JP6031761B2 - 音声解析装置および音声解析システム - Google Patents

Description

本発明は、音声解析装置および音声解析システムに関する。

特許文献１には、円の中心に配置した１個のマイクロホン素子と、円の円周上へ等間隔により配置した少なくとも３個のマイクロホン素子と、円の中心のマイクロホン素子出力に対し１の相対的利得を与える回路と、円周上のマイクロホン素子数をｎとしたとき各マイクロホン素子出力に対し１／ｎの相対的利得を与えかつ相対的位相反転を与える回路と、これら各回路の各出力を加算する加算器とを備えた電気音響変換装置が開示されている。

特開昭６１−７２５００号公報

本発明の目的は、取得した音声の非言語情報に基づいて発話者が装着者か否かを識別することにある。

請求項１に記載の発明は、使用者の口からの音波伝搬経路の距離が第１の距離となる箇所に設置され、当該使用者の音声を取得する第１の音声取得手段と、使用者の口からの音波伝搬経路の距離が前記第１の距離よりも小さくなる箇所に設置されるとともに複数設けられ、当該使用者の音声を取得する第２の音声取得手段と、前記第１の音声取得手段により取得された音声の音声信号の第１の音圧と、複数設けられた前記第２の音声取得手段の各々にて取得された音声の音声信号のうちの音圧が最も大きい音声信号の音圧である第２の音圧と、の比較結果に基づき、当該第１の音声取得手段および当該第２の音声取得手段にて取得された音声が前記使用者の発話音声か、当該使用者以外の他者の発話音声かを識別する識別部と、を備える音声解析装置である。
請求項２に記載の発明は、複数設けられた前記第２の音声取得手段の各々は、前記使用者の肩幅方向において互いに異なる箇所に設置されることを特徴とする請求項１に記載の音声解析装置である。

請求項３に記載の発明は、装置本体と、前記装置本体に接続され、当該装置本体が使用者の首から提げられる際に用いられる提げ紐と、前記提げ紐または前記装置本体に設けられるとともに、当該装置本体が使用者の首から提げられたときの距離であって使用者の口からの音波伝搬経路の距離が第１の距離となる箇所に設けられ、使用者の音声を取得する第１の音声取得手段と、前記提げ紐に設けられ、前記装置本体が使用者の首から提げられたときの距離であって使用者の口からの音波伝搬経路の距離が前記第１の距離よりも小さくなる箇所に設けられ、且つ、当該装置本体が使用者の首から提げられたときの位置であって当該使用者の肩幅方向における位置が互いに異なるように設けられた複数の第２の音声取得手段と、前記装置本体に設けられ、前記第１の音声取得手段により取得された音声の音声信号の第１の音圧と、複数設けられた前記第２の音声取得手段の各々にて取得された音声の音声信号の音圧のうちの音圧が最も大きい音声信号の音圧である第２の音圧と、の比較結果に基づき、当該第１の音声取得手段および当該第２の音声取得手段にて取得された音声が前記使用者の発話音声か、当該使用者以外の他者の発話音声かを識別する識別部と、前記装置本体に設けられ、前記識別部による識別結果を含む前記音声信号に関する情報を外部装置へ送信する送信部と、を備える音声解析装置である。
請求項４に記載の発明は、前記提げ紐は、使用者の首を通すことが可能なように環状の部位を備え、当該提げ紐の当該環状の部位には、当該使用者の首の背後から使用者の右肩側を経由し吊り下げられた前記装置本体に向かう第１の部位と、当該首の背後から使用者の左肩側を経由し吊り下げられた当該装置本体に向かう第２の部位とが設けられ、複数設けられた前記第２の音声取得手段のうちの一の音声取得手段が、前記提げ紐の前記第１の部位および前記第２の部位のうちの一方の部位に設けられ、複数設けられた当該第２の音声取得手段のうちの他の音声取得手段が、当該第１の部位および当該第２の部位のうちの他方の部位に設けられていることを特徴とする請求項３記載の音声解析装置である。
請求項５に記載の発明は、前記提げ紐は、筒状の構造を有し、前記提げ紐に設けられた前記第２の音声取得手段の各々は、当該提げ紐の内部に設けられていることを特徴とする請求項３又は４に記載の音声解析装置である。

請求項６に記載の発明は、使用者に装着される端末装置と、前記端末装置から情報を取得するホスト装置と、を備え、前記端末装置は、使用者の口からの音波伝搬経路の距離が第１の距離となる箇所に設置され、当該使用者の音声を取得する第１の音声取得手段と、使用者の口からの音波伝搬経路の距離が前記第１の距離よりも小さくなる箇所に設置されるとともに複数設けられ、当該使用者の音声を取得する第２の音声取得手段と、前記第１の音声取得手段により取得された音声の音声信号の第１の音圧と、複数設けられた前記第２の音声取得手段の各々にて取得された音声の音声信号の音圧のうちの音圧が最も大きい音声信号の音圧である第２の音圧と、の比較結果に基づき、当該第１の音声取得手段および当該第２の音声取得手段にて取得された音声が前記使用者の発話音声か、当該使用者以外の他者の発話音声かを識別する識別部と、前記識別部による識別結果を含む音声信号に関する情報である発話情報を前記ホスト装置へ送信する送信部と、を備え、前記ホスト装置は、複数の前記端末装置から送信された前記発話情報を受信する受信部と、前記受信部にて受信された前記発話情報を、当該発話情報を送信した前記端末装置ごとに蓄積する蓄積部と、前記蓄積部に蓄積された前記発話情報を解析する解析部と、前記解析部による解析結果を出力する出力部と、を備えることを特徴とする、音声解析システムである。
請求項７に記載の発明は、前記ホスト装置の前記解析部は、前記解析の一つとして、複数の前記端末装置の各々から取得された前記発話情報を比較し、当該発話情報の各々に含まれる発話に関する時間情報に基づいて、特定の会話に参加している使用者の発話情報を識別することを特徴とする請求項６記載の音声解析システムである。

請求項１の発明によれば、取得した音声の非言語情報に基づいて発話者が装着者か否かを識別することができる。
請求項２の発明によれば、本発明を用いない場合に比べて、使用者の首振りに伴い起こりうる発話者の識別精度の低下を抑制することができる。
請求項３の発明によれば、本発明を用いない場合に比べて、取得した音声の非言語情報に基づいて発話者を識別する際の識別精度を高めることができる。
請求項４の発明によれば、本発明を用いない場合に比べて、使用者の首振りに伴い起こりうる発話者の識別精度の低下を抑制することができる。
請求項５の発明によれば、提げ紐の外部に音声取得手段がある場合に比べ、使用者が音声取得手段の存在を意識しないようになる。
請求項６の発明によれば、取得した音声の非言語情報に基づいて発話者が装着者か否かを識別することができる。
請求項７の発明によれば、複数の発話者における発話情報のうち、特定の発話者による会話に係る発話情報を抽出することができる。

