JP2021033368A - 読み上げ装置 - Google Patents

Abstract

【課題】首かけが可能で片手で操作でき、利便性に優れた読み上げ装置を提供する。【解決手段】読み上げ装置は、ユーザが装着する装着具に備えられ、前記ユーザの正面方向を撮像する撮像部と、前記撮像部が撮像した画像から文字を抽出する抽出部と、前記抽出部が抽出した文字を音声に変換する変換部と、前記装着具に備えられ、前記音声を発するスピーカと、前記装着具に備えられ、前記ユーザからの操作入力を受け付ける操作入力部と、前記装着具に備えられ、前記操作入力部を介して受け付けた前記ユーザからの入力に基づいて、前記スピーカから発せられる音声の再生制御を行う制御部と、前記スピーカ、前記操作入力部及び前記制御部を保持する筐体部と、を有する。前記筐体部は、前記スピーカが前記音声を発する方向に設けられた板状の壁部において、音声通過孔及び前記操作入力部を外方に露出する露出孔を有する。【選択図】図４

Description

本発明は、文章を音声に変換して読み上げる読み上げ装置に関する。
げ方法に関する。

近年、弱視者や文字を読むことが困難な読字障害者の視認を支援する機器の開発が行われている。例えば、特許文献１には、ロービジョン者が屋外で夜間等にも歩行ができるように、前方視界を撮像し表示することのできるウェアラブルディスプレイが開示されている。特許文献１のロービジョン者用ウェアラブルディスプレイによれば、撮像した画像のコントラスト及び明るさを変換して表示している。また、撮像画像に文字があった場合に文字認識処理を行ってその文字をユーザに音声で知らせることも開示している。

特開２０１４−１６５６１６号公報

ところで、上記特許文献１に記載のロービジョン者用ウェアラブルディスプレイにおいては、文字認識処理によって、その文字をロービジョン者にスピーカーにより伝達するとのみ記載しており具体的にどのように音声を伝えるかについては開示がない。また、特許文献１に記載のロービジョン者用ウェアラブルディスプレイの場合、毎回の操作において顔面付近に手を運んで操作する構成のため、視野に関する情報を音で聞きたい時にすぐ反応出来なかったり、音の聞き漏らしや再生速度の変更時にも、手を顔近くまで持っていく必要があり、ユーザビリティに欠けるという問題がある。

そこで、本発明は上記問題に鑑みて成されたものであり、首かけ形状が可能で本体をユーザの胴体付近に配置することで、片手で操作できるとともに、使用するユーザにとって上記特許文献１に記載のロービジョン者用ウェアラブルディスプレイよりも利便性に優れた読み上げ装置を提供することを目的とする。

上記課題を解決するため、本発明の読み上げ装置は、ユーザが身に着けて使用する装着具に備えられ、前記ユーザの正面方向を撮像する撮像部と、前記撮像部が撮像した画像から文字を抽出する抽出部と、前記抽出部が抽出した文字を音声に変換する変換部と、前記装着具に備えられ、前記音声を発するスピーカーと、前記装着具に備えられ、前記ユーザからの操作入力を受け付ける１又は複数の操作入力部と、前記装着具に備えられ、前記１又は複数の操作入力部によって受け付けられた前記ユーザからの入力に基づいて、前記スピーカーから発せられる音声の再生制御を行う制御部と、前記スピーカー、前記１又は複数の操作入力部及び前記制御部を保持する筐体部と、を有し、前記筐体部は、前記スピーカーが前記音声を発する方向に設けられた板状の壁部を有し、前記壁部に、前記スピーカーが発した前記音声が通過する音声通過孔及び前記１又は複数の操作入力部のうちの１の操作入力部を外方に露出する露出孔を有することを特徴とする。

上記構成によって、本発明は、首かけ形状が可能で本体をユーザの胴体付近に配置することで、片手で操作できるとともに、使用するユーザにとって上記特許文献１に記載のロービジョン者用ウェアラブルディスプレイよりも利便性の向上を図ることが可能となる。

装着具を装着しているユーザの外観例を示す図である。 装着具を用いて撮像を行って読み上げを行う外観例を示す図である。 読み上げ装置の構成例を示す図である。 コントローラ１５０の外観図である。 コントローラ１５０の外観図である。 コントローラ１５０の内部の部品構成を示す図である。 コントローラ１５０の内部の部品構成を、正面側から見た図である。 （ａ）は、装着具がサーバに送信するデータの構成例を示す図であり、（ｂ）は、サーバがユーザ毎に記憶する読み上げ音声情報の構成例を示す図である。 装着具とサーバとのやり取りを示すシーケンス図である。 装着具の動作を示すフローチャートである。 サーバの動作を示すフローチャートである。 画像から優先的に文字を抽出する範囲例を示す図である。 地図を利用した読み上げ音声の再生を行うための画面例を示す図である。 読み上げ装置の構成の別例を示す図である。

以下、本発明の一実施態様に係る読み上げシステムについて、図面を参照しながら詳細に説明する。

＜実施の形態＞
＜構成＞
図１Ａは、読み上げシステム１に係る装着具１００を装着しているユーザの外観例を示す図である。また、図１Ｂは、装着具１００を用いて撮像を行い、読み上げを行っている様子を示す外観例を示す図である。また、図２は、読み上げシステム１のシステム構成例を示す図である。

図１及び図２に示すように、読み上げシステム１は、ユーザが身に着けて使用する装着具１００に備えられ、ユーザの正面方向を撮像する撮像部１１１と、撮像部１１１が撮像した画像から文字を抽出する抽出部２３１と、抽出部２３１が抽出した文字を音声に変換する変換部２３２と、装着具１００に備えられ、音声を出力する出力部１５６と、装着具１００に備えられ、ユーザからの入力操作を受け付ける操作入力部としての入力部１５４と、装着具１００に備えられ、入力部１５４を介して受け付けたユーザからの入力に基づいて、出力部１５６から出力される音声の再生速度を制御する制御部１５５と、を備える。このような読み上げシステム１について、以下詳細に説明する。

図１Ａ及び１Ｂに示すように、ユーザ１０は、ウェアラブルグラス１１０を装着して使用する。本実施例においては、ウェアラブルグラス１１０は、通常のメガネに撮像ユニット（撮像部１１１と通信Ｉ／Ｆ１１２と不図示のシャッタースイッチからなる）を取り付けた装置であるとする。

当該撮像ユニットは、市販のメガネのフレームに対して着脱可能になっている。そして当該撮像ユニットがメガネのフレームに取り付けられた状態においては、ウェアラブルグラス１１０には、ユーザからの指示に従って、ユーザの正面方向を撮像できる位置に、撮像部１１１が配されている。

なお、本実施例においては撮像ユニットにシャッタースイッチ（不図示）が配置されており、ユーザはメガネを触る動作とほぼ同じような動作でシャッターボタンを押下して撮像可能である。

撮像部１１１は、所謂カメラである。撮像ユニットは、ケーブル１４０を介してコントローラ１５０に接続されている。なお、ケーブル１４０は、イヤホン１３０を経由して、撮像ユニットとコントローラ１５０をコード１２０を介して接続するようにしても良い。

また、ユーザ１０は、イヤホン１３０を耳に装着し、コントローラ１５０から伝達された読み上げ音声を聞くことができる。イヤホン１３０は、コード１２０を介してコントローラ１５０に接続されている。後で説明するように、ユーザ１０は、コントローラ１５０に備えつけられたスピーカー１５０２からの音声を直接聞いてもよい。図１Ａに示すように、ユーザ１０は、コントローラ１５０を保持し、当該コントローラ１５０を用いて、撮像の指示や、読み上げ音声の再生に係る指示を行うことができる。図１Ｂに示すように、ユーザが撮像指示を行うと、撮像部１１１は、撮像範囲１６０を撮像する。そして、撮像範囲１６０に含まれる文字を認識し、その文字を機械合成音声に変換して読み上げる。したがって、読み上げシステム１は、弱視者等に対して読みにくい文字の情報を提供することができる。

