JP2015023485A

JP2015023485A - 特定音付き音声コマンド対応情報端末

Info

Publication number: JP2015023485A
Application number: JP2013151448A
Authority: JP
Inventors: 勝彦井川; Katsuhiko Igawa
Original assignee: Nakayo Inc
Current assignee: Nakayo Inc
Priority date: 2013-07-22
Filing date: 2013-07-22
Publication date: 2015-02-02
Anticipated expiration: 2033-07-22
Also published as: JP6090027B2

Abstract

【課題】音声でコマンドと発せられた音声コマンド前後の会話の内容により通話相手との通話から電話の代理応答処理を自動的に行う技術を提供する。【解決手段】情報端末１は、通話時に登録された特定音声を検知した場合、特定音声の後に続く特定音声信号を抽出し、抽出した特定音声信号を音声認識サーバ３へ送信する。その後、情報端末１は、音声認識サーバ３で特定音声信号を変換したテキスト情報を受信し、テキスト情報から操作キーワードを抽出し、操作キーワードに対応する処理内容を判定し、判定された処理内容を自動的に制御する。【選択図】図１

Description

本発明は、情報端末に関し、音声コマンドにより、情報端末の自動制御を行う技術に関する。

従来、電話着信の応答処理を手操作で行っていたため、誤操作をしてしまうという問題がある。電話着信の代理応答処理を自動的に行う技術として、例えば特許文献１には、通話中に電話機のハンドセットから手を離した場合、自動的に電話機を保留するといった技術が開示されている。

特開平５−３２７８３８号公報

しかしながら、特許文献１の技術は、保留にしたくない場合であっても保留され、誤検知してしまうことがある。本発明は、上記課題に鑑みてなされたものであり、その目的は音声でコマンドと発せられた音声コマンド前後の会話の内容により通話相手との通話から電話の代理応答処理を自動的に行う技術を提供することである。

本発明は上記課題を解決するために、音声コマンドにより所定の動作を実行する情報端末であって、音声コマンドの先頭は発する特定音声を登録する特定音声登録手段と、自端末に入力する音声から前記特定音声を検出する特定音声検出手段と、前記検出した特定音声に続く一連の特定音声信号を抽出する特定音声信号抽出手段と、前記抽出した特定音声信号を所定のサーバへ送信する特定音声信号送信手段と、前記送信した特定音声信号に係る処理結果データを受信する処理結果受信手段と、前記受信した処理結果データを解析し自端末の動作に係るコマンドを判定するコマンド判定手段と、前記判定したコマンドに応じて自端末の動作を制御する端末制御手段を有することを特徴とする。

本発明によれば、ユーザが発した音声による音声コマンドで自端末の操作を行うので、手入力または手操作による誤操作を防止するという効果がある。

図１は、本発明の一実施の形態に係る音声コマンド対応情報端末システムの概略構成図である。図２は、情報端末１の概略機能構成図である。図３は、特定音声記憶部１０３の登録内容例を模式的に表した図である。図４は、処理内容記憶部１０８の登録内容例を模式的に表した図である。図５は、本実施の形態に係る情報端末の動作例を説明するためのシーケンス図である。図６は、情報端末１の特定音声登録動作を説明するためのフロー図である。図７は、情報端末１の音声による端末制御動作を説明するためのフロー図である。

以下に、本発明の一実施形態について説明する。

図１は、本実施の形態に係る音声コマンド対応情報端末システムの概略構成図である。図示するように、本実施の形態に係る音声コマンド対応情報端末システムは、ネットワーク２に接続する情報端末１と、音声認識サーバ３とから構成される。

情報端末１は、ネットワーク２を介して音声認識サーバ３に接続する。情報端末１は、電話機能を有する。

音声認識サーバ３は、音声データをテキスト変換する機能を有する。

図２は、情報端末１の概略機能構成図である。

情報端末１は、通信制御部１０１、マンマシンインタフェース部１０２、端末制御部１０３、特定音声記憶部１０４、特定音声信号抽出部１０５、特定音声検索部１０６、音声認識サーバ送信部１０７、テキスト受信部１０８、操作キーワード抽出部１０９、処理内容判定部１１０、処理内容記憶部１１１、呼制御部１１２から構成される。

