JP4052147B2

JP4052147B2 - Internet telephone device, internet telephone system, and program for internet telephone device

Info

Publication number: JP4052147B2
Application number: JP2003055745A
Authority: JP
Inventors: 直博江本
Original assignee: Yamaha Corp
Current assignee: Yamaha Corp
Priority date: 2003-03-03
Filing date: 2003-03-03
Publication date: 2008-02-27
Anticipated expiration: 2023-03-03
Also published as: JP2004266620A

Description

【０００１】
【発明の属する技術分野】
本発明は、音声情報とともに、立体音響情報を配信するインターネット電話システム、このインターネット電話システムを構成するインターネット電話装置、及びインターネット電話装置用プログラムに関する。
【０００２】
【従来の技術】
近時、ヘッドセットを接続したパソコンやインターネット電話用アダプタに接続した電話機などを使用し、インターネットを電話回線として使用して通話ができるインターネット電話が普及しつつある。インターネット電話は、上記のように電話回線としてインターネットを使用し、電話会社が所有する電話回線を全く使用しないか、または使用しても例えば家庭から最寄りの電話交換機までの電話回線のみなので、電話料金を距離や通話時間などに関係なく低額、一定額または無料に設定されている。
【０００３】
ところで、通話者は、通話中に周囲の雰囲気を相手に伝えたいことがある。このような場合、通話者は、ヘッドセットのマイクや受話器で周囲の音（環境音）を集音して、相手に聞かせることで周囲の雰囲気を伝えることができる。しかしながら、ヘッドセットのマイクや受話器では、モノラル音しか集音できないため、通話者の周囲の雰囲気を完全に伝えることができないという問題がある。
【０００４】
そこで、従来、高音質で臨場感のある電話通信を実現できるステレオ電話装置があった（例えば、特許文献１参照。）。
【０００５】
【特許文献１】
特開平６−２６８７２２号公報（第２，３頁、第１−６図）
【０００６】
【発明が解決しようとする課題】
特許文献１に記載のステレオ電話装置では、ステレオ電話機同士でステレオの音声相互通信を行うことができるので、モノラル音よりも立体感のある音声で会話をすることができる。また、このステレオ電話装置では、音声相互通信機能以外に音楽配信センターから音楽の供給サービスを受ける機能がある。
【０００７】
しかしながら、特許文献１に記載のステレオ装置では、通話用のマイクを使って周囲の環境音も伝えるため、ステレオ電話機同士で通話中に、環境音を相手にうまく伝えることができなかった。また、特許文献１に記載のステレオ電話装置では、ステレオ電話機同士で通話中に、音楽の供給サービスを受けることができないため、上記のサービスがあったとしても、通話中に、同時に、環境音や音楽の供給を受けられないという問題があった。
【０００８】
そこで、本発明は、インターネット電話で通話中に、周囲の雰囲気の臨場感を相手先に伝えることができるインターネット電話システム、インターネット電話装置、及びインターネット電話装置用プログラムを提供することを目的とする。
【０００９】
【課題を解決するための手段】
この発明は、上記の課題を解決するための手段として、以下の構成を備えている。
【００１０】
（１）相手先と音声通話をするための通話音声を再生・集音する通話手段と、
通話音声は再生せずに、インターネットから受信した音響コンテンツのみを立体的に再生する複数の音声出力手段を有する音響再生手段と、
インターネット上で、前記音響再生手段で再生可能な立体音響の音響コンテンツをストリーミング配信する複数の音響サーバのうち、発信者の所望の音響コンテンツを配信する音響サーバを指定する音響サーバ指定情報が添付された接続要求コマンドを発信側電話装置から受信した時、この発信側電話装置と前記通話手段とを相互接続して音声通話可能にするとともに、前記音響サーバ指定情報で指定された音響サーバに接続して音響コンテンツを受信し、前記音響再生手段を用いてこの音響コンテンツを立体的に再生させる制御手段と、
を備えたことを特徴とする。
（２）通話者の音声を集音する集音手段、及び相手先の通話音声を再生する通話音声再生手段を含み、相手先と音声通話をするための通話手段と、
通話音声は再生せずに、インターネットから受信した音響コンテンツのみを立体的に再生する複数の音声出力手段を有する音響再生手段と、
インターネット上で、前記音響再生手段で再生可能な立体音響の音響コンテンツをストリーミング配信する複数の音響サーバのうち、発信者の所望の音響コンテンツを配信する音響サーバを指定する音響サーバ指定情報が添付された接続要求コマンドを発信側電話装置から受信した時、この発信側電話装置と前記通話手段とを相互接続して音声通話可能にするとともに、前記音響サーバ指定情報で指定された音響サーバに接続して音響コンテンツを受信し、前記音響再生手段を用いてこの音響コンテンツを立体的に再生させる制御手段と、
を備えたことを特徴とする。
【００１１】
この構成においては、インターネット電話で通話する際に、発信者が受信者に自分の周囲の雰囲気などを伝えたい場合や、電話の通話中に発信者が受信者と同じ雰囲気を体感したい場合、受信者の電話番号とともに音響サーバの電話番号など接続情報を入力する。音響サーバには、山や海の環境音や音楽などのような立体音響の音響コンテンツを配信している。受信側電話装置では、電話が発呼する際に送信側で指定された音響サーバの接続情報が通知されるので、この情報に基づいて音響サーバに接続して音響コンテンツを取得して、受信側電話装置に接続された音響再生手段で音響コンテンツを立体的に再生し、通話手段で相手先と音声通話をする。これにより、受信者は、発信者と通話しながら、発信者とほぼ同じ雰囲気を体感することができる。
（３）前記制御手段は、前記音響サーバ指定情報を添付した接続要求コマンドを受信側電話装置へ送信した時、この受信側電話装置と前記通話手段とを音声通話可能に相互接続するとともに、前記音響サーバ指定情報で指定された音響サーバに接続して音響コンテンツを受信し、前記音響再生手段を用いてこの音響コンテンツを再生することを特徴とする。
