JPH10240283A - 音声処理装置及び電話装置 - Google Patents

Abstract

(57)【要約】 【課題】 送話者の周囲雑音を取り除くことにより、ク
リアな音声による品質のよい通話を行なうことができる
とともに、公衆の場において携帯電話等を使用しても迷
惑とならない音声処理装置等の電話装置を提供する。 【解決手段】 音声認識部１０２においては、音声認識
を行ない送話者の音声と周囲雑音とを含む音声信号から
周囲雑音を除去した音声合成用元データを出力する。ま
た、音声合成部１０３は、該音声合成用元データから可
聴合成音声を出力する。また、音声認識部１０２の代わ
りに、人間の口唇の形状から音声認識を行なう口唇形状
認識部を設ける。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は、音声処理装置に関
するものであり、特に、送話者の音声とともに入力され
た周囲雑音を除去する機能を備えた電話装置に関するも
のである。

【０００２】

【従来の技術】従来より電話装置は広く使用されている
が、送話者の周囲の雑音が音声とともに聞こえると、受
話者にとって送話者の音声が聞き取りにくい。この問題
を解決しようとするものとして、特開平１−１０５６２
６号公報、特開平１−２３２８６４号公報、特開平２−
５６７５号公報、特開昭６３−２６３８６５号公報に記
載の技術が挙げられる。

【０００３】ここで、上記特開平１−１０５６２６号公
報には、送話者の音声信号の有無を検出する手段を設
け、無信号時には送信系音声信号処理部に音声信号をミ
ュートする回路を設けることにより、送話者が無音の場
合に送信される周囲雑音を軽減する点が開示されてい
る。また、上記特開平１−２３２８６４号公報には、送
信側の周囲雑音レベルの変化に応じて、送話信号を増幅
する可変利得増幅器の利得と受話信号を増幅する可変利
得増幅器の利得とを制御することにより、周囲雑音が大
きい場合でも受話音声を十分に聞き取れるようにする点
が開示されている。

【０００４】また、特開平２−００５６７５号公報に
は、送話者の音声の通過周波数帯数を制限し、上記音声
の特徴を抽出して登録し新たに音声を生成する場合、上
記音声における通過帯域のゲインを補正して出力するこ
とにより、周囲雑音を軽減する点が開示されている。ま
た、特開昭６３−２６３８６５号公報には、送信器の周
囲雑音を拾うマイクと、上記マイクから入力した周囲雑
音信号を送信器からの周囲雑音信号と等価な信号にする
信号処理部を、上記送信器より入力した信号から信号処
理部より入力した周囲雑音信号を引算する演算部を設け
ることにより、周囲雑音を軽減する点が開示されてい
る。

【０００５】

【発明が解決しようとする課題】しかし、上記公報に記
載の従来技術は、送信側に入力される周囲雑音の軽減、
もしくは送受話信号の増幅による受話音声の聞取り向上
を図ったものであり、周囲雑音の完全な除去には至って
いないという問題があった。また、携帯端末を公衆の場
において使用すると通話者の声が他人に迷惑となるとい
う問題がある。そこで、本発明は、送話者の周囲雑音を
取り除くことにより、クリアな音声による品質のよい通
話を行なうことができるとともに、公衆の場において携
帯電話等を使用しても迷惑とならない音声処理装置等の
電話装置を提供することを目的とするものである。

【０００６】

【課題を解決するための手段】本発明は上記問題点を解
決するために創作されたものであって、第１には、音声
信号を処理する音声処理装置であって、送話者の音声と
周囲雑音とを含む音声信号の音声認識を行なうことによ
り、該音声信号から周囲雑音の成分が除去された音声合
成用元データを出力する音声認識部と、該音声認識部か
ら出力された音声合成用元データから可聴合成音声に変
換して出力する音声合成部と、上記音声合成部から出力
された可聴合成音声の音声信号を受信側に送信する送信
部とを有することを特徴とする。この第１の構成の音声
処理装置においては、音声認識部が、送話者の音声と周
囲雑音とを含む音声信号の音声認識を行なうことによ
り、該音声信号から周囲雑音の成分が除去された音声合
成用元データを出力する。また、音声合成部が、該音声
認識部から出力された音声合成用元データから可聴合成
音声に変換して出力する。そして、送信部が、可聴合成
音声の音声信号を受信側に送信する。よって、周囲雑音
の除去された音声の信号を出力することができ、クリア
な音声による通話を行なうことができる。

【０００７】また、第２には、音声信号を処理する音声
処理装置であって、送話者の口唇形状の形状認識を行な
うことにより、音声合成用元データを出力する口唇形状
認識部と、該口唇形状認識部から出力された音声合成用
元データから可聴合成音声に変換して出力する音声合成
部と、上記音声合成部から出力された可聴合成音声の音
声信号を受信側に送信する送信部とを有することを特徴
とする。この第２の構成の音声処理装置においては、口
唇形状認識部が、送話者の口唇形状の形状認識を行なう
ことにより音声合成用元データを出力する。また、音声
合成部が、該口唇形状認識部から出力された音声合成用
元データから可聴合成音声に変換して出力する。そし
て、送信部が、可聴合成音声の音声信号を受信側に送信
する。よって、口唇形状から音声を得るので周囲雑音は
含まれず、クリアな音声による通話を行なうことができ
る。特に、口唇の形状から可聴合成音声が出力されるの
で、送話者は声に出して会話をする必要がなく、口唇を
動かすだけで通話を行なうことができる。よって、この
音声処理装置を携帯電話装置として公衆の場で使用して
も迷惑となることがない。

