JP3195279B2

JP3195279B2 - 音声出力システムおよびその方法

Info

Publication number: JP3195279B2
Application number: JP23071497A
Authority: JP
Inventors: 藤隆伊; 川智恵子浅
Original assignee: International Business Machines Corp
Current assignee: International Business Machines Corp
Priority date: 1997-08-27
Filing date: 1997-08-27
Publication date: 2001-08-06
Anticipated expiration: 2017-08-27
Also published as: US6205427B1; JPH1173298A

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】本発明は、例えば、テキストデー
タに含まれる複数の文章の先頭部分を、ユーザが聞き取
り可能な速度の音声に変換し、その他の部分をこれより
も速い速度の音声に変換して出力することにより、出力
された音声を聴いたユーザが、文章を斜め読みする感覚
で、素早くその内容を把握することを可能にする音声出
力装置およびその方法に関する。

【０００２】

【従来の技術】従来から、テキストデータを音声信号に
変換し、内容を読み上げる装置（テキスト音声合成装
置）が用いられている。このようなテキスト音声合成装
置において、テキストデータの内容を短時間で読み上げ
るためには、例えば、テキストデータを通常よりも高速
な音声信号に変換する方法が採られる。しかしながら、
この方法によると、テキストデータを読み上げる音声信
号が高速になるにつれて内容の聞き取りが難しくなる。
具体的には、聞き手の訓練にもよるが、テキストデータ
を一般のラジオ放送の３倍程度の速さで読み上げると、
内容の聞き取りが極めて困難になる。

【０００３】また、例えば、テキストデータの一部のみ
を聞き取り可能な速度の音声信号に変換し、他の部分を
省略（スキップ）する方法が採られることがある。しか
しながら、この方法によると、聞き手がスキップした部
分のテキストデータの長さを把握することができず、例
えば、テキストデータのどの部分が読み上げられている
かを判断することができない、あるいは、テキストデー
タの重要な部分が全く音声出力されないために、その部
分を聞き取り可能な速度で聞きなおすことができない等
の不具合が生じる。このような不具合は、例えば、テキ
スト合成装置を用いて、視覚障害者が、あたかも晴眼者
が文書を斜め読みするかのように、テキストデータの内
容を把握しようとする場合の妨げになる。

【０００４】また、例えば、特開平８−８３０８９号公
報、特開平６−３０８９９８号公報、特公平７−６９７
１５号公報、特開平９−５０２９４号公報、特開平８−
１７１３９５号公報、特開平６−３３７９７６号公報、
特開平６−３５９１３号公報、特開平５−２６５６９５
号公報、特開平４−２６８６３１号公報、特開平４−１
９９４２０号公報、特開平１−８８５９９号公報、特開
昭６３−６２０３２号公報、特開昭６２−２１９０６
６、特開昭６２−１５６７３０号公報、特開昭６１−４
３７７８号公報、特開平７−１５２５３２号公報、特開
平４−５１０９９号公報および特開平８−１９１２５４
号公報（文献１〜１８）は、ディジタルデータを音声信
号に変換する方法を開示する。

【０００５】しかしながら、これらの文献に記載された
いずれの方法も、テキストデータの内容を聞き取り可能
に短時間で読み上げることと、テキストデータのいずれ
の部分が読み上げられているかを示す等の、聞き手に対
するテキストデータの内容の把握の支援との両立が不十
分である。

【０００６】

【発明が解決しようとする課題】本発明は、上述した従
来技術の問題点に鑑みてなされたものであり、テキスト
データを短時間で読み上げることと、聞き手のテキスト
データの内容把握の支援とを充分に両立させた音声出力
装置およびその方法とを提供することを目的とする。

【０００７】また、本発明は、テキストデータを短時間
で読み上げた場合に、その時点で、テキストデータのい
ずれの部分が読み上げられているかを聞き手に把握させ
ることができ、しかも、テキストデータの重要な部分を
聞きなおすきっかけを聞き手に与えることができる音声
出力装置およびその方法とを提供することを目的とす
る。

【０００８】また、本発明は、例えば、視覚障害者が、
あたかも晴眼者が文書を斜め読みするかのように、テキ
ストデータの内容を把握することを可能にする音声出力
装置およびその方法を提供することを目的とする。

【０００９】

【課題を解決するための手段】本発明は、所定の区切り
データで区切られたテキストデータを音声信号で読み上
げる音声出力システムに関する。本発明のシステムは、
早送り速度再生を指示するための入力手段と、前記区切
りデータに基いて前記テキストデータを文字列データに
分割する手段と、前記早送り速度再生の指示に応答し
て、前記文字列データの所定の第１の範囲の部分を聞き
取り可能な第１の速度の音声信号に変換し、第２の範囲
の部分を前記第１の速度よりも速い第２の速度の音声信
号に変換して出力する音声出力手段とを有する。

【００１０】具体的には、前記第１の速度の音声信号は
通常の読み上げ速度よりも速いが聞き取り可能である。
前記第１の範囲は前記区切りデータから所定の待ち時間
Ｍが経過するまでの文字列データ部分に対応し、前記第
２の範囲は残りの文字列データ部分に対応する。前記待
ち時間Ｍは任意に設定可能である。