この構成においては、音響サーバ指定情報を添付した接続要求コマンドを受信側電話装置へ発信した時に、前記音響サーバ指定情報で指定された音響サーバに接続して音響コンテンツを受信するので、発信側のインターネット電話装置でも、音響コンテンツを再生できる。これにより、発信者及び受信者は、同じ音響コンテンツを同時に聞きながら通話することができ、臨場感のある環境音や音楽などを同時に体感することができる。
【００１２】
（４）相手先の指定情報と、発信者の所望のコンテンツを配信する音響サーバの指定情報と、の入力を受け付けて、この音響サーバ指定情報が添付された接続要求コマンドを相手先に送信する音響サーバ指定手段を備えたことを特徴とする。
この構成においては、音響サーバ指定手段は、相手先の指定情報と、所望のコンテンツを配信する音響サーバの指定情報と、の入力を受け付けて、この音響サーバ指定情報が添付された接続要求コマンドを相手先に送信する。したがって、相手先は、所望のコンテンツを配信する音響サーバに接続することができる。
【００１４】
（５）（１）乃至（４）のいずれかに記載の複数のインターネット電話装置と、それぞれ異なる立体音響の音響コンテンツを前記インターネット電話装置にストリーミング配信する複数の音響サーバと、を、インターネットを介して接続したことを特徴とする。
（６）相手先と音声通話をするための通話音声を再生・集音する通話手段と、
相手先の指定情報と、インターネット上で音響コンテンツをストリーミング配信する複数の音響サーバのうち、発信者の所望のコンテンツを配信する音響サーバの指定情報と、の入力を受け付けて、この音響サーバ指定情報が添付された接続要求コマンドを相手先に送信する音響サーバ指定手段と、
を備えたインターネット電話装置と、
（１）乃至（４）のいずれかに記載のインターネット電話装置と、
それぞれ異なる立体音響の音響コンテンツを前記インターネット電話装置にストリーミング配信する複数の音響サーバと、
を、インターネットを介して接続したことを特徴とする。
【００１５】
この構成においては、インターネット電話装置間で通話中に、このインターネット電話装置へ音響サーバから音響コンテンツを配信して、インターネット電話装置に接続された音響再生手段を介して、通話中のユーザに通話の相手の音声だけでなく音響コンテンツを提供することができる。
【００１６】
（７）前記音響サーバは、複数の集音手段で集音している環境音の立体的な音響を配信することを特徴とする。
【００１７】
この構成においては、電話の受信者や送信者は、自然の環境音など音響コンテンツをリアルタイムに聞くことができる。したがって、インターネット電話装置のユーザは、通話中に自然の音などを楽しむことができる。
【００１８】
（８）相手先と音声通話をするための通話音声を再生・集音する通話手段と、通話音声は再生せずに、インターネットを介して受信した音響コンテンツのみを立体的に再生する音響再生手段と、を備えたインターネット電話装置の制御部に、
インターネット上で立体的な音響コンテンツをストリーミング配信する複数の音響サーバのうち、発信者の所望のコンテンツを配信する音響サーバを指定する音響サーバ指定情報が添付された接続要求コマンドを発信側電話装置から受信する手順、
この発信側電話装置と前記通話手段とを相互接続して音声通話可能にするとともに、前記音響サーバ指定情報で指定された音響サーバに接続して音響コンテンツを受信する手順、
及び前記音響再生手段を用いてこの音響コンテンツを再生する手順、
を実行させることを特徴とする。
【００１９】
この構成においては、（１）と同様の効果を得ることができる。
【００２０】
【発明の実施の形態】
まず、本発明の概略を説明する。本発明では、インターネット電話装置間で通話する際に、発信者が受信者に周囲の雰囲気などを伝えたい場合、受信者の電話番号とともにコンテンツサーバの電話番号を入力する。コンテンツサーバには、発信者の周囲の環境音を集音して立体音響データとしてリアルタイムに配信するものや音楽を配信するものなどがある。受信側電話装置では、電話機が発呼する際に送信側で指定されたコンテンツサーバの情報が通知されるので、この通知されたＩＰアドレス情報に基づいてコンテンツサーバに接続して立体音響データを取得して、電話装置に接続されたサラウンドシステムで立体音響を再生する。これにより、受信者は、発信者と通話しながら、発信者とほぼ同じ雰囲気を体感することができる。
【００２１】
次に、本発明の実施形態に係るインターネット電話システムについて、図を参照しながら説明する。図１は、本発明の実施形態に係るインターネット電話システムの概略構成を示したブロック図である。図１に示すように、インターネット電話システム１は、発信側電話装置２、受信側電話装置３、電話番号サーバ４、音響サーバであるコンテンツサーバ５及びコンテンツサーバ６、ＩＳＰ(Internet Service Provider）７、並びにＩＳＰ８から成り、それぞれインターネット９に接続されている。
【００２２】
なお、図１ではインターネット９に接続するためのモデムやルータなどの機器の表示を省略している。
【００２３】
発信側電話装置２、受信側電話装置３、コンテンツサーバ５、及びコンテンツサーバ６には、電話番号及びＩＰアドレスが割り当てられており、電話回線としてインターネット９を介して通話することができる。また、コンテンツサーバ５，６から立体音響データの配信を受けることができる。
【００２４】
電話番号サーバ４は、ＤＮＳサーバの一種であり、電話番号とＩＰアドレスとの対応関係を記述したデータベースを管理しており、クライアントからの要求に応じて、電話番号に対応するＩＰアドレスを参照できる。
【００２５】
コンテンツサーバ５，６は、設置場所近傍の環境音を複数のマイク（集音手段）３１，３２で集音した立体音響データなどの音響コンテンツを圧縮して、リアルタイムに途切れることなくストリーミング配信する。例えば、ドルビーデジタル（登録商標）やＤＴＳ（登録商標）などの５．１チャンネルサラウンドシステム（立体音響再生システム）で再生できるように、複数のマイクで集音したアナログ音声を所定のディジタル圧縮フォーマットで圧縮変換して、インターネット９を介して配信する。また、コンテンツサーバ５やコンテンツサーバ６は、受信側電話装置３に接続された音響再生手段の性能に応じて、５．１チャンネルだけでなく、２チャンネル（ステレオ）の立体音響データ、６．１チャンネルや７．１チャンネルの立体音響データなどを配信することができる。さらに、コンテンツサーバ５，６は、電話装置から接続要求があった時のインターネット９の回線の混み具合や契約回線の通信容量に応じて、配信する立体音響データのチャンネル数の増減を問い合わせたり、チャンネル数を減少させたりすることができる。
【００２６】
また、コンテンツサーバ５，６は、複数組のマイクを備えており、同じ場所の立体音響データであるが異なった内容の立体音響データを提供することができる。例えば、サッカースタジアムにおいて、一方のチームを応援するサポータの歓声、他方のチームを応援するサポータの歓声、スタジアム全体の観客の歓声などを配信することができる。
