JP4895759B2 - 音声メッセージ出力装置 - Google Patents

Description

この発明は、音声メッセージを出力することができる装置に関し、例えば、テレビ放送受信装置や携帯電話などとして利用される。

従来より、操作ガイドを音声で行う音声メッセージ出力装置を搭載したテレビ放送受信録画装置などが提案されている。このようなテレビ放送受信録画装置では、例えば、録画予約に関する設定手順を音声案内する（特許文献１，特許文献２参照）。
特開平１１−６９２８３号公報 特開２００５−３３８６６５号公報

しかしながら、従来の音声メッセージ出力では、予め登録されている音声（音色）に従って音声ガイダンスが出力されるため、ユーザが望む音声ガイダンスを作成できるものではなかった。なお、音声ガイダンスとして、「標準語」と「地方語」とを用意しておいてユーザが任意の語を選択できたりするものは存在するが（特許文献２参照）、登録済みのものを単にユーザが選択したり、或いはネット上に存在する（登録済みの）音声データを単に選択できるに過ぎず、ユーザが自身で編集した好みの音声ガイダンスを聞くことができるものではなかった。

この発明は、上記事情に鑑み、ユーザが自身で編集した好みの音声ガイダンスを聞くことができる音声メッセージ出力装置を提供することを目的とする。

この発明の音声メッセージ出力装置は、上記の課題を解決するために、発生したイベントに応じた音声メッセージを選択して音声出力する音声メッセージ出力装置において、各イベントに対してどのような音声メッセージが現在選択されているかをユーザに提示するか又は音声メッセージの設定が可能であるイベントをユーザに提示する手段と、音声認識によって音声データから文字データ又は語句データを生成する手段と、生成された文字データ又は語句データとその生成の原因とされた音声データとを対応付ける手段と、前記生成された文字データ又は語句データに基づく文字又は語句をユーザ選択のために表示する手段と、ユーザにより選択された文字又は語句により文字列を生成する文字列生成手段と、生成された文字列に対する登録操作がユーザによりなされたかどうかを判断する手段と、前記登録操作がなされた場合には対応イベントに対して前記ユーザにより作成された文字列に基づく前記音声データの繋ぎ合わせによって音声出力がなされるように音声メッセージの変更登録を実行する手段と、を備えたことを特徴とする。

上記の構成であれば、例えば、ユーザが好きな歌手の音声データから、文字や語句データを得て、該文字や語句を組み合わせることで文字列（メッセージ文）を作成し、この文字列に基づく音声出力を音声メッセージとして出力させることができる。すなわち、ユーザが自身で編集した好みの音声メッセージを聞くことができる。

上記構成の音声メッセージ出力装置において、前記音声データを、通信、放送受信、データ転送、装着されたメモリからの読出のいずれか一つ又は複数により取得するように構成されていてもよい。

また、この発明の音声メッセージ出力装置は、発生したイベントに応じた音声メッセージを選択して音声出力する音声メッセージ出力装置において、各イベントに対してどのような音声メッセージが現在選択されているかをユーザに提示するか又は音声メッセージの設定が可能であるイベントをユーザに提示する手段と、文字データ又は語句データに基づいて音声データを生成出力する音源手段と、ユーザによる文字又は語句の入力を受け付けて文字列を生成する文字列生成手段と、生成された文字列に対する登録操作がユーザによりなされたかどうかを判断する手段と、前記登録操作がなされた場合には対応イベントに対して前記ユーザにより作成された文字列に基づく前記音声データの繋ぎ合わせによって音声出力がなされるように音声メッセージの変更登録を実行する手段と、を備えたことを特徴とする。

上記の構成であれば、例えば、ユーザは文字や語句を自由に組み合わせて文字列（メッセージ文）を作成し、この文字列に基づく音声出力を音声メッセージとして出力させることができる。すなわち、ユーザが自身で編集した好みの音声メッセージを聞くことができる。

