JP2007334968A - 音声切換装置 - Google Patents

Abstract

【課題】利用者が音楽鑑賞をしている場合に、周囲の状況変化を的確に把握することが可能な音声切換装置を提供することを目的とする。
【解決手段】外部音声を録音音声として記憶する記憶装置１０１と、外部音声が判定条件に一致するか否かを判定する解析装置１０３と、記憶装置１０１に記憶した録音音声を再生する再生装置１０２と、検出器１０４の指示に応じて、音楽再生装置１０から入力される音楽、外部音声、および再生装置１０２で再生される録音音声を択一的に切り換えてスピーカー３１に出力する切換器１０５と、を備え、解析装置１０３により外部音声が判定条件に一致すると判断された場合、条件一致を検出した時点よりも所定時間前からの録音音声を再生してスピーカー３１から出力する。
【選択図】 図２

Description

本発明は、音声切換装置に関し、詳細には、利用者がヘッドフォン等で音楽を聴きながら必要な周囲の状況を的確に把握することが可能な音声切換装置に関する。

従来、ＣＤやＭＤ、フラッシュメモリなどの記録メディアに記憶された音楽データを再生する携帯可能な携帯音楽再生装置が知られている。該携帯音楽再生装置は、通常、ヘッドフォンを用いて使用者のみが再生された音楽を聴くようになっている。携帯音楽再生装置の音楽を再生して、ヘッドフォンで聴く場合、外部の音が聴こえ難い。これは、音楽のみを聴くには良い点であるが、例えば、電車などの公共交通施設を利用しているときには、電車内の放送（停車駅を知らせる放送など）がよく聞き取れず、乗り過ごすことがあるという問題がある。また、会話を行う際には、いちいちヘッドフォンを外さなければならず、面倒であるという問題がある。

上記問題を解決するために、例えば、特許文献１の携帯音声再生装置では、マイクから入力される外部音声を音声認識し、音声認識された外部音声が予め記憶された所定の語句と一致した場合に、その旨を通知する技術が開示されている。

しかしながら、特許文献１では、例えば、目的の降車駅を「うらわ」と登録した場合、「みなみうらわ」や「きたうらわ」というアナウンスに対して、音声認識の結果、一致と判断して、利用者に「うらわ」と通知することになるため、利用者は「うらわ」が「みなみうらわ」であるのか、「きたうらわ」であるのかを判断することができないという問題がある。

また、特許文献１では、例えば、「うらわ」駅で下車しようとしている場合において、周囲の人物が目的地とは異なる場所で「うらわ」と発した場合、音声認識の結果、一致と判断して、利用者に「うらわ」と通知される場合がある。しかし、直ぐには、その通知が車掌アナウンスによるものか周囲の人物によるものかを判断できないという問題がある。

また、利用者は音楽再生の利用を「周囲の騒音が好ましくないため、音楽再生を利用する」というケースもあるが、特許文献１では、周囲の騒音が静かになったら音楽再生を中止したいという要望に応えることができないという問題がある。

また、特許文献２のヘッドセットでは、マイクから入力される外部音声を音声認識し、
音声認識の結果、特定のキーワード、特定の人の声紋、または一定基準音量以上の音が一定時間検出された場合に、音楽再生装置から入力される音楽出力を停止して、利用者が外部音声を聞こえるようにする技術が開示されている。特許文献２によれば、音楽鑑賞中も特定人物の呼びかけや電話の呼び出しにも直ぐに反応することができる。

しかしながら、特許文献２では、「声紋一致」および「一定基準音量以上の音の検出」によって再生中の音楽がミュートされた場合、どのような呼びかけ、音によって音楽再生がミュートされたのかを判別することができないという問題がある。

