JP2012514938A - 自動ボイスメールプレビューを介した高度なボイスメールの使用 - Google Patents

Abstract

ボイスメールのテキストでのプレビューが生成され、電子メールまたは同様の媒体を通して音声バージョンと共にユーザに提供される。テキストバージョンのトランスクリプションに加えて、使用可能な言葉、再生−ジャンプ、テキストバージョンと音声バージョンとの間の切替え、直接またはメタデータベースの検索、および高度な応答能力、等の追加の能力が、ボイスメールメタデータ、および、コンタクトリスト、電子メール履歴等のユーザ関連のデータストアから得られる文脈的データに基づき提供される。

Description

本発明は、自動ボイスメールプレビューを介した高度なボイスメールの使用に関する。

ユーザの電子メールまたはインスタントメッセージの受信トレイ内のユーザのボイスメールに、ユーザがアクセスすることが一般的になってきている。主としてこれは、電子メール（またはインスタントメッセージ）への音声の添付という形式であり、音声にはボイスメールの内容が含まれる。音声は必要な時に再生できる。ボイスメールの処理は、電子メールおよび同様の技術が優位を占める情報産業労働者の典型的な通信ワークフローにおいては、不連続なものとされることが多い。

他のアプローチでは、ボイスメールのトランスクリプション（音声転写）が（自動的にまたは人が使用することにより）ユーザの受信トレイ内に生成される。これらのサービスは典型的には、ユーザの通常のデータフロー内には統合されない。それらの第１の価値はトランスクリプションそのものを読み上げることから得られ、従ってほぼ完璧なトランスクリプションが重要である。

この要約は、以下の「発明を実施するための形態」でさらに述べる概念を選択して簡略化した形式で紹介するために提供されるものである。この要約は、「特許請求の範囲」の主題の重要な特徴または本質的な特徴を特定することだけを意図しているものではなく、また「特許請求の範囲」の主題の範囲を決定する際の助けであるとも意図していない。

実施形態では、ユーザに関連するデータソースとボイスメールメタデータとから自動的に抽出される情報を利用して、テキストフォーマットと音声フォーマットの組み合わせでボイスメールプレビューを可能にすることを対象とする。ボイスメールのテキストバージョンと音声バージョンとの間を再生−ジャンプにより交互に切替える能力に加えて、ボイスメールプレビューの要素および相互作用により、ボイスメールの価値はテキストの単なる読み上げを超えて拡大される。いくつかの実施形態に従って、文脈的データを使用して、ボイスメール内の情報が表面化され使用可能にされる。

これらおよび他の特徴および利点は、以下の「発明を実施するための形態」を読むことにより、および関連する図面を精査することにより、明らかになるであろう。前述の一般的説明および以下の「発明を実施するための形態」の両方は説明のためのものであり、「特許請求の範囲」の態様を制限するものではないことは理解されるであろう。

自動ボイスメールプレビューを介した高度なボイスメールの使用のための実施形態が実装される、一例の統合通信システムを例示する図である。 高度なボイスメールプレビューを提供するための基本例のシステムを例示する概念図である。 実施形態に従って、高度なボイスメールプレビューを提供する際の主要なコンポーネントを例示する図である。 高度なボイスメールプレビューを提供するための一例のユーザインタフェースの画面例を示す図である。 実施形態に従って、システムを実装することができるネットワーク化された環境の図である。 実施形態を実装することができる一例のコンピュータ動作環境のブロック図である。 実施形態に従って、高度なボイスメールプレビューを提供するための論理フロー図を例示する図である。

上記で簡単に説明したように、ボイスメールのテキストでのプレビューを生成して、音声バージョンと共に電子メールまたは同様の媒体を通してユーザに提供することができる。テキストバージョンへのトランスクリプションに加えて、使用可能な情報等の追加の能力が、ユーザ関連のデータストアとボイスメールメタデータとから得られる文脈的データに基づき実行される。以下の詳細な説明において、その一部を形成する添付の図面を参照するが、そこでは特定の実施形態または例が例示として示される。本開示の趣旨および範囲から逸脱することなくこれらの態様を組み合わせることができ、他の態様を使用することができ、構造的変更が可能である。以下の詳細な説明は従って制限するものとして解釈されるべきではなく、本発明の範囲は添付の「特許請求の範囲」およびその等価物により定義される。

実施形態は、パーソナルコンピュータ上のオペレーティングシステム上で実行されるアプリケーションプログラムと併せて実行されるプログラムモジュールの一般的コンテキストで記載されるが、当業者は、他のプログラムモジュールと組み合わせて態様を実装することもできることを理解するであろう。

一般にプログラムモジュールには、ルーチン、プログラム、コンポーネント、データ構造および特定のタスクを実行する、または特定の抽象データタイプを実装する他のタイプの構造が含まれる。その上当業者は、ハンドヘルドデバイス、マルチプロセッサシステム、マイクロプロセッサベースまたはプログラム可能の家庭用電化製品、ミニコンピュータ、メインフレームコンピュータおよび同様のコンピュータデバイスを含む他のコンピュータシステム構成を用いて、実施形態を実践できることを理解するであろう。実施形態はまた、通信ネットワークを通してリンクされるリモート処理デバイスによりタスクが実行される分散コンピュータ環境において実践することができる。分散コンピュータ環境において、ローカルおよびリモート両方のメモリ記憶装置にプログラムモジュールを配置することができる。

