JP4550362B2 - 音声メールシステムの音声対応ユーザインタフェース - Google Patents

Description

本発明は、ダイヤルトーンに応答する電話サービスシステムにアクセスするための音声対応（voice-enabled）ユーザインタフェースに関する。より詳細には、本発明は、ユーザが音声コマンドを使用して、ＤＴＭＦ（Dual Tone Multi-Frequency）信号のみを認識する電話サービスシステムにアクセスおよびナビゲートできるようにするための方法およびシステムに関する。

近年、通信のみならず電子ビジネスおよび金融取引を行うため、さらには事前に記録された情報を取得するために、電話を使用することが一般的になってきた。これらの活動が電話を介して実行できるのは、一部には、ほとんどの業界およびビジネス環境で使用され、対応する電話サービスシステムの開発による。

音声メールは、電話サービスシステムのうちでおそらく最も一般的な種類に属する。留守番録音装置などの音声メールは、着信した電話メッセージを録音して、指定された受信者が後で再検討できるようにする。ただし、留守番録音装置とは異なり、音声メールは、対応する電話が「オフフック状態」であっても着信したメッセージを録音することができる。従って、音声メールは、すでに他の電話の呼と通話中であるために、着信した電話呼に応答できない場合に特に有用である。

従来技術は、ビジネスおよび金融取引を容易にし、ユーザが事前に記録された情報を取得できるようにする、様々な他の種類の電話サービスシステムを含む。本質的には、電話サービスシステムは、通話装置を介してユーザにデータを提供する任意の自動化システムを含む。ほとんどすべての業界では、たとえ電話サービスシステムが、使用可能な業務サービスまたは担当者のカスタマイズされた電話帳のみからなる場合であっても、１種類のまたはもう１種類の電話サービスシステムを使用している。

さらに有用な電話サービスシステムの中には、ユーザが通話装置を使用して、ホームバンキングの実施、家庭用製品の購入、顧客サポートの受入れ、ニュース、娯楽、金融、および旅行情報へのアクセスなどに関する様々な活動を行うために、業務ネットワークと対話できるようにする。さらに電話サービスシステムの中には、電話サービスシステムが動的な情報のテキストから音声への変換を生成する場合など、ユーザが、実行中に生成される情報にアクセスできるようにする。

電話サービスシステムは、ユーザが情報にアクセスできるようにし、ユーザにとって最も都合の良い時および場所で、ビジネスおよび金融取引を実行できるようにするので、特にユーザの観点から有用である。電話サービスシステムは、着信呼に応対するためおよび電話サービスシステムにより自動化することができる他のタスクを実行するために雇用する従業員を少なくすることができるため、ビジネスの観点から有用である。

しかしながら、ある種の電話サービスシステムに伴う問題点の１つは、このシステムがＤＴＭＦ信号しか認識しないということである。ＤＴＭＦ電話サービスシステムは、一般に、ユーザが手動でＤＴＭＦ電話キーパッド上のキーを押さなければ使用できないという問題がある。ユーザが、うっかり、時には気付かずに、誤ったキーを押してしまうこともあるので問題である。誤ったキーを押すと望ましくない結果を招くことがある。例えば、ユーザが誤ったキーを押すことによって、電話サービスシステムがあるメニュー状態から望ましくないメニュー状態に移行してしまう可能性もある。この場合には、ユーザが、所望の選択を行う前に、以前のメニュー状態に戻る必要がある。これは不便なだけでなく、時間の無駄である。ユーザが誤ったキーを押すことによって、電話サービスシステムが望ましくない動作を実行してしまう可能性もある。例えば、誤ったキーを押すことによって、電話サービスシステムは、電話呼を切断する、正しくない内線番号を呼び出す、またはホームバンキングの場合に、口座間で誤った金額を振り替えるまたは誤った口座に振り替えるなどの可能性がある。こうした例は、例示的なものとして示しただけであり、これらに限定されるものでないことを理解されたい。

うっかり誤ったキーを押してしまうことに関連付けられた問題を克服するために、多くの電話サービスシステムでは、システムが処理する前にユーザに一定の入力を確認するように要求するプロンプトを出している。しかしながら、これは、ＤＴＭＦ電話サービスシステムに関連付けられた根本的な問題、すなわちユーザに電話キーパッド上のキーを押すことにより入力しなければならないという問題を解決するものではない。

ＤＴＭＦ電話サービスシステムに関連付けられた他の問題は、ユーザがハンドヘルド型の電話を、ユーザが音声メールシステムの音声を聞くことのできる位置と、電話キーパッド上のキーを押すことのできる位置との間で、前後させなければならないことである。これは不便である。また、特に車を運転中の場合は、道路から目を離したりハンドルから手を離したりする必要があるので、危険でもある。

ＤＴＭＦ電話サービスシステムに関連付けられた問題を克服するために、業界では、音声を認識して、ユーザが、電話キーパッド上のキーを押さなくてもコマンドや他の入力を話すことができる電話サービスシステムを開発した。音声認識を実行するための方法には、当分野でよく知られている様々な方法がある。いくつかの例には、スペクトル分析、ＤＴＷ（Dynamic Time Warping）、ニューラルネットワーク、および離散的連続隠れマルコフモデリングによる認識などを含む。

音声認識電話サービスシステムは、ＤＴＭＦ電話サービスシステムよりもはるかに有利な点が多いが、従来の電話サービスシステムに関連付けられたすべての問題を解決するわけではない。具体的に言えば、たとえユーザが最終的なメニュー状態をすでに知っている場合であっても、電話サービスシステムのメニュー構造に関連付けられたレベルまたはメニュー状態の階層を体系的に移動することに時間を費やさなければならない。例えば、最終的にユーザが望む情報が含まれている最終メニュー状態に到達するまでに、メインメニューからいくつかの「中間の」メニュー状態を通過する必要がありうる。多くの電話サービスシステムは、第２の所望のメニュー状態にナビゲートする前に、ユーザがいったんメインメニューに戻る必要がある。メニュー階層を通るナビゲーションは、階層が複雑であったりメニュー状態がたくさんあったりすると、特に時間がかかる。電話サービスシステムを使用するこの種のナビゲーションは、電話サービスシステムにアクセスする際に、ユーザが長距離電話および／または無線電話サービスプランに関連付けられた費用を負担しなければならない場合、特にコストがかかる。

音声認識電話サービスシステムにかかる他の問題は、話し言葉に様々な違いがあるために、音声認識ソフトウェアが必ずしもユーザ入力を認識できるとは限らないことである。音声認識ソフトウェアを使用してオーディオおよび音声データを認識および処理するように、既存のＤＴＭＦ電話サービスシステムを変更することも、ビジネスにとってはコストがかかる。

従って、ＤＴＭＦ電話サービスシステムを変更する必要なしに、通話装置に対して話すことにより、ユーザが既存のＤＴＭＦ電話サービスシステムを使用できるようにするための方法を提供することが有益である。さらに、これを達成しながら、ユーザが多くの「中間の」メニュー状態を通過して体系的にナビゲートする必要なしに、電話サービスシステムのメニュー階層中の任意のレベルまたは状態にジャンプできるようにすることも有益である。

本発明の目的は、ユーザが通話装置に対して話すことで、ＤＴＭＦ信号にのみ応答する電話サービスシステムからのデータにアクセスできるようにするための、音声対応ユーザインタフェースを提供することである。