通信制御部１０１は、ネットワーク２と接続するための接続インタフェースならびにネットワーク２と情報端末１の通信制御全般を行う。通信制御部１０１は、音声認識サーバ送信部１０７から送信された特定音声信号を音声認識サーバ３に送信し、音声認識サーバ３より受信したテキスト情報をテキスト受信部１０８に渡す。

尚ここで、特定音声信号とは、後述の特定音声の後に続き、無音を検知するまでの音声データを意味する。

マンマシンインタフェース部１０２は、ユーザが通話するためのマイク・スピーカを備えた受話器、およびユーザからの入力操作を受付けるダイヤルキー、ユーザへ情報を表示するＬＣＤ・ＬＥＤ等のユーザインターフェースである。マンマシンインタフェース部１０２は、ユーザからの音声を受信すると、端末制御部１０３へ渡す。マンマシンインタフェース部１０２は、ユーザから発信操作に係るボタン入力操作を受けると、端末制御部１０３へボタン入力情報を渡す。マンマシンインタフェース部１０２は、端末制御部１０３からの指示に応じて鳴動等の呼接続に係る表示処理、通話音声出力を行う。マンマシンインタフェース部１０２は、ユーザから特定音声登録操作開始が行われた場合、特定音声登録操作を開始し、ユーザから特定音声を受信すると、特定音声を端末制御部１０３へ渡す。

尚ここで、特定音声とは、特定音声信号の取得開始を指示する音声コマンドを意味する。

端末制御部１０３は、マンマシンインタフェース部１０２からユーザからの音声を受け取った場合、特定音声信号抽出部１０５と呼制御部１１２へ渡す。端末制御部１０３は、マンマシンインタフェース部１０２からボタン入力情報を受け取った場合、ボタン入力情報から呼接続指示情報を判定し、判定した呼接続指示情報を呼制御部１１２へ渡す。端末制御部１０３は、呼制御部１１２から保留、転送、発信それぞれの場合に関わる処理命令を受け取り、受け取った処理命令から鳴動等の呼接続に係る表示処理、通話音声出力の指示の内容を判定し、判定した指示内容をマンマシンインタフェース部１０２へ渡す。端末制御部１０３は、マンマシンインタフェース部１０２で特定音声登録操作が開始されて受信された特定音声を受け取り、受け取った特定音声を特定音声記憶部１０４へ渡す。

特定音声記憶部１０４は、端末制御部１０３から受け取った特定音声を特定音声検索テーブル１０３０に登録する。

図３は、特定音声記憶部１０４の登録内容例を模式的に表した図である。

図示するように、特定音声記憶部１０４には、特定音声検索テーブルが記憶されている。特定音声検索テーブルは対象の特定音声毎に、音声認識サーバに送る特定音声信号のレコード１０４３が登録されている。レコード１０４３は、登録された特定音声を記憶しているフィールド１０４１と、音声認識サーバに送る特定音声信号の取得範囲情報を示しているフィールド１０４２と、を有する。

特定音声信号抽出部１０５は、端末制御部１０３から送られた音声を、特定音声検索部１０６に特定音声検索を要求する。特定音声信号抽出部１０５は、特定音声検索部１０６から検索結果を受け取ると、検索結果が特定音声であった場合に、当該特定音声の後に続く音声を特定音声信号として音声認識サーバ送信部１０７に送る。

特定音声検索部１０６は、特定音声信号抽出部１０５から特定音声検索が要求された場合、特定音声記憶部１０４の特定音声検索テーブルを参照し、当該音声が登録された特定音声であるかどうか検索を行い、検索結果を特定音声信号抽出部１０５に渡す。

音声認識サーバ送信部１０７は、予め音声認識サーバ３のアドレス情報を記憶し、特定音声信号抽出部１０５から特定音声信号を受取ると、通信制御部１０１を介して音声認識サーバ３宛に当該特定音声信号を送信する。

テキスト受信部１０８は、予め音声認識サーバ３のアドレス情報を記憶し、通信制御部１０１を介して音声認識サーバ３から渡されたテキスト情報を受けとると、操作キーワード抽出部１０９へ当該テキスト情報を渡す。

