音声信号変換装置、プログラム及び方法
【課題】 無音区間を所定の符号で表わす符号化方式で符号化された音声データのパケット列を変換する際に、変換後のパケット列に係る音声信号の劣化を低減する。
【解決手段】 本発明は、無音符号又は第１のパケット化時間分の音声データが挿入されたパケットを有する第１のパケット列を、第２の符号化方式で符号化した音声データが第２のパケット化時間分挿入されたパケットを有する第２のパケット列に変換する音声信号変換装置に関する。そして、音声信号変換装置は、音声データが挿入されたパケットが到来した場合に、その音声データを所定の形式に変換する手段と、無音符号が到来すると音声データが到来するまでの間、所定時間ごとに所定の形式の無音の音声データを出力する手段と、変換又は出力された音声データが第２のパケット化時間分以上溜まった場合にその音声データのパケットを送信する手段とを有することを特徴とする。
【解決手段】 本発明は、無音符号又は第１のパケット化時間分の音声データが挿入されたパケットを有する第１のパケット列を、第２の符号化方式で符号化した音声データが第２のパケット化時間分挿入されたパケットを有する第２のパケット列に変換する音声信号変換装置に関する。そして、音声信号変換装置は、音声データが挿入されたパケットが到来した場合に、その音声データを所定の形式に変換する手段と、無音符号が到来すると音声データが到来するまでの間、所定時間ごとに所定の形式の無音の音声データを出力する手段と、変換又は出力された音声データが第２のパケット化時間分以上溜まった場合にその音声データのパケットを送信する手段とを有することを特徴とする。
【発明の詳細な説明】
【技術分野】
【０００１】
この発明は、音声信号変換装置、プログラム及び方法に関し、例えば、ＩＰ電話端末間を流れる音声信号を変換するメディア変換装置に適用することができる。
【背景技術】
【０００２】
固定通信網／移動通信網間や異なる通信事業者間などで、円滑な通信を実現するため、各通信網で使用される様々な音声、映像、データを、メディア変換装置にて変換がおこなわれる。
【０００３】
図４は、従来のメディア変換装置を使用したシステムの例について示した説明図である。
【０００４】
図４では、ネットワークＮＡと、ネットワークＮＢの間にメディア変換装置Ｔ１が配置されている。そして図４では、ネットワークＮＡとネットワークＮＢとで、異なる形式の音声データが用いられ、単純にネットワークＮＡとネットワークＮＢとの間を中継するだけでは、音声端末Ｔ２と音声端末Ｔ３との間の音声通信は不可能であるものとする。
【０００５】
そこで、図４では、メディア変換装置Ｔ１によりネットワークＮＡとネットワークＮＢとの間を流れる音声データを、送信先のネットワークに適合する形式に変換し、ネットワークＮＡとネットワークＮＢとの間の音声通信を可能としている。すなわち、図４に示す構成では、音声端末Ｔ２からの入力パケット列（音声データが挿入されている）が、メディア変換装置Ｔ１に入力され、メディア変換装置Ｔ１によりネットワークＮＢに適合する形式の出力パケット列に変換され、音声端末Ｔ３に向けて送信される。
【０００６】
また、従来、音声通信に用いられる端末（例えば、図４の音声端末Ｔ２、Ｔ３）において、受信した音声データをデコードして音声出力する処理には、通常、ハードウェア回路によって正確な時間を生成し、この時間に同期してパケットを復号化している。
【０００７】
さらに、メディア変換装置には、同時により多くの音声チャンネル数を変換することが求められるために、全音声チャネル分の正確な時間を生成するハードウェア回路を実装すると膨大なハードウェア回路が必要となってしまう。そのため、従来のメディア変換装置では、通常、入力パケットの入力タイミングに同期してメディア変換を行い、メディア変換した音声パケットを出力している。
【０００８】
さらにまた、従来のメディア変換では、入力パケットの音声圧縮データを復号化して、一旦、ＰＣＭ（Ｐｕｌｓｅ Ｃｏｄｅ Ｍｏｄｕｌａｔｉｏｎ）データとし、出力パケットとして符号化に必要なＰＣＭ形式の音声データが揃うまでメディア変換装置内にバッファリングする。そして、出力パケットの符号化に必要なＰＣＭ形式の音声データが揃った時点で、ＰＣＭ形式の音声データを符号化して出力パケットとして出力する。
【０００９】
従来のメディア変換装置としては、例えば、特許文献１の記載技術がある。
【先行技術文献】
【特許文献】
【００１０】
【特許文献１】特開２００８−２９４９５７号公報
【発明の概要】
【発明が解決しようとする課題】
【００１１】
従来のＩＰ網における音声通信には、音声の無音検出によって音声データを符号化しないで、所定の期間ごとにＳＩＤ（Ｓｉｌｅｎｃｅ Ｄｅｓｃｒｉｐｔｏｒ）という符号が挿入されたフレーム（無音フレーム）を出力し、無音区間であることを受信装置側に通知するＡＭＲ（Ａｄａｐｔｉｖｅ Ｍｕｌｔｉ−Ｒａｔｅ）等の符号化方式を用い、音声データレートを低く抑えることが行われている。
【００１２】
また、従来のメディア変換装置において、ＡＭＲのように無音区間を所定の符号（ＳＩＤ）で送信先に通知する形式の音声データを、そのような符号を用いない形式の音声データ（例えば、ＩＴＵ−Ｔ Ｇ．７１１等）に変換する場合には、有音区間と無音区間で到来するＩＮパケットの間隔が異なるため、従来のＩＮパケットに同期してメディア変換を行うメディア変換装置では対応ができない場合があった。また、従来のメディア変換装置で、ＡＭＲの符号化方式で符号化された音声データのうち、ＳＩＤ以外の音声データだけ（有音区間だけ）をメディア変換装置で変換した場合でも、送信先の音声端末の話者（聴者）にとって違和感のある劣化した音声信号となってしまう場合があった。
【００１３】
しかしながら、従来の特許文献１に記載されているメディア変換装置を用いた場合でも、上述のＡＭＲの符号化方式で符号化された音声データを、他の符号化方式の音声データに変換する際に生じる上述の問題を解決することはできない。
【００１４】
そのため、無音区間を所定の符号で表わす符号化方式（例えば、ＡＭＲ等）で符号化された音声データのパケット列を、他の符号化方式（例えば、Ｇ．７１１等）で符号化された音声データのパケット列に変換する際に、変換後のパケット列に係る音声信号の劣化を低減することができる音声信号変換装置、プログラム及び方法が望まれている。
【課題を解決するための手段】
【００１５】
第１の本発明は、（１）無音区間を無音符号で表わす第１の符号化方式で符号化された音声データのうち、無音符号又は第１のパケット化時間分の音声データが挿入されたパケットを有する第１のパケット列が送信元の通信装置から到来すると、上記第１のパケット列を、第２の符号化方式で符号化した音声データを、第２のパケット化時間分挿入したパケットを有する第２のパケット列に変換し、変換した上記第２のパケット列を、送信先の通信装置へ向けて送出する音声信号変換装置であって、（２）到来した上記第１のパケット列のパケットに挿入されているデータが、無音符号でない音声データである場合に、その音声データを、上記第２の符号化方式、又は第３の符号化方式の音声データに変換する音声データ変換手段と、（３）到来した上記第１のパケット列のパケットに挿入されているデータが、無音符号である場合には、次に音声データが挿入されたパケットが到来するまでの間、タイムアウト時間ごとに、上記第１のパケット化時間分の上記第２の符号化方式、又は上記第３の符号化方式の無音の音声データを出力する無音データ出力手段と、（４）上記音声データ変換手段により変換された音声データ、及び、上記無音データ出力手段により出力された音声データが、合計して上記第２のパケット化時間分以上溜まった場合には、保持している音声データのうち、上記第２のパケット化時間分の音声データを、そのまま、又は、上記第２の符号化方式の音声データに変換して、送出用のパケットに挿入し、上記送信先の通信装置へ向けて送出するパケット送出手段とを有することを特徴とする。
【００１６】
第２の本発明の音声信号変換プログラムは、（１）無音区間を無音符号で表わす第１の符号化方式で符号化された音声データのうち、無音符号又は第１のパケット化時間分の音声データが挿入されたパケットを有する第１のパケット列が送信元の通信装置から到来すると、上記第１のパケット列を、第２の符号化方式で符号化した音声データを、第２のパケット化時間分挿入したパケットを有する第２のパケット列に変換し、変換した上記第２のパケット列を、送信先の通信装置へ向けて送出する音声信号変換装置に搭載された音声信号変換プログラムであって（２）到来した上記第１のパケット列のパケットに挿入されているデータが、無音符号でない音声データである場合に、その音声データを、上記第２の符号化方式、又は第３の符号化方式の音声データに変換する音声データ変換手段と、（３）到来した上記第１のパケット列のパケットに挿入されているデータが、無音符号である場合には、次に音声データが挿入されたパケットが到来するまでの間、タイムアウト時間ごとに、上記第１のパケット化時間分の上記第２の符号化方式、又は上記第３の符号化方式の無音の音声データを出力する無音データ出力手段と、（４）上記音声データ変換手段により変換された音声データ、及び、上記無音データ出力手段により出力された音声データが、合計して上記第２のパケット化時間分以上溜まった場合には、保持している音声データのうち、上記第２のパケット化時間分の音声データを、そのまま、又は、上記第２の符号化方式の音声データに変換して、送出用のパケットに挿入し、上記送信先の通信装置へ向けて送出するパケット送出手段として機能することを特徴とする。
【００１７】
第３の本発明は、（１）無音区間を無音符号で表わす第１の符号化方式で符号化された音声データのうち、無音符号又は第１のパケット化時間分の音声データが挿入されたパケットを有する第１のパケット列が送信元の通信装置から到来すると、上記第１のパケット列を、第２の符号化方式で符号化した音声データを、第２のパケット化時間分挿入したパケットを有する第２のパケット列に変換し、変換した上記第２のパケット列を、送信先の通信装置へ向けて送出する音声信号変換装置の音声信号変換方法であって、（２）音声データ変換手段、無音データ出力手段、パケット送出手段を有し、（３）上記音声データ変換手段は、到来した上記第１のパケット列のパケットに挿入されているデータが、無音符号でない音声データである場合に、その音声データを、上記第２の符号化方式、又は第３の符号化方式の音声データに変換し、（４）上記無音データ出力手段は、到来した上記第１のパケット列のパケットに挿入されているデータが、無音符号である場合には、次に音声データが挿入されたパケットが到来するまでの間、タイムアウト時間ごとに、上記第１のパケット化時間分の上記第２の符号化方式、又は上記第３の符号化方式の無音の音声データを出力し、（５）上記パケット送出手段は、上記音声データ変換手段により変換された音声データ、及び、上記無音データ出力手段により出力された音声データが、合計して上記第２のパケット化時間分以上溜まった場合には、保持している音声データのうち、上記第２のパケット化時間分の音声データを、そのまま、又は、上記第２の符号化方式の音声データに変換して、送出用のパケットに挿入し、上記送信先の通信装置へ向けて送出することを特徴とする。
