WO2020225850A1 - 音響品質評価装置、音響品質評価方法、およびプログラム - Google Patents

音響品質評価装置、音響品質評価方法、およびプログラム Download PDF

Info

Publication number
WO2020225850A1
WO2020225850A1 PCT/JP2019/018260 JP2019018260W WO2020225850A1 WO 2020225850 A1 WO2020225850 A1 WO 2020225850A1 JP 2019018260 W JP2019018260 W JP 2019018260W WO 2020225850 A1 WO2020225850 A1 WO 2020225850A1
Authority
WO
WIPO (PCT)
Prior art keywords
evaluation
acoustic quality
acoustic
evaluation value
far
Prior art date
Application number
PCT/JP2019/018260
Other languages
English (en)
French (fr)
Inventor
祥子 栗原
登 原田
Original Assignee
日本電信電話株式会社
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 日本電信電話株式会社 filed Critical 日本電信電話株式会社
Priority to JP2021518230A priority Critical patent/JP7184173B2/ja
Priority to PCT/JP2019/018260 priority patent/WO2020225850A1/ja
Priority to US17/608,808 priority patent/US11699458B2/en
Publication of WO2020225850A1 publication Critical patent/WO2020225850A1/ja

Links

Images

Classifications

    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
    • G10L25/48—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use
    • G10L25/69—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use for evaluating synthetic or decoded voice signals
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S15/00—Systems using the reflection or reradiation of acoustic waves, e.g. sonar systems
    • G01S15/88—Sonar systems specially adapted for specific applications
    • G01S15/885—Meteorological systems
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04M—TELEPHONIC COMMUNICATION
    • H04M1/00—Substation equipment, e.g. for use by subscribers
    • H04M1/24—Arrangements for testing
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04M—TELEPHONIC COMMUNICATION
    • H04M3/00—Automatic or semi-automatic exchanges
    • H04M3/22—Arrangements for supervision, monitoring or testing
    • H04M3/2236—Quality of speech transmission monitoring
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04M—TELEPHONIC COMMUNICATION
    • H04M9/00—Arrangements for interconnection not involving centralised switching
    • H04M9/08—Two-way loud-speaking telephone systems with means for conditioning the signal, e.g. for suppressing echoes for one or both directions of traffic
    • H04M9/082—Two-way loud-speaking telephone systems with means for conditioning the signal, e.g. for suppressing echoes for one or both directions of traffic using echo cancellers