【０００８】また、第３には、音声信号を処理する音声
処理装置であって、送信側から送信された音声信号であ
って、送話者の音声と周囲雑音とを含む音声信号を受信
する受信部と、該受信部で受信された音声信号の音声認
識を行なうことにより、該音声信号から周囲雑音の成分
が除去された音声合成用元データを出力する音声認識部
と、該音声認識部から出力された音声合成用元データか
ら可聴合成音声に変換して出力する音声合成部とを有す
ることを特徴とする。この第３の構成の音声処理装置に
おいては、受信部が送信側から送信された音声信号であ
って、送話者の音声と周囲雑音とを含む音声信号を受信
する。そして、音声認識部が、受信された音声信号の音
声認識を行なうことにより、該音声信号から周囲雑音の
成分が除去された音声合成用元データを出力する。ま
た、音声合成部が、該音声認識部から出力された音声合
成用元データから可聴合成音声に変換して出力する。よ
って、受信部で受信された音声信号から周囲雑音を除去
することができ、電話装置等の受信器に利用してクリア
な音声による通話を行なうことができる。

【０００９】また、第４には、音声信号を処理する音声
処理装置であって、送話者の音声と周囲雑音とを含む音
声信号の音声認識を行なうことにより、該音声信号から
周囲雑音の成分が除去された音声合成用元データを出力
する音声認識部と、該音声認識部から出力された音声合
成用元データから可聴合成音声に変換して出力する音声
合成部と、上記音声合成部から出力された可聴合成音声
の音声信号を符号化する符号化部と、該符号化部で符号
化された音声信号を受信側に送信する送信部とを有する
ことを特徴とする。この第４の構成の音声処理装置にお
いては、音声認識部が、送話者の音声と周囲雑音とを含
む音声信号の音声認識を行なうことにより、該音声信号
から周囲雑音の成分が除去された音声合成用元データを
出力する。また、音声合成部が、該音声認識部から出力
された音声合成用元データから可聴合成音声に変換して
出力する。そして、該可聴合成音声が符号化部で符号化
され、この符号化された音声信号が送信部により送信さ
れる。よって、該音声処理装置をデジタル電話等の送信
器として利用することによりクリアな音声による通話を
行なうことができる。

【００１０】また、第５には、音声信号を処理する音声
処理装置であって、送話者の口唇形状の形状認識を行な
うことにより、音声合成用元データを出力する口唇形状
認識部と、該口唇形状認識部から出力された音声合成用
元データから可聴合成音声に変換して出力する音声合成
部と、上記音声合成部から出力された可聴合成音声の音
声信号を符号化する符号化部と、該符号化部で符号化さ
れた音声信号を受信側に送信する送信部とを有すること
を特徴とする。この第５の構成の音声処理装置において
は、口唇形状認識部が、送話者の口唇形状の形状認識を
行なうことにより音声合成用元データを出力する。ま
た、音声合成部が、該口唇形状認識部から出力された音
声合成用元データから可聴合成音声に変換して出力す
る。そして、該可聴合成音声が符号化部で符号化され、
この符号化された音声信号が送信部により送信される。
よって、該音声処理装置をデジタル電話等の送信器とし
て利用することによりクリアな音声による通話を行なう
ことができる。

【００１１】また、第６には、音声信号を処理する音声
処理装置であって、送信側から送信された符号データと
しての音声信号であって、送話者の音声と周囲雑音とを
含む音声信号を受信する受信部と、該受信部で受信され
た音声信号の復号化を行なう復号化部と、該復号化部で
復号化された音声信号の音声認識を行なうことにより、
該音声信号から周囲雑音の成分が除去された音声合成用
元データを出力する音声認識部と、該音声認識部から出
力された音声合成用元データから可聴合成音声に変換し
て出力する音声合成部とを有することを特徴とする。こ
の第６の構成の音声処理装置においては、受信部が送信
側から送信された符号データとしての音声信号であっ
て、送話者の音声と周囲雑音とを含む音声信号を受信す
る。そして、復号化部が該音声信号の復号化を行なう。
次に、音声認識部が、復号化された音声信号の音声認識
を行なうことにより、該音声信号から周囲雑音の成分が
除去された音声合成用元データを出力する。また、音声
合成部が、該音声認識部から出力された音声合成用元デ
ータから可聴合成音声に変換して出力する。よって、符
号データとしての音声信号が受信部で受信され、該音声
信号が復号化部で復号化されて音声認識部に出力される
ので、該音声処理装置をデジタル電話等の受信器として
利用することによりクリアな音声による通話を行なうこ
とができる。

【００１２】また、第７には、音声信号を処理する音声
処理装置であって、送話者の音声と周囲雑音とを含む音
声信号の音声認識を行なうことにより、該音声信号から
周囲雑音の成分が除去された音声合成用元データを出力
する音声認識部と、該音声認識部から出力された音声合
成用データを受信側に送信する送信部とを有することを
特徴とする。この第７の構成の音声処理装置において
は、音声認識部が、送話者の音声と周囲雑音とを含む音
声信号の音声認識を行なうことにより、該音声信号から
周囲雑音の成分が除去された音声合成用元データを出力
し、送信部がこの音声合成用元データを送信する。よっ
て、受信側でこの音声合成用元データを合成音声に変換
することによりクリアな音声による通話を行なうことが
できる。

