JP2022041741A - 情報処理装置、印刷システム、制御方法及びプログラム - Google Patents

Abstract

【課題】音声操作により適切にファイルを特定することが可能な情報処理装置等を提供すること。【解決手段】入力された第１の音声から認識されたキーワードを取得する取得部と、前記キーワードを用いてファイルを絞り込む絞り込み部と、前記絞り込み部によって絞り込まれたファイルに基づく発話内容を発話する処理を実行する発話処理部と、前記発話内容が発話された後に入力された第２の音声に基づきファイルを特定する特定部と、を備える。【選択図】図１

Description

本開示は、情報処理装置等に関する。

従来から、音声により装置の操作を行う技術が知られている。例えば、入力される音声と既に登録された音声とを比較し、該比較結果に基づいて、入力された音声に対応付けられた像形成モードの呼び出しを制御する画像形成装置が提案されている（例えば、特許文献１参照）。また、ＧＵＩ（グラフイカル・ユーザ・インタフェース）画面上で選択可能なオブジェクト上またはその近辺に音声認識用の発声すべきキーワードまたは識別用通し番号等を文字で表示するマンマシンインタフェース装置が提案されている（例えば、特許文献２参照）。

特開２０００－１８１２９２ 特開２０００－２６７８３７

特許文献１及び特許文献２に開示された技術は、装置が有しているモードや機能と音声とを対応させるものであり、ファイルを選択する場合は考慮されていない。ここで、ファイルを選択する場合において、ファイル名が長いときは、ユーザがファイルを読み上げるのに手間がかかるという課題がある。また、ファイル名に記号やアルファベットが含まれる場合など、読み方が難しい場合があるという課題がある。

上述した課題に鑑み、本開示は、音声操作により適切にファイルを特定することが可能な情報処理装置等を提供することを目的とする。

上述した課題を解決するために、本開示の情報処理装置は、
入力された第１の音声から認識されたキーワードを取得する取得部と、
前記キーワードを用いてファイルを絞り込む絞り込み部と、
前記絞り込み部によって絞り込まれたファイルに基づく発話内容を発話する処理を実行する発話処理部と、
前記発話内容が発話された後に入力された第２の音声に基づきファイルを特定する特定部と、
を備えることを特徴とする。

本開示のシステムは、
情報処理装置と画像形成装置とを含んだ印刷システムであって、
前記情報処理装置は、
入力された第１の音声から認識されたキーワードを取得する取得部と、
前記画像形成装置が出力可能なファイルのうち、前記キーワードを用いてファイルを絞り込む絞り込み部と、
前記絞り込み部によって絞り込まれたファイルに基づく発話内容を発話する処理を実行する発話処理部と、
前記発話内容が発話された後に入力された第２の音声に基づきファイルを特定するファイル特定部と、
を備え、
前記画像形成装置は、
前記ファイル特定部によって特定されたファイルの画像を形成する画像形成部
を備えることを特徴する。

本開示の制御方法は、
入力された第１の音声から認識されたキーワードを取得するステップと、
前記キーワードを用いてファイルを絞り込むステップと、
絞り込まれた前記ファイルに基づく発話内容を発話する処理を実行するステップと、
前記発話内容が発話された後に入力された第２の音声に基づきファイルを特定するステップと、
を含むことを特徴とする。

本開示のプログラムは、
コンピュータに、
入力された第１の音声から認識されたキーワードを取得する機能と、
前記キーワードを用いてファイルを絞り込む機能と、
絞り込まれた前記ファイルに基づく発話内容を発話する処理を実行する機能と、
前記発話内容が発話された後に入力された第２の音声に基づきファイルを特定する機能と、
を実現させることを特徴とする。

本開示によれば、音声操作により適切にファイルを特定することが可能となる。

第１実施形態におけるシステムの全体構成を説明するための図である。 第１実施形態における音声入出力装置の機能構成を説明するための図である。 第１実施形態における音声認識サーバの機能構成を説明するための図である。 第１実施形態における対話サーバの機能構成を説明するための図である。 第１実施形態における判定テーブルのデータ構成の一例を示した図である。 第１実施形態における蓄積ファイル情報のデータ構成の一例を示した図である。 第１実施形態における画像形成装置の機能構成を説明するための図である。 第１実施形態における処理の流れを説明するためのシーケンス図である。 第１実施形態における処理の流れを説明するためのシーケンス図である。 第１実施形態におけるファイル名発話処理の流れを説明するためのフロー図である。 第１実施形態におけるサムネイル表示処理の流れを説明するためのフロー図である。 第１実施形態における動作例を説明するための図である。 第１実施形態における動作例を説明するための図である。 第１実施形態における動作例を説明するための図である。 第２実施形態における判定テーブルのデータ構成の一例を示した図である。 第２実施形態における処理の流れを説明するためのシーケンス図である。 第２実施形態におけるファイル絞り込み処理の流れを説明するためのフロー図である。 第２実施形態におけるファイル名発話処理の流れを説明するためのフロー図である。 第２実施形態におけるファイル表示処理の流れを説明するためのフロー図である。 第２実施形態における動作例を説明するための図である。 第２実施形態における動作例を説明するための図である。 第３実施形態における処理の流れを説明するためのシーケンス図である。 第３実施形態における複合絞り込み処理の流れを説明するためのフロー図である。 第３実施形態におけるファイル名発話処理の流れを説明するためのフロー図である。 第３実施形態におけるサムネイル表示処理の流れを説明するためのフロー図である。 第３実施形態におけるサムネイル表示処理の流れを説明するためのフロー図である。 第３実施形態における動作例を説明するための図である。

以下、図面を参照して本開示を実施するための一実施形態について説明する。なお、以下の実施形態は、本開示を説明するための一例であり、特許請求の範囲に記載した発明の技術的範囲が、以下の記載に限定されるものではない。

［１．第１実施形態］
［１．１ 全体構成］
図１は、本開示に基づく情報処理装置である対話サーバ３０を含む印刷システム１の概略を示した図である。印刷システム１には、音声入出力装置１０と、音声認識サーバ２０と、対話サーバ３０と、画像形成装置４０とが含まれる。

印刷システム１において、音声入出力装置１０と音声認識サーバ２０、音声認識サーバ２０と対話サーバ３０、対話サーバ３０と画像形成装置４０とは、インターネット等のネットワークによってそれぞれ接続されている。なお、各装置は、相互に情報を交換可能であれば、インターネット以外のネットワークによって接続されてもよい。

音声入出力装置１０はユーザが発した音声（発話内容）を入力し、音声信号（例えば、音声データや音声ストリーム）として音声認識サーバ２０へ送信したり、音声認識サーバ２０から受信した音声信号に基づく音声を出力したりする装置である。音声入出力装置１０は、例えば、スマートスピーカー等により構成される。

音声認識サーバ２０は、音声信号に基づく音声を認識し、認識結果を所定の装置に送信する情報処理装置（例えば、サーバ装置）である。

対話サーバ３０は、対話サービスを提供する情報処理装置（例えば、サーバ装置）である。対話サービスとは、ユーザとの対話を実現することで、ユーザに所定の情報を提供するサービスである。本実施形態では、対話サーバ３０は、画像形成装置４０の情報を音声入出力装置１０から音声により出力させることで、ユーザに対して画像形成装置４０の情報を提供する。

画像形成装置４０は、コピー機能、印刷機能、スキャナ機能、ファクシミリ送受信機能等を実現するデジタル複合機である。

［１．２ 機能構成］
［１．２．１ 音声入出力装置］
音声入出力装置１０の機能構成について、図２を参照して説明する。図２に示すように、音声入出力装置１０は、制御部１００と、音声入力部１１０と、音声出力部１２０と、通信部１３０と、記憶部１４０とを備える。

制御部１００は、音声入出力装置１０の全体を制御する。制御部１００は、各種プログラムを読み出して実行することにより各種機能を実現しており、例えば、１又は複数の演算装置（ＣＰＵ（Central Processing Unit））等により構成される。

音声入力部１１０は、ユーザによって入力された音声を音声信号に変換して制御部１００へ出力する機能部である。音声入力部１１０は、マイク等の音声入力装置によって構成される。また、音声出力部１２０は、音声信号に基づく音声を出力する機能部である。音声出力部１２０は、スピーカー等の音声出力装置によって構成される。

通信部１３０は、音声入出力装置１０が音声認識サーバ２０等の外部機器と通信を行う。例えば、通信部１３０は、無線ＬＡＮで利用されるＮＩＣ（Network Interface Card）や、ＬＴＥ（Long Term Evolution）／ＬＴＥ－Ａ（LTE-Advanced）／ＬＡＡ（License-Assisted Access using LTE）／５Ｇ回線に接続可能な通信モジュール（通信装置）により構成される。

記憶部１４０は、音声入出力装置１０の動作に必要な各種プログラムや、各種データを記憶する。記憶部１４０は、例えば、半導体メモリであるＳＳＤ（Solid State Drive）や、ＨＤＤ（Hard Disk Drive）等の記憶装置により構成される。

なお、本実施形態では、制御部１００は、記憶部１４０に記憶されたプログラムを読み出して実行することで音声送信部１０２、音声受信部１０４として機能する。

音声送信部１０２は、音声入力部１１０から出力される音声信号に変換し、音声認識サーバ２０へ送信する。音声受信部１０４は、音声認識サーバ２０から受信した音声信号に基づく音声を、音声出力部１２０から出力する。

［１．２．２ 音声認識サーバ］
音声認識サーバ２０の機能構成について、図３を参照して説明する。図３に示すように、音声認識サーバ２０は、制御部２００と、通信部２１０と、記憶部２２０とを備える。

制御部２００は、音声認識サーバ２０の全体を制御する。制御部２００は、各種プログラムを読み出して実行することにより各種機能を実現しており、例えば、１又は複数の演算装置（ＣＰＵ）等により構成される。

制御部２００は、記憶部２２０に記憶されたプログラムを読み出して実行することで音声認識部２０２、音声合成部２０４、連携部２０６として機能する。

音声認識部２０２は、外部の装置（例えば、音声入出力装置１０）から受信した音声信号に基づく音声を認識する。音声合成部２０４は、外部の装置（例えば、対話サーバ３０）から受信したテキストデータに基づき音声合成を行う。なお、本実施形態では、音声合成を行う対象となるテキストデータを、発話文章データという。

連携部２０６は、音声信号を送信する装置（例えば、音声入出力装置１０）と、対話サービスを提供する装置（例えば、対話サーバ３０）とを連携させる。

例えば、連携部２０６は、音声認識部２０２によって音声入出力装置１０から受信した音声信号が認識された場合、認識結果に基づき、認識結果を音声認識サーバ２０と接続された所定のサーバに送信する。認識結果は、例えば、ユーザが発した音声（発話内容）を示すテキストデータ（文字列）である。連携部２０６は、音声認識部２０２による認識結果に、対話サーバ３０によって提供される対話サービスの利用の要求を示す文字列が含まれる場合、連携部２０６は、対話サーバ３０に対話サービスの利用を要求する情報を送信する。なお、本実施形態では、所定のサーバによって提供されるサービスの利用を要求するためにユーザによって入力される音声（発話内容）を、ウェイクワードという。ユーザはウェイクワードを入力することで、所望する対話サービスを利用することが可能となる。

また、連携部２０６は、認識結果の送信先となったサーバから受信した発話文章データに基づく音声合成が音声合成部２０４によって実行された場合、音声合成の結果である音声（合成音声）を音声信号に変換し、音声入出力装置１０へ送信する。さらに、合成音声の送信先となった音声入出力装置１０から、再度、音声信号を受信した場合、連携部２０６は、当該音声信号に基づく認識結果を、再度、同じサーバに送信する。このようにすることで、連携部２０６は、ユーザとサーバとにおける連続した対話を実現させる。

通信部２１０は、音声認識サーバ２０が音声入出力装置１０や対話サーバ３０等の外部機器と通信を行う。通信部２１０は、例えば、ネットワークに接続可能なインタフェースを有し、有線／無線ＬＡＮ（Local Area Network）を介して他の装置と通信が可能なＮＩＣ（Network Interface Card）等の通信モジュール（通信装置）により構成される。

記憶部２２０は、音声認識サーバ２０の動作に必要な各種プログラムや、各種データを記憶する。記憶部２２０は、例えば、半導体メモリであるＳＳＤや、ＨＤＤ等の記憶装置により構成される。

