【発明の詳細な説明】 【０００１】 【発明の属する技術分野】本発明は，テキスト型のマークアップ言語形式のコンテンツを音声応答可能なマークアップ言語形式のコンテンツに変換するマークアップ言語文書変換処理方法に関し，特にＨＴＭＬ(Hypertext M
arkup Language) 等のテキスト型のマークアップ言語形式のコンテンツを音声端末に音声によって出力するため，テキスト型のマークアップ言語形式のコンテンツを音声出力に適した長さに部分的に簡略化することで，テキスト型のマークアップ言語形式のコンテンツを音声に変換して出力することを可能とした技術に関するものである。 【０００２】 【従来の技術】携帯電話からインターネットのホームページにアクセスするような場合，一般にコンテンツを受信し，画面に表示できるデータ量は限られている。 そのため，ホームページのコンテンツを音声で読み上げることが考えられている。 【０００３】従来は，インターネットのテキスト型のマークアップ言語形式のコンテンツを音声で出力する場合には，あらかじめ指定されたテキスト型のマークアップ言語形式の一部分のみを音声データに変換したものを用意し出力していた。 これに対し，コンテンツ全体を音声で読み上げるという処理を行う場合には，コンテンツの長さに応じて音声の読み上げが終了するまで長い時間がかかるため，ユーザにとって短時間で全体の内容または必要な部分の内容を把握するのが困難であった。 【０００４】ここで，テキスト型のマークアップ言語形式としては，例えば，インターネットの世界ではＨＴＭ
Ｌがあり，音声応答可能なマークアップ言語形式としてはＶＸＭＬ（Voice Extensible Markup Language）がある。 ＶＸＭＬは，ＸＭＬをベースとする音声情報のマークアップ言語で，音声認識合成を利用した自動電話応答システム用アプリケーションの開発に最適な言語である。 【０００５】 【発明が解決しようとする課題】上述のように，従来，
インターネットにおけるホームページを記述するようなテキスト型のマークアップ言語形式のコンテンツを音声で出力する場合，あらかじめ指定されたテキスト型のマークアップ言語形式の一部分のみを出力する方法やコンテンツ全体を読み上げる方法が用いられていた。 【０００６】しかし，あらかじめ指定された一部分のみを出力する方法では，テキスト型のマークアップ言語形式のコンテンツの全体を音声で把握することができないという問題があり，また，コンテンツ全体を音声で読み上げるという方法では，全体の内容を把握するのにコンテンツの長さに応じて長い時間がかかるという問題があった。 【０００７】本発明は，上記問題点の解決を図り，テキスト型のマークアップ言語形式の一部をあらかじめ指定せずに，また，コンテンツ全体を音声で読み上げることをしないで，テキスト型のマークアップ言語形式のコンテンツの必要な部分だけをユーザが短時間で把握できるようにすることを目的とする。 【０００８】 【課題を解決するための手段】本発明は，上記課題を解決するため，テキスト型のマークアップ言語形式のコンテンツを話題に応じたブロックに分割し，各ブロック毎の話題を示す話題語を抽出し，話題語を音声によって読み上げることで，テキスト型のマークアップ言語形式のコンテンツを読むことなく音声によってテキスト型のマークアップ言語形式の全体を把握することが可能となるようにする。 ここで，各ブロックに分割された本文は，
音声によって読み上げるのに適切な長さに分割されるため，指定したブロックの本文を音声によって読み上げることが可能である。 【０００９】以上の処理は，マークアップ言語文書変換を行うためのコンピュータとソフトウェアプログラムとによって実現することができ，そのプログラムは，コンピュータが読み取り可能な可搬媒体メモリ，半導体メモリ，ハードディスク等の適当な記録媒体に格納することができる。 【００１０】 【発明の実施の形態】本発明の実施の形態について，図面を参照して説明する。 図１は，本発明を実施するためのシステムの構成例を示す図である。 本実施の形態におけるシステムは，ＨＴＭＬテキストコンテンツを出力するインターネット上のＷＷＷサーバ装置２と，ＷＷＷサーバ装置２の出力するＨＴＭＬテキストコンテンツの一部または全部をＶＸＭＬテキストに変換するマークアップ言語文書変換装置１と，このマークアップ言語文書変換装置１の出力したＶＸＭＬテキストを解釈し記述された音声認識および音声合成の動作をするＶＸＭＬサーバ装置３と，このＶＸＭＬサーバ装置３に公衆回線により接続され音声やボタン操作で入出力を行うユーザ端末４
