JP2020198588A - 音声処理システム、会議システム、音声処理方法、及び音声処理プログラム - Google Patents

Abstract

【課題】音声コマンドに応じた情報を適切にユーザに伝達することが可能な音声処理システム、会議システム、音声処理方法、及び音声処理プログラムを提供する。【解決手段】音声処理システムは、音声を受信する音声受信部と、受信される前記音声に基づいて発話者を特定する話者特定部と、受信される前記音声に基づいて、当該音声に所定のコマンドの受け付けを開始するための特定ワードが含まれるか否かを判定する音声判定部と、前記音声に前記特定ワードが含まれる場合に、前記音声に含まれ、前記特定ワードに続くコマンド用キーワードに基づいて、前記コマンドを特定するコマンド特定部と、前記コマンドの内容に基づいて、前記コマンドを実行する対象ユーザを特定する対象ユーザ特定部と、前記コマンドを前記対象ユーザに対して実行するコマンド実行部と、を備える。【選択図】図１３

Description

本発明は、音声処理システム、会議システム、音声処理方法、及び音声処理プログラムに関する。

従来、互いに離れた場所においてネットワークを介して音声、映像、ファイルなどを送受信して行う会議システムが提案されている。例えば特許文献１には、カメラ画像を撮影する撮像部と、入力音声から語句を認識し登録されているキーワードに一致しているとき、登録キーワードに関連付けられた特定の補助画像を選出し、カメラ画像と補助画像とを切り替えて送信するテレビ電話装置が開示されている。

特開２００４−３４３２３２号公報

従来の技術では、例えば、会議において第１ユーザの音声（音声コマンド）が認識された場合に、当該音声コマンドに応じた情報（コマンド応答）が、会議に参加する全てのユーザに伝達される。しかし、前記コマンド応答は、一部のユーザにのみ必要な情報であって、他の一部のユーザには不必要な情報である場合がある。このため、前記コマンド応答が会議に参加する全てのユーザに伝達されるシステムでは、適切な情報伝達を行うことが困難である。

本発明の目的は、音声コマンドに応じた情報を適切にユーザに伝達することが可能な音声処理システム、会議システム、音声処理方法、及び音声処理プログラムを提供することにある。

本発明の一の態様に係る音声処理システムは、音声を受信する音声受信部と、前記音声受信部より受信される前記音声に基づいて発話者を特定する話者特定部と、前記音声受信部より受信される前記音声に基づいて、当該音声に所定のコマンドの受け付けを開始するための特定ワードが含まれるか否かを判定する音声判定部と、前記音声判定部により、前記音声に前記特定ワードが含まれると判定された場合に、前記音声に含まれ、前記特定ワードに続くコマンド用キーワードに基づいて、前記コマンドを特定するコマンド特定部と、前記コマンド特定部により特定される前記コマンドの内容に基づいて、前記コマンドを実行する対象ユーザを特定する対象ユーザ特定部と、前記コマンド特定部により特定される前記コマンドを、前記対象ユーザ特定部により特定される前記対象ユーザに対して実行するコマンド実行部と、を備える。

本発明の他の態様に係る会議システムは、領域ごとに音声処理装置及び表示装置が配置され、前記音声処理装置を介して前記領域間で音声の送受信を行うことが可能な会議システムであって、前記音声を受信する音声受信部と、前記音声受信部より受信される前記音声に基づいて発話者を特定する話者特定部と、前記音声受信部より受信される前記音声に基づいて、当該音声に所定のコマンドの受け付けを開始するための特定ワードが含まれるか否かを判定する音声判定部と、前記音声判定部により、前記音声に前記特定ワードが含まれると判定された場合に、前記音声に含まれ、前記特定ワードに続くコマンド用キーワードに基づいて、前記コマンドを特定するコマンド特定部と、前記コマンド特定部により特定される前記コマンドの内容に基づいて、前記コマンドを実行する対象ユーザを特定する対象ユーザ特定部と、前記コマンド特定部により特定される前記コマンドを、前記対象ユーザ特定部により特定される前記対象ユーザが位置する前記領域の前記表示装置において実行するコマンド実行部と、を備える。

本発明の他の態様に係る音声処理方法は、音声を受信する音声受信ステップと、前記音声受信ステップより受信される前記音声に基づいて発話者を特定する話者特定ステップと、前記音声受信ステップより受信される前記音声に基づいて、当該音声に所定のコマンドの受け付けを開始するための特定ワードが含まれるか否かを判定する音声判定ステップと、前記音声判定ステップにより、前記音声に前記特定ワードが含まれると判定された場合に、前記音声に含まれ、前記特定ワードに続くコマンド用キーワードに基づいて、前記コマンドを特定するコマンド特定ステップと、前記コマンド特定ステップにより特定される前記コマンドの内容に基づいて、前記コマンドを実行する対象ユーザを特定する対象ユーザ特定ステップと、前記コマンド特定ステップにより特定される前記コマンドを、前記対象ユーザ特定ステップにより特定される前記対象ユーザに対して実行するコマンド実行ステップと、を一又は複数のプロセッサにより実行する音声処理方法である。

本発明の他の態様に係る音声処理プログラムは、音声を受信する音声受信ステップと、前記音声受信ステップより受信される前記音声に基づいて発話者を特定する話者特定ステップと、前記音声受信ステップより受信される前記音声に基づいて、当該音声に所定のコマンドの受け付けを開始するための特定ワードが含まれるか否かを判定する音声判定ステップと、前記音声判定ステップにより、前記音声に前記特定ワードが含まれると判定された場合に、前記音声に含まれ、前記特定ワードに続くコマンド用キーワードに基づいて、前記コマンドを特定するコマンド特定ステップと、前記コマンド特定ステップにより特定される前記コマンドの内容に基づいて、前記コマンドを実行する対象ユーザを特定する対象ユーザ特定ステップと、前記コマンド特定ステップにより特定される前記コマンドを、前記対象ユーザ特定ステップにより特定される前記対象ユーザに対して実行するコマンド実行ステップと、を一又は複数のプロセッサにより実行させるための音声処理プログラムである。

本発明によれば、音声コマンドに応じた情報を適切にユーザに伝達することが可能な音声処理装置、会議システム、音声処理方法、及び音声処理プログラムが提供される。

図１は、本発明の実施形態に係る会議システムの概略構成を示す図である。 図２は、本発明の実施形態に係る会議システムの構成を示す機能ブロック図である。 図３は、本発明の実施形態に係る会議システムにおいて表示装置に表示される表示画面の一例を示す図である。 図４は、本発明の実施形態に係る会議システムにおいて表示装置に表示される表示画面の一例を示す図である。 図５は、本発明の実施形態に係る会議システムにおいて表示装置に表示される表示画面の一例を示す図である。 図６は、本発明の実施形態に係る会議システムにおいて表示装置に表示される表示画面の一例を示す図である。 図７は、本発明の実施形態に係る会議システムにおいて表示装置に表示される表示画面の一例を示す図である。 図８は、本発明の実施形態に係る会議システムに用いられる会議情報の一例を示す図である。 図９は、本発明の実施形態に係る会議システムに用いられるユーザ情報の一例を示す図である。 図１０は、本発明の実施形態に係る会議システムに用いられる参加者情報の一例を示す図である。 図１１は、本発明の実施形態に係る会議システムに用いられるコマンド情報の一例を示す図である。 図１２は、本発明の実施形態に係る会議システムに用いられるコンテンツ情報の一例を示す図である。 図１３は、本発明の実施形態に係る会議システムにおける音声処理の手順の一例を説明するためのフローチャートである。 図１４は、本発明の実施形態に係る会議システムにおける音声処理の手順の一例を説明するためのフローチャートである。

以下、添付図面を参照しながら、本発明の実施形態について説明する。なお、以下の実施形態は、本発明を具体化した一例であって、本発明の技術的範囲を限定する性格を有さない。

本発明に係る音声処理システムは、一つの場所（領域）において複数のユーザが参加する会議、複数の場所（領域）をネットワーク接続して複数のユーザが参加するリモート会議などに適用することができる。また、本発明に係る音声処理システムは、音声コマンドを実行する機能と、ネットワークを介してユーザ間で通話可能な通話機能（電話機能、テレビ電話機能など）とを備えたものであってもよい。また本発明に係る音声処理システムは、会議参加者の音声を送受信する１又は複数の音声処理装置を備える。

