JP2006237839A - 音声会議装置 - Google Patents

Abstract

【課題】 話者特定問題とエコー問題とを共に解決し得る音声会議装置を提供する。
【解決手段】 本発明は、複数人の参加者を対象とした音声会議装置に関する。第１の音声会議装置は、対向装置からのステレオ音声信号を受信して分配する受信分配手段と、参加者毎のヘッドフォンと、一対のマイクロフォンと、これら一対のマイクロフォンからのステレオ音声信号を対向装置に送信する音声多重送信手段とを有する。第２の音声会議装置は、各参加者の口元近傍に設けられる指向性モノラルマイクロフォンと、そのマイクロフォンからのモノラル音声信号をステレオ音声信号に変換するモノラル／ステレオ変換手段と、得られた複数のステレオ音声信号を合成して、対向装置に送信するステレオ音声送信手段と、一対のスピーカと、対向装置からのステレオ音声信号を一対のスピーカに与える受信分配手段とを有する。
【選択図】 図１

Description

本発明は音声会議装置に関し、例えば、多人数二地点間でのステレオ音声信号による音声会議装置及びシステムに適用し得るものである。

企業内ＬＡＮやＡＤＳＬなどの広帯域なブロードバンドＩＰ回線の普及により、多人数二地点間（二つのグループが別々の場所にいる）のテレビ会議システムが普及してきている。このようなテレビ会議システムに適用される音声会議システムとして、非特許文献１に記載のようなＶｏＩＰに対応したものも提案されている。この音声会議システムは、スピーカとマイクロフォンとを有する端末を利用したものである。
ＮＥＣ技報 ｖｏｌ．５６ Ｎｏ１２／２００３

しかしながら、上述の非特許文献１の音声会議システムでは、話者を特定すること（誰がしゃべっているか）が困難であるという問題があった。

このような不都合を解決するため、スピーカとマイクロフォンとをそれぞれ、一対設置してステレオ対応とすることが考えられる。しかしながら、音声会議システムの場合、多人数に聴取させるべく、スピーカの音量を大きくしているため、スピーカとマイクロフォンとを１個ずつ設けた場合でもエコーの問題が大きく、スピーカとマイクロフォンとをステレオ対応にした場合には、エコーの問題は一段と大きくなって、エコーキャンセラの構成が複雑、高価となってしまう。

そのため、話者特定問題とエコー問題とを共に解決し得る音声会議装置が望まれている。

かかる課題を解決するため、第１の本発明は、複数人の参加者を対象とした音声会議装置において、対向する音声会議装置からのステレオ音声信号を受信して分配する受信分配手段と、分配されたステレオ音声信号を発音出力する、参加者毎のヘッドフォンとを有することを特徴とする。

また、第２の本発明は、複数人の参加者を対象とした音声会議装置において、各参加者の口元近傍に設けられる指向性のモノラルマイクロフォンと、対応するモノラルマイクロフォンからのモノラル音声信号をステレオ音声信号に変換するモノラル／ステレオ変換手段と、上記各モノラル／ステレオ変換手段からのステレオ音声信号を合成して、対向する音声会議装置に送信するステレオ音声送信手段とを有することを特徴とする。

本発明の音声会議装置によれば、ステレオ音声信号を送受信するに際して、参加者毎のヘッドフォンを利用したり、又は及び、参加者毎の指向性モノラルマイクロフォンを利用したりすることにより、話者を特定できると共にエコーの発生を抑圧できるようになる。

（Ａ）第１の実施形態
以下、本発明の音声会議装置を、多人数二地点間の音声会議システムに適用した第１の実施形態を、図面を参照しながら説明する。

図１は、第１の実施形態の音声会議装置の概略構成を示している。かかる構成の音声会議装置１０が対向している２地点にそれぞれ設けられることにより、第１の実施形態の音声会議システムが構成される。

音声会議装置１０は、自地点からのステレオ音声信号を送信する送信構成と、他地点捕捉のステレオ音声信号を受信する構成とからなっている。

音声会議装置１０の送信構成は、一対のマイクロフォン２１Ｒ、２１Ｌと、音声多重送信部２２とを有する。

許容し得る最大人数（Ｎ人）の会議参加者１−１〜１−Ｎ（図１の例ではＮは４）が所定の直線又は曲線（例えば円弧）上に位置した場合でも、どの参加者の音声も十分にしかも対向するステレオ発音で位置の相違が生じるように、一対のマイクロフォン２１Ｒ、２１Ｌが設置されている。設置は固定設置に限定されるものではないが、一対のマイクロフォン２１Ｒ及び２１Ｌ間の距離が、左右の耳間の平均的な距離程度になっていることが好ましい。

