JP5728456B2 - 通信端末 - Google Patents

Description

本発明は、２以上の通信端末により同時に通話可能な電話会議システムに接続可能な通信端末に関するものである。

従来、電話回線を介して１度に３台以上の電話での同時通話を可能にし、あたかも会議室に集まって会議しているかのように、多くの人と同時に会話できる電話会議システムが知られている。この電話会議システムを用いることにより、社員の出張に伴う交通費などの移動コストや移動時間を削減することができる。

また、特許文献１には、ＩＰ網上に配置された通信サーバに対して複数の通信端末から接続し、当該複数の通信端末同士での通信を通じて仮想的な会議室を形成する電話会議システムが開示されている。この特許文献１の電話会議システムでは、通信端末は、音声による通話を行う音声通話部と、通信サーバ上の会議室において参照される資料データに関するユーザ操作を行うデータ操作部とを備えている。また、通信サーバは、複数の通信端末との間で通信を確立させ、会議室を形成する接続制御部と、接続制御部により通信が確立された通信端末との間で、データ操作部におけるユーザ操作に応じて、資料データに関するデータ通信を行うデータ制御部とを備えている。特許文献１の電話会議システムによれば、ＩＰ網に接続された通信端末によって電話会議を行う際に、会議に用いる資料データを共有し、会議の進行に合わせて資料を即時に参照することができるようになっている。

しかしながら、上記従来の電話会議システムでは、受信した音声から発言者が誰であるかを識別することは難しいため、聞き手側で発言者の識別に手間取って、電話会議の進行が妨げられるおそれがある。また、特許文献１の電話会議システムでは、通信端末の電話番号でユーザ認証を行っているため、会議参加予定の通信端末として電話番号が登録された通信端末を不正に入手した第三者は、当該電話会議に参加できてしまう。電話会議は、テレビ会議と異なり、参加者の実際の顔画像が表示されない場合が多いので、第三者が通信端末のユーザになりすまして電話会議に参加しても、他の参加者に気付かれず、企業情報が漏洩するおそれもある。実際の参加者の顔画像を他の通信端末で表示することも考えられるが、顔画像のデータを送受信するために通信容量が増えて、通信コストがアップしてしまう。なお、このような課題は、ハンズフリーの通信端末を含む２台以上の通信端末を用いて３人以上のユーザが参加している電話会議システムでも同様に発生し得るものである。

本発明は以上の問題点に鑑みなされたものであり、その目的は、低コスト化を図りつつ、電話会議システムで発言している発言者の識別や認証が可能になる通信端末を提供することである。

上記目的を達成するために、請求項１の発明は、２以上の通信端末により同時に通話可能な電話会議システムに接続可能な通信端末であって、通信網を介して電話会議システムに接続して他の通信端末の利用者と通話するための通話手段と、既知の人物の声紋を記憶する記憶手段と、前記電話会議システムで発言している発言者の音声の声紋を取得する声紋取得手段と、前記声紋取得手段で取得された声紋と前記記憶手段に記憶されている声紋とを照合する声紋照合手段と、前記声紋照合手段による声紋照合の結果を出力する出力手段と、を備えたことを特徴とするものである。
この通信端末によれば、２以上の通信端末が同時に通話する電話会議システムに参加したとき、その電話会議システムで発言している発言者の音声の声紋を取得し、その取得した声紋と、記憶手段にあらかじめ記憶されている声紋とを照合し、その照合結果が出力される。これにより、発言者の顔画像データなどを受信することなく発言者を識別したり認証したりすることができる。また、声紋の取得及び照合を通信端末で行うことにより、通信網側に専用の声紋照合サーバ等の声紋処理装置を設ける場合に比べ、声紋処理装置の導入や維持管理のためのコスト上昇を抑制することができる。よって、低コスト化を図りつつ、電話会議システムで発言している発言者の識別や認証が可能になる。

前記通信端末において、前記声紋照合手段による声紋照合の結果に基づいて電話会議システムへの参加者か否かを判断する判断手段を更に備えてもよい。この通信端末によれば、声紋照合の結果に基づいて電話会議システムへの参加者による発言か否かを認識できるので、所定の参加者以外の第三者のなりすましによる電話会議システムへの不正な参加を防ぐことができる。

また、前記通信端末において、前記声紋照合手段による声紋照合の結果に基づいて前記発言者を識別する発言者識別手段を、更に備え、前記出力手段は、前記発言者識別手段で識別された発言者の識別情報を出力してもよい。この通信端末によれば、声紋照合の結果に基づいて発言者を特定するので、発言者が使用している通信端末の電話番号が電話帳に登録されていない場合であっても、発言者の特定が可能となる。また、特定された人物の名前又は名称などの識別情報が出力されるので、通信端末の利用者は発言者が誰であるかを認識することができる。

また、前記通信端末において、前記声紋取得手段は、前記電話会議システムで当該通信端末の利用者が発言しているときに該利用者の音声の声紋を取得し、
前記声紋照合手段による声紋照合の結果に基づいて前記利用者を識別する利用者識別手段と、
前記利用者識別手段で識別された前記利用者の識別情報を、前記電話会議システムの他の参加者の通信端末に送信する送信手段とを、更に備えてもよい。この通信端末によれば、通信端末の利用者の識別情報が、電話会議システムの他の参加者の通信端末に送信されるので、他の参加者の通信端末において発信者が誰であるかを認識させることができる。特に、通信端末を用いて電話会議システムに参加する可能性がある利用者が複数の場合に、その複数の利用者のうち誰が当該通信端末を使って電話会議に参加して通話しているかを、他の参加者に知らせることができる。