実施形態は、コンピュータに実装されるプロセス（方法）、コンピュータシステムとして、またはコンピュータプログラム製品またはコンピュータ読み取り可能な媒体等の製造品として、実装され得る。コンピュータプログラム製品は、コンピュータシステムにより読み取ることができるコンピュータ記憶媒体、およびコンピュータまたはコンピュータシステムに例示のプロセスを実行させるための命令が含まれるコンピュータプログラムを符号化するコンピュータ記憶媒体とすることができる。コンピュータ可読記憶媒体は、例えば１又は複数の揮発性コンピュータメモリ、不揮発性メモリ、ハードドライブ、フラッシュドライブ、フロッピーディスク、またはコンパクトディスクおよび同等の媒体を介して実装され得る。コンピュータプログラム製品はまた、搬送波において伝播される信号（例えば周波数変調信号または位相変調信号）、またはコンピュータシステムにより読み取ることができる媒体およびコンピュータ処理を実行するための命令のコンピュータプログラムを符号化する媒体とすることができる。

本明細書を通して、用語「プラットフォーム」はボイスメールプレビューの配信に利用される通信アプリケーションを管理するためのソフトウェアコンポーネントおよびハードウェアコンポーネントの組み合わせとすることができる。プラットフォームの例には、複数のサーバに亘って実行されるホスト型サービス、単一のサーバ上で実行されるアプリケーション、および同等のシステムが含まれるがこれに限定されない。一般的に用語「サーバ」は、典型的にはネットワーク化された環境における１つまたは複数のソフトウェアプログラムを実行するコンピュータデバイスに言及する。しかしサーバはまた、ネットワーク上ではサーバとみなされる１つまたは複数のコンピュータデバイスにおいて実行される仮想サーバ（ソフトウェアプログラム）として実装され得る。これらの技術および例示の動作についてのさらなる詳細が、以下に提供される。

さらに用語「ボイスメールプレビュー」は、本明細書において使用されるとき使用可能なアイテムでマークアップされ、電子メールアプリケーション、インスタントメッセージアプリケーション、および同様の通信アプリケーション等の生産性サービスに統合されるボイスメールから得られるテキストデータに言及する。テキストデータには、マシントランスクリプション（例えば自動音声認識）、人によるトランスクリプションおよび完全なボイスメールまたは同じボイスメールについての概要を反映することができる同等の形式を含むことができる。いくつかの実施形態に従うと、ボイスメールから得られるデータはまた、グラフィカルな特徴を含むことができる。

図１を参照すると、自動ボイスメールプレビューを通した高度なボイスメールの使用のための実施形態を実装することができる、統合通信システムの例の略図１００が例示される。統合通信システムは、契約者に提供することができる高度なボイスメールプレビュー等の広範囲の能力およびサービスを有する現代の通信システムの一例である。統合通信システムは、インスタントメッセージ、プレゼンス、音声−映像会議、ウェブ会議機能および同等の能力を容易にするリアルタイムの通信システムである。

略図１００に示すような統合通信（「ＵＣ」）システムにおいて、ユーザは、ＵＣシステムのクライアントデバイスである様々な端末デバイス（１０２，１０４）を介して通信することができる。各クライアントデバイスは、音声通信、映像通信、インスタントメッセージ、アプリケーション共有、データ共有などのための１つまたは複数の通信アプリケーションを実行する能力がある。その高度な機能性に加えて、端末デバイスは、ＰＢＸ１２４を通すなど、外部接続を通して公衆交換電話網（「ＰＳＴＮ」）への従来の電話の通話を容易にすることもできる。端末デバイスには、任意のタイプのスマートフォン、携帯電話、通信アプリケーションを実行する任意のコンピュータデバイス、スマート車用コンソール、および追加の機能性を有する高度な電話機が含まれる。

ＵＣネットワーク１１０には、異なるタスクを実行する多数のサーバが含まれる。例えばＵＣサーバ１１４は、登録、プレゼンス、およびルーティング機能を提供する。ルーティング機能性は、システムが初期設定および／またはユーザ設定のポリシーに基づき、ユーザに割り当てられるクライアントデバイスのいずれかにユーザへの電話をルーティングすることを可能にする。例えばユーザが通常の電話回線を通して電話を利用できない場合、電話呼び出しをユーザの携帯電話に転送することができ、その電話呼び出しが応答でない場合、多数のボイスメールオプションを利用することができる。端末デバイスが追加の通信モードを扱うことができるので、ＵＣサーバ１１４は、アクセスサーバ１１２を介してこれらの追加の通信モード（例えばインスタントメッセージ、映像通信等）へのアクセスを提供することができる。アクセスサーバ１１２は境界ネットワークに存在し、ＵＣネットワーク１１０を介して追加の通信モードの１つにある他のユーザとの接続を可能にする。ＵＣサーバ１１４には、上述の機能性の組み合わせを実行するサーバ、または特定の機能性のみ提供する専用のサーバを含むことができる。例えばプレゼンス機能性を提供するホームサーバ、ルーティング機能性を提供するルーティングサーバ、権利管理サーバなどである。同様にアクセスサーバ１１２は、ファイアウォールの保護および接続等の複数の機能性、または特定の機能性のみを提供することができる。

