JP2014048618A - Speech analyzing device, speech analyzing system, and program - Google Patents
Speech analyzing device, speech analyzing system, and program Download PDFInfo
- Publication number
- JP2014048618A JP2014048618A JP2012193937A JP2012193937A JP2014048618A JP 2014048618 A JP2014048618 A JP 2014048618A JP 2012193937 A JP2012193937 A JP 2012193937A JP 2012193937 A JP2012193937 A JP 2012193937A JP 2014048618 A JP2014048618 A JP 2014048618A
- Authority
- JP
- Japan
- Prior art keywords
- voice
- wearer
- information
- acquired
- utterance
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Landscapes
- Circuit For Audible Band Transducer (AREA)
Abstract
Description
本発明は、音声解析装置、音声解析システム、プログラムに関する。 The present invention relates to a voice analysis device, a voice analysis system, and a program.
特許文献1には、話者検出回路は、マイクロフォンに入力された音声帯域信号から特定の帯域の成分を取り出すろ波器と、ろ波器が出力する特定帯域の音声帯域信号のレベルを検出して、音声帯域信号のレベルと所定の閾値とを比較するマイク検出部とを備えて構成し、テレビ会議装置は、話者検出回路の出力信号によってカメラを制御する構成を備えて構成するものが開示されている。
特許文献2には、メイン処理が実行され、話し手の発話が検出された場合、取得された音声データの音量レベルが検出され、次いで、音量レベルが閾値より小さいか否かが判断される。そして音量レベルが閾値より小さい場合、音声データに基づいて音声認識によるテキスト化が行われる。さらに音声認識による音声テキスト化が成功した場合、テキストデータが他の通信制御装置に対して送信され、再度、話し手の発話が検出される処理が行われる通信制御装置が開示されている。
特許文献3には、ケプストラム分析手段の結果に基づき、ピーク検出手段でピークが検出された後、音声判別手段で音声部分が判別され、このとき記憶手段にあらかじめ話者固有のケプストラムピーク検出信号を記憶しておき、以後の音声入力と照合して得る最ゆう検出信号によって音声判別を行なう音声信号処理装置が開示されている。
In
In
In
ここで音声取得手段を装着する装着者が、電話を使用して会話しているか否かを把握できることが望ましい。 Here, it is desirable to be able to grasp whether or not the wearer wearing the voice acquisition means is talking using the telephone.
請求項1に記載の発明は、音声を取得し装着者の発話音声と装着者以外の他者の発話音声とを識別するための音声取得手段により取得された音声の、当該音声に関する情報を取得する音声情報取得部と、前記音声取得手段により取得された音声が前記装着者の発話音声であるか他者の発話音声であるかを識別した情報である自他識別情報を使用して、当該装着者が電話を使用して会話しているか否かを判定する判定部と、を備えたことを特徴とする音声解析装置である。 According to the first aspect of the present invention, information related to the voice of the voice acquired by the voice acquisition means for acquiring the voice and identifying the voice of the wearer and the voice of the other person other than the wearer is acquired. Using the self-other identification information that is information identifying whether the voice acquired by the voice acquisition means is the voice of the wearer or the voice of the other person, And a determination unit that determines whether or not the wearer has a conversation using a telephone.
請求項2に記載の発明は、前記判定部は、前記音声情報取得部が、前記音声取得手段により取得された予め定められた会話パターンに適合する前記装着者の発話音声に関する情報を取得するとともに、当該装着者の発話音声が到達する場所で当該会話パターンに同調する他者の発話音声に関する情報を取得しないときに当該装着者が電話を使用して会話をしていると判定することを特徴とする請求項1に記載の音声解析装置である。
According to a second aspect of the present invention, the determination unit acquires information related to the utterance voice of the wearer that matches the predetermined conversation pattern acquired by the voice acquisition unit. Determining that the wearer is having a conversation using the telephone when the information about the other person's utterance that synchronizes with the conversation pattern is not acquired at the place where the utterance of the wearer reaches. The speech analysis apparatus according to
請求項3に記載の発明は、前記音声情報取得部は、前記装着者の発話音声が到達しない場所にいる第2の装着者の発話音声と第2の装着者以外の他者の発話音声との識別を可能とする第2の音声取得手段により取得された音声の音声に関する情報をさらに取得し、前記判定部は、前記音声情報取得部が、前記音声取得手段により取得された予め定められた会話パターンに適合する前記装着者の発話音声に関する情報を取得するとともに、前記第2の音声取得手段により取得された当該会話パターンに同調する前記第2の装着者の発話音声に関する情報を取得するときに、当該装着者と当該第2の装着者とが電話を使用して会話していると判定することを特徴とする請求項1に記載の音声解析装置である。
According to a third aspect of the present invention, the voice information acquisition unit includes a voice of the second wearer in a place where the voice of the wearer does not reach and a voice of another person other than the second wearer. Further acquires information related to the voice of the voice acquired by the second voice acquisition unit that enables identification, and the determination unit is a predetermined information acquired by the voice acquisition unit by the voice information acquisition unit. When acquiring information related to the utterance voice of the wearer that conforms to the conversation pattern and acquiring information related to the utterance voice of the second wearer that is synchronized with the conversation pattern acquired by the second voice acquisition means The speech analysis apparatus according to
請求項4に記載の発明は、前記判定部は、前記音声情報取得部が、前記音声取得手段により取得された予め定められた会話パターンに適合する前記装着者の発話音声に関する情報を取得するとともに、当該会話パターンに同調する他者の発話音声に関する情報を取得し、当該装着者の発話音声が到達する場所で当該他者の発話音声を自己発話とする音声に関する情報を取得しないときは、当該装着者が電話会議をしているとさらに判定することを特徴とする請求項1に記載の音声解析装置である。
According to a fourth aspect of the present invention, the determination unit acquires the information related to the utterance voice of the wearer that matches the predetermined conversation pattern acquired by the voice acquisition unit. When acquiring information related to the other person's utterance voice synchronized with the conversation pattern and not acquiring information related to the voice of the other person's utterance voice as the self-utterance at the place where the wearer's utterance voice reaches, The speech analysis apparatus according to
請求項5に記載の発明は、前記音声情報取得部は、前記装着者の発話音声が到達しない場所にいる第2の装着者の発話音声と第2の装着者以外の他者の発話音声との識別を可能とする第2の音声取得手段により取得された音声の音声に関する情報をさらに取得し、前記判定部は、前記音声情報取得部が、前記音声取得手段により取得された予め定められた会話パターンに適合する前記装着者の発話音声に関する情報と当該会話パターンに同調する前記第2の装着者の発話音声に関する情報とを取得するとともに、前記第2の音声取得手段により取得された予め定められた会話パターンに適合する前記第2の装着者の発話音声に関する情報と当該会話パターンに同調する前記装着者の発話音声に関する情報とを取得するときは、当該装着者と当該第2の装着者とが電話会議をしているとさらに判定することを特徴とする請求項1に記載の音声解析装置である。
According to a fifth aspect of the present invention, the voice information acquisition unit includes a voice of a second wearer in a place where the voice of the wearer does not reach and a voice of another person other than the second wearer. Further acquires information related to the voice of the voice acquired by the second voice acquisition unit that enables identification, and the determination unit is a predetermined information acquired by the voice acquisition unit by the voice information acquisition unit. The information about the utterance voice of the wearer conforming to the conversation pattern and the information about the utterance voice of the second wearer synchronized with the conversation pattern are acquired, and the predetermined information acquired by the second voice acquisition unit is acquired. When acquiring information related to the utterance voice of the second wearer that conforms to the conversation pattern and information related to the utterance voice of the wearer synchronized with the conversation pattern, A voice analysis device according to
請求項6に記載の発明は、装着者に装着され、音声を取得する音声取得手段と、前記音声取得手段が取得した音声が、装着者の発話音声であるか装着者以外の他者の発話音声であるかを識別した自他識別情報を生成する自他識別部と、前記自他識別部により生成された自他識別情報を使用して、当該装着者が電話を使用して会話しているか否かを判定する判定部と、を備えたことを特徴とする音声解析システムである。 The invention according to claim 6 is a voice acquisition unit that is worn by the wearer and acquires voice, and the voice acquired by the voice acquisition unit is the voice of the wearer or the speech of another person other than the wearer A self-other identification unit that generates self-other identification information that identifies whether it is a voice, and the wearer has a conversation using a telephone by using the self-other identification information generated by the self-other identification unit. And a determination unit that determines whether or not the voice analysis system is provided.