また、前記通信端末において、既知の人物の声紋を取得して前記記憶手段に記憶させる声紋登録手段を、更に備えてもよい。この通信端末によれば、発言者の声紋と照合される既知の人物の声紋を記憶手段に追加して蓄積することができるので、声紋照合で一致する確率や声紋照合の精度を向上させることができる。

また、前記通信端末において、前記発言者の音声を認識する音声認識手段を、更に備え、前記発言者識別手段は、前記声紋照合手段による声紋照合の結果と前記音声認識手段による音声認識の結果とに基づいて前記発言者を識別してもよい。この通信端末によれば、声紋照合の結果に加えて音声認識の結果に基づいて発言者を識別するので、発言者の識別の精度が向上する。また、声紋照合に失敗した場合であっても、音声認識の結果を用いて発言者を識別することができるので、発言者を識別できる確率が向上する。

また、前記通信端末において、前記音声認識手段は、前記音声認識の結果に基づいて得られた文字列から前記発言者の識別情報を抽出し、前記発言者識別手段は、前記音声認識手段で抽出された前記識別情報に基づいて、前記発言者を識別してもよい。発言者の音声の音声認識の結果に基づいて得られた文字に含まれる人物の名前など識別情報は、その発言者の名前などの識別情報である確率が高い。この通信端末によれば、前記音声認識の結果に基づいて得られた文字列から抽出した発言者の識別情報に基づいて、その発言者を識別することにより、発言者の識別が容易になる。

また、前記通信端末において、前記記憶手段は、既知の人物の発言で特徴的に使用される所定のキーワードを記憶し、前記発言者識別手段は、前記音声認識の結果に基づいて得られた文字列と前記キーワードとを照合して前記発言者を識別してもよい。この通信端末によれば、既知の人物の発言で特徴的に使用される名前、会社の名称、パスワードなどの所定のキーワードと、音声認識の結果に基づいて得られた文字列とを照合する。この照合結果に基づいて、発言者を識別することにより、発言者の識別をより容易且つ確実に行うことができる。

本発明によれば、低コスト化を図りつつ、電話会議システムで発言している発言者の識別や認証が可能になる通信端末を提供することができる。

本発明の実施形態に係る携帯電話機が接続可能な電話会議システムの一例を示す概略構成図。 招集元端末のハードウェア構成の一例を示すブロック図。 招集元端末に声紋情報を登録する手順を示すフローチャート。 電話会議システムの動作例の一例を説明するためのフローチャート。 招集元端末の表示部の表示内容の一例を示す正面図。 招集先端末が途中から電話会議に参加する場合の手順の一例を説明するためのフローチャート。

以下、図面を参照して本発明の実施形態について説明する。
図１は、本発明の実施形態に係る通信端末が接続可能な電話会議システムの一例を示す概略構成図である。図１に示す電話会議システムは、移動体通信網３０を介して複数の通信端末が接続され、当該複数の通信端末同士で通信を行って、仮想的な会議室を形成するシステムである。この電話会議システムは、電話会議の招集者である招集元ユーザａの通信端末（以下、「招集元端末」という。）１０ａや電話会議に参加する招集先ユーザｂ〜ｄの通信端末（以下、「招集先端末」という。）２０ｂ〜ｄを用いて通信するための基地局３０１等を含む移動体通信網３０と、固定電話機５０ｅ，ｆを用いて通信するための公衆電話通信網４０とを備えている。また、本実施形態の電話会議システムは、図示しない交換機、専用線、ルータ、ファイヤーウォール等を備えている。

本実施形態の電話会議システムにおいて、電話会議システムに接続して通話可能な通信端末には、招集元端末１０ａや招集先端末２０ｂ〜ｄとして用いることができる携帯電話機やスマートフォンなどの移動通信端末、固定電話機５０ｅ、電話会議専用の音声入出力装置としての電話会議専用デバイス５０ｆ、移動通信モジュールを有するノートパソコン等のコンピュータ装置などが含まれる。固定電話機５０ｅ及び電話会議専用デバイス５０ｆにはそれぞれ、図１中の一点鎖線で示すように、画像を表示するための液晶、ＣＲＴなどからなるディスプレイ装置やテレビ放送受信装置などの表示装置５１ｅ，５１ｆを接続してもよい。

電話会議専用デバイス５０ｆは、音声入力手段としてのマイク及び音声出力手段としてのスピーカを備え、アナログやデジタルの公衆電話通信網３１に接続することができる。電話会議専用デバイス５０ｆとしては、例えば、市販の装置（ポリコムジャパン株式会社製の「Ｓｏｕｎｄ Ｓｔａｔｉｏｎ２」、パナソニック株式会社製のＩＰ音声会議ホン「ＫＸ−ＮＴ７００Ｎ」、エヌ・ティ・ティ・アドバンステクノロジ株式会社製の音声会議用マイク・スピーカー「ＲｅａｌＴａｌｋ Ｒ７」、「Ｒ−Ｔａｌｋ ８００ＥＸ」、「Ｒ−Ｔａｌｋ ８００ＰＣ」等）を用いることができる。また、電話会議専用デバイス５０ｆとしては、電話会議の音声入出力機能及び通信機能のほか、声紋照合や声紋データの記憶の機能を有するように設計製造された装置を用いてもよい。