と，マークアップ言語文書変換装置１とＷＷＷサーバ装置２とＶＸＭＬサーバ装置３とを接続するネットワーク５から構成される。 【００１１】マークアップ言語文書変換装置１は，ＷＷ
Ｗサーバ装置２が出力したＨＴＭＬテキストコンテンツを入力とし，それを話題に応じたブロックに分割し，各ブロックの話題語を出力する話題語リスト出力部１０
と，話題語リスト出力部１０の出力結果を参照し，ユーザの選択したブロックの部分の本文をＶＸＭＬテキストに変換して出力する本文出力部２０とから構成される。 【００１２】ユーザは，話題語リスト出力部１０の出力結果である話題語を聞くことで，コンテンツの概要を把握することができ，さらに詳細に本文を聞きたい場合には，聞きたいブロックの番号（話題語指定番号）を選択すればよい。 【００１３】図１に示すシステムの動作概要は，以下のとおりである。 ユーザが携帯電話等のユーザ端末４からＷＷＷサーバ装置２のＷｅｂページにアクセスすると，
マークアップ言語文書変換装置１は，アクセスされたＷ
ｅｂページを記述するＨＴＭＬテキストコンテンツをＷ
ＷＷサーバ装置２から取得する。 マークアップ言語文書変換装置１は，話題語リスト出力部１０によって，ＨＴ
ＭＬテキストコンテンツを話題に応じたブロックに分割し，各ブロックごとの話題の中心となる話題語を抽出して，それらを音声応答可能なマークアップ言語形式であるＶＸＭＬテキストに変換する。 マークアップ言語文書変換装置１は，そのＶＸＭＬテキストをＶＸＭＬサーバ装置３に送ることにより，ＶＸＭＬサーバ装置３は，ユーザ端末４に対して各ブロックごとの話題語を読み上げる。 【００１４】ユーザが，ユーザ端末４に音声出力された各ブロックごとの話題語を聞き，読み上げを希望するブロックがあれば，そのブロックの話題語を指定する番号を音声またはプッシュボタン操作などによりＶＸＭＬサーバ装置３に送信する。 ＶＸＭＬサーバ装置３は，ユーザ端末４から送信されたブロックの番号をマークアップ言語文書変換装置１に通知する。 【００１５】マークアップ言語文書変換装置１では，ブロックの番号をＶＸＭＬサーバ装置３から受信すると，
本文出力部２０によって，ユーザが選択した番号のブロックの本文を元のＨＴＭＬテキストコンテンツから抽出し，その部分をＶＸＭＬテキストに変換し，ＶＸＭＬサーバ装置３に出力する。 ＶＸＭＬサーバ装置３は，マークアップ言語文書変換装置１が出力したＶＸＭＬテキストを解釈し，音声合成によってそのブロックのコンテンツの内容を読み上げ，ユーザ端末４に音声で出力する。 【００１６】図１に示すシステム構成は一例であり，例えばＷＷＷサーバ装置２の中にマークアップ言語文書変換装置１を組み込んで本発明を実施することもでき，また，マークアップ言語文書変換装置１の中にＶＸＭＬサーバ装置３の機能を組み込むような実施も可能である。 【００１７】図２に，本実施の形態におけるマークアップ言語文書変換装置１の詳細な構成例を示す。 【００１８】マークアップ言語文書変換装置１は，話題語リスト出力部１０と本文出力部２０を備え，話題語リスト出力部１０は，ファイル取得部１１，コンテンツブロック化部１２，話題語抽出部１３，話題語リスト作成部１４，音声出力用文字列変換部１５，変換結果出力部１６からなる。 また，本文出力部２０は，話題語指定番号入力部２１，本文抽出部２２，音声出力用文字列変換部２３，変換結果出力部２４からなる。 【００１９】図３は，話題語リスト出力部１０の処理フローチャートである。 話題語リスト出力部１０のファイル取得部１１は，まず入力パラメータの解析を行い，ユーザの指定したコンテンツのＵＲＬ（Uniform Resource
