JP2007219122A - 音響機器及びプログラム - Google Patents

Abstract

【課題】 ユーザの実際の聞き取り状態に合わせた音量調整を行うことのできる音響機器を実現すること。
【解決手段】 第１マイクＭ１は、第１〜第３スピーカＳＰ１〜ＳＰ３の近傍に配設され、第２マイクＭ２は、リスニングポジションの近傍に配設される。音声認識部７０は、第１マイクＭ１から入力された音声と、第２マイクＭ２から入力された音声とにそれぞれ音声認識処理を施し、各音声に対応する認識結果を第１認識データ及び第２認識データとして制御部１０に出力する。制御部１０は、音声認識部７０から出力された第１認識データと第２認識データとが一致しないと判別した場合、ボリューム調整部３０にボリュームレベルを一定量増加させるよう指示する。ボリューム調整部３０は、制御部１０の指示に従ってアンプ４０の増幅率を決定して、各スピーカから出力する音声のボリュームを調整する。
【選択図】図２

Description

本発明は、音声出力手段の音量調整を行う音響機器及びプログラムに関する。

テレビやＡＶ機器、カーナビゲーション装置等の音量調整機能を持つ音響機器では、使用する環境に合わせて、ユーザがリモコンや本体のボリュームキーを操作して音量を調整する。しかし、音声を聞く環境というものは、時間帯や周囲の状況に応じて変化するものである。例えば、固定的な同じ場所に設置された音響機器であれば、電話や家電等の生活音、屋外の工事や道路の騒音等によって環境は変化する。また、車載用の音響機器であれば、車の走行に伴って車外の環境が大きく変化して影響を受ける。

このため、ユーザは、一旦、自分の好みの音量に調整したとしても、音声を聞く環境が変化する度に、自分の聞きやすい音量に調整にしなければならい。このような煩わしさを解消するために、自動的に音量調整する技術が提案されている。その一例としては、指向性を有するマイクロホンアレイによって着座位置以外の方向から取得した音声の音量増大に応じて、音響機器の音量を上昇させる技術が知られている（特許文献１参照）。
特開２００２−１７１５８７号公報

ところが、音響機器が出力してユーザに聞こえる音声の音量調整の要否は、その音声の種類によって異なり、特に、人の声（会話やボーカル）を含む音声において、その音声が周辺の生活音や騒音等にマスクされた場合に、音量調整が必要になることが多い。特許文献１の技術では音量の自動調整が行われるが、この音量調整は周辺音量を基準としているため、必要以上に高い音量になったり、調整後の音量が足りなかったりする等、適切に音量調整が行われないことが考えられる。

また、音量の自動調整を行ったとしても、聴感には個人差があるため、自動調整後も更にユーザによる操作を加えて音量調整を行う必要があった。このように、音声を聞く環境の変化や聴感の個人差により、音量の自動調整を行ったとしても、自分でリモコン等を操作して実際に聞き取り易い音量に調整しなければならなく、使い勝手が悪かった。

本発明は、上述したような課題に鑑みて為されたものであり、その目的とするところは、ユーザの実際の聞き取り状態に合わせた音量調整を行うことのできる音響機器を実現することである。

以上の課題を解決するために、請求項１に記載の音響機器は、
音声出力手段と、
前記音声出力手段の近傍に少なくとも一つ配設された第１の音声入力手段と、
リスニングポジションの近傍に少なくとも一つ配設された第２の音声入力手段と、
前記第１の音声入力手段から入力された音声と、前記第２の音声入力手段から入力された音声とのそれぞれの音声認識を行う音声認識手段と、
前記第１及び第２の音声入力手段から入力されたそれぞれの音声を前記音声認識手段が音声認識した各認識結果の差異を判別し、その差異に基づいて前記音声出力手段の音量を調整する音量調整手段と、
を備えることを特徴としている。

請求項２に記載の発明は、請求項１に記載の発明において、
前記音量調整手段は、
所定の時間間隔で前記認識結果の差異の判別を行い、その差異に基づいた前記音声出力手段の音量調整を当該時間間隔毎に行うことを特徴としている。

請求項３に記載の発明は、請求項１又は２に記載の発明において、
前記音量調整手段は、
前記認識結果の差異が最大レベル以上又は最小レベル以下であると判別した場合、前記音声出力手段の音声調整を停止することを特徴としている。

請求項４に記載の発明は、請求項１〜３の何れか一項に記載の発明において、
前記第２の音声入力手段の入力感度を設定する感度設定手段を更に備えることを特徴としている。

請求項５に記載のプログラムは、コンピュータを、
音源の近傍に少なくとも一つ配設された第１の音声入力部から入力された音声と、リスニングポジションの近傍に少なくとも一つ配設された第２の音声入力部から入力された音声とのそれぞれの音声認識を行う音声認識手段、
前記第１及び第２の音声入力手段から入力されたそれぞれの音声を前記音声認識手段が音声認識した各認識結果の差異を判別し、その差異に基づいて前記音声出力手段の音量を調整する音量調整手段、
として機能させることを特徴としている。

