JP2013034057A - 電子機器、音響再生方法、及びプログラム - Google Patents

Abstract

【課題】ユーザの可聴周波数帯に最適な音響特性で音声を出力する。
【解決手段】制御部（ＣＰＵ）１１は、マイク９から、ユーザの音声を入力されると、入力された音声を分析し、分析結果に基づいて、ユーザの特徴を表わすセグメント（言語、性別、年齢）を識別する。そして、制御部（ＣＰＵ）１１は、ユーザの特徴を表わすセグメントに基づいて、パラメータデータベース４１からセグメントに対応する出力音声パラメータを選択し、音声処理部８に設定する。音声処理部８では、出力音声パラメータに従って、スピーカ１０から出力する出力音声の音響特性を補正する。
【選択図】図１

Description

本発明は、携帯電話に搭載されるマイクロフォンから入力される音声を用いてユーザの音響特性を識別し、ユーザにとって快適な音響再生を行う電子機器、音響再生方法、及びプログラムに関する。

近年、携帯電話の需要拡大に伴い、装置メーカ各社においては、ＴＶ電話や動画再生、ハンズフリー電話機能を搭載した薄型スタイリッシュ携帯の開発に取り組んでいる。この中、音響機能への要望は大きく、特に、高音質通話への要求は高い。

ところで、ユーザにとって、高音質を定義した場合、平坦な音圧レベル周波数特性といった示強量だけでは定義できず、アルゴリズムなど感覚的な特性も考慮する必要がある。また、音は感覚量であるため、ユーザの年齢や、性別、言語などの環境的な側面を考慮する必要がある。

しかしながら、携帯電話の音響設計においては、特定のユーザを対象としたオピニオン評価に基づき音響特性を決定しており、必ずしもすべてのユーザにとって高音質な音の再生ができないという問題がある。

そこで、例えば、特許文献１には、加齢に伴う聴覚の変化（最小可聴限の変化）に対処するために、ユーザが手入力した年齢に基づいてメモリから年齢層に対応する各帯域の受信パラメータを決定し、該受信パラメータに基づき各帯域毎に重み付けし、レシーバから出力される音声の周波数特性、及びレベルを補正する技術が開示されている。

特開２０００−２０９６９８号公報

上述した特許文献１では、わざわざユーザ自身の年齢を手入力しなければならず、操作が煩雑であるという問題がある。また、前述したように、性別、言語などの環境的な側面を考慮する必要があるが、上述した特許文献１では、年齢情報だけで、出力音声の周波数特性、及びレベルを補正しているため、十分満足し得るだけの高音質な音の再生ができないという問題がある。

そこで本発明は、ユーザの可聴周波数帯に最適な音響特性で音声を出力することができる電子機器、音響再生方法、及びプログラムを提供することを目的とする。

本発明の電子機器は、音声をスピーカにより出力する電子機器であって、ユーザの音声を入力する入力手段と、前記入力手段で入力された音声を分析する分析手段と、前記分析手段による分析結果に基づいて、ユーザの特徴を表わすセグメントを識別するセグメント識別手段と、前記セグメント識別手段により識別された、ユーザの特徴を表わすセグメントに基づいて、出力音声パラメータを選択するパラメータ選択手段と、前記パラメータ選択手段により選択された出力音声パラメータに従って、前記スピーカから出力する出力音声の音響特性を補正する補正手段とを備えることを特徴とする電子機器である。

本発明の音響再生方法は、音声をスピーカにより出力する電子機器の音響再生方法であって、マイクロフォンからユーザの音声を入力するステップと、前記マイクロフォンから入力された音声を分析するステップと、前記分析結果に基づいて、ユーザの特徴を表わすセグメントを識別するステップと、前記識別された、ユーザの特徴を表わすセグメントに基づいて、出力音声パラメータを選択するステップと、前記選択された出力音声パラメータに従って、前記スピーカから出力する出力音声の音響特性を補正するステップとを含むことを特徴とする音響再生方法である。

