JP7139839B2 - 情報処理装置、情報処理方法およびプログラム - Google Patents

Description

本発明は、情報処理装置、情報処理方法およびプログラムに関する。

近年、複数の個人によって共用される音声入出力端末（例えば、固定電話など）が知られている。このような複数の個人によって共用される音声入出力端末には、複数の個人それぞれが利用する情報が１台の音声入出力端末に登録されているのが一般的である。そのため、実際に複数の個人のうちの誰かが利用者として音声入出力端末を利用しようとした場合、複数の個人それぞれが利用する情報から自分が利用する情報を探し出す手間が掛かってしまう。

このような手間を低減するため、音声入出力端末と利用者の個人端末（例えば、携帯電話など）とを接続する技術が開示されている（例えば、特許文献１参照）。かかる技術によれば、利用者は音声入出力端末から通話を行うときに音声入出力端末と接続されている利用者の個人端末に登録されているアドレス帳（例えば、電話帳など）を使うことが可能である。

特開２０１２－２１３０９７号公報

しかし、音声入出力端末と利用者の個人端末とを接続する技術では、個人ごとに個人端末を異なる音声入出力端末に接続させる必要がある。すなわち、個人ごとに異なる音声入出力端末を利用する必要がある。そのため、複数の個人が１台の音声入出力端末を共用するのが困難である。

そこで、複数の個人が１台の音声入出力端末を共用することを可能しつつ、複数の個人のうちの誰かが利用者として音声入出力端末を利用する場合に自分が利用する情報を探し出す手間を低減することが可能な技術が提供されることが望まれる。

上記問題を解決するために、本発明のある観点によれば、少なくとも利用者の通話に利用される情報処理装置であって、前記利用者からの第１の入力に基づく入力データを取得する取得部と、前記情報処理装置との間で無線接続された個人端末に登録された個人認証用データと前記入力データとの認証が成功した場合に、前記個人認証用データに関連付けられた個人識別情報を利用者識別情報として特定する特定部と、を備える、情報処理装置が提供される。

前記情報処理装置は、宛先機器に対して前記利用者識別情報が送信されるように制御する通信制御部を備えてもよい。

前記個人認証用データは、前記利用者によって登録された音声データを含んでもよい。

前記第１の入力は、前記利用者から入力された通話開始のための音声を含んでもよい。

前記情報処理装置は、前記個人認証用データと前記入力データとの認証が成功した場合に、前記個人端末から宛先機器を識別するための宛先識別情報を取得する通信制御部を備えてもよい。

前記通信制御部は、前記利用者からの第２の入力に基づいて宛先に関する情報が認識された場合、前記個人端末から前記宛先に関する情報に関連付けられた前記宛先識別情報を取得してもよい。

前記情報処理装置は、前記情報処理装置と宛先機器とが接続された場合に、前記個人端末に前記情報処理装置の操作インタフェースが提供されるように制御する通信制御部を備えてもよい。

前記情報処理装置は、前記情報処理装置と宛先機器とが接続された場合に、前記個人端末によって宛先に関する情報が提示されるように制御する通信制御部を備えてもよい。

また、本発明の別の観点によれば、少なくとも利用者の通話に利用される情報処理装置による情報処理方法であって、前記利用者からの第１の入力に基づく入力データを取得することと、前記情報処理装置との間で無線接続された個人端末に登録された個人認証用データと前記入力データとの認証が成功した場合に、前記個人認証用データに関連付けられた個人識別情報を利用者識別情報として特定することと、を含む、情報処理方法が提供される。

また、本発明の別の観点によれば、コンピュータを、少なくとも利用者の通話に利用される情報処理装置であって、前記利用者からの第１の入力に基づく入力データを取得する取得部と、前記情報処理装置との間で無線接続された個人端末に登録された個人認証用データと前記入力データとの認証が成功した場合に、前記個人認証用データに関連付けられた個人識別情報を利用者識別情報として特定する特定部と、を備える情報処理装置として機能させるためのプログラムが提供される。

以上説明したように本発明によれば、複数の個人が１台の音声入出力端末を共用することを可能しつつ、複数の個人のうちの誰かが利用者として音声入出力端末を利用する場合に自分が利用する情報を探し出す手間を低減することが可能な技術が提供される。

本発明の実施形態に係る通信システムの構成例を示す図である。 操作パネルの例を示す図である。 アドレス帳の例を示す図である。 本発明の実施形態に係る通信システムによって実行される処理例を示すしシーケンス図である。 本発明の実施形態に係る通信システムによって実行される処理例を示すしシーケンス図である。 本発明の実施形態に係る音声入出力端末の例としての情報処理装置のハードウェア構成を示す図である。

以下に添付図面を参照しながら、本発明の好適な実施の形態について詳細に説明する。なお、本明細書及び図面において、実質的に同一の機能構成を有する構成要素については、同一の符号を付することにより重複説明を省略する。