Definitions

  • the present invention relates to a technique for evaluating call quality, and particularly to a quality evaluation test technique for a loudspeaker communication system.
  • An acoustic echo canceller (AEC: Acoustic Echo Canceller) is used to eliminate acoustic echo and ambient noise, which are problems in loudspeaker communication systems, and to provide a comfortable call environment.
  • Acoustic echo is a phenomenon that occurs when voice transmitted from the near end is output from a speaker at the far end and picked up by a microphone at the far end. If the effect of the acoustic echo canceller is weak, the acoustic echo remains unerased, and if it is too strong, even the transmitted voice from the far end is removed, and it becomes distorted or disappears, making it difficult to hear. Since the performance of the acoustic echo canceller depends on how accurately the acoustic echo is erased, the performance evaluation of the conventional acoustic echo canceller has mainly been an objective evaluation focusing on the amount of elimination of the acoustic echo. Objective evaluation is easy because it can be evaluated by computer processing, but there is a problem that it does not always match the quality experienced by the user in an actual call (also called "user experience quality").
  • the voice transmitted from the far end is not affected by the near-end speaker such as acoustic echo, and only the far-end voice can be evaluated. Therefore, the quality evaluation of IP phones is generally performed by a listening test for one-way calls by simplifying the conversation test.
  • the listening test is more reproducible than the conversation test, and the implementation time is short, so it is highly convenient.
  • objective evaluation methods such as PESQ (Perceptual Evaluation of Speech Quality) for estimating the subjective evaluation value (also referred to as “listening MOS: Mean Opinion Score”) by the listening test have been established (see Non-Patent Document 1).
  • Non-Patent Document 2 In order to evaluate the acoustic echo and the processed sound by the acoustic echo canceller in the subjective evaluation, it is necessary to perceive the acoustic echo, and the evaluation can be performed only when the evaluator himself talks. Therefore, in loudspeaker communication systems such as hands-free loudspeaker calls, quality evaluation by a two-way conversation test has been recommended (see Non-Patent Document 2).
  • Low acoustic quality is, for example, an acoustic signal having a Q value of 10db or less.
  • a acoustic signal is expected to have a MOS value of 1 to 2.
  • the MOS value is usually expressed in 5 steps from 1 to 5, and the larger the value, the higher the quality.
  • Non-Patent Document 3 For the relationship between the Q value and the expected MOS value, refer to Non-Patent Document 3.
  • an object of the present invention is that even an evaluator accustomed to a call environment with low acoustic quality can obtain an appropriate evaluation value in the acoustic quality evaluation by a conversation test. It is to realize the acoustic quality evaluation technology.
  • the acoustic quality evaluation device of one aspect of the present invention is an acoustic quality evaluation device that evaluates the acoustic quality of a call performed between a plurality of communication terminals, and for each of the plurality of evaluation viewpoints.
  • the evaluation value presentation unit that presents the evaluation categories classified into a predetermined number of stages to the evaluator, and the lowest evaluation value among the evaluation values assigned to the evaluation categories selected by the evaluator for each evaluation viewpoint are subjective evaluations of acoustic quality.
  • the acoustic quality evaluation technique of the present invention even an evaluator accustomed to a call environment with low acoustic quality can obtain an appropriate evaluation value in the acoustic quality evaluation by a conversation test.
  • FIG. 1 is a diagram illustrating a functional configuration of an acoustic quality evaluation system.
  • FIG. 2 is a diagram illustrating a processing procedure of the acoustic quality evaluation method.
  • FIG. 3 is a diagram illustrating the display contents of the evaluation input screen.
  • FIG. 4 is a diagram for explaining the experimental results.
  • the loudspeaker communication system is a communication system for transmitting and receiving acoustic signals between a terminal device including a microphone and a speaker, and at least a part of the sound output from the speaker of the terminal device is the microphone of the terminal device.
  • the sound received by (the sound wraps around).
  • An example of a loudspeaker communication system is a voice conferencing system or a video conferencing system.
  • the voice of the near-end speaker is received by the microphone of the near-end speaker, and the acoustic signal obtained based on the sound is transmitted to the far-end speaker via the network, and the acoustic signal is transmitted.
  • the represented sound is output from the speaker on the far-end speaker side.
  • the sound of the far-end speaker is received by the microphone of the far-end speaker, and the acoustic signal obtained based on the sound is transmitted to the near-end speaker via the network, and the sound represented by the acoustic signal is transmitted. It is output from the speaker on the near-end speaker side. However, at least a part of the sound output from the far-end speaker side speaker is also received by the far-end speaker side microphone.
  • the sound on the far-end speaker side received by the microphone on the far-end speaker side is a superposition (acoustic echo) of the voice of the near-end speaker on the voice of the far-end speaker. That is, the sound on the far-end speaker side received by the microphone on the far-end speaker side is a signal based on the voice of the far-end speaker and a signal based on the voice of the near-end speaker is the space on the far-end speaker side. Based on the signal deteriorated and superimposed in. When the near-end speaker is not speaking, the signal based on the near-end speaker's voice is not superimposed, so that the far-end speaker's voice is not deteriorated. Further, the deterioration of the sound on the far-end speaker side may be caused by the superposition of ambient noise on the far-end speaker side.
  • the signal processing may be any processing.
  • An example of signal processing is a process that includes at least one of an echo cancel process and a noise cancel process.
  • the echo canceling process means a process by an echo canceller in a broad sense for reducing echo.
  • the processing by the echo canceller in a broad sense means the whole processing for reducing the echo.
  • the processing by the echo canceller in the broad sense may be realized only by the echo canceller in the narrow sense using the adaptive filter, may be realized by the voice switch, may be realized by the echo reduction, or these.
  • the noise canceling process means a process of suppressing or removing a noise component caused by any environmental noise other than the voice of a far-end speaker generated around the microphone of the far-end terminal.
  • Environmental noise refers to, for example, the sound of air conditioning in an office, the sound of a car running, the sound of a car passing at an intersection, the sound of insects, the touch sound of a keyboard, the voice of multiple people (rattle sound), etc. It does not matter whether it is large / small or indoor / outdoor (see Reference 2 below).
  • the evaluator listens to the acoustic signal output from the speaker on the near-end speaker side, and based on the subjectivity of the near-end speaker from the evaluation categories classified into a predetermined number of stages in advance. Select the most suitable evaluation category. For example, in ITU-T Recommendation P.800 listed in Non-Patent Document 1, it is classified into 5 evaluation categories of "Excellent”, “Good”, “Fair”, “Poor”, and “Bad”, and each evaluation category is classified. It is proposed to assign evaluation values of 5, 4, 3, 2, and 1 in order. This subjective evaluation is performed a plurality of times by a plurality of evaluators while exchanging the other party, and the collected evaluation values are aggregated to evaluate the acoustic quality.
  • the acoustic quality evaluation system of the embodiment is an information communication system for performing the conversation test described above.
  • the acoustic quality evaluation system 10 of the embodiment includes a near-end terminal 1 used by a near-end speaker, a far-end terminal 2 used by a far-end speaker, and an acoustic quality evaluation device 3.
  • the near-end terminal 1 includes at least a transmitting unit 11, a receiving unit 12, a display unit 13, and an input unit 14.
  • the far-end terminal 2 may include at least a transmitting unit 21 and a receiving unit 22, and may further include a signal processing unit 23.
  • the acoustic quality evaluation device 3 includes an evaluation value presentation unit 31, an evaluation value determination unit 32, an aggregation unit 33, and an aggregation result storage unit 30.
  • the acoustic quality evaluation method of the embodiment is realized by the acoustic quality evaluation system 10 performing the processing of each step illustrated in FIG.
  • the near-end speaker who uses the near-end terminal 1 is the evaluator who evaluates the acoustic quality
  • the far-end speaker who uses the far-end terminal 2 is the conversation partner whose acoustic quality is evaluated.
  • the same call may be evaluated by the near-end speaker and the far-end speaker at the same time.
  • both the near-end speaker and the far-end speaker are the evaluator and the call partner.
  • the near-end terminal 1 and the far-end terminal 2 have the same functional configuration
  • the near-end terminal 1 further includes a signal processing unit
  • the far-end terminal 2 further includes a display unit and an input unit.
  • the evaluation target may be a conference call of three or more parties made with a plurality of far-end terminals 2.
  • the near-end terminal 1 and the far-end terminal 2 are connected via the voice communication network 4.
  • the acoustic quality evaluation device 3 is connected to the near-end terminal 1 via a network (not shown). However, if the voice communication network 4 can logically divide the voice communication path and the data communication path by band control or the like, the near-end terminal 1 and the acoustic quality evaluation device 3 are provided via the voice communication network 4. And may be connected.
  • the voice communication network 4 is a circuit-switched or packet-switched communication network configured so that each connected device can communicate with each other, and is configured assuming voice communication in particular.
  • the voice communication network 4 can be composed of the Internet, WAN (Wide Area Network), LAN (Local Area Network), leased line, public switched telephone network, mobile phone communication network, and the like.
  • a special program is read into a known or dedicated computer having a central processing unit (CPU: Central Processing Unit), a main storage device (RAM: Random Access Memory), and the like. It is a special device configured in.
  • the near-end terminal 1 and the far-end terminal 2 execute each process under the control of the central processing unit, for example.
  • the data input to the near-end terminal 1 and the far-end terminal 2 and the data obtained by each processing are stored in, for example, the main storage device, and the data stored in the main storage device is stored in the main storage device as needed. It is read out to and used for other processing.
  • At least a part of the near-end terminal 1 and the far-end terminal 2 may be configured by hardware such as an integrated circuit.
  • the near-end terminal 1 and the far-end terminal 2 are information processing devices having voice transmission / reception functions and data communication functions such as mobile terminals such as smartphones and tablets, or desktop-type and laptop-type personal computers. Is.
  • the acoustic quality evaluation device 3 is configured by loading a special program into, for example, a publicly known or dedicated computer having a central processing unit (CPU: Central Processing Unit), a main storage device (RAM: Random Access Memory), and the like. It is a special device.
