JPWO2011027437A1 - 音声再生装置および音声再生方法 - Google Patents

Abstract

音声再生装置は、周囲音の特徴を分析する周囲音分析部と、再生用信号の音響特徴を分析する特徴分析部と、再生用信号を記録媒体に記録する一方で、追い掛け再生の再生タイミングで記録媒体から再生用信号を読み出す再生タイミング調整部と、記録媒体から読み出された再生用信号の再生速度を変更する再生速度変更部と、周囲音分析部の分析結果に応じた再生タイミングで再生用信号が再生されるように前記再生タイミング調整部を制御する一方で、前記周囲音分析部の分析結果、及び前記特徴分析部によって得られた音響特徴に応じた再生速度で前記再生用信号が再生されるように前記再生速度変更部を制御する制御部とを含む。

Description

本発明は、音声再生装置及び音声再生方法に関する。

近年、携帯電話が普及しさまざまな場所で使われている。携帯電話は静かな場所だけでなく、空港のロビーや駅ホームのような騒がしい環境で使用される。

このため、騒音環境において送話者の音声を受話者に対して聞きやすくするために、周囲騒音レベルに応じて音声の高域を強調する方法がある（例えば、特許文献１参照）。

特許文献１記載の方法では、強調する帯域において騒音よりも大きなレベルで音声を出力する。しかし、音量がスピーカの出力性能の限界を越えると音声が歪んでしまい、かえって音質が劣化する場合があった。或いは、音声の高レベル出力が受聴者の聴覚器官に悪影響を及ぼすおそれがあった。

そこで、周囲騒音レベルが大きい場合には受信音声をメモリに記録しておき、周囲騒音レベルが小さくなった場合に同時記録再生（追いかけ再生）を行うことで、高騒音環境でも受信音声を聞きやすくする方法がある（例えば、特許文献２参照）。

特開平１１−２０２８９６号公報 特開２００７−３１２０４０号公報 特開２００２−２５８８８１号公報 特開２００７−００３６８２号公報 特開２００２−２８７８００号公報 特開２０００−３４９８９３号公報 特開平１０−０４９１９１号公報

特許文献２記載の方法では、騒音が大きくなるたびに追いかけ再生によって発生する時間遅延が増加し続ける。騒音が小さい場合でも発生した時間遅延を回復することはない。このため、受信音声を聞き終わるまでに多くの時間を費やす問題があった。

本発明の態様の一つの目的は、騒音発生時に入力された再生用信号を騒音のないときに短時間で再生可能とする技術を提供することである。

本発明の態様の一つは、音声再生装置であり、周囲音の特徴を分析する周囲音分析部と、
入力された再生用信号の音響特徴を分析する特徴分析部と、
前記再生用信号を記録媒体に記録する一方で、追い掛け再生の再生タイミングで前記記録媒体から前記再生用信号を読み出す再生タイミング調整部と、
前記記録媒体から読み出された再生用信号の再生速度を変更する再生速度変更部と、
前記周囲音分析部の分析結果に応じた再生タイミングで前記再生用信号が再生されるように前記再生タイミング調整部を制御する一方で、前記周囲音分析部の分析結果、及び前記特徴分析部によって得られた音響特徴に応じた再生速度で前記再生用信号が再生されるように前記再生速度変更部を制御する制御部とを含む。

本発明の態様の一つによれば、騒音発生時に入力された再生用信号を騒音のないときに短時間で再生可能となる。

実施形態１における音声再生装置の構成例を示す図である。 実施形態２における音声再生装置の構成例を示す図である。 実施形態２における制御部の処理例を示すフローチャートである。 実施形態２における再生タイミング調整部の処理例を示すフローチャートである。 実施形態２における再生速度変更部の処理例を示すフローチャートである。 実施形態３における音声再生装置の構成例を示す図である。 実施形態３における音声再生装置の制御部の処理例を示すフローチャートである。 実施形態３における再生タイミング調整部の処理例を示すフローチャートである。 実施形態４における音声再生装置の構成例を示す図である。 実施形態４における制御部の処理例を示すフローチャートである。

以下、図面を参照して本発明の実施形態について説明する。実施形態の構成は例示であり、本発明の態様は実施形態の構成に限定されない。

＜実施形態１＞
図１は、実施形態１に係る音声再生装置の構成例を示す図である。図１において、音声再生装置１は、音声再生装置１の周囲音を収音するマイクロフォン２と接続された周囲音分析部３と、入力信号、すなわち、音声再生装置で再生すべき再生用信号が入力される特徴分析部としての音声分析部４とを備えている。

また、音声再生装置１は、周囲音分析部３及び音声分析部４の出力が入力される制御部５と、入力信号及び制御部５からの出力が入力される再生タイミング調整部６とを備えている。

さらに、音声再生装置１は、再生タイミング６からの出力と制御部５からの出力が入力される再生速度変更部７を備えている。再生速度変更部７は、再生音を出力するためのスピーカ８に接続されている。

周囲音分析部３には、音声再生装置１の周囲騒音の発生状況を示すマイクロフォン２からの出力信号が入力される。周囲音分析部３は、周囲騒音の発生状況を示す出力信号から周囲騒音（周囲音とも呼ぶ）の特徴を分析する。

音声分析部４には、再生対象の入力信号、すなわち再生用信号が入力される。音声分析部４は、再生用信号の音響特徴を分析する。

制御部５は、周囲音分析部３から入力される周囲音の分析結果、すなわち周囲騒音の特徴と、音声分析部４による再生用信号の分析結果、すなわち再生用信号の音響特徴とに基づいて、再生用信号の再生タイミング及び再生速度を決定する。制御部５は、決定された再生タイミングを再生タイミング調整部６に指示するとともに、決定された再生速度を再生速度変更部７に指示する。

