JP5499633B2 - 再生装置、ヘッドホン及び再生方法 - Google Patents

Description

本発明は再生装置、ヘッドホン及び再生方法に関し、例えば、ヘッドホンを装着したまま会話を行う際に適用して好適なものである。

従来、ヘッドホンに設けられたマイクロホンで外部の音を収音して、この音と逆位相の音を出力することで、外部からの音（ノイズ）を低減させるようにした所謂ノイズキャンセル機能付きの再生装置やヘッドホンが実用化されている。尚、ここでは、ノイズキャンセル機能をＮＣ機能とも呼ぶ。またマイクロホンを単にマイクとも呼ぶ。

このような再生装置やヘッドホンによれば、外部からのノイズが低減されたクリアな音質で、音楽などの再生音をユーザに聴かせることができる。

ところで、ユーザが、このようなヘッドホンを装着して音楽を聴いているときに、他人から声を掛けられて会話しようとした場合、ＮＣ機能により相手の声も外部からのノイズとして低減されてしまうため、相手の声が聴き取りにくく、会話が困難となる。

ゆえに、この場合、ユーザは、例えば、ヘッドホンを外して、会話することになる。また、外部の音を聴くことができるように、ＮＣ機能と再生音の出力とを一時的に停止するミュートボタンが設けられたヘッドホンもある。このヘッドホンによれば、ミュートボタンを押下することで、ヘッドホンを装着したまま、会話することができる。

しかしながら、ヘッドホンを一々外したり、ミュートボタンを押下することは、ユーザにとって面倒である。特に、荷物を持つなどして両手が塞がれている場合には、わざわざ荷物を置いてから、ヘッドホンを外したり、ミュートボタンを押下しなくてはならない。

したがって、このような再生装置やヘッドホンにおいて、会話時の利便性を向上させるには、ヘッドホンを装着したまま、ボタン操作を行うことなく、会話できるようにすることが望ましい。

そこで、従来、前方からの音については低減せずに出力することで、ヘッドホンを装着したまま、ボタン操作を行うことなく、前方にいる相手と会話できるようにしたヘッドホンが提案されている。例えば、特許文献１参照。
特開平２００８−１９３４２０号公報

しかしながら、上述したヘッドホンから再生音が出力されている状態で、前方にいる相手と会話すると、前方にいる相手の声の音像と再生音の音像とが重なって、相手の声が聴き取りにくくなることがある。

このような場合、ユーザは、結局のところ、ヘッドホンを外したり、再生音の出力を停止する再生停止ボタンを押下したりしなければならず、会話時の利便性が損なわれることになる。

本発明は以上の点を考慮してなされたもので、従来と比して、一段と会話時の利便性を向上させた再生装置、ヘッドホン及び再生方法を提案しようとするものである。

かかる課題を解決するため本発明の再生装置においては、コンテンツ音声を再生する再生部と、再生部により再生されたコンテンツ音声を、外部の音を収音するマイクロホンを有するヘッドホンに出力する出力部と、マイクロホンにより収音された外部の音を解析して、ヘッドホンを装着しているヘッドホン装着者の発話を検出したときに、当該ヘッドホン装着者による会話が開始されたと判別する会話検出部と、会話検出部により会話の開始が検出されると、上記再生部により再生されるコンテンツ音声の音像の定位位置を任意の位置に移動させる音像定位制御部とを設け、ヘッドホンの左右のハウジング部のそれぞれにマイクロホンが設けられ、会話検出部が、左右のハウジング部に設けられた左右のマイクロホンのそれぞれから得られた左右のマイク信号の信号レベルがほぼ等しく、且つ左右のマイク信号の信号レベルが所定の閾値以上である場合に、ヘッドホン装着者が発話していると検出するようにした。

また本発明のヘッドホンにおいては、コンテンツ音声を再生する再生部と、再生部により再生されたコンテンツ音声を出力する左右のスピーカのそれぞれと、外部の音を収音する左右のマイクロホンのそれぞれとが設けられた左右のハウジング部と、左右のマイクロホンのそれぞれにより収音された外部の音を解析して、ヘッドホンを装着しているヘッドホン装着者の発話を検出したときに、当該ヘッドホン装着者による会話が開始されたと判別する会話検出部と、会話検出部により会話の開始が検出されると、再生部により再生されるコンテンツ音声の音像の定位位置を任意の位置に移動させる音像定位制御部とを設け、会話検出部が、左右のマイクロホンのそれぞれから得られた左右のマイク信号の信号レベルがほぼ等しく、且つ左右のマイク信号の信号レベルが所定の閾値以上である場合に、ヘッドホン装着者が発話していると検出するようにした。

こうすることで、ヘッドホン装着者が、例えば前方にいる人と会話を開始すると仮定して、コンテンツ音声の音像定位をヘッドホン装着者の後方に自動的に移動させるようなことができる。この結果、相手の声の音像とコンテンツ音声の音像とが重なりあうことを防止でき、ヘッドホン装着者は、ヘッドホンを外したり、再生停止ボタンを押下したりすることなく、会話することができる。

本発明によれば、ヘッドホン装着者が、例えば前方にいる人と会話を開始すると仮定して、コンテンツ音声の音像定位をヘッドホン装着者の後方に自動的に移動させるようなことができる。この結果、相手の声の音像とコンテンツ音声の音像とが重なりあうことを防止でき、ヘッドホン装着者は、ヘッドホンを外したり、再生停止ボタンを押下したりすることなく、会話することができる。かくして、従来と比して、一段と会話時の利便性を向上させた再生装置、ヘッドホン及び再生方法を実現することができる。

本実施の形態の概要となる再生装置の構成を示すブロック図である。 本実施の形態の具体例となるヘッドホンシステムの構成を示す略線図である。 ヘッドホン及びＤＡＰの内部構成を示すブロック図である。 リスニングモードと会話モードとでの音像定位の変化を示す略線図である。 リスニングモードと会話モードの遷移タイミングを示すタイミングチャートである。 モード遷移処理手順を示すフローチャートである。 プレイヤ一体型のヘッドホンの内部構成を示すブロック図である。

以下図面について、発明を実施するための最良の形態（以下、これを実施の形態とも呼ぶ）について説明する。なお、説明は以下の順序で行う。
１．実施の形態
２．変形例

＜１．実施の形態＞
［１−１ 実施の形態の概要］
まず、実施の形態の概要を説明する。因みに、この概要を説明した後、本実施の形態の具体例の説明に移る。

図１において１は、再生装置を示す。この再生装置１は、コンテンツ音声を再生する再生部２と、再生部２により再生されたコンテンツ音声をヘッドホン３に出力する出力部４とを有する。さらに再生装置１は、ヘッドホン装着者による会話を検出する会話検出部５と、会話検出部５により会話の開始が検出されると、再生部２により再生されるコンテンツ音声の音像の定位位置を任意の位置に移動させる音像定位制御部６とを有する。

このような構成を基本構成とすることで、再生装置１は、ヘッドホン装着者が、例えば前方にいる人と会話を開始すると仮定して、コンテンツ音声の音像定位をヘッドホン装着者の後方に自動的に移動させるようなことができる。この結果、相手の声の音像とコンテンツ音声の音像とが重なりあうことを防止でき、ヘッドホン装着者に、ヘッドホンを外させたり、再生停止ボタンを押下させたりすることなく、会話させることができる。

さらに、この再生装置１においては、音像定位制御部６が、会話検出部５により会話の終了が検出されたときに、再生部２により再生されるコンテンツ音声の音像の定位位置を元の位置に移動させるようにしてもよい。

