WO2020090215A1 - 情報処理装置及び情報処理装置、並びに情報処理システム - Google Patents

情報処理装置及び情報処理装置、並びに情報処理システム Download PDF

Info

Publication number
WO2020090215A1
WO2020090215A1 PCT/JP2019/034366 JP2019034366W WO2020090215A1 WO 2020090215 A1 WO2020090215 A1 WO 2020090215A1 JP 2019034366 W JP2019034366 W JP 2019034366W WO 2020090215 A1 WO2020090215 A1 WO 2020090215A1
Authority
WO
WIPO (PCT)
Prior art keywords
information processing
information
unit
virtual character
data
Prior art date
Application number
PCT/JP2019/034366
Other languages
English (en)
French (fr)
Inventor
義治 出葉
Original Assignee
ソニー株式会社
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by ソニー株式会社 filed Critical ソニー株式会社
Priority to KR1020217010884A priority Critical patent/KR102700436B1/ko
Priority to US17/275,565 priority patent/US11985390B2/en
Priority to JP2020554788A priority patent/JP7428134B2/ja
Priority to EP19879869.6A priority patent/EP3876547A4/en
Publication of WO2020090215A1 publication Critical patent/WO2020090215A1/ja

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
    • H04N21/23—Processing of content or additional data; Elementary server operations; Server middleware
    • H04N21/235—Processing of additional data, e.g. scrambling of additional data or processing content descriptors
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/43—Processing of content or additional data, e.g. demultiplexing additional data from a digital video stream; Elementary client operations, e.g. monitoring of home network or synchronising decoder's clock; Client middleware
    • H04N21/431—Generation of visual interfaces for content selection or interaction; Content or additional data rendering
    • H04N21/4312—Generation of visual interfaces for content selection or interaction; Content or additional data rendering involving specific graphical features, e.g. screen layout, special fonts or colors, blinking icons, highlights or animations
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/47—End-user applications
    • H04N21/478—Supplemental services, e.g. displaying phone caller identification, shopping application
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J11/00—Manipulators not otherwise provided for
    • B25J11/0005—Manipulators having means for high-level communication with users, e.g. speech generator, face recognition means
    • B25J11/001—Manipulators having means for high-level communication with users, e.g. speech generator, face recognition means with emotions simulating means
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F13/00—Interconnection of, or transfer of information or other signals between, memories, input/output devices or central processing units
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/41—Structure of client; Structure of client peripherals
    • H04N21/4104—Peripherals receiving signals from specially adapted client devices
    • H04N21/4126—The peripheral being portable, e.g. PDAs or mobile phones
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/43—Processing of content or additional data, e.g. demultiplexing additional data from a digital video stream; Elementary client operations, e.g. monitoring of home network or synchronising decoder's clock; Client middleware
    • H04N21/431—Generation of visual interfaces for content selection or interaction; Content or additional data rendering
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/43—Processing of content or additional data, e.g. demultiplexing additional data from a digital video stream; Elementary client operations, e.g. monitoring of home network or synchronising decoder's clock; Client middleware
    • H04N21/435—Processing of additional data, e.g. decrypting of additional data, reconstructing software from modules extracted from the transport stream
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/43—Processing of content or additional data, e.g. demultiplexing additional data from a digital video stream; Elementary client operations, e.g. monitoring of home network or synchronising decoder's clock; Client middleware
    • H04N21/436—Interfacing a local distribution network, e.g. communicating with another STB or one or more peripheral devices inside the home
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/43—Processing of content or additional data, e.g. demultiplexing additional data from a digital video stream; Elementary client operations, e.g. monitoring of home network or synchronising decoder's clock; Client middleware
    • H04N21/436—Interfacing a local distribution network, e.g. communicating with another STB or one or more peripheral devices inside the home
    • H04N21/43615—Interfacing a Home Network, e.g. for connecting the client to a plurality of peripherals
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/43—Processing of content or additional data, e.g. demultiplexing additional data from a digital video stream; Elementary client operations, e.g. monitoring of home network or synchronising decoder's clock; Client middleware
    • H04N21/436—Interfacing a local distribution network, e.g. communicating with another STB or one or more peripheral devices inside the home
    • H04N21/4363—Adapting the video stream to a specific local network, e.g. a Bluetooth® network
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/80—Generation or processing of content or additional data by content creator independently of the distribution process; Content per se
    • H04N21/81—Monomedia components thereof
    • H04N21/8146—Monomedia components thereof involving graphical data, e.g. 3D object, 2D graphics
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/80—Generation or processing of content or additional data by content creator independently of the distribution process; Content per se
    • H04N21/81—Monomedia components thereof
    • H04N21/816—Monomedia components thereof involving special video data, e.g 3D video
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/80—Generation or processing of content or additional data by content creator independently of the distribution process; Content per se
    • H04N21/83—Generation or processing of protective or descriptive data associated with content; Content structuring
    • H04N21/84—Generation or processing of descriptive data, e.g. content descriptors

