JP2011170622A - コンテンツ提供システム、コンテンツ提供方法、およびコンテンツ提供プログラム - Google Patents

Abstract

【課題】ユーザ固有の話し方等の音声特徴に基づき、適切なコンテンツを提供する。
【解決手段】コンテンツ提供システム１００は、音声特徴と、当該音声特徴を有するユーザに提示したいコンテンツとを対応付けて記憶するコンテンツ記憶部１２６と、入力されたユーザの音声データに基づき算出した当該ユーザの音声要素の値を、標準に対する傾向を判断するための指標データと比較して、当該ユーザに固有の音声特徴を検出する音声特徴検出部１０４と、コンテンツ記憶部１２６に記憶されたコンテンツの中から、音声特徴検出部１０４が検出した音声特徴に対応付けられたコンテンツを選択するコンテンツ選択部１０６と、そのコンテンツを提示する提示部１０８と、を含む。
【選択図】図１

Description

本発明は、コンテンツ提供システム、コンテンツ提供方法、およびコンテンツ提供プログラムに関する。

特許文献１（特開２００８−１７０８２０号公報）には、感情種別とコンテンツを関連付けて記憶する感情種別コンテンツ記憶手段と、音声入力手段から入力された音声の特徴量を算出する特徴量算出手段と、算出された音声特徴量に基づいて、感情種別を判定する感情種別判定手段と、判定された前記感情種別に関連付けて記憶されている前記コンテンツを読み取るコンテンツ読み取り手段と、読み取られたコンテンツをコンテンツ再生手段へ送る送信手段と、を備えるコンテンツ提供システムが記載されている。当該文献に記載された技術では、言語や話者に依存しない単純な特徴量として、音量や音高といった韻律成分を用い、特徴量の所定時間（たとえば、過去１秒間）の基本統計量をもって、話者の現在の話し方としている。そして、話し方の定常状態（たとえば、過去５秒間の基本統計量）からの逸脱量から、各感情の度合いを求めている。

特開２００８−１７０８２０号公報

特許文献１に記載の技術では、ユーザの一時的な感情が判断されるだけである。しかし、たとえばユーザに効果的な広告等をコンテンツとして提示したい場合に、ユーザに一時的に発生した感情に関連するコンテンツよりも、ユーザ固有の性質に関連するコンテンツを提示した方が、ユーザの興味を引く可能性が高いと考えられる。ユーザに一時的に発生した感情に関連するコンテンツを提示する方法では、ユーザの感情が変わる度にコンテンツも変更され、コンテンツを繰り返し提示することによりユーザの興味を高めるということもできない。従来の技術では、ユーザ固有の話し方等の音声特徴に基づき、適切なコンテンツを提供することができなかった。

本発明の目的は、上述した課題である、ユーザ固有の話し方等の音声特徴に基づき、適切なコンテンツを提供することができないという問題を解決するコンテンツ提供システム、コンテンツ提供方法、およびコンテンツ提供プログラムを提供することにある。

本発明によれば、
音声特徴と、当該音声特徴を有するユーザに提示したいコンテンツとを対応付けて記憶するコンテンツ記憶手段と、
入力されたユーザの音声データに基づき算出した当該ユーザの音声要素の値を、標準に対する傾向を判断するための指標データと比較して、当該ユーザに固有の音声特徴を検出する音声特徴検出手段と、
前記コンテンツ記憶手段に記憶された前記コンテンツの中から、前記音声特徴検出手段が検出した前記音声特徴に対応付けられたコンテンツを選択するコンテンツ選択手段と、
前記コンテンツ選択手段が選択したコンテンツを提示する提示手段と、
を含むコンテンツ提供システムが提供される。

本発明によれば、
音声特徴と、当該音声特徴を有するユーザに提示したいコンテンツとを対応付けて記憶するコンテンツ記憶手段を含むコンピュータシステムを用いたコンテンツ提供方法であって、
入力されたユーザの音声データに基づき算出した当該ユーザの音声要素の値を、標準に対する傾向を判断するための指標データと比較して、当該ユーザに固有の音声特徴を検出する音声特徴検出ステップと、
前記コンテンツ記憶手段に記憶された前記コンテンツの中から、前記音声特徴検出ステップで検出された前記音声特徴に対応付けられたコンテンツを選択するコンテンツ選択ステップと、
前記コンテンツ選択ステップで選択されたコンテンツを提示する提示ステップと、
を含むコンテンツ提供方法が提供される。