さらに、ヘッドホン３に、外部の音を収音するマイクロホン７を設けるようにしてもよい。この場合、再生装置１においては、会話検出部５が、マイクロホン７により収音された外部の音を解析して、ヘッドホン装着者の発話を検出したときに、当該ヘッドホン装着者による会話が開始されたと判別するようにする。

さらに、この再生装置１においては、会話検出部５が、マイクロホン７により収音された外部の音を解析して、ヘッドホン装着者の発話が無い状態が一定時間続いたときに、当該ヘッドホン装着者による会話が終了したと判別するようにしてもよい。

さらに、この再生装置１に、マイクロホン７により収音された外部の音と逆位相の音を、再生部２により再生されたコンテンツ音声に合成することでノイズをキャンセルするノイズキャンセル部８を設けるようにしてもよい。この場合、音像定位制御部６は、会話の開始が検出されたときに、ノイズキャンセル部８を制御して、ノイズのキャンセルをオフすると共にマイクロホン７により収音された外部の音を再生部２により再生されたコンテンツ音声に合成するようにする。

さらに、この再生装置１においては、音像定位制御部６が、会話の開始が検出されたときに、再生されるコンテンツ音声の音像の定位位置を任意の位置に移動させると共に、当該コンテンツ音声の人間の声と同周波数帯の音量を低減させるようにしてもよい。

さらに、この再生装置１に、ヘッドホン装着者と会話する相手の位置を検出する位置検出部９を設けるようにしてもよい。この場合、音像定位制御部６は、会話の開始が検出されたときに、再生されるコンテンツ音声の音像の定位位置を、位置検出部９により検出された相手の位置とは異なる位置に移動させるようにする。

さらに、ヘッドホン３に、ヘッドホン装着者の顔の動きを検出する動き検出部１０を設けるようにしてもよい。この場合、再生装置１においては、会話検出部５が、動き検出部１０により検出された顔の動きが、所定の動きとなったときに、ヘッドホン装着者による会話が開始されたと判別するようにする。

さらに、この再生装置１に、マイクロホン７により収音された音に対して、特定の位置から到達する音のみを強調させるビームフォーミング処理を施すビームフォーミング処理部１１を設けるようにしてもよい。

さらに、ヘッドホン３に、骨伝導マイクロホン１２を設けるようにしてもよい。この場合、再生装置１においては、会話検出部５が、骨伝導マイクロホン１２により収音された音を解析して、ヘッドホン装着者の発話を検出したときに、当該ヘッドホン装着者による会話が開始されたと判別するようにする。

さらに、ヘッドホン３に、ヘッドホン装着者の前方を撮影するカメラ１３を設けるようにしてもよい。この場合、再生装置１においては、会話検出部５が、カメラ１３で撮影された画像から人物を検出する人物検出処理を行い、当該人物検出処理の結果、人物が検出されなくなったときに、会話が終了したと判別するようにする。

さらに、この再生装置１においては、音像定位制御部６が、ノイズキャンセル部８を制御して、マイクロホン７により収音された外部の音を、再生されたコンテンツ音声に合成するときに、当該マイクロホン７により収音された外部の音の、所定の周波数帯の音量を増加させるようにしてもよい。

尚、図１には、ノイズキャンセル部８、位置検出部９及びビームフォーミング処理部１１の全てが設けられた再生装置１を示しているが、上述したように、これらは、適宜、再生装置１に設けられるものであり、必ずしも全てが設けられているわけではない。

また、図１には、マイクロホン７、動き検出部１０、骨伝導マイクロホン１２及びカメラ部１３の全てが設けられたヘッドホン３を示しているが、これらも、適宜、ヘッドホン３に設けられるものであり、必ずしも全てが設けられているわけではない。

また、ここでは、本実施の形態の概要として、ヘッドホン３とは別体の再生装置１について説明したが、再生装置１の基本構成をヘッドホン３に設けるようにしてもよい。この場合、このヘッドホン３単体でも、同様の効果を得ることができる。さらに、再生装置１の一部（例えばノイズキャンセル部８）を、ヘッドホン３側に設けるなどしてもよい。

［１−２．実施の形態の具体例］
［１−２−１．ヘッドホンシステムの構成］
次に、本実施の形態の具体例を説明する。図２において１００は、ＮＣ機能付きのヘッドホンシステムを示す。このヘッドホンシステム１００は、ヘッドホン１０１と、デジタルオーディオプレイヤ（これをＤＡＰとも呼ぶ）１０２とで構成され、ヘッドホン１０１と、ＤＡＰ１０２とが無線接続されるようになっている。

ＤＡＰ１０２は、大容量のフラッシュメモリを搭載しており、このフラッシュメモリに格納されている音楽データをデコードして、この結果得られるデジタル音声信号を、ヘッドホン１０１に送信する。ヘッドホン１０１は、ＤＡＰ１０２からデジタル音声信号を受信して、このデジタル音声信号に基づく音声（すなわち音楽）を出力する。

またヘッドホン１０１には、左右のハウジング部１０１Ｌ及び１０１Ｒのそれぞれに、外部の音を収音するマイクＭｃＬ及びＭｃＲが設けられている。ヘッドホン１０１は、このマイクＭｃＬ及びＭｃＲにより収音した音をデジタル処理することで逆位相の音を生成して、これをＤＡＰ１０２から受信したデジタル音声信号にミキシング（合成）することで、外部からの音（ノイズ）を低減させる。

こうすることで、このヘッドホンシステム１００では、外部からのノイズが低減されたクリアな音質で、音楽をヘッドホン装着者（すなわちユーザ）に聴かせることができるようになっている。

尚、ヘッドホン１０１とＤＡＰ１０２は、ペアリングにより、互いを通信相手と認識した状態で、通信するようになっている。

［１−２−２．ヘッドホン及びＤＡＰの内部構成］
次に、ヘッドホン１０１及びＤＡＰ１０２の内部構成について説明する。ＤＡＰ１０２は、ＣＰＵ、ＲＯＭ、ＲＡＭなどで構成されるシステム制御部１１０が全体を統括的に制御するようになっている。

具体的に、システム制御部１１０は、例えば、操作部１１１からの入力信号をもとにユーザにより再生操作が行われたことを認識すると、フラッシュメモリ１１２から音楽データを読み出して、再生部１１３に送る。またこのときシステム制御部１１０は、読み出した音楽データから、曲タイトルやアーティスト名などの情報を取得して、これを表示部１１４に表示させる。

再生部１１３は、システム制御部１１０の制御のもと、フラッシュメモリ１１２から読み出された音楽データをデコードすることで、デジタル音声信号を得、これを音量・音像定位制御部１１５に送る。

音量・音像定位制御部１１５は、システム制御部１１０の制御のもと、再生部１１３によりデコードされたデジタル音声信号に対して、周波数帯ごとに音量を調整するイコライジング処理や、音像の定位位置を設定する音像定位処理を施すようになっている。

また、この音量・音像定位制御部１１５は、ヘッドホン装着者が音楽を聴くときに適したリスニングモードと、会話するときに適した会話モードのどちらかで動作する。

通常、音量・音像定位制御部１１５は、リスニングモードで動作する。このとき音量・音像定位制御部１１５は、再生部１１３から送られてくるデジタル音声信号に対して、音像の定位位置がヘッドホン装着者の前方に位置するように音像定位処理を施した後、このデジタル音声信号を、ＲＦ送信部１１６に送る。

尚、再生部１１３から送られてくるデジタル音声信号は、左チャンネル用の音声信号と、右チャンネル用の音声信号とでなり、音量・音像定位制御部１１５は、各々に対して、音像定位処理を施した後、ＲＦ送信部１１６に送るようになっている。

