受付装置
【課題】ユーザの発話音声以外の音が混入して入力される場合であっても確実にユーザ情報を取得する。
【解決手段】受付端末２０は、タッチパネル２１０と、マイク２０７Ｌ，２０７Ｒとを有し、マイク２０７Ｌ，２０７Ｒを介し入力された音により音情報を取得し、マイク２０７Ｌ，２０７Ｒに入力された来訪者の発話音声による音声情報か、若しくは、タッチパネル２１０に入力された操作情報に基づき、来訪者情報を取得し、取得される音情報が所定の音情報を含むかどうかの判断を行い、音情報が所定の音情報を含むと判断された場合に、所定の切替タイミングで、来訪者情報の取得方法を、音声認識か、若しくは、タッチパネル２１０に切替制御し、この切替制御に対応した、音声情報に基づく来訪者情報、若しくは、操作情報に基づく来訪者情報を取得する。
【解決手段】受付端末２０は、タッチパネル２１０と、マイク２０７Ｌ，２０７Ｒとを有し、マイク２０７Ｌ，２０７Ｒを介し入力された音により音情報を取得し、マイク２０７Ｌ，２０７Ｒに入力された来訪者の発話音声による音声情報か、若しくは、タッチパネル２１０に入力された操作情報に基づき、来訪者情報を取得し、取得される音情報が所定の音情報を含むかどうかの判断を行い、音情報が所定の音情報を含むと判断された場合に、所定の切替タイミングで、来訪者情報の取得方法を、音声認識か、若しくは、タッチパネル２１０に切替制御し、この切替制御に対応した、音声情報に基づく来訪者情報、若しくは、操作情報に基づく来訪者情報を取得する。
【発明の詳細な説明】
【技術分野】
【０００１】
本発明は、発話者の発する発話音声を音声認識可能な受付装置に関する。
【背景技術】
【０００２】
例えば建造物への来訪者に対する受付業務を行う受付装置が、従来より既に知られている。このような受付装置においては、ユーザ（来訪者）の発話音声をマイク等の音声入力手段により入力し、その発話内容を音声認識することによってユーザ情報（氏名、会社名等）を取得する。この際、受付装置の周囲環境で雑音や騒音が発生していると、音声入力手段にはそれらの音も併せて入力され混入するため、音声認識時にユーザ情報の誤認識が生じるおそれがある。
【０００３】
上記のようなマイクにおける音声認識の適正化に関する従来技術として、例えば特許文献１に記載の音声認識装置が知られている。この従来技術では、入力音声信号中における櫛形雑音の有無を、雑音判定部が判定する。入力音声信号に櫛形雑音が重畳されている場合には、雑音除去部が、所定のフィルタ群を用いて重畳されている櫛形雑音を除去するようになっている。
【先行技術文献】
【特許文献】
【０００４】
【特許文献１】特開２００２−９９２９６号公報
【発明の概要】
【発明が解決しようとする課題】
【０００５】
しかしながら、上記従来技術情報のようなフィルタリングの手法では、雑音除去が十分でなく、ユーザ発話音声の内容を十分に取得できず、ユーザ情報を取得できない場合があった。
【０００６】
本発明の目的は、ユーザの発話音声以外の音が混入して入力される場合であっても、確実にユーザ情報を取得できる受付装置を提供することにある。
【課題を解決するための手段】
【０００７】
上記目的を達成するために、第１の発明は、ユーザに対し、予め定められた複数の処理手順に沿った受付処理を行う受付装置であって、前記ユーザの手動操作により操作情報を入力可能な操作手段と、音声を入力するための少なくとも１つの音声入力手段と、前記音声入力手段を介し入力された音により、対応する振幅あるいは周波数を含む音情報を取得する音取得手段と、前記音声入力手段に入力された前記ユーザの発話音声による音声情報か、若しくは、前記操作手段に入力された前記操作情報に基づき、前記ユーザに係わるユーザ情報を取得するユーザ情報取得手段と、前記音取得手段により取得される音情報が所定の音情報を含むかどうかの判断を行う音情報判断手段と、前記音情報判断手段により前記音情報が所定の音情報を含むと判断された場合に、所定の切替タイミングで、前記ユーザ情報取得手段による前記ユーザ情報の取得を、前記音声情報に基づく前記ユーザ情報の取得か、若しくは、前記操作情報に基づく前記ユーザ情報の取得に切替制御可能な取得制御手段とを有し、前記ユーザ情報取得手段は、前記取得制御手段による前記切替制御に対応した、前記音声情報に基づく前記ユーザ情報、若しくは、前記操作情報に基づく前記ユーザ情報を取得することを特徴とする。
【０００８】
本願第１発明においては、ユーザが発話することによってその音声が音声入力手段により入力され、さらに音取得手段により振幅あるいは周波数を含む音情報（詳細には音声情報）として取得される。この音声情報に基づき、ユーザ情報取得手段が、音声認識により当該ユーザの氏名や会社名等を含むユーザ情報を取得する。
【０００９】
ところで、ユーザが発話音声を入力するとき、音声入力手段に、当該発話音声以外の音、例えば、周囲環境から生じるいわゆる雑音等も混入して入力される場合がある。このような場合、音取得手段により取得される音情報には、発話音声による音声情報以外の所定の音情報が含まれることとなる。この結果、ユーザ情報取得手段が音声情報を音声認識することによってユーザ情報を取得しようとするとき、上記混入した音に基づく所定の音情報の影響で音声認識の精度が低下し、ユーザ情報を精度よく取得できないおそれがある。
【００１０】
本願第１発明では上記に対応し、ユーザ情報を、ユーザの発話音声による音声情報か、若しくは、ユーザが操作手段を手動操作した操作情報の、いずれか一方より、選択的に取得可能としている。そして、音情報判断手段が、上記取得された音情報の中に、上記所定の音情報が含まれるかどうかを判断し、音情報に所定の音情報が含まれる場合には、取得制御手段が、所定の切替タイミングでユーザ情報取得手段を制御し、ユーザ情報の取得方法を、音声情報による音声認識から操作手段を介しての手動操作入力へと切り替え可能とする。この結果、ユーザの手動操作に基づいてユーザ情報を取得することができる。
【００１１】
以上のように、本願第１発明においては、ユーザの発話音声以外の音が混入して入力される場合であっても確実にユーザ情報を取得できる。
【００１２】
第２発明は、上記第１発明において、前記受付処理を開始するための特定条件を検知する検知手段をさらに有し、前記音情報判断手段は、前記検知手段により前記特定条件が検知された場合に、前記音取得手段により取得される前記音情報が前記所定の音情報を含むかどうかの判断を行うことを特徴とする。
【００１３】
本願第２発明においては、受付処理開始のための特定条件が予め設定されており、その特定条件を検知するための検知手段が設けられている。取得制御手段は、検知手段によって当該特定条件が検知された場合には、前述の音声情報による音声認識による取得から操作手段を介しての手動操作入力による取得へ、ユーザ情報の取得方法を切替可能である。これにより、一連の受付処理を開始する前の時点で既に周囲環境の雑音等が生じていた場合には、受付処理を開始するより前に、手動操作入力に基づくユーザ情報の取得へと切り替えることができる。
【００１４】
第３発明は、上記第１発明において、音声を出力するための音声出力手段と、各処理手順ごとに、対応する装置発話音声を前記音声出力手段を介し出力する発話手段と、複数の前記音声入力手段を介し入力された音に応じて前記音取得手段により取得された音情報に基づき、前記装置発話音声による音声情報と前記所定の音情報としての非音声情報とを識別する情報識別手段とをさらに有し、前記音取得手段は、前記発話手段が前記装置発話音声の出力を行っている間に、複数の前記音声入力手段に入力された音により、前記音情報を取得し、前記音情報判断手段は、前記情報識別手段により識別された前記非音声情報が所定の音情報を含むかどうかの判断を行い、前記取得制御手段は、前記所定の切替タイミングとして、前記発話手段が前記装置発話音声の出力を行っている間に、前記音情報判断手段による判断結果に対応した、前記ユーザ情報取得手段の前記切替制御を行うことを特徴とする。
【００１５】
本願第３発明においては、受付処理に関し予め定められた複数の処理手順（いわゆるシナリオ）ごとに、ユーザによる発話音声を誘導するために、発話手段が、当該処理手順に対応した発話音声を音声出力手段を介し出力する。このとき、上記発話音声の出力中において、情報識別手段が、音声入力手段を介し音取得手段で取得された音情報を、装置発話音声による音声情報と、非音声情報とに識別する。そして、音情報判断手段は、当該識別された非音声情報の中に、上記所定の音情報が含まれるかどうかを判断し、取得制御手段は、上記音情報判断手段の判断結果に対応してユーザ情報取得手段の切替制御を行う。この結果、上記発話音声の出力中において、前述の音声情報による音声認識による取得から操作手段を介しての手動操作入力による取得へ、ユーザ情報の取得方法の切替制御を行うことが可能となる。これにより、周囲環境の雑音等が生じていた場合に、一連の受付処理を開始した後の装置からの発話時点で、手動操作入力に基づくユーザ情報の取得へと確実に切り替えることができる。
【００１６】
第４発明は、上記第３発明において、前記音情報判断手段は、前記情報識別手段により識別された前記非音声情報が、所定のしきい値未満である音情報を含むかどうかの判断を行うことを特徴とする。
【００１７】
これにより、雑音等による非音声情報のレベルが小さく、音声認識精度にあまり影響を与えない場合には、音声情報に基づくユーザ情報の取得を継続し無駄な切り替えを行わないようにすることが可能となる。
【００１８】
第５発明は、上記第３又は第４発明において、特定の前記処理手順においては、前記音取得手段により前記非音声情報が取得された場合、及び、前記非音声情報が取得されなかった場合のいずれにおいても、前記ユーザ情報取得手段の前記切替制御を禁止する処理を行う禁止制御手段をさらに有することを特徴とする。
【００１９】
これにより、音声情報による音声認識による取得から操作手段を介しての手動操作入力による取得への、ユーザ情報の取得方法の切り替えを行うとユーザに不自然な印象を与えたり混乱を招くような、特定の処理手順については、切替条件を満たしても敢えて切り替えを行わないようにすることで、ユーザにとっての利便性を向上することができる。
【００２０】
第６発明は、上記第５発明において、前記音取得手段による前記非音声情報の取得継続時間に応じて、前記禁止制御手段による前記切替制御を禁止する前記処理を解除する処理を行う禁止解除手段をさらに有することを特徴とする。
【００２１】
これにより、例えばユーザに不自然な印象を与えたり混乱を招かないように切り替えを行わないようにした場合でも、雑音発生時間が長くなった場合には正確なユーザ情報の取得を優先し、操作情報に基づくユーザ情報の取得へと確実に切り替えることができる。
【００２２】
第７発明は、上記第１乃至第６発明のいずれかにおいて、前記取得制御手段による前記切替制御の実行時に、対応する切替報知を前記ユーザに対し行う報知手段をさらに有することを特徴とする。
【００２３】
これにより、音声情報による音声認識による取得や操作手段を介しての手動操作入力による取得へユーザ情報の取得方法を切り替えることを、ユーザに確実に認識させることができる。
【発明の効果】
【００２４】
本発明によれば、ユーザの発話音声以外の音が混入して入力される場合であっても、確実にユーザ情報を取得することができる。
【図面の簡単な説明】
【００２５】
【図１】本発明の一実施の形態の来訪者受付システムの全体構成の概略構成を表すシステム構成図である。
【図２】受付端末の外観構造の一例を表す斜視図である。
【図３】タッチパネルにおける表示画面の一例を表す図である。
【図４】タッチパネルにおける表示画面の他の例を表す図である。
【図５】タッチパネルにおける表示画面のさらに他の例を表す図である。
【図６】受付端末の機能的構成を示す機能ブロック図である。
【図７】ＤＢサーバの機能的構成を表す機能ブロック図である。
【図８】雑音があまり生じていない環境下において、マイクに入力された音による音情報を音波形で表した図である。
【図９】雑音環境下において、マイクに入力された音による音情報を音波形で表した図である。
【図１０】各シナリオごとに設定される入力フラグ及び切替フラグを説明した説明図である。
【図１１】来訪者情報の取得方法の切替タイミングを説明した説明図である。
【図１２】受付端末の制御回路部により実行する制御手順を表すフローチャートである。
【図１３】ステップＳ３０の詳細手順を表すフローチャートである。
【図１４】ステップＳ１００の詳細手順を表すフローチャートである。
【図１５】ステップＳ２００の詳細手順を表すフローチャートである。
【図１６】ステップＳ３００の詳細手順を表すフローチャートである。
【図１７】切替制御の禁止を解除する変形例において、受付端末制御回路部により実行する制御手順を表すフローチャートである。
【図１８】ステップＳ３００′の詳細手順を表すフローチャートである。
【図１９】受付開始ボタンが手動操作されたら、所定の音情報を含むかどうかの判断を行う変形例において、受付端末の制御回路部により実行する制御手順を表すフローチャートである。
【発明を実施するための形態】
【００２６】
以下、本発明の一実施の形態を図面を参照しつつ説明する。
【００２７】
（Ａ）システムの基本構成
図１は、本実施形態の来訪者受付システムの全体構成の概略構成を表すシステム構成図である。図１において、来訪者受付システム１は、例えば、ビルや会社その他の建造物への来訪者（ユーザ）に対する受付業務を行うシステムである。この例では会社へ設置されている場合を例にとって説明する。
【００２８】
来訪者受付システム１は、例えば会社の入口付近に設置された受付端末２０（受付装置）と、周知のパーソナルコンピュータにより構成されるＤＢサーバ１０と、会社の従業員（社員）それぞれに対応して設けられた複数のＩＰ電話機６０と、それら複数のＩＰ電話機６０の回線交換を行う周知の交換装置であるＩＰ−ＰＢＸ（Ｉｎｔｅｎｅｔ Ｐｒｏｔｏｃｏｌ Ｐｒｉｖａｔｅ Ｂｒａｎｃｈ ｅＸｃｈａｎｇｅ）５０とを有し、これらは全てルータ４０を介して接続されている。
【００２９】
受付端末２０は、端末本体２０Ａと、この端末本体２０Ａに接続された、タッチパネル２１０、複数の（この例では２つの）マイク２０７Ｌ，２０７Ｒ、及びスピーカ２０８とを有している。
【００３０】
スピーカ２０８は、音声出力手段として機能し、端末本体２０Ａから入力された音声信号を所定の案内音声（装置発話音声）に変換して出力する。
【００３１】
マイク２０７Ｌ，２０７Ｒは、それぞれ音声入力手段として機能し、それぞれ入力された音（来訪者の発話音声、周囲環境で生じるいわゆる雑音、上記案内音声など）を音情報に変換し、端末本体２０Ａへ出力する。
【００３２】
図２は、受付端末２０の外観構造の一例を表す斜視図である。
【００３３】
図２において、受付端末２０は、上記タッチパネル２１０、上記マイク２０７Ｌ，２０７Ｒ、及び上記スピーカ２０８を有している。タッチパネル２１０は、この例では水平に設置されるベース２１２に対してアーム２１１を介し支持され、ユーザ（すなわちこの例では来訪者）の視線に対して直角となるように面方向が斜め上方を向いている。マイク２０７Ｌ，２０７Ｒは、それぞれ受付端末２０の正面側（図中手前側）の上記タッチパネル２１０の上部に配設され、この例では図中向かって左側にマイク２０７Ｌ、右側にマイク２０７Ｒが配置されている。スピーカ２０８は、受付端末２０の正面側（図中手前側）の上記タッチパネル２１０の下部に配設されている。
【００３４】
図３は、タッチパネル２１０における表示画面の一例を表す図である。この画面においては、後述の描画プログラムによって生成された、受付業務を行う仮想人物Ｍが、後述の受付処理が開始されると、オフィス風の背景Ｇとともに表示される。また、スピーカ２０８から発話される音声に対応する文章Ｌ（図中では「＊＊＊」で略記している）が併せて表示される。
【００３５】
図４は、タッチパネル２１０における表示画面の他の例を表す図である。この画面においては、後述の描画プログラムによって生成された、来訪者が指でタッチすることで操作入力可能な少なくとも１つの操作ボタンＢが背景Ｇ（図示では上記図３とは異なる背景の表示例を示している）とともに表示される。なお、各ボタンＢにはその内容が記載（図中では「＊＊＊」で略記している）されている。
【００３６】
図５は、タッチパネル２１０における表示画面のさらに他の例を表す図である。この画面においては、後述の描画プログラムによって生成された、来訪者が指でタッチすることで操作入力可能ないわゆるソフトウェアキーボードＳＢが表示される。ソフトウェアキーボードＳＢには、平仮名五十音をそれぞれ操作入力するためのかなボタンＳＢ１と、誤入力時に訂正するための「訂正」ボタンＳＢ２と、来訪者が担当者名を知らないときにその旨を操作入力するための「担当者名不明」ボタンＳＢ３と、入力内容を確定させる「決定」ボタンＳＢ４と、現在の入力内容を表示する「担当者名」表示欄ＳＢ５とを備えている。
【００３７】
タッチパネル２１０は、上記の例を含む複数の画面を所定の順序で順次切り替えて表示可能となっている（詳細は後述）。このように、タッチパネル２１０は、来訪者が手動操作可能な操作手段として機能している。
【００３８】
以上の構成において、例えば受付端末２０の電源がＯＮされた後、この状態で会社への来訪者が上記タッチパネル２１０を操作することで、受付端末２０は来訪者が検出されたと認識して受付処理を開始する。すなわち、来訪者に対し、予め定められた複数の処理手順（以下、シナリオという。詳細は後述）に沿って、端末本体２０Ａからの音声信号に基づき、各シナリオごとに、スピーカ２０８から来訪者に関する所定の質問（詳細は後述）を所定の順序で出力する。またこのときタッチパネル２１０においても、上記出力に対応した所定の表示を行う（詳細は後述）。
【００３９】
