JP7082549B2

JP7082549B2 - カラオケ装置

Info

Publication number: JP7082549B2
Application number: JP2018161624A
Authority: JP
Inventors: 政之鎌田
Original assignee: Daiichikosho Co Ltd
Current assignee: Daiichikosho Co Ltd
Priority date: 2018-08-30
Filing date: 2018-08-30
Publication date: 2022-06-08
Anticipated expiration: 2038-08-30
Also published as: JP2020034750A

Description

本発明はカラオケ装置に関する。

カラオケ装置は、利用者によるカラオケ歌唱を評価し、採点結果を提示する採点機能を有する。カラオケ歌唱の評価は、マイクにより入力された歌唱音声から抽出した歌唱音声データと、カラオケ演奏された楽曲の主旋律を示すリファレンスデータとを比較することにより行う。採点機能を利用することで、利用者同士で採点結果を競い合ったり、カラオケ歌唱の練習成果を確認したりすることができる。

或いは、接待や職場の飲み会のような場においても、場を盛り上げるために採点機能を利用することがある。しかし、従来の採点機能では客観的かつ機械的な採点が行われるため、たとえ接待相手や会社の上司であってもカラオケ歌唱が上手くない場合には、低い採点結果が提示される。そのため、場の雰囲気が悪くなる可能性があった。

そこで、特許文献１には、歌唱者に気づかれることなく操作して採点結果を割り増しする機能を有するカラオケ装置が開示されている。

特開２００２－１０８３６８号公報

しかし、特許文献１のカラオケ装置によれば、利用者がカラオケ歌唱を行う都度、割り増し採点コマンドを入力する必要があるため、利用者が採点値の割り増しに気づく可能性があった。

本発明の目的は、カラオケ歌唱を行った利用者に気づかれることなく、当該カラオケ歌唱の採点結果を補正可能なカラオケ装置を提供することにある。

上記目的を達成するための主たる発明は、利用者によるカラオケ歌唱を評価し、採点結果を提示する採点機能を有するカラオケ装置であって、所定範囲内に居る全ての利用者の会話音声を集音可能な集音部と、前記カラオケ装置を制御する制御部と、を有し、前記制御部は、集音した前記会話音声から、各利用者の声紋データを抽出する抽出手段、集音した前記会話音声に基づいて各声紋データの序列を決定し、当該序列の情報を当該各声紋データと紐付けて記憶させる決定手段、ある利用者がカラオケ歌唱を行った場合、当該ある利用者の歌唱音声から抽出された声紋認証用データと一致する前記声紋データを特定し、特定された声紋データに紐付けられている前記序列の情報に基づいて、当該ある利用者のカラオケ歌唱の採点結果を補正する補正手段、として機能するカラオケ装置である。
本発明の他の特徴については、後述する明細書及び図面の記載により明らかにする。

本発明によれば、カラオケ歌唱を行った利用者に気づかれることなく、当該カラオケ歌唱の採点結果を補正できる。

第１実施形態に係るカラオケ装置を示す図である。第１実施形態に係るカラオケ本体のハードウェア構成例を示す図である。第１実施形態に係る序列の例を示す図である。第１実施形態に係るカラオケ装置の処理を示すフローチャートである。第２実施形態に係るカラオケ本体のハードウェア構成例を示す図である。第２実施形態に係る第１の記憶手段に記憶されているテーブルデータの例を示す図である。第２実施形態に係る序列の例を示す図である。第２実施形態に係るカラオケ装置の処理を示すフローチャートである。第３実施形態に係るカラオケ装置が設置されているカラオケルームを示す図である。第３実施形態に係るカラオケ本体のハードウェア構成例を示す図である。第３実施形態に係る第１の記憶手段に記憶されているテーブルデータの例を示す図である。第３実施形態に係る序列の例を示す図である。第３実施形態に係るカラオケ装置の処理を示すフローチャートである。

＜第１実施形態＞
図１～図４を参照して、第１実施形態に係るカラオケ装置について説明する。

＝＝カラオケ装置＝＝
カラオケ装置１は、カラオケ演奏及び利用者がカラオケ歌唱を行うための装置である。カラオケ装置１は、たとえばカラオケ店舗の各部屋（カラオケルーム）に設置される。カラオケ装置１は、利用者によるカラオケ歌唱を評価し、採点結果を提示する採点機能を有する（詳細は後述）。

