JP6830933B2 - 通信システム及び音声配信方法 - Google Patents

Description

本発明は、録音音声を聞くことができる通信システム、及び、音声配信方法に関する。

従来、あるユーザが録音した音声を後で視聴可能なサービスがあり、電話機における留守番電話サービスなどが最たるものであるといえる。現在においては、多くのユーザが自身の携帯端末（例えば、スマートフォン）を保持し、ネットワーク上の録音を視聴することができるサービスを利用している。また、特許文献１には、ある端末で録音した音声を、他の端末で再生することができる伝言通信システムが開示されている。

特開２０１１−２３４２８７号公報

ところで、各ユーザの端末に固有の情報を用いて録音を聴くシステムの場合、他のユーザは、録音されている音声を聴くことができない。例えば、あるユーザＡが何らかの災害に巻き込まれて、他のユーザＢに自身の無事を伝えるために録音メッセージを残したとする。この場合、ユーザＢは自身の端末から録音メッセージを聴いて、ユーザＡの無事を認識することができるものの、ユーザＡと親しいユーザＣはユーザＡの無事を認識することができないという問題があった。

そこで、本発明は上記問題に鑑みて成されたものであり、ユーザ固有の情報を用いて録音メッセージを聴くことができるシステムにおいて、他のユーザでもその録音メッセージを聴くことができる通信システム及び音声配信方法を提供することを目的とする。

上記課題を解決するために、本発明の一態様に係る通信システムは、録音されている音声の再生を要求する音声入力を受け付ける音声入力受付部と、音声入力受付部を介して受け付けた音声入力に基づく指示を、ユーザの電話番号を認証情報として、登録されている音声をユーザの端末に送信する音声サービスを実行する音声サービスサーバに送信する第１送信部と、音声サービスサーバから音声情報を受信する第１受信部と、第１受信部が受信した音声情報を出力する出力部と、を備える情報処理端末と、音声入力に基づく指示を受信する第２受信部と、情報処理端末を示す識別情報と、当該情報処理端末に対応付けられているユーザを示すユーザ情報とが対応付けられた対応情報と、ユーザ毎に対応付けて録音された音声情報を記憶する記憶部と、対応情報を参照して、第２受信部が受信した音声入力に基づく指示を送信した情報処理端末に対応付けられているユーザを特定する特定部と、特定したユーザに対応付けられた音声情報を記憶部から抽出する抽出部と、抽出部が抽出した音声情報を情報処理端末に送信する第２送信部と、を備える音声サービスサーバと、を備える。

上記課題を解決するために、本発明の一態様に係る音声配信方法は、情報処理端末と、登録されている音声をユーザの端末に送信する音声サービスを実行する音声サービスサーバとを含む通信システムにおける音声配信方法であって、音声サービスサーバは、情報処理端末を示す識別情報と、当該情報処理端末に対応付けられているユーザを示すユーザ情報とが対応付けられた対応情報と、ユーザ毎に対応付けて録音された音声情報を記憶する記憶部を備え、情報処理端末が、録音されている音声の再生を要求する音声入力を受け付ける音声入力受付ステップと、情報処理端末が、音声入力受付ステップにおいて受け付けた音声入力に基づく指示を、ユーザの電話番号を認証情報として、音声サービスサーバに送信する第１送信ステップと、音声サービスサーバが、音声入力に基づく指示を受信する第１受信ステップと、音声サービスサーバが、対応情報を参照して、第２受信ステップが受信した音声入力に基づく指示を送信した情報処理端末に対応付けられているユーザを特定する特定ステップと、音声サービスサーバが、特定したユーザに対応付けられた音声情報を記憶部から抽出する抽出ステップと、音声サービスサーバが、抽出ステップにおいて抽出した音声情報を情報処理端末に送信する第２送信ステップと、情報処理端末が、音声サービスサーバから音声情報を受信する第２受信ステップと、情報処理端末が、第２受信ステップが受信した音声情報を出力する出力ステップと、を含む。

上記通信システムにおいて、情報処理端末は、ユーザの端末から、音声サービスサーバへのアクセス要求を受け付けるアクセス要求受付部を更に備え、第１送信部は、アクセス要求を音声サービスサーバに送信し、第２受信部は、アクセス要求を受信し、第２送信部は、音声サービスサーバは、アクセス要求に基づいて認証情報の入力を要求する要求フォームを送信し、第１受信部は、要求フォームを受信し、第１送信部は、要求フォームをユーザの端末に送信し、ユーザの端末は、アクセス要求をユーザから受け付ける入力部と、アクセス要求を情報処理端末に送信する第３送信部と、要求フォームを受信する第３受信部と、要求フォームに対して入力部を介してユーザから認証情報を受け付け、第３送信部は、認証情報を情報処理端末に送信し、第１受信部は、認証情報を受信し、第１送信部は、認証情報を、音声サービスサーバに送信し、第２受信部は、認証情報を受信し、音声サービスサーバは、音声サービスサーバは、ユーザを示す識別情報と、情報処理端末とを、対応付けて対応情報に登録する登録部を備えることとしてもよい。

上記通信システムにおいて、認証情報は、ユーザの端末の電話番号であることとしてもよい。

上記通信システムにおいて、音声サービスサーバは、情報処理端末に対して、登録を行ったユーザに対応付けられた音声情報にアクセスするアクセス権を発行する発行部を備え、第２送信部は、アクセス権を情報処理端末に送信し、第１受信部は、アクセス権を受信し、情報処理端末は、アクセス権を、音声サービスサーバを利用するためのアプリケーションに付与することとしてもよい。