従って、一実施形態では、ユーザは、通話装置を使用して音声対応ユーザインタフェースにアクセスし、認証情報を入力する。音声対応ユーザインタフェースは、ユーザの身元を検証し、ユーザが所望する情報を有するがＤＴＭＦ信号にのみ応答する電話サービスシステムにアクセスする。ユーザは、通話装置に対して話すことによって、電話サービスシステムによって生成されたプロンプトに応答する。音声対応ユーザインタフェースは、ユーザの入力をＤＴＭＦに変換し、これが電話サービスシステムによって認識される。音声対応ユーザインタフェースは、メニュー状態の階層およびテンプレート内にある電話サービスシステムの対応するプロンプトをマッピングする。使用の際、音声対応ユーザインタフェースは、このテンプレートを使用して、電話サービスシステムがどのメニュー状態にあるかを常時判定する。ユーザは、音声対応ユーザインタフェースが対応するメニュー状態と関連付ける入力を提供することによって、１つのメニュー状態から他のメニュー状態へとジャンプすることができる。音声対応ユーザインタフェースは、電話サービスシステムをユーザ入力に対応するメニュー状態に移行させる出力を生成する。電話サービスシステムが適切なメニュー状態になると、音声対応ユーザインタフェースは、ユーザ入力のＤＴＭＦ変換を電話サービスシステムに伝送し、その結果処理が可能になる。

本発明の一利点は、ユーザが音声コマンドを使用して、既存のシステムにどんな変更も加える必要なしに、既存のＤＴＭＦ電話サービスシステムからのデータにアクセスできるようにすることである。さらに本発明は、ユーザが「中間の」メニュー状態を通って移行するための入力の必要なしに、電話サービスシステムのメニュー状態の階層を通ってナビゲートできるようにする。その代わりに本発明は、ユーザが１回入力するだけで、第１のメニュー状態から第２のメニュー状態へと「中間の」メニュー状態をジャンプできるようにする。

本発明のこれらおよび他の特徴ならびに利点は、以下の説明および添付の特許請求の範囲からより完全に明らかになるか、または以下に示された本発明を実施することによって習得できるであろう。

添付の図面に示された特定の実施形態を参照しながら、前述の特徴および利点を含む本発明について、より広範囲にわたって説明する。これらの図面は、例示的な実施形態を示したものに過ぎず、本発明の範囲に何ら制限を与えるものとして解釈されるべきではない。従って本発明は、添付の図面を使用して、追加の特性および詳細を記述および説明される。

本発明は、音声対応ユーザインタフェースと、ユーザがダイヤルトーン信号にのみ応答する既存の電話サービスシステムにアクセスしこれを使用できるようにするための方法を対象とする。より具体的に言えば、本発明は、ユーザが通話装置に対して話すことで、ＤＴＭＦ信号にのみ応答する既存の電話サービスシステムからのデータにアクセスできるようにする。

本明細書で使用される電話サービスシステムという用語は、一般に、通話装置を介して入力されたユーザ入力に応答し、データをユーザに提供できる、任意の電話サービスを含むと解釈されるものとする。本発明を使用することによってアクセスできる他の種類の電話サービスシステムは、音声メールシステムを含む。

ユーザは、音声メールシステムを使用して様々な機能を実行することができる。これらの機能は、これらに限定されないが、第三者が残したメッセージを聞くこと、第三者に聞かせるためのメッセージまたはあいさつを録音すること、メッセージを転送すること、メッセージを削除すること、および音声メールの応答および録音手順を構成することを含む。ユーザは、音声メールシステムが認識および処理できる入力を通話装置に入力することによって、音声メールシステムを使用して機能を実行する。ＤＴＭＦ音声メールシステムは、ＤＴＭＦ信号にのみ応答する１つの種類の音声メールシステムである。ＤＴＭＦ音声メールシステムは、オーディオまたは音声入力を認識することはできない。

本発明の一実施形態では、音声対応ユーザインタフェースは、ユーザが通話装置に対して話すだけで、ＤＴＭＦ音声メールシステムを使用して機能を実行できるようにする。しかしながら、本発明のある種の実施形態は、ＤＴＭＦ音声メールシステムに適用するものとして記載されているが、本発明は、任意の特定種類の電話サービスシステムに限定されないものとすることを理解されたい。同様に、ユーザは、これらに限定されないが、ワイヤ結合電話、無線電話、セルラー式電話、デジタル電話、ならびに電話機能を備えたＰＤＡおよびコンピュータを含む任意の種類の通話装置で、本発明の音声対応ユーザインタフェースにアクセスしこれを使用することができる。

本明細書に記載された本発明の実施形態は、様々なコンピュータハードウェアを含む特定用途向けまたは汎用のコンピュータを含むことができる。さらに実施形態は、コンピュータ実行可能命令またはデータ構造が格納されたコンピュータ読取り可能媒体を含むこともできる。こうしたコンピュータ読取り可能媒体は、汎用または特定用途向けのコンピュータによってアクセス可能な、任意の利用可能媒体であってもよい。例えば、こうしたコンピュータ読取り可能媒体は、これらに限定されないが、ＲＡＭ、ＲＯＭ、ＥＥＰＲＯＭ、ＣＤ−ＲＯＭまたは他の光ディスク記憶装置、磁気ディスク記憶装置または他の磁気記憶デバイス、または、所望の実行可能命令またはデータ構造を格納するために使用可能であり、汎用または特定用途向けのコンピュータがアクセス可能な任意の他の媒体を含む。

コンピュータへのネットワークまたは他の通信接続を介して情報が転送または提供される場合、コンピュータは、この接続を厳密にはコンピュータ読取り可能媒体とみなす。従って、こうした接続も、厳密にはコンピュータ読取り可能媒体と呼ばれる。上記の組合せも、コンピュータ読取り可能媒体の範囲に含まれるものとする。コンピュータ実行可能命令には、例えば、汎用コンピュータ、特定用途向けコンピュータ、または特定用途向け処理装置に一定の機能または機能グループを実行させる、命令およびデータが含まれる。コンピュータ実行可能命令および関連するデータ構造は、本明細書に開示された本発明のステップを実行するためのプログラムコード手段の一例を表す。

本発明は、コンピュータによって実行される、プログラムモジュールなどのコンピュータ実行可能命令の一般的なコンテキストで記載される。一般に、プログラムモジュールは、特定のタスクを実行するかまたは特定の抽象データ型を実施する、ルーチン、プログラム、オブジェクト、構成要素、データ構造などを含む。さらに当業者であれば、本発明が、ハンドヘルドデバイス、マルチプロセッサシステム、マイクロプロセッサベースまたはプログラム可能な家庭電化製品、ネットワークＰＣ、ミニコンピュータ、メインフレームコンピュータなどを含む、他のコンピュータシステム構成で実施可能であることを理解されよう。本発明は、通信ネットワークを介してリンクされたリモート処理デバイスによってタスクが実行される、分散コンピューティング環境でも実施可能である。分散コンピューティング環境では、プログラムモジュールは、ローカルおよびリモートの両方のメモリ記憶デバイスに配置することができる。