請求項7に記載の発明は、コンピュータに、音声を取得し装着者の発話音声と装着者以外の他者の発話音声とを識別するための音声取得手段により取得された音声の、当該音声に関する情報を取得する機能と、前記音声取得手段により取得された音声が前記装着者の発話音声であるか他者の発話音声であるかを識別した情報である自他識別情報を使用して、当該装着者が電話を使用して会話しているか否かを判定する機能と、を実現させるプログラムである。 The invention described in claim 7 relates to the voice of the voice acquired by the voice acquisition means for acquiring the voice in the computer and discriminating the voice of the wearer from the voice of the other person other than the wearer. Using the function for acquiring information and the self-other identification information that is information identifying whether the voice acquired by the voice acquisition means is the voice of the wearer or the voice of the other person, And a function for determining whether or not the wearer is talking using a telephone.
請求項1の発明によれば、音声取得手段を装着する装着者が電話を使用して会話しているか否かを把握することができる音声解析装置を提供できる。
請求項2の発明によれば、本構成を採用しない場合に比較して、音声取得手段を装着する装着者が電話をしているか否かを判定するのがより容易になる。
請求項3の発明によれば、音声取得手段を装着する二人の装着者が電話を使用して会話していることが判定できる。
請求項4の発明によれば、音声取得手段を装着する装着者が電話会議中であることが判定できる。
請求項5の発明によれば、音声取得手段を装着する二人の装着者が電話会議において会話していることが判定できる。
請求項6の発明によれば、音声取得手段を装着する装着者が電話を使用して会話しているか否かを把握することができる音声解析システムを提供できる。
請求項7の発明によれば、音声取得手段を装着する装着者が電話を使用して会話しているか否かを把握することができる機能をコンピュータにより実現できる。
According to the first aspect of the present invention, it is possible to provide a speech analysis apparatus capable of grasping whether or not the wearer wearing the speech acquisition means is talking using the telephone.
According to the second aspect of the present invention, it becomes easier to determine whether or not the wearer wearing the voice acquisition means is making a phone call, as compared with the case where this configuration is not adopted.
According to the invention of
According to the invention of claim 4, it can be determined that the wearer wearing the voice acquisition means is in a conference call.
According to the invention of claim 5, it can be determined that the two wearers wearing the voice acquisition means are talking in the telephone conference.
According to the sixth aspect of the present invention, it is possible to provide a voice analysis system capable of grasping whether or not the wearer wearing the voice acquisition means is talking using the telephone.
According to the seventh aspect of the present invention, a computer can realize a function capable of grasping whether or not the wearer wearing the voice acquisition means is talking using the telephone.
<システム構成例>
図1は、本実施形態による音声解析システムの構成例を示す図である。
図1に示すように、本実施形態の音声解析システム1は、端末装置10と、音声解析装置の一例であるホスト装置20とを備えて構成される。端末装置10とホスト装置20とは、無線通信回線を介して接続されている。無線通信回線の種類としては、Wi−Fi(Wireless Fidelity)、Bluetooth(登録商標)、ZigBee、UWB(Ultra Wideband)等の既存の方式による回線を用いて良い。また、図示の例では、端末装置10が1台のみ記載されているが、端末装置10は、使用者各人が装着して使用するものであり、実際には使用者数分の端末装置10が用意される。以下、端末装置10を装着した使用者を装着者と呼ぶ。
<System configuration example>
FIG. 1 is a diagram illustrating a configuration example of a speech analysis system according to the present embodiment.
As shown in FIG. 1, the
端末装置10は、音声を取得し装着者の発話音声と装着者以外の他者の発話音声とを識別するための音声取得手段としての複数のマイクロフォン(第1マイクロフォン11および第2マイクロフォン12)と、増幅器(第1増幅器13および第2増幅器14)とを備える。また、端末装置10は、取得した音声を解析する音声解析部15と、解析結果をホスト装置20に送信するためのデータ送信部16とを備え、さらに電源部17とを備える。
The
第1マイクロフォン11と第2マイクロフォン12は、装着者の口(発声部位)からの距離が異なる位置に配される。ここでは、第1マイクロフォン11は装着者の口(発声部位)から遠い位置(例えば、35cm程度)に配置され、第2マイクロフォン12は装着者の口(発声部位)に近い位置(例えば、10cm程度)に配置されるものとする。本実施形態の第1マイクロフォン11および第2マイクロフォン12として用いられるマイクロフォンの種類としては、ダイナミック型、コンデンサ型等、既存の種々のものを用いて良い。とくに無指向性のMEMS(Micro Electro Mechanical Systems)型マイクロフォンが好ましい。
The
第1増幅器13および第2増幅器14は、それぞれ第1マイクロフォン11および第2マイクロフォン12が取得した音声に応じて出力する電気信号(音声信号)を増幅する。本実施形態の第1増幅器13および第2増幅器14として用いられる増幅器としては、既存のオペアンプ等を用いて良い。
The
音声解析部15は、第1増幅器13および第2増幅器14から出力された音声信号を解析する。そして、第1マイクロフォン11および第2マイクロフォン12で取得した音声が端末装置10を装着した装着者自身が発話した音声か、他者の発話による音声かを識別する。音声識別のための具体的な処理の内容については後述する。
The
データ送信部16は、音声解析部15による解析結果を含む取得データと端末IDを、上記の無線通信回線を介して、あるいは無線通信回線に加えてインターネット等の有線通信回線を経由してホスト装置20へ送信する。ホスト装置20へ送信する情報としては、ホスト装置20において行われる処理の内容に応じて、上記の解析結果の他、例えば、第1マイクロフォン11および第2マイクロフォン12による音声の取得時刻、取得音声の音圧等の情報を含めて良い。また端末装置10に音声解析部15による解析結果を蓄積するデータ蓄積部を設け、一定期間の保存データを一括送信しても良い。なお有線通信回線のみで送信しても良い。
The