Definitions

  • the technology disclosed in this specification relates to an information processing device and an information processing device that provide a service related to broadcast-type moving image content, and an information processing system.
  • IPTV Internet Protocol TV
  • OTT Over-The-Top
  • a system having this kind of interactive function which is also called an “agent” or an “assistant”, is realized as an application executed on a dedicated electronic device or an information terminal such as a television or a smartphone.
  • the interactive function of this type of system is realized by using an AI (Artificial Intelligence) function, a back-end interactive engine connected via the Internet, or the like.
  • AI Artificial Intelligence
  • Patent Document 1 For example, a virtual assistant that connects to a TV or a set top box to control media playback and other arbitrary functions has been proposed (see Patent Document 1).
  • the purpose of the technology disclosed in this specification is to provide an information processing device and an information processing device that provide services related to broadcast-type moving image content, and an information processing system.
  • the first aspect of the technology disclosed in the present specification is A receiver for receiving broadcast-type video content, A notification unit that notifies the second device of data including the location or acquisition method of information that suggests a motion of the virtual character according to an event that occurs in the moving image content,
  • An information processing apparatus including:
  • the information processing device is, for example, a television receiver that receives the moving image content that is broadcasted or streamed, and receives the trigger of the event by StreamEvent or WebSocket.
  • the second aspect of the technology disclosed in this specification is A receiving step for receiving broadcast type video content, A display step of displaying the moving image content on a display unit, A notification step of notifying the second device of data including the location or acquisition method of the information suggesting the motion of the virtual character in response to an event that occurs in the moving image content; It is an information processing method including.
  • the third aspect of the technology disclosed in this specification is A receiving unit that receives, from the first device, a data notification including the location or acquisition method of information that suggests the motion of the virtual character in response to an event that occurs in broadcast-type video content; A control unit that acquires the information based on the data notified from the first device, and controls driving of the virtual character based on the acquired information;
  • An information processing apparatus including:
  • the information processing apparatus receives the notification from the first device as a television receiver that receives the broadcast-type moving image content, but displays the notification on a display unit capable of two-dimensional or three-dimensional display.
  • the drive of the virtual character is controlled.
  • the fourth aspect of the technology disclosed in this specification is A receiving step of receiving from the first device a notification of data including a location or acquisition method of information suggesting a motion of a virtual character in response to an event occurring in broadcast-type moving image content; An acquisition step of acquiring the information based on the data notified from the first device; A control step of controlling the drive of the virtual character based on the information acquired in the acquisition step; It is an information processing method including.
  • the fifth aspect of the technology disclosed in this specification is A first device for receiving broadcast-type video content; A second device for controlling the drive of the virtual character; Equipped with, The first device, in response to receiving the trigger of the event, transmits data including a location or acquisition method of information indicating a motion of the virtual character according to an event occurring in the moving image content, to the first device. Notify the second device, The second device acquires the information based on the data notified from the first device, and controls the driving of the virtual character, It is an information processing system.
  • system refers to a logical collection of a plurality of devices (or functional modules that implement a specific function), and each device and functional module are in a single housing. Whether or not it does not matter.
  • an information processing device and an information processing device that automatically drive a virtual character according to the content of broadcast-type moving image content, and an information processing system.
  • FIG. 1 is a diagram schematically showing a configuration example of the dialogue system 100.
  • FIG. 2 is a diagram showing a configuration example of the display device 110.
  • FIG. 3 is a diagram schematically showing a configuration example of the dialogue device 120.
  • FIG. 4 is a diagram showing a functional configuration example of the dialogue engine front end 410 and the dialogue engine back end 420.
  • FIG. 5 is a diagram showing an operation sequence example in the dialogue system 100.
  • FIG. 6 is a diagram showing an example of scene description data.
  • FIG. 7 is a diagram showing another example of the scene description data.
  • FIG. 8 is a flowchart showing a basic operation example of the display device 110.
  • FIG. 9 is a flowchart showing the procedure of the processing operation performed by the interactive device 120 in the receiving state.
  • FIG. 9 is a flowchart showing the procedure of the processing operation performed by the interactive device 120 in the receiving state.
  • FIG. 10 is a flowchart showing the processing operation of the dialogue device 120 in the scene following conversation mode.
  • FIG. 11 is a diagram exemplifying a mixed reality space in which an image of a virtual character appears in a room by an MR device.
  • FIG. 12 is a diagram showing a state in which a virtual character is displayed on the sub-screen provided on the main screen displaying the main part of the broadcast program.
  • FIG. 13 is a diagram showing a state in which the pet robot is autonomously driven according to the content of the broadcast data content that is being viewed together with the user.
  • FIG. 1 schematically shows a configuration example of a dialogue system 100 to which the technology disclosed in this specification is applied.
  • the illustrated dialogue system 100 includes a display device 110 and a dialogue device 120.
  • the display device 110 and the dialog device 120 are basically used by the same user.
  • the display device 110 and the dialogue device 120 are installed in the same space as the user, such as a living room.
  • the display device 110 displays content that has been broadcast or streamed, and the user views the content displayed by the display device 110.
  • the dialog device 120 interacts with the user, accepts commands such as voices and gestures from the user, and presents information to the user.
  • the display device 110 is interconnected to an external network such as the Internet via a router, for example. Further, the dialogue device 120 is interconnected to an external network such as the Internet via an access point installed indoors.
  • the communication means may be wired or wireless.
  • the display device 110 and the dialog device 120 may be connected using communication based on an existing communication standard such as Ethernet (registered trademark), Wi-Fi (registered trademark), or Bluetooth (registered trademark), or may be unique. It may be a connection.
  • only one-way communication from the display device 110 to the dialog device 120 may be performed using infrared communication or other simple communication means.
  • the display device 110 is equipped with a large screen for displaying broadcast-type video content.
  • the display device 110 is composed of, for example, a television receiver that selects and receives a broadcast signal, but may be a display connected to a set top box.
  • the broadcast signal may be a ground wave or a satellite wave.
  • the broadcasting service used by the display device 110 is not limited to television broadcasting, and may include a broadcasting-type moving image distribution service using a network such as IPTV or OTT. In the latter case, the display device 110 can be composed of a display equipped with a network interface card.
  • video content provided by push-type content distribution services other than these may be included.
  • FIG. 2 shows a configuration example of the display device 110.
  • the display device 110 includes a main control unit 201, a bus 202, a storage unit 203, a communication interface (IF) unit 204, an expansion interface (IF) unit 205, a tuner / demodulation unit 206, and a demultiplexer (DEMUX). 207, a video decoder 208, an audio decoder 209, a character super decoder 210, a subtitle decoder 211, a subtitle synthesis unit 212, a data decoder 213, a cache unit 214, an application (AP) control unit 215, and a browser.
  • the unit 216, the sound source unit 217, the video synthesis unit 218, the display unit 219, the voice synthesis unit 220, the voice output unit 221, and the operation input unit 222 are provided.
  • the main control unit 201 is composed of, for example, a CPU (Central Processing Unit), a ROM (Read Only Memory), and a RAM (Random Access Memory), and controls the entire display device 110 according to a predetermined operation program.
  • the ROM is a non-volatile memory that stores a basic operation program such as an operating system (OS) and other operation programs.
  • the operation setting values necessary for the operation of the display device 110 may be stored in the ROM.
  • the RAM serves as a work area when the OS and other operation programs are executed.
  • the bus 202 is a data communication path for transmitting and receiving data between the main control unit 201 and each unit in the display device 110.
  • the trigger distribution is performed in synchronization with the event in the video content from the broadcast service (broadcast station or stream distribution server) side (described later), but the main control unit 201 causes the trigger
  • the result of decoding the distribution can be received from the data decoder 213 (described later).
  • the storage unit 203 is composed of a non-volatile storage device such as a flash ROM, SSD (Solid State Drive), and HDD (Hard Disc Drive).
  • the storage unit 203 stores an operation program and operation setting values of the display device 110, personal information of a user who uses the display device 110, and the like.
  • the storage unit 203 also stores an operation program downloaded via the Internet, various data created by the operation program, and the like.
  • the storage unit 203 can also store contents such as moving images, still images, and audio acquired through broadcast waves or the Internet.
  • the communication interface unit 204 is connected to the Internet via a router (described above) or the like, and sends and receives data to and from each server device on the Internet and other communication devices.
  • the communication interface unit 204 also acquires the data stream of the program transmitted via the communication line.
  • the router may be a wired connection such as Ethernet (registered trademark) or a wireless connection such as Wi-Fi (registered trademark).
  • the communication interface unit 204 may include a means for communicating with the dialogue device 120.
  • the communication means with the dialogue device 120 may be only one-way communication with the dialogue device 120.
  • the tuner / demodulation unit 206 receives a broadcast wave such as a terrestrial broadcast or a satellite broadcast via an antenna (not shown), and under the control of the main control unit 201, a channel of a service (broadcasting station, etc.) desired by the user. Tune in (tune in). In addition, the tuner / demodulation unit 206 demodulates the received broadcast signal and acquires a broadcast data stream.
  • the display device 110 may have a plurality of tuners / demodulation units (that is, multiple tuners) for the purpose of simultaneous display of a plurality of screens and recording of a back program.
  • the demultiplexer 207 receives a video decoder 208, a voice decoder 209, and a character as a real-time presentation element for a video data stream, an audio data stream, a character super data stream, and a caption data stream, respectively, based on a control signal in the input broadcast data stream. It is distributed to the super decoder 210 and the subtitle decoder 211.
  • the data input to the demultiplexer 207 includes data for broadcasting services and distribution services such as IPTV and OTT. The former is input to the demultiplexer 207 after being received and demodulated by the tuner / demodulator 206, and the latter is input to the demultiplexer 207 after being received by the communication interface unit 204.
  • the demultiplexer 207 reproduces the multimedia application and file data that is a component thereof, outputs it to the application control unit 215, or temporarily stores it in the cache unit 214. Further, the demultiplexer 207 extracts general-purpose data and outputs it to the data decoder 213 for use in streaming of data used by a player that presents data other than the above-described video, audio, and subtitles or data for an application. ..
  • the video decoder 208 decodes the video data stream input from the demultiplexer 207 and outputs video information.
  • the audio decoder 209 also decodes the audio data stream input from the demultiplexer 207 and outputs audio information.
  • the display device 110 may include a plurality of video decoders 208 and a plurality of audio decoders 143 in order to simultaneously decode a plurality of types of video data streams and audio data streams.
  • the character super decoder 210 decodes the character super data stream input from the demultiplexer 207 and outputs the character super information.
  • the subtitle decoder 211 decodes the subtitle data stream input from the demultiplexer 207 and outputs subtitle information.
  • the subtitle synthesizing unit 212 synthesizes the subtitle synthesizing unit 212 with the subtitle information output from the subtitle decoder 210 and the subtitle information output from the subtitle decoder 211.
  • the data decoder 213 decodes the data stream that is multiplexed with the video and audio in the MPEG-2 TS stream.
  • the data decoder 213 causes the main control unit 201 to decode the result of decoding the general-purpose event message stored in the descriptor area of the PMT (Program Map Table), which is one of the PSI (Program Specific Information) tables. Notice.
  • the data decoder 213 decodes the data transmitted using WebSocket and notifies the main control unit 201 of the decoded data. Specifically, although the trigger delivery synchronized with the event in the moving image content is performed using StreamEvent, WebSocket, or the like, the data decoder 213 notifies the main control unit 201 of the result of decoding the trigger delivery.
  • the application control unit 215 inputs the control information included in the broadcast data stream from the demultiplexer 207 or acquires it from the server device on the Internet 200 via the communication interface unit 204, and interprets the control information.
  • the browser unit 216 presents the multimedia application file acquired from the server device on the Internet via the cache unit 214 or the communication interface unit 204 and the file system data that is a component thereof according to the instruction of the application control unit 215.
  • the multimedia application file mentioned here is, for example, an HTML (Hyper Text Markup Language) document or a BML (Broadcast Markup Language) document. Further, the browser unit 216 also reproduces the voice information of the application by working on the sound source unit 217.
  • the video synthesizing unit 218 inputs the video information output from the video decoder 208, the subtitle information output from the subtitle synthesizing unit 212, and the application information output from the browser unit 216, and performs a process of appropriately selecting or superimposing. To do.
  • the video composition unit 218 includes a video RAM (not shown), and the display drive of the display unit 219 is performed based on the video information input to the video RAM. Further, the video synthesizing unit 218 may, under the control of the main control unit 201, display screen information such as an EPG (Electronic Program Guide) screen or graphics generated by an application executed by the main control unit 201 as necessary. Superimposing processing is also performed.
  • EPG Electronic Program Guide
  • the display unit 219 is a display device including, for example, a liquid crystal display or an organic EL (Electro-Luminescence) display, and presents the user with the video information selected or superimposed by the video synthesis unit 218.
  • a display device including, for example, a liquid crystal display or an organic EL (Electro-Luminescence) display, and presents the user with the video information selected or superimposed by the video synthesis unit 218.
  • the voice synthesizing unit 220 inputs the voice information output from the voice decoder 209 and the voice information of the application reproduced by the sound source unit 217, and appropriately performs a process such as selection or synthesis.
  • the voice output unit 221 is composed of one or more speakers.
  • the audio output unit 221 may be a speaker array (multi-channel speaker or super-multi-channel speaker) in which a plurality of speakers are combined, or a panel speaker.
  • the voice output unit 221 presents the voice information processed by the voice synthesis unit 220 to the user.
  • the expansion interface unit 205 is an interface group for expanding the function of the display device 110, and is configured by, for example, an analog video / audio interface, a USB (Universal Serial Bus) interface, a memory interface, and the like.
  • the expansion interface unit 205 may include a digital interface including a DVI (Digital Visual Interface) terminal, an HDMI (registered trademark) terminal, a Display Port (registered trademark) terminal, and the like.
  • the operation input unit 222 is an instruction input unit through which the user inputs an operation instruction to the display device 110.
  • the operation input unit 222 includes, for example, a remote controller receiving unit that receives a command transmitted from a remote controller (not shown) and an operation key in which button switches are arranged.
  • the operation input unit 222 may also include a touch panel that is superimposed on the screen of the display unit 219.
  • the operation input unit 222 may also include an external input device such as a keyboard connected to the expansion interface unit 205.
  • the display device 110 includes a television receiver, a disc drive recorder such as a Blu-ray (registered trademark) disc recorder and an HDD recorder, an STB (Set Top Box), a personal computer (Personal) having a digital broadcast reception function and a broadcast communication cooperation function. It may be a multifunctional information terminal such as a computer or a tablet, a navigation device, a game machine, or the like.
  • a disc drive recorder such as a Blu-ray (registered trademark) disc recorder and an HDD recorder
  • STB Set Top Box
  • Personal computer Personal computer having a digital broadcast reception function and a broadcast communication cooperation function.
  • It may be a multifunctional information terminal such as a computer or a tablet, a navigation device, a game machine, or the like.
  • the interactive device 120 is a device that interprets a natural language input in a verbal or text format, infers the user's intention, and realizes interaction with the user, and is equipped with a function called a so-called “agent” or “assistant”. There is.
  • the dialogue device 120 is assumed to be equipped with a sub-screen for displaying a virtual character that expresses the behavior of an “agent” or an “assistant” (see FIG. 1, dialogue). (It shows that a virtual character image is displayed on the sub-screen of the device 120).
  • the dialogue device 120 autonomously drives the virtual character according to the dialogue with the user.
  • the sub-screen has a 3D display function such as a light field display or is a screen capable of realistic image expression and can display the virtual character in 3D.
  • the Light Field is a visible space that includes all the light within the range of the observer's field of view, and the light field display ideally reproduces all the light that enters the observer's eyes. It is a display device.
  • the sub-screen of the interactive device 120 may have only the 2D display function.
  • the dialogue device 120 may be an MR (Mixed Reality) device such as a head-mounted display that compositely displays images of virtual characters in the real space.
  • FIG. 11 exemplifies a mixed reality space in which an image of a virtual character appears in a room by an MR device.
  • FIG. 12 is a diagram showing a state in which the virtual character is displayed on the sub-screen provided on the main screen for displaying the main part of the broadcast program.
  • the dialogue device 120 may be a pet-type robot instead of a device equipped with a sub-screen for displaying a virtual character in 3D, and expresses the behavior as an “agent” or an “assistant” by the joint motion of the robot. You can In this case, the dialogue device 120 causes the robot to autonomously drive a movable part such as a joint in response to the dialogue with the user.
  • FIG. 13 shows a state in which the pet robot is autonomously driven according to the content of the broadcast data content that is being viewed together with the user.
  • an application such as an “agent” or an “assistant” is started up on an information terminal such as a smartphone or tablet owned by the user and used as the dialogue device 120.
  • the virtual character is displayed on the screen of the information terminal or the display externally connected to the information terminal.
  • the application is started by an information home appliance installed in the same room as the display device 110 and used as the dialogue device 120.
  • the dialogue device 120 is basically a device equipped with a 3D display function, but it can be replaced with a device of another form.
  • the broadcast-type moving image content displayed on the display device 110 is viewed together with the user.
  • FIG. 3 schematically shows a configuration example of the dialogue device 120.
  • a dedicated device such as a voice agent is assumed as the dialogue device 120.
  • the dialogue device 120 includes a processing unit 301, a communication unit 302, a display unit 303, a voice input unit 304, a voice output unit 305, a sensor unit 306, and a recording unit 307.
  • the communication unit 302 connects to an external network such as the Internet via an access point (see FIG. 1) using wired communication such as Ethernet (registered trademark) or wireless communication such as Wi-Fi (registered trademark). is doing. Further, the communication unit 302 may be interconnected with each CE device in the home via a home network in accordance with a standard such as DLNA (registered trademark) (Digital Living Network Alliance) or the like, or may be interconnected with an IoT (Internet). of Things) The device may further have an interface function with a device.
  • DLNA registered trademark
  • IoT Internet
  • the display unit 303 functions as a “sub-screen” for the main screen of the display device 110 in the dialogue system 100 according to the present embodiment, and displays a virtual character expressing the behavior of an “agent” or an “assistant”. I'm assuming. More preferably, the display unit 303 has a screen having a 3D display function such as a light field display (described above) or capable of realistic video expression, and can display the virtual character in 3D. Of course, the display unit 303 may have only the 2D display function. However, the display unit 303 can also be configured by an MR device externally connected to the dialogue device 120 or another display.
  • the voice input unit 304 is composed of a sound pickup element such as a microphone and is used to input a voice generated in a room where the dialogue device 120 is installed.
  • the voice generated in the room may be a utterance by a viewer of a television program or a user who uses a voice agent.
  • the voice input unit 304 may include a microphone array in which a plurality of microphones are combined.
  • the voice output unit 305 is composed of a sound generating element such as a speaker.
  • a cone type speaker, a flat panel type speaker, or the like can be used for the audio output unit 305.
  • the audio output unit 305 may include a speaker array (multi-channel speaker or super multi-channel speaker) in which a plurality of speakers are combined.
  • the sound output unit 305 is used to output a synthesized voice of a voice agent function.
  • the sensor unit 306 senses, for example, environmental information of the room where the dialogue device 120 is installed.
  • the configuration of the sensor unit 306, that is, what kind of sensor element is included is arbitrary.
  • the sensor unit 306 may include a camera, an object detection sensor, and a depth sensor.
  • the sensor unit 306 may include an environment sensor such as an illuminance sensor, a temperature sensor, and a humidity sensor that detects environment information.
  • the sensor unit 306 may include an infrared sensor or a human sensor.
  • the sensor unit 306 may include a biosensor that detects a user's pulse, sweating, brain waves, myoelectric potential, expiration, and the like.
  • the sensor unit 306 may include an IMU (Internal Measurement Unit) and the like to detect the posture and the like of the main body of the interactive device 120.
  • IMU Internal Measurement Unit
  • the recording unit 307 is composed of a large-capacity recording device such as an HDD or SSD and is used for recording various data.
  • the recording unit 307 is provided inside the dialogue device 120, and may be externally connected to the dialogue device 120 via an interface such as a USB.
  • the processing unit 301 includes a processor and a memory, executes a program loaded in the memory, executes various types of processing, and centrally controls the operation in the dialogue device 120.
  • various applications are basically executed under the execution environment provided by the OS. For example, when a multiprocessor is available, or when multithread execution is possible by the OS, all processing units that can be executed in parallel can be read into the memory and executed in parallel.
  • a dialogue application for realizing a dialogue function with a user such as a voice agent
  • the processing unit 301 can execute a plurality of interactive applications in parallel, so that the interactive apparatus 120 can function as a plurality of agent devices.
  • the interactive application presents the virtual character on the display unit 303.
  • the dialogue device 120 may be equipped with an AI function in order to realize a full dialogue function with the user. Further, the dialogue device 120 is configured as a front end of the dialogue engine, not as a stand-alone device as shown in FIG. 1 and the like, and is controlled by the back end of the dialogue engine configured by a server or cloud on the Internet. You may make it operate.
  • FIG. 4 shows a functional configuration example of the dialogue engine front end 410 and the dialogue engine back end 420.
  • the dialogue engine front end 410 is a dialogue application that is arranged on the local side (that is, in the vicinity of the user) and is executed by the dialogue device 120, and each function such as the voice input unit 304 and the voice output unit 305 equipped in the dialogue device 120. Modules can be utilized.
  • the cloud side includes a dialogue engine backend 420 and a plurality of external agent services 430A, 430B, 430C, ....
  • the dialogue engine backend 420 and the external agent services 430A, 430B, 430C, ... All provide agent services for answering inquiries from users on the local side.
  • the former directly cooperates with the dialogue engine front end 410
  • the latter does not directly cooperate with the dialogue engine front end 410, but indirectly through the dialogue engine back end 420 intervening with respect to the dialogue engine front end 410.
  • It is called an “external agent service” because it provides an agent service to the dialogue engine back end 420.
  • at least a part of the foreign agent services 430A, 430B, 430C, ... is directly linked to the foreign agent device 440 installed on the local side.
  • the dialogue engine backend 420 includes a voice recognition unit 421, a semantic analysis unit 422, a voice synthesis unit 423, and a control unit 424.
  • the voice recognition unit 421 performs voice recognition of the user's utterance collected by the voice input unit 304 on the side of the dialogue engine front end 410 and converts it into text information.
  • the semantic analysis unit 332 performs a semantic analysis of the user's utterance data based on the text information recognized by speech.
  • the voice synthesizing unit 423 converts text information, which is an answer or feedback to the user, into voice data.
  • the voice data is sent to the dialogue engine front end 410 and voice-outputted from the voice output unit 305 to the user.
  • the dialogue engine front end 410 may give feedback to the user based on the action or behavior of the virtual character displayed on the screen of the display unit 303.