また、招集元端末１０ａ及び招集先端末２０ｂ〜ｄはそれぞれ、移動体通信網３０の基地局３０１を介して通信を行うことができる。また、固定電話機５０ｅ及び電話会議専用デバイス５０ｆは公衆電話通信網３１を介して通信を行うことができる。招集元端末１０ａ、招集先端末２０ｂ〜ｄと固定電話機５０ｅと電話会議専用デバイス５０ｆとは、移動体通信網３０及び公衆電話通信網３１を介して、互いに通信することができる。

また、本実施形態において、招集元端末１０ａ、招集先端末２０ｄ、固定電話機５０ｅ及び電話会議専用デバイス５０ｆはそれぞれ、非接触状態で通話可能なハンズフリー機能を有し、複数人が同時に利用できるようになっている。図１の例では、招集元端末１０ａを用いて２人のユーザ（ユーザａ及びユーザａ’）が電話会議システムに参加し、招集先端末２０ｄを用いて３人のユーザ（ユーザｄ、ユーザｄ’及びユーザｄ’’）が電話会議システムに参加している。また、固定電話機５０ｅを用いて２人のユーザ（ユーザｅ及びユーザｅ’）が電話会議システムに参加し、電話会議専用デバイス５０ｆを用いて２人のユーザ（ユーザｆ及びユーザｆ’）が電話会議システムに参加している。なお、招集元端末や招集先端末は固定電話機であってもよい。

また、本実施形態において、招集元端末１０ａは、招集先端末２０ｂ〜ｄ、固定電話機５０ｅ及び電話会議専用デバイス５０ｆの利用者が電話会議システムで発言しているときに、その招集先端末２０ｂ〜ｄ等から受信した音声の波形データの周波数成分を分析して発言者の声紋を取得し、その発言者の声紋とあらかじめ記憶された既知の人物の声紋と照合し、その声紋照合の結果に基づいて、発言者の名前等の識別情報を確認することができる。また、招集元端末１０ａは、招集先端末２０ｂ〜ｄ等を電話会議システムで参加させるための発呼に対する応答時及び通話時に、招集先端末２０ｂ〜ｄ等から受信した音声の波形データの周波数成分を分析して通話相手の声紋を取得し、その通話相手の声紋とあらかじめ記憶された既知の人物の声紋と照合し、その声紋照合の結果に基づいて、通話相手の名前等の識別情報を確認することができる。

ここで、「声紋」とは、音声の各周波数成分の時間的変化を視覚的に表示したものである。例えば、声紋としては、音声を周波数分析して得られたソナグラフの濃淡を地図の等高線のように紋様化したものや、音声を周波数分析によって縞模様の図表に表したものが挙げられる。この声紋は、音声を発した人物の特徴があらわれ、指紋と同様に各人固有のパターンを示すので、人物の特定、本人確認、各種認証などに用いることができる。

図２は、招集元端末１０ａのハードウェア構成の一例を示すブロック図である。なお、招集先端末２０ｂ〜ｄについても招集元端末１０ａと同様に構成することができる。
図２において、招集元端末１０ａは、制御部１１１と記憶部１１２と無線通信部１１３と音声処理部１１５と画像処理部１１８と操作部１２０と時計部１２１と声紋照合部１２２を備えている。制御部１１１には、記憶部１１２と無線通信部１１３と音声処理部１１５と画像処理部１１８と操作部１２０と時計部１２１と声紋照合部１２２とが接続されている。また、制御部１１１には、音声処理部１１５を介して音入力手段としてのマイク１１６及び出力手段としてのスピーカ１１７が接続され、画像処理部１１８を介して表示部１１９が接続されている。

制御部１１１は、例えばＣＰＵ、メモリ、システムバス等で構成され、所定の制御プログラムやアプリケーションプログラムを実行することにより、記憶部１１２や無線通信部１１３等の各部との間でデータの送受信を行ったり、各部を制御したりする。時計部２２１は、制御部１１などで用いるクロック信号を出力したり、正確な日時・時刻情報を生成したりすることができる。

記憶部１１２は、例えばＲＡＭやＲＯＭなどの半導体メモリや磁気記憶媒体などで構成され、制御部１１１で実行する制御プログラムや各種データを記憶することができる。また、記憶部１１２は、音声処理部１１５で取得された発言者や通話相手の音声の波形データやその波形データを分析して得られた声紋のデータを記憶する記憶手段としても機能する。また、記憶部１１２は、発言者や通話相手の音声の声紋と照合される既知の人物の声紋のデータを記憶する記憶手段としても機能する。

無線通信部１１３は、制御部１１１で制御され、アンテナ１１４を介して、所定の通信方式により移動体通信網３０の基地局３０１との間で無線通信を行うものである。この無線通信により、他の携帯電話機等の通信端末との間で音声電話通信（通話）を行ったり、電話会議システムに参加したり、電子メールの送受信を行ったりすることができる。

