JP2021124572A - 情報処理装置、情報処理方法、情報処理プログラム、命令実行サーバ、命令実行方法、命令実行プログラム、データサーバ、データ処理方法およびデータ処理プログラム - Google Patents

Abstract

【課題】情報処理装置、情報処理方法、情報処理プログラム、命令実行サーバ、命令実行方法、命令実行プログラム、データサーバ、データ処理方法およびデータ処理プログラムを提供する。【解決手段】通信システム１０において、情報処理装置（音声入出力端末１）は、モバイル端末から受信した利用者ＩＤと、利用者が入力した音声に基づく第１の音声データと、を含んだ処理要求を命令実行サーバに提供する提供部として動作し、利用者ＩＤに対応付けられた第２の音声データと、第１の音声データとに基づく音声認証が成功した場合に、利用者ＩＤに対応付けられた利用者データを用いて処理が実行された実行結果を命令実行サーバから取得し、実行結果が出力されるように制御する出力制御部として動作する音声データ変換部を有する。【選択図】図１

Description

本発明は、情報処理装置、情報処理方法、情報処理プログラム、命令実行サーバ、命令実行方法、命令実行プログラム、データサーバ、データ処理方法およびデータ処理プログラムに関する。

近年、利用者によって入力された音声を受け付け、当該音声に応じた処理が実行された結果を利用者に提供するサービスが知られている（例えば、特許文献１参照）。音声に応じて行われる処理は、利用者に適応した処理であるのが利用者にとって望ましい。このとき、利用者によって入力された音声に基づく音声データ（以下、「入力音声データ」とも言う。）が端末からサーバに送信され、サーバにおいては、あらかじめ登録された音声データ（以下、「登録音声データ」とも言う。）と端末から受信された音声データとの間で認証（音声認証）が行われる。そして、音声認証が成功した場合に、登録音声データに対応する利用者データを用いた処理が実行される。

特開２０１９−１９１７１６号公報

しかし、サービスの利用者の増加に伴って登録音声データの数も増加するため、音声認証において入力音声データと比較すべき登録音声データが増加してしまい、音声認証に多くの時間が掛かるようになってしまう。

さらに、音声認証の精度が高くないほど、登録音声データの数の増加に伴って、入力音声データと一致する登録音声データの数が増加しやすくなってしまう。一例として、あまり精度が高くない音声認証が用いられる場合、サービスの利用者が数万人規模になってくると、入力音声データと一致する登録音声データの数が多くなりすぎて、利用者に適応したサービスを高精度に提供するのが困難になる。

また、音声認証のみに基づいて利用者がサービスを利用することが可能であるとした場合、サービス利用に関する安全性が不十分である場合がある。

そこで、音声認証に要する時間を抑制し、安全性を向上させつつ、利用者に適応したサービスを高精度に提供することが可能な技術が提供されることが望まれる。

上記問題を解決するために、本発明のある観点によれば、モバイル端末から受信された利用者ＩＤと、利用者から入力された音声に基づく第１の音声データとを含んだ処理要求をサーバに提供する提供部と、前記利用者ＩＤに対応付けられた第２の音声データと前記第１の音声データとに基づく音声認証が成功した場合に、前記利用者ＩＤに対応付けられた利用者データを用いて処理が実行された実行結果を前記サーバから取得する取得部と、前記実行結果が出力されるように制御する出力制御部と、を備える、情報処理装置が提供される。

前記提供部は、前記モバイル端末に前記利用者ＩＤの送信を要求するためのＩＤ要求を提供し、前記ＩＤ要求に対する応答として前記モバイル端末から前記利用者ＩＤが受信された場合に、前記モバイル端末から受信された前記利用者ＩＤを取得してもよい。

前記提供部は、前記モバイル端末からサービス利用が可能であることを示すサービス利用可能通知が受信された場合に、前記ＩＤ要求を提供してもよい。

前記利用者ＩＤは、前記第２の音声データに基づいて発行された利用者証明書であってもよい。

また、本発明の別の観点によれば、モバイル端末から受信された利用者ＩＤと、利用者から入力された音声に基づく第１の音声データとを含んだ処理要求をサーバに提供することと、前記利用者ＩＤに対応付けられた第２の音声データと前記第１の音声データとに基づく音声認証が成功した場合に、前記利用者ＩＤに対応付けられた利用者データを用いて処理が実行された実行結果を前記サーバから取得することと、前記実行結果が出力されるように制御することと、を含む、情報処理方法が提供される。

また、本発明の別の観点によれば、コンピュータを、モバイル端末から受信された利用者ＩＤと、利用者から入力された音声に基づく第１の音声データとを含んだ処理要求をサーバに提供する提供部と、前記利用者ＩＤに対応付けられた第２の音声データと前記第１の音声データとに基づく音声認証が成功した場合に、前記利用者ＩＤに対応付けられた利用者データを用いて処理が実行された実行結果を前記サーバから取得する取得部と、前記実行結果が出力されるように制御する出力制御部と、を備える情報処理装置として機能させるための情報処理プログラムが提供される。

また、本発明の別の観点によれば、モバイル端末から受信された利用者ＩＤと、利用者から入力された音声に基づく第１の音声データとを含んだ処理要求を情報処理装置から取得する処理要求取得部と、前記利用者ＩＤに対応付けられた第２の音声データと前記第１の音声データとに基づく音声認証部による音声認証が成功した場合に、前記利用者ＩＤに対応付けられた利用者データを用いて処理が実行された実行結果を前記情報処理装置に提供する実行結果提供部と、を備える、命令実行サーバが提供される。

前記命令実行サーバは、前記音声認証が成功した場合に、前記処理を実行する実行部を備えてもよい。

前記実行部は、前記処理に用いられる利用者データの種類を示すリクエストデータと認証キーとを前記音声認証部に出力し、前記認証キーと前記リクエストデータとに対応する前記利用者データが前記音声認証部から入力されると、前記利用者データを用いて前記処理を実行してもよい。