【００２７】
なお、コンテンツサーバは、例えば、観光地、競技場、山奥の秘境など様々な場所の環境音を立体音響データとして集音できる場所に、コンテンツサーバ５やコンテンツサーバ６以外にも複数設置されている。
【００２８】
ＩＳＰ７は、発信側電話装置２をインターネット９に接続するためのものである。ＩＳＰ８は、受信側電話装置３をインターネット９に接続するためのものである。
【００２９】
発信側電話装置２は、ＩＳＰ７を介してインターネット９に接続されている。発信側電話装置２は、第１のインターネット電話アダプタであるＶｏＩＰアダプタ１１、電話機１２、音響再生手段であるオーディオアンプ１３及び６つのスピーカ１４〜１９（左メインスピーカ１４、右メインスピーカ１５、センタスピーカ１６、左リアスピーカ１７、右リアスピーカ１８、及びサブウーファ１９）、並びにモニタ２０から成る。オーディオアンプ１３及び６つのスピーカ１４〜１９によって、５．１チャンネルサラウンドシステムが構成される。発信側電話装置２は、もちろん電話を受信することもできる。また、発信側電話装置２は、発信専用に使用する場合、オーディオアンプ１３、及び６つのスピーカ１４〜１９を備えない構成であっても良い。
【００３０】
受信側電話装置３は、ＩＳＰ８を介してインターネット９に接続されている。受信側電話装置３は、第２のインターネット電話アダプタであるＶｏＩＰアダプタ２１、電話機２２、立体音響再生手段であるオーディオアンプ２３及び６つのスピーカ２４〜２９（左メインスピーカ２４、右メインスピーカ２５、センタスピーカ２６、左リアスピーカ２７、右リアスピーカ２８、及びサブウーファ２９）、並びにモニタ３０から成る。オーディオアンプ２３及び６つのスピーカ２４〜２９によって、５．１チャンネルサラウンドシステムが構成される。受信側電話装置２は、もちろん電話を発信する（電話をかける）こともできる。
【００３１】
発信側電話装置２及び受信側電話装置３において、５．１チャンネルサラウンドシステムとしては、近時普及しつつある所謂ホームシアタシステムを使用すると良い。
【００３２】
ＶｏＩＰアダプタ１１及びＶｏＩＰアダプタ２１は、図２に示すような構成である。図２は、ＶｏＩＰアダプタの構成を示したブロック図である。ＶｏＩＰアダプタ１１は、制御部（制御手段）であるＣＰＵ５１、ＲＯＭ５２、ＲＡＭ５３、ディジタルオーディオインタフェース５４、電話機インタフェース５５、ネットワークインタフェース５６が、バス５７を介してそれぞれ接続されている。ＶｏＩＰアダプタ１１の場合、ディジタルオーディオインタフェース５４には、オーディオアンプ１３が接続される。電話機インタフェース５５には、電話機１２が接続される。ネットワークインタフェース５６には、ＩＳＰ７を介してインターネット９が接続されている。
【００３３】
ＣＰＵ５１は、ＶｏＩＰアダプタ１１の各部の制御の他に、インターネット電話のプロトコル制御、オーディオストリームデータの制御、電話機の制御、オーディオデータのフォーマット変換などを行う。
【００３４】
ＲＯＭ５２は、各種制御や変換処理をＣＰＵ５１で行うためのプログラムを記憶しており、ＣＰＵ５１から随時読み出される。ＲＡＭ５３は、各種データを一時的に記憶する。
【００３５】
ここで、発信側電話装置２及び受信側電話装置３は同様の構成であるため、受信側電話装置３を構成する各部について説明する。ＶｏＩＰアダプタ２１は、発信側電話装置２の電話機１２からＶｏＩＰアダプタ１１を経由して送信されたパケット単位の音声データを電話機２２で再生できるように復元して電話機２２へ出力する。また、電話機２２からの音声データをパケット単位に分割して、発信側電話装置２のＶｏＩＰアダプタ１１へ送信する。さらに、コンテンツサーバ５または６から送信された圧縮されている立体音響データを、オーディオアンプ２３で増幅可能な状態に展開してオーディオアンプ２３へ出力する。オーディオアンプ２３は、スピーカ２４〜２９へ立体音響データを出力して、例えば、５．１チャンネルサラウンドシステムを再生することができる。モニタ３０は、図外のＤＶＤプレーヤなどから出力された動画データを表示することができる。
【００３６】
次に、本発明の実施形態に係るインターネット電話システムの動作を説明する。以下の説明では、ある観光地に居る発信者が発信側電話装置２から受信側電話装置３へ通話する場合の動作について説明する。また、発信者がいる観光地には、周囲の環境音を集音して立体音響データを音響コンテンツとしてリアルタイムにストリーミング配信するコンテンツサーバ６が設置されている。図３は、本発明の実施形態に係るインターネット電話システムの動作を説明するためのフローチャートである。図３に示すように、発信者は、発信側電話装置２の電話機１２から受信側電話装置３の電話機２２の電話番号を入力する。また、この時、発信者は自分の周囲の雰囲気を受信者に体感してもらうために、自分の周囲の環境音を集音して立体音響データを配信するコンテンツサーバ６の電話番号を入力する（ｓ１）。
【００３７】
電話機１２から入力された電話番号データは、ＶｏＩＰアダプタ１１の電話機インタフェース５５を介してＲＡＭ５３に一端格納される。ＣＰＵ５１は、これら２つの電話番号が割り当てられた相手先及びコンテンツサーバのＩＰアドレスを取得するために、インターネット９に接続された電話番号サーバ４にアクセスする（ｓ２）。
【００３８】
電話番号サーバ４は、問い合わせのあった電話番号に対応するＩＰアドレスを検索し（ｓ１１）、検出したＩＰアドレスをＶｏＩＰアダプタ１１に送信する（ｓ１２）。ＶｏＩＰアダプタ１１は、電話番号サーバ４から送信されたＩＰアドレスを受信すると（ｓ３）、このＩＰアドレスに基づいて受信側電話装置３に対して所定の接続要求を行う（ｓ４）。また、この時、ＶｏＩＰアダプタ１１は、受信側電話装置３のＶｏＩＰアダプタ２１に対してコンテンツサーバのＩＰアドレス情報を送信する（ｓ５）。
【００３９】
受信側電話装置３のＶｏＩＰアダプタ２１は、ＶｏＩＰアダプタ１１からの接続要求に呼応して発信側電話装置２との通信を確立し（ｓ２１）、通話が可能な状態になる（ｓ６，ｓ２３）。また、コンテンツサーバ６のＩＰアドレス情報に基づいて（ｓ２２）、コンテンツサーバ６に対して接続要求を行う（ｓ２４）。
【００４０】
一方、コンテンツサーバ６は、リアルタイムに集音した立体音響データをインターネット９に接続された電話装置などからの配信要求に応じるために、常に以下の処理を行っている。すなわち、発信者がいる場所の任意の位置に設置された複数のマイクで環境音を集音する（ｓ３１）。集音されたアナログ音声データは、図外のＡ／Ｄコンバータを介してサーバの記憶部にディジタルデータとして一端格納される（ｓ３２）。また、集音された音声データは、ドルビーデジタル（登録商標）やＤＴＳ（登録商標）などの５．１チャンネルサラウンドシステムで再生可能な圧縮方式で１ストリームの立体音響データに圧縮変換される（ｓ３３）。そして、コンテンツサーバ６は、インターネット９を介して配信するために設けられた図外のバッファに、書き込みを行って随時データを最新のものに更新する（ｓ３４）。