音声／映像（Ａ／Ｖ）会議サーバ１１８は、内部または外部のネットワーク上での会議能力を容易にすることにより、音声および／または映像の会議能力を提供する。仲介サーバ１１６は、ＰＳＴＮまたは携帯電話ネットワーク等の他のタイプのネットワークへの、又はそのネットワークからの信号伝達および媒体（例えばＰＢＸ１２４を介した電話、または携帯電話１２２からの電話）を仲介する。ボイスメールサーバ１１５は、いくつかの実施形態に従って、ボイスメールの記憶および配信、音声ファイルのテキストデータへのトランスクリプションおよび高度なボイスメールプレビュー電子メールまたはインスタントメッセージ生成、などのタスクを実行するＵＣシステムの契約者のボイスメールを管理することができる。仲介サーバ１１６はまた、ＳＩＰ（Session Initiation Protocol）のユーザエージェントとして作動することができる。

ＵＣシステムにおいてユーザは１つまたは複数のアイデンティティを持つことができ、これは必ずしも電話番等に限定する必要がない。アイデンティティは、統合ネットワークに依存して、電話番号、ＳＩＰのＵＲＩ（Uniform Resource Identifier）、または任意の他の識別子等の任意の形式とすることができる。ＵＣシステムでは任意のプロトコルを使用できるが、ＳＩＰが好ましい方法である。

ＳＩＰは、１つまたは複数の参加者とのセッションを生成、変形および終了するためのアプリケーション層制御（信号伝達）プロトコルである。これを使用して、２パーティのセッション、マルチパーティセッション、またはインターネット電話、マルチメディア配信およびマルチメディア会議を含むマルチキャストセッションが生成される。ＳＩＰは、下にあるトランスポート層とは独立するよう設計される。

ＳＩＰクライアントは、ＴＣＰ（Transport Control Protocol）を使用して、ＳＩＰサーバおよび他のＳＩＰのエンドポイントに接続することができる。ＳＩＰは、主に音声電話または映像電話を開設および閉鎖する時に使用される。しかしセッションの初期化が必要条件である任意のアプリケーションにおいてＳＩＰを使用することができる。これらはイベントサブスクリプションおよび通知、端末移動性などを含む。音声および／または映像の通信は典型的には、別個のセッションプロトコル、通常はＲＴＰ（Real Time Protocol）で行われる。

図１における例示のシステムが、仲介サーバ、Ａ／Ｖサーバ、および同様のデバイス等の特定のコンポーネントと共に記載されたが、実施形態は例示のコンポーネントおよび構成のこのシステムに限定されない。高度なボイスメールプレビューのためのサービスは、より少ないまたは追加のコンポーネントを採用する他のシステムおよび構成において実装することができる。さらにそのようなシステムは、種々の通信モードを統合する高度な通信システムである必要はない。実施形態はまた、本明細書において記載した原理を使用してＰＳＴＮまたは携帯電話ネットワーク等の従来の通信システムにおいて配信されるボイスメールに対しても実装され得る。

図２は、高度なボイスメールプレビューを提供するための基本例のシステムを例示する概念図２００である。実施形態に従うシステムには、図１において例示して検討したもの等の多数のサーバ、クライアントデバイスおよびサービスが含まれる可能性が高いが、実施形態に関するシステムのみが図２に示される。

上記で検討したように、ボイスメールを聴くことが、添付の録音などの形式においても不可能であるか又は不便である多くの状況がある。ボイスメールをテキスト形式にしたものは、多くの場合有益であるが、利用可能な解決策には、前述したトランスクリプション固有の欠点がある。実施形態は、より完全にかつより豊かに、ボイスメールをユーザの情報ワークフローに統合することをサポートする技術を提供する。ユーザの最も普及した情報処理（電子メール、インスタントメッセージおよび同様の形式）へのこの統合は、ユーザのデータストアにおいて利用可能な文脈により支援され、単なるメッセージの読み上げを超えた音声ナビゲーション、コンタクトの生成、ボイスメールの検索、インスタントメッセージの挙動および同等のもの等の追加の能力を提供する。

いくつかの実施形態に従って、ボイスメールのテキストでのプレビューが自動音声認識により生成され、電子メール、インスタントメッセージまたは同様のメッセージ技術を通して受け手に配信される。音声認識装置が、一実施形態に従ってボイスメール及びメッセージシステムに直接統合される。この深化した統合により、音声認識装置は、発呼側および着呼側についての重要な文脈的情報を活用して認識の精度（忠実性）を向上させることができる。この情報には、当事者の名前、当事者のそれぞれのコンタクトリスト、当事者の組織構造、当事者間の以前の通信、当事者に関する通信等が含まれるがこれに限定されない。しかし上記で触れたように、実施形態は自動音声認識により生成されるデータに限定されない。使用可能なアイテムおよび文脈的情報はまた、人がトランスクライブした（音声転写した）データ、人がトランスクライブしたデータと機械が生成したデータの組み合わせおよびクライアントアプリケーションが解読可能なスキーマでマークアップされた同等の情報を採用して、提供される。