本発明によれば、
コンピュータを、
音声特徴と、当該音声特徴を有するユーザに提示したいコンテンツとを対応付けて記憶するコンテンツ記憶手段、
入力されたユーザの音声データに基づき算出した当該ユーザの音声要素の値を、標準に対する傾向を判断するための指標データと比較して、当該ユーザに固有の音声特徴を検出する音声特徴検出手段、
前記コンテンツ記憶手段に記憶された前記コンテンツの中から、前記音声特徴検出手段が検出した前記音声特徴に対応付けられたコンテンツを選択するコンテンツ選択手段、
前記コンテンツ選択手段が選択したコンテンツを提示する提示手段、
として機能させるコンテンツ提供プログラムが提供される。

なお、以上の構成要素の任意の組合せ、本発明の表現を方法、装置、システム、記録媒体、コンピュータプログラムなどの間で変換したものもまた、本発明の態様として有効である。

本発明によれば、ユーザ固有の話し方等の音声特徴に基づき、適切なコンテンツを提供することができる。

本発明の実施の形態におけるコンテンツ提供システムの構成の一例を示すブロック図である。 本発明の実施の形態における指標データ記憶部の構成の一例を示す図である。 本発明の実施の形態におけるコンテンツ記憶部の構成の一例を示す図である。 本発明の実施の形態におけるコンテンツ提供システムを含むネットワーク構造を示すブロック図である。 本発明の実施の形態におけるコンテンツ提供システムの処理手順を示すフローチャートである。 本発明の実施の形態におけるコンテンツ提供システムの構成の他の例を示すブロック図である。 本発明の実施の形態におけるコンテンツ提供システムの構成の一例を示すブロック図である。 本発明の実施の形態における音声要素値蓄積記憶部の構成の一例を示す図である。 本発明の実施の形態における指標データ記憶部の構成の他の例を示す図である。 本発明の実施の形態における指標データ記憶部の構成の他の例を示す図である。

以下、本発明の実施の形態について、図面を用いて説明する。尚、すべての図面において、同様の構成要素には同様の符号を付し、適宜説明を省略する。

（第１の実施の形態）
図１は、本実施の形態におけるコンテンツ提供システムの構成の一例を示すブロック図である。
コンテンツ提供システム１００は、音声認識部１０２（音声認識手段）と、音声特徴検出部１０４（音声特徴検出手段）と、コンテンツ選択部１０６（コンテンツ選択手段）と、提示部１０８（提示手段）と、音響モデル記憶部１２０と、言語モデル記憶部１２２と、指標データ記憶部１２４（指標データ記憶手段）と、コンテンツ記憶部１２６（コンテンツ記憶手段）とを含む。

音響モデル記憶部１２０は、音響モデルを記憶する。言語モデル記憶部１２２は、言語モデルを記憶する。これらの音響モデルおよび言語モデルは、一般的に用いられているものとすることができる。

音声認識部１０２は、音響モデル記憶部１２０に記憶された音響モデルおよび言語モデル記憶部１２２に記憶された言語モデルに基づき、入力された音声データに対する音声認識結果の候補となる単語の音響スコア、言語スコア、および当該音響スコアおよび当該言語スコアに基づく総スコアを算出する。音声認識部１０２は、たとえば、総スコアが高い単語を入力された音声データの音声認識結果として選出する。

また、音声認識部１０２は、入力された音声データに基づき、ユーザの種々の音声要素の値を算出する。音声要素は、音声認識を行う際に用いる音声データから抽出する各種パラメータや音声認識結果自体等、ユーザの話し方を示す情報とすることができる。音声要素は、たとえば、音声パワー、話速、音響スコア、言語スコア、認識結果信頼度、認識結果中のフィラー（言い淀み）率等とすることができる。また、音声認識部１０２は、ユーザが男性か女性かも検出することができる。音声認識部１０２は、これらの音声要素の値を、所定時間の間に入力された当該ユーザの音声データに基づき算出することができる。

