JP4206876B2 - 遠隔地の様子を伝達する通信装置およびプログラム - Google Patents

Description

本発明は、離れた場所における様子を伝達する通信装置およびプログラムに関する。

家庭内や会社等において、我々は通常、同じ部屋や近くの部屋にいる他の家族やスタッフ等の気配を感じながら生活している。そのような気配は、我々が意識するか否かにかかわらず、日常生活において重要な役割を果たしている。例えば、会社において、上司は隣室で仕事をしている部下の気配によって、その部下が現在どの程度多忙であるかをある程度察することができる。また、お年寄りと同居している家族は、例えば、隣室の気配によって、お年寄りに何らかの異常がないかを知ることができる。

近年、インターネット等の通信技術の進歩と普及に伴い、従業員に在宅勤務を許可する会社が増えてきている。また、互いに離れて暮らす家族も増えてきている。そのような状況において、例えば、先の例では、上司は在宅勤務をしている部下がどの程度多忙であるかを察することが難しい。また、後の例では、お年寄りと離れて暮らしている家族は、お年寄りに何らかの異常があった場合であっても、すぐさまその異常を知ることができない。

上記の状況に対し、在宅勤務を行っている従業員の自宅や家族と離れて暮らすお年寄りの自宅にマイクを設置して、それらの自宅の様子を示す音を上司や家族のいる場所に送信する方法が考えられる。その場合、上司や家族は音により、従業員やお年寄りの様子をリアルタイムに知ることができる。しかしながら、上記の音によるモニタにおいては、モニタされる側の者のプライバシーが侵害され、不都合である。

上記の問題点を克服するために、速度センサ、タッチセンサ、赤外線ＣＣＤセンサ等により人の動き等を検出し、その検出結果を送信する第１の通信端末と、この第１の通信端末からセンサによる検出結果を受信し、受信した検出結果に応じて予め設定された音を発する等の動作を行う第２の通信端末とを組み合わせた通信システムが提案されている（例えば、特許文献１参照。）。
特開２００２−３１４７０７号公報

上述した従来技術による通信システムのうち、速度センサもしくは赤外線ＣＣＤセンサを用いた構成のものは、それらのセンサが一般的に高価である上に、モニタが可能となる範囲が狭いため、例えば自宅全体をモニタしたい場合には、複数のセンサを自宅内の様々な場所に配置する必要があった。また、上述した従来技術による通信システムのうち、タッチセンサを用いた構成のものは、モニタされる側の者がタッチセンサに触れることがない限り、何らかの情報がモニタする側の者に伝達されることがなく、遠隔地の様子を常時モニタする、という目的には利用できなかった。

本発明は、上記の状況に鑑みてなされたものであり、プライバシーの侵害を行うことなく、安価かつ容易に、リアルタイムに遠隔地における様子を伝達することを可能とする通信装置およびプログラムを提供することを目的とする。

請求項１に係る発明は、第１の場所に配置され、前記第１の場所における音を集音して集音した音を示す音情報を生成する音情報生成手段と、前記音情報生成手段が生成した音情報を送信する第１送信手段とを備える第１の通信装置と、前記第１の場所とは異なる第２の場所に配置され、通信回線を介して前記第１の通信装置から音情報を受信する第１受信手段と、音情報を出力する出力手段とを少なくとも備える第２の通信装置と、前記第１の通信装置、前記第２の通信装置、前記通信回線内に設けられた情報処理装置、のいずれかに設けられ、音情報に対し、当該音情報が有する人間の会話の内容が伝達されることを妨げる加工を施すことにより曖昧音情報を生成する曖昧音生成手段とを備えることを特徴とする通信システムを提供する。

請求項２に係る発明は、音情報を入力する入力手段と、前記入力手段により入力された音情報に対し、当該音情報が有する人間の会話の内容が伝達されることを妨げる加工を施すことにより曖昧音情報を生成する生成手段と、前記生成手段により生成された曖昧音情報を出力する出力手段とを備え、さらに、他の通信装置から音情報を受信し当該音情報を前記入力手段に対し出力する受信手段と、前記出力手段により出力された曖昧音情報を他の通信装置に送信する送信手段との少なくとも一方を備えることを特徴とする通信装置を提供する。

請求項３に係る発明は、請求項２に記載の通信装置において、前記生成手段は、前記入力手段が入力した音情報に対し、当該音情報が有する人間の声の成分を取り除く加工を施すことによって前記曖昧音情報を生成することを特徴とする。

請求項４に係る発明は、請求項２に記載の通信装置において、前記生成手段は、前記入力手段が入力した音情報に対し、当該音情報のサンプリング周波数を下げる加工を施すことによって前記曖昧音情報を生成することを特徴とする。

請求項５に係る発明は、請求項２に記載の通信装置において、前記生成手段は、前記入力手段により入力された音情報に対し、当該音情報の量子化ビット数を下げる加工を施すことによって前記曖昧音情報を生成することを特徴とする。

請求項６に係る発明は、請求項２乃至５のいずれかに記載の通信装置において、音情報が有するいずれの部分の情報の伝達を妨げるかを示す指示情報を入力する指示情報入力手段を備え、前記生成手段は、前記指示情報入力手段により入力された指示情報に基づき、曖昧音情報を生成することを特徴とする。

請求項７に係る発明は、請求項２乃至６のいずれかに記載の通信装置において、基準となる音を示す基準音情報を記憶する記憶手段と、前記生成手段が曖昧音情報の生成に用いる音情報が示す音の物理的特徴と、前記記憶手段により記憶されている基準音情報が示す音の物理的特徴との類似度を示す指標を算出する算出手段と、前記算出手段により算出された指標を用いて、前記音情報が示す音と前記基準音情報が示す音とが類似しているか否かを判定する判定手段とを備え、前記生成手段は、前記判定手段による判定の結果に基づき、曖昧音情報の生成の開始、曖昧音情報の生成の終了および音情報の加工の方法の変更の少なくとも１つを行うことを特徴とする。

請求項８に係る発明は、請求項２乃至７のいずれかに記載の通信装置において、自装置の周囲の状況の変化を検知する検知手段を備え、前記送信手段は、前記検知手段による検知結果に基づいて、前記曖昧音情報の送信を開始または終了することを特徴とする。

請求項９に係る発明は、音情報を入力する入力処理と、前記入力処理において入力された音情報に対し、当該音情報が有する人間の会話の内容が伝達されることを妨げる加工を施すことにより曖昧音情報を生成する生成処理と、前記生成処理により生成された曖昧音情報を出力する出力処理とをコンピュータに実行させ、さらに、前記入力処理において用いられる音情報を他の通信装置から受信する受信処理と、前記出力処理において出力された曖昧音情報を他の通信装置に送信する送信処理との少なくとも一方を前記コンピュータに実行させることを特徴とするプログラムを提供する。

本発明にかかる通信装置およびプログラムによれば、ユーザは、離れた場所における様子を、その場所にいる者のプライバシーを侵害することなく、リアルタイムに知ることができるシステムを安価かつ容易に構築することができる。

［１．第１実施形態］
［１．１．通信システムの構成］
図１は、本発明の第１実施形態における通信システム１の構成を示した図である。通信システム１は、従業員Ａの自宅Ｘに配置されたマイク１１、端末装置１２および電話機１３ｘと、従業員Ａの上司Ｂが勤務している会社Ｙに配置された電話機１３ｙ、アンプ１５およびスピーカ１６とを主要な構成要素として有している。なお、以下の説明においては、通信システム１の構成要素間は全て有線接続されているものとするが、通信システム１の構成要素間の一部もしくは全てが無線接続されていてもよい。

自宅Ｘにおける電話機１３ｘおよび会社Ｙにおける電話機１３ｙは、公衆電話回線網１４を介して音声通信を行う一般的な電話機能を備えた電話機である。また、電話機１３ｘおよび１３ｙは、送受話器以外の音声入出力手段として、音声入力部と音声出力部とを有している。ここで、音声出力部は、公衆電話回線網１４を介して受信される通信相手からの音声信号を外部機器へ出力する手段であり、音声入力部は外部機器から音声信号を受け取り、公衆電話回線網１４を介して通信相手に送る手段である。なお、以下の説明において、「音声」は人の声に限られず、広く音一般を意味するものとする。

会社Ｙにおいて、アンプ１５は、一般的なオーディオ用アンプであり、増幅部１５１と操作部１５２とを有する。ここで、増幅部１５１は、電話機１３ｙの音声出力部から出力される音声信号のレベルを調整し、スピーカ１６に出力する。また、操作部１５２は、ユーザの操作を受け付けるキーパッド等を有している。ユーザは操作部１５２を用いた操作により、増幅部１５１の電源のＯＮ／ＯＦＦおよび増幅部１５１の出力レベルの調整を指示することができる。スピーカ１６は、一般的なスピーカであり、増幅部１５１から出力される音声信号を音として出力する。

