JP5511106B2 - 電話会議システム、方法、およびコンピュータ・プログラム製品 - Google Patents

Description

本発明は、電話会議システムおよび方法、ならびにコンピュータ・プログラム製品に関する。

現在の音声会議システムでは、会議ブリッジにおける話者選択アルゴリズムが、能動的話者を検出し、能動的話者または能動的参加者に対する音声を混合することによって出力ストリームを形成する。能動的ストリームを次に、電話会議上の参加者に通信する。しかし能動的話者を選択することには、所定数の最も能動的な話者（一般的に、中心的話者と言われる）を、能動的話者が位置する電話通信エンド・ポイントから受信する音声通信のエネルギー・レベルに基づいて選択することを伴う。中心的話者からの話し言葉が受信されると、すべての他の話者は話者選択アルゴリズムから除かれる。

たとえば、特許文献１には、多者間電話会議における話者選択を提供するための方法および装置が記載されている。この方法は、少なくとも１人の新しい話者に対する話者待ち行列を処理する工程と、中心的話者の数が中心的話者の所定数よりも少なくなるときをモニタする工程とを備えている。中心的話者の所定数が所定数よりも少なくなったら、この方法では自動的に、人の介入なしに、話者待ち行列から新しい話者を中心的話者に加える。

米国特許出願公開第２００７／２６３８２１号明細書

従来の話者選択アルゴリズムでは結局、故意に、中心的話者の１人がしばらくの間黙っている状況になるまで、新しい話者が参加できないようになっている。こうすることで割り込みはなくなるが、中心的話者が話し続けていると、新しい話者が話す機会もなくなってしまう。

本発明では、添付の請求項に記載されているように、電話会議システム、電話会議方法、およびコンピュータ・プログラム製品を提供する。
本発明の特定の実施形態を従属請求項において述べている。

本発明のこれらおよび他の態様は、以下に説明する実施形態から明らかとなり、それらを参照して明瞭になる。
本発明のさらなる詳細、態様、および実施形態を、図面を参照して、単に一例として説明する。図面では、同様の参照番号を用いて、同様のまたは機能的に同様の要素を識別している。図中の要素は、簡単および明瞭を目的として例示されており、必ずしも一定の比率で描かれているわけではない。

電話会議システムの実施形態の一例を概略的に示すブロック図。 図１の例に適した選択制御ユニットの実施形態の一例を概略的に示すブロック図。 新規中心的話者検出器の実施形態の一例を概略的に示すブロック図。 減少評価ユニットの実施形態の一例を概略的に示すブロック図。 コンピュータ読取可能媒体を概略的に示す斜視図。 近い過去、遠い過去、および全体過去時間窓を概略的に例示するグラフ。 音量を分類手段として用いて入力ストリームを異なるカテゴリに分類することを概略的に例示するグラフ。 入力ストリーム間の音量の差を分類部として用いて入力ストリームを異なるカテゴリに分類することを概略的に例示するグラフ。

本発明の例示する実施形態は、大部分について、当業者に知られている電子部品および回路を用いて実施しても良いため、詳細の説明については、本発明の基礎をなす考え方を理解および認識するのに必要であると考えられかつ本発明の教示を不明瞭にすることもそこからそれることもないようにする範囲を何ら上回っては行なわない。

図１を参照して、図示した電話会議システム１の例は、入力インターフェース１４を備えている。電話会議中に、音を含む２以上の入力ストリーム１０１〜１０３が、インターフェース１４において受信される。入力ストリームはそれぞれ、別の供給源１０〜１２（たとえば、話者の電話機または他の通信ユニット）から生じる。これらの入力ストリーム以外に、他の入力ストリームを受信しても良いことは明らかである。他の入力ストリームは、同じ供給源から生じていても良いしそうでなくても良い。加えて、複数の人が同じ電話機または他の音通信ユニットを共有していても良いことが明らかである。以下では、用語「中心的話者」は、１人または複数の人が用いても良い「中心的話者」として選択される供給源を指す。用語「非中心的話者」は、中心的話者に対する基準を満たす挙動を示す場合も示さない場合もあるが、中心的話者としては選択されない供給源を指す。用語「追加の中心的話者」は、中心的話者に対する基準を満たす挙動を示すが、まだ中心的話者としては選択されていない供給源を指す。

入力ストリームはそれぞれ、少なくとも供給源からの音を表わすデータまたは信号を含んでおり、またそれ以外に、映像或いはデータ又はその両方を含んでいても良い。音は、たとえば音声（たとえば、話し言葉）からなっていても良く、他のタイプの音（たとえば、周囲のノイズ、音声以外の音、周囲の讚談）も含んでいても良い。音は、たとえば、フィルタリングされていなくても良いし、または望ましくない成分（たとえばノイズ、音声以外の音、周囲の讚談、等）を取り除くためにフィルタリングされていても良い。

図１に示す電話会議システム１はさらに、入力インターフェース１４に接続された選択ユニット１５を備えている。選択ユニット１５は、システム１が動作時に、ある数の中心的話者のストリームを入力ストリーム１０１〜１０３から選択する。選択される数Ｋは、中心的話者最大数Ｋ_ｍａｘ以下である。例に示すように、中心的話者最大数Ｋ_ｍａｘは２に設定され、中心的話者最大数に等しいある数の入力ストリーム１０２、１０３が選択される。しかし、中心的話者最大数より小さい数を選択しても良い。