上記構成の音声メッセージ出力装置において、少なくとも４７種の音節の音声データが格納された五十音テーブルを前記音源手段として予め保持するか、又は該五十音テーブルをデータ通信、データ放送受信、データ転送、メモリ装着のいずれか一つ又は複数により後で保持できるように構成されており、前記文字列に基づく音声生成を前記五十音テーブルの音声データに基づいて行うこととしてもよい。かかる構成であれば、ユーザが好きな歌手やタレントの五十音テーブルを用いて、ユーザが自身で編集した好みの音声メッセージを聞くことができる。

前記五十音テーブルを少なくとも二以上保持し、ユーザによって選択された五十音テーブルを用いて前記文字列に基づく音声生成を行うこととしてもよい。

また、各数字キーに一つ又は複数の文字が割り当てられたテンキーを備えており、前記テンキーを用いて文字入力が行えるように構成されていてもよい。

また、これら音声メッセージ出力装置が携帯電話として構成されており、電話着信音及び／又はメール着信音を前記文字列に基づく音声生成によって出力するようにしてもよい。

この発明によれば、ユーザが自身で編集した好みの音声メッセージを聞くことができるという効果を奏する。

以下、この発明の実施形態を図１乃至図７に基づいて説明する。

図１はこの実施形態の音声メッセージ出力装置を搭載する携帯電話（地上ディジタル放送受信能付）２のブロック図である。

図１に示すように、携帯電話２は、地上波ディジタルチューナ２３０による放送受信により得られた符号化映像音声データ、或いは、スロット２０１に差し込まれたメモリカード３等から読み出した符号化映像音声データにより、映像を液晶表示パネル２０２上に映し出すとともに、音声をスピーカ２０３から出力するようになっている。また、地上波ディジタルチューナ２３０による放送受信により得られた符号化映像音声データを前記メモリカード３等に記録することもできる。なお，この実施形態では符号化映像音声データはＨ．２６４データであるとする。

メモリカード３から読み出したＨ．２６４データは、ＰＣＭＣＩＡインターフェイス２２０、及びシステムバス２１３を経てビデオデコーダ２０４に供給される。また、地上ディジタル放送を受信するチューナ２３０は、この地上ディジタル放送で放送されるビットストリームデータを取り出し、ビデオデコーダ２０４やオーディオデコーダ（ＭＰＥＧ４−ＡＡＣ）２０６に与える。

ビデオデコーダ２０４は、ビットストリームデータを復号して量子化係数や動きベクトルを求め、逆ＤＣＴ変換や動きベクトルに基づく動き補償制御などを行うことによって得た映像データをグラフィックスコントローラ２０５に供給する。グラフィックスコントローラ２０５は映像データ（例えば、Ｒ，Ｇ，Ｂデータ）に対して色調整等の処理を施す。また、グラフィックスコントローラ２０５はＣＰＵ２０９から出力指示された文字等を液晶表示パネル２０２に表示するＯＳＤ（オンスクリーンディスプレイ）処理も行う。このＯＳＤ処理により、メニュー画面や文字入力画面などの生成が行える。オーディオデコーダ２０６は、ビットストリーム中の音声符号データを復号して音声データを生成する。ＳＤＲＡＭ２１０は、ビデオデコーダ２０４の上記処理において利用される。

ＬＣＤコントローラ２０７は、グラフィックスコントローラ２０５から供給された映像データに基づいてＬＣＤパネル２０２を駆動する。Ｄ／Ａ変換器２０８は、オーディオデコーダ２０６から出力された音声データを受け取ってＤ／Ａ変換を行い、アナログ信号を生成してスピーカ２０３に与える。

本体キー２１４に対する操作情報は、インターフェイス２１５及びシステムバス２１３を介してＣＰＵ２０９に与えられる。ＣＰＵ２０９は上記操作情報に基づいて必要な処理を実行する。本体キー２１４には、テンキー等の他、テレビ視聴開始キー、録画（録音）開始キー、方向キー（矢印キー）なども設けられている。