【００４１】
コンテンツサーバ６は、ＶｏＩＰアダプタ２１からの接続要求に呼応して受信側電話装置３との通信を確立し（ｓ３５）、立体音響データをパケットに分割しながらインターネット９を介して、ＶｏＩＰアダプタ２１へストリーミング配信する（ｓ３６）。
【００４２】
受信側電話装置３のＶｏＩＰアダプタ２１は、立体音響データを受信すると（ｓ２５）、このデータをＳＰＤＩＦ信号（ディジタルオーディオ信号）に変換して（ｓ２６）、オーディオアンプ２３に出力する（ｓ２７）。オーディオアンプ２３は、この立体音響データを受信すると、内蔵するデコーダで５．１チャンネルサラウンドシステムで再生可能な音声に伸長して（ｓ４１）、各音声信号をスピーカ２４〜２９に出力して立体音響を再生する（ｓ４２）。
【００４３】
以上のような動作により、発信者は、受信者と通話する際に、発信者の周囲の環境音を受信者の５．１チャンネルサラウンドシステムで再生させることで、受信者に発信者の周囲の雰囲気を体感させることができる。これにより、受信者は、例えば送信者が聞いているビーチの波の音やスタジアムの歓声など、臨場感のある音声を自宅などで聞くことができる。
【００４４】
また、上記のシステムにおいては、受信側電話装置３のみで立体音響データを再生するようにしたが、通話時に例えば、森の中の環境音など発信者の所望の場所の立体音響データや、音楽を配信するコンテンツサーバから受信側電話装置３と発信側電話装置２とに配信させることもできる。この場合、図３に示したフローチャートのステップｓ５において、取得したＩＰアドレス情報を受信側電話装置３へ送信する際に、ＶｏＩＰアダプタ１１からこのＩＰアドレス情報に基づいてコンテンツサーバ６に接続して、立体音響データの配信を受けるようにする。このようにすることで、コンテンツサーバ６から配信された立体音響データに基づいて、受信側電話装置３だけでなく、発信側電話装置２の５．１チャンネルサラウンドシステムで立体音響を再生できるので、発信者及び受信者は、臨場感あふれる立体音響を同時に聞きながら通話することができる。
【００４５】
また、ＶｏＩＰアダプタ１１，２１に動画のデコーダを設けておき、コンテンツサーバ６から、コンテンツサーバの設置された場所の近傍における景色などの動画圧縮データを配信させて、ＶｏＩＰアダプタ１１，２１で伸長してモニタ２０，３０に出力させることで、発信者と受信者とで通話をしながら、立体音響とともに同じ動画を閲覧することが可能となる。これにより、発信者及び受信者は、通話中にさらに同じ雰囲気を共有することができるようになる。
【００４６】
さらに、コンテンツサーバから配信する立体音響データは、環境音に限るものではなく、音楽や効果音など様々な音響データを音響コンテンツとしてストリーミング配信させることが可能である。
【００４７】
なお、図１には、発信側電話装置２及び受信側電話装置３が固定電話の場合の例を示したが、本発明の実施例はこれに限るものではない。例えば、発信側及び受信側の少なくとも一方が移動可能な携帯電話であっても良い。図４は、電話装置が携帯電話の場合の実施例を示した構成図である。図４に示すように、発信側電話装置２や受信側電話装置３が携帯電話の場合、例えば無線ＬＡＮアダプタのような無線通信部７１，７２を接続または内蔵して、インターネット９と無線基地４１，４２を介して接続する構成であると良い。
【００４８】
また、発信側電話装置２及び受信側電話装置３に、５．１チャンネルサラウンドシステムを仮想的にヘッドホンで再現可能なオーディオアンプを内蔵したヘッドホン６１，６２を接続して、通話の音声と立体音響とを聞くことができるようにすることで、例えば、移動中に相手の周囲の雰囲気を体感しながら通話することができる。
【００４９】
【発明の効果】
本発明によれば、以下の効果が得られる。
【００５０】
（１）インターネット電話で通話する際に、発信者が受信者に自分の周囲の雰囲気などを伝えたい場合や、電話の通話中に発信者が受信者と同じ雰囲気を体感したい場合、受信者の電話番号とともに音響サーバの電話番号など接続情報を入力する。音響サーバには、山や海の環境音や音楽などのような立体音響の音響コンテンツを配信している。受信側電話装置では、電話が発呼する際に送信側で指定された音響サーバの接続情報が通知されるので、この情報に基づいて音響サーバに接続して音響コンテンツを取得して、受信側電話装置に接続された音響再生手段で音響コンテンツを立体的に再生し、通話手段で相手先と音声通話をする。したがって、受信者は、発信者と通話しながら、発信者とほぼ同じ雰囲気を体感することができる。
【００５１】
（２）音響サーバは、音響再生手段で再生可能な立体音響の音響コンテンツをストリーミング配信するので、受信者と発信者とは、通話しながら音響コンテンツを再生することで、臨場感のある環境音や音楽などを同時に体感することができる。
【００５２】
（３）インターネット電話装置間で通話中のユーザに、通話の相手の音声だけでなく音響コンテンツを提供することができる。
【００５３】
（４）インターネット電話装置のユーザは、通話中に自然の環境音など音響コンテンツをリアルタイムに聞くことができる。
【図面の簡単な説明】
【図１】本発明の実施形態に係るインターネット電話システムの概略構成を示したブロック図である。
【図２】ＶｏＩＰアダプタの構成を示したブロック図である。
【図３】本発明の実施形態に係るインターネット電話システムの動作を説明するためのフローチャートである。
【図４】電話装置が携帯電話の場合の実施例を示した構成図である。
【符号の説明】
１−インターネット電話システム
２−発信側電話装置
３−受信側電話装置
４−電話番号サーバ
５，６−コンテンツサーバ
７，８−ＩＳＰ
９−インターネット
１１，２１−ＶｏＩＰアダプタ
１２，２２−電話機
１３，２３−オーディオアンプ[0001]
BACKGROUND OF THE INVENTION
The invention, together with sound information, the Internet telephone system for delivering stereophonic information, internet telephone apparatus constituting the Internet telephone system, and a program for the Internet telephone apparatus.