【発明の効果】
【００１８】
本発明によれば、無音区間を所定の符号で表わす符号化方式で符号化された音声データのパケット列を、他の符号化方式で符号化された音声データのパケット列に変換する際に、変換後のパケット列に係る音声信号の劣化を低減することができる。
【図面の簡単な説明】
【００１９】
【図１】実施形態に係るメディア変換装置の機能的構成及び他の装置との接続関係について示したブロック図である。
【図２】実施形態に係るメディア変換装置の動作について表わしたシーケンス図である。
【図３】実施形態に係るメディア変換装置で、ＳＩＤのデータをそのまま無音データに変換した場合の動作について表わしたシーケンス図である。
【図４】従来のメディア変換装置を用いた通信システムの構成について示したブロック図である。
【発明を実施するための形態】
【００２０】
（Ａ）主たる実施形態
以下、本発明による音声信号変換装置、プログラム及び方法の一実施形態を、図面を参照しながら詳述する。なお、この実施形態では、本発明の音声信号変換装置を、メディア変換装置に適用した例について説明する。
【００２１】
（Ａ−１）第１の実施形態の構成
図１は、この実施形態の通信システム１の全体構成を示すブロック図である。
【００２２】
通信システム１は、メディア変換装置１０、音声端末２０、及び音声端末３０を有している。
【００２３】
メディア変換装置１０は、音声端末２０と音声端末３０との間を流れる音声データ（メディアデータ）が挿入されたパケット列を、送信先の音声端末に対応する形式に変換して送出するものである。
【００２４】
図１では、説明を簡易にするために、音声端末２０を音声データのパケットの送信装置、音声端末３０を音声データのパケットの受信装置であるものとして、片方向の通信に係る構成についてのみ図示しているが、実際には双方向の通信に対応した音声端末として構築するようにしても良い。
【００２５】
以下においては、音声端末２０からメディア変換装置１０に供給されるパケットを「ＩＮパケットＰｉｎ」、ＩＮパケットＰｉｎのパケット列のパケットのそれぞれを、ＩＮパケットＰｉｎ１、ＩＮパケットＰｉｎ２、…、ＩＮパケットＰｉｎ２ｎと表わすものとする。また、メディア変換装置１０から、音声端末３０に供給されるパケットを「ＯＵＴパケットＰｏｕｔ」、ＯｕｔパケットＰｏｕｔのパケット列のパケットのそれぞれを、ＯＵＴパケットＰｏｕｔ１、ＯＵＴパケットＰｏｕｔ２、…、ＯＵＴパケットＰｏｕｔｎと表わすものとする。
【００２６】
ここでは、音声端末２０は、話者から入力された音声信号を、ＡＭＲ方式で符号化した音声データとしてメディア変換装置１０に供給するものとする。そして、音声端末３０は、Ｇ．７１１に基づく符号化方式で符号化された音声データを、メディア変換装置１０から受信して、受信した音声データに基づく音声信号を、話者（聴者）に出力するものとする。すなわち、音声端末２０から送出されるＩＮパケットＰｉｎは、ＡＭＲ方式で符号化がされた音声データが挿入されたパケットであり、メディア変換装置１０から送出されるＯＵＴパケットＰｏｕｔは、Ｇ．７１１基づく符号化がされた音声データが挿入されたパケットであるものとする。なお、ＩＮパケットＰｉｎには、ＳＩＤが挿入されたパケットと、有音の音声データが挿入されたパケットの２種類が含まれているものとする。
【００２７】
また、以下では、ＩＮパケットＰｉｎにＳＩＤ以外の音声データが挿入されている場合、その音声データはＮｍｓ（Ｎミリ秒）分の音声データであるものとする。また、ＯｕｔパケットＰｏｕｔには、それぞれＭｍｓ（Ｍミリ秒）分の音声データが挿入されているものとする。なお、以下ではＮｍｓ＝２０ｍｓ、Ｍｍｓ＝６０ｍｓであるものとして説明する。言い換えると、メディア変換装置１０では、入力パケット化時間（ＩＮパケット化時間）がＮｍｓ（２０ｍｓ）で、出力パケット化時間（ＯＵＴパケット化時間）がＭｍｓに設定されているものとする。
【００２８】
次に、音声端末２０の詳細構成について説明する。
【００２９】
音声端末２０は、ＩＰ通信に対応した電話端末であり、音声入力部２１及びＡＭＲ符号化部２２を有している。なお、音声端末２０としては、既存のＩＰ電話端末を適用することができる。
【００３０】
図１においては図示を省略しているが、音声端末２０は、話者から音声入力を受けるためのマイク等、通常ＩＰ電話端末が有する他の構成も有しているものとする。
【００３１】
音声入力部２１は、話者から図示しないマイクを介して入力された音声信号を、Ｎｍｓ（Ｎミリ秒）周期毎にＰＣＭ形式の音声データに変換し、変換したＰＣＭ形式の音声データを、ＡＭＲ符号化部２２に供給する。
【００３２】
そして、ＡＭＲ符号化部２２は、音声入力部２１から供給されたＮｍｓ分のＰＣＭ形式の音声データを、ＡＭＲ方式で符号化した音声データに変換し、変換した音声データを挿入したＩＮパケットＰｉｎを、メディア変換装置１０に供給する。
【００３３】
また、ＡＭＲ符号化部２２は、ＰＣＭ形式の音声データをＡＭＲ方式に対応する音声データに変換するが、上述の通り、ＡＭＲ方式では、符号化前のＰＣＭ形式の音声データにおける無音区間に応じてＳＩＤのデータを生成する。ＡＭＲ符号化部２２では、供給されるＰＣＭ形式の音声データにおいて無音区間の開始を検出すると、最初のＳＩＤのデータを生成し、さらにその後、有音区間を検出するまで、１６０ｍｓ（２０ｍｓ×８）の間無音区間が継続するごとに、ＳＩＤの生成を継続するものとする。
【００３４】
次に、音声端末３０の詳細構成について説明する。
【００３５】
音声端末３０も、同様にＩＰ通信に対応した電話端末であり、Ｇ．７１１復号化部３１、及び音声出力部３２を有している。なお、音声端末３０としては、既存のＩＰ電話端末を適用することができる。
【００３６】
図１においては図示を省略しているが、音声端末３０は、話者（聴者）へ音声出力するためのスピーカ等の通常ＩＰ電話端末が有する他の構成も有しているものとする。
【００３７】
Ｇ．７１１復号化部３１は、メディア変換装置１０から受信したＯＵＴパケットＰｏｕｔに挿入されているＧ．７１１に基づく符号化に対応した音声データを、ＰＣＭ形式の音声データに変換して、音声出力部３２に与えるものである。
【００３８】
音声出力部３２は、Ｇ．７１１復号化部３１から与えられたＭｍｓ分のＰＣＭ形式の音声データを音声信号に変換して図示しないスピーカに供給し、話者に音声出力する。
【００３９】
次に、メディア変換装置１０の詳細について説明する。
【００４０】
メディア変換装置１０は、ＡＭＲ復号化部１１、ＰＣＭバッファ部１２、Ｇ．７１１符号化部１３、無音生成部１４、及び設定部１５を有している。
【００４１】
メディア変換装置１０は、例えば、ＣＰＵ、ＲＯＭ、ＲＡＭ、ＥＥＰＲＯＭ、ハードディスクなどのプログラムの実行構成、及び、他の通信装置と通信をするためのインターフェースを有する装置（１台に限定されず、複数台を分散処理し得るようにしたものであっても良い。）に、実施形態の音声信号変換プログラム等をインストールすることにより構築するようにしても良く、その場合でも機能的には上述の図１のように示すことができる。なお、メディア変換装置１０は、図１に示す全ての構成要素をハードウェア（例えば、専用チップ等）により構成するようにしても良いし、一部の構成要素をハードウェアにより構成し、残りの構成要素をソフトウェアにより構成するようにしても良い。
【００４２】
なお、図１では、説明を簡易にするために、メディア変換装置１０は、１チャネルの音声通信に係るパケット列を変換するものとして示しているが、同様の構成を並列的に複数組備えて、複数チャネルに係るパケット列の変換に用いるようにしても良い。
【００４３】
ＡＭＲ復号化部１１は、音声端末２０から供給されたＩＮパケットＰｉｎに挿入された音声データを復号化して、ＰＣＭ形式の音声データとし、ＰＣＭバッファ部１２に供給する。
【００４４】
ＡＭＲ復号化部１１は、ＩＮパケットＰｉｎが到来すると、到来する都度そのＩＮパケットＰｉｎに挿入されたＮｍｓ時間分の音声データをＰＣＭ形式の音声データに復号化して、ＰＣＭバッファ部１２に供給する。なお、ＡＭＲ復号化部１１では、復号化しようとする音声データが、ＳＩＤのデータだった場合には、そのＳＩＤのデータは破棄するものとする。
【００４５】
また、ＡＭＲ復号化部１１は、復号化しようとする音声データが、有音区間のものか無音区間のものかを認識し、その認識結果を、無音生成部１４に通知する。ＡＭＲ復号化部１１では、例えば、復号化しようとする音声データが、ＳＩＤだった場合に、無音区間と認識し、ＳＩＤでなかった場合（通常の音声データが挿入されていた場合）には有音区間と認識するようにしても良い。
【００４６】
以下において、ＡＭＲ復号化部１１が復号化しようとする音声データが無音区間の音声データの場合には、「無音情報」を無音生成部１４に通知するものとする。また、ＡＭＲ復号化部１１が復号化しようとする音声データが有音区間の音声データの場合には、「有音情報」を無音生成部１４に通知するものとする
無音生成部１４は、所定のタイムアウト時間をカウントするタイマ１４１を備えており、ＡＭＲ復号化部１１からの無音情報の通知を受けて、タイマ１４１を起動し、カウントを開始させる。そして、無音生成部１４は、タイマ１４１を起動後に、タイマ１４１がタイムアウトとなった場合には、Ｎｍｓ分の無音のＰＣＭ形式の音声データを、ＰＣＭバッファ部１２に供給し、タイマ１４を再起動させる。なお、無音生成部１４には、予めＮｍｓ分の無音のＰＣＭ形式の音声データが保持されているものとする。
【００４７】
また、無音生成部１４は、タイマ１４１を起動中でタイムアウト前に、ＡＭＲ復号化部１１から有音情報が通知された場合には、タイマ１４１を停止させリセット（カウント時間を０に戻す）する。
【００４８】
なお、タイマ１４１に設定する時間は、Ｎｍｓとしても良いが、ＩＮパケットＰｉｎの到着揺らぎによるパケット到着遅延時間を考慮した時間を設定するようにしても良い。例えば、ＩＮパケットＰｉｎの到着揺らぎによるパケット到着遅延時間がαｍｓとして表わされる場合、タイマ１４１のタイムアウト時間を、Ｎｍｓ＋αｍｓと設定するようにしても良い。なお、以下においては、説明を簡易にするため、タイマ１４１に設定する時間は、Ｎｍｓであるものとして説明する。
【００４９】
ＰＣＭバッファ部１２は、ＰＣＭバッファ部１２又は無音生成部１４から供給されるＰＣＭ形式の音声データを保持し、Ｍｍｓ分ずつＧ．７１１符号化部１３に供給するものである。
【００５０】
Ｇ．７１１符号化部１３は、ＰＣＭバッファ部１２から、Ｍｍｓ分のＰＣＭ形式の音声データが与えられると、そのＰＣＭ形式の音声データについて、Ｇ．７１１に基づく符号化を行った音声データを生成する。そして、Ｇ．７１１符号化部１３は、生成した音声データを、ＯＵＴパケットＰｏｕｔに挿入して、音声端末３０に向けて送出する。
【００５１】
