JP2021093578A

JP2021093578A - 音声処理装置

Info

Publication number: JP2021093578A
Application number: JP2019221767A
Authority: JP
Inventors: 貴昭小林; Takaaki Kobayashi
Original assignee: Onkyo Home Entertainment Corp
Current assignee: Onkyo Home Entertainment Corp
Priority date: 2019-12-09
Filing date: 2019-12-09
Publication date: 2021-06-17
Anticipated expiration: 2039-12-09
Also published as: JP7285204B2

Abstract

【課題】音声出力と映像出力との同期を可能とする手段を提供する。【解決手段】ＡＶレシーバー１は、テレビ１００（シンク機器）から入力される音声信号をスピーカー２００に出力するｅＡＲＣ機能を有する。ＡＶレシーバー１は、音声信号にデコード処理を行うＤＳＰ８（信号処理部）と、音声信号のフォーマットと、音声信号のフォーマットに対するＤＳＰ８（信号処理部）によるデコード処理時間と、を対応付けて記憶する記憶部３と、制御部２と、を備える。制御部２は、テレビ１００（シンク機器）からの映像出力遅延時間を受信する。制御部２は、受信した映像出力遅延時間と、記憶部３に記憶されている、テレビ１００（シンク機器）から受信する音声信号のフォーマットに対応するデコード処理時間と、に基づいて、ＡＶレシーバー１の音声出力遅延時間を、テレビ１００（シンク機器）に通知する。【選択図】図１

Description

本発明は、音声信号に増幅等の音声信号処理を行う音声処理装置に関する。

音声信号に増幅等の音声信号処理を行う音声処理装置として、例えば、テレビ（シンク機器）から入力される音声信号をスピーカーに出力するＡＲＣ（Audio Return Channel）機能を有するＡＶレシーバーがある（例えば、特許文献１参照。）。テレビとＡＶレシーバーとは、ＨＤＭＩ（登録商標）（High-Definition Multimedia Interface）ケーブルで接続される。また、テレビからＨＤＭＩ（登録商標）ケーブルを介して、デジタル音声信号が、ＡＶレシーバーに入力される。ＡＶレシーバーは、デジタル音声信号をアナログ音声信号にＤ／Ａ変換し、スピーカーに出力する。

上記ＡＲＣ機能を拡張した機能として、ＨＤＭＩ（登録商標）２．１規格で追加されたｅＡＲＣ（Enhanced Audio Return Channel）機能がある。ｅＡＲＣ機能に対応した機器は、イーサネット（登録商標）対応ＨＤＭＩ（登録商標）ケーブルで接続される。ｅＡＲＣ機能に対応したＡＶレシーバーは、ＡＲＣ機能同様、テレビから入力される音声信号をスピーカーに出力する。ｅＡＲＣ機能では、ビットレートの高い音声信号（High Bit Rate Audio）を伝送可能である。

ｅＡＲＣ機能では、シンク機器の映像出力とＡＶレシーバーからの音声出力との遅延（latency）のずれが生じないように、ｅＡＲＣ対応のシンク機器から、ｅＡＲＣ対応のＡＶレシーバーに対して、ｅＡＲＣの遅延設定の要求が通知される。ｅＡＲＣ対応のＡＶレシーバーは、遅延設定要求に対して、スピーカー出力を遅延させるか、又は、シンク機器側からＡＶレシーバーまでの音声出力を遅らせるために、遅延設定要求の返値を通知する。

以下では、ＨＤＭＩ（登録商標）２．１の仕様書に記載されている一例を説明するが、詳細は、仕様書を参照されたい。仕様書のFigure9-34においては、テレビ側が、ＡＶレシーバーの遅延（delay）を考慮し、音声出力の遅延（delay）を調整している。この例では、テレビが映像を出力するまでに、１４０ｍｓかかるため、ＡＶレシーバーからの出力までの時間を、１４０ｍｓに調整する場合について説明する。

（１）テレビは、映像出力の遅延（latency）時間をＡＶレシーバーに通知するために、ERX_LATENCY_REQで１４０をＡＶレシーバーに通知する。
（２）ＡＶレシーバーは、スピーカーに音声を出力するまでに、１００ｍｓかかるとした場合、ERX_LATECY値を、１００として、ＡＶレシーバーに返す。
（３）テレビは、その値を受けて、１４０−１００＝４０ｍｓだけ、ＡＶレシーバーに対して、音声出力を遅らせる。