自宅Ｘにおいて、マイク１１は、音声をアナログ音声信号（以下、「音声信号」と呼ぶ）に変換して出力する一般的なマイクロフォンである。端末装置１２は、通信システム１において本発明の特徴を実現するための中心的な構成要素である。端末装置１２は、マイク１１から入力される音声信号を加工し、入力された音声信号に含まれる情報の一部を取り除いた後、加工後の音声信号を電話機１３ｘの音声入力部に出力する装置である。この端末装置１２は、音声加工部１２１と操作部１２２を備えている。

音声加工部１２１は、例えば以下のようなフィルタ等を１以上備えている。
（ａ）カットオフ周波数４００Ｈｚのローパスフィルタ１２１１。
（ｂ）２倍音を生成するピッチシフタ１２１２。
（ｃ）カットオフ周波数３．５ｋＨｚのハイパスフィルタ１２１３。
（ｄ）１／２倍音を生成するピッチシフタ１２１４。
（ｅ）ノイズ低減フィルタ１２１５。
（ｆ）増幅部１２１６。
図１には、これらの全ての要素を用いた音声加工部１２１の構成例が示されている。しかし、これはあくまでも一例であり、これらの要素の一部を欠いた構成にすることを妨げるものではない。

なお、上記に例示したフィルタ等は、アナログ回路を用いたものであってもよいし、デジタル回路を用いたものであってもよい。なお、デジタル回路を用いたフィルタ等により音声加工部１２１を構成する場合、マイク１１から出力される音声信号をデジタル信号に変換するＡ／Ｄ（Ａｎａｌｏｇ ｔｏ Ｄｉｇｉｔａｌ）コンバータと、音声加工部１２１から得られるデジタル信号をアナログ音声信号に変換して電話機１３ｘの音声入力部に出力するＤ／Ａ（Ｄｉｇｉｔａｌ ｔｏ Ａｎａｌｏｇ）コンバータを端末装置１２に付加すればよい。

図１に示す音声加工部１２１において、ローパスフィルタ１２１１およびハイパスフィルタ１２１３は、マイク１１から得られる音声信号から人間の声の周波数帯（４００Ｈｚ〜３．５ｋＨｚ）の信号を除いた信号を得るための手段を構成している。このように、マイク１１により集音された音声から何らかの情報が除去もしくは隠蔽された音声を、以下、「曖昧音声」と呼ぶ。また、曖昧音声を示す音声信号を「曖昧音声信号」と呼ぶ。

ピッチシフタ１２１２は、マイク１１から出力された音声信号のうちローパスフィルタ１２１１を通過した４００Ｈｚ以下の成分の周波数を２倍に変換して出力する。また、ピッチシフタ１２１４は、マイク１１から出力された音声信号のうちハイパスフィルタ１２１３を通過した３．５ｋＨｚ以上の成分の周波数を１／２倍に変換して出力する。

ノイズ低減フィルタ１２１５には、ピッチシフタ１２１２および１２１３の各出力信号が入力される。このノイズ低減フィルタ１２１５は、マイク１１による集音時に発生するノイズ成分やローパスフィルタ１２１１、ハイパスフィルタ１２１３等のフィルタ処理により目立つようになるノイズ成分を入力信号から除去する。ピッチシフタ１２１２および１２１４の各出力信号は、このノイズ低減フィルタ１２１５を通過させることにより、聞き手にとって不快感の少ない音を示す音声信号となる。

増幅部１２１６は、ノイズ低減フィルタ１２１５の出力信号を、公衆電話回線網１４のダイナミックレンジ等に応じた適切なレベルの音声信号に増幅して出力する。

以上説明した構成はあくまでも例示であり、マイク１１により集音された音声を示す音声信号に何らかの加工を加えることにより、集音された音声に含まれる情報の一部が伝達されることを妨げるものであれば、他の如何なるフィルタ等およびそれらの組合せであっても、音声加工部１２１の構成部として利用可能である。例えば、音声加工部１２１は、入力される音声信号を１００ｍｓ程度保持した後に出力するディレイを備え、ディレイの出力と入力される音声信号の差分を取ることにより、音声信号により示される音声を不明瞭にするように構成されていてもよい。また、例えば、音声加工部１２１は正弦波等の音声信号を生成するトーンジェネレータを備え、トーンジェネレータが生成する音声信号を、入力された音声信号に応じて読み出すことにより変調した後、出力するようにしてもよい。

操作部１２２は、キーパッドを備え、ユーザの操作を受け付ける。ユーザは操作部１２２を用いた操作により、音声加工部１２１に含まれるフィルタ等のパラメータ、増幅部１２１６の出力レベル等の変更や、音声加工部１２１の電源のＯＮ／ＯＦＦ等を指示することができる。

［１．２．通信システムの動作］
通信システム１を利用するにあたり、従業員Ａまたは上司Ｂは、電話機１３ｘまたは電話機１３ｙを用いて、相手方の電話番号をダイヤルし、電話機１３ｘと電話機１３ｙとの間に音声通信接続を確立する。続いて、従業員Ａは端末装置１２の操作部１２２を操作し、音声加工部１２１の電源をＯＮする。その結果、マイク１１により集音された自宅Ｘにおける物音や声等（以下、「生活音」と呼ぶ）が音声加工部１２１により加工され曖昧音声信号に変換された後、電話機１３ｘに出力されるようになる。従業員Ａは、電話機１３ｙに出力される曖昧音声信号が示す曖昧音声を電話機１３ｘの送受話器のスピーカから聞きながら、端末装置１２の操作部１２２を操作して曖昧音声の音量を調整する。電話機１３ｘは、端末装置１２から入力される曖昧音声信号を公衆電話回線網１４を介して電話機１３ｙに送信する。

なお、従業員Ａが曖昧音声の音量を確認する方法は、電話機１３ｘの送受話器のスピーカから発せられる曖昧音声を聞く方法に限られない。例えば、端末装置１２に表示部を設け、表示部に端末装置１２から出力される曖昧音声信号のレベルを示すインジケータ等の表示を行わせてもよい。

会社Ｙでは、以上のようにして電話機１３ｘから送信された曖昧音声信号が電話機１３ｙによって受信され、電話機１３ｙの送受話器のスピーカから出力される。このとき、上司Ｂは、曖昧音声が送受話器のスピーカから出力されるのを確認すると、アンプ１５の操作部１５２を操作し、アンプ１５の増幅部１５１の電源をＯＮする。その結果、電話機１３ｙが端末装置１２から受け取った曖昧音声信号はアンプ１５に入力され、アンプ１５により増幅された後、スピーカ１６に出力される。従って、上司Ｂは曖昧音声をスピーカ１６からも聞くことができるようになる。上司Ｂはスピーカ１６から聞こえてくる曖昧音声をモニタし、アンプ１５の操作部１５２を操作して、スピーカ１６から発せられる曖昧音声の音量を調整する。

従業員Ａおよび上司Ｂは以上の操作を終了すると、それぞれ電話機１３ｘおよび電話機１３ｙの送受話器を置く。この場合、電話機１３ｘおよび電話機１３ｙには、それぞれ電源ＯＮ状態の端末装置１２およびアンプ１５が接続されているため、電話機１３ｘと電話機１３ｙとの間の音声通信接続は切断されない。従って、その後、従業員Ａもしくは上司Ｂが操作部１２２もしくは操作部１５２を操作して、端末装置１２もしくはアンプ１５の電源をＯＦＦするまでの間、自宅Ｘに配置されたマイク１１により集音される音声により生成される曖昧音声は、常時、会社Ｙに配置されたスピーカ１６から発音される。

以上のように、通信システム１によれば、上司Ｂは、離れた場所において従業員Ａの動作に伴い発せられる物音等をリアルタイムに耳にすることができる。その結果、上司Ｂは従業員Ａが今、何かの作業中であるか、睡眠中であるか等の様子を、大まかに知ることができる。しかしながら、端末装置１２が備える音声加工部１２１による音声信号の加工の結果、自宅Ｘにおける生活音に含まれる従業員Ａの声は、会社Ｙにおいては発音されないか、もしくは一部発音されたとしてもその声が示す会話の内容を伝達する程明瞭ではない。従って、従業員Ａのプライバシーが侵害されることはなく、また従業員Ａが誰かと会話をした場合であっても、上司Ｂがその従業員Ａと誰かとの間の会話によって仕事の邪魔をされる等の不都合がない。

