JP6590511B2 - 音声入力装置並びに音声入力装置の制御方法及び制御プログラム - Google Patents

Description

本発明は、音声入力装置並びに音声入力装置の制御方法及び制御プログラムに関する。

従来、複数のマイクロホン（マイク）を用いて異なる位置の音源から発せられた音声を記録する音声入力装置が知られている。また、この種の音声入力装置に関する技術として、複数のマイクを介して記録された音声から音源の位置変化を推定する技術が知られている。例えば、特許文献１において提案されている音記録装置は、複数のマイクシステムで集音された音を表す音データを、その音データが出力された時刻情報とその音データが出力されたマイクシステムを識別するマイク識別情報とに関連付けて記憶するようにしている。このような情報を記憶しておくことにより、特許文献１において提案されている音記録装置は、音源の位置変化を音データの表す波形の変化として表示できるようにしている。

特開２００８−１５７７３号公報

近年、小型の音声入力装置が開発されている。この種の音声入力装置には、ユーザが手に持って使用したり、また、机に置いて使用したりするといった種々の使われ方がされる。一方で、この種の音声入力装置では、マイクの持つ指向性のため、音声入力装置の持ち方によって、十分な音量の音声を記録することができなかったり、多くのノイズ音が記録されたりすることがある。

本発明は、前記の事情に鑑みてなされたもので、複数のマイクを有する音声入力装置の持ち方等をガイドすることが可能する音声入力装置並びにその制御方法及び制御プログラムを提供することを目的とする。

前記の目的を達成するために、本発明の第１の態様の音声入力装置は、指向性の方向の異なる複数のマイクロホンを備えた音声入力装置であって、前記音声入力装置のユーザによる把持のされ方を判定する把持判定部と、前記把持判定部によって判定された把持のされ方が適切でない場合に、前記ユーザに対して警告をする警告制御部とを具備し、前記把持判定部は、前記複数のマイクロホンのそれぞれで取得される音声信号の間の位相差に基づいて前記把持のされ方を判定する。

また、前記の目的を達成するために、本発明の第２の態様の音声入力装置の制御方法は、指向性の方向の異なる複数のマイクロホンを備えた音声入力装置の制御方法であって、前記音声入力装置のユーザによる把持のされ方を判定することと、前記把持のされ方が適切でない場合に、前記ユーザに対して警告をすることとを具備し、前記把持のされ方を判定することは、前記複数のマイクロホンのそれぞれで取得される音声信号の間の位相差に基づいて前記把持のされ方を判定することを含む。

また、前記の目的を達成するために、本発明の第３の態様の音声入力装置の制御プログラムは、指向性の方向の異なる複数のマイクロホンを備えた音声入力装置の制御プログラムであって、前記音声入力装置のユーザによる把持のされ方を判定することと、前記把持のされ方が適切でない場合に、前記ユーザに対して警告をすることとをコンピュータに実行させ、前記把持のされ方を判定することは、前記複数のマイクロホンのそれぞれで取得される音声信号の間の位相差に基づいて前記把持のされ方を判定することを含む。

本発明によれば、複数のマイクを有する音声入力装置の持ち方等をガイドすることが可能する音声入力装置並びにその制御方法及び制御プログラムを提供することができる。

本発明の一実施形態に係る音声入力装置の構成を示すブロック図である。 図２（ａ）は音声入力装置を前面から見た外観図であり、図２（ｂ）は音声入力装置を側面から見た外観図である。 図３（ａ）はＡマイクの使用例を示す図であり、図３（ｂ）はＢマイクの使用例を示す図である。 音声入力装置の動作を示すフローチャートの第１図である。 音声入力装置の動作を示すフローチャートの第２図である。 音声入力装置の把持のされ方の判定について説明するための図である。 図６（ａ）はレベル表示の例であり、図６（ｂ）は警告表示の例である。 把持のされ方の判定の別の手法を説明するための図である。 図８（ａ）は把持のされ方の判定の別の手法においてＡマイクで取得される音声信号を示す図であり、図８（ｂ）は把持のされ方の判定の別の手法においてＢマイクで取得される音声信号を示す図である。

以下、図面を参照して本発明の実施形態を説明する。図１は、本発明の一実施形態に係る音声入力装置の構成を示すブロック図である。図２（ａ）は、音声入力装置を前面から見た外観図である。また、図２（ｂ）は、音声入力装置を側面から見た外観図である。ここで、前面は、例えば音声入力装置のタッチパネル（表示部）が設けられている面とする。また、上面は、ＬＥＤが設けられている面とする。