【００１３】また、第８には、音声信号を処理する音声
処理装置であって、送信側から送信された音声合成用元
データであって、送話者の音声と周囲雑音とを含む音声
信号の音声認識を行なうことにより、該音声信号から周
囲雑音の成分が除去された音声合成用元データを受信す
る受信部と、該受信部で受信された音声合成用元データ
から可聴合成音声に変換して出力する音声合成部とを有
することを特徴とする。この第８の構成の音声処理装置
においては、周囲雑音の成分が除去された音声合成用元
データが受信部で受信され、これが音声合成部により可
聴合成音声に変換される。よって、クリアな音声による
通話を行なうことができる。

【００１４】また、第９には、音声信号を処理する音声
処理装置であって、送信側から送信された音声合成用元
データであって、送話者の口唇形状の形状認識を行なう
ことにより得られた音声合成用元データを受信する受信
部と、該受信部で受信された音声合成用元データから可
聴合成音声に変換して出力する音声合成部とを有するこ
とを特徴とする。この第９の構成の音声処理装置におい
ては、送話者の口唇形状の形状認識を行なうことにより
得られた音声合成用元データが受信部で受信され、これ
が音声合成部により可聴合成音声に変換される。よっ
て、クリアな音声による通話を行なうことができる。ま
た、第１０には、音声信号を処理する電話装置であっ
て、上記第１から第９までのいずれかに記載の音声処理
装置を有することを特徴とする。

【００１５】

【発明の実施の形態】本発明の実施の形態としての実施
例を図面を利用して説明する。本発明の第１実施例に基
づく音声処理装置及び電話装置としての送信器１０１
は、図１に示されるように、音声認識部１０２と、音声
合成部１０３と、送信部１０４とを有している。

【００１６】ここで、上記音声認識部１０２は、送話者
の音声と周囲雑音とを含む音の音声信号の音声認識を行
なうことにより周囲雑音が除去された音声合成用元デー
タを出力するものである。この音声合成用元データは、
デジタル的な符号データである。また、音声合成部１０
３は、音声合成用元データから人間が聞き取ることがで
きる可聴合成音声としての合成音声を出力するものであ
る。この音声認識部１０２と音声合成部１０３の詳しい
構成は後述する。また、上記送信部１０４は、音声合成
部１０３から出力された合成音声を外部に送信するもの
であり、送信機やアンテナ等により構成される。

【００１７】ここで、上記音声認識部１０２の構成を示
すと、図９に示すように構成される。つまり、音声認識
部１０２は、マイク１０と、Ａ／Ｄ変換部１１と、メモ
リ部１２と、制御部１４と、データ出力部１５とを有し
ている。ここで、マイク１０は送話者の音声や周囲雑音
を含む音声を集音し電気信号としての自然音声信号に変
換するものである。また、Ａ／Ｄ変換部１１は、アナロ
グ信号としての自然音声信号をデジタル信号に変換す
る。また、メモリ部１２は、各種プログラムやデータを
格納するものであり、例えば、入力された自然音声信号
等から送話者等の音声信号を抽出するためのプログラム
や音声合成用元データを出力するためのプログラムが格
納されている。また、メモリ部１２はデータベース１３
を有し、このデータベース１３には、特に、抽出された
送話者等の音声信号に対応する音声合成用元データが格
納されている。また、制御部１４は、音声認識部１０２
の各部の動作を制御するためのものであり、データ出力
部１５は、Ａ／Ｄ変換部１１からの自然音声信号より送
話者等の音声信号を抽出するとともに、その音声信号に
応じた音声合成用元データを出力するものである。

【００１８】また、上記音声合成部１０３の構成を示す
と、図１０に示すように構成される。つまり、入力部２
０と、メモリ部２１と、データ出力部２３と、Ｄ／Ａ変
換部２４と、制御部２５とを有している。ここで、上記
入力部２０は、音声認識部１０２からの音声合成用元デ
ータを入力するものであり、入力部２０に入力された音
声合成用元データはデータ出力部２３に送られる。ま
た、メモリ部２１は、各種プログラムやデータを格納す
るものであり、例えば、入力された音声合成用元データ
から合成音声信号を出力するためのプログラムが格納さ
れている。また、メモリ部２１はデータベース２２を有
し、このデータベース２２には、特に、合成音声信号が
格納されている。この合成音声信号は機械的に生成した
データである。また、制御部２５は、音声合成部１０３
の各部の動作を制御するためのものであり、データ出力
部２３は、入力部２０からの音声合成用元データより合
成音声信号を出力するものである。また、Ｄ／Ａ変換部
２４は、デジタル信号としての合成音声信号をアナログ
信号に変換する。つまり、この送信器１０１は、アナロ
グ電話の送信器に音声認識部１０２と音声合成部１０３
とを設けた構成となっている。

【００１９】上記構成の送信器１０１の動作について説
明する。送話者の音声や周囲雑音を含む音声が音声認識
部１０２のマイク１０に入力されると、この音声につい
ての自然音声信号はＡ／Ｄ変換部１１において変換さ
れ、データ出力部１５に送られる。データ出力部１５
は、Ａ／Ｄ変換部１１からの自然音声信号より周囲雑音
を除去して送話者等の音声信号を抽出するとともに、そ
の音声信号に応じた音声合成用元データをデータベース
１３より出力する。なお、送話者以外の他の者の音声も
音声合成用元データに変換されることになる。