音声処理部１１５は、マイク１１６から入力された送話音声信号を所定方式で符号化して制御部１１１に送る。更に、音声処理部１１５は、各種のデジタル音データを復号化するオーディオデコーダの機能も有している。例えば、音声処理部１１５は、無線通信部１１３で受信した受話音声信号を復号化してスピーカ１１７から出力する。音声処理部１１５は、無線通信部１１３で受信した発言者や通話相手の音声の声紋を取得する声紋取得手段としても機能する。音声処理部１１５は、例えば、ＣＰＵ、メモリ、Ａ−Ｄ変換器、Ｄ−Ａ変換器等で構成し、所定のプログラムを実行することにより、発言者や通話相手の音声信号の波形データに対して各種処理や周波数分析等を行って当該発言者等の音声の声紋を取得する声紋取得処理を行うことができる。また、音声処理部１１５は、上記音声信号（波形データ）の各種処理や声紋取得処理などを行う特定用途に用いるように設計された半導体集積回路（ＡＳＩＣ）などで構成してもよい。なお、無線通信部１１３で受信した発言者や通話相手の音声の声紋を取得する声紋取得手段としての機能は、後述の声紋照合部１２２に持たせてもよい。

画像処理部１１８は、制御部１１１の制御の下、各種画像や、上記声紋のデータ、後述の声紋照合の結果などの各種情報を液晶ディスプレイ（ＬＣＤ）等からなる表示部１１９に表示させる処理を行う。

表示部１１９やスピーカ１１７は、声紋照合の結果、通話相手（発信者）の識別や認証の結果などを出力する出力手段として用いることもできる。

操作部１２０は、表示部１１９に表示されるデータ入力キー（テンキー、＊キー、＃キー）、通話開始キー、終話キー、スクロールキー、多機能キー等をタッチして、電話の発信や着信の操作のほか、表示部１１９に表示される情報のスクロールや選択等に用いる。操作部１２０は、筐体の所定領域に配置されるキーを用いずに、表示部１１９に組み込まれたタッチパネルなどを用いて構成してもよい。

既知の人物の声紋を取得して記憶部１１２に記憶させる声紋登録手段は、例えば、音声処理部１１５、表示部１１９、操作部１２０等を用いて構成される。また、通信網を介して電話会議システムに接続して他の通信端末の利用者と通話するための通話手段は、前述の制御部１１１、無線通信部１１３、音声処理部１１５、マイク１１６、スピーカ１１７等を用いて構成される。

声紋照合部１２２は、招集先端末２０ｂ〜ｄから受信した発言者や通話相手の音声の声紋と記憶部１１２に予め記憶されている既知の人物の声紋とを照合する声紋照合手段として機能する。この声紋の照合により、発言者や通話相手である発信側の人物の識別や特定や各種認証を行うことができる。声紋照合部１２２は、例えば、ＣＰＵやメモリ等で構成し、所定のプログラムを実行することにより、上記声紋の照合処理などを行うことができる。また、声紋照合部１２２は、上記声紋の照合などを行う特定用途に用いるように設計された半導体集積回路（ＡＳＩＣ）などで構成してもよい。また、声紋照合部１２２は、図中一点鎖線で示すように、記憶部１１２との間で音声のデータや声紋のデータを送受信するように構成してもよい。

なお、声紋照合部１２２は、前述の無線通信部１１３で受信した通話信号から音声の声紋を取得する声紋取得手段としての機能も有するように構成してもよい。また、声紋照合部１２２は、声紋照合の結果に基づいて通話信号に含まれる音声に対応する人物すなわち発言者や通話の発信者を特定する人物特定手段や、通話信号に含まれる音声を認識する音声認識手段としての機能も有するように構成してもよい。

ここで、「音声の認識」とは、その音声の信号を分析することにより、その音声で話している内容を所定の言語からなる文字データ（テキストデータ）として取り出す処理である。

招集元端末１０ａ及び招集先端末２０ｂ〜ｄ等の通信端末の利用者が電話会議システムに参加しているとき、招集元端末１０ａは、他の招集先端末２０ｂ〜ｄから受信した発言者の音声データの声紋を分析して取得し、あらかじめ記憶された招集先ユーザｂ，ｃ，ｄ，ｄ’，ｄ’’，ｅ，ｅ’，ｆ，ｆ’の声紋と照合を行い、その声紋照合の結果に基づいて、発言者が誰であるかを認識することができる。

また、招集元端末１０ａは、招集先端末２０ｂ〜ｄが電話会議システムに参加する際に、それぞれの招集先端末２０ｂ〜ｄから受信した音声データの声紋を分析して取得し、あらかじめ記憶された招集先ユーザｂ，ｃ，ｄ，ｄ’，ｄ’’，ｅ，ｅ’，ｆ，ｆ’の声紋と照合を行い、その声紋照合の結果に基づいて、招集先端末２０ｂ〜ｄの電話会議への参加の可否を判断する。この電話会議への参加の可否の判断する判断手段としての機能を、制御部１１１に有するように構成してもよい。

上述したように、声紋照合に基づいてユーザの本人確認を行い、招集先端末２０ｂ〜ｄとその端末のユーザｂ，ｃ，ｄ，ｄ’，ｄ’’，ｅ，ｅ’，ｆ，ｆ’とが一致しなければ電話会議へ参加できないため、第三者のなりすましによる電話会議への不正な参加を防ぐことができる。このため、招集元端末１０ａにはあらかじめ既知の人物、例えば招集先ユーザｂ，ｃ，ｄ，ｄ’，ｄ’’，ｅ，ｅ’，ｆ，ｆ’の声紋を登録しておく必要があり、その登録手順は次のように行う。

図３は、招集元端末１０ａに音声を直接入力して声紋を登録する手順を示すフローチャートである。ここで、招集元端末１０ａを操作する操作者と声紋が登録される声紋登録対象者とは、同一人物でもよいし、別人であってもよい。なお、図３の例では、操作者及び声紋登録対象者が同一人物（以下「登録者」という。）である場合について説明する。

