JP6171511B2 - 制御装置、画像形成装置、携帯端末装置、制御方法、および制御プログラム - Google Patents

Description

この発明は制御装置、画像形成装置、端末装置、制御方法、および制御プログラムに関し、特に、音声にて指示可能な画像形成装置の制御装置、画像形成装置、端末装置、制御方法、および制御プログラムに関する。

プリンターやファクシミリや、それらの複合機であるＭＦＰ（Multi-Functional Peripheral）などの画像形成装置に対する指示を音声にて行なう操作方法がある。一例として、画像形成装置がマイクを備え、そのマイクで入力した音声を音声認識機能を用いて認識してコマンドに変換し、画像形成処理が行なわれる。

特開２００４−２２６４８９号公報

しかしながら、画像形成装置が設置されている環境等によっては、音声認識の精度が低下することがあるという問題があった。たとえば、画像形成装置が工場やイベント会場などの騒音の多い環境に設置されていたり、画像形成装置が音の伴う動作を行なっている最中であったりすると、画像形成を指示する音声と共にノイズが入力されて、音声認識の精度が低下してしまう。

画像形成装置自体の発する音に関しては、特開２００４−２２６４８９号公報（特許文献１）は、音声認識作業の要求を受け付けると印刷動作を中断することで音声認識率の低下を防ぐ技術を開示しているが、印刷中のジョブ処理を中断することから、作業効率が低下してしまうことになる。

本発明はこのような問題に鑑みてなされたものであって、音声にて操作可能な画像形成装置において、音声による指示の精度を容易に向上させることのできる制御装置、画像形成装置、端末装置、制御方法、および制御プログラムを提供することを目的としている。

上記目的を達成するために、本発明のある局面に従うと、制御装置は画像形成装置の制御装置であって、画像形成装置に接続されたマイクから入力された音声を表わす第１の音声信号の入力を受け付けるための第１の音声入力手段と、携帯端末装置と通信するための通信手段と、携帯端末装置と通信して、携帯端末装置に接続されたマイクから入力された音声を表わす第２の音声信号の入力を受け付けるための第２の音声入力手段と、音声信号に基づく音声認識を行なうための音声認識手段と、音声認識手段での認識結果に関連付けられている画像処理を特定して、画像形成装置に画像処理を実行するよう制御するための制御手段と、制御手段が、第１の音声信号に基づく音声認識の結果を用いて画像形成装置を制御するか、第２の音声信号に基づく音声認識の結果を用いて画像形成装置を制御するか、を判断するための判断手段とを備える。制御手段は、第１の音声信号に基づく音声認識が成功の場合には第１の音声信号に基づく音声認識の結果を用いて画像形成装置を制御し、不成功の場合には第２の音声信号に基づく音声認識を行ない、この音声認識の結果を用いて画像形成装置を制御する。

好ましくは、判断手段は、さらに、音声認識手段での第１の音声信号に基づく音声認識に先だって、第１の音声信号に基づく音声認識の実行の適否を判断する。第１の音声信号に基づく音声認識の実行が適切でないと判断された場合に、制御手段は第２の音声信号に基づく音声認識の結果を用いて画像形成装置を制御する。

より好ましくは、判断手段は、第１の音声信号に含まれるノイズが規定量以上であるか否かを判断することで第１の音声信号に基づく音声認識の実行の適否を判断する。

好ましくは、判断手段は、画像形成装置に備えられるマイクで音声入力を受け付ける際に画像形成装置で実行中の画像処理に基づいて第１の音声信号に基づく音声認識の実行の適否を判断する。

好ましくは、判断手段が、制御手段が第２の音声信号に基づく音声認識の結果を用いて画像形成装置を制御すると判断した場合、通信手段は端末装置との通信を確立して、第２の音声入力手段が第２の音声信号の入力を受け付ける。

好ましくは、判断手段は、制御手段が第２の音声信号に基づく音声認識の結果を用いて画像形成装置を制御すると判断した場合、さらに、第２の音声信号に含まれるノイズが規定量以上であるか否かを判断し、通信手段は、第２の音声信号に含まれるノイズが規定量以上であった場合に、予め記憶しているメッセージを端末装置に対して送信する。

本発明の他の局面に従うと、画像形成装置は、接続されたマイクから入力された音声を表わす第１の音声信号の入力を受け付けるための第１の音声入力手段と、携帯端末装置と通信するための通信手段と、携帯端末装置と通信して、携帯端末装置に接続されたマイクから入力された音声を表わす第２の音声信号の入力を受け付けるための第２の音声入力手段と、音声信号に基づく音声認識を行なうための音声認識手段と、音声認識手段での認識結果に関連付けられている画像処理を特定して、特定された画像処理を実行するための実行手段と、実行手段が、第１の音声信号に基づく音声認識の結果から特定される画像処理を実行するか、第２の音声信号に基づく音声認識の結果から特定される画像処理を実行するか、を判断するための判断手段とを備える。実行手段は、第１の音声信号に基づく音声認識が成功の場合には第１の音声信号に基づく音声認識の結果から特定される画像処理を実行し、不成功の場合には第２の音声信号に基づく音声認識を行ない、この音声認識の結果から特定される画像処理を実行する。

本発明のさらに他の局面に従うと、画像形成装置と通信可能な携帯端末装置が提供される。この携帯端末装置は、画像形成装置と通信し、画像形成装置に接続されたマイクから入力された音声を表わす第１の音声信号の入力を受け付けるための音声入力手段と、接続されたマイクから入力された音声を表わす第２の音声信号に基づく音声認識を行なうための音声認識手段と、第１の音声信号に基づく音声認識の結果を用いて画像形成装置を制御するか、第２の音声信号に基づく音声認識の結果を用いて画像形成装置を制御するか、を判断するための判断手段と、音声認識手段での認識結果に関連付けられている画像処理を特定して、画像形成装置に画像処理を実行するよう制御信号を出力するための制御手段とを備える。制御手段は、第１の音声信号に基づく音声認識が成功の場合には第１の音声信号に基づく音声認識の結果を用いて画像形成装置を制御し、不成功の場合には第２の音声信号に基づく音声認識を行ない、この音声認識の結果を用いて画像形成装置を制御する。

本発明のさらに他の局面に従うと、制御方法は音声を用いた画像形成装置の制御方法であって、画像形成装置に接続されたマイクから入力された音声を表わす第１の音声信号の入力を受け付けるステップと、第１の音声信号に基づく音声認識を行なうステップと、第１の音声信号に基づく音声認識が成功の場合に、第１の音声信号に基づく音声認識の結果に関連付けられている画像処理を特定して、画像形成装置に画像処理を実行させるステップと、第１の音声信号に基づく音声認識が不成功の場合に、携帯端末装置と通信して、前記携帯端末装置に接続されたマイクから入力された音声を表わす第２の音声信号の入力を受け付けるステップと、第２の音声信号に基づく音声認識を行なうステップと、第２の音声信号に基づく音声認識の結果に関連付けられている画像処理を特定して、画像形成装置に画像処理を実行させるステップとを備える。