【００２０】次に、音声認識部１０２により出力された
音声合成用元データは、音声合成部１０３の入力部２０
に入力されると、データ出力部２３に送られ、データ出
力部２３は合成音声信号をデータベース２２より出力す
る。この合成音声信号はＤ／Ａ変換部２４においてアナ
ログ信号に変換されて出力される。こうして出力された
合成音声信号は、送信部１０４により外部に送信され
る。

【００２１】以上のように、本実施例の送信器１０１に
おいては、音声認識部１０２において周囲雑音が除去さ
れ、音声合成部１０３において合成音声が出力されるの
で、アナログ電話の送信器に周囲雑音除去機能を持たせ
て、周囲雑音を除去した音声信号を送信することがで
き、受信側においても、送話者の音声をクリアに聞くこ
とができる。

【００２２】次に、第２実施例について説明する。この
第２実施例は、上記第１実施例が音声を認識することに
よる周囲雑音除去の機能をアナログ電話に持たせたもの
であるのに対して、該機能をデジタル電話に持たせたも
のである。この第２実施例における電話システムＳ１
は、図２に示すように、音声処理装置及び電話装置とし
ての送信器２０１と、同じく音声処理装置及び電話装置
としての受信器２０２とを有している。

【００２３】まず、上記送信器２０１について説明する
と、上記送信器２０１は、音声認識部２０３と、音声合
成部２０４と、音声符号化部２０５と、送信部２０６と
を有している。ここで、上記音声認識部２０３は、上記
第１実施例における音声認識部１０２と同様に、図９に
示すように構成されている。また、上記音声合成部２０
４は、上記第１実施例における音声合成部１０３と同様
に、図１０に示すように構成されている。また、上記音
声符号化部２０５は、音声合成部２０４において出力さ
れた合成音声信号を符号化するものである。また、送信
部２０６は、音声符号化部２０５で符号化された合成音
声信号を伝送路に送出するものであり、送信機やアンテ
ナ等により構成される。つまり、この送信器２０１は、
デジタル電話の送信器に音声認識部２０３と音声合成部
２０４とを設けた構成となっている。

【００２４】次に、受信器２０２について説明すると、
受信器２０２は、受信部２０７と、音声復号化部２０８
とを有している。上記受信部２０７は、外部から送信さ
れた送信信号を受信するものであり、具体的には、送信
部２０６から伝送路を介して送信されたデジタル信号と
しての合成音声信号がこの受信部２０７において受信さ
れる。この受信部２０７は具体的には、アンテナや受信
機等により構成される。また、音声復号化部２０８は、
符号データとしての合成音声信号を復号化して音声とす
るものである。なお、実際には、音声復号化部２０８に
は、該音声を出力するためのスピーカ等が設けられる。

【００２５】上記構成の電話システムＳ１の動作につい
て説明する。送話者の音声や周囲雑音を含む音声が音声
認識部２０３に入力されると、音声認識部２０３では、
音声を認識して周囲雑音を除去した状態の音声合成用元
データが出力される。そしてこの音声合成用元データは
音声合成部２０４に入力され、この音声合成部２０４
は、音声合成用元データから人間が聞き取ることができ
る合成音声信号を出力する。そして、この合成音声信号
は音声符号化部２０５において符号化され、送信部２０
６から伝送路に送出される。一方、受信器２０２におい
ては、送信信号としての合成音声信号が受信部２０７で
受信され、音声復号化部２０８で復号化されて音声とし
て出力される。

【００２６】以上のように、本実施例の電話システムＳ
１においては、音声認識部２０３において周囲雑音が除
去され、音声合成部２０４において合成音声が出力され
るので、デジタル電話の送信器に周囲雑音除去機能を持
たせて、周囲雑音を除去した音声信号を送信することが
でき、受信側において、送話者の音声をクリアに聞くこ
とができる。

【００２７】次に、第３実施例について説明する。この
第３実施例は、上記第１実施例が音声認識による周囲雑
音除去の機能を送信側に設けたものであるのに対して、
該機能を受信側に設けたものである。第３実施例におけ
る音声処理装置及び電話装置としての受信器３０１は、
受信部３０２と、音声認識部３０３と、音声合成部３０
４とを有している。

【００２８】ここで、上記受信部３０２は、伝送路を介
して送信された音声信号で、周囲雑音を含んだアナログ
信号としての音声信号を受信するものである。つまり、
この受信部３０２は通常のアナログ電話の受信部と同様
の構成である。この受信部３０２は具体的には、アンテ
ナや受信機等により構成される。また、上記音声認識部
３０３は、上記各実施例における音声認識部と同様に、
図９に示すように構成されている。また、上記音声合成
部３０４は、上記各実施例における音声認識部と同様
に、図１０に示すように構成されている。つまり、この
受信器３０１は、アナログ電話の受信器に音声認識部３
０３と音声合成部３０４とを設けた構成となっている。

【００２９】上記構成の受信器３０１の動作について説
明する。送話者の音声や周囲雑音を含む音声の音声信号
が伝送路を介して受信部３０２で受信されると、この音
声信号は音声認識部３０３に入力される。音声認識部３
０３では、周囲雑音を除去した状態の音声合成用元デー
タが出力される。そしてこの音声合成用元データは音声
合成部３０４に入力され、この音声合成部３０４におい
ては、音声合成用元データから人間が聞き取ることがで
きる合成音声信号が出力され、音声として出力される。
なお、実際には、音声合成部３０４には、該音声を出力
するためのスピーカ等が設けられる。