なお、上述の通り、図１では、メディア変換装置１０が、音声端末２０から与えられたＩＮパケットＰｉｎを、ＯＵＴパケットＰｏｕｔに変換して、音声端末３０に送信する例について示したが、逆方向のパケットを処理する構成を別途備えるようにしても良い。その場合、例えば、メディア変換装置１０が、音声端末３０から、ＯＵＴパケットＰｏｕｔと同様の形式のパケットを受信して、一旦ＰＣＭ形式の音声データに変換し、さらに、音声端末２０のＡＭＲ符号化部２２と同様の処理により、ＩＮパケットＰｉｎと同様の形式に変換して、音声端末２０に送信するようにしても良い。
【００５２】
設定部１５は、当該メディア変換装置１０の変換処理において適用する、ＩＮパケット化時間（Ｎｍｓ）及び、Ｏｕｔパケット化時間（Ｍｍｓ）、タイマ１４１のタイムアウト時間等の設定情報（設定パラメータ）を外部から設定するためのインターフェースである。設定部１５は、外部から設定情報が入力されると、その設定情報を、メディア変換装置１０内の各部に設定する。設定部１５に外部から設定情報を入力する方法は限定されないものである。例えば、設定部１５では、図示しない入力キー等を用いてユーザに設定情報を入力させるようにしても良いし、情報記録媒体（ＣＤ、ＤＶＤ等のディスク装置やメモリカード等）により入力させるようにしても良いし、外部装置から通信により設定情報を受信するようにしても良い。設定部１５を配置することにより、メディア変換装置１０で変換対象となる音声端末の仕様に応じて設定情報を変更することが容易となる等の効果を奏する。なお、外部から設定情報の取得が必要ない場合は、設定部１５は省略するようにしても良い。
【００５３】
（Ａ−２）実施形態の動作
次に、以上のような構成を有するこの実施形態の通信システム１の動作（実施形態の音声信号変換処理方法）について説明する。
【００５４】
図２は、メディア変換装置１０における、音声データの変換処理について示した説明図である。なお、図２では、説明を簡易にするため、各装置間で送受信されるパケットが送信されてから到達するまでの時間にゆらぎは無いものとして説明している。
【００５５】
まず、音声端末２０の動作について説明する。
【００５６】
音声入力部２１では、Ｎｍｓ（２０［ｍｓ］）周期で、音声信号がＰＣＭ形式の音声データに変換される。図２では、音声入力部２１により変換されたＰＣＭデータを、変換された順番に、音声データＤ１０１〜Ｄ１２４として図示している。図２において、最初の音声データＤ１０１〜１０４（８０ｍｓの間）は有音区間の音声データであり、その次の音声データＤ１０５〜Ｄ１２０（３２０ｍｓの間）は無音区間の音声データであり、さらにその次の音声データＤ１２１〜Ｄ１２４（８０ｍｓの間）は有音区間の音声データであるものとする。
【００５７】
ＡＭＲ符号化部２２は、音声入力部２１により与えられた音声データＤ１０１〜Ｄ１２４について、ＡＭＲ方式の音声データに変換する。ただし、ＡＭＲ符号化部２２では、無音区間が継続する場合、１６０ｍｓ（Ｎｍｓ×８）ごとにＳＩＤの音声データを生成する。
【００５８】
そして、音声端末２０は、ＡＭＲ符号化部２２で変換された音声データが出力される都度、そのデータをＩＮパケットＰｉｎに挿入してメディア変換装置１０へ送信する。
【００５９】
図２では、ＡＭＲ符号化部２２は、音声データＤ１０１〜Ｄ１２４をＡＭＲ方式の音声データに変換して、音声データＤ２０１〜Ｄ２０４（有音区間）、Ｄ２０５（ＳＩＤ）、Ｄ２１３（ＳＩＤ）、Ｄ２２１〜Ｄ２２４（有音区間）を出力し、それぞれの音声データがＩＮパケットＰｉｎに挿入され、メディア変換装置１０に与えられる。
【００６０】
次に、メディア変換装置１０の動作について説明する。
【００６１】
ＡＭＲ復号化部１１は、音声端末２０からＩＮパケットＰｉｎが到来する都度、当該ＩＮパケットＰｉｎから音声データを取り出して、ＰＣＭ形式の音声データに復号化し、ＰＣＭバッファ部１２に与える。ただし、ＡＭＲ復号化部１１は、ＩＮパケットＰｉｎに挿入されている音声データがＳＩＤのデータだった場合には、当該ＳＩＤのデータは破棄する。
【００６２】
また、ＡＭＲ復号化部１１は、ＩＮパケットＰｉｎに挿入されている音声データがＳＩＤのデータだった場合には、無音情報を無音生成部１４に対して通知し、そうでない場合（すなわち、有音区間の音声データの場合）には、無音生成部１４に対して有音情報を通知する。無音生成部１４は、ＡＭＲ復号化部１１から無音情報が通知されると、タイマ１４１を起動して、次に有音情報が通知されるまでの間、タイマ１４１がタイムアウトする度に、Ｎｍｓ分の無音の音声データ（ＰＣＭ形式の音声データ）を、ＰＣＭバッファ部１２に供給する。
【００６３】
したがって、図２に示すように、ＡＭＲ復号化部１１は、音声データＤ２０１〜Ｄ２０４、Ｄ２２１〜Ｄ２２４については、ＰＣＭ形式の音声データに復号化して、ＰＣＭバッファ部１２に与える。図２では、音声データＤ２０１〜Ｄ２０４、Ｄ２２１〜Ｄ２２４について、ＡＭＲ復号化部１１が復号化した音声データを、音声データＤ３０１〜Ｄ３０４、Ｄ３２１〜Ｄ３２４として示している。
【００６４】
一方、ＳＩＤの音声データＤ２０５が供給されると、ＡＭＲ復号化部１１は、無音生成部１４に無音情報を通知する。そして、無音生成部１４は、次にＡＭＲ復号化部１１から有音情報が通知されるまでの間（ＡＭＲ復号化部１１に有音区間の音声データが供給されるまでの間）、Ｎｍｓ分の無音のＰＣＭ形式の音声データを、ＰＣＭバッファ部１２に供給し続ける。図２では、ＳＩＤの音声データＤ２０５がＡＭＲ復号化部１１に供給されると、次にＡＭＲ復号化部１１に供給される有音区間の音声データは、音声データＤ２２１となる。図２では、この間、無音生成部１４がＰＣＭバッファ部１２に供給した無音の音声データ（Ｎｍｓ×１６）を、Ｄ３０５〜Ｄ３２０と示している。
【００６５】
ＰＣＭバッファ部１２は、保持しているＰＣＭ形式の音声データが、Ｍｍｓ分（Ｎｍｓ×３）溜まると、そのＭｍｓ分の音声データを、Ｇ．７１１符号化部１３に供給する。例えば、図２に示すように、ＰＣＭバッファ部１２は、最初に溜まるＭｍｓ分の音声データ（Ｄ３０１〜Ｄ３０３）をＧ．７１１符号化部１３に与え、以後同様に、Ｍｍｓ分の音声データが溜まる度に、そのＭｍｓ分の音声データをＧ．７１１符号化部１３に与える処理を繰り返し、音声データＤ３０１〜Ｄ３２４がＭｍｓ分ずつＧ．７１１符号化部１３に与えられる。
【００６６】
Ｇ．７１１符号化部１３は、ＰＣＭバッファ部１２から、Ｍｍｓ分（Ｎｍｓ×３）の音声データが与えられる都度、そのＭｍｓ分（Ｎｍｓ×３）の音声データを、Ｇ．７１１符号化して、符号化した音声データをＯＵＴパケットＰｏｕｔに挿入して音声端末３０に送信する。
【００６７】
図２では、音声データＤ３０１〜Ｄ３０３についてＧ．７１１符号化した音声データを、音声データＤ４０１と示し、音声データＤ３０４〜Ｄ３０６についてＧ．７１１符号化した音声データを、音声データＤ４０２と示し、音声データＤ３２１〜Ｄ３２４についてＧ．７１１符号化した音声データを、音声データＤ４０８と示している。
【００６８】
例えば、図２に示すように、Ｇ．７１１符号化部１３は、最初に与えられるＭｍｓ分の音声データ（Ｄ３０１〜Ｄ３０３）をＧ．７１１符号化し、符号化した音声データ（Ｄ４０１）をＯＵＴパケットＰｏｕｔ１に挿入して音声端末３０に送信し、以後同様に、Ｍｍｓ分の音声データが与えられる度に、Ｇ．７１１符号化してＯＵＴパケットＰｏｕｔに挿入し、音声端末３０に送信する処理を繰りかえす。
【００６９】
次に、音声端末３０の処理について説明する。
【００７０】
音声端末３０のＧ．７１１復号化部３１は、メディア変換装置１０からＯＵＴパケットＰｏｕｔが到来する度に、そのＯＵＴパケットＰｏｕｔに挿入されているＭｍｓ分（Ｎｍｓ×３）の音声データ（Ｇ．７１１符号化されたもの）をＰＣＭ形式の音声データに復号化し、符号化した音声データを、音声出力部３２に与える。
【００７１】
図２では、Ｄ４０１〜Ｄ４０８についてＧ．７１１復号化部３１が復号化した音声データを、それぞれＤ５０１〜Ｄ５０８と示している。
【００７２】
例えば、図２に示すように、Ｇ．７１１復号化部３１は、まず最初に与えられるＯＵＴパケットＰｏｕｔ１からＭｍｓ分の音声データ（Ｄ４０１）を取り出して、ＰＣＭ形式の音声データに復号化し、復号化した音声データ（Ｄ５０１）を、音声出力部３２に与える。そして、Ｇ．７１１復号化部３１は、以後同様に、ＯＵＴパケットＰｏｕｔが到来するたびに、当該ＯＵＴパケットＰｏｕｔからＭｍｓ分の音声データを取り出して、ＰＣＭ形式の音声データに復号化し、復号化した音声データを、音声出力部３２に与える処理を繰り返す。
【００７３】
（Ａ−３）実施形態の効果
この実施形態によれば、以下のような効果を奏することができる。
【００７４】
（Ａ−３−１）メディア変換装置１０では、無音生成部１４により、ＳＩＤの受信に応じて無音の音声データを生成してＰＣＭバッファ部１２に供給している。これにより、無音区間をＳＩＤで表わすＡＭＲ方式の音声データを有するパケット列を、そのような符号を用いない符号化形式のＧ．７１１に基づく音声データに変換しても、変換後のパケット列に係る音声信号の劣化を低減することができる。
【００７５】
例えば、メディア変換装置１０において、無音生成部１４を省略し、さらに、ＩＮパケットＰｉｎのＳＩＤをＮｍｓ分の無音の音声データとする変形構成（すなわち、単純にＳＩＤをＮｍｓ分の無音の音声データに変換する場合）を想定する。
【００７６】
図３は、メディア変換装置１０を上述の変形構成とした場合の処理について示した説明図である。
【００７７】
図３では、音声端末２０から入力されるＩＮパケットＰｉｎの内容は、上述の図２の場合と同様のものとしている。そして、ＡＭＲ復号化部１１は、ＳＩＤの音声データＤ２０５、Ｄ２１３を受信した時点で、Ｎｍｓ分の無音の音声データＤ３０５、Ｄ３１３をＰＣＭバッファ部１２に与えている。そして、ＰＣＭバッファ部１２は、音声データＤ３０４、Ｄ３０５、Ｄ３１３が溜まった時点で、それらをＧ．７１１符号化部１３を与えている。そして、Ｇ．７１１符号化部１３は、音声データＤ３０４、Ｄ３０５、Ｄ３１３を、まとめてＧ．７１１に基づく音声データに符号化し、符号化した音声データ（Ｄ４０２）をＯＵＴパケットＰｏｕｔ２に挿入して音声端末３０に与えている。この場合、ＯＵＴパケットＰｏｕｔ２に挿入された音声データＤ４０２において、最初の２０ｍｓ分が有音区間で、後の４０ｍｓ分が無音区間となる。
【００７８】
この場合、音声端末３０では、最初にＯＵＴパケットＰｏｕｔ１が到来して、音声データＤ４０１がＰＣＭ形式の音声データＤ５０１に復号化されて、６０ｍｓ間の有音の音声信号が出力される。そして、その後、音声端末３０では、ＯＵＴパケットＰｏｕｔ２が到来するまでの１６０ｍｓの間無音区間となる（音声端末３０は出力する音声信号が無くなると無音を出力するものとする）。そして、ＯＵＴパケットＰｏｕｔ２が到来すると、音声端末３０では、音声データＤ４０２がＰＣＭ形式の音声データＤ５０２に復号化されて、最初の２０ｍｓが有音区間で、後の４０ｍｓが無音区間の音声信号が出力される。しかし、図３では、本来連続して出力されるべき、音声データＤ５０１の有音区間の音声信号と、音声データＤ５０２の最初の２０ｍｓの有音区間の音声信号とが分離されてしまい、音声端末３０の話者（聴者）にとって違和感がある音声信号が出力されることになる。これは、ＰＣＭバッファ部１２で、音声データＤ３０１〜Ｄ３０３が出力された後に、音声データＤ３０４が滞留してしまうことによりおきる現象である。すなわち、図３の例のように、メディア変換装置１０で単純にＳＩＤをＮｍｓ分の無音の音声データに変換する場合、メディア変換装置１０が変換したＯＵＴパケットＰｏｕｔのパケット列による音声信号が劣化する結果となる。
