JP2006340376A - エッジポイントミキシングを有する遠隔会議ブリッジ - Google Patents

Abstract

【課題】オーディオ会議ブリッジシステムおよび方法を提供すること。
【解決手段】本発明は、会議のための単一のミキシング機能である伝統的な概念を打ち破るものである。代替として、本発明の新規な柔軟性のある設計は、会議における各参加者（２０）に別個のミキシング機能を提供する。この新しいアーキテクチャは本明細書中では一般に、「エッジポイントミキシング」（７０）として記載される。エッジポイントミキシングは、参加者の会議の経験に応じて各々の参加者制御を提供することにより、伝統的な会議システムの制限を克服する。エッジポイントミキシングにより、所望な場合に、仮想会議の世界内で演者の「位置」に依存してその会議からの明確にミキシングされたオーディオ信号を各参加者が受信することを可能にすることにより、「実生活」の会議のシミュレーションがまた可能になる。
【選択図】図４

Description

（発明の背景）
（１．関連技術）
本願は、１９９９年５月２１日ごろに出願された、名称「Ｔｅｌｅｃｏｎｆｅｒｅｎｃｉｎｇ Ｂｒｉｄｇｅ ｗｉｔｈ ＥｄｇｅＰｏｉｎｔ Ｍｉｘｉｎｇ」の米国仮出願第６０／１３５，２３９号、および、１９９９年６月１７日ごろに出願された、名称「Ａｕｔｏｍａｔｉｃ Ｔｅｌｅｃｏｎｆｅｒｅｎｃｉｎｇ
Ｃｏｎｔｒｏｌ Ｓｙｓｔｅｍ」の米国仮出願第６０／１３９，６１６号の優先権を主張する。両者を本願明細書において参考として援用する。本願は、また、２０００年５月１５日に出願された、「Ｔｅｌｅｃｏｎｆｅｒｅｎｃｉｎｇ Ｂｒｉｄｇｅ ｗｉｔｈ Ｅｄｇｅｐｏｉｎｔ Ｍｉｘｉｎｇ」の米国特許出願第___号の優先権を主張する。これもまた、本願明細書において参考として援用する。

（２．発明の分野）
本発明は、通信システムに関し、より詳細には、会議参加者に対して現実的で真に迫った体験および会議パラメータに対するハイレベルな制御を提供することができる音響会議システムに関する。

（３．関連技術の説明）
通信ネットワークにおいて、会議の手配を提供し、それにより、多くの参加者が会議電話でともにつなげられ得る（ｂｒｉｄｇｅ）ことが望ましい。会議ブリッジは、通信会議を確立するために複数のコネクションエンドポイントをともに接続することが可能なデバイスまたはシステムである。現代的な会議ブリッジは、オーディオおよびデータの両方に適応し得、それにより、例えば、会議の参加者によって書類を共作することが可能になる。

しかし、歴史的に、音響会議の経験はまだ十分ではなく、出席者が多い会議は特にそうである。スピーカ領域の認識（誰が話しているかを知る）、音量制御、話者クリッピング、話者ブレークスルー（別の話者が割りこむ機能）、線路雑音、待機音楽状況、会議経験を制御するためのエンドユーザの無機能の問題が存在している。

従来のシステムにおいて、１つのミキシング機能のみが音響会議全体に適用される。自動ゲイン制御を用いて、全ての参加者に対して十分な音響レベルを提供する試みがあるが、参加者は、自らの電話の調整とは異なり、会議における音響ミキシングレベルを制御するすべがない（例えば、入り混じった会議全体の音響レベルを変更しても、その中の任意の個人のオーディオに対して変更できない）。このように、会議参加者のそれぞれのオーディオを増幅または減衰することができない。さらに、従来の会議ブリッジ技術では、個人のオーディオを認識するか、話者の名前の明示的な言明すること以外に誰が話しているかを特定するのが困難である。さらに、線路雑音を分離および補正できるのは、人間の会議オペレータの介入によってのみである。

従来の会議システムの非フレキシビリティは重大な問題を引き起こす。例えば、従来の会議システムは、異なった品質の会議コネクションおよび／またはエンドポイントデバイスを有するユーザに対して十分に対応することができない。ある会議参加者は、会議に対するコネクションおよび／またはエンドポイント会議機器の品質により、会議ブリッジから高忠実度ミキシング音響信号を受け取ることができる。しかし、１つのミキシングアルゴリズムのみが会議全体に適用されるので、ミキシングアルゴリズムは最低レベルの参加者にあわせなければならない。したがって、たとえある会議出席者が会議ブリッジからかなりの高忠実度出力に対応することができても、ミキシングアルゴリズムは、２人が話せるだけであり、第三者は妨害される。

さらに、従来の音響ブリッジシステムは、会議参加者のオーディオのそれぞれに適用されるゲインを均一化しようとする。しかし、ほとんどいつも特定の参加者は、ラインの品質、バックグラウンドノイズ、話者の音量、マイクロフォンの感度などの変動に起因して他の人の話しを聞くことはさらに困難である。例えば、ビジネス遠隔会議の間、ある参加者は大きすぎて、別の参加者は小さすぎることがよくある。さらに、従来のビジネス会議システムは、視覚インターフェースを提供するものではないので、任意の特定の時間に誰が話しをしているかを認識するのが困難である。待機音楽（ｍｕｓｉｃ−ｏｎ−ｈｅｌｄ）は、また、会議を待機している任意の参加者が、会議の他の全ての人に音楽を放送するような従来のシステムについて問題を示す。個々にミキシングを制御しなければ、会議の参加者は、望まない音楽を消すことができない。

より多くのエンドユーザ制御が必要とされる特定の音響会議環境は、「仮想チャットルーム」である。チャットルームは、近年、インターネットにおいて普及している。チャットルームの参加者は、インターネットを介して同じウェブサイトにアクセスし、チャットルームの中心となる特定の話題（例えば、スポーツ、映画など）について伝達する。従来の「チャットルーム」は、実際にはテキストベースのウェブサイトであり、それにより、参加者は「ルーム」にいる全ての人によって見られるようにリアルタイムでメッセージをタイプする。最近では、テキストチャットの、一般的でより現実的な代替物として、オーディオベースのチャットが登場した。オーディオチャットルームにおいて、参加者は、インターネットウェブサイトを介してイネーブルされる音響会議において、実際にお互いに話しをする。チャットルーム参加者は、一般に、特定のチャットルームセッションの前にお互いを知らないので、各参加者は、彼らの「スクリーンネーム」によって、オーディオチャットルームにおいて一般に特定される。「スクリーンネーム」は会議の間、ウェブページにリストされ得る。

音響会議に対してエンドユーザ制御をより大きくする必要性は、ビジネス会議よりもチャットルーム設定において、さらに強く言われている。インターネットユーザは、品質が広く変化するサービスを受ける。とりわけ、サービスの品質は、ユーザのインターネットサービスプロバイダ（ＩＳＰ）、接続速度、マルチメディア計算機能に依存する。サービスの品質がオーディオチャットルームの参加者によって変わるので、可変する忠実度の会議出力を異なる参加者に供給することが必要であると特に切望される。さらに、各ユーザが入力する音響信号の明確さおよび音量は、ユーザのサービスの品質ごとに変化する。インターネットへのブロードバンドアクセスおよび高品質マルチメディアコンピュータを有する参加者は、ダイアルアップアクセスおよび低級のパーソナルコンピュータを使用する参加者よりも、かなり明瞭な音響信号をオーディオチャットルームに送信する。結果として、インターネットチャットルームにおいて聞こえるオーディオの音量および明確さは著しく変化し得る。

さらに、参加者の発言の内容は、オーディオチャットルームにおいてほとんど監視されない。あるチャットルームは、「モデレータ（ｍｏｄｅｒａｔｏｒ）」、すなわち、会話が特定のカテゴリー対して適切であることを保証することを負う人間監視人を含む。例えば、参加者が子供の本の議論を主題とするチャットルームに入る場合、人間モデレータは、セックスについて、または、下品なものの使用に関する話しを始めた参加者を追放し得る。しかし、チャットウェブサイトはコスト中心であるので、全てのチャットウェブサイトは人間モデレータを提供するものではない。さらに、たとえ人間管理人を使用するチャットルームでさえも、一般に、単に不快な（低俗に反対な）ユーザから参加者を保護しない。

代わりに、個々のミキシング制御がないと、すなわち、人間の監視を終了すると、音質がどのように乏しいのか、または、その内容がどのように低俗もしくは不快なのかにかかわらず、チャットルーム参加者は他の参加者全員に聞かせる。さらに、従来のチャットルームはユーザに「実生活」経験を与えるものではない。参加者のオーディオは、通常、各参加者のオーディオに適用されるゲインを均一化して、会議全体にその内容を伝える単一アルゴリズムにしたがって、ミキシングされる。したがって、会議にいる誰もが同じ音響ストリームを受け取る。これは、話をする人で満ちている実体験の部屋と対比される。実体験の「チャットルーム」は、その部屋の誰もが、他の話者に対する部屋内の位置によってわずかに異なって話しを聞く。

従来の会議技術（「ささやき（ｗｈｉｓｐｅｒ）回路の使用など」）の制限を克服するための従来の試みは、依然として会議参加者に完全なミキシング忠実度を提供しないので、不充分である。ロバストで、フレクシブルな音響会議ブリッジシステムに対する必要性が存在する。

（発明の要旨）
本発明の原理によれば、音響会議ブリッジシステムおよび方法が提供される。本発明は、会議のための単一ミキシング機能の従来の通知を廃棄する。代わりに、本発明の新規でフレクシブルな設計は、会議の各参加者に別のミキシング機能を提供する。この新規なアーキテクチャは、本明細書において、一般に「エッジポイントミキシング」として記載される。

エッジポイントミキシングは、各参加者の会議体験の制御を各参加者に提供することによって、従来の会議システムの制限を克服する。例えば、待機音楽は、本発明によって円滑化されるビジネス遠隔会議にとって重要ではない。残りの参加者は、待機中の会議の参加者の信号を単に減衰し、参加者が会議に戻ると減衰を終了し得る。同様に、声の小さい話者、すなわち、線路雑音に起因してはっきりと聞くことができない話者は、任意の参加者によって個別に増幅され得る。

