JP5947156B2 - 音声ガイダンスサーバ、音声ガイダンス方法、音声ガイダンスプログラム、音声ガイダンスシステム - Google Patents

Description

本発明は音声ガイダンスに関し、特に電話端末等を用いたユーザと、サーバとの間で、双方向のコミュニケーションを実現する音声ガイダンスサーバ、音声ガイダンス方法、音声ガイダンスプログラム、音声ガイダンスシステムに関する。
近年、留守番電話やボイスメール等のサービスを提供する対話型シナリオサービスが知られている。この対話型シナリオサービスとは、ユーザからのプッシュボタン（以下、ＰＢと略す）音、または、ＰＢ音に相当する音声による操作をサーバが受け付ける。そして、このサーバからユーザ向けにガイダンスを送信するほか、ユーザからの音声にも応答し、対話型のコミュニケーションを進めながら、ユーザの目的を達成しやすいという、インタラクティブ（interactive）なサービスである。なお、コンピュータ用語としてのインタラクティブとは、電話、ケーブルテレビ、等の双方向的な電子通信システムや、Ｗｅｂサイトを運営する企業側とユーザとの間に双方向のコミュニケーションが存在していること、ユーザの選択に応じて、表示される画面等情報の内容が刻々と変化すること、といった意味である。

また、対話型システムでは、プッシュボタン信号（以下、ＰＢ信号ともいう）送出手段により、外線通話中にダイヤルボタンを押して、通話の相手にＰＢ信号を送出させることが可能である。ＰＢ信号送出部は、例えば、チケットセンターでのチケット購入時のほか、不在配達物を配送センターに再配達依頼する時、あるいは、お客様センター等への問い合わせの際に、音声ガイダンスを操作する手段としてよく用いられている。

また、音声蓄積サーバに蓄積された音声情報と、データ利用サーバに蓄積されたデータ情報とを結びつける方法等が知られている（特許文献１）。すなわち、音声蓄積サーバは、端末装置から受信する音声情報を録音すると共に、端末装置の電話番号と音声着信時刻とを音声関連情報として格納し、データ利用サーバは、データ情報と、前記音声情報が前記端末装置から送出される時刻より前の時刻である第１の時刻と、音声録音終了より後の時刻である第２の時刻と、前記電話番号とを含む端末装置送信データを端末装置から受信し、音声蓄積サーバにアクセスすることにより、前記端末装置送信データに含まれる前記電話番号と同じ電話番号を含み、かつ、前記第１の時刻より後であり前記第２の時刻より前である音声着信時刻を含む音声関連情報を抽出し、当該音声関連情報に対応する音声情報を取得し、当該音声情報と前記データ情報とを対応付けて利用データ格納手段に格納するという方法である。

特許文献１に開示された方法によれば、携帯電話機から音声通信経路を経由して音声蓄積サーバに蓄積された音声情報と、当該携帯電話機からデータ通信経路を経由してデータ利用サーバに蓄積されたデータ情報とを結びつけるための技術を、既存の音声蓄積サーバ及び携帯電話機に対して大きな機能追加等を施すことなく実現することが可能となる。

特開２００８−１０４０８０号公報

一方、特許文献１とは異なり、音声信号のみで情報をやり取りする対話型シナリオサービスも知られている。この音声情報のみによる対話型シナリオサービスや特許文献１に記載の技術は、音声ガイダンスを聞きながら、それと同一内容の文字／画像による支援を受けることはできなかった。したがって、遂次にしか聞けない音声ガイダンスを提供するだけでは、ユーザの対応に誤りを招来しがちであるという問題があった。
本発明は上述した背景技術の問題を解決することを目的としてなされたものであり、同一ガイダンスの内容を、音声通信セッションと、パケット通信セッションとの両方を併用して提供し、ユーザ誤りを防ぐことが可能な音声ガイダンスサーバ、音声ガイダンス方法、音声ガイダンスプログラム、音声ガイダンスシステムを提供することを目的としている。

本発明の一態様にかかる音声ガイダンスサーバは、端末装置へ対話式で音声ガイダンスを提供可能な音声ガイダンスサーバであって、前記端末装置との間で音声通信セッションを介して音声ガイダンスを音声信号として送受信する音声送受信部と、前記端末装置と自サーバとの間に、予め確立された音声通信セッションに加えてパケット通信セッションを確立すべきか否かを判断するパケット通信セッション確立判断部と、前記パケット通信セッション確立判断部により前記パケット通信セッションを確立すべきと判断された場合に、前記端末装置から前記パケット通信セッションの確立を要求させるパケット通信セッション確立指令を前記端末装置に通知するパケット通信セッション確立指令部と、前記端末装置との間で確立されたパケット通信セッションを介してガイダンス文言・フローなどが含まれたテキスト／画像をパケットデータとして送受信するパケット送受信部と、前記音声ガイダンスのガイダンスシナリオ上の遷移状態および前記テキスト／画像のガイダンスシナリオ上の遷移状態をそれぞれ保持するガイダンス遷移状態保持部と、前記ガイダンス遷移状態保持部により保持される前記遷移状態に従って、前記端末装置に対し、前記音声送受信部により前記音声ガイダンスを、および前記パケット送受信部により前記テキスト／画像を、それぞれ送信制御するガイダンス送信制御部と、前記端末装置から、前記音声送受信部により前記音声ガイダンスに対する応答音声信号を、または、前記パケット送受信部により前記テキスト／画像に対する応答パケットデータを、受信制御する応答受信制御部と、前記応答音声信号および前記応答パケットデータのいずれか一方が受信されると、前記ガイダンス遷移状態保持部により保持され、受信された応答音声信号または応答パケットデータに対応する一方の遷移状態を進行させると共に、他方の遷移状態を、進行させた前記一方の遷移状態と一致させるべく進行させるガイダンス同期制御部と、を具備し、前記パケット通信セッション確立指令部は、前記ガイダンスシナリオ上の前記遷移状態の変化に対応して、前記端末装置に通知される前記パケット通信セッション確立指令を、前記音声通信セッションを介して前記端末装置へプッシュ通知することを特徴とする。

この構成による音声ガイダンスサーバは、端末装置へ対話式で音声ガイダンスを提供可能である。この音声ガイダンスサーバは、音声送受信部と、パケット送受信部と、ガイダンス遷移状態保持部と、応答受信制御部と、ガイダンス同期制御部と、を備えている。音声送受信部は、端末装置との間で音声通信セッションを介して音声信号を送受信する。パケット送受信部は、端末装置との間でパケット通信セッションを介してパケットデータを送受信する。

ガイダンス送信制御部は、ガイダンス遷移状態保持部により保持される遷移状態に従って、端末装置に対し、音声送受信部により音声ガイダンスを送信制御する。同様に、ガイダンス送信制御部は、パケット送受信部によりテキスト／画像を、それぞれ送信制御する。応答受信制御部は、音声ガイダンスに対する端末装置からの応答音声信号を、音声送受信部により受信制御する。同様に、この応答受信制御部は、テキスト／画像に対する端末装置からの応答パケットデータを、パケット送受信部により受信制御する。

ガイダンス遷移状態保持部は、ガイダンスシナリオ上の音声ガイダンスの遷移状態と、ガイダンスシナリオ上のテキスト／画像の遷移状態とを、それぞれ保持することができる。そして、このガイダンス遷移状態保持部は、応答音声信号および応答パケットデータのいずれか一方が受信されると、受信された応答音声信号または応答パケットデータに対応する一方の遷移状態を進行させて保持する。そして、他方の遷移状態を、進行させた一方の遷移状態と一致させるべく進行させる。
したがって、端末装置では、音声ガイダンスと、テキスト／画像とを、一致した遷移状態で受信できる。このように、端末装置において、通話状態で音声ガイダンスを聞きながら、その音声ガイダンスの遷移状態と一致したテキスト／画像を、適宜に表示させることができるので利便性が高められる。
また、この構成による音声ガイダンスサーバは、パケット通信セッション確立判断部と、パケット通信セッション確立指令部と、をさらに備えている。パケット通信セッション確立判断部は、パケット通信セッションをいつ確立させるかを判断する。また、パケット通信セッション確立指令部は、パケット通信セッション確立判断部が、パケット通信セッションを確立させるべきことを判断した時に、パケット通信セッションを確立させるように端末装置に要求する。
したがって、この音声ガイダンスサーバは、音声通信セッションのみによる音声ガイダンスを受けている状態において、必要に応じて、パケット通信セッションによるテキスト／画像で、確実に補完することが可能である。つまり、パケット通信セッション確立判断部の判断により、音声ガイダンスに加えて、パケット通信セッションが確立されるので、ガイダンスシナリオの内容等によっては、きわめて有用である。
さらに、この構成による音声ガイダンスサーバは、音声通信セッションのみが確立された状態で、シナリオ上の遷移状態の進行がある等の変化に対応し、パケット通信セッション確立指令部により送信されるパケット通信セッション確立指令を、音声通信セッションにより端末装置へ通知することができる。このパケット通信セッション確立指令は、音声通信セッションを介して端末装置へプッシュ通知される。したがって、ユーザが音声ガイダンスを受けている状態において、確実にテキスト／画像で補うことができる。

また、本発明の他の態様にかかる音声ガイダンスサーバは、前記ガイダンス同期制御部が、前記パケット通信セッション確立指令部により通知された前記パケット通信セッション確立指令に応答して前記端末装置により確立されたパケット通信セッションと、前記予め確立された音声通信セッションとをそれぞれ介した前記テキスト／画像および前記音声ガイダンスの前記ガイダンスシナリオ上の前記遷移状態を同期させることを特徴とする。

まず、端末装置から音声接続が開始され、音声ガイダンスサーバとの間に音声通信セッションのみが確立された状態となる。次に、例えば、シナリオの内容等の状況により、パケット通信セッション確立指令部からの要求に応じて、端末装置から、音声ガイダンスサーバとの間にパケット通信セッションを確立させる。その後、ガイダンス同期制御部が、音声通信セッションにより進行するガイダンスシナリオ上の遷移状態と、パケット通信セッションにより進行すべきガイダンスシナリオ上の遷移状態と、を一致させる。つまり、ガイダンス同期制御部が、音声側と、パケット側と、それぞれのガイダンスの遷移状態を同期させる。

また、本発明の他の態様にかかる音声ガイダンスサーバは、前記パケット通信セッション確立判断部は、前記音声通信セッションを介して前記端末装置に送信された前記音声ガイダンスに応答して、前記端末装置から受信される前記応答音声信号が、所定回数以上、前記ガイダンスシナリオ上の入力誤りと判断される場合には、前記パケット通信セッションを確立すべきと判断することを特徴とする。

この構成によれば、音声通信セッションのみが確立された状態で、音声ガイダンスに応答して、端末装置から受信される応答音声信号が、所定回数以上、ガイダンスシナリオ上の入力誤りと判断される場合、パケット通信セッション確立判断部が、パケット通信セッションを確立すべきと判断する。このように、音声ガイダンスサーバは、音声通信セッションによるガイダンスシナリオ上の入力誤りが生じても、パケット通信セッションにより補うことが可能である。

また、本発明の他の態様にかかる音声ガイダンスサーバは、前記端末装置に対して、前記ガイダンスシナリオ上の前記遷移状態の進行を通知する遷移状態進行通知部をさらに具備することを特徴とする。この構成によれば、シナリオ上の遷移状態の進行を音声ガイダンスサーバから端末装置へ通知することができる。したがって、音声側とパケット側とのシナリオの乖離を防ぐことができる。