本実施形態による音声解析システムの構成例を示す図である。 端末装置の構成例を示す図である。 装着者および他者の口（発声部位）と、マイクロフォンとの位置の関係を示す図である。 マイクロフォンと音源との間の距離と音圧（入力音量）との関係を示す図である。 装着者自身の発話音声と他者の発話音声の識別方法を示す図である。 端末装置の基本動作を示すフローチャートである。 装着者が向いている方向と収録音声の音圧との関係を示した図である。 第１マイクロフォン、第２マイクロフォン、および、第３マイクロフォンの３つのマイクロフォンを用いた場合の処理の流れを示した図である。 装着者が首振りを行った際の第１マイクロフォン、第３マイクロフォンの音圧を示した図である。 端末装置の他の構成例を示した図である。 装着者が首振りを行った際の第１マイクロフォン、第３マイクロフォンの音圧を示した図である。 端末装置の他の構成例を示した図である。 本実施形態の端末装置をそれぞれ装着した複数の装着者が会話している状況を示す図である。 図１３の会話状況における各端末装置の発話情報の例を示す図である。 本適用例におけるホスト装置の機能構成例を示す図である。

以下、添付図面を参照して、本発明の実施形態について詳細に説明する。
＜システム構成例＞
図１は、本実施形態による音声解析システムの構成例を示す図である。
図１に示すように、本実施形態のシステムは、端末装置１０とホスト装置２０とを備えて構成される。端末装置１０とホスト装置２０とは、無線通信回線を介して接続されている。無線通信回線としては、Ｗｉ−Ｆｉ（登録商標）（Wireless Fidelity）、Bluetooth（登録商標）、ZigBee（登録商標）、ＵＷＢ（Ultra Wideband）等の既存の方式による回線を用いて良い。また、図示の例では、端末装置１０が１台のみ記載されているが、詳しくは後述するように、端末装置１０は、使用者各人が装着して使用するものであり、実際には使用者数分の端末装置１０が用意される。以下、端末装置１０を装着した使用者を装着者と呼ぶ。

音声解析装置の一例としての端末装置１０は、少なくとも、３つのマイクロフォン（第１マイクロフォン１１１、第２マイクロフォン１１２、および、第３マイクロフォン１１３）と、増幅器（第１増幅器１３１、第２増幅器１３２、および、第３増幅器１３３）とを備える。また、端末装置１０は、収録音声を解析する音声解析部１５と、解析結果をホスト装置２０に送信するためのデータ送信部１６とを備え、さらに電源部１７を備える。

第１マイクロフォン１１１、第２マイクロフォン１１２、および、第３マイクロフォン１１３は、装着者の口（発声部位）からの音波伝搬経路の距離（以下、単に「距離」と記す）が異なる位置に配置される。
ここで、第１の音声取得手段の一例としての第１マイクロフォン１１１は、装着者の口（発声部位）から遠い位置（例えば、３５ｃｍ程度）に配置されている。また、第２の音声取得手段の一例としての第２マイクロフォン１１２および第３マイクロフォン１１３は、装着者の口（発声部位）に近い位置（例えば、１０ｃｍ程度）に配置されている。また、第２マイクロフォン１１２と第３マイクロフォン１１３は、装着者の口と第２マイクロフォン１１２との距離と、装着者の口と第３マイクロフォン１１３との距離とが同等となるように配置されている。

本実施形態の第１マイクロフォン１１１〜第３マイクロフォン１１３として用いられるマイクロフォンの種類としては、ダイナミック型、コンデンサ型等、既存の種々のものを用いて良い。特に無指向性のＭＥＭＳ（Micro Electro Mechanical Systems）型マイクロフォンを用いることが好ましい。

第１増幅器１３１、第２増幅器１３２、および、第３増幅器１３３は、第１マイクロフォン１１１、第２マイクロフォン１１２、および、第３マイクロフォン１１３が取得音声に応じて出力する電気信号（音声信号）を増幅する。本実施形態の第１増幅器１３１、第２増幅器１３２、および、第３増幅器１３３として用いられる増幅器としては、既存のオペアンプ等を用いて良い。

音声解析部１５は、第１増幅器１３１、第２増幅器１３２、および、第３増幅器１３３から出力された音声信号を解析する。そして、第１マイクロフォン１１１、第２マイクロフォン１１２、および、第３マイクロフォン１１３で取得した音声が、端末装置１０を装着した装着者自身が発話した音声か、他者の発話による音声かを識別する。すなわち、音声解析部１５は、第１マイクロフォン１１１、第２マイクロフォン１１２、および、第３マイクロフォン１１３で取得した音声に基づき、音声の発話者を識別する識別部として機能する。発話者識別のための具体的な処理の内容については後述する。

データ送信部１６は、音声解析部１５による解析結果を含む取得データと端末装置１０のＩＤを、上記の無線通信回線を介してホスト装置２０へ送信する。ホスト装置２０へ送信する情報としては、ホスト装置２０において行われる処理の内容に応じて、上記の解析結果の他、例えば、第１マイクロフォン１１１、第２マイクロフォン１１２、および、第３マイクロフォン１１３による音声の取得時刻、取得音声の音圧等の情報を含めて良い。なお、端末装置１０に音声解析部１５による解析結果を蓄積するデータ蓄積部を設け、一定期間の保存データを一括送信しても良い。また、有線回線で送信しても良い。

電源部１７は、上記の第１マイクロフォン１１１、第２マイクロフォン１１２、第３マイクロフォン１１３、第１増幅器１３１、第２増幅器１３２、第３増幅器１３３、音声解析部１５、および、データ送信部１６に電力を供給する。電源としては、例えば乾電池や充電池等の既存の電源が用いられる。また、電源部１７は、必要に応じて、電圧変換回路および充電制御回路等の周知の回路を含む。

ホスト装置２０は、端末装置１０から送信されたデータを受信するデータ受信部２１と、受信したデータを蓄積するデータ蓄積部２２と、蓄積したデータを解析するデータ解析部２３と、解析結果を出力する出力部２４とを備える。このホスト装置２０は、例えばパーソナルコンピュータ等の情報処理装置により実現される。また、上記のように本実施形態では複数台の端末装置１０が使用され、ホスト装置２０は、その複数台の端末装置１０の各々からデータを受信する。

データ受信部２１は、上記の無線通信回線に対応しており、各端末装置１０からデータを受信してデータ蓄積部２２へ送る。データ蓄積部２２は、例えばパーソナルコンピュータの磁気ディスク装置等の記憶装置により実現され、データ受信部２１から取得した受信データを発話者別に蓄積する。ここで、発話者の識別は、端末装置１０から送信される端末ＩＤと、予めホスト装置２０に登録されている発話者名と端末ＩＤの照合により行う。また、端末装置１０から端末ＩＤの代わりに、装着者名を送信するようにしておいても良い。

データ解析部２３は、例えばパーソナルコンピュータのプログラム制御されたＣＰＵにより実現され、データ蓄積部２２に蓄積されたデータを解析する。具体的な解析内容および解析手法は、本実施形態のシステムの利用目的や利用態様に応じて種々の内容および手法を取り得る。例えば、端末装置１０の装着者どうしの対話頻度や各装着者の対話相手の傾向を分析したり、対話における個々の発話の長さや音圧の情報から対話者の関係を類推したりすることが行われる。