例えば、音楽鑑賞中の利用者に対して「夕飯を食べに行こうよ」という呼びかけに対して、声紋一致した場合、音楽再生はミュートされたが、利用者はなぜ音楽再生がミュートされたのかがわからないという問題がある。例えば、音楽鑑賞中の利用者周辺でドアブザー音が鳴り響いた場合、音楽再生はミュートされたが、その中断がドアブザーなのか、電話コールなのか、または誰かの呼びかけなのかを判別することができないとい問題がある。さらに、特許文献１と同様、周囲の騒音が静かになったら音楽再生を中止したいという要望に応えることができないという問題がある。

特開２００１−２５６７７１号公報 特開２００５−１９２００４号公報

本発明は、上記課題に鑑みてなされたものであり、主として、利用者が音楽鑑賞をしている場合に、周囲の状況変化を的確に把握することが可能な音声切換装置を提供することを目的とする。

上述した課題を解決し、目的を達成するために、本発明は、マイクから入力される外部音声を録音音声として記憶する記憶手段と、前記マイクから入力される外部音声が判定条件に一致するか否かを判定する解析手段と、前記記憶手段に記憶した録音音声を再生する再生手段と、音楽再生装置から入力される音楽、前記マイクから入力される外部音声、および前記再生手段で再生される録音音声を択一的に切り換えてスピーカーに出力する切換手段と、を備え、前記解析手段により前記マイクから入力される外部音声が判定条件に一致すると判断された場合、前記再生手段は、条件一致を検出した時点よりも所定時間前からの録音音声を再生し、前記切換手段は当該再生した録音音声をスピーカーに出力することを特徴とする。

以下に添付図面を参照して、この発明にかかる音声切換装置の最良な実施の形態を詳細に説明する。この実施の形態によりこの発明が限定されるものではない。また、下記実施の形態における構成要素には、当業者が容易に想定できるものまたは実質的に同一のものが含まれる。

（実施の形態）
本実施の形態に係る音声切換装置は、マイクから入力される外部音声を録音音声として記憶する記憶手段と、前記マイクから入力される外部音声が判定条件に一致するか否かを判定する解析手段と、前記記憶手段に記憶した録音音声を再生する再生手段と、音楽再生装置から入力される音楽、前記マイクから入力される外部音声、および前記再生手段で再生される録音音声を択一的に切り換えてスピーカーに出力する切換手段と、を備え、前記解析手段により前記マイクから入力される外部音声が判定条件に一致すると判断された場合、前記再生手段は、条件一致を検出した時点よりも所定時間前からの録音音声を再生し、前記切換手段は当該再生した録音音声をスピーカーに出力する。この所定時間は、判定条件に一致した音声および利用者が該一致した音声の前後関係を把握するために必要な先行時間を含む長さ（図６のΔＴ＝Δｔ１＋Δｔ３参照）であることが望ましい。

本実施の形態の音声切換装置によれば、マイクから入力される外部音声が判定条件に一致した場合に、現時点よりも所定時間前からの録音音声を再生して、スピーカーに出力することができ、ヘッドフォン等を使用して音楽鑑賞をしている場合に、周囲の状況変化を的確に把握することが可能となる。

また、再生手段は、録音音声を短縮再生（録音音声の録音時間よりも短い時間で再生）し、具体的には、通常の音声再生よりも早い再生スピードで再生（スピード再生）し、若しくは、無音部分をＳＫＩＰ（スキップ）して再生（ＳＫＩＰ再生）するのが望ましい。
また、再生手段は、前記録音音声の再生は実時間に追いつくまで行なうことが望ましい。これにより、ライブの外部音声に追いつくことができ、意識の切換をスムースにさせることができる。

また、前記録音音声の再生の前に、所定の音声を再生する音声再生手段を備えることが望ましい。これにより、利用者は録音音声が再生されることを前もって知ることが可能となる。

また、解析手段は、判定条件として、キーワード、声紋、音声パターン、および音声レベルのうちの１または複数を予め記憶しておき、マイクから入力される外部音声がキーワード、声紋、音声パターン、および音声レベル等と一致するか否かを判定することが望ましい。これにより、外部音声がキーワード、声紋、音声パターン、および音声レベルの条件に一致した場合に、利用者は現時点よりも所定時間前からの録音音声を聴くことができ、例えば、ヘッドフォンをして音楽鑑賞をしている電車の利用者は、降車駅のような外部アナウンスを的確に判別することができ、また、外部から利用者への呼びかけや周辺環境状況の変化等を認識することが可能となる。

