JP6659066B1 - 音声通話システム、音声通話制御装置、音声通話プログラム、及び音声通話方法 - Google Patents

Abstract

【課題】オーディオデバイスを使用できない場合であっても通話可能な音声通話システム、音声通話制御装置、音声通話プログラム、及び音声通話方法を提供する。【解決手段】第１の通話モード及び第２の通話モードからいずれかの通話モードを選択する通話モード切替部１０５を備える。前記第１の通話モードでは、音声入力部１０９から入力された音声データをＲＴＰ通信部１０２において送信し、ＲＴＰ通信部１０２において受信された音声データを音声出力部１０８から出力する音声通話を行う。前記第２の通話モードでは、テキスト入力部１０７に入力されたテキストデータをテキスト音声変換部１０４において音声データに変換してＲＴＰ通信部１０２から送信し、ＲＴＰ通信部１０２において受信した音声データを音声テキスト変換部１０３においてテキストデータに変換してテキスト出力部１０６に表示するテキスト通話を行う。【選択図】図１

Description

本発明は、音声通話システム、音声通話制御装置、音声通話プログラム、及び音声通話方法に関する。

音声通話システムとして、コンピューター等の情報機器端末を用いてインターネット経由の通話を行うソフトフォンを使用するシステムが知られている。
例えば、特許文献１には、音声データをテキストデータに変換する音声テキスト変換部を備える音声通話システムが開示されている。

特開２００８−２５２５１１号公報

ソフトフォンを使用する音声通話システムは、通常、パソコン等の通信機器にマイクやスピーカー等のオーディオデバイスを接続して通話を行う。しかしながら、有効なオーディオデバイスが検出されない等、オーディオデバイスを使用することができない場合、ソフトフォンを使用する音声通話システムは通話を行うことができない。

本発明は、このような問題点に鑑みなされたものであり、オーディオデバイスを使用できない場合であっても通話可能な音声通話システム、音声通話制御装置、音声通話プログラム、及び音声通話方法を提供することを目的とする。

本発明の一態様に係る音声通話システムは、
音声データの送受信を行うＲＴＰ通信部と、
前記ＲＴＰ通信部において受信した音声データをユーザーが聴音可能であるように出力する音声出力部と、
前記ユーザーの操作に応じて生成された音声データを入力する音声入力部と、
前記ＲＴＰ通信部において受信した音声データをテキストデータに変換する音声テキスト変換部と、
前記音声テキスト変換部において変換されたテキストデータを表示するために出力するテキスト出力部と、
前記ユーザーの操作に応じて生成されたテキストデータを入力するテキスト入力部と、
前記テキスト入力部に入力されたテキストデータを音声データに変換するテキスト音声変換部と、
第１の通話モード及び第２の通話モードからいずれかの通話モードを選択する通話モード切替部と、を備え、
前記第１の通話モードでは、前記音声入力部から入力された音声データを前記ＲＴＰ通信部において送信し、前記ＲＴＰ通信部において受信された音声データを前記音声出力部から出力する音声通話を行い、
前記第２の通話モードでは、前記テキスト入力部に入力されたテキストデータを前記テキスト音声変換部において音声データに変換して前記ＲＴＰ通信部から送信し、前記ＲＴＰ通信部において受信した音声データを前記音声テキスト変換部においてテキストデータに変換して前記テキスト出力部に表示するテキスト通話を行う。

本発明の一態様に係る音声通話装置は、
音声データをテキストデータに変換する音声テキスト変換部と、
テキスト入力部に入力されたテキストデータを音声データに変換するテキスト音声変換部と、
通話モードを第１の通話モード及び第２の通話モードのいずれかを選択する通話モード切替部を備えた音声通話制御装置であって、
前記第１の通話モードでは、
ユーザーの操作に応じて入力された音声データを通話相手に送信し、前記通話相手から受信した音声データを前記ユーザーが聴音可能であるように出力させ、
前記第２の通話モードでは、
前記テキスト入力部から入力されたテキストデータを前記テキスト音声変換部により音声データに変換して前記通話相手に送信し、前記通話相手から受信した音声データを前記音声テキスト変換部によりテキストデータに変換してテキスト出力部から出力させる。