従って例示のシステムにおけるボイスメールサーバ２３４は、音声形式のボイスメールを受信し、さらにプレゼンスサーバ２３６、電子メールサーバ２３８などのようなソースから文脈的情報を受信する。例えばプレゼンス情報には、発呼側に関連する場所を含むことができ、ボイスメール内の言葉は、発呼側の場所についての知見に基づき、より高い精度で認識されることが可能である。ボイスメールサーバ２３４は、音声認識装置または別のトランスクリプションソースからのテキストを処理することができ、重要な情報（例えば、名前または重要なポイント）を識別し、特にはレンダリングし、およびユーザの利益にふさわしいものとして使用可能にし得る。レンダリングサブシステムは、音声サブシステムにより提供される概念強調表示と共にさらに文脈的情報を使用して、ユーザにボイスメールの視覚表示を提供することができる。レンダリングされたボイスメールプレビュー２４０は、コンピュータデバイス２４２上で実行されるユーザ（２４４）のメッセージアプリケーションに提供されて、メッセージングユーザインタフェースにより表示される。他の実施形態に従って、クライアントアプリケーションは（ボイスメールサーバの代わりに）、プレセンス等の種々の情報ソースをボイスメールプレビューメッセージに統合することができる。

高度なボイスメールプレビューを配信するためのメッセージングアプリケーションの実装例は、電子メールである。電子メールメッセージは、レンダリングされたボイスメールプレビューをボイスメールの音声ファイルと共に配信することができるため、受信者に簡単に音声ファイルの一部を検索させる検索能力とあわせ、テキストデータと音声ファイルとの間の切替えが可能とされ、加えてボイスメール内の情報に基づき動作を要求／実行する能力を有する。電子メールおよびインスタントメッセージは、ボイスメールプレビューを統合することができる例示のサービスとして参照されることが多いが、実施形態はこれに限定されない。ＳＭＳ、ＲＳＳフィード、および同等のもの等の他のメッセージングシステムを採用して、高度なボイスメールプレビュー経験をユーザに提供することもできる。

図３は、図３００における実施形態に従って高度なボイスメールプレビューを提供する際の主要なコンポーネントを例示する図である。上記で検討したように、プレゼンス情報３５２、コンタクト／アドレスブック情報３５４（発呼側および／または着呼側に関連する）、電子メール履歴情報３５６、および同様のデータ等の文脈的情報が、高度なボイスメールプレビューを生成する種々の段階で使用される。

例えば音声バージョンのボイスメール３５８を、トランスクリプションの精度を向上させ特徴を追加するための文脈的情報を使用して、リッチテキスト形式３６０（使用可能な用語、強調表示、および他の特徴を有する）にトランスクライブすることができる。ボイスメールのリッチテキスト形式３６０は次に、文脈的情報を再度使用して追加の特徴と共にさらに処理（３６２）されても良い。異なる段階で使用される情報は別のものでも良い。例えば発呼側に関連する情報を１つの段階で使用し、着呼側に関連する情報を他方の段階で採用しても良い。

処理３６２の最終生成物である高度なボイスメールプレビューは、音声バージョンのボイスメール（３５８）と共に電子メールメッセージに統合することができ、電子メールユーザインタフェース３６４を通して契約者に対して表示することができる。音声バージョンのボイスメールは、電子メールメッセージに添付することができ、またはその場所についてのリンクを提供することができる。

これらの主要なコンポーネントおよびその相互作用を介して、ボイスメールが電子メールワークフローにプレゼンス情報と共に統合される。ボイスメールの重要な部分は使用可能にされ、ボイスメールの音声の高度なナビゲーションが提供され、契約者は適切なテキストをクリックすることによりボイスメールの音声ファイル内の任意の場所に「ジャンプ」できる（すなわち、再生ジャンプまたは音声の再ポジショニング）。従ってボイスメールのテキスト表示が提示されることで、契約者は典型的な現在の音声認識のエラーにより気が散ることも無くより簡単に重要な情報を見つけることができる。

上記で検討したシナリオ、例示のシステム、アプリケーションおよび構成は、例示目的のものである。実施形態は、それらの例に限定されない。他の形式のトランスクリプション、構成、通信モードおよびシナリオを使用して、本明細書に記載した原理を使用する同様の方法で、高度なボイスメールプレビューを実装することができる。

図４は、高度なボイスメールプレビューを提供するための一例のユーザインタフェースの画面例を例示する。画面例上のユーザインタフェースの要素および構成は例示目的のみのものであり、実施形態における限定を構成するものではない。高度なボイスメールプレビューをユーザに対して表示することが可能なメッセージアプリケーションは、他の要素および構成と共に任意のユーザインタフェースを採用することができる。例示のユーザインタフェースには、標準グラフィックおよびコマンド、オプションおよび他のアイテム等のテキスト要素４７２が含まれる。

