JP2004094085A

JP2004094085A - 音声データ配信装置及び依頼者端末

Info

Publication number: JP2004094085A
Application number: JP2002257570A
Authority: JP
Inventors: Satoshi Watanabe; 渡辺　聡; Shinji Hayakawa; 早川　慎司; Mayumi Harada; 原田　真弓
Original assignee: Oki Electric Industry Co Ltd
Current assignee: Oki Electric Industry Co Ltd
Priority date: 2002-09-03
Filing date: 2002-09-03
Publication date: 2004-03-25
Anticipated expiration: 2022-09-03
Also published as: JP3999078B2

Abstract

【目的】信頼性のある音声データ配信装置を提供する。
【構成】データネットワークを介して音声データを配信する音声データ配信装置であり、少なくとも１つの依頼者端末から少なくとも一連のテキストデータを受信し、音声合成により該テキストデータを１連の音声データに変換して配信のために蓄積する。該依頼者端末からの修正リクエストの受信に応じて、当該蓄積された１連の音声データを修正して更新する。依頼者端末は、かかる音声データ配信装置に呼応して、該１連の音声データに変換されるべきテキストデータを該音声データ配信サーバに送信し、そして、該１連の音声データを修正して更新するための修正リクエストを該音声データ配信サーバに送信する。
【選択図】　図１

Description

【０００１】
【発明の属する技術分野】
本発明は、インターネット等のデータネットワークを介して利用者端末に音声データを配信する音声データ配信装置及び配信依頼者端末に関する。
【０００２】
【従来の技術】
電子メールやＷｅｂページの長文テキストを画面上で読む場合、目への負担を軽減するため、テキストを音声化して提示したいというニーズがある。このニーズに対し、音声データ配信装置を利用した音声提示を実現する方法が知られている。かかる音声データ配信装置においては、テキスト形式等の文書データを音声データに変換するには、音声合成エンジンと呼ばれる特殊のソフトウェアを必要とすることから、かかる音声データへの変換を音声データの配信に先立って利用者にサービスする音声データ配信システムも知られている。この点、特開２００１−２８２２６８公報は、天気予報等のテキストデータを依頼者から受け取り、音声合成データを作成して配信元であるＷｅｂサーバ或いは電話サーバに配信することにより、ホームページ閲覧者や電話利用者が天気予報等の情報を音声にて聴取できるようにする音声データ配信システムを開示している。かかる構成により、音声データの配信を望む配信依頼者は、自己の装置に音声合成機能を有しなくても、テキスト形式等の文書データを該データ配信システムに送信するだけで、かかる音声データを配信先の利用者に提供できるとしている。
【０００３】
ところで、日本語を対象言語とする前提では、音声データの合成は、通常、漢字かな混じり文であるテキストデータから、単語辞書データ、韻律規則データ及び音声素片データを用いて音声波形の音声データが生成される。
【０００４】
【発明が解決しようとする課題】
このように生成される音声データには、常に、読みの誤りの発生、或いは未知語の発生、即ち、単語辞書に登録されていないために対応する音声が確定できず読みが未確定のまま配信される危険の発生が予想されている。特に、日本語では、当該テキストの内容の属する分野、例えば、経済、文化、政治、娯楽等の分野の違いにより、妥当する読みが異なる或いは専門用語のため未知語が多く発生する等の問題が予想される。そのため結果的に、誤った読みを含んだ音声データを配信し、これを音声にて聴取する利用者をして情報の理解を誤らせしめる危険が存在する。かかる誤りのある音声データの提供は、音声データ配信サービスの信頼性を損ね、その普及を妨げる要因となっていた。
【０００５】
