JP2022114742A - サーバ装置、通信端末装置及び表示方法 - Google Patents

Abstract

【課題】複数の通信端末装置の間で複数の会話が行われている場合に、他の通信端末装置のユーザが参加したい会話を容易に選択することを可能とするサーバ装置を提供する。【解決手段】音声取得部１３０は、複数の通信端末装置の間で行われている１つ以上の会話セッションそれぞれの音声データを取得する。文字情報生成部１４０は、取得されたセッション音声データを用いて、対応する会話セッションの会話の内容を文字列で示す文字情報を生成する。表示制御部１６０は、通信端末装置が参加することを許可されることによって参加可能な会話セッションを列挙し、会話セッションそれぞれに対応する文字情報を示す参加可能セッション選択リストを、対応する通信端末装置に表示させるための制御を行う。【選択図】図３

Description

本発明は、サーバ装置、通信端末装置及び表示方法に関する。

近年、ネットワークを介して互いに離れた地点に設けられた複数の通信端末装置の間で会話を行うことが可能となっている。このような遠隔で会話を行うシステムでは、会話の参加者が１つの場所に集まる必要はなく、各参加者は、各々の席又は自宅等にいながら、会話に参加することができる。

このような技術に関連し、特許文献１は、会話環境とミーティング実施形態とを単一のアプリケーション内に含むユーザ体験を提供するシステムを開示する。システムは、ユーザによって選択される環境によって決まる、会話スレッドまたはミーティングのリストを表示する選択枠を含む。ユーザは、ミーティングおよび会話の検索を行うことが可能になる。

特表２０１２－５１９４５２号公報

遠隔で複数の会話が行われている場合、会話に参加していない通信端末装置のユーザがどの会話に参加するかを選択することは難しい。ここで、特許文献１にかかる技術では、単にミーティング等の会話名を含むリストを表示し、そのリストからユーザに選択させる。このような技術では、ユーザは、実際の会話の内容が分からないので、そのユーザが参加したい会話であるのか判断することが困難である。したがって、特許文献１にかかる技術では、ユーザが参加したい会話を選択することは困難である。

上記課題に鑑み、本発明は、複数の通信端末装置の間で複数の会話が行われている場合に、他の通信端末装置のユーザが参加したい会話を容易に選択することを可能とするサーバ装置、通信端末装置及び表示方法を提供することを目的とする。

本発明にかかるサーバ装置は、通信ネットワークに接続されたサーバ装置であって、複数の通信端末装置の間で行われている１つ以上の会話セッションそれぞれの音声データを取得する音声取得部と、取得された前記音声データを用いて、対応する前記会話セッションの会話の内容を文字列で示す文字情報を生成する文字情報生成部と、前記会話セッションのうち第１の通信端末装置が参加を許可されている１つ以上の会話セッションのいずれに参加するかを選択するために当該会話セッションそれぞれに対応する前記文字情報の少なくとも一部を示すリストを当該第１の通信端末装置に表示させるための制御を行う表示制御部と、を有する。

また、本発明にかかる通信端末装置は、複数の他の通信端末装置の間で行われている１つ以上の会話セッションのうち当該通信端末装置が参加を許可されている１つ以上の会話セッションそれぞれの音声データを取得する音声取得部と、取得された前記音声データを用いて、対応する前記会話セッションの会話の内容を文字列で示す文字情報を生成する文字情報生成部と、前記会話セッションのいずれに参加するかを選択するために当該会話セッションそれぞれに対応する前記文字情報の少なくとも一部を示すリストを表示する表示部と、を有する。

また、本発明にかかる表示方法は、通信ネットワークにおいて、複数の通信端末装置の間で行われている１つ以上の会話セッションそれぞれの音声データを取得し、前記取得された音声データを用いて、対応する前記会話セッションの会話の内容を文字列で示す文字情報を生成し、前記会話セッションのうち第１の通信端末装置が参加を許可されている１つ以上の会話セッションのいずれに参加するかを選択するために当該会話セッションそれぞれに対応する前記文字情報の少なくとも一部を示すリストを当該第１の通信端末装置に表示させるための制御を行う。

本発明によれば、複数の通信端末装置の間で会話が行われている場合に、他の通信端末装置のユーザが参加したい会話に容易に参加することを可能とするサーバ装置、通信端末装置及び表示方法を提供することができる。

実施の形態１にかかる遠隔会話システムを示す図である。 実施の形態１にかかる通信端末装置の構成を示す図である。 実施の形態１にかかるサーバ装置の構成を示す図である。 実施の形態１にかかるセッション管理部によって管理されるセッション情報を例示する図である。 実施の形態１にかかるリスト生成部によって生成される参加可能セッションリストを例示する図である。 実施の形態１にかかる遠隔会話システムで情報が送受信される状態を例示する図である。 通信端末装置で表示される参加可能セッション選択リストを例示する図である。 実施の形態１にかかるサーバ装置によって行われる処理を示すフローチャートである。 実施の形態２にかかる遠隔会話システムを示す図である。 実施の形態２にかかる通信端末装置の構成を示す図である。 実施の形態２にかかる通信端末装置によって行われる処理を示すフローチャートである。

（実施の形態１）
以下、実施形態について、図面を参照しながら説明する。説明の明確化のため、以下の記載及び図面は、適宜、省略、及び簡略化がなされている。また、各図面において、同一の要素には同一の符号が付されており、必要に応じて重複説明は省略されている。

図１は、実施の形態１にかかる遠隔会話システム１を示す図である。遠隔会話システム１は、複数の通信端末装置３０と、サーバ装置１００とを有する。通信端末装置３０は、遠隔で行われる会話のセッション（会話セッション）に参加し得るユーザごとに設けられ得る。なお、会話セッションは、２以上の通信端末装置３０が参加して遠隔で行われている会話（遠隔会話）の１つ１つの単位である。複数の通信端末装置３０と、サーバ装置１００とは、互いにネットワーク１２を介して通信可能に接続されている。ネットワーク１２は、通信ネットワークであって、有線であってもよく、無線であってもよく、有線と無線の組み合わせであってもよい。ネットワーク１２は、インターネットであってもよいし、ＬＡＮ（Local Area Network）であってもよい。遠隔会話は、例えば、遠隔会議、ウェブ会議、ウェブミーティング、オンラインミーティング、オンライン会議などである。

通信端末装置３０は、例えば、ユーザが所有しているコンピュータである。通信端末装置３０は、例えば、パソコン（ＰＣ：Personal Computer）、及び、スマートフォン又はタブレット端末等の携帯端末である。通信端末装置３０は、ユーザが会話セッションに参加する際に、ユーザの発した音声を示す音声データ（ユーザ音声データ）を、ネットワーク１２を介してサーバ装置１００に送信する。また、通信端末装置３０は、会話セッションに参加しているユーザの音声を示す音声データ（セッション音声データ）を、ネットワーク１２を介してサーバ装置１００から受信する。そして、通信端末装置３０は、セッション音声データに対応する音声を、その通信端末装置３０のユーザが聴取可能に出力する。

サーバ装置１００は、例えば、サーバ等のコンピュータである。サーバ装置１００は、１つ以上の会話セッションを管理する。サーバ装置１００は、各参加者の通信端末装置３０から音声データを受信して、複数の通信端末装置３０に送信する。なお、この場合、サーバ装置１００は、音声データを送信した通信端末装置３０には、その音声データを送信しなくてもよい（他の実施の形態でも同様）。なお、実施の形態１において、用語「音声」は、情報処理における処理対象としての、「音声を示す音声データ」も意味し得る。