図１に示すように、カラオケ装置１は、カラオケ本体１０、スピーカ２０、表示装置３０、マイク４０、及びリモコン装置５０を備える。

カラオケ本体１０は、選曲されたカラオケ楽曲の演奏制御、歌詞や背景映像等の表示制御、マイク４０を通じて入力された音声信号の処理といった、カラオケ演奏やカラオケ歌唱に関する各種の制御を行う。スピーカ２０はカラオケ本体１０からの放音信号に基づいて放音するための構成である。表示装置３０はカラオケ本体１０からの信号に基づいて映像や画像を画面に表示するための構成である。マイク４０は利用者の歌唱音声をアナログの音声信号に変換してカラオケ本体１０に入力するための構成である。リモコン装置５０は、カラオケ本体１０に対する各種操作をおこなうための装置である。

ここで、本実施形態に係るマイク４０は、所定範囲内に居る全ての利用者の会話音声を集音可能な「集音部」としても用いられる。所定範囲は、集音部によって会話音声の集音が可能となる範囲である。たとえば、カラオケ装置１が設置されているカラオケルーム内は、「所定範囲内」の一例である。マイク４０は、カラオケ歌唱が開始される前に、カラオケルーム内において交わされる会話音声を集音する。

マイク４０は、集音した会話音声（会話音声データ）をカラオケ本体１０に出力する。なお、集音部はマイク４０とは別に設けられていてもよい。また、集音部は複数設けられていてもよい

＝＝カラオケ本体１０＝＝
図２に示すように、本実施形態に係るカラオケ本体１０は、記憶部１０ａ、通信部１０ｂ、入力部１０ｃ、及び制御部１０ｄを備える。各構成はインターフェース（図示なし）を介してバスＢに接続されている。

［記憶部、通信部、入力部］
記憶部１０ａは、カラオケ演奏を行うための楽曲データ等、各種のデータを記憶する大容量の記憶装置である。通信部１０ｂは、カラオケ本体１０とカラオケ装置１の他の構成との通信を行うためのインターフェースを提供する。入力部１０ｃは、利用者が各種の指示入力を行うための構成である。なお、表示装置３０やリモコン装置５０の表示画面に表示された各種アイコンを選択することで、各種の指示入力を行うことも可能である。この場合、表示装置３０やリモコン装置５０が入力部１０ｃとして機能する。

［制御部］
制御部１０ｄは、カラオケ装置１における各種の制御を行う。制御部１０ｄは、ＣＰＵおよびメモリ（いずれも図示無し）を備える。ＣＰＵは、メモリに記憶されたプログラムを実行することにより各種の機能を実現する。本実施形態においてはＣＰＵがメモリに記憶されるプログラムを実行することにより、制御部１０ｄは、抽出手段１００、決定手段２００、採点手段３００、補正手段４００、及び提示手段５００として機能する。

（抽出手段）
抽出手段１００は、集音した会話音声から、各利用者の声紋データを抽出する。

会話音声から声紋データを抽出する方法は、公知の技術を利用することができる。また、利用者が複数いる場合に、一の集音部で集音した会話音声の中から利用者毎の音声を分離する方法についても、公知の技術（たとえば、三菱電機株式会社ＨＰ “http://www.mitsubishielectric.co.jp/news/2017/0524-e.html”）を利用することができる。

具体例として、株式会社ＸのＡ部長とＢ社員（役職無し）が、取引先であるＹ株式会社のＣ部長とＤ課長を接待することになり、二次会でカラオケルームに入室したとする。この場合、Ａ部長、Ｂ社員、Ｃ部長、Ｄ課長は、カラオケ装置１の利用者に相当する。

マイク４０は、各利用者がカラオケルームに入室した時点から会話音声の集音を行い、抽出手段１００に出力する。抽出手段１００は、会話音声から、利用者それぞれの声紋データを抽出する。この例では、利用者が４名いるため、通常は４つの声紋データ（声紋データＶ１～声紋データＶ４）が抽出される。なお、カラオケ装置１は、抽出された各声紋データがどの利用者の声紋データであるかは識別できない。

（決定手段）
決定手段２００は、集音した会話音声に基づいて各声紋データの序列を決定し、当該序列の情報を当該各声紋データと紐付けて記憶させる。

本実施形態において、決定手段２００は、集音した会話音声を処理して得られた敬語情報に基づいて序列を決定する。敬語情報は、各利用者が会話で使用した敬語に対応する情報である。たとえば、敬語情報は、会話の中で使用された場合に利用者間の上位下位が反映される３分類（尊敬語、謙譲語、丁寧語）や５分類（尊敬語、謙譲語、丁重語、丁寧語、美化語）に含まれる語に相当する。本実施形態における「序列」は、役職及び立場に起因するものである。たとえば、序列が高い利用者は、役職がより高い者であったり、接待される側（接待相手）であったりする。