上記通信システムにおいて、入力部は、複数のユーザの端末の連絡先の入力を受け付け、第３送信部は、複数のユーザの端末の連絡先を情報処理端末に送信し、第１受信部は、複数のユーザの端末の連絡先を受信し、第１送信部は、複数のユーザの端末の連絡先を音声サービスサーバに送信し、登録部は、対応情報において、ユーザを示す識別情報に対応付けて、複数のユーザの端末の連絡先を登録し、音声サービスサーバは、ユーザに対応付けて、新たな音声が記憶されると、当該ユーザに対応付けられた１以上のユーザの連絡先に対して、音声が記憶されたことを示す情報を通知する通知部を備えることとしてもよい。

本発明の一態様に係る通信システムにおいては、ユーザの端末以外に、情報処理端末も、音声サービスサーバに登録された音声を報知することができる。

通信システムの構成例を示す図である。 音声サービスサーバの構成例を示すブロック図である。 情報処理端末の構成例を示すブロック図である。 携帯端末の構成例を示すブロック図である。 ユーザ音声情報の構成例を示すデータ概念図である。 通信システムにおけるユーザ登録時のやり取りを示すシーケンス図である。 通信システムにおいて、音声が登録される際のやり取りを示すシーケンス図である。 音声サービスサーバのユーザ登録を行う際の動作を示すフローチャートである。 音声サービスサーバの、音声が登録された際の動作を示すフローチャートである。 情報処理装置の動作を示すフローチャートである。

＜実施形態＞
本発明の一実施形態について、図面を参照しながら説明する。

本発明に係る音声サービスサーバ１００は、図１に示すように、音声サービスサーバ１００と、情報処理端末２００とを含み、ネットワーク３００を介して互いに通信可能に接続されている。また、音声サービスサーバ１００には、音声サービスサーバ１００が提供するサービスを利用するユーザ１０ａ、１０ｂ、１０ｃを含んでよく、それぞれのユーザは自身の携帯端末４００ａ、４００ｂ、４００ｃを保持している。各携帯端末４００ａ、４００ｂ、４００ｃは、音声サービスサーバ１００及び情報処理端末２００と、ネットワーク３００を介して、もしくは、ネットワーク３００を介さず直接に、通信可能に接続されている。

従来の通信システムにおいては、一人のユーザに対して録音されたメッセージは、その一人のユーザのみが自身の携帯端末を用いてしか聞くことができなかった。これは、ユーザの携帯端末に紐づけられた電話番号を認証用の情報として用いているためである。これに対して、本実施の形態においては、その一人のユーザ以外のユーザでも録音されたメッセージを聴くことができる。

本実施の形態に係る通信システム１によれば、あるユーザ１０ａ（例えば、父親）が、何らかの災害に巻き込まれたとする。このような場合に、何らかの連絡を知り合いのユーザ１０ｂ（例えば、母親）に対して、自身の無事を伝えるべくメッセージを残すことが考えられる。例えば、図１においては、ユーザ１０ａが、自身の携帯端末４００ａから、ユーザ１０ｂに対して、「ママへ 無事です。○○体育館に避難しています。」というメッセージを残したとする。当該メッセージは、例えば、メッセージを管理する音声サービスサーバ１００に記録される。

すると、音声サービスサーバ１００からユーザ１０ｂの携帯端末４００ｂに対して、録音がある旨を通知する。この通知を受けて、ユーザ１０ｂは、自身の携帯端末４００ｂを用いて、音声サービスサーバ１００にアクセスして、録音されている音声メッセージを聴くことができる。

一方で、音声サービスサーバ１００は、ユーザ１０ｃの携帯端末４００ｃに対しても、ユーザ１０ｂに対する録音がある旨を通知する。この通知を受けて、ユーザ１０ｂは、情報処理端末２００に音声の内容の教示を依頼する。例えば、図１に示すように、ユーザ１０ｃがユーザ１０ｂの子供である場合に、「ママの録音教えて？」と音声による指示を出す。すると、情報処理端末２００は、その内容をネットワーク３００を介して、音声サービスサーバ１００に対して送信する。すると、音声サービスサーバ１００は、ユーザ１０ｂに対して登録されている録音を特定し、情報処理端末２００に送信する。

すると、情報処理端末２００は、受信した録音の音声を再生する。これによって、ユーザ１０ｂではないユーザ１０ｃであっても、ユーザ１０ｂに対してなされた録音の内容を聴くことができる。これによって、ユーザ１０ｃもユーザ１０ａの状態を認識することができるようになる。

以下、このような処理を実現するための通信システム１の構成について詳細に説明する。

（システム構成）
図１に示すように、通信システム１は、音声サービスサーバ１００と情報処理端末２００とを含む。音声サービスサーバ１００は、情報処理端末２００と、ネットワーク３００を介して互いに通信可能に接続されている。また、通信システム１において、各ユーザの携帯端末４００ａ、４００ｂ、４００ｃもネットワーク３００に接続可能であり、音声サービスサーバ１００と通信可能に接続されている。

音声サービスサーバ１００は、ユーザ毎に、当該ユーザに対して依頼された録音音声を記録し、要求があった場合に、その録音音声を送信するサービスを行う機能を有するサーバ装置である。音声サービスサーバ１００は、例えば、ＰＣ、コンピュータシステム、サーバ装置などにより実現することができるが、これらに限定するものではない。

情報処理端末２００は、ユーザに対して音声による報知ができるものであれば、どのようなものあってもよく、例えば、スマートスピーカー、ＡＩスピーカー等により実現することができるが、これらに限定するものではない。

携帯端末４００（４００ａ、４００ｂ、４００ｃ）は、ユーザが保有する端末装置であり、例えば、携帯電話機、スマートフォン等により実現することができるが、音声サービスサーバ１００と通信ができれば、他の装置であってもよく、例えば、ＰＣ、タブレット端末などであってもよい。