  • the control unit 424 executes processing for interacting with the user of the dialogue engine front end 410. For example, the control unit 424 searches the information inquired by the user, acquires the content requested by the user, and places an order for a product.
  • the control unit 424 may be equipped with a learning function or an AI function in order to realize a better answer to an inquiry from the user.
  • the control unit 424 may execute a part (or all) of the processing for generating the virtual character displayed on the screen of the display unit 303.
  • control unit 424 can further utilize the resources of the external agent services 430A, 430B, 430C, ... To realize a better dialogue with the user.
  • the control unit 424 may call all available external agent services 430A, 430B, 430C, ... Or may select and call some of the external agent devices.
  • the text information obtained by semantic analysis of the inquiry from the user by the semantic analysis unit 422 may be transmitted to the external agent service 430B, or the voice data obtained by performing voice synthesis of the text information by the voice synthesis unit 423 to the outside. It may be transmitted to the agent service 430A and inquired in the form of voice input from the user.
  • the dialogue engine backend 420 makes a request to the external agent service 430C
  • the voice data synthesized by the voice synthesizer 423 is transmitted to the dialogue engine frontend 410, and the voice output unit 305 of the dialogue device 120 outputs the voice data. It is also possible to output a voice as if the user made an inquiry and make an inquiry through the external agent device 440.
  • the external agent service 430B sends the processing result including text information (or before speech synthesis) to the dialogue engine backend 420.
  • the external agent services 430A and 430C send voice data obtained by voice-synthesizing the processing result to the dialogue engine backend 420.
  • the voice recognition unit 421 performs voice recognition on the voice data sent from the external agent services 430A and 430C, and the meaning analysis unit 422 semantically analyzes the voice recognition result.
  • the control unit 424 aggregates the answers from the respective external agent services 430A, 430B, 430C, ... At the level of the semantic analysis result, and generates an answer sentence for the user.
  • the method of collecting a plurality of answers is arbitrary.
  • the answer from the particular foreign agent service may be selected against the answer obtained by the dialogue engine backend 420 itself, or the answer from the particular foreign agent service may be selected based on a predetermined selection criterion such as a majority vote.
  • the answers from a plurality of external agent services may be combined to generate one answer sentence.
  • the voice synthesis unit 423 converts the answer sentence generated by the control unit 424 into voice data and sends the voice data to the dialogue engine front end 410. Then, in the dialogue engine front end 410, the voice of the answer to the user is output from the voice output unit 305 to the user.
  • the external agent service 430C includes a voice recognition unit 431C, a semantic analysis unit 432C, a processing unit 433C, and a voice synthesis unit 434C.
  • the voice recognition unit 431C voice-recognizes the utterance collected by the voice input unit 441 of the voice agent device 440 and converts it into text information.
  • the voice collected by the voice input unit 441 may be the voice output from the voice output unit 305 of the dialogue engine front end 410 in addition to the user's utterance.
  • the semantic analysis unit 432C performs semantic analysis of the user's utterance data based on the text information recognized by the voice.
  • the processing unit 433C executes processing for answering an inquiry from the user. For example, when the semantic analysis result reveals that the “activation word” designating the external agent service 430C has been input by voice from the user, the processing unit 433C starts processing execution.
  • the voice synthesizing unit 434C converts the text information, which is an answer to the user, into voice data.
  • the voice data is sent to the voice agent device 440, and voice output from the voice output unit 442 to the user.
  • the voice data generated by the voice synthesis unit 434C may be transmitted to the voice agent device 440 for voice output, or may be transmitted to the dialogue engine backend 420 and input to the voice recognition unit 421.
  • the display device 110 displaying the broadcast type moving image content is positioned as the main screen, while the display unit 303 included in the dialogue device 120 is positioned on the sub screen. Then, the dialogue device 120 autonomously drives the virtual character on the display unit 303 as the sub screen. More specifically, the interactive device 120 has a function of interacting with the user, and when the user is watching the broadcast type moving image content displayed on the main screen of the display device 110 together with the user, The virtual character on the sub-screen autonomously drives and changes its facial expression, gesture, behavior, and action according to the content of the broadcast-type video content.
  • the main feature of the dialogue system 100 according to the present embodiment is that the dialogue device 120 autonomously drives the virtual character on the sub-screen in accordance with the content of the broadcast type moving image content being viewed together with the user. is there.
  • the dialogue system 100 has another main feature in that information for suggesting autonomous driving of the virtual character is provided from the outside to the dialogue device 120.
  • information that suggests autonomous driving of a virtual character is referred to as "scene description data".
  • a service such as a broadcasting station or a stream distribution server may create or edit scene description data for moving image content to be broadcast or distributed and upload it to a predetermined website.
  • the interactive device 120 switches the displayed virtual character based on the newly provided scene description data.
  • the dialogue device 120 may switch the virtual character prepared on the service side for each broadcasting station.
  • the interactive device 120 may switch to a virtual character dedicated to the program, based on newly provided scene description data.
  • the dialogue device 120 switches the virtual character prepared on the distribution service side based on the newly provided scene description data every time the content distribution source is switched or the streaming content to be received is switched. May be. Further, the dialogue device 120 may switch the virtual character prepared on the distribution service side for each distribution content, not for the distribution source.
  • the dialogue device 120 switches virtual characters or displays virtual characters even in the same broadcast program or the same streaming content based on scene description data newly provided according to the scene or context of the moving image content. You may make it control the operation to do.
  • the dialogue device 120 acts as a virtual character acting on behalf of the user or synchronizing with the user based on the newly provided scene description data. May be displayed.
  • the dialogue device 120 provides a newly provided scene. Based on the descriptive data, it is possible to express the action of the virtual character that represents the emotion of the user or is in tune with the user. For example, the dialogue device 120, when its own army is dominant, is pleased together, hits a hammer, puts a hand of companion, changes emotions and facial expressions in accordance with the progress of the video content (game progress, etc.). ..
  • the dialogue device 120 selects one of the domestic, international, social, economic, entertainment, sports, science, region, etc. of the user based on the scene description data provided for each corner. You may make it express the action
  • the dialogue device 120 displays an operation of introducing the product to which the virtual character corresponds based on the scene description data newly provided at the timing of the CM inserted in the main program, not the main program to be broadcast or streamed. You may make it available. At that time, the dialogue device 120 may perform a matching process between the user's profile and the product, and change the product recommendation method by the virtual character according to the degree of the user's interest in the product.
  • the virtual character basically responds to questions and chats from the user.
  • the dialogue device 120 switches the virtual character for each broadcast-type moving image content or changes each scene of the moving image content based on the scene description data sequentially provided. Change the emotional expression of the virtual character. Therefore, the user can enjoy more content by viewing the broadcast-type moving image content together with the interactive device 120 than when viewing the content alone.
  • the dialogue device 120 may control the movement of the virtual character by stand-alone, as shown in FIG. 4, the dialogue device 120 may control the movement of the virtual character by the coordinated movement of the dialogue engine front end 410 and the dialogue engine back end 420. You can
  • the dialogue device 120 operates the virtual character according to the scene description data provided from the outside, operates the virtual character with reference to the description content of the scene description data to some extent, or It is arbitrary whether or not the virtual character is operated completely autonomously without being restricted by the description contents. For example, the user may specify whether the interactive device 120 should comply with the scene description data.
  • FIG. 5 shows an operation sequence example for the dialogue device 120 to carry out emotional expressions in the dialogue system 100 according to the present embodiment while viewing broadcast type moving image content.
  • Services such as broadcasting stations and stream distribution servers perform trigger distribution to notify that an event that can be a trigger to perform emotional expression of virtual characters etc. occurred during the transmission of broadcast type video content in the video content. Execute sequentially.
  • the service side such as a broadcasting station and a stream distribution server
  • Trigger distribution is sequentially performed for the display device 110 that receives (selection receives) the moving image content (SEQ511, SEQ512, ).
  • the service side such as the broadcasting station or the stream distribution server performs the trigger distribution in synchronization with the occurrence of an event that can be a trigger in the broadcast type video content.
  • a delay time such as a network delay may occur before the trigger delivery reaches the display device 110 after an event occurs in the video content, but the delay time can be ignored here. To do.
  • the service side shall perform the trigger distribution by using the means already defined by the broadcast service standard and the stream distribution service standard.
  • the broadcast station side can use StreamEvent or the like to perform trigger distribution to the display device 110 that receives a channel selected from a broadcast program.
  • ARIB Association of Radio Industries and Businesses: The Association of Radio Industries and Businesses
  • MPEG Motion Picture Experts Group
  • TS Transport Sport
  • PSI tables are multiplexed together with contents such as video and audio streams and data. Is defined as the transmission format of.
  • the service side such as the stream distribution server can perform the trigger distribution to the display device 110 that receives the content stream by using WebSocket or the like.
  • WebSocket is a protocol that operates on TCP (Transmission Control Protocol), which specifies that once a server and a client have made a connection, all required communication is performed using a dedicated protocol on that connection. WebSocket can realize highly efficient transmission between a Web server and a client with less overhead due to a header. WebSocket is defined as RFC (Request for Comments) 6455, "The WebSocket Protocol".
  • the service side such as a broadcasting station or a stream distribution server includes information on the location or acquisition method of scene description data (described above) in trigger distribution (SEQ511, SEQ512, ).
  • the trigger data is transmitted to the display device 110.
  • the location or acquisition method of the scene description data can be described in the form of, for example, a URI (Uniform Resource Identifier) or a URL (Uniform Resource Locator).
  • the display device 110 When the display device 110 receives the trigger data in a format such as StreamEvent or WebSocket, the display device 110 appropriately converts the trigger data into a data format that the dialog device 120 can process, and transfers the trigger data to the dialog device 120 (SEQ521, SEQ522, ).
  • the trigger data does not include the scene description data itself, but consists of simple, small-capacity data that specifies the location or acquisition method of the scene description data in a format such as URI or URL. Therefore, it is possible to transfer the trigger data using a simple communication means (described above) that only performs one-way communication between the display device 110 and the dialogue device 120.
  • the dialog device 120 receives the trigger data from the display device 110 (SEQ521, SEQ522, ...), the scene description data from a predetermined website according to the location or acquisition method specified in the format such as URI or URL in the trigger data. Is acquired (SEQ531, SEQ532, ).
  • the dialogue device 120 autonomously drives the virtual character displayed on the sub-screen (display unit 303) based on the acquired scene description data (SEQ541, SEQ542, ).
  • the dialogue device 120 When the display device 110 transfers the trigger data to the dialogue device 120 (SEQ521, SEQ522, ...), the dialogue device 120 also includes virtual character data (hereinafter, also referred to as “delivery character”) displayed on the sub-screen. It may be transmitted to.
  • the virtual character data may be distributed by the broadcasting station or the stream distribution server as multimedia contents along with the moving image contents, or may be installed in the display device 110 in advance.
  • the dialogue device 120 also has a virtual character (hereinafter, also referred to as “my character”) provided in advance. It is assumed that the dialogue device 120 selects either one of the my character and the distribution character, and autonomously drives the sub screen.
  • the dialogue device 120 may control the movement of the virtual character by stand-alone, as shown in FIG. 4, the dialogue device 120 may control the movement of the virtual character by the coordinated movement of the dialogue engine front end 410 and the dialogue engine back end 420. You can
  • trigger distribution is performed from the service side, and in response thereto, trigger data is transferred from the display device 110 to the dialogue device 120. It Then, the dialogue device 120 can express the action of the virtual character that represents the emotion of the user or synchronizes with the user based on the newly acquired scene description data.
  • trigger distribution is performed from the service side, and in response to this, the display device 110 causes the dialogue device 120 to respond.
  • the trigger data is transferred to.
  • the dialogue device 120 is pleased with the score and fine play of the own army, hits a joint together, and feels sad and discouraged with the loss and error of the own army. It is possible to express the movement of the virtual character following the progress of the game.
  • trigger distribution is performed from the service side for each corner such as domestic, international, social, economic, performing arts, sports, science and area, and in response to this, the display device 110 responds.
  • the trigger data is transferred to the dialogue device 120.
  • the dialogue device 120 can express the action of the virtual character that introduces the genre in which the user is interested, based on the sequentially described scene description data.
  • trigger distribution is performed from the service side at the timing of the CM inserted in the main program of the broadcast or streaming program, and in response to this, the trigger data is transferred from the display device 110 to the dialogue device 120.
  • the dialog device 120 may perform matching processing between the user's profile and the product, and change the product recommendation method by the virtual character according to the degree of interest of the user in the product.
  • the virtual character is supposed to respond to questions and chats from the user while performing an action in response to any kind of event.
  • FIG. 6 shows an example of scene description data.
  • the start time and end time of the event the type of event ("soccer"), the content of the event ("goal", "team name”, “scoring status”), etc. are related to the event called the soccer goal scene.
  • Contains There are various methods for expressing a scene from a video, and scene description data as shown in FIG. 6 can be automatically generated based on an existing method.
  • FIG. 7 shows another example of scene description data.
  • typical expressions of emotions according to the situation of the user are described. Specifically, in the event type “soccer”, it is described that when the event “goal” occurs, an emotion of “pleasing” or “sorry” is expressed.
  • a combination of such two data files may be designated as the scene description data corresponding to the event.
  • it may be configured as one scene description data file including both the data portion as shown in FIG. 6 and the data portion as shown in FIG.
  • FIGS. 6 and 7 are merely examples.
  • the dialogue device 120 may or may not use the scene description data provided each time an event occurs in the moving image content being viewed when the virtual character is autonomously driven, or to what extent. Is. For example, the dialogue device 120 may determine whether or not to use the scene description data, or to what extent the scene description data is used, according to a user's instruction. Further, in the scene description data, whether the description content of the scene description data is essential or arbitrary may be designated.
  • FIG. 8 shows a basic operation example of the display device 110 in the form of a flowchart.
  • the display device 110 checks whether or not the interactive device 120 which is a pair is activated (step S801).
  • step S802 the display device 110 instructs the interactive device 120 to be activated
  • step S803 the interactive device 120 receives the trigger data and the like from the display device 110.
  • step S801 the activation state of the MR device or the pet robot is checked, and in step S802, the MR is activated. Activate the device or pet robot and put it in a receivable state. Further, in the case of a system configuration in which a virtual screen is displayed by providing a child screen on the screen of the display device 110, the activation state of the application for automatically driving the virtual character is checked, and in step S802, this application is set to the receivable state. To do.
  • FIG. 9 shows, in the form of a flowchart, the procedure of the processing operation performed by the interactive device 120 in the receiving state.
  • the dialogue device 120 checks whether or not the trigger data is delivered from the display device 110 (step S901).
  • the dialogue device 120 shifts to the autonomous conversation mode (step S902), and the broadcast-type moving image displayed on the screen of the display device 110.
  • the virtual character autonomously interacts with the user regardless of the content (scene), and waits until the trigger data is delivered.
  • the dialogue device 120 further checks whether the distribution character data is also distributed from the display device 110 (step S903).
  • step S903 If the delivery character is not delivered from the display device 110 (No in step S903), the dialogue device 120 selects my character (step S904).
  • the dialogue device 120 can select (in other words, can be autonomously driven on the dialogue device 120) distribution character.
  • the user is presented with a character selection screen consisting of a list (step S905).
  • step S906 when the user selects any distribution content from the character list screen (Yes in step S906), the interactive device 120 displays the distribution character selected by the user on the display unit 303 and selects autonomous driving. Yes (step S907).
  • step S906 If the user has not selected any distribution content from the character list screen (No in step S906), the interactive device 120 selects my character (step S904) and displays the my character on the display unit. It is displayed on 303 so that it can be driven autonomously.
  • the dialog device 120 shifts to the scene following conversation mode when selecting either the my character or the delivery character as described above (step S908).
  • the dialogue device 120 uses either the selected my character or the delivery character based on the scene description data acquired according to the location specified by the trigger data or the acquisition method to communicate with the user. Have a dialogue.
  • the dialogue device 120 uses the selected my character or the delivery character to have a conversation with the user until the next trigger data is delivered from the display device 110.
  • FIG. 10 shows, in the form of a flowchart, the procedure of the processing operation performed by the dialogue device 120 in the scene following conversation mode.
  • the dialog device 120 Upon receiving the trigger data from the display device 110 (Yes in step S1001), the dialog device 120 acquires the scene description data according to the location or acquisition method specified by the trigger data (step S1002).
  • the dialogue device 120 checks whether any emotion data can be selected (step S1003).
  • the dialogue device 120 drives the virtual character so as to perform an expression based on the recommended emotion data specified by the scene description data (step S1004).
  • step S1003 if emotion data can be selected (Yes in step S1003), the dialog device 120 further checks whether there is user data that matches the category of emotion data (step S1005).
  • the dialog device 120 drives the virtual character so as to express emotion according to the user data (step S1006).
  • the dialogue device 120 drives the virtual character so as to perform neutral emotion expression (step S1007).
  • the technology disclosed in this specification can be suitably applied to a system for viewing broadcast-type video content.
  • the present specification has been described mainly focusing on the embodiment applied to the MPEG-2 system, the scope of application of the technology disclosed in the present specification is not limited to this.
  • the technology disclosed in this specification can be similarly applied to other moving image distribution systems such as MPEG-4 and MPEG-DASH (Dynamic Adaptive Streaming over HTTP).
  • a receiving unit for receiving broadcast-type video content A notification unit that notifies the second device of data including the location or acquisition method of information that suggests a motion of the virtual character according to an event that occurs in the moving image content
  • An information processing apparatus comprising: (2) The receiving unit receives the video content that is broadcast or stream-delivered, The information processing device according to (1) above. (3) In response to the reception unit receiving the trigger of the event, the notification unit notifies the second device of the data, The information processing apparatus according to any one of (1) and (2) above. (4) The reception unit receives the event trigger by StreamEvent or WebSocket, The information processing device according to (3) above.
  • the information processing device is a television receiver including a display unit that displays the broadcast-type moving image content.
  • the information processing apparatus according to any one of (1) to (4) above.
  • (6) a receiving step of receiving broadcast type moving image content, A display step of displaying the moving image content on a display unit, A notification step of notifying the second device of data including the location or acquisition method of the information suggesting the motion of the virtual character in response to an event that occurs in the moving image content; Information processing method having.
  • a receiving unit that receives, from the first device, a notification of data including a location or acquisition method of information that suggests a motion of a virtual character in accordance with an event that occurs in broadcast-type moving image content, A control unit that acquires the information based on the data notified from the first device, and controls driving of the virtual character based on the acquired information;
  • An information processing apparatus comprising: (8) The receiving unit receives the notification from the first device as a television receiver that receives the broadcast-type moving image content, The information processing device according to (7) above. (9) A display unit capable of two-dimensional or three-dimensional display is further provided, The control unit controls driving of the virtual character displayed using the display unit, The information processing apparatus according to any one of (7) and (8) above.
  • the control unit displays the virtual character using an MR device, The information processing apparatus according to any one of (7) and (8) above.
  • the control unit displays the virtual character on a child screen of the first device as a television receiver that receives the broadcast-type moving image content, The information processing apparatus according to any one of (7) and (8) above.
  • the control unit controls driving of the pet robot based on the acquired information.
  • the information processing apparatus according to any one of (7) and (8) above.
  • the control unit obtains the position information of the event in the video content, the type of the event, and the data including the content of the event, The information processing apparatus according to any one of (7) to (12) above.
  • the control unit acquires the data including information regarding emotional expression of the virtual character with respect to the event, The information processing apparatus according to any one of (7) to (13) above.
  • the receiving unit further receives data of the virtual character from the first device, The information processing apparatus according to any one of (7) to (14) above.
  • a first device for receiving broadcast type moving image content A second device for controlling the drive of the virtual character; Equipped with, The first device, in response to receiving the trigger of the event, transmits data including a location or acquisition method of information indicating a motion of the virtual character according to an event occurring in the moving image content, to the first device. Notify the second device, The second device acquires the information based on the data notified from the first device, and controls the driving of the virtual character, Information processing system.
  • a receiving unit that receives broadcast-type video content A notification unit for notifying the second device of data including the location or acquisition method of the information suggesting the motion of the virtual character according to the event occurring in the moving image content, A computer program written in a computer-readable format to cause a computer to function as.
  • a receiving unit that receives, from the first device, a data notification including the location or acquisition method of the information that suggests the motion of the virtual character according to the event that occurs in the broadcast-type moving image content, A control unit that acquires the information based on the data notified from the first device; A control unit that controls the drive of the virtual character based on the acquired information, A computer program written in a computer-readable format to cause a computer to function as.
  • Dialogue system 110 ... Display device, 120 ... Dialogue device 201 ... Control part, 202 ... Bus, 203 ... Storage part 204 ... Communication interface (IF) part 205 ... Expansion interface (IF) part 206 ... Tuner / demodulation part, 207 ... Demultiplexer 208 ... Video decoder, 209 ... Audio decoder 210 ... Character super decoder, 211 ... Subtitle decoder 212 ... Subtitle synthesis section, 213 ... Data decoder, 214 ... Cache section 215 ... Application (AP) control section, 216 ... Browser Part 217 ... Sound source part, 218 ... Image synthesizing part, 219 ... Display part 220 ...
  • AP Application
  • Sound synthesizing part 221 ... Sound output part, 222 ... Operation input part 301 ... Processing part, 302 ... Communication part, 303 ... Display part 304 ... Sound Input unit, 305 ... Voice output unit 306 ... Sensor unit, 3 07 ... Recording unit 410 ... Dialogue engine front end 420 ... Dialogue engine back end, 421 ... Speech recognition unit 422 ... Semantic analysis unit, 423 ... Speech synthesis unit, 424 ... Control unit 430 ... External agent service, 431 ... Speech recognition unit 432 ... Semantic analysis unit, 433 ... Processing unit, 434 ... Voice synthesis unit 440 ... Voice agent device, 441 ... Voice input unit 442 ... Voice output unit