選択は、中心的話者のストリームの選択に適した任意の基準を用いて行なっても良い。たとえば、選択は、Ｋ_ｍａｘ数の最大音量ストリームを選択することによって、人の干渉を伴うことなく自動的に行なっても良い。この点に関して、用語「最大音量」は、対象とする信号の最高強度が観察されるストリームを指す。対象とする信号は、たとえば、全体として音信号であっても良いし、または周囲のノイズおよび音声以外の部分を伴わない音信号の一部（たとえばその音声部分）であっても良い。対象とする信号は、たとえば、一または複数の時間周期に渡って取得しても良く、たとえば、一または複数の時間窓の間の音量を選択基準として用いても良い。

たとえば、音量数λを各ストリーム中の音に対して演算しても良く、Ｋ_ｍａｘ個の最高音量数λ_１，λ_２，．．．，λ_Ｋｍａｘを伴うストリームを選択しても良い。音量数を計算するための好適な方法が、以下に記載されている。プラサード，ベンカテッシュ（Prasad, Venkatesha）Ｒ．、クリ，ジョイ（Kuri, Joy）、ジャマダグニ（Jamadagni），ＨＳ、ダガール，ハレッシュ（Dagale, Haresh）、およびラブンドラナート，ラビ（Ravindranath, Ravi）Ａ．、「ＶｏＩＰ会議におけるクライアントの自動付加および削除（Automatic Addition and Deletion of Clients in VoIP Conferencing）」、ＩＳＣＣ、０３８６頁、第６回コンピュータおよび通信に関するＩＥＥＥシンポジウム（Sixth IEEE Symposium on Computers and Communications）（ＩＳＣＣ’０１）、２００１年。これは、以下、「ＩＳＣＣ２００１ペーパ」と言い、本明細書において援用されている。

音量数λは、たとえば、入力ストリームの現在および過去の振幅の関数であっても良い。ストリームｉの音量数λ_ｉは、たとえば、「近い過去」窓Ｗ_ｒｐの間の現在活動状態Ｌ_１、「遠い過去」窓Ｗ_ｄｐにおける過去活動状態Ｌ_２、および「全体過去」窓Ｗ_ｏｐにおける全体過去活動状態Ｌ_３から、算出することができる。現在活動状態Ｌ_１は、たとえば、近い過去窓Ｗ_ｒｐの間の振幅の移動平均であっても良い。過去活動状態Ｌ_２は、たとえば、遠い過去窓Ｗ_ｄｐの間の振幅の移動平均であっても良い。過去活動状態Ｌ_２は、たとえば、遠い過去窓Ｗ_ｄｐの間の振幅の移動平均であっても良い。全体過去活動状態Ｌ_３は、たとえば、遠い過去窓Ｗ_ａｐの間の振幅の移動平均であっても良い。

図６に例示したように、「近い過去」窓Ｗ_ｒｐは、現在の時点Ｔ_０から、現在の時点Ｔ_０より前の過去の時点Ｔ_−１まで広がっていても良い。「遠い過去」窓Ｗ_ｄｐは、たとえば、現在の時点Ｔ_０から、過去の時点Ｔ_−１より前の遠方の時点Ｔ_−２まで広がっていても良い。「全体過去」窓Ｗ_ｏｐは、たとえば、現在の時点Ｔ_０から、遠方の時点Ｔ_−２より前のより遠方の時点Ｔ_−３まで広がっていても良い。

活動状態Ｌ_１、Ｌ_２、Ｌ_３は、たとえば、以下の数式によって記述可能な演算を行なうことによって計算しても良い。

ここで、Ｘ_ｋ，ｉは、ｉ番目の入力ストリームのｋ番目のサンプルの振幅である。Θは、入力ストリーム中に見出される最大振幅ｍａｘ（Ｘ（ｋ））に対して作用する二項演算であり、たとえば、以下の数式によって記述可能な演算を行なうことによって計算しても良い。

この方程式（２）において、値０．１は閾値である。この値は、特定の実施に適した任意の値に設定しても良く、たとえば、０１．および０．２ならびに０．１〜０．２間のすべての中間点からなる群から選択しても良い。

音量数λは、たとえば活動状態Ｌ_１、Ｌ_２、Ｌ_３の加重和であっても良く、また、たとえば以下の数式によって記述可能な演算を行なうことによって計算しても良い。
Ａ＝α_１＊Ｌ_１＋α_２＊Ｌ_２＋α_３＊Ｌ_３ （３）
ここで、α_１、α_２、α_３は、好適な値を伴う定数である。好適な値は、たとえば、α_１＝０．６、α_２＝０．３、α_３＝０．３であることが分かっているが、他の値を用いても良い。

中心的話者のストリームは、別の仕方で選択しても良い。たとえば、入力ストリーム中の話し言葉の内容に基づいて選択しても良く、たとえば、特許文献１に記載された方法、または任意の他の好適な方法で選択しても良い。

図１に示す例では、混合器１６が選択ユニット１５に接続されている。混合器１６は、動作時には、選択されたストリームを混合して出力ストリーム１１０にする。図示したように、出力インターフェース１７が混合器１６に接続されていて、出力ストリーム１１０を受信している。出力インターフェース１７を介して、出力ストリーム１１０は、電話会議システム１に接続された一または複数の通信ユニットに出力される。この例では、供給源１０〜１２を構成する通信ユニットに出力される。こうして、図示した通信ユニットを介して、電話会議に参加している人は、他の参加者に対して、話すことおよび聴くことの両方を行なうことができる。出力ストリーム１１０は、参加者が聴くことだけができる他の通信ユニットに出力される場合もあることは明らかである。たとえば話者ユニットが「無言」状態にある通信ユニット、またはそこからの入力ストリームが中心的話者のストリームとしては選択されない通信ユニットである。たとえば、参加者が多数で話者の数が限られている電話会議において、出力ストリームをネットワーク内に一斉送信してすべての参加者に送っても良い。

