JP2009033470A - 音声取得装置、音声出力装置、雑音除去システム、及び、プログラム - Google Patents

Abstract

【課題】マイクで取得した音声に外部の音声出力装置が放音した音声が含まれる場合でも、マイクで取得した音声からその音声を好適に除去する。
【解決手段】音声取得装置１は、音声出力通知の要求をブロードキャスト配信し、ネットワーク内の音声出力装置に要求する。要求に応じて、音声出力装置が音声出力動作を開始することを通知すると、音声取得装置１は、出力音声データの転送の要求をブロードキャスト配信する。音声出力装置は、その求めに応じて、自らがスピーカで出力する音声に対応する出力音声データを音声取得装置１に転送する。音声取得装置１は、転送された出力音声データを使用して、マイクで取得した音声データから雑音成分を除去する。
【選択図】図４

Description

本発明は、音声取得装置、音声出力装置、雑音除去システム、コンピュータを音声取得装置及び音声出力装置として機能させるプログラムに関する。

スピーカ及びマイクを備えた装置にて、スピーカから音声を出力しながらマイクで音声を取得する場合、スピーカによる出力音声が回り込み、マイクにより集音されてしまう。マイクで集音した音声に含まれるスピーカの出力音声を「音響エコー」といい、マイクで取得した音声の品質低下やハウリングの原因になる。

音響エコーを除去するための従来技術としてエコーキャンセラがあり、電話端末等に広く使用されている。エコーキャンセラは、スピーカの出力音声を参照信号として参照し、その参照信号に基づいて推定した音響エコーをマイクの取得音声から除去する。

特許文献１は、エコーキャンセラの一例を開示する。このエコーキャンセラは、スピーカに出力される入力音（スピーカ出力音）を参照信号として取り込み、疑似エコーを生成し、マイク入力音声から減算することで、音響エコーを除去する（例えば、特許文献１ 段落０００７）。

このエコーキャンセラは、さらに、自動車のワイパー音等の特定雑音の音声データを予め録音しておき、特定雑音の発生を検出した時に、予め録音済の音声データを参照して取得音声から特定の音を除去する。
特開２００３−１２４８４９号公報

特許文献１に開示されているエコーキャンセラは、自装置が備えるスピーカへの入力信号を参照信号として取得することができる。しかし、音声出力装置と音声取得装置とが通信ネットワークを介して接続されて構成されたシステム等では、音声取得装置と音声取得装置とは、それぞれ、独立した装置であるため、音声取得装置は、音声出力装置から正確な参照信号を得ることができない。このため、仮に、音声出力装置から音声取得装置に参照信号を送信するとしても、通信ネットワークの状態により、その伝送特性が大きく変化し、参照信号を正確に取得するのが困難である。

また、特許文献１に開示されている特定雑音の除去技術では、外部機器のスピーカのように任意の音声が出力される場合に対応できない。

本発明は、上記問題点に鑑みてなされたものであり、取得した音声から、外部機器の出力音声により発生する音響エコーを適切に除去することを目的とする。

また、本発明は、スピーカに供給される音声信号を直接取得できない場合でも、取得した音声の信号とマイクの取得信号とを同期させて、雑音を好適に除去することを目的とする。

上記課題を解決するために、本発明に係る音声取得装置は、音声を集音し、その音声を第１の音声信号に変換する音声取得手段と、外部の音声出力装置に、該音声出力装置が放音する音声の第２の音声信号を送信することを、通信ネットワークを介して、要求する音声信号要求手段と、前記音声信号要求手段の要求に応じて前記外部の音声出力装置が送信した第２の音声信号を、通信ネットワークを介して、受信する外部信号受信手段と、前記音声取得手段からの第１の音声信号と、前記外部信号受信手段で受信した第２の音声信号とを、同期化する同期化手段と、前記同期化手段で同期化された前記第１の音声信号と前記第２の音声信号とに基づいて、該第１の音声信号に含まれる該第２の音声信号を除去し、除去後の信号を出力する雑音除去手段と、を備えることを特徴とする。

上記課題を解決するために、本発明に係る音声出力装置は、音声信号を音声に変換する音声変換手段と、前記音声変換手段で変換した音声を放音する放音手段と、前記放音手段で放音する音声を集音する可能性のある外部の音声取得装置からの要求に応じ、前記放音手段で放音する音声の音声信号を、通信ネットワークを介して、該音声取得装置に送信する外部信号送信手段と、を備えることを特徴とする。

また、本発明の音声取得装置と音声出力装置とから構成される雑音除去システムを提供する。更に、コンピュータに対して本発明の主要機能を実行させるためのプログラムを提供する。

本発明の音声取得装置によれば、マイクで取得した音声の信号と、外部の音声出力装置が放音した音声の信号とを同期させる。同期後、その音声出力装置が放音した音声の信号に基づいて、マイクで取得した音声の信号から、音声出力装置が放音した音声に起因する雑音成分を除去する。これにより、マイクで取得した音声に外部の音声出力装置が放音した音声が含まれている場合でも、マイクで取得した音声から外部の音声出力装置が放音した音声を好適に除去できる。

（実施形態１）
以下、本発明の実施形態１に係る雑音除去システムを説明する。本実施形態に係る雑音除去システムＮＳは、図１に示すように、音声取得装置１、第１音声出力装置２、第２音声出力装置３、ネットワーク４、を備える。ネットワーク４は、例えば、ＬＡＮ（Local Area Network）から構成される。各装置は、ネットワーク４を介して、有線又は無線により相互に通信可能である。なお、音声取得装置及び音声出力装置の数は任意である。

音声取得装置１は、音声取得機能を有し、例えば、ビデオカメラ、ボイスレコーダ、携帯電話やＴＶ電話機等の電話端末、音声認識機能を有する機器、等である。音声出力装置２、３は、音声出力機能を有し、例えば、オーディオプレーヤ、テレビ、警告音等を出力可能な洗濯機、等である。

音声取得装置１は、図２に示すように、制御部１１、音声取得部１２、通信部１３、操作部１４、表示部１５、音声出力部１６、記憶部１７、放送受信部１８、バス１９、等の回路構成を有する。

制御部１１は、ＣＰＵ（Central Processing Unit）等を備え、音声取得装置１全体を制御する。

また、制御部１１は、時間同期部１１１、適応フィルタ部１１２、加算部１１３、を備える。時間同期部１１１は、複数の音声信号の時刻を一致させ、各信号を同期させる。適応フィルタ部１１２は、音声信号に適応フィルタを適用し、適応フィルタのフィルタ係数を決定する。加算部１１３は、ある信号から他の信号を減算する。

音声取得部１２は、マイクやＡＤ（Analogue to Digital）変換回路等を備え、マイクで取得した音声データにＡＤ変換を施し、ディジタル音声データ（以下、「取得音声データ」という。）に変換する。