図１では、ユーザが電話サービスシステムからのデータにアクセスできるようにするために、本発明の方法を実施するための好適な環境１００が示されている。図に示されるように、音声対応ユーザインタフェース１１０は、電話網１３０を介して通話装置１２０および電話サービスシステムと通信している。本発明は、これらに限定されないが、公衆交換電話網（ＰＳＴＮ）、サービス総合デジタル網（ＩＳＤＮ）、およびＦＤＤＩ（Fiber Distributed Digital Interface）を含むが、様々な電話網環境で実施することができる。本実施形態では、電話サービスシステムは、ユーザが通話装置１２０を使用してアクセスできる音声メールシステム１４０を含む。

音声メールシステム１４０は、通話装置を介してユーザに伝送可能な任意の種類のデータを含むことのできる音声メールデータ１５０を含む。好ましい一実施形態では、音声メールデータ１５０は、例えば、メニュープロンプト、電話メッセージ、あいさつの言葉などの、事前に録音されたメッセージを含む。音声メールデータ１５０は、動的であるかまたは他のネットワークからアクセスされるデータを含むこともできる。例えば、一実施形態では、音声メールシステム１４０は、金融機関の電話サービスシステムを含み、音声メールデータ１５０は、他のネットワークから音声メールシステム１４０によって取得される動的株式相場データを含む。音声メールデータ１５０は、実行中に生成されたデータを含むこともできる。例えば、株式相場は、テキスト形式で音声メールシステム１４０に提供することが可能であり、その結果、使用中の音声メールシステム１４０は、株式相場のテキストから音声への変換を実行中に生成する。

本実施形態によれば、音声メールシステム１４０は、通話装置１２０などのＤＴＭＦ通話装置のキーパッド上のキーを押すことによって生成された、ＤＴＭＦ信号にのみ応答する。ＤＴＭＦ電話信号は、電話通信の分野でよく知られている。この実施形態によれば、音声メールシステム１４０は、ユーザが通話装置１２０に対して話すことによって生成されたオーディオまたは音声入力を認識することはできない。しかしながら、本発明の音声対応ユーザインタフェース１１０は、以下で説明するように、ユーザが通話装置１２０に対して話すことによって、音声メールシステム１４０からの音声メールデータ１５０にアクセスできるようにする。

音声対応ユーザインタフェース１１０は、ユーザが音声メールシステム１４０からの音声メールデータ１５０にアクセスできるようにする、様々な構成要素を含む。これらの構成要素は、ユーザ状態マネージャモジュール１６０、音声メール状態マネージャモジュール１７０、およびデータベース１８０に関連して一般的に記述される。

図２は、ユーザ状態マネージャモジュール１６０を構成するいくつかの基本構成要素を示す図である。ユーザ認証２１０が、ユーザのアカウント情報をデータベース１８０に格納されたアカウント情報２２０と比較して、音声対応ユーザインタフェース１１０にアクセスしているユーザの身元を検証する。ユーザの身元を検証する動作は、ユーザに対して、パスワード、個人の識別番号、アカウント番号、またはユーザ認証２１０が検証可能な任意の他の情報を入力するように要求することができる。

一実施形態によれば、ユーザの身元を認証すると、ユーザ認証２１０は、音声対応ユーザインタフェースを、音声メールシステム１４０などのユーザが所望するデータを含む電話サービスシステムに接続する。この実施形態によれば、ユーザアカウント情報２２０は、音声メールシステム１４０に接続およびアクセスする際に使用される情報を含む。例えば、ユーザアカウント情報２２０は、音声メールシステム１４０を呼び出すための電話番号、ならびに音声メールシステム１４０にアクセスするためのアカウント情報およびパスワードを含むことができる。

他の実施形態によれば、ユーザアカウント情報２２０は、音声メールシステム１４０を呼び出すための電話番号を含むが、音声メールシステム１４０にアクセスするのに必要なアカウント情報またはパスワードは含まない。この実施形態によれば、ユーザは、ユーザ認証２１０が音声対応ユーザインタフェースを音声メールシステム１４０に接続した後に、使用中にアカウント情報およびパスワードを提供しなければならない。

音声認識２３０は、ユーザが通話装置に対して話すことによって生成される、通話装置から受け取ったオーディオまたは音声データを解釈する。音声認識２３０は、ＤＴＭＦ信号などの電話信号を含むユーザ入力も解釈することができる。音声認識２３０を実施するための技法は、それぞれの分野でよく知られており、これらに限定されないが、スペクトル分析、ＤＴＷ、ニューラルネットワーク、および離散的連続隠れマルコフモデリングによる認識などを含む。

変換器２４０は、オーディオまたは音声データを含むユーザ入力を受け取り、このデータを音声メールシステム１４０が認識できるＤＴＭＦ信号に変換する。本実施形態によれば、音声メールシステム１４０は、オーディオまたは音声データを認識せず、ＤＴＭＦ信号にのみ応答する。ユーザ入力をＤＴＭＦ信号に変換する正確さは、ユーザ入力を、データベース１８０のテンプレート２３２に格納されたデータに従って予想されるユーザ入力と比較することにより向上する。変換器２４０によって生成されるユーザ入力の変換は、直接変換ではなく、テンプレート２３２に格納されたユーザ入力に最も似ているデータの変換である。テンプレート２３２の有する受入れ可能な入力および応答の数は限られているため、変換器２４０は、一般に、ユーザ入力をテンプレート２３２内の既知のデータと比較することによって、ユーザによって異なる可能性のあるユーザ入力の正確な変換を実行することができる。

テンプレート２３２などのテンプレートは、電話メニューシステムのすべてのメニュー状態と、すべての対応するプロンプト、および受入れ可能な応答および入力とをマッピングする。技術者は、本発明の音声対応ユーザインタフェースを使用してユーザがアクセスできる、各電話サービスシステムについて１つのテンプレートのみを準備する。従って、同じ電話サービスシステムにアクセスしている複数のユーザからのユーザ入力を変換するために、単一のテンプレートを使用する。

通信スイッチ２５０は、通話装置１２０と音声メールシステム１４０との間で伝送される、音声対応ユーザインタフェースを介したデータの伝送を制御する。一実施形態では、２つの単信チャネル２５２、２５４が、音声対応ユーザインタフェースを通話装置１２０に接続し、２つの単信チャネル２５６、２５８が、音声対応ユーザインタフェースを音声メールシステム１４０に接続しており、単信チャネルの各セットがインバウンドおよびアウトバウンドの単信チャネルを有する。単信チャネルとは、単なる一方向の通信チャネルのことである。半二重チャネルなどの他の種類の通信チャネルも使用可能であることを理解されたい。

この実施形態によれば、通信スイッチ２５０は、単信チャネル２５２〜２５８を介したすべての通信を同期化する。使用中、通信スイッチ２５０は、音声メールシステム１４０からのインバウンド単信チャネル２５６を、通話装置１２０に向けて送られるアウトバウンド単信チャネル２５２に接続する。これによってユーザは、音声メールシステム１４０からのデータ伝送を直接聞くことができる。さらに通信スイッチ２５０は、インバウンド単信チャネル２５４からのデータ伝送を音声認識２３０に向けて送り、音声対応ユーザインタフェースのすべてのアウトバウンド伝送を、アウトバウンド単信チャネル２５８を介して音声メールシステム１４０に向けて送る。