  • the acoustic quality evaluation device 3 executes each process under the control of the central processing unit, for example.
  • the data input to the acoustic quality evaluation device 3 and the data obtained by each process are stored in, for example, the main storage device, and the data stored in the main storage device is read out to the central processing unit as needed. It is used for other processing.
  • At least a part of the acoustic quality evaluation device 3 may be configured by hardware such as an integrated circuit.
  • Each storage unit included in the acoustic quality evaluation device 3 is, for example, a main storage device such as RAM (RandomAccessMemory), an auxiliary storage device composed of a hard disk, an optical disk, or a semiconductor memory element such as a flash memory (FlashMemory). Alternatively, it can be configured with middleware such as a relational database or key value store.
  • the acoustic quality evaluation device 3 is an information processing device having a data communication function and a data processing function such as a desktop type or rack mount type server computer.
  • step S1 the near-end terminal 1 and the far-end terminal 2 start a call for which the acoustic quality is evaluated.
  • the near-end terminal 1 makes a call to the far-end terminal 2 according to the operation of the near-end speaker.
  • the far-end terminal 2 answers an incoming call from the near-end terminal 1 according to the operation of the far-end speaker.
  • a call is established between the near-end terminal 1 and the far-end terminal 2.
  • an example of making a call from the near-end terminal 1 to the far-end terminal 2 is shown, but a call may be established by making a call from the far-end terminal 2 to the far-end terminal 1.
  • the voice spoken by the near-end speaker is converted into an acoustic signal by the microphone M1 of the near-end terminal 1, and the transmitting unit 11 transmits the acoustic signal to the receiving unit 22 of the far-end terminal 2.
  • the receiving unit 22 of the far-end terminal 2 outputs an acoustic signal received from the transmitting unit 11 of the near-end terminal 1 from the speaker S2 of the far-end terminal 2.
  • the voice spoken by the far-end speaker is converted into an acoustic signal by the microphone M2 of the far-end terminal 2, and at this time, the wraparound of the voice of the near-end speaker output from the speaker S2 of the far-end terminal 2 is the far-end talk.
  • the transmitting unit 21 of the far-end terminal 2 transmits an acoustic signal to the receiving unit 12 of the near-end terminal 1.
  • the signal processing unit 23 performs signal processing including at least one of echo cancellation processing and noise cancellation processing on the transmitted acoustic signal.
  • the receiving unit 12 of the near-end terminal 1 outputs an acoustic signal received from the transmitting unit 21 of the far-end terminal 2 from the speaker S1 of the near-end terminal 1. In this way, the near-end speaker and the far-end speaker have a conversation via the established call between the near-end terminal 1 and the far-end terminal 2.
  • step S2 the evaluation value presenting unit 31 of the acoustic quality evaluation device 3 transmits a control signal for displaying an evaluation input screen for the near-end speaker to input the evaluation of the acoustic quality to the display unit 13 of the near-end terminal 1.
  • the display unit 13 of the near-end terminal 1 displays the evaluation input screen according to the received control signal.
  • evaluation categories classified into a plurality of stages for each of a plurality of predetermined evaluation viewpoints are displayed. Evaluation values are assigned to these evaluation categories according to the high quality of each evaluation viewpoint.
  • the evaluation input screen shall be set so that only one evaluation category can be selected for each evaluation viewpoint.
  • the evaluation viewpoints include, for example, three viewpoints of "easiness to hear the other party's voice", “noise”, and "return of one's own voice".
  • the evaluation viewpoint of "easy to hear the other party's voice for example, there are five stages of “very easy to hear”, “no problem in hearing”, “a little difficult to hear”, “difficult to hear”, and “very difficult to hear”. Evaluation categories are provided, and evaluation values of 5, 4, 3, 2, and 1 are assigned to each evaluation category in order.
  • evaluation viewpoint of "noise feeling for example, “no noise”, “a little noise”, “noisy”, “a lot of noise is superimposed", “a lot of noise is superimposed”.
  • Evaluation categories of 5 levels are provided, and evaluation values of 5, 4, 3, 2, and 1 are assigned to each evaluation category in order.
  • evaluation viewpoint of "return of my voice” for example, "no return of my voice", “a little return of my voice”, “return of my voice”, “return of my voice”
  • evaluation categories “Large return” and “Very large return of one's voice”
  • each evaluation category is assigned an evaluation value of 5, 4, 3, 2, or 1.
  • FIG. 3 illustrates an evaluation input screen for inputting an evaluation based on the evaluation category of the above example.
  • an area 131-1 corresponding to the evaluation viewpoint of "easiness to hear the other party's voice”, an area 131-2 corresponding to the evaluation viewpoint of "noise feeling", and "return of one's own voice” are displayed.
  • Area 131-3 corresponding to the evaluation viewpoint of is provided.
  • a label 132-1 indicating an evaluation category in which "easiness to hear the other party's voice" is classified into five stages is displayed, and five buttons 133-1 are provided one-to-one for each evaluation category. Be done.
  • Button 133-1 has a function of switching the selection state, and is set so that only one can be selected in the area 131-1.
  • button 133-1 is an option button in which a group is set in area 131-1.
  • Labels 132-2, 132-3 and buttons 133-2, 133-3 are similarly provided for areas 131-2 and 131-3.
  • FIG. 3 is an example of the design of the evaluation input screen, and different designs may be used in consideration of convenience of operation and the like.
  • step S3 the near-end speaker listens to the voice output from the speaker S1 of the near-end terminal 1 and evaluates its acoustic quality.
  • the evaluation of the acoustic quality is performed by selecting the evaluation category that is most applicable to each evaluation viewpoint based on its own subjectivity on the evaluation input screen displayed on the display unit 13.
  • the evaluation category most applicable to "easiness to hear the voice of the other party” is selected, and the button 133-1 corresponding to the label 132-1 is selected.
  • select the buttons 133-2 and 133-3 corresponding to the most applicable evaluation category for "noise” and the most applicable evaluation category for "return of one's voice".
  • the near-end speaker presses the confirm button 134 after selecting the evaluation category for all evaluation viewpoints.
  • the input unit 14 of the near-end terminal 1 transmits the evaluation value assigned to each selected evaluation category to the evaluation value determination unit 32 of the acoustic quality evaluation device 3 according to the selection state in the evaluation input screen 130.
  • step S4 the evaluation value determining unit 32 of the acoustic quality evaluation device 3 determines one subjective evaluation value regarding the acoustic quality based on the evaluation value for each evaluation viewpoint received from the input unit 14 of the near-end terminal 1. .. Specifically, the lowest evaluation value among the evaluation values for each evaluation viewpoint is determined as the subjective evaluation value related to acoustic quality.
  • the evaluator is "very easy to hear” about “easy to hear the other party's voice" (evaluation value is 5) and "noisy" about “noise feeling” (evaluation value is 3).
  • the evaluation value determination unit 32 outputs the determined subjective evaluation value to the aggregation unit 33.
  • the aggregation unit 33 of the acoustic quality evaluation device 3 aggregates a plurality of subjective evaluation values input a plurality of times from the evaluation value determination unit 32, and stores the aggregation result in the aggregation result storage unit 30.
  • the plurality of subjective evaluation values may be a plurality of subjective evaluation values based on conversation tests performed multiple times by the same evaluator, or a plurality of subjective evaluation values input by a plurality of evaluators in one conversation test. It may be, or it may be a plurality of subjective evaluation values input by a plurality of evaluators based on conversation tests performed a plurality of times.
  • the totaling unit 33 may perform statistical processing such as an average based on a plurality of subjective evaluation values stored in the totaling result storage unit 30 and store it in the totaling result storage unit 30.
  • FIG. 4 shows the experimental results of the evaluation test by the acoustic quality evaluation system of the embodiment.
  • four experimental conditions I to IV were set, and four evaluators conducted conversation tests three times over a four-day period while exchanging communication partners under each experimental condition.
  • Experimental condition I is clearly a good sound and is expected to have an evaluation value of 4 to 5 (in other words, no one will give an evaluation value of 1 to 2).
  • Experimental condition II is obviously a bad sound, and it is assumed that an evaluation value of 1 to 2 is given (in other words, no one will give an evaluation value of 4 to 5).
  • Experimental condition III is a relatively good sound among the sounds that many people judge to be normal, and it is assumed that an evaluation value of 3 to 4 is given (in other words, no one gives an evaluation value of 1). Deaf) condition.
  • Experimental condition IV is a relatively bad sound among the sounds that many people judge to be normal, and it is assumed that an evaluation value of 2 to 3 is given (in other words, no one gives an evaluation value of 5). Deaf) condition. Under each of these experimental conditions, the conventional general evaluation categories ("very good”, “good”, “somewhat bad”, “bad”, “very bad") and the evaluation categories of the embodiments (5 for each of the three evaluation viewpoints). A conversation test was conducted using (set evaluation categories for each stage), and the average of each evaluation value was tabulated. As shown in FIG.
  • the program that describes this processing content can be recorded on a computer-readable recording medium.
  • the computer-readable recording medium may be, for example, a magnetic recording device, an optical disk, a photomagnetic recording medium, a semiconductor memory, or the like.
  • the distribution of this program is carried out, for example, by selling, transferring, or renting a portable recording medium such as a DVD or CD-ROM on which the program is recorded.
  • the program may be stored in the storage device of the server computer, and the program may be distributed by transferring the program from the server computer to another computer via a network.
  • a computer that executes such a program first stores, for example, a program recorded on a portable recording medium or a program transferred from a server computer in its own storage device. Then, when the process is executed, the computer reads the program stored in its own storage device and executes the process according to the read program. Further, as another execution form of this program, a computer may read the program directly from a portable recording medium and execute processing according to the program, and further, the program is transferred from the server computer to this computer. It is also possible to execute the process according to the received program one by one each time. In addition, the above processing is executed by a so-called ASP (Application Service Provider) type service that realizes the processing function only by the execution instruction and result acquisition without transferring the program from the server computer to this computer. May be.
  • the program in this embodiment includes information used for processing by a computer and equivalent to the program (data that is not a direct command to the computer but has a property of defining the processing of the computer, etc.).
  • the present device is configured by executing a predetermined program on the computer, but at least a part of these processing contents may be realized by hardware.