図１に示す音声入力装置１００は、Ａマイクロホン（マイク）１０２ａ及びＢマイクロホン（マイク）１０２ｂと、把持判定部１０４と、表示部１０６と、ＬＥＤ１０８と、振動部１１０と、記録部１１２と、スピーカ１１４と、タッチパネル１１６と、通信部１１８と、制御部１２０とを有している。音声入力装置１００は、例えば、音声記録機能に加えて通話機能等の各種の機能を備えた携帯機器である。しかしながら、音声入力装置１００は必ずしも通話機能を備えていなくてもよい。音声入力装置１００は、異なる用途に使用される複数のマイクを有していればよい。音声入力装置１００は、ＩＣレコーダ、スマートフォン等であってもよい。さらには、音声入力装置１００は、音声記録機能を必ずしも有していなくてもよい。

Ａマイク１０２ａ及び１０２ｂは、音声入力装置１００の外部からの音声を電気信号に変換する。Ａマイク１０２ａとＢマイク１０２ｂとは、それぞれ異なる用途に用いられる。Ａマイク１０２ａは、図２（ａ）及び図２（ｂ）に示すように、例えば音声入力装置１００の上面に配置されており、音声入力装置１００の上方向に沿った方向の指向性を有している。このため、Ａマイク１０２ａは音声入力装置１００の上方からの音声を感度良く検出する。このような、Ａマイク１０２ａは、例えば、図３（ａ）に示すようにユーザが音声入力装置１００の表示部１０６とは別の表示部を見ながら使用されるマイクである。また、Ｂマイク１０２ｂは、図２（ｂ）に示すように、例えば音声入力装置１００の前面下部に配置されており、音声入力装置１００の前方向に沿った方向の指向性を有している。このため、Ｂマイク１０２ｂは音声入力装置１００の前方からの音声を感度良く検出する。このようなＢマイク１０２ｂは、例えば、図３（ｂ）に示すようにユーザが音声入力装置１００の表示部１０６を見ながら使用されるマイクである。

把持判定部１０４は、現在の音声入力装置１００の把持のされ方を検出する。把持判定部１０４は、例えばＡマイク１０２ａを介して取得される音声信号とＢマイク１０２ｂを介して取得される音声信号との位相差に応じて把持のされ方を判定する。詳細については後で説明する。また、後述のタッチパネル１１６や操作部で検出された、ユーザの機器へのタッチを加味してもよく、重力等を利用した姿勢センサを具備して把持状態の判定時に、その結果を加味してもよい。

表示部１０６は、例えば液晶ディスプレイであって、各種の画像を表示する。例えば、表示部１０６は、ユーザが音声入力装置１００の各種の設定を行うためのメニュー画面を表示する。また、表示部１０６は、把持判定部１０４で判定された音声入力装置１００の把持のされ方に応じて各種の警告表示を行う。ＬＥＤ１０８は、表示部１０６と同様に、把持判定部１０４で判定された音声入力装置１００の把持のされ方に応じて各種の警告表示を行う。振動部１１０は、例えば超音波素子であり、把持判定部１０４で判定された音声入力装置１００の把持のされ方に応じて振動する。

記録部１１２は、例えばフラッシュメモリであり、Ａマイク１０２ａを介して取得される音声信号に基づいて生成された音声データ又はＢマイク１０２ｂを介して取得される音声信号に基づいて生成された音声データを音声ファイルの形式で記録する。

スピーカ１１４は、記録部１１２に記録された音声ファイルに基づく音声信号に従って音声を発する。

タッチパネル１１６は、表示部１０６に重ねられるように設けられている。もちろん、表示部外に設けてもよい。タッチパネル１１６は、ユーザによる接触操作を検出し、検出した接触操作に応じた信号を制御部１２０に入力する。この接触状態を検出して把持判定に利用しても良い。機器の形状にもよるが、利用時にタッチされるべきでない所がタッチされたりしていれば、それだけで把持がおかしいと考えられる。また、そもそも把持がされていないとか、ポケットに入っている等も、タッチパネルの配置や感度に従って検出することが可能である。なお、図１では、音声入力装置１００の操作部としてタッチパネル１１６が示されている。音声入力装置１００は、タッチパネル１１６以外の操作部を有していてもよい。