また、再生手段は、録音音声を短縮再生（録音音声の録音時間よりも短い時間で再生）し、具体的には、通常の音声再生よりも早い再生スピードで再生（スピード再生）し、若しくは、無音部分をＳＫＩＰ（スキップ）して再生（ＳＫＩＰ再生）するのが望ましい。これにより、ライブの外部音声に追いつくことができ、意識の切換をスムースにさせることができる。

また、解析手段は、判定条件として、キーワード、声紋、音声パターン、および音声レベルのうちの１または複数を予め記憶しておき、マイクから入力される外部音声がキーワード、声紋、音声パターン、および音声レベル等と一致するか否かを判定することが望ましい。これにより、外部音声がキーワード、声紋、音声パターン、および音声レベルの条件に一致した場合に、利用者は現時点よりも所定時間前からの所定時間前（図６のΔＴ＝Δｔ１＋Δｔ３）からの録音音声を聴くことができ、例えば、ヘッドフォンをして音楽鑑賞をしている電車の利用者は、降車駅のような外部アナウンスを的確に判別することができ、また、外部から利用者への呼びかけや周辺環境状況の変化等を認識することが可能となる。

また、スピーカーは、ヘッドフォンに内蔵されるスピーカーであることが望ましい。これにより、ヘッドフォンを使用して、音声再生装置で再生される音楽を鑑賞している際に、周囲の状況変化を的確に把握することが可能となる。

（実施例）
図１は、本発明に係る音声切換装置を適用したヘッドフォンシステムの外観構成を示す図である。同図において、１０は、ＣＤやＭＤ、フラッシュメモリなどの記録メディアに記憶された音楽データを再生する携帯可能な音声再生装置、２０は、操作部２１やマイク２２が搭載されるスイッチ部、２１は、音声再生装置１０の音楽の再生／停止等を操作するための操作部、２２は、外部の音声を集音するためのマイク、３０はヘッドフォン、３１は、ヘッドフォン３０に搭載されたスピーカーを示している。本発明に係る音声切換装置１００は、スイッチ部２０の内部に搭載される。

図２は、本発明に係る音声切換装置１００のブロック構成を示す図である。音声切換装置１００は、図２に示すように、記憶装置１０１、再生装置１０２、解析装置１０３、検出器１０４、切換器１０５を備えている。

マイク２１は、音声切換装置１００の利用中（電源稼動中）、終始周囲の音声を集音し、集音された音声は外部音声として、記憶装置１０１、音声解析装置１０３、切換器１０５に出力される。

切換器１０５は、検出器１０４や操作部２２からの切換指示に従って、マイク２１から入力される外部音声、再生装置１０２から入力される録音音声、音楽再生装置１０から入力される音楽を択一的に切り換えて、スピーカー３１に出力する。

記憶装置１０１は、電源稼動中、マイク２１から入力される外部音声の録音を継続する。ここで、録音によって録音音声が保持される時間をΔＴとする。

検出器１０４は、音楽再生装置１０からの音楽の入力／停止や再生装置１０２からの録音音声の入力を検出して、切換器１０５に対する切換指示や解析装置１０３に対する解析指示を出力する。

再生装置１０２は、解析装置１０３から録音音声再生指示（ＰＬＡＹ）が入力されると、記憶装置１０１に蓄積された外部音声を録音音声として再生して、検出器１０４および切換器１０５に出力する。

解析装置１０３は、検出器１０４から判定開始指示が入力されると、マイク２１から入力される外部音声を認識し、予め保存している判定条件テーブル（図４参照）に登録されている判定条件（所定キーワード、声紋、音声パターン、音声レベル）と一致するか否かを判定し、一致した場合には、解析を停止して再生装置１０２に対して、録音音声再生指示（ＰＬＡＹ）を出力する。