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Theoretical Computer Science (AREA)
  • Robotics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Computer Interaction (AREA)
  • Health & Medical Sciences (AREA)
  • Mechanical Engineering (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Computer Graphics (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Two-Way Televisions, Distribution Of Moving Picture Or The Like (AREA)
  • User Interface Of Digital Computer (AREA)
  • Information Transfer Between Computers (AREA)

Abstract

放送型の動画コンテンツに関連するサービスを提供する情報処理装置及び情報処理装置、並びに情報処理システムを提供する。　情報処理装置は、放送型の動画コンテンツ中で発生するイベントに応じた仮想キャラクタの動作を示唆する情報の所在又は取得方法を含むデータの通知を第１の機器から受け取る受信部と、前記第１の機器から通知された前記データに基づいて前記情報を取得する取得部と、２次元又は３次元表示可能な表示部と、前記取得部が取得した前記情報に基づいて、前記表示部を用いて表示する前記仮想キャラクタの駆動を制御する制御部を具備する。

Description

情報処理装置及び情報処理装置、並びに情報処理システム
　本明細書で開示する技術は、放送型の動画コンテンツに関連するサービスを提供する情報処理装置及び情報処理装置、並びに情報処理システムに関する。
　テレビ放送サービスが広範に普及して久しい。また最近では、ＩＰＴＶ（Ｉｎｔｅｒｎｅｔ　Ｐｒｏｔｏｃｏｌ　ＴＶ）やＯＴＴ（Ｏｖｅｒ－Ｔｈｅ－Ｔｏｐ）といった、ネットワークを利用した放送型の動画配信サービスも浸透しつつある。
　他方、口頭又はテキスト形式の自然言語入力を解釈してユーザの意図を推測して、ユーザとの対話などのアクションを実行するシステムの利用も広まりつつある。この種の対話機能を備えたシステムは、「エージェント」や「アシスタント」とも呼ばれるが、専用の電子機器や、テレビやスマートフォンなどの情報端末上で実行されるアプリケーションとして実現される。また、この種のシステムの対話機能は、ＡＩ（Ａｒｔｉｆｉｃｉａｌ　Ｉｎｔｅｌｌｉｇｅｎｃｅ）機能や、インターネットなどを介して接続されるバックエンドの対話エンジンなどを利用して実現される。
　例えば、テレビやセットトップボックスに接続して、メディア再生やその他の任意の機能を制御する仮想アシスタントについて提案がなされている（特許文献１を参照のこと）。
特表２０１７－５３０５６７号公報
　本明細書で開示する技術の目的は、放送型の動画コンテンツに関連するサービスを提供する情報処理装置及び情報処理装置、並びに情報処理システムを提供することにある。
　本明細書で開示する技術の第１の側面は、
　放送型の動画コンテンツを受信する受信部と、
　前記動画コンテンツ中で発生するイベントに応じた仮想キャラクタの動作を示唆する情報の所在又は取得方法を含むデータを第２の機器に通知する通知部と、
を具備する情報処理装置である。
　第１の側面に係る情報処理装置は、例えば、放送波又はストリーム配信される前記動画コンテンツを受信するテレビ受信機であり、ＳｔｒｅａｍＥｖｅｎｔ又はＷｅｂＳｏｃｋｅｔなどにより、前記イベントのトリガーを受信する。
　また、本明細書で開示する技術の第２の側面は、
　放送型の動画コンテンツを受信する受信ステップと、
　前記動画コンテンツを表示部に表示する表示ステップと、
　前記動画コンテンツ中で発生するイベントに応じて、仮想キャラクタの動作を示唆する情報の所在又は取得方法を含むデータを第２の機器に通知する通知ステップと、
を有する情報処理方法である。
　また、本明細書で開示する技術の第３の側面は、
　放送型の動画コンテンツ中で発生するイベントに応じた仮想キャラクタの動作を示唆する情報の所在又は取得方法を含むデータの通知を第１の機器から受け取る受信部と、
　前記第１の機器から通知された前記データに基づいて前記情報を取得し、取得した前記情報に基づいて、前記仮想キャラクタの駆動を制御する制御部と、
を具備する情報処理装置である。
　第３の側面に係る情報処理装置は、前記放送型の動画コンテンツを受信するテレビ受信機としての前記第１の機器から前記通知を受け取るが、２次元又は３次元表示可能な表示部に表示する前記仮想キャラクタの駆動を制御する。
　また、本明細書で開示する技術の第４の側面は、
　放送型の動画コンテンツ中で発生するイベントに応じた仮想キャラクタの動作を示唆する情報の所在又は取得方法を含むデータの通知を第１の機器から受け取る受信ステップと、
　前記第１の機器から通知された前記データに基づいて前記情報を取得する取得ステップと、
　前記取得ステップで取得した前記情報に基づいて、仮想キャラクタの駆動を制御する制御ステップと、
を有する情報処理方法である。
　また、本明細書で開示する技術の第５の側面は、
　放送型の動画コンテンツを受信する第１の機器と、
　仮想キャラクタの駆動を制御する第２の機器と、
を具備し、
　前記第１の機器は、前記イベントのトリガーを受信したことに応答して、前記動画コンテンツ中で発生するイベントに応じた仮想キャラクタの動作を示唆する情報の所在又は取得方法を含むデータを前記第２の機器に通知し、
　前記第２の機器は、前記第１の機器から通知された前記データに基づいて前記情報を取得して、前記仮想キャラクタの駆動を制御する、
情報処理システムである。
　但し、ここで言う「システム」とは、複数の装置（又は特定の機能を実現する機能モジュール）が論理的に集合した物のことを言い、各装置や機能モジュールが単一の筐体内にあるか否かは特に問わない。
　本明細書で開示する技術によれば、放送型の動画コンテンツの内容に応じて仮想キャラクタを自動駆動させる情報処理装置及び情報処理装置、並びに情報処理システムを提供することができる。
　なお、本明細書に記載された効果は、あくまでも例示であり、本発明の効果はこれに限定されるものではない。また、本発明が、上記の効果以外に、さらに付加的な効果を奏する場合もある。
　本明細書で開示する技術のさらに他の目的、特徴や利点は、後述する実施形態や添付する図面に基づくより詳細な説明によって明らかになるであろう。
図１は、対話システム１００の構成例を模式的に示した図である。 図２は、表示装置１１０の構成例を示した図である。 図３は、対話装置１２０の構成例を模式的に示した図である。 図４は、対話エンジンフロントエンド４１０と対話エンジンバックエンド４２０の機能的構成例を示した図である。 図５は、対話システム１００における動作シーケンス例を示した図である。 図６は、シーン記述データの一例を示した図である。 図７は、シーン記述データの他の例を示した図である。 図８は、表示装置１１０の基本的な動作例を示したフローチャートである。 図９は、受信状態の対話装置１２０が実施する処理動作の手順を示したフローチャートである。 図１０は、シーン追従会話モード下での対話装置１２０の処理動作を示したフローチャートである。 図１１は、ＭＲデバイスによって室内に仮想キャラクタの映像が出現している複合現実空間を例示した図である。 図１２は、放送番組本編を表示する主画面に設けられたサブ画面に仮想キャラクタが表示されている様子を示した図である。 図１３は、ペット型ロボットが、ユーザと一緒に視聴している放送型データコンテンツの内容に応じて自律駆動している様子を示した図である。
　以下、図面を参照しながら本明細書で開示する技術の実施形態について詳細に説明する。
　図１には、本明細書で開示する技術を適用した対話システム１００の構成例を模式的に示している。図示の対話システム１００は、表示装置１１０と、対話装置１２０で構成される。
　表示装置１１０と対話装置１２０は、基本的には、同じユーザによって使用されるものとする。例えば、表示装置１１０と対話装置１２０は、リビングルームなどユーザと同じ空間に設置されている。表示装置１１０は、放送やストリーミング配信されたコンテンツを表示し、ユーザは、表示装置１１０が表示するコンテンツを視聴する。また、対話装置１２０は、ユーザと対話し、ユーザからの音声やジェスチャなどのコマンドを受け付けたり、ユーザに情報を提示したりする。
　表示装置１１０は、例えばルータ経由でインターネットなどの外部ネットワークに相互接続されている。また、対話装置１２０は、室内に設置されたアクセスポイント経由でインターネットなどの外部ネットワークに相互接続されている。
　また、表示装置１１０と対話装置１２０は、図示しない通信手段を介して接続されているものとする。通信手段は、有線又は無線のいずれであってもよい。例えば、イーサネット（登録商標）、Ｗｉ－Ｆｉ（登録商標）やＢｌｕｅｔｏｏｔｈ（登録商標）などの既存の通信規格に基づく通信を利用して表示装置１１０と対話装置１２０が接続してもよいし、独自接続であってもよい。また、赤外線通信やその他の簡素な通信手段を利用して、表示装置１１０から対話装置１２０への一方向通信のみであってもよい。
　表示装置１１０は、放送型の動画コンテンツを表示する大画面を装備している。表示装置１１０は、例えば放送信号を選局受信するテレビ受信機により構成されるが、セットトップボックスに接続されたディスプレイであってもよい。放送信号は、地上波及び衛星波のいずれを問わない。また、表示装置１１０が利用する放送サービスはテレビ放送に限定されず、例えばＩＰＴＶやＯＴＴといったネットワークを利用した放送型の動画配信サービスも含めることができる。後者の場合、表示装置１１０は、ネットワークインターフェースカードを装備したディスプレイにより構成することができる。もちろん、これら以外のプッシュ型コンテンツ配信サービスにより提供される動画コンテンツを含めてもよい。
　図２には、表示装置１１０の構成例を示している。表示装置１１０は、主制御部２０１と、バス２０２と、ストレージ部２０３と、通信インターフェース（ＩＦ）部２０４と、拡張インターフェース（ＩＦ）部２０５と、チューナ／復調部２０６と、デマルチプレクサ（ＤＥＭＵＸ）２０７と、映像デコーダ２０８と、音声デコーダ２０９と、文字スーパーデコーダ２１０と、字幕デコーダ２１１と、字幕合成部２１２と、データデコーダ２１３と、キャッシュ部２１４と、アプリケーション（ＡＰ）制御部２１５と、ブラウザ部２１６と、音源部２１７と、映像合成部２１８と、表示部２１９と、音声合成部２２０と、音声出力部２２１と、操作入力部２２２を備えている。
　主制御部２０１は、例えばＣＰＵ（Ｃｅｔｒａｌ　Ｐｒｏｃｅｓｓｉｎｇ　Ｕｎｉｔ）とＲＯＭ（Ｒｅａｄ　Ｏｎｌｙ　Ｍｅｍｏｒｙ）、及びＲＡＭ（Ｒａｎｄｏｍ　Ａｃｃｅｓｓ　Ｍｅｍｏｒｙ）で構成され、所定の動作プログラムに従って表示装置１１０全体を制御する。ＲＯＭは、オペレーティングシステム（ＯＳ）などの基本動作プログラムやその他の動作プログラムが格納された不揮発性メモリである。ＲＯＭ内には、表示装置１１０の動作に必要な動作設定値が記憶されてもよい。ＲＡＭはＯＳやその他の動作プログラム実行時のワークエリアとなる。バス２０２は、主制御部２０１と表示装置１１０内の各部との間でデータ送受信を行うためのデータ通信路である。なお、本実施形態では、放送サービス（放送局又はストリーム配信サーバ）側から動画コンテンツ中のイベントに同期したトリガー配信が行われることを想定しているが（後述）、主制御部２０１は、トリガー配信をデコードした結果を、データデコーダ２１３（後述）から受け取ることができる。
　ストレージ部２０３は、フラッシュＲＯＭやＳＳＤ（Ｓｏｌｉｄ　Ｓｔａｔｅ　Ｄｒｉｖｅ）、ＨＤＤ（Ｈａｒｄ　Ｄｉｓｃ　Ｄｒｉｖｅ）などの不揮発性の記憶デバイスで構成される。ストレージ部２０３は、表示装置１１０の動作プログラムや動作設定値、表示装置１１０を使用するユーザの個人情報などを記憶する。また、ストレージ部２０３は、インターネットを介してダウンロードした動作プログラムやその動作プログラムで作成した各種データなどを記憶する。また、ストレージ部２０３は、放送波やインターネットを通じて取得した動画、静止画、音声などのコンテンツも記憶可能である。
　通信インターフェース部２０４は、ルータ（前述）などを介してインターネットと接続され、インターネット上の各サーバ装置やその他の通信機器とデータの送受信を行う。また、通信インターフェース部２０４は、通信回線を介して伝送される番組のデータストリームの取得も行うものとする。ルータとは、イーサネット（登録商標）などの有線接続、あるいはＷｉ－Ｆｉ（登録商標）などの無線接続のいずれであってもよい。また、通信インターフェース部２０４は、対話装置１２０との通信手段を含んでいてもよい。対話装置１２０との通信手段は、対話装置１２０への一方向通信のみであってもよい。
　チューナ／復調部２０６は、アンテナ（図示しない）を介して地上波放送又は衛星放送などの放送波を受信し、主制御部２０１の制御に基づいてユーザの所望するサービス（放送局など）のチャンネルに同調（選局）する。また、チューナ／復調部２０６は、受信した放送信号を復調して放送データストリームを取得する。なお、複数画面同時表示や裏番組録画などを目的として、表示装置１１０が複数のチューナ／復調部を搭載する構成（すなわち多重チューナ）であってもよい。
　デマルチプレクサ２０７は、入力した放送データストリーム中の制御信号に基づいてリアルタイム提示要素である映像データストリーム、音声データストリーム、文字スーパーデータストリーム、字幕データストリームを、それぞれ映像デコーダ２０８、音声デコーダ２０９、文字スーパーデコーダ２１０、字幕デコーダ２１１に分配する。デマルチプレクサ２０７に入力されるデータは、放送サービスや、ＩＰＴＶやＯＴＴなどの配信サービスによるデータを含む。前者は、チューナ／復調部２０６で選局受信及び復調された後にデマルチプレクサ２０７に入力され、後者は、通信インターフェース部２０４で受信された後にデマルチプレクサ２０７に入力される。
　また、デマルチプレクサ２０７は、マルチメディアアプリケーションやその構成要素であるファイル系データを再生し、アプリケーション制御部２１５に出力し、又はキャッシュ部２１４で一時的に蓄積する。また、デマルチプレクサ２０７は、上記の映像、音声、及び字幕以外のデータの提示を行うプレーヤで利用するデータ若しくはアプリケーションに対するデータのストリーミングに用いるために、汎用データを抽出してデータデコーダ２１３に出力する。
　映像デコーダ２０８は、デマルチプレクサ２０７から入力した映像データストリームを復号して映像情報を出力する。また、音声デコーダ２０９は、デマルチプレクサ２０７から入力した音声データストリームを復号して音声情報を出力する。また、複数種類の映像データストリーム及び音声データストリームを同時に復号処理するために、表示装置１１０は複数の映像デコーダ２０８及び音声デコーダ１４３を備えてもよい。
　文字スーパーデコーダ２１０は、デマルチプレクサ２０７から入力した文字スーパーデータストリームを復号して文字スーパー情報を出力する。字幕デコーダ２１１は、デマルチプレクサ２０７から入力した字幕データストリームを復号して字幕情報を出力する。字幕合成部２１２は、文字スーパーデコーダ２１０から出力された文字スーパー情報と、字幕デコーダ２１１から出力された字幕情報は、字幕合成部２１２とを合成処理する。