図２は、実施の形態１にかかる通信端末装置３０の構成を示す図である。通信端末装置３０は、主要なハードウェア構成として、制御部３２と、記憶部３４と、通信部３６と、インタフェース部３８（ＩＦ：Interface）を有する。制御部３２、記憶部３４、通信部３６及びインタフェース部３８は、データバスなどを介して相互に接続されている。

制御部３２は、例えばＣＰＵ（Central Processing Unit）等のプロセッサである。制御部３２は、制御処理及び演算処理等を行う演算装置としての機能を有する。記憶部３４は、例えばメモリ又はハードディスク等の記憶デバイスである。記憶部３４は、例えばＲＯＭ（Read Only Memory）又はＲＡＭ（Random Access Memory）等である。記憶部３４は、制御部３２によって実行される制御プログラム及び演算プログラム等を記憶するための機能を有する。また、記憶部３４は、処理データ等を一時的に記憶するための機能を有する。記憶部３４は、データベースを含み得る。

通信部３６は、サーバ装置１００等の遠隔会話システム１を構成する装置と通信を行うために必要な処理を行う。通信部３６は、通信ポート、ルータ、ファイアウォール等を含み得る。インタフェース部３８は、例えばユーザインタフェース（ＵＩ）である。インタフェース部３８は、キーボード、タッチパネル又はマウス等の入力装置と、ディスプレイ又はスピーカ等の出力装置とを有する。インタフェース部３８は、ユーザ（オペレータ）によるデータの入力の操作を受け付け、ユーザに対して情報を出力する。また、インタフェース部３８は、入力装置として、マイクロフォン等の集音装置、及び、カメラ等の撮像装置を有し得る。また、インタフェース部３８の少なくとも一部は、通信端末装置３０と物理的に一体である必要はない。インタフェース部３８の少なくとも一部は、通信端末装置３０と、有線又は無線によって接続されていてもよい。

また、通信端末装置３０は、構成要素として、ユーザ音声取得部４２、ユーザ音声送信部４４、音声受信部４６、及び、音声出力部４８を有する。また、通信端末装置３０は、構成要素として、リスト要求送信部５０、リスト受信部５２、リスト表示部５４、選択処理部５６、参加要求送信部６０、及び、参加処理部６２を有する。これらの構成要素は、上述したハードウェア構成によって実現されてもよいし、ソフトウェアによって実現されてもよい。

ユーザ音声取得部４２、ユーザ音声送信部４４、音声受信部４６及び音声出力部４８は、通信端末装置３０が会話セッションに参加している場合に動作し得る。一方、リスト要求送信部５０、リスト受信部５２、リスト表示部５４、選択処理部５６、参加要求送信部６０及び参加処理部６２は、通信端末装置３０が会話セッションに参加していない場合に動作し得る。あるいは、リスト要求送信部５０、リスト受信部５２、リスト表示部５４、選択処理部５６、参加要求送信部６０及び参加処理部６２は、通信端末装置３０が現在参加している会話セッションから離脱して別の会話セッションに参加し直す場合に動作し得る。

ユーザ音声取得部４２は、遠隔会話の参加者である通信端末装置３０のユーザの発した音声を取得する。ユーザ音声取得部４２は、インタフェース部３８である集音装置によって音声を取得してもよい。ユーザ音声送信部４４は、取得されたユーザの音声（ユーザ音声データ）を、ネットワーク１２を介して、サーバ装置１００に送信する。ユーザ音声送信部４４は、通信部３６によって音声を送信してもよい。

音声受信部４６は、遠隔会話に参加している複数のユーザの音声（セッション音声データ）を、ネットワーク１２を介して、サーバ装置１００から受信する。音声受信部４６は、通信部３６によって音声を受信してもよい。音声受信部４６は、セッション音声データを、ストリーミングデータとして受信してもよい。音声出力部４８は、複数のユーザの音声（セッション音声データ）を、通信端末装置３０のユーザが聴取可能に出力する。音声出力部４８は、インタフェース部３８であるスピーカによって音声を出力してもよい。

リスト要求送信部５０は、参加可能セッション選択リストをサーバ装置１００に要求するための信号（リスト要求）を、ネットワーク１２を介して送信する。リスト要求送信部５０は、通信部３６によってリスト要求を送信してもよい。ここで、参加可能セッション選択リストとは、通信端末装置３０が参加することを許可されることによって参加可能な会話セッションを列挙したリストである。なお、通信端末装置３０が参加可能な会話セッションとは、通信端末装置３０のユーザが参加可能な会話セッションということもできる。参加可能セッション選択リストは、通信端末装置３０が参加するための会話セッションを選択するためのリストである。ここで、参加可能セッション選択リストは、会話セッションの会話の内容を文字列で示している。参加可能セッション選択リストの詳細については後述する。リスト要求は、少なくとも、通信端末装置３０又はユーザの識別情報を含む。

リスト受信部５２は、リスト要求に応じてサーバ装置１００から送信されたリスト表示指示を、ネットワーク１２を介して受信する。なお、リスト表示指示は、参加可能セッション選択リストを表示させるための信号（命令）である。リスト受信部５２は、通信部３６によってリスト表示指示を受信してもよい。

リスト表示部５４は、受信されたリスト表示指示により、参加可能セッション選択リストを表示する。リスト表示部５４は、インタフェース部３８であるディスプレイによって、参加可能セッション選択リストに対応する画像を表示してもよい。ここで、リスト表示部５４は、後述するように、サーバ装置１００による制御によって、参加可能セッション選択リストを表示する。

選択処理部５６は、参加可能セッション選択リストに列挙された会話セッションから、通信端末装置３０が参加する会話セッションを選択するための処理を行う。選択処理部５６は、インタフェース部３８である入力装置（タッチパネル又はマウス等）に対するユーザの操作に応じて、会話セッションを選択してもよい。

参加要求送信部６０は、選択された会話セッションに参加するための信号（命令）である参加要求を、ネットワーク１２を介して、サーバ装置１００に送信する。参加要求送信部６０は、通信部３６によって参加要求を送信してもよい。参加要求は、少なくとも、通信端末装置３０又はユーザの識別情報と、会話セッションの識別情報とを含む。参加処理部６２は、サーバ装置１００による制御によって、参加要求に対応する会話セッションに通信端末装置３０が参加するための処理を行う。

図３は、実施の形態１にかかるサーバ装置１００の構成を示す図である。サーバ装置１００は、主要なハードウェア構成として、制御部１０２と、記憶部１０４と、通信部１０６と、インタフェース部１０８とを有する。制御部１０２、記憶部１０４、通信部１０６及びインタフェース部１０８は、データバスなどを介して相互に接続されている。

制御部１０２は、例えばＣＰＵ等のプロセッサである。制御部１０２は、解析処理、制御処理及び演算処理等を行う演算装置としての機能を有する。記憶部１０４は、例えばメモリ又はハードディスク等の記憶デバイスである。記憶部１０４は、例えばＲＯＭ又はＲＡＭ等である。記憶部１０４は、制御部１０２によって実行される制御プログラム及び演算プログラム等を記憶するための機能を有する。また、記憶部１０４は、処理データ等を一時的に記憶するための機能を有する。記憶部１０４は、データベースを含み得る。