通信部１１８は、例えば携帯電話回線であり、他の音声入力装置との通信を行う。ここでは携帯電話回線としているが、無線ＬＡＮ回線等であってもよい。

制御部１２０は、例えばＣＰＵ及びメモリを備えたＡＳＩＣであり、音声入力装置１００の動作を制御する。制御部１２０は、音声記録制御部１２０ａと、音声再生制御部１２０ｂと、表示制御部１２０ｃと、警告制御部１２０ｄとを有している。音声記録制御部１２０ａは、Ａマイク１０２ａ又は１０２ｂを介して取得される音声信号を記録部１１２に記録するまでの一連の処理を制御する。音声再生制御部１２０ｂは、記録部１１２に記録されている音声ファイルに基づく音声をスピーカ１１４において再生するまでの一連の処理を制御する。表示制御部１２０ｃは、表示部１０６における各種の表示を制御する。警告制御部１２０ｄは、把持判定部１０４で判定された音声入力装置１００の把持のされ方によって各種の警告を行う。

以下、本実施形態における音声入力装置１００の動作を説明する。図４Ａ及び図４Ｂは、音声入力装置１００の動作を示すフローチャートである。

ステップＳ１０１において、制御部１２０は、音声入力装置１００で各種の機能を実行するためのアプリケーションソフトウェア（以下、アプリケーションと記す）の一覧を表示する。アプリケーションは、録音アプリケーションを少なくとも含む。アプリケーションは、通話等のアプリケーションを含んでいてもよい。

ステップＳ１０２において、制御部１２０は、例えばタッチパネル１１６の出力から、ユーザによって録音アプリケーションが選択されたか否かを判定する。ステップＳ１０２において録音アプリケーションが選択されたと判定された場合に、処理はステップＳ１０３に移行する。ステップＳ１０３において録音アプリケーションが選択されていないと判定された場合に、処理はステップＳ１２０に移行する。

ステップＳ１０３において、制御部１２０は、録音アプリケーションを起動する。そして、制御部１２０は、例えばタッチパネル１１６の出力から、録音開始指示がされたか否かを判定する。ステップＳ１０３において録音開始指示がされたと判定された場合には、処理はステップＳ１０４に移行する。ステップＳ１０３において録音開始指示がされていないと判定された場合には、処理は待機される。なお、処理の待機中において録音アプリケーションを終了させたり、別のアプリケーションを起動したりできるように音声入力装置１００が構成されていてもよい。

ステップＳ１０４において、制御部１２０は、Ａマイク１０２ａ及びＢマイク１０２ｂを介して音声信号を取得する。ステップＳ１０５において、制御部１２０は、Ａマイク１０２ａ及びＢマイク１０２ｂを介して取得された音声信号を把持判定部１０４に入力する。これを受けて把持判定部１０４は、音声入力装置１００の把持のされ方を判定するために、Ａマイク１０２ａから取得される音声信号とＢマイク１０２ｂから取得される音声信号のそれぞれのノイズを除去する。ノイズの除去は、例えば特定の周波数帯域の音声信号を除去するフィルタをＡマイク１０２ａから取得される音声信号とＢマイク１０２ｂから取得される音声信号のそれぞれに適用することで行われる。この他、ノイズの除去は、雑音に相当する音声信号をＡマイク１０２ａから取得される音声信号とＢマイク１０２ｂから取得される音声信号のそれぞれから減算することでも行われ得る。なお、ステップＳ１０４のノイズ除去は、ステップＳ１０５の把持のされ方の判定をし易くするための処理である。ノイズが小さいことが分かっている場合等では、ステップＳ１０５のノイズ除去は必ずしも行われなくてもよい。

ステップＳ１０６において、把持判定部１０４は、ノイズ除去された音声信号から音声入力装置１００の把持のされ方を判定する。以下、把持のされ方の判定について図５を参照して説明する。

まず、本実施形態における音声入力装置１００の好ましい把持のされ方は、図５（ａ）又は図５（ｂ）の何れかの把持のされ方であるとする。また、音声入力装置１００の上下方向の長さがｄであるとする。さらに、音速をｖｓとする。なお、音速ｖｓは、例えば１気圧の乾燥空気、２０度における音速である３４４ｍ／ｓである。