また、本発明の他の態様にかかる音声ガイダンスサーバは、前記ガイダンス同期制御部は、前記応答音声信号および前記応答パケットデータのいずれか一方が受信されると、前記ガイダンス遷移状態保持部により保持され、受信された応答音声信号または応答パケットデータに対応する一方の遷移状態を進行させると共に、他方の遷移状態は、前記一方の遷移状態が複数回進行した後に、複数回進行させた前記一方の遷移状態と一致させるべく進行させることを特徴とする。この構成によれば、音声通信セッションとパケット通信セッションとのいずれか一方の通信セッションにより進行したガイダンスシナリオ上の遷移状態が、複数回進行した後に、他方の通信セッションにより進行すべきガイダンスシナリオ上の遷移状態を一致させることができる。
また、本発明の他の態様にかかる音声ガイダンスサーバは、端末装置へ対話式で音声ガイダンスを提供可能な音声ガイダンスサーバであって、前記端末装置との間で音声通信セッションを介して音声ガイダンスを音声信号として送受信する音声送受信部と、前記端末装置と自サーバとの間に、予め確立された音声通信セッションに加えてパケット通信セッションを確立すべきか否かを判断するパケット通信セッション確立判断部と、前記パケット通信セッション確立判断部により前記パケット通信セッションを確立すべきと判断された場合に、前記端末装置から前記パケット通信セッションの確立を要求させるパケット通信セッション確立指令を前記端末装置に通知するパケット通信セッション確立指令部と、前記端末装置との間でパケット通信セッションを介してテキスト／画像をパケットデータとして送受信するパケット送受信部と、前記音声ガイダンスおよび前記テキスト／画像のガイダンスシナリオ上の遷移状態をそれぞれ保持するガイダンス遷移状態保持部と、前記ガイダンス遷移状態保持部により保持される前記遷移状態に従って、前記端末装置に対し、前記音声送受信部により前記音声ガイダンスを、および前記パケット送受信部により前記テキスト／画像を、それぞれ送信制御するガイダンス送信制御部と、前記端末装置から、前記音声送受信部により前記音声ガイダンスに対する応答音声信号を、または、前記パケット送受信部により前記テキスト／画像に対する応答パケットデータを、受信制御する応答受信制御部と、前記応答音声信号および前記応答パケットデータのいずれか一方が受信されると、前記ガイダンス遷移状態保持部により保持され、受信された応答音声信号または応答パケットデータに対応する一方の遷移状態を進行させると共に、他方の遷移状態を、進行させた前記一方の遷移状態と一致させるべく進行させるガイダンス同期制御部と、を具備し、前記ガイダンス同期制御部は、前記パケット通信セッション確立指令部により通知された前記パケット通信セッション確立指令に応答して前記端末装置により確立されたパケット通信セッションと、前記予め確立された音声通信セッションとをそれぞれ介した前記テキスト／画像および前記音声ガイダンスの前記ガイダンスシナリオ上の前記遷移状態を同期させ、前記パケット通信セッション確立判断部は、前記音声通信セッションを介して前記端末装置に送信された前記音声ガイダンスに応答して、前記端末装置から受信される前記応答音声信号が、所定回数以上、前記ガイダンスシナリオ上の入力誤りと判断される場合には、前記パケット通信セッションを確立すべきと判断することを特徴とする。
また、本発明の他の態様にかかる音声ガイダンスサーバは、端末装置へ対話式で音声ガイダンスを提供可能な音声ガイダンスサーバであって、前記端末装置との間で音声通信セッションを介して音声ガイダンスを音声信号として送受信する音声送受信部と、前記端末装置との間でパケット通信セッションを介してテキスト／画像をパケットデータとして送受信するパケット送受信部と、前記音声ガイダンスおよび前記テキスト／画像のガイダンスシナリオ上の遷移状態をそれぞれ保持するガイダンス遷移状態保持部と、前記ガイダンス遷移状態保持部により保持される前記遷移状態に従って、前記端末装置に対し、前記音声送受信部により前記音声ガイダンスを、および前記パケット送受信部により前記テキスト／画像を、それぞれ送信制御するガイダンス送信制御部と、前記端末装置から、前記音声送受信部により前記音声ガイダンスに対する応答音声信号を、または、前記パケット送受信部により前記テキスト／画像に対する応答パケットデータを、受信制御する応答受信制御部と、前記応答音声信号および前記応答パケットデータのいずれか一方が受信されると、前記ガイダンス遷移状態保持部により保持され、受信された応答音声信号または応答パケットデータに対応する一方の遷移状態を進行させると共に、他方の遷移状態を、進行させた前記一方の遷移状態と一致させるべく進行させるガイダンス同期制御部と、前記音声通信セッションが確立される前に、前記パケット送受信部により前記パケット通信セッションを介して前記端末装置から前記端末装置の識別子が受信された場合に、受信された識別子を有する端末装置に対して前記音声送受信部により音声通話発信を行うことにより、前記端末装置への音声通信セッションを確立する音声通信セッション確立部と、を具備し、前記ガイダンス同期制御部は、前記音声通信セッション確立部により前記端末装置に対して確立された音声通信セッションと、前記端末装置に対して予め確立されたパケット通信セッションとをそれぞれ介した前記音声ガイダンスおよび前記テキスト／画像の前記ガイダンスシナリオ上の前記遷移状態を同期させることを特徴とする。
この構成によれば、パケット通信セッションのみにより、テキスト／画像を受けている状態で、必要に応じて、端末装置からパケット通信セッションにより、その端末装置の電話番号等、識別子の通知を受けた後に、音声ガイダンスサーバから端末装置へ発呼可能であり、そこから音声ガイダンスの遷移状態と一致したテキスト／画像を、適宜に表示させられる。
また、本発明の他の態様にかかる音声ガイダンスサーバは、端末装置へ対話式で音声ガイダンスを提供可能な音声ガイダンスサーバであって、前記端末装置との間で音声通信セッションを介して音声ガイダンスを音声信号として送受信する音声送受信部と、前記端末装置との間でパケット通信セッションを介してテキスト／画像をパケットデータとして送受信するパケット送受信部と、前記音声ガイダンスおよび前記テキスト／画像のガイダンスシナリオ上の遷移状態をそれぞれ保持するガイダンス遷移状態保持部と、前記ガイダンス遷移状態保持部により保持される前記遷移状態に従って、前記端末装置に対し、前記音声送受信部により前記音声ガイダンスを、および前記パケット送受信部により前記テキスト／画像を、それぞれ送信制御するガイダンス送信制御部と、前記端末装置から、前記音声送受信部により前記音声ガイダンスに対する応答音声信号を、または、前記パケット送受信部により前記テキスト／画像に対する応答パケットデータを、受信制御する応答受信制御部と、前記応答音声信号および前記応答パケットデータのいずれか一方が受信されると、前記ガイダンス遷移状態保持部により保持され、受信された応答音声信号または応答パケットデータに対応する一方の遷移状態を進行させると共に、他方の遷移状態を、進行させた前記一方の遷移状態と一致させるべく進行させるガイダンス同期制御部と、前記端末装置に対して、前記ガイダンスシナリオ上の前記遷移状態の進行を通知する遷移状態進行通知部と、を具備することを特徴とする。
また、本発明の他の態様にかかる音声ガイダンスサーバは、端末装置へ対話式で音声ガイダンスを提供可能な音声ガイダンスサーバであって、前記端末装置との間で音声通信セッションを介して音声ガイダンスを音声信号として送受信する音声送受信部と、前記端末装置との間でパケット通信セッションを介してテキスト／画像をパケットデータとして送受信するパケット送受信部と、前記音声ガイダンスおよび前記テキスト／画像のガイダンスシナリオ上の遷移状態をそれぞれ保持するガイダンス遷移状態保持部と、前記ガイダンス遷移状態保持部により保持される前記遷移状態に従って、前記端末装置に対し、前記音声送受信部により前記音声ガイダンスを、および前記パケット送受信部により前記テキスト／画像を、それぞれ送信制御するガイダンス送信制御部と、前記端末装置から、前記音声送受信部により前記音声ガイダンスに対する応答音声信号を、または、前記パケット送受信部により前記テキスト／画像に対する応答パケットデータを、受信制御する応答受信制御部と、前記応答音声信号および前記応答パケットデータのいずれか一方が受信されると、前記ガイダンス遷移状態保持部により保持され、受信された応答音声信号または応答パケットデータに対応する一方の遷移状態を進行させると共に、他方の遷移状態を、進行させた前記一方の遷移状態と一致させるべく進行させるガイダンス同期制御部と、を具備し、前記ガイダンス同期制御部は、前記応答音声信号および前記応答パケットデータのいずれか一方が受信されると、前記ガイダンス遷移状態保持部により保持され、受信された応答音声信号または応答パケットデータに対応する一方の遷移状態を進行させると共に、他方の遷移状態は、前記一方の遷移状態が複数回進行した後に、複数回進行させた前記一方の遷移状態と一致させるべく進行させることを特徴とする。

また、本発明の他の態様にかかる音声ガイダンス方法は、端末装置へ対話式で音声ガイダンスを提供可能とする音声ガイダンスサーバを用いた音声ガイダンス方法であって、前記音声ガイダンスサーバは、前記端末装置との間で音声通信セッションを介して音声ガイダンスを音声信号として送受信する音声送受信部と、前記端末装置と自サーバとの間に、予め確立された音声通信セッションに加えてパケット通信セッションを確立すべきか否かを判断するパケット通信セッション確立判断部と、前記パケット通信セッション確立判断部により前記パケット通信セッションを確立すべきと判断された場合に、前記端末装置から前記パケット通信セッションの確立を要求させるパケット通信セッション確立指令を前記端末装置に通知するパケット通信セッション確立指令部と、前記端末装置との間で確立されたパケット通信セッションを介してテキスト／画像をパケットデータとして送受信するパケット送受信部と、前記音声ガイダンスのガイダンスシナリオ上の遷移状態および前記テキスト／画像のガイダンスシナリオ上の遷移状態をそれぞれ保持するガイダンス遷移状態保持部と、を具備すると共に、前記音声送受信部が、前記端末装置との間で前記音声通信セッションを介して前記音声信号を送受信する音声送受信ステップと、前記パケット通信セッション確立判断部が、前記端末装置と自サーバとの間に、予め確立された音声通信セッションに加えてパケット通信セッションを確立すべきか否かを判断するパケット通信セッション確立判断ステップと、前記パケット通信セッション確立指令部が、前記パケット通信セッション確立判断ステップにおいて前記パケット通信セッションを確立すべきと判断された場合に、前記端末装置から前記パケット通信セッションの確立を要求させるパケット通信セッション確立指令を前記端末装置に通知するパケット通信セッション確立指令ステップと、前記パケット送受信部が、前記端末装置との間で確立されたパケット通信セッションを介してパケットデータを送受信するパケット送受信ステップと、前記音声ガイダンスのガイダンスシナリオ上の遷移状態および前記テキスト／画像のガイダンスシナリオ上の遷移状態をそれぞれ保持するガイダンス遷移状態保持ステップと、前記ガイダンス遷移状態保持ステップにより保持される前記遷移状態に従って、前記端末装置に対し、前記音声送受信部により前記音声ガイダンスを、および前記パケット送受信部により前記テキスト／画像を、それぞれ送信制御するガイダンス送信制御ステップと、前記端末装置から、前記音声送受信部により前記音声ガイダンスに対する応答音声信号を、または、前記パケット送受信部により前記テキスト／画像に対する応答パケットデータを、受信制御する応答受信制御ステップと、前記応答音声信号および前記応答パケットデータのいずれか一方が受信されると、前記ガイダンス遷移状態保持ステップにより保持され、受信された応答音声信号または応答パケットデータに対応する一方の遷移状態を進行させると共に、他方の遷移状態を、進行させた前記一方の遷移状態と一致させるべく進行させるガイダンス同期制御ステップと、を含み、前記パケット通信セッション確立指令ステップにおいて、前記ガイダンスシナリオ上の前記遷移状態の変化に対応して、前記端末装置に通知される前記パケット通信セッション確立指令を、前記音声通信セッションを介して前記端末装置へプッシュ通知することを特徴とする。
この方法によれば、端末装置において、通話状態で受ける音声ガイダンスを聞きながら、その音声ガイダンスの遷移状態と一致したテキスト／画像を、適宜に表示させられるので利便性が高められる。

また、本発明の他の態様にかかる音声ガイダンスプログラムは、音声ガイダンスサーバとして機能するコンピュータを、端末装置へ対話式で音声ガイダンスを提供可能に動作させる音声ガイダンスプログラムであって、前記端末装置との間で音声通信セッションを介して音声信号を送受信する音声送受信処理と、前記端末装置と自サーバとの間に、予め確立された音声通信セッションに加えてパケット通信セッションを確立すべきか否かを判断するパケット通信セッション確立判断処理と、前記パケット通信セッション確立判断処理において前記パケット通信セッションを確立すべきと判断された場合に、前記端末装置から前記パケット通信セッションの確立を要求させるパケット通信セッション確立指令を前記端末装置に通知するパケット通信セッション確立指令処理と、前記端末装置との間で確立されたパケット通信セッションを介してパケットデータを送受信するパケット送受信処理と、前記音声ガイダンスのガイダンスシナリオ上の遷移状態およびテキスト／画像のガイダンスシナリオ上の遷移状態をそれぞれ保持するガイダンス遷移状態保持処理と、前記ガイダンス遷移状態保持処理により保持される前記遷移状態に従って、前記端末装置に対し、前記音声送受信処理により前記音声ガイダンスを、および前記パケット送受信処理により前記テキスト／画像を、それぞれ送信制御するガイダンス送信制御処理と、前記端末装置から、前記音声送受信処理により前記音声ガイダンスに対する応答音声信号を、または、前記パケット送受信処理により前記テキスト／画像に対する応答パケットデータを、受信制御する応答受信制御処理と、前記応答音声信号および前記応答パケットデータのいずれか一方が受信されると、前記ガイダンス遷移状態保持処理により保持され、受信された応答音声信号または応答パケットデータに対応する一方の遷移状態を進行させると共に、他方の遷移状態を、進行させた前記一方の遷移状態と一致させるべく進行させるガイダンス同期制御処理と、を含み、前記パケット通信セッション確立指令処理において、前記ガイダンスシナリオ上の前記遷移状態の変化に対応して、前記端末装置に通知される前記パケット通信セッション確立指令を、前記音声通信セッションを介して前記端末装置へプッシュ通知することを特徴とする音声ガイダンスプログラム。
このプログラムによれば、端末装置において、通話状態で受ける音声ガイダンスを聞きながら、その音声ガイダンスの遷移状態と一致したテキスト／画像を、適宜に表示させられるので利便性が高められる。

また、本発明の他の態様にかかる音声ガイダンスシステムは、端末装置と、前記端末装置へ対話式で音声ガイダンスを提供可能な音声ガイダンスサーバと、前記端末装置と前記音声ガイダンスサーバとの間を音声通信接続する音声ネットワークと、前記端末装置と前記音声ガイダンスサーバとの間をパケット通信接続するパケットネットワークと、を備えた音声ガイダンスシステムであって、前記音声ガイダンスサーバは、前記端末装置との間で音声通信セッションを介して音声信号を送受信する音声送受信部と、前記端末装置と自サーバとの間に、予め確立された音声通信セッションに加えてパケット通信セッションを確立すべきか否かを判断するパケット通信セッション確立判断部と、前記パケット通信セッション確立判断部により前記パケット通信セッションを確立すべきと判断された場合に、前記端末装置から前記パケット通信セッションの確立を要求させるパケット通信セッション確立指令を前記端末装置に通知するパケット通信セッション確立指令部と、前記端末装置との間で確立されたパケット通信セッションを介してパケットデータを送受信するパケット送受信部と、前記音声ガイダンスのガイダンスシナリオ上の遷移状態およびテキスト／画像のガイダンスシナリオ上の遷移状態をそれぞれ保持するガイダンス遷移状態保持部と、前記ガイダンス遷移状態保持部により保持される前記遷移状態に従って、前記端末装置に対し、前記音声送受信部により前記音声ガイダンスを、および前記パケット送受信部により前記テキスト／画像を、それぞれ送信制御するガイダンス送信制御部と、前記端末装置から、前記音声送受信部により前記音声ガイダンスに対する応答音声信号を、または、前記パケット送受信部により前記テキスト／画像に対する応答パケットデータを、受信制御する応答受信制御部と、前記応答音声信号および前記応答パケットデータのいずれか一方が受信されると、前記ガイダンス遷移状態保持部により保持され、受信された応答音声信号または応答パケットデータに対応する一方の遷移状態を進行させると共に、他方の遷移状態を、進行させた前記一方の遷移状態と一致させるべく進行させるガイダンス同期制御部と、を具備し、前記パケット通信セッション確立指令部は、前記ガイダンスシナリオ上の前記遷移状態の変化に対応して、前記端末装置に通知される前記パケット通信セッション確立指令を、前記音声通信セッションを介して前記端末装置へプッシュ通知することを特徴とする。
このシステムによれば、端末装置において、通話状態で受ける音声ガイダンスを聞きながら、その音声ガイダンスの遷移状態と一致したテキスト／画像を、適宜に表示させられるので利便性が高められる。