音声多重送信部２２は、マイクロフォン２１ＲからのＲチャンネル音声信号及びマイクロフォン２１ＬからのＬチャンネル音声信号を多重して得たステレオ音声信号を、対向する音声会議装置に送信するものである。ここで、多重、送信方法は既存のいかなる方法を適用するようにしても良い。音声多重送信部２２は、例えば、Ｒチャンネル音声信号及びＬチャンネル音声信号をそれぞれ、デジタル信号に変換した後、符号化し、その後に多重するようにしても良く、さらに、使用するネットワークなどに合わせて、通信路変調などを施すようにしたり、パケット化したりしても良い。

音声会議装置１０の受信構成は、受信分配部３１と、各参加者用のヘッドフォン３２−１〜３２−Ｎとを有する。

受信分配部３１は、対向する音声会議装置が送信したステレオ音声信号を、Ｒチャンネル音声信号及びＬチャンネル音声信号に分離すると共に、分離して得た一対のＲチャンネル音声信号及びＬチャンネル音声信号を、各参加者用のヘッドフォン３２−１、…、３２−Ｎに分配するものである。各参加者用のヘッドフォン３２−１、…、３２−Ｎへの分配機能を除けば、受信分配部３１は、上述した音声多重送信部２２の逆処理を行うものである。例えば、音声多重送信部２２が通信路変調を施すものであれば受信分配部３１は通信路復調を行い、音声多重送信部２２がパケットの組立てを行うものであれば受信分配部３１は受信パケットの分解を行い、音声多重送信部２２が音声信号の符号化を施すものであれば受信分配部３１は復号化を行う。

なお、受信分配部３１は、ヘッドフォンジャックを有し、ヘッドフォンのプラグが挿入されていないジャックへは、一対のＲチャンネル音声信号及びＬチャンネル音声信号を分配しないものであっても良い。

また、上述した一部の機能を受信分配部３１ではなく、各ヘッドフォン３２−１、…、３２−Ｎに担うようにさせても良い。

各ヘッドフォン３２−１、…、３２−Ｎはそれぞれ、受信分配部３１から与えられたＲチャンネル音声信号及びＬチャンネル音声信号に係る音声を、該当する耳側の受聴部から発音出力させるものである。

ここで、各ヘッドフォン３２−１、…、３２−Ｎとしては、周囲音を透過する構造のものであることが、同一地点の他の参加者の音声を聴取させることができて好ましい。

以下、音声会議に供している一方の地点Ａの参加者の発音内容を、他方の地点Ｂの参加者が聴取する場合の動作を説明する。以下の説明においては、地点Ａの構成要素の符号には、その末尾に「Ａ」を付与し、地点Ｂの構成要素の符号には、その末尾に「Ｂ」を付与する。

一方の地点Ａの参加者１−ｎＡが発言すると、その発音音声は、音声会議装置１０Ａの一対のマイクロフォン２１ＲＡ、２１ＬＡによって捕捉され、Ｒチャンネル音声信号及びＬチャンネル音声信号に変換されて音声多重送信部２２Ａに与えられる。音声多重送信部２２Ａにおいて、Ｒチャンネル音声信号及びＬチャンネル音声信号は多重され、得られたステレオ音声信号が、対向する音声会議装置１０Ｂに向けて送信される。

このような送信信号を、音声会議装置１０Ｂの受信分配部３１Ｂが受信する。受信分配部３１Ｂは、対向する音声会議装置１０Ａが送信したステレオ音声信号を、Ｒチャンネル音声信号及びＬチャンネル音声信号に分離すると共に、分離して得た一対のＲチャンネル音声信号及びＬチャンネル音声信号を、各参加者のヘッドフォン３２−１Ｂ、…、３２−ＮＢに分配する。

各参加者のヘッドフォン３２−１Ｂ、…、３２−ＮＢはそれぞれ、受信分配部３１Ｂから与えられたＲチャンネル音声信号及びＬチャンネル音声信号に対応する音声を、該当する耳側の受聴部から発音出力させる。