本発明によれば、音声出力部の近傍で入力された音声と、リスニングポジションの近傍で入力された音声との音声認識の結果の差異に基づいて音声出力部の音量調整を行うため、リスニングポジションに位置するユーザの実際の聞き取り状態に合わせた音量調整を行うことができる。

〔第１実施形態〕
以下、本発明の音響機器を適用した音量調整装置１の第１実施形態について図１〜図４を参照して説明する。先ず、図１を用いて音量調整装置１の概要について説明する。図１は、音量調整装置１が有する複数のスピーカと、マイクロホン（以下、「マイク」という。）との平面配置図の一例である。

図１に示すように、音量調整装置１は、第１〜第３スピーカＳＰ１〜ＳＰ３と、第１及び第２マイクＭ１，Ｍ２とを備えて構成される。第１〜第３スピーカＳＰ１〜ＳＰ３は、ステレオスピーカ、センタースピーカとしての音声出力を行う。第１マイクＭ１は、第１〜第３スピーカＳＰ１〜ＳＰ３の近傍に配設され、第２マイクＭ２は、ユーザが音声の聞き取りを行う位置ＬＰに配設される。このユーザが音声の聞き取りを行う位置を以下「リスニングポジション」という。

第１マイクＭ１は、スピーカから出力される音声の入力を、そのスピーカの近傍で行うが、第２マイクＭ２は、リスニングポジションＬＰの近傍において行う。このため、第２マイクＭ２には、リスニングポジションＬＰのユーザが実際に聞き取りを行う状態に近い音声が入力される。音量調整装置１は、この第２マイクＭ２から入力された音声と、第１マイクＭ１から入力された音声との音声認識を行い、それぞれの認識結果の差異に基づいて第１〜第３スピーカＳＰ１〜ＳＰ３の音量調整を行う。

次に、図２のブロック図を用いて音量調整装置１の機能構成について説明する。図２によれば、音量調整装置１は、第１及び第２マイクＭ１，Ｍ２と、制御部１０と、入力セレクタ２０と、ＡＵＸ（Auxiliary）端子２５と、ボリューム調整部３０と、アンプ４０と、第１及び第２入力感度調整部５０，６０と、音声認識部７０と、第１〜第３スピーカＳＰ１〜ＳＰ３とを備えて構成される。尚、図２において、各機能部間を結ぶ実線は音声信号の入出ラインを示し、破線はコントロールラインを示している。

制御部１０は、ＭＰＵ（Micro Processor Unit）やＲＯＭ（Read Only Memory）、ＲＡＭ（Random Access Memory）等により構成され、各機能部への指示や各機能部間のデータの入出力を行うことで、音量調整装置１の種々の機能を司っている。より具体的には、操作部（図示略）から入力された操作信号に基づいてＲＯＭに記憶されたプログラムを読み出し、その読み出したプログラムに従った処理を行う。そして、その処理結果に基づいて各機能部の制御を行う。

入力セレクタ２０は、制御部１０の指示に従ってチューナ３、ＤＶＤ再生機５及びＡＵＸ端子２５の何れかを選択して、入力された音声信号をボリューム調整部３０に出力する機能部である。チューナ３は、テレビ放送やラジオ放送等のチューニングを行って受信した放送の音声信号を音量調整装置１に出力する。ＤＶＤ再生機５は、ＤＶＤの再生を行って音声信号を音量調整装置１に出力する。ＡＵＸ端子２５は、外部機器を接続する入力端子であり、その接続された外部機器からの音声を入力する。

ボリューム調整部３０は、入力セレクタ２０から出力された音声信号のボリュームレベルを制御部１０の指示やユーザの操作に従って調節する機能部である。ボリューム調整部３０は、制御部１０からボリュームレベルを一定量増加させる指示が入力されると、当該指示に基づいてアンプ４０の増幅率を決定すると共に音声信号をアンプ４０に出力する。

また、ボリューム調整部３０は、ボリュームキーや赤外線受光部を備えて構成され、ユーザのボリュームキーの操作やリモコンから受信した赤外線に基づいてアンプ４０の増幅率を決定する。アンプ４０は、ボリューム調整部３０の指示に従った増幅率で、入力された音声信号を増幅して、当該音声信号に基づいた音声を第１〜第３スピーカＳＰ１〜ＳＰ３から出力させる。

第１及び第２入力感度調整部５０，６０それぞれは、感度調節キーを備えて構成され、ユーザの感度調節キーの操作に従って第１マイクＭ１及び第２マイクＭ２それぞれの音声の入力感度を調整する機能部である。入力感度のレベル（以下、「入力感度レベル」という。）としては、例えば、レベルＡ、Ｂ及びＣの３段階が設けられ、初期状態ではレベルＡに設定される。レベルＢはレベルＡよりも低く、レベルＣはレベルＢよりも低いレベルとなる。