図５（ａ）で示す把持のされ方は、Ａマイク１０２ａのマイク面に対してユーザが発した音声が垂直に入射され、かつ、Ａマイク１０２ａのマイク面とユーザの口元Ｍとの距離が所定距離ＤＡとなる把持のされ方である。一方、図５（ｂ）で示す把持のされ方は、Ｂマイク１０２ｂのマイク面に対してユーザが発した音声が垂直に入射され、かつ、Ｂマイク１０２ｂのマイク面とユーザの口元Ｍとの距離が所定距離ＤＢとなる把持のされ方である。所定距離ＤＡ及びＤＢは、マイクで録音するのに近すぎず、遠すぎでもない最適な距離であって、例えば実験によって設定される距離である。この図から明らかなように、ユーザが重力方向に顔の上下を揃えている状態では装置、機器の傾きが明らかに異なるので、複数の検出軸を有する傾きセンサによって機器の傾きを判定して把持状態の判定に利用してもよく、この図５では図示していないが、ユーザが機器を持つ時の手の接触位置も、どのマイクを使うかで異なるので、自然とタッチ位置が変わることから、このタッチ状態をタッチパネル等で判定しても把持のされ方の判定は可能である。これらの音声や傾きやタッチを総合的に判断、あるいは選択的に判断して把持のされ方情報を得ればよい。ここでは、最も単純で、録音機器なら必ず有するマイクの入力を用いて把持のされ方を判定する方法を説明する。

図５（ａ）で示すような把持のされ方がされている場合、ユーザの口元Ｍから発せられた音声は、ユーザの口元Ｍから距離ＤＡだけ離れたＡマイク１０２ａと距離Ｄｂ（＝ＤＡ＋ｄ）だけ離れたＢマイク１０２ｂで取得される。距離の異なる２つのマイクのそれぞれで音声が取得されるので、それぞれの音声信号の間には位相差ＰＡＢが生じる。このとき、以下の（式１）で示す関係が成立する。
ＰＡＢ×ｖｓ＝Ｄｂ−ＤＡ＝ｄ （式１）
つまり、Ａマイク１０２ａを介して取得される音声信号とＢマイク１０２ｂを介して取得される音声信号との間の位相差が（式１）に示す関係を満足していれば、ユーザは音声入力装置１００を図５（ａ）で示すようにして把持していると考えることができる。一方、位相差が（式１）に示す関係を満足していなければ、ユーザは音声入力装置１００を図５（ａ）で示すようにして把持しておらず、この結果、ユーザの発した音声は効率よくＡマイク１０２ａに入射していないと考えることができる。なお、位相差ＰＡＢが音声信号の１周期内に収まっていれば、位相差ＰＡＢからユーザの口元Ｍと音声入力装置１００との距離を推定することが可能である。

また、図５（ｂ）で示すような把持のされ方がされている場合も、ユーザの口元Ｍから発せられた音声は、ユーザの口元Ｍから距離ＤＢだけ離れたＢマイク１０２ａと距離Ｄａだけ離れたＡマイク１０２ａで取得される。この場合も、距離の異なる２つのマイクのそれぞれで音声が取得されるので、それぞれの音声信号の間には位相差ＰＡＢが生じる。このとき、以下の（式２）で示す関係が成立する。
ＰＡＢ×ｖｓ＝Ｄａ−ＤＢ （式２）
ただし、Ｄａ＝√（ＤＢ^２＋ｄ^２）
つまり、Ａマイク１０２ａを介して取得される音声信号とＢマイク１０２ｂを介して取得される音声信号との間の位相差が（式２）に示す関係を満足していれば、ユーザは音声入力装置１００を図５（ｂ）で示すようにして把持していると考えることができる。一方、位相差が（式２）に示す関係を満足していなければ、ユーザは音声入力装置１００を図５（ｂ）で示すようにして把持しておらず、この結果、ユーザの発した音声は効率よくＢマイク１０２ｂに入射していないと考えることができる。

ここで、図４Ａ及び図４Ｂの説明に戻る。ステップＳ１０７において、制御部１２０は、現在、ユーザによってＡマイクが利用されているか否かを判定する。ステップＳ１０７では、例えば、Ａマイク１０２ａを介して取得される音声信号のほうがＢマイク１０２ｂを介して取得される音声信号よりも大きければ図５（ａ）に近い把持のされ方がされている、すなわちＡマイクが利用されていると判定され、Ｂマイク１０２ｂを介して取得される音声信号のほうがＡマイク１０２ａを介して取得される音声信号よりも大きければ図５（ｂ）に近い把持のされ方がされている、すなわちＢマイクが利用されていると判定される。ステップＳ１０７においてＡマイク１０２ａが利用されていると判定された場合には、処理はステップＳ１０８に移行する。ステップＳ１０７においてＢマイク１０２ｂが利用されていると判定された場合には、処理はステップＳ１１５に移行する。なお、どのマイクが使われているかの検出に、この図５で説明したように、傾き情報を利用してもよい。さらに、ユーザが機器を持つ時の手の接触位置がどのマイクを使うかで異なること、また、タッチ位置が変わることから、これらのタッチ状態をタッチパネル等で判定してマイクの使われ方の判定をしてもよい。これらの音声や傾きやタッチを総合的に判断、あるいは選択的に判断して把持のされ方（マイクの使われ方）情報を得れば精度を高めたり、判定の簡便性を高めたり、設計の自由度を高めることができる。