［１．２．３ 対話サーバ］
対話サーバ３０の機能構成について、図４を参照して説明する。図４に示すように、対話サーバ３０は、制御部３００と、通信部３２０と、記憶部３３０とを備える。

制御部３００は、対話サーバ３０の全体を制御する。制御部３００は、各種プログラムを読み出して実行することにより各種機能を実現しており、例えば、１又は複数の演算装置（ＣＰＵ）等により構成される。

制御部３００は、記憶部３３０に記憶されたプログラムを読み出して実行することで、対話処理部３０２、ファイル名発話処理部３０４、短縮表現発話処理部３０６、コマンド送信部３０８として機能する。

対話処理部３０２は、音声入出力装置１０から、発話文章データに基づく音声を出力（発話）させる発話処理を行うことで、対話サービスを実現させるための処理を実行する。例えば、対話処理部３０２は、音声認識サーバ２０からユーザによって入力された音声（発話内容）の認識結果を受信し、ユーザによる発話内容に対する応答となる発話内容を示した発話文章データを音声認識サーバ２０に送信する。

ファイル名発話処理部３０４は、画像形成装置４０が出力可能なファイルのファイル名を含む発話内容を音声入出力装置１０から出力（発話）させる発話処理を実行する。

短縮表現発話処理部３０６は、画像形成装置４０が出力可能なファイルのファイル名の短縮表現を含む発話内容を音声入出力装置１０から出力（発話）させる発話処理を実行する。本実施形態において、短縮表現とは、ファイル名の一部を省略した表現をいう。

コマンド送信部３０８は、画像形成装置４０に対してコマンドを送信する。コマンドとは、画像形成装置４０に所定の処理を実行させるために画像形成装置４０に対して送信される指示や要求をいう。

通信部３２０は、対話サーバ３０が、音声認識サーバ２０や画像形成装置４０等の外部の装置と通信を行うための機能部である。通信部３２０は、例えば、有線／無線ＬＡＮで利用されるＮＩＣ等の通信モジュール（通信装置）により構成される。

記憶部３３０は、対話サーバ３０の動作に必要な各種プログラムや、各種データを記憶する。記憶部３３０は、例えば、半導体メモリであるＳＳＤや、ＨＤＤ等の記憶装置により構成される。

記憶部３３０には、判定テーブル３３２及び蓄積ファイル情報３３４が記憶される。判定テーブル３３２は、図５に示すように、キーワードの属性（例えば、「ファイルの種類（写真）」）と、キーワード（例えば、「写真、画像、ＪＰＥＧ、ＰＮＧ、ＴＩＦＦ」）とが対応付けて記憶される。

ここで、ファイルの種類とはファイルの形式を示す。本実施形態では、ファイルの種類は「写真」「文書」「表計算」「プレゼンテーション（プレゼン）」の何れかであるとして説明する。なお、「写真」は、ファイルの形式が画像であることを示す。そのため、ファイルの種類は、「写真」ではなく「画像」と表現されてもよい。このように、ファイルの種類の表現は、画像形成装置４０の利用状況や仕様や能力等に応じて、対話サーバ３０の管理者等が適宜定めればよい。なお、画像形成装置４０によって出力可能なファイルの種類が他にもある場合は、上述したファイルの種類以外の種類に対応するキーワードが記憶されてもよい。また、上述したファイルの種類のうち、一部の種類に対応するキーワードのみが記憶されてもよい。

蓄積ファイル情報３３４は、画像形成装置４０によって出力可能なファイルである蓄積ファイルに関する情報を含むテーブルである。蓄積ファイル情報３３４は、例えば、図６に示すように、通し番号（Ｎｏ．）と、ファイル名（例えば、「夕焼けの海．ｊｐｇ」）と、ファイルの種類（例えば、「写真」）と、当該ファイルの更新日時（例えば、「２０１９／１２／０３ ８：３０」）と、当該ファイルの作成者（例えば、「山田大輔」）と、当該ファイルのファイル名に含まれる単語（例えば、「夕焼」「海」）とが対応付けて記憶される。

蓄積ファイルは、画像形成装置４０によって取得されるファイルである。蓄積ファイルは、例えば、後述する画像形成装置４０の記憶部４６０に記憶（蓄積、格納）されたり、画像形成装置４０が接続可能な装置（例えば、ＮＡＳ（Network Attached Storage））や外部のストレージサービスに記憶（蓄積、格納）されたりする。

［１．２．４ 画像形成装置］
画像形成装置４０の機能構成について、図７を参照して説明する。図７に示すように、画像形成装置４０は、制御部４００と、画像入力部４１０と、原稿読取部４２０と、画像形成部４３０と、操作部４４０と、表示部４５０と、記憶部４６０と、通信部４９０とを備える。

制御部４００は、画像形成装置４０の全体を制御するための機能部である。制御部４００は、各種プログラムを読み出して実行することにより各種機能を実現しており、例えば、１又は複数の演算装置（ＣＰＵ）等により構成される。

制御部４００は、記憶部４６０に記憶されたプログラムを読み出して実行することで、画像処理部４０２、ユーザ認証部４０４として機能する。

画像処理部４０２は、画像入力部４１０や原稿読取部４２０によって入力及び読み取りがされた画像データに対して、鮮鋭化処理や色変換処理といった各種画像処理を実行する。また、画像処理部４０２は、画像データを、画像形成部４３０によって出力可能な画像データである印刷データに変換し、印刷データ記憶領域４６４に記憶する。

ユーザ認証部４０４は、画像形成装置４０を使用するユーザの認証を行う。例えば、ユーザ認証部４０４は、操作部４４０から入力されたユーザ名とパスワードに基づき、画像形成装置４０の使用を許可されたユーザであるか否かを判定する。例えば、ユーザ認証部４０４は、ユーザ情報記憶領域４６６に記憶されたユーザに関する情報（ユーザ情報）として記憶されたユーザ名及びパスワードと、ユーザによって入力されたユーザ名及びパスワードとが一致するか否かによって行う。ユーザ認証は、ユーザの生体情報に基づく認証（例えば、指紋認証、掌紋認証、顔認証、音声認証、虹彩認証等）であってもよいし、認証サーバを使用する方法であってもよく、公知の方法を用いて実現されればよい。

画像入力部４１０は、画像形成装置４０に画像データを入力する。画像入力部４１０は、ＵＳＢ（Universal Serial Bus）メモリや、ＳＤカード等の記憶媒体に記憶された画像データを入力してもよいし、通信部４９０を介して他の端末装置から取得された画像データを入力してもよい。

原稿読取部４２０は、画像を読み取って画像データを生成する。原稿読取部４２０は、例えば、ＣＣＤ（Charge Coupled Device）やＣＩＳ（Contact Image Sensor）等のイメージセンサによって画像を電気信号に変換し、電気信号を量子化及び符号化することでデジタルデータを生成するスキャナ装置等により構成される。

画像形成部４３０は、印刷データに基づく画像を記録媒体（例えば記録用紙）に形成する。画像形成部４３０は、例えば、電子写真方式を利用したレーザプリンタ等により構成される。

操作部４４０は、ユーザによる操作指示を受け付ける。操作部４４０は、例えば、ハードキー（例えば、テンキー）やボタン等により構成される。表示部４５０は、ユーザに各種情報を表示する。表示部４５０は、例えば、ＬＣＤ（Liquid crystal display）等の表示装置により構成される。なお、画像形成装置４０は、操作部４４０と表示部４５０とが一体に形成されたタッチパネルを備えてもよい。入力を検出する方式は、例えば、抵抗膜方式、赤外線方式、電磁誘導方式、静電容量方式といった、一般的な検出方式であればよい。

記憶部４６０は、画像形成装置４０の動作に必要な各種プログラムや、各種データを記憶する。記憶部４６０は、例えば、半導体メモリであるＳＳＤや、ＨＤＤ等の記憶装置により構成される。

記憶部４６０には、印刷データリスト４６２と、待機画面情報４６８と、ジョブ実行画面情報４７０と、蓄積ファイル情報４７２とが記憶される。さらに、記憶部４６０には、記憶領域として、印刷データを記憶する領域である印刷データ記憶領域４６４と、ユーザ情報を記憶する領域であるユーザ情報記憶領域４６６とが確保される。

印刷データリスト４６２は、印刷データを特定する情報（例えば、印刷データの名前）を、画像形成部４３０によって処理する順番に並べたリスト（キュー）である。

待機画面情報４６８は、待機画面の表示に用いられる情報であり、例えば、待機画面に表示する文章や画像や、当該文章や画像のレイアウトに関する情報である。待機画面とは、ユーザからのタッチ操作を受け付けるためのメニュー（タッチ操作用基本メニュー）を含む画面である。ジョブ実行画面情報４７０は、音声操作専用画面を表示させるための情報であり、音声操作専用画面に含まれる文章や画像、レイアウトに関する情報である。音声操作専用画面とは、音声に基づく操作である音声操作を受け付け、音声操作に基づき所定のジョブを実行させることが可能な画面である。

蓄積ファイル情報４７２は、画像形成装置４０によって出力可能なファイルに関する情報を含むテーブルであり、蓄積ファイル情報３３４と同様の形式のテーブルである。

通信部４９０は、画像形成装置４０が、対話サーバ３０等の外部の装置と通信を行うための機能部である。通信部４９０は、例えば、有線／無線ＬＡＮで利用されるＮＩＣ等の通信モジュール（通信装置）により構成される。

［１．３ 処理の流れ］
本実施形態の主な処理の流れについて、図を参照して説明する。なお、本実施形態では、画像形成装置４０が所定の装置やサービスに予め記憶されたファイルを取得して印刷を行うＰＵＬＬ印刷を行うための処理について説明する。

はじめに、図８を参照して説明する。画像形成装置４０の制御部４００は、記憶部４６０から待機画面情報４６８を読み出し、表示部４５０に待機画面を表示する（Ｓ１０２）。

つづいて、音声認識サーバ２０の制御部２００は、音声入出力装置１０から受信した音声信号を認識し、ユーザの音声によるウェイクワードが入力された場合、対話サーバ３０に対して、ウェイクワードが入力されたことを示す情報を送信する（Ｓ１０３）。

つづいて、対話サーバ３０の制御部３００は、音声認識サーバ２０からウェイクワードが入力されたことを示す情報を受信した場合、ウェイクワードを受け付ける（Ｓ１０４）。

つづいて、対話サーバ３０の制御部３００（コマンド送信部３０８）は、画像形成装置４０に対して、音声操作を行うことを示す音声操作コマンドを送信する（Ｓ１０６）。

画像形成装置４０の制御部４００は、対話サーバ３０から音声操作コマンドを受信した場合、表示部４５０に表示されている画面を、音声操作専用画面に切り替える（Ｓ１０８）。

つづいて、対話サーバ３０の制御部３００（対話処理部３０２）は、画像形成装置４０により実行される機能のうち、どの機能を使用するかを問い合わせる発話処理を行う（Ｓ１１０）。例えば、対話処理部３０２は、「はい、ご用件は？」「コピー機能、スキャン機能、ＰＵＬＬ印刷機能があります。どれにしますか？」といった、使用機能に関して問い合わせる発話文章データを、音声認識サーバ２０に送信する（Ｓ１１１ａ）。音声認識サーバ２０の制御部２００は、受信した発話文章データに基づく合成音声の音声信号を音声入出力装置１０に送信する。

つづいて、制御部２００は、音声入出力装置１０から受信した音声信号の認識結果を対話サーバ３０に送信する（Ｓ１１１ｂ）。ここでは、認識結果には、使用機能に関する情報が含まれることとする。制御部３００は、音声認識サーバ２０から、ユーザによって入力された音声（発話内容）の認識結果を受信し、ユーザからＰＵＬＬ印刷機能を使用することを示す印刷指示を受け付けるか否かを判定する（Ｓ１１２）。例えば、制御部３００は、認識結果に、ＰＵＬＬ印刷を行うことを示す文字列（例えば、「印刷したい」）が含まれる場合、印刷指示を受け付ける。