【００１１】

【００１２】

【００１３】

【００１４】本発明にかかる音声出力システムにおい
て、テキストデータを音声信号に変換して出力する際
に、例えば、テキストデータ中の句読点、スペースおよ
び改行等の文章の区切りを示す部分でテキストデータを
文字列データに分割し、分割した文字列データそれぞれ
の先頭から所定の範囲（第１の範囲）を、聞き手にとっ
て聞き取りが容易な遅い速度（第１の速度）の音声信号
に変換して出力し、その他の範囲（第２の範囲）を、聞
き手がテキストの長さ等を把握可能な程度に速い速度
［第２の速度（必ずしも聞き取り可能である必要はな
い）］の音声信号に変換して出力する。

【００１５】

【００１６】音声出力手段は、分割により得られた文字
列データの第１の範囲を、例えば、一般のラジオ放送に
おいて文章を読み上げる速度と同じ、あるいは、聞き手
が容易に内容を把握することができる程度に速度を上げ
た音声信号に変換し、出力する。このように第１の範囲
の音声信号を出力することにより、テキストデータ内の
文章の内容を、あたかも斜め読みするかのように、聞き
手に把握させる。

【００１７】また、音声出力手段は、分割により得られ
た文字列データの第２の範囲を、この範囲のテキストデ
ータの長さ、およびこの範囲を読み上げる音声信号の音
程を聞き手が把握可能な程度の速度（必ずしも聞き取り
可能である必要はない）で音声信号に変換し、出力す
る。このように第２の範囲の音声信号を出力することに
より、聞き手にテキストデータのいずれの部分がその時
点で読み上げられているかを把握させるとともに、テキ
ストデータ内の文章のリズムあるいは雰囲気を把握させ
て、聞き手に重要な部分を聞き取り可能な速度の音声信
号で聞きなおすきっかけを与える。

【００１８】また、本発明にかかる音声出力方法は、入
力手段で早送り速度再生を指示するステップと、前記区
切りデータに基いて前記テキストデータを文字列データ
に分割するステップと、前記早送り速度再生の指示に応
答して、前記文字列データの所定の第１の範囲の部分を
聞き取り可能な第１の速度の音声信号に変換し、第２の
範囲の部分を前記第１の速度よりも速い第２の速度の音
声信号に変換して出力するステップとを有する。

【００１９】また、本発明にかかるコンピュータ読み取
り可能な記録媒体は、テキストデータに含まれる所定の
区切りデータに基いてテキストデータを文字列データに
分割するステップと、早送り速度再生の指示に応答し
て、前記文字列データの所定の第１の範囲の部分を聞き
取り可能な第１の速度の音声信号に変換し、第２の範囲
の部分を前記第１の速度よりも速い第２の速度の音声信
号に変換して出力するステップとをコンピュータに実行
させるプログラムを記録する。

【００２０】

【発明の実施の形態】以下、本発明の実施形態を説明す
る。

【００２１】［ネットワークシステム１の構成］図１
は、本発明にかかる音声出力方法が適応されるネットワ
ークシステム１の構成を例示する図である。図１に示す
ように、ネットワークシステム１は、例えばインターネ
ットであって、ＷＷＷ(world wide web)サーバ１０、Ｉ
ＳＤＮ通信網、データ通信網あるいは電話網等のデータ
伝送が可能な通信網１２および端末装置１４を含む。な
お、実際にはネットワークシステム１は多くのＷＷＷサ
ーバ１０および端末装置１４を含むが、図示および説明
の簡略化のために、以下、ネットワークシステム１がＷ
ＷＷサーバ１０および端末装置１４を１台ずつ含む場合
を例に説明する。ネットワークシステム１は、これらの
構成部分により、ＷＷＷサーバ１０から通信網１２を介
して端末装置１４にＨＴＭＬ（ハイパーテキスト記述言
語；hyper text markup language）により記述され、テ
キスト、音声および画像等の複数のメディアのデータを
含むＨＴＭＬデータを伝送する。

【００２２】また、図１に示すように、端末装置１４
は、通信網１２に適合する通信インターフェース、ＣＰ
Ｕ、メモリ、モニタ装置、マウス、キーボードおよびハ
ードディスク等（いずれも図示せず）から構成され、デ
ータ通信機能を有し、本発明にかかる音声出力方法を実
現する音声出力処理ソフトウェア１６０を実行するマル
チメディアコンピュータ１６（ＰＣ）、補助的な入力装
置として用いられ、通常モードキー１８０、早送りモー
ドキー１８２およびその他のキー（テンキー等；図示せ
ず）を有するキーパッド１８、および、コンピュータ１
６が合成した音声をスピーカ（ＳＰ）を介して出力する
音声出力装置２０を含む。端末装置１４は、これらの構
成部分により、ユーザのキーパッド１８の通常モードキ
ー１８０および早送りモードキー１８２に対する操作に
応じて、ＷＷＷサーバ１０から送られてきたＨＴＭＬデ
ータに含まれるテキストデータを、部分ごとに異なった
速度の音声信号に変換して出力する。以下、ネットワー
クシステム１の各構成部分を説明する。

【００２３】［ＷＷＷサーバ１０］ＷＷＷサーバ１０
は、ＷＷＷ機能を有し、端末装置１４から要求されたＨ
ＴＭＬデータを通信網１２を介して端末装置１４に対し
て送信する。