操作キーワード抽出部１０９は、テキスト受信部１０８から受け取ったテキスト情報から操作キーワードを抽出し、抽出した操作キーワードを処理内容判定部１１０へ渡す。

処理内容判定部１１０は、操作キーワード抽出部１０９から操作キーワードを受け取ると、処理内容記憶部１１１の判定テーブル１１１０を参照して、当該操作キーワードに対応する処理内容を検索する。保留、転送、発信のそれぞれの処理内容を判定し、処理内容を呼制御部１１２に指示する。

処理内容記憶部１１１は、処理内容判定テーブル１１１０を記憶する。図４は、処理内容記憶部１１１の登録内容例を模式的に表した図である。

図示するように、処理内容記憶部１１１には、処理内容判定テーブルが記憶されている。処理内容判定テーブル１１１０は対象の操作キーワード毎に、情報端末１が自動的に行う処理内容情報のレコード１１１３が登録されている。レコード１１１３は、抽出する操作キーワードを記憶しているフィールド１１１１と、情報端末１が自動的に行う処理内容を記憶しているフィールド１１１２と、を有する。

呼制御部１１２は、一般的な発信、着信、終話時の呼接続に係る処理全般ならびに通話中の音声処理全般を行う。呼制御部１１２は、処理内容判定部１１０からの指示にしたがい、処理を行う。呼制御部１１２は、端末制御部１０３に保留、転送、発信それぞれの場合に関わる処理命令を渡す。

図５は、本実施の形態に係る情報端末の動作例を説明するためのシーケンス図である。

尚、本フローは、情報端末１と図示しない通話先端末との通話が確立し、通話中の状態から開始する。

情報端末１は、通話中にユーザの音声を監視し、監視中の音声のなかから特定音声を検知すると（Ｓ１０１）、特定音声信号の取得を開始する（Ｓ１０２）。そして、情報端末１は、特定音声信号取得開始後、無音を３秒以上検知すると（Ｓ１０３）、特定音声信号の取得を終了する（Ｓ１０４）。それから、情報端末１は、特定音声信号取得終了後、取得した音声信号から特定音声信号を抽出する（Ｓ１０５）。そして、情報端末１は、特定音声信号抽出後、特定音声信号情報を音声認識サーバ３へ送信する（Ｓ１０６）。

音声認識サーバ３は、特定音声信号情報を受信すると、受信した特定音声信号をテキスト変換する（Ｓ１０７）。そして、音声認識サーバ３は、特定音声信号をテキスト変換し、変換したテキスト情報を情報端末１へ送信する（Ｓ１０８）。

情報端末１は、テキスト情報を受信すると、受信したテキスト情報に操作キーワードを探索する（Ｓ１０９）。そして、情報端末１は、操作キーワードを検出した場合に、対応する処理を実行する（尚、本実施例では、保留処理に係る操作キーワードを検出したものとする。）。情報端末１は、保留処理に係る操作キーワードを検出すると、自動的に保留処理を行う（Ｓ１１０）。

図６は、情報端末１の特定音声登録動作を説明するためのフロー図である。

マンマシンインタフェース部１０２は、ユーザから特定音声登録開始操作を実行されたならば（Ｓ２０１）、特定音声登録を開始し、特定音声が入力されたならば（Ｓ２０２でＹＥＳ）、入力された音声を特定音声記憶部１０４へ渡し、入力されなければ（Ｓ２０２でＮＯ）、Ｓ２０１に戻って、次の特定音声登録開始操作を待つ。

特定音声が入力された場合、特定音声記憶部１０４は、マンマシンインタフェース部１０２から入力された特定音声を受け取り、特定音声を登録する。特定音声登録動作を終了する。

図７は、情報端末１の音声による端末制御動作を説明するためのフロー図である。

本フローは、情報端末１と情報端末４とが、通話中の状態から開始される。

特定音声信号抽出部１０５は、特定音声検索部１０６に特定音声検索を要求する。特定音声検索部１０６は、通話中の音声信号から特定音声を検知したかどうかの判定を行い（Ｓ３０１）、判定結果を特定音声信号抽出部１０５に渡す。特定音声信号抽出部１０５は、判定結果より、特定音声の検知が確認できれば（Ｓ３０１でＹＥＳ）、特定音声信号の取得を開始し（Ｓ３０２）、検知が確認できなければ（Ｓ３０１でＮＯ）、検知処理を続ける。