Locator）を取得する（ステップＳ１）。 次に，そのＵ
ＲＬで指定されたＨＴＭＬファイルをＷＷＷサーバ装置２から取得する（ステップＳ２）。 図４に，話題語リスト出力部１０がファイル取得部１１によって取得したＨ
ＴＭＬファイルのテキストコンテンツの例を示す。 以下，このＨＴＭＬテキストコンテンツについての処理の例について説明する。 【００２０】コンテンツブロック化部１２は，取得したＨＴＭＬファイルのテキストコンテンツを，音声による読み上げに適した適当な長さのブロックに分割する（ステップＳ３）。 ＨＴＭＬは，よく知られているように，
ＳＧＭＬ（Standard Generalized Markup Language）の流れをくむ構造化言語であり，テキストコンテンツを構造化するのに役立っている。 構造化により，テキストコンテンツを部分部分にブロック化することは比較的容易である。 テキストコンテンツをブロック化する場合の最大ブロック長はあらかじめ決めておく。 【００２１】まず，ブロック構造を認識するためのタグを検索する。 このブロック構造を認識するためのタグは，例えばＦＲＡＭＥ，Ｈ１，Ｈ２，…，ＴＡＢＬＥなど，本文の何らかの区切りになるものである。 これらのブロック構造を認識するためのタグの種類を，あらかじめテーブル化して記憶しておき，そのテーブルを用いてタグを検索し，該当するタグがあれば，さらに終了タグを検索してタグ範囲を決める。 そのタグ範囲について，
コメント文などの音声出力に不要な部分を削除し，本文の有無を確認するとともに，ブロックに含まれる本文部分のブロックサイズまたはテキストサイズを計算する。
サイズが最大ブロック長より大きい場合には，適当な長さになるように，必要に応じて一つのタグ範囲を強制的に細分化する処理を行う。 【００２２】図５に，図４に示すＨＴＭＬテキストをブロックに分割した例を示す。 この例では，図５のように，ＨＴＭＬテキストが第１ブロックＢ１から第４ブロックＢ４まで４個のブロックに分割されている。 分割結果は，例えば各ブロックの開始ポジションと終了ポジションまたはサイズの情報として記憶しておく。 ポジションは，ＨＴＭＬファイルの先頭からの位置をバイト単位で示す。 【００２３】次に，話題語抽出部１３は，分割された各ブロックから，ブロックの内容をもっともよく表していると考えられる話題語を抽出する（ステップＳ４）。 話題語を抽出する方法として，どのような方法を用いてもよいが，例えばテキストコンテンツの構造に基づいて話題語を抽出する方法，テキストコンテンツの意味解析を行って話題語を抽出する方法，その他，適切な話題語を抽出する方法を用いることができる。 具体的には，例えば該当ブロックから先頭を自立語とする所定の適切話題語長で示される長さの文字列を切り出すといったことが考えられる。 本実施の形態では，抽出した話題語を音声で出力するので，各話題語を１〜２秒で聞き取ることができるように，適切話題語長を１０文字程度にするのが適切である。 【００２４】話題語リスト作成部１４は，話題語抽出部１３が各ブロックから抽出した話題語に，ブロック番号（１〜４）を付けて，話題語リストを作成する（ステップＳ５）。 【００２５】図６に，図５に示す各ブロックＢ１〜Ｂ４
から抽出した話題語をもとに作成した話題語リストの例を示す。 第１ブロックＢ１から抽出した話題語は「ラーメンに関する評価」であり，その先頭にブロックの番号＝１が付与される。 第２ブロックＢ２から抽出した話題語は「［第一部］ラーメン店の評価」，第３ブロックＢ
３から抽出した話題語は「ラーメン店」，第４ブロックＢ４から抽出した話題語は「ラーメン店評価テーブル」
である。 【００２６】次に，音声出力用文字列変換部１５は，話題語リスト作成部１４が作成した話題語リストを音声出力用文字列，すなわちＶＸＭＬ形式に変換する（ステップＳ６）。 このとき，文字列変換用テーブルを用いて，