上記スピーカ２０８による出力やタッチパネル２１０における表示に応じて、来訪者が自己の氏名等を発声すると、受付端末２０は、対応する音声情報をマイク２０７Ｌ，２０７Ｒから入力し、音声認識処理を行う。また、上記スピーカ２０８の出力やタッチパネル２１０の表示に応じて、来訪者がタッチパネル２１０の適宜の画面における各種ボタンを手動操作すると、対応する操作情報を入力する。
【００４０】
そして、受付端末２０は、上記音声情報の音声認識結果及び上記操作情報の入力結果に応じて、会社の来訪者を対応すべき来訪対応者（以下適宜、単に担当者という）が使用するＩＰ電話機６０にＩＰ−ＰＢＸ５０を介して接続し、担当者への通知処理を行う。担当者は、通知された来訪者の身元に関する情報に応じて、受付端末２０に対して応対を指示する。この指示に応じて、受付端末２０は、来訪者と担当者とが会話できるようにＩＰ電話機６０を接続したり、担当者の代理で来訪者に応対したりする。このようにして、本実施形態の来訪者受付システム１は、会社における受付業務を自動的に行うことができる。
【００４１】
（Ｂ）受付端末の詳細機能
図６は、受付端末２０の機能的構成を示す機能ブロック図である。
【００４２】
図６において、受付端末２０の端末本体２０Ａは、制御回路部２００と、入出力（Ｉ／Ｏ）インタフェイス２０４と、ハードディスク装置（ＨＤＤ）２０５とを有している。
【００４３】
制御回路部２００は、ＣＰＵ２０１と、受付端末２０の基本的な動作に必要なプログラムやそのための設定値を記憶したＲＯＭ２０２と、各種データを一時的に記憶するＲＡＭ２０３とを備えている。ＣＰＵ２０１は、ＲＯＭ２０２や、ＨＤＤ２０５に記憶されたプログラムに従って、受付端末２０全体の動作を制御する。
【００４４】
Ｉ／Ｏインタフェイス２０４には、上記ＣＰＵ２０１と、上記ハードディスク装置２０５と、上記タッチパネル２１０と、上記２つのマイク２０７Ｌ，２０７Ｒと、上記スピーカ２０８と、ネットワーク（ＮＷ）カード２０６とが接続されている。
【００４５】
ＨＤＤ２０５には、来訪者による発話の音声認識に使用するための言語モデル記憶エリア２５２、上記言語モデルとともに音声認識に使用される辞書記憶エリア２５３、及びプログラム記憶エリア２５６を含む複数の記憶エリアを備えている。
【００４６】
プログラム記憶エリア２５６には、例えば、受付端末２０の各種動作を制御するための複数のプログラムが記憶されている。記憶されているプログラムとしては、例えば、受付端末２０の基本的な動作を制御するシステムプログラム、ＤＢサーバ１０との通信を制御する通信プログラム、タッチパネル２１０に表示する画像を生成する描画プログラム、音声認識を実行する音声認識プログラム、ＤＢサーバ１０のデータベースにアクセスし照合を行うためのＤＢ照合プログラム、音声合成プログラム、対話制御プログラム、ＩＰ電話機６０とＩＰ−ＰＢＸ５０との接続に係わる電話接続プログラム等がある。
【００４７】
なお、図示はされていないが、ＨＤＤ２０５には、その他、音声認識処理で一般的に使用される周知の音響モデルや、各種処理で使用される設定値等も記憶されている。なお、詳細は説明しないが、音響モデルは、音声の音響的特徴を統計的にモデル化したもので、例えば、母音、子音のそれぞれについて、音響的特徴（例えば、周波数特性）と対応する音素とで表現されている。
【００４８】
ＮＷカード２０６は、上記ルータ４０に接続され、ＤＢサーバ１０などとの間でデータの送受信を可能とするための拡張カードである。
【００４９】
（Ｃ）ＤＢサーバの詳細機能
図７は、ＤＢサーバ１０の機能的構成を表す機能ブロック図である。
【００５０】
図７に示すように、ＤＢサーバ１０は、ＣＰＵ１０１と、ＣＰＵ１０１に各々接続されたＲＯＭ１０２及びＲＡＭ１０３と、ＣＰＵ１０１に接続された入出力（Ｉ／Ｏ）インタフェイス１０４と、Ｉ／Ｏインタフェイス１０４にそれぞれ接続された、マウスコントローラ１０６、キーコントローラ１０７、ビデオコントローラ１０８、通信装置１０９、及びハードディスク装置（ＨＤＤ）１５０とを有している。
【００５１】
ＲＯＭ１０２は、ＢＩＯＳを含む、ＤＢサーバ１０を動作させるための各種のプログラムを記憶している。ＲＡＭ１０３は、各種データを一時的に記憶する。ＣＰＵ１０１は、ＲＯＭ１０２や、後述するＨＤＤ１５０に記憶されたプログラムに従って、ＤＢサーバ１０の全体の制御を司る。
【００５２】
マウスコントローラ１０６、キーコントローラ１０７、及びビデオコントローラ１０８には、それぞれマウス１１６、キーボード１１７、及びディスプレイ１１８が接続されている。通信装置１０９は、ルータ４０に接続され、受付端末２０等、外部機器との間でデータの送受信を行うことを可能とする。
【００５３】
ＨＤＤ１５０は、予定された来訪者の予約データを格納する来訪者予約データベース記憶エリア１５１、社員情報を格納する社員データベース記憶エリア１５５、会社の全部署の電話番号情報を格納する部署電話番号データベース記憶エリア１５４、及びプログラム記憶エリア１５６を含む複数の記憶エリアを備えている。
【００５４】
プログラム記憶エリア１５６には、システムプログラム、通信プログラム等、各種処理をＤＢサーバ１０に実行させるための各種プログラムが記憶されている。なお、これらのプログラムは、例えばＣＤ−ＲＯＭに記憶されたものがＣＤ−ＲＯＭドライブ（図示せず）を介してインストールされ、プログラム記憶エリア１５６に記憶される。又は、適宜のネットワークを介してシステム外部からダウンロードされたプログラムが記憶されてもよい。
【００５５】
（Ｄ）受付処理の流れ
以上のような構成の本実施形態の最大の特徴は、マイク２０７Ｌ，２０７Ｒを介し取得した音情報が、所定の音情報（雑音情報など）を含んでいるかを判断し、雑音が含まれている場合には、来訪者情報を来訪者の手動操作で取得するように切り替えることである。以下、その詳細を順を追って説明する。
【００５６】
本実施形態においては、後述の受付処理において、マイク２０７Ｌ，２０７Ｒに入力された来訪者の発話音声による音声情報か、若しくは、来訪者の手動操作による操作情報のいずれかに基づき、来訪者に係わる来訪者情報（ユーザ情報。例えば会社名や氏名など）を取得することができる。そして、上記来訪者情報の取得を、上記のうちいずれかで行うかを切替制御する。言い換えれば、上記来訪者情報の取得方法を、来訪者の発話音声の音声情報による音声認識、若しくは、来訪者のタッチパネル２１０を介しての手動操作入力のいずれかに切替制御するのである。
【００５７】
まず図８及び図９を用いて、マイク２０７Ｌ，２０７Ｒに入力された音により取得される音情報について説明する。
【００５８】
図８は、雑音があまり生じていない環境下において、マイク２０７Ｌ，２０７Ｒに入力された音による音情報の一例を音波形で表した図である。図９は、雑音環境下において、マイク２０７Ｌ，２０７Ｒに入力された音による音情報の一例を音波形で表した図である。また、図８（ａ）及び図９（ａ）は、横軸に時間［秒］、縦軸にサンプル値（サンプリングされた値）をとり、図８（ｂ）及び図９（ｂ）は、横軸に時間［秒］、縦軸に音量レベル（音圧レベル）［ｄＢ］をとった音波形の一例を示している。
【００５９】
図８（ａ）、図８（ｂ）、図９（ａ）、及び図９（ｂ）において、この例では来訪者が発話した区間（以下、発話区間という）が、図８では約２．７秒から約３．３秒までの区間あり、図９では約２．４秒から約３．２秒までの区間ある場合を示している。これら発話区間においては、来訪者の発話音声と周囲環境で生じた雑音とを含む音がマイク２０７Ｌ，２０７Ｒにより入力され、対応する音情報が取得される。この音情報には、上記発話音声に対応する音声情報と、それ以外の雑音に対応する雑音情報（非音声情報、所定の音情報）とが含まれている。一方、上記発話区間以外の区間においては、雑音を含む（上記発話音声を含まない）音がマイク２０７Ｌ，２０７Ｒにより入力され、対応する音情報（すなわち雑音情報）が取得される。
【００６０】
図８（ａ）及び図８（ｂ）に示す、雑音があまり生じていない環境下では、発話区間より前の０秒から約２、７秒までの区間において取得された音情報の音量レベルの平均値は、この例では約−３０［ｄＢ］ある。一方、発話区間において取得された音情報の音量レベルの平均値は、この例では約−１０［ｄＢ］である。したがって、当該発話区間における音情報の信号対ノイズ比（Ｓ／Ｎ比）は、約２０［ｄＢ］となる。
【００６１】
一方、図９（ａ）及び図９（ｂ）に示す雑音環境下では、発話区間より前の０秒から約２、４秒までの区間において取得された音情報の音量レベルの平均値は、この例では約−１５［ｄＢ］ある。一方、発話区間において取得された音情報の音量レベルの平均値は、この例では約−５［ｄＢ］である。したがって、当該発話区間における音情報のＳ／Ｎ比は、約１０［ｄＢ］となる。
【００６２】
ここで、一般に、音声認識により高い認識率（例えば８０％以上の認識率）を得るためには、マイク２０７Ｌ，２０７Ｒに入力された来訪者の発話音声による音声情報を含む音情報のＳ／Ｎ比が、約２０［ｄＢ］以上（あるいは雑音情報の音量レベルが約−２０［ｄＢ］未満）となることが必要である。図８（ａ）及び図８（ｂ）に示す音情報におけるＳ／Ｎ比は、上記のように約２０［ｄＢ］であるので、音声認識により高い認識率を得ることができる。一方、図９（ａ）及び図９（ｂ）に示す音情報におけるＳ／Ｎ比は、上記のように約１０［ｄＢ］であるので、音声認識により十分な認識率を得ることができない（音声認識の精度が低い）。
【００６３】
このように、マイク２０７Ｌ，２０７Ｒに入力された音に、来訪者の発話音声以外の音（＝雑音）が混入している場合には、混入した雑音の大小に応じて、音声認識の認識率が影響を受ける。
【００６４】
そこで、本実施形態では、後述の受付処理において、来訪者に対しスピーカ２０８を介し案内音声を出力している間（来訪者が発話又は手動操作を行う前の段階）に、２つのマイク２０７Ｌ，２０７Ｒにそれぞれ入力される音により、２つの音情報を取得する。なお、２つのマイク２０７Ｌ，２０７Ｒにそれぞれ入力される音には、上記スピーカ２０８を介し出力された案内音声も含まれている（いわゆる回り込み）ので、上記２つの音情報には、それぞれ当該案内音声による音声情報が少なくとも含まれている。そして、この取得された２つの音情報に基づき、上記案内音声による音声情報とそれ以外の音情報（すなわち、雑音情報）とを分離・識別し、識別された雑音情報の音量レベル（音圧レベル）が所定のしきい値（例えば−２０［ｄＢ］）未満であるかどうかの判断を行う。そして、この判断結果に応じて、来訪者に対しスピーカ２０８を介し案内音声を出力している間（所定のタイミング）に、上記来訪者情報の取得方法の切替制御を行うのである。
【００６５】
但し、上記識別された雑音情報の音量レベルが上記しきい値未満であると判断された場合（＝音声認識において雑音の影響をあまり受けない場合。例えば上記図８の場合）は、音声認識により十分に高い認識率を得ることができる。したがって、このような場合は、上記来訪者情報の取得方法を、来訪者の発話音声の音声情報による音声認識とするように切替制御する（但し、後述の切替フラグＦｃがＦｃ＝１であるシナリオに限る。後述）。
【００６６】
一方、上記識別された雑音情報の音量レベルが上記しきい値以上であると判断された場合（＝音声認識において雑音の影響を受ける場合。例えば上記図９の場合）は、音声認識の精度が低くなる。したがって、このような場合は、上記来訪者情報の取得方法を、来訪者のタッチパネル２１０を介しての手動操作入力とするように切替制御する（但し、後述の切替フラグＦｃがＦｃ＝１であるシナリオに限る。後述）。
【００６７】
なお、本実施形態の受付処理においては、上記来訪者情報の取得は、基本的に、上記音声情報による音声認識により行われる（来訪者が発話するだけで来訪者情報を容易に入力できるため）。上記のように雑音情報の音量レベルが上記しきい値以上となると、音声認識は困難とみなし、上記来訪者情報の取得がタッチパネル２１０を介しての手動操作入力に切り替えられる。雑音情報の音量レベルが上記しきい値以上である間は上記手動操作入力により来訪者情報の取得を継続し、（後述の切替フラグＦｃがＦｃ＝１であるシナリオにおいて）雑音情報の音量レベルが上記しきい値未満となったら、再び上記音声認識による来訪者情報の取得へと復帰する。
【００６８】
図１０は、各シナリオごとに設定される入力フラグ及び切替フラグを説明した説明図である。
【００６９】
図１０において、前述したように、本実施形態における受付処理は、予め定められた複数のシナリオに沿って実行される。この例では、複数のシナリオとして、シナリオＳｃ１、シナリオＳｃ２、シナリオＳｃ３、及びシナリオＳｃ４が設けられている場合を示している。シナリオＳｃ１は、前半シナリオＳｃ１−１及び後半シナリオＳｃ１−２から構成され、シナリオＳｃ２は、前半シナリオＳｃ２−１及び後半シナリオＳｃ２−２から構成され、シナリオＳｃ３は、前半シナリオＳｃ３−１及び後半シナリオＳｃ３−２から構成されている。
【００７０】
また、これら複数のシナリオは、シナリオＳｃ１（前半シナリオＳｃ１−１→後半シナリオＳｃ１−２）→シナリオＳｃ２（前半シナリオＳｃ２−１→後半シナリオＳｃ２−２）→シナリオＳｃ３（前半シナリオＳｃ３−１→後半シナリオＳｃ３−２）→シナリオＳｃ４の順序で実行される（後述の図１１も参照）。
【００７１】
入力フラグＦｉは、来訪者の発話音声による音声情報（又は手動操作による操作情報）の入力が必要な処理（言い換えれば、来訪者から来訪者情報を取得する処理）があるかないかを表すフラグである。この例では、上記入力が必要な処理がある（＝来訪者情報を取得する処理がある）場合をＦｉ＝１で表し、上記入力が必要な処理がない（＝来訪者情報を取得する処理がない）場合をＦｉ＝０で表している。
【００７２】
切替フラグＦｃは、上記来訪者情報の取得方法の切替制御を許可するか、又は、許可しない（＝禁止する）かを表すフラグである。この例では上記切替制御を許可する場合をＦｃ＝１で表し、上記切替制御を禁止する場合をＦｃ＝０で表している。例えば、上記来訪者情報の取得方法の切り替えを行うと来訪者に不自然な印象を与えたり、混乱を招くような特定のシナリオについては、上記切替フラグＦｃがＦｃ＝０に設定されている。この例では、シナリオＳｃ１のみがＦｃ＝１に設定され、その他のシナリオＳｃ２，Ｓｃ３，Ｓｃ４はＦｃ＝０に設定されている。
【００７３】
対象者は、各シナリオ（前半シナリオ及び後半シナリオ）における対象者（発話主体又は操作主体）であり、受付端末２０又は来訪者のどちらかである。なお、基本的には、前半シナリオと、前半シナリオ及び後半シナリオより構成されていないシナリオ（この例ではシナリオＳｃ４）との対象者が受付端末２０であり、後半シナリオの対象者は来訪者である。対象者が受付端末２０である場合は、受付端末２０はスピーカ２０８を介し所定の案内音声を出力し、対象者が来訪者である場合は、来訪者は（前半シナリオでスピーカ２０８を介し出力された所定の案内音声に応じて）発話又は手動操作を行う。そして、上記対象者である受付端末２０がスピーカ２０８を介して出力する所定の案内音声の内容の一例、又は、上記対象者である来訪者が（前半シナリオでスピーカ２０８を介し出力された案内音声の内容に応じた）発話内容又は操作内容の一例を、対応する欄に図示している。
【００７４】
図１１は、上記来訪者情報の取得方法の切替タイミングを説明した説明図である。この例では横軸に時間をとり（図示右側ほど時間が経過している）、上記した複数のシナリオに沿った受付処理の流れの一例を表している。
【００７５】
図１１において、この例では、１回の受付処理が、前述の例に沿い、シナリオＳｃ１（前半シナリオＳｃ１−１→後半シナリオＳｃ１−２）→シナリオＳｃ２（前半シナリオＳｃ２−１→後半シナリオＳｃ２−２）→シナリオＳｃ３（前半シナリオＳｃ３−１→後半シナリオＳｃ３−２）→シナリオＳｃ４の順序で実行される場合を示している。
【００７６】
本実施形態においては、上記入力フラグＦｉがＦｉ＝１に設定されたシナリオ（この例ではシナリオＳｃ１，Ｓｃ２，Ｓｃ３）になると、スピーカ２０８を介し案内音声の出力を行っている間（＝各前半シナリオＳｃ１−１，Ｓｃ２−１，Ｓｃ３−１の間。斜線部参照）に、２つのマイク２０７Ｌ，２０７Ｒにそれぞれ入力された音により、２つの音情報が取得される。そして、このとき取得された２つの音情報に基づき、前述の判断（雑音情報の音量レベルが上記しきい値未満であるかどうか）が行われる。
【００７７】
そして、上記切替フラグＦｃがＦｃ＝１に設定されたシナリオ（この例ではシナリオＳｃ１）において、スピーカ２０８を介し案内音声の出力を行っている間（＝所定の切替タイミングの一例。この例では前半シナリオＳｃ１−１の間）に、上記判断結果（雑音情報の音量レベルが上記しきい値未満であるかどうか）に応じて、上記来訪者情報の取得方法の切替制御（手動操作入力による取得に切り替えるか、音声取得のままとするか）が行われるのである。なお、逆に手動操作入力による取得から音声取得へと切り替えるようにすることも考えられる。
【００７８】
（Ｅ）制御手順
図１２は、以上説明した内容を実現するために、受付端末２０の制御回路部２００により実行する制御手順を表すフローチャートである。なお、このフローに示す処理は、ＨＤＤ２０５のプログラム記憶エリア２５６に記憶された来訪者受付処理用のプログラム群（前述のシステムプログラム、通信プログラム、描画プログラム、音声認識プログラム、ＤＢ照合プログラム、電話接続プログラム等）に従って、ＣＰＵ２０１が実行するものである。
【００７９】
図１２において、例えば受付端末２０の電源ＯＮによって、このフローが開始される（「ＳＴＡＲＴ」位置）。まずステップＳ５で、タッチパネル２１０に表示信号を出力し、「御用の方はこのボタンを押してください」の旨の受付開始ボタンを含む待ち受け状態の画面（初期画面）を表示させる。
【００８０】
そして、ステップＳ１０において、上記受付開始ボタンが手動操作されたかどうかを判定する。来訪者によって押下されるまでは判定が満たされずループ待機し、押下されたら判定が満たされて、ステップＳ２０に移る。