指標データ記憶部１２４は、種々の音声要素につき、標準に対する傾向を判断するための指標データを記憶する。指標データは、複数の話者の音声に基づき算出したものとすることができる。本実施の形態において、指標データ記憶部１２４は、指標データとして、種々の音声要素につき複数の話者の音声に基づき算出した標準的な値である標準値を記憶する。図２は、指標データ記憶部１２４の構成の一例を示す図である。ここでは、指標データ記憶部１２４は、各音声要素につき、男性および女性の標準値をそれぞれ記憶している。

図１に戻り、音声特徴検出部１０４は、音声認識部１０２が算出したユーザの音声要素の値を、音声要素毎に、指標データ記憶部１２４に記憶された当該音声要素の標準値と比較して、当該ユーザに固有の音声特徴を検出する。

たとえば、本実施の形態において、音声認識部１０２がユーザが女性であることを検出した場合、音声特徴検出部１０４は、当該ユーザの各音声要素の値を、図２に示した「女性」の標準値と比較する。たとえば、当該ユーザの音声パワーの値が、図２に示した「女性」の「音声パワー」の標準値「ａ２」より大きい場合は、当該女性の音声パワーの傾向は、「音声パワー大」となる。また、同様に、当該ユーザの認識結果中のフィラー率の値が、図２に示した「女性」の「認識結果中のフィラー率」の標準値「ｆ２」より小さい場合は、当該女性の認識結果中のフィラー率の傾向は、「認識結果中のフィラー率低」となる。なお、ここで、各標準値は一意の値ではなく、ある範囲の値とすることもできる。そのため、たとえば「女性」の「音声パワー」の標準値「ａ２」として、女性の標準的な音声パワーの範囲を記憶しておくことができる。このようにすれば、ユーザの音声が標準よりも極端に音声パワーが大きい場合や小さい場合に、そのユーザの音声特徴を「音声パワー大」や「音声パワー小」とすることができる。

また、音声特徴検出部１０４は、ユーザの各音声要素の値を指標データ記憶部１２４に記憶された各音声要素の標準値と比較して、標準値からのずれ量を検出することもできる。標準値からのずれ量が大きい場合、そのユーザは、その音声特徴を有する度合が大きいということになる。

コンテンツ記憶部１２６は、音声特徴と、当該音声特徴を有するユーザに提示したいコンテンツとを対応付けて記憶する。ユーザに提示したいコンテンツは、音声特徴に基づき、そのような傾向を有するユーザが苦手としているものに関する内容、得意としているものに関する内容、興味がありそうな内容を想定して選択することができる。

図３は、コンテンツ記憶部１２６の構成の一例を示す図である。コンテンツ記憶部１２６は、コンテンツ欄と、音声特徴欄とを含む。
たとえばコンテンツ「Ａ（話し方教室のＣＭ）」には、音声特徴として、「音声パワー小」、「音響モデルスコア低」、「認識結果中のフィラー率高」、「話速大」、「認識結果信頼度低」等が対応付けて記憶されている。

ユーザの音声特徴が「フィラー率高」となっているのは、そのユーザの音声データ中にたとえば「えー」、「あのー」等のフィラーが多く含まれているということである。つまり、このような音声特徴を有するユーザは、話し方があまりうまくないことが想定され、自分でも苦手意識を持っている可能性が高い。そのため、このような音声特徴を有するユーザに提示するコンテンツとして、話し方教室のＣＭ（コマーシャル）を対応付けておくことができる。

また、コンテンツ「Ｂ（カラオケ店のＣＭ）」には、音声特徴として、「音声パワー大」等が対応付けて記憶されている。音声パワーが大きいユーザは、カラオケを得意としている可能性が高いと想定される。そのため、このような音声特徴を有するユーザに提示するコンテンツとして、カラオケ店のＣＭ（コマーシャル）を対応付けておくことができる。

図１に戻り、コンテンツ選択部１０６は、コンテンツ記憶部１２６に記憶されたコンテンツの中から、音声特徴検出部１０４が検出した音声特徴に対応付けられたコンテンツを選択する。提示部１０８は、コンテンツ選択部１０６が選択したコンテンツをユーザに提示する。