本発明は、以上の問題に鑑みてなされたものであり、その目的は、信頼性のある音声データ配信装置を提供することである。
【０００６】
【課題を解決するための手段】
本発明による音声データ配信装置は、データネットワークを介して音声データを配信する音声データ配信装置であり、少なくとも１つの依頼者端末から少なくとも一連のテキストデータを受信し、音声合成により該テキストデータを１連の音声データに変換して配信のために蓄積する音声データ蓄積手段と、該依頼者端末からの修正リクエストに応じて、当該蓄積された１連の音声データを修正して更新する音声データ修正更新手段と、を含むことを特徴とする。
【０００７】
本発明による配信依頼端末は、データネットワークを介して音声データを配信する音声データ配信装置に該複数の音声データのうちの少なくとも１連の音声データの配信を依頼する依頼者端末であり、該１連の音声データに変換されるべきテキストデータを該音声データ配信サーバに送信するテキストデータ送信手段と、該１連の音声データを修正して更新するための修正リクエストを該音声データ配信サーバに送信する修正情報送信手段と、を含むことを特徴とする。
【０００８】
【発明の実施の形態】
本発明の実施例について添付の図面を参照して詳細に説明する。
＜第１実施例＞
図１は、本発明の第１の実施例であり、音声データ配信装置を含むシステム全体構成を示している。音声データ配信装置（音声データ配信システムとも称する）は、音声データ配信サーバ１０及び音声データ合成サーバ２０から構成される。
【０００９】
図１の右側に示される音声データ合成サーバ２０を参照すると、音声データ合成サーバ２０は、インターネット３０に接続されて、依頼者端末４０及び／又は利用者端末１００との通信を可能とする。音声データ合成サーバ２０のハードウェア構成は、通常のサーバコンピュータとして構成される。音声データ合成サーバ２０のソフトウェア構成は、図示されるように、制御プログラム２２と、ＴＣＰ／ＩＰ部２３と、ＨＴＴＰ／ＣＧＩ部２４と、音声合成処理部２５と、音声データ蓄積依頼部２６と、を含む。制御プログラム２２は、音声データ合成サーバ２０の全体の基本制御を司るオペレーティングシステムである。ＴＣＰ／ＩＰ部２３は、制御プログラム２２の制御の下にＴＣＰ／ＩＰプロトコルの手順を実行し、インターネット３０を介して依頼者端末４０及び／又は利用者端末１００とのデータ通信を実現する。ＨＴＴＰ／ＣＧＩ部２４は、ＴＣＰ／ＩＰ部２３を介して、音声データ配信依頼受け付けのためのＷｅｂページをインターネット３０に配信すると共に、そのＣＧＩ機能により、依頼者端末４０からのテキストデータを受信する機能を有する。ＨＴＴＰ／ＣＧＩ部２４は、また、音声合成された音声データを依頼者端末４０に返却して、その修正指示を受け付ける機能を有する。ＨＴＴＰ／ＣＧＩ部２４は、ＨＴＴＰ（ＨｙｐｅｒＴｅｘｔ　Ｔｒａｎｓｆａｒ　Ｐｒｏｔｏｃｏｌ；ＩＥＴＦ：ＲＦＣ２６１６参照）によるデータ通信を実現する。
【００１０】
音声合成処理部２５は、ＨＴＴＰ／ＣＧＩ部２４から入力されるテキストデータを音声データに変換する機能を有する。入力されるテキストデータの形式は、プレーンテキスト、即ち、ＪＩＳ漢字文字コード列から構成されるのが通常であるが、他の文書形式でも良い。出力される音声データは、音声波形に対応する音素データから構成され、通常１つのファイルにまとめられる。このファイルは、利用者端末１００及び又は依頼者端末４０により再生可能な音声波形形式のファイルであれば良く、ＷＡＶファイル、ＭＰ３ファイル等の多様なファイル形式が想定される。音声合成処理部２５には、例えば１０万語程度の表記、読み、アクセント及び品詞の情報が各単語に対応付けて保存される単語辞書データファイル２５１と、基本周波数や音圧の制御規則データが格納される韻律規則データファイル２５２と、音素ごとの波形データを蓄えた音声素片データファイル２５３と、が接続される。音声合成処理部２５の音声合成の処理手順は、先ず、漢字かな混じり文であるテキストデータを単語辞書データファイル２５１の単語辞書データを用いてアクセント記号付カナ文字列である中間言語を生成する。次いで、生成された中間言語から、韻律規則データファイル２５２の韻律規則データを用いて音声素片番号、ピッチパターン情報及び音韻継続時間情報等からなる合成パラメータを生成する。そして、生成された合成パラメータに従って、音声素片データ２５３の音声素片データを読み出してこれを順次繋げることで音声波形データを生成する。これにより、音声データの音声波形情報は、例えば、標本化周波数８ｋＨｚ、量子化１６ｂｉｔのＰＣＭデータとして生成され、音声データ６３として音声データ合成サーバ２０の適切な一次記憶装置に一時的に保存される。