通信部１０６は、通信端末装置３０等の他の装置とネットワーク１２を介して通信を行うために必要な処理を行う。通信部１０６は、通信ポート、ルータ、ファイアウォール等を含み得る。インタフェース部１０８は、例えばユーザインタフェース（ＵＩ）である。インタフェース部１０８は、キーボード、タッチパネル又はマウス等の入力装置と、ディスプレイ又はスピーカ等の出力装置とを有する。インタフェース部１０８は、オペレータによるデータの入力の操作を受け付け、オペレータに対して情報を出力する。

実施の形態１にかかるサーバ装置１００は、構成要素として、セッション管理部１１０、リスト生成部１２０、及び、リスト格納部１２２を有する。また、サーバ装置１００は、構成要素として、リスト要求受信部１２４、音声取得部１３０、文字情報生成部１４０、履歴記憶部１５０、表示制御部１６０、参加要求受信部１７０、及び、参加制御部１７２を有する。なお、サーバ装置１００は、物理的に１つの装置で構成されていなくてもよい。この場合、上述した各構成要素は、物理的に別個の複数の装置によって実現されてもよい。

なお、上述した各構成要素は、例えば、制御部１０２の制御によって、プログラムを実行させることによって実現できる。より具体的には、各構成要素は、記憶部１０４に格納されたプログラムを、制御部１０２が実行することによって実現され得る。また、必要なプログラムを任意の不揮発性記録媒体に記録しておき、必要に応じてインストールすることで、各構成要素を実現するようにしてもよい。これらのことは、後述する他の実施の形態においても同様である。

また、各構成要素は、プログラムによるソフトウェアで実現することに限ることなく、ハードウェア、ファームウェア、及びソフトウェアのうちのいずれかの組み合わせ等により実現してもよい。また、各構成要素は、例えばＦＰＧＡ（field-programmable gate array）又はマイコン等の、ユーザがプログラミング可能な集積回路を用いて実現してもよい。この場合、この集積回路を用いて、上記の各構成要素から構成されるプログラムを実現してもよい。これらのことは、後述する他の実施の形態においても同様である。

セッション管理部１１０は、現在実行されている会話セッションの管理を行う。具体的には、セッション管理部１１０は、会話セッションごとに、その会話セッションに参加している通信端末装置３０からユーザ音声データを受信する。また、セッション管理部１１０は、会話セッションごとに、その会話セッションに参加している通信端末装置３０にセッション音声データを送信する。これにより、セッション管理部１１０は、会話セッションを実行する。なお、セッション管理部１１０は、ミキシング処理を行って、複数のユーザの音声が同時に発せられた場合にそれぞれの音声が途切れないように合成する処理を行った上で、セッション音声データを送信してもよい。セッション管理部１１０は、通信部１０６によって、音声データを送受信する。また、セッション管理部１１０は、会話セッションごとに、会話セッションに参加している通信端末装置３０及び参加可能な通信端末装置３０を示すセッション情報を管理してもよい。

図４は、実施の形態１にかかるセッション管理部１１０によって管理されるセッション情報を例示する図である。セッション情報は、セッションＩＤと、参加端末ＩＤと、参加可能端末ＩＤとを含む。セッションＩＤは、会話セッションの識別情報である。参加端末ＩＤは、その会話セッションに現在参加している通信端末装置３０の識別情報である。参加可能端末ＩＤは、その会話セッションに現在参加していないが、参加する資格を有する通信端末装置３０の識別情報である。ここで、「参加する資格を有する通信端末装置３０」とは、例えば、その会話セッションに招待された通信端末装置３０であるが、これに限定されない。さらに、会話セッションへの招待は、通信端末装置３０の１つによって行われる。そして、招待を行う通信端末装置３０は、招待される通信端末装置３０を指定する指定情報をサーバ装置１００に送信する。指定情報は、会話セッションの識別情報と、その会話セッションに参加を許可された通信端末装置３０の識別情報とを含む。そして、その指定情報がセッション管理部１１０に登録されることで、会話セッションが開始される。セッション管理部１１０は、この指定情報に基づいて、図４に例示されたセッション情報を生成してもよい。例えば、図４の例では、セッション＃１に関する指定情報は、端末Ａ，端末Ｂ，端末Ｃ，端末Ｄ，及び端末Ｘを、参加が許可された通信端末装置３０として指定している。また、セッション＃２に関する指定情報は、端末Ｅ，端末Ｆ，端末Ｇ，端末Ｈ，端末Ｘ及び端末Ｙを、参加が許可された通信端末装置３０として指定している。

また、図４の例では、セッションＩＤ「セッション＃１」に参加している通信端末装置３０の識別情報は、「端末Ａ」、「端末Ｂ」、「端末Ｃ」及び「端末Ｄ」である。また、セッションＩＤ「セッション＃１」に参加していないが参加可能な通信端末装置３０の識別情報は、「端末Ｘ」である。また、セッションＩＤ「セッション＃２」に参加している通信端末装置３０の識別情報は、「端末Ｅ」、「端末Ｆ」、「端末Ｇ」及び「端末Ｈ」である。また、セッションＩＤ「セッション＃２」に参加していないが参加可能な通信端末装置３０の識別情報は、「端末Ｘ」及び「端末Ｙ」である。

リスト生成部１２０（図３）は、通信端末装置３０ごとに、参加可能セッションリストを生成する。ここで、参加可能セッションリストは、対応する通信端末装置３０が参加可能な会話セッション（参加可能セッション）を列挙したリストである。例えば、リスト生成部１２０は、図４に例示したセッション情報を用いて、参加可能セッションリストを生成してもよい。具体的には、リスト生成部１２０は、指定情報に基づいて生成されたセッション情報から、通信端末装置３０それぞれが参加可能な会話セッションを抽出することにより、参加可能セッションリストを生成してもよい。したがって、通信端末装置３０が参加可能な会話セッションは、ある通信端末装置３０によって送信された指定情報に基づいて抽出されると言える。参加可能セッションリストは、後述する参加可能セッション選択リストを生成するために使用され得る。つまり、リスト生成部１２０は、参加可能セッション選択リストを表示させるための情報である参加可能セッションリストを生成する。リスト格納部１２２は、リスト生成部１２０によって生成された参加可能セッションリストを格納する。

図５は、実施の形態１にかかるリスト生成部１２０によって生成される参加可能セッションリストを例示する図である。参加可能セッションリストは、通信端末装置３０の識別情報である端末ＩＤと、参加可能セッションＩＤとを含む。参加可能セッションＩＤは、対応する通信端末装置３０が参加可能な会話セッションの識別情報を示す。

図５の例では、端末ＩＤ「端末Ｘ」の通信端末装置３０が参加可能な会話セッションの識別情報は、「セッション＃１」、「セッション＃２」、「セッション＃３」及び「セッション＃４」である。また、端末ＩＤ「端末Ｙ」の通信端末装置３０が参加可能な会話セッションの識別情報は、「セッション＃２」及び「セッション＃３」である。

リスト要求受信部１２４は、通信端末装置３０からリスト要求を受信する。リスト要求受信部１２４は、通信部１０６によってリスト要求を受信する。サーバ装置１００は、受信されたリスト要求に応じて、そのリスト要求を送信した通信端末装置３０が参加可能な会話セッションのリストを、その通信端末装置３０に送信する。