エッジポイントミキシングは、また、所望な場合、各参加者が仮想会議世界内の話者の「位置」に応じて会議から明確なミキシング音響信号を受け取ることができることによって、「実体験」会議のシュミレーションが可能になる。好ましくは、会議の参加者には、仮想会議世界の他の参加者の位置を示す仮想インターフェースが設けられる。次いで、ミキシングパラメータは、参加者が仮想会議世界をあちこち動く（特定の会議出席者の方に近づき、他の会議出席者から離れる）ように、参加者に対して変化する。

本発明の好適な実施形態は、３段制御システムに従って各参加者のミキシングパラメータの動的改変を可能にする。第１に、デフォルトミキシングパラメータをアルゴリズム（例えば、仮想チャットルーム内の距離ベース減衰）に従って設定する。次いで、アルゴリズムが決定されたミキシングパラメータは、システムセットまたは参加者集団の方針（例えば、低俗な話者を消す）にしたがって自動的に変更され得る。最終的に、アルゴリズムおよび／または方針は、明示的な参加者の要求（例えば、特定の話者のオーディオを増幅する要求など）によって無効にされ得る。

本発明は、好ましくは、サービスの品質の異なる参加者に対応する。このように、高速接続および／または高忠実度エッジポイント会議機器を有する参加者は、低速接続または低忠実度機器を有する同じ会議の参加者よりも、よりよいミキシング信号を受け取る。次いで、参加者の各々は、参加者のコネクションおよび機器が許容する最高レベルの会議体験を享受することができる。

（好適な実施形態の詳細な説明）
本発明の特徴は、添付の図面とともに、本発明の例示的な実施形態の以下の詳細な説明を参照することによって、より容易に明らかとなり、よりよく理解される。

本発明のシステムおよび方法は、会議の各参加者に別個のミキシング機能を提供することによって、従来のブリッジの制限を克服する。従って、本発明は、実世界の会議体験のよりリアルなシミュレーションを伝送しようとする会議用途を支援する。実際の顔を向かい合わせた会議では、各参加者は、位置および部屋の音響等に起因してわずかに異なって聞こえる。すなわち、各参加者は、実際には、自身の聴覚システムに組み込まれる別個のミキシング機能を有している。各会議参加者に別個のミキシング機能を提供することによって、本発明は、実世界の会議環境のレクリエーションを可能にする。

本発明はまた、好ましくは、会議においてエンドユーザの高度な制御を提供する。その制御を用いて、聞くのを困難とする他のスピーカを増幅し、ノイズ源を減らし、（品のないような）不要な内容をフィルタリング除去する等を可能にする。従って、各参加者は、自身の必要性を正確に満たす会議のオーディオ品質を調整することができる。当然のことながら、この能力は、実際の会議（特に、会議が大きい場合）では達成するのは容易ではない。従って、エッジポイントミキシングは、所望ならば、参加者の「より生に近い」体験を提供することができる。

エッジポイントミキシングと従来のミキシングとの間の概念上の違いを図１に簡単に示す。図１に示されるように、従来のミキシング会議では、各参加者２０は、自身のメディアストリームを会議ブリッジ３０に送信する。会議ブリッジ３０は、１つのミキシング機能をその会議に適用し、各参加者２０にミキシング信号を出力する。１つのミキシング機能のみが会議１０に適用されるので、各参加者は、基本的には、同じミキシング信号を受信する。

エッジポイントミキシングはより一層柔軟性がある。各参加者２０は、自身のメディアストリーム６０を会議ブリッジ５０に送信する。しかしながら、会議ブリッジ５０は、各参加者２０用に別のエッジポイントミキサ７０を備えている。さらに、各参加者は、制御ストリーム８０をオーディオブリッジ５０に送信する。制御ストリーム８０の少なくとも一部に基づいて、オーディオブリッジ５０は、別個のミキシングオーディオ信号を各参加者２０に返す。各参加者の制御ストリーム８０は、おそらく異なっているので、各参加者２０は、別の十分に調整された会議体験を得ることができる。

図２は、本発明によるオーディオ会議ブリッジシステム１００の一般的な機構を示すブロック図である。図示される例示的な実施形態において、複数の会議参加者ステーション（Ａ、ＢおよびＣ）１１０は、システム制御ユニット２００およびオーディオブリッジユニット３００とインターフェースをとる。３つの参加者ステーション１００のみが図示されているが、任意の数のステーション１１０が本システム１００に接続され得る。システム制御ユニット２００は、一般的に、参加者ステーション１１０のためのミキシング制御データ１４０を受信し、そのミキシング制御データをオーディオブリッジユニット３００が取り入れるようにミキシング制御パラメータ１５０へ翻訳することを担っている。システム制御ユニット２００とオーディオブリッジユニット３００との両方が、おそらく、ハードウェアに単にインプリメントされ得るが、ユニット２００と３００とのそれぞれおよび／または両方が、適切なハードウェアプラットフォーム上で実行するコンピュータプログラムを備えている。

本発明の好適な実施形態において、会議参加者ステーション１１０とシステム制御ユニット２００との間のインターフェースは、インターネットプロトコル（ＩＰ）ネットワークのようなパケット交換型ネットワークを利用する。会議参加者ステーション１１０とオーディオブリッジユニット３００との間のメディアインターフェースは、別の通信ネットワーク上にあり得る。このような別の通信ネットワークには、例えば公衆電話通信交換網（ＰＳＴＮ）、パケット交換型ネットワーク、またはＰＳＴＮとパケット交換型ネットワークとの間のゲートウェイまでわたる２つの組み合わせがある。しかしながら、参加者ステーション１１０は、（イーサネット（登録商標）のような）ローカルエリアネットワーク、プライベートネットワーク、回路交換型ネットワーク等を含む任意の通信ネットワークによって本システムに接続され得る。

オーディオブリッジユニット３００は、複数のエッジポイントミキサ３１０を備えている。好適な実施形態において、各エッジポイントミキサ３１０は、オーディオブリッジユニット３００上で実行するソフトウェアプロセスであるか、またはオーディオブリッジユニット３００の一部としてインプリメントされる。好ましくは、各参加者ステーション１１０（例えば、Ａ、ＢおよびＣ）には１つのエッジポイントミキサ３１０が割り当てられている。そのエッジポイントミキサ３１０は、システム制御ユニット２００によって動的に供給されるミキシングパラメータ１５０に従って、入来する複数のオーディオ信号をミキシングすることによってその参加者ステーション１１０用のオーディオミキシングを実行する。簡単なシステムにおいて、ミキシングパラメータ１５０は、他の参加者ステーション１１０それぞれの入来オーディオ信号の個々の音量またはゲイン制御に相当し得る。

図３は、図２のオーディオ会議ブリッジシステムの動作のフローを一般的に示す。入来オーディオ信号３２５は、メディアインターフェースユニット（ＭＩＵ）４００によるオーディオ会議ブリッジシステム１００よって受信され、送信される。ＭＩＵ４００は、オーディオブリッジユニット３００と参加者ステーション１１０によって用いられる任意のネットワーク（単数または複数）との間のメディアインターフェースを提供し、オーディオ信号を送受信する。ＭＩＵ４００は、メディアストリームのパケット化および脱パケット化、自動ゲインコントロール、（必要ならば）音響エコーキャンセルおよび（ＲＴＰおよびＴＣＰ／ＩＰといった）下位レイヤープロトコル処理のような機能を実行する。１実施形態において、参加者ステーション１１０からオーディオブリッジユニット３００への入来オーディオ信号３２５は、ＭＩＵ４００を介してオーディオストリーム複製器３９９へと受信され、そこで入来オーディオ信号は、複製されて、所与の会議のためのエッジポイントミキサ３１０のそれぞれに配信される。以降で述べるように、オーディオストリーム複製器３９９は、マトリクスの増幅を適切に用いることによって省略することができる。

この実施形態において、各エッジポイントミキサ３１０は、乗算器関数３１１、３１２、３１３からなる群と加算器関数３１９を含む。乗算器３１１、３１２、３１３は、システム制御ユニット２００によって供給される関連するミキシング制御パラメータ１５０を各入来オーディオ信号３２５のそれぞれに乗じる。加算器関数３１９は、次いで、乗算された入来オーディオ信号３２５を加算して、それにより実際のミキシングを実行し、ミキシングオーディオ出力信号３３０を生成する。再度、ミキシング制御パラメータ１５０は、システム１００の基本的なインプリメンテーションにおいて、簡単なゲインコントロールであり得る。より複雑なインプリメンテーションにおいて、乗算器関数３１１は、より複雑な線形または非線形関数、時間変化または非時間変化のいずれかによって置き換え可能であり、それにより多様な会議体験を作成することができる。例えば、ミキシング制御パラメータ１５０は非常に複雑であり得、遅延、残響（エコー）、周波数および位相シフト、高調波、ひずみ、または予備入来オーディオ信号に基づいた任意の他の音響処理機能といった効果をもたらすようにエッジポイントミキサ３１０に命令して、それにより会議体験を向上させる。

図４および５は、本発明のオーディオ会議ブリッジシステムとともに用いられる参加者ステーション１１０の好適な実施形態を示す。参加者ステーション１１０は、参加者（例えば、Ａ、ＢおよびＣ）にオーディオ会議ブリッジシステム１００へのオーディオインターフェースと視覚インターフェースとの両方を提供する。

図４に示されるように、参加者ステーション１１０は、パーソナルコンピュータ（ＰＣ）４５０と標準の電話４６０との組み合わせを備え得る。この構成において、ＰＣ４５０は、好ましくは、（インターネットまたは管理されたＩＰネットワークのような）パケット交換型ネットワーク４５５への低速または高速接続のいずれかを有し、参加者インターフェースの視覚部分を提供し、システム制御ユニット２００と通信する。このビジュアルインターフェース（図示せず）は、好ましくは、Ｊａｖａ（登録商標）ａｐｐｌｅｔのようなＰＣ４５０上で実行するソフトウェアアプリケーション、インタラクティブゲームプログラム、または本発明のシステム１００と通信するように適合された任意の他のアプリケーションを含む。電話４６０は、次いで、公衆電話通信交換網（ＰＳＴＮ）４６５を介して、その接続によってオーディオブリッジユニット３００とのオーディオインタフェースを提供する。この参加者ステーションの実施形態は、システムのＩＰネットワーク４５５の管理部分にインプリメントされるＩＰ／ＰＳＴＮゲートウェイ４７０を採用して、オーディオブリッジユニット３００と参加者ステーションの電話４６０との間のオーディオ接続を可能にする。ＰＳＴＮ／ＩＰゲートウェイ４７０は、とりわけＣｉｓｃｏ Ｓｙｓｔｅｍｓから市販されており、オーディオブリッジユニット３００と同じ位置にあり得るか、またはオーディオブリッジユニット３００から離れた位置で、好ましくは管理されたＩＰネットワーク４５５を介して接続され得るかのいずれかである。