通信スイッチ２５０は、該当すればいつでも、インバウンド単信チャネル２５６をアウトバウンド単信チャネル２５２から切断することによって、音声対応ユーザインタフェースが音声メールシステム１４０を中断できるようにする。音声メールシステム１４０を中断するのに適切な状況は、ユーザが応答する必要のないプロンプトをユーザが聞かないようにすることである。例えば、ユーザ認証２１０が、音声対応ユーザインタフェースを音声メールシステム１４０に接続した後に、音声メールシステム１４０は、有効なアカウント番号およびパスワードを入力するように、ユーザに指示するプロンプトを伝送することができる。

一実施形態では、音声対応ユーザインタフェースは、インバウンド単信チャネル２５６をアウトバウンド単信チャネル２５２から切断し、ユーザ認証２１０は、ユーザのアカウント番号およびパスワードをデータベース１８０から音声メールシステム１４０に伝送する。この例によれば、通信スイッチ２５０は、音声メールシステム１４０からのデータの着信が、アウトバウンド単信チャネル２５２を介してユーザに伝送されないようにする。

音声メールシステム１４０を中断するのに適切な他の状況は、音声対応ユーザインタフェースが、音声メールシステムに、あるメニュー状態から最終メニュー状態まで「中間の」メニュー状態をジャンプさせる場合である。これについては、図６に関連して後で説明する。

状態マネージャ２６０は、ユーザ要求を実行し、様々な一般制御機能を実行する。状態マネージャ２６０は、例えば、構成要素２１０、２３０、２４０、および２５０がデータベース１８０にアクセスできるようにすること、ならびに構成要素２１０、２３０、２４０、および２５０との間で単信チャネル２５２〜２５８にデータの伝送を調整することなどの、他の構成要素の接続およびオペレーションも調整する。

図３は、図１の音声メール状態マネージャモジュール１７０を構成するいくつかの基本構成要素を示す図である。好ましい一実施形態では、音声メール認識３１０は、音声対応ユーザインタフェースを図１〜２の音声メールシステム１４０に接続する。この実施形態によれば、音声メール認証３１０は、データベース１８０からアカウント情報２２０を取り出し、音声メールシステム１４０にアクセスする。アカウント情報２２０は、音声メールシステム１４０を呼び出すための電話番号と、音声メールシステム１４０にアクセスするためのアカウント音声メール情報およびパスワードとを含むことができる。

他の実施形態によれば、必要なアカウント情報２２０は、音声メールシステム１４０を呼び出すための電話番号を含むが、音声メールシステム１４０にアクセスするためのアカウント情報またはパスワードは含まれない。この実施形態によれば、ユーザは、音声メール認証３１０が音声メールシステム１４０にアクセスした後に、アカウント情報およびパスワードを使用中に提供しなければならない。

キープアライブ（keep alive）３３０は、電話サービスシステムを現在のメニュー状態のままにしておくかまたは他のメニュー状態に移行させるＤＴＭＦ信号を含む出力を生成することによって、電話サービスシステムと音声対応ユーザインタフェースとの同期を維持する。電話サービスシステムを他のメニュー状態に移行させるための方法については、図６を参照して後で説明する。

音響分析器３４０は、図１〜２の音声メールシステム１４０などの電話サービスシステムから受け取った、オーディオまたは音声データを解析する。音声メールシステム１４０から受け取った音声メールデータ１５０には、測定可能な期間にわたってセグメント中に発生する複数の音声波形が含まれる。一実施形態によれば、音響分析器は、データのセグメント数と、各セグメントの発生した時間長さとを決定する。この実施形態によれば、音響分析器３４０は、音声メールデータ１５０の音声認識は行わない。音声認識分野の技術者であれば、オーディオまたは音声データを解析するためのこの方法は、非常に単純であるため、音声認識を実行するのに必要な他の方法よりもかなり高速かつ正確であることを理解されたい。しかしながら、本発明では任意の他の形式の音声分析も使用することができる。

状態識別３５０は、音響分析器３４０から解析されたオーディオまたは音声データをデータベース１８０のテンプレート２３２に格納されたデータと比較することによって、電話サービスシステムがどんなメニュー状態にあるかを常時判定する。現在の好ましい一実施形態では、テンプレート２３２は、電話サービスシステムのすべてのメニュー状態と、各々のメニュー状態に対応するすべてのプロンプトとのマップを含む。テンプレート２３２は、音響分析器３４０によって実行された解析方法に従って決定された、各々の状態特有のプロンプトをセグメントの数およびセグメントの長さに関連付ける情報も含む。状態識別３５０は、キープアライブ３３０によって生成された出力が、電話サービスシステムをあるメニュー状態から他のメニュー状態に移行させたことを認識することによって、メニュー状態の変更も追跡する。

状態マネージャ３７０は、ユーザ要求を実行し、様々な一般制御機能を実行し、さらに構成要素３１０、３３０、３４０、および３５０がデータベース１８０にアクセスできるようにすることなどの、他の構成要素の接続およびオペレーションを調整する。状態マネージャ３７０は、図２の単信チャネル２５２〜２５８を使用して、構成要素３１０、３３０、３４０、および３５０との間のデータの送受信も調整する。

図４は、ユーザが本発明の音声対応ユーザインタフェースを使用して、どのように電話サービスシステムにアクセスできるかを示す流れ図である。最初にステップ４１０で、ユーザは、音声対応ユーザインタフェースにアクセスする。これは、ユーザが音声対応ユーザインタフェースにアクセスする際に使用する通話装置の種類に応じて、様々な方法で達成することができる。一実施形態では、ユーザはプッシュフォン式電話を使用して、電話を音声対応ユーザインタフェースに接続する電話番号をダイヤルする。次にステップ４２０において、音声対応ユーザインタフェースは、アカウント情報に関してユーザにプロンプトを出す。ユーザはステップ４３０において、アカウント情報を入力することによってこのプロンプトに応答する。これは、ユーザがアカウント情報を話すこと、または電話キーパッド上の対応するキーを押すことの、いずれかによって達成される。アカウント情報はステップ４４０において、音声対応ユーザインタフェースが、電話を介して提供されたアカウント情報をデータベースに格納されたユーザアカウント情報と比較することによって認証される。

ユーザの識別が認証されると、ステップ４５０において、音声対応ユーザインタフェースは、電話サービスシステムに接触することができる。これは、音声対応ユーザインタフェースが、そのデータベースから電話番号を取り出してダイヤルすると達成される。一部の実施形態では、これだけで電話サービスシステムにアクセスすることができる。ただし、他の実施形態では、ステップ４６０において、電話サービスシステムがユーザの電話サービスシステムアカウント情報を認識しなければならない。これらの実施形態では、ステップ４７０において、ユーザの電話サービスシステムアカウント情報が音声対応ユーザインタフェースのデータベースに格納されているかを、最初に判定する必要がある。格納されている場合は、次のステップ４７２および４７４において、音声対応ユーザインタフェースがアカウント情報を取り出し、そのアカウント情報のＤＴＭＦ変換を生成することができる。しかしながら、ユーザの電話サービスシステムアカウント情報が格納されていない場合は、ユーザに、適切なアカウント情報に関するプロンプトを出す。これを実行するために、ステップ４７６で、音声対応ユーザインタフェースは、電話サービスシステムからのアカウント情報のプロンプトをユーザの通話装置に転送する。