本発明によれば、端末装置において、通話状態で受ける音声ガイダンスを聞きながら、その音声ガイダンスの遷移状態と一致したテキスト／画像を、適宜に表示させられ、対話型音声ガイダンスにおいて、ユーザの対応に誤りを招来するという問題を解決することが出来る。

本実施形態における音声ガイダンスシステムの概略説明図である。 本実施形態における音声ガイダンスサーバの概略ブロック図である。 本実施形態における音声ガイダンスシステムで同期確立するシーケンス図である。 本実施形態における音声ガイダンスシステムにより、音声側で操作し、画面が追従するパタンのシーケンス図である。 本実施形態における音声ガイダンスシステムにより、画面側で操作し、音声ガイダンスが追従するパタンのシーケンス図である。 本実施形態における音声ガイダンスシステムによる、音声とパケットと同期確立するまでの接続手順のパタンＰ１、音声・パケットともに端末装置からの発信である場合の説明図である。 本実施形態における音声ガイダンスシステムによる、音声とパケットと同期確立するまでの接続手順のパタンＰ２として、端末装置からサーバに音声接続後、さらに端末装置からパケットの接続要求する場合の説明図である。 本実施形態における音声ガイダンスシステムによる、音声とパケットと同期確立するまでの接続手順のパタンＰ３、パケットで事前準備を行った後で、サーバから発呼する場合の説明図である。 本実施形態における音声ガイダンスシステムを留守番電話に適用した場合の動作を示すフローチャートである。 本実施形態における音声ガイダンスシステムをユーザ認証に適用した場合の動作を示すフローチャートである。 本実施形態における音声ガイダンス方法および音声ガイダンスプログラムの要点のみを示すフローチャートである。 本実施形態における音声ガイダンスシステムにより、音声通信側とパケット通信側のいずれか一方からの入力により、両方のガイダンスの遷移状態を同期させるシーケンス図である。

以下、本発明における実施形態を、図面を参照して説明する。なお、以下の説明において参照する各図では、他の図と同等部分は同一符号によって示されている。以下は、本実施形態による音声ガイダンスシステムを、移動通信網による音声ネットワークおよびＷｅｂ通信可能なパケットネットワークに設けた場合について説明する。
また、実際の移動通信網には、無線基地局装置、無線制御装置等の装置が設けられているが、説明を簡単にするため、それらの装置は図示せず、かつ説明を省略する。また、以下の説明において登場する端末装置は、スマートフォンを含み、電話番号が定められており、音声送受信部とパケット送受信部とを備えた装置であって、音声通話中にも、パケット送受信部およびブラウザを用いて、画像または文字を表示できる端末装置を想定している。なお、端末装置は移動通信端末に限定するものではない。

また、ＤＴＭＦ（Dual Tone Multi-Frequency）プッシュ方式の電話機は、プッシュボタンを押すたびに発信されるトーン信号と呼ばれるＰＢ（プッシュボタン）音により、１６種類の信号を表現することができる。このＤＴＭＦプッシュ方式の電話機は、１つのボタンを押すと２種類の高さの音が発信されるようになっており、交換局はこの信号音に基づいて発信元の電話番号を検出することができる。高音系４種類と低音系４種類からそれぞれ１音ずつを組み合わせるため、「０」から「９」までの数字、「＊」「＃」、「Ａ」から「Ｄ」までのアルファベットの、合わせて１６種類を表現することができる。ユーザは、端末装置５０の操作により、このＰＢ音を出力し、後述する音声ガイダンスサーバに、自分の意思を伝えることができる。

（音声ガイダンスシステムの概要）
本実施形態における、音声ガイダンスシステムの概要について、図１を参照して説明する。図１は、実施形態における音声ガイダンスシステムの概略説明図である。図１に示す音声ガイダンスシステム（以下、本システムという）１００は、音声ガイダンスサーバ６０と、その音声ガイダンスサーバ６０に対して、音声およびパケットの両経路による通信を同時に行うことが可能な端末装置５０と、その端末装置５０から音声ガイダンスサーバ６０までの間に介在する音声ネットワーク（以下、音声ＮＷと略す）７０と、端末装置５０から音声ガイダンスサーバ６０までの間に介在するパケットネットワーク（以下、パケットＮＷと略す）８０と、より構成されている。端末装置５０は、情報ネットワークから画像情報を閲覧するためのブラウザ利用と、音声対話とを、１台で同時に利用可能な移動通信端末であり、本実施形態においては、一例としてスマートフォンを用いて説明する。

図１に示す音声ガイダンスサーバ６０は、音声ガイダンスサーバ６０は、音声ガイダンスの音声情報（以下、ガイダンス音源、または単に音源という）４と、テキスト／画像情報５と、対話型シナリオ（ガイダンス＆Ｗｅｂ）３０と、音声制御インターフェース（以下、音声制御ＩＦと略す）１０と、Ｗｅｂ制御インターフェース（以下、Ｗｅｂ制御ＩＦと略す）２０と、より構成されている。対話型シナリオ３０は、ユーザの利用目的に沿って次の操作を案内（以下、ガイダンスという）する機能と、Ｗｅｂ（ＷＷＷ；World Wide Ｗｅｂ）対応機能と、を有するコンピュータ等で主要構成されている。

なお、音声ガイダンスサーバ６０と、それに含まれる対話型シナリオ３０および、その他の機能部のほとんどは、相当のプログラムを実行するコンピュータにより実現される。ただし、このコンピュータは、一体である必要はなく、分散して構成されていても構わない。また、ＷＷＷを参照するにはＷｅｂブラウザ等のソフトウェアを使用する。音声ガイダンスサーバ６０側のＷｅｂブラウザは、端末装置５０からの情報を音声ガイダンスサーバ６０内に取り込んで処理することにより、何らかの相互作用をもたらすことができる。また、端末装置５０側のＷｅｂブラウザは、Ｗｅｂページ等のテキスト／画像情報を、ＷＷＷサーバから取得し、モニター等の出力デバイスに表示する。音声ガイダンスサーバ６０はＷＷＷサーバの一つである。

以下に、本システム１００の概略動作を説明する。音声ガイダンスサーバ６０が、その音声制御ＩＦ１０により、音声ＮＷ７０を介して端末装置５０と接続されている状態で、端末装置５０から送信されたＰＢ音が、音声ＮＷ７０を介して音声ガイダンスサーバ６０に受信される（ステップＳ１）。このＰＢ音を受信した音声ガイダンスサーバ６０は、音声ＮＷ７０を介して端末装置５０へ音声ガイダンスを送信する（ステップＳ１０）。

一方、端末装置５０により入力されたデータ入力信号が、パケットＮＷ８０を介して、Ｗｅｂ制御ＩＦ２０で受信される（ステップＳ３）。それに対応して、音声ガイダンスサーバ６０は、パケットＮＷ８０を介して、テキスト／画像を端末装置５０へ送信する（ステップＳ１０）。
ここで、端末装置５０は、以下を実行する。
（１）音声ガイダンスサーバ６０から送信された音声を出力する。
（２）ユーザのＰＢ入力を、音声ガイダンスサーバ６０に音声信号として送信する。
（３）音声ガイダンスサーバ６０から送信されたテキスト／画像を画面に表示する。
（４）ユーザの入力したデータを音声ガイダンスサーバ６０にデータ入力信号として送信する。

また、音声制御ＩＦ１０は、以下を実行する。
（１）対話側シナリオ３０の指示に従い、端末装置５０に対して音声ガイダンスを送信する。
（２）端末装置５０からのＰＢ信号を対話型シナリオ３０へ伝達する。
また、Ｗｅｂ制御ＩＦ２０は、以下を実行する。
（１）対話側シナリオ３０の指示に従い、端末装置５０に対してテキスト／画像を送信する。
（２）端末装置５０からのデータ入力信号を対話型シナリオ３０に伝達する。
また、対話側シナリオ３０は、音声制御ＩＦ１０と、Ｗｅｂ制御ＩＦ２０と、少なくともいずれかの入力に対応して、次の指示を与えるように応答する。

図２は本実施形態における音声ガイダンスサーバの概略ブロック図である。図２に示す音声ガイダンスサーバ６０は、図１を用いて既に概略構成を説明したが、音声制御ＩＦ１０と、Ｗｅｂ制御ＩＦ２０と、対話型シナリオ３０とを、それぞれ詳しく説明する。
対話型シナリオ３０は、ガイダンスシナリオ３１と、Ｗｅｂアプリケーション（Ｗｅｂapplication：以下、ＷｅｂＡＰＬともいう）３２と、音声ユーザＩＤ／ＷｅｂユーザＩＤ対応付け部３３と、ガイダンス同期制御部３４と、ガイダンス遷移状態保持部３５と、を備えている。ガイダンスシナリオ３１は、ユーザに対話型シナリオサービスを提供するためのシナリオを構成するプログラムである。すなわち、端末装置５０からのＰＢ音、または、ＰＢ音に相当する音声等による操作を音声ガイダンスサーバ６０が受け付けて応答する要領を規定したプログラムである。具体的には、ユーザが音声ガイダンスサーバ６０を相手に対話形式でコミュニケーションを進行できるようにするための音声ガイダンスと、テキスト／画像と、それらを送信して応答を受信するための適切な順番およびタイミングと、を設定したプログラムである。このガイダンスシナリオ３１により、音声ガイダンスサーバ６０は、ユーザ向けにガイダンスを送信するほか、ユーザからの音声等にも応答し、対話型のコミュニケーションを進めながら、ユーザの目的を達成し易く支援するインタラクティブなサービスを実現する。

音声制御ＩＦ１０は、ユーザＩＤ導出部（ユーザＩＤ認証部ともいう）１１と、ガイダンス送出／ＰＢ認識部１２と、を含んでいる。ユーザＩＤ認証部１１は、音声通信側でのユーザ認証を行う。例えば、ＩＤ／ＰＡＳＳＷＯＲＤの入力や回線認証等により、ユーザ認証を行う。ユーザＩＤ認証部１１は、認証結果を対話型シナリオ３０に伝達する。ガイダンス送出／ＰＢ認識部１２は、端末装置５０から送信されたＰＢ信号を認識する機能と、ガイダンス音源を送出する機能とを含んでいる。

また、Ｗｅｂ制御ＩＦ２０は、ユーザＩＤ導出部（ユーザＩＤ認証部ともいう）２１と、Ｗｅｂ／シナリオ同期部２２と、を含んでいる。ユーザＩＤ認証部２１は、パケット通信側でのユーザ認証を行う。ここでも、ユーザＩＤ認証部１１と同様に、ＩＤ／ＰＡＳＳＷＯＲＤの入力や回線認証等により、ユーザ認証を行う。このユーザＩＤ認証部２１も、認証結果を対話型シナリオ３０に伝達する。Ｗｅｂ／シナリオ同期部２２は、音声通信側でガイダンスシナリオ３１上の遷移状態（以下、ガイダンス遷移状態ともいう）が進行した場合、端末装置５０の端末ＡＰＬに対してプッシュを行う。このことは、後述する図４のステップＳ２０１〜Ｓ２０８により詳しく説明する。また、プッシュ手段として、例えば図７に沿って後述するＳＭＳプッシュ等が好ましい。

一方、端末装置５０には、図２の右下に示すように、音声ガイダンスサーバ６０との同期を確保するサーバプッシュ同期部９が含まれていることが好ましい。つまり、端末装置５０から、音声ガイダンスサーバ６０へ、コミュニケーションの進捗状況が、ガイダンスシナリオ３１上のどの段階まで進んでいるのか、すなわちガイダンス遷移状態を、何かしらの手段でサーバから取得する必要がある。そこで、端末装置５０のサーバプッシュ同期部９が、定期的にサーバに対して問い合わせる、あるいはサーバからの何かしらのPush信号を契機に問い合わせ処理を起動する（図４のステップＳ２０９）ことにより、端末装置５０と、音声ガイダンスサーバ６０との間で、リアルタイムに状態を同期する。

なお、ステップＳ２０９で、端末装置５０が、定期問い合わせ処理を起動することを、定期ポーリング（Polling）等による擬似プッシュともいう。また、ガイダンス遷移状態が進行した場合とは、ユーザの目的が、音声ガイダンスサーバ６０に対するコミュニケーションにより達成されるまでに、ガイダンスシナリオに設定された複数の段階に沿って、コミュニケーションが進行した状態を意味する。例えば、チケットを購入する目的において、購入対象を指定し終わった段階等を意味する。なお、Ｗｅｂ／シナリオ同期部２２は、ユーザが端末装置５０から送信したデータ入力信号を対話型シナリオ３０に伝達する機能も有する。

ＷｅｂＡＰＬ３２は、音声ガイダンスサーバ６０にアクセスする端末装置５０に対して、必要なデータの処理や転送を指示する。なお、ＷｅｂＡＰＬとは、Ｗｅｂの機能や特徴を利用したサーバ上にあるアプリケーションソフトウェアのことである。音声ユーザＩＤ／ＷｅｂユーザＩＤ対応付け部３３は、音声制御ＩＦ１０で使っているユーザＩＤと、パケット制御ＩＦ２０で使っているユーザＩＤとを対応付ける。なお、対応付けができない場合には専用の対応付けシナリオを起動する。ガイダンス遷移状態保持部３５は、音声通信側とパケット通信側それぞれの遷移状態情報を更新して保持する。ガイダンス同期制御部３４は、ガイダンス遷移状態保持部３５に保持された遷移状態情報を用いて、音声ガイダンスの遷移状態とテキスト／画像の遷移状態とを同期させる。

ガイダンス遷移状態保持部３５は、音声通信セッションによるＰＢ信号またはパケット通信セッションによるデータ入力信号の少なくとも一方が受信され、その受信された方の信号に基づいてガイダンスの遷移状態が進む都度に、受信されていない方の信号に基づいてガイダンスの遷移状態も一致して進めるように更新された遷移状態情報を記憶する。このことは、図４のステップＳ２０２〜Ｓ２１２および図５のステップＳ３０１〜Ｓ３０４に示して後述する。また、ガイダンス同期制御部３４は、ガイダンス遷移状態保持部３５は、に保持された遷移状態情報を用いて、音声通信セッションのガイダンス遷移状態と、パケット通信セッションのガイダンス遷移状態と、を対応付けるように制御する。その結果、音声ガイダンスサーバ６０は、音声ガイダンスとテキスト／画像とを同期させることができる。