　データデコーダ２１３は、ＭＰＥＧ－２　ＴＳストリームに映像及び音声とともに多重化されるデータストリームをデコードする。本実施形態では、データデコーダ２１３は、ＰＳＩ（Ｐｒｏｇｒａｍ　Ｓｐｅｃｉｆｉｃ　Ｉｎｆｏｒｍａｔｉｏｎ）テーブルの１つであるＰＭＴ（Ｐｒｏｇｒａｍ　Ｍａｐ　Ｔａｂｌｅ）の記述子領域に格納された汎用イベントメッセージをデコードした結果を、主制御部２０１に通知する。また、データデコーダ２１３は、ＷｅｂＳｏｃｋｅｔを利用して伝送されたデータをデコードして、主制御部２０１に通知する。具体的には、ＳｔｒｅａｍＥｖｅｎｔやＷｅｂＳｏｃｋｅｔなどを利用して、動画コンテンツ中のイベントに同期したトリガー配信が行われるが、データデコーダ２１３はトリガー配信をデコードした結果を、主制御部２０１に通知する。
　アプリケーション制御部２１５は、放送データストリームに含まれる制御情報をデマルチプレクサ２０７から入力し、または、通信インターフェース部２０４を介してインターネット２００上のサーバ装置から取得して、これら制御情報を解釈する。
　ブラウザ部２１６は、キャッシュ部２１４若しくは通信インターフェース部２０４を介してインターネット上のサーバ装置から取得したマルチメディアアプリケーションファイルやその構成要素であるファイル系データを、アプリケーション制御部２１５の指示に従って提示する。ここで言うマルチメディアアプリケーションファイルは、例えばＨＴＭＬ（Ｈｙｐｅｒ　Ｔｅｘｔ　Ｍａｒｋｕｐ　Ｌａｎｇｕａｇｅ）文書やＢＭＬ（Ｂｒｏａｄｃａｓｔ　Ｍａｒｋｕｐ　Ｌａｎｇｕａｇｅ）文書などである。また、ブラウザ部２１６は、音源部２１７に働きかけることにより、アプリケーションの音声情報の再生も行うものとする。
　映像合成部２１８は、映像デコーダ２０８から出力された映像情報と、字幕合成部２１２から出力された字幕情報と、ブラウザ部２１６から出力されたアプリケーション情報を入力し、適宜選択し又は重畳する処理を行う。映像合成部２１８はビデオＲＡＭ（図示を省略）を備え、このビデオＲＡＭに入力された映像情報に基づいて表示部２１９の表示駆動が実施される。また、映像合成部２１８は、主制御部２０１の制御に基づいて、必要に応じて、ＥＰＧ（Ｅｌｅｃｔｒｏｎｉｃ　Ｐｒｏｇｒａｍ　Ｇｕｉｄｅ）画面や、主制御部２０１が実行するアプリケーションによって生成されたグラフィックスなどの画面情報の重畳処理も行う。
　表示部２１９は、例えば液晶ディスプレイや有機ＥＬ（Ｅｌｅｃｔｒｏ－Ｌｕｍｉｎｅｓｃｅｎｃｅ）ディスプレイなどからなる表示デバイスであり、映像合成部２１８で選択又は重畳処理を施された映像情報をユーザに提示する。
　音声合成部２２０は、音声デコーダ２０９から出力された音声情報と、音源部２１７で再生されたアプリケーションの音声情報を入力して、適宜選択又は合成などの処理を行う。
　音声出力部２２１は、１台又は複数台のスピーカで構成される。音声出力部２２１は、複数のスピーカを組み合わせたスピーカアレイ（多チャンネルスピーカ若しくは超多チャンネルスピーカ）や、パネルスピーカであってもよい。音声出力部２２１は、音声合成部２２０で処理された音声情報をユーザに提示する。
　拡張インターフェース部２０５は、表示装置１１０の機能を拡張するためのインターフェース群であり、例えば、アナログ映像／音声インターフェースや、ＵＳＢ（Ｕｎｉｖｅｒｓａｌ　ＳｅｒｉａｌＢｕｓ）インターフェース、メモリインタフェースなどで構成される。拡張インターフェース部２０５は、ＤＶＩ（Ｄｉｇｉｔａｌ　Ｖｉｓｕａｌ　Ｉｎｔｅｒｆａｃｅ）端子やＨＤＭＩ（登録商標）端子やＤｉｓｐｌａｙ　Ｐｏｒｔ（登録商標）端子などからなるデジタルインターフェースを含んでいてもよい。
　操作入力部２２２は、ユーザが表示装置１１０に対する操作指示の入力を行う指示入力部である。操作入力部２２２は、例えば、リモコン（図示しない）から送信されるコマンドを受信するリモコン受信部とボタンスイッチを並べた操作キーで構成される。また、操作入力部２２２は、表示部２１９の画面に重畳されたタッチパネルを含んでもよい。また、操作入力部２２２は、拡張インターフェース部２０５に接続されたキーボードなどの外付け入力デバイスを含んでもよい。
　表示装置１１０は、テレビ受信機の他、ブルーレイ（登録商標）ディスクレコーダやＨＤＤレコーダなどのディスクドライブレコーダ、ＳＴＢ（Ｓｅｔ　Ｔｏｐ　Ｂｏｘ）、デジタル放送受信機能や放送通信連携機能を備えたパーソナルコンピュータ（Ｐｅｒｓｏｎａｌ　Ｃｏｍｐｕｔｅｒ）やタブレットなどの多機能情報端末、ナビゲーション装置、ゲーム機などであってもよい。
　再び図１を参照しながら説明する。対話装置１２０は、口頭又はテキスト形式の自然言語入力を解釈してユーザの意図を推測してユーザとのインタラクションを実現するデバイスであり、いわゆる「エージェント」や「アシスタント」とも呼ばれる機能を装備している。
　対話装置１２０は、基本的には、「エージェント」や「アシスタント」の振る舞いを表出する仮想キャラクタを表示するためのサブ画面を装備していることを想定している（図１には、対話装置１２０のサブ画面に仮想キャラクタの映像を表示している様子を示している）。対話装置１２０は、ユーザとの対話に応じて、この仮想キャラクタを自律駆動させる。サブ画面は、例えばライトフィールドディスプレイのような３Ｄ表示機能を有し又はリアルな映像表現が可能な画面で構成され、仮想キャラクタを３Ｄ表示できることが好ましい。なお、ライトフィールド（Ｌｉｇｈｔ　Ｆｉｅｌｄ）は観察者の視野の範囲にあるすべての光を含む可視空間のことであり、ライトフィールドディスプレイは、理想的には、観察者の目に入るあらゆる光を再現する表示装置である。但し、対話装置１２０のサブ画面は、２Ｄ表示機能しか持たなくてもよい。
　あるいは、対話装置１２０は、ヘッドマウントディスプレイのような、現実空間上に仮想キャラクタの映像を複合的に表示するＭＲ（Ｍｉｘｅｄ　Ｒｅａｌｉｔｙ）デバイスであってもよい。図１１には、ＭＲデバイスによって、室内に仮想キャラクタの映像が出現している複合現実空間を例示している。
　あるいは、表示装置１１０として利用されるテレビ受信機で、ユーザと対話する仮想キャラクタを自律駆動するためのアプリケーションを起動して、表示部２１９の画面内に子画面を設けて、仮想キャラクタを表示するようにしてもよい。図１２には、放送番組本編を表示する主画面に設けられたサブ画面に仮想キャラクタが表示されている様子を示した図である。
　あるいは、対話装置１２０は、仮想キャラクタを３Ｄ表示するサブ画面を装備したデバイスではなく、ペット型ロボットであってもよく、ロボットの関節動作によって「エージェント」や「アシスタント」としての振る舞いを表現するようにしてもよい。この場合、対話装置１２０は、ユーザとの対話に応じて、ロボットは関節などの可動部を自律駆動させる。図１３には、ペット型ロボットが、ユーザと一緒に視聴している放送型データコンテンツの内容に応じて自律駆動している様子を示している。
　あるいは、ユーザが所持するスマートフォンやタブレットなどの情報端末で「エージェント」や「アシスタント」のアプリケーションを起動して、対話装置１２０として利用することも想定される。この場合、情報端末が持つ画面や、情報端末に外部接続されたディスプレイに、仮想キャラクタが表示される。また、表示装置１１０と同じ部屋内に設置された情報家電でアプリケーションを起動して、対話装置１２０として利用することも想定される。
　要するに、対話装置１２０は、基本的には３Ｄ表示機能を装備したデバイスであるが、その他の形態のデバイスで置き換えることも可能である。対話装置１２０は、いずれの形態であれ、本実施形態では、表示装置１１０で表示する放送型の動画コンテンツを、ユーザと一緒になって視聴するものとする。
　図３には、対話装置１２０の構成例を模式的に示している。但し、図３では、対話装置１２０として、音声エージェントのような専用デバイスを想定している。対話装置１２０は、処理部３０１と、通信部３０２と、表示部３０３と、音声入力部３０４と、音声出力部３０５と、センサ部３０６と、記録部３０７を備えている。
　通信部３０２は、イーサネット（登録商標）などの有線通信又はＷｉ－Ｆｉ（登録商標）などの無線通信を利用して、アクセスポイント（図１を参照のこと）経由でインターネットなどの外部ネットワークに接続している。また、通信部３０２は、例えばＤＬＮＡ（登録商標）（Ｄｉｇｉｔａｌ　Ｌｉｖｉｎｇ　Ｎｅｔｗｏｒｋ　Ａｌｌｉａｎｃｅ）などの規格に則って、ホームネットワークを介して家庭内の各ＣＥ機器と相互接続していてもよいし、ＩｏＴ（Ｉｎｔｅｒｎｅｔ　ｏｆ　Ｔｈｉｎｇｓ）デバイスとのインターフェース機能をさらに備えていてもよい。
　表示部３０３は、本実施形態に係る対話システム１００において、表示装置１１０の主画面に対する「サブ画面」として機能して、エージェント」や「アシスタント」の振る舞いを表出する仮想キャラクタを表示することを想定している。表示部３０３は、より好ましくは、例えばライトフィールドディスプレイ（前述）のような３Ｄ表示機能を有し又はリアルな映像表現が可能な画面で構成され、仮想キャラクタを３Ｄ表示することができる。もちろん、表示部３０３は、２Ｄ表示機能しか持たなくてもよい。但し、表示部３０３を、対話装置１２０に外付け接続されたＭＲデバイスやその他のディスプレイで構成することもできる。
　音声入力部３０４は、マイクなどの収音素子で構成され、対話装置１２０が設置された室内で発生する音声の入力に用いられる。室内で発生する音声として、テレビ番組の視聴者若しくは音声エージェントを利用するユーザによる発話を挙げることができる。音声入力部３０４は、複数のマイクを組み合わせたマイクロフォンアレイを備えていてもよい。
　音声出力部３０５は、スピーカなどの音響発生素子で構成される。コーン型スピーカやフラットパネル型スピーカなどを音声出力部３０５に用いることができる。また、音声出力部３０５は、複数のスピーカを組み合わせたスピーカアレイ（多チャンネルスピーカ若しくは超多チャンネルスピーカ）を備えていてもよい。音響出力部３０５は、音声エージェント機能の合成音声の出力などに用いられる。
　センサ部３０６は、例えば、対話装置１２０が設置されている室内の環境情報をセンシングする。センサ部３０６の構成、すなわちどのようなセンサ素子を含むかは任意である。例えば、センサ部３０６は、カメラや物体検出センサ、深度センサを含んでいてもよい。また、センサ部３０６は、照度センサや温度センサ、湿度センサなどの環境情報を検出する環境センサを備えていてもよい。また、センサ部３０６は、赤外線センサや人感センサを備えていてもよい。また、センサ部３０６は、ユーザの脈拍や発汗、脳波、筋電位、呼気などを検出する生体センサを備えていてもよい。また、センサ部３０６は、ＩＭＵ（Ｉｎｅｒｔｉａｌ　Ｍｅａｓｕｒｅｍｅｎｔ　Ｕｎｉｔ）などを備え、対話装置１２０本体の姿勢などを検出するようにしてもよい。
　記録部３０７は、例えばＨＤＤやＳＳＤなどの大容量記録装置で構成され、各種データの記録に使用される。記録部３０７は、対話装置１２０内に配設される他、ＵＳＢなどのインターフェースを介して対話装置１２０に外付け接続される場合もある。
　処理部３０１は、プロセッサ及びメモリを含み、メモリにロードしたプログラムを実行して、各種処理を実施して、対話装置１２０内の動作を統括的にコントロールする。処理部３０１内では、基本的には、ＯＳが提供する実行環境下で、さまざまなアプリケーションが実行される。例えばマルチプロセッサが利用可能な場合、あるいはＯＳによってマルチスレッド実行が可能な場合においては、並列実行可能な処理単位はすべてメモリに読み出され並列実行させることができる。
　処理部３０１が実行するアプリケーションの中には、音声エージェントなどユーザとの対話機能を実現するための対話アプリケーションを挙げることができる。また、処理部３０１が複数の対話アプリケーションを並列実行することにより、対話装置１２０が複数のエージェントデバイスとして機能することも可能である。本実施形態では、対話アプリケーションは、仮想キャラクタを表示部３０３に提示することを想定している。
　対話装置１２０は、ユーザとの充実した対話機能を実現するために、ＡＩ機能を搭載していてもよい。また、対話装置１２０は、図１などに示したようなスタンドアロンの装置としてではなく、対話エンジンのフロントエンドとして構成され、インターネット上のサーバやクラウドで構成される対話エンジンによるバックエンドの制御下で動作するようにしてもよい。
　図４には、対話エンジンフロントエンド４１０と対話エンジンバックエンド４２０の機能的構成例を示している。
　対話エンジンフロントエンド４１０は、ローカル側（すなわち、ユーザの近傍）に配置され、対話装置１２０が実行する対話アプリケーションであり、対話装置１２０が装備する音声入力部３０４及び音声出力部３０５などの各機能モジュールを活用することができる。
　一方、クラウド側は、対話エンジンバックエンド４２０と、複数の外部エージェントサービス４３０Ａ、４３０Ｂ、４３０Ｃ、…を含んでいる。対話エンジンバックエンド４２０並びに外部エージェントサービス４３０Ａ、４３０Ｂ、４３０Ｃ、…はいずれも、ローカル側のユーザからの問い合わせに回答するエージェントサービスを提供する。但し、前者は対話エンジンフロントエンド４１０と直接連携するのに対し、後者は対話エンジンフロントエンド４１０とは直接には連携せず、対話エンジンフロントエンド４１０に対し対話エンジンバックエンド４２０の介在により間接的にエージェントサービスを提供することから「外部エージェントサービス」と呼んで、対話エンジンバックエンド４２０とは区別している。また、外部エージェントサービス４３０Ａ、４３０Ｂ、４３０Ｃ、…の少なくとも一部（図４に示す例では、外部エージェントサービス４３０Ｃ）は、ローカル側に設置された外部エージェントデバイス４４０と直接連携している。
　対話エンジンバックエンド４２０は、音声認識部４２１と、意味解析部４２２と、音声合成部４２３と、制御部４２４を備えている。
　音声認識部４２１は、対話エンジンフロントエンド４１０側の音声入力部３０４で収音されたユーザの発話を音声認識して、テキスト情報に変換する。意味解析部３３２は、音声認識されたテキスト情報に基づいて、ユーザの発話データの意味解析を行う。また、音声合成部４２３は、ユーザに対する回答若しくはフィードバックとなるテキスト情報を音声データに変換する。音声データは、対話エンジンフロントエンド４１０に送られ、音声出力部３０５からユーザに対して音声出力される。なお、対話エンジンフロントエンド４１０は、音声出力以外に、表示部３０３の画面に表示する仮想キャラクタの動作や振舞いによって、ユーザにフィードバックを与えるようにしてもよい。
　制御部４２４は、対話エンジンフロントエンド４１０のユーザと対話するための処理を実行する。例えば、制御部４２４は、ユーザが問い合わせた情報を検索したり、ユーザが要求したコンテンツを取得したり、商品の注文を行ったりする。ユーザからの問い合わせに対してより優れた回答を実現するために、制御部４２４は、学習機能やＡＩ機能を搭載していてもよい。制御部４２４は、表示部３０３の画面に表示する仮想キャラクタを生成するための処理の一部（又は全部）を実行するようにしてもよい。
　また、制御部４２４は、ユーザとより優れた対話を実現するために、さらに外部エージェントサービス４３０Ａ、４３０Ｂ、４３０Ｃ、…のリソースを活用することができる。制御部４２４は、利用可能なすべての外部エージェントサービス４３０Ａ、４３０Ｂ、４３０Ｃ、…を呼び出してもよいし、いずれか一部の外部エージェントデバイスを選択して呼び出すようにしてもよい。