【００２４】［通信網１２］通信網１２は、ＷＷＷサー
バ１０と端末装置１４との間でデータを伝送する。

【００２５】［コンピュータ１６］端末装置１４におい
て、コンピュータ１６は、ＷＷＷサーバ１０から通信網
１２を介してＨＴＭＬデータを受信し、ＨＴＭＬデータ
に含まれる画像データおよびテキストデータをモニタ装
置（図示せず）に表示し、さらに、ＨＴＭＬデータに含
まれる音声データを、音声信号の波形を示す波形データ
に変換して出力する（ブラウザ機能）。なお、コンピュ
ータ１６のブラウザ機能は、図２に示して後述する音声
出力処理ソフトウェア１６０のブラウザ部１６４により
実現される。

【００２６】また、コンピュータ１６は、ＨＴＭＬデー
タに含まれるテキストデータを読み上げる音声の波形を
示す音声波形データに変換して出力する機能を有し、例
えば、ユーザがキーパッド１８の通常モードキー１８０
を押下した場合には、受信したＨＴＭＬデータに含まれ
るテキストデータを通常速度（例えば、ラジオ放送にお
いてアナウンサーがニュースを読む速さ）の音声波形を
示す音声波形データに変換して出力する（通常モー
ド）。

【００２７】また、コンピュータ１６は、ユーザがキー
パッド１８の早送りモードキー１８２を押下した後に、
移行時間Ｐが経過していない場合には、受信したＨＴＭ
Ｌデータに含まれるテキストデータを、通常速度よりも
速く、しかも、ユーザが聞き取り可能な速度［可聴早送
り速度（第１の速度）；例えば、通常速度の１．５〜２
倍の速さ］の音声波形データに変換して出力する（早送
りモード）。

【００２８】また、コンピュータ１６は、ユーザがキー
パッド１８の早送りモードキー１８２を押下してから上
記一定時間が経過した後には、テキストデータの内、ユ
ーザの内容理解に有効な範囲［可聴早送り範囲（第１の
範囲）］のみを可聴早送り速度の音声波形データに変換
し、その他の範囲［スキップ範囲（第２の範囲）］を、
可聴早送り速度よりも速く、ユーザが聞き取り可能であ
るか否かを問わず、少なくともユーザがテキストデータ
の長さと、テキストデータの変換の結果として得られる
音声の音程とを把握可能な程度の速度［スキップ速度
（第２の速度）］の音声波形データに変換して出力する
（スキップモード）。

【００２９】具体例を挙げると、スキップモードにおい
て、コンピュータ１６は、ユーザにより設定される早送
り倍率Ｎ（スキップ範囲を通常速度の何倍の速度で読み
上げるかを示す倍数）に応じて、テキストデータに含ま
れる句読点、改行、スペースおよびハイパーリンク開始
点等のテキストデータの区切りを示すデータ（区切りデ
ータ）から、所定の時間分のテキストデータのみを可聴
早送り範囲として可聴早送り速度で読み上げ、その他の
テキストデータをスキップ範囲としてスキップ速度（例
えば通常の速度の３〜１５倍の速度）で読み上げる。

【００３０】なお、この例においては、スキップ範囲の
テキストデータから得られる音声は、あたかもアナログ
テープレコーダを用いて高速早送り再生して得られる音
声であるかのように、「きゅるきゅる・・・・」と聞こ
える。また、以上述べたコンピュータ１６によるテキス
トデータの音声波形データへの各変換モードは、図２を
参照して後述する音声出力処理ソフトウェア１６０の各
構成部分により実現され、コンピュータ１６が生成した
音声波形データは音声出力装置２０に対して出力され
る。

【００３１】［音声出力装置２０］音声出力装置２０
は、ディジタル／アナログ変換回路等から構成され、コ
ンピュータ１６から入力されるディジタル形式の音声波
形データを、アナログ形式の音声信号に変換し、スピー
カを介して外部に出力する。

【００３２】［音声出力処理ソフトウェア１６０］図２
は、図１に示した音声出力処理ソフトウェア１６０の構
成部分を示す図である。図２に示すように、音声出力処
理ソフトウェア１６０は、再生制御部１６２、ブラウザ
部１６４、ＨＴＭＬ解析部１６６、音声波形生成部１６
８および圧縮部１７０から構成される。以下、音声出力
処理ソフトウェア１６０の各構成部分を説明する。

【００３３】［再生制御部１６２］再生制御部１６２
は、ユーザのキーパッド１８に対する操作、例えば、通
常モードキー１８０、早送りモードキー１８２およびそ
の他のボタンそれぞれの状態、つまり、これらが押下さ
れている状態か、あるいは、これらが押下されていない
状態かを監視し、キーパッド１８のボタンそれぞれの状
態に応じてブラウザ部１６４〜圧縮部１７０の動作を制
御する。

【００３４】具体的には、再生制御部１６２は、ＨＴＭ
Ｌ解析部１６６に対して、ＨＴＭＬデータの内、音声出
力の対象となる部分を指定する。なお、再生制御部１６
２は、例えば、通常モードで音声出力を行なっている際
に、早送りモードキー１８２が押下され、早送りモード
に移行する場合に、ＨＴＭＬ解析部１６６を制御して、
最後に音声出力された部分から遡ってテキストデータを
音声波形生成部１６８に対して出力させるように指定を
行なう。

【００３５】また、再生制御部１６２は、音声信号の速
度、つまり、テキストの内容を、通常速度（通常モー
ド）および可聴早送り速度（早送りモード）で読み上げ
る場合それぞれにおいて、１秒間に表音文字、何文字分
のテキストデータを音声波形データに変換するかを示す
データ（速度データ）を音声波形生成部１６８に設定す
る。