出力部２４は、データ解析部２３による解析結果を出力したり、解析結果に基づく出力を行ったりする。出力手段は、システムの利用目的や利用態様、解析結果の内容や形式等に応じて、ディスプレイ表示、プリンタによる印刷出力、音声出力等、種々の手段を取り得る。

＜端末装置の構成例＞
図２は、端末装置１０の構成例を示す図である。
上記のように、端末装置１０は、各使用者に装着されて使用される。使用者が装着可能とするため、本実施形態の端末装置１０は、図２に示すように、装置本体３０と、装置本体３０に接続された提げ紐４０とを備えた構成とする。図示の構成において、使用者は、提げ紐４０に首を通し、装置本体３０を首から提げて装着する。

装置本体３０は、金属や樹脂等で形成された薄い直方体のケース３１に、少なくとも第１増幅器１３１、第２増幅器１３２、第３増幅器１３３、音声解析部１５、データ送信部１６および電源部１７を実現する回路と電源部１７の電源（電池）とを収納して構成される。ケース３１には、装着者の氏名や所属等のＩＤ情報を表示したＩＤカード等を挿入するポケットを設けても良い。また、ケース３１自体の表面にそのようなＩＤ情報等を印刷したり、ＩＤ情報等を記載したシールを貼り付けたりしても良い。

提げ紐４０には、第１マイクロフォン１１１、第２マイクロフォン１１２、および、第３マイクロフォン１１３が設けられる（以下、第１マイクロフォン１１１、第２マイクロフォン１１２、および、第３マイクロフォン１１３の各々を区別しない場合には、マイクロフォン１１１、１１２や、マイクロフォン１１１、１１２、１１３と記載）。マイクロフォン１１１、１１２、１１３は、提げ紐４０の内部を通るケーブル（電線等）により、装置本体３０に収納された第１増幅器１３１、第２増幅器１３２、第３増幅器１３３に接続される。提げ紐４０の材質としては、革、合成皮革、木綿その他の天然繊維や樹脂等による合成繊維、金属等、既存の種々の材質を用いて良い。また、シリコン樹脂やフッ素樹脂等を用いたコーティング処理が施されていても良い。

この提げ紐４０は、筒状の構造を有し、提げ紐４０の内部にマイクロフォン１１１、１１２、１１３を収納している。マイクロフォン１１１、１１２、１１３を提げ紐４０の内部に設けることにより、マイクロフォン１１１、１１２、１１３の損傷や汚れを防ぎ、対話者がマイクロフォン１１１、１１２、１１３の存在を意識することが抑制される。なお、装着者の口（発声部位）から遠い位置に配置される第１マイクロフォン１１１は、ケース３１に内蔵して装置本体３０に設けても良い。本実施形態では、第１マイクロフォン１１１が提げ紐４０に設けられる場合を例として説明する。

図２を参照すると、第１マイクロフォン１１１は、提げ紐４０の装置本体３０に接続される端部（例えば、接続部位から１０ｃｍ以内の位置）に設けられている。これにより、装着者が提げ紐４０を首に掛けて装置本体３０を下げた状態で、第１マイクロフォン１１１は、装着者の口（発声部位）から約３０ｃｍから４０ｃｍ程度離れた位置に配置される。なお、第１マイクロフォン１１１が装置本体３０に設けられた場合も、装着者の口（発声部位）から第１マイクロフォン１１１までの距離は同程度である。

第２マイクロフォン１１２は、提げ紐４０の装置本体３０に接続される端部から離れた位置（例えば、接続部位から２０ｃｍ〜３０ｃｍ程度の位置）に設けられている。これにより、装着者が提げ紐４０を首に掛けて装置本体３０を下げた状態で、第２マイクロフォン１１２は、装着者の首元（例えば鎖骨に当たる位置）に位置し、装着者の口（発声部位）から約１０ｃｍから２０ｃｍ程度離れた位置に配置される。

また、第３マイクロフォン１１３も、提げ紐４０の装置本体３０に接続される端部から離れた位置（例えば、接続部位から２０ｃｍ〜３０ｃｍ程度の位置）に設けられている。これにより、第２マイクロフォン１１２と同様、装着者が提げ紐４０を首に掛けて装置本体３０を下げた状態で、第３マイクロフォン１１３は、装着者の首元（例えば鎖骨に当たる位置）に位置し、装着者の口（発声部位）から約１０ｃｍから２０ｃｍ程度離れた位置に配置される。

なお、本実施形態では、第２マイクロフォン１１２および第３マイクロフォン１１３は、装着者の肩幅方向における位置が互いに異なるように設けられており、第２マイクロフォン１１２は装着者の右肩側に配置され、第３マイクロフォン１１３は装着者の左肩側に配置されている。

さらに具体的に説明すると、本実施形態では、環状に形成された提げ紐４０が装着者の首に掛けられるとともにこの提げ紐４０が装置本体３０により下方に引っ張られる結果、提げ紐４０には、装置本体３０との接続部を始点とし装着者の右肩側を経由して装着者の首の背後に向かう第１の部位４１と、装置本体３０との接続部を始点とし装着者の左肩側を経由して装着者の首の背後に向かう第２の部位４２とが設けられた構成となっている。そして本実施形態では、この第１の部位４１に対して第２マイクロフォン１１２が取り付けられ、第２の部位４２に対して第３マイクロフォン１１３が取り付けられている。

ここで、マイクロフォン１１１、１１２、１１３は、上記のように提げ紐４０に設ける構成に限らず、種々の方法で装着者に装着して良い。例えば、第１マイクロフォン１１１、第２マイクロフォン１１２、および、第３マイクロフォン１１３の各々を、個別にピン等を用いて衣服に固定するように構成しても良い。また、第１マイクロフォン１１１、第２マイクロフォン１１２、および、第３マイクロフォン１１３の位置関係が所望の位置で固定されるようにデザインされた専用の装着具を用意して装着しても良い。

また、装置本体３０は、図２に示したように、提げ紐４０に接続されて装着者の首から提げられる構成に限らず、携帯することが容易な装置として構成されていれば良い。例えば、本実施形態のような提げ紐ではなく、クリップやベルトにより衣服や体に装着するように構成しても良いし、単にポケット等に納めて携帯するような構成としても良い。

また、携帯電話その他の既存の携帯型電子情報端末にて、マイクロフォン１１１、１１２、１１３からの音声信号を受け付けて増幅し、解析する機能を実現させても良い。ただし、第１マイクロフォン１１１が装置本体３０に設けられる場合は、第１マイクロフォン１１１と第２マイクロフォン１１２との位置関係、および、第１マイクロフォン１１１と第３マイクロフォン１１３との位置関係を上記のように保持する必要があるため、携帯時の装置本体３０の位置は特定される。

さらにまた、マイクロフォン１１１、１１２、１１３と装置本体３０（あるいは音声解析部１５）を有線で接続するのではなく、無線通信により接続しても良い。また、第１増幅器１３１、第２増幅器１３２、第３増幅器１３３、音声解析部１５、データ送信部１６および電源部１７は、上記の構成例では単一のケース３１に収納されることとしたが、複数の個体に分けて構成しても良い。例えば、電源部１７をケース３１に収納せず、外部電源に接続して使用する構成としても良い。