　また、対話エンジンバックエンド４２０から外部エージェントサービス４３０Ａ、４３０Ｂ、４３０Ｃ、…を呼び出す方法はいくつか考えられる。例えば、ユーザからの問い合わせを意味解析部４２２で意味解析して得たテキスト情報を、外部エージェントサービス４３０Ｂに送信してもよいし、そのテキスト情報を音声合成部４２３で音声合成した音声データを外部エージェントサービス４３０Ａに送信して、ユーザからの音声入力のような形態で問い合わせしてもよい。あるいは、対話エンジンバックエンド４２０が外部エージェントサービス４３０Ｃにリクエストする場合には、音声合成部４２３で音声合成した音声データを対話エンジンフロントエンド４１０に送信して、対話装置１２０の音声出力部３０５から、あたかもユーザが問い合わせるような音声を出力して、外部エージェントデバイス４４０を通じて問い合わせするようにすることもできる。
　また、外部リソースである外部エージェントサービス４３０Ａ、４３０Ｂ、４３０Ｃ、…からエージェントシステム１００に対して回答する方法もいくつか考えられる。例えば、外部エージェントサービス４３０Ｂは、テキスト情報などからなる（若しくは、音声合成前の）処理結果を対話エンジンバックエンド４２０に送る。また、外部エージェントサービス４３０Ａ及び４３０Ｃは、処理結果を音声合成した音声データを対話エンジンバックエンド４２０に送る。対話エンジンバックエンド４２０は、外部エージェントサービス４３０Ａ及び４３０Ｃから送られてきた音声データを音声認識部４２１により音声認識し、その音声認識結果を意味解析部４２２により意味解析する。
　そして、制御部４２４は、各外部エージェントサービス４３０Ａ、４３０Ｂ、４３０Ｃ、…からの回答を意味解析結果のレベルで集計して、ユーザに対する回答文を生成する。複数の回答を集計する方法は任意である。対話エンジンバックエンド４２０自身が得た回答と照らし合わせて特定の外部エージェントサービスからの回答を選択してもよいし、多数決など所定の選択基準に基づいて特定の外部エージェントサービスからの回答を選択してもよいし、複数の外部エージェントサービスからの回答を合成して１つの回答文を生成するようにしてもよい。いずれにせよ、音声合成部４２３は、制御部４２４で生成した回答文を音声データに変換して、対話エンジンフロントエンド４１０に送る。そして、対話エンジンフロントエンド４１０では、ユーザに対する回答の音声が、音声出力部３０５から　ユーザに対して音声出力される。
　各外部エージェントサービス４３０Ａ、４３０Ｂ、４３０Ｃ、…の機能的構成はほぼ同様である。以下では、代表して、外部エージェントサービス４３０Ｃの機能的構成について説明する。
　外部エージェントサービス４３０Ｃは、音声認識部４３１Ｃと、意味解析部４３２Ｃと、処理部４３３Ｃと、音声合成部４３４Ｃを備えている。
　音声認識部４３１Ｃは、音声エージェントデバイス４４０の音声入力部４４１で収音された発話を音声認識して、テキスト情報に変換する。なお、音声入力部４４１で収音する音声は、ユーザの発話の他、対話エンジンフロントエンド４１０の音声出力部３０５から出力する音声である場合も想定される。
　意味解析部４３２Ｃは、音声認識されたテキスト情報に基づいて、ユーザの発話データの意味解析を行う。処理部４３３Ｃは、ユーザからの問い合わせに回答するための処理を実行する。例えば、外部エージェントサービス４３０Ｃを指定する「起動ワード」がユーザから音声入力されたことが意味解析結果により分かると、処理部４３３Ｃは処理実行を開始する。
　音声合成部４３４Ｃは、ユーザに対する回答となるテキスト情報を音声データに変換する。音声データは、音声エージェントデバイス４４０に送られ、音声出力部４４２からユーザに対して音声出力される。なお、音声合成部４３４Ｃで生成した音声データは、音声エージェントデバイス４４０に送信して音声出力される他、対話エンジンバックエンド４２０に送信され、音声認識部４２１に入力される場合も想定される。
Ｂ．仮想キャラクタの具体的動作
　本実施形態に係る対話システム１００では、放送型の動画コンテンツを表示する表示装置１１０を主画面として位置付ける一方、対話装置１２０が装備する表示部３０３はサブ画面に位置付けられる。そして、対話装置１２０は、サブ画面としての表示部３０３上で仮想キャラクタを自律駆動させる。より具体的には、対話装置１２０は、ユーザとの対話機能を有するが、表示装置１１０の主画面に表示している放送型の動画コンテンツユーザと一緒になって視聴しているときに、その放送型の動画コンテンツの内容に応じて、サブ画面上の仮想キャラクタが自律駆動して自分の表情や仕草、振る舞い、動作を切り替えていく。
　本実施形態に係る対話システム１００は、対話装置１２０が、ユーザとともに視聴している放送型の動画コンテンツの内容に応じて、サブ画面上の仮想キャラクタを自律駆動させる、という点に主な特徴がある。
　また、本実施形態に係る対話システム１００は、仮想キャラクタの自律駆動を示唆するための情報が外部から対話装置１２０に提供される、という点に他の主な特徴がある。本明細書では、仮想キャラクタの自律駆動を示唆する情報のことを「シーン記述データ」と呼ぶ。例えば、放送局又はストリーム配信サーバなどのサービス側が、放送又は配信する動画コンテンツ向けのシーン記述データを作成又は編集して、所定のＷｅｂサイトにアップロードしておいてもよい。
　例えば、表示装置１１０側で放送チャンネルを切り替える度に、新たに提供されるシーン記述データに基づいて、対話装置１２０は表示する仮想キャラクタを切り替える。具体的には、対話装置１２０は、放送局毎に、サービス側で用意された仮想キャラクタを切り替えるようにしてもよい。
　また、放送チャンネルではなく、放送番組が切り替わる度に、新たに提供されるシーン記述データに基づいて、対話装置１２０は、番組専用の仮想キャラクタに切り替えるようにしてもよい。
　また、対話装置１２０は、コンテンツの配信元を切り替えたり受信するストリーミングコンテンツを切り替えたりする度に、新たに提供されるシーン記述データに基づいて、配信サービス側で用意された仮想キャラクタを切り替えるようにしてもよい。また、対話装置１２０は、配信元ではなく、配信コンテンツ毎に、配信サービス側で用意された仮想キャラクタを切り替えるようにしてもよい。
　また、対話装置１２０は、同じ放送番組内あるいは同じストリーミングコンテンツ内でも、動画コンテンツのシーンやコンテキストに応じて新たに提供されるシーン記述データに基づいて、仮想キャラクタを切り替えたり、仮想キャラクタが表出する動作をコントロールしたりするようにしてもよい。
　例えば、ユーザがドラマ番組を視聴中にクライマックスシーンが到来すると、対話装置１２０は、新たに提供されるシーン記述データに基づいて、ユーザの感情を代弁し又はユーザに同調するような仮想キャラクタの動作を表出するようにしてもよい。
　また、ユーザが野球やサッカーなどのスポーツ番組を視聴中に、自軍（ユーザが応援しているチーム）が得点したり逆に失点したりしたときに、対話装置１２０は、新たに提供されるシーン記述データに基づいて、ユーザの感情を代弁し又はユーザに同調するような仮想キャラクタの動作を表出するようにしてもよい。例えば、対話装置１２０は、自軍が優勢のときには、一緒に喜んだり、相槌を打ったりし、動画コンテンツの進行（ゲームの経過など）に追従して合いの手を入れたり、感情や表情を変えたりする。
　また、ユーザがニュース番組を視聴中に、対話装置１２０は、コーナー毎に提供されるシーン記述データに基づいて、国内、国際、社会、経済、芸能、スポーツ、科学、地域などのうち、ユーザの関心があるジャンルを紹介するような仮想キャラクタの動作を表出するようにしてもよい。
　また、対話装置１２０は、放送やストリーミングする番組本編ではなく、番組本編に挿入されるＣＭのタイミングで新たに提供されるシーン記述データに基づいて、仮想キャラクタが該当する商品を紹介する動作を表出するようにしてもよい。その際、対話装置１２０は、ユーザのプロファイルと商品とのマッチング処理などを行い、ユーザの商品に対する興味の度合いなどに応じて、仮想キャラクタによる商品のお薦めの仕方を変化させるようにしてもよい。
　また、いずれの種類の動画コンテンツを視聴中であれ、基本的には、仮想キャラクタは、ユーザからの質問や雑談には応答するものとする。
　上記のように、本実施形態に係る対話システム１００では、対話装置１２０は、逐次提供されるシーン記述データに基づいて、放送型の動画コンテンツ毎に仮想キャラクタを切り替えたり、動画コンテンツのシーン毎の仮想キャラクタの感情表現を変化させたりする。したがって、ユーザは、対話装置１２０と一緒に放送型の動画コンテンツを視聴することで、独りで視聴する場合よりもより多くコンテンツを楽しむことができる。
　対話装置１２０は、スタンドアロンで仮想キャラクタの動作を制御してもよいが、図４に示したように、対話エンジンフロントエンド４１０と対話エンジンバックエンド４２０の協調動作によって仮想キャラクタの動作を制御するようにしてもよい。
　また、対話装置１２０が、外部から提供されたシーン記述データに完全にしたがって仮想キャラクタを動作させるか、シーン記述データの記述内容をある程度参考にして仮想キャラクタを動作させるか、あるいは、シーン記述データの記述内容に拘束されずに完全に自律的に仮想キャラクタを動作させるかは、任意である。例えば、対話装置１２０がシーン記述データに従うべきかどうかをユーザが指定するようにしてもよい。
　図５には、本実施形態に係る対話システム１００において、放送型の動画コンテンツの視聴中に対話装置１２０が感情表現を実施するための動作シーケンス例を示している。
　放送局やストリーム配信サーバなどのサービス側は、放送型の動画コンテンツを送信期間中に、仮想キャラクタの感情表現などを実施するトリガーとなり得るイベントが動画コンテンツ内で発生したことを通知するトリガー配信を逐次実行する。
　図５に示す動作シーケンス例では、放送局やストリーム配信サーバなどのサービス側は、放送型の動画コンテンツを配信している期間中に（ＳＥＱ５０１）に、動画コンテンツ内でイベントが発生する度に、その動画コンテンツを受信（選局受信）する表示装置１１０に対して、トリガー配信を逐次実施する（ＳＥＱ５１１、ＳＥＱ５１２、…）。
　すなわち、放送局又はストリーム配信サーバなどのサービス側は、放送型の動画コンテンツ内でトリガーとなり得るイベントが発生したことに同期して、トリガー配信を実施する。ストリーミングサービスの場合、動画コンテンツ内でイベントが発生してからトリガー配信が表示装置１１０に届くまでにネットワーク遅延などの遅延時間が発生する可能性があるが、ここでは遅延時間は無視し得るものとする。
　本実施形態では、サービス側は、放送サービスの標準規格やストリーム配信サービスの標準規格によって既に規定されている手段を使ってトリガー配信を実施することものとする。
　例えば、放送サービスの場合、放送局側は、ＳｔｒｅａｍＥｖｅｎｔなどを利用して、放送番組を選局受信する表示装置１１０に対してトリガー配信を実施することができる。ＡＲＩＢ（Ａｓｓｏｃｉａｔｉｏｎ　ｏｆ　Ｒａｄｉｏ　Ｉｎｄｕｓｔｒｉｅｓ　ａｎｄ　Ｂｕｓｉｎｅｓｓ：電波産業会）では、映像及び音声のストリームやデータなどのコンテンツとともにＰＳＩテーブルを多重化したＭＰＥＧ（Ｍｏｖｉｎｇ　Ｐｉｃｔｕｒｅ　Ｅｘｐｅｒｓ　Ｇｒｏｕｐ）－２　ＴＳ（Ｔｒａｎｓｐｏｒｔ　Ｓｔｒｅａｍ）パケットを放送信号の送信形式として規定している。ＰＳＩテーブルの１つであるＰＭＴの記述子領域に汎用イベントメッセージを格納することで、ＳｔｒｅａｍＥｖｅｎｔを利用したトリガー配信を実施することができる。
　また、コンテンツストリーミングサービスの場合、ストリーム配信サーバなどのサービス側は、ＷｅｂＳｏｃｋｅｔなどを利用して、コンテンツストリームを受信する表示装置１１０に対してトリガー配信を実施することができる。ＷｅｂＳｏｃｋｅｔは、サーバとクライアントが一度コネクションを行った後は、必要な通信をすべてそのコネクション上で専用のプロトコルを用いて行うことを規定した、ＴＣＰ（Ｔｒａｎｓｍｉｓｓｉｏｎ　　Ｃｏｎｔｒｏｌ　　Ｐｒｏｔｏｃｏｌ）上で動作するプロトコルである。ＷｅｂＳｏｃｋｅｔは、Ｗｅｂサーバとクライアント間で、ヘッダーによるオーバーヘッドが少なく、高効率な伝送を実現することができる。ＷｅｂＳｏｃｋｅｔは、ＲＦＣ（Ｒｅｑｕｅｓｔ　ｆｏｒ　Ｃｏｍｍｅｎｔｓ）　６４５５，“Ｔｈｅ　ＷｅｂＳｏｃｋｅｔ　Ｐｒｏｔｏｃｏｌ”として規定されている。
　いずれの放送規格又は通信規格に基づくにせよ、放送局又はストリーム配信サーバなどのサービス側は、トリガー配信（ＳＥＱ５１１、ＳＥＱ５１２、…）において、シーン記述データ（前述）の所在又は取得方法に関する情報を含んだトリガーデータを、表示装置１１０に送信する。シーン記述データの所在又は取得方法は、例えばＵＲＩ（Ｕｎｉｆｏｒｍ　Ｒｅｓｏｕｒｃｅ　Ｉｄｅｉｔｉｆｉｅｒ）又はＵＲＬ（Ｕｎｏｆｏｒｍ　Ｒｅｓｏｕｃｅ　Ｌｏｃａｔｏｒ）の形式で記述することができる。
　表示装置１１０は、例えばＳｔｒｅａｍＥｖｅｎｔ又はＷｅｂＳｏｃｋｅｔなどの形式でトリガーデータを受信すると、必要に応じて対話装置１２０が処理可能なデータ形式に適宜変換して、トリガーデータを対話装置１２０に転送する（ＳＥＱ５２１、ＳＥＱ５２２、…）。
　トリガーデータは、シーン記述データ自体を含まず、シーン記述データの所在又は取得方法をＵＲＩ又はＵＲＬなどの形式で指定する、簡素で小容量のデータからなる。したがって、表示装置１１０と対話装置１２０間の一方向通信のみの簡素な通信手段（前述）を用いてトリガーデータを転送することが可能である。
　対話装置１２０は、表示装置１１０からトリガーデータを受信すると（ＳＥＱ５２１、ＳＥＱ５２２、…）、トリガーデータ内でＵＲＩ又はＵＲＬなどの形式で指定された所在又は取得方法に従って、所定のＷｅｂサイトからシーン記述データを取得する（ＳＥＱ５３１、ＳＥＱ５３２、…）。
　そして、対話装置１２０は、取得したシーン記述データに基づいて、サブ画面（表示部３０３）に表示する仮想キャラクタを自律駆動させる（ＳＥＱ５４１、ＳＥＱ５４２、…）。
　なお、表示装置１１０がトリガーデータを対話装置１２０に転送する際に（ＳＥＱ５２１、ＳＥＱ５２２、…）、サブ画面で表示する仮想キャラクタのデータ（以下、「配信キャラクタ」ともいう）を併せて対話装置１２０に送信するようにしてもよい。仮想キャラクタのデータは、放送局やストリーム配信サーバが、動画コンテンツに付随して、マルチメディアコンテンツとして配信したものでもよいし、表示装置１１０にあらかじめ装備されているものでもよい。一方、対話装置１２０は、あらかじめ備えている仮想キャラクタ（以下、「マイキャラクタ」ともいう）も有している。対話装置１２０は、マイキャラクタと配信キャラクタのうちいずれか一方を選択して、サブ画面で自律駆動させるものとする。
　対話装置１２０は、スタンドアロンで仮想キャラクタの動作を制御してもよいが、図４に示したように、対話エンジンフロントエンド４１０と対話エンジンバックエンド４２０の協調動作によって仮想キャラクタの動作を制御するようにしてもよい。
　例えば、ユーザが視聴しているドラマ番組の中でクライマックスシーンなどのイベントが発生すると、サービス側からトリガー配信が行われ、これに応答して、表示装置１１０から対話装置１２０へトリガーデータが転送される。そして、対話装置１２０は、新たに取得したシーン記述データに基づいて、ユーザの感情を代弁し又はユーザに同調するような仮想キャラクタの動作を表出することができる。