図示した例では、出力インターフェース１１７は、出力ストリーム１１０を複数のストリーム１１１〜１１３に分割している。しかし、代替的に、出力インターフェース１１７が出力ストリーム１１０を出力した後に、対応する通信ユニットに、電気通信網内の別のノードによってさらに分配しても良い。

図１の例では、選択ユニット１４および入力インターフェース１５に接続された選択制御ユニット１８が示されている。選択制御ユニット１８は、電話会議中に、中心的話者最大数Ｋ_ｍａｘを、会議の動態に基づいて動的に設定する。その結果、新しい中心的話者を加えることができ、それによって、ある時点で中心的話者である一または複数の参加者によって、通話中に話そうと試みている電話会議内の他の参加者からの入力ストリームが遮断されることが回避される。

選択制御ユニット１８は、中心的話者最大数Ｋ_ｍａｘを、会議の動態に基づいて、特定の実施に適した何らかの方法で設定するように実施しても良い。たとえば、選択制御ユニット１８は、中心的話者最大数Ｋ_ｍａｘを、音量が所定の閾値を上回る入力ストリームの数に等しくなるように、または任意の他の好適な仕方で、設定しても良い。

図２を参照して、選択制御ユニット１８は比較器１８１を備えていても良い。図示したように、メモリ・ユニット３０３が比較器１８１に接続され、比較器はさらに、入力インターフェース１４に接続されている。メモリ３０３には、中心的話者最大数Ｋ_ｍａｘが記憶される。

比較器１８１は、入力ストリーム１０１〜１０３を比較して、中心的話者のストリームを入力ストリーム１０１〜１０３から選択することができる。中心的話者のストリームを選択するための好適な技術が、以下に記載されている。プラサード、ベンカテッシュＲ．、ジャマダグニ，ＨＳ、およびシャンカール，ＨＮ：「パケット・ネットワーク上での音声のみの会議に対する参加者の数を規定する問題について（On Problem of Specifying Number of Floors for a Voice-Only Conference on Packet Networks）」、情報技術に関する国際会議：研究および教育（International Conference on Information Technology: Research and Education）２００３．ＩＴＲＥ２００３、８月１１日〜１３日、ニュージャージー州、米国、２２〜２６。これは、以下、「ＩＴＲＥ２００３ペーパ」と言い、本明細書において参照により取り入れられている。比較器１８１が選択する入力ストリームは、たとえば、入力ストリーム対する音量数λが、中心的話者のストリームの代表的な所定の閾値を上回る入力ストリームであっても良い（最大数Ｋ_ｍａｘまで）。閾値を上回る入力ストリームの数が、前述したＫ_ｍａｘを上回る場合には、比較器１８１は、たとえば、入力ストリームを比較して、最も高い音量数を伴うＫ_ｍａｘ数の入力ストリームを選択しても良い。比較器１８１は、比較を周期的に繰り返しても良く、そうすることによって、中心的ストリームが選択されたままでいることが、対応する入力ストリームにもはや音声が含まれていない場合であっても行なわれることが回避される場合がある。

図示した例では、比較器１８１は、入力インターフェース１４に個々の計算部１８８〜１９０を介して接続されている。計算部１８８〜１９０は、たとえば前述したように、入力ストリームのそれぞれに対して、音量値λを、音の音量を表わす対応する入力ストリームのパラメータから計算するように設けられている。図示した例では、別個の計算部が各入力ストリーム１０１〜１０３に対して存在し、計算部１８８〜１９０は入力インターフェース１４に接続されている。計算部１８８〜１９０のそれぞれに対して、音声検出器１８５〜１８７が、その入力が入力インターフェース１４に接続されている。音声検出器１８５〜１８７は、入力ストリーム１０１〜１０３中の音声を検出することができる。音声検出器１８５〜１８７は、音声が検出されたときには、対応する計算部１８８〜１９０を有効にし、音声が検出されなかったときには、対応する計算部１８８〜１９０を無効にするか、そのほかの場合には、計算部が最も小さい音量数を出力することを確実にする。その結果、音声信号が受信された入力ストリームのみを、比較器１８１は潜在的に選択することができる。音声検出器１８５〜１８７は、音声の検出に適した任意の方法で実施しても良い（たとえば、当該技術分野で知られているもの）。なお簡単にするために、これ以上は詳しくは説明しない。好適な実施が以下に記載されている。たとえばプラサード、ベンカテッシュＲ．、サンワン（Sangwan）、アビジート（Abhijeet）、ジャマダグニ，ＨＳ、チランス（Chiranth），ＭＣ、およびサー，ラフール（Sah, Rahul）、「ＶｏＩＰに対する音声活動検出アルゴリズムの比較（Comparison of Voice Activity Detection Algorithms for VoIP）」、第７回コンピュータおよび通信に関する国際シンポジウム（Seventh International Symposium on Computers and Communications）、２００２年．ＩＳＣＣ２００２、７月１日〜４日、タオルミーナ・ジャルディーニ・ナクソス（Taormina-Giardini Naxos）、イタリア、５３０〜５３５頁。これは、以下、「ＩＳＣＣ２００２ペーパ」と言い、本明細書において参照により取り入れられている。

選択制御ユニット１８は、たとえば、第１の論理回路ユニット３０１および第２の論理回路ユニット３０２を備えていても良い。図示した例では、論理回路ユニット３０１、３０２は、それらの対応する入力がインターフェース１４に接続されている。論理回路ユニット３０１、３０２は、それらの出力が、中心的話者最大数Ｋ_ｍａｘが記憶されたモリ・ユニット３０３に接続されている。