電源部17は、上記の第1マイクロフォン11、第2マイクロフォン12、第1増幅器13、第2増幅器14、音声解析部15およびデータ送信部16に電力を供給する。電源としては、例えば乾電池や充電池等の既存の電源が用いられる。また、電源部17は、必要に応じて、電圧変換回路および充電制御回路等の周知の回路を含む。
The
ホスト装置20は、端末装置10から送信されたデータを受信するデータ受信部21と、受信したデータを蓄積するデータ蓄積部22と、蓄積したデータを解析するデータ解析部23と、解析結果を出力する出力部24とを備える。このホスト装置20は、例えばパーソナルコンピュータ等の情報処理装置により実現される。また、本実施形態では複数台の端末装置10が使用された場合には、ホスト装置20は、その複数台の端末装置10の各々からデータを受信する。なお、端末装置10とホスト装置20の間にデータ転送を中継する中継装置を介しても良く、この中継装置が解析、演算、時刻や中継装置ID等のデータを加える機能を有してもよい。
The
データ受信部21は、各端末装置10、あるいは中継装置からデータを受信してデータ蓄積部22へ送る。本実施形態ではデータ受信部21は、第1マイクロフォン11および第2マイクロフォン12により取得された音声の音声に関する情報を取得する音声情報取得部として機能する。データ蓄積部22は、例えばパーソナルコンピュータの磁気ディスク装置等の記憶装置により実現され、データ受信部21から取得した受信データを発話者別に蓄積する。ここで、発話者の識別は、端末装置10から送信される端末IDと、あらかじめホスト装置20に登録されている発話者名と端末IDの照合により行う。また、端末装置10から端末IDのかわりに装着者状態を送信するようにしてもよい。
The
データ解析部23は、例えばパーソナルコンピュータのプログラム制御されたCPUにより実現され、データ蓄積部22に蓄積されたデータを解析する。具体的な解析内容および解析手法は、本実施形態のシステムの利用目的や利用態様に応じて種々の内容および手法を取り得る。例えば、端末装置10の装着者どうしの対話頻度や各装着者の対話相手の傾向を分析したり、対話における個々の発話の長さや音圧の情報から対話者の関係を類推したりすることが行われる。詳しくは後述するが、本実施の形態では、データ解析部23は、判定部の一例であり、装着者と他者との会話関係を判定する。また特に会話関係として装着者が電話を使用して会話しているか否かを判定する。
The
出力部24は、データ解析部23による解析結果を出力したり、解析結果に基づく出力を行ったりする。この解析結果等を出力する手段は、システムの利用目的や利用態様、解析結果の内容や形式等に応じて、WEB表示、ディスプレイ表示、プリンタによる印刷出力、音声出力等、種々の手段を取り得る。
The
<端末装置の構成例>
図2は、端末装置10の構成例を示す図である。
上記のように、端末装置10は、各使用者に装着されて使用される。使用者が装着可能とするため、本実施形態の端末装置10は、図2に示すように、装置本体30と、装置本体30に接続された提げ紐40とを備えた構成とする。図示の構成において、使用者は、提げ紐40に首を通し、装置本体30を首から提げて装着する。
<Configuration example of terminal device>
FIG. 2 is a diagram illustrating a configuration example of the
As described above, the
装置本体30は、金属や樹脂等で形成された薄い直方体のケース31に、少なくとも第1増幅器13、第2増幅器14、音声解析部15、データ送信部16および電源部17を実現する回路と電源部17の電源(電池)とを収納して構成される。ケース31には、装着者の氏名や所属等のID情報を表示したIDカード等を挿入するポケットを設けても良い。また、ケース31自体の表面にそのようなID情報等を印刷したり、ID情報等を記載したシールを貼り付けたりしても良い。
The apparatus
提げ紐40には、第1マイクロフォン11および第2マイクロフォン12が設けられる(以下、第1マイクロフォン11と第2マイクロフォン12とを区別しない場合には、マイクロフォン11、12と記載)。マイクロフォン11、12は、提げ紐40の内部を通るケーブル(電線等)により、装置本体30に収納された第1増幅器13、第2増幅器14に接続される。提げ紐40の材質としては、革、合成皮革、木綿その他の天然繊維や樹脂等による合成繊維、金属等、既存の種々の材質を用いて良い。また、シリコン樹脂やフッ素樹脂等を用いたコーティング処理が施されていても良い。
The
この提げ紐40は、筒状の構造を有し、提げ紐40の内部にマイクロフォン11、12を収納している。マイクロフォン11、12を挙げ紐40の内部に設けることにより、マイクロフォン11、12の損傷や汚れを防ぎ、対話者がマイクロフォン11、12の存在を意識することが抑制される。なお、装着者の口(発声部位)から遠い位置に配置される第1マイクロフォン11は、装置本体30に設けても良い。本実施形態では、第1マイクロフォン11が提げ紐40に設けられる場合を例として説明する。
The
図2を参照すると、第1マイクロフォン11は、提げ紐40の装置本体30に接続される端部(例えば、接続部位から10cm以内の位置)に設けられている。これにより、装着者が提げ紐40を首に掛けて装置本体30を下げた状態で、第1マイクロフォン11は、装着者の口(発声部位)から約30cmから40cm程度離れた位置に配置される。なお、第1マイクロフォン11が装置本体30に設けられた場合も、装着者の口(発声部位)から第1マイクロフォン11までの距離は同程度である。
Referring to FIG. 2, the
第2マイクロフォン12は、提げ紐40の装置本体30に接続される端部から離れた位置(例えば、接続部位から20cm〜30cm程度の位置)に設けられている。これにより、装着者が提げ紐40を首に掛けて装置本体30を下げた状態で、第2マイクロフォン12は、装着者の首元(例えば鎖骨に当たる位置)に位置し、装着者の口(発声部位)から約10cmから20cm程度離れた位置に配置される。
The
なお、本実施形態の端末装置10は、図2に示す構成に限定されるものではない。例えば、マイクロフォン11、12は、第1マイクロフォン11から装着者の口(発声部位)までの音波到達経路の距離が第2マイクロフォン12から装着者の口(発声部位)までの音波到達経路の距離の数倍程度となるように、第1マイクロフォン11と第2マイクロフォン12の位置関係が特定されれば良い。したがって、第1マイクロフォンを首の後ろ側の提げ紐40に設けても良い。また、マイクロフォン11、12は、上記のように提げ紐40に設ける構成に限らず、種々の方法で装着者に装着して良い。例えば、第1マイクロフォン11と第2マイクロフォン12の各々を、個別にピン等を用いて衣服に固定するように構成しても良い。また、第1マイクロフォン11と第2マイクロフォン12の位置関係が所望の位置で固定されるようにデザインされた専用の装着具を用意して装着しても良い。
In addition, the
また、装置本体30は、図2に示したように、提げ紐40に接続されて装着者の首から提げられる構成に限らず、携帯することが容易な装置として構成されていれば良い。例えば、本実施形態のような提げ紐ではなく、クリップやベルトにより衣服や体に装着するように構成しても良いし、単にポケット等に納めて携帯するような構成としても良い。また、携帯電話その他の既存の携帯型電子情報端末に、マイクロフォン11、12からの音声信号を受け付けて増幅し、解析する機能を実現させても良い。
Further, as shown in FIG. 2, the apparatus
さらにまた、マイクロフォン11、12と装置本体30(あるいは音声解析部15)を有線で接続するのではなく、無線通信により接続しても良い。第1増幅器13、第2増幅器14、音声解析部15、データ送信部16および電源部17は、上記の構成例では単一のケース31に収納されることとしたが、複数の個体として構成しても良い。例えば、電源部17をケース31に収納せず、外部電源に接続して使用する構成としても良い。
Furthermore, the
<取得音声の非言語情報に基づく発話者(自他)の識別>
次に、本実施形態における発話者の識別方法について説明する。
本実施形態のシステムは、端末装置10に設けられた2つのマイクロフォン11、12により取得された音声の情報を用いて、端末装置10の装着者自身の発話(自己発話)音声と他者の発話音声とを識別する。言い換えれば、本実施形態は、取得音声の発話者に関して自他の別を識別する。また、本実施形態では、取得音声の情報のうち、形態素解析や辞書情報を用いて得られる言語情報ではなく、音圧(マイクロフォン11、12への入力音量)等の非言語情報に基づいて発話者を識別する。言い換えれば、言語情報により特定される発話内容ではなく、非言語情報により特定される発話状況から音声の発話者を識別する。
<Identification of speakers (self and others) based on non-linguistic information of acquired speech>
Next, a speaker identification method according to this embodiment will be described.