具体的には、解析装置１０３は、入力される外部音声に対して、音声認識する音声認識手段、声紋認識する声紋認識手段、音声パターン認識する音声パターン認識手段、音声レベルを測定する音声レベル測定手段等を備えており、入力される外部音声が、予め条件判定テーブルに登録されている所定キーワード、声紋、音声パターン、音声レベルと一致するか否かを検出する。

図４は、判定条件テーブルの構成例を示す図である。判定条件テーブルには、図４に示すように、所定キーワード、声紋、音声パターン、および音声レベルの比較要素と、通知する場合の関連語句が登録される。判定条件テーブルのデータは不図示の入力手段で利用者が任意に登録可能となっている。例えば、図４に示す判定条件テーブルでは、所定キーワードとして「うらわ」、声紋として「友人Ａの声紋データ」、音声レベルとして「２０ｄＢ以下」、および音声パターンとして「電話ベルの音声パターンデータ」が登録されており、解析装置１０３は、外部音声がこれらの比較要素（判定条件）の少なくとも１つと一致するか否かの判定を行う。なお、条件一致を判定した場合には、対応する関連語句の音声をスピーカー３１から出力して、利用者にどの判定条件で一致を検出したかを通知することにしてもよい。例えば、図４に示す例では、「所定キーワード」の「うらわ」で条件一致を検出した場合には、「うらわ」を検出した旨を通知し、また、「友人Ａの声紋データ」で条件一致を検出した場合には、「友人Ａの声紋」を検出した旨を通知する。

また、ここでは、判定条件を所定キーワード、声紋、音声パターン、および音声レベルとしているが、これらの全てを判定条件とする必要はなく、所定キーワード、声紋、音声パターン、および音声レベルのうちの１または複数を判定条件とすることができる。また、ここでは、一致の判定をＯＲ条件としているが、ＡＮＤ条件としてもよい。

図３は、図１の音声切換装置１００の動作を説明するためのフローチャートである。以下の説明では、利用者がヘッドフォン３０を使用して、音楽再生装置１０で再生される音楽を鑑賞する場合について説明する。

図３において、まず、音声切換装置１００では、電源が投入されると、マイク２１は、周囲の音声を集音して外部音声として、記憶装置１０１、音声解析装置１０３、および切換器１０５に出力する。また、切換器１０５は、ＳＷを端子ａに切換えて、マイク２１から入力される外部音声をスピーカー３１より出力する。これにより、ヘッドフォン３０をしている利用者が、ヘッドフォン３０をすることによって阻害される周囲からの音声を、音声切換装置１００を経由して明確に聞き取ることが可能となる。すなわち、ヘッドフォン３０を外すことなく、リアルタイムに周囲の音を確認したり、会話したりすることが可能となる。また、記憶装置１０１は、マイク２１から入力される外部音声を録音し続ける。録音によって保持される時間はΔＴとする。

つづいて、検出器１０４は、音楽入力信号を電圧レベルなどから検出することで、音楽再生装置１０から音楽が入力されたか否かを検出し（ステップＳ１１）、音楽の入力を検出した場合には（ステップＳ１１の「Ｙｅｓ」）、外部音声解析処理を実行する（ステップＳ１２）。なお、本実施例では、音楽入力信号を電圧レベルなどから検出することで、音声切換装置１００が自律して稼動できるような構成としているが、音楽再生開始の検出を音楽再生装置１０からの再生指示を制御信号として受信することで判断しても良い。また、音声切換のタイミングで、ビープ音や効果音などを鳴らすことにしてもよい。これにより、利用者に、これから以前とは異なる選択音声が出力されるということを意識させることができる。また、現在の切換状況を利用者に知らせるため、スイッチ部２０にＬＥＤや液晶パネルなどの表示装置を合わせて用意することで、切換状況（何の音声が出力されているか）を通知することにしてもよい。

ここで、外部音声解析処理を詳細に説明する。検出器１０４は、音楽入力を検知すると、切換器１０５に対して、音楽出力を行うための切換指示（ＳＷ：ｂ）を出力すると共に、解析装置１０３に対して、判定開始指示（解析指示）を出力する。

