JP2016220132A - サーバ装置、端末、通話システムおよび電話会議システム - Google Patents

Abstract

【課題】外部機器を用いることなく、サーバ装置の処理負荷を分散させた端末の接続構造を構築する。【解決手段】通話会議への参加を要求する端末２０，３０について、音声データを合成する機能を有するか否かを示す音声合成機能に関する情報を取得する制御部１１と、制御部１１が取得した音声合成機能に関する情報と、端末２０，３０が参加を要求する通話会議の音声通信に既に接続された機器の音声合成機能に関する情報、接続階層を示す情報および機器種別を示す情報とから、参加を要求する端末２０，３０を接続させる機器を探索する接続位置検索部１４とを備え、制御部１１が接続位置検索部１４が検索した機器に端末２０，３０の追加接続を要求する信号を出力する。【選択図】図２

Description

この発明は、複数の端末から受信した音声データを合成して配信する、多地点接続の通話技術に関するものである。

従来、電話会議のように複数の会議参加者が音声通話を行う通話システムは、サーバ装置が、会議参加者が利用する端末を管理して当該端末から送信される音声データを合成し、合成音声データを各端末に配信することで実現していた。しかし、会議参加者の端末数が増えると、サーバ装置における音声データの合成処理の処理負荷が増加するという問題があった。

サーバ装置の処理負荷の増加を抑制する対策として、非特許文献１には複数台の音声合成装置を階層構造で接続して処理負荷を分散する分散型ミキシングカンファレンスの技術が開示されている。また、特許文献１には、端末およびサーバに接続されたリソースを備え、サーバ装置によって決定されたリソースがそれぞれの端末から受信したトラフィック信号をまとめ、まとめた信号を会議通話の参加者の他の端末に送信する会議システムが開示されている。また、特許文献２には、１または複数台のテレビ電話装置との間で通信する通信エンジンと、当該テレビ電話装置から受信したデータを合成するグラフィックエンジンと、合成したデータをテレビ電話装置へ出力する制御手段とを有する外部モジュールを備えたテレビ電話システムが開示されている。

国際公開２００４−０２１６５５ 特開２００４−３５６８１４号公報

Network Working Group Request for Comments：4353 Category：Informational，J．Rosenberg Cisco System，February 2006

しかしながら、上述した非特許文献１に記載された技術では、音声合成装置を接続するための階層構造を構築するには手間がかかり、さらに当該階層構造を構築するためにはネットワークの知識を要するという課題があった。また、適切に処理負荷を分散するためには、個々の音声合成装置の処理負荷の状況をリアルタイムに取得する必要があるが、処理負荷の状況をリアルタイムに取得する構成は開示されていないという課題があった。

また、上述した特許文献１および特許文献２に記載された技術では、リソースあるいは外部モジュールがデータを合成するため、サーバ装置の処理負荷は分散される。しかし、サーバ装置の処理負荷を適切に分散させるための具体的構成については開示されておらず、特許文献１および特許文献２の技術をそのまま適用することは困難であるという課題があった。

この発明は、上記のような課題を解決するためになされたもので、外部機器を用いることなく、サーバ装置の処理負荷を分散させた端末の接続構造を構築することを目的とする。

この発明に係るサーバ装置は、通話会議への参加を要求する端末について、音声データを合成する機能を有するか否かを示す音声合成機能に関する情報を取得する制御部と、制御部が取得した音声合成機能に関する情報と、端末が参加を要求する通話会議の音声通信に既に接続された機器の音声合成機能に関する情報、接続階層を示す情報および機器種別を示す情報とから、参加を要求する端末を接続させる機器を探索する接続位置検索部とを備え、制御部が接続位置検索部が検索した機器に端末の追加接続を要求する信号を出力するものである。

この発明によれば、外部機器を用いることなく、サーバ装置の処理負荷を分散させた端末の適切な接続構造を構築することができる。

実施の形態１に係るサーバ装置を用いた通話システムの構成例を示す説明図である。 実施の形態１に係るサーバ装置の構成を示すブロック図である。 実施の形態１に係るサーバ装置の接続端末記憶部に記憶された接続端末テーブルの構成例を示す図である。 音声合成機能を有する端末の構成を示すブロック図である。 実施の形態１に係るサーバ装置のハードウェア構成を示す図である。 実施の形態１に係るサーバ装置を備える通話システムの処理を示すシーケンス図である。 実施の形態１に係るサーバ装置の動作を示すフローチャートである。 実施の形態１に係るサーバ装置による端末接続の構築を示す図である。 実施の形態１に係るサーバ装置による端末接続の構築を示す図である。 実施の形態１に係るサーバ装置による端末接続の構築を示す図である。 実施の形態１に係るサーバ装置による端末接続の構築を示す図である。 実施の形態２に係るサーバ装置を用いた通話システムの構成例を示す説明図である。 実施の形態２に係るサーバ装置の動作を示すフローチャートである。