なお、リスト生成部１２０は、リスト要求を送信した端末についてのみ、参加可能セッションリストを生成してもよい。例えば、リスト要求受信部１２４が端末ＩＤ「端末Ｘ」の通信端末装置３０からリスト要求を受信した場合、リスト生成部１２０は、図５に例示した端末ＩＤ「端末Ｘ」の参加可能セッションリストのみを生成してもよい。

図６は、実施の形態１にかかる遠隔会話システム１で情報が送受信される状態を例示する図である。以下に示す説明では、適宜、図４～図６に示す例について説明する。図６に示す例では、図４に示した、通信端末装置３０Ａ～３０Ｄ（端末Ａ～端末Ｄ）が参加するセッションＩＤ「セッション＃１」の会話セッションが実行されている。通信端末装置３０Ａ（端末Ａ）は、通信端末装置３０Ａのユーザの音声を、サーバ装置１００に送信する。通信端末装置３０Ｂ（端末Ｂ）は、通信端末装置３０Ｂのユーザの音声を、サーバ装置１００に送信する。通信端末装置３０Ｃ（端末Ｃ）は、通信端末装置３０Ｃのユーザの音声を、サーバ装置１００に送信する。通信端末装置３０Ｄ（端末Ｄ）は、通信端末装置３０Ｄのユーザの音声を、サーバ装置１００に送信する。

また、通信端末装置３０Ａ（端末Ａ）は、サーバ装置１００から、セッション＃１の音声（セッション音声データ）を受信する。同様に、通信端末装置３０Ｂ～３０Ｄ（端末Ｂ～端末Ｄ）は、サーバ装置１００から、セッション＃１に対応するセッション音声データを受信する。なお、各通信端末装置３０は、そのユーザ以外の音声データで構成されるセッション音声データを受信してもよい。例えば、通信端末装置３０Ａは、通信端末装置３０Ｂ～３０Ｄのユーザの音声で構成されるセッション音声データを、サーバ装置１００から受信してもよい。

また、図６に示す例では、セッションＩＤ「セッション＃１」の会話セッションに参加していないがこの会話セッションに参加可能な通信端末装置３０Ｘ（端末Ｘ）が、リスト要求を送信している。したがって、サーバ装置１００は、通信端末装置３０Ｘ（端末Ｘ；第１の通信端末装置）の参加可能セッション選択リストを、通信端末装置３０Ｘ（端末Ｘ）に表示させる。このとき、後述するように、サーバ装置１００は、通信端末装置３０Ｘに、「セッション＃１」の会話セッションの会話の内容を示す文字情報を送信する。

音声取得部１３０（図３）は、複数の通信端末装置３０の間で行われている１つ以上の会話セッションそれぞれの音声データを取得する。具体的には、音声取得部１３０は、リスト要求を送信した通信端末装置３０が参加可能な会話セッションのセッション音声データを取得する。さらに具体的には、音声取得部１３０は、リスト格納部１２２に格納されている参加可能セッションリストを参照して、対応する会話セッションのセッション音声データを取得する。さらに具体的には、通信端末装置３０Ｘがリスト要求を送信したとすると、音声取得部１３０は、通信端末装置３０Ｘに対応する参加可能セッションリストに含まれるセッションＩＤに対応する会話セッションのセッション音声データを取得する。例えば、音声取得部１３０は、セッション管理部１１０から、通信端末装置３０Ｘが参加可能な会話セッションのセッション音声データを取得してもよい。音声取得部１３０は、通信端末装置３０Ｘが参加可能な会話セッションのセッション音声データを、ストリーミングデータとして取得してもよい。

文字情報生成部１４０は、音声取得部１３０によって取得されたセッション音声データを用いて、対応する会話セッションの会話の内容を文字列で示す文字情報を生成する。図５の例において通信端末装置３０Ｘからリスト要求が受信された場合、文字情報生成部１４０は、セッション＃１，＃２，＃３，＃４それぞれの会話セッションについて、会話セッションでなされている会話の内容を文字列で示す文字情報を生成する。ここで、「会話セッションの会話の内容」とは、議題、タイトル、表題、会議番号といった会話セッションを識別する情報ではない。「会話セッションの会話の内容」とは、会話セッションにおいて参加者が実際に行っている会話の具体的な内容を意味する。そして、「会話セッションの会話の内容」は、同じ会話セッションであっても、会話の進行につれて、時々刻々と変化し得る。つまり、「会話セッションの会話の内容」は、会話の進行に伴って更新され得る。

文字情報生成部１４０が、様々な方法によって、会話セッションの会話の内容を示す文字情報を生成することができる。例えば、第１の例として、文字情報生成部１４０は、セッション音声データを文字データ（テキストデータ）に変換する。これにより、文字情報生成部１４０は、セッション音声データの音声をそのまま文字列に変換した文字情報を生成する。つまり、第１の例における文字情報は、会話セッションにおける音声をそのまま文字列に変換したものに対応する。そして、第１の例における文字情報は、会話セッションにおける音声データを変換して得られた文字データを含む。文字情報生成部１４０は、例えば、音響分析及び音声認識処理等の処理を行って、音声データを文字データに変換してもよい。第１の例では、文字情報生成部１４０は、会話の進行に追従して、リアルタイムで、文字情報を生成する。したがって、第１の例における文字情報は、会話の進行に伴ってリアルタイムに更新されていく。

また、第２の例として、文字情報生成部１４０は、セッション音声データを文字データに変換する。また、文字情報生成部１４０は、会話の区切り又は会話中の文章の区切りを検出する。さらに、文字情報生成部１４０は、これらの区切りから最初の数文字（例えば１０文字）のみの文字列で構成される文字情報を生成する。つまり、第２の例における文字情報は、会話セッションにおける会話を区切った各区間の最初の数文字に対応する。そして、第２の例における文字情報は、会話セッションにおける音声データを変換して得られた文字データの少なくとも一部を含む。第２の例では、文字情報生成部１４０は、会話又は文章の区切りごとに、文字情報を生成する。したがって、第２の例における文字情報は、会話の進行に伴って更新されていく。

なお、文字情報生成部１４０は、セッション音声データを文字データに変換した文字列（第１の例の文字情報に対応）を用いて、文章の区切りを検出してもよい。この場合、文章の区切りは、例えば句点又はピリオドに対応する箇所であり得る。また、文字情報生成部１４０は、自然言語処理等によって会話又は文章の区切りを示す言葉を検出することで、会話又は文章の区切りを検出してもよい。また、文字情報生成部１４０は、音声データを用いて話者の交代のタイミングを検出することで、会話の区切りを検出してもよい。また、文字情報生成部１４０は、音声データを用いて会話又は文章の区切りを示す音韻（語尾の上げ下げ等）を検出することで、会話又は文章の区切りを検出してもよい。また、文字情報生成部１４０は、音声データを用いて、発話のない状態（会話の「間」）を検出することで、会話の区切りを検出してもよい。

また、第３の例として、文字情報生成部１４０は、会話の要約を示す文字情報を生成してもよい。例えば、文字情報生成部１４０は、セッション音声データを文字データに変換した文字列（第１の例の文字情報に対応）を用いて、自然言語処理等によって会話の要約を生成してもよい。また、文字情報生成部１４０は、予め定められた文字数（例えば１０～３０文字）以内の要約を生成してもよい。ここで、文字情報生成部１４０は、予め定められた期間（例えば３～５分間）ごとに、会話の要約を生成してもよい。また、文字情報生成部１４０は、第２の例のように会話セッションにおける会話を区切った区間ごとに、会話の要約を生成してもよい。したがって、第３の例における文字情報は、会話の進行に伴って更新されていく。