ユーザは、自分の聴感に合わせて第１及び第２マイクＭ１，Ｍ２の入力感度レベルを感度調節キーの操作により設定する。例えば、自動調整の結果、音量が大きすぎると感じるユーザであれば第２入力感度調整部６０の入力感度レベルをレベルＢに設定する。このとき、第２入力感度調整部６０は、第２マイクＭ２からの音声信号のレベルを一定レベル低めて音声認識部７０に出力し、出力感度レベルの設定が解除されるまでその設定を保持する。これにより、ユーザの聴感に近い状態を擬似的に再現して、その音声信号に音声認識処理を施すこととなる。尚、出力感度レベルの設定は、特定ユーザの継続使用であればその解除を不要としたり、機器の電源ＯＦＦ時に解除したり等、ユーザの利用形態に応じた各種設定が可能である。

音声認識部７０は、第１及び第２マイクＭ１，Ｍ２から入力された音声に音声認識処理を施す機能部であり、ＣＰＵ、ＲＯＭ、ＲＡＭ及びＡ／Ｄ変換器等を備えて構成される。音声認識部７０は、第１入力感度調整部５０を介して第１マイクＭ１から入力された音声信号（アナログ）をＡ／Ｄ変換して音声データ（デジタル）を生成し、その音声データに音声認識処理を施す。また、同様に、第２入力感度調整部６０を介して第２マイクＭ２から入力された音声信号をＡ／Ｄ変換して生成した音声データに音声認識処理を施す。

音声認識処理としては、ＨＨＭ（Hidden Markov model；隠れマルコフモデル）等の公知技術を適宜採用可能であり、簡単に説明すると次のようになる。即ち、入力された音声データにＭＦＣＣ（Mel Frequency Cepstral Coefficients ）等による音声の特徴分析を行って音声区間を検出し、その検出結果に基づいて音声データの区間毎に分割する。そして、その区間毎の音声データと認識辞書とを比較してパターン認識を行って、その認識結果を認識データとして制御部１０に出力する。

音声認識部７０は、第１マイクＭ１からの音声信号に対応する認識結果を第１認識データとして、第２マイクＭ２からの音声信号に対応する認識結果を第２認識データとして制御部１０に出力する。制御部１０は、この第１認識データと第２認識データとが一致するか否かを判定する。

各スピーカから出力された音声に歌詞や台詞等の文字情報が含まれていた場合、第１認識データ及び第２認識データとしてその文字情報が出力されることとなる。ところが、リスニングポジションＬＰにおいて、音声の聞き取りが困難な状態が生じている場合には、第２認識データに含まれる文字情報が第１認識データに含まれる文字情報と同一になるとは限らない。

そこで、制御部１０は、これらの認識データに含まれる文字情報が一致しなかった場合は、第１〜第３スピーカＳＰ１〜ＳＰ３から出力せれて音声が、リスニングポジションＬＰでは聞き取り難い状態になっていると判断して、ボリュームレベルを高めるようボリューム調整部３０に指示する。このようにして、第１〜第３スピーカＳＰ１〜ＳＰ３の音声出力のボリュームを、リスニングポジションＬＰにおいて聞き取り易い状態となるまで自動調整する。

次に、音量調整装置１の具体的な動作を図３及び図４のフローチャートを用いて説明する。先ず、制御部１０は、音声認識による音量調整機能が設定スイッチ（図示略）等の操作によりＯＮに設定されていると判定した場合に（ステップＳ１；Ｙｅｓ）、図４に示す音声認識制御処理を所定の時間間隔（例えば、１０秒間隔）で行う（ステップＳ３）。

そして、この音声認識制御処理の処理結果に基づいて第２認識データから後述する登録音声を検知したと判別した場合には（ステップＳ５；Ｙｅｓ）、その登録音声に基づいたボリュームレベルの調整を行うようにボリューム調整部３０に指示した後（ステップＳ７）、ステップＳ１に処理を移行する。

制御部１０は、第２認識データから登録音声を検知せず（ステップＳ５；Ｎｏ）、更に、第２認識データと第１認識データとが一致した判別した場合には（ステップＳ９；Ｎｏ）、ステップＳ１に処理を移行する。また、第１認識データと第２認識データとが不一致であると判別した場合には（ステップＳ９；Ｙｅｓ）、ボリュームレベルを一定量増加するようにボリューム調整部３０に指示する（ステップＳ１１）。

