JPH10207685A - ハイパーリンク化された情報との音声化されたインターフェースのためのシステムおよび方法 - Google Patents
ハイパーリンク化された情報との音声化されたインターフェースのためのシステムおよび方法Info
- Publication number
- JPH10207685A JPH10207685A JP9333888A JP33388897A JPH10207685A JP H10207685 A JPH10207685 A JP H10207685A JP 9333888 A JP9333888 A JP 9333888A JP 33388897 A JP33388897 A JP 33388897A JP H10207685 A JPH10207685 A JP H10207685A
- Authority
- JP
- Japan
- Prior art keywords
- information
- hyperlink
- user
- voice
- speech
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04M—TELEPHONIC COMMUNICATION
- H04M3/00—Automatic or semi-automatic exchanges
- H04M3/42—Systems providing special services or facilities to subscribers
- H04M3/487—Arrangements for providing information services, e.g. recorded voice services or time announcements
- H04M3/493—Interactive information services, e.g. directory enquiries ; Arrangements therefor, e.g. interactive voice response [IVR] systems or voice portals
- H04M3/4938—Interactive information services, e.g. directory enquiries ; Arrangements therefor, e.g. interactive voice response [IVR] systems or voice portals comprising a voice browser which renders and interprets, e.g. VoiceXML
Landscapes
- Engineering & Computer Science (AREA)
- Signal Processing (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Information Transfer Between Computers (AREA)
- Computer And Data Communications (AREA)
Abstract
(57)【要約】
【課題】 本発明は、格納された情報とユーザとが対話
(Interaction)、特に、そのような対話が音声会話を介
して行われる技術に関し、音声ブラウザの改善を提供す
ることを目的とする。 【解決手段】 本発明は、音声の形式でユーザに対して
提示される複数のハイパーリンクの中から１つのハイパ
ーリンクの選択を容易にするものであり、該複数のハイ
パーリンクと１以上の他の語の音声発声を表す、ハイパ
ーリンクの識別を含んだ第１の信号を該ユーザに提供
し、該ユーザによって発声された音声を表す第２の信号
の音声認識を実行する段階とからなり、該音声認識が、
少なくとも２つの該ハイパーリンクに対応するエントリ
からなる認識装置の語彙を使うことによって実行される
ことを特徴とする。
(Interaction)、特に、そのような対話が音声会話を介
して行われる技術に関し、音声ブラウザの改善を提供す
ることを目的とする。 【解決手段】 本発明は、音声の形式でユーザに対して
提示される複数のハイパーリンクの中から１つのハイパ
ーリンクの選択を容易にするものであり、該複数のハイ
パーリンクと１以上の他の語の音声発声を表す、ハイパ
ーリンクの識別を含んだ第１の信号を該ユーザに提供
し、該ユーザによって発声された音声を表す第２の信号
の音声認識を実行する段階とからなり、該音声認識が、
少なくとも２つの該ハイパーリンクに対応するエントリ
からなる認識装置の語彙を使うことによって実行される
ことを特徴とする。
Description
【発明の属する技術分野】
【０００１】本出願は、格納された情報とユーザとが対
話(Interaction) 、特に、そのような対話が音声会話を
介して行われる技術に関する。
話(Interaction) 、特に、そのような対話が音声会話を
介して行われる技術に関する。
【０００２】
【発明の背景】「ブラウザ」として知られているソフト
ウェア・プログラムは、一般的に、ワールド・ワイド・
ウェブ（ＷＷＷ）として知られているインターネットの
一部への簡単なアクセスを提供するために使われてい
る。そのようなブラウザの例としては、ネットスケープ
・コミュニケーション社（Netscape Communications In
c.）から入手できるネットスケープナビゲータ（Netsca
pe Navigator）や、マイクロソフト社（Microsoft Corp
oration） から入手できるインターネットエクスプロー
ラ（Internet Explorer） 等がある。これらのブラウザ
は、コンピュータユーザがＷＷＷからの情報を要求し表
示することを支援する文字的・グラフィックス的なユー
ザ・インターフェースである。ブラウザによって表示さ
れる情報は、画像、文字、音声、グラフィックスおよび
ハイパーリンクを含むドキュメント（または「ペー
ジ」）を含み、それはよく「ハイパーテキスト（hypert
ext） 」と称される。
ウェア・プログラムは、一般的に、ワールド・ワイド・
ウェブ（ＷＷＷ）として知られているインターネットの
一部への簡単なアクセスを提供するために使われてい
る。そのようなブラウザの例としては、ネットスケープ
・コミュニケーション社（Netscape Communications In
c.）から入手できるネットスケープナビゲータ（Netsca
pe Navigator）や、マイクロソフト社（Microsoft Corp
oration） から入手できるインターネットエクスプロー
ラ（Internet Explorer） 等がある。これらのブラウザ
は、コンピュータユーザがＷＷＷからの情報を要求し表
示することを支援する文字的・グラフィックス的なユー
ザ・インターフェースである。ブラウザによって表示さ
れる情報は、画像、文字、音声、グラフィックスおよび
ハイパーリンクを含むドキュメント（または「ペー
ジ」）を含み、それはよく「ハイパーテキスト（hypert
ext） 」と称される。
【０００３】ハイパーテキストは、情報を見いだせる別
のアドレス（通常は別のドキュメント）のテキスト形式
のグラフィック表現である。そのような情報は普通、
「テキスト」によって伝えられる情報の内容と関連す
る。ハイパーテキストは、通常アドレスそのものではな
く、ユーザの関心の対象となり得るいくつかの情報を伝
えるテキストである。ユーザがハイパーテキストの一部
分を選択（例えば、マウスの「クリック」によって選
択）すると、ブラウザは通常、そのハイパーテキストに
関連するアドレスに基づいてサーバから別のドキュメン
トを要求する。この意味において、ハイパーテキスト
は、関連するアドレスにあるドキュメントへのリンクで
ある。
のアドレス（通常は別のドキュメント）のテキスト形式
のグラフィック表現である。そのような情報は普通、
「テキスト」によって伝えられる情報の内容と関連す
る。ハイパーテキストは、通常アドレスそのものではな
く、ユーザの関心の対象となり得るいくつかの情報を伝
えるテキストである。ユーザがハイパーテキストの一部
分を選択（例えば、マウスの「クリック」によって選
択）すると、ブラウザは通常、そのハイパーテキストに
関連するアドレスに基づいてサーバから別のドキュメン
トを要求する。この意味において、ハイパーテキスト
は、関連するアドレスにあるドキュメントへのリンクで
ある。
【０００４】従来のコンピュータ・ソフトウェア・ブラ
ウザの他に、他の型式のブラウザが知られている。オー
ディオ・ブラウザ(Audio Browser) は、ユーザ（リス
ナ）に対しＷＷＷのドキュメント・テキストを「音読」
することによってコンピュータ・ブラウザの機能に接近
する。オーディオ・ブラウザは視力に障害のある人、あ
るいはコンピュータにアクセスできないが電話にアクセ
スできる人にとって特に有用である。テキストの音読
は、従来のテキスト−音声変換（Ｔext-Ｔo-Ｓpeech:Ｔ
ＴＳ）技術によって、あるいは予め録音された音声を再
生することによって行うことができる。ハイパーテキス
トが、その前後に「ビープ音」などの可聴デリミタ(Aud
ible Delimiter) によって、あるいはハイパーテキスト
をリスナへ話すときの音声の特性の変化によって、リス
ナに示される。リスナがハイパーテキストに関係してい
るリンクされたアドレスへジャンプしたいときには、リ
スナーはＤＴＭＦトーン（すなわち、タッチトーン）に
よって応答するか、あるいは自動音声認識システムによ
って認識される「ジャンプ」または「リンク」などのコ
マンド語を話すことによって応答する。いずれの場合に
おいても、オーディオ・ブラウザは、この応答を、リス
ナーに対して音読したハイパーリンクに関係するアドレ
スにあるドキュメントを検索するコマンドと解釈す
る。。
ウザの他に、他の型式のブラウザが知られている。オー
ディオ・ブラウザ(Audio Browser) は、ユーザ（リス
ナ）に対しＷＷＷのドキュメント・テキストを「音読」
することによってコンピュータ・ブラウザの機能に接近
する。オーディオ・ブラウザは視力に障害のある人、あ
るいはコンピュータにアクセスできないが電話にアクセ
スできる人にとって特に有用である。テキストの音読
は、従来のテキスト−音声変換（Ｔext-Ｔo-Ｓpeech:Ｔ
ＴＳ）技術によって、あるいは予め録音された音声を再
生することによって行うことができる。ハイパーテキス
トが、その前後に「ビープ音」などの可聴デリミタ(Aud
ible Delimiter) によって、あるいはハイパーテキスト
をリスナへ話すときの音声の特性の変化によって、リス
ナに示される。リスナがハイパーテキストに関係してい
るリンクされたアドレスへジャンプしたいときには、リ
スナーはＤＴＭＦトーン（すなわち、タッチトーン）に
よって応答するか、あるいは自動音声認識システムによ
って認識される「ジャンプ」または「リンク」などのコ
マンド語を話すことによって応答する。いずれの場合に
おいても、オーディオ・ブラウザは、この応答を、リス
ナーに対して音読したハイパーリンクに関係するアドレ
スにあるドキュメントを検索するコマンドと解釈す
る。。
【０００５】
【発明の概要】本発明は、改善されたオーディオ・ブラ
ウザに向けられている。従来のブラウザには、ハイパー
リンクを選択するために単純なコマンド語またはトーン
を使用しなければならない制限があることを本発明の発
明者は認識している。特に、ハイパーテキストでリンク
されたアドレスへジャンプする要望を示すために「同
じ」コマンドまたはトーンを用いるので、従来のオーデ
ィオ・ブラウザでは、そのリスナ（ユーザ）が「次の」
ハイパーリンク・テキストを示す「前に」、任意のハイ
パーテキスト・リンクを選択しなければならない。ハイ
パーテキスト・リンクが連続的に速く現れることから、
あるいは、追加のハイパーリンクを聞くまではどのハイ
パーリンクを選択するかをユーザが知ることができない
ことから、そのようなオーディオ・ブラウザのユーザ
は、巻き戻しおよび再生のコマンドを使って、ハイパー
テキストの次の部分の音読の前に、読まれたが選択しな
かったハイパーテキストを選択できるようにしなければ
ならない。
ウザに向けられている。従来のブラウザには、ハイパー
リンクを選択するために単純なコマンド語またはトーン
を使用しなければならない制限があることを本発明の発
明者は認識している。特に、ハイパーテキストでリンク
されたアドレスへジャンプする要望を示すために「同
じ」コマンドまたはトーンを用いるので、従来のオーデ
ィオ・ブラウザでは、そのリスナ（ユーザ）が「次の」
ハイパーリンク・テキストを示す「前に」、任意のハイ
パーテキスト・リンクを選択しなければならない。ハイ
パーテキスト・リンクが連続的に速く現れることから、
あるいは、追加のハイパーリンクを聞くまではどのハイ
パーリンクを選択するかをユーザが知ることができない
ことから、そのようなオーディオ・ブラウザのユーザ
は、巻き戻しおよび再生のコマンドを使って、ハイパー
テキストの次の部分の音読の前に、読まれたが選択しな
かったハイパーテキストを選択できるようにしなければ
ならない。
【０００６】本発明の発明者はさらに、「目の見える」
人に対するコンピュータ・ブラウザで採用されている音
声認識技術の特徴が「コンピュータの画面を見ることが
できない」人のためのブラウザを改善するのに有用であ
ることを認識している。例えば、１９９５年６月５日に
出願された米国特許出願第08/460,955号を参照された
い。
人に対するコンピュータ・ブラウザで採用されている音
声認識技術の特徴が「コンピュータの画面を見ることが
できない」人のためのブラウザを改善するのに有用であ
ることを認識している。例えば、１９９５年６月５日に
出願された米国特許出願第08/460,955号を参照された
い。
【０００７】本発明の１つの実施例によると、例えばＷ
ＷＷドキュメントから得られる複数のハイパーテキスト
・リンク（あるいは、もう少し詳細には「ハイパーリン
ク語(Hyperlink Word)」）が、「オーディオ」ブラウザ
に対する音声認識装置の語彙として用いられている。こ
れらのハイパーリンク語を、そのオーディオ・ブラウザ
の「話し声」の通常の課程でユーザに音読する。ユーザ
は、そのようなハイパーリンク語を、例えば「話し声」
に対する音声の特性の変化によって識別する。ユーザが
ハイパーリンク語を選択したい時、従来技術のオーディ
オ・ブラウザのようにコマンドを話すかＤＴＭＦトーン
を使うのではなく、そのハイパーリンク語そのものを単
に繰り返す。ドキュメントのハイパーリンク語のいくつ
か、またはすべてをその語彙として有している音声認識
装置は、話されたハイパーリンク語を認識し、認識され
たハイパーリンク語に関連してリンクされたアドレスへ
のジャンプを生じさせる。
ＷＷドキュメントから得られる複数のハイパーテキスト
・リンク（あるいは、もう少し詳細には「ハイパーリン
ク語(Hyperlink Word)」）が、「オーディオ」ブラウザ
に対する音声認識装置の語彙として用いられている。こ
れらのハイパーリンク語を、そのオーディオ・ブラウザ
の「話し声」の通常の課程でユーザに音読する。ユーザ
は、そのようなハイパーリンク語を、例えば「話し声」
に対する音声の特性の変化によって識別する。ユーザが
ハイパーリンク語を選択したい時、従来技術のオーディ
オ・ブラウザのようにコマンドを話すかＤＴＭＦトーン
を使うのではなく、そのハイパーリンク語そのものを単
に繰り返す。ドキュメントのハイパーリンク語のいくつ
か、またはすべてをその語彙として有している音声認識
装置は、話されたハイパーリンク語を認識し、認識され
たハイパーリンク語に関連してリンクされたアドレスへ
のジャンプを生じさせる。
【０００８】
【発明の詳細な記述】現代の環境においては、ユーザと
そのユーザに関心のある情報との間の電子媒体を経由し
たインターフェースは、ほぼ至る所にも存在するように
なってきている。そのようなインターフェースの代表的
なものが図１に示されている。そこでは音声端末（例え
ば、電話端末）１０１に位置するユーザは、代表的に公
衆電話網（ＰＳＴＮ）１１０として示されている通信経
路を経由して、音声サーバノード(Audio Serving Note)
１２０へのアクセスを得る。音声サーバノード１２０に
おいては、音声サーバ１２２が関連するデータベース
（データ記憶装置１２１）に格納されている情報へのユ
ーザに対するインターフェースを提供している。
そのユーザに関心のある情報との間の電子媒体を経由し
たインターフェースは、ほぼ至る所にも存在するように
なってきている。そのようなインターフェースの代表的
なものが図１に示されている。そこでは音声端末（例え
ば、電話端末）１０１に位置するユーザは、代表的に公
衆電話網（ＰＳＴＮ）１１０として示されている通信経
路を経由して、音声サーバノード(Audio Serving Note)
１２０へのアクセスを得る。音声サーバノード１２０に
おいては、音声サーバ１２２が関連するデータベース
（データ記憶装置１２１）に格納されている情報へのユ
ーザに対するインターフェースを提供している。
【０００９】図に示されているように、ユーザは、デー
タ端末（例えば、コンピュータ端末）１０２のような文
字またはグラフィックを基礎とする媒体から所望の情報
へのアクセスを得ることもできる。ユーザは、代表的に
ＰＳＴＮ１１０として示されている通信経路を経由し
て、データサーバノード１３０へのアクセスを得る。デ
ータサーバノード１３０においては、データ・サーバ１
３２が関連するデータベース（データ記憶装置１３１）
に格納されている情報へのユーザに対するインターフェ
ースを提供している。
タ端末（例えば、コンピュータ端末）１０２のような文
字またはグラフィックを基礎とする媒体から所望の情報
へのアクセスを得ることもできる。ユーザは、代表的に
ＰＳＴＮ１１０として示されている通信経路を経由し
て、データサーバノード１３０へのアクセスを得る。デ
ータサーバノード１３０においては、データ・サーバ１
３２が関連するデータベース（データ記憶装置１３１）
に格納されている情報へのユーザに対するインターフェ
ースを提供している。
【００１０】そのような文字またはグラフィックを基礎
とするインターフェース・デバイスから非常に複雑な多
階層の情報源へのアクセスを提供することは既に知られ
ているが、前述したとおり、従来技術で知られるような
声を基礎とするインターフェースは、そのような情報の
非常に限られた範囲だけにアクセスを提供することがで
きる。
とするインターフェース・デバイスから非常に複雑な多
階層の情報源へのアクセスを提供することは既に知られ
ているが、前述したとおり、従来技術で知られるような
声を基礎とするインターフェースは、そのような情報の
非常に限られた範囲だけにアクセスを提供することがで
きる。
【００１１】しかし、複雑の程度及び詳細の程度を増加
する（あるいは減少する）リンクされた層あるいは論理
的な関係を指定しているネットワークのリンクのいずれ
かで構成されているテキストを基礎とする情報（トラン
ザクション的なオプションを含む）を提供することは、
この分野の技術においてよく知られている。情報が階層
構造で構成されている場所において、そのような層の間
のリンクが、特定の層に配置されているキー語またはフ
レーズに基づいて通常設定されており、このキー語の各
々は通常、別の層にある関連する情報へのリンクを提供
する。ここでの説明は、階層に格納されている情報への
アクセスに焦点を向けているが、この利用は例示的なも
のであり、本発明の範囲を限定することを意図するもの
ではないことに留意されたい。事実、本発明は、論理的
なリンクのすべての型式に適している。
する（あるいは減少する）リンクされた層あるいは論理
的な関係を指定しているネットワークのリンクのいずれ
かで構成されているテキストを基礎とする情報（トラン
ザクション的なオプションを含む）を提供することは、
この分野の技術においてよく知られている。情報が階層
構造で構成されている場所において、そのような層の間
のリンクが、特定の層に配置されているキー語またはフ
レーズに基づいて通常設定されており、このキー語の各
々は通常、別の層にある関連する情報へのリンクを提供
する。ここでの説明は、階層に格納されている情報への
アクセスに焦点を向けているが、この利用は例示的なも
のであり、本発明の範囲を限定することを意図するもの
ではないことに留意されたい。事実、本発明は、論理的
なリンクのすべての型式に適している。
【００１２】そのような階層的にリンクされた情報層の
テキストを基礎とする集合を頻繁に用いている場合が、
ハイパーテキスト・マークアップ・ランゲージ（HyperT
extMarkup Language:ＨＴＭＬ）として知られている方
法に見出される。ＨＴＭＬは、ワールド・ワイド・ウェ
ブに対する重要な機能を提供する。ＷＷＷによって、初
期層、すなわち、「ホームページ」がユーザに提示さ
れ、そのホームページは、そのウェブ・サイトに関連す
る主題の事項やアプリケーションに関連する、比較的高
いレベルの情報の記述を提供する。そのホームページ情
報に関連するより詳しい情報または特定のトランザクシ
ョンを追求したいユーザのために、そのホームページの
テキスト中にキー語またはフレーズが強調表示されてお
り、それらはより詳細な情報や特定のトランザクション
にリンクされている。そのようなリンクがＨＴＭＬの機
能によって提供されている。
テキストを基礎とする集合を頻繁に用いている場合が、
ハイパーテキスト・マークアップ・ランゲージ（HyperT
extMarkup Language:ＨＴＭＬ）として知られている方