＜収録音声の非言語情報に基づく発話者（自他）の識別＞
次に、本実施形態における発話者の識別方法について説明する。
なお、以下の説明では、第１マイクロフォン１１１、第２マイクロフォン１１２の２つのマイクロフォンを用いたときの識別方法をまず説明し、本実施形態の基本的な態様を説明する。その後、第１マイクロフォン１１１、第２マイクロフォン１１２、および、第３マイクロフォン１１３の３つのマイクロフォンを用いたときの識別方法を説明する。

本実施形態は、収録音声の発話者に関して自他の別を識別する。また、本実施形態では、収録音声の情報のうち、形態素解析や辞書情報を用いて得られる言語情報ではなく、音圧（マイクロフォン１１１、１１２への入力音量）等の非言語情報に基づいて発話者を識別する。言い換えれば、言語情報により特定される発話内容ではなく、非言語情報により特定される発話状況から音声の発話者を識別する。

図１および図２を参照して説明したように、本実施形態において、端末装置１０の第１マイクロフォン１１１は装着者の口（発声部位）から遠い位置に配置され、第２マイクロフォン１１２は装着者の口（発声部位）に近い位置に配置される。すなわち、装着者の口（発声部位）を音源とすると、第１マイクロフォン１１１と音源との間の距離の方が、第２マイクロフォン１１２と音源との間の距離よりも大きく異なる。

具体的には、第１マイクロフォン１１１と音源との間の距離は、第２マイクロフォン１１２と音源との間の距離の１．５〜４倍程度である。ここで、マイクロフォン１１１、１１２における収録音声の音圧は、マイクロフォン１１１、１１２と音源との間の距離が大きくなるにしたがって減衰（距離減衰）する。したがって、装着者の発話音声に関して、第１マイクロフォン１１１における収録音声の音圧と第２マイクロフォン１１２における収録音声の音圧とは大きく異なる。

一方、装着者以外の者（他者）の口（発声部位）を音源とした場合を考えると、その他者が装着者から離れているため、第１マイクロフォン１１１と音源との間の距離と、第２マイクロフォン１１２と音源との間の距離は、大きく変わらない。装着者に対する他者の位置によっては、両距離の差は生じ得るが、装着者の口（発声部位）を音源とした場合のように、第１マイクロフォン１１１と音源との間の距離が、第２マイクロフォン１１２と音源との間の距離の数倍となることはない。したがって、他者の発話音声に関して、第１マイクロフォン１１１における収録音声の音圧と第２マイクロフォン１１２における収録音声の音圧とは、装着者の発話音声の場合のように大きく異なることはない。

図３は、装着者および他者の口（発声部位）と、マイクロフォン１１１、１１２との位置の関係を示す図である。
図３に示す関係において、装着者の口（発声部位）である音源ａと第１マイクロフォン１１との間の距離をＬａ１、音源ａと第２マイクロフォン１１２との間の距離をＬａ２とする。また、他者の口（発声部位）である音源ｂと第１マイクロフォン１１１との間の距離をＬｂ１、音源ｂと第２マイクロフォン１１２との間の距離をＬｂ２とする。この場合、次の関係が成り立つ。
Ｌａ１＞Ｌａ２（Ｌａ１≒１．５×Ｌａ２〜４×Ｌａ２）
Ｌｂ１≒Ｌｂ２

図４は、マイクロフォン１１１、１１２と音源との間の距離と音圧（入力音量）との関係を示す図である。
上述したように、音圧は、マイクロフォン１１１、１１２と音源との間の距離に応じて距離減衰する。図４において、距離Ｌａ１の場合の音圧Ｇａ１と距離Ｌａ２の場合の音圧Ｇａ２とを比較すると、音圧Ｇａ２は、音圧Ｇａ１の４倍程度となっている。一方、距離Ｌｂ１と距離Ｌｂ２とが近似するため、距離Ｌｂ１の場合の音圧Ｇｂ１と距離Ｌｂ２の場合の音圧Ｇｂ２とは、ほぼ等しい。

そこで、本実施形態では、この音圧比の差を用いて、収録音声における装着者自身の発話音声と他者の発話音声とを識別する。なお、図４に示した例では、距離Ｌｂ１、Ｌｂ２を６０ｃｍとしたが、ここでは音圧Ｇｂ１と音圧Ｇｂ２とがほぼ等しくなることに意味があり、距離Ｌｂ１、Ｌｂ２は図示の値に限定されない。

図５は、装着者自身の発話音声と他者の発話音声の識別方法を示す図である。
図４を参照して説明したように、装着者自身の発話音声に関して、第２マイクロフォン１１２の音圧Ｇａ２は、第１マイクロフォン１１１の音圧Ｇａ１の数倍（例えば４倍程度）である。また、他者の発話音声に関して、第２マイクロフォン１１２の音圧Ｇｂ２は、第１マイクロフォン１１１の音圧Ｇｂ１とほぼ等しい（１倍程度）。

そこで、本実施形態では、第２マイクロフォン１１２の音圧と第１マイクロフォン１１１の音圧との比に閾値を設定する。そして、音圧比が閾値よりも大きい音声は装着者自身の発話音声と判断し、音圧比が閾値よりも小さい音声は他者の発話音声と判断する。図５に示す例では、閾値を２とし、音圧比Ｇａ２／Ｇａ１は閾値２を超えるので装着者自身の発話音声と判断され、音圧比Ｇｂ２／Ｇｂ１は閾値２よりも小さいので他者の発話音声と判断されている。

ところで、マイクロフォン１１１、１１２により収録される音声には、発話音声の他に、環境音等のいわゆる雑音（ノイズ）が含まれる。この雑音の音源とマイクロフォン１１１、１１２との間の距離の関係は、他者の発話音声の場合と類似する。すなわち、図４、図５に示した例によれば、雑音の音源ｃと第１マイクロフォン１１１との間の距離をＬｃ１とし、雑音の音源ｃと第２マイクロフォン１１２との間の距離をＬｃ２とすると、距離Ｌｃ１と距離Ｌｃ２とは近似する。そして、マイクロフォン１１１、１１２の収録音声における音圧比Ｇｃ２／Ｇｃ１は、閾値２よりも小さくなる。しかし、このような雑音は、バンドパスフィルタやゲインフィルタ等を用いた既存の技術によるフィルタリング処理を行うことにより発話音声から分離され、除去される。

＜端末装置の動作例＞
図６は、端末装置１０の基本動作を示すフローチャートである。
図６に示すように、端末装置１０のマイクロフォン１１１、１１２が音声を取得すると、各マイクロフォン１１１、１１２から取得音声に応じた電気信号（音声信号）が第１増幅器１３１および第２増幅器１３２へ送られる（ステップ６０１）。第１増幅器１３１および第２増幅器１３２は、マイクロフォン１１１、１１２からの音声信号を取得すると、信号を増幅して音声解析部１５へ送る（ステップ６０２）。