そして、その増加後のボリュームレベルが予め定められた上限レベルを超えたか否かを判定し（ステップＳ１３）、当該上限レベル以下であると判定した場合には（ステップＳ１３；Ｎｏ）、ステップＳ１に処理を移行して、第１認識データと第２認識データとが一致しなかった場合は一定量のボリュームレベルの増加を繰り返す。このため、第１認識データと第２認識データとの差異の度合いが高い程、ボリュームレベルの増加を繰り返す回数が増し、音量が高くなっていく。

また、ボリュームレベルが上限レベルを超えたと判定した場合には（ステップＳ１３；Ｙｅｓ）、図３に示すフローチャートの処理を終了して音量の自動調整を停止する。第１認識データと第２認識データとが不一致である場合には、ステップＳ３〜Ｓ１１の処理を繰り返すことにより、ボリュームレベルを逐次一定量増加していくが、この増加を繰り返すと、ボリュームが高くなりすぎる可能性がある。

そこで、ボリュームレベルが上限レベルを超えた場合には、ボリュームレベルの増加を停止することで、ボリュームが高くなりすぎることを防止する。尚、ボリュームレベルの増加量及び上限レベルは、予め定められたレベルを設定することとしてもよいし、ユーザが設定可能にしてもよい。

制御部１０は、ステップＳ３において図４のフローチャートに処理を移行すると、先ず、誤認識カウンタｍの格納領域をＲＡＭに確保して、当該誤認識カウンタｍをクリアする（ステップＳ２１）。そして、第２認識データが音声認識部７０から出力されるまで待機し、当該第２認識データが出力された場合には（ステップＳ２３；Ｙｅｓ）、第２認識データに登録音声が含まれるか否かを判別する（ステップＳ２５）。

制御部１０は、第２認識データに予め登録された音声データと比較して一致した場合に登録音声が含まれていると判別し（ステップＳ２５；Ｙｅｓ）、音声認識結果として“登録音声検知”を図３の処理フローに返す（ステップＳ２７）。この登録音声としては、例えば、電話の着信音や、電話のフックをかける音（フック音）等の音声があり、電話の着信音と第２認識データとが一致した場合には、ボリュームを一定量下げ、フック音の音声データと一致した場合には、ボリュームを一定量上げる音量調整を行う。

また、ステップＳ２５において登録音声が含まれていないと判別した場合（ステップＳ２５；Ｎｏ）、音声認識部７０から第１認識データが出力されたか否かを判定する（ステップＳ２９）。制御部１０は、第１認識データが出力されたと判定した場合（ステップＳ２９；Ｙｅｓ）、第１認識データと第２認識データとが一致するか否かを判別し（ステップＳ３１）、一致すると判別した場合には（ステップＳ３１；Ｙｅｓ）、音声認識結果として“一致”を図３の処理フローに返す（ステップＳ３９）。

また、第１認識データと第２認識データとが一致しなかったと判別した場合には（ステップＳ３１；Ｎｏ）、誤認識カウンタｍに１加算し（ステップＳ３３）、その誤認識カウンタｍが誤認識判定回数（例えば、５回）を超えたか否かを判定する（ステップＳ３５）。制御部１０は、誤認識カウンタｍが誤認識判定回数以下であると判定した場合（ステップＳ３５；Ｎｏ）、ステップＳ２３に処理を移行して、第２認識データに基づいた音声調整を繰り返す。

また、誤認識カウンタｍが誤認識判定回数を超えたと判定した場合には（ステップＳ３５；Ｙｅｓ）、スピーカから出力された音声に含まれる文字情報を、リスニングポジションＬＰの第２マイクＭ２において誤って音声認識していると判別し、音声認識結果として“不一致”を図３の処理フローに返す（ステップＳ３７）。

例えば、スピーカから「今日はいい天気です」という音声出力が為され、音声認識部７０は、「キョウハイイテンキデス」という文字情報を含む第１認識データと、「キョハテキデ」という文字情報を含む第２認識データとを取得したとする。このとき、制御部１０は、この第１認識データと第２認識データは一致しないと判別し、この判別を５回行った場合に、ボリュームレベルを一定量高めることで、リスニングポジションＬＰでより聞き取り易い状態にする。

そして、制御部１０は、音声認識制御処理を再度行って、「キョウハイイテンキデス」という第１認識データと、「キョウハテンキデ」という第２認識データとを取得した場合、更に、第１認識データと第２認識データは一致しないと判別して、ボリュームレベルを一定量高める。

次いで、制御部１０は、音声認識制御処理を再度行って、「キョウハイイテンキデス」という第１認識データと第２認識データとを取得した場合、第１認識データと第２認識データが一致すると判別して、ボリュームレベルの調節を停止する。このようにして、リスニングポジションＬＰにおいて入力した音声中に含まれる文字情報と、スピーカ近傍で入力した音声に含まれる文字情報とが一致するまで当該スピーカの音量を高めていく。

