JPH09331385A - 音声画像通信システムおよび画像情報検索システム - Google Patents

Abstract

(57)【要約】 【課題】 １つの音声キーワードに、複数の画像情報と
相手電話番号を対応付けて記憶することで、音声認識し
て得られる複数の電話番号を容易に確認できる、使い勝
手のよい音声画像通信システムを提供すること。 【解決手段】 音声画像通信システムに、音声が入力さ
れる音声入力部１０４と、キーまたはマウスにより電話
番号が入力されるキー入力部１００と、キー入力部より
入力される電話番号を再ダイヤル用に記憶する電話番号
記憶部と、相手静止画像を取り込む画像記憶部と、再ダ
イヤル用に記憶される電話番号と相手静止画像と音声入
力部より入力される音声とを対応づけて記憶する記憶部
１０７とを、設ける。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は、音声画像通信シス
テムおよび画像情報検索システムに係り、特に、コンピ
ュータや電話機、画像の送受信機能、テレビ放送受信機
能などが統合されたマルチメディア機能を備えたシステ
ムの技術に関する。

【０００２】

【従来の技術】従来、音声認識を用いて電話をかける音
声ダイヤル機能を備えた電話機やコマンド制御などが提
案されている。例えば、音声ダイヤルの場合には、予め
電話番号に対応した単語を発声し、音声分析処理して得
られる特徴量を標準パタンとして、単語レベルで電話番
号に対応付けてメモリに登録しておく。発信する時に、
電話番号をキー入力する代わりに、その電話番号に対応
する単語を発声し、音声分析処理して得られる特徴量と
標準パタンをマッチングすることで単語認識を行い、認
識結果に対応付けられた番号情報を電話回線に発信する
ようにした方法が提案されている（特開平２−１４３６
５１号公報参照）。そして、現状の画像表示ディスプレ
イを持たない電話機のみでは、音声認識の結果確認手段
としては音声出力あるいは文字出力を用いている。

【０００３】ところで最近では、ＩＳＤＮ（Integrated
Services Digital Network ）の普及などから、パーソ
ナルコンピュータ（パソコン；ＰＣ）やワークステーシ
ョン（ＷＳ）とカメラ入力とが一体となったデスクトッ
プ型のテレビ電話やテレビ会議システムなどが普及しつ
つある。そして、相手と回線を接続するためには、例え
ばスター型の多地点間のテレビ会議では、複数の相手を
選ぶのに個々の電話番号をキー入力したり、あるいはあ
らかじめ登録してある名前や電話番号等を選択する方法
を用いている。

【０００４】また、電話をかける以外に、最近ではディ
ジタル・スチルカメラやディジタル・ビデオカメラなど
ディジタルで画像情報を入力して、記録する方法が提案
されている。これらのディジタル情報は、パソコンやワ
ークステーションに取り込まれ、その情報は加工，修
正，変更等の編集に用いられるなど、その用途は広く考
えられる。検索する場合、現在は画像情報に日付やＮ
ｏ．などの時系列の付加情報があれば、これを利用して
キーボードやマウスを使って検索を行うことができる。

【０００５】

【発明が解決しようとする課題】これまで知られてきた
方法では、音声ダイヤル機能を利用して通話する前の準
備として、予め登録操作が必要であり、この登録は、１
つの音声キーワードに対して１つの電話番号を対応付け
るものである。このようにする所以は、従来の方法で
は、結果確認の手段に制約があり、１つの音声キーワー
ドで複数の電話番号を割り当てることが困難であったた
めである。そのため、複数の相手に発信する際には、各
々異なった音声キーワードを覚えておいて、これを音声
入力しなければならず、ユーザにとっては面倒で、使い
勝手が悪いという問題がある。

【０００６】なお、１つの音声キーワードで複数の電話
番号を対応付けた場合には、音声認識して得られる複数
の電話番号を、どのようにして確認するかという問題を
生じる。

