JPH08130590A - テレビ会議端末 - Google Patents

Abstract

(57)【要約】 【目的】 会議出席者の配置に応じてどの人物が発言し
たかを容易且つ迅速に判断することができるようにし
た。 【構成】 送信時は、複数のマイクロフォン６〜９から
の音声データが音声データ処理装置１７に入力される
と、入力されたマイクロフォンが特定されて音声位置情
報と中央制御装置１６に格納されたビットデータがデー
タ多重装置２２に入力され、送受信装置１３を介して受
信側端末に送出される。一方、受信時は、中央制御装置
１６が、送信側端末から送出されたビットデータとして
の音声位置情報を読み出し、音声データ処理装置２６に
入力された音声データと共に音声位置情報がパンポット
装置７に入力され、所望の音声出力分布でもってスピー
カ１１、１２から音声を出力する。

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】本発明はテレビ会議端末に関し、
より詳しくは所定の通信回線に接続されてテレビ会議を
行うテレビ会議端末に関する。

【０００２】

【従来の技術】この種のテレビ会議端末としては、従来
より、図７に示すものが知られている。

【０００３】すなわち、従来のテレビ会議端末は、デー
タ送信時においては、ビデオカメラ等の映像入力機器５
１から画像データ処理装置５２に画像データが入力さ
れ、マイクロフォホン等の複数の音声入力機器５３ａ〜
５３ｄから音声データ処理装置５４に音声データが入力
され、パーソナルコンピュータ（パソコン）等その他の
入力機器５５からデータ処理装置５６にテキストデータ
等が入力される。そして、画像データ処理装置５２、音
声データ処理装置５４及びデータ処理装置５６で処理さ
れたデータはデータ多重装置５７に入力され、夫々のデ
ータに割り当てられたチャンネルにこれらのデータを多
重化する。そして、多重化されたデータは、送受信装置
５８を介して受信側端末に送出される。

【０００４】また、データ受信時においては、各種デー
タの多重化された信号が送受信装置５８を介してデータ
分離装置５９に送られる。データを受け取ったデータ分
離装置５９は、画像データ、音声データ及びテキストデ
ータ等に分離される。そして、これら分離された各種デ
ータのうち、画像データは、画像データ処理装置６０に
入力され所定のデータ形式に変換されて表示装置６１に
送出され、表示装置上に画像が表示される。また、デー
タ分離装置６０からの音声データは音声データ処理装置
６２に入力され、アンプ６３を介してスピーカ６４に出
力される。また、テキストデータ等画像データ及び音声
データ以外のデータはデータ処理装置６５を介して所定
の出力機器６６に出力される。

【０００５】また、中央制御装置６７はデータ多重装置
５７及びデータ分離装置５９からの信号を送受信して装
置全体の制御を行っている。

【０００６】そして、上記従来のテレビ会議端末におけ
る音声情報は、上記マイクロフォン５３ａ〜５３ｄのい
ずれかから入力された音声を選択的に音声データ処理装
置５４に入力し、或いはこれらのマイクロフォン５３ａ
〜５３ｄから入力された音声情報をミキシングして音声
データ処理装置５４に入力しているため、受信側端末に
おいては、いずれのマイクロフォン５３ａ〜５３ｄで音
声が検知されたか否かを判別することなく、全ての音声
について同一の音声レベルでもってスピーカ６４から音
声出力していた。

【０００７】

【発明が解決しようとする課題】しかしながら、上記従
来のテレビ会議端末においては、上述したように音声情
報を選択的に、又はミキシングして受信側端末に送信し
ているため、会議室内のどの位置の人物が発言したかは
受信側端末の表示装置６１に映し出される画像情報で判
断しなければならない場合があり、受信側端末は発言者
を確認するのに手間がかかるという問題点があった。

【０００８】本発明はこのような問題点に鑑みなされた
ものであって、会議出席者の配置に応じてどの人物が発
言したかを容易且つ迅速に判断することができるテレビ
会議端末を提供することを目的とする。