ユーザは、ステップ４７８において、話すかまたは電話キーパッド上のキーを押すかによって、電話にアカウント情報を入力することができる。アカウント情報がＤＴＭＦ電話キーパッド上で入力される場合は、電話サービスシステムが認識できるＤＴＭＦトーンが含まれる。アカウント情報がＤＴＭＦ信号を含んでいないと電話サービスシステムが認識できないので、ステップ４７９において、アカウント情報がＤＴＭＦ信号を含むか否かを判定することが重要である。ユーザが話すことでアカウント情報を入力する場合、またはアカウント情報がＤＴＭＦ信号を含んでいない場合は、ステップ４７４において、適切なＤＴＭＦに変換しなければならず、その結果、電話サービスシステムが認識できるようになる。

ＤＴＭＦアカウント情報を、音声対応ユーザインタフェースにより受け取ると、ステップ４９０において、電話サービスシステムに伝送される。ステップ４９２〜４９６において、電話サービスシステムは、アカウント情報を認証し、それが正確であれば、ユーザにメニュープロンプトを提供し、追加のユーザ入力を待つ。

いったんユーザが本発明の音声対応ユーザインタフェースを介して電話サービスシステムへのアクセス権を取得すると、ユーザは、あたかも音声対応ユーザインタフェースが存在しなかったかのように電話サービスシステムと対話することができる。例えば、ユーザは、電話サービスシステムが提供したプロンプトを聞いて、プロンプトが出されたメニュー選択に対応して電話キーパッド上のキーを押すことによって、これらのプロンプトに応答することができる。これを実行する場合、ユーザは、プロンプトに従って体系的に１つのメニュー状態から他のメニュー状態に移動することによって、電話サービスシステムを介してナビゲートすることもできる。

従って、本発明の音声対応ユーザインタフェースが、既存のＤＴＭＦ電話サービスシステムの使用またはナビゲーションを規制するものでないことを理解されたい。反対に本発明は、ユーザが音声およびオーディオ入力を入力できるようにすること、および「中間の」メニュー状態を通って移行するための入力の必要なしに、１つのメニュー状態から他のメニュー状態にジャンプできるようにすることによって、既存のＤＴＭＦ電話サービスシステムの操作性を改善し、ナビゲーションを改良する。従来技術に勝る本発明の利点については、図５〜６に関する以下の考察によって、より完全に明らかになろう。

ユーザがＤＴＭＦ信号にのみ応答する電話サービスシステムからのデータにアクセスできるようにするための本発明の一方法は、図５の流れ図に示されたステップまたは動作を実行することによって達成可能であり、図５〜６に関して一般的に説明する。

個々の参照番号には各図の番号が組み込まれており、すなわち参照番号５１０は図５に表示され、参照番号６２０は図６に表示されるため、特定の図の番号が推察可能であり、以下の考察では明示的に識別されていない場合がある。図に示されるように、第１の動作５１０は、ユーザが入力を提供するためのものである。入力は、ユーザが通話装置を使用することで生成され、ＤＴＭＦ信号、またはオーディオおよび音声信号、またはそれら両方の組合せのいずれかを含むことができる。

ステップ５２０において、音声対応ユーザインタフェースは、ユーザ入力を受け取り、ステップ５２２において、その入力が電話サービスシステムの現在のメニュー状態に適したものであるかどうかを判定する。メニュー状態とは、電話サービスシステムのメニュー階層のうちのメニューまたはサブメニューのことである。

メニュー階層６００は、コンピュータ販売組織の電話サービスシステムのメニュー階層の一実施形態である。図に示されるように、メニュー階層６００は、メインメニュー６１０と、コンピュータサポート６２０、販売６３０、および担当者名簿６４０を含む３つの第１レベルサブメニューとを含む。担当者名簿６４０は、組織の各従業員の内線番号を含む個々の内線番号６４２用のサブメニューを含む。内線番号６４４はね３つしか表示されていないが、従業員および対応する内線番号の数はいくつであってもよいことを理解されたい。担当者名簿は、ユーザが担当者の内線番号を識別してダイヤルすることによって担当者に接触できるようにするための、電話サービスシステムの一般的なメニュー機能である。

コンピュータサポート６２０は、２つの追加サブメニュー選択肢を含み、そのうち１つはホームコンピュータサポート６４６であり、もう１つはビジネスコンピュータサポート６４８である。販売サブメニュー６３０は、ホームコンピュータ販売６５０、ビジネスコンピュータ販売６６０、および再生コンピュータ販売６７０という３つのサブメニューに分けられ、各々は（ホーム、ビジネス、および再生）ラップトップ販売および（ホーム、ビジネス、および再生）デスクトップ販売６５２、６５４、６６２、６６４、６７２、および６７４の追加サブメニューに分けられる。メインメニュー６１０および各々のサブメニュー６２０〜６７４には、メニュー階層６００の離散メニュー状態が含まれる。

ユーザ入力が現在のメニュー状態に適した入力であると判定され、その入力がすでにＤＴＭＦ信号を含んでいると想定された場合、音声対応ユーザインタフェースは、ステップ５２４においてユーザ入力のＤＴＭＦ変換を生成する。ユーザ入力をＤＴＭＦ信号に変換しなければ、電話サービスシステムが入力を認識または処理できないことから、この変換は重要である。生成されたＤＴＭＦ変換は、その後ステップ５２６において電話サービスシステムに伝送される。ユーザ入力を受け取ると、ステップ５２７においてそのユーザ入力がデータの要求であるか否かに応じて、電話サービスシステムは、ステップ５２８においてデータをユーザに伝送するか、またはステップ５３０において要求された処理を実行する。要求された処理の実行例には、メッセージの削除、異なるメニュー状態への移行、メッセージの転送などが含まれる。要求されたデータを伝送するかまたは要求された処理を実行した後、電話サービスシステムは追加のユーザ入力を待つ。電話サービスシステムは、ユーザに追加の入力に関するプロンプトを出すこともできる。

音声対応ユーザインタフェースが、ユーザ入力が電話サービスシステムの現在の状態に適していないと判定した場合、次に音声対応ユーザインタフェースは、ステップ５３２において、入力が電話サービスシステムのいずれかの状態に適しているか否かを判定する。入力がいずれの他の状態にも適していない場合、音声対応ユーザインタフェースは、ステップ５３４においてユーザに新しい入力をするようにプロンプトを出す。これは、任意の適切な手段で達成可能である。例えば、音声対応ユーザインタフェースは、最新の入力が適切に受け取られなかったことをユーザに通知し、再度入力または選択するようにユーザに要求することができる。音声対応ユーザインタフェースは、ユーザを支援するために他のプロンプトを提供することもできる。入力が不適切であると判定される理由の１つとして、音声認識の制限によって適切に解釈されないことが挙げられる。

次に、時々ユーザ入力がどのようにメニュー状態に適していないかを示した一例について説明する。この例では、ユーザは、メインメニュー６１０で「販売の場合は１に続いて＃を押す」、「コンピュータサポートの場合は２に続いて＃を押す」、または「担当者名簿の場合は３に続いて＃を押す」とのプロンプトを受け取る。メインメニューでユーザが内線番号「１２３」が割り当てられた人物と話したい場合、ユーザは、最初にキーパッド入力または口頭で「１＃」と入力しなければならない。次に、電話サービスシステムは、担当者名簿メニュー状態６４０に移行する。このメニュー状態で、次にユーザは「話したい担当者の内線番号をダイヤルする」というプロンプトを受け取る。ユーザが「１２３」と入力すると、電話サービスシステムはユーザを内線番号１２３に接続する。