切換器１０５は、検出器１０４から音楽出力を行うための切換指示（ＳＷ：ｂ）が入力されると、ＳＷを端子ｂに切換え、音声出力がスピーカー３１に出力される。これにより、ユーザはスピーカー３１より再生された音楽を聴くことができる。また、解析装置１０３は、検出器１０４から判定開始指示を受けとると、判定条件テーブルに予め登録されている判定条件（所定キーワード、声紋、音声パターン、音声レベル）と、入力された外部音声が一致するかどうかの判定を開始し（ステップＳ１５）、一致しない場合には、ステップＳ１３に戻る一方、一致した場合には、外部音声解析処理を停止し、ステップＳ１６に移行する。

検出器１０４は、音楽再生を検知している間、音楽停止に関しても監視を行う（ステップＳ１３）。検知器１０４は、音楽停止を検知した場合、解析中止処理を実行した後（ステップＳ１４）、ステップＳ１１に戻る。なお、音楽停止の検出は外部の音楽再生装置１０からの停止指示を制御信号として受信することで判断しても良い。

この解析中止処理では、検出器１０４は、音楽停止を検知すると、切換器１０５に対して外部音声出力を行うための切換指示（ＳＷ：ａ）を出力すると共に、解析装置１０３に対して、判定中止指示（解析中止指示）を出力する。切換器１０５は、検出器１０４から外部音声出力を行うための切換指示（ＳＷ：ａ）が入力されると、ＳＷを端子ａに切換え、外部音声がスピーカー３１に出力される。これにより、利用者は音楽が停止している間はヘッドフォン３０を外すことなく、リアルタイムに周囲の音を確認したり、会話したりすることが可能となる。また、解析装置１０３は、検出器１０４から判定中止指示を受けとると、外部音声の解析を中止する。

ステップＳ１６では、記憶音声再生処理が実行される。この記憶音声再生処理では、解析装置１０３は、再生装置１０２に対して、記憶した録音音声の録音音声再生指示（ＰＬＡＹ）を出力する。再生装置１０２は、解析装置１０３から録音音声再生指示（ＰＬＡＹ）が入力されると、記憶装置１０１に蓄積された外部音声を録音音声として再生して、検出器１０４に出力する。

なお、録音再生している際中も音楽再生装置１０の音楽再生は継続しているが、音楽再生装置１０と音声切換装置１００の間に制御ラインが設けられている場合、録音再生と同期して、音楽再生停止信号を外部の音楽再生装置１０に通知してもよい。これにより、音楽が利用者の意図しない状況で再生され続けるという状況を回避することができる。

検出器１０４は、再生装置１０２から出力される録音音声を検出すると、切換器１０５に対して録音音声をスピーカー３１に出力するための切換指示（ＳＷ：ｃ）を出力する。切換器１０５は、検出器１０４から録音音声出力を行うための切換指示（ＳＷ：ｃ）が入力されると、ＳＷを端子ｃに切換え、録音音声がスピーカー３１に出力される。

ここで、再生装置１０２で再生される録音音声について説明する。再生装置１０２による録音音声の再生は、録音音声開始時点（判定条件の一致を検出した時点）よりも所定時間ΔＴ過去から開始する。図５は、録音音声の再生方法（その１）を説明するための図である。所定時間ΔＴは、下記の条件式（１）を満たすことが望ましい。

所定時間ΔＴ＝所定の音声が出力される時間Δｔ１＋一定時間Δｔ３・・・（１）
図５において、Δｔ１は、所定の音声が出力される時間であり、説明の便宜上、解析装置１０３の条件一致の判定に必要な解析時間と同じ時間であるとしている。例えば、Δｔ１は、所定キーワードとして「うらわ」が登録されている場合、「うらわ」の音声が出力されるだけの時間である。また、Δｔ３は、利用者が該一致した音声の前後関係を把握するために必要な先行時間である。例えば、Δｔ２を、「みなみ」を音声出力する時間とした場合、Δｔ３は、「みなみ」を十分判断できるだけの時間である。なお、Δｔ３を操作者が任意に設定できる構成としてもよい。