音声解析部１５は、第１増幅器１３１および第２増幅器１３２で増幅された信号に対してフィルタリング処理を行い、信号から環境音等の雑音（ノイズ）の成分を除去する（ステップ６０３）。次に、音声解析部１５は、雑音成分が除かれた信号に対し、一定の時間単位（例えば、数十分の一秒〜数百分の一秒）毎に、各マイクロフォン１１１、１１２の収録音声における平均音圧を求める（ステップ６０４）。

ステップ６０４で求めた各マイクロフォン１１１、１１２における平均音圧の利得が有る場合（ステップ６０５でＹｅｓ）、音声解析部１５は、発話音声が有る（発話が行われた）と判断し、次に、第１マイクロフォン１１１における平均音圧と第２マイクロフォン１１２における平均音圧との比（音圧比）を求める（ステップ６０６）。そして、ステップ６０６で求めた音圧比が閾値よりも大きい場合（ステップ６０７でＹｅｓ）、音声解析部１５は、発話音声は装着者自身の発話による音声であると判断する（ステップ６０８）。また、ステップ６０６で求めた音圧比が閾値よりも小さい場合（ステップ６０７でＮｏ）、音声解析部１５は、発話音声は他者の発話による音声であると判断する（ステップ６０９）。

一方、ステップ６０４で求めた各マイクロフォン１１１、１１２における平均音圧の利得が無い場合（ステップ６０５でＮｏ）、音声解析部１５は、発話音声が無い（発話が行われていない）と判断する（ステップ６１０）。なお、ステップ６０５の判断は、ステップ６０３のフィルタリング処理で除去しきれなかった雑音が信号に残っている場合を考慮し、平均音圧の利得の値が予め定められた値以上の場合に、利得があると判断しても良い。

この後、音声解析部１５は、データ送信部１６を介して、ステップ６０４〜ステップ６１０の処理で得られた情報（発話の有無、発話者の情報）を解析結果としてホスト装置２０へ送信させる（ステップ６１１）。このとき、発話者毎（装着者自身または他者）の発話時間の長さや平均音圧の利得の値、その他の付加情報を解析結果と共にホスト装置２０へ送信させても良い。

なお、本実施形態では、第１マイクロフォン１１１の音圧と第２マイクロフォン１１２の音圧とを比較することにより、発話音声が装着者自身の発話による音声か他者の発話による音声かを判断した。しかし、本実施形態による発話者の識別は、マイクロフォン１１１、１１２により取得された音声信号そのものから抽出される非言語情報に基づいて行うものであれば良く、音圧の比較には限定されない。

例えば、第１マイクロフォン１１１における音声取得時刻（音声信号の出力時刻）と第２マイクロフォン１１２における音声取得時刻とを比較しても良い。この場合、装着者自身の発話音声は、装着者の口（発声部位）から第１マイクロフォン１１１までの距離と、装着者の口（発声部位）から第２マイクロフォン１１２までの距離との差が大きいため、音声取得時刻にある程度の差（時間差）が生じる。

一方、他者の発話音声は、口（発声部位）から第１マイクロフォン１１１までの距離と、口（発声部位）から第２マイクロフォン１１２までの距離との差が小さいため、装着者の発話音声の場合よりも音声取得時刻の時間差が小さい。そこで、音声取得時刻の時間差に対して閾値を設定し、音声取得時刻の時間差が閾値よりも大きい場合には装着者自身の発話と判断し、音声取得時刻の時間差が閾値よりも小さい場合には他者の発話と判断するようにしても良い。

ところで、装着者が発話を行うに際し、装着者の口（発生部位）は一定の位置に留まっておらず、装着者の首振りなどによってその位置が変化するようになる。ここで、装着者の口が第２マイクロフォン１１２から離れるようにその位置が変化する場合、第２マイクロフォン１１２の音圧と第１マイクロフォン１１１の音圧との比である音圧比が上記にて説明した閾値を超えず、装着者の発話音声であるにも関わらず他者の発話音声と認識されてしまうおそれがある。

付言すると、装着者の口が第２マイクロフォン１１２から離れるようにその位置が変化する場合、装着者の口である音源ａと第１マイクロフォン１１１との間の距離Ｌａ１（図３参照）と、音源ａと第２マイクロフォン１１２との間の距離Ｌａ２とが近づき、マイクロフォン１１１、１１２における収録音声の音圧に差が生じにくくなる。そして、この場合、第２マイクロフォン１１２の音圧と第１マイクロフォン１１１の音圧との比が上記の閾値を超えず、装着者の発話音声であるにも関わらず他者の発話音声と認識されてしまうおそれがある。

図７（装着者が向いている方向と収録音声の音圧との関係を示した図）を参照してさらに具体的に説明すると、同図の鎖線で示すように、第２マイクロフォン１１２における収録音声の音圧は、装着者の首振りによって変化するようになり、第２マイクロフォン１１２が設置されている装着者の右肩側を装着者が向くと、第２マイクロフォン１１２における音圧が大きくなり、第２マイクロフォン１１２が設置されている側とは反対側である装着者の左肩側を装着者が向くと、第２マイクロフォン１１２における音圧が小さくなる。

そして、第２マイクロフォン１１２における音圧が小さくなると、同図の符号７Ａに示すように、第２マイクロフォン１１２における音圧と第１マイクロフォン１１１における音圧との差が小さくなる。そしてこの場合、上記のとおり、第２マイクロフォン１１２の音圧と第１マイクロフォン１１１の音圧との比が予め定められた閾値を超えず、装着者の発話音声であるにも関わらず他者の発話音声と認識されてしまうおそれがある。このため、本実施形態では、第３マイクロフォン１１３も用いることで、装着者の発話音声が他者の発話音声と認識されるのを抑制するようにしている。

図８は、第１マイクロフォン１１１、第２マイクロフォン１１２、および、第３マイクロフォン１１３の３つのマイクロフォンを用いた場合の処理の流れを示した図である。
この処理では、上記にて説明した処理と同様、まず、端末装置１０のマイクロフォン１１１、１１２、１１３が音声を取得し、各マイクロフォン１１１、１１２、１１３から取得音声に応じた電気信号（音声信号）が第１増幅器１３１、第２増幅器１３２、第３増幅器１３３へ送られる（ステップ８０１）。第１増幅器１３１、第２増幅器１３２、および、第３増幅器１３３は、マイクロフォン１１１、１１２、１１３からの音声信号を取得すると、信号を増幅して音声解析部１５へ送る（ステップ８０２）。

音声解析部１５は、第１増幅器１３１、第２増幅器１３２、および、第３増幅器１３３で増幅された信号に対してフィルタリング処理を行い、信号から環境音等の雑音（ノイズ）の成分を除去する（ステップ８０３）。次に、音声解析部１５は、雑音成分が除かれた信号に対し、一定の時間単位（例えば、数十分の一秒〜数百分の一秒）毎に、各マイクロフォン１１１、１１２、１１３の収録音声における平均音圧を求める（ステップ８０４）。

そして、ステップ８０４で求めた各マイクロフォン１１１、１１２、１１３における平均音圧の利得が有る場合（ステップ８０５でＹｅｓ）、音声解析部１５は、発話音声が有る（発話が行われた）と判断するとともに、第２マイクロフォン１１２における平均音圧と、第３マイクロフォン１１３における平均音圧とを比較し、大きい方の平均音圧を特定する（ステップ８０６）。