以下の実施形態では、音声処理システムがリモート会議（会議システム）に適用される場合を例に挙げて説明する。すなわち、本実施形態に係る会議システムは、本発明に係る音声処理システムの一例である。例えば本実施形態に係る会議システムでは、それぞれの場所（会議室）に音声処理装置が配置され、一方の会議室の音声処理装置がユーザの発話した音声を受信して、他方の会議室の音声処理装置に送信することにより、各会議室のユーザ同士の会話を可能にする。また前記会議システムでは、音声処理装置から受信するユーザの音声を解析してコマンドを特定するクラウドサーバを備える。また前記会議システムでは、前記コマンドを実行する端末装置の一例である表示装置を備える。なお、前記コマンドを実行する端末装置は、表示装置に限定されず、音声処理装置又はユーザが所持するユーザ端末であってもよい。

［会議システム１００］
図１は、本発明の実施形態に係る会議システムの概略構成を示す図である。会議システム１００は、音声処理装置１と、クラウドサーバ２と、表示装置３と、データベースＤＢとを含んでいる。音声処理装置１Ａ，１Ｂ，１Ｃのそれぞれは、マイク及びスピーカを備えたマイクスピーカ装置であり、例えばＡＩスピーカ、スマートスピーカなどである。ここでは、会議室Ａに設置された音声処理装置１Ａと、会議室Ｂに設置された音声処理装置１Ｂと、会議室Ｃに設置された音声処理装置１Ｃとを示している。表示装置３Ａ，３Ｂ，３Ｃは各種情報を表示する表示部を備える。ここでは、会議室Ａに設置された表示装置３Ａと、会議室Ｂに設置された表示装置３Ｂと、会議室Ｃに設置された表示装置３Ｃとを示している。音声処理装置１Ａ及び表示装置３Ａと、音声処理装置１Ｂ及び表示装置３Ｂと、音声処理装置１Ｃ及び表示装置３Ｃと、クラウドサーバ２と、データベースＤＢとは、ネットワークＮ１を介して互いに接続されている。ネットワークＮ１は、インターネット、ＬＡＮ、ＷＡＮ、又は公衆電話回線などの通信網である。クラウドサーバ２は、例えば１台又は複数台のデータサーバ（仮想サーバ）で構築される。データベースＤＢは、各種データを記憶する。データベースＤＢは、クラウドサーバ２に含まれてもよいし、表示装置３Ａ，３Ｂ，３Ｃのいずれか一つに含まれてもよいし、複数の表示装置３に分散して設けられてもよい。またデータベースＤＢは、音声処理装置１Ａ，１Ｂ，１Ｃのいずれか一つに含まれてもよいし、複数の音声処理装置１に分散して設けられてもよい。音声処理装置１Ａ，１Ｂ，１Ｃのそれぞれは、本発明の音声処理装置の一例である。表示装置３Ａ，３Ｂ，３Ｃのそれぞれは、本発明の表示装置、端末装置の一例である。

ここで、図１に示す構成を例に挙げて、会議システム１００の適用シーンの一例を説明する。なお、例えば、会議の件名（議題）、会議の開始日時及び終了日時、会議に使用するファイル（添付ファイル）、参加者などの情報（図８に示す会議情報Ｄ１）が、予めデータベースＤＢ（図２参照）に登録されている。会議情報Ｄ１は、例えば会議の責任者などによって登録される。ここでは、会議情報Ｄ１に、ユーザＡ，Ｂ，Ｃが会議の参加者として事前に登録されているものとする。

先ず、ユーザＡは会議室Ａにおいて表示装置３Ａに表示されるログイン画面にユーザＩＤを入力してログインする。これにより、ユーザＡの識別情報（ユーザＩＤ）「Ｕ００１」と表示装置３Ａの識別情報（表示装置ＩＤ）「Ｄ００１」とが関連付けられて参加者情報Ｄ３（図１０参照）に登録される。同様に、ユーザＢは会議室Ｂにおいて表示装置３Ｂに表示されるログイン画面にユーザＩＤを入力してログインする。これにより、ユーザＢの識別情報（ユーザＩＤ）「Ｕ００２」と表示装置３Ｂの識別情報（表示装置ＩＤ）「Ｄ００２」とが関付けられて参加者情報Ｄ３に登録される。またユーザＣは会議室Ｃにおいて表示装置３Ｃに表示されるログイン画面にユーザＩＤを入力してログインする。これにより、ユーザＣの識別情報（ユーザＩＤ）「Ｕ００３」と表示装置３Ｃの識別情報（表示装置ＩＤ）「Ｄ００３」とが関連付けられて参加者情報Ｄ３に登録される。

次に、例えばユーザＡが、所定のコマンドの受け付けを開始するための特定ワード（起動ワード、ウェイクアップワードともいう。）（図３では、“＊＊＊”と示している）と、特定ワードに続くコマンド用キーワード（図３の「今日の予定の会議を始めて」）とを含む音声を発話する。音声処理装置１Ａは前記特定ワードを認識すると、前記コマンド用キーワードをクラウドサーバ２に送信する。クラウドサーバ２は前記コマンド用キーワードに基づいてコマンドを特定する。ここでは、クラウドサーバ２は「会議開始」のコマンドを特定する。表示装置３Ａは特定された前記コマンドを実行する。これにより、表示装置３Ａの接続が完了し、会議が開始される。

同様に、例えばユーザＢが、前記特定ワードと、前記コマンド用キーワード（「今日の予定の会議を始めて」）とを含む音声を発話する。音声処理装置１Ｂは前記特定ワードを認識すると、前記コマンド用キーワードをクラウドサーバ２に送信する。クラウドサーバ２は前記コマンド用キーワードに基づいてコマンドを特定する。ここでは、クラウドサーバ２は「会議開始」のコマンドを特定する。表示装置３Ｂは特定された前記コマンドを実行する。これにより、表示装置３Ｂの接続が完了し、表示装置３Ａ，３Ｂが同一のネットワークに接続される。これにより、例えば表示装置３Ａの表示画面にユーザＢの識別情報（顔画像）が表示され、表示装置３Ｂの表示画面にユーザＡの識別情報（顔画像）が表示される（図３参照）。

同様に、例えばユーザＣが、前記特定ワードと、前記コマンド用キーワード（「今日の予定の会議を始めて」）とを含む音声を発話する。音声処理装置１Ｃは前記特定ワードを認識すると、前記コマンド用キーワードをクラウドサーバ２に送信する。クラウドサーバ２は前記コマンド用キーワードに基づいてコマンドを特定する。ここでは、クラウドサーバ２は「会議開始」のコマンドを特定する。表示装置３Ｃは特定された前記コマンドを実行する。これにより、表示装置３Ｃの接続が完了し、表示装置３Ａ，３Ｂ，３Ｃが同一のネットワークに接続される。これにより、例えば表示装置３Ａの表示画面にユーザＢ及びユーザＣの識別情報（顔画像）が表示され、表示装置３Ｂの表示画面にユーザＡ及びユーザＣの識別情報（顔画像）が表示され、表示装置３Ｃの表示画面にユーザＡ及びユーザＢの識別情報（顔画像）が表示される（図３参照）。

会議が開始されると、例えばユーザＡの発話した音声が音声処理装置１Ａにより受信され、音声処理装置１Ａは受信した音声をネットワークを介して音声処理装置１Ｂ，１Ｃに送信し、音声処理装置１Ｂ，１Ｃのそれぞれは受信した音声をスピーカから出力する。このようにして、ユーザＡ，Ｂ，Ｃは会話を行う。

ここで、例えばユーザＡが、前記特定ワードと、前記コマンド用キーワードである「ヘルプを表示して」とを含む音声を発話した場合、音声処理装置１Ａは前記特定ワードを認識すると、前記コマンド用キーワードをクラウドサーバ２に送信する。クラウドサーバ２は前記コマンド用キーワードを受信すると、「ヘルプ表示」のコマンドを特定する（図１１参照）。また、クラウドサーバ２は、前記コマンドを実行する対象ユーザを特定する。ここでは、クラウドサーバ２は、ヘルプ画面を表示、閲覧させる対象ユーザとして、前記コマンド用キーワードの発話者である「ユーザＡ」を特定する。表示装置３Ａは特定された前記コマンドを実行する。これにより、表示装置３Ａの表示画面にヘルプ画像Ｐ１が表示される（図４参照）。この場合、表示装置３Ｂ，３Ｃの表示画面には、ヘルプ画像Ｐ１は表示されない。