ネットワーク３００は、音声サービスサーバ１００と各種の機器との間を相互に接続させるためのネットワークであり、例えば、無線ネットワークや有線ネットワークである。具体的には、ネットワーク３００は、ワイヤレスＬＡＮ（ｗｉｒｅｌｅｓｓ ＬＡＮ：ＷＬＡＮ）や広域ネットワーク（ｗｉｄｅ ａｒｅａ ｎｅｔｗｏｒｋ：ＷＡＮ）、ＩＳＤＮｓ（ｉｎｔｅｇｒａｔｅｄ ｓｅｒｖｉｃｅ ｄｉｇｉｔａｌ ｎｅｔｗｏｒｋｓ）、無線ＬＡＮｓ、ＬＴＥ（ｌｏｎｇ ｔｅｒｍ ｅｖｏｌｕｔｉｏｎ）、ＬＴＥ−Ａｄｖａｎｃｅｄ、第４世代（４Ｇ）、第５世代（５Ｇ）、ＣＤＭＡ（ｃｏｄｅ ｄｉｖｉｓｉｏｎ ｍｕｌｔｉｐｌｅ ａｃｃｅｓｓ）、ＷＣＤＭＡ（登録商標）、イーサネット（登録商標）などである。

また、ネットワーク３００は、これらの例に限られず、例えば、公衆交換電話網（Ｐｕｂｌｉｃ Ｓｗｉｔｃｈｅｄ Ｔｅｌｅｐｈｏｎｅ Ｎｅｔｗｏｒｋ：ＰＳＴＮ）やブルートゥース（Ｂｌｕｅｔｏｏｔｈ（登録商標））、ブルートゥースローエナジー（Ｂｌｕｅｔｏｏｔｈ Ｌｏｗ Ｅｎｅｒｇｙ）、光回線、ＡＤＳＬ（Ａｓｙｍｍｅｔｒｉｃ Ｄｉｇｉｔａｌ Ｓｕｂｓｃｒｉｂｅｒ Ｌｉｎｅ）回線、衛星通信網などであってもよく、どのようなネットワークであってもよい。ネットワーク３００は、ユーザの住居に備えられる場合には、ホームネットワークと呼称されることもある。

また、ネットワーク３００は、例えば、ＮＢ−ＩｏＴ（Ｎａｒｒｏｗ Ｂａｎｄ ＩｏＴ）や、ｅＭＴＣ（ｅｎｈａｎｃｅｄ Ｍａｃｈｉｎｅ Ｔｙｐｅ Ｃｏｍｍｕｎｉｃａｔｉｏｎ）であってもよい。なお、ＮＢ−ＩｏＴやｅＭＴＣは、ＩｏＴ向けの無線通信方式であり、低コスト、低消費電力で長距離通信が可能なネットワークである。

また、ネットワーク３００は、これらの組み合わせであってもよい。また、ネットワーク３００は、これらの例を組み合わせた複数の異なるネットワークを含むものであってもよい。例えば、ネットワーク３００は、ＬＴＥによる無線ネットワークと、閉域網であるイントラネットなどの有線ネットワークとを含むものであってもよい。

（音声サービスサーバ１００の構成例）
図２は、音声サービスサーバ１００の構成例を示すブロック図である。図２に示すように、音声サービスサーバ１００は、例えば、受信部１１０と、記憶部１２０と、制御部１３０と、送信部１４０と、を備える。

受信部１１０は、ネットワーク３００を介して、各種の情報処理装置（携帯端末４００）から音声情報を受信したり、ユーザの携帯端末４００から音声の配信を情報処理端末２００に対して設定するための要求を受け付けたりする通信インターフェースである。受信部１１０は、録音音声の登録要求に係る情報や、音声の配信を情報処理端末２００に対して設定するための要求情報を受信すると、制御部１３０に伝達する。

記憶部１２０は、音声サービスサーバ１００が動作するうえで必要とする各種プログラムや各種データを記憶する機能を有する。記憶部１２０は、例えば、ＨＤＤ、ＳＳＤ、フラッシュメモリなど各種の記憶媒体により実現される。なお、音声サービスサーバ１００は、プログラムを記憶部１２０に記憶し、当該プログラムを実行して、制御部１３０が、当該制御部１３０に含まれる各部としての処理を実行してもよい。当該プログラムは、音声サービスサーバ１００に、制御部１３０が実行する各機能を実現させる。記憶部１２０は、録音音声の登録要求を受け付けて、その録音音声を、対応するユーザに対応付けて記憶するプログラムや、ユーザから登録されている録音音声の配信要求を受けて、配信するプログラムや、録音音声の配信先として情報処理端末２００を登録するためのプログラムを記憶している。記憶部１２０は、ユーザ音声情報１２１を記憶している。ユーザ音声情報１２１の詳細については後述する。また、記憶部１２０は、ユーザ音声情報１２１とは別に、ユーザＩＤと電話番号とを対応付けた情報を保持している。

制御部１３０は、音声サービスサーバ１００の各部を制御するものであり、例えば、中央処理装置（ＣＰＵ）やマイクロプロセッサ、ＡＳＩＣ、ＦＰＧＡなどであってもよい。なお、制御部１３０は、これらの例に限られず、どのようなものであってもよい。

制御部１３０は、ユーザ登録部１３１と、音声登録部１３２と、特定部１３３と、抽出部１３４と、音声配信部１３５とを備える。

ユーザ登録部１３１は、ユーザ登録を行う機能を有する。ここでいうユーザ登録とは、どのユーザに対して成された録音を登録するのか、その録音を聴くことができるユーザ（機器）が誰であるかを、ユーザの携帯端末４００と通信することによる登録する。また、ユーザ登録部１３１は、その際に、ユーザ本人の携帯端末４００以外の機器でもその録音を聴くことができるようにするために、当該携帯端末４００以外の機器の認証処理も実行する。