図３および４を参照して以下でより詳細に述べるように、第１の論理回路ユニット３０１は、中心的話者増加基準が満足されたときに、中心的話者最大数Ｋ_ｍａｘを増加させても良く、一方で、第２の論理回路ユニット３０２は、中心的話者減少基準が満足されたときに、中心的話者最大数を減少させても良い。

第１の論理回路ユニット３０１は、たとえば、新規話者検出器１８０に接続されていても良い。図示した例では、新規話者検出器によって、第１の論理回路ユニット３０１が入力インターフェース１４に接続されている。しかし、他のユニットが第１の論理回路ユニット３０１と入力インターフェース１４との間に存在していても良いことは明らかである。

新規中心的話者検出器１８０は、入力ストリームから、追加の中心的話者のストリーム（すなわち、中心的話者のストリームとして選択された入力ストリームに追加）を、検出することができる。検出器１８０が追加の中心的話者のストリームを検出すると、検出器１８０は、追加の中心的話者通知を第１の論理回路ユニット３０１へ出力する。第１の論理回路ユニット３０１は次に、たとえば、通知に応答して、中心的話者最大数を増加させるか否かを決定する。たとえば、中心的話者の現在の数が中心的話者最大数Ｋ_ｍａｘを下回っているときには、第１の論理回路ユニット３０１は中心的話者最大数を現状のままに維持しても良く、また中心的話者の現在の数が中心的話者最大数に等しいときには、第１の論理回路ユニット３０１は値Ｋ_ｍａｘを１だけ増加させても良い。

新規中心的話者検出器１８０は、追加の中心的話者のストリームを、特定の実施に適した任意の方法で検出することができる。そうするために、新規中心的話者検出器１８０は、入力ストリームの一または複数のパラメータを、追加の中心的話者のストリームの検出に適した一または複数の基準と比較することができる。

パラメータは、たとえば音量であっても良い。図３に示す例を参照して、新規中心的話者検出器１８０は、たとえば、入力インターフェース１４に接続されたに一または複数の計算部１８８〜１９０を備えていても良い。計算部は、入力ストリームの１０１〜１０３それぞれに対して、音量値λ_１、λ_２、λ_３を、音の音量を表わす対応する入力ストリームのパラメータから計算する。図示した例では、対応する計算部１８８〜１９０として、計算部入力が新規中心的話者検出器１８０の対応する検出器入力１８２〜１８３に接続された計算部１８８〜１９０が存在する。検出器入力１８２〜１８３において、入力ストリーム１０１〜１０３が受信されていても良い。

図示した例では、新規中心的話者検出器１８０はさらに音声検出器１８５〜１８７を備えている。それらの入力は検出器入力１８２〜１８３に接続され、それらの出力は計算部１８８〜１９０の対応する制御入力に接続されている。音声検出器１８５〜１８７は、入力ストリームの一または複数のパラメータを、入力ストリーム中の音声の検出に適した基準と比較する。新規中心的話者検出器１８０は、以前は音声が含まれていなかった入力ストリーム中に音声が検出されたときに、対応する計算部を有効にする。その結果、音声を含む入力ストリームのみを中心的話者として割り当てることができること、および、たとえば、ノイズまたは音声以外の音（たとえば、音楽）に起因する高音振幅を伴う入力ストリームが非中心的状態のままでいるために、電話会議の全体的品質を向上させることができること、が確実になる場合がある。図３の例では、音声検出器１８５〜１８７を入力ストリーム１０１〜１０３のそれぞれに対して示しているが、音声検出器１８５〜１８７を代替的に入力ストリームの一部（たとえば、その非中心的話者のストリーム）のみに適用しても良いことが明らかである。

図示した新規中心的話者検出器１８０はさらに、計算部に接続された分類部１９１を備えている。分類部１９１は、入力ストリーム１０１〜１０３の非中心的ストリームを、少なくとも対応する非中心的ストリームｉに対応する音量値λ_ｉに基づいて、一または複数のカテゴリＭ_１〜Ｍ_６、Ｎ_１〜Ｎ_７に分類する。図示した例では、分類部１９１は、入力ストリームを、２組のＭ_１〜Ｍ_６およびＮ_１〜Ｎ_７の個々のカテゴリに分類する。第１の組Ｍ_１〜Ｍ_６への分類は音量値λ_ｉに基づき、一方で、第２の組Ｎ_１〜Ｎ_７への分類は差分音量値Δλ_ｉに基づいている。差分音量値Δλ_ｉは、音量値λ_ｉと、最新の中心的話者が選出された時点で選出された最新の中心的話者の音量値λ_ａとの間の差である。図７に、音量値λ_ｉの関数としてのカテゴリＭ_１〜Ｍ_６のグラフを示す。図７に、差分音量値Δλ_ｉの関数としてのカテゴリＮ_１〜Ｎ_７のグラフを示す。垂直軸は、重み係数Ｗ_Ｍ、Ｗ_Ｎを示す。これらはそれぞれ、音量値λ_ｉおよび差分音量値Δλ_ｉの関数である。図示したように、上限および下限Ｔ１〜Ｔ５によって、個々のカテゴリＭ_１〜Ｍ_６に対する入力ストリームのメンバーシップが決定される。上限および下限Ｐ１〜Ｐ６によって、個々のカテゴリＮ_１〜Ｎ_７に対する入力ストリームのメンバーシップが決定される。