実施の形態１．
実施の形態１に係るサーバ装置を用いた通話システムについて、図１を参照しながら説明を行う。図１は、実施の形態１に係るサーバ装置を用いた通話システムの構成例を示す説明図である。
通話システム１００は、サーバ装置１０および複数の端末２０，３０で構成されている。図１の例では、会議２００および会議３００が開催されており、サーバ装置１０は会議２００および会議３００に参加するユーザの６つの端末２０，３０ａ，３０ｂ，３０ｃ，３０ｄ，３０ｅの通信を制御している。サーバ装置１０は会議２００および会議３００に参加するユーザの６つの端末２０，３０ａ，３０ｂ，３０ｃ，３０ｄ，３０ｅから出力される音声データの合成処理を行い、合成した音声データを各ユーザの端末２０，３０に向けて配信する。サーバ装置１０は、音声合成処理以外にも、各端末２０，３０との通信接続の確立を行い、各端末２０，３０の情報の管理を行う。

端末２０，３０は、例えば携帯端末などで構成され、音声入出力機能および通信機能を備える機器であれば、どのような機器でも構成可能である。図１において、端末２０、端末３０ａおよび端末３０ｂのユーザは、会議２００の音声通話に参加し、端末２０、端末３０ａおよび端末３０ｂを介して発話および会議２００の傍聴を行っている。同様に端末３０ｃ、端末３０ｄおよび端末３０ｅのユーザは、会議３００の音声通話に参加し、端末３０ｃ、端末３０ｄおよび端末３０ｅを介して発話および会議３００の傍聴を行っている。会議２００，３００は、音声通話による通話会議に加え、画像データの送受信も伴ってテレビ電話会議として構成することも可能である。

端末２０は、音声データを合成する機能を有しており、会議２００に参加する他の端末３０ａおよび端末３０ｂから送信された音声に、自端末２０の音声データを合成し、合成した音声データをサーバ装置１０に送信する。サーバ装置１０は端末２０によって合成された音声データを受信するため、音声合成処理を行う必要がない。これにより、サーバ装置１０の処理負荷が低減される。端末３０は、音声データを合成する機能を有しておらず、音声データを合成する機能を有するサーバ装置１０または端末２０の下位層に接続される。

サーバ装置１０と端末２０と端末３０は所定の通信プロトコル（以下では、ＳＩＰ（Session Initiation Protocol）を例に説明する）に準拠した手順で通信を確立する。なお、通信プロトコルはＳＩＰに制限されるものではなく一例である。

図２は、実施の形態１に係るサーバ装置１０の構成を示すブロック図である。
サーバ装置１０は、制御部１１、音声合成処理部１２、接続端末記憶部１３および接続位置検索部１４を備える。
制御部１１は、端末２０，３０から通信開始を要求する通知を受信すると、当該端末２０，３０との通信を確立するための制御を行う。端末２０，３０から送信される通信開始を要求する信号（例えば、ＳＩＰメッセージ、具体例としてはＩＮＶＩＴＥメッセージ）には、当該端末２０，３０の音声合成機能に関する情報が付与されている。制御部１１は、受信した音声合成機能に関する情報を接続端末記憶部１３の接続端末テーブルに格納する。なお、通信開始を要求する信号に音声合成機能に関する情報が付与されていない場合には、当該通信開始を要求する信号の送信元である端末３０が音声合成の機能を有していないと判断し、接続端末テーブルに音声合成の機能を有していない旨を格納する。

音声合成処理部１２は、通信接続の確立先である複数の端末２０，３０から送信される音声データを合成し、合成結果である音声データを、制御部１１を介して各端末２０，３０へ配信する。音声データの合成には、既知の技術を適用する。

接続端末記憶部１３は、接続端末テーブルを記憶している。
図３は、実施の形態１に係るサーバ装置１０の接続端末記憶部１３が記憶する接続端末テーブルの構成例を示す図である。なお、図３は図１で示した通話システムに対応した接続端末テーブルを示している。
接続端末テーブルは、端末ＩＤ、会議ＩＤ、音声合成可能台数、接続台数および接続階層の項目で構成されている。端末ＩＤは、端末２０，３０がサーバ装置１０に対して通信開始要求を行った際に、サーバ装置１０が割り当てるＩＤである。図３の例では、端末ＩＤ「０」にはサーバ装置１０、端末ＩＤ「１」には端末２０、端末ＩＤ「２」には端末３０ａ、端末ＩＤ「３」には端末３０ｂ、端末ＩＤ「４」には端末３０ｃ、端末ＩＤ「５」には端末３０ｄ、端末ＩＤ「６」には端末３０ｅが割り当てられている。

会議ＩＤは、各端末２０，３０がどの会議に参加するかを識別するためのＩＤである。サーバ装置１０は、いずれの会議の発話および傍聴にも参加しないため、図３の例では、端末ＩＤ「０」の会議ＩＤは「−」となっている。会議ＩＤ「１」は会議２００であり、会議ＩＤ「２」は会議３００である。

音声合成可能台数は、サーバ装置１０および端末２０，３０が音声データを合成することができる端末の台数を示す。端末ＩＤ「１」の端末２０の音声合成可能台数は「８」であり、音声合成機能を有しており、最大８台の端末の音声データを合成可能であることを示している。また、端末ＩＤ「２」の端末３０ａの音声合成可能台数は「０」であり、音声合成機能を有していないことを示している。