[0002]
[Prior art]
In recent years, Internet telephones that can make calls using a PC connected to a headset or a telephone connected to an Internet telephone adapter and using the Internet as a telephone line are becoming widespread. Internet telephone uses the Internet as a telephone line as described above, and does not use a telephone line owned by a telephone company at all, or even if it is used, for example, it is only a telephone line from a home to the nearest telephone exchange. Regardless of distance, talk time, etc., it is set to low, fixed or free.
[0003]
By the way, the caller may want to convey the surrounding atmosphere to the other party during the call. In such a case, the caller can convey the ambient atmosphere by collecting ambient sounds (environmental sounds) with a headset microphone or handset and listening to the other party. However, since the headset microphone and handset can only collect monaural sounds, there is a problem that the atmosphere around the caller cannot be completely transmitted.
[0004]
Therefore, there has been a stereo telephone apparatus that can realize telephone communication with high sound quality and presence (see, for example, Patent Document 1).
[0005]
[Patent Document 1]
JP-A-6-268722 (pages 2, 3 and 1-6)
[0006]
[Problems to be solved by the invention]
In the stereo telephone device described in Patent Document 1, since stereo audio communication can be performed between stereo telephones, it is possible to have a conversation with a sound with a stereoscopic effect rather than a monaural sound. In addition to the voice intercommunication function, this stereo telephone device has a function of receiving a music supply service from a music distribution center.
[0007]
However, in the stereo device described in Patent Document 1, ambient sound is also transmitted using a microphone for calls, and therefore, the environment sound cannot be transmitted well to the other party during a call between stereo telephones. In addition, since the stereo telephone device described in Patent Document 1 cannot receive a music supply service during a call between stereo telephones, even if there is the above service, an environmental sound or There was a problem of not being able to receive music.
[0008]
Therefore, an object of the present invention is to provide an Internet telephone system, an Internet telephone apparatus , and an Internet telephone apparatus program that can convey the realism of the surrounding atmosphere to a partner during a telephone call using an Internet telephone.
[0009]
[Means for Solving the Problems]
The present invention has the following configuration as means for solving the above problems.
[0010]
(1) Call means for playing and collecting call voice for making a voice call with the other party;
A sound reproduction means having a plurality of sound output means for reproducing only the acoustic content received from the Internet in a three-dimensional manner without reproducing the call voice ;
On the Internet, acoustic server designation information for designating an acoustic server for delivering a desired acoustic content of a caller among a plurality of acoustic servers for streaming delivery of stereoscopic acoustic content that can be reproduced by the acoustic reproduction means is attached. When the connection request command is received from the calling side telephone device, the calling side telephone device and the calling means are interconnected to enable a voice call and connected to the acoustic server specified by the acoustic server designation information. a control means for Ru sterically regenerated this audio content with receiving the audio content, the audio reproducing means Te,
It is provided with.
(2) including a sound collecting means for collecting the voice of the caller and a call voice reproducing means for reproducing the call voice of the other party, a calling means for making a voice call with the other party,
A sound reproduction means having a plurality of sound output means for reproducing only the acoustic content received from the Internet in a three-dimensional manner without reproducing the call voice ;
On the Internet, acoustic server designation information for designating an acoustic server for delivering a desired acoustic content of a caller among a plurality of acoustic servers for streaming delivery of stereoscopic acoustic content that can be reproduced by the acoustic reproduction means is attached. When the connection request command is received from the calling side telephone device, the calling side telephone device and the calling means are interconnected to enable a voice call and connected to the acoustic server specified by the acoustic server designation information. a control means for Ru sterically regenerated this audio content with receiving the audio content, the audio reproducing means Te,
It is provided with.
[0011]
In this configuration, when the caller wants to communicate the surrounding atmosphere to the receiver when making a call over the Internet, or when the caller wants to experience the same atmosphere as the receiver during a telephone call , The connection information such as the telephone number of the sound server is input together with the telephone number of the user. The acoustic server distributes three-dimensional acoustic content such as mountain and sea environmental sounds and music. The receiving side telephone device is notified of connection information of the acoustic server specified on the transmitting side when the telephone makes a call. Based on this information, it connects to the acoustic server to acquire the acoustic content, The acoustic content is three-dimensionally reproduced by the acoustic reproducing means connected to the telephone device, and the voice call is made with the other party by the calling means. Thereby, the receiver can experience almost the same atmosphere as the caller while talking with the caller.
(3) When the control means transmits a connection request command with the acoustic server designation information attached thereto to the receiving side telephone device, the receiving side telephone device and the calling means are interconnected so that a voice call can be made, The sound content is received by connecting to the sound server designated by the sound server designation information, and the sound content is reproduced using the sound reproducing means.
In this configuration, when the connection request command with the acoustic server designation information attached is transmitted to the receiving side telephone device, the acoustic content is received by connecting to the acoustic server designated by the acoustic server designation information. Audio content can also be played back on Internet telephone devices. As a result, the sender and recipient, the same audio content can be a call while listening at the same time, Ru can be at the same time experience the environmental sounds and music with a sense of realism.
[0012]
(4) Accepting input of the destination designation information and the designation information of the acoustic server that delivers the content desired by the caller, and transmits a connection request command to which the acoustic server designation information is attached to the destination. An acoustic server specifying means is provided.
In this configuration, the acoustic server designating unit receives input of the designation information of the other party and the designation information of the acoustic server that delivers the desired content, and sends a connection request command to which the acoustic server designation information is attached. Send to the other party. Therefore, the other party can connect to an acoustic server that delivers desired content.
[0014]
(5) A plurality of Internet telephone devices according to any one of (1) to (4) and a plurality of acoustic servers that stream and distribute different three-dimensional acoustic contents to the Internet telephone device via the Internet. It is characterized by being connected.
(6) Call means for reproducing and collecting call voice for making a voice call with the other party;
Accepting the input of the designation information of the other party and the designation information of the acoustic server that delivers the content desired by the caller among the plurality of acoustic servers that deliver the acoustic content on the Internet, this acoustic server designation information An acoustic server specifying means for transmitting a connection request command attached to the other party,
An internet telephone device comprising:
(1) to the Internet telephone device according to any one of (4) ,
A plurality of acoustic servers for streaming distribution of different three-dimensional acoustic contents to the Internet telephone device;
Is connected via the Internet.
[0015]
In this configuration, during a call between Internet telephone devices, the acoustic content is distributed from the acoustic server to the Internet telephone device, and a call is made to the user who is calling through the sound reproduction means connected to the Internet telephone device. In addition to the voice of the other party, it is possible to provide acoustic content.