ＲＦ送信部１１６は、音量・音像定位制御部１１５から送られてきたデジタル音声信号をＲＦ信号に変換して出力する。

ヘッドホン１０１のＲＦ受信部１２０は、ＤＡＰ１０２のＲＦ送信部１１６から出力されたＲＦ信号を受信すると、これをデジタル音声信号に変換する。このデジタル音声信号は、デジタルミキサー部１２１を介して、ＤＡＣ（Ｄ／Ａコンバータ）１２２に送られ、アナログ音声信号に変換される。

このアナログ音声信号は、ヘッドホンアンプ１２３で増幅され、左右のスピーカＳｐＬ及びＳｐＲから音声（すなわち音楽）として出力される。このとき、上述した音像定位処理により、ヘッドホン装着者は、図４（Ａ）に示すように、あたかも前方に設置された実在しない左右のスピーカから音楽が出力されているように聴こえる。

またこのときヘッドホン１０１のマイクＭｃＬ及びＭｃＲにより収音された外部の音が、アナログ音声信号（これをマイク信号とも呼ぶ）としてマイクアンプ１２４で増幅された後、ＡＤＣ（Ａ／Ｄコンバータ）１２５に送られ、デジタル音声信号に変換される。

このデジタル音声信号は、デジタルミキサー部１２１と、ＲＦ送信部１２６に送られる。デジタルミキサー部１２１は、このデジタル音声信号に対して所定のデジタル処理を施すことにより、マイクＭｃＬ及びＭｃＲにより収音した音と逆位相の音となるデジタル音声信号を生成して、これをＤＡＰ１０２から受信したデジタル音声信号にミキシングする。

この結果、スピーカＳｐＬ及びＳｐＲから出力される音声にノイズキャンセル効果が付与されることになり、ヘッドホン装着者に、外部からのノイズが低減されたクリアな音質で、音楽を聴かせることができる。

またＲＦ送信部１２６は、ＡＤＣ１２５により変換されたデジタル音声信号をＲＦ信号に変換して出力する。

ＤＡＰ１０２のＲＦ受信部１１７は、ヘッドホン１０１のＲＦ送信部１２６から出力されたＲＦ信号を受信すると、これをデジタル音声信号に変換する。このデジタル音声信号は、ＤＡＣ１１８に送られ、アナログ音声信号（すなわちマイク信号）に変換された後、マイク信号解析処理部１１９に送られる。

マイク信号解析処理部１１９は、マイク信号に対する解析処理を行うことで、ヘッドホン装着者が会話を開始したか否かを検出するようになっている。尚、このマイク信号は、左側のマイクＭｃＬで収音された音のマイク信号と、右側のマイクＭｃＲで収音された音のマイク信号とでなり、マイク信号解析処理部１１９は、各々に対して、解析処理を行うようになっている。

そして、マイク信号解析処理部１１９は、ヘッドホン装置者が会話を開始したことを検出すると、この旨を、音量・音像定位制御部１１５に通知する。尚、会話を開始したことを検出する方法については、後述する。

音量・音像定位制御部１１５は、ヘッドホン装着者が会話を開始した旨の通知を受けると、ヘッドホン装着者の状態が、音楽を聴いている状態（これをリスニング状態とも呼ぶ）から、会話する状態（これを会話状態とも呼ぶ）に移行したと認識する。

すると、音量・音像定位制御部１１５は、リスニングモードから会話モードに遷移して、再生部１１３から送られてくるデジタル音声信号と共に、ＮＣ機能をオフする制御信号をＲＦ送信部１１６に送る。この制御信号は、ＲＦ送信部１１６によりデジタル音声信号と共に出力されて、ヘッドホン１０１のＲＦ受信部１２０により受信され、デジタルミキサー部１２１に送られる。

デジタルミキサー部１２１は、この制御信号に基づいて、ＮＣ機能をオフする。具体的に、デジタルミキサー部１２１は、マイクＭｃＬ及びＭｃＲにより収音した音のデジタル音声信号を位相反転せずに、ＤＡＰ１０２から受信したデジタル音声信号にミキシングする。

この結果、ヘッドホン１０１の左右のスピーカＳｐＬ及びＳｐＲからは、ヘッドホン装置者と会話する相手の声と、再生中の音楽とが、出力されることになる。

ところで、ヘッドホン装置者と会話する相手は、通常、互いに顔を見て話すため、ヘッドホン装置者の正面にいる。ゆえに、マイクＭｃＬ及びＭｃＲにより収音され、スピーカＳｐＬ及びＳｐＲから出力される相手の声は、ヘッドホン装置者の前方から聴こえることになる。

ここで、再生中の音楽の音像が、ヘッドホン装置者の前方に位置していると、再生中の音楽の音像と、相手の声の音像とが混ざり、相手の声が聴き取りにくくなってしまう。

そこで、このヘッドホンシステム１００では、会話する相手の声の音像と、再生中の音楽の音像とが混ざらないように、会話時には、再生中の音楽の音像の定位位置を、ヘッドホン装置者の後方に移動させるようになっている。

具体的に、音量・音像定位制御部１１５は、会話モードに遷移すると、再生部１１３から順次送られてくるデジタル音声信号に対して、音像の定位位置がヘッドホン装着者の前方から後方に移動するように音像定位処理を施す。

このように音像定位処理が施されたデジタル音声信号は、ＲＦ送信部１１６から出力されて、ヘッドホン１０１のＲＦ受信部１２０により受信され、ヘッドホン１０１の左右のスピーカＳｐＬ及びＳｐＲから音声（音楽）として出力される。このとき、ヘッドホン装置者は、図４（Ｂ）に示すように、あたかも前方に設置されていた左右のスピーカが後方に移動して、後方のスピーカから音楽が出力されているように聴こえる。

こうすることで、ヘッドホンシステム１００では、会話する相手の声の音像と、再生中の音楽の音像とが重なることを回避して、相手の声が聴き取りにくくなってしまうことを防ぐことができる。この結果、ヘッドホンシステム１００では、ヘッドホン装置者が、ヘッドホン１０１を装置したまま、再生中の音楽を停止するなどの操作を行うことなく、前方にいる相手と会話することができる。

その後、マイク信号解析処理部１１９は、マイク信号に対する解析処理により、ヘッドホン装着者が会話を終了したことを検出すると、この旨を、音量・音像定位制御部１１５に通知する。尚、会話を終了したことを検出する方法についても、後述する。

音量・音像定位制御部１１５は、ヘッドホン装着者が会話を終了した旨の通知を受けると、ヘッドホン装着者の状態が、会話状態からリスニング状態に移行したと認識する。

すると、音量・音像定位制御部１１５は、再びリスニングモードに移行して、再生部１１３から送られてくるデジタル音声信号と共に、ＮＣ機能をオンする制御信号をＲＦ送信部１１６に送る。

この制御信号は、ＲＦ送信部１１６によりデジタル音声信号と共に出力されて、ヘッドホン１０１のＲＦ受信部１２０により受信され、デジタルミキサー部１２１に送られる。デジタルミキサー部１２１は、この制御信号に基づいて、ＮＣ機能をオンする。

この結果、ヘッドホン１０１のスピーカＳｐＬ及びＳｐＲから出力される音声に再びノイズキャンセル効果が付与されることになり、ヘッドホン装着者に、外部からのノイズが低減されたクリアな音質で、音楽を聴かせることができる。

またこのとき音量・音像定位制御部１１５は、再生部１１３から送られてくるデジタル音声信号に対して、音像の定位位置がヘッドホン装着者の後方から前方に移動するように音像定位処理を施す。