図４に示される参加者ステーション１１０は、参加者に（１）参加者のＰＣ４５０にマルチメディア能力、（２）パケット交換型ネットワーク４５５の高品質サービス、または（３）ユニフォームデータパケット（ＵＤＰ）が企業のネットワークファイアウォールをバイパスし得る特別な構成を有する必要なく、オーディオ会議ブリッジシステム１００にアクセスするビジネス参加者のための特別な有益な手段を提供する。

図５は、スピーカ４５２およびマイク４５３を備えたマルチメディアＰＣ４５１を含む異なる好適な参加者ステーション１１０を示す。この実施形態において、ＰＣ４５１は、好ましくは、管理されたＩＰネットワーク４５５への高速接続を有している。その管理されたＩＰネットワーク４５５には、オーディオ会議ブリッジシステム１００が接続されており、オーディオおよび視覚／制御信号が同じ通信ネットワーク４５５を介して伝送される。好ましくは、オーディオおよび視覚／制御信号の両方は、オーディオ信号情報をオーディオブリッジユニット３００へ、そして制御情報をシステム制御ユニット２００へと向けるために、ＩＰパケットヘッダにある適切なアドレシングを有するＩＰパケットを介して伝送される。

本明細書中で用いられるように、「信号」は、アナログ、デジタル、パケット交換型、または本発明によって必要とされるオーディオおよび／または制御情報を伝送するのに十分な任意の他の技術を介した情報の伝達を含む。さらに、本明細書中で用いられる「接続」は、ハードワイヤの交換型ネットワークといった専用物理接続を必ずしも意味しない。むしろ、接続は、このような接続を介して送信される情報すべてが同じ物理的なパスを伝わろうとなかろうと、任意の通信セッションの確立を含む。

図４および５は単なる例示であることを理解されたい。「インターネット電話」、ＰＤＡ、無線デバイス、セットトップボックス、上位ゲームステーション等を含む多くの他の参加者ステーション１１０の構成が可能である。システム制御ユニット２００とオーディオブリッジユニット３００との両方と効率的に通信する単独、または組み合わせ可能な任意のデバイス（単数または複数）が、参加者ステーション１１０として機能し得る。さらに、当業者であれば、十分な帯域幅、ファイアウォールクリアランス、マルチメディアＰＣ４５１リソースを有するビジネス参加者はまた、図５の「単純なＩＰ」の実施形態を適用する（オプションとして）能力があることを理解する。同様に、図４に示されるこのＰＣ４５０／電話４６０の組み合わせは、ビジネス以外の参加者によって使用され得、特に、インターネットのようなＩＰネットワーク４５５への狭帯域アクセスのみの参加者に有効である。

図６は、オーディオ会議ブリッジシステム１００が１つのサーバ６００にインプリメントされた本発明の実施形態を示す。示される構成要素のいくつかまたは全てが複数のサーバまたは他のハードウェアを介して分散され得ることを理解されたい。この会議サーバ６００の実施形態は、３つの主要な構成要素、すなわちシステム制御ユニット２００と、オーディオブリッジユニット３００と、ＭＩＵ４００とを含む。会議サーバ６００は、パーソナルコンピュータまたは専用のＤＳＰプラットフォームを含む任意の数の異なるハードウェア構成を含み得る。

システム制御ユニット２００は、会議サーバ６００上で行われている会議に機能の全体的な調整を提供する。システム制御ユニット２００は、ミキシング制御データ１４０を得るために参加者ステーション１１０と通信し、そのミキシング制御データ１４０をオーディオブリッジユニット３００のためのミキシングパラメータ１５０へと翻訳する。システム制御ユニット２００は、会議サーバ６００内に完全に位置し得るか、またはいくつかの会議サーバ６００間に、および／または参加者ステーション１１０に分散され得るかのいずれかである。

例えば、ビジュアルチャットルームアプリケーションでは、システム制御ユニット２００は、「具現化物（ａｖａｔａｒ）」（各参加者の視覚表示）間の距離の計算を実行し、オーディオの減衰量を計算し、それを入来オーディオ信号３２５に適用し得る。しかしながら、チャットルームにおける具現化物のそれぞれの位置ベクトル、方向ベクトル、発言アクティビティ指示を示すベクトルが、（参加者ステーションが自身の画面を正確に更新し得るように）いずれにせよ参加者ステーション１１０のそれぞれと通信しているので、会議サーバ６００の変わりに、参加者ステーション１１０に距離の計算を実行させることが可能である。

実際、参加者ステーション１１０は、実際のミキシングパラメータ１５０を計算し、（位置または距離情報を送信するのではなくて）計算したパラメータをオーディオブリッジユニット３００に送信し得る。このアプローチに対する顕著な利点は、（ほとんどすべてが参加者ステーション１１０で為されるという理由から）サーバ６００の拡張性の増加および簡略化したアプリケーション機能開発の増加である。このような分散型アプローチの欠点は、参加者ステーションの処理要件がわずかに大きくなることと、参加者ステーションの画面上の具現化物の動きとオーディオミキシングの変化との間の時間のずれが大きくなることである。この時間の遅れの増加は、すべての他の参加者の位置および音量情報を参加者ステーション１１０に送信するのに要する時間にほぼ比例するが、これはいわゆる推測法によって減少することができる。参加者ステーション１１０のいくつかが、システム制御ユニット２００の一部を含むが、その他の参加者ステーションは含まないハイブリッドアプリケーションもまた可能である。

オーディオブリッジユニット３００は、エッジポイントミキサ３１０を含み、一般に参加者ステーション１１０からの入来オーディオ信号３２５を受信し、参加者ステーション１１０への別個のミキシング信号３３０を出力するのを担っている。エッジポイントミキサ３１０は、システム制御ユニット２００によって動的に供給されるミキシングパラメータ１５０に従って、会議における複数の入来オーディオ信号３２５をミキシングすることによって参加者ステーション１１０のためのオーディオミキシングを実行する。所与のエッジポイントミキサ３１０に供給されるミキシング制御パラメータ１５０は、特定の会議のための任意の他のエッジポイントミキサ３１０へ供給されるパラメータ１５０と異なっている可能性がある。従って、会議体験は、会議の各参加者にとって特異なものとなる。

簡単なシステムにおいて、ミキシングパラメータ１５０は、他の参加者の入来オーディオ信号３２５のすべてについての簡単な音量またはゲイン制御に相当し得る。しかしながら、好ましくは、オーディオブリッジユニット３００は、大量のマトリクスの増幅を実行し、このように最適化されるべきである。オーディオブリッジユニット３００はまた、好ましくは、各参加者ステーション１１０のためのアクティブスピーカインジケータ（図示せず）を出力する。このアクティブスピーカインジケータは、各ミキシング出力信号３３０に対して、どの入来オーディオ信号３２５がミキシングされているかを示す。アクティブスピーカインジケータは、常にどの参加者のオーディオが聞こえているかをビジュアルで示す（例えば、参加者の具現化物を強調表示する）ように参加者ステーション１１０によって変換され得る。

オーディオブリッジユニット３００は、Ｉｎｔｅｌに基づくＰＣが実行するＬｉｎｕｘオペレーティングシステムのような汎用コンピューティングプラットフォーム上またはＤＳＰプラットフォーム上のいずれかで実行する可能性のある１つ以上のソフトウェアプロセスを含む。オーディオブリッジユニット３００は、好ましくは、会議中の各参加者ステーション１１０に会議サーバ６００の十分なリソースを割り当て、１つのエッジポイントミキサ３１０をインプリメントする。例えば、会議サーバ６００がＤＳＰプラットフォームである場合、各エッジポイントミキサ３１０は別のＤＳＰに割り当てられる。あるいは、マトリクスの数学的演算を実行する十分な処理能力を備えたＤＳＰは、複数のエッジポイントミキサ３１０を収容し得る。

別の実施形態において、エッジポイントミキサ３１０のいくつかまたはすべては、参加者ステーション１１０に分散され得る。しかしながら、このことは、すべての参加者ステーション１１０が自身のオーディオ信号入力３２５を分散されたエッジポイントミキサ３１０に放送することを必要とする。このことは、すべての参加者ステーション１１０間に極めて高速な接続がないと非効率かもしれない。中心に集中したエッジポイントミキサ３１０を有する利点は、各参加者ステーション１１０が１つのオーディオ信号の送受信のみを必要とすることである。

図６に示される１つのサーバの実施形態において、各エッジポイントミキサ３１０が、入力として以下の情報を受け取るように適合されることが現在好ましい。
・１６ビットパルスコード変調（ＰＣＭ）された結合されていない入来オーディオ信号（３２５）サンプル、８０００サンプル／秒／参加者。８ビットＰＣＭは電話用の標準規格であるが、１６ビット要件によって、将来、広帯域コーデックの追加を可能にする。
・１０回／秒のデフォルト速度でアップデートされるすべての会議参加者のための減衰／増幅ミキシングパラメータ１５０。アップデート速度は、好ましくは、動的に調整可能なパラメータである。
・ミキシングアルゴリズムを修正するシステム制御ユニット２００から得られる他のミキシングパラメータ１５０。この他のミキシングパラメータ１５０は、以下を含む。

・同時にミキシングされるスピーカの最大数（Ｎ）。システムまたはシステムオペレータは、好ましくは、パフォーマンスを最適化するように、または各参加者ステーション１１０の能力を適応させるようにこのパラメータを調整する。

・減衰／増幅レベルのアップデート速度。システムまたはシステムオペレータは、好ましくは、パフォーマンスを最適化するようにこのパラメータを調整する（例えば、１０回／秒）。

・アクティブスピーカインジケータのアップデート速度。システムまたはシステムオペレータは、パフォーマンスを最適化するようにこのパラメータを調整する（例えば、１０回／秒）。

・発言アクティビティ検出（ＳＡＤ）のイネーブル／ディセーブル。各参加者ステーション１１０は、参加者の会議体験のためにＳＡＤをイネーブルまたはディセーブルのいずれかを行うことができる。ＳＡＤがディセーブルされると、上位Ｎ個の強度が弱められていない入来オーディオ信号３２５が任意の達成される閾値に関係なくミキシングされる。