【０００７】一方、画像などのディジタル情報は、日付
や時間、Ｎｏ．などの時系列の付加情報だけでは、一度
パソコンまたはワークステーションに取り込んだ後、ユ
ーザが撮影した日付や時間などを特定できない場合に、
検索をすることは容易ではない。そのため、メモリに蓄
積する画像などの情報量が増大するのに従って、検索の
ための確認作業の手間が増え、ユーザーにとっては煩わ
しく、本来目的とした編集作業が十分に行えない可能性
が生じるという問題がある。

【０００８】本発明の目的は、１つの音声キーワードに
複数の電話番号を対応付けて登録を行っても、所望する
電話番号の特定が、画像情報を利用することにより確実
・容易に行える、使い勝手のよい音声画像通信システム
を提供することにある。

【０００９】また、本発明の目的は、パソコンまたはワ
ークステーションに画像情報を取り込む際に、画像情報
に音声情報インデックスを付けて登録することで、検索
と確認を容易に行える、画像情報など視覚的な情報と音
声情報とを組み合わせた画像情報検索システムを提供す
ることにある。

【００１０】

【課題を解決するための手段】上記目的を達成するた
め、本発明の音声画像通信システムには、音声が入力さ
れる音声入力部と、キーまたはマウスにより電話番号が
入力されるキー入力部と、キー入力部より入力される電
話番号を再ダイヤル用に記憶する電話番号記憶部と、相
手静止画像を取り込む画像記憶部と、再ダイヤル用に記
憶される電話番号と相手静止画像と音声入力部より入力
される音声とを対応づけて記憶する記憶部とを、設け
た。

【００１１】また、本発明の音声画像通信システムに
は、キーワード登録の際、音声キーワードとそれに対応
する複数の画像情報とを対応付けて記憶する記憶部を設
けた。

【００１２】また、本発明の音声画像通信システムに
は、認識結果をディスプレイに表示する際、複数の画像
に対応した音声キーワードが入力された場合、記憶部か
ら対応する画像情報を読み出し複数分割して表示できる
画像表示部を設けた。これにより、ユーザは視覚的に確
認を容易にできるものである。

【００１３】また、本発明の画像情報検索システムに
は、画像情報にインデックスとしてそれに対応する音声
キーワードを登録する記憶部と、記憶部から対応する画
像情報を読み出し複数分割して表示できる画像表示部と
を設けた。

【００１４】

【発明の実施の形態】以下、本発明の実施の形態を、図
面を参照して説明する。図１は、本発明の１実施形態に
係る音声画像通信システムの端末装置（電話機能付き端
末装置）のブロック図である。

【００１５】図１において、１００は電話番号を入力す
るキー入力部、１０１は電話番号やその他のメッセージ
を表示する表示部、１０２は静止画や動画などを入力す
るための画像入力部、１０３は通話相手もしくは自己の
画像を出力する画像表示部、１０４は音声を入力するた
めの音声入力部、１０５は通話相手もしくは自己の音
声、または登録の確認メッセージ等の何らかの音声を出
力する音声出力部、１０６は端末装置内の各部を制御す
る制御部、１０７は音声キーワード，画像情報，電話番
号情報のデータベース、及びそれらの対応関係のデータ
ベースが記憶される記憶部、１０８は入力された画像を
分析処理する画像処理部、１０９は画像を伝送するため
の画像ＣＯＤＥＣ、１１０は入力された音声を分析処理
する音声処理部、１１１は音声を伝送するための音声Ｃ
ＯＤＥＣ、１１２は公衆回線網等の回線網と接続するた
めの回線接続部であり、本実施形態の電話機能付き端末
装置は、上記の各部１００〜１１２を中心に構成され
る。なお、１１３は広く普及している公衆電話回線網あ
るいはＩＳＤＮなどの回線網である。

【００１６】本実施形態では、まずオフフック状態で、
テンキーパッド等のキー入力部１００から電話番号を入
力する。このときに入力された電話番号は、一時的に再
ダイヤル用のメモリに記憶される。次に、入力された電
話番号は、制御部１０６により制御される回線接続部１
１２から回線網１１３に発信し、一般的な電話交換局に
送られ通話相手と接続される。そして、相手がオフフッ
クして画像情報が送信されてきた間のある時間の情報を
静止画像として取り込むことで、再度電話をかける時の
視覚的な確認用データとして用いる。また、音声入力部
１０４から入力された音声信号を、音声処理部１１０で
分析し特徴パラメータに変換する。そして、この特徴パ
ラメータとキー入力部１００から入力された電話番号と
取り込んだ静止画像とを対応させて記憶することで、登
録が完了する。