The system of this embodiment uses the voice information acquired by the two
図1および図2を参照して説明したように、本実施形態において、端末装置10の第1マイクロフォン11は装着者の口(発声部位)から遠い位置に配置され、第2マイクロフォン12は装着者の口(発声部位)に近い位置に配置される。すなわち、装着者の口(発声部位)を音源とすると、第1マイクロフォン11と音源との間の距離と、第2マイクロフォン12と音源との間の距離が大きく異なる。具体的には、第1マイクロフォン11と音源との間の距離は、第2マイクロフォン12と音源との間の距離の1.5〜4倍程度である。ここで、マイクロフォン11、12における取得音声の音圧は、マイクロフォン11、12と音源との間の距離が大きくなるにしたがって減衰(距離減衰)する。したがって、装着者の発話音声に関して、第1マイクロフォン11における取得音声の音圧と第2マイクロフォン12における取得音声の音圧とは大きく異なる。
As described with reference to FIGS. 1 and 2, in the present embodiment, the
一方、装着者以外の者(他者)の口(発声部位)を音源とした場合を考えると、その他者が装着者から離れているため、第1マイクロフォン11と音源との間の距離と、第2マイクロフォン12と音源との間の距離は、大きく変わらない。装着者に対する他者の位置によっては、両距離の差は生じ得るが、装着者の口(発声部位)を音源とした場合のように、第1マイクロフォン11と音源との間の距離が第2マイクロフォン12と音源との間の距離の数倍となることはない。したがって、他者の発話音声に関して、第1マイクロフォン11における取得音声の音圧と第2マイクロフォン12における取得音声の音圧とは、装着者の発話音声の場合のように大きく異なることはない。
On the other hand, considering the case where the mouth (speaking part) of a person other than the wearer (other person) is used as the sound source, since the other person is away from the wearer, the distance between the
図3は、装着者および他者の口(発声部位)と、マイクロフォン11、12との位置の関係を示す図である。
図3に示す関係において、装着者の口(発声部位)である音源aと第1マイクロフォン11との間の距離をLa1、音源aと第2マイクロフォン12との間の距離をLa2とする。また、他者の口(発声部位)である音源bと第1マイクロフォン11との間の距離をLb1、音源bと第2マイクロフォン12との間の距離をLb2とする。この場合、次の関係が成り立つ。
La1>La2(La1≒1.5×La2〜4×La2)
Lb1≒Lb2
FIG. 3 is a diagram illustrating a positional relationship between the mouths (speaking parts) of the wearer and the other person and the
In the relationship shown in FIG. 3, let La1 be the distance between the sound source a that is the mouth (speaking part) of the wearer and the
La1> La2 (La1≈1.5 × La2 to 4 × La2)
Lb1≈Lb2
図4は、マイクロフォン11、12と音源との間の距離と音圧(入力音量)との関係を示す図である。
上述したように、音圧は、マイクロフォン11、12と音源との間の距離に応じて距離減衰する。図4において、距離La1の場合の音圧Ga1と距離La2の場合の音圧Ga2とを比較すると、音圧Ga2は、音圧Ga1の4倍程度となっている。一方、距離Lb1と距離Lb2とが近似するため、距離Lb1の場合の音圧Gb1と距離Lb2の場合の音圧Gb2とは、ほぼ等しい。そこで、本実施形態では、この音圧比の差を用いて、取得音声における装着者自身の発話音声と他者の発話音声とを識別する。なお、図4に示した例では、距離Lb1、Lb2を60cmとしたが、ここでは音圧Gb1と音圧Gb2とがほぼ等しくなることに意味があり、距離Lb1、Lb2は図示の値に限定されない。
FIG. 4 is a diagram illustrating the relationship between the distance between the
As described above, the sound pressure is attenuated according to the distance between the
図5は、装着者自身の発話音声と他者の発話音声の識別方法を示す図である。
図4を参照して説明したように、装着者自身の発話音声に関して、第2マイクロフォン12の音圧Ga2は、第1マイクロフォン11の音圧Ga1の数倍(例えば4倍程度)である。また、他者の発話音声に関して、第2マイクロフォン12の音圧Ga2は、第1マイクロフォン11の音圧Ga1とほぼ等しい(1倍程度)。そこで、本実施形態では、第2マイクロフォン12の音圧と第1マイクロフォン11の音圧との比に閾値を設定する。そして、音圧比が閾値よりも大きい音声は装着者自身の発話音声と判断し、音圧比が閾値よりも小さい音声は他者の発話音声と判断する。図5に示す例では、閾値を2とし、音圧比Ga2/Ga1は閾値2を超えるので装着者自身の発話音声と判断され、音圧比Gb2/Gb1は閾値2よりも小さいので他者の発話音声と判断されている。
FIG. 5 is a diagram showing a method for discriminating between the wearer's own speech and the other's speech.