本発明の一態様に係る音声通話プログラムは、
通話相手との間で通話を行うユーザーのコンピュータに対して、
通話モードを第１の通話モード及び第２の通話モードのいずれかを選択する処理を実行するステップと、
前記選択する処理において前記第１の通話モードを選択した場合に、前記ユーザーによって入力された音声データを前記コンピュータにより前記通話相手に送信させ、前記コンピュータにより受信された音声データを前記ユーザーが聴音可能なように出力させるステップと、
前記選択する処理において前記第２の通話モードを選択した場合に、前記ユーザーによって入力されたテキストデータを音声データに変換して前記コンピュータにより前記通話相手に送信させ、前記コンピュータにより受信された音声データをテキストデータに変換して前記ユーザーが視認可能なように出力させるステップを、
実行させる。

本発明の一態様に係る音声通話方法は、
ＲＴＰ通信部において音声データの送受信を行い、
通話モード切替部において通話モードを第１の通話モード及び第２の通話モードのいずれかから選択し、
前記第１の通話モードでは、
音声入力部においてユーザーが音声データを入力し、
入力された音声データを前記ＲＴＰ通信部から送信し、
前記ＲＴＰ通信部において受信した音声データを前記ユーザーが聴音可能であるように音声出力部から出力する、音声通話を行い、
前記第２の通話モードでは、
テキスト入力部において前記ユーザーがテキストデータを入力し、
入力されたテキストデータをテキスト音声変換部において音声データに変換し、
変換された音声データを前記ＲＴＰ通信部から送信し、
前記ＲＴＰ通信部において受信した音声データを音声テキスト変換部においてテキストデータに変換し、
変換されたテキストデータを前記ユーザーが視認可能であるように出力する、テキスト通話を行う。

本発明によれば、オーディオデバイスを使用できない場合であっても通話可能な音声通話システム、音声通話装置、音声通話プログラム、及び音声通話方法を提供することができる。

本実施の形態に係る音声通話システムのブロック図である。 テキスト出力部の表示例を示す図である。 本実施の形態に係る音声通話システムにおける処理を示すシーケンス図である。 本実施の形態に係る音声通話システムにおける処理を示すフローチャートである。 通話モードの切り替えの一例を示すフローチャートである。 通話モードの切り替えの一例を示すフローチャートである。

以下、本発明を適用した具体的な実施の形態について、図面を参照しながら詳細に説明する。ただし、本発明が以下の実施の形態に限定される訳ではない。また、説明を明確にするため、以下の記載及び図面は、適宜、簡略化されている。

まず、図１を参照して本実施の形態に係る音声通話システムの構成について説明する。図１に示すように、音声通話システム１は、ソフトフォン１００、テキスト出力部１０６、テキスト入力部１０７、音声出力部１０８、及び音声入力部１０９を備える。ソフトフォン１００は、ＲＴＰ通信部１０２、音声テキスト変換部１０３、テキスト音声変換部１０４、及び通話モード切替部１０５を備える。

ソフトフォン１００は、パソコン等の情報機器端末を用いてインターネット経由の通話を行うソフトウェアである。ソフトフォン１００は、通常、図示しないＳＩＰ通信部を備える。ＳＩＰ通信部は、端末間におけるセッション通信を確立するための通信プロトコルであるＳＩＰ（Session Initiation Protocol）通信を行うことによって、ソフトフォン１００を起動する。

ソフトフォン１００は、例えば、パソコン等の情報機器端末にインストールされて使用される。ソフトフォン１００は、サーバー上またはクラウド上に置かれていて使用されてもよい。情報機器端末は、サーバーまたはクラウドにアクセスして、サーバー上またはクラウド上に置かれたソフトフォン１００を使用する。