このように、「うらわ」というキーワードに対して、所定時間ΔＴ過去からの録音音声を再生することで、その前後関係を把握でき、判定一致が純粋に「うらわ」でヒットしたのか、「みなみうらわ」や「きたうらわ」でヒットしたのかを判別することができる。また、「うらわ」というキーワードに対して、外部音声をそのまま録音音声として再生することで、判定一致した状況が降車のための車掌アナウンスによるものか、周囲の人が目的地とは関係なく話した内容なのかを判別することができる。これにより、利用者はヘッドフォン３０で音楽を聴きながら、利用者にとって必要な周囲の状況を的確に把握することが可能となる。

また、［声紋データ］の場合には、例えば、友人Ａが「夕飯を食べに行こうよ」と呼びかけた際、［友人Ａの声紋］という判定一致の状況を、ΔＴ過去からの録音音声を再生することで、友人Ａが呼びかけの際に何と呼びかけたのかを判別することができる。

また、［音声パターン］の場合には、電話のベルが鳴ったこと、また、その直後に電話ベルが鳴り止んだとしても、判定一致した状況を、ΔＴ過去からの録音音声を再生することで、電話のベルが鳴ったことを判断することができる。

また、［音声レベル］の場合には、周囲の状況が静かになったという状況を判別することができる。これは周囲の状況に対して音漏れを気にする人に対しては周囲が静かになったから、音楽のボリュームを下げるといった判断を行うのに適している。なお、周囲がうるさくなったという状況を判別して、周囲がうるさいから音楽のボリュームを上げることにしてもよい。

なお、上述したように、録音音声を再生開始する直前に今回の判定が何に起因して発生したのかを、スピーカー３１から利用者に通知する構成としてもよい。この通知によって、利用者は周囲の状況を把握するのにより優位なデータを取得することが可能となるからである。或いはチャイム音などにより注意を促がすようにしてもよい。また、これらを併用してもよい。

また、録音音声を再生する場合は短縮再生する。ここで、短縮再生とは、録音音声の録音時間よりも短い時間で再生することをいい、例えば、通常の音声再生よりも早い再生スピードで再生（スピード再生）し、若しくは、無音部分を効率よくＳＫＩＰして再生（ＳＫＩＰ再生）する。

図６は、本実施例に係る録音音声の再生方法（その２）を説明するための図である。図６において、録音音声を通常スピードで再生すると、スピーカー３１から出力される音声は、常にΔＴ分だけ過去の音声となる。本実施例では、ΔＴのずれを通常スピードより早く再生すること、若しくは無音部分をＳＫＩＰすることでその差分が「０」に近づいて行くように再生して、短縮再生時間（ΔＳ）が経過した時点、つまり差分が「０」となった時点で、再生装置１０２による録音音声の再生を停止し、切換器１０５により、スピーカー出力を外部音声に切り替える。これにより、ヘッドフォン３０で音楽を聞きながら目的の外部音声を認識でき、かつ外部音声認識後への復帰（意識の切換）をスムースにさせることができる。

例えば、音楽を聴いている最中に友人Ａに話しかけられた状況を想定すると、まず、声紋による判定一致によって、「声紋、友人Ａ」で条件一致を通知する。これにより、音楽を聴いている最中に友人Ａが呼びかけをしたということが認識できる。次に、録音音声を短縮再生することで、友人Ａがどのような内容の呼びかけをしたのかを把握することができる。さらに、友人Ａが話を継続したとしても、そのまま友人Ａの会話を中断することなく、その話を途切れなく聞いて理解することが可能となる。