文字列を変換する。 【００２７】図７に，文字列変換用テーブルの例を示す。 このテーブルを用いて，例えば括弧や空白などの音声による読み上げに適さない文字が含まれる文字列について，それらを読み上げに適した文字列に変換する。 文字列変換用テーブルには，例えば図７に示すように，各置き換え対象文字列ごとに，置き換え文字列，半角文字の大／小の区別，実際の置き換え対象文字列の文字間の空白の扱いなどの情報が記載されている。 このテーブルによって，置き換え対象文字列は，置き換え文字列に変換される。 半角文字の大／小の区別は，１のときは大文字／小文字を区別し，０のときは大文字／小文字の区別をしないことを示し，実際の置き換え対象文字列の文字間の空白の扱いは，１のときは空白を無視し，０のときは空白を無視しないことを示している。 【００２８】音声出力用文字列変換部１５は，図７に示す文字列変換用テーブルを用いて音声による読み上げに適さない文字列を，音声出力に適した文字列に変換した後，ＶＸＭＬに必要なタグや付随情報を付加して，音声出力のためのＶＸＭＬ形式のテキストを作成する。 【００２９】図８は，話題語リストをＶＸＭＬ形式に変換した例を示す。 ここでは，話題語リストを携帯電話に音声で出力するのに適したＶＸＭＬ形式のテキストの例を示しており，図８に示すように，携帯電話のユーザに１から４までの話題語のどれかを選択することを促す文字列が付け加えられている。 【００３０】変換結果出力部１６は，音声出力用文字列変換部１５が作成したＶＸＭＬ形式のテキストに，さらに図９に示すようなＶＸＭＬの定型的なテキストを付加して，図１に示すＶＸＭＬサーバ装置３に出力する（ステップＳ７）。 【００３１】これによりＶＸＭＬサーバ装置３では，図９に示すＶＸＭＬテキストのうち<prompt>のタグから</
prompt> のタグまでの文字列を，合成音声で読み上げ，
ユーザ端末４に出力することになる。 【００３２】次に，マークアップ言語文書変換装置１における本文出力部２０の処理について説明する。 図１０
は，本文出力部２０の処理フローチャートである。 【００３３】本部出力部２０の話題語指定番号入力部２
１は，ＶＸＭＬサーバ装置３から話題語指定番号を入力する（ステップＳ１０）。 この話題語指定番号は，図８
に示すＶＸＭＬテキストをユーザ端末４に出力したときに，ユーザ端末４から音声またはプッシュボタン（数字キー）の操作によって入力された番号である。 【００３４】本文抽出部２１は，図６に示す話題語リストを参照し，入力した話題語指定番号から指定された話題語に該当するブロックを特定する（ステップＳ１
１）。 例えば話題語指定番号が「３」の場合，図５に示すブロックのうち第３ブロックＢ３が指定されたものと解釈する。 本文抽出部２２は，ブロックを特定した後，
図４に示すようなＨＴＭＬファイルのテキストから該当するブロックの本文，すなわち図５に示す第３ブロックＢ３の本文テキスト部分を抽出する（ステップＳ１
２）。 【００３５】音声出力用文字列変換部２３は，本文抽出部２２が抽出した本文テキストの部分を，話題語リスト出力部１０における音声出力用文字列変換部１５と同様に，図７に示す文字変換用テーブルを用いて，音声による読み上げに適した文字列に変換する。 すなわち，抽出したテキスト中に音声による読み上げに適さない文字，
文字列が含まれる場合に，それらを読み上げに適した文字列に変換する。 その後，ＶＸＭＬに必要なタグや付随情報を付加して，音声出力のためのＶＸＭＬ形式のテキストにする（ステップＳ１３）。 【００３６】変換結果出力部２４は，音声出力用文字列変換部２３が作成したＶＸＭＬ形式のテキストに，さらに図１に示すＶＸＭＬサーバ装置３が音声出力するためのＶＸＭＬの定型的なテキストを付加して，その結果をＶＸＭＬサーバ装置３に出力する（ステップＳ１４）。 【００３７】図１１は，音声でユーザ端末４に出力されるブロック本文の例を示している。 上記の例において話題語として「ラーメン店」を指定する「３」の話題語指定番号が入力されると，図１１に示すような第３ブロックＢ３の本文が抽出され，ＶＸＭＬテキストに変換されて出力され，これによって，ユーザ端末４にその内容が音声で出力される。 【００３８】さらに，ユーザ端末４からＶＸＭＬサーバ装置３を介して話題語指定番号が入力されると，本文出力部２０は，入力された話題語指定番号に対応するブロックに対して，同様に以上の処理を繰り返す。 【００３９】以上説明した例では，本文出力部２０は，