ソフトフォン１００は、一部が情報機器端末にインストールされ、残りの部分がサーバー上またはクラウド上に置かれていてもよい。ソフトフォン１００は、例えば、ＲＴＰ通信部１０２が情報機器端末にインストールされ、音声テキスト変換部１０３、テキスト音声変換部１０４、及び通話モード切替部１０５がクラウド上に置かれる。

また、ソフトフォン１００は、情報機器端末に接続可能な記録媒体に記録されて使用されてもよい。情報機器端末は、ソフトフォン１００が記録された記録媒体が接続されて、ソフトフォン１００を使用する。

ソフトフォン１００は、ＲＴＰ通信部１０２において音声データの送受信を行う。ＲＴＰ通信部１０２は、音声データをリアルタイムに通信するＲＴＰ（Real-time Transport Protocol）通信を行う。ＲＴＰ通信部１０２は、セッション通信が確立している端末から送られたＲＴＰパケットを受信する。ＲＴＰ通信部１０２は、ＲＴＰ解析部を有する。ＲＴＰ通信部１０２が有するＲＴＰ解析部は、受信したＲＴＰパケットを解析し、音声データを生成する。

音声通話システム１は、図１に示すように、音声出力部１０８及び音声入力部１０９を備える。音声出力部１０８及び音声入力部１０９は、オーディオデバイスである。音声出力部１０８は、音声データを出力する。音声出力部１０８は、例えばスピーカーである。音声入力部１０９は、図示しないユーザーが音声データを入力する。音声入力部１０９は、例えばマイクである。

音声出力部１０８及び音声入力部１０９は、例えば、パソコン等の情報機器端末に接続されて使用される。音声出力部１０８及び音声入力部１０９は、別個の機器であってもよいし、一体化した機器であってもよい。音声出力部１０８及び音声入力部１０９が一体化した機器の一例は、ヘッドセットである。音声出力部１０８及び音声入力部１０９は、スマートフォン等の情報機器端末が備えるマイク及びスピーカーであってもよい。

ＲＴＰ通信部１０２において受信された音声データは、音声出力部１０８から出力される。図示しないユーザーは、音声出力部１０８から出力された音声データを聞くことができる。ユーザーは、音声入力部１０９から音声データを入力することができる。ＲＴＰ通信部１０２は、ＲＴＰ生成部を有する。

ＲＴＰ通信部１０２が有するＲＴＰ生成部は、音声入力部１０９に入力された音声データからＲＴＰパケットを生成する。生成されたＲＴＰパケットは、ＲＴＰ通信部１０２からセッション通信が確立している端末に送信される。このように、音声通話システム１は、音声データを入出力する音声通話を行うことができる。

音声通話システム１は、図１に示すように、音声テキスト変換部１０３、テキスト音声変換部１０４、テキスト出力部１０６、及びテキスト入力部１０７を備える。音声テキスト変換部１０３は、ＲＴＰ通信部１０２において受信した音声データをテキストデータに変換する。音声テキスト変換部１０３において変換されたテキストデータは、テキスト出力部１０６に表示されるために出力される。

ソフトフォン１００は、通常、図示しないＧＵＩ生成部を備える。ＧＵＩ生成部は、音声テキスト変換部１０３において変換されたテキストデータからＧＵＩ（Graphical User Interface）を生成する。生成されたＧＵＩは、テキスト出力部１０６に表示される。図示しないユーザーは、テキスト出力部１０６に表示されたテキストデータを読むことができる。

ユーザーは、テキスト入力部１０７からテキストデータを入力することができる。テキスト入力部１０７に入力されたテキストデータは、テキスト音声変換部１０４において音声データに変換される。テキスト音声変換部１０４において変換された音声データは、ＲＴＰ通信部１０２から、ＲＴＰ通信部１０２からセッション通信が確立している端末に送信される。