印刷指示を受け付けなかった場合は、制御部３００は、認識結果に基づき、所定の処理を実行する（Ｓ１１２；Ｎｏ）。一方、印刷指示を受け付けた場合、制御部３００（コマンド送信部３０８）は、画像形成装置４０に対して、ＰＵＬＬ印刷機能の使用が指示されたことを示す印刷コマンドを送信する（Ｓ１１２；Ｙｅｓ→Ｓ１１４）。

画像形成装置４０の制御部４００は、対話サーバ３０から印刷コマンドを受信した場合、蓄積ファイル情報を取得する（Ｓ１１６）。例えば、制御部４００は、蓄積ファイルを取得又は参照し、当該取得した蓄積ファイルの情報（ファイル名や形式、ファイルの属性）に基づき蓄積ファイル情報を生成することにより、蓄積ファイル情報を取得する。例えば、制御部４００は、ファイル名の形態素解析の結果から、品詞が名詞である単語を抽出し、ファイル名単語としたりする。制御部４００は、取得した蓄積ファイル情報を蓄積ファイル情報４７２として、記憶部４６０に記憶する。

なお、蓄積ファイル情報が画像形成装置４０以外の装置（例えば、蓄積ファイルを記憶した装置やサービス）により生成される場合は、制御部４００は、当該生成された蓄積ファイル情報を取得してもよい。

つづいて、制御部４００は、Ｓ１１６において取得した蓄積ファイル情報を対話サーバ３０に送信する（Ｓ１１８）。対話サーバ３０の制御部３００は、画像形成装置４０から蓄積ファイル情報を受信することで、蓄積ファイル情報を取得する（Ｓ１２０）。制御部３００は、取得した蓄積ファイル情報を、蓄積ファイル情報３３４として、記憶部３４０に記憶する。

つづいて、図９を参照して説明する。対話サーバ３０の制御部３００（対話処理部３０２）は、蓄積ファイル情報３３４に基づくサマリーを発話するための発話処理を行う（Ｓ１２２）。サマリーとは、蓄積（格納）されているファイルを、ファイルの種類毎にまとめた場合におけるファイル数である。制御部３００（対話処理部３０２）は、例えば、「写真が３個、文書が２個、表計算が４個」といった、サマリーを示す発話文章データを音声認識サーバ２０に送信する（Ｓ１２３）。音声認識サーバ２０の制御部２００は、受信した発話文章データであるサマリーに基づく合成音声の音声信号を音声入出力装置１０に送信する。なお、制御部３００（対話処理部３０２）は、サマリーの他に、蓄積（格納）ファイルの総数やファイルを選択することを促す内容を含めた発話文章データに含めて、音声認識サーバ２０に送信してもよい。

画像形成装置４０の制御部４００は、記憶部３４０から蓄積ファイル情報４７２を読み出して、サマリーを表示部４５０に表示する（Ｓ１２４）。例えば、制御部４００は、蓄積（格納）されているファイルの数を、ファイルの種類毎にまとめた選択肢を表示する。なお、サマリーに基づく発話内容や表示内容は、ファイルの格納状況に基づいて変化する。

つづいて、音声認識サーバ２０の制御部２００は、音声入出力装置１０から受信した音声信号の認識結果を対話サーバ３０に送信する（Ｓ１２５）。ここでは、認識結果には、サマリーに対する応答である第１の音声が含まれることとする。対話サーバ３０の制御部３００は、ユーザの音声（第１の音声）によるキーワードを受け付けることで、キーワードを取得する（Ｓ１２６）。例えば、制御部３００は、音声認識サーバ２０から受信した認識結果に、判定テーブル３３２にキーワードとして記憶されている文字列のうちの何れかと一致する場合、制御部３００は、キーワードを受け付ける。

つづいて、制御部３００は、受け付けたキーワードの属性を判定し（Ｓ１２８）、当該判定したキーワードの属性に基づき、ユーザによって発話されたファイルの種類を判定し、当該ファイルの種類に基づくファイル絞り込み処理を実行する（Ｓ１３０）。すなわち、制御部３００は、キーワードを、ファイルを絞り込むための絞り込みワードとして扱う。また、ファイル絞り込み処理とは、キーワードに基づいて、蓄積ファイルのうち、ユーザに提示するファイルを絞り込み、ユーザに提示するファイルの順番を決定する処理をいう。

例えば、制御部３００は、Ｓ１２８において判定したキーワードの属性に基づき、ユーザによって発話されたファイルの種類を判定する。具体的には、図５に示した判定テーブル３３２が記憶されている場合に受け付けられたキーワードが「ワード」であるとき、当該キーワードである「ワード」に対応するキーワードの属性は「ファイルの種類（文書）」である。このため、制御部３００は、ユーザによって発話されたファイルの種類として「文書」を判定する。

また、制御部３００は、蓄積ファイル情報３３４に含まれるファイル名から、ユーザによって発話されたファイルの種類に対応する拡張子を含むファイル名を絞り込む。ファイルの種類に対応する拡張は、予め記憶部３３０に記憶されていればよい。なお、ファイル名は、蓄積ファイル情報３３４に記憶された種類の情報に基づいて絞り込まれてもよい。

さらに、制御部３００は、絞り込んだファイル名を所定の順に並び替える。ファイル名の並び替え方は、例えば、ファイル名順であってもよいし、作成日時や更新日時の降順又は昇順であってもよいし、使用頻度が高い順であってもよいし、通し番号に基づく順番であってもよい。このようにして、制御部３００は、ファイル絞り込み処理の結果として、ユーザに提示する順番に並べたファイルの情報を取得（生成）する。ファイル絞り込み処理の結果は、例えば、ファイル名（文字列）のリストである。

制御部３００は、ファイル絞り込み処理の結果及びユーザによって発話されたファイルの種類（キーワードの属性）を画像形成装置４０に送信する（Ｓ１３２）。このようにして、制御部３００は、画像形成装置４０に対して、キーワードに基づいて絞り込んだファイルの表示態様を切り替えさせる。

つづいて、対話サーバ３０の制御部３００は、対話サーバ３０から受信したファイル絞り込み処理の結果に基づき、ファイル名を発話する処理（ファイル名発話処理）を実行する（Ｓ１３４）。ファイル名発話処理については、図１０を参照して説明する。

はじめに、制御部３００は、短縮表現を発話するか否かを判定する（ステップＳ１４２）。制御部３００は、例えば、以下のいずれかの場合において、短縮表現を発話することを判定する。
（１）ユーザによって短縮表現を発話することが指定されている場合
（２）絞り込まれたファイルの数が予め定めた閾値を超える場合
（３）絞り込まれたファイルのファイル名を発話した場合に所定の時間を超える場合

（２）の場合における閾値は、ユーザによって設定されてもよいし、対話サーバ３０によって設定されてもよい。また、後述するサムネイル表示処理において、サムネイル画像が表示部４５０に絞り込まれた全てファイルのサムネイル画像を一度に表示されない場合に、制御部３００は、短縮表現を発話することを判定してもよい。（３）の場合は、絞り込み結果に含まれるファイル名をそのまま発話させた場合にかかる時間が、予め定められた所定の時間を超える場合に、短縮表現を発話することを判定してもよい。

短縮表現を発話する場合（ステップＳ１４２；Ｙｅｓ）、制御部３００（短縮表現発話処理部３０６）は、ファイル絞り込み処理の結果に基づき、発話する内容を決定する。なお、本実施形態では、ファイル絞り込み処理の結果は、ファイル名を所定の順に並べた文字列のリストであるとして説明する。

制御部３００（短縮表現発話処理部３０６）は、文字列のリストに含まれるそれぞれの文字列から、拡張子に当たる文字列を省略（削除）する（ステップＳ１４４）。例えば、制御部３００（短縮表現発話処理部３０６）は、「夕焼けの海．ｊｐｇ」といった文字列から、拡張子である「．ｊｐｇ」を省略して、「夕焼けの海」といった文字列にする。

つづいて、制御部３００（短縮表現発話処理部３０６）は、文字列のリストに含まれるそれぞれの文字列から、ファイルの命名規則に基づき、所定の文字列を省略（削除）する（ステップＳ１４６）。具体的な例は、以下の通りである。
（１）文字列の先頭や末尾に所定の記号（例えば、アンダーバーやハイフン）と年月日や日時を示す文字列が現れる場合、制御部３００（短縮表現発話処理部３０６）は、当該所定の記号と年月日や日時を示す文字列を省略する。
（２）文字列の特定の位置に所定の装置が利用する情報であってユーザには意味のない文字列（例えば、通し番号、所定のコード、ハッシュ値等）が現れる場合、制御部３００（短縮表現発話処理部３０６）は、当該文字列を省略する。
（３）文字列の特定の位置に会社名や部門名、部門コードといったユーザの所属を示す文字列が現れる場合、制御部３００（短縮表現発話処理部３０６）は、当該文字列を省略する。

例えば、制御部３００（短縮表現発話処理部３０６）は、「見積書＿１９１２１３」といった文字列からアンダーバーと年月日を省略することで、「見積書」といった文字列にする。

ファイルの命名規則に基づいて省略される文字列のパターン（ルール）は、例えば、記憶部３３０に記憶されていればよい。制御部３００（短縮表現発話処理部３０６）は、ファイルの命名規則に基づいて所定の表現を省略する場合、記憶部３３０に記憶されたパターン（ルール）を読み出して、文字列のリストに含まれるそれぞれの文字列に対して、ルールを適用する。ファイルの命名規則に基づいて省略される文字列パターン（ルール）は、予め設定されていてもよいし、ユーザによって設定可能であってもよい。

つづいて、制御部３００（短縮表現発話処理部３０６）は、文字列のリストに含まれるそれぞれの文字列から、発話を抑制することが設定された所定の語句を省略（削除）する（ステップＳ１４８）。所定の語句は、例えば、ファイルの内容を特定することができない語句であり、具体的には「ファイル」「データ」「テキスト」といった語句である。所定の語句は、予め設定されていてもよいし、ユーザによって設定可能であってもよい。Ｓ１４８において、制御部３００（短縮表現発話処理部３０６）は、例えば、「ファックスデータ」といった文字列を「ファックス」といった文字列にする。

づついて、制御部３００（短縮表現発話処理部３０６）は、言語の特徴に基づき、文字列のリストに含まれるそれぞれの文字列から、所定の文字列を省略（削除）する（ステップＳ１５０）。具体的な例（パターン）は、以下の通りである。
（１）名詞以外の品詞の単語を省略する。
（２）文字列が日本語であれば接頭辞を省略する。
（３）文字列が英語であれば単語「of」が含まれる場合、of以下を省略する。

例えば、制御部３００（短縮表現発話処理部３０６）は、「ご案内図」といった日本語の文字列から、接頭辞である「ご」を省略して「案内図」といった文字列にする。また、制御部３００（短縮表現発話処理部３０６）は、「notice of ...」「document of ...」「report of ...」といった英語の文字列から、of以下の記載を省略して、それぞれ「notice」「document」「report」といった文字列にする。

なお、上述した言語の特徴に基づき省略される文字列のパターンは例であり、上述したパターン以外のパターンがあってもよい。また、複数のパターンが組み合わされることにより、所定の文字列が省略されるようにしてもよい。

制御部３００（短縮表現発話処理部３０６）は、ステップＳ１４４からステップＳ１５０の処理を実行することで、文字列のリストに含まれるそれぞれの文字列から所定の文字列（表現）を省略することで、ファイル名の短縮表現を取得する。なお、短縮表現の取得方法は、上述した方法に限られない。例えば、制御部３００（短縮表現発話処理部３０６）は、ステップＳ１４４からステップＳ１５０に記載した処理のうち一部を省略してもよいし、ステップＳ１４４からステップＳ１５０に記載した処理以外の処理を実行して短縮表現を取得してもよい。また、制御部３００（短縮表現発話処理部３０６）は、ステップＳ１４４からステップＳ１５０に記載した処理のうち、ユーザによって選択された処理だけを実行してもよい。

つづいて、制御部３００（短縮表現発話処理部３０６）は、文字列のリストに含まれる文字列（短縮表現）に重複した短縮表現が生じた場合、重複した短縮表現を元の表現であるファイル名に戻す（ステップＳ１５２）。これにより、制御部３００（短縮表現発話処理部３０６）は、文字列のリストに含まれるそれぞれの文字列が、他の文字列と表現が重複しないことを保証することができる。なお、制御部３００（短縮表現発話処理部３０６）は、ステップＳ１５２において、ファイル名に戻す代わりに、重複が生じない程度にファイル名の省略を行った場合までの省略表現に戻してもよい。