図２は、読み上げシステム１のシステム構成例であり、読み上げシステム１は、装着具１００と、サーバ２００とを含む。装着具１００と、サーバ２００とは、ネットワーク３００を介して通信可能に構成されている。装着具１００とネットワーク３００は、無線通信により通信を行う。なお、無線通信を実行できれば、どのような通信プロトコルを用いてもよい。また、サーバ２００もネットワークと通信を行うが、これは、無線通信でも有線通信でもいずれの通信態様をとってもよく、また、通信を実行できればどのような通信プロトコルを用いてもよい。

図２に示すように、装着具１００は、ウェアラブルグラス１１０と、イヤホン１３０と、コントローラ１５０とを備える。即ち、本実施の形態においては、図２に示すように、ウェアラブルグラス１１０と、イヤホン１３０と、コントローラ１５０とを纏めて装着具１００として呼称する。また、ここでは、ウェアラブルグラス１１０としているが、ユーザ１０の正面方向（視野方向）を撮像できるものであればよく、眼鏡に限るものではないことは言うまでもない。

ウェアラブルグラス１１０は、撮像部１１１と、通信Ｉ／Ｆ１１２を備える。

撮像部１１１は、ユーザの正面方向を撮像可能なカメラである。撮像部１１１は、通信Ｉ／Ｆ１１２から指示された撮像信号を受けて撮像を行う。撮像部１１１は、ユーザの正面方向を撮像可能に設けられていればウェアラブルグラス１１０のどこに設けられてもよい。

図１においては、ウェアラブルグラスの左側丁番部分に設ける例を示しているが、撮像部１１１は、右側丁番部分に設けることとしてもよいし、ブリッジ部分に設けることとしてもよい。撮像部１１１は、撮像して得られた撮像画像を、通信Ｉ／Ｆ１１２に伝達する。

また、撮像部１１１は、逐次撮像を行いながら、撮像画像を解析して撮像画像中の文字の有無を検出する検出機能を有してよく、このとき、撮像画像中に文字が含まれていると判定した場合に、ユーザの正面方向に文字が存在すること旨を示す存在信号を通信Ｉ／Ｆ１１２に伝達する。

通信Ｉ／Ｆ１１２は、コントローラ１５０と通信を行う機能を有する通信インターフェースである。通信Ｉ／Ｆ１１２は、コントローラ１５０の通信Ｉ／Ｆ１５１と通信可能に接続されている。ここでは、図１に示すように有線により接続されていることとするが、これは、無線接続であってもよい。通信Ｉ／Ｆ１１２は、コントローラ１５０の通信Ｉ／Ｆ１５１から伝達された撮像信号を撮像部１１１に伝達する。また、通信Ｉ／Ｆ１１２は、撮像部１１１から伝達された撮像画像や、ユーザの正面方向に文字が存在することを示す存在信号を、通信Ｉ／Ｆ１５１に伝達する。

イヤホン１３０は、コントローラ１５０の出力部１５６に接続されており、出力部１５６から伝達された音声信号を音声として出力する機能を有する。ここでは、図１に示すように、イヤホン１３０は有線によりコントローラ１５０と接続されていることとするが、これは、無線接続であってもよい。イヤホン１３０は、撮像画像に基づいて検出された文字を読み上げた読み上げ音声や、文字の解析中であることを示す音や、撮像部１１１の正面方向に文字があることを示す音を出力する。

スピーカー１５０２は、コントローラ１５０の出力部１５６に接続されており、出力部１５６から伝達された音声信号を音声として発する機能を有する。スピーカー１５０２は、コントローラ１５０と情報通信可能に、例えば有線により接続されている。スピーカー１５０２は、撮像画像に基づいて検出された文字を読み上げた読み上げ音声や、文字の解析中であることを示す音声や、撮像部１１１の正面方向に文字があることを示す音声を出力する。

コントローラ１５０は、通信Ｉ／Ｆ１５１と、通信部１５２と、記憶部１５３と、入力部１５４と、制御部１５５と、出力部１５６とを備える。図１に示すように、コントローラ１５０の各部は互いにバスにより接続されている。

通信Ｉ／Ｆ１５１は、ウェアラブルグラス１１０の通信Ｉ／Ｆ１１２と通信を行う機能を有する通信インターフェースである。通信Ｉ／Ｆ１５１は、制御部１５５から撮像信号を受け取ると、当該撮像信号を通信Ｉ／Ｆ１１２に伝達する。また、通信Ｉ／Ｆ１５１は、通信Ｉ／Ｆ１１２から撮像画像や存在信号を受け取ると、制御部１５５に伝達する。

通信部１５２は、ネットワーク３００を介してサーバ２００と通信を実行する機能を有する通信インターフェースである。通信部１５２は、制御部１５５からの指示に従って、撮像画像をサーバ２００に送信部として機能するとともに、撮像画像に含まれる文字を音声に変換した読み上げ音声をサーバ２００から受信する受信部として機能する。通信部１５２は、サーバ２００から読み上げ音声を受信した場合には、当該読み上げ音声を制御部１５５に伝達する。

記憶部１５３は、コントローラ１５０が機能するために必要とする各種のプログラムやデータを記憶する機能を有する。記憶部１５３は、例えば、ＨＤＤ（Hard Disc Drive）、ＳＳＤ（Solid State Drive）、フラッシュメモリなどにより実現することができるが、これらに限定されるものではない。

記憶部１５３は、制御部１５５によって実行される読み上げプログラムや、撮像部１１１が撮像した撮像画像や、通信部１５２が受信した読み上げ音声の情報などを記憶する。

また、記憶部１５３は、音声の読み上げ以外のタイミングでユーザに対する告知のために発する音声情報を記憶する。音声情報には、例えば、通信部１５２が撮像画像をサーバ２００に送信してから読み上げ音声を受信するまでの間に出力部１５６から出力される音声であって、文字を音声に変換中であることを示す音声情報や、撮像部１１１の撮像方向に文字があった場合にユーザ１０にその旨を報知するための音声情報等が含まれる。

入力部１５４は、ユーザ１０からの入力操作を受け付けることができる。入力部１５４は、例えば、コントローラ１５０に備えられたハードキーにより実現することができるが、これは、タッチパネルなどにより実現することとしてもよい。

入力部１５４は、少なくとも、ユーザ１０が撮像部１１１に対して撮像を指示するためのシャッターボタン１５０１を含む。入力部１５４は、シャッターボタン１５０１の他に、例えば、音声のリプレイを指示するためのリプレイスイッチ１５０７、音声の再生速度を調整するための速度変更スイッチ１５０８、音声の音量を変更する音量スイッチ１５１１等を含んでもよい。入力部１５４は、各ボタンの押下に応じて、押下された内容を示す信号を制御部１５５に伝達する。

制御部１５５は、コントローラ１５０の各部を制御する機能を有するプロセッサである。制御部１５５は、記憶部１５３に記憶されている各種プログラムを実行することで、コントローラ１５０として実行すべき機能を果たす。

制御部１５５は、入力部１５４から撮像指示を伝達された場合には、通信Ｉ／Ｆ１５１に撮像信号をウェアラブルグラス１１０に送信するように指示する。

また、制御部１５５は、通信Ｉ／Ｆ１５１から撮像画像を伝達された場合には、当該撮像画像をサーバ２００に送信するように通信部１５２に指示する。また、当該指示の後に、制御部１５５は、記憶部１５３から、撮像画像に含まれる文字の音声への変換中であることを示す音声情報を読み出し、出力部１５６に出力するように指示する。

制御部１５５は、通信部１５２から読み上げ音声を伝達された場合には、変換中であることを示す音声情報の出力の停止を出力部１５６に指示する。そして、制御部１５５は、読み上げ音声を出力するように出力部１５６に指示する。

また、制御部１５５は、通信Ｉ／Ｆ１５１から存在信号を伝達された場合には、記憶部１５３からユーザ１０の正面方向に文字が存在することを示す音声を読み出して、出力部１５６に出力するように指示する。