ヘッドフォン３２−１Ｂ、…、３２−ＮＢを装着している参加者１−１Ｂ〜１−ＮＢはそれぞれ、参加者１−ｎＡの発音音声をステレオで聴取するので、参加者１−ｎＡの位置を、他の参加者１−１Ａ〜１−ＮＡ（但し１−ｎＡを除く）と区別でき、他方の地点であっても、臨場感を感じつつ発音音声を聴取することができる。

上記第１の実施形態によれば、一対のマイクロフォンが捕捉したステレオ音声信号を他方の地点に送信しても音声信号の発音手段がヘッドフォンであるので、エコーが問題となることがなく、また、ステレオによる聴取であるので、話者や話者の位置なども聴取者が認識し易いものとなっている。このような効果を奏するための構成は、簡易、安価にすることができる。

（Ｂ）第２の実施形態
次に、本発明の音声会議装置を、多人数二地点間の音声会議システムに適用した第１の実施形態を、図面を参照しながら説明する。

図２は、第２の実施形態の音声会議装置の概略構成を示している。かかる構成の音声会議装置１１が対向している２地点にそれぞれ設けられることにより、第２の実施形態の音声会議システムが構成される。

第２の実施形態の音声会議装置１１も、自地点からのステレオ音声信号を送信する送信構成と、他地点捕捉のステレオ音声信号を受信する構成とからなっている。

第２の実施形態の音声会議装置１１の送信構成は、参加者毎のマイクロフォン２１―１〜２１−Ｎと、参加者毎の定位処理部４１−１〜４１−Ｎと、音声多重送信部２２とを有する。

参加者毎の１個のマイクロフォン２１−１〜２１−Ｎは、モノラル出力型のマイクロフォンであって、対応する参加者の口元の近傍に設けられる指向性が高いものである。マイクロフォン２１−１〜２１−Ｎを、例えば、ヘッドセットのような取り付け具を介して参加者の口元の近傍に設けるようにしても良く、また例えば、ピンマイクを適用し、参加者の衣服などにピンによって取り付けて参加者の口元の近傍に設けるようにしても良く、さらに、テーブルの上などに載置された取付けスタンドを利用して参加者の口元の近傍に設けるようにしても良い。各マイクロフォン２１−１〜２１−Ｎからのモノラル音声信号は、各マイクロフォン２１−１〜２１−Ｎに対応する定位処理部４１−１〜４１−Ｎに与えられるようになされている。

各定位処理部４１−１〜４１−Ｎはそれぞれ、対応するマイクロフォン２１−１〜２１−Ｎからのモノラル音声信号に対し、ＨＲＴＦを用いた既存の定位処理を実施して方向性を付加したステレオ音声信号（Ｒチャンネル音声信号及びＬチャンネル音声信号）を形成するものである。ここで、方向性は、参加者毎に予め固定的に設定しておく。なお、既存の定位処理については、例えば、特開２００２−２０９３００号公報や特開２００３−１０２０９９号公報に記載のものを適用し得る。各定位処理部４１−１〜４１−Ｎはそれぞれ、形成したステレオ音声信号を音声多重送信部２２に与える。

この第２の実施形態の音声多重送信部２２は、各定位処理部４１−１〜４１−Ｎからのステレオ音声信号を、Ｒチャンネル及びＬチャンネル別に合成し、その後、合成Ｒチャンネル音声信号及び合成Ｌチャンネル音声信号を多重し、得られたた合成ステレオ音声信号を、対向する音声会議装置に送信するものである。

第２の実施形態の音声会議装置１１の受信構成は、受信分配部３１と、Ｒチャンネル及びＬチャンネル用のスピーカ３２Ｒ、３２Ｌとを有する。

受信分配部３１は、対向する音声会議装置が送信した合成ステレオ音声信号を、合成Ｒチャンネル音声信号及び合成Ｌチャンネル音声信号に分離すると共に、分離して得た一対の合成Ｒチャンネル音声信号及び合成Ｌチャンネル音声信号をそれぞれ、Ｒチャンネル及びＬチャンネル用のスピーカ３２Ｒ、３２Ｌに与えるものである。