敬語情報の取得及び序列の決定は、公知の方法を利用することができる。

具体例として、決定手段２００は、一の会話音声を音声認識処理することでテキストデータを生成する（特開２０１４－０２６６０３号公報等参照）。決定手段２００は、テキスト化された会話音声の中から敬語を検出し、全文字数における敬語の文字数の占める割合をスコアとして算出する。

たとえば、テキスト化された会話音声が「いつもたいへんおせわになっております」であった場合、全文字数が１８文字、敬語（「お」「おります」）の文字数が計５文字である。従って、決定手段２００は、（５／１８）×１００＝２７．８２（点）というスコアを算出する。一方、テキスト化された会話音声が「いやいや、こちらこそどうも」であった場合、敬語の文字数は０文字である。この場合、決定手段２００は、当該会話音声については０（点）というスコアを算出する。

決定手段２００は、声紋データ毎にスコアを算出する。一の声紋データについて複数の会話音声が存在する場合、決定手段２００は、全会話音声の文字数と全敬語の文字数に基づいてスコアを算出する。

決定手段２００は、スコアの低い順、すなわち敬語を使う頻度が少ない順に、声紋データの序列を決定する。

図３は、本実施形態において算出された、声紋データ毎のスコア、及び決定された序列を示した図である。図３においては、声紋データＶ１に対応するスコアが１６（点）、声紋データＶ２に対応するスコアが３８（点）、声紋データＶ３に対応するスコアが１０（点）、声紋データＶ４に対応するスコアが１８（点）となっている。また、決定手段２００により、声紋データのスコアの低い順に、声紋データＶ３、声紋データＶ１、声紋データＶ４、声紋データＶ２という序列が決定されている。

なお、スコアの算出方法は、上記例に限られない。たとえば、決定手段２００は、全文字数における敬語の数の割合をスコアとして算出してもよい。たとえば、テキスト化された会話音声が「いつもたいへんおせわになっております」であれば、決定手段２００は、敬語の数（「お」、「おります」の２つ）に応じて（２／１８）×１００＝１１．１１（点）というスコアを算出する。また、決定手段２００は、敬語の分類を区別して検出し、分類ごとに重み付けをしたテーブル（たとえば尊敬語：１．５、謙譲語：１．３、丁寧語１．０）を参照してスコアを算出してもよい。

決定手段２００は、決定した序列の情報を各声紋データと紐付けて記憶部１０ａに記憶させる。図３の例において、決定手段２００は、声紋データＶ３に序列「１位」を紐付け、声紋データＶ１に序列「２位」を紐付け、声紋データＶ４に序列「３位」を紐付け、声紋データＶ２に序列「４位」を紐付けて記憶部１０ａに記憶させる。

（採点手段）
採点手段３００は、利用者によるカラオケ歌唱を評価し、採点結果を得る。具体的に、採点手段３００は、利用者の歌唱音声から抽出した歌唱音声データを、音高、音量及び歌唱技法の少なくとも一つに基づいて採点を行う。採点結果は、たとえば具体的な数値（１００点を満点とする数値）として求めることができる。

カラオケ歌唱の評価は、公知の技術を利用することができる。たとえば、採点手段３００は、マイク４０から入力された歌唱音声信号から、ピッチ（音高）データ、音量データ等の歌唱音声データを抽出し、カラオケ歌唱を行った楽曲のリファレンスデータと比較することにより、採点値を得ることができる。採点手段３００は、得られた採点結果を補正手段４００に出力する。

（補正手段）
補正手段４００は、ある利用者がカラオケ歌唱を行った場合、当該ある利用者の歌唱音声から抽出された声紋認証用データと一致する声紋データを特定し、特定された声紋データに紐付けられている序列の情報に基づいて、当該ある利用者のカラオケ歌唱の採点結果を補正する。

声紋認証用データは、カラオケ歌唱を行う利用者の歌唱音声から抽出した声紋データである。たとえば、上記例において、Ａ部長、Ｂ社員、Ｃ部長、Ｄ課長がカラオケルームに入室した後、順番にカラオケ歌唱を行ったとする。抽出手段１００は、カラオケ楽曲の演奏開始に伴ってカラオケ歌唱を行う利用者の歌唱音声を解析することにより、ある利用者の声紋データを声紋認証用データとして抽出する。