また、本発明の別の観点によれば、モバイル端末から受信された利用者ＩＤと、利用者から入力された音声に基づく第１の音声データとを含んだ処理要求を情報処理装置から取得することと、前記利用者ＩＤに対応付けられた第２の音声データと前記第１の音声データとに基づく音声認証部による音声認証が成功した場合に、前記利用者ＩＤに対応付けられた利用者データを用いて処理が実行された実行結果を前記情報処理装置に提供することと、を含む、命令実行方法が提供される。

また、本発明の別の観点によれば、コンピュータを、モバイル端末から受信された利用者ＩＤと、利用者から入力された音声に基づく第１の音声データとを含んだ処理要求を情報処理装置から取得する処理要求取得部と、前記利用者ＩＤに対応付けられた第２の音声データと前記第１の音声データとに基づく音声認証部による音声認証が成功した場合に、前記利用者ＩＤに対応付けられた利用者データを用いて処理が実行された実行結果を前記情報処理装置に提供する実行結果提供部と、を含む命令実行サーバとして機能させるための命令実行プログラムが提供される。

また、本発明の別の観点によれば、モバイル端末から受信された利用者ＩＤと、利用者から入力された音声に基づく第１の音声データとを含んだ認証要求を実行部から取得する認証要求取得部と、前記利用者ＩＤに対応付けられた第２の音声データと前記第１の音声データとに基づく音声認証が成功した場合に、前記利用者ＩＤに対応付けられた利用者データを前記実行部に提供するデータ提供部と、を備える、データサーバが提供される。

前記データサーバは、前記第２の音声データと前記第１の音声データとに基づく前記音声認証を実行する音声認証部を備えてもよい。

前記音声認証部は、前記音声認証が成功した場合に、前記利用者ＩＤに対応する前記利用者データにアクセスするための認証キーを発行して前記実行部に出力し、前記実行部から前記認証キーと前記実行部によって実行される処理に用いられる前記利用者データの種類を示すリクエストデータとが入力されると、前記認証キーと前記リクエストデータとに対応する前記利用者データを前記実行部に出力してもよい。

また、本発明の別の観点によれば、モバイル端末から受信された利用者ＩＤと、利用者から入力された音声に基づく第１の音声データとを含んだ認証要求を実行部から取得することと、前記利用者ＩＤに対応付けられた第２の音声データと前記第１の音声データとに基づく音声認証が成功した場合に、前記利用者ＩＤに対応付けられた利用者データを前記実行部に提供することと、を含む、データ処理方法が提供される。

また、本発明の別の観点によれば、コンピュータを、モバイル端末から受信された利用者ＩＤと、利用者から入力された音声に基づく第１の音声データとを含んだ認証要求を実行部から取得する認証要求取得部と、前記利用者ＩＤに対応付けられた第２の音声データと前記第１の音声データとに基づく音声認証が成功した場合に、前記利用者ＩＤに対応付けられた利用者データを前記実行部に提供するデータ提供部と、を備えるデータサーバとして機能させるためのデータ処理プログラムが提供される。

以上説明したように本発明によれば、音声認証に要する時間を抑制し、安全性を向上させつつ、利用者に適応したサービスを高精度に提供することが可能な技術が提供される。

本発明の実施形態に係る通信システムの構成例を示す図である。 同実施形態に係る通信システムによって実行される処理例を示すシーケンス図である。 同実施形態に係る通信システムによって実行される処理例を示すシーケンス図である。 同実施形態に係る通信システムによって実行される処理例を示すシーケンス図である。 同実施形態に係る通信システムによって実行される処理例を示すシーケンス図である。 同実施形態に係る通信システムによって実行される処理例を示すシーケンス図である。 本発明の実施形態に係る音声入出力端末の例としての情報処理装置のハードウェア構成を示す図である。

以下に添付図面を参照しながら、本発明の好適な実施の形態について詳細に説明する。なお、本明細書及び図面において、実質的に同一の機能構成を有する構成要素については、同一の符号を付することにより重複説明を省略する。

また、本明細書および図面において、実質的に同一の機能構成を有する複数の構成要素を、同一の符号の後に異なる数字を付して区別する場合がある。ただし、実質的に同一の機能構成を有する複数の構成要素等の各々を特に区別する必要がない場合、同一符号のみを付する。また、異なる実施形態の類似する構成要素については、同一の符号の後に異なるアルファベットを付して区別する場合がある。ただし、異なる実施形態の類似する構成要素等の各々を特に区別する必要がない場合、同一符号のみを付する。

（１．実施形態の詳細）
続いて、本発明の実施形態の詳細について説明する。

（１−１．通信システムの構成例）
図１は、本発明の実施形態に係る通信システムの構成例を示す図である。図１に示されるように、本発明の実施形態に係る通信システム１０は、音声入出力端末１００（情報処理装置）、モバイル端末２００（モバイル端末２００−１〜２００−４）、命令実行サーバ３００、データサーバ４００およびアクセスポイント７００を有する。ネットワーク８００は、インターネットなどの広帯域のネットワークであり、ネットワーク８００には、命令実行サーバ３００、データサーバ４００およびアクセスポイント７００が接続されている。

（アクセスポイント７００）
アクセスポイント７００は、音声入出力端末１００およびモバイル端末２００それぞれと無線接続されており、音声入出力端末１００およびモバイル端末２００それぞれによるネットワーク８００を介した通信を中継する。しかし、通信システム１０は必ずしもアクセスポイント７００を備えていなくてもよい。かかる場合、音声入出力端末１００およびモバイル端末２００は、ネットワーク８００から仕切られた内部ネットワークに接続されており、当該内部ネットワークを介してネットワーク８００に接続されていればよい。

（モバイル端末２００）
モバイル端末２００は、利用者によって利用される個人端末の一例として機能する。ここでは、モバイル端末２００がスマートフォンである場合を主に想定する。しかし、モバイル端末２００は、スマートフォン以外の個人端末（例えば、タブレット端末、ＰＣ、携帯電話など）であってもよい。本実施形態では、４人の個人それぞれが別々のモバイル端末２００を持っている場合を主に想定する。すなわち、通信システム１０が、４台のモバイル端末２００（モバイル端末２００−１〜２００−４）を有する場合を主に想定する。しかし、モバイル端末２００の数（および利用者の数）は特に限定されない。