以上により、テレビ→ＡＶレシーバー→スピーカーまでの遅延の値が、４０（ＡＶレシーバーへの出力遅延（delay））＋１００（ＡＶレシーバーからスピーカー出力までの遅延（delay））＝１４０となる。その結果、テレビから見れば、映像と音声との出力の同期がとれることになる。この例では、テレビ側で、ＡＶレシーバーへの音声出力を、４０ｍｓ遅らせるように調整する。

これに対し、ＡＶレシーバー側でスピーカー出力までの遅延（delay）を１４０ｍｓに調整する場合、
（１）ＡＶレシーバーは、テレビからのERX_LATENCY_REQで１４０を受ける。
（２）ＡＶレシーバーは、スピーカー出力までの遅延（delay）の値を１４０ｍｓに調整し、ERX_LATENCYの値を、１４０として、テレビに返す。
（３）テレビは、ＡＶレシーバーからの通知を受けて、ＡＶレシーバーからスピーカー出力までの時間が１４０ｍｓかかるということであれば、テレビ→ＡＶレシーバーへの音声を、遅延（delay）なしの０ｍｓで出力すればよい。

ＡＶレシーバーは、シンク機器（テレビ）側から通知されたERX_LATENCY_REQの値に従って、ＡＶレシーバー側で遅延（latency）を調整するのか、テレビ側でＡＶレシーバーまでに出力する音声を遅延するかを判断し、ERX_LATENCY通知を行わなければならない。

ＡＶアンプは、実際に、ＤＳＰ（Digital Signal Processor）でデコード（復号）する時間を考慮して、ERX_LATECY値をシンク機器側に通知することとなる。実際にＤＳＰでデコードする時間は、音声出力する音声フォーマットによって、変わる。従って、常に同じERX_LATENCY値を、シンク機器に通知した場合、映像と音声との同期がとれないため、シンク機器側から出力される音声フォーマット毎に、ERX_LATENCYを返す必要がある。

特開２０１１−１９９６９３号公報

上述のように、従来装置では、音声出力と映像出力との同期をとることができないという問題があった。

本発明の目的は、音声出力と映像出力との同期を可能とする手段を提供することである。

第１の発明の音声処理装置は、シンク機器から入力される音声信号をスピーカーに出力するｅＡＲＣ機能を有する音声処理装置であって、音声信号にデコード処理を行う信号処理部と、音声信号のフォーマットと、音声信号のフォーマットに対する前記信号処理部によるデコード処理時間と、を対応付けて記憶する記憶部と、制御部と、を備え、前記制御部は、前記シンク機器からの映像出力遅延時間を受信し、受信した映像出力遅延時間と、前記記憶部に記憶されている、前記シンク機器から受信する音声信号のフォーマットに対応するデコード処理時間と、に基づいて、自装置の音声出力遅延時間を、前記シンク機器に通知することを特徴とする。

本発明では、制御部は、受信したシンク機器の映像出力遅延時間と、記憶部に記憶されている、シンク機器から受信する音声信号のフォーマットに対応するデコード処理時間と、に基づいて、自装置の音声出力遅延時間を、シンク機器に通知する。このため、音声信号のフォーマットによって異なる、信号処理部によるデコード時間が考慮され、音声処理装置の音声出力遅延時間が決定されるため、映像出力と音声出力との同期をとることができる。

第２の発明の音声処理装置は、第１の発明の音声処理装置において、前記制御部は、受信した映像出力遅延時間が、前記記憶部に記憶されている、前記シンク機器から受信する音声信号のフォーマットに対応するデコード処理時間よりも、長い場合、自装置の音声出力遅延時間を、受信した映像出力遅延時間と同じ値として、前記シンク機器に通知することを特徴とする。

例えば、シンク機器の映像出力遅延時間が１４０ｍｓ、シンク機器から受信する音声信号のフォーマットに対応するデコード処理時間が１０７ｍｓであったとする。この場合、映像出力遅延時間＝１４０ｍｓ＞デコード処理時間＝１０７ｍｓであるため、制御部は、音声処理装置による音声出力遅延時間を、受信した映像出力遅延時間と同じ値、すなわち、１４０ｍｓとして、シンク機器に通知する。これにより、シンク機器は、自装置の映像出力遅延時間と、音声処理装置側の音声出力遅延時間と、が一致していることから、音声出力を遅延しないため、音声処理装置側で、１４０−１０７＝３３ｍｓ、スピーカーへの音声出力を遅延させることで、映像出力と音声出力とを同期させることができる。