法に見出される。ＨＴＭＬは、ワールド・ワイド・ウェ
ブに対する重要な機能を提供する。ＷＷＷによって、初
期層、すなわち、「ホームページ」がユーザに提示さ
れ、そのホームページは、そのウェブ・サイトに関連す
る主題の事項やアプリケーションに関連する、比較的高
いレベルの情報の記述を提供する。そのホームページ情
報に関連するより詳しい情報または特定のトランザクシ
ョンを追求したいユーザのために、そのホームページの
テキスト中にキー語またはフレーズが強調表示されてお
り、それらはより詳細な情報や特定のトランザクション
にリンクされている。そのようなリンクがＨＴＭＬの機
能によって提供されている。
【００１３】代表的なＨＴＭＬのアプリケーションにお
いては、ユーザに対してテキストのページがパーソナル
・コンピュータのモニタ表示され（最初のそのようなペ
ージは通常はホームページと呼ばれている）、そのテキ
スト中のハイパーテキスト（またはハイパーリンク語）
は特定の色又はアンダーライン付きで表示されるか、通
常のテキストの活字とは異なる何らかの他の方法で表示
される。そのようなハイパーリンク語の下にある（すな
わち、関連する）情報にアクセスしたいユーザは、マウ
ス・ポインタまたはカーソルでそのハイパーテキストを
指定し、そしてマウスのボタンをクリックするか、ある
いはキーボードの「Enter」キーを押すかのいずれかに
よって、下にある情報をアクセスする意志を知らせるこ
とになる。
いては、ユーザに対してテキストのページがパーソナル
・コンピュータのモニタ表示され（最初のそのようなペ
ージは通常はホームページと呼ばれている）、そのテキ
スト中のハイパーテキスト（またはハイパーリンク語）
は特定の色又はアンダーライン付きで表示されるか、通
常のテキストの活字とは異なる何らかの他の方法で表示
される。そのようなハイパーリンク語の下にある（すな
わち、関連する）情報にアクセスしたいユーザは、マウ
ス・ポインタまたはカーソルでそのハイパーテキストを
指定し、そしてマウスのボタンをクリックするか、ある
いはキーボードの「Enter」キーを押すかのいずれかに
よって、下にある情報をアクセスする意志を知らせるこ
とになる。
【００１４】＜Ｉ．本発明に従った例示的な処理の紹介
＞１つの実施例によると、相互にリンクされた情報の階
層構造の集合に対する音声によるユーザ・インターフェ
ースが、テキストを基礎とするリンクされたＨＴＭＬ層
の集合（以降ではＨＴＭＬ「ページ」と呼ばれることが
ある）として、所望の情報データベースの初期確立を通
じて提供される。これらのページは、単独のサーバに、
あるいは複数のネットワーク化されたサーバに格納され
る。本発明の１つの実施例によると、任意のＨＴＭＬペ
ージのテキストが音声の形式に変換され、そのテキスト
のハイパーリンク語は他のテキストとは区別される音声
とされる。ユーザは、関連する追加の情報が必要である
ポイントを表すハイパーリンク語を繰り返す（すなわ
ち、発声する）ことによって、この音声化された情報シ
ステムと対話(Interactive) し、自動音声認識システム
は、そのユーザによって与えられたハイパーリンク語の
発声を認識する。そのような与えられたハイパーリンク
語の認識に応動して、その与えられたハイパーリンク語
に対応する情報層へのジャンプが行われ、その後に、そ
の新しい情報層のテキストが音声の形式に変換される。
＞１つの実施例によると、相互にリンクされた情報の階
層構造の集合に対する音声によるユーザ・インターフェ
ースが、テキストを基礎とするリンクされたＨＴＭＬ層
の集合（以降ではＨＴＭＬ「ページ」と呼ばれることが
ある）として、所望の情報データベースの初期確立を通
じて提供される。これらのページは、単独のサーバに、
あるいは複数のネットワーク化されたサーバに格納され
る。本発明の１つの実施例によると、任意のＨＴＭＬペ
ージのテキストが音声の形式に変換され、そのテキスト
のハイパーリンク語は他のテキストとは区別される音声
とされる。ユーザは、関連する追加の情報が必要である
ポイントを表すハイパーリンク語を繰り返す（すなわ
ち、発声する）ことによって、この音声化された情報シ
ステムと対話(Interactive) し、自動音声認識システム
は、そのユーザによって与えられたハイパーリンク語の
発声を認識する。そのような与えられたハイパーリンク
語の認識に応動して、その与えられたハイパーリンク語
に対応する情報層へのジャンプが行われ、その後に、そ
の新しい情報層のテキストが音声の形式に変換される。
【００１５】本発明のこの実施例によると、ＨＴＭＬペ
ージのテキストが音声形式に変換される。その音声化さ
れたＨＴＭＬテキストが、この実施例における電話のリ
ンクを含む種々の周知の通信リンクを経由して、ユーザ
に対して再生される。このようなテキストから音声形式
への変換は非常によく知られており、通常はテキスト−
音声合成器（Ｔext-Ｔo-Ｓpeech synthesizer:ＴＴＳ）
によって実行されることになる。そのようなＴＴＳシス
テムはそれ自身よく知られている。ＴＴＳシステムの例
は米国特許第4,685,135号、第5,157,759号、及び第5,20
4,905号に開示されている。
ージのテキストが音声形式に変換される。その音声化さ
れたＨＴＭＬテキストが、この実施例における電話のリ
ンクを含む種々の周知の通信リンクを経由して、ユーザ
に対して再生される。このようなテキストから音声形式
への変換は非常によく知られており、通常はテキスト−
音声合成器（Ｔext-Ｔo-Ｓpeech synthesizer:ＴＴＳ）
によって実行されることになる。そのようなＴＴＳシス
テムはそれ自身よく知られている。ＴＴＳシステムの例
は米国特許第4,685,135号、第5,157,759号、及び第5,20
4,905号に開示されている。
【００１６】実施例の音声化情報サービスとインターフ
ェースするユーザは、追加の情報に関連するハイパーリ
ンク語に向けられた応答によって、リンクされた情報の
別の層を探索する興味を示すであろうから、音声化され
た情報は、ハイパーリンク語と他の音声化されたテキス
トとの間で聴覚的な区別をすることが望ましい。合成さ
れたテキストの異なる部分についての異なる音声を生成
する各種の方法が、ＴＴＳ技術において知られている。
本発明の一実施例を表すそのような方法の１つの例は、
普通のテキストは男性の声で提供され、ハイパーリンク
語は女性の声で提供されるものである。あるいはその逆
にすることもできる。ＴＴＳ技術における声の変更はよ
く知られた手法である。
ェースするユーザは、追加の情報に関連するハイパーリ
ンク語に向けられた応答によって、リンクされた情報の
別の層を探索する興味を示すであろうから、音声化され
た情報は、ハイパーリンク語と他の音声化されたテキス
トとの間で聴覚的な区別をすることが望ましい。合成さ
れたテキストの異なる部分についての異なる音声を生成
する各種の方法が、ＴＴＳ技術において知られている。
本発明の一実施例を表すそのような方法の１つの例は、
普通のテキストは男性の声で提供され、ハイパーリンク
語は女性の声で提供されるものである。あるいはその逆
にすることもできる。ＴＴＳ技術における声の変更はよ
く知られた手法である。
【００１７】ユーザは任意の層の情報についての音声化
されたテキストを聴いており、そしてハイパーリンク語
を聞いたときに、ユーザには２つの選択がある。ユーザ
は発音されたテキストを引き続き聴くことができる（Ｈ
ＴＭＬページの連続する音読に対応している）。あるい
は、そのハイパーリンク語がそのハイパーリンク語に関
連する更に詳細な情報を必要とするかを入力要求（prom
pt）する場合、ユーザは、その語を繰り返すことによっ
て、その語の選択を示すことができる。その音声による
ユーザの応答は、通信リンクを経由して情報システムと
関連する音声認識装置に伝えられる。その通信リンクは
ユーザに対して発音された情報を提供するのに用いられ
るのと同じ通信リンクであってもよい。そのような音声
認識装置もこの分野の技術においてよく知られている。
されたテキストを聴いており、そしてハイパーリンク語
を聞いたときに、ユーザには２つの選択がある。ユーザ
は発音されたテキストを引き続き聴くことができる（Ｈ
ＴＭＬページの連続する音読に対応している）。あるい
は、そのハイパーリンク語がそのハイパーリンク語に関
連する更に詳細な情報を必要とするかを入力要求（prom
pt）する場合、ユーザは、その語を繰り返すことによっ
て、その語の選択を示すことができる。その音声による
ユーザの応答は、通信リンクを経由して情報システムと
関連する音声認識装置に伝えられる。その通信リンクは
ユーザに対して発音された情報を提供するのに用いられ
るのと同じ通信リンクであってもよい。そのような音声
認識装置もこの分野の技術においてよく知られている。
【００１８】本発明のシステムにおける音声認識装置の
機能は、ユーザが発生した応答を、検討中の情報層のハ
イパーリンク語の１つ、またはシステムに何らかの動作
をさせるように設定された少数の予約された「アクショ
ン」語（例えば、コマンド）の１つのいずれかとして認
識する機能である。従って、ハイパーリンク語はそのア
クション語と一緒に、音声認識装置の語彙の一部として
働く。アクション語は予約語であり、それ故にハイパー
リンク語として使うことはできず、例えば、「停止（st
op）」、「戻り（back）」、「開始（start）」、「より
遅く（slower）」、「より速く（faster）」などであ
り、一般にシステム・オペレータによって設定される。
もちろん、アクション語の集合は小さいことが好まし
く、同じ集合がそのモデルのすべてのアプリケーション
にわたって共通に維持されることが望ましい。
機能は、ユーザが発生した応答を、検討中の情報層のハ
イパーリンク語の１つ、またはシステムに何らかの動作
をさせるように設定された少数の予約された「アクショ
ン」語（例えば、コマンド）の１つのいずれかとして認
識する機能である。従って、ハイパーリンク語はそのア
クション語と一緒に、音声認識装置の語彙の一部として
働く。アクション語は予約語であり、それ故にハイパー
リンク語として使うことはできず、例えば、「停止（st
op）」、「戻り（back）」、「開始（start）」、「より
遅く（slower）」、「より速く（faster）」などであ
り、一般にシステム・オペレータによって設定される。
もちろん、アクション語の集合は小さいことが好まし
く、同じ集合がそのモデルのすべてのアプリケーション
にわたって共通に維持されることが望ましい。
【００１９】本発明のシステムのための音声認識機能は
特に実装しやすい。というのは、この音声認識装置は、
任意のある時点において少数の語彙、すなわち、ハイパ
ーリンク語およびアクション語の語彙を認識するだけで
済むからである。音声認識装置の性能を支援するため、
ハイパーリンク語のスライディング・ウィンドウ(Slidi
ng Window)を使って認識装置の語彙を定義することがで
き、任意のある時点で、その語彙は最近再生されたハイ
パーリンク語や以前に発音されたいくつかのハイパーリ
ンク語を含むようにすることができる（しかし、一般に
は、以前に再生されたリンク全ての合計より少ない）。
従って、任意のハイパーリンク語と同じ時間間隔におけ
る追加の語（追加のハイパーリンク語を含んでもよい）
からなる音声認識装置の語彙に対してスライディング・
ウィンドウ（これは発音者を追跡する）を使うことによ
って、語認識装置はその時間間隔の中に現われるハイパ
ーリンク語（と、システムのアクション語）を認識でき
ればよい。さらに、それらのハイパーリンク語の発音を
提供するＴＴＳシステムは語認識装置と同じシステムの
一部であるため、語認識装置およびＴＴＳシステムはあ
る種の音声データ、例えば、ハイパーリンク語の音素の
シーケンスを共有することができ、それはＴＴＳシステ
ムと認識装置の「ウィンドウ」の同期化を保つのに役立
つ。
特に実装しやすい。というのは、この音声認識装置は、
任意のある時点において少数の語彙、すなわち、ハイパ
ーリンク語およびアクション語の語彙を認識するだけで
済むからである。音声認識装置の性能を支援するため、
ハイパーリンク語のスライディング・ウィンドウ(Slidi
ng Window)を使って認識装置の語彙を定義することがで
き、任意のある時点で、その語彙は最近再生されたハイ
パーリンク語や以前に発音されたいくつかのハイパーリ
ンク語を含むようにすることができる（しかし、一般に
は、以前に再生されたリンク全ての合計より少ない）。
従って、任意のハイパーリンク語と同じ時間間隔におけ
る追加の語（追加のハイパーリンク語を含んでもよい）
からなる音声認識装置の語彙に対してスライディング・
ウィンドウ（これは発音者を追跡する）を使うことによ
って、語認識装置はその時間間隔の中に現われるハイパ
ーリンク語（と、システムのアクション語）を認識でき
ればよい。さらに、それらのハイパーリンク語の発音を
提供するＴＴＳシステムは語認識装置と同じシステムの
一部であるため、語認識装置およびＴＴＳシステムはあ
る種の音声データ、例えば、ハイパーリンク語の音素の
シーケンスを共有することができ、それはＴＴＳシステ
ムと認識装置の「ウィンドウ」の同期化を保つのに役立
つ。
【００２０】ユーザによって話されたハイパーリンク語
が語認識装置によって認識されることに応答して、特定
のハイパーリンク語がユーザによって選択されたことを
示す信号が生成される。純粋にテキストを基礎とするハ
イパーテキスト・システムで使われているものと同様の
方法を使って、特定のハイパーリンク語のこの認識は、
システムがそのハイパーリンク語にリンクされた情報層
へジャンプするように働く。そのリンクされた層に到達
すると、その層のテキストは、同様に、ユーザへの通信
のために音声形式に変換され、その新しい層内のハイパ
ーリンク語またはシステム・アクション語の選択に関す
る更なるユーザ応答の条件となる。ワールド・ワイド・
ウェブのようなテキストを基礎とする既存の技術の場合
と同様に、リンクされた情報層の１つまたはそれ以上
が、他の場所において動作しているサーバに関連する記
憶媒体に存在することができ、そのリンクが、第１のサ
ーバとリンクされたサーバとの間の通信経路を経由して
設定される。
が語認識装置によって認識されることに応答して、特定
のハイパーリンク語がユーザによって選択されたことを
示す信号が生成される。純粋にテキストを基礎とするハ
イパーテキスト・システムで使われているものと同様の
方法を使って、特定のハイパーリンク語のこの認識は、
システムがそのハイパーリンク語にリンクされた情報層
へジャンプするように働く。そのリンクされた層に到達
すると、その層のテキストは、同様に、ユーザへの通信
のために音声形式に変換され、その新しい層内のハイパ
ーリンク語またはシステム・アクション語の選択に関す
る更なるユーザ応答の条件となる。ワールド・ワイド・
ウェブのようなテキストを基礎とする既存の技術の場合
と同様に、リンクされた情報層の１つまたはそれ以上
が、他の場所において動作しているサーバに関連する記
憶媒体に存在することができ、そのリンクが、第１のサ
ーバとリンクされたサーバとの間の通信経路を経由して
設定される。
【００２１】また、任意の層に、情報の一部またはすべ
てを、ストリーム・オーディオ、例えばプログレッシブ
・ネットワーク社（Progressive Networks,Inc.） 製の
リアルオーディオ（RealAudioTM ）によってワールド・
ワイド・ウェブ上で提供されるような予め録音された人
間の声や格納された音声情報とすることができる。この
場合、ハイパーリンク語は、他のテキストに対して使わ
れるものとは反対の性の声で、そのようなハイパーリン
ク語を録音することによって区別することができる。
てを、ストリーム・オーディオ、例えばプログレッシブ
・ネットワーク社（Progressive Networks,Inc.） 製の
リアルオーディオ（RealAudioTM ）によってワールド・
ワイド・ウェブ上で提供されるような予め録音された人
間の声や格納された音声情報とすることができる。この
場合、ハイパーリンク語は、他のテキストに対して使わ
れるものとは反対の性の声で、そのようなハイパーリン
ク語を録音することによって区別することができる。
【００２２】＜ＩＩ．例のプロセスの実装＞図２におい
て、本発明の方法を実行するシステムが示されている。
この図を参照すると、対象となる情報データベースを表
す一組のＨＴＭＬページがデータ記憶装置２０２の中に
提供され、これは関連するＨＴＭＬサーバ２０３ととも
に、一次サーバノード２０１−Ｐを構成する。しかしな
がら、情報セットの部分層または関連する部分を、リモ
ートサーバノード２０１−Ｒ１乃至２０１−Ｒｍに格納
することができ、そのような各リモートサーバノード
は、ＨＴＭＬサーバと関連するデータ記憶手段とをそれ
ぞれ含んでいる。各リモートサーバノードは次に音声サ
ーバノード２１５へリンクし、データ・ネットワーク２
０５（例えば、インターネット）を経由して他のサーバ
ノードにリンクされる。
て、本発明の方法を実行するシステムが示されている。
この図を参照すると、対象となる情報データベースを表
す一組のＨＴＭＬページがデータ記憶装置２０２の中に
提供され、これは関連するＨＴＭＬサーバ２０３ととも
に、一次サーバノード２０１−Ｐを構成する。しかしな
がら、情報セットの部分層または関連する部分を、リモ
ートサーバノード２０１−Ｒ１乃至２０１−Ｒｍに格納
することができ、そのような各リモートサーバノード
は、ＨＴＭＬサーバと関連するデータ記憶手段とをそれ
ぞれ含んでいる。各リモートサーバノードは次に音声サ
ーバノード２１５へリンクし、データ・ネットワーク２
０５（例えば、インターネット）を経由して他のサーバ
ノードにリンクされる。
【００２３】そのデータ・セットへのアクセスの要求に
応答して（例えば、ユーザの音声端末１０１からＰＳＴ
Ｎ１１０を介しての電話呼出しの到着によって）、音声
サーバノード２１５の自動呼出し分配装置２２５は、利
用できる音声取扱ユニット２１６−１をサービス要求に
割り当てる。割り当てられた音声取扱ユニットにおい
て、ＨＴＭＬクライアント２５０は、一次サーバノード
２０１から呼び出されるべきＨＴＭＬページの最初のペ
ージ（「ホームページ」）が、割り当てられた音声取扱
ユニットによってさらに処理されるようにする（一次サ
ーバノード２０１は音声取扱ノード２１５と一緒に配置
してもよい。）。ＨＴＭＬのホームページ（これは、一
次サーバノード２０１にあるデータ記憶装置２０２から
音声取扱ユニット２１６−１にあるＨＴＭＬクライアン
ト２５０へＨＴＭＬサーバ２０３によって供給される）
は通常、次に音声化変換手段２１０によって音声形式に
変換される。通常これはＴＴＳシステムによって実現さ
れる。いくつかの、あるいはすべてのＨＴＭＬ「ペー
ジ」の音声化された形式が、必ずしもユーザアクセス、
ユーザ要求の直後である必要はないが、そのアクセス、
要求の前に得られていて格納されていてもよいことに留
意されたい。この分野の技術においてよく知られている
キャッシング技術は、どの音声形式が予め格納されてい
るか、ユーザ要求に応答してどれが発生されたかを決定
することができる。
応答して（例えば、ユーザの音声端末１０１からＰＳＴ
Ｎ１１０を介しての電話呼出しの到着によって）、音声
サーバノード２１５の自動呼出し分配装置２２５は、利
用できる音声取扱ユニット２１６−１をサービス要求に
割り当てる。割り当てられた音声取扱ユニットにおい
て、ＨＴＭＬクライアント２５０は、一次サーバノード
２０１から呼び出されるべきＨＴＭＬページの最初のペ
ージ（「ホームページ」）が、割り当てられた音声取扱
ユニットによってさらに処理されるようにする（一次サ
ーバノード２０１は音声取扱ノード２１５と一緒に配置
してもよい。）。ＨＴＭＬのホームページ（これは、一
次サーバノード２０１にあるデータ記憶装置２０２から
音声取扱ユニット２１６−１にあるＨＴＭＬクライアン
ト２５０へＨＴＭＬサーバ２０３によって供給される）
は通常、次に音声化変換手段２１０によって音声形式に
変換される。通常これはＴＴＳシステムによって実現さ
れる。いくつかの、あるいはすべてのＨＴＭＬ「ペー
ジ」の音声化された形式が、必ずしもユーザアクセス、
ユーザ要求の直後である必要はないが、そのアクセス、
要求の前に得られていて格納されていてもよいことに留
意されたい。この分野の技術においてよく知られている
キャッシング技術は、どの音声形式が予め格納されてい
るか、ユーザ要求に応答してどれが発生されたかを決定
することができる。
【００２４】ＨＴＭＬホームページから音声化されたテ
キストは、次に通信リンク２１１を介してバージ・イン
・フィルタ（Barge-In Filter） ２３０へ送信され、そ
こからユーザの音声端末１０１を経由してそのユーザが
聴くことができる。ユーザが音声化変換手段によって発
音されているＨＴＭＬページを聴いている時、そのユー
ザは、追加のあるいは関連する詳細を得たい（あるいは
以下に説明するようにトランザクションをトリガした
い）と思うハイパーリンク語を聞くことができる。その
ような追加のあるいは関連する詳細に対する要求を示す
べく、、ユーザは、ユーザの音声端末１０１を介してハ
イパーリンク語を繰返す（話す）。ユーザからのその音
声応答は、バージ・イン・フィルタ２２０を通じて処理
され、通信リンク２２１を介して音声認識装置２４０へ
送信される。
キストは、次に通信リンク２１１を介してバージ・イン
・フィルタ（Barge-In Filter） ２３０へ送信され、そ
こからユーザの音声端末１０１を経由してそのユーザが