音声登録部１３２は、ユーザの携帯端末４００から、ユーザに対する音声の登録の要求を受け付けて、当該ユーザに対応付けて、録音音声を、記憶部１２０のユーザ音声情報１２１に記憶する。

特定部１３３は、音声入力を送信した情報処理端末２００に対応付けられているユーザであって、音声入力により特定されるユーザを、ユーザ音声情報１２１を参照して特定する機能を有する。ここで、音声入力を送信した情報処理端末２００とは、ユーザから音声による指示を受け付けた場合に、その指示の内容を送信した情報処理端末２００のことをいう。なお、情報処理端末２００は、音声サービスサーバ１００に対して直接音声入力を送信してもよいし、他の装置（例えば、音声を解析する装置）を介しても送信することとしてもよい。

抽出部１３４は、特定部１３３が特定したユーザに対応付けられている録音音声を、記憶部１２０（ユーザ音声情報１２１）から抽出する機能を有する。

音声配信部１３５は、抽出部１３４が抽出した音声を、音声入力を送信した情報処理端末に対して、送信部１４０に配信する（送信する）よう指示する機能を有する。

送信部１４０は、制御部１３０（音声配信部１３５）からの指示に従って、情報処理端末２００に録音音声を送信する機能を有する通信インターフェースである。

以上が、音声サービスサーバ１００の構成例である。

（情報処理端末２００の構成例）
図３は、情報処理端末２００の構成例を示すブロック図である。情報処理端末２００は、受信部２１０と、記憶部２２０と、スピーカー２３０と、マイク２４０と、送信部２５０と、を備える。

受信部１１０は、音声サービスサーバ１００から、音声情報を、ネットワーク３００を介して受信する機能を有する通信インターフェースである。受信部１１０は、受信した音声情報を、記憶部２２０又はスピーカー２３０に伝達する。

記憶部２２０は、情報処理端末２００が動作上必要とする各種プログラム、データを記憶する機能を有する。記憶部２２０は、例えば、例えば、ＨＤＤ、ＳＳＤ、フラッシュメモリなど各種の記憶媒体により実現される。記憶部２２０は、例えば、音声サービスサーバ１００から配信された音声情報を記憶する。

スピーカー２３０は、音声サービスサーバ１００から送信された音声情報に基づく音声を報知する。

マイク２４０は、周囲の音、ユーザが発した音声を集音するマイクである。マイク２４０は、集音した音を、デジタル信号に変換して、送信部２５０に、音声サービスサーバ１００に送信するように指示する。

送信部２５０は、マイク２４０から伝達された音声を示すデジタル信号を、ネットワーク３００を介して、音声サービスサーバ１００に送信する機能を有する通信インターフェースである。

以上が、情報処理端末２００の構成の説明である。

（携帯端末４００（４００ａ、４００ｂ、４００ｃ）の構成例）
図４は、携帯端末４００の構成例を示すブロック図である。携帯端末４００は、受信部４１０と、記憶部４２０と、入力部４３０と、出力部４４０と、送信部４５０と、制御部４６０とを備える。

受信部４１０は、音声サービスサーバ１００を含む他の装置から、ネットワーク３００を介して情報を受信する機能を有する通信インターフェースである。受信部１１０は、受信した情報を、制御部４６０に伝達する。

記憶部４２０は、携帯端末４００が動作上必要とする各種プログラム、データを記憶する機能を有する。記憶部２２０は、例えば、ＨＤＤ、ＳＳＤ、フラッシュメモリなど各種の記憶媒体により実現される。

入力部４３０は、ユーザからの入力を受け付ける機能を有する。入力部３２０は、例えば、タッチパネルにより実現することができるが、タッチパネルに限定するものではない。入力部４３０は、ユーザから受け付けた入力内容を制御部４６０に伝達する。入力部４３０は、音声による入力を受け付けるものであってもよく、その場合、入力部４３０は、マイクロフォンにより実現することができる。

出力部４４０は、制御部４６０からの指示にしたがって、情報を出力する機能を有する。出力部４４０は、例えば、モニターやスピーカー等により実現することができる。出力部４４０は、モニターである場合には、文字や画像により、情報を出力し、スピーカーである場合には、音声により情報を出力することができる。出力部４４０は、例えば、音声サービスサーバ１００から伝達された音声情報に基づく音声を出力することができる。

送信部４５０は、制御部４６０からの指示にしたがって、指定された情報を、指定先の機器等に、送信する機能を有する通信インターフェースである。送信部４５０は、例えば、音声サービスサーバ１００にユーザ登録（情報処理端末２００の登録）をする際に、認証情報を送信する。当該認証情報は、ユーザから受け付けた認証用の情報としての携帯端末４００の電話番号を含み、その他に、通信システム１上での携帯端末４００を保持するユーザのユーザＩＤや、当該ユーザに対する録音があった場合に、その録音があったことを通知する関連連絡先の情報も含まれてよい。

制御部４６０は、携帯端末４００の各部を制御するものであり、例えば、中央処理装置（ＣＰＵ）やマイクロプロセッサ、ＡＳＩＣ、ＦＰＧＡなどであってもよい。なお、制御部４６０は、これらの例に限られず、どのようなものであってもよい。制御部４６０は、入力部４３０から入力されたユーザの指示に従って、指示内容に沿った処理を実行する。また、制御部４６０は、受信部４１０から伝達された情報の処理を実行する。

以上が、携帯端末４００の構成の説明である。

（ユーザ音声情報１２１の構成例）
図５は、音声サービスサーバ１００の記憶部１２０に記憶されているユーザ音声情報１２１の構成例を示すデータ概念図である。図５に示すように、ユーザ音声情報１２１は、ユーザＩＤ５０１と、電話番号５０２と、関連連絡先５０３と、機器ＩＤ５０４と、音声メッセージ５０５とが対応付けられた情報である。