【００１１】
音声合成処理部２５は、更に、文字列として未知語を返す機能を有する。ここで、未知語とは、単語辞書データファイルに登録されておらず、読み誤る可能性がある単語である。音声合成処理部２５は、未知語であると判定された単語は、所定の適当な読みで音声に変換と共に、未知語と判定された単語のリストを未知語リスト６４として出力する。未知語リスト６４は、先の音声データ６３と共に音声データ合成サーバ２０の適切な一次記憶装置に一時的に保存される。
【００１２】
音声データ蓄積依頼部２６は、依頼者端末４０からの音声データに対する配信承認のＯＫメッセージに応じて、一時的に記憶されていた音声データ６３を音声データ配信サーバ１０に送信して、これに蓄積せしめてインターネット３０に向け各利用者端末１００に配信するように依頼する機能を有する。
図１の左側に示される音声データ配信サーバ１０について参照すると、音声データ配信サーバ１０がインターネット３０に接続されて、利用者端末１００及び／又は依頼者端末４０との間でデータ通信を可能とする。音声データ配信サーバ１０のハードウェア構成は、通常のサーバコンピュータとして構成される。音声データ合成サーバ２０のソフトウェア構成は、図示されるように、制御プログラム１２と、ＴＣＰ／ＩＰ部１３と、ＨＴＴＰ部１４と、音声データ蓄積部１５と、配信のための音声データ・データベース６０（以下、音声データＤＢと称する）と、から構成される。
【００１３】
制御プログラム１２は、音声データ配信サーバ装置１０の全体の基本制御を司るオペレーティングシステムである。ＴＣＰ／ＩＰ部１３は、制御プログラム１２の制御の下にＴＣＰ／ＩＰプロトコルの手順を実行し、インターネット３０を介して依頼者端末４０及び／又は利用者端末１００とのデータ通信を実現する。ＨＴＴＰ部１４は、ＴＣＰ／ＩＰ部１３を介して、音声データＤＢ６０に格納されている音声データの配信を要求する利用者端末１００又は依頼者端末４０に向けて所望の音声データを配信する機能を有する。音声データＤＢ６０は、複数の識別子からなる識別子群と、該識別子の各々に対応付けられた複数の音声データからなる音声データ群からなる。音声データＤＢ６０の構成は、識別子をファイル名とする通常のファイルシステムによって実現され得る。
【００１４】
図２は、図１に示される依頼者端末４０の内部構成を示している。ここで、依頼者端末４０は、インターネット３０に接続されデータ通信を可能としている。依頼者端末４０のハードウェア構成としては、パーソナルコンピュータ等の通常のネットワーククライアント端末であり、通常のディスプレイ５１及びキーボード５４が接続されている。依頼者端末４０のハードウェア構成は、更に、音声データを再生して検証するためのスピーカ５２と操作者の音声入力により直接音声データ作成するためのマイク５３とを含む。依頼者端末４０のソフトウェア構成としては、依頼者端末４０の全体の基本制御を司る制御プログラム４１と、インターネット３０を介してデータ通信を実現するためのＴＣＰ／ＩＰ部４２と、キーボード５４を含むＩ／Ｏ機器の入出力を制御プログラム４１と協働して実現するＩ／Ｏ制御部４３と、マイク５３から入力される音声をデジタル処理して取り込む音声入力部４６と、ＴＣＰ／ＩＰ部４２を介して受信されるＷｅｂページを表示し、これに対する操作者の入力を再びインターネットに向けて送信するＷｅｂブラウザ部４４と、Ｗｅｂブラウザ部４４に表示されたＷｅｂページを介して取り込まれる音声データをスピーカ５２を通して再生するための音声データ再生部４５と、を含む。
【００１５】
尚、依頼者端末４０には、マイク５３及び音声入力部４６を用いてテキストデータの修正に対して直接操作者の音声をＷｅｂブラウザ部４４に表示されるテキスト入力欄と連動させて音声データを直接生成することも可能である。
