特許ウォッチ

公開番号2024071951
公報種別公開特許公報(A)
公開日2024-05-27
出願番号2022182491
出願日2022-11-15
発明の名称情報処理装置、情報処理方法、及びプログラム
出願人キヤノン株式会社
代理人弁理士法人谷・阿部特許事務所
主分類G10L 13/08 20130101AFI20240520BHJP(楽器;音響)
要約【課題】墨消しされた文字列が読み上げられる代わりに墨消しされた文字列の項目が識別可能な音声が再生される音声データを生成すること。
【解決手段】
情報処理装置は、文書画像における文字列を音声に変換して得られた第1の音声データと、前記文書画像における墨消し処理の対象となる所定の項目をユーザに識別させるための第2の音声データと、を取得する取得手段と、前記文書画像における文字列を読み上げる読み上げ音声データを生成する生成手段と、を有し、前記生成手段は、前記文書画像における前記所定の項目の文字列に対応する部分については、前記所定の項目の文字列が読み上げられる代わりに前記第2の音声データに基づく音声が再生されるように、前記第1の音声データと前記第2の音声データとを用いて前記読み上げ音声データを生成する。
【選択図】図9
特許請求の範囲【請求項１】
文書画像における文字列を音声に変換して得られた第１の音声データと、前記文書画像における墨消し処理の対象となる所定の項目をユーザに識別させるための第２の音声データと、を取得する取得手段と、
前記文書画像における文字列を読み上げる読み上げ音声データを生成する生成手段と、を有し、
前記生成手段は、
前記文書画像における前記所定の項目の文字列に対応する部分については、前記所定の項目の文字列が読み上げられる代わりに前記第２の音声データに基づく音声が再生されるように、前記第１の音声データと前記第２の音声データとを用いて前記読み上げ音声データを生成する
ことを特徴とする情報処理装置。
続きを表示（約 1,000 文字）【請求項２】
前記第２の音声データは、前記所定の項目を示す音声を含む音声のデータである
ことを特徴とする請求項１に記載の情報処理装置。
【請求項３】
前記第２の音声データは、前記所定の項目のカテゴリを示す音声を含む音声のデータである
ことを特徴とする請求項１に記載の情報処理装置。
【請求項４】
前記第２の音声データは、個人情報であることを示す音声を含む音声のデータである
ことを特徴とする請求項３に記載の情報処理装置。
【請求項５】
前記第２の音声データは、機密情報であることを示す音声を含む音声のデータである
ことを特徴とする請求項３に記載の情報処理装置。
【請求項６】
前記第２の音声データは、前記所定の項目であることを示すビープ音のデータである
ことを特徴とする請求項１に記載の情報処理装置。
【請求項７】
前記取得手段は、
前記所定の項目をユーザに識別させるための複数の音のうちから選択された音のデータを、前記第２の音声データとして取得する
ことを特徴とする請求項１に記載の情報処理装置。
【請求項８】
前記複数の音のうちの何れかの音をユーザが選択するための第１の設定画面を表示部に表示させる表示制御手段をさらに有し、
前記取得手段は、前記第１の設定画面を介して選択された音のデータを、前記第２の音声データとして取得する
ことを特徴とする請求項７に記載の情報処理装置。
【請求項９】
前記墨消し処理の対象とする項目を選択するための第２の設定画面を表示部に表示させる表示制御手段をさらに有し、
前記所定の項目は、前記第２の設定画面を介してユーザが選択した項目である
ことを特徴とする請求項１に記載の情報処理装置。
【請求項１０】
前記文書画像に含まれる文字列を認識する認識手段と、
前記文書画像から認識された文字列から、前記所定の項目の文字列を抽出する抽出手段と、
前記抽出された文字列が前記文書画像に表示されないように、前記墨消し処理がされる前の前記文書画像に前記墨消し処理する処理手段と、
前記墨消し処理された前記文書画像を表示部に表示させる表示制御手段と、
をさらに有することを特徴とする請求項１に記載の情報処理装置。
（【請求項１１】以降は省略されています）