ユーザＩＤ５０１は、通信システム１を利用する各ユーザを、音声サービスサーバ１００が認識するための識別情報である。

電話番号５０２は、対応するユーザＩＤ５０１が示すユーザが保持する携帯端末４００の電話番号を示す情報である。

関連連絡先５０３は、対応するユーザＩＤ５０１に対して音声メッセージ５０５が登録された場合に、音声メッセージが登録された旨を通知する連絡先を示す情報である。関連連絡先５０３には、例えば、電話番号やメールアドレスが登録される。音声メッセージが登録された旨の通知は、音声、メールのいずれで実行されてもよい。なお、電話番号が登録されている場合であってメールにより通知を行う場合、電話番号を利用したショートメッセージサービスにより通知を行うことができる。また、メールアドレスが登録されている場合であって音声により通知を行う場合、ＶＯＩＰ（Voice Over Internet Protocol）通信により通知を行うことができる。

機器ＩＤ５０４は、音声メッセージ５０５で示される音声の送信先として、ユーザＩＤ５０１で示されるユーザの携帯端末４００以外の機器を指定する場合の機器を一意に特定可能な識別情報である。機器ＩＤ５０４には、ここでは、情報処理端末２００のＩＤ（もしくは、情報処理端末２００に対して付与したアクセストークンの情報）が登録される。

音声メッセージ５０５は、ユーザＩＤ５０１に対して、他のユーザが残した録音の音声を示す情報である。これは、音声のデジタルデータそのものであってもよいし、当該デジタルデータを示す識別情報であってもよい。

ユーザ音声情報１２１があることにより、音声サービスサーバ１００は、録音の配信先として、ユーザの携帯端末４００以外の機器への配信も可能となる。

（通信システム１の動作）
図６は、通信システム１において、ユーザ登録をする際の、各装置間のやり取りの様子を示すシーケンス図である。ここでいうユーザ登録は、情報処理端末２００に対する録音音声の配信を可能とするための登録であり、言い換えれば、情報処理端末２００の登録処理であるともいえる。

図６に示すように、ユーザは、自身の携帯端末４００から、認証ページへのアクセス要求を情報処理端末２００に送信する（ステップＳ６０１）。

情報処理端末２００は、アクセス要求を受信すると、そのアクセス要求を音声サービスサーバ１００に送信する（ステップＳ６０２）。

音声サービスサーバ１００は、情報処理端末２００を経由して、携帯端末４００からの認証ページへのアクセス要求を受信すると、認証ページの情報を、携帯端末４００に送信する（ステップＳ６０３）。

携帯端末４００は、認証ページの情報を受信すると、当該情報を表示する。ユーザは、認証ページの内容を確認して、必要となる各種の情報を入力する。当該情報には、ユーザ自身の携帯端末４００の電話番号が含まれる。なお、携帯端末４００は、この認証を行う際には、自動で必要な情報が、音声サービスサーバ１００に送信されるように構成して、ユーザによる入力の手間を省くこととしてもよい。携帯端末４００は、入力された認証情報を、音声サービスサーバ１００に送信する（ステップＳ６０４）。

音声サービスサーバ１００は、認証情報を受け付けて認証を実行し、アクセストークンを発行する（ステップＳ６０５）。アクセストークンは、音声サービスサーバ１００へのアクセス許可を与えるものであり、保持していることにより、音声サービスサーバ１００が提供するサービスを享受することができる権利であるということができる。音声サービスサーバ１００は、発行したアクセストークンを、携帯端末４００からのアクセス要求を中継した情報処理端末２００に対して送信する（ステップＳ６０６）。

情報処理端末２００は、アクセストークンを受信すると、これを記憶する（ステップＳ６０７）。これにより、以降、情報処理端末２００は、携帯端末４００のユーザに対して成された録音の情報を、音声サービスサーバ１００から取得して報知することができるようになる。

次に、音声サービスサーバ１００に音声が登録された場合の通信システム１の動作を説明する。図７は、通信システム１において、音声が登録された際の、各装置間のやり取りの様子を示すシーケンス図である。図７においては、図１に示したように、ユーザ１０ａがユーザ１０ｂに対して録音の伝言をする場合の例を示している。

図７に示すように、携帯端末４００ａは、ユーザ１０ａからの入力を受け付けて、ユーザ１０ｂに対するストレージに録音音声を登録する。即ち、携帯端末４００ａは、ユーザから受け付けた音声を、音声サービスサーバ１００にユーザ１０ｂに対応付けて記憶する要求と共に送信する（ステップＳ７０１）。

当該要求を受け付けた音声サービスサーバ１００は、ユーザ１０ｂに対する音声として、ユーザ音声情報１２１に登録する。そして、音声サービスサーバ１００はその際に、対応する関連連絡先を特定する（ステップＳ７０２）。

関連連絡先を特定すると、その１以上の関連連絡先に宛てて、音声サービスサーバ１００は、音声が登録されたことを通知する（ステップＳ７０３）。ここでは、関連連絡先として、携帯端末４００ａ、４００ｂ、４００ｃとが登録されていたとする。したがって、音声サービスサーバ１００は、音声の登録がされたことを、携帯端末４００ａ、４００ｂ、４００ｃに通知する。

この通知を受信すると、携帯端末４００ｂや携帯端末４００ｃのユーザ１０ｂやユーザ１０ｃは、ユーザ１０ｂに対する録音があることを認識する。このとき、ユーザ１０ｂは自身の携帯端末４００ｂから音声サービスサーバ１００にアクセスして録音音声を聴くことができる。一方、ユーザ１０ｃは自身の携帯端末４００ｃからでは、ユーザ１０ｂに対する録音音声を聴くことはできない。

そこで、ユーザ１０ｃは、情報処理端末２００に対して、音声でユーザ１０ｂに対する録音音声の再生を指示し、情報処理端末２００は、当該音声入力を受け付ける（ステップＳ７０４）。すると、情報処理端末２００は、ユーザ１０ｂの録音音声の要求を、記憶しているアクセストークンとともに、音声サービスサーバ１００に送信する（ステップＳ７０５）。

音声サービスサーバ１００は、当該要求を受け付けて、ユーザ１０ｂに対する録音音声を再生する権限であるアクセストークンが付与されていることを確認して、情報処理端末２００に対して、ユーザ１０ｂに対して録音されている録音音声を、送信する（ステップＳ７０６）。

情報処理端末２００は、録音音声を受信すると、その録音音声を再生（出力）する（ステップＳ７０７）。これにより、ユーザ１０ｂに関係の近い他のユーザも情報処理端末２００を介して、ユーザ１０ｂに対するメッセージを聴くことができる。したがって、例えば、ユーザ１０ｂと近しい、ユーザ１０ａからのメッセージを、同様にユーザ１０ｂと近しい、ユーザ１０ｃも聞くことができる。

（音声サービスサーバ１００の動作例）
図８は、図６における動作を実現するための音声サービスサーバ１００の動作例を示すフローチャートである。図８は、音声サービスサーバ１００において、情報処理端末２００が、あるユーザに対してされた録音音声の再生を可能とするようにするための処理を示している。図８に示す処理は、音声サービスサーバ１００が、情報処理端末２００または携帯端末４００から信号を受信した際の動作である。

図８に示すように、音声サービスサーバ１００のユーザ登録部１３１は、情報処理端末２００を介して、携帯端末４００からの認証ページへのアクセス要求を受信したか否かを判定する（ステップＳ８０１）。認証ページへのアクセス要求を受信していない場合には（ステップＳ８０１のＮＯ）、ステップＳ８０３の処理に移行する。

認証ページへのアクセス要求を受信していた場合には（ステップＳ８０１のＹＥＳ）、ユーザ登録部１３１は、送信部１４０に、認証ページの情報を、携帯端末４００に送信し（ステップＳ８０２）、処理を終了する。

一方で、音声サービスサーバ１００のユーザ登録部１３１は、携帯端末４００から、認証情報を受け付けたか否かを判定する（ステップＳ８０３）。

認証情報を受け付けていた場合に（ステップＳ８０３のＹＥＳ）、ユーザ登録部１３１は、受信した認証情報に含まれる情報に基づいて認証を実行する。具体的には、認証情報に含まれるユーザＩＤと電話番号の情報とが、予め記憶部１２０に記憶されている情報と同一であるかどうかに基づいて認証を行う。そして、ユーザ登録部１３１は、認証に成功するとアクセストークンを発行する（ステップＳ８０４）。その後に、ユーザ登録部１３１は、発行したアクセストークンを、認証ページへのアクセス要求を送信した情報処理端末２００に送信する（ステップＳ８０５）。

また、ユーザ登録部１３１は、認証情報で示されるユーザＩＤと、電話番号と、関連連絡先を、ユーザ音声情報１２１に追加登録することで更新し（ステップＳ８０６）、処理を終了する。なお、認証情報を受け付けていない場合には（ステップＳ８０３のＮＯ）、処理を終了する。

これにより、音声サービスサーバ１００は、ユーザＩＤに対応するユーザの携帯端末４００以外に、情報処理端末２００に対しても録音音声を送信することができる。これにより、ユーザＩＤに対応するユーザ以外でも、録音音声を聴くことができる。

図９は、図７に示すやり取りを実現するための音声サービスサーバ１００の動作を示すフローチャートである。

音声サービスサーバ１００は、ユーザの携帯端末４００等から、音声の録音の依頼があるとする。当該依頼を受けて、音声サービスサーバ１００の音声登録部１３２は、送信されてきた音声を、ユーザの携帯端末４００から指定されたユーザに対応付けて、ユーザ音声情報１２１に登録する。

音声サービスサーバ１００の制御部１３０は、新たな録音音声の登録があるか否かを判定する（ステップＳ９０１）。特定部１３３は、新たな録音音声があると判定した場合に（ステップＳ９０１のＹＥＳ）、その録音音声が登録された音声メッセージ５０５に対応するユーザ音声情報１２１のユーザＩＤ５０１を特定する（ステップＳ９０２）。

特定部１３３は、特定したユーザＩＤ５０１に対応する関連連絡先５０３を特定する（ステップＳ９０３）。そして、特定部１３３は、特定した関連連絡先に対して、ステップＳ９０２において特定したユーザに対する録音がある旨を通知するよう、送信部１４０に指示する。送信部１４０は、当該指示に基づき、指定された各関連連絡先５０３を宛先とした、録音がある旨を示すメッセージを送信する（ステップＳ９０４）。

一方、新たな録音音声の登録がない場合（ステップＳ９０１のＮＯ）であって、録音音声の送信依頼を受け付けているか否かを判定する（ステップＳ９０５）。当該送信依頼には、どのユーザの録音音声を要求しているのかを示す情報を含む。録音音声の送信依頼を受け付けている場合には（ステップＳ９０５のＹＥＳ）、音声配信部１３５は、録音音声を要求してきた機器がユーザ自身の携帯端末４００である場合には、その電話番号がサービス上で登録されている電話番号と一致している場合に、録音音声を送信する（ステップＳ９０６）。また、録音音声の要求を送信する機器が情報処理端末２００である場合に、録音音声を要求する音声を解析して、当該要求とともに送信されてきたアクセストークンが、音声サービスサーバ１００が付与したアクセストークンである場合に、指定されているユーザに対して登録されている録音音声を、情報処理端末２００に送信する（ステップＳ９０６）。なお、録音音声の送信依頼を受けて付けていない場合には（ステップＳ９０５のＮＯ）、ステップＳ９０１の処理に戻る。