図３は、依頼者端末４０における音声データ配信依頼画面の例を示している。音声データ配信依頼画面８０は、テキストデータ入力欄８１と、音声データ化指示釦８２と、音声合成処理条件設定欄８３とを含む。テキストデータ入力欄８１は、依頼者端末４０の操作者が実際に音声データとして配信を所望する文書をテキストデータとして文字入力する欄である。音声データ化指示釦８２がテキストデータ入力の後に指示されることより、当該テキストデータが音声データ合成サーバ２０に送信される。音声合成処理条件設定欄８３は、音声データ合成サーバ２０が音声合成処理を実行する際の詳細な処理条件を設定することを可能とする。本図の例では、音声データの声質設定と、速さ設定と、未知語表示の設定とを可能とする例を示されている。音声合成処理条件設定欄８３に設定可能とする処理条件としては、他に生成される音声データの符号化速度（１６ｋｂｐｓ、３２ｋｂｐｓ等）や単語辞書の分野を設定する等の多様な設定が考えられる。
【００１６】
図４は、依頼者端末４０における音声データ修正依頼画面の例を示している。音声データ修正依頼画面８４は、スピーカ５２を用いた音声データの再生を指示する音声データ再生釦８５と、テキストデータに対する修正指示としての文字入力を促す修正入力欄８６と、未知語リストを表示する未知語リスト欄８７と、該未知語に対する修正指示としてその単語情報の入力を促す単語情報入力欄８８と、音声データに対する配信を承認する又は修正指示をなすＯＫメッセージ釦８９とを含む。単語情報入力欄８８は、更に、未知語リスト８７上で選択された単語に対する修正指示として、そのフリガナ、即ち「読み」の入力を促す読み入力欄８８１と、その品詞を指定する品詞指定欄８８２と、読み入力欄にて指定されたフリガナに従い、そのアクセント情報の指定を促すアクセント指定欄８８３とを含む。尚、配信承認のための釦と修正指示のための釦とを別異に設ける形態でも良い。
【００１７】
図５は、音声データ合成サーバ２０及び依頼者端末４０の処理手順を示している。本図に示されるシーケンスについて、前述の図１及び図２に示される構成要素を適宜参照して説明する。
先ず、音声データ合成サーバ２０は、ＨＴＴＰ／ＣＧＩ部２４により、依頼者端末４０に音声データ配信依頼画面を送信する（ステップＳ１１）。これは、依頼者端末４０が音声データ合成サーバ２０のアドレスを指定して音声データ配信依頼画面にアクセスすることにより送信される。この送信に応じて、依頼者端末４０は、そのＷｅｂブラウザ部４４により、音声データ配信依頼画面を受信して表示する（ステップＳ１２）。次いで、依頼者端末４０の操作者からテキストデータの入力を受け付け、音声データ合成サーバに送信する（ステップＳ１３）。この送信に応じて、音声データ配信サーバ２０は、ＨＴＴＰ／ＣＧＩ部２４により、テキストデータを受信する（ステップＳ１４）。
【００１８】
次に、音声データ合成サーバ２０は、音声合成処理部２５により、受信されたテキストデータに対して音声合成処理を実行する（ステップＳ１５）。この合成処理においては、音声データ配信依頼画面において指定された詳細な音声合成処理条件に従って合成処理がなされても良い。音声合成処理部２５は、合成処理の結果として音声データ６３及び未知語リスト６４を作成する。次いで、音声データ合成サーバ２０は、ＨＴＴＰ／ＣＧＩ部２４により、得られた音声データ６３及び未知語リスト６４を含む音声データ修正依頼画面を依頼者端末４０に送信する（ステップＳ１６）。この送信に応じて、依頼者端末４０は、そのＷｅｂブラウザ部４４により、音声データ修正依頼画面を受信して表示する（ステップＳ１７）。音声データ修正依頼画面の表示に応じて、依頼者端末４０の操作者は、適宜、当該合成された音声データが適正か否かの判断を行い、必要に応じてテキストデータの編集を行う。
【００１９】