【００１７】オフフック状態で、かつキー入力部１００
から電話番号を入力していない状態で、音声入力部１０
４から音声が入力されると、音声処理部１１０で特徴パ
ラメータを求め、記憶部１０７にある音声キーワードの
標準パタンと類似度を計算し、一番類似度が大きい単語
を求める。その後、求めたキーワード単語に対応する画
像情報を記憶部１０７から参照し、制御部１０６から画
像処理部１０８に複数のデータを送り、画像表示部１０
３で画面上に分割してマルチ表示する。表示された画面
により選択あるいは確認を行い、選択された画像に対応
する電話番号を記憶部１０７から制御部１０６に読み込
み、その電話番号を回線接続部１１２に送り、回線網１
１３に発信する。

【００１８】図２に示すように、記憶部１０７には、音
声キーワード２００に対応してデータベース２０１が連
結して記憶されている。

【００１９】また図３に示すように、記憶部１０７のデ
ータベース２０１には、画像情報のデータベース３００
が格納されていて、１つの音声キーワードに複数の画像
情報が対応して格納されている。また、１つの画像情報
に対して複数の音声キーワードが対応して格納されてい
る。

【００２０】さらに図４に示すように、記憶部１０７の
データベース２０１には、画像情報のデータベース３０
０と、それに対応する電話番号のデータベース４００と
が格納されている。そして、１つの音声キーワードに複
数の画像情報が対応していて、また、１つの電話番号
は、複数の画像情報とリンクさせて対応付けることがで
きるようになっている。このように、１つの電話番号に
複数のキーワードを対応させておけば、検索するある１
つの音声キーワードを忘れた場合でも対処できるので、
音声による検索語彙を制限することなく、幅広い検索シ
ステムを構築できることになる。

【００２１】図５は、上記の記憶部１０７をサーバ５０
０側に持つことで、データベースサーバ５０１に、複数
のクライアント５０４からＬＡＮ５０３と公衆回線５０
２を通して共有してアクセスできることを示す。

【００２２】図６は、本実施形態を適用したテレビ電話
やテレビ会議システムなどにおいて、電話番号情報に音
声キーワード及び画像情報を登録するシーケンスのフロ
ー図である。

【００２３】まず、ステップ６００のオフフック状態か
ら、ステップ６０１でキー入力部１００から電話番号を
入力するとステップ６０２に進み、電話番号は記憶部１
０７の電話番号データベース４００に格納される。入力
された電話番号は、制御部１０６により制御される回線
接続部１１２から回線網１１３に発信し、一般的な電話
交換局に送られ通話相手と接続される。そして、ステッ
プ６０３では、相手の電話機がビデオ信号を送受信でき
る電話機であるかどうかを判断し、ビデオ信号を送受信
できる電話機であればステップ６０４に進み、相手がオ
フフックした後に送信してくるビデオ信号を受信する。
その後、ステップ６０５で、受信されたビデオ信号を画
像ＣＯＤＥＣ１０９を通して画像処理部１０８から静止
画として取り込む処理を行う。この処理は、相手から送
信されてくる画像のある時間の情報を制御部１０６によ
り静止画像として取り込む。例えば、相手がオフフック
した後、声を発声している音声区間を音声処理部１１０
で判定し、制御部１０６が、その時点の受信画像を画像
処理部１０８から自動的に取り込む。あるいは、ユーザ
ーがキー入力部１００から選択キーなどを用いて、任意
の受信画像を記憶部１０７に登録できるようにすること
も可能である。また、相手から選択された画像を送信し
てもらうことによる、画像登録も可能である。取り込ま
れた画像情報は、ステップ６０８で画像データベース３
００に格納され、ステップ６０９に進む。