聴くことができる。ユーザが音声化変換手段によって発
音されているＨＴＭＬページを聴いている時、そのユー
ザは、追加のあるいは関連する詳細を得たい（あるいは
以下に説明するようにトランザクションをトリガした
い）と思うハイパーリンク語を聞くことができる。その
ような追加のあるいは関連する詳細に対する要求を示す
べく、、ユーザは、ユーザの音声端末１０１を介してハ
イパーリンク語を繰返す（話す）。ユーザからのその音
声応答は、バージ・イン・フィルタ２２０を通じて処理
され、通信リンク２２１を介して音声認識装置２４０へ
送信される。
【００２５】バージ・イン・フィルタ２２０の重要な機
能は、ユーザによって発声された語（音声化変換手段に
よって発音された語を除く）だけが、音声認識装置２４
０に入力されることを保証することである。そのような
バージ・イン・フィルタは、この技術分野において知ら
れており、そして既知の源（音声化変換手段）から生成
された電気信号を、その既知の源とユーザが発生した語
とを混合した全てから差し引くことによって動作する。
この開示の目的のために、バージ・イン・フィルタもま
た、ユーザとその音声取扱ユニットとの間の伝送経路に
ある不完全性を補償するエコー・キャンセラとして働く
ことを理解されたい。
能は、ユーザによって発声された語（音声化変換手段に
よって発音された語を除く）だけが、音声認識装置２４
０に入力されることを保証することである。そのような
バージ・イン・フィルタは、この技術分野において知ら
れており、そして既知の源（音声化変換手段）から生成
された電気信号を、その既知の源とユーザが発生した語
とを混合した全てから差し引くことによって動作する。
この開示の目的のために、バージ・イン・フィルタもま
た、ユーザとその音声取扱ユニットとの間の伝送経路に
ある不完全性を補償するエコー・キャンセラとして働く
ことを理解されたい。
【００２６】音声認識装置２４０は、音声化変換手段２
１０から通信リンク２２２を介してその認識語彙（ユー
ザが繰返し発声するであろうハイパーリンク語を伴う）
を同期化する。音声認識装置によって選択されたハイパ
ーリンク語の認識に応答して、その語に関連する信号
が、その認識装置からＨＴＭＬクライアント２５０へ送
信され、ＨＴＭＬクライアント２５０はその信号をＨＴ
ＭＬサーバに対する適切なコードに変換し、そのコード
はその選択されたハイパーリンク語へリンクされた情報
層及び位置に対してハイパーリンクが設定されるべきで
ある示す。この動作は、そのハイパーリンク語を指して
いるカーソルをマウスでユーザがクリックし、システム
がそれに対して応答するのに似ている。
１０から通信リンク２２２を介してその認識語彙（ユー
ザが繰返し発声するであろうハイパーリンク語を伴う）
を同期化する。音声認識装置によって選択されたハイパ
ーリンク語の認識に応答して、その語に関連する信号
が、その認識装置からＨＴＭＬクライアント２５０へ送
信され、ＨＴＭＬクライアント２５０はその信号をＨＴ
ＭＬサーバに対する適切なコードに変換し、そのコード
はその選択されたハイパーリンク語へリンクされた情報
層及び位置に対してハイパーリンクが設定されるべきで
ある示す。この動作は、そのハイパーリンク語を指して
いるカーソルをマウスでユーザがクリックし、システム
がそれに対して応答するのに似ている。
【００２７】図３は、図２で示されてた特徴のある機能
のいくつかの詳細を示している。特に、図３は、従来の
テキスト−音素変換プロセッサ３１５と音素−音声変換
プロセッサ３１７とを含む音声化変換２１０、ＨＴＭＬ
のドキュメント・ページから利用できるテキストのスト
リームについて動作するハイパーテキスト識別プロセッ
サ３１０、識別されたハイパーリンクと音素のストリン
グとの相関のためのハイパーテキスト−音素相関器３２
０、及びハイパーテキスト・テキストの識別されたシー
ケンスのどれがその音声認識システムに対する語彙の一
部として音声認識プロセッサ３５０によって使われるべ
きかを決定するウィンドウ・フィルタ３３０のＴＴＳ処
理を行う機能を示している。
のいくつかの詳細を示している。特に、図３は、従来の
テキスト−音素変換プロセッサ３１５と音素−音声変換
プロセッサ３１７とを含む音声化変換２１０、ＨＴＭＬ
のドキュメント・ページから利用できるテキストのスト
リームについて動作するハイパーテキスト識別プロセッ
サ３１０、識別されたハイパーリンクと音素のストリン
グとの相関のためのハイパーテキスト−音素相関器３２
０、及びハイパーテキスト・テキストの識別されたシー
ケンスのどれがその音声認識システムに対する語彙の一
部として音声認識プロセッサ３５０によって使われるべ
きかを決定するウィンドウ・フィルタ３３０のＴＴＳ処
理を行う機能を示している。
【００２８】記述されている実施例に従って、任意のＨ
ＴＭＬドキュメント・ページ（これはシステム・ユーザ
に対する音声での提示のためのものである。）が、ＨＴ
ＭＬクライアント２５０によって一次サーバノード２０
１から呼び出され、それ以降の処理のために利用できる
ようにされる。与えられたＨＴＭＬドキュメントのペー
ジがハイパーテキスト識別プロセッサ３１０によって解
析され、そのページのハイパーテキストが識別される。
ハイパーテキスト識別プロセッサ３１０からの出力が、
ハイパーテキスト−音素相関器３２０へ提供され、そし
てハイパーリンク語とＨＴＭＬページの他のテキストと
の間の音声の区別を容易にするために、その出力から得
られる信号が音素−音声変換プロセッサ３１７へ提供さ
れる。
ＴＭＬドキュメント・ページ（これはシステム・ユーザ
に対する音声での提示のためのものである。）が、ＨＴ
ＭＬクライアント２５０によって一次サーバノード２０
１から呼び出され、それ以降の処理のために利用できる
ようにされる。与えられたＨＴＭＬドキュメントのペー
ジがハイパーテキスト識別プロセッサ３１０によって解
析され、そのページのハイパーテキストが識別される。
ハイパーテキスト識別プロセッサ３１０からの出力が、
ハイパーテキスト−音素相関器３２０へ提供され、そし
てハイパーリンク語とＨＴＭＬページの他のテキストと
の間の音声の区別を容易にするために、その出力から得
られる信号が音素−音声変換プロセッサ３１７へ提供さ
れる。
【００２９】ドキュメント・ページ上のテキストが、音
声の変換のために音声化変換器（ＴＴＳ）システム２１
０に対しても提供される。これは、テキスト−音素変換
プロセッサ３１５によるテキストを音素のシーケンスに
変換する段階と、音素−音声変換プロセッサ３１７によ
る音素を音声へ変換する段階の、通常の２つの段階によ
って行われる。
声の変換のために音声化変換器（ＴＴＳ）システム２１
０に対しても提供される。これは、テキスト−音素変換
プロセッサ３１５によるテキストを音素のシーケンスに
変換する段階と、音素−音声変換プロセッサ３１７によ
る音素を音声へ変換する段階の、通常の２つの段階によ
って行われる。
【００３０】相関付けられたハイパーテキストおよび音
素のシーケンスがウィンドウ・フィルタ３２０に提示さ
れ、ウィンドウ・フィルタ３２０は、任意の時刻までに
ユーザに対して再生されたどのハイパーリンク語／フレ
ーズが音声認識装置の語彙（システムのアクション語と
共に）を形成するかを識別する。このウィンドウ・フィ
ルタ３３０は、過去のある期間（例えば、秒数または語
数で測定することができる）における最近再生されたハ
イパーテキストとそれ以前の全てのハイパーテキストを
選択する。ウィンドウ・フィルタ３３０は、ユーザに最
近再生された語に関する同期情報を、通信リンク３１８
を経由して音素−音声変換プロセッサ３１７から受信す
る。そのウィンドウ・フィルタ・プロセスの結果、即ち
任意のウィンドウの持続期間内で発生したハイパーリン
ク語又はフレーズのシーケンスが、そのような音声の音
素モデル（通常は別個に訓練された隠れマルコフモデル
（Ｈidden Ｍarkov Ｍodels） として実行される）とと
もにデータベース３４０に格納される。当然、データベ
ース３４０は、システム・アクション語の音素モデルも
含んでいる。従来の自動音声認識プロセッサ３５０は、
ユーザから（バージ・イン・フィルタ２２０および通信
リンク２２１を経由して）未知の音声を受信し、ハイパ
ーリンク語またはシステム・アクション語の現在の語彙
の１つとしてその音声を認識するように動作する。音声
認識プロセッサ３５０はデータベース３４０と対話し
て、従来、例えばビタビ(Viterbi) スコアリングをその
データベースの中の各種のモデルによってその未知の音
声に対して行う。ハイパーリンク語又はフレーズ、又は
システム・アクション語の認識に応答して、選択された
ハイパーリンク語（例えば、それと同等のＨＴＭＬ「ペ
ージ」の検索）またはシステム・アクション語に対する
適切な動作のために、その認識システムの出力が一次サ
ーバノード２０１に提供される。
素のシーケンスがウィンドウ・フィルタ３２０に提示さ
れ、ウィンドウ・フィルタ３２０は、任意の時刻までに
ユーザに対して再生されたどのハイパーリンク語／フレ
ーズが音声認識装置の語彙（システムのアクション語と
共に）を形成するかを識別する。このウィンドウ・フィ
ルタ３３０は、過去のある期間（例えば、秒数または語
数で測定することができる）における最近再生されたハ
イパーテキストとそれ以前の全てのハイパーテキストを
選択する。ウィンドウ・フィルタ３３０は、ユーザに最
近再生された語に関する同期情報を、通信リンク３１８
を経由して音素−音声変換プロセッサ３１７から受信す
る。そのウィンドウ・フィルタ・プロセスの結果、即ち
任意のウィンドウの持続期間内で発生したハイパーリン
ク語又はフレーズのシーケンスが、そのような音声の音
素モデル（通常は別個に訓練された隠れマルコフモデル
（Ｈidden Ｍarkov Ｍodels） として実行される）とと
もにデータベース３４０に格納される。当然、データベ
ース３４０は、システム・アクション語の音素モデルも
含んでいる。従来の自動音声認識プロセッサ３５０は、
ユーザから（バージ・イン・フィルタ２２０および通信
リンク２２１を経由して）未知の音声を受信し、ハイパ
ーリンク語またはシステム・アクション語の現在の語彙
の１つとしてその音声を認識するように動作する。音声
認識プロセッサ３５０はデータベース３４０と対話し
て、従来、例えばビタビ(Viterbi) スコアリングをその
データベースの中の各種のモデルによってその未知の音
声に対して行う。ハイパーリンク語又はフレーズ、又は
システム・アクション語の認識に応答して、選択された
ハイパーリンク語（例えば、それと同等のＨＴＭＬ「ペ
ージ」の検索）またはシステム・アクション語に対する
適切な動作のために、その認識システムの出力が一次サ
ーバノード２０１に提供される。
【００３１】ウィンドウ・フィルタ３３０は、所定の時
間ウィンドウで発音されたすべてのハイパーリンク語を
等しい確率でその音声認識装置の語彙の中に受け入れ
る、平坦な重み付けとすることができる。代わりに、ウ
ィンドウ・フィルタは、最近発音されたハイパーリンク
語を、以前に認識ウィンドウで発音された語より高い確
率でその音声認識装置の語彙の中に受け入れる、時間で
定義された「コンテキスト的なスムージング」（contex
tual smoothing）を提供することもできる。これらの確
率は、認識を実行する時に音声認識装置３５０によって
考慮される。
間ウィンドウで発音されたすべてのハイパーリンク語を
等しい確率でその音声認識装置の語彙の中に受け入れ
る、平坦な重み付けとすることができる。代わりに、ウ
ィンドウ・フィルタは、最近発音されたハイパーリンク
語を、以前に認識ウィンドウで発音された語より高い確
率でその音声認識装置の語彙の中に受け入れる、時間で
定義された「コンテキスト的なスムージング」（contex
tual smoothing）を提供することもできる。これらの確
率は、認識を実行する時に音声認識装置３５０によって
考慮される。
【００３２】ある種のシステム・アクション語は、音素
−音声変換手段の動作（例えば、「より速く」、「より
遅く」、．．．）を参照する。そのような語が音声認識
プロセッサ３５０によって認識されると、それぞれを識
別する信号が適切な動作のために音声化変換手段へ送信
される。
−音声変換手段の動作（例えば、「より速く」、「より
遅く」、．．．）を参照する。そのような語が音声認識
プロセッサ３５０によって認識されると、それぞれを識
別する信号が適切な動作のために音声化変換手段へ送信
される。
【００３３】ユーザが経験する範囲内の任意の時点にお
いて、テキストから音声への変換音声ではなく、予め録
音された音声または音声コンテント（例えば、音楽）が
使えることも理解すべきである。発音されるテキストで
はなく人間の声が望ましいとき、そのシステムの動作が
図４に示されている。図の中で見出せるように、この実
施例におけるデータ源は、ストリーム音声サーバ４１０
とともにＨＴＭＬサーバ２０１から構成されている（各
サーバは適切な記憶手段を含んでいる）。ＨＴＭＬサー
バ２０１とストリーム音声サーバ４１０は、単独のサー
バあるいは別々のサーバとして実行でき、そしてそれぞ
れが複数の物理的サーバから構成されており、それらが
同じ場所にあっても、あるいは離れた場所にあってもよ
いことに留意されたい。ＨＴＭＬサーバ２０１によって
提供されるデータは、以前に記述された実施例の場合と
同様に、テキストのＨＴＭＬページである。しかし、ス
トリーム音声サーバに対し、データの内容は、そのユー
ザが利用できるハイパーテキスト・データの集合の全
て、あるいはその一部分に対応する予め録音された音声
セグメントからなる。そのような音声セグメントは通
常、正確な音読スクリプト(reading script)として、ハ
イパーテキスト・データの素材を人間が録音することに
よって設定される。１つの実施例においては、問題のデ
ータのテキスト部分が男性の声で読まれて（記録さ
れ）、そしてハイパーリンク語は女性の声（男性の声と
は明確に異なるピッチを有する）で読まれる。リンクを
設定できる全てのセグメントは別々に録音される。スト
リーム音声セグメントの再生はＨＴＭＬサーバによって
制御される。
いて、テキストから音声への変換音声ではなく、予め録
音された音声または音声コンテント（例えば、音楽）が
使えることも理解すべきである。発音されるテキストで
はなく人間の声が望ましいとき、そのシステムの動作が
図４に示されている。図の中で見出せるように、この実
施例におけるデータ源は、ストリーム音声サーバ４１０
とともにＨＴＭＬサーバ２０１から構成されている（各
サーバは適切な記憶手段を含んでいる）。ＨＴＭＬサー
バ２０１とストリーム音声サーバ４１０は、単独のサー
バあるいは別々のサーバとして実行でき、そしてそれぞ
れが複数の物理的サーバから構成されており、それらが
同じ場所にあっても、あるいは離れた場所にあってもよ
いことに留意されたい。ＨＴＭＬサーバ２０１によって
提供されるデータは、以前に記述された実施例の場合と
同様に、テキストのＨＴＭＬページである。しかし、ス
トリーム音声サーバに対し、データの内容は、そのユー
ザが利用できるハイパーテキスト・データの集合の全
て、あるいはその一部分に対応する予め録音された音声
セグメントからなる。そのような音声セグメントは通
常、正確な音読スクリプト(reading script)として、ハ
イパーテキスト・データの素材を人間が録音することに
よって設定される。１つの実施例においては、問題のデ
ータのテキスト部分が男性の声で読まれて（記録さ
れ）、そしてハイパーリンク語は女性の声（男性の声と
は明確に異なるピッチを有する）で読まれる。リンクを
設定できる全てのセグメントは別々に録音される。スト
リーム音声セグメントの再生はＨＴＭＬサーバによって
制御される。
【００３４】この実施例に対するシステムの動作は、図
３に対して記載されているように進行する。ただし、ユ
ーザには発音された音声の代わりに、（少なくとも選択
されたデータ・セグメントに対して）ストリーム音声の
再生が提示される。通信リンク３１０上で再生されたす
べてのハイパーリンク語が、ハイパーリンク音声識別装
置４１７を通じてハイパーリンク語・テキストおよび音
声同期手段４２０に対して与えられる。ハイパーリンク
音声識別はハイパーリンク語の音声を他のテキストに対
する音声から識別するように動作する。この実施例にお
いては、女性の声（ハイパーリンク語）を男性の声（他
のテキスト）から識別する。前に述べたように、ハイパ
ーリンク・テキスト識別手段３１０は、この場合はハイ
パーリンク語・テキストおよび音声同期化手段４２０を
通してハイパーリンク語（テキスト形式）を供給し、そ
れはこの分野の技術においてよく知られている方法で、
同じ語のテキスト・バージョンと一緒にストリームオー
ディオハイパーリンク語の進行を追跡し、それによって
ウィンドウ・フィルタ３３０に対して必要な同期信号を
提供する。ユーザはその同じ方法でそのシステムとイン
ターフェースし、そして音声認識手段は前と同じように
動作する。ハイパーリンク語が認識されると、ＨＴＭＬ
クライアントは前と同様にトリガされ、ＨＴＭＬサーバ
はストリーム音声サーバがその要求されたあらかじめ録
音されているセグメントへ移動するようにさせ、そして
その新しいセグメントをユーザに対して再生し続けるよ
うにさせる。
３に対して記載されているように進行する。ただし、ユ
ーザには発音された音声の代わりに、（少なくとも選択
されたデータ・セグメントに対して）ストリーム音声の
再生が提示される。通信リンク３１０上で再生されたす
べてのハイパーリンク語が、ハイパーリンク音声識別装
置４１７を通じてハイパーリンク語・テキストおよび音
声同期手段４２０に対して与えられる。ハイパーリンク
音声識別はハイパーリンク語の音声を他のテキストに対
する音声から識別するように動作する。この実施例にお
いては、女性の声（ハイパーリンク語）を男性の声（他
のテキスト）から識別する。前に述べたように、ハイパ
ーリンク・テキスト識別手段３１０は、この場合はハイ
パーリンク語・テキストおよび音声同期化手段４２０を
通してハイパーリンク語（テキスト形式）を供給し、そ
れはこの分野の技術においてよく知られている方法で、
同じ語のテキスト・バージョンと一緒にストリームオー
ディオハイパーリンク語の進行を追跡し、それによって
ウィンドウ・フィルタ３３０に対して必要な同期信号を
提供する。ユーザはその同じ方法でそのシステムとイン
ターフェースし、そして音声認識手段は前と同じように
動作する。ハイパーリンク語が認識されると、ＨＴＭＬ
クライアントは前と同様にトリガされ、ＨＴＭＬサーバ
はストリーム音声サーバがその要求されたあらかじめ録
音されているセグメントへ移動するようにさせ、そして
その新しいセグメントをユーザに対して再生し続けるよ
うにさせる。
【００３５】＜III.発明の方法の応用＞本発明の実施例
は、従来の音声情報システムに付随する多くの問題を解
決することができる。例えば、従来の音声情報システム
は設計および使用が難しいことが多い。この困難性のた
めに、リスナーがタッチ・トーン・キーを押すことによ
って選択しなければならないような、よくあるネストさ
れた階層形式において、リスナに対して各種のオプショ
ンを提示するための「ユーザ・フレンドリ」なシステム
を設計する問題が抑制される。この設計の仕事の困難性
は、それ自身、例えば銀行または仲買い業の機関におけ
る自動化されたトランザクション・システムを初めて使
うようなユーザが遭遇する。ユーザは音声「メニュー」
の入れ込まれた階層は、ナビゲートするのが難しいこと
に不満を洩らす場合が多い。それと対照的に、本発明は
情報をナビゲートして所望のオプションを選択するため
のもっと直観的なインターフェースを提供する。本発明
によると、ユーザは自分が必要とするオプションをしゃ
べり、システムとより直観的に（例えば、手を使わなく
てよい、目を使わなくてよい）正しく対処できるように
する。さらに、本発明の方法によると、ユーザは特定の
オプションを選択する時に利用できるオプションに気付
くことがずっと多くなる。というのは、任意の点におい
て利用できる、提示される複数の話し言葉のオプション
が利用できるからである。多くの従来技術の方法におけ
るように、概念を番号と関係付ける必要はない。
は、従来の音声情報システムに付随する多くの問題を解
決することができる。例えば、従来の音声情報システム
は設計および使用が難しいことが多い。この困難性のた
めに、リスナーがタッチ・トーン・キーを押すことによ
って選択しなければならないような、よくあるネストさ
れた階層形式において、リスナに対して各種のオプショ
ンを提示するための「ユーザ・フレンドリ」なシステム
を設計する問題が抑制される。この設計の仕事の困難性
は、それ自身、例えば銀行または仲買い業の機関におけ
る自動化されたトランザクション・システムを初めて使
うようなユーザが遭遇する。ユーザは音声「メニュー」
の入れ込まれた階層は、ナビゲートするのが難しいこと
に不満を洩らす場合が多い。それと対照的に、本発明は
情報をナビゲートして所望のオプションを選択するため
のもっと直観的なインターフェースを提供する。本発明
によると、ユーザは自分が必要とするオプションをしゃ
べり、システムとより直観的に（例えば、手を使わなく
てよい、目を使わなくてよい）正しく対処できるように
する。さらに、本発明の方法によると、ユーザは特定の
オプションを選択する時に利用できるオプションに気付
くことがずっと多くなる。というのは、任意の点におい
て利用できる、提示される複数の話し言葉のオプション
が利用できるからである。多くの従来技術の方法におけ
るように、概念を番号と関係付ける必要はない。