この編集の例について説明すると、「こちら側ではなしている言葉はきこえない。」というテキストデータは、文脈上「こちら側で、はなしている言葉は聞こえない。」という切れ目が妥当なのに対し、「こちら側では、なしてる言葉は聞こえない。」と聞こえる音声が生成された場合、依頼者端末４０の操作者は、元のテキストデータに句点を加え、「こちら側で、話している言葉は聞こえない。」と修正指示をすることで、再び音声合成処理を依頼し、妥当な音声を生成することが出来る。又、「彼は大和魂がある」というテキストデータは、文脈上「彼はヤマトダマシイがある」という読み方が妥当なのに対し、「彼はダイワダマシイがある」と聞こえる音声が生成された場合、操作者は、元のテキストデータの「大和魂」の部分を「ヤマトダマシイ」とカナに変更し、修正指示することで妥当な音声を生成することが出来る。この場合、操作者は、図４に示す単語情報入力欄８８から、「大和魂」の単語情報を入力することで修正指示をしても、妥当な音声を生成することが出来る。ここで入力された単語情報は、音声合成処理部２５が、再び音声合成処理を行うにあたり、単語辞書データ２５１と併せて用いられる。
【００２０】
以上の編集操作の後に、依頼者端末４０は、Ｗｅｂブラウザ部４４を介して、音声データ修正指示（修正リクエスト）又はＯＫメッセージを音声データ合成サーバに送信する（ステップＳ１８）。修正指示の無いＯＫメッセージは、依頼者端末４０の操作者が当該音声データについて修正指示が不要として実際の配信を承認することを意味する。
【００２１】
この送信に応じて、音声データ合成サーバ２０は、ＨＴＴＰ／ＣＧＩ部２４により、修正指示（修正リクエスト）又はＯＫメッセージを受信する（ステップＳ１９）。次いで、修正指示／ＯＫか否かの判定を行う（ステップＳ２０）。もし修正指示がある場合には、ステップＳ１５の音声合成処理に戻る。一方、ＯＫである場合には、音声データ合成サーバ２０は、音声データ蓄積依頼部２６を介して音声データ配信サーバ１０に当該音声データを蓄積せしめる（ステップＳ２１）。音声データ蓄積依頼部２６は、インターネット３０を介して音声データ配信サーバ１０の音声データ蓄積部１５に音声データの蓄積を依頼し、音声データ蓄積部１５はこれを音声データＤＢ６０に蓄積する。これにより、蓄積された音声データは、音声データ配信サーバ１０のＨＴＴＰ部１４によりインターネット３０を介して利用者端末１００又は依頼者端末４０に配信可能となる。
【００２２】
次に、音声データ合成サーバ２０は、ＨＴＴＰ／ＣＧＩ部２４により、登録完了メッセージを依頼者端末に通知する（ステップＳ２２）。この送信に応じて、依頼者端末４０は、Ｗｅｂブラウザ部４４により、登録完了メッセージを受信する（ステップＳ２３）。この登録完了メッセージは、依頼者端末４０に操作者に表示される。
【００２３】
以上のように、本第１の実施例においては、音声データ配信システムに音声合成サーバを設けたことで、音声データ配信の依頼者は、その依頼者端末に音声合成機能を備える作業が必要なく、合成された音声データに対して適切な修正追加をすることができる。
尚、音声データの配信形態として、ＨＴＴＰサーバによる配信について説明したが、かかる形態に限られず、ＦＴＰ（Ｆｉｌｅ　Ｔｒａｎｓｆｅｒ　Ｐｒｏｔｏｃｏｌ）によるファイル転送ｖ　やＵＤＰ（Ｕｓｅｒ　Ｄａｔａｇｒａｍ　Ｐｒｏｔｏｃｏｌ）による配信形態等の他の配信形態でも良い。
＜第２の実施例＞
図７は、本発明の第２の実施例であり、音声データ合成サーバ２０の他の構成を示している。ここで、音声データ合成サーバ２０のハードウェア構成は第１の実施例の場合と同様であり、そのソフトウェア構成は一部に機能の追加がなされる。かかる機能追加の部分についてのみ説明する。図７を参照すると、識別子決定部２７と、音声音声データ情報計算部２８とが備えられている。
【００２４】
識別子決定部２７は、合成され且つ依頼者端末からの配信承認のＯＫメッセージに基づいて配信される音声データを音声データファイルとしてインターネット３０上でアクセス可能とする一意の識別子を自動的に決定する機能を有する。識別子の書式としては、ＵＲＩ（Ｕｎｉｆｏｒｍ　　Ｒｅｓｏｕｒｃｅ　Ｉｄｅｎｔｉｆｉｙｅｒ；ＩＥＴＦ：ＲＦＣ２３９６参照）を特定する情報として、ＩＰヘッダの要求送信元ＩＰアドレス（ＩｎｔｅｒｎｅｔＰｒｏｔｏｃｏｌ；Ｓｏｕｒｃｅ−ａｄｄｒｅｓｓ；ＩＥＴＦ：ＲＦＣ７９１）を利用することができる。
【００２５】