ボイスメールのレンダリングにより、ボイスメールの音声のナビゲーション時および再生時の支援となる情報が、電子メールユーザインタフェースに提供される。例えばテキストのボイスメールレンダリング４７６内の単語をクリックすると、その単語が話された位置からボイスメールの再生を開始することができる。１組の単語の強調では、ボイスメールの音声のその部分のみを再生することができる。テキスト−音声の結合に加えて、標準音声再生ユーザインタフェース要素４７４を提供することもできる。

電子メールシステムで利用可能なプレゼンス情報と統合すると、ボイスメールレンダリングの一部を電子メールユーザインタフェースにおいて使用可能にすることができる。例えば名前の上で右クリックすると、その名前をユーザのコンタクトリストに追加する、その名前の人物にインスタントメッセージを介してコンタクトする、その名前の人物に音声電話をかけるおよび同様の動作などの名前に関連するユーザが実行したい動作のリストが表示される。ポップアップメニュー４８０または同様のユーザインタフェース要素内に動作を表示することができる（表示要素のホバリング、ドロップダウンメニューなど）。

レンダリングされたテキスト形式のボイスメール４７６は、グラフィックまたはカラースキームに基づく要素を含んで、構文および使用可能な言葉に追加の情報を提供することができる。さらに、レンダリングされたボイスメールにおいて利用可能な情報を、電子メールサーバの検索インデックスに追加することができる。従ってボイスメールは、レンダリングされたテキストにおいても、また潜在的にテキストの下にあるメタデータにおいても、検索可能にされる。プレビューデータはまた、サーバだけでなく、デスクトップ検索システム、モバイルデバイスシステムなどを介して検索可能である。ボイスメールプレビューを搬送する電子メールは、発呼側および着呼側の名前を含むことができると共に、発呼側の詳細なプレゼンス情報は、着呼側が電子メールの情報に基づき適切な動作を行うことを可能とする。

ボイスメールプレビューを表示することが可能なメッセージアプリケーションのユーザインタフェースは、追加のまたはより少ないテキストおよびグラフィックの要素を含むことができ、また種々のグラフィック、カラーおよび他の構成のスキームを採用して、異なる機能および関連する処理を表示することができる。

図５は、実施形態を実装することができる一例のネットワーク化された環境である。高度なボイスメールプレビューを有する通信サービスを提供するプラットフォームは、１つまたは複数のサーバ５１８に亘って実行されるホスト型サービス等のソフトウェアを介して実装され得る。プラットフォームは、携帯電話５１３、ラップトップコンピュータ５１２およびデスクトップコンピュータ５１１（クライアントデバイス）等の個人のコンピュータデバイスにおけるクライアントアプリケーションと、ネットワーク５１０を介して通信することができる。

上記で検討したようにネットワーク５１０内の、または外部のネットワーク５２０を介して、従来の電話システム、高度な通信システムなどを含む多数のソースからボイスメールをボイスメール管理アプリケーション／サーバに配信することができる。ボイスメール管理アプリケーション／サーバは、プレゼンス情報、コンタクト情報に加えてボイスメールメタデータを含むがこれに限定されない追加の情報を受信することができる。この文脈的情報は、ボイスメールをテキストデータにトランスクライブする時およびボイスメールを受信する契約者に、使用可能なデータをテキスト通信で提示するなどの高度な能力の生成時、に利用され得る。

クライアントデバイス５１１から５１３を使用して、通信システムの契約者間の様々なモードを通した通信を容易にする。契約者に関連し、高度なボイスメールプレビューを容易にする情報は、１つまたは複数のデータストア（例えば、データストア５１６）に記憶することができ、サーバ５１８のいずれか１つまたはデータベースサーバ５１４は、データストアを管理することができる。

ネットワーク５１０は、サーバ、クライアント、インターネットサービスプロバイダ、および通信媒体の任意のトポロジを含むことができる。実施形態に従うシステムは、静的または動的なトポロジを持つことができる。ネットワーク５１０には、企業ネットワーク等の安全なネットワーク、無線オープンネットワーク等の安全でないネットワークまたはインターネットを含むことができる。ネットワーク５１０はまた、ＰＳＴＮまたは携電話ネットワーク（例えば、外部ネットワーク５２０）等の他のネットワーク上の通信を連携させることができる。ネットワーク５１０は、本明細書に置いて記載されるノード間の通信を提供する。制限ではなく例としてネットワーク５１０は、音響、ＲＦ、赤外線および他の無線媒体等の無線媒体を含むことができる。

コンピュータデバイス、アプリケーション、データソース、およびデータ分散システムの多くの他の構成を採用すると、高度な能力を有するボイスメールプレビューシステムを実装することができる。さらに図５において検討したネットワーク化された環境は、例示目的のみのものである。実施形態は、例示のアプリケーション、モジュールまたは処理に限定されない。