たとえば、Ｔ２の音量値λ_ｉに対して、入力ストリームｉは、Ｗ_Ｍ＝１を伴うカテゴリＭ２に分類される。Ｔ３の音量値λ_ｉに対して、入力ストリームは、Ｗ_Ｍ＝１を伴うカテゴリＭ３に分類される。Ｔ２とＴ３との間の音量値λ_ｉに対しては、たとえば、λ_ｉ＝Ａに対しては、入力ストリームはカテゴリＭ２およびＭ３に分類され、Ｍ２に対する重み係数はＷ_ｍ２（Ａ）（実線によって規定される）で、Ｍ３に対する重み係数はＷ_ｍ３（Ａ）（破線によって規定される）である。

図示した新規中心的話者検出器１８０はさらに、分類部１９１に接続された検出器論理ユニット１９２を備えている。動作中に、検出器論理ユニット１９２は、分類に基づいて一または複数のルールを評価して、ルールのそれぞれに対して評価値を決定する。たとえば、検出器論理ユニット１９２は、以下のルールＲ０〜Ｒ１９を評価しても良い。ここで、ｉは入力ストリームｉを指す。

Ｒ０：（ｉ∈Ｍ２＆ｉ∈Ｎ１）を満たす場合、Ｄ＝１又は
Ｒ１：（ｉ∈Ｍ２＆ｉ∈Ｎ２）を満たす場合、Ｄ＝１又は
Ｒ２：（ｉ∈Ｍ２＆ｉ∈Ｎ３）を満たす場合、Ｄ＝１又は
Ｒ３：（ｉ∈Ｍ３＆ｉ∈Ｎ１）を満たす場合、Ｄ＝１又は
Ｒ４：（ｉ∈Ｍ３＆ｉ∈Ｎ２）を満たす場合、Ｄ＝１又は
Ｒ５：（ｉ∈Ｍ３＆ｉ∈Ｎ３）を満たす場合、Ｄ＝１又は
Ｒ６：（ｉ∈Ｍ３＆ｉ∈Ｎ４）を満たす場合、Ｄ＝１又は
Ｒ７：（ｉ∈Ｍ３＆ｉ∈Ｎ５）を満たす場合、Ｄ＝１又は
Ｒ８：（ｉ∈Ｍ４＆ｉ∈Ｎ１）を満たす場合、Ｄ＝１又は
Ｒ９：（ｉ∈Ｍ４＆ｉ∈Ｎ２）を満たす場合、Ｄ＝１又は
Ｒ１０：（ｉ∈Ｍ４＆ｉ∈Ｎ３）を満たす場合、Ｄ＝１又は
Ｒ１１：（ｉ∈Ｍ４＆ｉ∈Ｎ４）を満たす場合、Ｄ＝１又は
Ｒ１２：（ｉ∈Ｍ４＆ｉ∈Ｎ５）を満たす場合、Ｄ＝１又は
Ｒ１３：（ｉ∈Ｍ５＆ｉ∈Ｎ１）を満たす場合、Ｄ＝１又は
Ｒ１４：（ｉ∈Ｍ５＆ｉ∈Ｎ２）を満たす場合、Ｄ＝１又は
Ｒ１５：（ｉ∈Ｍ５＆ｉ∈Ｎ３）を満たす場合、Ｄ＝１又は
Ｒ１６：（ｉ∈Ｍ５＆ｉ∈Ｎ４）を満たす場合、Ｄ＝１又は
Ｒ１７：（ｉ∈Ｍ５＆ｉ∈Ｎ５）を満たす場合、Ｄ＝１又は
Ｒ１８：（ｉ∈Ｍ５＆ｉ∈Ｎ６）を満たす場合、Ｄ＝１又は
Ｒ１９：ｉ∈Ｍ６を満たす場合、Ｄ＝１
検出器論理ユニット１９２は、これらのルールのそれぞれに対して、評価値Ｅを計算しても良い。計算は、たとえば、Ｅ_ｑ＝Ｄ_ｑ＊（Ｗ_Ｍ（ｑ）＋Ｗ_Ｎ（ｑ））によって記述可能な計算を行なうことによって実施する。ここで、Ｗ_Ｍ（ｑ）およびＷ_Ｎ（ｑ）は、ルールｑにおいて用いるカテゴリＭ_ｑおよびＮ_ｑに対する重み係数を表わす。たとえばＲ１８の場合、図７および８に例示したようにλ_ｉ＝Ａ、Δλ_ｉｉ＝Ｂと仮定するならば、ｉ∈Ｍ２およびｉ∈Ｎ３であり、その結果、Ｅ_１８＝Ｄ_１８＊（Ｗ_Ｍ２（Ａ）＋Ｗ_Ｎ３（Ｂ））となるであろう。

図示した新規中心的話者検出器１８０はさらに、検出器論理ユニット１９２に接続された加算器１９３と、加算器１９３に接続された比較器１９４とを備えている。加算器１９３は、検出器論理ユニット１９２から評価値を受信し、評価値Ｅ_１、Ｅ_２、．．．、Ｅ_ｊを加算して合計値Σを得る。比較器１９４は次に、合計値Σを閾値Ｔｒと比較して、合計値Σが閾値Ｔｒを上回っていたら、検出器出力１９５において中心的話者最大数増加通知を出力する。

再び図２を参照して、第２の論理回路ユニット３０２は、減少評価ユニット２００に接続されていても良い。減少評価ユニット２００は、中心的話者のストリームのうちの１つまたは複数、中心的話者のストリームの１つまたは複数のパラメータを、所定の中心的話者最大数減少基準と比較して、パラメータが所定の中心的話者最大数減少基準を満足していたら、第２の論理回路ユニット３０２に中心的話者最大数減少通知を出力するように、設けられても良い。通知に応答して、第２の論理回路ユニット３０２は、メモリ３０３に記憶された中心的話者最大数を減少させることができる。