また、本明細書および図面において、実質的に同一の機能構成を有する複数の構成要素を、同一の符号の後に異なる数字を付して区別する場合がある。ただし、実質的に同一の機能構成を有する複数の構成要素等の各々を特に区別する必要がない場合、同一符号のみを付する。また、異なる実施形態の類似する構成要素については、同一の符号の後に異なるアルファベットを付して区別する場合がある。ただし、異なる実施形態の類似する構成要素等の各々を特に区別する必要がない場合、同一符号のみを付する。

（０．概要）
まず、本発明の実施形態の概要を説明する。近年、複数の個人によって共用される音声入出力端末（例えば、固定電話など）が知られている。このような複数の個人によって共用される音声入出力端末には、複数の個人それぞれが利用する情報が１台の音声入出力端末に登録されているのが一般的である。そのため、実際に複数の個人のうちの誰かが利用者として音声入出力端末を利用しようとした場合、複数の個人それぞれが利用する情報から自分が利用する情報を探し出す手間が掛かってしまう。

このような手間を低減するため、音声入出力端末と利用者の個人端末（例えば、携帯電話など）とを接続する技術が開示されている。かかる技術によれば、利用者は音声入出力端末から通話を行うときに音声入出力端末と接続されている利用者の個人端末に登録されているアドレス帳（例えば、電話帳など）を使うことが可能である。

しかし、音声入出力端末と利用者の個人端末とを接続する技術では、個人ごとに個人端末を異なる音声入出力端末に接続させる必要がある。すなわち、個人ごとに異なる音声入出力端末を利用する必要がある。そのため、複数の個人が１台の音声入出力端末を共用するのが困難である。

そこで、本明細書においては、複数の個人が１台の音声入出力端末を共用することを可能しつつ、複数の個人のうちの誰かが利用者として音声入出力端末を利用する場合に自分が利用する情報を探し出す手間を低減することが可能な技術について主に説明する。

さらに、音声入出力端末からの情報を受信する宛先機器には、音声入出力端末の識別情報（例えば、電話番号など）が表示されるのが一般的である。これによって、音声入出力端末の識別情報を見れば、どの音声入出力端末からの情報が受信されたのかを把握することは可能である。しかし、音声入出力端末の識別情報を見たとしても、誰からの情報が宛先機器によって受信されたのかを把握することが困難である。

そこで、複数の個人が１台の音声入出力端末を共用することを可能しつつ、複数の個人のうちの誰からの情報が宛先機器によって受信されたのかを容易に把握することが可能な技術についても説明する。

以上、本発明の実施形態の概要について説明した。

（１．実施形態の詳細）
続いて、本発明の実施形態の詳細について説明する。

（１－１．通信システムの構成例）
図１は、本発明の実施形態に係る通信システムの構成例を示す図である。図１に示されるように、本発明の実施形態に係る通信システム１０は、音声入出力端末１００、スマートフォン２００、音声認識サーバ３００、シグナリングサーバ４００および通信機器５００、アクセスポイント６００を有する。ネットワーク７００は、インターネットなどの広帯域のネットワークであり、ネットワーク７００には、音声認識サーバ３００、シグナリングサーバ４００、通信機器５００およびアクセスポイント６００が接続されている。

アクセスポイント６００は、音声入出力端末１００およびスマートフォン２００と無線接続されており、音声入出力端末１００およびスマートフォン２００によるネットワーク７００を介した通信を中継する。しかし、通信システム１０は必ずしもアクセスポイント６００を備えていなくてもよい。かかる場合、音声入出力端末１００およびスマートフォン２００は、ネットワーク７００から仕切られた内部ネットワークに接続されており、当該内部ネットワークを介してネットワーク７００に接続されていればよい。

音声入出力端末１００は、複数の個人によって共用される端末である。音声入出力端末１００は、少なくとも複数の個人によって通話に利用される。複数の個人は、典型的には家族であってよいが、どのような集合であっても構わない。また、音声入出力端末１００は、ＡＩ（Ａｒｔｉｆｉｃｉａｌ Ｉｎｔｅｌｌｉｇｅｎｃｅ）スピーカなどであってよいが、ＰＣ（Ｐｅｒｓｏｎａｌ Ｃｏｍｐｕｔｅｒ）であってもよいし、他の機器であってもよい。

具体的に、音声入出力端末１００は、マイクロフォン（以下、単に「マイク」とも言う。）１０１、スピーカ１０２、利用者・宛先探索部１０４、音声データ変換部１０３、通信部１０５、通話部１０６およびメモリなどを有している。マイク１０１は、周囲の音声を収集する。スピーカ１０２は、音声を出力する。メモリは、演算装置を動作させるためのプログラムやデータを記憶することができる。また、メモリは、演算装置の動作の過程で必要となる各種データを一時的に記憶することもできる。