図６および関連する検討では、実施形態を実装することができる適切なコンピュータ環境についての簡単で全体的な記載を提供することが意図される。図６を参照すると、コンピュータデバイス６００等の、実施形態に従って適用するための一例のコンピュータ動作環境のブロック図が例示される。基本の構成において、コンピュータデバイス６００は、通信システムの一部としてのボイスメール管理サーバとすることができ、少なくとも１つの処理ユニット６０２と、システムメモリ６０４とを含むことができる。コンピュータデバイス６００はまた、プログラムの実行時に協働する複数の処理ユニットを含むことができる。正確な構成およびコンピュータデバイスのタイプによって、システムメモリ６０４は、揮発性（ＲＡＭ等）でも、不揮発性（ＲＯＭ、フラッシュメモリ等）でも、またはその２つの何らかの組み合わせでも良い。システムメモリ６０４は典型的には、プラットフォームの動作の制御に適切なオペレーティングシステム６０５、例えばワシントン州レドモンドのマイクロソフト社の販売するＷＩＮＤＯＷＳ（登録商標）オペレーティングシステムが含まれる。システムメモリ６０４はまた、プログラムモジュール６０６、ボイスメールアプリケーション６２２、およびトランスクリプションモジュール６２４等の１つまたは複数のソフトウェアアプリケーションを含むことができる。

ボイスメールアプリケーション６２２は、クライアントアプリケーション、サーバおよび他のデバイス（例えば、音声、電子メール、インスタントメッセージ等）の間の種々の様式を通して通信を容易にするサービスの一部とすることができる。トランスクリプションモジュール６２４は、上記で検討したように、文脈的情報を使用して音声ボイスメールファイルをテキストデータにトランスクライブすることができる。トランスクリプションモジュール６２４およびボイスメールアプリケーション６２２は、別個のアプリケーションとすることができ、またはクライアントアプリケーション／デバイスに、使用可能な情報を有するボイスメールプレビュー等の高度な通信サービスを電子メールまたはインスタントメッセージを介して提供する、ホストされたサービスの一体型モジュールとすることもできる。この基本の構成は、図６において点線６０８内のコンポーネントにより例示される。

コンピュータデバイス６００は、追加の特徴または機能を持つことができる。例えば、コンピュータデバイス６００は、例えば磁気ディスク、光ディスク、またはテープ等の追加のデータストレージデバイス（着脱可能および／または着脱不可能）を含むこともできる。そのような追加のストレージデバイスが、図６において着脱可能ストレージデバイス６０９および着脱不可能ストレージデバイス６１０により例示される。コンピュータ読み取り可能な記憶媒体には、コンピュータ読み取り可能な命令、データ構造、プログラムモジュールまたは他のデータ等の情報を記憶するための任意の方法または技術で実装される、揮発性および不揮発性、着脱可能および着脱不可能の媒体を含むことができる。システムメモリ６０４、着脱可能ストレージデバイス６０９および着脱不可能ストレージデバイス６１０は全て、コンピュータ読み取り可能な記憶媒体の例である。コンピュータ読み取り可能な記憶媒体にはＲＡＭ、ＲＯＭ、ＥＥＰＲＯＭ、フラッシュメモリまたは他のメモリ技術、ＣＤ−ＲＯＭ、ＤＶＤ（digital versatile disk）または他の光記憶装置、磁気カセット、磁気テープ、磁気ディスクストレージデバイスまたは他の磁気ストレージデバイスまたは所望の情報を記憶するために使用され、コンピュータデバイス６００によりアクセスされ得る任意の他の媒体を含むがこれに限定されない。任意のそのようなコンピュータ可読記憶媒体は、コンピュータデバイス６００の一部とすることができる。コンピュータデバイス６００はまた、キーボード、マウス、ペン、音声入力デバイス、タッチ入力デバイスおよび同等の入力デバイス等の入力デバイス６１２を有することができる。ディスプレイ、スピーカ、プリンタ、および他のタイプの出力デバイス等の出力デバイス６１４も含まれる。これらのデバイスは、当該技術分野において周知であり、ここで詳細に検討する必要はない。

コンピュータデバイス６００はまた、分散コンピュータ環境、衛星リンク、携帯電話リンクおよび同等の機構における無線ネットワークを介するなどして、デバイスが他のデバイス６１８と通信することを可能にする通信接続６１６を含有することができる。他のデバイス６１８には、通信アプリケーションを実行するコンピュータデバイス、電子メールサーバまたはプレゼンスサーバおよび同等のデバイスを含むことができる。通信接続６１６は、通信媒体の一例である。通信媒体は、コンピュータ可読命令、データ構造、プログラムモジュール、または搬送波または他の伝送機構等の変調されたデータ信号の他のデータをその中に含むことができ、また任意の情報配信媒体を含む。用語「変調されたデータ信号」とは、１つまたは複数の特徴が、情報を信号に符号化するなどして設定または変更された信号、を意味する。制限ではなく例として、通信媒体は、有線ネットワークまたは直接配線結合等の有線媒体、および音響、ＲＦ、赤外線および他の無線媒体等の無線媒体を含む。