【００３６】本発明は自由様式、制約のないフレーズの
認識に関する現代水準の音声認識システムの問題を解決
することもできる。繰り返されるべき話し言葉のハイパ
ーリンク語によってブラウザを提示することにより、そ
のシステムはハイパーテキストの選択においてリスナー
によって話される可能性の高い語の限定された集合を前
もって「知る」。従って、このシステムは音声情報シス
テムの設計者が工夫する可能性のある実質的にどんな話
された語やフレーズも認識することができる。設計者は
認識装置の精度を維持するだけのために認識、あるいは
いくつかの代替方法の中で使うために少数の語彙（その
音声情報システムのコンテキストに対応している）を選
択することに制限されない。
認識に関する現代水準の音声認識システムの問題を解決
することもできる。繰り返されるべき話し言葉のハイパ
ーリンク語によってブラウザを提示することにより、そ
のシステムはハイパーテキストの選択においてリスナー
によって話される可能性の高い語の限定された集合を前
もって「知る」。従って、このシステムは音声情報シス
テムの設計者が工夫する可能性のある実質的にどんな話
された語やフレーズも認識することができる。設計者は
認識装置の精度を維持するだけのために認識、あるいは
いくつかの代替方法の中で使うために少数の語彙（その
音声情報システムのコンテキストに対応している）を選
択することに制限されない。
【００３７】また、ウィンドウ・フィルタを採用してい
る実施例では、認識装置の語彙を一時的に制限して最小
化することによって、高度な音声認識性能を容易に得る
ことができる。従って、その認識装置は常にすべての語
（設計者によってハイパーテキストとして選択された）
を認識しようと試みることはない（あるいはその必要が
ない）。これによって認識装置の性能が改善される。と
いうのは、認識装置が長時間にわたってそれぞれの可能
な同義語を認識する必要があるすべての語が存在するた
めに語彙が大規模になる時、正しい認識はますます困難
になるからである。
る実施例では、認識装置の語彙を一時的に制限して最小
化することによって、高度な音声認識性能を容易に得る
ことができる。従って、その認識装置は常にすべての語
（設計者によってハイパーテキストとして選択された）
を認識しようと試みることはない（あるいはその必要が
ない）。これによって認識装置の性能が改善される。と
いうのは、認識装置が長時間にわたってそれぞれの可能
な同義語を認識する必要があるすべての語が存在するた
めに語彙が大規模になる時、正しい認識はますます困難
になるからである。
【００３８】また、本発明によって、音声情報システム
の設計者は豊富なＨＴＭＬオーサリング・ツールを利用
することができる。
の設計者は豊富なＨＴＭＬオーサリング・ツールを利用
することができる。
【００３９】本発明を実施することの他の利点として
は、拡張されたＨＴＭＬ媒体において後で複製すること
ができる情報空間を通じての記録された経路の指定があ
る。例えば、ユーザは電話を使って情報空間の中をナビ
ゲートすることができ、その後、テキスト「および」関
連付けられた画像（同じ経路を辿って得られる）をＦＡ
Ｘマシーンに対して、あるいは電子メールのメッセージ
に対する付属物として配送するようシステムに指令する
ことができる。電話機のユーザおよび目が不自由なＰＣ
のユーザに対してＷＷＷのパーツをオープンにするこ
と、音声メッセージングおよび電子メールの統合化され
た使用、およびタッチトーン電話機を採用しない場所に
ある世界において音声情報システムのより一般的な適用
を提供する。
は、拡張されたＨＴＭＬ媒体において後で複製すること
ができる情報空間を通じての記録された経路の指定があ
る。例えば、ユーザは電話を使って情報空間の中をナビ
ゲートすることができ、その後、テキスト「および」関
連付けられた画像（同じ経路を辿って得られる）をＦＡ
Ｘマシーンに対して、あるいは電子メールのメッセージ
に対する付属物として配送するようシステムに指令する
ことができる。電話機のユーザおよび目が不自由なＰＣ
のユーザに対してＷＷＷのパーツをオープンにするこ
と、音声メッセージングおよび電子メールの統合化され
た使用、およびタッチトーン電話機を採用しない場所に
ある世界において音声情報システムのより一般的な適用
を提供する。
【００４０】＜IV．結論＞記憶された情報によって音声
による対話を行うためのシステムおよび方法が説明され
てきた。その中で、実質的により簡単で、より直感的な
ユーザ・インターフェース以外に、従来技術によって処
理されるよりずっと複雑な情報の集合の表示を提供す
る。本発明の１つの応用例においては、ユーザまたは潜
在的なユーザの集合に対して利用できる情報の収集を行
いたいエンティティによって、その情報が一組のリンク
されたＨＴＭＬページの中に作り込まれるようにするこ
とができる。そのＨＴＭＬデータは１つまたはそれ以上
の取扱ノードに関連する記憶媒体の中にロードされるこ
とになる。無料の電話番号などの取扱ノードにアクセス
するための手段が確立される。通常、情報の集合の利用
可能性に関する情報（アクセスのための手段以外に）が
公開され、ユーザ又は潜在的なユーザに対して公示され
る。取扱ノードにアクセスする時、ユーザはＨＴＭＬの
データベースの「ホームページ」の中に現われるテキス
トが発音されることによって迎えられる。この場合、そ
のホームページの中のハイパーリンク語は通常のテキス
トの発音方法とは明確に異なる方法で発音される。次に
ユーザはさらに詳しい情報が求められる（そのハイパー
リンク語が発音された後、調整可能な時間のウィンドウ
の間に）ようなハイパーリンク語を聞いた後、そのハイ
パーリンク語を繰り返すことによって「バージ・イン(b
arge in)」する（入り込む）。そのハイパーリンク語の
「バージ・イン」の繰返しが、その取扱ノードに関連付
けられている音声認識装置によって認識され（その時間
ウィンドウの中の「アクティブ(active)」などの複数の
語から）、そしてその特定のハイパーリンク語の選択を
示している信号に変換され、サーバがそのハイパーリン
ク語に対してリンクされているＨＴＭＬポイントに対し
てハイパーリンクを生成するようにさせ、あるいは株の
売買などのトランザクションをトリガするため、あるい
はユーザの電話をそれ以降の会話のために別の電話にリ
ンクするようにさせる。
による対話を行うためのシステムおよび方法が説明され
てきた。その中で、実質的により簡単で、より直感的な
ユーザ・インターフェース以外に、従来技術によって処
理されるよりずっと複雑な情報の集合の表示を提供す
る。本発明の１つの応用例においては、ユーザまたは潜
在的なユーザの集合に対して利用できる情報の収集を行
いたいエンティティによって、その情報が一組のリンク
されたＨＴＭＬページの中に作り込まれるようにするこ
とができる。そのＨＴＭＬデータは１つまたはそれ以上
の取扱ノードに関連する記憶媒体の中にロードされるこ
とになる。無料の電話番号などの取扱ノードにアクセス
するための手段が確立される。通常、情報の集合の利用
可能性に関する情報（アクセスのための手段以外に）が
公開され、ユーザ又は潜在的なユーザに対して公示され
る。取扱ノードにアクセスする時、ユーザはＨＴＭＬの
データベースの「ホームページ」の中に現われるテキス
トが発音されることによって迎えられる。この場合、そ
のホームページの中のハイパーリンク語は通常のテキス
トの発音方法とは明確に異なる方法で発音される。次に
ユーザはさらに詳しい情報が求められる（そのハイパー
リンク語が発音された後、調整可能な時間のウィンドウ
の間に）ようなハイパーリンク語を聞いた後、そのハイ
パーリンク語を繰り返すことによって「バージ・イン(b
arge in)」する（入り込む）。そのハイパーリンク語の
「バージ・イン」の繰返しが、その取扱ノードに関連付
けられている音声認識装置によって認識され（その時間
ウィンドウの中の「アクティブ(active)」などの複数の
語から）、そしてその特定のハイパーリンク語の選択を
示している信号に変換され、サーバがそのハイパーリン
ク語に対してリンクされているＨＴＭＬポイントに対し
てハイパーリンクを生成するようにさせ、あるいは株の
売買などのトランザクションをトリガするため、あるい
はユーザの電話をそれ以降の会話のために別の電話にリ
ンクするようにさせる。
【００４１】本発明の実施例が詳細に説明されてきた
が、追加の請求項によって定義されているような本発明
の精神および範囲から逸脱することなしに、各種の変更
および置き換えが可能であることを理解されたい。特
に、このシステムはユーザによって発音されたハイパー
リンク語を認識した時に、その語がそのユーザの選択の
確認としてユーザに対して繰り返して送り返されるよう
に変更することができる。「間違い(wrong) 」または
「停止(stop)」など、短時間の間のユーザの応答が存在
しない時に、このシステムはその語に対してリンクされ
るＨＴＭＬ層に対するハイパーリンクを実装するように
進行する。ここに記載されているシステムおよび方法を
追加の変更として、グラフィック・データを含んでいる
ＨＴＭＬページ（それはもちろん、口頭では伝えること
ができない）は、そのような画像の存在を示すために
「画像がここにある(image here)」などのフレーズが発
音されるように構造化することができる。追加の機能と
して、このシステムはそのような画像に関心のあること
を示しているユーザに問合わせてそのユーザのＦＡＸ番
号を提供させるようにし、その問題の画像を含んでいる
ページのＦＡＸによるコピーがそのユーザのＦＡＸ装置
に送信されるようにすることができる。さらに変更とし
て、そのデータの部分を音声の形式で記憶し、そしてそ
の音声データの提示がそのユーザに対して行われるよう
にし、ＨＴＭＬクライアントに対してリアルタイムのデ
ジタル化されたオーディオ情報を提供するための、スト
リーム音声と呼ばれるよく知られているＷＷＷ技法によ
ってサービング・ノードに対する接続を設定する。
が、追加の請求項によって定義されているような本発明
の精神および範囲から逸脱することなしに、各種の変更
および置き換えが可能であることを理解されたい。特
に、このシステムはユーザによって発音されたハイパー
リンク語を認識した時に、その語がそのユーザの選択の
確認としてユーザに対して繰り返して送り返されるよう
に変更することができる。「間違い(wrong) 」または
「停止(stop)」など、短時間の間のユーザの応答が存在
しない時に、このシステムはその語に対してリンクされ
るＨＴＭＬ層に対するハイパーリンクを実装するように
進行する。ここに記載されているシステムおよび方法を
追加の変更として、グラフィック・データを含んでいる
ＨＴＭＬページ（それはもちろん、口頭では伝えること
ができない）は、そのような画像の存在を示すために
「画像がここにある(image here)」などのフレーズが発
音されるように構造化することができる。追加の機能と
して、このシステムはそのような画像に関心のあること
を示しているユーザに問合わせてそのユーザのＦＡＸ番
号を提供させるようにし、その問題の画像を含んでいる
ページのＦＡＸによるコピーがそのユーザのＦＡＸ装置
に送信されるようにすることができる。さらに変更とし
て、そのデータの部分を音声の形式で記憶し、そしてそ
の音声データの提示がそのユーザに対して行われるよう
にし、ＨＴＭＬクライアントに対してリアルタイムのデ
ジタル化されたオーディオ情報を提供するための、スト
リーム音声と呼ばれるよく知られているＷＷＷ技法によ
ってサービング・ノードに対する接続を設定する。
【００４２】さらに、ユーザが本発明に従って音声化さ
れたＨＴＭＬホームページから下位の音声化された詳細
情報、あるいは関連付けられた層にナビゲートするプロ
セスは、例えば、自動化された呼出し案内システム付き
の対話型の音声応答（Interactive Voice Response：Ｉ
ＶＲ）システムの利点のすべてを提供するが、ＩＶＲの
メニュー構造を制限したり無効にしたりすることなしに
行われる。代わりに、そのナビゲーションのプロセスは
特定の内容の如何にかかわらず、ユーザがホームページ
から関心のある情報を表示する層に入り込む、ワールド
・ワイド・ウェブのテキストをベースとするナビゲーシ
ョンの配置と本質的に同じ方法で、首尾一貫して動作す
る。そして、よく知られているように、そのＷＷＷのＨ
ＴＭＬシステムは高度に多様な情報アクセス媒体を提供
するだけでなく、実質的にユーザ・フレンドリーである
本質的に直感的なナビゲーション方式を備えていること
も示されている。従って、ユーザはこのインターフェー
スに対するモデルを一度学習するだけで済み、その後、
そのモデルを使っている別のデータベースとの対話が、
そのデータベースの内容とは無関係に、対応しているナ
ビゲーション方式を提供することが分かる。さらに、ハ
イパーリンク語にアクセスすることによって到達される
下に隠れているデータは、学習したモデルの場合と対応
している方法で行動する。
れたＨＴＭＬホームページから下位の音声化された詳細
情報、あるいは関連付けられた層にナビゲートするプロ
セスは、例えば、自動化された呼出し案内システム付き
の対話型の音声応答（Interactive Voice Response：Ｉ
ＶＲ）システムの利点のすべてを提供するが、ＩＶＲの
メニュー構造を制限したり無効にしたりすることなしに
行われる。代わりに、そのナビゲーションのプロセスは
特定の内容の如何にかかわらず、ユーザがホームページ
から関心のある情報を表示する層に入り込む、ワールド
・ワイド・ウェブのテキストをベースとするナビゲーシ
ョンの配置と本質的に同じ方法で、首尾一貫して動作す
る。そして、よく知られているように、そのＷＷＷのＨ
ＴＭＬシステムは高度に多様な情報アクセス媒体を提供
するだけでなく、実質的にユーザ・フレンドリーである
本質的に直感的なナビゲーション方式を備えていること
も示されている。従って、ユーザはこのインターフェー
スに対するモデルを一度学習するだけで済み、その後、
そのモデルを使っている別のデータベースとの対話が、
そのデータベースの内容とは無関係に、対応しているナ
ビゲーション方式を提供することが分かる。さらに、ハ
イパーリンク語にアクセスすることによって到達される
下に隠れているデータは、学習したモデルの場合と対応
している方法で行動する。
【００４３】ＨＴＭＬページに関心のある情報をオーサ
リングする際、認識システムの性能を高めるため、およ
び本発明の方法をユーザにとってより有用であるように
するために、そのハイパーリンクの語やフレーズは比較
的「コンパクト」（すなわち、普通は１つまたは２つの
語を含んでいる）であって数が少ないことが好ましい。
リングする際、認識システムの性能を高めるため、およ
び本発明の方法をユーザにとってより有用であるように
するために、そのハイパーリンクの語やフレーズは比較
的「コンパクト」（すなわち、普通は１つまたは２つの
語を含んでいる）であって数が少ないことが好ましい。
【図１】従来技術の情報アクセス・システムを示す図で
ある。
ある。
【図２】本発明の音声による情報アクセスを示す図であ
る。
る。
【図３】図２に略図が示されている機能のいくつかの更
なる詳細を示す図である。
なる詳細を示す図である。
【図４】あらかじめ録音された音声または他の音声内容
として情報が提供される場合の本発明のシステムの一実
施例を示す図である。
として情報が提供される場合の本発明のシステムの一実
施例を示す図である。
Claims (60)
- 【請求項１】 音声の形式でユーザに対して提示される
複数のハイパーリンクの中から１つのハイパーリンクの
選択を容易にする方法であって、該方法は、 該複数のハイパーリンクと１以上の他の語の音声発声を
表す第１の信号を該ユーザに提供する段階からなり、該
信号は該ハイパーリンクの識別を含んでおり、該方法は
さらに、 該ユーザによって発声された音声を表す第２の信号の音
声認識を実行する段階とからなり、該音声認識が、少な
くとも２つの該ハイパーリンクに対応するエントリーか
らなる認識装置の語彙を使うことによって実行されるこ
とを特徴とする方法。 - 【請求項２】 請求項１に記載の方法において、該信号
を提供する段階は、テキストの集成に基づいて該第１の
信号における該音声発声を合成する段階を含み、該集成
が該複数のハイパーリンクを含むことを特徴とする方
法。 - 【請求項３】 請求項２に記載の方法において、該テキ
ストの集成がコンピュータ・ネットワーク・サーバによ
って提供されるドキュメントのテキストからなることを
特徴とする方法。 - 【請求項４】 請求項３に記載の方法において、該ドキ
ュメントがＨＴＭＬページからなることを特徴とする方
法。 - 【請求項５】 請求項１に記載の方法において、該第１
の信号で表される該音声発声の少なくとも一部分があら
かじめ録音された人間の声からなることを特徴とする方
法。 - 【請求項６】 請求項１に記載の方法において、該ユー
ザに提供されるハイパーリンクの該発声が、該他の語の
該発声とは聴覚的に異なることを特徴とする方法。 - 【請求項７】 請求項１に記載の方法において、該第１
および第２の信号が電話ネットワーク上で伝送され、そ
して少なくとも該信号のルーティングの部分が認識され
たハイパーリンクに基づくことを特徴とする方法。 - 【請求項８】 請求項１に記載の方法において、該ハイ
パーリンクの該少なくとも２つが、該複数のハイパーリ
ンクのすべてのハイパーリンクより少ないハイパーリン
クを含むことを特徴とする方法。 - 【請求項９】 請求項１に記載の方法においてさらに、
該ユーザに提供されるすべてのハイパーリンクのサブセ
ットである該認識装置の語彙エントリーを選択する段階
からなることを特徴とする方法。 - 【請求項１０】 請求項１に記載の方法においてさら
に、該複数のハイパーリンクのサブセットを規定する時
間的なウィンドウに従って該ハイパーリンクの該少なく
とも２つを選択する段階からなることを特徴とする方
法。 - 【請求項１１】 請求項１０に記載の方法においてさら
に、該音声認識を実行する段階は、該ウィンドウ内で特
定のハイパーリンクの時間的な位置に基づいて該ハイパ
ーリンクの該少なくとも２つの中からの結果としての認
識として特定のハイパーリンクを選択する段階からなる
ことを特徴とする方法。 - 【請求項１２】 請求項１に記載の方法において、該音
声認識のための該認識装置の語彙からなる該複数のハイ
パーリンク・エントリーが、所定の時間間隔の間に該第
１の信号の中に発生した該複数のハイパーリンクのサブ
セットに限定されることを特徴とする方法。 - 【請求項１３】 請求項１２に記載の方法において、該
認識装置の語彙からなる該ハイパーリンク・エントリー
の各々が、該第２の信号の未知の音声発声を表す確立が
同じであることを特徴とする方法。 - 【請求項１４】 請求項１２に記載の方法において、該
認識装置の語彙からなる該ハイパーリンク・エントリー
の任意の１つが、該所定の時間間隔における該任意のハ
イパーリンクの時間的な位置に従って重み付けられてい
る、該第２の信号の未知の音声発声を表す確立を有する
ことを特徴とする方法。 - 【請求項１５】 請求項１に記載の方法においてさら
に、認識されたハイパーリンクに基づいて所定のアクシ
ョンを実行させる段階からなることを特徴とする方法。 - 【請求項１６】 請求項１に記載の方法においてさら
に、認識されたハイパーリンクに基づいてトランザクシ
ョンを初期化する段階からなることを特徴とする方法。 - 【請求項１７】 請求項１に記載の方法においてさら
に、認識されたハイパーリンクに基づいてトランザクシ
ョンを実行する段階からなることを特徴とする方法。 - 【請求項１８】 請求項２に記載の方法においてさら
に、認識されたハイパーリンクに基づいてテキストの第
２の集成を識別する段階からなることを特徴とする方
法。 - 【請求項１９】 請求項１８に記載の方法において、該
第２のテキストの集成がコンピュータ・ネットワーク・
サーバ上にあるドキュメントのテキストを含むことを特
徴とする方法。 - 【請求項２０】 音声の形式でユーザに対して提示され
る複数のハイパーリンクの中から１つのハイパーリンク
の選択を容易にするシステムであって、該システムが、 該複数のハイパーリンクと１以上の他の語の音声発声を
表す第１の信号を該ユーザに提供するインターフェース
からなり、該信号は該ハイパーリンクの識別を含んでお
り、該システムは更に、 該ユーザによって発声された音声を表す第２の信号の音
声認識を実行する音声認識装置とからなり、該音声認識
が、少なくとも２つの該ハイパーリンクに対応するエン
トリーからなる認識装置の語彙を使うことによって実行
されることを特徴とするシステム。 - 【請求項２１】 請求項２０に記載のシステムにおい
て、該インターフェースは、テキストの集成に基づいて
該第１の信号における該音声発声を合成するよう動作
し、該集成は該複数のハイパーリンクを含むことを特徴
とするシステム。 - 【請求項２２】 請求項２０に記載のシステムにおい
て、該テキストの集成がコンピュータ・ネットワーク・
サーバによって提供されるドキュメントのテキストから
なることを特徴とするシステム。 - 【請求項２３】 請求項２０に記載のシステムにおい
て、該第１の信号で表される該音声発声の少なくとも一
部分があらかじめ録音された人間の声からなることを特
徴とするシステム。 - 【請求項２４】 請求項２０に記載のシステムにおい
て、該第１の信号の該ハイパーリンクの識別が、該他の
語の該発声とは聴覚的に異なる形式で該ユーザに対して
提供されるハイパーリンクの該発声を提供することによ
って実行されることを特徴とするシステム。 - 【請求項２５】 請求項２０のシステムにおいて、該第