利用者・宛先探索部１０４、音声データ変換部１０３および通話部１０６は、演算装置によって実現される。演算装置は、音声入出力端末１００の動作全体を制御する機能を有する。演算装置は、音声入出力端末１００に内蔵された演算装置がＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）に記憶されたプログラムをＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）に展開して実行することにより実現される。かかるプログラムが提供され得る他、かかるプログラムを記憶させた記憶媒体も提供され得る。

利用者・宛先探索部１０４は、（アクセスポイント６００を介して）無線接続されたスマートフォン２００に対して、音声入出力端末１００の現在の利用者の識別情報（利用者識別情報）と利用者が通話を行おうとしている相手の通信機器５００の識別情報（宛先識別情報）とを問い合わせる。音声データ変換部１０３は、音声を取得すると、取得した音声を音声データに変換する。また、音声データ変換部１０３は、音声データを取得すると、取得した音声データを音声に変換する。通話部１０６は、通信機器５００との接続が完了すると、通信機器５００との間で通話を送受信する。

通信部１０５は、アンテナを含んで構成されており、アクセスポイント６００に対して無線接続を行う。また、通信部１０５は、アクセスポイント６００を介してスマートフォン２００と通信を行う。また、通信部１０５は、アクセスポイント６００およびネットワーク７００を介して、音声認識サーバ３００、シグナリングサーバ４００および通信機器５００と通信を行ったりする。

スマートフォン２００は、個人ごとに利用される個人端末の一例として機能する。すなわち、スマートフォン２００の代わりに他の個人端末（例えば、タブレット端末、ＰＣ、携帯電話など）が用いられてもよい。本実施形態では、４人の個人それぞれが別々のスマートフォン２００を持っている場合を主に想定する。すなわち、通信システム１０が、４台のスマートフォン２００（スマートフォン２００－１～２００－４）を有する場合を主に想定する。しかし、スマートフォン２００の数（および個人の数）は複数であれば特に限定されない。

具体的に、スマートフォン２００は、タッチパネル、ディスプレイ、演算装置、通信インタフェース、メモリなどを有している。タッチパネルは、入力インタフェースの一例として機能する。すなわち、タッチパネルの代わりに他の入力インタフェース（例えば、ボタン、マウス、キーボードなど）が用いられてもよい。ディスプレイには、音声入出力端末１００の操作パネル２０３が表示され得る。

図２は、操作パネル２０３の例を示す図である。図２に示されるように、操作パネル２０３（操作パネルＧ１０）は、音量調整のためのオブジェクトの例としてのスライダＧ１１、接続を切断するためのオブジェクトの例としてのボタンＧ１２などを含んでよい。また、操作パネルＧ１０には、宛先に関する情報（図２に示された例では、「ＡＢＣさん」）を含んでもよい。なお、図２に示された例では、利用者によって操作されるオブジェクトがスライダＧ１１およびボタンＧ１２である例が示されている。しかし、利用者によって操作されるオブジェクトの種類は、スライダおよびボタンに限定されず、何らかの操作可能なオブジェクトであればよい。

図１に戻って説明を続ける。スマートフォン２００の演算装置は、スマートフォン２００の動作全体を制御する機能を有する。演算装置は、ＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）に記憶されたプログラムをＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）に展開して実行することにより実現される。かかるプログラムが提供され得る他、かかるプログラムを記憶させた記憶媒体も提供され得る。演算装置は、音声認証部２０１としても機能し得る。音声認証部２０１は、音声入出力端末１００に対して入力を行った利用者がスマートフォン２００の利用者であるかを認証する。

メモリは、演算装置を動作させるためのプログラムやデータ（例えば、アドレス帳２０２など）を記憶することができる。また、メモリは、演算装置の動作の過程で必要となる各種データを一時的に記憶することもできる。

アドレス帳２０２には、宛先の通信機器５００（宛先機器）の宛先識別情報と宛先に関する情報とが関連付けられた情報が含まれる。宛先に関する情報は、宛先の名前（宛先名）などを含んでよい。以下では、宛先に関する情報が宛先名である場合を主に想定するが、宛先に関する情報は宛先名に限定されない。また、宛先識別情報は、電話番号を含んでもよいし、ＩＰ（Ｉｎｔｅｒｎｅｔ Ｐｒｏｔｏｃｏｌ）電話のＵＲＩ（Ｕｎｉｆｏｒｍ Ｒｅｓｏｕｒｃｅ Ｉｄｅｎｔｉｆｉｅｒ）を含んでもよい。図３は、アドレス帳２０２の例を示す図である。図３に示されたように、例えば、アドレス帳２０２は、宛先の名前（宛先名）と宛先識別情報とが関連付けられた情報が含まれてよい。

図１に戻って説明を続ける。音声認識サーバ３００は、音声データに対して音声認識を行い、音声認識に基づいてテキストデータを生成する。また、音声認識サーバ３００は、生成したテキストデータから所定のキーワードを抽出する。なお、本実施形態では、音声入出力端末１００に掛かる負荷を軽減するために、音声認識の機能を音声認識サーバ３００が有する場合を主に想定する。しかし、後にも説明するように、音声認識サーバ３００の音声認識の機能は、音声入出力端末１００が代わりに有してもよい。