再生タイミング調整部６は、制御部５からの指示に従って、再生用信号の再生タイミングを調整する。すなわち、再生タイミング調整部６は、再生タイミングに応じて再生用信号を再生速度変更部７に与える。

再生速度変更部７は、制御部５からの指示に従って、再生用信号の再生速度を変更し、再生信号をスピーカ８に接続する。このような構成によって、音声再生装置１では、以下のような動作が行われるように、制御部が周囲音分析部の分析結果と音声分析部の分析結果とに基づいて、再生タイミング調整部６及び再生速度変更部７を制御する。

すなわち、周囲音分析部３の分析結果で示された騒音時に入力された再生用信号を再生タイミング調整部６で保持しておく。その後、周囲音分析部３から騒音がないとの分析結果が示された場合に再生タイミング調整部６から再生速度変更部７に再生用信号が渡される。再生速度変更部７が再生用信号の音響特徴に応じた再生速度で再生用信号の再生処理を行う。

これによって、騒音環境下で入力された再生用信号を、騒音が止んだ後の再生タイミングで、１より速い倍速で再生することにより、騒音環境下で入力された音声を、聞き取り易い環境下で短時間再生することができる。これによって、遅延を抑えた状態で、再生音声を音声再生装置１の使用者は聞くことができるので、音声再生装置１を通話目的で好適に適用できる。すなわち、音声再生装置１を電話機、スマートフォン、パーソナルコンピュータのような通話機能を持つ電子機器に適用することが可能となる。

＜実施形態２＞
図２は、実施形態２に係る音声再生装置の構成例（音声再生装置１Ａ）を示す。音声再生装置１Ａは、騒音レベル（周囲音レベルともいう）が大きい場合に音声再生装置１に入力された再生用信号の再生タイミングをずらす（シフトする）とともに、再生用信号のピッチ周波数に応じて再生時の話速を変更することができる。

音声再生装置１Ａは、例えば、携帯電話、スマートフォン、パーソナルコンピュータのような通話機能、或いは、音声付き動画ファイルや音声ファイルをダウンロードして再生可能な機能を持つ電子機器に適用することができる。或いは、ラジオ受信機やテレビ受信機のような音声信号の受信装置に適用することもできる。

図２において、音声再生装置１Ａは、周囲雑音が入力されるマイクロフォン２と接続された周囲音分析部３と、入力信号、すなわち、再生用信号が入力される特徴分析部４Ａとを備えている。再生用信号は、例えば、通話相手からの受話信号，動画音声データの信号，ラジオ、テレビの放送音声信号である。再生用信号は、音声区間と非音声区間（無音区間を含む）を含み、音声区間中の信号を音声信号、非音声区間中の信号を非音声信号と呼ぶ。

また、音声再生装置１Ａは、周囲音分析部３及び特徴分析部４Ａの出力が入力される制御部５と、再生用信号及び制御部５からの出力が入力される再生タイミング調整部６とを備えている。

さらに、音声再生装置１Ａは、再生タイミング調整部６からの出力と制御部５からの出力が入力される再生速度変更部７と、再生タイミング調整部６及び制御部５に接続された遅延時間測定部９とを備える。再生速度変更部７は、再生音を出力するためのスピーカ８と接続されている。

再生タイミング調整部６は、外部から入力される再生用信号を読み込み、制御部５から入力される動作モードに応じた出力先に再生用信号を出力する出力選択部６４と、出力選択部６４から入力される再生用信号を記録媒体であるバッファ６１に記録する記録部６２と、出力選択部６４からの再生用信号をデータとしてバッファ６１に記録するともに、バッファ６１に記録されたデータから再生用信号を生成して出力する記録再生部６３とを含んでいる。

周囲音分析部３は、音声再生装置１Ａの周囲の騒音を収音するマイクロフォン２から入力された信号（周囲音信号と称する）に対する分析を行い、周囲音の有無を示す判定結果を出力する。

具体的には、周囲音分析部３は、周囲音信号に対する分析を単位時間毎に行い、例えば周囲音信号の単位時間毎の騒音レベルを測定する。周囲音分析部３は、単位時間毎の騒音レベルが予め定められた閾値ＴＨ１を下回るか否かを判定する。騒音レベルが閾値ＴＨ１を下回る場合には、周囲音分析部３は、“周囲音小”の判定結果を出力し、騒音レベルが閾値ＴＨ１以上の場合には、周囲音分析部３は、“周囲音大”の判定結果を出力する。このようにして、単位時間毎の周囲音（騒音）の有無を示す判定結果が出力され制御部５に入力される。閾値ＴＨ１は、周囲音の大きさ（騒音レベル）がユーザによる再生音の視聴に影響を与えるか否かを考慮して決定することができる。

特徴分析部４Ａは、単位時間毎の入力信号（再生用信号）の特徴を分析する。特徴分析部４Ａは、分析結果として、単位時間の再生用信号が音声信号であるか非音声信号（無音を含む）の判定結果を制御部５に入力する。再生用信号が音声信号である場合には、特徴分析部４Ａは音声信号のピッチ周波数を測定し、ピッチ周波数を制御部５に入力する。再生用信号が音声信号か非音声信号かの判定は、例えば特許文献３（特開２００２−２５８８８１号公報）に示されている方法で行う。

また、ピッチ周波数は、例えば以下のような（式１）及び（式２）を用いて算出することができる。

但し、
x ：送話音の信号
M ：相関係数を算出する区間の長さ（サンプル）
a ：相関係数を算出する信号の開始位置
pitch ：ピッチ周波数（Hz）
corr(a) ：ずらし位置がaの場合の相関係数
a_max ：最大相関係数に対応するa
i ：信号のインデックス（サンプル）
freq ：サンプリング周波数（Hz）
である。

再生タイミング調整部６の出力選択部６４は、制御部５からの動作モードを示す制御信号に応じて、再生用信号の出力先を記録部６２，記録再生部６３，“出力なし（終端）”との間で切り替える。