　また、ユーザが野球やサッカーなどのスポーツ番組を視聴中に、得点若しくは失点、ファインプレーなどのイベントが発生すると、サービス側からトリガー配信が行われ、これに応答して、表示装置１１０から対話装置１２０へトリガーデータが転送される。そして、対話装置１２０は、新たに取得したシーン記述データに基づいて、自軍の得点やファインプレーを一緒に喜んだり相槌を打ったりし、自軍の失点やエラーを一緒に悲しんだり落胆したりするなど、ゲームの経過などに追従した仮想キャラクタの動作を表出することかできる。
　また、ユーザがニュース番組を視聴中に、国内、国際、社会、経済、芸能、スポーツ、科学、地域などのコーナー毎にサービス側からトリガー配信が行われ、これに応答して、表示装置１１０から対話装置１２０へトリガーデータが転送される。そして、対話装置１２０は、逐次取得したシーン記述データに基づいて、ユーザの関心があるジャンルを紹介するような仮想キャラクタの動作を表出することができる。
　また、放送やストリーミングの番組本編に挿入されるＣＭのタイミングでサービス側からトリガー配信が行われ、これに応答して、表示装置１１０から対話装置１２０へトリガーデータが転送される。そして、対話装置１２０は、ユーザのプロファイルと商品とのマッチング処理などを行い、ユーザの商品に対する興味の度合いなどに応じて、仮想キャラクタによる商品のお薦めの仕方を変化させるようにしてもよい。
　また、いずれの種類のイベントに応答した動作を実行している最中であれ、仮想キャラクタは、ユーザからの質問や雑談には応答するものとする。
　図６には、シーン記述データの一例を示している。同図では、サッカーのゴールシーンというイベントに関する、イベントの開始時間及び終了時間、イベントの種別（「サッカー」）、イベントの内容（「ゴールした」、「チーム名」、「得点状況」）などを含んでいる。なお、映像からシーンを表現する手法はさまざまであり、図６に示すようなシーン記述データを既存の手法に基づいて自動生成することができる。
　図７には、シーン記述データの他の例を示している。同図では、ユーザの状況に応じた感情の表現の典型を記述している。具体的には、「サッカー」というイベント種別において、「ゴールした」というイベントが発生した際に、「喜ぶ」又は「悲しむ」のいずれかの感情を表現することを記述している。
　なお、図６に示したような、シーンに関する具体的な情報を記述するデータと、図７に示したような、シーンに対応した感情表現を示唆するデータとを個別のシーン記述データファイルとして、トリガーデータでは、これらのような２つのデータファイルの組み合わせを、イベントに対応したシーン記述データとして指定するようにしてもよい。あるいは、図６に示したようなデータ部分と図７に示したようなデータ部分をともに含む１つのシーン記述データファイルとして構成するようにしてもよい。
　また、シーン記述データで使用する文書構造若しくは文法は任意であり、図６及び図７は一例を示したものに過ぎない。
　また、対話装置１２０は、仮想キャラクタを自律駆動させる際に、視聴中の動画コンテンツ内でイベントが発生する度に提供されるシーン記述データを利用するかしないか、あるいはどの程度利用するかは任意である。例えば、対話装置１２０は、ユーザの指示に従って、シーン記述データを利用するかしないか、あるいはどの程度利用するかを決定するようにしてもよい。また、シーン記述データの中で、そのシーン記述データの記述内容が必須又は任意のいずれであるかを指定するようにしてもよい。
　図８には、表示装置１１０の基本的な動作例をフローチャートの形式で示している。
　表示装置１１０は、主電源が投入されて、起動を開始すると、ペアとなっている対話装置１２０が起動しているかどうかをチェックする（ステップＳ８０１）。
　そして、対話装置１２０がまだ起動していない場合には、表示装置１１０は、対話装置１２０に起動を指示して（ステップＳ８０２）、対話装置１２０が表示装置１１０からトリガーデータなどを受信可能な受信状態にして（ステップＳ８０３）、本処理を終了する。
　なお、対話装置１２０ではなく、ＭＲデバイスやペット型ロボットを使ってユーザと対話するシステム構成の場合には、ステップＳ８０１では、ＭＲデバイスやペット型ロボットの起動状態のチェックを行い、ステップＳ８０２ではＭＲデバイスやペット型ロボットを起動させて、受信可能状態にする。また、表示装置１１０の画面に子画面を設けて仮想キャラクタを表示するシステム構成の場合には、仮想キャラクタの自動駆動用アプリケーションの起動状態のチェックを行い、ステップＳ８０２ではこのアプリケーションを受信可能状態にする。
　図９には、受信状態の対話装置１２０が実施する処理動作の手順をフローチャートの形式で示している。
　対話装置１２０は、表示装置１１０からトリガーデータが配信されているかどうかをチェックする（ステップＳ９０１）。
　表示装置１１０からトリガーデータが配信されていないときには（ステップＳ９０１のＮｏ）、対話装置１２０は、自律会話モードに移行して（ステップＳ９０２）、表示装置１１０の画面で表示している放送型の動画コンテンツの内容（シーン）に依らず、仮想キャラクタを自律的にユーザと対話させながら、トリガーデータが配信されるまで待機する。
　一方、表示装置１１０からトリガーデータが配信されているときには（ステップＳ９０１のＹｅｓ）、対話装置１２０は、配信キャラクタのデータも表示装置１１０から配信されているかどうかをさらにチェックする（ステップＳ９０３）。
　表示装置１１０から配信キャラクタが配信されていない場合には（ステップＳ９０３のＮｏ）、対話装置１２０は、マイキャラクタを選択する（ステップＳ９０４）。
　また、表示装置１１０から配信キャラクタが配信されている場合には（ステップＳ９０３のＹｅｓ）、対話装置１２０は、選択可能な（言い換えれば、対話装置１２０上で自律駆動させることが可能な）配信キャラクタの一覧からなるキャラクタ選択画面をユーザに提示する（ステップＳ９０５）。
　そして、ユーザがキャラクタ一覧画面の中からいずれかの配信コンテンツを選択すると（ステップＳ９０６のＹｅｓ）、対話装置１２０は、ユーザが選択した配信キャラクタを表示部３０３に表示して自律駆動させることを選択する（ステップＳ９０７）。
　また、ユーザがキャラクタ一覧画面の中からいずれの配信コンテンツも選択しなかった場合には（ステップＳ９０６のＮｏ）、対話装置１２０は、マイキャラクタを選択して（ステップＳ９０４）、マイキャラクタを表示部３０３に表示して自律駆動させるようにする。
　そして、対話装置１２０は、上記のようにしてマイキャラクタ又は配信キャラクタのいずれかを選択すると、シーン追従会話モードに移行する（ステップＳ９０８）。このシーン追従会話モードでは、対話装置１２０は、トリガーデータで指定されている所在又は取得方法に従って取得したシーン記述データに基づいて、選択したマイキャラクタ又は配信キャラクタのいずれかを用いて、ユーザとの対話を行う。
　その後、対話装置１２０は、表示装置１１０から次のトリガーデータが配信されるまでは、選択したマイキャラクタ又は配信キャラクタを使って、ユーザとの会話を行う。
　図１０には、シーン追従会話モード下で対話装置１２０が実施する処理動作の手順をフローチャートの形式で示している。
　対話装置１２０は、表示装置１１０からトリガーデータを受信すると（ステップＳ１００１のＹｅｓ）、トリガーデータで指定されている所在又は取得方法に従って、シーン記述データを取得する（ステップＳ１００２）。
　次いで、対話装置１２０は、いずれかの感情データを選択することが可能かどうかをチェックする（ステップＳ１００３）。
　感情データを選択できないときには（ステップＳ１００３のＮｏ）、対話装置１２０は、シーン記述データで指定された、お薦めの感情データに基づいた表現を行うように、仮想キャラクタを駆動させる（ステップＳ１００４）。
　一方、感情データを選択可能である場合には（ステップＳ１００３のＹｅｓ）、対話装置１２０は、感情データのカテゴリに適合するユーザデータがあるかどうかをさらにチェックする（ステップＳ１００５）。
　そして、感情データのカテゴリに適合するユーザデータがある場合には（ステップＳ１００５のＹｅｓ）、対話装置１２０は、ユーザデータに応じた感情表現を行うように、仮想キャラクタを駆動させる（ステップＳ１００６）。
　また、感情データのカテゴリに適合するユーザデータがない場合には（ステップＳ１００５のＮｏ）、対話装置１２０は、中立的な感情表現を行うように、仮想キャラクタを駆動させる（ステップＳ１００７）。
　以上、特定の実施形態を参照しながら、本明細書で開示する技術について詳細に説明してきた。しかしながら、本明細書で開示する技術の要旨を逸脱しない範囲で当業者が該実施形態の修正や代用を成し得ることは自明である。
　本明細書で開示する技術は、放送型の動画コンテンツを視聴するシステムに好適に適用することができる。本明細書では、主にＭＰＥＧ－２システムに適用した実施形態を中心に説明してきたが、本明細書で開示する技術の適用範囲はこれに限定されるものではない。例えば、ＭＰＥＧ－４やＭＰＥＧ－ＤＡＳＨ（Ｄｙｎａｍｉｃ　Ａｄａｐｔｉｖｅ　Ｓｔｒｅａｍｉｎｇ　ｏｖｅｒ　ＨＴＴＰ）など他の動画配信システムにも同様に本明細書で開示する技術を適用することができる。
　要するに、例示という形態により本明細書で開示する技術について説明してきたのであり、本明細書の記載内容を限定的に解釈するべきではない。本明細書で開示する技術の要旨を判断するためには、特許請求の範囲を参酌すべきである。
　なお、本明細書の開示の技術は、以下のような構成をとることも可能である。
（１）放送型の動画コンテンツを受信する受信部と、
　前記動画コンテンツ中で発生するイベントに応じた仮想キャラクタの動作を示唆する情報の所在又は取得方法を含むデータを第２の機器に通知する通知部と、
を具備する情報処理装置。
（２）前記受信部は、放送波又はストリーム配信される前記動画コンテンツを受信する、
上記（１）に記載の情報処理装置。
（３）前記受信部が前記イベントのトリガーを受信したことに応答して、前記通知部が前記第２の機器に前記データを通知する、
上記（１）又は（２）のいずれかに記載の情報処理装置。
（４）前記受信部は、ＳｔｒｅａｍＥｖｅｎｔ又はＷｅｂＳｏｃｋｅｔにより、前記イベントのトリガーを受信する、
上記（３）に記載の情報処理装置。
（５）前記情報処理装置は、前記放送型の動画コンテンツを表示する表示部を備えたテレビ受信機である、
上記（１）乃至（４）のいずれかに記載の情報処理装置。
（６）放送型の動画コンテンツを受信する受信ステップと、
　前記動画コンテンツを表示部に表示する表示ステップと、
　前記動画コンテンツ中で発生するイベントに応じて、仮想キャラクタの動作を示唆する情報の所在又は取得方法を含むデータを第２の機器に通知する通知ステップと、
を有する情報処理方法。
（７）放送型の動画コンテンツ中で発生するイベントに応じた仮想キャラクタの動作を示唆する情報の所在又は取得方法を含むデータの通知を第１の機器から受け取る受信部と、
　前記第１の機器から通知された前記データに基づいて前記情報を取得し、取得した前記情報に基づいて、前記仮想キャラクタの駆動を制御する制御部と、
を具備する情報処理装置。
（８）前記受信部は、前記放送型の動画コンテンツを受信するテレビ受信機としての前記第１の機器から前記通知を受け取る、
上記（７）に記載の情報処理装置。
（９）２次元又は３次元表示可能な表示部をさらに備え、
　前記制御部は、前記表示部を用いて表示する前記仮想キャラクタの駆動を制御する、
上記（７）又は（８）のいずれかに記載の情報処理装置。
（１０）前記制御部は、ＭＲデバイスを用いて前記仮想キャラクタを表示する、
上記（７）又は（８）のいずれかに記載の情報処理装置。
（１１）前記制御部は、前記放送型の動画コンテンツを受信するテレビ受信機としての前記第１の機器の子画面で前記仮想キャラクタを表示する、
上記（７）又は（８）のいずれかに記載の情報処理装置。
（１２）前記制御部は、取得した前記情報に基づいて、ペット型ロボットの駆動を制御する、
上記（７）又は（８）のいずれかに記載の情報処理装置。
（１３）前記制御部は、前記動画コンテンツ中の前記イベントの位置情報、前記イベントの種別、前記イベントの内容を含んだ前記データを取得する、
上記（７）乃至（１２）のいずれかに記載の情報処理装置。
（１４）前記制御部は、前記イベントに対する前記仮想キャラクタの感情表現に関する情報を含んだ前記データを取得する、
上記（７）乃至（１３）のいずれかに記載の情報処理装置。
（１５）前記受信部は、前記第１の機器から前記仮想キャラクタのデータをさらに受信する、
上記（７）乃至（１４）のいずれかに記載の情報処理装置。
（１６）放送型の動画コンテンツ中で発生するイベントに応じた仮想キャラクタの動作を示唆する情報の所在又は取得方法を含むデータの通知を第１の機器から受け取る受信ステップと、
　前記第１の機器から通知された前記データに基づいて前記情報を取得する取得ステップと、
　前記取得ステップで取得した前記情報に基づいて、仮想キャラクタの駆動を制御する制御ステップと、
を有する情報処理方法。
（１７）放送型の動画コンテンツを受信する第１の機器と、
　仮想キャラクタの駆動を制御する第２の機器と、
を具備し、
　前記第１の機器は、前記イベントのトリガーを受信したことに応答して、前記動画コンテンツ中で発生するイベントに応じた仮想キャラクタの動作を示唆する情報の所在又は取得方法を含むデータを前記第２の機器に通知し、
　前記第２の機器は、前記第１の機器から通知された前記データに基づいて前記情報を取得して、前記仮想キャラクタの駆動を制御する、
情報処理システム。
（１８）放送型の動画コンテンツを受信する受信部、
　前記動画コンテンツ中で発生するイベントに応じた仮想キャラクタの動作を示唆する情報の所在又は取得方法を含むデータを第２の機器に通知する通知部、
としてコンピュータを機能させるようにコンピュータ可読形式で記述されたコンピュータプログラム。
（１９）放送型の動画コンテンツ中で発生するイベントに応じた仮想キャラクタの動作を示唆する情報の所在又は取得方法を含むデータの通知を第１の機器から受け取る受信部、
　前記第１の機器から通知された前記データに基づいて前記情報を取得する制御部、
　取得した前記情報に基づいて、前記仮想キャラクタの駆動を制御する制御部、
としてコンピュータを機能させるようにコンピュータ可読形式で記述されたコンピュータプログラム。
　１００…対話システム、１１０…表示装置、１２０…対話装置
　２０１…制御部、２０２…バス、２０３…ストレージ部
　２０４…通信インターフェース（ＩＦ）部
　２０５…拡張インターフェース（ＩＦ）部
　２０６…チューナ／復調部、２０７…デマルチプレクサ
　２０８…映像デコーダ、２０９…音声デコーダ
　２１０…文字スーパーデコーダ、２１１…字幕デコーダ
　２１２…字幕合成部、２１３…データデコーダ、２１４…キャッシュ部
　２１５…アプリケーション（ＡＰ）制御部、２１６…ブラウザ部
　２１７…音源部、２１８…映像合成部、２１９…表示部
　２２０…音声合成部、２２１…音声出力部、２２２…操作入力部
　３０１…処理部、３０２…通信部、３０３…表示部
　３０４…音声入力部、３０５…音声出力部
　３０６…センサ部、３０７…記録部
　４１０…対話エンジンフロントエンド
　４２０…対話エンジンバックエンド、４２１…音声認識部
　４２２…意味解析部、４２３…音声合成部、４２４…制御部
　４３０…外部エージェントサービス、４３１…音声認識部
　４３２…意味解析部、４３３…処理部、４３４…音声合成部
　４４０…音声エージェントデバイス、４４１…音声入力部
　４４２…音声出力部