【００８１】
ステップＳ２０では、上記複数のシナリオに対応する変数ＸをＸ＝１に設定する（例えばＸ＝１は上記シナリオＳｃ１に対応している）。
【００８２】
その後、ステップＳ３０で、上記複数のシナリオに沿った処理を行うシナリオ処理（詳細は後述の図１３参照）を実行する。
【００８３】
そして、ステップＳ４０で、所定の終了操作（例えば受付端末２０の電源ＯＦＦ）が行われたかどうかを判定する。終了操作が行われていない場合には判定が満たされず、ステップＳ５０に移る。
【００８４】
ステップＳ５０では、上記変数Ｘの値が、予め定められた最後のシナリオに対応するＸｍａｘ（例えば、上記の例では最後のシナリオはシナリオＳｃ４であるのでＸｍａｘ＝４）になったかどうかを判定する。Ｘ＝Ｘｍａｘになっていない場合（まだ全てのシナリオが終了していない場合）には判定が満たされず、ステップＳ６０に移り、変数Ｘの値に１を加え、上記ステップＳ３０に戻り同様の手順を繰り返す。そして、Ｘ＝Ｘｍａｘになったら（全てのシナリオが終了したら）、判定が満たされてステップＳ６５に移る。
【００８５】
ステップＳ６５では、各シナリオにおいて取得した来訪者情報の取得結果に応じて、対応する担当者が使用するＩＰ電話機６０にＩＰ−ＰＢＸ５０を介して接続し、担当者への通知処理を行う。なお、通知先は、担当者が使用するＩＰ電話機６０に限られず、担当者が使用する携帯電話やパーソナルコンピュータでもよい。その後、上記ステップＳ５に戻り、同様の手順を繰り返す。
【００８６】
一方、上記ステップＳ４０において、終了操作が行われていた場合には、ステップＳ４０の判定が満たされて、このフローを終了する。
【００８７】
図１３は、上記図１２のステップＳ３０の詳細手順を表すフローチャートである。
【００８８】
図１３において、まずステップＳ７０で、スピーカ２０８に音声信号を出力し、各シナリオに対応する案内音声を出力させる（発話手段としての機能）。このとき、タッチパネル２１０に上記案内音声と同様のテキスト表示を行うようにしてもよい。
【００８９】
そして、ステップＳ８０で、当該シナリオが上記入力フラグＦｉ（図１０参照）がＦｉ＝１に設定されたシナリオであるかどうかを判定する。Ｆｉ＝０に設定されたシナリオ（来訪者情報を取得する処理がないシナリオ）である場合には判定が満たされず、このルーチンを終了する。一方、Ｆｉ＝１に設定されたシナリオ（来訪者情報を取得する処理があるシナリオ）である場合には判定が満たされて、ステップＳ９０に移る。
【００９０】
ステップＳ９０では、２つのマイク２０７Ｌ，２０７Ｒを介し入力されたそれぞれの音、具体的には、上記ステップＳ７０で出力された上記案内音声を少なくとも含む、それぞれの音により、対応する振幅あるいは周波数を含む、２つの音情報を取得する。
【００９１】
その後、ステップＳ１００で、上記ステップＳ９０で取得された２つの音情報に基づき、上記案内音声による音声情報と雑音情報とを識別する音情報識別処理（詳細は後述の図１４参照）を実行する。
【００９２】
そして、ステップＳ２００で、上記ステップＳ１００（詳細には後述の図１４のステップＳ１３０）で識別結果に基づき、雑音情報が所定のしきい値未満である音情報を含むかどうかの判断を行う判断処理（詳細は後述の図１５参照）を実行する。
【００９３】
その後、ステップＳ３００で、上記ステップＳ２００での判断結果に対応し、上記来訪者情報の取得を音声情報に基づき行うか操作情報に基づいて行うかの切替制御を行う切替処理（詳細は後述の図１６参照）を実行する。
【００９４】
そして、ステップＳ４００で、上記ステップＳ３００で切り替えられた上記来訪者情報の取得方法が、発話音声の音声情報による音声認識であるかどうかを判定する。取得方法が発話音声の音声情報による音声認識である場合には判定が満たされて、ステップＳ４１０に移る。
【００９５】
ステップＳ４１０では、マイク２０７Ｌ，２０７Ｒ（いずれか一方でもよいし又は両方でもよい）を介し入力された音、具体的には、上記ステップＳ７０で出力された上記案内音声に対応して来訪者により発話された、来訪者の発話音声を少なくとも含む音により、対応する振幅あるいは周波数を含む音情報を取得する。
【００９６】
その後、ステップＳ４２０で、ＨＤＤ２０５の記憶エリア（言語モデル記憶エリア２５２、辞書記憶エリア２５３等）に記憶された前述の音響モデル、言語モデル、及び辞書を読み出し、それらを用いて、上記ステップＳ４１０で取得された音情報に対し音声認識を行う。
【００９７】
そして、ステップＳ４３０で、上記ステップＳ４１０で取得された音情報が音声認識できたかどうかを判定する。言語として音声認識できなかった場合には判定が満たされず、音声認識ができなかったことを来訪者に通知する台詞（例えば「音声を認識できませんでした。もう一度マイクに向かってお名前を入力してください」など）を含む案内音声をスピーカ２０８に出力させる。そして、上記ステップＳ４２０に戻り、同様の手順を繰り返す。なお、この図１３では図示を省略しているが、上記の案内音声の出力は、予め定められた設定回数だけ行われ、その間に音声認識できない場合には、対応する処理（例えば予め定めた受付担当者に取り次ぐ等。あるいは、後述のステップＳ４５０へ移行し、来訪者情報の取得方法をタッチパネル２１０を介しての手動操作入力に切り替えるようにしてもよい）を行う。一方、言語として音声認識できた場合には、ステップＳ４３０の判定が満たされ、ステップＳ４４０に移る。
【００９８】
ステップＳ４４０では、上記ステップＳ４２０での音声認識結果（来訪者情報）を（例えばＲＡＭ２０３に）保存し、このルーチンを終了する。
【００９９】
一方、上記ステップＳ４００において、上記ステップＳ３００で切り替えられた上記来訪者情報の取得方法が、タッチパネル２１０を介しての手動操作入力であった場合には、ステップＳ４００の判定が満たされず、ステップＳ４５０に移る。
【０１００】
ステップＳ４５０では、タッチパネル２１０に表示信号を出力し、各シナリオに対応する入力操作用の画面（例えば前述のソフトウェアキーボードＳＢを含む画面や前述の仮想人物Ｍや操作ボタンＢを含む画面など）を表示させる。
【０１０１】
その後、ステップＳ４６０で、来訪者の例えばソフトウェアキーボードＳＢや操作ボタンＢなどの手動操作による操作情報を入力し、対応する来訪者情報を（例えばＲＡＭ２０３に）保存する。そして、このルーチンを終了する。
【０１０２】
図１４は、上記図１３のステップＳ１００の詳細手順を表すフローチャートである。
【０１０３】
図１４において、まずステップＳ１１０で、上記図１３のステップＳ９０で取得された２つの音情報を例えば公知のＩＣＡ（Ｉｎｄｅｐｅｎｄｅｎｔ Ｃｏｍｐｏｎｅｎｔ Ａｎａｌｙｓｉｓ：独立成分分析）を行い、互いに独立した２つの音情報に分離する。ＩＣＡとは、多変量の信号を複数の統計的に独立な成分に分離するための計算手法である。
【０１０４】
その後、ステップＳ１２０で、上記ステップＳ１１０で分離された２つの音情報それぞれについて、上記図１３のステップＳ７０で出力された案内音声の元となった音声信号との相関値（例えば相関係数など）を算出する。
【０１０５】
そして、ステップＳ１３０で、上記ステップＳ１２０で算出された相関値に基づき、上記案内音声による音声情報とそれ以外の雑音情報とを識別する。すなわち、上記ステップＳ１１０で分離された２つの音情報のうち、上記相関値が大きい方が、上記図１３のステップＳ９０で取得された音情報に含まれる上記案内音声による音声情報であると識別できる。また、逆に上記相関値が小さい方が、上記図１３のステップＳ９０で取得された音情報に含まれる雑音情報であると識別できる。その後、このルーチンを終了する。
【０１０６】
図１５は、上記図１３のステップＳ２００の詳細手順を表すフローチャートである。
【０１０７】
図１５において、まずステップＳ２３０で、上記図１４のステップＳ１３０で識別された雑音情報の音量レベル（音圧レベル）を算出する。
【０１０８】
その後、ステップＳ２５０で、上記ステップＳ２３０で算出された音量レベルが所定のしきい値未満になったか（＝雑音情報が比較的小さい音情報であったか）どうかを判定する。上記算出された音量レベルがしきい値以上であった場合には判定が満たされず、ステップＳ２６０に移る。
【０１０９】
ステップＳ２６０では、周囲で生じている雑音による音声認識の影響の度合いを表す雑音フラグＦｎを、雑音が音声認識に影響を与えることを表すＦｎ＝１とし、このルーチンを終了する。
【０１１０】
一方、上記ステップＳ２５０において、上記ステップＳ２３０で算出された音量レベルがしきい値未満であった場合には、ステップＳ２５０の判定が満たされて、ステップＳ２７０に移る。
【０１１１】
ステップＳ２７０では、上記雑音フラグＦｎを、周囲で生じている雑音が音声認識にあまり影響を与えないことを表すＦｎ＝０とし、このルーチンを終了する。
【０１１２】
図１６は、上記図１３のステップＳ３００の詳細手順を表すフローチャートである。
【０１１３】
図１６において、まずステップＳ３１０で、上記雑音フラグＦｎがＦｎ＝１であるかどうかを判定する。Ｆｎ＝１である場合（＝周囲で生じている雑音が音声認識に影響を与える場合）には判定が満たされて、ステップＳ３２０に移る。
【０１１４】
ステップＳ３２０では、現在の上記来訪者情報の取得方法が、発話音声の音声情報による音声認識であるかどうかを判定する。音声認識でない、すなわち、タッチパネル２１０を介しての手動操作入力である場合には判定が満たされず、このルーチンを終了する。一方、現在の上記来訪者情報の取得方法が、音声認識である場合には判定が満たされて、ステップＳ３３０に移る。
【０１１５】
ステップＳ３３０では、当該シナリオが上記切替フラグＦｃ（図１０参照）がＦｃ＝１に設定されたシナリオであるかどうかを判定する。Ｆｃ＝０に設定されたシナリオである場合（上記切替制御が禁止されたシナリオである場合）には判定が満たされず、このルーチンを終了する。一方、当該シナリオがＦｃ＝１に設定されたシナリオである場合（上記切替制御が許可されたシナリオである場合）には判定が満たされて、ステップＳ３４０に移る。
【０１１６】
ステップＳ３４０では、上記来訪者情報の取得方法を、発話音声の音声情報による音声認識からタッチパネル２１０を介しての手動操作入力へと切り替える。
【０１１７】
その後、ステップＳ３５０で、スピーカ２０８に音声信号を出力し、”周囲が騒がしいので、画面上で入力してください”という、来訪者情報の取得方法が、音声認識から手動操作入力へと切り替わった旨の台詞を出力させる。あるいは、タッチパネル２１０に表示信号を出力し、上記の台詞と同様のテキスト表示を表示させる（台詞の出力とテキスト表示の表示とを両方行うようにしてもよい）。そして、このルーチンを終了する。
【０１１８】
一方、上記ステップＳ３１０において、Ｆｎ＝０であった場合（＝周囲で生じている雑音が音声認識にあまり影響を与えない場合）には判定が満たされず、ステップＳ３６０に移る。
【０１１９】
ステップＳ３６０では、現在の上記来訪者情報の取得方法が、タッチパネル２１０を介しての手動操作入力であるかどうかを判定する。手動操作入力でない、すなわち、発話音声の音声情報による音声認識である場合には判定が満たされず、このルーチンを終了する。一方、現在の上記来訪者情報の取得方法が、手動操作入力である場合には判定が満たされて、ステップＳ３７０に移る。
【０１２０】
ステップＳ３７０では、上記ステップＳ３３０と同様、当該シナリオが上記切替フラグＦｃがＦｃ＝１に設定されたシナリオであるかどうかを判定する。Ｆｃ＝０に設定されたシナリオである場合には判定が満たされず、このルーチンを終了し、Ｆｃ＝１に設定されたシナリオである場合には判定が満たされて、ステップＳ３８０に移る。
【０１２１】
ステップＳ３８０では、上記来訪者情報の取得方法を、タッチパネル２１０を介しての手動操作入力から発話音声の音声情報による音声認識へと切り替える。
【０１２２】
その後、ステップＳ３９０で、スピーカ２０８に音声信号を出力し、”マイクに入力してください”という来訪者情報の取得方法が、手動操作入力から音声認識へ切り替えられた旨の台詞を出力させる。あるいは、タッチパネル２１０に表示信号を出力し、上記の台詞と同様のテキスト表示を表示させる（台詞の出力とテキスト表示の表示とを両方行うようにしてもよい）。そして、このルーチンを終了する。
【０１２３】
なお、上記において、図１３に示すステップＳ９０及びステップＳ４１０が、各請求項記載の音取得手段として機能し、図１３に示すステップＳ４４０及びステップＳ４６０が、ユーザ情報取得手段として機能する。また、図１３に示すステップＳ１００（言い換えれば図１４の全手順）が、情報識別手段として機能し、図１５に示すステップＳ２５０が、音情報判断手段として機能する。
【０１２４】
また、図１６に示すステップＳ３１０、ステップＳ３２０、ステップＳ３３０、ステップＳ３４０、ステップＳ３６０、ステップＳ３７０、及びステップＳ３８０が、取得制御手段として機能する。さらにステップＳ３３０及びステップＳ３７０において判定が満たされない場合は、上記切替制御を禁止する処理を行う禁止制御手段としても機能する。また、図１６に示すステップＳ３５０及びステップＳ３９０が、報知手段として機能する。
【０１２５】
以上説明したように、本実施形態の受付端末２０においては、来訪者が来訪したときは、マイク２０７Ｌ，２０７Ｒに入力された来訪者の発話音声による音声情報か、若しくは、来訪者によってタッチパネル２１０に入力された操作情報に基づき、来訪者情報が取得される。発話音声がマイク２０７Ｌ，２０７Ｒに入力されるとき、当該発話音声以外の音（＝雑音）も混入して入力されることに対応し、マイク２０７Ｌ，２０７Ｒを介して取得された音情報が雑音情報を含むかどうかが判断される。そして、雑音情報が含まれていた場合には、所定の切替タイミングで（上記の例ではスピーカ２０８より案内音声を出力している間に）、来訪者情報の取得方法を、マイク２０７，２０７Ｒによる音声情報による音声認識から、タッチパネル２１０を介しての手動操作入力へと切り替える（状況に応じてその逆の手動操作入力から音声認識へと切り替えるようにしてもよい）。これにより、来訪者の発話音声以外の音が混入して入力される場合であっても確実に来訪者情報を取得できるので、来訪者を確実に担当者に対して取り次ぐことができる。
【０１２６】
また、本実施形態では特に、シナリオに対応した案内音声の出力を行っている間にマイク２０７Ｌ，２０７Ｒで取得した音情報に基づき、案内音声による音声情報と雑音情報とを識別する（ステップＳ１００）。そしてこの判断結果に対応して上記来訪者情報の取得方法の切替制御を行う。これにより、周囲環境で雑音が生じていた場合に、受付処理を開始した後の受付端末２０からの発話時点で（来訪者が発話又は手動操作する前に）、上記来訪者情報の取得方法を、上記音声情報による音声認識、若しくは、上記タッチパネル２１０を介しての手動操作入力に確実に切り替えることができる。
【０１２７】
このとき特に、上記識別された雑音情報の音量レベルが所定のしきい値未満であるかどうかの判断を行い、当該音量レベルが上記しきい値未満である場合（＝雑音情報が比較的小さい場合）には、音声情報に基づく来訪者情報の取得を継続するようにする（ステップＳ２５０、ステップＳ２７０）。この結果、音声認識を十分に高精度に行える場合において無駄な切り替えを行わないようにすることができる。
【０１２８】
また、本実施形態では特に、特定のシナリオ（上記の例では切替フラグＦｃ＝０に設定されたシナリオ）においては、雑音情報が取得されたＦｎ＝１の場合でも、雑音情報が取得されなかったＦｎ＝０の場合でも、上記のような切替制御を禁止する（ステップＳ３３０及びステップＳ３７０）。これにより、来訪者情報の取得方法の切り替えを行うと来訪者に不自然な印象を与えたり混乱を招くような、特定のシナリオについては、切替条件を満たしても敢えて切り替えを行わないようにすることで、来訪者にとっての利便性を向上することができる。
【０１２９】
また、本実施形態では特に、上記のような切替制御の実行時に、対応する切替報知を（上記の例ではスピーカ２０８より音声を出力する又はタッチパネル２１０にコメントを表示することで）来訪者に対し行う。これにより、来訪者情報の取得方法を、発話音声の音声情報による音声認識、若しくは、タッチパネル２１０を介しての手動操作入力に切り替えることを、来訪者に確実に認識させることができる。
【０１３０】
なお、本発明は、上記実施形態に限られるものではなく、その趣旨及び技術的思想を逸脱しない範囲内で種々の変形が可能である。以下、そのような変形例を順を追って説明する。
【０１３１】
（１）切替制御の禁止を解除する場合
上記実施形態においては、特定のシナリオ（上記の例では切替フラグＦｃ＝０に設定されたシナリオ）の場合は、来訪者情報の取得方法の切替制御を禁止し、来訪者情報の取得方法の切り替えを行わないようにしていた。しかしながら、そのような特定のシナリオの場合であっても、所定の条件が満たされたら（詳細は後述）、来訪者情報の取得方法の切替制御の禁止を解除し、来訪者情報の取得方法の切り替えを行うようにしてもよい。
【０１３２】
図１７は、本変形例において、受付端末２０の制御回路部２００により実行する制御手順を表すフローチャートであり、前述の図１２に対応する図である。図１２と同等の手順には同符号を付し説明を省略する。
【０１３３】
図１７において、前述の図１２と異なる点は、ステップＳ５の前にステップＳ２及びステップＳ４を新たに設け、さらにステップＳ３０に代えてステップＳ３０′を設けた点である。すなわち、新たに設けたステップＳ２において、強制的に上記切替制御を行わせる（切替制御禁止を解除し、切り替え可能な状態とする）強制切替フラグＦｍを、切替制御禁止を解除しないことを表すＦｍ＝０に初期化する。
【０１３４】