履歴記憶部１５０は、各会話セッションの会話の履歴を示す履歴情報を記憶する。履歴情報は、会話セッションの識別情報と、文字情報生成部１４０によって生成された文字情報とが対応付けられた情報である。なお、履歴情報は、対応する文字情報が生成された時刻を含んでもよい。

表示制御部１６０は、参加可能セッション選択リストを、対応する通信端末装置３０に表示させるための制御を行う。ここで、上述したように、参加可能セッション選択リストは、会話セッションに参加していない通信端末装置３０が参加可能な会話セッションを列挙し、会話セッションそれぞれの会話の内容を示す文字情報を含むリストである。参加可能セッション選択リストは、通信端末装置３０が参加するための会話セッションを選択するためのリストである。

表示制御部１６０は、通信端末装置３０に対応する参加可能セッションリストと文字情報と履歴情報とを用いて、リスト表示指示を生成する。リスト表示指示は、通信端末装置３０に参加可能セッション選択リストを表示させるための指示（信号）である。ここで、参加可能セッション選択リストは、通信端末装置３０が参加可能な会話セッションを表示する。したがって、表示制御部１６０は、指定情報に基づいて抽出された、通信端末装置３０が参加可能な会話セッションを、参加可能セッション選択リストに表示させるように、制御を行う。表示制御部１６０は、通信部１０６を用いて、リスト表示指示を、ネットワーク１２を介して通信端末装置３０に送信する。これにより、通信端末装置３０のリスト表示部５４は、参加可能セッション選択リストを表示する。このようにして、表示制御部１６０は、参加可能セッション選択リストを、通信端末装置３０に表示させるための制御を行う。また、リスト表示指示は、通信端末装置３０に、後述する図７に例示するように文字情報を表示させるための指示を含む。リスト表示指示は、データパケットの形式で、通信端末装置３０に送信されてもよい。リスト表示指示は、文字情報と、対応する会話セッションの識別情報とを含む。

例えば、参加可能セッション選択リストは、通信端末装置３０が参加可能な会話セッションそれぞれの選択ボタンと、対応する会話セッションの会話の内容を示す文字情報とを示す。そして、通信端末装置３０において、表示された選択ボタンがユーザによってクリック又はタップ等の選択操作がなされることにより、その選択ボタンに対応する会話セッションが選択される。なお、文字情報は、横長の選択ボタンに重畳されて示されてもよい。また、参加可能セッション選択リストは、さらに、履歴情報を示してもよい。履歴情報は、例えば、通信端末装置３０において、選択ボタンに対して右クリック操作又はロングタップ等のポップアップ画面表示操作がなされることによって、表示されてもよい。

図７は、通信端末装置３０で表示される参加可能セッション選択リスト７０を例示する図である。図７には、図５の例において通信端末装置３０Ｘにおいて表示される参加可能セッション選択リストを例示する。参加可能セッション選択リスト７０は、選択ボタン７２と、文字情報７４とを示す。図７の例において、文字情報７４は、選択ボタン７２に重畳されて示されている。また、通信端末装置３０Ｘにおいて選択ボタン７２を右クリックすると、その選択ボタン７２に対応する会話セッションの履歴情報が表示される。

図７に例示する参加可能セッション選択リスト７０は、選択ボタン７２－１と、選択ボタン７２－２と、選択ボタン７２－３と、選択ボタン７２－４とを示す。選択ボタン７２－１は、セッション＃１に対応する会話セッションの選択ボタンである。選択ボタン７２－２は、セッション＃２に対応する会話セッションの選択ボタンである。選択ボタン７２－３は、セッション＃３に対応する会話セッションの選択ボタンである。選択ボタン７２－４は、セッション＃４に対応する会話セッションの選択ボタンである。例えば、通信端末装置３０Ｘにおいて、選択ボタン７２－１にクリック等の選択操作がなされると、セッション＃１の会話セッションが選択される。そして、通信端末装置３０Ｘは、通信端末装置３０Ｘの識別情報と会話セッションの識別情報「セッション＃１」とを示す参加要求を、サーバ装置１００に送信する。

また、図７に例示する参加可能セッション選択リスト７０は、文字情報７４－１と、文字情報７４－２と、文字情報７４－３と、文字情報７４－４とを示す。文字情報７４－１は、セッション＃１に対応する会話セッションの文字情報である。文字情報７４－２は、セッション＃２に対応する会話セッションの文字情報である。文字情報７４－３は、セッション＃３に対応する会話セッションの文字情報である。文字情報７４－４は、セッション＃４に対応する会話セッションの文字情報である。

ここで、文字情報７４が上述した第１の例にかかるものである場合、セッション音声データに対応する文字情報７４は、例えば、会話の進行に合わせて、選択ボタン７２上を右から左にスクロールするように表示される。この場合、表示制御部１６０は、文字情報７４を通信端末装置３０Ｘにストリーミング配信してもよい。表示制御部１６０は、文字情報７４をストリーミング配信して選択ボタン７２上をスクロールして表示させるためのリスト表示指示を、通信端末装置３０Ｘに送信する。第１の例にかかる文字情報７４を参加可能セッション選択リストに表示することによって、通信端末装置３０Ｘのユーザは、会話セッションでなされている会話そのものを把握することができる。

また、文字情報７４が上述した第２の例にかかるものである場合、会話の区間の最初の数文字を示す文字情報７４が、選択ボタン７２上に表示される。そして、会話が次の区間に進行したときに、次の区間の最初の数文字を示す文字情報が、選択ボタン７２上に表示される。このようにして、選択ボタン７２に表示される文字情報７４が、会話の進行に伴って更新される。表示制御部１６０は、会話の区間の最初の数文字を示す文字情報７４を選択ボタン７２上に表示させるためのリスト表示指示を、通信端末装置３０Ｘに送信する。そして、会話が次の区間に進行したときに、表示制御部１６０は、次の区間の最初の数文字を示す文字情報７４を選択ボタン７２上に表示させるためのリスト表示指示を、通信端末装置３０Ｘに送信する。第２の例にかかる文字情報７４を参加可能セッション選択リストに表示することによって、第１の例にかかる文字情報７４の場合と比較して、サーバ装置１００と通信端末装置３０Ｘとの間の通信負荷を低減することができる。

また、文字情報７４が上述した第３の例にかかるものである場合、会話のある区間の要約を示す文字情報７４が、選択ボタン７２上に表示される。そして、会話が次の区間に進行したときに、次の区間の要約を示す文字情報が、選択ボタン７２上に表示される。このようにして、選択ボタン７２に表示される文字情報７４が、会話の進行に伴って更新される。表示制御部１６０は、会話の要約を示す文字情報７４を選択ボタン７２上に表示させるためのリスト表示指示を、通信端末装置３０Ｘに送信する。そして、会話が進行して次の区間の要約が生成されたときに、表示制御部１６０は、次の区間の要約を示す文字情報７４を選択ボタン７２上に表示させるためのリスト表示指示を、通信端末装置３０Ｘに送信する。第３の例にかかる文字情報７４を参加可能セッション選択リストに表示することによって、通信端末装置３０Ｘのユーザは、会話の要約つまり概要を容易に把握することができる。