次に、図２を参照して、テキスト通話を行う際におけるテキスト出力部１０６の構成について説明する。図２は、テキスト出力部の表示例を示す図である。図２に示す例では、テキスト出力部１０６は、受信内容表示部１０６ａ、送信内容表示部１０７ａ、及びテキスト入力部１０７を備える。図２に示すテキスト出力部１０６は、例えばスマートフォンやタブレット等のディスプレイである。

受信内容表示部１０６ａは、音声テキスト変換部１０３において変換されたテキストデータの内容を表示する。ユーザーは、受信内容表示部１０６ａに表示された内容を読むことができる。ユーザーは、テキスト入力部１０７を操作してテキストデータを入力することができる。

テキスト入力部１０７から入力されたテキストデータは、送信内容表示部１０７ａに表示される。ユーザーは、送信内容表示部１０７ａに表示された内容を読むことによって自らが送信したテキストデータの内容を確認することができる。

図２に示す例では、テキスト入力部１０７がテキスト出力部１０６内に形成されている。しかしながら、テキスト入力部１０７は、テキスト出力部１０６とは別個の機器であってもよい。テキスト入力部１０７は、例えば、キーボードである。

また、図２に示す例では、ユーザーの操作に応じてテキスト入力部１０７にテキストデータを入力している。しかしながら、予め作成されたテキストデータファイルをテキスト入力部１０７に読み込ませることによってテキストデータを入力してもよい。

次に、図３を参照して、テキスト通話時における処理を説明する。図３は、本実施の形態に係る音声通話システムにおける処理を示すシーケンス図である。テキスト通話を行う際には、まず、図３に示すように、テキスト入力部１０７からテキストを入力する。入力されたテキストは、送信内容表示部１０７ａに表示され、並行して、テキスト音声変換部１０４において音声データに変換される。

テキスト音声変換部１０４は、クラウド上のＡＰＩ（Application Programming Interface）を使用するものであってもよいし、ユーザーが操作する通信端末内のＡＰＩを使用するものであってもよい。テキスト音声変換部１０４において変換された音声データは、ＲＴＰ通信部１０２においてエンコードされてＲＴＰパケットとなる。ＲＴＰパケットは、通話相手すなわちセッション通信が確立している端末のユーザーに送信される。

通話相手から送信されたＲＴＰパケットは、ＲＴＰ通信部１０２が受信する。ＲＴＰ通信部１０２は、受信したＲＴＰパケットをデコードして音声データにする。デコードされた音声データは、音声テキスト変換部１０３においてテキストデータに変換される。音声テキスト変換部１０３は、クラウド上のＡＰＩを使用するものであってもよいし、ユーザーが操作する通信端末内のＡＰＩを使用するものであってもよい。

音声テキスト変換部１０３において変換されたテキストデータは、テキスト出力部１０６から出力される。このように、音声通話システム１は、テキストデータを入出力するテキスト通話を行うことができる。

上記で説明したように、音声通話システム１は、音声通話を行う際に、音声入力部１０９及び音声出力部１０８を使用する。したがって、音声入力部１０９及び音声出力部１０８のうち少なくとも一方が無効である場合、音声通話を行うことができない。しかしながら、音声通話システム１は、テキスト通話を行うことができるため、音声入力部１０９及び音声出力部１０８のうち少なくとも一方が無効であっても通話を行うことができる。

ソフトフォン１００は、通常、図示しないデバイス制御部を備える。デバイス制御部は、音声出力部１０８及び音声入力部１０９が有効であるか無効であるかを検知する。デバイス制御部は、音声出力部１０８及び音声入力部１０９が有効である場合、音声出力部１０８及び音声入力部１０９をオープンして音声通話可能にする。

ここで、音声通話を行うモードを第１の通話モードとし、テキスト通話を行うモードを第２の通話モードとする。ソフトフォン１００は、図１に示すように、通話モード切替部１０５を備える。通話モード切替部１０５は、音声出力部１０８及び音声入力部１０９が有効である場合、第１の通話モードを選択する。通話モード切替部１０５は、音声出力部１０８及び音声入力部１０９のうち少なくとも一方が無効である場合、第２の通話モードを選択する。