そして、新たに設けたステップＳ４で、上記切替制御の禁止が設定されたシナリオの個数をカウントする変数Ｎを、Ｎ＝０に初期化する。
【０１３５】
その後のステップＳ５、ステップＳ１０、及びステップＳ２０は前述の図１２と同様であり、タッチパネル２１０に受付開始ボタンを含む初期画面を表示させ、来訪者によって受付開始ボタンが押下され、上記変数ＸをＸ＝１に設定したら、ステップＳ３０に代えて設けたステップＳ３０′に移る。
【０１３６】
ステップＳ３０′では、複数のシナリオを行うシナリオ処理（詳細は後述）を実行する。
【０１３７】
その後のステップＳ４０以降の手順は、前述の図１２とほぼ同様である（但し、ステップＳ６５の手順が終了した後に、前述の図１２ではステップＳ５に戻っていたのに対し、図１７ではステップＳ２に戻る点が異なる）ので、説明を省略する。
【０１３８】
なお、ステップＳ３０′の詳細手順において、前述の図１３と異なる点は、ステップＳ３００のみであり、その他の手順は図１３の各手順と同様である。以下、図１８を用いて、本変形例におけるステップＳ３００（以下、ステップＳ３００′という）の詳細手順を説明する。
【０１３９】
図１８は、ステップＳ３００′の詳細手順を表すフローチャートであり、前述の図１６に対応する図である。図１６と同等の手順には同符号を付し説明を省略する。
【０１４０】
図１８において、前述の図１６と異なる点は、ステップＳ３２０とステップＳ３３０との間にステップＳ３２５を新たに設け、ステップＳ３６０とステップＳ３７０との間にステップＳ３６５を新たに設け、さらにステップＳ３９２、ステップＳ３９４、及びステップＳ３９６を追加した点である。
【０１４１】
すなわち、ステップＳ３１０は、前述の図１６と同様であり、上記雑音フラグＦｎがＦｎ＝１であるかどうかを判定し、Ｆｎ＝１である場合には判定が満たされて、ステップＳ３２０に移る。
【０１４２】
ステップＳ３２０は、前述の図１６と同様であり、現在の上記来訪者情報の取得方法が、発話音声の音声情報による音声認識であるかどうかを判定し、タッチパネル２１０を介しての手動操作入力である場合には判定が満たされず、このルーチンを終了し、音声認識である場合には判定が満たされて、新たに設けたステップＳ３２５に移る。
【０１４３】
ステップＳ３２５では、上記強制切替フラグＦｍがＦｍ＝１であるかどうかを判定する。Ｆｍ＝０である場合には判定が満たされず、ステップＳ３３０に移る。
【０１４４】
ステップＳ３３０は、前述の図１６と同様であり、当該シナリオが上記切替フラグＦｃがＦｃ＝１に設定されたシナリオであるかどうかを判定する。Ｆｃ＝１に設定されたシナリオである場合には、判定が満たされてステップＳ３４０に移る。
【０１４５】
一方、上記ステップＳ３２５において、Ｆｍ＝１である場合には判定が満たされて、直接ステップＳ３４０に移る。
【０１４６】
その後のステップＳ３４０及びステップＳ３５０は、前述の図１６と同様であるので、説明を省略する。
【０１４７】
一方、上記ステップＳ３１０において、Ｆｎ＝０であった場合には判定が満たされず、ステップＳ３６０に移る。
【０１４８】
ステップＳ３６０は、前述の図１６と同様であり、現在の上記来訪者情報の取得方法が、タッチパネル２１０を介しての手動操作入力であるかどうかを判定し、発話音声の音声情報による音声認識である場合には判定が満たされず、このルーチンを終了し、手動操作入力である場合には判定が満たされて、新たに設けたステップＳ３６５に移る。
【０１４９】
ステップＳ３６５では、上記強制切替フラグＦｍがＦｍ＝１であるかどうかを判定する。Ｆｍ＝０である場合には判定が満たされず、ステップＳ３７０に移る。
【０１５０】
ステップＳ３７０は、前述の図１６と同様であり、当該シナリオが上記切替フラグＦｃがＦｃ＝１に設定されたシナリオであるかどうかを判定する。Ｆｃ＝１に設定されたシナリオである場合には、判定が満たされてステップＳ３８０に移る。
【０１５１】
一方、上記ステップＳ３６５において、Ｆｍ＝１である場合には判定が満たされて、直接ステップＳ３８０に移る。
【０１５２】
その後のステップＳ３８０及びステップＳ３９０は、前述の図１６と同様であるので、説明を省略する。
【０１５３】
一方、上記ステップＳ３３０で、当該シナリオがＦｃ＝０に設定されたシナリオであり判定が満たされなかった場合、及び、上記ステップＳ３７０で、当該シナリオがＦｃ＝０に設定されたシナリオであり判定が満たされなかった場合は、新たに設けたステップＳ３９２に移る。
【０１５４】
ステップＳ３９２では、前述の、切替制御の禁止が設定されたシナリオの個数をカウントする変数Ｎの値に１を加え、ステップＳ３９４に移る。
【０１５５】
ステップＳ３９４では、上記変数Ｎの値が所定値Ｎｍ（例えば３）になったかどうかを判定する。まだＮ＝Ｎｍになってない場合には判定が満たされず、このルーチンを終了する。そして、Ｎ＝Ｎｍになったら、判定が満たされてステップＳ３９６に移る。
【０１５６】
ステップＳ３９６では、上記強制切替フラグＦｍを、強制的に上記切替制御を行わせる（切替制御の禁止を解除する）ことを表すＦｍ＝１とし、このルーチンを終了する。
【０１５７】
このように、ステップＳ３９６で、上記強制切替フラグＦｍがＦｍ＝１になることで、当該受付処理の次回のシナリオからは、上記ステップＳ３２５あるいはステップＳ３６５の判定が満たされ、上記ステップＳ３３０あるいはステップＳ３７０の手順が行わずに、直接ステップＳ３４０あるいはステップＳ３８０に移る。これにより、上記切替フラグＦｃがＦｃ＝０に設定されたシナリオ（切替制御が禁止されたシナリオ）であった場合でも、ステップＳ３４０あるいはステップＳ３８０で来訪者情報の取得方法を切り替えることができる。
【０１５８】
すなわち、図１８に示すステップＳ３３０（判定が満たされなかった場合）→ステップＳ３９２→ステップＳ３９４→ステップＳ３９６の手順、及び、ステップＳ３７０（判定が満たされなかった場合）→ステップＳ３９２→ステップＳ３９４→ステップＳ３９６の手順が、禁止制御手段による切替制御を禁止する処理を解除する処理を行う禁止解除手段として機能する。
【０１５９】
以上説明したように、本変形例においては、雑音情報が取得されたＦｎ＝１の場合又は取得されなかったＦｎ＝０の場合に関係なく、切替制御禁止のシナリオの数のカウント値がＮ＝Ｎｍになった場合には、上記来訪者情報の取得方法の切替制御の禁止を解除する。これにより、前述したように、もともと、来訪者に不自然な印象を与えたり混乱を招かないように来訪者情報の取得方法の切り替えを行わないように禁止した場合でも、例えば雑音発生時間が長くなった場合には、正確な来訪者情報の取得を優先し、来訪者情報の取得方法を確実に切り替えることができる。
【０１６０】
なお、この例では、切替制御が禁止設定されたシナリオのカウント値Ｎが所定のＮｍに達したことをもって、雑音情報の取得継続時間が長くなったことを間接的に検出し、これによって上記切替制御の禁止を解除するようにしたが、これに限られない。すなわち、雑音情報の取得継続時間を直接検出し、上記切替制御の禁止を解除するようにしてもよい。
【０１６１】
例えば、受付処理において、来訪者情報の取得方法が発話音声の音声情報による音声認識となっている場合に、所定時間（例えば１分間）継続して雑音情報が取得されたら、上記切替制御の禁止を解除し、来訪者情報の取得方法をタッチパネル２１０を介しての手動操作入力に切り替える。あるいは、来訪者情報の取得方法が手動操作入力となっている場合に、所定時間（例えば１分間）継続して雑音情報が取得されなかったら、来訪者情報の取得方法を音声認識に切り替える。このようにすることで、雑音の発生時間が長くなった場合あるいは雑音が発生しなくなった場合には、適切な来訪者情報の取得方法に確実に切り替えることができる。
【０１６２】
（２）受付開始ボタンが手動操作されたら、所定の音情報を含むかどうかの判断を行う場合
以上においては、受付処理が開始された後、スピーカ２０８を介して案内音声を出力している間に音情報を取得して、雑音情報を含むかどうかの判断を行っていた。しかしながら、これに限られず、来訪者により受付処理を開始する特定条件が検知された場合に、前述の判断を行うようにしてもよい。以下、そのような変形例を説明する。
【０１６３】
図１９は、本変形例において、受付端末２０の制御回路部２００により実行する制御手順を表すフローチャートであり、前述の図１２及び図１７に対応する図である。図１２等と同等の手順には同符号を付し説明を省略する。
【０１６４】
図１９において、ステップＳ５及びステップＳ１０は、前述の図１２と同様であり、タッチパネル２１０に受付開始ボタンを含む初期画面を表示させ、来訪者によって上記受付開始ボタンが手動操作されたかどうかを判定し、上記受付開始ボタンが押下されたら判定が満たされて、新たに設けたステップＳ１１に移る。
【０１６５】
ステップＳ１１では、マイク２０７Ｌ，２０７Ｒ（いずれか一方、又は両方でも良い）を介し入力された音により、対応する振幅あるいは周波数を含む音情報を取得する（音取得手段としての機能）。
【０１６６】
そして、新たに設けたステップＳ１３で、上記ステップＳ１１で取得された音情報が所定の音情報（この例では雑音情報）を含むかどうかの判定を行う（音情報判断手段としての機能）。雑音情報を含んでいた場合には判定が満たされ、新たに設けたステップＳ１４に移る。
【０１６７】
ステップＳ１４は、前述の図１５のステップＳ２６０と同様であり、上記雑音フラグＦｎをＦｎ＝１とし、ステップＳ３００に移る。
【０１６８】
一方、上記ステップＳ１３において、上記ステップＳ１１で取得された音情報が雑音情報を含まなかった場合は判定が満たされず、新たに設けたステップＳ１５に移る。
【０１６９】
ステップＳ１５は、前述の図１５のステップＳ２７０と同様であり、上記雑音フラグＦｎをＦｎ＝０とし、ステップＳ３００に移る。
【０１７０】
ステップＳ３００は、前述の図１３とほぼ同様であり、上記ステップＳ１３での判定結果に対応した、上記来訪者情報の取得方法（発話音声の音声情報による音声認識、若しくは、タッチパネル２１０を介しての手動操作入力）の切替制御を行う切替処理（詳細は前述の図１６参照）を実行する。その後、ステップＳ２０に移る。
【０１７１】
ステップＳ２０は、前述の図１２と同様であり、上記変数ＸをＸ＝１に設定したら、前述の図１２のステップＳ３０に代えて設けたステップＳ３０′に移る。
【０１７２】
ステップＳ３０′では、複数のシナリオを行うシナリオ処理（詳細は後述）を実行する。
【０１７３】
その後のステップＳ４０、ステップＳ５０、ステップＳ６０、及びステップＳ６５は、前述の図１２と同様であるので、説明を省略する。
【０１７４】
本変形例におけるステップＳ３０′の詳細手順では、前述の図１３に示すステップＳ３０の詳細手順におけるステップＳ９０、ステップＳ１００、ステップＳ２００、及びステップＳ３００が省略される。すなわち、図１３のステップＳ８０において、当該シナリオが上記入力フラグＦｉがＦｉ＝１に設定されたシナリオであるかどうかを判定する。Ｆｉ＝０に設定されたシナリオであり判定が満たされなかった場合には、図１３のルーチンを終了し、Ｆｉ＝１に設定されたシナリオであり判定が満たされた場合には、ステップＳ４００に移る。その後のステップＳ４１０〜ステップＳ４６０は、前述の図１３と同様である。
【０１７５】
なお、上記において、図１９に示すステップＳ１０が、受付処理を開始するための特定条件（この例では来訪者により上記受付開始ボタンが手動操作される）を検知する検知手段として機能する。
【０１７６】
このように、本変形例においては、受付処理を開始するための特定条件（上記の例では来訪者により上記受付開始ボタンが手動操作される）を検知し、この特定条件が検知された場合に、マイク２０７Ｌ，２０７Ｒに入力された音により音情報を取得する。そして、この取得された音情報が雑音情報を含むかどうかの判断を行い、複数のシナリオに沿った受付処理が開始される前に（＝図１９のステップＳ３０′が実行される前に）、上記判断結果に対応した、来訪者情報の取得方法に切替制御する。これにより、特定条件が検知された時点で既に周囲環境の雑音等が生じていた場合には、複数のシナリオに沿った受付処理が開始される前に、来訪者情報の取得方法を、発話音声の音声情報による音声認識か、若しくは、タッチパネル２１０を介しての手動操作入力に切り替えることができる。
【０１７７】
なお、本変形例においては、上記特定条件が、来訪者により上記受付開始ボタンが手動操作されることであった場合を示したが、これに限られず、例えば、周知の人感センサ又はカメラ等により来訪者を検知すること、あるいは、来訪者情報を格納する来訪者予約データベースの来訪者の来訪予約時間を参照し、来訪者が来訪する予定の所定の時間帯（例えば、来訪予約時間の前後１５分間など）になること等であってもよい。この場合も、本変形例と同様の効果を得る。
【０１７８】
（３）音量レベルが所定のしきい値以上である雑音情報を取得したら、切替制御を禁止する処理を解除する場合
すなわち、上記切替フラグＦｃ＝０に設定されたシナリオ（切替制御が禁止されたシナリオ）であっても、例えば音量レベルが所定のしきい値（例えば、−５［ｄＢ］）以上の雑音情報を取得したら、上記切替制御の禁止を解除する。これにより、来訪者情報の取得方法の切り替えを禁止した場合でも、雑音の音量が大きく音声認識精度が著しく低下するような場合には、正確な来訪者情報の取得を優先し、操作情報に基づく来訪者情報の取得へと確実に切り替えることができる。
【０１７９】
（４）その他
上記においては操作手段がタッチパネル２１０である場合を示したが、これに限られない。すなわち、通常のキーやボタン等の操作手段を用い、これによって来訪者が上記自己の氏名や会社名等を操作入力するようにしてもよい。
【０１８０】
なお、以上において、図６、図７等の各図中に示す矢印は信号の流れの一例を示すものであり、信号の流れ方向を限定するものではない。
【０１８１】
また、図１２〜図１９に示すフローチャートは本発明を上記フローに示す手順に限定するものではなく、発明の趣旨及び技術的思想を逸脱しない範囲内で手順の追加・削除又は順番の変更等をしてもよい。
【０１８２】
また、以上既に述べた以外にも、上記実施形態や各変形例による手法を適宜組み合わせて利用しても良い。
【０１８３】
その他、一々例示はしないが、本発明は、その趣旨を逸脱しない範囲内において、種々の変更が加えられて実施されるものである。
【符号の説明】
【０１８４】
２０ 受付端末（受付装置）
２０７Ｌ，Ｒ マイク（音声入力手段）
２０８ スピーカ（音声出力手段）
２１０ タッチパネル（操作手段）
【技術分野】
【０００１】
本発明は、発話者の発する発話音声を音声認識可能な受付装置に関する。
【背景技術】
【０００２】
例えば建造物への来訪者に対する受付業務を行う受付装置が、従来より既に知られている。このような受付装置においては、ユーザ（来訪者）の発話音声をマイク等の音声入力手段により入力し、その発話内容を音声認識することによってユーザ情報（氏名、会社名等）を取得する。この際、受付装置の周囲環境で雑音や騒音が発生していると、音声入力手段にはそれらの音も併せて入力され混入するため、音声認識時にユーザ情報の誤認識が生じるおそれがある。
【０００３】
上記のようなマイクにおける音声認識の適正化に関する従来技術として、例えば特許文献１に記載の音声認識装置が知られている。この従来技術では、入力音声信号中における櫛形雑音の有無を、雑音判定部が判定する。入力音声信号に櫛形雑音が重畳されている場合には、雑音除去部が、所定のフィルタ群を用いて重畳されている櫛形雑音を除去するようになっている。
【先行技術文献】
【特許文献】
【０００４】
【特許文献１】特開２００２−９９２９６号公報
【発明の概要】
【発明が解決しようとする課題】
【０００５】
しかしながら、上記従来技術情報のようなフィルタリングの手法では、雑音除去が十分でなく、ユーザ発話音声の内容を十分に取得できず、ユーザ情報を取得できない場合があった。
【０００６】
本発明の目的は、ユーザの発話音声以外の音が混入して入力される場合であっても、確実にユーザ情報を取得できる受付装置を提供することにある。
【課題を解決するための手段】
【０００７】
上記目的を達成するために、第１の発明は、ユーザに対し、予め定められた複数の処理手順に沿った受付処理を行う受付装置であって、前記ユーザの手動操作により操作情報を入力可能な操作手段と、音声を入力するための少なくとも１つの音声入力手段と、前記音声入力手段を介し入力された音により、対応する振幅あるいは周波数を含む音情報を取得する音取得手段と、前記音声入力手段に入力された前記ユーザの発話音声による音声情報か、若しくは、前記操作手段に入力された前記操作情報に基づき、前記ユーザに係わるユーザ情報を取得するユーザ情報取得手段と、前記音取得手段により取得される音情報が所定の音情報を含むかどうかの判断を行う音情報判断手段と、前記音情報判断手段により前記音情報が所定の音情報を含むと判断された場合に、所定の切替タイミングで、前記ユーザ情報取得手段による前記ユーザ情報の取得を、前記音声情報に基づく前記ユーザ情報の取得か、若しくは、前記操作情報に基づく前記ユーザ情報の取得に切替制御可能な取得制御手段とを有し、前記ユーザ情報取得手段は、前記取得制御手段による前記切替制御に対応した、前記音声情報に基づく前記ユーザ情報、若しくは、前記操作情報に基づく前記ユーザ情報を取得することを特徴とする。
【０００８】
本願第１発明においては、ユーザが発話することによってその音声が音声入力手段により入力され、さらに音取得手段により振幅あるいは周波数を含む音情報（詳細には音声情報）として取得される。この音声情報に基づき、ユーザ情報取得手段が、音声認識により当該ユーザの氏名や会社名等を含むユーザ情報を取得する。
【０００９】