【００３６】また、再生制御部１６２は、いずれもユー
ザにより設定され、区切りデータの後のテキストデータ
を何秒間、可聴早送り速度で音声出力するかを示す待ち
時間Ｍと、早送りモードキー１８２が押下されてからス
キップモードに移行するまでの移行時間Ｐとを、圧縮部
１７０に設定する。

【００３７】［ブラウザ部１６４］ブラウザ部１６４
は、WebExplorer（ＩＢＭ社商標）あるいはNetscapeNav
igator(Netscape Communications Co.商標)等のＷＷＷ
ブラウザソフトウェアであって、ユーザの操作を受け入
れて、ユーザが選択したＷＷＷのＨＴＭＬデータの送信
をＷＷＷサーバ１０に要求し、この要求に応じてＷＷＷ
サーバ１０から通信網１２を介して送られてきたＨＴＭ
Ｌデータを受信し、ＨＴＭＬ解析部１６６に対して出力
するとともに、上述したコンピュータ１６のブラウザ機
能を実現する。

【００３８】［ＨＴＭＬ解析部１６６］ＨＴＭＬ解析部
１６６は、ブラウザ部１６４から入力されたＨＴＭＬデ
ータを解析し、再生制御部１６２により指定された部分
のテキストデータを分離して音声波形生成部１６８に対
して出力する。

【００３９】［音声波形生成部１６８］音声波形生成部
１６８は、ＨＴＭＬ解析部１６６から入力されるテキス
トデータの文字列を、再生制御部１６２により設定され
た速度データが示す速度で読み上げる音声波形を示す音
声波形データを生成し、生成した音声波形データと、テ
キストデータ中の区切りデータの位置を示すタイミング
信号とを、圧縮部１７０に対して出力する。つまり、音
声波形生成部１６８は、通常モードにおいては、テキス
トデータを通常速度で読み上げる音声波形データを生成
し、早送りモードおよびスキップモードにおいては、テ
キストデータを可聴早送り速度で読み上げる音声波形デ
ータを生成して、タイミング信号とともに圧縮部１７０
に対して出力する。

【００４０】［圧縮部１７０］圧縮部１７０は、通常モ
ードおよび早送りモードにおいては、音声波形生成部１
６８から入力される通常速度および可聴早送り速度の音
声波形データをそのまま音声出力装置２０に対して出力
する。また、スキップモードにおいて、圧縮部１７０
は、音声波形生成部１６８から入力される音声波形デー
タの内、テキストデータの可聴早送り範囲に対応する部
分をそのまま音声出力装置２０に対して出力し、音声波
形データの内、テキストデータのスキップ範囲に対応す
る部分を圧縮し、音声出力装置２０に対して出力する。

【００４１】つまり、圧縮部１７０は、キーパッド１８
の早送りモードキー１８２が押下されたまま移行時間Ｐ
が経過してスキップモードに移行した後は、音声波形生
成部１６８からのタイミング信号が、区切りデータの時
間的位置を示してから、待ち時間Ｍが経過するまで（可
聴早送り範囲）のテキストデータそれぞれに相当する可
聴早送り速度の音声波形データを、そのまま音声出力装
置２０に対して出力する。さらに、スキップモードに移
行した後には、圧縮部１７０は、区切りデータの時間的
位置から待ち時間Ｍが経過した後（スキップ範囲）のテ
キストデータに相当する可聴早送り速度の音声波形デー
タを、例えば間引き等により時間的に１／Ｎに圧縮し、
スキップ速度の圧縮音声波形データに変換して音声出力
装置２０に対して出力する。

【００４２】［ネットワークシステム１の動作］以下、
ネットワークシステム１の動作を説明する。

【００４３】［音声出力処理ソフトウェア１６０の処
理］まず、図３を参照して音声出力処理ソフトウェア１
６０の処理を説明する。図３は、図１に示したネットワ
ークシステム１のコンピュータ１６が実行する音声出力
処理ソフトウェア１６０（図２）の処理内容を示すフロ
ーチャート図である。

【００４４】コンピュータ１６（図１）において、音声
出力処理ソフトウェア１６０のブラウザ部１６４（図
２）が、ユーザのキーパッド１８等に対する操作に応じ
て、通信網１２を介してＷＷＷサーバ１０に対してユー
ザが希望するＷＷＷのＨＴＭＬデータを要求すると、Ｗ
ＷＷサーバ１０は、要求されたＨＴＭＬデータを通信網
１２を介して端末装置１４に対して送信する。音声出力
処理ソフトウェア１６０のブラウザ部１６４は、ＷＷＷ
サーバ１０からのＨＴＭＬデータを受信し、ＨＴＭＬ解
析部１６６に対して出力する。

【００４５】図３に示すように、ステップ１００（Ｓ１
００）において、再生制御部１６２は、ＨＴＭＬデータ
に含まれるテキストデータの音声出力を開始する位置
を、先頭（初期値）として記憶する。

【００４６】ステップ１０２（Ｓ１０２）において、再
生制御部１６２は、ユーザによるキーパッド１８に対す
るキー操作（通常モードキー１８０、早送りモードキー
１８２またはその他のキーの押下）があったか否かを判
断する。再生制御部１６２は、キーパッド１８に対する
キー操作があった場合にのみＳ１０４の処理に進む。