具体的に、モバイル端末２００は、タッチパネル、ディスプレイ、演算装置、通信装置およびメモリなどを有している。通信装置は、アクセスポイント７００に無線接続する機能を有していてよい。タッチパネルは、入力インタフェースの一例として機能する。すなわち、タッチパネルの代わりに他の入力インタフェース（例えば、ボタン、マウス、キーボードなど）が用いられてもよい。ディスプレイには、音声入出力端末１００の操作パネルが表示され得る。

モバイル端末２００のメモリは、演算装置を動作させるためのプログラム（情報処理プログラム）やデータを記憶することができる。また、メモリは、演算装置の動作の過程で必要となる各種データを一時的に記憶することもできる。例えば、メモリは、アカウント情報保持部２０１を有している。アカウント情報保持部２０１は、モバイル端末２００の利用者による初期設定操作に基づいて、利用者ＩＤをあらかじめ保持する。一例として、アカウント情報保持部２０１によって保持される利用者ＩＤは、利用者がデータサーバ４００に自身の音声データを登録するときに入力した音声に基づいて発行された利用者証明書であってもよい。利用者証明書は、データサーバ４００によって発行されてもよいし、ネットワーク８００に接続された他のサーバ（不図示）によって発行されてもよい。

モバイル端末２００の演算装置は、モバイル端末２００の動作全体を制御する機能を有する。演算装置は、ＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）に記憶されたプログラムをＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）に展開して実行することにより実現される。かかるプログラムが提供され得る他、かかるプログラムを記憶させた記憶媒体も提供され得る。演算装置によって、アカウント情報通知部２０２が実現され得る。アカウント情報通知部２０２は、近隣の音声入出力端末１００に対して、アカウント情報保持部２０１によって保持されている利用者ＩＤを提供する。

本発明の実施形態では、モバイル端末２００と音声入出力端末１００とが「近隣」である場合の例としては、モバイル端末２００と音声入出力端末１００とが同一のネットワークに接続されている場合（図１に示された例では、同一のアクセスポイント７００に接続されている場合）を想定する。しかし、モバイル端末２００と音声入出力端末１００とが「近隣」である場合は、かかる場合に限定されない。例えば、モバイル端末２００から送信される無線電波が到達する範囲内に音声入出力端末１００が存在することが、モバイル端末２００と音声入出力端末１００とが近隣であるとして扱われてもよい。

（音声入出力端末１００）
音声入出力端末１００は、利用者によって利用される情報処理装置である。音声入出力端末１００は、少なくとも１人の利用者によって通話に利用される。しかし、音声入出力端末１００は、複数の利用者によって共用されてもよい。このとき、複数の利用者は、典型的には家族であってよいが、どのような集合であっても構わない。また、音声入出力端末１００は、ＡＩ（Ａｒｔｉｆｉｃｉａｌ Ｉｎｔｅｌｌｉｇｅｎｃｅ）スピーカなどであってよいが、ＰＣ（Ｐｅｒｓｏｎａｌ Ｃｏｍｐｕｔｅｒ）であってもよいし、テレビジョン装置であってもよいし、ロボットであってもよいし、他の機器であってもよい。

具体的に、音声入出力端末１００は、マイクロフォン（以下、単に「マイク」とも言う。）１０１、スピーカ１０２、メモリ、演算装置および通信装置などを有している。通信装置は、アクセスポイント７００に無線接続する機能を有していてよい。マイク１０１は、周囲の音声を収集する。スピーカ１０２は、音声を出力する。メモリは、演算装置を動作させるためのプログラムやデータを記憶することができる。また、メモリは、演算装置の動作の過程で必要となる各種データを一時的に記憶することもできる。例えば、メモリは、近隣端末情報保持部１０４を有している。

演算装置によって、音声データ変換部１０３が実現される。演算装置は、音声入出力端末１００の動作全体を制御する機能を有する。演算装置は、音声入出力端末１００に内蔵された演算装置がＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）に記憶されたプログラムをＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）に展開して実行することにより実現される。かかるプログラムが提供され得る他、かかるプログラムを記憶させた記憶媒体も提供され得る。

近隣端末情報保持部１０４は、近隣のモバイル端末２００から利用者ＩＤが受信された場合、近隣のモバイル端末２００から受信された利用者ＩＤを、近隣端末利用者ＩＤとして保持する。なお、近隣端末情報保持部１０４は、１台のモバイル端末２００から受信された利用者ＩＤを近隣端末利用者ＩＤとして保持する場合も想定されれば、複数のモバイル端末２００それぞれから受信された利用者ＩＤを近隣端末利用者ＩＤとして保持する場合も想定される。

また、音声データ変換部１０３は、マイク１０１を介して利用者から音声が入力されると、マイク１０１を介して利用者から入力された音声を通信で利用される形式（デジタル形式）の入力音声データ（第１の音声データ）に変換する。そして、音声データ変換部１０３は、入力音声データと近隣端末情報保持部１０４によって保持されている近隣端末利用者ＩＤとを含んだ処理要求（以下、「サービス提供要求」とも言う。）を命令実行サーバ３００に提供する（提供部）。なお、利用者によって入力される音声には、「私の今日のスケジュールを見せて」などといったサービスの提供を要求する内容（命令）が含まれている場合が想定される。

入力音声データは、命令実行サーバ３００からデータサーバ４００に提供され、データサーバ４００において利用者ＩＤにあらかじめ対応付けられた登録音声データ（第２の音声データ）と入力音声データとに基づく音声認証が成功した場合に、音声データ変換部１０３は、利用者ＩＤにあらかじめ対応付けられた利用者データを用いて、命令実行サーバ３００によって処理が実行された実行結果を命令実行サーバ３００から取得する（取得部）。また、音声データ変換部１０３は、実行結果がスピーカ１０２から出力されるようにスピーカ１０２を制御する（出力制御部）。