図４の例では、減少評価ユニット２００は、入力インターフェース１４に接続された音声検出器２０４〜２０６を備えている。音声検出器２０４〜２０６は、動作中に、中心的話者のストリーム中の音声を検出する。

第２の論理回路ユニット３０２はさらに、入力インターフェース１４に接続された音量比較器２１１を備えている。音量比較器２１１は、中心的話者のストリームのうちの一または複数における少なくとも音声の強度を音量閾値と比較する。図４の例には、対応する計算部２０７〜２０９が含まれている。これらは、たとえば前述したように、入力ストリームのそれぞれに対して、音量値λを、音の音量を表わす対応する入力ストリームのパラメータから計算するように設けられている。図示した例では、別個の計算部が各入力ストリームに対して存在し、計算部は入力インターフェース１４に接続されている。計算部２０７〜２０９のそれぞれに対して、音声検出器２０４〜２０６が、その入力が入力インターフェース１４に接続されている。音声検出器２０４〜２０６は、入力ストリーム中の音声を検出して、音声が検出されたときには、対応する計算部２０７〜２０９を有効にし、音声が検出されなかったときには、対応する計算部２０７〜２０９を無効にするか、そのほかの場合には、計算部から閾値Ｔｒを下回る音量数が出力されることを確実にすることができる。

中心的話者のストリームの１もしくは複数において音声が検出されない場合、或いは中心的話者のストリームの１もしくは複数に対して強度が音量閾値Ｔｒを下回っていると音量比較器２１１が判定した場合、又はその両方である場合、減少評価ユニット２００は、通知を第２の論理回路ユニット３０２に出力する。通知に応答して、第２の論理回路ユニット３０２は次に、中心的話者最大数Ｋ_ｍａｘを減少させることができる。通知を発生させるために、図示した例には、ＯＲゲート２１３が含まれている。ＯＲゲート２１３は、第１の入力ポートが比較器２１１に接続され、第２の入力ポートが音声検出器に接続されている。中心的話者のストリームの一または複数に対して、強度が音量閾値Ｔｒを下回っていると音量比較器２１１が判定した場合、第１の入力ポートは音量比較器２１１によってアサートされる。音声検出器２０４〜２０６のうち一または複数において音声が検出されなかった場合、第２の入力ポートがアサートされる。ＯＲゲート２１３は、入力ポートのうちの少なくとも１つがアサートされたときには、２値の１の形式で通知を出力し、入力ポートがアサートされないときには、何も出力しない（２値の０の形式）。

図４に示す減少評価ユニット２００はさらに、セレクタ２１０、２１２を備えている。セレクタ２１０、２１２は、比較器２１３への入力として選出された最新の中心的話者のストリームの計算部２０７〜２０９と音声検出器２０４〜２０６とに、それぞれ接続されている。したがって、この例では、最新の中心的話者のストリームのパラメータのみが評価を受ける。しかし、減少評価ユニット２００は、代替的に他の中心的話者のストリームを評価しても良く、たとえば中心的話者のストリームのそれぞれに対して専用の比較器および音声検出器を備えていても良い。

本発明はまた、コンピュータ・システム上で実行するためのコンピュータ・プログラムであって、少なくともコード部分として、プログラマブル装置（たとえばコンピュータ・システム）上で実行されたときに本発明による方法の工程を行なうためのコード部分、またはプログラマブル装置が本発明による装置またはシステムの機能を行なえるようにするためのコード部分を含むコンピュータ・プログラムにおいて実施しても良い。

コンピュータ・プログラムは、特定のアプリケーション・プログラムやオペレーティング・システムなどの命令のリストである。コンピュータ・プログラムには、たとえば以下のうちの一または複数が含まれていても良い。サブルーチン、ファンクション、プロシジャー、オブジェクト・メソッド、オブジェクト・インプリメンテーション、実行可能なアプリケーション、アプレット、サーブレット、ソース・コード、オブジェクト・コード、共有ライブラリ／ダイナミック・ロード・ライブラリや他の命令列であって、コンピュータ・システム上での実行用にデザインされたもの。

コンピュータ・プログラムは、コンピュータ読取可能な記憶媒体上で内部的に記憶しても良いし（たとえば、図５に示すように）、またはコンピュータ読取可能な伝送媒体を介してコンピュータ・システムに送信しても良い。コンピュータ・プログラムの全部または一部を、情報処理システムに永続的に、取り外し可能に、または遠隔に結合されたコンピュータ読取可能媒体上に与えても良い。コンピュータ読取可能媒体は、たとえば、読み出し用の容器内に配置するコンピュータ読取可能媒体であっても良く、たとえば、限定することなく、以下のうちの任意の数を含んでいても良い。磁気記憶媒体（たとえば、ディスクおよびテープ記憶媒体）、光記録媒体たとえばコンパクト・ディスク媒体（たとえば、ＣＤ−ＲＯＭ、ＣＤ−Ｒなど）およびデジタル・ビデオ・ディスク記憶媒体、不揮発性メモリ記憶媒体たとえば半導体ベースのメモリ・ユニット（たとえば、フラッシュ・メモリ、ＥＥＰＲＯＭ、ＥＰＲＯＭ、ＲＯＭ）、強磁性デジタル・メモリ、ＭＲＡＭ、揮発性記憶媒体（たとえば、レジスタ、バッファまたはキャッシュ、メイン・メモリ、ＲＡＭなど）。コンピュータ読取可能媒体はまた、データ送信媒体（たとえば、ほんの少しだけ例を挙げると、コンピュータ・ネットワーク、ポイント・ツー・ポイント電気通信機器、および搬送波伝送媒体）であっても良い。