また、近距離無線ネットワークを可能にするために、通信ブロック２１６及びインターフェイス２１７が設けられている。更に、ＦｌａｓｈＲＯＭ２１８やＳＤＲＡＭ２１９も備える。電池２２１は二次電池であり、図示しない充電器から電力の供給を得てこれを蓄える。携帯電話部２３１は電話や電子メール等に係わる処理を行う。携帯電話部２３１における電話番号入力や文字入力には本体キー２１４におけるテンキーが用いられる。一方、テレビ視聴モードが選択されたときには、前記本体キー２１４におけるテンキーはチャンネル番号入力のためのキー等として機能する。

音声認識部２３２は、オーディオデコーダ２０６から出力される音声データを入力し、音声認識処理を行う。その詳細は後で説明する。音声認識結果は例えばＦｌａｓｈＲＯＭ２１８などの書き換え可能な不揮発性メモリに格納される。また、音声メッセージとなる音声データがＤ／Ａ変換部２０８に供給されると、スピーカ２０３を介して音声が出力される。

ＣＰＵ２０９は、無線ネットワークのための処理、受信データに基づく各機能部の制御、ＦｌａｓｈＲＯＭ２１８やＳＤＲＡＭ２１９のリード／ライト制御なども行う。ＣＰＵ２０９を動作させるブートプログラムやアプリケーションプログラムは書き換え可能な不揮発性メモリに格納されており、これらブートプログラムやアプリケーションプログラムは揮発性メモリ上に展開される。音声メッセージ（音声ガイダンス）となる音声データファイルも、前記書き換え可能な不揮発性メモリに格納されており、音声データファイル単位（メッセージ単位）で書き換えることが可能である。なお、この実施形態では、後述するように、現在の選択ガイド文を提示（表示）するようにしているため、音声データファイルだけでなく、音声メッセージの文字列ファイル（テキストファイル）も前記不揮発性メモリに格納している。また、後でも説明するが、音声メッセージの変更登録においては、変更音声メッセージの文字列ファイルと該文字列の音声読み上げ処理にて得られた音声データファイルとを登録すればよいのであるが、該音声データファイルの登録を省くことも可能である。すなわち、文字列ファイルを有していれば、その文字列によって必要な時点で音声読み上げ処理を行うことでメッセージの音声出力が行えるからである。

ＣＰＵ２０９は、放送受信などの基本処理の他、音声ガイダンス出力処理、音声ガイダンスのための編集処理、前記編集のための発話データ生成処理、前記発話データ生成のための音声認識処理等も行う。

［音声ガイダンス出力処理］
ＣＰＵ２０９は、音声ガイダンス（音声メッセージ）出力を要するイベントが発生したときに、該イベントに対応付けられている識別番号を得て、この識別番号で示されるファイルを得る。識別番号で示されるファイルの中身は、文字列に基づいて作成された（作成済みの）音声データでもよいし、音声データとされる前の文字列データであってもよい。音声データはＤ／Ａ変換器２０８に供給されて音声となる。音声ガイダンスの例としては、例えば、受信番組を録画する指令がユーザによってなされたときや音楽映像の再生指令がユーザによってなされたときに、ＣＰＵ２０９はメモリカード３がスロット２０１に装着されているかどうかを判断するが、このときにメモリカード３が装着されていなければ、「メモリカードをセットしてください」といった音声ガイダンスを行う。

［音声ガイダンスのための編集処理］
例えば、メニュー画面において、「音声ガイダンス編集」といった項目を用意しておく。図２に編集画面の一例を示す。この画面では、イベント内容と現在選択されている音声ガイダンスとを表示している。この状態において例えば上下方向キーの操作をＣＰＵ２０９が検出すると、該ＣＰＵ２０９は画面内容をスクロールさせる。これにより、現在表示されている内容以外のイベント内容と現在選択されている音声ガイダンス文を画面上に表示させていくことができる。そして、ＣＰＵ２０９は、決定キーの押下を検出すると、その時点でカーソルが載せられているイベント内容と現在選択されている音声ガイダンスが、ユーザが編集を希望するイベント内容と現在選択されている音声ガイダンスであると判断する。上記決定キーが押下されると、図３に示す画面に切り替わる。