また、制御部１５５は、入力部１５４から伝達されたユーザ１０からの指示に応じて読み上げ音声の再生制御処理を実行する。例えば、一時停止指示を受け付けた場合には、読み上げ音声の再生を一時中止するように出力部１５６に指示する。

また、例えば、スロー再生指示を受け付けた場合には制御部１５５は読み上げ音声のスロー再生を実行するように出力部１５６に指示する。スロー再生指示は、再生速度の調整指示によって代替することもでき、制御部１５５は、読み上げ音声の再生速度を早くしたり遅くしたりすることもできる。また、制御部１５５は、リプレイ指示を受け付けた場合には、それまでに出力していた読み上げ音声をもう一度再生するように出力部１５６に指示する。

出力部１５６は、制御部１５５から指示された音声信号をイヤホン１３０及びスピーカー１５０２のうち、少なくとも一方に出力する機能を有する。出力部１５６は、読み上げ音声や、文字の音声への変換中を示す音声や、文字がユーザ１０の正面方向に文字が存在することを示す音声を、イヤホン１３０及びスピーカー１５０２のうち、少なくとも一方に出力する。

以上が、装着具１００の構成についての説明である。

次にサーバ２００について説明する。図２に示すようにサーバ２００は、通信部２１０と、記憶部２２０と、制御部２３０とを備える。通信部２１０と、記憶部２２０と、制御部２３０とは互いにバスを介して接続されている。

通信部２１０は、ネットワーク３００を介して装着具１００（コントローラ１５０）と通信を実行する機能を有する通信インターフェースである。通信部２１０は、制御部２３０からの指示に従って、読み上げ音声を装着具１００に送信する送信部として機能するとともに、撮像画像を受信する受信部として機能する。通信部２１０は、装着具１００から撮像画像を受信した場合には、当該撮像画像を制御部２３０に伝達する。

記憶部２２０は、サーバ２００が動作上必要とする各種プログラムやデータを記憶する。記憶部２２０は、例えば、ＨＤＤ（Hard Disc Drive）、ＳＳＤ（Solid State Drive）、フラッシュメモリなどにより実現することができるが、これらに限定されるものではない。記憶部２２０は、画像から文字を抽出するための文字認識プログラムや、認識した文字を音声変換するための音声変換プログラムや、読み上げ音声情報を記憶する。読み上げ音声情報の詳細については、後述する。

制御部２３０は、サーバ２００の各部を制御する機能を有するプロセッサである。制御部２３０は、記憶部２２０に記憶されている各種プログラムを実行することで、サーバ２００として実行すべき機能を果たす。制御部２３０は、文字認識プログラムを実行することで、抽出部２３１として機能し、音声変換プログラムを実行することで変換部２３２として機能する。

抽出部２３１は、撮像画像を解析して、当該撮像画像内に含まれる文字を抽出する機能を有する。当該解析技術には、既存の文字認識処理を用いることができる。

変換部２３２は、抽出部２３１が抽出した文字を音声（読み上げ音声）に変換する機能を有する。当該変換技術には、既存の変換処理を用いることができる。

以上が、サーバ２００の構成についての説明である。

＜コントローラ１５０の構成＞
図３Ａ及び３Ｂは、コントローラ１５０の外観図である。図３Ａに示すように、コントローラ１５０は直方体状に形成されている。したがって、コントローラ１５０の各面は矩形（長方形）に形成されている。なお、本コントローラ１５０の各面は必ずしも矩形でなくてもよく、設計やデザインに応じて曲線や曲面が含まれても良い。

本実施例において、図１Ａに示したコントローラ１５０をユーザが首からかけた状態において、ユーザに対して外側を向いている（撮像部１１１の撮像方向）面を正面ＦＳ（第１の面）とする。ユーザ側に対して内側、すなわちユーザの体の方向を向いている（対向している）又はユーザの体と接している面を背面ＢＫとする。ユーザの顔方向（重力方向の上側）を向いている面を上面ＵＳ（第２の面）、ユーザの足方向（重力方向の下側）を向いている面を底面ＢＴ（第３の面）とする。ユーザの左手側にある面を左側面ＬＳ（第４の面）、ユーザの右手側にある面を右側面ＲＳとする。

コントローラ１５０の正面ＦＳには、ユーザからの撮像操作を受け付けるシャッターボタン１５０１が設けられている。シャッターボタン１５０１は、正面ＦＳに対して垂直な方向に突出するように露出して設けられている。コントローラ１５０の正面ＦＳには、スピーカー１５０２から発せられた音声がコントローラ１５０の外部に出力される音声通過孔ＳＨが設けられている。

コントローラ１５０の右側面ＲＳには、スピーカー１５０２及びイヤホン１３０において再生される音声の速度を変更する速度変更スイッチ１５０８及びＵＳＢ（Universal Serial Bus）端子を接続可能な端子部１５６Ａが配置されている。

コントローラ１５０の上面ＵＳには、スピーカー１５０２及びイヤホン１３０において１度再生された音声を再度再生させるリプレイスイッチ１５０７が設けられている。

上面ＵＳから左側面ＬＳに移行する部位においては、ストラップを取り付け可能なストラップ取付部１５００Ａが設けられている。また、上面から右側面ＲＳに移行する部位においては、ストラップを取り付け可能なストラップ取付部１５００Ｂが設けられている。尚、ストラップは、紐状に形成されるもので、両端には、例えば、ナス環状の接続部材が設けられていてもよい。

ストラップ取付部１５００Ａ、１５００Ｂは、ストラップの端部の一方と接続可能に形成されている。本実施例においては、ストラップ取付部１５００Ａ、１５００Ｂは、コントローラ１５０の表面から窪んで凹状に形成された凹部及びこの凹部内において正面ＦＳから背面ＢＫに向かって形成されている棒状の引っ掛け部を有している。

尚、ストラップ取付部１５００Ａ、１５００Ｂは、コントローラ１５０の任意に配置することができる。例えば、左側面ＬＳから正面ＦＳに移行する部位にストラップ取付部１５００Ａを設け、かつ右側面ＲＳから正面ＦＳに移行する部位にストラップ取付部１５００Ｂを設けてもよい。また、例えば、左側面ＬＳから上面ＵＳに移行する部位にストラップ取付部１５００Ａを設け、かつ左側面ＬＳから底面ＢＴに移行する部位にストラップ取付部１５００Ｂを設けてもよい。

図３Ｂは、底面ＢＴ側からみたコントローラ１５０の外観を示している。図３Ｂに示すように、コントローラ１５０の底面ＢＴには、イヤホンジャック１５０９及びＨＤＭＩ（登録商標）端子１５６Ａが設けられている。イヤホン１３０は、コード１２０を介してイヤホンジャック１５０９に接続されることで、コントローラ１５０に接続されている。また、コントローラ１５０の右側面ＲＳには、ＵＳＢ端子１５６Ａが設けられている。

このように、ストラップ取り付け部１５００Ａ、１５００Ｂに取り付けたストラップをユーザが肩（首）にかけることによって身に着けて使用するため、コントローラ１５０の上面ＵＳは、ユーザが首を下に向けたときに見える。

尚、正面ＦＳの反対側には背面ＢＫが形成されている。正面ＦＳおよび背面ＢＫは、本コントローラ１５０の面の中で最も面積が大きい面である。

また、本コントローラ１５０の左側面ＬＳおよび右側面ＲＳに対して直交する軸をＸ軸とし、右側面ＲＳからみて左側面ＬＳが位置する方向を正方向とする。同様に、本コントローラ１５０の上面ＵＳおよび底面ＢＴに対して直交する軸をＹ軸とし、底面ＢＴから見て上面ＵＳが位置する方向を正方向とする。また、正面ＦＳおよび背面ＢＫに対して直交する軸をＺ軸とし、背面ＢＫから見て正面ＵＳが位置する方向を正方向とする。