【００４７】ステップ１０４（Ｓ１０４）において、再
生制御部１６２は、押下されたキーが通常モードキー１
８０または早送りモードキー１８２であるか否かを判断
する。再生制御部１６２は、押下されたキーが、通常モ
ードキー１８０である場合にはＳ１１０の処理に進んで
通常モードの音声出力処理を開始し、早送りモードキー
１８２である場合にはＳ１２０の処理に進んで早送りモ
ードの音声出力処理を開始し、これら以外のキーである
場合にはその他の処理を行なう。

【００４８】ステップ１１０（Ｓ１１０）において、再
生制御部１６２は、Ｓ１００，Ｓ１５２，Ｓ１６２のい
ずれか処理において記憶したＨＴＭＬデータ内のテキス
トデータの音声出力の開始位置をＨＴＭＬ解析部１６６
に設定し、音声波形生成部１６８に通常速度を設定し、
圧縮部１７０に通常モードの音声出力をするようにモー
ド設定を行なう（早送りモードＯＦＦ）。さらに、再生
制御部１６２は、Ｓ１１０の処理においてと同様に、Ｈ
ＴＭＬ解析部１６６に対してＨＴＭＬデータからのテキ
ストデータの分離および音声波形生成部１６８への出力
を指示する。ステップ１２０（Ｓ１２０）において、再
生制御部１６２は、ＨＴＭＬ解析部１６６にＨＴＭＬデ
ータ内のテキストデータの音声出力の開始位置を設定
し、音声波形生成部１６８に可聴早送り速度を設定し、
圧縮部１７０に早送りモードの音声出力をするようにモ
ード設定を行なう（早送りモードＯＮ）。さらに、再生
制御部１６２は、Ｓ１１０の処理においてと同様に、Ｈ
ＴＭＬ解析部１６６に対してＨＴＭＬデータからのテキ
ストデータの分離および音声波形生成部１６８への出力
を指示する。

【００４９】ステップ１３０（Ｓ１３０）において、Ｈ
ＴＭＬ解析部１６６は、再生制御部１６２の指示に従
い、設定された音声出力開始位置以降のテキストデータ
を分離し、音声波形生成部１６８に対して出力する。

【００５０】ステップ１３２（Ｓ１３２）において、音
声波形生成部１６８は、ＨＴＭＬ解析部１６６から入力
されたテキストデータの区切りデータを探し、最後に音
声出力した直後から区切りデータまでのテキストデータ
（文字列データ）を取得する。

【００５１】ステップ１３４（Ｓ１３４）において、音
声波形生成部１６８は、テキストデータが取得できたか
否かを判断し、テキストデータが取得できた場合にはＳ
１３６の処理に進み、これ以外の場合には処理を終了す
る。

【００５２】ステップ１３６（Ｓ１３６）において、音
声波形生成部１６８は、取得したテキストデータを、再
生制御部１６２により設定された速度で読み上げる音声
波形データを生成し、区切りデータの時間的位置を示す
タイミング信号とともに圧縮部１７０に対して出力す
る。

【００５３】ステップ１３８（Ｓ１３８）において、圧
縮部１７０は、タイミング信号が示す区切りデータの時
間的位置から、待ち時間Ｍが経過したか否かを判断し、
待ち時間Ｍが経過した場合にはスキップモードに移行し
てＳ１４０の処理に進み、これ以外の場合にはＳ１４２
の処理に進む。

【００５４】ステップ１４０（Ｓ１４０）において、圧
縮部１７０は、音声波形生成部１６８から入力された音
声波形データを時間的に１／Ｎに圧縮し、圧縮音声波形
データとして音声出力装置２０に対して出力する。

【００５５】ステップ１４２（Ｓ１４２）において、圧
縮部１７０は、音声波形データまたは圧縮音声波形デー
タを音声出力装置２０に対して出力する。つまり、圧縮
部１７０は、スキップモードに移行後は、テキストデー
タのスキップ範囲を可聴早送り速度で読み上げる音声波
形データを、さらに時間的に１／Ｎに圧縮した圧縮音声
波形データを音声出力装置２０に対して出力し、テキス
トデータの可聴早送り範囲を圧縮せずに音声出力装置２
０に対して出力する。また、圧縮部１７０は、通常モー
ドおよび早送りモードそれぞれにおいては、通常速度ま
たは可聴早送り速度の音声波形データを圧縮せずにその
まま音声出力装置２０に対して出力する。

【００５６】ステップ１４４（Ｓ１４４）において、音
声出力装置２０は、音声波形データまたは圧縮音声波形
データをアナログ音声信号に変換し、スピーカを介して
出力する。

【００５７】ステップ１４６（Ｓ１４６）において、再
生制御部１６２は、圧縮部１７０がスキップモードにあ
るか否かを判断し、スキップモードにある場合にはＳ１
５０の処理に進み、スキップモードにない場合にはＳ１
６０の処理に進む。

【００５８】ステップ１５０（Ｓ１５０）において、再
生制御部１６２は、ユーザにより早送りモードキー１８
２が押下されているか否かを判断し、押下されている場
合にはＳ１３２の処理に進み、押下されていない場合に
はＳ１５２の処理に進む。

【００５９】ステップ１５２（Ｓ１５２）において、再
生制御部１６２は、音声波形生成部１６８が最後に見つ
けた区切りデータを、次に音声出力を開始するテキスト
データの位置として記憶する。