たとえば、上述したように、ユーザの音声特徴が「音声パワー大」の場合、コンテンツ選択部１０６は、図３に示した音声特徴「音声パワー大」に対応付けられたコンテンツ「Ｂ（カラオケ店のＣＭ）」を選択する。提示部１０８は、コンテンツ選択部１０６が選択したコンテンツ「Ｂ（カラオケ店のＣＭ）」を当該ユーザに提示する。

また、音声特徴検出部１０４は、各ユーザの各音声特徴を、各音声要素の標準値からのずれ量等に対応付けてコンテンツ選択部１０６に出力通知することもできる。たとえば、ユーザの音声特徴が複数ある場合、コンテンツ選択部１０６は、コンテンツ記憶部１２６に記憶されたコンテンツの中から、標準値からのずれ量が最も大きい音声特徴に対応付けられたコンテンツを選択することができる。また、たとえば、コンテンツ選択部１０６は、コンテンツ記憶部１２６に記憶されたコンテンツの中から、標準値からのずれ量が大きい順に各音声特徴に対応付けられたコンテンツを選択して、順次ユーザに提示するようにすることもできる。

図４は、本実施の形態におけるコンテンツ提供システム１００を含むネットワーク構造を示すブロック図である。
このネットワーク構造は、コンテンツ提供システム１００と、コンテンツ提供システム１００にネットワーク１５０を介して接続されたユーザ端末装置２００とを含む。ユーザ端末装置２００は、ユーザのＰＣ等とすることができる。ユーザ端末装置２００は、たとえばパーソナルコンピュータ等により構成することができる。ユーザ端末装置２００には、たとえばマイク等の音声入力手段、およびディスプレイ等の表示手段が設けられた構成とすることができる。ユーザ端末装置２００の音声入力手段を介して音声データが入力されると、当該音声データは、ネットワーク１５０を介してコンテンツ提供システム１００の音声認識部１０２（図１参照）に入力される。コンテンツ提供システム１００の提示部１０８がコンテンツを提供すると、当該コンテンツは、ネットワーク１５０を介してユーザ端末装置２００に入力され、ユーザ端末装置２００の表示手段に表示される。なお、ユーザ端末装置２００のユーザの音声データは、ユーザ端末装置２００との対応が取れていれば、たとえば電話回線等、ネットワーク１５０以外のネットワークを介してコンテンツ提供システム１００の音声認識部１０２に入力される構成とすることもできる。

次に、本実施の形態において、音声データが入力されてから、コンテンツが提供されるまでの手順を説明する。図５は、本実施の形態におけるコンテンツ提供システム１００の処理手順を示すフローチャートである。

音声データが入力されると（ステップＳ１００）、音声認識部１０２は音声認識処理を行う（ステップＳ１０２）。この処理は、通常の音声認識処理とすることができる。

つづいて、音声特徴検出部１０４は、音声認識部１０２が検出した音声要素の値を指標データ記憶部１２４に記憶された各音声要素の標準値と比較して、当該ユーザ固有の音声特徴を検出する（ステップＳ１０４）。コンテンツ選択部１０６は、コンテンツ記憶部１２６から音声特徴検出部１０４が検出した音声特徴に対応付けられたコンテンツを選択する（ステップＳ１０６）。提示部１０８は、コンテンツ選択部１０６が選択したコンテンツをネットワーク１５０を介してユーザ端末装置２００に提供する（ステップＳ１０８）。

本実施の形態におけるコンテンツ提供システム１００によれば、ユーザの各種音声要素の値に基づき検出されたユーザ固有の音声特徴に応じて、ユーザに提供するコンテンツが決定される。たとえば、「えー」や「あのー」等のフィラーがよく入る、早口、声がきれい等のユーザ固有の音声特徴に応じてコンテンツが提供される。そのため、ユーザの興味を引くコンテンツを提供できる可能性を高めることができる。また、このようなユーザ固有の音声特徴はあまり変化しないことから、同様のコンテンツを繰り返し提供することもでき、ユーザの興味を高めることもできる。