【００７９】
一方、上記の実施形態のメディア変換装置１０では、無音生成部１４により、ＳＩＤの受信に応じて無音の音声データを生成してＰＣＭバッファ部１２に供給するので、図３のようなＰＣＭバッファ部１２における有音区間の音声データの滞留が起こらず、メディア変換装置１０が変換したＯＵＴパケットＰｏｕｔのパケット列に係る音声信号の劣化を低減することができる。
【００８０】
（Ａ−３−２）メディア変換装置１０では、ＰＣＭバッファ部１２により、Ｍｍｓ分のＰＣＭ形式の音声データが溜まった時点で、保持している音声データをＧ．７１１符号化部１３に引き渡してＧ．７１１に基づく符号化を行っている。これにより、メディア変換装置１０では、ＩＮパケットＰｉｎとＯＵＴパケットＰｏｕｔでパケット化時間が異なっている場合に、ＩＮパケットＰｉｎの入力されるタイミングに同期して、符号化及びＯＵＴパケットＰｏｕｔの出力をしても、送信先（音声端末３０）で復号される音声信号の劣化を低減することができる。
【００８１】
（Ｂ）他の実施形態
本発明は、上記の実施形態に限定されるものではなく、以下に例示するような変形実施形態も挙げることができる。
【００８２】
（Ｂ−１）上記の実施形態において、音声端末２０では、音声信号の符号化にＡＭＲの符号化方式を採用する例について説明したが、無音圧縮時にＳＩＤと同様の符号を用いる他の符号化方式を適用するようにしても良い。また、同様に、音声端末３０側の符号化方式もＧ．７１１に基づく符号化方式に限定されないものである。
【００８３】
（Ｂ−２）上記の実施形態では、説明を簡易にするために、音声端末２０、３０は、ＩＰ通信に対応した端末であるものとして説明しているが、音声端末２０、３０自体がＩＰ通信に対応していない端末（例えば、ＩＰ通信に対応しない電話端末や携帯電話端末等）であっても良い。その場合、例えば、音声端末２０、３０を収容している交換装置（例えば、ＩＰ−ＰＢＸや通信キャリアの交換装置等）や、音声信号を中継するゲートウェイ等により、送受信する音声信号をＩＰ化（パケット化）するようにしても良い。
【００８４】
（Ｂ−３）上記の実施形態では、Ｎｍｓは２０ｍｓ、Ｍｍｓは６０ｍｓとして説明したが、ＮｍｓとＭｍｓの値は、任意の値を設定することができる。
【００８５】
また、上記の実施形態では、Ｍｍｓは、Ｎｍｓのｎ倍（逓倍）の関係となっている。しかし、そうでない場合には、ＰＣＭバッファ部１２では、保持している音声データが、Ｍｍｓ分以上溜まった時点で、保持している音声データのうちＭｍｓ分だけを、Ｇ．７１１符号化部１３に引渡す処理を行う必要がある。そして、その後、ＰＣＭバッファ部１２は、残った音声データと、次にＡＭＲ復号化部１１から与えられる音声データとを合わせて、Ｍｍｓ分以上のＰＣＭ形式の音声データが溜まった時点で、同様にＧ．７１１符号化部１３へ音声データを引き渡す。
【００８６】
（Ｂ−４）上記の実施形態においては、タイマ１４１は、１チャネルの音声通信に１つ配置されるものとして説明しているが、メディア変換装置１０が複数チャネルの音声通信を扱う場合には、複数のチャネル間で、所定数（数は限定されない）のタイマ１４１を共用するようにしても良い。これにより、音声通信のチャネルごとに、タイマ１４１を設ける必要がなく、メディア変換装置１０全体としてハードウェア資源を有効に活用することができる。
【００８７】
第１の例として、メディア変換装置１０において、複数のチャネルで、１つのタイマ１４１を共有する場合の構成を説明する。なお、タイマ１４１は常に起動状態となっており、タイムアウトする度に再起動するように設定されているものとする。この場合、当該チャネルの無音生成部１４は、メディア変換装置１０全体で共通のタイマ１４１のタイムアウトに応じて、無音の音声データを出力するものとする。例えば、共通のタイマ１４１のタイムアウト時間が２０ｍｓの場合、各チャネルの無音生成部１４で出力される無音の音声データの出力タイミングは、最大で２０ｍｓ程度のずれとなる。
【００８８】
次に、第２の例として、メディア変換装置１０で、複数のタイマ１４１（上述の例と同様に再起動を繰り返すものとする）を備え、それぞれの、タイマ１４１のタイムアウトするタイミングの位相をずらして設定しておく場合の構成を説明する。この場合、各チャネルの無音生成部１４は、無音区間が開始したタイミング（すなわち、最初の無音情報が到来したタイミング）の後、最初にタイムアウトするタイマ１４１を選択して、無音の音声データの出力に用いるものとする。例えば、それぞれのタイマ１４１のタイムアウト時間が２０ｍｓの場合、４つのタイマ１４１を用意し、それぞれのタイマ１４１でタイムアウトの位相を５ｍｓずつずらしておけば、各チャネルの無音生成部１４で出力される無音の音声データの出力タイミングのずれは、最大で５ｍｓ程度となる。
【００８９】
（Ｂ−５）上記の実施形態では、メディア変換装置１０において、ＩＮパケットＰｉｎに挿入されている音声データを一旦中間的な形式（上記の実施形態ではＰＣＭ形式）の音声データに変換しているが、ＩＮパケットＰｉｎの音声データを、直接ＯＵＴパケットＰｏｕｔで採用される符号化形式の音声データに変換するようにしても良い。例えば、ＯＵＴパケットＰｏｕｔで採用される符号化形式をＰＣＭ形式とする（音声端末３０で採用される符号化形式もＰＣＭ形式である必要がある）ようにしても良い。この場合、Ｇ．７１１符号化部１３を省略して、ＰＣＭバッファ部１２からＯＵＴパケットＰｏｕｔを出力するようにしても良い。
【符号の説明】
【００９０】
１…通信システム、２０…音声端末、２１…音声入力部、２２…ＡＭＲ符号化部、１０…メディア変換装置、１１…ＡＭＲ復号化部、１２…ＰＣＭバ
ッファ部、１３…Ｇ．７１１符号化部、１４…無音生成部、１４１…タイマ、１５…設定部、３０…音声端末、３１…Ｇ．７１１復号化部、３２…音声出力部。
【技術分野】
【０００１】
この発明は、音声信号変換装置、プログラム及び方法に関し、例えば、ＩＰ電話端末間を流れる音声信号を変換するメディア変換装置に適用することができる。
【背景技術】
【０００２】
固定通信網／移動通信網間や異なる通信事業者間などで、円滑な通信を実現するため、各通信網で使用される様々な音声、映像、データを、メディア変換装置にて変換がおこなわれる。
【０００３】
図４は、従来のメディア変換装置を使用したシステムの例について示した説明図である。
【０００４】
図４では、ネットワークＮＡと、ネットワークＮＢの間にメディア変換装置Ｔ１が配置されている。そして図４では、ネットワークＮＡとネットワークＮＢとで、異なる形式の音声データが用いられ、単純にネットワークＮＡとネットワークＮＢとの間を中継するだけでは、音声端末Ｔ２と音声端末Ｔ３との間の音声通信は不可能であるものとする。
【０００５】
そこで、図４では、メディア変換装置Ｔ１によりネットワークＮＡとネットワークＮＢとの間を流れる音声データを、送信先のネットワークに適合する形式に変換し、ネットワークＮＡとネットワークＮＢとの間の音声通信を可能としている。すなわち、図４に示す構成では、音声端末Ｔ２からの入力パケット列（音声データが挿入されている）が、メディア変換装置Ｔ１に入力され、メディア変換装置Ｔ１によりネットワークＮＢに適合する形式の出力パケット列に変換され、音声端末Ｔ３に向けて送信される。
【０００６】
また、従来、音声通信に用いられる端末（例えば、図４の音声端末Ｔ２、Ｔ３）において、受信した音声データをデコードして音声出力する処理には、通常、ハードウェア回路によって正確な時間を生成し、この時間に同期してパケットを復号化している。
【０００７】
さらに、メディア変換装置には、同時により多くの音声チャンネル数を変換することが求められるために、全音声チャネル分の正確な時間を生成するハードウェア回路を実装すると膨大なハードウェア回路が必要となってしまう。そのため、従来のメディア変換装置では、通常、入力パケットの入力タイミングに同期してメディア変換を行い、メディア変換した音声パケットを出力している。
【０００８】
さらにまた、従来のメディア変換では、入力パケットの音声圧縮データを復号化して、一旦、ＰＣＭ（Ｐｕｌｓｅ Ｃｏｄｅ Ｍｏｄｕｌａｔｉｏｎ）データとし、出力パケットとして符号化に必要なＰＣＭ形式の音声データが揃うまでメディア変換装置内にバッファリングする。そして、出力パケットの符号化に必要なＰＣＭ形式の音声データが揃った時点で、ＰＣＭ形式の音声データを符号化して出力パケットとして出力する。
【０００９】
従来のメディア変換装置としては、例えば、特許文献１の記載技術がある。
【先行技術文献】
【特許文献】
【００１０】
【特許文献１】特開２００８−２９４９５７号公報
【発明の概要】
【発明が解決しようとする課題】
【００１１】
従来のＩＰ網における音声通信には、音声の無音検出によって音声データを符号化しないで、所定の期間ごとにＳＩＤ（Ｓｉｌｅｎｃｅ Ｄｅｓｃｒｉｐｔｏｒ）という符号が挿入されたフレーム（無音フレーム）を出力し、無音区間であることを受信装置側に通知するＡＭＲ（Ａｄａｐｔｉｖｅ Ｍｕｌｔｉ−Ｒａｔｅ）等の符号化方式を用い、音声データレートを低く抑えることが行われている。
【００１２】
また、従来のメディア変換装置において、ＡＭＲのように無音区間を所定の符号（ＳＩＤ）で送信先に通知する形式の音声データを、そのような符号を用いない形式の音声データ（例えば、ＩＴＵ−Ｔ Ｇ．７１１等）に変換する場合には、有音区間と無音区間で到来するＩＮパケットの間隔が異なるため、従来のＩＮパケットに同期してメディア変換を行うメディア変換装置では対応ができない場合があった。また、従来のメディア変換装置で、ＡＭＲの符号化方式で符号化された音声データのうち、ＳＩＤ以外の音声データだけ（有音区間だけ）をメディア変換装置で変換した場合でも、送信先の音声端末の話者（聴者）にとって違和感のある劣化した音声信号となってしまう場合があった。
【００１３】
しかしながら、従来の特許文献１に記載されているメディア変換装置を用いた場合でも、上述のＡＭＲの符号化方式で符号化された音声データを、他の符号化方式の音声データに変換する際に生じる上述の問題を解決することはできない。
【００１４】
そのため、無音区間を所定の符号で表わす符号化方式（例えば、ＡＭＲ等）で符号化された音声データのパケット列を、他の符号化方式（例えば、Ｇ．７１１等）で符号化された音声データのパケット列に変換する際に、変換後のパケット列に係る音声信号の劣化を低減することができる音声信号変換装置、プログラム及び方法が望まれている。
【課題を解決するための手段】
【００１５】