第３の発明の音声処理装置は、第２の発明の音声処理装置において、前記制御部は、受信した映像出力遅延時間と、前記記憶部に記憶されている、前記シンク機器から受信する音声信号のフォーマットに対応するデコード処理時間との差、音声出力が遅延するように制御することを特徴とする。

第４の発明の音声処理装置は、第１の発明の音声処理装置において、前記制御部は、受信した映像出力遅延時間が、前記記憶部に記憶されている、前記シンク機器から受信する音声信号のフォーマットに対応するデコード処理時間以下である場合、自装置の音声出力遅延時間を、デコード処理時間と同じ値として、前記シンク機器に通知することを特徴とする。

例えば、シンク機器の映像出力遅延時間が５０ｍｓ、シンク機器から受信する音声信号のフォーマットに対応するデコード処理時間が１０７ｍｓであったとする。この場合、映像出力遅延時間＝５０ｍｓ≦デコード処理時間＝１０７ｍｓであるため、制御部は、音声処理装置による音声出力遅延時間を、デコード処理時間と同じ値、すなわち、１０７ｍｓとして、シンク機器に通知する。これにより、シンク機器は、自装置の映像出力遅延時間を１０７ｍｓに調整するため、音声処理装置側で、スピーカーへの音声出力を遅延させないことで、映像出力と音声出力とを同期させることができる。

第５の発明の音声処理装置は、第４の発明の音声処理装置において、前記制御部は、スピーカーへの音声出力を遅延させないように制御する特徴とする。

本発明によれば、映像出力と音声出力との同期をとることができる。

本発明の実施形態に係るＡＶレシーバーの構成を示すブロック図である。ｅＡＲＣ機能を実行する場合のＡＶレシーバーの処理動作を示すフローチャートである。

以下、本発明の実施形態について説明する。図１は、本実施形態に係るＡＶレシーバー１の構成を示すブロック図である。ＡＶレシーバー１（音声処理装置）は、テレビ１００（シンク機器）とイーサネット（登録商標）対応ＨＤＭＩ（登録商標）ケーブルにより接続されている。ＡＶレシーバー１は、テレビ１００から入力される音声信号をスピーカー２００に出力するｅＡＲＣ機能を有する。また、ＡＶレシーバー１は、ＣＥＣ（Consumer Electronics Control）規格に従った通信を行う機能を有する。

図１に示すように、ＡＶレシーバー１は、制御部２、記憶部３、表示部４、操作部５、
デジタル信号入力端子６、ＤＩＲ（Digital Audio Interface Receiver）７、ＤＳＰ（Di
gital Signal Processor）８、Ｄ／Ａコンバーター（以下、「ＤＡＣ」という。）９、ボ
リューム調整部１０、増幅部１１、スピーカー端子１２を備える。

制御部２は、記憶部３に記憶されたプログラムに従って、ＡＶレシーバー１を構成する各部を制御する。記憶部３は、制御部２の主メモリとして機能するＲＡＭ（Random Access Memory）、プログラムを記憶するＲＯＭ（Read Only Memory）から構成されている。なお、記憶部３は、例示する構成に限られず、フラッシュメモリやＨＤＤ（Hard Disk Drive）等を含んでいてもよい。

表示部４は、設定画面等を表示するものであり、ＬＣＤ（液晶ディスプレイ）や蛍光表示管等である。操作部５は、ユーザー操作を受け付けるためのものであり、ＡＶレシーバー１の筐体に設けられた操作ボタンやリモートコントローラーである。ユーザーは、操作部５を操作することにより、例えば、音声信号のボリューム値を指示することができる。

デジタル信号入力端子６には、イーサネット（登録商標）対応ＨＤＭＩ（登録商標）ケーブルを介して、テレビ１００が接続されている。デジタル信号入力端子６には、テレビ１００からＳＰＤＩＦ信号が入力される。ＤＩＲ７は、テレビ１００から入力されるＳＰＤＩＦ信号を、Ｉ２Ｓ信号に変換する。変換されたＩ２Ｓ信号は、ＤＳＰ８に出力される。ＤＳＰ８は、Ｉ２Ｓ信号に、イコライザー処理等のデジタル信号処理、デコード処理を行う。デコード処理等が行われたＩ２Ｓ信号は、ＤＡＣ９に出力される。ＤＡＣ９は、Ｉ２Ｓ信号をアナログ音声信号にＤ／Ａ変換する。Ｄ／Ａ変換されたアナログ音声信号は、ボリューム調整部１０に出力される。