以上、第１実施形態によれば、スピーカ近傍に配設された第１マイクＭ１から入力された音声と、リスニングポジションＬＰに配設された第２マイクＭ２から入力された音声とのそれぞれに施した音声認識処理の認識結果が一致しなかった場合には、スピーカの音量を一定量ずつ高めていく。このため、リスニングポジションＬＰのユーザが、実際に聞き取る音声に合わせて音量調整を行うことができる。

このため、例えば、ユーザが音楽や映画の視聴中に、生活音や屋外の騒音等が発生して音声が聞き取り難い環境に一時的に変化した場合、第１認識データと第２認識データとの差異が小さくなるまで音量を高めるため、ユーザが音声を聞き取り難くなることを防止することができる。また、環境の変化の都度、リモコン等を操作して音量調整を行う必要がなくなるため、ユーザの音量調整の操作が軽減される。

また、第１認識データ及び第２認識データに含まれる文字情報を比較して、音声調整を行うことで、スピーカから出力された音声に含まれる歌詞や台詞といった文字情報がリスニングポジションＬＰで聞き取り易くなるように音量を調整することができる。

また、１０秒間隔といった所定の時間間隔で音声認識制御処理を行って、認識データの一致・不一致の判別を行いながら音量の調整を行っているため、スピーカから出力している音声の聞き取り難さにリアルタイムで対応できるようになる。

尚、ボリュームレベルが所定の上限レベルを超えた場合に、音量の自動調整を停止することとして説明したが、例えば、次のようにしてもよい。即ち、１０秒間隔で１０秒分の音声データに音声認識制御処理を行って、認識データの差異が最大レベル以上又は最小レベル以下であると判別した場合に自動調整を停止する。

より具体的には、第１及び第２認識データを比較し、音声に含まれる１０文字分の文字情報のうち、一致する文字情報が９文字以上であり、一致しない文字情報が最小レベルの１文字以下であれば、多少の差異においては音量調整が不要であると判別して自動調整を停止する。また、一致する文字情報が５文字以下であり、一致しない文字情報が最大レベルの５文字以上であれば、認識データの一致を阻害している環境音が大きすぎると判別して、音声調整を行わない。

例えば、騒音が一時的に発生し、認識データの一致する文字情報が例えば５文字以下であった場合、自動調整を行っても聞き取り易くなるとは限らず、自動調整を行わないため、音量が必要以上に高くなってしまうことを防止できる。また、一般に、音声認識処理の精度によってはある程度の誤差が生ずる可能性があるため、認識データの一致しない文字情報が１文字以下であった場合は自動調整を停止して、必要以上に精細な音量調整を行って音量が不安定になってしまうことを防止できる。

〔第２実施形態〕
次に、音響機器を適用した音量調整装置１ａの第２実施形態について図５及び図６を参照して説明する。尚、上述した第１実施形態における音量調整装置１と同一の機能構成には、同一の符号を付してその詳細な説明を省略する。また、音量調整装置１ａの具体的な処理内容について、音量調整装置１と同一の処理内容についてはその説明を割愛し、異なる処理内容を中心に説明する。

図５は、音量調整装置１ａが有する第１マイクＭ１と、第２−１〜第２−３マイクＭ２−１〜Ｍ２−３との平面配置図の一例である。図５に示すように、音量調整装置１ａの、第２−１〜第２−３マイクＭ２−１〜Ｍ２−３それぞれは、複数のリスニングポジションＬＰ１〜ＬＰ３に配設される。

図６は、音量調整装置１ａの機能構成の一例を示すブロック図である。図６によれば、音量調整装置１ａは、第１マイクＭ１と、第２−１〜第２−３マイクＭ２−１〜Ｍ２−３と、制御部１０ａと、入力セレクタ２０と、ＡＵＸ端子２５と、ボリューム調整部３０と、アンプ４０と、第１入力感度調整部５０と、第２−１〜第２−３入力感度調整部６１〜６３と、音声認識部７０と、第１〜第３スピーカＳＰ１〜ＳＰ３とを備えて構成される。尚、図６において、制御部１０ａから各入力感度調整部に対するコントロールラインの図示は省略している。

第２−１〜第２−３入力感度調整部６１〜６３それぞれは、感度調節キーを備えて構成され、ユーザの感度調節キーの操作に従って第２−１〜第２−３マイクＭ２−１〜Ｍ２−３それぞれの音声の入力感度レベルを調整する機能部である。音声認識部７０ａは、第１マイクＭ１と、第２−１〜第２−３マイクＭ２−１〜Ｍ２−３とから入力された音声に音声認識処理を施す機能部である。

第２実施形態における音量調整装置１ａの具体的な処理内容は、図３及び４のフローチャートに従った処理と同様であるが、異なる処理内容は次のようになる。即ち、図４のステップＳ２３移行の処理では、第２認識データに基づいた処理を、第２−１〜第２−３マイクＭ２−１〜Ｍ２−３に対応する認識データに基づいて行う。