図３に示すように、招集元端末１０ａに声紋を登録するには、まず、登録者が招集元端末１０ａを操作し、表示部１１９に表示される音声登録モードを選択する（ステップ１０１）。そして、登録者は自分の氏名を入力し、自分が通常使用する携帯電話機等の通信端末を持っていれば併せてその電話番号を入力する（ステップ１０２）。これにより、録音のスタンバイ状態となり、表示部１１９に表示された録音開始を選択することにより、録音が開始する（ステップ１０３）。

次に、登録者は、予め決められた所定の単語や文章（例えば、自分の氏名、所定のパスワード、仮想の会話文章、有名な物語の一節など）を、例えば所定時間（例えば２０秒）以内にマイク１１６に向かってはっきりと発音する（ステップ１０４）。このとき、周囲の雑音を拾わないように、静かな室内で録音することが望ましい。また、物語の有名な一節を朗読して音声を入力する場合は、登録者が対面する招集元端末１０ａの画面に、その物語の本の朗読する一節に対応した画像（例えば、桃太郎の絵本の画像）を表示してもよい。
録音された音声は、音声処理部１１５により、必要に応じて雑音等を除去する前処理が行われた後、その音声の波形データが周波数分析される。そして、その分析によって得られた声紋のデータが、声紋の照合に用いることができるデータか否かがチェックされる（ステップ１０５）。

ここで、上記得られた声紋のデータが声紋照合に用いることができるデータであると判断された場合（ステップ１０６でＹｅｓ）には、上記別途入力された氏名や電話番号に紐付けて記憶部１１２に記憶され、正常に音声登録が完了したことが表示され、音声登録処理は終了する（ステップ１０７）。

一方、上記得られた声紋のデータが声紋照合に用いることができないデータであると判断された場合（ステップ１０６でＮｏ）には、登録処理に失敗した旨が表示され、録音された音声のデータが消去され、再び録音処理を繰り返す（ステップ１０８）。

なお、上記ステップ１０２における氏名等の入力は、ステップ１０７で声紋のデータを記憶部１１２に記憶するときに入力してもよい。

また、上記ステップ１０３，１０４における音声の録音は、登録者が招集元端末１０ａに直接発音して録音する方法に限らず、招集元端末１０ａの通話相手と通話中に受信した通話相手の音声を、声紋登録対象者の音声として録音してもよい。例えば、電話帳に登録された通話相手との通話中にユーザ操作で録音を開始し、分析された声紋のデータを電話帳と紐付けて自動的に保存するようにしてもよい。この場合には、氏名等の入力操作をしなくてもよく、操作性を向上させることができる。また、電話帳の登録データに基づいて、あらかじめ声紋登録対象者を設定しておき、その声紋登録対象者との通話中に自動で録音を開始し、分析された声紋のデータを電話帳と紐付けて自動的に保存するようにしてもよい。また、通話相手が登録した留守番電話を再生しているときの音声を、声紋登録対象者の音声として分析し、その分析された声紋のデータを電話帳と紐付けて自動的に保存するようにしてもよい。

また、招集元端末１０ａを操作する操作者と声紋登録対象者とが別人物であり、操作者のそばに声紋登録対象者がいる場合は、操作者が招集元端末１０ａを操作して声紋登録対象者の音声を録音するようにしてもよい。

また、上記図３の手順で招集元端末１０ａに音声の声紋が登録される声紋登録対象者は、例えば、招集元端末１０ａの通常の使用者（所有者）が通話する可能性がある同じ会社の社員や取引先の会社の社員等の既知の人物である。

図４は、本実施形態に係る招集元端末１０ａの一動作例を示すフローチャートである。なお、図４の例では、招集元ユーザａからの操作に応じて電話会議が開始される場合の例について説明するが、他のユーザｂ，ｃ，ｄ，ｄ’，ｄ’’のいずれもが招集元ユーザとなることができ、これら他のユーザｂ，ｃ，ｄ，ｄ’，ｄ’’からの操作に応じて電話会議を開始することもできる。また、公衆電話通信網４０に接続された固定電話機５０ｅ及び電話会議専用デバイス５０ｆのユーザｅ，ｅ’，ｆ，ｆ’のいずれもが招集元ユーザあるいは招集先ユーザとなることができ、これらユーザｅ，ｅ’，ｆ，ｆ’が電話会議に参加することができるとともに、自らの操作に応じて電話会議を開始することもできる。

図４において、招集元ユーザａが招集元端末１０ａにおいて、招集先端末２０ｂの電話番号を用いて発呼操作を行うことにより、招集元端末１０ａから招集先端末２０ｂに対して発呼がなされ、呼制御により招集元端末１０ａと招集先端末２０ｂとの間の呼接続がなされる（ステップ２０１）。

上記呼接続で招集先端末２０ｂからの応答が無ければ、招集先ユーザｂが不在もしくは電話会議に参加する意思が無いものとして招集先端末２０ｂとの間の呼接続を切断し、他の招集先ユーザがあるか否かを判断する（ステップ２０２でＮｏ，ステップ２０９）。一方、招集先端末２０ｂから応答があれば、招集元端末１０ａと招集先端末２０ｂとの間の通話が開始される（ステップ２０３）。

そして、通話開始時に、自動音声案内又は招集元ユーザａの音声案内により、招集先ユーザｂに例えば自分の氏名を発声してもらう。招集先端末２０ｂから受信した招集先ユーザｂの音声は、招集元端末１０ａの無線通信部１１３、制御部１１１を介して音声処理部１１５に送られ、スピーカ１１７から出力されるとともに、音声処理部１１５で周波数分析され、声紋が得られる（ステップ２０４）。