【００３０】以上のように、本実施例の受信器３０１に
おいては、音声認識部３０３において周囲雑音が除去さ
れ、音声合成部３０４において合成音声が出力されるの
で、アナログ電話の受信器に周囲雑音除去機能を持たせ
て、周囲雑音を除去したクリアな音声を聞くことができ
る。

【００３１】次に、第４実施例について説明する。この
第４実施例は、上記第２実施例が音声認識による周囲雑
音除去の機能をデジタル電話における送信側に持たせた
ものであるのに対して、該機能を受信側に持たせたもの
である。この第４実施例における電話システムＳ２は、
図４に示すように、音声処理装置及び電話装置としての
送信器４０１と、同じく音声処理装置及び電話装置とし
ての受信器４０２とを有している。

【００３２】まず、上記送信器４０１について説明する
と、上記送信器４０１は、音声符号化部４０３と、送信
部４０４とを有している。ここで、上記音声符号化部４
０３は、送話者の音声や周囲雑音を含む音声についての
音声信号を符号化するものである。また、送信部４０４
は、音声符号化部４０３で符号化された音声信号を伝送
路に送出するものであり、送信機やアンテナ等により構
成される。

【００３３】次に、受信器４０２について説明すると、
受信器４０２は、受信部４０５と、音声復号化部４０６
と、音声認識部４０７と、音声合成部４０８とを有して
いる。上記受信部４０５は、外部から送信された送信デ
ータを受信するものであり、具体的には、送信部４０４
から伝送路を介して送信されたデジタル信号としての音
声信号がこの受信部４０５において受信される。また、
音声復号化部４０６は、符号データとしての合成音声信
号を復号化して音声とするものである。また、音声認識
部４０７は、上記各実施例における音声認識部と同様
に、図９に示すように構成されている。また、上記音声
合成部４０８は、上記各実施例における音声認識部と同
様に、図１０に示すように構成されている。つまり、こ
の受信器４０２は、デジタル電話の受信器に音声認識部
４０７と音声合成部４０８とを設けた構成となってい
る。

【００３４】上記構成の電話システムＳ２の動作につい
て説明する。送話者の音声や周囲雑音を含む音声が音声
符号化部４０３に入力されると、この音声についての音
声信号は音声符号化部４０３において符号化され、送信
部４０４から伝送路に送出される。

【００３５】一方、受信器４０２においては、送信信号
としての音声信号が受信部４０５で受信され、音声復号
化部４０６において復号される。復号された音声信号は
音声認識部４０７に送られ、音声認識部４０７では、こ
の復号された音声信号から周囲雑音を除去した状態の音
声合成用元データが出力される。そしてこの音声合成用
元データは音声合成部４０８に入力され、この音声合成
部４０８においては、音声合成用元データから人間が聞
き取ることができる合成音声信号が出力され、音声とし
て出力される。なお、実際には、音声合成部４０８に
は、該音声を出力するためのスピーカ等が設けられる。

【００３６】以上のように、本実施例の電話システムＳ
２においては、音声認識部４０７において周囲雑音が除
去され、音声合成部４０８において合成音声が出力され
るので、デジタル電話の受信器に周囲雑音除去機能を持
たせて、周囲雑音を除去した音声を聞くことができる。

【００３７】次に、第５実施例について説明する。この
第５実施例は、上記第１実施例が音声認識による周囲雑
音除去の機能を持たせたものであるのに対して、口唇形
状を認識することによる周囲雑音除去機能を持たせたも
のである。この第５実施例における音声処理装置及び電
話装置としての送信器５０１は、図５に示すように、口
唇形状認識部５０２と、音声合成部５０３と、送信部５
０４とを有している。

【００３８】ここで、上記口唇形状認識部５０２は、人
間の口唇の形状に基づき音声合成用元データを出力する
ものである。この口唇形状認識部５０２の詳しい構成は
後述する。また、上記音声合成部５０３は、上記各実施
例における音声合成部と同様に、図１０に示すように構
成されている。また、送信部５０４は、音声合成部５０
３から出力された合成音声信号を伝送路に送出するもの
であり、送信機やアンテナ等により構成される。つま
り、この送信器５０１は、アナログ電話の送信器に口唇
形状認識部５０２と音声合成部５０３とを設けた構成と
なっている。

【００３９】ここで、上記口唇形状認識部５０２の構成
を示すと、図１１に示すように構成される。つまり、口
唇形状認識部５０２は、入力部３０と、メモリ部３１
と、データ出力部３３と、制御部３４とを有している。
ここで、入力部３０は送話者の口唇付近の形状を撮影し
て画像データを出力するものである。また、メモリ部３
１は、各種プログラムやデータを格納するものであり、
例えば、入力された画像データから音声合成用元データ
の出力に必要な画像データを抽出するためのプログラム
や入力された口唇の画像データから音声合成用元データ
を出力するためのプログラムが格納されている。また、
メモリ部３１はデータベース３２を有し、このデータベ
ース３２には、特に、抽出された画像データに対応する
音声合成用元データが格納されている。また、制御部３
４は、口唇形状認識部５０２の各部の動作を制御するた
めのものであり、データ出力部３３は、入力部３０から
の画像データから音声合成用元データの出力に必要な画
像データを抽出するとともに、その画像データに応じた
音声合成用元データを出力するものである。

【００４０】上記構成の送話器５０１の動作について説
明する。送話者の口唇の画像が入力部３０に入力される
と、その画像データはデータ出力部３３に送られる。デ
ータ出力部３３においては、入力部３０からの画像デー
タから音声合成用元データの出力に必要な画像データを
抽出するとともに、その画像データに応じた音声合成用
元データをデータベース３２より出力する。