As described with reference to FIG. 4, the sound pressure Ga <b> 2 of the
ところで、マイクロフォン11、12により取得される音声には、発話音声の他に、環境音等のいわゆる雑音(ノイズ)が含まれる。この雑音の音源とマイクロフォン11、12との間の距離の関係は、他者の発話音声の場合と類似する。すなわち、図4、図5に示した例によれば、雑音の音源cと第1マイクロフォン11との間の距離をLc1とし、雑音の音源cと第2マイクロフォン12との間の距離をLc2とすると、距離Lc1と距離Lc2とは近似する。そして、マイクロフォン11、12の取得音声における音圧比Gc2/Gc1は、閾値2よりも小さくなる。しかし、このような雑音は、バンドパスフィルタやゲインフィルタ等を用いた既存の技術によるフィルタリング処理を行うことにより発話音声から分離され、除去される。
By the way, the sound acquired by the
<端末装置の動作例>
図6は、本実施形態における端末装置10の動作を示すフローチャートである。
図6に示すように、端末装置10のマイクロフォン11、12が音声を取得すると、各マイクロフォン11、12から取得音声に応じた電気信号(音声信号)が第1増幅器13および第2増幅器14へ送られる(ステップ101)。第1増幅器13および第2増幅器14は、マイクロフォン11、12からの音声信号を取得すると、信号を増幅して音声解析部15へ送る(ステップ102)。
<Operation example of terminal device>
FIG. 6 is a flowchart showing the operation of the
As shown in FIG. 6, when the
音声解析部15は、第1増幅器13および第2増幅器14で増幅された信号に対してフィルタリング処理を行い、信号から環境音等の雑音(ノイズ)の成分を除去する(ステップ103)。次に、音声解析部15は、雑音成分が除かれた信号に対し、一定の時間単位(例えば、数十分の一秒〜数百分の一秒)毎に、各マイクロフォン11、12の取得音声における平均音圧を求める(ステップ104)。そして、第1マイクロフォン11における平均音圧と第2マイクロフォン12における平均音圧との比(音圧比)を求める(ステップ105)。
The
次に、音声解析部15は、ステップ104で求めた各マイクロフォン11、12における平均音圧の利得が有る場合(ステップ105でYes)、発話音声が有る(発話が行われた)と判断する。そして、ステップ106で求めた音圧比が閾値よりも大きい場合(ステップ107でYes)、音声解析部15は、発話音声は装着者自身の発話による音声であると判断する(ステップ108)。また、ステップ105で求めた音圧比が閾値よりも小さい場合(ステップ107でNo)、音声解析部15は、発話音声は他者の発話による音声であると判断する(ステップ109)。一方、ステップ104で求めた各マイクロフォン11、12における平均音圧の利得が無い場合(ステップ105でNo)、音声解析部15は、発話音声が無い(発話が行われていない)と判断する(ステップ110)。
Next, when there is a gain of the average sound pressure in each of the
この後、音声解析部15は、データ送信部16を介して、ステップ104〜ステップ110の処理で得られた情報(発話の有無、発話者の情報)を解析結果としてホスト装置20へ送信させる(ステップ111)。このとき、発話者毎(装着者自身または他者)の発話時間の長さや平均音圧の利得の値、その他の付加情報を解析結果と共にホスト装置20へ送信させても良い。
Thereafter, the
なお、本実施形態では、第1マイクロフォン11の音圧と第2マイクロフォン12の音圧とを比較することにより、発話音声が装着者自身の発話による音声か他者の発話による音声かを判断した。しかし、本実施形態による発話者の識別は、マイクロフォン11、12により取得された音声信号そのものから抽出される非言語情報に基づいて行うものであれば良く、音圧の比較には限定されない。例えば、第1マイクロフォン11における音声取得時刻(音声信号の出力時刻)と第2マイクロフォン12における音声取得時刻とを比較しても良い。この場合、装着者自身の発話音声は、装着者の口(発声部位)から第1マイクロフォン11までの距離と、装着者の口(発声部位)から第2マイクロフォン12までの距離との差が大きいため、音声取得時刻にある程度の差(時間差)が生じる。一方、他者の発話音声は、装着者の口(発声部位)から第1マイクロフォン11までの距離と、装着者の口(発声部位)から第2マイクロフォン12までの距離との差が小さいため、装着者の発話音声の場合よりも音声取得時刻の時間差が小さい。そこで、音声取得時刻の時間差に対して閾値を設定し、音声取得時刻の時間差が閾値よりも大きい場合には装着者自身の発話と判断し、音声取得時刻の時間差が閾値よりも小さい場合には他者の発話と判断するようにしても良い。
In the present embodiment, the sound pressure of the
ホスト装置20のデータ受信部21では、マイクロフォン11、12により取得された音声が装着者の発話音声であるか装着者以外の他者の発話音声であるかを識別した情報である自他識別情報を含む音声に関する情報を受信する。
In the
<装着者の会話関係の判定についての説明>
音声に関する情報を受信した端末装置10では、データ解析部23において複数の端末装置10から送られた音声が解析され、装着者の会話関係が判定される。
以下に本実施の形態における装着者の会話関係を判定する具体的な方法について説明を行なう。ここではまず同一の部屋内等の同一のエリアにおいて二人の装着者が会話を行なっている場合に、この二人の装着者が会話をしていることを判定する場合について説明する。
<Explanation of wearer's conversational judgment>
In the
A specific method for determining the wearer's conversational relationship in the present embodiment will be described below. Here, a case will be described in which it is determined that two wearers are having a conversation when two wearers are having a conversation in the same area such as in the same room.
図7は、本実施形態の端末装置10をそれぞれ装着した二人の装着者が会話している状況を示す図である。図8は、図7の会話状況における各端末装置10の発話情報の例を示す図である。なお説明の便宜上、ここでは二人のうち一方の装着者を装着者Aとし、装着者Aが装着する端末装置10を端末装置10Aとする。また他方の装着者を装着者Bとし、装着者Bが装着する端末装置10を端末装置10Bとする。
図7に示すように、端末装置10をそれぞれ装着した装着者A、装着者Bが会話している場合を考える。このとき、装着者Aおよび装着者Bは同一エリア内におり、互いの発話音声が届く距離にある。よって装着者A、装着者Bの発話音声は、装着者Aの端末装置10Aと装着者Bの端末装置10Bの双方に捉えられる。
FIG. 7 is a diagram illustrating a situation in which two wearers each wearing the
As shown in FIG. 7, consider a case where a wearer A and a wearer B wearing the
端末装置10Aおよび端末装置10Bからは、それぞれ独立に、発話情報がホスト装置20に送られる。このとき、端末装置10Aから取得した発話情報と、端末装置10Bから取得した発話情報とは、図8に示すように、発話時間の長さや発話者が切り替わったタイミング等の発話状況を示す情報は近似し、同調性があることがわかる。そこで、本適用例のホスト装置20は、端末装置10Aから取得した情報と端末装置10Bから取得した情報とを比較し、同調性を判定することにより、これらの情報が同じ発話状況を示していると判断し、装着者Aと装着者Bとが会話していることを認識する。ここで、発話状況を示す情報としては、少なくとも、上述した発話者ごとの個々の発話における発話時間の長さ、個々の発話の開始時刻と終了時刻、発話者が切り替わった時刻(タイミング)等のように、発話に関する時間情報が用いられる。なお、特定の会話に係る発話状況を判断するために、これらの発話に関する時間情報の一部のみを用いても良いし、他の情報を付加的に用いても良い。
The utterance information is sent to the
ここで装着者Aの端末装置10Aにおいて装着者Aの自己発話として認識される音声は、装着者Bの端末装置10Bでは他者の発話として認識される。反対に、端末装置10Bにおいて装着者Bの自己発話として認識される音声は、端末装置10Aでは他者の発話として認識される。そのため端末装置10Aから取得した発話情報と、端末装置10Bから取得した発話情報とは、図7に示すように、発話者(装着者と他者)の識別結果は反対になるが、発話時間の長さや発話者が切り替わったタイミング等の発話状況を示す情報は近似する。そこで、本適用例のホスト装置20は、端末装置10Aから取得した情報と端末装置10Bから取得した情報とを比較することにより、これらの情報が同じ発話状況を示していると判断し、装着者Aと装着者Bとが会話していることを認識することができる。
Here, the voice recognized as the self-utterance of the wearer A in the
このように本実施の形態では、上述した自他識別情報を使用して、複数の端末装置10からマイクロフォン11、12にて受信した音声の音声信号の同調性を判別する。
つまり自他識別情報が付与されることで、取得された音声が装着者自信によるものであるのか、装着者以外の他者のものであるのかが予め判別できているため、発話者が切り替わったタイミングなどが明確に把握できる。そしてこのタイミングにおいて発話者が逆転する装着者同士を見つければ、この装着者同士が会話をしていると判断できる。
As described above, in this embodiment, the self-other identification information described above is used to determine the synchrony of audio signals received from the plurality of
In other words, because the self-other identification information is given, it is possible to determine in advance whether the acquired voice is due to the wearer's confidence or the other person other than the wearer. The timing can be clearly understood. If wearers whose speakers are reversed at this timing are found, it can be determined that the wearers are having a conversation.