動作モードには、再生タイミング調整部６から受け取った再生用信号をバッファ６１に記録する一方で、バッファ６１から読み出されたデータに基づく再生用信号を再生する同時記録再生（追いかけ再生）を行う“記録再生”モードと、再生タイミング調整部６に入力された再生用信号をバッファ６１に記録する“記録”モードと、入力された再生用信号に対する処理を行わない“処理なし”モードとがある。

動作モードが“記録再生”である場合には、出力選択部６４は、再生用信号を記録再生部６３へ出力する。これに対し、動作モードが“記録”である場合には、出力選択部６４は再生用信号を記録部６２に出力する。また、動作モードが“処理なし”モードである場合には、出力選択部６４は、入力された再生用信号の出力を行わない。

記録部６２は、動作モード“記録”において、出力選択部６４から出力された再生用信号をデータとしてバッファ６１に蓄積する書込処理を行う。記録再生部６３は、“記録再生”モードにおいて、バッファ６１から読み出したデータに基づく再生用信号を生成して出力する一方で、出力選択部６４からの再生用信号をデータとしてバッファ６１に蓄積する書込処理を行う。記録再生部６３の出力である再生信号は、再生速度変更部７に入力される。

再生速度変更部７は、制御部５から指示される再生倍率に従った再生速度で再生信号を出力する。これによって、再生速度変更部７で調整された再生速度の再生音がスピーカ８から出力される。

遅延時間測定部９は、再生タイミング調整のためにバッファ６１に蓄積された再生用信号の長さ、すなわち蓄積量を取得し、蓄積量から遅延時間を算出し、遅延時間を制御部５に入力する。

制御部５は、「周囲音あり」又は「周囲音なし」の判定結果、音声区間又は非音声区間の判定結果、ピッチ周波数、及び遅延時間に基づいて、単位時間毎の動作モード、及び再生倍率を決定する。決定された動作モードは、再生タイミング調整部６に通知され、再生倍率は再生速度変更部７に通知される。

制御部５は、周囲音分析部３で周囲音レベル小と判定され、かつ、遅延時間測定部９で測定した遅延時間が０であった場合には、通常再生、すなわち１倍速での再生が行われるように制御を行う。これに対し、制御部５は、周囲音分析部３で周囲音レベル大と判定され、かつ、遅延が所定の閾値ＴＨ２未満であった場合は再生タイミングが調整されるように制御を行う。上記以外の場合には、制御部５は短時間再生が行われるように制御を行う。

なお、周囲音分析部３，特徴分析部４Ａ，制御部５，再生タイミング調整部６，再生速度変更部７は、例えば、専用のハードウェア回路の適用によって実現される機能として実現することができる。

また、周囲音分析部３，特徴分析部４Ａ，制御部５，再生タイミング調整部６，再生速度変更部７は、ＣＰＵ（Central Processing Unit）やＤＳＰ（Digital Signal Processor）のようなプロセッサ（図示せず）がメモリ（記録媒体：図示せず）に格納されたプログラムを実行することによって生じる機能として実現することもできる。バッファ６１は、記録媒体（例えば、ＲＡＭやフラッシュメモリのような半導体メモリ）によって実現される。

或いは、周囲音分析部３，特徴分析部４Ａ，再生タイミング調整部６，及び再生速度変更部７が専用のハードウェアで実現され、制御部５が専用又は汎用のプロセッサによるソフトウェア処理で実現されるようになっていても良い。

図２に示した構成はあくまで例示であり、図２に示した各ブロックが有する機能は、複数のブロックで実現されるように変形可能である。或いは、図２の複数のブロックの機能が一つのブロックで実現されるように変形可能である。また、或るブロックの一部の機能が他のブロックで実現されるように変形可能である。

図３は、図２に示した制御部５の処理例を示すフローチャートである。図３に示す処理は、例えば、音声再生装置１Ａの図示しない電源が投入されたことをトリガとして開始される。

図３に示す処理は、単位時間又は所定周期毎に、周囲音分析部３，特徴分析部４Ａ，制御部５，再生タイミング調整部６，再生速度変更部７，及び遅延時間測定部９が同期をとって実行される。

最初に、制御部５は、周囲音分析部３での判定結果である「騒音小」又は「騒音大」を示す信号を受け取る（ステップＳ０１）。

次に、制御部５は、特徴分析部４Ａから、再生用信号が音声信号であるか非音声信号であるかを示す判定結果を受け取る（ステップＳ０２）。このとき、再生用信号が音声信号である場合には、制御部５は音声信号のピッチ周波数を特徴分析部４Ａから受け取る（ステップＳ０３）。従って、再生用信号が非音声信号である場合には、ステップＳ０３の処理は行われない。

次に、制御部５は、遅延時間測定部９から遅延時間を受け取る（ステップＳ０４）。次に、制御部５は、周囲音分析部３の判定結果が“周囲音小”であるか否かを判定する。このとき、判定結果が“周囲音小”である場合（Ｓ０５ ＹＥＳ）には、ステップＳ０６に処理が進む。これに対し、判定結果が“周囲音大”である場合（Ｓ０５ ＮＯ）には、処理がステップＳ１２に進む。

ステップＳ０６では、制御部５は、遅延時間がゼロ、すなわち、バッファ６１の蓄積量がゼロであるか否かを判定することによって、遅延があるか否かを判定する。遅延がない場合（Ｓ０６ ＹＥＳ）には、処理がステップＳ０７に進む。これに対し、遅延がある場合（Ｓ０６ ＮＯ）には、処理がステップＳ０９に進む。

ステップＳ０７では、制御部５は、動作モードを“記録再生”に設定する。続いて、制御部５は、再生倍率を１倍に設定する（ステップＳ０８）。その後、制御部５は、処理をステップＳ１７に進め、動作モード“記録再生”を再生タイミング調整部６に与えるとともに、再生速度“１倍”を再生速度変更部７に与える。その後、処理がステップＳ０１に戻る。