また、例えばユーザＡが、前記特定ワードと、前記コマンド用キーワードである「添付ファイルを表示して」とを含む音声を発話した場合、音声処理装置１Ａは前記特定ワードを認識すると、前記コマンド用キーワードをクラウドサーバ２に送信する。クラウドサーバ２は前記コマンド用キーワードを受信すると、「添付ファイル表示」のコマンドを特定する（図１１参照）。また、クラウドサーバ２は、前記コマンドを実行する対象ユーザを特定する。ここでは、クラウドサーバ２は、添付ファイルを表示、閲覧させる対象ユーザとして、会議に参加する全ての参加者、ここでは「ユーザＡ」、「ユーザＢ」、「ユーザＣ」を特定する。表示装置３Ａ，３Ｂ，３Ｃのそれぞれは特定された前記コマンドを実行する。これにより、画像Ｐ２が表示されている表示装置３Ａ，３Ｂ，３Ｃのそれぞれの表示画面に、同一の添付ファイル画像Ｐ３が表示される（図５参照）。なお、前記添付ファイルは、例えば、予めデータベースＤＢに記憶され、その識別情報（添付ファイルＩＤ「ｆ００１」）が会議情報Ｄ１（図８参照）に登録される。

添付ファイル画像Ｐ３が表示装置３Ａ，３Ｂ，３Ｃの表示画面に表示されている状態で、例えばユーザＡが、前記特定ワードと、前記コマンド用キーワードである「次のページをめくって」とを含む音声を発話した場合、音声処理装置１Ａは前記特定ワードを認識すると、前記コマンド用キーワードをクラウドサーバ２に送信する。クラウドサーバ２は前記コマンド用キーワードを受信すると、「ページめくり」のコマンドを特定する（図１１参照）。クラウドサーバ２は、前記コマンドを実行する対象ユーザとして、「ユーザＡ」、「ユーザＢ」、「ユーザＣ」を特定する。表示装置３Ａ，３Ｂ，３Ｃのそれぞれは特定された前記コマンドを実行する。これにより、表示装置３Ａ，３Ｂ，３Ｃのそれぞれの表示画面において、添付ファイル画像Ｐ３が次ページの画像Ｐ４に切り替わる（図５参照）。

また、例えばユーザＡが、前記特定ワードと、前記コマンド用キーワードである「“…”を表示して」とを含む音声を発話した場合、音声処理装置１Ａは前記特定ワードを認識すると、前記コマンド用キーワードをクラウドサーバ２に送信する。クラウドサーバ２は前記コマンド用キーワードを受信すると、「指定ファイル表示」のコマンドを特定する（図１１参照）。ここでは、ユーザＡが指定ファイルとして「予算管理表」を指定したと仮定する。クラウドサーバ２は、前記コマンドを実行する対象ユーザを特定する。ここでは、クラウドサーバ２は、コンテンツ情報Ｄ５（図１２参照）を参照して、「予算管理表」を表示、閲覧させる対象ユーザとして、「予算管理表」の閲覧を許可されたユーザである「ユーザＡ」、「ユーザＢ」を特定する。表示装置３Ａ，３Ｂのそれぞれは、特定された前記コマンドを実行する。これにより、表示装置３Ａ，３Ｂのそれぞれの表示画面に、同一の画像Ｐ５が表示される（図６参照）。なお、前記指定ファイルは、例えば、予めデータベースＤＢに記憶され、その識別情報（コンテンツＩＤ「Ｃ００１」）がコンテンツ情報Ｄ５（図１２参照）に登録される。

また、例えばユーザＡが、前記特定ワードと、前記コマンド用キーワードである「私の今週の予定を“…”さんに見せて」とを含む音声を発話した場合、音声処理装置１Ａは前記特定ワードを認識すると、前記コマンド用キーワードをクラウドサーバ２に送信する。クラウドサーバ２は前記コマンド用キーワードを受信すると、「予定表示」のコマンドを特定する（図１１参照）。ここでは、ユーザＡが前記予定（スケジュール）を見せる相手として「ユーザＣ」を指定したと仮定する。クラウドサーバ２は、前記コマンドを実行する対象ユーザを特定する。ここでは、クラウドサーバ２は、ユーザＡの予定を表示、閲覧させる対象ユーザとして、発話者本人「ユーザＡ」と、ユーザＡが指定した「ユーザＣ」とを特定する。表示装置３Ａ，３Ｃのそれぞれは、特定された前記コマンドを実行する。これにより、表示装置３Ａ，３Ｃのそれぞれの表示画面に、ユーザＡの今週の予定の画像Ｐ６が表示される（図７参照）。なお、前記予定は、例えば、予めデータベースＤＢに記憶され、その識別情報（予定ＩＤ「Ｓ００１」）がユーザ情報Ｄ２（図９参照）に登録される。

会議システム１００は、上述のように、コマンドの内容に応じて特定されるユーザに対してコマンドを実行することにより、コマンドに応じた情報を適切にユーザに伝達することを可能にする。以下、会議システム１００の具体的な構成について説明する。尚、以下の説明では、音声処理装置１Ａ，１Ｂ，１Ｃを区別しない場合は「音声処理装置１」と称す。また、クラウドサーバ２は、１台の仮想サーバとして説明する。尚、クラウドサーバ２は、１台の物理サーバに置き換えられてもよい。

［音声処理装置１］
図２に示すように、音声処理装置１は、制御部１１、記憶部１２、スピーカ１３、マイク１４、及び通信インターフェース１５などを備える。音声処理装置１は、例えばＡＩスピーカ、スマートスピーカなどの機器であってもよい。音声処理装置１は、例えば会議室の机上に配置され、会議に参加するユーザの音声をマイク１４を介して取得したり、当該ユーザに対してスピーカ１３から音声を出力（報知）したりする。

通信インターフェース１５は、音声処理装置１を有線又は無線でネットワークＮ１に接続し、ネットワークＮ１を介して他の機器（例えば、他の音声処理装置１、クラウドサーバ２、表示装置３、データベースＤＢ）との間で所定の通信プロトコルに従ったデータ通信を実行するための通信インターフェースである。

記憶部１２は、各種の情報を記憶するフラッシュメモリーなどの不揮発性の記憶部である。記憶部１２には、制御部１１に後述の音声処理（図１３参照）を実行させるための音声処理プログラムなどの制御プログラムが記憶されている。例えば、前記音声処理プログラムは、クラウドサーバ２から配信されて記憶される。また前記音声処理プログラムは、ＣＤ又はＤＶＤなどのコンピュータ読取可能な記録媒体に非一時的に記録され、音声処理装置１が備えるＣＤドライブ又はＤＶＤドライブなどの読取装置（不図示）で読み取られて記憶部１２に記憶されてもよい。

制御部１１は、ＣＰＵ、ＲＯＭ、及びＲＡＭなどの制御機器を有する。前記ＣＰＵは、各種の演算処理を実行するプロセッサである。前記ＲＯＭは、前記ＣＰＵに各種の処理を実行させるためのＢＩＯＳ及びＯＳなどの制御プログラムを予め記憶する。前記ＲＡＭは、各種の情報を記憶し、前記ＣＰＵが実行する各種の処理の一時記憶メモリー（作業領域）として使用される。そして、制御部１１は、前記ＲＯＭ又は記憶部１２に予め記憶された各種の制御プログラムを前記ＣＰＵで実行することにより音声処理装置１を制御する。

具体的に、制御部１１は、音声受信部１１１、話者特定部１１２、音声判定部１１３、音声送信部１１４、応答処理部１１５などの各種の処理部を含む。なお、制御部１１は、前記ＣＰＵで前記制御プログラムに従った各種の処理を実行することによって前記各種の処理部として機能する。また、制御部１１に含まれる一部又は全部の処理部が電子回路で構成されていてもよい。なお、前記音声処理プログラムは、複数のプロセッサを前記各種の処理部として機能させるためのプログラムであってもよい。

音声受信部１１１は、音声処理装置１を利用するユーザが発話した音声を受信する。音声受信部１１１は、本発明の音声受信部の一例である。ユーザは、例えば、会議に関する音声、音声処理装置１がコマンドの受け付けを開始するための特定ワード（起動ワード、ウェイクアップワードともいう。）の音声、音声処理装置１に指示する各種コマンドの音声（コマンド音声）などを発話する。音声受信部１１１は、ユーザから発話された各種音声を受信する。