接続台数は、自装置あるいは自端末に接続された上位の階層の機器および下位の階層の機器全ての数を示している。端末ＩＤ「１」の端末２０の場合、上位のサーバ装置１０に接続し、下位の２つの端末３０ａ，３０ｂに接続していることから、接続台数が「３」となっている。また、端末ＩＤ「０」のサーバ装置１０の接続台数「３０」は、サーバ装置１０が図１で示した会議２００および会議３００以外の会議にも参加し、図示した端末以外の端末とも接続を行っていることを示している。

接続階層は、サーバ装置１０を最上位階層「１」として、各端末２０，３０がいずれの階層でサーバ装置１０または端末２０と接続しているかを示す。図３の例では、端末ＩＤ「１」の端末２０は、サーバ装置１０の下位層に接続されていることから接続階層「２」となり、当該端末２０の下位層に接続された端末ＩＤ「２」の端末３０ａは、接続階層「３」となる。

接続位置検索部１４は、優位性評価部１４ａ、評価値比較部１４ｂ、最大評価値記憶部１４ｃおよび接続位置決定部１４ｄを備える。
優位性評価部１４ａは、新規端末が参加希望の会議に既に参加している端末２０，３０が存在し、且つ音声合成機能を有する端末２０が存在する場合に、新規端末がサーバ装置１０またはいずれかの端末２０に接続するのが優位であるかを評価する。優位性評価部１４ａは、サーバ装置１０も接続機器として優位性の評価の対象としている。以下においても同様である。

評価値比較部１４ｂは、優位性評価部１４ａが算出した評価値と、最大評価値記憶部１４ｃに記憶された最大評価値とを比較し、算出した評価値が最大評価値よりも大きい場合には、最大評価値の書き換え処理を行う。最大評価値記憶部１４ｃは、優位性評価部１４ａが算出した評価値の中で最も大きい評価値を最大評価値として記憶する。接続位置決定部１４ｄは、最大評価値記憶部１４ｃに記憶された最大評価値を有するサーバ装置または端末２０（以下、機器と称する）を、新規端末が接続する接続機器に決定する。

図４は、音声合成機能を備える端末２０の構成を示すブロック図である。
端末２０は制御部２１および音声合成処理部２２を備える。制御部２１は、サーバ装置１０との通信を確立し、操作部（不図示）を介して入力された指示に応じて通信開始要求を生成し、生成した通信開始要求をサーバ装置１０に送信する。また、制御部２１は、サーバ装置１０から送信される通信開始要求に対する応答を受信する。音声合成処理部２２は、音声入力部（不図示）によって収音した音声データと、同一の会議に参加する端末２０，３０であって、下層に接続された端末２０，３０から送信された音声データとを合成し、合成した音声データを上層の端末２０またはサーバ装置１０に送信する。また、音声合成処理部２２は、上層の端末２０またはサーバ装置１０から配信された音声データを、接続された下層の端末２０，３０に配信する。

図５は、実施の形態１に係るサーバ装置１０のハードウェア構成を示す図である。
図５（ａ）に示す構成の場合、サーバ装置１０の制御部１１、音声合成処理部１２および接続位置検索部１４は、プロセッサ９０１がメモリ９０２に記憶されたプログラムを実行することにより、実現される。接続端末記憶部１３は、メモリ９０２を構成する。また、複数のプロセッサ９０１および複数のメモリ９０２が連携して上述した機能を実行するように構成してもよい。

図５（ｂ）に示す構成の場合、制御部１１、音声合成処理部１２および接続位置検索部１４の機能は、ソフトウェア、ファームウェア、またはソフトウェアとファームウェアとの組み合わせにより実現される。ソフトウェアおよびファームウェアはプログラムとして記述され、メモリに格納される。処理回路９０３は、メモリに記憶されたプログラムを読み出して実行することにより各部の機能を実現する。ここで、メモリとは、例えば、ＲＡＭ、ＲＯＭ、フラッシュメモリーなどの不揮発性または揮発性の半導体メモリや、磁気ディスク、フレキシブルディスク、光ディスクなどが該当する。

次に、サーバ装置１０と複数の端末２０，３０とが接続を確立する際の概要について、図６を参照して説明する。
図６は、実施の形態１に係るサーバ装置１０を備えた通話システムの処理を示すシーケンス図であり、サーバ装置１０と２つの端末２０，３０が接続を確立する際の処理を示す図である。なお、図６では、音声合成機能を有する端末２０と、音声合成機能を有しない端末３０が、サーバ装置１０に接続する場合を例に示している。また以下では、サーバ装置１０、端末２０および端末３０が、セッションプロトコルとしてＳＩＰプロトコルを用いた場合を例に説明を行う。

端末２０は、会議２００に参加するために、サーバ装置１０に通信開始を要求する信号を送信する（ステップＳＴ１）。端末２０は、通信開始を要求する信号としてＩｎｉｔｉａｌ-ＩＮＶＩＴＥを送信するが、当該端末２０が音声合成機能を有していることから、音声合成機能を有していることを示す情報をＩｎｉｔｉａｌ-ＩＮＶＩＴＥに付与して送信する。サーバ装置１０はステップＳＴ１で送信された信号を受信すると、信号からＩｎｉｔｉａｌ-ＩＮＶＩＴＥと、Ｉｎｉｔｉａｌ-ＩＮＶＩＴＥに付与されていた音声合成機能を有していることを示す情報を取得し、端末２０の端末ＩＤ、参加会議ＩＤおよび音声合成機能を有していることを示す情報を、接続端末記憶部１３の接続端末テーブルに記憶し、接続位置検索処理を実行する（ステップＳＴ２）。