本発明のプログラムは、音声をスピーカにより出力する電子機器のコンピュータに、
ユーザの音声を入力する入力機能、前記入力機能で入力された音声を分析する分析機能、前記分析機能による分析結果に基づいて、ユーザの特徴を表わすセグメントを識別するセグメント識別機能、前記セグメント識別機能により識別された、ユーザの特徴を表わすセグメントに基づいて、出力音声パラメータを選択するパラメータ選択機能、前記パラメータ選択機能により選択された出力音声パラメータに従って、前記スピーカから出力する出力音声の音響特性を補正する補正機能を実行させることを特徴とするプログラムである。

この発明によれば、ユーザの可聴周波数帯に最適な音響特性で音声を出力することができる。

本発明の実施形態による携帯電話１の構成を示すブロック図である。 オピニオン試験より収集した、年齢別の最適な周波数特性の一例を示す概念図である。 本実施形態による、パラメータデータベース４１のデータ構成例を示す概念図である。 本実施形態による携帯電話の動作（出力音声設定）を説明するためのフローチャートである。 本実施形態による携帯電話の動作（音声出力）を説明するためのフローチャートである。 図６は、付記１の構成図である。

本発明は、携帯電話に搭載されるマイクロフォンから入力される音声を用いてユーザのセグメントを識別し、予めセグメント毎に蓄積していた最適な音響特性に従って、電気音響変換器を用いて再生することで、ユーザにとって快適な音響再生を行う。なお、セグメントとは、性別、言語、年齢などである。

以下、本発明の実施の形態を、図面を参照して説明する。

図１は、本発明の実施形態による携帯電話１の構成を示すブロック図である。図において、携帯電話１は、通信部２、撮影部３、ＲＯＭ４、ＲＡＭ５、タッチパネル６、表示部７、音声処理部８、マイク９、スピーカ１０、及び制御部（ＣＰＵ）１１を備えている。

通信部２は、電話回線網を介して、音声通信や、データ通信を行う。撮影部３は、フォーカスレンズ、ズームレンズなどのレンズ群、撮像素子（ＣＣＤなど）を含み、制御部（ＣＰＵ）１１からの制御信号に従って、オートフォーカシング、絞り、ズーミングなどを調整し、静止画や、動画を撮影し、撮像信号として出力する。

ＲＯＭ４は、制御部（ＣＰＵ）１１による携帯電話１の各部の制御に必要なプログラム、及び各部の制御に必要なデータを記憶している。ＲＡＭ５は、撮影部３によって撮像された画像データや、動画データを一時記憶するバッファメモリとして使用されるとともに、制御部（ＣＰＵ）１１のワーキングメモリとして使用される。

また、ＲＯＭ４、またはＲＡＭ５は、予め、オピニオン試験より収集した、年齢、言語、性別などによる音声帯域に基づいて、ユーザの聴覚特性に最適な出力音声パラメータを選択するための、パラメータデータベースを保持している。なお、以下では、ＲＯＭ４がパラメータデータベース４１を保持しているものとして説明する。

タッチパネル６は、表示部７上に設けられており、表示部７に表示される表示に従って、動作指示、データ入力等をタッチ操作するためのものである。表示部７は、カラーＬＣＤとその駆動回路を含み、撮影部３による撮像画像や、動画、通信／通話に係る各種情報を表示する。

音声処理部８は、通話時には、マイク９からの音声を制御部（ＣＰＵ)１１に供給するとともに、制御部（ＣＰＵ）１１により設定された、出力音声パラメータに従って、出力音声の周波数特性、及びレベルを補正してスピーカ１０から出力する。マイク９、スピーカ１０は、予め搭載されている既存のものである。