このとき、本コントローラ１５０のＸ軸、Ｙ軸、Ｚ軸方向の長さは、次の関係が成り立つ。すなわち、コントローラ１５０のＺ軸方向の長さ（ＸＬ）＜コントローラ１５０のＹ軸方向の長さ（ＹＬ）＜コントローラ１５０のＸ軸方向の長さ（ＺＬ）となっている。また、コントローラ１５０のＹ軸方向の長さ（ＹＬ）は人が手で握れる程度にするとよい。

図４は、コントローラ１５０の内部の構成を示した図である。第１の筐体１５０Ａは、背面ＢＫとなる壁部を含み板状に形成されている。第１の筐体１５０Ａは、コントローラ１５０に搭載する電子機器に応じてリブＲＢが形成されている。

第２の筐体１５０Ｂは、正面ＦＳ、上面ＵＳ、底面ＢＴ、右側面ＲＳ及び左側面ＬＳとなる壁部を含む。正面ＦＳ、上面ＵＳ、底面ＢＴ、右側面ＲＳ及び左側面ＬＳとなる壁部は、板状に形成されている。筐体１５０Ｂは、正面となる壁部に対して垂直な方向の断面がコ字状に形成されている。

第２の筐体部１５０Ｂは、正面ＦＳとなる壁部において、スピーカー１５０２から発せられた音声を通過させる音声通過孔ＳＨが設けられている。音声通過孔ＳＨは、正面ＦＳとなる壁部において当該正面に対して垂直方向に貫通するように形成されている。

第２の筐体部１５０Ｂは、正面ＦＳとなる壁部において、入力部１５４のうちの１つであるシャッターボタン１５０１外方に露出する露出孔ＥＰを有する。露出孔ＥＰは、正面ＦＳとなる壁部において当該正面に対して垂直方向に貫通するように形成されている。

第１の筐体１５０Ａ及び第２の筐体１５０Ｂは、互いにネジ等の螺合部材によって締結可能に形成されている。従って、第１の筐体１５０Ａの背面となる部材及び第２の筐体の正面、上面、底面、右側面並びに左側面となる部材によってコントローラ１５０に搭載する電子機器を収容可能な収容空間が画定されている。すなわち、第１の筐体１５０Ａ及び第２の筐体１５０Ｂは、Ｚ軸方向に互いに組み合わさることが可能である。従って、第１の筐体１５０Ａ及び第２の筐体１５０Ｂによって、コントローラ１５０の筐体部が構成されている。

筐体部の収容空間には、少なくともスピーカー１５０２、入力部１５４部及び制御部１５５を保持し、各種電子部品が配置されている。具体的には、コントローラ１５０の筐体部には、シャッターボタン１５０１、スピーカー１５０２、スピーカー１５０２と通信を行う通信部としての通信ユニット１５０３、バッテリ１５０４、第一の基板ユニット１５０５、第２の基板ユニット１５０６、リプレイスイッチ１５０７、速度変更スイッチ１５０８、イヤホンジャック１５０９、ＨＤＭＩ（登録商標）端子１５６Ａ、本実施例においてはダイアル式である音量スイッチ１５１１及び電源スイッチＰＳ等の電子部品が保持されている。

第１の筐体１５０Ａ上には、板状の第１の基板ユニット１５０５が搭載されている。第１の基板ユニット１５０５は、第１の筐体１５０Ａ上において、背面ＢＫの長手方向の一端側に搭載されている。図中において、第１の基板ユニット１５０５上には、信号演算を行うプロセッサ（制御部１５５）やトランジスタ等の他の電子部品が搭載されている。

第１の基板ユニット１５０５上には、板状の第２の基板ユニット１５０６が搭載されている。第２の基板ユニット１５０６は、第１の基板ユニット１５０５と互いに対向して配置されている。

ここで、プロセッサ（制御部１５５）やトランジスタ等の他の電子部品は、第１の基板ユニット１５０５及び第２の基板ユニット１５０６のうち、いずれかに搭載されていればよい。

プロセッサやトランジスタ等の他の電子部品は、Ｚ軸方向に見て第１の基板ユニット１５０５および第２の基板ユニット１５０６の間に配置される。言い換えれば、プロセッサやトランジスタ等の他の電子部品は、第１の基板ユニット１５０５に搭載される場合は、正面ＦＳ側に配置される。また、当該他の電子部品は、第２の基板ユニット１５０６に搭載される場合は、背面ＢＫ側に配置される。

つまり、第１の基板ユニット１５０５に電子部品が配置されていれば電子部品がＺ軸方向正側に突出するように、第２の基板ユニット１５０６に電子部品が配置されていれば電子部品がＺ軸方向負側に突出するように配置される。

また、第１の基板ユニット１５０５および第２の基板ユニット１５０６の間に入力部１５４、たとえばリプレイスイッチ１５０７や速度変更スイッチ１５０８、音量スイッチ１５１１が配置される。また、端子部１５６Ａの例であるイヤホンジャック１５０９や不図示のＨＤＭＩ（登録商標）端子が配置されている。

こうすることで、スイッチ、端子、および電子部品を第１の基板ユニット１５０５および第２の基板ユニット１５０６の間に配置できるため、Ｚ軸方向の厚みを最小化することができる。

第１の筐体１５０Ａ上には、直方体状のバッテリ１５０４が搭載されている。バッテリ１５０４は、制御部１５５に電力を供給する。バッテリ１５０４は、第１の筐体１５０Ａ上において、背面ＢＫの長手方向の他端側から一端側に向かって延在するように搭載されている。バッテリ１５０４の第１の筐体１５０Ａの他端側には、コントローラ１５０の電源ボタンＰＳ が接続されている。

第１の筐体１５０Ａ上には、直方体状の通信ユニット１５０３が搭載されている。通信ユニット１５０３は、第１の筐体１５０Ａ上において、背面ＢＫの長手方向の他端側から一端側に向かって延在するように搭載されている。また、通信ユニット１５０３は、バッテリ１５０４と互いに対向するように配置されている。通信ユニット１５０３及びバッテリ１５０４は、互いに対向する面が平行となるように配置されている。

通信ユニット１５０３上には、円筒状のスピーカー１５０２が搭載されている。スピーカー１５０２は、音声を発する方向が正面に向けて配置されている。スピーカー１５０２及び通信ユニット１５０３は、Ｚ軸（コントローラ１５０の壁部の壁面（正面ＦＳ）に垂直な方向）に重なって配されている。

第２の基板ユニット１５０６上には、円筒状のシャッターボタン１５０１が搭載されている。シャッターボタン１５０１は、第１の筐体１５０Ａ及び第２の筐体１５０Ｂが締結された際に、第２の筐体１５０Ｂの露出孔ＥＰと嵌合可能に搭載されている。

このように、筐体部は、スピーカー１５０２が音声を発する方向に設けられた正面ＳＦの壁部において、音声通過孔ＳＨ及び露出孔ＥＰが形成されている。

尚、コントローラ１５０には、不図示のイヤホン１３０及びスピーカー１５０２のうちの少なくとも一方から再生される音声の音量を変更する音量変更スイッチ なども配置されていてもよい。

なお、スピーカー１５０２および通信ユニット１５０３のＺ軸方向の厚さは、バッテリ１５０４のＺ軸方向の厚さよりも薄いものとする。つまり、スピーカー１５０２のＺ軸方向の厚さをＺ１５０２、通信ユニット１５０３のＺ軸方向の厚さをＺ１５０３、バッテリ１５０４のＺ軸方向の厚さをＺ１５０４とすると、Ｚ１５０２＜Ｚ１５０４とＺ１５０３＜Ｚ１５０４の関係が成立する。言い換えれば、スピーカー１５０２、通信ユニット１５０３及びバッテリ１５０４は、筐体部の壁部（正面ＦＳ）に対して垂直な方向の高さが互いに異なる。また、Ｚ１５０２＋Ｚ１５０３≦Ｚ１５０４の関係が成立する。言い換えれば、スピーカー１５０２と通信ユニット１５０３のＹ軸方向（正面ＦＳの短手方向）の長さの合計が、バッテリ１５０４のＹ軸方向（正面ＦＳの短手方向）の長さと同じもしくは短い。