ステップＳ１０８において、制御部１２０は、Ａマイク１０２ａを介して取得される音声の音量が規定値を超えているか否かを判定する。ステップＳ１０８において、音量が規定値を超えていないと判定された場合には、処理はステップＳ１０９に移行する。音量が規定値を超えていると判定された場合には、処理はステップＳ１１０に移行する。

ステップＳ１０９において、制御部１２０は、十分な音量の音声が取得できていないので、Ａマイク１０２ａに口を近づけるようにユーザに警告する。その後、処理はステップＳ１１２に移行する。なお、図５（ａ）に近い把持のされ方では、ユーザは、表示部１０６の表示を見ることが困難である。したがって、制御部１２０は、ＬＥＤ１０８を点滅させたり、振動部１１０を振動させたりして警告を行う。振動のさせ方も、複数の振動部を選択して、把持の仕方を反映させて、最適な振動を発生させてもよい。もちろん、振動に限らず警告表示を出しても良く、ＬＥＤを点滅させたり、音声ガイドを行うようにしても良い。

ステップＳ１１０において、制御部１２０は、把持判定部１０４における判定結果から、Ａマイク１０２ａを介して取得される音声信号とＢマイク１０２ｂを介して取得される音声信号との間の位相差が（式１）に示す関係を満足しているか否かを判定する。なお、厳密に（式１）の関係を満たしていなくてもよい。すなわち、多少の誤差は許容される。ステップＳ１１０において位相差が（式１）に示す関係を満足していると判定された場合には、処理はステップＳ１１１に移行する。ステップＳ１１０において位相差が（式１）に示す関係を満足していないと判定された場合には、処理はステップＳ１１２に移行する。

ステップＳ１１１において、制御部１２０は、図５（ａ）のような把持のされ方で音声入力装置１００が把持されていないことを警告する。その後、処理はステップＳ１１２に移行する。ステップＳ１１１においても制御部１２０は、ＬＥＤ１０８を点滅させたり、振動部１１０を振動させたりして警告を行う。この際、ステップＳ１０９における警告とはＬＥＤ１０８の点滅パターンや点滅色を変更したり、振動部１１０の振動パターンを変更したりすることで、ステップＳ１０９の警告とステップＳ１１１の警告とをユーザが識別できるようにすることが望ましい。

ステップＳ１１２において、制御部１２０は、例えばタッチパネル１１６の出力から、録音終了指示がされたか否かを判定する。ステップＳ１１２において録音終了指示がされていないと判定された場合には、処理はステップＳ１０４に戻る。ステップＳ１１２において録音終了指示がされたと判定された場合には、処理はステップＳ１１３に移行する。

ステップＳ１１３において、制御部１２０は、録音開始から録音終了までに取得された音声信号から音声ファイルを生成する。ステップＳ１１４において、制御部１２０は、生成した音声ファイルのヘッダに各種の情報を記録する。各種の情報は、音声ファイルのファイル名等である。その後、処理はステップＳ１０１に戻る。

ステップＳ１１５において、制御部１２０は、Ｂマイク１０２ｂを介して取得される音声の音量が規定値を超えているか否かを判定する。ステップＳ１１５において、音量が規定値を超えていないと判定された場合には、処理はステップＳ１１６に移行する。音量が規定値を超えていると判定された場合には、処理はステップＳ１１７に移行する。

ステップＳ１１６において、制御部１２０は、十分な音量の音声が取得できていないので、Ｂマイク１０２ｂに口を近づけるようにユーザに警告する。その後、処理はステップＳ１１２に移行する。なお、図５（ｂ）に近い把持のされ方では、ユーザは、表示部１０６の表示を見ることができる。したがって、制御部１２０は、表示部１０６によって警告を行う。勿論、ステップＳ１１６においてＬＥＤ１０８を点滅させたり、振動部１１０を振動させたりして警告が行われるように構成されていてもよい。