制御部（ＣＰＵ）１１は、マイク９を利用してユーザの音声を検出すると、音声識別することでユーザのセグメント（年齢、言語、性別）を識別し、該識別したユーザのセグメントに一致する出力音声パラメータを、パラメータデータベース４１から選択し、音声処理部８に設定する。これにより、通話時などの音声出力時に、音声処理部８では、設定された出力音声パラメータに従って、スピーカ１０から出力される音声の周波数特性、及びレベルが補正される。出力される音声は、ユーザの音声から得たセグメントに応じた出力音声パラメータで補正されるので、ユーザにとって最適な周波数特性を有する音、すなわち聞き取りやすい音として聞くことができる。

図２は、オピニオン試験より収集した、年齢別の最適な周波数特性の一例を示す概念図である。人は、加齢に伴い、聴覚の変化（最小可聴限の変化）が生じる。図２には、年代別の可聴周波数帯を示している。２０歳以下、２０〜５０歳、５０歳以上と年代によって、その可聴周波数帯と音圧レベルとが変化しているのが分かる。なお、図２では、年代での可聴周波数帯の変化を示したが、これ以外にも、言語、性別によって可聴周波数帯が変化することが知られている。

本実施形態では、マイク９から入力されるユーザの音声を分析し、ユーザのセグメント（年齢、言語、性別）に対応する出力音声パラメータを設定することで、ユーザの可聴周波数帯に最適な音響特性で音声を出力するようになっている。

図３は、本実施形態による、パラメータデータベース４１のデータ構成例を示す概念図である。パラメータデータベース４１は、予めオピニオン試験より収集した、セグメント（年齢、言語、性別）毎に蓄積していた最適な音響特性（出力音声パラメータ）を保持している。制御部（ＣＰＵ）１１は、入力された音声を分析し、ユーザのセグメントを識別すると、そのセグメントに従って、パラメータデータベース４１を参照し、対応する出力音声パラメータを選択する。

例えば、ユーザが日本語を話す３０代の男性ならば、出力音声パラメータＡ２が選択される。あるいは、ユーザが英語を話す１８歳の女性ならば、出力音声パラメータｂ１が選択される。このように選択された出力音声パラメーラが、音声処理部８に設定されることにより、音声出力における音響特性が当該ユーザにより適した特性に自動的に設定されるようになっている。

次に、上述した実施形態の動作について説明する。
図４は、本実施形態による携帯電話の動作（出力音声設定）を説明するためのフローチャートである。まず、制御部（ＣＰＵ）１１は、出力音声設定が開始されたか否かを判定する（ステップＳ１０）。そして、出力音声設定が開始されない場合には（ステップＳ１０のＮＯ）、出力音声設定が開始されるまで待機する。より具体的には、待ち受け画面などにおいて、タッチ操作などにより、出力音声設定モードが選択されると、出力音声設定が開始されると判定すればよい。

一方、出力音声設定が開始されると、マイク９から音声を入力する（ステップＳ１２）。より具体的には、出力音声設定が開始されると、音声入力ボタンを表示し、該音声入力ボタンがタッチされると、音声入力を促すメッセージを表示し、音声入力されるのを待てばよい。そして、音声が入力されると、音圧周波数特性の分布、音声のスペクトル、フォルマントなどの特徴量を抽出、分析し（ステップＳ１４）、ユーザのセグメント（言語、性別、年齢）を識別する（ステップＳ１６）。

次に、識別したユーザのセグメントに従って、パラメータデータベース４１を参照し、対応する出力音声パラメータを選択し（ステップＳ１８）、選択した出力音声パラメータを音声処理部８に設定する（ステップＳ２０）。より具体的には、音声処理部８における、イコライザなどの音響特性を出力音声パラメータでチューニングする。

そして、設定が終了したか否かを判定し（ステップＳ２２）、設定の終了操作がない場合には（ステップＳ２２のＮＯ）、ステップＳ１２に戻り、設定を継続する。一方、設定の終了操作があった場合には（ステップＳ２２のＹＥＳ）、当該処理を終了する。