【０００９】

【課題を解決するための手段】上記目的を達成するため
に本発明は、所定の通信回線に接続されてテレビ会議を
行うテレビ会議端末であって、音声情報が入力される複
数の音声入力手段と、該複数の音声入力手段に入力され
た音声の発生位置を認識する発生位置認識手段と、該発
生位置認識手段の認識結果を送信側端末に送信する送信
手段と、送信側端末から送られてきた前記発生位置認識
手段の認識結果を受信する受信手段と、該受信手段に受
信された前記発生位置認識手段の認識結果に基づき所定
の音声出力分布でもって音声を出力する音声出力手段と
を備えていることを特徴としている。

【００１０】具体的には、前記発生位置認識手段は、特
定の発生位置を複数の発生位置の全体に占める比率で表
現することを特徴としている。

【００１１】また、本発明は、所定の通信回線に接続さ
れてテレビ会議を行うテレビ会議端末であって、音声情
報が入力される複数の音声入力手段と、該複数の音声入
力手段に入力された音声の発生位置を認識する発生位置
認識手段と、該発生位置認識手段の認識結果を送信側端
末に送信する送信手段と、前記送信側端末に送信される
画像情報を入力する画像入力手段と、送信側端末から送
られてきた前記発生位置認識手段の認識結果を受信する
受信手段と、該受信手段に受信された前記発生位置認識
手段の認識結果に基づき所定の音声出力分布でもって音
声を出力する音声出力手段とをを備え、前記画像入力手
段が音声を発した特定の被写体を撮像しているときは、
前記発生位置認識手段は音声発生位置は会議場の中央位
置であると認識することを特徴としている。

【００１２】また、前記画像入力手段が音声を発してい
ない特定の被写体を撮像しているときは、前記音声出力
手段は音声の発生位置に応じた所定の音声出力レベルで
出力することを特徴とし、このときは前記発生位置認識
手段は、特定の発生位置を複数の発生位置の全体に占め
る比率で表現することを特徴としている。

【００１３】さらに、前記発生位置認識手段の分解能は
ビットマップデータとして付与されることを特徴とする
のも好ましい。

【００１４】また、音声入力手段に入力された音声情報
を処理する音声情報処理手段を備え、該音声情報処理手
段が前記発生位置認識手段を有していることを特徴と
し、或いは、音声情報及び画像情報以外の情報を処理す
る情報処理手段を備え、該情報処理手段が前記発生位置
認識手段を有していることを特徴とするのも好ましい。

【００１５】

【作用】上記構成によれば、テレビ会議に際し、受信側
端末は送信側端末の会議出席者の位置に応じた音声出力
レベルでもって音声の再生がなされる。

【００１６】また、特定の被写体が撮像されているとき
は、当該被写体が発言しているときは会議場の中央位置
から音声が発せられるが如く知覚され、当該被写体以外
の者が発言しているときは発生位置に応じた音声出力分
布でもって音声出力がなされる。

【００１７】また、発生位置認識手段の分解能はビット
マップデータとして与えられ、前記発生位置認識手段
は、音声情報処理手段又は情報処理手段で認識処理され
る。

【００１８】

【実施例】以下、本発明の実施例を図面に基づき詳説す
る。

【００１９】図１はテレビ会議端末が備えられた会議室
を模式的に示した平面図である。すなわち、該会議室に
おいて、第１〜第４の話者１〜４が半円形状の会議テー
ブル５の円形部分に略等間隔でもって着席している。ま
た、第１〜第４の話者１〜４の発言内容を入力する第１
〜第４のマイクロフォン（音声入力手段）６〜９が第１
〜第４の話者１〜４に対向して設置されている。そし
て、第１の話者１の発言内容は第１のマイクロフォン６
によって検知され、第２の話者２の発言内容は第２のマ
イクロフォン７によって検知され、以下同様に、第３及
び第４の話者３、４の発言内容は夫々第３及び第４のマ
イクロフォン８、９によって検知される。また、会議テ
ーブル５の前方には受信側端末の画像情報をモニタする
表示装置１０と、送信先端末からの音声情報を出力する
左右一対のスピーカ（音声出力手段）１１、１２とが設
けられている。