ボリューム調整部１０は、アナログ音声信号のボリューム値を調整する。ボリューム値が調整されたアナログ音声信号は、増幅部１１に出力される。増幅部１１は、ボリューム値が調整されたアナログ音声信号を増幅する。増幅されたアナログ音声信号は、スピーカー端子１２に出力される。スピーカー端子１２には、スピーカー２００が接続されている。スピーカー２００は、アナログ音声信号に基づいて、音声を出力する。

ＡＶレシーバー１とテレビ１００とにおいて、ｅＡＲＣ機能が実行される場合、［背景技術］で示されている「ERX_LATENCY」（音声信号がＡＶレシーバー１からスピーカー１００に出力されるまでの遅延時間）の設定に関して、ＡＶレシーバー１のＤＳＰ８のデコード時間を考慮する必要がある。なお、以下の処理は、ＡＶレシーバー１の制御部２によって実行されるが、簡単のため、「制御部２」の文言を省略して、「ＡＶレシーバー１は、〜する。」と表現する場合がある。

ある音声信号フォーマットのＤＳＰ８によるデコード時間が１０７ｍｓであり、テレビ１００側からのERX_LATENCY_REQが１０７より大きい場合（例１）、ＡＶレシーバー１は、ERX_LATENCY_REQの値−１０７の値だけ、遅延（latency）を調整する。ＡＶレシーバー１は、ERX_LATENCYとして、ERX_LATECY_REQの値を、テレビ１００側に返す。

例えば、ERX_LATENCY_REQ＝１４０のとき、遅延（delay）の値として、１４０−１０７＝３３ｍｓだけ、ＡＶレシーバー１側で、遅延（latency）を調整する。ＡＶレシーバー１は、テレビ１００に対して、ERX_LATENCY＝１４０で通知すれば、ＡＶレシーバー１としては、テレビ１００から音声を受けて、スピーカー２００に出力するまでに、１４０ｍｓかかるということをテレビ１００に通知している。このため、テレビ１００は、遅延（delay）なしで、ＡＶレシーバー１へ音声出力をすればよい。

ある音声信号フォーマットのＤＳＰ８によるデコード時間が１０７ｍｓであり、ERX_LATENCY_REQが１０７以下の場合（例２）、ＡＶレシーバー１側での遅延（latency）調整は、行われない。ＡＶレシーバー１は、ERX_LATENCYとして、１０７の値を、テレビ１００側へ返す。ＡＶレシーバー１が音声出力するまでに１０７ｍｓかかるため、テレビ１００は、映像出力の遅延（delay）を１０７ｍｓに調整し、音声出力の遅延（delay）なしで出力する。

例えば、ERX_LATENCY_REQ＝５０の場合、ＡＶレシーバー１は、ERX_LATENCY＝１０７でテレビ１００に通知すれば、ＡＶレシーバー１としては、テレビ１００から音声出力を受けて、スピーカー２００に出力するまでに、１０７ｍｓかかるということをテレビ１００に通知している。このため、テレビ１００は、映像の遅延（delay）を１０７ｍｓに調整する。

ここで、ＡＶレシーバー１のＤＳＰ８のデコード時間は、音声（Audio）フォーマットによって一定でないことを考慮する必要がある。本実施形態では、予め、音声フォーマット毎に、ＤＳＰ８のデコードにかかる時間を計測したテーブルをＡＶレシーバー１の記憶部３に記憶しておく。すなわち、記憶部３は、音声信号のフォーマットと、音声信号のフォーマットに対するＤＳＰ８によるデコード処理時間と、を対応付けて記憶している。