図３は、本実施形態における音声ガイダンスシステムで同期確立するシーケンス図である。図３に示すように、本システム１００は、音声ガイダンスサーバ６０と、端末装置５０との双方向通信により、ユーザが通信する目的の達成を支援する。まず、端末装置５０から音声ガイダンスサーバ６０へ音声を発信する（ステップＳ１０１）。ステップＳ１０１による音声発信を受信した音声ガイダンスサーバ６０は、その内部に備わる音声制御ＩＦ１０により、ユーザ認証する（ステップＳ１０２）。具体的な認証方法としては、発信者番号通知のほか、電話回線の契約時等事前に登録されたＩＤ／ＰＡＳＳＷＯＲＤからＭＳＩＳＤＮ（Mobile Subscriber Integrated Services Digital Network Number）を導出する方法等が考えられる。そして、ステップＳ１０２で、音声制御ＩＦ１０によりユーザ認証されると、接続可否について確認した結果を、対話型シナリオ３０へ通知する（ステップＳ１０３）。なお、ユーザ認証を省略して、ステップＳ１０１による音声発信を受信した音声ガイダンスサーバ６０は、全て接続するようにしても構わない。

ステップＳ１０３により、端末装置５０が、音声ガイダンスサーバ６０に接続できることの確認が得られると、対話型シナリオ３０およびガイダンス遷移状態保持部３５により、同期／シナリオ確認が行われる（ステップＳ１０４）。このステップＳ１０４では、音声通信のユーザＩＤとパケット通信のユーザＩＤとを対応付けることにより、両方の通信内容を同期させるための準備をする。そして、ステップＳ１０５以降で、ガイダンスシナリオ３１に基づいて通信内容を決定する。つまり、ユーザの目的にかなう自然なコミュニケーションができるように、対話型シナリオ３０において、音声ガイダンスと、テキスト／画像と、それぞれが送信されるタイミングが適切になるように、ガイダンスシナリオ３１に基づいて進捗管理を行う。通常は、ガイダンスシナリオ３１は、ユーザの目的にかなうサービスが開始されることを示唆して始まるようにプログラムされている。例えば、図９に沿って後述するように、留守番電話であることを明らかにするため、ステップＳ４０１において、「（ピーという）発信音のあとにメッセージを録音してください。…」との音声ガイダンスが、音声ガイダンスサーバ６０から端末装置５０へ送信されるように、ガイダンスシナリオ３１がプログラムされている。

ここで、ステップＳ１０５により、対話型シナリオ（コンピュータ）３０が、ガイダンスシナリオ（プログラム）３１を起動する（ステップＳ１０５）。このとき、既にステップＳ１０３による接続可否の確認結果が接続ＯＫであったため、音声通話可能となる。そして、対話型シナリオ３０から音声制御ＩＦ１０に接続時の音源指示を与える（ステップＳ１０６）。ステップＳ１０６で与えられた接続時の音源指示、すなわち接続応答は、音声制御ＩＦ１０から端末装置５０へ音声信号により送信される（ステップＳ１０７）。ステップＳ１０７における接続応答は、パケット通信セッションでなく、音声通信セッションにより端末装置５０へ送信される。この時、音声通信セッションは、パケット通信セッション程の遅延が生じないので、ユーザの音声発信（ステップＳ１０１）から接続応答（ステップＳ１０７）までに生じる遅延時間も少ない。したがって、ユーザに自然な対話を感じさせることができる。

ステップＳ１０７における接続応答は、音声ガイダンスへと続く（ステップＳ１０８）。ステップＳ１０８の音声ガイダンスは、http Request、すなわち、Ｗｅｂ接続の要求が含まれており、端末装置５０において、通話維持しながらＷｅｂ接続する（ステップＳ１０９）。ステップＳ１０９のＷｅｂ接続要求は、Ｗｅｂ制御ＩＦ２０へ送信され、ユーザ認証される（ステップＳ１１０）。具体的な認証方法としては、回線認証から一意の電話番号ＭＳＩＳＤＮを導出する方法を用いる。この認証方法のほか、不図示のテーブルを参照することにより、ＩＤ／ＰＡＳＳＷＯＲＤからＭＳＩＳＤＮを導出する方法等も好ましい。そして、ステップＳ１１０で、音声制御ＩＦ１０によりユーザ認証されると、対話型シナリオ３０へ接続可否確認の結果を通知する（ステップＳ１１１）。なお、回線認証とは、「このユーザは確かにこの（回線/ＳＩＭカード）から通信してきた」ということを確認するためのユーザ認証技術である。

ステップＳ１１１により、端末装置５０が音声ガイダンスサーバ６０に接続できることの確認が得られると、対話型シナリオ３０およびガイダンス遷移状態保持部３５により、同期／シナリオ確認が行われる（ステップＳ１１２）。つまり、対話型シナリオ３０において、ユーザの目的にかなう自然なコミュニケーションが進行できるように、ガイダンスの進捗管理を行う。そのために、対話型シナリオ３０というコンピュータは、ユーザの目的にかなうサービスを進展させるようにガイダンスシナリオ３１というプログラムを実行する。

ここで、対話型シナリオ３０が、そのガイダンスシナリオ３１に基づいて、コミュニケーションの進捗を同期させるように制御する（ステップＳ１１２）。すなわち、ステップＳ１１１により、端末装置５０が、音声ガイダンスサーバ６０に接続できることの確認が得られると、対話型シナリオ３０およびガイダンス遷移状態保持部３５により、同期／シナリオ確認が行われる（ステップＳ１１２）。このステップＳ１１２では、音声通信のユーザＩＤとパケット通信のユーザＩＤとを対応付けることにより、両方の通信内容を同期させるための準備をする。さらに、ステップＳ１１２により、同期／シナリオ確認し、同期させるための準備ができたら、音声ガイダンスの進捗とテキストガイダンスの進捗とを同期確立する（ステップＳ１１３）。このステップＳ１１３で、同期確立したことにより、対話型シナリオ３０が、そのガイダンスシナリオ３１に基づく遷移状態を進めて更新する。なお、ステップＳ１０４，Ｓ１１２でいう同期／シナリオ確認とは、ガイダンスシナリオ３１上のどの段階に位置するか、ガイダンスの遷移状態を確認することであり、ステップＳ１０４では音声接続された時点との確認、ステップＳ１１２ではhttp Requestに応じてＷｅｂ接続された時点との確認を意味する。

ここで、対話型シナリオ３０が、そのガイダンスシナリオ３１に基づいてシナリオ応答する（ステップＳ１１４）。このとき、既にステップＳ１１１による接続可否の確認結果が接続ＯＫであったため、パケット通信が可能となる。そして、対話型シナリオ３０からＷｅｂ制御ＩＦ２０に接続時の画面指示を与える（ステップＳ１１５）。ステップＳ１１５により指示された画面が、音声ガイダンスサーバ６０から端末装置５０に返す応答（http response）として、端末装置５０で閲覧可能になる（ステップＳ１１６）。ステップＳ１１６における画面応答は、ステップＳ１１２により同期／シナリオ確認され、かつ、Ｓ１１３により同期確立（更新）されているので、音声通信側のシナリオ進捗と同期している。ここで、ユーザが端末装置５０を閲覧操作することにより、ガイダンスシナリオ３１に基づくテキスト／画像が表示される（ステップＳ１１７）。このようにして、音声側とパケット側との両面からユーザに自然な対話を感じさせることができる。

図４は本実施形態における音声ガイダンスシステムにより、音声側で操作し、画面が追従するパタンのシーケンス図である。図４でシーケンス図を示す音声ガイダンスシステム１００の構成は、図１と図２とを用いて詳しく説明したとおりである。ただし、図４に示す音声ガイダンスサーバ６０は、シーケンスを明確にするために必要な４つの構成要素のみを明示し、その他の構成要素について図４から省略している。

まず、音声通信セッションによる音声ガイダンスと、パケット通信セッションによるテキスト／画像と、同期状態である段階（ステップＳ２００）以降について説明する。端末装置５０から音声制御ＩＦ１０へＰＢ音＝Ｘによる要求信号を送信する（ステップＳ２０１）。ステップＳ２０１で、音声制御ＩＦ１０が受信したＰＢ音＝Ｘによる要求信号は、対話型シナリオ３０へ伝達される（ステップＳ２０２）。ステップＳ２０２で、音声制御ＩＦ１０から対話型シナリオ３０へ伝達されたＰＢ音＝Ｘの信号は、対話型シナリオ３０にガイダンス遷移状態を進めるように処理（以下、シナリオ処理ともいう）を促す（ステップＳ２０３）。

ステップＳ２０３で、ガイダンス遷移状態の更新処理（以下、シナリオ更新ともいう）を促された対話型シナリオ３０は、ガイダンス遷移状態保持部３５に蓄積された遷移状態情報を参照しながらシナリオ更新すると共に、次の指示を与えるように応答する（ステップＳ２０４）。ステップＳ２０４で、シナリオ更新した対話型シナリオ３０は、さらにガイダンス遷移状態保持部３５の遷移状態情報を参照しながらガイダンス音源を、音声制御ＩＦ１０へ指示する（ステップＳ２０５）。ステップＳ２０５で、音声制御ＩＦ１０へ指示されたガイダンス音源に基づいて、音声制御ＩＦ１０から端末装置５０へ音声ガイダンスを送信する（ステップＳ２０６）。

ここで、Ｗｅｂ制御ＩＦ２０にサーバからのプッシュ機能が具備されている場合は、Ｗｅｂ制御ＩＦ２０から端末装置５０の端末ＡＰＬへプッシュをする（ステップＳ２０８）。このプッシュとは、Ｗｅｂ制御ＩＦ２０から端末装置５０へ状態更新があったことを通知するための信号を送信することである。ステップＳ２０４で、シナリオ更新した対話型シナリオ３０は、ステップＳ２０５で、音声制御ＩＦ１０へガイダンス音源を指示すると共に、Ｗｅｂ制御ＩＦ２０へは、シナリオを更新した旨を通知する（ステップＳ２０７）。

ステップＳ２０７で、シナリオ更新通知を受けたＷｅｂ制御ＩＦ２０は、端末装置５０の端末ＡＰＬへプッシュする（ステップＳ２０８）。ステップＳ２０８で、Ｗｅｂ制御ＩＦ２０からプッシュ信号を受信した端末装置５０は、Ｗｅｂ制御ＩＦ２０へ、http requestにより、最新画面を取得するための要求信号を送信する（ステップＳ２１０）。ステップＳ２１０で、端末装置５０からＷｅｂ制御ＩＦ２０へ送信されたhttp requestは、対話型シナリオ３０へ入力される（ステップＳ２１１）。ステップＳ２１１で、http requestを受けた対話型シナリオ３０は、ガイダンス遷移状態保持部３５に保持された遷移状態を参照して、最新シナリオを取得する（ステップＳ２１２）。

ステップＳ２１２で、対話型シナリオ３０が取得した最新シナリオは、Ｗｅｂ制御ＩＦ２０へ入力される（ステップＳ２１３）。ステップＳ２１３で、Ｗｅｂ制御ＩＦ２０へ入力された最新シナリオによるテキスト／画像は、端末装置５０へ送信される（ステップＳ２１４）。ステップＳ２１４で、Ｗｅｂ制御ＩＦ２０から端末装置５０へ送信された最新のテキスト／画像は、端末装置５０に画面表示される（ステップＳ２１５）。このように、ステップＳ２１５で、端末装置５０に画面表示された内容は、ステップＳ２０１で、端末装置５０から送信されたＰＢ音＝Ｘによる要求信号に対応している。したがって、端末装置５０を用いるユーザにとって、パケット通信セッションによるコミュニケーションの進捗と、音声通信セッションによるコミュニケーションの進捗と、同期した実感が得られる。

ここで、Ｗｅｂ制御ＩＦ２０に端末ＡＰＬへのプッシュ機能がない場合は、音声ガイダンスサーバ６０から端末装置５０が最新情報を自動的に受信することはできない。したがって、このプッシュなしに、音声ガイダンスサーバ６０から端末装置５０が最新情報を受け取るためには、端末装置５０が、積極的に音声ガイダンスサーバ６０へ問合せをする必要がある。そこで、端末装置５０において、定期的に問い合わせ処理を起動することにより（ステップＳ２０９）、端末装置５０から、音声ガイダンスサーバ６０との間の状態同期が、定期問合せの間隔で行われる。

なお、ステップＳ２０８で、端末装置５０が、定期問い合わせ処理を起動したのち、当該問い合わせに対する応答をサーバ側で保持し、状態が更新されたタイミングで応答することを、ロングポーリング等による擬似プッシュともいう。このロングポーリング等による擬似プッシュについては、図２の右下に示したサーバプッシュ同期部９が行う手段のひとつである。なお、端末ＡＰＬの一例としては、電子掲示板、銀行のインターネットバンキング、証券会社のオンライントレード、電子商店街等ネット販売のショッピングカート等を挙げることができる。端末装置５０がスマートフォンならば、端末ＡＰＬを適宜ダウンロードして用いることが可能である。その端末装置５０にダウンロードされた端末ＡＰＬによって、サーバプッシュ同期部９が形成されていることが好ましい。

ステップＳ２０９で、端末装置５０から、音声ガイダンスサーバ６０へ、定期的な問合せが継続されると、その定期的な問合せの期間内に、ステップＳ２０４で、対話型シナリオ３０がシナリオ更新したことを、端末装置５０で検出することができる。ステップＳ２０９で、端末装置５０が、対話型シナリオ３０のシナリオ更新（ステップＳ２０４）を検出したならば、上述したステップＳ２１０〜Ｓ２１５を続けて実行する。すなわち、端末装置５０から音声ガイダンスサーバ６０へ、最新画面を取得するための要求信号を送信（ステップＳ２１０）したことに応じて、音声ガイダンスサーバ６０から端末装置５０へ送信された最新シナリオによるテキスト／画像が、端末装置５０において画面表示される（ステップＳ２１５）。

図５は、本実施形態における音声ガイダンスシステムにより、画面側で操作し、音声ガイダンスが追従するパタンのシーケンス図である。図５に示す音声ガイダンスシステム１００は、図１と図２とを用いて詳しく説明したとおりである。ただし、音声ガイダンスサーバ６０の構成要素について、シーケンスを明確にするために必要な４つだけを、図５では簡略に明示し、その他の構成要素について図５から省略している。図５に示す音声ガイダンスシステム１００は、まず、音声通信セッションによる音声ガイダンスと、パケット通信セッションによるテキスト／画像と、同期状態である段階（ステップＳ３００）以降について説明する。このステップＳ３００に示す同期状態において、端末装置５０からＷｅｂ制御ＩＦ２０へ、入力結果＝Ｘで示される要求信号を送信する（ステップＳ３０１）。