識別子決定部２７の識別子の自動生成方法の１例としては、カウンタメモリを備える方法がある。この例では、識別子決定部２７の内部にカウンタメモリを備える。識別子決定部２７は自動生成を開始すると直ちに、カウンタメモリから値を読み出す。そして、この値の文字列として含んだ識別子を生成すると共に、カウンタメモリの値をインクリメントする。カウンタメモリの値は、次の識別子生成まで保存される。具体的には、カウンタメモリから読み出した値が１２３だった場合、例えばｈｔｔｐ：／／ａａａ．ｂｂｂ．ｃｃｃｃ．ｄｄｄｄ／１２３．ｗａｖと識別子を生成し、直ちにカウンタをインクリメントすることで、値１２４で次の識別子の生成に備える。自動生成方法の他の１例としては、時刻情報を用いる方法がある。この例では、識別子決定部２７の内部に時刻情報を提供する時計を備える。識別子決定部２７は、自動生成を開始すると直ちに時計から時刻情報を取得し、この値の文字列として含んだ識別子を生成する。具体的には、時計から得た時刻情報が２００１年１２月３日１０時２９分１５秒３３ｍｓだった場合には、例えば次のようになる。
【００２６】
ｈｔｔｐ：／／ａａａａ．ｂｂｂｂ．ｃｃｃｃ．ｄｄｄｄ／２００１１２０３１０２９１５３３．ｗａｖ
と識別子を生成する。尚、識別子決定部２７による識別子生成機能は、対象となるテキストデータの内容から自動的に識別子を生成するように実現されても良い。この場合の方法としては、テキストデータの書式を予め規定しておき所定のフィールドの文字例から自動的に識別子を予定する文字例を抽出するようにすることが考えられる。これにより、依頼者は、所望の識別子名を自ら指定できるようになる。これは、依頼者にとってインターネット上での音声データの識別を自ら指定した識別子名によって管理できるので、使いやすいシステムを提供できる。音声データ合成サーバ２０の音声データ蓄積依頼部２６は、識別子決定部２７により決定された識別子を音声データ６３に付与して音声データ配信サーバ１０に蓄積依頼する。
【００２７】
音声データ情報計算部２８は、音声合成処理部２５により合成された音声データに基づいて音声データ情報を計算する。ここで音声データ情報とは、音声データのデータサイズおよび音声データの再生時間長である。音声データ情報計算部２８は、入力された音声データのサイズ及び予め取り決められた音声データの形式から音声データの再生時間を計算する。具体的には、該音声データサイズがＮバイト、該形式が標本化周波数８ｋＨｚ、及び量子化１６ｂｉｔであると仮定すると、再生時間は、Ｎ／（１６）［ｍｓ］と計算される。
【００２８】
音声データ合成サーバ２０は、音声データ情報計算部２８により計算された再生時間を、識別子決定部２７から出力される識別子と共に依頼者端末４０にＨＴＴＰ／ＣＧＩ部２４を用いて送信する。
図７は、依頼者端末４０に表示される音声データ登録確認画面の例を示している。音声データ登録確認画面９０は、識別子表示欄９１と再生時間表示欄９２とを含んでいる。識別子表示欄９１は、音声データ合成サーバ２０の識別子決定部２７により決定された識別子が表示される。再生時間表示欄９２は、音声データ合成サーバ２０の音声データ情報計算部２８により計算される当該音声データの予測再生時間が表示される。
【００２９】
以上の第２実施例のおいては、第１の実施例と同様の処理手順の動作の結果として、依頼者端末の操作者は、音声データの識別子を認識することができる。例えば、Ｗｅｂページ管理者は、この識別子をその管理するＷｅｂページにハイパーリンクとして埋め込むことで更新し、Ｗｅｂサーバに登録する。Ｗｅｂページの利用者は、該更新されたＷｅｂページをブラウザ等で表示し、音声出力したい場合には、該追加されたハイパーリンクを利用することで、音声出力を得ることができる。また、本第２の実施例においては、音声データの再生時間情報を認識することができる。これにより、音声配信がなされた場合の聴取時間、通信データ量を知ることができ、音声データの利用者における具体的な利用イメージを想定することが可能となり、より洗練された音声データの配信が可能となる。
【００３０】
尚、以上の第１及び第２の実施例において、説明の容易性から単一の依頼者端末或いは利用者端末について説明したが、本発明による音声データ配信システムは、多数の単一の依頼者端末或いは利用者端末を想定している。従って、音声データ配信システムが扱い得る音声データは、図示される数に限られず多数の音声データを収容し得る。
【００３１】