つづいて、制御部３００（短縮表現発話処理部３０６）は、文字列のリストに基づき、ファイル番号とファイル名の短縮表現を発話するための発話処理を実行する（ステップＳ１５４）。ファイル番号とは、ユーザに提示するファイルに付与される番号であり、具体的には１から始まる連番である。

例えば、制御部３００（短縮表現発話処理部３０６）は、文字列のリストを先頭から１つずつ読み出し、読み出した文字列毎にファイル番号を付与する。そして、制御部３００（短縮表現発話処理部３０６）は、ファイル番号を付与した文字列を連結させて発話文章データを生成し、音声認識サーバ２０に送信する。

例えば、文字列のリストに「夕焼けの海」「赤い花」「ヨット」といった文字列が含まれる場合、制御部３００（短縮表現発話処理部３０６）は、「１ 夕焼けの海、２ 赤い花、３ ヨット」といった発話文章データを生成する。なお、制御部３００（短縮表現発話処理部３０６）は、発話文章データに、絞り込まれたファイル数や、ファイルの選択を促す内容を含めてもよい。

なお、ステップＳ１４２において、短縮表現を発話しないと判定した場合、制御部３００（ファイル名発話処理部３０４）は、文字列のリストに含まれる文字列（ファイル名）に基づき、ファイル番号とファイル名とを発話するための発話処理を実行する（ステップＳ１４２；Ｎｏ→ステップＳ１５６）。例えば、文字列のリストに「夕焼けの海．ｊｐｇ」「赤い花．ｐｎｇ」「ヨット．ｔｉｆ」といった文字列が含まれる場合、制御部３００（ファイル名発話処理部３０４）は、「１ 夕焼けの海．ｊｐｇ、２ 赤い花．ｐｎｇ、３ ヨット．ｔｉｆ」といった発話文章データを生成し、音声認識サーバ２０に送信する。なお、制御部３００（ファイル名発話処理部３０４）は、発話文章データに、絞り込まれたファイル数や、ファイルの選択を促す内容を含めてもよい。

図９に戻り、Ｓ１３４におけるファイル名発話処理により、対話サーバ３０から音声認識サーバ２０へ、発話内容を示す発話文章データが送信される（Ｓ１３５）。音声認識サーバ２０の制御部２００は、受信した発話文章データに基づく合成音声の音声信号を音声入出力装置１０に送信する。

画像形成装置４０の制御部４００は、ファイル絞り込み処理によって絞り込まれたファイル群に含まれるファイルのサムネイル画像を表示部４５０に表示させるサムネイル表示処理を実行する（Ｓ１３６）。サムネイル表示処理については、図１１を参照して説明する。

はじめに、制御部４００は、Ｓ１３２において受信したファイルの種類（ファイルの属性）を判定する（ステップＳ１６２）。ファイルの種類が写真であれば、制御部４００は、表示部４５０に、ファイル絞り込み処理によって絞り込まれたファイル群に含まれるそれぞれのファイルに対して、画像全体を縮小させたサムネイル画像を表示する（ステップＳ１６４；Ｙｅｓ→ステップＳ１６６）。例えば、制御部４００は、ファイル絞り込み処理の結果に含まれるファイルの情報を１つずつ読み出し、読み出したファイルの情報に対応するファイルを取得する。制御部４００は、取得したファイル（画像ファイル）を読み出し、読み出したファイルによって示される画像全体に基づくサムネイル画像を表示部４５０に表示する。このようにすることで、制御部４００は、各画像全体をサムネイル表示する。なお、制御部４００は、読み出したファイルごとにファイル番号を付与し、サムネイル画像にファイル番号を重畳させて表示したり、サムネイル画像の周囲にファイル番号を表示したりする。

ファイルの種類が文書であれば、制御部４００は、表示部４５０に、ファイル群に含まれるファイル（文書ファイル）毎に、先頭ページの一部の領域を拡大した縦長のサムネイル画像を表示する（ステップＳ１６４；Ｎｏ→ステップＳ１６８；Ｙｅｓ→ステップＳ１７０）。

ファイルの種類が表計算であれば、制御部４００は、表示部４５０に、ファイル群に含まれるファイル（表計算ファイル）毎に、先頭ページの左上の領域を拡大した横長のサムネイル画像を表示する（ステップＳ１６８；Ｎｏ→ステップＳ１７２；Ｙｅｓ→ステップＳ１７４）。

ファイルの種類がプレゼンテーションであれば、制御部４００は、表示部４５０に、ファイル群に含まれるファイル（プレゼンテーションファイル）毎に、先頭ページの一部の領域を拡大した横長のサムネイル画像を表示する（ステップＳ１７２；Ｎｏ→ステップＳ１７６；Ｙｅｓ→ステップＳ１７８）。

すなわち、制御部４００は、ステップＳ１７０、ステップＳ１７４、ステップＳ１７８において、ステップＳ１６６の処理と同様に、ファイル絞り込み処理の結果に含まれるファイルの情報を１つずつ読み出し、対応するファイルを取得し、サムネイル画像を表示する。

なお、上述したファイルの種類以外の種類がキーワードとして受け付けられ、ファイルが絞り込まれた場合は、制御部４００は、当該絞り込まれたファイル群を所定の方法によりサムネイル表示を行う（ステップＳ１７６；Ｎｏ→ステップＳ１８０）。なお、制御部４００は、サムネイル画像以外に、当該サムネイル画像に対応するファイルのファイル名を表示部４５０に表示してもよい。

なお、制御部４００は、サムネイル表示を行う際、対話サーバ３０によって実行されるファイル名発話処理に同期させてサムネイル表示を行ってもよい。例えば、制御部４００は、対話サーバ３０によって発話されているファイル名と対応するファイルのサムネイル画像を拡大表示させてもよい。この場合、制御部４００は、対話サーバ３０によって次のファイル名が発話された場合に、拡大表示を元に戻し、当該次のファイル名に対応するファイルのサムネイル画像を拡大表示させる処理を繰り返す。

また、ファイル数が多くてサムネイル画像が一画面に収まらない場合、制御部４００は、対話サーバ３０による各ファイル名の読み上げ発音の進行に連動して画面をスクロール表示させ、発話中のファイルが画面に表示されてくるようにスクロールを続けてもよい。

なお、制御部４００は、ファイル数が多くてサムネイル画像が一画面に収まらない場合であっても、対話サーバ３０による各ファイル名の読み上げ発音の進行に連動して画面をスクロールさせず、ユーザの操作に基づいて画面をスクロールさせてもよい。

また、Ｓ１３２において、対話サーバ３０が画像形成装置４０にファイルの種類（キーワードの属性）を送信すると説明したが、対話サーバ３０は画像形成装置４０に、ファイルの種類を示す情報を送信する代わりに、表示態様を示す情報を送信してもよい。例えば、対話サーバ３０の制御部３００は、Ｓ１２８において判定したキーワードの属性が「ファイルの種類（写真）」であれば、Ｓ１３２において、ファイル絞り込み処理の結果に基づくそれぞれのファイルの画像全体を縮小して表示させるための情報を送信する。また、対話サーバ３０の制御部３００は、Ｓ１２８において判定したキーワードの属性が「ファイルの種類（文書）」であれば、Ｓ１３２において、ファイル絞り込み処理の結果に基づくそれぞれのファイルの先頭ページの一部領域を縦長でサムネイル表示させるための情報を送信する。キーワードの属性が「ファイルの種類（表計算）」「ファイルの種類（プレゼンテーション）」の場合も同様に、対話サーバ３０の制御部３００は、画像形成装置４０に対して、ファイル絞り込み処理の結果に基づくファイルの表示態様に関する情報を送信する。画像形成装置４０の制御部４００は、対話サーバ３０から受信した表示態様を示す情報に基づいて、ファイルのサムネイル表示を行う。このようにすることで、対話サーバ３０は、画像形成装置４０に対して、キーワードの属性に応じた表示態様に切り替えて表示させる制御が可能となる。

つづいて、図９に戻り、音声認識サーバ２０の制御部２００は、音声入出力装置１０から受信した音声信号の認識結果を対話サーバ３０に送信する（Ｓ１３７）。ここでは、ファイル名発話処理に基づく発話処理に対する応答である第２の音声が含まれることとする。つづいて、対話サーバ３０及び画像形成装置４０は、第２の音声に基づきファイルを特定する（Ｓ１３８）。なお、対話サーバ３０及び画像形成装置４０は、第２の音声ではなく、ユーザの操作に基づいてファイルを特定してもよい。Ｓ１３８におけるファイルの特定の処理は、例えば、以下の方法により行われる。

（１）ユーザの発話（第２の音声）に基づく方法
対話サーバ３０の制御部３００は、音声認識サーバ２０から第２の音声を示す認識結果を受信した場合、認識結果にファイル番号が含まれるか否かを判定する。ファイル番号が含まれる場合は、制御部３００はファイル番号に対応するファイルを特定し、当該特定したファイルの情報（例えば、ファイル名）を画像形成装置４０に送信する。ファイル番号が含まれない場合、制御部３００は、Ｓ１３０における処理の結果によって示される何れかのファイルのファイル名に、認識結果として示されたユーザの発話内容が含まれるか否かを判定する。ユーザの発話内容が含まれるファイルが１つ特定できた場合は、制御部３００は、当該特定したファイルの情報（例えば、ファイル名）を画像形成装置４０に送信する。

なお、ユーザの発話内容が含まれるファイルが存在しない又は複数ある場合は、制御部３００（対話処理部３０２）は、再度の音声の入力をユーザに促すための発話を行うための発話処理を行う。

（２）タッチ操作に基づく方法
画像形成装置４０の制御部４００は、表示部４５０に表示されているサムネイル画像がタッチ操作により選択された場合、当該選択されたファイルを特定する。

つづいて、画像形成装置４０の制御部４００は、Ｓ１３８において特定したファイルに基づく画像を画像形成部４３０を介して形成することで、出力（印刷）を実行する（Ｓ１４０）。制御部４００は、印刷を実行する前に、特定したファイルのサムネイル画像を表示部４５０にクローズアップして拡大表示したりしてもよい。また、制御部４００は、特定したファイルに複数のページが含まれる場合に、複数のページを展開して連続的に表示部４５０に表示したりしてもよい。このようにすることで、制御部４００は、特定したファイルが正しいか否かをユーザに確認させることができる。この場合、制御部４００は、ユーザによって、ファイルが正しく特定されたことが確認された後、印刷を実行する。

［１．４ 動作例］
図を参照して本実施形態の動作例を説明する。はじめに、図１２を参照して、サマリーをユーザに提示する処理について説明する。表示部４５０に待機画面Ｗ１００が表示されている場合に、ユーザによって「コピー起動」といったウェイクワードＴ１００が発話された場合、表示部４５０に表示される画面が、音声操作専用画面Ｗ１０２に切り替わる。このとき、音声入出力装置１０から、「はい、ご用件は？」といった、ユーザに使用する機能を問い合わせる音声Ｔ１０２が出力される。

ユーザによって、「印刷したい」といった印刷指示Ｔ１０４が発話された場合、表示部４５０にサマリーが表示された領域Ｅ１１０を含む画面Ｗ１１０が表示される。また、音声入出力装置１０から、サマリーを示す音声Ｔ１１０が出力される。例えば、図１２の例では、画面Ｗ１１０の領域Ｅ１１０に、サマリーとして、写真が３個、文書が２個、表計算が４個あることを示す表示が含まれる。また、音声Ｔ１１０として、ファイルが全部で９個あることと、写真が３個、文書が２個、表計算が４個あることと、ファイルの種類を選択することを促すこととが出力される。

つづいて、図１３を参照して、サムネイル表示及び短縮表現について説明する。図１３（ａ）は、ユーザによって、ファイルの種類を示す音声Ｔ１２０として「写真」が発話された場合の図を示す。表示部４５０には、サムネイル表示を行う画面Ｗ１２０が表示される。画面Ｗ１２０には、ファイルの種類が「写真」であるファイルそれぞれについて、ファイルによって示される画像全体のサムネイル画像（例えば、画像Ｅ１２０）とファイル名（例えば、領域Ｅ１２２）とが表示される。また、音声入出力装置１０から、短縮表現及びファイル番号を含む音声Ｔ１２２が出力される。音声Ｔ１２２では、ファイルの種類が「写真」であるファイルのファイル名の短縮表現が出力される。例えば、ファイル名が「夕焼けの海．ｊｐｇ」であるファイルの短縮表現として「夕焼けの海」といった音声が出力される。