通信部１３は、ネットワーク４を介して他装置に接続するためのインターフェースである。通信部１３は、ネットワーク４内の他装置にメッセージをブロードキャスト配信する。

操作部１４は、キーボード等を備え、ユーザに操作され、データや指示を入力し、制御部１１に与える。表示部１５は、例えば、ドットマトリクスタイプのＬＣＤ（液晶表示）パネルとドライバ回路等から構成され、任意のデータを表示する。

音声出力部１６は、スピーカ、ＤＡ（Digital to Analogue）変換回路等を備え、ＤＡ変換回路で復調した音声データ、例えば、各種の報知音、放送受信部１８で受信したコンテンツのオーディオサウンド、等を出力する。

記憶部１７は、各種のデータを記憶する。記憶部１７には、制御部１１の動作用プログラムや音声取得装置１の情報が記憶される。音声取得装置１の情報は、音声取得装置１を他装置から識別するための「取得装置ＩＤ」、等である。

放送受信部１８は、テレビ放送やラジオ放送、ネットワーク４内でブロードキャスト配信又はマルチキャスト配信されるコンテンツ、等を受信する。バス１９は、各部間で相互にデータを伝送する。

第１音声出力装置２と第２音声出力装置３とは、図３に示すように、実質的に同一の構成を有する。即ち、第１音声出力装置２は、制御部２１、通信部２２、操作部２３、音声出力部２４、記憶部２５、放送受信部２６、バス２７、を備える。同様に、第２音声出力装置３は、制御部３１、通信部３２、操作部３３、音声出力部３４、記憶部３５、放送受信部３６、バス３７、を備える。

以下、理解を容易にするため、第１音声出力装置２を例に、各部を説明する。制御部２１は、第１音声出力装置２全体を制御する。通信部２２は、ネットワーク４を介して他装置と通信し、任意のデータを送受信する。例えば、音声出力部２４から出力される音声に対応するディジタルの音声データをネットワーク４内に存在する他の装置に転送する。

操作部２３は、ユーザからの操作を受け付け、操作信号を制御部２１に入力する。操作部２３は、ユーザが放送受信部２６で受信したコンテンツを視聴する場合、そのコンテンツを再生するために使用される。

音声出力部２４は、スピーカ等を備え、各種の音声を出力する。例えば、再生中のコンテンツの音声データ、音声出力装置２の動作状態をユーザ報知するための各種の報知音、等を出力する。

また、音声出力部２４は、ＤＡ（Digital to Analogue）変換回路を備え、ディジタル音声データにＤＡ変換を施し、アナログ音声データ（以下、「出力音声データ」という）に変換する。この出力音声データは、音声取得装置１が、音声取得部１２で取得した音声から、音声出力部２４が放音した音声に起因する雑音を除去するときの参照信号となる。

記憶部２５は、各種のデータを記憶する。例えば、制御部２１の動作用プログラム、通信部２２で受信したデータ、第１音声出力装置２を他装置から識別するための「出力装置ＩＤ」、等を記憶する。

放送受信部２６は、テレビ放送やラジオ放送、又は、インターネットやＬＡＮ（Local Area Network）内でブロードキャスト配信及びマルチキャスト配信されたコンテンツ、を受信する。バス２７は、各部間で相互にデータを伝送する。

次に、上記構成を有する音声取得装置１、第１音声出力装置２、第２音声出力装置３、の動作について説明する。なお、音声取得装置１の音声取得動作は通常の音声取得装置と同一である。また、第１音声出力装置２及び第２音声出力装置３の音声出力動作は通常の音声出力装置と同一である。以下では、本実施形態で特徴的な雑音除去の動作について説明する。

先ず、実施形態１にて音声取得装置１が出力音声データを取得する（以下、「音声取得」という）ときの処理を説明する。この例では、音声取得の開始時点で、第１音声出力装置２では音声を出力中であり、第２音声出力装置３では音声を未出力である。

図４に示すように、音声取得装置１は、音声取得処理を開始すると（ステップＳ１１）、ネットワーク４内に存在する他装置に「音声出力通知要求メッセージ」をブロードキャスト配信する（ステップＳ１２）。

「音声出力通知要求メッセージ」は、各音声出力装置が音声出力を開始するときに、その旨を音声取得装置１に通知するよう要求するメッセージである。「音声出力通知要求メッセージ」は、音声出力の通知を要求した音声取得装置１を示す「取得装置ＩＤ」を含む。「取得装置ＩＤ」は、例えば、音声取得装置１に割り当てられたＩＰアドレスである。

「音声出力通知要求メッセージ」を受信した音声出力装置は、受信時に、音声を出力中で、かつ、他装置に出力音声データを転送可能であれば、その送信元（音声取得装置１）に「音声出力通知メッセージ」を送信する（ステップＳ１３）。このとき、音声出力装置は、「取得装置ＩＤ」を参照し、「音声出力通知要求メッセージ」の送信元を判別する。

「音声出力通知メッセージ」は、音声出力装置が音声出力を開始することを示すメッセージで、その通知元を示す「出力装置ＩＤ」を含む。「音声出力通知メッセージ」を受信した音声取得装置１は、「出力装置ＩＤ」から通知元を判別し、その通知元（音声出力装置２）に「出力音声転送要求メッセージ」を送信する（ステップＳ１４）。

「出力音声転送要求メッセージ」は、出力音声データの転送を要求するメッセージで、「取得装置ＩＤ」の他、「音声符号化リスト」、「ＱｏＳ（Quality of Service）要求情報」、を含んでいる。

「音声符号化リスト」は、音声取得装置１が処理可能な音声符号化方式や各音声符号化方式の設定内容を示す。音声取得装置１は、「音声符号化リスト」が示すいずれかの音声符号化方式に従って、出力音声データを復号化する。また、「音声符号化リスト」は、誤り訂正方式や暗号化方式に関する情報を含む。

「ＱｏＳ要求情報」は、音声出力装置が出力音声データを転送するときに、音声取得装置１が要求する通信の品質（例えば、許容伝送遅延時間、許容誤り率、等）を示す。

「出力音声転送要求メッセージ」を受信した音声出力装置は、「取得装置ＩＤ」からメッセージの送信元を特定し、その送信元に「出力音声転送応答メッセージ」を送信する（ステップＳ１５）。

「出力音声転送応答メッセージ」は、「出力装置ＩＤ」の他、「転送可否情報」、「音声符号化情報」、「ＱｏＳ情報」、「雑音除去用情報」、を含む。なお、メッセージの受信側（音声取得装置１）は、「音声符号化情報」と「ＱｏＳ情報」を保持する。