図４は、本実施の形態に係る音声通話システムにおける処理を示すフローチャートである。図４に示すように、音声通話システム１において通話を行う際には、まず、ソフトフォン１００を起動する（ステップＳ１）。次に、音声入力部１０９及び音声出力部１０８が有効であるか否かを判断する（ステップＳ２）。

音声入力部１０９及び音声出力部１０８が有効である場合、通話モード切替部１０５は、第１の通話モードを選択する（ステップＳ３）。音声入力部１０９及び音声出力部１０８のうち少なくとも一方が有効でない場合、通話モード切替部１０５は、第２の通話モードを選択する（ステップＳ４）。

図５及び図６は、通話モードの切り替えの一例を示すフローチャートである。第１の通話モードを選択した場合（ステップＳ３）、第１の通話モードで通話を行う（ステップＳ３１）。通話モード切替部１０５は、第１の通話モードで通話中に音声入力部１０９及び音声出力部１０８のうち少なくとも一方が無効化したことを検知する（ステップＳ３２）と第２の通話モードに切り替え、第２の通話モードで通話を行う（ステップＳ３３）。

第２の通話モードを選択した場合（ステップＳ４）、第２の通話モードで通話を行う（ステップＳ４１）。通話モード切替部１０５は、第２の通話モードで通話中に音声入力部１０９及び音声出力部１０８が有効化したことを検知する（ステップＳ４２）と第１の通話モードに切り替え、第１の通話モードで通話を行う（ステップＳ４３）。このように、音声通話システム１は、音声入力部１０９及び音声出力部１０８のうち少なくとも一方が無効であっても、通話を行うことができる。

音声通話システム１における通話モードの切り替えは、ユーザーの操作に応じて行われてもよい。例えば、音声入力部１０９及び音声出力部１０８がいずれも有効である場合に、第１の通話モードと第２の通話モードとを選択可能であるように、テキスト出力部１０６に通話モード選択ボタンを配置する。ユーザーは、通話モード選択ボタンを操作して通話モードを選択する。

例えば、周囲のノイズが大きい場合、第１の通話モードで通話中に周囲のノイズが入り、通話の継続が困難であることがある。そこで、ユーザーの操作によって第２の通話モードを選択することにより、周囲のノイズが大きい場合であっても、通話を継続することができる。

また、図４〜６に示した例では、通話モード切替部１０５が第１の通話モード又は第２の通話モードを選択可能である場合について説明した。しかしながら、通話モード切替部１０５は、第１の通話モード及び第２の通話モードに加えて、第３の通話モードを選択可能であってもよい。

第３の通話モードでは、音声通話とテキスト通話とを同時に行う。第３の通話モードでは、音声通話において送受信した内容をテキストデータとして出力する。したがって、第３の通話モードで通話を行うことによって、通話内容を録音することなく、保存することができる。

以上で説明した本実施の形態に係る発明により、オーディオデバイスを使用できない場合であっても通話可能な音声通話システム、音声通話制御装置、音声通話プログラム、及び音声通話方法を提供することができる。

なお、本発明は上記実施の形態に限られたものではなく、趣旨を逸脱しない範囲で適宜変更することが可能である。

１ 音声通話システム
１００ ソフトフォン
１０２ ＲＴＰ通信部
１０３ 音声テキスト変換部
１０４ テキスト音声変換部
１０５ 通話モード切替部
１０６ テキスト出力部
１０６ａ 受信内容表示部
１０７ テキスト入力部
１０７ａ 送信内容表示部
１０８ 音声出力部
１０９ 音声入力部

Claims (7)