以下、上記のように、互いに離れた複数地点間において適度に不明瞭にされた音声を伝達する通信のことを「曖昧通信」と呼ぶ。曖昧通信を実現するために、ユーザが準備すべき装置のうち、端末装置１２以外の装置、すなわちマイク１１、電話機１３ｘ、電話機１３ｙ、アンプ１５およびスピーカ１６はいずれも通常の会社や家庭に既にあるか、容易に入手可能なものである。また、端末装置１２は簡単な構造のフィルタ等を組み合わせただけのものであるため、低費用で製造可能である。その結果、通信システム１のユーザは、低費用で曖昧通信を行うことができる。

なお、通信システム１は曖昧通信を行うために、音声通話に関する電話回線の接続を長時間必要とする。従って、通信システム１は、音声通話に関する電話回線の接続料金が月額固定料金等の定額制である公衆電話回線網を利用可能な場合において特に実用的である。

［２．第２実施形態］
第２実施形態は、上述した第１実施形態と多くの点で類似しているため、以下、第２実施形態が第１実施形態と異なる点のみを説明する。図２は、第２実施形態における通信システム２の構成を示した図である。通信システム２においては、端末装置１２は会社Ｙにおいて電話機１３ｙとスピーカ１６との間に接続され、アンプ１５は、自宅Ｘにおいてマイク１１と電話機１３ｘとの間に接続されている。

通信システム２においては、電話機１３ｘから電話機１３ｙに対し、自宅Ｘにおける生活音をそのまま示す音声信号が出力される。電話機１３ｙにより受け取られた音声信号は、会社Ｙにおいて端末装置１２により加工され、曖昧音声信号に変換される。その結果、スピーカ１６から発せられる音声は、第１実施形態の場合と同様に曖昧音声となる。

第２実施形態によれば、曖昧通信の受信側にいる者は、端末装置１２により加工される前の音声信号が示す自宅Ｘの生活音を、電話機１３ｙの送受話器のスピーカからいつでも聞くことができる。従って、曖昧通信の受信側にいる者が、曖昧通信の送信側における何らかの異常を察した場合、すぐさま曖昧通信の送信側における状況を通常の明瞭な音声により確認することができる。第２実施形態は、例えば、一人暮らしのユーザが、会社等から不在中の自宅の様子をモニタしたい場合や、一人暮らしのお年寄りと離れて暮らす家族が、お年寄りの暮らす家の様子をモニタしたい場合などに特に有効である。

［３．第３実施形態］
第３実施形態は、上述した第１実施形態と多くの点で類似しているため、以下、第３実施形態が第１実施形態と異なる点のみを説明する。図３は、第３実施形態における通信システム３の構成を示した図である。通信システム３においては、自宅Ｘにおけるマイク１１と電話機１３ｘの間と、会社Ｙにおける電話機１３ｙとスピーカ１６の間の両方に、端末装置１２が接続されている。以下、自宅Ｘおよび会社Ｙに配置されている端末装置１２を、それぞれ端末装置１２ｘおよび端末装置１２ｙと呼ぶ。

端末装置１２ｘの音声加工部１２１は、例えば以下のようなフィルタ等が直列に接続された組合せを備えている。
（ａ）カットオフ周波数４００Ｈｚのローパスフィルタ１２１１。
（ｂ）２倍音を生成するピッチシフタ１２１２。
（ｃ）増幅部１２１６ｘ。

また、端末装置１２ｙの音声加工部１２１は、例えば以下のようなフィルタ等が直列に接続された組合せを備えている。
（ｄ）１／２倍音を生成するピッチシフタ１２１４。
（ｅ）ノイズ低減フィルタ１２１５。
（ｆ）増幅部１２１６ｙ。

なお、上記のフィルタ等の構成は例示であり、端末装置１２ｘおよび端末装置１２ｙの音声加工部１２１は、それぞれ様々なフィルタ等が直列および並列に適宜接続された組合せを備えていてよい。

第３実施形態において、自宅Ｘにおける端末装置１２ｘは、生活音を示す音声信号のうち、４００Ｈｚ以下の周波数帯に含まれるものを取り出し、その取り出した音声信号を１オクターブ、高音側にシフトさせ、電話機１３ｘから電話機１３ｙに送信させる。従って、例えば自宅Ｘにおいて発生した４００Ｈｚの音声は、８００Ｈｚに変換された音声信号として電話機１３ｙに送信される。このように高音側にシフトされた音声信号は、会社Ｙにおいて、端末装置１２ｙによって、１オクターブ、低音側にシフトされる。その結果、スピーカ１６から発音される音声は、自宅Ｘにおける生活音のうち、４００Ｈｚ以下の周波数帯に含まれる音声の一部を再現したものとなる。なお、ノイズ低減フィルタ１２１５が端末装置１２ｙに設けられているため、スピーカ１６から発音される音声はノイズの少ない音声となる。

第３実施形態によれば、例えば、公衆電話回線網１４を通過可能な音声信号の周波数帯が限られている場合において、曖昧通信の受信側において、送信側における音高と同じ音高で、公衆電話回線網１４を通過不可能な周波数帯の音声信号を再現したり、ノイズ低減の効果を向上させることができる。また、端末装置１２ｘと端末装置１２ｙのそれぞれにおいて、カットオフ周波数やピッチシフトの幅等のパラメータを操作部１２２により変更可能な構成とすることにより、曖昧通信の送信側と受信側のそれぞれにおいて、公衆電話回線網１４に出力する曖昧音声信号およびスピーカ１６に出力する曖昧音声信号を、ユーザの好みに応じて調整することができる。

［４．第４実施形態］
第４実施形態は、上述した第１実施形態と多くの点で類似しているため、以下、第４実施形態が第１実施形態と異なる点のみを説明する。図４は、第４実施形態における通信システム４の構成を示した図である。通信システム４においては、自宅Ｘに配置された端末装置１２にセンサ１７が接続されている。また、端末装置１２に備えられた音声加工部１２１は、マイク１１から入力される音声信号を、フィルタ等をバイパスして増幅部１２１６に出力するためのスイッチを備えている。

センサ１７は、自宅Ｘに生活者が居るか否かを検出するためのセンサであり、例えば以下のようなセンサである。
（ａ）フォトダイオード等を備え、自宅Ｘの室内の光の強さが所定値以上である間、信号を出力するセンサ。
（ｂ）電流計等を備え、自宅Ｘにおいて消費されている電流が所定値以上である間、信号を出力するセンサ。
（ｃ）ドアの鍵部に設置され、鍵が解除されている間、信号を出力するセンサ。

なお、上記のセンサは例示であり、例えば自宅Ｘの室内の人や物の動きを検出している間、信号を出力するセンサ等、他の様々なセンサが利用可能である。また、センサ１７は、アナログ回路、デジタル回路のいずれを用いたものであってもよい。

音声加工部１２１はセンサ１７から信号を受け取っている間、マイク１１から入力される音声信号を曖昧音声信号に加工して電話機１３ｘに出力する。一方、音声加工部１２１はセンサ１７から信号を受け取っていない間、マイク１１から入力される音声信号を、フィルタ等をバイパスし増幅部１２１６のみを介して電話機１３ｘに出力する。

第４実施形態によれば、例えば自宅Ｘの室内の照明が点灯されていない場合など、曖昧通信の送信側にユーザがいないと推察される状況においては、電話機１３ｘと電話機１３ｙとの間で通常の音声通信が行われる。その結果、ユーザは、通信の送信側に誰かがいる場合には曖昧通信により、また通信の送信側に誰もいない場合には通常の音声により、通信の送信側の様子をモニタすることができる。

［５．第５実施形態］
第５実施形態は、上述した第１実施形態と多くの点で共通しているため、以下、第５実施形態が第１実施形態と異なる点のみを説明する。図５は、第５実施形態における通信システム５の構成を示した図である。通信システム５においては、自宅Ｘに配置された端末装置１２に計時部１２３が備えられている。また、自宅Ｘにはセンサ１７が配置され、センサ１７は電話機１３ｘに接続されている。センサ１７は端末装置１２において、計時部１２３を介して音声加工部１２１にも接続されている。さらに、電話機１３ｘはオートダイヤル機能を備えている。

センサ１７は、上記の第４実施形態におけるものと同様のセンサである。電話機１３ｘは、センサ１７からの信号がＯＦＦの状態からＯＮの状態に変化すると、会社Ｙの電話番号を自動的にダイヤルする。その結果、電話機１３ｘと電話機１３ｙとの間の音声通信接続が確立される。その一方で、端末装置１２の音声加工部１２１は、計時部１２３を介してセンサ１７から受信する信号がＯＦＦの状態からＯＮの状態に変化すると、音声加工部１２１の電源をＯＮする。その結果、自宅Ｘと会社Ｙとの間で曖昧通信が開始される。