シグナリングサーバ４００は、音声入出力端末１００から呼び出しを受け付けると、呼び出しに基づいて、音声入出力端末１００と宛先の通信機器５００との接続を行う。

通信機器５００は、音声入出力端末１００の利用者と通話を行う相手によって利用される機器である。ここで、通信機器５００の種類は限定されない。例えば、通信機器５００は、音声入出力端末１００と同種の端末であってもよいし、スマートフォンであってもよいし、通話が可能な何らかの機器であってもよい。

以上、本発明の実施形態に係る通信システムの構成例について説明した。

（１－２．通信システムの動作例）
続いて、本発明の実施形態に係る通信システム１０の動作例について説明する。図４および図５は、本発明の実施形態に係る通信システム１０によって実行される処理例を示すしシーケンス図である。なお、図５および図６に示されたシーケンス図は、本発明の実施形態に係る通信システム１０によって実行される処理の一例を示したに過ぎない。したがって、本発明の実施形態に係る通信システム１０によって実行される処理は、図４および図５に示されたフローチャートによって示される例に限定されない。

まず、利用者は、あらかじめ自分のスマートフォン２００に個人認証用データの例として音声データを登録しておく。その後、利用者は自分のスマートフォン２００を持ち歩き、音声入出力端末１００の付近に移動すると、利用者のスマートフォン２００は、（アクセスポイント６００に接続されることによって）音声入出力端末１００が接続されている内部ネットワークと同一の内部ネットワークに無線接続される。

音声入出力端末１００のマイク１０１は、周囲の音声を絶えず収集している。マイク１０１は、音量が閾値を超える音声を収集すると、収集した音声を音声データ変換部１０３に出力し（Ｓ１１）、音声データ変換部１０３は、マイク１０１によって収集された音声を音声データに変換する。音声データ変換部１０３は、変換後の音声データを利用者・宛先探索部１０４に出力する（Ｓ１２）。

利用者・宛先探索部１０４は、通信部１０５を介して音声データを音声認識サーバ３００に送信する（Ｓ１３）。

音声認識サーバ３００は、音声データを受信すると、音声データからキーワードの例として、宛先名と接続用の語句（通話開始のための音声）とを抽出する。例えば、音声データが「ＡＢＣさんと通話」である場合、接続用の語句は、「と通話」に該当し、宛先名は、「と通話」の前の「ＡＢＣさん」に該当する。音声認識サーバ３００は、音声データから宛先名と接続用の語句とが抽出された場合には、通話開始指示があったことと宛先名とを音声入出力端末１００に返信する（Ｓ１４）。

音声入出力端末１００の利用者・宛先探索部１０４は、通信部１０５によって受信された通話開始指示があったことと宛先名とを取得する。音声入出力端末１００の利用者・宛先探索部１０４は、通話開始指示があったことが受信されると、音声入出力端末１００の周囲に存在する内部ネットワークに接続されたすべてのスマートフォン２００に対して、音声データを、通信部１０５を介して送信する（Ｓ１５）。

（音声入出力端末１００から音声データを受信した）スマートフォン２００の音声認証部２０１は、受信した音声データとあらかじめ登録された音声データとの認証（照合）を行い、あらかじめ登録された音声データに関連付けられた個人識別情報と認証結果とを音声入出力端末１００に返信する（Ｓ１６）。例えば、認証処理は、双方の音声データから特徴データを抽出し、特徴データ同士の一致度が閾値を超えるか否かを判断することによって、認証成功か否かが判断されてよい。しかし、認証処理の具体的な手法は限定されない。

音声入出力端末１００の利用者・宛先探索部１０４は、通信部１０５によって個人識別情報と認証成功を示す認証結果とが受信された場合には、受信された個人識別情報を利用者識別情報として特定する。利用者のスマートフォン２００に対して、通信部１０５を介して宛先名を送信する（Ｓ１７）。

利用者のスマートフォン２００は、宛先名が自身のアドレス帳２０２に登録されているかを判定する。利用者のスマートフォン２００は、アドレス帳２０２に宛先名が登録されている場合、宛先名に関連付けられた宛先識別情報をアドレス帳２０２から取得し、取得した宛先識別情報を音声入出力端末１００に返信する（Ｓ１８）。

利用者・宛先探索部１０４は、利用者のスマートフォン２００に対しては操作パネルＧ１０（図２）の表示要求を、通信部１０５を介して送信する（Ｓ２１）。これによって、音声入出力端末１００の操作インタフェースが利用者のスマートフォン２００に提供されるように制御される。