ステップＳ０６で遅延ありと判定され、処理がステップＳ０９に進んだ場合には、制御部５は、動作モードを“記録再生”に設定する（ステップＳ０９）。

次に、制御部５は、バッファ６１から読み出される音声信号のピッチ周波数が閾値ＴＨ３以上か否かを判定する（ステップＳ１０）。このとき、ピッチ周波数が閾値ＴＨ３以上であれば（Ｓ１０ ＹＥＳ）、処理がステップＳ０８に進み、音声信号の再生倍率が１倍に設定される。これに対し、ピッチ周波数が閾値ＴＨ３未満であれば（Ｓ１０ ＮＯ）、処理がステップＳ１１に進む。

ステップＳ１１では、制御部５は、再生倍率をＸ倍（例えば１＜Ｘ≦２）に設定する。Ｘの値は、例えば、ピッチ周波数と再生倍率との相関を示すマップを予め制御部５に記憶しておき、ピッチ周波数に対応する再生倍率をＸとして設定することができる。再生倍率が上昇することで、音声の周波数が高くなり、聞き取り易さが向上する。

その後、処理がステップＳ１７に進み、制御部５が動作モード“記録再生”を再生タイミング調整部６に与えるとともに、再生速度“Ｘ倍”を再生速度変更部７に与える。その後、処理がステップＳ０１に戻る。

ところで、処理がステップＳ０５からＳ１２に進んだ場合には、制御部５は、入力信号、すなわち再生用信号が音声信号か否かを判定する。このとき、再生用信号が音声信号である場合（Ｓ１２ ＹＥＳ）には、処理がステップＳ１３に進む。これに対し、再生用信号が非音声信号である場合（Ｓ１２ ＮＯ）には、処理がステップＳ１５に進む。

ステップＳ１３では、制御部１３は、遅延時間が予め定められた閾値ＴＨ３以上か否かを判定する。このとき、遅延時間が閾値ＴＨ３以上の場合（Ｓ１３ ＹＥＳ）には、処理がステップＳ０９に進み、動作モードが“記録再生”に設定される。

これに対し、遅延時間が閾値ＴＨ３未満の場合（Ｓ１３ ＮＯ）には、制御部５は、動作モードを“記録”に設定する（ステップＳ１４）。さらに、制御部５は、再生倍率を０倍に設定する。再生倍率が０倍にされることで、スピーカ８からの再生音出力が停止される。

その後、処理がステップＳ１７に進み、動作モード“記録”が再生タイミング調整部６に与えられるとともに、再生速度“０倍”が再生速度変更部７に与えられる。その後、処理がステップＳ０１に戻る。

ステップＳ１２において、再生用信号が非音声信号であると判定された場合（Ｓ１２ ＮＯ）には、制御部１５は、動作モードを“処理なし”に設定し（ステップＳ１５）、ステップＳ１６で再生倍率を０に設定する。その後、処理がステップＳ１７に進み、動作モード“処理なし”が再生タイミング調整部６に与えられるとともに、再生速度“０倍”が再生速度変更部７に与えられる。その後、処理がステップＳ０１に戻る。

動作モード“処理なし”では、再生用信号が出力選択部６４から出力されないため、再生もバッファ６１への記録も行われない。よって、バッファ６１には、音声信号のみが蓄積されることになる。

図３に示した処理によれば、周囲音が小さく、遅延がない場合には、再生倍率１倍で再生用信号が再生され、スピーカ８から再生音が出力される。これに対し、周囲音が小さく、遅延がある場合には、再生用信号がバッファ６１に記録される。これによって、再生タイミング調整が行われる。一方で、バッファ６１に記録された音声信号が当該音声信号のピッチ周波数に応じた再生倍率で再生される。

これに対し、周囲音が大きいが遅延がない場合には、音声信号のバッファ６１への記録が行われ、再生音の出力が停止される。これによって、騒音環境化での再生が規制され、周囲音が低下した時点での再生を試みることが可能となる。

また、周囲音が大きく、遅延も大きい場合には、周囲音が小さく、遅延がある場合と同様の動作が行われる。すなわち、周囲の騒音が大きいが再生の遅延を許容できない場合には、再生倍率を必要に応じて上昇させ、可能な限り聞き取り易い再生音が出力されるようにする。

このようにして、周囲音が小さく遅延もない場合には、音声再生装置１Ａは、再生タイミングを調整することなく、１倍速で再生用信号の再生音を出力するように動作する。一方、周囲音が大きく遅延が小さい場合には、音声再生装置１Ａは、再生音の出力を停止して、再生タイミングの調整を図るように動作する。さらに、周囲音が小さく遅延がある場合、及び周囲音が大きく且つ遅延が大きい場合には、再生速度を上げて短時間再生が行われるように動作することができる。

なお、周囲音が大きいが遅延も大きい場合には、ピッチ周波数の大きさに拘わらず、１倍を上回る再生倍率Ｘが設定されるようにしても良い。このようにすれば、バッファ６１の蓄積量を短時間で減らすことが可能となる。

図４は、図２に示した再生タイミング調整部６の動作例を示すフローチャートである。最初に、再生タイミング調整部６の出力選択部６４は、外部から入力される再生用信号（入力信号）を図示しない内部メモリに読み込む（ステップＳ２１）。

次に、再生タイミング調整部６は、制御部５から入力される動作モードを受け取る（ステップＳ２２）動作モードは内部メモリに書き込まれる。

次に、再生タイミング調整部６は、動作モードが“処理なし”か否かを判定する。このとき、動作モードが“処理なし”であれば、処理がステップＳ２７に進む。このとき、出力選択部６４からの再生用信号の出力は行われない。これに対し、動作モードが“処理なし”であれば、処理がステップＳ２４に進む。この場合、出力選択部６４は再生用信号を記録部６２に出力する。