また、本実施の形態において、図６に示したように、コンテンツ提供システム１００は、ユーザ情報を取得するユーザ情報取得部１１０をさらに含む構成とすることもできる。ここで、ユーザ情報は、たとえばユーザの性別や年齢等を含むことができる。たとえばユーザ情報取得部１１０がユーザ情報としてユーザの性別を取得した場合は、音声特徴検出部１０４は、入力されたユーザの性別に基づき、指標データ記憶部１２４の男性または女性の標準値のいずれかを用いてユーザの音声特徴を検出することができる。

また、指標データ記憶部１２４には、図２に示したように男女別の標準値だけでなく、たとえば年代別の標準値も記憶しておくことができる。たとえば、ユーザ情報取得部１１０がユーザ情報としてユーザの年齢を取得した場合は、音声特徴検出部１０４は、入力されたユーザの年齢に基づき、指標データ記憶部１２４の該当する年代の標準値を用いてユーザの音声特徴を検出することができる。

（第２の実施の形態）
図７は、本実施の形態におけるコンテンツ提供システムの構成の一例を示すブロック図である。
本実施の形態において、コンテンツ提供システム１００が、平均値算出部１１２（平均値算出手段）および音声要素値蓄積記憶部１２８（音声要素値蓄積記憶手段）をさらに含む点で第１の実施の形態と異なる。ここではコンテンツ提供システム１００がユーザ情報取得部１１０も含む構成を示す。

本実施の形態において、ユーザ情報取得部１１０は、ユーザ情報として、ユーザの識別情報を取得することができる。平均値算出部１１２は、ユーザの識別情報に基づきユーザを識別し、当該ユーザの音声要素の値を当該ユーザの識別情報に対応付けて音声要素値蓄積記憶部１２８に蓄積する。平均値算出部１１２は、たとえばその音声データが入力された日時に対応付けて音声要素の値を音声要素値蓄積記憶部１２８に記憶することができる。また、平均値算出部１１２は、音声要素値蓄積記憶部１２８を参照して、異なるときに蓄積された当該ユーザの音声要素の値の平均値を算出する。本実施の形態において、音声特徴検出部１０４は、平均値算出部１１２が算出した各音声要素の値の平均値を、指標データ記憶部１２４に記憶された当該音声要素の標準値と比較して、当該ユーザに固有の音声特徴を検出することができる。

音声要素値蓄積記憶部１２８は、ユーザの識別情報に対応付けて当該ユーザの音声要素の値を蓄積する。とともに、図８は、音声要素値蓄積記憶部１２８の構成の一例を示す図である。
ここでは、ユーザの識別情報（ユーザＩＤ）が「０００２ｆ」のユーザの音声要素値データを示す。このユーザは、たとえば少なくとも「２０１０／０１／０３」、「２０１０／０１／１０」、「２０１０／０１／１２」の３回コンテンツ提供システム１００にアクセスして音声認識部１０２を介して音声データを入力している。そのため、各アクセス時の音声データに基づき算出された種々の音声要素の値が音声要素値蓄積記憶部１２８に記憶されている。

この場合、平均値算出部１１２は、たとえば音声要素「音声パワー」のデータとして、「２０１０／０１／０３」、「２０１０／０１／１０」、「２０１０／０１／１２」にそれぞれ対応付けて記憶されている「ａ１０」、「ａ１１」、「ａ１２」という値から平均値を算出する。音声特徴検出部１０４は、平均値算出部１１２が算出した平均値を、指標データ記憶部１２４に記憶された音声要素「音声パワー」の標準値と比較して、このユーザの音声要素「音声パワー」が標準程度か、標準より大きいか小さいか等の特徴を検出する。

本実施の形態においても、第１の実施の形態と同様の効果が得られる。また、本実施の形態において、異なるときに蓄積されたユーザの音声要素の値の平均値が用いられるので、ユーザ固有の音声特徴を安定的に検出することができる。

また、以上の例では、ユーザ情報取得部１１０がユーザの識別情報を取得し、平均値算出部１１２がユーザの識別情報に基づきユーザを識別する例を示した。しかし、コンテンツ提供システム１００は、ユーザ情報取得部１１０を有しない構成とすることもでき、平均値算出部１１２は、ユーザの音声に基づく音声認証によってユーザを識別するようにすることもできる。