Landscapes

  • Engineering & Computer Science (AREA)
  • Signal Processing (AREA)
  • Physics & Mathematics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Acoustics & Sound (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Health & Medical Sciences (AREA)
  • Computational Linguistics (AREA)
  • Human Computer Interaction (AREA)
  • Multimedia (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • General Physics & Mathematics (AREA)
  • Telephone Function (AREA)
  • Telephonic Communication Services (AREA)

Abstract

会話試験による音響品質評価において適切な評価値を得る。音響品質評価装置３は、音声通信網４を通じて近端端末１と遠端端末２との間で行われる通話の音響品質を評価する。評価値提示部３１は、複数の評価観点それぞれについて所定数の段階に分類した評価カテゴリーを表示部１３へ表示する。入力部１４は、評価者が各評価観点について選択した評価カテゴリーを評価値決定部３２へ送信する。評価値決定部３２は、入力部１４から受信した評価カテゴリーに割り当てられた評価値のうち最も低い評価値を音響品質の主観評価値として決定する。

Description

音響品質評価装置、音響品質評価方法、およびプログラム
　本発明は、通話品質を評価するための技術に関し、特に拡声系通信システムの品質評価試験技術に関する。
　通信技術の発達とともに、機器を持たずに通話できる手軽さから、会議システムやスマートフォンによるハンズフリー拡声通話などの拡声系通信システムを利用する機会が増えている。拡声系通信システムで問題となる音響エコーや周辺雑音を除去し、快適な通話環境を提供するために、音響エコーキャンセラ（AEC: Acoustic Echo Canceller）が利用されている。
　音響エコーとは、近端から送信された音声が遠端のスピーカから出力され、遠端のマイクロホンが拾うことで発生する現象である。音響エコーキャンセラの効果が弱ければ音響エコーが消し残り、強すぎれば遠端からの送話音声までもが除去されてしまい、歪んだり消えたりして聞き取りにくくなる。音響エコーキャンセラの性能は音響エコーがどれだけ的確に消去されているかに依存することから、従来の音響エコーキャンセラの性能評価は、音響エコーの消去量に着目した客観評価が主流であった。客観評価は計算機処理で評価できるため手軽であるが、必ずしも実際の通話でユーザが体感する品質（「ユーザ体感品質」とも呼ぶ）とは一致しないという問題があった。
　ハンドセットを使用して通話するIP電話では、遠端から送信される音声は、音響エコーなど近端話者の影響を受けず、遠端音声のみを評価対象にできる。そのため、IP電話の品質評価は、会話試験を簡略化し、片方向通話を対象とした受聴試験により行うことが一般的である。受聴試験は、会話試験に較べて再現性が高く、実施時間が短いため、利便性が高い。また、受聴試験による主観評価値（「受聴MOS: Mean Opinion Score」とも呼ぶ）を推定するPESQ（Perceptual Evaluation of Speech Quality）などの客観評価法も確立されている（非特許文献１参照）。
　一方、主観評価で音響エコーや音響エコーキャンセラによる処理音を評価するためには、音響エコーを知覚する必要があり、評価者本人が通話することで初めて評価可能となる。そのため、ハンズフリー拡声通話などの拡声系通信システムでは、双方向の会話試験による品質評価が推奨されてきた（非特許文献２参照）。
　近年ではスマートフォンや携帯電話など音響品質が低い通話環境が普及している。音響品質が低いとは、例えばQ値が10db以下であるような音響信号である。このような音響信号は、本来であればMOS値が１～２となることが期待される。MOS値は通常１～５の５段階で表され、数値が大きいほど品質が高いことを表す。Q値と期待されるMOS値との関係については、非特許文献３を参照されたい。
　音響品質が低い通話環境に慣れている評価者は音響品質に対する基準が低くなっているため、例えば相手の音声が聞き取れれば音響品質が良いなど、高い評価値を与える傾向が強い。そのため、従来の会話試験で主観評価を行った場合、高い評価値に偏り、適切な評価値が得られないという問題があった。
　この発明の目的は、上記のような技術的課題に鑑みて、会話試験による音響品質評価において、音響品質が低い通話環境に慣れた評価者であっても、適切な評価値を得ることができる音響品質評価技術を実現することである。
　上記の課題を解決するために、本発明の一態様の音響品質評価装置は、複数の通信端末間で行われる通話の音響品質を評価する音響品質評価装置であって、複数の評価観点それぞれについて所定数の段階に分類した評価カテゴリーを評価者へ提示する評価値提示部と、評価者が各評価観点について選択した評価カテゴリーに割り当てられた評価値のうち最も低い評価値を音響品質の主観評価値として決定する評価値決定部と、を含む。
　この発明の音響品質評価技術によれば、会話試験による音響品質評価において、音響品質が低い通話環境に慣れた評価者であっても、適切な評価値を得ることができる。
図１は、音響品質評価システムの機能構成を例示する図である。 図２は、音響品質評価方法の処理手順を例示する図である。 図３は、評価入力画面の表示内容を例示する図である。 図４は、実験結果を説明するための図である。
　以下、この発明の実施の形態について詳細に説明する。なお、図面中において同じ機能を有する構成部には同じ番号を付し、重複説明を省略する。
　＜拡声系通信システムでの会話試験＞
　まず、拡声系通信システムでの会話試験による音響品質評価試験を概念的に説明する。この評価試験では、近端話者と遠端話者とが拡声系通信システムを通じて会話を行い、近端話者側に位置する評価者が当該拡声系通信システムの品質評価を行う。なお、拡声系通信システムとは、マイクロホンとスピーカとを備えた端末装置間で音響信号を送受信する通信システムであって、端末装置のスピーカから出力された音の少なくとも一部がその端末装置のマイクロホンで受音されるもの（音の回り込みが生じるもの）をいう。拡声系通信システムの一例は、音声会議システムやテレビ会議システムである。
　拡声系通信システムでは、近端話者の音声が近端話者側のマイクロホンで受音され、それに基づいて得られた音響信号がネットワーク経由で遠端話者側に伝送され、当該音響信号が表す音が遠端話者側のスピーカから出力される。また、遠端話者側の音が遠端話者側のマイクロホンで受音され、それに基づいて得られた音響信号がネットワーク経由で近端話者側に伝送され、当該音響信号が表す音が近端話者側のスピーカから出力される。ただし、遠端話者側のスピーカから出力された音の少なくとも一部は遠端話者側のマイクロホンでも受音される。すなわち、遠端話者側のマイクロホンで受音される遠端話者側の音は、遠端話者の音声に近端話者の音声の回り込み（音響エコー）が重畳されたものである。すなわち、遠端話者側のマイクロホンで受音される遠端話者側の音は、遠端話者の音声に基づく信号に近端話者の音声に基づく信号が遠端話者側の空間で劣化して重畳した信号に基づく。なお、近端話者が発話していないときは、近端話者の音声に基づく信号が重畳しないため遠端話者の音声が劣化することはない。また、遠端話者側の音の劣化は、遠端話者側の周囲騒音の重畳も要因となり得る。
　近端話者側に伝送される音響信号は、遠端話者側のマイクロホンで受音された音を表す信号に所定の信号処理を行って得られた処理信号に由来するものであってもよいし、このような信号処理を行うことなく得られたものであってもよい。信号処理は、どのような処理であってもよい。信号処理の例は、エコーキャンセル処理およびノイズキャンセル処理の少なくとも一方を含む処理である。なお、エコーキャンセル処理とは、エコーを低減させるための広義のエコーキャンセラによる処理を意味する。広義のエコーキャンセラによる処理とは、エコーを低減させるための処理全般を意味する。広義のエコーキャンセラによる処理は、例えば、適応フィルタを用いた狭義のエコーキャンセラのみによって実現されてもよいし、音声スイッチによって実現されてもよいし、エコーリダクションによって実現されてもよいし、これらの少なくとも一部の技術の組み合わせによって実現されてもよいし、さらにその他の技術との組み合わせによって実現されてよい（下記参考文献１参照）。またノイズキャンセル処理とは、遠端端末のマイクロホンの周囲で発生する、遠端話者の音声以外のあらゆる環境雑音に起因する雑音成分を抑圧または除去する処理を意味する。環境雑音とは、例えば、オフィスの空調音、走行中の車内音、交差点での車の通行音、虫の音、キーボードのタッチ音、複数の人の声（ガヤガヤ音）などを指し、音の大／小、屋内／屋外は問わない（下記参考文献２参照）。