なお、命令実行サーバ３００から取得される実行結果には、「今日は１５時から習い事の予定があります」などといった音声データが含まれている場合が想定される。しかし、実行結果に含まれるデータの種類は、音声データに限定されず、他の種類のデータが含まれていてもよい。例えば、命令実行サーバ３００から取得される実行結果に、テキストデータまたは画像データが含まれる場合、出力制御部は、テキストデータまたは画像データがディスプレイによって表示されるように制御してもよい。

（命令実行サーバ３００）
命令実行サーバ３００は、演算装置、通信インタフェース、メモリなどを有している。命令実行サーバ３００の通信インタフェースは、ネットワーク８００を介して他の装置と通信を行う機能を有する。命令実行サーバ３００のメモリは、演算装置を動作させるためのプログラム（命令実行プログラム）やデータを記憶することができる。また、メモリは、演算装置の動作の過程で必要となる各種データを一時的に記憶することもできる。

命令実行サーバ３００の演算装置は、命令実行サーバ３００の動作全体を制御する機能を有する。演算装置は、ＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）に記憶されたプログラムをＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）に展開して実行することにより実現される。かかるプログラムが提供され得る他、かかるプログラムを記憶させた記憶媒体も提供され得る。演算装置によって、命令実行部３０１および認証部３０２が実現され得る。

命令実行部３０１は、近隣端末利用者ＩＤと入力音声データとを含んだサービス提供要求を音声入出力端末１００から取得する（処理要求取得部）。そして、命令実行部３０１は、入力音声データに基づいて実行すべき処理を決定する（実行すべき命令を判断する）。例えば、入力音声データが「私の今日のスケジュールを見せて」などとった音声データである場合、命令実行部３０１は、かかる音声データ「私の今日のスケジュールを見せて」に基づいて、「利用者の今日のスケジュールを提示する」という処理を決定する。

ここで、命令実行部３０１によって決定される処理には、利用者別に設定されたデータ（以下「利用者データ」とも言う。）を用いて実行する処理と、特に利用者データを用いずに実行する処理とが存在し、各処理がどちらの処理に該当するかがあらかじめ決められている。例えば、命令実行部３０１によって決定される処理が「利用者の今日のスケジュールを提示する」という処理である場合には、「利用者の今日のスケジュール」などが利用者データに該当し得る。

なお、利用者データは、各利用者に対して１つだけではなく、各利用者に対して幾つかの種類の利用者データが存在してよい。このとき、命令実行部３０１は、処理に用いられる利用者データの種類も取得する。ここで、処理と利用者データの種類とは、あらかじめ命令実行部３０１によって把握されている。例えば、命令実行部３０１は、「私の今日のスケジュールを見せて」という処理に対応する種類の利用者データとして「利用者の今日のスケジュール」を得てもよい。あるいは、命令実行部３０１は、「利用者の今日のスケジュールを提示する」という処理に対応する種類の利用者データとして「利用者の今日のスケジュール」を得てもよい。

命令実行部３０１は、決定した処理が利用者データを用いずに実行する処理である場合には、決定した処理をそのまま実行する。

一方、認証部３０２は、命令実行部３０１によって決定された処理が利用者データを用いて実行する処理である場合には、近隣端末利用者ＩＤと入力音声データとを含んだ認証要求をデータサーバ４００に提供する。認証部３０２は、データサーバ４００において、近隣端末利用者ＩＤに対応付けられた登録音声データと入力音声データとに基づく音声認証が成功した場合に、その近隣端末利用者ＩＤに対応付けられた利用者データをデータサーバ４００から取得する。命令実行部３０１は、データサーバから取得された利用者データを用いて処理を実行する（実行部）。そして、命令実行部３０１は、処理を実行した結果（実行結果）を音声入出力端末１００に提供する（実行結果提供部）。

（データサーバ４００）
データサーバ４００は、演算装置、通信インタフェース、メモリなどを有している。データサーバ４００の通信インタフェースは、ネットワーク８００を介して他の装置と通信を行う機能を有する。データサーバ４００のメモリは、演算装置を動作させるためのプログラム（データ処理プログラム）やデータを記憶することができる。また、メモリは、演算装置の動作の過程で必要となる各種データを一時的に記憶することもできる。例えば、メモリは、利用者音声データ記憶部４０２および利用者別データ記憶部４０３を有している。

利用者音声データ記憶部４０２は、モバイル端末２００の利用者による初期設定操作に基づいて、利用者ＩＤと利用者の音声データ（登録音声データ）とをあらかじめ対応付けて記憶する。一例として、利用者音声データ記憶部４０２は、モバイル端末２００に利用者の音声データ（入力音声データ）が入力され、モバイル端末２００から入力音声データと利用者ＩＤとが受信されると、モバイル端末２００から受信された入力音声データと利用者ＩＤとを対応付けて記憶する。

利用者別データ記憶部４０３は、利用者ＩＤと利用者データとをあらかじめ対応付けて記憶する。一例として、利用者別データ記憶部４０３は、モバイル端末２００に利用者データが入力され、モバイル端末２００から利用者データと利用者ＩＤとが受信されると、モバイル端末２００から受信された利用者データと利用者ＩＤとを対応付けて記憶してもよい。あるいは、利用者別データ記憶部４０３は、利用者の利用頻度（利用者が何をよく利用しているか）に基づいて学習によって得られた利用者データと利用者ＩＤとを対応付けて記憶してもよい。

データサーバ４００の演算装置は、データサーバ４００の動作全体を制御する機能を有する。演算装置は、ＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）に記憶されたプログラムをＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）に展開して実行することにより実現される。かかるプログラムが提供され得る他、かかるプログラムを記憶させた記憶媒体も提供され得る。演算装置によって、音声認証部４０１が実現され得る。

音声認証部４０１は、近隣端末利用者ＩＤと入力音声データとを含んだ認証要求を命令実行サーバ３００から取得する（認証要求取得部）。音声認証部４０１は、近隣端末利用者ＩＤに対応付けられて利用者音声データ記憶部４０２に記憶されている登録音声データを取得し、取得した登録音声データと入力音声データとに基づく音声認証を行う（音声認証部）。