ステップＳ２４では、記録部６２によって再生用信号がバッファ６１に記録されるとともに、再生タイミング調整部６で管理されているバッファ６１のデータ記録位置が更新される。

ステップ２５では、再生タイミング調整部６は、動作モードが“記録再生”か否かを判定する。このとき、動作モードが“記録再生”であれば（Ｓ２５ ＹＥＳ）、処理がステップＳ２７へ進む。これに対し、動作モードが“再生”でなければ（Ｓ２５ ＮＯ）、処理がステップＳ２５に進む。

ステップＳ２５では、再生タイミング調整部６は、バッファ６１に蓄積されたデータを読み出し、このデータに基づく音声信号を出力するとともに、再生タイミング調整部６で管理されているデータ読み出し位置を更新する。その後、処理がステップＳ２７に進む。

ステップＳ２７では、再生タイミング調整部６は、データ読み出し位置とデータ記録位置との差から、バッファ６１の蓄積量を出力する。蓄積量は、遅延時間測定部９に入力される。その後、処理がステップＳ２１に戻る。

このように、再生タイミング調整部６は、読み込んだ再生用信号が音声信号であるか否かを判定し、音声信号の場合はバッファ６１に蓄積し、非音声信号の場合にはバッファ６１への蓄積を行わない。これによって、音声区間の信号、すなわち音声信号のみを記録再生する処理を実現することができる。

図５は、図２に示した再生速度変更部７の動作例（短時間再生動作）を示すフローチャートである。

最初に、再生速度変更部７は、制御部５から再生倍率を受け取る（ステップＳ３１）。次に、再生速度変更部７は、再生倍率が０倍か否かを判定する（ステップＳ３２）。このとき、再生倍率が０倍であれば（Ｓ３２ ＹＥＳ）、再生速度変更部７は、再生処理を行わず、処理をステップＳ３１に戻す。従って、再生信号は、スピーカ８から出力されない。

これに対し、再生倍率が０倍でなければ（Ｓ３２ ＮＯ）、再生速度変更部７は、記録再生部６３から出力された再生用信号を再生速度変更部７内の図示しない内部メモリに読み込む（Ｓ３３）。

次に、再生速度変更部７は、再生倍率が１倍か否かを判定する（ステップＳ３４）。このとき、再生倍率が１倍であれば（Ｓ３４ ＹＥＳ）、再生速度変更部７は、通常速度（１倍）での再生処理を行い、再生信号をスピーカ８へ向けて出力する。従って、１倍速の再生信号がスピーカ８から出力される。

これに対し、再生倍率が１倍でなければ（Ｓ３４ ＮＯ）、再生速度変更部７は、記録再生部６３から出力された再生用信号を、制御部５から指示された再生速度Ｘ倍で再生処理を行う（Ｓ３６）。従って、Ｘ倍速の再生信号がスピーカ８から出力される。

このようにして、再生速度変更部７で再生速度が１倍より大きいＸ倍（但し最大値２倍）にされることで、短時間再生が実現される。

実施形態２の音声再生装置１Ａによれば、周囲騒音が大きい場合には、再生用信号中の音声信号のみが同時記録再生（追いかけ再生）されるように、音声信号のみのバッファ６１への蓄積が行われる。これによって、不要な時間遅延の増加を防止することができる。これに対し、周囲騒音が小さい場合には、話速を速めて再生する（再生速度を速める）ことで時間遅延を短縮することができる。このため、再生音を短時間で聞くことができる。

従って、例えば、時間遅延が所定の閾値以下（例えば１秒程度）になるように、再生タイミング及び再生速度を制御することによって、通話用途に適用することが可能となる。特に、ドアを閉める音や警報音のような瞬時的に発生する騒音に対し、聞きやすい再生音を出力することができる。

また、音声再生装置１Ａによれば、再生タイミング調整部６で、周囲騒音が小さくなった時点に再生タイミングをずらす（タイムシフトさせる）ことができる。これによって、再生音を聞きやすくすることができる。

また、音声再生装置１Ａによれば、“周囲音大”である間にバッファ６１に蓄積される再生用信号を音声信号に限定することができる。これによって、追い掛け再生される再生用信号の量を減らすことができるので、不要な時間遅延の増加を防止することができる。また、音声再生装置１Ａのシステム構成に必要なメモリ量を削減することができる。

また、音声再生装置１Ａは、再生タイミングを遅らせる際に、騒音が大きくなる直前の所定時間分をさかのぼって再生するように動作可能である。これによって、音声の途中から追いかけ再生することによる聞きやすさ低下を防止することができる。

また、音声再生装置１Ａは、または語尾のような声が低くなる箇所（ピッチ周波数が低い部分）の再生速度を速めたりすることができる。これによって、再生音の聞きやすさを低下させることなく時間遅延を回復することができる。

また、音声再生装置１Ａは、再生速度変更部７において話速変換技術を用いることで、元の音声のピッチ周波数を保って自然性を低下させずに時間遅延を回復することができる。話速変換技術は、例えば、特許文献４（特開２００７−００３６８２号公報）に記載された技術を適用することができる。

また、音声再生装置１Ａは、遅延時間が大きくならないように再生制御を実行することができる。これによって、再生音を短時間で聞きやすくすることができ、特に通話に適用することが可能となる。

また、音声再生装置１Ａは、ステップＳ１３の判断によって、時間遅延が所定値以下になるように前記再生タイミング調整および前記再生速度変更処理を行うことができる。

＜実施形態３＞
次に、実施形態３に係る音声再生装置について説明する。実施形態３は、実施形態２と共通の構成を有する。このため、共通点については説明を省略し、相違点を中心に説明する。

実施形態３として、騒音レベルが大きい場合に再生用信号の再生タイミングをずらすとともに、再生用信号に含まれる音声区間長に応じて再生速度変更を行うことができる音声再生装置について説明する。