次に、音声処理部１１５で得た声紋のデータは、制御部１１１を介して声紋照合部１２２に送信され、声紋情報記憶部１２３に記憶されている招集先ユーザｂの声紋のデータと照合される（ステップ２０５）。例えば、声紋照合部１２２は、電話番号を用いて声紋情報記憶部１２３を検索することにより、電話番号と紐付けられて記憶されている声紋データを抽出し、抽出された声紋データが上記音声信号の分析で得られた招集先ユーザｂの声紋データと一致するか否かをチェック（照合）する。照合の対象となる記憶部１１２に記憶されている声紋データは、前記図３を用いて説明したように、招集元端末１０ａで直接音声登録した者や通話中に音声登録した者など、主に招集先ユーザａの同じ会社の社員や取引先の会社の社員等の既知の人物の声紋である。

上記声紋照合で声紋情報が互いに一致すれば（ステップ２０６でＹｅｓ）、電話会議への参加が許可され、その旨が招集先端末２０ｂに通知される（ステップ２０７）。これに対して、声紋が一致しない場合には、招集先端末２０ｂの通話者が招集先ユーザｂではなく、他の第三者であるので、電話会議への参加が拒否され、その旨が招集先端末２０ｂに通知される（ステップ２０６でＮｏ，Ｓ２０８）。

次に、他の招集先ユーザの有無を判断し、他の招集先ユーザが居る場合（ステップ２０９でＹｅｓ）には、発呼番号を他の招集先端末、例えば招集先端末２０ｃの電話番号に切り替える（ステップ２１０）。そして、ステップ２０１からステップ２１０までの手順を、他に参加する招集先端末が無くなるまで繰り返す。なお、全ての招集先端末への発呼を同時に行い、声紋照合による参加の可否を同時に判断するように構成してもよく、この場合には、電話会議の開始までの時間を短縮することができる。

以下、一例として、招集先端末ｂ，ｃが電話会議に参加し、招集先端末ｄは発呼に応じず電話会議に参加しなかったものとして説明する。
招集先端末ｂ〜ｄの全てに参加を促すための発呼及び声紋照合などを行ったら、電話会議への参加が許可された招集先端末ｂ，ｃに、現在電話会議に参加している全ての端末の情報を送信する（ステップ２１１）。これにより、招集先端末ｂ，ｃでは、電話会議に参加する招集先端末を互いに把握することができる。このとき同時に、招集元端末１０ａは、招集先端末ｂ，ｃに、他のユーザの声紋情報も併せて送信する。具体的には、招集先端末ｂに招集元ユーザａ及び招集先ユーザｃの声紋情報を送信し、招集先端末ｃに招集元ユーザａ及び招集先ユーザｂの声紋情報を送信する。ここで、個人情報保護のため、声紋情報は送信せずに、電話会議に参加している通信端末のユーザの氏名データのみを送信するように構成してもよい。

そして、全ての参加端末間で同時通話を行うことにより電話会議を開始する（ステップ２１２）。電話会議中は、参加者全ての通信端末において、互いに他のユーザの声紋照合を行うことができ、電話会議で発言している発言者をリアルタイムで確認することができる（ステップ２１３）。発言者の確認は、例えば、図５の招集元端末１０ａの正面図に示すように、表示部１１９に表示した他の各ユーザの似顔絵の背景色（図中のハッチング部分）を切り替えて、目視で確認できるようにする。なお、ユーザは端末を耳にあてていると通話中に表示部１１９を見ることができないので、通話の無音部分にスピーカ１１７から「ハツゲンシャ コウノタロウ」といった副音声を出力してもよい。なお、招集先端末ｂ，ｃが、他のユーザの声紋情報を取得していない場合には、音声が発信された端末を特定することにより発言者の氏名を認識することができる。

そして、電話会議を終了するときは、招集元端末１０ａが招集先端末２０ｂ，ｃとの接続を切断する（ステップ２１４でＹｅｓ）。あるいは、招集先端末２０ｂ，ｃがそれぞれ招集元端末１０ａとの接続を切断して電話会議を終了してもよい。

次に、招集先端末が途中から電話会議に参加する動作の一例について説明する。
図６は、招集先端末が途中から電話会議に参加する場合の手順の一例を説明するためのフローチャートである。前述した図４のステップ２０２で、招集先端末１０ａからの発呼に何らかの理由、例えば招集先ユーザｄ〜ｄ’’が接客中であったり、急に別の会議に参加中であったりしたことなどの理由で、招集先端末２０ｄの招集先ユーザｄが応答できなかった場合には、招集先端末２０ｄ側から、途中で電話会議に参加することが可能である。

図６において、まず、招集先端末２０ｄの招集先ユーザｄ〜ｄ’’のいずれかは、招集元端末１０ａの電話番号を用いて招集元端末１０ａへ発呼する操作を行う（ステップ３０１）。すると、招集元端末１０ａには招集先端末２０ｄから発呼中である旨の画面表示又は発呼音が出力され、招集元ユーザａが発呼に応答すると、電話会議が一時中断され、その旨が他の招集先端末２０ｂ，ｃに送信される（ステップ３０２でＹｅｓ，ステップ３０３）。そして、招集元端末１０ａと招集先端末２０ｄとの間で通話が開始される（ステップ３０４）。一方、電話会議が既に終了している等の理由で、招集元端末１０ａからの応答がない場合には、電話会議への参加はできず、そのまま終了となる（ステップ３０２でＮｏ）。