[0016]
(7) The acoustic server distributes three-dimensional sounds of environmental sounds collected by a plurality of sound collecting means.
[0017]
In this configuration, a telephone receiver or sender can listen to acoustic content such as natural environmental sounds in real time. Therefore, the user of the Internet telephone device can enjoy natural sounds during a call.
[0018]
(8) Calling means for playing back and collecting call voice for making a voice call with the other party, and sound playback means for playing back only the audio content received via the Internet in three dimensions without playing the call voice In the control unit of the Internet telephone device equipped with
A connection request command attached with acoustic server designation information for designating an acoustic server for delivering a desired content of a caller from a plurality of acoustic servers for streaming delivery of stereoscopic audio content on the Internet is transmitted from the originating telephone device. Steps to receive,
A procedure for interconnecting the calling side telephone device and the calling means to enable voice communication and connecting to the acoustic server designated by the acoustic server designation information to receive acoustic content,
And a procedure for reproducing the acoustic content using the acoustic reproduction means,
Is executed.
[0019]
In this configuration, the same effect as (1) can be obtained.
[0020]
DETAILED DESCRIPTION OF THE INVENTION
First, the outline of the present invention will be described. In the present invention, when a caller wants to convey the surrounding atmosphere to the receiver when making a call between Internet telephone devices, the telephone number of the content server is input together with the telephone number of the receiver. Content servers include those that collect environmental sounds around the caller and distribute them as stereophonic sound data in real time, and those that distribute music. In the receiving side telephone device, when the telephone makes a call, the content server information designated on the transmitting side is notified. Based on the notified IP address information, connection to the content server is obtained to obtain the stereophonic data. Then, the three-dimensional sound is reproduced by the surround system connected to the telephone device. Thereby, the receiver can experience almost the same atmosphere as the caller while talking with the caller.
[0021]
Next, an Internet telephone system according to an embodiment of the present invention will be described with reference to the drawings. FIG. 1 is a block diagram showing a schematic configuration of an Internet telephone system according to an embodiment of the present invention . As shown in FIG. 1, an Internet telephone system 1 includes a calling telephone device 2, a receiving telephone device 3, a telephone number server 4, a content server 5 and a content server 6 as acoustic servers, an ISP (Internet Service Provider) 7, Are connected to the Internet 9.
[0022]
In FIG. 1, the display of devices such as a modem and a router for connecting to the Internet 9 is omitted.
[0023]
A telephone number and an IP address are assigned to the calling side telephone device 2, the receiving side telephone device 3, the content server 5, and the content server 6, and a call can be made via the Internet 9 as a telephone line. In addition, it is possible to receive the distribution of stereophonic sound data from the content servers 5 and 6.
[0024]
The telephone number server 4 is a kind of DNS server, manages a database describing the correspondence between telephone numbers and IP addresses, and can refer to IP addresses corresponding to telephone numbers in response to requests from clients. .
[0025]
The content servers 5 and 6 compress the acoustic content such as the stereophonic sound data collected by the plurality of microphones (sound collecting means) 31 and 32 from the environmental sound in the vicinity of the installation location, and perform streaming distribution in real time without interruption. For example, analog audio collected by a plurality of microphones can be reproduced in a predetermined digital compression format so that it can be reproduced by a 5.1 channel surround system (stereoscopic sound reproduction system) such as Dolby Digital (registered trademark) or DTS (registered trademark). The data is compressed and converted and distributed via the Internet 9. In addition, the content server 5 and the content server 6 have not only 5.1 channels but also 2 channel (stereo) stereophonic sound data, 6.1, depending on the performance of the sound reproducing means connected to the receiving side telephone device 3. Channels and 7.1-channel stereophonic data can be distributed. Further, the content servers 5 and 6 inquire about the increase or decrease in the number of channels of the stereophonic data to be distributed according to the congestion of the line of the Internet 9 when the connection request is made from the telephone device or the communication capacity of the contracted line. The number of channels can be reduced.
[0026]
Moreover, the content servers 5 and 6 are provided with a plurality of sets of microphones, and can provide stereophonic sound data of different contents although they are stereoacoustic data at the same place. For example, can be delivered in a football stadium, cheers of supporters to cheer one of the teams, cheers of supporters to cheer the other team, and cheers of the entire stadium audience.
[0027]
Note that a plurality of content servers other than the content server 5 and the content server 6 are installed in a place where environmental sounds in various places such as a sightseeing spot, a stadium, and a mountainous area can be collected as stereophonic sound data. .
[0028]
The ISP 7 is for connecting the calling side telephone device 2 to the Internet 9. The ISP 8 is for connecting the receiving side telephone device 3 to the Internet 9.
[0029]
The calling side telephone device 2 is connected to the Internet 9 via the ISP 7. The calling side telephone device 2 includes a VoIP adapter 11 as a first Internet telephone adapter, a telephone 12, an audio amplifier 13 as a sound reproducing means, and six speakers 14 to 19 (a left main speaker 14, a right main speaker 15, a center speaker). 16, a left rear speaker 17, a right rear speaker 18, a subwoofer 19), and a monitor 20. The audio amplifier 13 and the six speakers 14 to 19 constitute a 5.1 channel surround system. The calling side telephone device 2 can of course receive a call. Further, when used exclusively for outgoing calls, the calling side telephone device 2 may be configured not to include the audio amplifier 13 and the six speakers 14 to 19.
[0030]
The receiving side telephone device 3 is connected to the Internet 9 via the ISP 8. The receiving side telephone device 3 includes a VoIP adapter 21 that is a second Internet telephone adapter, a telephone 22, an audio amplifier 23 that is a three-dimensional sound reproducing means, and six speakers 24 to 29 (a left main speaker 24, a right main speaker 25, a center). A speaker 26, a left rear speaker 27, a right rear speaker 28, a subwoofer 29), and a monitor 30 are included. The audio amplifier 23 and the six speakers 24 to 29 constitute a 5.1 channel surround system. Of course, the receiving side telephone device 2 can also make a call (make a call).
[0031]
In the calling side telephone device 2 and the receiving side telephone device 3, a so-called home theater system that is becoming popular recently may be used as the 5.1 channel surround system.
[0032]
The VoIP adapter 11 and the VoIP adapter 21 are configured as shown in FIG. FIG. 2 is a block diagram showing the configuration of the VoIP adapter. In the VoIP adapter 11, a CPU 51, a ROM 52, a RAM 53, a digital audio interface 54, a telephone interface 55, and a network interface 56 that are control units (control means) are connected via a bus 57. In the case of the VoIP adapter 11, the audio amplifier 13 is connected to the digital audio interface 54. The telephone 12 is connected to the telephone interface 55. The Internet 9 is connected to the network interface 56 via the ISP 7.
