大規模マイクロホンアレイを用いた発話方向実時間推定

摘要

人間社会に溶け込み，役に立つロボットを実現するためには，人と同様に，音声によるスムーズなコミュニケーションが必要である．このため，ロボット上で人の聴覚と同様の機能を実現するロボット聴覚の研究が進められている．これまでの研究では，主に音源定位，音源分離，音声認識の３つ聴覚機能を中心に進められており，音源（発話者）の向き推定に関しては着目されていなかった．しかし，人·ロボット間のスムーズなコミュニケーションのためには，発話者の向きを推定する機能(発話方向推定) も重要である．図1 は，発話方向推定が必要となる例を示している．図中の女性話者はロボットではなく，別の男性に話しかけているが，発話方向推定を有さないロボットは，女性の発話をロボット自身に対する発話だと認識し，誤って反応する可能性があり，スムーズなコミュニケーションを取ることはできない．筆者らは，室壁に設置したマイクロホンアレイを用いた発話方向推定手法を提案し，高性能化·実時間化を進めてきた．本稿では，2009 年に構築した実時間発話方向推定システムを改良し，より高精度なシステムを構築したので報告する．