図５は、本実施形態による携帯電話の動作（音声出力）を説明するためのフローチャートである。音声処理部８は、ユーザが携帯電話で通話を行う際に、図５に示すフローチャートに従って動作する。音声処理部８では、通話等に伴う音声出力時には、設定された出力音声パラメータに基づいて、出力すべき音声（通話相手の音声、当該ユーザのマイク９から入力される音声の一部）の音声帯域特性を補正し（ステップＳ３０）、補正された音声をスピーカ１０から出力する。

なお、本実施形態は、端末装置として携帯電話に適用した例であるが、本発明はこれに限定されるものではない。通話可能な携帯型または据置型の端末機器、例えば、通話機能を持つ携帯情報端末、パーソナルコンピュータ、通信機、その他の電子機器等にも幅広く適用できる。あるいは、通話機能を備えなくとも、音楽ファイルを再生する音楽再生装置などに適用してもよい。

上述した実施形態によれば、予めオピニオン試験より収集し、統計分析し、年齢、言語、性別などに応じた最適な出力音声パラメータをパラメータデータベース４１としてデータベース化しておき、入力された音声を分析し、ユーザのセグメントを識別し、そのセグメントに従って、パラメータデータベース４１を参照し、対応する出力音声パラメータを選択し、該出力音声パラメータに従って、出力すべき音声の音声帯域特性を補正するようにしたので、ユーザの可聴周波数帯に最適な音響特性で音声を出力することができる。

以下、本発明の特徴を付記する。
上記の実施形態の一部又は全部は、以下の付記のようにも記載されうるが、以下には限られない。
（付記１）
図６は、付記１の構成図である。この図に示すように、付記１記載の発明は、
音声をスピーカにより出力する電子機器２０であって、
ユーザの音声を入力する入力手段２１と、
前記入力手段２１で入力された音声を分析する分析手段２２と、
前記分析手段２２による分析結果に基づいて、ユーザの特徴を表わすセグメントを識別するセグメント識別手段２３と、
前記セグメント識別手段２３により識別された、ユーザの特徴を表わすセグメントに基づいて、出力音声パラメータを選択するパラメータ選択手段２４と、
前記パラメータ選択手段２４により選択された出力音声パラメータに従って、前記スピーカ２６から出力する出力音声の音響特性を補正する補正手段２５と
を備えることを特徴とする電子機器である。

（付記２）
予め、オピニオン試験より収集、統計分析し、前記ユーザの特徴を表わす複数のセグメントの組み合わせ毎に対応する出力音声パラメータを保持するパラメータ保持手段を更に備え、
前記パラメータ選択手段は、前記セグメント識別手段により識別された、前記ユーザの特徴を表わすセグメントに従って、前記パラメータ保持手段から対応する出力音声パラメータ選択する
ことを特徴とする付記１に記載の電子機器である。

（付記３）
前記ユーザの特徴を表わすセグメントは、ユーザの年齢、ユーザの話す言語、ユーザの性別であることを特徴とする付記１または２に記載の電子機器である。

（付記４）
音声をスピーカにより出力する電子機器の音響再生方法であって、
マイクロフォンからユーザの音声を入力するステップと、
前記マイクロフォンから入力された音声を分析するステップと、
前記分析結果に基づいて、ユーザの特徴を表わすセグメントを識別するステップと、
前記識別された、ユーザの特徴を表わすセグメントに基づいて、出力音声パラメータを選択するステップと、
前記選択された出力音声パラメータに従って、前記スピーカから出力する出力音声の音響特性を補正するステップと
を含むことを特徴とする音響再生方法である。

（付記５）
前記出力音声パラメータは、予め、オピニオン試験より収集、統計分析され、前記ユーザの特徴を表わす複数のセグメントの組み合わせ毎に保持されていることを特徴とする付記４に記載の音響再生方法である。