図１３（ｂ）は、ユーザによって、ファイルの種類を示す音声Ｔ１３０として「文書」が発話された場合の図を示す。表示部４５０には、サムネイル表示を行う画面Ｗ１３０が表示され、ファイルの種類が「文書」であるファイルそれぞれについて、先頭ページの一部領域が拡大された、縦長のサムネイル画像（例えば、画像Ｅ１３０）とファイル名（例えば、領域Ｅ１３２）とが表示される。また、音声入出力装置１０から、短縮表現及びファイル番号を含む音声Ｔ１３２が出力される。

例えば、ファイル名が「ご案内図．ｄｏｃ」であるファイルの短縮表現として、拡張子及び接頭辞「ご」を省略した「案内図」といった音声が出力される。ファイル名が「ファックスデータ．ｄｏｃｘ」であるファイルの短縮表現として、拡張子及び所定の語句「データ」を省略した「ファックス」といった音声が出力される。ファイル名が「見積書＿１９１２１３．ｄｏｃ」であるファイルの短縮表現として、拡張子及びアンダーバーと年月日を省略した「見積書」といった音声が出力される。

図１３（ｃ）は、ユーザによって、ファイルの種類を示す音声Ｔ１４０として「表計算」が発話された場合の図を示す。表示部４５０には、サムネイル表示を行う画面Ｗ１４０が表示され、ファイルの種類が「表計算」であるファイルそれぞれについて、先頭ページの左上の領域が拡大された、横長のサムネイル画像（例えば、画像Ｅ１４０）とファイル名（例えば、領域Ｅ１４２）とが表示される。また、音声入出力装置１０から、短縮表現及びファイル番号を含む音声Ｔ１４２が出力される。例えば、図１３（ｃ）に示すように、省略表現として拡張子のみを省略した省略表現が出力されてもよい。

図１４は、ファイルの特定及び出力の動作例を示す図である。なお、図１４の音声Ｔ１５０、画面Ｗ１５０、サマリーの音声Ｔ１５２は、それぞれ、図１３（ａ）の音声Ｔ１２０、画面Ｗ１２０、サマリーの音声Ｔ１２２に対応する。この状態で、ユーザがファイルを特定するための音声や操作が入力されることで、ファイルが特定される。例えば、ファイルを特定するための音声Ｔ１５４として、ファイル番号（例えば、「１番」）が入力された場合、ファイル番号に対応するファイルの情報（例えば、ファイル番号が１番であるファイルのファイル名）が対話サーバ３０から画像形成装置４０に送信される。また、ユーザが音声Ｔ１５４を発話する替わりに、ユーザによって画面Ｗ１５０に表示されたサムネイル（例えば、サムネイルＥ１５０）がタッチされることにより、タッチされたサムネイルに対応するファイルが、印刷するファイルとして特定されてもよい。画像形成装置４０は、受信したファイルの情報に対応するファイルを、蓄積ファイルが記憶されている装置から取得して、印刷を実行する。

なお、ファイルを特定するための音声Ｔ１５４は、ファイル名の一部であってもよい。本実施形態では、音声入出力装置１０から出力される音声は、ファイルを一意に特定することができる語句を含む音声である。したがって、ユーザは、音声入出力装置１０から出力される音声のうち、出力を所望するファイルに対応する省略表現を発話すればよい。例えば、図１４に示す例では、ユーザは「ヨット」と発言するだけで、画像形成装置４０によってファイル名が「ヨット．ｔｉｆ」であるファイルが取得され、印刷される。

なお、本実施形態では、ファイル絞り込み処理を対話サーバ３０が実行することとして説明したが、画像形成装置４０が実行してもよい。この場合、対話サーバ３０は、ユーザによって入力された音声（発話内容）の認識結果を画像形成装置４０に送信する。画像形成装置４０は、記憶部４６０に判定テーブルを記憶し、判定テーブルに基づきファイル絞り込み処理を実行し、絞り込み処理の結果を対話サーバ３０に送信する。

また、ファイル絞り込み結果には、ファイル番号が含まれていてもよい。このようにすることで、対話サーバ３０又は画像形成装置４０といずれか一方がファイル番号を付与する処理を実行すればよい。

また、音声入出力装置１０、音声認識サーバ２０、対話サーバ３０及び画像形成装置４０が別体であるとして説明したが、それぞれの装置のうち複数の装置又は全ての装置を１つの装置として実現されてもよい。例えば、スマートフォン等の端末装置に専用のアプリを実行させることで、端末装置に音声入出力装置１０及び音声認識サーバ２０によって実行される処理を実行させてもよいし、さらに、対話サーバ３０により実行される処理を実行させてもよい。また、画像形成装置４０が対話サーバ３０により実行される処理を実行してもよい。この場合、画像形成装置４０は、音声認識サーバ２０から送信される認識結果に基づき、キーワードを取得し、キーワードに基づきファイルを絞り込み、当該ファイルを出力（印刷）することができる。また、画像形成装置４０によって、音声入出力装置１０、音声認識サーバ２０、対話サーバ３０により実行される処理が実行されてもよい。この場合、画像形成装置４０は単体で、音声の認識からファイルの出力まで実行することができる。

本実施形態によれば、ユーザは、格納されている複数のファイルの中から音声対話に基づいてファイルを絞り込み、絞り込まれたファイルのファイル番号やファイル名の一部を発話することで、ファイルを指定できる。このように、ファイルを指定する場合において、ファイル名を全て読み上げる必要がないため、ユーザに対して、ファイルを指定するための手間を省力化させたり、読み方が難しいファイルを指定する場合に対応したりすることができる。

また、本実施形態の画像形成装置は、ユーザの音声に基づいて絞り込まれたファイルの種類が写真であれば、各ファイルの全体領域をサムネイル表示することにより、各ファイルの内容をユーザに容易に把握させることができ、印刷したいファイルを容易に特定できるようになる。本実施形態の画像形成装置は、ユーザの音声に基づいて絞り込まれたファイルの種類が文書や表計算のファイルであれば、各ファイルの一部領域を拡大してサムネイル表示することにより、各ファイルの内容をユーザに容易に把握させることができ、印刷したいファイルを容易に特定できるようになる。

［２．第２実施形態］
つづいて、第２実施形態について説明する。第２実施形態は、ファイルの種類に加えて、ファイルに付与されている情報（属性）によってファイルを絞り込むことが可能な実施形態である。

［２．１ 機能構成］
本実施形態における判定テーブル３３２の例を図１５に示す。本実施形態における判定テーブル３３２は、第１実施形態の図４に示した判定テーブル３３２に加え、キーワードの属性が、作成者、日時、ファイルの名前であるキーワードが記憶される。

キーワードの属性がファイルの作成者であるキーワードは、ファイルの属性のうち、ファイルの作成者に基づくファイルの絞り込みを行う場合におけるキーワードであり、具体的には、作成者の名前や名字である。キーワードの属性がファイルの更新日時であるキーワードは、ファイルの属性のうち、ファイルの更新日時に基づくファイルの絞り込みを行う場合におけるキーワードである。キーワードの属性がファイルの更新日時であるキーワードは、「今日」「昨日」といった特定の単語や、「ｄ日前」「ｍ月前」「ｙ年前」といった特定の日時や期間を示す単語である。なお、特定の日時や期間を示すキーワードに含まれる「ｄ」「ｍ」「ｙ」は、任意の数値であり、「３日前」「２月前」「１年前」といった単語がキーワードとなる。キーワードの属性がファイルの名前であるキーワードは、ファイル名に含まれる単語に基づくファイルの絞り込みを行う場合におけるキーワードである。

［２．２ 処理の流れ］
本実施形態における主な処理の流れについて説明する。本実施形態では、対話サーバ３０及び画像形成装置４０は、はじめに、第１実施形態における図８に示した処理を行う。

なお、本実施形態における制御部４００は、図８のＳ１１６において蓄積ファイルを取得した後、ファイル名に含まれる単語を、キーワードの属性がファイルの名前であるキーワードとして記憶する。また、制御部４００は、取得したファイルの属性として記憶された作成者の情報から名字や名前を抽出し、抽出した名字や名前を、キーワードの属性が作成者であるキーワードとして記憶する。

対話サーバ３０及び画像形成装置４０は、図８に示した処理を実行した後、さらに、図１６に示した処理を実行する。まず、画像形成装置４０の制御部４００は、図８のＳ１１６において蓄積ファイル情報を取得した後、表示部４５０にサマリー及び絞り込み項目名を表示する（Ｓ２０２）。絞り込み項目名とは、ファイルに付与された情報（属性）の種類を特定するものであって、蓄積（格納）されているファイルを絞り込む際に用いるものである。

また、制御部３００は、ファイル絞り込み処理を実行する（Ｓ１３０）。本実施形態におけるファイル絞り込み処理について、図１７を参照して説明する。

対話サーバ３０の制御部３００は、キーワードの属性に基づき、ファイルを絞り込む。例えば、Ｓ１２８において判定したキーワードの属性がファイルの種類であれば、制御部３００は、ファイルの種類に基づき、蓄積（格納）されたファイルを絞り込む（ステップＳ２１２；Ｙｅｓ→ステップＳ２１４）。

キーワードの属性がファイルの作成者であるときは、制御部３００は、ユーザによって発話された作成者（キーワード）に基づき、ファイルの絞り込みを行う（ステップＳ２１２；Ｎｏ→ステップＳ２１６；Ｙｅｓ→ステップＳ２１８）。具体的には、制御部３００は、蓄積（格納）されたファイルのうち、ファイルの作成者とユーザによって発話された作成者（キーワード）とが一致するファイルを抽出することにより、ファイルの絞り込みを行う。

キーワードの属性が日時であるときは、制御部３００は、ユーザによって発話された日時（キーワード）に基づき、ファイルの絞り込みを行う（ステップＳ２１６；Ｎｏ→ステップＳ２２０；Ｙｅｓ→ステップＳ２２２）。具体的には、制御部３００は、蓄積（格納）されたファイルのうち、ファイルの更新日時がユーザによって発話された日時（キーワード）と一致するファイルを抽出することにより、ファイルの絞り込みを行う。

キーワードの属性が日時でない場合は、キーワードの属性はファイルの名前である。この場合、制御部３００は、ユーザによって発話された名前（キーワード）に基づき、ファイルの絞り込みを行う（ステップＳ２２０；Ｎｏ→ステップＳ２２４）。具体的には、制御部３００は、蓄積（格納）されたファイルのうち、ユーザによって発話された内容（キーワード）が含まれるファイルを抽出することにより、ファイルの絞り込みを行う。

つづいて、制御部３００は、ステップＳ２１４、ステップＳ２１８、ステップＳ２２２、ステップＳ２２４において絞り込んだファイルを並び替える（ステップＳ２２６）。ファイルの並び替えの方法は、第１実施形態と同様に、ファイル名順、作成日時や更新日時の降順又は昇順、使用頻度が多い順など、所定の方法であればよい。

図１６に戻り、対話サーバ３０の制御部３００は、Ｓ１３０におけるファイル絞り込み処理の結果と、Ｓ１２６において受け付けた（取得した）キーワードと、当該キーワードに対応するキーワードの属性とを画像形成装置４０に送信する（Ｓ２０４）。

また、制御部３００は、ファイル絞り込み処理の結果に基づき、ファイル名発話処理を実行する（Ｓ１３４）。本実施形態におけるファイル名発話処理については、図１８を参照して説明する。本実施形態では、キーワードの属性に応じて、発話処理を切り替える。

はじめに、制御部３００は、Ｓ１２８において判定したキーワードの属性が、ファイルの名前であるか否かを判定する（ステップＳ２４２）。

キーワードの属性がファイルの名前であれば、制御部３００（短縮表現発話処理部３０６）は、Ｓ１３２におけるファイル絞り込み処理の結果である文字列のリストからキーワードとの一致箇所を省略する（ステップＳ２４２；Ｙｅｓ→ステップＳ２４４）。例えば、キーワードが「業務委託契約書」である場合、制御部３００（短縮表現発話処理部３０６）は、「サポート業務委託契約書.doc」という文字列から「業務委託契約書」を省略して、「サポート.doc」という文字列にする。これにより、制御部３００（短縮表現発話処理部３０６）は、ファイル名の省略表現を求める。