しかしながら、従来技術によれば、ユーザがメインメニュー状態６１０で「１２３」と入力した場合、「１２３」はメインメニュー状態６１０では適切な入力でないため、次には何事も発生しない。実際のところ、従来技術によれば、電話メニューシステムは、メインメニュー状態６１０では「１２３」の入力を認識すらしないことになる。しかしながら、本発明によれば、メインメニュー状態６１０で「１２３」と入力すると、音声対応ユーザインタフェースは、このユーザ入力をメニュー階層６００の他の状態に有効な入力として識別する。

ユーザ入力が不適切とみなされる可能性のある他の理由は、ユーザが正しいと信じている入力であっても、入力時にユーザが１または複数の誤りを犯したために正しくなくなる可能性が生じることである。この場合、音声対応ユーザインタフェースは、ユーザに対して、ユーザが入力した内容に最も類似した正しい入力をするようにプロンプトを出すことができる。次に、これがどのように行われるかの一例を示す。

ユーザがコンピュータ販売組織の電話サービスシステムのメインメニュー６１０に、再生ラップトップコンピュータの購入希望を入力する場合、販売６３０および再生コンピュータ販売６７０を通って再生ラップトップ販売６７２に達するまでナビゲートすることによって、ユーザは、再生ラップトップ販売６７２に到達するためのメニュープロンプトに応答して体系的に入力することができる。あるいは、本発明によれば、ユーザは、「再生ラップトップ販売」と口頭で言うことによって、再生ラップトップ販売６７２まで直接ジャンプすることができる。ユーザが誤って「再生ラップトップコンピュータ」または「再生ノート販売」と言った場合、音声対応ユーザインタフェースは、「再生ラップトップ販売または再生デスクトップ販売でしょうか」などの、意味を明確にするプロンプトが出される。そこでユーザは、適切に「再生ラップトップ販売」と入力することができる。

音声対応ユーザインタフェースは、上述したように、すべてのメニュープロンプトと、受入れ可能な入力および要求とが、テンプレートにマッピングされているため、ユーザが実行した入力に最も類似しているのはどのメニュープロンプトであるかを判定することができる。ユーザの入力とファイル上にある受け入れられた入力および要求とを比較するという単純なプロセスを使用して、ユーザが何をしようとしているかまたは話そうとしているかを判定することができる。一般的な相関する入力を受入れ可能な入力および要求と関連付けるために、追加のデータをテンプレートに格納することもできる。ユーザが何を入力しようとしているかが判定できない場合、音声対応ユーザインタフェースは、ステップ５３４に戻り、ユーザに新しい入力を実行するようにプロンプトを出す。

メニュー階層６００のメニュー状態に関連付けられたすべてのメニュープロンプトを含み、メニュー階層６００をマッピングすることによって、本発明は、あらゆる「中間の」メニュー状態に関して入力する必要なしに、ユーザが１つのメニュー状態から他のメニュー状態にジャンプできるようにする。例えば、メインメニュー６１０において、ユーザは、「１２３」と言うことで、自動的に内線１２３に転送される。あるいは、ユーザが「ホームコンピュータサポート」と言うことで、ホームラップトップ販売６５２からホームコンピュータサポート６４６にジャンプできる。ユーザは、まずメインメニュー６１０に戻ってから、ホームコンピュータサポート６４６まで移行する必要がない。これは、本発明が従来技術に勝る利点の１つであることを理解されたい。この利点は、本実施形態により、メニュー階層６００の電話サービスシステムが、オーディオまたは音声コマンドを認識できない代わりに、ＤＴＭＦ信号にのみ応答することを考慮した場合でも、十分であることを理解されたい。

本発明の音声対応ユーザインタフェースが１つのメニュー状態から他のメニュー状態にジャンプできるようにするためのプロセスは、本発明のテンプレート内にメニュー階層６００をマッピングすること、およびすべてのメニュー状態の変更の発生を追跡することによって実行することができる。これにより、音声対応ユーザインタフェースは、電話サービスシステムが常時どのメニュー状態にあるかを絶えず認識し、電話メニューシステムを現在のメニュー状態からユーザ入力で要求されたメニュー状態に移動させるために、どのメニュー状態の移行が発生する必要があるかも絶えず認識する。

電話サービスシステムを第１のメニュー状態から第２のメニュー状態にジャンプさせるために、音声対応ユーザインタフェースは、ステップ５３６および５３８において、ジャンプする１または複数のメニュー状態を電話サービスシステムにトラバースさせる出力を生成し、これを電話サービスシステムに伝送する。例えば、電話サービスシステムがビジネスラップトップ販売６６２のメニュー状態にいる場合、ユーザが「ホームラップトップ販売」と言うと、音声対応ユーザインタフェースは、第１にビジネスコンピュータ販売６６０へ、次に販売６３０へ、次にホームコンピュータ販売６５０へ、最後にホームラップトップ販売６５２への移行を電話サービスシステムに実行させる出力を生成して、これを電話サービスシステムに伝送する。１つのメニュー状態から他のメニュー状態へのジャンプに関連付けられたすべての通信は、ユーザが知らずに、また努力せずに実行されるものであり、これが従来技術に勝る改良点であることを理解されたい。

新しい出力は、ステップ５３６および５３８において、音声対応ユーザインタフェースによってメニュー状態間で必要とされる各移行に対して生成されおよび伝送され、各々のメニュー状態で電話サービスシステムによって生成された状態特有のプロンプトに応答して与えられる。音声対応ユーザインタフェースは、電話サービスシステムが常時どの状態にあるかを認識する。なぜなら、電話サービスシステムに伝送された出力に基づいて、およびステップ５５０において電話サービスシステムから受け取ったプロンプトに基づいて、発生するメニュー状態の変更を追跡することによる。

電話サービスシステムは、ステップ５５０において、音声対応ユーザインタフェースからの出力を受け取ると必ず、対応するメニュー状態を変更し、適切であれば、ステップ５５２において、新しい現在のメニュー状態に対応する新しいユーザ入力についてのプロンプトを生成する。音声対応ユーザインタフェースは、ステップ５４０でのメニュー状態の変更を追跡するためにプロンプトを遮断し、電話サービスシステムがユーザ入力を受け取るのに適したメニュー状態になるまでステップ５２２、５３２、５３６、および５３８を繰り返す。

このプロセス全体を通じて、ユーザは、電話サービスシステムが提供するプロンプトおよび音声対応ユーザインタフェースが生成した出力を認識しない。なぜなら、通信スイッチ２５０が、電話サービスシステムのインバウンド単信チャネル２５６を、ユーザに向けて送られるアウトバウンド単信チャネル２５２から切断するからである。

メニュー階層内で大きくジャンプする場合など、多数の移行を実行しなければならない場合、ユーザには一定期間の休止が提示される。休止中は、ユーザの要求が処理されている旨、ユーザに通知することができる。休止中、ユーザに音楽または広告資料を提供することができ、ユーザは通信セッションが切断されたとは思わない。

他の実施形態によれば、ユーザは新しい入力をすることにより、図５の流れ図のいずれのステップも中断することができる。例えば、電話サービスシステムがステップ５２８において、ユーザにデータを伝送するプロセス中の場合、ユーザは、ステップ５１０において新しい入力を提供して、ユーザへのデータの伝送を中断させることができる。電話サービスシステムは、引き続きデータの伝送を続行できるが、音声対応ユーザインタフェースのチャネルスイッチは、ユーザがデータの伝送を聞けるようにする単信チャネルを切断する。次に、プロセスは、入力が電話サービスシステムの現在のメニュー状態に適しているかどうかを判定することによって、ステップ５２２を再開する。