具体的には、音声認識部７０ａから出力される認識データを比較して、第１認識データと、第２−１〜第２−３マイクＭ２−１〜Ｍ２−３それぞれに対応する認識データそれぞれとが一致するか否かを判別する。そして、上述した第１実施形態と同様に、認識データが一致すると判別した場合は、音声認識結果として“一致”を返し、一致しないと判別した場合は、“不一致”を返す。

以上、第２実施形態によれば、第１マイクＭ１から入力された音声と、複数のリスニングポジションＬＰ１〜ＬＰ３に配設された第２−１〜第２−３マイクＭ２−１〜Ｍ２−３から入力された音声とのそれぞれに施した音声認識処理の認識結果が一致しなかった場合には、スピーカの音量を一定量ずつ高めていく。このため、リスニングポジションＬＰ１〜ＬＰ３それぞれに位置するユーザの、実際の聞き取り状態に合わせて音量調整を行うことができる。

〔第３実施形態〕
次に、音響機器を適用した音量調整装置１ｂの第３実施形態について図７を参照して説明する。尚、音量調整装置１ｂが有するマイク及びスピーカの平面配置図は、上述した第２実施形態の平面配置図（図５参照）と同様である。また、音量調整装置１ａと同一の機能構成には、同一の符号を付してその詳細な説明を省略し、音量調整装置１ａと同一の処理内容についてはその説明を割愛し、異なる処理内容を中心に説明する。

図７は、音量調整装置１ｂの機能構成の一例を示すブロック図である。図７によれば、音量調整装置１ｂは、第１マイクＭ１と、第２−１〜第２−３マイクＭ２−１〜Ｍ２−３と、制御部１０ａと、入力セレクタ２０と、ＡＵＸ端子２５と、ボリューム調整部３０ｂと、第１〜第３アンプ４１〜４３と、第１入力感度調整部５０と、第２−１〜第２−３入力感度調整部６１〜６３と、音声認識部７０ａと、第１〜第３スピーカＳＰ１〜ＳＰ３とを備えて構成される。

ボリューム調整部３０ｂは、制御部１０ｂにより指定されたスピーカのボリュームレベルを調整する機能部であり、当該制御部１０ｂの指示に基づいて各スピーカに対応する第１〜第３アンプ４１〜４３の増幅率を決定すると共に音声信号を第１〜第３アンプ４１〜４３に出力する。

第１〜第３アンプ４１〜４３それぞれは、ボリューム調整部３０の指示に従った増幅率で、入力された音声信号を増幅して、当該音声信号に基づいた音声を第１〜第３スピーカＳＰ１〜ＳＰ３から出力させる。制御部１０ｂは、音声認識部７０ａから出力される認識データを比較して、第１認識データと、第２−１〜第２−３マイクＭ２−１〜Ｍ２−３それぞれに対応する認識データとが一致するか否かを判別する。

そして、第２−１〜第２−３マイクＭ２−１〜Ｍ２−３それぞれに対応する認識データの何れかが第１認識データと一致しないと判別した場合は、その一致しないと判別した第２−１〜第２−３マイクＭ２−１〜Ｍ２−３それぞれに対応するスピーカのボリュームレベルを一定量増加させるように、ボリューム調整部３０ｂに指示する。

具体的には、図５においては、第２−１マイクＭ２−１と第１スピーカＳＰ１、第２−２マイクＭ２−２と第２スピーカＳＰ２、第２−３マイクＭ２−３と第３スピーカＳＰ３といったマイクとスピーカとの配列順に予め対応付けられており、第２−１マイクＭ２−１から入力された音声の認識データと、第１認識データとが一致しなかった場合は、第１スピーカＳＰ１のボリュームレベルを増加させる。

また、第２−２マイクＭ２−２に対応する認識データと第１認識データとが一致しなかった場合は、第２スピーカＳＰ２のボリュームレベルを増加させ、第２−３マイクＭ２−３に対応する認識データと第１認識データとが一致しなかった場合は、第３スピーカＳＰ３のボリュームレベルを増加させる。

以上、第３実施形態によれば、第１認識データと、複数のリスニングポジションＬＰ１〜ＬＰ３に配設された各マイクから入力された音声とのそれぞれに施した音声認識処理の認識結果とが一致しなかった場合には、その一致しなかったマイクに対応付けられたスピーカの音量を一定量ずつ高めていく。従って、リスニングポジションＬＰ１〜ＬＰ３に位置するユーザ毎の実際の聞き取り状態に合わせて、スピーカ毎に音量調整を行うことができる。

〔第４実施形態〕
次に、音響機器を適用した音量調整装置１ｃの第４実施形態について図８及び図９を参照して説明する。尚、上述した第１実施形態における音量調整装置１と同一の機能構成には、同一の符号を付してその詳細な説明を省略する。また、音量調整装置１ｃの具体的な処理内容について、音量調整装置１と同一の処理内容についてはその説明を割愛し、異なる処理内容を中心に説明する。