【００２４】一方、ステップ６０３で、かけた相手先が
ビデオ信号を送受信できる電話機でないと判断した場合
は、ステップ６０６に進み、画像情報を登録するかどう
かをユーザーに選択させる。画像を登録する場合、ステ
ップ６０７に進み、写真や絵などの静止画像を画像入力
部１０２から自分で入力する。あるいは、画像を取り込
む代わりに、それに代わる文字の情報をマウス等を用い
てキー入力部１００から入力して記憶することで、後で
確認できるようにすることも可能である。

【００２５】通話が終了した後、ステップ６０９に進ん
でオンフックを行い、ステップ６１０では、音声入力部
１０４から入力される音声キーワードをメモリに格納す
る。音声キーワードの登録に関しては、従来音声認識を
用いる場合には認識する単語を音声で登録して特定話者
用の標準パタンを作成する必要があったが、最近ではテ
キストデータから自由に登録して不特定話者用の標準パ
タンを作成できる方式もある。そこで、インデックスの
登録は、キー入力部１００からキーボードやマウスを用
いてテキスト入力することや、音声を入力してテキスト
データに変換する方法や、あるいは音声情報そのものを
記憶部１０７に格納しておくことが可能である。その後
ステップ６１１に進み、画像情報と電話番号情報とに、
音声キーワードを対応させて記憶部１０７に格納する。

【００２６】図７は動画から静止画像を取り込む方法の
例を示す。静止画像の取り込みは、ユーザに対してあま
り操作を意識させずに簡単に行えることが重要である。
また、取り込んだ画像では相手を識別できないといった
場合や、ユーザの意図した画像情報でない場合に、再度
やり直さなければならないといった失敗をできるだけ回
避して、確実に取り込めることも重要である。

【００２７】そこで、通常相手の顔を見ながら対話する
ことを考えると、テレビ電話やテレビ会議などにおいて
も、声を発声している時は、正面を向いた状態でカメラ
あるいは画面上に映し出された映像を見ている可能性が
高いと考えられる。よって、相手が話している間に送信
されてくる音声信号を、音声ＣＯＤＥＣ１１１を通して
音声処理部１１０で音声区間７０１を検出する。そし
て、そこで相手から送信されてくる動画に対して、その
音声区間内で例えば一定の周期Ｔで画像を取り込む。取
り込まれた画像データは、一時的に記憶するメモリ７０
３を用意しておいて、順次格納していく。メモリ７０３
の容量には制約があるので、メモリ７０３がいっぱいに
なったら、時間的に新しい情報を上書きして常に新しい
情報を格納しておくことで、メモリを節約できる。

【００２８】そして、このメモリ７０３の情報を制御部
１０６によって順次取り出して、画像処理部１０８にデ
ータを送り、画像表示部１０３でマルチ画面に時系列に
複数表示する。そして、ユーザに確認及び選択させるこ
とで確定した静止画像を、メモリ７０３から記憶部１０
７に記憶する。このように、メモリ７０３に一時的に格
納しておくので、通話開始後だけでなく通話終了後で
も、簡単にしかも確実に静止画像を登録できる。

【００２９】図８は、本実施形態を適用したテレビ電話
やテレビ会議システムになどおいて、音声キーワードを
発声して認識処理を行い、発信するシーケンスのフロー
図である。

【００３０】まず、ステップ８００のオフフック状態か
ら、ステップ８０１で音声キーワードを発声すると音声
入力部１０４でこれを取り込み、ステップ８０２に進
む。ステップ８０２では、音声処理部１１０で処理を行
い、認識結果を制御部１０６に送る。ステップ８０３で
は、制御部１０６で認識結果からそれに対応する情報を
記憶部１０７から参照する。そして、ステップ８０４で
は、画像データベース３００に参照された画像情報があ
るかどうかを確認する。もしあればステップ８０５に進
み、なければステップ８１０に進む。

【００３１】ステップ８０５では、さらに１つの音声キ
ーワードに複数の画像情報及び電話番号が対応している
かどうかを判断する。もし複数の画像情報が対応してい
ればステップ８０６に、そうでなければステップ８０７
に進む。