【００２０】しかして、本テレビ会議端末においては、
音声情報と共に会議室内の第１〜第４の話者１〜４の夫
々の位置に対応した位置情報を受信側端末に送信し、か
かる音声情報と位置情報とを受信した受信側端末は、こ
れらの情報に基づいた所定の音声出力レベルでもってス
ピーカ１１、１２から音声を出力する。すなわち、会議
室の一方の側をＡ、他方の側をＢとし、Ａ、Ｂ間をＡ点
を０、Ｂ点を１００として発言者の位置情報を割当て
る。そして、第１の話者１が発言した場合はその音声情
報と共にＡ：Ｂ＝０：１００に相当する位置情報を受信
側端末に送信し、受信側端末はその位置情報に対応した
出力分布でもって左右一対のスピーカ１１、１２から音
声情報を出力する。同様に、第２の話者２が発言した場
合はその音声情報と共にＡ：Ｂ＝３０：７０に相当する
位置情報を受信側端末に送信し、受信側端末はその位置
情報に対応した出力分布でもって左右一対のスピーカ１
１、１２から音声情報を出力し、第３の話者３が発言し
た場合はその音声情報と共にＡ：Ｂ＝７０：３０に相当
する位置情報を受信側端末に送信し、受信側端末はその
位置情報に対応した出力分布でもって左右一対のスピー
カ１１、１２から音声情報を出力し、第４の話者４が発
言した場合はその音声情報と共にＡ：Ｂ＝１００：０に
相当する位置情報を受信側端末に送信し、受信側端末は
その位置情報に対応した出力分布でもって左右一対のス
ピーカ１１、１２から音声情報を出力する。

【００２１】図２は本発明に係るテレビ会議端末の一実
施例（第１の実施例）を示すブロック構成図であって、
該テレビ会議端末は、ＩＳＤＮやＬＡＮ等の所定の通信
回線に接続された受信側端末との送受信動作を司る送受
信装置１３と、受信側端末に所定の情報を送信するため
のデータ処理を行う送信データ処理部１４と、受信側端
末から送出されてきた所定の情報を処理する受信データ
処理部１５と、これら送信データ処理部１４及び受信デ
ータ処理部１５を制御する中央制御装置１６とから構成
されている。

【００２２】送信データ処理部１４は、具体的には、音
声情報を入力する上述した第１〜第４のマイクロフォン
６〜９と、これら音声情報を所定のデータ形式に変換し
て処理する音声データ処理装置１７と、画像情報を入力
するビデオカメラ１８と、ビデオカメラ１８に入力され
た画像情報を所定のデータ形式に変換して処理する画像
データ処理装置１９と、パソコン等の入力機器２０と、
該入力機器２０に入力されたテキストデータ等を所定の
データ形式に変換して処理するデータ処理装置２１と、
上述した音声データ処理装置１７、画像データ処理装置
１９及びデータ処理装置２１から出力されたデータを多
重化するデータ多重化装置２２とを備えている。

【００２３】また、受信データ処理部１５は、送受信装
置１３を介して交信先端末から送られてきた多重化デー
タを画像データや音声データ等に分離するデータ分離装
置２３と、該データ分離装置２３により分離されて出力
された画像データを所定のデータ形式に変換する画像デ
ータ処理装置２４と、該画像データ処理装置２４からの
出力データを表示する表示装置２５と、データ分離装置
２３により分離されて出力された音声データを所定のデ
ータ形式に変換する音声データ処理装置２６と、音声デ
ータ処理装置２６から出力された音声出力レベルを話者
の位置情報に応じて制御するパンポット装置２７と、該
パンポット装置２７から出力された音声データを増幅す
る第１及び第２の増幅器（アンプ）２８、２９と、音声
データを再生する上述した左右一対のスピーカ１１、１
２と、データ分離装置２３により分離されて出力された
テキストデータ等を所定のデータ形式に変換するデータ
処理装置３０と、該データ処理装置３０からのデータを
出力するプリンタ等の出力装置３１とを備えている。

【００２４】次に、本テレビ会議端末の動作を説明す
る。

【００２５】まず、送信時においては、第１〜第４のマ
イクロフォン６〜９からの音声データは音声データ処理
装置１７に入力される。該音声データ処理装置１７では
入力されたマイクロフォンを特定して音声の位置情報を
取得すると共にその音声データを所定のデータ形式に変
換し、画像データ処理装置１９からの画像データ及びデ
ータ処理装置２１からのテキストデータ等と共にデータ
多重装置２２に入力する。一方、中央制御装置１６には
後述するように予めマイクロフォンの位置に応じた位置
情報がビットマップデータとして格納されており、かか
る位置情報も中央制御装置１６からデータ多重化装置２
２に入力される。