利用者のスマートフォン２００は、操作パネルＧ１０の表示要求を受信すると、操作パネルを表示する（Ｓ２２）。これによって、利用者は、スマートフォン２００によって表示された操作パネルに対して操作を行うことによって（例えば、音声入出力端末１００がディスプレイを有していない場合であっても）音声入出力端末１００を操作することが可能となる。

音声入出力端末１００の利用者・宛先探索部１０４は、通信部１０５によって宛先識別情報が受信されると、宛先識別情報を取得し、シグナリングサーバ４００に対して、宛先識別情報と利用者識別情報とを含む接続要求を、通信部１０５を介して送信する（Ｓ２３）。これによって、通信機器５００に対する利用者識別情報の送信が制御される。

一方、シグナリングサーバ４００は、接続要求を受信すると、接続要求に含まれる宛先識別情報によって識別される宛先の通信機器５００と音声入出力端末１００の通話部１０６とを接続させる。すなわち、シグナリングサーバ４００は、宛先識別情報と利用者識別情報とを含む接続要求を通信機器５００に送信する（Ｓ２４）。

通信機器５００は、接続要求を受信すると、接続要求に含まれる利用者識別情報を取得し、利用者識別情報または利用者識別情報に関連付けられている利用者に関する情報（例えば、利用者名など）を表示する。これによって、相手は誰からの呼び出しがあったかを把握することが可能となる。

利用者・宛先探索部１０４は、通話部１０６が通信機器５００と接続されたことを確認すると（Ｓ２５）、接続完了通知を音声データ変換部１０３に出力し（Ｓ２６）、音声データ変換部１０３は、接続完了通知を受け取ると、接続完了を示す音声を生成してスピーカ１０２に出力し（Ｓ２７）、スピーカ１０２は、接続完了を示す音声を出力する。

このとき、利用者・宛先探索部１０４は、接続されたことを確認した場合に、利用者のスマートフォン２００に対して宛先名の表示指示を、通信部１０５を介して送信してもよい。これによって、利用者のスマートフォン２００による宛先名の表示が制御される。利用者は、スマートフォン２００によって表示された宛先名を見ることによって（例えば、音声入出力端末１００がディスプレイを有していない場合であっても）、誰との通話が可能になったかを確認することができる。宛先名は、利用者のスマートフォン２００のどこに表示されてもよいが、例えば、図２に示されたように、操作パネルＧ１０に表示されてもよい。

利用者は接続完了を示す音声を聞くと、相手との通話を開始する。具体的に、利用者によって音声が入力されると、音声入出力端末１００のマイク１０１を介して通話部１０６に利用者の音声が入力される。通話部１０６は、通信部１０５を介して通信機器５００に利用者の音声を送信する。一方、通信機器５００は、利用者の音声が受信されると、利用者の音声を出力する。相手が利用者の音声を聞き、音声を入力すると、相手の音声が通信機器５００から、通信部１０５を介して通話部１０６に入力され、スピーカ１０２によって出力される。利用者は相手の音声を聞くことができる。

利用者は相手との通話を終了したい場合には、スマートフォン２００に表示されている操作パネルＧ１０（図２）のボタンＧ１２を押下または音声入出力端末１００に対しての音声による切断操作（例えば「さようなら」と話しかける等）すればよい。操作パネルＧ１０の操作による切断では、スマートフォン２００から切断要求が音声入出力端末１００に送信される。音声入出力端末１００に対しての音声による切断では、音声入出力端末１００は会話中の音声を常に音声認識サーバ３００へ送信し、音声認識サーバ３００が切断処理用音声を認識すると切断処理が開始される。音声入出力端末１００の利用者・宛先探索部１０４は、スマートフォン２００から切断要求を受信・または音声認識サーバ３００で切断操作音声を認識すると、宛先識別情報を含む切断要求を、通信部１０５を介してシグナリングサーバ４００に送信する。シグナリングサーバ４００は、宛先識別情報を含む切断要求を受信すると、音声入出力端末１００と宛先識別情報によって識別される通信機器５００との接続を切断する。

以上、本発明の実施形態に係る通信システム１０の動作例について説明した。

（２．ハードウェア構成例）
続いて、本発明の実施形態に係る音声入出力端末１００のハードウェア構成例について説明する。以下では、本発明の実施形態に係る音声入出力端末１００のハードウェア構成例として、情報処理装置９００のハードウェア構成例について説明する。なお、以下に説明する情報処理装置９００のハードウェア構成例は、音声入出力端末１００のハードウェア構成の一例に過ぎない。したがって、音声入出力端末１００のハードウェア構成は、以下に説明する情報処理装置９００のハードウェア構成から不要な構成が削除されてもよいし、新たな構成が追加されてもよい。

また、通信システム１０が有する各種装置のうち、音声入出力端末１００以外の装置（例えば、スマートフォン２００、音声認識サーバ３００、シグナリングサーバ４００、通信機器５００、アクセスポイント６００など）のハードウェア構成も、音声入出力端末１００のハードウェア構成と同様に実現され得る。

図６は、本発明の実施形態に係る音声入出力端末１００の例としての情報処理装置９００のハードウェア構成を示す図である。情報処理装置９００は、ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）９０１と、ＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）９０２と、ＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）９０３と、ホストバス９０４と、ブリッジ９０５と、外部バス９０６と、インタフェース９０７と、入力装置９０８と、出力装置９０９と、ストレージ装置９１０と、通信装置９１１と、を備える。

ＣＰＵ９０１は、演算処理装置および制御装置として機能し、各種プログラムに従って情報処理装置９００内の動作全般を制御する。また、ＣＰＵ９０１は、マイクロプロセッサであってもよい。ＲＯＭ９０２は、ＣＰＵ９０１が使用するプログラムや演算パラメータ等を記憶する。ＲＡＭ９０３は、ＣＰＵ９０１の実行において使用するプログラムや、その実行において適宜変化するパラメータ等を一時記憶する。これらはＣＰＵバス等から構成されるホストバス９０４により相互に接続されている。

ホストバス９０４は、ブリッジ９０５を介して、ＰＣＩ（Ｐｅｒｉｐｈｅｒａｌ Ｃｏｍｐｏｎｅｎｔ Ｉｎｔｅｒｃｏｎｎｅｃｔ／Ｉｎｔｅｒｆａｃｅ）バス等の外部バス９０６に接続されている。なお、必ずしもホストバス９０４、ブリッジ９０５および外部バス９０６を分離構成する必要はなく、１つのバスにこれらの機能を実装してもよい。

入力装置９０８は、マウス、キーボード、タッチパネル、ボタン、マイクロフォン、スイッチおよびレバー等利用者が情報を入力するための入力手段と、利用者による入力に基づいて入力信号を生成し、ＣＰＵ９０１に出力する入力制御回路等から構成されている。情報処理装置９００を操作する利用者は、この入力装置９０８を操作することにより、情報処理装置９００に対して各種のデータを入力したり処理動作を指示したりすることができる。

出力装置９０９は、例えば、ＣＲＴ（Ｃａｔｈｏｄｅ Ｒａｙ Ｔｕｂｅ）ディスプレイ装置、液晶ディスプレイ（ＬＣＤ）装置、ＯＬＥＤ（Ｏｒｇａｎｉｃ Ｌｉｇｈｔ Ｅｍｉｔｔｉｎｇ Ｄｉｏｄｅ）装置、ランプ等の表示装置およびスピーカ等の音声出力装置を含む。

ストレージ装置９１０は、データ格納用の装置である。ストレージ装置９１０は、記憶媒体、記憶媒体にデータを記録する記録装置、記憶媒体からデータを読み出す読出し装置および記憶媒体に記録されたデータを削除する削除装置等を含んでもよい。ストレージ装置９１０は、例えば、ＨＤＤ（Ｈａｒｄ Ｄｉｓｋ Ｄｒｉｖｅ）で構成される。このストレージ装置９１０は、ハードディスクを駆動し、ＣＰＵ９０１が実行するプログラムや各種データを格納する。

通信装置９１１は、例えば、ネットワークに接続するための通信デバイス等で構成された通信インタフェースである。また、通信装置９１１は、無線通信または有線通信のどちらに対応してもよい。

以上、本発明の実施形態に係る音声入出力端末１００のハードウェア構成例について説明した。

（３．まとめ）
以上に説明したように、本発明の実施形態によれば、少なくとも利用者の通話に利用される情報処理装置であって、前記利用者からの第１の入力に基づく入力データを取得する取得部と、前記情報処理装置との間で無線接続された個人端末に登録された個人認証用データと前記入力データとの認証が成功した場合に、前記個人認証用データに関連付けられた個人識別情報を利用者識別情報として特定する特定部と、を備える、情報処理装置が提供される。

かかる構成によれば、複数の個人が１台の情報処理装置を共用することを可能しつつ、複数の個人のうちの誰かが利用者として情報処理装置を利用する場合に自分が利用する情報を探し出す手間を低減することが可能となる。

また、前記情報処理装置は、宛先機器に対して前記利用者識別情報が送信されるように制御する通信制御部を備えてもよい。これによって、宛先機器に対する利用者識別情報の送信が制御され、宛先機器において利用者識別情報または利用者識別情報に関連付けられている利用者に関する情報（例えば、利用者名など）が表示されれば、相手は誰からの呼び出しがあったかを把握することが可能となる。

前記情報処理装置は、前記情報処理装置と宛先機器とが接続された場合に、前記個人端末に前記情報処理装置の操作インタフェースが提供されるように制御する通信制御部を備えてもよい。これによって、利用者は、前記個人端末によって表示された操作パネルに対して操作を行うことによって（例えば、情報処理装置がディスプレイを有していない場合であっても）、情報処理装置を操作することが可能となる。

前記情報処理装置は、前記情報処理装置と宛先機器とが接続された場合に、前記個人端末によって前記宛先に関する情報が提示されるように制御する通信制御部を備えてもよい。これによって、利用者は、個人端末によって表示された前記宛先に関する情報を見ることによって（例えば、情報処理装置がディスプレイを有していない場合であっても）、誰との通話が可能になったかを確認することができる。

以上、添付図面を参照しながら本発明の好適な実施形態について詳細に説明したが、本発明はかかる例に限定されない。本発明の属する技術の分野における通常の知識を有する者であれば、特許請求の範囲に記載された技術的思想の範疇内において、各種の変更例または修正例に想到し得ることは明らかであり、これらについても、当然に本発明の技術的範囲に属するものと了解される。

上記では、本発明の実施形態では、利用者によって個人認証用データの例として音声データがあらかじめスマートフォン２００に登録される例について主に説明した。しかし、音声データの代わりに他の個人認証用データがあらかじめスマートフォン２００に登録されてもよい。例えば、利用者の顔画像が個人認証用データとしてスマートフォン２００にあらかじめ登録されてもよいし、利用者の指紋データが個人認証用データとしてスマートフォン２００にあらかじめ登録されてもよい。このとき、利用者からの入力も音声に限定されない。

例えば、利用者によって入力される認証に利用される音声は、スマートフォン２００に登録される個人認証用データの種類に応じて適宜に他の入力に変更されてよい。

例えば、個人認識用データが利用者の顔画像である場合には、認証に利用される音声は、音声入出力端末１００に備えられたカメラによって撮像された顔画像に置き換えられてもよい。あるいは、個人認識用データが利用者の指紋データである場合には、認証に利用される音声は、音声入出力端末１００に備えられた指紋センサによって検出された指紋データに置き換えられてもよい。すなわち、認証に利用される音声は、第１の入力に置き換えられてよい。このとき、認証に利用される音声から認識される音声データの代わりに、第１の入力に基づいて認識される第１の入力データが利用されればよい。

また、利用者によって入力される宛先認識に利用される音声も、適宜に他の入力に変更されてよい。例えば、宛先認識に利用される音声は、他の入力インタフェース（例えば、ボタン押下など）を介して利用者によって入力される宛先選択操作に置き換えられてもよい。すなわち、宛先認識に利用される音声は、第２の入力に置き換えられてよい。このとき、宛先認識に利用される音声から認識される音声データの代わりに、第２の入力に基づいて認識される第２の入力データが利用されればよい。

また、上記では、認証に利用される音声と宛先認識に利用される音声とが、結合された一つの音声として、音声入出力端末１００から音声認識サーバ３００に送信される例を説明した。しかし、認証に利用される音声と宛先認識に利用される音声とは、異なるタイミングで音声入出力端末１００から音声認識サーバ３００に送信されてもよい。ただし、利用者によって入力される認証に利用される音声は、少なくとも接続用の語句を含んでいるのが望ましい。これによって、通話開始のために利用者から発せられた音声が認証にも利用され得るため、利用者による入力の手間が低減され得る。

また、上記では、サーバにおける各種処理が、音声認識サーバ３００およびシグナリングサーバ４００に分散されて実行される例を主に説明した。しかし、サーバにおける各種処理は、必ずしも上記の通りに分散されて実行されなくてもよい。例えば、上記において音声認識サーバ３００によって実行されるとした処理の一部が、音声認識サーバ３００とは異なるサーバによって実行されてもよい。あるいは、上記において音声認識サーバ３００によって実行されるとした処理の一部が、端末側（例えば、音声入出力端末１００など）によって実行されてもよい。

１０ 通信システム
１００ 音声入出力端末
１０１ マイク
１０２ スピーカ
１０３ 音声データ変換部
１０４ 利用者・宛先探索部
１０５ 通信部
１０６ 通話部
２００ スマートフォン
２０１ 音声認証部
２０２ アドレス帳
３００ 音声認識サーバ
４００ シグナリングサーバ
５００ 通信機器
６００ アクセスポイント
７００ ネットワーク

Claims (12)