【００３２】ステップ８０６では、制御部１０６から画
像処理部１０８に複数のデータを送り、画像表示部１０
３で画面上に分割してマルチ表示して、ステップ８０８
に進む。このことにより、ユーザーにとって視覚的に確
認し易くなる。

【００３３】一方、ステップ８０７では、同様に制御部
１０６から画像処理部１０８にデータを送り、画像表示
部１０３で１画面上に表示する。この時もし、認識処理
の結果得られる類似度が一番大きいキーワードに対応す
る画像情報だけでなく、次候補の情報も同時にマルチ画
面表示する場合、個々の画面表示の大きさを類似度の大
きさに比例して分割することで、より視覚的に確認しや
すくすることも可能である。

【００３４】ステップ８０８では、表示された画像によ
り選択あるいは確認を行い、ステップ８０９で、記憶部
１０７の電話番号データベース４００から選択された画
像に対応する電話番号を読み込み、ステップ８１０で、
制御部１０６から対応する電話番号を回線接続部１１２
に送り、回線網１１３に発信する。

【００３５】以上のように、１つの音声キーワードに対
応する画像情報を画面に複数表示することで、例えばパ
ソコンやワークステーションでの多地点間のＴＶ会議シ
ステムにおいて複数の相手に同時に発信するような場合
に、１つのキーワードを発声するだけの操作で発信でき
ることから、各々選択する手間が省ける。また、１つの
キーワードに対して１つの電話番号が対応している場
合、認識処理の結果得られる類似度などにより画面表示
の大きさを次候補よりも大きくすることで、より視覚的
に確認しやすくすることができる。あるいは、ビデオ信
号を送受信できる電話機の場合では、相手の画像情報を
保持しておけば、発信の際に相手の顔は覚えているが電
話番号は覚えていないといったケースで、音声キーワー
ドを発声し画像を表示して相手を確認することができる
ので、誤まった発信を避けることができる。そのため、
この方法では複数の相手に同一の音声キーワードをつけ
るような場合、例えば名前が同じようなケースでは、電
話番号では確認できなくても画像であれば確認できるな
どその利点は多い。以上のように画像情報を用いること
で、視覚的に確認を容易にでき、同じ音声キーワードに
対しても複数の電話番号を対応付けることが可能とな
り、ユーザに各々選択操作させる負担を軽減できる。

【００３６】かように、音声によるダイヤリングを、画
像情報を参照することと組み合わせて実現でき、大いに
利便性が向上する。

【００３７】次に、本発明のシステムのダイヤリングを
する以外での用途として、画像情報検索システムが考え
られる。例えば、画像情報をイメージスキャナ等を利用
してパソコンやワークステーションに取り込んで編集作
業を行うような場合、メモリに格納している情報量が多
くなるにしたがい、検索機能が必要になってくる。ま
た、頻繁に参照するような情報についても検索までの時
間を短縮して、効果的に編集作業を行いたい願望が強
い。そのような場合、画像情報に対応した音声インデッ
クスが付加されていれば、検索を容易にできる。

【００３８】図９に、本発明の他の実施形態としての画
像情報検索システムにおける、登録シーケンスのフロー
図を示す。なお、本画像情報検索システムの構成は、前
記図１の構成と同様であり、外部と回線網１１３を通し
て通信を行う必要のない場合には、前記回線接続部１１
２は割愛することも可能である。