Ｒチャンネル及びＬチャンネル用のスピーカ３２Ｒ、３２Ｌはそれぞれ、受信分配部３１から与えられた合成Ｒチャンネル音声信号及び合成Ｌチャンネル音声信号を発音出力させるものである。

以下、音声会議に供している一方の地点Ａの参加者の発音内容を、他方の地点Ｂの参加者が聴取する場合の動作を説明する。以下の説明においては、地点Ａの構成要素の符号には、その末尾に「Ａ」を付与し、地点Ｂの構成要素の符号には、その末尾に「Ｂ」を付与する。

一方の地点Ａの参加者１−ｎＡが発言すると、その発音音声は、音声会議装置１１Ａのその参加者１−ｎＡ用のモノラルマイクロフォン２１−ｎＡによって捕捉され、モノラル音声信号が定位処理部４１−ｎＡに与えられる。この定位処理部４１−ｎＡにより、モノラル音声信号は、方向性が付加されたステレオ音声信号（Ｒチャンネル音声信号及びＬチャンネル音声信号）に変換される。このような方向性が付加されたステレオ音声信号（Ｒチャンネル音声信号及びＬチャンネル音声信号）は、音声多重送信部２２によって、他の定位処理部４１−１Ａ〜４１−ＮＡ（但し４１−ｎＡを除く）からのステレオ音声信号と、チャンネル別に合成された後、チャンネル多重されて、対向する音声会議装置１１Ｂに向けて送信される。

このような送信信号を、音声会議装置１１Ｂの受信分配部３１Ｂが受信する。受信分配部３１Ｂは、対向する音声会議装置１１Ａが送信した合成ステレオ音声信号を、合成Ｒチャンネル音声信号及び合成Ｌチャンネル音声信号に分離すると共に、分離して得た一対の合成Ｒチャンネル音声信号及び合成Ｌチャンネル音声信号を、Ｒチャンネル及びＬチャンネル用のスピーカ３２Ｒ、３２Ｌに与えて発音出力させる。これにより、受信側の各参加者１−１Ｂ〜１−ＮＢは、定位処理された合成Ｒチャンネル音声及び合成Ｌチャンネル音声を聴取する。

地点Ａにおいて、参加者１−ｎＡ以外の参加者は発音していない場合であると、受信側の各参加者１−１Ｂ〜１−ＮＢが聴取する合成Ｒチャンネル音声及び合成Ｌチャンネル音声は、参加者１−ｎＡに係るモノラル音声を定位処理した音声だけとなり、各参加者１−１Ｂ〜１−ＮＢは、発音参加者１−ｎＡが誰であるかや、位置等を認識する。

上記第２の実施形態によれば、発音者の口元近傍のモノラルマイクロフォンが捕捉したモノラル音声信号を定位処理して方向性を付与したステレオ音声信号に変換して他方の地点に送信するようにしたので、音声信号の発音手段がステレオスピーカであっても、エコーが問題となることがなく、また、ステレオによる聴取であるので、話者や話者の位置なども聴取者が認識し易いものとなっている。

ここで、定位処理を利用しているので、方向性の設定によっては実際の席順と別の仮想的な席順を対向グループに認識させることが可能となり、第１の実施形態に比べて、より多彩な音声会議を実現することが可能となっている。

第２の実施形態の変形実施形態としては、各定位処理部４１−１〜４１−Ｎが付与する方向性が固定ではなく、可変設定できるものを挙げることができる。すなわち、図示は省略するが、各定位処理部４１−１〜４１−Ｎに対し、外部から角度情報Ｄ１〜ＤＮを入力でき、各定位処理部４１−１〜４１−Ｎはそれぞれ、その角度情報Ｄ１〜ＤＮが規定している方向性を付与する。

このような変形実施形態によれば、発話者の方向性操作に自由度が増し、より臨場感のある音声会議を実現することができる。

（Ｃ）第３の実施形態
次に、本発明の音声会議装置を、多人数二地点間の音声会議システムに適用した第３の実施形態を、図面を参照しながら説明する。

図３は、第３の実施形態の音声会議装置の概略構成を示しており、第２の実施形態に係る図２との同一、対応部分には同一符号を付して示している。かかる構成の音声会議装置１２が対向している２地点にそれぞれ設けられることにより、第３の実施形態の音声会議システムが構成される。