図３に示す表示画面では、画面の上半分側には選択されたイベント内容と現在選択されている音声ガイダンスとが表示され、画面下半分側にはメッセージ文入力領域が形成される。この状態では、ＣＰＵ２０９は本体キー２１４におけるテンキーの押下を文字入力操作として受け付ける。ＣＰＵ２０９は電子メール文の作成（編集）時と同様に、ユーザによって入力された文字を画面（液晶表示パネル２０２）に表示していく処理を行う。図２に示している例では、イベントが「カード未装着時の警告ガイド」であり、現在の選択ガイド文が「メモリカードをセットしてください」であり、ユーザによって入力されたガイド文が「カードいれてんか」となっている。ＣＰＵ２０９は、この状態で決定キーの押下を検出すると、「カード未装着時の警告ガイド」のイベントについて、ガイダンス文を「カードいれてね」に変更する処理、すなわち、ガイド文字列の記憶及びイベントと当該ガイド文字列との対応付けを行う。この対応付けとは、現在編集中の識別番号（図の例では［０００１］）のファイルの中身を前記ガイド文字列（「カードいれてね」）に変更する処理でもある。なお、先にも述べたが、ガイド文字列は音声データに変換できるので、現在編集中の識別番号（図の例では［０００１］）のファイルの中身を前記音声データファイルに変更することとしてもよい。以下に示す例においても同様である。一方、前記ガイド文字列を記憶するのであれば、その読み上げ処理において用いる後述の五十音テーブルがどれであるかについての情報も現在編集中の識別番号（図の例では［０００１］）のファイルに保持しておくことになる。

ガイド文字列に対応した音声出力は、いわゆる読み上げソフトウェアを用いることで実現できる。ガイド文における各語の発話は、音声合成音でもよいし、或いは例えばテレビタレントに入力してもらった五十音テーブルに基づいて行うこととしてもよい。この五十音テーブルは、少なくとも日本語の４７種の音節の音声データが格納されていればよいが、濁音，半濁音，拗音の音声データが含まれているのが望ましい。更に、例えば、同じ「で」でも、上げ調子の「で」と下げ調子の「で」の音声データを持つのが望ましい。更に、五十音テーブルが「あー」、「いー」、・・のごとく長音の音声データを持つことにより、カードにおける「かー」の発話が行えることになる。例えば、タレントの○○花子の五十音テーブルを用いれば、あたかも○○花子が「カードいれてね」と言ってくれているように聴こえることになる。

前記五十音テーブルは通信ブロック２１６を用いてインターネット上のサイトからダウンロードしてもよいし、携帯電話部２３１におけるファイル転送機能を用いてインターネット上のサイトからダウンロードしてもよいし、ディジタル放送におけるデータ放送で提供されているダウンロード用のデータをダウンロードしてもよい。勿論、五十音テーブルの提供は有料であってもよい。また、メーカーとタレントとが提携して、幾人かのタレントの五十音テーブルを予めメモリやメモリカードに格納しておくようにしてもよい。また、メーカー側では、数十人程度のタレントの五十音テーブルを提供できるようにしておき、ユーザから希望のあった５人程度のタレントの五十音テーブルを商品受け渡し時にメモリに格納するようにしてもよい。このような処理は、携帯電話の機種交換時におけるメールアドレス等のデータ転送の際に行うことができる。なお、或るファイルが五十音テーブルのファイルかどうかの判断のために、ファイル名中の識別子として五十音テーブルであることを示す特有の識別子を持たせることとすればよい。

図４に編集画面の他の例を示す。この図４の画面は、先述の図３に示した編集画面に遷移する前段階で例えば「五十音テーブルから編集」の項目と「ユーザ録音から編集」の項目とを表示し、後者の「ユーザ録音から編集」が選択された場合に表示されることとしている。なお、「五十音テーブルから編集」が選択された場合に、ａ．○○花子、ｂ．○○太郎、ｃ．○○五郎のごとく、五十音テーブルの主体表示を行い、このうちの誰かがユーザによって選択された後に前記図３の画面に遷移するようにすればよい。