さて、上記ステップＳ１６の記憶音声再生処理が終了した後は、検出器１０５は、切換器１０５に対して外部音声をスピーカー３１出力するための切換指示（ＳＷ：ａ）を出力する。切換器１０５は、検出器１０４から外部音声出力を行うための切換指示（ＳＷ：ａ）が入力されると、ＳＷを端子ａに切換え、外部音声がスピーカー３１から出力される。なお、この場合、利用者が新たに音楽鑑賞を行う場合は、操作部２２から手動にて切換器１０５に音楽出力するための切換指示（ＳＷ：ｂ）を出力する。なお、一定時間経過後に、自動的に切換器１０５に音楽出力するための切換指示（ＳＷ：ｂ）を出力する構成としてもよい。

以上説明したように、本実施例に係る音声切換装置１００によれば、マイク２１から入力される外部音声を録音音声として記憶する記憶装置１０１と、マイク２１から入力される外部音声が判定条件に一致するか否かを判定する解析装置１０３と、記憶装置１０１に記憶した録音音声を再生する再生装置１０２と、検出器１０４の指示に応じて、音楽再生装置１０から入力される音楽、マイク２１から入力される外部音声、および再生装置１０２で再生される録音音声を択一的に切り換えてスピーカー３１に出力する切換器１０５と、を備え、解析装置１０２によりマイク２１から入力される外部音声が判定条件に一致すると判断された場合、条件一致を検出時点より所定時間前からの録音音声を再生して録音音声をスピーカー３１に出力することとしたので、マイクから入力される外部音声が判定条件に一致した場合に、条件一致を検出時点よりも所定時間前からの録音音声を再生して、スピーカーに出力することができ、ヘッドフォン等を使用して音楽鑑賞をしている場合に、周囲の状況変化を的確に把握することが可能となる。

また、本実施例に係る音声切換装置１００によれば、再生装置１０２は、録音音声を短縮再生（録音音声の録音時間よりも短い時間で再生）し、具体的には、通常の音声再生よりも早い再生スピードで再生（スピード再生）し、若しくは無音部分をＳＫＩＰして再生（ＳＫＩＰ再生）することとしたので、ライブの外部音声に追いつくことができ、意識の切換をスムースにさせることができる。

また、本実施例に係る音声切換装置１００によれば、解析装置１０３は、判定条件として、キーワード、声紋、音声パターン、および音声レベルのうちの１または複数を予め記憶しておき、マイク２１から入力される外部音声がキーワード、声紋、音声パターン、および音声レベル等と一致するか否かを判定することとしたので、外部音声がキーワード、声紋、音声パターン、および音声レベルの条件に一致した場合に、利用者は所定時間前からの録音音声を聴くことができ、例えば、ヘッドフォンをして音楽鑑賞をしている電車の利用者は、降車駅のような外部アナウンスを的確に判別することができ、また、外部から利用者への呼びかけや周辺環境状況の変化等を認識することが可能となる。

また、本実施例に係る音声切換装置１００によれば、スピーカー３１は、ヘッドフォン３０に内蔵されることとしたので、ヘッドフォンを使用して、音声再生装置で再生される音楽を鑑賞している際に、周囲の状況変化を的確に把握することが可能となる。

（変形例１）
図７は、本発明に係る音声切換装置の変形例１を説明するための図である。図７において、変形例１は上記実施例と異なり、音声切換装置１００を音声再生装置１０の内部に実装した構成である。

（変形例２）
図８は、本発明に係る音声切換装置の変形例２を説明するための図である。図８において、変形例３は、音声切換装置１００をヘッドフォンの内部に実装した構成である。

（変形例３）
図２に示す音声切換装置１００では、入出力音声や制御信号を送信するために信号線（有線）を使用しているが、信号の送信を行う場合は有線に限られるものではなく、Ｂｌｕｅｔｏｏｔｈ等の無線通信を使用することにしてもよい。