図１に示したコンテンツ提供システム１００の各構成要素は、ハードウエア単位の構成ではなく、機能単位のブロックを示している。コンテンツ提供システム１００の各構成要素は、任意のコンピュータのＣＰＵ、メモリ、メモリにロードされた本図の構成要素を実現するプログラム、そのプログラムを格納するハードディスクなどの記憶ユニット、ネットワーク接続用インタフェースを中心にハードウエアとソフトウエアの任意の組合せによって実現される。そして、その実現方法、装置にはいろいろな変形例があることは、当業者には理解されるところである。

以上、図面を参照して本発明の実施形態について述べたが、これらは本発明の例示であり、上記以外の様々な構成を採用することもできる。

第１の実施の形態において、指標データ記憶部１２４に男女別または年齢別に各音声要素の標準値を記憶する例を示したが、標準値は、その他種々の分類毎に記憶しておくことができる。たとえば、複数の音声要素の中の一つに注目して、その音声要素の値に応じた分類毎に標準値を記憶することもできる。

一例を図９に示す。ここでは、音声パワーが大、中、小のそれぞれについて、その他の音声要素である話速、音響スコア、言語スコア、認識結果信頼度、認識結果中のフィラー率等の標準値がそれぞれ記憶された例を示す。音声認識部１０２に音声データが入力され、音声認識部１０２により各音声要素の値が算出されると、音声特徴検出部１０４は、そのユーザの音声パワーの値に基づきユーザの音声の音声パワーが大、中、小のいずれに該当するかを判断する。そして、該当する音声パワーに対応付けられた他の音声要素の標準値を用いて、それら他の音声要素が標準より大きいか小さいか等を判断する。たとえば、入力された音声データの音声パワーの値がａ１〜ａ２だったとすると、このユーザの音声パワーは大ということになり、このユーザの話速を判断する際には、標準値「ｂ３」が用いられる。

また、指標データ記憶部１２４は、指標データとして、各音声要素の標準値ではなく、標準に対する傾向を判断するための指標値を記憶することもできる。一例を図１０に示す。ここでは、音声要素として音声パワーおよび話速について、それぞれ大（高）、標準（特徴なし）、小（低）と判断するための指標値が記憶されている。音声認識部１０２に音声データが入力され、音声認識部１０２により各音声要素の値が算出されると、音声特徴検出部１０４は、たとえばそのユーザの音声パワーの値が指標データ記憶部１２４の大（高）、標準（特徴なし）、小（低）のいずれの指標値に含まれるかを判断し、当該ユーザに固有の音声特徴を検出する。

また、指標データ記憶部１２４は、指標データとして、複数の話者の音声の各音声要素の値のばらつきや分散度を示すデータを記憶することもできる。音声特徴検出部１０４は、入力された音声データの各音声要素の値に基づき、当該ユーザの音声要素が複数の話者の音声の各音声要素の値のたとえば平均値からどの方向にずれているか、またどの程度ずれているか等に基づき、当該ユーザの音声特徴を検出することができる。

また、音声特徴検出部１０４は、音声認識部１０２から入力されたユーザの音声データに基づき算出された各音声要素の値を、指標値記憶部１２４にフィードバックして、指標値記憶部１２４の指標データを更新していくこともできる。これにより、指標値記憶部１２４の指標データに用いられる話者の母数を増やすことができ、精度の高い指標データを構築することができる。

また、以上の実施の形態においては、音声データを入力したユーザのユーザ端末装置２００にコンテンツが提供されるのみの例を示したが、ユーザの音声特徴が検出された場合、当該音声特徴を有するユーザを募集しているような広告主とユーザとをマッチングするような構成とすることもできる。たとえば、コンテンツ記憶部１２６の各コンテンツに広告主への通知の要否の設定も対応付けて記憶しておくことができる。この場合、広告主が音声特徴として「音声パワーが大きい」等登録しており、通知要になっている場合、ユーザの音声パワーが大きいことが検出された場合に、ユーザの了承を得た後に当該ユーザの情報を広告主に転送するような設定とすることもできる。