採点結果の補正は、予め設定され記憶部１０ａに記憶されている補正情報に基づいて行う。補正情報は、たとえば、「序列１位の利用者の採点結果に対して１０点をプラスする」といった具体的な数値を示すものや、「序列１位の利用者の採点結果を１０％アップする」といったものでもよい。但し、採点結果の上限値（たとえば１００点）がある場合、当該上限値を越えないように調整することが好ましい。また、序列１位の利用者の採点結果に対してのみの補正ではなく、序列に応じて加点に差を付けたり、序列によっては減点する補正を行ってもよい。たとえば、「序列１位は＋１０点、序列２位は＋５点、序列３位は±０点、序列４位は－５点」といった補正情報であってもよい。なお、採点結果を減点する場合、実際のカラオケ歌唱が上手く聞こえるにも関わらず、採点結果が低くなることがありうる。このような状況が生じると、採点結果に疑念を持たれる可能性（採点結果が操作されていることを知られてしまう可能性）がある。よって、採点手段３００による採点値が一定値以上の場合（たとえば、９０点以上）、仮に減点対象となる序列であっても減点しないことが好ましい。

補正手段４００は、記憶部１０ａに記憶されている声紋データの中から、声紋認証用データと一致する声紋データを特定する。

たとえば、Ｂ社員がカラオケ歌唱を行ったとする。この場合、補正手段４００は、Ｂ社員の声紋認証用データに基づいて記憶部１０ａの中から一の声紋データを特定する。ここでは、図３に示した音声データＶ２がＢ社員の声紋データとして特定されたとする。

Ｂ社員がカラオケ歌唱を終了し、採点手段３００は、Ｂ社員のカラオケ歌唱の採点結果として「８０点」を算出したとする。補正手段４００は、採点結果「８０点」に対し、特定した一の声紋データＶ２に紐付けられている序列の情報に基づいて、採点結果の補正を行う。ここで、補正情報が「序列１位の利用者の採点結果に対して１０点をプラスする」となっていたとする。この場合、図３の例によれば、特定した一の声紋データＶ２の序列は１位ではない。よって、補正手段４００は、採点結果「８０点」の補正を行うことなく、そのまま、提示手段５００に出力する。

一方、たとえば、Ｃ部長がカラオケ歌唱を行ったとする。この場合、補正手段４００は、Ｃ部長の声紋認証用データに基づいて記憶部１０ａの中から一の声紋データを特定する。ここでは、図３に示した音声データＶ３がＣ部長の声紋データとして特定されたとする。

Ｃ部長がカラオケ歌唱を終了し、採点手段３００は、Ｃ部長のカラオケ歌唱の採点結果として「８５点」を算出したとする。補正手段４００は、採点結果「８５点」に対し、特定した一の声紋データＶ３に紐付けられている序列の情報に基づいて、採点結果の補正を行う。上記と同様、補正情報が「序列１位の利用者の採点結果に対して１０点をプラスする」となっていたとする。この場合、図３の例によれば、特定した一の声紋データＶ３の序列は１位である。よって、補正手段４００は、採点結果「８５点」に「１０点」を加えた「９５点」をＣ部長の採点結果とし、提示手段５００に出力する。

［提示手段］
提示手段５００は、採点手段３００で得られた採点結果、或いは補正手段４００で補正された採点結果を利用者に対して提示する。

採点結果の提示方法は様々な手法が可能である。たとえば、提示手段５００は、採点結果を表示装置３０の表示画面に表示させることができる。或いは、提示手段５００は、スピーカ２０を介して採点結果を放音させることができる。

＝＝カラオケ装置における処理について＝＝
次に、図４を参照して本実施形態に係るカラオケ装置１における処理の具体例について述べる。図４は、カラオケ装置１における処理例を示すフローチャートである。

利用者がカラオケルームに入室した後、マイク４０は、カラオケルーム内に居る全ての利用者の会話音声を集音する（会話音声の集音。ステップ１０）。

抽出手段１００は、ステップ１０で集音した会話音声から、各利用者の声紋データを抽出する（声紋データの抽出。ステップ１１）。

決定手段２００は、ステップ１０で集音した会話音声に基づいて各声紋データの序列を決定する（声紋データの序列を決定。ステップ１２）。

決定手段２００は、ステップ１２で決定した序列の情報を、ステップ１１で抽出された声紋データと紐付けて記憶部１０ａに記憶させる（序列の情報及び声紋データの記憶。ステップ１３）。

ここで、ある利用者がカラオケ歌唱を行った場合（ステップ１４でＹの場合）、マイク４０は、当該ある利用者の歌唱音声を集音する（歌唱音声の集音。ステップ１５）。抽出手段１００は、歌唱音声からある利用者の声紋データ（声紋認証用データ）を抽出する（声紋認証用データの抽出。ステップ１６）。

補正手段４００は、ステップ１６で抽出された声紋認証用データと一致する声紋データを、ステップ１３で記憶された声紋データの中から特定する（声紋データの特定。ステップ１７）。