ステップＳ１１７において、制御部１２０は、Ｂマイク１０２ｂを介して取得される音量を示すレベル表示を表示部１０６に対して行う。図６（ａ）はレベル表示の例を示している。

ステップＳ１１８において、制御部１２０は、把持判定部１０４における判定結果から、Ａマイク１０２ａを介して取得される音声信号とＢマイク１０２ｂを介して取得される音声信号との間の位相差が（式２）に示す関係を満足しているか否かを判定する。なお、厳密に（式２）の関係を満たしていなくてもよい。すなわち、多少の誤差は許容される。ステップＳ１１８において位相差が（式２）に示す関係を満足していると判定された場合には、処理はステップＳ１１９に移行する。ステップＳ１１８において位相差が（式２）に示す関係を満足していないと判定された場合には、処理はステップＳ１１２に移行する。

ステップＳ１１９において、制御部１２０は、図５（ｂ）のような把持のされ方で音声入力装置１００が把持されていないことを警告する。その後、処理はステップＳ１１２に移行する。ステップＳ１１９においても制御部１２０は、表示部１０６によって警告を行う。図６（ｂ）は警告表示の例を示している。図６（ｂ）は、ユーザの口元Ｍと音声入力装置１００との距離が近すぎる場合の警告表示の例である。このとき、ユーザの口元Ｍと音声入力装置１００との距離が近すぎるので、音声入力装置１００とユーザの口元Ｍとの距離を離すように促す警告が行われる。なお、ステップＳ１１９においてＬＥＤ１０８を点滅させたり、振動部１１０を振動させたりして警告が行われるように構成されていてもよい。

ステップＳ１２０において、制御部１２０は、通話を開始するか否かを判定する。ステップＳ１２０においては、着信応答がされたか又は発信操作がされたか通話を開始すると判定される。ステップＳ１２０において通話を開始すると判定された場合には、処理はステップＳ１２１に移行する。ステップＳ１２０において通話を開始しないと判定された場合には、処理はステップＳ１２９に移行する。

ステップＳ１２１において、制御部１２０は、Ａマイク１０２ａ及びＢマイク１０２ｂを介して音声信号を取得する。ステップＳ１２２において、制御部１２０は、Ａマイク１０２ａ及びＢマイク１０２ｂを介して取得された音声信号を把持判定部１０４に入力する。これを受けて把持判定部１０４は、音声入力装置１００の把持のされ方を判定するために、Ａマイク１０２ａから取得される音声信号とＢマイク１０２ｂから取得される音声信号のそれぞれのノイズを除去する。なお、通話の場合はユーザによってＢマイク１０２ｂが利用されるものとする。したがって、録音時のような把持のされ方の判定は省略される。

ステップＳ１２３において、把持判定部１０４は、ノイズ除去された音声信号の音圧の大きさ、すなわち音量が規定値を超えているか否かを判定する。ステップＳ１２３において、音量が規定値を超えていないと判定された場合には、処理はステップＳ１２４に移行する。音量が規定値を超えていると判定された場合には、処理はステップＳ１２５に移行する。

ステップＳ１２４において、制御部１２０は、ステップＳ１１６において、制御部１２０は、十分な音量の音声が取得できていないので、Ｂマイク１０２ｂに口を近づけるようにユーザに警告する。その後、処理はステップＳ１２８に移行する。なお、図５（ｂ）に近い把持のされ方では、ユーザは、表示部１０６の表示を見ることができる。したがって、制御部１２０は、表示部１０６によって警告を行う。勿論、ステップＳ１１６においてＬＥＤ１０８を点滅させたり、振動部１１０を振動させたりして警告が行われるように構成されていてもよい。

ステップＳ１２５において、制御部１２０は、通話用の各種の表示を表示部１０６に対して行う。

ステップＳ１２６において、制御部１２０は、把持判定部１０４における判定結果から、Ａマイク１０２ａを介して取得される音声信号とＢマイク１０２ｂを介して取得される音声信号との間の位相差が（式２）に示す関係を満足しているか否かを判定する。なお、厳密に（式２）の関係を満たしていなくてもよい。すなわち、多少の誤差は許容される。ステップＳ１２６において位相差が（式２）に示す関係を満足していると判定された場合には、処理はステップＳ１２７に移行する。ステップＳ１２６において位相差が（式２）に示す関係を満足していないと判定された場合には、処理はステップＳ１２８に移行する。

