連続してなぞると、このなぞられた位置の文字列部分２３を音声出力することができる。

なお、文章２１の複数行が並ぶ方向Ｙのなぞる動作は一方向に限られず、連続してなぞる際に方向を変化させても良い。要するに、複数行を跨ぐ方向に連続してなぞることで、文字列群特定手段１３により各行のなぞられた文字列部分２２Ａ〜２２Ｆが特定され、音声合成手段１５により音声合成されて、音声出力手段１６により音声出力される。

また、上記実施形態における音声出力処理装置１は、上記各手段１０〜１６としてタブレットコンピュータやスマートフォンなどのコンピュータを機能させるためのテキスト音声出力処理プログラムによっても実現可能である。また、各手段１０〜１６は１つの装置により構成されていても、複数の装置により構成されていても良い。例えば、表示入力手段１０としてのタッチパネルが接続されたパーソナルコンピュータ上を、上記各手段１１〜１６として機能させるためのテキスト音声出力処理プログラムによっても実現可能である。

本発明は、文字列を音声に変換して出力する音声出力処理装置、音声出力処理プログラムおよび音声出力処理方法であり、特に、視覚障がい者や、老眼によって文字を読みづらい高齢者等が利用する音声出力処理装置、音声出力処理プログラムおよび音声出力処理方法として好適である。

１ 音声出力処理装置
１０ 表示入力手段
１１ 記憶手段
１２ 表示処理手段
１３ 文字列群特定手段
１４ 文字列特定手段
１５ 音声合成手段
１６ 音声出力手段

Claims (5)

1. 複数行に渡る文字列からなる文章を画面に表示し、この画面上の指示物体の接触点を表す位置情報を出力する表示入力手段と、
   前記指示物体により前記文章の複数行が並ぶ方向に複数行に渡って連続してなぞられた際に、前記位置情報に基づいて、各行のなぞられた位置の文字列部分をそれぞれ特定する文字列群特定手段と、
   前記各行のなぞられた位置のそれぞれの文字列部分に対応する音声を合成する音声合成手段と、
   前記合成された音声を出力する音声出力手段と
   を有する音声出力処理装置。
2. 前記指示物体により前記文章の行の方向に連続してなぞられた際に、前記位置情報に基づいて、なぞられた位置の文字列部分を特定する文字列特定手段を有し、
   前記音声合成手段は、さらに、前記文字列特定手段により特定された文字列部分に対応する音声を合成するものである
   請求項１記載の音声出力処理装置。
3. 前記表示入力手段は、前記文字列としてテキストデータおよび手書き文字データのいずれか一方または両方を表示するものであり、
   前記文字列群特定手段は、前記表示入力手段に表示される文字列が、前記テキストデータの場合には当該テキストデータから前記文字列部分を特定し、前記手書き文字データの場合には当該手書き文字データから手書き文字認識処理により変換されたテキストデータから前記文字列部分を特定するものである
   請求項１または２に記載の音声出力処理装置。
4. 複数行に渡る文字列からなる文章を画面に表示し、この画面上の指示物体の接触点を表す位置情報を出力することが可能な表示入力手段を有するコンピュータを、
   前記指示物体により前記文章の複数行が並ぶ方向に複数行に渡って連続してなぞられた際に、前記位置情報に基づいて、各行のなぞられた位置の文字列部分をそれぞれ特定する文字列群特定手段と、
   前記各行のなぞられた位置のそれぞれの文字列部分に対応する音声を合成する音声合成手段と、
   前記合成された音声を出力する音声出力手段と
   して機能させるための音声出力処理プログラム。
5. 複数行に渡る文字列からなる文章を画面に表示し、この画面上の指示物体の接触点を表す位置情報を出力することが可能な表示入力手段において、前記指示物体により前記文章の複数行が並ぶ方向に複数行に渡って連続してなぞられた際に、前記位置情報に基づいて、各行のなぞられた位置の文字列部分をそれぞれ特定すること、
   前記各行のなぞられた位置のそれぞれの文字列部分に対応する音声を合成すること、
   前記合成された音声を出力すること
   を含む音声出力処理方法。