話者特定部１１２は、音声受信部１１１より受信された前記音声に基づいて、発話したユーザ（発話者）を特定する。話者特定部１１２は、本発明の話者特定部の一例である。例えば、話者特定部１１２は、音声受信部１１１より受信された前記音声と、予め記憶部１２に登録されたユーザ音声とを比較して、前記発話者を特定する。また話者特定部１１２は、音声受信部１１１より受信された前記音声と、カメラ（不図示）により撮像される撮像画像とに基づいて、前記発話者を特定してもよい。例えば、話者特定部１１２は、マイク１４による集音方向に基づいて前記音声を受信した方向（発話者の方向）を特定し、当該方向に含まれる前記撮像画像に基づいて発話者を特定する。例えば、前記方向に含まれる前記撮像画像にユーザが含まれる場合、話者特定部１１２は、当該ユーザを発話者として特定する。

音声判定部１１３は、音声受信部１１１より受信された前記音声に基づいて、当該音声に前記特定ワードが含まれるか否かを判定する。音声判定部１１３は、本発明の音声判定部の一例である。例えば、音声判定部１１３は、音声受信部１１１より受信された前記音声を音声認識してテキストデータに変換する。そして、音声判定部１１３は、テキストデータの冒頭に前記特定ワードが含まれるか否かを判定する。

音声送信部１１４は、音声判定部１１３による判定結果に基づいて、音声受信部１１１より受信される前記音声の送信先を切り替える。具体的には、音声判定部１１３により、音声受信部１１１により受信された前記音声に前記特定ワードが含まれると判定された場合に、音声送信部１１４は、前記音声に含まれ、前記特定ワードに続くキーワード（コマンド用キーワード）のテキストデータを、クラウドサーバ２に送信する。また音声判定部１１３により、音声受信部１１１により受信された前記音声に前記特定ワードが含まれないと判定された場合には、音声送信部１１４は、当該音声を他の音声処理装置１に送信する。例えば、音声処理装置１Ａの音声送信部１１４は、前記特定ワードを含まない音声を、音声処理装置１Ｂ，１Ｃに送信する。

ここで、音声送信部１１４は、音声判定部１１３による判定結果に基づいて、音声受信部１１１より受信された前記音声をクラウドサーバ２に送信するコマンド送信モードと、音声受信部１１１より受信された前記音声を他の音声処理装置１に送信する音声送信モードとを切り替える構成を備えてもよい。例えば、音声判定部１１３により、音声受信部１１１より受信された前記音声に前記特定ワードが含まれると判定された場合に、音声送信部１１４は、送信モードをコマンド送信モードに設定する（切り替える）。送信モードがコマンド送信モードに設定された場合、音声送信部１１４は、前記特定ワードに続く前記コマンド用キーワード（テキストデータ）をクラウドサーバ２に送信する。また音声送信部１１４は、前記コマンド用キーワードをクラウドサーバ２に送信した後、送信モードを音声送信モードに設定する（切り替える）。送信モードが音声送信モードに設定された場合、音声送信部１１４は、音声受信部１１１より受信された前記音声を他の音声処理装置１に送信する。このように、音声送信部１１４は、前記特定ワードを受信した場合にコマンド送信モードに切り替えて前記コマンド用キーワードをクラウドサーバ２に送信し、前記コマンド用キーワードの送信処理が終了すると音声送信モードに切り替える。これにより、前記特定ワードが発話されるごとに前記コマンド用キーワードがクラウドサーバ２に送信されるため、通常の会話の音声がクラウドサーバ２に誤って送信されることを回避することができる。

応答処理部１１５は、クラウドサーバ２において特定された前記コマンドに対応する応答（コマンド応答）をクラウドサーバ２から取得し、当該コマンド応答をスピーカ１３から出力させる。例えば、前記コマンドが情報検索の出力に関する内容である場合、応答処理部１１５は、クラウドサーバ２において検索された結果を取得して、スピーカ１３から出力させる。

［クラウドサーバ２］
図２に示すように、クラウドサーバ２は、制御部２１、記憶部２２、通信インターフェース２３などを備える。

通信インターフェース２３は、クラウドサーバ２を有線又は無線でネットワークＮ１に接続し、ネットワークＮ１を介して他の機器（例えば音声処理装置１Ａ，１Ｂ，１Ｃ、表示装置３Ａ，３Ｂ，３Ｃ、データベースＤＢ）との間で所定の通信プロトコルに従ったデータ通信を実行するための通信インターフェースである。

記憶部２２は、各種の情報を記憶するフラッシュメモリーなどの不揮発性の記憶部である。記憶部２２には、制御部２１に後述の音声処理（図１３参照）を実行させるための音声処理プログラムなどの制御プログラムが記憶されている。例えば、前記音声処理プログラムは、ＣＤ又はＤＶＤなどのコンピュータ読取可能な記録媒体に非一時的に記録され、クラウドサーバ２が備えるＣＤドライブ又はＤＶＤドライブなどの読取装置（不図示）で読み取られて記憶部２２に記憶されてもよい。また記憶部２２には、音声処理装置１から受信する前記コマンド用キーワードのテキストデータなどが記憶される。

制御部２１は、ＣＰＵ、ＲＯＭ、及びＲＡＭなどの制御機器を有する。前記ＣＰＵは、各種の演算処理を実行するプロセッサである。前記ＲＯＭは、前記ＣＰＵに各種の処理を実行させるためのＢＩＯＳ及びＯＳなどの制御プログラムを予め記憶する。前記ＲＡＭは、各種の情報を記憶し、前記ＣＰＵが実行する各種の処理の一時記憶メモリー（作業領域）として使用される。そして、制御部２１は、前記ＲＯＭ又は記憶部２２に予め記憶された各種の制御プログラムを前記ＣＰＵで実行することによりクラウドサーバ２を制御する。

また制御部２１は、データベースＤＢを参照して各種処理を実行する。図２に示すようにデータベースＤＢには、会議情報Ｄ１、ユーザ情報Ｄ２、参加者情報Ｄ３、コマンド情報Ｄ４、コンテンツ情報Ｄ５、コンテンツデータＤ６などのデータが記憶される。

図８には会議情報Ｄ１の一例を示している。会議情報Ｄ１には、会議ごとに、対応する「会議ＩＤ」、「件名」、「開始日時」、「終了日時」、「添付ファイルＩＤ」、「参加者ＩＤ」などの情報が互いに関連付けられて登録される。「会議ＩＤ」は会議の識別情報であり、「件名」は会議の件名（議題）である。「開始日時」は会議の開始日時であり、「終了日時」は会議の終了日時である。「添付ファイルＩＤ」は、会議に使用されるファイル（資料）の識別情報であり、「参加者ＩＤ」は、会議に参加するユーザの識別情報（ユーザＩＤ）である。添付ファイルＩＤに対応するファイルデータは、データベースＤＢに記憶される。前記ファイルデータは、コンテンツデータＤ６に含まれる。会議情報Ｄ１は、会議の開催が決定すると責任者などにより事前に登録される。図８では、ユーザＡ（「Ｕ００１」）、ユーザＢ（「Ｕ００２」）、ユーザＣ（「Ｕ００３」）が会議の参加者として登録されていることを示している。

図９にはユーザ情報Ｄ２の一例を示している。ユーザ情報Ｄ２には、ユーザごとに、対応する「ユーザＩＤ」、「ユーザ名」、「予定ＩＤ」などの情報が互いに関連付けられて登録される。ユーザ情報Ｄ２には、会議に参加するユーザだけでなく、会議システム１００を利用する権限を有する全てのユーザに関する情報が事前に登録される。例えば、企業の全社員の情報がユーザ情報Ｄ２に登録される。「ユーザＩＤ」はユーザの識別情報であり、「ユーザ名」はユーザの名前である。「予定ＩＤ」はユーザの予定（スケジュール）の識別情報である。「予定ＩＤ」は必要に応じて登録される。予定ＩＤに対応する予定データ（スケジュールデータ）は、データベースＤＢに記憶される。前記予定データは、コンテンツデータＤ６に含まれる。