【００２６】そして、該データ多重装置２２では前記画
像情報や音声情報等を多重化すると共にこれら多重化さ
れたデータを位置情報と共に送受信装置１３に入力し、
位置情報を多重化データと共に受信側端末に送出する。

【００２７】一方、受信時においては、多重化されたデ
ータが送受信装置１３を介してデータ分離装置２３に送
られてくると、該データ分離装置２３は、画像データや
音声データ等に分離される。そして、分離された画像デ
ータは、画像データ処理装置２４に入力され、所定のデ
ータ形式に変換処理されて表示装置２５に送出される。
また、分離された音声データは音声データ処理装置２６
に入力され、所定のデータ形式に変換処理された後、そ
の音声データはパンポット装置２７に送出される。この
とき中央制御装置１６は、データ分離装置２３の内容を
監視し、後述するビットマップデータとしての音声位置
情報を読み出す。そして、読み出された音声位置情報は
パンポット装置２７に入力され、該パンポット装置２７
は音声データ処理装置２６からの音声データと共に音声
位置の制御信号をアンプ２８、２９に送出し、音声の位
置情報に応じた音声出力レベルでもってスピーカ１１、
１２から音声を出力する。

【００２８】図３は音声位置情報を与えるビットマップ
の一例を示した図である。すなわち、本実施例では、ビ
ット番号１〜５に対して画像データが割り当てられ、ビ
ット番号６，７に対して音声データが割り当てられてい
る。そして、サブチャンネルであるビット番号８のオク
ッテット番号７７〜８０に対して音声位置データが割り
当てられる。そして、送信時においては、上述した音声
位置データが音声データや画像データ等に付加され、多
重化信号と共に送受信装置１３に供給される。例えば、
図１において第１の話者１が発言したときはＡ：Ｂ＝
０：１００とされるため、ビットデータとして「１１１
１」の音声位置情報が付加され、また第２の話者２が発
言したときはＢ側の比率が７０％として、「１０１１」
のビットデータが付加される。そして、付加されたこれ
らのビットデータは多重化信号と共に送受信装置１３か
ら所定の通信回線に送出され、受信側端末に送出され
る。

【００２９】また、受信側端末で音声位置情報を受信す
ると、上述したように中央制御装置１６が、データ分離
装置２３の内容を監視し、音声位置情報のビットデータ
を読み出し、例えば、当該ビットデータが「１１１１」
のとき、すなわち、図１における音声発生位置が最もＢ
寄りのときはスピーカ１１を０％、スピーカ１２を１０
０％として増幅器２８、２９を介して夫々の比率でもっ
て音声データを出力する。

【００３０】これにより、送信側端末の会議室内におけ
る会議出席者の配置状況に応じた音声出力が受信側端末
のスピーカ１１、１２でなされることとなり、受信側端
末において表示装置２５に映し出される画像情報を一々
確認しなくとも誰が発言したかを容易に知ることが可能
となる。

【００３１】図４は本発明に係るテレビ会議端末の第２
の実施例を示すブロック構成図であって、本第２の実施
例においては、上記第１の実施例に加えてビデオカメラ
１８が中央制御装置１６に電気的に接続され、受信側端
末の表示装置２５に映し出させれた画像情報に応じて受
信側端末の音声位置情報が制御される。

【００３２】すなわち、本第２の実施例では、中央制御
装置１６がビデオカメラ１８の状態を検知し、特定の話
者、例えば第１の話者１が発言している時において第１
の話者１のみが送信側端末のビデオカメラ１８により撮
像され、したがって受信側端末の表示装置２５に第１の
話者１のみが映し出されているときは音声の位置情報を
図１のＡ−Ｂ面のちょうど中心の位置、すなわちスピー
カ１１、１２の音声出力レベルを５０：５０に設定すべ
く、「１０００」の音声位置データを音声データと共に
付加し、送受信装置１３を介して送信側端末に送信す
る。