（変形例４）
ヘッドセットを使用して電話会議・ＴＶ会議を実施する場合、周囲の音声状況の変化、例えば、他から声をかけられたり、電話が鳴ってないのに気づかないことがある。そこで、本実施例に係るヘッドフォンシステムを使用して電話会議・ＴＶ会議を実施する場合、音楽再生装置１０からの音楽を入力する代わりに、会議音声を入力とし、さらに、音声・ＴＶ会議の場合には、会議音声と外部音声のどちらの音声出力が優先かを前もって判断することが難しいため、会議音声をＭＵＴＥ（ミュート）せずに効果音やビープ音を会議音声に重ねてスピーカー３１に出力することにしてもよい。また、利用者にとって必要な状況変化が生じたことを、表示装置を使用して映像で知らせることにしてもよい。さらに、状況変化の音声による通知と、映像による通知の両方を行うことにしてもよく、音声および映像にどのような内容の状況変化があったかの情報を含めることにしてもよい。

（変形例５）
また、本発明に係る音声切換装置１００は、ヘッドフォンを使用した場合に限られるものではなく、室内・車載用のスピーカー等に出力することにしてもよい。例えば、マイクを玄関のドアに配置し、かつ、音声切換装置１００、音楽再生装置、およびスピーカーを室内に配置し、玄関のマイクから入力される外部音声に応じて、スピーカーから出力される音声を切換ることにしてもよい。これにより、例えば、室内で音楽鑑賞をしている場合に、玄関のマイクで来客者の音声を検出した場合に、スピーカーの出力を来客者の音声に切り換えることが可能となる。

本発明に係る音声切換装置は、音楽鑑賞をしている場合に、外部の状況変化を的確に把握する場合に有用であり、特に、ヘッドフォンで音楽鑑賞をする場合に有用である。

本発明に係る音声切換装置を適用したヘッドフォンシステムの外観構成を示す図である。 本発明に係る音声切換装置のブロック構成を示す図である。 音声切換装置の動作を説明するためのフローチャートである。 判定条件テーブルの構成例を示す図である。 録音音声の再生方法（その１）を説明するための図である。 録音音声の再生方法（その２）を説明するための図である。 変形例１を説明するための図である。 変形例２を説明するための図である。

符号の説明

１０ 音声再生装置
２０ スイッチ部
２１ 操作部
２２ マイク
３０ ヘッドフォン
３１ スピーカー
１００ 音声切換装置
１０１ 記憶装置
１０２ 再生装置
１０３ 解析装置
１０４ 検出器
１０５ 切換器

Claims (7)

1. マイクから入力される外部音声を録音音声として記憶する記憶手段と、
   前記マイクから入力される外部音声が判定条件に一致するか否かを判定する解析手段と、
   前記記憶手段に記憶した録音音声を再生する再生手段と、
   音楽再生装置から入力される音楽、前記マイクから入力される外部音声、および前記再生手段で再生される録音音声を択一的に切り換えてスピーカーに出力する切換手段と、
   を備え、
   前記解析手段により前記マイクから入力される外部音声が判定条件に一致すると判断された場合、前記再生手段は、条件一致を検出した時点よりも所定時間前からの録音音声を再生し、前記切換手段は当該再生した録音音声を前記スピーカーに出力することを特徴とする音声切換装置。
2. 前記所定時間は、前記判定条件に一致した音声および利用者が該一致した音声の前後関係を把握するために必要な先行時間を含む長さであることを特徴とする請求項１に記載の音声切換装置。
3. 前記再生手段は、前記録音音声を短縮再生することを特徴とする請求項１または請求項２に記載の音声切換装置。
4. 前記再生手段は、前記録音音声の再生は実時間に追いつくまで行なうことを特徴とする請求項３に記載の音声切換装置。
5. 前記録音音声の再生の前に、所定の音声を再生する音声再生手段を備えたことを特徴とする請求項１〜請求項４のいずれか１つに記載の音声切換装置。
6. 前記判定条件は、キーワード、声紋、音声パターン、および音声レベルのうちの１または複数であることを特徴とする請求項１〜請求項５のいずれか１つに記載の音声切換装置。
7. 前記スピーカーは、ヘッドフォンに内蔵されるスピーカーであることを特徴とする請求項１〜請求項６のいずれか１つに記載の音声切換装置。

Images