１および第２の信号が通信ネットワーク上で伝送され、
そして少なくとも該信号のルーチングの部分が認識され
たハイパーリンクに基づくことを特徴とするシステム。 - 【請求項２６】 請求項２０に記載のシステムにおい
て、該認識手段に対する語彙のエントリーが、該ユーザ
に対して提供されたすべてのハイパーリンクのサブセッ
トであるように選択されることを特徴とするシステム。 - 【請求項２７】 請求項２０に記載のシステムにおいて
さらに、該複数のハイパーリンクのサブセットを規定す
る時間的なウィンドウに従って該ハイパーリンクの該少
なくとも２つを選択する手段を含むシステム。 - 【請求項２８】 請求項２７に記載のシステムにおい
て、該音声認識装置は、該ウィンドウ内で特定のハイパ
ーリンクの時間的な位置に基づいて該ハイパーリンクの
該少なくとも２つの中からの結果としての認識として特
定のハイパーリンクを選択することを特徴とするシステ
ム。 - 【請求項２９】 請求項２０に記載のシステムにおい
て、該音声認識装置に対する該音声認識装置の語彙から
なる該ハイパーリンク・エントリーが、所定の時間間隔
の間に該第１の信号の中に発生した該複数のハイパーリ
ンクのサブセットに限定されることを特徴とするシステ
ム。 - 【請求項３０】 請求項２９に記載のシステムにおい
て、該認識装置の語彙からなる該ハイパーリンク・エン
トリーの各々が、該第２の信号の未知の音声発声を表す
確立が同じであることを特徴とするシステム。 - 【請求項３１】 請求項２９に記載のシステムにおい
て、該認識装置の語彙からなる該ハイパーリンク・エン
トリーの任意の１つが、該所定の時間間隔における該任
意のハイパーリンクの時間的な位置に従って重み付けら
れる、該第２の信号の未知の音声発声を表す確立を有す
ることを特徴とするシステム。 - 【請求項３２】 請求項２０に記載のシステムにおい
て、該認識されたハイパーリンクに基づいて所定のアク
ションを実行させる手段を含むことを特徴とするシステ
ム。 - 【請求項３３】 請求項２０に記載のシステムにおいて
さらに、認識されたハイパーリンクに基づいてトランザ
クションを初期化するトランザクション初期化装置から
なることを特徴とするシステム。 - 【請求項３４】 請求項２０に記載のシステムにおいて
さらに、認識されたハイパーリンクに基づいてトランザ
クションを実行するトランザクション・プロセッサから
なることを特徴とするシステム。 - 【請求項３５】 請求項２１に記載のシステムにおい
て、認識されたハイパーリンクに基づいてテキストの第
２の集成を識別する手段を含むことを特徴とするシステ
ム。 - 【請求項３６】 請求項３５に記載のシステムにおい
て、第２のテキストの集成がコンピュータ・ネットワー
ク・サーバ上にあるドキュメントのテキストからなるこ
とを特徴とするシステム。 - 【請求項３７】 音声化された情報インターフェース・
システムであって、該システムは、 １つ以上の対応する情報リンクを有するテキストを含む
情報のデータベースと、 該データベースと関連して情報が音声化された形式で提
供されるよう動作する手段と、 該提供された情報に関連するユーザによる音声応答を認
識する手段と、 該認識されたユーザ応答に応動して、該情報リンクのう
ちの少なくとも１つに関連する情報へシフトする手段と
を含むシステム。 - 【請求項３８】 請求項３７に記載のシステムにおい
て、該情報のデータベースが複数の情報層として配置さ
れ、そして該情報層間のリンクが該情報リンクによって
提供されることを特徴とするシステム。 - 【請求項３９】 請求項３８に記載のシステムにおい
て、該情報リンクが、任意の情報層の識別された情報セ
グメントとして提供されることを特徴とするシステム。 - 【請求項４０】 請求項３９に記載のシステムにおい
て、該任意の情報層の中の該情報が複数のテキスト・語
として提供されることを特徴とするシステム。 - 【請求項４１】 請求項３７に記載のシステムにおい
て、該音声化された形式で情報が提供されるようにする
手段が、他の音声化された情報とは聴覚的に異なる方法
で、該情報リンクが提供されるようにする更なる手段を
含むことを特徴とするシステム。 - 【請求項４２】 請求項４１に記載のシステムにおい
て、該情報リンクが聴覚的に異なる方法で提供されるよ
うにする該更なる手段が、該他の音声化された情報とは
異なる反対の性の声によって該情報リンクが音声化され
るように動作することを特徴とするシステム。 - 【請求項４３】 請求項３７に記載のシステムにおい
て、ユーザによる該音声応答が、該システムによってあ
らかじめ規定されたアクションに対する指令として構成
されることを特徴とするシステム。 - 【請求項４４】 請求項３９に記載のシステムにおい
て、ユーザによる該音声応答が、該任意の層の該識別さ
れた情報セグメントの１つの繰返しとして構成されるこ
とを特徴とするシステム。 - 【請求項４５】 請求項３７に記載のシステムにおい
て、該ユーザに対する該音声応答の確認を提供する更な
る手段を含むことを特徴とするシステム。 - 【請求項４６】 請求項３７に記載のシステムにおい
て、該情報のデータベースにあるグラフィック情報をユ
ーザに提供する更なる手段を含むことを特徴とするシス
テム。 - 【請求項４７】 請求項４６に記載のシステムにおい
て、該グラフィック情報が、グラフィック・アクセス・
チャネル手段を経由して該ユーザに提供されることを特
徴とするシステム。 - 【請求項４８】 １つ以上の対応する情報リンクを有す
るテキストを含む、格納された情報への音声化アクセス
を提供する方法であって、該方法は、 該情報の少なくとも一部分が音声化された形式で提供さ
れるようにする段階と、 該提供された情報に関連するユーザからの音声応答を認
識する段階と、 該認識されたユーザ応答に応動して、該情報リンクのう
ちの少なくとも１つに関連する情報へシフトする段階と
からなることを特徴とする方法。 - 【請求項４９】 請求項４８に記載の方法において、該
情報が複数の情報層として配置され、該情報層間のリン
クが該情報リンクによって提供されることを特徴とする
方法。 - 【請求項５０】 請求項４９に記載の方法において、該
情報リンクが、任意の情報層の識別された情報セグメン
トとして提供されることを特徴とする方法。 - 【請求項５１】 請求項５０に記載の方法において、該
任意の情報層の中の該情報が複数のテキスト・語として
提供されることを特徴とする方法。 - 【請求項５２】 請求項４８に記載の方法において、該
音声化された形式で情報が提供されるようにする該段階
が、他の音声化された情報とは聴覚的に異なる方法で、
該情報リンクが提供されるようにする副段階を含むこと
を特徴とする方法。 - 【請求項５３】 請求項５２に記載の方法において、該
情報リンクが聴覚的に異なる方法で提供されるようにす
る該サブ段階が、該他の音声化された情報とは異なる反
対の性の声によって該情報リンクが音声化されるように
することを特徴とする方法。 - 【請求項５４】 請求項４８に記載の方法において、ユ
ーザによる該音声応答が所定のアクションに対する指令
として構成されることを特徴とする方法。 - 【請求項５５】 請求項５０に記載の方法において、ユ
ーザによる該音声応答が、該任意の層の該識別された情
報セグメントの１つの繰返しとして構成されることを特
徴とする方法。 - 【請求項５６】 請求項４８に記載の方法において、該
ユーザに対する該音声応答の確認を提供する更なる段階
を含むことを特徴とする方法。 - 【請求項５７】 請求項４８に記載の方法において、該
格納された情報にあるグラフィック情報をユーザに提供
する更なる段階を含むことを特徴とする方法。 - 【請求項５８】 請求項５７に記載の方法において、該
グラフィック情報が、グラフィック・アクセス・チャネ
ル手段を経由して該ユーザに提供されることを特徴とす
る方法。 - 【請求項５９】 情報の格納されたデータベースへのイ
ンターフェースを提供するシステムであって、該システ
ムは、 一組のリンクされた情報層として、音声の型式で格納さ
れている該情報のデータベースを提供する手段と、 ユーザに該情報の特定の層を提供するよう動作する手段
と、 該特定の層の情報に関連して該ユーザによる音声応答を
認識する手段と、 該認識されたユーザ応答に基づいて該特定の層から１つ
のリンクされた層へシフトするよう動作する手段とから
なることを特徴とするシステム。 - 【請求項６０】 情報の格納されたデータベースへイン
ターフェースを提供するシステムであって、該システム
は、 一組のリンクされた情報層として情報の該データベース
を確立する手段からなり、そのような層間のリンクが特
定の情報層のリンク語に関連しており、該システムは更
に、 該格納された情報層と結合して動作し、任意の層の情報
が音声化された形式で提供されるようにする手段からな
り、該任意の層の該リンク・語が該任意の層の中他の情
報とは聴覚的に異なる方法で提供されるものであり、該
システムは更に、 該任意の層の該リンク・語の１つに関連するユーザから
の音声応答を認識する手段と、 該認識された音声によるユーザ応答に基づいて任意の層
から該リンク・語へリンクされた別の層へシフトするよ
うに動作する手段とからなることを特徴とするシステ
ム。
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US08/759,916 US6282511B1 (en) | 1996-12-04 | 1996-12-04 | Voiced interface with hyperlinked information |
| US08/759916 | 1996-12-04 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPH10207685A true JPH10207685A (ja) | 1998-08-07 |
| JP3811280B2 JP3811280B2 (ja) | 2006-08-16 |
Family
ID=25057455
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP33388897A Expired - Lifetime JP3811280B2 (ja) | 1996-12-04 | 1997-12-04 | ハイパーリンク化された情報との音声化されたインターフェースのためのシステムおよび方法 |
Country Status (4)
| Country | Link |
|---|---|
| US (1) | US6282511B1 (ja) |
| EP (1) | EP0847179A3 (ja) |
| JP (1) | JP3811280B2 (ja) |
| CA (1) | CA2213591A1 (ja) |
Cited By (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2000137596A (ja) * | 1998-10-06 | 2000-05-16 | Lucent Technol Inc | 対話型音声応答システム |
| KR20010076633A (ko) * | 2000-01-27 | 2001-08-16 | 최중인 | 부속 사전방식의 하이퍼 보이스 음성 명령 체계및 데이터처리 시스템 |
| JP2001255885A (ja) * | 2000-03-13 | 2001-09-21 | Oki Electric Ind Co Ltd | 音声ブラウザシステム |
| JP2001312296A (ja) * | 2000-05-02 | 2001-11-09 | Internatl Business Mach Corp <Ibm> | 音声認識システム、音声認識方法およびコンピュータ可読な記録媒体 |
| KR100329244B1 (ko) * | 1998-12-16 | 2002-03-18 | 포만 제프리 엘 | 원격 웹 페이지 리더 |
| JP2002091756A (ja) * | 2000-06-15 | 2002-03-29 | Internatl Business Mach Corp <Ibm> | 多数の音響情報源を同時に提供するためのシステム及び方法 |
| JP2002169750A (ja) * | 2000-11-30 | 2002-06-14 | Nec Corp | ブラウザ搭載装置 |
| JP2002525689A (ja) * | 1998-09-22 | 2002-08-13 | ノキア ネットワークス オサケ ユキチュア | スピーチ認識システムを構成する方法及びシステム |
| JP2002527800A (ja) * | 1998-10-02 | 2002-08-27 | インターナショナル・ビジネス・マシーンズ・コーポレーション | 会話ブラウザおよび会話システム |
| JP2002532018A (ja) * | 1998-12-01 | 2002-09-24 | ニュアンス・コミュニケーションズ | 音声ウェブを形成しブラウズする方法及びそのシステム |
| JP2002342212A (ja) * | 2001-04-27 | 2002-11-29 | Internatl Business Mach Corp <Ibm> | 情報アクセス方法、情報アクセスシステムおよびプログラム |
| JP2003044496A (ja) * | 2001-07-26 | 2003-02-14 | Nec Corp | 情報サービス提供方法、装置及びプログラム |
| JP2003167598A (ja) * | 2001-12-04 | 2003-06-13 | Canon Inc | 音声認識装置及びその方法、プログラム |
| JP2006172294A (ja) * | 2004-12-17 | 2006-06-29 | Nippon Telegr & Teleph Corp <Ntt> | 音声ブラウザ装置、音声ブラウザ方法およびプログラム |
| JP2016501391A (ja) * | 2012-12-20 | 2016-01-18 | アマゾン テクノロジーズ インコーポレーテッド | 発話対象の識別 |
Families Citing this family (181)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8209184B1 (en) * | 1997-04-14 | 2012-06-26 | At&T Intellectual Property Ii, L.P. | System and method of providing generated speech via a network |
| US6760746B1 (en) | 1999-09-01 | 2004-07-06 | Eric Schneider | Method, product, and apparatus for processing a data request |
| EP1062798A1 (en) * | 1998-03-10 | 2000-12-27 | Siemens Corporate Research, Inc. | A system for browsing the world wide web with a traditional telephone |
| US6772139B1 (en) * | 1998-10-05 | 2004-08-03 | Smith, Iii Julius O. | Method and apparatus for facilitating use of hypertext links on the world wide web |
| GB2342530A (en) * | 1998-10-07 | 2000-04-12 | Vocalis Ltd | Gathering user inputs by speech recognition |
| AUPP713598A0 (en) * | 1998-11-17 | 1998-12-10 | Telstra R & D Management Pty Ltd | A data access system and method |
| US6490550B1 (en) * | 1998-11-30 | 2002-12-03 | Ericsson Inc. | System and method for IP-based communication transmitting speech and speech-generated text |
| US6523061B1 (en) * | 1999-01-05 | 2003-02-18 | Sri International, Inc. | System, method, and article of manufacture for agent-based navigation in a speech-based data navigation system |
| SE9900652D0 (sv) | 1999-02-24 | 1999-02-24 | Pipebeach Ab | A voice browser and a method at a voice browser |
| US6338082B1 (en) | 1999-03-22 | 2002-01-08 | Eric Schneider | Method, product, and apparatus for requesting a network resource |
| USRE43690E1 (en) | 1999-03-22 | 2012-09-25 | Esdr Network Solutions Llc | Search engine request method, product, and apparatus |
| US9141717B2 (en) | 1999-03-22 | 2015-09-22 | Esdr Network Solutions Llc | Methods, systems, products, and devices for processing DNS friendly identifiers |
| US8037168B2 (en) | 1999-07-15 | 2011-10-11 | Esdr Network Solutions Llc | Method, product, and apparatus for enhancing resolution services, registration services, and search services |
| US8667051B2 (en) * | 1999-03-22 | 2014-03-04 | Esdr Network Solutions Llc | Real-time communication processing method, product, and apparatus |
| US7188138B1 (en) | 1999-03-22 | 2007-03-06 | Eric Schneider | Method, product, and apparatus for resource identifier registration and aftermarket services |
| US20050261907A1 (en) | 1999-04-12 | 2005-11-24 | Ben Franklin Patent Holding Llc | Voice integration platform |
| US20050091057A1 (en) * | 1999-04-12 | 2005-04-28 | General Magic, Inc. | Voice application development methodology |
| US6408272B1 (en) * | 1999-04-12 | 2002-06-18 | General Magic, Inc. | Distributed voice user interface |
| EP1145146A2 (en) * | 1999-05-07 | 2001-10-17 | Argo Interactive Limited | Graphical data within documents |
| WO2001002997A1 (en) * | 1999-07-02 | 2001-01-11 | Koninklijke Philips Electronics N.V. | User-profile driven mapping of speech onto urls |
| DE19940940A1 (de) * | 1999-08-23 | 2001-03-08 | Mannesmann Ag | Talking Web |
| USRE44207E1 (en) | 1999-09-01 | 2013-05-07 | Esdr Network Solutions Llc | Network resource access method, product, and apparatus |
| GB2354394B (en) * | 1999-09-09 | 2003-11-26 | Roke Manor Research | Method and apparatus for communicating via the internet |
| AU7356100A (en) * | 1999-09-10 | 2001-04-10 | Everypath, Inc. | Method for converting two-dimensional data into a canonical representation |