【００３３】したがって、受信側端末においては、パン
ポット装置２７が受け取ったビットデータは「１００
０」となり、スピーカ１１を５０％、スピーカ１２を５
０％として音声出力レベルを設定し、アンプ２８、２９
を介してこれらスピーカ１１及びスピーカ１２から音声
を出力する。

【００３４】これにより、表示装置２５に映し出された
話者に対して違和感を生じることなくスピーカ１１、１
２から音声出力することができる。

【００３５】また、本第２の実施例の変形例として、表
示装置２５に映し出されている第１の話者１以外の話
者、例えば第４の話者４から発言があった場合にスピー
カ１１及びスピーカ１２の音声出力レベルを変更するの
も好ましい。すなわち、表示装置２５に第１の話者１が
映し出されているときに第４の話者４が発言した場合、
第４の話者４の位置は図１のＡ−Ｂ面に対し最もＡ寄り
に位置しているため、Ａ側が１００％、Ｂ側が０％とな
り、「００００」のビットデータを付加する。これによ
り、ある特定の話者からの音声に対して音声位置データ
が略中央となるように付加されているときにその特定の
話者以外の話者から音声入力があったときは、前記特定
の話者以外の純粋な音声位置情報を付加する。

【００３６】したがって、受信側端末においては、音声
位置情報を受け取ったパンポット装置２７は、その音声
位置情報が「００００」となっていることからＡ−Ｂ面
に対して音声位置が最もＡ寄りにあることをうけてスピ
ーカ１１を１００％、スピーカ１２を０％としてそれぞ
れの比率に対応した音声データが出力される。

【００３７】これにより、表示装置２５に特定の話者の
みが映し出されている状況下において、特定の話者以外
の話者が発言した場合は発言者の位置に応じた位置情報
が送信側端末に付加される結果、前記特定の話者が発言
しているときはスピーカ１１とスピーカ１２の略中央部
から音声が聞き取られる一方、前記特定の話者以外の話
者が発言したときはかかる話者の位置情報に応じて音声
が出力される。

【００３８】図５は本発明に係るテレビ会議端末の第３
の実施例を示す会議室内を模式的に示した平面図であっ
て、会議テーブル５には第４〜第５のマイクロフォン３
１、３２が設けられている。

【００３９】本第３の実施例では、第１の話者１が発言
したときは、第４のマイクロフォン３１に入力された音
声レベルを検知すると共に中央制御装置は第４のマイク
ロフォン３１に対する第５のマイクロフォン３２に入力
された音声レベルの差分を中央制御装置１６によって検
出する。すなわち、この場合、第４のマイクロフォン３
１の音声入力レベルを基準とし第５のマイクロフォン３
２の割合を演算し決定する。これにれり、夫々のマイク
ロフォン３１、３２にどの程度の音声入力レベルがどの
ような比率で入力されたかを検出することができる。つ
まり、第１の話者１はＡ−Ｂ面に対し最もＢ寄りに位置
しているために第４のマイクロフォン３１の音声レベル
は大きい。したがって第５のマイクロフォン３２の音声
レベルは第４のマイクロフォン３１の音声レベルに比べ
て小さく、例えば第４のマイクロフォン３１の音声レベ
ルが７０％、第５のマイクロフォン３２が３０％とされ
たときは「１０１１」のビットデータが音声位置情報と
して付加され、受信側端末にかかる音声位置情報が送出
される。

【００４０】したがって、受信側端末においては、パン
ポット装置２７に入力された前記音声位置情報はそのビ
ットデータが「１０１１」とされているため、一方のス
ピーカに３０％、他方のスピーカに７０％の割合で音声
データを出力する。

【００４１】これにより、上記第１の実施例と同様、送
信側端末の会議室内における会議出席者の配置状況に応
じた音声出力が受信側端末のスピーカ１１、１２でなさ
れることとなり、受信側端末において表示装置２５に映
し出される画像情報を一々確認しなくとも誰が発言した
かを容易に知ることが可能となる。

【００４２】尚、特定の話者が発言している時に当該話
者が表示装置２５に映し出されているときは、上記第２
の実施例と同様、「１０００」のビットデータを付加す
ることにより、音声は会議室の略中央部から発生したか
の如く知覚され、違和感を生じることなく発言内容を聞
き取ることができる。