図６は、実施形態３における音声再生装置１Ｂの構成例を示す図である。図６における音声再生装置１Ｂは、以下の点で音声再生装置１Ａと異なっている。
（１）特徴分析部４が、ピッチ周波数の代わりに音声区間長を制御部５に入力する。
（２）制御部５が音声区間長に基づく音声区間境界データを再生タイミング調整部６に与える。音声区間境界データは、音声区間の開始時点を示すデータである。
（３）制御部５は、音声区間長に基づいて再生速度を決定する。
（４）記録再生部６３は、音声区間境界データに基づいて、音声区間の先頭から追いかけ再生が開始されるように、バッファ６１からデータの読み出しを行う。

以上の点を除き、音声再生装置１Ｂの構成は音声再生装置１Ａの構成とほぼ同様である。

図７は、実施形態３における音声再生装置１Ｂの制御部５の処理例を示すフローチャートである。図７に示す処理は、実施形態２における制御部５の処理（図３）と以下の点で異なる。

すなわち、ステップＳ０３Ａで、制御部５は、特徴分析部４Ａからの音声区間長を受け取る。すると、制御部５は、音声区間長から求まるバッファ６１上の音声区間境界データを生成する。

また、ステップＳ１０Ａで、制御部５は、バッファ６１から読み出して再生すべきデータの音声区間長が予め設定された閾値Ｔｈ４以上か否かを判定する。このとき、音声区間長が閾値ＴＨ４以上であれば（Ｓ１０Ａ ＹＥＳ）、処理がステップＳ０８に進み、再生倍率が１倍に設定される。これに対し、音声区間長が閾値ＴＨ４未満である場合（Ｓ１０Ａ ＮＯ）には、再生倍率がＸ倍（１＜Ｘ≦２）に設定される。

さらに、ステップ２７Ａで、再生タイミング調整部６に対し、動作モードとともに音声区間境界データが与えられる。動作モード及び音声区間境界データは再生タイミング調整部６内の内部メモリに格納される。

以上の点を除き、制御部５の処理は実施形態２と同様であるので、説明を省略する。

図８は、実施形態３における再生タイミング調整部６の処理例を示すフローチャートである。図８に示すステップＳ２１及びＳ２２は、実施形態２における処理（図５）と同様である。

ステップＳ３１では、再生タイミング調整部６は、音声区間境界データを受け取り、内部メモリに格納する。

次に、再生タイミング調整部６は、動作モードが変化したか否か、すなわち、動作モード“記録再生”が他の動作モード（“処理なし”又は“記録”）に変化したか否かを判定する（ステップＳ３２）。動作モード“記録再生”が他の動作モードに変化した場合（Ｓ３２ ＹＥＳ）には、処理がステップＳ３３に進み、動作モード“記録再生”が他の動作モードに変化していない場合（Ｓ３２ ＮＯ）には、処理がステップＳ３４に進む。

ステップＳ３３では、再生タイミング調整部６は、再生タイミング調整部６で管理されているデータ読み出し位置を音声区間の先頭に修正し、処理をステップＳ３４に進める。

ステップＳ３４では、再生タイミング調整部６は、動作モードが“処理なし”か否かを判定する。動作モードが“処理なし”である場合には（Ｓ３４ ＹＥＳ）には、処理がステップＳ３８に進み、動作モードが“処理なし”でない場合（Ｓ３４ ＮＯ）には、処理がステップＳ３５に進む。

ステップＳ３５では、再生タイミング調整部６は、再生用信号と音声区間境界データをバッファ６１に記録するとともに、データ記録位置を更新する。

続いて、再生タイミング調整部６は、動作モードが“記録再生”か否かを判定する（ステップＳ３６）。このとき、動作モードが“記録再生”である場合には（Ｓ３６ ＹＥＳ）には、処理がステップＳ３７に進み、動作モードが“記録再生”でない場合（Ｓ３６ ＮＯ）には、処理がステップＳ３８に進む。

ステップＳ３７では、再生タイミング調整部６の記録再生部６３が、データ読み出し位置に基づいて音声区間の先頭からデータを読み出し、再生用信号を生成して出力する（ステップＳ３８）。

実施形態３によれば、動作モード“記録再生”においてバッファ６１から読み出される音声信号に対し、音声区間長があらかじめ設定された閾値ＴＨ３よりも小さい場合には再生速度変更部７で話速変換処理により話速を速める処理を行う。再生速度変更処理については話速変換技術を用いて元の音声のピッチ周波数を保ったまま発話速度を変更することで、自然性を低下させずに時間遅延を回復することができる。話速変換技術は、例えば、特許文献４（特開２００７−００３６８２号公報）に記載された技術を適用することができる。

これによって、音声再生装置１Ｂは、再生速度変更部７において話速変換技術を用いることで、元の音声のピッチ周波数を保って自然性を低下させずに時間遅延を回復することができる。

また、実施形態３における再生タイミング調整動作では、音声区間の音声信号を蓄積しているバッファ６１の読み出し位置を音声分析部４Ａで分析した音声区間の開始位置に設定する。これにより、周囲音が小さくなった場合に、音声区間の先頭に遡って音声信号が再生される。これによって、聞き取りやすさ低下を防止することができる。

また、実施形態３における音声再生装置１Ｂによれば、例えば、「えーと」、「あのー」のような音声区間長が短い音声区間について再生速度を速めることができる。これによって、再生音の聞きやすさを低下させることなく時間遅延を回復することができる。

＜実施形態４＞
次に、実施形態４に係る音声再生装置について説明する。実施形態４は、実施形態３と共通の構成を有する。このため、共通点については説明を省略し、相違点を中心に説明する。

実施形態４では、周囲騒音の発生状況を学習した結果とメモリから読み出した入力信号に含まれる音声区間長に応じて再生タイミングの調整と再生速度変更を行うことができる音声再生装置について説明する。