図８は、音量調整装置１ｂが有する第１−１〜第１−３マイクＭ１−１〜Ｍ１−３と、第２マイクＭ２との平面配置図の一例である。図８に示すように、音量調整装置１ｂの、第１−１〜第１−３マイクＭ１−１〜Ｍ１−３それぞれは、第１〜第３スピーカＳＰ１〜ＳＰ３の近傍に配設される。また、第２スピーカＳＰ２はセンターチャンネルの音声出力を行い、第１及び第２スピーカＳＰ１，ＳＰ２は、左右のステレオチャンネルの音声出力を行う。

図９は、音量調整装置１ｃの機能構成の一例を示すブロック図である。図９によれば、音量調整装置１ｃは、第１−１〜第１−３マイクＭ１−１〜Ｍ１−３と、第２マイクＭ２と、制御部１０ｃと、入力セレクタ２０と、ＡＵＸ端子２５と、ボリューム調整部３０ｃと、第１〜第３アンプ４１〜４３と、第１−１〜第１−３入力感度調整部５１〜５３と、第２入力感度調整部６０と、音声認識部７０ｃと、第１〜第３スピーカＳＰ１〜ＳＰ３とを備えて構成される。尚、図９において、制御部１０ｃから各入力感度調整部に対するコントロールラインの図示は省略している。

第１−１〜第１−３入力感度調整部５１〜５３それぞれは、感度調節キーを備えて構成され、ユーザの感度調節キーの操作に従って第１−１〜第１−３マイクＭ１−１〜Ｍ１−３それぞれの音声の入力感度を調整する機能部である。音声認識部７０ｃは、第１−１〜第１−３マイクＭ１−１〜Ｍ１−３と、第２マイクＭ２とから入力された音声に音声認識処理を施す機能部である。

制御部１０ｃは、音声認識部７０ｃから出力される認識データを比較して、第１−１〜第１−３マイクＭ１−１〜Ｍ１−３それぞれに対応する認識データと、第２認識データとが一致するか否かを判別する。

そして、第１−１〜第１−３マイクＭ１−１〜Ｍ１−３それぞれに対応する認識データの何れかが第２認識データと一致しないと判別した場合は、その一致しないと判別した第１−１〜第１−３マイクＭ１−１〜Ｍ１−３それぞれの近傍に位置するスピーカのボリュームレベルを一定量増加させるように、ボリューム調整部３０ｃに指示する。

このため、例えば、第１−１マイクＭ１−１に入力された左成分の音声と、リスニングポジションＬＰにおける音声との認識データが一致しなかた場合には、第１スピーカＳＰ１の音量を高める。また、第１−２マイクＭ１−２に入力されたセンター成分の音声と、リスニングポジションＬＰにおける音声との認識データが一致しなかた場合には、第２スピーカＳＰ２の音量を高める。

以上、第４実施形態によれば、各スピーカに配設された第１−１〜第１−３マイクＭ１−１〜Ｍ１−３から入力された音声それぞれに施した音声認識処理の認識結果と、第２認識データとが一致しなかった場合には、その一致しなかったマイクの近傍に位置するスピーカの音量を一定量ずつ高めていく。従って、リスニングポジションＬＰに位置するユーザの実際の聞き取り状態に合わせて、音声出力の左成分、右成分、センター成分といった音声毎に音量調整を行うことができる。

〔変形例〕
尚、上述した実施形態は、本発明を適用した一例であり、その適用可能な範囲は上述したものに限られない。

例えば、上述した実施形態では、スピーカから出力する音声全体や左成分や右成分の音声の音量調整を行うこととして説明したが、音声認識処理により認識した音声中のボーカルの周波数成分を抽出して音量調整することとしてもよいし、また、低音域の周波数成分を抽出して音量調整することとしてもよい。この場合、ボリューム調整部は、入力された音声信号に所定の音声信号処理を施して、ボーカルや低音域の周波数成分を抽出して、その音量調整を個々に行ってアンプに出力することとなる。これにより、音声中に含まれるボーカルや会話等の文言を聞き取り易くすることができる。

また、上述した実施形態では、各マイクから入力された音声に音声認識処理を施した認識結果が一致しなかった場合に、一定量ボリュームレベルの増加を繰り返すこととして説明したが、認識結果に含まれる文字情報を比較し、異なる文字情報の字数に応じてボリュームレベルを増加させることとしてもよい。

また、ボリュームレベルの調整を行う際に、一旦ユーザにその旨を通知して、ユーザの確認を得てから当該調整を行うこととしてもよい。この場合、例えば、制御部１０は、音声調整をユーザの代理で行うエージェント機能を有することとする。そして、ステップＳ１１においてボリュームレベルを一定量増加させる前に、音声出力中の音声を一時停止して、スピーカから「音量を高くしますがよろしいですか」という音声を出力する。制御部１０は、例えば「ハイ」という音声が第２マイクＭ２から入力されたことを第２認識データに基づいて判定した場合に、ステップＳ１１のボリュームレベルの増加を行う。