サーバ装置１０は、端末２０の接続位置をサーバ装置１０に決定し、端末２０に対して接続を許可する応答を出力する（ステップＳＴ３）。これにより、端末２０とサーバ装置１０との間に、音声データストリームの通信が確立する（ステップＳＴ４）。次に、端末３０は、端末２０と同一の会議２００に参加するために、サーバ装置１０に通信開始を要求する信号を送信する（ステップＳＴ５）。端末３０は、通信開始を要求する信号としてＩｎｉｔｉａｌ-ＩＮＶＩＴＥを送信するが、当該端末３０は音声合成機能を有していないことから、音声合成機能を有していないことを示す情報をＩｎｉｔｉａｌ-ＩＮＶＩＴＥに付与して送信する。

サーバ装置１０はステップＳＴ５で送信された信号を受信すると、信号からＩｎｉｔｉａｌ-ＩＮＶＩＴＥと、Ｉｎｉｔｉａｌ-ＩＮＶＩＴＥに付与されていた音声合成機能を有していないことを示す情報を取得し、端末３０の端末ＩＤ、参加会議ＩＤおよび音声合成機能を有していないことを示す情報を、接続端末記憶部１３の接続端末テーブルに記憶し、接続位置検索処理を実行する（ステップＳＴ６）。ステップＳＴ６の接続位置検索処理では、接続端末テーブルに音声合成機能を有する端末２０が存在することから、サーバ装置１０は、当該端末２０とサーバ装置１０との優位性を評価する。サーバ装置１０は、端末２０を接続位置として選定したものとする。

サーバ装置１０は、接続位置検索結果に基づいて、端末３０を端末２０に接続するために、ステップＳＴ５で送信されたＩｎｉｔｉａｌ-ＩＮＶＩＴＥを用いてメディア追加を要求する信号であるＲｅ−ＩＮＶＩＴＥを生成し、端末２０に送信する（ステップＳＴ７）。端末２０はステップＳＴ７で送信された信号を受信すると、信号であるＲｅ−ＩＮＶＩＴＥから端末３０のメディア情報を取得し、音声データ合成の対象に端末３０を追加する（ステップＳＴ８）。端末２０は、自身のメディア情報を付与した許可応答を生成し、サーバ装置１０に送信する（ステップＳＴ９）。サーバ装置１０は、ステップＳＴ９で送信された許可応答を受信し、当該許可応答から端末２０のメディア情報を取得する。さらにサーバ装置１０は、取得した端末２０のメディア情報を付与した許可応答を生成し、端末３０に送信する（ステップＳＴ１０）。これにより、端末２０と端末３０との間に、音声データストリームの通信が確立する（ステップＳ１１）。

次に、サーバ装置１０の動作について詳しく説明する。
図７は、実施の形態１に係るサーバ装置１０の動作を示すフローチャートである。
端末２０，３０が通信開始を要求する信号を送信し、サーバ装置１０が当該信号を受信すると（ステップＳＴ２１）、制御部１１は受信した通信開始を要求する信号から参加を希望する会議ＩＤおよび音声合成機能に関する情報を抽出し（ステップＳＴ２２）、新規端末ＩＤを割り当てる（ステップＳＴ２３）。制御部１１は、新規端末ＩＤ、会議ＩＤおよび音声合成機能に関する情報を、接続端末記憶部１３の接続端末テーブルに登録する（ステップＳＴ２４）。続いて制御部１１は、接続位置検索部１４に新規端末の接続位置の検索を指示する（ステップＳＴ２５）。

接続位置検索部１４の優位性評価部１４ａは、接続端末記憶部１３の接続端末テーブルを参照し、サーバ装置１０以外であって、新規端末が参加を希望する会議ＩＤに既に参加している端末２０，３０が存在するか判定を行う（ステップＳＴ２６）。参加している端末２０，３０が存在する場合（ステップＳＴ２６；ＹＥＳ）、優位性評価部１４ａは既に参加している端末２０，３０を抽出し、抽出した端末２０，３０に音声合成機能を有する端末２０が存在するか判定を行う（ステップＳＴ２７）。音声合成機能を有する端末２０が存在する場合（ステップＳＴ２７；ＹＥＳ）、優位性評価部１４ａは音声合成機能を有する端末２０を抽出し（ステップＳＴ２８）、優位性評価のためのパラメータを初期化する（ステップＳＴ２９）。また、ステップＳＴ２９のパラメータの初期化は、具体的には優位性評価部１４ａが現在選択している評価対象の機器情報を消去し、最大評価値記憶部１４ｃに記憶された最大評価値を「０」に設定する。

次に、優位性評価部１４ａは、ステップＳＴ２８で抽出した端末２０およびサーバ装置１０（以下、機器と称する）から１つの機器を選択し、当該機器を音声合成処理を行う機器とした場合の優位性を評価し、評価値を取得する（ステップＳＴ３０）。なお、優位性の評価の詳細については、後述する。評価値比較部１４ｂは、ステップＳＴ３０で取得した評価値と、最大評価値記憶部１４ｃに記憶された最大評価値とを比較し、ステップＳＴ３０で取得した評価値が最大評価値よりも大きいか判定する（ステップＳＴ３１）。ステップＳＴ３０で取得した評価値が最大評価値以下である場合（ステップＳＴ３１；ＮＯ）、ステップＳＴ３３の処理に進む。