計時部１２３は、センサ１７から受け取る信号がＯＮからＯＦＦに変化すると、計時の値を０に初期化して計時を再開始する。計時部１２３は、計時の値が所定の値に達すると、音声加工部１２１に通信終了の信号を出力する。音声加工部１２１は、計時部１２３から通信終了の信号を受け取ると、音声加工部１２１の電源をＯＦＦする。その結果、電話機１３ｘと電話機１３ｙとの間で確立されていた音声通信接続が切断される。

第５実施形態によれば、例えば自宅Ｘの室内の照明が消されてから所定の時間が経過するなど、従業員Ａが自宅Ｘにいないか就寝中であると推察される状況において、自動的に曖昧通信が切断される。その結果、公衆電話回線網１４を用いた通信料金が音声通信接続の接続時間に応じて増加するような場合、曖昧通信を行う必要がない時間に関する通信料金を節減することができる。

［６．第６実施形態］
第６実施形態は、上述した第１実施形態と多くの点で共通しているため、以下、第６実施形態が第１実施形態と異なる点のみを説明する。図６は、第６実施形態における通信システム６の構成を示した図である。通信システム６においては、自宅Ｘと会社Ｙの両方に、曖昧通信の送信側の構成要素であるマイク１１および端末装置１２と、曖昧通信の受信側の構成要素であるアンプ１５およびスピーカ１６が配置されている。以下、これらの構成要素の名称の後ろに「ｘ」または「ｙ」を付けて、自宅Ｘと会社Ｙに配置された同種の構成要素を区別する。

第６実施形態においては、自宅Ｘにおける生活音が端末装置１２ｘにおいて曖昧音声信号に変換され、会社Ｙにおいてスピーカ１６ｙから曖昧音声が発音される。また、会社Ｙにおける生活音が端末装置１２ｙにおいて曖昧音声信号に変換され、自宅Ｘにおいてスピーカ１６ｘから曖昧音声が発音される。その結果、自宅Ｘと会社Ｙとの間で、双方向の曖昧通信が実現される。

［７．第７実施形態］
第７実施形態は、上述した第６実施形態と多くの点で共通しているため、以下、第７実施形態が第６実施形態と異なる点のみを説明する。図７は、第７実施形態における通信システム７の構成を示した図である。通信システム７においては、自宅Ｘと会社Ｙの間に加え、自宅Ｘと自宅Ｚの間および会社Ｙと自宅Ｚの間において曖昧通信が行われる。例えば、自宅Ｚは従業員Ａと同様に在宅勤務をしている従業員Ｃの自宅である。

自宅Ｘ、会社Ｙおよび自宅Ｚのそれぞれには、電話機１３が２台ずつ配置されている。また、自宅Ｘ、会社Ｙおよび自宅Ｚのそれぞれには、ミキサ１８が配置されている。以下、これらの構成要素の名称の後ろに「ｘ」、「ｙ」もしくは「ｚ」を付けて、自宅Ｘ、会社Ｙおよび自宅Ｚに配置された同種の構成要素を区別する。また、自宅Ｘ、会社Ｙおよび自宅Ｚのそれぞれに配置された２台の電話機１３を区別する目的で、「ｘ」、「ｙ」もしくは「ｚ」の後ろにさらに「１」もしくは「２」を付ける。

電話機１３のそれぞれの音声入力部は端末装置１２に接続されている。また、電話機１３のそれぞれの音声出力部はミキサ１８に接続されている。ミキサ１８は、複数の音声入力部と１つの音声出力部を備え、音声入力部を介して入力される複数の音声信号を加算し、加算により得られる音声信号を音声出力部から出力する装置である。ミキサ１８の音声出力部には、アンプ１５が接続されている。

電話機１３のそれぞれは、任意に他の場所に配置された電話機１３との間で音声通信接続を確立することができる。以下、例として、電話機１３ｘ１と電話機１３ｚ２との間、電話機１３ｘ２と電話機１３ｙ１との間、電話機１３ｙ２と電話機１３ｚ１との間にそれぞれ音声通信接続が確立されるものとする。その場合、例えば自宅Ｘにおいては、電話機１３ｘ１の音声出力部からは自宅Ｚから受け取られる曖昧音声信号が出力され、電話機１３ｘ２の音声出力部からは会社Ｙから受け取られる曖昧音声信号が出力される。

このように２台の電話機１３ｘから出力される曖昧音声信号は、ミキサ１８ｘにより加算され、アンプ１５ｘに出力される。その結果、スピーカ１６ｘからは、自宅Ｚと会社Ｙの両方の様子を伝達する曖昧音声が発音される。同様に、会社Ｙにおいては自宅Ｘと自宅Ｚの両方の様子を伝達する曖昧音声が発音され、自宅Ｚにおいては自宅Ｘと会社Ｙの両方の様子を伝達する曖昧音声が発音される。

なお、第７実施形態において曖昧通信が行われる場所は３箇所に限られず、４箇所以上であってもよい。その場合、どの場所の組合せにおいて曖昧通信を行うかは任意に選択可能である。また、曖昧通信のそれぞれは双方向であっても単方向であってもよい。第７実施形態によれば、ユーザは、同時に複数の遠隔地の様子を曖昧音声によりモニタすることができる。

［８．第８実施形態］
［８．１．通信システムの構成］
上述した第１実施形態〜第７実施形態においては、曖昧通信における送信側から受信側に伝達される音声情報は、主としてアナログ音声信号の形式を取っている。それに対し、以下に説明する第８実施形態においては、曖昧通信の送信側から受信側に伝達される音声情報は、主としてデジタル音声データの形式を取る。

図８は、本発明の第２実施形態における通信システム８の構成を示した図である。通信システム８においては、まず、従業員Ａの自宅である自宅Ｘと会社Ｙのそれぞれに、端末装置２１、ＤＳＬ（Ｄｉｇｉｔａｌ Ｓｕｂｓｃｒｉｂｅｒ Ｌｉｎｅ）モデム２２およびスプリッタ２３の組が１組ずつ配置され、記載の順序で接続されている。以下、自宅Ｘと会社Ｙに配置されている同種の構成要素を区別する必要がある場合には、構成要素名の後にそれぞれ「ｘ」もしくは「ｙ」を付す。また、スプリッタ２３には、ＤＳＬモデム２２に加え、電話機１３が接続されている。

端末装置２１はマイク、Ａ／Ｄコンバータ、Ｄ／Ａコンバータ、アンプ、スピーカ等を有し、マイクを介して得られる音声信号をＡ／Ｄコンバータを介して音声データに変換した後、その音声データに対して加工処理を行い、曖昧音声を示す音声データ（以下、「曖昧音声データ」と呼ぶ）を生成する装置である。また、端末装置２１は、データ通信ネットワークを介して他の通信機器との間で、パケットデータの送受信を行うことが可能である。

端末装置２１は、汎用コンピュータに特定のプログラムに従った処理を行わせることによっても実現可能である。以下の説明においては、端末装置２１は、ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）、ＤＳＰ（Ｄｉｇｉｔａｌ Ｓｉｇｎａｌ Ｐｒｏｃｅｓｓｏｒ）、ＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）、ＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）、ＨＤ（Ｈａｒｄ Ｄｉｓｋ）、表示部、操作部、ＮＷ（Ｎｅｔｗｏｒｋ）入出力部、マイク、Ａ／Ｄコンバータ、Ｄ／Ａコンバータ、アンプ、およびスピーカを有する汎用コンピュータに、通信システム８の端末装置用のプログラムを実行させることにより実現するものとする。

なお、端末装置２１を実現するための汎用コンピュータは、マイク、アンプ、スピーカ等を備えない代わりに、音声信号入出力インタフェースを介してマイク、アンプ等と接続されていてもよい。また、端末装置２１を実現するための汎用コンピュータは、Ａ／Ｄコンバータ、Ｄ／Ａコンバータ等を備えない代わりに、音声データ入出力インタフェースを介して、Ａ／Ｄコンバータを内蔵したデジタルマイクや、Ｄ／Ａコンバータを内蔵したデジタルアンプ等と接続されていてもよい。