[0033]
In addition to controlling each part of the VoIP adapter 11, the CPU 51 performs Internet telephone protocol control, audio stream data control, telephone control, audio data format conversion, and the like.
[0034]
The ROM 52 stores a program for performing various controls and conversion processes by the CPU 51, and is read from the CPU 51 as needed. The RAM 53 temporarily stores various data.
[0035]
Here, since the calling side telephone apparatus 2 and the receiving side telephone apparatus 3 have the same configuration, each part constituting the receiving side telephone apparatus 3 will be described. The VoIP adapter 21 restores the voice data in units of packets transmitted from the telephone set 12 of the caller side telephone device 2 via the VoIP adapter 11 so that the voice data can be reproduced by the telephone set 22 and outputs it to the telephone set 22. Also, the voice data from the telephone 22 is divided into packets and transmitted to the VoIP adapter 11 of the caller telephone device 2. Further, the compressed stereophonic data transmitted from the content server 5 or 6 is expanded to a state that can be amplified by the audio amplifier 23 and is output to the audio amplifier 23. The audio amplifier 23 can output stereophonic sound data to the speakers 24 to 29 to reproduce, for example, a 5.1 channel surround system. The monitor 30 can display moving image data output from a DVD player or the like not shown.
[0036]
Next, the operation of the Internet telephone system according to the embodiment of the present invention will be described. In the following description, an operation in a case where a caller in a certain tourist place makes a call from the calling side telephone device 2 to the receiving side telephone device 3 will be described. In addition, a content server 6 that collects ambient environmental sounds and streams the stereoscopic sound data as acoustic content in real time is installed at a tourist spot where the caller is located. FIG. 3 is a flowchart for explaining the operation of the Internet telephone system according to the embodiment of the present invention. As shown in FIG. 3, the caller inputs the telephone number of the telephone 22 of the receiving telephone device 3 from the telephone 12 of the calling telephone device 2. At this time, the caller inputs the telephone number of the content server 6 that collects ambient sound and distributes the stereophonic sound data so that the receiver can experience the atmosphere around him. (S1).
[0037]
The telephone number data input from the telephone 12 is temporarily stored in the RAM 53 via the telephone interface 55 of the VoIP adapter 11. The CPU 51 accesses the telephone number server 4 connected to the Internet 9 in order to obtain the IP address of the destination and content server to which these two telephone numbers are assigned (s2).
[0038]
The telephone number server 4 searches for an IP address corresponding to the telephone number inquired (s11), and transmits the detected IP address to the VoIP adapter 11 (s12). When receiving the IP address transmitted from the telephone number server 4 (s3), the VoIP adapter 11 makes a predetermined connection request to the receiving side telephone device 3 based on the IP address (s4). At this time, the VoIP adapter 11 transmits the IP address information of the content server to the VoIP adapter 21 of the receiving side telephone device 3 (s5).
[0039]
The VoIP adapter 21 of the reception side telephone device 3 establishes communication with the transmission side telephone device 2 in response to the connection request from the VoIP adapter 11 (s21), and becomes ready for a call (s6, s23). Further, based on the IP address information of the content server 6 (s22), a connection request is made to the content server 6 (s24).
[0040]
On the other hand, the content server 6 always performs the following processing in order to respond to a distribution request from a telephone device or the like connected to the Internet 9 for the stereophonic sound data collected in real time. That is, the environmental sound is collected by a plurality of microphones installed at arbitrary positions where the caller is located (s31). The collected analog audio data is temporarily stored as digital data in the storage unit of the server via an A / D converter (not shown) (s32). The collected audio data is compressed and converted into one stream of stereophonic sound data by a compression method that can be reproduced by a 5.1 channel surround system such as Dolby Digital (registered trademark) or DTS (registered trademark) (s33). ). Then, the content server 6 writes data in a buffer (not shown) provided for distribution via the Internet 9 to update the data to the latest one at any time (s34).
[0041]
In response to the connection request from the VoIP adapter 21, the content server 6 establishes communication with the receiving telephone device 3 (s 35), and divides the stereophonic data into packets and transmits it to the VoIP adapter 21 via the Internet 9. Streaming distribution is performed (s36).
[0042]
When receiving the stereophonic data (s25), the VoIP adapter 21 of the receiving side telephone device 3 converts this data into an SPDIF signal (digital audio signal) (s26) and outputs it to the audio amplifier 23 (s27). Upon receiving this stereophonic sound data, the audio amplifier 23 expands the sound to be reproducible by the 5.1 channel surround system by the built-in decoder (s41), and outputs each sound signal to the speakers 24-29 to output the stereophonic sound. Is reproduced (s42).
[0043]
Through the above operation, when the caller makes a call with the receiver, the caller can reproduce the ambient sound around the caller in the 5.1 channel surround system of the receiver so that the receiver can You can feel the atmosphere. Thereby, the receiver can listen to sound with a sense of reality at home or the like, for example, the sound of the beach waves that the sender is listening to or the cheering of the stadium.
[0044]
Further, in the above system, the stereophonic sound data is reproduced only by the receiving side telephone device 3, but at the time of a call, for example, the stereoacoustic data of the place desired by the caller such as the environmental sound in the forest, the music Can be distributed to the receiving side telephone device 3 and the calling side telephone device 2 from the content server that distributes the message. In this case, when transmitting the acquired IP address information to the receiving side telephone device 3 in step s5 of the flowchart shown in FIG. 3, the VoIP adapter 11 is connected to the content server 6 based on the IP address information, Receive distribution of stereophonic sound data. By doing in this way, based on the stereophonic sound data distributed from the content server 6, the stereophonic sound can be reproduced not only by the receiving side telephone device 3 but also by the 5.1 channel surround system of the transmitting side telephone device 2. The caller and the receiver can talk while listening to three-dimensional sound full of realism.
[0045]
In addition, a moving picture decoder is provided in the VoIP adapters 11 and 21, and compressed moving picture data such as scenery in the vicinity of the place where the content server is installed is distributed from the content server 6 and decompressed by the VoIP adapters 11 and 21. By making the monitors 20 and 30 output, it is possible to view the same moving image together with the three-dimensional sound while making a call between the sender and the receiver. Thereby, the sender and the receiver can share the same atmosphere during a call.
[0046]
Furthermore, the stereophonic sound data distributed from the content server is not limited to the environmental sound, and various acoustic data such as music and sound effects can be streamed and distributed as acoustic content.