【００４３】上記第３の実施例の変形例としては受信側
端末においてマイクロフォンの到来方向を検知してスピ
ーカ１１及びスピーカ１２の出力分布を設定するのも好
ましい。

【００４４】すなわち、第１の話者１が発言した場合に
ついて、図６に基づき音声の到来方向を算出する例につ
いて説明する。

【００４５】第１の話者１、第４のマイクロフォン３
２、第５のマイクロフォン３３間で三角形が形成され、
音声は第１の話者１から到来する。そして、第４のマイ
クロフォン３２、第５のマイクロフォン３３と第１の話
者１とを結ぶ直線上に第４のマイクロフォン３２から垂
線を下ろし、図中に示すように、各距離をａ〜ｄとする
と、第１の話者１と第４のマイクロフォン３２との距離
ｂが第４及び第５のマイクロフォン３２、３３間の距離
ｄより十分大きいためａ≒ｂと近似でき、したがって、
図中、距離ｃを第１の話者１から第４又は第５のマイク
ロフォン３２、３３に到達する時間差に近似することが
できる。すなわち、図中、斜線部で示す部分は直角三角
形を形成するので、第４及び第５のマイクロフォン３
２、３３に対する音声の到来方向θは数式（１）で算出
される。

【００４６】cos θ＝ｃ／ｄ …（１） ところで、空気の音速は既知であるため、これらを時間
換算することが可能となり、したがって、数式（１）を
時間座標であらわすと数式（２）のようになる。

【００４７】cos θ＝Ｔｃ／Ｔｄ …（２） ここで、Ｔｃ＝０．２、Ｔｄ＝０．５とするとθ≒７０
°となり音声の到来方向を知ることができる。これは、
図１において、Ａ側が３０％、Ｂ側が７０％とした場合
と同様のこととなり、「１０１１」のビットデータを付
加する。これにより、音声の入力された位置情報が付加
されることとなる。したがって、受信側端末において
は、音声位置情報が「１０１１」となっていることから
Ａ−Ｂ面に対して音声位置がＢ寄りに７０％にあること
をうけてスピーカ１１を３０％、スピーカ１２を７０％
に設定して音声情報を出力する。

【００４８】これにより、上述の実施例と同様、送信側
端末の会議室内における会議出席者の配置状況に応じた
音声出力が受信側端末のスピーカ１１、１２でなされる
こととなり、表示装置２５に映し出される画像情報を一
々確認しなくとも受信側端末においては誰が発言したか
を容易に知ることが可能となる。

【００４９】尚、特定の話者が発言している時に当該話
者が表示装置２５に映し出されているときは、上記第２
の実施例と同様、「１０００」のビットデータを付加す
ることにより、音声は会議室の略中央部から発生したか
の如く知覚され、違和感を生じることなく発言内容を聞
き取ることができる。

【００５０】尚、本発明は上記実施例に限定されるもの
ではない。上記実施例では音声データ処理装置で音声の
発生位置を認識処理するようにしたが、データ装置２１
で音声の発生位置を認識処理するようにしてもよい。

【００５１】

【発明の効果】以上詳述したように本発明によれば、テ
レビ会議を行う場合に際し、送信側端末の会議場内にお
ける会議出席者の配置状況に応じた音声出力が受信側端
末の音声出力手段でなされることとなり、表示装置に映
し出される画像情報を一々確認しなくとも受信側端末に
おいては誰が発言したかを容易に知ることが可能とな
る。

【００５２】また、特定の被写体が撮像されているとき
は、当該被写体以外の者が発言しているときは発生位置
に応じた音声出力分布でもって音声出力がなされるの
で、表示装置に映し出された話者に対して違和感を生じ
ることなく音声出力手段から音声出力することができ
る。一方、前記特定の話者以外の話者が発言したときは
かかる話者の位置情報に応じて音声が出力されるので、
受信側端末は会議出席者の位置情報に応じた受信を行う
ことができる。

【００５３】このように本発明によれば、受信側端末に
おいて、送信側端末のどの位置から入力された音声かを
判断することができ、送信側端末の会議場内の音場を再
生することができ、したがって受信側端末におけるテレ
ビ会議出席者はどの人物からの音声入力かを音声の発生
方向によって迅速且つ容易に識別することができる。