【００３９】まず、ステップ９００で、画像情報をイメ
ージスキャナ等の画像入力部１０２から、パソコンやワ
ークステーションに入力する。その後、ステップ９０１
で、記憶部１０７の画像データベース３００にこのディ
ジタルデータを記憶して、ステップ９０２に進む。ここ
で、動画像から静止画像を取り込む場合には、動画像デ
ータと時間的に同期して録音されている音声があれば、
図７で説明したように、その音声区間を検出して、それ
に同期して複数の静止画像に分割することも可能であ
る。ステップ９０２では、取り込んだ画像データに対し
て音声インデックスを付加するかどうか確認する。イン
デックスを付加する場合は、ステップ９０３に進みイン
デックスを付加する。音声インデックスの付け方として
は、キーボードやマウスを用いてテキスト入力すること
や、音声を入力してテキストデータに変換する方法、あ
るいは音声情報そのものを記憶部１０７に格納しておく
ことが可能である。その後、ステップ９０４で、入力し
た画像情報とインデックス情報の対応づけを記憶部１０
７に記憶して、登録を終了する。また、一度取り込んだ
データをオリジナル情報として記憶しておけば、例えば
オリジナルの情報を加工や編集した場合には、その都度
インデックス情報を付加しなくても、自動的にオリジナ
ルと同一のものを付加することもできる。

【００４０】図１０に、本発明の他の実施形態としての
画像情報検索システムにおける、認識シーケンスのフロ
ー図を示す。

【００４１】図１０における処理の流れは、図８で説明
したなかでの、ステップ８００のオフフック、ステップ
８０４の画像情報があるかどうかの確認、ステップ８０
９のデータベースからの電話番号読み込み、ステップ８
１０の回線網１１３に発信するところを除いて、共通な
処理である。

【００４２】以上のような画像情報検索システムでは、
編集作業である画面を見ながら違う画像情報を参照する
ような場合に、音声キーワードでの検索を行える。ま
た、同一のカテゴリーやディレクトリの中などを参照す
るのに、キーあるいはマウス操作を不要とし、情報量の
増大に伴って階層が深くなるような場合でも、音声で検
索可能であるから階層間の操作や確認作業に手間がかか
らない。さらに、例えば、オリジナルの画像に対して音
声インデックスが付加されていれば、編集後に検索する
場合も、オリジナルの画像情報にツリー状にリンクして
表示することで、どのオリジナルの画像から編集したの
かを確認することもできるし、また、オリジナル画像に
関連した他の情報も同時に検索できる。このことによ
り、検索の自由度がさらに広がる。また、以上で説明し
てきた以外にも、もちろんディジタル・カメラやディジ
タル・ビデオカメラ端末で画像情報を記憶する時に、デ
ータ形式として同時に音声キーワードを付加しておき、
そのままパソコン等に取り込んで利用することもでき
る。

【００４３】また、上述してきた画像情報検索システム
を用いることで、次の用途も考えられる。例えば、オー
ディオグラフィックス会議の際の説明資料を画面に表示
させるような場合、予め音声キーワードと画像情報を対
応付けて記憶部１０７に格納しておけば、必要な時に記
憶部１０７から参照し、時間をかけずに音声で検索でき
る。さらに、不特定話者用の音声キーワードを用いれ
ば、相手の端末に画像情報とともにそのインデックスで
ある音声キーワードも同時に送信することで、他の使用
者が自分の端末でそのキーワードを用いることが可能に
なる。これにより、新たに自分で登録する手間がかから
ず、検索時間を大幅に短縮できるなどその利点は大き
い。あるいはさらに、端末側で個々に音声キーワードと
画像情報を対応付けた記憶部１０７を保持しておかなく
ても、サーバ側で不特定話者用のデータベースを保持し
ておくことで、多くのユーザが共通にアクセスして使用
できるようにすることも考えられる。

【００４４】さらにまた、医療分野のサービスも考えら
れる。例えば、医療用の画像データベースに対しても、
音声キーワードを対応させておくことで、検索を容易に
することができる。したがって、遠隔地の病院と都市部
の専門病院などをＩＳＤＮ回線で結んで、患者の診断デ
ータを転送してやり取りする病理診断などに利用でき
る。

【００４５】以上、いくつかの例によって本発明を説明
したが、本発明の精神を逸脱しない範囲内で、その他の
種々の変形が可能であることは言うまでもない。

【００４６】

【発明の効果】以上詳細に説明したように、本発明によ
れば、複数対象を１つの音声キーワードにより検索で
き、それに対応した画像情報などの視覚情報を提供する
ことで、ユーザに対する検索及び確認作業の負担を軽減
することができる。