図１０には参加者情報Ｄ３の一例を示している。参加者情報Ｄ３には、会議ごとに、対応する「参加者ＩＤ」、「参加者名」、「表示装置ＩＤ」などの情報が互いに関連付けられて登録される。「参加者ＩＤ」は会議に参加するユーザの識別情報であり、「参加者名」は当該ユーザの名前である。「表示装置ＩＤ」は参加者が使用する表示装置、例えば参加者が会議に参加する場所（会議室）に配置される表示装置３の識別情報である。例えば会議室に配置された表示装置３において参加者がログイン操作を行うことにより、参加者ＩＤ、参加者名、表示装置ＩＤなどが互いに関連付けられて参加者情報Ｄ３に登録される。例えば、ユーザＡが会議室Ａにおいて表示装置３Ａに表示されるログイン画面にユーザＩＤ「Ｕ００１」を入力してログインすると、ユーザＩＤ「Ｕ００１」と表示装置３Ａの識別情報（表示装置ＩＤ）「Ｄ００１」とが関連付けられて参加者情報Ｄ３に登録される。同様に、ユーザＢが会議室Ｂにおいて表示装置３Ｂに表示されるログイン画面にユーザＩＤ「Ｕ００２」を入力してログインすると、ユーザＩＤ「Ｕ００２」と表示装置３Ｂの表示装置ＩＤ「Ｄ００２」とが関連付けられて参加者情報Ｄ３に登録され、ユーザＣが会議室Ｃにおいて表示装置３Ｃに表示されるログイン画面にユーザＩＤ「Ｕ００３」を入力してログインすると、ユーザＩＤ「Ｕ００３」と表示装置３Ｃの表示装置ＩＤ「Ｄ００３」とが関連付けられて参加者情報Ｄ３に登録される。なお、前記ログイン処理は、上記の方法に限定されない。例えば、ユーザが所持する携帯端末（例えばスマートフォン）又はＩＤカードと、表示装置３又は音声処理装置１とが無線通信を行うことにより、参加者情報Ｄ３に各情報が登録されてもよい。

図１１にはコマンド情報Ｄ４の一例を示している。コマンド情報Ｄ４には、キーワード（コマンド用キーワード）ごとに、対応する「キーワード」、「コマンド」、「対象ユーザ」などの情報が互いに関連付けられて登録される。「キーワード」はコマンド用キーワードを示す情報であり、「コマンド」はコマンドの内容を示す情報である。「対象ユーザ」はコマンドを実行する対象となるユーザを示す情報である。図１１に示すように、各キーワードに対して所定のコマンドが登録されており、各コマンドに対して対象ユーザが登録されている。

例えば「コマンド」が「会議開始」である場合、「対象ユーザ」は登録されない。また「コマンド」が「ヘルプ表示」である場合、「対象ユーザ」には、ヘルプに関する情報の取得を希望する「発話者」が登録される。また「コマンド」が「添付ファイル表示」である場合、前記添付ファイルは会議情報Ｄ１（図８参照）に登録され、会議に必要な資料であるため、「対象ユーザ」には、会議の「全参加者」が登録される。また「コマンド」が「ページめくり」である場合、「対象ユーザ」には、対応するファイルを表示している「ファイル表示中の参加者」が登録される。

また「コマンド」が「指定ファイル表示」である場合、「対象ユーザ」には、前記指定ファイルの閲覧を許可された参加者として「許可された参加者」が登録される。ここで、図１２に示すように、コンテンツ情報Ｄ５には、コンテンツごとに、対応する「コンテンツＩＤ」、「コンテンツ名」、「許可ユーザ」などの情報が互いに関連付けられて登録される。「コンテンツＩＤ」は、ファイル（文書ファイル、資料ファイル、予定など）、画像（静止画、動画など）などのコンテンツの識別情報である。「許可ユーザ」は、前記コンテンツの閲覧、表示、取得などアクセス権限を有するユーザを示す情報である。例えばコンテンツＩＤ「Ｃ００１」の「予算管理表」は、ユーザＡ及びユーザＢは閲覧権限を有するが、ユーザＣは閲覧権限を有していない。このため、例えば「キーワード」が「予算管理表を表示して」の場合、「対象ユーザ」は「ユーザＡ」及び「ユーザＢ」となり、「キーワード」が「特許図面を表示して」の場合、「対象ユーザ」は「ユーザＡ」及び「ユーザＣ」となる。

また「コマンド」が「予定表示」である場合、「対象ユーザ」には、発話者に指定されたユーザ、すなわち前記キーワードに含まれるユーザ名（本発明のユーザ特定用ワードの一例）に対応するユーザである「指定された参加者」が登録される。例えば、前記キーワードが「私の今週の予定をＣさんに見せて」の場合、「対象ユーザ」には、「ユーザＡ」及び「ユーザＣ」が登録される。

なお、他の実施形態として、会議情報Ｄ１、ユーザ情報Ｄ２、参加者情報Ｄ３、コマンド情報Ｄ４、コンテンツ情報Ｄ５、コンテンツデータＤ６などの情報の一部又は全部が、音声処理装置１、クラウドサーバ２、及び表示装置３のいずれかに記憶されてもよいし、これら複数の装置に分散して記憶されてもよい。また、他の実施形態として、前記各情報が会議システム１００からアクセス可能なサーバに記憶されてもよい。この場合、会議システム１００は、前記サーバから前記各情報を取得して、後述の音声処理（図１３参照）などの各処理を実行してもよい。

図２に示すように、制御部２１は、音声受信部２１１、コマンド特定部２１２、対象ユーザ特定部２１３、コマンド処理部２１４などの各種の処理部を含む。なお、制御部２１は、前記ＣＰＵで前記制御プログラムに従った各種の処理を実行することによって前記各種の処理部として機能する。また、制御部２１に含まれる一部又は全部の処理部が電子回路で構成されていてもよい。なお、前記制御プログラムは、複数のプロセッサを前記各種の処理部として機能させるためのプログラムであってもよい。

音声受信部２１１は、音声処理装置１から送信される前記コマンド用キーワードを受信する。前記コマンド用キーワードは、音声処理装置１が受信する音声のテキストデータの冒頭に含まれる特定ワードに続くワード（テキストデータ）である。具体的には、音声処理装置１が、前記特定ワードを検出して前記コマンド用キーワードをクラウドサーバ２に送信すると、クラウドサーバ２が当該コマンド用キーワードを受信する。

コマンド特定部２１２は、音声受信部２１１により受信された前記コマンド用キーワードに基づいて、コマンドを特定する。コマンド特定部２１２は、本発明のコマンド特定部２１２の一例である。例えば、コマンド特定部２１２は、データベースＤＢに記憶されたコマンド情報Ｄ４（図１１参照）を参照して、前記コマンド用キーワードに対応するコマンドを特定する。本実施形態では、コマンド情報Ｄ４に、予め複数の前記コマンド用キーワード及び前記コマンドの組み合わせが登録され、コマンド情報Ｄ４の中から前記コマンド用キーワードに一致する前記コマンドを特定する構成としているが、コマンドの特定方法はこれに限定されない。例えば、コマンド特定部２１２は、前記コマンド用キーワードに含まれる所定の用語、例えば、「ヘルプ」、「ファイル」、「めくる」などの用語、前記コマンド用キーワード全体の文節、構文などに基づいて、ユーザの指示内容の意味を解釈して前記コマンドを特定してもよい。例えば、コマンド特定部２１２は、形態素解析、構文解析、意味解析、機械学習などの公知の手法を用いて前記コマンド用キーワードから前記コマンドを特定してもよい。

対象ユーザ特定部２１３は、コマンド特定部２１２により特定される前記コマンドの内容（種別）に基づいて、前記コマンドを実行する対象ユーザを特定（決定）する。対象ユーザ特定部２１３は、本発明の対象ユーザ特定部の一例である。例えば、対象ユーザ特定部２１３は、コマンド情報Ｄ４（図１１参照）を参照して、コマンド特定部２１２により特定される前記コマンドに関連付けられた対象ユーザを特定する。例えば、対象ユーザを特定するワード（ユーザ特定用ワード）が前記コマンド用キーワードに含まれる場合に、対象ユーザ特定部２１３は、当該ワードに基づいて前記対象ユーザを特定する。また前記コマンドが、所定のコンテンツを表示させる内容であって、前記コンテンツに、ユーザの閲覧権限の有無が設定されている場合に、対象ユーザ特定部２１３は、前記コンテンツの閲覧を許可されたユーザを前記対象ユーザに特定する。

コマンド処理部２１４は、コマンド特定部２１２により特定される前記コマンドの情報を、対象ユーザ特定部２１３により特定される前記対象ユーザに関連付けられた表示装置３に対応するコマンド記憶領域（キュー）に記憶する。例えば、記憶部２２には、参加者情報Ｄ３に登録される表示装置ＩＤに対応する１又は複数のコマンド記憶領域が含まれる。ここでは、記憶部２２に、表示装置ＩＤ「Ｄ００１」の表示装置３Ａに対応する第１キューＫ１と、表示装置ＩＤ「Ｄ００２」の表示装置３Ｂに対応する第２キューＫ２と、表示装置ＩＤ「Ｄ００３」の表示装置３Ｃに対応する第３キューＫ３とが含まれる。