「転送可否情報」は、音声出力装置による出力音声データの転送の可否（「可能」又は「不可能」）を示す。音声出力装置は、「音声符号化リスト」が示す音声符号化方式に対応していない場合や「ＱｏＳ要求情報」が示す通信品質にて出力音声データを送信できない場合、「転送可否情報」を「不可能」に設定する。それ以外の場合、転送可否情報を「可能」に設定する。

「音声符号化情報」は、音声データの符号化に関する情報で、例えば、出力音声データを符号化するときの音声符号化方式や各音声符号化方式の設定情報を示す。「ＱｏＳ情報」は、出力音声データを転送するときに保証される通信の品質（例えば、保証伝送遅延時間、保証誤り率、等）を示す。

「雑音除去用情報」は、音声取得装置が「取得音声データ」から雑音成分を除去するときに使用する情報で、例えば、音声出力装置が出力可能な音声データの周波数範囲、音声出力装置の設置場所、等を示す。この周波数範囲に係る情報は、例えば、音声取得装置が雑音除去の対象とする音声の周波数範囲を定めるために使用される。

設置場所に係る情報は、例えば、音声出力装置の音声出力部２４から放音された音声が、音声取得装置１の音声取得部１２に入力されるまでに要する時間を求めるために使用される。また、例えば、その場所に位置する音声出力装置からの音声信号出力に起因するエコーが、取得音声データの劣化に与える影響の大小を判別するために使用される。

出力音声転送応答メッセージの送信後、音声出力装置は、音声取得装置１に出力音声データを転送するために、出力音声データに音声符号化を施す。制御部２１は、例えば、ＡＡＣ(Advanced Audio Coding)、ＭＰＥＧ（Moving Picture Experts Group）−１ Ａｕｄｉｏ、などの音声符号化方式を使用する。

音声出力装置が出力音声データの符号化を開始するタイミングは、その出力音声データが定義する音声を音声出力部２４に放音させるために、制御部２１が、音声出力部２４に出力音声データを入力するタイミングと同一である。音声取得装置１が雑音成分を除去するとき、音声出力部２４が音声を放音したタイミングと、出力音声データを転送されたタイミングとを、精度よく同期させるためである。

音声出力装置は、音声取得装置１に出力音声データを転送する。（ステップＳ１６）。なお、受信側は、出力音声データを記憶部１７に保持する。

さらに、音声取得装置１は、受信した出力音声データを使用して、「取得音声データ」から雑音成分を除去する（ステップＳ１７）。この処理では、図５に示すように、先ず、音声取得部１２で取得しＡＤ変換した「取得音声データ」の時間と、受信した「出力音声データ」の時間とを同期させる（ステップＳ１７１）。

なお、図６に示すように、「取得音声データ」はエコー信号Ｅを含んでいる。エコー信号Ｅは、音声出力装置が出力した音声信号がエコー経路ＥＰを介して音声取得装置１に到達したものである。

図５に示すステップＳ１７１にて、時間同期部１１１は、出力音声転送応答メッセージの受信後に保持した「音声符号化情報」と「ＱｏＳ情報」とを参照し、音声出力装置が各出力音声データを送信してから、各出力音声データを音声取得装置１が受信するまでに要する各転送時間を求める。

この「ＱｏＳ情報」には、保証伝送遅延時間を示す情報が含まれている。出力音声データの伝送が遅延したときの遅延時間の最大値を表す。そのため、本実施形態では、制御部１１は、この保証伝送遅延時間をもって、出力音声データの転送時間とみなしている。各出力音声データに付与されたパケットのヘッダ情報から出力音声データの送信時刻と受信時刻とを特定可能な場合、受信時刻と送信時刻との差から転送時間を求めてもよい。

また、制御部１１は、「音声符号化情報」が示す音声符号化方式に従ったときにデータの符号化処理に要する時間を求める。例えば、音声符号化方式が、所定時間（例えば、３２ミリ秒）、音声データを蓄積し、蓄えたデータを符号化する方式であれば、この所定時間を符号化に要する時間とみなすことが可能である。さらに、制御部１１は、求めた時間を、「ＱｏＳ情報」を使用して求めた転送時間に加算する。

続いて、時間同期部１１１は、求めた内で転送時間が最も遅い出力音声データに、取得音声データ及び全ての出力音声データを同期させる（以下、「時間同期」という）。時間同期のために、時刻を遅延させる必要がある取得音声データ及び出力音声データは、一時的に記憶部１７に記憶される。

次に、制御部１１は、時間同期部１１１が時間同期させた出力音声データを使用して、時間同期された取得音声データから雑音を除去する（ステップＳ１７２）。雑音を除去する手法は、任意である。例えば、時間同期を行った出力音声データを参照信号として、既知のエコーキャンセラ処理を施し、雑音を除去する。以下、このようなエコーキャンセラ処理について説明する。

図６に示すように、適応フィルタ部１１２は、時間同期部１１１による時間同期後の参照信号Ｒｓ（時間同期後の出力音声データ）と、適応フィルタｈ’と、を畳み込む。この畳込により、適応フィルタ部１１２は、エコー信号Ｅと推定された推定エコー信号Ｅ’を生成する。

なお、第１音声出力装置２の音声出力部２４が放音した音声は回り込んで、音声取得装置１の音声取得部１２に集音される。そのため、音声出力部２４が放音を開始したタイミングから、音声取得部１２が集音するタイミングが遅延する。

適応フィルタ部１１２が有する適応フィルタｈ’（伝達関数）は、このタイミングの遅延（空間の伝達遅延特性）の影響を含んだ関数である。そのため、推定エコー信号Ｅ’は、エコー経路ＥＰを回り込むことにより遅延した出力音声データとして求まる。

さらに、「出力音声転送応答メッセージ」に含まれる「雑音除去用情報」を参照して、音声出力装置の設置場所を特定し、音声出力部２４と音声取得部１２との間の距離を求めるようにしてもよい。求めた距離を使用することにより、適応フィルタｈ’による空間の伝達遅延特性の精度を向上できる。

また、適応フィルタ部１１２は、サンプリングする毎に、エコー経路ＥＰの推定インパルス応答のフィルタ係数（タップ係数）を決定する。決定したフィルタ係数は、記憶部１２で保持する。

このフィルタ係数を決定するアルゴリズムは、任意である。例えば、適応フィルタをＦＩＲ（Finite Impulse Response）フィルタで構成するのであれば、ＮＬＭＳ（Normalized Least Mean Square）アルゴリズムを使用すればよい。

なお、適応フィルタ部１１２は、フィルタ係数を決定する毎に、適応フィルタｈ’の伝達特性が未知の伝達関数ｈ（出力音声データがエコー経路ＥＰを伝達することにより歪む特性）に次第に近づくよう学習する。この学習する速度は、ステップサイズを変更することで制御可能である。