例示の実施形態にはまた、方法が含まれる。これらの方法は、本文書において記載した構造を含む任意の数の方策で実装され得る。そのような方策のひとつは、本文書において記載されるタイプのデバイスの機械動作によりなされる。

別の選択的な方策は、何らかの方法を実行する１人または複数の人のオペレータとともに、方法の個々の操作の内の１つまたは複数が実行されるものである。これらの人のオペレータをお互いに一緒に配置させる必要はないが、各自がプログラムの一部を実行するマシンと共にのみある必要がある。

図７は、実施形態に従って高度なボイスメールプレビューを提供するための処理７００の論理フロー図を例示する。処理７００は、高度な通信システムの一部としてボイスメールサーバにおいて実装され得る。

処理７００は、操作７１０で開始され、そこではボイスメールサーバに関連する契約者のためのボイスメールが受信される。ボイスメールは、音声ファイルとして記憶することができる。操作７２０にて、契約者（およびそのコンタクト）に関連するプレゼンス情報またはコンタクト情報等の文脈的情報、電子メール履歴情報、およびボイスメールメタデータ（ボイスメールと共に高度な通信システムにおいて含まれ得る、ボイスメールおよび任意の追加情報のソース）を、ボイスメールサーバにより受信することができる。

操作７３０にて、音声ボイスメールが、文脈的情報を使用してテキストデータにトランスクライブされる。文脈的情報は、トランスクリプションの忠実性を向上させるために使用されるだけでなく、ボイスメールをテキスト形式にしたものの中の情報を表面化するために使用されることもできる。上記で検討したように実施形態は、自動音声認識ベースのトランスクリプションまたはテキストデータに限定されない。ボイスメールからテキストおよび／またはグラフィックデータへの他の形式の変換を利用すると、高度なボイスメールプレビューを提供することができる。操作７４０にてトランスクライブされたボイスメールが文脈的情報に基づきさらに処理され、何らかの情報を使用可能にレンダリングする、カラー／グラフィックスキームを追加して音声ファイルにおける提示、切替えおよび検索の能力を向上させる、および同様の動作などがなされる。この高度なボイスメールプレビューを、電子メール、インスタントメッセージまたは同様のテキストベースの通信メッセージに統合することができる。メッセージはまた音声バージョンのボイスメールのコピーまたは音声ファイルの場所へのリンクを含むことができる。操作７５０にて高度なボイスメールプレビューを含むメッセージを、契約者に転送することができる。

いくつかまたは全ての使用可能なアイテムを、承認処理の完了時に契約者に対して提示することができる。ボイスメールプレビューの重要な部分に基づき発呼を受けた契約者に提供される動作には、ボイスメールプレビューを表示する電子メールアプリケーションにより実行される動作、または他のアプリケーションにより実行される動作を含むことができる。さらにボイスメールプレビューを表示する電子メールユーザインタフェースの要素を、ボイスメールプレビュー内の実用可能なアイテムに基づき動的に変形することができる。

処理７００に含まれる操作は、例示目的のものである。電子メールまたはインスタントメッセージを介した高度なボイスメールプレビューを、同様の処理によりより少ないかまたは追加のステップを用いて実装できると共に、本明細書に記載される原理を使用して、異なる順番の操作において実装することができる。

上記の詳細、例、およびデータは、実施形態の構成の製作および使用についての完全な記載を提供する。主題が、構造的特徴および／または方法論的な動作に特有の言語で記載されたが、添付の「特許請求の範囲」に定義される主題が必ずしも上記に記載された特有の特徴または動作に限定されないことは理解されるべきである。むしろ上記に記載された特有の特徴および動作は、「特許請求の範囲」および実施形態を実装する例示の形式として開示される。

Claims (15)