[0047]
Although FIG. 1 shows an example in which the originating side telephone device 2 and the receiving side telephone device 3 are fixed telephones, the embodiment of the present invention is not limited to this. For example, a mobile phone in which at least one of the transmission side and the reception side is movable may be used. FIG. 4 is a block diagram showing an embodiment when the telephone device is a mobile phone. As shown in FIG. 4, when the originating side telephone device 2 and the receiving side telephone device 3 are mobile phones, for example, wireless communication units 71 and 72 such as a wireless LAN adapter are connected or built in, and the Internet 9 and the wireless base 41 are connected. , 42 is preferable.
[0048]
In addition, headphones 61 and 62 having built-in audio amplifiers capable of virtually reproducing the 5.1 channel surround system with headphones are connected to the telephone device 2 on the receiving side and the telephone device 3 on the receiving side so that the voice of the call and the three-dimensional sound can be obtained. So that the user can talk while experiencing the atmosphere around the other party during the movement.
[0049]
【The invention's effect】
According to the present invention, the following effects can be obtained.
[0050]
(1) When calling on the Internet phone, if the caller wants to tell the receiver the atmosphere around him, or if the caller wants to experience the same atmosphere as the receiver during a phone call , The connection information such as the phone number of the sound server is entered together with the phone number. The acoustic server distributes three-dimensional acoustic content such as mountain and sea environmental sounds and music. The receiving side telephone device is notified of connection information of the acoustic server specified on the transmitting side when the telephone makes a call. Based on this information, it connects to the acoustic server to acquire the acoustic content, The acoustic content is three-dimensionally reproduced by the acoustic reproducing means connected to the telephone device, and the voice call is made with the other party by the calling means. Therefore, the receiver can experience almost the same atmosphere as the caller while talking to the caller.
[0051]
(2) Since the acoustic server performs streaming delivery of the three-dimensional acoustic content that can be reproduced by the acoustic reproduction means, the receiver and the sender can reproduce the acoustic content while making a call, thereby providing a realistic environmental sound. And experience music at the same time.
[0052]
(3) It is possible to provide not only the voice of the other party of the call but also the sound content to the user who is making a call between Internet telephone devices.
[0053]
(4) The user of the Internet telephone device can listen to acoustic content such as natural environmental sounds in real time during a call.
[Brief description of the drawings]
FIG. 1 is a block diagram showing a schematic configuration of an Internet telephone system according to an embodiment of the present invention .
FIG. 2 is a block diagram showing a configuration of a VoIP adapter.
FIG. 3 is a flowchart for explaining the operation of the Internet telephone system according to the embodiment of the present invention.
FIG. 4 is a configuration diagram showing an embodiment when the telephone device is a mobile phone.
[Explanation of symbols]
1-Internet telephone system 2-calling telephone apparatus 3-receiving telephone apparatus 4-phone number server 5,6-content server 7, 8-ISP
9-Internet 11, 21-VoIP adapter 12, 22-telephone 13, 23-audio amplifier

Claims

Call means for playing back and collecting voice for making voice calls with the other party,
A sound reproduction means having a plurality of sound output means for reproducing only the acoustic content received from the Internet in a three-dimensional manner without reproducing the call voice ;
On the Internet, acoustic server designation information for designating an acoustic server for delivering a desired acoustic content of a caller among a plurality of acoustic servers for streaming delivery of stereoscopic acoustic content that can be reproduced by the acoustic reproduction means is attached. When the connection request command is received from the calling side telephone device, the calling side telephone device and the calling means are interconnected to enable a voice call and connected to the acoustic server specified by the acoustic server designation information. a control means for Ru sterically regenerated this audio content with receiving the audio content, the audio reproducing means Te,
An internet telephone device comprising:

Including a sound collecting means for collecting the voice of the caller and a call voice reproducing means for reproducing the call voice of the other party, a calling means for making a voice call with the other party,
A sound reproduction means having a plurality of sound output means for reproducing only the acoustic content received from the Internet in a three-dimensional manner without reproducing the call voice ;
On the Internet, acoustic server designation information for designating an acoustic server for delivering a desired acoustic content of a caller among a plurality of acoustic servers for streaming delivery of stereoscopic acoustic content that can be reproduced by the acoustic reproduction means is attached. When the connection request command is received from the calling side telephone device, the calling side telephone device and the calling means are interconnected to enable a voice call and connected to the acoustic server specified by the acoustic server designation information. a control means for Ru sterically regenerated this audio content with receiving the audio content, the audio reproducing means Te,
An internet telephone device comprising:

When the control means transmits a connection request command attached with the acoustic server designation information to the receiving side telephone apparatus, the receiving side telephone apparatus and the calling means are interconnected so as to be able to carry out a voice call, and the acoustic server designation is performed. The internet telephone device according to claim 1 or 2, wherein the internet telephone device is connected to an acoustic server designated by information to receive the acoustic content and reproduces the acoustic content using the acoustic reproduction means.

Acoustic server designation that accepts input of the designation information of the other party and the designation information of the acoustic server that delivers the content desired by the caller, and sends a connection request command to which the acoustic server designation information is attached to the other party The internet telephone apparatus according to any one of claims 1 to 3, further comprising means.

A plurality of Internet telephone devices according to any one of claims 1 to 4 and a plurality of acoustic servers that stream audio contents of different three-dimensional sounds to the Internet telephone devices are connected via the Internet. A featured internet telephone system.

Call means for playing back and collecting voice for making voice calls with the other party,
Accepting the input of the designation information of the other party and the designation information of the acoustic server that delivers the content desired by the caller among the plurality of acoustic servers that deliver the acoustic content on the Internet, this acoustic server designation information An acoustic server specifying means for transmitting a connection request command attached to the other party,
An internet telephone device comprising:
An internet telephone device according to any one of claims 1 to 4 ,
A plurality of acoustic servers for streaming distribution of different three-dimensional acoustic contents to the Internet telephone device;
Internet telephone system characterized by being connected via the Internet.

The Internet telephone system according to claim 5 or 6 , wherein the acoustic server distributes three-dimensional sounds of environmental sounds collected by a plurality of sound collecting means.

Call means for playing and collecting call voice for making a voice call with the other party, and sound playback means for playing back only the audio content received via the Internet in three dimensions without playing the call voice. In the control part of the Internet telephone device provided,
A connection request command attached with acoustic server designation information for designating an acoustic server for delivering a desired content of a caller from a plurality of acoustic servers for streaming delivery of stereoscopic audio content on the Internet is transmitted from the originating telephone device. Steps to receive,
A procedure for interconnecting the calling side telephone device and the calling means to enable voice communication and connecting to the acoustic server designated by the acoustic server designation information to receive acoustic content,
And a procedure for reproducing the acoustic content using the acoustic reproduction means,
A program for an internet telephone device for executing a program.