採点手段３００は、ある利用者のカラオケ歌唱の評価を行い、採点結果を得る（カラオケ歌唱の採点。ステップ１８）。

補正手段４００は、ステップ１７で特定された声紋データに紐付けられている序列の情報に基づいて、ステップ１８で得られた、ある利用者のカラオケ歌唱の採点結果を補正する（採点結果の補正。ステップ１９）。

提示手段５００は、ステップ１９で補正された採点結果を提示する（採点結果の提示。ステップ２０）。

このように、本実施形態に係るカラオケ装置１は、利用者によるカラオケ歌唱を評価し、採点結果を提示する採点機能を有する。カラオケ装置１は、所定範囲内に居る全ての利用者の会話音声を集音可能なマイク４０と、カラオケ装置１を制御する制御部１０ｄを有する。制御部１０ｄは、集音した会話音声から、各利用者の声紋データを抽出する抽出手段１００、集音した会話音声に基づいて各声紋データの序列を決定し、当該序列の情報を当該各声紋データと紐付けて記憶させる決定手段２００、ある利用者がカラオケ歌唱を行った場合、当該ある利用者の歌唱音声から抽出された声紋認証用データと一致する声紋データを特定し、特定された声紋データに紐付けられている序列の情報に基づいて、当該ある利用者のカラオケ歌唱の採点結果を補正する補正手段４００、として機能する。

このようなカラオケ装置１によれば、ある利用者がカラオケ歌唱を行った場合、自動的に決定された声紋データの序列に応じて採点結果を補正することができる。この場合、序列の高い相手（たとえば接待相手）の方が良い採点結果が得られる傾向にあるため、採点機能を利用して場を盛り上げることができる。すなわち、本実施形態に係るカラオケ装置１によれば、カラオケ歌唱を行った利用者に気づかれることなく、当該カラオケ歌唱の採点結果を補正できる。

また、本実施形態に係る決定手段２００は、集音した会話音声を処理して得られた敬語情報に基づいて算出したスコアにより序列を決定することを特徴とする。一般的なビジネスマナーとして、立場が上の者に対しては敬語を使用することが好ましいとされている。よって、そのような敬語情報に基づいて算出したスコアを利用して序列を決定することにより、より正確に声紋データの序列を決定できる。

＜第２実施形態＞
次に、図５～図８を参照して、第２実施形態に係るカラオケ装置について説明する。本実施形態では、会話音声に含まれる各利用者の敬称情報を利用して、声紋データの序列を決定する例について説明する。なお、第１実施形態と同様の構成については詳細な説明を省略する。

（第１の記憶手段）
図５に示すように、本実施形態における記憶部１０ａの記憶領域の一部は、第１の記憶手段６００として機能する。第１の記憶手段６００は、利用者の敬称と所定のスコアとを対応付けた敬称スコアテーブルを記憶する。敬称は、ある者が相手に対して敬意、尊敬の念を込めて用いられる名前等の後ろに付ける接尾語（「さん」、「さま」、「くん」等）、またはその語自体で相手を表現する代名詞（「部長」、「先生」等）である。

スコアは、敬称毎に所定の値が対応付けられている。ここで、敬称の中でも上の者が下の者に使う傾向が高い語（「くん」、「ちゃん」等）、と下の者が上の者に使う傾向が高い語（「さん」、「さま」等）がある。本実施形態におけるスコアは、敬称の中でも上の者が下の者に使う傾向が高い語について高く、下の者が上の者に使う傾向が高い語について低く設定されている。

図６は、敬称スコアテーブルの一例である。この例では、「さま」、「さん」、「くん」、「ちゃん」の順でスコアが低くなるようにテーブルを構成している。

（決定手段）
本実施形態に係る決定手段２００は、集音した会話音声を処理して得られた敬称情報と敬称スコアテーブルとに基づいて算出したスコアにより、序列を決定する。

具体例として、Ａ部長がＢ社員を連れて、Ｙ会社の接待の反省会と称して、行きつけのカラオケスナックを訪れたとする。このカラオケスナックにおいては、一台のカラオケ本体１０に対し、複数のマイク４０が設けられている。各マイクは、カラオケ本体１０と通信可能となっている。マイク４０は、カラオケスナックの各テーブルに少なくとも一本ずつ置かれている。マイク４０は、それが置かれたテーブル近傍の会話音声を収集する。本実施形態における「所定範囲」は、マイク４０が置かれたテーブル近傍に相当する。

決定手段２００は、会話音声を音声認識処理することで、一の会話音声に含まれる敬称情報を検出する。決定手段２００は、検出した敬称情報を敬称スコアテーブルに当てはめ、一の会話音声におけるスコアを求める。決定手段２００は、声紋データ毎にスコアを合計し、合計したスコアに応じて序列を決定する。