ＤＳＬモデム２２は、スプリッタ２３からアナログ信号を受け取り、受け取ったアナログ信号をデジタルデータに変換する装置である。スプリッタ２３は、公衆電話回線網１４を介してインターネット２７に接続されている。スプリッタ２３は、公衆電話回線網１４からアナログ信号を受け取り、受け取ったアナログ信号を低周波数帯の信号と高周波数帯の信号とに分離する。ここで、低周波数帯に含まれるアナログ信号は、音声を示している。また、高周波数帯に含まれるアナログ信号は、データを示している。スプリッタ２３は音声を示すアナログ信号を電話機１３に、データを示すアナログ信号をＤＳＬモデム２２に、それぞれ出力する。また、スプリッタ２３は、電話機１３から音声を示す低周波数帯のアナログ信号を受け取るとともに、ＤＳＬモデム２２からデータを示す高周波数帯のアナログ信号を受け取り、両者を加算して、公衆電話回線網１４に出力する。

インターネット２７は、インターネットプロトコルにより相互に接続された通信網群である。インターネット２７には、スプリッタ２３ｘと通信接続が可能な一般ゲートウェイサーバ２５ｘおよびＶｏＩＰ（Ｖｏｉｃｅ ｏｖｅｒ Ｉｎｔｅｒｎｅｔ Ｐｒｏｔｏｃｏｌ）ゲートウェイサーバ２６ｘと、スプリッタ２３ｙと通信接続が可能な一般ゲートウェイサーバ２５ｙおよびＶｏＩＰゲートウェイサーバ２６ｙが含まれている。

一般ゲートウェイサーバ２５およびＶｏＩＰゲートウェイサーバ２６は、端末装置２１がインターネット２７を介して他の通信機器とデータの送受信を行う際の通信プロトコルの変換およびデータの中継を行う装置である。一般ゲートウェイサーバ２５は、本実施形態においては、端末装置２１ｘと端末装置２１ｙとの間で音量の変更指示等の各種制御データが送受信される際に、それらの制御データを中継するゲートウェイサーバである。ＶｏＩＰゲートウェイサーバ２６は、端末装置２１ｘと端末装置２１ｙとの間で音声データを含むパケットデータが送受信される際に、それらの音声データを中継するゲートウェイサーバである。以下の説明において、ＶｏＩＰゲートウェイサーバ２６が中継するパケットデータに含まれる音声データは、例として、サンプリング周波数８ｋＨｚ、量子化ビット数８の非圧縮ＰＣＭ（Ｐｕｌｓｅ Ｃｏｄｅ Ｍｏｄｕｌａｔｉｏｎ）データであるものとする。

なお、以下の説明においては、通信システム８は、上記のように、インターネットを介しＤＳＬ技術を用いてデジタルデータ通信をパケットデータとして送受信することにより、第２実施形態を実現するものとするが、通信システム８は他の形態のデジタルデータ通信を行う構成であってもよい。例えば、通信システム８は、端末装置２１ｘと端末装置２１ｙが、専用線により互いに通信接続されている構成であってもよい。さらに、以下の説明においては、通信システム８の構成要素間は全て有線接続されているものとするが、通信システム８の構成要素間の一部もしくは全てが無線接続されていてもよい。

［８．２．通信システムの動作］
従業員Ａおよび上司Ｂは、通信システム８を利用するにあたり、端末装置２１ｘもしくは端末装置２１ｙを操作して、ＶｏＩＰゲートウェイサーバ２６ｘとＶｏＩＰゲートウェイサーバ２６ｙを介した音声通信接続を確立する。端末装置２１ｘと端末装置２１ｙの間にパケットデータの送受信による音声通信接続が確立される動作は、通常のＶｏＩＰ技術によるものであるので、その説明を省略する。

続いて、従業員Ａは端末装置２１ｘの操作部を操作して、端末装置２１ｘからパケットデータ化されて送信される音声データ（以下、「送信音声データ」と呼ぶ）の加工処理の開始を端末装置２１ｘに指示する。端末装置２１ｘは、従業員Ａによる加工処理の開始の指示に従い、マイクおよびＡ／Ｄコンバータを介して得られる音声データに対し、例えば図１に示した音声加工部１２１が備えるフィルタ等の処理と同様の処理を施すことにより、曖昧音声データを生成する。ただし、端末装置２１ｘは、アナログ回路によるフィルタ等を用いる代わりに、ＤＳＰに所定のデータ処理を行わせることにより、ＩＩＲ（Ｉｎｆｉｎｉｔｅ Ｉｍｐｕｌｓｅ Ｒｅｓｐｏｎｓｅ）型フィルタやＦＩＲ（Ｆｉｎｉｔｅ Ｉｍｐｕｌｓｅ Ｒｅｓｐｏｎｓｅ）型フィルタを実現したり、ＰＣＭデータの値を増減することにより増幅部を実現したりする。

上記のような端末装置２１ｘの処理の結果、端末装置２１ｘから端末装置２１ｙに対し、曖昧音声データが送信され、端末装置２１ｙのスピーカから曖昧音声が発音される。その結果、第１実施形態と同様に、自宅Ｘを送信側、会社Ｙを受信側とする曖昧通信が実現される。第８実施形態によっても、一般の家庭や会社等が通常有している汎用コンピュータ等を用いて、遠隔地における様子を、遠隔地にいる者のプライバシーを侵害することなくモニタすることが可能となる。

ところで、第８実施形態においては、上司Ｂが会社Ｙにおいて端末装置２１ｙを操作することにより、自宅Ｘに配置された端末装置２１ｘに対し、音声データの加工の開始および終了、もしくは音声データの加工に用いられる各種パラメータの変更を指示することができる。上司Ｂは、曖昧通信が行われている状態で、端末装置２１ｙの操作部を用いて、例えば音声データの加工の終了の指示を行う。端末装置２１ｙは、上司Ｂによる操作に応じて、音声データの加工の終了を指示するデータ（以下、「終了データ」と呼ぶ）を生成し、終了データを端末装置２１ｘに送信する。終了データは一般ゲートウェイサーバ２５を介して端末装置２１ｘに送信される。端末装置２１ｘは、終了データを受信すると、それまで行っていたフィルタ処理等による音声データの加工を中止し、その後は未加工の音声データを端末装置２１ｙに送信する。その結果、自宅Ｘを送信側、会社Ｙを受信側とする曖昧通信は中止され、自宅Ｘと会社Ｙとの間で通常の音声による通信が開始される。同様に、上司Ｂは端末装置２１ｘに対し、音声データの加工の開始や、音声データの加工に用いられるパラメータ、例えばローパスフィルタのカットオフ周波数の変更等の指示を行うことができる。

［８．３．変形例］
上記の第８実施形態は、本発明の技術的思想の範囲内において、以下に例示するように、様々に変形することができる。まず、第８実施形態の通信システム８に必要な変形を加えることにより、上述した第２実施形態〜第７実施形態のそれぞれにおける通信システムと同様の機能を有する通信システムを実現可能である。

例えば、端末装置２１ｘにはフィルタ等による音声データの加工を行わせず、端末装置２１ｙに、受信する音声データ（以下、「受信音声データ」と呼ぶ）に対する加工を行わせることにより、第２実施形態の通信システム２と同様の機能を有する通信システムを実現することができる。また、端末装置２１ｘと端末装置２１ｙの両方に音声データの加工を行わせることにより、第３実施形態の通信システム３と同様の機能を有する通信システムを実現することができる。

また、端末装置２１ｘにセンサ１７と同様のセンサを接続し、センサから入力される信号に応じて端末装置２１ｘに音声データの加工を行うか行わないかの切り替えや、会社Ｙの電話番号へのダイヤル処理を行わせることにより、第４実施形態もしくは第５実施形態の通信システム４もしくは通信システム５と同様の通信システムを実現することができる。また、端末装置２１ｘには自宅Ｘにおける生活音を示す音声データの加工を行わせ、端末装置２１ｙには会社Ｙにおける生活音を示す音声データの加工を行わせ、加工後の曖昧音声データをそれぞれパケットデータ化して送信させることにより、第６実施形態の通信システム６と同様の通信システムを実現することができる。

また、端末装置２１ｘおよび端末装置２１ｙに、他の端末装置との間においてもＶｏＩＰゲートウェイサーバ２６を介した音声通信接続を確立させることにより、第７実施形態の通信システム７と同様の通信システムを実現することができる。

［９．第９実施形態］
第９実施形態は、上述した第８実施形態と多くの点で共通しているため、以下、第９実施形態が第８実施形態と異なる点のみを説明する。第９実施形態においては、音声データを加工する端末装置２１は、未加工の音声データのサンプリング周波数を下げることにより、曖昧音声データの生成を行う。例えば、通信の送信側に配置された端末装置２１ｘが音声データを加工する端末装置であるとすると、端末装置２１ｘは音声データに含まれる各サンプリングに対応するデータ（以下、「サンプルデータ」と呼ぶ）を数個毎に取り出し、取り出したデータを音声データとして、フィルタ処理等により加工することなく、端末装置２１ｙに送信する。