図９は、実施形態４における音声再生装置１Ｃの構成例を示す図である。音声再生装置１Ｃの構成要素は、実施形態３の音声再生装置１Ｂ（図６）との比較において以下の点で異なっている。
（１）周囲音分析部３の代わりの周囲音分析部３Ａを有する。周囲音分析部３Ａは、マイクロフォン２からの周囲音（騒音）を内部メモリに読み込み、周囲音の発生間隔を学習する。すなわち、周囲音分析部３Ａは、騒音レベルが閾値ＴＨ１以上となる区間（騒音区間）の間隔を測定し、或る騒音区間の終期から次の騒音区間の始期までの間隔について平均、分散のような統計量を周囲音発生間隔として算出する。周囲音発生間隔は、制御部５に入力される。
（２）遅延時間測定部９（図６）が省略されている。このため、バッファ６１の蓄積量に基づく遅延時間が制御部５に与えられない。
（３）制御部５は、周囲音分析部３Ａからの周囲音発生間隔と、特徴分析部４Ａからの音声／非音声の判定結果及び音声区間長とに基づいて、再生タイミング調整部６の動作モード、及び再生速度を決定する。

以上の点を除き、音声再生装置１Ｃの構成は、音声再生装置１Ｂの構成とほぼ同様である。

図１０は、実施形態４における音声再生装置１Ｃの制御部５による処理例を示すフローチャートである。図１０に示す処理は、例えば、音声再生装置１Ｃの電源投入をトリガとして開始することができる。

制御部５は、周囲音分析部３Ａから、学習結果である周囲音発生間隔情報を受け取り、制御部５内の内部メモリ（図示せず）に読み込む（ステップＳ１０１）。周囲音発生間隔情報は、例えば、間隔時間長と、間隔時間長に基づき求められる次の騒音発生予想時刻を含むことができる。

次に、制御部５は、特徴分析部４Ａから再生用信号に対する音声／非音声の判定結果を受け取り、内部メモリに読み込む（ステップＳ１０２）。

次に、制御部５は、特徴分析部４Ａから音声区間長を受け取り、内部メモリに読み込む（ステップＳ１０３）・
次に、制御部５は、音声／非音声の判定結果を用いて、再生タイミング調整部６に入力された再生用信号が音声信号であるか否かを判定する（ステップＳ１０４）。このとき、再生用信号が音声信号である場合（Ｓ１０４ ＹＥＳ）には、処理がステップＳ１０５に進む。これに対し、再生用信号が非音声信号である場合（Ｓ１０４ ＮＯ）には、処理がステップＳ１１３に進む。

ステップＳ１０５では、制御部５は、音声信号の音声区間長が、周囲音発生までの期間より短いか否かを判定する。周囲音発生までの期間は、騒音発生予想時刻と現時刻とから求めることができる。

音声区間長が周囲音発生までの期間より短い場合（Ｓ１０５ ＹＥＳ）には、制御部５は、周囲音が発生する前に音声信号の再生が終了するとの課程に基づき、処理をステップＳ１０６に進める。これに対し、音声区間長が周囲音発生までの期間以上である場合（Ｓ１０５ ＮＯ）には、音声信号の再生が終わる前に周囲音が発生するとの過程に基づき、処理をステップＳ１０８に進める。

ステップＳ１０６では、制御部５は、動作モードを“記録再生”に設定する。続いて、制御部５は、再生倍率を１倍に設定する（ステップＳ１０７）。その後、制御部５は、動作モード“記録再生”を再生タイミング調整部６に向けて出力するとともに、再生倍率“１倍”を再生速度変更部７に向けて出力する（ステップＳ１１４）。その後、処理がステップＳ１０１に戻る。

ところで、処理がステップＳ１０８に進んだ場合には、制御部５は、音声区間長に０．５をかけたものが（音声区間長の１／２）が周囲音発生までの期間より短い（未満である）か否かを判定する。

このとき、音声区間長の１／２が周囲音発生までの期間より短い場合（Ｓ１０８ ＹＥＳ）には、処理がステップＳ１０９に進む。これに対し、音声区間長の１／２が周囲音発生までの期間以上である場合（Ｓ１０８ ＮＯ）には、処理がステップＳ１１１に進む。

ステップＳ１０９では、制御部５は、動作モードを“記録再生”に設定する。続いて、制御部５は、再生倍率をＸ（１＜Ｘ≦２）倍に設定する（ステップＳ１１０）。このときのＸの値は、例えば音声区間長の長さに基づいて決定することができる。

その後、制御部５は、動作モード“記録再生”を再生タイミング調整部６に向けて出力するとともに、再生倍率“Ｘ倍”を再生速度変更部７に向けて出力する（ステップＳ１１４）。その後、処理がステップＳ１０１に戻る。

処理がステップＳ１１１に進んだ場合には、制御部５は、動作モードを“記録”に設定する。続いて、制御部５は、再生倍率を０倍に設定する（ステップＳ１１２）。

その後、制御部５は、動作モード“記録”を再生タイミング調整部６に向けて出力するとともに、再生倍率“０倍”を再生速度変更部７に向けて出力する（ステップＳ１１４）。その後、処理がステップＳ１０１に戻る。

処理がステップＳ１０４に進んだ場合には、制御部５は、動作モードを“処理なし”に設定する。続いて、制御部５は、再生倍率を０倍に設定する（ステップＳ１１２）。

その後、制御部５は、動作モード“処理なし”を再生タイミング調整部６に向けて出力するとともに、再生倍率“０倍”を再生速度変更部７に向けて出力する（ステップＳ１１４）。その後、処理がステップＳ１０１に戻る。