本発明のさらに他の局面に従うと、制御プログラムはコンピューターに画像形成装置の制御を行なわせるためのプログラムであって、画像形成装置に接続されたマイクから入力された音声を表わす第１の音声信号の入力を受け付けるステップと、第１の音声信号に基づく音声認識を行なうステップと、第１の音声信号に基づく音声認識が成功の場合に、第１の音声信号に基づく音声認識の結果に関連付けられている画像処理を特定して、画像形成装置に画像処理を実行させるステップと、第１の音声信号に基づく音声認識が不成功の場合に、携帯端末装置と通信して、携帯端末装置に接続されたマイクから入力された音声を表わす第２の音声信号の入力を受け付けるステップと、第２の音声信号に基づく音声認識を行なうステップと、第２の音声信号に基づく音声認識の結果に関連付けられている画像処理を特定して、画像形成装置に画像処理を実行させるステップとをコンピューターに実行させる。

本発明のさらに他の局面に従うと、コンピューターに携帯端末装置の制御を行なわせるためのプログラムが提供される。このプログラムは、画像形成装置と通信し、画像形成装置に接続されたマイクから入力された音声を表わす第１の音声信号の入力を受け付けるステップと、携帯端末装置に接続されたマイクから入力された音声を表わす第２の音声信号の入力を受け付けるステップと、第１の音声信号に基づく音声認識の結果を用いて画像形成装置を制御するか、第２の音声信号に基づく音声認識の結果を用いて画像形成装置を制御するか、を判断するステップと、音声認識の結果に関連付けられている画像処理を特定して、画像形成装置に画像処理を実行するよう制御信号を出力するステップとをコンピューターに実行させる。制御信号を出力するステップでは、第１の音声信号に基づく音声認識が成功の場合には第１の音声信号に基づく音声認識の結果を用いて画像形成装置を制御し、不成功の場合には第２の音声信号に基づく音声認識を行ない、この音声認識の結果を用いて画像形成装置を制御する。

この発明によると、音声にて操作可能な画像形成装置において、音声による指示の精度を容易に向上させることができる。

実施の形態にかかる画像処理システムの構成の具体例を示す図である。 画像処理システムに含まれるＭＦＰ（Multi-Functional Peripheral）のハードウェア構成の具体例を示す図である。 画像処理システムに含まれる端末装置のハードウェア構成の具体例を示す図である。 画像処理システムでの動作概要を表わした図である。 ＭＦＰの機能構成の具体例を示すブロック図である。 ＭＦＰでの動作の流れの具体例を表わしたフローチャートである。 ＭＦＰでの動作の流れの具体例を表わしたフローチャートである。 図６のステップＳ１２３での、音声入力を切り替える処理の具体例を表わしたフローチャートである。 変形例にかかるＭＦＰの動作の、第１の例を表わしたフローチャートである。 変形例にかかるＭＦＰの動作の、第１の例を表わしたフローチャートである。 変形例にかかるＭＦＰの動作の、第２の例を表わしたフローチャートである。 変形例にかかるＭＦＰの動作の、第２の例を表わしたフローチャートである。

以下に、図面を参照しつつ、本発明の実施の形態について説明する。以下の説明では、同一の部品および構成要素には同一の符号を付してある。それらの名称および機能も同じである。したがって、これらの説明は繰り返さない。

＜システム構成＞
図１は、本実施の形態にかかる画像処理システムの構成の具体例を示す図である。

図１を参照して、本実施の形態にかかる画像処理システムは、画像形成装置の一例としてのＭＦＰ（Multi-Function Peripheral）１００と、端末装置の一例としての端末装置３００とを含む。これらは、ＬＡＮ（Local Area Network）などのネットワークで接続されている。画像処理システムは、図示されたように、さらにサーバー５００を含んでもよい。

ネットワークは有線であっても無線であってもよい。一例として、図１に示されるように、ＭＦＰ１００とサーバー５００とが有線ＬＡＮに接続され、端末装置３００が無線で接続されている例が挙げられる。

ＭＦＰ１００は、画像形成機能を実現するための構成と、音声入力を受け付ける機能を実現するための構成としての音声入力装置（マイク）とを含む（図２）。本実施の形態にかかる画像処理システムに含まれる画像形成装置は、少なくともこれら機能を有するものであればＭＦＰに限定されない。なお、音声入力を受け付ける機能を実現するための構成は、音声入力装置に限定されず、接続された音声入力装置から入力される音声信号を処理する処理装置も含む。後述する端末装置３００でも同様である。

端末装置３００は、携帯電話機や、スマートフォンなどと言われる携帯端末などであってよい。端末装置３００は、音声入力を受け付ける機能を実現するための構成としての音声入力装置（マイク）と、情報を出力する機能を実現するための構成として表示装置（タッチパネル）や音声出力装置（スピーカー）とを含む（図３）。本実施の形態にかかる画像処理システムに含まれる端末装置は、少なくともこれら機能を有し、ユーザーが持ち運び可能なサイズであればどのような装置であってもよい。

＜ＭＦＰの構成＞
図２は、ＭＦＰ１００のハードウェア構成の具体例を示す図である。

図２を参照して、ＭＦＰ１００は、ＭＦＰ１００の制御装置として機能する演算装置であるＣＰＵ（Central Processing Unit）１０と、メモリーとしての、ＣＰＵ１０で実行されるプログラムなどを記憶するためのＲＯＭ（Read Only Memory）１１、ＣＰＵ１０でプログラムを実行する際の作業領域として機能するためのＲＡＭ（Random Access Memory）１２、および画像データーなどを保存するためのＨＤ（ハードディスク）１６と、図示しない原稿台に載置された原稿を光学的に読み取って画像データーを得るためのスキャナー１３と、画像データーを印刷用紙上に固定するためのプリンター１４と、表示装置および入力装置である操作パネル１５と、上記ネットワークを介した通信を制御するためのネットワークコントローラー１７と、マイク１８とを含む。

操作パネル１５は、図示しないタッチパネルと操作キー群とを含む。タッチパネルは、液晶表示装置などの表示装置と光学式タッチパネルや静電容量タッチパネルなどの位置指示装置とが重なって構成され、操作画面を表示して、その操作画面上の指示位置を特定する。ＣＰＵ１０は予め記憶されている画面表示をさせるためのデーターに基づいてタッチパネルに操作画面を表示させる。

