JP6765697B1 - 情報処理装置、情報処理方法およびコンピュータプログラム - Google Patents

Abstract

【課題】 複数の情報の発生源を区別して音声を出力することができる情報処理装置、情報処理方法およびコンピュータプログラムを提供する。【解決手段】 本発明の情報処理装置は、第一の音声情報を受け付ける受付部と、第二の音声情報を生成する生成部と、受付部が受け付けた第一の音声情報および生成部が生成した第二の音声情報に基づいて、出力用の音声データを生成する合成部と、合成部が生成した音声データを、ユーザが装着する音声再生デバイスに出力する出力部とを備え、合成部は、第一の音声情報に基づく音声と、第二の音声情報に基づく音声とが、異なる発生源から発生した音声であることが識別可能に、音声データを生成する。【選択図】 図２

Description

本発明は、情報処理装置、情報処理方法およびコンピュータプログラムに関する。

サービス業界等において、業務中の各種情報をイヤフォンからの音声により取得する技術が普及している（例えば特許文献１等）。

一例として空港で働くスタッフの例を挙げると、取得すべき情報には、飛行機の運航状況に関する情報、スタッフ間の業務連絡に関する情報、および、スタッフ間のテキストチャットの情報など様々な情報がある。

特開２００９−４８５６

しかしながら、このような様々な情報のすべてがイヤフォン等から再生されると、ユーザには各情報の発生源の区別をつけることができない。

そのため、本発明の目的は、上述した従来技術の問題の少なくとも一部を解決又は緩和する技術的な改善を提供することである。本開示のより具体的な目的の一つは、複数の情報の発生源を区別して音声を出力することができる情報処理装置、情報処理方法およびコンピュータプログラムを提供することにある。

本発明の情報処理装置は、第一の音声情報を受け付ける受付部と、第二の音声情報を生成する生成部と、受付部が受け付けた第一の音声情報および生成部が生成した第二の音声情報に基づいて、出力用の音声データを生成する合成部と、合成部が生成した音声データを、ユーザが装着する音声再生デバイスに出力する出力部とを備え、合成部は、第一の音声情報に基づく音声と、第二の音声情報に基づく音声とが、異なる発生源から発生した音声であることが識別可能に、音声データを生成することを特徴とする。

合成部は、ユーザに、第一の音声情報に基づく音声が第一の仮想音源から聞こえ、かつ、第二の音声情報に基づく音声が第一の仮想音源とは異なる第二の仮想音源から聞こえるよう、音声データを生成することができる。

受付部は、無線通信を介して第一の音声情報を受け付けることができる。

生成部は、所定のメッセージサービスを介して送受信されるテキストデータから第二の音声情報を生成することができる。

合成部は、さらに、第一の音声情報および第二の音声情報の中から所定の条件に基づいて特定の音声を特定し、ユーザに、特定の音声が強調されて聞こえるよう音声データを生成することができる。

合成部は、特定の音声が、第一の仮想音源および第二の仮想音源とは異なる特定の仮想音源から聞こえるよう音声データを生成することができる。

合成部は、ユーザに、第一の音声情報に基づく音声が第一の仮想音源から聞こえ、第二の音声情報に基づく音声が第一の仮想音源とは異なる第二の仮想音源から聞こえ、かつ、特定の音声が、第一の仮想音源および第二の仮想音源とは異なる特定の仮想音源から聞こえるよう音声データを生成することができる。

合成部は、音声再生デバイスがステレオ機能を有するデバイスか否かに応じて、異なる音声データを生成することができる。

本発明の情報処理方法は、情報処理装置に、第一の音声情報を受け付ける受付ステップと、第二の音声情報を生成する生成ステップと、受付ステップにおいて受け付けた第一の音声情報および生成ステップにおいて生成した第二の音声情報に基づいて、出力用の音声データを生成する合成ステップと、合成ステップにおいて生成した音声データを、ユーザが装着する音声再生デバイスに出力する出力ステップとを実行させ、合成ステップでは、第一の音声情報に基づく音声と、第二の音声情報に基づく音声とが、異なる発生源から発生した音声であることが識別可能に、音声データを生成することを特徴とする。

本発明のコンピュータプログラムは、情報処理装置に、第一の音声情報を受け付ける受付機能と、第二の音声情報を生成する生成機能と、受付機能が受け付けた第一の音声情報および生成機能が生成した第二の音声情報に基づいて、出力用の音声データを生成する合成機能と、合成機能が生成した音声データを、ユーザが装着する音声再生デバイスに出力する出力機能とを実現させ、合成機能は、第一の音声情報に基づく音声と、第二の音声情報に基づく音声とが、異なる発生源から発生した音声であることが識別可能に、音声データを生成することを特徴とする。