なお、制御部３００（短縮表現発話処理部３０６）は、第１実施形態のステップＳ１４４～ステップＳ１５２の処理を実行することで、所定の文字列（例えば、拡張子）を省略したり、省略表現が重複した場合に元の表現に戻したりしてもよい。

つづいて、制御部３００（短縮表現発話処理部３０６）は、文字列のリストに基づき、ファイル番号とファイル名の短縮表現を発話するための発話処理を実行する（ステップＳ２４６）。ステップＳ２４６における処理は、第１実施形態におけるステップＳ１５４と同様の処理である。

キーワードの属性がファイルの名前でない場合は、制御部３００（ファイル名発話処理部３０４）は、文字列のリストに含まれる文字列（ファイル名）に基づき、ファイル番号とファイル名とを発話するための発話処理を実行する（ステップＳ２４２；Ｎｏ→ステップＳ２４８）。ステップＳ２４８における処理は、第１実施形態におけるステップＳ１５６と同様の処理である。

このようにすることで、制御部３００は、キーワードの属性がファイルの名前であれば、キーワードと一致しない部分を選択肢として応答を発話し、キーワードの属性がファイルの名前でなければ、ファイル名を選択肢として発話する処理を実行することができる。

なお、上述した方法以外でも、制御部３００は、キーワードの属性に応じて発話内容を切り替えてもよい。例えば、ステップＳ２４８において、キーワードの属性が日時である場合、制御部３００（ファイル名発話処理部３０４）は、キーワードによって示される具体的な日時を含めて発話させてもよい。

また、キーワードの属性がファイルの名前でない場合であっても、制御部３００は、ステップＳ２４８において、第１実施形態におけるステップＳ１４４からステップＳ１５４を実行することで、ファイル名の短縮表現を発話させるようにしてもよい。また、制御部３００は、ステップＳ２４６において、さらに第１実施形態のステップＳ１４４からステップＳ１５２までを実行することで、ファイルの名前のうちキーワードと一致しない部分をさらに省略した表現にしてもよい。

図１６に戻り、Ｓ１３４におけるファイル名発話処理により、対話サーバ３０から音声認識サーバ２０へ、発話内容を示す発話文章データが送信される（Ｓ１３５）。音声認識サーバ２０の制御部２００は、受信した発話文章データに基づく合成音声の音声信号を音声入出力装置１０に送信する。つづいて、画像形成装置４０の制御部４００は、ファイル絞り込み処理の結果に基づきファイルを表示するファイル表示処理を実行する（Ｓ２０６）。ファイル表示処理については、図１９を参照して説明する。

はじめに、制御部４００は、Ｓ２０４において受信したキーワードの属性が、ファイルの種類であるか否かを判定する（ステップＳ２５２）。ファイルの種類であれば、制御部４００は、表示部４５０に、Ｓ１３２において絞り込まれたファイル群のサムネイル画像を表示させる（ステップＳ２５４；Ｙｅｓ→ステップＳ２５４）。例えば、制御部４００は、第１実施形態におけるステップＳ１３６と同様の処理を実行することで、ファイルの種類に応じたサムネイル画像を表示部４５０に表示する。

キーワードの属性がファイルの種類ではない場合、制御部４００は、キーワードの属性が作成者であるか否かを判定する（ステップＳ２５２；Ｎｏ→ステップＳ２５６）。キーワードの属性が作成者であれば、制御部４００は、表示部４５０に、ファイル群をリスト表示する（ステップＳ２５６；Ｙｅｓ→ステップＳ２５８）。リスト表示とは、ファイル名、ファイルの種類、更新日時、作成者といったファイルの情報やファイル番号をリスト形式で表示することをいう。

また、制御部４００は、リスト表示に含まれる作成者に対して、キーワードとの一致部分を強調表示する（ステップＳ２６０）。制御部４００は、強調表示として、例えば、キーワードと一致する部分に対して、ハイライトで表示させたり、反転して表示させたり、文字の太さをキーワードと一致しない部分と比べて太くして表示させたりする。なお、強調表示は、キーワードと一致する文字列がユーザによって区別できる表示であればよく、キーワードと一致する文字の色をキーワードと一致しない文字の色と異ならせて表示させたり、キーワードと一致する文字を点滅させたりする表示であってもよい。

キーワードの属性が作成者ではない場合、制御部４００は、キーワードの属性が日時であるか否かを判定する（ステップＳ２５６；Ｎｏ→ステップＳ２６２）。キーワードの属性が日時であれば、制御部４００は、表示部４５０に、ファイル群をリスト表示する（ステップＳ２６２；Ｙｅｓ→ステップＳ２６４）。また、制御部４００は、リスト表示に含まれる更新日時に対して、キーワードが示す日時との一致部分を強調表示する（ステップＳ２６６）。

キーワードの属性が日時ではない場合、キーワードはファイルの名前である。この場合、制御部４００は、表示部４５０に、Ｓ１３２において絞り込まれたファイル群のサムネイル画像を表示させる（ステップＳ２６２；Ｎｏ→ステップＳ２６８）。例えば、制御部４００は、第１実施形態におけるステップＳ１３６と同様の処理を実行することで、ファイルの種類に応じたサムネイル画像を表示部４５０に表示する。

さらに、制御部４００は、表示部４５０に、サムネイル画像に対応するファイルのファイル名を表示し、表示させたファイル名のうち、キーワードと一致する部分と一致しない部分とをそれぞれ区別可能なように、異なる態様で強調表示（識別表示）させる（ステップＳ２７０）。例えば、制御部４００は、ファイル名とキーワードとが一致する部分をハイライトで表示させ、一致しない部分は赤文字で表示させる。この場合、制御部４００は、拡張子の部分は通常の態様で表示させてもよい。

図１６に戻り、対話サーバ３０は、音声認識サーバ２０から第２の音声を含む認識結果を受信する（Ｓ１３７）。また、対話サーバ３０及び画像形成装置４０はユーザによる操作に基づきファイルを特定する（Ｓ１３８）。また、画像形成装置４０は、当該特定したファイルに基づく画像の出力を実行する（Ｓ１４０）。

なお、Ｓ２０４において、対話サーバ３０が画像形成装置４０にキーワード及びキーワードの属性を送信すると説明したが、対話サーバ３０は画像形成装置４０に、キーワード及びキーワードの属性を送信する代わりに、表示態様を示す情報を送信してもよい。例えば、制御部３００は、Ｓ１２８において判定したキーワードの属性がファイルの種類であれば、ファイルの種類に応じたサムネイル画像を表示させるための情報を画像形成装置４０に送信する。また、制御部３００は、Ｓ１２８において判定したキーワードの属性がファイル作成者や日時であれば、ファイル絞り込み処理の結果をリストで表示し、キーワードと一致する文字列を強調表示させるための情報を画像形成装置４０に送信する。画像形成装置４０の制御部４００は、対話サーバ３０から受信した表示態様を示す情報に基づいて、ファイルの表示を行う。このようにすることで、対話サーバ３０は、画像形成装置４０に対して、キーワードの属性に応じた表示態様に切り替えて表示させる制御が可能となる。

［２．３ 動作例］
つづいて、本実施形態における動作例を説明する。はじめに、図２０を参照して、サマリー及び絞り込み項目名をユーザに提示する処理について説明する。ユーザによってウェイクワードＴ２００が発話された場合、表示部４５０に表示される画面が、音声操作専用画面Ｗ２００に切り替わる。このとき、音声入出力装置１０から、ユーザに使用する機能を問い合わせる音声Ｔ２０２が出力される。

ユーザによって、印刷指示Ｔ２０４が発話された場合、表示部４５０にサマリーが表示された領域Ｅ２１０及び絞り込み項目名が表示された領域Ｅ２１２を含む画面Ｗ１１０が表示される。例えば、図２０の例では、絞り込み項目名として、「作成者」「更新日時」「ファイル名（部分一致）」が表示される。

つづいて、図２１を参照して、表示部４５０に表示される画面及び音声入出力装置１０によって出力される音声について説明する。図２１（ａ）は、ユーザによって、作成者を示す音声Ｔ２２０が発話された場合の図を示す。表示部４５０には、ユーザによって発話された作成者に基づき絞り込まれたファイル群がリスト表示された画面Ｗ２２０が表示される。画面Ｗ２２０には、ファイル毎に、ファイルの作成者を表示する領域Ｅ２２０が含まれており、さらに、作成者とユーザによって発話されたキーワード（作成者）と一致する部分（例えば、領域Ｅ２２２）が強調表示される。

また、音声入出力装置１０からは、発話Ｔ２２２に示すように、ユーザによって発話されたキーワード（作成者）に基づいて絞り込まれたファイルのファイル名が、ファイル番号とともに発話される。

図２１（ｂ）は、ユーザによって、日時を示す音声Ｔ２３０が発話された場合の図を示す。表示部４５０には、ユーザによって発話された日時に基づき絞り込まれたファイル群がリスト表示された画面Ｗ２３０が表示される。画面Ｗ２３０には、ファイル毎に、ファイルの日時（例えば、更新日時）を表示する領域Ｅ２３０が含まれており、さらに、日時とユーザによって発話されたキーワードに基づく日時と一致する部分（例えば、領域Ｅ２３２）が強調表示される。

音声入出力装置１０からは、発話Ｔ２３２に示すように、ユーザによって発話されたキーワード（日時）に基づいて絞り込まれたファイルのファイル名が、ファイル番号とともに発話される。このとき、音声入出力装置１０から、キーワードによって示される具体的な日時が発話されてもよい。このようにすることで、例えば、ユーザが「昨日」といった発話をした場合、音声入出力装置１０から出力される音声を介して、昨日の日付に該当する具体的な日付（例えば、今日が１２月１３日であれば１２月１２日）を知ることができる。

図２１（ｃ）は、ユーザによって、ファイル名の一部を示す音声Ｔ２４０が発話された場合の図を示す。表示部４５０には、ユーザによって発話されたファイル名の一部に基づき絞り込まれたファイル群のサムネイル画像とファイル名とが表示された画面Ｗ２４０が表示される。画面Ｗ２４０には、サムネイル画像毎に、対応するファイル名を含む領域（例えば、領域Ｅ２４０）が表示される。また、ファイル名は、ユーザによって発話されたキーワードと一致する部分（例えば、領域Ｅ２４２）と一致しない部分（例えば、領域Ｅ２４４）とが、異なる方法により強調表示される。

なお、本実施形態は、ファイルの更新日時に基づいてファイルを絞り込むこととして説明したが、ファイルの作成日時に基づいてファイルが絞り込まれてもよいし、作成日時と更新日時との何れによりファイルを絞り込むかを設定可能にしてもよい。

本実施形態によれば、ユーザは、音声対話に基づいて、格納されている複数のファイルの中から印刷したいファイルを作成者／日時／ファイル名によって絞り込むことができる。また、本実施形態の画像形成装置は、キーワードに一致する部分を強調表示することで、ユーザにファイルを選択させやすくする。

［３．第３実施形態］
つづいて、第３実施形態について説明する。第３実施形態は、複数の種類のキーワードが入力された場合にファイルを絞り込むことが可能な実施形態である。本実施形態は、第２実施形態の図１６を図２２に置き換えものである。なお、同一の機能部及び処理には同一の符号を付し、説明については省略する。

［３．１ 処理の流れ］
本実施形態における主な処理の流れについて、図２２を参照して説明する。本実施形態では、対話サーバ３０及び画像形成装置４０は、はじめに、第１実施形態における図８に示した処理を行う。また、対話サーバ３０の制御部３００（対話処理部３０２）は、蓄積ファイル情報３３４に基づくサマリーを発話するための発話処理を行い（Ｓ１２２）、サマリーを示す発話文章データを音声認識サーバ２０に送信する（Ｓ１２３）。つづいて、制御部３００は、音声認識サーバ２０から第１の音声の認識結果を受信し、認識結果によって示された発話内容に対して形態素解析を実施する（Ｓ３０１→Ｓ３０２→Ｓ３０４）。制御部３００は、形態素解析を行うことで認識結果を単語に分割し、当該分割した単語のうち、判定テーブル３３２にキーワードとして記憶された単語を、キーワードとして取得する。