加算部１１３は、エコー信号Ｅを含んだ取得音声データから、適応フィルタ部１１２が生成した推定エコー信号Ｅ’を減じ、取得音声データから音響エコーを除去する。このとき、例えば、ユーザが携帯電話１を使用して通話中であれば、制御部１１は、エコー除去後の取得音声データを、通信部１３を介して通話先に送信する。

次に、実施形態１にて音声取得装置１が出力音声データの取得を終了するときの処理を説明する。図７に示すように、第１音声出力装置２による出力音声データの転送中（ステップＳ２１）、音声取得装置１は、ネットワーク４内の全装置に「音声出力通知解除メッセージ」をブロードキャスト配信する（ステップＳ２２）。

音声出力通知解除メッセージは、出力音声データの転送を解除するよう音声出力装置に指示するメッセージで、「取得装置ＩＤ」を含んでいる。

「音声出力通知解除メッセージ」を受信した各音声出力装置は、受信時にそのメッセージの送信元に出力音声データを転送していれば、その転送を終了する（ステップＳ２３）。このとき、音声出力装置は、「取得装置ＩＤ」から送信元（音声取得装置１）を判別する。

なお、以下では、音声取得装置が音声出力の通知を要求してから、その通知解除を指示するまでの期間を「音声出力通知要求期間」という。ネットワーク４内に複数の音声取得装置が存在する場合、各音声取得装置は個々に設定された「音声出力通知要求期間」に従って動作する。

各音声出力装置は、各音声取得装置から「音声出力通知要求メッセージ」及び「音声出力通知解除メッセージ」を受け取ることで、各音声取得装置の「音声出力通知要求期間」を識別する。

次に、実施形態１にて第１音声出力装置２が音声出力を開始するときの処理について説明する。第１音声出力装置２は、音声出力を開始するときに、ネットワーク４内の各音声取得装置からの音声出力通知の要求の有無を判別する。無ければ、直ちに音声出力を開始する。

一方、図８に示すように、音声取得装置１が音声出力通知を要求中で有れば（ステップＳ３１）、第１音声出力装置２は、音声出力通知メッセージを音声取得装置１に送信する（ステップＳ３２）。この音声出力通知メッセージは、図４を参照して説明したものと実質的に同一である。送信後、第１音声出力装置２は、音声出力部２４を介して音声出力を開始する（ステップＳ３３）。

音声取得装置１では、「音声出力通知メッセージ」を受信すると、その送信元（第１音声出力装置２）に「出力音声転送要求メッセージ」を送信する（ステップＳ３４）。このとき、音声取得装置１は「出力装置ＩＤ」から送信元を判別する。

「出力音声転送要求メッセージ」の受信側（第１音声出力装置２）は、その送信側の要求に応答して「出力音声転送応答メッセージ」を送信する（ステップＳ３５）。このとき、「音声符号化リスト」が示す音声符号化方式に従って音声データを処理可能、且つ、「ＱｏＳ要求情報」が示す通信品質を保証した状態で出力音声データを送信可能なら、「転送可否情報」を「可能」に設定する。

「転送可否情報」を「可能」に設定して「出力音声転送要求メッセージ」を送信した場合、以後、第１音声出力装置２は出力音声データを音声取得装置１に転送する（ステップＳ３６）。

次に、実施形態１にて第１音声出力装置２が音声出力を終了する処理について説明する。ネットワーク４内に音声出力通知を要求している音声取得装置がない場合、第１音声出力装置２は、音声出力停止メッセージを送信することなく、音声出力を終了する。

一方、図９に示すように、音声出力の停止を開始する時点で、音声取得装置１の「音声出力通知要求期間」中（ステップＳ４１）であれば、第１音声出力装置２の制御部２１は、音声出力部２４の音声出力動作を終了させる（ステップＳ４２）。

続いて、音声取得装置１への出力音声データの転送を停止する（ステップＳ４３）。このとき、第１音声出力装置２は、音声取得装置１に出力音声データの送信を停止したことを通知するため、「音声出力停止メッセージ」を音声取得装置１に送信する。

そのメッセージを受信した音声取得装置１は、メッセージ内の「出力装置ＩＤ」から送信元の音声出力装置を特定する。さらに、その音声出力装置から転送される出力音声データを使用した雑音除去処理を停止する（ステップＳ４４）。

（実施形態２）
前述の実施形態１では、音声出力装置は、ネットワーク４内に存在する全ての音声取得装置の「音声出力通知要求期間」を識別し、その「音声出力通知要求期間」中に出力音声データを転送する。

音声出力装置における処理をより簡略化するには、各音声取得装置の「音声出力通知要求期間」中か否かに関わらず、出力音声データを送信すればよい。以下、このような処理を行う実施形態２について説明する。

実施形態２のシステム構成については、図１で示した実施形態１のシステム構成と同一である。また、音声取得装置１、音声出力装置２〜３の構成も、図２及び３で示した例と同一である。

ネットワーク４内に複数の音声出力装置が存在する場合、各音声出力装置は個々に設定された「音声出力期間」に従って動作する。ここで、「音声出力期間」とは、音声出力装置による「音声出力通知メッセージ」のブロードキャスト配信開始から、その音声出力装置が「音声出力停止メッセージ」をブロードキャスト配信するまでの期間、を指す。

実施形態２にて、音声取得装置は、各音声出力装置から個々にブロードキャスト配信された「音声出力通知メッセージ」及び「音声出力停止通知メッセージ」より、各音声出力装置の「音声出力期間」を収集し、各音声出力装置に設定されている「音声出力期間」を判別する。

以下、実施形態２にて第１音声出力装置２が音声を出力するときの処理を説明する。図１０に示すように、第１音声出力装置２は、ネットワーク４内で「音声出力通知メッセージ」をブロードキャスト配信する（ステップＳ５１）。この音声出力通知メッセージは、実施形態１で説明したものと実質的に同一である。

配信後、第１音声出力装置２の制御部２１は、音声出力部２４に指示し、音声出力を開始させる（ステップＳ５２）。

ステップＳ５１の処理時点で、音声取得装置１が音声取得処理中ならば、図４で示したステップＳ１４〜Ｓ１６と実質的に同一の処理を行い、音声取得装置１からの求めに応じて出力音声データの転送を開始する。なお、実施形態２においても、音声取得装置１が取得音声データから雑音成分を除去する処理は、図５で示した例と実質的に同一である。

また、タイマによりステップＳ５１の処理の終了からの所定時間の経過を検出し、その経過時にステップＳ５２の処理を実行してもよい。この場合、前述したステップＳ１４〜Ｓ１６の処理が、ステップＳ５２の前段に行われる可能性が高まる。そのため、音声取得装置１での、取得音声データから第１音声出力装置２の音声出力に起因する音響エコーの除去がより好適に行われる。