ステップＳ３０１により、Ｗｅｂ制御ＩＦ２０で受信された、入力結果＝Ｘという要求信号は、Ｗｅｂ制御ＩＦ２０から対話型シナリオ３０へ伝達される（ステップＳ３０２）。ステップＳ３０２により入力された、入力結果＝Ｘという要求信号に基づいて、対話型シナリオ３０は、シナリオ処理を実行する（ステップＳ３０３）。その結果、シナリオ更新される（ステップＳ３０４）。ステップＳ３０４でのシナリオ更新により、ガイダンス遷移状態保持部３５は、遷移状態情報も更新して保持する。また、ステップＳ３０４において、対話型シナリオ３０は、ガイダンス遷移状態保持部３５に更新して保持された遷移状態情報に基づいて決定される次の指示を与えるように応答する。このように、対話型シナリオ３０は、シナリオが更新された結果に基づく次画面指示を、Ｗｅｂ制御ＩＦ２０に与える（ステップＳ３０５）。ステップＳ３０５により与えられた次画面指示に基づく画面応答を、Ｗｅｂ制御ＩＦ２０が、端末装置５０へ送信する（ステップＳ３０６）。ステップＳ３０６により送信された画面応答に基づくテキストガイダンス情報その他の画像情報を、端末装置５０が画面表示する（ステップＳ３０７）。

一方、対話型シナリオ３０は、シナリオ更新（ステップＳ３０４）の結果に基づいて、次画面指示（ステップＳ３０５）とは別に、次にユーザに聞かせるべき音声ガイダンス、すなわち次音源を、音声制御ＩＦ１０へ入力する（ステップＳ３０８）。つまり、ステップＳ３０８では、対話型シナリオ３０が音声制御ＩＦ１０へ、次音源によってシナリオ更新を通知する。ステップＳ３０８により入力された次音源を、Ｗｅｂ制御ＩＦ２０が、端末装置５０へ送信する（ステップＳ３０９）。ステップＳ３０９により送信された次音源を、端末装置５０が音声ガイダンスとして再生する（ステップＳ３０９）。

以下、図６〜８を用いて、パタンＰ１〜Ｐ３の別による接続手順に関する説明をする。なお、図６〜８は、音声ガイダンスサーバ６０〜６２と端末装置５０との接続手順等を説明するために要点のみを簡略に示しているので、他図も適宜参照することとする。また、音声ガイダンスサーバの符号６０と符号６１は、説明の便宜上、区別しているが、全部の構成要素を併せ持つ共通の音声ガイダンスサーバ６０があるものとみなしても良い。

（パタンＰ１：音声、パケットともに端末装置からサーバへ発信）
図６は、本実施形態における音声ガイダンスシステムによる、音声とパケットと同期確立するまでの接続手順のパタンＰ１として、音声・パケットともに端末装置からの発信である場合の説明図である。図６に示す音声ガイダンスシステム１００の接続手順のパタンＰ１において、端末装置５０と、音声ガイダンスサーバ６０との間では、以下のように通信接続される。

まず、端末装置５０から送信されたＰＢ音が、音声ＮＷ７０を介して音声ガイダンスサーバ６０で受信される（ステップＳ１）。ステップＳ１と実質上重複する内容で、端末装置５０から入力されたデータ入力信号が、パケットＮＷ８０を介して、音声ガイダンスサーバ６０で受信される（ステップＳ３）。図６に示す接続手順のパタンＰ１によれば、音声・パケットともユーザから発信する場合、音声とパケットとの接続順番に対する制約はない。なお、端末装置５０によっては、音声通話中に、音声信号により、音声ガイダンスサーバ６０へ、ユーザの意思を伝達する方法について、例えばＰＢ入力するか、タッチパネルにより画面入力するか、いずれかにデフォルト設定されている場合もある。

（パタンＰ２：端末装置からサーバへ発呼した後、重ねて端末装置からパケット接続）
図７は、本実施形態における音声ガイダンスシステムによる、音声とパケットと同期確立するまでの接続手順のパタンＰ２として、端末装置からサーバに音声接続後、さらに端末装置からパケットの接続要求する場合の説明図である。図７に示す音声ガイダンスサーバ６１には、説明に必要最小限の構成要素として、パケット通信セッション確立判断部３６と、パケット通信セッション確立指令部３７と、対話型シナリオ３０とを明示している。パケット通信セッション確立判断部３６は、状況に応じてパケット通信セッションをいつ確立させるかを判断する。また、パケット通信セッション確立指令部３７は、パケット通信セッション確立判断部３６が、パケット通信セッションを確立させるべきことを判断した時に、パケット通信セッションを確立させるように端末装置５０に要求する。

図７に示す接続手順のパタンＰ２において、端末装置５０と、音声ガイダンスサーバ６１との間では、以下のように通信接続される。まず、端末装置５０で入力されたＰＢ音が、音声ＮＷ７０を介して音声ガイダンスサーバ６１で受信される（ステップＳ１）。このＰＢ音を受信した音声ガイダンスサーバ６１は、パケット通信セッション確立判断部３６が、ガイダンスシナリオ３１に基づいて、パケット通信セッションを確立させるべきだと判断する。そのパケット通信セッション確立判断部３６の判断に基づいて、パケット通信セッション確立指令部３７が、パケット通信を促すためのプッシュ信号を、ＳＭＳ（Short Message Service）を介して、端末装置５０へ送信する（ステップＳ２）。このＳＭＳについては後述する。プッシュ信号を受信した端末装置５０は、端末ＡＰＬを起動して音声ガイダンスサーバ６１との間にパケット通信セッションを確立する。端末装置５０のユーザは、電話を切らずに音声通信セッションを維持して音声ガイダンスを聞くと共に、端末ＡＰＬによる画面を見ながら入力したデータ入力信号を、パケットＮＷ８０を介して、Ｗｅｂ制御ＩＦ２０へ送信する（ステップＳ３）。

図７に示す接続手順のパタンＰ２において、http通信については、ＷｅｂサーバとＷｅｂブラウザ間の通信プロトコルに、サーバからのプッシュに関する技術が含まれていないため、http通信とは別経路によるプッシュ手段が必要となる。本実施形態では、一例としてＳＭＳプッシュを行い、それを受けた端末装置５０の端末ＡＰＬが起動する。なお、ＳＭＳとは、携帯電話同士で短い文字メッセージを送受信できるサービスであり、相手の電話番号を指定して、全角(日本語)なら数十文字、半角(英数字)なら百数十文字程度までの文字のメッセージを、加入者間で即時に交換できるシステムである。このＳＭＳにおいて、画像や音声等も添付できるものはＭＭＳ (Multimedia Messaging Service)と呼ばれる。なお、ＳＭＳ以外の経路によるプッシュ手段（例えば前述のロングポーリングによる擬似Ｐｕｓｈ）があれば、それを用いても構わない。

この音声ガイダンスサーバ６１は、まず、端末装置５０から音声接続が開始され、音声通信セッションのみが確立された状態となる。次に、音声ガイダンスサーバ６１は、パケット通信セッション確立指令部３７からの要求に応じて、端末装置５０からパケット通信セッションを確立させる。その後、ガイダンス同期制御部３４（図２、図１２）が、音声通信セッションにより進行するガイダンスシナリオ上の遷移状態と、パケット通信セッションにより進行すべきガイダンスシナリオ上の遷移状態と、を一致させる。つまり、音声とパケットを同期させる。

また、この音声ガイダンスサーバ６１には、遷移状態進行通知部４３が具備されており、音声ガイダンスサーバ６１から端末装置５０へガイダンスシナリオ上の遷移状態の進行に応じてその更新された遷移状態を通知する。したがって、この音声ガイダンスサーバ６１は、音声通信セッションのみにより音声ガイダンスを受けている状態から、必要に応じて、パケット通信セッションによるテキスト／画像を、確実に補うことが可能である。また、端末装置５０側から積極的にリロードしなくても、更新されたテキスト／画像を、端末装置５０で自動的に受信できる。このことにより、音声側とパケット側とのシナリオの乖離を防ぐことができる。

（パタンＰ２´：音声側でＰＢ入力に失敗しても、パケット側で補う）
また、パケット通信セッション確立判断部３６は、音声通信セッションのみが確立された状態で、端末装置５０から入力された音声入力の内容にエラーを検出する。その検出されたエラーが規定量を超えた時、パケット通信セッション確立判断部３６は、パケット通信セッション確立指令部３７にパケット通信セッション確立の要求を出させる。その要求を受けて端末装置５０は、パケット通信セッションを確立させる。具体的には、音声セッションにより音声信号の入力を待機する遷移状態において、ガイダンスシナリオが規定する所定時間内に、例えば、ＰＢ信号が正しく受信できなかった場合、つまりユーザのミス等の場合である。このように、音声ガイダンスサーバ６１は、音声通信セッションによる音声信号の入力に所定回数以上失敗しても、新たに確立されるパケット通信セッションにより補うことが可能である。したがって、ユーザが音声入力のミスを連続しても、電話をかけ直すことなく、また解決のためのオペレータを必要とせず、無人の音声ガイダンスサーバ６１を相手に、通信の目的を達成することが容易である。

一般的には、ガイダンスシナリオに定められた音声信号を、音声ガイダンスサーバから入力要求したにもかかわらず、端末装置からの入力が不備であれば対応不能となる。その場合、音声ガイダンスサーバでは「番号が認識できません。おかけ直しください」等と、対応不能である理由を説明すると共に、電話のかけ直しを促す音声ガイダンスを送信する。その後に、音声ガイダンスサーバが音声セッションを終了させる。あるいは、音声ガイダンスサーバに代わって、オペレータが音声対応する場合がある。しかし、本実施形態の構成によれば、ユーザが、音声セッション側で音声信号の入力に失敗しても、パケット通信セッション側で、テキスト／画像情報を用いて補うことが可能である。したがって、オペレータを必要とせずに通信の目的を達成しやすい。

（パタンＰ３：パケットで事前準備した後で、サーバから端末装置へ発呼）
図８は、本実施形態における音声ガイダンスシステムによる、音声とパケットと同期確立するまでの接続手順のパタンＰ３として、パケットで事前準備を行った後で、サーバから発呼する場合の説明図である。このパタンＰ３に示す接続順番の場合は、端末装置５０に専用の端末ＡＰＬをダウンロードして対応することが好ましい。図８に示す接続手順のパタンＰ３において、まず、ユーザが、端末装置５０を操作して、端末装置５０から音声ガイダンスサーバ６２に接続するための端末ＡＰＬを起動することにより、パケット通信セッションのみを確立して通信接続を開始する。

次に、パケット通信セッションを介して端末装置５０からその端末装置５０に関する電話番号等の識別子をデータ入力する。このデータ入力された端末装置５０の電話番号宛に、音声ガイダンスサーバ６０の音声通信セッション確立部４４から電話をかけて、音声通信セッションを確立する。その後、ガイダンス同期制御部が、パケット通信側と音声通信側とを同期させる。つまり、パケット通信セッションのみにより、テキスト／画像を受けている状態で、必要に応じて、端末装置５０からパケット通信セッションにより、その端末装置５０の電話番号の通知を受けた後に、音声ガイダンスサーバ６２から端末装置５０へ電話をかけることができる。

また、音声ガイダンスサーバ６０は、パケット通信セッションのみが確立された状態で、パケット通信セッションによるガイダンスシナリオ上の遷移状態が進行した後、適宜に音声セッションを確立された場合、ガイダンス同期制御部３４が、パケット通信セッションにより進行するガイダンスシナリオ上の遷移状態と、音声通信セッションにより進行すべきガイダンスシナリオ上の遷移状態とを一致させる。つまり、パケット通信セッションのみにより、テキスト／画像を受信している状態で、パケット通信セッションによりテキスト／画像の遷移状態が、何段階か進行した後、適宜に、音声通信セッションにより進行すべきガイダンスシナリオ上の遷移状態を、何段階も飛び越して追いつくように一致させることができる。

あるいは、音声ガイダンスサーバ６０は、音声通信セッションとパケット通信セッションとのいずれか一方が確立された状態で、確立されている通信セッションによるガイダンスシナリオ上の遷移状態が何段階か進められた後に、確立されていなかった他方の通信セッションによるガイダンスシナリオ上の遷移状態を、進行させた一方の遷移状態と一致させるべく、何段階も飛び越して追いつくように進行させてから、確立されていなかった他方の通信セッションを確立させるようにしても構わない。その場合、音声通信セッションとパケット通信セッションとのいずれか一方の通信セッションにより進行したガイダンスシナリオ上の遷移状態が、ある程度進行した後に、他方の通信セッションにより進行すべきガイダンスシナリオ上の遷移状態を一致させることができる。

（留守番電話への適用）
図９は本実施形態における音声ガイダンスシステムを留守番電話に適用した場合の動作を示すフローチャートである。図１〜８に示した音声ガイダンスサーバ６０は、留守番電話サービスに適用することが可能である。図９に示すように、この音声ガイダンスサーバ６０を、留守番電話という目的に応じて、ユーザが音声通話接続（ステップＳ４００）してから切断（ステップＳ４０９）するまでの動作を、フローチャートに沿って説明する。

図９に例示する音声ガイダンスサーバ６０は、留守番電話を自動で受け付けることができる専用の電話番号を備えている。この専用電話番号宛に、ユーザが、端末装置５０を用いて電話をかける。すなわち、ユーザは、留守番電話の目的をかなえるように、端末装置５０と音声ガイダンスサーバ６０とを、音声通話可能に接続する（ステップＳ４００）。ここで、「（ピーという）発信音のあとにメッセージを録音してください。録音後、終了するには「１」を押してください（ピー）」との音声ガイダンスが、音声ガイダンスサーバ６０から端末装置５０へ送信される（ステップＳ４０１）。

ステップＳ４０１の音声ガイダンスに沿って、ユーザは録音する（ステップＳ４０２）。ステップＳ４０２で録音完了したユーザは、ステップＳ４０１で届けられた「録音後、終了するには「１」を押してください」との音声ガイダンスに沿って、「１」を押すと、次の音声ガイダンスが届けられる（ステップＳ４０３）。ステップＳ４０３では、「いま録音したメッセージでよければ「１」を、変更するには「２」を、確認するには「３」を、メッセージを取り消して終了するには「９」を、押してください」という音声ガイダンスにより、ユーザに４者択一の意思表示を求める。ユーザは、音声ガイダンスサーバ６０からの求めに応じて４者択一の意思表示するため、ＰＢ操作する（ステップＳ４０４）。このとき、ユーザは、端末装置５０をＰＢ操作することにより、上述したＰＢ音を出力し、音声ガイダンスサーバ６０に、自分の意思を伝えることができる。