特定音声信号抽出部１０５は、特定音声信号取得処理を開始後（Ｓ３０２）、３秒以上の無音を検知したかどうかの判定を行い（Ｓ３０３）、検知が確認できれば（Ｓ３０３でＹＥＳ）、特定音声信号取得処理を終了し（Ｓ３０４）、検知が確認できなければ（Ｓ３０３でＮＯ）、検知処理を続ける。

特定音声信号抽出部１０５は、特定音声信号取得処理を終了後（Ｓ３０４）、取得した特定音声信号を音声認識サーバ送信部１０７に渡す。

音声認識サーバ送信部１０７は、検知した特定音声の後に続く特定音声信号を、通信制御部１０１を介して、音声認識サーバ３に送信する（Ｓ３０５）。

テキスト受信部１０８は、音声認識サーバに送信後、３０秒以内にテキスト情報を受信したかどうかの判定を行い（Ｓ３０６）、３０秒以内にテキスト情報を受信した場合は（Ｓ３０６でＹＥＳ）、操作キーワード抽出部１０９にテキスト情報を渡し、３０秒以内にテキスト情報を受信しなかった場合は（Ｓ３０６でＮＯ）、開始時に戻る。

操作キーワード抽出部１０９は、受信したテキスト情報から操作キーワードを抽出し、処理内容判定部１１０に渡す。処理内容判定部１１０は、処理内容が「保留」である操作キーワードの判定を行い（Ｓ３０７）、判定できた場合は（Ｓ３０７でＹＥＳ）、呼制御部１１２に、判定できなかった場合は（Ｓ３０７でＮＯ）、処理内容が「発信」である処理内容の判定を行う。

呼制御部１１２は、処理内容判定部１１０から「保留」という処理内容を受け取った場合（Ｓ３０７でＹＥＳ）、自動的に保留処理を行い（Ｓ３０８）、処理終了後、開始時に戻る。

処理内容判定部１１０は、「保留」という処理内容が判定できなかった場合（Ｓ３０７でＮＯ）、受信したテキスト情報から処理内容が「発信」である操作キーワードの判定を行い（Ｓ３０９）、判定できた場合は（Ｓ３０９でＹＥＳ）、電話帳検索で該当する人物の電話番号が登録されているかの判定を行い（Ｓ３１０）、判定できなかった場合は（Ｓ３０９でＮＯ）、処理内容が「転送」である処理内容の判定を行う。

処理内容判定部１１０は、「発信」という処理内容が判定された場合（Ｓ３０９でＹＥＳ）、テキスト情報から発信先の相手の名前を読み取り、電話帳検索で該当する人物の電話番号が登録されているかを判定し（Ｓ３１０）、登録されていることが確認できれば（Ｓ３１０でＹＥＳ）、「発信」という処理内容と発信先の相手の電話番号を呼制御部１０９に渡し、登録されていなければ（Ｓ３１０でＮＯ）、処理を終了し、開始時に戻る。

呼制御部１１２は、処理内容判定部１１０から、「発信」という処理内容と発信先の相手の電話番号を受け取った場合（Ｓ３１０でＹＥＳ）、自動的に発信先の相手の電話番号のダイヤル入力を自動的に行い（Ｓ３１１）、入力された電話番号の相手へ通話する発信処理を行い（Ｓ３１２）、処理終了後、開始時に戻る。

処理内容判定部１１０は、「発信」という処理内容が判定できなかった場合（Ｓ３０９でＮＯ）、受信したテキスト情報から処理内容が「転送」である操作キーワードの判定を行い（Ｓ３１３）、判定できた場合は（Ｓ３１３でＹＥＳ）、の処理に進み、判定できなかった場合は（Ｓ３１３でＮＯ）、処理を終了し、開始時に戻る。