ステップＳ１２７において、制御部１２０は、図５（ｂ）のような把持のされ方で音声入力装置１００が把持されていないことを警告する。その後、処理はステップＳ１２８に移行する。ステップＳ１２７においても制御部１２０は、表示部１０６によって警告を行う。勿論、ＬＥＤ１０８を点滅させたり、振動部１１０を振動させたりして警告が行われるように構成されていてもよい。

ステップＳ１２８において、制御部１２０は、通話を終了するか否かを判定する。ステップＳ１２８においては、ユーザ自身又は通話の相手によって通話終了指示がされたと判定された場合に、通話を終了すると判定される。ステップＳ１２８において通話を終了すると判定された場合には、処理はステップＳ１０１に戻る。ステップＳ１２８において録音を終了しないと判定された場合には、処理はステップＳ１２１に戻る。

ステップＳ１２９において、制御部１２０は、録音又は通話以外のその他の処理を行う。その他の処理の終了後、処理はステップＳ１０１に戻る。

以上説明したように本実施形態によれば、それぞれが異なる方向の指向性を有する複数のマイクを備えた音声入力装置１００の把持のされ方が適正でない場合に警告が行われる。これにより、Ａマイク１０２ａ又はＢマイク１０２ｂのうちで現在使用中であると推定されるほうのマイクに効率よく音声を入射させることが可能である。

また、本実施形態によれば、Ａマイク１０２ａとＢマイク１０２ｂとで取得される音量の差により、Ａマイク１０２ａが利用されているのか又はＢマイク１０２ｂが利用されているのかが判定される。このように、何れのマイクが使用中であるかを判定することにより、より適切な把持のされ方の判定が行われる。

［変形例］
以下、本実施形態の変形例を説明する。前述した実施形態では、Ａマイク１０２ａ及びＢマイク１０２ｂからそれぞれ取得される音声信号の位相差によって把持のされ方が適正であるか否かが判定される。把持のされ方の判定の別の手法として、図７で示した手法がある。図７の別の手法では、音声入力装置１００に音源１２２が設けられている。音源１２２の種類は特に限定されない。

図７のような構成において、音源１２２からユーザに向けて音波が射出される。この音波のユーザからの反射音波は、Ａマイク１０２ａ及びＢマイク１０２ｂのそれぞれで取得される。

実際には、例えば、図５（ａ）で示すような把持のされ方がされている場合、Ａマイク１０２ａでは、ユーザからの反射音波に基づく音声信号ＳＵは殆ど取得されず、図８（ａ）の実線で示す音源１２２自体の振動に基づく音声信号が取得される。一方、Ｂマイク１０２ｂでは、図８（ｂ）の実線で示す音源１２２自体の振動に基づく音声信号ＳＵが取得されるのに加え、図８（ｂ）の破線で示すユーザからの反射音波に基づく音声信号ＳＲも取得される。音声信号ＳＲは、音声信号ＳＵに対して遅れ位相になる。すなわち、Ｂマイク１０２ｂにおいて音声信号ＳＲが取得される時間と音声信号ＳＵが取得される時間とは異なる。したがって、この時間差が適切な値であるか否かを判定することにより、前述した実施形態と同様に音声入力装置１００が適切に把持されているか否かを判定することが可能である。なお、図７は、図５（ａ）で示すような把持のされ方がされている場合の例である。しかしながら、図５（ｂ）で示すような把持のされ方がされている場合であっても同様の考え方で判定が行われ得る。

また、図７の例では、音源１２２から音波が射出される。この音波の射出タイミングは、Ａマイク１０２ａで取得される音声の音量がないときであることが望ましい。このように音波の射出のタイミングを制御することにより、録音中に不要な音が混入してしまうことを防止できる。

また、把持のされ方の判定は、必ずしも音声信号に基づいて行われなくてもよい。例えば、把持判定部１０４に加速度センサ等の姿勢センサを設けるようにすることができる。この場合、姿勢センサの出力から音声入力装置１００の把持のされ方は判定され得る。音声入力装置１００の姿勢も併せて判定をすることにより、音声入力装置１００が適切な角度で把持されているか、適切な角度にするためにユーザが音声入力装置１００をどの程度傾ければよいかといった情報も取得できる。タッチパネル情報を利用してもよいこともすでに記載したとおりである。