　〔参考文献１〕知識ベース　知識の森、２群－６編－５章、“音響エコーキャンセラ”、電子情報通信学会、［online］、［平成31年3月5日検索］、インターネット<URL:http://www.ieice-hbkb.org/files/02/02gun_06hen_05.pdf>
　〔参考文献２〕阪内澄宇，羽田陽一，田中雅史，佐々木潤子，片岡章俊，“雑音抑圧及びエコー抑圧機能を備えた音響エコーキャンセラ”，電子情報通信学会論文誌，Vol.J87-A，No.4，pp.448-457，2004年4月
　評価者（近端話者）は、近端話者側のスピーカから出力される音響信号を受聴し、予め定めた所定数の段階に分類された評価カテゴリーから近端話者の主観に基づいて最も適合する評価カテゴリーを選択する。例えば、非特許文献１に挙げたITU-T Recommendation P.800では"Excellent", "Good", "Fair", "Poor", "Bad"の５段階の評価カテゴリーに分類し、各評価カテゴリーに順に5, 4, 3, 2, 1の評価値を割り当てることが提案されている。この主観評価を、複数の評価者が通話相手を入れ替えながらそれぞれ複数回行い、収集した評価値を集計することで音響品質の評価が行われる。
　＜音響品質評価システム＞
　実施形態の音響品質評価システムは、上述の会話試験を実行するための情報通信システムである。実施形態の音響品質評価システム１０は、図１に示すように、近端話者が用いる近端端末１と、遠端話者が用いる遠端端末２と、音響品質評価装置３とを含む。近端端末１は、少なくとも送話部１１、受話部１２、表示部１３、および入力部１４を備える。遠端端末２は、少なくとも送話部２１および受話部２２を備え、さらに信号処理部２３を備えてもよい。音響品質評価装置３は、評価値提示部３１、評価値決定部３２、集計部３３、および集計結果記憶部３０を備える。この音響品質評価システム１０が図２に例示する各ステップの処理を行うことにより実施形態の音響品質評価方法が実現される。
　以下の説明では、近端端末１を使用する近端話者が音響品質を評価する評価者であり、遠端端末２を使用する遠端話者が音響品質の評価対象となる会話の通話相手とするが、同一の通話を近端話者と遠端話者とが同時に評価してもよい。この場合、近端話者と遠端話者はいずれも評価者であり、かつ、通話相手となる。このとき、近端端末１と遠端端末２とは同一の機能構成となり、近端端末１が信号処理部をさらに備え、遠端端末２が表示部および入力部をさらに備えることになる。また、以下の説明では、近端端末１と遠端端末２との二者間の通話の音響品質を評価することを前提とするが、遠端端末２が複数存在し、近端端末１と複数の遠端端末２との間で行われる三者以上の会議通話を評価対象としてもよい。
　近端端末１と遠端端末２とは音声通信網４を介して接続される。音響品質評価装置３は、近端端末１と図示していないネットワークを介して接続される。ただし、音声通信網４が帯域制御等により音声用の通信経路とデータ用の通信経路とを論理的に分割可能であれば、音声通信網４を介して近端端末１と音響品質評価装置３とが接続されてもよい。音声通信網４は、接続される各装置が相互に通信可能なように構成された回線交換方式もしくはパケット交換方式の通信網であり、特に音声通信を想定して構成されたものである。音声通信網４は、具体的には、インターネットやWAN（Wide Area Network）、LAN（Local Area Network）、専用線、公衆交換電話網、携帯電話通信網などで構成することができる。
　近端端末１および遠端端末２は、例えば、中央演算処理装置（CPU: Central Processing Unit）、主記憶装置（RAM: Random Access Memory）などを有する公知又は専用のコンピュータに特別なプログラムが読み込まれて構成された特別な装置である。近端端末１および遠端端末２は、例えば、中央演算処理装置の制御のもとで各処理を実行する。近端端末１および遠端端末２に入力されたデータや各処理で得られたデータは、例えば、主記憶装置に格納され、主記憶装置に格納されたデータは必要に応じて中央演算処理装置へ読み出されて他の処理に利用される。近端端末１および遠端端末２は、少なくとも一部が集積回路等のハードウェアによって構成されていてもよい。近端端末１および遠端端末２は、具体的には、スマートフォンやタブレットのようなモバイル端末、もしくはデスクトップ型やラップトップ型のパーソナルコンピュータなどの音声送受信機能およびデータ通信機能を備えた情報処理装置である。
　音響品質評価装置３は、例えば、中央演算処理装置（CPU: Central Processing Unit）、主記憶装置（RAM: Random Access Memory）などを有する公知又は専用のコンピュータに特別なプログラムが読み込まれて構成された特別な装置である。音響品質評価装置３は、例えば、中央演算処理装置の制御のもとで各処理を実行する。音響品質評価装置３に入力されたデータや各処理で得られたデータは、例えば、主記憶装置に格納され、主記憶装置に格納されたデータは必要に応じて中央演算処理装置へ読み出されて他の処理に利用される。音響品質評価装置３は、少なくとも一部が集積回路等のハードウェアによって構成されていてもよい。音響品質評価装置３が備える各記憶部は、例えば、RAM（Random Access Memory）などの主記憶装置、ハードディスクや光ディスクもしくはフラッシュメモリ（Flash Memory）のような半導体メモリ素子により構成される補助記憶装置、またはリレーショナルデータベースやキーバリューストアなどのミドルウェアにより構成することができる。音響品質評価装置３は、具体的には、デスクトップ型やラックマウント型のサーバコンピュータなどのデータ通信機能およびデータ処理機能を備えた情報処理装置である。
　ステップＳ１において、近端端末１と遠端端末２とが音響品質の評価対象とする通話を開始する。まず、近端端末１が近端話者の操作に従って遠端端末２へ発信を行う。遠端端末２は遠端話者の操作に従って近端端末１からの着信に応答する。これにより、近端端末１と遠端端末２との間で通話が確立する。ここでは近端端末１から遠端端末２へ発信する例を示したが、遠端端末２から近端端末１へ発信することで通話を確立しても構わない。
　通話が確立すると、近端話者の発話した音声が近端端末１のマイクロホンＭ１により音響信号に変換され、送話部１１がその音響信号を遠端端末２の受話部２２へ送信する。遠端端末２の受話部２２は、近端端末１の送話部１１から受信した音響信号を遠端端末２のスピーカＳ２から出力する。遠端話者の発話した音声は遠端端末２のマイクロホンＭ２により音響信号に変換されるが、このとき遠端端末２のスピーカＳ２から出力された近端話者の音声の回り込みが遠端話者の音声に重畳して音響信号に変換される。遠端端末２の送話部２１は、音響信号を近端端末１の受話部１２へ送信する。遠端端末２が信号処理部２３を備える場合、信号処理部２３が送信される音響信号に対してエコーキャンセル処理およびノイズキャンセル処理の少なくとも一方を含む信号処理を行う。近端端末１の受話部１２は、遠端端末２の送話部２１から受信した音響信号を近端端末１のスピーカＳ１から出力する。このようにして、近端話者と遠端話者とは近端端末１と遠端端末２との間で確立した通話を介して会話を行う。
　ステップＳ２において、音響品質評価装置３の評価値提示部３１は、近端端末１の表示部１３へ近端話者が音響品質の評価を入力する評価入力画面を表示させるための制御信号を送信する。近端端末１の表示部１３は、受信した制御信号に従って評価入力画面を表示する。評価入力画面には、予め定めた複数の評価観点それぞれについて複数の段階に分類した評価カテゴリーが表示される。これらの評価カテゴリーには各評価観点での品質の高さに応じた評価値が割り当てられている。評価入力画面は、各評価観点について１つの評価カテゴリーのみが選択できるように設定されるものとする。
　評価観点は、例えば、「相手の声の聞き取り易さ」「雑音感」「自分の声の戻り」の３つの観点を含む。「相手の声の聞き取り易さ」の評価観点に対しては、例えば「非常に聞き取りやすい」「聞き取りには問題がない」「少し聞き取りにくい」「聞き取りにくい」「非常に聞き取りにくい」の５段階の評価カテゴリーが設けられ、各評価カテゴリーには順に5, 4, 3, 2, 1の評価値が割り当てられる。「雑音感」の評価観点に対しては、例えば「雑音が全くない」「雑音が少しある」「雑音がある」「雑音がかなり重畳している」「雑音が非常に多く重畳している」の５段階の評価カテゴリーが設けられ、各評価カテゴリーには順に5, 4, 3, 2, 1の評価値が割り当てられる。「自分の声の戻り」の評価観点に対しては、例えば「自分の声の戻りが全くない」「自分の声の戻りが少しある」「自分の声の戻りがある」「自分の声の戻りが大きい」「自分の声の戻りが非常に大きい」の５段階の評価カテゴリーが設けられ、各評価カテゴリーには順に5, 4, 3, 2, 1の評価値が割り当てられる。上記の例で示した評価観点と評価カテゴリーと評価値の関係をまとめると、下記のようになる。