招集元端末１０ａと招集先端末２０ｄとの間で通話が開始されると、招集元端末１０ａは、自動音声案内又は招集元ユーザａの音声案内により、招集先ユーザｄに例えば自分の氏名を発声してもらう。招集先端末２０ｄから受信した招集先ユーザｄの音声は、招集元端末１０ａの無線通信部１１３、制御部１１１を介して音声処理部１１５に送られ、スピーカ１１７から出力されるとともに、音声処理部１１５で周波数分析され、声紋が得られる（ステップ３０５）。次に、音声処理部１１５で得た声紋情報は、制御部１１１を介して声紋照合部１２２に送信され、ここで声紋情報記憶部１２３に記憶されている招集先ユーザｄの声紋情報と照合する（ステップ３０６）。例えば、声紋照合部１２２は、電話番号を用いて声紋情報記憶部１２３を検索することにより、電話番号と紐付けられて記憶されている声紋データを抽出し、抽出された声紋データが上記音声信号の分析で得られた招集先ユーザｄの声紋データと一致するか否かをチェック（照合）する。照合の対象となる記憶部１１２に記憶されている声紋データは、前記図３を用いて説明したように、招集元端末１０ａで直接音声登録した者や通話中に音声登録した者など、主に招集先ユーザａの同じ会社の社員や取引先の会社の社員等の既知の人物の声紋である。以上の声紋データの照合は、招集先端末２０ｄの他のユーザｄ’，ｄ’’についても実行される。

上記声紋照合で声紋情報が互いに一致すれば、電話会議への参加が許可され、その旨が招集先端末２０ｄに通知される（ステップ３０７でＹｅｓ，ステップ３０８）。そして、招集先端末２０ｄが途中から電話会議に加わる旨と、招集先ユーザｄ〜ｄ’’の声紋情報等とが他の招集先端末２０ｂ，ｃに通知され、電話会議が再開される（ステップ３０９，ステップ３１０）。
これに対して、上記ステップ３０７で声紋が一致しない場合には、招集先端末２０ｄの通話者が招集先ユーザｄ〜ｄ’’ではなく、他の第三者であるので、電話会議への参加が拒否され、その旨が招集先端末２０ｄに通知される（ステップ３１１）。その後、招集先端末２０ｄは参加することなく電話会議が再開される（ステップ３１０）。

なお、上述した声紋照合に加えて、音声認証を行ってもよい。この場合には、前記図３を用いて説明した声紋情報を登録する際に、例えば登録者が発声した所定のキーワードとしての「パスワード」を音声処理部１１５でテキストデータに変換し、記憶部１１２に格納しておく。そして、招集先端末１０ａからの発呼に対する着信時の最初に「あなたのパスワードを発音してください」という音声を招集元端末１０ａから送信し、招集先ユーザｂ，ｃ，ｄ、ｄ’、ｄ’に発声してもらう。そのパスワードの音声を受信した招集元端末１０ａで、音声処理部１１５で受信したパスワードの音声信号をテキストデータに変換し、記憶部１１２に格納されたパスワードと比較する。パスワードが一致すれば招集先ユーザｂ，ｃ，ｄ、ｄ’、ｄ’を認識することができる。また、声紋照合はパスワードの音声信号に基づいて行ってもよい。このように、声紋照合に加えて音声認証を行うことにより、招集先ユーザの本人確認をより確実に行うことができ、なりすましによる第三者が不正に電話会議に参加することをより確実に防ぐことができる。

以上説明したように本実施形態によれば、２以上の通信端末が同時に通話する電話会議システムに参加したとき、その電話会議システムで発言している発言者の音声の声紋を取得し、その取得した声紋と、記憶手段にあらかじめ記憶されている声紋とを照合し、その照合結果が出力される。これにより、発言者の顔画像データなどを受信することなく発言者を識別したり認証したりすることができる。また、声紋の取得及び照合を招集元端末１０ａ等の通信端末で行うことにより、移動体通信網３０側に専用の声紋照合サーバ等の声紋処理装置を設ける場合に比べ、声紋処理装置の導入や維持管理のためのコスト上昇を抑制することができる。よって、低コスト化を図りつつ、電話会議システムで発言している発言者の識別や認証が可能になる。また、第三者のなりすましによる電話会議への不正な参加を防ぐことができる。

