JP2018006826A5 - 音声処理装置および音声処理方法 - Google Patents

Description

本発明は音声処理装置および音声処理方法に関する。

本発明の１つの態様によれば、収音対象空間の音を収音することで生成される音データを取得する取得手段と、前記収音対象空間内の複数のエリアの少なくとも１つの優先度を決定する決定手段と、前記取得手段により取得された音データに基づく第１の処理済みデータであって、前記決定手段により決定された優先度に基づいて選択された１以上のエリアに対応する第１の所定の信号処理により得られた前記第１の処理済みデータを出力する第１出力手段と、前記取得手段により取得された音データに基づく第２の処理済みデータであって、前記複数のエリアのうち前記１以上のエリアとは異なるエリアを含む他の１以上のエリアに対応する第２の所定の信号処理により得られた前記第２の処理済みデータを、前記第１の処理済みデータが出力された後に出力する第２出力手段と、を有する音声処理装置が提供される。

Claims (20)

1. 収音対象空間の音を収音することで生成される音データを取得する取得手段と、
   前記収音対象空間内の複数のエリアの少なくとも１つの優先度を決定する決定手段と、
   前記取得手段により取得された音データに基づく第１の処理済みデータであって、前記決定手段により決定された優先度に基づいて選択された１以上のエリアに対応する第１の所定の信号処理により得られた前記第１の処理済みデータを出力する第１出力手段と、
   前記取得手段により取得された音データに基づく第２の処理済みデータであって、前記複数のエリアのうち前記１以上のエリアとは異なるエリアを含む他の１以上のエリアに対応する第２の所定の信号処理により得られた前記第２の処理済みデータを、前記第１の処理済みデータが出力された後に出力する第２出力手段と、
   を有することを特徴とする音声処理装置。
2. 前記第１の所定の信号処理を実行するのに必要な処理時間は所定の閾値以下であり、前記第２の所定の信号処理を実行するのに必要な処理時間は、前記所定の閾値より長いことを特徴とする請求項１に記載の音声処理装置。
3. 前記第１の所定の信号処理および前記第２の所定の信号処理は、遅延補正処理、ゲイン補正処理およびエコー除去処理の少なくとも１つを含むことを特徴とする請求項１または２に記載の音声処理装置。
4. 前記第１の所定の信号処理および前記第２の所定の信号処理は、前記音データから対応するエリアの音を抽出する音源分離処理であることを特徴とする請求項１または２に記載の音声処理装置。
5. 前記収音対象空間の撮像画像を取得する第２の取得手段をさらに有し、
   前記決定手段は、前記優先度を、前記第２の取得手段により取得された撮像画像内の所定の物体の位置に基づいて決定することを特徴とする請求項１乃至４の何れか１項に記載の音声処理装置。
6. 前記優先度は、前記所定の物体の位置を含まないエリアに比べて、前記所定の物体の位置を含むエリアに高い優先度が設定されるように決定されることを特徴とする請求項５に記載の音声処理装置。
7. 前記取得手段により取得された音データに基づく音と共に再生される画像に対応する視点情報を取得する第３の取得手段をさらに有し、
   前記決定手段は、前記優先度を、前記第３の取得手段により取得された視点情報に基づいて決定することを特徴とする請求項１乃至４の何れか１項に記載の音声処理装置。
8. 前記優先度は、前記視点情報に対応する視点の位置を含まないエリアに比べて、前記視点情報に対応する視点の位置を含むエリアに高い優先度が設定されるように決定されることを特徴とする請求項７に記載の音声処理装置。
9. 前記優先度は、前記視点情報に対応する視線と物体との交点の位置を含まないエリアに比べて、前記視点情報に対応する視線と物体との交点の位置を含むエリアに高い優先度が設定されるように決定されることを特徴とする請求項７に記載の音声処理装置。
10. 前記取得手段により取得された音データに基づく再生音に対応する聴取点に関する情報を取得する第４の取得手段をさらに有し、
    前記決定手段は、前記優先度を、前記第４の取得手段により取得された聴取点に関する情報に基づいて決定することを特徴とする請求項１乃至４の何れか１項に記載の音声処理装置。
11. 前記優先度は、前記聴取点の位置を含まないエリアに比べて、前記聴取点の位置を含むエリアに高い優先度が設定されるように決定されることを特徴とする請求項１０に記載の音声処理装置。
12. 前記取得手段により取得された音データに基づいて、前記収音対象空間内における所定のイベントの発生位置を判定する判定手段をさらに有し、
    前記決定手段は、前記優先度を、前記判定手段により判定された発生位置に基づいて決定することを特徴とする請求項１乃至４の何れか１項に記載の音声処理装置。
13. 前記優先度は、前記所定のイベントの発生位置を含まないエリアに比べて、前記所定のイベントの発生の位置を含むエリアに高い優先度が設定されるように決定されることを特徴とする請求項１２に記載の音声処理装置。
14. 前記決定手段により決定された優先度に基づいて、前記複数のエリアの処理順序を設定する設定手段と、
    前記設定手段により設定された前記処理順序に従って、前記第１の所定の信号処理を実行する実行手段と、
    をさらに有し、
    前記第１出力手段は、前記実行手段により実行された前記第１の所定の信号処理によって得られた前記第１の処理済みデータを出力することを特徴とする請求項１乃至１３の何れか１項に記載の音声処理装置。
15. 前記決定手段は、前記取得手段により取得される音データを生成するために前記収音対象空間内の音を収音するマイクロホンの位置に基づいて前記優先度を決定することを特徴とする請求項１乃至１４の何れか１項に記載の音声処理装置。
16. 前記第１出力手段により出力された前記第１処理済みデータの中には、前記決定手段により決定された優先度に基づいて選択された前記１以上のエリアに対応するデータが含まれ、前記１以上のエリアとは異なるエリアに対応するデータは含まれないことを特徴とする請求項１乃至１５の何れか１項に記載の音声処理装置。
17. 前記決定手段は、各エリアに対応する音量と各エリアに対応するマスキングの影響との少なくとも何れかに基づいて前記優先度を決定することを特徴とする請求項１乃至１６の何れか１項に記載の音声処理装置。
18. 収音対象空間の音を収音することで生成される音データを取得する取得工程と、
    前記収音対象空間内の複数のエリアの少なくとも１つの優先度を決定する決定工程と、
    前記取得工程で取得された音データに基づく第１の処理済みデータであって、前記決定工程で決定された優先度に基づいて選択された１以上のエリアに対応する第１の所定の信号処理により得られた前記第１の処理済みデータを出力する第１出力工程と、
    前記取得工程で取得された音データに基づく第２の処理済みデータであって、前記複数のエリアのうち前記１以上のエリアとは異なるエリアを含む他の１以上のエリアに対応する第２の所定の信号処理により得られた前記第２の処理済みデータを、前記第１の処理済みデータが出力された後に出力する第２出力工程と、
    を有することを特徴とする音声処理方法。
19. 前記第１の所定の信号処理を実行するのに必要な処理時間は所定の閾値以下であり、前記第２の所定の信号処理を実行するのに必要な処理時間は、前記所定の閾値より長いことを特徴とする請求項１８に記載の音声処理方法。
20. コンピュータを請求項１〜１７のいずれか１項に記載の音声処理装置の各手段として機能させるためのプログラム。