これまで説明してきたように、本発明は、一般に、ユーザが通話装置に対して話すことで、ＤＴＭＦ信号にのみ応答する電話サービスシステムからのデータにアクセスできるようにするものであることを理解されたい。本発明の一利点は、これを既存の電話サービスシステムに何の変更も加えずに実行できることである。本発明の他の利点は、現在のメニュー状態から選択したメニュー状態までトラバースされる「中間の」メニュー状態に関する入力の必要なしに、ユーザが電話サービスシステムの階層メニューをナビゲートできるようにすることである。本発明のこれらの利点は、従来技術に勝る利点であることを理解されたい。

本発明は、その精神または本来の特徴を逸脱することなく、他の形式で実施可能である。当然のことであるが、特定の実施形態に関する上記の説明は例示的なものに過ぎず、何ら制限的なものではない。例えば、ＤＴＭＦ音声メールシステムにアクセスするためにプッシュフォン式電話を使用しても、本発明を、どんな特定種類の通話装置または電話サービスシステムの適用範囲に限定することはない。従って、本発明の範囲は、添付の特許請求の範囲によって示されるものである。

通話装置、音声対応ユーザインタフェース、および電話サービスシステムを含む、本発明を実施するために好適なネットワーク環境を示す構成図である。 本発明の音声対応ユーザインタフェースのユーザ状態マネージャモジュールを構成する構成要素の追加の詳細を示す構成図である。 本発明の音声対応ユーザインタフェースの音声メール状態マネージャモジュールを構成する構成要素の追加の詳細を示す構成図である。 ユーザが本発明の音声対応ユーザインタフェースを備えた電話サービスシステムにアクセスできるようにするための一実施形態を示す流れ図である。 ユーザが本発明の音声対応ユーザインタフェースを備えた電話サービスシステムからのデータにアクセスできるようにするための本発明の一実施形態を示す流れ図である。 本発明の音声対応ユーザインタフェースを使用してアクセスおよびナビゲート可能な電話サービスシステムの階層メニュー構造の一実施形態を示す構成図である。

Claims (15)