【００４１】次に、口唇形状認識部５０２から出力され
た音声合成用元データは、音声合成部５０３の入力部２
０に入力されると、データ出力部２３に送られ、データ
出力部２３からは合成音声信号が出力される。この合成
音声信号はＤ／Ａ変換部２４においてアナログ信号に変
換されて出力される。こうして出力された合成音声信号
は、送信部５０４により外部に送信される。

【００４２】以上のように、本実施例の送信器５０１に
おいては、口唇形状から合成音声が出力されるので、周
囲雑音の含まれない音声信号を送信することができ、受
信側においても、送話者の音声をクリアに聞くことがで
きる。特に、口唇の形状から音声が出力されるので、送
話者は声に出して会話をする必要がなく、口唇を動かす
だけで通話を行なうことができる。よって、公衆の場に
おける携帯端末の使用際して問題となる通話者の騒音問
題も解消することができる。

【００４３】次に、第６実施例について説明する。この
第６実施例は、上記第５実施例が口唇形状を認識するこ
とによる周囲雑音除去の機能をアナログ電話に持たせた
ものであるのに対して、該機能をデジタル電話に持たせ
たものである。この第６実施例における電話システムＳ
３は、図６に示すように、音声処理装置及び電話装置と
しての送信器６０１と、同じく音声処理装置及び電話装
置としての受信器６０２とを有している。

【００４４】まず、上記送信器６０１について説明する
と、上記送信器６０１は、口唇形状認識部６０３と、音
声合成部６０４と、音声符号化部６０５と、送信部６０
６とを有している。ここで、上記口唇形状認識部６０３
は、上記第５実施例における口唇形状認識部５０２と同
様に、図１１に示すように構成されている。また、上記
音声合成部６０４は、上記各実施例における音声合成部
と同様に、図１０に示すように構成されている。また、
上記音声符号化部６０５は、音声合成部６０４により出
力された合成音声信号を符号化するものである。また、
送信部６０６は、音声符号化部６０５で符号化された合
成音声信号を伝送路に送出するものであり、送信機やア
ンテナ等により構成される。つまり、この送信器６０１
は、デジタル電話の送信器に口唇形状認識部６０３と音
声合成部６０４とを設けた構成となっている。

【００４５】次に、受信器６０２について説明すると、
受信器６０２は、受信部６０７と音声復号化部６０８と
を有している。上記受信部６０７は、外部から送信され
た送信信号を受信するものであり、具体的には、送信部
６０６から伝送路を介して送信されたデジタル信号とし
ての合成音声信号がこの受信部６０７において受信され
る。また、音声復号化部６０８は、符号データとしての
合成音声信号を復号化して音声とするものである。つま
り、この受信器６０２は、上記第２実施例における受信
器２０２と同様の構成となっている。また、音声復号化
部６０８には、実際には、該音声を出力するためのスピ
ーカ等が設けられる。

【００４６】上記構成の電話システムＳ３の動作につい
て説明する。送話者の口唇付近が画像が入力されると、
口唇形状認識部６０３から音声合成用元データが出力さ
れる。そしてこの音声合成用元データは音声合成部６０
４に入力され、この音声合成部６０４は、音声合成用元
データから人間が聞き取ることができる合成音声信号を
出力する。そして、この合成音声信号は音声符号化部６
０５において符号化され、送信部６０６から伝送路に送
出される。一方、受信器６０２においては、送信信号と
しての合成音声信号が受信部６０７で受信され、音声復
号化部６０８で復号化されて音声として出力される。

【００４７】以上のように、本実施例の電話システムＳ
３においては、口唇形状から合成音声が出力されるの
で、周囲雑音の含まれない音声信号を送信することがで
き、受信側においても、送話者の音声をクリアに聞くこ
とができる。特に、声に出さなくても通話を行なうこと
ができる。

【００４８】次に、第７実施例について説明する。この
第７実施例は、上記第１実施例から第４実施例が音声認
識部と音声合成部の両方が送信側又は受信側に設けられ
ているものであるのに対して、その一方を送信側に設
け、他方を受信側に設けたものである。この第７実施例
における電話システムＳ４は、図７に示すように、音声
処理装置及び電話装置としての送信器７０１と、同じく
音声処理装置及び電話装置としての受信器７０２とを有
している。

【００４９】まず、上記送信器７０１について説明する
と、上記送信器７０１は、音声認識部７０３と、送信部
７０４とを有している。ここで、上記音声認識部７０３
は、上記各実施例における音声認識部と同様に、図９に
示すように構成されている。また、送信部７０４は、音
声認識部７０３から出力された音声合成用元データを伝
送路に送出するものであり、送信機やアンテナ等により
構成される。

【００５０】次に、受信器７０２について説明すると、
受信器７０２は、受信部７０５と音声合成部７０６とを
有している。上記受信部７０５は、外部から送信された
送信信号を受信するものであり、具体的には、送信部７
０４から伝送路を介して送信された合成音声用元データ
がこの受信部７０５において受信される。上記音声合成
部７０６は、上記各実施例における音声合成部と同様
に、図１０に示すように構成されている。つまり、この
電話システムＳ４においては、送信器７０１は、アナロ
グ電話の送信器に音声認識部７０３を設けた構成で、受
信器７０２は、アナログ電話の受信器に音声合成部７０
６を設けた構成となっている。