たとえば、Ａ部長とＢ社員の会話音声を処理した結果、声紋データＶａには、敬称「さま」が１回、「さん」が２回、「くん」が１２回、「ちゃん」が３回含まれていたとする。決定手段２００は、敬称スコアテーブルを参照して敬称毎のスコアと回数を乗算し、乗算した敬称毎のスコアを合計することで総合点「８８点」を求める。一方、声紋データＶｂには、敬称「さま」が１回、「さん」が１０回、「くん」が２回、「ちゃん」が０回含まれていたとする。決定手段２００は、敬称スコアテーブルを参照して敬称毎のスコアと回数を乗算し、乗算した敬称毎のスコアを合計することで総合点「４１点」を求める。この場合、決定手段２００は、声紋データＶａの序列を「１位」、声紋データＶｂの序列を「２位」として決定する（図７参照）。なお、スコアの算出方法は、上記例に限られない。たとえば、決定手段２００は、敬称毎のスコアの合計を敬称の回数で除して比較してもよい。具体的には、声紋データＶａには敬称が全部で１＋２＋１２＋３＝１８回含まれ、総合点が「８８点」であった場合、決定手段２００は、スコアを８８／１８＝４．８９点と算出する。また、声紋データＶｂには敬称が全部で１＋１０＋２＋０＝１３回含まれ、総合点が「４１点」であった場合、決定手段２００は、スコアを４１／１３＝３．１５点と算出する。そして、決定手段２００は、算出したスコアを比較することにより、声紋データＶａの序列を「１位」、声紋データＶｂの序列を「２位」として決定できる。

＝＝カラオケ装置における処理について＝＝
次に、図８を参照して本実施形態に係るカラオケ装置１における処理の具体例について述べる。図８は、カラオケ装置１における処理例を示すフローチャートである。本実施形態における第１の記憶手段６００は、敬称スコアテーブルを記憶している。

利用者がカラオケルームに入室した後、マイク４０は、カラオケルーム内に居る全ての利用者の会話音声を集音する（会話音声の集音。ステップ３０）。

抽出手段１００は、ステップ３０で集音した会話音声から、各利用者の声紋データを抽出する（声紋データの抽出。ステップ３１）。

決定手段２００は、ステップ３０で集音した会話音声を処理して得られた敬称情報と敬称スコアテーブルとに基づいて算出したスコアにより、各声紋データの序列を決定する（敬称情報等に基づいて声紋データの序列を決定。ステップ３２）。

決定手段２００は、ステップ３２で決定した序列の情報を、ステップ３１で抽出された声紋データと紐付けて記憶部１０ａに記憶させる（序列の情報及び声紋データの記憶。ステップ３３）。

ステップ３４以降の処理は、第１実施形態におけるステップ１４以降の処理と同様であるため詳細な説明を省略する。

このように、本実施形態に係るカラオケ装置１は、利用者の敬称と所定のスコアとを対応付けた敬称スコアテーブルを記憶する第１の記憶手段６００を有し、決定手段２００は、集音した会話音声を処理して得られた敬称情報と敬称スコアテーブルとに基づいて算出したスコアにより、序列を決定する。このように会話音声に含まれる敬称情報を利用することにより、より確実に序列を決定することができる。

＜第３実施形態＞
次に、図９～図１３を参照して、第３実施形態に係るカラオケ装置について説明する。本実施形態では、各利用者の着席位置を利用して、声紋データの序列を決定する例について説明する。なお、第１実施形態または第２実施形態と同様の構成については詳細な説明を省略する。

本実施形態に係る集音部は、各利用者の着席位置にそれぞれ設けられた複数の指向性マイクロフォンである。

図９は、カラオケ装置１が設置されたカラオケルームＲ内を示した図である。カラオケルームＲは、所謂、「ＶＩＰルーム」であり、接待等、特別な場面での利用に適した部屋である。カラオケルームＲ内には、カラオケ装置１と共に、５つの座席（座席Ｓ１～Ｓ５）、２つのテーブル（テーブルＴ１、Ｔ２）、及び１つのディスプレイＤが設置されている。図９の例において、表示装置３０は、カラオケルームＲの壁に設置されたディスプレイＤに相当する。

図９の例において、各座席の近傍には、それぞれ指向性マイクロフォンＭ１～Ｍ５が設置されている。指向性マイクロフォンは、座席に座った利用者の会話音声のみを集音することができる。

（第２の記憶手段）
図１０に示すように、本実施形態における記憶部１０ａの記憶領域の一部は、第２の記憶手段７００として機能する。第２の記憶手段７００は、所定範囲内における利用者の着席位置と所定のスコアとを対応付けた着席位置スコアテーブルを記憶する。