このように音像定位処理が施されたデジタル音声信号は、ＲＦ送信部１１６から出力されて、ヘッドホン１０１のＲＦ受信部１２０により受信され、ヘッドホン１０１の左右のスピーカＳｐＬ及びＳｐＲから音声（音楽）として出力される。このとき、ヘッドホン装置者は、図４（Ｃ）に示すように、あたかも後方に設置されていた左右のスピーカが前方に移動して、前方のスピーカから音楽が出力されているように聴こえる。

このように、ヘッドホンシステム１００では、ヘッドホン装着者による会話が終了すると、自動的に、会話モードからリスニングモードに戻るようになっている。

すなわち、このヘッドホンシステム１００では、ヘッドホン装着者の状態（会話状態又はリスニング状態）を自動的に判別して、判別した状態に適したモードに自動的に遷移する。こうすることで、ヘッドホンシステム１００では、ヘッドホン装着者がヘッドホン１０１を装着したまま、モードを切り替える操作を行うことなく、音楽を聴いたり、会話したりすることができる。

因みに、本実施の形態の概要で説明した再生装置１の具体例が、ＤＡＰ１０２であり、ヘッドホン３の具体例が、ヘッドホン１０１である。また。概要で説明した再生装置１の再生部２の具体例が、ＤＡＰ１０２の再生部１１３である。また再生装置１の出力部４の具体例が、ＤＡＰ１０２のＲＦ送信部１１６である。さらに再生装置１の会話検出部５の具体例が、ＤＡＰ１０２のマイク信号解析処理部１１９である。さらに再生装置１の音像定位制御部６の具体例が、ＤＡＰ１０２の音量・音像定位制御部１１５である。さらに概要で説明したヘッドホン３のマイクロホン７の具体例が、ヘッドホン１０１のマイクＭｃＬ及びＭｃＲである。

［１−２−３．ヘッドホン装着者が会話を開始した旨及び終了した旨の検出と、モードの遷移タイミング］
ここで、ヘッドホンシステム１００における、ヘッドホン装着者が会話を開始した旨及び終了した旨の検出と、モードの遷移タイミングについて、詳しく説明する。

マイク信号解析処理部１１９は、マイク信号に対して、ヘッドホン装着者が発話しているか否かを判別する為の解析処理を常時行うようになっている。具体的には、左右のマイク信号の信号レベルを監視して、左右の信号レベルがほぼ等しく、且つ左右の信号レベルが所定の閾値以上である場合に、ヘッドホン装着者が発話していると判別する。この判別方法は、ヘッドホン装着者の口が、マイクＭｃＬ及びＭｃＲの各々から等距離で且つ最も近傍に位置する音源であり、ヘッドホン装着者が発話しているときに、左右のマイク信号の信号レベルがほぼ等しく且つ高くなるという考え方に基づくものである。

実際、マイク信号解析処理部１１９は、リスニングモード時に、ヘッドホン装着者が発話していると判別した時点で、このときヘッドホン装着者が会話を開始したと判別する。

そしてこのときマイク信号解析処理部１１９は、ヘッドホン装着者が会話を開始した旨を、音量・音像定位制御部１１５に通知する。すると、音量・音像定位制御部１１５は、リスニングモードから、会話モードに遷移する。

その後も、マイク信号解析処理部１１９は、解析処理を継続する。すなわち、左右のマイク信号の信号レベルを監視し続ける。そして左右の信号レベルが所定の閾値未満である時間、すなわちヘッドホン装着者が発話していない時間が一定時間（例えば数秒）続いた時点で、このときヘッドホン装着者が会話を終了したと判別する。

そしてこのときマイク信号解析処理部１１９は、ヘッドホン装着者が会話を終了した旨を、音量・音像定位制御部１１５に通知する。すると、音量・音像定位制御部１１５は、会話モードからら、再びリスニングモードに遷移する。

このようにヘッドホンシステム１００では、ヘッドホン装着者の発話をもとに、ヘッドホン装着者が会話を開始した旨及び終了した旨を検出して、自動的にモードを遷移させるようになっている。

さらに、モードの遷移タイミングの具体的な例を、図５のタイミングチャートに示す。まずヘッドホンシステム１００がリスニングモードで動作していて、ヘッドホン装着者がヘッドホン１０１から出力される音楽を聴いているとする。

ここで、時点ｔ１において、ヘッドホン装着者の前方にいる相手からヘッドホン装着者に対して『＊＊さん！』と声が掛けられたとする。

この声を聞いたヘッドホン装着者が、時点ｔ２において、『はい！』と返事をしたとする。尚、このとき、ヘッドホンシステム１００では、ＮＣ機能がオンになっているが、外部からの音が完全にキャンセルされるわけではなく、ある程度はヘッドホン装着者に聴こえるようになっている。

この時点ｔ２において、左右のマイク信号の信号レベルがほぼ等しく且つ所定の閾値以上となり、このことから、マイク信号解析処理部１１９は、ヘッドホン装着者が発話を開始したと判別して、この旨を音量・音像定位制御部１１５に通知する。

すると、音量・音像定位制御部１１５は、時点ｔ３において、リスニングモードから会話モードへの切り替えを行う。このとき音量・音像定位制御部１１５は、再生音（音楽）の音像の定位位置が、時点ｔ３からｔ４までの一定時間（例えば数秒）で、ヘッドホン装着者の前方から後方に連続的に移動するように音像定位処理を施す。

このように、音量・音像定位制御部１１５は、再生音の音像の定位位置を、ヘッドホン装着者の前方から後方に連続的に移動させるようになっている。こうすることで、リスニングモードから会話モードへ遷移した旨を、より自然な感覚で、ヘッドホン装着者に認識させることができる。

これ以降、ヘッドホン装着者と相手との間で会話が継続されたとする。そして、時点ｔ５において、ヘッドホン装着者が発話し終えた後、発話の無い状態が一定時間続いたとする。

すると、この時点ｔ６において、マイク信号の信号レベルが所定の閾値未満である時間が一定時間続いたことになり、このことから、マイク信号解析処理部１１９は、ヘッドホン装着者が発話を終了したと判別して、この旨を音量・音像定位制御部１１５に通知する。

すると、音量・音像定位制御部１１５は、時点ｔ６において、リスニングモードから会話モードへの切り替えを行う。このとき音量・音像定位制御部１１５は、再生音の音像の定位位置が、時点ｔ６からｔ７までの一定時間（例えば数秒）で、ヘッドホン装着者の後方から前方に連続的に移動するように音像定位処理を施す。

この場合も、再生音の音像の定位位置を、ヘッドホン装着者の後方から前方に連続的に移動させることで、会話モードからリスニングモードへ遷移した旨を、より自然な感覚で、ヘッドホン装着者に認識させることができる。

このようにして、ヘッドホンシステム１００では、モードをリスニングモードから会話モードへ、そしてまたリスニングモードへと遷移させるようになっている。

尚、音像の定位位置を任意の位置に移動させる方法については、特開２００９−４４２６３号公報などにも開示されているように、広く知られている。具体的には、例えば、デジタル音声信号を、左チャンネル用の音像定位フィルタと、右チャンネル用の音像定位フィルタとを有する音像定位処理回路（図示せず）に入力する。この音像定位処理回路は、これら左チャンネル用と右チャンネル用の音像定位フィルタにより、デジタル音声信号に畳み込み演算処理を行うことで、左チャンネル用の音声信号と、右チャンネル用の音声信号とを生成する。

このとき、音像定位処理回路は、所望の定位位置に応じた頭部伝達関数により左チャンネル用と右チャンネル用の音像定位フィルタの係数値を変更することで、デジタル音声信号に基づく音声の音像を、所望の定位位置に位置させることができる。