実施形態４の音声再生装置１Ｃによると、周囲音分析部３が、周囲音の間隔を学習し、制御部５に与える。制御部５は、音声区間長と次の周囲音（騒音）発生までの期間とを比較し、次の騒音発生までに音声信号の再生が終わる場合には、１倍速での同時記録再生が行われるように制御を行う。

これに対し、音声区間長より次の周囲音発生までの期間が長い場合には、音声区間長の音声信号を再生すると、その再生中に周囲音が発生する可能性がある。この場合、制御部５は、音声区間長音声区間長の半分の長さ（音声区間長／２）と次の周囲音発生までの期間とを比較し、音声区間長／２の値が次の周囲音発生までの期間より短い場合には、Ｘ倍速での同時記録再生が行われるように制御を行う。

音声区間長／２の値が次の周囲音発生までの期間が音声区間長／２の値以上である場合には、音声信号の記録のみを行い、周囲音間隔中に再生が行われるように再生タイミングを遅らせる。これによって、再生速度を速めすぎて聞きやすさを低下させることなく、騒音に重ならないように再生を行い、再生音を聞きやすくすることができる。

１，１Ａ，１Ｂ，１Ｃ・・・音声再生装置
２・・・マイクロフォン
３，３Ａ・・・周囲音分析部
４・・・音声分析部
４Ａ・・・特徴分析部
５・・・制御部
６・・・再生タイミング調整部
７・・・再生速度変更部
８・・・スピーカ
６１・・・バッファ（メモリ）
６２・・・記録部
６３・・・記録再生部
６４・・・出力選択部

Claims (12)

1. 周囲音の特徴を分析する周囲音分析部と、
   再生用信号の音響特徴を分析する特徴分析部と、
   前記再生用信号を記録媒体に記録する一方で、追い掛け再生の再生タイミングで前記記録媒体から前記再生用信号を読み出す再生タイミング調整部と、
   前記記録媒体から読み出された前記再生用信号の再生速度を変更する再生速度変更部と、
   前記周囲音分析部の分析結果に応じた再生タイミングで前記再生用信号が再生されるように前記再生タイミング調整部を制御する一方で、前記周囲音分析部の分析結果、及び前記特徴分析部によって得られた音響特徴に応じた再生速度で前記再生用信号が再生されるように前記再生速度変更部を制御する制御部と
   を含む音声再生装置。
2. 前記周囲音分析部の分析結果は周囲音レベルを含み、
   前記制御部は、前記周囲音レベルが所定のレベル閾値以上の間、前記再生用信号が前記記録媒体に記録され、前記周囲音レベルが前記所定の閾値未満の間、前記記録媒体に記録された前記再生用信号が追い掛け再生されるように、前記再生タイミング調整部を制御する
   請求項１に記載の音声再生装置。
3. 前記記録媒体の蓄積量に応じた遅延時間を測定する測定部をさらに含み、
   前記制御部は、前記周囲音レベルが所定のレベル閾値以上であり、且つ前記遅延時間が所定の遅延閾値より小さい場合に、前記再生用信号が前記記録媒体に記録される制御を行う
   請求項２に記載の音声再生装置。
4. 前記制御部は、前記周囲音レベルが所定のレベル閾値以上であるが、前記遅延時間が所定の時間閾値以上である場合には、前記記録媒体に記録された再生用信号の追い掛け再生が行われるように前記再生タイミング調整部を制御する
   請求項３に記載の音声再生装置。
5. 前記特徴分析部によって得られる音響特徴は、前記再生用信号が音声信号であるか非音声信号であるかの判断結果を含み、
   前記制御部は、前記再生用信号が音声信号であれば前記記録媒体への記録が行われ、前記再生用信号が非音声信号であれば前記記録媒体への記録が行われないように前記再生タイミング調整部を制御する
   請求項１に記載の音声再生装置。
6. 前記特徴分析部によって得られる音響特徴は、音声信号である前記再生用信号のピッチ周波数を含み、
   前記制御部は、前記ピッチ周波数に応じた再生速度で前記再生用信号が再生されるように前記再生速度変更部を制御する
   請求項１に記載の音声再生装置。
7. 前記特徴分析部によって得られる音響特徴は、音声信号である前記再生用信号の音声区間長を含み、
   前記制御部は、前記音声区間長に応じた再生速度で前記再生用信号が再生されるように、前記再生速度変更部を制御する
   請求項１に記載の音声再生装置。
8. 前記特徴分析部によって得られる音響特徴は、音声信号である前記再生用信号の音声区間長を含み、
   前記制御部は、前記記録媒体に記録された前記再生用信号が、前記音声区間長に基づいて前記再生用信号の先頭に遡って読み出されるように前記再生タイミング調整部を制御する
   請求項１に記載の音声再生装置。
9. 前記周囲音分析部の分析結果が、周期的に生じる周囲音の間隔を含み、
   前記特徴分析部によって得られる音響特徴が、音声信号である前記再生用信号の音声区間長を含み、
   前記制御部は、前記音声区間長と、前記周囲音の間隔から求められる現時刻から次の周囲音発生時刻までの時間長との関係に基づく再生速度で前記再生用信号が再生されるように前記再生速度変更部を制御する
   請求項１に記載の音声再生装置。
10. 前記制御部は、再生速度を最大にしたときの前記音声区間長の長さが前記時間長より長い場合に、前記再生用信号が再生されることなく前記記録媒体に記録される制御を行う
    請求項９に記載の音声再生装置。
11. 前記周囲音分析部は周囲音の発生状況を学習し、
    前記制御部は周囲音の発生の学習結果に基づいて前記再生用信号の再生タイミングがシフトするように前記再生タイミング調整部を制御する
    請求項１に記載の音声再生装置。
12. 周囲音の特徴を分析し、
    再生用信号の音響特徴を分析し、
    周囲音の分析結果に応じた再生タイミングで、且つ前記音響特徴に応じた再生速度で前記再生用信号が再生されるように制御を行う
    ことを含む音声再生方法。

Images