エッジポイントミキサ３１０は、好ましくは、少なくとも以下のデータを出力する。すなわち、１６ビットパルスコード変調（ＰＣＭ）の結合されていないミキシングオーディオ信号（３３０）の発言（オーディオ）サンプル、各参加者ステーション１１０につき８０００サンプル／秒。聞こえ得る現在のスピーカを特定するアクティブスピーカインジケータ（すなわち、現在ミキシングされているスピーカ）。

システム制御ユニット２００およびオーディオブリッジユニット３００の両方は、参加者ステーション１１０のような外部リソースと通信するために、メディアインターフェースユニット（ＭＩＵ）４００を採用する。ＭＩＵ４００は、好ましくは、会議サーバ６００と参加者ステーション１１０との間で適切な通信を可能にするために必要なプロトコルおよび会話機構の全てを含むソフトウェアモジュールである。例えば、ＭＩＵ４００は、コーディング／デコーディング６１０、自動ゲインコントロール６１５およびＲＴＰパケットのパッキング／アンパッキング６２０の従来のオーディオ処理機能を実行する。ＭＩＵ４００はまた、特定の会議に使用されるボイスオーバＩＰ（ＶＯＩＰ）プロトコル６３０のプロトコル処理を実行する。システム制御ユニット２００およびオーディオブリッジユニット３００と同様に、ＭＩＵ４００は、ネットワーク内の異なるサーバ６００間に分散され得る。

米国特許第５，５１３，３２８号「Ａｐｐａｒａｔｕｓ ｆｏｒ ｉｎｔｅｒ−ｐｒｏｃｅｓｓ／ｄｅｖｉｃｅ ｃｏｍｍｕｎｉｃａｔｉｏｎ ｆｏｒ ｍｕｌｔｉｐｌｅ ｓｙｓｔｅｍｓ ｏｆ ａｓｙｎｃｈｒｏｎｏｕｓ ｄｅｖｉｃｅｓ」に記載されるシステムによって達成されるＩＰルーティングが好ましい。上記特許を本明細書中において参照として援用する。上記特許に記載されるシステムは、イベント駆動型ソフトウェアアーキテクチャに従うことにより、効率的に処理リソースを使用し、（本発明のオーディオ会議ブリッジシステムのような）新規プラグインアプリケーションへの効率的な拡張を可能にする。

オーディオ会議ブリッジシステムの通信の基本は、好ましくは、インターネットプロトコル（ＩＰ）である。このプロトコルの包括内において、必要ならば、サブプロトコル（例えば、ＴＣＰ、ＵＤＰ）およびスーパプロトコル（例えば、ＲＴＰ、ＲＴＣＰ）が採用される。ＭＩＵ４００はまた、標準ＶＯＩＰプロトコル６３０、好ましくはＳＩＰおよびＨ．３２３を支援する。しかしながら、任意のＶＯＩＰ６３０を使用することができる。ＶＯＩＰプロトコルスタック６３０は、Ｒａｄｖｉｓｉｏｎおよび他の多くの企業から市販されている。

リアルタイムプロトコル（ＲＴＰ）およびリアルタイムコントロールプロトコル（ＲＴＣＰ）６２０は、ＶＯＩＰネットワークにおけるメディア伝送の標準媒体である。ＭＩＵ４００は、会議参加者ステーション１１０のそれぞれのＲＴＰ入力ストリームおよびＲＴＰ出力ストリームをパッキングおよびアンパッキングする。ＲＴＰ処理６２０は、好ましくは、ＶＯＩＰプロトコルスタック６３０と共に含まれる機能である。さらに、ヘッダ対データ比を制限し、スループットを増加させるために、圧縮されたＲＴＰを用いてＶＯＩＰメディアを送信することが好ましい。

参加者ステーションと通信するために、システム制御ユニット２００は、好ましくは、メディアインターフェースユニット４００によって翻訳可能なカスタムプロトコル（図６では「Ｔｒｕｅ Ｃｈａｔ Ｐｒｏｔｏｃｏｌ」と示される）６４０として用いる。当業者であれば理解するように、真のチャットプロトコル６４０は、アプリケーションに依存してしており、属性値対のような簡単な識別子を含む。それにより、真のチャットプロトコル６４０は、システム制御ユニット２００に参加者ステーション１１０から入ってくる（出て行く）情報をどのように処理するかを命令する。真のチャットプロトコル６４０は、規定されるＲＴＰペイロードヘッダタイプとともにＲＴＰ内にカプセル化され得る。真のチャットプロトコル６４０は、帯域幅集約型ではないけれども、本質的には時間センシティブである。そのプロトコルのＲＴＰへのカプセル化は、第２のＲＴＰセッションを簡単に確立することによって、ＣａｂｌｅＬａｂｓのパケットケーブルアーキテクチャのようないくつかのＶＯＩＰアーキテクチャに固有のＱｏＳ制御メカニズムを利用する。

ＭＩＵはまた、メディア変換ユニット６５０を含む。オーディオブリッジユニット３００は、好ましくは、１６ビットリニア入来オーディオ信号３２５を受け取る。しかしながら、標準電話コード（Ｇ．７１１）および多くの圧縮されたコードは、ある程度ノンリニアである。Ｇ．７１１の場合、ノンリニアコンパンディング機能は、信号対ノイズ比を改善し、動的範囲を広げるために、メディア変換ユニット６５０によって適用される。電話型のコードの場合、オーディオブリッジユニット３００にリニアＰＣＭ発言サンプルを供給するために、メディア変換ユニット６５０は、初めに入来オーディオ信号３２５をＧ．７１１に変換し、次いで逆コンパンディング機能を適用する。このことは、好ましくは、テーブルルックアップ機能を用いて達成される。ミキシングオーディオ信号３３０を出力するために、メディア変換ユニット６５０は反対の動作を実行する。従って、メディア変換ユニット６５０は、好ましくは、種々の異なるコードを（ＰＣＭのような）１６ビットリニアに翻訳し、もとに戻すことが可能な翻訳コーダを含む。

記載されるように、本発明は、好ましくは、管理されたＩＰネットワーク４５５（図５）を介してインプリメントされる。しかしながら、サービス品質（ＱｏＳ）能力を備え、極めて高度に管理されたＩＰネットワーク４５５でさえ、パケットを損失し、ランダムにパケットを受け取る場合がある。オーディオ通信は、待ち時間に対して非常にセンシティブであるので、損失したパケットを再伝送することは、データ伝送エラーに対して実行不可能な方法である。アプリケーションの今後の展望から、前方エラー訂正（ＦＥＣ）はこの問題に対する可能な解決策であるが、ＦＥＣは、冗長した情報の連続的な伝送を必要とする。すなわち、ＦＥＣは、帯域幅および処理能力の両方から高価な動作を必要とする。妥協案として、多くのＶＯＩＰアプリケーションは、パケット伝送問題に起因して損失した発言サンプルを推定するために、受信者に基づく方法へと移行しつつある。損失しているサンプルが１つの場合、簡単なアルゴリズムは、最後のサンプルを繰り返すか、またはリニアに補間するかのいずれかである。複数のサンプルが損失している場合、ＥＴＳＩ ＴＩＰＨＯＮによって推奨される補間方法のようなより積極的な補間方法が採用されるべきである。例えば、ＡＮＳＩ Ｔ１．５２１−１９９９に記載される方法が、Ｇ．７１１コードを処理するのに適切である。

ＭＩＵ４００はまた、好ましくは、エコーキャンセルを有する自動ゲインコントロール（ＡＧＣ）６１５を含む。ＡＧＣ６１５は、オーディオブリッジユニット３００から出力されるミキシングオーディオ信号３３０に適用される。ＡＧＣ６１５は、Ｇ．７１１または他のコードに変換される前に適用される。ＡＧＣ６１５はまた、好ましくは、標準電話コードの場合にオーディオブリッジユニット３００からの出力を１６ビットから８ビットへと正規化する。

ＭＩＵはまた、好ましくは、オーディオ認識モジュール６６０を含む。以下に記載するように、オーディオ認識６６０は、本発明とともに用いられ、（他の参加者が発する品のない内容をフィルタリングして除去するような）特定のミキシング政策を実現し得る。ＩＢＭから入手可能なＶｉａ Ｖｏｉｃｅといった既存のオーディオ認識ソフトウェアを採用することができる。

図７は、図２および図３で説明したシステムに関連して説明される、本発明の基本的な方法を図示する。第１に、オーディオ会議ブリッジシステム１００は、オーディオ会議ブリッジを動的に生成する（７００）。オーディオ会議ブリッジシステム１００は、好ましくは、サーバ上で動作するソフトウェアプロセスであり、システム制御ユニット２００とオーディオブリッジユニット３００とを備える。図２および図３で示した好適な実施形態において、これは以下のように達成される。参加者ステーション１１０は、個別に、システム制御ユニット２００と制御セッションを確立する。システム制御ユニット２００は、参加者ステーション１１０の各々に、その参加者ステーション１１０に対してユニークなセッション識別子すなわちＳＩＤを提供する。システム制御ユニット２００は、また、ＳＩＤをオーディオブリッジユニット３００に提供し、そのユニット３００にＳＩＤが同じ会議にグループ分けすることを知らせる。この機能のインプリメントする際に、会議ＩＤおよび参加者ステーションＩＤの点からＳＩＤを表現して、ユニーク性を保証し、また、特定のＳＩＤを特定の会議に関連づけるプロセスを簡略化することは有用であり得る。あるいは、ＳＩＤは参加者ステーション１１０のＩＰアドレスおよびポートアドレスを含み得る。

制御セッションの確立の後、参加者ステーション１１０の各々は、オーディオブリッジユニット３００とのオーディオ接続を確立し、適切なＳＩＤをやりとりする。ＳＩＤは、オーディオブリッジユニット３００によってプロンプトされた後、参加者ステーション１１０によって自動的にやりとりされ得るか、または、参加者（Ａ、Ｂ、Ｃ）によって手動でやりとりされ得るかのいずれかである。例えば、図４に示されるような参加者ステーション１１０を使用する人は、その人の電話４６０を使用して、オーディオブリッジユニット３００に接続し、その人のＳＩＤをオーディオブリッジユニット３００にＤＴＭＦ音調を介して手動で提供することが必要であるかもしれない。この点から、会議の終了まで、ＳＩＤをシステム制御ユニット２００による参照として使用する。システム制御ユニット２００は、ミキシング制御パラメータ１５０を有するＳＩＤをオーディオブリッジユニット３００に送信する。これにより、オーディオブリッジユニット３００が、さまざまな参加者ステーション１１０から入来オーディオ信号３２５を適切なエッジポイントミキサに相関させ、適切なミキシングパラメータ１５０を付与することが可能になる。