次に、実施形態２にて、第１音声出力装置２が音声出力を停止する処理を説明する。前提として、音声取得装置１は、第１音声出力装置２から出力音声データを取得中であるものとする。

図１１に示すように、第１音声出力装置２は、音声出力部２４に指示し、音声出力を停止させる（ステップＳ６１）。続いて、音声取得装置１への出力音声データの転送を停止する（ステップＳ６２）。さらに、ネットワーク４内で、「音声出力停止メッセージ」をブロードキャスト配信する（ステップＳ６３）。この音声出力停止メッセージは、図９で示したものと実質的に同一である。

次に、実施形態２にて音声取得装置１が音声取得を開始する処理を説明する。なお、この例では、音声取得の開始時点で、第１音声出力装置２では音声を出力中で、第２音声出力装置３では音声を未出力である。

図１２に示すように、音声取得装置１は、第１音声出力装置２による音声出力期間中（ステップＳ７１）に音声取得処理を開始すると、音声出力中の全部又は一部の音声出力装置に「出力音声転送要求メッセージ」を送信する（ステップＳ７２）。今回の説明例では、第１音声出力装置２に出力音声転送要求メッセージが送信される。

第１音声出力装置２は、ステップＳ７２の処理による音声取得装置１からの求めに応じて、出力音声転送応答メッセージを送信する（ステップＳ７３）。この出力音声転送応答メッセージは、図４のステップＳ１５に示したものと実質的に同一である。音声符号化方式に対応可能かつ通信品質を保証可能ならば、そのメッセージ中の「転送可否情報」を「可能」に設定して送信する。

「転送可否情報」を「可能」に設定したメッセージの送信後、第１音声出力装置２は、音声取得装置１に出力音声データを転送する（ステップＳ７４）。

なお、ステップＳ７２の前段で、図４のステップＳ１２で示した音声出力通知要求メッセージをブロードキャスト配信してもよい。これにより、音声取得装置１は、第１音声出力装置２がブロードキャスト配信した音声出力通知メッセージを未受信であっても、音声出力通知要求メッセージに対する応答から第１音声出力装置２が音声出力中であることを識別可能となる。

次に、実施形態２にて音声取得装置１が音声取得処理を終了するときの処理を説明する。なお、図１３に示すように、音声取得終了の開始時点で、第１音声出力装置２では出力音声データを音声取得装置１に転送中（ステップＳ８１）であり、第２音声出力装置３では音声を未出力である。

音声取得装置１は、自己に出力音声データを転送している全音声出力装置宛に「転送停止要求メッセージ」を送信する（ステップＳ８２）。この説明例では、第１音声出力装置２が送信先となる。

「出力音声転送停止要求メッセージ」は、現時点で音声出力中かつ出力音声データを転送中の音声出力装置に、その転送処理の停止を要求するメッセージである。このメッセージは、その送信元を示す「取得装置ＩＤ」を含む。

転送停止要求メッセージを受信した音声出力装置は、そのメッセージ内の「取得装置ＩＤ」から特定した送信元宛ての出力音声データの転送を停止する（ステップＳ８３）。この例では、第１音声出力装置２から音声取得装置１宛の出力音声データの転送が停止される。

（実施形態３）
前述の実施形態１及び実施形態２では、音声取得装置１は、音声出力装置から転送された出力音声データを使用して、雑音を除去する。しかし、音声取得装置が、音声出力装置から受信する方法以外の方法で出力音声データを取得可能な場合、それにより取得した出力音声データを使用して雑音成分の除去を行うことができる。

例えば、音声出力装置と音声取得装置１とが、テレビ放送やラジオ放送の同一の番組、ＬＡＮ等のネットワークを介しブロードキャスト又はマルチキャスト配信される同一のコンテンツ、を受信可能であるとする。音声出力装置にてこれらの番組若しくはコンテンツの音声を出力する場合、音声取得装置は、それと同一の番組若しくはコンテンツを自ら受信し、その音声データにより雑音除去処理すればよい。以下、このような処理を行う実施形態３について説明する。

実施形態３のシステムの基本構成は、図１で示した構成と同一である。また、音声取得装置、音声出力装置の各基本構成も、図２及び図３で示した例と同一である。

実施形態３の処理は、前述した実施形態１の処理と基本的に同一である。以下、実施形態３に特徴的な点を中心に、その処理を説明する。

実施形態３にて音声取得装置１が音声を取得する場合、図４のステップＳ１３にて音声出力装置が送信する「音声出力通知メッセージ」は、「音源ＩＤ」の項目を更に含んでいる。

「音源ＩＤ」は、音声出力装置が出力する出力音声データの発生源を識別するための情報である。「音源ＩＤ」は、例えば、テレビ番組のチャネルやラジオ番組の周波数、マルチキャスト配信されるコンテンツを受信するためのＩＰアドレス（マルチキャストアドレス）、再生する音声データを有する番組又はコンテンツを特定する作品特定情報、である。

なお、出力音声データの発生源を特定するための情報として、音声出力装置と音声取得装置との間で共通の情報を保持できなければ、「音源ＩＤ」は「なし」に設定される。

また、実施形態３では、音声取得装置１が音声取得を開始する処理が、実施形態１と異なる。音声取得の開始以前、第１音声出力装置２では音声を出力中であり、第２音声出力装置３では音声を未出力である。

図１４に示すように、音声取得装置１は、「音声出力通知要求メッセージ」をブロードキャスト配信し（ステップＳ９１）、それの受信時に音声出力中の音声出力装置から「音声出力通知メッセージ」を受信する（ステップＳ９２）。なお、この例では、出力音声データを転送不可能な音声出力装置でも、受信時に音声出力中ならば音声出力通知メッセージを送信する。このメッセージは、前述の通り「音源ＩＤ」を含む。

続いて、音声取得装置１は、受信した全ての音声出力通知メッセージごとに以下の処理を行う。先ず、「音源ＩＤ」が示す音源が発生する音声データの放送受信部１８等による取得可否を判別する（ステップＳ９３）。なお、「音源ＩＤ」が「なし」を示す場合には、取得不可能と判別する。

取得不可能の場合（ステップＳ９３；Ｎｏ）、図４を参照して実施形態１で説明した例と同様に、出力音声データの転送を要求し（ステップＳ９４）、その要求に対する出力音声転送応答メッセージを受信する（ステップＳ９５）。さらに、第１音声出力装置２から受け取った出力音声データを使用して、雑音除去処理を行う（ステップＳ９６）。