図５は、コントローラ１５０の内部の部材を、Ｚ軸方向正側から見た図である。

スピーカー１５０２と通信ユニット１５０３は、Ｚ軸方向から見て（正面ＦＳに垂直な方向、すなわち上面視）重なって配置されている。スピーカー１５０２は、通信ユニット１５０３よりも正面ＦＳ側（Ｚ軸方向正側）に配置されている。スピーカー１５０２は、正面ＦＳにむけて音声を発するように配置されている。通信ユニット１５０３は、スピーカー１５０２よりも背面ＢＫ側（Ｚ軸方向負側）に配置されている。

なお、スピーカー１５０２は、コントローラ１５０の正面ＦＳ側から音声を発する必要がある。これは、スピーカー１５０２が背面ＢＫ側から音声を発すると、コントローラ１５０を首かけ方式（図１Ａのような掛け方）で使用する際に、音が身体側の方に出ることになり、例えば、視覚障害のあるユーザへの補助となるべき音声が聞こえにくくなってしまうためである。

また、スピーカー１５０２および通信ユニット１５０３は、バッテリ１５０４とコントローラ１５０のＹ軸方向（正面ＦＳの短手方向）に重なって（沿って）並んで配置されているが、Ｘ軸方向（正面ＦＳの長手方向）およびＺ軸方向には重なっていない。通信ユニット１５０３とバッテリ１５０４はどちらも上面視が矩形形状であり、各々の長手方向がＸ軸方向（正面ＦＳの長手方向）に沿って配置され、各々の短手方向がＹ軸方向（正面ＦＳの短手方向）に沿って配置されている。

図５に示すように、第１の基板ユニット１５０５および第２の基板ユニット１５０６は、スピーカー１５０２および通信ユニット１５０３と隣接して配置され、かつバッテリ１５０４と隣接して配置されている。

第１の基板ユニット１５０５および第２の基板ユニット１５０６は、スピーカー１５０２および通信ユニット１５０３からみてＸ軸方向の正方向に配置され、かつバッテリ１５０４からみてＸ軸方向の正方向に配置されている。

なお、第１の基板ユニット１５０５よりも第２の基板ユニット１５０６の方がＺ軸方向の正方向（正面ＦＳ側）に配置されている。上述のように、これらの基板ユニット１５０５、１５０６はＺ軸方向に重なるように配置されている。

スピーカー１５０２及びシャッターボタン１５０１は、Ｘ軸方向（正面ＦＳの壁部の長手方向）に沿って並んで配されている。また、スピーカー１５０２及びバッテリ１５０４は、Ｙ軸方向（正面ＦＳの壁部の短手方向）に沿って並んで配されている。

このように各部材を配置することで、スピーカー１５０２および通信ユニット１５０３、バッテリ１５０４、並びに第１の基板ユニット１５０５および第２の基板ユニット１５０６の各部材を効率的に筐体部内に配置し、Ｘ軸およびＹ軸方向に効率よく各部材１５０２，１５０３，１５０４，１５０５，１５０６を配置できるとともに、Ｚ軸方向の厚みを最小化することができる。

＜データ＞
図６は、読み上げシステム１に係るデータのデータ構成例を示す図である。

図６（ａ）は、装着具１００（コントローラ１５０）がサーバ２００に送信する送信データ３１０（撮像画像）のデータ構成例（フォーマット例）を示す図である。

図６（ａ）に示すように、送信データ３１０は、ユーザＩＤ３１１と、撮像画像情報３１２と、撮像時間情報３１３とが対応付けられた情報である。

ユーザＩＤ３１１は、装着具１００を使用するユーザ１０を一意に特定することができる識別情報である。これにより、サーバ２００は、どのユーザからの撮像画像であるかを特定できるとともに、ユーザ毎に撮像画像や生成した読み上げ音声を管理することができる。

撮像画像情報３１２は、撮像部１１１が撮像した撮像画像の実データを示す情報である。

撮像時間情報３１３は、撮像画像情報３１２で示される撮像画像が撮像された日時を示す情報である。当該情報は、図示ししてないが、撮像部１１１の内部時計から取得することができる。

図６（ｂ）は、サーバ２００の記憶部２２０に記憶されており、読み上げシステム１を利用するユーザ毎に管理する読み上げ音声情報のデータ構成例を示す図である。当該データは、サーバ２００が過去に変換して得られた読み上げ音声を管理するための情報である。

図６（ｂ）に示すように読み上げ音声情報３２０は、撮像時間情報３２１と、撮像画像情報３２２と、読み上げ音声３２３とが対応付けられた情報である。

撮像時間情報３２１は、対応する撮像画像が撮像された日時を示す情報で、撮像時間情報３１３と同一の情報である。

撮像画像情報３２２は、撮像画像の実データを示す情報で、撮像画像情報３１２と同一の情報である。

読み上げ音声３２３は、対応する撮像画像情報３２２から抽出部２３１が文字を抽出し、当該文字を変換部２３２が変換して得られた読み上げ音声を示す実データである。

読み上げ音声情報３２０があることにより、サーバ２００は、過去の読み上げ音声を管理することができる。

以上が、読み上げシステム１に主として関わる情報の説明である。

＜動作＞
ここから、読み上げシステム１の動作について説明する。まず、図７に示すシーケンス図を用いて、読み上げシステム１の全体的な動作を説明した後に、装着具１００及びサーバ２００の詳細な動作をそれぞれ、図８及び図９のフローチャートを用いて説明する。

図７は、装着具１００とサーバ２００とのやり取りを示したシーケンス図である。図７に示すように、装着具１００は、ユーザ１０の正面方向の撮像を実行する（ステップＳ４０１）。そして、装着具１００は、得られた撮像画像をサーバ２００に送信する（ステップＳ４０２）。

サーバ２００は、装着具１００から送信された撮像画像を受信する（ステップＳ４０３）。すると、サーバ２００は、受信した撮像画像から文字を抽出する（ステップＳ４０４）。そして、サーバ２００は、抽出した文字を音声に変換して読み上げ音声を生成する（ステップＳ４０５）。読み上げ音声を生成すると、サーバ２００は、これを装着具１００に送信する（ステップＳ４０６）。

装着具１００は、サーバ２００から送信された読み上げ音声を受信する（ステップＳ４０７）。すると、装着具１００は、受信した読み上げ音声を、出力する（ステップＳ４０８）。これにより、読み上げシステム１は、ユーザ１０の正面方向（視野方向）に存在する文字を認識して、音でユーザ１０に伝えることができる。

図８は、装着具１００の動作を示すフローチャートである。

まず、装着具１００の入力部１５４は、ユーザからの入力があったか否かを、各種のボタンの押下があったか否かに基づいて判定する（ステップＳ５０１）。ユーザからの入力があった場合には（ステップＳ５０１のＹＥＳ）、ステップＳ５０２の処理に移行し、なかった場合には（ステップＳ５０１のＮＯ）、ステップＳ５１２の処理に移行する。

ステップＳ５０２において、制御部１５５は、入力部１５４が受け付けた入力が撮像指示であったか否かを判定する（ステップＳ５０２）。入力が撮像指示であった場合には（ステップＳ５０２のＹＥＳ）、ステップＳ５０３の処理に移行し、撮像指示でなかった場合には（ステップＳ５０２のＮＯ）、ステップＳ５０６の処理に移行する。

ステップＳ５０３において、入力部１５４が撮像指示をユーザから受け付けると、制御部１５５に撮像指示が伝達される。これを受けて制御部１５５は、通信Ｉ／Ｆ１５１に撮像信号をウェアラブルグラス１１０に伝達するように指示する。通信Ｉ／Ｆ１５１は当該指示に従って撮像信号を通信Ｉ／Ｆ１１２に伝達する。そして、通信Ｉ／Ｆ１１２は、撮像部１１１に撮像信号を伝達し、撮像部１１１は、撮像を実行する（ステップＳ５０３）。