【図面の簡単な説明】

【図１】本発明の１実施形態に係る音声画像通信システ
ムの端末装置（電話機能付き端末装置）のブロック図で
ある。

【図２】図１中の記憶部の説明図である。

【図３】図２の記憶部内の画像データベースを示す説明
図である。

【図４】図２の記憶部内の画像情報データベースと電話
番号情報データベースを示す説明図である。

【図５】本発明の１実施形態に係る音声画像通信システ
ムにおける、ネットワーク構成の１例を示す説明図であ
る。

【図６】本発明の１実施形態における、登録シーケンス
の１例を示すフロー図である。

【図７】本発明の１実施形態における、登録時の静止画
像の取り込み例を示す説明図である。

【図８】本発明の１実施形態の適用例としてのテレビ電
話やテレビ会議システムなどにおける、音声キーワード
を発声して認識処理を行い、発信するシーケンスのフロ
ー図である。

【図９】本発明の他の実施形態に係る画像情報検索シス
テムにおける、登録シーケンスのフロー図である。

【図１０】本発明の他の実施形態に係る画像情報検索シ
ステムにおける、認識シーケンスのフロー図である。

【符号の説明】

１００ キー入力部 １０１ 表示部 １０２ 画像入力部 １０３ 画像表示部 １０４ 音声入力部 １０５ 音声出力部 １０６ 制御部 １０７ 記憶部 １０８ 画像処理部 １０９ 画像ＣＯＤＥＣ １１０ 音声処理部 １１１ 音声ＣＯＤＥＣ １１２ 回線接続部 １１３ 回線網

Claims (4)

【特許請求の範囲】
1. 【請求項１】 音声を用いて電話番号を発信する音声画
   像通信システムにおいて、 音声が入力される音声入力部と、 電話番号が入力されるキー入力部と、 画像が入力される画像入力部と、 前記キー入力部より入力される電話番号を再ダイヤル用
   に記憶する記憶部と、 前記画像入力部からの画像を記憶する記憶部と、 前記音声入力部から入力される音声キーワードと、前記
   画像入力部から入力される画像と、前記キー入力部より
   入力される電話番号とを対応付けて記憶する記憶部と
   を、有することを特徴とする音声画像通信システム。
2. 【請求項２】 音声を用いて電話番号を発信する音声画
   像通信システムにおいて、 音声が入力される音声入力部と、 電話番号が入力されるキー入力部と、 画像が入力される画像入力部と、 前記キー入力部より入力される電話番号を再ダイヤル用
   に記憶する記憶部と、 前記画像入力部からの画像を記憶する記憶部と、 前記音声入力部から入力される音声キーワード１つに対
   して、前記画像入力部から入力される複数の画像情報
   と、それに対応する前記キー入力部より入力される電話
   番号とを対応付けて記憶する記憶部とを、有することを
   特徴とする音声画像通信システム。
3. 【請求項３】 音声を用いて電話番号を発信する音声画
   像通信システムにおいて、 音声が入力される音声入力部と、 電話番号が入力されるキー入力部と、 画像が入力される画像入力部と、 前記キー入力部より入力される電話番号を再ダイヤル用
   に記憶する記憶部と、 前記画像入力部からの画像を記憶する記憶部と、 前記音声入力部から入力される音声キーワードと、前記
   画像入力部から入力される画像と、前記キー入力部より
   入力される電話番号とを対応付けて記憶する記憶部と、 複数の画像情報を同時にマルチ表示できる画像表示部と
   を、有することを特徴とする音声画像通信システム。
4. 【請求項４】 音声を用いて画像情報を検索する画像情
   報検索システムにおいて、 画像が入力される画像入力部と、 音声が入力される音声入力部と、 入力された音声を音声キーワードとして記憶する記憶部
   と、 前記画像入力部からの画像を記憶する記憶部と、 前記音声入力部から入力される音声キーワード１つに対
   して、複数の画像情報を対応付けて記憶する記憶部と、 複数の画像情報を同時にマルチ表示できる画像表示部と
   を、有することを特徴とする画像情報検索システム。