本発明によれば、上述した従来技術の問題の少なくとも一部を解決又は緩和する技術的な改善を提供することができる。具体的には、本発明によれば、複数の情報の発生源を区別して音声を出力することができる。

本発明の情報処理装置の実施形態の構成を示す構成図である。 本発明の実施形態のイメージを示す概念図である。 本発明の実施形態のイメージを示す概念図である。 本発明の情報処理装置における情報処理方法の一例を示すフロー図である。 本発明のコンピュータプログラムの機能の一例を示す回路構成図である。

本発明の情報処理装置、処理方法およびコンピュータプログラムの実施形態について、図面を参照しながら説明する。

初めに、本発明の情報処理装置の実施形態について図面を参照しながら説明する。

図１に示すように、本発明の情報処理装置１００は、受付部１１０と、生成部１２０と、合成部１３０と、出力部１４０とを備える。

受付部１１０は、第一の音声情報を受け付ける。

第一の音声情報とは、一例として、無線通信を利用して送受信される音声の情報とすることができる。具体的には、第一の音声情報には、トランシーバやインカム等の無線送受信機を利用して特定の周波数帯で送受信される音声情報、電話回線を利用して送受信される音声情報、インターネットを利用して送受信される音声情報、近距離無線通信を利用して送受信される音声情報等が含まれる。

そして、上記通信手段により送受信される複数の音声は、手段または含まれるユーザのグループごとに一つの単位として管理され、この単位毎に一の発生源から発生した音声として管理されることができる。

例えば、ユーザＢとユーザＣとが無線送受信機を利用して音声の送受信をしている場合、これら音声は同一の発生源から発生したものとして管理される。

生成部１２０は、第二の音声情報を生成する。

第二の音声情報とは、一例として、所定のメッセージサービスを介して送受信されるテキストデータから生成されたものとすることができる。具体的には、第二の音声情報には、テキストデータを公知の音声合成技術を用いて読み上げた音声情報等が含まれる。

そして、上記通読み上げられた複数の音声は、サービス、グループまたはトークごとに一つの単位として管理され、この単位毎に一の発生源から発生した音声として管理されることができる。

合成部１３０は、受付部１１０が受け付けた第一の音声情報および生成部１２０が生成した第二の音声情報に基づいて、出力用の音声データを生成する。

具体的には、合成部１３０は、第一の音声情報と、第二の音声情報とが、異なる発生源から発生した音声情報であることが識別可能に、音声データを生成する。

そして、出力部１４０は、合成部１３０が生成した音声データを、ユーザが装着する音声再生デバイス２００に出力する。

音声再生デバイス２００は、マイク内蔵型イヤフォンやインカムなど、音声を再生可能なデバイスであればよく、特に限定されるものではない。

また、本発明の情報処理装置１００は音声再生デバイス２００が備えるものとしてもよいし、音声再生デバイス２００とは別の装置としてもよい。

以上の構成によれば、ユーザは、複数の情報の発生源を区別して情報を取得することができる。

続いて、合成部１３０による音声データ生成の詳細について説明する
合成部１３０は、ユーザに、第一の音声情報に基づく音声が第一の仮想音源から聞こえ、かつ、第二の音声情報に基づく音声が第一の仮想音源とは異なる第二の仮想音源から聞こえるよう、音声データを生成することができる。

第一の仮想音源および第二の仮想音源とは、ユーザが存在する空間における異なる位置に配置された仮想の音源とすることができる。例えば、第一の仮想音源をユーザの上方に、第二の仮想音源をユーザの左耳側に配置した場合、ユーザには、第一の音声情報に基づく音声は天井から流れる館内アナウンスのように聞こえ、第二の音声情報に基づく音声は左耳側の人物が話しているように聞こえる。

図２は、ユーザＡが、ユーザＢからの連絡（第一の音声情報）と、ユーザＣを含むテキストチャットグループからの連絡（第二の音声情報）とを受ける場合のイメージを示したものである。

図２に示されるように、ユーザＡは、ユーザＢからの連絡を天井付近に配置された仮想音源３１０から、ユーザＣからの連絡ユーザの左耳側に配置された仮想音源３２０から取得することができる。