例えば、コマンド処理部２１４は、コマンド特定部２１２により特定されるコマンド「ヘルプ表示」の情報を、対象ユーザ特定部２１３により特定される対象ユーザ「ユーザＡ」のユーザＩＤ「Ｕ００１」に関連付けられた表示装置ＩＤ「Ｄ００１」の表示装置３Ａに対応する第１キューＫ１に記憶する。また例えば、コマンド処理部２１４は、コマンド特定部２１２により特定されるコマンド「添付ファイル表示」の情報を、対象ユーザ特定部２１３により特定される対象ユーザ「ユーザＡ」のユーザＩＤ「Ｕ００１」に関連付けられた表示装置ＩＤ「Ｄ００１」の表示装置３Ａに対応する第１キューＫ１と、「ユーザＢ」のユーザＩＤ「Ｕ００２」に関連付けられた表示装置ＩＤ「Ｄ００２」の表示装置３Ｂに対応する第２キューＫ２と、「ユーザＣ」のユーザＩＤ「Ｕ００３」に関連付けられた表示装置ＩＤ「Ｄ００３」の表示装置３Ｃに対応する第３キューＫ３とに記憶する。同様に、例えば、コマンド処理部２１４は、コマンド特定部２１２により特定されるコマンド「予定表示」の情報を、表示装置３Ａに対応する第１キューＫ１と、表示装置３Ｃに対応する第３キューＫ３とに記憶する。

各キューに記憶されたデータ（コマンド）は、各キューに対応する表示装置３により取り出され、表示装置３が前記コマンドを実行する。

［表示装置３］
図２に示すように、表示装置３は、制御部３１、記憶部３２、操作部３３、表示部３４、通信インターフェース３５などを備える。

操作部３３は、表示装置３のユーザの操作を受け付けるマウス、キーボード、又はタッチパネルなどである。表示部３４は、各種の情報を表示する液晶ディスプレイ又は有機ＥＬディスプレイなどの表示パネルである。操作部３３及び表示部３４は、一体に形成されたユーザインターフェースであってもよい。

通信インターフェース３５は、表示装置３を有線又は無線でネットワークＮ１に接続し、ネットワークＮ１を介して他の機器（例えば音声処理装置１Ａ，１Ｂ，１Ｃ、クラウドサーバ２、データベースＤＢ）との間で所定の通信プロトコルに従ったデータ通信を実行するための通信インターフェースである。

記憶部３２は、各種の情報を記憶するフラッシュメモリーなどの不揮発性の記憶部である。記憶部３２には、制御部３１に後述の音声処理（図１３参照）を実行させるための音声処理プログラムなどの制御プログラムが記憶されている。例えば、前記音声処理プログラムは、ＣＤ又はＤＶＤなどのコンピュータ読取可能な記録媒体に非一時的に記録され、表示装置３が備えるＣＤドライブ又はＤＶＤドライブなどの読取装置（不図示）で読み取られて記憶部３２に記憶されてもよい。

制御部３１は、ＣＰＵ、ＲＯＭ、及びＲＡＭなどの制御機器を有する。前記ＣＰＵは、各種の演算処理を実行するプロセッサである。前記ＲＯＭは、前記ＣＰＵに各種の処理を実行させるためのＢＩＯＳ及びＯＳなどの制御プログラムを予め記憶する。前記ＲＡＭは、各種の情報を記憶し、前記ＣＰＵが実行する各種の処理の一時記憶メモリー（作業領域）として使用される。そして、制御部３１は、前記ＲＯＭ又は記憶部３２に予め記憶された各種の制御プログラムを前記ＣＰＵで実行することにより表示装置３を制御する。

具体的には、制御部３１は、コマンド取得部３１１、コマンド実行部３１２などの各種の処理部を含む。なお、制御部３１は、前記ＣＰＵで前記制御プログラムに従った各種の処理を実行することによって前記各種の処理部として機能する。また、制御部３１に含まれる一部又は全部の処理部が電子回路で構成されていてもよい。なお、前記制御プログラムは、複数のプロセッサを前記各種の処理部として機能させるためのプログラムであってもよい。

コマンド取得部３１１は、クラウドサーバ２のコマンド記憶領域（キュー）に記憶されたコマンドを取得する。具体的には、例えば表示装置３Ａのコマンド取得部３１１は、表示装置３Ａに対応する第１キューＫ１を監視し、第１キューＫ１にコマンドが記憶されると当該コマンドを取得する。同様に、表示装置３Ｂのコマンド取得部３１１は、表示装置３Ｂに対応する第２キューＫ２を監視し、第２キューＫ２にコマンドが記憶されると当該コマンドを取得する。また表示装置３Ｃのコマンド取得部３１１は、表示装置３Ｃに対応する第３キューＫ３を監視し、第３キューＫ３にコマンドが記憶されると当該コマンドを取得する。なお、クラウドサーバ２のコマンド処理部２１４が、前記コマンドに関するデータを、対応する表示装置３に送信し、コマンド取得部３１１が当該コマンドを取得してもよい。

コマンド実行部３１２は、クラウドサーバ２のコマンド特定部２１２により特定される前記コマンドを、クラウドサーバ２の対象ユーザ特定部２１３により特定される前記対象ユーザに対して実行する。コマンド実行部３１２は、本発明のコマンド実行部の一例である。具体的には、コマンド実行部３１２は、コマンド取得部３１１により取得される前記コマンドを実行する。例えば、表示装置３Ａのコマンド実行部３１２は、コマンド取得部３１１により取得される第１キューＫ１に記憶されたコマンドを実行する。同様に、表示装置３Ｂのコマンド実行部３１２は、コマンド取得部３１１により取得される第２キューＫ２に記憶されたコマンドを実行する。また表示装置３Ｃのコマンド実行部３１２は、コマンド取得部３１１により取得される第３キューＫ３に記憶されたコマンドを実行する。

例えば、表示装置３Ａのコマンド実行部３１２は、ヘルプ画像Ｐ１を表示装置３Ａの表示部３４の表示画面に表示させる（図４参照）。また表示装置３Ａ，３Ｂ，３Ｃそれぞれのコマンド実行部３１２は、添付ファイル画像Ｐ３を、表示装置３Ａ，３Ｂ，３Ｃそれぞれの表示部３４の表示画面に表示させる（図５参照）。また表示装置３Ａ，３Ｂそれぞれのコマンド実行部３１２は、指定ファイル（例えば「予算管理表」）の画像Ｐ５を、表示装置３Ａ，３Ｂそれぞれの表示部３４の表示画面に表示させる（図６参照）。また表示装置３Ａ，３Ｃそれぞれのコマンド実行部３１２は、予定（例えば「ユーザＡの予定」）の画像Ｐ６を、表示装置３Ａ，３Ｃそれぞれの表示部３４の表示画面に表示させる（図７参照）。

このように、対象ユーザ特定部２１３により第１コマンドを実行する前記対象ユーザとして第１ユーザが特定された場合に、コマンド実行部３１２は、前記第１コマンドに対応する第１コンテンツを第１表示装置３に表示させる一方、対象ユーザ特定部２１３により第２コマンドを実行する前記対象ユーザとして第１ユーザ及び第２ユーザが特定された場合に、コマンド実行部３１２は、前記第２コマンドに対応する第２コンテンツを第１表示装置３及び第２表示装置３に表示させる。

［音声処理］
以下、図１３及び図１４を参照しつつ、音声処理装置１の制御部１１、クラウドサーバ２の制御部２１、及び表示装置３の制御部３１によって実行される音声処理の手順の一例について説明する。ここでは、図１に示す会議システム１００において、音声処理装置１Ａ及び表示装置３Ａに着目して前記音声処理を説明する。例えば、音声処理装置１Ａの制御部１１がユーザＡの音声を受信することにより前記音声処理プログラムの実行を開始することによって、前記音声処理の実行を開始する。なお、前記音声処理は、音声処理装置１Ａ，１Ｂ，１Ｃのそれぞれにおいて、個別に並行して実行される。

なお、本発明は、前記音声処理に含まれる一又は複数のステップを実行する音声処理方法の発明として捉えることができる。また、ここで説明する前記音声処理に含まれる一又は複数のステップが適宜省略されてもよい。また、前記音声処理における各ステップは、同様の作用効果を生じる範囲で実行順序が異なってもよい。さらに、ここでは制御部１１，２１，３１によって前記音声処理における各ステップが実行される場合を例に挙げて説明するが、他の実施形態では、１又は複数のプロセッサによって前記音声処理における各ステップが分散して実行されてもよい。