なお、上記実施形態では、電話会議に参加する可能性があるユーザなどの複数の声紋登録対象者の声紋照合用の声紋データを、電話帳を有する招集元端末１０ａに登録して蓄積する場合について説明したが、招集元端末１０ａに蓄積した声紋データを対応するユーザ情報とともに他の通信端末である招集先端末２０ｂ〜２０ｄ、固定電話機５０ｅ及び電話会議専用デバイス５０ｆに提供してもよい。この声紋データ及びユーザ情報の提供は、次のように行うことができる。例えば、提供元の通信端末である招集元端末１０ａと、提供先の通信端末である招集先端末２０ｂ〜２０ｄ、固定電話機５０ｅ及び電話会議専用デバイス５０ｆとに、ＡＤＫ（Android Open Accessory Development Kit）等のプラットフォームを組み込んでおく。そして、提供元の通信端末と提供先の通信端末とを、有線ケーブル（例えば、ＵＳＢケーブル）や近距離無線通信方式（例えば、Ｗｉ−ＦｉやＢｌｕｅｔｏｏｔｈ（登録商標））で接続する。この状態で、提供元の通信端末から提供先の通信端末に声紋データ及びユーザ情報を送信して提供することができる。この場合、電話会議の参加者の声紋照合や声紋認証は、声紋照合用の声紋データを蓄積した提供元の通信端末である招集元端末１０ａで行うことができるとともに、提供先の通信端末である招集先端末２０ｂ〜２０ｄ、固定電話機５０ｅ及び電話会議専用デバイス５０ｆでも行うことができるようになる。そして、各通信端末で実行した声紋照合（声紋認証）は、その通信端末の表示手段に表示することができる。例えば、招集先端末２０ｂ〜２０ｄでは、他の通信端末からの音声の受信信号を分析して得られた声紋データと、招集元端末１０ａから提供された声紋データとを照合する。そして、その声紋照合（発言者のユーザ情報）や声紋認証（参加許否の情報）の結果を、その招集先端末の表示部１１９に表示することができる。また、固定電話機５０ｅ及び電話会議専用デバイス５０ｆでは、他の通信端末からの音声の受信信号を分析して得られた声紋データと、招集元端末１０ａから提供された声紋データとを照合する。そして、その声紋照合（発言者のユーザ情報）や声紋認証（参加許否の情報）の結果を、固定電話機５０ｅや電話会議専用デバイス５０ｆに接続された表示装置５１ｅ及び５１ｆに表示することができる。

１０ａ 招集元端末
２０ｂ〜ｄ 招集先端末
３０ 移動体通信網
４０ 公衆電話通信網
５０ｅ 固定電話機
５１ｅ 表示装置
５０ｆ 電話会議専用デバイス
５１ｆ 表示装置
１１１ 制御部
１１２ 記憶部
１１３ 無線通信部
１１４ アンテナ
１１５ 音声処理部
１１６ マイク
１１７ スピーカ
１１８ 画像処理部
１１９ 表示部
１２０ 操作部
１２１ 時計部
１２２ 声紋照合部
１２３ 声紋情報記憶部
３０１ 基地局
ａ，ａ’ 招集元ユーザ
ｂ，ｃ，ｄ、ｄ’、ｄ’’ 招集先ユーザ
ｅ，ｅ’，ｆ，ｆ’ ユーザ

特開２０１１−１９９５２２号公報

Claims (8)

1. ２以上の通信端末により同時に通話可能な電話会議システムに接続可能な通信端末であって、
   通信網を介して電話会議システムに接続して他の通信端末の利用者と通話するための通話手段と、
   既知の人物の声紋を記憶する記憶手段と、
   前記電話会議システムで発言している発言者の音声の声紋を取得する声紋取得手段と、
   前記声紋取得手段で取得された声紋と前記記憶手段に記憶されている声紋とを照合する声紋照合手段と、
   前記声紋照合手段による声紋照合の結果を出力する出力手段と、
   前記電話会議システムに参加する利用者の招集先の通信端末に発呼し、該招集先の通信端末に、声紋照合に用いる所定の音声を促す音声案内を送信する手段と、
   前記招集先の通信端末から受信した招集先の利用者の声紋と前記既知の人物の声紋とを比較し、両者の声紋が一致した場合、該電話会議システムの参加者の声紋情報及び端末情報を該招集先の通信端末に送信する手段と、
   を備えたことを特徴とする通信端末。
2. 請求項１の通信端末において、
   前記声紋照合手段による声紋照合の結果に基づいて電話会議システムへの参加者か否かを判断する判断手段を、更に備えたことを特徴とする通信端末。
3. 請求項２の通信端末において、
   前記声紋照合手段による声紋照合の結果に基づいて前記発言者を識別する発言者識別手段を、更に備え、
   前記出力手段は、前記発言者識別手段で識別された発言者の識別情報を出力することを特徴とする通信端末。
4. 請求項１乃至３のいずれかの通信端末において、
   前記声紋取得手段は、前記電話会議システムで当該通信端末の利用者が発言しているときに該利用者の音声の声紋を取得し、
   前記声紋照合手段による声紋照合の結果に基づいて前記利用者を識別する利用者識別手段と、
   前記利用者識別手段で識別された前記利用者の識別情報を、前記電話会議システムの他の参加者の通信端末に送信する送信手段とを、更に備えたことを特徴とする通信端末。
5. 請求項１乃至４のいずれかの通信端末において、
   既知の人物の声紋を取得して前記記憶手段に記憶させる声紋登録手段を、更に備えたことを特徴とする通信端末。
6. 請求項３の通信端末において、
   前記発言者の音声を認識する音声認識手段を、更に備え、
   前記発言者識別手段は、前記声紋照合手段による声紋照合の結果と前記音声認識手段による音声認識の結果とに基づいて前記発言者を識別することを特徴とする通信端末。
7. 請求項６の通信端末において、
   前記音声認識手段は、前記音声認識の結果に基づいて得られた文字列から前記発言者の識別情報を抽出し、
   前記発言者識別手段は、前記音声認識手段で抽出された前記識別情報に基づいて、前記発言者を識別することを特徴とする通信端末。
8. 請求項６の通信端末において、
   前記記憶手段は、既知の人物の発言で特徴的に使用される所定のキーワードを記憶し、
   前記発言者識別手段は、前記音声認識の結果に基づいて得られた文字列と前記キーワードとを照合して前記発言者を識別することを特徴とする通信端末。

Images