撮像部１１１は、得られた撮像画像を通信Ｉ／Ｆ１１２に伝達し、通信Ｉ／Ｆ１１２は、撮像画像を、通信Ｉ／Ｆ１５１に伝達する。通信Ｉ／Ｆ１５１は、伝達された撮像画像を制御部１５５に伝達し、制御部１５５は、これをサーバ２００に送信するよう通信部１５２に指示する。通信部１５２は、当該指示を受けて、撮像画像をネットワーク３００を介してサーバ２００に送信する（ステップＳ５０４）。

そして、撮像画像の送信後に、制御部１５５は、撮像画像中の文字を音声に変換中であることを示す音声を記憶部１５３から読み出し、当該音声を出力するように出力部１５６に指示する。これを受けて出力部１５６は、イヤホン１３０に当該音声を出力し、イヤホン１３０は、当該音声を報知し（ステップＳ５０５）、ステップＳ５０１の処理に戻る。撮像画像に含まれる文字を音声に変換中であることを示す音声を報知することによって、ユーザ１０は、今、文字を音声に変換する処理を行っている最中であることを認識することができ、何も音が鳴らない（ユーザ１０に対して何の報知も成されない）場合に比して、いらだつことなく待機することができるようになる。

一方、ステップＳ５０２において、入力指示が撮像指示ではないと判定した場合に（ステップＳ５０２のＮＯ）、入力が音声のリプレイであったかを判定する（ステップＳ５０６）。入力が音声のリプレイであった場合には（ステップＳ５０６のＹＥＳ）、制御部１５５は、出力部１５６に対して、直前に出力した音声を再度再生するように指示する。当該指示を受け付けて、出力部１５６は、直前に出力した音声を出力を開始し（ステップＳ５０７）、ステップＳ５０１の処理に戻る。当該リプレイは、新たな再生指示が入力されるまで、あるいは、完全停止指示が入力されるまで行われる。

ステップＳ５０６において、入力指示がリプレイ指示ではないと判定した場合に（ステップＳ５０６のＮＯ）、入力が再生速度変更の指示であるかを判定する（ステップＳ５０８）。入力が再生速度変更の指示であった場合には（ステップＳ５０８のＹＥＳ）、制御部１５５は、出力部１５６に対して出力している音声を変更するように指示する。具体的には、速度変更スイッチ１５０８の入力方向によって速度を上昇（高速再生）または下降（スロー再生）させる。本実施例においては、速度変更スイッチ１５０８は対になっており、上面ＵＳ方向のスイッチを押下することで再生速度を上昇、底面ＢＴ側のスイッチを押下することで再生速度を下降することができる。つまり、速度変更スイッチ１５０８は、上側のスイッチが再生速度の上昇、下側のスイッチが再生速度の下降と、上と下の概念が揃っているため、ユーザにとって直感的に操作できる。当該指示を受けて出力部１５６は、出力している音声の高速再生またはスロー再生を開始し（ステップＳ５０９）、ステップＳ５０１の処理に戻る。これによって、たとえばスロー再生の場合は、早口を聞き取ることに困難を覚えるユーザであっても、音声を正しく認識できるようになるし、再生速度を速めた場合には、撮像した内容に含まれる文字の概要を把握する時間を短縮するのに役立てることができる。

ステップＳ５０８において、入力指示がスロー再生ではないと判定した場合には（ステップＳ５０８のＮＯ）、ステップＳ５０１の処理に戻る。

ステップＳ５０１においてユーザからの入力がない場合に（ステップＳ５０１のＮＯ）、制御部１５５は、サーバ２００から読み上げ音声を受信したか否かを判定する（ステップＳ５１０ ）。読み上げ音声を受信していない場合には（ステップＳ５１０のＮＯ）、ステップＳ５０１の処理に戻る。

読み上げ音声を受信していた場合には（ステップＳ５１０のＹＥＳ）、制御部１５５は、まず、出力部１５６に対して、出力している文字の音声への変換中であることを示す音声の出力を中止するように指示する。当該指示を受けて出力部１５６は、当該音声の出力を停止する（ステップＳ５１１）。

そして、制御部１５５は、出力部１５６に、通信部１３２から伝達された読み上げ音声を出力するように指示する。出力部１５６は、制御部１５５から伝達された読み上げ音声の出力を開始し（ステップＳ５１２）、ステップＳ５０１に戻る。

以上が、装着具１００（コントローラ１５０）の動作の説明である。

図９は、サーバ２００が撮像画像を装着具１００から受信したときの動作を示すフローチャートである。

まず、サーバ２００の通信部２１０は、ネットワーク３００を介して、装着具１００からの撮像画像を受信する（ステップＳ６０１）。通信部２１０は、受信した撮像画像を制御部２３０に伝達する。

制御部２３０は、抽出部２３１として、伝達された撮像画像を解析して、文字を抽出する（ステップＳ６０２）。抽出部２３１は、抽出した文字列を変換部２３２に伝達する。

変換部２３２は、抽出した文字列を音声に変換し（ステップＳ６０３）、機会音声の合成音声である読み上げ音声を生成する。変換部２３２は、生成した読み上げ音声を通信部２１０に伝達する。

通信部２１０は、変換後の合成音声を読み上げ音声として、ネットワーク３００を介して、装着具１００に送信する（ステップＳ６０４）。

その後に、制御部２３０は、受信した撮像画像と、当該撮像画像の撮像日時と、当該撮像画像から得られた読み上げ音声とをそれぞれ、撮像画像情報３２２、撮像時間情報３２１、読み上げ音声３２３として、読み上げ音声情報に登録して（ステップＳ６０５）、処理を終了する。

以上が、サーバ２００の動作である。以上に説明した動作を実行することにより、読み上げシステム１は、単に認識した文字を読み上げるのではなく、ユーザにとって聞き取りやすいように音声を再生することができる。

＜まとめ＞
読み上げシステム１は、撮像画像に含まれる文字を認識して音声にして出力することができる。このとき、読み上げシステム１においては、読み上げ音声について、スロー再生や、一次停止、リプレイ等の操作をユーザが行うことができるので、ユーザは、各々の好みにより聞きやすいように音声を再生することができる。したがって、ユーザにとって利便性の高い読み上げシステムを提供することができる。また、読み上げシステム１においては、撮像画像から読み上げ音声を生成する処理を実行している間は、処理中であることを示す音声を報知することで、ユーザ１０に状況を認識させることができる。

＜補足＞
上記実施の形態に係る読み上げシステムは、上記実施の形態に限定されるものではなく、他の手法により実現されてもよいことは言うまでもない。以下、各種変形例について説明する。
（１） 上記実施の形態においては、コントローラ１５０を用いて音声を出力することとしたが、ウェアラブルグラス１１０にスピーカーを備えて、出力部１５６は、当該スピーカーから読み上げ音声を出力することとしてもよい。このように構成することで、イヤホン１３０を装着することを苦痛とするユーザであっても、顔の近くで読み上げ音声を聞くことができる。
（２） 上記実施の形態においては、装着具１００として、ウェアラブルグラス１１０と、イヤホン１３０と、コントローラ１５０とを含み、それぞれ別の機器として構成する例を示した。しかし、これはその限りではなく、ウェアラブルグラス１１０と、イヤホン１３０と、コントローラ１５０とは一体に成形されてもよい。即ち、ウェアラブルグラス１１０は、イヤホン１３０の音声を出力する機能の代替としてスピーカーを備え、コントローラ１５０が有する機能を保持してもよい。例えば、ウェアラブルグラス１１０のテンプル部分を中空構造とし、その内部に、コントローラ１５０のプロセッサやメモリ、通信モジュール等を搭載する構成としてもよい。そして、ウェアラブルグラス１１０のテンプルあるいはリムの外装側に音声再生制御や、撮像指示のための各種のボタンを配することとしてもよい。
（３） 上記実施の形態においては、装着具１００とサーバ２００とを別の機器として説明したが、装着具１００は、サーバ２００が有する機能（抽出部及び変換部の機能）を備えることとしてもよい。例えば、コントローラ１５０にサーバ２００が有する機能を実現するチップを備える構成にしてもよい。このように構成すれば、装着具１００はスタンドアローンで読み上げシステムを構築することができる。また、撮像画像の送信及び読み上げ音声の受信に係るレイテンシを抑制することができる。
（４） 上記実施の形態においては、撮像画像から文字を抽出する範囲について予め定めておくこととしたが、これはその限りではない。例えば、ウェアラブルグラス１１０にユーザの目を撮像するカメラを設けて、視線方向を検出し、その視線方向を中心とした所定範囲を撮像画像に当てはめ、その所定範囲内の文字を検出するように構成してもよい。例えば、ウェアラブルグラス１１０は、撮像部１１１が撮像した第１撮像画像と、ユーザの目を撮像した第２撮像画像とをコントローラ１５０に伝達し、コントローラ１５０は、第１撮像画像と第２撮像画像とを、サーバ２００に送信する。サーバ２００の抽出部２３１は、第２撮像画像からユーザ１０の視線方向を特定し、特定した視線方向を含む所定の範囲を特定し、第１撮像画像においてその所定の範囲内に対応する箇所から文字を抽出するように構成してもよい。
（５） 上記実施の形態においては、コントローラ１５０に対する撮像指示の入力を受け付けて、撮像部１１１が撮像を行うこととしたが、撮像のトリガはこれに限るものではない。例えば、ウェアラブルグラス１１０又はコントローラ１５０にマイクを備え、そのマイクでユーザの発する音声を取得する。そして、ユーザが発した特定の言葉に基づいて撮像を行ってもよい。即ち、音声入力による撮像を行ってもよい。