したがって、音量・音像定位制御部１１５には、このような音像定位処理回路が設けられ、この回路により上述した音像定位処理を行うことで、再生音の音像の定位位置を任意の位置に移動させることができるようになっている。

［１−２−４．モード遷移処理手順］
次に、図６に示すフローチャートを用いて、上述したモード遷移時の処理手順（これをモード遷移処理手順とも呼ぶ）ＲＴ１について説明する。

尚、このモード遷移処理手順ＲＴ１は、システム制御部１１０が、ＲＯＭに格納されているプログラムにしたがって、各部を制御して実行する処理手順である。

ここでは、まず音量・音像定位制御部１１５が、システム制御部１１０の制御のもと、ユーザによる再生操作に応じて、リスニングモードで動作しているとする。

このときマイク信号解析処理部１１９は、システム制御部１１０の制御のもと、遷移処理手順ＲＴ１のステップＳＰ１において、ヘッドホン装着者の発話を検出するまで待ち受ける。そしてヘッドホン装着者の発話を検出すると、マイク信号解析処理部１１９は、ヘッドホン装着者が会話を開始したと判別して、この旨を音量・音像定位制御部１１５に通知する。

音量・音像定位制御部１１５は、ヘッドホン装着者が会話を開始した旨の通知を受けると、ステップＳＰ２において、リスニングモードから会話モードに遷移する。

さらに、マイク信号解析処理部１１９は、ステップＳＰ３において、ヘッドホン装着者の発話の無い状態が一定時間続くまで待ち受ける。そしてヘッドホン装着者の発話のない状態が一定時間続くと、マイク信号解析処理部１１９は、ヘッドホン装着者が会話を終了したと判別して、この旨を音量・音像定位制御部１１５に通知する。

音量・音像定位制御部１１５は、ヘッドホン装着者が会話を終了した旨の通知を受けると、ステップＳＰ４において、会話モードから再びリスニングモードに遷移する。

その後、マイク信号解析処理部１１９は、再びステップＳＰ１において、ヘッドホン装着者の発話を検出するまで待ち受ける。

ヘッドホンシステム１００では、このようなモード遷移処理手順ＲＴ１にしたがって、モードを遷移させるようになっている。

［１−２−５．動作及び効果］
以上の構成において、ヘッドホンシステム１００は、ヘッドホン装着者により、音楽を再生する再生操作が行われると、ヘッドホン装着者に音楽を聞かせるのに適したリスニングモードで動作する。

このとき、ヘッドホンシステム１００は、ＮＣ機能をオンすると共に、音量・音像定位制御部１１５による音像定位処理により、再生音（すなわち音楽）の音像の定位位置を、ヘッドホン装着者の前方に位置させる。

これにより、ヘッドホンシステム１００は、このリスニングモード時において、ヘッドホン装着者に、あたかも前方に設置された図示しないスピーカから聴こえてくるような感覚で、クリアな音質の音楽を聴かせることができる。

さらに、このリスニングモード時において、ヘッドホンシステム１００は、ＮＣ用のマイクＭｃＬ及びＭｃＲにより収音した外部の音を解析することにより、ヘッドホン装着者が会話を開始したか否かを検出する。そして、ヘッドホン装着者が会話を開始したことを検出すると、ヘッドホンシステム１００は、リスニングモードから、ヘッドホン装着者が会話するのに適した会話モードに自動的に遷移する。

このとき、ヘッドホンシステム１００は、ＮＣ機能をオフして、ＮＣ用のマイクＭｃＬ及びＭｃＲにより収音した外部の音（すなわち相手の声と自分の声）と、再生音とをヘッドホン１０１から出力する。またこのときヘッドホンシステム１００は、音量・音像定位制御部１１５による音像定位処理により、再生音の音像の定位位置を、ヘッドホン装着者の後方に移動させる。

これにより、ヘッドホンシステム１００は、この会話モード時において、ヘッドホン１０１から出力される、ヘッドホン装着者の前方にいる相手の声の音像と、再生音の音像とが混ざって、相手の声が聴き取りにくくなってしまうことを回避することができる。

かくして、このヘッドホンシステム１００では、リスニングモードから会話モードに自動的に遷移して、ヘッドホン装着者に、ヘッドホン１０１を外させたり、再生音を停止するなどの操作を行わせることなく、前方にいる相手と会話させることができる。

さらに会話モード時において、ヘッドホンシステム１００は、ＮＣ用のマイクＭｃＬ及びＭｃＲにより収音した外部の音を解析することにより、ヘッドホン装着者が会話を終了したか否かを検出する。そして、ヘッドホン装着者が会話を終了したことを検出すると、ヘッドホンシステム１００は、再び会話モードから、リスニングモードに遷移する。

このように、ヘッドホンシステム１００では、ヘッドホン装着者の状態（会話状態又はリスニング状態）を自動的に判別して、判別した状態に適したモードに自動的に遷移する。これにより、このヘッドホンシステム１００では、ヘッドホン装着者が、ヘッドホン１０１を装着したまま、モードを切り替える操作を行うことなく、音楽を聴いたり、会話したりすることができる。

以上の構成によれば、ヘッドホンシステム１００は、ヘッドホン装着者が会話を開始した旨を検出すると、再生音の音像の定位位置をヘッドホン装着者の後方に移動させることで、相手の声の音像と、再生音の音像とが重なりあって相手の声が聴き取りにくくなることを回避できる。これにより、ヘッドホンシステム１００は、ヘッドホン装着者に、ヘッドホン１０１を装着させたまま、再生音を停止するなどの操作を行わせることなく、前方にいる相手と会話させることができる。

＜２．他の実施の形態＞
［２−１．他の実施の形態１］
尚、上述した実施の形態では、音量・音像定位制御部１１５が、会話モードに遷移すると、再生音の音像の定位位置を、ヘッドホン装着者の後方に移動させるようにした。

このとき、会話する相手の声と同周波数帯となる、再生音のボーカル部分の音量を低減させるようにしてもよい。この場合、音量・音像定位制御部１１５が、デジタル音声信号に対して、ボーカル部分に該当する周波数帯の音量を低減させる音量調整処理を施す。

このようにすれば、再生音のボーカル部分の音量が低減され、結果として、ヘッドホン装着者に対して、会話する相手の声をより明瞭に聴かせることができる。

またこれに限らず、再生音の音像の定位位置を、ヘッドホン装着者の後方ではなく、例えば、頭上に移動させるようにしてもよい。このとき、会話する相手の声の妨げにならないように、再生音の音像の定位位置を、ヘッドホン装着者から離した位置に移動させる。こうすることで、ヘッドホン装着者に、再生音をＢＧＭのように聴かせながら、会話させるようなことができる。

さらにこれに限らず、例えば、マイク信号（すなわちマイクＭｃＬ及びＭｃＲにより収音した音）の信号レベルに応じて、ヘッドホン装着者から再生音の音像の定位位置までの距離を変えるようにしてもよい。

実際、マイク信号の信号レベルが大きいときには、ヘッドホン装着者が大きな声で発話していると考えられる。この場合、会話する相手との距離が遠く、ヘッドホン装着者には、相手の声が小さく聴こえると推定できる。ゆえに、この場合には、再生音の音像の定位位置を、ヘッドホン装着者から遠ざけることで、再生音の音量を小さくする。こうすることで、ヘッドホン装着者は、会話する相手との距離が遠くても、相手の声を十分聴きとることができる。

［２−２．他の実施の形態２］
また、上述した実施の形態では、ヘッドホン装着者と会話する相手が、ヘッドホン装着者の前方にいると仮定して、相手の声の音像と、再生音の音像とが重ならないように、再生音の音像の定位位置を、ヘッドホン装着者の後方に移動させるようにした。