ここで装着者Aが電話を使用して他者と会話をしている場合を考える。このとき他者は、装着者Aと同一エリア内にはおらず、互いの発話音声が直接届く距離にはない。そのため装着者Aの発話音声は、装着者Aの端末装置10Aにより捉えられるが、装着者Aが会話をしている相手である他者の音声は、装着者Aの端末装置10Aにより捉えることができない。
Here, consider a case where the wearer A has a conversation with another person using a telephone. At this time, the other person is not in the same area as the wearer A, and is not at a distance where the uttered voices can reach each other directly. Therefore, the voice of the wearer A is captured by the
図9は、装着者Aが電話を使用して他者と会話しているときの端末装置10Aの発話情報の例を示す図である。
図示するように装着者Aの端末装置10Aでは、間欠的に装着者Aの発話音声が捉えられ、これから装着者Aの発話音声は、会話パターンに適合することがわかる。そして図8で説明したように、装着者Aと会話をしている他者が同一エリア内にいれば、他者の発話音声は、装着者Aの発話音声と同調し、例えば、点線のようなパターンとなって端末装置10Aに捉えられるはずである。しかしこのようなパターンの他者の発話音声は、端末装置10Aは捉えられない。
即ち、この場合は、ホスト装置20のデータ受信部21は、端末装置10Aから予め定められた会話パターンに適合する装着者Aの発話音声に関する情報を取得するが、装着者Aの音声が到達する場所である同一エリア内で装着者Aの会話パターンに同調する他者の発話音声に関する情報は取得しない。本実施の形態では、このときホスト装置20のデータ解析部23は、装着者Aが電話を使用して会話していると判定する。なおこの場合、装着者Aの会話パターンに同調しない他者の会話パターンが装着者Aの端末装置10Aにより捉えられてもよい。ただしこの場合は、この他者は、装着者Aと会話をしている相手でないことは明らかである。
FIG. 9 is a diagram illustrating an example of utterance information of the
As shown in the figure, the
That is, in this case, the
一方、装着者Aが電話を使用して会話をしている他者が、端末装置10を装着している場合は、装着者Aの音声が到達しない場所である他の部屋等の他エリアにおいて、この発話音声を捉えることができる。ここでは、他エリアにおいて端末装置10Bを装着者B(第2の装着者)が装着し、装着者Aと装着者Bとが電話を使用して会話している状態を考える。
On the other hand, when the wearer A is having a conversation using the telephone and wearing the
図10は、装着者Aと装着者Bとが電話を使用して会話しているときの端末装置10A、10Bの発話情報の例を示す図である。
図示するように装着者Aの端末装置10Aでは、間欠的に装着者Aの発話音声が捉えられ、これから装着者Aの発話音声は、会話パターンに適合することがわかる。また同様にして装着者Bの端末装置10Bでも、間欠的に装着者Bの発話音声が捉えられ、これから装着者Bの発話音声は、会話パターンに適合することがわかる。そして装着者Aと会話をしている相手である装着者Bの発話音声は、装着者Aの発話音声と同調するパターンとなる。ただし、端末装置10Aでは、装着者Aの発話音声と同調するパターンの他者の発話音声は、捉えられない。同様にして端末装置10Bでも、装着者Bの発話音声と同調するパターンの他者の発話音声は、捉えられない。
即ち、この場合は、まず装着者Aと装着者Bとは、互いの発話音声が到達しない場所にいる。そしてホスト装置20のデータ受信部21は、端末装置10Aのマイクロフォンにより取得された予め定められた会話パターンに適合する装着者Aの発話音声に関する情報を取得するとともに、端末装置10Bのマイクロフォン(第2の音声取得手段)により取得されたこの会話パターンに同調する装着者Bの発話音声に関する情報を取得する。本実施の形態では、このときホスト装置20のデータ解析部23は、装着者Aと装着者Bとが電話を使用して会話していると判定する。なお装着者Aと装着者Bが同一エリアに居ないことは、例えば、異なるデータ中継装置を介していることから判断できる。
FIG. 10 is a diagram illustrating an example of utterance information of the
As shown in the figure, the
That is, in this case, first, the wearer A and the wearer B are in a place where the uttered voices do not reach each other. Then, the
次に装着者Aが電話会議をしている場合を考える。このとき装着者Aの発話音声は、装着者Aの端末装置10Aにより捉えられる。そして装着者Aが電話会議において会話をしている相手である他者の発話音声についても、装着者Aの端末装置10により捉えることができる。つまり他者の発話音声は、電話会議をするときに使用する電話会議装置のスピーカ等から出力されるため、この音声が、装着者Aの端末装置10Aにより捉えられる。
Next, consider a case where the wearer A has a telephone conference. At this time, the voice of the wearer A is captured by the
図11は、装着者Aが電話会議において他者と会話しているときの端末装置10Aの発話情報の例を示す図である。
図示するように装着者Aの発話情報と他者の発話情報とは、図8に示した場合と同様であり、同調性があることがわかる。ただし、図8の場合とは異なり、装着者Aと会話をしている他者は、同一エリア内にいない。そのため端末装置10Aにおいて捉えられている他者の発話音声を自己発話と識別する端末装置10は、同一エリア内には存在しないことになる。
即ち、この場合は、ホスト装置20のデータ受信部21は、端末装置10Aから予め定められた会話パターンに適合する装着者Aの発話音声に関する情報を取得するとともに、この会話パターンに同調する他者の発話音声に関する情報を取得する。しかしデータ受信部21は、装着者Aの音声が到達する場所である同一エリア内でこの他者の発話音声を自己発話とする音声に関する情報を取得しない。本実施の形態では、このときホスト装置20のデータ解析部23は、装着者Aが電話会議をしていると判定する。
FIG. 11 is a diagram illustrating an example of utterance information of the
As shown in the figure, the utterance information of the wearer A and the utterance information of the other person are the same as those shown in FIG. However, unlike the case of FIG. 8, the other person having a conversation with the wearer A is not in the same area. Therefore, the
In other words, in this case, the
一方、装着者Aが電話会議において会話をしている他者が、端末装置10を装着している場合は、装着者Aの音声が到達しない場所である他の部屋等の他エリアにおいて、この発話音声を捉えることができる。ここでは、他エリアにおいて端末装置10Bを装着者B(第2の装着者)が装着し、装着者Aと装着者Bとが電話会議において会話している状態を考える。
On the other hand, when the wearer A has a conversation in a conference call and the
図12は、装着者Aと装着者Bとが電話会議において会話しているときの端末装置10A、10Bの発話情報の例を示す図である。
図示するように装着者Aの端末装置10Aでは、装着者Aの発話音声が自己発話として捉えられるとともに、これに同調する装着者Bの発話音声が他者の発話として捉えられる。また同様にして装着者Bの端末装置10Bでは、装着者Bの発話音声が自己発話として捉えられるとともに、これに同調する装着者Aの発話音声が他者の発話として捉えられる。即ち図8で説明した場合と同様となる。ただし、図8の場合とは異なり、装着者Aと装着者Bは、同一エリア内にいない。そのため端末装置10Aにおいて捉えられている装着者Bの発話音声を自己発話と判断する端末装置10は、同一エリア内には存在しない。さらに同様にして端末装置10Bにおいて捉えられている装着者Aの発話音声を自己発話と識別する端末装置10は、同一エリア内には存在しない。