Claims (17)

  1. 　放送型の動画コンテンツを受信する受信部と、
    　前記動画コンテンツ中で発生するイベントに応じた仮想キャラクタの動作を示唆する情報の所在又は取得方法を含むデータを第２の機器に通知する通知部と、
    を具備する情報処理装置。
  2. 　前記受信部は、放送波又はストリーム配信される前記動画コンテンツを受信する、
    請求項１に記載の情報処理装置。
  3. 　前記受信部が前記イベントのトリガーを受信したことに応答して、前記通知部が前記第２の機器に前記データを通知する、
    請求項１に記載の情報処理装置。
  4. 　前記受信部は、ＳｔｒｅａｍＥｖｅｎｔ又はＷｅｂＳｏｃｋｅｔにより、前記イベントのトリガーを受信する、
    請求項３に記載の情報処理装置。
  5. 　前記情報処理装置は、前記放送型の動画コンテンツを表示する表示部を備えたテレビ受信機である、
    請求項１に記載の情報処理装置。
  6. 　放送型の動画コンテンツを受信する受信ステップと、
    　前記動画コンテンツを表示部に表示する表示ステップと、
    　前記動画コンテンツ中で発生するイベントに応じて、仮想キャラクタの動作を示唆する情報の所在又は取得方法を含むデータを第２の機器に通知する通知ステップと、
    を有する情報処理方法。
  7. 　放送型の動画コンテンツ中で発生するイベントに応じた仮想キャラクタの動作を示唆する情報の所在又は取得方法を含むデータの通知を第１の機器から受け取る受信部と、
    　前記第１の機器から通知された前記データに基づいて前記情報を取得し、取得した前記情報に基づいて、前記仮想キャラクタの駆動を制御する制御部と、
    を具備する情報処理装置。
  8. 　前記受信部は、前記放送型の動画コンテンツを受信するテレビ受信機としての前記第１の機器から前記通知を受け取る、
    請求項７に記載の情報処理装置。
  9. 　２次元又は３次元表示可能な表示部をさらに備え、
    　前記制御部は、前記表示部を用いて表示する前記仮想キャラクタの駆動を制御する、
    請求項７に記載の情報処理装置。
  10. 　前記制御部は、ＭＲデバイスを用いて前記仮想キャラクタを表示する、
    請求項７に記載の情報処理装置。
  11. 　前記制御部は、前記放送型の動画コンテンツを受信するテレビ受信機としての前記第１の機器の子画面で前記仮想キャラクタを表示する、
    請求項７に記載の情報処理装置。
  12. 　前記制御部は、取得した前記情報に基づいて、ペット型ロボットの駆動を制御する、
    請求項７に記載の情報処理装置。
  13. 　前記制御部は、前記動画コンテンツ中の前記イベントの位置情報、前記イベントの種別、前記イベントの内容を含んだ前記データを取得する、
    請求項７に記載の情報処理装置。
  14. 　前記制御部は、前記イベントに対する前記仮想キャラクタの感情表現に関する情報を含んだ前記データを取得する、
    請求項７に記載の情報処理装置。
  15. 　前記受信部は、前記第１の機器から前記仮想キャラクタのデータをさらに受信する、
    請求項７に記載の情報処理装置。
  16. 　放送型の動画コンテンツ中で発生するイベントに応じた仮想キャラクタの動作を示唆する情報の所在又は取得方法を含むデータの通知を第１の機器から受け取る受信ステップと、
    　前記第１の機器から通知された前記データに基づいて前記情報を取得する取得ステップと、
    　前記取得ステップで取得した前記情報に基づいて、仮想キャラクタの駆動を制御する制御ステップと、
    を有する情報処理方法。
  17. 　放送型の動画コンテンツを受信する第１の機器と、
    　仮想キャラクタの駆動を制御する第２の機器と、
    を具備し、
    　前記第１の機器は、前記イベントのトリガーを受信したことに応答して、前記動画コンテンツ中で発生するイベントに応じた仮想キャラクタの動作を示唆する情報の所在又は取得方法を含むデータを前記第２の機器に通知し、
    　前記第２の機器は、前記第１の機器から通知された前記データに基づいて前記情報を取得して、前記仮想キャラクタの駆動を制御する、
    情報処理システム。
PCT/JP2019/034366 2018-10-29 2019-09-02 情報処理装置及び情報処理装置、並びに情報処理システム WO2020090215A1 (ja)

Priority Applications (4)

Application Number Priority Date Filing Date Title
KR1020217010884A KR102700436B1 (ko) 2018-10-29 2019-09-02 정보 처리 장치 및 정보 처리 장치, 그리고 정보 처리 시스템
US17/275,565 US11985390B2 (en) 2018-10-29 2019-09-02 Information processing apparatus and information processing method, and information processing system
JP2020554788A JP7428134B2 (ja) 2018-10-29 2019-09-02 情報処理装置及び情報処理装置、並びに情報処理システム
EP19879869.6A EP3876547A4 (en) 2018-10-29 2019-09-02 INFORMATION PROCESSING DEVICE, INFORMATION PROCESSING METHODS AND INFORMATION PROCESSING SYSTEM

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2018202874 2018-10-29
JP2018-202874 2018-10-29

Publications (1)

Publication Number Publication Date
WO2020090215A1 true WO2020090215A1 (ja) 2020-05-07

Family

ID=70463910

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2019/034366 WO2020090215A1 (ja) 2018-10-29 2019-09-02 情報処理装置及び情報処理装置、並びに情報処理システム

Country Status (5)

Country Link
US (1) US11985390B2 (ja)
EP (1) EP3876547A4 (ja)
JP (1) JP7428134B2 (ja)
KR (1) KR102700436B1 (ja)
WO (1) WO2020090215A1 (ja)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2024014526A1 (ja) * 2022-07-15 2024-01-18 ソニーグループ株式会社 情報処理装置および方法

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US12100088B2 (en) * 2022-12-30 2024-09-24 Theai, Inc. Recognition of intent of artificial intelligence characters
CN116994277A (zh) * 2023-09-26 2023-11-03 北京游刃科技有限公司 一种视觉域信息知识构建的方法、装置和电子设备

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002118828A (ja) * 2000-10-06 2002-04-19 Matsushita Electric Ind Co Ltd 動作端末およびその制御方法
JP2003324402A (ja) * 2002-05-07 2003-11-14 Nippon Hoso Kyokai <Nhk> 外部機器連動型コンテンツ生成装置、その方法及びそのプログラム、外部機器連動型コンテンツ再生装置、その方法及びそのプログラム
JP2004179696A (ja) * 2002-11-22 2004-06-24 Asahi Satellite Broadcasting Ltd 放送システム、放送システムに利用可能な放送送信装置および放送受信装置
JP2006245941A (ja) * 2005-03-02 2006-09-14 Sharp Corp コンテンツ視聴システム、コンテンツ受信装置およびコンテンツ視聴用家庭内機器
JP2010239360A (ja) * 2009-03-31 2010-10-21 Nippon Hoso Kyokai <Nhk> 連携受信システム及びプログラム
JP2013247434A (ja) * 2012-05-24 2013-12-09 Toshiba Corp 情報処理装置及び情報処理方法
JP2015194864A (ja) * 2014-03-31 2015-11-05 Kddi株式会社 遠隔操作方法ならびにシステムならびにそのユーザ端末および視聴端末
WO2016174960A1 (ja) * 2015-04-30 2016-11-03 ソニー株式会社 受信装置、送信装置、およびデータ処理方法
JP2017139640A (ja) * 2016-02-04 2017-08-10 株式会社Ｊストリーム コンテンツ付加情報提供システム

Family Cites Families (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7822687B2 (en) * 2002-09-16 2010-10-26 Francois Brillon Jukebox with customizable avatar
KR100983127B1 (ko) * 2008-08-28 2010-09-17 (주)수연미디어 방송 컨텐츠와 연계되어 동작하는 컨텐츠 로봇 및 그 제어 방법
KR101618590B1 (ko) * 2008-12-09 2016-05-09 코닌클리케 필립스 엔.브이. 몰입 효과들을 제공하기 위한 방법 및 시스템
US9159165B2 (en) * 2010-07-13 2015-10-13 Sony Computer Entertainment Inc. Position-dependent gaming, 3-D controller, and handheld as a remote
KR102024145B1 (ko) * 2012-11-21 2019-09-23 주식회사 케이티 이동 로봇을 이용한 이벤트 제공 방법 및 시스템
US9792714B2 (en) * 2013-03-20 2017-10-17 Intel Corporation Avatar-based transfer protocols, icon generation and doll animation
JP5726987B2 (ja) * 2013-11-05 2015-06-03 株式会社 ディー・エヌ・エー コンテンツの配信システム、配信プログラム及び配信方法
US9338493B2 (en) 2014-06-30 2016-05-10 Apple Inc. Intelligent automated assistant for TV user interactions
US10637595B2 (en) 2015-03-01 2020-04-28 Lg Electronics Inc. Apparatus for transmitting broadcast signal, apparatus for receiving broadcast signal, method for transmitting broadcast signal and method for receiving broadcast signal
WO2016153241A1 (ko) * 2015-03-23 2016-09-29 엘지전자 주식회사 방송 신호 송신 장치, 방송 신호 수신 장치, 방송 신호 송신 방법, 및 방송 신호 수신 방법
US20180115796A1 (en) * 2015-03-26 2018-04-26 Lg Electronics Inc. Broadcast signal transmitting device, broadcast signal receiving device, broadcast signal transmitting method, and broadcast signal receiving method
KR102304023B1 (ko) * 2015-04-03 2021-09-24 한국과학기술원 증강현실 기반 인터렉티브 저작 서비스 제공 시스템
US10095795B2 (en) * 2015-12-02 2018-10-09 Sap Se Content provisioning system for wearable technology devices
WO2018094272A1 (en) * 2016-11-18 2018-05-24 Robert Bosch Start-Up Platform North America, LLC, Series 1 Robotic creature and method of operation
US11587292B2 (en) * 2018-07-30 2023-02-21 Disney Enterprises, Inc. Triggered virtual reality and augmented reality events in video streams

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002118828A (ja) * 2000-10-06 2002-04-19 Matsushita Electric Ind Co Ltd 動作端末およびその制御方法
JP2003324402A (ja) * 2002-05-07 2003-11-14 Nippon Hoso Kyokai <Nhk> 外部機器連動型コンテンツ生成装置、その方法及びそのプログラム、外部機器連動型コンテンツ再生装置、その方法及びそのプログラム
JP2004179696A (ja) * 2002-11-22 2004-06-24 Asahi Satellite Broadcasting Ltd 放送システム、放送システムに利用可能な放送送信装置および放送受信装置
JP2006245941A (ja) * 2005-03-02 2006-09-14 Sharp Corp コンテンツ視聴システム、コンテンツ受信装置およびコンテンツ視聴用家庭内機器
JP2010239360A (ja) * 2009-03-31 2010-10-21 Nippon Hoso Kyokai <Nhk> 連携受信システム及びプログラム
JP2013247434A (ja) * 2012-05-24 2013-12-09 Toshiba Corp 情報処理装置及び情報処理方法
JP2015194864A (ja) * 2014-03-31 2015-11-05 Kddi株式会社 遠隔操作方法ならびにシステムならびにそのユーザ端末および視聴端末
WO2016174960A1 (ja) * 2015-04-30 2016-11-03 ソニー株式会社 受信装置、送信装置、およびデータ処理方法
JP2017139640A (ja) * 2016-02-04 2017-08-10 株式会社Ｊストリーム コンテンツ付加情報提供システム

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
See also references of EP3876547A4

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2024014526A1 (ja) * 2022-07-15 2024-01-18 ソニーグループ株式会社 情報処理装置および方法

Also Published As

Publication number Publication date
KR20210077683A (ko) 2021-06-25
JP7428134B2 (ja) 2024-02-06
EP3876547A1 (en) 2021-09-08
KR102700436B1 (ko) 2024-08-30
US20220053241A1 (en) 2022-02-17
JPWO2020090215A1 (ja) 2021-09-24
US11985390B2 (en) 2024-05-14
EP3876547A4 (en) 2021-09-08

Similar Documents

Publication Publication Date Title
WO2020090215A1 (ja) 情報処理装置及び情報処理装置、並びに情報処理システム
US8893169B2 (en) Systems and methods for selectively obscuring portions of media content using a widget
US20130326576A1 (en) Method and device for view switching
US11227620B2 (en) Information processing apparatus and information processing method
US20080133604A1 (en) Apparatus and method for linking basic device and extended devices
US20160191971A1 (en) Method, apparatus and system for providing supplemental
CN104202677A (zh) 支持多窗口应用的多屏显示和控制的方法与装置
KR20160039830A (ko) 멀티미디어 장치 및 그의 음성 가이드 제공방법
EP3532943A1 (en) Systems and methods for resuming a media asset
US11671657B2 (en) Method and apparatus for shared viewing of media content
US20220394328A1 (en) Consolidated Watch Parties
CN113077799A (zh) 具有两个音频链路的解码器装备
KR102630037B1 (ko) 정보 처리 장치, 정보 처리 방법, 송신 장치, 및 송신 방법
JP5997500B2 (ja) 放送通信連携受信装置
KR100983127B1 (ko) 방송 컨텐츠와 연계되어 동작하는 컨텐츠 로봇 및 그 제어 방법
KR20090074810A (ko) 방송 컨텐츠와 연계되어 동작하는 컨텐츠 로봇 및 그 제어 방법
WO2020240976A1 (ja) 人工知能情報処理装置及び人工知能情報処理方法
US20140075471A1 (en) Apparatus, systems and methods for accessing supplemental information pertaining to a news segment
KR102024145B1 (ko) 이동 로봇을 이용한 이벤트 제공 방법 및 시스템
WO2018142515A1 (ja) コンテンツ配信方法、コンテンツ取得方法および情報処理端末
CN113490021B (zh) 一种用户界面显示方法及显示设备
CN111095943A (zh) 电视节目和额外多媒体内容的组合广播方法
JP4421666B1 (ja) コンテンツ受信装置及びコンテンツ再生方法
KR101664500B1 (ko) 영상 표시 기기의 외국어 사전 기능 자동 제공 방법
JP2010109993A (ja) コンテンツ受信装置及びコンテンツ再生方法

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 19879869

Country of ref document: EP

Kind code of ref document: A1

ENP Entry into the national phase

Ref document number: 2020554788

Country of ref document: JP

Kind code of ref document: A

NENP Non-entry into the national phase

Ref country code: DE

ENP Entry into the national phase

Ref document number: 2019879869

Country of ref document: EP

Effective date: 20210531