第１の本発明は、（１）無音区間を無音符号で表わす第１の符号化方式で符号化された音声データのうち、無音符号又は第１のパケット化時間分の音声データが挿入されたパケットを有する第１のパケット列が送信元の通信装置から到来すると、上記第１のパケット列を、第２の符号化方式で符号化した音声データを、第２のパケット化時間分挿入したパケットを有する第２のパケット列に変換し、変換した上記第２のパケット列を、送信先の通信装置へ向けて送出する音声信号変換装置であって、（２）到来した上記第１のパケット列のパケットに挿入されているデータが、無音符号でない音声データである場合に、その音声データを、上記第２の符号化方式、又は第３の符号化方式の音声データに変換する音声データ変換手段と、（３）到来した上記第１のパケット列のパケットに挿入されているデータが、無音符号である場合には、次に音声データが挿入されたパケットが到来するまでの間、タイムアウト時間ごとに、上記第１のパケット化時間分の上記第２の符号化方式、又は上記第３の符号化方式の無音の音声データを出力する無音データ出力手段と、（４）上記音声データ変換手段により変換された音声データ、及び、上記無音データ出力手段により出力された音声データが、合計して上記第２のパケット化時間分以上溜まった場合には、保持している音声データのうち、上記第２のパケット化時間分の音声データを、そのまま、又は、上記第２の符号化方式の音声データに変換して、送出用のパケットに挿入し、上記送信先の通信装置へ向けて送出するパケット送出手段とを有することを特徴とする。
【００１６】
第２の本発明の音声信号変換プログラムは、（１）無音区間を無音符号で表わす第１の符号化方式で符号化された音声データのうち、無音符号又は第１のパケット化時間分の音声データが挿入されたパケットを有する第１のパケット列が送信元の通信装置から到来すると、上記第１のパケット列を、第２の符号化方式で符号化した音声データを、第２のパケット化時間分挿入したパケットを有する第２のパケット列に変換し、変換した上記第２のパケット列を、送信先の通信装置へ向けて送出する音声信号変換装置に搭載された音声信号変換プログラムであって（２）到来した上記第１のパケット列のパケットに挿入されているデータが、無音符号でない音声データである場合に、その音声データを、上記第２の符号化方式、又は第３の符号化方式の音声データに変換する音声データ変換手段と、（３）到来した上記第１のパケット列のパケットに挿入されているデータが、無音符号である場合には、次に音声データが挿入されたパケットが到来するまでの間、タイムアウト時間ごとに、上記第１のパケット化時間分の上記第２の符号化方式、又は上記第３の符号化方式の無音の音声データを出力する無音データ出力手段と、（４）上記音声データ変換手段により変換された音声データ、及び、上記無音データ出力手段により出力された音声データが、合計して上記第２のパケット化時間分以上溜まった場合には、保持している音声データのうち、上記第２のパケット化時間分の音声データを、そのまま、又は、上記第２の符号化方式の音声データに変換して、送出用のパケットに挿入し、上記送信先の通信装置へ向けて送出するパケット送出手段として機能することを特徴とする。
【００１７】
第３の本発明は、（１）無音区間を無音符号で表わす第１の符号化方式で符号化された音声データのうち、無音符号又は第１のパケット化時間分の音声データが挿入されたパケットを有する第１のパケット列が送信元の通信装置から到来すると、上記第１のパケット列を、第２の符号化方式で符号化した音声データを、第２のパケット化時間分挿入したパケットを有する第２のパケット列に変換し、変換した上記第２のパケット列を、送信先の通信装置へ向けて送出する音声信号変換装置の音声信号変換方法であって、（２）音声データ変換手段、無音データ出力手段、パケット送出手段を有し、（３）上記音声データ変換手段は、到来した上記第１のパケット列のパケットに挿入されているデータが、無音符号でない音声データである場合に、その音声データを、上記第２の符号化方式、又は第３の符号化方式の音声データに変換し、（４）上記無音データ出力手段は、到来した上記第１のパケット列のパケットに挿入されているデータが、無音符号である場合には、次に音声データが挿入されたパケットが到来するまでの間、タイムアウト時間ごとに、上記第１のパケット化時間分の上記第２の符号化方式、又は上記第３の符号化方式の無音の音声データを出力し、（５）上記パケット送出手段は、上記音声データ変換手段により変換された音声データ、及び、上記無音データ出力手段により出力された音声データが、合計して上記第２のパケット化時間分以上溜まった場合には、保持している音声データのうち、上記第２のパケット化時間分の音声データを、そのまま、又は、上記第２の符号化方式の音声データに変換して、送出用のパケットに挿入し、上記送信先の通信装置へ向けて送出することを特徴とする。
【発明の効果】
【００１８】
本発明によれば、無音区間を所定の符号で表わす符号化方式で符号化された音声データのパケット列を、他の符号化方式で符号化された音声データのパケット列に変換する際に、変換後のパケット列に係る音声信号の劣化を低減することができる。
【図面の簡単な説明】
【００１９】
【図１】実施形態に係るメディア変換装置の機能的構成及び他の装置との接続関係について示したブロック図である。
【図２】実施形態に係るメディア変換装置の動作について表わしたシーケンス図である。
【図３】実施形態に係るメディア変換装置で、ＳＩＤのデータをそのまま無音データに変換した場合の動作について表わしたシーケンス図である。
【図４】従来のメディア変換装置を用いた通信システムの構成について示したブロック図である。
【発明を実施するための形態】
【００２０】
（Ａ）主たる実施形態
以下、本発明による音声信号変換装置、プログラム及び方法の一実施形態を、図面を参照しながら詳述する。なお、この実施形態では、本発明の音声信号変換装置を、メディア変換装置に適用した例について説明する。
【００２１】
（Ａ−１）第１の実施形態の構成
図１は、この実施形態の通信システム１の全体構成を示すブロック図である。
【００２２】
通信システム１は、メディア変換装置１０、音声端末２０、及び音声端末３０を有している。
【００２３】
メディア変換装置１０は、音声端末２０と音声端末３０との間を流れる音声データ（メディアデータ）が挿入されたパケット列を、送信先の音声端末に対応する形式に変換して送出するものである。
【００２４】
図１では、説明を簡易にするために、音声端末２０を音声データのパケットの送信装置、音声端末３０を音声データのパケットの受信装置であるものとして、片方向の通信に係る構成についてのみ図示しているが、実際には双方向の通信に対応した音声端末として構築するようにしても良い。
【００２５】
以下においては、音声端末２０からメディア変換装置１０に供給されるパケットを「ＩＮパケットＰｉｎ」、ＩＮパケットＰｉｎのパケット列のパケットのそれぞれを、ＩＮパケットＰｉｎ１、ＩＮパケットＰｉｎ２、…、ＩＮパケットＰｉｎ２ｎと表わすものとする。また、メディア変換装置１０から、音声端末３０に供給されるパケットを「ＯＵＴパケットＰｏｕｔ」、ＯｕｔパケットＰｏｕｔのパケット列のパケットのそれぞれを、ＯＵＴパケットＰｏｕｔ１、ＯＵＴパケットＰｏｕｔ２、…、ＯＵＴパケットＰｏｕｔｎと表わすものとする。
【００２６】
ここでは、音声端末２０は、話者から入力された音声信号を、ＡＭＲ方式で符号化した音声データとしてメディア変換装置１０に供給するものとする。そして、音声端末３０は、Ｇ．７１１に基づく符号化方式で符号化された音声データを、メディア変換装置１０から受信して、受信した音声データに基づく音声信号を、話者（聴者）に出力するものとする。すなわち、音声端末２０から送出されるＩＮパケットＰｉｎは、ＡＭＲ方式で符号化がされた音声データが挿入されたパケットであり、メディア変換装置１０から送出されるＯＵＴパケットＰｏｕｔは、Ｇ．７１１基づく符号化がされた音声データが挿入されたパケットであるものとする。なお、ＩＮパケットＰｉｎには、ＳＩＤが挿入されたパケットと、有音の音声データが挿入されたパケットの２種類が含まれているものとする。
【００２７】
また、以下では、ＩＮパケットＰｉｎにＳＩＤ以外の音声データが挿入されている場合、その音声データはＮｍｓ（Ｎミリ秒）分の音声データであるものとする。また、ＯｕｔパケットＰｏｕｔには、それぞれＭｍｓ（Ｍミリ秒）分の音声データが挿入されているものとする。なお、以下ではＮｍｓ＝２０ｍｓ、Ｍｍｓ＝６０ｍｓであるものとして説明する。言い換えると、メディア変換装置１０では、入力パケット化時間（ＩＮパケット化時間）がＮｍｓ（２０ｍｓ）で、出力パケット化時間（ＯＵＴパケット化時間）がＭｍｓに設定されているものとする。
【００２８】
次に、音声端末２０の詳細構成について説明する。
【００２９】
音声端末２０は、ＩＰ通信に対応した電話端末であり、音声入力部２１及びＡＭＲ符号化部２２を有している。なお、音声端末２０としては、既存のＩＰ電話端末を適用することができる。
【００３０】
図１においては図示を省略しているが、音声端末２０は、話者から音声入力を受けるためのマイク等、通常ＩＰ電話端末が有する他の構成も有しているものとする。
【００３１】
音声入力部２１は、話者から図示しないマイクを介して入力された音声信号を、Ｎｍｓ（Ｎミリ秒）周期毎にＰＣＭ形式の音声データに変換し、変換したＰＣＭ形式の音声データを、ＡＭＲ符号化部２２に供給する。
【００３２】
そして、ＡＭＲ符号化部２２は、音声入力部２１から供給されたＮｍｓ分のＰＣＭ形式の音声データを、ＡＭＲ方式で符号化した音声データに変換し、変換した音声データを挿入したＩＮパケットＰｉｎを、メディア変換装置１０に供給する。
【００３３】
また、ＡＭＲ符号化部２２は、ＰＣＭ形式の音声データをＡＭＲ方式に対応する音声データに変換するが、上述の通り、ＡＭＲ方式では、符号化前のＰＣＭ形式の音声データにおける無音区間に応じてＳＩＤのデータを生成する。ＡＭＲ符号化部２２では、供給されるＰＣＭ形式の音声データにおいて無音区間の開始を検出すると、最初のＳＩＤのデータを生成し、さらにその後、有音区間を検出するまで、１６０ｍｓ（２０ｍｓ×８）の間無音区間が継続するごとに、ＳＩＤの生成を継続するものとする。
【００３４】
次に、音声端末３０の詳細構成について説明する。
【００３５】
音声端末３０も、同様にＩＰ通信に対応した電話端末であり、Ｇ．７１１復号化部３１、及び音声出力部３２を有している。なお、音声端末３０としては、既存のＩＰ電話端末を適用することができる。
【００３６】
図１においては図示を省略しているが、音声端末３０は、話者（聴者）へ音声出力するためのスピーカ等の通常ＩＰ電話端末が有する他の構成も有しているものとする。
【００３７】
Ｇ．７１１復号化部３１は、メディア変換装置１０から受信したＯＵＴパケットＰｏｕｔに挿入されているＧ．７１１に基づく符号化に対応した音声データを、ＰＣＭ形式の音声データに変換して、音声出力部３２に与えるものである。
【００３８】
音声出力部３２は、Ｇ．７１１復号化部３１から与えられたＭｍｓ分のＰＣＭ形式の音声データを音声信号に変換して図示しないスピーカに供給し、話者に音声出力する。
【００３９】
次に、メディア変換装置１０の詳細について説明する。
【００４０】
メディア変換装置１０は、ＡＭＲ復号化部１１、ＰＣＭバッファ部１２、Ｇ．７１１符号化部１３、無音生成部１４、及び設定部１５を有している。