一方、評価値が最大評価値よりも大きい場合（ステップＳＴ３１；ＹＥＳ）、接続位置決定部１４ｄは最大評価値記憶部１４ｃに記憶された評価値をステップＳＴ３０で取得した評価値に書き換える（ステップＳＴ３２）。評価値比較部１４ｂは、全ての機器について優位性の評価を行ったか判定を行う（ステップＳＴ３３）。全ての機器について優位性の評価を行っていない場合（ステップＳＴ３３；ＮＯ）、ステップＳＴ３０の処理に戻る。一方、全ての機器について優位性の評価を行った場合（ステップＳＴ３３；ＹＥＳ）、接続位置決定部１４ｄは最大評価値記憶部１４ｃに記憶された最大評価値を有する機器を、新規端末が接続する接続機器に決定する（ステップＳＴ３４）。

制御部１１は、ステップＳＴ３４で決定した接続機器が端末２０であるか判定を行う（ステップＳＴ３５）。決定した接続機器が端末２０である場合（ステップＳＴ３５；ＹＥＳ）、制御部１１は決定した接続機器に対してメディア追加要求を出力する（ステップＳＴ３６）。制御部１１は、ステップＳＴ３６で出力したメディア追加要求に対して、接続機器が送信した許可応答を受信すると（ステップＳＴ３７）、新規端末に対して接続機器のメディア情報を付加した許可応答を出力し（ステップＳＴ３８）、処理を終了する。
一方、参加している端末２０，３０が存在しない場合（ステップＳＴ２６；ＮＯ）、音声合成機能を有する端末３０が存在しない場合（ステップＳＴ２７；ＮＯ）、および決定した接続機器が端末２０でない場合（ステップＳＴ３５；ＮＯ）、制御部１１は新規端末に対してサーバ装置１０への接続を許可する許可応答を出力し（ステップＳＴ３９）、処理を終了する。

次に、上述したフローチャートのステップＳＴ３０で示した、優位性評価部１４ａによる優位性の評価について説明する。
優位性の評価は、複数の指標値に基づいて、ある機器を音声合成処理を行う機器とした場合に、他の機器よりも優位であるかを数値化するものである。上述したように、機器にはサーバ装置１０と端末２０が含まれるものとする。
評価値は、各機器の処理負荷の程度を考慮して決定される。評価値を決定する条件としては、例えば以下に示す３つの条件が挙げられる。

条件１．評価対象の機器が、新規端末を接続可能である。即ち、接続端末テーブルにおける「音声合成可能台数」と「接続台数」が、「音声合成可能台数−接続台数≧１」の条件を満たしている。
条件２．新規端末が音声合成機能を有している場合、評価対象の機器が、新規端末の「接続階層」よりも上位の「接続階層」である場合、優位となる。
条件３．端末２０はサーバ装置１０よりも優位となる。これは、サーバ装置１０の処理負荷を端末２０に分散することを目的とし、可能な限りサーバ装置１０を新規端末の接続対象としない接続構造を構築するためである。
条件４．音声合成の能力を有する新規端末は上位階層に接続し、音声合成の能力を有しない新規端末は下位階層に接続する。

上述した４つの条件に基づいて、以下の式（１）および式（２）で示す評価式が得られる。
式（１）は新規端末が音声合成の能力を有している場合に適用し、式（２）は新規端末が音声合成の能力を有していない場合に適用する。
Ｎ×（１＋×Ｓ／Ｈ） （１）
Ｎ×（１＋×Ｓ×Ｈ） （２）
Ｎ：評価対象の機器が、「音声合成可能台数−接続台数≧１」の条件を満たす場合は「１」、満たさない場合は「０」
Ｈ：評価対象の機器の接続階層を示す値
Ｓ：評価対象の機器がサーバ装置１０である場合「０」、評価対象の機器がサーバ装置１０ではない場合「１」
式（１）または式（２）で示した評価式に基づいて得られる評価値が大きい評価対象の機器ほど優位性を有している、即ち新規端末が接続するのにより優位な機器であることを意味している。また、上述した式（１）または式（２）では、サーバ装置１０に加わる処理負荷に基づいて評価対象の機器の優位性を評価しており、音声合成においてサーバ装置１０に加わる処理負荷を分散させた接続構造が構築される。

次に、図８から図１１を参照して複数の端末が会議４００に参加する場合に、階層的な接続構造が構築される手順について説明する。
図８は、会議が開始される前の接続状態を示す図である。図８（ａ）は会議の開始前のサーバ装置１０の接続状態を示す図であり、図８（ｂ）はサーバ装置１０の接続端末記憶部１３が記憶する接続端末テーブルを示す図である。
会議開始前であることから、図８（ａ）に示すようにサーバ装置１０にいずれの端末２０，３０も接続されていない。一方、図８（ｂ）の接続端末テーブルでは、接続台数「５５」となっている。これは、サーバ装置１０が複数の会議の音声通話を同時に処理可能であり、既に開催されている他の会議に参加している端末が接続されていることを示している。図８（ｂ）では記載を省略したが、端末ＩＤとして１から５５を設定し、各端末ＩＤについて会議ＩＤ、音声可能合成台数、接続台数および接続階層を記載した接続端末テーブルとしてもよい。