Figure JPOXMLDOC01-appb-T000001
　図３に、上記の例の評価カテゴリーに基づいて評価を入力するための評価入力画面を例示する。評価入力画面１３０には、「相手の声の聞き取り易さ」の評価観点に対応するエリア１３１－１、「雑音感」の評価観点に対応するエリア１３１－２、および「自分の声の戻り」の評価観点に対応するエリア１３１－３が設けられる。エリア１３１－１には「相手の声の聞き取り易さ」を５段階に分類した評価カテゴリーを表すラベル１３２－１が表示され、各評価カテゴリーに対して一対一で５つのボタン１３３－１が設けられる。ボタン１３３－１は選択状態が切り替えられる機能を持ち、エリア１３１－１内で１つのみが選択できるように設定される。例えば、ボタン１３３－１はエリア１３１－１内でグループが設定されたオプションボタンである。エリア１３１－２およびエリア１３１－３についても同様にラベル１３２－２，１３２－３およびボタン１３３－２，１３３－３が設けられる。図３は評価入力画面のデザインの一例であり、操作の利便性等を鑑みて異なるデザインとしても構わない。
　ステップＳ３において、近端話者は近端端末１のスピーカＳ１から出力される音声を受聴し、その音響品質を評価する。音響品質の評価は、表示部１３に表示された評価入力画面において、各評価観点について、自らの主観に基づいて最も当てはまると考える評価カテゴリーを選択することで行う。図３の評価入力画面１３０の例であれば、「相手の声の聞き取り易さ」について最も当てはまる評価カテゴリーを選択し、そのラベル１３２－１に対応するボタン１３３－１を選択する。同様に、「雑音感」について最も当てはまる評価カテゴリーおよび「自分の声の戻り」について最も当てはまる評価カテゴリーにそれぞれ対応するボタン１３３－２，１３３－３を選択する。近端話者はすべての評価観点について評価カテゴリーを選択した後、確定ボタン１３４を押下する。近端端末１の入力部１４は、評価入力画面１３０中の選択状態に従って、選択された各評価カテゴリーに割り当てられた評価値を音響品質評価装置３の評価値決定部３２へ送信する。
　ステップＳ４において、音響品質評価装置３の評価値決定部３２は、近端端末１の入力部１４から受信した各評価観点についての評価値に基づいて、音響品質に関する１つの主観評価値を決定する。具体的には、各評価観点についての評価値のうち最も低い評価値を音響品質に関する主観評価値として決定する。図３の例であれば、評価者は、「相手の声の聞き取り易さ」について「非常に聞き取りやすい」（評価値は５）、「雑音感」について「雑音がある」（評価値は３）、「自分の声の戻り」について「自分の声の戻りが少しある」（評価値は４）をそれぞれ選択しているため、主観評価値は最も低い評価値である“３”に決定する。評価値決定部３２は、決定した主観評価値を集計部３３へ出力する。
　音響品質評価装置３の集計部３３は、評価値決定部３２から複数回入力された複数の主観評価値を集計し、その集計結果を集計結果記憶部３０へ記憶する。複数の主観評価値は、同じ評価者により複数回実行された会話試験に基づく複数の主観評価値であってもよいし、１つの会話試験において複数の評価者が入力した複数の主観評価値であってもよいし、複数の評価者がそれぞれ複数回実行された会話試験に基づいて入力した複数の主観評価値であってもよい。集計部３３は、集計結果記憶部３０へ記憶された複数の主観評価値に基づいて、例えば平均等の統計処理を行って集計結果記憶部３０へ記憶してもよい。
　図４に、実施形態の音響品質評価システムによる評価試験の実験結果を示す。この試験では、４つの実験条件Ｉ～ＩＶを設定し、各実験条件下で４名の評価者が通信相手を入れ替えながら４日間にわたって３回ずつの会話試験を行った。実験条件Ｉは、明らかに良い音であり、４～５の評価値が付くことが想定される（言い換えると、評価値１～２を付ける人はいないであろう）条件である。実験条件ＩＩは、明らかに悪い音であり、１～２の評価値が付くことが想定される（言い換えると、評価値４～５を付ける人はいないであろう）条件である。実験条件ＩＩＩは、多くの人が普通と判断する音のうち比較的良い音であり、３～４の評価値が付くことが想定される（言い換えると、評価値１を付ける人はいないであろう）条件である。実験条件ＩＶは、多くの人が普通と判断する音のうち比較的悪い音であり、２～３の評価値が付くことが想定される（言い換えると、評価値５を付ける人はいないであろう）条件である。このような実験条件それぞれで、従来の一般的な評価カテゴリー（「大変良い」「良い」「やや悪い」「悪い」「大変悪い」）と、実施形態の評価カテゴリー（３つの評価観点それぞれで５段階の評価カテゴリーを設定）とを用いて会話試験を行い、それぞれの評価値の平均を集計した。図４に示すように、実施形態の評価カテゴリーでは想定評価値の範囲内の評価値を得ることができたが、従来の評価カテゴリーでは、特に低い評価値が付くことが想定される実験条件ＩＩやＩＶで、想定よりも高い評価値が付いていることがわかる。すなわち、従来の評価カテゴリーでは高い評価値を与える傾向がある評価者であっても、実施形態の評価カテゴリーを用いれば適切な評価値を得られることが、本実験により実証されたと言える。
　以上、この発明の実施の形態について説明したが、具体的な構成は、これらの実施の形態に限られるものではなく、この発明の趣旨を逸脱しない範囲で適宜設計の変更等があっても、この発明に含まれることはいうまでもない。実施の形態において説明した各種の処理は、記載の順に従って時系列に実行されるのみならず、処理を実行する装置の処理能力あるいは必要に応じて並列的にあるいは個別に実行されてもよい。
　［プログラム、記録媒体］
　上記実施形態で説明した各装置における各種の処理機能をコンピュータによって実現する場合、各装置が有すべき機能の処理内容はプログラムによって記述される。そして、このプログラムをコンピュータで実行することにより、上記各装置における各種の処理機能がコンピュータ上で実現される。
　この処理内容を記述したプログラムは、コンピュータで読み取り可能な記録媒体に記録しておくことができる。コンピュータで読み取り可能な記録媒体としては、例えば、磁気記録装置、光ディスク、光磁気記録媒体、半導体メモリ等どのようなものでもよい。
　また、このプログラムの流通は、例えば、そのプログラムを記録したDVD、CD-ROM等の可搬型記録媒体を販売、譲渡、貸与等することによって行う。さらに、このプログラムをサーバコンピュータの記憶装置に格納しておき、ネットワークを介して、サーバコンピュータから他のコンピュータにそのプログラムを転送することにより、このプログラムを流通させる構成としてもよい。
　このようなプログラムを実行するコンピュータは、例えば、まず、可搬型記録媒体に記録されたプログラムもしくはサーバコンピュータから転送されたプログラムを、一旦、自己の記憶装置に格納する。そして、処理の実行時、このコンピュータは、自己の記憶装置に格納されたプログラムを読み取り、読み取ったプログラムに従った処理を実行する。また、このプログラムの別の実行形態として、コンピュータが可搬型記録媒体から直接プログラムを読み取り、そのプログラムに従った処理を実行することとしてもよく、さらに、このコンピュータにサーバコンピュータからプログラムが転送されるたびに、逐次、受け取ったプログラムに従った処理を実行することとしてもよい。また、サーバコンピュータから、このコンピュータへのプログラムの転送は行わず、その実行指示と結果取得のみによって処理機能を実現する、いわゆるASP（Application Service Provider）型のサービスによって、上述の処理を実行する構成としてもよい。なお、本形態におけるプログラムには、電子計算機による処理の用に供する情報であってプログラムに準ずるもの（コンピュータに対する直接の指令ではないがコンピュータの処理を規定する性質を有するデータ等）を含むものとする。
　また、この形態では、コンピュータ上で所定のプログラムを実行させることにより、本装置を構成することとしたが、これらの処理内容の少なくとも一部をハードウェア的に実現することとしてもよい。
１０　音響品質評価システム
１　近端端末
２　遠端端末
３　音響品質評価装置
４　音声通信網
１１　送話部
１２　受話部
１３　表示部
１４　入力部
２１　送話部
２２　受話部
２３　信号処理部
３０　集計結果記憶部
３１　評価値提示部
３２　評価値決定部
３３　集計部