着席位置スコアテーブルは、所定範囲毎に設けられている。図９の例であれば、カラオケルームＲが、所定範囲に相当する。

図１１は、カラオケルームＲにおける着席位置スコアテーブルを示している。図９に示したように、カラオケルームＲについては、座席Ｓ１～Ｓ５が設置されている。ここで、一般的なビジネスマナーにおいては、部屋の入り口から遠い席に序列の高い者が座ることが好ましいとされている。そこで、カラオケルームＲの入り口から遠い座席から順（座席Ｓ１、Ｓ２、Ｓ３、Ｓ４、Ｓ５の順）にスコアが高く（４０点、３０点、２０点、１０点、０点の順）なるようにテーブルを構成している。

（決定手段）
本実施形態に係る決定手段２００は、集音した会話音声に対応する着席位置と着席位置スコアテーブルとに基づいて算出したスコアにより、序列を決定する。

具体例として、株式会社ＸのＡ部長とＢ社員（役職無し）が、取引先であるＹ株式会社のＣ部長とＤ課長を接待することになり、二次会でカラオケルームＲに入室したとする。また、Ｃ部長が座席Ｓ２に着席し、Ｄ課長が座席Ｓ３に着席し、Ａ部長が座席Ｓ４に着席し、Ｂ社員が座席Ｓ５に着席したとする。この場合、Ａ部長、Ｂ社員、Ｃ部長、Ｄ課長は、カラオケ装置１の利用者に相当する。

指向性マイクロフォンＭ１～Ｍ５は、各利用者が座席に着席した時点から会話音声の集音を行い、抽出手段１００に出力する。抽出手段１００は、会話音声から、座席毎の声紋データを抽出する。この例では、利用者が４名いるため、通常は４つの声紋データが抽出される。なお、カラオケ装置１は、各座席に着席している利用者が誰か、及び抽出された各声紋データがどの利用者の声紋データであるかは識別できない。

ここで、指向性マイクロフォンと座席は一対一に対応している。従って、たとえば指向性マイクロフォンＭ１により集音された会話音声から抽出した声紋データＶ１１は、序列が最も高い利用者の声紋データであると判断できる。この例では、指向性マイクロフォンＭ２～Ｍ５が収集した会話音声から、声紋データＶ１２～Ｖ１５が抽出される。

決定手段２００は、各利用者の着席位置（すなわち、各指向性マイクロフォンの設置位置）を、着席位置スコアテーブルに当てはめ、集音された声紋データ毎のスコアを算出する。決定手段２００は、声紋データ毎のスコアに応じて序列を決定する。

たとえば、声紋データＶ１２は、座席位置Ｓ２に設置された指向性マイクロフォンＭ２で集音した会話音声から抽出される。よって、決定手段２００は、声紋データＶ１２について、座席位置Ｓ２及び着席位置スコアテーブルからスコア「３０点」を算出する。同様に、声紋データＶ１３は、座席位置Ｓ３に設置された指向性マイクロフォンＭ３で集音した会話音声から抽出される。よって、決定手段２００は、声紋データＶ１３について、座席位置Ｓ３及び着席位置スコアテーブルからスコア「２０点」を算出する。声紋データＶ１４は、座席位置Ｓ４に設置された指向性マイクロフォンＭ４で集音した会話音声から抽出される。よって、決定手段２００は、声紋データＶ１３について、座席位置Ｓ４及び着席位置スコアテーブルからスコア「１０点」を算出する。声紋データＶ１５は、座席位置Ｓ５に設置された指向性マイクロフォンＭ５で集音した会話音声から抽出される。よって、決定手段２００は、声紋データＶ１５について、座席位置Ｓ５及び着席位置スコアテーブルからスコア「０点」を算出する。

この場合、決定手段２００は、声紋データＶ１２の序列を「１位」、声紋データＶ１３の序列を「２位」、声紋データＶ１４の序列を「３位」、声紋データＶ１５の序列を「４位」として決定する（図１２参照）。

＝＝カラオケ装置における処理について＝＝
次に、図１３を参照して本実施形態に係るカラオケ装置１における処理の具体例について述べる。図１３は、カラオケ装置１における処理例を示すフローチャートである。本実施形態では、複数の利用者が図９に示したカラオケルームＲに入室し、各自が座席に着席したとする。本実施形態における第２の記憶手段７００は、着席位置スコアテーブルを記憶している。

利用者が着席した後、各指向性マイクロフォンは、座席毎に利用者の会話音声を集音する（座席毎に会話音声を集音。ステップ５０）。

抽出手段１００は、ステップ５０で集音した会話音声から、各利用者の声紋データを抽出する（声紋データの抽出。ステップ５１）。

決定手段２００は、ステップ５０で集音した会話音声に対応する着席位置と着席位置スコアテーブルとに基づいて算出したスコアにより、各声紋データの序列を決定する（着席位置等に基づいて声紋データの序列を決定。ステップ５２）。