ステップＳ１０１において、音声処理装置１Ａの制御部１１は、ユーザＡから音声を受信したか否かを判定する。制御部１１がユーザＡから前記音声を受信した場合（Ｓ１０１：ＹＥＳ）、処理はステップＳ１０２に移行する。制御部１１はユーザＡから前記音声を受信するまで待機する（Ｓ１０１：ＮＯ）。ステップＳ１０１は、本発明の音声受信ステップの一例である。

ステップＳ１０２において、制御部１１は、受信した前記音声に基づいて発話者が特定されたか否かを判定する。制御部１１により前記発話者が特定された場合（Ｓ１０２：ＹＥＳ）、処理はステップＳ１０３に移行する。制御部１１により前記発話者が特定されない場合（Ｓ１０２：ＮＯ）、処理はステップＳ１０１に戻る。ステップＳ１０２は、本発明の話者特定ステップの一例である。

ステップＳ１０３において、制御部１１は、前記音声を認識する。具体的には、制御部１１は、前記音声を認識して音声データをテキストデータに変換する。

次にステップＳ１０４において、制御部１１は、前記テキストデータに前記特定ワードが含まれるか否かを判定する。制御部１１により前記テキストデータに前記特定ワードが含まれると判定された場合（Ｓ１０４：ＹＥＳ）、処理はステップＳ１０５に移行する。一方、制御部１１により前記テキストデータに前記特定ワードが含まれないと判定された場合（Ｓ１０４：ＮＯ）、処理はステップＳ１０６に移行する。前記テキストデータに前記特定ワードが含まれない場合、当該音声は会議における会話の音声であるため、ステップＳ１０６において、制御部１１は、前記音声を他の音声処理装置１Ｂ，１Ｃに音声データを送信する。ステップＳ１０４は、本発明の音声判定ステップの一例である。

ステップＳ１０５において、制御部１１は、前記特定ワードに続くキーワード（コマンド用キーワード）のテキストデータを、クラウドサーバ２に送信する。

クラウドサーバ２の制御部２１は、音声処理装置１Ａからコマンド用キーワードのテキストデータを受信する。ステップＳ１０７において、制御部２１は、前記コマンド用キーワードに対応するコマンドを特定する。例えば、制御部２１は、コマンド情報Ｄ４（図１１参照）を参照して、前記コマンド用キーワードに対応するコマンドを特定する。ステップＳ１０７は、本発明のコマンド特定ステップの一例である。

次にステップＳ１０８において、制御部２１は、特定した前記コマンドを実行する対象ユーザを特定する。具体的には、制御部２１は、前記コマンドの内容（種別）に基づいて対象ユーザを特定する。例えば、制御部２１は、コマンド情報Ｄ４（図１１参照）を参照して、前記コマンドに関連付けられた対象ユーザを特定する。ステップＳ１０８は、本発明の対象ユーザ特定ステップの一例である。

次にステップＳ１０９において、制御部２１は、特定した前記コマンドを、特定した前記対象ユーザに関連付けられた表示装置３に対応するコマンド記憶領域（キュー）に記憶する。例えば、制御部２１は、前記コマンドを、前記対象ユーザであるユーザＡに関連付けられた表示装置３Ａ（「Ｄ００１」）（図１０参照）に対応する第１キューＫ１（図２参照）に記憶する。

次にステップＳ１１０において、表示装置３の制御部３１は、自装置に対応するコマンド記憶領域から前記コマンドを取得して、当該コマンドを実行する。例えば、表示装置３Ａの制御部３１は、第１キューＫ１に前記コマンドが記憶されると、当該コマンドを取得して実行する。ステップＳ１１０は、本発明のコマンド実行ステップの一例である。

ここで、ステップＳ１０７のコマンド特定処理及びステップＳ１０８の対象ユーザ特定処理の具体例を説明する。図１４は、コマンド特定処理及び対象ユーザ特定処理を含む処理Ｓ２００の一例を示すフローチャートである。

ステップＳ１０７において前記コマンド用キーワードに対応するコマンドが特定されると、ステップＳ２１において、クラウドサーバ２の制御部２１は、前記コマンドが「会議開始」であるか否かを判定する。制御部２１により前記コマンドが「会議開始」であると判定された場合（Ｓ２１：ＹＥＳ）、処理はステップＳ１１１に移行する。例えば制御部２１は、前記コマンドを対象の表示装置３に送信する。ステップＳ１１１では、表示装置３の制御部３１が「会議開始」のコマンドを実行して、接続が完了する（図３参照）。一方、制御部２１により前記コマンドが「会議開始」でないと判定された場合（Ｓ２１：ＮＯ）、処理はステップＳ２２に移行する。

ステップＳ２２において、制御部２１は、前記コマンドが「ヘルプ表示」であるか否かを判定する。制御部２１により前記コマンドが「ヘルプ表示」であると判定された場合（Ｓ２２：ＹＥＳ）、処理はステップＳ２２１に移行する。ステップＳ２２１では、制御部２１は、発話者を前記対象ユーザに決定する。その後ステップＳ１１０において、制御部２１は、前記コマンドを発話者に関連付けられた表示装置３のコマンド記憶領域に記憶する。これにより、表示装置３の表示部３４の表示画面にヘルプ画像Ｐ１が表示される（図４参照）。一方、制御部２１により前記コマンドが「ヘルプ表示」でないと判定された場合（Ｓ２２：ＮＯ）、処理はステップＳ２３に移行する。

ステップＳ２３において、制御部２１は、前記コマンドが「添付ファイル表示」であるか否かを判定する。制御部２１により前記コマンドが「添付ファイル表示」であると判定された場合（Ｓ２３：ＹＥＳ）、処理はステップＳ２３１に移行する。ステップＳ２３１では、制御部２１は、会議の全参加者を前記対象ユーザに決定する。その後ステップＳ１１０において、制御部２１は、前記コマンドを各参加者に関連付けられた各表示装置３のコマンド記憶領域に記憶する。これにより、各表示装置３の表示部３４の表示画面に添付ファイル画像Ｐ３が表示される（図５参照）。一方、制御部２１により前記コマンドが「添付ファイル表示」でないと判定された場合（Ｓ２３：ＮＯ）、処理はステップＳ２４に移行する。

ステップＳ２４において、制御部２１は、前記コマンドが「ページめくり」であるか否かを判定する。制御部２１により前記コマンドが「ページめくり」であると判定された場合（Ｓ２４：ＹＥＳ）、処理はステップＳ２４１に移行する。ステップＳ２４１では、制御部２１は、ファイル表示中の参加者を前記対象ユーザに決定する。その後ステップＳ１１０において、制御部２１は、前記コマンドを各参加者に関連付けられた各表示装置３のコマンド記憶領域に記憶する。これにより、各表示装置３の表示部３４の表示画面に表示中の画像（例えば添付ファイル画像Ｐ３）が次ページの画像Ｐ４に切り替わる（図５参照）。一方、制御部２１により前記コマンドが「ページめくり」でないと判定された場合（Ｓ２４：ＮＯ）、処理はステップＳ２５に移行する。

ステップＳ２５において、制御部２１は、前記コマンドが「指定ファイル表示」であるか否かを判定する。制御部２１により前記コマンドが「指定ファイル表示」であると判定された場合（Ｓ２５：ＹＥＳ）、処理はステップＳ２５１に移行する。ステップＳ２５１では、制御部２１は、指定されたファイルの閲覧を許可されたユーザを前記対象ユーザに決定する。その後ステップＳ１１０において、制御部２１は、前記コマンドを前記許可されたユーザに関連付けられた各表示装置３のコマンド記憶領域に記憶する。これにより、各表示装置３の表示部３４の表示画面に画像Ｐ５が表示される（図６参照）。一方、制御部２１により前記コマンドが「指定ファイル表示」でないと判定された場合（Ｓ２５：ＮＯ）、処理はステップＳ２６に移行する。

ステップＳ２６において、制御部２１は、前記コマンドが「予定表示」であるか否かを判定する。制御部２１により前記コマンドが「予定表示」であると判定された場合（Ｓ２６：ＹＥＳ）、処理はステップＳ２６１に移行する。ステップＳ２６１では、制御部２１は、予定（スケジュール）を表示する相手としてコマンド用キーワードにおいて指定されたユーザを前記対象ユーザに決定する。その後ステップＳ１１０において、制御部２１は、前記コマンドを前記指定されたユーザに関連付けられた表示装置３のコマンド記憶領域に記憶する。これにより、表示装置３の表示部３４の表示画面に画像Ｐ６が表示される（図７参照）。一方、制御部２１により前記コマンドが「予定表示」でないと判定された場合（Ｓ２６：ＮＯ）、処理はステップＳ２７に移行する。ステップＳ２７では、制御部２１は、上述の例に示すように、ユーザにより指定されたコマンド及び当該コマンドの対象ユーザを特定する。