Claims (4)

  1. 　複数の通信端末間で行われる通話の音響品質を評価する音響品質評価装置であって、
    　複数の評価観点それぞれについて所定数の段階に分類した評価カテゴリーを評価者へ提示する評価値提示部と、
    　上記評価者が各評価観点について選択した評価カテゴリーに割り当てられた評価値のうち最も低い評価値を上記音響品質の主観評価値として決定する評価値決定部と、
    　を含む音響品質評価装置。
  2. 　請求項１に記載の音響品質評価装置であって、
    　上記評価観点は、少なくとも相手の声の聞き取り易さ、雑音感、および自分の声の戻りを含み、
    　上記評価カテゴリーは、各評価観点での品質の高さを５段階で分類し、品質が高いほど高い評価値が割り当てられている、
    　音響品質評価装置。
  3. 　複数の通信端末間で行われる通話の音響品質を評価する音響品質評価方法であって、
    　評価値提示部が、複数の評価観点それぞれについて所定数の段階に分類した評価カテゴリーを評価者へ提示し、
    　評価値決定部が、上記評価者が各評価観点について選択した評価カテゴリーに割り当てられた評価値のうち最も低い評価値を上記音響品質の主観評価値として決定する、
    　音響品質評価方法。
  4. 　請求項１または２に記載の音響品質評価装置としてコンピュータを機能させるためのプログラム。
PCT/JP2019/018260 2019-05-07 2019-05-07 音響品質評価装置、音響品質評価方法、およびプログラム WO2020225850A1 (ja)