【００５１】上記構成の電話システムＳ４の動作につい
て説明する。送話者の音声や周囲雑音を含む音声が音声
認識部７０３に入力されると、音声認識部７０３では、
音声を認識して周囲雑音を除去した状態の音声合成用元
データが出力される。そしてこの音声合成用元データは
送信部７０４から伝送路に送出される。

【００５２】一方、受信器７０２においては、送信信号
としての音声合成用元データが受信部７０５で受信さ
れ、音声合成部７０６に入力され、この音声合成部７０
６は、音声合成用元データから人間が聞き取ることがで
きる合成音声信号を出力する。なお、実際には、音声合
成部７０６には、該音声を出力するためのスピーカ等が
設けられる。

【００５３】以上のように、本実施例の電話システムＳ
４においては、音声認識部７０３において周囲雑音が除
去され、音声合成部７０６において合成音声が出力され
るので、アナログ電話の送信器と受信機に周囲雑音除去
機能を持たせて、周囲雑音を除去した音声信号を送信す
ることができ、受信側において、送話者の音声をクリア
に聞くことができる。

【００５４】次に、第８実施例について説明する。この
第８実施例は、上記第５実施例と第６実施例が、口唇形
状認識部と音声合成部の両方が送信側又は受信側に設け
られているものであるのに対して、その一方を送信側に
設け、他方を受信側に設けたものである。この第８実施
例における電話システムＳ５は、図８に示すように、音
声処理装置及び電話装置としての送信器８０１と、同じ
く音声処理装置及び電話装置としての受信器８０２とを
有している。

【００５５】まず、上記送信器８０１について説明する
と、上記送信器８０１は、口唇形状認識部８０３と、送
信部８０４とを有している。ここで、上記口唇形状認識
部８０３は、上記各実施例における口唇形状認識部と同
様に、図１１に示すように構成されている。また、送信
部８０４は、口唇形状認識部８０３から出力された音声
合成用元データを伝送路に送出するものであり、送信機
やアンテナ等により構成される。

【００５６】次に、受信器８０２について説明すると、
受信器８０２は、受信部８０５と音声合成部８０６とを
有している。上記受信部８０５は、外部から送信された
送信信号を受信するものであり、具体的には、送信部８
０４から伝送路を介して送信された合成音声用元データ
がこの受信部８０５において受信される。上記音声合成
部８０６は、上記各実施例における音声合成部と同様
に、図１０に示すように構成されている。つまり、この
電話システムＳ５においては、送信器８０１は、アナロ
グ電話の送信器に口唇形状認識部８０３を設けた構成
で、受信器８０２は、アナログ電話の受信器に音声合成
部８０６を設けた構成となっている。

【００５７】上記構成の電話システムＳ５の動作につい
て説明する。送話者の口唇の画像が入力されると、口唇
形状認識部８０３から音声合成用元データが出力され
る。そしてこの音声合成用元データは送信部８０４から
受信器８０２に送信される。受信器８０２では、該音声
合成用元データが受信部８０５で受信されると、音声合
成部８０６に入力され、この音声合成部８０６は、音声
合成用元データから人間が聞き取ることができる合成音
声信号を出力する。なお、実際には、音声合成部８０６
には、該音声を出力するためのスピーカ等が設けられ
る。

【００５８】以上のように、本実施例の電話システムＳ
８においては、口唇形状から合成音声が出力されるの
で、周囲雑音の含まれない音声信号を送信することがで
き、受信側においても、送話者の音声をクリアに聞くこ
とができる。

【００５９】なお、上記各実施例における送信部の送
信、受信部の受信及び両者間の送受信は無線通信でも有
線通信であってもよい。また、上記各実施例において、
音声合成部は機械的な合成音声を出力するものとして説
明したが、例えば、送話者の声のデータを登録してお
き、このデータに基づき合成音声を出力するようにして
もよい。

【００６０】

【発明の効果】本発明に基づく音声処理装置、音声処理
システム及び電話装置によれば、送話者の周囲雑音を取
り除くことにより、クリアな音声による品質のよい通話
を行なうことができる。また、口唇形状により音声を出
力する場合には、声に出さずに通話を行なうことがで
き、この音声処理装置等を携帯電話装置として公衆の場
で使用しても迷惑となることがない。

【図面の簡単な説明】

【図１】本発明の第１実施例に基づく電話装置の構成を
示すブロック図である。

【図２】本発明の第２実施例に基づく電話システム及び
電話装置の構成を示すブロック図である。

【図３】本発明の第３実施例に基づく電話装置の構成を
示すブロック図である。

【図４】本発明の第４実施例に基づく電話システム及び
電話装置の構成を示すブロック図である。

【図５】本発明の第５実施例に基づく電話装置の構成を
示すブロック図である。

【図６】本発明の第６実施例に基づく電話システム及び
電話装置の構成を示すブロック図である。

【図７】本発明の第７実施例に基づく電話システム及び
電話装置の構成を示すブロック図である。

【図８】本発明の第８実施例に基づく電話システム及び
電話装置の構成を示すブロック図である。

【図９】音声認識部の構成を示すブロック図である。

【図１０】音声合成部の構成を示すブロック図である。

【図１１】口唇形状認識部の構成を示すブロック図であ
る。

【符号の説明】

Ｓ１、Ｓ２、Ｓ３、Ｓ４、Ｓ５ 電話システム １０ マイク １０１、２０１、４０１、５０１、６０１、７０１、８
０１ 送信器 １０２、２０３、３０３、４０７、７０３ 音声認識部 １０３、２０４、３０４、４０８、５０３、６０４、７
０６、８０６ 音声合成部 １０４、２０６、４０４、５０４、６０６、７０４、８
０４ 送信部 １１ Ａ／Ｄ変換部 １２、２１、３１ メモリ部 １３、２２、３２ デ−タベ−ス １４、２５、３４ 制御部 １５、２３、３３ デ−タ出力部 ２０、３０ 入力部 ２０２、３０１、４０２、６０２、７０２、８０２ 受
信器 ２０５、４０３、６０５ 音声符号化部 ２０７、３０２、４０５、６０７、７０５、８０５ 受
信部 ２０８、４０６、６０８ 音声復号化部 ２４ Ｄ／Ａ変換部 ５０２、６０３、８０３ 口唇形状認識部