特定されたタッチパネル上での指示位置（タッチされた位置）や、押下されたキーを示す操作信号はＣＰＵ１０に入力される。ＣＰＵ１０は押下されたキー、または表示している操作画面と指示位置とから操作内容を特定し、それに基づいて処理を実行する。

＜端末装置の構成＞
図３は、端末装置３００のハードウェア構成の具体例を示す図である。

図３を参照して、端末装置３００は、全体を制御するための演算装置であるＣＰＵ３０と、メモリーとしての、ＣＰＵ３０で実行されるプログラムなどを記憶するためのＲＯＭ３１、およびＣＰＵ３０でプログラムを実行する際の作業領域として機能するためのＲＡＭ３２と、マイク３３と、スピーカー３４と、表示装置および入力装置であるタッチパネル３５と、上記ネットワークを介した通信を制御するためネットワークコントローラー３６とを含む。

端末装置３００は、上述のように携帯電話機やスマートフォンなどのような電話機能を有する場合には、図３の装置構成に加えて、電話機能を実現するための構成をさらに含む。

＜サーバーの構成＞
サーバー５００は、パーソナルコンピューター等の、通常のコンピューターで実現することができる。そのため、そのハードウェア構成は、通常のコンピューターのハードウェア構成と同様とすることができる。そこで、ここでは、その構成の詳細な説明は行なわない。

＜動作概要＞
ユーザーは、本実施の形態にかかる画像処理システムを用いてＭＦＰ１００に画像処理を実行させる際に、音声で指示する。すなわち、第１のステップとして、ユーザーは、ＭＦＰ１００に対して「コピー開始」などと音声で指示する。ＭＦＰ１００は、入力された「コピー開始」の音声に従って画像処理を実行する。

ＭＦＰ１００が工場やイベント会場などの騒音の多い環境に設置されていたり、ＭＦＰ１００が音の伴う動作を行なっている最中であったりすると、「コピー開始」の音声と共にノイズが入力されることがある。ノイズによって「コピー開始」の音声が適切に認識されないと、ＭＦＰ１００は、ユーザーの指示した画像処理を実行しない。

そこで、本実施の形態にかかる画像処理システムでは、ＭＦＰ１００以外の他の装置である端末装置３００でも音声の入力を受け付ける。ＭＦＰ１００で入力を受け付けた音声を第１の音声（第１の音声信号）とし、端末装置３００で入力を受け付けた音声を第２の音声（第２の音声信号）とする。詳しくは、本実施の形態にかかる画像処理システムは、ＭＦＰ１００に入力された第１の音声の認識結果が画像処理の指示として適切でない場合には音声認識が不成功であったものとする。このとき、画像処理システムは、第２の音声を入力可能な状態として第２の音声の入力を受け付ける。そして、ＭＦＰ１００は、第２の音声に従って画像処理を実行する。

上記の動作を行なうため、本実施の形態にかかる画像処理システムは音声認識機能を備える。一例として、サーバー５００が音声認識機能を含む。もちろん、サーバー５００に替ってＭＦＰ１００が、または、端末装置３００が、音声認識機能を含んでもよい。

図４は、画像処理システムでの動作概要を表わした図である。図４を参照して、ＭＦＰ１００は、マイク１８で音声（第１の音声）の入力を受け付けると（ステップＳ１）、その音声を表わす音声信号（第１の音声信号）をサーバー５００に送信する（ステップＳ２）。サーバー５００は、第１の音声信号に基づく音声識別を実行し（ステップＳ３）、音声認識の結果をＭＦＰ１００に返す（ステップＳ４）。サーバー５００は、上記ステップＳ３で一例として音声をテキストに変換し、ステップＳ４で音声認識の結果として上記テキストをＭＦＰ１００に送信する。

ＭＦＰ１００は、第１の音声信号に基づく音声識別の結果（上記テキスト）を用いて画像処理を実行するか、端末装置３００で入力を受け付けた音声を表わす第２の音声信号に基づく音声識別の結果を用いて画像処理を実行するかを判断する（ステップＳ５）。ＭＦＰ１００は、予め、実行可能な画像処理について、その画像処理を実行させるためのコマンドに関連付けてキーワードを記憶しておく。たとえば、ＭＦＰ１００は、画像処理であるコピー処理を実行させるためのコマンドに関連付けて、「コピー開始」、「コピー実行」、「コピースタート」、「複写開始」、などのキーワードを記憶しておく。ＭＦＰ１００は、上記ステップＳ５で、受信したテキストが記憶しているキーワードと一致するか否かを検索する。一致するキーワードがあった場合、ＭＦＰ１００は、音声認識が成功と判断する。そして、この場合、ＭＦＰ１００は、第１の音声信号に基づく音声識別の結果（上記テキスト）を用いて画像処理を実行すると判断する。

上記ステップＳ５で、受信したテキストと一致するキーワードがなかった場合、ＭＦＰ１００は、音声認識が不成功と判断する。そして、この場合、ＭＦＰ１００は、第２の音声信号に基づく音声識別の結果（端末装置３００で受け付けた音声の認識結果）を用いて画像処理を実行すると判断する。好ましくは、ＭＦＰ１００は、音声認識が不成功と判断すると、再度、マイク１８で音声（第１の音声）の入力を受け付ける。そして、好ましくは、ＭＦＰ１００は、予め規定された回数、音声認識が不成功であった場合に、第２の音声信号に基づく音声識別の結果（端末装置３００で受け付けた音声の認識結果）を用いて画像処理を実行すると判断する。

第２の音声信号に基づく音声識別の結果を用いて画像処理を実行すると判断すると、ＭＦＰ１００は、自動的に端末装置３００との間の通信を確立する（ステップＳ６）。このとき、ＭＦＰ１００は、マイク１８が音声入力を受け付けない状態となるようにマイク１８をＯＦＦとしてもよいし、マイク１８は音声入力を受け付け可能な状態としたままでマイク１８からの音声信号を処理しないようにしてもよい。

上記ステップＳ６で、詳しくは、ＭＦＰ１００は、端末装置３００に対する通信を開始して、端末装置３００からの音声信号の送信を待機する。ＭＦＰ１００から端末装置３００に対する通信は、上記ネットワークを介して端末装置３００に対して信号（リクエスト）を送信することであってもよいし、双方が電話機能を有する場合には、ＭＦＰ１００から端末装置３００に対して架電することであってもよい。ＭＦＰ１００から端末装置３００に対する通信は、好ましくは、端末装置３００のユーザーに対して音声入力を促すメッセージを含む。このメッセージは音声であってもテキストであってもよい。たとえば、ＭＦＰ１００は端末装置３００に対して「端末装置から、もう一度、音声で指示して下さい」などの音声データーを送信し、端末装置３００のスピーカー３４からこの音声が出力されてもよい。