| CA2384618A1 (en) * | 1999-09-10 | 2001-03-15 | Rajeev Mohindra | Method for customizing and rendering of selected data fields |
| US6557026B1 (en) * | 1999-09-29 | 2003-04-29 | Morphism, L.L.C. | System and apparatus for dynamically generating audible notices from an information network |
| USRE42904E1 (en) * | 1999-09-29 | 2011-11-08 | Frederick Monocacy Llc | System and apparatus for dynamically generating audible notices from an information network |
| JP4172886B2 (ja) * | 1999-10-08 | 2008-10-29 | 富士通株式会社 | 疑似クライアント装置、疑似クライアントプログラムを格納したコンピュータ可読媒体、及び、チャットシステム |
| IES20000802A2 (en) * | 1999-10-18 | 2001-04-18 | Voxsurf Software Ltd | Accessing databases via the internet |
| US6970915B1 (en) | 1999-11-01 | 2005-11-29 | Tellme Networks, Inc. | Streaming content over a telephone interface |
| WO2001030046A2 (en) * | 1999-10-22 | 2001-04-26 | Tellme Networks, Inc. | Streaming content over a telephone interface |
| US7376586B1 (en) | 1999-10-22 | 2008-05-20 | Microsoft Corporation | Method and apparatus for electronic commerce using a telephone interface |
| US7941481B1 (en) | 1999-10-22 | 2011-05-10 | Tellme Networks, Inc. | Updating an electronic phonebook over electronic communication networks |
| US6807574B1 (en) | 1999-10-22 | 2004-10-19 | Tellme Networks, Inc. | Method and apparatus for content personalization over a telephone interface |
| EP1145226B1 (en) * | 1999-11-09 | 2011-01-05 | Nuance Communications Austria GmbH | Speech recognition method for activating a hyperlink of an internet page |
| US7412643B1 (en) | 1999-11-23 | 2008-08-12 | International Business Machines Corporation | Method and apparatus for linking representation and realization data |
| US6424945B1 (en) | 1999-12-15 | 2002-07-23 | Nokia Corporation | Voice packet data network browsing for mobile terminals system and method using a dual-mode wireless connection |
| US6978127B1 (en) * | 1999-12-16 | 2005-12-20 | Koninklijke Philips Electronics N.V. | Hand-ear user interface for hand-held device |
| CN1302030B (zh) * | 1999-12-24 | 2010-04-21 | 纽昂斯通讯公司 | 词义消歧的机器翻译方法和系统 |
| US6999448B1 (en) | 2000-03-14 | 2006-02-14 | Avaya Technology Corp. | Internet protocol standards-based multi-media messaging |
| SG98374A1 (en) * | 2000-03-14 | 2003-09-19 | Egis Comp Systems Pte Ltd | A client and method for controlling communications thereof |
| US8645137B2 (en) | 2000-03-16 | 2014-02-04 | Apple Inc. | Fast, language-independent method for user authentication by voice |
| US7974875B1 (en) | 2000-03-21 | 2011-07-05 | Aol Inc. | System and method for using voice over a telephone to access, process, and carry out transactions over the internet |
| EP1137242A1 (en) * | 2000-03-24 | 2001-09-26 | Alcatel | Telecommunication system, terminal and network for vocal commanding |
| GB2361556A (en) * | 2000-04-19 | 2001-10-24 | Roundpoint Inc | Text-to-speech browser |
| US6968380B1 (en) * | 2000-05-30 | 2005-11-22 | International Business Machines Corporation | Method and system for increasing ease-of-use and bandwidth utilization in wireless devices |
| US6985933B1 (en) | 2000-05-30 | 2006-01-10 | International Business Machines Corporation | Method and system for increasing ease-of-use and bandwidth utilization in wireless devices |
| FR2810125B1 (fr) * | 2000-06-08 | 2004-04-30 | Interactive Speech Technologie | Systeme de commande vocale d'une page stockee sur un serveur et telechargeable en vue de sa visualisation sur un dispositif client |
| US7080315B1 (en) * | 2000-06-28 | 2006-07-18 | International Business Machines Corporation | Method and apparatus for coupling a visual browser to a voice browser |
| US6868523B1 (en) * | 2000-08-16 | 2005-03-15 | Ncr Corporation | Audio/visual method of browsing web pages with a conventional telephone interface |
| KR20020017373A (ko) * | 2000-08-30 | 2002-03-07 | 정익주 | 엠에스에이치티엠엘 컴포넌트를 이용한 음성인식 브라우저구현 방법 |
| US7240006B1 (en) * | 2000-09-27 | 2007-07-03 | International Business Machines Corporation | Explicitly registering markup based on verbal commands and exploiting audio context |
| WO2002031811A1 (de) * | 2000-10-10 | 2002-04-18 | Siemens Aktiengesellschaft | Akustische ausgabe vernetzter dokumente |
| US7792676B2 (en) * | 2000-10-25 | 2010-09-07 | Robert Glenn Klinefelter | System, method, and apparatus for providing interpretive communication on a network |
| US6915262B2 (en) | 2000-11-30 | 2005-07-05 | Telesector Resources Group, Inc. | Methods and apparatus for performing speech recognition and using speech recognition results |
| US8135589B1 (en) | 2000-11-30 | 2012-03-13 | Google Inc. | Performing speech recognition over a network and using speech recognition results |
| US6823306B2 (en) | 2000-11-30 | 2004-11-23 | Telesector Resources Group, Inc. | Methods and apparatus for generating, updating and distributing speech recognition models |
| GB0029800D0 (en) * | 2000-12-07 | 2001-01-17 | Hewlett Packard Co | Sound links |
| GB0029799D0 (en) | 2000-12-07 | 2001-01-17 | Hewlett Packard Co | Sound links |
| US7349867B2 (en) * | 2000-12-22 | 2008-03-25 | Invenda Corporation | Tracking transactions by using addresses in a communications network |
| US7415429B2 (en) | 2000-12-22 | 2008-08-19 | Invenda Corporation | Providing navigation objects for communications over a network |
| US7363248B2 (en) | 2000-12-22 | 2008-04-22 | Invenda Corporation | Pre-filling order forms for transactions over a communications network |
| DE10064661A1 (de) * | 2000-12-22 | 2002-07-11 | Siemens Ag | Kommunikationsanordnung und Verfahren für Kommunikationssysteme mit interaktiver Sprachfunktion |
| US7356530B2 (en) * | 2001-01-10 | 2008-04-08 | Looksmart, Ltd. | Systems and methods of retrieving relevant information |
| BR0207508A (pt) * | 2001-02-28 | 2004-03-02 | Telecom Italia Spa | Sistema e método para acesso a estruturas multimìdia |
| ITTO20010179A1 (it) | 2001-02-28 | 2002-08-28 | Cselt Centro Studi Lab Telecom | Sistema e metodo per l'accesso a strutture multimediali. |
| US20020122053A1 (en) * | 2001-03-01 | 2002-09-05 | International Business Machines Corporation | Method and apparatus for presenting non-displayed text in Web pages |
| US20020173333A1 (en) * | 2001-05-18 | 2002-11-21 | Buchholz Dale R. | Method and apparatus for processing barge-in requests |
| US6941268B2 (en) * | 2001-06-21 | 2005-09-06 | Tellme Networks, Inc. | Handling of speech recognition in a declarative markup language |
| US8238881B2 (en) | 2001-08-07 | 2012-08-07 | Waloomba Tech Ltd., L.L.C. | System and method for providing multi-modal bookmarks |
| US8644475B1 (en) | 2001-10-16 | 2014-02-04 | Rockstar Consortium Us Lp | Telephony usage derived presence information |
| GB2381409B (en) * | 2001-10-27 | 2004-04-28 | Hewlett Packard Ltd | Asynchronous access to synchronous voice services |
| US20030135624A1 (en) * | 2001-12-27 | 2003-07-17 | Mckinnon Steve J. | Dynamic presence management |
| US7565402B2 (en) * | 2002-01-05 | 2009-07-21 | Eric Schneider | Sitemap access method, product, and apparatus |
| US9374451B2 (en) * | 2002-02-04 | 2016-06-21 | Nokia Technologies Oy | System and method for multimodal short-cuts to digital services |
| FR2836249A1 (fr) * | 2002-02-18 | 2003-08-22 | Converge Online | Procede de synchronisation des interactions multimodales dans la presentation d'un contenu multimodal sur un support multimodal |
| US7210098B2 (en) * | 2002-02-18 | 2007-04-24 | Kirusa, Inc. | Technique for synchronizing visual and voice browsers to enable multi-modal browsing |
| US7058887B2 (en) * | 2002-03-07 | 2006-06-06 | International Business Machines Corporation | Audio clutter reduction and content identification for web-based screen-readers |
| US7712020B2 (en) * | 2002-03-22 | 2010-05-04 | Khan Emdadur R | Transmitting secondary portions of a webpage as a voice response signal in response to a lack of response by a user |
| US7873900B2 (en) * | 2002-03-22 | 2011-01-18 | Inet Spch Property Hldg., Limited Liability Company | Ordering internet voice content according to content density and semantic matching |
| US8213917B2 (en) | 2006-05-05 | 2012-07-03 | Waloomba Tech Ltd., L.L.C. | Reusable multimodal application |
| US8392609B2 (en) | 2002-09-17 | 2013-03-05 | Apple Inc. | Proximity detection for media proxies |
| KR100872191B1 (ko) * | 2002-09-27 | 2008-12-09 | 인터내셔널 비지네스 머신즈 코포레이션 | 발표 하이퍼링크 타임 테이블 생성 방법, 발표 처리 방법, 컴퓨팅 시스템 및 컴퓨터 판독가능한 기록 매체 |
| US7461352B2 (en) * | 2003-02-10 | 2008-12-02 | Ronald Mark Katsuranis | Voice activated system and methods to enable a computer user working in a first graphical application window to display and control on-screen help, internet, and other information content in a second graphical application window |
| NL1024398C2 (nl) * | 2003-09-29 | 2005-03-31 | Tno | Werkwijze en middelen voor presentatie van een tekst met activeerbare tekstelementen. |
| KR20050040983A (ko) * | 2003-10-29 | 2005-05-04 | (주)텔리뷰 | 음성을 이용한 웹 브라우징 시스템 및 제어방법 |
| DE602004006641T2 (de) * | 2003-11-10 | 2008-01-24 | Philips Intellectual Property & Standards Gmbh | Audio-dialogsystem und sprachgesteuertes browsing-verfahren |
| US20050108754A1 (en) * | 2003-11-19 | 2005-05-19 | Serenade Systems | Personalized content application |
| US9118574B1 (en) | 2003-11-26 | 2015-08-25 | RPX Clearinghouse, LLC | Presence reporting using wireless messaging |
| WO2005089357A2 (en) * | 2004-03-16 | 2005-09-29 | Freedom Scientific, Inc. | Multimodal xml delivery system and method |