かかる構成によれば、ユーザは、複数の情報の発生源をより容易に区別して情報を取得することができる。

受付部１１０は、無線通信を介して第一の音声情報を受け付けることができる。詳細については上述したとおりである。

同様に、生成部１２０は、所定のメッセージサービスを介して送受信されるテキストデータから第二の音声情報を生成することができる。詳細については上述したとおりである。

合成部１３０は、さらに、第一の音声情報および第二の音声情報の中から所定の条件に基づいて特定の音声を特定し、ユーザに、特定の音声が強調されて聞こえるよう音声データを生成することができる。

特定の音声とは、「緊急」や「重要」等の強調すべき情報である旨の音声またはテキストを受け付けたことを条件として、その後の所定時間内の音声または所定文字数内のテキストを読み上げた音声を特定の音声とするものである。

かかる所定の条件は、上述したように予め定められた緊急または重要であることを示すワードがテキストや音声内に含まれることとすることができる。かかるワードの識別手段については公知の技術を用いて実現することができる。

合成部１３０は、特定の音声が、第一の仮想音源および第二の仮想音源とは異なる特定の仮想音源から聞こえるよう音声データを生成することができる。

特定の仮想音源の位置は特に限定されるものではないが、ユーザの正面に位置するのがより好ましい。

図３に示されるように、ユーザＡは、ユーザＢからの連絡を天井付近に配置された仮想音源３１０から、ユーザＣからの連絡をユーザの左耳側に配置された仮想音源３２０から取得するのに加え、緊急の連絡をユーザＡの正面に配置された仮想音源３３０から取得することができる。

また、合成部１３０は、特定の音声が他の音声と比べて大きく再生されるよう音声データを生成することにより、当該特定の音声を強調して再生することもできる。

以上の構成によれば、ユーザが、複数の情報の発生源を容易に区別して情報を取得することができるのに加え、その中でも重要な情報を聞き逃すことなく取得することができる。

合成部１３０は、さらに、第一の音声情報に基づく音声と、第二の音声情報に基づく音声と、第三の音声情報とが、異なる発生源から発生した音声であることが識別可能に、音声データを生成することができる。

第三の音声情報とは、本発明の情報処理装置１００からの所定の通知に関する音声情報であって、具体的には、他のアプリケーションからの通知などが含まれる。

合成部１３０は、出力部１４０が出力する音声再生デバイス２００がステレオ機能を有するデバイスか否かに応じて、異なる音声データを生成することができる。

例えば、音声再生デバイス２００が両耳用のイヤフォン等である場合と、音声再生デバイス２００が片耳用のイヤフォン等である場合とで、異なる音声データが生成される。

具体的には、音声再生デバイス２００がステレオ機能を有する両耳用のイヤフォンである場合、合成部は、音声データを３Ｄ立体音声として生成する。この３Ｄ立体音声を生成する技術については公知の技術を用いることができる。

一方、音声再生デバイス２００がステレオ機能を有さない片耳用のイヤフォンである場合、合成部は、音声データを３Ｄ立体音声として生成せず、音声データの低音・高音の出力方法を適切に調整することで音声データに立体感を出すものとする。

以上の構成によれば、音声再生デバイスの機能によらず、複数の情報の発生源を区別して音声を出力することができる。

同様に、合成部１３０は、出力部１４０が出力する音声再生デバイス２００がユーザの顔の向きを検知する機能を有するデバイスか否かに応じて、異なる音声データを生成することができる。

具体的には、音声再生デバイス２００がユーザの顔の向きを検知する機能を有するイヤフォンである場合、合成部は、ユーザの顔の向きに応じた音声データを生成する。

あるいは、合成部１３０は、出力部１４０が出力する音声再生デバイス２００がユーザの位置を検知する機能を有するデバイスか否かに応じて、異なる音声データを生成することができる。

具体的には、音声再生デバイス２００がユーザの位置を検知する機能を有するイヤフォンである場合、合成部は、ユーザの位置に応じた音声データを生成する。

あるいは、合成部１３０は、出力部１４０が出力する音声再生デバイス２００がユーザの生体情報を検知する機能を有するデバイスか否かに応じて、異なる音声データを生成することができる。

具体的には、音声再生デバイス２００がユーザの生体情報を検知する機能を有するイヤフォンである場合、合成部は、ユーザの生体情報に応じた音声データを生成する。

続いて、本発明の情報処理方法について図面を参照しながら説明する。

本発明の情報処理方法は、図４に示されるように、情報処理装置に、受付ステップＳ１１と、生成ステップＳ１２と、合成ステップＳ１３と、出力ステップＳ１４とを実行させる。