この他に、タッチパネル１１６の出力からも把持のされ方は判定され得る。例えば図５（ａ）と図５（ｂ）では、図５（ａ）ではタッチパネル１１６の押圧が検出され、図５（ｂ）では検出されない。このようなタッチパネル１１６の出力差から把持のされ方は判定され得る。このように、本実施形態及び変形例の技術では、音声入力装置１００の把持のされ方の判定手法は特定の手法に限定されない。

以上実施形態に基づいて本発明を説明したが、本発明は上述した実施形態に限定されるものではなく、本発明の要旨の範囲内で種々の変形や応用が可能なことは勿論である。また、前述の各動作フローチャートの説明において、便宜上「まず」、「次に」等を用いて動作を説明しているが、この順で動作を実施することが必須であることを意味するものではない。

また、前述した実施形態による各処理は、コンピュータとしてのＣＰＵ等に実行させることができるプログラムとして記憶させておくこともできる。この他、メモリカード、磁気ディスク、光ディスク、半導体メモリ等の外部記憶装置の記憶媒体に格納して配布することができる。そして、ＣＰＵ等は、この外部記憶装置の記憶媒体に記憶されたプログラムを読み込み、この読み込んだプログラムによって動作が制御されることにより、前述した処理を実行することができる。

さらに、上記した実施形態には種々の段階の発明が含まれており、開示される複数の構成要件の適当な組合せにより種々の発明が抽出され得る。例えば、実施形態に示される全構成要件からいくつかの構成要件が削除されても、上述したような課題を解決でき、上述したような効果が得られる場合には、この構成要件が削除された構成も発明として抽出され得る。

１００ 音声入力装置、１０２ａ Ａマイクロホン（マイク）、１０２ｂ Ｂマイクロホン（マイク）、１０４ 把持判定部、１０６ 表示部、１１０ 振動部、１１２ 記録部、１１４ スピーカ、１１６ タッチパネル、１１８ 通信部、１２０ 制御部、１２０ａ 音声記録制御部、１２０ｂ 音声再生制御部、１２０ｃ 表示制御部、１２０ｄ 警告制御部、１２２ 音源

Claims (7)

1. 指向性の方向の異なる複数のマイクロホンを備えた音声入力装置であって、
   前記音声入力装置のユーザによる把持のされ方を判定する把持判定部と、
   前記把持判定部によって判定された把持のされ方が適切でない場合に、前記ユーザに対して警告をする警告制御部と、
   を具備し、
   前記把持判定部は、前記複数のマイクロホンのそれぞれで取得される音声信号の間の位相差に基づいて前記把持のされ方を判定する音声入力装置。
2. 前記警告制御部は、前記ユーザから発せられて前記複数のマイクロホンのそれぞれで取得される音声の音量の最も大きなマイクロホンを基準として前記把持のされ方が適切であるか否かを判定する請求項１に記載の音声入力装置。
3. 前記把持判定部は、前記複数のマイクロホンのそれぞれで取得される音声信号のノイズを除去してから前記把持のされ方を判定する請求項１に記載の音声入力装置。
4. 前記音声入力装置の姿勢を検出する姿勢センサをさらに具備し、
   前記把持判定部は、さらに前記姿勢センサの出力に基づいて前記把持のされ方を判定する請求項１に記載の音声入力装置。
5. 前記複数のマイクロホンは、前記音声入力装置の本体の異なる面内に設けられている請求項１乃至４の何れか１項に記載の音声入力装置。
6. 指向性の方向の異なる複数のマイクロホンを備えた音声入力装置の制御方法であって、
   前記音声入力装置のユーザによる把持のされ方を判定することと、
   前記把持のされ方が適切でない場合に、前記ユーザに対して警告をすることと、
   を具備し、
   前記把持のされ方を判定することは、前記複数のマイクロホンのそれぞれで取得される音声信号の間の位相差に基づいて前記把持のされ方を判定することを含む音声入力装置の制御方法。
7. 指向性の方向の異なる複数のマイクロホンを備えた音声入力装置の制御プログラムであって、
   前記音声入力装置のユーザによる把持のされ方を判定することと、
   前記把持のされ方が適切でない場合に、前記ユーザに対して警告をすることと、
   をコンピュータに実行させ、
   前記把持のされ方を判定することは、前記複数のマイクロホンのそれぞれで取得される音声信号の間の位相差に基づいて前記把持のされ方を判定することを含む音声入力装置の制御プログラム。