処理内容判定部１１０は、「転送」という処理内容が判定された場合（Ｓ３１３でＹＥＳ）、テキスト情報から転送先の相手の名前を読み取り、電話帳検索で該当する人物の電話番号が登録されているかを判定し、登録されていることが確認できれば（Ｓ３１４でＹＥＳ）、「転送」という処理内容と転送先の相手の電話番号を呼制御部１０９に渡し、登録されていなければ（Ｓ３１４でＮＯ）、処理を終了し、開始時に戻る。

呼制御部１１２は、処理内容判定部１１０から、「転送」という処理内容と転送先の相手の電話番号を受け取った場合（Ｓ３１４でＹＥＳ）、自動的に転送先の相手の電話番号のダイヤル入力を行い（Ｓ３１５）、入力された電話番号の相手へ転送処理を行い（Ｓ３１６）、処理終了後、開始時に戻る。

以上、本発明の一実施形態を説明した。

本実施の形態において、情報端末１はユーザからの通話音声の中から、特定音声を検知した場合、そのあとに続く特定音声信号を音声認識サーバ３に送信する。音声認識サーバ３は情報端末１から受信した特定音声信号をテキスト変換し、変換したテキスト情報を情報端末１へ送信する。情報端末１は、音声認識サーバ３からテキスト情報を受信後、テキスト情報から操作キーワードを抽出し、操作キーワードをもとに「保留」、「発信」、「転送」のそれぞれの操作を自動的に制御する。

したがって、本実施の形態によれば、情報端末１が音声による電話操作の自動制御をする場合、ユーザの手操作による誤操作を防止することができる。

また、本実施の形態において、情報端末１は、通話音声から特定音声を検知すると、特定音声信号取得を開始し、3秒以上の無音を検知すると、特定音声信号取得を終了する。

したがって、本実施の形態によれば、情報端末１が音声から特定音声信号を自動的に抽出することにより、音声による電話操作の自動制御を実現し、ユーザの手操作による誤操作を防止することができる。

また、本実施の形態において、情報端末１は、処理内容判定結果に応じて、鳴動等の呼接続に係る表示処理、通話音声出力を行い、キー入力を検知したならば、前記処理内容判定結果に応じて、自端末の動作を制御する。

したがって、本実施の形態によれば、情報端末１が処理内容判定結果に応じて自端末の制御を行うことにより、ユーザの手操作による誤操作を防止することができる。

１、４：情報端末、２：ネットワーク、３：音声認識サーバ、１０１：通信制御部、１０２：マンマシンインタフェース部、１０３：端末制御部、１０４：特定音声記憶部、１０５：特定音声信号抽出部、１０６：特定音声検索部、１０７：音声認識サーバ送信部、１０８：テキスト受信部、１０９：操作キーワード抽出部、１１０：処理内容判定部、１１１：処理内容記憶部、１１２：呼制御部

Claims

音声コマンドにより所定の動作を実行する情報端末であって、
音声コマンドの先頭は発する特定音声を登録する特定音声登録手段と、
自端末に入力する音声から前記特定音声を検出する特定音声検出手段と、
前記検出した特定音声に続く一連の特定音声信号を抽出する特定音声信号抽出手段と、
前記抽出した特定音声信号を所定のサーバへ送信する特定音声信号送信手段と、
前記送信した特定音声信号に係る処理結果データを処理結果受信手段と、
前記受信した処理結果データを解析し自端末の動作に係るコマンドを判定するコマンド判定手段と、
前記判定したコマンドに応じて自端末の動作を制御する端末制御手段と、
を有することを特徴とする特定音付き音声コマンド対応情報端末。
請求項１に記載の情報端末であって、
前記特定音声信号抽出手段が検出する特定音声に続く一連の特定音声信号は前記検出した特定音の後に一定時間以上の無音を検出までの音声信号であることを特徴とする特定音付き音声コマンド対応情報端末。
請求項１または２に記載の情報端末であって、
前記コマンド判定手段が判定したコマンドを自端末が備える表示部に表示し、特定のキーまたは任意のキーの入力を監視し、前記キー入力を検知したならば、前記判定したコマンドに応じて自端末の動作を制御することを特徴とする特定音付き音声コマンド対応情報端末。