図９は、図８で示した接続状態に対して、新規に音声合成機能を有しない端末３０ｆ，３０ｇが会議４００に参加した接続状態を示す図である。図９（ａ）は会議４００のサーバ装置１０の接続状態を示す図であり、図９（ｂ）はサーバ装置１０の接続端末テーブルを示す図である。
図９（ｂ）に示すように、音声合成機能を有するのはサーバ装置１０のみであり、優位性評価部１４ａは、ステップＳＴ２６の判定処理において会議４００に既に参加している端末２０，３０が存在しないと判定し、制御部１１は、ステップＳＴ３９として、端末３０ｆ，３０ｇに対してサーバ装置１０への接続を許可する許可応答を出力する。許可応答を受信した端末３０ｆ，３０ｇは、９（ａ）に示すようにサーバ装置１０に接続される。

図１０は、図９で示した接続状態に対して、新規に音声合成機能を有する端末２０ａが会議４００に参加した接続状態を示す図である。
図１０（ａ）は会議４００のサーバ装置１０の接続状態を示す図であり、図１０（ｂ）はサーバ装置１０の接続端末テーブルを示す図である。
図１０（ｂ）に示すように、端末２０ａ以外に音声合成機能を有するのはサーバ装置１０のみである。そのため、優位性評価部１４ａは、ステップＳＴ２７の判定処理において音声合成機能を有する端末２０が存在しないと判定し、制御部１１は、ステップＳＴ３９として端末２０ａに対してサーバ装置１０への接続を許可する許可応答を出力する。許可応答を受信した端末２０ａは、図１０（ａ）に示すようにサーバ装置１０に接続される。

図１１は、図１０で示した接続状態に対して、新規に音声合成機能を有しない端末３０ｈが会議４００に参加した接続状態を示す図である。
図１１（ａ）は会議４００のサーバ装置１０の接続状態を示す図であり、図１１（ｂ）はサーバ装置１０の接続端末テーブルを示す図である。
図１１（ｂ）に示すように、音声合成機能を有するのはサーバ装置１０および端末２０ａである。そのため、優位性評価部１４ａは、ステップＳＴ２７の判定処理において音声合成機能を有する端末２０が存在すると判定し、ステップＳＴ２８からステップＳＴ３３の処理を行い、サーバ装置１０と端末２０ａの優位性を評価して比較する。サーバ装置１０と端末２０ａについて、上述した式（２）および図１１（ｂ）の接続端末テーブルに基づいて優位性の評価値を算出すると、サーバ装置１０の評価値は「１」であり、端末２０ａの評価値は「３」である。そのため、最大評価値記憶部１４ｃには端末２０ａの評価値「３」が記憶される。

接続位置決定部１４ｄは、ステップＳＴ３４において最大評価値記憶部１４ｃに記憶された最大評価値を参照し、端末３０ｈの接続位置を、最大評価値「３」を有する端末２０ａに決定する。制御部１１は、ステップＳＴ３８として、端末３０ｈに対して端末２０ａへの接続を許可する許可応答を出力する。許可応答を受信した端末３０ｈは、図１１（ａ）に示すように、端末２０ａに接続される。

以上のように、この実施の形態１によれば、新規に接続する端末から通信開始を要求する通知を受信し、当該通知に付与された音声合成機能に関する情報を抽出し、抽出した音声合成機能に関する情報に基づいて当該新規に接続する端末との通信を確立するための制御を行う制御部１１と、音声合成機能に関する情報と、評価対象の機器の接続階層と、評価対象の機器種別とに基づく評価値から、当該端末の接続位置を検索する接続位置検索部１４とを備えるように構成したので、サーバ装置の処理負荷を分散させた階層的な接続構造を構築することができる。また、新規に接続する端末の接続位置は、評価値に基づいて決定されるため、管理者がネットワークの知識を有していない場合にも、通話システムの階層的な接続構造を構築することができる。

また、この実施の形態１によれば、上述した式（１）または式（２）に基づいて評価対象の機器に新規端末を接続した場合の優位性を評価する優位性評価部１４ａと、優位性評価部１４ａが算出した評価対象の機器の評価値と、最大評価値記憶部１４ｃに記憶された最大評価値とを比較する評価値比較部１４ｂと、最大評価値を有する評価対象の機器を新規端末の接続位置に決定する接続位置決定部１４ｄとを備えるように構成したので、評価値に基づいて、新規端末の接続位置を一意に決定することができる。

また、この実施の形態１によれば、通信開始を要求するメッセージに音声合成機能に関する情報を付与する構成としたので、音声合成機能に関する情報を送信するための専用のメッセージを新たに作成する必要がない。これにより通話システム全体の制御遅延を抑制することができる。

また、この実施の形態１によれば、ＳＩＰメッセージのＩＮＶＩＴＥメッセージの、例えばリザーブ領域に音声合成機能に関する情報を付与することができる。これにより、ＳＩＰプロトコルに準じた機器との整合性を得ることができる。