1. 通話装置および電話サービスシステムと通信する音声対応ユーザインタフェースを含むネットワークにおいて、前記通話装置のユーザが、オーディオデータまたは音声データであるユーザ入力によって、前記電話サービスシステムからデータを取得するために、前記音声対応ユーザインタフェースで実行される方法であって、
   前記電話サービスシステムからのプロンプトを受け取る動作であって、前記電話サービスシステムは、複数のメニュー状態を有するメニューを含み、各メニュー状態は、状態特有プロンプトを有し、前記プロンプトは、前記状態特有プロンプトうちの１つであり、かつ、一定期間にわたってセグメント内で発生する複数の音声波形を有する音声を備えていることと、
   前記複数のメニュー状態の各々に対応する前記状態特有プロンプトをマッピングするテンプレートを使用して、前記電話サービスシステムが前記複数のメニュー状態のどこにあるかを、前記セグメントの数量および前記セグメントそれぞれが発生する期間を決定し、前記セグメントおよび期間を前記テンプレートに格納された情報と比較することにより、決定する動作と、
   前記プロンプトを前記通話装置のユーザに転送する動作と、
   前記プロンプトの応答として前記通話装置で入力されたユーザ入力を受け取る動作であって、前記ユーザ入力は、前記電話サービスシステムからデータを取得するための要求を含み、前記ユーザ入力は、オーディオデータまたは音声データであることと、
   前記ユーザ入力の変換結果を前記電話サービスシステムに転送する動作であって、前記ユーザ入力の前記変換結果は、前記ユーザ入力を前記テンプレートに格納された情報と比較することにより変換されたＤＴＭＦ信号であることと、
   前記電話サービスシステムからの前記要求されたデータを受け取る動作と、
   前記要求されたデータを前記通話装置に転送する動作と
   を備えたことを特徴とする方法。
2. 前記テンプレートに格納された情報と比較することは、前記複数の音声波形のスペクトルを比較することを備えたことを特徴とする請求項１に記載の方法。
3. 前記電話サービスシステムに伝送される前記ユーザ入力の変換結果の内容は、前記電話サービスシステムが前記複数のメニュー状態のどこにあるかに依存することを特徴とする請求項１または２に記載の方法。
4. 通話装置および電話サービスシステムと通信する音声対応ユーザインタフェースを含むネットワークにおいて、前記通話装置のユーザが、オーディオデータまたは音声データであるユーザ入力によって、前記電話サービスシステムのメニュー状態を通って対話的にナビゲートできるようにするために、前記通話装置で実行される方法であって、
   第１のユーザ入力を前記音声対応ユーザインタフェースに伝送する動作であって、前記第１のユーザ入力は、前記音声対応ユーザインタフェースを前記電話サービスシステムにアクセスさせ、前記音声対応ユーザインタフェースは、前記通話装置に対してリモートであることと、
   前記第１のユーザ入力の応答として前記音声対応ユーザインタフェースからのプロンプトを受け取る動作であって、前記プロンプトは、前記電話サービスシステムが複数のメニュー状態の１つにある間に受信され、各メニュー状態は、状態特有プロンプトを有し、前記プロンプトは、前記状態特有プロンプトうちの１つであり、かつ、一定期間にわたってセグメント内で発生する複数の音声波形を有する音声を備え、前記音声対応ユーザインタフェースは、前記複数のメニュー状態の各々に対応する前記状態特有プロンプトをマッピングするテンプレートを使用して、前記電話サービスシステムが前記複数のメニュー状態のどこにあるかを、前記セグメントの数量および前記セグメントそれぞれが発生する期間を決定し、前記セグメントおよび期間を前記テンプレートに格納された情報と比較することにより、決定する動作と、
   前記プロンプトの応答として第２のユーザ入力を前記音声対応ユーザインタフェースに伝送する動作であって、前記第２のユーザ入力は、前記電話サービスシステムからデータを取得するための要求を含み、前記第２のユーザ入力は、オーディオデータまたは音声データであり、前記音声対応ユーザインタフェースにより、前記第２のユーザ入力の変換結果を前記電話サービスシステムに伝送させ、前記ユーザ入力の前記変換結果は、前記ユーザ入力を前記テンプレートに格納された情報と比較することにより変換されたＤＴＭＦ信号であることと、
   前記第２のユーザ入力に応答した前記電話サービスシステムからのデータを受け取る動作と
   を備えたことを特徴とする方法。
5. 前記プロンプトは、前記電話サービスシステムで生成されることを特徴とする請求項４に記載の方法。
6. 前記プロンプトは、前記音声対応ユーザインタフェースで生成されることを特徴とする請求項４に記載の方法。
7. 前記第２のユーザ入力は、前記電話サービスシステムを第１のメニュー状態から第２のメニュー状態へジャンプさせることを特徴とする請求項６に記載の方法。
8. リモート通話装置および電話サービスシステムと通信する音声対応ユーザインタフェースにおいて、ユーザが前記リモート通話装置を使用して、オーディオデータまたは音声データであるユーザ入力によって、前記電話サービスシステムのメニュー状態を通って対話的にナビゲートできるようにするための方法を実施するコンピュータ実行可能命令が格納されたコンピュータ読取り可能記録媒体であって、前記コンピュータ実行可能命令は、
   ユーザ入力に応答して前記電話サービスシステムにアクセスするステップと、
   前記リモート通話装置のユーザに転送されたプロンプトに応答して前記リモート通話装置で入力されたユーザ入力を、前記リモート通話装置から受け取るステップであって、前記電話サービスシステムは、複数のメニュー状態を有し、各メニュー状態は、状態特有プロンプトを有し、前記プロンプトは、前記状態特有プロンプトのうちの１つであり、前記プロンプトは、一定期間にわたってセグメント内で発生する複数の音声波形を有する音声を備え、前記ユーザ入力は、前記電話サービスシステムからデータを取得するための要求を含み、前記ユーザ入力は、オーディオデータまたは音声データであることと、
   前記電話サービスシステムの前記複数のメニュー状態と前記状態特有プロンプトとのマップを表すテンプレートを使用して、前記電話サービスシステムが複数のメニュー状態のうちどの状態にあるかを、前記セグメントの数量および前記セグメントそれぞれが発生する期間を決定し、前記セグメントおよび期間を前記テンプレートに格納された情報と比較することにより、決定するステップと、
   前記プロンプトに基づいて、前記ユーザ入力の変換を得るステップと、
   前記電話サービスシステムに、要求されたデータを前記通話装置に伝送させる出力を、前記電話サービスシステムに伝送するステップと、
   前記電話サービスシステムを前記複数のメニュー状態の第１の状態から前記複数のメニュー状態の第２の状態へと移動させる出力を、前記電話サービスシステムに伝送するステップと
   を備えたことを特徴とするコンピュータ読取り可能記録媒体。
9. 前記コンピュータ実行可能命令は、前記ユーザの身元を認証するステップをさらに備えたことを特徴とする請求項８に記載のコンピュータ読取り可能記録媒体。
10. 前記コンピュータ実行可能命令は、前記電話サービスシステムに前記ユーザの身元を認証する情報を提供するステップをさらに備えたことを特徴とする請求項８に記載のコンピュータ読取り可能記録媒体。
11. 前記コンピュータ実行可能命令は、前記電話サービスシステムと前記リモート通話装置との間のデータ伝送を制御するステップをさらに備え、該ステップは、前記電話サービスシステムと前記リモート通話装置との間で通信のチャネルを接続および切断するステップを備えたことを特徴とする請求項８、９および１０に記載のコンピュータ読取り可能記録媒体。
12. 前記プロンプト、および前記電話サービスシステムの受入れ可能な入力は、前記テンプレートに含まれることを特徴とする請求項８ないし１１のいずれかに記載のコンピュータ読取り可能記録媒体。
13. 前記電話サービスシステムが前記複数のメニュー状態のうちどの状態にあるかを決定するためのステップは、
    前記電話サービスシステムの前記状態の変更を追跡するステップと、
    前記電話サービスシステムが前記複数のメニュー状態のうちどの状態にあるかを常時判定するステップと
    をさらに備えたことを特徴とする請求項８に記載のコンピュータ読取り可能記録媒体。
14. 通話装置および電話サービスシステムと通信する音声対応ユーザインタフェース装置であって、前記通話装置のユーザが、オーディオデータまたは音声データであるユーザ入力によって、前記電話サービスシステムからデータを取得するための前記音声対応ユーザインタフェース装置において、
    前記電話サービスシステムからのプロンプトを受け取る手段であって、前記電話サービスシステムは、複数のメニュー状態を有するメニューを含み、各メニュー状態は、状態特有プロンプトを有し、前記プロンプトは、前記状態特有プロンプトうちの１つであり、かつ、一定期間にわたってセグメント内で発生する複数の音声波形を有する音声を備えていることと、
    前記複数のメニュー状態の各々に対応する前記状態特有プロンプトをマッピングするテンプレートを使用して、前記電話サービスシステムが前記複数のメニュー状態のどこにあるかを、前記セグメントの数量および前記セグメントそれぞれが発生する期間を決定し、前記セグメントおよび期間を前記テンプレートに格納された情報と比較することにより、決定する手段と、
    前記プロンプトを前記通話装置のユーザに転送する手段と、
    前記プロンプトの応答として前記通話装置で入力されたユーザ入力を受け取る手段であって、前記ユーザ入力は、前記電話サービスシステムからデータを取得するための要求を含み、前記ユーザ入力は、オーディオデータまたは音声データであることと、
    前記ユーザ入力の変換結果を前記電話サービスシステムに転送する手段であって、前記ユーザ入力の前記変換結果は、前記ユーザ入力を前記テンプレートに格納された情報と比較することにより変換されたＤＴＭＦ信号であることと、
    前記電話サービスシステムからの前記要求されたデータを受け取る手段と、
    前記要求されたデータを前記通話装置に転送する手段と
    を備えたことを特徴とする音声対応ユーザインタフェース装置。
15. 通話装置および電話サービスシステムと通信する音声対応ユーザインタフェースを含むネットワークにおいて、前記通話装置のユーザが、オーディオデータまたは音声データであるユーザ入力によって、前記電話サービスシステムのメニュー状態を通って対話的にナビゲートできるようにするために、前記通話装置で実行される方法を実施するコンピュータ実行可能命令が格納されたコンピュータ読取り可能記録媒体であって、前記コンピュータ実行可能命令は、
    第１のユーザ入力を前記音声対応ユーザインタフェースに伝送するステップであって、前記第１のユーザ入力は、前記音声対応ユーザインタフェースを前記電話サービスシステムにアクセスさせ、前記音声対応ユーザインタフェースは、前記通話装置に対してリモートであることと、
    前記第１のユーザ入力の応答として前記音声対応ユーザインタフェースからのプロンプトを受け取るステップであって、前記プロンプトは、前記電話サービスシステムが複数のメニュー状態の１つにある間に受信され、各メニュー状態は、状態特有プロンプトを有し、前記プロンプトは、前記状態特有プロンプトうちの１つであり、かつ、一定期間にわたってセグメント内で発生する複数の音声波形を有する音声を備え、前記音声対応ユーザインタフェースは、前記複数のメニュー状態の各々に対応する前記状態特有プロンプトをマッピングするテンプレートを使用して、前記電話サービスシステムが前記複数のメニュー状態のどこにあるかを、前記セグメントの数量および前記セグメントそれぞれが発生する期間を決定し、前記セグメントおよび期間を前記テンプレートに格納された情報と比較することにより、決定するステップと、
    前記プロンプトの応答として第２のユーザ入力を前記音声対応ユーザインタフェースに伝送するステップであって、前記第２のユーザ入力は、前記電話サービスシステムからデータを取得するための要求を含み、前記第２のユーザ入力は、オーディオデータまたは音声データであり、前記音声対応ユーザインタフェースにより、前記第２のユーザ入力の変換結果を前記電話サービスシステムに伝送させ、前記ユーザ入力の前記変換結果は、前記ユーザ入力を前記テンプレートに格納された情報と比較することにより変換されたＤＴＭＦ信号であることと、
    前記第２のユーザ入力に応答した前記電話サービスシステムからのデータを受け取るステップと
    を備えたことを特徴とするコンピュータ読取り可能記録媒体。

Images