なお、ＭＦＰ１００と端末装置３００との間の通信の確立は、上記のように、ＭＦＰ１００から端末装置３００に対して要求されることで確立するものの他、その逆も含む。たとえば、ＭＦＰ１００は、第２の音声信号に基づく音声識別の結果を用いて画像処理を実行すると、端末装置３００に対して、「ＭＦＰに電話をかけてください」などの音声データーを送信して、通信を終了してもよい。そして、端末装置３００からＭＦＰ１００に対して架電することでＭＦＰ１００と端末装置３００との間の通信が確立してもよい。

端末装置３００は、マイク３３で音声（第２の音声）の入力を受け付けると（ステップＳ７）、その音声を表わす音声信号（第２の音声信号）をサーバー５００に送信する（ステップＳ８）。サーバー５００は、上記ステップＳ４と同様にして第２の音声信号に基づく音声識別を実行し（ステップＳ９）、音声認識の結果（テキスト）をＭＦＰ１００に返す（ステップＳ１０）。ＭＦＰ１００は、サーバー５００から受信した、第２の音声信号に基づく音声識別の結果（端末装置３００で受け付けた音声の認識結果）を用いて画像処理を実行する（ステップＳ１１）。

なお、ＭＦＰ１００は、好ましくは、第２の音声信号に基づく音声識別の結果（端末装置３００で受け付けた音声の認識結果）についても上記ステップＳ５と同様にして、この音声識別が成功か不成功かを判断する。そして、第２の音声信号に基づく音声識別が不成功と判断すると、ＭＦＰ１００は、再度、端末装置３００から音声（第２の音声）の入力を受け付けるところから、処理を繰り返す。

＜機能構成＞
図５は、上記動作を行なうためのＭＦＰ１００の機能構成の具体例を示すブロック図である。図５の各機能は、ＭＦＰ１００のＣＰＵ１０がＲＯＭ１１に記憶されているプログラムを読み出して実行することで、主に、ＣＰＵ１０が実現するものである。しかしながら、少なくとも一部が、図２に表わされたハードウェア構成、または、図２には示されていない電気回路等のハードウェア構成によって実現されてもよい。

図５を参照して、ＨＤ１６は、画像処理を実行させるためのコマンドごとに関連付けられたキーワードを記憶するための記憶領域であるコマンド記憶部１６１を含む。

さらに図５を参照して、ＣＰＵ１０は、マイクから入力された音声を表わす第１の音声信号の入力を受け付けるための第１音声入力部１０１と、ネットワークコントローラー１７を介して端末装置３００と通信することでマイク３３から入力された音声を表わす第２の音声信号の入力を受け付けるための第２音声入力部１０２と、音声信号に基づく音声認識を行なうための音声認識部１０３と、音声認識部１０３での認識結果に関連付けられている画像処理を特定するための特定部１０９を含み、画像処理を実行するようスキャナー１３やプリンター１４を制御するための制御部１０８と、制御部１０８が第１の音声信号に基づく音声認識の結果を用いて制御するか、第２の音声信号に基づく音声認識の結果を用いて制御するか、を判断するための判断部１０６と、判断部１０６で第２の音声信号に基づく音声認識の結果を用いて制御すると判断した場合に端末装置３００との間の通信を確立するための通信部１０７とを含む。制御部１０８は、音声認識部１０３が第１の音声信号に基づく音声認識に成功した場合には第１の音声信号に基づく音声認識の結果を用いて画像処理を実行するようスキャナー１３やプリンター１４を制御し、不成功の場合には第２の音声信号に基づく音声認識の結果を用いて制御する。

図４に示されたように、サーバー５００が音声認識機能を有し、ＭＦＰ１００がその音声認識機能を利用する場合には、音声認識部１０３は、入力した音声をサーバー５００に送信するための送信部１０４と、サーバー５００からその認識結果の入力を受け付けるための認識結果入力部１０５とを含む。ＭＦＰ１００が音声認識機能を備えて、その音声認識機能を利用する場合には、音声認識部１０３は、音声認識処理を行なう。

＜動作フロー＞
図６および図７は、ＭＦＰ１００での動作の流れの具体例を表わしたフローチャートである。図６および図７のフローチャートに表わされた動作は、ＭＦＰ１００のＣＰＵ１０がＲＯＭ１１に記憶されたプログラムをＲＡＭ１２上に読み出して実行し、図５の各機能を発揮することによって実現される。

図６を参照して、ＣＰＵ１０はユーザー認証に成功し（ステップＳ１０１でＹＥＳ）、音声認識機能を用いてＭＦＰ１００を制御するモードとすると（ステップＳ１０３でＹＥＳ）、ＣＰＵ１０に接続されているマイク１８をＯＮにして、マイク１８からの音声入力を有効にする。また、音声認識が不成功であった回数をカウントするためのカウンターを初期化する（ステップＳ１０５）。

ＣＰＵ１０は、マイク１８から入力された音声を表わす第１の音声信号をサーバー５００に送信し（ステップＳ１０７）、サーバー５００からその音声の認識結果を受信する（ステップＳ１０９）。音声認識が成功の場合（ステップＳ１１１でＹＥＳ）、すなわち、音声識別の結果であるテキストが画像処理を実行させるためのコマンドに関連付けて記憶しているいずれかのキーワードに一致した場合、ＣＰＵ１０は、音声認識機能を用いてＭＦＰ１００を制御するモードをＯＦＦとして、カウンターをリセットする（ステップＳ１１３）。そして、図７を参照して、ＣＰＵ１０は、第１の音声信号に基づく音声識別の結果（上記テキスト）を用いて画像処理を実行する。すなわち、第１の音声の認識結果であるテキストに関連付けられているコマンドに従って画像処理を実行する（ステップＳ１３７）。

図６に戻って、第１の音声信号に基づく音声認識が不成功の場合（ステップＳ１１１でＮＯ）、すなわち、音声識別の結果であるテキストが画像処理を実行させるためのコマンドに関連付けて記憶しているいずれのキーワードとも一致しない場合、ＣＰＵ１０は、音声認識が不成功であった回数をカウントするためのカウンターを１、インクリメントする（ステップＳ１１５）。音声認識が不成功であった回数が予め規定された所定回数に達していない場合には（ステップＳ１１７でＮＯ）、ＣＰＵ１０は、音声認識が不成功であった旨を操作パネル１５に表示してユーザーに報知すると共に、再入力を促す（ステップＳ１１９）。そして、ＣＰＵ１０は、音声の再入力を受け付けて、上記ステップＳ１０７からの動作を繰り返す。

音声認識が不成功であった回数が所定回数に達すると（ステップＳ１１７でＹＥＳ）、ＣＰＵ１０はカウンターをリセットした上で（ステップＳ１２１）、音声入力をマイク１８での入力から端末装置３００での入力に切り替える処理を行なう（ステップＳ１２３）。なお、ＣＰＵ１０は、カウンターをリセットする際に、マイク１８をＯＦＦにしてもよい。