例えば、音声認証部４０１は、登録音声データの特徴と入力音声データの特徴との類似度（一致度）が閾値よりも大きい場合に、登録音声データと入力音声データとが一致すると判定してもよい（音声認証が成功したと判定してもよい）。一方、音声認証部４０１は、登録音声データの特徴と入力音声データの特徴との類似度が閾値以下である場合に、登録音声データと入力音声データとが一致しないと判定してもよい（音声認証が失敗したと判定してもよい）。

音声認証部４０１は、音声認証が成功した場合に、近隣端末利用者ＩＤに対応付けられて利用者別データ記憶部４０３によって記憶されている利用者データを命令実行サーバ３００に提供する（データ提供部）。一方、音声認証部４０１は、音声認証が失敗した場合には、音声認証が失敗した旨を命令実行サーバ３００に提供する。

なお、後にも説明するように、音声認証部４０１は、音声認証に成功した場合に、近隣端末利用者ＩＤに対応付けられて利用者別データ記憶部４０３によって記憶されている利用者データにアクセスするためのキー（認証キー）を発行して、命令実行サーバ３００に提供してもよい。このとき、音声認証部４０１は、命令実行サーバ３００が認証キーを用いてアクセスしてきた場合に、利用者データを命令実行サーバ３００に提供してもよい。認証キーは、有効期限を有しているのが望ましいが、有効期限を有していなくてもよい（無期限で使用できてもよい）。

以上、本発明の実施形態に係る通信システム１０の構成例について説明した。

（１−２．通信システムの動作例）
続いて、本発明の実施形態に係る通信システム１０の動作例について説明する。図２〜図６は、本発明の実施形態に係る通信システム１０によって実行される処理例を示すシーケンス図である。なお、図２〜図６に示されたシーケンス図は、本発明の実施形態に係る通信システム１０によって実行される処理の一例を示したに過ぎない。したがって、本発明の実施形態に係る通信システム１０によって実行される処理は、図２〜図６に示されたフローチャートによって示される例に限定されない。

（近隣端末利用者ＩＤの保持）
まず、図２を参照しながら、近隣端末利用者ＩＤの保持について説明する。上記したように、利用者は、あらかじめ自分のモバイル端末２００を用いてデータサーバ４００の利用者音声データ記憶部４０２に音声データ（登録音声データ）を登録しておく。このとき、登録音声データは、利用者ＩＤと対応付けられて利用者音声データ記憶部４０２によって記憶される。このとき、上記したように、利用者ＩＤは、利用者証明書であってもよい。

さらに、データサーバ４００の利用者別データ記憶部４０３によって、利用者ＩＤと対応付けられて利用者データがあらかじめ記憶される。また、モバイル端末２００のアカウント情報保持部２０１によって、利用者ＩＤがあらかじめ記憶されている。

その後、利用者は自分のモバイル端末２００を持ち歩き、音声入出力端末１００の付近に移動すると、利用者のモバイル端末２００は、（アクセスポイント７００に接続されることによって）音声入出力端末１００が接続されているネットワークと同一のネットワークに無線接続される。このとき、モバイル端末２００のアカウント情報通知部２０２は、利用者ＩＤを近隣の音声入出力端末１００に提供する。アカウント情報通知部２０２による利用者ＩＤの提供の手法には、幾つかの手法が想定される。

例えば、アカウント情報通知部２０２は、利用者ＩＤの送信を要求するためのＩＤ要求（以下、「アカウント情報要求」とも言う。）が音声入出力端末１００から受信された場合に、アカウント情報要求に対する応答として、利用者ＩＤを音声入出力端末１００に提供してもよい。これによって、アカウント情報通知部２０２は、アカウント情報要求を承諾する場合にのみ、アカウント情報要求に対する応答として、利用者ＩＤを音声入出力端末１００に提供し得る。

例えば、アカウント情報通知部２０２は、常にアカウント情報要求を承諾してもよい。あるいは、アカウント情報通知部２０２は、あらかじめ設定された音声入出力端末１００からのアカウント情報要求に対してのみ承諾してもよい。あるいは、アカウント情報通知部２０２は、アカウント情報要求を提供した音声入出力端末１００のＩＤ（または名称）をディスプレイに表示させ、アカウント情報要求を承諾するか否かを利用者に入力させるようにしてもよい。

本発明の実施形態では、図２に示されるように、モバイル端末２００のアカウント情報通知部２０２が、サービス利用が可能であることを示すサービス利用可能通知をブロードキャストなどによって提供し（Ｓ１１）、音声入出力端末１００（近隣端末情報保持部１０４）において、サービス利用可能通知が受信された場合に、アカウント情報要求がモバイル端末２００（アカウント情報通知部２０２）に提供される場合を主に想定する（Ｓ１２）。しかし、モバイル端末２００（アカウント情報通知部２０２）から音声入出力端末１００（近隣端末情報保持部１０４）にサービス利用可能通知が送信されなくても、音声入出力端末１００（近隣端末情報保持部１０４）によって、所定の時間ごとに（例えば、５秒おきに）アカウント情報要求がモバイル端末２００（アカウント情報通知部２０２）に提供されてもよい。

アカウント情報通知部２０２は、音声入出力端末１００（近隣端末情報保持部１０４）からアカウント情報要求を取得すると、アカウント情報保持部２０１によって保持されている利用者ＩＤを音声入出力端末１００（近隣端末情報保持部１０４）に提供する（Ｓ１３）。そして、近隣端末情報保持部１０４は、アカウント情報通知部２０２から提供された利用者ＩＤを近隣端末利用者ＩＤとして保持する（Ｓ１４）。