【００６０】ステップ１６０（Ｓ１６０）において、再
生制御部１６２は、ユーザにより早送りモードキー１８
２が押下されているか否かを判断し、押下されている場
合にはＳ１６２の処理に進み、押下されていない場合に
はＳ１３２の処理に進む。

【００６１】ステップ１６２（Ｓ１６２）において、再
生制御部１６２は、音声波形生成部１６８が最後に見つ
けた区切りデータを、次に音声出力を開始するテキスト
データの位置として記憶する。

【００６２】［端末装置１４に対する操作］以下、ユー
ザがいかにして端末装置１４を操作するか、および、端
末装置１４からどのような音声が出力されるかを、音声
出力処理ソフトウェア１６０の処理と関連付けて、実例
を挙げて説明する。図４は、図１に示した端末装置１４
が出力する音声を例示する図である。

【００６３】まず、ユーザは、ブラウザ部１６４のブラ
ウザ機能を用いてＷＷＷサーバ１０からＨＴＭＬデータ
を受信し、さらに、キーパッド１８の通常モードキー１
８０を押下する。ＨＴＭＬ解析部１６６は、ユーザによ
る早送りモードキー１８２の押下に応じて、ブラウザ部
１６４が受信したＨＴＭＬデータから、例えば、下表に
示す文例を内容とするテキストデータを取得する。

【００６４】

【表１】「目が見えない人がＷＷＷを利用するには：目が見えな
い人（全盲の人）にとって、インターネット、特にＷＷ
Ｗ（ワールドワイド・ウェブ）は、閉ざされた世界なの
でしょうか。ＷＷＷでは、テキストの他に、写真や絵な
どの「イメージ」が多く使われています。また、画面に
表示された内容の一部を選択すると、リンクされた内容
が表示される「ハイパーリンク」の機能もよく使われて
います。これらのＷＷＷの機能は、全盲の人は利用する
ことができないと思われがちですが、ここで紹介するよ
うな方法によって、全盲の人も、目が見える人と同様に
ＷＷＷの機能を利用することが可能です。ここでは、全
盲の人が実際にＷＷＷを利用している場合の機器の構成
と使い方をご紹介します。（文例）」・・・（１）

【００６５】なお、この文例を通常速度で読み上げると
５２秒を要し、可聴早送り速度で読み上げると３１秒
（通常速度の１．７倍の場合）を要することから、テキ
ストデータを目で見て読む場合に比べて、音声で読み上
げる場合には、意外に時間がかかってしまうことが分か
る。

【００６６】一方、ユーザによる早送りモードキー１８
２の連続的な押下が移行時間Ｐ以上続き、スキップモー
ドに移行すると、例えば、待ち時間Ｍが０．３秒であ
り、可聴早送り速度が通常速度の１．５倍であり、スキ
ップ速度を通常速度の４倍の速さである場合には、音声
波形生成部１６８および圧縮部１７０は、上記文例を内
容とするテキストデータの可聴早送り範囲の文字列と、
スキップ範囲の文字列とを、下表に示すように音声出力
する。

【００６７】

【表２】「目が見えない」，「・・・・・」，「目が見えない」，「・・・・・」，「インターネット、特にＷ」，「・・・・・」，「閉ざされ」，「・・・・・」，「ＷＷＷ」，「・・・・・」，「テキスト」，「・・・・・」「写真や」，「・・・・・」，「また、画面に」，「・・・・・」，「これらの」，「・・・・・」，「全盲の」，「・・・・・」，「ここで紹」，「・・・・・」，「全盲の」，「・・・・・」，「目が見える」，「・・・・・」，「ここでは」，「・・・・・」，「全盲の」，「・・・・・」・・・（２）ただし、表２は、説明の便宜のため、移行時間Ｐが０の
場合を示す。なお、"「」"内は、句読点等の区切りデー
タの後に続く待ち時間Ｍに含まれるテキストデータの可
聴早送り範囲の文字列であって、可聴早送り速度で音声
出力される。また、"「・・・・」"は、テキストデータ
のスキップ範囲の文字列が、スキップ速度で音声出力さ
れていることを示す。

【００６８】このように、音声出力処理ソフトウェア１
６０により、表２において文字列として示した可聴早送
り範囲内のテキストデータは、可聴早送り速度の音声波
形データに、「・・・・・」として示したスキップ範囲
内のテキストデータは、ユーザからは「きゅるきゅる・
・・・」という音に聞こえ、内容の聞き取りはできない
ながら、文字列の長さおよび音程が把握可能な程度のス
キップ速度の圧縮音声波形データに変換され、出力され
る。なお、この条件でテキストデータを音声出力する時
間は、約１１秒ですむ。

【００６９】さらに、待ち時間Ｍが０．１５秒であり、
スキップ速度を通常速度の８倍である場合には、音声波
形生成部１６８および圧縮部１７０は、上記文例を内容
とするテキストデータの可聴早送り範囲の文字列と、ス
キップ範囲の文字列とを、下表に示すように音声出力す
る。

