信息处理装置、信号处理装置、信息处理方法和程序与流程

本技术涉及例如可应用于信号处理的信息处理装置、信号处理装置、信息处理方法以及程序。

背景技术：

1、在专利文献1中描述了会议纪要创建系统。会议纪要创建系统以如下方式创建会议纪要文件：每个用户的语音识别结果与用户标识符和说话时间相关联地被记录，并且语音识别结果按照说话顺序被布置。例如，该系统可在会议中创建会议纪要(专利文献1中的说明书第[0027]段至第[0058]段、图1等)。

2、引用列表

3、专利文献

4、专利文献1：日本专利申请公开第2013-11744号。

技术实现思路

1、技术问题

2、在这样的信号处理中，期望提供能够实现期望的信号输出的技术。

3、鉴于上述情况，本技术的目的是提供能够实现期望的信号输出的信息处理装置、信号处理装置、信息处理方法和程序。

4、问题的解决方案

5、为了实现上述目的，根据本技术的实施方式的信息处理装置包括信号处理单元。

6、信号处理单元通过机器学习从由麦克风组获得的多个观测信号中提取分别与麦克风相关的语音信号。

7、在该信息处理装置中，通过机器学习从由麦克风组获得的多个观测信号中提取分别与麦克风相关的语音信号。这允许期望的信号输出。

8、麦克风组可以包括第一麦克风。在这种情况下，观测信号可以包括包含第一用户的用户组的语音信号组和该用户组的环境的噪声信号。信号处理单元从由第一麦克风获得的观测信号输出第一用户的语音信号。

9、信息处理装置还可以包括生成单元，该生成单元生成用于机器学习的学习数据。

10、生成单元可以基于语音信号组、噪声信号、用户信息和与环境相关的环境信息中的至少一者生成学习数据。

11、噪声信号还可以包括与用户组不同的说话者的语音信号。

12、当第一麦克风仅获得第一用户的语音信号时，机器学习可使用观测信号作为训练数据。

13、信息处理装置可以进一步包括估计单元，该估计单元从包括该语音信号组的观测信号组中估计由麦克风获得的语音信号。

14、估计单元可以基于按照预定持续时间划分的该语音信号组来估计用户的语音信号。

15、估计单元可以基于麦克风组的数目和用户组的数目来估计用户的语音信号。

16、估计单元可以在实际使用的麦克风组的数目大于在生成学习数据时估计的麦克风组的数目的情况下，从多个观测信号中选择具有较高振幅的观测信号，并且估计用户的语音信号。

17、信息处理装置还可以包括呈现单元，呈现提取的语音信号。

18、呈现单元可以呈现使观测信号能够被视觉识别的图形用户界面。

19、麦克风组可以具有与麦克风中的每一者相关联的优先级信息。在这种情况下，信号处理单元可以基于优先级信息提取语音信号。

20、信息处理装置还可以包括呈现单元，呈现提取的语音信号。在这种情况下，呈现单元可以呈现图形用户界面，该图形用户界面显示从由具有高优先级信息的麦克风获得的观测信号中提取的语音信号。

21、根据本技术的实施方式的信号处理装置包括输入单元、信号处理单元、输出单元和呈现单元。

22、输入单元输入通过麦克风组获得的多个观测信号。

23、信号处理单元通过机器学习从观测信号中提取与每个麦克风相关的每个语音信号。

24、输出单元将语音信号输出到另一设备。

25、呈现单元呈现使观测信号和语音信号能够被视觉识别的图形用户界面。

26、根据本技术的实施方式的信息处理方法是一种由计算机系统执行的信息处理方法，并且包括：通过机器学习从由麦克风组获得的多个观测信号中提取分别与麦克风相关的语音信号。

27、根据本技术的实施方式的程序使计算机系统执行以下步骤。

28、通过机器学习从由麦克风组获得的多个观测信号中提取分别与所述麦克风相关的语音信号的步骤。

技术特征：

1.一种信息处理装置，包括：

2.根据权利要求1所述的信息处理装置，其中，

3.根据权利要求2所述的信息处理装置，还包括：

4.根据权利要求3所述的信息处理装置，其中，

5.根据权利要求2所述的信息处理装置，其中，

6.根据权利要求2所述的信息处理装置，其中，

7.根据权利要求3所述的信息处理装置，还包括：

8.根据权利要求7所述的信息处理装置，其中，

9.根据权利要求7所述的信息处理装置，其中，

10.根据权利要求7所述的信息处理装置，其中

11.根据权利要求1所述的信息处理装置，还包括：

12.根据权利要求11所述的信息处理装置，其中，

13.根据权利要求1所述的信息处理装置，其中，

14.根据权利要求13所述的信息处理装置，还包括：

15.一种信号处理装置，包括：

16.一种信息处理方法，包括：

17.一种使计算机系统执行的程序，

技术总结根据现有技术的一个方面的信息处理装置包括信号处理单元。信号处理单元通过机器学习从由麦克风组获得的多个观测信号中提取分别与麦克风相关的语音信号。因此，期望的信号能够被输出。此外，在线路的另一端的人可以容易地捕捉说话者的声音，并且该会话隔离了其他说话者的声音，从而为用户提供安全性和高保密性的感觉。技术研发人员：小山裕一郎,迈克尔·亨切尔,黑田宽,中村匡伸,小川浩明,柴田健太郎,涩谷崇,户塚典子,角尾衣未留,上坂俊允,山田敬一受保护的技术使用者：索尼集团公司技术研发日：技术公布日：2024/1/15