実施の形態２．
上述した実施の形態１では、会議への参加を希望する端末が送信する通信開始を要求する信号に、音声合成機能に関する情報を付与する構成を示したが、この実施の形態２では会議に参加する端末の音声合成機能を示す情報を予め記憶しておき、サーバ装置１０が会議開催前に各端末の音声合成機能を示す情報を取得する構成を示す。

図１２は、実施の形態２に係るサーバ装置１０を備えた通話システム１００ａの構成例を示す説明図である。
なお、実施の形態２に係るサーバ装置１０の構成は、実施の形態１と同様に制御部１１、音声合成処理部１２、接続端末記憶部１３および接続位置検索部１４であることから、図示を省略する。また、実施の形態１に係る通話システム１００の構成要素と同一または相当する部分には、実施の形態１で使用した符号と同一の符号を付して説明を省略または簡略化する。
実施の形態１と同様に、サーバ装置１０と端末２０と端末３０は所定の通信プロトコル（以下では、ＳＩＰ（Session Initiation Protocol）を例に説明する）に準拠した手順で通信を確立する。なお、通信プロトコルはＳＩＰに制限されるものではなく一例である。

通話システム１００ａは、サーバ装置１０、レジストラサーバ４０および複数の端末２０，３０で構成されている。各端末２０，３０は、当該通話システム１００ａを利用する前に、レジストラサーバ４０に対して予め登録を行い、登録完了後に当該通話システムを利用する。各端末２０，３０は、登録を要求するメッセージあるいは登録を要求する信号（例えば、ＲＥＧＩＳＴＥＲメッセージ）に、自端末２０，３０の音声合成機能に関する情報を付与し、レジストラサーバ４０に送信する。

レジストラサーバ４０は、制御部４１および登録端末テーブル記憶部４２を備える。制御部４１は、端末２０，３０から送信された登録を要求するメッセージまたは信号から音声合成機能に関する情報を抽出し、抽出した情報を登録端末テーブル記憶部４２に記憶された登録端末テーブルに記憶させる。登録端末テーブルは、制御部４１が抽出した音声合成機能に関する情報と、端末ＩＤとが紐づけて記憶されている。具体的には、制御部４１がＳＩＰ ＲＥＧＩＳＴＥＲを受信すると、ＳＩＰ ＳＵＢＳＣＲＩＢＥおよびＳＩＰ ＮＯＴＩＦＹを利用することにより、レジストラサーバ４０から端末２０，３０の音声合成機能に関する情報を抽出し、登録端末テーブルに記憶させる。

サーバ装置１０の制御部１１は、会議開催前にレジストラサーバ４０に接続し、制御部４１を介して登録端末の音声合成機能に関する情報を取得し、接続端末記憶部１３に記憶された接続端末テーブルに音声合成機能に関する情報を書き込む。

次に、サーバ装置１０の動作について詳しく説明する。
図１３は、実施の形態２に係るサーバ装置１０の動作を示すフローチャートである。
いずれかの端末２０，３０から会議開催要求が入力されると（ステップＳＴ４１）、サーバ装置１０の制御部１１はレジストラサーバ４０と通信を行い、登録端末テーブル記憶部４２に記憶された登録端末テーブルから端末ＩＤおよび音声合成機能に関する情報を取得する（ステップＳＴ４２）。制御部１１は、ステップＳＴ４２で取得した端末ＩＤおよび音声合成機能に関する情報を、接続端末記憶部１３に記憶された接続端末テーブルに登録する（ステップＳＴ４３）。

次に、端末２０，３０が通信開始を要求する信号を送信し、サーバ装置１０が当該信号を受信すると（ステップＳＴ２１）、制御部１１は受信した通信開始を要求する信号から、端末ＩＤ、参加を希望する会議ＩＤを抽出する（ステップＳＴ４４）。ステップＳＴ４４で抽出する端末ＩＤは、ステップＳＴ４３で接続端末テーブルに登録された端末ＩＤと一致する。制御部１１は、接続位置検索部１４に新規端末の接続位置の検索を指示する（ステップＳＴ２５）。その後、図７で示したステップＳＴ２６以降の処理と同一の処理を実行する。

以上のように、この実施の形態２によれば、会議開催要求が入力されると、レジストラサーバ４０の登録端末テーブル記憶部４２に記憶された登録端末テーブルの端末ＩＤおよび音声合成機能に関する情報を取得し、接続端末記憶部１３の接続端末テーブルに登録するように構成したので、音声合成機能に関する情報を記憶する処理を一括で行うことができ、サーバ装置の処理負荷を低減することができる。また、各端末の音声合成機能を予め把握することができ、サーバ装置の処理負荷を適切に分散させた接続構成を構築することができる。

また、この実施の形態２によれば、端末２０，３０は、通話システム１００ａを利用する前にレジストラサーバ４０に対して予め登録を行い、登録は、登録を要求するメッセージあるいは登録を要求する信号に、自端末２０，３０の音声合成機能に関する情報を付与し、レジストラサーバ４０に送信するように構成したので、音声合成機能に関する情報を送信するための専用のメッセージを新たに作成する必要がない。これにより通話システム全体の制御遅延を抑制することができる。