【図面の簡単な説明】

【図１】本発明のテレビ会議端末を使用してテレビ会議
を行う会議室の状態を模式的に示した平面図である。

【図２】本発明に係るテレビ会議端末の一実施例を示す
ブロック構成図である。

【図３】音声位置情報を与えるビットマップ図である。

【図４】本発明に係るテレビ会議端末の第２の実施例を
示すブロック構成図である。

【図５】本発明る係るテレビ会議端末の第３の実施例の
会議室の状態を模式的に示した平面図である。

【図６】第３の実施例における音声到来方向を決定する
ための決定手法を説明する図である。

【図７】テレビ会議端末の従来例を示すブロック構成図
である。

【符号の説明】 ６ 第１のマイクロフォン（音声入力手段） ７ 第２のマイクロフォン（音声入力手段） ８ 第３のマイクロフォン（音声入力手段） ９ 第４のマイクロフォン（音声入力手段） １１ スピーカ（音声出力手段） １２ スピーカ（音声出力手段） １７ 音声データ処理装置（発生位置認識手段） １８ ビデオカメラ（画像入力手段）

Claims (8)

【特許請求の範囲】
1. 【請求項１】 所定の通信回線に接続されてテレビ会議
   を行うテレビ会議端末であって、 音声情報が入力される複数の音声入力手段と、該複数の
   音声入力手段に入力された音声の発生位置を認識する発
   生位置認識手段と、該発生位置認識手段の認識結果を送
   信側端末に送信する送信手段と、送信側端末から送られ
   てきた前記発生位置認識手段の認識結果を受信する受信
   手段と、該受信手段に受信された前記発生位置認識手段
   の認識結果に基づき所定の音声出力分布でもって音声を
   出力する複数の音声出力手段とを備えていることを特徴
   とするテレビ会議端末。
2. 【請求項２】 前記発生位置認識手段は、特定の発生位
   置を複数の発生位置の全体に占める比率で表現すること
   を特徴とする請求項１記載のテレビ会議端末。
3. 【請求項３】 所定の通信回線に接続されてテレビ会議
   を行うテレビ会議端末であって、 音声情報が入力される複数の音声入力手段と、該複数の
   音声入力手段に入力された音声の発生位置を認識する発
   生位置認識手段と、該発生位置認識手段の認識結果を送
   信側端末に送信する送信手段と、前記送信側端末に送信
   される画像情報を入力する画像入力手段と、送信側端末
   から送られてきた前記発生位置認識手段の認識結果を受
   信する受信手段と、該受信手段に受信された前記発生位
   置認識手段の認識結果に基づき所定の音声出力分布でも
   って音声を出力する複数の音声出力手段とをを備え、 前記画像入力手段が音声を発した特定の被写体を撮像し
   ているときは、前記発生位置認識手段は音声発生位置は
   会議場の中央位置であると認識することを特徴とするテ
   レビ会議端末。
4. 【請求項４】 前記画像入力手段が音声を発していない
   特定の被写体を撮像しているときは、前記音声出力手段
   は音声の発生位置に応じた所定の音声出力レベルで出力
   することを特徴とする請求項３記載のテレビ会議端末。
5. 【請求項５】 前記発生位置認識手段は、特定の発生位
   置を複数の発生位置の全体に占める比率で表現すること
   を特徴とする請求項４記載のテレビ会議端末。
6. 【請求項６】 前記発生位置認識手段の分解能はビット
   マップデータとして付与されることを特徴とする請求項
   １乃至請求項５記載のテレビ会議端末。
7. 【請求項７】 音声入力手段に入力された音声情報を処
   理する音声情報処理手段を備え、該音声情報処理手段が
   前記発生位置認識手段を有していることを特徴とする請
   求項１乃至請求項６のいずれかに記載のテレビ会議端
   末。
8. 【請求項８】 音声情報及び画像情報以外の情報を処理
   する情報処理手段を備え、 該情報処理手段が前記発生位置認識手段を有しているこ
   とを特徴とする請求項１乃至請求項６のいずれかに記載
   のテレビ会議端末。