コンピュータ・プロセスには通常、実行（動作）プログラムまたはプログラムの一部、現在のプログラム値および状態の情報、ならびにプロセスの実行を管理するためにオペレーティング・システムが用いる資源が含まれている。オペレーティング・システム（ＯＳ）は、コンピュータの資源の共有を管理し、それら資源にアクセスするために用いられるインターフェースをプログラマに与えるソフトウェアである。オペレーティング・システムは、システム・データおよびユーザ入力を処理するとともに、応答を、タスクおよび内部システム・リソースをシステムのユーザおよびプログラムに対するサービスとして割り当てて管理することによって行なう。

コンピュータ・システムは、たとえば、少なくとも１つの処理ユニット、関連するメモリ、およびある数の入出力（Ｉ／Ｏ）装置を備えていても良い。コンピュータ・プログラムが実行されると、コンピュータ・システムは、コンピュータ・プログラムに従って情報を処理し、結果としての出力情報をＩ／Ｏ装置を介して生成する。

上述の明細書では、本発明を、本発明の実施形態の具体例を参照して説明してきた。しかし、添付の請求項で述べるような本発明のより広い趣旨および範囲から逸脱することなく、種々の変更および変形を施しても良いことが明白である。

たとえば、図７および８に例示した線形関数の代わりに、他の関数（たとえば放物線または双曲線）を用いても良い。また、異なる数のカテゴリＭ、Ｎや入力ストリームを用いても良い。

また、本明細書で述べたような接続部は、個々のノード、ユニット、または装置との間で、たとえば中間装置を介して、信号を転送することに適した任意のタイプの接続部であっても良い。したがって、他に暗示も記載もない限り、接続部は、たとえば、直接接続部であっても良いしまたは間接接続部であっても良い。接続部は、単一の接続部、複数の接続部、単方向性の接続部、または双方向性の接続部であることに関して例示または記載しても良い。しかし、異なる実施形態では、接続部の実施を変えても良い。たとえば、双方向性の接続部ではなく別個の単方向性の接続部を用いても良く、逆もまた同様である。また、複数の接続部の代わりに、多重信号を連続してまたは時分割方式で伝達する単一の接続部を用いても良い。同様に、多重信号を伝える単一の接続部を、これらの信号の下位集合を伝える種々の異なる接続部に分けても良い。したがって、多くのオプションが、信号の伝達に対して存在する。

さらに、本明細書で説明した各信号を正または負論理としてデザインしても良い。負論理信号の場合、信号は、論理的に真の状態が論理レベル０に対応するアクティブ・ローである。正論理信号の場合、信号は、論理的に真の状態が論理レベル１に対応するアクティブ・ハイである。なお、本明細書で説明した信号のどれも、負または正論理信号のいずれかとしてデザインすることができる。したがって、代替的な実施形態においては、正論理信号として記述される信号を負論理信号として実施しても良く、負論理信号として記述される信号を正論理信号として実施しても良い。

さらに、用語「アサートする」または「設定する」および「ネゲートする」（または「ディアサートする」もしくは「クリアする」）を、本明細書において、信号、ステータス・ビット、または同様の装置をその論理的に真または論理的に偽の状態にそれぞれすることに言及するときに用いている。論理的に真の状態が論理レベル１の場合には、論理的に偽の状態は論理レベル０である。また論理的に真の状態が論理レベル０の場合には、論理的に偽の状態は論理レベル１である。

当業者であればさらに分かるように、論理ブロック間の境界は単に例示的なものであり、代替的な実施形態では、論理ブロックまたは回路素子を統合しても良いし、または種々の論理ブロックまたは回路素子上で機能性を代替的に分解することを課しても良い。したがって、当然のことながら、本明細書で図示するアーキテクチャは単に典型的なものであり、実際には、同じ機能性を実現する他の多くのアーキテクチャを実施することができる。たとえば、図２〜４に示す音声検出器および計算部を、異なるユニットによって共有しても良い。

また、たとえば、一実施形態においては、例示した例を、単一の集積回路上にまたは同じ装置内に配置した回路構成として実施しても良い。たとえば、電話会議システムを、好適なプログラムされたプロセッサ（たとえば汎用マイクロプロセッサまたはデジタル・シグナル・プロセッサ）として実施しても良い。あるいは、例を、好適な方法で互いに相互接続された任意の数の別個の集積回路または別個の装置として実施しても良い。

また、例えば、例またはその一部を、物理的な回路構成または物理的な回路構成に変換可能な論理的表現のソフトまたはコード表現として実施することを、たとえば任意の適切なタイプのハードウェア記述言語において行なっても良い。

しかし、他の変更、変形、および代替案も可能である。したがって、明細書および図面は、限定的な意味ではなく例示的な意味で考えるべきである。
用語「備える」は、請求項に列挙されたもの以外の他の要素または工程の存在を排除するものではない。他に記載がない限り、用語たとえば「第１」および「第２」は、このような用語が記述する要素間を任意に区別するために用いられる。したがって、これらの用語は必ずしも、このような要素の時間的または他の優先順位を示すことが意図されているわけではない。特定の測定値が、互いに異なる請求項において列挙されているという単なる事実は、これらの測定値の組み合わせを有利に用いることができないということを示してはいない。

Claims (5)