例えば、未加工の音声データのサンプリング周波数が８ｋＨｚであり、端末装置２１ｘが１０個毎にサンプルデータを取り出すとすると、取り出されたサンプルデータの列である音声データは、サンプリング周波数８００Ｈｚの音声データとなる。この８ｋＨｚから８００Ｈｚへのダウンサンプリングにより、元の音声データに含まれていたスペクトラムのうち、サンプリング周波数８００Ｈｚの半分の周波数、すなわち４００Ｈｚより高い周波数帯のスペクトラムに起因した折り返しノイズが発生し、元の音声からかけ離れた曖昧音声が得られ、端末装置２１ｙのスピーカから発音される。第９実施形態によれば、端末装置２１ｘはフィルタ処理等を行うよりも容易に、曖昧音声データを生成することができる。さらに、第９実施形態によれば、曖昧通信において送受信される音声データの量が削減される。

［１０．第１０実施形態］
第１０実施形態は、上述した第８実施形態と多くの点で共通しているため、以下、第１０実施形態が第８実施形態と異なる点のみを説明する。第１０実施形態においては、音声データを加工する端末装置２１は、未加工の音声データの量子化ビット数を下げることにより、曖昧音声データの生成を行う。例えば、通信の送信側に配置された端末装置２１ｘが音声データを加工する端末装置であるとすると、端末装置２１ｘは音声データに含まれる各サンプルデータのＭＳＢ（Ｍｏｓｔ Ｓｉｇｎｉｆｉｃａｎｔ Ｂｉｔ）側から４ビットを取り出し、取り出したデータを音声データとして、フィルタ等により加工することなく、端末装置２１ｙに送信する。

上記のように量子化ビット数が４となった音声データは、ダイナミックレンジが極めて狭いため、音声波形を大まかにしか再現できない。従って、端末装置２１ｙのスピーカから発音される音声は曖昧音声となる。第１０実施形態によれば、第９実施形態と同様に、端末装置２１ｘはフィルタ処理等を行うよりも容易に、曖昧音声データを生成することができる。さらに、第１０実施形態によれば、曖昧通信において送受信される音声データの量が削減される。

［１１．第１１実施形態］
第１１実施形態は、上述した第８実施形態と多くの点で共通しているため、以下、第１１実施形態が第８実施形態と異なる点のみを説明する。第１１実施形態においては、音声データを加工する端末装置２１は、音声データに対し人間の声のみを取り除く加工を行うことにより、曖昧音声データを生成する。

例えば、通信の送信側に配置された端末装置２１ｘが音声データを加工する端末装置であるとすると、端末装置２１ｘのＨＤには、予め複数の人間により発音された各音素のスペクトル成分の各々の平均値を示すデータ（以下、「基準スペクトルデータ」と呼ぶ）が記憶されている。端末装置２１ｘは、マイクおよびＡ／Ｄコンバータを介して得られる未加工の音声データを、例えば１０ミリ秒の時間単位で順次選択し、選択した音声データのスペクトル成分を示すデータ（以下、「対象スペクトルデータ」と呼ぶ）を生成する。

続いて、端末装置２１ｘは、対象スペクトルデータと各音素に対応する基準スペクトルデータとの類似度を示す指標として、例えば相関係数を算出し、算出した相関係数が所定値を超えるか否かを判定する。この所定値は、０〜１の範囲内の数値であり、人間の声を含む音声データから生成される対象スペクトルデータを用いて算出される相関係数よりも小さく、人間の声を含まない音声データから生成される対象スペクトルデータを用いて算出される相関係数よりも大きな値となるように調整されている。

上記の判定において、対象スペクトルデータといずれかの音素に対応する基準スペクトルデータとの相関係数が所定値を超えた場合、端末装置２１ｘは対象スペクトルデータから基準スペクトルデータを減算し、その結果得られるスペクトル成分を重畳することにより音声データを生成し、生成した音声データを端末装置２１ｙに送信する。一方、対象スペクトルデータと基準スペクトルデータとの相関係数が、いずれの音素に対応する基準スペクトルデータに関しても所定値を超えなかった場合、端末装置２１ｘは先に選択した音声データをそのまま、端末装置２１ｙに送信する。

上記のような処理により端末装置２１ｘから端末装置２１ｙに送信される音声データは、未加工の音声のうち人間の声を含む部分から、標準的な人間により発音される声の成分を取り除いた音声を示す曖昧音声データである。なお、端末装置２１ｘが人間の声を含む音声部分の音声データを特定および除去する方法は、音素単位のスペクトル成分を対象となる音声データのスペクトル成分と比較する方法に限られず、例えば独立成分分析技術によるブラインド音源分離法など、他の技術が用いられてもよい。

また、基準スペクトルデータを、複数の人間により発音された音声から生成する代わりに、特定の人間により発音された音声から生成するようにしてもよい。その場合、通信の受信側のスピーカからは、通信の送信側の生活音から特定の人間により発音される声の成分のみを取り除いた曖昧音声が発音される。

第１１実施形態によれば、曖昧通信の送信側で発せられる全ての人間の声もしくは特定の人間の声以外の生活音が鮮明に受信側に伝達されるため、受信側にいる者はより詳細に送信側の様子を知ることができる。

［１２．第１２実施形態］
第１２実施形態は、上述した第８実施形態と多くの点で共通しているため、以下、第１２実施形態が第８実施形態と異なる点のみを説明する。第１２実施形態においては、音声データを加工する端末装置２１は、特定の音声を含む音声データに関しては、その特定の音声を曖昧音声に変換しないような処理を行う。

例えば、通信の送信側に配置された端末装置２１ｘが音声データを加工する端末装置であるとすると、端末装置２１ｘのＨＤには、予め曖昧音声に加工したくない音声を、例えば１０ミリ秒毎に分割したそれぞれのスペクトル成分を示すデータが、基準スペクトルデータとして記憶されている。曖昧音声にしたくない音声としては、「おーい」という呼びかけの声、幼児の鳴き声、ドアフォンや警告ブザーの音、ドアの開閉音など、様々なものが考えられる。

端末装置２１ｘは、第１１実施形態における場合と同様に、未加工の音声データを、例えば１０ミリ秒の時間単位で順次選択し、選択した音声データのスペクトル成分を示すデータ、すなわち対象スペクトルデータを生成する。続いて、端末装置２１ｘは、基準スペクトルデータと対象スペクトルデータとの間で、第１１実施形態における場合と同様の相関係数による判定を行う。

上記の判定において、対象スペクトルデータといずれかの基準スペクトルデータとの相関係数が所定値を超えた場合、端末装置２１ｘは先に選択した音声データをそのまま、端末装置２１ｙに送信する。一方、対象スペクトルデータと基準スペクトルデータとの相関係数が、いずれの基準スペクトルデータに関しても所定値を超えなかった場合、端末装置２１ｘは先に選択した音声データをフィルタ処理等により曖昧音声データに加工し、端末装置２１ｙに送信する。

上記のような処理により端末装置２１ｘから端末装置２１ｙに送信される音声データは、特定の音声を含む部分に関してのみ未加工の音声を示す曖昧音声データである。従って、通信の受信側にいる者は、曖昧通信を行っている間に通信の送信側で特定の音声が発せられた場合、例えば幼児の鳴き声がした場合や誰もいないはずの部屋でドアの開閉音がした場合などに、その音声を明瞭に聞くことにより、送信側における異常を容易に知ることができる。

なお、基準スペクトルデータと対象スペクトルデータとの間の相関係数が所定値を超えた場合、その後の一定時間もしくはユーザからの指示があるまでの時間、端末装置２１ｘはすべての音声データを未加工のままで端末装置２１ｙに送信するようにしてもよい。その場合、例えば、通信の送信側にいる者は「おーい」等の呼びかけを行うことにより、他の操作を行うことなく曖昧通信を解除し、通常の音声による通信を開始することができる。また、誰もいないはずの通信の送信側においてドアの開閉音がした場合等においても、曖昧通信がしばらくの間解除されるため、通信の受信側にいる者は、送信側の異常等をより容易に確認することができる。