図７を参照して、ＣＰＵ１０は、端末装置３００から第２の音声信号の入力を受け付けると（ステップＳ１２５でＹＥＳ）、第２の音声信号をサーバー５００に送信し（ステップＳ１２７）、サーバー５００からその音声の認識結果を受信する（ステップＳ１２９）。音声認識が成功の場合（ステップＳ１３１でＹＥＳ）、すなわち、音声識別の結果であるテキストが画像処理を実行させるためのコマンドに関連付けて記憶しているいずれかのキーワードに一致した場合、ＣＰＵ１０は、第２の音声信号に基づく音声識別の結果（上記テキスト）を用いて画像処理を実行する。すなわち、第２の音声の認識結果であるテキストに関連付けられているコマンドに従って画像処理を実行する（ステップＳ１３７）。このとき、ＣＰＵ１０は、画像処理の実行に先だって端末装置３００との通信を切断するようにしてもよいし、それ以降に端末装置３００との通信を切断してもよい（ステップＳ１３５）。

第２の音声信号に基づく音声認識が不成功の場合（ステップＳ１３１でＮＯ）、すなわち、音声識別の結果であるテキストが画像処理を実行させるためのコマンドに関連付けて記憶しているいずれのキーワードとも一致しない場合、ＣＰＵ１０は、音声認識が不成功であった旨と音声の再入力を促すメッセージとを、端末装置３００に対して送信する（ステップＳ１３３）。好ましくは、ＣＰＵ１０は、音声認識が不成功であった旨と音声の再入力を促すメッセージとを、音声ガイダンスとして端末装置３００に対して送信する。そして、ＣＰＵ１０は、端末装置３００から音声の再入力を受け付けて、上記ステップＳ１２７からの動作を繰り返す。

なお、ＣＰＵ１０は、端末装置３００から第２の音声信号の入力がなかった場合には（ステップＳ１２５でＮＯ）、音声認識機能を用いてＭＦＰ１００を制御するモードをＯＦＦとして（ステップＳ１３９）、一連の動作を終了する。

好ましくは、ＣＰＵ１０は、端末装置３００からのユーザーの音声入力を受け付けるよりも以前の周囲の音をノイズとして、端末装置３００のマイク３３から取り込む。そして、ＣＰＵ１０は、そのノイズと予め記憶しているレベルとを比較する。周囲のノイズが規定量以上のノイズであると判断した場合には、ＣＰＵ１０は、好ましくは、「静かなところへ移動して下さい」などの予め記憶しているメッセージを端末装置３００に対して送信する。これにより、第２の音声信号に基づく音声認識の精度を向上させることができる。なお、後述するように、上記のノイズのレベルは、ログインユーザーごとに登録されていてもよい。ユーザーの声質によっては、ノイズが多少あっても音声認識しやすかったり、ノイズが少なくても音声認識が難しかったりするためである。さらに、ＣＰＵ１０は、所定レベルをステップＳ１１１の音声識別の判断結果から学習するようにしてもよい。

図８は、上記ステップＳ１２３での、音声入力を切り替える処理の具体例を表わしたフローチャートである。図８を参照して、ＣＰＵ１０は、メモリーに記憶されている電話帳などのユーザー情報に、ログインユーザーに関連付けられた端末装置３００のアクセス情報（たとえば電話番号など）が含まれている場合（ステップＳ２０１でＹＥＳ）、その電話番号宛に架電するなどして、端末装置３００との間の通信を開始する（ステップＳ２０３）。その他の例として、ＣＰＵ１０は、自身のアクセス情報（ＵＲＬや電話番号など）を記載したメールを端末装置３００に送信してもよい。

なお、上記の通信開始に先立って、ＣＰＵ１０は、操作パネル１５に「Ａさんの端末装置０９０−＊＊＊＊−＊＊＊＊へ通信を開始します」などの通信開始の通知と、その可否を指示するための「ＯＫ」「ＮＧ」などのボタンとを表示して、ログインユーザーの指示を受け付けるようにしてもよい。そして、ＣＰＵ１０は、この画面において「ＯＫ」ボタンが押された場合に端末装置３００に対する通信を開始するようにしてもよい。

ＭＦＰ１００からの通信に対して端末装置３００から応答があった場合（ステップＳ２０７でＹＥＳ）、すなわち、たとえば、上記の端末装置３００への架電に対して端末装置３００のユーザーが応答したり、上記の端末装置３００へのメールに記載されたアクセス情報に基づいて端末装置３００からＭＦＰ１００に対してアクセスがあったりした場合、ＣＰＵ１０は、音声入力を依頼するメッセージを端末装置３００に対して送信する（ステップＳ２０９）。電話で通信する例の場合、ＣＰＵ１０は、音声ガイダンスを送信してもよい。ＵＲＬなどへのアクセスであった場合、ＣＰＵ１０は、テキストデータを送信してもよい。そして、ＣＰＵ１０は、その依頼に応じた端末装置３００から音声信号を受信する（ステップＳ２１１）。

なお、ログインユーザーに関連付けられた端末装置３００のアクセス情報がユーザー情報に含まれていない場合（ステップＳ２０１でＮＯ）、ＣＰＵ１０は、端末装置３００のアクセス情報を取得するための処理を実行する（ステップＳ２０５）。ステップＳ２０５では、たとえば、ＣＰＵ１０は、操作パネル１５に「Ａさんの端末装置の電話番号を入力してください」などを表示して、アクセス情報の直接入力を受け付けるようにしてもよい。または、ＣＰＵ１０は、操作パネル１５に「Ａさんの端末装置からＭＦＰ＊＊＊−＊＊＊−＊＊＊＊に電話をかけて下さい」などのＭＦＰ１００のアクセス情報（たとえば電話番号）を含んだメッセージを表示してＭＦＰ１００へのアクセスを促してもよい。この場合、ＣＰＵ１０は、この表示から所定時間内に受け付けた自身へのアクセスを端末装置３００からのアクセスとみなして、その発信元を端末装置３００のアクセス情報として記憶するようにすればよい。このとき、ＣＰＵ１０は、端末装置３００からＭＦＰ１００へのアクセスを利用して音声入力を受け付けるようにしてもよい。しかしながら、好ましくは、ＣＰＵ１０は、端末装置３００からの通信を用いて通信を開始せずに、いったん、その通信を切断し、取得した端末装置３００のアクセス情報に基づいて通信を開始するようにする。このようにすることで、端末装置３００への通信の課金を抑えることができる。