【００４１】
メディア変換装置１０は、例えば、ＣＰＵ、ＲＯＭ、ＲＡＭ、ＥＥＰＲＯＭ、ハードディスクなどのプログラムの実行構成、及び、他の通信装置と通信をするためのインターフェースを有する装置（１台に限定されず、複数台を分散処理し得るようにしたものであっても良い。）に、実施形態の音声信号変換プログラム等をインストールすることにより構築するようにしても良く、その場合でも機能的には上述の図１のように示すことができる。なお、メディア変換装置１０は、図１に示す全ての構成要素をハードウェア（例えば、専用チップ等）により構成するようにしても良いし、一部の構成要素をハードウェアにより構成し、残りの構成要素をソフトウェアにより構成するようにしても良い。
【００４２】
なお、図１では、説明を簡易にするために、メディア変換装置１０は、１チャネルの音声通信に係るパケット列を変換するものとして示しているが、同様の構成を並列的に複数組備えて、複数チャネルに係るパケット列の変換に用いるようにしても良い。
【００４３】
ＡＭＲ復号化部１１は、音声端末２０から供給されたＩＮパケットＰｉｎに挿入された音声データを復号化して、ＰＣＭ形式の音声データとし、ＰＣＭバッファ部１２に供給する。
【００４４】
ＡＭＲ復号化部１１は、ＩＮパケットＰｉｎが到来すると、到来する都度そのＩＮパケットＰｉｎに挿入されたＮｍｓ時間分の音声データをＰＣＭ形式の音声データに復号化して、ＰＣＭバッファ部１２に供給する。なお、ＡＭＲ復号化部１１では、復号化しようとする音声データが、ＳＩＤのデータだった場合には、そのＳＩＤのデータは破棄するものとする。
【００４５】
また、ＡＭＲ復号化部１１は、復号化しようとする音声データが、有音区間のものか無音区間のものかを認識し、その認識結果を、無音生成部１４に通知する。ＡＭＲ復号化部１１では、例えば、復号化しようとする音声データが、ＳＩＤだった場合に、無音区間と認識し、ＳＩＤでなかった場合（通常の音声データが挿入されていた場合）には有音区間と認識するようにしても良い。
【００４６】
以下において、ＡＭＲ復号化部１１が復号化しようとする音声データが無音区間の音声データの場合には、「無音情報」を無音生成部１４に通知するものとする。また、ＡＭＲ復号化部１１が復号化しようとする音声データが有音区間の音声データの場合には、「有音情報」を無音生成部１４に通知するものとする
無音生成部１４は、所定のタイムアウト時間をカウントするタイマ１４１を備えており、ＡＭＲ復号化部１１からの無音情報の通知を受けて、タイマ１４１を起動し、カウントを開始させる。そして、無音生成部１４は、タイマ１４１を起動後に、タイマ１４１がタイムアウトとなった場合には、Ｎｍｓ分の無音のＰＣＭ形式の音声データを、ＰＣＭバッファ部１２に供給し、タイマ１４を再起動させる。なお、無音生成部１４には、予めＮｍｓ分の無音のＰＣＭ形式の音声データが保持されているものとする。
【００４７】
また、無音生成部１４は、タイマ１４１を起動中でタイムアウト前に、ＡＭＲ復号化部１１から有音情報が通知された場合には、タイマ１４１を停止させリセット（カウント時間を０に戻す）する。
【００４８】
なお、タイマ１４１に設定する時間は、Ｎｍｓとしても良いが、ＩＮパケットＰｉｎの到着揺らぎによるパケット到着遅延時間を考慮した時間を設定するようにしても良い。例えば、ＩＮパケットＰｉｎの到着揺らぎによるパケット到着遅延時間がαｍｓとして表わされる場合、タイマ１４１のタイムアウト時間を、Ｎｍｓ＋αｍｓと設定するようにしても良い。なお、以下においては、説明を簡易にするため、タイマ１４１に設定する時間は、Ｎｍｓであるものとして説明する。
【００４９】
ＰＣＭバッファ部１２は、ＰＣＭバッファ部１２又は無音生成部１４から供給されるＰＣＭ形式の音声データを保持し、Ｍｍｓ分ずつＧ．７１１符号化部１３に供給するものである。
【００５０】
Ｇ．７１１符号化部１３は、ＰＣＭバッファ部１２から、Ｍｍｓ分のＰＣＭ形式の音声データが与えられると、そのＰＣＭ形式の音声データについて、Ｇ．７１１に基づく符号化を行った音声データを生成する。そして、Ｇ．７１１符号化部１３は、生成した音声データを、ＯＵＴパケットＰｏｕｔに挿入して、音声端末３０に向けて送出する。
【００５１】
なお、上述の通り、図１では、メディア変換装置１０が、音声端末２０から与えられたＩＮパケットＰｉｎを、ＯＵＴパケットＰｏｕｔに変換して、音声端末３０に送信する例について示したが、逆方向のパケットを処理する構成を別途備えるようにしても良い。その場合、例えば、メディア変換装置１０が、音声端末３０から、ＯＵＴパケットＰｏｕｔと同様の形式のパケットを受信して、一旦ＰＣＭ形式の音声データに変換し、さらに、音声端末２０のＡＭＲ符号化部２２と同様の処理により、ＩＮパケットＰｉｎと同様の形式に変換して、音声端末２０に送信するようにしても良い。
【００５２】
設定部１５は、当該メディア変換装置１０の変換処理において適用する、ＩＮパケット化時間（Ｎｍｓ）及び、Ｏｕｔパケット化時間（Ｍｍｓ）、タイマ１４１のタイムアウト時間等の設定情報（設定パラメータ）を外部から設定するためのインターフェースである。設定部１５は、外部から設定情報が入力されると、その設定情報を、メディア変換装置１０内の各部に設定する。設定部１５に外部から設定情報を入力する方法は限定されないものである。例えば、設定部１５では、図示しない入力キー等を用いてユーザに設定情報を入力させるようにしても良いし、情報記録媒体（ＣＤ、ＤＶＤ等のディスク装置やメモリカード等）により入力させるようにしても良いし、外部装置から通信により設定情報を受信するようにしても良い。設定部１５を配置することにより、メディア変換装置１０で変換対象となる音声端末の仕様に応じて設定情報を変更することが容易となる等の効果を奏する。なお、外部から設定情報の取得が必要ない場合は、設定部１５は省略するようにしても良い。
【００５３】
（Ａ−２）実施形態の動作
次に、以上のような構成を有するこの実施形態の通信システム１の動作（実施形態の音声信号変換処理方法）について説明する。
【００５４】
図２は、メディア変換装置１０における、音声データの変換処理について示した説明図である。なお、図２では、説明を簡易にするため、各装置間で送受信されるパケットが送信されてから到達するまでの時間にゆらぎは無いものとして説明している。
【００５５】
まず、音声端末２０の動作について説明する。
【００５６】
音声入力部２１では、Ｎｍｓ（２０［ｍｓ］）周期で、音声信号がＰＣＭ形式の音声データに変換される。図２では、音声入力部２１により変換されたＰＣＭデータを、変換された順番に、音声データＤ１０１〜Ｄ１２４として図示している。図２において、最初の音声データＤ１０１〜１０４（８０ｍｓの間）は有音区間の音声データであり、その次の音声データＤ１０５〜Ｄ１２０（３２０ｍｓの間）は無音区間の音声データであり、さらにその次の音声データＤ１２１〜Ｄ１２４（８０ｍｓの間）は有音区間の音声データであるものとする。
【００５７】
ＡＭＲ符号化部２２は、音声入力部２１により与えられた音声データＤ１０１〜Ｄ１２４について、ＡＭＲ方式の音声データに変換する。ただし、ＡＭＲ符号化部２２では、無音区間が継続する場合、１６０ｍｓ（Ｎｍｓ×８）ごとにＳＩＤの音声データを生成する。
【００５８】
そして、音声端末２０は、ＡＭＲ符号化部２２で変換された音声データが出力される都度、そのデータをＩＮパケットＰｉｎに挿入してメディア変換装置１０へ送信する。
【００５９】
図２では、ＡＭＲ符号化部２２は、音声データＤ１０１〜Ｄ１２４をＡＭＲ方式の音声データに変換して、音声データＤ２０１〜Ｄ２０４（有音区間）、Ｄ２０５（ＳＩＤ）、Ｄ２１３（ＳＩＤ）、Ｄ２２１〜Ｄ２２４（有音区間）を出力し、それぞれの音声データがＩＮパケットＰｉｎに挿入され、メディア変換装置１０に与えられる。
【００６０】
次に、メディア変換装置１０の動作について説明する。
【００６１】
ＡＭＲ復号化部１１は、音声端末２０からＩＮパケットＰｉｎが到来する都度、当該ＩＮパケットＰｉｎから音声データを取り出して、ＰＣＭ形式の音声データに復号化し、ＰＣＭバッファ部１２に与える。ただし、ＡＭＲ復号化部１１は、ＩＮパケットＰｉｎに挿入されている音声データがＳＩＤのデータだった場合には、当該ＳＩＤのデータは破棄する。
【００６２】
また、ＡＭＲ復号化部１１は、ＩＮパケットＰｉｎに挿入されている音声データがＳＩＤのデータだった場合には、無音情報を無音生成部１４に対して通知し、そうでない場合（すなわち、有音区間の音声データの場合）には、無音生成部１４に対して有音情報を通知する。無音生成部１４は、ＡＭＲ復号化部１１から無音情報が通知されると、タイマ１４１を起動して、次に有音情報が通知されるまでの間、タイマ１４１がタイムアウトする度に、Ｎｍｓ分の無音の音声データ（ＰＣＭ形式の音声データ）を、ＰＣＭバッファ部１２に供給する。
【００６３】
したがって、図２に示すように、ＡＭＲ復号化部１１は、音声データＤ２０１〜Ｄ２０４、Ｄ２２１〜Ｄ２２４については、ＰＣＭ形式の音声データに復号化して、ＰＣＭバッファ部１２に与える。図２では、音声データＤ２０１〜Ｄ２０４、Ｄ２２１〜Ｄ２２４について、ＡＭＲ復号化部１１が復号化した音声データを、音声データＤ３０１〜Ｄ３０４、Ｄ３２１〜Ｄ３２４として示している。
【００６４】
一方、ＳＩＤの音声データＤ２０５が供給されると、ＡＭＲ復号化部１１は、無音生成部１４に無音情報を通知する。そして、無音生成部１４は、次にＡＭＲ復号化部１１から有音情報が通知されるまでの間（ＡＭＲ復号化部１１に有音区間の音声データが供給されるまでの間）、Ｎｍｓ分の無音のＰＣＭ形式の音声データを、ＰＣＭバッファ部１２に供給し続ける。図２では、ＳＩＤの音声データＤ２０５がＡＭＲ復号化部１１に供給されると、次にＡＭＲ復号化部１１に供給される有音区間の音声データは、音声データＤ２２１となる。図２では、この間、無音生成部１４がＰＣＭバッファ部１２に供給した無音の音声データ（Ｎｍｓ×１６）を、Ｄ３０５〜Ｄ３２０と示している。
【００６５】
ＰＣＭバッファ部１２は、保持しているＰＣＭ形式の音声データが、Ｍｍｓ分（Ｎｍｓ×３）溜まると、そのＭｍｓ分の音声データを、Ｇ．７１１符号化部１３に供給する。例えば、図２に示すように、ＰＣＭバッファ部１２は、最初に溜まるＭｍｓ分の音声データ（Ｄ３０１〜Ｄ３０３）をＧ．７１１符号化部１３に与え、以後同様に、Ｍｍｓ分の音声データが溜まる度に、そのＭｍｓ分の音声データをＧ．７１１符号化部１３に与える処理を繰り返し、音声データＤ３０１〜Ｄ３２４がＭｍｓ分ずつＧ．７１１符号化部１３に与えられる。
【００６６】
Ｇ．７１１符号化部１３は、ＰＣＭバッファ部１２から、Ｍｍｓ分（Ｎｍｓ×３）の音声データが与えられる都度、そのＭｍｓ分（Ｎｍｓ×３）の音声データを、Ｇ．７１１符号化して、符号化した音声データをＯＵＴパケットＰｏｕｔに挿入して音声端末３０に送信する。
【００６７】
図２では、音声データＤ３０１〜Ｄ３０３についてＧ．７１１符号化した音声データを、音声データＤ４０１と示し、音声データＤ３０４〜Ｄ３０６についてＧ．７１１符号化した音声データを、音声データＤ４０２と示し、音声データＤ３２１〜Ｄ３２４についてＧ．７１１符号化した音声データを、音声データＤ４０８と示している。