決定手段２００は、ステップ５２で決定した序列の情報を、ステップ５１で抽出された声紋データと紐付けて記憶部１０ａに記憶させる（序列の情報及び声紋データの記憶。ステップ５３）。

ステップ５４以降の処理は、第１実施形態におけるステップ１４以降の処理と同様であるため詳細な説明を省略する。

このように、本実施形態に係るカラオケ装置１は、所定範囲内における利用者の着席位置と所定のスコアとを対応付けた着席位置スコアテーブルを記憶する第２の記憶手段７００を有し、集音部は、各利用者の着席位置にそれぞれ設けられた複数の指向性マイクロフォンＭ１～Ｍ５である。決定手段２００は、集音した会話音声に対応する着席位置と着席位置スコアテーブルとに基づいて算出したスコアにより、序列を決定する。このように会話音声に対応する着席位置を利用することにより、より確実に序列を決定することができる。

なお、上記実施形態では、各座席に設置された指向性マイクロフォンを利用する例について説明したがこれに限られない。たとえば、二本のマイクロフォンを用いて複数の利用者の会話音声をステレオ信号で集音する。カラオケ装置１は、集音した会話音声を音源分離し、各会話音声の定位や音量を検出することで、各利用者の位置（着席した座席）を求めてもよい。なお、音源分離、及び会話音声の定位や音量の検出は公知の技術を利用できる。

また、決定手段２００は、集音された会話音声から公知の技術を用いて性別情報を取得し、座席位置の情報と併せて序列を決定してもよい。たとえば、ある利用者が異性の隣に着席している場合、当該ある利用者はコンパニオンの接客を受けており、接待される側すなわち序列の高い利用者であるとみなすことができる。

＜その他＞
第１実施形態～第３実施形態は、適宜組み合わせて実施することが可能である。たとえば、決定手段２００は、声紋データ毎に、テキスト化された会話音声の中から敬語を検出し、全文字数における敬語の文字数の占める割合によるスコア（第１実施形態参照）と、検出した敬称情報を敬称スコアテーブルに当てはめて算出したスコア（第２実施形態）と、集音した会話音声に対応する着席位置と着席位置スコアテーブルとに基づいて算出したスコア（第３実施形態）とを合計したスコアを求め、当該合計したスコアに基づいて序列を決定してもよい。

上記実施形態は、例として提示したものであり、発明の範囲を限定するものではない。上記の構成は、適宜組み合わせて実施す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。上記実施形態やその変形は、発明の範囲や要旨に含まれると同様に、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。

１カラオケ装置
１００抽出手段
２００決定手段
３００採点手段
４００補正手段
５００提示手段
６００第１の記憶手段
７００第２の記憶手段

Claims

利用者によるカラオケ歌唱を評価し、採点結果を提示する採点機能を有するカラオケ装置であって、
所定範囲内に居る全ての利用者の会話音声を集音可能な集音部と、
前記カラオケ装置を制御する制御部と、
を有し、
前記制御部は、
集音した前記会話音声から、各利用者の声紋データを抽出する抽出手段、
集音した前記会話音声に基づいて各声紋データの序列を決定し、当該序列の情報を当該各声紋データと紐付けて記憶させる決定手段、
ある利用者がカラオケ歌唱を行った場合、当該ある利用者の歌唱音声から抽出された声紋認証用データと一致する前記声紋データを特定し、特定された声紋データに紐付けられている前記序列の情報に基づいて、当該ある利用者のカラオケ歌唱の採点結果を補正する補正手段、
として機能するカラオケ装置。
前記決定手段は、集音した前記会話音声を処理して得られた敬語情報に基づいて算出したスコアにより前記序列を決定することを特徴とする請求項１記載のカラオケ装置。
利用者の敬称と所定のスコアとを対応付けた敬称スコアテーブルを記憶する第１の記憶手段を有し、
前記決定手段は、集音した前記会話音声を処理して得られた敬称情報と前記敬称スコアテーブルとに基づいて算出したスコアにより、前記序列を決定することを特徴とする請求項１または２記載のカラオケ装置。
前記所定範囲内における利用者の着席位置と所定のスコアとを対応付けた着席位置スコアテーブルを記憶する第２の記憶手段を有し、
前記集音部は、複数の指向性マイクロフォンであり、
前記決定手段は、集音した前記会話音声に対応する着席位置と前記着席位置スコアテーブルとに基づいて算出したスコアにより、前記序列を決定することを特徴とする請求項１から３のいずれか一つに記載のカラオケ装置。