ステップＳ４０４で、ユーザが「１」を押すと、録音したメッセージが音声ガイダンスサーバ６０保存される。この時、「メッセージをお預かりしました」との音声ガイダンスが、音声ガイダンスサーバ６０から端末装置５０へ送信される（ステップＳ４０７）。このステップＳ４０７が実行された後に、接続中の電話が切断（呼が切断）される（ステップＳ４０９）。また、ユーザが「２」を押すと、録音内容を変更することができる。すなわち、ステップＳ４０１に戻って録音をやり直すことができる。ユーザが「３」を押すと、録音音声を音声ガイダンスサーバ６０が再生し、その録音音声を端末装置５０に送信するので、ユーザは、その録音音声を聞いて確認することができる（ステップＳ４０５）。ユーザが「９」を押すと、メッセージを取り消して終了する。この時、「メッセージを取り消しました」との音声ガイダンスが音声ガイダンスサーバ６０から端末装置５０へ送信される（ステップＳ４０８）。このステップＳ４０８が実行された後に、接続中の電話が切断（呼が切断）される（ステップＳ４０９）。

（ユーザ認証への適用）
図１０は本実施形態における音声ガイダンスシステムを、ユーザ認証に適用した場合の動作を示すフローチャートである。また、図１２や他の図面も適宜参照しながら説明する。図１０に示す端末装置５０は、いわゆるスマートフォンである。この端末装置５０は、不図示の音声送受信部と、パケット送受信部と、を備えている。音声送受信部は、携帯電話網（図１に示す音声ＮＷ７０）による音声通話を行う。また、パケット送受信部は、ブラウザを用いて情報ネットワーク（図１に示すパケットＮＷ８０）から画像情報を閲覧する。端末装置５０は、これらの音声送受信部と、パケット送受信部とを、同時に利用することが可能である。また、この端末装置５０は、図１〜８に示した音声ガイダンスサーバ６０に接続し、ユーザの目的に応じたコミュニケーションを行うことが可能である。

このユーザが、ネット展開型サービス機関（以下、単にサービス機関という）の会員になったという前提で説明する。会員であるユーザは、そのサービス機関から提供される専用端末ＡＰＬを、端末装置５０にダウンロードしており、そのサービス機関に属する音声ガイダンスサーバ６０と通信することができる状態である。また、端末装置５０にダウンロードされた専用端末ＡＰＬには、図２の右下に示す音声ガイダンスサーバ６０との同期を確立し、維持するためのサーバプッシュ同期部９が含まれている。サーバプッシュ同期部９は、図４に沿って説明したＳ２０９、Ｓ２１０で示した機能を有している。したがって、端末装置５０側から積極的にリロードの操作をしなくても、更新されたテキスト／画像を、端末装置５０で自動的に受信できる。なお、サービス機関の例として金融機関をはじめ、人材斡旋機関等がある。

まず、ユーザは、サービス機関に属する音声ガイダンスサーバ６０に対してコミュニケーションを行うために、端末装置５０の電話機能により発呼し、既に通話接続状態になっている段階から説明する。この段階で、ユーザは、希望する取引を開始するために、端末装置５０における音声通話を維持したままに、端末装置５０のブラウザを用いて、音声ガイダンスサーバ６０と、パケット通信セッションによる通信も接続する（ステップＳ５００）。ただし、このステップＳ５００において、Ｗｅｂ通信接続する時、端末装置５０の音声送受信部によって既に通話中であるか否かはどちらでもよく、音声通話のない状態から、直接に、音声ガイダンスサーバ６０とＷｅｂ通信接続しても構わない。つまり、端末装置５０には、電話の発呼とＷｅｂ通信接続と、いずれが先でも構わないような端末ＡＰＬがダウンロードされている。

ここで、音声ガイダンスサーバ６０において、パケット通信セッションによるコミュニケーションの進捗と、音声通信セッションによるコミュニケーションの進捗とは、同期する（ステップＳ５０１）。なお、上述したように、このステップＳ５０１で同期確立する手順は、図６〜図８で説明したパタンＰ１〜Ｐ３のいずれでも構わない。ステップＳ５０１により、パケット通信セッションによるコミュニケーションの進捗と、音声通信セッションによるコミュニケーションの進捗と、同期したならば、「お客様の会員番号を入力してください」との音声ガイダンスが、画面Ｇ１の表示と同期して音声受信部により届けられる（ステップＳ５０２）。

音声ガイダンスサーバ６０と端末装置５０とが通信可能に接続されたならば、図１０の画面Ｇ１に示すように、会員番号入力枠５７を明示したＸＸサービス認証画面が、端末装置５０の液晶表示部に表示されて、入力待ちの状態となる（ステップＳ５０３）。スマートフォンの多くは、周知のように、パーソナルコンピュータのマウスクリック入力に匹敵するような画面からの入力部として、タッチパネル方式による画面からの入力部が具備されている。端末装置５０は、このタッチパネル方式によって、音声通話中にＰＢ信号の送信が可能なだけでなく、音声通話中にデータ入力も可能である。つまり、パケット通信セッションにより画面の中に表示されたボタンを押すほか、キーボード等をイメージする画面の中の文字または数字キーを押して入力することが可能である。あるいは、端末装置５０を用いるユーザが、電話音声により該当する番号を読み上げて音声ガイダンスサーバ６０に送信しても良い。その場合は、音声ガイダンスサーバ６０の音声制御ＩＦ１０に具備された図示せぬ音声認識部が、ユーザの口頭による番号提示を数字に変換して受け付ける。

ここで、ユーザが音声ガイダンスサーバ６０からの求めに応じて、本人の会員番号を間違いなく入力すると、次に「暗証番号を入力してください」との音声ガイダンスが、画面Ｇ１の表示と同期して音声受信部により届けられる（ステップＳ５０４）。なお、ユーザが会員番号を都度入力するまでもなく、会員番号入力枠５７に正しくデフォルト表示された会員番号を、ユーザが確認した後に、画面Ｇ１の下方にある確認ボタン５９を押すだけにしても良い。このことで、会員番号が正しく入力されたことを、音声ガイダンスサーバ６０が認識して処理を進められる。

図１０の画面Ｇ１に示すように、暗証番号入力枠５８も含めて明示されたＸＸサービス認証画面が、端末装置５０の液晶表示部に表示されている。したがって、画面Ｇ１で入力待ちの状態となる（ステップＳ５０５）。ここで、ユーザが音声ガイダンスサーバ６０からの求めに応じて、本人の暗証番号を間違いなく入力すれば、認証処理が成功する(ステップＳ５０６)。このステップＳ５０６のタイミングで、図１０の画面Ｇ２の表示と同期した音声ガイダンスが、音声ガイダンスサーバ６０から端末装置５０に届けられる（ステップＳ５０７）。ステップＳ５０７では、「いつもＸＸサービスをご利用いただき、ありがとうございます。お知らせを確認するには１を、・・・ 」との音声ガイダンスを、ユーザは、聞くことができる。

ステップＳ５０６により認証が成功した後、ユーザは、音声ガイダンスサーバ６０に求めるサービスを受けられる。すなわち、ユーザは、上述した音声ガイダンスを受けながら進める音声通信セッションによるコミュニケーションの進捗と、図１０の画面Ｇ２の表示に沿ったパケット通信セッションによるコミュニケーションの進捗と、同期したコミュニケーションを継続することができる。そして、ユーザは、求めるサービスを、音声ガイダンスサーバ６０から受けるか、あるいは音声ガイダンスサーバ６０との取引を実行する（ステップＳ５０８）。なお、ステップＳ５０８以降のサービス処理についての記載は、図１０から省略する。ステップＳ５０８において、音声ガイダンスサーバ６０が、例えば、金融機関に属するサービス対応に連動するのであれば、ユーザの取引口座を確認して、ユーザの指定どおりの金額を指定口座へ振り込むようなシステムに働きかける。なお、図１０の例示では、電話をかけた後に、ステップＳ５００でＷｅｂ通信接続している。すなわち、図７に沿って説明した要領である。しかし、逆の順番によりＷｅｂ通信接続を先にして、後から電話をかけるようにしても構わない。すなわち、図８に沿って説明した要領でも構わない。さらに、Ｗｅｂ通信接続を先にして、途中で音声ガイダンスサーバ６０から端末装置５０へ電話をかけさせるようにしても構わない。すなわち、図９に沿って説明した要領でも構わない。

（要点１）
次に、図１１および図１２を用いて、同期の手順を要点のみ抽出して説明する。図１１は本実施形態における音声ガイダンス方法および音声ガイダンスプログラムの要点のみを示すフローチャートである。図１１に示すように、まず、端末装置５０との間で音声通信セッションを介して音声信号を送受信する（ステップＳ８０１）。次に、ステップＳ８０１に示す音声送受信処理に伴う音声ガイダンスのガイダンスシナリオ上の遷移状態を、ガイダンス遷移状態保持部３５に保持する（ステップＳ８０３）。同様に、端末装置５０との間でパケット通信セッションを介してパケットデータを送受信する（ステップＳ８０２）。次に、ステップＳ８０２に示すパケット送受信処理に伴うテキスト／画像のガイダンスシナリオ上の遷移状態を、ガイダンス遷移状態保持部３５に保持する（ステップＳ８０３）。

ステップＳ８０３に示すガイダンス遷移状態保持処理により保持される遷移状態に従って、端末装置５０に対し、ステップＳ８０１に示す音声送受信処理による音声ガイダンスを、送信制御する（ステップＳ８０４）。同様に、ステップＳ８０３に示すガイダンス遷移状態保持処理により保持される遷移状態に従って、端末装置５０に対し、パケット送受信処理によるテキスト／画像を、送信制御する（ステップＳ８０４）。

端末装置５０から、ステップＳ８０１に示す音声送受信処理により音声ガイダンスに対する応答音声信号を、端末装置５０から応答受信制御する（ステップＳ８０５）。同様に、ステップＳ８０２に示すパケット送受信処理によりテキスト／画像に対する応答パケットデータを、端末装置５０から応答受信制御する（ステップＳ８０５）。ステップＳ８０５に示す応答受信制御処理によって、応答音声信号および応答パケットデータのいずれか一方が受信されると、ステップＳ８０３に示すガイダンス遷移状態保持処理により保持される（ステップＳ８０３）。

受信された応答音声信号または応答パケットデータに対応する一方の遷移状態を進行させると共に、他方の遷移状態を、進行させた一方の遷移状態と一致させるべく進行させるようにガイダンス同期制御する（ステップＳ８０６）。このよう端末装置５０において、通話状態で受ける音声ガイダンスを聞きながら、その音声ガイダンスの遷移状態と一致したテキスト／画像を、適宜に表示させられるので利便性が高められる。なお、ステップＳ８０１に示す音声通信セッションと、ステップＳ８０２に示すパケット送受信処理とは、どちらが先に実行されても構わない。また、ステップＳ８０１〜ステップＳ８０６の各処理は、順番を前後しながらセッションが終了するまで繰り返される。

（要点２）
図１２は、本実施形態における音声ガイダンスシステムにより、音声通信側とパケット通信側のいずれか一方からの入力により、両方のガイダンスの遷移状態を同期させるシーケンス図である。図１２に示す音声ガイダンスシステム１００は、音声ガイダンスサーバ６０と、その音声ガイダンスサーバ６０に対して、音声通信セッション９４およびパケット通信セッション９５の両方による通信を同時に行うことが可能な端末装置５０と、その端末装置５０から音声ガイダンスサーバ６０までの間に介在する音声ＮＷ７０と、端末装置５０から音声ガイダンスサーバ６０までの間に介在するパケットＮＷ８０と、より構成されている。

既に説明したように、音声ガイダンスサーバ６０は、端末装置５０へ対話式で音声ガイダンスを提供可能である。この音声ガイダンスサーバ６０は、音声送受信部４１と、パケット送受信部４２と、ガイダンス遷移状態保持部３５と、応答受信制御部３９と、ガイダンス同期制御部３４と、を備えている。ただし、図１２には、ガイダンスの遷移状態を同期させる説明に必要最小限の構成要素のみを抽出して記載している。また、音声送受信部４１は、音声送信部９０と音声受信部９１とを含んで構成され、パケット送受信部４２は、パケット送信部９２とパケット受信部９３とを含んで構成されている。音声送受信部４１は、端末装置５０との間で音声通信セッションを介して音声信号を送受信する。パケット送受信部４２は、端末装置５０との間でパケット通信セッション９５を介してパケットデータを送受信する。

ガイダンス送信制御部３８は、ガイダンス遷移状態保持部３５により保持される遷移状態情報に従って、端末装置５０に対し、音声送受信部４１により音声ガイダンスを送信制御する。同様に、ガイダンス送信制御部３８は、パケット送受信部４２によりテキスト／画像を、それぞれ送信制御する。応答受信制御部３９は、音声ガイダンスに対する端末装置５０からの応答音声信号を、音声送受信部により受信制御する。同様に、この応答受信制御部３９は、テキスト／画像に対する端末装置５０からの応答パケットデータを、パケット送受信部４２により受信制御する。ガイダンス送信制御部３８および応答受信制御部３９は、図１、図２には明示していないが、対話型シナリオ３０に含まれている。

ガイダンス遷移状態保持部３５は、ガイダンスシナリオ上の音声ガイダンスと、およびガイダンスシナリオ上のテキスト／画像との遷移状態情報をそれぞれ保持することができる。そして、ガイダンス同期制御部３４は、ガイダンス遷移状態保持部３５に、応答音声信号および応答パケットデータのいずれか一方が受信されると、受信された応答音声信号または応答パケットデータに対応する一方の遷移状態を進行させた遷移状態情報を保持させる。そして、ガイダンス同期制御部３４は、ガイダンス遷移状態保持部３５に、他方の遷移状態情報を、進行させた一方の遷移状態情報と一致させるべく進行させて保持させる。ガイダンス送信制御部３８は、ガイダンス遷移状態保持部３５で一致して保持された遷移状態情報に基づいて、音声ガイダンスと、テキスト／画像との、遷移状態を一致させた状態で送信するように制御する。