【００７０】

【表３】「目が」，「・・・・・」，「目が」，「・・・・・」，「インター」，「・・・・・」，「閉ざさ」，「・・・・・」，「Ｗ」，「・・・・・」，「テキス」，「・・・・・」「写真」，「・・・・・」，「また、画面」，「・・・・・」，「これ」，「・・・・・」，「全」，「・・・・・」，「ここ」，「・・・・・」，「全」，「・・・・・」，「目が」，「・・・・・」，「ここ」，「・・・・・」，「全」，「・・・・・」・・・（３）ただし、表２においてと同様に、説明の便宜のため、移
行時間Ｐが０の場合を示し、、"「」"内の文字列は、テ
キストデータの可聴早送り範囲を示し、"「・・・・」"
は、テキストデータのスキップ範囲の文字列を示す。

【００７１】このように、音声出力処理ソフトウェア１
６０により、表３において文字列として示した可聴早送
り範囲内のテキストデータは、可聴早送り速度の音声波
形データに、「・・・・・」として示したスキップ範囲
内のテキストデータは、表２に示した場合よりも高い
「ちゅるちゅる・・・・」という音質の圧縮音声波形デ
ータに変換され、出力される。なお、この条件でテキス
トデータを音声出力する時間は、約７秒ですみ、この時
間は、上記文例を早く黙読するために要する時間と同じ
か、むしろ短い。

【００７２】ここまで述べたように、ユーザは、例え
ば、図４（５）に示すように、可聴速度とスキップ速度
とで交互に音声出力されるテキストデータの内容を聞
く。次に、ユーザは、図４（３）に示す聞き取り可能な
速度で音声出力される文字列の意味と、図４（４）に示
すスキップ速度で音声出力される音声の雰囲気等とに基
づいて、通常速度および可聴早送り速度で聞き直すべき
部分［例えば、図４（１）に示すテキストデータ中の
「世界なのでしょうか」および「写真や絵などの「イメ
ージ」が多く使われ」の部分の文字列］を判断し、ま
た、スキップ速度で音声出力される音声の長さから、こ
れらの部分のテキストデータにおける位置を判断する。

【００７３】更にユーザは、図４（６）に示すようにテ
キストデータの音声出力を聞いている最中に、キーパッ
ド１８等を操作してテキストデータ中の所望の部分［図
４において（１）を付した文字列］の大体の位置を、再
生制御部１６２に指定する。再生制御部１６２は、ユー
ザにより指定された部分のテキストデータの文字列を、
ＨＴＭＬ解析部１６６〜圧縮部１７０を制御して通常速
度または可聴早送り速度で音声出力する。

【００７４】このように、ユーザは、端末装置１４のス
キップモードを利用して、あたかもテキストデータを斜
め読みするかのように概要を把握し、重要な部分のみを
聞き返してその内容を理解することができる。また、ユ
ーザは、任意の値の待ち時間Ｍ、可聴早送り速度および
スキップ速度をコンピュータ１６に設定できるので、テ
キストデータの内容に応じた速度、あるいは、自分が聞
き取りやすい速度でテキストデータを音声出力し、内容
を理解することができる。

【００７５】例えば、単純に一定の早い速度で、表１に
示した文例を１１秒程度で音声出力しようとすると、音
声の速度を通常速度の４．２倍とする必要があり、７秒
程度で音声出力しようとすると通常速度の６．７倍とす
る必要がある。ユーザは、いくら訓練を積んでも、この
ような速度の音声の内容を聞き取ることはできない。し
かしながら、ネットワークシステム１における音声出力
方法を用いると、このような短時間でテキストデータを
読み上げるにもかかわらず、ユーザは、その内容を把握
することができる。

【００７６】また、視覚障害者にとって、晴眼者が文章
を黙読する速度で文章の概要を把握することは困難であ
ったが、ネットワークシステム１における音声出力方法
によれば、視覚障害者が、あたかも文章を斜め読みする
かのような速度で文章の概要を把握することができ、し
かも、文章中の不要な部分を飛ばしつつ、重要な部分を
確実に理解することができる。

【００７７】従って、ネットワークシステム１における
音声出力方法によれば、視覚障害者が文章の内容を把握
するための作業効率を大幅に向上させることができる。
例えば、ネットワークシステム１における音声出力方法
を用いると、初心者でも通常速度でテキストデータを読
み上げた場合の４倍以上の速さでテキストデータの内容
を把握でき、熟練者になると７倍以上の速さで内容を把
握することができるようになる。

【００７８】また、ネットワークシステム１における音
声出力方法によれば、ユーザーインターフェース用の機
器としてキーパッド１８をコンピュータ１６に付加する
だけで、テキストデータを早送りモードおよびスキップ
モードの両方で音声出力することができる。従って、コ
ンピュータに慣れていないユーザにとっても、操作が非
常に容易である。

【００７９】また、このように、音声の速度を頻繁に変
えてテキストデータの内容を音声出力する方法を、ＣＤ
プレーヤあるいはテープレコーダ等の機械的に記録媒体
を送る必要がある装置を用いて実現することは難しい
が、音声合成技術を応用すると、実現は非常に簡単であ
る。

【００８０】なお、ネットワークシステム１における音
声出力方法は、ＨＴＭＬデータに含まれるテキストデー
タの音声出力の他、例えば、ディジタルテキストを音声
出力する装置、例えば、いわゆる電子ブック等、他の装
置に応用することができる。また、ネットワークシステ
ム１における音声出力方法と、テキストデータの構文解
析技術とを組み合わせ、例えば、句読点等の他に、名詞
等の文字列を区切りデータとして用いることも可能であ
り、あるいは、ユーザが設定した語句の文字列を区切り
データとして用いることも可能である。