| US7624016B2 (en) * | 2004-07-23 | 2009-11-24 | Microsoft Corporation | Method and apparatus for robustly locating user barge-ins in voice-activated command systems |
| US7509260B2 (en) * | 2004-09-20 | 2009-03-24 | International Business Machines Corporation | Systems and methods for inputting graphical data into a graphical input field |
| JP4743686B2 (ja) * | 2005-01-19 | 2011-08-10 | 京セラ株式会社 | 携帯端末装置、およびその音声読み上げ方法、並びに音声読み上げプログラム |
| EP1693570B1 (en) * | 2005-02-16 | 2008-07-16 | National-Oilwell, L.P. | Connector assembly, rod retention system and method |
| JP4574390B2 (ja) * | 2005-02-22 | 2010-11-04 | キヤノン株式会社 | 音声認識方法 |
| US7321856B1 (en) | 2005-08-03 | 2008-01-22 | Microsoft Corporation | Handling of speech recognition in a declarative markup language |
| US8977636B2 (en) | 2005-08-19 | 2015-03-10 | International Business Machines Corporation | Synthesizing aggregate data of disparate data types into data of a uniform data type |
| US7958131B2 (en) * | 2005-08-19 | 2011-06-07 | International Business Machines Corporation | Method for data management and data rendering for disparate data types |
| US8677377B2 (en) | 2005-09-08 | 2014-03-18 | Apple Inc. | Method and apparatus for building an intelligent automated assistant |
| US20070061371A1 (en) * | 2005-09-14 | 2007-03-15 | Bodin William K | Data customization for data of disparate data types |
| US20070061712A1 (en) * | 2005-09-14 | 2007-03-15 | Bodin William K | Management and rendering of calendar data |
| US8266220B2 (en) * | 2005-09-14 | 2012-09-11 | International Business Machines Corporation | Email management and rendering |
| US8694319B2 (en) | 2005-11-03 | 2014-04-08 | International Business Machines Corporation | Dynamic prosody adjustment for voice-rendering synthesized data |
| US20070165538A1 (en) * | 2006-01-13 | 2007-07-19 | Bodin William K | Schedule-based connectivity management |
| US8271107B2 (en) * | 2006-01-13 | 2012-09-18 | International Business Machines Corporation | Controlling audio operation for data management and data rendering |
| US20070192673A1 (en) * | 2006-02-13 | 2007-08-16 | Bodin William K | Annotating an audio file with an audio hyperlink |
| US9135339B2 (en) | 2006-02-13 | 2015-09-15 | International Business Machines Corporation | Invoking an audio hyperlink |
| US20070192675A1 (en) * | 2006-02-13 | 2007-08-16 | Bodin William K | Invoking an audio hyperlink embedded in a markup document |
| US20070249406A1 (en) * | 2006-04-20 | 2007-10-25 | Sony Ericsson Mobile Communications Ab | Method and system for retrieving information |
| EP2059924A4 (en) * | 2006-08-28 | 2010-08-25 | Shaul Shalev | SYSTEMS AND METHODS FOR AUDIO MARKING INFORMATION ELEMENTS FOR IDENTIFYING AND APPLYING LINKS TO INFORMATION, OR PROCESSES RELATING TO THE MARKED ELEMENTS |
| US9318108B2 (en) | 2010-01-18 | 2016-04-19 | Apple Inc. | Intelligent automated assistant |
| US9196241B2 (en) | 2006-09-29 | 2015-11-24 | International Business Machines Corporation | Asynchronous communications using messages recorded on handheld devices |
| US9318100B2 (en) | 2007-01-03 | 2016-04-19 | International Business Machines Corporation | Supplementing audio recorded in a media file |
| US7844462B2 (en) * | 2007-02-01 | 2010-11-30 | Sap Ag | Spatial sound generation for screen navigation |
| US8996376B2 (en) | 2008-04-05 | 2015-03-31 | Apple Inc. | Intelligent text-to-speech conversion |
| US8943394B2 (en) * | 2008-11-19 | 2015-01-27 | Robert Bosch Gmbh | System and method for interacting with live agents in an automated call center |
| US8359202B2 (en) * | 2009-01-15 | 2013-01-22 | K-Nfb Reading Technology, Inc. | Character models for document narration |
| US9031216B1 (en) * | 2009-03-05 | 2015-05-12 | Google Inc. | In-conversation search |
| US10241644B2 (en) | 2011-06-03 | 2019-03-26 | Apple Inc. | Actionable reminder entries |
| US10241752B2 (en) | 2011-09-30 | 2019-03-26 | Apple Inc. | Interface for a virtual digital assistant |
| US9431006B2 (en) | 2009-07-02 | 2016-08-30 | Apple Inc. | Methods and apparatuses for automatic speech recognition |
| JP5697860B2 (ja) * | 2009-09-09 | 2015-04-08 | クラリオン株式会社 | 情報検索装置，情報検索方法及びナビゲーションシステム |
| US8996384B2 (en) * | 2009-10-30 | 2015-03-31 | Vocollect, Inc. | Transforming components of a web page to voice prompts |
| US8682667B2 (en) | 2010-02-25 | 2014-03-25 | Apple Inc. | User profiling for selecting user specific voice input processing information |
| US9262612B2 (en) | 2011-03-21 | 2016-02-16 | Apple Inc. | Device access using voice authentication |
| US20120310642A1 (en) * | 2011-06-03 | 2012-12-06 | Apple Inc. | Automatically creating a mapping between text data and audio data |
| US20130204413A1 (en) * | 2012-02-07 | 2013-08-08 | Apple Inc. | Audio Hyperlinking |
| US9280610B2 (en) | 2012-05-14 | 2016-03-08 | Apple Inc. | Crowd sourcing information to fulfill user requests |
| US9721563B2 (en) | 2012-06-08 | 2017-08-01 | Apple Inc. | Name recognition system |
| US9495129B2 (en) * | 2012-06-29 | 2016-11-15 | Apple Inc. | Device, method, and user interface for voice-activated navigation and browsing of a document |
| US9547647B2 (en) | 2012-09-19 | 2017-01-17 | Apple Inc. | Voice-based media searching |
| US9691377B2 (en) | 2013-07-23 | 2017-06-27 | Google Technology Holdings LLC | Method and device for voice recognition training |
| US9275638B2 (en) | 2013-03-12 | 2016-03-01 | Google Technology Holdings LLC | Method and apparatus for training a voice recognition model database |
| WO2014197334A2 (en) | 2013-06-07 | 2014-12-11 | Apple Inc. | System and method for user-specified pronunciation of words for speech synthesis and recognition |
| WO2014197336A1 (en) | 2013-06-07 | 2014-12-11 | Apple Inc. | System and method for detecting errors in interactions with a voice-based digital assistant |
| US9582608B2 (en) | 2013-06-07 | 2017-02-28 | Apple Inc. | Unified ranking with entropy-weighted information for phrase-based semantic auto-completion |
| WO2014197335A1 (en) | 2013-06-08 | 2014-12-11 | Apple Inc. | Interpreting and acting upon commands that involve sharing information with remote devices |
| US10176167B2 (en) | 2013-06-09 | 2019-01-08 | Apple Inc. | System and method for inferring user intent from speech inputs |
| EP3008641A1 (en) | 2013-06-09 | 2016-04-20 | Apple Inc. | Device, method, and graphical user interface for enabling conversation persistence across two or more instances of a digital assistant |
| US9548047B2 (en) | 2013-07-31 | 2017-01-17 | Google Technology Holdings LLC | Method and apparatus for evaluating trigger phrase enrollment |
| CN104123085B (zh) * | 2014-01-14 | 2015-08-12 | 腾讯科技（深圳）有限公司 | 通过语音访问多媒体互动网站的方法和装置 |
| US9430463B2 (en) | 2014-05-30 | 2016-08-30 | Apple Inc. | Exemplar-based natural language processing |
| US9338493B2 (en) | 2014-06-30 | 2016-05-10 | Apple Inc. | Intelligent automated assistant for TV user interactions |
| WO2016032021A1 (ko) * | 2014-08-27 | 2016-03-03 | 삼성전자주식회사 | 음성 명령 인식을 위한 장치 및 방법 |
| US9668121B2 (en) | 2014-09-30 | 2017-05-30 | Apple Inc. | Social reminders |
| KR102232583B1 (ko) | 2015-01-08 | 2021-03-26 | 삼성전자주식회사 | 전자장치 및 전자장치의 웹 재현 방법 |
| US10567477B2 (en) | 2015-03-08 | 2020-02-18 | Apple Inc. | Virtual assistant continuity |
| US9578173B2 (en) | 2015-06-05 | 2017-02-21 | Apple Inc. | Virtual assistant aided communication with 3rd party service in a communication session |
| US10671428B2 (en) | 2015-09-08 | 2020-06-02 | Apple Inc. | Distributed personal assistant |
| US10747498B2 (en) | 2015-09-08 | 2020-08-18 | Apple Inc. | Zero latency digital assistant |
| US11010550B2 (en) | 2015-09-29 | 2021-05-18 | Apple Inc. | Unified language modeling framework for word prediction, auto-completion and auto-correction |
| US10366158B2 (en) | 2015-09-29 | 2019-07-30 | Apple Inc. | Efficient word encoding for recurrent neural network language models |
| US11587559B2 (en) | 2015-09-30 | 2023-02-21 | Apple Inc. | Intelligent device identification |
| US10691473B2 (en) | 2015-11-06 | 2020-06-23 | Apple Inc. | Intelligent automated assistant in a messaging environment |
| US10049668B2 (en) | 2015-12-02 | 2018-08-14 | Apple Inc. | Applying neural network language models to weighted finite state transducers for automatic speech recognition |
| US10223066B2 (en) | 2015-12-23 | 2019-03-05 | Apple Inc. | Proactive assistance based on dialog communication between devices |
| US10446143B2 (en) | 2016-03-14 | 2019-10-15 | Apple Inc. | Identification of voice inputs providing credentials |
| US9934775B2 (en) | 2016-05-26 | 2018-04-03 | Apple Inc. | Unit-selection text-to-speech synthesis based on predicted concatenation parameters |
| US9972304B2 (en) | 2016-06-03 | 2018-05-15 | Apple Inc. | Privacy preserving distributed evaluation framework for embedded personalized systems |
| US10249300B2 (en) | 2016-06-06 | 2019-04-02 | Apple Inc. | Intelligent list reading |
| US10049663B2 (en) | 2016-06-08 | 2018-08-14 | Apple, Inc. | Intelligent automated assistant for media exploration |
| DK179588B1 (en) | 2016-06-09 | 2019-02-22 | Apple Inc. | INTELLIGENT AUTOMATED ASSISTANT IN A HOME ENVIRONMENT |
| US10586535B2 (en) | 2016-06-10 | 2020-03-10 | Apple Inc. | Intelligent digital assistant in a multi-tasking environment |
| US10067938B2 (en) | 2016-06-10 | 2018-09-04 | Apple Inc. | Multilingual word prediction |
| US10490187B2 (en) | 2016-06-10 | 2019-11-26 | Apple Inc. | Digital assistant providing automated status report |
| US10509862B2 (en) | 2016-06-10 | 2019-12-17 | Apple Inc. | Dynamic phrase expansion of language input |
| US10192552B2 (en) | 2016-06-10 | 2019-01-29 | Apple Inc. | Digital assistant providing whispered speech |