1. 少なくとも利用者の通話に利用される情報処理装置であって、
   前記利用者からの第１の入力に基づく入力データを取得する取得部と、
   前記情報処理装置との間で無線接続された個人端末に登録された個人認証用データと前記入力データとの認証が成功した場合に、前記個人認証用データに関連付けられた個人識別情報を利用者識別情報として特定する特定部と、
   を備え、
   前記個人認証用データは、前記利用者によって登録された音声データを含む、
   情報処理装置。
2. 少なくとも利用者の通話に利用される情報処理装置であって、
   前記利用者からの第１の入力に基づく入力データを取得する取得部と、
   前記情報処理装置との間で無線接続された個人端末に登録された個人認証用データと前記入力データとの認証が成功した場合に、前記個人認証用データに関連付けられた個人識別情報を利用者識別情報として特定する特定部と、
   を備え、
   前記第１の入力は、前記利用者から入力された通話開始のための音声を含む、
   情報処理装置。
3. 少なくとも利用者の通話に利用される情報処理装置であって、
   前記利用者からの第１の入力に基づく入力データを取得する取得部と、
   前記情報処理装置との間で無線接続された個人端末に登録された個人認証用データと前記入力データとの認証が成功した場合に、前記個人認証用データに関連付けられた個人識別情報を利用者識別情報として特定する特定部と、
   前記個人認証用データと前記入力データとの認証が成功した場合、かつ、前記利用者からの第２の入力に基づいて宛先に関する情報が認識された場合、前記個人端末から前記宛先に関する情報に関連付けられた、宛先機器を識別するための宛先識別情報を取得する通信制御部と、
   を備える、情報処理装置。
4. 前記情報処理装置は、
   宛先機器に対して前記利用者識別情報が送信されるように制御する通信制御部を備える、
   請求項１または２に記載の情報処理装置。
5. 前記情報処理装置は、
   前記情報処理装置と宛先機器とが接続された場合に、前記個人端末に前記情報処理装置の操作インタフェースが提供されるように制御する通信制御部を備える、
   請求項１または２に記載の情報処理装置。
6. 前記情報処理装置は、
   前記情報処理装置と宛先機器とが接続された場合に、前記個人端末によって宛先に関する情報が提示されるように制御する通信制御部を備える、
   請求項１または２に記載の情報処理装置。
7. 少なくとも利用者の通話に利用される情報処理装置による情報処理方法であって、
   前記利用者からの第１の入力に基づく入力データを取得することと、
   前記情報処理装置との間で無線接続された個人端末に登録された個人認証用データと前記入力データとの認証が成功した場合に、前記個人認証用データに関連付けられた個人識別情報を利用者識別情報として特定することと、
   を含み、
   前記個人認証用データは、前記利用者によって登録された音声データを含む、
   情報処理方法。
8. 少なくとも利用者の通話に利用される情報処理装置による情報処理方法であって、
   前記利用者からの第１の入力に基づく入力データを取得することと、
   前記情報処理装置との間で無線接続された個人端末に登録された個人認証用データと前記入力データとの認証が成功した場合に、前記個人認証用データに関連付けられた個人識別情報を利用者識別情報として特定することと、
   を含み、
   前記第１の入力は、前記利用者から入力された通話開始のための音声を含む、
   情報処理方法。
9. 少なくとも利用者の通話に利用される情報処理装置による情報処理方法であって、
   前記利用者からの第１の入力に基づく入力データを取得することと、
   前記情報処理装置との間で無線接続された個人端末に登録された個人認証用データと前記入力データとの認証が成功した場合に、前記個人認証用データに関連付けられた個人識別情報を利用者識別情報として特定することと、
   前記個人認証用データと前記入力データとの認証が成功した場合、かつ、前記利用者からの第２の入力に基づいて宛先に関する情報が認識された場合、前記個人端末から前記宛先に関する情報に関連付けられた、宛先機器を識別するための宛先識別情報を取得することと、
   を含む、情報処理方法。
10. コンピュータを、
    少なくとも利用者の通話に利用される情報処理装置であって、
    前記利用者からの第１の入力に基づく入力データを取得する取得部と、
    前記情報処理装置との間で無線接続された個人端末に登録された個人認証用データと前記入力データとの認証が成功した場合に、前記個人認証用データに関連付けられた個人識別情報を利用者識別情報として特定する特定部と、
    を備え、
    前記個人認証用データは、前記利用者によって登録された音声データを含む、
    情報処理装置として機能させるためのプログラム。
11. コンピュータを、
    少なくとも利用者の通話に利用される情報処理装置であって、
    前記利用者からの第１の入力に基づく入力データを取得する取得部と、
    前記情報処理装置との間で無線接続された個人端末に登録された個人認証用データと前記入力データとの認証が成功した場合に、前記個人認証用データに関連付けられた個人識別情報を利用者識別情報として特定する特定部と、
    を備え、
    前記第１の入力は、前記利用者から入力された通話開始のための音声を含む、
    情報処理装置として機能させるためのプログラム。
12. コンピュータを、
    少なくとも利用者の通話に利用される情報処理装置であって、
    前記利用者からの第１の入力に基づく入力データを取得する取得部と、
    前記情報処理装置との間で無線接続された個人端末に登録された個人認証用データと前記入力データとの認証が成功した場合に、前記個人認証用データに関連付けられた個人識別情報を利用者識別情報として特定する特定部と、
    前記個人認証用データと前記入力データとの認証が成功した場合、かつ、前記利用者からの第２の入力に基づいて宛先に関する情報が認識された場合、前記個人端末から前記宛先に関する情報に関連付けられた、宛先機器を識別するための宛先識別情報を取得する通信制御部と、
    を備える情報処理装置として機能させるためのプログラム。
    

Images