発明の詳細な説明【技術分野】
【０００１】
本開示は、文字列データを音声データに変換する技術に関する。
続きを表示（約 1,800 文字）【背景技術】
【０００２】
スキャンまたはＦＡＸ等で文書を読み取ることで得られた文書画像の中には、個人情報（例えば、氏名、住所）または機密情報（例えば、取引先の会社名）を示す文字列が含まれる場合がある。このような文書画像に対して、個人情報または機密情報を示す文字列を墨消し（不可視化）するように加工して出力する技術が知られている。また、文書画像に対してＯＣＲ処理を実行し、その結果得られた文字列を音声データに変換して出力する技術が知られている。
【０００３】
特許文献１は、文書画像における墨消しされた文字列が読み上げられる際にはＢＧＭを流すことが開示されている。
【先行技術文献】
【特許文献】
【０００４】
特開２０１２－２３１２６８号公報
【発明の概要】
【発明が解決しようとする課題】
【０００５】
文書画像内の墨消しされた文字列が読み上げられる代わりにＢＧＭが再生されると、ユーザは、どの項目の文字列が墨消しされたかを判別できなくなることがある。
【０００６】
例えば、音声データを使用するユーザには、運転中、歩行中、または外出先にいるユーザのようなＰＣ等の画面を閲覧できない環境に置かれたユーザがいる。または、ＰＣの操作ができないユーザ、目の不自由なユーザ、小さい文字が読めない高齢者のユーザがいる。これらのユーザは、音声のみによって文書の内容を理解するために、文書画像から生成された音声データを利用することが考えらえる。即ち、文書画像を表示させずに、文書画像から生成された音声データを再生することが考えらえる。この場合、墨消しされた文字列の音声の代わりにＢＧＭが再生されると、ユーザは、どの項目が墨消しされたかを前後関係や文脈から予測しなければならない。
【０００７】
また、ＰＣ等の画面に文書画像を表示しながら文書画像内の文字列の音声を聴くために、音声データが用いられる場合がある。例えば、ＰＣ等の画面を閲覧できる環境下に置かれたユーザが、画面に表示された文書画像を目視で確認しながら音声で文書の内容を理解するために音声データが用いられる。この場合、項目を表す文字列（例えば、「氏名」の文字列）の記載がない当該項目に対応する文字列（例えば、「山田太郎」の文字列）が墨消しされると、どの項目の文字列が墨消しされたかを文書画像からも判別することが困難となる場合がある。
【課題を解決するための手段】
【０００８】
本開示の情報処理装置は、文書画像における文字列を音声に変換して得られた第１の音声データと、前記文書画像における墨消し処理の対象となる所定の項目をユーザに識別させるための第２の音声データと、を取得する取得手段と、前記文書画像における文字列を読み上げる読み上げ音声データを生成する生成手段と、を有し、前記生成手段は、前記文書画像における前記所定の項目の文字列に対応する部分については、前記所定の項目の文字列が読み上げられる代わりに前記第２の音声データに基づく音声が再生されるように、前記第１の音声データと前記第２の音声データとを用いて前記読み上げ音声データを生成することを特徴とする。
【発明の効果】
【０００９】
本開示によれば、墨消しされた文字列が読み上げられる代わりに墨消しされた文字列の項目が識別可能な音声が再生される音声データを生成できる。
【図面の簡単な説明】
【００１０】
情報処理システムの構成を示す図である。
画像形成装置、学習装置、情報処理装置のハードウェア構成を示す図である。
情報処理システムの利用シーケンスを説明するための図である。
文書の一例および墨消し処理の設定画面の一例を示す図である。
固有表現ラベルに対応した文字列群の一例を示す図である。
文字列群をグループ分けの方法の一例を説明するための概念図である。
文字列抽出器を生成する方法を説明するためのフローチャートである。
墨消し処理の流れを説明するためのフローチャートである。
音声変換処理の流れを説明するためのフローチャートである。
墨消し対象の文字列の代わりに挿入する音を説明するための図である。
【発明を実施するための形態】
（【００１１】以降は省略されています）

関連特許