制御部２は、テレビ１００（シンク機器）からの映像出力遅延時間（ERX_LATENCY_REQ）を受信する。そして、制御部２は、受信した映像出力遅延時間（ERX_LATENCY）と、記憶部３に記憶されている、テレビ１００（シンク機器）から受信する音声信号のフォーマットに対応するデコード処理時間と、に基づいて、ＡＶレシーバー１の音声出力遅延時間（ERX_LATENCY）を、テレビ１００（シンク機器）に通知する。ＡＶレシーバー１からテレビ１００に通知される、ＡＶレシーバー１の出力遅延時間（ERX_LATENCY）は、上記例１、例２のとおりであるが、これらの説明を含めて、本実施形態でｅＡＲＣ機能が実行される場合の処理について説明する。

制御部２は、テレビ１００側から出力される音声信号のフォーマットが、どのフォーマットか判断できたときに、記憶部３に記憶されているテーブルに基づいて、ＤＳＰ８によるデコード処理時間を導き出す。例えば、制御部２は、テレビ１００の映像出力遅延時間（ERX_LATENCY_REQ）＝１４０ｍｓを受信し、導き出したＤＳＰ８によるデコード処理時間が１０７ｍｓであったとする。この場合、映像出力遅延時間（ERX_LATENCY_REQ）＝１４０ｍｓ＞デコード処理時間＝１０７ｍｓであるため、制御部２は、ＡＶレシーバー１による音声出力遅延時間（ERX_LATENCY）を、受信した映像出力遅延時間（ERX_LATENCY_REQ）と同じ値、すなわち、１４０ｍｓとして、テレビ１００に通知する。

言い換えれば、制御部２は、受信した映像出力遅延時間が、記憶部３に記憶されている、テレビ１００から受信する音声信号のフォーマットに対応するデコード処理時間よりも、長い場合、ＡＶレシーバー１の音声出力遅延時間を、受信した映像出力遅延時間と同じ値として、テレビ１００に通知する

これにより、テレビ１００は、自装置の映像出力遅延時間（ERE_LATENCY_REQ）と、ＡＶレシーバー１側の音声出力遅延時間（ERX_LATENCY）と、が一致していることから、音声出力を遅延しない。制御部２は、１４０−１０７＝３３ｍｓ（受信した映像出力遅延時間と、記憶部３に記憶されている、テレビ１００から受信する音声信号のフォーマットに対応するデコード処理時間との差）、スピーカー２００への音声出力が遅延すように制御する。これにより、映像出力と音声出力とを同期させることができる。

また、例えば、制御部２は、テレビ１００の映像出力遅延時間（ERX_LATENCY_REQ）＝５０ｍｓを受信し、導き出したＤＳＰ８によるデコード処理時間が１０７ｍｓであったとする。この場合、映像出力遅延時間（ERX_LATENCY_REQ）＝５０ｍｓ≦デコード処理時間＝１０７ｍｓであるため、制御部２は、ＡＶレシーバー１による音声出力遅延時間（ERX_LATENCY）を、デコード処理時間と同じ値、すなわち、１０７ｍｓとして、テレビ１００に通知する。言い換えれば、制御部２は、受信した映像出力遅延時間が、記憶部３に記憶されている、テレビ１００から受信する音声信号のフォーマットに対応するデコード処理時間以下である場合、ＡＶレシーバー１の音声出力遅延時間を、デコード処理時間と同じ値として、テレビ１００に通知する。

これにより、テレビ１００は、自装置の映像出力遅延時間を１０７ｍｓに調整する。制御部２は、スピーカー２００への音声出力を遅延させないように制御する。これにより、映像出力と音声出力とを同期させることができる。

以下、ｅＡＲＣ機能を実行する場合のＡＶレシーバー１の処理動作を、図２に示すフローチャートに基づいて、説明する。制御部２は、ｅＡＲＣ対応のテレビ１００との接続を完了させる（Ｓ１）。次に、制御部２は、ｅＡＲＣ対応のテレビ１００からの音声信号を受信する（Ｓ２）。次に、制御部２は、ｅＡＲＣ対応のテレビ１００から、「ERX_LATENCY_REQ」コマンドを受信する（Ｓ３）。次に、制御部２は、受信している音声フォーマットから、記憶部３内のテーブルから、ＤＳＰ８によるデコード処理時間を導き出し、導き出したデコード処理時間を、AMP_DSP_TIMEに設定する（Ｓ４）。