図４に示す編集画面においては、イベント内容と現在選択されている音声ガイダンスとを画面の上半分側に表示している。そして、画面の下半分側には、音声ソース選択のための画面を表示している。この画面表示例では、音声ソースとして、「○○五郎／ユーザ録音／○年○月○日／ミュージック歌合戦」のタイトルが付された音声認識ファイルと、「○○花子／ユーザ録音／○年○月○日／ドラマ○○山河」のタイトルが付された音声認識ファイルとが存在している。ＣＰＵ２０９は決定キーが押下された時点でカーソルが載せられている方のファイルを開く処理を行う。

選択されたファイル内には、図５に示すように、例えば、「します」、「できません」、「操作」、「メニュー」、「ディジタル」、「設定」、「カード」、「下さい」、「手紙」、「来た」、「が」といった語句（文字列）及びこれらに対応する音声データが存在している。ユーザは、この編集画面上で、語句を順次選択してガイダンス文を作成する。例えば、「できません」、「カード」、「下さい」の語句を順次選択していくと、「できませんカード下さい」のガイダンス文ができあがり、○○五郎の声で「できませんかーどください」の音声出力が行えることになる。ユーザが個人的に使う機器におけるガイダンス文であるから、ユーザが理解できればガイダンス文として十分に成立する。語句の選択はカーソル移動のための方向キー操作と決定キーの操作で行うことができる。

図６に携帯電話用ガイダンスにおける編集画面の一例を示す。画面の上半分側には、選択されたイベント内容と現在選択されている音声ガイダンスとが表示され、画面下半分側には、メッセージ入力領域が形成される。この状態では、ＣＰＵ２０９は本体キー２１４におけるテンキーの押下を文字入力として受け付ける。ＣＰＵ２０９は電子メール文の作成（編集）時と同様に、ユーザによって入力された文字を画面に表示していく処理を行う。図６に示している例では、イベントが「メール着信音出力」で、メッセージ文は存在しておらず、着信メロディとして○○が設定されていることを示している。ユーザは、文字入力によって、例えば、「メールがきましたよ すぐみてくださいね」といった文言を入力する。ＣＰＵ２０９は、上記の状態で決定キーの押下を検出すると、イベントが「メール着信音出力」で、音声メッセージを「メールがきましたよ すぐみてくださいね」に変更する処理を行う。

メッセージ文における各語の発話は、先述のごとく、テレビタレントに入力してもらった五十音テーブルに基づいて行うこととしてもよい。例えば、タレントの○○花子の五十音テーブルを用いれば、あたかも○○花子が「メールがきましたよ すぐみてくださいね」と言ってくれているように聴こえることになる。また、「携帯電話用ガイダンス」における編集においても、図４及び図５に示したごとく、音声ソースとして、「○○五郎／ユーザ録音／○年○月○日／ミュージック歌合戦」のタイトルが付されたファイルを用いてメッセージ文を作成することができる。例えば、「手紙が来た」といったメッセージ文を作成すれば、○○五郎の声で「てがみがきた」の音声出力が行われる。

また、或る条件で登録されているメール発信者用のメール着信音（グループ１のメール着信音）、他の条件で登録されているメール発信者用のメール着信音（グループ２のメール着信音）のごとく、或いは、送信者個人単位で、異なる着信音声メッセージを作成できるようにしておいてもよい。個人単位の場合は、図７に示すように、例えば、「じろうさんからメールです」といったガイダンス文を作成することが考えられる。これらのことは電話着信についても同様に適用できる。なお、このような処理を実行する場合においては、基本（共通）となる識別番号で示される音声データファイル（例えば、［０１１０］）と共に、枝番が付された識別番号（例えば、○○次郎については［０１１０−１］）の音声データファイルを併存させることになる。ＣＰＵ２０９は、メール着信があったときに（イベントが発生したときに）、送信者メールアドレスとメールリストとに基づいて誰からのメールかを判断し、特定できた相手に対して音声ガイダンスの識別番号が存在するかどうかを判断し（例えば、○○次郎からのメールであれば、上記識別番号［０１１０−１］が得られる）、識別番号が存在すれば、その識別番号の音声データファイルを再生することになる。なお、個人単位の編集を容易にするために、メールアドレスの選択を経て（メールリスト画面を経て）、上記メール着信音編集処理のための画面に移行できるようにしておいてもよい。