これに限らず、ヘッドホン装着者から見た相手の位置を特定し、ヘッドホン装着者を中心として、相手の位置と対向する位置に、再生音の音像の定位位置を移動させるようにしてもよい。

ここで、ヘッドホン装着者から見た相手の位置を特定するには、ビームフォーミングの技術を利用すればよい。

ビームフォーミングの技術については、特開２００８−１９３４２０号公報などにも開示されているように、広く知られている。簡単に説明すると、音源から発せられた音を、複数のマイクの各々により収音する。さらに複数のマイクにより収音された音の音声信号を遅延させて合成することにより、合成信号を生成する。このとき、位置ごとに用意された遅延時間をもとに、遅延時間を変えながら、合成信号の信号レベルを検出する。そして、信号レベルが最も大きくなったときの遅延時間に対応する位置を音源の位置とする。

このような技術を用いて、マイク信号解析処理部１１９が、音源の位置、すなわち会話する相手の位置を特定するようにすればよい。

そしてこのマイク信号解析処理部１１９が、相手の位置を音量・音像定位制御部１１５に通知するようにする。音量・音像定位制御部１１５は、相手の位置が通知されると、ヘッドホン装着者を中心として、相手の位置と対向する位置に、再生音の音像の定位位置を移動させる。

このようにすれば、相手の位置がヘッドホン装着者の正面からずれていても、相手の声の音像の定位位置と、再生音の音像の定位位置とを、確実に分離することができる。因みに、このときのマイク信号解析処理部１１９が、図１を用いて説明した、再生装置１の位置検出部９の具体例である。

またここでは、ヘッドホン装着者を中心として、相手の位置と対向する位置に、再生音の音像の定位位置を移動させるようにしたが、これに限らず、要は、再生音の音像と、相手の声の音像とが重ならないように、再生音の音像の定位位置を移動させればよい。

尚、ヘッドホン装着者の前方にある音源の位置を特定する場合には、ビームフォーミングに使用するマイクの数が２個でも問題ないが、より広範囲に位置を特定したり、より高精度に位置を特定したりする必要がある場合には、マイクの数を３個以上にすればよい。

またここでは位置を特定したが、方向さえ特定できれば、ヘッドホン装着者を中心として、会話する相手の方向とは異なる方向に、再生音の音像の定位位置を移動させることで、同様の効果を得ることができる。

また一方で、このビームフォーミングの技術を利用することにより、マイクＭｃＬ及びマイクＭｃＲにより収音した外部の音について、特定の方向から到達する音声のみ、すなわち会話する相手の声のみを強調するようなこともできる。

この場合、マイク信号解析処理部１１９は、会話する相手の位置を特定（前方と仮定してもよい）すると、会話する相手の声のみが強調されるように、マイクＭｃＬ及びＭｃＲにより収音された音の音声信号に対する遅延時間を設定する。さらにマイク信号解析処理部１１９は、この遅延時間を、音量・音像定位制御部１１５に通知する。音量・音像定位制御部１１５は、この遅延時間を示す制御信号をＲＦ送信部１１６に送る。

この制御信号は、ヘッドホン１０１のデジタルミキサー部１２１に送られる。デジタルミキサー部１２１は、この制御信号が示す遅延時間をもとに、マイクＭｃＬ及びＭｃＲにより収音した音のデジタル音声信号に対して、会話する相手の声のみが強調されるようにビームフォーミング処理を施す。

この結果、ヘッドホン１０１のスピーカＳｐＬ及びＳｐＲからは、外部から収音された音声として、相手の声のみが強調された音声が出力される。

このようなビームフォーミングと、上述した音像定位の移動を併用することで、相手の声の音像と、再生音の音像とが重なりあうことを回避できると共に、ヘッドホン装着者に、会話する相手の声をより明瞭に聴かせることができる。

［２−３．他の実施の形態３］
さらに上述した実施の形態では、ＮＣ用のマイクＭｃＬ及びＭｃＲにより収音した外部の音を解析し、ヘッドホン装着者の発話を検出したことに応じて、ヘッドホン装着者が会話を開始したと判別するようにした。

これに限らず、この他種々の方法で、ヘッドホン装着者が会話を開始した旨を検出するようにしてもよい。

例えば、ヘッドホン装着者の顔が音源（すなわち会話する相手）の方へ向く動作を検出したときに、ヘッドホン装着者が会話を開始したと判別するようにしてもよい。

この場合、例えば、ビームフォーミングの技術を利用する。具体的には、マイク信号解析処理部１１９が、マイク信号を解析することで、信号レベルが所定の閾値以上である音源の位置（すなわち会話する相手の位置）の変位を検出するようにする。そして、ヘッドホン装着者の顔が相手の方へ向くことに応じて、この音源が、或る位置からヘッドホン装着者の正面に所定時間内で移動したことを検出すると、マイク信号解析処理部１１９が、ヘッドホン装着者が会話を開始すると判別するようにすればよい。

また、例えば、ヘッドホン１０１に、ヘッドホン装着者の顔の動きを検出する為の加速度センサを設け、この加速度センサから得られる顔の動きと、上述した音源の位置の変位とで、ヘッドホン装着者が会話を開始するか否かを判別するようにしてもよい。因みに、この加速度センサが、図１を用いて説明した、ヘッドホン３の動き検出部１０の具体例である。

この場合、加速度センサからの出力信号が、マイク信号解析処理部１１９に入力されるようにする。そしてマイク信号解析処理部１１９が、音源がヘッドホン装着者の正面に所定時間内に移動し、このときヘッドホン装着者の顔が左右に動いたことを検出すると、このときヘッドホン装着者が会話を開始すると判別するようにすればよい。

さらにこれに限らず、ヘッドホン装着者が音源（すなわち会話する相手）の位置を探すときの、顔を左右に振る動作を検出したときに、ヘッドホン装着者が会話を開始したと判別するようにしてもよい。

さらにこれに限らず、ヘッドホン装着者が相手から声を掛けられてうなずくときの、顔を上下に振る動作を検出したときに、ヘッドホン装着者が会話を開始したと判別するようにしてもよい。

これらの場合も、ヘッドホン１０１に設けた加速度センサからの出力信号を、マイク信号解析処理部１１９が解析して、顔の動きを検出するようにすればよい。

さらにこれに限らず、ヘッドホン１０１に骨伝導マイクを設け、この骨伝導マイクにより収音した音から、ヘッドホン装着者の発話（相槌なども可）を検出したときに、ヘッドホン装着者が会話を開始したと判別するようにしてもよい。骨伝導マイクを使えば、ヘッドホン装着者の発話をより確実に検出することができる。

さらにこれに限らず、マイク信号の信号レベルが所定の閾値以上で、且つマイク信号から「はい」、「こんにちは」、「××です」などの、会話を開始するときによく使われる言葉を検出したときに、ヘッドホン装着者が会話を開始したと判別するようにしてもよい。

またこの場合、ヘッドホン装着者の発話に限らず、「××さん」、「こんにちは」などの、相手の発話を検出して、ヘッドホン装着者が会話を開始したと判別するようにしてもよい。

さらに上述した実施の形態では、マイク信号を監視して、左右の信号レベルがほぼ等しく、且つ信号レベルが所定の閾値以上である場合に、ヘッドホン装着者が会話を開始したと判別するようにした。ここで、さらに、判別の条件に、マイク信号に人間の声の成分が含まれているか否かをくわえるようにしてもよい。このようにすれば、より高精度に、ヘッドホン装着者が会話を開始したことを判別することができる。