受付ステップＳ１１では、第一の音声情報を受け付ける。かかる受付ステップＳ１１は、上述した受付部１１０により実行されることができる。受付部１１０の詳細は上述したとおりである。

生成ステップＳ１２では、第二の音声情報を生成する。かかる生成ステップＳ１２は、上述した生成部１２０により実行されることができる。生成部１２０の詳細は上述したとおりである。

合成ステップＳ１３では、受付ステップにおいて受け付けた第一の音声情報および生成ステップにおいて生成した第二の音声情報に基づいて、第一の音声情報に基づく音声と、第二の音声情報に基づく音声とが、異なる発生源から発生した音声であることが識別可能に、出力用の音声データを生成する。かかる合成ステップＳ１３は、上述した合成部１３０により実行されることができる。合成部１３０の詳細は上述したとおりである。

出力ステップＳ１４では、合成ステップにおいて生成した音声データを、ユーザが装着する音声再生デバイスに出力する。かかる出力ステップＳ１４は、上述した出力部１４０により実行されることができる。出力部１４０の詳細は上述したとおりである。

以上の構成によれば、上述した従来技術の問題の少なくとも一部を解決又は緩和する技術的な改善を提供することができる。具体的には、本発明の情報処理方法は、複数の情報の発生源を区別して音声を出力することができる。

最後に、本発明のコンピュータプログラムの実施形態について図面を参照しながら説明する。

本発明のコンピュータプログラムは、情報処理装置に、受付機能と、生成機能と、合成機能と、出力機能とを実現させる。

受付機能は、第一の音声情報を受け付ける。

生成機能は、第二の音声情報を生成する。

合成機能は、受付機能が受け付けた第一の音声情報および生成機能が生成した第二の音声情報に基づいて、出力用の音声データを生成する。具体的には、合成機能は、第一の音声情報に基づく音声と、第二の音声情報に基づく音声とが、異なる発生源から発生した音声であることが識別可能に、音声データを生成する。

出力機能は、合成機能が生成した音声データを、ユーザが装着する音声再生デバイスに出力する。

上記受付機能、生成機能、合成機能および出力機能は、図５に示す受付回路１１１０、生成回路１１２０、合成回路１１３０および出力回路１１４０により実現されることができる。受付回路１１１０、生成回路１１２０、合成回路１１３０および出力回路１１４０は、それぞれ上述した受付部１１０、生成部１２０、合成部１３０および出力部１４０により実現されるものとする。各部の詳細については上述したとおりである。

以上の構成によれば、上述した従来技術の問題の少なくとも一部を解決又は緩和する技術的な改善を提供することができる。具体的には、本発明のコンピュータプログラムは、複数の情報の発生源を区別して音声を出力することができる。

また、上述した実施形態に係るサーバ装置又は端末装置として機能させるために、コンピュータ又は携帯電話などの情報処理装置を好適に用いることができる。このような情報処理装置は、実施形態に係るサーバ装置又は端末装置の各機能を実現する処理内容を記述したプログラムを、情報処理装置の記憶部に格納し、情報処理装置のＣＰＵによって当該プログラムを読み出して実行させることによって実現可能である。

本発明のいくつかの実施形態を説明したが、これらの実施形態は、例として提示したものであり、発明の範囲を限定することは意図していない。これら新規な実施形態は、その他の様々な形態で実施されることが可能であり、発明の要旨を逸脱しない範囲で、種々の省略、置き換え、変更を行うことができる。これら実施形態やその変形は、発明の範囲や要旨に含まれるとともに、特許請求の範囲に記載された発明とその均等の範囲に含まれる。

また、実施形態に記載した手法は、計算機（コンピュータ）に実行させることができるプログラムとして、例えば磁気ディスク（フロッピー（登録商標）ディスク、ハードディスク等）、光ディスク（ＣＤ−ＲＯＭ、ＤＶＤ、ＭＯ等）、半導体メモリ（ＲＯＭ、ＲＡＭ、フラッシュメモリ等）等の記録媒体に格納し、また通信媒体により伝送して頒布することもできる。なお、媒体側に格納されるプログラムには、計算機に実行させるソフトウェア手段（実行プログラムのみならずテーブルやデータ構造も含む）を計算機内に構成させる設定プログラムをも含む。本装置を実現する計算機は、記録媒体に記録されたプログラムを読み込み、また場合により設定プログラムによりソフトウェア手段を構築し、このソフトウェア手段によって動作が制御されることにより上述した処理を実行する。なお、本明細書でいう記録媒体は、頒布用に限らず、計算機内部あるいはネットワークを介して接続される機器に設けられた磁気ディスクや半導体メモリ等の記憶媒体を含むものである。記憶部は、例えば主記憶装置、補助記憶装置、又はキャッシュメモリとして機能してもよい。