話題語リストの出力と同様に指定されたブロック部分の本文を音声で出力するものとしたが，該当ブロックを特定した後，音声出力用文字列に変換しないで，ＨＴＭＬ
テキストの形式でユーザ端末４に出力してもよい。 この場合，ユーザ端末４には抽出された本文の部分が画面表示されることになる。 ユーザ端末４の受信データ量に制限があるような場合でも，短いブロックに分割されているため，ユーザ端末４は受信可能であり，画面に表示することが可能である。 【００４０】以上の実施の形態において，もし，指定されたＨＴＭＬファイルが以前にすでに音声出力の対象となったものであり，そのテキストコンテンツをブロック分割した結果および各ブロックから話題語を抽出した結果（話題語リスト等）を保存している場合には，あらためて同じ処理を繰り返すことなく，保存してあるブロック分割結果および話題語リストを利用して，処理を進めることができる。 この場合，もちろんＷＷＷサーバ装置２のＨＴＭＬコンテンツが更新されていないことが条件である。 もし更新されている場合には，ＨＴＭＬファイルの取得およびブロック分割処理が必要になる。 【００４１】 【発明の効果】以上説明したように，本発明では，ＨＴ
ＭＬコンテンツを話題に応じたブロックに分割し，各ブロック毎の話題を示す話題語を抽出し，話題語を音声によって読み上げることで，ＨＴＭＬコンテンツの全部を読むことなく音声によってＨＴＭＬの全体の概要を把握することが可能となる。 また，各ブロックに分割された本文は，音声によって読み上げるのに適切な長さに分割されるため，指定された話題語に関するブロックの本文を音声によって読み上げることができ，ユーザにその部分の本文を聞かせることができるようになる。

【図面の簡単な説明】 【図１】本発明を実施するためのシステムの構成例を示す図である。 【図２】本実施の形態におけるマークアップ言語文書変換装置の詳細な構成例を示す図である。 【図３】話題語リスト出力部の処理フローチャートである。 【図４】ＨＴＭＬファイルのテキストコンテンツの例を示す図である。 【図５】ＨＴＭＬテキストをブロックに分割した例を示す図である。 【図６】話題語リストの例を示す図である。 【図７】文字列変換用テーブルの例を示す図である。 【図８】話題語リストをＶＸＭＬ形式に変換した例を示す図である。 【図９】ＶＸＭＬサーバ装置に出力するＶＸＭＬテキストの例を示す図である。 【図１０】本文出力部の処理フローチャートである。 【図１１】音声でユーザ端末に出力されるブロック本文の例を示す図である。 【符号の説明】 １ マークアップ言語文書変換装置２ ＷＷＷサーバ装置３ ＶＸＭＬサーバ装置４ ユーザ端末５ ネットワーク１０ 話題語リスト出力部１１ ファイル取得部１２ コンテンツブロック化部１３ 話題語抽出部１４ 話題語リスト作成部１５ 音声出力用文字列変換部１６ 変換結果出力部２０ 本文出力部２１ 話題語指定番号入力部２２ 本文抽出部２３ 音声出力用文字列変換部２４ 変換結果出力部

───────────────────────────────────────────────────── フロントページの続き (72)発明者 宮本 勝 東京都千代田区大手町二丁目３番１号 日 本電信電話株式会社内(72)発明者 稲垣 博人 東京都千代田区大手町二丁目３番１号 日 本電信電話株式会社内Ｆターム(参考） 5B075 KK07 ND03 NK02 NK06 NK39 NR05 NS10 PP25 PQ46 QS01 5D045 AB01