したがって、端末装置５０では、音声ガイダンスと、テキスト／画像とを、一致した遷移状態で受信できる。このように、端末装置５０において、通話状態で音声ガイダンスを聞きながら、その音声ガイダンスと遷移状態の一致したテキスト／画像を、適宜に表示させることができるので利便性が高められる。これら一連の信号の流れを、以下に説明する。

まず、音声ガイダンスサーバ６０の音声受信部９１は、端末装置５０から送信されたＰＢ信号を音声受信する（ステップＳ９００）。ステップＳ９００で、音声受信部９１がＰＢ信号を受信すると、音声受信部９１は、そのＰＢ信号が音声ガイダンスのどの遷移状態であるかを特定する遷移状態情報を、ガイダンス遷移状態保持部３５へ出力する。この遷移状態情報は、ガイダンス遷移状態保持部３５に記憶される（ステップＳ９０１）。

このように、端末装置５０から音声通信セッション９４によるＰＢ信号（ステップＳ９００）またはパケット通信セッション９５によるデータ入力信号（ステップＳ９０５）の少なくとも一方が、音声ガイダンスサーバ６０で受信される。その受信された方の信号に基づいてガイダンスの遷移状態が進むことに応じて、受信されていない他方のガイダンスの遷移状態も一致して進めるように更新された遷移状態情報を記憶する（ステップＳ９０１）。

ステップＳ９０１により、ガイダンス遷移状態保持部３５に更新して記憶された遷移状態情報は、ガイダンス同期制御部３４に入力される。ガイダンス同期制御部３４は、ステップＳ９０１で更新された遷移状態情報に基づくように同期させた音声ガイダンスおよびテキスト／画像が、次に送信すべきガイダンスとして準備されるように、ガイダンス送信制御部３８に準備させる（Ｓ９０２）。

音声送信部９０は、ステップＳ９０２で遷移状態を同期された音声ガイダンスを、音声通信セッション９４により、端末装置５０へ送信する（ステップＳ９０３）。パケット送信部９２は、ステップＳ９０２で遷移状態を同期されたテキスト／画像を、パケット通信セッション９５により、端末装置５０へ送信する（ステップＳ９０５）。このステップＳ９０３とステップＳ９０５とにおいて、それぞれ送信される、音声ガイダンスの遷移状態と、テキスト／画像の遷移状態は一致している。したがって、端末装置５０において、音声ガイダンスを聞きながら、その音声ガイダンスの遷移状態と一致したテキスト／画像を、適宜に表示させられるので、利便性が高められる。

（まとめ）
一般的な電話機を利用して不在配達物を再配達依頼する等、周知慣用された音声ガイダンスサービスの延長上に、本システム１００も位置付けられている。したがって、本システム１００の使用方法は、だれにでも馴染み易い。しかしながら、周知慣用された音声ガイダンスサービスにおいて、例えば、通話状態で受ける音声ガイダンスで提示された複数の選択肢から、ユーザの選択に応じて意思表示を求められた際、ユーザは選択肢の内容とそれに対応して押すべきＰＢの番号との対応付け等を、とっさに記憶できずに当惑する場合がある。そのような場合、ユーザはメモを取る必要に迫られる等、不便を解消する技術は含まれていない。そのような場合でも、本実施形態に係る音声ガイダンスシステムによれば、端末装置において、音声ガイダンスを聞きながら、その音声ガイダンスの遷移状態と一致したテキスト／画像を適宜に表示させることができる。したがって、ユーザにとって、メモを取る手間が省けて便利である。

一方、特許文献１に開示された音声蓄積サーバに蓄積された音声情報とデータ利用サーバに蓄積されたデータ情報とを結びつける方法において、音声通話を維持しながらアプリケーションを実行し、そのアプリケーションを用いたデータの入出力等を行うことはできない（特許文献１の段落［００２４］［００２８］参照）。さらに、特許文献１の技術では、結びつけられた音声情報およびデータ情報の２種類を、送信先の携帯電話機で受信する際も、電話機能による音声通話を維持しながら、同時にＷｅｂブラウザ機能によりＷｅｂデータを閲覧することはできない。

例えば、Ｗｅｂサーバに記録されている写真のデータ情報と留守番電話の音声情報とを、送信先の携帯電話機で受信する際は、電話を切った状態で、主にＷｅｂブラウザ機能を用いて、写真を閲覧し、音声も再生する。つまり、特許文献１に開示の技術では、音声ガイダンスを聞きながら、それと同一内容の文字／画像による支援を受けることはできなかった。特に、遂次的にしか聞き取れない音声を、静止状態で一覧可能な文字／画像による同一内容の補完はできなかった。

（本実施形態の主な効果）
（１）本実施形態によれば、端末装置において、通話状態で受ける音声ガイダンスを聞きながら、その音声ガイダンスの遷移状態と一致したテキスト／画像を、適宜に表示させられるので利便性が高められる。
（２）また、パケット通信セッション確立判断部の判断により、音声ガイダンスに加えて、パケット通信セッションが確立されるので、ガイダンスシナリオの内容によっては、きわめて有用である。例えば、文字／画像による補足説明が必要なシナリオの場合には親切なサービス対応が可能となる。

（３）また、サーバからプッシュボタン等の音声入力を要求された時に、適切な入力ができなかった等、「おかけ直しください」等のガイダンスを伴って、電話が切られる等により、概ね電話をかけ直す必要がある。通信の目的を達成するために、オペレータの対応を必要とする場合もある。そのような場合、すなわち、音声通信セッションによる音声信号の入力に失敗しても、パケット通信セッションにより補うことが可能である。したがって、オペレータを必要とせずに通信の目的を達成しやすい。

（４）また、音声ガイダンスを受けている状態で、必要に応じて、確実にテキスト／画像で補うことができると便利である。例えば、一般的な端末装置のＷｅｂブラウザにおいて、受け身のままでは、最新のテキスト／画像を得ることができない。つまり、パケット通信の相手である音声ガイダンスサーバに対して、端末装置から積極的にリロードしない限り、表示済みのページを再度サーバから取得して更新されることはない。また、このような場合にも、音声通信セッションのみによる音声ガイダンスを受けている状態で、必要に応じて、パケット通信セッションによるテキスト／画像で補うことが可能である。また、端末装置側から積極的にリロードしなくても、更新されたテキスト／画像を、端末装置で自動的に受信できる。

（５）また、パケット通信セッションのみにより、テキスト／画像を受けている状態で、必要に応じて、端末装置からパケット通信セッションにより、その端末装置の電話番号等、識別子の通知を受けた後に、音声ガイダンスサーバから端末装置へ電話をかけることができる。
（６）また、シナリオ上の遷移状態を音声ガイダンスサーバから端末装置へ通知することができる。したがって、音声側とパケット側とのシナリオの乖離を防ぐことができる。
（７）また、音声通信セッションとパケット通信セッションとのいずれか一方の通信セッションにより進行したガイダンスシナリオ上の遷移状態が、複数回進行した後に、他方の通信セッションにより進行すべきガイダンスシナリオ上の遷移状態を一致させることができる。

（本実施形態の別の効果）
さらに、本実施形態によれば、従来の対話シナリオを具備する音声ガイダンスシステムの利便性に加えて、次に示す顕著な効果も得られる。
（１）音声ガイダンスとして読み上げる複数の選択肢を画面上にも表示することにより、操作性を向上させられる。
（２）例えば、長い桁の文字や数字を入力する場合に、入力内容を画面上で確認した後でサーバ側に送信することが可能となる。特に、端末装置の画面上で間違いないことを確認した後、図１０に示した「確認」ボタン５９を押す等の入力方法を使えるので、入力間違いを低減しやすい。

（３）ＴＣＰ（Transmission Control Protocol）を用いる場合、本実施形態に係る音声ガイダンスシステムのシステムパケット受信部においては、入力操作された内容の途中だけが抜け落ちる不具合も解消できる。つまり、ＴＣＰのように、一般的かつ信頼性のある伝送プロトコルにより、端末装置を用いて入力操作された内容は、音声ガイダンスサーバへ確実に到達する。このことは、電波環境が不安定な場所での音声受信部においては、通話の途切れた期間に情報欠落の発生を免れないことに対して、パケット受信部においては、入力操作された内容の途中だけが抜け落ちたりしないことを意味する。

なお、本発明の範囲は、図示され記載された例示的な実施形態に限定されるものではなく、本発明が目的とするものと均等な効果をもたらすすべての実施形態をも含む。さらに、本発明の範囲は、各請求項により画される発明の特徴の組み合わせに限定されるものではなく、すべての開示されたそれぞれの特徴のうち特定の特徴のあらゆる所望する組み合わせによって画されうる。

本発明は、音声通話を維持し、その音声通話と同期を保ちながら、提供される音声と、文字／画像と、による２系統の案内により、双方向のコミュニケーションが快適になる音声ガイダンスに利用することができる。

１０ 音声制御ＩＦ（音声送受信部）
１２ ガイダンス送出／ＰＢ認識部
２０ Ｗｅｂ制御ＩＦ（パケット送受信部）
３４ ガイダンス同期制御部
３５ ガイダンス遷移状態保持部
３８ ガイダンス送信制御部（対話型シナリオ）
３９ 応答受信制御部（対話型シナリオ）
４１ 音声送受信部
４２ パケット送受信部
４３ 遷移状態進行通知部
４４ 音声通信セッション確立部
５０ 端末装置
６０，６１ 音声ガイダンスサーバ
９４ 音声通信セッション
９５ パケット通信セッション
１００ 音声ガイダンスシステム

Claims (12)