さらに、ヘッドホン装着者による会話の開始を、より正確に判別する為に、上述した種々の判別方法を併用するようにしてもよい。例えば、相手の発話を検出すると共に、ヘッドホン装着者の顔が左右に動いたことを検出したときに、ヘッドホン装着者が会話を開始すると判別するようにしてもよい。

［２−４．他の実施の形態４］
さらに上述した実施の形態では、ＮＣ用のマイクＭｃＬ及びＭｃＲにより収音した外部の音を解析し、ヘッドホン装着者の発話の無い状態が一定時間続いたことを検出した時点で、ヘッドホン装着者が会話を終了したと判別するようにした。

これに限らず、この他種々の方法で、ヘッドホン装着者が会話を終了した旨を検出するようにしてもよい。

例えば、ヘッドホン装着者の前方から人がいなくなったことを検出したときに、ヘッドホン装着者が会話を終了したと判別するようにしてもよい。

この場合、例えば、ヘッドホン１０１に、ヘッドホン装着者の前方を撮影するカメラを設け、このカメラで撮影した画像に対して、ＤＡＰ１０２のシステム制御部１１０が、人物検出処理を行うようにする。そしてこの人物検出処理の結果をマイク信号解析処理部１１９に通知する。そしてマイク信号解析処理部１１９が、通知された検出結果に基づき、人物が検出されなくなったときに、ヘッドホン装着者が会話を終了したと判別するようにすればよい。

また、カメラの代わりに、例えば、ヘッドホン装着者の前方に人物がいるか否かを検出する為の人感センサなどを設けるようにしてもよい。

さらに、ヘッドホン装着者に代えて、相手が発話していない時間が一定時間続いたときに、ヘッドホン装着者が会話を終了したと判別するようにしてもよい。

この場合、上述したビームフォーミングの技術を利用して、マイクＭｃＬ及びマイクＭｃＲにより収音した外部の音について、例えば前方から到達する音声（すなわち相手の声）のみ強調するようにする。この結果、相手の声のみが強調されたマイク信号が得られることになる。

そして、このマイク信号の信号レベルが所定の閾値未満である時間、すなわち相手が発話していない時間が一定時間続いたときに、ヘッドホン装着者が会話を終了したと判別するようにする。

［２−５．他の実施の形態５］
さらに上述した実施の形態では、リスニングモード時に、再生音の音像の定位位置が、ヘッドホン装着者の前方に位置するように、再生部１１３によりデコードされたデジタル音声信号に対して、音像定位処理を施すようにした。

これに限らず、リスニングモード時は、音像定位処理を施さずに、再生音をそのまま出力するようにしてもよい。

［２−６．他の実施の形態６］
さらに上述した実施の形態では、会話モード時に、マイクＭｃＬ及びＭｃＲにより収音した外部の音を、再生音と共にヘッドホン１０１のスピーカＳｐＬ及びＳｐＲから出力するようにした。

ここで、収音した外部の音については、人間（特に御年寄り）にとって聴きとりにくい周波数帯（例えば高周波の周波数帯）の音量をアップして出力するようにしてもよい。

この場合、デジタルミキサー部１２１で、マイクＭｃＬ及びＭｃＲにより収音した音のデジタル音声信号に対して、聴きとりにくい周波数帯の音量をアップさせるイコライジング処理を施すようにする。

またこれに限らず、マイクＭｃＬ及びＭｃＲにより収音した音のデジタル音声信号に対して、人間の声と同一周波数帯の音量をアップさせるイコライジング処理を施すようにしてもよい。

このようにすれば、ヘッドホン装着者に、自分の声や相手の声をより明瞭に聴かせることができる。

また、周波数帯の音量を調整する為の画面を、ＤＡＰ１０２の表示部１１４に表示させて、ユーザに調整させるようにしてもよい。このとき、マイクＭｃＬにより収音した音と、マイクＭｃＲにより収音した音に対して、それぞれ個別に周波数帯の音量を調整できるようにしてもよい。

［２−７．他の実施の形態７］
さらに上述した実施の形態では、ヘッドホン１０１と、ＤＡＰ１０２とが無線接続されたヘッドホンシステム１００に本発明を適用するようにした。

これに限らず、ヘッドホン１０１とＤＡＰ１０２とがケーブル接続されるヘッドホンシステムに本発明を適用するようにしてもよい。

またこれに限らず、図７に示すように、ＤＡＰ１０２の機能を内蔵したプレイヤ一体型のヘッドホン２００に本発明を適用するようにしてもよい。この場合、ヘッドホン２００の内部構成は、ヘッドホン１０１とＤＡＰ１０２の内部構成から、ＲＦ受信部１２０及びＲＦ送信部１２６と、ＲＦ送信部１１６及びＲＦ受信部１１７とを除く構成となる。

さらにこれに限らず、ＮＣ機能を持たず、ヘッドホンを装着しても、外部の音が聴こえるようにしたヘッドホンシステムに本発明を適用するようにしてもよい。この場合、例えば、ヘッドホン装着者の発話を検出する為のマイクをヘッドホンに設けて、マイク信号からヘッドホン装着者の発話が検出されたときに、再生音の音像の定位位置を移動させるようにすればよい。

またこの場合、上述したように、ヘッドホンにカメラや人感センサを設け、ヘッドホン装着者の前方所定範囲内（例えば１メートル以内）から人物が検出されているときに、再生音の音像の定位位置を移動させるようにしてもよい。

さらに、ＤＡＰ１０２の代わりとなる携帯型電話機と、ヘッドホン１０１の代わりとなるヘッドセットで構成される、通話システムに本発明を適用するようにしてもよい。

この通話システムでは、ヘッドセットに設けられたマイクで収音されたヘッドセット装着者の声が、携帯型電話機を介して、通話相手の端末に送信される。また通話相手の端末から送信されてくる通話相手の声を、携帯型電話機が受信して、ヘッドセットのスピーカから出力する。このようにしてこの通話システムでは、通話を実現するようになっている。

この場合、当然のことながら、通話相手の位置は、遠方となる為、通話相手の声を、ヘッドセットのマイクで収音することはできない。

そこで、ビームフォーミングの技術を利用して、ヘッドセットのマイクで収音した外部の音について、ヘッドセット装着者の正面近傍から到達する音声のみ、すなわち自分の声のみを強調するようにする。

このようにすれば、通話相手の端末に対して、一段とクリアな音質で、ヘッドセット装着者の声を送信できる。

さらに上述した実施の形態では、ヘッドホン１０１に、デジタルミキサー部１２１を設けるようにしたが、デジタルミキサー部１２１を、ＤＡＰ１０２側に設けるようにしてもよい。因みに、このデジタルミキサー部１２１が、図１を用いて説明した、再生装置１のノイズキャンセル部８及びビームフォーミング処理部１１の具体例である。

［２−８．他の実施の形態８］
さらに、上述した実施の形態の具体例では、再生装置としてのＤＡＰ１０２に、基本構成としての、再生部１１３、音量・音像定位制御部１１５、ＲＦ送信部１１６、マイク信号解析処理部１１９を設けるようにした。

本発明はこれに限らず、同様の機能を有するのであれば、これら再生部１１３、音量・音像定位制御部１１５、ＲＦ送信部１１６、マイク信号解析処理部１１９を、他の種々のハードウェアもしくはソフトウェアにより構成するようにしてもよい。

またヘッドホン１０１については、ユーザの頭部に装着され、ユーザの耳の近傍に位置するスピーカから音声を出力するものであればよく、インナーイヤー型、カナル型、ヘッドバンド型等の種類を限定するものではない。