また、あるいは、ウェアラブルグラス１１０にユーザの目を撮像するカメラを設け、ユーザの目のブリンク（まばたき）を撮像のトリガとしてもよい。
（６） 上記実施の形態においては、入力部１５４は、コントローラ１５０に設ける構成を示したが、これはその限りではなく、ケーブル１４０の途上に設けられてもよい。
（７） 上記実施の形態においては、特に記載していないが、読み上げシステム１は、読み上げ音声の言語を設定できる設定部を備えることとしてもよい。そして、抽出部２３１が抽出した文字を設定部に設定された言語に翻訳する翻訳部を備え、変換部２３２は、翻訳部が翻訳した文字を音声に変換することとしてもよい。この構成を備えることで、読み上げシステム１は、書かれている文字の通訳システムとして機能することができ、弱視者に限らず、異国のユーザにとっても有用なシステムとすることができる。
（８） 上記実施の形態においては、特に説明していないが、抽出部２３１は、撮像画像から文字を抽出する範囲を撮像画像全体ではなく、所定の範囲内にとどめてもよい。図１０は、撮像画像７００の一例を示しており、抽出部２３１は、この撮像画像７００のうち、所定の範囲７１０内のみを文字を抽出する範囲としてもよい。あるいは、所定の範囲７１０を優先的に、文字を抽出する範囲としてもよい。優先的に文字を抽出する範囲とするとは、当該範囲内をまず文字を抽出する範囲とし、所定の範囲７１０内から文字を抽出できなかった場合に所定の範囲７１０外から文字を抽出する処理を行うことをいう。

ここで所定の範囲７１０は、読み上げシステム１を利用するユーザによって設定されてよい。一般にユーザは、正面方向よりも若干下寄りの方向を見る傾向が高い。したがって、撮像画像７００の下部寄りに所定の範囲７１０を設定すれば効果的である。

また、所定の範囲７１０は、制御部２３０が設定することとしてもよい。具体的には、サーバ２００が受信した大量の撮像画像について、文字を抽出できた範囲を特定する。そして、その平均範囲を、文字を抽出するための所定の範囲７１０とすることとしてもよい。

また、更には、ウェアラブルグラス１１０に各種のセンサを備え、当該センサから得られるセンシングデータに基づいて所定の範囲７１０を決定することとしてもよい。例えば、ウェアラブルグラス１１０にジャイロセンサを搭載し、装着具１００は、撮像画像とともにジャイロセンサのセンシングデータをサーバ２００に送信する。そして、抽出部２３１は、当該ジャイロセンサのセンシングデータに基づいて所定の範囲７１０を決定してもよい。例えば、センシングデータから、ユーザ１０がうつむき加減であると推定した場合には、所定の範囲７１０を撮像画像７００全体に対して下方よりの位置に設定することとしてよい。

撮像画像７００の全体を解析対象としないことで、音声への変換処理に要する時間を短縮することができる。
（９） 上記実施の形態においては、特に記載しなかったが、サーバ２００は、ユーザ１０が保持するＰＣ等の情報処理装置に、過去ログとして、対応する読み上げ音声情報３２０を送信する構成を備えてもよい。当該構成により、ユーザ１０はいつでも過去の読み上げ音声を聞くことができるようになる。

また、さらには、装着具１００は、自装置の存在する場所を示す位置情報を取得するための位置情報取得部を備えてもよい。位置情報取得部は、例えば、ＧＰＳ（Global Positioning System）やＧＮＳＳ（Global Navigation Satellite System）等を利用することにより実現することができる。

そして、撮像部１１１が撮像画像を得るごとに、位置情報取得部は、位置情報を取得し、撮像画像に取得した位置情報を対応付ける。装着具１００は、位置情報が対応付けられた撮像画像をサーバ２００に送信する。サーバ２００は、読み上げ音声情報３２０として、更に、撮像位置を示す撮像位置情報を対応付けて管理してよい。

そうすると、サーバ２００から、読み上げ音声情報３２０として、位置情報を含む情報がユーザ１０の情報処理装置に送信されることから、ユーザ１０の情報処理装置においては、更に、図１１に示すように読み上げ音声を地図アプリケーションとともに提示することができるようになる。即ち、ユーザ１０は、地図上において、いつどこで取得した読み上げ音声であるかを認識することができるようになる。そして、地図情報のログ情報８０１や８０２などの上にカーソル８０３を位置してクリックすることにより、情報処理装置は、読み上げ音声を音声再生ソフト等により再生することとしてもよい。例えば、図１１の地図１１００に示すように、ログ情報８０１や、ログ情報８０２があることにより、どこで撮像した撮像画像に基づいて得られた読み上げ音声であるかを認識することができる。
（１０） 上記実施の形態においては、装着具１００の動作として詳細には説明していないが、撮像部１１１は、逐次撮像を行い、得られた撮像画像に文字が含まれているか否かを検出することとしてよい。そして、文字が含まれていることを検出した場合に、その旨をコントローラ１５０に伝達し、制御部１５５は、ユーザ１０にそのときの正面方向に文字が存在することを認識させるための音声を報知してよい。そうすると、ユーザ１０は、そのタイミング、入力部１５４に対して撮像指示を入力することができる。この構成を備えることで、ユーザ１０が弱視者、特に、盲目であった場合など、文字が存在することも視認できないような場合に、ユーザ１０に文字の存在を認識させることができ、ユーザ１０にとって、利便性の高い読み上げシステム１を提供することができる。
（１１） 上記実施の形態においては、特に記載していないが、撮像部１１１は、ユーザ（ウェアラブルグラス１１０）の置かれている環境に応じて撮像条件を変えてもよい。例えば、ウェアラブルグラス１１０は、各種のセンサ（例えば、照度センサなど）を備え、露光時間や画角を変更することとしてもよい。
（１２） 上記実施の形態においては、特に記載していないが、サーバ２００が画像から文字を抽出できなかったり、抽出した文字を音声に変換できなかったり、画像に文字が含まれていなかった場合には、エラー信号を装着具１００に送信し、装着具１００はこれを受けてエラーを示す音声を出力部１５６から出力することとしてもよい。また、エラー音や上記実施の形態に示した変換中であることを示す音声の他、例えば、装着具１００を起動したときの起動音や、撮像部１１１が撮像を行ったときの撮像音（シャッター音）、待機中を示す音、ユーザが処理のキャンセルの入力を行ったときのキャンセル音など各種の音を記憶部１５３に記憶しておき、制御部１５５は装着具１００の状態に応じて対応する音を出力部１５６から出力させることとしてもよい。また、通信部１５２が通信できない（ネットワークと接続できない）場合に、その旨を示す音声を出力部１５６から出力することとしてもよい。このように各種の状態に応じた音を出力する構成をとることで、装着具１００は、装置の状態を音のみでユーザに通知することができる。
（１３） 上記実施の形態においては、特に記載していないが、サーバ２００は、撮像画像から文字を抽出した箇所や、文字を抽出した範囲の撮像画像に対する割合に応じて生成する読み上げ音声の態様を変更することとしてもよい。