（サービス提供）
続いて、図３〜図６を参照しながら、サービス提供について説明する。音声入出力端末１００のマイク１０１は、周囲の音声を絶えず収集している。マイク１０１は、音量が閾値を超える音声を収集すると、収集した音声を音声データ変換部１０３に出力する。例えば、「私の今日のスケジュールを見せて」などといったサービスの提供を要求する内容（命令）を含んだ音声を発すると、その音声がマイク１０１によって収集され（Ｓ２１）、音声データ変換部１０３に出力される（Ｓ２２）。音声データ変換部１０３は、マイク１０１によって収集された音声を通信で利用される形式（デジタル形式）の入力音声データに変換する（Ｓ２３）。

続いて、音声データ変換部１０３は、近隣端末利用者ＩＤの要求を近隣端末情報保持部１０４に出力する（Ｓ２４）。近隣端末情報保持部１０４は、音声データ変換部１０３から近隣端末利用者ＩＤの要求が入力されると、保持しているすべての近隣端末利用者ＩＤを音声データ変換部１０３に出力する（Ｓ２５）。音声データ変換部１０３は、入力音声データと近隣端末情報保持部１０４から入力された近隣端末利用者ＩＤとを含んだサービス提供要求を命令実行サーバ３００に提供する（Ｓ２６）。

命令実行部３０１は、近隣端末利用者ＩＤと入力音声データとを含んだサービス提供要求を音声入出力端末１００から取得すると、入力音声データに基づいて実行すべき処理を決定する（実行すべき命令を判断する）（Ｓ３１）。例えば、入力音声データが「私の今日のスケジュールを見せて」である場合、命令実行部３０１は、かかる入力音声データ「私の今日のスケジュールを見せて」に基づいて、「利用者の今日のスケジュールを提示する」という処理を決定する。さらに、命令実行部３０１は、「利用者の今日のスケジュールを提示する」という処理に対応する種類の利用者データとして「利用者の今日のスケジュール」を得る。

命令実行部３０１は、決定した処理が利用者データを用いずに実行する処理である場合には、決定した処理をそのまま実行する。一方、命令実行部３０１は、決定した処理が利用者データを用いて実行する処理である場合には、近隣端末利用者ＩＤと入力音声データとを含んだ認証要求を認証部３０２に出力する（Ｓ３２）。認証部３０２は、入力された認証要求をデータサーバ４００（音声認証部４０１）に提供する（Ｓ３３）。

音声認証部４０１は、認証要求を命令実行サーバ３００から取得すると、（認証要求に含まれる）近隣端末利用者ＩＤを利用者音声データ記憶部４０２に出力する（Ｓ３４）。利用者音声データ記憶部４０２は、近隣端末利用者ＩＤに対応付けられて利用者音声データ記憶部４０２に記憶されている登録音声データを音声認証部４０１に出力する（Ｓ３５）。音声認証部４０１は、取得した登録音声データと入力音声データとに基づく音声認証を行う（Ｓ３６）。

音声認証部４０１は、音声認証が成功した場合に、近隣端末利用者ＩＤに対応する利用者データにアクセスするための認証キーを作成（発行）する（Ｓ３７）。音声認証部４０１は、作成した認証キーを命令実行サーバ３００に出力する（Ｓ３８）。命令実行サーバ３００において、認証部３０２は、音声認証部４０１から入力された認証キーを命令実行部３０１に出力する（Ｓ３９）。

命令実行部３０１が、決定した処理に用いられる利用者データの種類を示すリクエストデータと認証キーとをデータサーバ４００に出力すると、音声認証部４０１は、リクエストデータと認証キーとに対応する利用者データを利用者別データ記憶部４０３から取得する（Ｓ４１）。そして、音声認証部４０１は、利用者別データ記憶部４０３から取得した利用者データを命令実行部３０１に出力する（Ｓ４２）。

命令実行部３０１は、利用者別データ記憶部４０３から取得された利用者データが音声認証部４０１から入力されると、決定した処理を、利用者別データ記憶部４０３から取得された利用者データを用いて実行する（Ｓ４３）。そして、命令実行部３０１は、処理を実行した結果（実行結果）を音声入出力端末１００に提供する。例えば、命令実行部３０１は、処理を実行した結果（実行結果）を示す音声データ（実行結果音声データ）を作成し（Ｓ４４）、作成した音声データ（実行結果音声データ）を音声入出力端末１００に提供する（Ｓ５１）。

音声データ変換部１０３は、命令実行部３０１から実行結果音声データが入力されると、実行結果音声データをスピーカ１０２から出力される形式（アナログ形式）の音声（音声回答）に変換する（Ｓ５２）。音声データ変換部１０３が、音声回答をスピーカ１０２に出力すると、スピーカ１０２によって音声回答が出力され（Ｓ５３）、利用者によって音声回答が知覚される（Ｓ５４）。

以上、本発明の実施形態に係る通信システム１０の動作例について説明した。

（２．ハードウェア構成例）
続いて、本発明の実施形態に係る音声入出力端末１００のハードウェア構成例について説明する。以下では、本発明の実施形態に係る音声入出力端末１００のハードウェア構成例として、情報処理装置のハードウェア構成例について説明する。なお、以下に説明する情報処理装置のハードウェア構成例は、音声入出力端末１００のハードウェア構成の一例に過ぎない。したがって、音声入出力端末１００のハードウェア構成は、以下に説明する情報処理装置のハードウェア構成から不要な構成が削除されてもよいし、新たな構成が追加されてもよい。

また、通信システム１０が有する各種装置のうち、音声入出力端末１００以外の装置（例えば、モバイル端末２００、命令実行サーバ３００、データサーバ４００、アクセスポイント７００など）のハードウェア構成も、音声入出力端末１００のハードウェア構成と同様に実現され得る。

図７は、本発明の実施形態に係る音声入出力端末１００の例としての情報処理装置９００のハードウェア構成を示す図である。情報処理装置９００は、ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）９０１と、ＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）９０２と、ＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）９０３と、ホストバス９０４と、ブリッジ９０５と、外部バス９０６と、インタフェース９０７と、入力装置９０８と、出力装置９０９と、ストレージ装置９１０と、通信装置９１１と、を備える。