次いで、ステップ８０６にて特定した大きい方の平均音圧と、第１マイクロフォン１１１における平均音圧との比（音圧比）を求める（ステップ８０７）。付言すると、本実施形態では、上記のように二つの平均音圧を比較して音圧比のもととなる一方の平均音圧を求め、求めたこの一方の平均音圧と第１マイクロフォン１１１における平均音圧とから音圧比を求める。そして、ステップ８０７で求めた音圧比が閾値よりも大きい場合（ステップ８０８でＹｅｓ）、音声解析部１５は、発話音声は装着者自身の発話による音声であると判断する（ステップ８０９）。また、ステップ８０７で求めた音圧比が閾値よりも小さい場合（ステップ８０８でＮｏ）、音声解析部１５は、発話音声は他者の発話による音声であると判断する（ステップ８１０）。

一方、ステップ８０４で求めた各マイクロフォン１１１、１１２、１１３における平均音圧の利得が無い場合（ステップ８０５でＮｏ）は、上記と同様、音声解析部１５は、発話音声が無い（発話が行われていない）と判断する（ステップ８１１）。なお、上記と同様、ステップ８０５の判断は、ステップ８０３のフィルタリング処理で除去しきれなかった雑音が信号に残っている場合を考慮し、平均音圧の利得の値が一定値以上の場合に、利得があると判断しても良い。その後、音声解析部１５は、データ送信部１６を介し、ステップ８０４〜ステップ８１１の処理で得られた情報（発話の有無、発話者の情報）を解析結果としてホスト装置２０へ送信させる（ステップ８１２）。

図９は、装着者が首振りを行った際の第１マイクロフォン１１１、第３マイクロフォン１１３の音圧を示した図である。
上記にて説明したとおり、本実施形態では、装着者が、第２マイクロフォン１１２が設置されている側とは反対側である装着者の左肩側を向くと、第２マイクロフォン１１２における音圧が小さくなる。その一方で、第３マイクロフォン１１３については装着者の左肩側に設けられており、図９の一点鎖線で示すように、装着者が左肩側を向くと、第３マイクロフォン１１３における音圧が大きくなる。

そしてこの場合、第３マイクロフォン１１３における音圧と第１マイクロフォン１１１における音圧との差の方が、第２マイクロフォン１１２における音圧と第１マイクロフォン１１１における音圧との差よりも大きくなる。そして本実施形態では、この場合、上記ステップ８０７にて説明したとおり、大きい方の音圧である第３マイクロフォン１１３における音圧と、第１マイクロフォン１１１における音圧とに基づき音圧比が算出される。この結果、本実施形態では、音圧比が上記閾値を超える可能性が高まり、装着者の発話音声が他者の発話音声と認識されることが抑制されるようになる。

なお、第３マイクロフォン１１３の位置は上記にて説明した位置に限られない。例えば、図１０（端末装置１０の他の構成例を示した図）に示すように、提げ紐４０のうち装着者の首の後ろ側に位置する部分に第３マイクロフォン１１３を設けてもよい。

この場合も、図１１（装着者が首振りを行った際の第１マイクロフォン１１１、第３マイクロフォン１１３の音圧を示した図）の二点鎖線で示すように、装着者が左肩側を向いた際、第３マイクロフォン１１３における音圧が大きくなる。そしてこの場合も、第３マイクロフォン１１３における音圧と第１マイクロフォン１１１における音圧との差の方が、第２マイクロフォン１１２における音圧と第１マイクロフォン１１１における音圧との差よりも大きくなる。そしてこの場合、上記ステップ８０７にて、第３マイクロフォン１１３における音圧と第１マイクロフォン１１１における音圧とに基づき音圧比が算出される。

この結果、この場合も、音圧比が上記閾値を超える可能性が高まり、装着者の発話音声が他者の発話音声と認識されることが抑制されるようになる。なお、図１０に示す構成例において、装着者の首振りが行われず装着者が正面を向いている場合は、第３マイクロフォン１１３における音圧よりも第２マイクロフォン１１２における音圧の方が大きくなる。そして、この場合は、第２マイクロフォン１１２における音圧と第１マイクロフォン１１１における音圧とから音圧比が算出される。

なお、上記では、装着者の口の近くのマイクロフォンを２つとしたが、設けられるマイクロフォンは２つに限られず、３つ以上としてもよい。なお、この場合、例えば３つ以上設けられたマイクロフォンにおける音圧のうちの最も大きい音圧と、第１マイクロフォン１１１における音圧とに基づき音圧比を算出する。

なお、装着者の口の近くのマイクロフォンを３つ以上とする場合は、例えば、図１２（端末装置１０の他の構成例を示した図）に示すように、第１の部位４１に設けられた第２マイクロフォン１１２と、第２の部位４２に設けられた第３マイクロフォン１１３との間に、第４マイクロフォン１１４を設けた構成が考えられる。なお、図１２に示す構成例では、第１の部位４１から第２の部位４２にかけて設けられるとともに第１の部位４１と第２の部位４２とに接続された接続紐４５が設けられており、第４マイクロフォン１１４はこの接続紐４５に設けられている。なお、接続紐４５は、ゴムにより形成され伸縮性を有しており、接続紐４５と提げ紐４０とにより形成される環状の部位の内側を装着者の頭が通される際には、接続紐４５が伸長するようになっている。

また、上記では、装着者の中心線（装着者の肩幅方向における中央部を通る中心線であって頭から足元に向かう中心線）を対称軸として、第２マイクロフォン１１２と第３マイクロフォン１１３とが線対象となる関係で配置された場合を説明したが、第２マイクロフォン１１２および第３マイクロフォン１１３の配置態様はこのような配置態様に限られず、第２マイクロフォン１１２および第３マイクロフォン１１３は、装着者の中心線を対称軸として非対象に配置してもよい。

また、上記では、装着者の口と第２マイクロフォン１１２との距離と、装着者の口と第３マイクロフォン１１３との距離とが同等となるように、第２マイクロフォン１１２および第３マイクロフォン１１３が配置された場合を説明したが、第１マイクロフォン１１１よりも装着者の口に近い側に第２マイクロフォン１１２および第３マイクロフォン１１３が位置するのであれば、装着者の口と第２マイクロフォン１１２との距離と、装着者の口と第３マイクロフォン１１３との距離とが異なっていてもよい。

また、上記では、第２マイクロフォン１１２における音圧および第３マイクロフォン１１３における音圧のうちの大きい方の音圧と、第１マイクロフォン１１１における音圧とに基づき発話者を識別する場合を説明したが、第２マイクロフォン１１２における音声取得時刻（音声信号の出力時刻）および第３マイクロフォン１１３における音声取得時刻のうちの時刻が早い方の音声取得時刻と、第１マイクロフォン１１１における音声取得時刻とに基づき発話者を識別するようにしてもよい。
また、上記では、装着者の口元に近い位置に配置された複数のマイクロフォンにおける音圧のうちの音圧が最も大きい音圧と、第１マイクロフォン１１１における音圧との音圧比に基づき、発話者を識別する場合を説明したが、装着者の口元に近い位置に配置された複数のマイクロフォンの個々のマイクロフォンにおける音圧から平均音圧を求め、この平均音圧と第１マイクロフォン１１１における音圧との音圧比に基づき、発話者を識別するようにしてもよい。