なお、文字情報７４は、選択ボタン７２に重畳されて示されなくてもよい。例えば、文字情報７４は、対応する会話セッションの選択ボタン７２の近傍に示されてもよい。例えば、文字情報７４－１は、選択ボタン７２－１の下に示されてもよい。

参加要求受信部１７０（図３）は、参加可能セッション選択リストを表示するためのリスト表示指示を受信し会話セッションを選択した通信端末装置３０から、参加要求を受信する。参加要求受信部１７０は、通信部１０６によって参加要求を受信する。

参加制御部１７２は、通信端末装置３０によって参加可能セッション選択リストから選択された会話セッションに、この通信端末装置３０を参加させるための制御を行う。具体的には、参加制御部１７２は、受信された参加要求で示される会話セッションに、参加要求で示される通信端末装置３０を参加させるための制御を行う。例えば、図７の例で、通信端末装置３０Ｘにおいてセッション＃１の会話セッションが選択されると、参加制御部１７２は、通信端末装置３０Ｘをセッション＃１の会話セッションに参加させるための制御を行う。これにより、通信端末装置３０Ｘは、セッション＃１の会話セッションに参加することができる。

図８は、実施の形態１にかかるサーバ装置１００によって行われる処理を示すフローチャートである。図８は、サーバ装置１００で行われる表示方法、通信方法及び情報処理方法を示している。図８では、通信端末装置３０Ｘ（端末Ｘ）に参加可能セッション選択リストを表示させる場合について説明する。サーバ装置１００は、会話セッションを開始する（ステップＳ１０２）。具体的には、セッション管理部１１０は、会話セッションを開始して、会話セッションに参加している通信端末装置３０との間で音声データを送受信する。

リスト生成部１２０は、通信端末装置３０ごとに、参加可能セッションリストを生成する（ステップＳ１０４）。リスト要求受信部１２４は、通信端末装置３０Ｘからリスト要求を受信する（ステップＳ１０６）。音声取得部１３０は、リスト要求の送信元である通信端末装置３０Ｘが参加可能な会話セッションの音声データを取得する（ステップＳ１０８）。

文字情報生成部１４０は、Ｓ１０８の処理で取得された音声データを用いて、対応する会話セッションの会話の内容を文字列で示す文字情報を生成する（ステップＳ１１０）。表示制御部１６０は、文字情報を含む参加可能セッション選択リストを、通信端末装置３０Ｘに表示させるための制御を行う（ステップＳ１２０）。参加要求受信部１７０が通信端末装置３０Ｘから参加要求を受信すると（ステップＳ１３０のＹＥＳ）、参加制御部１７２は、参加要求に対応する会話セッションに通信端末装置３０Ｘを参加させるための制御を行う（ステップＳ１３２）。

実施の形態１にかかるサーバ装置１００は、参加可能セッション選択リストを通信端末装置３０に表示させるための制御を行うように構成されている。ここで、参加可能セッション選択リストに単に会話の議題等が示されているだけでは、会話セッションで実際にどのような会話が行われているかを把握することは、容易ではない。これに対し、本実施の形態では、参加可能セッション選択リストは、会話セッションの会話の内容に対応する文字情報を示す。通信端末装置３０のユーザは、この参加可能セッション選択リストを見るだけで、現在実行されている会話セッションで実際に行われている会話の内容を、その会話セッションに参加していなくても、容易に把握することができる。したがって、通信端末装置３０のユーザは、関心のある会話、つまり参加したい会話に、容易に参加することができる。

例えば、オンラインで学会等の講演が行われる場面で、同時に複数の講演が行われていることがある。このような場合に、どの講演を聴講するかを、容易に選択することができる。また、複数の講演を時間差で聴講する場合に、複数の講演を聴講するタイミングを、容易に計ることができる。

また、職場等では、他のメンバー同士が話をしている場合に、その会話が耳に入って、その会話に関心がある場合に、自分もその会話に加わることがある。しかしながら、在宅勤務等のテレワークを行っている場合などでは、そのような場面が発生する可能性が極めて低くなる。これに対し、本実施の形態では、他のメンバーが通信端末装置３０を用いてネットワークを介して会話を行っている場合に、その会話の内容を把握して、その会話に参加することができるようになる。

また、実施の形態１にかかるサーバ装置１００は、会話セッションにおける音声データを変換して得られた文字データの少なくとも一部を含む文字情報を通信端末装置３０に表示させるための制御を行うように構成されている。ここで、音声データを文字データに変換することは、処理負荷が比較的低く、処理時間もそれほど要しない。したがって、このような構成により、比較的容易な処理によって、通信端末装置３０のユーザは、参加していない会話セッションの会話の内容を把握することができる。

また、実施の形態１にかかるサーバ装置１００は、会話セッションそれぞれの会話の履歴を前記リストに表示させるように構成されている。このような構成により、通信端末装置３０のユーザは、参加していない会話セッションで過去になされた会話の内容を把握することができる。これにより、後から会話セッションに参加する場合に、参加する前の過去の会話の内容を踏まえて会話セッションに参加することができる。

（実施の形態２）
次に、実施の形態２について、図面を参照しながら説明する。説明の明確化のため、以下の記載及び図面は、適宜、省略、及び簡略化がなされている。また、各図面において、同一の要素には同一の符号が付されており、必要に応じて重複説明は省略されている。実施の形態２では、実施の形態１にかかるサーバ装置１００の機能が各通信端末装置において実現され得る点で、実施の形態１と異なる。

図９は、実施の形態２にかかる遠隔会話システム２を示す図である。遠隔会話システム２は、複数の通信端末装置２００と、サーバ装置１０１とを有する。通信端末装置２００は、実施の形態１にかかる通信端末装置３０に対応する。また、サーバ装置１０１は、実施の形態１にかかるサーバ装置１００に対応する。複数の通信端末装置２００と、サーバ装置１０１とは、互いにネットワーク１２を介して通信可能に接続されている。なお、実施の形態２では、サーバ装置１０１を介さなくても通信端末装置３０間で会話セッションが実行可能である場合、サーバ装置１０１はなくてもよい。

サーバ装置１０１は、例えば、サーバ等のコンピュータである。サーバ装置１０１は、１つ以上の会話セッションを管理する。サーバ装置１０１は、各参加者の通信端末装置２００から音声データを受信して、複数の通信端末装置２００に送信する。なお、サーバ装置１０１は、実施の形態１にかかるサーバ装置１００が有するハードウェア構成を有してもよい。また、サーバ装置１０１は、構成要素として、実施の形態１にかかるサーバ装置１００の、セッション管理部１１０、参加要求受信部１７０及び参加制御部１７２を有する。したがって、サーバ装置１０１の詳細な説明は省略する。

図１０は、実施の形態２にかかる通信端末装置２００の構成を示す図である。実施の形態１にかかる通信端末装置３０と同様に、通信端末装置２００は、主要なハードウェア構成として、制御部３２と、記憶部３４と、通信部３６と、インタフェース部３８を有する。通信端末装置２００のハードウェア構成は、通信端末装置３０と実質的に同様であるので、説明を省略する。

また、通信端末装置２００は、構成要素として、ユーザ音声取得部４２、ユーザ音声送信部４４、音声受信部４６、及び、音声出力部４８を有する。また、通信端末装置２００は、構成要素として、セッション検出部２２２、リスト生成部２２４、音声取得部２３０、文字情報生成部２４０、履歴記憶部２５０、表示制御部２６０を有する。また、通信端末装置２００は、構成要素として、リスト表示部５４、選択処理部５６、参加要求送信部６０、及び、参加処理部６２を有する。これらの構成要素は、上述したハードウェア構成によって実現されてもよいし、ソフトウェアによって実現されてもよい。