ＣＰＵ９０１は、演算処理装置および制御装置として機能し、各種プログラムに従って情報処理装置９００内の動作全般を制御する。また、ＣＰＵ９０１は、マイクロプロセッサであってもよい。ＲＯＭ９０２は、ＣＰＵ９０１が使用するプログラムや演算パラメータ等を記憶する。ＲＡＭ９０３は、ＣＰＵ９０１の実行において使用するプログラムや、その実行において適宜変化するパラメータ等を一時記憶する。これらはＣＰＵバス等から構成されるホストバス９０４により相互に接続されている。

ホストバス９０４は、ブリッジ９０５を介して、ＰＣＩ（Ｐｅｒｉｐｈｅｒａｌ Ｃｏｍｐｏｎｅｎｔ Ｉｎｔｅｒｃｏｎｎｅｃｔ／Ｉｎｔｅｒｆａｃｅ）バス等の外部バス９０６に接続されている。なお、必ずしもホストバス９０４、ブリッジ９０５および外部バス９０６を分離構成する必要はなく、１つのバスにこれらの機能を実装してもよい。

入力装置９０８は、マウス、キーボード、タッチパネル、ボタン、マイクロフォン、スイッチおよびレバー等利用者が情報を入力するための入力手段と、利用者による入力に基づいて入力信号を生成し、ＣＰＵ９０１に出力する入力制御回路等から構成されている。情報処理装置９００を操作する利用者は、この入力装置９０８を操作することにより、情報処理装置９００に対して各種のデータを入力したり処理動作を指示したりすることができる。

出力装置９０９は、例えば、ＣＲＴ（Ｃａｔｈｏｄｅ Ｒａｙ Ｔｕｂｅ）ディスプレイ装置、液晶ディスプレイ（ＬＣＤ）装置、ＯＬＥＤ（Ｏｒｇａｎｉｃ Ｌｉｇｈｔ Ｅｍｉｔｔｉｎｇ Ｄｉｏｄｅ）装置、ランプ等の表示装置およびスピーカ等の音声出力装置を含む。

ストレージ装置９１０は、データ格納用の装置である。ストレージ装置９１０は、記憶媒体、記憶媒体にデータを記録する記録装置、記憶媒体からデータを読み出す読出し装置および記憶媒体に記録されたデータを削除する削除装置等を含んでもよい。ストレージ装置９１０は、例えば、ＨＤＤ（Ｈａｒｄ Ｄｉｓｋ Ｄｒｉｖｅ）で構成される。このストレージ装置９１０は、ハードディスクを駆動し、ＣＰＵ９０１が実行するプログラムや各種データを格納する。

通信装置９１１は、例えば、ネットワークに接続するための通信デバイス等で構成された通信インタフェースである。また、通信装置９１１は、無線通信または有線通信のどちらに対応してもよい。

以上、本発明の実施形態に係る音声入出力端末１００のハードウェア構成例について説明した。

（３．まとめ）
以上に説明したように、本発明の実施形態によれば、モバイル端末２００から受信された近隣端末利用者ＩＤと、利用者から入力された音声に基づく入力音声データとを含んだ処理要求が音声入出力端末１００から命令実行サーバ３００に提供される。命令実行サーバ３００においては、利用者ＩＤに対応付けられた登録音声データと入力音声データとに基づく音声認証が成功した場合に、近隣端末利用者ＩＤに対応付けられた利用者データを用いて処理が実行される。

かかる構成によれば、サービスの利用者の増加に伴って登録音声データの数が増加してしまったとしても、音声認証において入力音声データと比較される登録音声データは、近隣端末利用者ＩＤに対応する登録音声データだけとなる。したがって、音声認証に掛かる時間が低減される。例えば、音声入出力端末１００の近隣に存在するモバイル端末２００は、多くても数十台程度であることが想定されるため、音声認証の速度が高速になることが期待される。

さらに、かかる構成によれば、音声認証の精度が高くない場合であっても、入力音声データと一致する登録音声データの数はさほど増加しないことが想定される。これによって、利用者に適応したサービスが高精度に提供される可能性が高まる。

また、かかる構成によれば、音声認証だけではなく、あらかじめ利用者ＩＤが登録されたモバイル端末２００が音声入出力端末１００の近隣に存在する場合にのみ、利用者がサービスを利用することが可能である。したがって、かかる構成によれば、サービス利用に関する安全性が向上することが期待される。

以上、添付図面を参照しながら本発明の好適な実施形態について詳細に説明したが、本発明はかかる例に限定されない。本発明の属する技術の分野における通常の知識を有する者であれば、特許請求の範囲に記載された技術的思想の範疇内において、各種の変更例または修正例に想到し得ることは明らかであり、これらについても、当然に本発明の技術的範囲に属するものと了解される。

また、上記では、サーバにおける各種処理が、命令実行サーバ３００およびデータサーバ４００に分散されて実行される例を主に説明した。しかし、サーバにおける各種処理は、必ずしも上記の通りに分散されて実行されなくてもよい。また、上記において命令実行サーバ３００によって実行されるとした処理の一部が、命令実行サーバ３００とは異なるサーバによって実行されてもよい。例えば、命令実行サーバ３００とデータサーバ４００とが同一のサーバによって実現されてもよい。あるいは、上記において命令実行サーバ３００によって実行されるとした処理の一部が、端末側（例えば、音声入出力端末１００など）によって実行されてもよい。

１０ 通信システム
１００ 音声入出力端末
１０１ マイク
１０２ スピーカ
１０３ 音声データ変換部
１０４ 近隣端末情報保持部
２００ モバイル端末
２０１ アカウント情報保持部
２０２ アカウント情報通知部
３００ 命令実行サーバ
３０１ 命令実行部
３０２ 認証部
４００ データサーバ
４０１ 音声認証部
４０２ 利用者音声データ記憶部
４０３ 利用者別データ記憶部
７００ アクセスポイント
８００ ネットワーク

Claims (16)