ところで、ユーザが発話音声を入力するとき、音声入力手段に、当該発話音声以外の音、例えば、周囲環境から生じるいわゆる雑音等も混入して入力される場合がある。このような場合、音取得手段により取得される音情報には、発話音声による音声情報以外の所定の音情報が含まれることとなる。この結果、ユーザ情報取得手段が音声情報を音声認識することによってユーザ情報を取得しようとするとき、上記混入した音に基づく所定の音情報の影響で音声認識の精度が低下し、ユーザ情報を精度よく取得できないおそれがある。
【００１０】
本願第１発明では上記に対応し、ユーザ情報を、ユーザの発話音声による音声情報か、若しくは、ユーザが操作手段を手動操作した操作情報の、いずれか一方より、選択的に取得可能としている。そして、音情報判断手段が、上記取得された音情報の中に、上記所定の音情報が含まれるかどうかを判断し、音情報に所定の音情報が含まれる場合には、取得制御手段が、所定の切替タイミングでユーザ情報取得手段を制御し、ユーザ情報の取得方法を、音声情報による音声認識から操作手段を介しての手動操作入力へと切り替え可能とする。この結果、ユーザの手動操作に基づいてユーザ情報を取得することができる。
【００１１】
以上のように、本願第１発明においては、ユーザの発話音声以外の音が混入して入力される場合であっても確実にユーザ情報を取得できる。
【００１２】
第２発明は、上記第１発明において、前記受付処理を開始するための特定条件を検知する検知手段をさらに有し、前記音情報判断手段は、前記検知手段により前記特定条件が検知された場合に、前記音取得手段により取得される前記音情報が前記所定の音情報を含むかどうかの判断を行うことを特徴とする。
【００１３】
本願第２発明においては、受付処理開始のための特定条件が予め設定されており、その特定条件を検知するための検知手段が設けられている。取得制御手段は、検知手段によって当該特定条件が検知された場合には、前述の音声情報による音声認識による取得から操作手段を介しての手動操作入力による取得へ、ユーザ情報の取得方法を切替可能である。これにより、一連の受付処理を開始する前の時点で既に周囲環境の雑音等が生じていた場合には、受付処理を開始するより前に、手動操作入力に基づくユーザ情報の取得へと切り替えることができる。
【００１４】
第３発明は、上記第１発明において、音声を出力するための音声出力手段と、各処理手順ごとに、対応する装置発話音声を前記音声出力手段を介し出力する発話手段と、複数の前記音声入力手段を介し入力された音に応じて前記音取得手段により取得された音情報に基づき、前記装置発話音声による音声情報と前記所定の音情報としての非音声情報とを識別する情報識別手段とをさらに有し、前記音取得手段は、前記発話手段が前記装置発話音声の出力を行っている間に、複数の前記音声入力手段に入力された音により、前記音情報を取得し、前記音情報判断手段は、前記情報識別手段により識別された前記非音声情報が所定の音情報を含むかどうかの判断を行い、前記取得制御手段は、前記所定の切替タイミングとして、前記発話手段が前記装置発話音声の出力を行っている間に、前記音情報判断手段による判断結果に対応した、前記ユーザ情報取得手段の前記切替制御を行うことを特徴とする。
【００１５】
本願第３発明においては、受付処理に関し予め定められた複数の処理手順（いわゆるシナリオ）ごとに、ユーザによる発話音声を誘導するために、発話手段が、当該処理手順に対応した発話音声を音声出力手段を介し出力する。このとき、上記発話音声の出力中において、情報識別手段が、音声入力手段を介し音取得手段で取得された音情報を、装置発話音声による音声情報と、非音声情報とに識別する。そして、音情報判断手段は、当該識別された非音声情報の中に、上記所定の音情報が含まれるかどうかを判断し、取得制御手段は、上記音情報判断手段の判断結果に対応してユーザ情報取得手段の切替制御を行う。この結果、上記発話音声の出力中において、前述の音声情報による音声認識による取得から操作手段を介しての手動操作入力による取得へ、ユーザ情報の取得方法の切替制御を行うことが可能となる。これにより、周囲環境の雑音等が生じていた場合に、一連の受付処理を開始した後の装置からの発話時点で、手動操作入力に基づくユーザ情報の取得へと確実に切り替えることができる。
【００１６】
第４発明は、上記第３発明において、前記音情報判断手段は、前記情報識別手段により識別された前記非音声情報が、所定のしきい値未満である音情報を含むかどうかの判断を行うことを特徴とする。
【００１７】
これにより、雑音等による非音声情報のレベルが小さく、音声認識精度にあまり影響を与えない場合には、音声情報に基づくユーザ情報の取得を継続し無駄な切り替えを行わないようにすることが可能となる。
【００１８】
第５発明は、上記第３又は第４発明において、特定の前記処理手順においては、前記音取得手段により前記非音声情報が取得された場合、及び、前記非音声情報が取得されなかった場合のいずれにおいても、前記ユーザ情報取得手段の前記切替制御を禁止する処理を行う禁止制御手段をさらに有することを特徴とする。
【００１９】
これにより、音声情報による音声認識による取得から操作手段を介しての手動操作入力による取得への、ユーザ情報の取得方法の切り替えを行うとユーザに不自然な印象を与えたり混乱を招くような、特定の処理手順については、切替条件を満たしても敢えて切り替えを行わないようにすることで、ユーザにとっての利便性を向上することができる。
【００２０】
第６発明は、上記第５発明において、前記音取得手段による前記非音声情報の取得継続時間に応じて、前記禁止制御手段による前記切替制御を禁止する前記処理を解除する処理を行う禁止解除手段をさらに有することを特徴とする。
【００２１】
これにより、例えばユーザに不自然な印象を与えたり混乱を招かないように切り替えを行わないようにした場合でも、雑音発生時間が長くなった場合には正確なユーザ情報の取得を優先し、操作情報に基づくユーザ情報の取得へと確実に切り替えることができる。
【００２２】
第７発明は、上記第１乃至第６発明のいずれかにおいて、前記取得制御手段による前記切替制御の実行時に、対応する切替報知を前記ユーザに対し行う報知手段をさらに有することを特徴とする。
【００２３】
これにより、音声情報による音声認識による取得や操作手段を介しての手動操作入力による取得へユーザ情報の取得方法を切り替えることを、ユーザに確実に認識させることができる。
【発明の効果】
【００２４】
本発明によれば、ユーザの発話音声以外の音が混入して入力される場合であっても、確実にユーザ情報を取得することができる。
【図面の簡単な説明】
【００２５】
【図１】本発明の一実施の形態の来訪者受付システムの全体構成の概略構成を表すシステム構成図である。
【図２】受付端末の外観構造の一例を表す斜視図である。
【図３】タッチパネルにおける表示画面の一例を表す図である。
【図４】タッチパネルにおける表示画面の他の例を表す図である。
【図５】タッチパネルにおける表示画面のさらに他の例を表す図である。
【図６】受付端末の機能的構成を示す機能ブロック図である。
【図７】ＤＢサーバの機能的構成を表す機能ブロック図である。
【図８】雑音があまり生じていない環境下において、マイクに入力された音による音情報を音波形で表した図である。
【図９】雑音環境下において、マイクに入力された音による音情報を音波形で表した図である。
【図１０】各シナリオごとに設定される入力フラグ及び切替フラグを説明した説明図である。
【図１１】来訪者情報の取得方法の切替タイミングを説明した説明図である。
【図１２】受付端末の制御回路部により実行する制御手順を表すフローチャートである。
【図１３】ステップＳ３０の詳細手順を表すフローチャートである。
【図１４】ステップＳ１００の詳細手順を表すフローチャートである。
【図１５】ステップＳ２００の詳細手順を表すフローチャートである。
【図１６】ステップＳ３００の詳細手順を表すフローチャートである。
【図１７】切替制御の禁止を解除する変形例において、受付端末制御回路部により実行する制御手順を表すフローチャートである。
【図１８】ステップＳ３００′の詳細手順を表すフローチャートである。
【図１９】受付開始ボタンが手動操作されたら、所定の音情報を含むかどうかの判断を行う変形例において、受付端末の制御回路部により実行する制御手順を表すフローチャートである。
【発明を実施するための形態】
【００２６】
以下、本発明の一実施の形態を図面を参照しつつ説明する。
【００２７】
（Ａ）システムの基本構成
図１は、本実施形態の来訪者受付システムの全体構成の概略構成を表すシステム構成図である。図１において、来訪者受付システム１は、例えば、ビルや会社その他の建造物への来訪者（ユーザ）に対する受付業務を行うシステムである。この例では会社へ設置されている場合を例にとって説明する。
【００２８】
来訪者受付システム１は、例えば会社の入口付近に設置された受付端末２０（受付装置）と、周知のパーソナルコンピュータにより構成されるＤＢサーバ１０と、会社の従業員（社員）それぞれに対応して設けられた複数のＩＰ電話機６０と、それら複数のＩＰ電話機６０の回線交換を行う周知の交換装置であるＩＰ−ＰＢＸ（Ｉｎｔｅｎｅｔ Ｐｒｏｔｏｃｏｌ Ｐｒｉｖａｔｅ Ｂｒａｎｃｈ ｅＸｃｈａｎｇｅ）５０とを有し、これらは全てルータ４０を介して接続されている。
【００２９】
受付端末２０は、端末本体２０Ａと、この端末本体２０Ａに接続された、タッチパネル２１０、複数の（この例では２つの）マイク２０７Ｌ，２０７Ｒ、及びスピーカ２０８とを有している。
【００３０】
スピーカ２０８は、音声出力手段として機能し、端末本体２０Ａから入力された音声信号を所定の案内音声（装置発話音声）に変換して出力する。
【００３１】
マイク２０７Ｌ，２０７Ｒは、それぞれ音声入力手段として機能し、それぞれ入力された音（来訪者の発話音声、周囲環境で生じるいわゆる雑音、上記案内音声など）を音情報に変換し、端末本体２０Ａへ出力する。
【００３２】
図２は、受付端末２０の外観構造の一例を表す斜視図である。
【００３３】
図２において、受付端末２０は、上記タッチパネル２１０、上記マイク２０７Ｌ，２０７Ｒ、及び上記スピーカ２０８を有している。タッチパネル２１０は、この例では水平に設置されるベース２１２に対してアーム２１１を介し支持され、ユーザ（すなわちこの例では来訪者）の視線に対して直角となるように面方向が斜め上方を向いている。マイク２０７Ｌ，２０７Ｒは、それぞれ受付端末２０の正面側（図中手前側）の上記タッチパネル２１０の上部に配設され、この例では図中向かって左側にマイク２０７Ｌ、右側にマイク２０７Ｒが配置されている。スピーカ２０８は、受付端末２０の正面側（図中手前側）の上記タッチパネル２１０の下部に配設されている。
【００３４】
図３は、タッチパネル２１０における表示画面の一例を表す図である。この画面においては、後述の描画プログラムによって生成された、受付業務を行う仮想人物Ｍが、後述の受付処理が開始されると、オフィス風の背景Ｇとともに表示される。また、スピーカ２０８から発話される音声に対応する文章Ｌ（図中では「＊＊＊」で略記している）が併せて表示される。
【００３５】
図４は、タッチパネル２１０における表示画面の他の例を表す図である。この画面においては、後述の描画プログラムによって生成された、来訪者が指でタッチすることで操作入力可能な少なくとも１つの操作ボタンＢが背景Ｇ（図示では上記図３とは異なる背景の表示例を示している）とともに表示される。なお、各ボタンＢにはその内容が記載（図中では「＊＊＊」で略記している）されている。
【００３６】
図５は、タッチパネル２１０における表示画面のさらに他の例を表す図である。この画面においては、後述の描画プログラムによって生成された、来訪者が指でタッチすることで操作入力可能ないわゆるソフトウェアキーボードＳＢが表示される。ソフトウェアキーボードＳＢには、平仮名五十音をそれぞれ操作入力するためのかなボタンＳＢ１と、誤入力時に訂正するための「訂正」ボタンＳＢ２と、来訪者が担当者名を知らないときにその旨を操作入力するための「担当者名不明」ボタンＳＢ３と、入力内容を確定させる「決定」ボタンＳＢ４と、現在の入力内容を表示する「担当者名」表示欄ＳＢ５とを備えている。
【００３７】
タッチパネル２１０は、上記の例を含む複数の画面を所定の順序で順次切り替えて表示可能となっている（詳細は後述）。このように、タッチパネル２１０は、来訪者が手動操作可能な操作手段として機能している。
【００３８】
以上の構成において、例えば受付端末２０の電源がＯＮされた後、この状態で会社への来訪者が上記タッチパネル２１０を操作することで、受付端末２０は来訪者が検出されたと認識して受付処理を開始する。すなわち、来訪者に対し、予め定められた複数の処理手順（以下、シナリオという。詳細は後述）に沿って、端末本体２０Ａからの音声信号に基づき、各シナリオごとに、スピーカ２０８から来訪者に関する所定の質問（詳細は後述）を所定の順序で出力する。またこのときタッチパネル２１０においても、上記出力に対応した所定の表示を行う（詳細は後述）。
【００３９】
上記スピーカ２０８による出力やタッチパネル２１０における表示に応じて、来訪者が自己の氏名等を発声すると、受付端末２０は、対応する音声情報をマイク２０７Ｌ，２０７Ｒから入力し、音声認識処理を行う。また、上記スピーカ２０８の出力やタッチパネル２１０の表示に応じて、来訪者がタッチパネル２１０の適宜の画面における各種ボタンを手動操作すると、対応する操作情報を入力する。
【００４０】
そして、受付端末２０は、上記音声情報の音声認識結果及び上記操作情報の入力結果に応じて、会社の来訪者を対応すべき来訪対応者（以下適宜、単に担当者という）が使用するＩＰ電話機６０にＩＰ−ＰＢＸ５０を介して接続し、担当者への通知処理を行う。担当者は、通知された来訪者の身元に関する情報に応じて、受付端末２０に対して応対を指示する。この指示に応じて、受付端末２０は、来訪者と担当者とが会話できるようにＩＰ電話機６０を接続したり、担当者の代理で来訪者に応対したりする。このようにして、本実施形態の来訪者受付システム１は、会社における受付業務を自動的に行うことができる。
【００４１】
（Ｂ）受付端末の詳細機能
図６は、受付端末２０の機能的構成を示す機能ブロック図である。
【００４２】
図６において、受付端末２０の端末本体２０Ａは、制御回路部２００と、入出力（Ｉ／Ｏ）インタフェイス２０４と、ハードディスク装置（ＨＤＤ）２０５とを有している。
【００４３】
制御回路部２００は、ＣＰＵ２０１と、受付端末２０の基本的な動作に必要なプログラムやそのための設定値を記憶したＲＯＭ２０２と、各種データを一時的に記憶するＲＡＭ２０３とを備えている。ＣＰＵ２０１は、ＲＯＭ２０２や、ＨＤＤ２０５に記憶されたプログラムに従って、受付端末２０全体の動作を制御する。
【００４４】
Ｉ／Ｏインタフェイス２０４には、上記ＣＰＵ２０１と、上記ハードディスク装置２０５と、上記タッチパネル２１０と、上記２つのマイク２０７Ｌ，２０７Ｒと、上記スピーカ２０８と、ネットワーク（ＮＷ）カード２０６とが接続されている。
【００４５】
ＨＤＤ２０５には、来訪者による発話の音声認識に使用するための言語モデル記憶エリア２５２、上記言語モデルとともに音声認識に使用される辞書記憶エリア２５３、及びプログラム記憶エリア２５６を含む複数の記憶エリアを備えている。
【００４６】
プログラム記憶エリア２５６には、例えば、受付端末２０の各種動作を制御するための複数のプログラムが記憶されている。記憶されているプログラムとしては、例えば、受付端末２０の基本的な動作を制御するシステムプログラム、ＤＢサーバ１０との通信を制御する通信プログラム、タッチパネル２１０に表示する画像を生成する描画プログラム、音声認識を実行する音声認識プログラム、ＤＢサーバ１０のデータベースにアクセスし照合を行うためのＤＢ照合プログラム、音声合成プログラム、対話制御プログラム、ＩＰ電話機６０とＩＰ−ＰＢＸ５０との接続に係わる電話接続プログラム等がある。
【００４７】
なお、図示はされていないが、ＨＤＤ２０５には、その他、音声認識処理で一般的に使用される周知の音響モデルや、各種処理で使用される設定値等も記憶されている。なお、詳細は説明しないが、音響モデルは、音声の音響的特徴を統計的にモデル化したもので、例えば、母音、子音のそれぞれについて、音響的特徴（例えば、周波数特性）と対応する音素とで表現されている。
【００４８】
ＮＷカード２０６は、上記ルータ４０に接続され、ＤＢサーバ１０などとの間でデータの送受信を可能とするための拡張カードである。
【００４９】
（Ｃ）ＤＢサーバの詳細機能
図７は、ＤＢサーバ１０の機能的構成を表す機能ブロック図である。
【００５０】
図７に示すように、ＤＢサーバ１０は、ＣＰＵ１０１と、ＣＰＵ１０１に各々接続されたＲＯＭ１０２及びＲＡＭ１０３と、ＣＰＵ１０１に接続された入出力（Ｉ／Ｏ）インタフェイス１０４と、Ｉ／Ｏインタフェイス１０４にそれぞれ接続された、マウスコントローラ１０６、キーコントローラ１０７、ビデオコントローラ１０８、通信装置１０９、及びハードディスク装置（ＨＤＤ）１５０とを有している。
【００５１】
ＲＯＭ１０２は、ＢＩＯＳを含む、ＤＢサーバ１０を動作させるための各種のプログラムを記憶している。ＲＡＭ１０３は、各種データを一時的に記憶する。ＣＰＵ１０１は、ＲＯＭ１０２や、後述するＨＤＤ１５０に記憶されたプログラムに従って、ＤＢサーバ１０の全体の制御を司る。
【００５２】
マウスコントローラ１０６、キーコントローラ１０７、及びビデオコントローラ１０８には、それぞれマウス１１６、キーボード１１７、及びディスプレイ１１８が接続されている。通信装置１０９は、ルータ４０に接続され、受付端末２０等、外部機器との間でデータの送受信を行うことを可能とする。
【００５３】
ＨＤＤ１５０は、予定された来訪者の予約データを格納する来訪者予約データベース記憶エリア１５１、社員情報を格納する社員データベース記憶エリア１５５、会社の全部署の電話番号情報を格納する部署電話番号データベース記憶エリア１５４、及びプログラム記憶エリア１５６を含む複数の記憶エリアを備えている。