＜システムの適用例とホスト装置の機能＞
本実施形態のシステムでは、複数の端末装置１０により上記のようにして得られた発話に関する情報（以下、発話情報）がホスト装置２０に集められる。ホスト装置２０は、複数の端末装置１０から得られた情報を用いて、システムの利用目的や利用態様等に応じて種々の解析を行う。以下、複数の装着者のコミュニケーションに関する情報を取得するシステムとして本実施形態を用いる例を説明する。

図１３は、本実施形態の端末装置１０をそれぞれ装着した複数の装着者が会話している状況を示す図である。図１４は、図１３の会話状況における各端末装置１０Ａ、１０Ｂの発話情報の例を示す図である。
図１３に示すように、端末装置１０をそれぞれ装着した二人の装着者Ａ、装着者Ｂが会話している場合を考える。このとき、装着者Ａの端末装置１０Ａにおいて装着者の発話として認識される音声は、装着者Ｂの端末装置１０Ｂでは他者の発話として認識される。反対に、端末装置１０Ｂにおいて装着者の発話として認識される音声は、端末装置１０Ａでは他者の発話として認識される。

端末装置１０Ａおよび端末装置１０Ｂからは、それぞれ独立に、発話情報がホスト装置２０に送られる。このとき、端末装置１０Ａから取得した発話情報と、端末装置１０Ｂから取得した発話情報とは、図１４に示すように、発話者（装着者と他者）の識別結果は反対になるが、発話時間の長さや発話者が切り替わったタイミング等の発話状況を示す情報は近似する。

そこで、本適用例のホスト装置２０は、端末装置１０Ａから取得した情報と端末装置１０Ｂから取得した情報とを比較することにより、これらの情報が同じ発話状況を示していると判断し、装着者Ａと装着者Ｂとが会話していることを認識する。ここで、発話状況を示す情報としては、少なくとも、上述した発話者ごとの個々の発話における発話時間の長さ、個々の発話の開始時刻と終了時刻、発話者が切り替わった時刻（タイミング）等のように、発話に関する時間情報が用いられる。なお、特定の会話に係る発話状況を判断するために、これらの発話に関する時間情報の一部のみを用いても良いし、他の情報を付加的に用いても良い。

図１５は、本適用例におけるホスト装置２０の機能構成例を示す図である。
本適用例において、ホスト装置２０は、端末装置１０から取得した発話情報のうち、会話を行っている装着者の端末装置１０からの発話情報（以下、会話情報）を検出する会話情報検出部２０１と、検出された会話情報を解析する会話情報解析部２０２とを備える。この会話情報検出部２０１および会話情報解析部２０２は、データ解析部２３の機能として実現される。

ホスト装置２０には、端末装置１０Ａ、端末装置１０Ｂ以外の端末装置１０からも発話情報が送られる。データ受信部２１により受信された各端末装置１０からの発話情報は、データ蓄積部２２に蓄積される。そして、データ解析部２３の会話情報検出部２０１が、データ蓄積部２２に蓄積された各端末装置１０の発話情報を読み出し、特定の会話に係る発話情報である会話情報を検出する。

上記の図１４に示したように、端末装置１０Ａの発話情報と端末装置１０Ｂの発話情報は、他の端末装置１０の発話情報とは異なる特徴的な対応関係が抽出される。会話情報検出部２０１は、データ蓄積部２２に蓄積されている各端末装置１０から取得した発話情報を比較し、複数の端末装置１０から取得した発話情報の中から、上記のような対応関係を有する発話情報を検出し、同一の会話に係る会話情報として識別する。ホスト装置２０には、複数の端末装置１０から発話情報が随時送られているので、会話情報検出部２０１は、例えば、一定時間分の発話情報を順次区切りながら上記の処理を行い、特定の会話に係る会話情報が含まれているか否かを判断する。

なお、会話情報検出部２０１が複数の端末装置１０の発話情報から特定の会話に係る会話情報を検出するための条件は、上述した図１４に示す対応関係に限定されない。複数の発話情報の中から特定の会話に係る会話情報を識別し得る、いかなる手法にて検出しても良い。

また、上記の例では、端末装置１０をそれぞれ装着した二人の装着者が会話している例を示したが、会話に参加する人数は二人に限定されない。三人以上の装着者が会話している場合、各装着者が装着している端末装置１０において、自装置の装着者の発話音声が装着者自身の発話音声として認識され、他者（二人以上）の発話音声と区別される。しかし、発話時間や発話者が切り替わったタイミング等の発話状況を示す情報は、各端末装置１０における取得情報どうしの間で近似する。そこで、会話情報検出部２０１は、上記の二人の会話の場合と同様に、同一の会話に参加している装着者の端末装置１０から取得した発話情報を検出し、会話に参加していない装着者の端末装置１０から取得した発話情報と区別する。

次に、会話情報解析部２０２は、会話情報検出部２０１により検出された会話情報を解析して、その会話の特徴を抽出する。本実施形態では、具体例として、対話度、傾聴度、会話活性度の３種類の評価基準により会話の特徴を抽出する。ここで、対話度とは、会話参加者の発言頻度のバランスを表すものとする。傾聴度とは、個々の会話参加者における他者の発言を聴く度合い表すものとする。会話活性度とは、会話全体における発言の密度を表すものとする。

対話度は、会話が行われている間における発話者の交代回数と、発話者が交代するまでの時間（一人の発話者が連続して発話している時間）のばらつきによって特定される。これは、一定時間の会話情報において、話者が切り替わった回数および切り替わったときの時刻から得られる。そして、発話者の交代回数が多く、各発話者の連続発話時間のばらつきが小さいほど、対話度の値（レベル）が大きいものとする。この評価基準は、同一の会話に係る全ての会話情報（各端末装置１０の発話情報）において共通する。

傾聴度は、会話情報における会話参加者ごとの自身の発話時間と他者の発話時間との比率によって特定される。例えば、下式の場合、値が大きいほど傾聴度の値（レベル）が大きいものとする。
傾聴度＝（他者の発話時間）÷（装着者自身の発話時間）
この評価基準は、同一の会話に係る会話情報であっても、各会話参加者の端末装置１０から取得した発話情報ごとに異なるものとなる。

会話活性度は、いわゆる会話の盛り上がりを表す指標であり、会話情報全体に対する無言時間（会話参加者の誰も発言していない時間）の比率によって特定される。無言時間の総和が短いほど、会話において会話参加者のいずれかが発言していることを意味し、会話活性度の値（レベル）が大きいものとする。この評価基準は、同一の会話に係る全ての会話情報（各端末装置１０の発話情報）において共通する。