また、ディジタルカメラ付きの構成とする場合には、シャッタ押下時に「撮るよ」といった音声メッセージを出力することが可能である。そして、上記「撮るよ」に代えて、「撮るでー」といったメッセージ文をユーザが作成編集して前記五十音テーブルを用いて読み上げさせることも可能である。

［編集のための発話データ生成処理］
先述した「○○五郎／ユーザ録音／○年○月○日／ミュージック歌合戦」の音声認識ファイルを作成する処理について説明していく。携帯電話２はユーザ操作に基づいて、「ミュージック歌合戦」という番組をディジタル放送受信によって受信録音する。これにより、録音ファイルが作成される。すなわち、ユーザは、ＴＶ番組から好きなタレントの音声を録音する。勿論、インターネット上で提供される音声ファイルをダウンロードしてもよい。また、他の放送受信装置で「ミュージック歌合戦」を受信してメモリカードに録音を行い、このメモリカードをスロット２０１に装着することとしてもよい。

例えば、メニュー画面上に「音声認識ファイル作成」といった項目を用意しておく。ＣＰＵ２０９は、「音声認識ファイル作成」の項目が選択されたことを検出すると、録音ファイル一覧画面を表示する。ＣＰＵ２０９は、ユーザによって選択された録音ファイルを開いて音声データを生成し、この音声データを音声認識処理にかけ、これによって得られた音声認識ファイルを書き換え可能な不揮発性メモリ上に記録する。すなわち、ユーザは、ＴＶ番組から好きなタレントの音声を録音し、この録音データから好きなタレントの発話データ（文字データ及び音声データ）を獲得できたことになる。音声認識とは、音声データを文字データに変換する処理であり、いわゆる「書き起こし」とも呼ばれているが、ＣＰＵ２０９は、かかる処理に加えて、音声認識で得られた文字データと、該文字データに対応している音声データ部分とを対応付ける処理（音声認識結果を得る原因となった音声データ部分と音声認識結果（文字データ）との対応付け）も行う。ただし、いわゆる音声認識というときには、言葉の意味の識別（語句（複数文字単位）の識別）が基本的には必要となるが、本願の音声認識では言葉の意味の識別は特に必要ではない。一文字単位で音声データ部分と文字とを対応付ければ足りる。例えば、「これからかえります」という音声認識結果が得られたとしたなら、「こ」の音声データ部分、「れ」の音声データ部分、「か」の音声データ部分、・・のごとく、一文字とその音声データとの対応がとれればよい。

例えば、「こ」の文字コード及び「こ」の音声データは、「○○五郎／ユーザ録音／○年○月○日／ミュージック歌合戦」の認識ファイル内で対のファイルとして保存され、また、それぞれのファイルにはデータ種の識別のために識別子が付される。「こ」の文字コードは、ユーザが文字列を作成する際の文字提示（或いは語句提示，図５参照）のために用いられ、「こ」の音声データは、作成された文字列に「こ」が含まれる音声ガイダンスの音声出力において用いられる。

なお、ユーザが、「これから」の一連部分を指定した場合に、ＣＰＵ２０９が「こ」「れ」「か」「ら」の複数音声データを一纏まりとして結合することにより、音声認識ファイル内に「これから」という語句（文字列）及びこれらに対応する音声データを存在させることもできる。勿論、辞書データを備えることにより、語句単位での音声認識が可能となる。