（付記６）
前記ユーザの特徴を表わすセグメントは、ユーザの年齢、ユーザの話す言語、ユーザの性別であることを特徴とする付記４または５に記載の音響再生方法。

（付記７）
音声をスピーカにより出力する電子機器のコンピュータに、
ユーザの音声を入力する入力機能、
前記入力機能で入力された音声を分析する分析機能、
前記分析機能による分析結果に基づいて、ユーザの特徴を表わすセグメントを識別するセグメント識別機能、
前記セグメント識別機能により識別された、ユーザの特徴を表わすセグメントに基づいて、出力音声パラメータを選択するパラメータ選択機能、
前記パラメータ選択機能により選択された出力音声パラメータに従って、前記スピーカから出力する出力音声の音響特性を補正する補正機能
を実行させることを特徴とするプログラムである。

１ 携帯電話
２ 通信部
３ 撮影部
４ ＲＯＭ
４１ パラメータデータベース
５ ＲＡＭ
６ タッチパネル
７ 表示部
８ 音声処理部
９ マイク
１０ スピーカ
１１ 制御部（ＣＰＵ）

Claims (7)

1. 音声をスピーカにより出力する電子機器であって、
   ユーザの音声を入力する入力手段と、
   前記入力手段で入力された音声を分析する分析手段と、
   前記分析手段による分析結果に基づいて、ユーザの特徴を表わすセグメントを識別するセグメント識別手段と、
   前記セグメント識別手段により識別された、ユーザの特徴を表わすセグメントに基づいて、出力音声パラメータを選択するパラメータ選択手段と、
   前記パラメータ選択手段により選択された出力音声パラメータに従って、前記スピーカから出力する出力音声の音響特性を補正する補正手段と
   を備えることを特徴とする電子機器。
2. 予め、オピニオン試験より収集、統計分析し、前記ユーザの特徴を表わす複数のセグメントの組み合わせ毎に対応する出力音声パラメータを保持するパラメータ保持手段を更に備え、
   前記パラメータ選択手段は、前記セグメント識別手段により識別された、前記ユーザの特徴を表わすセグメントに従って、前記パラメータ保持手段から対応する出力音声パラメータ選択する
   ことを特徴とする請求項１に記載の電子機器。
3. 前記ユーザの特徴を表わすセグメントは、ユーザの年齢、ユーザの話す言語、ユーザの性別であることを特徴とする請求項１または２に記載の電子機器。
4. 音声をスピーカにより出力する電子機器の音響再生方法であって、
   マイクロフォンからユーザの音声を入力するステップと、
   前記マイクロフォンから入力された音声を分析するステップと、
   前記分析結果に基づいて、ユーザの特徴を表わすセグメントを識別するステップと、
   前記識別された、ユーザの特徴を表わすセグメントに基づいて、出力音声パラメータを選択するステップと、
   前記選択された出力音声パラメータに従って、前記スピーカから出力する出力音声の音響特性を補正するステップと
   を含むことを特徴とする音響再生方法。
5. 前記出力音声パラメータは、予め、オピニオン試験より収集、統計分析され、前記ユーザの特徴を表わす複数のセグメントの組み合わせ毎に保持されていることを特徴とする請求項４に記載の音響再生方法。
6. 前記ユーザの特徴を表わすセグメントは、ユーザの年齢、ユーザの話す言語、ユーザの性別であることを特徴とする請求項４または５に記載の音響再生方法。
7. 音声をスピーカにより出力する電子機器のコンピュータに、
   ユーザの音声を入力する入力機能、
   前記入力機能で入力された音声を分析する分析機能、
   前記分析機能による分析結果に基づいて、ユーザの特徴を表わすセグメントを識別するセグメント識別機能、
   前記セグメント識別機能により識別された、ユーザの特徴を表わすセグメントに基づいて、出力音声パラメータを選択するパラメータ選択機能、
   前記パラメータ選択機能により選択された出力音声パラメータに従って、前記スピーカから出力する出力音声の音響特性を補正する補正機能
   を実行させることを特徴とするプログラム。
   
   

Images