【００６８】
例えば、図２に示すように、Ｇ．７１１符号化部１３は、最初に与えられるＭｍｓ分の音声データ（Ｄ３０１〜Ｄ３０３）をＧ．７１１符号化し、符号化した音声データ（Ｄ４０１）をＯＵＴパケットＰｏｕｔ１に挿入して音声端末３０に送信し、以後同様に、Ｍｍｓ分の音声データが与えられる度に、Ｇ．７１１符号化してＯＵＴパケットＰｏｕｔに挿入し、音声端末３０に送信する処理を繰りかえす。
【００６９】
次に、音声端末３０の処理について説明する。
【００７０】
音声端末３０のＧ．７１１復号化部３１は、メディア変換装置１０からＯＵＴパケットＰｏｕｔが到来する度に、そのＯＵＴパケットＰｏｕｔに挿入されているＭｍｓ分（Ｎｍｓ×３）の音声データ（Ｇ．７１１符号化されたもの）をＰＣＭ形式の音声データに復号化し、符号化した音声データを、音声出力部３２に与える。
【００７１】
図２では、Ｄ４０１〜Ｄ４０８についてＧ．７１１復号化部３１が復号化した音声データを、それぞれＤ５０１〜Ｄ５０８と示している。
【００７２】
例えば、図２に示すように、Ｇ．７１１復号化部３１は、まず最初に与えられるＯＵＴパケットＰｏｕｔ１からＭｍｓ分の音声データ（Ｄ４０１）を取り出して、ＰＣＭ形式の音声データに復号化し、復号化した音声データ（Ｄ５０１）を、音声出力部３２に与える。そして、Ｇ．７１１復号化部３１は、以後同様に、ＯＵＴパケットＰｏｕｔが到来するたびに、当該ＯＵＴパケットＰｏｕｔからＭｍｓ分の音声データを取り出して、ＰＣＭ形式の音声データに復号化し、復号化した音声データを、音声出力部３２に与える処理を繰り返す。
【００７３】
（Ａ−３）実施形態の効果
この実施形態によれば、以下のような効果を奏することができる。
【００７４】
（Ａ−３−１）メディア変換装置１０では、無音生成部１４により、ＳＩＤの受信に応じて無音の音声データを生成してＰＣＭバッファ部１２に供給している。これにより、無音区間をＳＩＤで表わすＡＭＲ方式の音声データを有するパケット列を、そのような符号を用いない符号化形式のＧ．７１１に基づく音声データに変換しても、変換後のパケット列に係る音声信号の劣化を低減することができる。
【００７５】
例えば、メディア変換装置１０において、無音生成部１４を省略し、さらに、ＩＮパケットＰｉｎのＳＩＤをＮｍｓ分の無音の音声データとする変形構成（すなわち、単純にＳＩＤをＮｍｓ分の無音の音声データに変換する場合）を想定する。
【００７６】
図３は、メディア変換装置１０を上述の変形構成とした場合の処理について示した説明図である。
【００７７】
図３では、音声端末２０から入力されるＩＮパケットＰｉｎの内容は、上述の図２の場合と同様のものとしている。そして、ＡＭＲ復号化部１１は、ＳＩＤの音声データＤ２０５、Ｄ２１３を受信した時点で、Ｎｍｓ分の無音の音声データＤ３０５、Ｄ３１３をＰＣＭバッファ部１２に与えている。そして、ＰＣＭバッファ部１２は、音声データＤ３０４、Ｄ３０５、Ｄ３１３が溜まった時点で、それらをＧ．７１１符号化部１３を与えている。そして、Ｇ．７１１符号化部１３は、音声データＤ３０４、Ｄ３０５、Ｄ３１３を、まとめてＧ．７１１に基づく音声データに符号化し、符号化した音声データ（Ｄ４０２）をＯＵＴパケットＰｏｕｔ２に挿入して音声端末３０に与えている。この場合、ＯＵＴパケットＰｏｕｔ２に挿入された音声データＤ４０２において、最初の２０ｍｓ分が有音区間で、後の４０ｍｓ分が無音区間となる。
【００７８】
この場合、音声端末３０では、最初にＯＵＴパケットＰｏｕｔ１が到来して、音声データＤ４０１がＰＣＭ形式の音声データＤ５０１に復号化されて、６０ｍｓ間の有音の音声信号が出力される。そして、その後、音声端末３０では、ＯＵＴパケットＰｏｕｔ２が到来するまでの１６０ｍｓの間無音区間となる（音声端末３０は出力する音声信号が無くなると無音を出力するものとする）。そして、ＯＵＴパケットＰｏｕｔ２が到来すると、音声端末３０では、音声データＤ４０２がＰＣＭ形式の音声データＤ５０２に復号化されて、最初の２０ｍｓが有音区間で、後の４０ｍｓが無音区間の音声信号が出力される。しかし、図３では、本来連続して出力されるべき、音声データＤ５０１の有音区間の音声信号と、音声データＤ５０２の最初の２０ｍｓの有音区間の音声信号とが分離されてしまい、音声端末３０の話者（聴者）にとって違和感がある音声信号が出力されることになる。これは、ＰＣＭバッファ部１２で、音声データＤ３０１〜Ｄ３０３が出力された後に、音声データＤ３０４が滞留してしまうことによりおきる現象である。すなわち、図３の例のように、メディア変換装置１０で単純にＳＩＤをＮｍｓ分の無音の音声データに変換する場合、メディア変換装置１０が変換したＯＵＴパケットＰｏｕｔのパケット列による音声信号が劣化する結果となる。
【００７９】
一方、上記の実施形態のメディア変換装置１０では、無音生成部１４により、ＳＩＤの受信に応じて無音の音声データを生成してＰＣＭバッファ部１２に供給するので、図３のようなＰＣＭバッファ部１２における有音区間の音声データの滞留が起こらず、メディア変換装置１０が変換したＯＵＴパケットＰｏｕｔのパケット列に係る音声信号の劣化を低減することができる。
【００８０】
（Ａ−３−２）メディア変換装置１０では、ＰＣＭバッファ部１２により、Ｍｍｓ分のＰＣＭ形式の音声データが溜まった時点で、保持している音声データをＧ．７１１符号化部１３に引き渡してＧ．７１１に基づく符号化を行っている。これにより、メディア変換装置１０では、ＩＮパケットＰｉｎとＯＵＴパケットＰｏｕｔでパケット化時間が異なっている場合に、ＩＮパケットＰｉｎの入力されるタイミングに同期して、符号化及びＯＵＴパケットＰｏｕｔの出力をしても、送信先（音声端末３０）で復号される音声信号の劣化を低減することができる。
【００８１】
（Ｂ）他の実施形態
本発明は、上記の実施形態に限定されるものではなく、以下に例示するような変形実施形態も挙げることができる。
【００８２】
（Ｂ−１）上記の実施形態において、音声端末２０では、音声信号の符号化にＡＭＲの符号化方式を採用する例について説明したが、無音圧縮時にＳＩＤと同様の符号を用いる他の符号化方式を適用するようにしても良い。また、同様に、音声端末３０側の符号化方式もＧ．７１１に基づく符号化方式に限定されないものである。
【００８３】
（Ｂ−２）上記の実施形態では、説明を簡易にするために、音声端末２０、３０は、ＩＰ通信に対応した端末であるものとして説明しているが、音声端末２０、３０自体がＩＰ通信に対応していない端末（例えば、ＩＰ通信に対応しない電話端末や携帯電話端末等）であっても良い。その場合、例えば、音声端末２０、３０を収容している交換装置（例えば、ＩＰ−ＰＢＸや通信キャリアの交換装置等）や、音声信号を中継するゲートウェイ等により、送受信する音声信号をＩＰ化（パケット化）するようにしても良い。
【００８４】
（Ｂ−３）上記の実施形態では、Ｎｍｓは２０ｍｓ、Ｍｍｓは６０ｍｓとして説明したが、ＮｍｓとＭｍｓの値は、任意の値を設定することができる。
【００８５】
また、上記の実施形態では、Ｍｍｓは、Ｎｍｓのｎ倍（逓倍）の関係となっている。しかし、そうでない場合には、ＰＣＭバッファ部１２では、保持している音声データが、Ｍｍｓ分以上溜まった時点で、保持している音声データのうちＭｍｓ分だけを、Ｇ．７１１符号化部１３に引渡す処理を行う必要がある。そして、その後、ＰＣＭバッファ部１２は、残った音声データと、次にＡＭＲ復号化部１１から与えられる音声データとを合わせて、Ｍｍｓ分以上のＰＣＭ形式の音声データが溜まった時点で、同様にＧ．７１１符号化部１３へ音声データを引き渡す。
【００８６】
（Ｂ−４）上記の実施形態においては、タイマ１４１は、１チャネルの音声通信に１つ配置されるものとして説明しているが、メディア変換装置１０が複数チャネルの音声通信を扱う場合には、複数のチャネル間で、所定数（数は限定されない）のタイマ１４１を共用するようにしても良い。これにより、音声通信のチャネルごとに、タイマ１４１を設ける必要がなく、メディア変換装置１０全体としてハードウェア資源を有効に活用することができる。
【００８７】
第１の例として、メディア変換装置１０において、複数のチャネルで、１つのタイマ１４１を共有する場合の構成を説明する。なお、タイマ１４１は常に起動状態となっており、タイムアウトする度に再起動するように設定されているものとする。この場合、当該チャネルの無音生成部１４は、メディア変換装置１０全体で共通のタイマ１４１のタイムアウトに応じて、無音の音声データを出力するものとする。例えば、共通のタイマ１４１のタイムアウト時間が２０ｍｓの場合、各チャネルの無音生成部１４で出力される無音の音声データの出力タイミングは、最大で２０ｍｓ程度のずれとなる。
【００８８】
次に、第２の例として、メディア変換装置１０で、複数のタイマ１４１（上述の例と同様に再起動を繰り返すものとする）を備え、それぞれの、タイマ１４１のタイムアウトするタイミングの位相をずらして設定しておく場合の構成を説明する。この場合、各チャネルの無音生成部１４は、無音区間が開始したタイミング（すなわち、最初の無音情報が到来したタイミング）の後、最初にタイムアウトするタイマ１４１を選択して、無音の音声データの出力に用いるものとする。例えば、それぞれのタイマ１４１のタイムアウト時間が２０ｍｓの場合、４つのタイマ１４１を用意し、それぞれのタイマ１４１でタイムアウトの位相を５ｍｓずつずらしておけば、各チャネルの無音生成部１４で出力される無音の音声データの出力タイミングのずれは、最大で５ｍｓ程度となる。
【００８９】
（Ｂ−５）上記の実施形態では、メディア変換装置１０において、ＩＮパケットＰｉｎに挿入されている音声データを一旦中間的な形式（上記の実施形態ではＰＣＭ形式）の音声データに変換しているが、ＩＮパケットＰｉｎの音声データを、直接ＯＵＴパケットＰｏｕｔで採用される符号化形式の音声データに変換するようにしても良い。例えば、ＯＵＴパケットＰｏｕｔで採用される符号化形式をＰＣＭ形式とする（音声端末３０で採用される符号化形式もＰＣＭ形式である必要がある）ようにしても良い。この場合、Ｇ．７１１符号化部１３を省略して、ＰＣＭバッファ部１２からＯＵＴパケットＰｏｕｔを出力するようにしても良い。
【符号の説明】
【００９０】
１…通信システム、２０…音声端末、２１…音声入力部、２２…ＡＭＲ符号化部、１０…メディア変換装置、１１…ＡＭＲ復号化部、１２…ＰＣＭバ
ッファ部、１３…Ｇ．７１１符号化部、１４…無音生成部、１４１…タイマ、１５…設定部、３０…音声端末、３１…Ｇ．７１１復号化部、３２…音声出力部。
【特許請求の範囲】
【請求項１】
無音区間を無音符号で表わす第１の符号化方式で符号化された音声データのうち、無音符号又は第１のパケット化時間分の音声データが挿入されたパケットを有する第１のパケット列が送信元の通信装置から到来すると、上記第１のパケット列を、第２の符号化方式で符号化した音声データを、第２のパケット化時間分挿入したパケットを有する第２のパケット列に変換し、変換した上記第２のパケット列を、送信先の通信装置へ向けて送出する音声信号変換装置であって、