次に、システム制御ユニット２００は、参加者ステーション１１０に対するミキシング制御データ１４０を受け取る（７１０）。参加者ステーション１１０の各々に対するミキシング制御データ１４０は、他の参加者ステーション１１０から入来オーディオ信号３２５の少なくとも２つ（好ましくはすべて）に付与される個々のミキシングパラメータ１５０を導出するためにシステム制御ユニット２００によって使用されるデータを含む。ミキシング制御データ１４０の構成は、参加者ステーション１１０の会議アプリケーションおよび分散制御レベルによって多くの形式を取り得る。仮想チャットルームの例において、各参加者ステーション１１０から受け取ったミキシング制御データ１４０は、仮想会議世界内のその参加者の具現化物（ａｖａｔａｒ）の座標であり得る。別の例において、ミキシング制御データ１４０は、参加者ステーション１１０が「親制御」機能（低俗フィリルタリング）に同調していることの単なる通知を含み得る。さらに別の例において、ミキシング制御データ１４０は、参加者からの明示的なミキシング命令（例えば、参加者Ｃから入来オーディオ信号３２５の音量を上げる）を含み得る。

しかし、一般に、用語「ミキシング制御データ」１４０は、ミキシング制御パラメータ１５０を計算するために使用される任意の情報を含む。説明したように、ある例において、参加者ステーション１１０は自身のミキシングパラメータ１５０を計算することが可能であり得る。その場合、ミキシング制御データ１４０は、パラメータ１５０そのものとして規定される。さらに、システム制御ユニット２００によって計算された最終的なミキシング制御パラメータ１５０は、他のシステムリソースからのデータ（例えば、特定の参加者が低俗な言葉を発したというＭＩＵ４００内の会話認識モジュール６６０からの警告）に依存し得ることが理解されるべきである。

システム制御ユニット２００がミキシング制御データ１４０を受け取る場合、オーディオブリッジユニット３００は参加者ステーション１１０から入来オーディオ信号３２５を受け取る（７２０）。次いで、システム制御ユニット２００は、それぞれの参加者ステーション１１０に対して受け取った少なくともミキシング制御データ１４０に基づいて、エッジポイントミキサ１１０の各々のためのミキシング制御パラメータ１５０を設定する（７３０）。好ましくは、ミキシング制御パラメータ１５０は、３段制御システムに従って設定（周期的に改正）される。第１に、デフォルトミキシングパラメータは、仮想チャットルーム内の距離ベース減衰のようなアルゴリズムに従って設定される。次いで、アルゴリズム決定ミキシングパラメータは、低俗な話し手の音を消すなどのシステム設定方針または参加者設定方針にしたがって自動的に変更され得る。最終的に、アルゴリズムおよび／または方針は、特定の話し手のオーディオを増幅させるリクエストなど、明示的な参加者のリクエストによって無効にされ得る。

例えば、３次元会議アプリケーションにおいて、適切なデフォルトアルゴリズムは、シュミレートされた３次元環境における音の現実的な伝搬を再現するために求められ得る。この場合において、参加者ステーション１１０の各々から受け取ったミキシング制御データ１４０は、仮想環境内の参加者の位置と、その参加者が向かう方向（聞き手と話し手との両方が同じ方向を向いているから）とを含み得る。動作において、参加者ステーション１１０の各々は、システム制御ユニット２００を参加者の現在の位置および方向に周期的に更新し、それにより、ミキシング制御パラメータ１５０は更新され得る。システム制御ユニット２００はこの情報を取得し、ミキシングアルゴリズムにその情報を適用して、各参加者ステーションの設計されたエッジポイントミキサ３１０に対する適切なミキシング制御パラメータ１５０を計算し、次いで、オーディオブリッジユニット３００にそのパラメータ１５０を送信し、それにより、ミキシングが適切に行なわれる。参加者位置情報、ミキシング制御パラメータ１５０、適切なエッジポイント３１０ミキサの適切な相関は、上記のＳＩＤによって達成される。

次いで、この例の距離ベース減衰アルゴリズムは、システムまたは参加者方針の施行によって自動的に変更され得る。例えば、特定の参加者ステーションの方針が会議から特定の低俗な言葉をフィルタリングすることである場合、その参加者ステーションの「親制御」フラグは、参加者ステーションミキシング制御データ１４０の一部としてシステム制御ユニット２００に送信される。ＭＩＵ４００を不快な言葉の設定をロードして、会話認識モジュール６６０を用いて検索する。不快な言葉が検出された場合はいつでも、ＭＩＵ４００は、システム制御ユニット２００に知らせる。システム制御ユニット２００は、次いで、一時的に（または、方針によって永続的に）攻撃的話し手に対する減衰パラメータを１００％に設定し、それにより、望ましくない会話を効率的に防ぐ。

基となるアルゴリズム（この場合、距離ベースアルゴリズム）が他に参加者ミキシングオーディオ信号出力３３０に不快な話し手のオーディオを含もうと含まなかろうと、この減衰が生じる。好ましくは、この減衰はそのような方針をイネーブルする参加者ステーション１１０にのみ作用する。その方針をイネーブルしない参加者は、言われる全てを聞く。あるアプリケーションにおいて、システム管理者は、全ての参加者ステーション１１０（例えば、子供向けの仮想チャットルーム）からの低俗語を自動的にフィルタリングすることを望むかもしれない。システムおよび参加者方針インプリメンテーションの多くの他のタイプは本発明によって可能であり、このことは当業者にとって容易に明らかである。

デフォルトミキシングアルゴリズムは、また、参加者ステーション１１０からの明示的なミキシング命令を含むミキシング制御データ１４０によって直接的に無効にされ得る。明示的なミキシング命令は、システム制御ユニット２００によって行なわれるアルゴリズム計算の特定のステーション面を、一時的または永続的に無効にし得る。例えば、参加者は、会議の別の参加者がミキシングアルゴリズムによって指示されるより多くを増幅し得ることを要求し得る。これは、例えば、ある人が３次元チャットルーム内の離れた会話を聞くことを望む場合、有用である。同様のリクエストは、他の参加者が参加者の会話を立ち聞きできないように、参加者ステーション１１０をささやきモード（ｗｈｉｓｐｅｒ ｍｏｄｅ）またはプライバシーモード（ｐｒｉｖａｃｙ ｍｏｄｅ）にし得る。参加者の制御リクエストの多くの他のタイプは本発明によって可能であり、当業者にとって容易に明らかである。さらに、ミキシング制御パラメータ１５０は単純な線形係数より複雑になり得、ひずみ、エコーなどの効果を生成するための所定の非線形機能を含み得る。

ミキシング制御データ１４０は、また、任意の特定の参加者ステーション１１０に対してミキシングされる最大数の入来オーディオ信号３２５を最適化するために使用される情報を含み得る。説明したように、参加者ステーション１１０は、動作において、本オーディオ会議ブリッジシステム１００に対する設備と接続との両方が異なった品質を有する。例えば、図４に図示される参加者ステーション１１０は、オーディオブリッジユニット３００にＰＳＴＮ４６５を介して接続された電話４６０のオーディオインターフェースを含む。電話４６０および／またはＰＳＴＮ４６５の忠実度が限られている場合、本発明は、好ましくは、参加者ステーション１１０に対してミキシングされ得る入来オーディオ信号３２５の最大数を減らす（例えば、上位３つの入来オーディオ信号３２５をミキシングして、上位８つの入来ミキシング信号は他の参加者に対してミキシングされる）。

ハイパワーマルチメディアＰＣ４５１と、フルステレオスピーカ４５２と、管理されたＩＰネットワーク４５５への高速アクセスとを有する、全くのＩＰ参加者ステーション１１０（例えば、図５）は、かなり多くのオーディオを効率的にミキシングし得るが、低忠実度の参加者ステーション１１０（例えば、図４）はそのようにすることができないかもしれない。しかし、本システム１００は、同じ会議内でさえ十分な柔軟性を可能にする。ハイパワーユーザは十分な忠実度を受け、低エンドユーザは十分な忠実度を受けないが、両方とも、両者の設備およびネットワーク接続を最大限活用し、これらの要因が与えられて予期されるサービスを受け取る。これは、品質が異なる参加者ステーション１１０の全てが同じ会議に参加し、異なるが等しく満足する経験をすることが可能な点で十分な利点である。

好ましくは、各参加者ステーション１１０に対する忠実度調整は、システム制御ユニット２００によってインプリメントされるアルゴリズムであり得る。システム制御ユニット２００は、好ましくは、その参加者ステーション１１０に対してミキシングする入来オーディオ信号３２５の最適、最大の数を（自動的にまたはユーザからの入力に伴い）決定する。ある実施形態において、関連するミキシング制御データ１４０は、参加者ステーション１１０からの明示的な命令を含む。例えば、参加者ステーション１１０で動作するアプリケーションは、接続速度、オーディオ設備などに基づいてこのパラメータをどのように設定するかの提案を参加者に提供し得る。このパラメータは、また、会議の間、動的に修正され得、それにより、参加者がもとの設定を満たさない場合にミキシングされた最大数の入来信号３２５を変更し得る。別の実施形態において、システム制御ユニット２００は、ネットワーク条件（ネットワークジッタ、パケット損失、サービスの質、接続速度、待ち時間などを含む）をモニタすることを介して、ミキシング制御データ１４０を自動的に集めることにより、参加者ステーション１１０の各々に対する入来ミキシング信号３２５の最大数を最適化し得る。

ミキシング制御パラメータ１５０が計算されると、ミキシング制御パラメータ１５０はシステム制御ユニット２００によってオーディオブリッジユニット３００に送信される。次いで、オーディオブリッジユニット３００は、エッジポイントミキサ３１０を使用して、各参加者ステーションのミキシング制御パラメータ１５０にしたがって入来にオーディオ信号３２５をミキシングする（７４０）。参加者ステーション１１０の各々は異なるエッジポイントミキサ３１０に割り当てられ、システム制御ユニット２００は、ミキシング制御パラメータ１５０を有するその参加者ステーション１１０にＳＩＤを送信し、オーディオブリッジユニット３００による適切な相関を可能にする。