即ち、この場合は、まず装着者Aと装着者Bとは、互いの発話音声が到達しない場所にいる。そしてホスト装置20のデータ受信部21は、端末装置10Aのマイクロフォンにより取得された予め定められた会話パターンに適合する装着者Aの発話音声に関する情報とこの会話パターンに同調する装着者Bの発話音声に関する情報とを取得する。さらにデータ受信部21は、端末装置10Bのマイクロフォン(第2の音声取得手段)により取得された予め定められた会話パターンに適合する装着者Bの発話音声に関する情報とこの会話パターンに同調する装着者Aの発話音声に関する情報とを取得する。本実施の形態では、このときホスト装置20のデータ解析部23は、装着者Aと装着者Bとが電話会議をしていると判定する。
FIG. 12 is a diagram illustrating an example of speech information of the
As illustrated, in the
That is, in this case, first, the wearer A and the wearer B are in a place where the uttered voices do not reach each other. The
<ホスト装置の動作例>
図13は、本実施形態におけるホスト装置20の動作を示すフローチャートである。
以下、図1、図13を使用して本実施形態のホスト装置20の動作を説明する。
まずデータ受信部21が、複数の端末装置10から自他識別情報を含む音声の音声信号に関する情報を受信する(ステップ201)。そしてこの情報は、いったんデータ蓄積部22に蓄積される(ステップ202)。
<Operation example of host device>
FIG. 13 is a flowchart showing the operation of the
Hereinafter, the operation of the
First, the
次にデータ解析部23が、複数の装着者の端末装置10から送られた音声を解析し、装着者の会話関係を判定する。
装着者の会話関係を判定には、まずデータ解析部23は、端末装置10から送信された自他識別情報を基にして、自己発話であると識別したものを検知する(ステップ203)。
次にデータ解析部23は、自己発話であると検知した発話音声が、会話パターンに適合しているか否かを判断する(ステップ204)。具体的には、データ解析部23は、自己発話である発話音声が間欠的に端末装置10に取得されているか否かで判断が行なわれる。
そして会話パターンでない場合(ステップ204でNo)、データ解析部23は、この発話音声は、実際には雑音(ノイズ)であったと判定する(ステップ205)。
Next, the
To determine the conversation relationship of the wearer, first, the
Next, the
If it is not a conversation pattern (No in step 204), the
一方、会話パターンであった場合(ステップ204でYes)は、データ解析部23は、同一エリアにおいて、この発話音声に同調する発話音声があるか否かを判断する(ステップ206)。
そして同一エリアにおいて、同調する発話音声がなかった場合(ステップ206でNo)、次にデータ解析部23は、他エリアにおいて、この発話音声に同調する発話音声があるか否かを判断する(ステップ207)。
On the other hand, when it is a conversation pattern (Yes in Step 204), the
If there is no uttered voice to be tuned in the same area (No in step 206), then the
その結果、他エリアについても同調する発話音声がなかった場合(ステップ207でNo)、データ解析部23は、自己発話であると識別した端末装置10の装着者(装着者A)は、電話中であると判定する(ステップ208)。即ち、図9で説明した場合となる。
As a result, when there is no uttered voice to be synchronized in other areas (No in step 207), the
また他エリアについて同調する発話音声があった場合(ステップ207でYes)、データ解析部23は、自己発話であると識別した端末装置10の装着者(装着者A)と、これに同調する発話音声を取得した端末装置10の装着者(装着者B)とは電話を使用して会話中であると判定する(ステップ209)。即ち、図10で説明した場合となる。
なお電話を使用して会話をしている相手が、端末装置10を装着している場合は、ステップ209の場合となる。そのためステップ208の場合は、電話を使用して会話をしている相手は端末装置10を装着していないことになる。よって例えば、その相手が端末装置10を装着しない社外の者である等の判定を併せて行なってもよい。
If there is an utterance voice synchronized with another area (Yes in Step 207), the
In the case where the other party having a conversation using the telephone is wearing the
一方、同一エリアにおいて、同調する発話音声があった場合(ステップ206でYes)、データ解析部23は、次に同一エリアにこの発話音声を自己発話と識別する端末装置10があるか否かを判断する(ステップ210)。
そして同一エリアにこの発話音声を自己発話と識別する端末装置10がある場合(ステップ210でYes)、データ解析部23は、ステップ203で自己発話であると識別した端末装置10の装着者(装着者A)とステップ210で自己発話であると識別した端末装置10の装着者(装着者B)とが、同一エリアにおいて対面により会話中であると判定する(ステップ211)。即ち、図7および図8で説明した場合となる。
On the other hand, if there is an uttered voice to be tuned in the same area (Yes in Step 206), the
If there is a
また同一エリアにこの発話音声を自己発話と識別する端末装置10がない場合(ステップ210でNo)、データ解析部23は、さらに他エリアにおいて、この発話音声に同調する発話音声があるか否かを判断する(ステップ212)。
If there is no
その結果、他エリアについても同調する発話音声がなかった場合(ステップ212でNo)、データ解析部23は、自己発話であると識別した端末装置10の装着者は、電話会議中であると判定する(ステップ213)。即ち、図11で説明した場合となる。
また他エリアについて同調する発話音声があった場合(ステップ212でYes)、データ解析部23は、ステップ203で自己発話であると識別した端末装置10の装着者(装着者A)とステップ212で自己発話であると識別した端末装置10の装着者(装着者B)とが電話会議をしていると判定する(ステップ214)。即ち、図12で説明した場合となる。
As a result, when there is no uttered voice to be synchronized in other areas (No in step 212), the
Further, when there is an utterance voice synchronized with another area (Yes in step 212), the
以上のようにして端末装置10を装着する装着者の会話関係を判定することで、それぞれの装着者におけるコミュニケーションの傾向を分析することができる。
また以上の方法により判定された装着者の会話関係を基にして、装着者が、「電話中」、「電話会議中」である等の情報を、例えばグループウェア上で公開することもできる。これにより各装着者の現在の状況をより的確に把握することができる。
By determining the conversation relationship of the wearer wearing the
In addition, based on the conversation relationship of the wearer determined by the above method, information such as “on the phone” or “during a conference call” can be disclosed on the groupware, for example. Thereby, the present situation of each wearer can be grasped more accurately.