次に、制御部２は、ERX_LATENCY_REQ > AMP_DSP_TIMEであるか否かを判断する（Ｓ５）。制御部２は、ERX_LATENCY_REQ > AMP_DSP_TIMEであると判断した場合（Ｓ５：Ｙｅｓ）、AMP_LATENCY（ＡＶレシーバー１での音声出力遅延時間） = ERX_LATENCY_REQ - AMP_DSP_TIMEに設定する（Ｓ６）。次に、制御部２は、ERX_LATENCY = ERX_LATENCY_REQに設定する（Ｓ７）。

一方で、制御部２は、ERX_LATENCY_REQ > AMP_DSP_TIMEでない、すなわち、ERX_LATENCY_REQ <= AMP_DSP_TIMEであると判断した場合（Ｓ５：Ｎｏ）、AMP_LATENCY = 0に設定する（Ｓ８）。次に、制御部２は、ERX_LATENCY = AMP_DSP_TIMEに設定する（Ｓ９）。

制御部２は、Ｓ７又はＳ９の処理の後、ERX_LATENCY値をｅＡＲＣ対応のテレビ１００に通知する（Ｓ１０）。次に、制御部２は、AMP_LATECYの時間、スピーカー２００への出力のLATENCY（遅延）を調整する（Ｓ１１）。

以上説明したように、本実施形態では、制御部２は、受信したテレビ１００（シンク機器）の映像出力遅延時間と、記憶部３に記憶されている、テレビ１００（シンク機器）から受信する音声信号のフォーマットに対応するデコード処理時間と、に基づいて、ＡＶレシーバー１（自装置）の音声出力遅延時間を、テレビ１００（シンク機器）に通知する。このため、音声信号のフォーマットによって異なる、ＤＳＰ８（信号処理部）によるデコード時間が考慮され、ＡＶレシーバー１（音声処理装置）の音声出力遅延時間が決定されるため、映像出力と音声出力との同期をとることができる。

以上、本発明の実施形態について説明したが、本発明を適用可能な形態は、上述の実施形態には限られるものではなく、以下に例示するように、本発明の趣旨を逸脱しない範囲で適宜変更を加えることが可能である。

上述の実施形態においては、ｅＡＲＣ機能を有する音声処理装置として、ＡＶレシーバーを例示した。これに限らず、ｅＡＲＣ機能を有していれば、音声処理装置は、例えば、増幅器とスピーカーとが一体となったバータイプのスピーカーであってもよい。

本発明は、音声信号に増幅等の音声信号処理を行う音声処理装置に好適に採用され得る。

１ＡＶレシーバー（音声処理装置）
２制御部
３記憶部
８ＤＳＰ（信号処理部）
１００テレビ（シンク機器）
２００スピーカー

Claims

シンク機器から入力される音声信号をスピーカーに出力するｅＡＲＣ機能を有する音声処理装置であって、
音声信号にデコード処理を行う信号処理部と、
音声信号のフォーマットと、音声信号のフォーマットに対する前記信号処理部によるデコード処理時間と、を対応付けて記憶する記憶部と、
制御部と、を備え、
前記制御部は、
前記シンク機器からの映像出力遅延時間を受信し、
受信した映像出力遅延時間と、前記記憶部に記憶されている、前記シンク機器から受信する音声信号のフォーマットに対応するデコード処理時間と、に基づいて、自装置の音声出力遅延時間を、前記シンク機器に通知することを特徴とする音声処理装置。
前記制御部は、受信した映像出力遅延時間が、前記記憶部に記憶されている、前記シンク機器から受信する音声信号のフォーマットに対応するデコード処理時間よりも、長い場合、自装置の音声出力遅延時間を、受信した映像出力遅延時間と同じ値として、前記シンク機器に通知することを特徴とする請求項１に記載の音声処理装置。
前記制御部は、受信した映像出力遅延時間と、前記記憶部に記憶されている、前記シンク機器から受信する音声信号のフォーマットに対応するデコード処理時間との差、音声出力が遅延するように制御することを特徴とする請求項２に記載の音声処理装置。
前記制御部は、受信した映像出力遅延時間が、前記記憶部に記憶されている、前記シンク機器から受信する音声信号のフォーマットに対応するデコード処理時間以下である場合、自装置の音声出力遅延時間を、デコード処理時間と同じ値として、前記シンク機器に通知することを特徴とする請求項１に記載の音声処理装置。
前記制御部は、スピーカーへの音声出力を遅延させないように制御する特徴とする請求項４に記載の音声処理装置。