ミキシングの好適は方法を、図３の構成に戻って参照して説明する。単純化のために、極めて簡単なミキシングアルゴリズムを仮定する。極めて簡単なミキシングアルゴリズムは、参加者ステーション１１０によって明示的に供給される動的に更新された減衰値に従って全てのオーディオをミキシングする。さらに、図３のさまざまな入力信号および出力信号に対して、以下のラベルを想定する。

ＳＩ（１）＝参加者ステーションＡから入来オーディオ信号
ＳＩ（２）＝参加者ステーションＢから入来オーディオ信号
ＳＩ（３）＝参加者ステーションＣから入来オーディオ信号
ＳＯ（１）＝参加者ステーションＡへのミキシングオーディオ信号出力
ＳＯ（２）＝参加者ステーションＢへのミキシングオーディオ信号出力
ＳＯ（３）＝参加者ステーションＣへのミキシングオーディオ信号出力
Ａ（１、１）＝参加者Ａの入力信号に対して参加者Ａによって選択された増幅（仮想環境がいくらかのエコーを含まない限り、これは通常ゼロである）
Ａ（１，２）＝参加者Ｂの入力信号に対して参加者Ａによって選択された増幅
Ａ（１，３）＝参加者Ｃの入力信号に対して参加者Ａによって選択された増幅
Ａ（２，１）＝参加者Ａの入力信号に対して参加者Ｂによって選択された増幅
Ａ（２，２）＝参加者Ｂの入力信号に対して参加者Ｂによって選択された増幅（仮想環境がいくらかのエコーを含まない限り、これは通常ゼロである）
Ａ（２，３）＝参加者Ｃの入力信号に対して参加者Ｂによって選択された増幅
Ａ（３，１）＝参加者Ａの入力信号に対して参加者Ｃによって選択された増幅
Ａ（３，２）＝参加者Ｂの入力信号に対して参加者Ｃによって選択された増幅
Ａ（３，３）＝参加者Ｃの入力信号に対して参加者Ｃによって選択された増幅（仮想環境がいくらかのエコーを含まない限り、これは通常ゼロである）
次いで、出力信号に対する公式は、入力信号の関数として単に記載され得る。

ＳＯ（１）＝Ａ（１，１）＊ＳＩ（１）＋Ａ（１，２）＊ＳＩ（２）＋Ａ（１，３）＊ＳＩ（３）
ＳＯ（２）＝Ａ（２，１）＊ＳＩ（１）＋Ａ（２，２）＊ＳＩ（２）＋Ａ（２，３）＊ＳＩ（３）
ＳＯ（３）＝Ａ（３，１）＊ＳＩ（１）＋Ａ（３，２）＊ＳＩ（２）＋Ａ（３，３）＊ＳＩ（３）
この計算は、単純なマトリクス演算として達成され得る。例えば、ＳＩが参加者の参加者の入力信号３２５の入力列ベクトルを表す場合、Ａは増幅マトリクスを表し、ＳＯはミキシングオーディオ信号出力３５０の出力ベクトル３５０を表す。

ＳＯ＝Ａ×ＳＩ、ここで「×」は、マトリクス乗算を意味するものとして用いる。

入来オーディオ信号３２５は常に変化しており、増幅マトリクスが周期的に更新され、そして、この計算は、出力されるミキシングオーディオ信号３３０の１つのサンプルを表しているにすぎない。Ｇ．７１１などの一般的なＰＣＭベースのコードに対して、この演算は８０００回／秒で行なう。エッジポイントミキシング計算をマトリクス演算としてインプリメントすることによって、明示的なストリームデュプリケイター（ｄｕｐｌｉｃａｔｏｒ）３９９に対する必要性が取り除かれることに留意されたい。

上記の例は、参加者ステーション１１０の数が少なく、ミキシングアルゴリズムが簡単であることを想定している。しかし、より複雑な実施形態において、一般には、会議に対して３つより多くの参加者ステーション１１０が存在し、ミキシングアルゴリズムはかなり複雑になり得る。したがって、エッジポイントミキシング計算は、好ましくは、計算のオーバーヘッドを制限するように最適化される。例えば、比較的大きなチャットルームが５０の参加者ステーション１１０を有し、その全てが強く双方向的であり、また、デフォルトミキシングアルゴリズムは８人までの話し手をミキシングすると仮定する。第１に、オーディオ会議システム１００は、どの入来オーディオ信号３２５が参加者ステーション１１０の各々に対してミキシングされるべきかを決定しなければならない。次いで、関連するマトリクス演算の複雑さを減らすように、ミキシング計算を最適化しなければならない。

オーディオブリッジユニット３００への好適なリアルタイム入力は、システム制御ユニット２００からの増幅マトリクス（Ａ）、および、メディアインターフェースユニット４００を介して受け取った入来オーディオ信号３２５から得られるＰＣＭ会話サンプルベクトル（ＳＩ）である。２つの単純なステップを組み合わるように用いて、どの話し手がミキシングされるべきかを決定する。第１のステップは、会話アクティビィティ検出（ＳＡＤ）を使用して、現在アクティブな話し手を可能性の数を減らす手段（ｍｅａｎｓ）として判定する。第２のステップは、信号強度および増幅値を推定して、ミキシングのために上位のＮ個のソースを選択する。

この好適なプロセスにおける第１のステップは、次に、入来オーディオ信号３２５に対するＳＡＤ値を周期的に計算することである。会話アクティビィティ検出アルゴリズムは、比較的標準な基本的要素であり、ここでは説明しない。しかし、ＳＡＤは好ましくはメディア変換ユニット６５０に関連するＭＩＵ４００の一部としてインプリメントされる。入来会話サンプル（例えば、８０００／秒）の周波数に対して、会話アクティビィティ検出は比較的静的（例えば、１０更新／秒）である。ＳＡＤ機能の出力は、一般には、ブール値（０または１）である。多くの入来オーディオ信号３２５は非アクティブであるので（沈黙または低いレベルのノイズのみを生成する）、増幅マトリクス（Ａ）の列の数および会話入力ベクトル（ＳＩ）の行の数は急速に減少し得、それにより、必要とされるマトリクス計算のかなりの量の減少を達成する。このような減少したマトリクスは、それぞれ、（ａ）および（ｓｉ）と言及される。

最適には、好適なプロセスにおいて第２のステップを用いて、（参加者ステーション１１０ごとの）強度に従って増幅された入来信号３２５を要求し、次いで、参加者ステーション１１０への最終的にミキシングした信号出力３３０のために、上位のＮ個の信号のみを合計する。最終的な合計に対して選択された増幅信号は参加者ステーション１１０の各々に対して変化し得る。これは、減少した増幅マトリクス（ａ）および入力信号ベクトル（ｓｉ）のマトリクス乗算を一連の修正ベクトルドット積（ｍｏｄｉｆｉｅｄ ｖｅｃｔｏｒ ｄｏｔ ｐｒｏｄｕｃｔｓ）にさらに減らすことを意味する。ここで、各行は、１つのマトリクス乗算の代わりに、別々に計算される。最終の加算の前に生じるソートプロセスがあるので、ベクトルドット積は修正される。次いで、好ましくは、オーディオブリッジユニット３００は、ドット積に関連した乗算を行ない、上位のＮ個（例えば、８）値が得られるまで降順ソートを行なう。次いで、上記Ｎ個の値を合計して、所望な出力ミキシング信号３３０を得る。

入来オーディオ信号３２５は、ミキシング制御パラメータ１５０に従って適切にミキシングされると（７４０）、別のミキシングオーディオ信号３３０がオーディオブリッジユニット３００から各参加者ステーション１１０に出力される（７５０）。ミキシングされたオーディオ信号３３０の出力７５０は、通常、ミキシングされたオーディオ信号３３０を通信ネットワークを介して参加者ステーション１１０のそれぞれに伝達するオーディオブリッジユニット３００に関する。しかし、オーディオブリッジユニット３００の幾つかが参加者ステーション１１０に分散される（いくつかの参加者ステーション１１０が自身のエッジポイントミキサ３１０を含むような）実施形態において、出力ステップ７５０は、ミキシングされたオーディオ信号３３０を関連する話し手に単に送信するステップを含み得る。

図８は、本発明のオーディオ会議ブリッジング（ａｕｄｉｏ−ｃｏｎｆｅｒｅｒｎｃｅ ｂｒｉｄｇｉｎｇ ｓｙｓｔｅｍ）システム１００を利用する仮想チャットルーム８００に対する可能なビジュアルインターフェースの実施例を示す。図８に示される例示的な適用は、参加者Ａ−Ｆを表す具現化物８１０が配置される２次元仮想チャットルーム８００を示す。特定のチャットルーム８００は、山の景色を示し、アウトドアスポーツ等についての議論には最適であり得る。参加者に加えて、図８は、ジュークボックスのアイコン８２０および個別の仮想チャットルーム（この場合、ハワイのテーマ（Ｈａｗａｉiａｎ ｔｈｅｍｅ）へのハイパーテキストリンク８３０を含む。このチャットルーム８００は、システム制御ユニット２００およびオーディオブリッジングユニット３００と同じサーバ６００上でホストされたインターネットウェブサイトであり得る。この実施形態において、チャットルーム８００のビジュアルインターフェースは、参加者ステーション１１０で起動するＪａｖａ（登録商標）ａｐｐｌｅｔによって参加者ステーション１１０に提供され得る。無限に近い多様性を有した他のビジュアルインターフェースが可能であると認識される。しかし、ここで示されたチャットルーム８００は、図９と関連して使用され、本発明のオーディオ会議ブリッジングシステム１００を使用する例示的な仮想チャットセッションが説明される。

図９は、図８に示された仮想チャットルームの例示的なチャットセッションを示すイベントチャートである。説明されたように、多くのミキシングアルゴリズムが可能である。仮想ビジュアルチャットルームアプリケーション８００において、例えば、関連ミキシングアルゴリズムは、計算された環境において、現実的で、距離ベースの音の伝播を再現しようと試み得る。その環境は、２次元または３次元である。３次元の場合において、各参加者ステーション１１０により送信されるミキシング制御データ１４０は、ルーム内の人の位置、人が面している方向、および人の頭の傾きを含み得る（具現化物ゲームおよび仮想環境用途等におけるビジュアルパラダイムであるべきである）。この情報を有することによって、システム制御ユニット２００は、ミキシング制御パラメータ１５０を計算する。ミキシング制御パラメータ１５０は、オーディオブリッジングユニット３００からミキシングされた信号３３０を出力する。ミキシングされた出力信号３３０は、話し手の距離および方向に基づいて減衰される（例えば、参加者の具現化物の左にいる話し手は、自分の声がミキシングされる。ミキシングされた声は、参加者ステーションの左ステレオスピーカーから主に出力される）。しかし、簡略化のために、図９に例示された実施例では、方向、頭の傾き等と関係なく、単に、距離ベースのアルゴリズムを仮定する。