なお以上詳述した音声解析システム1は、装着者に装着され、音声を取得するマイクロフォン11、12と、マイクロフォン11、12が取得した音声が、装着者の発話音声であるか装着者以外の他者の発話音声であるかを識別した自他識別情報を生成する自他識別部と、自他識別部により生成された自他識別情報を使用して、装着者が電話を使用して会話しているか否かを判定する判定部と、を備えたことを特徴とする音声解析システムとして捉えることもできる。上述した例では、自他識別部は、音声解析部15により実現される。
The
なお上述した例では、音声の自他識別を行なうのを端末装置10の側で行なっていたが、これに限られるものではなく、ホスト装置20の側で行なってもよい。この形態における音声解析システム1としては、図1のものに対し、音声解析部15で行なっていた音声の自他識別を、例えば、ホスト装置20のデータ解析部23で行なう。
また上述した例では、音声の自他識別を行なうのに端末装置10を例に挙げたが、これに限られるものではなく、音声の自他識別を行なうことができるものであればよい。例えば、指向性のマイクロフォンを使用し、発話音声が来る方向に対し、指向性のマイクロフォンで取得される音圧が異なることを利用して、発話音声の自他識別を行なうこともできる。この場合、指向性のマイクロフォンが音声取得手段として機能する。
In the above-described example, voice identification is performed on the
In the above-described example, the
<プログラムの説明>
なお図13で説明を行った本実施形態におけるホスト装置20が行なう処理は、ソフトウェアとハードウェア資源とが協働することにより実現される。即ち、ホスト装置20に設けられた制御用コンピュータ内部の図示しないCPUが、ホスト装置20の各機能を実現するプログラムを実行し、これらの各機能を実現させる。
<Description of the program>
The processing performed by the
よって図13で説明を行ったホスト装置20が行なう処理は、コンピュータに、音声を取得し装着者の発話音声と装着者以外の他者の発話音声との識別するためのマイクロフォンにより取得された音声の、音声に関する情報を取得する機能と、マイクロフォンにより取得された音声が装着者の発話音声であるか他者の発話音声であるかを識別した情報である自他識別情報を使用して、装着者が電話を使用して会話しているか否かを判定する機能と、を実現させるプログラムとして捉えることもできる。
Therefore, the processing performed by the
1…音声解析システム、10…端末装置、15…音声解析部、16…データ送信部、20…ホスト装置、21…データ受信部、23…データ解析部、30…装置本体
DESCRIPTION OF
Claims (7)
前記音声取得手段により取得された音声が前記装着者の発話音声であるか他者の発話音声であるかを識別した情報である自他識別情報を使用して、当該装着者が電話を使用して会話しているか否かを判定する判定部と、
を備えたことを特徴とする音声解析装置。 A voice information acquisition unit for acquiring information related to the voice of the voice acquired by the voice acquisition means for acquiring the voice and identifying the voice of the wearer and the voice of the other person other than the wearer;
The wearer uses a telephone by using the self-other identification information that is information identifying whether the voice acquired by the voice acquisition means is the voice of the wearer or the voice of the other person. A determination unit that determines whether or not
A speech analysis apparatus comprising:
前記判定部は、前記音声情報取得部が、前記音声取得手段により取得された予め定められた会話パターンに適合する前記装着者の発話音声に関する情報を取得するとともに、前記第2の音声取得手段により取得された当該会話パターンに同調する前記第2の装着者の発話音声に関する情報を取得するときに、当該装着者と当該第2の装着者とが電話を使用して会話していると判定することを特徴とする請求項1に記載の音声解析装置。 The voice information acquisition unit is capable of distinguishing between the voice of the second wearer in a place where the voice of the wearer does not reach and the voice of another person other than the second wearer. Further acquiring information related to the voice of the voice acquired by the voice acquisition means;
The determination unit acquires information on the utterance voice of the wearer that matches the predetermined conversation pattern acquired by the voice acquisition unit by the voice information acquisition unit, and uses the second voice acquisition unit. When acquiring information related to the voice of the second wearer that synchronizes with the acquired conversation pattern, it is determined that the wearer and the second wearer are having a conversation using a telephone. The speech analysis apparatus according to claim 1.
前記判定部は、前記音声情報取得部が、前記音声取得手段により取得された予め定められた会話パターンに適合する前記装着者の発話音声に関する情報と当該会話パターンに同調する前記第2の装着者の発話音声に関する情報とを取得するとともに、前記第2の音声取得手段により取得された予め定められた会話パターンに適合する前記第2の装着者の発話音声に関する情報と当該会話パターンに同調する前記装着者の発話音声に関する情報とを取得するときは、当該装着者と当該第2の装着者とが電話会議をしているとさらに判定することを特徴とする請求項1に記載の音声解析装置。 The voice information acquisition unit is capable of distinguishing between the voice of the second wearer in a place where the voice of the wearer does not reach and the voice of another person other than the second wearer. Further acquiring information related to the voice of the voice acquired by the voice acquisition means;
The determination unit includes the second wearer that the voice information acquisition unit synchronizes with the information about the wearer's utterance that matches the predetermined conversation pattern acquired by the voice acquisition unit and the conversation pattern. Information related to the uttered voice of the second wearer and the information about the uttered voice of the second wearer that matches the predetermined conversation pattern acquired by the second voice acquisition means and the conversation pattern 2. The speech analysis apparatus according to claim 1, wherein when acquiring information related to the voice of the wearer, it is further determined that the wearer and the second wearer are in a conference call. .
前記音声取得手段が取得した音声が、装着者の発話音声であるか装着者以外の他者の発話音声であるかを識別した自他識別情報を生成する自他識別部と、
前記自他識別部により生成された自他識別情報を使用して、当該装着者が電話を使用して会話しているか否かを判定する判定部と、
を備えたことを特徴とする音声解析システム。 A voice acquisition means that is worn by the wearer and acquires voice;
A self-other identification unit that generates self-other identification information that identifies whether the voice acquired by the voice acquisition unit is the voice of the wearer or the voice of another person other than the wearer;
A determination unit that determines whether or not the wearer is talking using the phone by using the self-other identification information generated by the self-other identification unit;
A voice analysis system characterized by comprising:
音声を取得し装着者の発話音声と装着者以外の他者の発話音声とを識別するための音声取得手段により取得された音声の、当該音声に関する情報を取得する機能と、
前記音声取得手段により取得された音声が前記装着者の発話音声であるか他者の発話音声であるかを識別した情報である自他識別情報を使用して、当該装着者が電話を使用して会話しているか否かを判定する機能と、
を実現させるプログラム。 On the computer,
A function of acquiring information related to the voice of the voice acquired by the voice acquisition means for acquiring the voice and identifying the voice of the wearer and the voice of the other person other than the wearer;
The wearer uses a telephone by using the self-other identification information that is information identifying whether the voice acquired by the voice acquisition means is the voice of the wearer or the voice of the other person. A function to determine whether or not
A program that realizes
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2012193937A JP2014048618A (en) | 2012-09-04 | 2012-09-04 | Speech analyzing device, speech analyzing system, and program |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2012193937A JP2014048618A (en) | 2012-09-04 | 2012-09-04 | Speech analyzing device, speech analyzing system, and program |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2014048618A true JP2014048618A (en) | 2014-03-17 |
Family
ID=50608318
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2012193937A Pending JP2014048618A (en) | 2012-09-04 | 2012-09-04 | Speech analyzing device, speech analyzing system, and program |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP2014048618A (en) |
-
2012
- 2012-09-04 JP JP2012193937A patent/JP2014048618A/en active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6031761B2 (en) | Speech analysis apparatus and speech analysis system | |
JP5772447B2 (en) | Speech analyzer | |
JP5867066B2 (en) | Speech analyzer | |
JP6003472B2 (en) | Speech analysis apparatus, speech analysis system and program | |
JP2013072979A (en) | Voice analysis system and voice analysis device | |
JP6003510B2 (en) | Speech analysis apparatus, speech analysis system and program | |
JP2013135325A (en) | Voice analysis device | |
JP2013142843A (en) | Operation analyzer, voice acquisition device, and operation analysis system | |
JP6160042B2 (en) | Positioning system | |
JP6476938B2 (en) | Speech analysis apparatus, speech analysis system and program | |
JP5862318B2 (en) | Sound analysis apparatus, sound analysis system and program | |
JP6191747B2 (en) | Speech analysis apparatus and speech analysis system | |
JP6007487B2 (en) | Information processing apparatus, information processing system, and program | |
JP2013140534A (en) | Voice analysis device, voice analysis system, and program | |
JP2013164468A (en) | Voice analysis device, voice analysis system, and program | |
JP6031767B2 (en) | Speech analysis apparatus, speech analysis system and program | |
JP2013072978A (en) | Voice analyzer and voice analysis system | |
JP5929810B2 (en) | Voice analysis system, voice terminal apparatus and program | |
JP2014048618A (en) | Speech analyzing device, speech analyzing system, and program | |
JP6051996B2 (en) | Speech analysis apparatus, speech analysis system and program | |
JP6056544B2 (en) | Speech analysis device, signal analysis device, speech analysis system, and program | |
JP6369022B2 (en) | Signal analysis apparatus, signal analysis system, and program | |
JP2014050048A (en) | Voice analysis device | |
JP2013181899A (en) | Voice analysis device, voice analysis system and program |