なお、上述した実施の形態２において、サーバ装置１０は会議が開催される前にレジストラサーバ４０から端末ＩＤおよび音声合成機能に関する情報を取得し、音声合成機能を有する機器の負荷状況に応じて、通話システム１００ａの階層的な接続構造を予め構築しておいてもよい。

上述した実施に形態１および実施の形態２のサーバ装置１０と、端末２０，３０とを組み合わせて電話会議システムを構築することができる。電話会議システムに接続される端末は、全て音声合成機能を有する端末２０で構成する、全て音声合成機能を有しない端末３０で構成する、あるいは音声合成機能を有する端末２０と音声合成機能を有しない端末３０との組み合わせで構成することが可能である。

上記以外にも、本発明はその発明の範囲内において、各実施の形態の自由な組み合わせ、あるいは各実施の形態の任意の構成要素の変形、もしくは各実施の形態において任意の構成要素の省略が可能である。

１０ サーバ装置、１１，４１ 制御部、１２ 音声合成処理部、１３ 接続端末記憶部、１４ 接続位置検索部、１４ａ 優位性評価部、１４ｂ 評価値比較部、１４ｃ 最大評価値記憶部、１４ｄ 接続位置決定部、２０，３０ 端末、４０ レジストラサーバ、４２ 登録端末テーブル記憶部、１００，１００ａ 通話システム、２００，３００，４００ 会議。

Claims (8)

1. 通話会議への参加を要求する端末について、音声データを合成する機能を有するか否かを示す音声合成機能に関する情報を取得する制御部と、
   前記制御部が取得した音声合成機能に関する情報と、前記端末が参加を要求する通話会議の音声通信に既に接続された機器の音声合成機能に関する情報、接続階層を示す情報および機器種別を示す情報とから、前記参加を要求する端末を接続させる機器を探索する接続位置検索部とを備え、
   前記制御部は、前記接続位置検索部が検索した機器に前記端末の追加接続を要求する信号を出力するサーバ装置。
2. 前記制御部は、前記参加を要求する端末から送信された接続要求信号を受信し、受信した前記接続要求信号に付加された前記音声合成機能に関する情報を取得することを特徴とする請求項１記載のサーバ装置。
3. 前記制御部は、前記通話会議が開始される前に、外部記憶領域から前記通話会議の音声通信に接続する機器の音声合成機能に関する情報を取得することを特徴とする請求項１記載のサーバ装置。
4. 前記接続位置検索部は、
   前記端末が参加を要求する通話会議の音声通信に既に接続された機器であり、且つ音声合成機能を有する機器を、接続候補機器として抽出し、抽出した前記接続候補機器に前記端末を接続した場合の優位性を示す評価値を算出する優位性評価部と、
   前記優位性評価部が算出した評価値を、前記接続候補機器間で比較する評価値比較部と、
   前記評価値比較部の比較結果を参照し、最も高い評価値を有する前記接続候補機器を前記端末の接続位置に決定する接続位置決定部とを備えたことを特徴とする請求項１から請求項３のうちのいずれか１項記載のサーバ装置。
5. 前記通話会議の音声通信に既に接続された機器の音声合成機能に関する情報、接続階層を示す情報および機器種別を示す情報を格納した接続端末テーブルを記憶した接続端末記憶部を備え、
   前記制御部は前記通話会議への参加を要求する端末について取得した音声合成機能に関する情報を当該接続端末記憶部の接続端末テーブルに記憶させることを特徴とする請求項１から請求項４のうちのいずれか１項記載のサーバ装置。
6. 通話会議への参加を要求する信号に、自端末が音声データを合成する機能を有することを示す音声合成機能に関する情報を付加した接続要求信号を出力する制御部と、
   前記制御部が出力した接続要求信号に基づいて前記通話会議の音声通信に接続した後、自端末の下位層に接続された端末が送信する音声データと、自端末の音声データとを合成する音声合成処理部とを備え、
   前記制御部は、前記音声合成処理部が合成した音声データを上位層に位置する端末またはサーバ装置に送信する端末。
7. 通話会議の音声通信を制御するサーバ装置と、前記サーバ装置に接続され音声データの送受信を行う端末とを備える通話システムにおいて、
   前記サーバ装置は、前記通話会議への参加を要求する前記端末について、音声データを合成する機能を有するか否かを示す音声合成機能に関する情報を取得するサーバ制御部と、前記サーバ制御部が取得した音声合成機能に関する情報と、前記端末が参加を要求する通話会議の音声通信に既に接続された機器の音声合成機能に関する情報、接続階層を示す情報および機器種別を示す情報とから、前記参加を要求する端末を接続させる機器を検索する接続位置検索部とを備え、前記サーバ制御部が、前記接続位置検索部が検索した機器に前記端末の追加接続を要求する信号を出力し、
   前記端末は、前記通話会議への参加を要求する信号に、自端末の前記音声合成機能に関する情報を付加した接続要求信号を出力する端末制御部と、前記端末制御部が出力した接続要求信号に基づいて前記通話会議の音声通信に接続した後、自端末の下位層に接続された端末が送信する音声データと、自端末の音声データとを合成する音声合成処理部とを備え、前記端末制御部が、前記音声合成処理部が合成した音声データを上位層に位置する端末または前記サーバ装置に送信することを特徴とする通話システム。
8. 請求項７記載の通話システムを備えた電話会議システム。

Images