これにより、情報処理端末２００も音声サービスサーバ１００が保持するユーザの録音音声を取得して報知することができる。

図１０は、情報処理端末２００の動作を示すフローチャートである。情報処理端末２００のマイク２４０がユーザからの音声指示を受け付けたか否かを判定する（ステップＳ１００１）。これは、例えば、マイク２４０が集音した音声の中に、人間の音声の周波数領域の音が含まれているか否かによって行うことができる。

ユーザからの音声指示があった場合に（ステップＳ１００１のＹＥＳ）、送信部２５０は、音声指示内容を音声サービスサーバ１００に送信する（ステップＳ１００２）。

一方、ユーザからの音声指示がない場合であって（ステップＳ１００１のＮＯ）、ステップＳ１００３の処理に進む。録音音声を受信部２１０が受信しているときには（ステップＳ１００３のＹＥＳ）、スピーカー２３０は、受信した録音音声に基づく音声を報知する（ステップＳ１００４）。録音音声を受信していない場合には（ステップＳ１００３のＮＯ）、ステップＳ１００１に戻る。

これにより、情報処理端末２００が、録音音声を報知することができる。

（補足）
上記実施形態に係る装置は、上記実施形態に限定されるものではなく、他の手法により実現されてもよいことは言うまでもない。以下、各種変形例について説明する。

（１）上記実施形態においては、音声サービスサーバ１００は、関連連絡先５０３は、認証情報に含まれる情報に基づいて登録することとしているが、関連連絡先５０３の登録は別途行うこととしてもよい。

（２）上記実施の形態においては、情報処理端末２００から音声サービスサーバ１００から直接、録音音声の送信要求を送信する態様としているが、これはその限りではない。情報処理端末２００は、ユーザの音声入力が有った場合に、音声認識をする認識サーバに一端その音声を送信し、その音声の内容が録音音声を要求するものであると解析された場合に、当該認識サーバから音声サービスサーバ１００に、録音音声を要求する情報を送信するように構成してもよい。

（３）上記実施の形態においては、情報処理端末２００の一実現例としてスマートスピーカー（ＡＩスピーカー）を例に説明したが、これはその限りではない。ユーザの音声を集音する機能、音声を出力する機能が搭載され、通信機能を有している機器であればどのような機器であってもよく、例えば、ロボットなどであってもよい。

（４）本開示の各実施形態のプログラムは、コンピュータに読み取り可能な記憶媒体に記憶された状態で提供されてもよい。記憶媒体は、「一時的でない有形の媒体」に、プログラムを記憶可能である。記憶媒体は、ＨＤＤやＳＤＤなどの任意の適切な記憶媒体、またはこれらの２つ以上の適切な組合せを含むことができる。記憶媒体は、揮発性、不揮発性、または揮発性と不揮発性の組合せでよい。なお、記憶媒体はこれらの例に限られず、プログラムを記憶可能であれば、どのようなデバイスまたは媒体であってもよい。

なお、音声サービスサーバ１００は、例えば、記憶媒体に記憶されたプログラムを読み出し、読み出したプログラムを実行することによって、各実施形態に示す複数の機能部の機能を実現することができる。また、当該プログラムは、任意の伝送媒体（通信ネットワークや放送波等）を介して、音声サービスサーバ１００に提供されてもよい。音声サービスサーバ１００は、例えば、インターネット等を介してダウンロードしたプログラムを実行することにより、各実施形態に示す複数の機能部の機能を実現する。

なお、当該プログラムは、例えば、ＡｃｔｉｏｎＳｃｒｉｐｔ、ＪａｖａＳｃｒｉｐｔ(登録商標)などのスクリプト言語、Ｏｂｊｅｃｔｉｖｅ―Ｃ、Ｊａｖａ(登録商標)などのオブジェクト指向プログラミング言語、ＨＴＭＬ５などのマークアップ言語などを用いて実装できる。

音声サービスサーバ１００における処理の少なくとも一部は、１以上のコンピュータにより構成されるクラウドコンピューティングにより実現されていてもよい。また、音声サービスサーバ１００の各機能部は、上記実施形態に示した機能を実現する１または複数の回路によって実現されてもよく、１の回路により複数の機能部の機能が実現されることとしてもよい。

（５）本開示の実施形態を諸図面や実施例に基づき説明してきたが、当業者であれば本開示に基づき種々の変形や修正を行うことが容易であることに注意されたい。従って、これらの変形や修正は本開示の範囲に含まれることに留意されたい。例えば、各手段、各ステップ等に含まれる機能等は論理的に矛盾しないように再配置可能であり、複数の手段やステップ等を１つに組み合わせたり、或いは分割したりすることが可能である。また、各実施形態に示す構成を適宜組み合わせることとしてもよい。

１ 通信システム
１００ 音声サービスサーバ
１１０ 受信部
１２０ 記憶部
１２１ ユーザ音声情報
１３０ 制御部
１３１ ユーザ登録部
１３２ 音声登録部
１３３ 特定部
１３４ 抽出部
１３５ 音声配信部
１４０ 送信部
２００ 情報処理装置（スマートスピーカー）
２１０ 受信部
２２０ 記憶部
２３０ スピーカー
２４０ マイク
２５０ 送信部
４００、４００ａ、４００ｂ、４００ｃ 携帯端末
４１０ 受信部
４２０ 記憶部
４３０ 入力部
４４０ 出力部
４５０ 送信部
４６０ 制御部