制御部３００は、取得したキーワードが複数であるか否かを判定する（Ｓ３０６）。キーワードが複数でない場合、すなわち、単数である場合は（Ｓ３０６；Ｎｏ）、図１６に示した、第２実施形態のＳ１２８～Ｓ１４０の処理を実行する。

一方、キーワードが複数である場合は、制御部３００は、複数の条件に基づいてユーザに提示するファイルを絞り込み、ユーザに提示するファイルの順番を決定する複合絞り込み処理を実行する（Ｓ３０６；Ｙｅｓ→ステップＳ３０８）。複合絞り込み処理については、図２３を参照して説明する。

はじめに、制御部３００は、複数のキーワードに含まれる個々のキーワードに対して１から始まる番号を設定し、キーワードに設定した番号を示す変数Ｎに１を代入する（ステップＳ３１２）。つづいて、制御部３００は、番号Ｎのキーワードを取得し、当該キーワードの属性を判定する（ステップＳ３１４→ステップＳ３１６）。キーワードの属性の判定の方法は、第１実施形態におけるＳ１２８と同様の処理である。

つづいて、制御部３００は、キーワードの属性に基づきファイルを絞り込む。ファイルの絞り込みの処理は、第２実施形態におけるステップＳ２１２～ステップＳ２２４と同じ処理である。

つづいて、制御部３００は、全てのキーワードによって蓄積（格納）されたファイルの絞り込みが終了したか否かを判定する（ステップＳ３１８）。全てのキーワードによるファイルの絞り込みが終了した場合は、制御部３００は、絞り込んだファイルを、第２実施形態のステップＳ２２６と同様の処理により並び替える（ステップＳ３１８；Ｙｅｓ→ステップＳ２２６）。

一方で、全てのキーワードによるファイルの絞り込みが終了していない場合は、制御部３００は、変数Ｎに１を足して、ステップＳ３１４へ戻る（ステップＳ３１８；Ｎｏ→ステップＳ３２０→ステップＳ３１４）。なお、制御部３００は、再度ステップＳ２１２～ステップＳ２２４の処理を実行する場合は、それまでに絞り込んだファイルを対象に、更に絞り込みを行う。このようにして、複数のキーワードによる複合サーチを実行する。複合絞り込み処理の結果は、ユーザに提示する順番に並べたファイルの情報（例えば、ファイル名の文字列）である。

図２２に戻り、制御部３００は、画像形成装置４０に対して、Ｓ３０８における複合絞り込み処理の結果、キーワード、キーワードの属性を画像形成装置４０に送信する（Ｓ３１０）。複合絞り込み処理の結果は、ファイル絞り込み処理の結果と同様に、ユーザに提示する順番に並べたファイルの情報であり、例えば、ファイル名（文字列）のリストである。

つづいて、制御部３００は、ファイル名発話処理を実行する（Ｓ１３４）。本実施形態におけるファイル名発話処理の流れを、図２４を参照して説明する。

はじめに、制御部３００（短縮表現発話処理部３０６）は、複数のキーワードに含まれる個々のキーワードに対して１から始まる番号を設定し、キーワードに設定した番号を示す変数Ｎに１を代入する（ステップＳ３２２）。つづいて、制御部３００（短縮表現発話処理部３０６）は、番号Ｎのキーワードを取得し、当該キーワードの属性を判定する（ステップＳ３２４→ステップＳ３２６）。

つづいて、制御部３００（短縮表現発話処理部３０６）は、番号Ｎのキーワードの属性がファイルの名前である場合、Ｓ３０６における複合絞り込み処理の結果である文字列のリストから番号Ｎのキーワードとの一致箇所を省略する（ステップＳ３２８；Ｙｅｓ→ステップＳ３３０）。

つづいて、制御部３００（短縮表現発話処理部３０６）は全てのキーワードを取得したか否かを判定する（ステップＳ３３２）。全てのキーワードを取得した場合は、制御部３００（短縮表現発話処理部３０６）は、文字列のリストに基づき、ファイル番号とファイル名の短縮表現を発話するための発話処理を実行する（ステップＳ３３２；Ｙｅｓ→ステップＳ３３４）。ステップＳ３３４の処理は、第１実施形態のファイル名発話処理のステップＳ１５４と同様の処理である。なお、制御部３００（短縮表現発話処理部３０６）は、ステップＳ３３４において、さらに第１実施形態のステップＳ１４４からステップＳ１５２までを実行することで、ファイルの名前のうちキーワードと一致しない部分をさらに省略した表現にしてもよい。

一方で、全てのキーワードによるファイルの絞り込みが終了していない場合は、制御部３００は、変数Ｎに１を足して、ステップＳ３２４へ戻る（ステップＳ３３２；Ｎｏ→ステップＳ３３６→ステップＳ３２４）。

図２２に戻り、Ｓ１３４におけるファイル名発話処理により、対話サーバ３０から音声認識サーバ２０へ、発話内容を示す発話文章データが送信される（Ｓ１３５）。また、画像形成装置４０の制御部４００は、サムネイル表示処理を実行する（ステップＳ１３６）。本実施形態におけるサムネイル表示処理について、図２５及び図２６を参照して説明する。

はじめに、制御部４００は、複合絞り込み処理の結果に含まれるファイル情報を１つ読み出し、読み出したファイル情報に対応するファイルを取得する（ステップＳ３５２）。

つづいて、制御部４００は、ステップＳ３３２において取得したファイルの種別を判定し（ステップＳ３５４）、ファイルの種別に応じてサムネイル画像を表示部４５０に表示する。サムネイル画像の表示方法は、第１実施形態のサムネイル表示処理におけるステップＳ１６４～ステップＳ１８０と同様である。

制御部４００は、ステップＳ３３２において取得したファイルの種類が写真であれば、当該ファイルの画像全体を縮小させたサムネイル画像を表示する（ステップＳ１６４；Ｙｅｓ→ステップＳ１６６）。制御部４００は、ステップＳ３３２において取得したファイルの種類が文書であれば、当該ファイルの先頭ページの一部の領域を拡大した縦長のサムネイル画像を表示する（ステップＳ１６４；Ｎｏ→ステップＳ１６８；Ｙｅｓ→ステップＳ１７０）。制御部４００は、ステップＳ３３２において取得したファイルの種類が表計算であれば、当該ファイルの先頭ページの左上の領域を拡大した横長のサムネイル画像を表示する（ステップＳ１６８；Ｎｏ→ステップＳ１７２；Ｙｅｓ→ステップＳ１７４）。制御部４００は、ステップＳ３３２において取得したファイルの種類がプレゼンテーションであれば、当該ファイルの先頭ページの一部の領域を拡大した横長のサムネイル画像を表示する（ステップＳ１７２；Ｎｏ→ステップＳ１７６；Ｙｅｓ→ステップＳ１７８）。ステップＳ３３２において取得したファイルの種類が、上述したファイルの種類以外の種類であれば、制御部４００は、所定の方法により、当該ファイルのサムネイル画像を表示する（ステップＳ１７６；Ｎｏ→ステップＳ１８０）。

つづいて、制御部４００は、ファイル群の全てのファイルのサムネイル画像を表示したか否かを判定する（ステップＳ３５６）。ファイル群に含まれる全てのファイルのサムネイル画像を表示していない場合は、制御部４００は、ファイル群のうち、次のファイルを取得して、ステップＳ３５４へ戻る（ステップＳ３５６；Ｎｏ→ステップＳ３５８→ステップＳ３５４）。

一方で、ファイル群に含まれる全てのファイルのサムネイル画像を表示した場合は（ステップＳ３５６；Ｙｅｓ）、制御部４００は、図２６に示す処理を実行する。

制御部４００は、表示部４５０に、サムネイル画像毎に対応するファイル名を表示する（ステップＳ３６２）。つづいて、制御部４００は、Ｓ３１０において対話サーバから受信したキーワードの属性に基づき、全キーワードの属性を判定する（ステップＳ３６４）。制御部４００は、ステップＳ３６４における判定に基づき、表示部４５０に表示したファイル名の表示方法を変更する。

まず、制御部４００は、キーワードの属性がファイルの種類であるキーワードを含むか否かを判定する（ステップＳ３６６）。キーワードの属性がファイルの種類であるキーワードを含む場合、制御部４００は、ステップＳ３６２において表示したファイル名のうち、ファイルの種類を示す箇所を強調表示する（ステップＳ３６６；Ｙｅｓ→ステップＳ３６８）。ファイルの種類を示す箇所は、例えば、拡張子の部分である。

つづいて、制御部４００は、キーワードの属性がファイルの作成者であるキーワードを含むか否かを判定する（ステップＳ３７０）。キーワードの属性が作成者であるキーワードを含む場合、制御部４００は、ファイル名に加え、当該ファイルの作成者名を表示部４５０に表示する（ステップＳ３７０；Ｙｅｓ→ステップＳ３７２）。さらに、制御部４００は、キーワードと一致する部分を強調表示する（ステップＳ３７４）。

つづいて、制御部４００は、キーワードの属性が更新日時であるキーワードを含むか否かを判定する（ステップＳ３７６）。キーワードの属性が更新日時であるキーワードを含む場合、制御部４００は、ファイル名に加え、当該ファイルの更新日時を表示部４５０に表示する（ステップＳ３７６；Ｙｅｓ→ステップＳ３７８）。さらに、制御部４００は、キーワードに基づく日時と一致する部分を強調表示する（ステップＳ３８０）。

つづいて、制御部４００は、キーワードの属性がファイルの名前あるキーワードを含むか否かを判定する（ステップＳ３８２）。キーワードの属性がファイルの名前であるキーワードを含む場合、制御部４００は、ステップＳ３６２において表示したファイル名のうち、キーワードと一致する部分と一致しない部分とをそれぞれ区別可能なように、異なる態様で強調表示（識別表示）させる（ステップＳ３８２；Ｙｅｓ→ステップＳ３８４）。

図２２に戻り、対話サーバ３０は、音声認識サーバ２０から第２の音声を含む認識結果を受信する（Ｓ１３７）。また、対話サーバ３０及び画像形成装置４０はユーザによる操作に基づきファイルを特定する（Ｓ１３８）。また、画像形成装置４０は、当該特定したファイルに基づく画像の出力を実行する（Ｓ１４０）。

なお、第３実施形態においても、第２実施形態と同様に、Ｓ３１０において、対話サーバ３０の制御部３００は、画像形成装置４０にキーワード及びキーワードの属性を送信する代わりに、表示態様を示す情報を送信してもよい。表示態様を示す情報は、ファイルのサムネイル画像を表示させるための情報や、強調表示させる文字列の情報である。画像形成装置４０の制御部４００は、対話サーバ３０から受信した表示態様を示す情報に基づいて、サムネイルの表示を行う。このようにすることで、対話サーバ３０は、画像形成装置４０に対して、キーワードの属性に応じた表示態様に切り替えて表示させる制御が可能となる。

［３．２ 動作例］
つづいて、本実施形態における動作例を説明する。図２７（ａ）は、ユーザが「昨日の写真」といった音声Ｔ３００が発話された場合の動作例を示す図である。「昨日の写真」といった発話には、属性が更新日時であるキーワード「昨日」と、属性がファイルの種類である「写真」とが含まれる。この場合、画像形成装置４０の表示部４５０には、更新日時及びファイルの種類に基づいて絞り込まれたファイル群のサムネイル画像を含む画面Ｗ３００が表示される。例えば、図２７（ａ）に示すように、画面Ｗ３００には、サムネイル画像Ｅ３００と、ファイル名を含む領域Ｅ３０２とが含まれる。

ユーザの発話に基づくキーワードの中には、属性がファイルの種類であるキーワードが含まれるため、領域Ｅ３０４に示すように、ファイル名に含まれる拡張子の部分が強調表示される。さらに、キーワードの中には、属性が更新日時であるキーワードが含まれるため、領域Ｅ３０２には、ファイル名に加えて更新日時が表示される領域Ｅ３０６が含まれ、更新日時が強調表示される。また、音声入出力装置１０からは、ファイル名とファイル番号とを含む音声Ｔ３０２が出力される。なお、属性がファイルの種類であるキーワードを含む場合は、ファイルの種類が一意に定まるため、音声入出力装置１０から出力される音声は、ファイル名から拡張子が省略された音声であってもよい。