ユーザ音声取得部４２、ユーザ音声送信部４４、音声受信部４６、音声出力部４８、リスト表示部５４、選択処理部５６、参加要求送信部６０及び参加処理部６２は、実施の形態１にかかるものと実質的に同様の機能を有するので、適宜、説明を省略する。なお、セッション検出部２２２、リスト生成部２２４、音声取得部２３０、文字情報生成部２４０、履歴記憶部２５０及び表示制御部２６０は、通信端末装置２００が会話セッションに参加していない場合に動作し得る。以下の説明では、説明の対象である通信端末装置２００（「自身の通信端末装置２００」と称することがある）は会話セッションに参加しておらず、複数の他の通信端末装置２００間で会話セッションが実行されている場合を想定する。

セッション検出部２２２は、他の通信端末装置２００間で実行されており、自身の通信端末装置２００が参加可能な会話セッションを検出する。具体的には、セッション検出部２２２は、自身の通信端末装置２００が招待された会話セッションを検出する。例えば、セッション検出部２２２は、自身の通信端末装置２００が受信した招待通知を検出することで、参加可能な会話セッションを検出してもよい。

リスト生成部２２４は、自身の通信端末装置２００についての参加可能セッションリストを生成する。具体的には、リスト生成部２２４は、セッション検出部２２２によって検出された会話セッションを列挙した参加可能セッションリストを生成する。参加可能セッションリストは、参加可能な会話セッションの識別情報を含む。参加可能セッションリストは、図５に例示した、自身の通信端末装置２００に関するものであってもよい。例えば、自身の通信端末装置２００が端末Ｘであれば、参加可能セッションリストは、参加可能な会話セッションの識別情報として、「セッション＃１」、「セッション＃２」、「セッション＃３」及び「セッション＃４」を含む。

音声取得部２３０は、自身の通信端末装置２００が参加可能な会話セッションの音声データ（セッション音声データ）を取得する。具体的には、音声取得部２３０は、サーバ装置１０１から、参加可能な会話セッションのセッション音声データを受信する。さらに具体的には、音声取得部２３０は、参加可能セッションリストに含まれるセッションＩＤに対応する会話セッションのセッション音声データを取得する。

文字情報生成部２４０は、音声取得部２３０によって取得されたセッション音声データを用いて、対応する会話セッションの会話の内容を文字列で示す文字情報を生成する。図５の例において、自身の通信端末装置２００が端末Ｘである場合、文字情報生成部２４０は、セッション＃１，＃２，＃３，＃４それぞれの会話セッションについて、会話セッションでなされている会話の内容を文字列で示す文字情報を生成する。

文字情報生成部２４０の具体的な処理は、実施の形態１にかかる文字情報生成部１４０の処理と実質的に同様であるので、説明を省略する。
履歴記憶部２５０は、各会話セッションの会話の履歴を示す履歴情報を記憶する。履歴情報は、実施の形態１にかかるものと実質的に同様であるので、説明を省略する。

表示制御部２６０は、参加可能セッション選択リストを、リスト表示部５４に表示させるための制御を行う。参加可能セッション選択リストは、実施の形態１にかかるものと実質的に同様である。したがって、参加可能セッション選択リストは、会話セッションに参加していない通信端末装置２００が参加可能な会話セッションを列挙し、会話セッションそれぞれの会話の内容を示す文字情報を含むリストである。そして、参加可能セッション選択リストは、通信端末装置２００が参加するための会話セッションを選択するためのリストである。表示制御部２６０は、リスト生成部２２４によって生成された参加可能セッションリストと文字情報と履歴情報とを用いて、リスト表示指示を生成する。

リスト表示部５４は、リスト表示指示により、参加可能セッション選択リストを表示する。リスト表示部５４は、インタフェース部３８であるディスプレイによって、参加可能セッション選択リストに対応する画像を表示してもよい。リスト表示部５４は、例えば図７に例示したような参加可能セッション選択リストを表示する。

選択処理部５６は、ユーザの操作に応じて、参加可能セッション選択リストに列挙された会話セッションから、通信端末装置２００が参加する会話セッションを選択する。参加要求送信部６０は、選択された会話セッションに参加するための信号である参加要求を、ネットワーク１２を介して、サーバ装置１０１に送信する。参加処理部６２は、サーバ装置１０１による制御によって、参加要求に対応する会話セッションに通信端末装置２００が参加するための処理を行う。これにより、通信端末装置２００は、選択された会話セッションに参加する。そして、音声受信部４６は、通信端末装置２００が参加している会話セッションの音声を、サーバ装置１０１から受信する。また、ユーザ音声送信部４４は、ユーザ音声データを、ネットワーク１２を介して、サーバ装置１０１に送信する。

図１１は、実施の形態２にかかる通信端末装置２００によって行われる処理を示すフローチャートである。図１１は、通信端末装置２００で行われる表示方法、通信方法及び情報処理方法を示している。セッション検出部２２２は、自身の通信端末装置２００が参加可能な会話セッション（参加可能セッション）を検出する（ステップＳ２０４）。リスト生成部２２４は、参加可能セッションリストを生成する（ステップＳ２０６）。

音声取得部２３０は、自身の通信端末装置２００が参加可能な会話セッションの音声データを取得する（ステップＳ２０８）。文字情報生成部２４０は、Ｓ２０８の処理で取得された音声データを用いて、対応する会話セッションの会話の内容を文字列で示す文字情報を生成する（ステップＳ２１０）。リスト表示部５４は、表示制御部２６０の制御により、文字情報を含む参加可能セッション選択リストを表示する（ステップＳ２２０）。

選択処理部５６は、ユーザの操作に応じて、通信端末装置２００が参加する会話セッションを選択する（ステップＳ２３０）。参加要求送信部６０は、参加要求をサーバ装置１０１に送信する（ステップＳ２３２）。参加処理部６２は、参加要求に対応する会話セッションに通信端末装置２００が参加するための処理を行う（ステップＳ２３４）。

実施の形態２にかかる通信端末装置２００は、会話セッションの会話の内容に対応する文字情報を示す参加可能セッション選択リストを表示するように構成されている。これにより、通信端末装置２００のユーザは、現在実行されている会話セッションで実際の行われている会話の内容を、その会話セッションに参加していなくても、容易に把握することができる。したがって、実施の形態１と同様に、通信端末装置２００のユーザは、関心のある会話、つまり参加したい会話に、容易に参加することができる。また、同様にして、実施の形態２にかかる通信端末装置２００は、上述した実施の形態１にかかる効果を奏することができる。

なお、実施の形態２では、通信端末装置２００は、文字情報を生成するために、全ての参加可能セッションの音声データを取得する必要がある。これに対して、実施の形態１では、サーバ装置１００が文字情報を生成する。したがって、実施の形態１では、通信端末装置３０が参加可能セッションの音声データを取得する必要はない。一方、実施の形態１では、サーバ装置１００が通信端末装置３０に文字情報を含むリスト表示指示を送信している。これに対して、実施の形態２では、通信端末装置２００が文字情報を生成する。したがって、サーバ装置１０１が通信端末装置２００に文字情報を含むリスト表示指示を送信する必要はない。ここで、文字情報のデータ量と音声データのデータ量とを比較すると、同じ情報量である場合、文字情報のデータ量の方が、音声データのデータ量よりもはるかに小さい。したがって、実施の形態１にかかる方法の方が、実施の形態２にかかる方法よりも、ネットワークにおける通信負荷を低減することができる。