また、いわゆる電話音声認識システムにおいては、電話の音声の全てを文字データに変換するのではなく、音声認識の困難性に鑑み、あらかじめ用意したキーワードだけを探し出す（認識する）ことが行われている。本願発明においても、「します」、「できません」、「そうさ」、「めにゅー」、「でぃじたる」、「せってい」、「かーど」、「ください」といった語句（文字列）をキーワードとして登録しておき、これらに一致する認識結果だけに基づいて語句（文字列）及びこれらに対応する音声データを保存するようにしてもよい。

また、音声部分の途切れ（アナログ放送音声であれば判断することが可能）を認識することにより、音声（文）を分割することができる。例えば、「これからかえります」ではなく、「これから」「かえります」のごとく、分割して認識することが可能である。

なお、録音ファイルを再生して得た音声データ（非圧縮）を音声認識処理にかけることに限定するものではない。放送受信などで得られた音声データをリアルタイムで音声認識処理にかけることも可能である。また、字幕文データが得られる場合には、この字幕文データを参照して音声認識の精度を高めることもできる。例えば、音声認識結果が「今日駅で待ってて」であったとし、この音声認識結果を得た時点或いはその前後の所定時間の範囲において出力された字幕文データとして「東京駅で待ってて」が存在しているとする。ＣＰＵ２０９は、文字一致判定を実行することで、「駅で待ってて」において一致し、「今日」と「東京」とで不一致との判断結果を得る。ＣＰＵ２０９は、不一致部分について字幕文データで示される語句が正しいとして文字認識結果を修正する。

また、上記の例では、テレビタレントが五十音テーブルを提供する例を示したが、これに限らず、テレビタレントが、「します」、「できません」、「操作」、「メニュー」、「ディジタル」、「設定」、「カード」、「下さい」といった語句の音声データを提供することとしてもよい。

また、上記の例では、各イベントに対してどのような音声メッセージが現在選択されているかをユーザに提示したが、現在選択されている音声メッセージの提示を省いてもよい。すなわち、音声メッセージの設定が可能である各イベント（イベント内容）をユーザに提示するだけとしてもよい。

また、前記音声メッセージとなる文字列の読み上げにおいて、読み上げの速度調整等が行えるようにしておいてもよい。

また、上記の例では、携帯電話を例示したが、これに限るものではなく、車載型のテレビ受信装置、通信機能付きのカーナビゲーションシステム、レコーダやプレーヤ、据え置き型のテレビ受信装置として構成することができる。また、ディジタル放送受信に限らず、アナログ放送受信を行う装置としてもよい。データ登録のためには、アナログ音声をディジタル信号に変換する。

また、上記の例では、テンキーを用いて文字入力を行ったが、これに限るものではなく、例えば、比較的大きなディスプレイを有する場合には、その画面にキーボードを表示し、方向キーと決定キーの操作で文字を特定して入力が行えるようにしてもよい。勿論、キーボードを備える構成も採用できる。

ところで、固定的なデータとしての音声ガイドデータをハードディスクなどに記録する機器では、前記音声ガイドデータ（固定的データ）をファイルとして管理するファイルシステムを搭載している。アプリケーションソフトは、ファイルシステムが提供するＡＰＩ（アプリケーション・プログラミング・インターフェイス）を用いて、ハードディスにアクセスする。ファイルシステムは、アプリケーションソフトが読み書きをすることを許容する一般パーティションと、特殊操作によってのみ書き込みが可能でアプリケーションソフトは通常は読み出しかできない特殊パーティションとに分けてファイルを管理している。ただし、特殊パーティションでも、書き込み許可モードに変更すると書き込みは可能になる。従って、特殊パーティションに音声ガイドデータを書き込む時には、特殊パーティションを書き込み許可モードに変更した上でデータを書き込み、データを書き込んだ後に再び特殊パーティションを書き込み禁止にする手順を取ることとする。

この発明の実施形態の携帯電話（音声メッセージ出力装置）の構成を示したブロック図である。 この発明の実施形態の編集画面例を示した説明図である。 この発明の実施形態の編集画面例を示した説明図である。 この発明の実施形態の編集画面例を示した説明図である。 この発明の実施形態の編集画面例を示した説明図である。 この発明の実施形態の編集画面例を示した説明図である。 この発明の実施形態の編集画面例を示した説明図である。