【００５４】
プログラム記憶エリア１５６には、システムプログラム、通信プログラム等、各種処理をＤＢサーバ１０に実行させるための各種プログラムが記憶されている。なお、これらのプログラムは、例えばＣＤ−ＲＯＭに記憶されたものがＣＤ−ＲＯＭドライブ（図示せず）を介してインストールされ、プログラム記憶エリア１５６に記憶される。又は、適宜のネットワークを介してシステム外部からダウンロードされたプログラムが記憶されてもよい。
【００５５】
（Ｄ）受付処理の流れ
以上のような構成の本実施形態の最大の特徴は、マイク２０７Ｌ，２０７Ｒを介し取得した音情報が、所定の音情報（雑音情報など）を含んでいるかを判断し、雑音が含まれている場合には、来訪者情報を来訪者の手動操作で取得するように切り替えることである。以下、その詳細を順を追って説明する。
【００５６】
本実施形態においては、後述の受付処理において、マイク２０７Ｌ，２０７Ｒに入力された来訪者の発話音声による音声情報か、若しくは、来訪者の手動操作による操作情報のいずれかに基づき、来訪者に係わる来訪者情報（ユーザ情報。例えば会社名や氏名など）を取得することができる。そして、上記来訪者情報の取得を、上記のうちいずれかで行うかを切替制御する。言い換えれば、上記来訪者情報の取得方法を、来訪者の発話音声の音声情報による音声認識、若しくは、来訪者のタッチパネル２１０を介しての手動操作入力のいずれかに切替制御するのである。
【００５７】
まず図８及び図９を用いて、マイク２０７Ｌ，２０７Ｒに入力された音により取得される音情報について説明する。
【００５８】
図８は、雑音があまり生じていない環境下において、マイク２０７Ｌ，２０７Ｒに入力された音による音情報の一例を音波形で表した図である。図９は、雑音環境下において、マイク２０７Ｌ，２０７Ｒに入力された音による音情報の一例を音波形で表した図である。また、図８（ａ）及び図９（ａ）は、横軸に時間［秒］、縦軸にサンプル値（サンプリングされた値）をとり、図８（ｂ）及び図９（ｂ）は、横軸に時間［秒］、縦軸に音量レベル（音圧レベル）［ｄＢ］をとった音波形の一例を示している。
【００５９】
図８（ａ）、図８（ｂ）、図９（ａ）、及び図９（ｂ）において、この例では来訪者が発話した区間（以下、発話区間という）が、図８では約２．７秒から約３．３秒までの区間あり、図９では約２．４秒から約３．２秒までの区間ある場合を示している。これら発話区間においては、来訪者の発話音声と周囲環境で生じた雑音とを含む音がマイク２０７Ｌ，２０７Ｒにより入力され、対応する音情報が取得される。この音情報には、上記発話音声に対応する音声情報と、それ以外の雑音に対応する雑音情報（非音声情報、所定の音情報）とが含まれている。一方、上記発話区間以外の区間においては、雑音を含む（上記発話音声を含まない）音がマイク２０７Ｌ，２０７Ｒにより入力され、対応する音情報（すなわち雑音情報）が取得される。
【００６０】
図８（ａ）及び図８（ｂ）に示す、雑音があまり生じていない環境下では、発話区間より前の０秒から約２、７秒までの区間において取得された音情報の音量レベルの平均値は、この例では約−３０［ｄＢ］ある。一方、発話区間において取得された音情報の音量レベルの平均値は、この例では約−１０［ｄＢ］である。したがって、当該発話区間における音情報の信号対ノイズ比（Ｓ／Ｎ比）は、約２０［ｄＢ］となる。
【００６１】
一方、図９（ａ）及び図９（ｂ）に示す雑音環境下では、発話区間より前の０秒から約２、４秒までの区間において取得された音情報の音量レベルの平均値は、この例では約−１５［ｄＢ］ある。一方、発話区間において取得された音情報の音量レベルの平均値は、この例では約−５［ｄＢ］である。したがって、当該発話区間における音情報のＳ／Ｎ比は、約１０［ｄＢ］となる。
【００６２】
ここで、一般に、音声認識により高い認識率（例えば８０％以上の認識率）を得るためには、マイク２０７Ｌ，２０７Ｒに入力された来訪者の発話音声による音声情報を含む音情報のＳ／Ｎ比が、約２０［ｄＢ］以上（あるいは雑音情報の音量レベルが約−２０［ｄＢ］未満）となることが必要である。図８（ａ）及び図８（ｂ）に示す音情報におけるＳ／Ｎ比は、上記のように約２０［ｄＢ］であるので、音声認識により高い認識率を得ることができる。一方、図９（ａ）及び図９（ｂ）に示す音情報におけるＳ／Ｎ比は、上記のように約１０［ｄＢ］であるので、音声認識により十分な認識率を得ることができない（音声認識の精度が低い）。
【００６３】
このように、マイク２０７Ｌ，２０７Ｒに入力された音に、来訪者の発話音声以外の音（＝雑音）が混入している場合には、混入した雑音の大小に応じて、音声認識の認識率が影響を受ける。
【００６４】
そこで、本実施形態では、後述の受付処理において、来訪者に対しスピーカ２０８を介し案内音声を出力している間（来訪者が発話又は手動操作を行う前の段階）に、２つのマイク２０７Ｌ，２０７Ｒにそれぞれ入力される音により、２つの音情報を取得する。なお、２つのマイク２０７Ｌ，２０７Ｒにそれぞれ入力される音には、上記スピーカ２０８を介し出力された案内音声も含まれている（いわゆる回り込み）ので、上記２つの音情報には、それぞれ当該案内音声による音声情報が少なくとも含まれている。そして、この取得された２つの音情報に基づき、上記案内音声による音声情報とそれ以外の音情報（すなわち、雑音情報）とを分離・識別し、識別された雑音情報の音量レベル（音圧レベル）が所定のしきい値（例えば−２０［ｄＢ］）未満であるかどうかの判断を行う。そして、この判断結果に応じて、来訪者に対しスピーカ２０８を介し案内音声を出力している間（所定のタイミング）に、上記来訪者情報の取得方法の切替制御を行うのである。
【００６５】
但し、上記識別された雑音情報の音量レベルが上記しきい値未満であると判断された場合（＝音声認識において雑音の影響をあまり受けない場合。例えば上記図８の場合）は、音声認識により十分に高い認識率を得ることができる。したがって、このような場合は、上記来訪者情報の取得方法を、来訪者の発話音声の音声情報による音声認識とするように切替制御する（但し、後述の切替フラグＦｃがＦｃ＝１であるシナリオに限る。後述）。
【００６６】
一方、上記識別された雑音情報の音量レベルが上記しきい値以上であると判断された場合（＝音声認識において雑音の影響を受ける場合。例えば上記図９の場合）は、音声認識の精度が低くなる。したがって、このような場合は、上記来訪者情報の取得方法を、来訪者のタッチパネル２１０を介しての手動操作入力とするように切替制御する（但し、後述の切替フラグＦｃがＦｃ＝１であるシナリオに限る。後述）。
【００６７】
なお、本実施形態の受付処理においては、上記来訪者情報の取得は、基本的に、上記音声情報による音声認識により行われる（来訪者が発話するだけで来訪者情報を容易に入力できるため）。上記のように雑音情報の音量レベルが上記しきい値以上となると、音声認識は困難とみなし、上記来訪者情報の取得がタッチパネル２１０を介しての手動操作入力に切り替えられる。雑音情報の音量レベルが上記しきい値以上である間は上記手動操作入力により来訪者情報の取得を継続し、（後述の切替フラグＦｃがＦｃ＝１であるシナリオにおいて）雑音情報の音量レベルが上記しきい値未満となったら、再び上記音声認識による来訪者情報の取得へと復帰する。
【００６８】
図１０は、各シナリオごとに設定される入力フラグ及び切替フラグを説明した説明図である。
【００６９】
図１０において、前述したように、本実施形態における受付処理は、予め定められた複数のシナリオに沿って実行される。この例では、複数のシナリオとして、シナリオＳｃ１、シナリオＳｃ２、シナリオＳｃ３、及びシナリオＳｃ４が設けられている場合を示している。シナリオＳｃ１は、前半シナリオＳｃ１−１及び後半シナリオＳｃ１−２から構成され、シナリオＳｃ２は、前半シナリオＳｃ２−１及び後半シナリオＳｃ２−２から構成され、シナリオＳｃ３は、前半シナリオＳｃ３−１及び後半シナリオＳｃ３−２から構成されている。
【００７０】
また、これら複数のシナリオは、シナリオＳｃ１（前半シナリオＳｃ１−１→後半シナリオＳｃ１−２）→シナリオＳｃ２（前半シナリオＳｃ２−１→後半シナリオＳｃ２−２）→シナリオＳｃ３（前半シナリオＳｃ３−１→後半シナリオＳｃ３−２）→シナリオＳｃ４の順序で実行される（後述の図１１も参照）。
【００７１】
入力フラグＦｉは、来訪者の発話音声による音声情報（又は手動操作による操作情報）の入力が必要な処理（言い換えれば、来訪者から来訪者情報を取得する処理）があるかないかを表すフラグである。この例では、上記入力が必要な処理がある（＝来訪者情報を取得する処理がある）場合をＦｉ＝１で表し、上記入力が必要な処理がない（＝来訪者情報を取得する処理がない）場合をＦｉ＝０で表している。
【００７２】
切替フラグＦｃは、上記来訪者情報の取得方法の切替制御を許可するか、又は、許可しない（＝禁止する）かを表すフラグである。この例では上記切替制御を許可する場合をＦｃ＝１で表し、上記切替制御を禁止する場合をＦｃ＝０で表している。例えば、上記来訪者情報の取得方法の切り替えを行うと来訪者に不自然な印象を与えたり、混乱を招くような特定のシナリオについては、上記切替フラグＦｃがＦｃ＝０に設定されている。この例では、シナリオＳｃ１のみがＦｃ＝１に設定され、その他のシナリオＳｃ２，Ｓｃ３，Ｓｃ４はＦｃ＝０に設定されている。
【００７３】
対象者は、各シナリオ（前半シナリオ及び後半シナリオ）における対象者（発話主体又は操作主体）であり、受付端末２０又は来訪者のどちらかである。なお、基本的には、前半シナリオと、前半シナリオ及び後半シナリオより構成されていないシナリオ（この例ではシナリオＳｃ４）との対象者が受付端末２０であり、後半シナリオの対象者は来訪者である。対象者が受付端末２０である場合は、受付端末２０はスピーカ２０８を介し所定の案内音声を出力し、対象者が来訪者である場合は、来訪者は（前半シナリオでスピーカ２０８を介し出力された所定の案内音声に応じて）発話又は手動操作を行う。そして、上記対象者である受付端末２０がスピーカ２０８を介して出力する所定の案内音声の内容の一例、又は、上記対象者である来訪者が（前半シナリオでスピーカ２０８を介し出力された案内音声の内容に応じた）発話内容又は操作内容の一例を、対応する欄に図示している。
【００７４】
図１１は、上記来訪者情報の取得方法の切替タイミングを説明した説明図である。この例では横軸に時間をとり（図示右側ほど時間が経過している）、上記した複数のシナリオに沿った受付処理の流れの一例を表している。
【００７５】
図１１において、この例では、１回の受付処理が、前述の例に沿い、シナリオＳｃ１（前半シナリオＳｃ１−１→後半シナリオＳｃ１−２）→シナリオＳｃ２（前半シナリオＳｃ２−１→後半シナリオＳｃ２−２）→シナリオＳｃ３（前半シナリオＳｃ３−１→後半シナリオＳｃ３−２）→シナリオＳｃ４の順序で実行される場合を示している。
【００７６】
本実施形態においては、上記入力フラグＦｉがＦｉ＝１に設定されたシナリオ（この例ではシナリオＳｃ１，Ｓｃ２，Ｓｃ３）になると、スピーカ２０８を介し案内音声の出力を行っている間（＝各前半シナリオＳｃ１−１，Ｓｃ２−１，Ｓｃ３−１の間。斜線部参照）に、２つのマイク２０７Ｌ，２０７Ｒにそれぞれ入力された音により、２つの音情報が取得される。そして、このとき取得された２つの音情報に基づき、前述の判断（雑音情報の音量レベルが上記しきい値未満であるかどうか）が行われる。
【００７７】
そして、上記切替フラグＦｃがＦｃ＝１に設定されたシナリオ（この例ではシナリオＳｃ１）において、スピーカ２０８を介し案内音声の出力を行っている間（＝所定の切替タイミングの一例。この例では前半シナリオＳｃ１−１の間）に、上記判断結果（雑音情報の音量レベルが上記しきい値未満であるかどうか）に応じて、上記来訪者情報の取得方法の切替制御（手動操作入力による取得に切り替えるか、音声取得のままとするか）が行われるのである。なお、逆に手動操作入力による取得から音声取得へと切り替えるようにすることも考えられる。
【００７８】
（Ｅ）制御手順
図１２は、以上説明した内容を実現するために、受付端末２０の制御回路部２００により実行する制御手順を表すフローチャートである。なお、このフローに示す処理は、ＨＤＤ２０５のプログラム記憶エリア２５６に記憶された来訪者受付処理用のプログラム群（前述のシステムプログラム、通信プログラム、描画プログラム、音声認識プログラム、ＤＢ照合プログラム、電話接続プログラム等）に従って、ＣＰＵ２０１が実行するものである。
【００７９】
図１２において、例えば受付端末２０の電源ＯＮによって、このフローが開始される（「ＳＴＡＲＴ」位置）。まずステップＳ５で、タッチパネル２１０に表示信号を出力し、「御用の方はこのボタンを押してください」の旨の受付開始ボタンを含む待ち受け状態の画面（初期画面）を表示させる。
【００８０】
そして、ステップＳ１０において、上記受付開始ボタンが手動操作されたかどうかを判定する。来訪者によって押下されるまでは判定が満たされずループ待機し、押下されたら判定が満たされて、ステップＳ２０に移る。
【００８１】
ステップＳ２０では、上記複数のシナリオに対応する変数ＸをＸ＝１に設定する（例えばＸ＝１は上記シナリオＳｃ１に対応している）。
【００８２】
その後、ステップＳ３０で、上記複数のシナリオに沿った処理を行うシナリオ処理（詳細は後述の図１３参照）を実行する。
【００８３】
そして、ステップＳ４０で、所定の終了操作（例えば受付端末２０の電源ＯＦＦ）が行われたかどうかを判定する。終了操作が行われていない場合には判定が満たされず、ステップＳ５０に移る。
【００８４】
ステップＳ５０では、上記変数Ｘの値が、予め定められた最後のシナリオに対応するＸｍａｘ（例えば、上記の例では最後のシナリオはシナリオＳｃ４であるのでＸｍａｘ＝４）になったかどうかを判定する。Ｘ＝Ｘｍａｘになっていない場合（まだ全てのシナリオが終了していない場合）には判定が満たされず、ステップＳ６０に移り、変数Ｘの値に１を加え、上記ステップＳ３０に戻り同様の手順を繰り返す。そして、Ｘ＝Ｘｍａｘになったら（全てのシナリオが終了したら）、判定が満たされてステップＳ６５に移る。
【００８５】
ステップＳ６５では、各シナリオにおいて取得した来訪者情報の取得結果に応じて、対応する担当者が使用するＩＰ電話機６０にＩＰ−ＰＢＸ５０を介して接続し、担当者への通知処理を行う。なお、通知先は、担当者が使用するＩＰ電話機６０に限られず、担当者が使用する携帯電話やパーソナルコンピュータでもよい。その後、上記ステップＳ５に戻り、同様の手順を繰り返す。
【００８６】
一方、上記ステップＳ４０において、終了操作が行われていた場合には、ステップＳ４０の判定が満たされて、このフローを終了する。
【００８７】
図１３は、上記図１２のステップＳ３０の詳細手順を表すフローチャートである。
【００８８】
図１３において、まずステップＳ７０で、スピーカ２０８に音声信号を出力し、各シナリオに対応する案内音声を出力させる（発話手段としての機能）。このとき、タッチパネル２１０に上記案内音声と同様のテキスト表示を行うようにしてもよい。
【００８９】
そして、ステップＳ８０で、当該シナリオが上記入力フラグＦｉ（図１０参照）がＦｉ＝１に設定されたシナリオであるかどうかを判定する。Ｆｉ＝０に設定されたシナリオ（来訪者情報を取得する処理がないシナリオ）である場合には判定が満たされず、このルーチンを終了する。一方、Ｆｉ＝１に設定されたシナリオ（来訪者情報を取得する処理があるシナリオ）である場合には判定が満たされて、ステップＳ９０に移る。
【００９０】
ステップＳ９０では、２つのマイク２０７Ｌ，２０７Ｒを介し入力されたそれぞれの音、具体的には、上記ステップＳ７０で出力された上記案内音声を少なくとも含む、それぞれの音により、対応する振幅あるいは周波数を含む、２つの音情報を取得する。
【００９１】
その後、ステップＳ１００で、上記ステップＳ９０で取得された２つの音情報に基づき、上記案内音声による音声情報と雑音情報とを識別する音情報識別処理（詳細は後述の図１４参照）を実行する。
【００９２】
そして、ステップＳ２００で、上記ステップＳ１００（詳細には後述の図１４のステップＳ１３０）で識別結果に基づき、雑音情報が所定のしきい値未満である音情報を含むかどうかの判断を行う判断処理（詳細は後述の図１５参照）を実行する。
【００９３】
その後、ステップＳ３００で、上記ステップＳ２００での判断結果に対応し、上記来訪者情報の取得を音声情報に基づき行うか操作情報に基づいて行うかの切替制御を行う切替処理（詳細は後述の図１６参照）を実行する。
【００９４】
そして、ステップＳ４００で、上記ステップＳ３００で切り替えられた上記来訪者情報の取得方法が、発話音声の音声情報による音声認識であるかどうかを判定する。取得方法が発話音声の音声情報による音声認識である場合には判定が満たされて、ステップＳ４１０に移る。
【００９５】
ステップＳ４１０では、マイク２０７Ｌ，２０７Ｒ（いずれか一方でもよいし又は両方でもよい）を介し入力された音、具体的には、上記ステップＳ７０で出力された上記案内音声に対応して来訪者により発話された、来訪者の発話音声を少なくとも含む音により、対応する振幅あるいは周波数を含む音情報を取得する。
【００９６】
その後、ステップＳ４２０で、ＨＤＤ２０５の記憶エリア（言語モデル記憶エリア２５２、辞書記憶エリア２５３等）に記憶された前述の音響モデル、言語モデル、及び辞書を読み出し、それらを用いて、上記ステップＳ４１０で取得された音情報に対し音声認識を行う。
【００９７】