1. 端末装置へ対話式で音声ガイダンスを提供可能な音声ガイダンスサーバであって、
   前記端末装置との間で音声通信セッションを介して音声ガイダンスを音声信号として送受信する音声送受信部と、
   前記端末装置と自サーバとの間に、予め確立された音声通信セッションに加えてパケット通信セッションを確立すべきか否かを判断するパケット通信セッション確立判断部と、
   前記パケット通信セッション確立判断部により前記パケット通信セッションを確立すべきと判断された場合に、前記端末装置から前記パケット通信セッションの確立を要求させるパケット通信セッション確立指令を前記端末装置に通知するパケット通信セッション確立指令部と、
   前記端末装置との間で確立されたパケット通信セッションを介してテキスト／画像をパケットデータとして送受信するパケット送受信部と、
   前記音声ガイダンスのガイダンスシナリオ上の遷移状態および前記テキスト／画像のガイダンスシナリオ上の遷移状態をそれぞれ保持するガイダンス遷移状態保持部と、
   前記ガイダンス遷移状態保持部により保持される前記遷移状態に従って、前記端末装置に対し、前記音声送受信部により前記音声ガイダンスを、および前記パケット送受信部により前記テキスト／画像を、それぞれ送信制御するガイダンス送信制御部と、
   前記端末装置から、前記音声送受信部により前記音声ガイダンスに対する応答音声信号を、または、前記パケット送受信部により前記テキスト／画像に対する応答パケットデータを、受信制御する応答受信制御部と、
   前記応答音声信号および前記応答パケットデータのいずれか一方が受信されると、前記ガイダンス遷移状態保持部により保持され、受信された応答音声信号または応答パケットデータに対応する一方の遷移状態を進行させると共に、他方の遷移状態を、進行させた前記一方の遷移状態と一致させるべく進行させるガイダンス同期制御部と、
   を具備し、
   前記パケット通信セッション確立指令部は、前記ガイダンスシナリオ上の前記遷移状態の変化に対応して、前記端末装置に通知される前記パケット通信セッション確立指令を、前記音声通信セッションを介して前記端末装置へプッシュ通知する
   ことを特徴とする音声ガイダンスサーバ。
2. 前記ガイダンス同期制御部は、前記パケット通信セッション確立指令部により通知された前記パケット通信セッション確立指令に応答して前記端末装置により確立されたパケット通信セッションと、前記予め確立された音声通信セッションとをそれぞれ介した前記テキスト／画像および前記音声ガイダンスの前記ガイダンスシナリオ上の前記遷移状態を同期させることを特徴とする請求項１に記載の音声ガイダンスサーバ。
3. 前記パケット通信セッション確立判断部は、前記音声通信セッションを介して前記端末装置に送信された前記音声ガイダンスに応答して、前記端末装置から受信される前記応答音声信号が、所定回数以上、前記ガイダンスシナリオ上の入力誤りと判断される場合には、前記パケット通信セッションを確立すべきと判断することを特徴とする請求項１又は２に記載の音声ガイダンスサーバ。
4. 前記端末装置に対して、前記ガイダンスシナリオ上の前記遷移状態の進行を通知する遷移状態進行通知部をさらに具備することを特徴とする請求項１乃至請求項３のいずれか１項に記載の音声ガイダンスサーバ。
5. 前記ガイダンス同期制御部は、前記応答音声信号および前記応答パケットデータのいずれか一方が受信されると、前記ガイダンス遷移状態保持部により保持され、受信された応答音声信号または応答パケットデータに対応する一方の遷移状態を進行させると共に、他方の遷移状態は、前記一方の遷移状態が複数回進行した後に、複数回進行させた前記一方の遷移状態と一致させるべく進行させることを特徴とする請求項１乃至請求項４のいずれか１項に記載の音声ガイダンスサーバ。
6. 端末装置へ対話式で音声ガイダンスを提供可能な音声ガイダンスサーバであって、
   前記端末装置との間で音声通信セッションを介して音声ガイダンスを音声信号として送受信する音声送受信部と、
   前記端末装置と自サーバとの間に、予め確立された音声通信セッションに加えてパケット通信セッションを確立すべきか否かを判断するパケット通信セッション確立判断部と、
   前記パケット通信セッション確立判断部により前記パケット通信セッションを確立すべきと判断された場合に、前記端末装置から前記パケット通信セッションの確立を要求させるパケット通信セッション確立指令を前記端末装置に通知するパケット通信セッション確立指令部と、
   前記端末装置との間でパケット通信セッションを介してテキスト／画像をパケットデータとして送受信するパケット送受信部と、
   前記音声ガイダンスおよび前記テキスト／画像のガイダンスシナリオ上の遷移状態をそれぞれ保持するガイダンス遷移状態保持部と、
   前記ガイダンス遷移状態保持部により保持される前記遷移状態に従って、前記端末装置に対し、前記音声送受信部により前記音声ガイダンスを、および前記パケット送受信部により前記テキスト／画像を、それぞれ送信制御するガイダンス送信制御部と、
   前記端末装置から、前記音声送受信部により前記音声ガイダンスに対する応答音声信号を、または、前記パケット送受信部により前記テキスト／画像に対する応答パケットデータを、受信制御する応答受信制御部と、
   前記応答音声信号および前記応答パケットデータのいずれか一方が受信されると、前記ガイダンス遷移状態保持部により保持され、受信された応答音声信号または応答パケットデータに対応する一方の遷移状態を進行させると共に、他方の遷移状態を、進行させた前記一方の遷移状態と一致させるべく進行させるガイダンス同期制御部と、
   を具備し、
   前記ガイダンス同期制御部は、前記パケット通信セッション確立指令部により通知された前記パケット通信セッション確立指令に応答して前記端末装置により確立されたパケット通信セッションと、前記予め確立された音声通信セッションとをそれぞれ介した前記テキスト／画像および前記音声ガイダンスの前記ガイダンスシナリオ上の前記遷移状態を同期させ、
   前記パケット通信セッション確立判断部は、前記音声通信セッションを介して前記端末装置に送信された前記音声ガイダンスに応答して、前記端末装置から受信される前記応答音声信号が、所定回数以上、前記ガイダンスシナリオ上の入力誤りと判断される場合には、前記パケット通信セッションを確立すべきと判断する
   ことを特徴とする音声ガイダンスサーバ。
7. 端末装置へ対話式で音声ガイダンスを提供可能な音声ガイダンスサーバであって、
   前記端末装置との間で音声通信セッションを介して音声ガイダンスを音声信号として送受信する音声送受信部と、
   前記端末装置との間でパケット通信セッションを介してテキスト／画像をパケットデータとして送受信するパケット送受信部と、
   前記音声ガイダンスおよび前記テキスト／画像のガイダンスシナリオ上の遷移状態をそれぞれ保持するガイダンス遷移状態保持部と、
   前記ガイダンス遷移状態保持部により保持される前記遷移状態に従って、前記端末装置に対し、前記音声送受信部により前記音声ガイダンスを、および前記パケット送受信部により前記テキスト／画像を、それぞれ送信制御するガイダンス送信制御部と、
   前記端末装置から、前記音声送受信部により前記音声ガイダンスに対する応答音声信号を、または、前記パケット送受信部により前記テキスト／画像に対する応答パケットデータを、受信制御する応答受信制御部と、
   前記応答音声信号および前記応答パケットデータのいずれか一方が受信されると、前記ガイダンス遷移状態保持部により保持され、受信された応答音声信号または応答パケットデータに対応する一方の遷移状態を進行させると共に、他方の遷移状態を、進行させた前記一方の遷移状態と一致させるべく進行させるガイダンス同期制御部と、
   前記音声通信セッションが確立される前に、前記パケット送受信部により前記パケット通信セッションを介して前記端末装置から前記端末装置の識別子が受信された場合に、受信された識別子を有する端末装置に対して前記音声送受信部により音声通話発信を行うことにより、前記端末装置への音声通信セッションを確立する音声通信セッション確立部と、
   を具備し、
   前記ガイダンス同期制御部は、前記音声通信セッション確立部により前記端末装置に対して確立された音声通信セッションと、前記端末装置に対して予め確立されたパケット通信セッションとをそれぞれ介した前記音声ガイダンスおよび前記テキスト／画像の前記ガイダンスシナリオ上の前記遷移状態を同期させる
   ことを特徴とする音声ガイダンスサーバ。
8. 端末装置へ対話式で音声ガイダンスを提供可能な音声ガイダンスサーバであって、
   前記端末装置との間で音声通信セッションを介して音声ガイダンスを音声信号として送受信する音声送受信部と、
   前記端末装置との間でパケット通信セッションを介してテキスト／画像をパケットデータとして送受信するパケット送受信部と、
   前記音声ガイダンスおよび前記テキスト／画像のガイダンスシナリオ上の遷移状態をそれぞれ保持するガイダンス遷移状態保持部と、
   前記ガイダンス遷移状態保持部により保持される前記遷移状態に従って、前記端末装置に対し、前記音声送受信部により前記音声ガイダンスを、および前記パケット送受信部により前記テキスト／画像を、それぞれ送信制御するガイダンス送信制御部と、
   前記端末装置から、前記音声送受信部により前記音声ガイダンスに対する応答音声信号を、または、前記パケット送受信部により前記テキスト／画像に対する応答パケットデータを、受信制御する応答受信制御部と、
   前記応答音声信号および前記応答パケットデータのいずれか一方が受信されると、前記ガイダンス遷移状態保持部により保持され、受信された応答音声信号または応答パケットデータに対応する一方の遷移状態を進行させると共に、他方の遷移状態を、進行させた前記一方の遷移状態と一致させるべく進行させるガイダンス同期制御部と、
   前記端末装置に対して、前記ガイダンスシナリオ上の前記遷移状態の進行を通知する遷移状態進行通知部と、
   を具備することを特徴とする音声ガイダンスサーバ。
9. 端末装置へ対話式で音声ガイダンスを提供可能な音声ガイダンスサーバであって、
   前記端末装置との間で音声通信セッションを介して音声ガイダンスを音声信号として送受信する音声送受信部と、
   前記端末装置との間でパケット通信セッションを介してテキスト／画像をパケットデータとして送受信するパケット送受信部と、
   前記音声ガイダンスおよび前記テキスト／画像のガイダンスシナリオ上の遷移状態をそれぞれ保持するガイダンス遷移状態保持部と、
   前記ガイダンス遷移状態保持部により保持される前記遷移状態に従って、前記端末装置に対し、前記音声送受信部により前記音声ガイダンスを、および前記パケット送受信部により前記テキスト／画像を、それぞれ送信制御するガイダンス送信制御部と、
   前記端末装置から、前記音声送受信部により前記音声ガイダンスに対する応答音声信号を、または、前記パケット送受信部により前記テキスト／画像に対する応答パケットデータを、受信制御する応答受信制御部と、
   前記応答音声信号および前記応答パケットデータのいずれか一方が受信されると、前記ガイダンス遷移状態保持部により保持され、受信された応答音声信号または応答パケットデータに対応する一方の遷移状態を進行させると共に、他方の遷移状態を、進行させた前記一方の遷移状態と一致させるべく進行させるガイダンス同期制御部と、を具備し、
   前記ガイダンス同期制御部は、前記応答音声信号および前記応答パケットデータのいずれか一方が受信されると、前記ガイダンス遷移状態保持部により保持され、受信された応答音声信号または応答パケットデータに対応する一方の遷移状態を進行させると共に、他方の遷移状態は、前記一方の遷移状態が複数回進行した後に、複数回進行させた前記一方の遷移状態と一致させるべく進行させることを特徴とする音声ガイダンスサーバ。
10. 端末装置へ対話式で音声ガイダンスを提供可能とする音声ガイダンスサーバを用いた音声ガイダンス方法であって、
    前記音声ガイダンスサーバは、
    前記端末装置との間で音声通信セッションを介して音声ガイダンスを音声信号として送受信する音声送受信部と、
    前記端末装置と自サーバとの間に、予め確立された音声通信セッションに加えてパケット通信セッションを確立すべきか否かを判断するパケット通信セッション確立判断部と、
    前記パケット通信セッション確立判断部により前記パケット通信セッションを確立すべきと判断された場合に、前記端末装置から前記パケット通信セッションの確立を要求させるパケット通信セッション確立指令を前記端末装置に通知するパケット通信セッション確立指令部と、
    前記端末装置との間で確立されたパケット通信セッションを介してテキスト／画像をパケットデータとして送受信するパケット送受信部と、
    前記音声ガイダンスのガイダンスシナリオ上の遷移状態および前記テキスト／画像のガイダンスシナリオ上の遷移状態をそれぞれ保持するガイダンス遷移状態保持部と、を具備すると共に、
    前記音声送受信部が、前記端末装置との間で前記音声通信セッションを介して前記音声信号を送受信する音声送受信ステップと、
    前記パケット通信セッション確立判断部が、前記端末装置と自サーバとの間に、予め確立された音声通信セッションに加えてパケット通信セッションを確立すべきか否かを判断するパケット通信セッション確立判断ステップと、
    前記パケット通信セッション確立指令部が、前記パケット通信セッション確立判断ステップにおいて前記パケット通信セッションを確立すべきと判断された場合に、前記端末装置から前記パケット通信セッションの確立を要求させるパケット通信セッション確立指令を前記端末装置に通知するパケット通信セッション確立指令ステップと、
    前記パケット送受信部が、前記端末装置との間で確立されたパケット通信セッションを介してパケットデータを送受信するパケット送受信ステップと、
    前記音声ガイダンスのガイダンスシナリオ上の遷移状態および前記テキスト／画像のガイダンスシナリオ上の遷移状態をそれぞれ保持するガイダンス遷移状態保持ステップと、
    前記ガイダンス遷移状態保持ステップにより保持される前記遷移状態に従って、前記端末装置に対し、前記音声送受信部により前記音声ガイダンスを、および前記パケット送受信部により前記テキスト／画像を、それぞれ送信制御するガイダンス送信制御ステップと、
    前記端末装置から、前記音声送受信部により前記音声ガイダンスに対する応答音声信号を、または、前記パケット送受信部により前記テキスト／画像に対する応答パケットデータを、受信制御する応答受信制御ステップと、
    前記応答音声信号および前記応答パケットデータのいずれか一方が受信されると、前記ガイダンス遷移状態保持ステップにより保持され、受信された応答音声信号または応答パケットデータに対応する一方の遷移状態を進行させると共に、他方の遷移状態を、進行させた前記一方の遷移状態と一致させるべく進行させるガイダンス同期制御ステップと、を含み、
    前記パケット通信セッション確立指令ステップにおいて、前記ガイダンスシナリオ上の前記遷移状態の変化に対応して、前記端末装置に通知される前記パケット通信セッション確立指令を、前記音声通信セッションを介して前記端末装置へプッシュ通知する
    ことを特徴とする音声ガイダンス方法。
11. 音声ガイダンスサーバとして機能するコンピュータを、端末装置へ対話式で音声ガイダンスを提供可能に動作させる音声ガイダンスプログラムであって、
    前記端末装置との間で音声通信セッションを介して音声信号を送受信する音声送受信処理と、
    前記端末装置と自サーバとの間に、予め確立された音声通信セッションに加えてパケット通信セッションを確立すべきか否かを判断するパケット通信セッション確立判断処理と、
    前記パケット通信セッション確立判断処理において前記パケット通信セッションを確立すべきと判断された場合に、前記端末装置から前記パケット通信セッションの確立を要求させるパケット通信セッション確立指令を前記端末装置に通知するパケット通信セッション確立指令処理と、
    前記端末装置との間で確立されたパケット通信セッションを介してパケットデータを送受信するパケット送受信処理と、
    前記音声ガイダンスのガイダンスシナリオ上の遷移状態およびテキスト／画像のガイダンスシナリオ上の遷移状態をそれぞれ保持するガイダンス遷移状態保持処理と、
    前記ガイダンス遷移状態保持処理により保持される前記遷移状態に従って、前記端末装置に対し、前記音声送受信処理により前記音声ガイダンスを、および前記パケット送受信処理により前記テキスト／画像を、それぞれ送信制御するガイダンス送信制御処理と、
    前記端末装置から、前記音声送受信処理により前記音声ガイダンスに対する応答音声信号を、または、前記パケット送受信処理により前記テキスト／画像に対する応答パケットデータを、受信制御する応答受信制御処理と、
    前記応答音声信号および前記応答パケットデータのいずれか一方が受信されると、前記ガイダンス遷移状態保持処理により保持され、受信された応答音声信号または応答パケットデータに対応する一方の遷移状態を進行させると共に、他方の遷移状態を、進行させた前記一方の遷移状態と一致させるべく進行させるガイダンス同期制御処理と、を含み、
    前記パケット通信セッション確立指令処理において、前記ガイダンスシナリオ上の前記遷移状態の変化に対応して、前記端末装置に通知される前記パケット通信セッション確立指令を、前記音声通信セッションを介して前記端末装置へプッシュ通知することを特徴とする音声ガイダンスプログラム。
12. 端末装置と、
    前記端末装置へ対話式で音声ガイダンスを提供可能な音声ガイダンスサーバと、
    前記端末装置と前記音声ガイダンスサーバとの間を音声通信接続する音声ネットワークと、
    前記端末装置と前記音声ガイダンスサーバとの間をパケット通信接続するパケットネットワークと、を備えた音声ガイダンスシステムであって、
    前記音声ガイダンスサーバは、
    前記端末装置との間で音声通信セッションを介して音声信号を送受信する音声送受信部と、
    前記端末装置と自サーバとの間に、予め確立された音声通信セッションに加えてパケット通信セッションを確立すべきか否かを判断するパケット通信セッション確立判断部と、
    前記パケット通信セッション確立判断部により前記パケット通信セッションを確立すべきと判断された場合に、前記端末装置から前記パケット通信セッションの確立を要求させるパケット通信セッション確立指令を前記端末装置に通知するパケット通信セッション確立指令部と、
    前記端末装置との間で確立されたパケット通信セッションを介してパケットデータを送受信するパケット送受信部と、
    前記音声ガイダンスのガイダンスシナリオ上の遷移状態およびテキスト／画像のガイダンスシナリオ上の遷移状態をそれぞれ保持するガイダンス遷移状態保持部と、
    前記ガイダンス遷移状態保持部により保持される前記遷移状態に従って、前記端末装置に対し、前記音声送受信部により前記音声ガイダンスを、および前記パケット送受信部により前記テキスト／画像を、それぞれ送信制御するガイダンス送信制御部と、
    前記端末装置から、前記音声送受信部により前記音声ガイダンスに対する応答音声信号を、または、前記パケット送受信部により前記テキスト／画像に対する応答パケットデータを、受信制御する応答受信制御部と、
    前記応答音声信号および前記応答パケットデータのいずれか一方が受信されると、前記ガイダンス遷移状態保持部により保持され、受信された応答音声信号または応答パケットデータに対応する一方の遷移状態を進行させると共に、他方の遷移状態を、進行させた前記一方の遷移状態と一致させるべく進行させるガイダンス同期制御部と、
    を具備し、
    前記パケット通信セッション確立指令部は、前記ガイダンスシナリオ上の前記遷移状態の変化に対応して、前記端末装置に通知される前記パケット通信セッション確立指令を、前記音声通信セッションを介して前記端末装置へプッシュ通知する
    ことを特徴とする音声ガイダンスシステム。

Images