＜実施の形態の効果＞
本実施の形態にかかるＭＦＰ１００が上記の制御を実行することで、音声認識機能を利用して画像処理を指示する際に、周囲の騒音やノイズなどでＭＦＰ１００のマイク１８からの音声信号に基づく音声認識が正しくできない場合に、ユーザーの携帯電話機などの端末装置３００で入力された音声を利用することができる。これにより、ユーザーの利便性を損なうことなく音声認識機能を利用した画像処理の指示の精度を向上させることができる。

＜変形例＞
より好ましくは、ＣＰＵ１０は、マイク１８で入力された音声を表わす第１の音声信号に基づく音声認識に先だって、第１の音声信号に基づく音声認識の適否を判断する。そして、この音声認識が適切でないと判断した場合、ＣＰＵ１０は、端末装置３００からの音声信号である第２音音声信号に基づく音声認識の結果を用いて画像処理を実行する。

上記判断の第１の例として、ＣＰＵ１０は、マイク１８で音声入力を受け付ける際に実行中の画像処理に基づいて上記判断を行なう。たとえば、マイク１８で音声入力を受け付ける際にプリント処理を実行中（印刷中）であったり、フィニッシャー処理（ステープル処理等）の実行中であったり、ＢＧＭや効果音などの音声出力を伴う処理中であったりした、大きな音が発生するジョブを実行中であった場合には、音声認識が不成功となる可能性が高い。そこで、ＣＰＵ１０は、マイク１８で音声入力を受け付ける際にこれらの画像処理中であった場合には、第１の音声信号に基づく音声認識が適切でないと判断する。このため、一例として、ＣＰＵ１０は、予め上記のような大きな音のする処理を伴うジョブの種類を記憶しておき、その処理に該当するか否かを判断することで上記の判断を行なう。

図９および図１０は、変形例にかかるＭＦＰ１００の動作の、第１の例を表わしたフローチャートである。図９および図１０のフローチャートは、図６および図７のフローチャートのステップＳ１０３の処理の後にステップＳ１０４の判断およびステップＳ１２０の処理が加わったものである。すなわち、図９を参照して、変形例の第１の例で、ＣＰＵ１０は、音声認識機能を用いてＭＦＰ１００を制御するモードとした後、マイク１８で音声入力を受け付けるためにマイク１８をＯＮするのに先だって、実行中のジョブが上記したような予め記憶している、大きな音のする処理を伴うジョブの種類に該当するか否かを判断する（ステップＳ１０４）。そして、実行中のジョブがそのようなジョブの種類に該当する場合（ステップＳ１０４でＹＥＳ）、ＣＰＵ１０は、第１の音声入力を受け付けることなく端末装置３００での入力に切り替える処理を行なう（ステップＳ１２３）。このとき、好ましくは、ＣＰＵ１０は、操作パネル１５に、端末装置３００からの音声入力に切り替える旨を表示する（ステップＳ１２０）。このように表示することで、ログインユーザーは、マイク１８からの音声入力を行なうことなく端末装置３００を用いた音声入力にスムーズに切り替えることができる。

上記判断の第２の例として、ＣＰＵ１０は、第１の音声信号に含まれるノイズが、予め記憶している規定量以上であるか否かを判断することで上記判断を行なう。マイク１８からの音声入力に先だって周囲の音を表わすノイズが大きい場合、音声認識が不成功となる可能性が高い。そこで、ＣＰＵ１０は、マイク１８で音声入力を受け付けるに先だって周囲の音を表わすノイズが所定レベル以上である場合には、第１の音声信号に基づく音声認識が適切でないと判断する。このため、ＣＰＵ１０は、予め、ノイズのしきい値となる上記の所定レベルを記憶しておく。なお、この所定レベルは、ログインユーザーごとに登録されていてもよい。ユーザーの声質によっては、ノイズが多少あっても音声認識しやすかったり、ノイズが少なくても音声認識が難しかったりするためである。さらに、ＣＰＵ１０は、所定レベルをステップＳ１１１の音声識別の判断結果から学習するようにしてもよい。

図１１および図１２は、変形例にかかるＭＦＰ１００の動作の、第２の例を表わしたフローチャートである。図１１および図１２のフローチャートは、図６および図７のフローチャートのステップＳ１０５の処理の後にステップＳ１０６−１の処理、ステップＳ１０６−２の判断、およびステップＳ１２０の処理が加わったものである。すなわち、図１１を参照して、変形例の第２の例で、ＣＰＵ１０は、ステップＳ１０５でマイク１８をＯＮすると、ユーザーからの音声入力を受け付けるよりも以前の周囲の音をノイズとして、マイク１８から取り込む（ステップＳ１０６−１）。そして、ＣＰＵ１０は、ノイズと予め記憶しているレベルとを比較し、所定レベルよりも高いノイズが発生しているか否かを判断する（ステップＳ１０６−２）。

ノイズが予め記憶している所定レベルよりも高い場合（ステップＳ１０６−２でＹＥＳ）、ＣＰＵ１０は、第１の音声入力を受け付けることなく端末装置３００での入力に切り替える処理を行なう（ステップＳ１２３）。このとき、好ましくは、ＣＰＵ１０は、操作パネル１５に、端末装置３００からの音声入力に切り替える旨を表示する（ステップＳ１２０）。このように表示することで、ログインユーザーは、マイク１８からの音声入力を行なうことなく端末装置３００を用いた音声入力にスムーズに切り替えることができる。

変形例にかかるＭＦＰ１００が上記の制御を実行することで、音声認識機能を利用して、効率的に画像処理を指示することができる。

なお、上の例では、音声認識をサーバー５００が行なうものとしている。しかしながら、音声認識は、上述したようにＭＦＰ１００で行なってもよい。または、端末装置３００が予め、ＭＦＰ１００に画像処理を実行させるためのコマンドに関連付けたキーワードを記憶しておき、マイク３３で受け付けた音声を表わす音声信号に基づく音声認識を行なってその結果からコマンドを特定して、ＭＦＰ１００に対してコマンドを送信するようにしてもよい。

また、端末装置３００が上記のサーバー５００の機能を含み、ＭＦＰ１００からの第１の音声信号に基づく音声認識の結果を用いてＭＦＰ１００を制御するか、マイク３３からの第２の音声信号に基づく音声認識の結果を用いてＭＦＰ１００を制御するかを判断し、その結果に基づいてＭＦＰ１００を制御するようにしてもよい。つまり、図５に表わされた各機能は、画像処理システムに含まれるいずれの装置が有していてもよい。

さらに、上述の動作をＭＦＰ１００のＣＰＵ１０、端末装置３００のＣＰＵ３０などに実行させるためのプログラムを提供することもできる。このようなプログラムは、コンピューターに付属するフレキシブルディスク、ＣＤ−ＲＯＭ（Compact Disk-Read Only Memory）、ＲＯＭ、ＲＡＭおよびメモリカードなどのコンピューター読取り可能な記録媒体にて記録させて、プログラム製品として提供することもできる。あるいは、コンピューターに内蔵するハードディスクなどの記録媒体にて記録させて、プログラムを提供することもできる。また、ネットワークを介したダウンロードによって、プログラムを提供することもできる。