| DK179343B1 (en) | 2016-06-11 | 2018-05-14 | Apple Inc | Intelligent task discovery |
| DK201670540A1 (en) | 2016-06-11 | 2018-01-08 | Apple Inc | Application integration with a digital assistant |
| DK179049B1 (en) | 2016-06-11 | 2017-09-18 | Apple Inc | Data driven natural language event detection and classification |
| DK179415B1 (en) | 2016-06-11 | 2018-06-14 | Apple Inc | Intelligent device arbitration and control |
| US10043516B2 (en) | 2016-09-23 | 2018-08-07 | Apple Inc. | Intelligent automated assistant |
| US10593346B2 (en) | 2016-12-22 | 2020-03-17 | Apple Inc. | Rank-reduced token representation for automatic speech recognition |
| DK201770439A1 (en) | 2017-05-11 | 2018-12-13 | Apple Inc. | Offline personal assistant |
| DK179496B1 (en) | 2017-05-12 | 2019-01-15 | Apple Inc. | USER-SPECIFIC Acoustic Models |
| DK179745B1 (en) | 2017-05-12 | 2019-05-01 | Apple Inc. | SYNCHRONIZATION AND TASK DELEGATION OF A DIGITAL ASSISTANT |
| DK201770431A1 (en) | 2017-05-15 | 2018-12-20 | Apple Inc. | Optimizing dialogue policy decisions for digital assistants using implicit feedback |
| DK201770432A1 (en) | 2017-05-15 | 2018-12-21 | Apple Inc. | Hierarchical belief states for digital assistants |
| DK179549B1 (en) | 2017-05-16 | 2019-02-12 | Apple Inc. | FAR-FIELD EXTENSION FOR DIGITAL ASSISTANT SERVICES |
| US11443646B2 (en) | 2017-12-22 | 2022-09-13 | Fathom Technologies, LLC | E-Reader interface system with audio and highlighting synchronization for digital books |
| US10671251B2 (en) | 2017-12-22 | 2020-06-02 | Arbordale Publishing, LLC | Interactive eReader interface generation based on synchronization of textual and audial descriptors |
Family Cites Families (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US4726065A (en) * | 1984-01-26 | 1988-02-16 | Horst Froessl | Image manipulation by speech signals |
| US5333237A (en) * | 1989-10-10 | 1994-07-26 | Hughes Aircraft Company | Hypermedia structured knowledge base system |
| US5781913A (en) * | 1991-07-18 | 1998-07-14 | Felsenstein; Lee | Wearable hypermedium system |
| AU2868092A (en) * | 1991-09-30 | 1993-05-03 | Riverrun Technology | Method and apparatus for managing information |
| DE69424019T2 (de) * | 1993-11-24 | 2000-09-14 | Canon Information Systems, Inc. | System zur Sprachlichen Wiedergabe von Hypertextdokumenten, wie Hilfsdateien |
| DE4440598C1 (de) * | 1994-11-14 | 1996-05-23 | Siemens Ag | Durch gesprochene Worte steuerbares Hypertext-Navigationssystem, Hypertext-Dokument für dieses Navigationssystem und Verfahren zur Erzeugung eines derartigen Dokuments |
| US5774628A (en) * | 1995-04-10 | 1998-06-30 | Texas Instruments Incorporated | Speaker-independent dynamic vocabulary and grammar in speech recognition |
| GB9523759D0 (en) | 1995-11-21 | 1996-01-24 | Pollitt Alexander J | World wide web information retrieval system |
-
1996
- 1996-12-04 US US08/759,916 patent/US6282511B1/en not_active Expired - Lifetime
-
1997
- 1997-08-21 CA CA002213591A patent/CA2213591A1/en not_active Abandoned
- 1997-10-29 EP EP97118811A patent/EP0847179A3/en not_active Withdrawn
- 1997-12-04 JP JP33388897A patent/JP3811280B2/ja not_active Expired - Lifetime
Cited By (16)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2002525689A (ja) * | 1998-09-22 | 2002-08-13 | ノキア ネットワークス オサケ ユキチュア | スピーチ認識システムを構成する方法及びシステム |
| JP2003525477A (ja) * | 1998-10-02 | 2003-08-26 | インターナショナル・ビジネス・マシーンズ・コーポレーション | 汎用階層オブジェクトを介する効率的なボイス・ナビゲーションのための構造スケルトン |
| JP2002527800A (ja) * | 1998-10-02 | 2002-08-27 | インターナショナル・ビジネス・マシーンズ・コーポレーション | 会話ブラウザおよび会話システム |
| JP2000137596A (ja) * | 1998-10-06 | 2000-05-16 | Lucent Technol Inc | 対話型音声応答システム |
| JP2002532018A (ja) * | 1998-12-01 | 2002-09-24 | ニュアンス・コミュニケーションズ | 音声ウェブを形成しブラウズする方法及びそのシステム |
| KR100329244B1 (ko) * | 1998-12-16 | 2002-03-18 | 포만 제프리 엘 | 원격 웹 페이지 리더 |
| KR20010076633A (ko) * | 2000-01-27 | 2001-08-16 | 최중인 | 부속 사전방식의 하이퍼 보이스 음성 명령 체계및 데이터처리 시스템 |
| JP2001255885A (ja) * | 2000-03-13 | 2001-09-21 | Oki Electric Ind Co Ltd | 音声ブラウザシステム |
| JP2001312296A (ja) * | 2000-05-02 | 2001-11-09 | Internatl Business Mach Corp <Ibm> | 音声認識システム、音声認識方法およびコンピュータ可読な記録媒体 |
| JP2002091756A (ja) * | 2000-06-15 | 2002-03-29 | Internatl Business Mach Corp <Ibm> | 多数の音響情報源を同時に提供するためのシステム及び方法 |
| JP2002169750A (ja) * | 2000-11-30 | 2002-06-14 | Nec Corp | ブラウザ搭載装置 |
| JP2002342212A (ja) * | 2001-04-27 | 2002-11-29 | Internatl Business Mach Corp <Ibm> | 情報アクセス方法、情報アクセスシステムおよびプログラム |
| JP2003044496A (ja) * | 2001-07-26 | 2003-02-14 | Nec Corp | 情報サービス提供方法、装置及びプログラム |
| JP2003167598A (ja) * | 2001-12-04 | 2003-06-13 | Canon Inc | 音声認識装置及びその方法、プログラム |
| JP2006172294A (ja) * | 2004-12-17 | 2006-06-29 | Nippon Telegr & Teleph Corp <Ntt> | 音声ブラウザ装置、音声ブラウザ方法およびプログラム |
| JP2016501391A (ja) * | 2012-12-20 | 2016-01-18 | アマゾン テクノロジーズ インコーポレーテッド | 発話対象の識別 |
Also Published As
| Publication number | Publication date |
|---|---|
| US6282511B1 (en) | 2001-08-28 |
| EP0847179A2 (en) | 1998-06-10 |
| CA2213591A1 (en) | 1998-06-04 |
| EP0847179A3 (en) | 2000-05-31 |
| JP3811280B2 (ja) | 2006-08-16 |
| MX9709035A (es) | 1998-06-28 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP3811280B2 (ja) | ハイパーリンク化された情報との音声化されたインターフェースのためのシステムおよび方法 | |
| CA2280331C (en) | Web-based platform for interactive voice response (ivr) | |
| US9495956B2 (en) | Dealing with switch latency in speech recognition | |
| US8909532B2 (en) | Supporting multi-lingual user interaction with a multimodal application | |
| US6430531B1 (en) | Bilateral speech system | |
| EP2824596B1 (en) | Speech- Enabled Web Content Searching Using a Multimodal Browser | |
| JP6588637B2 (ja) | 個別化されたエンティティ発音の学習 | |
| US9626959B2 (en) | System and method of supporting adaptive misrecognition in conversational speech | |
| US6532444B1 (en) | Network interactive user interface using speech recognition and natural language processing | |
| US8073692B2 (en) | Enabling speech recognition grammars in web page frames | |
| TWI353585B (en) | Computer-implemented method,apparatus, and compute | |
| US6832196B2 (en) | Speech driven data selection in a voice-enabled program | |
| US8886540B2 (en) | Using speech recognition results based on an unstructured language model in a mobile communication facility application | |
| US8725513B2 (en) | Providing expressive user interaction with a multimodal application | |
| US9349367B2 (en) | Records disambiguation in a multimodal application operating on a multimodal device | |
| US20090326953A1 (en) | Method of accessing cultural resources or digital contents, such as text, video, audio and web pages by voice recognition with any type of programmable device without the use of the hands or any physical apparatus. | |
| US20020143535A1 (en) | Method of providing concise forms of natural commands | |
| US20030144846A1 (en) | Method and system for modifying the behavior of an application based upon the application's grammar | |
| US20060143007A1 (en) | User interaction with voice information services | |
| JPH08335160A (ja) | ビデオスクリーン表示を音声対話型にするシステム | |
| US20020087328A1 (en) | Automatic dynamic speech recognition vocabulary based on external sources of information | |
| CN1264468A (zh) | 给用户提供声音反馈的可扩展语音识别系统 | |
| EP2126902A2 (en) | Speech recognition of speech recorded by a mobile communication facility | |
| MXPA97009035A (en) | System and method for the sound interface with information hiperenlaz | |
| JP2003345372A (ja) | 音声合成装置及び音声合成方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20041101 |
|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20050627 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20051205 |
|
| A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20060303 |
|
| A602 | Written permission of extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A602 Effective date: 20060308 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20060327 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20060418 |
|
| TRDD | Decision of grant or rejection written | ||
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20060502 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20060526 |
|
| R150 | Certificate of patent or registration of utility model |
Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20090602 Year of fee payment: 3 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20100602 Year of fee payment: 4 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20100602 Year of fee payment: 4 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20110602 Year of fee payment: 5 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20120602 Year of fee payment: 6 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20120602 Year of fee payment: 6 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20130602 Year of fee payment: 7 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| S111 | Request for change of ownership or part of ownership |
Free format text: JAPANESE INTERMEDIATE CODE: R313113 |
|
| S111 | Request for change of ownership or part of ownership |
Free format text: JAPANESE INTERMEDIATE CODE: R313113 |
|
| R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |
|
| R360 | Written notification for declining of transfer of rights |
Free format text: JAPANESE INTERMEDIATE CODE: R360 |
|
| S111 | Request for change of ownership or part of ownership |
Free format text: JAPANESE INTERMEDIATE CODE: R313113 |
|
| R370 | Written measure of declining of transfer procedure |
Free format text: JAPANESE INTERMEDIATE CODE: R370 |
|
| EXPY | Cancellation because of completion of term | ||
| R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |