特許ウォッチ

公開番号2024076433
公報種別公開特許公報(A)
公開日2024-06-06
出願番号2022187925
出願日2022-11-25
発明の名称音声処理装置、音声処理プログラム及び音声処理方法
出願人沖電気工業株式会社
代理人個人,個人
主分類G10L 21/0272 20130101AFI20240530BHJP(楽器;音響)
要約【課題】ユーザへの音声出力処理及びユーザの音声収音処理に対応しつつ、ダブルトーク状態等となった場合でも、音声収音処理においてエコーの混入を防止する。
【解決手段】本発明は音声出力及びエリア収音を行う音声処理装置に関する。そして、本発明の音声処理装置は、出力音声信号に基づく音声をスピーカから出力する手段と、複数のマイクロホンアレイから入力された入力信号に基づいて目的エリアを音源とする目的エリア音を取得する手段と、少なくとも入力信号を含む混合用信号を所定の音量レベルに調整し、目的エリア音に混合させる信号混合処理を行い、信号混合処理により生成される混合後目的エリア音を生成して出力する手段と、出力音声信号に音声が含まれる有音区間を検出する手段と、少なくとも出力音声信号が有音区間となる特定区間を検出する手段と、特定区間において、信号混合処理を制限するように制御する手段とを有することを特徴とする。
【選択図】図1
特許請求の範囲【請求項１】
出力音声信号に基づく音声をスピーカから出力する出力手段と、
複数のマイクロホンアレイから入力された入力信号について、目的エリア方向以外の方向に指向性を形成した第１の非目的エリア音と、目的エリア方向に指向性を形成した目的エリア方向音とを取得する指向性形成手段と、
前記目的エリア方向音を用いて目的エリア方向からの第２の非目的エリア音を抽出し、さらに、前記第２の非目的エリア音と前記目的エリア方向音とを用いて、目的エリアを音源とする目的エリア音を取得する目的エリア音抽出手段と、
少なくとも前記入力信号を含む混合用信号を所定の音量レベルに調整し、前記目的エリア音に混合させる信号混合処理を行い、前記信号混合処理により生成される混合後目的エリア音を生成して出力する信号混合手段と、
前記出力音声信号に音声が含まれる有音区間を検出する有音区間検出手段と、
少なくとも前記出力音声信号が有音区間となる特定区間を検出する特定区間検出手段と、
前記特定区間において、前記信号混合処理を制限するように制御する混合制御手段と
を有することを特徴とする音声処理装置。
続きを表示（約 1,500 文字）【請求項２】
前記混合制御手段は、前記特定区間において、前記信号混合処理を停止させることを特徴とする請求項１に記載の音声処理装置。
【請求項３】
前記混合制御手段は、前記特定区間の前記信号混合処理において、前記目的エリア音に混合させる前記混合用信号の音量レベルを低減させることを特徴とする請求項１に記載の音声処理装置。
【請求項４】
前記混合制御手段は、前記出力音声信号が有音区間から無音区間となった後、所定のハングオーバ期間の間前記特定区間の状態を延長するハングオーバ処理を行うことを特徴とする請求項１に記載の音声処理装置。
【請求項５】
前記ハングオーバ期間は、前記スピーカから出力される音声がエコーとして前記マイクロホンアレイに入力される際のエコーパスの遅延に基づく期間であることを特徴とする請求項４に記載の音声処理装置。
【請求項６】
コンピュータを、
出力音声信号に基づく音声をスピーカから出力する出力手段と、
複数のマイクロホンアレイから入力された入力信号について、目的エリア方向以外の方向に指向性を形成した第１の非目的エリア音と、目的エリア方向に指向性を形成した目的エリア方向音とを取得する指向性形成手段と、
前記目的エリア方向音を用いて目的エリア方向からの第２の非目的エリア音を抽出し、さらに、前記第２の非目的エリア音と前記目的エリア方向音とを用いて、目的エリアを音源とする目的エリア音を取得する目的エリア音抽出手段と、
少なくとも前記入力信号を含む混合用信号を所定の音量レベルに調整し、前記目的エリア音に混合させる信号混合処理を行い、前記信号混合処理により生成される混合後目的エリア音を生成して出力する信号混合手段と、
前記出力音声信号に音声が含まれる有音区間を検出する有音区間検出手段と、
少なくとも前記出力音声信号が有音区間となる特定区間を検出する特定区間検出手段と、
前記特定区間において、前記信号混合処理を制限するように制御する混合制御手段と
して機能させることを特徴とする音声処理プログラム。
【請求項７】
音声処理装置が行う音声処理方法において、
前記音声処理装置は、出力手段、指向性形成手段、目的エリア音抽出手段、信号混合手段、有音区間検出手段、特定区間検出手段及び混合制御手段を備え、
前記出力手段は、出力音声信号に基づく音声をスピーカから出力し、
前記指向性形成手段は、複数のマイクロホンアレイから入力された入力信号について、目的エリア方向以外の方向に指向性を形成した第１の非目的エリア音と、目的エリア方向に指向性を形成した目的エリア方向音とを取得し、
前記目的エリア音抽出手段は、前記目的エリア方向音を用いて目的エリア方向からの第２の非目的エリア音を抽出し、さらに、前記第２の非目的エリア音と前記目的エリア方向音とを用いて、目的エリアを音源とする目的エリア音を取得し、
前記信号混合手段は、少なくとも前記入力信号を含む混合用信号を所定の音量レベルに調整し、前記目的エリア音に混合させる信号混合処理を行い、前記信号混合処理により生成される混合後目的エリア音を生成して出力し、
前記有音区間検出手段は、前記出力音声信号に音声が含まれる有音区間を検出し、
前記特定区間検出手段は、少なくとも前記出力音声信号が有音区間となる特定区間を検出し、
前記混合制御手段は、前記特定区間において、前記信号混合処理を制限するように制御する
ことを特徴とする音声処理方法。