なお、本発明にかかるプログラムは、コンピューターのオペレーティングシステム（ＯＳ）の一部として提供されるプログラムモジュールのうち、必要なモジュールを所定の配列で所定のタイミングで呼出して処理を実行させるものであってもよい。その場合、プログラム自体には上記モジュールが含まれずＯＳと協働して処理が実行される。このようなモジュールを含まないプログラムも、本発明にかかるプログラムに含まれ得る。

また、本発明にかかるプログラムは他のプログラムの一部に組込まれて提供されるものであってもよい。その場合にも、プログラム自体には上記他のプログラムに含まれるモジュールが含まれず、他のプログラムと協働して処理が実行される。このような他のプログラムに組込まれたプログラムも、本発明にかかるプログラムに含まれ得る。

提供されるプログラム製品は、ハードディスクなどのプログラム格納部にインストールされて実行される。なお、プログラム製品は、プログラム自体と、プログラムが記録された記録媒体とを含む。

今回開示された実施の形態はすべての点で例示であって制限的なものではないと考えられるべきである。本発明の範囲は上記した説明ではなくて特許請求の範囲によって示され、特許請求の範囲と均等の意味および範囲内でのすべての変更が含まれることが意図される。

１０，３０ ＣＰＵ、１１，３１ ＲＯＭ、１２，３２ ＲＡＭ、１３ スキャナー、１４ プリンター、１５ 操作パネル、１６ ＨＤ、１７，３６ ネットワークコントローラー、１８，３３ マイク、３４ スピーカー、３５ タッチパネル、３００ 端末装置、１００ ＭＦＰ、１０１ 第１音声入力部、１０２ 第２音声入力部、１０３ 音声認識部、１０４ 送信部、１０５ 認識結果入力部、１０６ 判断部、１０７ 通信部、１０８ 制御部、１０９ 特定部、１６１ コマンド記憶部、５００ サーバー。

Claims (11)