なお、端末装置２１ｘが曖昧音声にしたくない音声を含む音声部分の音声データを特定する方法は、単位時間分の基準となる音声データのスペクトル成分を対象となる音声データのスペクトル成分と比較する方法に限られず、他の音声認識技術が用いられてもよい。また、端末装置２１ｘは、特定の音声を曖昧音声にしないために、特定の音声を含む音声部分の音声データに関しては加工処理は行うが、加工処理の方法を異ならせる構成としても良い。例えば、端末装置２１ｘは、独立成分分析技術によるブラインド音源分離法などにより、音声データから曖昧音声にしたくない音声の成分を分離し、曖昧音声にしたくない音声の成分については加工処理を行わず、他の音声の成分については加工処理を行い、それらの音声データを加算する方法などが考えられる。

［１３．第１３実施形態］
第１３実施形態は、上述した第８実施形態と多くの点で共通しているため、以下、第１３実施形態が第８実施形態と異なる点のみを説明する。第１３実施形態においては、音声データを加工する端末装置２１は、通信の送信側の生活音を快適な音を示す音声データに変換する。

例えば、通信の送信側に配置された端末装置２１ｘが音声データを加工する端末装置であるとすると、端末装置２１ｘのＨＤには、予め風鈴、水のせせらぎ、鳥のさえずり等の人間にとって快く感じられる音を示す音声データ（以下、「背景音声データ」と呼ぶ）が、例えば１分間分記憶されている。背景音声データのそれぞれは、最初の部分と最後の部分とをつないで再生した際にクリック音を発生しないよう、クロスフェード等の処理によりレベル調整等がなされている。

端末装置２１ｘは、まず、マイクおよびＡ／Ｄコンバータを介して得られる一定時間分、例えば１秒間分の未加工の音声データをＲＡＭに記憶し、記憶した音声データの音量を示すデータ、例えば音声データに含まれるサンプルデータの絶対値の平均値を算出する。続いて、端末装置２１ｘは背景音声データに含まれるサンプルデータを順次選択し、選択したサンプルデータに対し、先に算出した音量を示すデータ（以下、「音量データ」と呼ぶ）に応じた値調整の処理を加える。音量データが０〜１２７の範囲であるとすると、端末装置２１ｘは、例えば（サンプルデータ）×（音量データ）×５０／１２７の計算を行い、その結果を新たなサンプルデータとする。

このようにして算出されるサンプルデータの列は、音量データに応じて１秒間単位で０％〜５０％の範囲で音量調整のなされた風鈴等の音を示す音声データである。端末装置２１ｘは、上記のように生成した音声データを端末装置２１ｙに送信する。その結果、端末装置２１ｙのスピーカからは、通信の送信側における生活音の音量に応じた音量の風鈴等の音が発音される。そのように発音される風鈴等の音は、通信の送信側の生活音に含まれる情報のうち、音量に関する情報のみを通信の受信側に伝達する曖昧音声である。なお、端末装置２１ｘが背景音声データを加工する方法は、通信の送信側における生活音の音量に応じて音量を調整する方法に限られない。例えば、端末装置２１ｘは、生活音の音高に応じて背景音声データの音高を調整してもよい。

なお、端末装置２１ｘは、予めＨＤに記憶している背景音声データを利用する代わりに、例えば、インターネット２７を介してサーバから背景音声データを取得して利用するようにしてもよい。また、端末装置２１ｘは、例えば無人島で常時録音される波の音等のように、全く異なる地点で録音される音の情報をリアルタイムに受信し、その情報を背景音声データとして利用してもよい。上記のように端末装置２１ｘが背景音声データを外部の装置から取得するように構成すると、長時間の背景音声データもしくは時間制限のない背景音声データを用いた曖昧通信が容易に実現される。

第１３実施形態によれば、通信の送信側における生活音が不快な雑音を含む場合であっても、通信の受信側にいる者は快適に曖昧通信を利用することができる。

［１４．第１４実施形態］
第１４実施形態は、上述した第８実施形態と多くの点で共通しているため、以下、第１４実施形態が第８実施形態と異なる点のみを説明する。第１４実施形態においては、音声データを加工する端末装置２１は、第１３実施形態と同様に、通信の送信側の生活音を快適な音を示す音声データに変換する。ただし、第１４実施形態においては、音声データを曖昧音声データに変換する際に、楽音の発音を指示する演奏データが用いられる。以下の説明においては、ＭＩＤＩ（Ｍｕｓｉｃａｌ Ｉｎｓｔｒｕｍｅｎｔ Ｄｉｇｉｔａｌ Ｉｎｔｅｒｆａｃｅ）規格に従った演奏データ（以下、「ＭＩＤＩデータ」と呼ぶ）を用いて第１４実施形態を実施する場合を例として説明するが、演奏データの形式はＭＩＤＩ規格に従ったものに限られない。

例えば、通信の送信側に配置された端末装置２１ｘが音声データを加工する端末装置であるとすると、端末装置２１ｘのＨＤには、予めハープやハンドベル等の楽音を示す音声データ（以下、「楽音データ」と呼ぶ）が、各音高に関し記憶されている。楽音データのそれぞれには、音色を０〜１２７の数値で指定するプログラムナンバーおよび音高を０〜１２７の数値で指定するノートナンバーが対応付けられている。また、端末装置２１ｘのＨＤには、ハープやハンドベル等の音色のそれぞれに関し、例えば中音部の「Ｃ」に対応する楽音データのスペクトル成分を示すデータが、基準スペクトルデータとして記憶されている。

端末装置２１ｘは、まず、マイクおよびＡ／Ｄコンバータを介して得られる一定時間分、例えば１０ミリ秒間分の未加工の音声データをＲＡＭに記憶し、記憶した音声データの音量を示すデータ、例えば音声データに含まれるサンプルデータの絶対値の平均値を順次算出する。続いて、端末装置２１ｘは先に算出した音量を示すデータ（以下、「音量データ」と呼ぶ）の列に対し微分処理等を行い、音量データの値が急激に増加するタイミング（以下、「発音タイミング」と呼ぶ）および音量データの値が所定値以下となるタイミング（以下、「消音タイミング」と呼ぶ）を特定する。端末装置２１ｘは、発音タイミングに対応する音量データに基づき、ＭＩＤＩデータにおける対応するベロシティを特定する。ベロシティは、音量を０〜１２７の数値で指定するデータである。例えば、未加工の音声データの量子化ビット数が８である場合、サンプルデータの値の絶対値の平均値である音量データは０〜１２７の値をとるので、端末装置２１ｘは音量データの値をそのままベロシティとする。

続いて、端末装置２１ｘは未加工の音声データから、発音タイミングと消音タイミングの間に対応する部分を選択し、選択した音声データのスペクトル成分を算出する。端末装置２１ｘは、算出したスペクトル成分の振幅値が最大となる周波数に対応するノートナンバーを特定する。例えば、スペクトル成分の振幅値が最大となる周波数が４４０ｋＨｚ近傍であれば、端末装置２１ｘは中音部の「Ａ」を示す６９をノートナンバーとする。

続いて、端末装置２１ｘはＨＤに記憶されている基準スペクトルデータのそれぞれに関し、先に算出した発音タイミングと消音タイミングの間の音声データに関するスペクトル成分と、基準スペクトルデータとの間の類似度を示す指標として、例えば相関係数を算出する。端末装置２１ｘは、算出した相関係数が最大となる基準スペクトルデータに対応する楽音データのプログラムナンバーを特定する。

端末装置２１ｘは、上記のように特定したベロシティおよびノートナンバーを用いて、楽音の発音を指示するＭＩＤＩデータであるノートオンメッセージを生成する。また、端末装置２１ｘは、上記のように特定したプログラムナンバーを用いて、音色を指定するＭＩＤＩデータであるプログラムチェンジメッセージを生成する。

端末装置２１ｘは、ＨＤから、上記のように生成したプログラムチェンジメッセージに含まれるプログラムナンバーに対応付けられ、かつ上記のように生成したノートオンメッセージに含まれるノートナンバーに対応付けられた楽音データを選択する。続いて、端末装置２１ｘは、ノートオンメッセージに含まれるベロシティに応じて、音量調整の処理を行う。すなわち、端末装置２１ｘは、選択した楽音データに含まれる各サンプルデータに関し、例えば、（サンプルデータ）×（ベロシティ）×５０／１２７の計算を行い、その結果を新たなサンプルデータとする。

端末装置２１ｘは、以上の処理により得られるサンプルデータの列を音声データとして端末装置２１ｙに送信する。その結果、端末装置２１ｙのスピーカからは、通信の送信側における生活音の変化に応じて、様々なタイミングで、異なる音色の楽音が、異なる音量および音高で発音される。そのように発音される楽音は、通信の送信側の生活音に含まれる情報のうち、音量、音高および音質に関する情報のみを通信の受信側に伝達する曖昧音声である。