発明の詳細な説明【技術分野】
【０００１】
本発明は、音声処理装置、音声処理プログラム及び音声処理方法に関し、例えば、特定のエリアの音を強調し、それ以外のエリアの音を抑圧する処理に適用し得るものである。
続きを表示（約 1,600 文字）【背景技術】
【０００２】
複数の音源が存在する環境下において、ある特定の方向の音のみ分離し収音する技術として、マイクロホンアレイを用いたビームフォーマ（ＢｅａｍＦｏｒｍｅｒ；以下、「ＢＦ」と呼ぶものとする）がある。ＢＦとは、各マイクロホンに到達する信号の時間差を利用して指向性を形成する技術である（非特許文献１参照）。ＢＦは、加算型と減算型の大きく２つの種類に分けられる。特に減算型ＢＦは、加算型ＢＦに比べ、少ないマイクロホン数で指向性を形成できるという利点がある。図６は、マイクロホン数が２個の場合の従来の減算型ＢＦを適用した収音装置ＰＳに係る構成を示すブロック図である。従来の減算型ＢＦを適用した収音装置ＰＳは、まず遅延器により目的とする方向に存在する音（以下、「目的音」と呼ぶ）がマイクロホンＭ１、Ｍ２に到来する信号の時間差を算出し、遅延を加えることにより目的音の位相を合わせる。
【０００３】
収音装置ＰＳにおいて、時間差は下記（１）式により算出される。（１）式においてｄはマイクロホン間の距離、ｃは音速、τ
ι
は遅延量である。また、（１）式において、θ
Ｌ
は、各マイクロホンを結んだ直線に対する垂直方向から目的方向への角度である。
【０００４】
τ
Ｌ
＝（ｄｓｉｎθ
Ｌ
）／ｃ …（１）
【０００５】
ここで、収音装置ＰＳは、死角がマイクロホンＭ１とマイクロホンＭ２の中心に対し、マイクロホンＭ１の方向に存在する場合、マイクロホンＭ１の入力信号χ
１
（τ）に対し遅延処理を行う。その後、収音装置ＰＳは、（２）式に従い減算器により信号処理を行う。
【０００６】
ｍ（ｔ）＝ｘ
２
（ｔ）－ｘ
１
（ｔ－τ
Ｌ
）…（２）
【０００７】
収音装置ＰＳにおいて、減算処理は周波数領域でも同様に行うことができ、その場合（２）式は以下の（３）式のように変更される。
【０００８】
TIFF
2024076433000002.tif
19
136
【０００９】
θ
Ｌ
＝±π／２の場合、収音装置ＰＳにおいて形成される指向性は図７（Ａ）に示すように、カージオイド型の単一指向性となる。また、θ
Ｌ
＝０，πの場合、収音装置ＰＳにおいて形成される指向性は、図７（Ｂ）のような８の字型の双指向性となる。なお、以下では、入力信号から単一指向性を形成するフィルタを「単一指向性フィルタ」と呼び、双指向性を形成するフィルタを「双指向性フィルタ」と呼ぶものとする。
【００１０】
また、収音装置ＰＳでは、スペクトル減算法（ＳｐｅｃｔｒａｌＳｕｂｔｒａｃｔｉｏｎ；以下、「ＳＳ」と呼ぶ）を用いることで、双指向性の死角に強い指向性を形成することもできる。ＳＳによる指向性は、（４）式に従い全周波数、もしくは指定した周波数帯域で形成される。（４）式では、マイクロホンＭ１の入力信号Χ
１
を用いているが、マイクロホンＭ２の入力信号Χ
２
でも同様の効果を得ることができる。（４）式において、βはＳＳの強度を調節するための係数である。収音装置ＰＳでは、ＳＳの処理（減算処理）の際に値がマイナスになった場合は、０または元の値を小さくした値に置き換えるフロアリング処理を行う。収音装置ＰＳでは、ＳＳの処理を適用することにより、双指向性フィルタにより目的方向以外に存在する音（以下、「非目的音」と呼ぶ）を抽出し、抽出した非目的音の振幅スペクトルを入力信号の振幅スペクトルから減算することで、目的音を強調することができる。
（【００１１】以降は省略されています）

関連特許