1. 少なくとも部分的にコンピュータデバイスにおいて実行される、高度なボイスメールプレビューを提供するための方法であって、
   ユーザのための音声ボイスメールを受信すること（７１０）と、
   ユーザおよび発呼者に関連する文脈的情報を判定すること（７２０）と、
   前記文脈的情報の少なくとも一部を採用する前記音声ボイスメールのトランスクリプションに基づきボイスメールプレビューを生成して、テキスト−音声の忠実性の精度を増加させ、かつ、複数の使用可能なアイテムが前記ボイスメールプレビューに提供されるようにすること（７３０）と、
   前記音声ボイスメールへのアクセスと共にユーザに配信するために、前記ボイスメールプレビューをテキストベースの通信に統合する（７４０）ことと
   を含むことを特徴とする方法。
2. 前記文脈的情報が、ボイスメールメタデータ、プレゼンス情報（３５２）、コンタクト情報（３５４）、組織情報、位置情報、以前の通信の情報（３５６）、および関連する通信の情報、の組から少なくとも１つを含むことを特徴とする請求項１に記載の方法。
3. 前記文脈的情報に基づき前記ボイスメールプレビュー内の重要な情報を識別することと、
   前記重要な情報を使用可能にレンダリングすることと、
   前記使用可能な重要な情報を特定の様式（４７６、４７８、４８０）において提示することと
   をさらに含むことを特徴とする請求項１に記載の方法。
4. 前記重要な情報（４７８）が、名前、場所、電話番号、住所、日付、時間、電子メールアドレス、およびウェブアドレス、の組から少なくとも１つを含むことを特徴とする請求項３に記載の方法。
5. 前記重要な情報を使用可能にレンダリングすることは、重要な情報の言葉の上にユーザの関心の表示を受信すること応答してユーザが選択するための、動作のリスト（４８０）を提供することを含むことを特徴とする請求項３に記載の方法。
6. 前記音声ボイスメール（４７４）へのアクセスは、音声ボイスメールを添付ファイルにおいて提供すること、および、前記音声ボイスメールが記憶される場所へのリンクを提供すること、の内の１つを含むことを特徴とする請求項１に記載の方法。
7. 承認処理の完了時に、使用可能なアイテムの少なくとも一部が前記ユーザに提示され、かつ、前記ボイスメールプレビューの生成処理（７００）の間に、新しい文脈的情報が生成されることを特徴とする請求項１に記載の方法。
8. 前記音声ボイスメールが、前記ボイスメールプレビューを介して、かつ、前記ボイスメールプレビューの下にあるメタデータを通して、検索可能にレンダリングされることを特徴とする請求項１に記載の方法。
9. ボイスメールサーバ（２３４）と、
   クライアントアプリケーションと
   を備える高度なボイスメールプレビューを実装するための通信システムであって、
   前記ボイスメールサーバ（２３４）は、
   音声形式のボイスメールを受信し、
   ボイスメールメタデータ、プレゼンス情報、コンタクト情報、組織情報、位置情報、以前の通信の情報、および関連する通信の情報、の組から少なくとも１つを含む文脈的情報を判定し、
   自動音声認識および人によるトランスクリプションの内の少なくとも１つに基づく、音声形式のボイスメールに基づくトランスクリプションを受信し、前記文脈的情報を採用して音声−テキスト間の忠実性を向上させ、
   前記文脈的情報を使用して、前記ボイスメールに基づきトランスクリプション内の使用可能な言葉を判定し、
   前記文脈的情報に基づき追加のテキスト情報およびグラフィック情報をトランスクリプションに挿入し、ボイスメールプレビューを生成し、
   クライアントアプリケーションに配信するために、前記使用可能な言葉と追加のテキスト情報およびグラフィック情報とを含む、電子メールメッセージに統合される前記ボイスメールプレビューをレンダリングする
   ように構成され、
   前記クライアントアプリケーションは、
   前記ボイスメールプレビューを、電子メールユーザインタフェース（３６４）を通して提示し、
   前記ボイスメールを受信する着呼者が、前記ボイスメールプレビュー内の動作を、対応する発呼を関連するアプリケーションに送ることにより選択することを可能にする
   ように構成される
   ことを特徴とするシステム。
10. 前記ボイスメールプレビューは、ボイスメールをテキスト形式にしたもの一部を強調表示することにより、着呼者（２４４）が音声形式のボイスメールの一部を再生できるようにしたことを特徴とする請求項９に記載のシステム。
11. 前記ボイスメールプレビューは、着呼者（２４４）が、音声形式のボイスメールの再生と、テキスト形式にしたボイスメールの読み上げとを、ユーザインタフェース要素をクリックすることにより独立して利用することを可能にしたことを特徴とする請求項１０に記載のシステム。
12. 前記ボイスメールプレビューが、音声再生インタフェース要素（４７４）をさらに含むことを特徴とする請求項９に記載のシステム。
13. 高度なボイスメールプレビューを提供するための命令が記憶されるコンピュータ読み取り可能な記憶媒体であって、前記命令は、
    着呼者のための音声ボイスメールを受信すること（７１０）と、
    着呼者および発呼者に関連するプレゼンス情報およびボイスメールメタデータを採用して、前記音声ボイスメールをテキスト表示に変換すること（７３０）と、
    前記テキスト表示を、ボイスメールプレビューとして着呼者のために電子メールワークフローに統合することであって、前記ボイスメールプレビューの重要な部分が、ユーザの選択時に使用可能にレンダリングされ、前記音声ボイスメールは、前記テキスト表示内の対応するテキストの要素の選択を通してナビゲーション可能であること（７４０）と、
    電子メールユーザインタフェース（３６４）を通して、前記ボイスメールプレビューを着呼者に対して提示することと
    を備えることを特徴とするコンピュータ読み取り可能な媒体。
14. 前記ボイスメールプレビューの重要な部分に基づき着呼者（２４４）に提供される動作は、前記ボイスメールプレビューを表示する電子メールアプリケーションにより実行される動作と、他のアプリケーションにより実行される動作とを含むことを特徴とする請求項１３に記載のコンピュータ読み取り可能な媒体。
15. 前記ボイスメールプレビューを表示する前記電子メールユーザインタフェース（３６４）の要素は、前記ボイスメールプレビュー内の使用可能なアイテムに基づき動的に変形されることを特徴とする請求項１３に記載のコンピュータ読み取り可能な媒体。

Images