そして、ステップＳ４３０で、上記ステップＳ４１０で取得された音情報が音声認識できたかどうかを判定する。言語として音声認識できなかった場合には判定が満たされず、音声認識ができなかったことを来訪者に通知する台詞（例えば「音声を認識できませんでした。もう一度マイクに向かってお名前を入力してください」など）を含む案内音声をスピーカ２０８に出力させる。そして、上記ステップＳ４２０に戻り、同様の手順を繰り返す。なお、この図１３では図示を省略しているが、上記の案内音声の出力は、予め定められた設定回数だけ行われ、その間に音声認識できない場合には、対応する処理（例えば予め定めた受付担当者に取り次ぐ等。あるいは、後述のステップＳ４５０へ移行し、来訪者情報の取得方法をタッチパネル２１０を介しての手動操作入力に切り替えるようにしてもよい）を行う。一方、言語として音声認識できた場合には、ステップＳ４３０の判定が満たされ、ステップＳ４４０に移る。
【００９８】
ステップＳ４４０では、上記ステップＳ４２０での音声認識結果（来訪者情報）を（例えばＲＡＭ２０３に）保存し、このルーチンを終了する。
【００９９】
一方、上記ステップＳ４００において、上記ステップＳ３００で切り替えられた上記来訪者情報の取得方法が、タッチパネル２１０を介しての手動操作入力であった場合には、ステップＳ４００の判定が満たされず、ステップＳ４５０に移る。
【０１００】
ステップＳ４５０では、タッチパネル２１０に表示信号を出力し、各シナリオに対応する入力操作用の画面（例えば前述のソフトウェアキーボードＳＢを含む画面や前述の仮想人物Ｍや操作ボタンＢを含む画面など）を表示させる。
【０１０１】
その後、ステップＳ４６０で、来訪者の例えばソフトウェアキーボードＳＢや操作ボタンＢなどの手動操作による操作情報を入力し、対応する来訪者情報を（例えばＲＡＭ２０３に）保存する。そして、このルーチンを終了する。
【０１０２】
図１４は、上記図１３のステップＳ１００の詳細手順を表すフローチャートである。
【０１０３】
図１４において、まずステップＳ１１０で、上記図１３のステップＳ９０で取得された２つの音情報を例えば公知のＩＣＡ（Ｉｎｄｅｐｅｎｄｅｎｔ Ｃｏｍｐｏｎｅｎｔ Ａｎａｌｙｓｉｓ：独立成分分析）を行い、互いに独立した２つの音情報に分離する。ＩＣＡとは、多変量の信号を複数の統計的に独立な成分に分離するための計算手法である。
【０１０４】
その後、ステップＳ１２０で、上記ステップＳ１１０で分離された２つの音情報それぞれについて、上記図１３のステップＳ７０で出力された案内音声の元となった音声信号との相関値（例えば相関係数など）を算出する。
【０１０５】
そして、ステップＳ１３０で、上記ステップＳ１２０で算出された相関値に基づき、上記案内音声による音声情報とそれ以外の雑音情報とを識別する。すなわち、上記ステップＳ１１０で分離された２つの音情報のうち、上記相関値が大きい方が、上記図１３のステップＳ９０で取得された音情報に含まれる上記案内音声による音声情報であると識別できる。また、逆に上記相関値が小さい方が、上記図１３のステップＳ９０で取得された音情報に含まれる雑音情報であると識別できる。その後、このルーチンを終了する。
【０１０６】
図１５は、上記図１３のステップＳ２００の詳細手順を表すフローチャートである。
【０１０７】
図１５において、まずステップＳ２３０で、上記図１４のステップＳ１３０で識別された雑音情報の音量レベル（音圧レベル）を算出する。
【０１０８】
その後、ステップＳ２５０で、上記ステップＳ２３０で算出された音量レベルが所定のしきい値未満になったか（＝雑音情報が比較的小さい音情報であったか）どうかを判定する。上記算出された音量レベルがしきい値以上であった場合には判定が満たされず、ステップＳ２６０に移る。
【０１０９】
ステップＳ２６０では、周囲で生じている雑音による音声認識の影響の度合いを表す雑音フラグＦｎを、雑音が音声認識に影響を与えることを表すＦｎ＝１とし、このルーチンを終了する。
【０１１０】
一方、上記ステップＳ２５０において、上記ステップＳ２３０で算出された音量レベルがしきい値未満であった場合には、ステップＳ２５０の判定が満たされて、ステップＳ２７０に移る。
【０１１１】
ステップＳ２７０では、上記雑音フラグＦｎを、周囲で生じている雑音が音声認識にあまり影響を与えないことを表すＦｎ＝０とし、このルーチンを終了する。
【０１１２】
図１６は、上記図１３のステップＳ３００の詳細手順を表すフローチャートである。
【０１１３】
図１６において、まずステップＳ３１０で、上記雑音フラグＦｎがＦｎ＝１であるかどうかを判定する。Ｆｎ＝１である場合（＝周囲で生じている雑音が音声認識に影響を与える場合）には判定が満たされて、ステップＳ３２０に移る。
【０１１４】
ステップＳ３２０では、現在の上記来訪者情報の取得方法が、発話音声の音声情報による音声認識であるかどうかを判定する。音声認識でない、すなわち、タッチパネル２１０を介しての手動操作入力である場合には判定が満たされず、このルーチンを終了する。一方、現在の上記来訪者情報の取得方法が、音声認識である場合には判定が満たされて、ステップＳ３３０に移る。
【０１１５】
ステップＳ３３０では、当該シナリオが上記切替フラグＦｃ（図１０参照）がＦｃ＝１に設定されたシナリオであるかどうかを判定する。Ｆｃ＝０に設定されたシナリオである場合（上記切替制御が禁止されたシナリオである場合）には判定が満たされず、このルーチンを終了する。一方、当該シナリオがＦｃ＝１に設定されたシナリオである場合（上記切替制御が許可されたシナリオである場合）には判定が満たされて、ステップＳ３４０に移る。
【０１１６】
ステップＳ３４０では、上記来訪者情報の取得方法を、発話音声の音声情報による音声認識からタッチパネル２１０を介しての手動操作入力へと切り替える。
【０１１７】
その後、ステップＳ３５０で、スピーカ２０８に音声信号を出力し、”周囲が騒がしいので、画面上で入力してください”という、来訪者情報の取得方法が、音声認識から手動操作入力へと切り替わった旨の台詞を出力させる。あるいは、タッチパネル２１０に表示信号を出力し、上記の台詞と同様のテキスト表示を表示させる（台詞の出力とテキスト表示の表示とを両方行うようにしてもよい）。そして、このルーチンを終了する。
【０１１８】
一方、上記ステップＳ３１０において、Ｆｎ＝０であった場合（＝周囲で生じている雑音が音声認識にあまり影響を与えない場合）には判定が満たされず、ステップＳ３６０に移る。
【０１１９】
ステップＳ３６０では、現在の上記来訪者情報の取得方法が、タッチパネル２１０を介しての手動操作入力であるかどうかを判定する。手動操作入力でない、すなわち、発話音声の音声情報による音声認識である場合には判定が満たされず、このルーチンを終了する。一方、現在の上記来訪者情報の取得方法が、手動操作入力である場合には判定が満たされて、ステップＳ３７０に移る。
【０１２０】
ステップＳ３７０では、上記ステップＳ３３０と同様、当該シナリオが上記切替フラグＦｃがＦｃ＝１に設定されたシナリオであるかどうかを判定する。Ｆｃ＝０に設定されたシナリオである場合には判定が満たされず、このルーチンを終了し、Ｆｃ＝１に設定されたシナリオである場合には判定が満たされて、ステップＳ３８０に移る。
【０１２１】
ステップＳ３８０では、上記来訪者情報の取得方法を、タッチパネル２１０を介しての手動操作入力から発話音声の音声情報による音声認識へと切り替える。
【０１２２】
その後、ステップＳ３９０で、スピーカ２０８に音声信号を出力し、”マイクに入力してください”という来訪者情報の取得方法が、手動操作入力から音声認識へ切り替えられた旨の台詞を出力させる。あるいは、タッチパネル２１０に表示信号を出力し、上記の台詞と同様のテキスト表示を表示させる（台詞の出力とテキスト表示の表示とを両方行うようにしてもよい）。そして、このルーチンを終了する。
【０１２３】
なお、上記において、図１３に示すステップＳ９０及びステップＳ４１０が、各請求項記載の音取得手段として機能し、図１３に示すステップＳ４４０及びステップＳ４６０が、ユーザ情報取得手段として機能する。また、図１３に示すステップＳ１００（言い換えれば図１４の全手順）が、情報識別手段として機能し、図１５に示すステップＳ２５０が、音情報判断手段として機能する。
【０１２４】
また、図１６に示すステップＳ３１０、ステップＳ３２０、ステップＳ３３０、ステップＳ３４０、ステップＳ３６０、ステップＳ３７０、及びステップＳ３８０が、取得制御手段として機能する。さらにステップＳ３３０及びステップＳ３７０において判定が満たされない場合は、上記切替制御を禁止する処理を行う禁止制御手段としても機能する。また、図１６に示すステップＳ３５０及びステップＳ３９０が、報知手段として機能する。
【０１２５】
以上説明したように、本実施形態の受付端末２０においては、来訪者が来訪したときは、マイク２０７Ｌ，２０７Ｒに入力された来訪者の発話音声による音声情報か、若しくは、来訪者によってタッチパネル２１０に入力された操作情報に基づき、来訪者情報が取得される。発話音声がマイク２０７Ｌ，２０７Ｒに入力されるとき、当該発話音声以外の音（＝雑音）も混入して入力されることに対応し、マイク２０７Ｌ，２０７Ｒを介して取得された音情報が雑音情報を含むかどうかが判断される。そして、雑音情報が含まれていた場合には、所定の切替タイミングで（上記の例ではスピーカ２０８より案内音声を出力している間に）、来訪者情報の取得方法を、マイク２０７，２０７Ｒによる音声情報による音声認識から、タッチパネル２１０を介しての手動操作入力へと切り替える（状況に応じてその逆の手動操作入力から音声認識へと切り替えるようにしてもよい）。これにより、来訪者の発話音声以外の音が混入して入力される場合であっても確実に来訪者情報を取得できるので、来訪者を確実に担当者に対して取り次ぐことができる。
【０１２６】
また、本実施形態では特に、シナリオに対応した案内音声の出力を行っている間にマイク２０７Ｌ，２０７Ｒで取得した音情報に基づき、案内音声による音声情報と雑音情報とを識別する（ステップＳ１００）。そしてこの判断結果に対応して上記来訪者情報の取得方法の切替制御を行う。これにより、周囲環境で雑音が生じていた場合に、受付処理を開始した後の受付端末２０からの発話時点で（来訪者が発話又は手動操作する前に）、上記来訪者情報の取得方法を、上記音声情報による音声認識、若しくは、上記タッチパネル２１０を介しての手動操作入力に確実に切り替えることができる。
【０１２７】
このとき特に、上記識別された雑音情報の音量レベルが所定のしきい値未満であるかどうかの判断を行い、当該音量レベルが上記しきい値未満である場合（＝雑音情報が比較的小さい場合）には、音声情報に基づく来訪者情報の取得を継続するようにする（ステップＳ２５０、ステップＳ２７０）。この結果、音声認識を十分に高精度に行える場合において無駄な切り替えを行わないようにすることができる。
【０１２８】
また、本実施形態では特に、特定のシナリオ（上記の例では切替フラグＦｃ＝０に設定されたシナリオ）においては、雑音情報が取得されたＦｎ＝１の場合でも、雑音情報が取得されなかったＦｎ＝０の場合でも、上記のような切替制御を禁止する（ステップＳ３３０及びステップＳ３７０）。これにより、来訪者情報の取得方法の切り替えを行うと来訪者に不自然な印象を与えたり混乱を招くような、特定のシナリオについては、切替条件を満たしても敢えて切り替えを行わないようにすることで、来訪者にとっての利便性を向上することができる。
【０１２９】
また、本実施形態では特に、上記のような切替制御の実行時に、対応する切替報知を（上記の例ではスピーカ２０８より音声を出力する又はタッチパネル２１０にコメントを表示することで）来訪者に対し行う。これにより、来訪者情報の取得方法を、発話音声の音声情報による音声認識、若しくは、タッチパネル２１０を介しての手動操作入力に切り替えることを、来訪者に確実に認識させることができる。
【０１３０】
なお、本発明は、上記実施形態に限られるものではなく、その趣旨及び技術的思想を逸脱しない範囲内で種々の変形が可能である。以下、そのような変形例を順を追って説明する。
【０１３１】
（１）切替制御の禁止を解除する場合
上記実施形態においては、特定のシナリオ（上記の例では切替フラグＦｃ＝０に設定されたシナリオ）の場合は、来訪者情報の取得方法の切替制御を禁止し、来訪者情報の取得方法の切り替えを行わないようにしていた。しかしながら、そのような特定のシナリオの場合であっても、所定の条件が満たされたら（詳細は後述）、来訪者情報の取得方法の切替制御の禁止を解除し、来訪者情報の取得方法の切り替えを行うようにしてもよい。
【０１３２】
図１７は、本変形例において、受付端末２０の制御回路部２００により実行する制御手順を表すフローチャートであり、前述の図１２に対応する図である。図１２と同等の手順には同符号を付し説明を省略する。
【０１３３】
図１７において、前述の図１２と異なる点は、ステップＳ５の前にステップＳ２及びステップＳ４を新たに設け、さらにステップＳ３０に代えてステップＳ３０′を設けた点である。すなわち、新たに設けたステップＳ２において、強制的に上記切替制御を行わせる（切替制御禁止を解除し、切り替え可能な状態とする）強制切替フラグＦｍを、切替制御禁止を解除しないことを表すＦｍ＝０に初期化する。
【０１３４】
そして、新たに設けたステップＳ４で、上記切替制御の禁止が設定されたシナリオの個数をカウントする変数Ｎを、Ｎ＝０に初期化する。
【０１３５】
その後のステップＳ５、ステップＳ１０、及びステップＳ２０は前述の図１２と同様であり、タッチパネル２１０に受付開始ボタンを含む初期画面を表示させ、来訪者によって受付開始ボタンが押下され、上記変数ＸをＸ＝１に設定したら、ステップＳ３０に代えて設けたステップＳ３０′に移る。
【０１３６】
ステップＳ３０′では、複数のシナリオを行うシナリオ処理（詳細は後述）を実行する。
【０１３７】
その後のステップＳ４０以降の手順は、前述の図１２とほぼ同様である（但し、ステップＳ６５の手順が終了した後に、前述の図１２ではステップＳ５に戻っていたのに対し、図１７ではステップＳ２に戻る点が異なる）ので、説明を省略する。
【０１３８】
なお、ステップＳ３０′の詳細手順において、前述の図１３と異なる点は、ステップＳ３００のみであり、その他の手順は図１３の各手順と同様である。以下、図１８を用いて、本変形例におけるステップＳ３００（以下、ステップＳ３００′という）の詳細手順を説明する。
【０１３９】
図１８は、ステップＳ３００′の詳細手順を表すフローチャートであり、前述の図１６に対応する図である。図１６と同等の手順には同符号を付し説明を省略する。
【０１４０】
図１８において、前述の図１６と異なる点は、ステップＳ３２０とステップＳ３３０との間にステップＳ３２５を新たに設け、ステップＳ３６０とステップＳ３７０との間にステップＳ３６５を新たに設け、さらにステップＳ３９２、ステップＳ３９４、及びステップＳ３９６を追加した点である。
【０１４１】
すなわち、ステップＳ３１０は、前述の図１６と同様であり、上記雑音フラグＦｎがＦｎ＝１であるかどうかを判定し、Ｆｎ＝１である場合には判定が満たされて、ステップＳ３２０に移る。
【０１４２】
ステップＳ３２０は、前述の図１６と同様であり、現在の上記来訪者情報の取得方法が、発話音声の音声情報による音声認識であるかどうかを判定し、タッチパネル２１０を介しての手動操作入力である場合には判定が満たされず、このルーチンを終了し、音声認識である場合には判定が満たされて、新たに設けたステップＳ３２５に移る。
【０１４３】
ステップＳ３２５では、上記強制切替フラグＦｍがＦｍ＝１であるかどうかを判定する。Ｆｍ＝０である場合には判定が満たされず、ステップＳ３３０に移る。
【０１４４】
ステップＳ３３０は、前述の図１６と同様であり、当該シナリオが上記切替フラグＦｃがＦｃ＝１に設定されたシナリオであるかどうかを判定する。Ｆｃ＝１に設定されたシナリオである場合には、判定が満たされてステップＳ３４０に移る。
【０１４５】
一方、上記ステップＳ３２５において、Ｆｍ＝１である場合には判定が満たされて、直接ステップＳ３４０に移る。
【０１４６】
その後のステップＳ３４０及びステップＳ３５０は、前述の図１６と同様であるので、説明を省略する。
【０１４７】
一方、上記ステップＳ３１０において、Ｆｎ＝０であった場合には判定が満たされず、ステップＳ３６０に移る。
【０１４８】
ステップＳ３６０は、前述の図１６と同様であり、現在の上記来訪者情報の取得方法が、タッチパネル２１０を介しての手動操作入力であるかどうかを判定し、発話音声の音声情報による音声認識である場合には判定が満たされず、このルーチンを終了し、手動操作入力である場合には判定が満たされて、新たに設けたステップＳ３６５に移る。
【０１４９】
ステップＳ３６５では、上記強制切替フラグＦｍがＦｍ＝１であるかどうかを判定する。Ｆｍ＝０である場合には判定が満たされず、ステップＳ３７０に移る。
【０１５０】
ステップＳ３７０は、前述の図１６と同様であり、当該シナリオが上記切替フラグＦｃがＦｃ＝１に設定されたシナリオであるかどうかを判定する。Ｆｃ＝１に設定されたシナリオである場合には、判定が満たされてステップＳ３８０に移る。
【０１５１】
一方、上記ステップＳ３６５において、Ｆｍ＝１である場合には判定が満たされて、直接ステップＳ３８０に移る。
【０１５２】
その後のステップＳ３８０及びステップＳ３９０は、前述の図１６と同様であるので、説明を省略する。
【０１５３】
一方、上記ステップＳ３３０で、当該シナリオがＦｃ＝０に設定されたシナリオであり判定が満たされなかった場合、及び、上記ステップＳ３７０で、当該シナリオがＦｃ＝０に設定されたシナリオであり判定が満たされなかった場合は、新たに設けたステップＳ３９２に移る。
【０１５４】
ステップＳ３９２では、前述の、切替制御の禁止が設定されたシナリオの個数をカウントする変数Ｎの値に１を加え、ステップＳ３９４に移る。
【０１５５】
ステップＳ３９４では、上記変数Ｎの値が所定値Ｎｍ（例えば３）になったかどうかを判定する。まだＮ＝Ｎｍになってない場合には判定が満たされず、このルーチンを終了する。そして、Ｎ＝Ｎｍになったら、判定が満たされてステップＳ３９６に移る。