［２−９．他の実施の形態９］
さらに上述した実施の形態の具体例では、各種処理を実行するためのプログラムを、システム制御部１１０の内蔵メモリ（ＲＯＭ）に書き込んでおくようにした。

これに限らず、このプログラムを例えばメモリカードなどの記憶媒体に書き込んでおき、システム制御部１１０が、この記憶媒体からプログラムを読み出すようにしてもよい。この場合、例えば、ＤＡＰ１０１にメモリカードのスロットを設けるようにする。

またＤＡＰ１０２に、外部インタフェースを設けて、このプログラムを、外部インタフェースに接続されたコンピュータから取得して、フラッシュメモリ１１２にインストールするなどしてもよい。

さらにＤＡＰ１０２に、ネットワークインタフェースを設けて、このプログラムを、ネットワークインタフェース経由でネットワークからダウンロードして、フラッシュメモリ１１２にインストールするなどしてもよい。

［２−１０．他の実施の形態１０］
さらに本発明は、上述した実施の形態の概要及び具体例と他の実施の形態とに限定されるものではない。すなわち本発明は、上述した実施の形態の概要及び具体例と他の実施の形態の一部または全部を任意に組み合わせた形態、もしくは一部を抽出した形態にもその適用範囲が及ぶものである。

さらに上述した実施の形態の概要及び具体例と他の実施の形態は一例であり、本発明の要旨を逸脱しない範囲であれば、この他、種々の形態に本発明を適用するようにしてもよく、また適用することができる。

例えば、上述した他の実施の形態３と、他の実施の形態４とを組み合わせて、種々の判別方法を併用して、ヘッドホン装着者が会話を開始した旨、及び会話を終了した旨を判別するようにしてもよい。

本発明は、ヘッドホンを装着したまま会話ができるヘッドホンとして、広く利用できるものである。

１……再生装置、２、１１３……再生部、３、１０１、２００……ヘッドホン、４……出力部、５……会話検出部、６……音像定位制御部、７……マイクロホン、８……ノイズキャンセル部、９……位置検出部、１０……動き検出部、１１……ビームフォーミング処理部、１２…骨伝導マイクロホン、１３……カメラ部、１００……ヘッドホンシステム、１０２……ＤＡＰ（デジタルオーディオプレイヤ）、１１０……システム制御部、１１５……音量・音像定位制御部、１１９……マイク信号解析処理部、１２１……デジタルミキサー部、ＭｃＬ、ＭｃＲ……マイクロホン、ＳｐＬ、ＳｐＲ……スピーカ。

Claims (11)

1. コンテンツ音声を再生する再生部と、
   上記再生部により再生されたコンテンツ音声を、外部の音を収音するマイクロホンを有するヘッドホンに出力する出力部と、
   上記マイクロホンにより収音された外部の音を解析して、上記ヘッドホンを装着しているヘッドホン装着者の発話を検出したときに、当該ヘッドホン装着者による会話が開始されたと判別する会話検出部と、
   上記会話検出部により会話の開始が検出されると、上記再生部により再生されるコンテンツ音声の音像の定位位置を任意の位置に移動させる音像定位制御部と
   を具え、
   上記ヘッドホンの左右のハウジング部のそれぞれに上記マイクロホンが設けられ、
   上記会話検出部は、
   上記左右のハウジング部に設けられた左右のマイクロホンのそれぞれから得られた左右のマイク信号の信号レベルがほぼ等しく、且つ左右のマイク信号の信号レベルが所定の閾値以上である場合に、上記ヘッドホン装着者が発話していると検出する
   再生装置。
2. 上記音像定位制御部は、
   上記左右のマイクロホンのそれぞれから得られた左右のマイク信号の信号レベルが大きいほど、上記再生部により再生されるコンテンツ音声の音像の定位位置を上記ヘッドホン装着者から遠ざける
   請求項１に記載の再生装置。
3. 上記音像定位制御部は、
   上記会話検出部により会話の終了が検出されると、上記再生部により再生されるコンテンツ音声の音像の定位位置を元の位置に移動させる
   請求項１に記載の再生装置。
4. 上記会話検出部は、
   上記マイクロホンにより収音された外部の音を解析して、上記ヘッドホン装着者の発話が無い状態が一定時間続いたときに、当該ヘッドホン装着者による会話が終了したと判別する
   請求項３に記載の再生装置。
5. 上記マイクロホンにより収音された外部の音と逆位相の音を、上記再生部により再生されたコンテンツ音声に合成することでノイズをキャンセルするノイズキャンセル部をさらに具え、
   上記音像定位制御部は、
   上記会話検出部により会話の開始が検出されると、上記ノイズキャンセル部を制御して、ノイズのキャンセルをオフすると共に上記マイクロホンにより収音された外部の音を上記再生部により再生されたコンテンツ音声に合成する
   請求項４に記載の再生装置。
6. 上記音像定位制御部は、
   上記会話検出部により会話の開始が検出されると、上記再生部により再生されるコンテンツ音声の音像の定位位置を任意の位置に移動させると共に、当該コンテンツ音声の人間の声と同周波数帯の音量を低減させる
   請求項４に記載の再生装置。
7. 上記ヘッドホン装着者と会話する相手の位置を検出する位置検出部をさらに具え、
   上記音像定位制御部は、
   上記会話検出部により会話の開始が検出されると、上記再生部により再生されるコンテンツ音声の音像の定位位置を、上記位置検出部により検出された相手の位置とは異なる位置に移動させる
   請求項４に記載の再生装置。
8. 上記マイクロホンにより収音された音に対して、特定の位置から到達する音のみを強調させるビームフォーミング処理を施すビームフォーミング処理部をさらに具える
   請求項４に記載の再生装置。
9. 上記音像定位制御部は、
   上記ノイズキャンセル部を制御して、上記マイクロホンにより収音された外部の音を上記再生部により再生されたコンテンツ音声に合成するときに、当該マイクロホンにより収音された外部の音の、所定の周波数帯の音量を増加させる
   請求項４に記載の再生装置。
10. コンテンツ音声を再生する再生部と、
    上記再生部により再生されたコンテンツ音声を出力する左右のスピーカのそれぞれと、外部の音を収音する左右のマイクロホンのそれぞれとが設けられた左右のハウジング部と、
    上記左右のマイクロホンのそれぞれにより収音された外部の音を解析して、上記ヘッドホンを装着しているヘッドホン装着者の発話を検出したときに、当該ヘッドホン装着者による会話が開始されたと判別する会話検出部と、
    上記会話検出部により会話の開始が検出されると、上記再生部により再生されるコンテンツ音声の音像の定位位置を任意の位置に移動させる音像定位制御部と
    を具え、
    上記会話検出部は、
    上記左右のマイクロホンのそれぞれから得られた左右のマイク信号の信号レベルがほぼ等しく、且つ左右のマイク信号の信号レベルが所定の閾値以上である場合に、上記ヘッドホン装着者が発話していると検出する
    ヘッドホン。
11. 会話検出部が、ヘッドホンの左右のハウジング部に設けられた左右のマイクロホンのそれぞれから得られた左右のマイク信号の信号レベルがほぼ等しく、且つ左右のマイク信号の信号レベルが所定の閾値以上である場合に、上記ヘッドホンを装着しているヘッドホン装着者が発話していると検出して、当該ヘッドホン装着者による会話が開始されたと判別し、
    上記会話検出部により会話の開始が検出されると、音像定位制御部が、再生部により再生されるコンテンツ音声の音像の定位位置を任意の位置に移動させたうえで、出力部が、当該コンテンツ音声をヘッドホンに出力する
    再生方法。

Images