（変形例）
なお、本発明は上記実施の形態に限られたものではなく、趣旨を逸脱しない範囲で適宜変更することが可能である。例えば、上述したフローチャートにおける各処理の順序は、適宜、変更可能である。また、上述したフローチャートにおける各処理のうちの１つ以上は、省略され得る。

例えば、図８に示したフローチャートにおいて、Ｓ１０４の処理とＳ１０６の処理の順序は逆でもよい。この場合、リスト生成部１２０は、リスト要求を送信した端末についてのみ、参加可能セッションリストを生成してもよい。また、Ｓ１３０～Ｓ１３２の処理は省略されてもよい。つまり、通信端末装置が会話セッションに参加するための処理は、参加可能セッション選択リストを表示させる処理フロー（Ｓ１０４～Ｓ１２０）とは別の処理で行うようにしてもよい。言い換えると、上述した実施の形態では、参加可能セッション選択リストにおける選択ボタンを操作することによって会話セッションに参加することができるが、この機能を用いて会話セッションに参加する必要はない。通信端末装置は、元々通信端末装置が受信していた招待通知を用いて会話セッションに参加してもよい。図１１に示したフローチャートにおいても同様に、Ｓ２３０～Ｓ２３４の処理は省略されてもよい。なお、参加可能セッション選択リストにおける選択ボタンを操作することによって会話セッションに参加できるようにすることで、通信端末装置は容易に会話セッションに参加することができる。

また、上述した実施の形態１では、サーバ装置１００は、リスト要求を送信した通信端末装置に対して参加可能セッション選択リストを表示させるように制御を行うが、このような構成に限られない。つまり、サーバ装置１００は、リスト要求受信部１２４を有していなくてもよい。この場合、サーバ装置１００は、会話セッションに参加していない全ての通信端末装置に、その通信端末装置に対応する参加可能セッション選択リストを表示させるためのリスト表示指示を送信してもよい。なお、リスト要求を送信した通信端末装置に対して参加可能セッション選択リストを表示させることによって、どの会話セッションにも参加したいと望んでいないユーザの通信端末装置に、参加可能セッション選択リストを表示させることが抑制される。したがって、無駄な処理を行うことを抑制することができる。

また、上述したプログラムは、様々なタイプの非一時的なコンピュータ可読媒体（non-transitory computer readable medium）を用いて格納され、コンピュータに供給することができる。非一時的なコンピュータ可読媒体は、様々なタイプの実体のある記録媒体（tangible storage medium）を含む。非一時的なコンピュータ可読媒体の例は、磁気記録媒体（例えばフレキシブルディスク、磁気テープ、ハードディスクドライブ）、光磁気記録媒体（例えば光磁気ディスク）、ＣＤ－ＲＯＭ（Read Only Memory）、ＣＤ－Ｒ、ＣＤ－Ｒ／Ｗ、半導体メモリ（例えば、マスクＲＯＭ、ＰＲＯＭ（Programmable ROM）、ＥＰＲＯＭ（Erasable PROM）、フラッシュＲＯＭ、ＲＡＭ（random access memory））を含む。また、プログラムは、様々なタイプの一時的なコンピュータ可読媒体（transitory computer readable medium）によってコンピュータに供給されてもよい。一時的なコンピュータ可読媒体の例は、電気信号、光信号、及び電磁波を含む。一時的なコンピュータ可読媒体は、電線及び光ファイバ等の有線通信路、又は無線通信路を介して、プログラムをコンピュータに供給できる。

１，２ 遠隔会話システム
１２ ネットワーク
３０ 通信端末装置
４２ ユーザ音声取得部
４４ ユーザ音声送信部
４６ 音声受信部
４８ 音声出力部
５０ リスト要求送信部
５２ リスト受信部
５４ リスト表示部
５６ 選択処理部
６０ 参加要求送信部
６２ 参加処理部
７０ 参加可能セッション選択リスト
７２ 選択ボタン
７４ 文字情報
１００，１０１ サーバ装置
１１０ セッション管理部
１２０ リスト生成部
１２２ リスト格納部
１２４ リスト要求受信部
１３０ 音声取得部
１４０ 文字情報生成部
１５０ 履歴記憶部
１６０ 表示制御部
１７０ 参加要求受信部
１７２ 参加制御部
２００ 通信端末装置
２２２ セッション検出部
２２４ リスト生成部
２３０ 音声取得部
２４０ 文字情報生成部
２５０ 履歴記憶部
２６０ 表示制御部

Claims (6)

1. 通信ネットワークに接続されたサーバ装置であって、
   複数の通信端末装置の間で行われている１つ以上の会話セッションそれぞれの音声データを取得する音声取得部と、
   取得された前記音声データを用いて、対応する前記会話セッションの会話の内容を文字列で示す文字情報を生成する文字情報生成部と、
   前記会話セッションのうち第１の通信端末装置が参加を許可されている１つ以上の会話セッションのいずれに参加するかを選択するために当該会話セッションそれぞれに対応する前記文字情報の少なくとも一部を示すリストを当該第１の通信端末装置に表示させるための制御を行う表示制御部と、
   を有するサーバ装置。
2. 前記表示制御部は、複数の前記通信端末装置の１つによって送信され、前記会話セッションに参加を許可された前記通信端末装置を指定する指定情報に基づいて抽出された、前記第１の通信端末装置が参加を許可されている前記会話セッションを、前記リストに表示させるように、制御を行う、
   請求項１に記載のサーバ装置。
3. 前記表示制御部は、前記取得された音声データを変換して得られた文字データの少なくとも一部を含む前記文字情報を前記会話セッションの選択ボタン上に重畳すると共に、会話の進行に伴って前記選択ボタン上に重畳される前記文字情報を更新するように、前記リストを前記第１の通信端末装置に表示させるための制御を行う、
   請求項１又は２に記載のサーバ装置。
4. 前記表示制御部は、前記会話セッションそれぞれの会話の履歴を前記リストに表示させる、
   請求項１乃至３のいずれか１項に記載のサーバ装置。
5. 通信端末装置であって、
   複数の他の通信端末装置の間で行われている１つ以上の会話セッションのうち当該通信端末装置が参加を許可されている１つ以上の会話セッションそれぞれの音声データを取得する音声取得部と、
   取得された前記音声データを用いて、対応する前記会話セッションの会話の内容を文字列で示す文字情報を生成する文字情報生成部と、
   前記会話セッションのいずれに参加するかを選択するために当該会話セッションそれぞれに対応する前記文字情報の少なくとも一部を示すリストを表示する表示部と、
   を有する通信端末装置。
6. 通信ネットワークにおいて、
   複数の通信端末装置の間で行われている１つ以上の会話セッションそれぞれの音声データを取得し、
   前記取得された音声データを用いて、対応する前記会話セッションの会話の内容を文字列で示す文字情報を生成し、
   前記会話セッションのうち第１の通信端末装置が参加を許可されている１つ以上の会話セッションのいずれに参加するかを選択するために当該会話セッションそれぞれに対応する前記文字情報の少なくとも一部を示すリストを当該第１の通信端末装置に表示させるための制御を行う、
   表示方法。

Images