【０１５６】
ステップＳ３９６では、上記強制切替フラグＦｍを、強制的に上記切替制御を行わせる（切替制御の禁止を解除する）ことを表すＦｍ＝１とし、このルーチンを終了する。
【０１５７】
このように、ステップＳ３９６で、上記強制切替フラグＦｍがＦｍ＝１になることで、当該受付処理の次回のシナリオからは、上記ステップＳ３２５あるいはステップＳ３６５の判定が満たされ、上記ステップＳ３３０あるいはステップＳ３７０の手順が行わずに、直接ステップＳ３４０あるいはステップＳ３８０に移る。これにより、上記切替フラグＦｃがＦｃ＝０に設定されたシナリオ（切替制御が禁止されたシナリオ）であった場合でも、ステップＳ３４０あるいはステップＳ３８０で来訪者情報の取得方法を切り替えることができる。
【０１５８】
すなわち、図１８に示すステップＳ３３０（判定が満たされなかった場合）→ステップＳ３９２→ステップＳ３９４→ステップＳ３９６の手順、及び、ステップＳ３７０（判定が満たされなかった場合）→ステップＳ３９２→ステップＳ３９４→ステップＳ３９６の手順が、禁止制御手段による切替制御を禁止する処理を解除する処理を行う禁止解除手段として機能する。
【０１５９】
以上説明したように、本変形例においては、雑音情報が取得されたＦｎ＝１の場合又は取得されなかったＦｎ＝０の場合に関係なく、切替制御禁止のシナリオの数のカウント値がＮ＝Ｎｍになった場合には、上記来訪者情報の取得方法の切替制御の禁止を解除する。これにより、前述したように、もともと、来訪者に不自然な印象を与えたり混乱を招かないように来訪者情報の取得方法の切り替えを行わないように禁止した場合でも、例えば雑音発生時間が長くなった場合には、正確な来訪者情報の取得を優先し、来訪者情報の取得方法を確実に切り替えることができる。
【０１６０】
なお、この例では、切替制御が禁止設定されたシナリオのカウント値Ｎが所定のＮｍに達したことをもって、雑音情報の取得継続時間が長くなったことを間接的に検出し、これによって上記切替制御の禁止を解除するようにしたが、これに限られない。すなわち、雑音情報の取得継続時間を直接検出し、上記切替制御の禁止を解除するようにしてもよい。
【０１６１】
例えば、受付処理において、来訪者情報の取得方法が発話音声の音声情報による音声認識となっている場合に、所定時間（例えば１分間）継続して雑音情報が取得されたら、上記切替制御の禁止を解除し、来訪者情報の取得方法をタッチパネル２１０を介しての手動操作入力に切り替える。あるいは、来訪者情報の取得方法が手動操作入力となっている場合に、所定時間（例えば１分間）継続して雑音情報が取得されなかったら、来訪者情報の取得方法を音声認識に切り替える。このようにすることで、雑音の発生時間が長くなった場合あるいは雑音が発生しなくなった場合には、適切な来訪者情報の取得方法に確実に切り替えることができる。
【０１６２】
（２）受付開始ボタンが手動操作されたら、所定の音情報を含むかどうかの判断を行う場合
以上においては、受付処理が開始された後、スピーカ２０８を介して案内音声を出力している間に音情報を取得して、雑音情報を含むかどうかの判断を行っていた。しかしながら、これに限られず、来訪者により受付処理を開始する特定条件が検知された場合に、前述の判断を行うようにしてもよい。以下、そのような変形例を説明する。
【０１６３】
図１９は、本変形例において、受付端末２０の制御回路部２００により実行する制御手順を表すフローチャートであり、前述の図１２及び図１７に対応する図である。図１２等と同等の手順には同符号を付し説明を省略する。
【０１６４】
図１９において、ステップＳ５及びステップＳ１０は、前述の図１２と同様であり、タッチパネル２１０に受付開始ボタンを含む初期画面を表示させ、来訪者によって上記受付開始ボタンが手動操作されたかどうかを判定し、上記受付開始ボタンが押下されたら判定が満たされて、新たに設けたステップＳ１１に移る。
【０１６５】
ステップＳ１１では、マイク２０７Ｌ，２０７Ｒ（いずれか一方、又は両方でも良い）を介し入力された音により、対応する振幅あるいは周波数を含む音情報を取得する（音取得手段としての機能）。
【０１６６】
そして、新たに設けたステップＳ１３で、上記ステップＳ１１で取得された音情報が所定の音情報（この例では雑音情報）を含むかどうかの判定を行う（音情報判断手段としての機能）。雑音情報を含んでいた場合には判定が満たされ、新たに設けたステップＳ１４に移る。
【０１６７】
ステップＳ１４は、前述の図１５のステップＳ２６０と同様であり、上記雑音フラグＦｎをＦｎ＝１とし、ステップＳ３００に移る。
【０１６８】
一方、上記ステップＳ１３において、上記ステップＳ１１で取得された音情報が雑音情報を含まなかった場合は判定が満たされず、新たに設けたステップＳ１５に移る。
【０１６９】
ステップＳ１５は、前述の図１５のステップＳ２７０と同様であり、上記雑音フラグＦｎをＦｎ＝０とし、ステップＳ３００に移る。
【０１７０】
ステップＳ３００は、前述の図１３とほぼ同様であり、上記ステップＳ１３での判定結果に対応した、上記来訪者情報の取得方法（発話音声の音声情報による音声認識、若しくは、タッチパネル２１０を介しての手動操作入力）の切替制御を行う切替処理（詳細は前述の図１６参照）を実行する。その後、ステップＳ２０に移る。
【０１７１】
ステップＳ２０は、前述の図１２と同様であり、上記変数ＸをＸ＝１に設定したら、前述の図１２のステップＳ３０に代えて設けたステップＳ３０′に移る。
【０１７２】
ステップＳ３０′では、複数のシナリオを行うシナリオ処理（詳細は後述）を実行する。
【０１７３】
その後のステップＳ４０、ステップＳ５０、ステップＳ６０、及びステップＳ６５は、前述の図１２と同様であるので、説明を省略する。
【０１７４】
本変形例におけるステップＳ３０′の詳細手順では、前述の図１３に示すステップＳ３０の詳細手順におけるステップＳ９０、ステップＳ１００、ステップＳ２００、及びステップＳ３００が省略される。すなわち、図１３のステップＳ８０において、当該シナリオが上記入力フラグＦｉがＦｉ＝１に設定されたシナリオであるかどうかを判定する。Ｆｉ＝０に設定されたシナリオであり判定が満たされなかった場合には、図１３のルーチンを終了し、Ｆｉ＝１に設定されたシナリオであり判定が満たされた場合には、ステップＳ４００に移る。その後のステップＳ４１０〜ステップＳ４６０は、前述の図１３と同様である。
【０１７５】
なお、上記において、図１９に示すステップＳ１０が、受付処理を開始するための特定条件（この例では来訪者により上記受付開始ボタンが手動操作される）を検知する検知手段として機能する。
【０１７６】
このように、本変形例においては、受付処理を開始するための特定条件（上記の例では来訪者により上記受付開始ボタンが手動操作される）を検知し、この特定条件が検知された場合に、マイク２０７Ｌ，２０７Ｒに入力された音により音情報を取得する。そして、この取得された音情報が雑音情報を含むかどうかの判断を行い、複数のシナリオに沿った受付処理が開始される前に（＝図１９のステップＳ３０′が実行される前に）、上記判断結果に対応した、来訪者情報の取得方法に切替制御する。これにより、特定条件が検知された時点で既に周囲環境の雑音等が生じていた場合には、複数のシナリオに沿った受付処理が開始される前に、来訪者情報の取得方法を、発話音声の音声情報による音声認識か、若しくは、タッチパネル２１０を介しての手動操作入力に切り替えることができる。
【０１７７】
なお、本変形例においては、上記特定条件が、来訪者により上記受付開始ボタンが手動操作されることであった場合を示したが、これに限られず、例えば、周知の人感センサ又はカメラ等により来訪者を検知すること、あるいは、来訪者情報を格納する来訪者予約データベースの来訪者の来訪予約時間を参照し、来訪者が来訪する予定の所定の時間帯（例えば、来訪予約時間の前後１５分間など）になること等であってもよい。この場合も、本変形例と同様の効果を得る。
【０１７８】
（３）音量レベルが所定のしきい値以上である雑音情報を取得したら、切替制御を禁止する処理を解除する場合
すなわち、上記切替フラグＦｃ＝０に設定されたシナリオ（切替制御が禁止されたシナリオ）であっても、例えば音量レベルが所定のしきい値（例えば、−５［ｄＢ］）以上の雑音情報を取得したら、上記切替制御の禁止を解除する。これにより、来訪者情報の取得方法の切り替えを禁止した場合でも、雑音の音量が大きく音声認識精度が著しく低下するような場合には、正確な来訪者情報の取得を優先し、操作情報に基づく来訪者情報の取得へと確実に切り替えることができる。
【０１７９】
（４）その他
上記においては操作手段がタッチパネル２１０である場合を示したが、これに限られない。すなわち、通常のキーやボタン等の操作手段を用い、これによって来訪者が上記自己の氏名や会社名等を操作入力するようにしてもよい。
【０１８０】
なお、以上において、図６、図７等の各図中に示す矢印は信号の流れの一例を示すものであり、信号の流れ方向を限定するものではない。
【０１８１】
また、図１２〜図１９に示すフローチャートは本発明を上記フローに示す手順に限定するものではなく、発明の趣旨及び技術的思想を逸脱しない範囲内で手順の追加・削除又は順番の変更等をしてもよい。
【０１８２】
また、以上既に述べた以外にも、上記実施形態や各変形例による手法を適宜組み合わせて利用しても良い。
【０１８３】
その他、一々例示はしないが、本発明は、その趣旨を逸脱しない範囲内において、種々の変更が加えられて実施されるものである。
【符号の説明】
【０１８４】
２０ 受付端末（受付装置）
２０７Ｌ，Ｒ マイク（音声入力手段）
２０８ スピーカ（音声出力手段）
２１０ タッチパネル（操作手段）
【特許請求の範囲】
【請求項１】
ユーザに対し、予め定められた複数の処理手順に沿った受付処理を行う受付装置であって、
前記ユーザの手動操作により操作情報を入力可能な操作手段と、
音声を入力するための少なくとも１つの音声入力手段と、
前記音声入力手段を介し入力された音により、対応する振幅あるいは周波数を含む音情報を取得する音取得手段と、
前記音声入力手段に入力された前記ユーザの発話音声による音声情報か、若しくは、前記操作手段に入力された前記操作情報に基づき、前記ユーザに係わるユーザ情報を取得するユーザ情報取得手段と、
前記音取得手段により取得される音情報が所定の音情報を含むかどうかの判断を行う音情報判断手段と、
前記音情報判断手段により前記音情報が所定の音情報を含むと判断された場合に、所定の切替タイミングで、前記ユーザ情報取得手段による前記ユーザ情報の取得を、前記音声情報に基づく前記ユーザ情報の取得か、若しくは、前記操作情報に基づく前記ユーザ情報の取得に切替制御可能な取得制御手段とを有し、
前記ユーザ情報取得手段は、
前記取得制御手段による前記切替制御に対応した、前記音声情報に基づく前記ユーザ情報、若しくは、前記操作情報に基づく前記ユーザ情報を取得する
ことを特徴とする受付装置。
【請求項２】
前記受付処理を開始するための特定条件を検知する検知手段をさらに有し、
前記音情報判断手段は、
前記検知手段により前記特定条件が検知された場合に、前記音取得手段により取得される前記音情報が前記所定の音情報を含むかどうかの判断を行う
ことを特徴とする請求項１記載の受付装置。
【請求項３】
音声を出力するための音声出力手段と、
各処理手順ごとに、対応する装置発話音声を前記音声出力手段を介し出力する発話手段と、
複数の前記音声入力手段を介し入力された音に応じて前記音取得手段により取得された音情報に基づき、前記装置発話音声による音声情報と前記所定の音情報としての非音声情報とを識別する情報識別手段と
をさらに有し、
前記音取得手段は、
前記発話手段が前記装置発話音声の出力を行っている間に、複数の前記音声入力手段に入力された音により、前記音情報を取得し、
前記音情報判断手段は、
前記情報識別手段により識別された前記非音声情報が所定の音情報を含むかどうかの判断を行い、
前記取得制御手段は、
前記所定の切替タイミングとして、前記発話手段が前記装置発話音声の出力を行っている間に、前記音情報判断手段による判断結果に対応した、前記ユーザ情報取得手段の前記切替制御を行う
ことを特徴とする請求項１記載の受付装置。
【請求項４】
前記音情報判断手段は、
前記情報識別手段により識別された前記非音声情報が、所定のしきい値未満である音情報を含むかどうかの判断を行う
ことを特徴とする請求項３記載の受付装置。
【請求項５】
特定の前記処理手順においては、前記音取得手段により前記非音声情報が取得された場合、及び、前記非音声情報が取得されなかった場合のいずれにおいても、前記ユーザ情報取得手段の前記切替制御を禁止する処理を行う禁止制御手段をさらに有する
ことを特徴とする請求項３又は請求項４記載の受付装置。
【請求項６】
前記音取得手段による前記非音声情報の取得継続時間に応じて、前記禁止制御手段による前記切替制御を禁止する前記処理を解除する処理を行う禁止解除手段をさらに有する
ことを特徴とする請求項５記載の受付装置。
【請求項７】
前記取得制御手段による前記切替制御の実行時に、対応する切替報知を前記ユーザに対し行う報知手段をさらに有する
ことを特徴とする請求項１乃至請求項６のいずれか１項記載の受付装置。
【請求項１】
ユーザに対し、予め定められた複数の処理手順に沿った受付処理を行う受付装置であって、
前記ユーザの手動操作により操作情報を入力可能な操作手段と、
音声を入力するための少なくとも１つの音声入力手段と、
前記音声入力手段を介し入力された音により、対応する振幅あるいは周波数を含む音情報を取得する音取得手段と、
前記音声入力手段に入力された前記ユーザの発話音声による音声情報か、若しくは、前記操作手段に入力された前記操作情報に基づき、前記ユーザに係わるユーザ情報を取得するユーザ情報取得手段と、
前記音取得手段により取得される音情報が所定の音情報を含むかどうかの判断を行う音情報判断手段と、
前記音情報判断手段により前記音情報が所定の音情報を含むと判断された場合に、所定の切替タイミングで、前記ユーザ情報取得手段による前記ユーザ情報の取得を、前記音声情報に基づく前記ユーザ情報の取得か、若しくは、前記操作情報に基づく前記ユーザ情報の取得に切替制御可能な取得制御手段とを有し、
前記ユーザ情報取得手段は、
前記取得制御手段による前記切替制御に対応した、前記音声情報に基づく前記ユーザ情報、若しくは、前記操作情報に基づく前記ユーザ情報を取得する
ことを特徴とする受付装置。
【請求項２】
前記受付処理を開始するための特定条件を検知する検知手段をさらに有し、
前記音情報判断手段は、
前記検知手段により前記特定条件が検知された場合に、前記音取得手段により取得される前記音情報が前記所定の音情報を含むかどうかの判断を行う
ことを特徴とする請求項１記載の受付装置。
【請求項３】
音声を出力するための音声出力手段と、
各処理手順ごとに、対応する装置発話音声を前記音声出力手段を介し出力する発話手段と、
複数の前記音声入力手段を介し入力された音に応じて前記音取得手段により取得された音情報に基づき、前記装置発話音声による音声情報と前記所定の音情報としての非音声情報とを識別する情報識別手段と
をさらに有し、
前記音取得手段は、
前記発話手段が前記装置発話音声の出力を行っている間に、複数の前記音声入力手段に入力された音により、前記音情報を取得し、
前記音情報判断手段は、
前記情報識別手段により識別された前記非音声情報が所定の音情報を含むかどうかの判断を行い、
前記取得制御手段は、
前記所定の切替タイミングとして、前記発話手段が前記装置発話音声の出力を行っている間に、前記音情報判断手段による判断結果に対応した、前記ユーザ情報取得手段の前記切替制御を行う
ことを特徴とする請求項１記載の受付装置。
【請求項４】
前記音情報判断手段は、
前記情報識別手段により識別された前記非音声情報が、所定のしきい値未満である音情報を含むかどうかの判断を行う
ことを特徴とする請求項３記載の受付装置。
【請求項５】
特定の前記処理手順においては、前記音取得手段により前記非音声情報が取得された場合、及び、前記非音声情報が取得されなかった場合のいずれにおいても、前記ユーザ情報取得手段の前記切替制御を禁止する処理を行う禁止制御手段をさらに有する
ことを特徴とする請求項３又は請求項４記載の受付装置。
【請求項６】
前記音取得手段による前記非音声情報の取得継続時間に応じて、前記禁止制御手段による前記切替制御を禁止する前記処理を解除する処理を行う禁止解除手段をさらに有する
ことを特徴とする請求項５記載の受付装置。
【請求項７】
前記取得制御手段による前記切替制御の実行時に、対応する切替報知を前記ユーザに対し行う報知手段をさらに有する
ことを特徴とする請求項１乃至請求項６のいずれか１項記載の受付装置。
【図１】
【図２】
【図３】
【図４】
【図５】
【図６】
【図７】
【図８】
【図９】
【図１０】
【図１１】
【図１２】
【図１３】
【図１４】
【図１５】
【図１６】
【図１７】
【図１８】
【図１９】
【図２】
【図３】
【図４】
【図５】
【図６】
【図７】
【図８】
【図９】
【図１０】
【図１１】
【図１２】
【図１３】
【図１４】
【図１５】
【図１６】
【図１７】
【図１８】
【図１９】
【公開番号】特開２０１０−２３０９９４（Ｐ２０１０−２３０９９４Ａ）
【公開日】平成２２年１０月１４日（２０１０．１０．１４）
【国際特許分類】
【出願番号】特願２００９−７８７２９（Ｐ２００９−７８７２９）
【出願日】平成２１年３月２７日（２００９．３．２７）
【出願人】（０００００５２６７）ブラザー工業株式会社 (13,856)
【Ｆターム（参考）】
【公開日】平成２２年１０月１４日（２０１０．１０．１４）
【国際特許分類】
【出願日】平成２１年３月２７日（２００９．３．２７）
【出願人】（０００００５２６７）ブラザー工業株式会社 (13,856)
【Ｆターム（参考）】
[ Back to top ]