以上のようにして、会議システム１００は、前記音声処理を実行する。上述のように、本実施形態に係る会議システム１００は、ユーザが発話したコマンドの内容に基づいて当該コマンドを実行する対象ユーザを特定し、特定した対象ユーザに対して前記コマンドを実行する。これにより、前記コマンドに応じた情報を、当該情報を必要とするユーザにのみ提供することが可能となる。よって、前記コマンドに応じた情報を適切にユーザに伝達することが可能となる。

尚、本発明の音声処理システムは、各請求項に記載された発明の範囲において、以上に示された各実施形態を自由に組み合わせること、或いは各実施形態を適宜、変形又は一部を省略することによって構成されることも可能である。

１ ：音声処理装置
２ ：クラウドサーバ
３ ：表示装置
１１ ：制御部
１２ ：記憶部
１３ ：スピーカ
１４ ：マイク
１５ ：通信インターフェース
２１ ：制御部
２２ ：記憶部
２３ ：通信インターフェース
３１ ：制御部
３２ ：記憶部
３３ ：操作部
３４ ：表示部
３５ ：通信インターフェース
１００ ：会議システム
１１１ ：音声受信部
１１２ ：話者特定部
１１３ ：音声判定部
１１４ ：音声送信部
１１５ ：応答処理部
２１１ ：音声受信部
２１２ ：コマンド特定部
２１３ ：対象ユーザ特定部
２１４ ：コマンド処理部
３１１ ：コマンド取得部
３１２ ：コマンド実行部

Claims (10)

1. 音声を受信する音声受信部と、
   前記音声受信部より受信される前記音声に基づいて発話者を特定する話者特定部と、
   前記音声受信部より受信される前記音声に基づいて、当該音声に所定のコマンドの受け付けを開始するための特定ワードが含まれるか否かを判定する音声判定部と、
   前記音声判定部により、前記音声に前記特定ワードが含まれると判定された場合に、前記音声に含まれ、前記特定ワードに続くコマンド用キーワードに基づいて、前記コマンドを特定するコマンド特定部と、
   前記コマンド特定部により特定される前記コマンドの内容に基づいて、前記コマンドを実行する対象ユーザを特定する対象ユーザ特定部と、
   前記コマンド特定部により特定される前記コマンドを、前記対象ユーザ特定部により特定される前記対象ユーザに対して実行するコマンド実行部と、
   を備える音声処理システム。
2. 前記対象ユーザ特定部は、前記コマンド用キーワードと前記コマンドと前記対象ユーザとを予め互いに関連付けて記憶する記憶部を参照して、前記コマンド特定部により特定される前記コマンドの内容に基づいて前記対象ユーザを特定する、
   請求項１に記載の音声処理システム。
3. 前記対象ユーザ特定部は、前記音声受信部より受信される前記音声に前記対象ユーザを特定するためのユーザ特定用ワードが含まれる場合に、当該ユーザ特定用ワードに基づいて前記対象ユーザを特定する、
   請求項１に記載の音声処理システム。
4. 前記コマンドが、所定のコンテンツを表示させる内容であって、前記コンテンツに、ユーザの閲覧権限の有無が設定されている場合において、
   前記対象ユーザ特定部は、前記コンテンツの閲覧を許可されたユーザを前記対象ユーザに特定する、
   請求項１に記載の音声処理システム。
5. ネットワークを介して互いに接続される、第１ユーザに対応する第１端末装置と第２ユーザに対応する第２端末装置とを含み、
   前記対象ユーザ特定部により第１コマンドを実行する前記対象ユーザとして前記第１ユーザが特定された場合に、前記コマンド実行部は、前記第１コマンドに対応する第１コンテンツを前記第１端末装置に表示させる一方、
   前記対象ユーザ特定部により第２コマンドを実行する前記対象ユーザとして前記第１ユーザ及び前記第２ユーザが特定された場合に、前記コマンド実行部は、前記第２コマンドに対応する第２コンテンツを前記第１端末装置及び前記第２端末装置に表示させる、
   請求項１から請求項４のいずれか１項に記載の音声処理システム。
6. 前記コマンド特定部により特定される前記コマンドを実行する対象の端末装置ごとにコマンド記憶領域を備え、
   前記コマンド実行部は、前記端末装置ごとに設けられており、
   第１端末装置の第１コマンド実行部は、当該第１端末装置に対応する第１コマンド記憶領域に第１コマンドが登録された場合に当該第１コマンドを実行し、
   第２端末装置の第２コマンド実行部は、当該第２端末装置に対応する第２コマンド記憶領域に第２コマンドが登録された場合に当該第２コマンドを実行する、
   請求項１から請求項５のいずれか１項に記載の音声処理システム。
7. 前記話者特定部により、前記音声受信部より受信された前記音声の前記発話者として第１ユーザが特定された場合において、
   前記音声判定部により、前記第１ユーザが発話した前記音声に前記特定ワードが含まれないと判定された場合に、前記音声受信部より受信された前記音声を第２ユーザに送信する音声送信部をさらに備える、
   請求項１から請求項６のいずれか１項に記載の音声処理システム。
8. 領域ごとに音声処理装置及び表示装置が配置され、前記音声処理装置を介して前記領域間で音声の送受信を行うことが可能な会議システムであって、
   前記音声を受信する音声受信部と、
   前記音声受信部より受信される前記音声に基づいて発話者を特定する話者特定部と、
   前記音声受信部より受信される前記音声に基づいて、当該音声に所定のコマンドの受け付けを開始するための特定ワードが含まれるか否かを判定する音声判定部と、
   前記音声判定部により、前記音声に前記特定ワードが含まれると判定された場合に、前記音声に含まれ、前記特定ワードに続くコマンド用キーワードに基づいて、前記コマンドを特定するコマンド特定部と、
   前記コマンド特定部により特定される前記コマンドの内容に基づいて、前記コマンドを実行する対象ユーザを特定する対象ユーザ特定部と、
   前記コマンド特定部により特定される前記コマンドを、前記対象ユーザ特定部により特定される前記対象ユーザが位置する前記領域の前記表示装置において実行するコマンド実行部と、
   を備える会議システム。
9. 音声を受信する音声受信ステップと、
   前記音声受信ステップより受信される前記音声に基づいて発話者を特定する話者特定ステップと、
   前記音声受信ステップより受信される前記音声に基づいて、当該音声に所定のコマンドの受け付けを開始するための特定ワードが含まれるか否かを判定する音声判定ステップと、
   前記音声判定ステップにより、前記音声に前記特定ワードが含まれると判定された場合に、前記音声に含まれ、前記特定ワードに続くコマンド用キーワードに基づいて、前記コマンドを特定するコマンド特定ステップと、
   前記コマンド特定ステップにより特定される前記コマンドの内容に基づいて、前記コマンドを実行する対象ユーザを特定する対象ユーザ特定ステップと、
   前記コマンド特定ステップにより特定される前記コマンドを、前記対象ユーザ特定ステップにより特定される前記対象ユーザに対して実行するコマンド実行ステップと、
   を一又は複数のプロセッサにより実行する音声処理方法。
10. 音声を受信する音声受信ステップと、
    前記音声受信ステップより受信される前記音声に基づいて発話者を特定する話者特定ステップと、
    前記音声受信ステップより受信される前記音声に基づいて、当該音声に所定のコマンドの受け付けを開始するための特定ワードが含まれるか否かを判定する音声判定ステップと、
    前記音声判定ステップにより、前記音声に前記特定ワードが含まれると判定された場合に、前記音声に含まれ、前記特定ワードに続くコマンド用キーワードに基づいて、前記コマンドを特定するコマンド特定ステップと、
    前記コマンド特定ステップにより特定される前記コマンドの内容に基づいて、前記コマンドを実行する対象ユーザを特定する対象ユーザ特定ステップと、
    前記コマンド特定ステップにより特定される前記コマンドを、前記対象ユーザ特定ステップにより特定される前記対象ユーザに対して実行するコマンド実行ステップと、
    を一又は複数のプロセッサにより実行させるための音声処理プログラム。

Images