【００８１】また、再生制御部１６２に対して待ち時間
Ｍを０秒と、倍率Ｎを１と設定することにより、端末装
置１４を用いてテキストデータを、スキップモードに移
行しない単純な早送りモードで音声出力することもでき
る。

【００８２】

【発明の効果】以上説明したように本発明にかかる音声
出力装置およびその方法によれば、テキストデータを短
時間で読み上げることと、聞き手のテキストデータの内
容把握の支援とを充分に両立させることができる。

【００８３】また、本発明にかかる音声出力装置および
その方法によれば、テキストデータを短時間で読み上げ
た場合に、その時点で、テキストデータのいずれの部分
が読み上げられているかを聞き手に把握させることがで
き、しかも、テキストデータの重要な部分を聞きなおす
きっかけを聞き手に与えることができる。

【図面の簡単な説明】

【図１】本発明にかかる音声出力方法が適応されるネッ
トワークシステムの構成を例示する図である。

【図２】図１に示した音声出力処理ソフトウェアの構成
部分を示す図である。

【図３】図１に示したネットワークシステムのコンピュ
ータが実行する音声出力処理ソフトウェア（図２）の処
理内容を示すフローチャート図である。

【図４】図１に示した端末装置が出力する音声を例示す
る図である。

【符号の説明】

１・・・ネットワークシステム１０・・・ＷＷＷサーバ１２・・・通信網１４・・・端末装置１６・・・コンピュータ１６０・・・音声出力処理ソフトウェア１６２・・・再生制御部１６４・・・ブラウザ部１６６・・・ＨＴＭＬ解析部１６８・・・音声波形生成部１７０・・・圧縮部１８・・・キーパッド１８０・・・通常モードキー１８２・・・早送りモードキー２０・・・音声出力装置

フロントページの続き (72)発明者浅川智恵子神奈川県大和市下鶴間1623番地14 日本アイ・ビー・エム株式会社大和事業所内 (56)参考文献特開昭63−220296（ＪＰ，Ａ) 実開昭59−160348（ＪＰ，Ｕ) (58)調査した分野(Int.Cl.⁷，ＤＢ名) G06F 3/16 G10L 13/04

Claims

(57)【特許請求の範囲】

【請求項１】所定の区切りデータで区切られたテキスト
データを音声信号で読み上げる音声出力システムにおい
て、早送り速度再生を指示するための入力手段と、前記区切りデータに基いて前記テキストデータを文字列
データに分割する手段と、前記早送り速度再生の指示に応答して、前記文字列デー
タの所定の第１の範囲の部分を聞き取り可能な第１の速
度の音声信号に変換し、第２の範囲の部分を前記第１の
速度よりも速い第２の速度の音声信号に変換して出力す
る音声出力手段とを有する音声出力システム。
【請求項２】前記第１の速度の音声信号が通常の読み上
げ速度よりも速い、請求項１に記載の音声出力システ
ム。
【請求項３】前記第１の範囲が前記区切りデータから所
定の待ち時間Ｍが経過するまでの文字列データ部分に対
応し、前記第２の範囲が残りの文字列データ部分に対応
する、請求項１または２に記載の音声出力システム。
【請求項４】前記待ち時間Ｍが任意に設定可能である、
請求項３に記載の音声出力システム。
【請求項５】所定の区切りデータで区切られたテキスト
データを音声信号で読み上げる音声出力方法において、入力手段で早送り速度再生を指示するステップと、前記区切りデータに基いて前記テキストデータを文字列
データに分割するステップと、前記早送り速度再生の指示に応答して、前記文字列デー
タの所定の第１の範囲の部分を聞き取り可能な第１の速
度の音声信号に変換し、第２の範囲の部分を前記第１の
速度よりも速い第２の速度の音声信号に変換して出力す
るステップとを有する音声出力方法。
【請求項６】前記第１の速度の音声信号が通常の読み上
げ速度よりも速い、請求項５に記載の音声出力方法。
【請求項７】前記第１の範囲が前記区切りデータから所
定の待ち時間Ｍが経過するまでの文字列データ部分に対
応し、前記第２の範囲が残りの文字列データ部分に対応
する、請求項５または６に記載の音声出力方法。
【請求項８】前記待ち時間Ｍが任意に設定可能である、
請求項７に記載の音声出力方法。
【請求項９】テキストデータに含まれる所定の区切りデ
ータに基いて前記テキストデータを文字列データに分割
するステップと、早送り速度再生の指示に応答して、前記文字列データの
所定の第１の範囲の部分を聞き取り可能な第１の速度の
音声信号に変換し、第２の範囲の部分を前記第１の速度
よりも速い第２の速度の音声信号に変換して出力するス
テップとをコンピュータに実行させるプログラムを記録
したコンピュータ読み取り可能な記録媒体。
【請求項１０】前記第１の速度の音声信号が通常の読み
上げ速度よりも速い、請求項９に記載の記録媒体。
【請求項１１】前記第１の範囲が前記区切りデータから
所定の待ち時間Ｍが経過するまでの文字列データ部分に
対応し、前記第２の範囲が残りの文字列データ部分に対
応する、請求項９または１０に記載の記録媒体。
【請求項１２】前記待ち時間Ｍが任意に設定可能であ
る、請求項１２に記載の記録媒体。