文字を抽出した箇所に応じて音声の態様を変えるとは、撮像画像から文字を抽出した撮像画像における箇所に応じて、ユーザによって音声が聞こえてくる方向を変更することをいう。例えば、文字を抽出した箇所が、撮像画像の右寄りから抽出した場合には、ユーザの右側から読み上げ音声が聞こえるように出力部１５６から出力するように構成してもよい。この構成にすることによって、ユーザから見てどちらの方向にある文字を読み上げたのかを感覚的にユーザに認識させることができる。

また、文字を抽出した範囲の撮像画像に対する割合に応じて生成する読み上げ音声の態様を変更するとは、文字を抽出した範囲の撮像画像に対する割合の多寡に応じて、読み上げ音声の音量を変更するように構成してもよい。即ち、当該割合のパーセンテージと、読み上げ音声を出力する音量とを対応付けて記憶しておき、撮像画像から文字を抽出した範囲のパーセンテージと照らし合わせて読み上げ音声を出力する音量を決定し、その決定した音量で読み上げ音声を出力することとしてもよい。
（１４） 上記実施の形態においては、送信データ３１０は、ユーザＩＤ３１１と、撮像画像情報３１２と、撮像時間情報３１３とが対応付けられていることとしているが、これ以外にも各種の情報が対応付けられていてよい。例えば、上記補足に示したように、装着具１００が存在する箇所を示す位置情報や、装着具１００の姿勢を特定し得るジャイロセンサや加速度センサ等のセンシングデータの情報も対応付けられていてもよい。

また、読み上げ音声情報についても、撮像時間情報３２１と、撮像画像情報３２２と、読み上げ音声３２３とが対応付けられた情報であるとしているが、これ以外にも、撮像画像を解析して得られた文字のテキストデータや、送信データ３１０に含まれている位置情報やセンシングデータなども対応付けられてよい。

読み上げ音声情報は、各種の情報をより多く蓄積して集積することで、各ユーザのライフログとして利用することができる。そして、ユーザからの要望に応じて、サーバ２００は、蓄積している情報のうち指定された情報を供与する供与部を備えてもよい。例えば、位置情報を蓄積することによって、ユーザの単位時間当たり（例えば、１日）の移動量に関する情報を提供したり、ユーザがどこに行ったのかの情報を提供したり、ジャイロセンサの情報を利用してユーザの姿勢を特定することで、姿勢の情報を提供（例えば、姿勢の良し悪しなど）したりすることもできる。
（１５） 上記実施の形態においては、読み上げシステム１が音声の読み上げを実行する手法として、読み上げシステム１を構成する各機能部として機能するプロセッサ（制御部１５５、制御部２３０）が読み上げプログラム等を実行することにより、読み上げ処理を実行することとしているが、これは装置に集積回路（ＩＣ（Integrated Circuit）チップ、ＬＳＩ（Large Scale Integration））等に形成された論理回路（ハードウェア）や専用回路を組み込むことによって実現してもよい。また、これらの回路は、１または複数の集積回路により実現されてよく、上記実施の形態に示した複数の機能部の機能を１つの集積回路により実現されることとしてもよい。ＬＳＩは、集積度の違いにより、ＶＬＳＩ、スーパーＬＳＩ、ウルトラＬＳＩなどと呼称されることもある。すなわち、図１２に示すように、読み上げシステム１を構成する装着具１００及びサーバ２００における各機能部は、物理的な回路により実現されてもよい。即ち、図１２に示すように、装着具１００は、撮像回路１１１ａと通信Ｉ／Ｆ回路１１２ａとを備えるウェアラブルグラス１１０と、イヤホン１３０と、通信Ｉ／Ｆ回路１５１ａと、通信回路１５２ａと、記憶回路１５３ａと、入力回路１５４ａと、制御回路１５５ａと、出力回路１５６ａとから構成されてよく、上記実施の形態において対応する各機能部と同様の機能を有することとしてよい。そして、同様に、サーバ２００も、通信回路２１０ａと、記憶回路２２０ａと、抽出回路２３１ａ及び変換回路２３２ａとを含む制御回路２３０ａとから構成されてよい。

また、上記読み上げプログラムは、プロセッサが読み取り可能な記録媒体に記録されていてよく、記録媒体としては、「一時的でない有形の媒体」、例えば、テープ、ディスク、カード、半導体メモリ、プログラマブルな論理回路などを用いることができる。また、上記読み上げプログラムは、当該読み上げプログラムを伝送可能な任意の伝送媒体（通信ネットワークや放送波等）を介して上記プロセッサに供給されてもよい。本発明は、上記読み上げプログラムが電子的な伝送によって具現化された、搬送波に埋め込まれたデータ信号の形態でも実現され得る。

なお、上記読み上げプログラムは、例えば、ActionScript、JavaScript（登録商標）などのスクリプト言語、Objective-C、Java（登録商標）などのオブジェクト指向プログラミング言語、HTML5などのマークアップ言語などを用いて実装できる。
（１６） 上記実施の形態及び各補足に示した構成は、適宜組み合わせることとしてもよい。

１ 読み上げシステム
１００ 装着具
１１０ ウェアラブルグラス
１１１ 撮像部
１１２ 通信Ｉ／Ｆ
１３０ イヤホン
１５０ コントローラ
１５１ 通信Ｉ／Ｆ
１５２ 通信部
１５３ 記憶部
１５４ 入力部
１５５ 制御部
１５６ 出力部
２００ サーバ
２１０ 通信部
２２０ 記憶部
２３０ 制御部
２３１ 抽出部
２３２ 変換部
１５０１ シャッターボタン
１５０２ スピーカー
１５０４ バッテリ
１５０５ 第１の基板ユニット
１５０６ 第２の基板ユニット
ＳＨ 音声通過孔
ＥＰ 露出孔

Claims (3)

1. ユーザが身に着けて使用する装着具に備えられ、前記ユーザの正面方向を撮像する撮像部と、
   前記撮像部が撮像した画像から文字を抽出する抽出部と、
   前記抽出部が抽出した文字を音声に変換する変換部と、
   前記装着具に備えられ、前記音声を発するスピーカーと、
   前記装着具に備えられ、前記ユーザからの操作入力を受け付ける１又は複数の操作入力部と、
   前記装着具に備えられ、前記１又は複数の操作入力部によって受け付けられた前記ユーザからの操作入力に基づいて、前記スピーカーから発せられる音声の再生制御を行う制御部と、
   前記スピーカー、前記１又は複数の操作入力部及び前記制御部を保持する筐体部と、を有し、
   前記筐体部は、前記スピーカーが前記音声を発する方向に設けられた板状の壁部を有し、前記壁部に、前記スピーカーが発した前記音声が通過する音声通過孔及び前記１又は複数の操作入力部のうちの１の操作入力部を外方に露出する露出孔が形成されていることを特徴とする読み上げ装置。
2. 前記１の操作入力部は、前記ユーザからの前記撮像部に対する操作入力を受け付けることを特徴とする請求項１に記載の読み上げ装置。
3. 前記筐体部は、前記スピーカーと通信を行う通信部を保持し、
   前記筐体部の前記壁部は、長方形に形成され、
   前記スピーカー及び前記１の操作入力部は、前記壁部の長手方向に沿って並んで配され、
   前記スピーカー及び前記バッテリは、前記壁部の短手方向に沿って並んで配され、
   前記スピーカー及び前記通信部は、前記壁部の壁面に垂直な方向において重なって配されていることを特徴とする請求項１又は２に記載の読み上げ装置。