Claims (10)

【特許請求の範囲】
1. 【請求項１】 音声信号を処理する音声処理装置であっ
   て、 送話者の音声と周囲雑音とを含む音声信号の音声認識を
   行なうことにより、該音声信号から周囲雑音の成分が除
   去された音声合成用元データを出力する音声認識部と、 該音声認識部から出力された音声合成用元データから可
   聴合成音声に変換して出力する音声合成部と、 上記音声合成部から出力された可聴合成音声の音声信号
   を受信側に送信する送信部とを有することを特徴とする
   音声処理装置。
2. 【請求項２】 音声信号を処理する音声処理装置であっ
   て、 送話者の口唇形状の形状認識を行なうことにより、音声
   合成用元データを出力する口唇形状認識部と、 該口唇形状認識部から出力された音声合成用元データか
   ら可聴合成音声に変換して出力する音声合成部と、 上記音声合成部から出力された可聴合成音声の音声信号
   を受信側に送信する送信部とを有することを特徴とする
   音声処理装置。
3. 【請求項３】 音声信号を処理する音声処理装置であっ
   て、 送信側から送信された音声信号であって、送話者の音声
   と周囲雑音とを含む音声信号を受信する受信部と、 該受信部で受信された音声信号の音声認識を行なうこと
   により、該音声信号から周囲雑音の成分が除去された音
   声合成用元データを出力する音声認識部と、 該音声認識部から出力された音声合成用元データから可
   聴合成音声に変換して出力する音声合成部とを有するこ
   とを特徴とする音声処理装置。
4. 【請求項４】 音声信号を処理する音声処理装置であっ
   て、 送話者の音声と周囲雑音とを含む音声信号の音声認識を
   行なうことにより、該音声信号から周囲雑音の成分が除
   去された音声合成用元データを出力する音声認識部と、 該音声認識部から出力された音声合成用元データから可
   聴合成音声に変換して出力する音声合成部と、 上記音声合成部から出力された可聴合成音声の音声信号
   を符号化する符号化部と、 該符号化部で符号化された音声信号を受信側に送信する
   送信部とを有することを特徴とする音声処理装置。
5. 【請求項５】 音声信号を処理する音声処理装置であっ
   て、 送話者の口唇形状の形状認識を行なうことにより、音声
   合成用元データを出力する口唇形状認識部と、 該口唇形状認識部から出力された音声合成用元データか
   ら可聴合成音声に変換して出力する音声合成部と、 上記音声合成部から出力された可聴合成音声の音声信号
   を符号化する符号化部と、 該符号化部で符号化された音声信号を受信側に送信する
   送信部とを有することを特徴とする音声処理装置。
6. 【請求項６】 音声信号を処理する音声処理装置であっ
   て、 送信側から送信された符号データとしての音声信号であ
   って、送話者の音声と周囲雑音とを含む音声信号を受信
   する受信部と、 該受信部で受信された音声信号の復号化を行なう復号化
   部と、 該復号化部で復号化された音声信号の音声認識を行なう
   ことにより、該音声信号から周囲雑音の成分が除去され
   た音声合成用元データを出力する音声認識部と、 該音声認識部から出力された音声合成用元データから可
   聴合成音声に変換して出力する音声合成部とを有するこ
   とを特徴とする音声処理装置。
7. 【請求項７】 音声信号を処理する音声処理装置であっ
   て、 送話者の音声と周囲雑音とを含む音声信号の音声認識を
   行なうことにより、該音声信号から周囲雑音の成分が除
   去された音声合成用元データを出力する音声認識部と、 該音声認識部から出力された音声合成用データを受信側
   に送信する送信部とを有することを特徴とする音声処理
   装置。
8. 【請求項８】 音声信号を処理する音声処理装置であっ
   て、 送信側から送信された音声合成用元データであって、送
   話者の音声と周囲雑音とを含む音声信号の音声認識を行
   なうことにより、該音声信号から周囲雑音の成分が除去
   された音声合成用元データを受信する受信部と、 該受信部で受信された音声合成用元データから可聴合成
   音声に変換して出力する音声合成部とを有することを特
   徴とする音声処理装置。
9. 【請求項９】 音声信号を処理する音声処理装置であっ
   て、 送信側から送信された音声合成用元データであって、送
   話者の口唇形状の形状認識を行なうことにより得られた
   音声合成用元データを受信する受信部と、 該受信部で受信された音声合成用元データから可聴合成
   音声に変換して出力する音声合成部とを有することを特
   徴とする音声処理装置。
10. 【請求項１０】 音声信号を処理する電話装置であっ
    て、 上記請求項１又は２又は３又は４又は５又は６又は７又
    は８又は９に記載の音声処理装置を有することを特徴と
    する電話装置。