１００ 情報処理装置
１１０ 受付部
１２０ 生成部
１３０ 合成部
１４０ 出力部
２００ 音声再生デバイス
３１０ 仮想音源
３２０ 仮想音源
３３０ 仮想音源

Claims (9)

1. 第一の音声情報を受け付ける受付部と、
   所定のテキストデータから第二の音声情報を生成する生成部と、
   前記受付部が受け付けた第一の音声情報および前記生成部が生成した第二の音声情報に基づいて、出力用の音声データを生成する合成部と、
   前記合成部が生成した音声データを、ユーザが装着する音声再生デバイスに出力する出力部と
   を備え、
   前記合成部は、前記第一の音声情報に基づく音声と、前記第二の音声情報に基づく音声とが、異なる発生源から発生した音声であることが識別可能に、前記音声データを生成する情報処理装置。
2. 前記合成部は、前記ユーザに、前記第一の音声情報に基づく音声が第一の仮想音源から聞こえ、かつ、前記第二の音声情報に基づく音声が前記第一の仮想音源とは異なる第二の仮想音源から聞こえるよう、前記音声データを生成することを特徴とする請求項１に記載の情報処理装置。
3. 前記受付部は、無線通信を介して前記第一の音声情報を受け付けることを特徴とする請求項１または２に記載の情報処理装置。
4. 前記テキストデータは、所定のメッセージサービスを介して送受信されるものであることを特徴とする請求項１から３のいずれか一項に記載の情報処理装置。
5. 前記合成部は、さらに、前記第一の音声情報および前記第二の音声情報の中から所定の条件に基づいて特定の音声を特定し、前記ユーザに、前記特定の音声が強調されて聞こえるよう前記音声データを生成することを特徴とする請求項１から４のいずれか一項に記載の情報処理装置。
6. 前記合成部は、前記ユーザに、前記第一の音声情報に基づく音声が第一の仮想音源から聞こえ、前記第二の音声情報に基づく音声が前記第一の仮想音源とは異なる第二の仮想音源から聞こえ、かつ、前記特定の音声が、前記第一の仮想音源および前記第二の仮想音源とは異なる特定の仮想音源から聞こえるよう前記音声データを生成することを特徴とする請求項５に記載の情報処理装置。
7. 前記合成部は、さらに、前記第一の音声情報に基づく音声と、前記第二の音声情報に基づく音声と、前記情報処理装置からの所定の通知に関する第三の音声情報とが、異なる発生源から発生した音声であることが識別可能に、前記音声データを生成する請求項１から６のいずれか一項に記載の情報処理装置。
8. 情報処理装置に、
   第一の音声情報を受け付ける受付ステップと、
   所定のテキストデータから第二の音声情報を生成する生成ステップと、
   前記受付ステップにおいて受け付けた第一の音声情報および前記生成ステップにおいて生成した第二の音声情報に基づいて、出力用の音声データを生成する合成ステップと、
   前記合成ステップにおいて生成した音声データを、ユーザが装着する音声再生デバイスに出力する出力ステップと
   を実行させ、
   前記合成ステップでは、前記第一の音声情報に基づく音声と、前記第二の音声情報に基づく音声とが、異なる発生源から発生した音声であることが識別可能に、前記音声データを生成する情報処理方法。
9. 情報処理装置に、
   第一の音声情報を受け付ける受付機能と、
   所定のテキストデータから第二の音声情報を生成する生成機能と、
   前記受付機能が受け付けた第一の音声情報および前記生成機能が生成した第二の音声情報に基づいて、出力用の音声データを生成する合成機能と、
   前記合成機能が生成した音声データを、ユーザが装着する音声再生デバイスに出力する出力機能と
   を実現させ、
   前記合成機能は、前記第一の音声情報に基づく音声と、前記第二の音声情報に基づく音声とが、異なる発生源から発生した音声であることが識別可能に、前記音声データを生成するコンピュータプログラム。
   
   
   

Images