第３の実施形態の音声会議装置１２は、第２の実施形態に比較すると、モノラル音声信号からステレオ音声信号を生成する定位処理部４１−１〜４１−Ｎが、バランス処理部（送信側のバランス処理部）５１−１〜５１−Ｎに置き換わっている点が異なり、その他の点は、第２の実施形態と同様である。

ｎ（ｎは１〜Ｎ）番目のバランス処理部５１−ｎは、入力されたモノラル音声信号Ｓｎから、Ｌチャンネル音声信号ＳＴｎ（Ｌ）、Ｒチャンネル音声信号ＳＴｎ（Ｒ）を以下の式に従って生成する。

ＳＴｎ（Ｌ）＝Ｓｎ＊（１−Ａｎ） ＳＴｎ（Ｒ）＝Ｓｎ＊Ａｎ
但し、Ａｎ＝（ｎ−１）／（Ｎ−１）
第３の実施形態によれば、第２の実施形態と同様な効果を奏することができる。さらに、第２の実施形態より簡単な処理によって方向性を付与することができる。

第３の実施形態の変形実施形態としては、各バランス処理部５１−１〜５１−Ｎが付与する方向性が固定ではなく、可変設定できるものを挙げることができる。すなわち、図示は省略するが、各バランス処理部５１−１〜５１−Ｎに対し、外部から方向性情報Ａ１〜ＡＮを入力でき、各バランス処理部５１−１〜５１−Ｎはそれぞれ、その方向性情報Ａ１〜ＡＮが規定している方向性を付与する。

このような変形実施形態によれば、発話者の方向性操作に自由度が増し、より臨場感のある音声会議を実現することができる。

（Ｄ）第４の実施形態
次に、本発明の音声会議装置を、多人数二地点間の音声会議システムに適用した第４の実施形態を、図面を参照しながら説明する。

図４は、第４の実施形態の音声会議装置の概略構成を示しており、第１の実施形態に係る図１との同一、対応部分には同一符号を付して示している。かかる構成の音声会議装置１３が対向している２地点にそれぞれ設けられることにより、第４の実施形態の音声会議システムが構成される。

第４の実施形態の音声会議装置１３は、第１の実施形態に比較すると、受信分配部３１とヘッドフォン３２−１〜３２−Ｎとの間に、バランス処理部（受信側のバランス処理部）６１−１〜６１−Ｎが設けられている点、各ヘッドフォン３２−１〜３２−Ｎが対応するバランス処理部６１−１〜６１−Ｎに距離測定用信号（無線、赤外線等）を送信する機能を有している点が異なっている。

各ヘッドフォン３２−１〜３２−Ｎはそれぞれ、左耳受聴部から距離測定用信号を送信すると共に、右耳受聴部から距離測定用信号を送信する。

各バランス処理部６１−１〜６１−Ｎはそれぞれ、対応するヘッドフォン３２−１〜３２−Ｎの左耳受聴部及び右耳受聴部から送信された距離測定用信号を受信し、左耳受聴部及び右耳受聴部までの距離ｒ１、ｒ２を得て、受信分配部３１からのステレオ音声信号（Ｒチャンネル音声信号Ｒ、Ｌチャンネル音声信号Ｌ）を下記のように補正して、補正したステレオ音声信号（Ｒチャンネル音声信号ＲＭ、Ｌチャンネル音声信号ＬＭ）を対応するヘッドフォン３２−１〜３２−Ｎに与える。

ＬＭ＝Ｌ＊ｒ２／（ｒ１＋ｒ２）
ＲＭ＝Ｒ＊ｒ１／（ｒ１＋ｒ２）
第４の実施形態によれば、第１の実施形態と同様な効果を奏することができる。さらに、聴取者の向きによらずに、話者が同一位置に居るように感じることができ、第１の実施形態より、臨場感のある音声会議が可能となる。

例えば、聴取者１−ｎが、図５（Ａ）に示すようにバランス処理部６１−ｎに向いていても、また、図５（Ｂ）に示すようにバランス処理部６１−ｎより左側を向いていても、バランス処理部６１−ｎの補正処理により、話者が同一位置に居るように感じることができる。因みに、第１の実施形態の場合、聴取者１−ｎの向きにより話者が居ると感じる位置も変化するものであった。