1. 電話会議中に音信号の少なくとも２つの入力ストリームをそれぞれ別の供給源から受信するための入力インターフェースと、
   前記入力インターフェースに接続されるとともに、ある数の中心的話者のストリームを前記入力ストリームから選択するための選択ユニットであって、前記数は中心的話者最大数以下であり、前記中心的話者のストリームはそれぞれ、対応する中心的話者からの話し言葉を表わす、選択ユニットと、
   前記選択ユニットに接続されるとともに、前記選択されたストリームを出力ストリームに混合するための混合器と、
   前記出力ストリームを出力するための出力インターフェースと、
   前記選択ユニットおよび前記入力インターフェースに接続され、前記電話会議中に前記電話会議の動態に基づいて前記中心的話者最大数を動的に設定するための選択制御ユニットとを備える電話会議システムであって、
   前記選択制御ユニットは、
   中心的話者増加基準が満足されたときに前記中心的話者最大数を増加させるための第１の論理ユニットと、
   中心的話者減少基準が満足されたときに前記中心的話者最大数を減少させるための第２の論理ユニットとを備え、
   前記電話会議システムは、前記入力インターフェースに接続されるとともに、前記入力ストリームから追加の中心的話者のストリームを検出するための新規中心的話者検出器を備え、
   前記第１の論理ユニットは、前記新規中心的話者検出器に接続されるとともに、前記第１の論理ユニットが動作時に、前記数が前記中心的話者最大数に等しく前記新規中心的話者検出器が追加の中心的話者のストリームを検出したときに、前記中心的話者最大数を増加させるように設けられ、
   前記新規中心的話者検出器は、
   前記入力インターフェースに接続されるとともに、前記入力ストリームのそれぞれに対して、前記音信号の大きさを表わす対応する入力ストリームのパラメータから音量値を計算するための計算部と、
   前記計算部に接続されるとともに、少なくとも非中心的ストリームに対応する前記音量値に基づいて前記入力ストリームの非中心的ストリームを分類するための分類部と、
   前記分類部に接続されるとともに、前記分類に基づいて少なくとも１つのルールを評価して前記ルールのそれぞれに対して評価値を決定するための検出器論理ユニットと、
   前記評価値を加算して合計値を得るための加算器と、
   前記加算器に接続されるとともに、前記合計値を閾値と比較して、前記合計値が前記閾値を上回ったときに中心的話者最大数増加信号を出力する比較器とを備える、電話会議システム。
2. 前記入力インターフェースに接続されるとともに、少なくとも１つの前記中心的話者のストリームの少なくとも１つのパラメータを、所定の中心的話者最大数減少基準と比較するための減少評価ユニットを備え、
   前記第２の論理ユニットは、前記減少評価ユニットに接続されるとともに、動作中に、前記パラメータが前記所定の中心的話者最大数減少基準を満足するときに前記中心的話者最大数を減少させるように設けられる、請求項１に記載の電話会議システム。
3. 前記減少評価ユニットは、
   前記入力インターフェースに接続されるとともに、前記中心的話者のストリーム中の音声を検出するための音声検出器と、
   前記入力インターフェースに接続されるとともに、少なくとも１つの前記中心的話者のストリームにおける音声の強度を音量閾値と比較するための音量比較器とを備え、
   前記第２の論理ユニットは、前記中心的話者のストリームのうちの少なくとも１つにおいて音声が検出されないとき、或いは前記中心的話者のストリームのうちの少なくとも１つに対して前記強度が前記音量比較器によって前記音量閾値を下回っていると判定されたとき、又はその両方であるときに、前記中心的話者最大数を減少させるように設けられる、請求項２に記載の電話会議システム。
4. 電話会議中に音信号の少なくとも２つの入力ストリームをそれぞれ別の供給源から受信する工程と、
   ある数の中心的話者のストリームを前記入力ストリームから選択することであって、前記数は中心的話者最大数以下であり、前記中心的話者のストリームはそれぞれ、対応する中心的話者からの話し言葉を表わす、選択する工程と、
   前記選択したストリームを混合して出力ストリームにする工程と、
   前記出力ストリームを出力する工程と、
   前記電話会議中に前記電話会議の動態に基づいて前記中心的話者最大数を動的に設定する工程と、
   中心的話者増加基準が満足されたときに前記中心的話者最大数を増加させる工程と、
   中心的話者減少基準が満足されたときに前記中心的話者最大数を減少させる工程と、
   前記入力ストリームから追加の中心的話者のストリームを検出する工程と、
   前記数が前記中心的話者最大数に等しく追加の中心的話者のストリームが検出されたときに前記中心的話者最大数を増加させる工程と、
   前記入力ストリームのそれぞれに対して、前記音信号の大きさを表わす対応する入力ストリームのパラメータから音量値を計算する工程と、
   少なくとも非中心的ストリームに対応する前記音量値に基づいて前記入力ストリームの非中心的ストリームを分類する工程と、
   前記分類に基づいて少なくとも１つのルールを評価する工程と、
   前記ルールのそれぞれに対して評価値を決定する工程と、
   合計値を得るために前記評価値を加算する工程と、
   前記合計値を閾値と比較する工程と、
   前記合計値が前記閾値を上回ったときに中心的話者最大数増加信号を出力する工程とを備える電話会議方法。
5. プログラマブル装置によって実行可能なコンピュータ・プログラムを含むコンピュータ・プログラム製品であって、前記コンピュータ・プログラムは、前記プログラマブル装置によって実行されたときに請求項４に記載の方法を行なうためのコード部分を有するコンピュータ・プログラム製品。