到来した上記第１のパケット列のパケットに挿入されているデータが、無音符号でない音声データである場合に、その音声データを、上記第２の符号化方式、又は第３の符号化方式の音声データに変換する音声データ変換手段と、
到来した上記第１のパケット列のパケットに挿入されているデータが、無音符号である場合には、次に音声データが挿入されたパケットが到来するまでの間、タイムアウト時間ごとに、上記第１のパケット化時間分の上記第２の符号化方式、又は上記第３の符号化方式の無音の音声データを出力する無音データ出力手段と、
上記音声データ変換手段により変換された音声データ、及び、上記無音データ出力手段により出力された音声データが、合計して上記第２のパケット化時間分以上溜まった場合には、保持している音声データのうち、上記第２のパケット化時間分の音声データを、そのまま、又は、上記第２の符号化方式の音声データに変換して、送出用のパケットに挿入し、上記送信先の通信装置へ向けて送出するパケット送出手段
を有することを特徴とする音声信号変換装置。
【請求項２】
当該音声信号変換装置の処理で用いる上記第１のパケット化時間、及び又は、上記第２のパケット化時間に係る設定パラメータの情報を保持し、保持した設定パラメータを当該音声信号変換装置の処理に適用する設定パラメータ保持手段をさらに有することを特徴とする請求項１に記載の音声信号変換装置。
【請求項３】
無音区間を無音符号で表わす第１の符号化方式で符号化された音声データのうち、無音符号又は第１のパケット化時間分の音声データが挿入されたパケットを有する第１のパケット列が送信元の通信装置から到来すると、上記第１のパケット列を、第２の符号化方式で符号化した音声データを、第２のパケット化時間分挿入したパケットを有する第２のパケット列に変換し、変換した上記第２のパケット列を、送信先の通信装置へ向けて送出する音声信号変換装置に搭載された音声信号変換プログラムであって、
到来した上記第１のパケット列のパケットに挿入されているデータが、無音符号でない音声データである場合に、その音声データを、上記第２の符号化方式、又は第３の符号化方式の音声データに変換する音声データ変換手段と、
到来した上記第１のパケット列のパケットに挿入されているデータが、無音符号である場合には、次に音声データが挿入されたパケットが到来するまでの間、タイムアウト時間ごとに、上記第１のパケット化時間分の上記第２の符号化方式、又は上記第３の符号化方式の無音の音声データを出力する無音データ出力手段と、
上記音声データ変換手段により変換された音声データ、及び、上記無音データ出力手段により出力された音声データが、合計して上記第２のパケット化時間分以上溜まった場合には、保持している音声データのうち、上記第２のパケット化時間分の音声データを、そのまま、又は、上記第２の符号化方式の音声データに変換して、送出用のパケットに挿入し、上記送信先の通信装置へ向けて送出するパケット送出手段と
して機能することを特徴とする音声信号変換プログラム。
【請求項４】
無音区間を無音符号で表わす第１の符号化方式で符号化された音声データのうち、無音符号又は第１のパケット化時間分の音声データが挿入されたパケットを有する第１のパケット列が送信元の通信装置から到来すると、上記第１のパケット列を、第２の符号化方式で符号化した音声データを、第２のパケット化時間分挿入したパケットを有する第２のパケット列に変換し、変換した上記第２のパケット列を、送信先の通信装置へ向けて送出する音声信号変換装置の音声信号変換方法であって、
音声データ変換手段、無音データ出力手段、パケット送出手段を有し、
上記音声データ変換手段は、到来した上記第１のパケット列のパケットに挿入されているデータが、無音符号でない音声データである場合に、その音声データを、上記第２の符号化方式、又は第３の符号化方式の音声データに変換し、
上記無音データ出力手段は、到来した上記第１のパケット列のパケットに挿入されているデータが、無音符号である場合には、次に音声データが挿入されたパケットが到来するまでの間、タイムアウト時間ごとに、上記第１のパケット化時間分の上記第２の符号化方式、又は上記第３の符号化方式の無音の音声データを出力し、
上記パケット送出手段は、上記音声データ変換手段により変換された音声データ、及び、上記無音データ出力手段により出力された音声データが、合計して上記第２のパケット化時間分以上溜まった場合には、保持している音声データのうち、上記第２のパケット化時間分の音声データを、そのまま、又は、上記第２の符号化方式の音声データに変換して、送出用のパケットに挿入し、上記送信先の通信装置へ向けて送出する
ことを特徴とする音声信号変換方法。
【請求項１】
無音区間を無音符号で表わす第１の符号化方式で符号化された音声データのうち、無音符号又は第１のパケット化時間分の音声データが挿入されたパケットを有する第１のパケット列が送信元の通信装置から到来すると、上記第１のパケット列を、第２の符号化方式で符号化した音声データを、第２のパケット化時間分挿入したパケットを有する第２のパケット列に変換し、変換した上記第２のパケット列を、送信先の通信装置へ向けて送出する音声信号変換装置であって、
到来した上記第１のパケット列のパケットに挿入されているデータが、無音符号でない音声データである場合に、その音声データを、上記第２の符号化方式、又は第３の符号化方式の音声データに変換する音声データ変換手段と、
到来した上記第１のパケット列のパケットに挿入されているデータが、無音符号である場合には、次に音声データが挿入されたパケットが到来するまでの間、タイムアウト時間ごとに、上記第１のパケット化時間分の上記第２の符号化方式、又は上記第３の符号化方式の無音の音声データを出力する無音データ出力手段と、
上記音声データ変換手段により変換された音声データ、及び、上記無音データ出力手段により出力された音声データが、合計して上記第２のパケット化時間分以上溜まった場合には、保持している音声データのうち、上記第２のパケット化時間分の音声データを、そのまま、又は、上記第２の符号化方式の音声データに変換して、送出用のパケットに挿入し、上記送信先の通信装置へ向けて送出するパケット送出手段
を有することを特徴とする音声信号変換装置。
【請求項２】
当該音声信号変換装置の処理で用いる上記第１のパケット化時間、及び又は、上記第２のパケット化時間に係る設定パラメータの情報を保持し、保持した設定パラメータを当該音声信号変換装置の処理に適用する設定パラメータ保持手段をさらに有することを特徴とする請求項１に記載の音声信号変換装置。
【請求項３】
無音区間を無音符号で表わす第１の符号化方式で符号化された音声データのうち、無音符号又は第１のパケット化時間分の音声データが挿入されたパケットを有する第１のパケット列が送信元の通信装置から到来すると、上記第１のパケット列を、第２の符号化方式で符号化した音声データを、第２のパケット化時間分挿入したパケットを有する第２のパケット列に変換し、変換した上記第２のパケット列を、送信先の通信装置へ向けて送出する音声信号変換装置に搭載された音声信号変換プログラムであって、
到来した上記第１のパケット列のパケットに挿入されているデータが、無音符号でない音声データである場合に、その音声データを、上記第２の符号化方式、又は第３の符号化方式の音声データに変換する音声データ変換手段と、
到来した上記第１のパケット列のパケットに挿入されているデータが、無音符号である場合には、次に音声データが挿入されたパケットが到来するまでの間、タイムアウト時間ごとに、上記第１のパケット化時間分の上記第２の符号化方式、又は上記第３の符号化方式の無音の音声データを出力する無音データ出力手段と、
上記音声データ変換手段により変換された音声データ、及び、上記無音データ出力手段により出力された音声データが、合計して上記第２のパケット化時間分以上溜まった場合には、保持している音声データのうち、上記第２のパケット化時間分の音声データを、そのまま、又は、上記第２の符号化方式の音声データに変換して、送出用のパケットに挿入し、上記送信先の通信装置へ向けて送出するパケット送出手段と
して機能することを特徴とする音声信号変換プログラム。
【請求項４】
無音区間を無音符号で表わす第１の符号化方式で符号化された音声データのうち、無音符号又は第１のパケット化時間分の音声データが挿入されたパケットを有する第１のパケット列が送信元の通信装置から到来すると、上記第１のパケット列を、第２の符号化方式で符号化した音声データを、第２のパケット化時間分挿入したパケットを有する第２のパケット列に変換し、変換した上記第２のパケット列を、送信先の通信装置へ向けて送出する音声信号変換装置の音声信号変換方法であって、
音声データ変換手段、無音データ出力手段、パケット送出手段を有し、
上記音声データ変換手段は、到来した上記第１のパケット列のパケットに挿入されているデータが、無音符号でない音声データである場合に、その音声データを、上記第２の符号化方式、又は第３の符号化方式の音声データに変換し、
上記無音データ出力手段は、到来した上記第１のパケット列のパケットに挿入されているデータが、無音符号である場合には、次に音声データが挿入されたパケットが到来するまでの間、タイムアウト時間ごとに、上記第１のパケット化時間分の上記第２の符号化方式、又は上記第３の符号化方式の無音の音声データを出力し、
上記パケット送出手段は、上記音声データ変換手段により変換された音声データ、及び、上記無音データ出力手段により出力された音声データが、合計して上記第２のパケット化時間分以上溜まった場合には、保持している音声データのうち、上記第２のパケット化時間分の音声データを、そのまま、又は、上記第２の符号化方式の音声データに変換して、送出用のパケットに挿入し、上記送信先の通信装置へ向けて送出する
ことを特徴とする音声信号変換方法。
【図１】
【図２】
【図３】
【図４】
【図２】
【図３】
【図４】
【公開番号】特開２０１２−１０９９０９（Ｐ２０１２−１０９９０９Ａ）
【公開日】平成２４年６月７日（２０１２．６．７）
【国際特許分類】
【出願番号】特願２０１０−２５８８８６（Ｐ２０１０−２５８８８６）
【出願日】平成２２年１１月１９日（２０１０．１１．１９）
【国等の委託研究の成果に係る記載事項】（出願人による申告）国等の委託研究の成果に係る特許出願（平成２１年度独立行政法人情報通信研究機構「高度通信・放送研究開発委託研究／次世代ネットワーク（ＮＧＮ）基盤技術の研究開発」、産業技術力強化法第１９条の適用を受ける特許出願）
【出願人】（００００００２９５）沖電気工業株式会社 (6,645)
【Ｆターム（参考）】
【公開日】平成２４年６月７日（２０１２．６．７）
【国際特許分類】
【出願日】平成２２年１１月１９日（２０１０．１１．１９）
【国等の委託研究の成果に係る記載事項】（出願人による申告）国等の委託研究の成果に係る特許出願（平成２１年度独立行政法人情報通信研究機構「高度通信・放送研究開発委託研究／次世代ネットワーク（ＮＧＮ）基盤技術の研究開発」、産業技術力強化法第１９条の適用を受ける特許出願）
【出願人】（００００００２９５）沖電気工業株式会社 (6,645)
【Ｆターム（参考）】
[ Back to top ]