次いで、ボリュームレベルの調整後、「今の音量でよろしいですか」という音声をスピーカから音声出力し、「ハイ」という音声が入力された場合には、そのボリュームを保持し、「イイエ」という音声が入力された場合には、更にボリュームレベルを高める。このようなエージェント機能を設けることで、ユーザは、音量調整装置１と対話形式で自分の聞き取りやすい音量に調節することができるようになる。

また、本実施形態の音量調整後、ユーザによりボリュームキーやリモコンを操作（音量調整操作）して、更に音量調整が為された場合には、その調整されたボリュームレベルに基づいて入力感度レベルを設定することとしてもよい。例えば、ステップＳ１１の音量調整後、リモコンの操作によりボリュームレベルがユーザにより高められた場合は、第２入力感度調整部６０の入力感度レベルを一定レベル低め、ボリュームレベルが低められた場合は、入力感度レベルを一定レベル高める。

これにより、第２マイクＭ２に入力された音声は、ユーザの音量調整操作に基づいた入力感度レベルに調整されて音声認識部７０に出力される。このため、音量調整操作に基づいてユーザの聴感を推測して、その聴感に近い状態の音声を再現して施すことができる。

また、チューナ３やＤＶＤ再生機５等の外部機器から出力された音声の音量を調整してスピーカから出力する音量調整装置に本発明を適用することとして説明したが、例えば、ＣＤやＭＤ、ＶＨＳ、ＤＶＤ等のメディア再生を行うオーディオ機器、テレビ、カーナビゲーション装置等の様々な音響機器に適用可能である。

第１実施形態におけるスピーカ及びマイクの平面配置図の一例。 第１実施形態における音量調整装置の機能構成の一例を示すブロック図。 音量調整装置の具体的な動作を説明するための第１のフローチャート。 音量調整装置の具体的な動作を説明するための第２のフローチャート。 第２及び第３実施形態におけるスピーカ及びマイクの平面配置図の一例。 第２実施形態における音量調整装置の機能構成の一例を示すブロック図。 第３実施形態における音量調整装置の機能構成の一例を示すブロック図。 第４実施形態におけるスピーカ及びマイクの平面配置図の一例。 第４実施形態における音量調整装置の機能構成の一例を示すブロック図。

符号の説明

ＬＰ リスニングポジション
Ｍ１ 第１マイク
Ｍ２ 第２マイク
ＳＰ１ 第１スピーカ
ＳＰ２ 第２スピーカ
ＳＰ３ 第３スピーカ
１ 音量調整装置
３ チューナ
５ ＤＶＤ再生機
１０ 制御部
２０ 入力セレクタ
３０ ボリューム調整部
４０ アンプ
５０ 第１入力感度調整部
６０ 第２入力感度調整部
７０ 音声認識部

Claims (5)

1. 音声出力手段と、
   前記音声出力手段の近傍に少なくとも一つ配設された第１の音声入力手段と、
   リスニングポジションの近傍に少なくとも一つ配設された第２の音声入力手段と、
   前記第１の音声入力手段から入力された音声と、前記第２の音声入力手段から入力された音声とのそれぞれの音声認識を行う音声認識手段と、
   前記第１及び第２の音声入力手段から入力されたそれぞれの音声を前記音声認識手段が音声認識した各認識結果の差異を判別し、その差異に基づいて前記音声出力手段の音量を調整する音量調整手段と、
   を備えることを特徴とする音響機器。
2. 前記音量調整手段は、
   所定の時間間隔で前記認識結果の差異の判別を行い、その差異に基づいた前記音声出力手段の音量調整を当該時間間隔毎に行うことを特徴とする請求項１に記載の音響機器。
3. 前記音量調整手段は、
   前記認識結果の差異が最大レベル以上又は最小レベル以下であると判別した場合、前記音声出力手段の音声調整を停止することを特徴とする請求項１又は２に記載の音響機器。
4. 前記第２の音声入力手段の入力感度を設定する感度設定手段を更に備えることを特徴とする請求項１〜３の何れか一項に記載の音響機器。
5. コンピュータを、
   音源の近傍に少なくとも一つ配設された第１の音声入力部から入力された音声と、リスニングポジションの近傍に少なくとも一つ配設された第２の音声入力部から入力された音声とのそれぞれの音声認識を行う音声認識手段、
   前記第１及び第２の音声入力手段から入力されたそれぞれの音声を前記音声認識手段が音声認識した各認識結果の差異を判別し、その差異に基づいて前記音声出力手段の音量を調整する音量調整手段、
   として機能させるためのプログラム。

Images