1. 画像形成装置の制御装置であって、
   前記画像形成装置に接続されたマイクから入力された音声を表わす第１の音声信号の入力を受け付けるための第１の音声入力手段と、
   携帯端末装置と通信するための通信手段と、
   前記携帯端末装置と通信して、前記携帯端末装置に接続されたマイクから入力された音声を表わす第２の音声信号の入力を受け付けるための第２の音声入力手段と、
   音声信号に基づく音声認識を行なうための音声認識手段と、
   前記音声認識手段での認識結果に関連付けられている画像処理を特定して、前記画像形成装置に前記画像処理を実行するよう制御するための制御手段と、
   前記制御手段が、前記第１の音声信号に基づく音声認識の結果を用いて前記画像形成装置を制御するか、前記第２の音声信号に基づく音声認識の結果を用いて前記画像形成装置を制御するか、を判断するための判断手段とを備え、
   前記制御手段は、前記第１の音声信号に基づく音声認識が成功の場合には前記第１の音声信号に基づく音声認識の結果を用いて前記画像形成装置を制御し、不成功の場合には前記第２の音声信号に基づく音声認識を行ない、この音声認識の結果を用いて前記画像形成装置を制御する、制御装置。
2. 画像形成装置の制御装置であって、
   前記画像形成装置に接続されたマイクから入力された音声を表わす第１の音声信号の入力を受け付けるための第１の音声入力手段と、
   端末装置と通信するための通信手段と、
   前記端末装置と通信して、前記端末装置に接続されたマイクから入力された音声を表わす第２の音声信号の入力を受け付けるための第２の音声入力手段と、
   音声信号に基づく音声認識を行なうための音声認識手段と、
   前記音声認識手段での認識結果に関連付けられている画像処理を特定して、前記画像形成装置に前記画像処理を実行するよう制御するための制御手段と、
   前記制御手段が、前記第１の音声信号に基づく音声認識の結果を用いて前記画像形成装置を制御するか、前記第２の音声信号に基づく音声認識の結果を用いて前記画像形成装置を制御するか、を判断するための判断手段とを備え、
   前記制御手段は、前記第１の音声信号に基づく音声認識が成功の場合には前記第１の音声信号に基づく音声認識の結果を用いて前記画像形成装置を制御し、不成功の場合には前記第２の音声信号に基づく音声認識の結果を用いて前記画像形成装置を制御し、
   前記判断手段は、さらに、前記音声認識手段での前記第１の音声信号に基づく音声認識に先だって、前記第１の音声信号に基づく音声認識の実行の適否を判断し、
   前記第１の音声信号に基づく音声認識の実行が適切でないと判断された場合に、前記制御手段は前記第２の音声信号に基づく音声認識の結果を用いて前記画像形成装置を制御する、制御装置。
3. 前記判断手段は、前記第１の音声信号に含まれるノイズが規定量以上であるか否かを判断することで前記第１の音声信号に基づく音声認識の実行の適否を判断する、請求項２に記載の制御装置。
4. 前記判断手段は、前記画像形成装置に備えられる前記マイクで音声入力を受け付ける際に前記画像形成装置で実行中の画像処理に基づいて前記第１の音声信号に基づく音声認識の実行の適否を判断する、請求項２に記載の制御装置。
5. 画像形成装置の制御装置であって、
   前記画像形成装置に接続されたマイクから入力された音声を表わす第１の音声信号の入力を受け付けるための第１の音声入力手段と、
   端末装置と通信するための通信手段と、
   前記端末装置と通信して、前記端末装置に接続されたマイクから入力された音声を表わす第２の音声信号の入力を受け付けるための第２の音声入力手段と、
   音声信号に基づく音声認識を行なうための音声認識手段と、
   前記音声認識手段での認識結果に関連付けられている画像処理を特定して、前記画像形成装置に前記画像処理を実行するよう制御するための制御手段と、
   前記制御手段が、前記第１の音声信号に基づく音声認識の結果を用いて前記画像形成装置を制御するか、前記第２の音声信号に基づく音声認識の結果を用いて前記画像形成装置を制御するか、を判断するための判断手段とを備え、
   前記制御手段は、前記第１の音声信号に基づく音声認識が成功の場合には前記第１の音声信号に基づく音声認識の結果を用いて前記画像形成装置を制御し、不成功の場合には前記第２の音声信号に基づく音声認識の結果を用いて前記画像形成装置を制御し、
   前記通信手段は、前記判断手段が前記制御手段が前記第２の音声信号に基づく音声認識の結果を用いて前記画像形成装置を制御すると判断した場合、前記端末装置との通信を確立して、前記第２の音声入力手段が前記第２の音声信号の入力を受け付ける、制御装置。
6. 画像形成装置の制御装置であって、
   前記画像形成装置に接続されたマイクから入力された音声を表わす第１の音声信号の入力を受け付けるための第１の音声入力手段と、
   端末装置と通信するための通信手段と、
   前記端末装置と通信して、前記端末装置に接続されたマイクから入力された音声を表わす第２の音声信号の入力を受け付けるための第２の音声入力手段と、
   音声信号に基づく音声認識を行なうための音声認識手段と、
   前記音声認識手段での認識結果に関連付けられている画像処理を特定して、前記画像形成装置に前記画像処理を実行するよう制御するための制御手段と、
   前記制御手段が、前記第１の音声信号に基づく音声認識の結果を用いて前記画像形成装置を制御するか、前記第２の音声信号に基づく音声認識の結果を用いて前記画像形成装置を制御するか、を判断するための判断手段とを備え、
   前記制御手段は、前記第１の音声信号に基づく音声認識が成功の場合には前記第１の音声信号に基づく音声認識の結果を用いて前記画像形成装置を制御し、不成功の場合には前記第２の音声信号に基づく音声認識の結果を用いて前記画像形成装置を制御し、
   前記判断手段は、前記制御手段が前記第２の音声信号に基づく音声認識の結果を用いて前記画像形成装置を制御すると判断した場合、さらに、前記第２の音声信号に含まれるノイズが規定量以上であるか否かを判断し、
   前記通信手段は、前記第２の音声信号に含まれるノイズが前記規定量以上であった場合に、予め記憶しているメッセージを前記端末装置に対して送信する、制御装置。
7. 接続されたマイクから入力された音声を表わす第１の音声信号の入力を受け付けるための第１の音声入力手段と、
   携帯端末装置と通信するための通信手段と、
   前記携帯端末装置と通信して、前記携帯端末装置に接続されたマイクから入力された音声を表わす第２の音声信号の入力を受け付けるための第２の音声入力手段と、
   音声信号に基づく音声認識を行なうための音声認識手段と、
   前記音声認識手段での認識結果に関連付けられている画像処理を特定して、前記特定された前記画像処理を実行するための実行手段と、
   前記実行手段が、前記第１の音声信号に基づく音声認識の結果から特定される前記画像処理を実行するか、前記第２の音声信号に基づく音声認識の結果から特定される前記画像処理を実行するか、を判断するための判断手段とを備え、
   前記実行手段は、前記第１の音声信号に基づく音声認識が成功の場合には前記第１の音声信号に基づく音声認識の結果から特定される前記画像処理を実行し、不成功の場合には前記第２の音声信号に基づく音声認識を行ない、この音声認識の結果から特定される前記画像処理を実行する、画像形成装置。
8. 画像形成装置と通信可能な携帯端末装置であって、
   前記画像形成装置と通信し、前記画像形成装置に接続されたマイクから入力された音声を表わす第１の音声信号の入力を受け付けるための音声入力手段と、
   接続されたマイクから入力された音声を表わす第２の音声信号に基づく音声認識を行なうための音声認識手段と、
   前記第１の音声信号に基づく音声認識の結果を用いて前記画像形成装置を制御するか、前記第２の音声信号に基づく音声認識の結果を用いて前記画像形成装置を制御するか、を判断するための判断手段と、
   前記音声認識手段での認識結果に関連付けられている画像処理を特定して、前記画像形成装置に前記画像処理を実行するよう制御信号を出力するための制御手段とを備え、
   前記制御手段は、前記第１の音声信号に基づく音声認識が成功の場合には前記第１の音声信号に基づく音声認識の結果を用いて前記画像形成装置を制御し、不成功の場合には前記第２の音声信号に基づく音声認識を行ない、この音声認識の結果を用いて前記画像形成装置を制御する、携帯端末装置。
9. 音声を用いた画像形成装置の制御方法であって、
   前記画像形成装置に接続されたマイクから入力された音声を表わす第１の音声信号の入力を受け付けるステップと、
   前記第１の音声信号に基づく音声認識を行なうステップと、
   前記第１の音声信号に基づく音声認識が成功の場合に、前記第１の音声信号に基づく音声認識の結果に関連付けられている画像処理を特定して、前記画像形成装置に前記画像処理を実行させるステップと、
   前記第１の音声信号に基づく音声認識が不成功の場合に、携帯端末装置と通信して、前記携帯端末装置に接続されたマイクから入力された音声を表わす第２の音声信号の入力を受け付けるステップと、
   前記第２の音声信号に基づく音声認識を行なうステップと、
   前記第２の音声信号に基づく音声認識の結果に関連付けられている画像処理を特定して、前記画像形成装置に前記画像処理を実行させるステップとを備える、制御方法。
10. コンピューターに画像形成装置の制御を行なわせるためのプログラムであって、
    前記画像形成装置に接続されたマイクから入力された音声を表わす第１の音声信号の入力を受け付けるステップと、
    前記第１の音声信号に基づく音声認識を行なうステップと、
    前記第１の音声信号に基づく音声認識が成功の場合に、前記第１の音声信号に基づく音声認識の結果に関連付けられている画像処理を特定して、前記画像形成装置に前記画像処理を実行させるステップと、
    前記第１の音声信号に基づく音声認識が不成功の場合に、携帯端末装置と通信して、前記携帯端末装置に接続されたマイクから入力された音声を表わす第２の音声信号の入力を受け付けるステップと、
    前記第２の音声信号に基づく音声認識を行なうステップと、
    前記第２の音声信号に基づく音声認識の結果に関連付けられている画像処理を特定して、前記画像形成装置に前記画像処理を実行させるステップとを前記コンピューターに実行させる、制御プログラム。
11. コンピューターに携帯端末装置の制御を行なわせるためのプログラムであって、
    画像形成装置と通信し、前記画像形成装置に接続されたマイクから入力された音声を表わす第１の音声信号の入力を受け付けるステップと、
    前記携帯端末装置に接続されたマイクから入力された音声を表わす第２の音声信号の入力を受け付けるステップと、
    前記第１の音声信号に基づく音声認識の結果を用いて前記画像形成装置を制御するか、前記第２の音声信号に基づく音声認識の結果を用いて前記画像形成装置を制御するか、を判断するステップと、
    前記音声認識の結果に関連付けられている画像処理を特定して、画像形成装置に前記画像処理を実行するよう制御信号を出力するステップとを前記コンピューターに実行させ、
    前記制御信号を出力するステップでは、前記第１の音声信号に基づく音声認識が成功の場合には前記第１の音声信号に基づく音声認識の結果を用いて前記画像形成装置を制御し、不成功の場合には前記第２の音声信号に基づく音声認識を行ない、この音声認識の結果を用いて前記画像形成装置を制御する、制御プログラム。

Images