又、以上の第１及び第２の実施例における音声データ配信装置は、音声データ配信サーバと音声データ合成サーバとの２つのサーバにより構成されるものとしたが、これは、既存の音声データ配信サーバのみが存在する運用形態に新たに音声構成サーバを追加する場合によりシステムの実現が容易であることによる。しかし、この２つのサーバを単一ハードウェアとしてのサーバ装置に集約する構成も当然に可能である。
【００３２】
【発明の効果】
以上のように本発明による音声データ配信装置及び配信者端末によれば、配信対象となるべき音声データを再生確認して適切な修正をなすことが可能となり誤った読みによる発声を回避することができる。これにより、信頼性のある音声データ配信装置が提供される。
【図面の簡単な説明】
【図１】本発明の第１の実施例であり、音声データ配信システムの全体構成を示しているブロック図である。
【図２】図１に示される依頼者端末の構成を示しているブロック図である。
【図３】依頼者端末４０に表示される音声データ配信依頼画面の例を示している図である。
【図４】依頼者端末４０に表示される音声データ修正依頼画面の例を示している図である。
【図５】音声データ合成サーバ２０及び依頼者端末４０の処理手順を示しているシーケンス図である。
【図６】本発明の第２の実施例であり、音声データ合成サーバ２０の他の構成を示しているブロック図である。
【図７】依頼者端末４０に表示され音声データ登録確認画面の例を示している図である。
【符号の説明】
１０　音声データ配信サーバ
１２、２２、４１　制御プログラム
１３、２３、４２　ＴＣＰ／ＩＰ部
１４　ＨＴＴＰ部
１５　音声データ蓄積部
２０　音声データ合成サーバ
２４　ＨＴＴＰ／ＣＧＩ部
２５　音声合成処理部
２６　音声データ蓄積依頼部
２７　識別子決定部
２８　音声データ情報計算部
３０　インターネット
４０　依頼者端末
４３　Ｉ／Ｏ制御部
４４　Ｗｅｂブラウザ部
４５　音声データ再生部
４６　音声入力部
５１　ディスプレイ
５２　スピーカ
５３　マイク
５４　キーボード
６０　音声データ・データベース
６３　音声データ
６４　未知語リスト
８０　音声データ配信依頼画面
８４　音声データ修正依頼画面
９０　音声データ登録確認画面
１００　利用者端末

Claims

データネットワークを介して音声データを配信する音声データ配信装置であって、
少なくとも１つの依頼者端末から少なくとも１連のテキストデータを受信し、音声合成により前記テキストデータを１連の音声データに変換して配信のために蓄積する音声データ蓄積手段と、
前記依頼者端末からの修正リクエストに応じて、当該蓄積された１連の音声データを修正して更新する音声データ修正更新手段と、
を含むことを特徴とする音声データ配信装置。
音声データ修正更新手段は、前記１連の音声データに対応するテキストデータに対する修正情報及び／又は未知語に対する単語情報を含む修正リクエストに基づいて前記１連の音声データを修正して更新することを特徴とする請求項１記載の音声データ配信装置。
前記１連の音声データの識別子を決定する識別子決定手段と、前記決定された識別子を対応する依頼者端末に送信する識別子送信手段を更に含むことを特徴とする請求項１又は２記載の音声データ配信装置。
前記識別子決定手段は、１連の音声データ毎に更新されるカウンタ、現在時刻、又は前記テキストデータから抽出される情報に基づいて決定することを特徴とする請求項３記載の音声データ配信装置。
前記１連の音声データの予測再生時間を計算し、前記予測再生時間を対応する依頼者端末に送信する手段を更に含むことを特徴とする請求項１記載の音声データ配信装置。
データネットワークを介して音声データを配信する音声データ配信装置に前記複数の音声データのうちの少なくとも１連の音声データの配信を依頼する依頼者端末であって、
前記１連の音声データに変換されるべきテキストデータを前記音声データ配信サーバに送信するテキストデータ送信手段と、
前記１連の音声データを修正して更新するための修正リクエストを前記音声データ配信サーバに送信する修正情報送信手段と、
を含むことを特徴とする配信依頼者端末。
前記修正リクエストは、前記１連の音声データに対応するテキストデータに対する修正情報及び／又は未知語に対する単語情報を含むことを特徴とする請求項６記載の配信依頼者端末。