1. モバイル端末から受信された利用者ＩＤと、利用者から入力された音声に基づく第１の音声データとを含んだ処理要求をサーバに提供する提供部と、
   前記利用者ＩＤに対応付けられた第２の音声データと前記第１の音声データとに基づく音声認証が成功した場合に、前記利用者ＩＤに対応付けられた利用者データを用いて処理が実行された実行結果を前記サーバから取得する取得部と、
   前記実行結果が出力されるように制御する出力制御部と、
   を備える、情報処理装置。
2. 前記提供部は、前記モバイル端末に前記利用者ＩＤの送信を要求するためのＩＤ要求を提供し、前記ＩＤ要求に対する応答として前記モバイル端末から前記利用者ＩＤが受信された場合に、前記モバイル端末から受信された前記利用者ＩＤを取得する、
   請求項１に記載の情報処理装置。
3. 前記提供部は、前記モバイル端末からサービス利用が可能であることを示すサービス利用可能通知が受信された場合に、前記ＩＤ要求を提供する、
   請求項２に記載の情報処理装置。
4. 前記利用者ＩＤは、前記第２の音声データに基づいて発行された利用者証明書である、
   請求項１〜３のいずれか一項に記載の情報処理装置。
5. モバイル端末から受信された利用者ＩＤと、利用者から入力された音声に基づく第１の音声データとを含んだ処理要求をサーバに提供することと、
   前記利用者ＩＤに対応付けられた第２の音声データと前記第１の音声データとに基づく音声認証が成功した場合に、前記利用者ＩＤに対応付けられた利用者データを用いて処理が実行された実行結果を前記サーバから取得することと、
   前記実行結果が出力されるように制御することと、
   を含む、情報処理方法。
6. コンピュータを、
   モバイル端末から受信された利用者ＩＤと、利用者から入力された音声に基づく第１の音声データとを含んだ処理要求をサーバに提供する提供部と、
   前記利用者ＩＤに対応付けられた第２の音声データと前記第１の音声データとに基づく音声認証が成功した場合に、前記利用者ＩＤに対応付けられた利用者データを用いて処理が実行された実行結果を前記サーバから取得する取得部と、
   前記実行結果が出力されるように制御する出力制御部と、
   を備える情報処理装置として機能させるための情報処理プログラム。
7. モバイル端末から受信された利用者ＩＤと、利用者から入力された音声に基づく第１の音声データとを含んだ処理要求を情報処理装置から取得する処理要求取得部と、
   前記利用者ＩＤに対応付けられた第２の音声データと前記第１の音声データとに基づく音声認証部による音声認証が成功した場合に、前記利用者ＩＤに対応付けられた利用者データを用いて処理が実行された実行結果を前記情報処理装置に提供する実行結果提供部と、
   を備える、命令実行サーバ。
8. 前記命令実行サーバは、前記音声認証が成功した場合に、前記処理を実行する実行部を備える、
   請求項７に記載の命令実行サーバ。
9. 前記実行部は、前記処理に用いられる利用者データの種類を示すリクエストデータと認証キーとを前記音声認証部に出力し、前記認証キーと前記リクエストデータとに対応する前記利用者データが前記音声認証部から入力されると、前記利用者データを用いて前記処理を実行する、
   請求項８に記載の命令実行サーバ。
10. モバイル端末から受信された利用者ＩＤと、利用者から入力された音声に基づく第１の音声データとを含んだ処理要求を情報処理装置から取得することと、
    前記利用者ＩＤに対応付けられた第２の音声データと前記第１の音声データとに基づく音声認証部による音声認証が成功した場合に、前記利用者ＩＤに対応付けられた利用者データを用いて処理が実行された実行結果を前記情報処理装置に提供することと、
    を含む、命令実行方法。
11. コンピュータを、
    モバイル端末から受信された利用者ＩＤと、利用者から入力された音声に基づく第１の音声データとを含んだ処理要求を情報処理装置から取得する処理要求取得部と、
    前記利用者ＩＤに対応付けられた第２の音声データと前記第１の音声データとに基づく音声認証部による音声認証が成功した場合に、前記利用者ＩＤに対応付けられた利用者データを用いて処理が実行された実行結果を前記情報処理装置に提供する実行結果提供部と、
    を含む命令実行サーバとして機能させるための命令実行プログラム。
12. モバイル端末から受信された利用者ＩＤと、利用者から入力された音声に基づく第１の音声データとを含んだ認証要求を実行部から取得する認証要求取得部と、
    前記利用者ＩＤに対応付けられた第２の音声データと前記第１の音声データとに基づく音声認証が成功した場合に、前記利用者ＩＤに対応付けられた利用者データを前記実行部に提供するデータ提供部と、
    を備える、データサーバ。
13. 前記データサーバは、前記第２の音声データと前記第１の音声データとに基づく前記音声認証を実行する音声認証部を備える、
    請求項１２に記載のデータサーバ。
14. 前記音声認証部は、前記音声認証が成功した場合に、前記利用者ＩＤに対応する前記利用者データにアクセスするための認証キーを発行して前記実行部に出力し、前記実行部から前記認証キーと前記実行部によって実行される処理に用いられる前記利用者データの種類を示すリクエストデータとが入力されると、前記認証キーと前記リクエストデータとに対応する前記利用者データを前記実行部に出力する、
    請求項１３に記載のデータサーバ。
15. モバイル端末から受信された利用者ＩＤと、利用者から入力された音声に基づく第１の音声データとを含んだ認証要求を実行部から取得することと、
    前記利用者ＩＤに対応付けられた第２の音声データと前記第１の音声データとに基づく音声認証が成功した場合に、前記利用者ＩＤに対応付けられた利用者データを前記実行部に提供することと、
    を含む、データ処理方法。
16. コンピュータを、
    モバイル端末から受信された利用者ＩＤと、利用者から入力された音声に基づく第１の音声データとを含んだ認証要求を実行部から取得する認証要求取得部と、
    前記利用者ＩＤに対応付けられた第２の音声データと前記第１の音声データとに基づく音声認証が成功した場合に、前記利用者ＩＤに対応付けられた利用者データを前記実行部に提供するデータ提供部と、
    を備えるデータサーバとして機能させるためのデータ処理プログラム。
    
    

Images