一方、「音源ＩＤ」が示す音源が発生する音声データ（即ち、音声出力装置が出力する音声データ）を自ら取得可能であれば（ステップＳ９３；Ｙｅｓ）、音声取得装置１は、放送受信部１８等により音声データを取得し、その音声データを使用して雑音除去処理を行う（ステップＳ９７）。

ステップＳ９７の処理は、実施形態１で説明した雑音除去処理と実質的に同一である。ただし、実施形態３では、図５で示したステップＳ１７１において、時間同期部１１１が時間同期するデータが異なる。時間同期部１１１は、出力音声データに代えて、放送受信部１８等を介して取得した音声データに時間同期する処理を施す。

なお、雑音成分が除去される対象の「取得音声データ」と放送受信部１８等を介して取得した音声データとの時間差には、「音源ＩＤ」で識別される各音源に対応して予め設定された値を使用する。この値を、ユーザ編集可能としてもよい。

また、実施形態３では、図５で示したステップＳ１７２の処理が異なる。適応フィルタ部１１２は、時間同期後の放送受信部１８等で取得した音声データを、図６で示した「時間同期後の参照信号Ｒｓ」として参照する。さらに、この参照信号Ｒｓと適応フィルタｈ’とを畳み込み、推定エコー信号Ｅ’を生成する。

加算部１１３は、その推定エコー信号Ｅ’を取得音声データから減じて、エコーを除去する。以上で、音声取得装置１が自ら取得した音声データを使用して、「取得音声データ」から音響エコーを除去する処理が終了する。

以上説明したように、実施形態１によれば、音声取得装置１は、音声出力装置からその音声出力装置が放音した音声の出力音声データを送信するよう要求し、音声出力装置から出力音声データを受信する。次に、その出力音声データを音声出力装置が送信してから音声取得部１２で受信するまでに要する転送時間を求める。続いて、求めた転送時間に基づいて、音声取得部１２で取得した音声の音声データと出力音声データとを同期させる。同期後、同期された出力音声データに、空間の伝達遅延の影響を推定した補正を施す。そして、空間の伝達遅延を補正した出力音声データに基づいて、音声取得部１２で取得した音声の音声データに含まれる出力音声データを除去する。

これにより、音声出力装置の音声出力部が出力する音声により発生する音響エコーを好適に除去可能となる。例えば、ユーザがテレビの視聴中に携帯電話１でＴＶ電話をした場合、ＴＶ電話の通話先への送信音声からテレビ出力音声を除去する。また、ユーザがオーディオプレーヤによる音楽鑑賞中、音声認識装置に音声を入力する場合、入力音声からオーディオプレーヤの出力音声を除去し、音声認識率を高められる。

実施形態１によれば、音声取得部１２は、アナログ音声信号をディジタル音声信号に変換する。これにより、アナログ音声信号のままフィルタリング処理するよりも、音声信号を多様な手法で処理することが可能となる。例えば、任意の型の周波数応答曲線を有するフィルタや任意の通過帯域幅を有するフィルタにより、音声信号のフィルタリングができる。

実施形態１によれば、時間同期部１１１による時間同期後、任意の手法により、音声取得部１２で取得した音声の音声データから、音声出力装置が放音した音声の音声データ（出力音声データ）に起因する雑音成分を除去できる。このため、既知のエコーキャンセラ処理を適用することにより、音声出力装置が放音した音声に起因する音響エコーを除去できる。

実施形態１によれば、音声取得装置１は、「音声符号化情報」から音声符号化方式を特定する。特定後、音声取得装置１は、音声出力装置がその音声符号化方式に従って出力音声データを符号化するのに要した時間を求め、転送時間に加算する。なお、音声出力装置では、出力音声データを符号化するタイミングと、音声出力部２４に出力音声データを入力するタイミングとが同一である。これにより、音声取得部１２の取得音声と出力音声データとの時間同期を、精度よく行うことができる。

実施形態１によれば、音声取得装置１は、音声出力装置から受信した「出力音声転送応答メッセージ」に含まれる「ＱｏＳ情報」を参照し、保証伝送遅延時間を特定する。この保証伝送遅延時間は、出力音声データの伝送が遅延したときの遅延時間の最大値を表すから、この時間を音声出力装置が出力音声データを転送してから音声取得装置１が受信するまでの転送時間とみなす。
これにより、通信ネットワークを介して出力音声データを受信することによる遅延の影響をある程度補償して、精度よく時間同期できる。

実施形態１によれば、音声取得装置１は、「音声出力通知要求メッセージ」を各音声出力装置に送信する。メッセージを受信した音声出力装置は、音声の放音を開始する前に、その開始を示す「音声出力通知メッセージ」を音声取得装置１に送信する。
これにより、音声取得装置１は、音声出力装置が放音を開始することを識別でき、さらに、識別したことに応答して、出力音声データの送信を音声出力装置に要求できる。このため、音声出力装置が放音するタイミングとほぼ同じタイミングで、出力音声データの受信を開始でき、雑音成分の除去を開始できる。

実施形態１によれば、音声取得装置が音声取得処理を実行していない場合、音声出力装置は出力音声データを転送しない。これにより、ネットワーク４における不要な通信トラヒックの発生を抑制できる。

実施形態２によれば、音声出力装置は、音声取得装置１の「音声出力通知要求期間」中か否かに関わらず、音声出力動作を開始する。これにより、音声出力装置での処理が簡略化できると共に、音声出力装置の実装が容易になる。

実施形態３によれば、音声取得装置が、除去対象とする音声データを音声出力装置から受信することなく自ら取得し、取得した音声データを使用して雑音成分を除去する。これにより、音声出力装置及び音声取得装置にて構成を簡略化でき、ネットワークの負荷も低減できる。

さらに、実施形態３によれば、音声取得装置１は、音声出力装置が放音する音声データを、自ら取得可能か否かを判別する。可能なら、その音声データを、自己が備える放送受信部１８などにより音声出力装置以外の外部装置から取得し、時間同期する。また、自ら取得不可能であれば、音声出力装置からその音声データを取得し、時間同期する。
これにより、音声取得装置１が出力音声データを自ら取得可能なときに音声出力装置は出力音声データの転送が不要となり、音声出力装置の処理負荷を低減できる。

以下、本発明の変形例及び応用例について説明する。音声取得装置１が、音声出力装置のスイープ信号等に基づき、各音声出力装置から音声取得装置に到達する音の各伝達特性（例えば、伝達関数）を算出するよう構成してもよい。加算部１１３は、その伝達特性に基づいて、取得音声データからエコーを除去する。これにより、音声取得装置における音響エコー除去性能を更に向上させることができる。

ネットワーク４は、各装置間の距離が所定値以下である各装置のみで構成してもよい。この所定値を、例えば、空間を伝達する音声信号のレベルが所定のレベル以下に減衰する距離に選択する。このとき、音声出力装置が出力した音声であっても、その音声による音響エコーの除去処理が省略される。これにより、エコー除去処理を効率的に実行できる。