図２７（ｂ）は、ユーザが「山田さんの名刺」といった音声Ｔ３１０が発話された場合の動作例を示す図である。「山田さんの名刺」といった発話には、属性が作成者であるキーワード「山田」と、属性がファイルの名前である「名刺」とが含まれる。この場合、画像形成装置４０の表示部４５０には、作成者名及びファイルの名前に基づいて絞り込まれたファイル群のサムネイル画像を含む画面Ｗ３１０が表示される。例えば、図２７（ｂ）に示すように、画面Ｗ３１０には、サムネイル画像Ｅ３１０と、ファイル名を含む領域Ｅ３１２とが含まれる。

ユーザの発話に基づくキーワードの中には、属性がファイルの名前であるキーワードが含まれる。そのため、領域Ｅ３１４及び領域Ｅ３１６に示すように、ファイル名の中でキーワードと一致する箇所と一致しない箇所とが、それぞれ異なる態様で強調表示（識別表示）される。さらに、キーワードの中には、属性が作成者であるキーワードが含まれるため、領域Ｅ３１２には、ファイル名に加えて作成者名が表示される領域Ｅ３１８が含まれ、作成者名が強調表示される。また、音声入出力装置１０からは、ファイル名のうち、ユーザが入力したキーワードと一致する箇所を省略した省略表現が出力される。なお、音声入出力装置１０から出力される音声は、ファイル名のうちキーワードを一致する部分が省略されてもよいし、省略されていなくてもよい。また、拡張子が省略されていてもよいし、省略されていなくてもよい。複数のキーワードに基づく複合サーチが行われる場合は、ファイル名から省略する部分については、ユーザや管理者等によって設定可能であってもよい。

図２７（ｃ）は、ユーザが「先週の週報」といった音声Ｔ３２０が発話された場合の動作例を示す図である。「先週の週報」といった発話には、属性が更新日時であるキーワード「先週」と、属性がファイルの名前である「週報」とが含まれる。この場合、画像形成装置４０の表示部４５０には、更新日時及びファイルの名前に基づいて絞り込まれたファイル群のサムネイル画像を含む画面Ｗ３２０が表示される。例えば、図２７（ｃ）に示すように、画面Ｗ３２０には、サムネイル画像Ｅ３２０と、ファイル名を含む領域Ｅ３２２とが含まれる。

ユーザの発話に基づくキーワードの中には、属性が更新日時であるキーワードが含まれるため、領域Ｅ３２２に示すように、領域Ｅ３２２には、ファイル名に加えて更新日時が表示される領域Ｅ３２４が含まれ、更新日時が強調表示される。また、属性がファイルの名前であるキーワードが含まれるため、領域Ｅ３２２に示すように、ファイル名の中でキーワードと一致する箇所と一致しない箇所とが、それぞれ異なる態様で強調表示（識別表示）される。

本実施形態によれば、ユーザは、複合サーチにより、出力対象となるファイルの候補をできるだけ減らしたうえで、ファイルを選択することができる。

［４．変形例］
本発明は上述した各実施の形態に限定されるものではなく、種々の変更が可能である。すなわち、本発明の要旨を逸脱しない範囲内において適宜変更した技術的手段を組み合わせて得られる実施の形態についても本発明の技術的範囲に含まれる。

また、上述した各実施の形態では、対話サーバ３０は、ユーザによって入力された音声に基づいてキーワードを取得することとして説明したが、別の方法によってキーワードが取得されてもよい。例えば、キーワードは、対話サーバ３０や画像形成装置４０において利用可能な入力装置（キーワードやタッチパネル）を介して入力された情報に基づいて取得されてもよい。

また、実施形態において各装置で動作するプログラムは、上述した実施形態の機能を実現するように、ＣＰＵ等を制御するプログラム（コンピュータを機能させるプログラム）である。そして、これら装置で取り扱われる情報は、その処理時に一時的に一時記憶装置（例えば、ＲＡＭ）に蓄積され、その後、各種ＲＯＭ（Read Only Memory）やＨＤＤ等の記憶装置に格納され、必要に応じてＣＰＵによって読み出し、修正・書き込みが行なわれる。

ここで、プログラムを格納する記録媒体としては、半導体媒体（例えば、ＲＯＭや、不揮発性のメモリカード等）、光記録媒体・光磁気記録媒体（例えば、ＤＶＤ（Digital Versatile Disc）、ＭＯ（Magneto Optical Disc）、ＭＤ（Mini Disc）、ＣＤ（Compact Disc）、ＢＤ（Blu-ray Disc）（登録商標）等）、磁気記録媒体（例えば、磁気テープ、フレキシブルディスク等）等の何れであってもよい。また、ロードしたプログラムを実行することにより、上述した実施形態の機能が実現されるだけでなく、そのプログラムの指示に基づき、オペレーティングシステムあるいは他のアプリケーションプログラム等と共同して処理することにより、本発明の機能が実現される場合もある。

また、市場に流通させる場合には、可搬型の記録媒体にプログラムを格納して流通させたり、インターネット等のネットワークを介して接続されたサーバコンピュータに転送したりすることができる。この場合、サーバコンピュータの記憶装置も本発明に含まれるのは勿論である。

１ 印刷システム
１０ 音声入出力装置
１００ 制御部
１０２ 音声送信部
１０４ 音声受信部
１１０ 音声入力部
１２０ 音声出力部
１３０ 通信部
１４０ 記憶部
２０ 音声認識サーバ
２００ 制御部
２０２ 音声認識部
２０４ 音声合成部
２０６ 連携部
２１０ 通信部
２２０ 記憶部
３０ 対話サーバ
３００ 制御部
３０２ 対話処理部
３０４ ファイル名発話処理部
３０６ 短縮表現発話処理部
３０８ コマンド送信部
３２０ 通信部
３３０ 記憶部
３３２ 判定テーブル
３３４ 蓄積ファイル情報
４０ 画像形成装置
４００ 制御部
４０２ 画像処理部
４０４ ユーザ認証部
４１０ 画像入力部
４２０ 原稿読取部
４３０ 画像形成部
４４０ 操作部
４５０ 表示部
４６０ 記憶部
４６２ 印刷データリスト
４６４ 印刷データ記憶領域
４６６ ユーザ情報記憶領域
４６８ 待機画面情報
４７０ ジョブ実行画面情報
４７２ 蓄積ファイル情報
４９０ 通信部

Claims (19)

1. 入力された第１の音声から認識されたキーワードを取得する取得部と、
   前記キーワードを用いてファイルを絞り込む絞り込み部と、
   前記絞り込み部によって絞り込まれたファイルに基づく発話内容を発話する処理を実行する発話処理部と、
   前記発話内容が発話された後に入力された第２の音声に基づきファイルを特定する特定部と、
   を備えることを特徴とする情報処理装置。
2. 前記キーワードの属性を判定する判定部と、
   前記キーワードの属性に応じて、前記絞り込み部によって絞り込まれたファイルを表示する制御を行う表示制御部と、
   を更に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。
3. 前記表示制御部は、前記キーワードの属性がファイルの種類である場合、前記ファイルの種類に応じて、前記絞り込み部によって絞り込まれたファイルのサムネイル画像を表示させる制御を行うことを特徴とする請求項２に記載の情報処理装置。
4. 前記表示制御部は、前記ファイルの種類が画像である場合は、画像全体を縮小させたサムネイル画像を表示させ、前記ファイルの種類が画像以外である場合は、ファイルの一部の領域を拡大させたサムネイル画像を表示させる制御を行うことを特徴とする請求項３に記載の情報処理装置。
5. 前記表示制御部は、前記キーワードの属性がファイルの作成者又はファイルの更新日時である場合、前記絞り込み部によって絞り込まれたファイルの情報をリストで表示させ、前記ファイルの情報のうちキーワードと合致する箇所を強調して表示させる制御を行うことを特徴とする請求項２に記載の情報処理装置。
6. 前記発話処理部は、前記キーワードの属性がファイルの名前である場合は、前記絞り込み部によって絞り込まれた前記ファイルのファイル名の短縮表現を発話する処理を実行し、前記キーワードの属性がファイルの名前以外である場合は、前記絞り込み部によって絞り込まれた前記ファイルのファイル名を発話する処理を実行することを特徴とする請求項２から５の何れか一項に記載の情報処理装置。
7. 前記発話処理部は、前記絞り込んだファイルのファイル名を発話する場合に必要となる時間が所定の時間を超えるとき、ファイル名の短縮表現を発話することを判定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. 前記発話処理部は、絞り込んだ前記ファイルのファイル名の短縮表現を発話する処理を実行する場合、前記発話内容を、前記ファイル名から一部の表現を省略した内容とすることを特徴とする請求項１から７の何れか一項に記載の情報処理装置。
9. 前記発話処理部は、前記ファイル名の命名規則に基づき、前記ファイル名に含まれる一部の表現を省略することを特徴とする請求項８に記載の情報処理装置。
10. 前記発話処理部は、前記ファイル名に用いられている言語の特徴に基づき、前記ファイル名に含まれる一部の表現を省略することを特徴とする請求項８又は９に記載の情報処理装置。
11. 前記発話処理部は、キーワードをファイル名に含むファイルを絞り込んだ場合、当該ファイルのファイル名のうち、キーワードと一致する表現を省略することを特徴とする請求項８から１０の何れか一項に記載の情報処理装置。
12. 前記発話処理部は、前記キーワードが複数ある場合であって、前記キーワードをファイル名に含むファイルを絞り込んだとき、当該絞り込んだファイルのファイル名のうち、キーワードと一致する表現を省略することを特徴とする請求項１に記載の情報処理装置。
13. 前記発話処理部は、前記ファイル名から一部の表現を省略した場合の表現が複数のファイルのファイル名において重複する場合、当該重複するファイル名は省略しないことを特徴とする請求項７から１２の何れか一項に記載の情報処理装置。
14. 前記特定部は、前記絞り込んだファイルのうち、当該ファイルのファイル名に、前記第２の音声に基づく発話内容が含まれるファイルを特定することを特徴とする請求項１から１３の何れか一項に記載の情報処理装置。
15. 前記発話処理部は、前記絞り込んだファイルに対応する番号を前記発話内容に含め、
    前記特定部は、前記第２の音声に前記番号が含まれる場合、当該番号に対応するファイルを特定することを特徴とする請求項１から１４の何れか一項に記載の情報処理装置。
16. 情報処理装置と画像形成装置とを含んだ印刷システムであって、
    前記情報処理装置は、
    入力された第１の音声から認識されたキーワードを取得する取得部と、
    前記画像形成装置が出力可能なファイルのうち、前記キーワードを用いてファイルを絞り込む絞り込み部と、
    前記絞り込み部によって絞り込まれたファイルに基づく発話内容を発話する処理を実行する発話処理部と、
    前記発話内容が発話された後に入力された第２の音声に基づきファイルを特定するファイル特定部と、
    を備え、
    前記画像形成装置は、
    前記ファイル特定部によって特定されたファイルの画像を形成する画像形成部
    を備えることを特徴する印刷システム。
17. 前記画像形成装置は、キーワードをファイル名に含むファイルを絞り込んだ場合、当該ファイルのファイル名のうち、キーワードと一致する部分と一致しない部分とを区別可能に識別表示する制御を行う制御部を更に備えることを特徴とする請求項１６に記載の印刷システム。
18. 入力された第１の音声から認識されたキーワードを取得するステップと、
    前記キーワードを用いてファイルを絞り込むステップと、
    絞り込まれた前記ファイルに基づく発話内容を発話する処理を実行するステップと、
    前記発話内容が発話された後に入力された第２の音声に基づきファイルを特定するステップと、
    を含むことを特徴とする制御方法。
19. コンピュータに、
    入力された第１の音声から認識されたキーワードを取得する機能と、
    前記キーワードを用いてファイルを絞り込む機能と、
    絞り込まれた前記ファイルに基づく発話内容を発話する処理を実行する機能と、
    前記発話内容が発話された後に入力された第２の音声に基づきファイルを特定する機能と、
    を実現させることを特徴とするプログラム。
    

Images