第１の「イベント」９００は、参加者Ａ、Ｂ、およびＣがルーム８００にいることである（既に、会議セッションを確立している）。図８は、縮尺通りに描かれるわけではないが、最初、Ａ、Ｂ、およびＣが互いに等距離にあると仮定する。さらに、以下の初期の仮定が為される：（１）参加者Ｄ、Ｅ、＆Ｆは、最初、１人もルーム８００にいない；（２）全ての参加者は、同じオーディオレベルで連続して話している；（３）参加者Ｃのみは、親制御（すなわち、不適切な発言のフィルタリング）を可能とする；（４）任意の１つの時間にミキシングされる入来オーディオ信号のデフォルト最大数が４である（忠実度がより低い参加者ステーションの減少を受けやすい）。

参加者Ａ、ＢおよびＣがルーム８００にいる一方で、参加者ステーション１１０は、システム制御ユニット２００でルーム８００内の位置を含むミキシング制御データ１４０を周期的に更新する。（この議論の目的のために、参加者の具現化物８１０の位置は、参加者自身の位置として参照される。）システム制御ユニット２００は、特定のミキシングアルゴリズムをミキシング制御データ１４０に適用し、それによって各参加者ステーション１１０に対するミキシングパラメータ１５０を計算する。次いで、オーディオブリッジユニット３００は、個々のミキシングパラメータ１５０に基づいた参加者ステーション１１０のそれぞれについて個々の出力信号３３０をミキシングする。この場合、参加者Ａ、Ｂ、およびＣは互いに等距離にいて、単に、距離ベースのミキシングアルゴリズムが適用されているので、各参加者ステーション１１０は、他の２人の参加者の等しい入力のミックス（例えば、Ａのミキシングされた信号＝５０％（Ｂ）＋５０％（Ｃ））を受信する。

図９に示されるパーセンテージは、入来オーディオ信号３２５の成分の混合であることが理解されるべきである。しかし、それらは、必ずしも信号の強さを示す必要はない。むしろ、本実施形態において、利得は、具現化物８１０と話し手音量入力との間の距離の関数である。１実施形態において、利得は、具現化物８１０間の距離の二乗が増加するにつれて、減少する（現実空間でおよそ真である）。しかし、いくつかの用途において、具現化物８１０間の近接度の直線関数として利得計算を例とする距離ベースの「減衰」のより遅いレート（ｒａｔｅ）を使用することは利点であり得る。他の実施形態において、具現化物８１０間の距離に関わらず、仮想チャットルーム８００での少なくとも１つの会話を可聴レベルに増幅するのが望ましい。本実施形態において、簡単な距離ベースのアルゴリズムが使用され、全ての参加者が同一の入来（ｉｎｃｏｍｉｎｇ）レベルで一定に話していることを仮定し、任意の特定の参加者に対する「トップ（ｔｏｐ）」入来信号３２５は、近接度が最も近い３人の他の参加者が受け取る。

次に、参加者Ａは、参加者Ｂにより近くに移動し（９０）、一方で参加者ＡおよびＢは、参加者Ｃから等距離のままである（図８は、各参加者の開始位置のみを示すことに留意のこと）。システム制御ユニット２００は、参加者Ａ、Ｂ、およびＣの更新された位置を受信し、各参加者ステーション１１０に対するミキシング制御パラメータ１５０を再計算する。次いで、オーディオブリッジングユニット３００は、システム制御ユニット２００から受信された修正されたミキシング制御パラメータ１５０に基づいて、各参加者ステーション１１０に対する入来オーディオ信号３２５を再度ミキシングする。本実施例では、参加者間の距離が変化し、これによって参加者Ａは、それぞれＢの入来オーディオ信号３２５とＣの入来オーディオ信号３２５との間の７０％−３０％の分割を受信する。Ｂは、Ａの入来オーディオ信号３２５とＣの入来オーディオ信号３２５との間の同様の分割を受信する。しかし、Ｃは、これらの参加者ＡおよびＢがＣから等距離なままなので、Ａの入来オーディオ信号３２５とＢの入来オーディオ信号３２５との間の５０％−５０％の分割をさらに受信する。

次に示されるイベント９２０は、参加者Ｂが不適切な発言をすることである。不適切な発言は、システム制御ユニット２００にＢの入来オーディオ信号３２５内に含まれる不適切な発言を知らせるＭＩＵ４００内の発言認識モジュール６６０によって検出される。発言認識モジュール６６０は、システム制御ユニット２００にＢの入来オーディオ信号３２５内に含まれる不適切な発言を知らせる。参加者Ｃは自分の親としての制御が可能である唯一の参加者であることを想起させる。システム制御ユニット２００は、参加者ステーションＣに対するミキシング制御パラミータ１５０を再計算し、上記の更新されたパラメータ１５０をオーディオブリッジングユニット３００に送信する。次いで、オーディオブリッジングユニット３００は、Ｂの入来信号３２５をＣのミキシングされた信号３３０から一時的に（または場所の政策に依存して、永続的に）消す。Ｂの入来信号３２５がＣのミキシングされた信号３３０から永続的に消音されると仮定する。このようにCは参加者Aからのオーディオ入力のみ受信する。ＡおよびＢからのミキシング制御データ１４０が変わっていないと仮定すると、ＡおよびＢへの出力であるミキシングされた信号３３０は、同じままである（Ａは、Ｂによって発言された不適切な発言を聞く）。

次に、参加者ＤおよびＥがルーム８００に入来（イベント９３０）、図８に示される位置に移動する。以前に議論されたように、ルーム８００に入るために、参加者ＤおよびＥは、システム制御ユニット２００による制御セッションおよびオーディオブリッジングユニット３００へのメディア接続を既に確立している。ＤおよびＥは、図５に示される「ピュア（ｐｕｒｅ）ＩＰ」参加者ステーション１１０を利用することを仮定すると、参加者ＤおよびＥは、システム制御ユニット２００によって提供されるＳＩＤに手動で入力することなく、手続きなしに（ｓｅａｍｌｅｓｓｌｙ）ルーム８００に入ることが可能である。

一旦、参加者ＤおよびＥがルーム８００に入る（イベント９３０）と、システム制御ユニット２００は、参加者全員の位置を含むミキシング制御データ１４０の周期的な更新を受信する。２人より多い参加者の追加により、システム制御ユニット２００は、現存する参加者Ａ、Ｂ、およびＣに対するミキシングパラメータ１５０、および新しい参加者ＤおよびＥに対するミキシングパラメータ１５０を計算する。次いで、オーディオブリッジングユニット３００は、新しいミキシングパラメータ１５０に基づいて各参加者ステーション１１０に対して出力するミキシングされた信号３３０を再ミキシングする。図９に示されるように、本実施例では、参加者Ａ、ＢおよびＣは、参加者ＤおよびＥが大きく離れている（参加者Ｅは、参加者Ｄより少しばかりさらに離れている）ので、ＤおよびＥから入来オーディオ信号３２５の大きく減衰されたレベルを受信する。同様に、参加者ＤおよびＥは、参加者Ａ、ＢおよびＣからの入来オーディオ信号３２５の大きく減衰された部分と共に、互いの入来オーディオ信号３２５をほとんど受信する。

次に、参加者Ａは、明示的に９４０を要求し、参加者ＤおよびＥの遠距離会話を走査する。この要求は、参加者Ａが参加者ＤとＥとの間の間隔上に直接、自分のマウスポインタをクリックすることを含む様々な方法でなされ得る。システム制御ユニットは、この要求をミキシング制御データ１４０の一部として参加者Ａから受信する。次いで、システム制御ユニット２００は、好適には、まるで参加者Ａのマウスのポインタによってクリックされた点に参加者ＡがいるかのようにＡのミキシング制御パラメータ１５０を再計算する。依然として残っている参加者が参加者Ａの入来オーディオ信号３２５をミキシングするために、Ａは、まだ自分の前の位置にいるとみなされる。次いで、オーディオブリッジングユニット３００は、新しいミキシング制御パラメータ１５０に従って、参加者Ａが出力するミキシングされた信号３３０を再ミキシングする（結果として、ＤとＥとの間の会話に対する、より重く重みを付けられるＡへのミキシングされた出力信号３３０が生じる）。他の参加者へのミキシングされたオーディオ信号３２０は、このイベントによって変わることはない。

次に示されるイベント９５０は、図４に示されたものと同様の参加者ステーション１１０（例えば、ビジュアルＰＣインターフェースおよびオーディオＰＳＴＮ電話インターフェース）を使用して会議に参加するための参加者Ｆからの要求である。好適に、参加者Ｆからの要求は、自分のＰＣ４５０または他のビジュアルインターフェースを介して為される。システム制御ユニット２００は、要求を受信し、会議のためのＳＩＤを参加者Ｆに割り当て、オーディオインターフェースを得るための電話番号を参加者Ｆに知らせる。システム制御ユニット２００はまた、オーディオブリッジングユニット３００にＳＩＤを送信する。オーディオブリッジングユニット３００は、現在、開かれている会議にＳＩＤを相関させ、参加者Ｆがオーディオ接続を確立するのを待つ。ユニット参加者Ｆが実際に会議に参加し、存在する参加者ステーション１１０に対するミキシングされたオーディオ信号３３０は変わることはない。

１実施形態において、参加者Ｆは、無料通話番号に電話することによってオーディオ接続を確立し、ＰＳＴＮ−ＩＰゲートウェイ４７０を通じてオーディオブリッジングユニット３００に参加者ステーションＦを接続させる。次いで、オーディオブリッジングユニット３００は、（おそらく、ＤＴＭＦトーンを通じて）システム制御ユニット２００によって提供されるＳＩＤに参加者Ｆを入らせるように促す。一旦ＳＩＤに入ると、オーディオブリッジングユニット３００は、エッジポイントミキサ３１０を参加者ステーションＦ専用にし、それを現在の会議に接続する。