第４の実施形態においては、ヘッドフォンとバランス処理部との通信により、聴取者の頭部の向き情報を得るものを示したが、頭部の向きの検出方法はこれに限定されないことは勿論である。また、ステレオ音声信号の頭部向きに応じた補正方法も、上述した式による補正方法に限定されず、頭部向きの検出方法に合わせて、適宜選定すれば良い。

（Ｅ）他の実施形態
第ｉの実施形態（その変形実施形態を含む）の送信構成と、第ｊ（ｊはｉと異なる）の実施形態（その変形実施形態を含む）の受信構成とを、組み合わせ可能ならば、組み合わせて音声会議装置を実現するようにしても良い。例えば、第３の実施形態の送信構成と、第４の実施形態の受信構成とを有する音声会議装置であっても良い。

本発明の音声会議装置及び音声会議システムは、テレビ会議などの音声処理部として実現されても良く、単独の音声会議装置として実現されても良い。

第１の実施形態の音声会議装置の概略構成を示すブロック図である。 第２の実施形態の音声会議装置の概略構成を示すブロック図である。 第３の実施形態の音声会議装置の概略構成を示すブロック図である。 第４の実施形態の音声会議装置の概略構成を示すブロック図である。 第４の実施形態の音声会議装置の効果の説明図である。

符号の説明

１０〜１３…音声会議装置、２１Ｒ、２１Ｌ、２１−１〜２１−Ｎ…マイクロフォン、２２…音声多重送信部、３１…受信分配部、３２−１〜３２−Ｎ…ヘッドフォン、３２Ｒ、３２Ｌ…スピーカ、４１−１〜４１−Ｎ…定位処理部、５１−１〜５１−Ｎ…送信側のバランス処理部、６１−１〜６１−Ｎ…受信側のバランス処理部。

Claims (9)

1. 複数人の参加者を対象とした音声会議装置において、
   対向する音声会議装置からのステレオ音声信号を受信して分配する受信分配手段と、
   分配されたステレオ音声信号を発音出力する、参加者毎のヘッドフォンと
   を有することを特徴とする音声会議装置。
2. 上記ヘッドフォン装着の参加者の頭部の向きを検出する頭部方向検出手段と、
   検出された頭部の向きに応じて、装着されている上記ヘッドフォンへのステレオ音声信号を補正する音声信号補正手段と
   を有することを特徴とする請求項１に記載の音声会議装置。
3. 一対のマイクロフォンと、
   これら一対のマイクロフォンが捕捉した音声信号をステレオ音声信号として、対向する音声会議装置に送信する音声多重送信手段と
   を有することを特徴とする請求項１又は２に記載の音声会議装置。
4. 上記ヘッドフォンは周囲音を透過して聴取させる構造のものであることを特徴とする請求項１〜３のいずれかに記載の音声会議装置。
5. 複数人の参加者を対象とした音声会議装置において、
   各参加者の口元近傍に設けられる指向性のモノラルマイクロフォンと、
   対応するモノラルマイクロフォンからのモノラル音声信号をステレオ音声信号に変換するモノラル／ステレオ変換手段と、
   上記各モノラル／ステレオ変換手段からのステレオ音声信号を合成して、対向する音声会議装置に送信するステレオ音声送信手段と
   を有することを特徴とする音声会議装置。
6. 上記各モノラル／ステレオ変換手段は、外部から指定されたパラメータに応じて、上記モノラル音声信号を上記ステレオ音声信号に変換する可変構成のものであることを特徴とする請求項５に記載の音声会議装置。
7. 上記各モノラル／ステレオ変換手段は、定位情報に基づいた、ＨＲＴＦを用いた定位処理により、上記モノラル音声信号を上記ステレオ音声信号に変換するものであることを特徴とする請求項５又は６に記載の音声会議装置。
8. 上記各モノラル／ステレオ変換手段は、加重情報に基づいた、加重演算処理により、上記モノラル音声信号を上記ステレオ音声信号に変換するものであることを特徴とする請求項５又は６に記載の音声会議装置。
9. 一対のスピーカと、
   対向する音声会議装置からのステレオ音声信号を各チャンネルに分離して、各チャンネル対応の上記スピーカに与える受信分配手段とを有する
   ことを特徴とする請求項５〜８のいずれかに記載の音声会議装置。
   
   

Images