符号の説明

２ 携帯電話
２０２ ＬＣＤパネル
２０５ グラフィックスコントローラ
２０７ ＬＣＤコントローラ
２０９ ＣＰＵ
２３０ 地上波ディジタルチューナ
２３１ 携帯電話部
２３２ 音声認識部

Claims (7)

1. 発生したイベントに応じた音声メッセージを選択して音声出力する音声メッセージ出力装置において、各イベントに対してどのような音声メッセージが現在選択されているかをユーザに提示するか又は音声メッセージの設定が可能であるイベントをユーザに提示する手段と、音声認識によって音声データから文字データ又は語句データを生成する手段と、生成された文字データ又は語句データとその生成の原因とされた音声データとを対応付ける手段と、前記生成された文字データ又は語句データに基づく文字又は語句をユーザ選択のために表示する手段と、ユーザにより選択された文字又は語句により文字列を生成する文字列生成手段と、生成された文字列に対する登録操作がユーザによりなされたかどうかを判断する手段と、前記登録操作がなされた場合には対応イベントに対して前記ユーザにより作成された文字列に基づく前記音声データの繋ぎ合わせによって音声出力がなされるように音声メッセージの変更登録を実行する手段と、を備えたことを特徴とする音声メッセージ出力装置。
2. 請求項１に記載の音声メッセージ出力装置において、前記音声データを、通信、放送受信、データ転送、装着されたメモリからの読出のいずれか一つ又は複数により取得するように構成されたことを特徴とする音声メッセージ出力装置。
3. 発生したイベントに応じた音声メッセージを選択して音声出力する音声メッセージ出力装置において、各イベントに対してどのような音声メッセージが現在選択されているかをユーザに提示するか又は音声メッセージの設定が可能であるイベントをユーザに提示する手段と、文字データ又は語句データに基づいて音声データを生成出力する音源手段と、音声認識によって音声データから文字データ又は語句データを生成する手段と、生成された文字データ又は語句データとその生成の原因とされた音声データとを対応付ける手段と、前記生成された文字データ又は語句データに基づく文字又は語句をユーザ選択のために表示する手段と、ユーザにより選択された文字又は語句により文字列を生成するか又はユーザによる文字又は語句の入力を受け付けて文字列を生成する文字列生成手段と、生成された文字列に対する登録操作がユーザによりなされたかどうかを判断する手段と、前記登録操作がなされた場合には対応イベントに対して前記ユーザにより作成された文字列に基づく前記音声データの繋ぎ合わせによって音声出力がなされるように音声メッセージの変更登録を実行する手段と、を備えたことを特徴とする音声メッセージ出力装置。
4. 請求項３に記載の音声メッセージ出力装置において、少なくとも４７種の音節の音声データが格納された五十音テーブルを前記音源手段として予め保持するか、又は該五十音テーブルをデータ通信、データ放送受信、データ転送、メモリ装着のいずれか一つ又は複数により後で保持できるように構成されており、前記文字列に基づく音声生成を前記五十音テーブルの音声データに基づいて行うことを特徴とする音声メッセージ出力装置。
5. 請求項４に記載の音声メッセージ出力装置において、前記五十音テーブルを少なくとも二以上保持し、ユーザによって選択された五十音テーブルを用いて前記文字列に基づく音声生成を行うことを特徴とする音声メッセージ出力装置。
6. 請求項４又は請求項５に記載の音声メッセージ出力装置において、各数字キーに一つ又は複数の文字が割り当てられたテンキーを備えており、前記テンキーを用いて文字入力が行えるように構成されていることを特徴とする音声メッセージ出力装置。
7. 請求項１乃至請求項６のいずれかに記載の音声メッセージ出力装置は携帯電話として構成されており、電話着信音及び／又はメール着信音を前記文字列に基づく音声生成によって出力することを特徴とする音声メッセージ出力装置。

Images