なお、各装置間の距離は、各装置の設置場所のＧＰＳ位置情報、等をネットワーク４内の各装置で共有してもよい。また、同一の構内（室内）に存在する装置のみでネットワーク４を構成してもよい。

また、ネットワーク４内の全装置が、ＤＬＮＡ（Digital Living Network Alliance）等のＰＣ、家電機器を相互接続するための規格に従って通信してもよい。また、各装置は、他装置が、出力音声通知の要求及び応答などが可能か否かを識別できるように構成されてもよい。

第１音声出力装置２による音声出力の開始時が「音声出力通知要求期間」中でない場合、直ちに音声出力を開始せず、その開始前に「音声出力通知メッセージ」をブロードキャスト配信してもよい。これにより、第１音声出力装置２から以前送信した音声出力通知要求メッセージを音声取得装置１が受信していない場合でも、音声取得装置に音声出力の開始を通知可能となる。

また、音声出力の開始時が「音声出力通知要求期間」中であっても、第１音声出力装置２は、音声取得装置１のみに音声出力の開始を通知する（図８のステップＳ３２の処理）に代えて、音声出力通知メッセージをブロードキャスト配信するようにしてもよい。

図８にて、音声出力装置が、音声出力（ステップＳ３２）を、出力音声データの転送（ステップＳ３５）と同じタイミングで開始するよう構成してもよい。これにより、音声出力装置が、音声出力の開始時点から出力音声データの転送開始時点までに出力した音声による音響エコーも除去可能となる。

実施形態１において、音声取得装置１による音声出力通知の要求中、第１音声出力装置２が音声出力動作を一時的に停止するのであれば、図９のステップＳ４３の処理を行わずともよい。例えば、ユーザ操作により音声出力のミュートが指示された場合、ユーザ操作により音声出力の一時停止が指示された場合、である。このことは、実施形態２における図１１のステップＳ６２の処理について同様に当てはまる。

このとき、第１音声出力装置２は、無音の出力音声データを音声取得装置１に転送すればよい。また、出力音声データの転送を停止したときでも、音声出力停止メッセージを音声取得装置１に送信しないようにすればよい。実施形態２では、出力音声データの転送停止後、音声出力停止メッセージをブロードキャスト配信しないようにすればよい。

その他、本発明の概念は、専用のコンピュータシステムに限らず、例えば、音声取得機能を備える、携帯電話機、ＰＤＡ、電子カメラ、等の任意の音声取得装置に適用可能である。即ち、コンピュータを音声取得装置１として機能・動作させるためのコンピュータプログラムを作成し、配布し、貸与し、これをコンピュータにインストールして、音声取得装置１として、これを使用、譲渡、貸与などしてもよい。このことは、音声取得機能を備える電子機器を、音声出力装置として機能・動作させる場合にも、同様に当てはまる。

本発明の実施形態におけるシステム構成の一例を示す図である。 音声取得装置の構成の一例を示すブロック図である。 音声出力装置の構成の一例を示すブロック図である。 実施形態１に係る音声取得装置にて、音声取得を開始するときの処理を示す図である。 音声取得装置にて、音声出力装置から受け取った出力音声データを使用して、音声取得部で取得した音声から雑音を除去する処理を示す図である。 出力音声データを参照信号として、取得音声データから音声出力装置が出力した音声による音響エコーを除去するときの音声データの流れを示す図である。 実施形態１に係る音声取得装置にて、音声取得を終了するときの処理を示す図である。 「音声出力通知要求期間」中、音声出力装置にて音声出力を開始するときの処理を示す図である。 「音声出力通知要求期間」中、音声出力装置にて音声出力を停止するときの処理を示す図である。 実施形態２に係る音声出力装置にて、音声出力を開始するときの処理を示す図である。 実施形態２に係る音声出力装置にて、音声出力を停止するときの処理を示す図である。 実施形態２に係る音声取得装置にて、音声取得を開始するときの処理を示す図である。 実施形態２に係る音声取得装置にて、音声取得を終了するときの処理を示す図である。 実施形態３に係る音声取得装置にて、音声取得を開始するときの処理を示すフローチャートである。

符号の説明

１…音声取得装置、２…第１音声出力装置、３…第２音声出力装置、４…ネットワーク、１１…制御部、１１１…時間同期部、１１２…適応フィルタ部、１１３…加算部、１２…音声取得部、１３…通信部、１４…操作部、１５…表示部、１６…音声出力部、１７…記憶部、１８…放送受信部、１９…バス、２１，３１…制御部、２２，３２…通信部、２３，３３…操作部、２４，３４…音声出力部、２５，３５…記憶部、２６，３６…放送受信部、２７，３７…バス

Claims (16)