1. 音声データの送受信を行う音声通話システムであって、
   音声データをユーザーが聴音可能であるように出力する音声出力部と、
   前記ユーザーの操作に応じて生成された音声データを入力する音声入力部と、
   音声データをテキストデータに変換する音声テキスト変換部と、
   前記音声テキスト変換部において変換されたテキストデータを表示するために出力するテキスト出力部と、
   前記ユーザーの操作に応じて生成されたテキストデータを入力するテキスト入力部と、
   前記テキスト入力部に入力されたテキストデータを音声データに変換するテキスト音声変換部と、
   第１の通話モード及び第２の通話モードのいずれかから通話モードを選択する通話モード切替部と、
   を備え、
   前記第１の通話モードでは、
   前記音声入力部から入力された音声データを通話相手に送信し、
   前記通話相手から受信した音声データを前記音声出力部から出力する、
   音声通話を行い、
   前記第２の通話モードでは、
   前記テキスト入力部に入力されたテキストデータを前記テキスト音声変換部により音声データに変換して前記通話相手に送信し、
   前記通話相手から受信した音声データを前記音声テキスト変換部によりテキストデータに変換して前記テキスト出力部に表示する、
   テキスト通話を行い、
   前記通話モード切替部は、
   前記音声入力部及び前記音声出力部が有効である場合、前記第１の通話モードを選択し、
   前記音声入力部及び前記音声出力部の少なくとも一方が無効である場合、前記第２の通話モードを選択する、
   音声通話システム。
2. 前記通話モード切替部は、
   前記第１の通話モードで通話中に
   前記音声入力部及び前記音声出力部の少なくとも一方の無効化を検知した場合に
   前記第２の通話モードに切り替え、
   前記第２の通話モードで通話中に
   前記音声入力部及び前記音声出力部の有効化を検知した場合に
   前記第１の通話モードに切り替える、
   請求項１に記載の音声通話システム。
3. 前記通話モード切替部は、
   前記第１の通話モード、前記第２の通話モード及び第３の通話モードのいずれかから通話モードを選択し、
   前記第３の通話モードでは、
   前記音声通話と前記テキスト通話とを同時に行う、
   請求項１又は２に記載の音声通話システム。
4. 前記通話モード切替部における通話モードの選択が、
   前記ユーザーの操作によって行われる、
   請求項１〜３のいずれか一項に記載の音声通話システム。
5. 音声データの送受信を行う音声通話制御装置であって、
   音声データをテキストデータに変換する音声テキスト変換部と、
   ユーザー操作により入力されたテキストデータを音声データに変換するテキスト音声変換部と、
   第１の通話モード、第２の通話モード及び第３の通話モードのいずれかから通話モードを選択する通話モード切替部と、
   を備え、
   前記第１の通話モードでは、
   ユーザーの操作に応じて入力された音声データを通話相手に送信し、
   前記通話相手から受信した音声データを前記ユーザーが聴音可能なように出力する、
   音声通話を行い、
   前記第２の通話モードでは、
   ユーザーの操作に応じて入力されたテキストデータを前記テキスト音声変換部により音声データに変換して前記通話相手に送信し、
   前記通話相手から受信した音声データを前記音声テキスト変換部によりテキストデータに変換して前記ユーザーが視認可能なように出力する、
   テキスト通話を行い、
   前記第３の通話モードでは、
   前記音声通話と前記テキスト通話とを同時に行う、
   音声通話制御装置。
6. 音声データの送受信を行い、
   第１の通話モード、第２の通話モード及び第３の通話モードのいずれかから通話モードを選択し、
   前記第１の通話モードでは、
   ユーザーの操作に応じて入力された音声データを通話相手に送信し、
   前記通話相手から受信した音声データを前記ユーザーが聴音可能なように出力する、
   音声通話を行い、
   前記第２の通話モードでは、
   ユーザーの操作に応じて入力されたテキストデータを音声データに変換して通話相手に送信し、
   前記通話相手から受信した音声データをテキストデータに変換して前記ユーザーが視認可能なように出力する、
   テキスト通話を行い、
   前記第３の通話モードでは、
   前記音声通話と前記テキスト通話とを同時に行う、
   音声通話方法。
7. コンピュータに、請求項６に記載の音声通話方法を実行させる、音声通話プログラム。

Images