Priority Applications (3)

Application Number Priority Date Filing Date Title
JP2021518230A JP7184173B2 (ja) 2019-05-07 2019-05-07 音響品質評価装置、音響品質評価方法、およびプログラム
PCT/JP2019/018260 WO2020225850A1 (ja) 2019-05-07 2019-05-07 音響品質評価装置、音響品質評価方法、およびプログラム
US17/608,808 US11699458B2 (en) 2019-05-07 2019-05-07 Acoustic quality evaluation apparatus, acoustic quality evaluation method, and program

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/JP2019/018260 WO2020225850A1 (ja) 2019-05-07 2019-05-07 音響品質評価装置、音響品質評価方法、およびプログラム

Publications (1)

Publication Number Publication Date
WO2020225850A1 true WO2020225850A1 (ja) 2020-11-12

Family

ID=73050819

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2019/018260 WO2020225850A1 (ja) 2019-05-07 2019-05-07 音響品質評価装置、音響品質評価方法、およびプログラム

Country Status (3)

Country Link
US (1) US11699458B2 (ja)
JP (1) JP7184173B2 (ja)
WO (1) WO2020225850A1 (ja)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2020240768A1 (ja) * 2019-05-30 2020-12-03 日本電信電話株式会社 自動車内会話評価値変換装置、自動車内会話評価値変換方法、およびプログラム

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004146922A (ja) * 2002-10-22 2004-05-20 Nippon Telegr & Teleph Corp <Ntt> ＶｏＩＰ通信の品質レベル毎に対応する課金処理サービス装置とその方法、およびそのプログラム
US20110141925A1 (en) * 2009-12-10 2011-06-16 Mihails Velenko Measuring call quality
JP2015142212A (ja) * 2014-01-28 2015-08-03 エヌ・ティ・ティ・コミュニケーションズ株式会社 通信端末、音声品質測定サーバ、コーデック制御方法及びコンピュータプログラム
JP2016045389A (ja) * 2014-08-25 2016-04-04 日本電信電話株式会社 データ構造、データ生成装置、データ生成方法、およびプログラム
JP2016525702A (ja) * 2013-06-26 2016-08-25 クゥアルコム・インコーポレイテッドＱｕａｌｃｏｍｍ Ｉｎｃｏｒｐｏｒａｔｅｄ 音声信号品質を測定するためのシステムおよび方法

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6965597B1 (en) * 2001-10-05 2005-11-15 Verizon Laboratories Inc. Systems and methods for automatic evaluation of subjective quality of packetized telecommunication signals while varying implementation parameters
US7274670B2 (en) * 2002-09-27 2007-09-25 Netiq Corporation Methods, systems and computer program products for assessing network quality
US9524733B2 (en) * 2012-05-10 2016-12-20 Google Inc. Objective speech quality metric
US9386308B2 (en) * 2013-07-16 2016-07-05 Cisco Technology, Inc. Quality optimization with buffer and horizon constraints in adaptive streaming

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004146922A (ja) * 2002-10-22 2004-05-20 Nippon Telegr & Teleph Corp <Ntt> ＶｏＩＰ通信の品質レベル毎に対応する課金処理サービス装置とその方法、およびそのプログラム
US20110141925A1 (en) * 2009-12-10 2011-06-16 Mihails Velenko Measuring call quality
JP2016525702A (ja) * 2013-06-26 2016-08-25 クゥアルコム・インコーポレイテッドＱｕａｌｃｏｍｍ Ｉｎｃｏｒｐｏｒａｔｅｄ 音声信号品質を測定するためのシステムおよび方法
JP2015142212A (ja) * 2014-01-28 2015-08-03 エヌ・ティ・ティ・コミュニケーションズ株式会社 通信端末、音声品質測定サーバ、コーデック制御方法及びコンピュータプログラム
JP2016045389A (ja) * 2014-08-25 2016-04-04 日本電信電話株式会社 データ構造、データ生成装置、データ生成方法、およびプログラム

Also Published As

Publication number Publication date
JPWO2020225850A1 (ja) 2020-11-12
JP7184173B2 (ja) 2022-12-06
US20220277765A1 (en) 2022-09-01
US11699458B2 (en) 2023-07-11

Similar Documents

Publication Publication Date Title
CA2586500C (en) Method for coordinating co-resident teleconferencing endpoints to avoid feedback
US20180048768A1 (en) Nearby Talker Obscuring, Duplicate Dialogue Amelioration and Automatic Muting of Acoustically Proximate Participants
CN102461139B (zh) 增强的通信桥接器
JP6163468B2 (ja) 音響品質評価装置、音響品質評価方法、およびプログラム
US20110044474A1 (en) System and Method for Adjusting an Audio Signal Volume Level Based on Whom is Speaking
CN106063255A (zh) 显示视频会议期间的演讲者
WO2021152759A1 (ja) 評価方法、評価装置、およびプログラム
WO2021056999A1 (zh) 语音通话方法、装置、电子设备及计算机可读存储介质
JP7238978B2 (ja) 評価装置、評価方法、およびプログラム
US9698916B2 (en) Controlling audio signals
US8767937B2 (en) System and method to detect noisy connections on a telephonic conference bridge
WO2020225850A1 (ja) 音響品質評価装置、音響品質評価方法、およびプログラム
JP2018064162A (ja) 音響品質評価装置、音響品質評価方法、およびプログラム
Möller et al. Telephone speech quality prediction: towards network planning and monitoring models for modern network scenarios
JP6363429B2 (ja) データ構造、データ生成装置、データ生成方法、およびプログラム
JP7184174B2 (ja) データ補正装置、データ補正方法、およびプログラム
US10540984B1 (en) System and method for echo control using adaptive polynomial filters in a sub-band domain
Holub et al. Delay effect on conversational quality in telecommunication networks: Do we mind?
Fukui et al. Acoustic echo and noise canceller for personal hands-free video IP phone
CN114979344A (zh) 回声消除方法、装置、设备及存储介质
Issing et al. Conversational quality as a function of delay and interactivity
Gros et al. Effects of context on the subjective assessment of time-varying speech quality: listening/conversation, laboratory/real environment
JP6126053B2 (ja) 音響品質評価装置、音響品質評価方法、およびプログラム
US11509993B2 (en) Ambient noise detection using a secondary audio receiver
JP6594840B2 (ja) 音響品質評価装置、音響品質評価方法、データ構造、およびプログラム

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 19928048

Country of ref document: EP

Kind code of ref document: A1

ENP Entry into the national phase

Ref document number: 2021518230

Country of ref document: JP

Kind code of ref document: A

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 19928048

Country of ref document: EP

Kind code of ref document: A1