一旦、参加者Ｆがオーディオ接続を確立し、（図８に示される位置にある）会議に入ると（イベント９６０）、システム制御ユニット２００は、ルーム８００内の参加者Ｆの初期位置を含む参加者の位置の全てに関する周期的な更新を受信し、各参加者ステーション１１０に対する更新されたミキシング制御パラメータ１５０を計算する。この会議に対するミキシングされたオーディオ信号のデフォルト最大数が４に仮定されたことを想起させる。ここで、６人の参加者がいるので、各参加者は、他の参加者の入来オーディオ信号３２５の少なくとも１つを含まないミキシングされた信号３３０を受信する。例えば、参加者Ｃは、（参加者ＤとＥとの間の）参加者Ａの盗聴位置からかなり離れているので、Ａのミキシングされた信号３３０は、Ｃからのいかなる任意の入力をも含まない。同様に、参加者Ｂのミキシングされた信号３３０は、参加者Ｅからのいかなる入力をも含まない。（参加者Ａは、参加者Ａが立ち聞きするにも関わらず、他の参加者に関するミキシングするために、参加者ＡおよびＢによって未だ参加者Ａの位置を維持するとみなされる。）参加者Ｃは、不適切な発言のために参加者Ｂの入力が既に消されているので、参加者Ｆの追加によっていかなる信号入力もさらに失うことはない。

しかし、本発明のシステム１００への参加者ＦのＰＳＴＮ接続４６５が忠実度（ｆｉｄｅｌｉｔｙ）において限定されると仮定すると、システム制御ユニット２００は、好適には、参加者Fのために入来オーディオ信号３２５の数を３に限定する。忠実度と速度の限定により、参加者Ｆのオーディオ接続および設備では、明らかに、リアルタイムで、４人のミキシングされた声を有するミキシングされた出力信号３００を受信できない。それゆえ、制御システムは、参加者ステーションＦが最高に取り扱い得る忠実度のレベルに（本明細書では、３つのミキシングされた入来オーディオ信号３２５であると仮定される）参加者Ｆを調整する。議論したように、この忠実度の限定は、参加者ステーション１１０から明示的に受信され、および／またはシステム制御ユニット２００によって自動的に導かれるミキシング制御パラメータ１４０に基づいて、好適には、システム制御ユニット２００からのミキシング制御パラメータ１５０として含まれる。

参加者Ａは、次に、仮想チャットルーム８００の角にあるジュークボックス８２０に移る（イベント９７０）。この仮想ジュークボックス８２０は、別のサーバ上でホストされるストリーミングオーディオサービス（ｓｔｒｅａｍｉｎｇ ａｕｄｉｏ ｓｅｒｖｉｃｅ）へのリンクを含む多くの形態をとり得ることが認識される。しかし、音楽が仮想チャットルーム８００に流れ出すと、ジュークボックス８２０は、好適には、ミキシングするために別の参加者として単に取り扱われることが好適である。言い換えれば、ジュークボックス８２０により近くにいる参加者は、より離れている参加者よりもより大きな音で音楽を聴く。従って、システム制御ユニット２００は、別の潜在的な入来オーディオ信号３２５の信号源としてジュークボックス８２０を取り入れ、これに基づいて距離ベースのミキシング制御パラメータ１５０を計算する。次いで、オーディオブリッジングユニット３００は、ジュークボックス８２０の活性化によって影響される、任意の参加者に対する個別のミキシングされたオーディオ信号３３０を再度ミキシングする。この場合、（自分の立ち聞き位置から）Ａ、Ｄ、Ｅ、およびＦといった参加者だけは、以前にミキシングされた４つの入来オーディオ信号３２５のうち１つとジュークボックス８２０からの音楽が取り替わるのに十分な程、ジュークボックスに近い。

最後に、参加者Ａは、仮想チャットルーム８００の角にある「Ｔｏ Ｈａｗａｉi」記号８３０と衝突することを決定する（９８０）。これは、異なるチャットルームへの利便性の高い入口（ｐｏｒｔａｌ）（おそらく、ハワイのテーマに関する入口）の例である。これは、現在のチャットルーム８００内でまたは多様な他の機構によってハイパーテキストリンクとして実施される。そのようなリンクと具現化物が衝突するイベントを処理する好適な方法は、１９９９年６月１７日に出願された、「Ａｕｔｏｍａｔｉｃ Ｔｅｌｅｃｏｎｆｅｒｅｎｃｉｎｇ Ｃｏｎｔｒｏｌ Ｓｙｓｔｅｍ，」と題された米国仮出願第６０／１３９，６１６号で示される。米国仮出願第６０／１３９，６１６号は、本明細書中で参考として援用される。

一旦、参加者Ａがハイパーテキストと衝突する（イベント９８０）と、システム制御ユニット２００は、異なるＳＩＤを参加者Ａに割り当て、そのＳＩＤをオーディオブリッジングユニット３００に送信する。オーディオブリッジングユニット３００は、ハワイ会議にそのＳＩＤを相関させ、別の専用エッジポイントミキサ３１０でその会議に参加者Ａを接続させる。システム制御ユニット２００は、ハワイ会議において、参加者Ａに対する初期のミキシングパラメータ１５０を計算し、その計算値をオーディオブリッジングユニット３００に送信する。次いで、オーディオブリッジングユニット３００は、ハワイ会議における他の参加者の他のエッジポイントミクサ３１０にＡの入来オーディオ信号３２５を接続させ、Ａのミキシング制御パラメータ１５０に従って他のハワイ会議の参加者の入来オーディオ信号３２５をミキシングする。

図９に示される実施例は、排他的でなく、限定的なものでもないことを認識される。特に、参加者全員が任意の時間に話しているという仮定はあり得ない。従って、（発言アクティビティ検出を含む）ミキシングされる入来オーディオ信号３２５のあり得そうな適切な選択は、図７に関連して説明される方法に関してより実行され易い。さらに、議論されたように、ミキシング公式は、非方向性のモノラルアプリケーションに対する距離ベースの減衰アルゴリズム、選択的な参加者減衰、および選択的な参加者増幅よりかなり複雑になり得るし、複雑になり易い。この基本的なミキシング公式への論理拡張は、発言方向性および／またはステレオまたは３Ｄ環境的な、方向性リスニング能力を同様に付加し得る。

さらに、本発明のオーディオ会議ブリッジングシステム１００は、対話式のゲーミングアプリケーションと関連して使用される。その場合、オーディオミキシング能力にエコー、死角、ノイズ、および歪み等の「ルーム効果」を加えることが所望となり得る。図８に示されるチャットルーム８００の第３の人の視点に加えて、所定のゲーミングアプリケーションが３次元での第１の人の視点を加えることもまたあり得る。本明細書で使用されるように、「具現化物」８１０は、その表示が第１の人または第３の人の視点で実行されるかどうかに関わらず、任意の参加者または参加者ステーション１１０のビジュアル表示を示すことが理解されるべきである。さらに、ビジネス会議または一定の娯楽アプリケーションに対して、広帯域オーディオミキシングにより、有意な値を会議の経験に付加し得る。

さらに、本発明が単なるオーディオ会議アプリケーションに限定していないことは、当業者には認識される。他のタイプのデータストリームがまた調整され得る。例えば、具現化物は、参加者のビデオ表示を含み得る。さらに、本発明は、リアルタイムでドキュメント上で協力して作業するために使用され得る。

本発明が好適な説明に関して説明されてきたが、変更および改変は、上掲の請求項で規定される実体的な発明の視野または範囲から逸脱せずに、本発明に為され得ることが当業者には十分に明らかである。

従来技術のミキシングアルゴリズムと本発明によるエッジポイントミキシングとの間の差異を説明する簡略フロー図である。 本発明のオーディオ会議システムブリッジシステムと３つの参加者ステーションの簡略ブロック図である。 図２に図示されたシステムによる簡略ブロック図である。 本発明のオーディオ会議ブリッジシステムおよび参加者ステーションの例示的実施形態の簡略ブロック図である。 本発明のオーディオ会議ブリッジシステムおよび参加者ステーションの別の例示的実施形態の簡略ブロック図である。 単一サーバにインプリメントされた場合の本発明のオーディオ会議ブリッジシステムの例示的実施形態のブロック図である。 本発明の方法の基本工程を示すフローチャートである。 本発明によってイネーブルされる仮想チャットルームに対する潜在視覚インターフェースの例示的な図である。 図８の仮想チャットルーム内で生じる特定のイベントと、本システムの例示的応答を説明するイベント図である。 図８の仮想チャットルーム内で生じる特定のイベントと、本システムの例示的応答を説明するイベント図である。 図８の仮想チャットルーム内で生じる特定のイベントと、本システムの例示的応答を説明するイベント図である。

Claims (1)

1. オーディオ会議において複数の参加者ステーションを動作可能に接続するオーディオ会議ブリッジを生成するステップであって、該オーディオ会議ブリッジは、第１の参加者ステーションと複数の他の参加者ステーションとを少なくとも含み、該複数の参加者ステーションからの複数の入来オーディオ信号を受信するように適合されている、ステップと、
   該第１の参加者ステーションのための第１のミキシング制御データを受信するステップであって、該第１のミキシング制御データは、該第１の参加者ステーション以外の参加者ステーションからの該複数の入来オーディオ信号のうちの少なくとも２つについて個々のミキシングパラメータを導出するために必要なデータを含む、ステップと、
   該複数の参加者ステーションからの該複数の入来オーディオ信号を受信するステップと、
   該第１の参加者ステーションのために受信された該第１のミキシング制御データに少なくとも基づいてオーディオ会議ミキシングパラメータの第１のセットを設定するステップと、
   所望の効果をもたらすように、アルゴリズムに従って該オーディオ会議ミキシングパラメータの第１のセットを動的に改変するステップであって、該アルゴリズムは、所定の基準を満たすオーディオ信号を識別し、ミキシングユニットによってミキシングされる可能性のあるオーディオ信号の数を該所定の基準を満たすオーディオ信号だけに減少させる検出ルーチンを含む、ステップと、
   該オーディオ会議ミキシングパラメータの改変された第１のセットに従って、該複数の入来オーディオ信号のうちのＮ（Ｎは１より大きい整数）個をミキシングすることにより、第１のミキシングされたオーディオ信号を生成するステップと、
   該第１のミキシングされたオーディオ信号を出力するステップと
   を包含する、オーディオ会議を容易にするための方法。

Images