以上のようにして、会話情報解析部２０２による会話情報の解析により、その会話情報に係る会話の特徴が抽出される。また、上記の解析により、その会話における各参加者の参加の仕方が特定される。なお、上記の評価基準は、会話の特徴を表す情報の一例に過ぎず、他の評価項目を採用したり、項目毎に重み付けを加えたりすることにより、本実施形態のシステムの利用目的や利用態様に応じた評価基準を設定して良い。

上記のような解析を、データ蓄積部２２に蓄積された発話情報の中から会話情報検出部２０１により検出された種々の会話情報に対して行うことにより、端末装置１０の装着者のグループ全体におけるコミュニケーションの傾向を分析することができる。具体的には、例えば、会話参加者の数、会話が行われた時間、対話度、活性度などの値と会話の発生頻度との相関関係を調べることで、装着者のグループにおいてどのような態様の会話が行われる傾向があるかが判断される。

また、特定の装着者の複数の会話情報に対して上記のような解析を行うことにより、装着者個人のコミュニケーションの傾向を分析することができる。特定の装着者による会話への参加の仕方は、会話の相手や会話参加者の数といった条件に応じて、一定の傾向を持つ場合がある。そこで、特定の装着者における複数の会話情報を調べることにより、例えば、特定の相手との会話では対話レベルが大きい、会話参加者の数が多くなると傾聴度が大きくなる等のような特徴が検出されることが期待される。

なお、上記の発話情報の識別処理および会話情報解析処理は、本実施形態によるシステムの適用例を示すに過ぎず、本実施形態によるシステムの利用目的や利用態様、ホスト装置２０の機能等を限定するものではない。本実施形態の端末装置１０により取得した発話情報に対して種々の解析や調査を実行するための処理機能が、ホスト装置２０の機能として実現され得る。

１０…端末装置、１５…音声解析部、１６…データ送信部、２０…ホスト装置、２１…データ受信部、２２…データ蓄積部、２３…データ解析部、２４…出力部、３０…装置本体、４０…提げ紐、４１…第１の部位、４２…第２の部位、１１１…第１マイクロフォン、１１２…第２マイクロフォン、１１３…第３マイクロフォン

Claims (7)

1. 使用者の口からの音波伝搬経路の距離が第１の距離となる箇所に設置され、当該使用者の音声を取得する第１の音声取得手段と、
   使用者の口からの音波伝搬経路の距離が前記第１の距離よりも小さくなる箇所に設置されるとともに複数設けられ、当該使用者の音声を取得する第２の音声取得手段と、
   前記第１の音声取得手段により取得された音声の音声信号の第１の音圧と、複数設けられた前記第２の音声取得手段の各々にて取得された音声の音声信号のうちの音圧が最も大きい音声信号の音圧である第２の音圧と、の比較結果に基づき、当該第１の音声取得手段および当該第２の音声取得手段にて取得された音声が前記使用者の発話音声か、当該使用者以外の他者の発話音声かを識別する識別部と、
   を備える音声解析装置。
2. 複数設けられた前記第２の音声取得手段の各々は、前記使用者の肩幅方向において互いに異なる箇所に設置されることを特徴とする請求項１に記載の音声解析装置。
3. 装置本体と、
   前記装置本体に接続され、当該装置本体が使用者の首から提げられる際に用いられる提げ紐と、
   前記提げ紐または前記装置本体に設けられるとともに、当該装置本体が使用者の首から提げられたときの距離であって使用者の口からの音波伝搬経路の距離が第１の距離となる箇所に設けられ、使用者の音声を取得する第１の音声取得手段と、
   前記提げ紐に設けられ、前記装置本体が使用者の首から提げられたときの距離であって使用者の口からの音波伝搬経路の距離が前記第１の距離よりも小さくなる箇所に設けられ、且つ、当該装置本体が使用者の首から提げられたときの位置であって当該使用者の肩幅方向における位置が互いに異なるように設けられた複数の第２の音声取得手段と、
   前記装置本体に設けられ、前記第１の音声取得手段により取得された音声の音声信号の第１の音圧と、複数設けられた前記第２の音声取得手段の各々にて取得された音声の音声信号の音圧のうちの音圧が最も大きい音声信号の音圧である第２の音圧と、の比較結果に基づき、当該第１の音声取得手段および当該第２の音声取得手段にて取得された音声が前記使用者の発話音声か、当該使用者以外の他者の発話音声かを識別する識別部と、
   前記装置本体に設けられ、前記識別部による識別結果を含む前記音声信号に関する情報を外部装置へ送信する送信部と、
   を備える音声解析装置。
4. 前記提げ紐は、使用者の首を通すことが可能なように環状の部位を備え、当該提げ紐の当該環状の部位には、当該使用者の首の背後から使用者の右肩側を経由し吊り下げられた前記装置本体に向かう第１の部位と、当該首の背後から使用者の左肩側を経由し吊り下げられた当該装置本体に向かう第２の部位とが設けられ、
   複数設けられた前記第２の音声取得手段のうちの一の音声取得手段が、前記提げ紐の前記第１の部位および前記第２の部位のうちの一方の部位に設けられ、複数設けられた当該第２の音声取得手段のうちの他の音声取得手段が、当該第１の部位および当該第２の部位のうちの他方の部位に設けられていることを特徴とする請求項３記載の音声解析装置。
5. 前記提げ紐は、筒状の構造を有し、
   前記提げ紐に設けられた前記第２の音声取得手段の各々は、当該提げ紐の内部に設けられていることを特徴とする請求項３又は４に記載の音声解析装置。
6. 使用者に装着される端末装置と、
   前記端末装置から情報を取得するホスト装置と、
   を備え、
   前記端末装置は、
   使用者の口からの音波伝搬経路の距離が第１の距離となる箇所に設置され、当該使用者の音声を取得する第１の音声取得手段と、
   使用者の口からの音波伝搬経路の距離が前記第１の距離よりも小さくなる箇所に設置されるとともに複数設けられ、当該使用者の音声を取得する第２の音声取得手段と、
   前記第１の音声取得手段により取得された音声の音声信号の第１の音圧と、複数設けられた前記第２の音声取得手段の各々にて取得された音声の音声信号の音圧のうちの音圧が最も大きい音声信号の音圧である第２の音圧と、の比較結果に基づき、当該第１の音声取得手段および当該第２の音声取得手段にて取得された音声が前記使用者の発話音声か、当該使用者以外の他者の発話音声かを識別する識別部と、
   前記識別部による識別結果を含む音声信号に関する情報である発話情報を前記ホスト装置へ送信する送信部と、
   を備え、
   前記ホスト装置は、
   複数の前記端末装置から送信された前記発話情報を受信する受信部と、
   前記受信部にて受信された前記発話情報を、当該発話情報を送信した前記端末装置ごとに蓄積する蓄積部と、
   前記蓄積部に蓄積された前記発話情報を解析する解析部と、
   前記解析部による解析結果を出力する出力部と、
   を備えることを特徴とする、音声解析システム。
7. 前記ホスト装置の前記解析部は、前記解析の一つとして、複数の前記端末装置の各々から取得された前記発話情報を比較し、当該発話情報の各々に含まれる発話に関する時間情報に基づいて、特定の会話に参加している使用者の発話情報を識別することを特徴とする請求項６記載の音声解析システム。

Images