Claims (6)

1. 録音されている音声の再生を要求する音声入力を受け付ける音声入力受付部と、
   前記音声入力受付部を介して受け付けた前記音声入力に基づく指示を、ユーザの電話番号を認証情報として、登録されている音声をユーザの端末に送信する音声サービスを実行する音声サービスサーバに送信する第１送信部と、
   前記音声サービスサーバから音声情報を受信する第１受信部と、
   前記第１受信部が受信した音声情報を出力する出力部と、を備える情報処理端末と、
   前記音声入力に基づく指示を受信する第２受信部と、
   情報処理端末を示す識別情報と、当該情報処理端末に対応付けられているユーザを示すユーザ情報とが対応付けられた対応情報と、ユーザ毎に対応付けて録音された音声情報を記憶する記憶部と、
   前記対応情報を参照して、前記第２受信部が受信した音声入力に基づく指示を送信した情報処理端末に対応付けられているユーザを特定する特定部と、
   前記特定したユーザに対応付けられた音声情報を前記記憶部から抽出する抽出部と、
   前記抽出部が抽出した音声情報を前記情報処理端末に送信する第２送信部と、を備える音声サービスサーバと、
   を備える通信システム。
2. 前記情報処理端末は、
   前記ユーザの端末から、前記音声サービスサーバへのアクセス要求を受け付けるアクセス要求受付部を更に備え、
   前記第１送信部は、前記アクセス要求を前記音声サービスサーバに送信し、
   前記第２受信部は、前記アクセス要求を受信し、
   前記第２送信部は、前記音声サービスサーバは、前記アクセス要求に基づいて認証情報の入力を要求する要求フォームを送信し、
   前記第１受信部は、前記要求フォームを受信し、
   前記第１送信部は、前記要求フォームを前記ユーザの端末に送信し、
   前記ユーザの端末は、
   前記アクセス要求を前記ユーザから受け付ける入力部と、
   前記アクセス要求を前記情報処理端末に送信する第３送信部と、
   前記要求フォームを受信する第３受信部と、
   前記要求フォームに対して前記入力部を介して前記ユーザから認証情報を受け付け、
   前記第３送信部は、前記認証情報を前記情報処理端末に送信し、
   前記第１受信部は、前記認証情報を受信し、
   前記第１送信部は、前記認証情報を、前記音声サービスサーバに送信し、
   前記第２受信部は、前記認証情報を受信し、
   前記音声サービスサーバは、
   前記音声サービスサーバは、前記ユーザを示す識別情報と、前記情報処理端末とを、対応付けて前記対応情報に登録する登録部を備える
   ことを特徴とする請求項１に記載の通信システム。
3. 前記認証情報は、前記ユーザの端末の電話番号である
   ことを特徴とする請求項２に記載の通信システム。
4. 前記音声サービスサーバは、
   前記情報処理端末に対して、前記登録を行ったユーザに対応付けられた音声情報にアクセスするアクセス権を発行する発行部を備え、
   前記第２送信部は、前記アクセス権を前記情報処理端末に送信し、
   前記第１受信部は、前記アクセス権を受信し、
   前記情報処理端末は、前記アクセス権を、前記音声サービスサーバを利用するためのアプリケーションに付与する
   ことを特徴とする請求項２に記載の通信システム。
5. 前記入力部は、複数のユーザの端末の連絡先の入力を受け付け、
   前記第３送信部は、前記複数のユーザの端末の連絡先を前記情報処理端末に送信し、
   前記第１受信部は、前記複数のユーザの端末の連絡先を受信し、
   前記第１送信部は、前記複数のユーザの端末の連絡先を前記音声サービスサーバに送信し、
   前記登録部は、前記対応情報において、前記ユーザを示す識別情報に対応付けて、前記複数のユーザの端末の連絡先を登録し、
   前記音声サービスサーバは、
   前記ユーザに対応付けて、新たな音声が記憶されると、当該ユーザに対応付けられた１以上のユーザの連絡先に対して、音声が記憶されたことを示す情報を通知する通知部を備える
   ことを特徴とする請求項２〜４のいずれか一項に記載の通信システム。
6. 情報処理端末と、登録されている音声をユーザの端末に送信する音声サービスを実行する音声サービスサーバとを含む通信システムにおける音声配信方法であって、前記音声サービスサーバは、情報処理端末を示す識別情報と、当該情報処理端末に対応付けられているユーザを示すユーザ情報とが対応付けられた対応情報と、ユーザ毎に対応付けて録音された音声情報を記憶する記憶部を備え、
   前記情報処理端末が、録音されている音声の再生を要求する音声入力を受け付ける音声入力受付ステップと、
   前記情報処理端末が、前記音声入力受付ステップにおいて受け付けた前記音声入力に基づく指示を、ユーザの電話番号を認証情報として、前記音声サービスサーバに送信する第１送信ステップと、
   前記音声サービスサーバが、前記音声入力に基づく指示を受信する第１受信ステップと、
   前記音声サービスサーバが、前記対応情報を参照して、前記第１受信ステップが受信した音声入力に基づく指示を送信した情報処理端末に対応付けられているユーザを特定する特定ステップと、
   前記音声サービスサーバが、前記特定したユーザに対応付けられた音声情報を前記記憶部から抽出する抽出ステップと、
   前記音声サービスサーバが、前記抽出ステップにおいて抽出した音声情報を前記情報処理端末に送信する第２送信ステップと、
   前記情報処理端末が、前記音声サービスサーバから音声情報を受信する第２受信ステップと、
   前記情報処理端末が、前記第２受信ステップが受信した音声情報を出力する出力ステップと、を含む音声配信方法。

Images