1. 音声を集音し、その音声を第１の音声信号に変換する音声取得手段と、
   外部の音声出力装置に、該音声出力装置が放音する音声の第２の音声信号を送信することを、通信ネットワークを介して、要求する音声信号要求手段と、
   前記音声信号要求手段の要求に応じて前記外部の音声出力装置が送信した第２の音声信号を、通信ネットワークを介して、受信する外部信号受信手段と、
   前記音声取得手段からの第１の音声信号と、前記外部信号受信手段で受信した第２の音声信号とを、同期化する同期化手段と、
   前記同期化手段で同期化された前記第１の音声信号と前記第２の音声信号とに基づいて、該第１の音声信号に含まれる該第２の音声信号を除去し、除去後の信号を出力する雑音除去手段と、
   を備えることを特徴とする音声取得装置。
2. 前記同期化手段は、
   前記外部の音声出力装置が送信した第２の音声信号が通信ネットワークを介して送信されることに起因する伝送遅延時間を求める伝送遅延演算手段、を備え、
   前記伝送遅延演算手段で求めた伝送遅延時間に基づいて前記第１の音声信号と前記第２の音声信号とを遅延させた後に、前記第１の音声信号と前記第２の音声信号とを同期化し、
   前記雑音除去手段は、
   前記外部の音声出力装置が放音した音声が空間を伝達することに起因する伝達遅延時間を推定する伝達遅延推定手段、を備え、
   前記伝達遅延推定手段で推定した伝達遅延時間に基づいて前記同期化手段で同期化された第２の音声信号を遅延させた後に、前記遅延させた第２の音声信号と前記同期化手段で同期化された第１の音声信号とに基づいて、該第１の音声信号に含まれる該第２の音声信号を除去し、除去後の信号を出力する、ことを特徴とする請求項１に記載の音声取得装置。
3. 前記伝送遅延演算手段が求める伝送遅延時間は、前記外部の音声出力装置が第２の音声信号を送信するための処理を開始してから、該第２の音声信号を受信した前記外部信号受信手段が前記同期化手段に出力するための処理が完了するまでの間における時間である、ことを特徴とする請求項２に記載の音声取得装置。
4. 前記伝送遅延演算手段は、
   前記外部の音声出力装置から、該音声出力装置が第２の音声信号を送信するときに使用した符号化方式を示す符号化情報、を取得する手段と、
   前記符号化情報が示す符号化方式に従って前記音声出力装置が前記第２の音声信号を符号化した時間と、該符号化方式に従って前記音声取得装置が該第２の音声信号を復号した時間と、の少なくとも１つを求めることにより、前記伝送遅延時間を算出する手段と、を備える、ことを特徴とする請求項３に記載の音声取得装置。
5. 前記伝送遅延演算手段は、
   前記外部の音声出力装置が第２の音声信号を送信するときに該音声出力装置が保証できる通信の遅延時間を示す通信保証情報を、該音声出力装置から取得する手段と、
   前記通信保証情報が示す遅延時間に基づいて、前記伝送遅延時間を算出する手段と、を備える、ことを特徴とする請求項３又は４に記載の音声取得装置。
6. 前記伝達遅延推定手段は、前記音声出力装置が音声を放音してから前記音声取得手段がその音声を集音するまでの伝達遅延時間を推定する、ことを特徴とする請求項２に記載の音声取得装置。
7. 前記音声取得手段は、
   音声をアナログ音声信号に変換し、そのアナログ音声信号を出力するマイクと、
   前記マイクが出力したアナログ音声信号をディジタル音声信号に変換し、そのディジタル音声信号を前記第１の音声信号として出力する変換手段と、を備える、ことを特徴とする請求項１乃至６のいずれか１項に記載の音声取得装置。
8. 前記雑音除去手段は、前記外部信号受信手段で受信した第２の音声信号に基づいて、前記変換手段で変換したディジタル音声信号から、前記外部の音声出力装置が出力した音声に起因する音響エコーを除去し、出力するエコー除去手段、を備える、ことを特徴とする請求項７に記載の音声取得装置。
9. 前記同期化手段は、
   前記外部の音声出力装置が放音した音声の第２の音声信号を、該音声出力装置と異なる外部装置から受信する第２の外部信号受信手段、を備え、
   前記第２の外部信号受信手段で受信した第２の音声信号と、前記音声取得手段からの第１の音声信号とを、同期化する、ことを特徴とする請求項１乃至８のいずれか１項に記載の音声取得装置。
10. 前記同期化手段は、
    前記第２の外部信号受信手段により、前記外部の音声出力装置と異なる外部装置から、該外部の音声出力装置が放音した音声の第２の音声信号を受信可能か否か判別する判別手段、を備え、
    前記判別手段で受信可能であると判別したときに、前記第２の外部信号受信手段で受信した第２の音声信号と、前記音声取得手段からの第１の音声信号とを同期化し、
    前記判別手段で受信不可能であると判別したときに、前記外部信号受信手段により前記外部の音声取得装置から第２の音声信号を受信し、該受信した第２の音声信号と、前記音声取得手段からの第１の音声信号とを同期化する、ことを特徴とする請求項９に記載の音声取得装置。
11. 前記音声信号要求手段は、
    前記外部の音声出力装置が音声の放音を開始する前に、放音を開始することを示す放音開始信号を、該音声出力装置に送信することを要求する通知要求手段、を備え、
    前記通知要求手段の要求に応じて前記外部の音声出力装置が送信した放音開始信号を受け取ったことに応答して、前記第２の音声信号の送信を該音声出力装置に要求する、ことを特徴とする請求項１乃至１０のいずれか１項に記載の音声取得装置。
12. 音声信号を音声に変換する音声変換手段と、
    前記音声変換手段で変換した音声を放音する放音手段と、
    前記放音手段で放音する音声を集音する可能性のある外部の音声取得装置からの要求に応じ、前記放音手段で放音する音声の音声信号を、通信ネットワークを介して、該音声取得装置に送信する外部信号送信手段と、
    を備えることを特徴とする音声出力装置。
13. 前記外部信号送信手段は、
    前記外部の音声取得装置からの要求に応じて、前記放音手段による音声の放音を開始することを示す放音開始信号を、該音声出力装置に送信する通知手段、を備え、
    前記通知手段により前記放音開始信号を送信した後に、前記第２の音声信号を該音声出力装置に要求する、ことを特徴とする請求項１２に記載の音声出力装置。
14. 音声を集音し、その音声を第１の音声信号に変換する音声取得手段と、外部の音声出力装置に、該音声出力装置が放音する音声の第２の音声信号を送信することを、通信ネットワークを介して、要求する音声信号要求手段と、前記音声信号要求手段の要求に応じて前記外部の音声出力装置が送信した第２の音声信号を、通信ネットワークを介して、受信する外部信号受信手段と、前記音声取得手段からの第１の音声信号と、前記外部信号受信手段で受信した第２の音声信号とを、同期化する同期化手段と、前記同期化手段で同期化された前記第１の音声信号と前記第２の音声信号とに基づいて、該第１の音声信号に含まれる該第２の音声信号を除去し、除去後の信号を出力する雑音除去手段と、
    を備える音声取得装置と、
    音声信号を音声に変換する音声変換手段と、前記音声変換手段で変換した音声を放音する放音手段と、前記放音手段で放音する音声を集音する可能性のある前記外部の音声取得装置からの要求に応じ、前記放音手段で放音する音声の第２の音声信号を、通信ネットワークを介して、該音声取得装置に送信する外部信号送信手段と、
    を備える音声出力装置と、
    から構成されることを特徴とする雑音除去システム。
15. コンピュータに、
    音声取得部で集音した音声を第１の音声信号に変換させ、
    外部の音声出力装置に、該音声出力装置が放音する音声の第２の音声信号を送信することを、通信ネットワークを介して要求させ、
    前記要求に応じて前記外部の音声出力装置が送信した第２の音声信号を、通信ネットワークを介して、受信させ、
    前記音声取得手段からの第１の音声信号と、前記外部信号受信手段で受信した第２の音声信号とを、同期化させ、
    前記同期化された前記第１の音声信号と前記第２の音声信号とに基づいて、該第１の音声信号に含まれる該第２の音声信号を除去し、除去後の信号を出力させる、
    ための処理を実行させるプログラム。
16. コンピュータに、
    音声信号を音声に変換させ、
    前記変換させた音声を音声出力部で放音させ、
    前記音声出力部で放音する音声を集音する可能性のある外部の音声取得装置からの要求に応じ、前記音声出力部で放音する音声の音声信号を、通信ネットワークを介して、該音声取得装置に送信させる、
    ための処理を実行させるプログラム。

Images