なお、端末装置２１ｘが端末装置２１ｙに送信する楽音データの選択方法、楽音データの送信タイミングの決定方法および楽音データの音量調整の方法は、上記の方法に限られない。例えば、端末装置２１ｘは、生活音の音高が急激に変化したタイミングで、楽音データを端末装置２１ｙに送信したり、音量に応じて異なる音色の楽音データを端末装置２１ｙに送信したりしてもよい。

第１４実施形態によれば、第１３実施形態による場合と同様に、通信の送信側における生活音が不快な雑音を含む場合であっても、通信の受信側にいる者は快適に曖昧通信を利用することができる。

なお、第１４実施形態の他の実施態様として、通信の受信側である端末装置２１ｙがＨＤに楽音データを記憶しておき、通信の送信側である端末装置２１ｘにより生成された演奏データに基づいて、端末装置２１ｙが楽音データの再生を行うようにしてもよい。その場合、端末装置２１ｘから端末装置２１ｙに送信されるデータは演奏データのみとなり、端末装置２１ｘと端末装置２１ｙとの間で送受信されるデータ量が削減される。

［１５．第１５実施形態］
第１５実施形態は、上述した第８実施形態と多くの点で共通しているため、以下、第１５実施形態が第８実施形態と異なる点のみを説明する。第１５実施形態においては、通信の送信側および受信側に配置された端末装置２１においては音声データの加工が行われず、インターネット２７内に配置された音声加工サーバによって、音声データの加工が行われる。

図９は、第１５実施形態における通信システム９を示した図である。通信システム９においては、第８実施形態における通信システム８の構成要素に加え、一般ゲートウェイサーバ２５ｘおよびＶｏＩＰゲートウェイサーバ２６ｘと、一般ゲートウェイサーバ２５ｙおよびＶｏＩＰゲートウェイサーバ２６ｙとの間に、音声加工サーバ３１が設けられている。

音声加工サーバ３１は、音声データの加工処理を行うとともに、一般ゲートウェイサーバ２５およびＶｏＩＰゲートウェイサーバ２６との間でパケットデータの送受信を行うことが可能な装置である。音声加工サーバ３１は、汎用コンピュータに特定のプログラムに従った処理を行わせることによっても実現可能である。以下の説明においては、音声加工サーバ３１は、ＣＰＵ、ＤＳＰ、ＲＯＭ、ＲＡＭ、ＨＤ、表示部、操作部およびＮＷ入出力部を有する汎用コンピュータに通信システム９の音声加工サーバ用のプログラムを実行させることにより実現するものとする。

端末装置２１ｘはマイクおよびＡ／Ｄコンバータを介して得られる音声データを、加工することなく端末装置２１ｙに対し送信する。端末装置２１ｘから送信された音声データは、ＶｏＩＰゲートウェイサーバ２６ｘに受信され、音声加工サーバ３１に転送される。音声加工サーバ３１は、ＶｏＩＰゲートウェイサーバ２６ｘから転送された音声データを受信すると、上述した第８実施形態において端末装置２１ｘが行う音声データの加工処理と同様の処理を行い、曖昧音声データを生成する。音声加工サーバ３１は、生成した曖昧音声データを端末装置２１ｙに送信する。音声加工サーバ３１から送信された曖昧音声データは、ＶｏＩＰゲートウェイサーバ２６ｙを介して端末装置２１ｙに送信される。その結果、端末装置２１ｙのスピーカからは、曖昧音声が発音される。

第１５実施形態によれば、ユーザはＶｏＩＰ技術を用いた音声通信に通常用いられる端末装置を、特段の変更を加えることなく用いることにより、曖昧通信を利用することができる。

本発明の第１実施形態における通信システムの構成を示した図である。 本発明の第２実施形態における通信システムの構成を示した図である。 本発明の第３実施形態における通信システムの構成を示した図である。 本発明の第４実施形態における通信システムの構成を示した図である。 本発明の第５実施形態における通信システムの構成を示した図である。 本発明の第６実施形態における通信システムの構成を示した図である。 本発明の第７実施形態における通信システムの構成を示した図である。 本発明の第８実施形態における通信システムの構成を示した図である。 本発明の第１５実施形態における通信システムの構成を示した図である。

符号の説明

１１…マイク、１２・２１…端末装置、１３…電話機、１４…公衆電話回線網、１５…アンプ、１６…スピーカ、１７…センサ、１８…ミキサ、２２…ＤＳＬモデム、２３…スプリッタ、２５…一般ゲートウェイサーバ、２６…ＶｏＩＰゲートウェイサーバ、２７…インターネット、３１…音声加工サーバ、１２１…音声加工部、１２２・１５２…操作部、１２３…計時部、１５１・１２１６…増幅部、１２１１…ローパスフィルタ、１２１２・１２１４…ピッチシフタ、１２１５…ノイズ低減フィルタ、１２１３…ハイパスフィルタ。

Claims (9)

1. 第１の場所に配置され、前記第１の場所における音を集音して集音した音を示す音情報を生成する音情報生成手段と、前記音情報生成手段が生成した音情報を送信する第１送信手段とを備える第１の通信装置と、
   前記第１の場所とは異なる第２の場所に配置され、通信回線を介して前記第１の通信装置から音情報を受信する第１受信手段と、音情報を出力する出力手段とを少なくとも備える第２の通信装置と、
   前記第１の通信装置、前記第２の通信装置、前記通信回線内に設けられた情報処理装置、のいずれかに設けられ、音情報に対し、当該音情報が有する人間の会話の内容が伝達されることを妨げる加工を施すことにより曖昧音情報を生成する曖昧音生成手段と
   を備えることを特徴とする通信システム。
2. 音情報を入力する入力手段と、
   前記入力手段により入力された音情報に対し、当該音情報が有する人間の会話の内容が伝達されることを妨げる加工を施すことにより曖昧音情報を生成する生成手段と、
   前記生成手段により生成された曖昧音情報を出力する出力手段と
   を備え、
   さらに、他の通信装置から音情報を受信し当該音情報を前記入力手段に対し出力する受信手段と、前記出力手段により出力された曖昧音情報を他の通信装置に送信する送信手段との少なくとも一方を備える
   ことを特徴とする通信装置。
3. 前記生成手段は、前記入力手段が入力した音情報に対し、当該音情報が有する人間の声の成分を取り除く加工を施すことによって前記曖昧音情報を生成することを特徴とする請求項２に記載の通信装置。
4. 前記生成手段は、前記入力手段が入力した音情報に対し、当該音情報のサンプリング周波数を下げる加工を施すことによって前記曖昧音情報を生成することを特徴とする請求項２に記載の通信装置。
5. 前記生成手段は、前記入力手段により入力された音情報に対し、当該音情報の量子化ビット数を下げる加工を施すことによって前記曖昧音情報を生成することを特徴とする請求項２に記載の通信装置。
6. 音情報が有するいずれの部分の情報の伝達を妨げるかを示す指示情報を入力する指示情報入力手段を備え、
   前記生成手段は、前記指示情報入力手段により入力された指示情報に基づき、曖昧音情報を生成する
   ことを特徴とする請求項２乃至５のいずれかに記載の通信装置。
7. 基準となる音を示す基準音情報を記憶する記憶手段と、
   前記生成手段が曖昧音情報の生成に用いる音情報が示す音の物理的特徴と、前記記憶手段により記憶されている基準音情報が示す音の物理的特徴との類似度を示す指標を算出する算出手段と、
   前記算出手段により算出された指標を用いて、前記音情報が示す音と前記基準音情報が示す音とが類似しているか否かを判定する判定手段と
   を備え、
   前記生成手段は、前記判定手段による判定の結果に基づき、曖昧音情報の生成の開始、曖昧音情報の生成の終了および音情報の加工の方法の変更の少なくとも１つを行う
   ことを特徴とする請求項２乃至６のいずれかに記載の通信装置。
8. 自装置の周囲の状況の変化を検知する検知手段を備え、
   前記送信手段は、前記検知手段による検知結果に基づいて、前記曖昧音情報の送信を開始または終了することを特徴とする請求項２乃至７のいずれかに記載の通信装置。
9. 音情報を入力する入力処理と、
   前記入力処理において入力された音情報に対し、当該音情報が有する人間の会話の内容が伝達されることを妨げる加工を施すことにより曖昧音情報を生成する生成処理と、
   前記生成処理により生成された曖昧音情報を出力する出力処理と
   をコンピュータに実行させ、
   さらに、前記入力処理において用いられる音情報を他の通信装置から受信する受信処理と、前記出力処理において出力された曖昧音情報を他の通信装置に送信する送信処理との少なくとも一方を前記コンピュータに実行させる
   ことを特徴とするプログラム。

Images