さらに、たとえば「ある声優との類似度」等を音声要素とすることもできる。この場合、コンテンツ提供システム１００は、当該声優の声の特徴との類似度を判断して、類似度が高ければ、その声優に関するコンテンツが提示されるように設定しておくことができる。

１００ コンテンツ提供システム
１０２ 音声認識部
１０４ 音声特徴検出部
１０６ コンテンツ選択部
１０８ 提示部
１１０ ユーザ情報取得部
１１２ 平均値算出部
１２０ 音響モデル記憶部
１２２ 言語モデル記憶部
１２４ 指標データ記憶部
１２６ コンテンツ記憶部
１２８ 音声要素値蓄積記憶部
１５０ ネットワーク
２００ ユーザ端末装置

Claims (6)

1. 音声特徴と、当該音声特徴を有するユーザに提示したいコンテンツとを対応付けて記憶するコンテンツ記憶手段と、
   入力されたユーザの音声データに基づき算出した当該ユーザの音声要素の値を、標準に対する傾向を判断するための指標データと比較して、当該ユーザに固有の音声特徴を検出する音声特徴検出手段と、
   前記コンテンツ記憶手段に記憶された前記コンテンツの中から、前記音声特徴検出手段が検出した前記音声特徴に対応付けられたコンテンツを選択するコンテンツ選択手段と、
   前記コンテンツ選択手段が選択したコンテンツを提示する提示手段と、
   を含むコンテンツ提供システム。
2. 請求項１に記載のコンテンツ提供システムにおいて、
   前記音声要素の値の前記指標データは、複数の話者の音声に基づき算出されたものであるコンテンツ提供システム。
3. 請求項１または２に記載のコンテンツ提供システムにおいて、
   前記音声要素の値の前記指標データを記憶する指標データ記憶手段をさらに含むコンテンツ提供システム。
4. 請求項１から３いずれか１項に記載のコンテンツ提供システムにおいて、
   ユーザの識別情報に対応付けて当該ユーザの前記音声要素の値を蓄積する音声要素値蓄積記憶手段と、
   前記ユーザを識別し、当該ユーザの前記音声要素の値を当該ユーザの識別情報に対応付けて前記音声要素値蓄積記憶手段に蓄積するとともに、異なるときに蓄積された当該ユーザの前記音声要素の平均値を算出する平均値算出手段と、
   をさらに含み、
   前記音声特徴検出手段は、前記平均値算出手段が算出した各前記音声要素の平均値を、当該音声要素の標準値と比較して、当該ユーザに固有の音声特徴を検出するコンテンツ提供システム。
5. 音声特徴と、当該音声特徴を有するユーザに提示したいコンテンツとを対応付けて記憶するコンテンツ記憶手段を含むコンピュータシステムを用いたコンテンツ提供方法であって、
   入力されたユーザの音声データに基づき算出した当該ユーザの音声要素の値を、標準に対する傾向を判断するための指標データと比較して、当該ユーザに固有の音声特徴を検出する音声特徴検出ステップと、
   前記コンテンツ記憶手段に記憶された前記コンテンツの中から、前記音声特徴検出ステップで検出された前記音声特徴に対応付けられたコンテンツを選択するコンテンツ選択ステップと、
   前記コンテンツ選択ステップで選択されたコンテンツを提示する提示ステップと、
   を含むコンテンツ提供方法。
6. コンピュータを、
   音声特徴と、当該音声特徴を有するユーザに提示したいコンテンツとを対応付けて記憶するコンテンツ記憶手段、
   入力されたユーザの音声データに基づき算出した当該ユーザの音声要素の値を、標準に対する傾向を判断するための指標データと比較して、当該ユーザに固有の音声特徴を検出する音声特徴検出手段、
   前記コンテンツ記憶手段に記憶された前記コンテンツの中から、前記音声特徴検出手段が検出した前記音声特徴に対応付けられたコンテンツを選択するコンテンツ選択手段、
   前記コンテンツ選択手段が選択したコンテンツを提示する提示手段、
   として機能させるコンテンツ提供プログラム。

Images